港股收评:恒生指数跌0.59%,恒生科技指数跌1.72%,消费股、医药股、科技股走弱
马森述任广东省委委员、常委和省纪委书记
杨金龙任同济大学校长
陆勤山任安徽合肥新站高新区党工委书记兼管委会主任
国产算力「迷雾」:需求退潮还是「破晓」前夜?丨智氪
作者 | 丁卯 范亮
编辑 | 郑怀舟
5月中旬,A股AI板块的强劲涨势戛然而止,市场情绪骤然转向。
从背后原因看,直接导火索是腾讯、阿里两大头部云厂商2025年一季财报中披露的AI相关资本开支数据——不仅显著低于市场此前的乐观预期,甚至出现了环比收缩的迹象。这一“预期差”迅速引发投资者对行业景气度可持续性的担忧,带动板块遭遇集体回调。
与去年单纯跟随“英伟达链”的逻辑不同,今年A股市场已将“AI国产化创新”作为对国内AI产业进行估值定价的新锚点。因此,当作为需求验证关键环节的头部互联网大厂资本开支出现摇摆,其对整个产业链信心的打击便被成倍放大。
然而,在市场情绪的剧烈波动之后,一些值得关注的问题浮出水面:单季度的资本开支数据是否足以构成对行业长期景气度的判定?目前市场担忧的到底是什么?未来的国产算力还有机会吗?
市场的担忧到底是什么?要厘清这一问题,必须先明晰中美AI投资周期的异同。美股市场基本沿着“模型突破→硬件先行→基建加码→应用落地”的清晰路径演进,价值轮动有迹可循。相比之下,A股的AI投资主线则在“海外映射”与“自主叙事”之间反复博弈,其路径更为曲折,也更容易受到阶段性数据和情绪面的扰动。
互联网大厂AI相关资本开支低于预期是诱发本轮国产算力估值回调的直接导火索。而更深层次的原因,则是市场担忧国内AI应用落地的速度可能会放缓,换言之就是,参与者对AI应用的短期发展以及算力基础设施的实际投入信心并没有表面看起来那么充足。
此前国产算力板块爆发的底层逻辑是,DeepSeek出现后使得大模型实际使用门槛出现断崖式下跌,相当于一场“AI平权”。市场预期这会激发企业对AI应用开发的投入,从而催生算力需求的持续增长,外化为算力企业的业绩表现和资本开支增加,最终像2023-2024年美股市场一样,带来整个国产算力板块的戴维斯双击。
但首先,从过去几个月的实际情况来看,根据AI产品榜数据,各类AI应用月活在经历2月份的暴涨后,3月和4月月活环比增速均大幅下降,部分应用甚至出现月活下滑的情况。也就是说,实际上目前AI应用落地的进度远低于预期,用户尝试AI应用更多是出于2月对DeepSeek能力的好奇而非必要需求。这也就解释了为什么随着DeepSeek第一轮催化的放缓后,相关AI应用的新增使用人数和月活也同步出现下降。
至于AI应用落地缓慢的原因,一是,尽管目前领先的大模型能够较为准确地处理一些问题,但大部分只是起到锦上添花的作用,而非雪中送炭。这背后一个关键的制约是主流模型在回答问题时,基本上都是遵从相关性而非因果性关系。举个例子,AI所理解的“下雨”和“打伞”是基于前期学习过程中这两个词组的同时出现,但实际上AI模型并不能很好地理解“因为下雨所以打伞”这样的因果关系。这就导致大模型在很多时候其实并不能完全理解人类的问题本质,从而制定有效的解决方案,尤其是涉及事实或者历史相关的答案时,还非常容易出现严重的“幻觉”问题。
二是,尽管大模型的快速迭代有效降低了模型使用成本,但实际上,目前部分AI应用的实际场景仍存在实施成本远大于实际收益的问题,在美国对高端AI芯片严格限制之后,国内AI算力的实际使用成本更是明显偏高。而这大大增加了AI应用ROI的不确定性风险。
其次,从国产算力板块看,DeepSeek的出现并没有带来算力供不应求的现象,反而此前市场一度爆出国内算力出现了结构性过剩问题,也就是一边是先进算力的严重不足,另一边则是低端无效算力的过剩。而面对市场对先进算力的迫切需求,根据集邦咨询数据,2024年国产AI芯片对增量需求的覆盖度不足40%。
这背后主要是由于目前国产AI芯片仍受到技术适配性、产能瓶颈以及软件生态不成熟等多方面的束缚,使得国产芯片尽管在参数上接近甚至超越英伟达H20,但却很难快速大规模地在实际使用中推广落地。
资本开支是唯一能抓住的确定性?既然市场实际担心的情况是AI应用的落地以及国产算力的进展,为什么又会被大厂的资本开支所左右呢?大厂的资本开支是检测国内AI进展的有效前瞻性指标吗?
目前市场的主流观点是,AI应用是以重构互联网企业原有业务为起点,并逐步向AI原生应用扩散,但目前这种非突破性的创新,实际上是循序渐进的,所以短期很难构建高频的追踪数据。
如摩根大通在一篇研报中曾指出,生成式人工智能将经历大语言模型开发、现有应用和服务对生成式人工智能的采用、互联网服务消费增长、杀手级原生AI应用的出现四个阶段。
DeepSeek出现后,标志着中国从第一阶段的模型研发进入第二阶段的AI向现有应用和服务的渗透阶段,而这个阶段的主要特点是AI功能对现有主流应用的赋能,主要起到降本增效的作用,但由于企业尚不完全清楚AI将如何为其运营创造增量价值,因此这是一个涉及反复试验的阶段。此外,由于内容生态更完整、AI布局更完善,因此这个阶段的推进更可能是由互联网企业所推动的。
这种背景下,由于缺乏前瞻性指标考察进度,而底层的算力资源又比较集中,所以市场才会将互联网企业的资本开支作为监测AI应用前景的前瞻性指标。同时,由于大厂的资本开支预期直接关系到国产算力芯片、服务器等的出货预期,所以也会被间接认为是反映国产算力板块景气度的前瞻性指标。
但这面临的一个问题是,从资本开支低于预期去推导国内AI进展放缓,进而影响国产算力景气度,这一逻辑可能并不严谨。
从数据上来看,阿里巴巴25Q1资本开支246.12亿元,虽相较24Q4的317.75亿元有所下滑,但相较24Q1的111.53亿元却同比实现翻倍。腾讯也有类似规律,25Q1资本开支274.76亿元,环比24Q4的365.78亿元有所下滑,但同比2024Q1的143.59亿元同样是接近翻倍的增长。
这表明进入2025年后,国内互联网巨头对AI的重视程度肉眼可见的大幅提升,支出力度也确实有所加强。至于为何会出现环比下滑,其中一个关键原因可能与2024年Q4的“屯卡”以及2025年一季度的“缺卡”行为有关。
众所周知,H20是英伟达在2023年底针对中国市场推出的一款AI加速卡,虽然相比H100等在性能上做了很大阉割,但却是此前能在合法渠道上买到的用于大模型训练和推理的最先进的英伟达芯片。
从此前外媒披露的H20进度看,该芯片在24年6月获批后,7-8月针对大厂客户进行了小批量的供货测试,而批量供货时间正是从2024年Q4开始的。同时,考虑到去年Q4也是美国大选的关键时间节点,为了对冲特朗普上任后的不确定性,包括腾讯、字节等国内互联网巨头,均在去年四季度进行了大规模的“囤卡”行为,直接拉升了当期资本开支。
原本来说,2025年Q1仍然是英伟达H20大批量供货的时间节点,此前市场也爆出,2025Q1,H20在华出货量环比激增50%,部分经销商甚至出现高价转卖现象。
但实际上,特朗普上任后,4月初就将H20纳入了新的出口限制清单。这有可能导致此前下单未出货的部分H20芯片因新的限制无法继续跟进。换句话就是,可能有部分互联网大厂原本计划在Q1花出去的资本开支,因为种种限制实际上并没有真的落地,而是做了账面冲回,直接导致了资本开支数额的账面下降。
从4月15日英伟达披露的8-K文件信息中也可以有所印证。根据英伟达披露的8-K文件显示,公司2026财年第一季度(2025年4月27日结束)业绩预计将包括高达约55亿美元的与H20产品相关的库存、采购承诺和相关储备费用的计提。
因此,互联网大厂资本开支这种短期账面的波动,可能并不能准确地反映大厂对AI未来进展的真实看法,而是和政策波动下企业的一些短期行为有着密切的关系。所以,相比一个季度的数据波动,可能企业的硬性资本开支承诺才更能反映其对未来AI进展的信心。
可无论如何,正如前文所述,在缺乏明确定量指标之下,资本开支是少有的可供市场用来判断AI发展前景和头部企业态度的观测指标。因此,即便数据对现实的反映没有那么精准,市场的交易也会更倾向围绕其展开,尤其是在缺乏更多的超预期利好背景之下。
未来怎么看?正如前文所言,目前大厂的资本开支进度仍然是市场用来观测并判断AI进展的关键参考,那么,从短期来看,大厂资本开支的再度爆发,可能会是下一轮国产算力板块上行行情的起点。
此前,据路透社的报道,4月H20被禁售后,英伟达计划于今年推出基于Blackwell架构的内部代号为B40的新产品以替代H20。该产品不会采用台积电的CoWos技术,同时抛弃HBM而采用GDDR7作为内存,带宽在1.7TB/s,NVLink接口的带宽为550GB/s,并将继续支持CUDA,预期的售价介于6,500-8,000美元,相比H20大幅降低。从披露的进度上看,B40预计6月启动生产,中国市场可能在第三或第四季度实现全面铺货。
这就意味着,随着第三季度或者第四季度B40在国内量产后,大厂的资本开支可能有望出现新一轮的爆发式增长,从而带动市场情绪再次进入乐观区间,给国产算力板块提供新的积极引导和支持。
拉长时间维度看,由于中美贸易摩擦的持续,英伟达芯片一再被限,不仅使得国内企业先进算力断供风险加大,影响了国内算力发展的稳定性;而且一再阉割的特供版芯片使得实际性价比也显著降低。
这种背景下,大厂为了降低供应链风险,当下的AI投资之路其实已经开始从紧盯英伟达转向了英伟达、自研+国产替代、算力租赁、海外数据中心等多个维度的全面开花。
这种背景下,预期在强劲的市场需求和政策持续支持下,以寒武纪、华为等为代表的国产AI芯片供应商有望加速实现供应链自主化进程,进一步扩大国产算力市占率。
根据集邦咨询预测,中国AI Server市场预计外购英伟达、AMD等芯片比例会从2024年约63%下降至2025年约42%,而中国本土芯片供应商预期2025年占比将提升至40%+,实现与外购芯片的平分秋色。
这意味着,中长期来看,国产算力仍有着巨大的增量和想象空间,对产业链长期的业绩提振和估值修复均有强劲支撑。
*免责声明:
本文内容仅代表作者看法。
市场有风险,投资需谨慎。在任何情况下,本文中的信息或所表述的意见均不构成对任何人的投资建议。在决定投资前,如有需要,投资者务必向专业人士咨询并谨慎决策。我们无意为交易各方提供承销服务或任何需持有特定资质或牌照方可从事的服务。
上证指数失守3400点,石油、黄金等板块逆势飘红
聊透Agent,它是“同事”还是“工具”,创业机会和价值究竟是什么?
本文来自微信公众号:极客公园 (ID:geekpark),作者:Moonshot,原文标题:《聊透 Agent,它是「同事」还是「工具」,创业机会和价值究竟是什么?》
2025年,是Agent按下加速键的一年。
从年初DeepSeek引发的惊叹,到GPT-4o和Claude 3.5接连登场,大模型的边界一次次被重写。但真正让AI产业链神经绷紧的,不是模型的性能迭代,而是Agent的横空出世。
Manus、Devin等产品的爆火,都在重申一个共识:大模型将不再只是工具,而是要成为可以自我调度的智能体。
Agent由此成为继大模型之后,全球科技圈最快形成共识的第二个风口。
从巨头的战略重构到创业赛道的快速跟进,Agent正成为下一个全民下注的方向。但在C端产品密集涌现、开发者为其狂热的同时,真正跑通用户价值闭环的项目却凤毛麟角,越来越多的产品陷入了「用老需求套新技术」的焦虑。
热浪过后,市场也回归冷静:Agent究竟是一场范式的重构,还是一次新的包装?所谓「通用」与「垂直」的路径分野,是否真的带来可持续的市场空间?而「新入口」背后,是交互方式的进化,还是旧世界的投影?
顺着这些疑问继续下探,我们会发现,Agent的真正门槛,或许并不在模型能力,而在其赖以生存的底层设施。从可控运行环境,到记忆系统、上下文感知、工具调用,每一个基础模块的缺位,都是Agent从演示走向实用的最大阻力。
这些底层工程问题,构成了Agent从「潮流玩具」走向「生产力工具」的最大阻碍,也恰恰是当下最确定、最高价值的创业蓝海。
在这样一个供给溢出、需求未明的阶段,我们想借由这场对谈,回答一个越来越紧迫的问题:Agent的真问题与真机会,究竟藏在哪些地方?
在本次深度对谈里,我们邀请到了身处一线的拾象科技创始人李广密与拾象科技AI Research Lead钟凯祺,两位从业者将从产品形态、技术路径、商业模式、用户体验乃至Infra构建等多个维度,为我们拆解当下Agent的真问题与真机会。
我们将跟随他们的思考,探寻在巨头环伺的牌桌上,创业公司的真实机会藏于何处;一条从「Copilot」平滑过渡到「Agent」的务实成长路径是如何被一步步验证的;以及为何Coding(编码)这一看似垂直的领域,却被视作通往AGI的「价值高地」与「关键指标」。
最终,这场对话将推向更远的未来,一窥人与Agent之间全新的协作关系,以及构建下一代智能基础设施所面临的核心挑战与无限机遇。
要点精选
通用Agent领域做得最好的是「模型即Agent」(Model as Agent)。
做Agent这件事,并不一定要「以终为始」,一开始就瞄着完全自动化的Agent去做,它可以先从Copilot做起。在这个过程中收集用户数据、做好用户体验、占领用户心智,然后慢慢地转型。
AGI有可能最先在Coding(编码)环境下实现,因为这个环境最简单,它能锻炼AI的核心能力。Coding是这个世界里的「万用之机」,有了它,AI就可以去构建和创造。Coding有可能拿走整个大模型产业阶段性90%的价值。
AI Native的产品不只是给人用的,它必须同时服务于AI。一个真正的AI Native产品,应该是内建了服务AI和人类的双向机制。
今天的AI产品正在从「工具」走向「关系」。人不会和工具建立关系,但会和一个有记忆、懂你、能与你「心有灵犀」的AI建立关系。
以下为当天《今夜科技谈》直播沉淀,由极客公园整理。
01、热潮之下,哪些Agent产品已崭露头角?
张鹏:在过去一段时间,所有人都在讨论Agent,认为这可能是现阶段的一个重要议题,也是创业公司的难得发展机会。
我看到拾象科技对Agent体系做了比较深入的研究,也体验和分析了很多相关产品。我想先听听两位,最近哪些Agent相关的产品给你们留下了比较深刻的印象?为什么?
李广密:我自己印象最深的是两个:一个是Anthropic的Claude在编程能力上的表现,另一个是OpenAI ChatGPT的Deep Research功能。
关于Claude,主要是它的编程能力。我有一个观点:编程(Coding)是衡量AGI最关键的先验指标。如果AI不能规模化、端到端地进行软件应用开发,那么在其他领域的进展也会比较慢。我们必须先在Coding这个环境下实现很强的ASI(Artificial Superintelligence),其他领域才可能加速。或者说,我们先在数字环境下实现AGI,再拓展到其他领域。
关于Deep Research,它对我自己的帮助非常大,我几乎每天都在用。它其实就是一个搜索Agent,帮我检索了大量的网页和资料,体验很好,极大地拓展了我的研究空间。
张鹏:凯祺,从你的视角看,哪些产品给你留下了深刻印象?
钟凯祺(Cage):我可以介绍一下我平时观察和使用Agents的思维模型,然后在每个分类下介绍一两个代表性产品。
首先,大家经常会问:通用Agent还是垂直Agent?我们认为通用Agent领域做得最好的是「模型即Agent」(Model as Agent)。比如广密刚才提到的OpenAI的Deep Research,以及OpenAI新发布的o3模型,它其实就是一个标准的「模型即Agent」的范例。它把Agent的所有组件——大语言模型(LLM)、上下文(Context)、工具使用(Tool Use)和环境(Environment)——全都缝合到了一起,并进行了端到端的强化学习训练。训练之后的结果就是,各类Agent执行信息检索的任务它都能完成。
所以我的一个「暴论」是:通用Agent的需求基本上就是信息检索和轻度代码编写这两类,而GPT-4o已经完成得非常好了。因此,通用Agent市场基本上是大模型公司的主战场,创业公司很难仅仅服务于通用需求来做大。
让我印象比较深刻的创业公司基本都聚焦在垂直(Vertical)领域。
如果我们先说ToB的垂直领域,可以类比人的工作分为前台工作和后台工作。
后台工作的特点是重复性强、对高并发要求高,通常有一条很长的SOP(Standard Operating Procedure),其中很多任务非常适合AI Agent去一对一地执行,并且适合在比较大的探索空间里进行强化学习。这里比较有代表性的,我想分享的是一些面向AI for Science的创业公司,他们做的是Multi-agent system(多智能体系统)。
在这个系统里,各种科研任务都包含在内,比如文献检索、实验规划、预测前沿进展以及数据分析等。它的特点是,不再是像Deep Research那样的单个Agent,而是一个非常复杂的、能针对科研系统做到更高分辨率的系统。它有一个很有意思的功能叫「Contradiction Finding」,可以处理对抗性的任务,例如发现两篇顶级期刊论文之间的矛盾之处。这代表了研究型Agent里一种非常有意思的范式。
前台工作很多时候是和人打交道,需要做外联,目前比较适合的是语音Agent,例如医疗领域的护士电话回访、招聘、物流沟通等。
这里我想分享一家叫HappyRobot的公司,他们找到了一个听起来很小的场景,专门在物流和供应链领域做电话沟通。比如,一个卡车司机遇到问题,或者货到了之后,Agent能快速给他打电话。这里发挥了AI Agent一个很特别的能力:7天24小时无间断地响应并快速做出反应。这对于物流的大部分需求来说已经足够了。
除了以上两大类,还有一些比较特别的,比如Coding Agent。
02、从Copilot到Agent,是否存在一条更务实的成长路径?
钟凯祺:在代码开发这个领域,最近创业热情很火热,一个很好的例子是Cursor。Cursor 1.0的发布,基本上把一个原来看起来是Copilot(辅助驾驶)的产品,变成了一个完全的Agent产品。它能后台异步操作,有记忆功能,这正是我们对Agent的想象。
它和Devin的对比很有意思,给我们的启发是:做Agent这件事,并不一定要「以终为始」,一开始就瞄着完全自动化的Agent去做,它可以先从Copilot做起。在这个过程中收集用户数据、做好用户体验、占领用户心智,然后慢慢地转型。国内做得不错的,像Minus AI,他们最早的产品也是从Copilot形态做起的。
最后,我还会用「环境」这个思维模型来区分不同Agent。比如,Manus的环境是虚拟机(Virtual Machine),Devin的环境是浏览器,flowith的环境是笔记本,SheetZero的环境是表格,Lovart的环境是画布等等。这个「环境」就对应了强化学习里的环境定义,这也是一种值得参考的分类方式。
张鹏:我们深入聊聊Cursor这个例子,它背后的技术栈和成长路径是怎样的?
钟凯祺(Cage):自动驾驶的例子就很有意思,直到今天,特斯拉也不敢真的把方向盘、刹车和油门去掉。这说明在很多关键决策上,AI还没办法完全超越人类。只要AI的能力和人类差不多,一些关键决策就一定需要人类介入。这正是Cursor一开始就想得比较明白的地方。
所以他们最早贴合的特性,就是一个人类最需要的功能:自动补全(Autocompletion),它把这个功能做成了Tab键触发,随着Claude 3.5这样的模型出来,Cursor把Tab的准确率提高到90%以上。在这种准确率下,我可以在一个任务流中连续使用5到10次,心流体验就出现了。这是Cursor作为Copilot的第一个阶段。
第二个阶段,他们做的功能是代码重构(Code Refactoring)。Devin和Cursor都想做这个需求,但Cursor做得更巧妙。它会跳出一个对话框,当我输入需求时,它可以在文件外开启一个平行的修改模式来重构代码。
这个功能刚出来时准确率也不高,但因为用户对它的预期是Copilot,所以大家都能接受。而且他们很准确地预判到,模型的coding能力一定会快速提升。所以他们一边打磨产品功能,一边等待模型能力提升,Agent能力就很顺利地浮现了。
第三步就是我们今天看到的Cursor状态了,一个相对端到端的、在后台(background)运行的Agent。它背后有一个像沙盒一样的环境,我甚至可以在上班时把不想做的任务布置给它,它可以在后台用我的计算资源去完成,与此同时,我能专注于自己最想做的核心任务。
最后,它以异步交互的形式,像发邮件或飞书消息一样,把结果告诉我。这个过程很顺利地实现了从Copilot到Autopilot(或者说Agent)的转型。
关键还是要抓住人的交互心智,从一开始让用户更乐于接受同步交互,这样就能收集到大量的用户数据和反馈。
03、为何Coding是通往AGI的「关键试炼场」?
张鹏:广密刚才说「Coding是通向AGI的关键,如果不能在这个领域实现ASI(超级智能),其他领域也很难。」为什么?
李广密:有几个逻辑。第一,Code这个数据是最干净、最容易闭环,并且结果是可以验证的。我有一个猜想,Chatbot可能没有数据飞轮(一种反馈循环机制,通过从交互或流程中收集数据,持续优化AI模型,进而产生更优的结果和更有价值的数据)。但Code领域有机会跑出数据飞轮,因为它可以进行多轮的强化学习,而Code是跑多轮强化学习的关键环境。
我一方面把Code理解成编程工具,但更愿意把它理解成一个实现AGI的环境。AGI有可能最先在这个环境下实现,因为这个环境最简单,它能锻炼AI的核心能力。如果AI连一个端到端的应用软件开发都做不了,那在其他领域就更难了。如果它在未来一段时间无法大规模替代基础的软件开发工作,那在其他领域也很难。
而且,coding能力上来了,模型的指令遵循能力也会上来。比如处理很长的prompt,Claude就明显要强一些,我们猜测这跟它的coding能力有逻辑关系。
另外一个点,我想未来的AGI会先在数字世界实现。未来两年,Agent能做人在手机和电脑上操作的几乎所有事情。一方面通过简单的coding完成,如果不行,它还可以调用其他虚拟工具。所以,先在数字世界里实现AGI,让它跑得比较快,这是一个大的逻辑。
04、如何判定一个好Agent?
张鹏:Coding是这个世界里的「万用之机」,有了它,AI就可以去构建和创造。而且编程这个领域相对结构化,适合AI发挥。当评价一个Agent的好坏时,除了用户体验,你们会从什么视角去评价一个Agent的潜力?
钟凯祺(Cage):一个好的Agent首先得有一个环境来帮助构建数据飞轮,而且这个数据本身要是可验证的。
最近Anthropic的研究员提得比较多一个词叫RLVR(Reinforcement Learning from Verifiable Reward),其中的「V」就是指可验证的回报。代码和数学就是非常标准的可验证领域,任务做完后,立马能验证对错,数据飞轮就自然地建立起来了。
所以,构建一个Agent产品,就是要构建这样一个环境。在这个环境里,用户执行任务的成功或失败都不重要,因为现在的Agent一定会失败。关键是在失败时,它能收集到有信号的数据,而不是噪音数据,来指导产品本身的优化。这些数据甚至可以作为强化学习环境的冷启动数据。
第二,产品是否做得足够「Agent Native」。就是说,在设计产品时,要同时思考人和Agent的需求。一个典型的例子是The Browser Company,它为什么要做一款新的浏览器?因为之前的Arc纯粹是为了提升人类用户的效率而设计的。而他们新的浏览器在设计时,很多新功能未来是能给AI Agent自己使用的。当产品的底层设计逻辑发生改变,这就非常重要了。
从结果上来说,客观评估也很关键。
:首先任务得能跑完,这样用户至少能收到一个反馈。其次是成功率。一个10步的任务,如果每一步准确率都是90%,那最终成功率只有35%。所以必须优化好每一步之间的衔接。目前行业里一个及格线可能是五成以上的成功率。
:包括计算成本(token cost)和用户的时间成本。如果GPT-4o跑一个任务3分钟,而另一个Agent要跑30分钟,这对用户是很大的消耗。而且这30分钟里,算力消耗是巨大的,这会影响规模效应。
:最典型的是用户粘性。用户在尝鲜后是否愿意反复使用?比如日活/月活(DAU/MAU)比例、次月留存率、付费率等,这些是避免公司只有「虚假繁荣」(five minutes of fame)的根本指标。
李广密:我再补充一个视角:Agent与当前模型能力的匹配程度。今天Agent 80%的能力依赖于模型这个引擎。比如,GPT到了3.5,多轮对话的通用范式出现了,Chatbot这种产品形态就行得通了。Cursor的崛起也是因为模型发展到了Claude 3.5的水平,它的代码补全能力才得以成立。
像Devin其实出来就得偏早了,所以创始团队对模型能力的边界理解非常重要,要清楚今天以及未来六个月模型能到哪一步,这与Agent能实现的目标息息相关。
张鹏:什么叫「AI Native」的产品?我觉得AI Native的产品不只是给人用的,它必须同时服务于AI。
换句话说,如果一个产品里没有合理的数据去调试,没有为未来AI的工作环境做搭建,那它只是把AI当成一种降本增效的工具,这样的产品生命力是有限的,很容易被技术浪潮淹没。一个真正的AI Native产品,应该是内建了服务AI和人类的双向机制。简单来说,AI在服务用户的时候,用户有没有也在服务AI?
钟凯祺(Cage):我非常喜欢这个概念。Agent的数据在现实世界里是不存在的,没有人会在完成任务时把思考过程一步步拆解清楚。那怎么办?一个方法是找专业的标注公司,另一个方法就是要撬动(leverage)用户,把用户的真实使用方式和Agent自身的运行过程捕捉下来。
张鹏:那如果要通过Agent的方式让人类给AI「投喂」数据,什么样的任务是最有价值的?
钟凯祺(Cage):与其想着用数据服务AI,不如想AI有什么长板应该被放大。比如科学研究,在AlphaGo之前,人类觉得围棋和数学是最难的。但用了强化学习之后发现,这些对AI反而是最简单的。在科学领域也一样,人类历史上已经很久没有一个学者能通晓每个学科的犄角旮旯了,但AI可以。所以我认为,科学研究这类任务对人类来说很难,但对AI不一定难。正因如此,我们才要多找一些数据和服务来支持它。这类任务的回报比大部分任务更verifiable,未来甚至可能是人类帮AI「摇试管」,然后告诉AI结果是对是错,帮助AI一起去点亮科技树。
李广密:一开始的数据冷启动是必要的。做一个Agent就像做一个创业公司,创始人肯定要做冷启动,要亲力亲为。接下来,搭建环境就很重要,决定了Agent往哪个方向走。再往后,更重要的是搭建奖励(Reward)系统。我觉得环境和奖励这两个因素非常关键。在这个基础上,Agent的创业者做好这个Agent的「CEO」就好了。今天AI已经能写出人类看不懂但能运行的代码,我们不一定非要理解强化学习端到端的逻辑,只要搭好环境、设好奖励就行。
05、Agent的商业模式将走向何方?
张鹏:最近我们看到很多ToB领域的Agent,尤其是在美国,它们的商业模式和增长模式有什么变化吗?还是有新的模式出现?
钟凯祺(Cage):现在最大的一个特点就是,有越来越多的产品从偏C端切入,在公司组织里自下而上(bottom-up)地被使用。最典型的就是Cursor。除了它,还有很多AI Agent或Copilot产品,大家愿意自己先用起来。这就不再是传统SaaS那种需要先搞定CIO、一对一签单的模式了,至少第一步不是这样。
另一个有意思的产品是OpenEvidence,他们做的是医生这个群体。他们先把医生群体打下来,然后渐渐植入医疗器械和药品的广告。这些业务不需要一开始就和医院谈,因为和医院谈非常慢。AI创业最关键的就是速度,光靠技术护城河是没用的,需要通过这种自下而上的方式增长。
关于商业模式,现在有一个趋势,就是慢慢地从基于成本(Cost-based)定价走向基于价值(Value-based)定价。
:这像传统云服务,在CPU/GPU成本之上加一层软件价值。
:在Agent这边,一种是按「动作」(Action)收费。比如我前面提到的物流Agent,给卡车司机打一个电话收几毛钱。
:更高一层的抽象是按「工作流」(Workflow)收费,比如完成一整个物流订单。这离成本端更远,离价值端更近了,因为它真的参与到了工作中。但这需要一个相对收敛的场景。
:再往上,就是按「结果」(Result)付费。因为Agent成功率不高,用户希望为成功的结果付费。这要求Agent公司对产品有极高的打磨能力。
:未来可能会真正地按「Agent」付费。比如,有一家叫Hippocratic AI的公司做AI护士,在美国招一个人类护士大概是每小时40美金,而他们的AI护士每小时只要9到10美金,降了四分之三的成本。在美国这种人力昂贵的市场,这非常合理。如果Agent未来能做得更好,我甚至可以给它发奖金、发年终奖。这些都是商业模式上的创新。
李广密:我们最期待的是按价值(Value-based)的计价方式。比如Manus AI做一个网站,这个价值是不是值300美金?它做一个应用,是不是值5万美金?但今天的任务价值还不好定价。如何建立一个好的衡量计价方式,是值得创业者去探索的。
另外,刚才凯祺提到按Agent付费,这就像企业要和员工签合同一样。未来我们雇佣了Agent,是不是要给它发「身份证」?是不是要签「劳动合同」?这其实就是智能合约。我比较期待未来Crypto领域的智能合约如何应用到数字世界的Agent上,当任务完成后,通过一个好的衡量计价手段,去分配经济利益。这可能是Agent与Crypto智能合约结合的机会。
06、人类与Agent的协作关系会变成什么形态?
张鹏:最近在Coding Agent这个方向,有两个词讨论得比较多:「Human in the loop」和「Human on the loop」,这是在探讨什么?
钟凯祺(Cage):「Human on the loop」是指人尽可能减少在循环中的决策,只在关键时刻参与一下。有点像特斯拉的FSD,当系统遇到危险决策时,会警告人类接管油门刹车。在虚拟世界中,这通常指非即时的、异步的人机协作。人可以对AI拿不准的关键决策进行干预。
「Human in the loop」则更偏向于AI会时不时地「ping」你一下,来确认某件事。比如Minus AI,它的右半边有一个虚拟机,我可以实时看到它在浏览器里做什么,这就像一个打开的白盒,我能大概知道Agent想做什么。
这两个概念不是非黑即白的关系,而是一个光谱。现在更多的是「in the loop」,人还是要在很多关键点上做审批。原因很简单,软件还没到那个阶段,出了问题总得有人负责。油门和刹车一定是去不掉的。
可以预见的是,未来高重复性的任务,最终结果一定是人只看摘要,自动化程度会非常高。对于一些难题,比如让AI看病理报告,我们可以把Agent的「假阳率」调高一点,让它更容易觉得「有问题」,然后「on the loop」地把这些案例作为邮件发给人类医生。这样,虽然人类医生需要复核的案例多了,但Agent所有判断为「阴性」的案例都可以被顺利审批掉。如果病理报告中只有20%真的有难度,那人类医生的工作带宽就已经放大了5倍。所以不用太纠结于「in」还是「on」,只要找到好的结合点,就能把人机协作做得很好。
李广密:鹏哥问的这个问题背后,其实有一个巨大的机会,就是「新的交互」以及「人与Agent如何协同」。这可以简单理解成在线(同步)和离线(异步)。比如我们开会直播,必须实时在线。但如果我作为一个CEO给同事布置任务,项目推进是异步的。
这里面更大的意义在于,当Agent大规模落地后,人与Agent如何协同交互,以及Agent与Agent之间如何协同交互,这是非常值得探索的。今天我们还是通过文本与AI交互,但未来与Agent的交互方式会有很多种。有些可能在后台自动化运行,有些则需要人在前面看着。探索新的交互是一个巨大的机会。
07
能力过剩、需求不足,
Agent的「杀手级应用」何时出现?
张鹏:Coding Agent总体还是围绕IDE的延长线在做。未来会不会有变化?如果大家都挤在这条路上,后来者要如何追赶Cursor?
钟凯祺(Cage):IDE只是一个环境,再去复刻一个IDE本身的价值不大。但在IDE或另一个好的环境里做Agent,本身是有价值的。我会思考它的用户到底只是专业开发者,还是能拓展到专业开发者之外「平民开发者」——那些有很多自动化需求的白领工作者。
现在缺的是什么?不是供给能力,因为Cursor这类产品已经把AI的coding供给能力放大了10倍甚至100倍。以前我要做一个产品,需要外包一个IT团队,试错成本很高。现在理论上我只要说一句话,花20美元的月费就能试错。
现在缺的是需求。大家都在用老的需求去套新技术,有点「拿着锤子找钉子」的状态。目前的需求大多是做落地页(Landing page)或者基础的玩具网站。未来需要找到一个收敛的产品形态。这有点像当年推荐引擎出来的时候,它是一个很好的技术,后来出现了一种叫「信息流」的产品形态,把推荐引擎真正带给了大众。但AI Coding领域还没有找到像「信息流」这样的杀手级产品。
李广密:我觉得Coding有可能拿走整个大模型产业阶段性90%的价值。这个价值怎么长出来?今天的第一幕还是服务全球3000万程序员。我举个例子,Photoshop服务的是全球两三千万专业设计师,门槛很高。但是当剪映、Canva、美图秀秀出来后,可能有5亿甚至更多的用户都可以使用这些工具,并做出更火爆的内容。
Code有一个好处,它是一个创意的表达平台。这个社会上90%以上的任务都可以通过Code来表达,所以它有可能变成一个创意平台。以前应用开发门槛非常高,大量的长尾需求没有被满足。当门槛大幅降低后,这些需求就会被激发出来。我期待的是「应用的大爆发」。移动互联网生成的最大数据是内容,而AI这一波生成的最大内容可能就是新的应用软件。这就像优酷、爱奇艺这种长视频平台和抖音的区别。你可以把大模型比作摄像头,在它之上还能做出抖音和剪映这样的杀手级应用。这可能就是所谓的「Vibe Coding」(氛围编程)的本质,它是一个新的创意平台。
张鹏:要提升Agent的输出价值,输入(input)也变得非常重要。但在产品和技术上,有什么方法可以提升输入质量,从而确保更好的输出呢?
钟凯祺(Cage):在产品上,我们不能觉得用户用不好产品是用户的问题。要下功夫最关键的一个词就是「上下文」(Context)。一个Agent能否建立「上下文感知」(Context Awareness)?
举个例子,如果我在互联网大厂里写代码,Agent不光要看我手头的代码,还要看整个公司相关的代码库(Codebase),甚至要看我在飞书里和产品经理、同事的对话,以及我之前的编码和沟通习惯。把这些上下文都给Agent,我的输入才能更高效。
所以对于Agent开发者来说,最关键的就是要把记忆(Memory)机制和上下文的连接能力做得足够好,这也是Agent基础设施(Infra)的一大挑战。
此外,对于开发者来说,怎么做好强化学习的冷启动数据、怎么定义清晰的奖励(Reward)也很重要。这个奖励背后意味着,当用户表达不清晰时,你怎么把他的需求拆解出来。比如,OpenAI的Deep Research在我问得不清晰时,会先给出四个引导性问题。在和它交互的过程中,我其实也在想清楚自己的需求。
对于今天的用户来说,最主要还是要想怎么清晰地表达需求,以及怎么验收需求。虽然不用做到「以终为始」,但要对好坏有一个大概的预期。我们写Prompt也要像写代码一样,有清晰的指令和逻辑,这样能避免很多无效的输出。
李广密:我补充两点。第一,上下文的重要性。我们内部经常讨论,上下文做好了,会有新的支付宝、PayPal级别的机会。
以前电商看的是成交总额(GMV),以后看的是任务完成率。而任务完成,一边是智能,另一边就是上下文。比如我要做一个个人网站,如果把我的Notion笔记、微信数据、邮件数据都提供给AI,那我的个人网站内容肯定会非常丰富。
第二,自主学习。搭好环境后,Agent要能迭代,这非常关键。如果不能持续学习迭代,结果就是被模型本身吃掉,因为模型就是一个学习系统。上一波移动互联网,没有做机器学习和推荐的公司都没做大。这一波如果Agent做不好端到端的自主学习和迭代,我觉得也做不起来。
08
巨头博弈下,还有哪些变化和机会?
张鹏:我们怎么判断未来Agent的能力会以一个超级接口的形式出现,还是离散地分布在各个场景里?
钟凯祺(Cage):我看到一个比较大的趋势是,第一,肯定是多智能体(Multi-agent)的。即便是完成一个任务,在Cursor这类产品里,做代码补全和做单元测试的可能是不同的Agent,因为它们需要的「性格」和擅长的点不一样。
第二,入口会不会有变化?我觉得入口是一个二阶的问题。首先要发生的是,大家有很多Agent,并和它们协作。这些Agent背后会支撑起一张网络,我称之为「Botnet」。比如未来购物,60%以上的固定消费可能都由Agent帮我完成。
在生产力场景也一样,未来程序员的每日例会可能会被Agent之间的协作所取代,由它们推送指标异常和产品开发进展。当这些发生后,入口的变化才可能出现。那个时候,API的调用也不再主要是人类调用,而是Agent之间互相调用。
张鹏:那些有能力的大厂,比如OpenAI,Anthropic,Google,Microsoft,在Agent上都是什么样的决策和行动状态?
李广密:我脑子里一个关键词是「分化」。去年大家都在追赶GPT-4,但现在能做的事更多了,各家都开始分化。
第一个发生分化的就是Anthropic。因为它比OpenAI晚,综合能力没那么强,所以它就专注在Coding上。我感觉它摸到了通往AGI大方向的第一张大牌,就是Coding Agent。他们可能认为,通过Coding可以实现AGI,可以带来指令遵循能力和Agent能力,这是一个逻辑自洽的闭环。
但OpenAI手上的大牌就更多了。第一张是ChatGPT,Sam Altman可能想把它做成10亿日活的产品。第二张是它的「o」系列模型(GPT-4o等),预期很高,能带来更多泛化能力。第三张是多模态,它的多模态推理能力上来了,未来在生成上也能体现。所以,Anthropic摸到了一张大牌,OpenAI摸到了三张。
另一个大厂是Google。我觉得到今年年底,Google可能会在全方位赶上。因为它既有TPU,又有Google Cloud,有顶尖的Gemini模型,还有Android和Chrome。你在全球找不到第二家拥有所有这些要素,还几乎不依赖外部的公司。Google端到端能力是非常强的,很多人担心它的广告业务会被颠覆,但我感觉它未来可能会找到新的产品结合方式,从一个信息引擎变成一个任务引擎。
你看苹果,因为没有自己的AI能力,现在迭代就很被动。而微软是以开发者见长的,但Cursor和Claude其实抢了不少开发者的注意力。当然微软的盘子非常稳,有GitHub和VS Code,但它也必须拥有非常强的AGI和模型能力。所以你看它也宣布GitHub的首选模型之一变成了Claude,并迭代自己的开发者产品。微软在开发者这块必须守住,否则根基就没了。
所以大家开始分化了。可能OpenAI想成为下一个Google,Anthropic想成为下一个Windows(靠API活着)。
张鹏:那与Agent相关的基础设施(Infra)有哪些变化和机会?
钟凯祺(Cage):Agent有几个关键组件。除了模型,第一个就是环境(Environment)。Agent开发最早期,80%的问题都出在环境上。像早期的AutoGPT,要么用Docker启动,非常慢,要么直接在本地电脑部署,非常不安全。如果一个Agent要和我一起「上班」,我就得给它配一台「电脑」,所以环境的机会就出来了。
配「电脑」有两大需求:
:提供一个安全的执行环境。任务做错了能回退,执行过程不能伤害实际环境,并且要能快速启动、稳定运行。像E2B、Modal Labs这样的公司都在提供这类产品。
:信息检索是最大需求,Agent需要到各种网站上爬取信息。传统的爬虫容易被封,所以需要给Agent搭一个专用的、能理解信息的浏览器。这就应运而生了像Browserbase、Browser Use这样的公司。
第二个组件是上下文(Context)。这包括:
信息检索(Retrieval):传统的RAG公司还在,但也有新的公司,比如MemGPT,它为AI Agent开发轻量化的记忆和上下文管理工具。
工具发现:未来工具会非常多,需要一个像「大众点评」一样的平台来帮助Agent发现和挑选好用的工具。
记忆(Memory):Agent需要一套能模拟人类复杂的长短期记忆结合能力的Infra。
第三个组件是工具(Tools)。包括简单的搜索,也包括复杂的支付、自动化后端开发等。
最后,当Agent能力再强一些,一个重要的机会就是Agent安全(Agent Security)。
李广密:Agent Infra非常重要。我们可以「以终为始」地想,三年后,当几万亿的Agent在数字世界里执行任务,那Infra的需求就太大了,这将重构整个云计算和数字化世界。
但今天我们还不知道什么样的Agent能做大,它到底需要什么样的Infra。所以现在对创业者是一个非常好的窗口期,可以和那些做得好的Agent公司共同设计(co-design)和共创Infra工具。
我觉得今天最重要的,第一是虚拟机,第二是工具。比如未来的Agent搜索肯定和人的搜索不一样,会产生天量的机器搜索需求。现在全网人类的搜索每天可能200亿次,未来机器搜索可能是几千亿甚至上万亿次。这种搜索不需要给人类做排序优化,可能一个大的数据库就够了,这里有很大的成本优化和创业机会。
09
当AI不再只是大模型,它会往哪个方向进化?
张鹏:Agent始终绕不开模型,站在今天,你觉得模型技术在过去两年里走过了哪些关键的台阶?
李广密:我觉得关键的里程碑(milestone)可能就两个。一个是GPT-4代表的规模化定律(Scaling Law)范式,即在预训练阶段,扩大规模仍然是有效的,它能带来通用的泛化能力。
第二个大的里程碑是「o」系列模型所代表的「模型会思考」的范式。它通过更长的思考时间(思维链),显著提升了推理能力。
我觉得这两个范式是今天AGI的左膀右臂。在这个基础上,Scaling Law远远没有停止,思考模式也会继续。比如,在多模态下可以继续Scaling,也可以把「o」系列的思考能力加到多模态上,这样多模态就能有更长的推理能力,生成的可控性和一致性就会变得非常好。
我自己的感觉是,未来两年可能比过去两年进步要更快。今天可能正处在一个全球几千名顶尖AI科学家,共同推动人类科技文艺复兴的状态,资源充足,平台也具备了,很多地方都可能出现突破。
张鹏:你会比较期待接下来一两年,在AI领域看到哪些技术台阶的实现和跳跃?
钟凯祺(Cage):第一个是多模态。现在多模态的理解和生成还是比较零散的,未来一定会走向「大一统」,即理解和生成一体化。这会极大地打开产品的想象力。
第二个是自主学习。我很喜欢Richard Sutton(强化学习之父)提出的「经验的时代」(the era of experience)这个概念,即AI通过在线执行任务的体验来提升自己的能力。这在以前是看不到影子的,因为没有基座的世界知识。但从今年开始往后,这会是一个持续发生的事情。
第三个是记忆。如果模型真的能在产品和技术层面把Agent的记忆做好,带来的突破会非常大。产品的粘性才真正出现。我感觉GPT-4o开始有记忆的那一刻,我才真正对ChatGPT这款应用产生了粘性。
最后是新交互。会不会有不再是文字输入框的新交互?因为打字这个门槛其实挺高的。未来会不会有更符合人类直觉和本能的交互方式?比如,我有一个「永远在线」(Always-on)的AI产品,它在后台不断地听我说话、异步思考,在我灵感迸发的那一刻,能捕捉到关键的上下文。我觉得这些都是我比较期待的。
张鹏:确实,今天我们面临的挑战和机遇并存。一方面,我们不能被技术发展的速度「拉爆」,要保持持续的关注。另一方面,今天的AI产品正在从「工具」走向「关系」。人不会和工具建立关系,但会和一个有记忆、懂你、能与你「心有灵犀」的AI建立关系。这种关系本质上就是习惯和惯性,这也是未来重要的壁垒。
今天的探讨非常深入,感谢广密和凯祺的精彩分享。也感谢直播间观众的陪伴。我们下期《今夜科技谈》再见。
李广密:谢谢。
钟凯祺(Cage):谢谢。
陈奕迅演唱会取消,海口:为已登岛歌迷提供部分住宿补贴

海口市旅游和文化广电体育局6月13日发布《致受台风影响取消演出活动的登岛歌迷朋友的信》:受台风“蝴蝶”影响,为最大限度保护歌迷朋友的观演出行安全,原定2025年6月13日晚在海口五源河体育馆举办的陈奕迅演唱会不得不取消,给广大歌迷尤其是从岛外专程赶来的朋友们带来不便,对此我们深感遗憾。近年来,海口致力于打造“演艺之都、跨年之城”,离不开每位歌迷朋友的厚爱和支持,对于此次受影响歌迷朋友的心情,我们感同身受。经相关部门紧急会商,我们将为购买了6月13日演唱会门票并已登岛的岛外歌迷朋友提供部分住宿补贴。
以对伊朗西部防空系统发动空袭
春秋航空:5月旅客周转量同比增长11.66%
退市风险高悬仍溢价收购,元一成物欲3.46亿元入主*ST金比
历经一次复牌延期,*ST金比(002762.SZ)的买家终于浮出水面。
6月11日晚,*ST金比宣布实控人与上海元一成物科技有限公司(以下简称“元一成物”)签署了《股份转让协议》和《放弃表决权协议》,首次交易价格为3.46亿元。交易完成后,元一成物将成为公司的控股股东,陈珂如将成为公司的实际控制人。
作为A股首家母婴用品上市公司,*ST金比近年来发展每况愈下。公司市值从最高120亿元跌至市值不足30亿元。尽管公司转型医美赛道,试图挽救持续下滑的营收,但成效有限。公司还是因触及财报类退市指标,在今年披星戴帽。
*ST金比的负债率低、账上还有2亿多存款,有不少投资者认为公司是一个优质、干净的“壳资源”。虽然元一成物入主,明确表示暂时不会有资产注入计划,但依旧引发投资者猜想。受上述消息影响,*ST金比复牌连续两日开盘涨停。
溢价18%入主,分步交易锁定控制权此次易主方案采取股权转让+表决权转让的方式。其中,股权转让分为两部分进行。先是*ST金比实控人林浩亮、林若文向元一成物合计转让所持*ST金比13.30%的股份。与此同时,林浩亮、林若文两人放弃剩余39.95%的股份所对应的表决权。
在首次股份转让完成过户且林浩亮、林若文两人相应股份解除限售后的自然年度内,双方需签订第二次股份转让协议,林浩亮、林若文两人向元一成物再次转让所持有*ST金比的14.70%股权(两次合计股权约28%)。同时,林浩亮、林若文两人依旧需要放弃剩余股份所对应的表决权。
首次股权转让的每股转让价格为7.34亿元,相较于停牌前6.21元的价格,溢价18%,总交易价款为3.46亿元。首次股权转让完成后,元一成物将成为公司的控股股东,陈珂如将成为公司的实际控制人。
企查查显示,元一成物于今年3月突击成立,法定代表人为陈珂如,注册资本为10000万元,所属行业为科技推广和应用服务业。通过层层股权穿透,元一成物与上海东银企业(集团)有限公司(以下简称“东银集团”)有着千丝万缕的关系。东银集团官网显示,其主营业务为地产开发,旗下开发项目包括金华东银大厦、义乌世贸中心等项目。
需要指出的是,在公司公告中,公司明确提到,目前元一成物暂无注入资产计划。
笔者注意到,陈珂如参股公司业务主要集中地产、软件技术(棋牌游戏)等领域,与*ST金比业务关联性不高。虽然有一家名为融一整体(上海)医疗健康科技的公司,主营业务跟医疗健康有关。但该公司去年才成立,社保参保人数为零。陈珂如控制*ST金比后会有何整合动作,仍然需要时间观察。
转型医美难缓退市危机*ST金比成立于1996年,2015年登陆A股主板,是国内母婴用品第一股。公司的主营业务为中高端母婴消费品的设计、研发、生产及销售。公司旗下有“拉比(LABI BABY)”“下一代(I LOVE BABY)”及“贝比拉比(BABY LABI)”三大自有品牌。林浩亮与林若文为公司创始人,同时也是夫妇关系。
2024年度,由于*ST金比扣非净利润为-4531.68万元,且扣除后的营业收入低于3亿元。公司触发财务类退市指标,进而披星戴帽。公司名称由金发拉比更为*ST金比。
在*ST金比上市之初,适逢国家生育政策调整,母婴用品行业被市场普遍看好,公司股价迎来阶段性飙升,市值一度接近120亿元。2017年是公司的业绩巅峰。
但后续由于出生率降低、疫情等因素,*ST金比业绩开始走下坡路。2021年至2024年,*ST金比营业收入从2.99亿元一路跌至2.25亿元。
在业绩下滑的过程中,*ST金比也曾为改善业绩做过努力。2021年和2023年*ST金比斥资2.97亿元分两次收购广东韩妃医院投资有限公司(以下简称“韩妃投资”)49%的股权。
2024年10月,公司披露重大资产重组预案,拟通过控股韩妃投资。试图加码医美业务,将韩妃投资并表后改善业绩。
但考虑到当时韩妃投资的业绩并不稳定。在2022年和2023年,韩妃投资的净利润均为亏损。在披露重组预案的一个月后,*ST金比宣布终止重大资产重组,变更拟收购标的主体范围,决定通过现金方式收购盈利状况较好的珠海韩妃和中山韩妃各51%股权,试图通过“母婴+医美”的战略布局寻找新的增长曲线。
不过,由于后续收购的两家公司体量较小,仍然未能改变*ST金比披星戴帽的命运。
2025年一季度,*ST金比的业绩有所改善,但仍然在退市边缘徘徊。期内,*ST金比录得营收7756.35万元,同比增长82.54%,扣非净利润为亏损253.03万元。根据退市新规,若今年*ST金比营收仍未突破3亿元,将面临直接退市的风险。(本文首发钛媒体App,作者 | 周健,编辑 | 曹晟源)
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App
伊朗称纳坦兹核设施多处受损
上海机场:浦东国际机场5月旅客吞吐量同比增长13.03%
三孚新科业绩双面镜:关联方撑起新业务“半边天”,密集扩张触发连锁风险
三孚新科(688359.SH)日前针对其年报监管问询函作出详细回复。问询函中,上交所对公司多项核心经营指标的异常之处展开追问,其中最受关注的焦点在于:公司营收、毛利率持续攀升,却仍未能摆脱亏损,这一矛盾现象引发监管质疑。
对此,公司将“矛盾”主要归因于股份支付,并展示剔除该项后的数据,表示多数年份可以实现盈利。但随着问询回复披露,关联方在其业绩扭转中的多维助力浮出水面——不仅通过溢价的关联交易获得千万级投资收益,更连续两年为公司的增量业务贡献近半营收。
然而,光鲜的数据之下,公司近两年的密集扩张正在引发应收账款高企、存货周转变慢、现金流持续为负等连锁反应,为“稳步上升”的业绩蒙上阴影。
业绩“稳步上升”另一面:关联方多维助力在过去两年,三孚新科的经营表现似乎迎来拐点,不仅营收大迈步,从负增长陡然切换至增长率超20%,毛利率更是连年升高。但这并未使三孚新科摆脱上市4年连亏三年的命运。这种稍显悖于常理的表现,引起了上交所的注意。
在回函中,公司分析认为,主要原因是股权激励导致股份支付金额较大,以及研发投入增加等因素所致。
为了增加说服力,公司在回函中列出剔除股份支付费用影响后的净利润,2022年-2024年,分别为1203万元、-378万元、3774万元。公司表示,若不考虑这些影响,除2023年微亏外,其他年度均可实现盈利。
不过,随着更多细节浮出,关联方的助力成为解读公司业绩扭转的重要切入点。
可以说,三孚新科近两年的营收增长主要是受新业务表面工程专用设备的推动。2023年至2024年,该业务分别贡献营收1.4亿元、1.8亿元,占营收总收入的比例为28%、29%。
根据公司在回复中列出的前五名客户销售名单,关联方连续两年占据这项新业务第一大客户的位置。
三孚新科2024年表面工程专用设备业务前五名单
2023年来自关联方“客户一”的销售收入高达6936万元,占当年该业务营收比例49.5%,2024年,这两项数据分别为8424万元、46.8%。这意味着,公司的业绩增量中,近一半营收来自关联方。
助力不止于此,2024年,三孚新科将旗下控股子公司广州智朗新材料有限公司全部股权转让给关联方三孚控股有限公司,评估增值率150%,转让价格是2580万元,由此确认当期投资收益1524万元。对于该笔交易的目的和商业合理性,上交所在监管函中追问。
按照会计处理原则,这笔收益将直接计入合并报表归母净利润。那么意味着,在没有这笔收益的情况下,公司2024年归母净利润为-2782万元,同比减亏24.4%。这与公司的描述“2024年度公司经营业务较上年显著改善,亏损大幅减少,这主要得益于公司前瞻性的战略布局”,显然存在一定差异。
值得一提的是,关联方“客户一”同时也在三孚新科前五大逾期客户(截至2024年末)中排名第一,逾期金额4590万元,公司称主要原因是“终端客户回款缓慢”,截至2025年5月末,这笔逾期款已收回2818万元。
密集扩张触发连锁风险上交所此次问询提出7大类问题,过半涉及对三孚新科核心经营指标诸如毛利率、应收账款、存货周转、经营活动现金流变动的追问。这些核心指标的变化本质上反映公司密集扩张触发的连锁风险。
三孚新科上市(2021年5月)之初主要涉足电子化学品和通用电镀化学品领域,产品应用于PCB(印制电路板)、消费电子、五金卫浴、汽车零部件等行业,是国内表面工程专用化学品主要提供商之一。
2022年,伴随业绩滑铁卢,三孚新科归母净利润同比下滑160%至-3594万元,自此开启扩张之路。
2023年,公司通过并购并增设公司新增设备及设备构件的生产制造业务,切入复合铜箔制造领域;通过收购江西博泉化学有限公司40%股权,拓宽公司PCB电子化学品产品种类;收购中山市康迪斯威科技有限公司股权并控股,补足公司在被动元件专用化学品领域的布局。
短期内密集的扩张动作带来了明显的“副作用”。2024年,公司应收账款3.43亿元,同比增长25%,其中逾期款项1.93亿元,占比达52%。根据回函,公司前五大逾期客户中有一半涉及公司新业务设备构件和复合铜箔设备客户。
此外,因生产周期较长等因素,2024年设备及设备构件产品显著拉高三孚新科存货余额(占比达62%),而新设备公司的并表导致三孚新科2024年存货周转天数上升16.81天。
公司经营活动现金流也受到拖累,2023年至2024年,三孚新科经营活动现金流量净额连续为负,分别为-2285万元、-6515万元,公司认为,主要原因是应收账款回款减缓,以及新并入的三家公司导致公司当年税费同比增加74%。
如此境况,公司上个月豪气宣布的拟投资6.21亿元建设高安全干电极电池关键材料及高频电子信息复合材料产业化项目,引发上交所关注,要求说明是否可能对公司的资金周转、日常经营产生不利影响。
根据测算,在投资该项目的情况下,公司未来三年累计资金缺口将达到4.36亿元,公司给出的应对措施包括通过银行贷款可补充1.8亿元,此外,通过股权融资方式引入战略投资者,补充营运资金1亿元。
不过,由于该项目主要应用于技术门槛较高的复合铜箔领域和固态电池领域,且均尚未进入大规模产业化阶段,所以,比起资金压力,上交所更关注该项目产能规划的合理性和产能消化措施。
该项目规划建设3D复合铜箔、复合金属材料、电磁屏蔽材料制造三大产线,根据回复,在客户开拓上,目前多处于意向合作层面,其中3D复合铜箔方面的合作进展较快。公司表示,已与欧洲半固态电池制造商签订战略合作协议,待客户成功建立首台套半固态高安全电池生产线后,将签订“5GWh半固态高安全电池关键材料”正式供货合同。(本文首发于钛媒体APP,作者|张孙明烁)
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App
流感疫苗创下6元/支新低中标价
山西焦煤集团原党委副书记杨根贵被开除党籍
多地国补突然暂停 北京、天津、广州等部分门店靠限量抢券
“降费潮”来了!买1万银行理财,年管理费低至1块钱
这月底“从生产线驶向车主家中”!特斯拉全自动驾驶汽车即将交付,Robotaxi本月启动试运营
一手交钱一手拿货?车企们连这都做不到。
波音787第一次坠毁背后
上汽通用还要打一场硬仗
靠老头拍打戏,我看不下去
90亿美元,“IP祖师爷”买了最后一颗“子弹”
山西省临汾市人大常委会原副主任柴高潮被开除党籍
一半中国人缺维生素D,它到底有多难补?
广州拟全面取消住房“三限”,其它一线城市会跟进吗?
本文来自微信公众号:财联社 (ID:cailianpress),作者:李洁
为提振市场活力,广州在优化房地产政策上迈出关键一步。
6月13日,广州市发布《提振消费专项行动实施方案(征求意见稿)》,面向社会公开征求意见。方案明确提出“有序减少消费限制。优化房地产政策,全面取消限购、限售、限价,降低贷款首付比例和利率。
本次征求意见稿,将房地产消费视为提振整体消费市场活力的“重要一环”。业内分析师普遍认为,这一系列政策的落地,将有力提振广州楼市,加速房价企稳进程。
更关键的是,58安居客研究院院长张波表示,广州作为一线城市,其全面、明确的政策松绑信号,预示着一线城市政策进一步宽松的可能性增强。
全面松绑信号明确
“此举标志着广州有望成为全国首个全面取消‘四限’,即限购、限售、限价、限贷的一线城市。”张波告诉记者。
事实上,广州在房地产政策松绑上早有铺垫。
中指院华南分院研究主管陈雪强接受记者采访时表示,本次《征求意见稿》提及的全面放开限售、限购政策,广州实际上已于2024年5月及9月分别全面放开并实施。取消限价政策虽此前未发布正式文件,但实际已在执行,即开发商仍需进行价格备案,但官方不再提供指导价。
关于信贷政策,陈雪强补充道,广州目前首套及二套商贷首付比例均为15%,商贷首套利率为3%,公积金利率为2.6%,已处于较低水平,未来公积金贷款首付比例存在进一步下调空间。
而从广州自身的房地产市场现状来看,政策调整也十分必要。
据张波介绍,从统计局公布的房价数据看,广州是一线城市中房价下行压力相对较大的城市,今年以来一二手房市场仍处于下行通道。虽然安居客线上数据显示6月整体二手挂牌房价趋稳,但白云、番禺、南沙、增城等外围区域房价下跌现象更为明显。
“因此,通过全面取消限购、限售、限价,降低贷款首付比例和利率,旨在消除行政干预,让市场回归供需主导,提振楼市成交并加速房价企稳。”张波表示。
陈雪强也认为,此次征求意见稿将取消范围明确扩展至限售和限价,并强调降低首付比例和利率,是对已实施政策的全面确认,向市场传递了强烈的宽松信号。
多位分析人士指出,此前在一线城市中,广州曾多次率先出台松绑措施,而此次广州新政可能会继续引发连锁反应,其它一线城市的政策限制或将跟进放松。
多维发力激活需求
除了核心的限制性措施松绑,广州此次方案还从多角度部署措施,旨在激活潜在需求并全方位满足住房消费。
方案明确提出,扎实推进城中村及老旧小区改造,2025年计划推进新开工老旧小区改造超150个,更新住宅老旧电梯超9000台,完成城中村改造固定资产投资1000亿元。
“此类定量目标显示出广州对城市更新的重视和持续投入的决心。”张波分析认为,老旧小区改造作为广州房地产政策优化的核心配套措施,近几年深度推进全国领先,通过制度创新、多元参与和精准实施,实现了民生改善与城市发展的良性互动。
同时,严跃进强调,城中村改造将有效促进潜在购房或住房需求的释放。
方案还提出,“推进利用专项借款购买存量商品房作为安置房”。
事实上,广州在专项债收储方面一直走在全国前列。严跃进认为,此次方案再度提及,说明专项借款在后续收购存量商品房做安置房方面会持续发力。
此外,方案要求,持续优化住房公积金使用政策,支持缴存人在提取住房公积金支付购房首付款的同时申请住房公积金个人住房贷款,进一步优化租房提取政策措施。
业内人士认为,通过限制性政策的全面退出、信贷政策的持续优化,以及城中村改造、存量房利用、公积金支持等配套组合拳,广州正力图打通住房消费链条,为市场注入信心。若政策顺利落地实施,广州不仅会成为首个告别“四限”时代的一线城市,其也将为其他大城市提供参考样本。
曼卡龙:有IP联名合作 国外市场正在探索
机器人猛扇朱啸虎
本文来自微信公众号:字母榜,作者:薛亚萍,编辑:赵晋杰,题图来自:视觉中国
人形机器人赛道,不仅没被朱啸虎的退出言论打倒,反而还成了年内AI圈的投融资新重点。
据字母榜不完全统计,朱啸虎喊出批量退出人形机器人的两个月以来,从3月底算起,国内人形机器人领域(本体研发相关)的融资事件约27起,已披露的融资金额超过29亿元。仅4月份,机器人行业的9起亿元级融资中,就有5起发生在人形机器人领域。
最新消息是,宇树科技传出即将IPO。据搜狐科技报道,宇树科技的股改已基本完成,且上市前可能还有Pre-IPO轮融资。今年4月,宇树科技创始人王兴兴在谈及赴港上市时表示,有可能,但不确定。
近三个月以来,互联网大厂也频频加码对明星机器人公司的投资:美团系独家投资了自变量机器人数亿元的A轮融资,腾讯和京东则先后领投了智元机器人的B轮和B+轮融资。
图源:企查查
正在看早期机器人项目的恒业资本创始合伙人江一告诉字母榜,腾讯4月增持智元不是偶然,美团押注的是即时配送人力替代,京东看重仓储物流自动化,大厂要的不是短期回报,而是5年后不被革命的门票。
这些围绕人形机器人的新晋融资事件,成了一个个打脸朱啸虎看衰言论的佐证。
在江一看来,朱啸虎的批量退出论更像是一种流量行为。人形机器人和具身智能的核心价值逻辑在于解决劳动力坍塌、场景化AI落地,这是国内外押注该赛道十年的底层共识。
一
3月底,金沙江创投主管合伙人朱啸虎一句“我们正批量退出人形机器人公司”,引来不少机器人创业者的“反击”,其中就有众擎机器人创始人赵同阳。他在朋友圈炮轰朱啸虎,并放话:“我会带领兄弟们,在未来用事实回应他对行业的质疑,用成绩狠狠地给他一耳刮子,这是回应质疑的最有效方式。”
几天后,众擎机器人就宣布完成了约2亿元的Pre-A轮融资,由一家来自阿布扎比的主权基金Stone Venture领投。
被金沙江创投退出的星海图,也在4月迎来新一轮融资。企查查信息显示,4月3日,星海图完成了超过3亿元的A+轮融资。据媒体报道,有知情人士表示,星海图正以50亿元估值寻求新一轮融资。
失去朱啸虎这类创投机构的支持后,人形机器人赛道的火热正吸引诸多互联网大厂的加码:3月,腾讯领投智元机器人B轮融资,半个多月后,腾讯将持股比例增加至2.6264%,成为智元机器人第七大股东;4月,阿里领投星尘智能数亿元A轮融资;5月,美团和美团龙珠独家投资了自变量机器人的A轮融资,融资金额高达数亿元;5月,京东参与了智元机器人的B+轮融资……
大厂频繁出手的背后,人形机器人正取代大模型,成为AI领域最炙手可热的融资赛道之一。 无论是融资发生频率,还是动辄数亿的融资金额上,该赛道都大幅领先于其他AI细分领域。
相较之下,去年还一度活跃在融资前线的大模型公司,进入2025年后,几乎陷入融资停滞状态。
图源:企查查
“AI六小龙”中,今年上半年还在获得融资的也只剩下智谱AI一家。企查查信息显示,智谱AI今年3月以来连续获得四次D轮系列融资,融资金额超过20亿元。不过,即使是20亿元融资,和去年C2轮的4亿美元或者C4轮的数十亿元相比,融资额还是有所减少。而其余几家公司的融资动态均停留在去年。
二
在朱啸虎退出言论发布后的两个月内,还在持续获得融资的人形机器人公司,大致分为两类:处于投融资早期阶段的公司,和已具一定规模的明星项目。
处于早期阶段的人形机器人公司,融资大多集中在种子轮和天使轮。它们之所以能获得融资,关键在于其早期属性带来的估值窗口期。在这个阶段,估值尚未被大幅推高,投资机构能以相对较低的成本进入,单笔投资风险相对可控。比如成立不到一年的它石智航,拿下1.2亿美元的天使轮融资,背后投资方涉及13家公司,领投的有六家公司。
图源:企查查
朱啸虎投资的人形机器人公司,也是在早期阶段以低成本介入。比如朱啸虎投资星海图的天使轮,60万元获取星海图0.3%的股权;早期投资松延动力时,320万元获取1.6207%的股权。
朱啸虎的谨慎退出,也恰恰来自对后续轮次估值快速攀升的担忧,他之所以不再投资人形机器人,按其本人说法,是因为这个行业后续估值被炒得很高,投资机构承担的成本和风险也随着上涨。
早期人形机器人项目能够源源不断吸引新投资者入局,更多还来源于投资人的“FOMO”(害怕错过)心态。江一指出,早期投资人通过A轮前的密集融资“用低成本锁定头部种子选手”,实质是在“抢注技术路线话语权”。这很好解释了为何在朱啸虎撤退之际,其他资本仍在积极布局早期机投资。
与早期项目仍在获得融资不同的另一种情况是,部分中后期明星人形机器人项目也在融资。但它们能够拿下融资的原因,并不是担忧投资成本过高问题,而是因为背后的出资方有着自己的打算。
互联网大厂成为这类中后期人形机器人融资的主力军,前者之所以这时候冲进来,更多是以产业投资或战略投资的角色入场,核心考量在于业务协同与未来战略布局,而非单纯的财务回报。
美团此前投资了银河通用,双方联手打造了人形机器人智慧药房;今年美团再投自变量机器人。从美团的业务来看,这笔投资很可能瞄准的就是无人仓储分拣和即时配送自动化,目标直指本地生活业务。
腾讯投资智元机器人的背后,也有自己的机器人战略目标。今年3月,在腾讯2024年第四季度及全年业绩发布会上,腾讯董事会主席兼首席执行官马化腾表示,腾讯希望成为所有机器人厂商的合作伙伴,而不是取而代之做硬件。京东投资智元机器人,则与其物流仓储体系和提升供应链效率的目标高度契合。
可以说,大厂对人形机器人领域的布局,也是其在AI领域投资的自然延伸——在刚刚经历完对AI大模型项目的投资暗战后,大厂顺势进入对AI硬件的战略布局。
吸引新晋投资机构和大厂涌入人形机器人背后的一大现实因素,则离不开大热的AI硬件潮。
在ChatGPT引领的大模型浪潮进入第三年后,AI发展的重心正从虚拟世界向物理世界延伸,并掀起了以“具身智能”为核心的AI硬件新热潮。在这一波浪潮中,人形机器人又被公认为是AI商业化落地的关键形态。
英伟达CEO黄仁勋便指出,人工智能的下一个前沿是“物理AI”,并预测通用人形机器人的“ChatGPT时刻”即将到来。
之所以朱啸虎不继续投,其他人还在投,则是各家投资机构的退出节奏不同。AI硬件投资是一个长周期投资。在江一看来,朱啸虎误判了赛道本质,人形机器人是场十年周期的马拉松,需要技术、资本、政策、供应链四重杠杆,今天巨头和产业投资赌注的是下一个十年生产力基础设施。
三
即便新的融资仍在人形机器人领域发生,但这一赛道如何商业化,眼下仍是个难题。这既是导致朱啸虎退出的原因,也是新进入的投资者和创业者需要面临的挑战。
事实上,在具身智能时代,行业内关于机器人是否要做人形的争议始终存在。一些行业人士也曾表示,具身智能的终局形态不一定是人形机器人。人形机器人由于技术难点如机器人的躯体灵活度、认知层面上的自主意识,以及高水平训练数据的缺乏,均限制了其泛化性和通用性,使得人形机器人的商业化落地较难。
相较于人形机器人,专攻单一场景的垂类机器人在商业落地上更容易一些,如扫地机器人、泳池机器人等。
虽然江一认为朱啸虎的言论是流量之说,但是他也表示,融资活跃是没错,不过钱只流向两类公司:技术护城河极深的公司,或场景落地清晰的公司。
这也是为什么朱啸虎在退出人形机器人赛道后,并未彻底退出机器人领域。
目前,金沙江创投持股的机器人公司有Nimble Robotics、非夕科技与瑆爝机器人。其中,金沙江创投独家投资的瑆爝机器人成立尚不到一年,该公司还未发布新品。另外两家则刚好踩中了朱啸虎看重的点:拥有清晰的商业化路径。
Nimble Robotics是一家美国的物流机器人企业,金沙江连续投资了其A轮和B轮融资,业务上和联邦快递有合作;非夕科技的机器人则应用于工业、农业、医疗和服务等领域,2022年以来,每年营收增长两三倍,复购率接近50%。
正如朱啸虎所言,“我们的投资理念一直强调要聚焦在能够看到清晰的商业化的可能性的赛道上”。
今年5月15日,金沙江创投领投了世航智能5000万元的Pre-A轮融资,这家公司成立于2023年,专注于水下机器人研发,其首款水下清洗机器人“虎鲸”已投入商用超一年,并在0-300米层面已经商业化并产生销售收入。
在具身智能时代,朱啸虎的撤退和其他投资人坚定押注人形机器人,代表了两种不同的路径选择。究竟是朱啸虎的谨慎策略能带来更高回报,亦或是长期投入人形机器人的投资者更胜一筹,尚需时间检验。
不过,垂类机器人的面前始终悬着一个挑战:人形机器人公司本质上是打造通用机器人,使其能够像人类一样处理各种任务。这意味着垂类机器人能实现的功能,未来人形机器人并非不能覆盖。
比如智元人形机器人已经被训练洗刷马桶、使用洗碗机等。智元具身研究中心常务主任任广辉接受“新浪科技”采访时表示,“预计5年左右,机器人将走入家庭场景去实际地创造一些价值。”
当前,具身智能领域的机器人发展远未达到终局。无论是非人形的垂类机器人,还是模仿人类形态的人形结构,行业内的各种尝试都是对机器人终极形态的探索。最终决定胜负的,或将是垂类机器人市场扩张的速度与人形机器人技术迭代的速度之争。
参考资料:
《“爆单”的人形机器人》科创板日报
《人型机器人股权投资“卷疯了”》经济观察报
《对话智元机器人任广辉:家用机器人,成本将进入“万元”时代?》新浪科技
《五位具身智能顶流,挨个回应2025年机器人“热搜”》智能涌现
《宇树科技完成股改,最新估值100-150亿元,或还有Pre-IPO轮融资》搜狐科技
本文来自微信公众号:字母榜,作者:薛亚萍,编辑:赵晋杰