以下文章来源于APPSO ，作者发现明日产品的 APPSO . AI 第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative AI 把DeepSeek比作扫地僧， 是对它过去的最高赞誉。 来源｜ APPSO（ID： appsolution ） 封面来源 ｜ Unsplash 我每次翻《天龙八部》，翻到少林寺藏经阁那一段，都要停下来。 萧远山、萧峰父子对上慕容博、慕容复父子，鸠摩智再从旁搅局，三十年的血海深恨搅在一处，眼看就要分出生死。就在这当口，一个枯瘦的扫地僧走了 出来。 萧峰的降龙十八掌打在他身上，他虽受内伤吐血，却以浑厚内力生生受之；他举手投足间让慕容博陷入「假死」复又救活， 这种生死由心的境界，令在 场一众顶尖高手莫不震慑失语。 这一刻，谁强谁弱，答案不言而喻。 AI圈最近几年，流行把DeepSeek（深度求索）比作这位老僧。在所有人眼里，AI赛道的格局早已注定，海外有御三家，国内有大厂和彼时风头正盛的AI 六小虎，轮不到旁人来置喙。 结果一家做量化交易出身的中国公司，悄没声儿地走出来，用一套从天而降的招法，在各项核心评测上与这帮人正面交手，打得有来有回。 2 ...

大会概况 - 2026年5月19日至20日，由北京经开区信息技术产业局指导、36氪主办的“2026 AI Partner - 北京亦庄 [AI+] 产业大会”将在北京亦庄通明湖会展中心举行 [2][3] - 大会为期两天，采用主论坛与“世界咖啡・AI+产业对接会”分会场双会场同步启动的模式 [3] - “世界咖啡-[AI+]产业对接会”作为大会重点板块，旨在为有AI改造需求的场景方企业与AI技术解决方案方提供精准对接平台，并免费向企业开放报名 [3][6] 举办背景与选址逻辑 - 北京亦庄是国家级人工智能创新发展先导区，已形成AI+全产业生态集群，汇聚人工智能核心企业超600家，覆盖大模型、具身智能、智能网联、智能制造、医疗健康、金融科技等全产业链 [3] - 北京经济技术开发区（亦庄）正全力建设全域人工智能之城，开放政务、医疗、教育、制造、金融、交通、具身智能、灯塔工厂等海量应用场景 [6] - 2026年4月以来，北京亦庄的AI产业热度持续攀升，其产业集群优势是36氪选择将“AI Partner”大会落地于此的核心原因 [3] 大会目标与内容聚焦 - 大会将目光聚焦于“AI+千行百业真实落地”，现场将汇聚数十个赛道的标杆案例，深度拆解可复制、能变现的产业实践 [3] - 产业对接会旨在帮助有场景需求的企业找到AI技术解决方案，同时帮助AI技术公司找到落地场景 [6] 参与企业情况 - 首批产业对接意向清单调研已收集超过100家意向参与企业，作为本次对接会的供需资源池 [8] - 部分意向申报企业包括波司登、中科陆渔(珠海)、上海服装集团、被窝、北大英华、北京国联股份等 [7] - 部分定向拟邀企业包括银河通用、北京星源智机器人、优必选、商汤科技、顺丰科技、追觅、百度健康、北京零一万物等 [8] 重点关注的AI+应用场景与赛道 - **AI+科学技术**：从“假设驱动”到“数据与计算驱动”，具体场景包括新材料发现加速、药物研发提效、天文物理辅助发现、科研计算优化等 [9] - **AI+产业发展**：从“自动化”到“智能化决策”，具体场景包括工业视觉质检、生产工艺优化、预测性维护、供应链调度、农业精准管理等 [10] - **AI+消费提质**：从“千人一面”到“千人千面”，具体场景包括智能试衣推荐、AI健身私教、沉浸式文旅、无感智能家居、个性化内容生成等 [11] - **AI+社会福祉**：从“服务鸿沟”到“普惠可及”，具体场景包括基层医疗辅助诊断、无障碍服务、个性化学习、智慧养老监护等 [11] 产业对接会组织形式 - 设置两种参与角色：需求方（桌长）为场景方代表，固定桌位，负责阐述痛点、倾听方案；技术方（轮转）为AI技术能力代表，按预约轮转，负责展示技术、解答疑问 [12] - 每轮交流时长为25分钟，之后有5分钟休息用于技术方换桌，每日安排上、下午多轮，共持续2天 [13] - 技术方可预约多轮交流，具体轮次根据实际报名情况调整并以最终通知为准 [13] 活动流程与后续跟进 - 活动招募与准备周期约五周，包括报名提交清单、供需双方浏览并勾选意向、主办方分桌规划与调剂、发送行程表等步骤 [14] - 活动后，主办方将在一周内收集双方的“合作意向反馈”并进行调研，对达成初步合作意向的案例进行跟踪，纳入年度优秀案例库用于媒体报道资源储备 [13]

产品发布与核心功能 - Springboards公司于2026年4月13日宣布推出其AI工具Flint的alpha版本 该工具专为营销人员和创意人士设计 旨在生成高差异化的选项并摆脱可预测的输出 [1] - Flint的设计理念与主流大语言模型(LLM)相反 后者倾向于收敛于狭窄且可预测的答案 而Flint被调优以探索模型的潜在知识 快速、重复地呈现非显而易见的思考方向 从而激发更好的创造性思维 [2] - 公司CEO指出 构建Flint的初衷是为了帮助人们获得更好的创意 因为前沿模型虽然变得更智能、快速和精致 但其输出却日益趋同和重复 这对于需要创造力的专业人士而言是一个缺陷 [3] 产品性能与技术创新 - Flint基于轻量级的开源基础模型构建 侧重于速度和迭代而非重度的“智能” 在测试中 其在创意多样性方面显著优于领先的LLM 在独立的Novelty Bench测试中得分为7/10 而行业平均水平为2.88 这意味着在10次提示中 Flint能生成7个功能上截然不同的回应 [4] - 公司CTO表示 Flint在创意产业未来的关键指标——新颖性上 显著超越了全球最大的LLM 该模型在优化多样性的同时 并未损害基础模型的通用能力 [5] - Flint被定位为整个软件产品构建的核心引擎 而非装饰性的AI 这体现了公司深度的产品信念 [7] 公司战略与市场定位 - Flint的发布标志着Springboards公司的一次重大演进 在过去三年中 公司已从一个专业的代理商工具转变为一个全球平台 在美国、英国和澳大利亚拥有数百家公关、媒体、创意、体验和内部客户机构 包括TRG和BMF [6] - 随着市场从通用型AI向针对特定能力进行规模、成本和设计定制的模型转变 创造力被视为最难攻克的领域之一 Springboards凭借其对创意“炼金术”的深刻理解以及强大的AI研究团队 正应对这一挑战 [7] - 公司旨在提供一个增强而非取代人类创造力的平台 以应对市场对AI驱动的同质化和过度自动化的担忧 [9] 商业模式与客户拓展 - 伴随Flint的推出 Springboards正在扩展其平台的服务层级 首次为自由职业者、小团队和精品代理商提供包含免费和付费等级的灵活计划 从而直接开放模型和一系列工具的访问权限 [8] - 这些灵活的许可选项旨在降低全球策略师、创意人员和营销人员的进入门槛 同时加速大规模采用 [8] - 公司联合创始人表示 其目标始终是构建能让广告和营销人员做出最佳作品的工具 Flint正是这一目标的结晶 现在平台将向从独立自由职业者到全球代理团队的所有人开放 [9] 客户反馈与行业影响 - 客户评价指出 Springboards能够呈现其他模型所忽略的想法和见解 引领用户走向最出乎意料且令人耳目一新的创意路径 [9] - 投资方Blackbird的合伙人认为 Springboards团队深刻理解伟大创意的内在法则 并正在组建澳大利亚最具实力的AI研究团队之一 [7] - 公司简介强调 Springboards是一个为广告和营销团队服务的AI平台 其目标是获得更好的创意而不仅仅是更快的答案 它结合了全球领先的AI模型及其自有的创意发散模型Flint 以帮助团队探索更多方向 同时不取代人类的判断和技艺 [10][11]

文章核心观点 - 世界模型被视为继大语言模型之后AI发展的关键新方向，旨在解决AI对物理世界理解与交互的瓶颈，近期获得巨额融资关注，例如杨立昆的AMI和李飞飞的World Labs均获得约10亿美元融资[4] - 当前世界模型的研究呈现多元化技术路线，主要可分为“五大门派”：JEPA派、空间智能派、学习型仿真派、基础设施派（英伟达）以及主动推断派，它们从不同维度探索如何让AI理解并模拟物理世界[6][52] - 世界模型的兴起源于大语言模型在物理理解、推理能力及多模态交互方面的固有局限，以及具身智能、机器人、自动驾驶等领域对AI与物理世界交互的迫切需求[53] - 长期来看，不同技术路线可能走向融合，而非单一胜出，共同构成实现更高级智能的拼图[52][54] JEPA派：杨立昆的“抽象哲学” - 核心思想是联合嵌入预测架构，让AI在抽象的“表征空间”里学习世界运行规律，而非死记硬背像素或单词细节，旨在实现高效的因果推理[8][9][10] - 代表模型V-JEPA 2拥有12亿参数，基于100万小时无标签视频预训练，仅需62小时机器人数据就能实现零样本动作规划，在陌生环境处理陌生物体成功率达65%-80%，数据效率远超传统方法[12][13] - 杨立昆创立的AMI公司已获得超10.3亿美元种子轮融资，创下欧洲AI公司纪录，但商业化产品可能需要数年时间才能面世[4][15] 空间智能派：李飞飞的“建筑师”路线 - 核心聚焦于“空间重建”，追求对三维世界的显式理解，包括几何结构、深度和物体相对位置，与JEPA派关注时间预测形成路线分歧[16][17][19] - 首款产品Marble于2025年11月发布，能根据文字、图片、视频或草图生成可编辑、可导航、可导出的3D场景，并保持空间一致性，已应用于影视和游戏开发[20][22][24] - World Labs在2026年2月完成10亿美元融资，投资方包括英伟达、AMD等，其团队在3D重建领域拥有深厚背景，但当前产品在物理动态理解和长时间连贯性方面存在局限[23][24] 学习型仿真派：DeepMind的“造梦师”路线 - 核心是生成足够真实且可实时交互的虚拟环境，让AI在其中训练，代表作品Genie 3能根据文字生成720p、24fps的3D环境，并具备对象持久性[26] - 配套框架DreamerV4于2025年10月发表，能完全在虚拟“想象”中学习，仅用极少数据（约为同类模型的1%）就在《我的世界》中完成复杂任务（如挖到钻石需超两万次操作）[28] - 该路线的核心假设与风险在于：像素级生成的环境若足够真实多样，在其中训练的智能体或能泛化至现实世界，但其物理模拟精确度和持久性（仅几分钟）仍不及传统游戏引擎[27][28][31] 基础设施派：英伟达的“卖水卖铲”策略 - 英伟达通过Cosmos平台为世界模型训练提供全栈工具，包括高效数据处理管线Cosmos Curator（14天处理2000万小时视频，快于传统CPU方案的3年以上）、高压缩率视觉Tokenizer以及多种预训练模型家族[32][34] - 该平台采用免费开放软件策略以锁定硬件生态，推动开发者使用其H系列、Jetson平台及CUDA生态，目前已被小鹏（自动驾驶仿真）、Figure AI等公司采用[36] - 英伟达将世界基础模型类比为大语言模型，押注该赛道将催生巨大需求，并确保自身作为核心基础设施供应商的地位[37] 主动推断派：来自神经科学的“异端”路线 - 代表公司Verses由神经科学家卡尔·弗里斯顿领导，其理论基于“自由能原理”，认为智能体行为旨在减少预测与现实间的偏差（“减少意外”），而非传统强化学习的“奖励最大化”[39][41][42] - 其AXIOM框架采用对象中心化建模和贝叶斯推理，更接近人类认知结构，无需预训练即可实时适应新情况，在雅达利游戏基准测试中，以更少训练数据和1/8的步数超越DeepMind的DreamerV3[45][46][47][49] - 尽管该路线生态兼容性差且短期难成主流，但其更接近生物智能原理，若世界模型需借鉴生物智能，该派别可能后来居上，其商业化产品Genius瞄准金融、机器人等领域[49][50]

核心观点 - 资深市场评论员Jim Cramer不建议对SoundHound AI进行短期波段交易 其核心观点是公司需要先证明盈利能力 而公司已连续七年亏损[2][3] - 尽管SoundHound AI在2025财年营收增长显著 但公司仍严重依赖外部股权融资而非自身盈利来维持运营 且内部人士在出售股票 这些基本面因素引发了市场质疑[3][4][6] 财务表现与盈利能力 - 公司从2019年至2025年连续七年录得净亏损[3] - 2025财年营收几乎翻倍 达到1.6892亿美元 但运营现金流为负9822万美元[4] - 公司通过2.0807亿美元的股权融资来支持运营 而非依靠利润[4] - 2025财年全年仅股权激励支出就高达8060万美元[4] 市场表现与估值 - 公司股价年初至今下跌约35% 过去一年下跌21% 当前股价为6.43美元 而其52周高点为22.17美元[4] - 分析师给出的目标价为14.62美元 但看涨前景的前提是公司能在现金耗尽前实现盈利[6] 战略关联与投资者情绪 - 英伟达曾持有公司股份 这曾引发零售投资者的浓厚兴趣 但英伟达已剥离该持股 随之而来的光环效应也已消退[3][5] - 2026年3月 包括首席执行官和首席财务官在内的内部人士同时出售了股票 且在三个月窗口期内无内部人士购买[6] 未来展望 - 公司给出的2026年营收指引为2.25亿至2.6亿美元[6] - 根据Cramer的投资框架 公司需要展示产生现金流的能力 而不仅仅是营收增长或持续的亏损[6]

公司上市计划与潜在规模 - 人工智能大型语言模型开发商OpenAI和Anthropic均在探索2026年底前上市的可能性 [1] - 太空基础设施与人工智能综合企业SpaceX预计将成为所有待上市计划中规模最大者 其已于4月1日秘密提交上市申请 [1][2] - 初步报告显示 SpaceX的IPO估值可能高达1.75万亿美元 募集资金规模约750亿美元 若实现 将远超沙特阿美在2019年12月创下的294亿美元最大IPO纪录 [2] SpaceX的业务与市场地位 - SpaceX业务横跨人工智能和太空基础设施这两个全球最大的可寻址市场 [5] - 公司已实现盈利 并由曾将特斯拉打造成美国最大上市公司之一的埃隆·马斯克领导 [5] - 根据路透社数据 SpaceX去年销售额在150亿至160亿美元之间 [9] 估值分析与历史参照 - 一项历经时间考验的估值指标——市销率在数十年间对预测股市泡沫拥有无可挑剔的记录 [6] - 过去三十多年 处于变革性技术和创新前沿的公司 其过去12个月市销率的峰值通常在30至45倍之间 例如思科系统和微软在互联网泡沫破裂前均在此范围内达到峰值 [7] - 自20世纪90年代中期以来 没有一家上市公司能够长期维持超过30倍的过去12个月市销率 [8] - 尽管SpaceX已盈利 但预计其太空业务将贡献公司1万亿美元或更多的市值 这意味着在公司IPO前 其估值至少达到销售额的63倍 [9]

SpaceX的业务演进与市场定位 - 公司最初是一家火箭公司，成立于2002年，其核心创新是开发可重复使用火箭以大幅降低进入太空的成本[2] - 目前公司最大的应用是星链（Starlink）太空宽带业务，拥有超过1000万用户，并且用户数量在2025年实现翻倍[3] - 公司正利用其成本优势，将业务拓展至人工智能（AI）领域，其角色已超越单纯的火箭公司，成为AI领域的颠覆性力量[1][2][3] 公司估值增长与IPO前景 - 公司估值在一年前为3500亿美元，今年初与XAI合并后估值达到1.3万亿美元[4] - 预计首次公开募股（IPO）估值可能达到约2万亿美元，这意味着在一年内估值增长约1.6至1.7万亿美元[4] - 推动这一惊人价值增长的核心因素是人工智能（AI）[4] 埃隆·马斯克的AI产业整合战略 - 埃隆·马斯克正在构建一个从芯片到应用的AI产业集团，旗下公司（如XAI与SpaceX）已紧密合作[5] - 整合带来规模协同效应和成本协同效应，被视为其在AI军备竞赛中取得主导地位的方式[6] - 这种融合不仅限于SpaceX，也涉及特斯拉，但目前特斯拉在汽车销售和机器人出租车扩张方面进展缓慢[9][10] 太空数据中心的竞争优势与潜力 - 在太空建设数据中心具有实际效益，例如可以完全利用太阳能，从而可能消除巨额的电力成本[12] - 与地面数据中心相比，太空数据中心在电力成本、水资源获取和土地资源（太空拥有无限“地产”）方面可能具有竞争优势[12] - 尽管存在挑战，但不应低估其潜力，星链业务已证明其成功，目前拥有50%的EBITDA利润率并以100%的速度增长，且谷歌和英伟达等公司也对此领域表现出兴趣[13] 成本优势与技术发展 - 使用猎鹰9号火箭将物资送入太空的成本比航天飞机时代降低了90%[7] - 即将推出的完全可重复使用的星舰（Starship），预计将比猎鹰9号的成本再降低90%[7] - 这种极低的发射成本将催生包括太空数据中心在内的众多新应用[8] 投资视角与公司比较 - SpaceX被视为增长非常迅速且拥有难以逾越的竞争护城河的公司，投资者需要以成长型投资的视角看待[6][7] - 当太空数据中心具备成本竞争力时，公司将与亚马逊、Meta、微软、Alphabet等万亿美元市值的公司进行比较[9] - 在当前产业融合的主题下，相较于特斯拉，SpaceX被认为是更直接的投资选择，因为特斯拉在实现其AI愿景方面仍有待观察[10]

公司扩张与战略布局 - 公司宣布在伦敦开设首个永久性办公室，该办公室可容纳超过500名团队成员 [1] - 公司已签署一份88,500平方英尺空间的租约 [1] - 公司计划将伦敦打造为美国之外最大的研究中心，目前已在伦敦雇佣约200名员工 [1] 行业与人才环境 - 公司认为英国拥有深厚的人才储备和强大的AI领域历史记录 [2] - 公司表示伦敦已是其研究和团队的关键枢纽，新办公室提供了持续发展的空间 [2] 项目动态背景 - 此次宣布是在公司暂停了英国一项重大AI基础设施项目之后进行的 [1]

文章核心观点 - AI产业正经历从依赖静态数据训练到通过Agent与Skill构建动态交互闭环的根本性转变 [2][11] - 该模式将AI从“存量学习者”转变为“增量实践者”，通过“基于业务反馈的强化学习”创造高质量数据，形成自我强化的数据飞轮，驱动模型持续进化 [10][13][21] - 在此趋势下，封装了专家经验和场景工作流的Skill库价值将超越原始模型参数，成为核心战略资产 [11][21] - 中国AI产业走出一条以极致友好界面为入口、以垂直专家级Skill为护城河、以庞大应用生态实现价值闭环的务实发展路径 [26][28] AI产业范式转变：从数据枯竭到数据飞轮 - 2025年之前，行业普遍存在对数据耗尽和进步见顶的悲观情绪，认为高质量数据濒临枯竭，算力投入的边际效益递减 [2] - 产业共识转向Agent与Skill的结合，这被视为驱动AI迭代的“数据永动机”，将训练数据的“单向道”改造为自我强化的闭环系统 [2][10] - 根本瓶颈在于静态数据缺乏与现实世界的交互闭环反馈，导致AI仅懂理论而无法应对实际操作中的具体问题 [5] - 新的范式基于“基于业务反馈的强化学习”，其反馈直接与业务绩效挂钩，信号更强烈、客观，完美契合Skill与Agent的协作机制 [9][10] Skill与Agent的核心机制与价值 - **Skill的本质进化**：Skill不再只是早期大模型的插件，而是进化为驱动AI迭代的关键，它将大模型的底座能力接入具体场景，跑通AI落地的最后一公里 [2] - **创造高质量过程数据**：Skill执行时产生的完整轨迹数据是动态的、情境化的，包含了成功与失败的经验，是AI在真实世界前所未有的试错记录 [10] - **Skill库成为战略资产**：Skill库封装了人类专家的经验、特定场景的提问方式以及优化后的工作流，其价值将超过原始模型参数 [11] - **数据飞轮的形成**： 1. 启动：具备基础能力的模型被赋予Agent框架并配套Skill [18] 2. 探索与生成：Agent在挑战性任务中自主工作，产生海量高质量过程数据 [19] 3. 开始进化：新数据用于训练下一代模型，显著提升其专业能力 [20] 4. 再次加速：进化后的模型能挑战更复杂任务，生成更优质数据，形成正向循环 [21] 对商业模式与产业竞争格局的影响 - **商业模式革新**：最宝贵的资产从初始模型参数转变为持续产生的、领域特定的任务行为轨迹数据 [21] - **私有化部署趋势**：企业倾向于将Agent部署在自有服务器，确保生成的数据和进化成果完全私有，以此构建核心竞争力 [21] - **垂直领域优势**：拥有独特业务场景和实时数据流的企业在训练垂直领域Agent上具有天然优势，这将成为其未来最深的行业护城河 [21] - **工作方式变革**：重复性、流程性白领工作将首先被Agent接管，人类角色转向目标设定、关键决策与创造性工作 [23] - **团队效率跃升**：配备多个专业Agent的团队能完成过去需要大型部门才能完成的任务，极大提升行业创新与执行的灵活性 [23] 中国AI产业的独特发展路径 - **路径核心**：与硅谷“技术至上，模型通吃”模式不同，中国走的是务实、纵深、融合的道路 [24][28] - **具体表现**： 1. **以极致友好的界面为入口**：通过将AI能力深度集成到百度搜索、抖音、微信、支付宝等国民级高频应用中，以“插件”或“小程序”形式让用户无感知使用，快速完成全球最大用户市场的积累 [26] 2. **以垂直专家级Skill为护城河**：避开在通用大模型上硬碰硬，选择在特定行业垂直深耕，通过长时间行业洗涤与产研合作，构建支持复杂工作流的行业壁垒，形成极难复制的全球竞争壁垒 [26] 3. **以庞大应用生态实现价值闭环**：主动融入并赋能中国全球最完整、最复杂的软件与应用生态，从消费互联网超级App到各类SaaS、ERP、工业软件，实现价值指数级放大 [26] - **未来进化**： 1. **Skill商店兴起**：开发者可像组装乐高一样组合不同专家级Skill，降低复杂Agent开发门槛 [27] 2. **聚焦人机协作**：AI应用将更专注于流畅理解人类意图，进行自然多轮协作，将工作者从重复劳动中解放 [27] - **最终目标**：该路径不追求创造唯一的AGI，而是致力于培育数以千万计的各岗位专家，率先将AI转化为无处不在的生产力，深刻改造每一个产业和普通人的生活 [28]

公司战略与成立背景 - 软银成立了开发日本国产AI的新公司，旨在推进在日本国内建设AI计算的基础设施（数据中心）[2] - 新公司计划通过政企合作的方式，力争开发应对“物理AI”的基础模型[2] 合作联盟与参股方 - 包括NEC、本田、索尼集团、三菱UFJ银行、三井住友银行、瑞穗银行、日本制铁、神户制钢所在内的8家公司将向软银成立的AI基础模型开发公司出资[4] - 开展AI开发业务的Preferred Networks也将在模型构建方面与新公司展开合作[4] 技术目标与开发规划 - 新公司计划在2020年代内建立大规模AI模型，力争达到日本国内最大规模的1万亿左右参数[4] - 除文字外，模型将提高处理图像、影像、声音等不同种类信息的能力[4] - 力争到2030年度实现与机械和机器人协作，推动制造一线引入AI[4] 应用普及与行业推广 - 为了普及新开发的AI模型，公司考虑组成企业联盟[4] - 将推动金融、汽车、原材料等各行业把固有数据移植到基础模型中，以促进广泛应用[4] 政府支持与资金计划 - 软银将寻求日本政府的支持，近期将申请成为新能源产业技术综合开发机构（NEDO）推进的日本国产AI开发支援项目[5] - 日本经济产业省计划通过该项目等，在今后5年内为促进AI开发提供1万亿日元规模的支援[5]