晚点LatePost
晚点LatePost
商业的真相总是在晚点。《晚点LatePost》官方账号
IP属地:未知
0关注
9626粉丝
0主题
0勋章

药明康德的底牌:当全球供应链安全遇上中国商业效率

一体化、规模化、长期合规经验,是 CXO 难以被短期复制的商业化交付能力。 文丨李赓 2026 年 11 月 10 日,美国《联邦公报》刊出一则撤名通知:药明康德被移出美国国防部 1260H “中国军事企业” 名单。三天后,药明康德与国防部向哥伦比亚特区联邦地区法院提交共同撤诉约定;11 月 16 日,法院批准撤诉。 这场始于 6 月 8 日列名、6 月 11 日起诉、持续五个月的诉讼,结束的方式非常戏剧。 8 月 7 日,哥伦比亚特区联邦法院主审法官 James Boasberg 批准初步禁令,暂停这份列名对药明康德的执行效力。其禁令意见书中给出了判断的明确理由:五角大楼认定中航工业旗下一只基金 “持有药明康德 5.32% 的股权”。实际上,这只名为 “中航军民融合精选混合型证券投资基金” 的产品是在公开市场面向个人投资者发行的公募基金,所谓 5.32%,是药明康德股票占该基金净资产的投资权重,而非基金在药明康德的持股比例。 药明随后向法院披露,该基金实际持仓市值约 20 万美元,占公司总股本约 0.001%。Boasberg 在判词中表示:“这是一个令人惊讶的错误。如果一户人家把积蓄的 5% 买成一只蓝筹股,不代表它拥有这家公司 5% 的股份。” 国防部提出的另外两项国资与军工关联理由,同样被法院认定证据不足。 但名单撤除,并不意味着外部压力就此消散。国防部在 11 月 10 日的撤名公告中附带了保留条款,不排除未来基于补充理由重新列入的可能。 美国参众两院 2024 年提出的、更具长期约束力的《生物安全法案》,也已于 2025 年 12 月 18 日借 2026 财年国防授权法案正式生效。这个法案主要规范的是美国联邦机构采购与联邦资金使用方,最终签署文本取消了早先草案对五家中国企业的直接点名,改设两条认定路径:凡列入 1260H 清单且从事生物技术业务的实体自动纳入
药明康德的底牌:当全球供应链安全遇上中国商业效率
avatar晚点LatePost
11-19 22:32

英伟达中国的 4000 多名员工,何去何从?

曾经,“英伟达就是 last company”。 文丨管艺雯 申远 董慧 编辑丨黄俊杰 过去一周,我们访谈的一位 $英伟达(NVDA)$ 中国员工开始改简历。更多受访员工想再等一等,至少等到下一批股票归属。 北京时间 11 月 12 日 21 点 50 分左右,英伟达董事会发出邮件,宣布黄仁勋辞任。一名中国员工随后写信给新任董事长 Harvey Jones。信的末尾写道:“如果美国辜负了助力塑造其未来的人,那么这个世界便不配拥有黄仁勋。” 3 个多小时后,英伟达最大的部门、负责全球前线运营的 WWFO 开了场线上会。来开会的是销售,以及平时直接跟客户、合作伙伴打交道的技术人员。 据参会的员工回忆,管理层交代了两件事:告诉客户和合作伙伴,业务会照常进行;不要接受媒体采访。会议只开了约 15 分钟。散会后,还有人陆续进入线上会议室,以为会还开着。直到凌晨 1 点 52 分,会议室才关闭。 会上没人问中国业务怎么办。一位员工说:“大家还处于懵的状态。” 6 天后,北京时间 11 月 19 日凌晨,英伟达开了约 50 分钟的全员大会。会前,全球 4.2 万名员工一共提交了约 700 个问题。 临时 CEO 科莱特·克雷斯说:“让我们向前走。” 她承诺 12 月会提前加薪,增加股权奖励。几位业务负责人谈了产品和客户。会上没有单设问答环节。 英伟达在中国有 4000 多名员工,约占全球员工的 10%。这支团队接下来会怎样,两场会都没有提。 一位中国员工记得,上司提醒过他:“别多想,把自己的事先做完。” 上周五,微软办公服务宕机,中国区放了半天假,他出去缓了缓。 截至访谈时,受访员工手上的工作照常,身边也没人收到明确的重组或裁员通知。有人已经开始投简历。受访员工还担心另一件事:过一阵子,手上还会有什么工作?
英伟达中国的 4000 多名员工,何去何从?
avatar晚点LatePost
11-19 21:42

Agent 改写企业消费入口,美团想接住一张新订单

两个企业的 AI 开始自动完成交易,商业服务的竞争回到底层履约。 文丨陈然 SaaS 的规模优势,来自把不同公司的共同需求做成标准产品。 客服要分派工单,研发要跟踪项目,销售要管理线索。这些功能做进同一套软件,开发和维护成本就可以由许多客户分摊。 企业买一套软件,往往也接受了一套现成的做事方法。遇到一家公司特有的做法,企业通常要调整配置、请厂商定制,或者让员工把软件没覆盖的环节补上。 AI 编程给企业开发和使用软件带来了一些新的可能。企业客户可以按自己的需要做工具,软件厂商也可以更快为单个客户开发定制功能。比如,一家企业有自己的销售线索分派规则,就可以在现有系统上做一个小工具,自动把线索分给不同团队。过去需要排期、等开发的一些需求,现在可以先做出一版,放到实际业务里试用。 软件厂商也在适应这种用法。Salesforce 已经允许外部 AI 在授权范围内触发原本配置在 Salesforce 里的业务流程,沿用已有的权限和规则。对企业来说,一项工作可以从自己的工具里开始,再交给外部软件完成其中一段。买软件时,也就多了一个要考虑的问题。自己做的那一段,能不能和买来的那一段接上? 这种分工正在延伸到企业和外部服务商之间。比如差旅,出差需求先在企业内部产生,查询机票、预订酒店和处理退改可以交给差旅服务商。 去年 10 月,全球商务旅行协会的调查显示,33% 的差旅采购方受访者、49% 的商旅服务商和差旅管理公司受访者表示,所在公司已开始试验 AI 智能体。受访者正在使用或计划使用的场景包括客服、行程规划、个性化推荐及费用核对。 亚信科技和美团企业版试的是其中一种更具体的用法,让企业自己的智能体把差旅需求直接交给服务商。亚信是一家在香港上市、拥有万人规模的企业软件及数字化服务商,长期有大量工程人员需要到现场交付项目。 目前这个 A2A 方案已跑通两个 Agent 从申请到预订的流程。
Agent 改写企业消费入口,美团想接住一张新订单
avatar晚点LatePost
11-17 19:59

对话 LiberAI 刘松铭:Astra 来袭,00 后物理 AI 创始人看到的胜率

“有一件事我确实极致热爱,那就是创业本身。” 文丨程曼祺 实习生王小淳 编辑丨宋玮 “清华、00 后、世界模型”,刘松铭完全踩中了这组火热一时的投资标签。 他生于 2000 年,2024 年以 RDT-1B 具身模型崭露头角,2025 年底,他在博士三年级时创立 LiberAI,陆续拿到来自真格、红杉、美团龙珠、顺为等机构的 6 轮投资,今年 11 月初发布了世界模型 Liber-0。 一位没有投资 LiberAI 的知名机构合伙人说,刘松铭是 “中国最强 00 后创始人”。 只看履历,这是一套熟悉的叙事:一位年轻研究员做出了有影响力的成果,趁势创业,希望把技术推到极致。 但刘松铭身上却有跳出标签的反差。 许多 “researcher founder”(研究者型创始人)是为了追求某项技术而创业。刘松铭是因为一直想创业,才选了物理 AI 技术。 他看到,物理 AI 是为数不多的、能作为独立公司与基模合作,又不被基模吃掉的方向。 他是世界模型的明星创业者,却认为只做模型很危险。 在创业之初,刘松铭就看到基模会进入物理 AI,很可能会吃掉任务规划层,类似后来 GPT-6 Astra 对具身智能的冲击: 所以我们 day one 就是一家全栈公司,自己做核心的本体设计、关键部件,还有数采设备。 这种模型、硬件和 Infra 的垂直整合打法,迭代更慢、投入更重、团队更复杂,被一些投资人认为 “不够干净”、不够聚焦模型本身。 但刘松铭认为,也正是因为物理世界碎片化、初期单个场景规模小、迭代周期比软件更慢,才会让 OpenAI 等巨头短期内无法真正重兵入场;边缘地带的新公司才有空间积累未来的博弈筹码,长出自己的硬件、产品和交互数据。 他想搏到的大未来,是在个人机器人市场到来后,成为 “对标苹果的特别大的” 公司。这种野心并不罕见,比较罕见的是,他同时会说,现阶段他们的实际商业对手是
对话 LiberAI 刘松铭:Astra 来袭,00 后物理 AI 创始人看到的胜率
avatar晚点LatePost
11-17 15:30

脆弱地基上的超级帝国:黄仁勋靠什么控制英伟达 33 年

在最需要创始人的时刻,英伟达失去了黄仁勋。 文丨李赓 2026 年 11 月 12 日上午, $英伟达(NVDA)$ 官方发布公告:黄仁勋辞去总裁、首席执行官与董事职务,即刻生效。 公告既没有写明黄仁勋的离职原因,更没有黄仁勋本人的发声,提到他的唯一一段话是 “感谢黄仁勋对公司和行业做出的不可估量的贡献”。 英伟达官方公告发布之前三天,美国预测市场 Polymarket 上线了 “英伟达下一任首席执行官” 的盘口,当时克雷斯的隐含赔率高达 45%。 截至发稿,这个盘口累计交易已经超过 400 万美元,选项总计 25 个人,所有人对应的赔率都低于 20%。此刻出任英伟达临时 CEO 的克雷斯,赔率已经下跌到 9%,甚至比黄仁勋重返 CEO 的赔率更低。 混乱的盘口,反映了当下黄仁勋离职留下的英伟达权力迷局:黄仁勋和英伟达所面临的各种指控还没有进入更具体的调查、审查流程;英伟达内部长期以来也没有对应的二把手;英伟达恰好还是目前全球最重要的科技公司,没有之一。 Stephen Witt 和 Tae Kim 在 2024 年前后脚发布了The Thinking Machine 和 The Nvidia Way。两本书写的都是黄仁勋和英伟达,只不过前者更偏重写黄仁勋本人视角的时间轴,而后者更关注的是英伟达的经营和商业特色。 Witt 当时在书里,曾写下了一句现在看起来意味深长的观点:英伟达的经营状况,就是把一个巨大的、国家 GDP 规模级别的赌注,单押在当时 61 岁的黄仁勋身上。 这个潜在的危机在之后的 2 年多时间里没有爆,与之相反,随着全球人工智能浪潮从大模型训练持续向 AI 应用落地、AI 工厂及基础设施建设延伸,英伟达凭借其在 GPU 算力硬件、软件平台与生态上的绝对统治力,业绩与利润大幅增长
脆弱地基上的超级帝国:黄仁勋靠什么控制英伟达 33 年

乌兰察布 72 小时,目睹 AI 时代的工业奇观

为 AI 建设人类能提供的最好的基础设施。 文丨刘伊伦 李梓楠 编辑丨赵磊 乌兰察布市察哈尔高新区巴音片区,卖方便面和饼干的小店开在集装箱里。店主 60 多岁,不会用豆包,知道工地里的人是搞大数据的。过去一年,他跟着开工的工地迁徙,从快手门口搬到中金,又搬到世纪互联,一共搬了 6 次。叫吊车搬一次,要花 300 元。 数据中心最忙的施工期通常只有三四个月。一座楼完工,几千名工人转去下一个工地,小店也得跟着走。等楼里的服务器运转起来,一位园区负责人算过,一栋楼值班和维护的人加起来不到 20 个。 小卖铺店主也感到周围逐渐冷清。去年园区几个数据中心集中启动建设,人流量极大,每天下班的时候周围都会堵车。为了赶工,工地设置了夜班,小卖铺也延长营业。10 月,这些数据中心陆续进入装修收尾阶段,现场工人明显少了,小店的生意也差了不少,“还能卖点烟和水,方便面一天都卖不掉一箱,一天只能赚 200 块钱”。 小店背后的园区占地 200 亩,投资额超过 30 亿,用电量与 145 万户家庭相当。里面有超过 5000 个两米多高的机柜,每个柜子放着数十张价值超 50 万元的 GPU ,它们像抽屉一样层层叠在里面。连接这些 GPU 的电线往往长数十公里,光纤的长度会超过一千公里。为了散去这些卡运算时产生的热量,还要安装近千台空调,用 2000 多吨铜片来散热。 从铜缆到高带宽内存,过去两年数据中心产业链每一个环节都在涨价,全球供应链都开足马力,共同造就我们这个时代最夸张的资本开支。 乌兰察布察哈尔高新区面积相当于 9 个上海迪斯尼乐园,仅这块地就有 22 个数据中心在建,近三万名日薪超过 300 元的蓝领工人在各个工地突击施工。他们每三个月就要建完一栋数据中心。这些工人每天工作 10 小时,能赚 200-400 元。 两个月前,高盛说乌兰察布已崛起为亚太地区规模最大、增长最快的 AI 算力集群
乌兰察布 72 小时,目睹 AI 时代的工业奇观

黄仁勋闪电辞职后,英伟达和 AI 行业失去了什么丨晚点播客

“世间万物都关于性,除了性本身。性关乎权力。” 整理丨刘伊伦 实习生王小淳 2026 年 11 月 12 日,英伟达宣布,创始人兼 CEO 黄仁勋辞去公司总裁、首席执行官及董事职务,即刻生效。CFO 科莱特·克雷斯(Colette Kress) 被任命为临时 CEO,董事会则启动正式 CEO 的遴选程序。 这场突然的交接,发生在一场持续发酵的风波之后。此前,美国媒体报道黄仁勋与英伟达客户 Megaspeed International 前高管黄乐存在婚外关系,英伟达董事会随后启动独立调查,黄仁勋也向员工承认婚外关系并道歉,最终辞职。 过去 33 年,黄仁勋几乎亲自参与了公司的每一次重大转型。他既是技术路线的决策者,也是供应链关系的建立者,推动了英伟达向 AI 基础设施公司转型,也通过投资、融资和信用支持,深度参与了整个 AI 产业的扩张。 他的离开会给 $英伟达(NVDA)$ 留下什么? 一家高度依赖创始人的公司,能否在创始人离开后继续做出正确的战略决策? 与英伟达紧密绑定的供应商、客户和 AI 基础设施公司,会不会受到影响? 而当 AI 产业最重要的流动性提供者换了人,行业的增长节奏又会如何变化? 本期《晚点聊 LateTalk》播客中,主播程曼祺和《晚点 LatePost》跟踪 AI 算力的作者刘伊伦,以及香港一家买方机构的高级投资策略师 Todd 一起讨论了上述问题,有些问题已经有了短期的答案,有些议题还在演进中。 离开英伟达,可能并不是黄仁勋和行业面临的最坏结果。 在最需要创始人的时刻,英伟达失去了创始人;AI 基建失去了一位激进的 “央行行长” 晚点:黄仁勋离职之后,对英伟达最直接的影响是什么? Todd:对一家企业而言,长期投资价值很大程度上取决于它的战略能力。之前,Google
黄仁勋闪电辞职后,英伟达和 AI 行业失去了什么丨晚点播客

评价 Personal Agent,灵光为什么选择了 “托管量”?

不同指标背后,核心都在衡量用户对产品的信任程度。 文丨赵奇点 2026 年下半年,无论是在硅谷还是在国内,Personal Agent 已然成为最拥挤、也最被寄予厚望的 AI 应用赛道。 然而,当这类个人助理产品从实验设想走入大众视野,整个行业也面临着一个共同的课题:到底该用什么标准衡量用户的接受度? 移动互联网时代,评估产品的标准相对清晰:每天、每个月有多少人来(DAU、MAU),停留时间多长……但在 Personal Agent 时代,这些传统的互联网标尺很难再完全适用。 如果单看 DAU,一个用户每天打开 App 让 AI 讲个笑话,和另一个用户把日程规划、房贷计算交给 AI,两者在日活指标上区别不大,但产品的实际价值与用户粘性却有明显差异。如果看 Token 消耗量,模型有时会因为无法准确理解意图而产生无效消耗。如果看对话轮次,轮次拉长也不一定意味着体验好,反而可能是因为用户需要反复调整提示词去纠偏。 10 月底,蚂蚁集团旗下的 AI 应用 “灵光” 上线 2.0 版本,正式转向 Personal Agent 方向。团队发现,在用户活跃度和 Token 消耗量之间,有一个更值得观察的动作:用户把一件事委托给 AI。 灵光把这类事称为 “托管事务”。11 月 5 日,灵光披露 2.0 版本上线一周的数据:用户托管事务超过 116 万项,累计执行任务超 360 万次,整体用户规模突破 2000 万。不到一周后,这一数据继续快速增长,累计托管事务量突破 300 万项,累计执行任务超过 1100 万次。 将 “托管量” 推到台前,不仅灵光团队在过去半年产品迭代中摸索出的核心关注点,也是对当前 Personal Agent 赛道的一种新理解。 不同的路线,尚未形成的标准 要理解 “托管量” 提出的背景,首先需要看 Personal Agent 行业目前的实际阶段。 随着大模
评价 Personal Agent,灵光为什么选择了 “托管量”?

一辆车的十五亿

持续不断的投入,奠定中国汽车的超越。 文丨李赓 编辑丨唐健博 中国品牌乘用车市场份额,在过去六年时间里完成了一次关键的转换。根据乘联会的数据,2020 年自主品牌的份额为 38.4%,合资品牌占 61.6%;到 2026 年三季度,自主品牌占比已经升到 70.2%。 合资巨头们的动作从另一个角度说明这一转变。 据日经新闻等媒体报道,丰田计划 2027 年秋季在上海投产雷克萨斯下一代纯电 SUV,本土化率目标超过 95%,覆盖电池、智驾、座舱全链条,并计划将中国零部件方案输出到泰国等东南亚基地。同期推出 RCE 制度,由中方工程师担任车辆开发负责人,握有从企划到量产的全流程决策权。行业把这轮变化称作 “合资 2.0”:从在中国制造,到为中国设计,再到由中国定义。 几年前,空气悬架还多见于奔驰、保时捷的高价车型。空气弹簧取代钢制弹簧后,车可以通过充放气调节车身高度。配上可变阻尼减振器,过坑和过弯时还能用不同的阻尼设定。这套系统环环相扣,过去长期是奔驰、保时捷百万级豪车的专属配置,技术门槛和成本都高。国内市场对它的接受度,是近几年才起来的:2022 年,标配空悬的新车是 23.8 万辆;到 2025 年前十个月,装机量达到 93.2 万套。 据盖世汽车研究院,2026 年前七个月,三家中国供应商合计占国内乘用车空悬装机量的 91.2%,威巴克占 3.3%。保隆科技在 2012 年启动空悬项目,到 2021 年才量产乘用车空气弹簧减振器总成。 供应商变化的背后是同一个逻辑:新能源变革,给了中国汽车上台的资格,但真正把资格变成超越的,是持续投入、持续迭代。 从 0 到 91.2%,逆袭如何发生 与电池、电控、发动机相比,空气悬架平时看不见摸不着,技术含量却一点不低。空悬的气囊是整台车上工作条件最恶劣的橡胶件,囊皮内的气压在几个到二十几个大气压之间剧烈波动,囊皮本身要跟着悬架拉伸、压
一辆车的十五亿

AI 时代,企业需要一种新组织

智能组织是生产力真正发生的地方。 文丨江思远 2025 年 11 月 30 日,距离年末只剩一个月,Manus 联合创始人张涛走进清华大学,告诉在场的同学们:如果还没用过 Agent 产品,一定要赶在年底前开始尝试。这样,几十年后,他们就能自豪地告诉孙辈:“我是在 Agent 元年就开始用 Agent 的人。” 进入 2026 年,Agent 浪潮席卷科技公司,员工开始了一场 Token-maxxing 竞赛。 2026 年 4 月,Meta 一名员工搭建了名为 Claudeonomics 的内部排行榜,展示公司 Token 消耗最多的 250 名员工。榜单显示,Meta 员工在 30 天内累计消耗超过 60.2 万亿 Token,榜首一人就用了 2810 亿,按 Claude Opus 价格估算,成本超过 140 万美元。 Meta 将 AI 驱动的实际影响列为员工当年的核心绩效要求,内部追踪 Token 使用量。一些员工于是让 Agent 长时间运行、批量执行任务,只为提高排名。CTO 博斯沃思不得不提醒员工,不要为了使用 AI 而使用 AI,Token 消耗不等于实际产出。到了 6 月,Meta 开始考虑为员工设置 Token 预算和使用上限。 这场 Token 竞赛暴露出一个问题:当 AI 能力越来越容易获得,企业究竟应该靠什么建立下一阶段的竞争优势?过去二十年,每一轮技术变革,互联网公司都曾找到过一个相对明确的答案。 PC 时代,互联网公司争夺门户和搜索入口;移动互联网时代,竞争转向超级 App、平台生态和流量分发。 2026 年初,阿里升级千问,让用户通过聊天框点外卖、订机票,试图把 AI 变成连接整个商业生态的新入口;字节、腾讯也在加码豆包、元宝等 AI 助手。随后,竞争又延伸到办公场景,腾讯、百度、阿里、字节纷纷推出 Agent 产品,希望成为员工调用 A
AI 时代,企业需要一种新组织

低垂的果实摘完后,电商下沉的新故事

在平台与生产者之间,寻找一种能够长久合作的分工。 文丨陈然 价格,一直是市场最灵敏的指挥棒。 在理想的市场里,价格是全部信息的浓缩。但今天的电商市场,价格正在失灵。当消费者面对一个低得惊人的标价时,价格无法回答两个关键问题:质量是否可靠?出了问题谁负责? 过去几年,电商平台的竞争焦点是 “低价”。通过设置比价规则,让商家围绕价格展开竞争,这是最容易摘到的 “低垂的果实”。 但当低垂的果实摘完,行业面临新的问题——消费者难以判断低价商品的品质、商家面临流量成本压力、工厂被压价倒逼、平台也需要寻找新的增长空间。 于是行业主要的电商平台先后调整了低价策略,不再一味强调 “绝对低价”。但调整流量分配和价格规则之后,另一个问题仍然存在:选品、运营、品控和售后这些工作,平台与商家该怎样分担? 工厂擅长制造,未必擅长运营与获客;消费者需要低价,更需要确定的保障。让低价建立在可靠的产品与服务之上,成为了平台需要摘取的 “高处的果实”。 三年前,京喜选择了一条不同的路——在产业链上做加法。其逻辑是,通过平台承担更多复杂工作,降低工厂线上销售的额外成本,也降低消费者的筛选与试错成本。 看似低调的电商下沉市场,故事的暗线已然浮现:谁能把低价做得更被信任,谁才可能摘取 “高处的果实”。 低价背后,电商平台们都在做什么? 为了摘取低垂的果实,电商平台不是第一次尝试改造供给端。从把线下商品搬到线上,到连接产业带、让工厂直接面对消费者,平台一直在尝试撮合交易、缩短流通链条,用更大的市场摊薄生产和销售成本。低价竞争背后,也是组织供给方式的竞争。 但连接工厂和消费者,只完成了其中一部分。制造能力强、供给丰富,不等于消费者总能买到合适的商品;流通环节减少,也不意味着品质和服务自然有了保障。消费者需要便宜,也需要知道自己买到的是什么。平台要继续挖掘价格空间,就需要更深入地理解商品怎样生产、成本花在哪里,以及哪
低垂的果实摘完后,电商下沉的新故事

对话前字节、美团招聘负责人魏小康:大模型 1 亿年薪不贵,做应用 10 个人就够了

“给了钱,解决不了问题,才是人才泡沫。” 文丨高洪浩 编辑丨宋玮 在大模型竞争中,人才和算力是两种昂贵而稀缺的资源。对算力受限的中国模型公司而言,追赶世界领先水平的希望,很大程度上寄托于那些最聪明的大脑。 2024 年,一个博士毕业生只要研究方向与 AI 有关,就可能获得数百万元年薪。这也是人才泡沫的起点:许多公司花了很多钱,却招来一群根本做不出大模型的人。第二年,腾讯和字节跳动进一步推高了人才价格,极少数顶尖人才的薪酬包达到亿元级别。 但到了 2026 年,市场发生了逆转。随着大模型竞争逐渐收敛到少数公司,人才需求迅速减少。一些有顶级论文、头部模型厂实习经历的优秀毕业生,甚至拿不到面试机会。 最近,我们与 AI 创业者、前字节跳动和美团招聘负责人魏小康对话,回顾这场人才争夺战的起落。 魏小康亲历了中国互联网行业两轮激烈的人才争夺,也是一个观点激进、人才观鲜明的人。 2017 年,他参与搭建字节跳动的招聘体系。那正是中国互联网公司通过高薪、大规模招聘和不断扩大组织,建立竞争优势的时代。字节后来集结了数千名 HR,用超高薪酬在全行业争夺优秀人才。此后他又在美团参与规模化校招,高峰时期一年招聘五六千名毕业生。 但今天,魏小康相信的几乎是一套与过去完全相反的逻辑。 他一方面认为,顶尖天才没被严重低估,“给大模型人才开 1 亿年薪完全不贵”;另一方面,又认为绝大多数优秀人才在基座模型领域已经过剩,未来甚至没有机会入行。 对于 AI 应用公司,他也不理解为什么还需要二十多个产研人员,“十几个善用 AI 的人,就可以完成过去两百人的工作。” 这种判断不仅限于科技行业。他认为,未来几年,大量白领岗位可能消失;互联网大厂这一轮裁员之后,人员规模不会再恢复;过去一百个人进入一个行业,最后有十个人脱颖而出,而未来,可能只有那十个人有机会进入。 这些看似激进的判断,背后有一套一致的逻辑:AI
对话前字节、美团招聘负责人魏小康:大模型 1 亿年薪不贵,做应用 10 个人就够了

AI 改变中国出海品牌的第一年

从选品到经营,AI 更深入地参与出海。 文丨钟观海 在过去十余年里,跨境电商的竞争标准相对明晰,谁更懂选品、精于投放、善控成本,谁就赢得市场。进入 2026 年,这套标准正在被重写,AI 已从写文案、做图这类单点任务,深入到选品判断、合规检查和运营决策等更核心的环节,行业比拼的基础随之转移。 这场变化在消费端和供给端同时发生。消费端,海外用户寻找商品的方式正在发生变化,截至 2025 年底,已有超过 3 亿消费者使用亚马逊 AI 购物助手辅助决策,使用者的购买转化率提升约 60%;供给端,AI 已经成为日常经营的一部分,超过 98% 的受访中国卖家在运营中使用 AI 工具,其中超过 16% 已自行搭建 AI 工作流或智能体[1]。 这一趋势对新入场者的意义尤为关键。过去,新老卖家之间最难逾越的鸿沟是 “经验差”:消费者洞察、站点资质、流量规则、预算分配,无一不需要用时间与资金慢慢换取。如今,经验壁垒依然存在,但获取经验的路径变得更短、代价更低。 随着经验差距缩小,出海准备也在整体前移,多市场布局开始被提前纳入规划。 一方面,合规动作从事后补救前置为入场准备,跨境卖家能在开售前就按各站点规则完成筹备;另一方面,多站点布局也不再是单一市场站稳脚跟后的进阶选项。2025 年,上线亚马逊首年即实现多站点销售的中国卖家数量,同比录得双位数增长[2]。 针对这一变化,亚马逊全球开店提出了「开售即全球」。按这一思路,首站的合规、商品与库存决策可以在后续站点复用,不必逐站重复投入;起步阶段也不需要同时铺开所有站点。 AI 缩短经验差、合规前置、开售即全球,三者指向同一个变化:对具备产品、品牌或供应链优势的中国企业而言,出海不再完全依赖长期经验积累,跨境卖家可以更早识别市场需求、提前管理合规风险,并逐步将经过验证的经营经验复制到其他市场。 今天的入场者不需要事事都摸着石头过河。出海的第一年
AI 改变中国出海品牌的第一年

晚点独家丨字节 AI 芯片负责人离职,自研芯片布局进一步整合

自研、投资,字节芯片仍待突破。 文丨刘伊伦 编辑丨赵磊 《晚点 LatePost》独家获悉,字节跳动 AI 芯片与 DPU 团队负责人施云峰已提交离职申请,目前正处于离职交接期。施云峰毕业于北京大学信息科学技术学院,曾任职于联发科、美满电子及华芯通, 2018 年加入字节跳动,向字节跳动副总裁、火山引擎业务负责人杨震原汇报。 从成立之初,字节 AI 芯片团队就选择对标谷歌 TPU 的专用芯片路线,采用纯 ASIC 架构。2026 年,相关芯片已完成流片,但实际性能未达预期,团队目前正推进下一代芯片的研发。 一位接近字节芯片团队的人士评价施云峰:“他是典型的理工男形象,对硬件的理解没问题,但这个事情确实很有挑战性。” 《晚点 LatePost》了解到,字节 AI 芯片团队成立于 2019 年年中,最初隶属于 AI Lab 旗下的机器学习系统(MLSys)部门。该部门由郭传雄负责,下设三个小组:朱亦博负责分布式系统,罗腊勇负责 FPGA 智能网卡,施云峰负责 AI 芯片,三人均向郭传雄汇报。 2020 年,字节 AI Lab 从前沿研究院调整为业务中台,负责人马维英从张一鸣改为向张楠汇报。同年年中,马维英离职。组织架构调整后,MLSys 其他团队成员也陆续离开。2022 年,郭传雄离职,次年与罗腊勇共同创立比特智陆。 同在 2022 年,芯片团队被划归 Data。Data 是字节跳动内部的技术中台,负责集团旗下产品的技术平台及基础设施建设。彼时,芯片团队由 Data-系统部技术总监王剑负责,施云峰向王剑汇报。 2026 年 2 月,有报道称,王剑不再分管芯片业务。施云峰负责的 AI 芯片与 DPU 团队,以及余红斌负责的 CPU 团队,均改为直接向杨震原汇报。 经过数年的发展,字节芯片团队已经推进了多个 AI 芯片项目。据知情人士透露,面向豆包的 Ada 和面向 Seedan
晚点独家丨字节 AI 芯片负责人离职,自研芯片布局进一步整合

当医疗 AI 开始参与医生最艰难的决定

一次正确的判断,能否成为更多人的机会? 文丨尹莉娜 一份医学指南可以被无数人同时查阅,一位好医生却不能同时为无数人看病。 医疗服务中,有一部分能力始终很难随着知识的传播而扩大。面对一个患者的复杂情况,医生需要判断哪些信息还不充分,哪些治疗值得尝试,哪些风险不能冒,以及什么时候应该换一条路。这些判断有指南和研究作为依据,也依赖医生多年积累的经验。近期,未来医生官方公众号 “医联 Medlinker” 公布的一项实验结果表明:AI 让复制这种经验有了新的可能。 2025 年 12 月,获得医疗伦理委员会批准后,国内一家顶级三甲医院的胸外科从过去两年 1.6 万多份门诊病例中,筛选出 40 例肺癌 “灰区病例”。它们是现有医学指南难以直接给出明确诊疗方案的复杂病例,往往涉及多病共存、治疗禁忌和不同方案之间的风险权衡,即便经过多学科会诊(MDT),医生仍可能面临难以取舍的治疗选择。 “这个方案我当时确实没有想到。” 据在场的技术人员回忆,这是本次实验 PI、知名胸外科专家梁教授看到未来医生医疗大模型 MedGPT(以下简称未来医生 MedGPT)生成的诊疗参考方案时的反应。 为了进一步评估未来医生 MedGPT 处理复杂病例的能力,以及它能否帮助医生,梁教授牵头,该院胸外科与未来医生共同开展了一项对照实验。 来自全国 98 家三甲医院的 250 名医生参与评测,在无辅助、有检索参考和有未来医生 MedGPT 辅助三种条件下,根据病例资料拟定诊疗方案。未来医生 MedGPT 也独立作答,所有方案按同一套规则评分。 研究团队公布的结果显示,医生在上述三种条件下的平均得分分别为 53.4、61.05 和 66.27。 在与医生无辅助条件下提交的 750 份诊疗方案的比较中,未来医生 MedGPT 有 660 次获得更高评分,AI 方案与医生方案的评分胜负比为 88∶12;获得未来医生
当医疗 AI 开始参与医生最艰难的决定

创造一个能读懂生命的 AI

当人工智能学会推理生命的机制,人类会迎来对生命理解最深刻的时代吗? 特约作者丨姚胤米 一万年后,还活在地球上的智慧生物发现一套古老的代码,写成它的语言失传已久。几十万行,如同天书。他们花了点功夫给它建模,给一个 “输入”,得到一个 “输出”。过程流畅从容。可系统是怎么运转的?他们只能观察、猜测。不能全部读懂。 AI for Science 创业公司 SimpleX 的创始人喜欢讲这个寓言,因为他觉得自己在做的是一样的事:面对一个不是用自己的语言写成的复杂系统,想弄懂它内部如何运转,就像盲人摸象,始终知之甚少。 “人一出生,这套分子系统就在那里了。” 他说,“我们希望对生命这个系统能从单纯的观测,变成可以读懂的代码。” We code life. (我们把生命变成可以读懂的代码。)他萌生这个想法。 那是 2019 年,语言模型才刚能写出通顺的句子。用 AI 研究分子的多数工作只处理分子本身。SimpleX 的两位创始人想的是另一件事:分子、蛋白质、基因和文字一样,也能写成一串串离散符号,那能不能让同一个模型,既读懂人的语言,也读懂生命的语言? SimpleX,本源智简。给公司取名字,他们埋了技术专业人士的小巧思。simplex (单纯形) 是被机器学习领域常常用到的数学概念,指的是在有限个离散符号(可以理解为有限个选项)上,在一个空间里,它们之间所有可能的分配概率,合成起来构成一个空间。语言模型每写一个字之前,都要先猜下一个字是什么、可能的概率有多少,每个猜测都是 simplex 里的一个信息点。在 SimpleX 看来,人类语言和生命的语言都用有限的符号写成,都可以放进一个数学空间里去理解。所以,他们既是在技术上探索智能本源,也在探索生命的本源。 此前很长一段时间,人类理解生命的方式笨拙又有耐心。1948 年,因为重感冒躺在床上的美国化学家莱纳斯·鲍林用纸条折出蛋白质的螺
创造一个能读懂生命的 AI

储能行业的繁荣,为什么没有带来普遍的高利润?

除了扩产与降价,储能参与者需要重新划分价值链。 文丨胡昊 全球储能市场正在经历一轮前所未有的扩张。 依托于新能源电力渗透率的提升、电网调节需求的增加,过去几年,全球储能电池出货量从百 GWh 级别迅速迈向 TWh 级别,储能系统装机量也在持续创出新高,而未来 AI 数据中心带来的新增电力需求,又为储能行业打开更大的市场空间。 从需求端看,这似乎是一门很难被证伪的生意。 但如果把视角从装机市场转向产业链内部,就会发现另一种截然不同的景象:储能电池价格持续下跌,部分电池厂商的业务毛利率开始承压,行业排名和市场份额频繁变化;与此同时,储能系统集成商之间的盈利能力却出现明显分化,有的仍然能够维持 30% 以上的毛利率,有的则只能在规模增长中不断让渡利润。 一个值得思考的问题是,储能需求的高速增长,究竟给产业链上各环节参与者带来了怎样的商业变化和真实价值? 理论上说,储能行业具有比较典型的订单驱动特征。终端项目开发商产生需求,EPC 承包商组织采购,系统集成商向电池厂商采购电芯,产业链各环节按照订单逐层传导。 但在一致性看多预期的推动下,这种由终端需求驱动的生产关系已经发生扭转,开发商开始提前锁定资源、系统集成商开始主动备货、电池厂商开始加速扩产,产业链各方都在试图通过更加积极的经营动作来争取下一阶段的市场份额。 于是,一个原本由终端需求驱动的产业,逐渐演变为各个环节主动争夺市场的竞争关系。 问题也由此产生,当供给扩张的速度超过终端需求的实际兑现速度,产业链各环节的竞争态势呈现分化,电芯端率先进入价格竞争,系统端则因为诸多因素,呈现出更加复杂的竞争状态。 这意味着储能行业的增长逻辑正在发生变化,市场仍在扩容,但参与者已经不能仅仅依靠行业规模增长获得自身商业效益。谁能获得订单、谁能控制成本、谁能把产品交付给最终客户、以及谁能承担更长的资金周转周期,正在成为决定企业经营结果的重要因素。
储能行业的繁荣,为什么没有带来普遍的高利润?

AI 投资的大问题:不是泡沫破灭,但三年硬件牛市结束了

“不能认为从你开始研究这个行业,周期就消失了。” 文丨申远 黄俊杰 编辑丨黄俊杰 10 月 26 日,我们第四次在股市动荡时访谈刘迪凡。当天,费城半导体指数已比 10 月高点跌了 16%。两周后发稿时,跌幅扩大到 29%。 过去两年多,我们聊过好几次周期与投研的老问题: - 周期一定会转向,把眼前的好无限往未来外推很危险。不能认为从你开始研究这个行业,周期就消失了。 - 股价由市场环境和资金流动决定,公司基本面分析只在顺风时说得通。⁣ - 最难的不是买什么,是什么时候卖。 过去三年,AI 硬件的股价轮着涨:从 GPU 到 HBM,从电力到光模块,再到机械硬盘、内存、PCB、功率半导体、MLCC、磷化铟…… 在这波趋势里,周期的声音好像一直被盖过去了。 这轮下跌,市场先后归因于 $英特尔(INTC)$ 财报不及预期、民主党在中期选举中大胜。但在他看来,更深层的原因是算力基建的账越算越紧了。有基金经理算过:已经投下去的 2 万亿美元算力基建,要企业和消费者每年支付 3.7 万亿美元收入才撑得住。 需求难以估计,但供给的变化已经看得见。 他举了个例子:磷化铟供应商从 3 家扩到 7-8 家。这种供给释放的速度,在他看来是周期后段的典型特征。长鑫上市,三星和海力士宣布建更多工厂,也都是经典的见顶信号。 英国资管公司 Marathon 在《Capital Account》里写过这个道理:一个行业回报越高,越能吸引资本扩产,新增供给又会压低回报。因此他们建议不要轻信企业管理层和投行讲的需求增长故事,而要看资本开支和产能是不是增长过快。历史上每到周期顶部,人们总会说 “这次不一样”—— 至于这次到底是不是,还得继续看。 刘迪凡在 2020 年创立 CT Associates(赤兔资本)。为了给 LP(出资人
AI 投资的大问题:不是泡沫破灭,但三年硬件牛市结束了

华西医院的 AI 经验,如何成为更多医院的起点?

临床经验、数据积累和 AI 基建缺一不可。 文丨唐健博 10 月 30 日,四川大学的一间教室里,正在进行一场模拟问诊。 和绝大多数门诊一样,“患者” 很难成体系地将病情描述清晰,医生通常需要耐心引导,花一定的时间完成 “视触叩听”。 问诊进行到约两三分钟,AI 已经生成了一份病历初稿。随着对话继续,关键信息会被补充进去。医生根据实时要点,可对患者进一步问诊和更准确地判断。 放在过去,医生要听患者讲述,判断、追问,再把口语整理成病历语言。现在,AI 分担了前期文字记录工作,帮助医生更高效地处理病患信息。 这只是 AI 应用于医疗场景的一个切面。如果每一位医生都能因此受益,那么放大到整个医务群体内,将会节省大量时间,优化医疗资源分配。 “医生可以跟患者进行更好的沟通,省下来的时间能关注现在国内外的最新研究进展,把更好的技术运用到实践中。” 四川大学华西医院副院长曹钰说。 华西医院一直在探索 AI 医疗的应用场景。2024 年,医院发布 “华西黉医” 医学大模型;2025 年,发布了患者陪诊和医疗文书两大智能体应用。 2026 年 10 月 30 日,由四川大学华西医院、南方医科大学南方医院、**技术有限公司联合主编,北京协和医院、复旦大学附属中山医院等 40 家单位参编的《HAIP 建设指南与技术演进白皮书》正式发布,同时五大医疗智能体创新场景亮相、智慧医疗全球样板点落地。病历生成只是此次展示的 AI 应用方向之一,还涉及到 AI 介入医保审核、医学科研、会诊转诊等场景。 据接近华西医院的人士向《晚点 LatePost》透露,华西医院此次选择与**等合作方,便是试图结合多方优势,将探索成果复用到更多医院项目中,推动行业发展。在具体工作分配上,华西决定先解决哪些业务问题,提供医学知识和使用规则;而**与应用伙伴则参与数据处理、计算资源配置、模型及应用开发。各方合作已深入到一份
华西医院的 AI 经验,如何成为更多医院的起点?

对话千觉马道林:当通用大模型走进物理世界,具身难点在 “触碰之后”

在计算机科学家、机械工程师主导的机器人领域,马道林是个 “异类”。 文丨李梓楠 2017 年初,在麻省理工学院 McubeLab 里,马道林遇到了一个让他反复琢磨的实验结果。 当时,他的团队正全力备战亚马逊机器人抓取挑战赛(Amazon Robotics Challenge)。算法经过数轮优化,机器人的抓取成功率依然卡在 75% 左右——每四次尝试,就有一次失败。 他把几百个失败案例逐个拆开看,发现问题几乎都出在同一个瞬间:机械臂接触物体的那一刻。摄像头能在远距离把物体定位清楚,可一旦夹爪靠近、把视线遮住,机器人就成了 “盲人”。它不知道自己抓得紧还是松,不知道物体是不是正在指尖发生微小的滑动,更不知道失败其实已经开始,却还在继续执行预设的动作。 “没有对物体接触的感知,机器人的操作能力就很难再往前走。” 马道林说。 在计算机科学家和机械工程师主导的机器人领域,马道林是个 “异类”。从本科到博士,他在北大度过了整整十年,几乎都沉浸在抽象而严谨的接触力学里。博士期间,他作为核心骨干参与了国家重大航天工程——月球车着陆仿真系统的开发。为了在地球上验证飞行器在月面着陆时的冲击、粉尘扬起和缓冲装置的极限,他和同事在济南郊区的宾馆里闭关两个月,用力学方程去刻画一个谁也没有真正去过的物理环境。 但在 MIT 的四年多,他把精力转向了机器人精细操作和触觉感知。那里洋溢着一种近乎狂热的 “造物冲动”——人们想创造出世界上还不存在的设备、机理与材料,并且亲手把它做出来,摆在桌上给你看。 此后,他回到了上海交大继续攻坚机器人精细操作和触觉感知。2021 年,他和合作者的一项触觉研究从 4000 余篇论文中脱颖而出,获得机器人领域重要国际会议 ICRA 的最佳会议论文奖,也是当年该奖项唯一的中国团队。 2024 年,马道林创立千觉机器人,主攻机器人精细操作与触觉感知,在触觉传感器的技术路线上选
对话千觉马道林:当通用大模型走进物理世界,具身难点在 “触碰之后”

去老虎APP查看更多动态