浭深

CPU“一芯难求”，英特尔连“报废品”都拿出来卖了

Wed, 29 Apr 2026 23:22:43 +0800

CPU需求热潮正在重塑英特尔的供货策略与定价逻辑——这家芯片巨头如今连原本计划报废的低良率芯片也纳入销售。

据科技媒体Tom's Hardware援引知情人士消息，英特尔目前正在出售此前通常会被报废或归入低良率区间的CPU，强劲的市场需求使客户愿意接受这些产品。

英特尔方面确认，CPU需求之旺盛，已使几乎所有可用产出——包括边缘晶粒及低良率品——都找到了买家，公司选择将这些芯片重新归级为低规格SKU出售，而非直接丢弃。

从财务数据看，这一策略已转化为实质性收入贡献。

据CRN援引英特尔向美国证券交易委员会提交的2026年第一季度10-Q季报，英特尔数据中心业务约16%的收入增长来自服务器CPU，其中ASP提升27%是核心驱动力。与此同时，英特尔当季服务器CPU出货量同比下降5%，"少卖多赚"的格局初步成形。

更深层的结构性变化或许更值得关注。随着AI应用向智能体（Agentic AI）形态演进，CPU在整体算力架构中的战略地位正在回升，这为英特尔的需求前景提供了更长期的支撑逻辑。

01 "残次品"变身商品：边缘晶粒重获价值

在半导体制造中，晶圆边缘的裸片（die）因物理特性先天存在更多缺陷，性能普遍低于来自晶圆中心的裸片。常规做法是，若某颗芯片未能达到高端规格但仍具备基本功能，厂商会将其降级至低档SKU以折价出售；若性能过差，则直接报废处理。

如今需求环境的转变，使英特尔得以突破传统良率管理边界。据Tom's Hardware报道，此前被视为废料或低良率边缘品的CPU，因客户需求旺盛而获得出路，英特尔通过"降档再销售"（binning down）将其重新定义为低规格产品推向市场。

这一做法的直接意义在于：在晶圆投入量不变的前提下，英特尔有效提升了每片晶圆的货币化效率，减少了良率损耗对营收的侵蚀。

02 ASP大涨27%：少卖多赚的定价逻辑

据CRN援引英特尔10-Q季报，2026年第一季度，英特尔将客户端及服务器CPU的ASP提升列为营收增长的主要驱动因素，尽管同期出货处理器总量少于去年同期。

服务器CPU方面，ASP同比上涨27%，增长动力来自两个方面：高端产品组合占比提升，以及基于需求状况的动态定价调整。当季服务器CPU出货量同比下滑5%，但高ASP已足以弥补量的缺口并驱动整体收入扩张。

对投资者而言，这一模式意味着英特尔数据中心业务的盈利质量有所改善——营收增长不再依赖出货量堆砌，而是更多由产品结构升级和定价能力支撑。

03 CPU需求重回视野：AI算力格局正在重塑

英特尔CPU需求的回暖，与AI应用架构的演进趋势密切相关。据路透社报道，英特尔CEO Lip-Bu Tan在上周的业绩电话会上表示，CPU与GPU的配比曾约为1:8，未来可能逐步走向1:1，甚至进一步向CPU倾斜。

这一判断与TrendForce的研究方向一致。

TrendForce指出，GPU长期主导需要大规模并行计算的AI工作负载，CPU则在内存管理中扮演辅助角色。随着智能体AI（Agentic AI）走向成熟，CPU在任务编排、工具调用及评估等核心工作流中的作用日益凸显，战略地位显著回升。

TrendForce预计，在智能体AI部署场景中，CPU与GPU的配比将从目前的约1:4至1:8，逐步向1:1至1:2演进。

这一结构性转变若持续兑现，将从需求端为英特尔服务器CPU业务提供中长期支撑，也将进一步强化其当前"供不应求"格局下的定价议价能力。

马斯克诉奥特曼庭审首日：“没有我就没有 OpenAI ”

Wed, 29 Apr 2026 23:11:00 +0800

美国时间4月28日，马斯克诉OpenAI案在加州奥克兰联邦法院开庭。

马斯克作为第一位出庭证人，试图向九人陪审团解释，他当初为何要把OpenAI办成一个非营利组织。而OpenAI CEO山姆·奥特曼（Sam Altman）、总裁格雷格·布罗克曼（Greg Brockman）则到庭旁听。

十年前，他们还是共同畅想AI未来的合作伙伴。如今，马斯克要求奥特曼和布罗克曼从OpenAI离职，并要求将全部“不当得利”归还给OpenAI慈善机构。

这场庭审的核心，是一个估值已逾万亿美元的AI巨头，以及两个曾经的朋友之间信任的彻底崩塌。

01 三大核心争议

4月27日，本案陪审团遴选已经完成。主审法官是美国加利福尼亚北区联邦地区法院法官伊冯娜·冈萨雷斯·罗杰斯（Yvonne Gonzalez Rogers），她曾于2021年主审Epic Games诉苹果反垄断案。

马斯克2024年提交的诉讼原本包含26项指控，经过前期裁定，进入审判阶段的只剩两项：违反慈善信托和不正当得利。审判被分为两个阶段——责任阶段由陪审团参与，其裁决为建议性；若认定责任成立，补救措施阶段则由法官单独审理。

4月28日上午，开庭陈述依次进行。代表马斯克、OpenAI（包括奥特曼、布罗克曼）以及微软的三个法律团队围绕三个核心问题展开了交锋。

争议一：OpenAI的使命是什么，马斯克的3800万美元捐款是否附带条件？

马斯克的律师史蒂文·莫洛（Steven Molo）当庭展示了OpenAI 2015年的创始章程。文件声明该组织“不是为了任何个人的私人利益而组织的”，将创造“为公共利益服务的开源技术”。莫洛据此主张，马斯克捐赠的约3800万美元构成了一个慈善信托，要求OpenAI永久保持非营利组织状态。

在开庭陈述中，莫洛向陪审团提出三个需要牢记的问题：

OpenAI是否有作为非营利组织运营的慈善使命，即为了人类利益开发安全、开源的AI；

奥特曼和布罗克曼是否通过建立营利性业务违反了这一使命；

微软是否知道这一使命并协助奥特曼与布罗克曼违反了它。

他直接点明“没有马斯克，就不会有OpenAI”，并称OpenAI转向营利性运营等于“违背了每一个承诺”。“任何人都不应被允许窃取慈善机构，”他说。

马斯克在证人席上也呼应了这一立场。“它特指为一个不使任何个人受益的慈善机构，”他指着创始章程说，“我本可以以营利为目的创办它，但我选择了不这样做。我选择把它做成一个造福全人类的东西。”

马斯克作为第一位证人出庭

马斯克还将案件定性为关乎慈善捐赠根基的问题：“偷窃慈善机构是不对的。如果奥特曼和OpenAI胜诉，将为掠夺美国每一个慈善机构打开大门。”他进一步警告：“这个案子的后果远远超出我或这里的每个人。美国慈善捐赠的整个基础将被摧毁。”

OpenAI的律师威廉·萨维特（William Savitt）则给出了截然相反的回应。他告诉陪审团：“问题是，OpenAI在马斯克捐赠时是否对他做出了具体承诺？答案是否定的。”萨维特坚称捐款没有附带任何条件。他还透露，马斯克从未兑现其全部捐款承诺，导致该组织不得不寻求额外支持。

萨维特还试图从OpenAI当前的结构来反驳马斯克的主张。他告诉陪审团，尽管马斯克指控，该公司并未放弃其非营利使命。非营利基金会“仍然控制着该组织”，并且“正在做治疗疾病和促进经济多样性的前沿工作”。他指出奥特曼在OpenAI没有股份，但称奥特曼通过与OpenAI有业务往来的各种公司获利，并曾表示将来可能会在OpenAI获得股权。

争议二：马斯克是否曾认可OpenAI向营利性转变？

萨维特当庭提交了一封来自前OpenAI董事会成员希冯·齐利斯（Shivon Zilis）的邮件，收件人是曾为马斯克工作的萨姆·特勒（Sam Teller）。

邮件讨论了两种重组方案：将所有内容整合到一个B类公司（即公益公司），或分设C类公司和非营利组织。萨维特声称，马斯克“从未表达过OpenAI必须保持纯粹非营利组织的观点”，并称他“只支持营利性机构，只要他掌控一切”。

萨维特还提供了关于股权分配的细节。他向陪审团展示的证据显示，马斯克幕僚长曾讨论过给马斯克55%的营利性股份，而给奥特曼7.5%的股份。

莫洛则在开庭陈述中预先回应了这个问题。他承认马斯克确实讨论过创建营利性版本OpenAI的设想，但强调马斯克的条件始终是“非营利组织必须掌控营利性实体”。莫洛称，当时的设想是马斯克控制营利性子公司，且子公司的重要性会“随着时间推移而减弱”，仅仅是短期内筹集资金的一种方式。

马斯克本人在证人席上直接回应了结构争议。他承认在2017年至2018年期间，OpenAI内部曾讨论建立营利性实体。他对“一个为非营利组织提供资金的小型营利性机构”持开放态度，但前提是“只要不是本末倒置”——非营利组织必须保持控制权。

他还解释了自己最终离开的原因：当其他创始人在拟议的营利性部门中要求过多股权时，他在2017年的一封邮件中向执行办公室表示这“非常令人恼火”，并似乎决心离开。他于2018年正式离开OpenAI董事会。

争议三：马斯克起诉的真实动机是什么？

萨维特的解释是：“我们之所以来这里，是因为马斯克在OpenAI没能如愿。”

他描述了一条时间线：马斯克在权力斗争后于2018年离开，称“他们肯定会失败”，但奥特曼等人“有胆量在没有他的情况下继续前进并取得了成功”；ChatGPT于2022年底发布后引发全球热潮；马斯克于2023年创办自己的营利性AI公司xAI，随后于2024年提起诉讼。

萨维特用“酸葡萄心理”概括马斯克的动机，称“马斯克先生不喜欢这样，但这不是提起诉讼的根据”。他还直言“马斯克对人工智能不是很了解”。

萨维特进一步细化了这一时间线。他说，马斯克仅在ChatGPT引发全球AI军备竞赛之后才对OpenAI追求营利性表示不满，而那时马斯克已创办了xAI。

微软的律师拉塞尔·科恩（Russell Cohen）在这一点上与OpenAI阵营一致，并提供了两个具体论据。

首先，他引用马斯克2020年9月在X上的一篇帖子——“OpenAI基本上被微软捕获了”——作为马斯克早就知情却未及时起诉的证据，据此提出诉讼时效抗辩。其次，他揭示了马斯克与微软CEO萨提亚·纳德拉（Satya Nadella）之间更私人的联系渠道：“马斯克知道如何联系纳德拉。在合作关系宣布后的五年里，马斯克先生从未拿起电话说‘你不能这样做’。”

微软律师称马斯克完全可以联系到纳德拉

他强调马斯克个人持有纳德拉的电话号码。科恩总结道，马斯克在ChatGPT成功后推出了xAI，“然后他突然对微软提出了索赔”。

莫洛则试图将案件与马斯克的个人利益切割。“这个案子不是关于埃隆·马斯克的，”他向陪审团强调，而是关于被告“中饱私囊，违背了该组织成立的基本原则”。莫洛称此案是为了“全人类的利益”，而非经济利益。他要求陪审员搁置对马斯克的先入之见：“每个人似乎都认识马斯克，并且对他各有看法。并非每个人的看法都是好的，也并非每个人的看法都是坏的。”

莫洛还承认奥特曼在OpenAI没有股份，这一事实可能削弱马斯克关于奥特曼通过非营利组织中饱私囊的说法。但他辩称，奥特曼通过与OpenAI有业务往来的各种公司获利，并曾表示将来可能会在OpenAI获得股权。

02 题外话：马斯克讲AI末日

庭审中，还出现了大量游离于三个核心争议之外的场景。这些内容没有涉及捐款性质、结构变化的合法性或起诉动机，但构成了第一天庭审的戏剧性场面。

马斯克的自我展示占了很大篇幅。他的律师莫洛通过一系列提问，向陪审团描绘了一个创业者的完整画像：马斯克在南非长大，来美国前在加拿大当过伐木工、端过盘子，上大学时背着“10万美元的学生债务”。他同时担任特斯拉和SpaceX的CEO，“每周工作80到100个小时”，“没有假期，没有度假屋”。

在谈到SpaceX时，马斯克说公司的目标是“让生命多行星化”，并称之为“我们所知的生命的人寿保险”。谈及Neuralink，他称其长期目标是“AI安全”，“如果我们能够实现AI与人类的共生，我们就能实现一个对人类更有益的AI”。

关于AI，马斯克释放了强烈的风险预警。他将训练AI比作抚养孩子：“最终当孩子长大后，你无法真正控制那个孩子，但你可以尝试灌输正确的价值观。”他对AI的发展速度做出了预判：“最快可能在明年就会像任何人类一样聪明。”

随后他总结道：“它可以让我们更繁荣，但也可能杀死我们所有人。”他用两部电影来比喻两种可能性：“我们想要《星际迷航》，而不是《终结者》。”

一个偏离主线的小插曲出现在交叉询问中。当莫洛问“希冯·齐利斯是谁？”时，马斯克停顿片刻，结结巴巴地回应了几句，然后笑着称她是他的“幕僚长”。事实上，齐利斯是前OpenAI董事会成员，同时也是马斯克几个孩子的母亲。

奥特曼在庭审第一天表现非常低调。他没有利用开庭陈述的机会向媒体或公众发话，庭审记录中关于他的描述只有：“双臂交叉，面露忧色，与律师和团队成员交谈”；休庭时“用手机打字”；在法官警告双方停止网络攻击时，他保持沉默，只是同意法官的要求。

03 法庭外的较量

庭审之外，双方的公开交锋也在继续。

开庭前，罗杰斯法官将马斯克和奥特曼叫到法官席前，要求他们停止在社交媒体上的网络攻击，并敦促双方以“清白之身”开始，在社交媒体上“尽量少说话”。两人都同意了。

对于审判的行业影响，AI安全专家维维安·董（Vivian Dong）预测将“主要局限于OpenAI”。

“没有任何具体的AI安全政策或行业实践受到审判，”她说，“法院在私人违反慈善信托的诉讼中，下令对OpenAI进行马斯克所寻求的那种结构性变革，这将是没有先例的。”她还补充说，负责监督OpenAI履行慈善使命的官员是特拉华州和加利福尼亚州的总检察长，而非马斯克本人。

Emarketer首席分析师内特·埃利奥特（Nate Elliott）提供了另一个观察角度：“如果马斯克获胜，这将代表科技CEO被追究责任的罕见案例。这也可能意味着OpenAI业务的终结，并给xAI和Grok一个它们目前所缺乏的竞争机会。”

此次庭审结束后，马斯克定于美国时间4月29日重返法庭，继续接受律师莫洛的直接询问，随后可能面临来自萨维特的交叉质证。法官已明确要求马斯克夜间不得与律师交谈。

后续庭审还将传唤更多证人。马斯克的律师团队表示，马斯克之后将由贾里德·伯查尔（Jared Birchall）出庭作证，他在马斯克的家族办公室Excession LLC管理着其数十亿美元资产，同时担任xAI和Neuralink的高管。

马斯克一方的专家证人包括加州大学伯克利分校AI研究员斯图尔特·拉塞尔（Stuart J. Russell）和哥伦比亚大学法学教授戴维·希泽（David M. Schizer）。

预计将出庭的关键证人，包括奥特曼、纳德拉、穆拉蒂、苏茨克维等

此外，预计出庭的证人还包括微软CEO纳德拉、OpenAI前首席技术官米拉·穆拉蒂（Mira Murati）以及OpenAI早期关键研究员伊利亚·苏茨克维（Ilya Sutskever）。马斯克在证词中特别提到挖走苏茨克弗的难度——他称之为“巨大的努力”和“极其困难”的过程，这导致佩奇“拒绝再跟我说话”。他称苏茨克弗是对OpenAI存在贡献“最重要的”研究员。

审判预计将耗时约四周。在接下来的交叉质证环节，马斯克关于创始初衷、慈善捐赠性质和结构变化的证词，将首次接受对方律师的检验。

中方宣布禁止外资收购 Manus 项目

Mon, 27 Apr 2026 23:12:56 +0800

4月27日，中国外商投资安全审查工作机制办公室（国家发展改革委）依法依规对外资收购Manus项目作出禁止投资决定，要求当事人撤销该收购交易。

这一决定并不突然。早在4月初的中国商务部例行新闻发布会上，围绕美国科技公司Meta收购Manus的动向就已引发外界高度关注。4月2日，中国商务部举行例行新闻发布会，有记者提出中方对Meta收购Manus会采取哪些措施以及企业跨国经营的相关问题，商务部新闻发言人何亚东对此回应说，中国政府支持企业根据需要开展跨国经营与技术合作，相关行为需遵守中国法律法规，履行法定程序。

这一决定被视为一个重要信号：未来涉及关键技术的初创企业，在资本退出路径上需要更加重视国家安全审查要求。中美在AI（人工智能）领域的监管环境和发展路径可能出现更多差异，双方应在尊重各自规则的基础上展开竞争与合作。

Manus是中国创业公司Monica于2025年3月推出的全球首款通用型AI智能体（Agent），能自主思考、规划并端到端执行复杂任务、直接交付可用成果。

2025年12月29日，美国科技巨头Meta宣布将收购Manus，以进一步完善Meta在AI消费级与企业级产品的生态布局，Manus创始人肖弘将出任Meta副总裁。据媒体透露，Meta为这笔交易将支出数十亿美元。

从2025年3月正式发布产品到被Meta重金收购，Manus仅用了九个月，并且还是第一个被美国科技巨头收购的全中国人创业团队。

Manus被收购一度引发部分创业者热议，此前Manus的公司迁移之举更是引发关注：2025年7月，Manus公司总部从中国迁至新加坡，除40多位核心技术骨干跟随迁往新加坡，剩下的约80余名员工全部被裁。

当时，Manus对此有回应，称是“基于公司经营效率的考量，我们对部分业务团队做出调整，未来将持续聚焦核心业务，提升整体运营效率”。更多人推测Manus是想绕开美国对中国创业公司的监管与束缚，将总部迁往新加坡，是一种确保融资、全球拓展与技术合作不被中美关系掣肘的选择。

Meta收购消息传出当日，有AI智能体公司曾表示, Manus的全球化路径值得进一步研究分析。

Bonjour！联合创始人兼CMO（首席市场官）蒋程驰表示，美国的很多公司会关注中国的创业公司。

一位AI智能体创业者之前接触硅谷的投资机构，对方也曾希望他们重组为海外公司。

上述创业者表示，Manus将被Meta收购的消息传出后，也动摇了他对公司架构的规划，他们决定效仿Manus，也把主体迁到新加坡。

亦有不少行业人士当时就怀疑Manus收购能否获批。因为这必将触及外商投资安全审查，Meta和Manus的交易必须获得批准，否则会被叫停。

近年来，美国将中国高科技视为核心竞争对手，以半导体、AI为主战场，通过出台出口管制、扩充实体清单、联合盟友构建技术封锁联盟，从高端芯片、光刻机、核心设备、软件技术到人才学术交流实施全链条围堵限制，试图阻断中国科技产业升级与前沿领域赶超步伐。截至目前，有一千余家中国公司被美国列入实体清单。

根据斯坦福大学以人为本人工智能研究所（Stanford HAI）于‌2026年4月13日‌发布的《2026年人工智能指数报告》，中美顶级大模型性能差距仅为2.7%‌，中国在部分维度已实现反超‌，中国在AI论文发表量、引用占比、专利授权总量方面居全球第一‌，全球AI正式进入‌中美双强并跑、交替领先‌的新格局。

截至发稿，Meta公司和Manus项目团队未对收购被叫停有任何表态。在4月27日的美股盘前交易中，Meta股价跌0.17%左右。

OpenAI 要做手机了？

Mon, 27 Apr 2026 18:57:50 +0800

曾定义生成式AI的OpenAI，或有意向硬件终端发起总攻。

4月27日，天风国际证券分析师郭明錤发文称，OpenAI计划自研手机，正与联发科、高通合作开发手机处理器，立讯精密为独家系统协同设计与制造商，预计2028年量产。

截至发稿，上述几家公司尚未有公开回应。

在郭明錤看来，AI智能体重新定义手机，用户不再是为了使用一堆应用程序，而是通过手机执行任务并满足各种需求。这从根本上改变了人们对手机的认知。他还给出了手机界面概念设计图，并与当前手机（以iPhone为例）进行对比。

郭明錤给出的OpenAI手机概念图

郭明錤进一步解释了OpenAI做手机逻辑：一是唯有完全掌控操作系统与硬件，才能提供全方位的AI智能体服务；二是获取实时状态，只有手机能拥有用户一切的“当下状态”，这是实时AI智能体推理服务最重要的输入信息；再者，在可预见的未来，手机仍是数量规模最大的终端设备。

此外，手机需要持续理解用户上下文，因此在功耗、内存分层管理、小模型本地运行等方面对处理器提出更多新要求，更复杂或高强度任务由云端AI处理。考虑到当前手机硬件已高度成熟，OpenAI通过供应链合作即可完成产品开发。

郭明錤指出，作为芯片合作方，联发科和高通有望长期受益于换机周期，预计在2026年底或2027年第一季度确定产品规格与供应商。

对于立讯精密来说，尽管其在苹果供应链中的组装地位很难超越鸿海，但若能拿下OpenAI手机项目，有望在下一个手机世代掌握更多主动权。或受该消息影响，立讯精密今日盘中触及涨停，股价创历史新高，总市值超5200亿元。

事实上，对硬件的“野心”早已渗透进OpenAI的发展脉络。去年10月，OpenAI宣布与芯片巨头博通达成战略合作，共同部署由前者设计的10吉瓦（GW）规模的AI加速芯片集群。同时，预计双方将自2026年下半年起部署AI加速芯片与网络系统的机架，并于2029年底前完成全部部署。

OpenAI自研的这款基于ARM架构的AI芯片，将与Arm、甲骨文等公司合作。同时，OpenAI已达成数据中心和芯片方面的交易，金额超过1万亿美元，该公司计划在博通芯片上再投入数百亿美元。

而在去年5月，OpenAI在其官网宣布，将以65亿美元收购前苹果首席设计师乔尼·艾维（Jony Ive）创办的AI硬件初创公司io，并透露首批AI设备计划于2026年面世。这是当时OpenAI规模最大的一笔收购，标志着该公司在人工智能硬件领域迈出了重要一步。

另有消息称，今年年初，OpenAI已组建200人的硬件团队，核心成员几乎清一色来自苹果——包括主管iPhone和Apple Watch设计的25年老将Tang Tan、前工业设计负责人Evans Hankey。团队所开发的首款产品为智能音箱，定价200-300美元，2027年2月出货。不仅如此，AI耳机（代号“甜豌豆”）、智能眼镜（2028年量产）等产品也已排上日程。

手机的加入，恰好可为OpenAI补上家庭、出行、随身全场景覆盖的最后一块拼图，形成“音箱+手机+可穿戴设备”的AI原生硬件矩阵。

资本层面的强劲支撑，也为OpenAI在多领域豪赌提供了底气。今年3月，该公司完成1220亿美元创纪录私募融资，投后估值达8520亿美元，成为全球估值最高的未上市科技企业，亚马逊、英伟达、软银领衔投资，微软、a16z等机构跟投。此前有消息称，OpenAI计划于四季度启动IPO，与竞争对手Anthropic展开上市竞速。该公司已与多家华尔街投行展开非正式磋商，同时聘请了数位关键新高管负责IPO相关筹备工作。

但OpenAI的手机之路绝非坦途。手机研发涉及供应链管理、工业设计、售后服务等诸多环节，OpenAI从零到一构建硬件能力仍需时间。手机市场竞争本身处于白热化态势，全球手机市场格局固化，新品牌很难在短时间内快速突围。

从自研芯片到全场景硬件，再到手机项目，OpenAI显然已不满足于只做AI模型提供商，而是要成为定义下一代计算平台的科技巨头。这场跨越软件与硬件的冒险，本质上仍是一场关于AI终端控制权的争夺战。

库克留给苹果新CEO“第一份作业”

Mon, 27 Apr 2026 18:49:48 +0800

2026年9月1日之后，约翰·特努斯就将正式接替蒂姆·库克，出任苹果首席执行官。然后再过两周，苹果秋季发布会，苹果首款可折叠iPhone，这款被内部寄予厚望的设备将向全世界亮相。

这个时间安排不是巧合。

苹果爆料达人、彭博资深分析师马克·古尔曼透露，作为从库克向特努斯（苹果硬件工程高级副总裁）过渡计划的一部分，苹果公司希望由新领导人主持这场发布活动，让他成为这一新产品类别的代言人。

也就是说，库克留给继任者的不只是市值逾4万亿美元的帝国，还有一张排满新品类发布的时间表，其密集程度可能超过苹果历史上任何一个时期。

01 可折叠iPhone

古尔曼指出，特努斯监督了可折叠iPhone的工程和产品开发。

对苹果而言，这款设备代表着一个复杂且昂贵的技术方向。而对特努斯而言，它更像一份入职宣言。

在苹果任职期间，特努斯大部分时间投入在iPad的性能、电池续航和可靠性提升上，而这些积累恰好映射到可折叠iPhone的核心卖点：耐用性、性能、不易察觉的屏幕折痕，以及展开后类似iPad的横向屏幕。

据古尔曼称，苹果这款可折叠iPhone的外观将与华为Pura X Max相似。定价预计超过2000美元，并不是一款面向大众市场的产品。初期受供应链复杂性影响，消费者在门店可能很难找到现货，这种稀缺性本身又会进一步推高需求。

苹果可折叠iPhone渲染图。来源：Digital Trends

苹果内部很清楚，高价会将许多消费者挡在门外，但它无疑会拉高平均售价，吸引那些使用安卓可折叠手机超过五年的用户。对特努斯而言，这意味着一开局就握有一张拉动收入和制造话题的牌。

古尔曼还提到，在发布期间，特努斯推动整个过程的理念将成为焦点。2025年正是他介绍了iPhone Air，近年在有关iPhone 17系列的采访中曝光度也在上升。这一次，他有机会以“产品型CEO”从幕后走到台前，而非仅仅“库克的继任者”的形象。

02 季报与士气双重助攻

9月1日上任，特努斯将迎来自己CEO任上的第一个假日购物季。每年这个季度涵盖新iPhone发布和年底购物潮，历来是苹果业绩最高的三个月。

古尔曼称，分析师预计苹果该季度收入将接近1500亿美元，有望再创新纪录。以胜利者的姿态结束第一个季度，显然有利于新CEO巩固内外部信心。

这种“高起步”对于苹果并不陌生。

2011年库克从史蒂夫·乔布斯（Steve Jobs）手中接过CEO职位时，同样受益于强劲的产品线：他上任仅两个月后Siri语音助手随iPhone 4S问世，次年更是涌出iPhone 5、iPad mini、更纤薄的iMac和搭载Retina显示屏的MacBook Pro等一系列设备。

当时，这些产品帮助库克完成了从“乔布斯的接班人”到“苹果掌门人”的身份转换。但古尔曼指出，特努斯有望在短期内超越库克在新产品类别上的成绩。

库克整个任期内，苹果主要进入的市场仅有三个：2015年的Apple Watch、2016年的AirPods和2024年的Vision Pro。而特努斯接手的未来几年产品线，据称涵盖大约10个新产品类别。

03 从家居到可穿戴，全线接入AI

古尔曼详细罗列了这些正在推进的产品方向。

它们分散在不同阶段，有的接近量产，有的尚在实验，但共同指向一个特征：以AI为核心驱动力的硬件布局。

其中，智能家居中枢被描述为“带屏幕的HomePod”，可以放置在半球形扬声器底座上，也能借助磁吸系统安装在墙壁上。它运行一套围绕Siri构建的新操作系统，用于控制家居，支持FaceTime通话，并具备面部识别能力以实现个性化体验。

桌面机器人则是这个中枢的“放大版”，屏幕约9英寸，不同之处在于它连接到一个机械臂上，能够移动屏幕，改善视频会议等使用场景。

这条产品线还规划了一款注重隐私的家居安防系统，带摄像头的传感器是核心组件，直接对标Ring和Google Nest。

苹果可穿戴设备同样沿着AI路径展开。

智能眼镜对标Meta Ray-Ban，内置摄像头用于捕捉媒体内容和为AI应用收集数据，同时支持播放音乐、唤醒Siri和接听电话。

可对标Meta竞品的苹果智能眼镜

AI版AirPods定位高端，依靠低分辨率摄像头捕捉图像并输入AI系统，为用户提供环境上下文信息，例如基于视觉的提醒和更精准的导航。

此外还有一款更小的圆形设备——吊坠，内置计算机视觉摄像头系统，可作为项链佩戴或别在衣服上，捕捉数据后输入iPhone的AI和Siri功能中。

Mac产品线同样被列入刷新计划。苹果打算在2026年底或2027年初推出首款配备触摸屏的高端MacBook，这将是Mac系列首次引入触控。如果市场反应良好，特努斯未来可能将这一概念推向更多电脑型号。

增强现实（AR）眼镜的愿景则更远，苹果希望在2028年至2030年间推出能大幅“减重”的AR眼镜，将数字信息叠加在真实世界视图上，其远期目标甚至是替代iPhone。

可折叠iPad是特努斯长期以来优先考虑的项目，屏幕约20英寸。但古尔曼援引几位参与项目的人士透露，这款设备最终可能只是一个实验品，不会走向市场。

一个清晰的逻辑是：产品通过iPhone连接，Siri扮演枢纽角色。

特努斯在最近一次全员大会上对员工表示，苹果即将“改变世界”，公司的产品线是他职业生涯中最令人兴奋的。他同时也承认，这些产品不会像2007年初代iPhone那样具有开创性，但推出的速度和数量都非同寻常。

04 特努斯也想做机器人？

外界对特努斯的描述，集中在他的硬件工程背景。他于2001年加入苹果，一路从硬件工程领域晋升，曾经为AirPods、Apple Watch和Vision Pro做出贡献。

与库克擅长供应链和扩大服务业务不同，特努斯的技能组合集中在打造设备本身。《纽约时报》曾报道他在大学期间做过的项目：制作了一个设备，让四肢瘫痪者通过头部运动来控制机械喂食臂。古尔曼也提到这一点，并直接关联到苹果正在探索的机器人方向。

这意味着，特努斯对机器人的兴趣不是上任后才培养出来的。苹果在这个领域的布局，至少在方向上与他的个人志趣重合。

硬件路线图再宏大，特努斯仍要面对几个绕不开的现实课题。首当其冲的是Siri及其背后的人工智能团队。

古尔曼指出，特努斯需要修复Siri，这个团队一直因延误而备受困扰。他承诺推出颠覆性的设备，但前提是让苹果各部门协同运转起来，而Siri作为贯穿上述所有产品的智能层，若不能摆脱现状，整个AI硬件的逻辑就会出现断层。

供应链端同样不轻松。苹果至今仍有大约80%的iPhone在中国生产，频繁变化的关税政策带来持续不确定性。与此同时，苹果近年加快了向印度转移产能的步伐，去年约25%的iPhone在印度制造。特努斯执掌公司后，这种地缘和贸易压力不会自动消退，甚至在某个时间点可能变得更加紧迫。

这就是交接时机的另一层含义。

库克将苹果从一家高度依赖单一产品的公司，转变为服务业务庞大、运营效率极高的全球巨头，市值突破4万亿美元。而特努斯的任务，是在这个基础上证明苹果仍然能够打造下一波个人技术浪潮，还不丢掉用户之所以信任苹果的那种精良品质和体验一致性。

9月的那场发布会，将成为特努斯面临的第一次公开检验。

英特尔要翻身了？利润暴增156%！

Sun, 26 Apr 2026 21:29:06 +0800

近日，英特尔公布了2026年第一季度财报。数据显示，Q1营收为136亿美元（约合933.6亿元人民币），同比增长7.2%；净利润为15亿美元（约合 103 亿元人民币），同比增长高达 156%。

同时，英特尔预计第二季度营收将在 138 亿至 148 亿美元之间。

这已经是其连续第六个季度营收高于预期，英特尔算是要翻身了？

具体来说，本次增长主要来源于数据中心与人工智能业务，营收51亿美元，同比增长22%。数据中心业务的增长，来源于算力需求的持续爆发。

近期英特尔还斥资140亿美元回购了其位于爱尔兰晶圆厂49%的股份，该股份此前已出售给阿波罗全球管理公司。

其次，代工业务部门同比增长16%，营收54亿美元，主要源于内部芯片制造需求的提升。

客户端计算事业部贡献营收77亿美元，比较稳定，增幅1%。

产品方面，英特尔正在加速新一代处理器的落地。2026年1月，英特尔酷睿Ultra系列3处理器开始销售，其最新的至强6+数据中心处理器则于3月份上市。

并且已经和谷歌达成合作，谷歌表示会在数据中心部署多代英特尔CPU以支持人工智能负载运行。

在晶圆代工方面，英特尔的重点是18A和14A工艺节点。

18A工艺节点在亚利桑那州一座新建的巨型晶圆厂生产，英特尔最新的PC和数据中心处理器采用该工艺节点。

虽然英特尔18A工艺节点与台积电2nm 工艺节点在技术上相似，不过英特尔仍然是18A芯片晶圆厂的主要客户。

A14表现也还不错，计划于2028年推出，近期马斯克已官宣，其Terafab芯片制造厂，将采用英特尔A14工艺。

此外，英特尔也在布局先进封装领域。英特尔是全球仅有的三家提供最先进封装技术的公司之一。其客户涵盖亚马逊、思科，以及 SpaceX 和特斯拉等大厂。

业内人士表示，先进封装技术将为每位客户带来数十亿美元的收益。

英伟达的L4野心：迎接自动驾驶 ChatGPT 时刻

Sun, 26 Apr 2026 21:20:51 +0800

北京国际车展前，在英伟达北京的一间会议室里，英伟达全球副总裁吴新宙指向PPT中那个被他称为“最重要”的数字——13 T（trillion）。

“每年全球车辆行驶的里程大概是13万亿英里，猜一下现在自动驾驶的里程占比是多少？他目光扫过在场的媒体，“0.006%，基本上可以忽略不计。”

“但我们坚信未来的每一英里都会变成自动驾驶。”吴新宙说。他提到黄仁勋经常引用的比喻：自动驾驶已经到了ChatGPT时刻，“我们感觉能够看到L4的曙光了。”

英伟达全球副总裁吴新宙

他表示，自动驾驶将是物理AI领域最早实现大规模量产落地的场景，并向第一财经等媒体解读了英伟达辅助驾驶背后的“五层蛋糕”以及L4级自动驾驶发展路线图。在采访中，吴新宙还回应了包括与车企自研芯片的竞争、是否搭载激光雷达以及近期行业热议的是否跨过L3直接进入L4等话题。

01 辅助驾驶的“五层蛋糕”

今年GTC前夕，吴新宙和英伟达创始人兼首席执行官黄仁勋共同乘坐一辆辅助驾驶汽车前往旧金山，搭载了英伟达全栈辅助驾驶软件平台DRIVE AV。接着，英伟达推出推理VLA（视觉动作语言）模型Alpamayo 1.5，并宣布与Uber、比亚迪、吉利等厂商在L4或Robotaxi方面的合作。

在今年北京国际车展期间，英伟达与多家汽车制造商及 DRIVE 生态伙伴集中展示了智能汽车领域的最新进展。除了与奇瑞汽车围绕辅助驾驶、座舱 AI 与机器人等展开合作外，在智能驾驶层面，英伟达分别与德赛西威、小马智行深化合作；在座舱 AI 上，阿里巴巴通义大模型事业部将千问‑Omni 全模态大模型部署于NVIDIA DRIVE平台上。此外，联想车计算也推出了搭载 NVIDIA DRIVE AGX Thor 的智算平台 AI Box，加速物理 AI的落地。

不论从什么层面看，英伟达在今天都不再只是一家辅助驾驶芯片供应商。

吴新宙告诉记者，黄仁勋对自动驾驶非常有感情，可以说有点“小执着”。

“他很早之前就看到，自动驾驶是物理AI中相对简单的一块，而且可以大规模量产。物理AI一定会推动第四次工业革命，它会导致生产力指数级增长。”吴新宙说，这种执念是基于对未来的清晰理解。

英伟达的汽车业务启程于10年前。2017年，英伟达提出了端到端解决方案。到了今天，英伟达汽车业务变得更庞大，吴新宙更愿意用“五层蛋糕”来形容这个体系。

他详细解释了英伟达辅助驾驶的“三台计算机”框架和“五层蛋糕”服务体系：“三台计算机”包括车端运行的推理计算机、云端用于模型训练的训练计算机，以及经常被忽略但如今至关重要的仿真计算机。基于这“三台计算机”构建的“五层蛋糕”，目的在于让车厂和开发者能基于英伟达平台更容易地开发辅助驾驶技术。

这“五层蛋糕”揭示了英伟达在辅助驾驶领域的生态位，也藏着英伟达物理AI的野心。在第一层的硬件层，英伟达定义了面向L4级自动驾驶的标准平台Hyperion，集成多模态传感器和集中式计算套件并提供自动驾驶模型所需能力。吴新宙说，其团队现在最重要的事情之一，就是尽量使所有车厂尽快上Hyperion平台。向上延伸则是操作系统与平台软件层，英伟达正在扩充Halos安全系统，加入SDK、传感器和车辆的扩展层等。

“蛋糕”的下一层是英伟达的开放模型Alpamayo、仿真工具及数据集。吴新宙说，Alpamayo继承了基础模型对物理世界的深刻理解，通过8万小时的驾驶数据进行微调，下一版本预计在6月推出。

辅助驾驶范式从模块化至端到端的转变让仿真变得重要，英伟达也进入了这个环节。英伟达通过仿真产生一些合成数据。吴新宙解释，在辅助驾驶1.0时代，系统可以按感知、规划、控制等模块分别验证，但在端到端时代，模型直接“像素进、轨迹出”，验证新模型需要重建物理世界的能力。英伟达现在每天可以进行200万次场景验证，大幅提升效率。

在第四层的应用层，英伟达对奔驰、Lucid等深度合作伙伴提供从底层硬件到上层应用的整套方案，融合端到端模型和经典规则算法。蛋糕最顶层的基础设施则是云端训练和仿真工具链，Omniverse 库和Cosmos 世界基础模型能生成准确且多样的传感器数据，加速辅助驾驶开发。

“对于全套解决方案团队，很重要的一件事是做从L2++到L3、L4的迁移。L3和L4非常重要的是要有冗余能力，例如L4会加激光雷达来确保安全。”吴新宙解释。

吴新宙还向在场的媒体公布了英伟达L4级自动驾驶发展路线图：2025年完成与奔驰合作的首次量产交付；2026年在美国推进L2++的规模化落地；2027年与谷歌合作在部分城市开始L4试点；2028年携手Uber在洛杉矶奥运会期间提供无人驾驶服务，并计划覆盖20到30个城市。

“这条路的机会已经比较清晰了。”吴新宙说，技术已经到了能看到L4即将发生的节点。从经济性看，每一英里自动驾驶解决方案的经济价值未来将在1~2美元之间，不论是对英伟达还是对其他厂商来说，这都是一个很大体量的生意。

02 车企自研芯片不是零和博弈

黄仁勋和英伟达的相关负责人已多次释放对辅助驾驶的信心，认为辅助驾驶在技术上没有明显卡点，当前需要的是在工程化上推动规模化和商业化落地。

吴新宙也表达了相似的观点。“没有大的技术瓶颈，看不到很大的技术卡点。L3和L4的技术难度差别也并不大。”他告诉媒体。

近期Robotaxi的快速铺开拉高了业界对L4级自动驾驶的期待。黄仁勋也在3月的GTC上表示，未来Robotaxi的数量将难以置信。与此同时，相比完全自动驾驶的L4，L3要求驾驶员及时接管，业界围绕权责问题多有议论。是否要直接跳过L3走向L4，成为摆在自动驾驶厂商面前的问题。

吴新宙在对话中谈到他的想法。“是不是要跳过L3是见仁见智的问题。对L3来说，如果要求驾驶员10秒内接管，这10秒已经可以发生无穷多的事，而车需要负完全责任，10秒变成60秒或更长时间并没有本质区别。”吴新宙说，L3的好处则在于，已经能在一定程度上解放人力。虽然驾驶员不能睡觉，但可以适当玩手机，这可能也是一种刚需。

相比之下，吴新宙认为，L4更需要的是庞大的云端远程操控能力作为后援，这对量产车厂商而言成本高昂。“至少在短期内，L3是有价值的，L4也没那么容易做，两者很可能会长期并存。”

此前辅助驾驶路线分化为纯视觉路线和多传感器融合的路线，前者不使用激光雷达。但随着L4级自动驾驶更加临近，激光雷达作为一种安全冗余，得到了更多重视。

吴新宙的想法是，L2++辅助驾驶是否需要激光雷达是见仁见智的问题，他是坚定的视觉派，认为视觉上限高且像素密度远高于激光雷达，但对于L3和L4级自动驾驶系统而言，激光雷达还是重要的一环。

吴新宙透露，英伟达在基础版的Hyperion平台中并未包含激光雷达，但已在与欧美厂商合作，寻找稳定的激光雷达供应商，以确保高阶辅助驾驶的安全性。

至于车端芯片算力要提升到什么程度才够用，有观点认为下一代辅助驾驶需要5000 TOPS的恐怖算力。吴新宙现场没有给出一个确定的数字，而是指出了几个对算力有指数级需求的维度：传感器的分辨率、处理帧率以及模型处理的长时序长期记忆的能力等等。

他强调，英伟达的目标是在不显著增加成本和功耗的前提下持续提升车端推理能力。“到底什么时候封顶我并不确定，但我只能告诉你，我们下一代的芯片正在往那个方向去走。”

英伟达深度布局辅助驾驶生态，一些客户同时也可能是英伟达的竞争者。在今年北京国际车展上，多家车企展示了自研芯片。面对这一行业趋势，吴新宙引用黄仁勋的话，“我们不指望你们买我们所有的东西，但我们也不希望你们什么都不要我们的。”

他举了特斯拉的例子，即便马斯克在早期用了英伟达的芯片后转身自研，两家公司的合作从未中断。在他看来，自研芯片与采用英伟达方案不是零和博弈，而是一个共存共生的生态关系，只要整个行业在向前奔跑，能从这“五层蛋糕”的某些层级中受益，英伟达就能在其中找到自己的位置。

英伟达合作伙伴机器人

至于车端“大脑”的形式，吴新宙谈到，车本身就是一个机器人，他认为汽车未来不需要两个“大脑”，AI在与人交互的部分和辅助驾驶的部分，未来都会走向集成化的方向。这不一定意味着座舱和辅助驾驶使用同一颗芯片，但AI可能会在硬件之间共享。他已经能看到这个趋势。

吴新宙还观察到，物理AI的热度已经从汽车蔓延到了更多领域。他笑称，国内很多同行都转去做机器人。“现在机器人还是在中国更热闹一些，让人非常激动，可以理解为什么大家现在都感觉回到了10年前新能源车企当时的状态。”他表示，做机器人比做辅助驾驶复杂得多，但现在大家可能会小看迈向辅助驾驶最后一步的重要性，而他自己作为深度参与中国辅助驾驶产业的技术老兵，现在有机会将中国经验通过英伟达平台进行全球化放大。

一文读懂 DeepSeek V4：1.6万亿参数、百万上下文、华为芯片

Sat, 25 Apr 2026 00:25:15 +0800

DeepSeek V4预览版官宣上线。

根据DeepSeek的官方介绍，V4系列包含两个MoE模型：DeepSeek-V4-Pro总参数1.6T、激活参数49B，DeepSeek-V4-Flash总参数 284B、激活参数13B，两者均原生支持100万token上下文。

在1M上下文设置下，V4-Pro的单token推理FLOPs只有V3.2的27%，KV Cache只有10%；V4-Flash更极端，分别压到10%和7%。DeepSeek自己给这代模型的定位是“preview version”，官方在报告中明确表示，V4的能力水平仍落后GPT-5.4和Gemini-3.1-Pro，“发展轨迹大约滞后前沿闭源模型3至6个月”。

换句话说，V4预览版是把长上下文成本重构，为下一阶段test-time scaling和长程任务铺路的基础设施发布，没有强调能力上的跨越升级。

01 两款模型、三档推理：V4预览版到底是什么？

根据DeepSeek的官方介绍，V4系列包含两个MoE模型：DeepSeek-V4-Pro总参数1.6T、激活参数49B，DeepSeek-V4-Flash总参数284B、激活参数13B，两者均原生支持100万token 上下文。

真正值得关注的是成本曲线。

在1M token的上下文设置下，V4-Pro的单token推理FLOPs 只有V3.2的27%，KV Cache只有 10%；V4-Flash更极端，分别压到10%和7%。换句话说，上下文从V3.2的128K扩到V4的1M，理论上放大了近8倍，但单token算力需求反而下降了。

API价格沿袭了DeepSeek一贯的“打穿底”思路。V4-Pro每百万token输入1元（缓存命中）或 12元（缓存未命中），输出24元；V4-Flash分别为0.2元、1元、2元。

每款模型都提供三档推理强度：Non-think（直出）、Think High（常规深度思考）、Think Max（在 system prompt 里注入强指令、把上下文和输出长度拉满）。

Max模式是为了榨出模型的能力上限——V4-Pro-Max在HLE测试中从Think High的34.5分升到 37.7分，Apex Shortlist 测试中从85.5升到90.2，代价是输出token翻倍。

根据DeepSeek披露的详细基准测试数据，在知识与推理类测试中，DeepSeek-V4-Pro-Max 在Apex Shortlist（90.2%）和 Codeforces（Rating 3206）两项硬核推理 / 编程任务中拔得头筹，展现了极强的逻辑与算法能力；而 Gemini-3.1-Pro-High在 SimpleQA Verified（75.6%）中领先，Claude 和GPT则在各项目中互有胜负，整体差距不大。

在智能体能力相关的测试中，四款模型在SWE Verified任务上打成平手（均达到80.6%），但 DeepSeek在Terminal Bench 2.0（67.9%）和Toolathlon（51.8%）两项任务上同样表现突出，体现了在复杂指令执行与工具调用场景下的优势。

DeepSeek表示，相比前代模型，DeepSeek-V4-Pro的Agent能力显著增强。

“使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式，但仍与Opus 4.6思考模式存在一定差距。”

DeepSeek官方强调，基于丰富的世界知识：V4-Pro在世界知识测评中，大幅领先其他开源模型，仅稍逊于顶尖闭源模型Gemini-Pro-3.1——Gemini-3.1-Pro-High在MMLU-Pro（91.0）、SimpleQA-Verified（75.6%）、GPQA Diamond（94.3%）等通用知识问答中领先。

另外，在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩，DeepSeek将其称之为“世界级的推理性能”。

定位为经济性模型的V4 Flash在世界知识储备方面比DeepSeek-V4-Pro稍逊一筹，但也展现出了接近的推理能力。而由于模型参数和激活更小，相较之下V4-Flash能够提供更加快捷、经济的API服务

在Agent测评中，DeepSeek-V4-Flash在简单任务上与DeepSeek-V4-Pro旗鼓相当，但在高难度任务上仍有差距。

02 重写注意力机制：“先压缩再挑着看”

V4最核心的技术改动在注意力层。

传统Transformer的注意力机制，每个token要和前面所有token都算一遍相似度。上下文从10万拉到100万，计算量增长的不是10倍，是100倍，这是长上下文一直跑不起来的根本原因。

V4的做法是把注意力拆成两种，交替叠用。

一种叫CSA（压缩稀疏注意力），它先把每4个token的KV缓存合并成一条摘要，再让每个query只在这些摘要里挑出最相关的top-k条去算注意力。相当于既压缩了“要看的内容”，又只挑“值得看的”去算。

另一种叫HCA（重压缩注意力），它的压缩率更激进，把每128个token合并成一条，但对剩下的摘要做稠密注意力，不做稀疏挑选。

两种交替叠起来，再加一个滑动窗口分支处理“离得近的token之间的细节依赖”。这是一套“粗粒度+细粒度、稀疏+稠密”的组合拳。

把这套方案和DeepSeek过去两年的技术脉络连起来看，变化就清晰了：V2、V3走的是参数稀疏化——总参数很大，但每token只激活一小部分专家；V4在此之外又开了一条上下文稀疏化的路——KV压缩、top-k选择、分层压缩率。

这是DeepSeek第一次把“稀疏化”的刀动到Transformer的核心结构里。

除了注意力层，V4还有两处此前版本没动过的改造。一是把传统残差连接升级为mHC（流形约束超连接），通过数学约束让深层网络的前向和反向传播更稳定；二是用Muon优化器替代大部分模块原本用的AdamW，收敛更快、训练更稳。这是DeepSeek第一次同时动Transformer的注意力、残差、优化器这三处核心结构。

DeepSeek-V4 和 DeepSeek-V3.2 的计算量和显存容量随上下文长度的变化

03 后训练换范式：把一堆专家“蒸馏”成一个模型？

比架构改动更值得注意的是后训练方法的切换。

V3.2用的是“混合RL”，一次性用强化学习优化多个目标。V4换成了“分化再统一”的两步走：

第一步，针对数学、代码、Agent、指令跟随等不同领域，每个领域单独训练一个专家模型。这些专家先用该领域的高质量数据做监督微调，再用GRPO算法做强化学习，每个专家都在自己的细分赛道上跑到最优。

第二步，用一种叫On-Policy Distillation（OPD，在策略蒸馏）的方法，把十多个领域专家“合成”回一个统一的学生模型。学生自己生成回答，然后对每个回答，去匹配“最懂这个问题”的专家的输出分布，通过logit级对齐，把能力吸收进来。

你可以讲这种做法理解为，把一堆尖子生蒸馏了。

这套流程的工程难度在于：同时加载十多个万亿参数级的教师模型做在线推理不现实。DeepSeek的做法是把所有教师权重统一卸载到分布式存储，只缓存每个教师最后一层的hidden state，训练时按教师索引排序样本，保证任意时刻GPU显存里只驻留一个teacherhead。

换个说法，V4的能力不再靠一个模型从头学，而是先让不同专家在自己的赛道跑到顶，再把它们收编进同一套权重里。这种思路绕开了传统“混合 RL”容易导致的能力互相干扰问题。

04 Agent能力优化

DeepSeek-V4针对Claude Code、OpenClaw、OpenCode、CodeBuddy等主流的Agent产品进行了适配和优化，在代码任务、文档生成任务等方面表现均有提升。

DeepSeek自述V4-Pro的Agent能力“优于Sonnet 4.5，交付质量接近Opus 4.5非思考模式，但仍与Opus 4.6思考模式存在一定差距”。

值得注意的是，V4在Agent方向做了几处专项优化：后训练阶段把Agent作为与数学、代码并列的独立专家方向单独训练；工具调用格式从JSON换成带特殊token的XML结构，用来降低转义错误；跨轮次推理痕迹在工具调用场景下完整保留，不再像V3.2那样每轮清空；此外DeepSeek自建了一套名为DSec的沙箱平台，单集群可并发管理数十万个沙箱实例，用来支撑Agent强化学习训练和评测。

下图为V4-Pro在Agent框架下生成的PPT内页示例：

05 昇腾在等V4，V4也在等昇腾

比起技术本身，V4这次发布更受关注的还有与华为昇腾的协同。

V4技术报告第3.1节专门写了一句：“我们在英伟达GPU和华为昇腾NPU两个平台上均验证了细粒度EP（专家并行）方案。”这是DeepSeek官方第一次在正式文档中把华为昇腾和英伟达并列写进硬件验证清单。

报告同时披露，V4的MoE专家权重和稀疏注意力索引器都采用FP4精度，FP4（mxFP4）恰好是华为3月发布的昇腾950PR芯片的原生支持精度。

华为官网后续在全联接大会 2025 的主题演讲中确认，昇腾950系列新增支持 MXFP4 等低精度格式，其中950PR面向Prefill和推荐场景，并采用华为自研 HiBL 1.0，容量128GB，带宽1.6TB/s。

另外，面向训练场景的950DT计划今年四季度推出。

DeepSeek在官宣文章中还表示：“预计下半年昇腾950超节点批量上市并部署之后，Pro版本的价格也会大幅度下调。

腾讯姚顺雨：混元迈出重建大模型第一步

Fri, 24 Apr 2026 01:56:14 +0800

前OpenAI研究员姚顺雨交出加入腾讯后的第一份答卷。

4月23日，腾讯混元发布Hy3 preview语言模型并将该模型开源。姚顺雨说，这是混元大模型重建的第一步。

去年12月，他入职腾讯后出任“CEO/总裁办公室”首席AI科学家。今年2月，腾讯混元重建了预训练和强化学习的基础设施，两个月后，Hy3 preview终于面世。

上月，腾讯高管已在业绩发布会上预告该模型，并给予颇高评价，称这是一次混元模型的重大升级。此次Hy3 preview则公布了一些参数。这是一个快慢思考融合的混合专家模型，总参数 295B，激活参数21B，最大支持256K上下文长度。

从定位看，Hy3 preview主推Agent能力、上下文学习能力、复杂推理能力和代码能力。从基准测试得分看，该模型的能力仍与Gemini-3.1-Pro、GPT-5.4 xhigh有差距，但在部分基准测试中得分接近或高于国内的大模型Kimi-K2.5和GLM-5。

上下文学习和指令遵循能力方面，Hy3 preview在AdvancedIF（复杂指令遵循）和AALCR（长上下文推理）基准测试中得分低于Gemini-3.1-Pro、GPT-5.4 xhigh，但超过Kimi-K2.5和GLM-5，Long Bench v2（长上下文推理）测试得分高于Kimi-2.5。在腾讯混元提出的两个针对上下文学习能力的CL-bench和CL-bench-Life基准测试中，Hy3 preview得分低于两个海外模型，但高于Kimi-K2.5和GLM-5。

复杂推理能力方面，Hy3 preview在FrontierScience-Olympiad（专家级科学推理）和IMOAnswerBench（数学推理）基准测试中得分超过Kimi-K2.5和GLM-5，低于两个海外模型。在GPQA Diamond（博士级科学问题）基准测试中，Hy3 preview得分超过Kimi-K2.5，低于其他三个模型。在全国中学生生物学联赛(CHSBO 2025)中，Hy3 preview得分最高。

代码与智能体能力方面，Hy3 preview在SWE-Bench Verified（解决现实世界软件问题）、Terminal-Bench 2.0（智能体端到端执行）、BrowseComp（互联网上定位关联信息）基准测试中，得分都低于Claude-Opus-4.6和GLM-5，Terminal-Bench 2.0得分超过Kimi-K2.5。Hy3 preview在WildClawBench（智能体真实落地能力）、Claw Eval（真实世界任务中的智能体能力）测试中的得分超过Kimi-K2.5，低于GLM-5和Claude-Opus-4.6。在针对真实开发场景表现的混元内部测评集中，Hy3 preview得分超过Kimi-K2.5。

从一些基准测试得分可以看到，相比上一代的Hy2，Hy3 preview与头部模型之间的差距有所缩小。

姚顺雨表示，希望通过开源和发布获得来自开源社区和用户的真实反馈，帮助混元提升Hy3正式版的实用性。混元也在继续扩大预训练和强化学习规模，提升模型的智能上限，并通过与腾讯众多产品的协同设计，提升模型在真实场景中的综合表现，并开始探索特色模型能力。

今年1月，姚顺雨在入职腾讯后的首次公开亮相中，也提到模型智能水平的重要性。姚顺雨称，To C和To B市场的底层逻辑已经不同。To C市场的大部分用户在大部分时间不需要极强的智能，但在To B领域，智能越高代表生产力越高、溢价空间越大，企业级市场对模型能力的付费意愿已呈现极端的头部效应。

姚顺雨表示，在编程等高频且严肃的生产力场景中，较弱模型产生的错误需要人工耗费大量精力去排查，隐性成本远超模型差价，因此To B市场正走向分化，强模型和弱模型的差距将更明显。而在To C市场，姚顺雨还表示，单纯的模型参数竞赛已不是全部，未来的核心竞争力在于对语境（Context）的捕捉。

姚顺雨当时还谈到模型“刷榜”，称国内对刷榜或数字看得更重，Anthropic Claude在编程或软件工程榜单上的排行不是最高的，但行业都知道它最好。据了解，腾讯混元此前已确立了模型追求实用性的原则，其中就包括评测真实性，要求主动跳出易被“刷榜”的公开榜单并通过自建题目等方式评估和改进模型能力。

特斯拉第三代人形机器人预计年中发布

Thu, 23 Apr 2026 17:13:56 +0800

4月23日下午，特斯拉官方微博发布消息称，特斯拉第三代人形机器人预计年中亮相，2026年7-8月启动正式投产，产品测试稳步推进，预计明年投入外部场景应用。特斯拉表示，人形机器人将成为其有史以来生产规模最大的产品。

此次宣布的第三代人形机器人亮相时间比之前有所延后。1月29日，特斯拉在发布2025年第四季度及全年财报时称，2026年第一季度，特斯拉人形机器人第三代版本即将发布。2月初，特斯拉官方微博曾发布消息称，第三代特斯拉人形机器人即将亮相，通过观察人类行为即可学习新技能。

去年7月，有报道称援引特斯拉相关人士消息称，特斯拉第三代机器人已在美国工厂进行实测，预计2025年面向中国C端市场推出，将进入家庭等消费场景，预计2026年实现量产。

据特斯拉此前介绍，特斯拉人形机器人第三代版本将在2.5代的基础上进行升级，包括最新的手部设计。弗里蒙特工厂的Model S/X生产线将改为人形机器人产线，预计2026年底前启动量产，最终规划年产能为100万台。

截至目前，特斯拉在人形机器人领域已经推出了Optimus第一代(Gen1)和第二代(Gen2)。其中，Gen1于2022年10月推出，能够实现基础行走和搬运。Gen2在2023年发布，步行速度提升30%，配备了22自由度灵巧手，2024年进入工厂测试。

特斯拉在2026年第一季度财报中披露称，Optimus第一代生产线设计年产100万台机器人，将取代位于弗里蒙特的Model S和Model X生产线。特斯拉还在为得州超级工厂准备第二代生产线，其长期设计年产能为1000万台机器人。特斯拉创始人马斯克表示，预计美国得州全新Optimus机器人工厂将于2027年投产。

当地时间4月22日，特斯拉发布了2026年第一季度财报。在财报电话会上，马斯克表示，2026年对特斯拉而言将是非常令人振奋的一年。特斯拉正在对核心技术进行重点投资，包括电池、动力总成、人工智能软件、AI训练、芯片设计和制造等领域，为未来制造产能的大幅提升奠定基础。同时，特斯拉也在全面加强电池、能源和AI芯片等供应链建设。

马斯克重申，他认为人形机器人将成为特斯拉有史以来最重要的产品，甚至可能是人类历史上最重要的产品之一。另据特斯拉首席财务官透露，今年公司资本支出将超过250亿美元，重点用于Cortex 2算力集群、Dojo 3定制芯片以及Optimus人形机器人工厂的筹备。

界面新闻近日从特斯拉中国获悉，目前特斯拉并没有在上海超级工厂量产人形机器人的具体计划。此前，特斯拉副总裁王昊在媒体活动现场被问及机器人时曾表示，特斯拉上海超级工厂拥有很好的规模化量产能力，在未来拥有很大潜力。

财报显示，2026年第一季度，特斯拉营收达223.87亿美元，同比增长16%，创近三年来最高增速；归属于普通股股东的净利润为4.77亿美元，同比增长17%。报告期内，特斯拉经营现金流为39.4亿美元，同比增长83%；自由现金流为14.4亿美元，同比增长117%。

同期，特斯拉汽车业务收入同比大增16%。从产量和交付量来看，特斯拉一季度汽车产量408386辆，其中Model3/Y产量394611辆；汽车交付量为358023辆，其中Model3/Y交付量为341893辆。

浭深

CPU“一芯难求”，英特尔 连“报废品”都拿出来卖了

马斯克 诉 奥特曼 庭审首日：“没有我就没有 OpenAI ”

中方宣布禁止外资收购 Manus 项目

OpenAI 要做 手机 了？

库克 留给 苹果 新CEO“第一份作业”

英特尔 要翻身了？利润暴增156%！

英伟达 的L4野心：迎接 自动驾驶 ChatGPT 时刻