找到
11206
篇与
云图资讯
相关的结果
- 第 45 页
-
90后尼泊尔新总理就职：说唱歌手出身 常戴深色太阳镜 尼泊尔新首相巴伦德拉·沙阿计划于当地时间3月27日宣誓就职，成为尼泊尔历史上最年轻的总理。就职前，沙阿发布了一首表达对尼泊尔未来充满乐观的歌曲，其中唱道：“统一的尼泊尔人，历史正在被创造。” 据此前环球网援引路透社报道，年仅35岁的尼泊尔加德满都市长、说唱歌手出身的巴伦德拉·沙阿于2025年12月加入民族独立党（RSP），与该党党首、电视主持人出身的拉比·拉米查恩结成联盟。该联盟在2026年3月的尼泊尔选举中获胜，巴伦德拉·沙阿成为总理，拉米查恩继续担任该党党首。 ▲3月7日，巴伦德拉与支持者们在贾帕地区共同庆祝胜选从说唱歌手到政治新星这一胜利的背后，是巴伦德拉（也被称为巴伦）从说唱歌手到政治变革者的成功转型。1990年4月，巴伦德拉出生于首都加德满都，他的父亲是一位医生，母亲是家庭主妇。他在尼泊尔完成了土木工程本科，后赴印度维韦卡亚技术大学获得结构工程硕士学位。据报道，巴伦德拉从小就对诗歌产生兴趣，后来转向嘻哈音乐，并从2012年起活跃于尼泊尔地下说唱圈。他的歌词直击贫困、失业、腐败等社会痛点，在年轻听众中引发了强烈共鸣。他最受欢迎的歌曲《牺牲》于2019年发布，在单一社交平台累计观看超过1200万次。2022年，巴伦德拉以独立候选人身份竞选加德满都市长，口号“变革的时刻”，猛烈抨击传统政治精英。凭借说唱歌手积累的声誉和社交媒体影响力，他以绝对多数当选，成为首位无党派市长，一举获得全国关注。 ▲巴伦德拉•沙阿与其他传统尼泊尔政治家不同，巴伦德拉主要通过社交媒体直接与支持者沟通，其脸书账号拥有378万粉丝。在近期发布的竞选照片中，他常戴着标志性的深色太阳镜、留着胡须，奔波于各选区间，深受年轻选民喜爱。在前总理奥利长期执政的贾帕第5选区，巴伦德拉以68348票对18734票的压倒性优势击败奥利。奥利承认败选，并向巴伦德拉致以“衷心祝福”，祝其“不间断五年任期”。计票结果出来后，巴伦德拉的支持者纷纷涌上街头，敲响象征着RSP 的“铃铛”以庆祝这一历史性胜利。上任后仍面临严峻挑战在担任加德满都市长期间，巴伦德拉推行了一系列强硬改革：拆除非法建筑、整治垃圾堆积、规范交通秩序，这些举措确实改善了城市面貌，却也引发强烈争议。他对街头小贩和无证企业的严厉取缔被指“高压执法”，遭部分市民批评，认为其手段缺乏人文关怀，直接冲击底层民众的生计。此外，2026年1月竞选期间，一段网上流传的视频显示巴伦德拉在选区驾驶着一辆价值约4000万尼泊尔卢比（约187万人民币）的黑色路虎卫士，引发网络热议和对其“反腐形象”的质疑。 ▲巴伦德拉的支持者庆祝胜利在此次竞选中，巴伦德拉将焦点置于经济改革与就业创造。其纲领承诺：在5年内创造120万个正式就业岗位，遏制青年大规模海外务工潮；将人均收入从1447美元提升至3000美元，并推行全民医疗保险等社会福利措施……尼泊尔政治分析师洛卡吉·巴拉尔指出：“公众对巴伦寄予了极高期望，但目前的官僚体系依旧陈旧，仅换了新领导层，实现这些目标在尼泊尔极为艰难。”他强调，巴伦德拉面临着严峻的挑战，包括满足青年支持者高涨的期待、调查并起诉前领导人腐败等：“从就任总理那一刻起，挑战将步步紧随。”不过许多尼泊尔人仍相信，土木工程师和说唱歌手出身的巴伦德拉，能将市长任内的成功经验扩展至全国层面，推动更广泛的变革与治理改善。红星新闻记者 周月潇 综合环球网编辑 郭庄审核 何先菊
-
重要提醒：去双流机场赶飞机有变 赶飞机注意！3月29日起，双流机场所有国内客运出港航班截载时间缩短至起飞前30分钟。 详情如下：尊敬的旅客朋友：紧扣“精品化、商务化、快线化”发展定位，深入推进“巴适空港”服务品牌建设，致力于为旅客提供更加高效、便捷、舒适的航空出行体验。为进一步提升旅客航空出行效率，自2026年3月29日零时起，双流机场所有国内客运出港航班截载时间缩短至计划起飞前30分钟，进一步释放您的宝贵时间，让出行更加从容便捷。搭乘川航“成都双流至北京首都”出港航班的无托运行李旅客，仍取消传统值机截载时间限制，仅需在航班登机口关闭前（航班计划起飞前15分钟）到达指定登机口，即可顺利登机。延误或因其他特殊情况改变计划起飞时间的航班，其截载时间须以实际情况为准。如有需要，您可拨打双流机场客服热线：028-85205555或航空公司客服电话咨询详情。成都双流国际机场2026年3月27日由于双流机场国内航班登机口关闭时间仍为航班计划起飞前15分钟，建议您预留充足时间提前抵达机场办理乘机手续和完成安检流程，以免耽误行程。了解多一点>>航班截载时间主要是指旅客须在该时间节点前完成航班值机、行李托运等手续，航班截载意味着该航班已停止办理值机手续。航班截载时间缩短，对旅客来说意味着有更加充裕的时间办理值机手续，将获得更加顺畅、便捷的乘机体验，出行变得更加从容。编辑: 张烁 责编: 王燕蓉
-
湖南郴州通报烟花零售店燃爆事件 13名公职人员被处理 郴州市联合调查组3月27日通报，2025年11月30日，北湖区勇鑫烟花零售店燃爆事件发生后，郴州市委市政府高度重视，成立联合调查组，在省直相关单位指导下，对相关情况以及反映的问题进行了全面核查，现通报如下。 事发现场视频截图一、调查情况2025年11月30日7时44分，郴州市北湖区勇鑫烟花零售店发生燃爆，郴州市公安局110指挥中心7时49分接警。市、区两级应急、消防、公安、卫健等部门立即赶赴现场开展处置工作。（一）侦查调查情况8时24分，郴州市公安局110指挥中心接群众报警称，有人在微信群中发喝农药视频。经公安机关查实，视频中喝农药者系勇鑫烟花零售店经营者彭某勇（男，1986年12月出生）。郴州市、北湖区两级公安机关迅速成立专案组开展调查，经缜密侦查和调查，认定勇鑫烟花零售店燃爆系彭某勇所为，并在实施犯罪后自杀，于2025年12月2日6时23分，经抢救无效死亡。该案共造成3人受伤（均已出院）、2台车辆损毁、部分房屋受损，其中，重度受损房屋2户（其中1户为勇鑫烟花零售店所在楼栋，该楼栋为北湖区骆仙街道一3层居民自建房，彭某勇整体租用，1层用于经营，2至3层闲置）。目前，周边受损房屋修缮工作已基本完成，2户重度受损房屋异地重建工作正在有序推进。现已查明，彭某勇自2019年以来，通过银行、网上借贷平台、信用卡等渠道多次贷款，主要用于偿还买房买车贷款、其他债务，以及投资经营、日常消费支出。彭某勇2018年贷款购置一辆宝马X3新车，2024年贷款购置一辆宝马4系二手车。截至2025年11月，彭某勇累计欠贷款303.7万元，2025年12月须偿还到期贷款本金及其他贷款利息67.7万元。自2025年8月开始，彭某勇先后多次在微信群发布过激言论并表达轻生想法。（二）郴州市中心城区规范销售及禁止和限制燃放烟花爆竹工作情况按照《中华人民共和国大气污染防治法》《烟花爆竹安全管理条例》等有关法律法规，结合郴州市近年来城区空气质量和各类安全需求，市城管局2025年1月起草了《关于进一步规范市城区销售及禁止和限制燃放烟花爆竹的通告》，相继开展征求意见、公平竞争审查、合法性审查、听证会、专家评审、社会稳定风险评估等程序，2025年11月26日在市人民政府网站公示期满。《通告》重新划定了中心城区禁止燃放烟花爆竹的区域（勇鑫烟花零售店在该区域），明确对禁燃区范围内不符合法定条件的烟花爆竹零售网点停止办理相关行政许可。为稳妥有序推进烟花爆竹禁燃限放工作，市、区两级应急管理部门以及属地街道对市中心城区新划定禁燃区内须退出的烟花爆竹零售店开展了上门宣讲政策、协调批发公司原价回购、禁燃区外异地选址重新依规申办等工作。（三）彭某勇烟花零售店经营情况经核查，彭某勇共经营了两家烟花零售店，分别为北湖区勇鑫烟花零售店、桂阳县某烟花专卖店。北湖区勇鑫烟花零售店，2023年9月19日进行工商登记注册，2024年1月10日取得烟花爆竹经营许可证，经营期限为2024年1月10日至2024年12月31日；2024年12月27日再次取得烟花爆竹经营许可证，经营期限为2024年12月27日至2025年12月31日。该烟花零售店的供货商共3家，自营业以来共进货89批次4597件，总货款约70.94万元。2025年10月20日，北湖区应急管理局安全检查组到店现场检查，核查店内库存烟花爆竹共计230件，其中礼花30件、鞭炮100件、零散小烟花100件，核算货款约6万元；2025年11月29日，勇鑫烟花零售店进货72件烟花，进货货款约2万元，未实际支付。事发时，勇鑫烟花零售店实地存货货款约8万元，仍处于正常经营状态。桂阳县某烟花专卖店，2024年12月10日进行工商登记注册，2024年12月18日取得烟花爆竹经营许可证。该店位于禁燃区外，处于正常经营状态。2025年12月2日，经调查组核实，该烟花专卖店的供货商共2家，自营业以来进货总货款约3.56万元，实地核查店内库存烟花134件、鞭炮43件，存货核算货款约1.98万元。二、公职人员有关问题核查处理情况针对彭某勇在微信群反映的郴州市、北湖区有关公职人员涉嫌违纪违法问题线索，经全面调查核实，对存在违反中央八项规定精神、工作纪律、群众纪律等违纪违法行为以及履行责任不到位的13名公职人员作出严肃处理，对2个党组织进行问责。（一）对违纪违法人员处理情况：1.市应急管理局危险化学品和烟花爆竹安全监督管理科科长贺某林违反群众纪律，2024年春节前，向管理和服务对象彭某勇索要价值5000元的烟花，几天后，贺某林得知彭某勇在微信朋友圈吐槽送烟花一事，遂将烟花予以退回；违反工作纪律，履行工作职责不力。给予其党内严重警告处分、免职处理。2.时任北湖区应急管理局危险化学品和烟花爆竹安全监督管理股负责人程某违反中央八项规定精神，接受可能影响公正执行公务的宴请；违反群众纪律，帮助贺某林索要价值5000元烟花，后退还。给予其党内严重警告处分、免职处理。3.市城管综合行政执法支队北湖大队骆仙中队工作人员杨某违反中央八项规定精神，接受可能影响公正行使公权力的宴请，给予其政务记大过处分、取消其全年绩效奖励。4.时任北湖区骆仙街道应急办工作人员戴某茂违反群众纪律，默许管理和服务对象彭某勇为其支付购车尾款2800元，给予其政务记大过处分、取消其全年绩效奖励。5.市公安局北湖分局骆仙派出所辅警王某损害群众利益，在管理和服务对象彭某勇经营的烟花零售店购买烟花约100元未付款，给予其政务记过处分、取消其半年绩效奖励。（二）对履行工作职责不力的责任人员追责处理情况：给予市应急管理局党委书记、局长李某秋诫勉处理；给予市应急管理局党委委员、副局长黄某标诫勉处理；给予市生态环境局党组成员、副局长谭某华党内警告处分；给予北湖区应急管理局党委书记、局长邵某诫勉处理；给予市城管综合行政执法支队北湖大队大队长朱某诫勉处理；给予时任北湖区骆仙街道党工委书记齐某鹏诫勉处理；给予时任市公安局北湖分局骆仙派出所所长曾某诫勉处理；给予时任北湖区骆仙街道应急办主任洪某党内严重警告处分。（三）对党组织问责情况：责令郴州市应急管理局党委、郴州市生态环境局党组向郴州市委作出书面检查。该事件反映出郴州市有的地方和单位统筹发展和安全有差距，部分单位党风廉政建设存在薄弱环节，少数公职人员工作作风不细不实，个别人员还存在违纪违法等问题。对此，郴州市深刻反思、举一反三，坚持以案为鉴，全面开展烟花爆竹行业领域专项整治；扎实做好问题整改和善后工作，解决好群众合理诉求；深入开展群众身边不正之风和腐败问题集中整治，持续压实各级各部门管党治党责任，加强干部队伍日常教育监督管理。
-
45岁林俊杰庆生，小21岁女友缺席引分手猜测 最近张雪峰猝然离世的消息，让全网都开始重新审视身体健康这件事，而林俊杰早年在演唱会上说过的一番话，也再次被网友翻了出来，引发了不少人的揪心。他曾在舞台上坦言，自己生命的 “沙漏” 正在加速流逝，甚至说过生命加速仅 1 天的话。 哪怕他在镜头前永远是一副开朗爱笑、活力满满的样子，可熟悉他的粉丝都知道，他的心脏早就亮起了红灯，甚至需要长期靠药物来稳定病情。可即便身体已经反复发出预警，林俊杰依旧没停下工作的脚步。巡回演唱会一场接一场地开，新单曲也一直在稳定输出，熬夜赶工、连轴转的行程更是家常便饭。这种高强度的工作节奏，对他本就不算稳妥的身体来说，无疑是巨大的消耗。 尤其是张雪峰的意外发生后，网友们更是揪紧了心，纷纷跑到他的社交账号下留言，一遍遍叮嘱他一定要把身体健康放在第一位。毕竟谁也无法预料，意外和明天，到底哪个会先来。 担忧归担忧，3 月 27 日，林俊杰还是迎来了自己的 45 岁生日，他也特意在社交平台晒出了庆生的现场照，和粉丝分享这份喜悦。照片里的他，穿一身简约的黑色衬衫搭配同色系长裤，头上反戴着棒球帽，状态看着依旧很有少年感。 他站在摆满装饰的餐桌旁，双手张开，笑着展示大家为他准备的生日蛋糕，大合照里，团队的工作人员围在他身边，个个都对着镜头笑意盈盈，现场氛围热闹又温馨。可眼尖的网友，很快就从这组热闹的照片里，发现了不对劲的地方。这组庆生照里，从头到尾都没有出现他那个小 21 岁的女友七七的身影。 按理说，男朋友的 45 岁生日，是这么重要的纪念日，七七本该到场陪伴庆祝，可她不仅没出现在任何一张合照里，连个人社交平台上，也没有任何相关的庆生动态。也正因为这份反常的缺席，全网瞬间炸开了锅。大家纷纷猜测，俩人是不是感情出现了裂痕，甚至已经悄悄分手了。当然，也有一部分网友给出了不一样的看法。他们觉得，网上对七七的评价一直不算友好，林俊杰大概率是出于保护女友的心思，才没有公开俩人的同框画面，不想让私人感情再被过度放大和议论。 说到底，猜测终究只是猜测。还是先祝林俊杰 45 岁生日快乐，也希望新的一岁里，他真的能像自己期许的那样，好好照顾自己，平安健康。毕竟对粉丝和爱他的人来说，没有什么比他的身体更重要。
-
香港马拉松名场面：林志玲牵手黄晓明引围观 有人在维港边上喊了一句：“你们看！那边牵手的！”镜头一转，白色运动装的林志玲伸出手，黄晓明也顺势握了一下。没有拖泥带水。也没有多余停留。就那么一秒钟，现场却像被按了暂停键，旁边的工作人员都忍不住抬头看。 这一下，热搜的关键词基本就定了：牵手、同框、状态、医美、真实。 问题也跟着来了——两人有情况吗？还是老友打气？别急，这个“手”的戏，还真不在手上。这次香港马拉松，赛道风景够顶。海风一吹，头发不听话，明星的“精修人设”就得靠硬扛。 更顶的是阵容。张朝阳亲自下场带队，旁边一字排开：黄晓明、林志玲、吕良伟、黄宗泽、阿Sa、陈松伶……你说这是跑步？不少人第一反应是“这不就是户外直播版的群像综艺”。 现场很真实。有人在系鞋带，有人抹防晒，有人一边热身一边跟熟人打招呼。跑者的表情也很真实：要么兴奋，要么紧张，要么装得很轻松。 最有意思的是，观众看得也很认真。跑没跑多快不重要，谁的状态抗不抗打，才是大家最想看的一段。 先把话放这儿：从现场互动看，牵手更像礼貌的打气。 林志玲伸手的时候，动作很自然，像你在活动现场遇到老同事，顺手握一下，“加油啊”。黄晓明也很大方，握住、点头、松开，整个过程干净利落。 关键是眼神。没有那种“你看我我看你”的黏。更多像“我懂你今天也早起了”的默契。这类场合其实有个潜规则：镜头到哪儿，社交到哪儿。明星要给现场一点温度，给活动一点体面。握手、击掌、合影，全是“行业礼仪”。 可网友为啥还是炸？因为“活久见”的不是牵手，是两个人都太像记忆里的那个人。一个是曾经的偶像剧滤镜，一个是多年不常露面的女神符号。两人同框一下，很多人的青春就被拎出来晃了晃。 林志玲一出现，讨论就分裂。有人夸她体态挺拔，肩颈线条很直，走路带风，跑起来也轻。哪怕在路人镜头里，站在人群里还是显眼。 也有人吐槽她太“端”。耳环、发型、妆容都在线，动作却偏收着。跑到后程换气也不敢大幅度做表情，像在控制每一帧。这就尴尬了：马拉松最怕什么？怕你不像来跑的。观众要的是“人味儿”。汗、乱发、喘、狼狈一点都可以。你越真实，越圈粉。你越精致，越容易被说成“偶像包袱”。 可话说回来，这也恰恰是林志玲多年来的公众形象：她一直是那种把每个细节都摆正的人。有人爱这种自律带来的体面，也有人更爱松弛感。两边都不算错，只是审美风向变了。陈松伶这次特别有故事感。 她前阵子为演唱会瘦了很多，到了马拉松现场，腿部线条紧致，跑起来很利落，气色也因为运动带着红。你远远看，会觉得这人状态真不差。 可镜头一拉近，另一种真实也来了：皮肤松弛、法令纹更深、汗把头发贴在头皮上，发量显得更少。 这不是丑，这是规律。很多人都经历过——减重快了，身体先轻，脸先“空”。年轻时靠胶原蛋白兜底，年纪上来就不跟你客气。 陈松伶最圈粉的点，是她不躲。跑累了就放慢，头发乱了也不管，脸红了就红着。她不像来交作业，更像来参加活动。 阿Sa这天的身材没得挑。腹部线条清晰，穿搭也很运动，整个人很有劲儿。 可生图就是生图。她本来面中偏凹，镜头再一怼，疲惫感立刻放大：眼袋、法令纹、面部浮肿的观感都会一起上桌。 更要命的是同框。旁边要是站个普通人还好，偏偏旁边是林志玲那种“抬头挺胸、皮肤白、体态直”的类型。对比一出现，侧脸就很容易被放大解读。 这不是谁赢谁输，这是马拉松现场的“光线审判”。户外、早起、风吹、出汗，谁最近睡眠差、工作密、压力大，脸最先替你说话。 网友爱看这个，也挺真实：大家其实是在借明星的脸，照自己生活的镜子。熬夜的人懂那种“我也没干啥坏事，怎么脸就先报警”。 黄晓明这次被夸“白又嫩”，不是没道理。 帽子、墨镜、防晒袖套一套齐活，皮肤状态在户外还稳，整个人很精神。你看他站那儿，姿态是开着的，不怯镜头，也不抢镜头。 吕良伟更离谱。70岁的人，精气神像给同龄人上了一课。你可以不服基因，但很难不服长期运动的底盘。俗话说得直白：人到中年后，脸是生活的成绩单，身材是自律的简历。 至于张朝阳带队这件事，也挺有意味。企业家下场跑步，不是为了比明星更红，是在告诉所有人：运动这事儿，别只当朋友圈素材，它真能把人从疲惫里拽出来。 牵手那一秒，大家以为在看桃色新闻。看着看着才发现，热闹的核心不在“有情况没情况”，而在每个人都被迫交出一张“真实状态”。 有人选择精致地活，有人选择松弛地活，有人选择拼命瘦下来再慢慢接受脸的变化。哪条路都不轻松。 马拉松的意义也在这儿：跑到后面，谁都得喘，谁都得出汗。镜头能放大细节，时间更会放大选择。你说谁更美？这问题不如换个问法——你更想成为哪一种自己？
-
最佳一阵四个名额名花有主第5个谁属？ 是布朗还是伦纳德？ 纵观本赛季的表现，有四个人入选最佳一阵应该是板上钉钉的了，他们分别是亚历山大、文班亚马、东契奇和约基奇。那么，第5个人是谁？是杰伦-布朗、爱德华兹还是伦纳德？四个人入选最佳一阵应该是板上钉钉的。这4个人全都是外籍球员，且全部来自西部。NBA会不会照顾一下东部？字母哥本来是可以入选的，但他仅出战36场，离65场规则差得远；同样的还有坎宁安，他因气胸，在出战61场时倒下，常规赛季报销，也不够65场规则。在NBA没有调整65场规则之前，他俩都不能参与角逐最佳一阵。 那么，最佳一阵的第5个名额，就在布朗、爱德华兹和伦纳德之间展开。其中，布朗有得天独厚的条件。他本赛季场均得到28.6分，创生涯新高。其中塔图姆缺阵的55场比赛中，他得到28.9分7.2个篮板5次助攻，投篮命中率48%，三分命中率34.8%。他的两分球出手次数（16次）也是最多的。更何况，他率领凯尔特人打到东部第二，为塔图姆复出后的凯尔特人再度成为争冠热门，打下了坚实基础。但是那边厢的伦纳德也不甘示弱。他在快船掉入西部垫底之后，突然爆发，在随后的35场比赛中，疯狂砍下29.9分6.6个篮板4次助攻，两项命中率分别达到50.5%和39%。快船也从西部倒数第一，现在跃升到西部第八，胜率恢复到50%以上。如果最佳一阵的评委们不想照顾东部，而让全部5人都来自西部的话，那么伦纳德可期。 至于爱德华兹，虽然他本赛季场均得到29.5分创生涯新高，但森林狼仅为西部第5，况且森林狼在最近没有他的时候，5场居然赢了4场，爱德华兹也深感脸上无光。因此，在比较他 和布朗、伦纳德的时候，难免会有些被比下去。他还是出现在最佳二阵、三阵为好。从理论上来说，布朗入选的可能性较大。不仅因为他是凯尔特人本赛季战力受损却打死不退的代表人物，也因为他还是身处东部。还有一点，就是他是东部今年的全明星首发，而伦纳德则是递补进入西部全明星的。布朗和伦纳德，选谁进入最佳一阵呢？（毛毛爸爸/仰卧撑）
-
推广视频涉嫌侮辱消费者，罗技中国致歉 中新经纬3月27日电 3月26日晚间，罗技中国在官方微博发布声明，就“罗技G官方旗舰店”发布违规内容致歉。 来源：“罗技中国”微博账号 中新经纬注意到，此前有报道称，3月26日，罗技官方旗舰店账号发布产品推广视频，配文“当我一降价 你还不是像狗一样跑过来”，视频内容被认为涉嫌贬低、侮辱消费者。 对此，罗技中国在声明中提到，对于抖音平台“罗技G官方旗舰店”发布的极其不当内容，罗技中国感到震惊与痛心。其完全理解并感同身受每一位玩家的失望与愤怒，对此向广大用户致以最诚挚的道歉。 声明称，“罗技G官方旗舰店”由罗技中国授权上海百事得电子有限公司运营，负责罗技产品在抖音渠道的销售。 声明提到，经调查，此次违规内容系上海百事得电子有限公司员工个人跳过了罗技中国的营销材料审核流程擅自发布，严重违反了罗技中国的品牌准则。罗技中国将深刻检讨对授权店铺营销行为的管理力度，坚决杜绝此类事件再次发生。 上海百事得电子有限公司3月26日晚间也发布声明称，为日前在账号发布的严重不当内容诚恳道歉。 来源：“罗技”抖音账号 声明称，那条关于降价的视频表述，是对大家感情的严重伤害。这一视频内容完全违背了罗技品牌所倡导的尊重、专业、以用户为中心的价值观，也对公众情感造成了严重伤害。该公司在此郑重承诺：绝不将责任推诿于任何个人或单一团队，将正视并承担店铺在管理、监督与价值观传导上的全部责任。 该公司声明提到，这是公司在内部管理上的漏洞，也辜负了大家长期以来对罗技G的信任。该视频已被永久删除，团队已被严肃处理。罗技品牌方已直接介入，监督公司严格管理账号运营、彻底整改内容发布流程、加强全员培训，杜绝此类事件再次发生。(中新经纬APP)
-
河南郑州：“智能”新能源商用车集中亮相引关注 来源：中国新闻网 3月26日，位于河南省智能网联汽车测试基地内，L4级无人矿卡、自动驾驶洗扫车等多款新能源商用车集中亮相，吸引关注。图为重卡BSD盲区预警测试演示引围观。中新社记者 李超庆 摄 图为重卡1.2米涉水极限挑战。中新社记者 李超庆 摄 图为AI全自动充电演示引围观。中新社记者 李超庆 摄 图为L4级自动驾驶洗扫车动态作业演示吸引参观者拍摄。中新社记者 李超庆 摄 图为参观者排队体验L4级自动驾驶巴士。中新社记者 李超庆 摄 图为L4级无人矿卡动态作业演示。中新社记者 李超庆 摄 图为重卡AEB(自动紧急制动系统)演示吸引围观。中新社记者 李超庆 摄 图为L4级无人矿卡动态作业演示。中新社记者 李超庆 摄
-
AMD锐龙9 9950X3D2双缓存版主打生产力，处理器下月22日上市 IT之家 3 月 27 日消息，AMD 昨晚正式发布了锐龙 9 9950X3D2 双缓存版台式处理器，IT之家也对其有过简要介绍。 根据 AMD 在官宣视频中的表达，该处理器主打生产力，16 核与 192 MB 的 L3 高速缓存令其缩小了 AM5 这个 MSDT 平台与更高等级的 HEDT 平台间的差距。 AMD 表示，锐龙 9 9950X3D2 在渲染、内容创作、AI 与模拟、编译等场景中大致有 5~10% 的性能提升，具体数据可参见下图： AMD 锐龙 9 9950X3D2 双缓存版桌面处理器将于 4 月 22 日发售，具体定价尚未明确。
-
卫龙美味2025年营收同比增长15.3% 净利润同比增长33.6% 3月26日晚间，卫龙美味（09985.HK）发布2025年全年业绩公告，公司2025年实现营收约72.24亿元，同比增长15.3%；实现净利润约14.27亿元，同比增长33.6%。在部分原材料成本上升的背景下，公司毛利率为48.0%，净利润率由上年度的17.0%提升至19.8%。公告显示，2025年，卫龙美味蔬菜制品全年收入占比由上年度53.8%进一步提升至62.4%，成为业绩增长的重要驱动力。年内，公司围绕蔬菜制品和面制品等核心品类持续推新，先后推出麻酱口味、高纤牛肝菌口味、傣味舂鸡脚口味等多款新品。渠道方面，卫龙美味坚持线上线下全渠道布局策略。线下持续赋能经销商加强门店服务，积极抢抓零食量贩店等新兴渠道机遇；线上深化主流电商平台运营的同时，拓展抖音、快手、小红书等新兴内容电商，全渠道建设战略成效显著。品牌建设方面，卫龙美味坚持深化通过多元营销活动贴近年轻消费者，在抖音、快手、小红书等内容平台，公司以“热梗营销+直播互动+达人种草”为抓手，持续释放品牌年轻化活力。产能建设方面，在河南已有5家工厂投产的基础上，卫龙美味持续推进魔芋自动化产线持续升级，并于年内开工建设广西南宁新工厂，将为未来业务扩张提供重要产能支撑。卫龙美味董事长刘卫平表示：“2025年是公司积极创新、效率提升的关键一年，未来将持续洞察消费者需求，创新迭代产品，推进线上线下全渠道高效协同，实现长期稳健发展。”
-
AI正在制造“第二次大分流” 人工智能已成为全球科技竞争的核心战场，各国纷纷将AI发展纳入国家战略。2026年初，生成式AI技术持续迭代，多模态模型、智能体应用加速落地，算力基础设施大规模扩张。在此背景下，美国白宫经济顾问委员会于2026年1月发布名为《人工智能与大分流》的报告，系统梳理了美国AI发展的各项指标，并详细阐述了特朗普第二任期的AI政策框架。 这份报告的核心意图十分明确：通过投资、性能、采用率三大维度论证美国在AI领域的“领先地位”，并为特朗普政府放松监管、能源扩张、实施技术出口管制等政策提供依据。报告中关于中美AI领域竞争的分析、对“美国占据AI主导地位”的战略规划，直接关系到未来全球AI产业格局走向，对中国读者理解美国政策动向具有参考价值。 需要指出的是，报告多处表述带有明显的竞争对抗色彩，将中国定位为“战略对手”，部分数据选取和结论推导存在服务于政策论证的倾向。读者在阅读时应注意到，中美AI产业发展各有优势，中国在应用场景、产业配套、市场规模等方面具有独特优势，报告所述的“美国领先”并非定论。 观察者网全文翻译这份美国白宫经济顾问委员会撰写的报告，供读者批判性阅读，译文不代表观察者网观点。 《人工智能与大分流》报告封面 【翻译/鲸生】 1.引言 几个世纪以来，世界大多数经济体的增长速度都同样缓慢。然而，工业革命引发了一场“大分流”，使工业化国家的增长速度远超世界其他地区。人工智能（AI）是一项具有潜在变革性的技术，常被比作工业革命。 然而，我们清楚地看到，各国在人工智能的投资、表现和采用指标上已出现明显的领先者。特朗普政府正在为美国的人工智能主导地位奠定基础，通过加速创新、基础设施建设和放松管制，同时借助技术出口确立全球主导地位。如果人工智能革命真的像工业革命那样具有变革性，我们是否应该预期这将导致第二次大分流？当然，人工智能的未来影响尚不确定，因此本文重点关注当下可见且可衡量的实证数据。 我们首先回顾人工智能驱动经济增长的潜力分析（第2节），然后讨论人工智能对国内生产总值（GDP）和劳动力的影响估算。鉴于这些影响存在不确定性，需要持续监测。我们在第3节重点介绍追踪人工智能投资、表现和采用迅猛步伐的各项指标。随后讨论各国在这些指标上的表现（第4节）。变化速度之快怎么强调都不为过；许多指标每隔几个月就翻一番，每年增长数倍。这意味着未来的人工智能可能与今天的人工智能截然不同。最后，我们回顾特朗普总统为确保美国继续引领人工智能发展所采取的行动（第5节）。正如总统所说：“美国是开启人工智能竞赛的国家。作为美国总统，我今天在此宣布，美国将赢得这场竞赛。” 2.未来展望 过去25年见证了经济发展的大趋同，世界最富裕国家的增长速度慢于许多发展中国家。然而，基于大语言模型（LLMs）的生成式人工智能的出现，将在美国掀起新一轮深刻的经济转型，有望显著提升生产力和增长。随着人工智能技术更深入地融入工作场所，经济学家正在重新评估GDP的长期预测。 然而，这一创新时期并非没有复杂性。本报告侧重于长期结构性趋势分析，因为并非所有人工智能相关的投资都会盈利，而且短期总是存在大幅波动的可能。 2.1 人工智能背景 过去几年，人工智能能力和相关术语都迅速爆发，因此我们首先回顾人工智能领域的几个关键术语。 人工智能可以指各种各样的计算机系统，从像“深蓝”这样的国际象棋计算机，到像ChatGPT这样的生成式人工智能。在人工智能发展的大部分历史中，它只能在相对有限的选项范围内做出决策。最近人工智能兴趣的激增与“生成式”人工智能的兴起同时发生，之所以这样称呼，是因为它们能够“生成”文本、图像或视频。“大语言模型”是能够创作文本的生成式人工智能。它们之所以“大”，是因为拥有数万亿个参数；之所以称为“语言”，是因为它们使用大量自然语言书写的文本进行训练。“AI智能体”（Agentic AI）是生成式人工智能的一个子集，它们超越单纯的内容创作，能够执行行动以达成目标。 理解人工智能智能程度的框架可从两个维度来看：（1）执行不同任务的能力：从写文章、识别图片中的物体、编写计算机代码，到解决数学问题；（2）人工智能在该任务上的能力与人类智能水平的比较。当今的人工智能系统具有“专用”（或“狭义”）智能，因为尽管它们在某些特定任务上可能超越人类（没有人能像计算器那样快速乘法运算），但人工智能无法执行人类能做的所有任务。人类能够执行各种各样的不同任务。因此，我们说人类具有“通用”智能，而当前的人工智能（包括ChatGPT和代理式人工智能）具有“专用”智能。 通用人工智能（AGI）将是一种假设性的人工智能，能够执行人类能做的所有智力任务，但AGI的确切定义存在激烈争议，有些定义只要求AGI能够执行“许多但非全部”的人类任务。超级人工智能（ASI），有时简称为“超级智能”，是指智能超越人类的人工智能。AGI与超级智能之间的界限同样存在争议，部分原因是这些术语涵盖人工智能的不同方面：“AGI”和“专用人工智能”描述人工智能可执行任务的通用性，而“超级智能”描述人工智能在这些任务上的能力水平。然而，如果一个“单纯”的AGI能够以计算机速度执行人类的所有任务，它实际上已经是超级智能了。不过，抛开语义分歧不谈，值得注意的是，OpenAI、Anthropic、xAI、Meta和谷歌都致力于创造通用人工智能或超级智能。 这就引出了本报告分析的一个重要限制：对人工智能进行经济分析的局限性。正如汉森（Hanson，2001）指出的，如果人工智能能够执行所有人类任务，将导致爆炸性增长，世界将变得与今天截然不同。因此，通用人工智能（AGI）的影响（包括经济影响和其他方面）是一个值得深入研究的重要课题，但基本上超出我们当前分析的范围，因为我们重点关注的是“狭义”或“专用”人工智能。 2.2 人工智能对GDP的影响 经济学家通常认为，一个经济体的生产力来自三个因素：劳动力数量、资本数量和全要素生产率（TFP）。全要素生产率是衡量经济体效率和技术进步的指标。全要素生产率上升意味着经济体用同样数量的劳动力和资本生产出更多商品和服务，或用更少的投入获得同样的产出。这种效率提升是长期经济增长和生活水平提高的关键驱动力。对于美国这样资本存量已经很高的富裕国家来说，经济增长主要来自全要素生产率的提升。 全要素生产率带来的生产力提升最终会转化为更高的整体经济产出，即GDP。然而，新技术带来的影响存在时间上的滞后效应，因为企业必须先成功采用新技术并调整运营。1990年代的大部分生产力提升来自1970年代和1980年代的技术投资。大萧条时期的类似技术投资则在1950年代和1960年代开花结果。因此，虽然全要素生产率是一个重要指标，但它并不是人工智能影响美国经济的前瞻性指标。相反，人工智能研发支出和人工智能企业的产出才是技术进步的先期指标。例如，早在创新被广泛采用并产生宏观经济影响之前，人工智能相关的研发已经在很久以前就开始了。 近期多项研究试图量化人工智能对GDP水平的影响。这些研究的估算结果差异很大：人工智能可能使美国GDP增长1%到45%以上。如此大的范围反映了人工智能经济特征的高度不确定性。但值得注意的是，仅2025年上半年，人工智能相关投资就使GDP年化增长率提高了1.3%，让人联想到工业革命时期铁路投资的规模，这似乎排除了最低的几种估算。 对人工智能影响GDP的中位估算包括来自多家公司的数据：牛津经济研究院（8年后增长1.8%至4%）、麦肯锡（长期增长2.4%至4.1%）、高盛（10年后增长7%）。高位估算包括普华永道（10年后增长8%至15%）以及阿尔达索罗等人（Aldasoro et al.）的国际清算银行学术工作论文（假设经济所有部门都至少受到人工智能一定程度影响的情况下，10年后增长20%至45%）。阿隆索等人（Alonso et al.）的估算范围更广（4.7%至19.5%），这反映了对人工智能将更多替代熟练劳动力还是非熟练劳动力存在着不确定性（如果是后者，将导致大分化，从而产生对美国增长估算的高位值）。作为对比，信息技术与创新基金会（ITIF）2010年的一项研究表明，信息技术革命使美国GDP增长了约14%。 这些估算都假设人工智能可以部分但不能完全替代人类劳动力：如果人工智能能够完成所有人类任务，资本将成为劳动力的替代品，经济增长将提高到每年45%（参见汉森，2001）。 表一 不同机构及经济学家对人工智能产业影响GDP水平的评估（分为美国和全世界，10年、8年及长期） 图自：《人工智能与大分流》报告，下同 2.3 人工智能出现前的国际经济增长 即使在人工智能出现之前，不同国家也可能处于不同的增长轨道上：美国的潜在GDP增长正在加速，而欧洲和中国的增长正在放缓。就欧洲与美国相比，这主要归因于结构性因素，如美国更强的生产力增长（尤其是在科技领域）和更优越的商业环境。就中国而言，经过数十年的快速增长后，现在增速正在放缓，更接近新兴市场的水平。 人工智能驱动的增长对中国可能尤为重要，因为其曾经的高增速近年来已放缓至与其他新兴市场相当的水平。与中国类似，人工智能驱动的增长对欧洲也可能尤为重要。虽然中国在21世纪的经济崛起是时常被提及的地缘政治故事，但另一个较少被讨论、却可能同样重要的故事则是欧洲的衰落。欧盟占世界GDP的比重已从1980年的27%降至2025年的14%。这不仅是因为新兴市场的高增长率，也是因为德国和许多欧盟国家的增长率低于其他发达经济体。这一趋势在人工智能领域仍在延续，欧盟在各种人工智能发展指标上落后于美国和中国。例如，2013年至2024年间，美国私营部门对人工智能的投资累计超过4700亿美元，而所有欧盟国家合计仅约500亿美元。 认识到人工智能对未来增长的关键作用，美国与许多盟友通过促进“硅基和平”（Pax Silica）——美国在人工智能供应链上的国际合作伙伴关系——的实现而联合起来。“硅基和平”的成员范围广泛，从日本等上游半导体设备制造商，到卡塔尔等下游的数据中心投资者。这个多元化群体因对人工智能和科技发展的前瞻性视野而团结在一起。因此，“硅基和平”成员的增长速度超过其他国家的两倍也就不足为奇了：从2022年第四季度ChatGPT发布到2025年第三季度的最新数据，其平均实际GDP增长率为2.5%，而七国集团（G7）国家平均仅为1.1%。 2.4 人工智能对劳动力的影响与杰文斯悖论 目前的证据显示，人工智能对就业的影响喜忧参半。布林约尔松等人（Brynjolfsson et al.，2025）的研究表明，在计算机编程和客户售后服务等易受人工智能影响的职业中，处于早期职业生涯阶段的工作者就业率正在下降。其他研究发现，人工智能暴露度与当前失业率之间没有相关性。还有一些研究发现，虽然在人工智能可以直接替代人类劳动力的部门就业率有所下降，但在依赖人工智能提供能力支持的部门，人工智能暴露度实际上增加了就业（约翰斯顿和马克里迪斯，Johnston and Makridis，2025）。尽管人工智能目前产生了影响，但截至2025年12月，美国总体失业率仅为4.4%。 短期内，如果人工智能提高了劳动力效率，就会减少创造一定产出所需的劳动力数量，从而可能减少就业。但历史先例表明，效率提升往往可以增加（而不是减少）该项资源的总使用量——这一现象被称为杰文斯悖论（Jevon's Paradox）。当技术进步减少了某些特定应用所需的资源（如劳动力）数量时，就会出现杰文斯悖论。这实际上会导致该资源的整体使用量增加，因为使用范围扩展到了新的应用领域。 要使杰文斯悖论发生，进而带来采用人工智能之后的就业岗位增加，必须满足三个条件：第一，人工智能必须显著提高劳工的生产力；第二，由此产生的成本节约必须转化为更低的价格；第三，更低的价格必须使消费者需求的增速快于效率提升，导致单位劳动力需求降低的速度。 虽然这些条件看起来要求很高，但杰文斯悖论已在许多不同领域被观察到。杰文斯于1865年首次描述了这一悖论：当时煤炭在铸铁发动机中的使用效率提升，实际上增加了对煤炭、铁和其他资源的需求。在农业中，灌溉效率的提高可能会增加用水量。节能照明的改进既增加了灯泡的需求量，也增加了照明用电量。杰文斯悖论甚至出现在看似与生产无关的领域：道路通行能力的提升会带来道路上的驾驶员数量增加。具体到人工智能和就业，放射科医生可能正在经历类似的情况：这个职业曾被预测将被人工智能取代，但现在的就业率却达到历史高位。 从长期来看，关键问题是将人工智能与以往的颠覆性技术进行比较和对照。历史类比表明，颠覆性技术（蒸汽动力、电力、计算机、互联网等）最终会带来更多的就业和收入。但如果人工智能技术发展出自主性（使其能够像人类一样独立工作），或者大幅提高劳工生产力却不产生新的劳动力需求，那么人工智能可能成为例外（Ayres, 1990; Donaldson, 2018; Feigenbaum and Gross, 2024）。而过去技术变革的一般先例是，它们会创造各种新领域或行业。1860年，美国43%的就业人口集中在农业，而2015年这一比例仅为1.2%。在此期间，大量新职业被创造出来，其中许多依赖于新技术的发明。现在，美国大多数劳工从事的是自1940年以来创造的工作岗位，范围从“风力涡轮机技术员”到“软件开发人员”，从“纺织化学家”到“心理健康咨询师”。 3.需要追踪的关键指标 要理解人工智能，最重要的关注点之一是进步和变化的速度。用于训练人工智能模型的算力不仅仅是每年翻一番：自2010年以来，平均每年增长约4倍。同样，顶级人工智能公司的收入每年增加两倍，预计未来增长速度将超过谷歌、亚马逊或微软在高速增长阶段的表现（见图5和图7）。由于许多指标每隔几个月就翻一番，每年增长数倍，这意味着人工智能带来的变化可能非常迅速。 就像市场分析师通过监测住房开工率或制造业产出来预测更广泛的经济健康状况一样，一组特定指标可以揭示人工智能在美国经济中日益增长的影响力。人工智能对GDP的影响体现在全要素生产率的变化上，因此我们首先强调这一指标。但是，由于全要素生产率是滞后指标，我们还需要考虑其他可作为人工智能影响先行指标的数据。这些指标追踪人工智能相关投资规模的扩大、人工智能能力的加速提升以及人工智能采用率的上升，共同构成人工智能革命的经济晴雨表。这些指标相互关联：投资直接表明公司正在投入资源推进技术发展，这会带来模型性能提升和单位成本降低。更低成本下的更强能力推动人工智能使用量扩大，这最终反映在人工智能公司的收入上。 我们首先讨论美国的这些指标，然后转向跨国分析。 3.1 全要素生产率 人工智能对增长如此重要，是因为它对全要素生产率的潜在影响。但以往的科技革命与生产率的关系相当复杂。计算机曾经是占据整个房间的大型机，现在却能放进口袋。1987年，经济学家罗伯特·索洛有句名言：“计算机时代随处可见，唯独在生产率统计数据中看不到。”对计算机看似缺乏影响的解释涵盖了从时间滞后性、经济学家无法衡量其实际收益，到声称计算机实际上并未提高生产率等种种说法。因此，虽然人工智能对全要素生产率的影响可能是关键问题，但我们也需要依赖其他指标。 3.2 投资 人工智能生态系统的投资规模巨大，既包括模型本身，也包括相关基础设施。 3.2.1 人工智能模型 人工智能模型表现出一种可预测的趋势：随着开发者增加模型参数数量、训练数据集规模和用于训练模型的算力，模型性能会提升。这被称为“缩放定律”（Scaling Laws），这些经验式关系使得模型开发者能够不单纯依赖基础科学领域的突破，而是通过投入更多资源来提升人工智能模型的性能。其他领域也可见类似的经验关系，例如摩尔定律——集成电路上的晶体管数量每两年翻一番。由于缩放定律本身不是自然法则，而是观察到的经验关系，它们总有一天可能终结。但它们概括了当前所处的深度学习时代，自2012年以来，用于训练计算机模型的算力增长了超过10亿倍（见图1）。 图1 训练不同模型所需的算力 满足这些需求需要巨额投资。2024年，全球企业界对人工智能投资达到2520亿美元。仅生成式人工智能就同比增长19%，达到340亿美元。这些投资集中在美国，2024年美国私营部门人工智能投资为940亿美元（见图2）。 图2 对私营AI公司的外部投资（自上而下：世界、美国、欧洲、中国），仅统计150万美元以上的私募资金，单位：10亿美元 2016年至2024年，训练（构建）人工智能模型的能源和摊销硬件成本平均每年增长2.4倍，而云计算成本（见图3）平均每年增长2.5倍。由于近十年来的成本每年翻倍，2025年7月发布的人工智能模型Grok 4的训练成本约为4.9亿美元。 图3 训练不同AI模型的云计算成本，单位：2023年美元 尽管成本不断上升，对模型训练的投资仍然持续不断，这表明了开发更强大、更复杂人工智能系统的决心。许多投资指标在全球范围内都可公开获取，因此有关投资的进一步讨论请参见第4.1节的跨国比较。 3.2.2 人工智能基础设施 除了模型训练投资外，2025年数据中心及相关设备的投资也因人工智能技术的日益普及而激增。2025年上半年，美国信息处理设备和软件投资年增长率达28%，高于2024年的5.5%。换句话说，2025年第二季度，这项投资（按年度计算）已比2024年底高出1250亿美元以上。信息处理设备和软件占美国全部投资的四分之一。一个原本就很大的门类以如此快的速度增长，意味着人工智能正在推动美国GDP出现投资驱动型激增（而非由消费或不可持续的政府支出驱动的激增）。 3.3 性能 对人工智能的持续投资提升了人工智能模型的性能，包括解决不同任务的能力、可成功执行任务的长度，以及降低人工智能模型生成的每个词元（token）的成本。我们考虑两种性能衡量标准：基准测试得分和每个词元的成本。 3.3.1 基准测试得分提升 基准测试是一套标准化任务，旨在评估特定的人工智能能力，如推理、编程或语言理解。随着大语言模型变得更强大，它们在旧基准测试上取得接近完美的分数，这一现象被称为“基准测试饱和”。例如，2023年至2024年，人工智能在计算机编程基准测试SWE-bench上的表现从4%跃升至72%。 类似现象也出现在研究生水平问答、高级数学和各种其他学术科目的基准测试中。 然而，虽然前沿人工智能在许多考试和任务上的表现远超人类，但当前最好的AI智能体往往难以将更长的行动序列串联起来。因此，它们目前无法独立执行实质性项目，甚至无法完全替代以计算机为基础的低技能工作，如远程行政助理。但这意味着，模型可完成任务的长度是一个理解人工智能能力的有用视角。人工智能能够成功完成的任务长度也在增加，过去6年里每7个月翻一番。这意味着人工智能正变得能够更好地独立管理越来越大的项目，从而完成日益复杂的任务。 图4 不同AI历年来能以50%成功率完成的软件工程任务长度，单位：对人类工程师而言的任务长度（小时） 3.3.2 每个词元成本下降 “词元”（token）是大语言模型输入的基本单位，例如单个单词或数字。每个词元成本的下降使人工智能变得更加实惠。这可能是因为更小、更高效的模型（软件）或更好的硬件。根据模型不同，价格每年至少下降了9倍，而最高可达900倍。 3.4 采用和使用 由于人工智能能力提升和成本下降，人工智能的使用已遍布整个美国经济。这可以通过前沿人工智能公司的收入、人工智能在商品和服务生产中的使用，以及越来越多的美国人在工作场所使用人工智能等指标来追踪。 3.4.1 收入 人工智能公司经历了快速但并非前所未有的增长，但其未来增长可能超过所有历史先例。初创公司经常会出现爆炸性增长，截至2024年下半年，OpenAI、Anthropic和谷歌DeepMind的年化收入增长均超过3倍（见图5）。 图5 各公司面向公众的AI产品销售利润，OpenAI（蓝）、Anthropic（红）、谷歌DeepMind（黄），单位：百万美元 这远快于市场平均水平：2024年最后一个季度，标普500公司的收入混合同比增长率为10.3%。但迄今为止，人工智能公司的增长与谷歌和优步等顶级科技独角兽企业在其初始高增长阶段的表现相当（见图6）。因此，虽然这种增长令人印象深刻（亚马逊只有两年达到这种收入增长水平），但并非前所未有。 图6 OpenAI实际收入相较于其他企业的历史性收入快速增加 单位：10亿美元；横轴：距离年度收入达到10亿美元的年数 然而，人工智能公司的未来收入增长可能是前所未有的。例如，尽管存在质疑，但OpenAI声称，其2026年至2028年每年收入将大致翻一番。为了尝试理解这一说法，将其与此前大型科技独角兽企业的历史性增长进行比较会有帮助；OpenAI的这种收入增长将远高于这些此前大型科技独角兽的增长率（见图7）。 图7 OpenAI预计收入相较于其他企业的历史性收入快速增加，单位：10亿美元；横轴：距离年度收入达到100亿美元的年数 3.4.2 企业使用 各类组织对人工智能的使用率从2023年的55%跃升至2024年的78%。特别是，在商品和服务生产中使用人工智能的企业比例，从2023年的不足4%增至2025年9月的约10%（见图8）。 图8 商品及服务生产中使用AI的美国公司占比 购买人工智能付费订阅服务的企业比例增长更快，从2023年1月的7%升至目前的45%。美国劳动者的情况类似，目前约有40%的人在工作中使用生成式人工智能（见图9）。 图9 在工作中使用生成式AI的美国劳工占比 3.4.3 关键矿产 许多矿产资源是人工智能供应链的关键组成部分。硅是大多数半导体芯片的主要基础材料，而镓和锗是另外两种关键成分。国际能源署估计，到2030年，仅数据中心就可能消耗超过当前全球镓供应量的10%。 4.跨国比较 有多种方式评估各国的人工智能发展水平，许多机构都开发了自己的指数。我们从投资、性能和运用三个维度比较各国的情况，确定谁在人工智能领域领先。我们发现，总体而言，美国在大多数指标上排名第一，中国第二，欧盟第三。 4.1 投资 追踪人工智能总体投资较为困难，因为投资分散在人工智能供应链的各类公司中——从芯片到数据中心再到人工智能实验室——资金来源也涵盖各种公共和私人渠道。 从研发总支出来看，2022年以色列的研发支出占其GDP的6.0%，这一比例高于全球任何其他国家和地区。紧随其后的是韩国（5.2%）、中国台湾（4.0%）、美国（3.6%）和日本（3.4%）。相比之下，中国大陆为2.6%，欧盟为2.1%。 在私营投资方面，美国私营公司在人工智能研发方面处于领先地位。2024年美国私营领域的人工智能投资为1090亿美元，而排名第二的中国私营领域投资仅为90亿美元，英国、瑞典和加拿大位列前五（见图10）。因此，美国在生成式人工智能初创企业的公开风险投资中占比约75%，也就不足为奇了。 图10 2024年各国对AI私营领域投资，单位：10亿美元 然而，对私营人工智能公司的私营领域投资并非唯一的投资类型。其他国家也在努力追赶，政府或主权财富基金进行了各种人工智能专项投资（见图11，列出了部分重大公告）。除了欧盟和中国等预料之中的参与者外，几个中东国家也在大力投资人工智能。中国公共部门对人工智能的支出规模庞大，2025年估计为560亿美元。沙特阿拉伯公共投资基金成立了一家新的人工智能公司Humain，并设立了100亿美元的风险基金。同样，阿联酋正与OpenAI、英伟达及其他美国公司合作，作为“星门”（Stargate）项目的一部分建设各种数据中心。 图11 各国及主权财富基金关于直接AI投入的重要声明，单位：10亿美元 美国以外的人工智能投资，其性质可能截然不同，发展中国家尤其如此。例如，这些国家在建立国家电话网络时，许多选择跳过了固定电话、直接进入移动通话时代。发展中国家的人工智能使用也可能出现类似现象：数据中心可能面临电力可靠性的问题，而人工智能的主要平台可能是智能手机。 4.2 性能 鉴于美国在人工智能领域的庞大投资，美国在性能方面领先并不令人意外：2024年，美国拥有154个规模与GPT-3相当的人工智能系统，约占全球总数331个的一半。然而，由于人工智能的进步速度极快，各国最佳模型之间的性能差距相对较小。根据微软的一份报告，“只有七个国家——美国、中国、法国、韩国、英国、加拿大和以色列——有模型进入前200名，而前沿（美国）与其中最后一名（以色列）之间的差距现在仅为11个月。” 图12 各国大规模AI系统的累计数量 4.3 采用和使用 由于大量投资，截至2025年5月，美国拥有全球约74%的人工智能算力（见图13），而且许多外国人工智能硬件最初由美国公司制造。例如，几乎所有中国人工智能模型都在美国硬件上训练（见图14）。 图13 各国GPU集群（基于集群表现调整权重）的占比，深蓝为美国、红色为中国 图14 中国AI模型的硬件源头 使用情况分布更为广泛，以色列和新加坡在Claude人工智能模型的人均使用量上最高。OpenAI也呈现类似趋势，美国仅占ChatGPT流量的19%。总体而言，中等收入经济体的生成式人工智能使用量相对于其经济规模而言不成比例地高，2024年合计占全球人工智能使用量的50%，而低收入经济体占比不足1%，部分原因是缺乏电力。总体而言，人工智能采用率与GDP高度相关，发达国家的采用率明显高于发展中国家。推动这种分化的关键因素是对人工智能“基础要素”的获取差异，包括电力、数据中心、互联网接入、语言和数字技能。 5.特朗普革命 特朗普政府正在推行多项政策，以改善美国在每一项指标（投资、性能、采用）上的地位，许多政策同时改善多个指标。放松管制降低了数据中心基础设施的建设成本，激励人工智能投资。《大而美法案》更方便美国人进行投资，贸易协定正在吸引外国投资。所有这些投资带来了供美国人工智能占据主导地位所需的性能，而美国的能源主导地位提供了满足了人工智能日益增长的需求所需的电力。 5.1 投资 《大而美法案》。《大而美法案》（公法119-21，2025年7月4日签署）恢复并扩大了合格投资的全额、即时费用扣除，并延长了亲投资的商业条款，将税后门槛利率调整为有利于立即建设。联邦企业所得税率保持在21%，该法保留并完善了一系列面向国际的条款，并在各种人工智能倡议上投资了超过10亿美元。经济顾问委员会分析预测，该法案将在通过后的四年内使美国GDP年增长超过1%，并使每位劳动者的实际工资提高4000至7200美元。 与人工智能繁荣特别相关的是，《大而美法案》恢复了信息技术基础设施和数据中心设备的100%奖励折旧。经济顾问委员会估计，总体而言，该法案将使投资增加7%至10%，激励数据中心、电力基础设施和芯片制造的建设。 贸易协定。作为贸易协定和其他协议的一部分，特朗普总统已从外国获得数万亿美元的投资承诺。欧盟在其贸易协定中明确承诺购买400亿美元的美国人工智能芯片，阿联酋也明确提及，其1.4万亿美元的对美投资将把人工智能作为关键领域之一。 5.2 性能 《人工智能行动计划》。特朗普政府的人工智能政策在其2025年《人工智能行动计划》和几项相关行政命令中概述。该政策侧重于通过快速建设数据中心、促进和加速创新、维护人工智能模型中的言论自由来实现美国在人工智能领域的国际主导地位。 为实现这些目标，《行动计划》概述了具体步骤。例如，关于数据中心的快速建设，该计划建议根据《国家环境政策法》（NEPA）为数据中心建立新的类别排除，以加快许可流程。为促进和加速创新，该计划建议各联邦机构直接投资人工智能技术，并建立“人工智能卓越中心”，激励研究人员和初创企业在承诺开放共享数据和结果的环境中快速部署和测试人工智能工具。关于维护言论自由，该计划建议更新联邦采购指南，强制规定美国政府只与确保其系统客观且无自上而下意识形态偏见的人工智能开发者签订合同。 放松监管。过度监管会通过增加成本、抑制竞争和创新、提高消费者价格来损害经济活动。这会减少经济增长、初创活动和就业创造，并提高贫困率，对小企业的影响尤为严重。 7月23日，特朗普总统签署了一项行政令，加速数据中心及其基础能源和制造基础设施的许可流程。随后，12月11日，特朗普总统又签署了一项行政令，减少州一级的障碍。 正如经济顾问委员会此前研究的那样，特朗普政府的放松管制努力旨在改善这些问题，为人工智能部门以及经济其他部门带来好处。经济顾问委员会估计，这些放松管制努力能够带来有意义的生产力提升，转化为未来二十年内每年额外0.3至0.8个百分点的GDP增长——到2045年的累计增长约6%至17%。 5.3 采用和使用 能源主导地位。特朗普总统已将占据能源主导地位作为其政府的优先事项之一。本届政府已采取重要行动刺激国内生产并降低成本，包括恢复能源开发的联邦租赁、签发液化天然气出口终端的新许可证、支持先进核能开发等。不计放松管制的影响，经济顾问委员会估计，支持美国能源主导地位的政策到2035年可使美国GDP提高至少0.3%至1.2%，这尚未计入与人工智能的协同效应。 与传统数据中心相比，生成式人工智能的数据中心尤其耗电，预计人工智能数据中心占美国电力需求的比例，将从2023年的4%增至2028年的7%至12%。为应对这一需求增长，《人工智能行动计划》包括与建设能源电网相关的具体政策行动。特别是，该计划建议探索电网管理技术和输电线路升级，以优化和稳定现有电网，同时优先建设并使用各种能源的新发电厂接入电网。截至2025年4月，美国能源部已确定16个具备能源基础设施的潜在选址，可供快速建设数据中心。 6.结论 人工智能革命与工业革命相似，呈现出一个深刻的经济转折点，有可能显著提高拥抱这一技术的国家的GDP增长。我们正目睹各国在人工智能投资、性能和使用指标上出现了明显的领先者。通过特朗普政府全面的《人工智能行动计划》及相关行政命令，美国正在推行一项专注于加速创新和基础设施发展、通过技术出口和放松管制建立全球主导地位的战略，以此为美国的人工智能主导地位奠定基础。 本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。
-
ChatGPT独占时代终结!传苹果(AAPL.US)拟向外部AI助手开放Siri iPhone或变身“AI入口平台” 智通财经APP获悉，据知情人士透露，苹果(AAPL.US)计划向外部人工智能(AI)助手开放Siri，此举旨在强化iPhone作为AI平台的地位。知情人士称，苹果正准备将这一变化作为即将发布的iOS 27操作系统更新中Siri重大升级的一部分。目前，Siri已可通过与OpenAI的合作调用ChatGPT，但苹果将允许Siri接入其他竞争性产品。这些变化是苹果试图扭转其在AI领域颓势的一部分。苹果在这一领域一直落后于硅谷同行。让近15年前首次推出的Siri焕然一新是这项翻身计划的核心。知情人称说，苹果正在开发新工具，使通过App Store安装的AI聊天机器人应用能够与Siri助手整合。这些聊天机器人还将与一款即将推出的Siri应用以及Apple Intelligence平台中的其他功能协同工作。这意味着，例如，如果用户安装了谷歌(GOOGL.UQ)的Google Gemini或Anthropic的Claude，他们将能够通过Siri语音助手向这些服务发送查询，就像自2024年Apple Intelligence推出以来他们使用ChatGPT一样。这种做法还将使苹果能够通过App Store从第三方AI订阅中获得更多收入。此举将终结ChatGPT在苹果软件中的独占角色。从一开始，苹果内部就曾围绕OpenAI是否是合适合作伙伴展开争论。前苹果AI负责人John Giannandrea曾质疑这家初创公司的持续发展能力，并倾向于与谷歌达成合作。在选择ChatGPT作为Apple Intelligence发布合作伙伴之前，苹果曾在内部对多个AI聊天机器人进行过评测。在一段谈判期后，公司最终选择了OpenAI的产品，并称其为当时最佳可用选项。新的策略将消除像ChatGPT那样一次性整合协议的必要性。这意味着苹果可以更快地引入多个外部AI服务，并可能在无需展开商业谈判的情况下扩大AI在其操作系统中的应用范围。目前，用户可以通过明确请求OpenAI服务，将Siri查询转接至ChatGPT。在新系统下，用户将改为为每一次查询指定要使用的AI服务。其他主要AI平台也已作为应用提供在苹果平台上，包括Perplexity、亚马逊(AMZN.US)的Alexa、Meta(META.US)的Meta AI、xAI的Grok以及微软(MSFT.US)的Copilot。目前尚不清楚苹果是否会允许任何AI应用被加入Siri、还是会设立特定审批流程。在开发Apple Intelligence期间，苹果曾设想Siri可连接多个AI服务，并举例说明可以接入专用聊天机器人，例如面向医生的聊天机器人。苹果在2024年表示正在推进Gemini整合，但该项目从未真正落地。在新的策略下，苹果可以通过从其设备上推广的竞争AI服务付费订阅中抽取分成来扩大服务收入。当前，苹果通过在用户注册更高级别 ChatGPT订阅时提供其支付系统来获得收入。这一变化与苹果正在与谷歌合作、利用Gemini模型重建Siri的工作是分开的——后者涉及Siri的底层苹果技术。而与此同时，所谓的新“Extensions(扩展)系统”将允许用户通过实际的Gemini服务处理请求——前提是谷歌允许其应用支持该功能。测试中的Extensions系统将允许用户通过iOS 27、iPadOS 27和macOS 27设置面板中的Apple Intelligence和Siri菜单，启用或禁用希望在Siri内部运行的服务。根据即将发布操作系统测试版本中的一条提示信息：“扩展功能允许来自已安装应用的代理与Siri、Siri应用以及设备上的其他功能协同工作。”用户还将通过该菜单进入App Store的一个新专区，以添加更多AI服务。此外，开放Siri只是多项正在推进的AI计划之一。据报道，苹果正在准备推出一个Siri应用以及全新界面。公司还在将Siri与Spotlight搜索功能进行整合，并新增如“Ask Siri”和“Write with Siri”等入口开关。苹果计划于6月8日在全球开发者大会上宣布其最新软件，在此之前这些功能可能仍有变化或推迟发布。这家iPhone制造商在其网站上承诺，将在活动上介绍“AI进展”的细节。
-
AI时代如何真诚分享与守护社区？小红书举办开放日活动 3月26日，小红书在上海举办“要来就来‘真的’——AI时代的真诚分享与社区守护”开放日活动。作为“清朗浦江·2026”网络生态治理旬开放日的重要活动之一，本次活动围绕《小红书社区公约2.0》与AIGC（人工智能生成内容）治理展开，通过现场互动、主题分享和交流讨论等形式，回应AI时代内容真实性、创作者责任和平台治理边界等现实议题，进一步凝聚平台、机构、创作者等多方共同守护真实社区生态的共识。上海市委网信办副主任杨海军，黄浦区委常委、宣传部部长钟璟等参加活动。活动现场设置了暖场互动环节，主持人展示了多组图片和内容案例，邀请观众判断哪些是来自现实世界的真实记录，哪些带有明显的AI生成痕迹。从食物、人物到画作，现场嘉宾一边观察细节、一边交流判断，气氛轻松活跃。一场“乱讲PPT” 讨论AI会把内容带向哪里开放日现场设置了“乱讲PPT小赛”环节。来自不同领域的科技博主、行业从业者和内容创作者随机抽取页面、即兴讲解，围绕AI与内容创作、账号运营、用户互动之间的关系展开讨论。 现场观点既有对AI能力边界的观察，也有对内容同质化、互动失真、账号托管等问题的追问：当AI越来越深地参与选题、发布、互动，甚至开始代替人经营账号，内容表达会不会变得更高效，人与人之间的连接会不会反而变得更疏离。现场既有充满想象力的表达，也有不少来自创作者一线的真实感受。博主“爱女孩的面条”就在分享中称自己是“古法博主”，比起AI生成的内容，还是更喜欢“手搓”一点的创作方式，也引发了现场不少共鸣。该环节结束后，上海市委网信办副主任杨海军结合现场讨论作了点评。他表示，面对AI快速发展带来的新变化，平台在鼓励技术应用的同时，更要守住真实底线和用户信任，把AI更多作为提升效率的工具，而不是替代真情实感。正如他所说，“真实比炫技更能打动人，真诚比深沉更能吸引人”。围绕《社区公约2.0》和AIGC治理 进一步明确平台态度和社区边界主题分享环节，小红书AI治理负责人刘星围绕平台对AIGC内容的基本态度和治理思路进行了介绍。他表示，面对AIGC快速发展，平台治理的重点不是工具本身，而是“用AI替代真实、消解真实”的行为。对于能够辅助真实表达、提升创作效率的AI应用，平台持开放态度；对于缺乏真实经验支撑、可以被批量复制、削弱用户真实感知和信任基础的内容，平台将持续加强识别、标注和治理。 随后，小红书社区体验负责人汪喆围绕《小红书社区公约2.0》作了分享，对“真实分享、友好互动、有序经营”等社区倡导进行了进一步解读。她表示，技术不断发展，内容形态持续变化，但社区治理始终要回答一个核心问题：如何让用户看到更真实的内容，建立更可信的连接。无论是AIGC，还是其他新技术应用，平台都鼓励创作者善用工具，但也明确反对虚假人设、不当营销以及破坏社区信任关系的行为。 小红书平台AI创作者代表“映峰大叔”也结合自身创作经历，分享了对AI辅助内容生产的理解与感受。他表示，AI确实为创作者带来了便利，也拓展了内容表达的空间，但真正能够打动用户、建立连接的，仍然是创作者自身的观察、经历和判断。技术可以帮助创作提效，却很难替代真实生活带来的感受力和表达欲。原标题：《AI时代如何真诚分享与守护社区？小红书举办开放日活动》栏目编辑：杨玉红 题图来源：采访对象提供 图片来源：采访对象提供来源：作者：新民晚报 金志刚
-
第25次大师赛四强！兹维列夫横扫强势过关，半决赛将再战辛纳 3月27日，ATP1000迈阿密大师赛1/4决赛进行。赛会3号种子兹维列夫出战，对手是18号种子F-塞伦多洛。本场比赛兹维列夫兵不血刃，直落两盘轻松横扫对手，取得了对阵塞伦多洛的4连胜，将双方的交战记录改写为4胜3负。 首盘比赛兹维列夫在第2局率先完成破发，第4局他再破塞伦多洛发球局，一波连赢5局后取得5-0的领先优势。第7局兹维列夫在自己的发球胜盘局顺利保发，6-1赢下了第一盘比赛的胜利。第二盘兹维列夫在第3局破掉塞伦多洛发球局，第5局他再次实现破发，将优势扩大到4-1。第8局兹维列夫love game保下发球胜赛局，6-2赢下了第二盘比赛。 最终在一场耗时1小时05分钟的比赛当中，兹维列夫6-1、6-2轻取F-塞伦多洛。获胜的兹维列夫成为了首位25次在大师赛闯入四强的90后球员，同时也是达成这一成就的历史第7人和2015年穆雷之后的首人。接下来的半决赛比赛，兹维列夫将同2号种子辛纳隔网相对，这是两人继不久前印第安维尔斯站半决赛之后再次交手。交战记录方面，兹维列夫4胜7负处于下风，并且在双方过去6次交手的比赛中，兹维列夫均输给了辛纳。
-
祝贺，原苏超泰州主帅周高萍获2025江苏“最美警属”荣誉称号 《泰州日报》报道，近日由江苏省公安厅、省委宣传部联合开展的2025年江苏“最美基层民警”、“最美警属”宣传选树活动结果揭晓，中国女足前国脚、原“苏超”泰州队主教练周高萍当选“最美警属”。 该报道表示，周高萍曾是中国国家女子足球队队员，拥有国际健将称号，先后荣获省劳模、三八红旗手等荣誉，并荣立个人一等功。她的丈夫王晶系泰州市公安局交管支队医药高新区大队（高港大队）大泗中队指导员，从警以来荣立三等功1次、获嘉奖4次。退役后，周高萍转型为足球教练，同时以警属身份默默支持丈夫工作。丈夫常因任务深夜不归，她毫无怨言，将赛场上的“防守艺术”融入家庭管理，把家庭打理得井井有条。 2025年，在周高萍带领泰州队夺得“苏超”联赛冠军后，丈夫王晶第一时间发来祝贺：“老婆，你真棒！我为你骄傲！”
-
2-1逆转！南美弱旅闯入决赛，跟伊拉克争进世界杯，比赛时间如下 北京时间3月27日上午，世界杯洲际附加赛半决赛，玻利维亚男足2-1逆转苏里南男足，晋级决赛之后对阵伊拉克男足。 美加墨世界杯将在今年6月份开幕，目前已经确定42支参赛队伍，还有6个名额在今年3月份的国家队比赛日期间产生，欧洲16队竞争4个名额，其他大洲6队争夺2个名额。根据抽签结果，玻利维亚、苏里南抽到一起，两队先较量，胜者晋级决赛跟伊拉克竞争一个晋级世界杯的名额。来自南美区的玻利维亚，曾经参加过三届世界杯，其中一届便是1930年举行的首届世界杯。本届世预赛，玻利维亚力压智利、秘鲁等队锁定积分榜第七位，获得一个洲际附加赛资格。来自中北美区的苏里南，从未参加过世界杯，此前结束的世预赛，这支队伍原本有机会拿到小组头名，只可惜最后两轮发挥不佳被巴拿马超越，只能参加洲际附加赛。最新一期国际足联排名，玻利维亚位列第76位，苏里南位列第123位，两队过往从未碰面。 本场比赛，两队对抗非常激烈，不过上半场均未破门，直到下半场第48分钟，皮纳斯传中到门前，克卡跟进推射被挡，范格尔德伦补射破门，帮助苏里南1-0先下一城。绝境之下，玻利维亚完成了大爆发。第71分钟，帕尼亚瓜外脚背推射破门，第78分钟，戈多伊禁区拿球被放倒，主裁判给了点球，随后特塞罗斯主罚命中，帮助玻利维亚2-1完成反超。最后补时10分钟，苏里南未能扳平比分，最终1-2遭到逆转，无缘美加墨世界杯，也是错失首次晋级的机会。 玻利维亚晋级附加赛决赛之后，将在北京时间4月1日凌晨4点对阵亚洲球队伊拉克，胜者晋级世界杯正赛。此前的亚洲区附加赛，伊拉克淘汰阿联酋晋级洲际附加赛。由于中东紧张局势，伊拉克全队出行受到了限制，一度向国际足联申请推迟洲际附加赛，但遭到了拒绝， 随后，伊拉克足协主席阿德南-迪尔贾尔透露国家队将通过私人包机的方式前往墨西哥，以参加即将到来的洲际附加赛，争取获得2026年世界杯参赛资格，上一次参赛还得追溯到40年前。
-
林俊旸离职后首发长文；月之暗面考虑赴港IPO丨邦早报 【知情人士：月之暗面考虑赴港IPO】据知情人士透露，月之暗面正初步考虑在香港进行首次公开募股。上述消息人士表示，该公司已与中金公司、高盛集团就上市合作事宜展开磋商。他们称，此次潜在IPO的具体时间仍未确定。消息人士称，月之暗面的相关筹划仍在推进，最终也可能不推进IPO。月之暗面与高盛的发言人均拒绝置评，中金公司则未回应置评请求。借助同行上市后引发的投资者高涨兴趣，月之暗面一直在私募市场寻求融资。知情人士透露，今年早些时候完成超7亿美元融资后，该公司正商议新一轮融资，规模至多10亿美元。媒体报道称，此轮增资后公司估值将达到约180亿美元。（同花顺财经） 【拼多多成立新公司“新拼姆”】3月25日，拼多多集团正式宣布组建“新拼姆”，开启品牌自营，继续重仓中国供应链。拼多多集团联席董事长兼联席CEO赵佳臻宣布下阶段集团战略，提出“力争三年再造一个拼多多”。据介绍，“新拼姆”已在上海成立新的专项公司，一期已现金注资150亿元，未来三年计划总计投入1000亿元真金白银，整合“拼多多+Temu”的供应链资源，开启搭建自营品牌模式，重点面向全球市场。（证券时报）【林俊旸离职后首发长文】3月26日，在本月初离职，广受科技圈关注的原阿里千问技术负责人林俊旸在社交账号发布了一篇名为From "Reasoning" Thinking to "Agentic" Thinking（从“推理式思维”到“智能体思维”）的文章。林俊旸在文章中表示，OpenAI的o1和DeepSeek-R1分别证明和推广了推理概念，如何让模型在推理时多想一会儿也成为2025年上半年的主基调，而现在“该问下一步了”。林俊旸表示，2025年初，千问团队有一个很大的野心：做一个统一的系统，让思考模式和指令模式合二为一，这一方向是正确的，千问3在业内最清晰的一次公开尝试，是引入了“混合思考模式”。但他也表示，两种模式目前的合并并不算成功，“真正成功的合并需要一个平滑的推理力度光谱。”他认为，推理链更长，不等于模型更聪明。很多时候，推理链越长，反而说明模型在乱花算力。而这一思路指向更根本的变化：我们正在从训练模型的时代，走向训练智能体的时代。林俊旸预测，智能体式思考会成为主流。（新京报） 【“老头乐”企业回应起诉小米汽车：双方已于3月25日达成和解，和解内容暂不方便透露】近日，山东燕鲁新能源车业有限公司（简称“燕鲁新能源”）起诉小米汽车外观专利无效案引发舆论热议。3月26日，风口财经记者从燕鲁新能源方获悉，双方已于3月25日达成和解，和解内容暂不方便透露。据悉，本次纠纷是小米汽车上市以来首次公开陷入专利争议。发起方为山东燕鲁新能源车业有限公司，该公司位于山东聊城高唐县，注册资本1000万元，员工仅20人，主营“韵蕾”牌电动正三轮摩托车，即俗称的“老头乐”低速电动车，与小米乘用车无直接市场竞争。（界面新闻）【斯柯达将退出中国，大众中国回应：销售到年中，持续提供售后】针对斯柯达品牌推出中国市场传闻，大众中国方面回应称：斯柯达汽车在中国的销售将持续到2026年年中，此后仍将为车主持续提供得全面的保修和售后服务支持。大众中国方面表示，斯柯达汽车对全球战略进行了调整，将重点聚焦印度、东盟等高增长市场。同时，大众中国再次强调，中国始终是大众汽车集团全球战略的核心。（贝壳财经）【小米MIUI正式停更，最后两款设备停止支持】据外媒gizmochina3月25日报道，小米正式停止了MIUI的更新。在澎湃HyperOS发布后，小米将数百万设备升级到新操作系统，同时许多设备被列入停止支持名单。然而，在2026年仍有两款海外设备继续接收MIUI更新——Redmi A2和Redmi A2+。这两款设备的操作系统为安卓13，仍继续接收安全补丁和小版本更新。它们最后的更新是在2025年12月发布的固件版本V14.0.44.0.TGOMIXM，官方网站提到2026年3月24日停止支持。现在，两款设备已正式停止所有类型的软件更新，这也标志着传统MIUI的完全停更。（IT之家） 【“一降价你还不是像狗一样跑过来”，罗技官方账号发布鼠标广告侮辱消费者，品牌方回应】3月26日，罗技官方旗舰店账号发布产品推广视频，配文“当我一降价 你还不是像狗一样跑过来”，视频内容涉嫌贬低、侮辱消费者，引发大量网友愤怒声讨。不少网友指责品牌毫无底线、不尊重用户，纷纷表示抵制相关产品，相关话题迅速在社交平台发酵。 记者就此事采访罗技品牌方，罗技方面回应称“非常抱歉给您带来不好的体验，已经第一时间下架内容，并处理相关工作人员，也希望能消除不好的影响”。3月26日晚间，罗技中国发布声明，就“罗技G官方旗舰店”违规内容致歉。（潇湘晨报） 【曝马斯克xAI创始团队仅剩一人】3月25日有报道称，马斯克旗下xAI联合创始人马努埃尔·克罗伊斯（Manuel Kroiss）即将离职。至此，xAI最初的11名联合创始人中已有10名出走，仅剩罗斯·诺丁（Ross Nordeen）一人留任。克罗伊斯此前曾效力于谷歌和DeepMind，他在xAI主导模型预训练工作，直接向马斯克汇报，并致力于优化代码模型。 随着他的离开，xAI的联合创始人出走人数已达10人。除了马斯克本人，初创团队中目前仅剩来自特斯拉的罗斯·诺丁（Ross Nordeen）一人坚守阵地。（IT之家）【特斯拉辟谣Model3标准版将登陆中国】特斯拉官方针对“Model3标准版将正式登陆中国市场”的传闻做出辟谣。此前有消息称该车型指导价约19.8万元，补贴后价格不到18万元，且上海超级工厂已建成相关生产线。特斯拉对此表示，目前尚无引入Model3标准版的计划，也未建设相关生产线。（同花顺）【Meta CEO扎克伯格宣布推出中小企业扶持计划，推动AI应用落地】据报道，当地时间周三，Meta公司宣布将推出Meta中小企业计划，这是一项覆盖全公司的全新举措，旨在扶持创业企业、推动人工智能技术应用落地。Meta首席执行官扎克伯格在致员工的内部备忘录中表示，中小企业一直是公司商业模式的重要组成部分，目前已有数千万创业者借助其平台实现业务增长并与客户建立联系。该公司计划在这一领域加大投入。报道称，Meta中小企业计划将由Meta总裁兼副董事长迪娜·鲍威尔·麦考密克，以及产品负责人内奥米·格莱特牵头负责。扎克伯格已邀请产品经理、设计师、工程师及其他员工，若有意参与这项新计划可主动报名。（IT之家）【孙东旭卸任东方甄选关联公司职务，俞敏洪接任】天眼查APP显示，近日，东方甄选关联北京新东方迅程网络科技有限公司发生工商变更，孙东旭卸任法定代表人、董事、经理，俞敏洪接任法定代表人、经理。该公司成立于2005年3月，注册资本约1.2亿元，经营范围包含广播电视节目制作经营、网络文化经营、旅游业务、住宿服务等，该公司现由新东方教育科技集团有限公司全资持股。此前，新东方创始人俞敏洪在社交平台发文证实前东方甄选CEO孙东旭已经离职的消息。（杭州日报）【刘强东旗下公司投资150亿元在大连造游艇】3月25日晚，“辽宁发布”官方公众号发布消息，深圳市探海游艇产业发展有限公司与大连市政府签署战略合作协议，总投资150亿元的探海游艇制造基地与游艇运营项目正式落户大连。探海游艇投资人刘强东出席签约仪式。 据介绍，探海游艇公司将在大连建设定制化高端游艇生产线，主要从事大型游艇及配件研发、设计和生产制造，运营游艇城市会客厅及综合服务母港，打造游艇服务枢纽。（同花顺） 【恒大汽车被申请破产审查】天眼查法律诉讼信息显示，3月25日，恒大新能源汽车投资控股集团有限公司新增一则破产审查案件，申请人为广州农村商业银行股份有限公司华夏支行。恒大新能源汽车投资控股集团有限公司成立于2019年1月，法定代表人为刘伟胜，注册资本35亿美元，经营范围为在国家允许外商投资的领域依法进行投资。股东信息显示，该公司由恒大新能源汽车控股（香港）有限公司、恒大恒驰新能源汽车（广东）有限公司共同持股。（中国能源网） 【美团2025年财报：全年收入3649亿元，核心本地商业亏损69亿元】3月26日，美团发布2025年第四季度及全年业绩。公告显示，美团全年实现收入3649亿元（人民币，下同），同比增长8%。受即时零售行业“内卷式”竞争影响，美团业绩由盈转亏，全年净亏损234亿元，经营亏损170亿元。其中，核心本地商业板块经营亏损69亿元。（大河报）【手机半夜自动打电话，苹果回应】苹果官网发布信息，回应此前消费者反映手机半夜自动打电话。苹果方面称，如果在运行iOS 26的iPhone上使用双SIM卡，轻点一个电话号码时，iPhone会显示一个对话框，提示选择要使用的SIM卡。如果没有进行选择，并长时间闲置设备，例如在夜间充电时，可能会导致系统向之前轻点过的电话号码拨打电话。这一行为是软件问题导致的，已在iOS26.3中解决。（鲁中晨报） 【美团CEO王兴：AI“超级入口”，不仅要理解用户，也要高效执行】3月26日消息，在26日的业绩会上，美团CEO王兴表示，在AI革命中，唯一合理的策略是进攻，而不是防守。但美团不会盲目追求成为“词元工厂”，而是将AI视为战略机遇，用于改进、加强甚至彻底变革本地服务这一核心业务。AI“超级入口”关键在于精准理解用户需求，并且高效执行任务，其复杂程度远超“聊天机器人”。（科创板日报）【王一博获授价值2500万港元股份】3月25日，在港股上市的乐华娱乐披露，公司建议有条件向王一博授出股份奖励，旨在认可及奖励其对集团业务作出的卓越贡献，寻求维持与王一博的长期合作。当日，乐华娱乐董事会审议及议决批准建议采纳2026年股份激励计划。乐华娱乐建议有条件授出2026年股份激励计划项下的股份奖励，建议向王一博授出1250万个受限制股份单位，认购价每股0.01港元，占已发行股份约1.51%，相关激励需待股东特别大会审议通过后方可生效。截至3月26日，乐华娱乐股价约为2港元/股。也就是说，乐华娱乐授予王一博的股份价值约为2500万港元。（上海证券报）【迪士尼取消向OpenAI投资10亿美元的计划，重新评估对Epic Games的投资】据多家媒体报道，在人工智能公司OpenAI决定关闭其短视频生成应用Sora之后，华特迪士尼公司已取消向其投资10亿美元的计划。此前洽谈的交易中包含一项许可协议，该协议将允许该应用使用超过200个迪士尼角色。外界认为，在迪士尼为其品牌寻找新的分发渠道之际，这笔交易将使OpenAI得以接触现有的娱乐知识产权。（新浪财经）【首个AI助手上车：千问进入红旗汽车】3月26日消息，阿里AI助手千问被接入红旗汽车智能座舱，即将首发搭载于红旗HS6PHEV。据介绍，千问上车后，用户只需一句话即可完成多目标任务。系统可同时理解导航、用餐与时间约束等多重需求，并结合实时路况、天气、商户营业状态等信息，生成完整行程方案。后续还将接入即时零售、票务预订、出行服务等更多阿里生态的“办事能力”。（同花顺） 【苹果公司据悉拟改变战略，向外部人工智能助手开放Siri】苹果公司计划向外部人工智能助手开放Siri，此举旨在强化iPhone作为人工智能平台的地位。据知情人士透露，苹果正准备在即将推出的iOS 27操作系统更新中，作为Siri全面升级的一部分作出这一改变。通过与OpenAI的合作，Siri已经可以接入ChatGPT，但苹果现在也将允许接入其他竞争性产品。知情人士说，苹果正在开发新工具，使通过App Store安装的AI聊天机器人应用能够与Siri助手整合。这些聊天机器人还将与一款即将推出的Siri应用以及Apple Intelligence平台中的其他功能协同工作。（新浪财经）【Meta和谷歌在社交媒体成瘾案中被判承担责任】当地时间3月25日，美国洛杉矶陪审团裁定，Meta和谷歌在一起社交媒体成瘾诉讼案中负有责任，并判令两家公司赔偿300万美元。这起案件由一名现年20岁女性提起。她指控这些社交媒体公司制造的产品具有极强的成瘾性，称自己年幼时因谷歌旗下视频平台YouTube和Meta旗下的Instagram平台采用吸引用户注意力的设计而上瘾，导致她患上了焦虑症和抑郁症。陪审团认定，Meta和谷歌在这两款应用的设计上存在疏忽，且未就其潜在危害作出充分警示。随后Meta公司表示不同意这一裁决，其律师团队“正在评估法律选项”。谷歌暂未置评。（央视新闻）【新加坡迎来首辆中国造自动驾驶公交巴士】3月26日消息，新加坡近日迎来首辆“中国造”自动驾驶公交巴士MOGOBUS，包括该巴士在内的首批六辆MOGOBUS计划于2026年下半年投入常态化运营，服务于滨海湾400路、纬壹科技城191路两条公交线，这是中国自动驾驶公交巴士首次进入发达国家公交骨干网络。MOGOBUS由蘑菇车联与比亚迪、MKX Technologies、autonoma联合打造，目前，MOGOBUS已在国内20余个城市落地，累计服务超20万人次，行驶里程突破500万公里。（京报网） 【OpenAI投资人工智能初创公司Isara，力求在智能机器人集群领域实现突破】OpenAI正在投资一家新成立的人工智能初创公司，该公司旨在开发相关软件，让所谓的人工智能“智能体”能够相互协作交流，并在金融、生物技术等行业解决复杂问题。这家总部位于旧金山的公司名为Isara，于去年6月由两名23岁的人工智能研究员埃迪・张（Eddi eZhang）与亨利・加斯托特（Henry Gasztowtt）共同创立。他们已从谷歌、Meta以及OpenAI等企业招募了十余名研究人员加入团队。硅谷目前正高度关注这类能够在用户设备上自主执行任务的人工智能系统，其应用范围涵盖编写代码、数据分析等。（同花顺财经）【英伟达支持的初创公司Reflection正洽谈融资25亿美元】3月26日消息，据报道，英伟达支持的初创公司Reflection正洽谈融资25亿美元，此次融资将使公司估值达到250亿美元。（睿兽分析戳此处查看更多）【人工智能无人机公司Shield AI融资20亿美元】人工智能无人机公司Shield AI当地时间3月26日宣布完成G轮融资，募资15亿美元，投后估值达127亿美元，同时还将获得5亿美元的固定收益优先股融资。（睿兽分析戳此处查看更多）【傲意科技完成C1轮1.5亿元融资】3月26日，傲意科技宣布完成C1轮融资，融资规模达1.5亿元。本轮融资由中金资本旗下深圳市脑科学与类脑智能产业投资基金领投，多家老股东持续跟投。傲意科技成立于于2015年，布局脑机接口与具身智能两个赛道，专注于非侵入式神经信号传感与AI解析技术，自主研发肌电/脑电传感器、智能仿生手、神经康复外骨骼及具身智能灵巧手等核心产品。该公司海外业务体量和增速已超国内，产品销往欧洲、美国、中东、东南亚等。在具身智能领域，ROHand系列灵巧手出货量实现5倍增长，已覆盖下游近百家人形机器人客户。（睿兽分析戳此处查看更多）【OdyssLife连续完成多轮融资，总金额近2亿元】AI健康硬件公司OdyssLife已于近期连续完成多轮融资，总金额近2亿元人民币。本次融资由红杉中国、Monolith分别领投，老股东线性资本、Creekstone继续加注。本轮融资金将主要用于产品软硬件研发、全球市场营销以及团队扩张。（睿兽分析戳此处查看更多） 【谷歌推出Lyria 3 Pro，支持AI长音频处理】3月26日消息，谷歌旗下DeepMind周三更新了专注于音乐领域的人工智能模型Lyria 3 Pro，支持用户创作更长更具结构意识的长音频。这款新模型，可让用户编排歌曲的前奏、主歌、副歌和桥段，以此完成曲目创作。今年2月，谷歌宣布推出Lyria 3。用户可以“描述一个想法”，指定某种风格、情绪或节奏，模型就能自动生成30秒左右歌曲，实现多模态转换和24-bit高音质输出。（第一财经）【大众、小鹏合作首款车型：中大型SUV与众08预售，23.99万-29.99万元】3月26日晚间，大众汽车与小鹏汽车联合开发的首款车型——中大型SUV与众08正式开启预售，价格区间为23.99万元-29.99万元。（IT之家） 【谷歌推出压缩算法TurboQuant，宣称实现约6倍内存节省】谷歌近日推出了一种可能降低人工智能系统内存需求的压缩算法TurboQuant。根据谷歌介绍，TurboQuant压缩技术旨在降低大语言模型和向量搜索引擎的内存占用。该算法主要针对AI系统中用于存储高频访问信息的键值缓存（key-value cache）瓶颈问题。随着上下文窗口变大，这些缓存正成为主要的内存瓶颈。TurboQuant可在无需重新训练或微调模型的情况下，将键值缓存压缩至3bit精度，同时基本保持模型准确率不受影响。对包括Gemma、Mistral等开源模型的测试显示，该技术可实现约6倍的键值缓存内存压缩效果。此外，在英伟达H100加速器上的测试结果显示，与未量化的键向量相比，该算法最高可实现约8倍性能提升。（新浪财经） 【中兴今年或推出龙虾手机】3月26日，中兴通讯董事长方榕在博鳌亚洲论坛2026年年会上表示，公司有自己的“龙虾”，在春节上班第一天正式上线。对B端、C端，中兴通讯正在不断推进，特别是在数据安全方面，都在同步向前推，今年有可能会出一款“龙虾”手机。（每日经济新闻） 【笔记本开年销量暴跌40%近乎腰斩】3月26日消息，据洛图科技最新数据，2026年1-2月中国大陆笔记本电脑线上公开零售市场（不含抖音、快手等内容电商）遭遇量额双杀。具体来看，统计期内销量仅94.7万台，同比暴跌40.5%；销售额59.9亿元，降幅同样超过40%。品牌格局方面，联想系以约35%的份额稳居第一，惠普约14%位列第二，华硕系约12%紧随其后，机械革命和苹果分别以约8%和7%的份额占据第四、第五位。（同花顺财经）【报告：2025年国内消费级AI/AR市场销量增幅109%，雷鸟夺冠】CINNO Research最新数据显示，2025年国内消费级AI/AR市场迎来历史性突破——全年销量达69.6万台，同比激增109%，雷鸟、小米、XREAL、Rokid等品牌凭借创新产品矩阵成为核心增长引擎。其中，2025年雷鸟以32%市场份额居首，销量同比暴涨125%。预计2026年国内消费级市场销量同比增长65%，甚至更高。（东方财富网）
-
OpenAI关停Sora，另一边是中国军团的崛起 【文/观察者网 心智观察所】 3月24日，一个令全球科技界震动的消息传出：OpenAI正式关停其视频生成应用Sora，同时终止与迪士尼价值10亿美元的合作协议。这款曾在2024年初以惊艳效果震撼整个行业的AI视频产品，从横空出世到黯然退场，仅仅走过了两年多的生命周期。 对于OpenAI而言，这无疑是一次“断臂求生”。CEO山姆·奥特曼向员工宣布这一决定时，给出的理由是公司将战略重心全面转向企业业务与编程功能，为最快于今年第四季度进行的IPO铺路。Sora团队将转向机器人技术等长期投资领域，而那个曾经让无数创作者兴奋的“文本生成电影级视频”的梦想，就此画上句号。 但这个故事的另一面，正在大洋彼岸悄然上演。就在OpenAI选择“撤退”的同时，中国AI视频赛道正以前所未有的速度狂飙。年初字节跳动Seedance 2.0带来惊艳的震撼后，最新的全球AI基准测试平台Artificial Analysis榜单显示，中国模型已经登上了世界之巅——昆仑万维的SkyReels V4在“文本生成视频（含音频）”类别中拿下全球第一，超越了谷歌Veo 3.1和快手可灵3.0。而在图生视频赛道，爱诗科技的PixVerse V5.6位列全球第四，紧随xAI的grok-imagine-video和快手的可灵系列之后。 一扇门在西方关闭，另一扇更大的门却在东方轰然打开。Sora的关停，远非一个产品的终结，而是全球AI视频格局重塑的号角。当OpenAI为IPO精简业务、为算力成本焦头烂额时，中国厂商正凭借独特的数据优势、工程师红利和商业模式创新，在这场“视频大模型”的全球竞赛中完成弯道超车。 IPO焦虑下的“战略撤退” Sora的关停并非突如其来。复盘其短暂的生命周期，我们可以清晰地看到一条从高光到黯淡的轨迹。 2024年初，OpenAI首次推出Sora时，整个科技界为之震动。这款能够根据文本提示生成高质量、媲美电影长片视频的软件，直接促使众多竞争对手加速推出各自的AI视频生成模型。2025年9月，OpenAI创建了独立的Sora应用程序，试图围绕作品分享打造一个AI时代的社交网络。 然而，好景不长。据TechCrunch报道，到2026年1月，Sora的下载量已暴跌45%。运营视频生成服务需要消耗庞大的计算资源和电力，这对任何企业而言都是一笔巨额开支。媒体报道称，Sora的运营已经对其他团队的算力分配造成了明显影响。而在本月早些时候的全员会议上，OpenAI应用主管Fidji Simo明确表示，员工们不能被“侧线任务”分散精力。Sora，正是那个被抛弃的“侧线任务”。 算力成本只是表层原因。更深层的驱动力，是OpenAI为IPO所做的战略精简。与迪士尼10亿美元合作协议的终止，更像一个象征性的注脚——这家曾经被视为“AI颠覆好莱坞”象征的公司，主动退出了视频生成这个充满想象力的赛道。迪士尼发言人对此回应称，尊重OpenAI退出视频生成业务并转移重心的决定。 Sora的关停暴露了视频生成赛道的残酷真相：这是一个算力消耗的无底洞。生成一段15秒的高质量视频，背后是庞大GPU集群的超高负荷运转。据测算，字节跳动Seedance 2.0的定价约为“1秒钟1块钱”，而这个价格尚不足以覆盖真实算力成本。对于OpenAI这样需要向资本市场证明盈利能力的公司而言，维持一个高投入、低回报、充满版权争议的消费者产品，显然不是明智的选择。 中国军团的崛起 与OpenAI的撤退形成鲜明对比的，是中国AI视频厂商的集体冲锋。字节Seedance、快手可灵、爱诗科技PixVerse、昆仑万维SkyReels……中国力量正在重塑全球AI视频的竞争格局。 这种崛起并非偶然。爱诗科技创始人王长虎在接受采访时，道出了关键所在：“依托抖音、TikTok等平台积累的大规模数据处理能力和深度学习算法经验，我们在视频生成领域具备独特优势。这些平台帮助我们积累了丰富的用户行为数据和内容理解能力，使得我们在模型训练和优化上更具竞争力。” 这段话揭示了中西方AI视频竞争的本质差异：中国厂商拥有全球最大的短视频应用场景和数据积累。抖音、快手、TikTok这些日活数亿的平台，不仅是中国AI视频模型的“训练场”，更是其商业化落地的“试验田”。当一个中国AI视频模型在抖音上火起来时，它立即能获得海量用户的真实反馈，这种“数据-模型-应用”的闭环迭代速度，是任何西方厂商难以比拟的。 这种优势在最新的全球排名中得到了充分体现。在Artificial Analysis的图生视频排行榜上，快手可灵系列占据了第二和第三的位置，爱诗科技PixVerse紧随其后位列第四。而在更具挑战性的“文生视频+音频”赛道，昆仑万维SkyReels V4直接登顶全球第一。这些成绩的背后，是中国工程师在技术和产品上的双重突破。 更重要的是，中国厂商正在走出一条差异化的商业化路径。与OpenAI纠结于消费者订阅模式不同，中国公司采取了更灵活的“To C+To B”双轮驱动策略。爱诗科技从成立之初便选择“先To C后To B、优先海外再拓国内”的路线，以全球普通用户为核心，积累超过1亿用户后，再向互联网营销、电商等B端场景延伸。昆仑万维则直接打造了AI版Netflix——短剧平台DramaWave，截至2026年1月，其MAU已突破8000万，年化流水ARR破4.8亿美元。 在AI的许多领域中，一个个“技术→产品→商业化”闭环正在中国形成。而支撑这一切的，是黄仁勋所描述的“工程师文化”与“类开源”的创新生态。 英伟达CEO黄仁勋最近在与Lex Fridman的对话中，给出了一个深刻的解释。他指出，全球大约一半的AI研究人员是中国人，而且大部分还在中国本土。中国的科技产业出现在移动互联网和云计算时代，那个时代的核心是软件，而中国的优势正好在这里——有大量科学和数学基础非常扎实的年轻人，教育体系很强，这一代人是在软件时代成长起来的。 但更关键的是文化因素。黄仁勋观察到，中国人的排序大概是家庭第一，朋友第二，公司第三。这导致人与人之间的信息交流非常频繁。某种程度上，中国人一直处在一种“类开源”的状态。工程师之间的关系是交织的，朋友在别的公司，亲人在别的公司，很多还是同学。“同学”这个概念，是一辈子的关系。在这种情况下，知识传播速度非常快。既然很难真正保密，那干脆开源。开源社区反过来又进一步放大了创新速度。这也是中国AI领域能够在短短两三年内从追赶到领先的重要原因。 IPO进度条：中国企业的“先手棋” 值得玩味的是，就在OpenAI为IPO“瘦身”的同时，中国AI企业已经在资本市场上抢占了先机，形成了一道令硅谷侧目的风景线。 在Sora团队为算力分配捉襟见肘时，中国的大模型公司正在获得资本市场的持续输血。仅2026年3月，爱诗科技就完成了3亿美元的C轮融资，刷新了亚洲AI视频生成领域的最大单次融资纪录。 2026年1月8日，被誉为“中国OpenAI”的智谱在港交所挂牌上市，成为全球首家以通用人工智能（AGI）基座模型为核心业务的上市公司。这家源自清华大学技术成果转化的公司，凭借原创的GLM算法架构，成为国内罕有在原创技术路线上与全球顶尖水平保持同步的厂商。 仅仅一天之后，总部位于上海的MiniMax也紧随其后在香港上市，成为史上IPO规模最大的AI大模型公司。上市短短两个多月后，MiniMax股价一路飙升至1200港元，市值直奔4000亿港元大关，涨幅接近10倍。创始人兼CEO闫俊杰持有公司25%股份，个人身价已接近千亿港元，被网友戏称为“百度史上最强实习生”。 继智谱和MiniMax之后，AI视觉算法与大模型解决方案提供商极视角通过港交所聆讯，计划于3月30日在港交所上市。这家由三位“90后”创办的企业，从1月20日递表到3月19日通过聆讯，仅用了不到两个月时间。 与此同时，更多中国AI企业正在排队登陆资本市场。市场消息显示，阶跃星辰正计划在港交所IPO，力争年内完成上市，有望成为大模型第三股。这家成立不到三年的公司，已在2026年1月完成50亿元B+轮融资，刷新了过去12个月中国大模型赛道单笔最高融资纪录。 相比之下，OpenAI的IPO计划仍在“筹备中”。尽管公司为冲刺最快于今年第四季度进行的IPO而做出了关停Sora的艰难决定，但具体的时间表仍充满不确定性。这场IPO进度的竞赛，中国AI企业已经跑在了前面。 这种“资本先行”的态势，正在改变全球AI产业的竞争格局。中国AI公司通过IPO获得更多资金弹药，可以在研发投入、人才引进、市场拓展上获得更大的主动权。而OpenAI为了上市而“瘦身”的战略选择，某种程度上也是在承认：与其在多个战线同时作战，不如聚焦核心优势，将视频生成这个战场拱手让人。 全球资本市场正在用脚投票，投资者对中国AI企业的信心正在转化为真金白银的投入，中国AI企业在资本市场上正形成一个令人瞩目的上市矩阵。在OpenAI还在为IPO做“瘦身”准备时，它的中国同行们已经在全球资本市场的舞台上，奏响了自己的序曲。 行业终局：没有“全都要”，只有“第一” Sora的关停，揭示了一个深刻的行业规律：在AI这个需要无限算力投入的赛道里，没有一家公司能够“全都要”。 AI行业的终局，并非单一巨头通吃，而是“多极化”的格局。在十个大方向（如文本、图像、视频、代码、机器人、科学计算等）中，每个方向的第一名将获得远超第二、第三名的价值。即使是平台级公司，也无法保证在所有方向上都占据第一。资源是有限的，算力是有限的，顶尖人才也是有限的。 OpenAI主动放弃视频生成这个“大方向”，本质上是为了集中所有资源，确保自己在“通用人工智能”或“机器人世界模拟”等自己认定的核心方向上，成为无可争议的第一。这是战略上的明智，但也是格局上的收缩。 而对于中国AI视频厂商而言，这恰恰是一个历史性的机遇。全球最具知名度的AI公司主动退出视频赛道，这个市场的话语权和定义权，正在向东方转移。 站在2026年春天回望，Sora浪潮之后，全球AI视频的竞争格局已经发生了根本性变化。中国厂商不再只是追赶者，而是开始引领技术方向、商业模式和行业标准。SkyReels V4登顶全球第一，PixVerse用户突破1亿，DramaWave月流水突破4000万美元——这些数字背后，是一个正在崛起的中国AI视频产业。 Sora的关停，将是一场全球资源重新配置的开始。OpenAI选择“断臂求生”，而中国AI视频军团正在书写属于自己的规则。 本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。
-
阿里离职风波后，林俊旸首发长文回顾Qwen技术哲学，并探讨“智能体式思考” 3月26日，被誉为“阿里最年轻P10”的千问（Qwen）大模型灵魂人物林俊旸，在月初离职风波舆论渐息之际，在X平台发布长文《从“推理式思考”到“智能体式思考”》，系统阐述了他对AI技术范式演进剖析。通过这篇文章，林俊旸不仅总结了过去，更清晰地指向了AI未来竞争的真正战场——一个超越单一模型比拼、关乎系统、环境与协同的智能体新时代。文章清晰地勾勒出一条AI能力进化的路线图。林俊旸将2024-2025年定义为“推理思考”阶段，以OpenAI o1和DeepSeek-R1为代表，其核心成就是证明了“思考”可以作为一种可训练、可交付的一流能力。这一阶段的本质，是通过强化学习（RL）在数学、代码等可验证领域获得确定性反馈，从而让模型“为正确而优化，而非为合理”。然而，这背后是巨大的基础设施挑战——推理RL已从轻量级微调附件，演变为需要大规模部署、高吞吐验证的系统工程问题。不过，真正的难题远不止于此。文章第二部分深入探讨了“思考模式”与“指令模式”融合的实践困境。这一分析也映照了商业现实：阿里在Qwen3尝试融合后，后续的2507版本中Instruct与Thinking版本独立呈现，因为大量客户在批量操作中仍需要高性价比、高可控的指令行为。文章明确提出“智能体式思考”（Agentic Thinking）是下一代AI的核心范式。这标志着训练核心从模型本身转向 “模型-环境”系统。智能体思维的核心是“为行动而思考”，它必须处理纯推理模型无需面对的难题：决定何时行动、调用何种工具、处理环境的不确定反馈、在失败后修订计划、在多轮交互中保持连贯。林俊旸认为，在推理时代，优势源于更好的RL算法和反馈信号；而在智能体时代，竞争优势将建立在更优质的环境设计、更紧密的训练-服务一体化架构、以及更强大的智能体协同工程之上。环境本身成为一等品，其稳定性、真实性、反馈丰富度和抗过拟合能力至关重要。同时，多智能体组织架构——由规划者、领域专家和执行子代理构成的系统——将成为核心智能的来源。这篇文章可以看做是林俊旸关于技术理念的完整阐述，将他任职期间推动Qwen发展的技术哲学系统化输出。或许，这也是一份个人未来的宣言，文章中对“智能体时代”基础设施、环境工程重要性的强调，暗示了他看好的下一个创业或研究方向。 全文由千问Qwen翻译： From "Reasoning" Thinking to "Agentic" Thinking 从“推理式思考”到“智能体式思考” The last two years reshaped how we evaluate models and what we expect from them. OpenAI's o1 showed that "thinking" could be a first-class capability, something you train for and expose to users. DeepSeek-R1 proved that reasoning-style post-training could be reproduced and scaled outside the original labs. OpenAI described o1 as a model trained with reinforcement learning to "think before it answers." DeepSeek positioned R1 as an open reasoning model competitive with o1.过去两年重塑了我们评估模型的方式以及对模型的期望。OpenAI的o1证明，“思考”可以成为一种一流的技能——一种需要专门训练并面向用户开放的能力。DeepSeek-R1则表明，推理风格的后训练方法不仅能在原始实验室之外重现，还能实现规模化应用。OpenAI将o1描述为一种通过强化学习训练而成的模型，它能够在回答问题前“先进行思考”。DeepSeek则将R1定位为一款与o1相媲美的开放式推理模型。That phase mattered. But the first half of 2025 was mostly about reasoning thinking: how to make models spend more inference-time compute, how to train them with stronger rewards, how to expose or control that extra reasoning effort. The question now is what comes next. I believe the answer is agentic thinking: thinking in order to act, while interacting with an environment, and continuously updating plans based on feedback from the world.那个阶段很重要。但2025年上半年主要聚焦于推理思维：如何让模型在推理时花费更多时间。计算，如何用更强烈的奖励来训练它们，如何暴露或控制那种额外的推理努力。现在的问题是：接下来该怎么做？我认为答案是代理思维：即思考——为了 在与环境互动时采取行动，并根据来自外界的反馈不断更新计划。1. What the Rise of o1 and R1 Actually Taught Uso1和R1的崛起实际上教会了我们什么 The first wave of reasoning models taught us that if we want to scale reinforcement learning in language models, we need feedback signals that are deterministic, stable, and scalable. Math, code, logic, and other verifiable domains became central because rewards in these settings are much stronger than generic preference supervision. They let RL optimize for correctness rather than plausibility. Infrastructure became critical.第一波推理模型告诉我们，若想在语言模型中规模化应用强化学习，我们就需要具备确定性、稳定性和可扩展性的反馈信号。数学、代码、逻辑及其他可验证的领域因此成为核心，因为在这些场景中，奖励信号远比一般的偏好监督更为有力。它们使强化学习能够专注于追求正确性，而非仅仅追求合理性。与此同时，基础设施也变得至关重要。Once a model is trained to reason through longer trajectories, RL stops being a lightweight add-on to supervised fine-tuning. It becomes a systems problem. You need rollouts at scale, high-throughput verification, stable policy updates, efficient sampling. The emergence of reasoning models was as much an infra story as a modeling story. OpenAI described o1 as a reasoning line trained with RL, and DeepSeek R1 later reinforced that direction by showing how much dedicated algorithmic and infrastructure work reasoning-based RL demands. The first big transition: from scaling pretraining to scaling post-training for reasoning.一旦模型经过训练能够推理更长的轨迹，强化学习便不再只是监督微调的一个轻量级附加组件。它……变成 一个系统性问题。你需要大规模部署、高吞吐量验证、稳定的策略更新以及高效的采样。推理模型的出现，其背后既涉及基础设施建设，也关乎建模本身。OpenAI 将 o1 描述为一种通过强化学习训练的推理模型，而 DeepSeek R1 后来进一步印证了这一方向，展示了——多少 针对基于推理的强化学习，需要专门的算法和基础设施工作。第一次重大转变：从扩大预训练规模转向扩大后训练规模以实现推理能力。2. The Real Problem Was Never Just "Merge Thinking and Instruct"真正的问题从来不仅仅是“融合思考与指令”。 At the beginning of 2025, many of us in Qwen team had an ambitious picture in mind. The ideal system would unify thinking and instruct modes. It would support adjustable reasoning effort, similar in spirit to low / medium / high reasoning settings. Better still, it would automatically infer the appropriate amount of reasoning from the prompt and context, so the model could decide when to answer immediately, when to think longer, and when to spend much more computation on a truly difficult problem.2025年初，我们Qwen团队的许多成员心中都描绘了一幅雄心勃勃的蓝图。理想的系统是将实现思维与指令模式统一，并支持可调节的推理力度，其理念类似于低/中/高三种推理设置。更棒的是，该系统能够根据提示和上下文自动推断出恰当的推理量：模型既能即时作答，也能选择深入思考，甚至在面对真正棘手的问题时，投入更多计算资源进行细致求解。Conceptually, this was the right direction. Qwen3 was one of the clearest public attempts. It introduced "hybrid thinking modes," supported both thinking and non-thinking behavior in one family, emphasized controllable thinking budgets, and described a four-stage post-training pipeline that explicitly included "thinking mode fusion" after long-CoT cold start and reasoning RL.从概念上讲，这是正确的方向。Qwen3是最清晰的公开尝试之一。它引入了“混合思考模式”，在一个模型家族中同时支持思考和非思考行为，强调可控的思考预算，并描述了一个明确包含“思考模式融合”的四阶段后训练流程，该流程位于长思维链冷启动和推理强化学习之后。But merging is much easier to describe than to execute well. The hard part is data. When people talk about merging thinking and instruct, they often think first about model-side compatibility: can one checkpoint support both modes, can one chat template switch between them, can one serving stack expose the right toggles. The deeper issue is that the data distributions and behavioral objectives of the two modes are substantially different.但融合比良好执行更容易描述。困难的部分是数据。当人们谈论融合思考与指令时，他们通常首先想到的是模型侧的兼容性：一个检查点能否同时支持两种模式，一个聊天模板能否在它们之间切换，一个服务栈能否暴露正确的切换开关。更深层的问题是，这两种模式的数据分布和行为目标存在本质差异。We did not get everything right when trying to balance model merging with improving the quality and diversity of post-training data. During that revision process, we also paid close attention to how users were actually engaging with thinking and instruct modes. A strong instruct model is typically rewarded for directness, brevity, formatting compliance, low latency on repetitive, high-volume enterprise tasks such as rewriting, labeling, templated support, structured extraction, and operational QA. A strong thinking model is rewarded for spending more tokens on difficult problems, maintaining coherent intermediate structure, exploring alternative paths, and preserving enough internal computation to meaningfully improve final correctness.我们在尝试平衡模型合并与提升训练后数据的质量和多样性时，并未完全做到尽善尽美。在这一修订过程中，我们还密切关注了用户如何实际参与具备思考与指导两种模式。在企业级任务中，例如重写、标注、模板化支持、结构化提取以及运营质量保证等重复性高、工作量大的场景，表现强劲的指导模型通常因其直接性、简洁性、格式合规性以及低延迟而受到青睐。而表现强劲的思考模型则因在解决难题时消耗更多标记、保持连贯的中间结构、探索多种备选路径，并保留足够的内部计算以切实提升最终结果的正确性而备受推崇。These two behavior profiles pull against each other. If the merged data is not carefully curated, the result is usually mediocre in both directions: the "thinking" behavior becomes noisy, bloated, or insufficiently decisive, while the "instruct" behavior becomes less crisp, less reliable, and more expensive than what commercial users actually want.这两种行为模式相互抵消。如果对合并后的数据不加以精心筛选，最终结果往往两头不讨好：所谓的“思考”型行为变得杂乱无章、臃肿不堪，或缺乏足够的决断力；而“指令”型行为则变得不够干脆利落、可靠性降低，且成本高于商业用户的需求。实际上想要。Separation remained attractive in practice. Later in 2025, after the initial hybrid framing of Qwen3, the 2507 line shipped distinct Instruct and Thinking updates, including separate 30B and 235B variants. In commercial deployment, a large number of customers still wanted high-throughput, low-cost, highly steerable instruct behavior for batch operations. For those scenarios, merging wasn't obviously a benefit. Separating the lines allowed teams to focus on solving the data and training problems of each mode more cleanly.分离在实践中仍颇具吸引力。2025年晚些时候，在Qwen3最初的混合框架之后，2507版本推出了独立的Instruct和Thinking更新版本，其中包括分别针对30B和235B参数量的变体。在商业部署中，大量客户仍然希望在批量操作中实现高吞吐、低成本且高度可操控的指令行为。对于这些场景，合并显然并不具备优势。将各条线分开，能让团队更清晰地专注于解决每种模式的数据和训练问题。Other labs chose the opposite route. Anthropic publicly argued for an integrated model philosophy: Claude 3.7 Sonnet was introduced as a hybrid reasoning model where users could choose ordinary responses or extended thinking, and API users could set a thinking budget. Anthropic explicitly said they believed reasoning should be an integrated capability rather than a separate model. GLM-4.5 also publicly positioned itself as a hybrid reasoning model with both thinking and non-thinking modes, unifying reasoning, coding, and agent capabilities; DeepSeek later moved in a similar direction with V3.1's "Think & Non-Think" hybrid inference.其他实验室则选择了截然不同的路径。Anthropic公开倡导一种集成式模型理念：Claude 3.7 Sonnet被定位为一种混合推理模型，用户可选择普通回复或深度思考模式，API用户还可设定思考预算。Anthropic明确表示，他们认为推理应当是一种集成化的能力，而非独立的模型。GLM-4.5同样公开将自身定位为一种混合推理模型，兼具思考与非思考两种模式，实现了推理、编码及智能体能力的统一；DeepSeek随后也朝着类似方向迈进，其V3.1版本推出了“思考与非思考”混合推理功能。The key question is whether the merge is organic. If thinking and instruct are merely co-located inside one checkpoint but still behave like two awkwardly stitched personalities, the product experience remains unnatural. A truly successful merge requires a smooth spectrum of reasoning effort. The model should be able to express multiple levels of effort, and ideally choose among them adaptively. GPT-style effort control points toward this: a policy over compute, rather than a binary switch.关键问题在于，这种融合是否是自然有机的。如果思维与指令仅仅被安置于同一个检查点内，却仍表现为两种生硬拼接的个性，那么产品的用户体验将依然显得不自然。真正成功的融合，需要实现推理努力的平滑连续变化。模型应当能够表达不同层次的推理强度，并且最好能自适应地在这些层次之间做出选择。GPT式的努力控制正朝着这一方向迈进：它采用的是对计算资源的策略性调控，而非简单的二元开关。3. Why Anthropic's Direction Was a Useful Corrective为什么Anthropic的方针是一种有益的纠正措施 Anthropic's public framing around Claude 3.7 and Claude 4 was restrained. They emphasized integrated reasoning, user-controlled thinking budgets, real-world tasks, coding quality, and later the ability to use tools during extended thinking. Claude 3.7 was presented as a hybrid reasoning model with controllable budgets; Claude 4 extended that by allowing reasoning to interleave with tool use, while Anthropic simultaneously emphasized coding, long-running tasks, and agent workflows as primary goals.Anthropic围绕Claude 3.7和Claude 4的公开表述是克制的。他们着重强调了整合推理、用户可控的思维预算、真实世界任务、代码质量，以及后期在长时间思考过程中使用工具的能力。Claude 3.7被定位为一种具备可控预算的混合推理模型；Claude 4则在此基础上进一步拓展，允许推理与工具使用相互交织。与此同时，Anthropic还特别强调了编码、长期运行任务以及智能体工作流作为其主要目标。Producing a longer reasoning trace doesn't automatically make a model more intelligent. In many cases, excessive visible reasoning signals weak allocation. If the model is trying to reason about everything in the same verbose way, it may be failing to prioritize, failing to compress, or failing to act. Anthropic's trajectory suggested a more disciplined view: thinking should be shaped by the target workload. If the target is coding, then thinking should help with codebase navigation, planning, decomposition, error recovery, and tool orchestration. If the target is agent workflows, then thinking should improve execution quality over long horizons rather than producing impressive intermediate prose.生成更长的推理轨迹并不会自动使模型变得更智能。在许多情况下，过多的显式推理信号反而会导致分配效率低下。如果模型试图以同样冗长的方式对所有内容进行推理，它很可能无法合理 prioritization，无法有效压缩，也无法采取行动。人类的 轨迹表明，一种更严谨的视角更为恰当：思考应以目标工作量为导向。如果目标是编写代码，那么思考就应有助于代码库导航、规划、分解、错误恢复以及工具编排。如果目标是代理工作流，那么思考的重点应放在提升长期执行质量上，而非追求令人惊艳的中间成果。This emphasis on targeted utility points toward something larger: we are moving from the era of training models to the era of training agents. We made this explicit in the Qwen3 blog, writing that "we are transitioning from an era focused on training models to one centered on training agents," and linking future RL advances to environmental feedback for long-horizon reasoning. An agent is a system that can formulate plans, decide when to act, use tools, perceive environment feedback, revise strategy, and continue over long horizons. It is defined by closed-loop interaction with the world.这种对目标导向型实用性的强调，指向了一个更为宏大的趋势：我们正从模型训练时代迈向智能体训练时代。我们在Qwen3博客中明确指出：“我们正在从一个以模型训练为核心的时代，转型为以智能体训练为核心的时代”，并把未来的强化学习进展与环境反馈相结合，以支持长时程的推理能力。所谓智能体，是一种能够制定计划、决定行动时机、运用工具、感知环境反馈、调整策略，并在长周期内持续运行的系统。它之所以与众不同，就在于其与外界之间形成了闭环互动。4. What "Agentic Thinking" Really Means“智能体式思考”的真正含义 Agentic thinking is a different optimization target. Reasoning thinking is usually judged by the quality of internal deliberation before a final answer: can the model solve the theorem, write the proof, produce the correct code, or pass the benchmark. Agentic thinking is about whether the model can keep making progress while interacting with an environment.“智能体式思考”是一种不同的优化目标。推理思维通常以最终答案之前的内部推敲质量来衡量：模型能否解出定理、写出证明、生成正确的代码，或通过基准测试。而“智能体式思考”则关注的是，模型在与环境交互的过程中能否持续取得进展。The central question shifts from "Can the model think long enough?" to "Can the model think in a way that sustains effective action?" Agentic thinking has to handle several things that pure reasoning models can mostly avoid: Deciding when to stop thinking and take an action Choosing which tool to invoke and in what order Incorporating noisy or partial observations from the environment Revising plans after failures Maintaining coherence across many turns and many tool calls Agentic thinking is a model that reasons through action. 核心问题从“模型能否思考足够长的时间？”转变为“模型能否以维持有效行动的方式进行思考？”。智能体式思考必须处理几件纯推理模型大多可以避免的事情： 决定何时停止思考并采取行动 选择调用哪个工具以及调用顺序 融入来自环境的噪声或部分观测数据 在失败后修订计划 在多次轮次和多次工具调用中保持连贯性 智能体式思考是一个通过行动进行推理的模型 5. Why Agentic RL Infrastructure Is Harder为什么智能体强化学习基础设施更难Once the objective shifts from solving benchmark problems to solving interactive tasks, the RL stack changes. The infrastructure used for classical reasoning RL isn't enough. In reasoning RL, you can often treat rollouts as mostly self-contained trajectories with relatively clean evaluators. In agentic RL, the policy is embedded inside a larger harness: tool servers, browsers, terminals, search engines, simulators, execution sandboxes, API layers, memory systems, and orchestration frameworks. The environment is no longer a static verifier; it's part of the training system.一旦目标从解决基准问题转向解决交互式任务，强化学习的架构便会发生变化。用于经典推理强化学习的基础设施已不足以应对这一需求。在推理强化学习中，你通常可以将采样轨迹视为大体自成一体的路径，并配备相对清晰的评估器。而在代理强化学习中，策略被嵌入一个更大的框架之中：工具服务器、浏览器、终端、搜索引擎、模拟器、执行沙箱、API层、内存系统以及编排框架。此时，环境不再只是静态的验证者；它已成为训练系统的一部分。This creates a new systems requirement: training and inference must be more cleanly decoupled. Without that decoupling, rollout throughput collapses. Consider a coding agent that must execute generated code against a live test harness: the inference side stalls waiting for execution feedback, the training side starves for completed trajectories, and the whole pipeline operates far below the GPU utilization you would expect from classical reasoning RL. Adding tool latency, partial observability, and stateful environments amplifies these inefficiencies. The result is that experimentation slows and becomes painful long before you reach the capability levels you are targeting.这会创建一个新的系统要求：训练与推理必须实现更彻底的解耦。若缺乏这种解耦，模型上线的吞吐量将大幅下降。试想一下，一个编码智能体需要针对实时测试框架执行生成的代码：推理端会因等待执行反馈而停滞不前，训练端则因缺乏已完成的轨迹而陷入饥饿状态，整个流水线的运行效率远低于基于经典推理的强化学习所预期的GPU利用率。如果再叠加工具延迟、部分可观测性以及有状态环境等因素，这些低效问题便会进一步加剧。其结果是，实验进度缓慢且充满痛苦，甚至在你尚未达到目标能力水平之前，就已经陷入困境。The environment itself also becomes a first-class research artifact. In the SFT era, we obsessed over data diversity. In the agent era, we should obsess over environment quality: stability, realism, coverage, difficulty, diversity of states, richness of feedback, exploit resistance, and scalability of rollout generation. Environment-building has started to become a real startup category rather than a side project. If the agent is being trained to operate in production-like settings, then the environment is part of the core capability stack.环境本身也正成为一类一流的研究工具。在SFT时代，我们痴迷于数据的多样性；而在智能体时代，我们则应痴迷于环境的质量：包括稳定性、真实性、覆盖范围、难度、状态多样性、反馈丰富度、抗过拟合能力以及 rollout 生成的可扩展性。环境构建已开始成为一个真正的创业领域，而不再仅仅是副业项目。如果智能体正在接受训练，以适应类似生产环境的运行场景，那么环境便成了核心能力栈的重要组成部分。6. The Next Frontier Is More Usable Thought下一个前沿是更易用的思维 My expectation is that agentic thinking will become the dominant form of thinking. I think it may eventually replace much of the old static-monologue version of reasoning thinking: excessively long, isolated internal traces that try to compensate for lack of interaction by emitting more and more text. Even on very difficult math or coding tasks, a genuinely advanced system should have the right to search, simulate, execute, inspect, verify, and revise. The objective is to solve problems robustly and productively.我的预期是，智能体式思考将成为思考的主导形式。我认为它可能最终取代大部分旧的静态独白式推理思考：那种因缺乏交互而通过输出越来越多文本来补偿的、过长的、孤立的内部轨迹。即使在非常困难的数学或编码任务上，一个真正先进的系统也应该有权进行搜索、模拟、执行、检查、验证和修订。目标是稳健且高效地解决问题。The hardest challenge in training such systems is reward hacking. As soon as the model gets meaningful tool access, reward hacking becomes much more dangerous. A model with search might learn to look up answers directly during RL. A coding agent might exploit future information in a repository, misuse logs, or discover shortcuts that invalidate the task. An environment with hidden leaks can make the policy look superhuman while actually training it to cheat. This is where the agent era becomes much more delicate than the reasoning era. Better tools make the model more useful, but they also enlarge the attack surface for spurious optimization. We should expect the next serious research bottlenecks to come from environment design, evaluator robustness, anti-cheating protocols, and more principled interfaces between policy and world. Still, the direction is clear. Tool-enabled thinking is simply more useful than isolated thinking, and has a far better chance of improving real productivity.训练这类系统时，最棘手的挑战便是奖励作弊。一旦模型获得了有意义的工具访问权限，奖励作弊便会变得愈加危险。具备搜索功能的模型可能会在强化学习过程中直接查找到答案；编码智能体则可能利用仓库中的未来信息、滥用日志，或发现一些能轻易绕过任务要求的捷径。如果环境中存在隐蔽漏洞，智能体看似表现得超凡脱俗，实则是在被训练去作弊。正因如此，智能体时代比推理时代更加微妙和复杂。更强大的工具让模型变得更加有用，但同时也扩大了虚假优化的攻击面。我们应预期，下一阶段的重大研究瓶颈将来自环境设计、评估器的鲁棒性、反作弊机制，以及策略与世界之间更具原则性的接口。尽管如此，方向已然明确：借助工具的思维模式远比孤立的思考更有价值，也更有可能切实提升生产力。Agentic thinking will also mean harness engineering. The core intelligence will increasingly come from how multiple agents are organized: an orchestrator that plans and routes work, specialized agents that act like domain experts, and sub-agents that execute narrower tasks while helping control context, avoid pollution, and preserve separation between different levels of reasoning. The future is a shift from training models to training agents, and from training agents to training systems.智能体式思考也将意味着对工程的驾驭。核心智能将越来越多地源自于多个代理的组织方式：一位负责规划与调度工作的统筹者，一群充当领域专家的专业代理，以及一群执行更具体任务、同时协助控制上下文、避免干扰并保持不同层次推理之间隔离性的子代理。未来，我们将从训练模型转向训练代理，再进一步从训练代理转向训练系统。Conclusion结语 The first phase of the reasoning wave established something important: RL on top of language models can produce qualitatively stronger cognition when the feedback signal is reliable and the infrastructure can support it.推理浪潮的第一阶段确立了一项重要发现：在语言模型之上应用强化学习，当反馈信号可靠且基础设施能够支撑时，可产生质量上更强大的认知能力。The deeper transition is from reasoning thinking to agentic thinking: from thinking longer to thinking in order to act. The core object of training has shifted. It is the model-plus-environment system, or more concretely, the agent and the harness around it. That changes what research artifacts matter most: model architecture and training data, yes, but also environment design, rollout infrastructure, evaluator robustness, and the interfaces through which multiple agents coordinate. It changes what "good thinking" means: the most useful trace for sustaining action under real-world constraints, rather than the longest or most visible one.深层次的转变是从推理式思维转向行动式思维：从更长时间的思考，转变为为了采取行动而进行的有序思考。培训的核心对象也随之发生了变化——如今，关注的焦点已不再是单纯的模型本身，而是“模型+环境”这一系统，更具体地说，是智能体及其周围的生态系统。这使得哪些研究成果最为关键也发生了改变：固然，模型架构和训练数据依然至关重要；但与此同时，环境设计、部署基础设施、评估器的稳健性，以及多个智能体之间协同互动所依赖的各类接口，也都变得同样重要。这也重新定义了“良好思考”的含义：在现实世界的约束条件下，最能持续推动行动的有效轨迹，而非单纯追求最长或最显眼的轨迹。It also changes where the competitive edge will come from. In the reasoning era, the edge came from better RL algorithms, stronger feedback signals, and more scalable training pipelines. In the agentic era, the edge will come from better environments, tighter train-serve integration, stronger harness engineering, and the ability to close the loop between a model's decisions and the consequences those decisions produce.它也改变了竞争优势的来源。在推理时代，优势来自更优秀的强化学习算法、更强的反馈信号以及更高的可扩展性。训练流水线。在智能体时代，优势将来自更优质的环境、更紧密的训练与服务一体化、更强大的模型约束工程，以及实现模型决策与其所产生后果之间闭环的能力。
-
世界排名第30！3亿欧乌克兰被暴揍+20年无缘世界杯 FIFA松了口气 北京时间3月27日凌晨，世预赛欧洲区附加赛的半决赛，乌克兰爆冷1-3输给了此前状态糟糕的瑞典队，无缘决赛，也提前结束了世预赛之旅。赛后，乌克兰球员很是难受。 乌克兰目前世界排名第30位，而他们今天的对手瑞典队则是第42位。比赛在中立球场进行，现场来了很多乌克兰的球迷。开场后，乌克兰占据控球率的优势，但他们的进攻效率不高。第6分钟，瑞典队边路传中，约克雷斯抢点破门，乌克兰0-1落后。下半场，乌克兰大举压上，被对手频繁打反击。第51分钟，约克雷斯利用反击破门，乌克兰0-2落后。 第71分钟，瑞典队再次利用反击打崩乌克兰防线。乌克兰门将忙中出错，放倒了单刀的约克雷斯。随后，约克雷斯点球破门，上演帽子戏法。乌克兰0-3落后，比赛大势已去。一直到第90分钟，瑞典队才利用对手失误扳回一球，但已无济于事。赛后，乌克兰主帅雷布雷夫强调：“我们为自己的失误付出了巨大的代价，我们的防守遇到了问题，进攻也无法造成威胁。” 此前，乌克兰队只参加过一次世界杯决赛圈。2006年，乌克兰队打入了8强，并在1/4决赛中被最后的冠军意大利淘汰。对于乌克兰的出局，国际足联应该会松一口气。由于俄乌冲突的原因，乌克兰的运动员近4年屡次在世界大赛中抢戏，让主办方很头疼。
