未步英特尔后尘！AMD Q3营收超预期增45%，数据中心收入近翻倍，Q4指引提速又新高｜财报见闻
AMD电话会：Q4 AI芯片收入将首次超越服务器CPU，明年数据中心收入占比将破80%
“民主党拿下德州”加剧AI数据中心担忧，英伟达、CoreWeave盘后走低
AI应用研究：AI会杀死金融软件，还是让它们迎来第二春？
数据中心连续被袭击后 俄罗斯要求私营机房预留10%容量 且允许使用境外云服务
[酷工作] OmnixDrive 人才招募
OmnixDrive 人才招募
高级人工智能工程师｜智能驾驶数据与模型研发
公司简介
OmnixDrive 是一家成立于 2026 年、总部位于新加坡的人工智能初创科技公司，专注于智能驾驶底层人工智能技术与基础设施研发。技术方向涵盖大规模驾驶数据处理、深度学习模型训练与优化、视觉感知、多传感器融合及算法工程化，为智能驾驶系统提供底层技术支持。
招聘信息
- 招聘人数： 3–5 名
- 工作模式： 混合办公，可远程协作或根据项目需求现场工作
- 协作时区： UTC+8（新加坡时间）
- 合作形式： 项目制合作
岗位职责
- 设计和开发智能驾驶数据处理体系，包括数据清洗、筛选、标注、增强及训练数据集构建。
- 研发视觉感知算法，涉及目标检测、图像分割、目标跟踪及三维环境感知。
- 负责深度学习模型的设计、训练、微调与优化，提升模型精度、鲁棒性及泛化能力。
- 参与摄像头、激光雷达、毫米波雷达等多源传感器数据处理与融合。
- 优化模型训练流程、计算资源利用率、推理效率及部署性能。
- 独立负责核心技术模块，解决复杂算法与工程问题，按项目要求完成交付。
任职要求
- 10 年以上软件开发经验，其中至少 5 年机器学习、深度学习或智能驾驶人工智能研发经验。
- 具备扎实的计算机科学、数学及机器学习基础，深入理解神经网络和模型训练机制。
- 精通 Python，熟练使用 PyTorch 或 TensorFlow；具备 C++ 开发能力者优先。
- 具备大规模训练数据处理经验，熟悉数据清洗、标注、增强、样本筛选及质量评估。
- 在目标检测、语义分割、目标跟踪或三维感知等计算机视觉方向具备深入研发经验。
- 具备完整的模型训练与优化经验，能够独立完成模型设计、训练、参数调优及性能评估。
- 能够解决模型过拟合、训练不稳定、长尾场景识别及模型泛化能力不足等问题。
- 熟悉模型部署、推理优化及 GPU 计算资源管理，具备独立技术攻关和项目交付能力。
优先条件
- 具备自动驾驶或高级辅助驾驶系统研发经验。
- 熟悉鸟瞰视角感知、占用网络、三维目标检测及多目标跟踪技术。
- 具备摄像头、激光雷达及毫米波雷达多传感器融合经验。
- 熟悉 Transformer、卷积神经网络及视觉基础模型。
- 具备大规模驾驶数据管理、自动化标注及数据闭环建设经验。
- 熟悉 CUDA、TensorRT、ONNX、分布式训练及模型量化、推理加速技术。
- 具备量产级智能驾驶系统或实际道路场景研发经验。
合作与报酬
采用项目制合作，报酬根据项目规模、技术难度、工作量及交付要求协商，可按项目阶段或交付成果结算。优秀人才可获得长期合作机会。
申请方式
请将个人简历发送至：
careers@omnixdrive.com
申请材料请注明工作年限、技术专长、相关项目经历、个人技术贡献、模型研发经验、期望项目报酬及可投入时间。
OmnixDrive — 以人工智能驱动下一代智能出行。
OmnixDrive Careers
Senior AI Engineer – Autonomous Driving Data & Model Engineering
About OmnixDrive
OmnixDrive is a Singapore-based AI technology startup established in 2026, specializing in foundational AI technologies and infrastructure for intelligent driving. Its technical focus includes large-scale driving data processing, deep learning model training and optimization, visual perception, multi-sensor fusion, and algorithm engineering.
Position Overview
- Openings: 3–5
- Work Arrangement: Hybrid, with remote collaboration and on-site work depending on project requirements.
- Collaboration Time Zone: UTC+8 (Singapore Time)
- Engagement: Project-based
Key Responsibilities
- Design autonomous driving data pipelines, including data cleaning, filtering, annotation, augmentation, and dataset construction.
- Develop perception algorithms for object detection, image segmentation, tracking, and 3D environment understanding.
- Train, fine-tune, and optimize deep learning models to improve accuracy, robustness, and generalization.
- Develop data processing and fusion solutions for cameras, LiDAR, and radar.
- Optimize training workflows, computing resources, inference efficiency, and deployment performance.
- Lead core technical modules and deliver solutions to complex algorithmic and engineering challenges.
Requirements
- 10+ years of software engineering experience, including at least 5 years in machine learning, deep learning, or autonomous driving AI development.
- Strong foundations in computer science, mathematics, and machine learning, with an in-depth understanding of neural networks and model training.
- Expert proficiency in Python and hands-on experience with PyTorch or TensorFlow. C++ experience is preferred.
- Proven experience in large-scale training data processing, including cleaning, annotation, augmentation, sample selection, and quality assessment.
- Substantial experience in at least one computer vision area, such as object detection, semantic segmentation, tracking, or 3D perception.
- End-to-end model development experience, covering architecture design, training, hyperparameter tuning, and performance evaluation.
- Ability to diagnose and resolve overfitting, training instability, long-tail recognition, and generalization issues.
- Experience in model deployment, inference optimization, and GPU resource management, with strong independent problem-solving and delivery capabilities.
Preferred Qualifications
- Experience in autonomous driving or advanced driver-assistance systems.
- Knowledge of BEV perception, occupancy networks, 3D object detection, and multi-object tracking.
- Experience in camera, LiDAR, and radar sensor fusion.
- Familiarity with Transformer architectures, CNNs, and vision foundation models.
- Experience in large-scale driving data management, automated annotation, and data-loop infrastructure.
- Knowledge of CUDA, TensorRT, ONNX, distributed training, model quantization, and inference acceleration.
- Experience with production-grade autonomous driving systems or real-world road applications.
Engagement & Compensation
This is a project-based engagement. Compensation will be negotiated according to project scope, technical complexity, workload, and delivery requirements. Payments may be arranged by project milestones or deliverables. Long-term collaboration opportunities are available.
How to Apply
Please send your CV/Resume to:
careers@omnixdrive.com
Please include your professional experience, technical expertise, relevant projects, individual contributions, model development experience, expected project compensation, and availability.
Website: https://OmnixDrive.com
OmnixDrive — Driving the Future of Intelligent Mobility Through AI.
OpenAI考虑将数据中心重新包装为“AI算力园区”
随着人工智能产业进入大规模基础设施建设阶段，数据中心正在成为科技行业最具争议的话题之一。巨大的电力需求、冷却系统消耗的水资源、土地占用以及对当地电网的压力，使得越来越多社区居民开始反对在附近建设大型数据中心。面对这种局面，OpenAI正在考虑改变对数据中心的宣传方式，甚至可能将其重新命名为“AI算力园区”（AI Compute Campuses）。
阅读全文
韩国将向AI、数据中心投资21.3万亿韩元 4.6万亿押注自研顶尖大模型
韩国总统李在明周一表态，将对人工智能及其他未来增长引擎产业加大力度投入，以此提振韩国经济潜在增速，落实他所提出的“全民共享增长”目标。李在明在国会发表讲话时作出上述承诺，同时呼吁朝野两党协力，推动2027年度预算案顺利通过。
阅读全文
华尔街日报披露苹果与闪存供应商谈判细节 开会到半夜 中途不吃饭不休息
长期以来苹果凭借庞大的采购规模，在闪存供应链中拥有极强的议价能力。但随着 AI 数据中心大举采购存储芯片，闪存供应商找到愿意支付更高价格的新客户，因此苹果与供应商之间的谈判天平正在发生变化。
阅读全文
谷歌能源负责人：太空数据中心成本最高可达地面的100倍
谷歌数据中心能源负责人本周表示，太空数据中心的成本最高可能达到地面数据中心的100倍。谷歌自身正在轨道上测试AI服务器芯片，此番表态，给火热的太空算力概念泼了一盆现实冷水。
阅读全文
OpenAI承诺：极端天气下 旗下美国数据中心可削减用电负荷
OpenAI承诺，在美国由其直接投建的数据中心园区，当极端天气或其他紧急情况造成电网承压时，将主动降低用电量。正当AI算力中心的高耗电问题引发公众与政界反对、拖累行业扩张计划之际，OpenAI正推进自建数据中心。
阅读全文
欧洲多国超市冷柜遭网络攻击 黑客远程升温致大量食品报废
欧洲多国近日遭遇一起罕见的针对实体基础设施的网络攻击事件。比利时、荷兰、瑞典以及卢森堡等国多家超市的冷藏和冷冻设备在同一时间段出现异常升温，大量食品因此变质报废。事件被认为是继数周前法国大规模冷链系统遭黑客攻击后，又一次针对超市制冷设备发起的跨国网络袭击。
阅读全文
哲学教授质疑太空散热 马斯克怒骂：你完全是个智障
北京时间昨晚，X用户扬·布鲁尔森（Jan Broersen）发帖质疑马斯克的太空算力方案。全文如下：“我对埃隆·马斯克的敬意已经消失的差不多了，但我仍以为他至少是个不错的工程师（特斯拉是好车）。可听到他说在太空里‘把东西冷却下来’更容易之后，连这最后一点敬意也消散殆尽了。事实正好相反。真空是最好的隔热体。在太空里，你只能靠辐射把热量带走。这些太空数据中心极不可能成真（当然也不会在我们有生之年成真）。”
阅读全文
英国网络安全机构拉响警报：AI时代将至 老旧系统面临新型网络威胁
英国国家网络安全中心（NCSC）近日发布警告称，英国关键基础设施运营方必须尽快为下一代网络攻击做好准备。该机构预计，到2028年前后，由人工智能驱动的恶意软件和勒索软件攻击将成为现实威胁，而大量仍在使用老旧系统的组织可能成为重点目标。
阅读全文
Google封杀涉恶意后门厂商 数百万Android TV设备安全事件曝光
Google日前披露一起波及Android TV生态的大规模安全事件。一家获得官方认证的Android TV设备制造商被发现长期在产品中预装隐藏后门程序，并向第三方出售访问权限用于分发恶意软件。在调查完成后，Google宣布与涉事企业彻底切断合作关系，并采取法律行动关闭相关恶意网络基础设施。
阅读全文
苹果交出史上最“贵”的一份财报
“这是一场百年一遇的洪水。”几个月前，库克（Tim Cook）这样形容AI数据中心引发的内存涨价潮。如今，接班的特纳斯（John Ternus）交出了上任后的第一份财报，形势很清晰：库克所说的洪水淹了整个手机行业，苹果靠涨价暂时站在了岸上，但水位还在上涨。
阅读全文
又亏了20亿，天合光能欲卖子“回血”自救
（本文作者为 达摩财经，钛媒体经授权发布）
文｜达摩财经
自2023年以来，光伏行业进入深度调整期，昔日大举投资扩产的光伏龙头相继出现大额亏损。为改善债务结构、缓释短期财务风险，光伏行业在近几年纷纷削减短债并置换为长债。但受制于行业盈利能力迟迟未能恢复，叠加业务转型带来的刚性资金需求，部分光伏公司不得不采取更多手段回笼资金。
光伏行业龙头天合光能（688599.SH），正在筹划一场卖子“回血”的交易。
10月30日晚间，上市公司深南电A（000037.SZ）发布公告称，公司与天合光能及其全资子公司天合科技签署《股权收购意向协议》，计划以现金方式收购天合科技全资子公司天合开拓者光伏支架（江苏常州）有限公司（下称“天合支架”）不低于51%且不超过70%的股权。
此次交易完成后，天合支架将成为深南电A的控股子公司。但目前该交易还处于初步筹划阶段，最终股权比例、交易价格、支付安排等核心要素仍待进一步协商。
对于此次出售，天合光能方面回应称，本次交易拟引入战略合作方，充分发挥协同效应，强强联合，互利共赢。公司将充分发挥光储智慧能源整体解决方案战略优势，持续夯实光储主业，聚力AIDC算电协同创新。
交易披露后的两个交易日，天合光能的股价也有所回暖。至11月3日收盘，公司股价收于10.41元/股，当日涨幅1.96%，总市值为244亿元。但与2022年时的股价高峰84.53元/股相比，如今公司股价已跌去近九成，总市值也蒸发超1600亿元。
作为天合光能的实控人，高纪凡的身价随之缩水。2022年时，高纪凡曾以525亿元的身价登上胡润百富榜第81位。但以最新股价计算，高纪凡及其妻子吴春艳的持股市值合计约为75亿元。
值得注意的是，年内天合光能股价持续下行之际，高纪凡还曾转让过部分持股。
今年8月，高纪凡及其全资持股的江苏盘基投资宣布通过询价转让的方式减持天合光能股份，最终以12.59元/股的对价，转让了1.55%的公司股份，合计套现约4.57亿元。减持完成后，高纪凡及其一致行动人的持股比例降至31.04%。
彼时天合光能表示，此次转让是出于个人资金需求及前期债务还款安排。据公司了解，实控人个人债务偿还已做妥善安排，对公司控制权不构成影响。
高纪凡的偿债或与天合光能私有化时的一笔借款相关。2017年时，天合光能美股私有化回A，为巩固控制权，高纪凡借款逾45亿元增持天合光能，该笔借款至2022年到期。经历两轮延期后，这笔债务的还款期限展期至今年9月。
卖子“回血”
即将易主的天合支架，主营光伏支架这一天合光能重点业务。
公开信息显示，光伏支架是光伏发电系统中为了摆放、安装、固定光伏组件而设计的专用支架，而天合支架主要销售能自行转动的智能跟踪支架。该产品可以提升光伏组件日均发电能力。
2018年，天合光能通过收购西班牙公司Nclave进入光伏支架领域，进而成立子公司天合支架。此后，天合支架的规模持续提升，据第三方机构伍德麦肯兹（Wood Mackenzie）数据，2025年，天合支架在全球跟踪支架行业中综合排名第二位。
天合光能董事长高纪凡也将天合支架视作公司转型的抓手之一。此前高纪凡在接受采访时表示，公司推动硬件产品和软件产品创新，布局的集中式电站、分布式电站、储能、跟踪支架等解决方案产品和业务已占2025年整体营收的约三分之一。
据天合光能财报，今年上半年，天合支架所属的系统解决方案业务实现营收96.58亿元，净亏损1.9亿元。不过，天合光能并未单独披露光伏支架业务的业绩情况。
天合光能之所以要出让这样一家重要的子公司，也是为了加速回笼资金。
2020年至2023年期间，光伏行业迎来一轮快速发展，但行业也因此迅速陷入过剩状态，导致硅片、硅料、组件等光伏产品价格迅速下降，进而拖垮了光伏公司的业绩。
2023年至2025年间，天合光能的营收分别为1133.92亿元、802.82亿元、669.75亿元；归母净利润分别为55.31亿元、-34.43亿元、-70.31亿元。
至今年前三季度，天合光能业绩下滑的趋势有所减缓，但公司仍未走出亏损。前三季度公司营收同比下滑3.99%至479.78亿元，归母净亏损同比收窄53.77%至19.42亿元。
持续亏损之下，天合光能的财务状况也愈发吃紧。
早在光伏行业陷入周期性产能过剩之初，许多光伏企业就开始调整债务结构，将大量高利息短债置换为长期债务，以减轻短期债务压力。但在此后的几年中，光伏厂商盈利能力始终未能恢复，曾经的长期债务却相继到期，让企业的现金流进一步承压。
以天合光能为例，2022年末，公司货币资金余额为191.43亿元，同期公司短期借款余额为97.18亿元，一年内到期的非流动负债余额为39.54亿元，长期借款余额为35.72亿元。
此后几年间，公司短期借款余额有所下降，但一年内到期的非流动负债和长期借款余额快速增长。
今年三季度末，天合光能货币资金余额为207.79亿元，同期短期借款余额82.17亿元，一年内到期的非流动负债余额89.95亿元，而长期借款余额高达153.13亿元。且天合光能的货币资金中，有一大部分是受限资金，今年6月末时公司受限货币资金余额高达73.80亿元。
为了减轻财务压力，天合光能年内多次出售旗下资产。除此次出让天合支架控制权外，公司还于今年3月及4月两次向国银金租出售户用光伏电站及配套设施，价格合计36.46亿元。
开拓新曲线
天合光能出售资产回笼资金，不单是为了减轻自身的财务压力，也是为业务转型提供弹药。
早在2019年，天合光能就开始拓展储能业务。彼时公司与鹏辉能源合资设立了天辉锂电，试水制造储能电池。同年公司规划了10GWh磷酸铁锂电芯产能和10GWh储能模组生产线。
在光伏业务陷入亏损之际，天合光能的储能业务发展迅速。2025年，公司储能业务收入同比增长83.3%至42.80亿元。该业务整体也能够为公司贡献盈利，2026年上半年，该业务利润为1.35亿元。
财报显示，2026年上半年，天合光能储能业务出货量超过5GWh，出货量同比增长188%，海外项目数量同比增长250%。截至今年6月底，公司全球储能系统累计发货量已突破25GWh。据标普全球能源报告，2025年，天合光能在全球储能系统集成商中排行第8位。
随着近年来AI行业发展，算力基础设施对于发电、储能的需求也在增加。天合光能目前也在抓住机遇，面向AIDC场景提供能源配套解决方案，聚焦算电协同发展。
天合光能同样未放弃在光伏业务上进行进一步突破。
天合光能此前一直主打N型TOPCon组件业务，但公司也在布局其他技术路线，包括BC、钙钛矿等。据国泰海通证券研报，天合光能聚焦单面屋顶市场的THBC产品预计于今年下半年开始量产；钙钛矿叠层电池将于2028年至2029年间进入小规模量产阶段。
仅从收入占比上看，如今天合光能的储能业务收入仅占总收入的7%左右，尚难以填平光伏业务下行带来的业绩缺口。且随着越来越多的储能公司扩产，未来公司储能业务是否会遇到更多竞争，仍待市场给出答案。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
字节的AI战略收拢：Coze企业版下架
（本文作者为 Tech商业，钛媒体经授权发布）
文 | Tech商业
10月29日，字节跳动旗下的AI应用开发平台“扣子”（Coze）正式发布《扣子企业版下线公告》。公告宣布，企业标准版与企业旗舰版将于2026年11月30日起停止接受新客户购买，存量套餐最晚于2027年12月31日全面下线，超期未使用部分将自动退款。
消息一出，业内哗然。在2025年的市场统计中，扣子还曾以19.3%的市场份额稳居中国智能体开发平台公有云市场第一。但在庞大的字节帝国里，市占率第一的光环，并不能保证一个产品线的独立生存权。
扣子企业版的退场，并非一场突如其来的意外，而是一场自上而下的战略裁决。它标志着字节跳动的AI战略正在全面走向“收拢”，也向外界展示了字节内部资源调配的底层逻辑：在“粗主干”战略面前，任何未能形成爆发式商业闭环、且与主干业务重叠的边缘产品，都随时可能面临被降级、整合甚至关停的命运。
组织架构的先兆
扣子企业版的命运，在2026年夏天就已经写好。
将时间线拉回2026年7月底，字节跳动进行了一轮极其低调但影响深远的组织架构调整。飞书产品团队与豆包产品团队正式整合，由豆包负责人统一负责；同时，飞书GTM（Go-to-Market）团队划归火山引擎。紧接着的8月24日，TRAE和扣子团队被整体并入豆包体系，办公相关能力与豆包深度融合，TRAE IDE和CLI转为豆包品牌下的编程产品线。紧接着，字节于8月25日正式推出独立的AI办公产品“豆包工作”。
这一系列密集的动作，是字节AI战略收拢的前奏。在随后的内部全员会上，字节跳动CEO梁汝波明确提出了“高度优先，粗主干，优化长期”的业务原则，并希望豆包能成为如同抖音一般的主干业务。
在“粗主干”的逻辑下，字节的资源正在向极少数的核心目标倾斜。过去，字节擅长“赛马机制”，允许各个团队在细分赛道自由探索，跑出来的获得全量资源。但在AI时代，底层大模型的训练成本、算力消耗以及企业级服务的交付成本极其高昂。当AI竞赛进入深水区，大厂必须集中优势兵力打歼灭战，再也无法承受多条战线同时进行高昂的试错。
扣子自2024年上线以来，凭借零代码搭建Bot和一键发布到飞书、微信、抖音等生态的优势，积累了海量开发者。2025年下半年，扣子试图切入企业办公提效，推出了企业标准版和旗舰版。
但这恰恰触碰了字节当下的战略红线。字节高层的判断非常清晰：办公Agent的仗，必须由“豆包工作”这个主干品牌和火山引擎的私有化底座去打。扣子作为一个独立的办公企业SaaS套餐，不仅与“豆包工作”的功能边界日益模糊，甚至形成了内部同质化竞争。在字节的版图中，办公场景的未来属于豆包，底层算力与企业级交付的未来属于火山引擎。而夹在中间的扣子企业版，失去了独立存在的组织土壤。
第一名的商业困境
让扣子企业版失去独立存在资格的，不仅是组织的意志，还有冰冷的商业数据。
虽然扣子在2025年拿下了中国智能体开发平台公有云市场19.3%的份额，位列第一。但同一份测算显示，该年智能体开发平台公有云市场全年规模仅约2.5亿元。按此测算，扣子的平台产品收入约0.48亿元，不足五千万元（该数字为基于市场规模的估算，不含模型调用与云资源，并非字节官方财务数据）。
这是一个极其刺眼的数据。在互联网大厂的评价体系里，一个全年营收不足五千万、且需要持续投入大量研发和算力资源的平台产品，一旦失去独立增长的爆发力，就会迅速从“战略级资产”降级为“边缘耗材”。
2025年下半年，企业级AI Agent市场迎来了激烈的抢滩战。腾讯WorkBuddy凭借企业微信这一国内渗透率最高的B端组织连接器，打通了身份、通讯录、聊天和文档，迅速覆盖了半数中国500强企业；阿里则依托钉钉生态持续施压，并在此后整合千问办公能力，在B端阵地步步紧逼。
在这样的大厂ToB肉搏战中，扣子企业版并没有发挥出足够的火力。它既缺乏像企业微信那样具有绝对统治力的B端连接器作为护城河，在私有化部署、数据合规与企业级治理的硬核能力上，又不如火山引擎的底座扎实。对于字节而言，用一个独立的企业SaaS套餐去和腾讯、阿里打消耗战，投入产出比极不划算。
于是，字节选择了最符合自身利益的解法：不再让扣子以独立的SaaS套餐形式去试错，而是将其能力拆解。办公属性融入“豆包工作”，开发属性回归纯粹的开发者与垂直场景平台。集中优势兵力，用主干产品去打大厂间的正面战争。
分兵作战与主力会战
扣子企业版的下架，是字节AI整体战略从“分兵作战”转向“主力会战”的缩影。
梳理字节在AI领域的布局，可以清晰地看到三条主线：面向C端的豆包App，面向B端办公的飞书及即将推出的“豆包工作”，以及面向底层基础设施与ToB交付的火山引擎。而扣子，原本被寄予厚望成为连接开发者、企业与字节生态的“万能胶水”。
但“万能”往往意味着“不精”。在AI发展的早期，行业需要低门槛的构建平台来教育和繁荣生态。但当行业进入商业化落地阶段，企业客户需要的不再是一个可以随便拼凑插件的简单平台，而是深度嵌入业务流、具备极高安全性和可观测性的数字员工。
这正是“豆包工作”与火山引擎的组合可以提供的。飞书团队多年的B端产品经验、豆包在模型能力上的持续迭代，加上火山引擎在云原生与私有化部署上的基础设施，构成了字节ToB战略的完整拼图。
在这个新拼图里，扣子企业版的位置变得十分尴尬。如果继续保留其独立的SaaS套餐，不仅会造成内部资源重复投入，还会给客户带来认知混乱——客户到底是该买扣子企业版，还是等“豆包工作”？对于以“大力出奇迹”和“极致效率”著称的字节来说，这种内部的摩擦与内耗是不可接受的。
因此，扣子企业版的退场，本质上是一次内部的资源重组。字节通过组织手段，强行理顺了产品线，确保所有力量汇聚于“豆包”和“火山引擎”这两个最核心的支点上。
大厂产品的“耗材论”
扣子企业版的命运，也是大厂内部赛马机制的典型终局。
在科技圈，有一个越来越明显的趋势：大厂AI产品的存续周期，甚至比创业公司的产品还要短。仅2025年，全球范围内就有大量AI工具停止服务；OpenAI自身也有多个AI工具在不足一年内停止独立服务，例如ChatGPT Atlas浏览器和可视化Agent搭建工具Agent Builder均在上线后不久即宣布下线。
这背后的本质不是大厂做不好AI，而是大厂对待AI产品的逻辑变了：产品不再仅仅是用来赚钱的独立实体，更是验证战略方向的“耗材”。
大厂产品的短周期，往往是“功能被吸收”。无论是扣子企业版的办公能力被整合进“豆包工作”，还是OpenAI的各类小工具被拆进ChatGPT主端。从产品品牌的视角看，它们退场了；但从能力的视角看，它们换了一个更强大、更核心的容器继续存在。对大厂而言，这是资源再配置的必要代价，也是保持组织战斗力的必然选择。
在大厂的机器里，没有哪个具体的产品是不可替代的，只有公司的战略目标不容动摇。当一个产品无法独立支撑起百亿级的想象空间，或者当它的存在影响了主干业务的推进时，被收编、被下线就是它必然的宿命。字节对扣子企业版的果断切割，展现了这家巨头在战略聚焦上的冷酷与高效。
创业公司的生态位
扣子企业版的退场，给整个AI Agent赛道留下了深刻的启示。
对于大厂内部的产品团队而言，判断一个产品能否长久独立存活，不仅要看外部用户的增长，更要看它是否处在公司的“主干”上。一旦与核心战略产生重叠或冲突，再高的市占率也可能在一夜之间被收回。
而对于创业公司和中小厂商来说，大厂的战略收拢恰恰是一个巨大的机会。大厂战略收拢，意味着它们放弃了那些“又苦又累”、需要极度贴合特定行业流程、且无法形成平台级垄断的细分市场。
例如开源AI平台Dify，它于2026年完成3000万美元融资，并选择了一条大厂不愿意走的重活路线：把控制权交给客户，赚取企业为“数据不出门”和“系统可治理”买单的订阅费。Dify不去争夺海量的个人开发者，而是直接切入对数据安全极度敏感的中大型企业，让客户把系统装进自己的机房里。
避开大厂的“主干”航道，去做那些大厂不愿意做的重活、脏活，去服务那些大厂标准化产品无法覆盖的长尾需求，反而能建立起大厂无法轻易拔除的护城河。在大厂追求“粗主干”的时代，垂直与定制，就是创业公司最好的壁垒。
Agent赛道还远未到终局。当AI Agent的计价方式从“软件订阅”转向“任务交付”，千亿级别的市场空间才刚刚打开。
字节的收拢与扣子企业版的退场，只是这场漫长马拉松中的第一个路标。它提醒所有从业者：在巨头的版图里，产品永远服务于战略，随时可能被按下停止键；而在独立闭环里，产品必须服务于客户，只有解决具体的痛点，才能掌握自己的存续权。在AI这场残酷的淘汰赛中，认清自己的生态位，比盲目追求大而全更重要。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
拆掉“楚门”之后：百度AI的旧引擎与新建制
（本文作者为 Tech商业，钛媒体经授权发布）
文 | Tech商业
原基础模型研发部负责人吴甜的离开，为文心过去一年的承压添了一个人事注脚。。但人事从来只是表层。真正值得追问的是：当百度在2026年连续拆掉职级标签、合并管理通道、把基础模型研发交给一位29岁的外部博士时，它拆掉的究竟是什么？是“楚门世界”的墙，还是墙倒之后，露出了更难以修补的地基？
百度AI的困境，不在某一个模型版本的跑分，也不在某一位高管的去留。它藏在一组同时发生、方向相反的事实里：AI收入首次超过传统广告，但利润在收缩；组织层级被大幅压平，但产品入口到年中才勉强统一；搜索的垄断地位尚未被正面攻破，但“搜索”这件事本身正在被拆解成按次计价的商品。旧引擎在失速，新引擎在轰鸣，而连接两者的传动轴，始终没有装上。
一场被误读的职级改革
2026年4月28日，百度通过全员信宣布了一件事：从5月1日起，取消沿用多年的T、P、E、Band、M字母职级标签，把中管层以下的专业通道与管理通道全面打通，统一为5至12级的数字职级体系。官方措辞是“打破机制性壁垒”，但落在组织肌理上的真实效果，远比一句管理学术语复杂。
字母职级在百度运行了多年，它的隐性功能从来不只是薪酬刻度。T序列和M序列的分野，在事实上标记了“谁做技术”和“谁管人”的身份边界。一个工程师走到某个节点，如果不转入管理序列，就很难获得与之匹配的资源和话语权。这套逻辑在稳态业务中尚可运转，但在大模型这种以“周”为迭代单位、技术判断的价值远高于管理协调的领域，它制造了一种结构性错配：最接近模型真实状态的人，往往不是掌握资源分配权的人；而掌握资源分配权的人，又隔着一层甚至多层汇报，才能触达模型的一线反馈。
李彦宏此前关于“CEO被中高层构建的楚门世界所隔绝”的反思，指向的正是这种信息衰减。但“楚门世界”的比喻容易把问题人格化——仿佛是一群中层在刻意粉饰。更准确的说法是：当管理通道成为技术人才几乎唯一向上走的路径时，组织就会批量生产“管理者”，而不是“技术决策者”。职级改革试图从制度上拆掉这个惯性，让技术贡献不再必须经过管理岗位的折算才能被看见。方向是对的，但它同时也释放了一个巨大的不确定性：那些在旧体系中靠“协调”和“汇报”获得位置的人，在新的单一通道里靠什么定义自己的价值？
2026年5月成立的模型委员会（BMC），以及7月孙天祥以BMU负责人身份直接进入BMC，可以看作对这个不确定性的回答：把决策权从管理链条中抽出来，交给模型一线的人。但组织手术的悖论在于，拆掉旧层级的同时，往往需要新的协调机制来填补真空。BMC本身就是一个协调机构。如果它最终沉淀为又一层审批节点，那么职级改革所释放的敏捷性，会在新的委员会架构里被重新吸收。此前吴甜在卸任基础模型研发部负责人后转岗研究院并最终离开，只是这场组织调整浮出水面的一个注脚，而非原因。
组织变革的成效，从来不取决于架构图画得是否扁平，而取决于第一个真实的坏消息，需要经过几个人才能到达能拍板的人那里。
AI收入过半的“含金量”
2026年第一季度，百度AI业务收入136亿元，占一般性业务收入的52%，历史上首次超过传统广告。这是一个象征意义极强的数字。但如果把它当作“转型成功”的证据，就忽略了收入结构内部的质地差异。
拆开这136亿元：AI云基础收入88亿元，占AI业务的近三分之二，同比增长79%，其中GPU云收入增速达到183%。AI应用收入25亿元，AI原生营销收入23亿元，后两者的体量和增速都远不及云基础。这意味着，百度AI收入过半，在很大程度上是算力租赁和云基础设施的胜利，而不是模型能力在应用层兑现的胜利。GPU云的高速增长有真实的商业需求支撑，但它的竞争壁垒更多来自供给端的算力稀缺和价格，而非文心模型本身的不可替代性。当一个客户购买GPU云时，他并不必然在使用文心；他可能在训练自己的模型，也可能在托管别人的开源模型。
与此同时，旧引擎的收缩没有停下来的迹象。2026年第二季度，百度在线营销收入131亿元，同比下降19%，这已经是连续第四个季度两位数下滑。第一季度传统搜索与信息流广告收入102亿元，同比降幅达到29%。百度App月活从上年同期的7.35亿降至6.44亿，按相同口径下降约12%。搜索基本盘的用户厚度仍在，但“厚度”和“变现能力”之间的裂缝在扩大。
于是出现了一个财务上的错位：AI云填补的是收入端的缺口，却填不上利润端的缺口。 广告是百度历史上毛利率最高的业务，一条搜索广告的边际成本趋近于零；GPU云则需要持续购置芯片、建设数据中心、承担折旧和电力成本。AI业务收入占比越高，收入的“含金量”反而可能越低。这不是百度的独有问题，但它对百度的特殊压力在于：搜索广告下滑的速度，快于AI云利润改善的速度。用一只正在流血的现金牛，去供养一台尚未产生足够毛利的增长引擎，中间的时间差，就是百度真正的风险敞口。
搜索没有被打败，但“搜索”被拆开了
2026年10月17日，DeepSeek开放自研搜索引擎API，千亿级网页索引，每1000次成功请求约5元，明确以过滤SEO作弊和低质AIGC为卖点。消息出来后，百度股价一度大跌超过5%。
市场反应的剧烈程度，超过了很多观察者的预期。原因不在于DeepSeek的API会立刻取代百度的消费级搜索框——它目前确实只是一个面向开发者的接口，而不是一个面向普通用户的搜索产品。真正让资本市场紧张的是它改变了“搜索索引”的经济属性。过去，一个覆盖中文互联网的索引库是巨头才能拥有的重资产，是壁垒本身；现在，它被摆上货架，按次出售，变成了任何AI应用都可以接入的基础投入品。
百度真正的脆弱之处，不在于有人做了一个更好的搜索框，而在于“搜索”这个行为正在从“一个用户主动前往的目的地”，变成“任何一个AI应用都可以内置的能力”。 当用户在豆包里提问、在微信里搜索、在Kimi里查资料时，他并没有“离开百度”的自觉，但百度作为信息入口的默认位置，已经在一次次的对话中被绕过了。百度AI搜索月活仍有3.22亿的底盘，这说明百度的搜索产品本身没有消失；但底盘的价值取决于它还能不能继续充当商业变现的闸门。当闸门上游的水流被分散到无数条新渠道时，闸门本身再宽，收上来的水费也会变少。
百度并非没有尝试把搜索框改造成“任务框”，让文心助手在搜索场景里承担答案生成和任务调用的角色。但这个改造面临一个内生的两难：AI搜索越接近“直接给出干净答案”，传统竞价广告的展示位就越没有附着之处；而如果为了保住广告库存而在AI答案里夹带商业内容，用户体验就会滑向一个“什么都想要、什么都给不干脆”的中间态。文心5.1上线后用户反馈中反复出现的“变傻”和“广告夹带”，正是这个两难在产品层面的投影。一个只是咨询赔偿流程的提问，回答末尾却推送律师事务所联系方式——这种体验损耗的不是某一个版本的口碑，而是用户对“百度AI搜索”作为一个可信信息工具的耐心。
入口的账，拖到年中才还
如果说搜索的商业化两难是结构性的，那么百度在AI产品入口上的混乱，则更像是一笔可以早还、却一直拖到利息滚大才还的账。
直到2026年6月，百度才把文心一言网页版、文心APP网页版与百度文心助手网页版合并，统一到chat.baidu.com。在此之前，仅仅在PC端就同时存在“文心”“文心一言”“文心助手”三个产品形态，定位重叠、命名交错。有百度员工私下表示，连自己都理不清公司到底推出过多少个AI产品命名。
入口分散的直接代价是用户认知的稀释。一个大模型产品需要用户形成稳定的使用习惯，而习惯的前提是“我知道去哪里找它”。当同一个公司用三个名字指向三个入口、且彼此之间的功能边界并不清晰时，每一次品牌曝光都在制造新的困惑，而不是积累认知资产。更深层的代价在于组织信号：入口的混乱本身就是“楚门世界”在产品端的镜像。如果不同业务线可以各自推出定位重叠的AI入口而长期不被收敛，说明内部的协调机制在相当长的时间里没有对“什么是对用户最清晰的选择”做出裁决。2026年6月的合并是一个正确的动作，但它来得太晚，晚到文心独立App的月活已经跌出前十，晚到用户对百度AI产品的第一印象已经被“到底该用哪个”消耗掉了。
新度量衡与旧肌肉
2026年5月的Create大会上，李彦宏提出了一个新的度量衡：日活智能体数（DAA），并宣布百度将围绕“芯云模体”全栈能力来支撑智能体爆发。这个提法本身是敏锐的：当AI的竞争从“模型能回答什么”转向“模型能替用户完成什么”，智能体的活跃度确实比模型跑分更能反映真实的产品价值。
但一个度量衡的意义，取决于组织有没有能力把它当成决策依据，而不是叙事装饰。如果DAA的增长主要来自百度自有场景（搜索、网盘、文库）内的智能体调用，而第三方开发者和企业客户在百度智能体平台上的活跃度没有同步起来，那么这个指标就更接近“内部流量在AI形态下的再计数”，而不是生态层面的真实渗透。文心5.0曾在2026年1月短暂拉回口碑，5.1上线后又在用户端出现反复，这说明模型能力的稳定性尚未形成一条持续向上的曲线，而智能体的可靠执行恰恰以模型的稳定性和一致性为前提。一个在单轮对话里文采斐然、但在多步任务中偶尔“变傻”的模型，很难支撑起“智能体”所要求的信任密度。
百度手中并非没有牌。AI云和GPU云的增长证明它在算力供给端仍然是一个有分量的玩家；搜索的存量用户厚度意味着它还有一个巨大的场景可以用于模型迭代和产品试验；职级改革和BMC的成立说明组织层面已经意识到旧机制不可持续。但这些牌要打成一手连贯的局，需要的不是再一次架构调整，而是一个更朴素的东西：让产品决策回到那些真正理解模型能力边界的人手中，并且让他们的判断不被短期广告库存和内部协调成本反复稀释。
“起大早，赶晚集”的叙事之所以反复出现，不是因为它宿命，而是因为百度在每一次技术浪潮中都在同一条河段里摔倒：看见趋势的能力很强，把趋势翻译成产品的能力很弱。翻译的损耗，发生在中层的过滤里，发生在职级对技术判断的折价里，发生在广告库存对体验的绑架里，也发生在入口的各自为政里。拆掉“楚门世界”只是翻译的第一步。拆掉之后，新的句子能不能被写出来，取决于百度敢不敢让那些最接近模型的人，同时拥有定义产品的权力和承担产品后果的责任。
时间窗口在收窄，但真正的倒计时不在竞争对手的发布节奏里。它在百度自己身上：下一个真实的坏消息，能不能比市场更早到达能改变它的人手中。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
AI被“催收”的财报季，腾讯、阿里开启智力产能重估
（本文作者为 港股研究社，钛媒体经授权发布）
文 | 港股研究社
AI第一次被催着交出收入成绩。
因为市场对全球科技巨头的AI资本开支计划产生了担忧情绪。
10月底，谷歌交出三季报，单季自由现金流转负90亿美元，股价一天跌去近13%，创下上市以来最大跌幅。微软、亚马逊的资本开支还在加码，Meta启动350亿美元股权融资。
高盛预计，明年美国科技公司发债规模将达到4200亿美元。这让投资者愈发担心“七姐妹”的现金流。
事实上，在财报季之前，中国科技巨头已经率先开始了新一轮“找钱”行动。
字节从近30家银行拿下296亿美元无抵押银团贷款；阿里在香港配售新股募集800亿港元，全部投给AI；腾讯发行了期限长达30年的债券。
融资挤出效应，一度让恒生科技指数近两月下跌超15%，最近几天，美股科技板块也因此下跌。
AI的资本狂热退烧。但有意思的是，随着AI资本开支扩张担忧被消化，港股先一步出现了利好催化的估值修复迹象。
10月29日，腾讯公布WorkBuddy上线七个月累计完成90亿次任务请求；三天后，千问办公走进李佳琦直播间，半小时卖出约10万份会员月卡。
财报季期间，AI产业可能迎来又一个产业与资本的拐点，投资逻辑随之换挡。
AI二次创业，巨头重新变回融资方
找钱的巨头，已经逐渐偏离大家熟悉的“科技资本”“生态打法”标签。
互联网时代，中美科技巨头已经成长为行业内最大的产业资本。但到了AI这时代，这些公司重新变回资金的需求方。
过去两年，资本市场默认AI的每一笔投入都能兑现成未来的收入。芯片、云服务、数据中心连成一条庞大的资本开支链条，市场愿意为这条链条提前买单，而且不问回报。
但是现在市场发现资本饥渴超出想象，而回报却仍是一张期票。
在美国，微软自研模型，把AI装进Office和Azure；谷歌用自研芯片撑起全家桶；Meta重金组建超级智能实验室，2026年资本开支预计最高1450亿美元；OpenAI的星际之门，直接绑上了甲骨文的资产负债表。
在中国，字节打Token消耗战，豆包大模型日均调用量超过180万亿；阿里把千问开源，用云和自研芯片迎接需求；腾讯重建混元，同时坚持多模型开放，把选择权交给用户。
科技巨头最初的共同方向是，用巨额资本堆基础设施，靠订阅和API收费。不过，市场很快发现这笔支出很难收回。
晚点LatePost曾报道，豆包月活超过2亿，日收入却不足百万元。美国这边，也有分析估算OpenAI到2028年累计亏损将超过1670亿美元，叠加Anthropic财报不及预期，市场转向消极态度。
投资者的关注点被动转移，从模型的参数和榜单，移向任务的完成量和消耗的量。
顺着这个逻辑看，腾讯和阿里为什么会被重估，一个把Agent做进办公和企业服务，一个直播间向大众卖Token，还把AI装进苹果手机。
智能体（Agent）消耗是远超对话框的，如果腾讯和阿里能够跑通“完成任务”的办公市场，那么AI商业化进度条可能被大大拉动。
AI办公，是一门按“任务完成”收费的生意
企业级Agent崛起后，AI商业化正在更换计价单位。
AI卖能力：API按调用次数计费，软件按人头收订阅，这个模式跑通了开发者市场，规模始终有限。
今年以来，一种新的收费方式开始规模化：按用量、按任务收费。
客户不为模型付钱，为消耗掉的Token和完成的任务付钱。
办公是率先验证这个逻辑的场景：需求高频，效果可量化，付费方是企业。
90亿次任务请求背后，腾讯在加速构建办公与企服生态。
10月29日的全球数字生态大会上，腾讯发布打通文档、会议等底座的Buddy One，WorkBuddy企业版同步升级：落地50多个行业，中国企业500强里有一半在用，开放平台上聚集了5万多家伙伴和开发者，上架的Skills超过20万个。
AI产业的新度量衡诞生了，任务请求的次数、Token消耗的量。
模型能力依然重要，但对拥有成熟软件体系的平台来说，协同能力可能比单纯的参数领先更具商业意义。AI的价值单位，正在从“能力”变成“用量”。
紧随其后，阿里干了一件真正破圈的事，直播间卖Token。
双11前夕，千问办公会员登陆李佳琦直播间。原价28元的月卡以0.01元上架，半小时售出约10万份，对应约2万亿Token。
“3、2、1，上Token！”和支付宝当年在春晚集五福异曲同工，借一个国民级场景，把新技术送进普通人的视野。
Token本来只是大模型的计量单位，普通消费者不关心，但当Token变成直播间里可以下单的商品、变成会员权益里看得见的额度，AI的商业化被大众看见。
类似的渗透，互联网软件已经证明了路径可行性。办公软件走进职场，移动支付走进菜市场，都是巨头一步步推出来的。
AI正在走同样的路：腾讯把Agent做进企业微信，阿里把Token挂上货架。人们第一次能在日常和工作中，直接感受到这轮技术变化。
AI驱动的生产力飞跃，更可能利好每一个人。
过去两年，市场谈AI对就业的冲击，谈的是哪些岗位会被替代，牛马会不会更加牛马。
千问办公CEO陈宇森在直播间说：“AI取代不了李佳琦。我更希望帮粉丝用AI解决琐事——到点下班、陪伴猫狗、照顾家人。”
这句话，说出了科技巨头的普惠野心，真正的商业化循环，离不开每个人更高的消费需求。
科技进步，终局要回到人。《流浪地球2》里有句台词：没有人的文明，毫无意义。
从产业视角看，如果从办公到日常的Agent需求能够打开，算力正在从折旧负担变成生产性资产，AI产业化进程可能呈现向上的增长斜率。
阿里的管理层算过账：按当前AI产品的毛利水平，算力投入三年左右回本，早年采购的A100、V100至今满负荷运行。
腾讯的管理层也算过类似的账：几个月前下单的算力，现在转手可以获得超过30%的利润。
B端按任务，C端按Token，底层都是用量。用量可以计量，计量可以收费，收费可以持续。
科技巨头试图向市场证明，AI每个人相关，能够缔造国民级需求。
重估港股AI，智力像电力一样创造产能
用户规模乘以变现率。流量是资产，时长是收入。
这一股估值逻辑撑起了移动互联网的整个黄金时代，一直到现在“字节时间”还引发讨论。
但步入AI时代，用量正在取代时长，成为新的估值锚。
云厂商的财务模型越来越像电力公司：装机容量决定收入上限，利用率决定利润水平，电价决定天花板。
阿里的目标，是到2032年建成20GW的数据中心。按行业机构的测算，这大致相当于全球数据中心容量的十分之一。瑞银预计，这些产能到2032年可能转化为约1700亿美元的外部收入。
腾讯其实也殊途同归。WorkBuddy表面上是办公软件，背后是Agent Runtime、存储、安全服务，一整朵云的消耗在跟着每一次任务执行走。产品价值不在订阅费，在底层算力的持续调用。
流量变现，正在让位给产能变现。
这门产能生意的想象空间，到底有多大？
简单算一下，全球知识工作者一年的劳动报酬在30万亿到40万亿美元量级，AI能替掉一成，市场就是几万亿。这是存量计算。
阿里给出了另一种算法。
吴泳铭在云栖大会上披露，今天机器的思考总量大约只有人类的3%，未来可能达到人类的1000倍以上。
两个数字之间，是3万倍的增量空间，是生产力飞跃的体现。
历史上，类似的科技变革都证明了增量远远超出计算。
蒸汽机最早只是替人抽水，“马力”这个词就是这么来的。但机器动力真正改变世界，是造出了火车、飞机和火箭，干了再多的人和马也干不了的事。
阿里把今天的AI比作电气时代的电灯：电灯很重要，但电网铺开之后长出来的空调、冰箱和计算机，才是电气时代真正的大生意。AI也是如此。
这也是市场认知差所在。
按工资表算，AI是存量替代，天花板看得见；按机器思考量算，AI是增量创造，天花板还看不见。
AI相关收入能否连续增长，云业务的利润率能否改善，Agent的付费客户能否扩大，资本开支何时开始转化为经营现金流。
投资者不仅要关注这些传统“收入认知”下的变量，还应该关注WorkBuddy、千问办公、豆包工作，有没有让更多人拥有更多可支配时间，释放出更大的社会效率。
腾讯、阿里乃至百度、美团、快手、京东等公司拥有庞大用户入口和消费平台，都可能成为AI生产力飞跃，解放每个用户的受益者。
从这一点出发，AI价值链正在出现新的分配变化。
在基础设施建设阶段，芯片、服务器、数据中心和能源设备是主要受益环节。
进入模型服务阶段，云平台和模型公司开始通过API、Token和企业服务获得收入。
随着Agent真正进入企业和个人工作流，办公软件、行业应用和拥有用户入口的平台，则有机会获得新的价值。
AI价值的大头不一定在模型公司手中，谁掌握高频应用场景，能够连接用户需求与模型能力，将AI嵌入企业核心流程，就有机会在产业链中获得更稳定的商业价值。
港股科技股将围绕这个逻辑重估。
结语
从美股科技股对融资和资本回报的担忧看，这个财报季后，大基建叙事的狂热或许转向理性。
腾讯WorkBuddy完成90亿次任务，再阿里千问办公进入直播间销售Token，AI产业下一阶段焦点，是一家科技公司能否推动技术普惠，又有多少可以承接价值再分配红利的场景。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App