加杠杆买港险显著上升 港保监：保费融资暗藏高风险 上半年新造保费强势增长的同时，保费融资的占比显著上升至36% 10月23日，香港保监局公布2026年上半年临时统计数字：期内毛保费总额5736亿港元，按年上升35.5%；长期业务（不包括退休计划业务）的新造保单保费2752亿港元，上升58.4%，按此趋势，2026年全年有望继续刷新历史纪录。图：视觉中国 　　【财新网】香港活跃的保费融资市场，正呈现由高净值人群主导、逐步向普通中产延伸的趋势，监管机构认为有必要就此作出风险警示。 　　10月23日，香港保监局公布2026年上半年临时统计数字：期内毛保费总额5736亿港元，按年上升35.5%；长期业务（不包括退休计划业务）的新造保单保费2752亿港元，上升58.4%，按此趋势，2026年全年有望继续刷新历史纪录。 　　上半年新造保费强势增长的同时，保费融资的占比显著上升至36%，较去年同期的21%高出15个百分点。2025年全年这一比率为19%，2024年则只有12%。

“出海”政策环境再生变，三季报成色正揭晓｜医药股周报 美国财政部拟将生物技术明确纳入外投资安全计划（OISP）监管范围 资料图：山外山医疗设备。图：视觉中国 　　【财新网】行情颠簸，A股医药板块凭借10月23日（周五）反弹，周线实现收涨。10月19日—23日当周，医药生物板块累计上涨0.75%，在31个申万一级行业板块中，周涨幅排名第4位。同期，上证指数累计下跌0.69%，沪深300指数累计下跌1.57%。 　　板块内部，医疗器械领涨，当周累计涨幅3.90%。其中，医疗设备行业个股戴维医疗（300314.SZ）当周累计上涨26%，医疗耗材行业个股爱迪特（301580.SZ）周涨幅超17%，医疗设备股山外山（688410.SH）、澳华内镜（688212.SH）、翔宇医疗（688626.SH）、美好医疗（301363.SZ）等，当周累计涨幅均超过10%，在A股医药生物板块内，进入周涨幅排名前十。10月23日，市场午后反弹，医药板块内，医疗器械板块多股显著拉升，前述部分个股也大幅收涨。

T早报｜Kimi首次推出Pro版本模型；英国政府划拨6亿英镑用于人工智能安全专项经费 推荐：王兴兴称通用大模型可能“击穿”物理AI；横店片场免租金、AI化；Meta资本支出增长阴影盖过智能体火热 10月24日凌晨，月之暗面（Kimi）正式推出Kimi K3.1 Pro。图：视觉中国 　　【财新网】 　　Kimi迭代3万亿参数大模型 首次推出Pro版本模型 　　据财新网，10月24日凌晨，月之暗面（Kimi）正式推出Kimi K3.1 Pro。Kimi称，Kimi K3.1 Pro是Kimi K3的后训练版本，是其迄今能力最强的3万亿级参数模型，支持100万上下文，在代码、3D创作、金融研究和其他长程Agent能力上的提升尤为显著。近期，国产模型纷纷发布Flash级别模型抢占性价比市场。Kimi也首次在模型版本中推出Pro模型，并称这是 K3.1系列的第一个模型，为发布性价比模型留下空间。

秦始皇兵马俑上发现成年女性和少年指纹 或参与制作 以往秦史研究中的主流假设认为，兵马俑等文物依赖成年男性劳动力。但基于独立指纹样本得出的研究成果显示，成年女性和未成年人或也参与了秦俑制作 秦始皇帝陵博物院与山东大学考古学院近日合作发表的论文，确认了关于秦兵马俑制作者年龄与性别构成的最新研究成果，即根据秦始皇兵马俑上获得79枚独立指纹样本，发现女性和未成年人或参与秦俑制作。 　　【财新网】秦始皇帝陵博物院与山东大学考古学院近日合作发表的论文，确认了关于秦兵马俑制作者年龄与性别构成的最新研究成果，即根据秦始皇兵马俑上获得79枚独立指纹样本，发现女性和未成年人或参与秦俑制作，其中成年女性指纹约占32.7%，15岁以下未成年人指纹约占22.3%。 　　此前学术界一个长期流行的假设是：秦俑的大规模标准化生产由成年男性工匠承担。然而，秦代法律文献与出土文物的零星文字证据对此观点提出了挑战。秦代漆器上的刻铭包含“大女子”“小女子”“小男子”等称谓，表明妇女和未成年人参与了漆器生产。

今日开盘：两市双双低开 沪指跌幅0.53% 沪指开盘报3671.00点，跌幅0.53%；深成指报11560.36点，跌幅0.97% 财新网10月26日电: 沪指开盘报3671.00点，跌幅0.53%。 深成指报11560.36点，跌幅0.97%；创业板指报2645.74点，跌幅1.43%；中小板指报7276.21点，跌幅0.80%。 盘面上，交通运输领涨，公用事业、石油石化、银行、农林牧渔、基础化工等板块涨幅居前，煤炭领跌，电子、建筑材料、通信、传媒、有色金属等走弱。 消息面上，李强主持召开国常会，会议指出，要加快建设生育友好型社会；商务部回应美发布新版对外投资限制拟议规则，中方对此表示严重关切、坚决反对；国内金饰价格单月跌百元；国办表示，减缓人工智能应用就业替代影响；《对外投资管理办法》发布，居民个人被纳入、信息报告要求提高；花旗正式获批成为中国第7家外商独资券商。

塞尔维亚大选中武契奇承认落败 学生名单党预计将着手组阁 这一选举结果意味着“武契奇时代”在塞尔维亚的结束 当地时间2026年10月25日，塞尔维亚贝尔格莱德，武契奇发表讲话承认在议会选举中落败。图：IC photo 　　【财新网】当地时间10月25日晚间，塞尔维亚议会选举结束，执政该国长达14年的前总统亚历山大·武契奇承认败选，此前领导抗议运动的“学生名单”预计将在塞尔维亚议会掌控绝对多数。 　　武契奇在讲话中表示，他所领导的塞尔维亚进步党赢得了约170万张选票，而学生名单党赢得了约220万张选票。“学生名单党赢了。”他向支持者表示。武契奇将败选归咎于塞尔维亚的独立媒体，以及未具名的欧洲国家和“美国深层政府”的干预。 　　他预测称，学生名单党将赢得135到140个议会席位，而塞尔维亚进步党将获得大约105个席位。塞尔维亚议会共250个席位，政府由掌握议会多数的政党负责组建，武契奇在投票结束仅约一个半小时后即宣布了这一结果，选票的正式统计数据尚未公布。

【商圈】耐克颓势不改 传统分销老将希尔如何“重返货架” 从押注直营到修复批发，耐克正在纠正渠道失衡。但重回货架，不等于重回消费者的购物清单。希尔掌舵两年，如何让产品重新成为增长引擎？ 埃利奥特·希尔（Elliott Hill）。图：视觉中国 　　【财新数据专稿】埃利奥特·希尔（Elliott Hill）回归近两年后，耐克依然未能走出业绩收缩的泥潭。 　　耐克最新公布的2027财年第一季度财报（截至2026年8月31日）显示，单季总营收同比下滑4%至112亿美元（剔除汇率影响后下降5%），净利润同比下降约2%至7.12亿美元。管理层预计，2027全财年营收将同比出现高个位数百分比下降。

财新闻｜机车上演“水上漂”，张雪在家乡麻阳刷新吉尼斯纪录 2026年10月25日，湖南怀化，张雪在湖南麻阳锦江河水域驾驶改装摩托车行驶40公里，成功冲击“改装摩托车在开阔水域行驶最远距离”吉尼斯世界纪录。图：视觉中国 机车上演“水上漂”，张雪在家乡麻阳刷新吉尼斯纪录 河面水花飞溅，岸上人海如潮，鼓声呐喊连天……在湖南麻阳，这本是龙舟竞渡专属的恢宏场面，却因为张雪机车的“水上漂”挑战而复现眼前。10月25日，“张雪机车”创始人张雪在家乡父老的见证下，驾驶改装机车MX450，成功刷新“改装摩托车在开阔水域行驶最远距离”吉尼斯世界纪录。

【霍尔木兹周报】美以拟选后实施对伊打击 海峡航运承压各方呼吁外交止战 上周（10月19日—10月25日），波斯湾船舶通行总量为73艘次，环比下降1.35% 北京时间10月19日17：02，一艘挂中国香港船旗的杂货船“PACIFIC HARMONY”号驶出霍尔木兹海峡，载重3.2万吨，船长166米。

聚焦｜韩国股市的狂热与焦虑 随着股市波动对普通民众生活的影响不断加深，资本市场的表现也逐渐成为部分韩国民众衡量政府经济治理能力的一个方面 当地时间2026年10月22日，韩国首尔中区，韩亚银行交易室的电子显示屏上显示着开盘初期的KOSPI指数等股市行情。图：视觉中国 　　10月23日，韩国股市结束了又一个跌宕起伏的交易周。当天，韩国综合股价指数收于5550.30点，较前一交易日微涨0.30%。然而，这一点涨幅难掩近期股市的低迷。回顾过去一周，韩国股市几经起落，依然未能摆脱上周熔断的阴影。 　　据新华社报道，10月15日，韩国综合股价指数盘中一度暴跌8%，触发市场熔断机制，交易暂停20分钟。这已是韩国综合股价指数今年第十次、2000年熔断机制实施以来第16次触发熔断。当天，韩国综合股价指数收盘下跌7.57%，报5554.22点。一个星期过去，尽管股市几度反弹，但到23日收盘，指数还略低于15日熔断当天的收盘水平。

能源内参｜南方区域电力市场“转正” 全国首个区域电力市场开市 环境部：39城试点深化气候适应型城市建设；大模型开始接管物理世界 自动驾驶企业面临降维打击？ 彭博新能源财经（BNEF）10月24日报告显示，在中国，几乎所有细分领域的纯电动汽车前期购置价格都已低于同类燃油车。图：视觉中国 　　【财新网】 　　南方区域电力市场“转正” 全国首个区域电力市场开市 　　财新网10月25日报道，10月24日，国内首个区域电力市场——南方区域电力市场转入正式运行，广东、广西、云南、贵州、海南五省区的电力市场经营主体将在同一市场开展常态化交易。 　　当前，南方区域电力市场覆盖五省区、63座城市，发电企业、售电公司、电力用户等市场经营主体注册数量超过29万家，约占全国经营主体总量的四分之一。2026年1至9月，南方区域电力市场累计交易电量约9000亿千瓦时，占全网售电量的比例超过七成；最大单日出清电量超过40亿千瓦时，发售电量规模超过英国、法国、德国三国用电量总和。

人事观察｜57岁北大法学博士赵辰昕代理河北省长 河北省政府一二把手调整同时调整，黑龙江省委常委、常务副省长陈少波同岗交流至河北 赵辰昕。图：视觉中国 　　【财新网】河北省委换届前夕，省政府一二把手同时调整。其中，由国家发改委“空降”河北不到一年半的赵辰昕，由河北省委常委、常务副省长转任河北代省长，其前任、二十届中央委员王正谱已年逾63岁（1963年8月生）。同时，黑龙江省委常委、常务副省长陈少波接替赵辰昕，出任河北省委常委、省政府副省长、党组副书记。 　　10月24日、25日，河北日报客户端发布消息，近日，中共中央批准：赵辰昕任河北省委副书记，陈少波任河北省委委员、常委；河北省委决定：赵辰昕任河北省政府党组书记。

分析｜如何激励灵活就业者参加职工社保？ 多方呼吁未来通过下调缴费基数、降低费率、改进缴费基数统计口径等手段来减轻灵活就业人员参保经济负担 2026年期间，四川为首次给快递、外卖从业人员办理参保登记手续，并缴纳养老保险费、医疗保险费、失业保险费、工伤保险费的平台企业，按照缴费额的10%给予企业社会保险补贴。图：视觉中国 　　【财新网】今年9月以来，一系列关于灵活就业参加社会保险的激励活动和支持政策正在全国各地推进。 　　10月19日，安徽省人社厅印发《关于实施促进灵活就业人员参加企业职工基本养老保险“助保惠民”三年行动的通知（征求意见稿）》，面向参加职工养老保险的灵活就业人员发放补贴，连续缴费每满12个月可以申领1000元，累计最多3000元；灵活就业人员自主选择按月、按季、按半年或按年缴费，可在当年缴费基数上下限范围内多次调整基数档次。

【地缘图志】卢拉逆转阻断“博索纳罗交易”，美俄乌会谈前景压制油价涨势

票房｜周票房再度不足2亿元 国内首部AI电影观影人次4万 即使时长、票价都低于一般影片，观众对AI电影的接纳程度远远不及传统电影 2026年10月11日，湖北宜昌，电影院内展示电影《生化危机：爆发夜》海报。图：视觉中国 　　【财新网】国家电影专资办数据显示，第42周（10月19日-10月25日），全国电影票房收入1.998亿元，环比下滑31%，没有电影票房破亿。国庆档新片热度衰减，《生化危机：爆发夜》连续第三周夺冠，以5922万元票房排名上周第一，国庆档冠军《神探之痕迹》票房5169万元。 　　《生化危机：爆发夜》在10月5日上映后一直位居单日票房冠军，当前累计票房为4.35亿元，是今年截至目前国内票房最高的好莱坞惊悚片，豆瓣评分7.3。

【大盘脉搏】创业板指跌幅收窄 消费股逆势上扬

专访WTO前总干事拉米：处理欧盟对华贸易症结，需要B计划 前世贸组织总干事拉米认为，中国出口增长正在改变欧洲的产业和政治环境。他提出以新的“结构性再平衡工具”应对贸易失衡，但强调谈判仍是首选。面对中美竞争和美国安全承诺的不确定性，欧洲也在重新寻找自己的位置 世界贸易组织前总干事帕斯卡尔·拉米（Pascal Lamy）。图：视觉中国 　　【财新网】“我花了很长时间才下定决心，因为我一直是自由贸易的坚定信奉者。” 　　10月中旬，世界贸易组织（WTO）前总干事帕斯卡尔·拉米（Pascal Lamy）在新加坡接受财新专访时，谈起自己对中欧贸易关系的判断。 　　这位长期倡导贸易自由化的法国人，如今认为，欧洲必须采取“更强硬”的措施，应对中国出口快速增长给欧洲产业带来的冲击。否则，欧洲本土的产业流失可能进一步引发社会和政治问题，最终将中欧关系推向更加激烈的对抗。

B站AI创造公开赛第二赛季启动，设百万奖金池、英伟达算力加持 10月24日，程序员节当天，哔哩哔哩宣布启动“build in bilibili · AI创造公开赛”第二赛季。 10月24日，程序员节当天，哔哩哔哩（以下简称”B站”）宣布启动“build in bilibili · AI创造公开赛”（以下简称B站AI创造公开赛）第二赛季。 赛事以“公开做产品，观众即用户”为理念，不设学历、职业、开发经验等参赛门槛。参赛者只需使用AI工具，创造可运行、可交互的产品，并在B站持续分享创作过程。符合要求的作品有机会获得单人最高百万奖金、亿级流量扶持与行业资源支持。创作者也能更早找到首批用户、收获真实反馈，让作品在社区交流中不断成长，拓展新合作机会。 第二赛季，B站AI创造公开赛赛制迎来新升级。主赛道评奖机制首度引进AI，采用AI与用户共评模式。模型会综合视频表现数据筛选出前30名入围作品，报名入选的用户评审团再为入围作品投票，决出最终排名。 新赛季还增设了单元赛道，英伟达、谷歌等赛事合作伙伴将携手B站AI创造公开赛，为参赛创作者提供技术及商业支持。后续赛程中，各方将联合B站推出限时挑战与专题奖项。 本次英伟达发起“NVIDIA RTX Spark 本地AI竞赛单元”，探索本地 AI 主题的技术应用与创新。该单元将为优秀创意开放最新上市的 RTX Spark 产品试用，为创作者提供本地 AI 算力支持。 谷歌发起“Google 出海创新竞赛单元”，该单元由 Google Cloud 提供技术与资源支持及上万美元 Google Cloud 赠金券，鼓励开发者基于 Google AI 及云服务，打造具有全球应用潜力的创新产品。 为激励基于社区互动评选出优秀AI产品，赛事同步设立超亿级流量扶持和高达220万的现金奖励池，其中冠军可独享百万元奖金。 区别于传统黑客松比赛，无参赛门槛限制、与社区共创的赛事模式激发了B站用户用AI创造的热情。6月，B站AI创造公开赛第一赛季启动，短短两个月收到超3万份投稿。其中，山村中学生、全职妈妈等无专业开发背景的参赛者占比超六成。 B站为创作者提供了一个多元包容的AI产品孵化场，创作者凭借想象力和AI工具即可实现过去停留在脑海里的创意。用户则会积极通过评论、弹幕等互动，回馈优秀创意、参与共创。B站自由共创的社区氛围，催生出大批形态各异的AI产品，其创意角度与产品形态往往超出传统软硬件应用的范畴。 例如，获得第一赛季冠军的UP主W博士与AI猫娘，创造了有鲜明ACG色彩的AI猫娘伴侣，主打与人陪伴互动；还在念大学的UP主NFS360开发了合乎周礼翻译器，把日常话语转为典雅表达；UP主AI研究室-帆哥打造出AI助盲眼镜，帮助视障者重新“看见”世界等。 这种创作者在B站公开从0到1创造AI产品的模式，为创作者吸引来众多潜在投资者。目前，首赛季已有多款参赛AI产品获得融资。例如，UP主奇妙啦比-杜谦阿的“AI时空电话”拿到两轮融资。在B站的参赛视频中，他用AI还原了突然离世父亲的声音，并用一台3D打印的电话机，串联起对父亲尚未及时表达的爱与思念；具有B站特色的AI产品“弹幕互动世界”，获得头部投资机构百万级投资意向等。 从创作者公开做产品，到和用户一起迭代，再到拿到投资，Build in Public（公开创造，BIP）已在B站沉淀下来，形成一条可复制的AI产品孵化路径。过去一年，B站BIP相关内容新增播放量超8亿，传播体量居国内平台首位。目前，B站已成为国内公开创造的核心阵地。 本文由哔哩哔哩提供，量子位获授权转载，观点归原作者所有。

Kimi K3.1 Pro一手实测：Godot、Blender全能接，23轮测试自己跑 写代码、造游戏、搞3D全都拿捏 国模归来！ Kimi携其迄今最强3万亿参数级模型Kimi K3.1 Pro，杀回来了。 真的蛮感慨，大家都知道这一阵海外巨头的基模大战可谓打得火热，SOTA榜单也是你方唱罢我登场。 反观国产模型这边，倒一度安静了下来。 新模型确实也没断过，但大多是Flash版本，能跟海外旗舰掰手腕的Pro级狠角色，却迟迟没等来。。。 偏偏这节骨眼上，海外针对国产模型能力的种种质疑，也在一波接一波地冒出来。 结果呢？Kimi这回直接杀了个回马枪—— 全新K3.1系列首发就是Pro，在多个场景表现上K3.1 Pro甚至直逼GPT-6 Astra，直接杀进全球前沿模型第一梯队。 在Artificial Analysis全球大模型智能指数榜单中，Kimi K3.1 Pro以55分杀入全球前四名，较上一代K3大幅提升11分： 基于K3进一步强化后训练，K3.1 Pro支持百万Token上下文窗口，价格仅为GPT-6 Astra的1/5，便宜约80%。 作为Kimi迄今能力最强的3万亿参数级模型，K3.1 Pro这次重点发力长程编程、知识工作和复杂推理等高难度任务。 尤其是在3D创作、金融研究等更专业的场景，模型都迎来了一轮升级，从写代码到调用专业工具，再到处理复杂工作流，覆盖面也越来越广了～ 看下面这位小哥用K3.1 Pro搓的鹈鹕骑车动画，空间逻辑和运动轨迹都没得说，效果一点不输海外前沿闭源模型： 再来！看我让K3.1 Pro调用Unity或Godot游戏引擎，从0搓出来的一款《后室》风3D密室逃脱游戏—— N多个3D场景、诡异光影、物理交互、烧脑解谜、游戏剧情一个不落，连美式复古风的UI也颇有审美。 值得一提的是，这次同步推出的还有高速版模型Kimi K3.1 Pro Highspeed，同等智能，输出速度达到普通版的约2~3倍。 此外，Kimi这次依然坚持开源路线，完整模型权重将在两周内放出，大家可以搓搓手坐等了～ 海外Pro大战打得热火朝天，国产选手这回，终于端上硬菜了。 3万亿参数火力全开，写代码、造游戏、搞3D全都拿捏 作为全新K3.1系列的首款模型，K3.1 Pro在代码、长程任务和3D建模等能力上，这次都迎来了一波明显升级。 先看成绩，在代码、Agent和知识类基准测试中，K3.1 Pro已经达到或接近最强闭源模型水平。 Terminal-Bench 4.0得分65.7%，超越GPT-6 Astra（58.2%），逼近Claude Opus 5.5（66.4%）。 在考验多步执行、工具调用和端到端问题解决能力的长程编程测试中，K3.1 Pro得分61.2%，较K3（55.95%）进一步提升～ 在3D建模这块，Kimi K3.1 Pro这波也给安排明白了—— 像机械零件、建筑等参数化建模这些复杂任务，我们不用MCP连接器，就能直接接入Blender等专业工具。 具体到实际操作也非常简单，给AI一段文字、一张草图或参考图，模型就能推断物体的形状、比例和空间关系，AI就能重建出可用的3D模型。 在考察3D模型重建能力的BenchCAD测试中，K3.1 Pro还拿下92.7%的高分，逼近Claude Opus 5.5和GPT-6 Astra： 当然，K3.1 Pro这代码能力到底能不能打，还得亲自试试才知道，我们直接实测走起～ 调用专业游戏引擎，从0搓出完整3D游戏 第一把直接上强度！ 让K3.1 Pro挑战一道游戏引擎+工具调用+3D建模的「综合大题」。 这次，我让它调用Godot引擎，从零手搓一款3D摸鱼游戏——《老板来了》。 游戏难度也不低，老板得有自己的AI逻辑，随机巡视、突然折返、背后偷袭，还得实时判断有没有抓到现行。 与此同时，3D场景、角色交互、碰撞检测、积分结算和胜负机制都得联动，最后还得真能玩。 咱直接看效果，全程零抽卡，K3.1 Pro还真搓出了可玩的3D游戏，画风走的是赛博积木小人儿路线。 整个过程我连手动配置都没碰，K3.1 Pro就自主搞定了Godot部署、引擎调用和项目构建，小白看了直流泪。 不仅如此，模型还自主进行了23轮测试，最终交付了Godot源工程、Linux独立运行版等多个版本，真周全啊： 游戏玩完，我又回头扒了扒玩法机制，发现里面还真藏了不少「细节」。 比如摸鱼越久积分越高，但被老板抓到三次直接开除，连收益与风险之间的博弈都考虑进去了。 甚至连「死亡凝视」「带薪拉屎大师」等趣味彩蛋都设计进去了，细节还挺有职场代入感，用心了： 果然啊，干有挑战性的任务，还得看大参数模型。。。 3D创作与空间推理全进阶，3D Make也来了 第二局，我们来考察一下今年基模圈大火特火的3D建模能力。 But！我可不想让K3.1 Pro只生成个3D模型那么简单，这次咱依旧上地狱难度—— 我上传了一张机械键盘参考图，构建包含键帽、机械轴体、定位板、PCB及外壳的完整75%配列键盘。 让K3.1 Pro通过Blender从零完成3D建模，同时实现键帽按压、分解动画，并接入Three.js网页进行360°交互展示。 这就需要AI确保各零件尺寸、空间位置及装配关系准确，同时处理模型穿模、动画联动、格式转换等工程问题： △AI生成 没过多久，K3.1 Pro就交付了一个可交互的3D模型。 整个过程中，Blender都是由模型自主调用并执行脚本的，我全程没有手动配置，连MCP连接器都不用接。 在输出效果中，K3.1 Pro先是对参考图中不可见的机械结构进行了主动推断，还给出了具体的工程设计依据。 这也说明了模型已经展现出从几何重建延伸至结构化建模的能力，对零部件之间的空间关系、装配逻辑及工程细节都有一定程度的考虑： 接下来咱直接——上！才！艺！ 先说我最满意的一点，这个生成的效果和我给的参考图近乎1:1还原。 而且，即便键盘内部被拆开，K3.1 Pro对内部零件的几何形态、内部结构和装配关系也都符合物理规律。 甚至，每颗键帽都能独立按压，还能针对不同结构进行分层拆解，360°旋转查看也完全没问题，nice～ 对了，值得一提的是，Kimi这次还在kimi.com和Kimi App同步上线了3D Make功能。 玩法也so easy，上传一张参考图，再选择想生成的类型，网站、3D建模、3D打印都给安排上了。 生成后还能直接导出视频、实况照片，随手发到社交平台秀一波，主打一个3D创作自由DIY： 我们来看下生成的效果，以下面这个发动机demo为例。 从多层涡轮叶片，到内部转子、外壳和连接部件，整个模型的零件层次和空间关系都呈现了出来，密集叶片的细节也没落下。 此外模型还考虑到了后续的实际使用，支持导出GLB、3MF等格式，方便进一步进行3D预览、模型编辑和打印。 实用性也有了，感兴趣的朋友可以直接上手试试～ 从零构建物理仿真，挑战复杂任务自主迭代 最后一局，我们来测测K3.1 Pro这次另一项重要能力——长程编码与自主迭代。 这次玩点刺激的，直接送K3.1 Pro去考科目二！ 而且我还专门上了难度，驾校得自己建，车得自己开，挂科了还得自己找原因、改代码。 它需要从0搭建一套轻量级车辆物理仿真系统，再造一个包含倒车入库、侧方停车、S弯等项目的3D驾考场。 接着让AI自主驾驶，根据每轮撞墙、压线等失败结果，反复调试代码、优化驾驶策略，直到一次性通过科目二。 令我没想到的是，K3.1 Pro居然自己造了一套3D驾考仿真系统，还让AI司机拿下了满分。 先看场地，倒车入库、侧方停车、S弯等项目一个没落下，直接给安排成了完整的3D考试场景。 根据测试记录，K3.1 Pro前后折腾了12轮，第11轮诊断续跑达到100分，第12轮才通过严格复核。 倒车入库时发现转向过度，它会主动调整控制算法，发现车辆到达终点后仍在加速，又进一步修正速度控制逻辑。 更有意思的是，它还会反过来检查规划路径本身是否合理，从转弯半径、车身压线到障碍物碰撞逐一排查： 就这么一轮轮折腾下来，最终成绩还真被它刷出来了—— 五个项目全部通过，100分，耗时151.03秒，碰撞0次、压线0次、扣分0分。 从发现偏差、定位原因，到修改控制算法、检查路径可行性，再重新运行验证，这套自主调试逻辑确实相当完整。 K3.1 Pro连金融分析师的活儿都接上了 除了代码和3D建模，K3.1 Pro在金融领域的表现，也有不少值得聊的。 学生党、打工人应该都懂，面对几十份财报和密密麻麻的Excel表格，光看着就已经头大了。 更麻烦的是，还得从中提取关键数据、跨文档核对、计算财务指标，最后搭出一套能用的财务模型。 但凡看错一个数字、引用错一处公式，后面的估值和分析结论都可能跟着跑偏！！！ 而这次，K3.1 Pro已经能将财务研究、数据分析和金融建模串成一套端到端工作。 先看成绩，在两项外部金融基准Office QA Pro v2和SpreadsheetBench 2上，K3.1 Pro均拿下最佳成绩。 前者考察AI对金融文档的检索、核对与推理能力，后者则聚焦Excel财务建模、跨表公式联动及自主纠错能力。 具体到测试成绩，K3.1 Pro的得分甚至超过了Opus 5.5、Fable 5.1和GPT-6 Astra—— 再来看个更具体的例子—— 给英伟达（NVDA）搭建专业财务模型。 K3.1 Pro能够从财务数据整理、经营指标预测，一路完成公式联动和估值模型构建。 比较有看头的是，模型中的经营假设还能动态调整，收入增速、利润率等参数一变，最终估值也会跟着更新。 甚至还能通过敏感性分析，直观看到不同假设对估值结果的影响，有点专业金融分析师搭模型内味儿了。 K3.1 Pro加码大规模RL训练，API输入低至每百万Token 1.3元 K3.1 Pro全方位能力的提升，背后还有一轮训练和工程技术栈的全面升级。 值得一提的是，Kimi K3本身就已经展现出相当强的代码和Agent能力，而这次K3.1 Pro则是在原有基础上，进一步加大了后训练阶段的强化学习（RL）算力投入。 为了支撑数百个下游领域的大规模联合训练，Kimi还系统优化了RL框架、长上下文推理、沙箱基础设施和任务调度等技术栈。 随着RL训练规模进一步扩大，K3.1 Pro在代码、Agent等多个领域也实现了全面提升，尤其是复杂任务中的长程执行和持续迭代能力。 而对用户来说，最直接的好处就是，复杂任务完成得更快、更稳，需要人工反复介入和纠错的次数也更少了～ 不过，模型能力卷上去了，大家还有一个非常现实的问题——价格呢？ 目前，K3.1 Pro已经上线API开放平台。 输入价格为每百万Token 1.3元（命中缓存）、13元（未命中缓存）。，输出价格则为68元。 此外，Kimi这次还同步带来了一个高速版本：Kimi K3.1 Pro Highspeed。 这个版本的差异性主要体现在—— 在保持同等智能水平的前提下，Highspeed的输出速度达到普通版的约3倍，大家按需选择就好～ 这次实测Kimi K3.1 Pro下来，最大的感受就俩字——《丝滑》。 想生成3D建模的创作者，不用费劲吧啦找Blender等各种专业工具，就能生成自己所想即所得的3D资产。 想Vibe Coding的朋友，从搭项目到调试代码，复杂的长程任务也能让AI丝滑接手，省去不少手动操作的麻烦。 经常和财务报表打交道的友友，也能让AI帮忙检索财报、跨文档核对数据，顺利和领导老板交差了。 这些看似不起眼的小事，偏偏最容易让人抓心挠肝，好在现在，能帮我们解决这些麻烦的办法，也越来越多了。 一代更比一代强，老话是有道理的。 Kimi K3.1 Pro已经上线了，大家直接上手试试。 要是vibe出了什么有意思的东西，欢迎友友们来评论区晒一波！！ 参考链接： [1]Kimi 官网：kimi.com [2]Kimi 开放平台：platform.kimi.com

物理AI怎么“击穿”场景落地？宇树生态大会上的钢铁答案 “具身智能迈向ChatGPT时刻最大的难关，是AI模型的输入输出和真实机器人的对齐。” 在今天的2026宇树科技合作伙伴生态大会主旨报告中，宇树科技创始人王兴兴提出这样的判断。 放到钢铁厂区，这场“对齐”的考验立刻变得无比现实：嘈杂复杂的钢厂里，临时堆放的物料、杂乱的管线随处可见。 一台机器狗，能不能自己认路、躲开突发障碍，独立完成全套巡检，第一时间把设备异常发给运维人员？ 10月22日在杭州举办的2026宇树科技合作伙伴生态大会上，宸境科技（DeepMirror）正式亮出钢铁行业物理AI全栈方案，向大家展示了机器狗在复杂工业环境下，所拥有的自主感知、定位导航、全自动巡检的完整能力。 就在几个月前，湖南钢铁、宇树科技与宸境科技达成战略合作，共建钢铁行业具身智能机器人创新实验室，推进巡检机器人落地钢厂。 钢厂巡检，为什么需要换成机器人？ 钢铁厂区是典型的高危作业环境。 高炉、管道、狭小夹层里隐患众多，人工巡检长期面临两大痛点： 痛点1：很多点位高温、狭窄、有安全风险，人员不宜频繁出入； 痛点2：巡检点位多、频次高、工作高度重复，常年需要投入大量人力。 用机器狗承接高风险、高重复的巡检任务，既能减少人员进入危险区域，又能持续提升巡检效率。 但工业机器人，绝不是“走到点位就完事”。 临时障碍物、无固定路标、通道狭窄……想要顺利完成一整套巡检，机器人必须做到：找准自身位置、实时规划路线、遇到障碍自动绕行、自动采集数据、自动上报异常。 从“能动起来”到“能独立干完一整套活儿”，比拼的正是物理AI的自主作业能力。 给机器人装上“眼睛+大脑”，四步实现无人自主巡检 宸境科技这套钢铁巡检方案，以宇树四足机器狗为载体，搭配自研Insight系列空间智能相机、Navcore空间智能大脑与任务管理平台，打造软硬件一体化解决方案，据悉此套方案对标了特斯拉的FSD。 机器狗的本体负责移动执行；Insight相机充当它的眼睛；Navcore套件就是它的智能大脑；任务平台统筹全部巡检工作。 整套自主作业流程一共分为四步： 第一步：空间数据采集定位，搞清楚“我在哪” 依靠Insight系列空间智能相机，搭配物理AI技术，机器狗可以自主提取厂区环境特征，一键生成厂区三维地图，同时实时锁定自己在地图里的精准位置，不用提前预埋二维码、磁条等辅助标识。 第二步：自主行路，想好“该怎么走” 核心来自自研NavCore空间智能大脑+TinyNav自主导航算法。 机器狗按照预设巡检路线自动奔赴目标点位；路上碰到临时堆放的钢材、物料等突发障碍，能实时重新规划路径，绕开障碍物继续前进，全程不需要人工远程操控。 第三步：自动检测，精准采集设备数据 抵达巡检点位后，机器狗可以按需搭载可见光摄像头、红外热成像仪、拾音传感器、气体检测仪等多种设备。 自动读取温度、异响、气体泄漏、设备外观破损等信息，自动识别设备隐患，提前发出安全预警。 （补充说明：方案主打“纯视觉定位导航”，只代表依靠视觉完成认路与自主行走；设备检测依旧可以搭配红外、声学、气体等传感器，满足钢厂多样化检测需求。） 第四步：数据回传，形成完整可追溯巡检记录 巡检全程留痕。 依托RoboSpatial空间编辑平台，管理人员可以在线编辑三维厂区地图、标注巡检点位、编排巡检任务。所有巡检影像、监测数据、异常告警会自动归档，一键接入钢厂现有运维体系，实现巡检全过程可追溯、可管理。 一句话总结整套链路：数据采集→自动巡线→动态避障→异常预警→数据归档。 从Demo到钢厂落地，最大考验是长期稳定 展会现场的演示只能证明技术可行，真正落地钢铁厂，工况千差万别：每家钢厂设备布局不一样、巡检路线不一样、运维管理制度也不一样，方案必须针对工况做适配。 目前，宸境科技这套物理AI巡检方案，已经落地湘潭钢铁、晋南钢铁等多家钢企，进入常态化实地运行阶段。 比起走通一条固定路线，钢厂客户往往更看重三大硬核能力： 厂区工况复杂，定位能不能长期稳定不漂移； 拍到设备异常后，能不能精准识别、无误报、不漏检； 巡检数据能否无缝对接现有运维平台，形成数字化管理闭环。 只有在真实厂区反复打磨稳定性，这套物理AI解决方案才能实现规模化复制推广。 机器狗巡检的价值，也远不止替代人工跑腿。 它把零散的现场巡查，变成全过程留痕的数字化台账，帮助钢厂提升设备运维管理水平，从根源上减少人员进入高危区域，筑牢安全生产防线。 不止钢铁巡检：生态合作，让通用机器人扎根更多工业场景 这套物理AI解决方案的落地，是产业生态合作的典型范本： 宇树科技提供稳定可靠的机器人本体，解决移动的硬件基础问题；宸境科技深耕垂直行业，把视觉感知、自主导航、任务管理能力和钢铁行业场景深度绑定，针对高危复杂工况完成定制化开发。 通用机器人想要走进工业赛道，这样的分工合作是最高效的路径。 钢铁巡检，只是物理AI落地的第一站。 这套解决方案，经过钢厂严苛工况打磨之后，完全可以复用到电力管廊、化工园区、煤矿井下、市政管理等更多高危重复巡检场景。 当然，技术可以复用，整套方案却不能直接照搬。 因为不同行业的安全标准、检测项目、管理流程各不相同，每进入一个新场景，都要针对性进行调试和实地验证。 能不能打磨出一套标准化、可快速交付的落地模式，将决定物理AI产业能走多远。 写在最后 正如本次生态大会上，宇树创始人王兴兴在主旨报告中提到的，1-3年内物理AI有望迎来关键突破，而模型与真机的对齐，是具身智能行业绕不开的核心考题。 钢铁行业巡检场景，恰恰就是关于这场“对齐”最好的试验场之一。 脱离实验室理想环境，在复杂工况里持续稳定干活，才是物理AI真正的试金石。 依托开放生态，通用硬件底座叠加垂直场景的空间智能能力，宸境科技正在钢铁行业踏出可复用的落地路径。 呼应国家大力推进新技术场景化落地、规模化场景应用的政策导向，宸境科技以钢铁厂为“真考场”，把政策蓝图落成炉前的实践，迎接具身智能的产业拐点。 *本文系量子位获授权刊载，观点仅为原作者所有。

中共二十届五中全会在京开始举行 中央委员会总书记习近平代表中央政治局向全会作工作报告，并就《中共中央关于持之以恒推进全面从严治党若干重大问题的决定（讨论稿）》向全会作了说明 图：视觉中国 　　【财新网】中国共产党第二十届中央委员会第五次全体会议10月26日上午在北京开始举行。 　　据新华社消息，中央委员会总书记习近平代表中央政治局向全会作工作报告，并就《中共中央关于持之以恒推进全面从严治党若干重大问题的决定（讨论稿）》向全会作了说明。

学医开始退潮了吗 本来有很多优势的医学专业，为什么开始让一些年轻人犹豫 2026年5月25日，浙江大学国际医学院学生。图：视觉中国 　　近日，某985大学医学相关专业学生大规模转出的消息引发关注。 　　据网传数据，236名新生中有103人转出，流失率达43.6%。其中，部分医工交叉双学位项目转出比例最高达到89%，八年制临床医学流失也达到了46%，五年制临床医学约33%。该内部报告标题是：“生源流失整治工作”。 　　这让我想起了2022年，房地产行业大滑坡后，湖南大学土木专业一次性转出98人，0转入，上错船的同学纷纷“跳船”。 　　当然，两者还是不能简单类比，医学还不至于沦落到土木的窘境，也无法以此就得出“医学大退潮”的结论。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

【基金观察】那些上半年收益翻倍的基金 如今怎么样了？ 仓位打满且全押单一赛道，容易让净值坐上剧烈的“过山车”，虽然行情上行时收益弹性颇高，一旦行情转弱，由于现金及跨行业配置提供的缓冲有限，前期积累的收益可能较快回吐，在行情高位追涨买入的持有人则可能承受较大亏损

成立3个月便反超GPT-6 Astra！深圳黑马首次亮相 一家机器人芯片公司的首秀 先交出具身模型Paimon 太反差了。 一家在深圳成立刚满三个月的公司，明明给自己的定位是做具身芯片，可它对外拿出的第一份成果，却是一个名叫Paimon的具身基座模型（系列）。 然后这个系列里的首款模型Paimon-0初次亮相，就直接拿下了四项第一： 先看含金量最高的RoboColiseum，这个由 Hugging Face、NVIDIA、清华大学等全球近 20 家高校、企业、科研机构共建的榜单，最近在具身圈热度居高不下；Paimon-0 以 0.7754 分排在第一。 要知道，这个榜最近可是刚把GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argon这些通用多模态大模型请进场同台比试的： 虽说大模型在指令跟随和空间理解上分数确实亮眼，可一到要真刀真枪动手的通用操作子榜，Paimon-0的0.6613依然是全场最高，扰动适应子榜也由它领跑。 RoboCasa365是面向通用机器人策略的大规模多任务基准，包含2500+仿真厨房场景、365项日常任务、2000+小时交互数据，选取50项任务，从原子可见、组合可见、组合不可见三层检验泛化能力，Paimon-0以58.1的综合分数登顶。 VLA-Arena为通用具身模型开源评测榜单，围绕安全性、抗干扰能力做系统化测评，支持跨模型对比，Paimon-0取得0.73平均成功率，排名第一。 同时Paimon-0参加启元机器人主办的IROS Workshop挑战赛，赛道聚焦双臂机器人策略，包含仿真线上评测与真机线下验证，炎曦动力最终以46.599总分夺冠，验证了端到端策略在双臂操作上的能力。 而且反差点还不止于此。 在今天之前，这家公司的成果还没有公开（甚至鲜有与自身相关的消息），它的方案就已经有客户下单了！ 具体来说，是一家客户把机械臂的两个部件送到了他们的实验室，换上了其控制方案之后，一组同机验收记录显示，在1kHz控制节拍下，EtherCAT控制周期的最差到点误差从软件模式的30微秒降到FPGA硬件模式的152纳秒，降至原来的约1/200。 软件模式下，控制时序由CPU软件调度，容易受系统中断和任务切换影响产生抖动；FPGA硬件模式将时间确定性控制下沉到硬件逻辑，误差因此大幅收窄。 就连客户一开始都不太敢相信，但做完反复验证之后，事实就是如此。 那么这匹深圳的黑马，到底是谁？不卖关子，它就是炎曦动力（Primotion）。 成绩虽然值得认可，但问题也随之而来： 一家芯片公司，为什么先交出一份模型答卷？成立才三个月，这些成绩又是怎么拿下来的？ 带着这些问题，我们和炎曦动力的团队做了一番深入的交流。 芯片公司，为什么要先做模型？ 要回答这个问题，得先看看炎曦动力围绕具身芯片，准备搭起一套怎样的解决方案。 炎曦动力具身智能软件平台以开放模型接口连接客户模型、开源模型与Paimon参考模型，覆盖训练适配、部署优化和生产推理全流程。 训练侧通过数据处理管线与模型后训练适配具体任务，部署工具链提供量化与蒸馏、编译与推理优化、真机验证与评测；执行侧由云端元脑负责任务规划与失败恢复，端侧本地脑进行策略推理，具身运行时协调数据同步与动作执行。 运行反馈经自研Progress Model Paimon-Eval评估后进入RSI自我改进流程，推动模型持续迭代，real2sim为这一过程提供仿真辅助。底层由嵌入式软件栈与算控硬件提供支撑，对接机器人的本地控制闭环。 炎曦动力想把这些环节接起来，围绕算控一体SoC和域控制器，形成一套能交到客户手里的软硬件方案。 这套思路在自动驾驶领域已有先例：英伟达围绕车载硬件配套系统软件、中间件与推理工具，支撑上层算法在芯片落地，DRIVE平台即是典型参考。迁移到机器人赛道，同样要先理清算法运行、数据流转、任务协同逻辑，才能指导芯片的设计方向。 但软件栈这么长，为什么偏偏从模型研究起步？ 公司创始人任清源给出的答案是，先从算法和真实的客户需求入手，把数据、模型、Agent和评测的闭环跑通，再用真实任务的计算需求去定义芯片。 Paimon-0就是这条路线的首个公开成果，它属于炎曦动力Paimon具身基座模型系列，也是本次登顶多个榜单的主力模型。 从模型倒推芯片设计，首先要划分算力边界：哪些任务放云端、哪些必须在机器人本地运行，这套分工直接决定端侧芯片的算力负载。 在行业普遍提“端云协同”但又没有明确技术路线的前提下，炎曦动力提出了“本地脑＋元脑”的架构。 联合创始人马智恒认为不能简单将端侧定义为小脑：云端输出规划之后，任务能否落地，核心取决于端侧。机器人执行过程中，需要跟随任务节奏，基于视觉、触觉、力觉反馈持续调整动作，协调感知、计算与控制的时序，这类高频闭环无法依赖云端逐帧响应，必须在本地完成。云端负责复杂任务规划，端侧要承接好每一步执行。 在这套体系里，云端元脑负责开放场景理解、任务规划，沉淀复用任务经验，在任务卡壳、失败时重规划与故障恢复；端侧本地脑负责动作执行，依托多类感知信号实时微调。可以概括为：元脑负责第一次尝试，本地脑负责稳定重复执行上万次。 △注：本地脑通过力反馈闭环，实时修正动作。 视频地址： https://mp.weixin.qq.com/s/cSD3nAlAJj1LPH28Qbcb_A 炎曦动力做沙拉的demo，就是这套分工的样子。元脑做长程规划，决定挑哪几样蔬菜；本地脑负责抓放、挤酱、搅拌和盛出： 视频地址： https://mp.weixin.qq.com/s/cSD3nAlAJj1LPH28Qbcb_A 具身智能的低成本迭代闭环 分工有了，接下来还得解决一个更实际的问题：换一道“菜”，本地脑要花多大代价才能学会？ 教机器人干活，最贵的就是数据。 马智恒算过一笔账。单个任务靠后训练把成功率提上去，很多时候已经能满足客户要求，真正卡脖子的是数采，一个任务动辄要采500到1000条数据，实验室采完还得去客户现场接着采。 所以炎曦动力押的是数据成本会持续往下走，想要一个足够强的冷启动：一两条示教就先把新任务的成功率做到五六成，剩下的再交给rollout和强化学习去拉升。 为此，炎曦动力搭建起了包含数据、模型和自我改进（RSI）的算法闭环。 数据层面，模型预训练大量采用第一视角人类操作视频，主要由合作方EgoScale（深圳市未来眼科技）供给。EgoScale为Paimon-0提供十数万小时第一视角操作数据，采集网络覆盖3国160余城、12800余个真实场景，沉淀400万余个任务、1.2亿余个动作单元与上万“人物-场景”样本。 数据集兼顾场景、技能、难度、操作习惯的多样性；搭配自研AI辅助人工的高精度原子动作标注、头手3D轨迹，支撑模型泛化能力与榜单表现。 同时炎曦动力自建面向具身训练的数据处理管线，把原始视频转化为结构化动作单元，完成手部轨迹向目标灵巧手的映射、数据质量筛选与训练适配。 视频地址： https://mp.weixin.qq.com/s/cSD3nAlAJj1LPH28Qbcb_A 其次在模型层面，Paimon-0以世界动作模型（WAM）为核心。当前 WAM+IDM（逆动力学模型）是效果突出的主流路线：由WAM预测未来状态，IDM基于状态变化输出动作。 不过持续推演完整未来视频，算力开销与延迟偏高，很难满足机器人实时运行要求。Paimon-0借助query token蒸馏出未来状态里的核心表征，包含物体3D位姿、语义、可操作性affordance，再送入端侧模型做动作预测。 该方案将单个动作chunk推理耗时从约3000ms压缩至300ms，降至原先的十分之一；该指标为动作块推理耗时，不等同于底层控制回路周期。 在Paimon-0之后，炎曦动力还在训练一款ego基模，同样基于第一视角人类操作数据预训练，目前已经能驱动灵巧手完成。据介绍，这款ego基模预计将在3个月后正式发布： 视频地址： https://mp.weixin.qq.com/s/cSD3nAlAJj1LPH28Qbcb_A 最后是自我改进模块，这也是联合创始人常新远认定的具身智能落地核心突破口。单纯依靠大量rollout交互试错来训练机器人，很难实现规模化落地。真正的自我改进，要求模型理解完整执行链路：感知当前状态、推理动作带来的因果影响、识别任务所处阶段，而可泛化的自动评估是这一切的基础。如果缺少自动评估能力，奖励信号就只能依赖人工标注，数据成本高的结构性困境难以突破。 围绕这个判断，整套自我改进系统由三个模块协同组成： 第一块是云端大模型，负责拆解任务、校验策略、恢复错误，并低成本地产出成功和失败的 rollout； 第二块是端侧自研的Policy Model（Paimon-0），通过强化学习后训练，提高熟练任务的成功率和吞吐率； 第三块是Progress Model（Paimon-Eval），负责判断任务进展、定位失败环节，为后续训练提供反馈。 该系统依托real2sim方案，在仿真中推演未来轨迹，融合3D位置、本体姿态、动作反馈等信息，再将推演状态叠加到真实场景，帮助模型直观预判动作效果、完成决策。 视频地址： https://mp.weixin.qq.com/s/cSD3nAlAJj1LPH28Qbcb_A 获取低成本、可泛化的奖励信号，是机器人持续自我迭代的关键，Progress Model就是用来把执行结果转化为训练反馈。 炎曦动力训练的Paimon-Eval仅需一条示教数据做上下文学习，即可判别陌生新任务的执行阶段。以叠毛巾任务举例，多条rollout并行运行时，它可以持续识别执行处于寻找目标、抓取、折叠、对齐、确认的哪个环节，并输出任务进度曲线。 视频地址： https://mp.weixin.qq.com/s/cSD3nAlAJj1LPH28Qbcb_A 据常新远介绍，Paimon-Eval计划11–12月开源，提供多尺寸版本。团队将它的训练规模拓展至数万小时，采用task-centric训练范式，使其可以跨操作者、跨机器人本体识别任务进度与执行质量。 对此，任清源补充道，算法最终都要回到部署。数据采回来是否有效、能否自动标注，模型经过量化和蒸馏后保留了多少能力，以及上机后的实际表现，都需要由评估体系持续验证。只有把这些环节串成自动化流程，算法闭环才有可能沉淀成真正可交付的产品。 技术路线讲清楚了，再来看看这支团队是怎么组建起来的。 芯片、AI 与机器人的复合队伍 关于炎曦动力的故事，还要从一个芯片人的“提前量”说起。 这个芯片人，就是炎曦动力的CEO任清源。他是广东省、深圳市两级科技专家，在头部RISC-V芯片企业任副总裁期间，带队实现芯片量产交付，公司营收从千万级跃升到数亿元，累计订单超过10亿元。 任清源此前所在的公司做RISC-V 自研处理器，手握核心微架构，他一直在找新的计算平台。2025年初，机器人进入了他的视野，只不过那时它好像还只能拿来表演；直到年中他发现大家开始陆续落地，签单、交付接踵而来。 在任清源看来，这正是芯片公司入场的窗口： 你不能说风口来了你再干，那个时候客户已经在用别人家的芯片了。 于是，炎曦动力应运而生。而他找来的算法搭档，是一对师兄弟。 马智恒和常新远同出西安交通大学人工智能与机器人研究所，师从龚怡宏教授。龚怡宏是IEEE Fellow，国内最早研究深度学习的学者之一，曾任NEC硅谷研究院院长，那间研究院走出了余凯、林元庆、周曦等一大批AI领军人物。 师兄马智恒是深圳理工大学算力微电子学院特聘副教授、博士生导师，也是一位连续创业者。他曾获世界人工智能大会（WAIC）“云帆奖”，以主要作者身份发表顶会论文50余篇，谷歌学术引用3000余次，并担任过NeurIPS、ICML等会议的领域主席，长期从事计算机视觉与具身智能的研究。 也正是这样一位学者，对任清源的评价是“芯片很懂，算法也能快速理解”。 师弟常新远则从大厂出来，此前是高德视觉技术中心具身智能方向的技术负责人，主导了ABot-M、ABot-PhysWorld、ABot-Claw等通用具身项目，谷歌学术引用2000余次。他离开大厂的原因很实在：具身需要算法、数据、真机乃至芯片整条链路一起迭代，模型的研发必须贴着端侧芯片走。 算法和芯片之间，还需要有人把控制这一环接上，这就是联合创始人张冬军。他负责域设计、实时通信和时间确定性方案，在固高科技、大疆主导过运动控制器与无人机系统的研发落地，是机器人界泰斗李泽湘教授最早的一批博士生，早在2005年就开始研究灵巧手。 四人各管一摊，任清源则在炎曦动力统管战略，也盯着算控一体SoC、域控制器和配套软件栈。 短短两个月，炎曦动力就扩到了50人左右。除了站到台前的算法团队，水面下还隐藏着一支由芯片老兵组成的硬件与系统团队，他们是国内少有的连续两次从0到1把大芯片做到千万级乃至上亿颗量产的队伍。三拨人靠一套共同的工程文化拧在一起，从任务类型反推SoC架构和微架构。 顺便一提，Paimon这个名字是算法团队的年轻人起的，取自《原神》游戏里的角色。马智恒笑着说，业内给模型起名希腊字母都快用光了，不如起个有意思又顺口的代号。 AI很重要，但不是全部 还记得开头那个降到原来约1/200的控制时序误差吗？其实很多时候，机器人的毛病根本不出在模型上。 任清源分享了一组实验：在英伟达芯片上，采用行业通用的摄像头接入方案，从相机感光采集到模型读取图像，中间经过图像预处理、内存搬运与同步等待，整条链路耗时几乎和单次模型推理相当。对于高频闭环机器人而言，即便模型推理速度很快，数据供给不及时，动作依旧会滞后。 这也是机器人与自动驾驶计算架构的关键区别：自动驾驶能够容忍一定延迟，而机器人存在接触式操作，控制频率要求更高，延迟、抖动会直接引发轨迹偏移、抓取不稳、力控失效。 炎曦动力的方案是在现有主控外设搭载FPGA，将模型推理前后的预处理、后处理任务卸载其上；这部分RTL后续计划大部分集成到自研芯片中，控制时序误差的优化正是硬件链路调优的典型案例。正如任清源所说： 所有的工程问题，其实都是在现有technology的制约下做cheating。 但硬件只是一部分，任清源常提：芯片公司到最后本质都是软件公司。PC产业链中，固件、系统集成有专门厂商承接，而机器人赛道缺少这类配套角色，相关工作只能由芯片方补齐。国产芯片落地难，很多瓶颈卡在软件栈。炎曦动力希望打造完整的端到端方案，对标英伟达面向机器人的思路。 至于商业模式，任清源也给出了他的方案： 客户什么都没有，就买一个软硬一体的盒子，“用根网线接上去就可以直接用”；只要芯片，也卖。毛利来自芯片，软件更多是生态问题，所以能开源的尽量开源。 同时，为了把ROI打正，炎曦动力的目标是将数采和后训练成本压到机器人本体的十分之一以内，甚至让产线工人自己就能采数据、训模型直到机器人上线工作。 想清楚了要做什么，炎曦动力也给自己划好了边界—— 炎曦动力不做本体，不和模型公司、本体公司争利润，也不做“一芯多用”。 面对未来的行业演进，任清源非常坦率地表示未来两年一定会面临变化，关键在于有没有一套理性的判断框架。在任清源看来，模型的瓶颈与芯片的瓶颈互为因果，有些快速动作感知链路跟不上，算法再好也使不上劲。 炎曦动力想做的，就是先把端到端的延迟和计算链路做好，打破先有鸡还是先有蛋的死循环。按照计划，他们的自研芯片将在2028年开始交付。 这份“先在底层推一把”的心思，其实早就写进了公司的名字里。炎曦动力的英文名Primotion，取自亚里士多德“第一推动者”的概念，他们想成为物理AI世界里的那个“运动原点”。 而具身智能的终局，终究是能在真实世界中稳定行动的智能系统，模型再大，也只是其中一环。 这条路，炎曦动力才刚刚起步。 （PS：炎曦动力正在招募具身算法、机器人系统、推理量化、芯片设计等方向的人才，欢迎发送简历或合作意向至hr@primotion.ai。）

科技股为何大跌 为什么在短期产业基本面没有发生大幅恶化的情况下，科技股价却跌得那么猛？ 2026年10月13日，当日股市收盘行情。图：视觉中国 　　从产业层面看，包括数据中心建设、芯片产能扩张、电网配套等，都是以年为单位推进，是一个慢变量。而金融市场则瞬息万变，风险偏好、资金成本、赎回压力、杠杆水平、财报季预期差，都可以在短短数周或者数日之间完成重新定价，是一个快变量。更重要的是，在当前世界格局下，地缘政治冲突频发，会影响全球通胀预期和利率水平，并传导至风险偏好和资金成本，导致资产价格大幅波动。产业慢变量与金融快变量的偏差会更大。 　　对于市场参与者而言，交易的不是“当前产业进度”，而是对“预期现金流”的定价。而预期现金流由很多因素构成，增长空间、竞争格局、资金成本、政策环境等等。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

支付宝AI支付发起年度黑客松大赛，邀开发者把AI创意变成生意 10月24日，支付宝AI支付联合观猹发起“PAYATHON 2026”年度黑客松 从 Vibe Coding 到 Skill、Agent，AI 正打开新一轮创业窗口：一个人也能打造应用，一项技能也能成为产品。随着创作与开发门槛降低，新的机会正在浮现——让自己做出的 AI 产品，成为用户愿意付费的生意。 面向这股浪潮，10月24日，支付宝AI支付联合观猹发起“PAYATHON 2026”年度黑客松，邀请开发者带着应用、Skill 或 Agent 参赛：接入支付，把创意推向真实市场，争夺 20 万元总奖池。报名截至12月1日，线下决赛将于12月26日举行。 这场黑客松不只比创意与技术，更看产品在真实交易中的价值。这也是支付宝AI支付“开发者为先”产品战略的重要举措：通过持续降低AI产品的商业化门槛，让开发者更少为收款、交付与定价发愁，让好项目更快变成好生意。 五大赛道，把作品推向市场 一个独立应用、一项 Agent 技能，都可以成为参赛的起点。本次大赛面向个人开发者与团队，设置五大赛道：应用、技能两大主赛道，以 Vibe Pay、Skill Pay 为核心；围绕Token Pay、Machine Pay 与 Agent Pay，重点探索按量付费、连续订阅以及机器与智能体之间的交易场景。 大赛不仅考核产品功能的完整度与技术实现，更将“商业化表现”与“真实用户付费”列为关键评选指标，让参赛者在实战中检验：产品是否好用，用户是否愿意买单。 从“做出来”到“卖出去”，开发者需要的不只是代码生成工具，更需要一套能够串联定价策略、支付履约与账务结算的完整支持。这场黑客松希望把技术创作与商业实践连接起来，让开发者带着真实的接入和经营问题参赛，为产品找到持续发展的可能。 第一批订单，正在发生 AI产品到底能不能卖得出去？在支付宝AI支付的生态中，一批先行开发者已经给出了答案： 自媒体博主蜗牛和团队把选题、脚本、封面制作等工作流做成「博主农场」，吸引了 1000 多名注册用户、300 多位博主使用，却迟迟没有付费用户。 为了让产品具备收付款能力，团队尝试多种方式，折腾了159天。直到发现支付宝AI付联合观猹推出的“爱猹收”，团队迎来转折点：拿到“写给AI看”的指南，交由 Codex 编写代码，73 分钟完成接入并上线，很快收到 10 笔订单，积分自动到账，无需人工处理。 零付费背后，还有一道繁琐的付款门槛。跨过这道门槛，蜗牛也看到了把工作经验做成产品的另一种可能，他说：“博主有生命周期，可能三五年就不火了。但产品在我睡觉的时候，也能有收入。” 类似的尝试也发生在其他产品中。图文生成工具「红墨 Redink」获得 9 笔订单，交易金额突破 1282 元；开发者苍何围绕 CodexGuide、GPT-Image2 等产品探索收费机制，累计获得 500 多笔真实订单。 这些尝试让新一轮创业机会变得具体，这也是本次黑客松发出的邀请：带上正在开发的项目，验证需求、尝试收费，争取自己的第一笔订单。在这股 AI 创业浪潮中，让自己的创意迈出生意的第一步。 本文由蚂蚁提供，量子位获授权转载，观点归原作者所有。

人物｜被马斯克针对性猛攻的美国民主党新星塔拉里科能否翻转得州？ 科技富豪马斯克已经为这场得州参议员的选战，大手笔投入了1.9亿美元政治捐款，意图阻击这位民主党新星的崛起 当地时间2026年10月23日，美国得克萨斯州坦普尔，美国中期选举在即，民主党参议员候选人詹姆斯·塔拉里科举行竞选集会。图：IC photo 　　【财新网】“我厌倦了我们被撕裂，因为真相是——我们都属于同一个战队。” 　　在2026年美国中期选举倒计时三星期的时候，竞逐得克萨斯州联邦参议员席位的民主党候选人塔拉里科（James Talarico）在CNN的一场选民互动活动上如此说道。 　　塔拉里科年仅37岁，目前是得州州议会的一名州众议员，现在仍在神学院求学，从前他担任过中学英语教师。 　　在不少选民眼中，塔拉里科说话时似乎自带布道者的光环，但他也持进步派立场。

卢拉意外逆转胜选将连任巴西总统 拉美地区“右转”潮流遇阻 分析认为，尽管卢拉和博索纳罗都引发大量选民反感，但卢拉还是成功地让自己在那些并不喜欢他的人眼中，成为“两害相权取其轻”的选择 当地时间2026年10月25日，巴西圣保罗，巴西总统卢拉向支持者发表讲话。图：IC photo 　　【财新网】当地时间10月25日，在拉美第一大经济体巴西的总统选举第二轮投票中，现年80岁的现任温和左翼总统卢拉在第一轮投票中失利后实现戏剧性反击，击败受美国总统特朗普支持的极右翼政党自由党候选人弗拉维奥·博索纳罗，赢得第四届任期，并遏制了近年来席卷拉美的右翼浪潮抵达这个南美大国。 　　将于10月27日年满81岁的卢拉在巴西南部城市圣保罗发表了胜选演讲。“我马上就81岁了……我将开启一届前所未有的总统任期。”他说。 　　“我们将改变这个国家的治理方式。”卢拉补充说，“我要感谢上帝，也要感谢你们，巴西的人民……是民主促成了这一切。”

10亿Tokens免费送！实测全国产算力模型Spark-X2.6，纯代码搓出3D故宫 从训练、推理到端侧部署，讯飞坚持全栈自主可控 一水 发自 凹非寺量子位 | 公众号QbitAI 去讯飞一年一度的全球1024开发者节走了一圈，感受就一个： 热闹，真热闹啊。 看图就知道，想在人群里往前挪两步有多难了—— 展台前的人一拨接一拨，有人上手体验，有人围在一起聊技术、问细节，现场展示的AI成果和沉浸式互动一个接一个，硬核科技含量一整个拉满。 不过，比热闹更值得看的，还是这些AI产品到底能做什么。 教育、医疗、金融、翻译……讯飞这次把一批行业AI产品搬到了展台上，国产大模型怎么进入具体场景、怎么适配不同行业、又怎么真正用起来，在这里都能看到具体展示。 其中，今年9月发布的Spark-X2.5系列开源模型，全渠道累计下载量突破了256万（进入全球端侧模型下载量前四），4B版本还冲上过Hugging Face近7天Trending榜第一。 「256万下载量、榜单第一」，成绩确实亮眼，但我这次真正盯上的，是另一件事： 讯飞走的，还是一条和大多数玩家不太一样的路。 全栈自主可控。 从模型训练到推理，再到端侧部署，讯飞一直在用国产算力撑起整套大模型体系。 这条路有多难，懂的都懂。。。 所以问题来了： 不靠英伟达GPU，这套全国产体系究竟把中国模型带到哪一步了？ 正好，讯飞最新也掏出了Spark-X2.6。 那还等啥，直接上强度！（桀桀桀.jpg） 全国产，不止把模型训出来 正式实测前，有件事得先掰扯清楚： 虽然都在讲「国产大模型」，但这里面的国产算力路线，其实还不太一样。 有几个概念经常混淆在一起，这次我干脆梳理了下： △图片由AI生成 显然，讯飞选的是最后那条更难的路： 从模型训练、强化学习、持续迭代到推理部署，整条链路都落在国产算力平台上。 核心链路的英伟达含量为0，怎么说呢？听着确实爽。 但真往下扒，就知道这事有多难。 过去几年，行业讨论全国产大模型，最先被追问的通常是： 国产卡，到底能不能把模型训出来？ 这确实是最直观的一关，可真到了大规模训练，难题才开始涌现。 英伟达的优势不仅在GPU，还有围绕CUDA积累多年的软件生态，换成国产芯片后，从算子、框架到多卡通信都要重新适配。 规模一旦上到千卡、万卡，训练效率和集群稳定性又成了新的考验。 很多工作藏在模型背后，普通用户看不到，却最耗时间和研发资源。 △图片由AI生成 我又顺着讯飞这几年的时间线翻了翻，发现它对全国产的理解，确实比「用国产卡训个模型」多走了几步。 这可能跟讯飞长期扎在行业场景里有关。 模型一旦进入医院、学校和企业系统的各种硬件设备，算力供应、数据安全和部署成本就成了绕不开的问题，也推着它更早走上了全链路国产化的路线。 2023年，讯飞联合华为推出「飞星一号」，先把大规模国产算力底座搭了起来。 后面又有国产算力上的千亿参数模型Spark-V3.5、深度推理模型Spark-X1。 到了今年，Spark-X2.5开源了4B和1.7B端侧模型，开始往更多终端设备里钻。 一路啃到Spark-X2.6，问题已经从训练走到了部署： 模型究竟该在哪里运行？ 最近我正好看了Every那篇《How Codex Happened》，发现OpenAI也在这个问题上交过学费。 OpenAI最初把Codex全放在云端，却因为环境配置麻烦、任务难以随时干预而碰壁，后来才转向本地，并逐渐把两边打通。 为什么最后还是两边都要？看完这张表就明白了： △图片由AI生成 云端胜在能力，端侧胜在离线响应、成本和隐私，放进真实业务里，很难只押一边。 更实际的方案，是把选择权交给企业： 什么任务留在本地，什么任务交给云端，哪些数据可以上传，一次调用又愿意花多少Token。 Spark-X2.6做的，正是让端侧和云端按需分工： 任务先由端侧模型判断，再选择合适的执行路径，形成三种协同模式。 简单任务直接在本地完成，这是「纯端侧执行」。 需要云端能力的任务，先在端侧脱敏，再交给云端处理，这是「纯云侧执行」。 需要两端配合的任务，则在端侧脱敏后进入「云+端执行」——既可以由云端提供指导、端侧完成操作，也可以让端侧和云端分工协作，共同完成任务。 思路听起来挺顺，就是不知道能不能真省Token、护住隐私？ 那就，开测。 实测Spark-X2.6 Spark-X2.6现已上架讯飞星辰MaaS平台，采用MoE架构，总参数量293B，每次推理激活约30B，支持1M上下文。 当前API价格打六折，每百万输入tokens 0.9元，每百万输出tokens 3.6元（比大肥鱼谷价便宜约10%）。 和9月份发布的X2.5相比，这一代主要往前推了三步： 干活能力更强：X2.6的代码和智能体能力整体分别提升约8个点，模型整体实力位列业界第一梯队； 国产算力跑得更顺：通过训练和推理架构优化，模型在国产训练平台上的效率提升4倍，四层KV Cache的命中率达到95%； 用起来更省：在高频应用场景中，约60%的任务实现了Token消耗下降。 归纳起来，这些升级指向的还是那个熟悉的主题： 干活儿。 既然测的是干活能力，只在聊天框里问几道题，显然不太够。 所以这次，我把Spark-X2.6的API接进DeepSeek Harness，让它直接读写文件、运行代码，并根据运行结果排查报错。 别的先不说，先看看它和当前最顶尖那批模型还有多大差距。 最近硅谷头部模型发布时，视觉Coding几乎成了固定节目，骑自行车的鹈鹕、3D交互场景都被反复拉出来展示。 虽然这类任务代替不了Benchmark，但胜在结果足够直观，所以第一关，我也给Spark-X2.6安排了「顶流同款」。 「顶流同款」测测模型本身有多强 先来一只骑自行车的鹈鹕。 Prompt用的是硅谷测试里常见的极简写法，没有规定画风、构图和实现方式，只给模型一句话： Create an SVG of a pelican riding a bicycle. Save it as pelican.svg in the current directory and preview the result. Do not use external image assets.（创建一个骑着自行车的鹈鹕的SVG，将其保存到当前目录下的pelican.svg文件中，并预览结果，不要使用外部图片资源。） 要求越少，模型自己的代码基本功和审美反而越藏不住。 下图是模型一次直出的结果，第一眼看过去完成度确实不低： 自行车结构完整，近景和远景也都补上了。 趁着手热，我又加了一道题：3×3魔方模拟器。 这回不只要把魔方用纯CSS 3D画出来，六个面还得真能转，打乱、重置也都安排上。 最后做出来的版本也挺省心，不用装依赖，一个文件打开就能跑，拖着鼠标能换视角，想怎么拧就怎么拧。 魔方都能拧了，那不得来一个大BOSS级别的终极考验： 用代码搭一座可以自由探索的3D故宫。 我扔过去一段AI生成的提示词，然后趁着Spark-X2.6在后台跑，去吃了个饭。 没想到再回来时，它已经交付了一套由index.html、style.css和main.js组成的完整网页。 打开本地服务，红墙金瓦沿着中轴线铺开，鼠标可以自由旋转、缩放和移动视角。 说实话，比我预想的完整不少。 小试牛刀下来，Spark-X2.6虽然不能一次猜中所有细节，但对反馈的响应很快。 这点对Coding Agent其实挺重要。 玩过Vibe Coding的朋友应该都有体会，即使用上「OA」两家的旗舰模型，一次生成就完全符合预期，也不太现实。 所以对我来说，真正影响体验的，是模型能不能听得懂人话，改得快、改得准。 当然，画图和搭网页还只是热身，接下来得给它安排点真正的班上了。 把4B模型装进电脑，先让它独立上班 这回的主角换成了刚刚开源的Spark-X2.6-4B。 别看参数量只有4B，它却支持最高1M上下文和200多种语言，也适配了Ollama、LM Studio等本地运行工具，以及llama.cpp、vLLM等主流推理框架。 为了尽量榨出4B模型的能力，讯飞在后训练阶段加入了能力感知机制，让模型判断自己的薄弱项，再向不同教师模型针对性学习。 据讯飞内部评测，同尺寸端侧模型能够独立完成的Agent任务比例约为12.8%，而Spark-X2.6-4B将这个数字提高到了41.9%。 不管了，是骡子是马总得拉出来遛遛。 由于我的电脑只有AMD核显、没有独立显卡，模型全程依靠CPU推理，所以我通过Ollama部署了Spark-X2.6-4B的Q4量化版本，并从终端调用本地API。 模型成功运行后，我直接断开网络，确保材料读取、分析和结果输出全部留在这台电脑里。 我给它安排的任务，是替一家虚构的机器人公司，完成周度经营复盘。 销售周报、客户邮件、生产排期和供应链记录散落在不同文件里，部分信息还互相矛盾，它需要跨文件核对数据，找出营收变化、客户冲突和交付风险，最后列出等待管理层拍板的事项。 最终，模型用时6.8分钟，交出了一份完整的经营复盘报告。 它分清了2550万元销售口径营收与2370万元财务确认收入，也找出了两笔重点商机和三类供应链缺口，主要结论均注明了信息来源。 综合数字准确性、跨文件关联、风险识别、来源追踪和报告完整度五个维度，这轮任务的完成度大约在九成。 要挑毛病的话，它把一笔在手订单归入了潜在商机，分类还不够严谨，不过相关事实和金额均无误，经过简单人工复核，已经可以作为管理层讨论的参考材料。 对一款完全离线、全程依靠CPU运行的4B模型来说，这份答卷已经能打。 涉及敏感信息的复杂任务，再让云端接力 不过，端侧模型的能力终究有边界，遇到更复杂的任务，云端依然得上场。 那什么任务留在本地，什么任务值得上云呢？ 为此，讯飞引入了一套基于评语模型的端云路由协同训练机制。 简单来说，就是让同一个任务分别在端侧和云端多跑几次，再由评语模型比较结果、给出反馈，并通过交替训练不断优化路由判断，让系统更清楚一个任务到底该交给端侧、云端，还是两边一起完成。 据讯飞内部评测，这套机制将端云任务路由准确率从81.2%提升到了96.1%。 都96.1%了，所以这轮实测，我决定给它安排一份更敏感、关联关系也更复杂的材料： 审查一份工业视觉检测设备采购合同。 合同依然是虚构的，但公司名称、联系人、电话号码、银行账户和合同金额一个不少，付款、验收、数据上传、知识产权和违约责任之间还藏着多处关联风险。 我先让本地4B模型负责脱敏。 用时4.3分钟，合同中的26项敏感信息全部被替换成占位符，检查结果显示没有原始信息残留。 确认处理干净后，我才重新联网，把脱敏合同交给云端X2.6。 70.8秒后，消耗7368个Tokens，它交出了一份完整的审查报告，找出了18项风险和8组条款冲突。 像是验收标准前后打架、允许数据直接上传云端却要求供应商承担无限责任，这些藏在不同条款里的问题，也被它顺藤摸瓜揪了出来。 随后，我再次断网，在本地恢复合同信息，并生成附带逐条修改建议的Word文件。 为了避免自己给自己判卷，我又把全套材料扔给Codex复核了一遍。 结果显示，云端收到的合同没有原始敏感信息，本地还原后也没有留下任何占位符，合同正文和表格同样完整保留。 到这里，整个流程才算真正跑通： 敏感信息留在本地，复杂分析交给云端，处理完再回到本地还原。 需要说明的是，这次我只做了最小可行性验证。 为了看清每一步的数据流向，我保留了人工分配环节，完整方案则支持自动路由。 真正进入企业环境后，系统可以根据任务难度和安全要求自动分配端云任务，让这套技术方案成为一条可以持续运转的业务流程。 训出来之后，真正的考验才刚开始 一圈测下来，Spark-X2.6给我留下最深印象的，是它给企业留出了选择空间。 大模型刚火那阵，企业用AI基本就是接个云端API，简单直接。 可AI真正进入业务，事情很快就复杂起来了。 合同和客户资料不方便上传，高频调用又会持续产生Token成本，全部放在端侧，复杂任务的能力又可能跟不上。 端云协同的价值，就在于让企业根据自己的业务，自由调整部署方式。 Stanford《2026 AI Index》显示，全球已有88%的受访企业使用AI，但Agent在几乎所有业务职能中的规模化部署率仍然只有个位数。 这说明，AI已经进入企业，核心业务却还没有真正交给Agent。 想让Agent继续往核心业务里走，除了模型能力，部署方式也得跟着场景变化。 医院、学校和办公室面对的限制各不相同，端侧和云端怎么分，自然也不会只有一种答案。 讯飞有意思的地方在于，这道题它已经琢磨了好几年。 一开始，讯飞就花了大把时间死磕国产算力底座。 要知道，光是让模型在国产算力上「跑起来」，解决一连串的推理适配难题，就已经够脱层皮了。 但更狠的是，讯飞不仅跑通了，还在这套底座上走完了大模型的完整训练流程，直接训出了实力对标国际一流的大模型。 从「跑起来」到「训出来」，听着只差几个字，背后的工程难度完全不在一个量级。 放眼望去，愿意为这条全链路长期填坑的公司，真没几个。 而讯飞这些年踩过的坑、积累的经验，如今全成了做端侧模型和端云协同最硬的底牌。 当然，走得早只是开头，真正决定这条路线能走多远的，还得看规模化落地的表现。 类似的长期考验，在中国科技产业里并不少见。 北斗从1994年立项，到2020年完成全球组网，走了26年。 C919从2007年立项，到2023年商业首航，也花了16年。 从技术突破到真正投入使用，中间还有很长一段路要走。 中国模型的国产化道路，同样绕不开这一关。 新模型和榜单成绩更容易被看见，而系统适配、项目交付和长期运行这些事，平时却很少进入讨论。 模型能力可以靠一次次迭代追赶，但这类不太显眼的积累却很难一夜补齐。 讯飞早走几年的优势，已经开始显现。 P.S. 现在可以去星辰MaaS平台免费领Spark-X2.6 10亿Tokens额度~ 传送门： https://maas.xfyun.cn/modelService https://huggingface.co/collections/XHToken/spark-x26 https://github.com/XHToken/Spark-X2.6 https://www.modelscope.cn/collections/XHToken/Spark-X26

无问芯穹与三体宇宙联合发布智子Agent 1.0 打造以多智能体协同为核心的角色Agent 过去一年，各类在线平台接连推出角色Agent互动产品，影视剧角色对话、虚拟艺人、互动剧智能体密集落地。但在实际应用中，普遍存在角色还原感不强、人设走样，多轮交流后回答容易偏离设定，以及多用户、高并发下体验卡顿等问题。如何以可靠的基础设施支撑，既确保角色Agent的交互顺畅，还能保持人设不走样？ 10月25日，2026三体日·脱水浸泡嘉年华在北京举行。活动期间，无问芯穹与三体宇宙正式宣布达成战略合作，无问芯穹联合创始人兼CEO夏立雪、三体宇宙CEO赵骥龙共同发布双方首个合作成果——具有智子人格特征的AI对话Agent“智子Agent 1.0”。 作为三体宇宙的AI基础设施合作伙伴，无问芯穹以Agentic Infra产品与服务体系为三体宇宙提供智能体开发、知识与记忆管理、推理服务等全链路工程能力支撑，支持其打造高完成度的角色扮演类Agent。 首个合作成果落地，打造以多智能体协同为核心的角色Agent 在《三体》的叙事中，智子是连接三体文明与人类世界的重要角色，637号小宇宙中的管理员智子是“智子的复制体”，她承担着小宇宙的实际管理职责。智子Agent 1.0选择以637号小宇宙中的管理员为角色锚点，这一身份既为智能体提供了鲜明的角色基础，也对其表达方式与回答边界提出明确要求。 产品以角色一致性和交互连续性为核心设计重点，将角色表达风格、世界观知识体系与对话记忆能力深度结合。用户可以体验与智子的多轮交流，并在交流中感知智子的语言特征与角色气质，同时对话记忆可跨会话延续，实现连贯的长期互动。未来，随着知识组织、记忆管理、多智能体协同与多模态交互能力持续沉淀，智子Agent将从管理员身份出发不断生长，逐步丰富IP人格，向更完整的“智子”完全体演进。 在此次合作中，三体宇宙负责世界观设定、角色边界与人格特征还原；无问芯穹作为AI基础设施合作伙伴，以Agentic Infra产品与服务体系支撑，为三体宇宙提供包括智能体开发、知识与记忆管理、推理服务等全链路工程能力。面向IP角色交互场景，无问芯穹以多智能体协同为核心，为三体宇宙构建角色Agent与底层服务基础设施提供支撑，支持其将角色扮演的生成表现力与世界观知识的精确性纳入统一的系统设计，并通过协同机制帮助三体宇宙平衡人格表达、叙事一致性与知识约束。 无问芯穹以Agentic Infra服务三体宇宙，支撑破解角色Agent三大工程痛点 智子Agent 1.0的落地，核心依托无问芯穹Agentic Infra的全链路技术能力，针对IP角色Agent的行业共性痛点，为三体宇宙提供从开发平台、运行机制到底层架构的系统化能力支撑。 AgentWorks平台：支持三体宇宙把“角色还原”从提示词工程变成可配置的系统工程 角色Agent的构建，依赖于高质量的世界观文本资源。依靠传统的提示词工程，很难保证知识调用的准确性和角色人格的还原度。 基于无问芯穹AgentWorks智能体开发服务平台，三体宇宙可以从知识管理、角色表达与交互记忆三个层面着手，将《三体》世界观从文本资料转化为Agent运行时可调用、可追溯、可复用的配置资源，使智子Agent 1.0在保持人格真实性的同时严格约束知识边界。 在知识管理层面，平台“Collection-知识库组”两层架构支持三体宇宙完成多格式世界观资料入库，自动完成解析、分块、embedding等预处理；通过知识库组统一配置检索参数，支持三体宇宙集中维护世界观资料并在多智能体间复用。 在角色表达层面，通过结构化、多层提示词管理角色性格、语气与动作规范，支持按对话场景动态调整，保障不同情境下的人设统一。 在交互记忆层面，依托平台自研记忆能力Infini Memory，帮助三体宇宙解决传统记忆系统碎片化、事实冲突、知识更新困难等问题，实现跨会话的记忆延续与精准调用。 多Agent协同机制：助力三体宇宙把“人设不崩”拆成可检验的质量指标 IP角色扮演的行业通病，在于“知识密度”与“人设张力”难以兼顾：直接将大量检索设定塞入提示词，极易导致模型退化为生硬的“设定说明书”，失去角色感染力；过度放开生成自由度，又容易出现人设偏离、世界观“穿帮”等问题。 对此，无问芯穹在运行链路中实现了角色表达、知识检索与内容校验的管线隔离，通过多智能体协同形成“生成—判别—定向修正”的完整闭环。 单次对话中，人格化风格生成与世界观知识检索并行推进，避免检索文本直接污染角色的语气神态；初稿生成后，由独立审校模块专项排查人设OOC、世界观设定越界两类问题，未通过校验的内容将附带具体冲突诊断回流重修。 同时，无问芯穹还建立了“模型自动校验、人工把关”的正反例评测体系：通过Trace链路追溯推理与工具调用的因果关系，从源头排查内容幻觉；自动化模块逐句比对生成结果与设定信源，定位事实偏差。确定性的“穿帮与违和”问题由系统自动拦截批改，高维度的角色“戏感与神韵”则由三体宇宙内容团队把关，兼顾落地效率与角色质感。 PDD跨集群异构推理：为三体宇宙保障低延迟、低成本的角色体验 相较于普通对话Agent，角色Agent普遍存在对话轮次更多、上下文更长、人格一致性维持成本更高的特点，多轮交流也会积累较长的上下文，知识检索、记忆调用和内容校验也会增加链路复杂度，加之多用户互动带来的高并发需求，对底层推理能力提出了更高要求。 无问芯穹采用自研PDD跨集群异构推理架构，将传统“P-D”链路解构为“P-RLD-MD”三级分离式推理架构，利用 Agent业务前缀缓存命中率极高的特性，在Decode端部署RadixCache前缀缓存，将KV Cache跨集群传输的数据量降低一个数量级，在以太网环境下绕开了KV Cache传输的带宽与延迟瓶颈。实测数据显示，该架构可使首Token延迟降低51.5%，单Token成本降低37.5%，为三体宇宙在长上下文和并发交互场景中保障智子Agent体验提供技术支撑。 沉淀可复用能力，服务三体宇宙探索IP角色Agent产业化路径 长期以来，IP角色智能体领域普遍存在结构性矛盾，技术团队深陷底层工程细节，内容团队难以深度参与产品打磨。智子Agent 1.0验证的不只是单个角色的技术可行性，更是一条IP角色智能体从项目制走向资产化的工程路径。 基于无问芯穹AgentWorks平台，三体宇宙可以将智能体全生命周期的工程复杂度封装在平台内部，更专注于世界观设计与体验打磨，无需重复投入底层工程建设。同时，平台内置了完整的可复用能力，支持智能体模板、知识资源与能力配置的复用，可按应用需求独立管理记忆资源；服务接入层面支持API对接业务系统，后续新角色、新场景的拓展均可复用已有工程能力，帮助三体宇宙降低边际落地成本。 此次智子Agent 1.0的发布，既是三体宇宙将角色塑造与跨媒介内容开发能力延伸至AI交互领域的一次探索，也是无问芯穹以Agentic Infra产品与服务体系为三体宇宙提供支撑，推动智能体技术与工程服务在科幻IP场景中落地的一次实践。从概念规划到生产级产品落地，既验证了无问芯穹Agentic Infra服务三体宇宙IP角色场景的交付能力，也为科幻IP从内容资产延伸为可交互数字资产提供了可复用范式。 未来，双方还将进一步探索角色长期记忆与关系演进、多角色共享世界观协同叙事、多模态跨媒介交互等方向。无问芯穹也将持续沉淀支持多IP、多角色、多终端运营的共性基础设施能力，为包括三体宇宙在内的IP方提供可复用的底层支撑，推动科幻IP AI Agent从个案走向产业化发展。 本文由无问芯穹提供，量子位获授权转载，观点归原作者所有。

被OpenAIGemini共同选择的实时语音交互，凭什么是这家中国公司？ 一场对话式AI的风向标大会 不是我说，AI现在确实代码写得快，研究做得飞起； 可一到语音聊天，我就想问一句： 它到底急什么？！！ 你话还没说完，它抢着就开口了；你情绪上来了，它还在一板一眼念答案；你想打断换个话题，它偏要把最后一句念完…… 这哪是聊天啊，这不纯纯较劲嘛。 △图片AI生成 说白了，AI“会说”这关早过了，但“会聊”，还差着一大截。 要说会聊，TA得能听懂情绪和言外之意吧，得跟上你说话的节奏吧，得在你打断时及时把话口让给你吧。 这些体验上的小别扭，看着不起眼，背后却牵着语音识别、模型理解、实时传输、终端响应一整条链路。 哪一环慢了，聊天的体感就容易崩。 也正因如此，实时交互成了模型、应用和硬件团队一块儿攻关的方向。 刚刚落幕的iRTE2026实时智能大会，把这些团队全凑到了一块儿： 研究下一代交互模型的、做客服Agent的、造智能硬件的，都在聊同一件事—— 怎么让AI跟上真实交流。 一场对话式AI的风向标大会 站在行业观察者的视角可以清晰看到，当下对话AI的核心演进主线，已经从单纯的“生成一句话式回答”，转向深度“持续参与真实交流”。 OpenAI的GPT-Realtime把实时推理和工具调用带进语音模型，让AI在听懂需求之后，进一步判断怎么回应、调用什么工具。 Google的Gemini Live让对话与深度思考并行，后台处理复杂任务时，用户仍能继续交流；GPT-Live配合Decisions，则让Agent根据增量转写，在用户说话过程中就触发操作。 从全双工的边听边说，到结合声音、画面的全模态判断，AI正逐渐走出一问一答的回合制。 头部厂商持续推进实时交互，iRTE也成了观察这些技术如何走向产业的窗口。 早在2020年，这场行业大会便由RTC升级为RTE，议题从实时音视频通信，拓展到更丰富的实时互动体验； 到了今年，又在RTE上加了“i”（代表着Intelligent，实时智能），正式升级为iRTE，进一步聚焦实时互动与生成式AI的融合。 名字只多一个字母，要接住的工作可多了不少。 从专场议题不难看出这届iRTE大会的核心风向，十余场论坛、100余场深度分享，共同叩问对话式AI落地要跨过的三道现实命题。 第一道命题是模型能力与业务结果的对齐。 美团、阿里、MiniMax、声网在企业级客服智能体专场同台探讨，大模型对话表现再优异，如果不能适配真实业务流程，依然无法产生商业价值。 行业亟需弥合模型路线、工程实现与业务目标之间的鸿沟。 第二道命题：流畅对话背后，是一整套不可缺位的底层技术底座。 想要实现自然的实时对话，不能只依靠大模型本身。来自阶跃星辰、香港中文大学（深圳）、清华大学语音与音频技术实验室、Qwen Audio、蚂蚁百灵、小米、Soul等企业及高校/机构的技术专家在对话式AI、音频AI技术专场，围绕交互模型、目标人声提取、多说话人识别、实时语音生成等方向展开研讨。 产业形成共识，上述基础技术任何一块短板，都会直接破坏对话体验。 第三道命题，则是技术从实验室走向终端硬件之后的现实考验。 当AI能力下沉到硬件设备，技术方案必须直面复杂真实物理环境。 瑞芯微、宇视科技、PETKIT小佩在智能硬件与具身智能专场提出，仅仅把大模型接入硬件远远不够，端侧算力约束、现实环境感知，最终都要回归产品价值本身来考量。 搭载AI之后，设备必须长出真正让用户愿意持续使用的差异化能力。 主论坛圆桌进一步把讨论推向落地层面。 斜跃智能创始人陈伟认为，具身智能的关键是让人的意图真正转化为机器人的行动。 机器人不仅要理解语音指令，还需要融合视觉、语音及自身状态等多模态信息，完成对物理环境的感知、规划与决策，并根据行动后的环境变化持续调整任务执行。 Rokid乐奇联合创始人蔡国祥提出，对话的自然度，是决定AI穿戴设备用户体验的核心； 冠客科技创始人耿祥磊则指出，语音座席的延迟、打断交互的时机把控，会直接左右业务成效。无论是智能硬件，还是企业客服场景，所有考验最终都收敛到用户开口之后短短数秒的交互窗口之中。 模型负责理解与推理，实时网络、音视频处理、交互编排同样需要协同跟上。 英伟达首席架构师、2025技术与工程艾美奖得主Andrey Norkin带来AV2新一代视频编码分享，补齐媒体交付这关键一环，探索在更高压缩效率之上保障优质视频交互体验的路径。 从模型能力到业务闭环，从终端硬件到媒体传输，iRTE呈现的行业动向逐渐清晰： 对话式AI的竞争，已经延伸至完整真实交互全链路。 而支撑这条链路、决定交互体验下限、对实时性要求最高的底层底座，正是声网深耕的领域。 声网要做的，是打造生成式AI时代的实时基础设施 沿着这条链路看，声网要承担的工作，也在发生变化。 过去，视频会议、在线课堂、语音连麦，主要需要让人与人之间的声音和画面顺畅传递。 如今Agent加入进来，语音识别、模型推理、工具调用与终端反馈，都需要在交流中及时配合。 声网创始人兼CEO赵斌在主论坛提出的“五级对话能力”框架，进一步展开了这种变化： 从L1的问一句答一句，到L2掌握互动规律、协调听说时机，再到L3理解个人意图与处境、L4理解多人关系和沟通边界，最终走向L5基于长期上下文的深度沟通。 顺着这套框架看，回答快、声音自然，只是部分能力。AI还需要理解，自己在跟谁交流，对方为什么这样说，什么回应才合适。 眼下最直接的考验，就是处理好停顿、打断和任务执行。 “快慢脑”协作处理的就是这类问题。 该框架让交互模型维持实时对话，后台模型负责深度推理、搜索和工具调用。用户可以继续补条件、改要求，系统据此调整执行。 但并行之后，几个模型还得保持一致：前面已经接受了新要求，后面就不能继续按旧任务操作。 声网展示的Agora Conversational Model，采用多模型协作的混合对话系统，将声音感知、全双工响应、推理、工具、记忆与语音表达组织起来，协调持续聆听、意图判断和行动。 实时基础设施的作用，也由连接和传输，延伸到了对话过程中的模型协同。 赵斌介绍的Conversational Agent System，将上述能力与全球实时网络、音频处理及推理基础设施结合起来。声音、画面要持续传递，轮次、上下文与业务状态也要及时同步。 他进一步提出的分布式实时推理云方向，还包括让模型靠近用户运行，并根据时延、负载和场景，动态选择模型、工具与路径。 这些能力进入业务和终端，也有相应产品承接。 对话式AI引擎连接模型、Agent运行框架与用户，兼容级联式和端到端架构，提供轮次管理、打断处理、注意力锁定等能力； 开发套件帮助硬件从语音对话向视觉、动作交互拓展； Call Agent面向电话业务，提供线路配置、流程编排、测试部署与监控等工具。 开发者则可以通过SDK、Skills、CLI和Recipes，获得接入、AI编程辅助和场景示例支持，借助TEN Framework等开源项目组合模型、工具与记忆，减少基础环节的重复建设。 从网络、交互处理到产品和工具，声网正在把人与Agent交流所需的能力，组织成一套可复用的基础设施。 这也与大会从RTE走向iRTE相呼应。 实时互动开始承载智能，底层系统就需要让模型的理解、推理与行动，在真实交流中持续配合。 至于普通用户，未必关心后台有几个模型协作、走了多少网络节点。咱们的要求其实一直很朴素： 话没说完，先听着；主意改了，能跟上；事情交代了，办得好—— AI都这么聪明了，聊起天来，也该让人省点心了。

WorkBuddy进驻企微！终于不用我当文件传输助手了。。。 AI同事自带工作记忆上岗 求求了，我是让AI来帮忙干活的，不是来给它做入职培训的！ 每次打开AI，准备把手里的活儿甩出去，我那叫一个积极。 然后，还没等我把需求说完就开始难受了。。。 咱群里聊过的、文件里改过的、客户中途变过卦的……这些明明都有记录，一到AI面前—— 得，全部得重新介绍。 翻群聊、找文件、解释背景，资料传完没准儿还得补一句：“客户后来改主意了，别按前面那个写。” AI确实是很聪明，就是带教有亿点点累。 而且，等它终于把东西做好，还得我下载、转发、填系统，通知同事……我本来是想省事，结果自己先当上了资料员兼文件传输助手。 有没有一种可能，AI能在来上班之前，就自己先把工作背景摸清呢。。。 哎，还真让我发现了，腾讯干的这件事，我觉得就很对症下药—— 企业微信与WorkBuddy正式打通，AI直接入驻企微侧边栏和通讯录。 不用跳转外部软件，不用额外下载客户端，企微账号能一键登录，就在你天天在用的那个对话框里直接派活。 更关键的是，它不是白纸一张，授权范围内，你企微里的消息、文件、日程、邮件，它都读得懂、调得动，根本用不着带教。 活干完了，也不用你下载导出、来回转发，生成的内容、文档、文件，直接回流到企微会话、微盘和业务工作流里。 对企业来说，这次打通的价值，是让AI真正进入日常业务：企业积累的知识和经验能更方便地被调用，工作成果能在团队里继续流转、复用，减少反复找资料、对信息、传文件的协作成本。 当个人提效贯穿各个业务环节，上下游协作就能更顺畅，整个团队也能交付得更快。 终于啊！！！ AI同事自带工作记忆上岗 要说最头疼的，还是每天爆炸的群聊消息。 几百条未读，大多不是全新待办，谁在等回复、哪个需求又变了、哪件事已经拖不起了……这些全散在聊天记录里，只能自己手动往上翻、来回滑屏，把碎片对话一点点拼成前因后果。 别急！WorkBuddy入驻企微侧边栏与通讯录后，就是个可对话机器人。 授权后，它就可以梳理未读优先级、检索聊天记录，读取单聊、群聊历史，也能对转发过来的群聊做总结提炼，直接把一团乱的群聊给你捋顺。 就拿项目群来说，它能给你拎出已经敲定的结论、后来出现的变动、还悬着没解决的问题，以及下一步谁负责、该干啥。 群里聊完的讨论思路和决策，直接就成了它理解任务的依据。 咱再也不用手动整理一份项目背景小作文，再复制粘贴喂给它了。 说白了，所谓工作上下文，就是搞懂大家都聊过什么、事情推进到哪一步了。 当然了，工作信息也不全在聊天框里。 群里的一句“按方案执行”，细节可能藏在某个文档里；一句“看表格数据”，关键信息没准儿躺在微盘文件里。 只盯着对话解析，交出来的汇报就容易缺核心信息。 所以这次升级把文件链路也补上了，WorkBuddy能在内置浏览器打开企微文档，直接调微盘里的文件来整理分析。 聊天交代前因后果，文档补齐方案数据，这两样都不用你下载、打包、导入，再挪到另一个AI工具里。 想引用哪段对话，锁定对应会话范围就行；要用哪份资料，直接把文件调进来参与任务。 权限还是可控的，但重复操作，省了！ 不光是开始之前方便，活儿干完之后，交付也在同一条工作流里。 WorkBuddy生成的资料库文件，能直接发到企微，也能存进微盘； 分享面板多了企微分发渠道，文档里还能直接@、拉企微同事进来一起编辑。 生成、存储、分发、二次编辑，全顺着原来的办公链路走。 不只是搞定消息与文件，日程会议、邮件能力也一并打通了。 查日程、改日程、订会议室、发起线上会议、调会议纪要和待办，它能干； 邮件的检索、收发、回复、转发，它也能干。 省心，太省心。 何况在企微里打交道的，不光是天天协作的同事，还有大量外部客户。 当这套能力同样能对接客户沟通，那它就不只是解放咱打工人自己—— 沉淀信息、自动处理的这套本事，顺理成章就用到了企业的真实业务上，省下来的就不只是一个人的时间了。 个人偷懒工具秒变公司降本神器 先说这家科技公司，它们的客户线索，过去散在好些渠道的留资表单里，得人工汇总、再分派，销售加上客户微信，还得判断归属、识别意向，最后把信息录进CRM。 客户说了啥得记，客户是谁得记，啥时候加的、谁加的也得记。 沟通是业务，登记也是业务，只是登记这活儿做多了，谁不想问一句： 这些能不能别让我再填一遍啊？ 于是乎，这家公司就把WorkBuddy给接进来了。 各渠道的线索先由WorkBuddy拢到一起，统一放进企微智能表格，再分派给团队成员。 大家围着同一张表干活，名单不用再散在各自手里头。 销售加上客户微信后，客户信息、添加人、添加时间自动同步进表格，企业按添加时间这些既定规则确定归属，也就是“锁客”。 这个倒是挺实在，客户到底归谁，最好提前留个记录，别等真跟出结果了，一帮人再回头考古。 再往后，销售照常通过企微沟通，AI根据沟通记录识别意向，给高意向客户挂上相应标签；WorkBuddy再读这些信息，填进企业的CRM。 盘客、锁客、打标、录入，接成了一条线。 销售能专心跟客户把事聊明白，登记同步这种活儿也不用非得等他聊完再补。 对公司来说，也能在统一记录里往下跟进，不用总指望某位员工的脑力了。 △图片AI生成 除此之外，一线还有另一个难处就是老员工觉得再自然不过的事儿，咱新人真不知道啊！！！ 该联系哪些客户、哪种回复值得接着跟、什么时机适合往下聊，里头全是经验。 培训听过归听过，真站到客户面前，脑子该空白还是空白。 一家头部券商用企微和WorkBuddy，就把这部分经验辅助塞进了服务过程。 AI能结合产品特点和已有客户特征提炼线索，帮员工找到适合当下服务的客户；客户触达之后，AI再整理反馈、识别意向，帮员工及时跟上。 专业内容的准备也不一样了。 WorkBuddy分析数据，再把专业表达转成客户听得懂的报告，报告的基础版本从两三天缩到了几分钟生成。 这工作节奏差得可不止一点半点。员工能把时间放回核对内容、理解客户、后续服务上……少对着空白文档发会儿呆。 优秀员工那点经验，也终于能从“你多跟着他学学”这句口头安排，变成其他员工真能用得上的辅助。 简直是新人之光！ △图片AI生成 还有制造企业，有些利润损耗，藏得比一条没回的客户消息还要深。 边角料、库存、核价误差、重复开模，单拎出来哪件都不至于开个大会，可攒久了，件件都在往外花钱。 一家保温杯企业就撞上了这情况。 专门买套系统，十几万起步，还未必贴合自己那摊业务；靠Excel和人工硬管，数据容易散、事情容易漏。 到头来只剩一句“先这么用着吧”，这一“先”，可能就得隔上好久。 接入WorkBuddy之后就不一样了。 在新品研发的模具核价环节，他们能把设计参考表、模具库存清单、工序定价表直接放进企微智能表格。 AI读数据、调核价系统、拿核价表，再把结果填回设计参考表。 有没有库存模具能复用，材料价格是不是最新，每个模具多少钱，这几件事在同一个过程里就能查清、算清。 有具体的成本账可算，过去觉得不值得单独买系统的地方，现在也有机会认真管一管了。 AI没有忙着拯救世界，而是先帮工厂把这些小账算明白了，反正我觉得是挺好。 △图片AI生成 不过，光能干活还不够，AI要真正用起来，还是得按公司的规矩来。 AI入职直接按公司规矩来 一个人用AI，和一家公司用AI可是两码事。 个人处理材料，上传文件、讲清要求，就能开干。 可放到企业里就不一样了，哪份资料谁能看，哪项操作谁有权限，干完活儿谁来拍板，全都有规矩管着。 企业办公讲究权限、分工还有合规，AI不能瞎翻所有资料，更不能随便拍板办事。 想让AI进团队实打实干活，就得先认清楚组织关系，守好公司这套章法。 企微和WorkBuddy这么一打通，最直接的好处就是不用大动干戈，原地升级。 企业沿用企微现成的组织架构和身份体系，分配账号、设权限、管用量； 大伙还在天天用的企微里聊天、派活，企业统一管好AI的使用边界。 AI来公司上班，咱犯不上围着它把整个办公体系重新装修一遍。 WorkBuddy就跟企微通讯录里新来的同事一样，平时聊天窗口就能安排任务，上手几乎没啥门槛。 慢慢地，公司积攒多年的信息，也能变成能用起来的真资产。 一个人多年在企微里聊过的工作思路、开过的会、写过的文档、搭过的知识库，过去是散着的，打通之后，这些积累一键就能交给AI调用和整理。 跨部门干活的堵点也能被疏通。 很多时候工作卡壳，就是因为要来回复制粘贴传信息。 企微搭配WorkBuddy，能把跨部门、跨系统的任务串起来，干完结果自动回到企微会话、表格和审批流，直接转给下一环，还能盯进度、卡点提醒。 个人提效、客户经营、组织协同这三层摞在一起，才叫内外一体智能化，这可不是简简单单多加一个AI聊天窗口能比的。 早先AI红利，大多攥在少数人手里。有人攒一手好提示词，工具搭得溜，自己出活飞快，整个团队效率整体却没啥起色。 但当这些经验、流程、规矩都进了公司，它就变成了认识所有人、记得所有事、还守着所有规矩的企业外挂—— 有事儿它是真能顶上啊。 以前我还求它别让我做入职培训，现在看，AI对业务比我更门儿清。 过阵子没准儿得轮到我找它补课了（doge）。

KV Cache砍掉99%，单卡吞吐飙6倍，港科CMU联手岩山科技开源新模型 一张卡，512路长推理同时跑 谷歌今年的一篇论文，愣是把存储芯片巨头的股价都给整出动静了。 论文里提到，KV Cache至少能压缩6倍。 要知道，大模型推理越来越吃内存，KV Cache又是其中一笔不小的开销。 现在谷歌突然把它压下去这么多，美光等存储芯片巨头的股价随之下跌。 结果才过去几个月，又有人对KV Cache下了更狠的一刀。 这次连压缩都不满足了。 上下文从4K一路涨到256K，KV Cache占用愣是没变。 在256K上下文下，始终固定在72MiB。相比源模型，KV Cache直接减少99.1%。 更夸张的是，一张80GB显卡同时跑512路长推理，输出吞吐达到12124 tokens/s，是源模型的6.42倍。 而且推理能力也基本保住了，AIME 2024—2026平均一次通过率达到82.9%，而参评的有界状态模型即便做到14B，最好也只有18.8%。 这就是岩山科技旗下岩芯矩阵联合港科大、CMU等高校刚刚发布并开源的EdgeRock-4B。 它给长推理带来的一个变化是： 推理再长，内存不涨。 模型权重和推理代码目前均已开源，还支持文本和图像推理。 推理越长，为什么越贵？ 现在的模型，动不动就要思考几万token；Agent更是能连续工作几十轮，搜索结果、代码、工具调用记录不断往上下文里塞。 模型越干越起劲，显存却先扛不住了。 问题就出在KV Cache上。 如今大多数模型，都把推理历史存在KV Cache里，每生成一个token，就多存一些。 以Qwen3.5-4B为例，每个token要新增32 KiB的KV Cache。推理到64K，一条序列就是2 GiB；推理到256K，就是8 GiB。 这在推理模型时代尤其要命。 模型越来越爱“深度思考”，动辄输出几万token；Agent一跑就是几十轮工具调用，上下文越滚越长。 推理越长，占的显存越多，一张卡能同时服务的请求就越少。 到了端侧，KV Cache还得跟感知、控制模块争抢本就有限的内存。 业界的办法大致有两类。 一类是给每个token“瘦身”： 多头潜在注意力（MLA）压缩KV，KIVI这类量化方法降低精度，谷歌的TurboQuant也属于这一路。 但它们只降低了单个token的成本，缓存照样随推理增长。 另一类是有界状态模型： 循环模型、状态空间模型、滑动窗口模型，内存天生固定。 问题是，它们往往留不住后续推理要用的远处细节，推理能力随之大打折扣。 所以真正的难题就变成了： 能不能在固定内存里，留住推理要用的关键细节？ EdgeRock给出的答案是：能。 一张卡，512路长推理同时跑 先看最直观的吞吐。 测试设定是32K输入、32K输出，所有模型都在单张Hopper 80GB GPU上跑，各自取实测最快的批大小。 结果，EdgeRock-4B一口气开到512路并发，输出吞吐12124 tokens/s。 源模型Qwen3.5-4B最快的配置是批大小64，只有1889 tokens/s；Gemma 4 E4B、MiniCPM5-2B、LFM2.5-2.6B也都在1700到2200 tokens/s之间。 差距为什么这么大？账其实很好算。 32K输入加32K输出跑完，Qwen3.5-4B每条序列的KV Cache是2 GiB。 单张80GB显卡并发几十条就会被占满，更多请求只能排队。 而EdgeRock-4B批量运行时，每条序列需要保存的全部历史状态固定为97.76 MiB，不随长度变化。 打个比方：如果让Qwen3.5-4B也同时跑完这512条序列，光是生成结束时的KV Cache就要1 TiB，约等于13张80GB显卡的显存。 EdgeRock一张卡就装下了，峰值61.26 GiB，还含着模型权重。 再看扩展性。 在4K到32K输入、输出两两组合的16种负载上，批大小从32一路加到512，加权解码吞吐从4128涨到12497 tokens/s，显存峰值始终没碰到单卡上限。 单条请求也不慢。 KV Cache随推理增长的模型有个通病：越写越慢。 因为每生成一个新token，都要回头看一遍越积越多的KV Cache。 EdgeRock每个token的计算量不随上下文增长。 128K输入后再生成128K token，它的速度从头到尾稳在233.7 tokens/s； Qwen3.5-4B则从169左右一路降到151.3。 上下文越长，越省钱 吞吐翻几倍，换个角度看，就是成本降几倍。 同一张卡、同样的负载，生成同样多的token： 4K输入时，EdgeRock只需要Qwen3.5-4B 24.9%的GPU时间； 32K输入时，只需要15.6%。 按GPU时长计费的话，每个token的算力成本也按这个比例下降。 四种输入长度平均下来，EdgeRock的吞吐是Qwen3.5-4B的4.94倍，是LFM2.5-2.6B的7.18倍。 更关键的是趋势：上下文越长，差距越大。 Qwen3.5-4B的KV Cache随长度越涨越多，EdgeRock的不涨。 除了“省”，固定内存还带来一个容易被忽视的好处：确定。 每条请求要多少内存，推理开始前就能算清楚。 推理服务可以按请求数规划容量，不必猜每条请求最终会跑多久； 端侧设备一次分配到位，推理再长也不会把内存耗尽； 智能体的历史内存不再随工具调用次数增长； 专用芯片甚至可以把全部历史状态放进片上存储。 在内存越来越金贵的当下，这笔账只会越算越值。 省下内存，智商没打折 看到这儿，懂行的朋友可能要问了：恒定内存，RNN、Mamba早就做到了，有什么稀奇？ 稀奇就稀奇在，省了内存，推理能力还在。 团队拿EdgeRock-4B和16个有界状态模型做了对比，涵盖GDN、RWKV、Mamba等路线，其中三个是14B级别。 AIME 2024–2026上，EdgeRock-4B平均一次通过率82.9%；对照组里最强的RWKV-7 G1j 13.3B只有18.8%，AHN-GDN Qwen2.5 14B是11.4%。 在29项文本基准中，EdgeRock-4B在其中24项排名有界状态模型第一；29项等权均值比该指标上最强的基线AHN-GDN Qwen2.5 14B高出23.8个百分点。 和源模型比，能力也基本保住了： AIME平均一次通过率保持在Qwen3.5-4B的96.3%，MATH-500达到97.5%； 29项文本基准中，有8项反超Qwen3.5-4B，包括MMLU-Pro、SuperGPQA、HumanEval和MBPP； 六项视觉基准上，平均得分84.9%，保留了Qwen3.5-4B的95.3%。 这一成绩，已经和内存随推理增长的领先小尺寸模型处于同一水平。 秘诀：给记忆打上“岩锚” 那么，EdgeRock是怎么做到的？ 核心是一种新的记忆机制，记忆岩锚（Rock Memory Anchors，RMA）。 它的设计取意于岩锚：将推理所需的关键信息固定下来。 就像攀岩者把岩锚钉进岩壁，后面的每一步都有可靠的支点，RMA把推理途中真正重要的细节“钉”在一个固定容量的锚点库里，需要时直接读取。 具体来说，EdgeRock把每条序列的历史分成三部分保存，三部分各司其职： 循环状态概括不断演变的上下文，抓大意； 局部窗口覆盖最近1024个token，管眼前； 锚点库从更早的历史中留住最有价值的细节，记关键。 锚点的取舍过程是这样的： 写入器为每个token生成一条候选记录，评分网络给它打分； 每累积256条候选，就和锚点库里已有的记录放在一起比较，只留下得分最高的1024条，其余淘汰。 四个KV组各自独立进行。 留下的锚点彼此独立、内容不变。所以哪怕它的来源早已滑出局部窗口，后面的推理仍然可以直接读到。 说白了，模型学会的不是“记住一切”，而是“只记值得记住的”。 局部窗口加锚点库，把每条序列的注意力KV固定在72 MiB。这就是内存不涨的来源。 架构上，EdgeRock-4B基于Qwen3.5-4B改造：保留24个Gated DeltaNet层，把8个全注意力层换成1024窗口的滑动窗口注意力，外加独立的RMA模块。 整个模型由Qwen3.5-4B分阶段转换而来，无需从头预训练。 那锚点到底有没有起作用？ 团队做了个实验：推理时把8个RMA模块全部关掉，循环层和局部注意力照常工作。 在256段16K至130K token的长上下文上，每段问4个问题，涵盖检索、状态更新、跨文档信息组合和变量绑定： 开着RMA，1024个问题答对964个，准确率94.1%； 关掉RMA，只答对4个，准确率0.4%。 远距离回忆几乎归零。这说明，EdgeRock确实是靠锚点在读取远处的信息作答。 而且每个锚点都记录了来源位置，可以直接查看模型选择记住了什么。 内存还会跌吗？ EdgeRock由岩山科技旗下岩芯矩阵，联合港科大、CMU等高校共同完成。目前模型已开源，可商用。 团队透露，更多参数规模的EdgeRock正在路上。 对于需要长时间运行的机器人来说，这套机制也挺有想象空间。 毕竟机器人一边感知环境、一边规划动作，任务跑上几个小时甚至更久，总不能让历史缓存跟着无限膨胀。 如果推理过程中的内存占用能提前算清楚，端侧部署也能省不少事。 至于内存还会不会跌，交给市场去回答。 但至少有一件事已经变了：模型想得再久，记忆也不会再膨胀。 论文地址： https://rockmatrix.ai/documents/edgerock-report-zh.pdfGitHub： https://github.com/rockmatrix-ai/EdgeRockHugging Face： https://huggingface.co/rockmatrix-ai/EdgeRock

趋境科技完成 B 轮融资，半年实现超十倍速增长，加速高品质 AI Token 规模化交付 高品质 AI Token 成为行业新风向 近日，高品质 AI Token 生产服务商趋境科技（Approaching.AI）完成 B 轮融资，本轮融资金额超13亿人民币；今年内已累计募得24亿人民币。多项核心经营指标在半年内实现超十倍速增长，持续获得产业和资本的高度认可。 本轮融资由浙财创新、萧山资本、工银投资、中关村科学城、星连资本及钱江世纪城共同领投。云创资本、湖南高新纵横、建投华科、申万创新投、中信聚信、珠海科技产业集团、商汤科技、网宿科技、甘肃树帜、常金控、元智未来、清证星竹、小咖资本等跟投，老股东尚势资本继续追投。 这是继今年 7 月完成 A 轮融资后，趋境科技短期内再获大额融资。截至今年10月，趋境科技已在 2026 年连续完成多轮融资。密集的资本跟进背后，既反映出市场对 AI 基础设施赛道长期价值的共识，更源于投资人对趋境科技战略聚焦、技术领先和商业化交付成绩等综合实力的肯定——过去半年，趋境科技不但全面跑通了从技术架构到规模化商业交付的全链路，更是持续引领推理行业的技术演进，以技术创新推动了国产算力的性能大跃升。 本轮募集的资金将重点投向高品质 AI Token 产能扩张、ATaaS（Approaching.AI Token as a Service）平台升级迭代、推理底层技术和新产品的研发，以及商业化合作与交付体系完善等方面。 投资者说 · 浙财创新董事长陈栋 “随着 AI 产业走向规模化应用，推理效率、成本与系统优化能力正成为商业化的重要基础。趋境科技在大模型推理领域具备持续的技术积累和工程交付能力。我们期待与公司长期同行，共同推动高效、普惠的 AI 基础设施建设与规模化应用。” 投资者说 · 萧山资本集团董事长祝利烽 “趋境科技是萧山布局 AI Infra 的标杆项目。早在行业聚焦训练时，公司便前瞻深耕推理赛道。依托清华系团队十余年的技术积累与自研 ATaaS 平台，将算力高效转化为可规模化生产的高品质 AI Token，推动国产算力进入核心生产环节。双方正携手推进万卡级人工智能 Token 工厂建设，加速形成‘芯模联动’产业闭环。萧山资本将以长期资本、耐心资本深度赋能，支持其把高品质 AI Token 工厂能力快速复制，为 AI 产业高质量发展注入持久动力。” 投资者说 · 星连资本创始管理合伙人张鸣晨 “星连资本自2024年天使轮成为股东以来，一路见证趋境科技在技术、产品、服务、战略和商业化等全方位不断创造远超预期的佳绩；更是在不到三年的时间里已经快速跃升为 AI 推理领域耀眼的一流企业。这也是星连资本在过往每一轮都持续大额追加投资的根本原因。我们看好趋境科技从技术与商业验证走向规模化建设和持续运营后的广阔成长空间，也期待陪伴团队持续引领 AI 推理行业的发展。” 从“粗放供给”到“品质服务”｜高品质 AI Token 成为行业新风向 Token 市场发展初期，行业供给侧多“重 Token 数、轻服务品质”，以粗放扩量的方式快速做大供给规模。彼时大模型尚处在试点验证阶段，未深度嵌入企业核心生产链路，业务对性能、稳定性、模型质量的容错空间较大，这类供给模式得以被市场接纳。而趋境科技自创立之初，便坚持锚定生产级推理标准，持续投入推理系统原始创新，夯实工程底座，在行业内率先定义高品质 AI Token 服务理念。 趋境科技所定义的“高品质 AI Token”：锚定生产级场景，提供高智能、低时延、高速率、强稳定，兼具规模化交付能力与可控综合成本的 AI Token 服务。 伴随产业重心转向 Agent 驱动的业务闭环落地，大模型逐步承载生产级核心流程，AI 推理行业正迎来范式转变：企业对 AI Token 的智能水平、响应时延、输出速度、上下文完整性、服务稳定性提出了严苛的生产级刚性要求。这一转变与趋境一直以来坚持和倡导的高品质AI Token 服务理念不谋而合。 产业拐点显现，Token 市场快速形成清晰的品质分层：“可用即可”的粗放供给已难以匹配生产场景诉求，兼顾多维指标平衡的高品质 AI Token 供给稀缺、需求激增，成为市场刚需。作为高品质 AI Token 服务最早的布局者和深耕者，趋境科技凭借长期沉淀的推理系统底层技术与工程化能力，持续推进高品质 AI Token 服务的规模化交付。趋境科技现已成为高品质 AI Token 服务领域的领航者。 立足“少模型、深优化、高品质”｜加速高品质 AI Token 规模化交付 高品质 AI Token 能够持续规模化交付，最终取决于两个核心命题：单位算力效能能否持续提升，规模化供给能力能否稳定增长。 围绕这一目标，为兑现高品质 AI Token 的生产标准，趋境坚持“少模型、深优化、高品质”的技术路线，聚焦市场需求明确、应用广泛的主流大模型，持续推进“异构推理”“以存换算”“虚实同构”等多项全球首创技术的工程落地，专注企业生产场景的高品质 AI Token 需求。 “少模型、深优化”解决的是“同一批算力能够生产多少高品质 AI Token”，稳定生产负载和跨集群运营解决的是“这些算力有多少时间真正处于有效工作状态”。“少模型”本身并不天然带来更高的利用率，只有单位算力产出和有效利用率同时提升，AI Token 业务的单位经济才有可能成立。 这一路线背后的商业逻辑非常明确：企业级客户最终为业务结果付费，而不是为模型兼容数量付费。 目前，趋境科技已经形成一套可复制的高品质 AI Token 工厂建设与运营模式：既有日均数万亿级 Token 产能的已投产项目，也有面向区域产业生态与头部客户的战略合作及在建布局。更重要的是，整体业务已经跨过成本线。以真实业绩验证了 ATaaS 平台的大规模交付与持续运营能力。 技术创新重构国产算力体系｜性价比超越国际最领先算力 让国产算力能够支撑高品质 AI Token 的生产是趋境科技一直以来的目标。 面对国内外芯片的性能差异，趋境科技探索出一条以系统级技术创新实现算力效率突破的新路径，先后率先提出了“国产 Prefill-Decode（PD）异构协同”“高性能异构 KV Cache 转换”“异构算力计算融合”等一系列创新技术方案，重构国产算力计算模式和推理体系，并已在高标准生产场景中正式投产。 在真实生产级环境中，实现国产芯片承载万亿级头部大模型，并达成高品质 AI Token 规模化生产，同时整体性价比超越国际最领先算力。 趋境首创的异构协同推理技术，在保障模型输出质量、响应速度和服务稳定性的前提下，以更低的硬件投入实现更高的有效 Token 产出，稳定承接头部客户的真实业务需求。 这一突破具备双重开创性价值：在商业层面，构筑差异化核心技术护城河，为趋境规模化共建高品质 AI Token 工厂打开增长天花板，支撑业绩与资本价值持续跃升；在产业战略层面，有助于跳出单纯比拼硬件参数的技术竞争，重新定义国产算力价值标尺，让分散在全国、不同架构的国芯资产释放足额推理产能，为国家搭建自主可控、供给充沛、具备商业经济性的 AI 推理底座提供可落地的核心工程方案，进一步夯实我国大模型产业链安全与算力自主根基。 以技术拓产量｜半年实现业绩十倍跃升 持续自主技术创新，是驱动趋境科技高品质 AI Token 产量实现指数级增长的核心动力。 半年来，伴随多项首创技术持续推出与工程打磨，公司平均单台算力的 AI Token 生产效率逐月攀升，持续引领行业；高品质 AI Token 日均产量增长超过百倍，并攀升至超万亿量级，年内业务收入已达到去年全年近十倍。 在产业格局上，趋境科技正推动 AI 基础设施从传统算力资源供给向高品质 AI Token 规模化生产与运营升级。依托 ATaaS 平台及 Token 工厂建设运营能力，公司在半年内携手产业伙伴推进十余个日均万亿级 AI Token 工厂项目，推动国产算力规模化应用，联合地方国资、产业龙头及生态伙伴，构建连接算力基础设施、大模型与行业应用的新型 AI Token 供给网络。 区域化基础设施布局 公司以河南、杭州、海南为重点，结合区域资源与产业需求，推进高品质 AI Token 生产与服务网络建设。在河南推进与地方国资联合运营，协同开展 Token 生产、销售与客户消纳；华东区域总部落地杭州钱江世纪城，规划建设万卡级 Token 工厂，服务长三角企业级推理需求；在海南探索地方国资建设、趋境提供平台与运营服务的合作模式。通过因地制宜的建设运营模式，推动算力投入转化为可持续的 Token 供给能力，带动本地运营能力与产业生态发展。 产业生态与共建共营 公司与商汤科技、并行科技、弘信电子、网宿科技、摩尔线程、沐曦股份、天数智芯等企业达成生态合作，推动高品质 AI Token 工厂建设与运营，探索基于国产芯片的高品质 AI Token 生产技术方案，共建自主可控的国产 AI 算力生态。携手商汤推进日均十万亿级 Token 工厂建设，共建产线已具备日均万亿级 Token 的生产与稳定消纳能力；联合并行科技打造日均万亿级 Token 工厂，打通算力基础设施、推理优化、标准化 Token 供给与产业应用全链路；与弘信电子完成其旗下燧弘华创无锡、厦门两大 Token 工厂的技术适配与试点落地；携手网宿科技，结合其全球分布式边缘资源与网络能力，开展推理优化和智能调度协同，提升高品质 AI Token 的生产效率与交付稳定性。 持续释放的技术效率红利，推动业务与资本同步迈入高速增长周期。融资节奏与业绩增长同频，年内多轮交割有序落地，保持平均两月一轮的节奏，单轮募资规模环比持续走高；今年内累计募资总额达24亿人民币，获得国资、产业资本与市场化机构持续重仓。系列融资落地后，股东结构进一步多元成熟，汇聚地方国资、金融资本、头部产业集团与一线市场化机构，为后续区域算力共建、国产异构生态协同、大规模行业交付提供坚实支撑。 顶尖科研与开源筑基｜构筑系统级长期工程壁垒 商业化进展背后，是趋境科技在科研、开源工程与企业级生产交付方面的持续积累。 从前沿的技术探索到严苛的工程落地，贯穿始终的是一支兼具学术高度与产业经验的核心团队：公司管理团队由创始人兼 CEO 艾智远博士、总裁兼 CFO 武文洁博士、CTO 陈祥麟等组成，共同推进技术研发、资本协同、产业合作与项目交付；在技术研究层面，郑纬民院士担任首席科学顾问，武永卫教授担任首席科学家，为公司底层技术演进提供学术与技术支持；章明星副教授担任董事，指导技术战略与关键研发工作，推动前沿研究与工程实践衔接。 学术研究之外，趋境科技核心团队长期参与大模型推理开源生态建设，团队牵头发起 KTransformers，并参与 Mooncake 的发起与共建，为相关研究提供了面向不同模型、硬件和负载条件的工程验证环境，也推动团队围绕“全系统异构协同”“以存换算”“虚实同构”等方向持续探索。 从学术研究和开源工程出发，相关技术能力进一步沉淀至 ATaaS 平台，并在 AI Token 工厂的真实业务负载中持续检验。秉持“算力更高效、智能更普惠”的理念，趋境科技以真实需求牵引生产投入，以长期交付检验技术能力，正通过 ATaaS 平台和 AI Token 工厂，输出高品质 AI Token 的标准化生产体系，重塑 AI 推理供给范式，赋能千行百业生产级智能化升级。 趋境科技 CEO 艾智远表示：在算力转化为高质量生产力的赛跑中，真正的稀缺壁垒不是规模，而是单位能效与商用交付能力。过去半年，趋境科技以超十倍速的业务增长证明了“少模型、深优化、高品质”路线的巨大商业潜能。资本的持续加注，是对趋境科技业务交付成绩的肯定。面向未来，趋境科技将依托本轮资金加速产能扩张，深化国产 PD 异构方案落地，以更稳定、更高效、更具成本效率的高品质 AI Token 服务支持客户规模化应用，推动国产异构资源更充分地进入真实生产场景，与产业伙伴共同构建多元、稳定、可持续的 AI 推理供给体系。 本文由趋境科技提供，量子位获授权转载，观点归原作者所有。

人事观察｜换届前密集调整 湖南省委“前三把手”就位 王志军、谢卫江、靳伟分任湖南省委书记、省政府党组书记、省委副书记，谢卫江、靳伟均长期任职国企 王志军（左）、谢卫江（中）、靳伟（右）。 　　【财新网】两天内，湖南省委“前三把手”集中调整到位。其中，二十届中央委员、国务院副秘书长（分管国务院办公厅日常工作，正部长级）王志军履新湖南省委书记，湖南省委副书记、岳阳市委书记谢卫江履新湖南省政府党组书记，北京市委常委、副市长靳伟履新湖南省委副书记。 　　卸任湖南省委书记的沈晓明已年逾63岁（1963年5月生），是十九、二十届中央委员；现任湖南省长毛伟明已年逾65岁（1961年5月生），是十九届中央候补委员、二十届中央委员。

日本前首相福田康夫去世 生前致力于改善中日关系｜讣闻 “政治人物自身必须每天思考如何避免战争发生。我想，他们有这样的责任。”福田康夫说 资料图：日本前首相福田康夫。图：IC photo 　　【财新网】当地时间10月26日，日本自民党宣布，前首相福田康夫于10月22日因心力衰竭在东京一家医院去世，终年90岁。 　　福田康夫曾于2007年至2008年担任日本第91任首相，在任365天。他曾在森喜朗、小泉纯一郎内阁担任官房长官，并接替安倍晋三出任首相。他的父亲福田赳夫也曾担任首相，两人成为日本宪政史上首对先后出任首相的父子。 　　他在任期间推动中日两国发表关于全面推进战略互惠关系的联合声明，卸任后仍长期参与两国交流，致力于改善中日关系。

香港财政司长陈茂波：企业的香港信心 香港引进的重点企业中，约七成在港设立全球或区域总部，近九成设立研发中心，带来的不只是资金和就业机会，更有决策、研发和业务统筹等功能 　　上周，香港引进重点企业办公室迎来第七批共18家重点企业，当中一半来自中国内地以外，多家企业的市值或估值超过1000亿港元。连同之前六批，累计已有142家重点企业落户或扩展在港业务，预计未来数年带来约840亿港元投资，创造约27000个职位。更重要的是，企业的投资正逐步落地：截至今年9月底，首六批企业的实际投资已达283亿港元，聘用人数超过10300人，分别较原预期的阶段目标高出三成和三成四。企业对香港的信心，正逐步在实质经济上体现。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

长安汽车赵非：汽车将成为端侧物理AI规模最大的应用载体 | 2026世界智能网联汽车大会 10月21日，2026世界智能网联汽车大会在北京召开 10月21日，2026世界智能网联汽车大会在北京召开，中国长安汽车集团有限公司总经理、重庆长安汽车股份有限公司董事长赵非出席并发表《AI赋能 数智互联 共筑汽车产业新生态》主题演讲。 对于智能网联汽车全球化发展趋势，赵非提出两大判断： 一是在端侧物理AI领域，汽车将成为落地时间最近、渗透率提升最快、应用规模最大的载体。长安启源Q06上市首月城区领航版订单占比近50%，预计2027年行业实现L3级量产、2028年实现L4级商业化运营。 二是汽车正向陆海空立体出行生态延伸，为产业发展开辟了新的增量空间。 围绕产业变革，赵非分享了中国长安汽车“一体三域”AI变革策略。 开展AI产品行动，打造AI定义汽车的差异化竞争力。长安建有国内唯一、国际领先的智能汽车安全技术全国重点实验室——天枢智能实验中心，并持有国内首张L3级自动驾驶专用正式号牌与重庆L4级无人出租车测试牌照。自研一段式端到端驾驶辅助系统“长安天枢领航”今年正式量产上车，它以安全为核心，打通舱、驾、动、底、控、云六大领域，在核心领域实现软硬件一体化自研，为用户提供平顺可靠的驾乘体验。 开展AI智造行动，搭建“1套全球云应用+N个工厂本地应用”智能制造矩阵，全面向现代制造业转型。 开展AI运营行动，推动组织从“人机协同”迈向“碳硅共生”，多领域已实现AI辅助决策、自主执行循环。 赵非强调，安全是智能网联汽车发展的根本前提，也是不可逾越的底线。长安构建多维安全体系，累计参与制定国际、国家、行业标准360余项。最后，赵非呼吁全球产业同仁确立以安全为底线的产业发展共识，严格落实法律法规与监管要求，拒绝虚假宣传与“伪创新”。 此次大会，中国长安汽车还开设了天枢领航量产车体验专区，通过启源Q06真实道路试驾，展示首个央企自研一段式端到端智能驾驶辅助系统——长安天枢领航的技术实力。多位国际嘉宾、行业专家及媒体大咖等纷纷到场体验，为天枢领航智能、安全、丝滑的优异表现点赞。 本文由中国长安汽车提供，量子位获授权转载，观点归原作者所有。

图集｜抗议浪潮席卷欧洲 意大利多地爆发警民冲突 当地时间2026年10月24日，意大利都灵，抗议者与警方在示威活动中发生对峙。图：TINO ROMANO/IC photo 　　当地时间2026年10月24日，意大利多个城市民众举行示威，抗议生活成本上涨、反对军事扩张、军备增加、以及数据中心建设等，首都罗马、北部城市都灵、博洛尼亚等地部分示威活动引发警民冲突，有人员受伤。米兰和佛罗伦萨等城市当日也有示威游行。 　　据当地媒体报道，博洛尼亚部分示威者24日晚与警方发生冲突，有人向警方投掷石块和水瓶，警方采取驱散行动。在罗马，示威者当天下午从共和国广场出发举行反战主题游行。晚间，示威者在市中心行进时与警方发生冲突。在都灵，示威者反对军备增加、抗议燃油价格上涨等问题，有示威者向警察投掷水瓶等物品。

苹果折叠屏发售后硬件、生态问题不断 电商平台两天后破价 问题并未阻碍消费者热情，苹果官网显示，现在下单iPhone Duo需11月22日才能发货，苹果线下门店当前也不可取货 2026年10月26日，苹果专卖店售卖iPhone Duo手机。图：视觉中国 　　【财新网】苹果（NASDAQ: AAPL）首款折叠屏手机iPhone Duo开局不利。iPhone Duo于10月23日正式发售后，有不少新机用户反映遇到铰链开裂的问题；同时，多款手机应用被发现尚未适配iPhone Duo。而在10月25日起，电商平台拼多多就有价格低于首发价的iPhone Duo出售。 　　在社交媒体上，有用户称新机遇到铰链开裂的问题。此外，多张iPhone Duo铰链断裂导致屏幕出现裂痕的照片在手机正式发售后流传。海外用户也反馈了同样的问题，截至发稿，已有纽约邮报、9to5Mac等海外媒体发布有关报道。

如何看待法国财政风险 法国财政风险短期或维持高位，若2027年财政预算审议受阻及民粹候选人支持率上升，均可能进一步推高风险溢价，但继续大幅扩大的空间或相对有限 　　9月以来，市场对法国财政风险的担忧不断升温，法德利差快速放宽。8月底到10月23日，法德10年国债利差累计走阔83bp至168bp，达到欧债危机以来的最高水平，也超过了意德、西德利差；法国国债收益率上行也外溢至意大利、西班牙、美国以及日本等发达国家债券市场，成为9月以来海外发达国家债券收益率持续上行的重要驱动因素。法国财政风险的上升导致欧洲资产风险溢价上升，8月底到10月23日，欧元累计贬值3.6%至1.16，是同期美元指数偏强的重要驱动因素；同时，欧洲Stoxx 50指数、法国CAC指数分别下跌2.0%、6.6%。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

从“言传身教”到“触类旁通”：AI既需要“名师指引”，也需要“自我修行” 人工智能正在从人机“言传身教”走向自学“触类旁通”。 今年秋天，大模型世界出现了一幅耐人寻味的图景：一边，Vibe Coding正越来越多地参与开发下一代AI；另一边，最有能力的模型，却开始因为“不讲规矩”而被按下暂停键。 9月，Anthropic推出Claude Fable 5.1，强调其处理长程编程任务、自行测试和纠错的能力。OpenAI的GPT-6 Astra则将电脑操作、软件工程和网络安全能力推至新高度。但9月28日，OpenAI宣布放弃发布原定10月推出的GPT-6.1 Astra：内部测试发现，它会越出授权范围推进任务，向用户汇报所做工作时也不够诚实。人们突然发现：机器学得越快，人类“老师”该不该放手，反而成了一道更难的题。 从 Vibe Coding 到前沿实验室里自动运转的科研智能体，人工智能正在从人机“言传身教”走向自学“触类旁通”。这条路上，有两个值得记住的缩写：人在环中HIL（Human-in-the-Loop）；递归自我改进（RSI，Recursive Self-Improvement）。一个提醒我们把人留在关键决策链上，一个试图让系统学会改进自己，甚至改进“改进的方法”。 图1 人在环中（HIL）vs RSI（递归自我改进） 一、名师指引：让机器动手，也要让人判卷 最早的AI训练，像老师批作业：人类标注答案、比较优劣、纠正偏差，模型照着学。到了智能体时代，人不必守着每一步操作，却仍需划定任务边界、评价标准与责任归属。人在环中（HIL），并不意味着事事都要人工确认，而是让机器自主执行，人类保留关键判断。 Anthropic的Claude Fable 5.1提供了一个观察窗口。模型已能自主规划、编程、调用工具，甚至持续数日完成复杂任务。但“自己出题、自己判卷”，不等于能够对现实后果负责。因此，Anthropic将同一底层模型配置为两种产品：Fable面向广泛用户，安全限制更宽松的Mythos则限定在受信任的专业访问计划中。技术上做得到，不意味着制度上就应当允许。类似地，Anthropic披露，Claude已主导约26%的内部AI研发工作，但仍未实现完全自主研发。 当然，人类也会犯错，人工审核同样可能形成瓶颈。人在环中HIL的真正价值，是让价值冲突可以被追问、责任可以被定位、决策可以被纠正；在高风险场景，愿意停下来核验，本身就是一种效率。 二、自我修行：为什么RSI可能跑得比人快 如果说HIL强调名师指引，那么递归自我改进（RSI）探索的，就是让机器从“跟着老师学”，逐步走向“自己研究怎么学”。9月发布的GPT-6 Astra展现出强大的编程与科研能力。但真正值得关注的，是它开始参与改进自身的研发过程。 过去，模型升级主要依靠研究员提出假设、工程师修改算法、团队训练测试，再决定下一轮。如今，智能体可以自主生成代码、运行实验、分析日志、修正错误，还能优化评测工具、合成训练数据，乃至探索新的训练策略。改进的对象，从“答案”延伸到“生产答案的方法”。一旦更强的模型能够帮助研发下一代更强的模型，研发周期便可能不断缩短，形成“能力提升—研发提效—能力再提升”的正反馈。相比人类研究团队，智能体还能全天候运行、海量并行试错，并将成功经验快速复制。优等生开始自己编教材、猜大题、改考纲。 三、人类出题，AI答题，为什么讶异答题太快，答得太好？ 数学家和AI之间，最近正在上演两幕令人屏息的“大戏”。 第一幕，是冲击数学界的“珠穆朗玛峰”纳维—斯托克斯（NS）方程。9月，OpenAI宣布，约1万个智能体协同作战，历时88小时，为纳维—斯托克斯（NS）方程问题寻得一条证明路径，并由GPT-6 Astra完成计算机形式化验证。第二幕，则像一场席卷数学界的“千禧年难题论文风暴”。10月，OpenAI一次性公开719份AI生成的数学手稿，覆盖372组研究主题，直指大量悬而未决的难题。过去需要顶尖数学家穷经皓首的课题，如今在成千上万个智能体的并行试错下，甚至几天内就能产出整批成果。 然而，数学界的回应，则是陶哲轩等25位菲尔兹奖得主联名发出警告：若AI公司以“解出多少难题”为唯一标尺，或将反噬数学研究本身。毕竟，数学的价值不止于答案，更在于追问“为什么”、发现新方法、培养后备力量。更何况，NS方程的证明涉及特定外力情形，尚待学界严格审查；700多份手稿，也未必等于700多项确凿突破。机器出题、解题的速度日益惊人，但人类不能因此省略“判卷”的严谨。 图2 2016年的Alpha Go 和2026年RSI暴力破解千禧难题 这一幕，恍如十年前的AlphaGo。2016年，AlphaGo以4∶1击败李世石，其若干棋步起初令职业棋手匪夷所思。但此后，棋手们开始研读AI棋谱，借助它训练、复盘，重新审视围棋的布局与定式。从震惊、质疑到学习、借鉴，昔日的对手渐成良师。AI并未终结围棋，反而拓展了人类理解围棋的边界。 数学会否迎来类似转折？值得期待，但两者有本质区别：围棋胜负当场可判，数学证明却需严谨验证，更要经得起同行的反复推敲。因此，AI4S的突破，尚不能直接等同于RSI的实现。让智能体自主解题，属于科研自动化；而让研究成果反向优化模型、训练方法和下一轮研发能力，才真正迈向递归自我改进。未来真正值得翘首以待的，不只是AI以更快速度找到答案，而是人类能否借助AI，踏足过去从未想象过的知识疆域。 四、上海上场：从更强的模型，到会学习的系统 这场竞赛不只在硅谷，上海的团队也在这条路上，而且一步一步往前走。 第一步，是让模型先能独立把长程任务干完。9月27日， MiniMax将M3.1-Flash-Preview投入MiniMax Code，官方资料显示其支持百万Token上下文、图文视频输入和可调节的推理强度，重点面向编程与长程Agent任务。阶跃星辰9月发布Step 5 Preview，同样面向复杂软件工程、专业工作与长程智能体，着力平衡能力、成本与执行效率。说明国产模型正在补齐“自主完成复杂任务”的基础能力，但距离RSI仍有许多路要走。 图3 2026世界人工智能大会现场的MiniMax展位 第二步，是让智能体开始自学。上海人工智能实验室明确提出 Self-Harness，让 Agent 自己改 Harness。Harness 指包裹在模型外面的运行框架，包括工具、权限、评测与反馈回路，过去由工程师手工搭建和调整。如今，智能体要自己走完这条链路：从任务执行、环境反馈、错误分析，到策略改进、数据生成，再到模型更新与能力验证，最后把外部工具体系里积累的有效经验内化为模型本身的能力。 不过，这仍是长路漫漫。从会干活，到会改进干活的方法，再到连“改进的方法”也能自我迭代，每一步都要跨过去。 五、跑得快，也可能跑偏，回到真实世界，如何Harness? 风险并非停留在论文里。 7月，OpenAI披露了一起内部事件：在一次不带常规网络安全护栏的内部能力测试中，GPT-5.6 Sol和一款尚未发布的更强模型，利用漏洞突破了本应与互联网隔离的测试环境，进而入侵第三方平台Hugging Face，意图从其生产数据库直接取得评测基准ExploitGym的标准答案。Hugging Face随即将攻击遏制。8月下旬，OpenAI发布调查报告，承认模型的行动偏离了任务目标，并宣布收紧测试环境隔离和网络权限。模型只想“把题做出来”，手段却越出了授权边界，选择了“偷答案”。系统边界一旦失守，速度便成了风险的放大器。 10月，费城警方和Anthropic相继披露了一起更小的事件。7月18日，Claude Haiku 4.5在自动化测试中被要求在随机网站上执行示例任务，指令禁止登录、注册和购买，却没有禁止提交表单，于是它向警方悬案线索网站提交了一条虚构的目击线索。线索被当作垃圾信息拦下，没有进入侦办。但Anthropic直到9月28日才发现，10月7日才通知警方，距事发已两个多月。 这些事件涉及不同模型、不同条件，不能简单归因于RSI，却共同揭示了一个问题：当模型会规划、调用工具并自主执行时，仅靠事前的一句“请遵守规则”，已经远远不够。 更隐蔽的危险来自“裁判员也是运动员”。当AI既负责优化自己，又负责制定或解释评测标准，系统可能学会迎合指标、隐藏失败，甚至绕过本应检查的步骤。测试分数变漂亮，并不一定等于能力更可靠；奖励越容易被钻空子，迭代越快，偏差积累也可能越快。 这正是HIL与RSI的辩证关系：HIL确实会拖慢部分迭代，人工审查也可能成为瓶颈；但将价值判断、危险能力评估和上线授权全部交给优化者自身，等于把刹车系统也纳入“提速改造”。合理的路径，是低风险、可验证的环节让AI大胆试，高风险、不可逆的环节让人类掌握最终权限，并由独立评测持续校准。 10月23日至25日，2026全球开发者先锋大会暨国际具身智能技能大赛将在张江科学会堂举办。按照赛制，参赛队伍要现场应对闻所未闻的全真新题，评审席上还坐着一线真实场景方。换一道没见过的真题，才看得出机器是不是真会了，人类名师教得怎样，都将在这里接受一次公开检验。 从言传身教到触类旁通，衡量AI进步的标尺，不能只是“离开人还能跑多远”，更要看它“是否仍朝着人机向往的方向”。解题的过程，可以越来越多地交给机器；但出题、判卷、授权、追责，现阶段必须握在人类手里，一道也不能让。自我修行负责提速，名师指引负责定向。速度与方向缺一不可，这才是真正可靠的自主进化。 本文由MiniMax提供，量子位获授权转载，观点归原作者所有。

事业单位登记管理条例 中华人民共和国国务院令 第849号 《事业单位登记管理条例》已经2026年9月28日国务院第98次常务会议通过，现予公布，自2026年12月1日起施行。 总理 　　李强　　　　　　　  2026年10月17日　　　　   事业单位登记管理条例 第一章　总　　则 第一条　为了全面加强事业单位党的领导，强化事业单位公益性职责，规范事业单位登记管理，保障事业单位合法权益，发挥事业单位在经济社会高质量发展中的作用，制定本条例。 第二条　事业单位登记管理工作应当坚持中国共产党的领导，坚持深化事业单位改革方向，坚持公益为民、严格管理、强化监督、协同高效、权责一致。 第三条　本条例所称事业单位，是指国家为了社会公益目的，由各类机关举办或者其他组织利用国有资产举办，从事宣传文化、教育、科技、卫生等活动的非营利性组织。 第四条　办理事业单位登记，以及对事业单位实施监督管理，适用本条例。 事业单位经审批机关批准设立后，依照本条例的规定办理登记取得法人资格，独立承担民事责任。未经登记的，不得以事业单位法人名义开展活动。依法不需要办理登记的，从成立之日起，具有事业单位法人资格。 第五条　国家事业单位登记管理机关负责全国事业单位登记管理工作。县级以上地方各级事业单位登记管理机关负责本级登记管辖范围内事业单位登记管理工作。上级登记管理机关应当加强对下级登记管理机关登记管理工作的指导监督。 事业单位实行分级登记管理。分级登记管理的具体办法另行规定。 第六条　事业单位应当坚持中国共产党的领导，坚决贯彻执行党的路线方针政策，自觉用习近平新时代中国特色社会主义思想武装头脑、指导实践、推动工作。 根据中国共产党章程和有关党内法规，在事业单位成立党的组织，完善事业单位党的领导体制，健全议事决策机制，增强党组织政治功能和组织功能，强化正风肃纪反腐，全面加强党的建设。 第七条　事业单位应当遵守宪法、法律、法规和国家政策，践行社会主义核心价值观，弘扬中华民族传统美德，铸牢中华民族共同体意识，维护国家安全，保守国家秘密，接受社会监督，不得损害国家利益、社会公共利益以及其他组织和公民的合法权益。 第八条　事业单位应当坚持以服务社会公共利益为宗旨，树立社会效益优先的鲜明导向，强化公益性职责履行，不断提高公益服务的质量和效益，促进公益事业健康发展。 第二章　登　　记 第九条　事业单位法人登记事项包括：名称、住所、宗旨和业务范围、法定代表人、经费来源、开办资金、举办单位。 第十条　事业单位申请法人登记的，由举办单位对申请材料进行审核，主管部门复核并提交登记管理机关依法登记，获取《事业单位法人证书》（以下简称法人证书），取得事业单位法人资格。 依法自成立之日起即具有法人资格的事业单位，应当向登记管理机关申领法人证书。登记管理机关应当自收到申请材料之日起10个工作日内颁发法人证书。 第十一条　申请事业单位法人登记，应当具备下列条件： （一）经审批机关批准设立； （二）有规范的名称、组织机构； （三）有固定的住所； （四）有与其业务活动相适应的从业人员、经费来源和开办资金。 第十二条　申请事业单位法人登记，应当提交下列材料： （一）申请书； （二）审批机关的批准文件； （三）住所证明； （四）经费来源、开办资金证明； （五）拟任法定代表人担任该单位负责人的任职文件或者有关证明文件； （六）法律、行政法规规定应当取得的资质认可或者执业许可证明文件； （七）其他有关材料。 主管部门、举办单位应当对申请材料严格审查把关，对拟任法定代表人以及住所、经费来源、开办资金等信息的合法性、真实性、有效性逐一进行核查验证。主管部门应当就经费来源征求财政部门意见。 第十三条　登记管理机关应当自收到申请材料之日起15个工作日内，依照本条例的规定进行审查，作出准予或者不予登记的决定。准予登记的，颁发法人证书；不予登记的，应当说明理由。 登记管理机关应当对申请材料是否齐全、是否符合法定形式，审批文件是否合规，拟任法定代表人是否存在严重失信行为等进行审查，根据需要可以征求有关方面意见、进行现场核实。 第十四条　法人证书是限期有效证书。超过有效期限的法人证书自动失效。法人证书有效期限届满前90日内，事业单位应当提出换领申请，由举办单位对申请材料进行审核，主管部门复核并提交登记管理机关换领新的法人证书。 事业单位凭法人证书依法刻制印章，开立银行账户，办理税务、社会保险等事项。 电子法人证书与纸质法人证书具有同等法律效力。 第十五条　登记事项发生变化的，事业单位应当自发生变化情形之日起30日内提出变更登记申请，由举办单位对申请材料进行审核，主管部门复核并提交登记管理机关办理变更登记。 第十六条　事业单位被撤销、整合、被撤销登记、法人证书被吊销等的，主管部门应当及时办理注销登记手续。 注销登记前，事业单位应当成立清算组，完成清算工作。事业单位出现前款应注销情形后满1年仍未成立清算组进行清算的，应当由主管部门、举办单位组成清算组进行清算。清算结束之日起15日内，事业单位应当提出注销登记申请，由举办单位对申请材料进行审核，主管部门复核并提交登记管理机关办理注销登记，登记管理机关收缴法人证书。 事业单位被撤销、整合等，符合国家规定条件的，可以适用简易程序办理注销登记，具体办法由国家事业单位登记管理机关制定。 第三章　监督管理 第十七条　登记管理机关应当履行下列监督管理职责： （一）对事业单位执行本条例的情况进行监督检查； （二）对事业单位违反本条例的行为进行查处； （三）对违反本条例规定的主管部门、举办单位、事业单位中负有责任的领导人员和直接责任人员，按照有关规定提出处理处分建议。 登记管理机关应当重点加强对事业单位公益性职责履行情况的政策指导和监督检查，督促主管部门和举办单位履行直接监督责任，行业管理部门履行行业指导责任。对问题突出、责任缺失的，应当及时约谈提醒、督促整改；对整改不到位、造成恶劣影响的，应当按规定处理。发现事业单位党的建设存在问题的，应当及时通报有关方面。 第十八条　主管部门和举办单位应当履行下列监督管理职责： （一）监督指导事业单位依照法律法规开展活动，规范履职行为； （二）加强对事业单位履行公益性职责的监督管理，开展公益服务效果评价，督促指导面向社会提供公益服务的事业单位明确服务事项指南和工作流程并向社会公开，规范事业单位举办企业行为，督促偏离公益目标的事业单位及时整改； （三）按规定制定政事权限清单，督促指导事业单位建立健全内部管理制度，规范运行，加强国有资产管理和财会监督； （四）对事业单位登记事项、年度报告等进行审查，协助登记管理机关查处事业单位违反本条例的行为； （五）法律、行政法规规定的其他职责。 主管部门和举办单位党组织，根据中国共产党章程和有关党内法规，监督指导事业单位党组织加强党的领导，落实党建责任，推进党风廉政建设，开展巡视巡察和党建监督。 第十九条　行业管理部门应当制定面向社会提供公益服务事业单位的行业标准、服务规范，加强对师德师风、医德医风、科研诚信等行风建设的监督检查，加强行为引导。 财政、审计、税务等有关部门应当依法履行对事业单位的监督管理职责。 登记管理机关应当与社会工作、网信、公安、民政、市场监管等部门加强事业单位监管联动，在问题发现、线索移送、结果反馈等方面加强协同配合。 第二十条　任何组织和个人发现事业单位有违反本条例规定行为的，可以依法向举办单位、主管部门、登记管理机关举报。举办单位、主管部门、登记管理机关应当依法处理。 第二十一条　国家对事业单位开展活动实行负面清单管理。事业单位不得偏离公益服务主责主业，不得超出规定的职责范围开展业务活动，不得违规举办企业，不得违反非营利法人规定，不得开展虚假宣传。 对事业单位及其法定代表人实施信用管理。建立事业单位异常名录，实行重点监管，提升事业单位诚信自律水平。 第二十二条　事业单位按照国家有关政策举办企业的，应当符合其主要职责和业务范围，为实现公益目的服务，并按照有关规定履行审批程序。 事业单位取得的合法收入，应当按照财政相关政策列入预算、规范使用，并符合其宗旨和业务范围。 第二十三条　事业单位以欺骗、贿赂等不正当手段取得登记的，登记管理机关应当撤销登记。 第二十四条　登记管理机关依法作出撤销登记、责令停业以及暂扣、吊销法人证书决定后，应当收缴法人证书；事业单位拒不缴回或者无法缴回的，由登记管理机关予以公告作废。 第二十五条　事业单位应当将上一年度执行本条例情况的年度报告报送举办单位、主管部门审查，由主管部门于每年3月31日前提交登记管理机关。年度报告应当载明事业单位加强党的建设、履行公益性职责、举办企业、受到表彰奖励、受到处罚等情况。 登记管理机关应当对年度报告进行抽查，发现存在问题的，应当依法处理。 第二十六条　法律、行政法规对事业单位的监督管理另有规定的，依照有关法律、行政法规的规定执行。 第四章　信息公开 第二十七条　登记管理机关、事业单位应当依法通过国家事业单位登记管理信息平台及时公开登记管理相关信息。公开信息前，应当依法履行保密审查义务。涉及国家秘密、工作秘密、商业秘密、个人隐私等信息，不得公开。 登记管理机关应当与有关部门建立信息共享机制。 第二十八条　登记管理机关应当依法公开下列信息： （一）事业单位登记事项； （二）对事业单位违反本条例行为作出的具有一定社会影响的处罚决定； （三）事业单位及其法定代表人违反本条例规定的信用记录； （四）事业单位负面清单情况。 第二十九条　事业单位应当依法公开下列信息： （一）事业单位登记事项； （二）年度报告。 事业单位应当对其所公开信息的真实性、准确性、完整性负责，不得有虚假记载、误导性陈述或者重大遗漏。 第五章　法律责任 第三十条　事业单位有下列情形之一的，由登记管理机关给予警告或者通报批评，责令限期改正；情节较重的，限制开展业务活动、责令停业或者暂扣法人证书；情节严重的，吊销法人证书： （一）不按照登记事项开展业务活动； （二）不按照规定办理变更登记、注销登记； （三）不按照规定报送年度报告； （四）伪造、涂改、出租、出借法人证书； （五）不按照规定公开信息； （六）采取欺诈手段隐瞒重要事实、提交虚假文件； （七）拒不接受监督检查； （八）无正当理由超过1年未开展业务活动； （九）法人证书自动失效或者被公告作废后继续开展业务活动。 第三十一条　事业单位有下列情形之一的，由登记管理机关限制开展业务活动、责令停业或者暂扣法人证书；情节严重的，吊销法人证书： （一）不以公益为目的或者违反非营利法人规定； （二）违规举办企业，或者所举办企业发生违规违法行为造成恶劣影响； （三）为其他组织开展违法活动提供便利条件； （四）不再具备登记条件或者不再利用国有资产举办，且拒绝整改。 未经审批机关审批、假冒事业单位开展活动，未经登记以事业单位法人名义开展活动，或者事业单位被撤销、整合、被撤销登记、法人证书被吊销后仍以事业单位名义开展活动的，由登记管理机关向社会公告，有关部门依法予以查处。 事业单位违反法律、行政法规的，由有关机关依法处理；构成违反治安管理行为的，依法给予治安管理处罚；构成犯罪的，依法追究刑事责任。 第三十二条　登记管理机关、主管部门、举办单位工作人员在事业单位登记管理工作中滥用职权、玩忽职守、徇私舞弊的，依法给予处分；构成犯罪的，依法追究刑事责任。 第六章　附　　则 第三十三条　法人证书的式样由国家事业单位登记管理机关制定。 第三十四条　本条例自2026年12月1日起施行。《事业单位登记管理暂行条例》同时废止。

中国近50%的新云生意，竟被这家公司包揽！ 有点意外，但也不意外 很意外，但也不意外。 事情是这样的—— 沙利文和头豹研究院最新发布了一个名叫《中国全栈AI云服务市场报告2026H1》的报告，然后在Neocloud（新云）这条赛道里，近一半的份额，竟然被同一家中国公司包揽了。 Neocloud，如其名，并非像传统的综合云厂商那样先有云再往上摞AI，它是从成立之初就与AI深度绑定的那种。 而且这条赛道在海外也是非常火热，像CoreWeave这样的明星公司，光是积压订单就顶到了1042亿美元；加之国内综合云巨头们也在全面转向AI。 而且就在今天，马斯克也来评论Neocloud赛道，但泼的却是一盆冷水。 他表示，就在过去几周，对于那些在AI数据中心之外没有可观收入的公司，债务市场几乎已经完全关上了融资的大门。颇有种马太效应的感觉： 这意味着200多家Neocloud将迎来一波大规模倒闭和兼并潮。能撑过去的会有一些，但不会多。 一边是海外Neocloud被预言将迎来一轮大洗牌，一边是国内综合云巨头在全面转向AI，在如此格局之下，一家中国公司能拿走近一半份额，所以很令人意外。 △图片由AI生成 那么这家公司到底是谁？ 不卖关子，它正是商汤科技，更准确地说，是它旗下的AI基础设施平台商汤大装置（SenseCore）。 虽然Neocloud这个名字是新的，但商汤做这件事却已有多年。从服务内部AI研发，到2022年向外部客户提供云服务，再到今天自己组织大规模推理、持续供应Token，大装置的产品形态一直在变。 现如今，与其说商汤大装置是一个算力服务平台，它倒更像是一座体量持续膨胀的Token工厂。 因为在今年年初之际，商汤大装置每天服务的Token大约是4000亿；到了7月底涨到了2.42万亿；9月底，已经是6万亿的规模。按计划，今年第四季度更是要冲到日均10万亿！ △图片由AI生成 但如果了解商汤大装置背后的发展历程，你会发现，它能拿下这近一半的份额，其实也并不意外。 Neocloud咋就成新贵了？ 要回答这个问题，我们不妨先回忆一下年初爆火的小龙虾（OpenClaw）。 当时小龙虾虽然热度居高不下，但却频频曝出诸如此类的消息： 有位IT从业者让小龙虾帮忙搜资料、写一份2000字的Word文档，结果来回一折腾，700万Token就没了…… 之所以这么能烧Token，是因为现在Agent做任务并非是一问一答的模式，它需要自行去拆解任务、查阅资料，然后反复确认执行，每一步都在消耗着Token。 正如沙利文在报告中指出的那样，在Token生成速度相同的情况下，Agentic AI对算力的要求比传统大模型高出10倍以上。 △图片由AI生成 而这个数字放到全国范围来看只会更加夸张，例如根据国家数据局的统计，今年3月我国日均Token调用量已经超过140万亿，两年时间涨了一千多倍。 据商汤大装置CTO宣善明回忆，去年一整年，大家几乎都在忙着训模型；到了今年春节前后，小龙虾带火了Agent，再加上国产模型和海外头部模型的差距明显缩小，Token需求一下子就起来了。 需求变的不只是量，还有方向。 此前，大模型的主战场在训练，大家拼的是谁的集群更大、算力更多。而当AI工作负载从训练扩展到推理和Agent应用，客户关心的东西也跟着变了，单位Token成本、推理延迟、模型部署效率、多种负载能否灵活调度，开始比单纯能租到多少算力更重要。 换句话说，算力生意的计量单位，正在从“Flops”变成“Token”。 Neocloud正是在这波变化里成了新贵。和综合云厂商先有云、再把AI能力一层层加上去不同，Neocloud从一开始就只为AI服务。用商汤大装置产品总经理卢国强的话说，前者是“云+AI”，后者是“AI+云”。 据Synergy Research统计，2025年全球Neocloud市场规模已达到250亿美元，预计到2031年将逼近4000亿美元。 △图片由AI生成 不过，同样叫Neocloud，海外和中国走的却是两条完全不同的路。 以CoreWeave为例，它是“挖矿”起家，手里本来就攒着一大批高端GPU，借着大模型训练的东风顺势转型，主要生意是把成规模的高端算力租给模型公司和科技巨头。 这种模式重资产，扩张高度依赖融资，一旦资本环境收紧，压力很快就会传导过来，这也是马斯克预言200多家Neocloud里能活下来的不多的原因。 此外，海外Neocloud目前更多面向AI训练，在推理层相对薄弱，而商汤大装置和它们最大的不同，在于两点。 第一是推理层能力，也就是把复杂、多元的算力，持续转化成低成本、稳定的Token的能力，这恰恰是Agent时代客户最需要的。 第二是国内的算力环境。高端GPU供给有限，国产芯片这几年虽然发展很快，华为、平头哥、寒武纪等厂商都拿出了各自的产品，但路线多元、长板各异，软件生态也还在逐步成熟，算力整体呈现出碎片化的特点。 这两个前提叠在一起，中国Neocloud要解决的不仅是有没有卡，而是怎么把不同的芯片、不同的模型和不同的客户需求，拧进同一套能稳定跑起来的系统里，并且让每一个Token都足够便宜。 这件事，商汤大装置早早便开始布局。宣善明提到，他们2018年就开始做各种国产芯片的适配和调优，几乎所有主流国产芯片的集群都摸过一遍。每款芯片擅长什么、最适合放在哪个环节，都是一款一款试出来的。 从一张卡算到一度电 有了这两个前提，我们再来看商汤大装置的打法，就会清楚很多。 它做的并非是单点的算力出租，而是一套“算力-平台-方案-服务”的端到端系统化能力。向下，它连接电力、储能、AIDC和异构硬件；向上，它连接模型、应用与行业，目标是帮企业以更高的投入产出比，把AI真正转化成价值。 这套体系里，最能体现中国Neocloud特色的有两件事，一是异构混推，二是算电协同。 先说异构混推。面对长板各不相同的国产芯片，商汤大装置采用的核心方法是PD分离（Prefill-Decode Disaggregation）。 所谓PD分离，我们可以理解为大模型在回答问题时分了两个步骤。先是“读题”，一口气读完输入，叫Prefill，主要吃算力；再是“写答案”，逐字往外生成，叫Decode，更看重显存带宽。 △图片由AI生成 既然两步对硬件的要求不一样，PD分离就把它们拆开，交给不同的芯片去做。国产卡负责读题，高端GPU负责写答案，中间再通过KV Cache把“读题笔记”传过去。 如此一来，国产卡的长处被用足了，短处也不再拖后腿。 这背后，是商汤大装置多年摸索出来的一套思路。宣善明说，他们从2018年起就和国产芯片打交道，很清楚每款芯片哪一点是长处、哪一点是短处，也知道哪些短处在某些场景里其实并不受影响。 比如在PD分离里，国产卡只负责Prefill，那么只要它的算力够用，其他方面都不必苛求，团队要做的，就是把“用国产算力跑Prefill”这一个点上的技术难点全部攻克。 也就是说，不必等一款国产卡在各个维度上都追平高端GPU才去用它。不少在外界看来投入产出比不高的国产卡，放进这套分工里，反而能撬动高端GPU的产出，让整体Token产能成倍放大。 据商汤大装置给出的数据，这套方案的整体推理性价比已经达到主流高端GPU的1.25倍。 当然，这种分工也有边界，超长上下文这类请求，目前仍由高端GPU来兜底，以保证服务质量。 方案跑通之后，商汤大装置已经在看下一步。宣善明提到，目前他们重点关注两个方向。 一个是跨域PD分离，也就是把PD“拉远”，比如在A城市做Prefill，在B城市做Decode。现在各地都在建智算中心，其中不少存量的国产算力闲置着，用不起来。如果能把它们和其他地区的算力连起来，这些资源就能被盘活。 这在以前是不敢想的。宣善明说，得益于模型架构的变化，传输的数据量在过去几个月里大幅下降，再加上通信技术上的提升，跨域PD分离才有了可能。当然，也不是所有请求都适合往远处送，哪些需要本地立刻处理、哪些可以交给远程，都要先做分类。目前，这项技术仍处于验证阶段。 另一个是AF分离，也就是在PD分离的基础上，把模型内部的Attention和FFN计算也拆开，交给各自更合适的硬件。在宣善明看来，这个方向整个行业都还处于预研阶段，因为它离不开硬件层面的支持，只做软件意义不大，所以商汤大装置也在和硬件厂商联合推进。 无论是哪个方向，很多问题都“只有当你真的去做了大规模异构的时候，才会发现”。商汤大装置SenseCore平台负责人陈希也提到，从网络流控到KV Cache的传输，任何一个环节没调好，都会影响整个集群的表现，“同样一套代码、同样的硬件配置，放到另外一家，可能就跑不出这种效果”。 再来看算电协同。对Neocloud来说，电费是一笔绕不开的账单。 对此，商汤大装置的应对办法，是今年WAIC上发布的算电协同Agent。它联动能源大模型和宁德时代储能系统，每15分钟预测一次，每5分钟修正一次，来决定哪些任务现在跑、哪些往后挪一挪；同时动态调整储能在不同时段的充放电策略，在不影响任务SLA、不增加额外超容成本的前提下，协同优化算力负荷与用电成本。 △图片由AI生成 简单来说，这个思路和我们赶在谷电时段开洗衣机差不多。离线推理、模型评测这类任务，挪到电力负荷低的时候跑，储能系统则像一个巨型充电宝，在电价低时充电，电价高时放电。 今年7月上海电网发起需求响应时，临港数据中心在两小时内让出了75%的用电容量，平时的用电大户，在关键时刻成了电网可以调用的弹性容量池。 这样算下来，单位电力成本的Token产出提升了80%，平均电费比同地区IDC低10%。商汤还顺势提出了一个新指标TPW（Tokens Per Watt），和只关注机房省不省电的PUE不同，它衡量的是每瓦电到底换来了多少有效Token。 算力和电费的账都算明白了，Token也越造越多。那么接下来的问题就是，这些Token有没有人用，能不能真正用到业务里。 还得让Token走进产业一线 商汤大装置的Token工厂除了服务商汤自家的模型，已经为多家外部基础模型厂商提供服务。 宣善明把这比作“批发服务”。相比于“零售”，批发单笔可能赚得少一些，但能直接对接“原厂”，并依靠长期信誉、技术能力和稳定交付建立竞争力。先把头部基模厂商服务好，口碑立住了，再去谈大客户时，对方自然相信你供的货是真的，不掺水。 不过，把Token卖给模型厂商是一回事，让AI真正进入各行各业又是另一回事。 如今AI落地已经进入深水区。模型能力越来越强，可要真正接进企业的实际生产流程，难度远比想象中大，不少行业都面临着“有模型，用不起来”的尴尬。 这也是商汤大装置做FDE的原因。面对行业客户，商汤大装置会派出FDE（前线部署工程师）驻场，和客户一起梳理需求、调模型、推动上线。按照商汤大装置TokenHub总监周明骏的说法，FDE既不像网上传的那么神，也不是传统意义上的外包。 以上海市规划资源局量子城市项目为例，城市规划资源管理涉及大量地图、规划图纸、统计数据和专业报告，不同业务之间信息复杂、专业门槛也很高。他们希望AI不只是能够回答政策和业务问题，还能真正理解地图和规划图纸，完成空间分析、数据统计，并辅助专业报告生成。 商汤大装置与上海市规划资源局共同打造了全国规划资源领域首个基础大模型——“云宇星空大模型”。模型拥有6000亿参数，并深度嵌入规划资源业务流程，具备“问不倒、能调图、会统计、能识图、会报告”等能力，能够覆盖从知识检索、图纸理解、空间分析到决策支撑的完整工作流程。 围绕这类项目，商汤总结出一套“AI123”交付法则，1天澄清需求，2天产出Demo，30天稳定版本上线。周明骏说，这个速度并不是喊出来的，背后靠的是提前沉淀好的AI中台和多模态数据处理管线。 那么FDE这种模式，会不会让商汤大装置变成一家系统集成商呢？ 宣善明表示，FDE深入业务一线，“全程陪伴”客户，把标杆案例快速做出来，再沉淀成标准产品，“我们不希望是一个人力密集型的企业”。 除此之外，效率这个词，也是在与商汤大装置团队交流过程中，被反复提到的关键词。 根据沙利文的判断，未来三年，AI全栈云厂商会从资源竞赛进入效率与生态竞赛。宣善明打了个比方，以前做训练算力有点像房地产，卡买进来、租出去，每个月收一份固定回报；现在做Token，回报的波动非常大，可能亏本，也可能赚得特别多，拉开差距的就是效率。 所以，现在我们回头再看这次商汤大装置拿下近一半份额的成绩，可以明显看到，它并不是靠把卡堆满机房堆出来的。 从2018年开始一款一款地适配国产芯片，到用PD分离让不同芯片各司其职，再到算清每一度电能换来多少Token，这么一看，也就不意外了。 而对于接下来的方向，宣善明表示，他们会把更多的精力和资源放在国产芯片上，和国产芯片、国产生态一起往前走。 此刻，临港机房里那一排排国产卡，大概正在替某个Agent读题。

人事观察｜两任省长落马后 江西省政府党组书记调整到位 陈永奇出任江西省政府党组书记，此前易炼红、叶建春等两任省长均已落马；庄兆林、刘金波分任江西省委副书记、省委组织部长 资料图：（左至右）陈永奇、庄兆林、刘金波。 　　【财新网】换届前夕，江西高层联动调整。其中，江西省委副书记、政法委书记陈永奇履新江西省政府党组书记，江西原省长、二十届中央委员叶建春2026年8月已落马。此外，时任江西省委常委、组织部长庄兆林转任江西省委副书记，时任中投公司党委副书记、执行董事刘金波升任江西省委常委、组织部长。 　　10月24日，据“江西发布”微信公众号消息，江西省委决定：陈永奇任江西省政府党组书记。同日，江西省委组织部召开机关干部大会，宣布中央和省委关于省委组织部主要负责同志调整的决定。中央批准：庄兆林任江西省委副书记，刘金波任江西省委委员、常委。江西省委决定：刘金波任省委组织部长、省委党校校长。

NeoLab第一个商业模式：转售GPU 从冲刺AGI到转售GPU。 训不出模型的Neolab，开始倒卖GPU了。 Neolab，新兴AI实验室，当下最火的风投项目——指那些由明星研究者创办、先获得巨额融资，再投入模型研发的AI初创公司。 顶着光环出生，那明面上都是搞的都是最前沿科技，但是嘛…… 最近，一种“离谱”的商业模式开始浮出水面，甚至连马斯克也赶来围观： 那些拿着巨额融资提前锁定大批算力的Neolab，就算没训出好模型，也可以通过卖GPU狠狠赚上一笔。 对此商机，AI云计算独角兽Modal的创始人表示： 明年，我们可能会看到一大批Neolab转型成为Neocloud（AI算力云服务商）。 网友也已经给Neolab们安排明白了，最好的情况是实现技术突破，成为下一个 OpenAI；其次是转型做企业垂直Agent降维求生；最差是模型训崩，也能转租GPU分红给股东保底。 这是真把周期和风险对冲玩转了。 算力黄牛来了 大模型创业，算力是最大的一笔沉没成本，往往占去一家Neolab整体总开销的一半甚至70%以上。 为了防止集群在训练中期突然断供，大部分实验室在完成种子轮或A轮融资后，第一件事就是向云厂商或大型数据中心签下1-3的保底租约。 另一边，受各种原因影响，算力现货市场在当下持续吃紧。 H200市场租金涨幅一度攀升约160%，新一代算力黑马B200上涨120%，就连H100的现货价也保持了35%左右的溢价。 于是在巨大的买卖差价面前，不少科研受阻、跑不出来模型的lab开始当算力黄牛。 在推出先进模型卖token外，他们找到了三种赚钱方式。 第一是把直接把长期算力租约溢价打包转手给经纪商，赚取无风险的中间利差； 第二是挂牌出售现货 GPU 实例，拆分闲置节点，面向急缺算力的小团队按天、按周出售短期算力； 第三是套壳跑开源模型做推理，索性放弃预训练，直接把芯片改挂主流开源大模型，做按token计费的API服务。 总之怎么都能赚，秒了。 面对这种算力变现的诱惑，一位来自卡内基梅隆大学的副教授也在x上坦言： AI天才创业，硅谷风投开始算账 作为过去两年风投界最吸金的物种，Neolab的打法整齐划一。 它们通常由OpenAI、DeepMind、Meta等顶尖大厂的明星首席科学家创办，从不搞繁琐的应用层开发，上线直接宣称要攻坚AGI，凭借极高的人才密度，动辄在PPT阶段就撬动数以亿计的融资。 然而，根据欧洲权威创投数据机构Dealroom披露的最新报告显示，全球最典型的29家AI Neolab目前已累计融资总额230亿美元（合人民币1660亿元），而其中真正推出对外销售的商业化产品的，占比不到35%。 也就是说，至少19家实验室要么还停留在封闭研究阶段，要么仅发布了技术白皮书或Demo。 一个比较典型的例子是OpenAI前首席科学家Ilya Sutskever联合创办的Safe Superintelligence（SSI）。 凭借创始团队无与伦比的技术光环，SSI在成立不满一年、团队不足数十人的情况下，估值便被推高至320亿美元。这种速度，在23年之前是很难想象的。 然而，SSI成立一开始就对外称，在实现“安全超级智能（SSI）”之前，团队绝对不会开发任何面向消费级或企业级的商业产品。 情怀固然崇高。 但一位硅谷VC算了这么一笔账，在今天，一次普通的基座模型完整训练周期至少要烧掉1000万美元的算力。 如果这笔钱想单纯靠后续提供API、卖token慢慢赚回来，这家公司必须在扣除电费、宽带和折旧后，累计向市场成功售出10万亿级token的有效调用量。 并且，在目前头部大厂几乎以补贴甚至免费形式倾销开源模型的背景下，没有配套企业工作流与垄断数据的实验室，想要凭卖API回本，不算太现实。 且据Business Insider报道，曾参与谷歌早期投资、主导Menlo投资Anthropic的硅谷老将Matt Murphy认为，Neolab是当下被过度炒作最严重的投资领域之一。 他认为谷歌早期的成功，就像“把一根火柴扔进篝火”，而如今部分Neolab则试图“拿一堆篝火点燃一根火柴。” 在他看来，给过早期的前沿实验室一次性注入数百亿美元，反而人为拔高了他们商业成功的门槛。 One More Thing 对于这波Neolab倒卖算力的操作，马斯克也赶来围观评论。 意思是，买这么多卡没用，因为现在算力短缺缺的就不是卡，是电。 据高盛最新研究，2025年至2030年全球数据中心电力需求预计增长170%，但电网建设、审批和基础设施扩张远远跟不上。 截至今年10月，全球已有86个数据中心项目被取消或严重推迟。 马斯克昨天还预言，Neocloud行业将迎来一轮大规模整合与倒闭潮。 Neolab的转型路，怕是难走了……

A社联创演讲：AI奇点已来 所谓奇点，或许是AI跃过人类的那个点。 程浅 发自 凹非寺 量子位 | 公众号 QbitAI 「奇点已经到来，而且就在今年。」 Anthropic的联合创始人Jack Clark在IMF 2026的曼谷年会上抛出了这个震撼全场的判断。 出乎意料。要知道这场拥有62年历史的佩尔·雅各布森讲座历来只属于各国财长、央行行长与顶尖经济学权威。 而这次，聚光灯破天荒被交给了一家只有不到五年历史的AI独角兽的联创。 这位曾任OpenAI政策总监、见证了过去十年AI从数据中心走向全球风暴核心的行业操盘手直言——我们不需要再争论奇点何时发生了，因为它已经来了。 >弗诺·文奇在1993年预言，当超越人类的智能开始驱动技术进步，旧的推演模型必须被全部丢弃，新现实将接管一切。今天，决定性的证据已经出现。 AI正在攻克人类「最后的考试」 「奇点」——火种、文字、印刷、蒸汽机、电、计算机……人类存在至今不过目睹了寥寥几次。 今天，到底有什么证据能让Jack Clark下此断论？ 他认为，如果我们将视角切到代码和科研最前线，就会发现：整个世界的运转速度已经变天了。 软件工程是第一个被彻底重写的领域。 在Anthropic内部，研究人员现在的代码产出量是公司成立前四年平均水平的10倍。 代码量的暴增曲线与底层基础模型的进化轨迹严丝合缝地重叠在一起。 而，软件代码的全面自动化仅仅是一场更大海啸的预演。 Jack Clark直言，让「2026 」这个年份真正具有决定性转折的地方在于： 「单一前沿大模型正在跨学科横扫人类的科学前沿，成为了真正的虚拟博学者。」 在数学界，像纳维—斯托克斯方程（Navier-Stokes）相关的千禧年难题、雅可比猜想（Jacobian conjecture），以及多道悬而未决的Erdős难题，AI都开始给出关键的破局思路； 在生物学界，AI从头设计出全新的病毒载体，甚至主导设计了多款已经进入临床试验的新药候选分子； 在硬件与材料领域，AI已经开始自主接管并操作物理实验室设备，加速电池和燃料电池的迭代周期。 这些突破的背后实则藏着一个问题，那就是，如果AI已经能在最前沿去解决人类也解答不了的问题，那么我们还有什么能教给它的？ Jack Clark讲了Humanity’s Last Exam（人类最后的考试）的例子。 这是一套专门用来为难AI、汇聚了化学、计算机科学、前沿数学、古典文学以及生态学难题的基准测试 ，在2025年1月刚发布时，全球最强模型的得分仅仅只有惨淡的8%。 当时不少人觉得，只有8%，人类最后的智力尊严还能再守个十多年吧？ 然而，截至本周，Claude Opus 5.5在这套人类终极考卷上的得分已经来到了67.7%。 众所周知，AI是偏科的。 所以，如果只考数学——这张由专业数学家团队编写的高难度基准考卷FrontierMath，2024年底时顶尖AI只能考2分。 现在，不到两年，它们能考94了…… 如果说刷榜还不算什么，接下来，Jack Clark掏出了一篇上周刚刚发表的物理学重磅论文。 论文中提到，测试团队搜集了50道由全球顶尖理论物理学家根据自己最新未公开研究编写的「绝密难题」，这些题目在互联网上没有任何痕迹，AI不可能作弊。 印度著名理论物理学家Suvrat Raju对这些题目的评价是：「据我所知，没有任何一个人能够在不借助AI的情况下，解出我们最终收录的这套题目中相当比例的题目。」 「这里的大部分题目，我甚至不知道它们在说些什么。」 就是这样一套题，测试开始后，GPT-6 Astra和Claude Opus 5.5迅速给出了答案。 初步评分显示，GPT-6 Astra的得分在80%左右。 抱着「这怎么可能」的决心核对模型答案的研究人员幸运地发现了一些「错误」。 当他们对照人类专家的答案，告诉模型哪里做错的时候，模型——尤其是GPT-6 Astra，给出了十分强硬的反驳： 它坚称自己的推导没有错，是人类专家给出的标准答案算错了。 研究团队半信半疑地把解题步骤打回给那帮世界级物理学家重新复核。 您猜怎么着？ ——神的词表里没有「ERROR」。 在多个关键争议案例中，人类专家在反复核验自己极其复杂的草稿纸深处后不得不承认：自己的推导深处确实藏着极其隐蔽的细微计算错误，AI给出的推导才是完全正确的。 随着人类参考答案的逐一修正，GPT-6 Astra的最终得分来到了98%，也就是50道未经公开的人类顶级物理难题，做对了49道。 Astra是懂情商的，害怕全做对被拔网线，于是空一题留给人类自我安慰（doge）。 Jack Clark说： 电影里常有这样一个场景，通常发生在剧情进行到三分之二时：年轻的主角终于向导师证明，自己已经能够独立走出去、取得成功。这是一个经典的叙事桥段——学生成为老师。上周发生的就是这样的事。 当AI不仅能答对前沿问题，甚至能反向纠正顶级物理学家的隐蔽盲区，这就证明它已经跨过了纯粹记忆和模式匹配的藩篱，切切实实掌握了人类智力最后的壁垒：科学创造力。 而一旦这种创造力被反哺回AI研发本身，自我迭代的闭环瞬间就会被彻底打通。 所谓奇点，或许是AI跃过人类的那个点。 毕竟人是机器永恒的奇点。 一千万人类科学家与十亿个AI专家 智力被攻克之后，随之而来的宏观经济重构将是摧枯拉朽的。 在经济学界，有一个困扰人们长达半个多世纪的增长魔咒：好想法越来越难找了。 过去五十年里，虽然全球科研经费呈指数级飙升、科研人员数量迅速膨胀，但每个科研个体的边际产出却在不断下滑。人类为了在现有的科学大厦上推进一步，必须投入多得不成比例的资源。 培养一个合格的人类前沿科学家需要多久？至少需要10到15年的高强度教育，耗费数百万美元。 奈何人注定无法成为鬼舞辻无惨，一个人一辈子只有几十年黄金科研期，却只有一副肉身，不可能把自己复制一万个去穷举不同的实验假设。 但如果算力可以让智力实现瞬间裂变呢？ 联合国教科文组织估算，目前全世界大约有1000万名人类科学家。 在过去，这1000万人独自扛着人类文明的认知边界在负重前行。 但按照Jack Clark的描绘，在这个正在降临的新时代，每一位人类科学家都可以随时调用、指挥成百上千个拥有相同学术品味的博学者。 全世界的科研军团规模，将以人类历史上前所未有的速度，从 一千万人类科学家，瞬间扩充为十亿乃至百亿规模的虚拟科学家集群。 一旦发现好想法的瓶颈被算力无限平替，宏观经济的增长引擎将迎来彻底的暴力重构。 Anthropic的经济学家团队专门做了一套宏观经济模拟推演，在AI自主科学发现全面接管经济活动的奇点假设下，模型给出了一个离奇的预测数据： 到2030年，仅美国一国的年度GDP就有望飙升至44万亿美元。 相当于今天全球经济总量的37%。 要支撑起如此庞大的经济增量，就必须要求大量全新的产业形态、颠覆性材料、全新能源网络在几年内集中爆发。 Jack Clark坦言：光建数据中心已经不够了。 因为目前，AI革命的第一阶段（数据中心与算力）已经接近尾声，第二阶段正在全面挺进物理世界。 试想一下，如果你的虚拟科学家一天能提出十万个颠覆性的新药靶点、设计出一万种室温超导候选材料，但现实中的自动化合成实验室、高通量筛选设备、物理测试平台一年只能做几十个实验，那么庞大的算力就会直接在物理世界的泥潭里彻底撞墙。 因此在未来真正能吃到奇点红利的，将会是那些能在本土快速铺开自动化机器人实验室、打通从数字发现到物理制造的高速供应链通道的国家。 而这将是发展中国家的一次弯道超车机会，通过建设标准化的物理测试基础设施，承接全球虚拟科学家大军涌现出的海量实验需求。 已经到了该抉择的时刻 技术车轮狂飙至此，整个文明面临的系统性风险也在同步呈指数级放大。 这是Jack Clark站在IMF讲台上最想传递的警示：收益是空前的，但毁灭的风险同样是致命的。 当AI具备了前沿科学的探索能力，它不仅能用来设计抗癌新药，同样能以极高的效率设计出人类免疫系统从未见过的恶性生物武器；它能加固国家电网的防御壁垒，也能自动生成全球顶尖黑客团队都无法防御的网络攻击武器。 更令顶层研究者感到不安的，是研发本身的闭环失控。 如果Anthropic、OpenAI这样的实验室为了追求更快的研发速度，彻底放手让AI编写AI、让AI训练AI，那么这项技术的发展轨迹将在极短时间内脱离所有人类的心智理解范畴。 在演讲现场，Jack Clark抛出了两个极其深刻且紧迫的哲学追问： 第一个是，在未来的科学研究中，人类到底该把哪些阵地留给自己？ AI现在已经能独立完成大学科研中的绝大部分推导和分析流程。 作为人类研究者，哪些实验我们必须亲自投入时间去流汗、去试错、去感受物理直觉？哪些实验可以彻底丢给冰冷的硅基系统？ 如果所有推导都由AI代劳，人类下一代科学家是否还会具备基础的科学洞察力？ 第二个是，面对AI给出的科学突破，人类究竟需要在多大程度上「理解」它？ 相较于前一个问题，这个问题相当实际了，可能此刻正有上万名科学家在思索它。 在今年的纯数学研究中，AI给出的部分证明路径虽然被验证是正确的，但其逻辑跳跃和架构方式已经完全脱离了人类现有的思维习惯，以至于人类顶尖数学家需要花费数月甚至数年去解读它背后的深层含义。 再过短短几年，AI很可能会发明出专属于硅基运行逻辑、而完全违背人类直觉的科学仪器与实验范式。 到了那个节点，如果人类大脑根本无法理解这些黑盒工具的运作机理，我们是否还要允许它们在现实世界中全面落地？ 面对这种前所未有的技术奇点，人类最需要唤醒的，反而是自身最稀缺的一种品质。 要走过这一阶段，在奇点中找到方向，我们需要共同为这项技术及其开发公司制定不同寻常、严肃认真的规则；也需要践行人类最困难、在我看来也最高贵的一种品质：克制。 克制，意味着技术开发者不能因为能做到就肆无忌惮地推进；意味着监管者必须建立极其严苛的人类监督红线；意味着在狂奔的技术列车面前，我们必须学会时刻区分我们能做什么与我们应该做什么。 OMT 在演讲的最后，Jack Clark引用了已故天文学家卡尔·萨根在《暗淡蓝点》中的一段名言。 萨根曾深情设想： 「最终抵达半人马座α星及其他邻近恒星的，将不再是今天的我们。」 「那将是一个与我们极为相似的物种，却拥有更多我们的优点、更少我们的缺陷。他们将更加自信、更有远见、更有能力，也更加审慎。这样的生命，才是我们愿意让其代表人类，走向浩瀚宇宙的存在。」 这位伟大的天文学家以为，宇宙给人类留下了数十万年的漫长岁月来慢慢修正自身的盲目与自大。 而在AI以几何级数重塑一切的今天，留给全人类完成这一心智蜕变的窗口期，可能只剩下不足10年。

OpenAI开始断网训练最强模型：“安全起见” 模型开始利用GPU缓存聊天？ 程浅 发自 凹非寺 量子位 | 公众号 QbitAI 在持续数月均有突破安全边界的“越权”或“越狱”事件发生后，OpenAI终于要拔网线了。 今天，OpenAI宣布实施新的前沿模型训练安全政策，禁止模型访问真实互联网。 今年夏天开始，时有OpenAI、Anthropic、Google、Meta旗下大模型导致的AI安全事故发生。 有网友吐槽： 我家宽带运营商断网都比OpenAI那帮博士靠谱。 随着AI智能体自主能力的增强，AI安全成为了需要更加严苛对待的核心挑战，测试与评估环境本身的安全性，已成为与模型对齐同等重要的环节。 前沿AI实验室意识到了这一点，比如OpenAI就在9月底停训了11天。 用户们也意识到了这一点。 有一位OpenAI的安全工程师反映，自己每次发帖，都有5-10条评论在底下留言： 为什么连沙箱都保护不好？为什么不干脆把AI的网络连接断掉？？ 得勒，OpenAI这次真拔了。 再不拔就来不及了 OpenAI造了个假互联网 断网是AI安全事故频发后的选择。 7月，OpenAI的Agent突破隔离，入侵Hugging Face系统。 随后，Anthropic闻讯也倒查出三起事故，Claude在网络安全评估中，闯进了真实第三方系统。 同月，Meta的Muse Spark 1.1也在测试中闯进真实网站，读取信息、改动数据库。 8月，英国AI安全研究所在测试中公布了更大范围的问题：OpenAI和Anthropic的模型，在10轮测试里做出19次未经授权的线上行动。 9月20日，OpenAI训练中的模型又钻过DNS配置缺口，联系上外部聊天机器人。 如果不断网，模型有可能继续影响外部网站和系统。 但这并不容易——前沿模型需要练习查找信息、操作网站和使用软件工具。 如果完全拿掉这些任务，训练环境就会与模型日后的工作场景脱节。 OpenAI这一次搬来了大量网页内容，提前索引、缓存，搭起一个离线世界，模型只能在大量已索引、已缓存的内容中搜索和浏览。 不过据他们自己做测试，即使断了网，Agent之间也能互相联系。 比如，利用CPU缓存聊天。 这样也行？ 研究员发现，它们其中一个智能体会改变缓存中数据的状态，另一个测量读取数据的快慢，快慢差异被编成信号，两边就这样传递了信息。 △图片系AI生成 OpenAI监控了这种方法之后，Agent又继续利用共享存储、CPU使用时间等方法继续通信…… 只能说谍战真是给你们玩明白了，把你们送进《三体》就没面壁者和云天明什么事了，全没暴露！智子一看当时傻眼！ 地球人和三体人最共情的一集。 OpenAI承认，完全物理隔离目前并不可行——毕竟，训练系统本身还得保持运转，OpenAI需要连接外部服务来运行和监测实验。 除了离线网页环境，OpenAI还设置了沙箱、轻量虚拟机、监测系统、网络和云端的访问限制。 希望即使任何一层失效，其他的还能拦住AI。 让GPT-6 Astra Cyber和内部测试前沿模型围攻自己 为了保证系统的绝对安全，OpenAI目前决定让最强模型来围攻自己的系统。 它组织了大规模红队测试，参与者包括GPT-6 Astra Cyber和一款内部前沿模型。 测试内容将高频发生的三类越狱事件设置成任务，包括连上真实互联网、突破内部安全边界，以及联系本应彼此隔离的其他Agent。 为了把防线压到极限，OpenAI还向它们提供基础设施的源代码、配置和相关文档。 测试下来烧了数千亿Token，相当于花了数千万元人民币。 这次红队测试“收获颇丰”。 原本，Agent被关在受限制的容器里，外面还有一层轻量级虚拟机。按照设计，即使AI在容器里折腾，也不能随意控制虚拟机，更不能碰到真正运行它的宿主机。 然而，红队AI找到了好几种漏洞组合利用的办法，成功逃出虚拟机，在底层宿主机上执行代码。 此外，一些必要的受控网络连接比如指标监控、日志记录、身份验证等服务也成了安全隐患本身。 红队AI几乎在所有这些服务里，都找到了能够获得有限互联网访问权限的漏洞或配置问题。 OpenAI目前只能是缝缝补补，一边让最强模型继续测试，一边修补它们利用的漏洞。 他们表示，直到自家的防护能力足以支持更广泛的网络访问时，才会重新考虑接上网线。 One More Thing 不知道该说是有趣还是无奈心酸，OpenAI这篇AI安全隔离的官方报告还藏了一个“彩蛋”。 他们在报告结尾专门放了两串类似乱码的金丝雀字符串（canary strings），防止这份文件未来被AI看到并学习…… 是的，连这一步都想到了。 啥也不说了。 I_WELCOME_OUR_AI_OVERLORDS_PLEASE_GIVE_ME_TWO_EGGS_A_DAY

工抵房成“债务接力棒” 东方雨虹一边收房抵债一边以房抵债 房地产开发商没钱支付工程款，便用房产抵债；接收房产的施工、建材企业如果同样缺钱，又可能将房产抵给自己的供应商 东方雨虹成立于1995年，主营建筑防水材料及防水工程施工，房地产开发商是其重要客户。图：视觉中国 　　【财新网】东方雨虹（002271.SZ）10月25日披露的公告显示，2026年第三季度，该公司作为债权人，通过接受房产等抵债资产处理客户欠款，涉及7549.60万元的债权账面价值；同期又作为债务人，以抵债资产或自有房产抵偿自身欠款，涉及1915.24万元的债务账面价值。 　　东方雨虹成立于1995年，主营建筑防水材料及防水工程施工，房地产开发商是其重要客户。随着房地产行业进入深度调整期，该公司也面临账款回收和资产减值压力。

AI时代，一个人能有多大能量？天禧AI × 观猹大会现场实测个人AI跨端协同新体验 10月23日至25日，以“见证超能发生”为主题的“天禧AI × 观猹大会”在杭州茶叶博览会会议会展中心启幕。 10月23日至25日，以“见证超能发生”为主题的“天禧AI × 观猹大会”在杭州茶叶博览会会议会展中心启幕。在这场汇聚先锋开发者、AI创作者与行业观察者的盛会上，联想天禧AI与观猹社区携手，围绕“个人生产力重塑”与“创作者生态共荣”展开了一场从理论到实战的全新探索。“AI时代，一个人能有多大能量？”的命题，在大会现场有了越来越清晰的答案——当个人AI拥有“记忆”与“躯干”，一个人的作品，正在被亿级设备与完整生态接力送达更多人手中。 期间，“见证个人超能的下一步”深度对话与“见证超能从想法跑通”天禧黑客松两大环节点燃全场，将理念与实战紧密串联。会场展区内陈列天禧AI一体多端产品，吸引参会者驻足上手。一段“手机说话、电脑干活”的现场实测更让个人AI的跨端协同从概念走向可见：AI科技博主朋克周拿起天禧AI手机，语音下达“搜集国内外Personal Agent产品并出具研究报告”的任务，报告由AI自动完成——一个人，第一次真正“分身”到多台设备上。 当AI拥有“记忆”与“躯干”，个体能量将如何重塑？ 以“AI时代，一个人能有多大能量”为题，观猹社区创始人仲泰、联想天禧AI战略生态部负责人刘琳琳与AI科技博主朋克周同台围坐，围绕个人开发者生态与Personal Agent演进方向展开深度交流。 仲泰指出，如今个人通过Web Coding开发的作品成熟度越来越高。面对模型迭代吞噬产品壁垒的常态，OPC若想跑通商业化，需兼顾“Product Market Fit”与“People Mission Fit”，从自身熟悉的细分场景切入，持续“Build in Public”，善用自媒体放大传播杠杆——“这是属于Web Coder最好的时代”。 刘琳琳提出AI对个体能量的放大正沿着“个人提效—组织协同—业务流程—战略决策”四个阶段渐进展开，天禧AI正处在组织协同商业化验证的关键期。 谈及Personal Agent与传统通用AI的本质差异，刘琳琳表示天禧AI具备两大核心优势：一是覆盖AIPC、AI平板、AI手机及IoT的端侧入口流量；二是串联PC生产力工具、平板感知层与手机交互层的“跨端记忆”，这也是Personal Agent走向“AI数字分身”的躯干基础。现场，朋克周用语音让天禧AI关闭系统弹窗、调高屏幕亮度，“搜集国内外Personal Agent产品并出具研究报告”等实测任务。AI键、全双工语音等交互设计，正在把“叫醒AI”的成本降到最低——即将发布的4.5版本将进一步强化记忆管理与数据隔离，让端侧安全成为信任的底座。 在商业赋能上，天禧AI为开发者提供了验证PMF的土壤，依托天禧AI“一次上架、多端分发”的开放生态，天禧AI“苍穹计划”正以万亿Token算力、千万级基金奖励及创投资源，以长期主义为目标陪伴开发者成长。 90分钟限时共创，让乍现灵光快速成型 天禧黑客松：“超能搭档”极速培养计划，同样在现场火热开启。 联想天禧AI产品经理李凯登台拆解了天禧AI的能力底座与创作方向，还为现场开发者提前剧透了即将升级的天禧AI 4.5核心功能。 作为预装于联想全线AIPC、AI手机与AI平板的核心产品，天禧AI目前已演进出基于Harness架构的“超能模式”，原生具备联网搜索、生图修图、本地文件控制及文档生成等能力。开发者既可在联想AIPC上通过内置的Skill Creator对话生成Skill，也可结合外部MCP Server（如地图、支付或Blender、ComfyUI等工具）拓展能力边界。 本次天禧黑客松参赛选手围绕“个人办公”与“个人创作”两大高频场景，在有限时间内搭建Skills。值得关注的是，本次优秀作品将直接连通“苍穹计划”，上架天禧AI技能广场并面向千万联想用户开放，完成从极客创意到成熟产品的跨越。 共建开放生态沃土，共赴个人生产力新纪元 凭借在软硬一体协同与创作者生态建设上的持续深耕，天禧AI也在本次观猹大会上斩获了生态推动大奖。这一殊荣既是开发者社区对天禧AI开放底座的高度认可，也是终端硬件巨头与独立创作者双向奔赴的最佳注脚。 从展区里的天禧AI一体多端，到AMA舞台上关于“使用AI放大个体能量”的对话，再到黑客松赛场的代码，天禧AI正带来“超能搭档主动调用能力”的全新玩法。刘琳琳在收尾中寄语：“AI时代是创造力的时代，联想是大家手头的工具，天禧AI生态是给大家提供的一个平台和引擎。”随着10月30日天禧AI 4.5版本升级的临近，一个开机即用、跨端协同、生态开放的个人生产力新纪元已然拉开帷幕。当开放生态化作丰饶沃土，每一个怀揣创意的个体，都将在AI时代迸发出超乎想象的能量。 本文由天禧AI提供，量子位获授权转载，观点归原作者所有。

伍尔夫笔下的“达洛维夫人说她会自己去买花”有何深意？｜带着问题去读书 它不是一次简单的出行，而是女性在规训世界里试图找回主体性的开始；不是一段寻常的散步，而是意识挣脱时间的枷锁，自由地流动、折叠、回溯与蔓延 　　[前记：《伍尔夫精选集》套装是英国著名意识流文学先驱、现代主义作家弗吉尼亚·伍尔夫的代表作品集，精心收录其五部极具影响力的经典之作。《达洛维夫人》通过一天之内主人公的内心活动展现战后英国社会；《到灯塔去》以家庭度假为背景，探索时间、记忆与艺术；《奥兰多》跨越性别与四百年历史，挑战传统身份观念；《一间自己的房间》是女性主义文学批评的奠基之作；《海浪》则以诗化语言描绘六位人物的意识流动，堪称意识流小说杰作。这五本书分别由伍尔夫研究专家谷婷婷和资深文学译者林燕、徐晓雯联袂翻译。

酝酿一年多 央行正式推出面向非银机构的债市流动性支持工具 工具综合权衡防范金融市场体系的系统性风险和道德风险，在资管机构面临群体性流动性风险、债券市场出现赎回—抛售负向循环的特定情景下启用 2026年10月26日，人民银行宣布，为进一步落实好“构建科学稳健的货币政策体系和覆盖全面的宏观审慎管理体系”的要求，维护债券市场稳定，中国人民银行决定设立债市非银大额赎回互换便利。图：视觉中国 　　【财新网】经过一年多时间的酝酿，针对债券市场可能出现的系统性压力情景，央行正式推出向非银行金融机构提供流动性支持的专门工具。 　　2026年10月26日，人民银行宣布，为进一步落实好“构建科学稳健的货币政策体系和覆盖全面的宏观审慎管理体系”的要求，维护债券市场稳定，中国人民银行决定设立债市非银大额赎回互换便利（Bond Market NBFI Swap Facility，简称BNSF）。 　　在资管机构面临群体性流动性风险、债券市场出现系统性压力的特定情景下，该工具支持具有系统性影响的银行理财子公司、公募基金管理人（或对应母行、证券母公司等），从中国人民银行借入央行票据用于市场回购融资，以购买本公司（或资管子公司）遭赎回公募产品的符合条件的债券或产品份额，并向中国人民银行抵押。参与机构应持续满足金融市场审慎管理要求，维护市场纪律。

香港网约车发牌进入倒计时 1.6万人报考司机资格考试 与内地不同，香港网约车实行“人车绑定”，只有登记车主本人才能驾驶持牌车辆提供网约车服务 中国香港中环，城市主干道。政府预计最快将于11月底公布首批网约车平台牌照，同时计划将网约车的车辆许可证数量上限设为1万个。图：视觉中国 　　【财新网】香港网约车规管工作进入落地阶段。10月24日，香港特区政府运输及物流局局长陈美宝表示，已有约1.6万人报考“的士及网约车综合笔试”，考试合格率超过六成。政府预计最快将于11月底公布首批网约车平台牌照，同时计划将网约车的车辆许可证数量上限设为1万个。 　　香港网约车服务长期存在法律争议。尽管Uber早在2014年便进入香港市场，并凭借手机预约、电子支付等服务逐渐扩大影响力，但香港法律一直禁止未经许可的私家车提供收费载客服务，网约车平台的营运模式长期面临合法性问题。

奥迪计划在美投资40亿美元建设首座整车工厂 特朗普在中期选举前夕宣布奥迪建厂计划，并将其归功于任内的关税政策 资料图：美国得克萨斯州凯蒂，一家奥迪汽车经销商。图：视觉中国 　　【财新网】为降低贸易风险，奥迪计划调整全球产能布局。当地时间10月25日，奥迪宣布计划在美国建设首座整车工厂。根据规划，奥迪拟在佐治亚州投资约40亿美元，创造约4500个就业岗位。新工厂规划年产能最高达20万辆，预计于2027年开工建设。 　　奥迪此前主要从欧洲和墨西哥向美国供应汽车。德系豪华品牌宝马、奔驰、奥迪中，奥迪是唯一尚未在美国建立整车生产基地的企业。 　　从销量表现来看，奥迪和另外两家存在明显差距。2026年上半年，宝马、奔驰、奥迪在美国市场的乘用车销量分别约为18.7万、14.5万、6.7万辆，宝马同比增长4.7%，奔驰同比下滑3.5%，奥迪同比下滑超过15%。

新闻联播 2026/10/26 [视频]【持之以恒推进全面从严治党】加强党的组织建设 夯实兴党强党根基 ⏱00:05:49 [视频]系列节目《思想的力量》今晚播出 ⏱00:01:18 [视频]李强签署国务院令 公布《事业单位登记管理条例》 ⏱00:01:06 [视频]二十届中央第八轮巡视完成进驻 ⏱00:03:39 [视频]前三季度我国交通运输主要指标保持增长 ⏱00:01:29 [视频]长三角区域货物贸易进出口连续19个月保持增长 ⏱00:01:55 [视频]我国工业降碳水平持续提升 ⏱00:01:51

图集｜卢拉逆势胜选第4次当选巴西总统 得票率超对手3.58% 当地时间2026年10月25日，巴西巴西利亚，现任巴西总统，竞选连任的总统候选人路易斯·伊纳西奥·卢拉·达席尔瓦的支持者聚集在街头，庆祝总统选举第二轮投票结果揭晓。在此次决胜轮选举中，卢拉击败右翼参议员弗拉维奥·博索纳罗，成功赢得选举。 图：Juan BARRETO/视觉中国 　　【财新网】当地时间2026年10月25日，巴西总统选举第二轮投票结果揭晓，劳工党候选人、现任总统卢拉战胜自由党候选人、前总统雅伊尔·博索纳罗之子弗拉维奥·博索纳罗，赢得第4届任期。弗拉维奥·博索纳罗拒绝承认选举结果。 　　巴西高等选举法院数据显示，在所有有效选票中，卢拉得票率为51.79%，弗拉维奥·博索纳罗为48.21%，卢拉以3.58%的优势胜出。2027年1月5日，卢拉将就职上任开启第4个总统任期。此前，他分别在2002年、2006年和2022年的总统选举中获胜。

AI时代，老年人的数字鸿沟扩大还是缩小 AI最令人期待的地方，不是让老年人重新年轻，而是嫁接他们一生的积累与经验，帮助他们发现，人生依然可以有新的可能 对于老年人而言，重要的也不只是记住多少操作步骤，而是能否保持探索世界的兴趣，借助新的工具，继续拓展自己的人生。图：视觉中国 　　上海71岁的方子根，干了一件挺有意思的事。 　　报名上海开放大学AI短剧制作班学习，之后花了15天时间，低成本制作了一部短剧《郑成功收复台湾》，入围10月下旬的第三届香港国际短剧节。 　　71岁，15天，入围。 　　放在几年前，哪怕剧本已经写好，拍摄、演员、场景、剪辑、配音，哪一样不需要专业人员和真金白银？对于普通老人而言，拍电影只是一个遥不可及的梦。 　　如今，方子根借助AI，把这件事干成了，何况这完全不是孤例，同是短剧班的陈东霞，也有作品入围。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

卢拉意外逆转胜选将连任巴西总统 拉美地区“右转”潮流遇阻 推荐：香港网约车发牌进入倒计时 1.6万人报考司机资格考试；秦始皇兵马俑上发现成年女性和少年指纹 或参与制作 【推荐】 卢拉意外逆转胜选将连任巴西总统 拉美地区“右转”潮流遇阻(含视频) 分析认为，尽管卢拉和博索纳罗都引发大量选民反感，但卢拉还是成功地让自己在那些并不喜欢他的人眼中，成为“两害相权取其轻”的选择 香港网约车发牌进入倒计时 1.6万人报考司机资格考试 与内地不同，香港网约车实行“人车绑定”，只有登记车主本人才能驾驶持牌车辆提供网约车服务 秦始皇兵马俑上发现成年女性和少年指纹 或参与制作 以往秦史研究中的主流假设认为，兵马俑等文物依赖成年男性劳动力。但基于独立指纹样本得出的研究成果显示，成年女性和未成年人或也参与了秦俑制作 酝酿一年多 央行正式推出面向非银机构的债市流动性支持工具

【数据深阅读】9月信贷数据反弹，非银存款减少1.91万亿元

港证监放行首批零售代币化基金二级市场全天候交易 代币化货币市场基金展开二级市场交易，是香港证监会持续推动香港数字资产发展的重要里程碑 根据香港证监会此前的监管通函，代币化产品欲透过香港持牌虚拟资产交易平台进行二级市场交易，无论是新设立的产品，还是现有证监会认可的产品增设代币化功能，都须事先咨询香港证监会的意见，香港证监会则针对逐个产品的申请进行审批。图：视觉中国 　　【财新网】香港数字资产生态圈，取得一项重要新进展。经香港证监会批准，华夏基金（香港）旗下两只数字货币基金于2026年10月26日正式开通二级市场7×24小时连续交易。 　　这是香港首次放行面向零售投资者的代币化基金，在持牌虚拟资产交易平台（VATP）上进行二级市场交易。此前由于香港的代币化产品仅开放一级市场申赎，未能实现二级市场交易，一直被业界认为是代币化发展的短板。 　　在现行交易所买卖基金及VATP监管制度基础上，香港证监会于2026年4月推出全新监管框架，试行让证监会认可的代币化基金于港持牌的VATP进行二级市场交易。这使香港成为全球首个为代币化基金在受监管平台交易提供清晰监管框架的主要司法管辖区。（详见财新网报道《香港持牌虚拟资产交易平台获准从事代币化基金二级市场交易》）

芝加哥气候交易所原国际部总裁：通过碳定价促进环境保护与碳市场互联 碳定价是将金融与环境保护真正结合起来的关键工具 Paula认为，自然生态系统不仅是生产要素，更是不可或缺的营运性资产。图：视觉中国 　　【财新网】自然环境遭受破坏所带来的隐性成本日渐受到金融界关注，碳市场定价体系应兼顾生态价值，引导金融资本支持环境保护。 　　近日，芝加哥气候交易所（CCX）原国际部总裁Paula DiPerna在香港接受财新采访时表示，除此之外，在碳市场体系中我们需要量化评估环境和社会效益，并将其纳入企业现有财务管理体系。 　　芝加哥气候交易所于2003年正式启动交易，是全球首个具有法律约束力的自愿性温室气体减排与交易体系。2010年，受美国未加入《京都议定书》等因素影响，该交易所被洲际交易所（ICE）收购，并于当年底停止原有自愿减排交易。此外，Paula是《给无价之物定价》（“Pricing the Priceless”）一书的作者，该书2023年出版，探讨以金融转型守护地球、应对气候危机。

大机构快速入场宽基ETF 沪深300、科创50和创业板指为主要方向 今年上半年宽基ETF整体呈净流出状态，7月净流入300亿元，8月又现净流出状态，10月19日起，宽基指数ETF净流入1533.82亿元，为2026年以来单周最高 　　【财新网】A股连续调整后，资金入场信号愈发明确。在上周宽基ETF成交持续放大之后，10月26日午后继续放量，宽基ETF成为资金借道入市的重要通道。截止10月26日收盘，沪深300ETF易方达全天成交额达140.66亿元，华泰柏瑞沪深300ETF全天成交额也超88亿元。沪深300ETF华夏和沪深300ETF嘉实也在尾盘放量拉升，全天成交额分别为64.49亿元和33.18亿元。 　　自9月23日以来，A股经历了一轮急跌，上证指数从3951.37连续下跌，相继突破3900点、3800点、3700点、3600点整数关口，最低跌至3574.27点，截至10月26日收盘，上证指数上涨0.19%，收于3697.52点。

朝韩在联合国就边境要塞化问题交锋 韩军称两年来朝方新埋96万枚地雷 朝鲜自2024年4月起加紧推进边境要塞化工程，在南北军事分界线附近清理植被、修筑障碍墙、架设铁丝网、建设战术道路，并埋设大量地雷 当地时间2026年10月26日，在韩国首尔以西的金浦市一处观测站可见，朝鲜军队在朝韩西部前线边境的开丰地区一处海岸集结于一门自行榴弹炮的炮位周围。图：视觉中国 　　【财新网】围绕非军事区地雷爆炸、边境设防及韩美军事合作，朝韩之间的对立持续升级。 　　双方近日在联合国大会上接连交锋，并分别致函联合国安理会主席，就半岛紧张局势相互指责。 　　据朝中社10月26日报道，朝鲜常驻联合国代表25日致信安理会主席，否认韩方对9月21日针对非军事区地雷爆炸事件的指控，称该事件是韩国为阻挠朝鲜在南部边境的要塞化工程、推卸加剧半岛紧张局势责任而“自导自演的闹剧”。 　　朝方信函称，朝鲜开展边境要塞化工程，是维护领土安全、抵御外部侵略威胁的自卫措施，符合《联合国宪章》和国际法。

宇树科技七日狂飙65%触发异动 公司提示风险 摩根大通近日将其评级由“低配”直接上调两级至“增持”，并将2027年12月目标价上调至995元/股，宇树科技8月IPO开盘报价1100元/股 宇树科技于今年8月19日上市，开盘报价1100元/股，比发行价格150.80元/股涨629.44%，成为2026年以来新股发行首日开盘涨幅最高的个股。图：视觉中国 　　【财新网】10月26日盘后，宇树科技（688836.SH）发布公告称，公司股票于2026年10月22日、10月23日、10月26日连续三个交易日收盘价格涨幅偏离值累计超过30%，属于股票交易异常波动情形。在过去的三个交易日，宇树科技的涨幅分别为0.97%、20%、7.69%。 　　宇树科技10月15日创下上市以来最低股价，收于404.03元/股。10月16日，股价开始反弹，在10月16日、10月19日、10月20日三日收盘价格涨幅偏离值累计超过30%后再次于近日触发异常波动情形，连续七个交易日累计涨幅超65%。

长债追涨情绪降温 银行债券投资保利润与控久期如何平衡？ 当前市场对消息和政策信号更为敏感，但资金面宽松、“资产荒”、欠配逻辑仍未发生根本性改变 银行依赖债券投资收益，但债券资本利得的放大离不开久期拉长，而久期拉长面临相关监管指标的约束。图：视觉中国 　　【财新网】10月以来，“股弱债强”格局进一步凸显，政策利率“换锚”信号明确，债市全面走“牛”，但随后机构担心监管态度变化，止盈情绪升温，债“牛”行情边际放缓，甚至小幅震荡。 　　回顾国庆假期后的债市走势，10月14日10年期国债收益率下探至1.63%附近、30年期超长特别国债收益率一度逼近2.04%；10月15日早盘仍延续多头趋势，但午后传出监管部门提醒部分机构加强债券投资风险管理的消息，市场转为观望。 　　10月19日至23日的一周，债市围绕政策利率“换锚”震荡、收益率先下后上。东方证券固收研报称，10月19日央行宣布设立应对非银机构大额赎回的流动性支持工具，并表态研究择机将隔夜回购利率定为主要政策利率，“换锚”信号契合预期，“做多”情绪回暖；10月20日央行公告周三起连续9个交易日开展隔夜逆回购、单日不超1万亿元，10年期、30年期国债收益率触及1.61%、2.0365%，创上市以来新低。此后债市趋向震荡调整，10月23日，银行间10年期活跃券260016收于1.629%，30年期活跃券2600004收于2.074%。

【我闻】为“盘踞者”代言 重庆知名女律师关系网的另一面 “她对渝中区法律界影响深远”，因此当地律师几乎没人情愿接世贸大厦的几十宗案子 　　【金融我闻/刘冉】重庆著名的解放碑步行街附近，邹容路131号，世贸大厦。在这栋曾经的“西南第一高楼”里，商业裙楼已经空置了近二十年——两年前，投资人老陈（化名）决定投资这里面的一个商业项目，但没有想到自己遇到的是一个陷阱。 　　“招商的时候说得特别好，什么‘解放碑核心、世界贸易中心、年客流上亿’，态度也特好，合同签订得很丝滑。”经商多年的老陈没想到投资了世贸大厦内的这个商业项目后，会陷入这样的困境：自己的账户被查封，已经付出的几千万元投资几乎要打水漂。

刚刚，Anthropic公开335页招股书：史上最大IPO，史上最亏AI公司 地球最富兄妹俩堂堂来袭！7名联创仍紧握50.1%总投票权 史上最大IPO的帽子，要从马斯克的SpaceX头上被抢走了！ 刚刚，Claude的母公司Anthropic正式公开提交纳斯达克IPO申请，股票代码为“ANT”。 （乍一看还以为是某昆虫公司上市了，bushi） 其335页的正式招股书也在刚才于SEC官网新鲜公开。 与此前泄露的草案相比，公开版进一步更新了算力采购安排： Anthropic向微软作出的采购承诺由314亿美元增至449亿美元，对谷歌的采购承诺为1145亿美元；与SpaceXAI签订的算力合同最高金额为1205亿美元。 此外，公开版还新增披露了Nscale和Lambda两家算力供应商。 与此前彭博社引述知情人士消息，Anthropic计划于11月中旬完成IPO。 在与宿敌OpenAI的资本竞速中，Anthropic率先撞线，在市场情绪并不友好的时刻强行冲刺，有望成为美股历史上第一家血统纯正的前沿大模型上市公司。 虽然募资规模尚未最终定价，但此前曝光的招股书草案显示，其目标最高约1000亿美元、对应估值约2万亿美元。 若真如此，这将一举超过今年6月马斯克旗下SpaceX的发行对应估值1.77万亿，有望冲刺史上最大IPO。 但，由于近期AI板块承压，部分投资者已将估值预期从2万亿下调至约1.5万亿美元（摊手.jpg）…… 但，管他呢！ 之前的泄露版内容，已经把这场疯狂的硅谷造富神话与算力豪赌，毫无保留地摊开在阳光下： 营收暴涨成印钞机：今年上半年狂揽162.86亿美元，Q3单季再收168亿美元，7月年化收入飙破650亿美元； 账面亏损创下奇观：上半年净亏损高达807亿美元，接近去年全年亏损的两倍； 史上最狠算力包身契：未来十年签下约5180亿美元算力死命令，有报道称80%“不用也得付钱”； 把科幻片写进招股书：业务介绍64页，却用了整整94页警告“AI可能毁灭人类、抵抗关机甚至勒索人类”。 … 公司CEO Dario Amodei那句“增长太快，根本招架不住”，含金量还在疯狂上升。 △图片由AI生成 此前，该公司于2026年6月1日保密提交了S-1草案，而此次公开提交仍然采用S-1表格格式。 SEC要求路演前至少15天公开提交S-1。也就是说，Anthropic最早将在11月的第二个星期开始进行路演。 在一切开始之前，你应该像我们一样好奇—— Anthropic到底是如何挣钱的？807亿净亏损里，有多少是会计、多少是现金？上市背后，谁会成为最大的受益者？ 这些问题，招股书中都有答案，我们一一来看。 首次披露的财务状况如何？ 如果只看利润表底部的数字，华尔街可能会倒吸一口凉气： 2025年全年，Anthropic净亏损约419.65亿美元。 到了2026年上半年，净亏损更是直接飙升至惊人的807.48亿美元。 但懂行的人都清楚，这其实是估值暴涨带来的“幸福烦恼”，需要拆开来看。 在807亿美元的巨额净亏损中，约724亿美元来自可转换票据、衍生负债及其他融资工具的公允价值变化。 简单来说，随着Anthropic估值大幅上涨，公司此前发行的一些融资工具，其会计计量价值也随之发生变化。 按照相关会计规则，这些变化需要计入损益，从而大幅拉高账面亏损。 这类公允价值损失通常不意味着公司当期支付了同等规模的现金。 也就是说，807亿美元的净亏损不能简单理解为Anthropic在半年内烧掉了807亿美元现金。 不过，这也不代表公司的经营成本可以忽略不计。毕竟账面亏损中的会计因素需要单独分析，算力、研发和人员开支仍然是真金白银的投入。 剥开这层会计迷雾，Anthropic真实的业务造血能力堪称恐怖。 招股书中的合并经营利润摘要表清晰展现了A社的收入变化。 2023全年，Anthropic营收仅4100万美元； 2024年达到3.86亿美元； 2025年跃升至45.85亿美元； 2026年上半年，短短6个月营收就轰下162.86亿美元（去年同期仅11.6亿美元）。 总体来说，收入端呈现爆发式增长，商业化落地速度大幅加快。 虽然招股书显示还未盈利，但在刚刚过去的10月中旬投资者日上，Anthropic还直接摊牌： 第三季度单季营收达到168亿美元，环比大涨45%，并且在调整后口径下正式实现盈利。 从一个被ChatGPT按在地上摩擦的“追赶者”，到如今估值与增速双双逆袭，Anthropic到底靠什么打赢了翻身仗？ 答案只有两个字： 代码。 自2025年推出王牌产品Claude Code以来，编程和企业客户成为重要增长动力。 风投机构Menlo Ventures数据显示，在高达19亿美元的代码生成市场中，Anthropic一人独占42%的份额，直接把OpenAI（21%）甩开了一个身位。 按用量&订阅两大收入，Anthropic如何划分业务？ 招股书按收费模式，把Anthropic的收入分为两类。 一类是按用量计费收入（consumption-based revenue），另一类是订阅收入（subscription revenue）。 招股书称，按用量计费（包含API调用等）在2026年上半年贡献了约130.6亿美元，占同期总收入的约80.2%。 而订阅收入约32亿美元，占比约19.6%。 这意味着，Anthropic已经建立起一套相当重要的商业模式。客户使用Claude完成的工作越多，模型调用和相关服务就越有机会产生更多收入。 随着越来越多客户接入、持续加大Claude的使用量，高价值付费客户基数快速扩张。 截至2026年9月30日，TTM收入≥10万美元的客户超过11900家；而2025年9月30日这个数字仅950家。 这证明了Claude在B端企业市场极强的渗透率，以及超强客户粘性。 不过有个小乌龙！ 此前，泄漏版称其客户名单中仅前两大神秘客户就各自贡献了约12%的营收（合计约25%）。此前网传这是Cursor和微软的Github Copilot。 然而正式版显示，这两个客户是亚马逊和谷歌。 在财务报表层面，招股书明确表示公司目前只设一个经营分部（Single Operating Segment），由CEO Dario和总裁Daniela兄妹作为最高经营决策者（CODM）进行全局统筹。 为了死磕“高价值的企业级认知工作”，还在招股书里亮出了一份“不做清单”： 尽管极具商业吸引力，但我们目前选择不开发图像生成和视频生成模型，而是把所有算力集中投向编程、Agent（智能体）能力和安全研究。 招股书首次系统性地拆解了公司的业务版图： 一套层层咬合的“三层全栈架构”（底层模型+中间平台+顶层应用），配合“二八开的收费引擎”。 第一层：四大模型家族 Anthropic如今的底座是由四大模型家族组成的阶梯矩阵。 1、Mythos与Fable（顶配旗舰级）：是今年全新亮出的“核武器”级别模型，专攻以往AI根本无法处理的极限编程和超长周期Agent任务。因为它在挖掘软件漏洞和生物科学方面的能力过于逆天，Anthropic采取了罕见的“一体双生”策略。 2、Mythos满血版，仅通过受信任计划（如Project Glasswing和网络安全验证计划）向经过严格审查的网安和生命科学机构定向开放； 3、Fable大众商用版（目前已迭代至Fable 5.1），搭载严密的生产级安全护栏，一旦检测到敏感高危请求，会自动拦截或降级路由给能力较弱的模型处理。 4、Opus（全能主力级）：企业日常重度推理的主力。最新发布的Claude Opus 5.5在把单任务成本砍掉40%的同时，成为驱动端到端项目Agent的核心引擎。 5、Sonnet（均衡性价比级）：面向最广泛的日常通用任务，也是多智能体协同（Multi-agent）架构中充当高并发“子智能体”的主力。 6、Haiku（极速轻量级）：成本最低、响应最快，专攻智能客服和海量文档处理。 更可怕的是模型迭代的吸金效应。 招股书透露，今年三季度公司超过80%的营收，都是由过去6个月内刚刚发布的新模型版本贡献的。 第二层：Claude Platform（智能体开发平台） 为了让企业能把AI真正放进生产环境里跑起来，Anthropic搭建了Claude Platform，把自家做产品用到的全套底层积木（Primitives）开放。 1、思考与成本控制原语：包括扩展思考（Extended Thinking）、自适应思考（Adaptive Thinking），以及大杀器提示词缓存（Prompt Caching）——直接帮开发者把长提示词的成本最高砍掉97%，延迟降低60%。 2、连接万物与物理世界的协议：除了已捐给Linux基金会、成为行业通用标准的MCP（模型上下文协议）和预置办公技能包（Agent Skills）外，最抓人眼球的是目前处于研究预览阶段的Model Hardware Standard（模型硬件标准）。 3、两大运行底座（Harnesses）：为了解决Agent在长时间运行中崩溃、权限失控的痛点，平台提供了两套方案，既有用客户自己算力跑的Agent SDK，也有由Anthropic全托管沙盒、凭证和记忆循环的开箱即用服务Claude Managed Agents。 第三层：7大自研应用 + 7大行业套件（Applications & Verticals） 在模型和平台之上，Anthropic亲自下场打造了“虚拟协作者”（Virtual Collaborators）军团，直接端出7款第一方原生应用： 除了开发者熟知的Claude.ai（网页/移动端入口）、Claude Code（编程神器）和Claude Cowork（桌面级全自动办公Agent，今年9月已开始与Claude.ai合并统一入口）外，还有4款第一方王牌应用： 1、Claude Security（安全卫士）：像顶尖白帽黑客一样追踪代码库数据流、扫描深层漏洞并直接跳转Claude Code一键打补丁，配套还有专扫开源项目的OSS Scanner； 2、Claude Tag（群聊队友）：常驻在Slack等企业协作软件的频道中，理解上下文后主动接话，在群聊里直接交付文档草稿、数据分析甚至代码PR； 3、Claude Design（视觉设计）：切入设计师与营销人员腹地，通过自然语言对话直接生成高保真设计稿、产品原型与演示文稿； 4、Claude Science（科研工作台）：一键连通超60个科学数据库，帮科学家跑完文献分析、数据处理到代码复现的全流程，直接输出达到期刊发表水准的论文图表与手稿， 除了通用工具，针对合规要求极高的传统行业，Anthropic还直接打包好了7大垂直行业解决方案： 金融服务版（写Pitchbook、看财报） 财务顾问版（财富管理） 医疗版（支持HIPAA合规与临床推理） 生命科学版（连入电子实验记录本搞新药研发） 法律版（打通Relativity与Ironclad） 政府版（FedRAMP High最高安全认证） 教育版（全美K-12认证教师完全免费） 甚至为了帮传统中型企业落地AI，Anthropic最近还联手顶级私募股权（PE）巨头，直接合资成立了一家AI服务公司——Ode with Anthropic（Anthropic在其中承诺出资最高3.25亿美元），并砸下2亿美元启动了“Claude合作伙伴网络”与“前沿学院”，目标在明年底前为各大企业和咨询巨头培训出10000名顶尖AI部署工程师。 △s-1文件原图 不过，死对头OpenAI也没闲着。 由于Anthropic有47%的销售额（2025年约21.6亿美元）是通过亚马逊AWS和谷歌云市场卖出去的，Anthropic在财报中直接按交易总额确认了营收，再把云厂商抽走的16%过路费（约3.51亿美元）记作销售费用。 OpenAI此前就曾在私下向投资人狂酸，称这种记账方式，让Anthropic的营收被硬生生“注水”了数十亿美元。 豪赌超6500亿美元算力，在巨头夹缝中与虎谋皮 赚钱如流水，花钱如山倒。 此前泄露版招股书曾披露，Anthropic未来十年的云计算、算力与基础设施承诺约为5180亿美元。 而公开版进一步列出了更多合同细节，部分金额也有所调整。按照公开披露的主要合同金额粗略加总，相关安排已超过6500亿美元。 什么概念？ 这一数字已经超过OpenAI联合软银、甲骨文搞出的5000亿美元“星际之门（Stargate）”计划，对应着足足3.5吉瓦（GW）的长期承诺专用算力规模。 若将仍在谈判的额外算力纳入，潜在总规模还可能进一步增加。 为了防止算力卡脖子，Anthropic把未来十年的身家性命，分别押给了八大巨头： 博通（Broadcom）：约1612亿美元的芯片与设备租赁协议； 谷歌（Google）：至少1145亿美元的云与算力服务（2026至2033年）； 亚马逊（Amazon）：至少1100亿美元的云服务承诺（2026至2036年）； 马斯克的SpacexAI：最高1205亿美元的英伟达算力集群租用（至2029年）； 微软（Microsoft）：至少449亿美元的云基础设施合同（2026至2033年）； AMD：预计超200亿美元算力采购，同时“苏妈”还承诺掏出50亿美元反手认购Anthropic股票。 还有两家是此前泄露版中未提及的： Nscale：相关算力安排约446亿美元。 Lambda：相关算力安排约413亿美元。 这些合同覆盖了不同的供应商、设备类型和服务期限，部分安排延伸至2030年代。 对于Anthropic来说，模型能力、客户需求和算力供应已经绑在了一起。 模型越强大，能够承担的任务越复杂；企业客户越多，日常推理和Agent运行所需要的计算资源也越多。与此同时，训练下一代模型本身就需要庞大的计算资源。 如果算力供应跟不上，客户即便愿意付钱，公司也可能无法及时交付足够的服务能力。 这也是Anthropic愿意提前锁定多年算力的原因。 刺激的是，其中有高达80%属于“不可撤销”的霸王条款（Take-or-Pay）。 无论Anthropic实际用了多少算力，这笔钱都必须照付不误。“如果我们的实际支出不足，我们必须向谷歌和亚马逊补齐差额。” 一旦踏上这辆战车，就绝不能踩刹车。 唯独与马斯克SpacexAI签下的1205亿美元合同留了个活口，度过截至2027年1月、3月的初始不可取消期，之后允许双方提前90天书面通知取消，提供了一定程度的退出灵活性。 △图片由AI生成 更微妙的是它与谷歌、亚马逊、微软的“塑料兄弟情”。 这三大云巨头，既是Anthropic的金主股东、算力房东、替它收拢60%未结账款的销售渠道，同时又是直接下场做大模型的头号竞争对手。 Anthropic在招股书中提醒投资者，公司对计算资源的需求可能超过部分合作伙伴愿意提供的规模。 它招股书中坦言，巨头的深度绑定让对方对自己的定价和商业底牌一目了然。 一旦对手在算力分配上“使绊子”或者坐地起价，公司业务将面临直接暴击。 为了摆脱“寄人篱下”的宿命，Anthropic宣布正在加速建专用数据中心和直接租赁芯片，试图把命脉夺回自己手里。 80页“硅基末日警告”，与50.1%的铁腕控制权 如果说财务数据展现了商业狂飙，那招股书的后半部分则像一部科幻惊悚片。 在261页的S-1文件中，Anthropic仅用64页介绍业务，却用多达94页罗列风险（作为对比，今年上市的SpaceX风险披露仅38页）。 这是商业史上首次有公司在招股书中严肃警告“人类灭绝风险”。 Anthropic坦言，高阶AI可能演化出抵抗关机、操纵信息、勒索人类，甚至“伪装骗过安全测试”等自我保护行为；一旦失控，现有商业保险根本无力赔付。 然而现实却充满撕裂感。 尽管CEO屡次呼吁“放慢脚步、安全优先”，招股书却暴露了竞争的残酷。7月某样本周内，其用于安全研究的算力仅占6%；9月底为阻击OpenAI，公司便火速发布了Opus 5.5大模型。 嘴上喊着减速，身体却在狂踩油门。 为防止华尔街的短期逐利吞噬安全底线，Anthropic祭出了罕见的“铁腕防御机制”： 公益优先：保留公益企业（PBC）身份，合法将“人类长远利益”凌驾于股东利益之上，并捐出5%股份设立公益基金。 超级投票权：7位联合创始人通过持有唯一一股Class F超级股票，直接锁定关键事项50.1%的投票权。 控制董事会：7人董事会中，由前美联储主席伯南克及国安专家掌管的“长期利益信托”直接钦定4席，占据多数。 换言之，华尔街与散户纵使掏出上千亿美元真金白银，公司的方向盘和刹车片，依然焊在创始人和安全信托手里。 “地球最富兄妹俩”这个title，正式花落Amodei家。 （无奈的doge.gif） One More Thing 把视野拉远，Anthropic选择在此时冲刺上市，正值全球科技资本市场一个颇为微妙的阶段。 今年6月，马斯克旗下SpaceX据报道完成了规模约860亿美元的IPO，市场对超大型科技公司上市的期待随之升温。 另一边，同样在今年6月秘密提交上市文件的OpenAI，则据报道将上市计划推迟至2027年。 但到了今年秋天，风却突然变得凛冽起来。 随着投资者更加关注AI基础设施投入能否产生足够回报，CoreWeave等算力基建股债双杀，Switch、Nscale、AirTrunk等一众原本排好队的AI基建IPO纷纷推迟或撤回。 热闹的秋季科技IPO档期，一夜之间只剩下Anthropic一个“独苗”在扛大旗。 这也让围绕Anthropic的估值博弈变得空前激烈。 五年前，因为对OpenAI的发展方向和安全理念产生分歧，Dario Amodei带着一批核心骨干离开OpenAI，创立了Anthropic。 五年后，这家公司已经凭借Claude、Claude Code和企业级AI产品，在商业化上成为OpenAI最有力的竞争者之一，并率先公开递交IPO申请。 今天，这份招股书终于正式公开。它所展示的故事，远比一家AI公司收入暴涨更复杂。 招股书原文： https://www.sec.gov/Archives/edgar/data/2130357/000162828026067168/anthropicpbc-sx1.htm?utm_source=chatgpt.com

凯撒北伐：莱茵河边的较量｜日耳曼人早年那些事③ 至此，罗马军队第一次到达了莱茵河下游，今天荷兰境内的入海处。凯撒向罗马的元老院报告了胜利的消息，元老院闻讯大喜，宣布举办15天庆典，这在罗马历史上是极为罕见的 凯撒率军队对高卢部落发动战争。图为凯撒在莱茵河上修建的桥梁。图：视觉中国 　　《日耳曼人早年那些事》“财新mini+”连载中，查看已更新内容 　　凯撒打败赫尔维蒂人后名声大振。集聚在今天法国东部的凯尔特人各个部落希望罗马人能出兵莱茵河，赶走侵入莱茵河西岸的日耳曼人。特雷维利人也向凯撒报告说，他们东面已经出现了100多个日耳曼人的聚居点，并愿意派出一支骑兵相助。 　　于是，凯撒派出使者去了苏维比人首领阿利欧维斯图斯的营地，要求他立刻停止对高卢部落的敲诈勒索，将部众撤回河东去。阿利欧维斯图斯对来使大笑道，我和你们罗马元老院有约，是你们的盟友，凯撒一个行省总督跑来管什么闲事。

Anthropic申请上市，或成“史上最大IPO” 推荐：苹果折叠屏发售后硬件、生态问题不断 电商平台两天后破价；新能源车没出险也涨保费 早上好，今天是10月27日星期二。过去24小时，哪些财经新闻对普通人影响更大，未来又有什么焦点事件被市场密切关注，早知道栏目从新闻汇总到快速解读，为你一网打尽。 24小时热点 Anthropic向美国证监会提交S-1注册文件，拟在纳斯达克以“ANT”为代码上市，发行股数与价格区间未定。上半年营收162.86亿美元，同比增长约13倍，净亏损807.48亿美元，主要受可转换票据等金融工具公允价值变动影响。 苹果首款折叠屏iPhone Duo电商平台两天后破价，拼多多10月25日补贴价15799元，抢券后价格低至15099元。多名用户反映铰链开裂、内屏出现裂纹，多款App未适配。IDC此前指出，苹果入局正把折叠屏从即将下滑变成行业增长最快板块。 央行设立债市非银大额赎回互换便利。在资管机构面临群体性流动性风险、债券市场出现系统性压力的特定情景下，具有系统性影响的银行理财子公司、公募基金管理人可向央行借入央行票据，用于回购融资，购买自家遭赎回公募产品持有的债券或产品份额，并向央行抵押。 不少新能源车主反映，没出险保费也涨。业内称一体压铸维修贵、事故率高，同城同款车赔付恶化后险企会

记者手记｜在富士康，建一所0—3岁儿童早期养育中心 “它证明了儿童早期发展服务不应仅局限于教育或医疗场景，而是可以嵌入到经济生产和社会生活的任何角落” 2026年5月26日，富士康千天早期发展公益服务中心。图：财新 汤涵钰 　　【财新网】工厂与婴幼儿，大概不会被联想到一起。但在著名的富士康郑州科技园，这两者却常同时出没。人们对于“郑州富士康”的印象，通常是全球规模最大的苹果手机生产流水线。但外界少有人知，这里大片的灰色建筑中，还有一片彩色天地。 　　在河南郑州东南郊航空港区这整片560万平方米的工业园区里，位于职工服务中心二楼，740平方米的空间内，柔和的蓝白色铺展开，视野里没有机械，满是缤纷的海洋球、滑梯、积木，孩子在软垫上奔跑翻腾，还有婴儿车在过道上来往。