近期，伊利亚·苏茨克沃（Ilya Sutskever）为推介其初创公司"安全超级智能公司（SSI）"，出来做了一 篇访谈。虽说"PR"意图明显，但这仍是过去半年来关于人工智能产业演进思考最深刻的的公开论述 了。尽管核心观点已在媒体间广泛传播，但仍值得再度强调与广泛讨论。 这位OpenAI的前首席科学家觉得，眼下这波人工智能热潮全都跑偏了。不是细枝末节的偏差，而是方 向性的根本错误。 这种确定性吸引了海量投资。研究有风险，扩张只是花钱——当你动用的是数十亿美金时，这区别至关 重要。 但配方会过期。高质量的训练数据快见底了，互联网上的文本几乎被刮了个干净。合成数据能帮点忙， 但用苏茨克沃的话说，收益递减的拐点已经来了。所有大实验室都面临同一个问题：当扩张曲线走平， 接下来怎么办？ 他的答案不太中听。现有的路径"能再走一段，然后就没后劲了。它会继续改进，但不会成为真正的智 能。"我们想要的、能展现真正智能的系统，需要另一种方法。"而我们还没学会怎么造它们。" 这可不是在抱怨"算力不够"。他是在质疑当前智能架构本身。 他抛出了一个让所有忙着签数十亿美元计算合同的实验室老板们脊背发凉的观点：那个靠堆算力、拼规 模的时代 ...

行业趋势 - 2025年末手机市场竞争激烈，厂商在12月进行终极对决，关乎年度成绩并预示2026年行业发展风向 [1] - 高端市场聚焦差异化创新，中端市场则比拼配置下放，推动技术进步和生态成熟 [24] - 折叠屏手机市场进入差异化时代，三折形态或将成为旗舰折叠屏新焦点 [14] 小米17 Ultra - 搭载第五代骁龙8至尊版处理器，为今年首款该处理器超大杯旗舰机，支持100W闪充和UWB，高配版支持天通卫星通话和北斗卫星短信 [2] - 影像配置采用5000万像素一英寸超大底主摄支持ISZ技术实现1倍到5倍焦距无感衔接，以及2亿像素潜望式长焦镜头支持4×4 RMSC技术增强解析力和微距拍摄 [2][3] - 产品定位清晰，舍弃一味堆料，旨在协调算法、硬件、散热以提升安卓阵营影像体验至新高度 [6] 三星Galaxy Z TriFold - 为三星首款三折叠屏手机，采用两个铰链形成三层叠合结构，提升屏幕保护性和可靠性，但机身厚度和重量增加 [7][8] - 搭载三块独立电池解决能耗问题，折叠状态外屏6.5英寸，展开后10英寸，采用CPI+UTG复合盖板方案 [9] - 搭载骁龙8至尊版处理器、2000万像素屏下摄像头，支持S Pen和DeX模式，起售价2500至3000美元（约人民币17696至21235元），初期产量5万至10万台 [9] vivo S50系列 - 搭载高通骁龙8Gen 5处理器（台积电N3P工艺，安兔兔跑分约330万以上），为业界首款搭载该处理器的小屏手机，全系标配LPDDR5X内存和UFS4.1存储 [17] - 全系标配潜望式长焦镜头和出色人像表现，首发高光慢动作运镜和变焦运镜两种新功能，支持傻瓜式操作 [17][18] - 屏幕分别为6.59英寸和6.31英寸1.5K直屏，支持4320Hz高频PWM调光、5000nit峰值亮度和90W有线快充 [18] 中端市场竞争（Redmi与一加） - Redmi Turbo 5 Pro搭载10000+mAh超级大电池，续航可达9-10小时，支持100W有线闪充（40分钟充至80%），搭载天玑9系旗舰处理器和16GB+1TB存储 [18][20] - 一加Turbo 6搭载9000mAh电池和高通骁龙8s Gen 4处理器，续航表现媲美Redmi，屏幕为6.78英寸1.5K LTPS直屏，刷新率165Hz [21][23] - 两者均配备金属中框、3D超声波指纹和后置5000万像素主摄+800万像素超广角，起售价预计在2200至2400元之间，成为两千元档水桶机型 [23]

前段时间，一份忧喜参半的财报，给上市半年的霸王茶姬浇了盆冷水。 一边是收入规模与盈利能力出现下滑。今年三季度，霸王茶姬营收同比下滑9.4%，经调净利润同比下降22%。 另一边，部分经营指标却稳中有升，其闭店率连续三季度保持0.3%[1]，远低于行业2%-10%；注册会员数同比增长36.7%至2.2亿，今年前三季度累计增加 了4500万名新会员。 即使是放在热点不断的新式茶饮市场，霸王茶姬都是相当特别的存在。它曾用最短的时间跻身全国前三大营收规模的茶饮品牌，是六大新茶饮公司里，唯 一选择在纳斯达克上市，挑战苛刻的华尔街的那一个。 这种特殊性赋予了其远超于同行的市场关注度。财报发布后，霸王茶姬遭遇的诘问总结起来就一句话——高增长的时代是否已经结束？ 但如果拆解霸王茶姬的财报与其这一年的业务动作，会发现一个截然不同的答案。 不打价格战 今年上半年，六大茶饮上市公司的收入总额超过300亿，占整个茶饮市场规模近十分之一。 茶饮市场已经进入饱和的存量竞争阶段。前一年各茶饮企业都曾出现单店收入/GMV增速赶不上门店增速的情况，好在今年有外卖大战，为失速边缘的茶 饮行业兜了一次底。 同行的快反衬出了霸王茶姬的慢。今年其开店计 ...

如果你曾幻想过穿上"钢铁侠战甲"——迈步更轻松、跑得更快、背几十斤装备也不喘气——那么这种能力，正在被一家中国公司一点点做成现实。 近日，外骨骼机器人公司——极壳科技（Hypershell） 宣布完成 Pre-B 与B两轮融资，累计获得 7000 万美元（约合人民币4.95亿）投资。 B 轮由光合创投、五源资本领投，美团龙珠跟投；Pre-B 轮由 Monolith 领投，五源资本、IDG资本、红杉中国等机构参与。公司投后估值已接近4亿美元。 极壳科技做的是消费级外骨骼机器人：通过机械动力、传感器和智能控制系统，它可以帮用户省力、增力、提升耐力，让人走得更远、负重更不费劲。 这类设备不仅面向户外玩家、徒步爱好者、跑山人士等普通消费者，也有机会应用在 工业搬运、户外巡检、助行康复 等更专业的场景。 Hypershell 的核心用户，就是那些对体能有更高需求、或希望用科技减轻身体负担的人。 - 01 - 极壳科技是全球第一家把"消费级外骨骼"做成量产产品、真正卖到市场上的公司。 创始人孙宽，1991年生，是个特别喜欢户外的人。徒步、登山、越野跑……同时，他这十几年一直在做机器人硬件，也做过外骨骼的学术研究，还参与过 ...

有一个英文单词，它由189,819 个字母组成。在常规语速下，要念完它需要花足足三个半小时——它是我们体内的肌联蛋白（titin）的化学全名。 肌联蛋白是人体内最大的蛋白质，由超过 3.4 万个氨基酸组成。相比于只含几百上千个氨基酸的常见蛋白质，肌联蛋白实在是太大了。于是，科学家决定 化用古希腊神话中巨人神族的名字"泰坦"（Titan），将它命名为 titin。 然而，自科学家 1954 年发现肌联蛋白已经过去 70 多年，我们依然不知道这位"巨人"的真实模样。要用传统的实验方法解析出这个庞然大物的完整结构， 几乎是不可能的。 蛋白质的结构由其氨基酸序列决定，我们能否直接通过氨基酸序列，预测出蛋白质的三维结构？这曾是生物学领域最艰难、最核心的挑战之一。 但是，2020 年 11 月 30 日，AlphaFold2 出现了。 DeepMind 将蛋白质数据库（PDB）中实验得到的蛋白质结构"喂"给了神经网络，让 AI 学习序列与结构之间的关系。最终，他们做到了科学家过去无法想 象的事：在那年的"全球蛋白质结构预测比赛"（CASP）中，AlphaFold2 凭借氨基酸序列预测蛋白质结构的准确率超过了 90%，直逼 ...

文章核心观点 - 消费级AI领域最大的投资与创业机会并非在热门赛道或模型本身，而在于那些被忽视的、能够通过AI技术创造全新用户行为习惯的冷门应用场景 [4][11][12] - 判断一个方向是否为真机会的标准在于其能否改变用户习惯、融入日常生活，并且只有在当前AI技术下才可能实现 [39][40][44] - 对于初创团队而言，验证产品方向的关键在于追求用户增长而非产品完美度，并通过让用户主动传播和重复使用来建立产品生命力 [28][33][36] 消费级AI的机会所在 - 模型能力的强大并未扼杀应用层创新，反而为以前无法实现的新产品创造了条件，机会在于被模型打开的新窗口 [7][12] - 真正的突破不是提供新功能，而是发明新的行为场景，例如Suno让普通人为自己写歌，创造了前所未有的用户行为 [10][11] - 消费级产品的成功关键在于能否被人反复使用、产生依赖，直至离开后会不习惯 [26] 三类具备爆发潜力的产品 - **冷门但高频的小工具**：如邮件、日历、任务管理器、笔记等系统级入口，其价值在于AI能理解用户行为并自动完成下一步，例如Granola能自动理解会议内容和待办事项 [15][16][17] - **看起来像玩具的轻娱乐应用**：如音乐生成、虚拟头像等，其本质是把创作变成娱乐，满足用户的表达欲望而非工具需求，例如Character.ai让用户创造虚拟角色并与之对话 [18][19][20] - **基于私人数据的记忆型AI产品**：这类产品将用户的个人数据内化为知识库，模型成为生活的一部分，例如Nory整合健康数据提供建议，Rewind记录并回放工作日 [22][23][24] 小团队的增长与验证方法论 - 增长策略应优先于产品完美度，团队需设定明确的增长底线（如Anchor设定的每周15%增长目标）来迫使资源聚焦于真实用户需求 [28][29][30] - 分发策略的核心不是购买流量，而是借力创作者和社区，让产品本身成为可分享的内容，通过短视频平台、模板共享和用户口碑实现传播 [32][33][34] - 产品验证需回答三个核心问题：用户首次使用动机、次日回访意愿以及是否愿意推荐给朋友，能同时满足这三点的产品才具备生存能力 [36][37] 投资与方向选择的判断标准 - 热门赛道可能隐藏着被低估的机会，判断标准是产品成功是否会彻底改变一种用户习惯，例如AI浏览器从搜索界面变为操作系统 [38][39] - 消费级产品的命运由文化融入度而非技术先进性决定，成功产品如Instagram和TikTok都是从定义新行为习惯开始，从冷门切入倒逼主流接受 [40][41][42] - 投资决策更看重创始人创造市场的能力而非单纯的点子，应优先选择能激发新用户动机、并且只有在当前AI技术下才能实现的方向的创始人 [43][44][45]

一家曾被资本寄予厚望的新消费网红公司走向资不抵债。 近日，保利沃利科技武汉有限公司（POLYVOLY）的破产清算获得法院受理，理由是不能清偿到期债务且资产不足以清偿全部债务。申请破产之前，公 司已被超20家企业告上法庭。 2016年成立的POLYVOLY，公司名字或许算不上十分响亮，但其推出的两大新消费洗护品牌三谷、Rever都曾红极一时。2019年双11，三谷和Rever创下单 日销售6000万元的业绩，三谷的彩色氨基酸洗发水、Rever的"彩虹云朵转转浴爆"等爆品一度刷频社交平台。 两大黑马品牌的崛起，让POLYVOLY曾被视为"情绪个护"赛道的代表选手，在资本眼中变得炙手可热，公司先后完成多轮融资，总额至少为1亿元，创始 人李梓嘉曾在2023年的采访中透露，企业当时的年GMV近5亿元，还拒绝过国际公司10亿元的并购邀约。 然而九年过去，这位"情绪个护鼻祖"面临命运转向。 情绪个护黑马，6年爆卖30亿 情绪消费是不少品牌近年来弯道超车的关键词，而POLYVOLY算得上是情绪个护品类的鼻祖级玩家，成立之初便喊出要"重新定义个性洗护"。 POLYVOLY背后站着一支具有互联网基因的创始团队，创始人李梓嘉曾是大 ...

AI发展态势与核心观点 - AI发展并未减速，而是沿着稳定持续的指数级曲线加速前进，外界感受到的“停滞”源于突破形态的改变，行业从一味做大模型转向构建更聪明、更能思考的模型 [1] - 技术进步总体呈平稳的指数级提升，来源于新发现、算力提升和更好的工程实现，语言模型发展呈S型曲线，预训练处于S曲线上段，扩展定律并未失效 [3] - 新的推理范式处于S曲线下部，在相同成本下能获得比预训练更多的收益，因为还有大量发现待释放 [4] 技术范式演进：从预训练到推理模型 - 预训练依然关键但已不再是唯一引擎，推理模型的出现像是给基础模型加了“第二大脑”，让模型学会推导、验证与自我纠错，而不仅是预测下一个词 [1] - 推理模型在给出最终答案前会形成“思考链条”，并能借助外部工具理清思路，其学习重点是“如何思考”本身，目标是找到更优的推理路径，训练方式从预测下一个词转向强化学习 [8] - 模型通过强化学习训练，学会质疑自己的输出，在觉得可能出错时会重新思考，这种自我验证的能力是从强化学习中自然涌现的 [12] - 从ChatGPT 3.5到当下，核心变化在于模型不再仅依赖记忆权重输出答案，而是能查网页、推理分析后给出正确答案 [5] 模型能力现状与不均衡性 - AI的“智能地形图”极不均匀，最强模型能攻克奥数难题却可能在儿童拼图里数不清物体，能写出超越专业程序员的代码却仍会误判照片的空间关系 [1] - 推理训练主要依赖科学领域数据，远不如预训练的数据广泛，导致模型能力很不均衡，某些方面极其出色但相邻领域却表现不佳 [22] - 多模态能力发展面临挑战，模型在处理图像和声音方面远不如处理文本成熟，视觉任务的基础识别不够稳健，跨模态的语义对齐是核心难题 [6][24] - 模型能解出数学奥赛题，却可能做不出一年级的数学题，而人类只需十秒就能解决，暴露了推理模型在将文本中学到的思维链策略自动迁移到视觉输入上的根本局限 [22][24] 工程挑战与优化方向 - 大量明显需要改进的地方属于工程层面问题，包括实验室基础设施和代码优化、训练方法中强化学习比预训练更棘手、数据质量是瓶颈 [6] - 数据质量是瓶颈，过去使用Common Crawl等互联网原始数据仓库需大量清洗工作，如今大公司设有专门团队提升数据质量，合成数据正在兴起但工程实现细节非常重要 [6] - 多模态推理的改进方向明确，但要取得实质突破可能需要从头开始训练新一代基础模型，这意味着数月时间和巨额资源的投入 [6] - 当前讨论的问题包括多模态推理都是可解的工程挑战而非根本性理论障碍，推理模型的“锯齿状”能力曲线会随着训练和蒸馏逐渐减小 [25] 成本效率与商业化现实 - 面对上亿级用户，成本效率已压过算力堆叠，模型蒸馏从“可选项”变为“必需品”，能否让小模型复现大模型的智慧决定了AI能否真正普及 [1] - ChatGPT拥有十亿用户，每天产生海量对话需求，需要大量GPU资源支撑，用户不愿意为每次对话支付过高费用，迫使公司开发更经济的小模型 [17] - 技术产品化后必须考虑成本，行业不再只追求最大模型，而是努力用更小更便宜的模型提供同等质量，这种降本增效的压力非常现实 [17] - 蒸馏技术重新受到重视，通过将大模型的知识提炼到小模型中，既能保证质量又能控制成本，训练超大模型仍然是蒸馏优质小模型的基础 [17] 研究资源分配与内部组织 - GPU分配主要基于技术需求，目前预训练消耗的GPU最多，资源优先分配给它，强化学习和视频模型对GPU的需求也在快速增长 [15] - 大多数实验室都在做类似工作，如改进多模态模型、提升推理能力、优化预训练或基础设施，通常有专门团队负责这些方向，人员会流动 [15] - 预训练在技术上已进入平稳发展期，投入更多算力仍能提升效果，虽然回报不如推理技术显著，但确实能增强模型能力，值得持续投入 [16] 未来发展方向与突破领域 - 多模态推理正在成熟，当AI能同时理解图像和语言，就会真正赋能机器人和科研领域，它不再只是猜测文字，而是开始在脑子里模拟真实世界的运作逻辑 [29] - 科学领域可能最先被颠覆，语言模型不再只分析数据，而是能主动提出猜想、设计实验、解读结果，到2026年底可能会在顶级期刊上看到第一篇由AI提出核心假设、人类主要做验证的论文 [29] - “自主研究”正在模糊训练和推理的边界，模型能主动设计实验、写代码、分析结果，甚至生成自己的训练数据，形成自我提升的循环 [28] - 真正的AGI里程碑是模型能自主发现新算法，而不只是完成现有任务，这需要强化学习能支持“探索未知”，而不仅限于可验证的任务 [28]

文｜任彩茹 编辑｜乔芊 起源于"花丝镶嵌"匠人世家 古法黄金是采用古老铸金工艺打造的黄金，整体呈哑光质感，与东方文化的"内敛"相呼应。其价值附着于繁复经纶的传统工艺，以及极具东方美学的设计语 言，需要技巧熟练的匠人投入大量精力才能制成，制作时间也比批量铸模生产的普通金饰长出数倍。 古法金工艺中，"花丝镶嵌"是拥有三千年历史的宫廷技艺，被誉为"燕京八绝"冠顶明珠。该工艺要求匠人将黄金千锤百炼、抽拔成丝，再以指尖演绎掐、 填、攒、焊等数十道细腻工序，使细过毫发的金线在时光中交织、堆垒、编织成灵动繁复的立体纹样。 寶蘭的特质，便来源于其成熟的"花丝镶嵌"能力——寶蘭源起于黄金珠宝匠人世家，创始人自十几岁起便潜心学习传统打金技艺，后北上京城开设金器工 坊，开启珠宝经营，也奠定了其深刻的东方美学与匠心基因。在北京发展期间，金器工坊结识并吸纳了多位国家级非物质文化遗产"花丝镶嵌"技艺的传承大 师及其弟子。 从产品来看，寶蘭多款作品的设计灵感源自中国传统文化纹样与器物，兼具精湛工艺与吉祥寓意： 36氪获悉，专注于花丝镶嵌和古法黄金技艺的高端黄金珠宝品牌"寶蘭"近日完成过亿元A轮融资。本轮由挑战者创投领投，开云集团和顺为资本 ...

产品战略调整 - 苹果公司内部已取消新款Mac Pro台式机的开发，其计划搭载的M4 Ultra处理器也一并被终止 [1] - 下一代高端桌面芯片将直接跳至M5 Ultra [1] - 公司基本放弃了Mac Pro项目，并认为Mac Studio才是未来专业桌面电脑的发展方向 [3] 产品历史与设计理念演变 - Mac Pro产品线历史可追溯至1994年的Power Macintosh，至今已31年，经历了苹果芯片的两次重大架构转型 [4] - 公司的核心产品理念是打造既优雅又强大的电脑来定义未来，有时“优雅”的优先级会高于“强大” [4] - 2006年，Mac Pro接替Power Mac，成为搭载英特尔至强处理器的专业台式机 [10] - 2013年推出的“垃圾桶”设计Mac Pro，体积仅为上代的1/8，但因散热问题导致性能瓶颈，被官方承认设计失败 [14][16] - 2019年发布的新款Mac Pro重新采用塔式机箱和“刨丝器”设计，获得了不错的市场口碑 [16][17] 技术转型与产品替代 - 随着Apple Silicon（M系列芯片）的推出，Mac Pro成为产品线中最后获得更新的型号，2023年才搭载M2 Ultra上市 [21] - 高集成度的Apple Silicon生态使得新款Mac Pro的可扩展性极其有限，无法升级内存或插入显卡 [21] - Mac Studio被视作Power Mac G4 Cube理念在20年后的成功实现，其小巧精致、高集成度的设计被认为是面向未来的电脑 [23] - 搭载相同芯片的Mac Pro与Mac Studio性能跑分非常接近，但Mac Pro的价格高出3000美元，且体积和重量远大于Mac Studio [25][35][37] 行业趋势与未来方向 - 芯片工艺的进步使得高性能、低能耗成为常态，计算机小型化成为明确的迭代方向 [35] - 高集成度设计实现了高性能小型化，催生了新的工作模式，例如影视行业人员可以携带整个Mac Studio进行机动办公 [31] - 行业并非只有苹果深耕此方向，英伟达的DGX Spark AI超级计算机体积与老款Mac mini相当，却具备1 Petaflop的算力 [33] - 在AI改写生产力的时代，工作方式正转向“人在哪里，性能就跟到哪里”的超级个体模式，高性能便携主机的价值凸显 [37]