优必选收购锋龙股份的交易分析 - 核心观点：港股人形机器人公司优必选拟通过“协议转让+要约收购”方式，以总对价约16.65亿元人民币收购A股上市公司锋龙股份约43%的股份，交易完成后将获得其控制权，旨在利用后者的精密制造与供应链能力加速自身人形机器人产业化，并构建“A+H”双融资平台 [1] - 交易方案：优必选以每股17.72元的价格，收购锋龙股份9395.75万股，总对价约16.65亿元，交易后持股约43%，控股股东及实际控制人将变更为优必选及其创始人周剑 [1] - 战略动机：收购被视为获取A股平台的更快途径，可抓住市场对机器人板块的关注热度，并借助锋龙股份在园林机械、液压控制系统及汽车零部件领域的“专精特新”产业基础、研发制造能力和客户资源，为优必选人形机器人量产提供精密制造和供应链支撑，从而加速产业化落地、降低成本并拓展市场 [1] 交易后续安排与优必选财务状况 - 业务整合审慎性：优必选明确未来12个月内暂无调整锋龙股份主营业务的计划，交易设置了业绩承诺与激励补偿机制 [2] - 业绩承诺与激励：锋龙股份原股东承诺2026-2028年累计净利润不低于4500万元，若超额完成，现有业务团队可获得超额部分的20%作为奖励，若未达标则转让方需补偿 [2] - 优必选财务现状：公司自2012年成立后处于战略投入期，2024年全年亏损11.60亿元，2025年上半年亏损收窄至4.40亿元，营收目前仍高度依赖消费级及教育业务 [2] - 资本平台价值：交易成功将使优必选形成“A+H”双资本平台，有助于拓宽融资渠道以应对行业高投入挑战 [2] 行业并购策略对比 - 同业先例：优必选的收购策略与智元机器人高度一致，后者于今年7月以约21亿元对价收购科创板公司上纬新材约66.99%的股份 [2] - 策略共性：两家公司均采用“协议转让+要约收购”组合方式快速获取A股上市公司控制权，尽管标的业务不同（锋龙股份偏精密制造，上纬新材主营新材料）且控股程度存在差异 [2] - 技术协同探索：智元机器人已将其拥有的“ARM嵌入式软件及通信中间件软件代码”授权给上纬新材使用，意味着向上市公司注入机器人技术以探索协同 [3] - 行业共同信号：此类收购背后反映出机器人行业技术竞赛白热化，对资金需求迫切，同时抢先登陆A股可获得宝贵的市场关注度和资源倾斜 [3] 其他人形机器人公司资本动态 - 云深处进展：云深处于12月23日宣布启动IPO辅导，此前在12月9日刚完成一轮超5亿元融资，由招银国际和华夏基金领投，多家知名机构跟投 [4] - 宇树科技IPO状态：宇树科技于今年7月8日提交辅导备案，10月23日完成更名，11月15日完成上市辅导工作，但目前上市进程未显特别优势，市场推测可能因监管层防范产业泡沫及落地场景缺乏等因素，是否适用“绿通”快速上市机制仍需以证监会公告为准 [5]

软银的AI战略布局与投资动态 - 公司于12月12日被传再次寻求AI布局，考察包括数据中心运营商Switch在内的潜在收购 [1] - 公司于11月曾探讨收购美国芯片制造商Marvell Technology，旨在将其与ARM合并以打造AI半导体巨头 [1] - 公司于今年3月收购了数据中心处理器设计公司Ampere Computing [2] - 公司计划向人工智能项目投资高达90亿美元 [2] - 截至2025年6月底，公司通过愿景基金共投资了335家公司，其中大部分与AI相关，投资组合包括英伟达、OpenAI等明星企业 [2] - 公司已构建涵盖算力、芯片制造、数据中心、具身智能在内的完整AI基础设施 [2] 软银的投资表现与财务压力 - 2022财年，愿景基金的投资亏损达到5.3万亿日元（约397.7亿美元），较2021年亏损3.6万亿日元大幅扩大 [7] - 2024年，软银愿景基金第三财季录得3099.3亿日元的亏损 [7] - 软银第一只愿景基金的回报率一度仅为14% [8] - 截至9月30日，软银母公司层面的现金总额为4.2万亿日元（约271.6亿美元） [23] - 公司计划向OpenAI投资至多300亿美元，其中100亿美元已在今年4月发放 [23] - 为筹集资金，公司采取了裁员、抛售股票、抵押贷款等措施 [24] 全球AI行业趋势与市场状况 - 生成式AI市场营收预计在10年内达到1万亿美元，头部企业如OpenAI未来估值可能高达8300亿美元 [3] - 摩根士丹利预测2025年全球AI基建投入将达4000亿美元 [8] - 2025年三季度，微软、Meta、亚马逊、谷歌、甲骨文五家头部企业合计资本开支达1057.73亿美元，同比增长72.9% [21] - 截至2025年三季度，上述五家企业资本开支与经营性现金流的比值平均达75.2%，较一年前上升29.7个百分点，甲骨文的自由现金流已转为负值 [22] - 美国超大规模数据中心企业债券发行量激增，今年前11个月总发行量达1038亿美元，是2024年全年的5倍以上 [23] - 当前一些大型科技公司的估值水平约40倍，远高于其历史平均20倍的水平，但低于2000年互联网泡沫顶峰时的80倍 [29] AI行业的盈利挑战与成本问题 - 贝恩咨询报道，到2030年AI公司将需要2万亿美元的年收入来支撑计算需求，但实际收入可能短缺8000亿美元 [4] - MIT研究显示，95%采纳生成式AI的公司尚未从中获利，只有个位数到低两位数的企业看到了大规模的持续投资回报率 [4] - 成本是AI产业链的核心问题，涉及芯片、数据、能源、机器人等，需求上不封顶 [3] - 2025年，东京连续第二年成为全球数据中心建设成本最高的城市 [20] - 2021年至2023年，日本数据中心的建设成本上涨了69% [20] 市场对AI泡沫的担忧情绪 - 11月美国银行调查显示，45%的受访投资者将AI泡沫视为当前最大的尾部风险，比例较上月的33%大幅提升 [5] - 53%的基金经理认为AI相关股票已处于泡沫中 [5] - 近20%的基金经理认为企业存在过度投资，归因于对AI超大规模资本支出热潮的担忧，此为2005年8月以来首次 [5] - 当全球AI相关股票因泡沫下调时，软银曾一周内累计跌幅超过20%，市值蒸发约520亿美元 [9] 日本AI产业发展现状 - 2024财年只有26.7%的日本民众使用过生成式AI，远低于中国的81%和美国的68.8% [12] - 只有49.7%的日本企业制定了AI使用政策，远低于美国的84.8%和德国的76.4% [12] - 2023年日本民间对AI的风险投资约为7亿美元，同期美国为672亿美元，中国为78亿美元 [13] - 日本民间资本对AI领域的投资中，基础模型投资占比不足10% [13] - 日本计划把公众AI利用率提高到50%，最终提高到80%，并计划吸引约1万亿日元的民间投资以加强研发 [14] - 91%的日企将超过90%的IT预算用于维护老旧系统，而非新技术研发 [18] - 日本每年AI相关硕士毕业生为2800人，不及美国的1/9，且60%集中在机器人控制等传统领域 [18] 日本数据中心市场与软银的角色 - 软银在日本运营着18座数据中心，计划于明年推出主权云和AI服务 [15] - 公司于今年4月在北海道启动大型新数据中心园区建设，建成后将成为日本国内规模最大的数据中心项目之一 [15] - 截至2025年11月底，日本的数据中心总容量在5年内增长逾两倍，达到6.8吉瓦，设施数量增至269座 [19] - 安永报告预测，到2026年，日本数据中心市场规模将达到300亿美元，复合年增长率为6.5% [19] AI对宏观经济的影响与资本依赖 - 2025年上半年，AI对美国实际GDP同比增速的拉动约0.7个百分点，对增长的贡献率约为三分之一 [24] - AI已成为美国经济增长的支柱，一旦资本热情褪去，经济有崩盘可能 [26] - 美国家庭财富的21%直接来自股票，AI泡沫破裂可能导致家庭净资产缩水8%，消费支出可能剧减约GDP的1.6% [26] - 当前美国近一半的消费支出由收入最高的10%人口贡献，该群体持有约87%的美国股票 [24] - 除Anthropic外，英伟达几乎支撑所有主要AI参与者，供应链高度集中放大了系统性风险 [28] - OpenAI、英伟达与甲骨文结成“三角联盟”形成闭环生态 [29]

行业背景与痛点 - AI大模型出现后，硬件厂商普遍认为现有终端设备有被重做一遍的潜力[2] - AI眼镜被视为最有希望取代手机的下一代终端技术路线之一，但目前受限于“续航、重量与性能”的不可能三角，即使出货量最大的Meta也未能实现全天候佩戴[2] - 智能眼镜发展多年，显示技术、产品功能仍不成熟，产品过重导致无法长期佩戴[2] - 相对而言，耳机产品已发展成熟，是用户更容易做出购买决策的产品，但普通耳机功能有限[2] 公司战略与产品理念 - 光帆科技创始人董红光认为，理想的AI硬件不应仅是手机或眼镜的延伸，新的AI硬件若仍需依托手机，则创业必要性不存在[3] - 公司认为手机已不适合作为AI助理的硬件形态，因为用户不可能总举着手机或手机摄像头与AI交流并让其感知环境[3] - 公司专注于用AI能力改造耳机，如同当年从功能手机改造到智能手机[2] - 公司致力于打造不依托于手机的独立AI硬件路线，其产品可自主完成任务，无需手机参与[3][5] 核心产品：光帆Lightwear AI全感穿戴设备 - 产品由集成双目视觉感知模组的AI耳机与智能手表组成[4] - 耳机耳挂侧搭载200万像素摄像头，使AI能实时“看懂”周围环境、识别物体与场景，并据此主动提供服务[4] - 智能手表可在抬腕间呈现关键信息，避免持续占用视线，并集成心率、血氧、睡眠、压力等多维体征数据，使AI能基于用户身体状态主动调整服务[4] - 产品具备视觉感知能力，定位为主动式AI耳机，区别于传统的“被动指令式”AI硬件[2] - 产品旨在实现日程管理、机酒预定、打车出行、餐厅推荐等工作生活场景中高频任务的自主处理[2] 产品功能与应用场景 - 在餐厅场景，用户语音提问后，设备可主动完成个性化口味比对、附近更优餐厅推荐、位置告知、主动取号及智能提醒到号等系列操作[4] - 在工作场景，可完成自动日程安排并解决冲突、智能答复、匹配合适航班和酒店、下单机酒等全流程操作[4] - 在运动、压力过高等场景，AI能基于体征数据进行适时提醒与情绪干预[4] 核心技术：原生AI操作系统Lightware OS - Lightware OS是设备能够不依托手机、自主执行任务的关键[6] - 该系统并非单一模型，而是一个能连接多类大模型、调度各类传感器与硬件、接入更多应用的“智能中枢”[7] - 该系统通过标准化接口，降低了AI硬件与原生应用的开发门槛[7] - 系统实现AI耳机和智能手表的硬件端接入，并接入了各类生活服务应用类的场景服务[7] 硬件与算力支撑 - 在耳机盒上集成了eSIM组件，使穿戴设备可脱离手机独立联网工作[8] - 结合高精度GPS模块，在运动、出行等场景提供差异化体验，支持全天候使用[8] - 充电盒集成了指纹识别模组，配备独立麦克风与扬声器，用户未佩戴耳机时也能接收信息、处理通话[8] 行业未来展望 - 随着AI持续演进，从人机交互角度看，未来AI硬件将朝多设备协同方向发展[9] - 未来趋势是一个云端的大脑，控制各种设备，执行不同的用户指令和任务[9]

瑞幸咖啡 - 公司海外扩张故事处于序言阶段，想象空间大但兑现路径不明，需长时间验证[2] - 公司需要证明其商业模式能成功复制，而不仅仅是服务于华人群体[2] - 公司已达成三万店规模，但面临增长动力不足的挑战[2] 人工智能与数据中心 - 行业关注数据中心能效，通常使用PUE(能源使用效率)指标来衡量能耗情况[3] - 人工智能发展的关键制约因素被认为是时间而非电力[3] 赛力斯 - 公司赴港IPO首日开盘即破发[4] - 在国内市场内卷背景下，公司选择登陆港交所以走向海外高端市场，被视为正确但艰难的道路[4] - 公司旗下AITO品牌出海面临挑战[4] 新东方 - 公司被誉为中文互联网界的“黄埔军校”，离开的员工常通过跨界实现突破[5] - 公司自身也在持续寻找下一个辉煌的支点[5] 国产GPU行业 - 行业内有被称为“国产GPU四小龙”的公司[6] - 成功上市对这些公司而言仅是里程碑，意味着更激烈竞争和更艰难长跑的开始[6] 小米集团 - 公司创始人雷军及公司面临成为顶流的潜在代价与快速超车的伴生风险叠加的困境[7] 潮玩行业 - 行业经历短暂热度与单薄消费土壤，尚未跑出像迪士尼那样的IP传奇[8] - 资本市场对潮玩赛道感到担忧[8] 即时零售与外卖行业 - 外卖箱商品日益丰富，行业竞争不止于品类扩张，更在于如何用即时供给重构零售本质[8] - 双十一期间即时零售成为巨头们的新战场，该市场规模达万亿[8] 短剧电商 - 短剧市场被视为电商行业未来的新增量和广阔蓝海[8] - 电商的基石最终仍是信任、效率与供应链，短剧点燃的战火将回归零售本质[8] - 行业呈现“内容即货架，故事即销售，情感即转化”的趋势[8] 风险投资行业 - 行业从VAM、对赌、优先股到回购承诺，发展路径越走越窄[9] - 市场正尝试通过S基金、柔性条款、政府引导基金拓宽道路，但成效有待时间验证[9] - 对赌协议是包括王自如、罗永浩、王健林等多方面临的共同困局[10]

三七互娱在小游戏市场的动态 - 临近年末，三七互娱在小游戏市场异常活跃，旗下产品《生存33天》和《足球大人物》受到关注 [1] - 《足球大人物》是一款足球题材的策略卡牌产品，于12月进榜后排名快速攀升 [2] - 《生存33天》市场表现已逐渐稳定，而《足球大人物》仍处于冲榜阶段 [6] 《足球大人物》市场表现 - 该产品于12月10日首次进入微信小游戏畅销榜，排名第84名 [3] - 排名随后快速攀升，在12月13日升至第59名，并于12月15日冲入畅销榜TOP50 [3] - 该产品在12月15-16日短暂进入微信小游戏人气榜，排名在80名左右 [3] - 其手游版本计划于12月23日公测，比小游戏端上线晚近2周 [6] 《足球大人物》产品特点 - 游戏以足球为核心题材，结合了火爆的“村超”剧情 [7] - 本质是一款策略卡牌产品，玩家可招募巨星球员，打造并养成球队，通过排兵布阵等战术策略提升战斗力 [7] - 游戏支持局内微操，在比赛模拟进入关键节点时，玩家可进入“即时战斗”模式选择技能 [12] - 产品采用了《指尖无双》的主游戏界面和“热血格斗”角色画风，角色画风鲜明、Q萌，旨在以轻松欢快的方式拉近与目标用户的距离 [12] - 项目组基于足球本身的高话题性进行产品立项，期望触达泛体育用户 [12] 《足球大人物》买量投放策略 - 12月初进行了小规模测试素材投放，日均投放量在10-20条区间 [12] - 产品上榜后2天（12月12日），投放力度大幅增加，单日投放素材量超过1000条 [12] - 投放峰值出现在12月13日，对应投放计划数突破3500组 [12] - 随后投放量快速下滑，12月14日单日投放量下滑至800条，12月16日当天仅有13条素材量投放，对应计划数跌至不足20组 [13] - 作为冲榜新品，其投放策略并未持续“高举高打”，而是在极短时间内快速下滑 [13] 买量策略变化的可能原因 - 可能受内部资源分配影响，公司另一款产品《生存33天》于11月16日投放量大幅增长，且已冲进畅销榜TOP5 [14] - 该产品可能是公司试水市场的新题材产品，经过3天高强度投放测试，项目组或已收集到足够测试数据，正在进行新一轮调整 [14] - 小游戏行业正处于“精细化”转型，头部厂商愈发注重素材投资回报率，而非单纯追求投放规模 [14] 广告创意素材分析 - 素材核心创意围绕“足球”元素展开，借助角色设计与热血情怀风格触达目标用户 [15] - 第一类素材展现普通球员逆袭成为足坛球星，满足玩家养成需求，吸引足球题材爱好者 [15] - 第二类素材突出游戏元素的丰富多样，展示游戏角色造型及广为人知的招式名称，以提升完播率 [16] - 第三类素材展示复古街机画风与核心玩法，借助热血情怀属性吸引泛用户关注 [17] 行业洞察：体育题材游戏的新考量 - 过去体育题材在国内属小众品类，因产品过于聚焦硬核竞技而劝退泛用户 [17] - 今年“各地村超”和“苏超”等民间足球赛事收获大量流量，带动文旅产业发展，证明了体育具有极高的泛娱乐性拓展性 [17] - 《足球大人物》选择足球题材，核心并非单纯填补品类空白，而是希望通过全民题材撬动更多“泛娱乐用户”，以应对小游戏市场的快速发展和行业内卷 [17] - 头部厂商可借助体育题材的“高爆发性”弥补其他中重度产品长线运营的不足 [17] - 该产品采用Q萌画风提升辨识度以契合泛用户群体，此逻辑可复用于篮球、棒球等其他体育垂类产品 [18]

文章核心观点 - AI行业发生底层范式转移 导致技术解释权与公司权力结构重构 经验丰富的资深工程师价值相对贬值 而深刻理解新范式的年轻技术领袖迅速崛起[3][4][8] - 科技公司为适应新时代 正在形成“年轻舰长负责技术探索 年长领航员负责资源整合与风险把控”的新型共生管理模式[30][31][36][37] 技术范式转移 - 2017年Transformer架构出现前 AI开发依赖精细人工规则与特征工程 经验价值高[4] - Transformer与GPT系列引爆生成式AI新时代 范式转变为依赖强大算力与海量数据 智能从混沌中涌现[4] - 新旧范式存在根本性思维差异：传统工程师思维强调节省算力与优化效率 新一代AI从业者则直觉倾向于增加参数与清洗数据[5][6] - 技术代差造成的认知隔离 如同火器时代取代冷兵器 最优秀的弓箭手教官无法指导使用机枪的新兵[7] 公司权力结构重构 - Meta引入Scale AI创始人Alexandr Wang（28岁）兼任首席AI官 其信奉工程实用主义 认为经RLHF清洗的高质量数据是AI时代不可复制的核心壁垒[10][11] - 腾讯为刚毕业的博士姚顺雨提供亿级薪酬并授予首席AI科学家头衔 因其在普林斯顿与OpenAI期间是“思维树”和“ReAct”框架核心研究者 掌握通往AGI的精确地图与关键暗知识[2][12][13] - 小米将“人车家”大模型指挥权交给95后罗福莉 因其在DeepSeek-V2模型中历练出的“小参数、高性能”模型直觉 能指挥习惯硬件堆料的老工程师 确立“算法指引硬件”的新战略[2][14][17][18] - 三位年轻领袖分别占据“数据基建”、“核心算法”、“终端应用”三个关键环节 共同构建了新技术范式下的权力闭环[9][19] 管理冲突与文化碰撞 - 技术断层导致管理层年轻化 传统科层制管理结构经受考验 老中层管理者面临认知失调[20] - 沟通逻辑冲突：传统管理者关注项目ROI与逻辑闭环 年轻领导者则认为大模型逻辑是涌现的 无法预设[21] - 技术理解冲突：传统工程师要求模型“可解释性” 年轻领导者则接受大模型是数千亿参数压缩产生的概率分布黑盒[22] - 文化冲突：年轻一代信奉极客文化与GitHub式开源协作 对繁琐的汇报流程与层级文化嗤之以鼻 导致与传统企业文化的冲撞[23][24][25][26] 未来共生模式 - 纯粹由年轻技术领袖主导存在风险 可能缺乏对用户隐私、社会安全底线及上市公司财报压力的敬畏与处理能力[29][30] - 最健康的模式是“年轻舰长 + 年长领航员”：年轻技术领袖定义技术路线与算法架构 资深管理者转型为资源整合者与保护者 负责搞定监管、预算与跨部门协调[31][32][33][34][35] - 资深管理者利用几十年积累的商业智慧与人脉 为年轻大脑构建纯粹、不受干扰的创新环境[36] - 这不是简单的年龄更替 而是认知结构的更迭 年轻领袖的成功源于其知识结构天然适配AI新时代[39]

年度十大科技人物评选背景 - 钛媒体集团携手NextFin.AI、巴伦中国举办2025 T-EDGE全球对话，并发布EDGE AWARDS年度十大科技人物榜 [2] 人工智能与脑科学 - 陈天桥提出“发现式智能”是真正意义的通用人工智能理念，并投入10亿美元算力及孵化器支持相关研究 [3] - 其团队2025年发布了预测大模型MiroMind ODR、开源记忆系统EverMemOS、数字人框架Mio，并成立尖峰智能实验室聚焦类脑大模型研究 [3] - 其支持的脑虎科技和华山医院获得全球首例实时汉语解码、中国首款全植入全无线全功能侵入式脑机接口重大成果 [3] - 其创办的大圆镜工作室专注AIGC系列科普视频，全年播放量近3亿，吸引全球粉丝300万 [3] 深海科学探索 - 杜梦然团队乘坐“奋斗者”号载人潜水器潜入9533米深处，直接观测到世界上分布最深、规模最大的化能合成生命群落 [4] - 该发现是人类首次发现地球已知最深的动物生态系统，揭示了深渊带中不依赖阳光的化能合成群落和巨大甲烷储库 [4][5] AI硬件与消费电子 - 李传刚是AI硬件商业化领域的标志性人物，曾成功创立颠覆行业的讯飞智能录音笔产品线 [6] - 其新创公司推出的AISON爱畅K歌音箱，以创新技术重塑品类体验 [6] - 刘靖康创立的影石Insta360稳占全球消费级全景相机市占率榜首，2025年6月登陆上交所科创板 [8] - 2025年12月，影石推出全球首款全景无人机“影翎Antigravity A1”，开辟飞行拍摄新赛道 [8] 大模型与算力基础设施 - 梁文锋主导发布的DeepSeek-R1推理模型，以不足30万美元的训练成本实现了比肩国际顶尖模型的逻辑推理能力 [7] - 通过自研MLA架构与FP8通信技术，将大模型推理成本降低了两个数量级，并坚持全权开源承诺 [7] - 周靖人领导的团队使Qwen系列大模型在开源性能、生态影响力和全球应用范围上取得显著突破，已吸引数万企业用户部署应用 [14] - 张建中带领摩尔线程坚持全功能GPU、自主统一架构与完整生态构建，首次系统性公开全功能GPU技术路线图 [13] - 摩尔线程实现了国产GPU万卡级训练集群的工程化落地，并在超大模型推理性能上取得实质性突破 [13] 机器人技术与具身智能 - 王鹤创立的银河通用机器人率先提出并落地“大规模仿真合成数据预训练+少量真实数据后训练”的虚实融合数据新范式 [10] - 2025年，银河通用实现全球唯一百台机器人7×24小时自主卖货的商业化，并在世界人形机器人运动会全自主干活赛中夺冠 [10] - 其自研机器人及灵巧手在工业领域获得千台级订单，公司估值已达30亿美元 [10] - 王兴兴率领宇树科技凭借G1系列人形机器人的规模化量产，开启了人形机器人“十万元平民化时代” [12] - 宇树科技实现了电机、拓扑器及4D激光雷达等核心零部件90%以上国产化自研，并发布了UnifoLM机器人统一大模型 [12] PC硬件行业 - 潘春节带领机械革命在激烈的PC行业竞争中连续三年电竞笔记本销售保持前三名，占比逐年增加，成为行业“御三家”品牌 [9] - 公司独创行业“OEM+ODM双轨并驱”模式和互联网服务理念，并进行了品牌焕新 [9]

文章核心观点 文章通过多位AI领域华人创业者的对话，揭示了2025年全球华人AI创投圈在具身智能、AI硬件、AI Agent及大模型等前沿领域的核心动态、技术进展、市场差异与未来展望，展现了中美在AI赛道竞争格局的变化以及中国团队独特的优势与挑战 [2] 中美创业环境与团队优势 - **机器人行业中美无代差**：至少在机器人行业，中美之间已不存在技术代差，但市场体感存在差异 [8] - **To B业务逻辑差异**：中国市场企业倾向于全栈自研，更希望供应商提供概念验证；美国及高劳动力成本地区客户更倾向于基于清晰分工和长期合作推进项目，海外客户毛利更高且更容易沉淀长期合作 [9] - **中国团队优势：聪明勤奋与市场打磨**：中国团队兼备聪明和勤奋，疫情期间在新能源汽车和智能驾驶等领域实现了快速追赶和超越 [10] 国内B端客户和消费者对新产品容忍度高、期待高，通过与客户联合共创能快速打磨出有竞争力的产品，再批量化复制并走向海外 [11] - **中国在AI硬件产业链的优势**：中国在硬件产业链上具有优势，且中国团队在软硬件结合方面具有得天独厚的优势，而美国同行在AI硬件产品上常面临交付困难 [11] - **中美To B市场逻辑差异**：欧美To B市场垂直专业性和服务深度高，切入口小但做得深；中国出海创业者更偏向To C，擅长整体流量和增长玩法，但新一代出海科技公司的决策行为正越来越接近欧美客户 [12] - **中国To B市场的机遇在于AI与劳动力价值**：中国To B软件市场挑战源于企业数字化成熟度不足，难以判断单点价值，而AI能将软件价值显性化，例如将AI转化为数字员工，其价值完全显性，因此AI在To B对标的是劳动力市场而非软件市场 [13] - **中国对新技术的拥抱速度更快**：中国对于新技术的拥抱和开放程度比绝大多数海外国家更快，即使在基座模型不如美国的情况下，在跨国项目中的结果也能成为客户全球合作的标杆 [13] - **大模型方向一致，中国应用转化更快**：中美在大模型方向上一致，中国基础模型可能只用海外模型十分之一甚至更少的算力就取得了高普及率的结果，且中国企业对于模型应用的转化率比海外团队快得多 [14] 2025年最令人兴奋的技术与行业进展 - **强化学习的跑通开启AI下半场**：强化学习在数学、编程、GUI等领域的成功验证，突破了依赖人类标注数据的限制，使机器能够超越人类认知边界，这被认为是AI下半场的开始 [15] - **Agentic AI在真实业务中跑通**：支撑Agentic AI在真实业务中运行的关键技术条件在2025年同时具备，包括长期任务和上下文记忆跑通、工具调用和执行稳定性质变、以及从人类示范转向结果驱动的自我优化 [16] - **Google回归与Gemini 3推动模型进步**：Google的回归让行业重新聚焦于模型能力的提升，Gemini 3的出现使多模态能力（特别是视频能力）进一步增强，符合模型发展趋势预判 [17] - **视频生成大模型内嵌物理规律**：视频生成大模型能越来越多地将物理规律内嵌到生成的视频中，这不仅进一步佐证了Scaling Law，也为具身智能行业的数据补充带来了信心 [17] - **数据规模验证Scaling Law边界尚远**：美国公司Generalist使用27万小时数据进行训练，未看到训练收益放缓，这使得业内数据讨论单位提升至十万小时级别，让行业认识到Scaling Law的边界还很远 [18] 中美科技资本环境差异 - **美国早期融资机制更简化灵活**：美国早期融资如采用SAFE协议机制相当简化，且更愿意在小圈子内闭环完成，更强调对创新和试错的支持，对创始人压力较小 [19] - **美国资本更具耐心**：美国整体在坚信一个技术或方向并进行长期投入方面，呈现出更加包容和耐心的状态 [19] - **中美风险偏好不同**：硅谷VC圈更愿意投资高风险项目以获得高回报，而国内资本可能更倾向于投资共识类项目，创业者希望中国VC能更大胆支持非共识和冒险的事情 [19] - **国内资本市场过度相信共识**：国内资本市场过度相信共识，而创业和技术的竞争力往往来自反共识，当前对做大芯片、集群、降token成本等线性思维的追求可能不经济 [20] - **中国早期投资比例偏低**：硅谷风险投资中有接近一半集中在早期投资，而中国的这个比例是硅谷的1/5到1/7，显示中国在早期投资领域仍需加强 [20] 具身智能与机器人行业洞察 - **专业化分工与成本优势**：机器人公司自建数据基础设施团队非其核心，但投入高、经验要求高，诺亦腾机器人作为第三方数据服务商，可通过多客户项目摊销研发成本，积累专业经验，拥有稳定市场空间 [23] - **人形机器人商业验证是关键期待**：行业最期待的颠覆性进步是人形机器人的通用性在商业领域得到验证，需要找到介于专用机器人和真人之间的、稳定可持续的应用空间 [23] - **家庭场景可能是商业化突破口**：与工业领域相比，家庭场景中确定性任务与高度柔性任务之间的“夹缝”更宽，例如扫地机器人这类“时空分离”场景，对容错性、安全性等容忍度更高，可能率先实现商业化 [25] - **真实数据与仿真数据需协作**：机器人学习内容可分为可枚举合成的“规则”和无法枚举合成的“人类先验”，因此真实数据与合成仿真数据需要协作，单一类型无法解决所有问题 [26] - **渐进式路线与规模化部署是关键**：具身智能需在真实场景中锻炼迭代，难以仅靠仿真或实验室环境达到所需泛化能力，必须通过实际部署实现规模化，类似特斯拉在自动驾驶领域采取的渐进式路线是构建护城河的关键选择 [27] - **优质真实场景数据稀缺**：不同于大语言模型有海量可获取数据，具身智能面临优质真实场景真机数据稀缺的挑战，难以一蹴而就，需坚定走渐进式发展路线 [28] - **B端场景利于当前技术落地**：在技术不成熟、数据缺乏的当下，工业、商业服务等B端场景允许通过做一定“减法”，较快速地实现落地闭环，而家庭场景复杂度太高 [28] - **世界模型是走向通用的必要条件**：具身智能要走向通用，需要类似高等动物内置的、能够预测、想象和模拟物理世界变化的隐式世界模型，这是非常强大的必要条件 [30] - **隐式与显式世界模型并重**：无界动力当前研发重点是将隐式世界模型内嵌于负责动作执行的VLA模型中，同时显式世界模型对于数据短缺情况下的数据增广和生成也有重要意义 [31] AI硬件与产品战略 - **Looki的核心是打造AI的“眼睛”和“耳朵”**：公司核心是给AI提供感知能力（眼睛和耳朵），让AI在物理世界生活，其首代产品L1是探索人机交互的起点，目标是实现以人为中心的AI，让物理世界成为AI的prompt [31][32] - **产品形态与功能将随技术演进**：AI硬件的形态将随着供应链、低功耗、无感化等技术的发展而不断延展，功能也将随着模型能力和记忆基础设施的升级而生长 [31] - **规划 proactive AI 与 General Agent**：下一代产品L2将实现适时主动式AI，L3是更远期设想，即出现一个懂用户的中心General Agent，负责理解用户指令并对接其他服务型Agent [33] - **AI硬件全球化最大挑战是数据合规**：AI硬件作为数据入口，面临数据需留在当地、进行数据审计、遵守不同国家数据所有权规定等合规挑战，这是传统消费硬件未曾积累的经验 [34] AI Agent 与平台商业模式 - **Aha平台实现Agentic AI在真实业务跑通**：Aha作为AI员工式达人营销平台，其飞轮效应被点燃，达人侧入驻速度在半年内从0增长到5万，呈现指数级增长，并获得了全球顶尖AI客户和头部大厂的认可 [16][34] - **增长源于强烈市场需求与双边网络效应**：营销预算正从传统广告向达人营销迁移，客户存在高效解决方案的迫切需求，平台通过自动化流程连接客户与达人，构建了客户越多、达人越多、体验越好、客户更多的飞轮效应 [34][35] - **主要竞争来自传统人工模式**：在中型及以上客户市场，主要竞争模式是外包给Agency或自建大型内部团队，而达人营销本身高度依赖人力执行，规模化时人力成本线性增长，因此客户迫切寻求降低人工依赖的解决方案 [36][37] 大模型与商业强化学习路径 - **商业强化学习是基座模型的延展，而非同一赛道**：未来趋势并非单一超级模型或无数垂类模型，而是通过分工与协作，让独立训练的模型解决统一目标，实现从个体智能到群体智能的飞跃，类似一个超级MOE（混合专家模型） [38] - **模型智商边际效果下降，需构建“大学”**：当前模型已足够强，重点应转向如何为模型构建“大学”，使其与业务耦合，找到最优解，从而实现从个体智能到群体智能的飞跃，这符合OpenAI AGI路径的level 4和level 5 [39] - **商业强化学习对标劳动力市场**：该领域被视为对标50万亿美金的劳动力市场，而非软件市场，突破场景的选择标准包括该工种当前的市场规模以及其是否可完全在数字空间解决 [40] - **行业存在供给热、需求冷的错配**：供给侧资本开支巨大，模型成本下降、算力提升，但需求侧真实落地并带来显著收益的应用仅约5%，大模型落地场景单调，未切入核心业务 [41] - **AI需嵌入物理世界并解决价值观测与成本问题**：AI应像电力一样通过影响物理世界来创造价值，当前挑战在于效果如何直观观测以及成本如何下降，需要找到大一统的方式解决垂类场景与模型的最优匹配，而非仅依赖人类标注数据 [42] 对2026年的行业展望 - **争议与百花齐放**：2026年AI产品可能出现百花齐放，同时也可能伴随很大的泡沫争议 [43] - **AI真正进入物理世界元年**：2026年有望成为AI真正进入物理世界的元年，也是商业强化学习落地的元年，期望AI能为二级市场带来明显的业务价值提升，而非仅体现在供给侧财报 [43] - **具身智能落地前景更光明**：期望2026年行业探索重心能从“小脑”（执行控制）转向“大脑”（认知决策），为具身智能的突破奠定基础 [44] - **行业稳健发展与全球化扎根**：希望AI行业更好，更多客户产品走过PMF阶段进入市场推广期，并在全球更多地区扎根 [44] 同时希望具身智能创业公司能走得稳、走得远 [44]

文 | 产联社，作者 | 郑青春 在AI以惊人速度重塑工作、生活乃至思维方式的今天，一个根本性问题摆在每个人面前： 当机器比你更聪明、更高效、甚至更能"共情"，你的独特价值在哪里？ 带着这个切身的焦虑，我们与跨界学者蔡恒进展开了一场深度对话。 蔡恒进15岁考入中科大，1995年获美国阿拉斯加大学费尔班克斯分校博士学位。他早年深耕空间物理， 后转向人工智能、区块链及元宇宙领域。 他在跨学科的探索中提出意识的认知坎陷理论、主动哈希交互网络及自我肯定需求理论，并曾获得中国 人工智能领域最高奖项"吴文俊人工智能科学技术奖"。 这种跨界背景，使他的AI观点兼具物理学的严谨与哲学的前瞻。面对未来，人类应当如何与AI共存？ 他的答案不是对抗，也不是臣服，而是一个更具建设性的路径： 打造你的数字分身，让AI成为"另一个你"。 解码意识与智能的本质：认知坎陷 早年物理学的背景，为蔡恒进后续研究打下了最坚实的根基。"我早年把物理学得比较通透了，后面很 多坑就不会掉进去了。" 他指出，当前很多人试图用"似是而非"的物理概念来重新解释意识和智能，很容易误入歧途。物理规律 的普适性，是他在AI生成各种"虚妄"理论时的"定海神针"。 对 ...

文章核心观点 - 韵达股份凭借稳健的经营业绩、领先的数字化能力与卓越的ESG实践，获评“最具投资价值上市公司”，其正从“快递服务商”向“全球综合物流服务商”转型，是资本市场值得长期关注的优质标的 [1] 经营业绩与财务表现 - 2025年前三个季度，公司实现营业收入374.93亿元，同比增长5.59% [2] - 2025年前三个季度，公司实现归母净利润7.3亿元 [2] 数字化与科技能力 - 公司以“全面数字化、移动数字化”为战略核心，构建“1+N+AI”多层次科技体系 [2] - 自主研发的快件运营信息系统与GPS卫星定位系统，实现对全国2500条陆运主干线、800余条航空直发线路的实时监控与动态优化 [2] - 末端服务环节，无人车、智能快递柜与9.4万余个末端门店驿站形成高效网络，成本管控能力领跑行业 [2] 业务布局与网络规模 - 公司在巩固快递主业的同时，前瞻性布局电商物流、供应链、国际、冷链等新业务，打造多元化增长引擎 [3] - 国际业务开通多条至越南胡志明市专列，持续完善东南亚物流网络 [3] - 冷链领域与飞猫冷链战略合作，填补高端冷链服务空白 [3] - 公司在全国共设立71个转运中心，快递网络县级区域覆盖率达99.8%以上 [3] - 公司拥有4744个一级加盟商，末端门店、驿站等基础设施达9.7万余个 [3] ESG实践与可持续发展 - 公司ESG评级从A级跃升至AA级，跻身A股上市公司优秀阵营 [4] - 环境维度：19个转运中心铺设光伏屋顶，2024年光伏发电量达1615.78万千瓦时，同比增长56.57% [4] - 环境维度：全网投放3875辆新能源车辆与超3000万条RFID可循环中转袋，后者年使用次数达8.41亿次 [4] - 社会维度：2024年开展员工培训2.69万场，实现全员覆盖，总时长超316万小时 [4] - 社会维度：客户服务满意度保持98%以上，投诉解决率达98.09% [4] - 社会维度：通过“县乡村”三级物流网络深度参与乡村振兴，对接原产地农户 [4] - 治理维度：2024年接待投资者调研526人次，及时传递企业信息 [4]