这个国庆假期，今年38岁的李曦抱着试试看的心态，为女儿买了一只价值300多元的“水系芙崽（Fuzozo）”。当面对女儿刁钻的数学题时，“芙崽”给出了“不要把本芙崽当计算器”的回复，这让她意识到，AI不再只是工具，它一定程度实现了情感陪伴。 芙崽的形象类似一个毛绒挂件，不同颜色与“金木水火土”的五行概念对应，有各自的MBTI。相关数据显示，芙崽这款AI玩具月销突破2万台。 热销的芙崽是今年AI情感陪伴硬件赛道热度攀升的缩影。从AI毛绒玩具到陪伴机器人，产品层出不穷，资本与创业者也纷纷涌入。 不过，风口之下，挑战也很快到来。在生产端，AI陪伴硬件陷入同质化困局，产品多依赖第三方大模型，仅在外观材质上有差异，导致低价内卷与高退货率并存。 曾在经纬、光源资本等投资公司工作，NLP（自然语言处理）专业出身的AI领域投资人Vivian指出，用户价值指标如NPS（净推荐值）才是关键，行业亟待突破“会说话”的表层需求，建立持续情感连接。 消费端则面临“愿尝试、难留存、付费意愿低”的现实断层，业内爆款产品“芙崽”受到广泛好评，但也有用户表示，其对于最常见的户外场景适配度不够。 面对这一局面，行业亟需回答：如何跨越生产与消费之间的鸿沟，在真实需求与商业价值之间找到平衡？ 同质化低价内卷，难觅破局“奇点” ‍‍ 芙崽背后的AI陪伴硬件公司珞博智能，已经成为行业“网红”。在三个月中先后完成了天使轮和天使+，两轮融资背后投资人阵容涵盖红杉中国、金沙江创投，十分豪华。 有意思的是，金沙江创投的朱啸虎前脚表示具身智能商业路径不清，“正在批量退出人形机器人公司”，后脚就投了脱胎于具身智能的珞博智能。 “芙崽”主打养成系电子宠物，以“口袋大小+时尚挂饰”的轻量化设计切入市场，试图区别于传统大型陪伴机器人。该产品多个款式在淘宝单店单量已经破千，目前“双十一”券后价为316元。 目前芙崽在京东AI玩具热卖榜上排第二。从这个排行榜来看，AI陪伴类玩具销量前二十中，有一半的价位在200元到400元这个区间，类似芙崽的产品还有趣巢AI抱抱喵、优必选萌UU、隼眼小聪AI毛绒玩具，除此之外主要是主打AI早教、伴学类的产品，比如火火兔AI早教机器人。 国内AI情感陪伴机器人也普遍在冲击高端价位。商汤科技的“元萝卜”可用于象棋、围棋等五种棋类的教学，价位在2000元以上。AIBI等“口袋机器人”的价位也在2500-3800元不等。无界方舟推出的“奇多多AI学伴机”主打陪伴式早教，定价在899-1199元这一区间。 此前，朱啸虎也曾在朋友圈赞赏日本情感陪伴机器人LOVOT，称其“3000多美金的定价，主要用户是40岁以上女性，日活用户每天抱着的时间超过60分钟”。 根据Ark Invest调查报告显示，AI玩具陪伴市场正在迎来爆发式增长，2024年至2030年整个市场将会复合增速超200%，规模在2030年达到700亿美元至1500亿美元（超1万亿元人民币）。 市场广阔，资本与创业者前仆后继，但AI陪伴硬件赛道正陷入“什么都能做，但做什么都差不多”的怪圈，同质化严重，多数产品集中在有限场景，缺乏差异化创新。 Vivian专注AI与具身智能领域初创公司投资，拥有十年投资从业经历，见证过移动互联网、硬科技等多个风口轮动。她直言，今年以来，面对层出不穷的AI产品，无论是投资人还是用户都有点信息过载。 所以，在这个时间点，“用户价值”，如留存率、净推荐值（NPS）是最重要的指标。公司应当能清晰向投资人呈现产品实现及提升留存的策略，而投资人等行业观察者要看到用户真实的声音，因为高NPS反映用户对产品的“情感认同”。 然而，过去一年，市场中涌现的AI陪伴硬件多依赖第三方大模型API接口搭建基础对话功能，仅在外观材质上略有差异，技术壁垒并不高。 从市场表现来看，同质化直接导致“低价内卷”与“高退货率”并存。传统AI玩具多在400元以下价位厮杀，而具备情感陪伴属性的硬件虽试图冲击900-2000元的高端，但用户接受度参差不齐。 Vivian表示，多模态交互是AI陪伴的基础，但开源大模型的通用多模态能力无法满足“情感交互”的精准需求。AI陪伴产品需同时处理语音、视觉、文本等多模态数据，并融合这些信息推断用户的真实情绪。比如，人们笑着说“我没事”其实是“难过”。这种“情感语义”的深度建模，当前是缺乏的。 此外，让AI从“记住”到“懂你”，不仅仅是通过结构化记忆与语义检索让用户的每一次对话、每一个偏好都被精准记录，还要在交互中自然回溯，例如“去年今天我们一起去看了落日”。 这都需要收集用户隐私数据和历史数据，通过强化学习和社交图谱、兴趣图谱、学习树等，对个性化记忆进行动态更新。在复杂场景下、多人、多AI智能体之间的记忆特征协同，也都是需要突破的地方。 但令人遗憾的是，市面上的多数AI陪伴硬件产品只满足了“会说话”的表层需求，还没能建立持续的情感连接。 用户需求与变现渠道的双重拷问 当生产端陷入同质化内卷时，AI陪伴硬件的消费端同样面临“需求模糊”与“变现艰难”的双重挑战。用户普遍反馈“买后闲置”“付费意愿低”。 从用户需求来看，不同群体的核心诉求呈现显著差异，且多数未被现有产品满足。 基于人口结构分析，Vivian认为，单身化、老龄化、少子化及城市化等人口趋势，共同塑造了孤独经济的核心需求与市场形态。这些人口结构变化不仅改变了传统家庭模式与社交方式，更催生了针对“孤独感”的消费与服务需求。这是增长的基本盘。 目前，国内最为火热的“AI萌宠”类产品最大的用户是家长，这一群体的需求集中在“托管陪伴”与“教育辅助”。 李曦在一家知名外企工作，今年38岁，为了让女儿多个伴，她购买了一只“水系芙崽”。她表示，女儿每天都会与其互动，但更多可能是出于刚买没多久的“新鲜劲”。 李曦注意到，女儿每天都会使用芙崽的“内心OS日记”功能。“芙崽有自己的性格，有记忆，回答问题不机械。”李曦这样总结道。对于女儿许多异想天开的问题，大人难以回答，而芙崽却能持续回复，并总能给出有趣的解答。 例如，当女儿恶搞式地提问芙崽“12+99999*78/2等于几”时，芙崽并没有给出答案，而是回复道，“不要把本芙崽当计算器，这么大的数你自己算去”。当女儿因此笑出来之后，芙崽也能基于自身的性格，给出恰当的反应。 业内人士也表示，这背后应该是针对未成年陪伴等垂直场景做了AI Agent的特化训练。 但李曦同时坦言，在户外，联网不太方便，环境嘈杂、收音不佳，有时候芙崽听不清女儿的话，往往会导致没有反应或者答非所问。因为AI陪伴产品更新迭代快，她不会一下子花很多钱在一款产品上。目前，她对这类产品预算限制在1000元以内。 家长之外，老年群体的需求偏向“情感慰藉”与“生活协助”。在国内，部分社区养老服务中心曾试点引入AI陪伴机器人，多数老人表示“能聊天解闷挺好”，但也反映过“操作太复杂”“听不懂方言”等问题。 年轻单身群体则追求“个性化社交陪伴”，但现有产品难以满足。多位95后、00后用户向《豹变》表示，尝试过Character.AI等纯软件应用后，虽觉得“能聊得来”，但缺乏实体感；而市面上的AI毛绒玩具又“太幼稚”，不符合审美需求。 需求的差异化，直接导致行业变现路径充满不确定。当前主流的变现方式有三种：硬件销售、订阅服务、内容付费，但均面临挑战。 硬件销售方面，多数AI情感陪伴硬件依赖“低价走量”，而高端产品如日本LOVOT机器人，虽定价3000多美金，但受众狭窄，难以规模化。在国人尚未养成消费认知之前，订阅服务与内容付费的可行性同样存疑。 Vivian强调，AI陪伴不是单一产品，而是要围绕目标用户的生活方式设计场景。现在很多团队只盯着“陪伴”两个字，却没搞清楚“谁需要陪伴”“用什么陪伴”“在什么场景下陪伴”，这才是变现难的核心原因。 如何精准捕捉不同用户的真实需求，找到“情感价值”与“商业价值”的平衡点，仍是行业从生产端走向消费端必须跨越的门槛。 另辟蹊径：逃离 AI陪伴“拥堵路段”？ 在AI陪伴硬件赛道陷入“毛绒玩具、机器人同质化内卷”的当下，也有人试图以更自然、无压力的方式切入需求，深耕垂直场景，比如转向“AI+时尚饰品”的交叉地带，试图逃避拥堵路段。 打造出多款“AI手链”的创业者马小艺告诉《豹变》，“AI硬件”的赛道过于拥挤，而“带AI功能的时尚饰品”这一定位差异，让产品从设计阶段就跳出了传统AI硬件的思维定式。 AI陪伴硬件领域，各大厂商要在电子元件性能并不稳定的前提下卷性能；传统首饰领域，创新灵感枯竭，客户增长速度、单笔消费金额下降。 因此，马小艺选择了一条“中间路线”，基于不同的用户群体和应用场景，使用橡胶、塑料等耐用材料或金、银等贵金属打造手链，仅嵌入一枚微型NFC芯片，用以唤醒AI网页/应用界面或进行用户间的信息交互与触达。 创业至今，其思路收到了不少质疑的声音。在小红书的评论区，有人表示相关竞品太多，该产品难有优势；有人指出其产品“需要二次链接，链路太长”，不好实现；有人认为其部分合作产品“用户群体不太重合”；甚至有人“灵魂质问”，直接质疑相关需求是否存在。 不过，对这些声音，马小艺认为，行胜于言。因为与险企、大健康机构、互联网大厂等达成6个定制合作，马小艺的产品在B端市场率先实现落地，覆盖高净值客户定制服务、健康管理助手等多元场景，单次订单量一般在200-500条。根据硬件材质、软件开发复杂度等因素，客单价从150元到2000元不等。 比如，与一家险企合作推出的定制产品“人生传记手链”，手链内置的AI会每天生成1个个性化问题，用户回答后，AI会自动润色并按日期归档，并在一段时间后整合为一本“人生回忆录”。 目前仅凭B端预付款，马小艺已经能够覆盖生产成本。 同时在C端市场，马小艺瞄准了“粉丝经济+社交陪伴”这个切口，计划以艺人联名为切入点正式发售，并邀请明星试戴，以提高话题度。顺利的话，她的产品将会在11月1日举办的某场音乐节上亮相。 马小艺也向《豹变》展示了首款产品的IP形象——一个非常潮酷的小精灵，除去外表很有特色，每款手链里的小精灵都具备一个“AI特异功能”，比如首款主打AI合影功能，通过这一功能，粉丝只要上传自己与爱豆的单人照，即可基于AI生成同框合影。 AI陪伴硬件仍处于探索期。无论是芙崽这类“萌宠”产品，还是马小艺的“AI手链”，都在试图从不同路径回应同一个问题：如何让技术不再是冰冷的工具，而成为可信赖的陪伴。 这条路上，真实的用户洞察、可持续的商业模式，以及对“陪伴”本质的理解，仍是所有玩家必须跨越的三重门。唯有回归人的需求，才能真正打开情感科技的未来图景。 （应受访者要求，文内李曦为化名）

本期《Blue hour》请来一位AI投资人，英诺天使基金合伙人王晟。今年世界机器人大会发布“中国最具投资价值机器人公司TOP20”，榜单上，有5家是他在第一轮投资的项目：加速进化、松延动力、自变量机器人、千诀科技、动易科技。按目前估值来看，两个项目有小几十倍的收益，两个项目有10倍的收益。 细究一番，投中那几家公司的逻辑不太一样。如果说投偏本体的公司是基于战术——人形机器人原本不在他的规划里，是马斯克和黄仁勋制造了风口，此时需要的是快速反应，跟上形势的能力。那么在早期抓住自变量和千诀科技则更多靠的是战略——这两家，一个做具身大脑，一个走类脑路径，敢出手得从通盘的产业布局出发，对智能发展的大方向做出预判。 也不是没有遗憾，比如投得还不够多。王晟的反思是，如果几家公司未来都有很大潜力，为什么非得选一家，赌谁是冠军呢？ 他说这些话，多少有些凡尔赛的意味。“都投一遍”显然不可能是一个现实的策略，这话的潜台词是他看得早，估值便宜。早期投资的要义在于识别红利和人脉变现，核心是一个字“早”。我想说的是，每一年热门赛道沙龙的座上宾们，那些投中明星公司的投资人，讲得都是这套话。 但他的故事又有些特别。这波新公司的创始人融资时最先想到他，其实是因为他坐过几年冷板凳，下了几年闲棋。再延伸一点，与其说我想讲的是某种成功的方法论，不如说是一段长长的职业成长故事： 一个 摇 滚青年， 毕业 即投身互 联 网，曾是搜狐 10 号 员 工。 1999 年开始 创业 ，拿了 IDG 和祥峰的400万美金，但赶上互 联 网泡沫，公司没撑住。往后数， 还 有三段 创业 ， 卖过 两次公司。花了十多年 时间 ， 创业 没大成，他只 验证 了一件事，自己不适合 创业 。 快到40 岁 的 时 候，他开始学做早期投 资 。移 动 互 联 网大潮 袭 来 时 ，他 还 是投 资 新手， 积 淀几年，倒是赶上文 娱 投 资热 。 毕 竟当 过 文 艺 青年，投文 娱驾轻 就熟，几个小几十倍回 报 的 项 目都 记 在他名下 —— 这 听上去更多是基于 经验 取得的成 绩 。 而后新消 费 扑面而来，他学 习 品牌 战 略、品类定位和消 费 心理学，但折 腾 了半天， 发现 有些事不是学就能会，要靠 sense—— 换 言之，他碰上了一个用理性无法可靠把握的 赛 道。 再后来是芯片、半 导 体和新能源，偏偏他又不喜 欢 To B 生意。理性意 义 上的 “ 有用”当然很重要，但不是他唯一的考量 标 准。你似乎很 难 在一个投 资 人嘴里听到 对 “ 喜 欢 ” 这 件事的强 调 。 风 口来了，共 识 有了，追 呗 ，学 呗 ， 拥 抱浪潮 呗 ， 为 什么要 怀 疑？ 逆流的代价是，好几年里他 鲜 少出手。但命运的奇妙之 处 在于，恰恰是因 为 他没有追逐看似更确定的 趋势 ，放任自己 捣 鼓感兴趣的事，反而撞上了 这 波 AI 热 ，成 为 被新浪潮 选 中的人。 以上便是一个70后投资人穿越周期、起起落落的成长路径。王晟是理工科出身，理性思考是刻在骨子里的习惯，但偏偏职业上的重大选择——无论是当初去互联网，创业，还是后来选投资主题——都从感性出发，总是尊重自己的感受。这当然与他的身份有关，他不是GP，无须承担LP问询的责任，因而保有一份自由。从结果来看，并非所有的红利他都吃到了，因而这不是个成功学故事。但我觉得他的人生也很多彩。人难免被浪潮推着走，可绝非毫无周旋的余地，还是可以为保存自己的兴致和性情赢得一点空间，这是我觉得王晟作为一个投资人身上可贵的地方。 如果要选一种色系代表他，我会选紫色，由热烈的红色和冷静的蓝色混合而成，象征感性和理性的交融。如果要选一种具体的颜色，我想鲜艳的桔梗色很贴切，一种明快的蓝紫色，一如他大笑时显露出的明快的性格。 摇滚乐、互联网和天使投资 刘燕秋：我想先从你个人谈起，你的视频号介绍是关于天使投资和摇滚乐队。其实这个行业里玩乐队的人也不少，讲讲你为什么喜欢摇滚乐吧。 王晟：我从初中就开始弹吉他了。那个年代有个很特别的东西，叫“打口带”，就是一些走私过来的音乐磁带被查到后，会被打一个口，但很多其实还能听，有时候用胶带粘一粘就能继续用。我就是通过这些打口带接触到了国外的音乐，觉得特别棒。后来上了大学，我买了一把电吉他，就想着组建乐队。不过说实话，我们当时的水平不怎么样，当时的环境，想把乐队搞好也很难。不像现在的小孩，从小就能沉浸在好的音乐环境里，吉他都弹得很厉害。 刘燕秋：那个年代搞摇滚乐或者其他小众音乐的人，好像大多都有一段打口带情结。 王晟：对，那时候中国的流行音乐发展得还不发达，音乐风格也特别有限。大家平时听的港台磁带稍微多一点，但港台音乐的资源同样有限，而且它主要是借鉴了日本一小部分流行音乐的风格。所以很多人在接触到打口带里的音乐后，都会特别惊讶：原来还有摇滚、金属，还有电子音乐这些类型，一下子就像打开了新世界的大门，这种冲击感还是很强的。 刘燕秋：相当于你接触这些音乐的时候，正好是青春期，那个阶段人往往会有很多想法和情绪想要宣泄，摇滚乐刚好契合了这种需求？ 王晟：你说得特别对。我上大学那会，一直觉得自己未来的职业就该是搞音乐。 刘燕秋：那后来怎么跑偏了，没走音乐这条路？ 王晟：因为发现搞音乐的可持续性太差了。那时候虽然音乐行业不发达，但乐队圈子还是有的，接触下来就会发现，大家想靠音乐谋生特别困难。另外，快毕业的时候，我开始接触到互联网，又被互联网这个新事物吸引了。 我的一个好朋友姚勇，他以前是水木年华的吉他手。我们上大学时，他有他的乐队，我有我的乐队，还一起合作演出过。他毕业之后也搞了几年乐队，但最后觉得实在不行。连水木年华这种在乐队里算发展得不错的，他都选择离开了。离开后，他就去创办科技公司、游戏公司了。 刘燕秋：摇滚乐圈子里经常会提到“摇滚精神”，你相信所谓的“摇滚精神”吗？ 王晟：首先得弄明白“摇滚精神”到底是什么。我年轻的时候觉得，摇滚精神就是反社会、很暴躁；但后来慢慢发现，真正的摇滚精神其实是自由意志——做你想做的事，创作你想做的音乐，表达你想表达的观点。到后来，我才真正意识到这一点。 刘燕秋：后来接触互联网，你会不会觉得摇滚乐和互联网之间，有某种内在的关联？我之前看到过一种说法，说“互联网就是那个时代的摇滚乐”。 王晟：在当时的中国，摇滚乐和互联网都是特别新的事物。那时候的摇滚乐，大家都叫它“地下音乐”，我们玩乐队的也都叫“地下乐队”。互联网在当时其实也是类似的状态，比如早期接触瀛海威的时候，也只有很少一部分人在尝试，大家都是觉得好玩才去做的。 我那时候做这些事，更多是凭着自己的本能和爱好，不是因为看到这件事未来能有多厉害、能带来多少好处，就是单纯觉得它有意思，然后就愿意去相信、去投入。这种感觉，其实和后来有些年轻人信仰加密货币的状态有点像。 刘燕秋：那玩乐队、搞音乐这件事和做早期投资有什么共通之处吗？ 王晟：你从理性的角度分析，投资其实是件复杂且综合性很强的事，对个人知识面的要求比较广。年轻的投资人很容易陷入到技术细节里去，但单靠研究投资技术、看别人的访谈，甚至学习学院里的课程，是很难把投资做好的，那更像是“照猫画虎”。 了解文化和历史其实很有必要。从投资人的知识结构来说，宏观经济、微观经济自不必说，心理学、社会学、人类行为学，还有商业与管理相关的知识，都和投资有关。好的投资人也大多会对哲学感兴趣。但这些知识不能只是多而杂，关键是要能将它们串联起来、形成关联，这样才会对投资有实际帮助。另外，我觉得投资这件事，核心还和好奇心有关。你得对很多事物抱有好奇心，并且具备创造性思维。 我个人觉得投资确实挺适合我的，至于我到底是不是真的适合做投资，还需要更多实践来证明。因为我自己的专注力不算强，好奇的事情、感兴趣的领域太多，很难长时间只聚焦在一件事上，日复一日地把它做到精益求精。相比之下，我更偏爱那些创造性空间更大的事。 刘燕秋：在一件事情上不断打磨，要是能做到顶级的人，大概率也不是停留在一个很浅的层面上机械重复，也是需要从其他东西里面去借鉴一些视角，和其他领域打通，建立一套自己的哲学。 王晟：这两个事情在某种意义上一定存在一种矛盾。当你花过多的时间在非常精细的事情上时，宏大视野的部分一定会被削减。当你站到更大的视野去看问题，或者希望解决更多问题的时候，你一定很难具体到某个特别微观的问题。所以为什么我说我觉得投资特别适合我，是因为我想做的事情就是涉及到多维度的复合视角和知识结构。作为投资人，我需要把握的是投资这件事情的尺度和规范，而不需要站在一个创始人的角度把握某个AI技术或者某个AI应用的细节。 如果两家未来都有很大潜力 我为什么非得选一家，赌谁是冠军呢？ 刘燕秋：突然想到这是不是也是很多人错看了王兴兴的原因？投资人可能是拿着一套比较多元的标准去看这个人，但搞机器人其实只需要在特定的领域更专，不需要你的素质那么综合全面。 王晟：我觉得恰恰相反，王兴兴不是一个典型的科创时代的创业者。你看所有投科创项目，投的都是背后哪个教授哪个科学家。当时有两个项目摆在我们面前，我们可以投宇树，但选择了云深处，依据的就是科创时代投资的典型思路，保证了下限比较高。 很重要的一点是，王兴兴有产品思维，是一个非常懂市场和用户需求，并且能把这种用户需求转换成一种匹配的产品表达，同时又能构建起支撑产品和服务表达的一整套技术和组织机制。所以你看他对宇树的产品定义，包括宇树的销售，一直做得很好，但是宇树的技术能力并不是最强的。他们也不提供行业解决方案，因为王兴兴认为做产业相关的事情很复杂，也不赚钱，不是一个相对规模化的市场。后来随着机器人能力不断进步，突然在科研之外又打开一个偏消费的市场，大家拿它用来做表演，这是谁都没想到的。 在这个过程中你就会发现，如果在比较早的时间点去看这两个项目，你会觉得科学家团队技术壁垒摆在那，底线是高的，但上限不一定。 刘燕秋：所以错过宇树，后来你们还会复盘和反思这个事情吗？现在要是再给你一次下注的机会，一个像王兴兴这种画像的人和一个看上去更典型的科创创始人，你做的选择会有什么不同吗？ 王晟：如果回顾这两三年我们投资的项目，再回到你刚才问的那个问题，那我不会选，两家我都要。两个我们认为未来都会有很大的潜力，我为什么非要从里面选出一家，最终谁是冠军呢？ 所以值得反思的点在于，我们过去的选择的意识太强了，太强了。WAIC世界人工智能大会发布了一个Top20的最具投资价值的机器人榜单，里面有5家都是我在第一轮投的。但是我数了一下，这里面其实有13家都在融资的第一轮跟我们交流过，我们是有选择权的。但是我只投了5家。 刘燕秋：你现在是觉得有点遗憾？ 王晟：遗憾谈不上，我只是觉得至少它展现了一个问题。当然你也可以讲，未来这20家不一定能跑得好，对吧？但这只是一个你的心理安慰。本质的问题是说，我们假定这个时间点非常有价值，而且这些公司估值增长都非常快，如果是第一轮投，到目前为止都会有非常好的收益，我相信未来也不难退出。但是为什么我们选了一些，而没有选另外一些？也许是我们选择的标准和尺度有问题。 刘燕秋：现在你选择的标准和尺度会发生一个什么样的变化？ 王晟：我们为什么没有选择去投那些项目，非常的重要的原因是，我们对于未来的产业，包括技术范式的发展、模式的选择，判断得太准确了，导致凡是没有跟我们形成同样判断的创始人，我们都觉得他们会走弯路。很多家在榜单上的创始人第一轮找我们的时候，他做的事儿跟现在做的事儿完全不一样，而跟我们当初给他的建议几乎完全一样。 刘燕秋：所以你们已经看清这个行业未来的发展趋势了，是这个意思吗？ 王晟：这几年所有行业的发展趋势几乎跟我们的判断是完全一致的。我们都会提前一年来判断，所以最大的问题也是，我们对未来的判断太有信心了，而且事实证明我们每一次判断都是对的，所以对那些不在我们判断方向上的创始人有时会轻视。 但是我们回到投资这件事的本质，终究是一个人的游戏，对吧？做什么事情都不是最重要的，重要的是这些人。我们从来都没有否认这些都是最聪明的人，我们虽然看到了他短期的局限，但是你不能否认，当这些人充分的把时间投入到这件事里，花更多的时间去理解这件事，了解市场跟市场碰撞的时候，他自然而然就会发生转变。这是我们最大的反思。 所以我们现在的投资策略从去年下半年已经发生了比较大的转变。我们反复在强调，我们要相信这些人，如果我们觉得这个人是强的，是可信的，我们可以接受他们在方向判断上和我们的分歧。 刘燕秋：英诺不是一个主要投天使的早期投资机构吗？最底层的逻辑不就应该是更看人？ 王晟：是这样，你同时需要考虑几个问题，人和事是一个比例的问题。当你对自己的判断非常自信的时候，那很显然有一个人的判断跟你不一致，你会认为他还不够强。 刘燕秋：难道你不会认为是自己错了吗？ 王晟：英诺是一个善于学习的机构，对自己的判断非常有信心。但我们从来都不会轻易否定创始人，都是在跟大家不断沟通，沟通他对市场的看法，对技术发展为什么做这样的选择。如果他能非常有逻辑地讲清楚，我们会改变看法，但事实上并没有，所以这会导致很难去相信他们。当然，也是因为担心他没有足够的钱，那就意味着他弹药不够，很难再转一个身。但是现在看起来在大赛道上，一是整个大方向不会有太大的偏差，第二就算大方向有偏差，对优秀的团队来说，资金就是安全垫。 绝大多数人对“具身智能”的理解是错的 刘燕秋：这两年你确实投了很多机器人和具身智能的项目。具体来说说吧，你对这个行业的判断是什么？这个判断是怎么来的？ 王晟：我在2022年底做的2023年的投资方向规划，那时候没有人形机器人，也没有具身。投具身智能明确地列在我们2024年的投资规划里，我的判断是大模型还需要变得更强，这波的技术范式包括多模态需要变得更强，才有可能对应用到物理世界的智能产生基础，所以我们是准备在2024年看。 但是我们一开始没打算投人形机器人，因为你也知道人形机器人其实前两年争议很大。所以人形这个命题确实是在我们的判断之外，这件事主要是黄仁勋和马斯克带起来的。2023年春天，马斯克不停地发布Optimus的动态，加上黄仁勋跟他一唱一和，两个人都讲人形机器人，所以一下突然就成为了热点。对于中国的科技投资人，在AI这个方向上，这两个人的影响力都很大。当然我们也看到了，所以我们立刻决定要投，之后就投了加速进化和松延动力，大概在23年的9月。 后来王潜回国，创立了自变量机器人。之前王潜一直跟我谈，说他大概六七月份回国，第一个就来跟我谈。搞具身智能的一共就几拨人，一拨是之前搞自动化的，一拨是搞CV的，一拨是搞自动驾驶的。王潜和这几拨人很不一样，基因不一样，经历不一样，经验和能力也不一样。自变量属于最纯正的新一代AI基因的具身智能公司。 事实上，2024年上半年的时候也很少有人投具身，直到今年，一些头部的投资机构才开始比较多地讲具身，而且大家其实对具身智能的范式定义非常不清晰。 刘燕秋：听上去还是计划赶不上变化快，做投资有点像做媒体，都得追热点。具身智能这个概念是什么时候有的？ 王晟：几十年前就有了。从本意上来讲，绝大多数人对这个概念的认识都是错的。 最常见的一种解释，不管是搞这个研究的老师，还是投资机构还是创业者，都会认为具身智能是一种物理智能——把智能赋予机器，其实和这个没啥关系。具身智能，英文翻译过来叫embodied AI，进入你的身体的智能，本身是人类认知学和行为学上的术语，是关于一个人怎么学习。 一种学习的路径是，你通过书本知识或者内观，通过推理逻辑归纳，不断去完善你的思想，产生一种新的认知，这是一类。另外一种就是embodied，通过跟外界打交道产生的这种认知和智能。比如说游泳这件事儿，你是很难讲清楚的，只有去游了，你在跟外界的互动中得到反馈，再加上不断练习，你才能学会。 刘燕秋：我听你的解释，具身智能的概念很像AI里面讲的强化学习。 王晟：你说得非常对，我们非常清楚，具身从第一天起，天然地就要对应一种强化的方法。我们在2022年的时候就明确了智能范式进化的三个阶段： 第一个阶段是信息智能的阶段，就是今天的大语言模型，大量的知识pre-train。第二个阶段就是对应具身智能，在我们对内对外分享的PPT里很明确地列出了这点，本质上就是强化学习。当时我们认为OpenAI就是在通过一种强化学习的方法，进一步提升第一个阶段形成的模型能力。当然，我们认为再往下一个阶段，可能要通过类脑进一步模拟人的脑。 今天我们确实也在模拟人的脑，模拟了神经元的连接，建立了神经网络。通过神经元的连接才能产生模型那么强大的能力，但是人脑不仅仅涉及到神经元的能力。人脑很复杂，有上百种离子通道，发生很多反应，至少从我们的角度来看，人脑处理信息的机制，是脉冲神经网络，不是像今天我们说的transformer也好，卷积神经网络也好，是一个静态的没有持续性的网络。就算不去建立完全新的脉冲神经网络，我们也要考虑人脑分了很多区域，包括前额叶、海马体等等，这些东西都对人形成强大的智能很关键。 刘燕秋：现阶段AI和机器人还是在模拟理性智能，这部分要是发达了，不就是完全可以取代人了吗？ 王晟：对。回过头来说，我们在2022年这么想的时候，还没有看到任何迹象显示强化学习能成为今天AI里面最重要的方法。其实今天你问很多投资人，他们对具身智能的理解很浅，更不要说在2022年就能提出未来的设想和规划。我认为市场上99%的投资人在2023年都不知道什么是具身。 刘燕秋：学习了解最新的趋势难道不是投资人的基操吗？ 王晟：当然不是。2022年底GPT这件事在投资人眼前展现的时候，几乎99%的投资人都是第一次听说。基础好的投资人不用从头学习，但这部分人可能就1%，绝大多数投资人还得回头去学习10年前的东西，学完了，可能还是很难理解。 就算你补了这节课，也不是说你一下子就搞明白了。把这些知识灌注进来，神经元的新连接形成的过程，权重的调整，是一个物理过程，是需要时间的。比如你训练一个大模型，可能你今天有万卡，你训练一次三个月，这三个月就是不断在优化调整这些神经网络之间的连接的权重，人也是这样的。 刘燕秋：这个讲学习的角度有意思。是这样的，一个道理从你听到它到觉得有道理，到你能真正实践，每一步之间都有漫长的距离。那你最早是从什么时候开始关注这个领域？在这个过程中认识有什么变化？ 王晟：我们其实从AI第一波发展时就开始关注，但介入时间比较晚。我所说的第一波，是诺奖得主、图灵三巨头的hinton和他两个学生推出Alexnet的2012年。英诺成立于2013年下半年，当时我们还是投资新手，对AI领域缺乏足够认知，而且市场关注点还集中在移动互联网应用上。我觉得只有那些老牌头部VC，在那个时间点才真正关注到AI的潜力。 而且AI四小龙基本都在2013年之前成立，我们连见证这些公司成立、参与天使投资的机会都没有。直到2016年，我们才对AI领域形成明确认知，当时投了做医疗影像的推想科技；2017年又投了做自动驾驶的智行者、做工业视觉的阿丘科技，后来还投了文远知行。这些项目帮我们提升了在AI产业链领域的认知。 AI大致可以分成两类，一类是解决图像问题，另一类是解决文字问题。图像问题是率先实现突破的，沿着卷积神经网络的技术路径发展，也就是过去常说的CV四小龙和自动驾驶这一波。但对人类而言，文字问题才是更核心的挑战。 讲这些是想说，要是在2022年之前，没有清晰理解AI技术的发展过程和技术范式的变化，就完全无法预判这波技术的走向。这一波AI投资里，很重要的一点是基于认知的提前布局。在什么时间点提前判断技术方向，相信技术会往这个方向走并果断投入，在行业形成共识前就参与讨论，等共识迅速形成时，所投的项目就能获得更多支持。 刘燕秋：投资行业常讲的故事不都是这一套：要自上而下研究行业，预判趋势，在趋势形成前投进去。 王晟：问题在于，你看真正能做到预判的有几家？英诺投的每个项目，差不多都卡在大公司入场前的几个月到半年，至少最近几年都是这样。 刘燕秋：在这一波AI和具身智能领域，英诺算是投得比较激进的机构吗？ 王晟：我觉得我们还不够激进，其实还是很谨慎的。在机器人领域，包括上下游供应链，我们一共投了20多家企业；在模型层和应用层，累计投的AI项目估计得有40个。英诺现在主力基金的单笔投资平均在1500万左右，还在提升。有些优质项目不太适合英诺的投资策略，也会争取用水木校友基金来投。 刘燕秋：我印象里英诺之前还是单笔投几百万的规模。 王晟：最近两三年都是这个趋势，科创项目的估值更高了。一方面是创始人的起点更高，另一方面是项目启动的技术壁垒也比以前高很多。 刘燕秋：前段时间行业里比较热的词是VLA（Vision-Language-Action）路线，但王兴兴在WAIC上提到这个架构比较“傻瓜”；众擎机器人的赵阳也说，硬件决定了软件的收敛。现在在这些基础问题上，大家还处于争论阶段。如果技术路线都没收敛，大家当下在赌的到底是什么？ 王晟：我们其实做过一些选择，很多项目没投，现在觉得有点可惜，但这种可惜只限于资本层面，意思是如果当时投了，现在能赚钱，而且我也知道它们下一步大概率能融到资，但这并不代表我相信这些公司未来能真正做成。现在复盘来看，我只是觉得在资本层面错过了机会，即便这些公司做了战略调整，我还是认为他们失败的概率仍然很大。 我们更相信自己投资的逻辑能带来成功，核心是判断谁能活下去。比如做本体人形机器人的企业，已经有订单和收益了。像松延动力手上有2000多个机器人订单，对应近亿的收入，这样一家年轻公司就能实现盈利。还有加速进化，今年已经交付了几百台机器人，现在肯定能交付上千台，这些都是实实在在的收入。再比如我们投的千诀科技，做的是机器人大脑，这次世界人工智能大会上有80多家机器人企业展示产品，其中1/4用的都是千诀科技的大脑。 这些企业一是长期发展空间大，二是短期有可观的收入。 刘燕秋：如果有新的技术路线结合硬件出现，会不会很容易超过现在这些公司？ 王晟：首先，现在这些公司都在不断调整。之前没人讲VLA的，你看过去一年甚至半年里，大家都在跟着技术变化调整。原则上，只要一家公司人才密度足够高、资金充足、包容性强且足够灵活，创始人又有远见，就能够随着技术范式的变化不断调整，也能拥有一定的竞争优势。比如人才优势、资金优势、数据积累优势，甚至落地场景优势。就像大模型领域，一旦技术范式清晰，就不再是创业公司的机会了，头部企业凭借积累的优势会迅速占据主导。 从连续创业者到风险投资人 刘燕秋：回到你个人，你现在还经常听音乐吗？比较喜欢的作品是什么类型的？ 王晟：我现在听的音乐还比较“陈旧”，大多是年轻时常听的乐队和歌曲。比如从学生时代就开始听枪花、平克、acdc、metallica、吉米.亨德里克斯这些，稍新一点就是林肯公园这拨人，其实也都是挺老的乐队了。 刘燕秋：你喜欢这些乐队的标准是什么？你判断音乐“好”的标准是什么？ 王晟：大家常说这些乐队“经典”，但“经典”该怎么定义呢？站在我的角度，主要看两点： 第一是音乐性。普通人很容易听懂歌词、感受到节奏感，但摇滚乐发展到后来，出现了后摇这种不唱歌的形式。其实不止后摇，爵士乐、fusion这些更偏向纯音乐的类型也是如此。它们会把人声当作乐器的一部分，甚至去掉人声也不影响整体表达，核心是通过音乐传递独特的理念和创新。不过这种纯音乐的价值，不搞音乐的人可能不太容易理解。 第二是音乐的传承与创新。现在的音乐，起源、流派、历史大多有渊源和关联性，很少有凭空出现的风格。我会顺着音乐流派的发展脉络，去选择那些在传承中带有创新的音乐，这种有根基的创新更有生命力。 刘燕秋：你这个评价标准听着还挺学术、挺专业的。 王晟：算不上专业，因为你既然喜欢搞这个事儿，虽然我们搞得也不太好，但是多多少少我们也常试图用相对专业一点的标准要求自己。 刘燕秋：其实还是很难得，很多搞乐队的人没这么理性，根本没怎么系统学过相关知识。 王晟：如果是天赋极高的人，有没有理性都无所谓，有天赋再加上理性当然最好，但这两者往往有点冲突。很多有天赋的人，不需要理性也能做出好作品。而特别强调理性的人，比如音乐学院里有些研究音乐结构的人，知道该怎么搭建音乐框架，但他写不出有灵魂的东西。其实越侧重理性，反而越说明可能在天赋上有所欠缺。 刘燕秋：所以你后来觉得自己在音乐上天赋不强，主要靠努力？ 王晟：我觉得大多数人靠勤学苦练，积累够2万小时，都能达到中等偏上的水平，我搞音乐大概也会是这样。但真正顶尖的人，绝不是只靠时间堆积。你看周杰伦这种人就是有天赋，能创造出全新的音乐形式。 刘燕秋：那你后来觉得自己在什么事情上有天赋？ 王晟：我觉得我在什么事情上都没什么天赋。我在做这些事情上只能有一条路，就是要靠勤奋努力，硬要说，我在“理性”上可能稍微有点天赋。 刘燕秋：柏拉图把人的灵魂分成理性、欲望和激情三部分，你觉得自己更偏向理性？ 王晟：我其实也挺感性的，搞音乐本身就需要投入很多感情。但我对思维逻辑性的依赖程度，应该超过普通人不少。我需要一件事有足够强的逻辑性，底层有扎实的系统支撑，而不是靠“我觉得”“我认为”这种单纯的感受来判断。 刘燕秋：那你这样的特质，还挺适合做投资。 王晟：也不一定，得看具体领域。比如投消费品，理性就没那么适用，因为消费品更依赖对用户感受的把握。 刘燕秋：但投消费品本质上也是投公司，不只是投产品吧？ 王晟：可用户到底需不需要这个产品，很多时候是理性分析不了的。偏理性的人很难对用户的某些强烈偏好做出判断，投资里其实有不少这类没法用理性拆解的事。 刘燕秋：你之前创业加起来一共做了多长时间？最后怎么下定决心不做了？ 王晟：前后大概十来年。最后一次创业是酷米网，这刚好是李竹投资的项目，我们想做一个面向青少年的动漫综合服务平台，后来被一家上市公司收购了，当时收购价大概4个亿。 刘燕秋：那这也算是世俗意义上挺成功的创业经历了吧？ 王晟：算不上。上市公司收购时给了一点现金，但不多，主要是换股，后来上市公司的股价也跌了，没太大价值。也是在那段经历之后，我慢慢觉得创业可能不太适合我，反而觉得搞投资更对胃口。我对很多创新想法、新鲜事都感兴趣，虽然自己没能力做，但想掺和一下。可一旦扎进一个创业项目，就算能做成，也得搭进去七八年、十来年，这不是我想要的。 刘燕秋：转做投资，算是你职业生涯里最重要的选择吗？ 王晟：对，我觉得有两个选择很重要。第一个是刚毕业时选互联网公司。当时IBM和微软都给了我offer，但我最后去了瀛海威。那时候瀛海威还是个小公司，而当时最好的职业选择是外企，其次是“巨大中华”（巨龙通信、大唐电信、中兴通讯、华为技术）这类企业或者国企，我等于是选了个非主流方向。 刘燕秋：你说自己很理性，可做这种重大决策时，反而挺感性的。 王晟：年轻的时候基本都这样，包括创业，当初就是觉得好玩才做的。 搞不懂新消费，几年没投项目，却抓住了AI的机会 刘燕秋：当时转做投资的机会是怎么来的？ 王晟：我在互联网行业待了挺久，身边有一些朋友已经实现了财务自由。即便李竹当时没做英诺这支基金，我也打算自己募集一支小基金做投资。后来正好李竹要搞英诺基金，我就加入了。 刘燕秋：讲讲你转做投资后，自我探索和迭代的过程吧。 王晟：这个过程还挺曲折的。最开始想得太乐观，缺乏敬畏心，觉得自己创过业、融过资、卖过公司，又在创业圈子里，应该很懂创业，可真做起投资才发现太难了，看那么多基金的经历就知道，这行没那么简单，尤其是零基础起步的时候。 从我的背景来看，我在瀛海威、搜狐都是做技术的，后来创业也偏技术方向，所以最开始觉得自己适合投互联网、商业模式创新这类领域。我也比较早意识到科创是个好方向，但一直对芯片、半导体材料、新能源这些领域没什么兴趣。 刘燕秋：你是学理工科的吧？按理说对这些领域接受度会更高。 王晟：我从不怀疑自己的学习能力。今年到现在已经看完了快30本书，B站上一套几十课时的课，一年也会学好几套。我学的东西很杂，既有AI、计算机相关的，也有数学、概率，还有历史、哲学、心理学，甚至佛教相关的内容。从我自己的体验来讲，第一肯定有用，第二会使精神世界很丰富，人会很开心。所以我不怀疑自己的学习能力，但会怀疑为什么要学一个东西——除了理性上觉得它有用，我是不是真得喜欢也很重要。 因为对芯片、新能源不感兴趣，没在这些领域投入太多精力，确实也带来了一些挑战。我感兴趣的互联网、商业模式方向，在2017年到2022年特别是疫情期间处于低谷。 刘燕秋：对，那几年大家确实都在看芯片、半导体、新能源。 王晟：李竹也跟我说过好几次，让我去看这些领域，但我实在提不起兴趣。 刘燕秋：不感兴趣的原因是什么？是觉得AI浪潮更贴近个人，而新能源这些更偏向产业吗？ 王晟：这是很直接的原因。AI、机器人都是直接触达个人的，而新能源、芯片材料这些是To B的，和C端个人没什么直接关系。我可能天生对To B的生意感兴趣程度不高，而且觉得它们的多样性不够。我喜欢的是足够丰富、有足够创造性和可能性的领域。 刘燕秋：市场热点集中在你不感兴趣的领域时，你那段时间在做什么？ 王晟：其实我在文娱领域投得还不错，毕竟我以前是文艺青年。比如柠檬微趣这个项目是我负责管理的，今年大概几十亿收入，几个亿利润，已经退出了，赚了不少钱。后来投了葫芦侠、狼人杀，积目，这几个项目都差不多是两年被并购退出，都有10几倍到20倍的收益。此外，还投过抖音上第一个月流水破亿的休闲游戏《翡翠大师》。 但文娱领域项目，难以在二级市场退出，没法成为基金稳定的投资方向。所以我就试着去看新消费，结果发现挑战特别大。我不怕学习，但新消费特别需要“sense”。比如楼下开那么多咖啡店，为什么有的能成、有的不行？这个很难用逻辑说清。那几年我试着学品牌战略、品类定位、消费心理学，累得不行，最后发现有些事真不是学习就能会的，得认。 刘燕秋：不能通过市场调研来了解这些吗？ 王晟：理性的调研往往都是错的。乔布斯说的，用户根本不知道自己想要什么，福特也说过，用户只会说想要更快的马车。 不过我后来也觉得，世界的发展挺奇妙的。正因为我没把精力放在科创、芯片这些领域，新消费也没投成，反而多了些时间东看看西看看。回头看历史会发现，2019年可能是全球AI包括自动驾驶和CV（计算机视觉）的低谷。2012年开始的AI热潮，到2019年基本崩塌了，但新一代AI也是在这个时间点前后启动的——谷歌2017年提出Transformer架构，2018年推出BERT。但直到2022年11月OpenAI发布GPT之前，市场上超过90%甚至95%的投资人都不知道Transformer是什么。这么重要的技术，四五年时间里居然没多少人关注和研究。 刘燕秋：这个经历很有启发意义，相当于你遵从本心，没追自己不感兴趣的热点，反而赶上了这一波AI浪潮。 王晟：对，做很多事都需要足够的时间思考，如果当时我是个专注投芯片、半导体的科创投资人，肯定忙得没时间关注AI这种只是有点苗头的方向，也不会觉得它该是重点。 刘燕秋：但这个前提是你有选择的空间，当时那个时间点，你能做这样的选择吗？ 王晟：从机构的角度来说，如果一个基金要求所有人都必须立刻有用，没有任何人有时间和精力去关注非热点方向，那这个基金大概率抓不住新机会。 刘燕秋：所以还是得益于组织机制的优越性。 王晟：应该说竹总比较宽容，给团队的空间相对大。其实那几年我基本没怎么投项目，换成其他基金可能很难接受。但也正是这种机制，让我有时间提前观察和思考AI方向，提前做行业链接。英诺这一波能抓住AI的机会，和这段积累有很大关系，最终对基金来说也是好事。 访谈后记 依照思维方式的不同，英国哲学家以赛亚·伯林把人分为“狐狸”和“刺猬”，通俗点讲，狐狸型的人偏广博，刺猬型的人偏精深。 王晟毫无疑问是狐狸型人。他反复提到，喜欢有跨度和创造性的事，对打磨细节感到厌倦。访谈那天，赶上阅兵，我们在今日美术馆前的空地上站了一会儿，等待飞机从我们头顶呼啸而过。咖啡店老板给做了一杯据说是上海最流行的咖啡，玻璃杯里泡沫绵密，他饶有兴致地问老板，这个品种是怎么做出来的。他穿一件酒红T恤，上面印着他心中最伟大的吉他手吉米.亨德里克斯。不久后，他去日本看Sting的演出，74岁的Sting依旧以惊人的专业度掌控着舞台。这是他青年时喜欢的乐队。 “创造力”在AI普及的时代成了人类最后的堡垒。我没来得及问他对“创造力来自何处”的看法，但我心里有一个答案，是不记得在哪听过的一个说法，当时郑重地记在了笔记本上——创造力的来源是对求真的贪婪，是找到本我的连接。它不仅是外部探索性的，也关乎一个人最真实的自我，容不得任何矫饰。

忘掉你的智能手表吧。现在，你身体里最廉价、最容易被忽略的「废物」，或将成为最昂贵、最有价值的健康数据。 想象一下，当你起身离开马桶的那一刻，发现一个微型高清AI镜头正在马桶里静静观察着你身体排出的所有垃圾。你会选择打开手机查看最新的健康报告，还是会打110举报这个「耍流氓」的AI？ 这不是荒诞的科幻小说，而是现实中每个人正需要做出的选择。 全球厨卫巨头科勒Kohler近期正式推出了它的「AI秘密武器」—— Dekoda智能马桶。 它将一枚摄像头夹在马桶侧边，借助AI视觉分析排泄物的形态，可以分析肠道健康和水分状况，并检测马桶内是否有血液，为用户养成健康习惯提供数据支持。 Dekoda的到来，彻底模糊了家居与医疗的边界，并抛出一个直击灵魂的哲学拷问： 当科技的「触角」伸向我们最私密的排泄物，我们究竟是获得了前所未有全方位的健康预警，还是彻底放弃了人类的最后一道隐私防线？ 01 在厕所里「耍流氓」？！ AI摄像头到底能不能「长」在马桶里？ 「冲击，是绝对的冲击。」 「如果我没有快濒临绝症的话，我想我这辈子也不想用到这样的产品。」 「我就想问问，如果按照这样安装的话，那岂不是每次上完之后都要手动冲洗一下这玩意？」 当我询问身边好友，如果马桶里有一个摄像头，第一反应会是什么？「拍照-取证-报警」三件套都是大家的第一选择。在我进一步解释这是一个自用的健康监测设备后，朋友们给出的关注侧重则开始各有不同。 很显然，与常见的健康检测设备不同，当AI摄像头想要出现在马桶里，首先挑战的就是用户的常识认知，毕竟，无论在哪个国家，马桶边出现摄像头的事情，都常见于法治新闻。 紧接着，Dekoda接下来开始考验的无疑是人类的羞耻心，也算是人类在物理世界与数字世界之间的最后「安全线」。你愿不愿意在马桶里安装摄像头，换句话来说，和你愿不愿意在AI摄像头面前脱下最后一件衣服，对人类的心理安全边界造成的冲击力几乎相差无几。 当用户克服了两大心理难关后，这款产品才有机会走到用户面前，开始展示自己的产品形态以及特殊功能。 和常见概念一体化智能马桶不同，Dekoda则是采用 组装方案 ，通过增加AI摄像头设备，让普通马桶也能拥有分析判断排泄物的功能，从而诊断出用户的肠胃健康以及水分情况。 Dekoda的夹板设计，以及固定摄像头朝下的设置，只要安装得当，从一定程度上来说，是可以保证AI拍摄的画面仅有排泄物画面，并不会涉及到对其他隐私部位。 据Kohler介绍，无论是Dekoda拍摄出来的画面，还是Kohler Health应用程序都是端到端的加密处理，保证用户数据的私密性和安全性。甚至，用户还可以选装一个指纹密码锁，远程控制AI摄像头使用与否。 可以看出，从产品设计上，Kohler显然是知道自己在挑战用户的「绝对隐私空间」，但能否解决好用户心理上感受到的「AI冒犯」，才是Dekoda在商业化路上的最大障碍。这场关于排泄物数据的「心理保卫战」能否成功，也将直接决定Dekoda是成为一个被公众唾弃的昂贵技术怪胎，还是有机会打破未来家庭医疗领域至关重要领域的关键入口。 02 想成为「AI消化科专家」？ Dekoda还不太够格 除了Dekoda本身使用的可靠性以外，Dekoda能够给出的分析结果是否准确、有效，也是影响用户是否愿意选择产品的重要因素之一。 从结论上来说，目前，Dekoda起到主要功能的设备，就是「盯着」马桶内部的摄像头设备，包括摄像头以及一个传感器模组。 首先，它可以通过摄像头观察马桶内的东西，然后借助AI视觉，分析用户的排泄物。Dekoda会持续记录用户排泄频率、排泄物的物体稠度和形状，并将这些数据转化为一些分析结果，帮助用户养成肠道健康的习惯。 那判断的依据到底是什么？据Kohler Health介绍，该应用程序使用主要是基于常见的布里斯托大便分类法作为肠道健康标准，由科学家团队训练的AI模型以及超过100万个数据点来确定肠道健康状况。目前，根据粪便状况，Dekoda会将肠道健康结果分为三类：正常、硬便和稀便。 KohlerHealth有关肠道健康分析相关界面来源：Kohler官网 得到分析结果之后，用户可以了解哪些食物应该避免吃，哪些食物应该多吃，有助于消化。同时，用户可以了解运动将会如何改变排便，定制适合自己的运动方式。 除此之外，Dekoda还会标记与水分相关的信息，自主根据卫生间的环境进行光线调整，从而确保收集到的信息更加准确。 等收集到足够数据后，Dekoda会通过经过特殊训练的算法，来权衡尿液浓度等不同指标之间比重等，最后得出了一个较为准确分数，以表明用户体内的水分状况。 听起来似乎很高科技，但当我们进一步观察时，却发现最后Dekoda仅将用户的补水状态分为两类：补水或缺水。粗暴的划分方式也从侧面表明了目前Dekoda的研究，还不能够提供精准的分析结果。 Kohler Health有关体内水分分析相关界面来源：Kohler官网 Kohler Health应用程序将持续记录着不同用户的身体数据，如排尿频率等，并将数据可视化。 甚至，如果你有一些影响当日补水效果的行为，像是特殊饮食或者运动，Kohler Health都可以将这些因素记录下来，并给出一些方案来优化用户习惯，为用户提供更具有活力、高效以及健康的生活方式。 当然，Kohler还会盯着你的「便血」情况。 Dekoda同样还是借助传感器和光谱技术来分析马桶里的物质，寻找血液等物质。如果Dekoda发现马桶内可能有血迹，会通过Kohler Health应用程序通知。Dekoda主要通过训练的复杂算法来检测马桶中的血液，再借助光谱法可以区分血液和其他红色的非血液物质。 从整体的功能来看，Dekoda的存在，确实将目光瞄准了那些我们平常看不到或者不关注的「排泄物」方向，提前一步关注身体异常。毕竟，正常情况下，当我们开始关注自己的消化功能时，往往都是已经感受到明显异常情况，属于后置的防守治疗，Dekoda弥补了这一点。 但是，从目前官网的介绍来看，Dekoda的数据分析以及分析结果给出的非常简单，除了一些基本的分析、记录以外，几乎没有看到更专业、更有价值的指导。甚至，整个介绍中，我们未曾看到任何一项属于提到使用效果或者专业诊断的描述，因此，如果想要成为马桶里的「消化专家」，Dekoda还远远不够格。 03 智能马桶升级， 做起了「最私密」的数据生意 在我们揭晓Dekoda价格之前，不妨先思考一下，你愿意花多少钱为这个产品买单？ 199美元，还是299美元？ 但不管你的心理价位是多少，Dekoda的售价应该还是远超大众的预期，售价599美元起，已经在美国开售。599美元包括Dekoda本身，一个可拆卸的磁性充电电池、一个指纹密码锁以及相应的壁挂式遥控器支架等配件。对，还不包括马桶本身。 抛弃这逆天的产品售价，Dekoda还要求用户必须为Kohler Health应用付费，提供了单人付费套餐和家庭付费套装两种形式，尽管选择最优惠的年包套餐，每人每年的平均应用支出还是达到了26美元至70美元。据悉，订阅制的成本主要来源于持续的推理成本，因为分析人类排泄物的推理本身很难做到免费。 很显然，已经为产品付费后，Kohler还要求为应用长期付费的方式，惹恼了不少用户。但他们更为担心的是，一旦长期使用了APP之后，自己的信息是否会被肠胃医疗公司获取，从而长期被广告骚扰。更有用户提出，一旦信息泄漏，是否很多医疗保险公司就有了充足的借口逃避正常报销流程。 甚至有网友提到，有这个时间精力，我不如自主养成好的生活习惯，然后花600美元定期体检。 当然，部分用户开始担心卫生安全，毕竟，选择在马桶上增添一个复杂的物件之后，也随之带来很多清洁的死角。「难不成每个人使用完马桶之后，都得手动冲洗吗？」在Kohler官推评论区，我们看到了很多人高赞了该疑问。 当你跨过了心理难关、产品预期、甚至是价格关之后，想要用上Dekoda，可能还得问问你家马桶愿不愿意？ 因为目前Dekoda仅支持白色马桶设计，不兼容其他颜色的马桶（据说是会影响分析结果）。Dekoda只能加在32毫米到58毫米之间的马桶边缘上，且座圈底部和马桶边缘顶部之间至少需要6毫米的间距。 并且，一些智能马桶，比如说某些引入水流、照明功能的智能马桶都不适用该产品，据说会干扰设备运行，从而影响结果的准确性。 可以看出，用户想要用上Dekoda，得要先问问羞耻心，问问钱包，还得问问自家马桶，可以说使用条件已经非常苛刻了。并且，结合之前的分析来看，得到的结果仅仅是，我今天缺不缺水，是否排便，有无便血等一些简单结论。而这些记录，你只要停下来看3秒，再记在相关的拉屎APP上，也能够同样的效果。 换句话，你往马桶里盯着的三秒钟，相当于669美元，超5000元人民币。 04 厕所科技革命， 能否打破家庭医疗的「最后一公里」？ 马桶，确实是家里最重要家居设备之一。一个家里，可以没有床，没有厨房，没有椅子，但是不能没有马桶。毕竟，五谷杂粮，人之本源。 Kohler并不是第一个想要进行马桶革命的玩家。早在2024年，一家奥地利初创Throne就曾打造过一款摄像头，可以夹在马桶边上，拍摄排泄物。 该公司觉得这样的产品主要面对老年人和患有慢性消化系统疾病，像是一些溃疡性结肠炎和肠易激综合征的患者。可以看出，从产品设计思路和使用方式上，基本和Dekoda差不多。目前，这款产品在经过版本升级之后，售价319美元。同样，APP也是需要订阅使用。 美国初创公司Withings也曾在2023年CES上亮相了一款产品，U-Scan，主要是分析用户的尿液健康。更具体来说，U-Scan通过尿液浓度来测量促黄体生成素(LH)、pH值和水合物水平。公司认为，追踪LH可以帮助检测一个人处于月经周期的哪个阶段，并估算排卵期。而pH值可以作为饮食是否过酸，也就是蔬菜摄入不足或过碱，意味着蛋白质摄入不足的指标。 U-Scan来源：Withings官网 在人类追求更长寿、更健康生活的过程中，我们正不断邀请科技进入身体的禁地。Dekoda的出现，也意味着一些复杂的生化分析，正在逐步转化为家庭日常的、非侵入式的健康监测。同时，可以看到，一批新的智能家居玩家们正在瞄准这个小众市场，争夺下一个「健康数据入口」。 但，当我们的马桶成为私人医生、浴室成为诊所，科技与健康的界限彻底模糊。我们开始思考：为了健康，我们愿意将多少隐私交付给冰冷的AI算法。 回到最初的问题，为了健康，你愿意在AI面前脱下最后一件衣服吗？

AI应用公司LiblibAI近期完成1.3亿美元B轮融资。从目前公开数据来看，这是国内AI应用公司今年最大的一笔融资。据官方透露，本轮融资由红杉中国、CMC资本及一战略投资方联合领投，老股东顺为资本、源码资本、明势创投、渶策资本均超额增持，远识资本继续担任本轮融资的独家财务顾问。Liblib是ChatGPT出现后AI应用井喷般创业潮里十分典型的一家公司，它由在大厂打过硬仗的创始人陈冕创办，成立后便经历了2023年AI技术和资本市场双动荡的大起大落，在快速获得用户后，也快速地经历了险些让公司“活不下去”的挑战。这个过程里，Liblib用产品的设计创新和增长上的各种努力，最终成为一个今天用户规模可观的AI应用平台。简单说，它一直在面对“大模型技术进步不停吞噬应用公司生存空间”的灵魂拷问，而从今天的数据来看，它对这个挑战的回答，阶段性结果不错。据接近Liblib的人士透露，目前Liblib的日活跃用户为400万，总用户数2500万。1、孵化2500万AI创作者根据LiblibAI的官方资料，其最初的定位是“AI绘画领域的GitHub”，为AI模型开发者和创作者提供模型分享和下载平台。今天，随着产品迭代，它逐渐演变为“一个集模型库、云端工具和创作者社区于一体的平台”。据透露，Liblib已经收录了数万款AI模型。在其平台上，这些模型会通过算法和人工运营进行筛选和排行。用户可以直接在云端调用算力，使用文生图、图生图、ControlNet、局部重绘等功能，无需配置本地显卡。平台为每个模型提供推荐的提示词和参数设置，降低使用门槛。除了工具功能，LiblibAI还搭建了创作者社区。用户生成的作品可以在平台展示，其他人能查看生成参数并进行二次创作。这种“模型-创作-分享”的机制形成了内容生产的循环。而且，Liblib也在通过模型轻量级训练与创作者激励机制，来建设自己的社区生态。目前LiblibAI的产品矩阵已经从图像扩展到视频。2025年10月发布的2.0版本增强了视频生成能力，支持多模型生成与专业级特效模板，覆盖从灵感到成片的完整流程。官方称，这次大的版本更新，让其从“聚合工具”升级为“AI专业创作工作室”。这也意味着比静态图像更广的商业化空间。1、AI应用公司可以不被模型吞噬，并继续增长回看LiblibAI的发展历程，可以梳理出几个关键节点和选择。2023年7月，LiblibAI拿到天使轮融资，当时正值AIGC概念从技术圈走向大众市场，Stable Diffusion的开源生态快速发展，全球创作者对模型、工具和交流社区的需求开始井喷。LiblibAI选择了应用层路线，而非去做基础模型，切入了离用户更近的社区生态赛道，避开了与头部公司在基础技术上的正面竞争，将资源集中在“社区生态+工作流整合”上。当时的产品形态，也以WebUI为主，大多是对AI敏感的设计人士在使用。2024年，LiblibAI用一年时间完成了PMF验证，从一个工具集发展为具备网络效应的平台雏形。产品形态开始开始向工作流的样子转变，通过进入更专业的更复杂的工作流并成为其中重要的一部分，来获得更高的留存转化并尝试商业化的可能。这个阶段，Liblib开始搭建一个连接上下游的平台结构：上游的模型能力通过创作者社区和工作流，转化为实际的商业价值。“创作者分享玩法、用户生成内容、企业为稳定服务付费”这套机制逐步建立起来，形成了一个商业闭环。在平台化和社区化的同时，产品也开始Agent化。此前工作流形态的很重要原因就是模型的Agent化能力依然不足，但随着Agent能力增强，AI应用从一个辅助变成更加全面的自主处理任务的Agent成为最重要趋势，Liblib的团队也在这个阶段同时押注了Agent的技术和全球化交错的窗口期。从资本的角度来看，LiblibAI的这轮融资反映出AI投资逻辑的变化。过去两年，AI大模型赛道的投资逻辑可以用疯狂来形容。估值与商业化能力往往不匹配——200亿估值的公司年收入可能不到10亿，市销率（P/S）动辄达到20-30倍。估值与实际收入倒挂，烧钱速度超过造血能力，技术叙事成为主要的估值支撑。但从2024年下半年开始，一级市场的投资标准发生了变化。投资人不再只看“模型参数更大”“benchmark分数更高”这类技术指标，而是开始关注更具体的商业问题：付费用户规模、单位经济模型、客户留存率、盈利时间表。LiblibAI此次以及此前多次融资其实都是在这样的思路下完成。陈冕在多个公开分享中提到过Liblib早期的补贴以及获客“战斗”，这种对商业化和增长的重视，也影响着产品设计。在前不久更新的2.0版本里，它在继续保留了老用户习惯了的WebUI和ComfyUI的同时，给新的更广泛的潜在用户提供了更低门槛的诸多功能，从可以让视频与图像生成在同一界面完成的极简生成器，到对开源与闭源模型的兼容，以及不拘泥于“AI原教旨”但用户会十分需要的专业视觉特效功能。同时，它给创作者提供的补贴激励继续。2.0版本后，平台采用订阅制+按需付费的混合模式：普通用户免费使用基础功能，专业用户通过订阅获得更高算力配额和高级功能，企业客户为API服务和定制化需求付费。这套模式已经在运转，有明确的收入来源。相比那些仍在烧钱验证技术可行性的公司，LiblibAI已经有了相对清晰的商业模式和用户基础，这次拿下关键融资也说明，商业化将成为创业公司接下来又一轮新的淘汰赛里至关重要的竞争点。点个“爱心”，再走吧

地缘政治在 AI 算力领域的持续投射，正在中美两个都在努力保持各自技术领先优势的 AI 大国之间，进一步造成无可逃避的市场分化，甚至是割裂。这种割裂，已经让 AI 算力巨头英伟达感受到压力。就在 10 月 6 日，英伟达 CEO 黄仁勋在纽约出席美国城堡证券主板的活动时，明确强调：英伟达在中国的市场份额已经从 95% 降到了 0%。他表示：目前，我们 100% 退出了中国市场。无法想象任何决策者会认为这是一个好主意，即我们实施的政策导致美国失去了世界上最大的市场之一，降到了 0。但是，对于中国本土的 AI 算力发展来说，英伟达份额降到 0，反而意味着巨大的市场机遇，以及飞速增长的空间。实际上，根据中国本土 AI 芯片企业寒武纪在 10 月 17 日最新发布的 2025 年第三季度财报，该公司在2025 年 Q3 实现了高达 17.27 亿元的营收，同比暴增 1332.52%；归属于上市公司股东的净利润为 5.67 亿元，而去年同期则为 -1.94 亿元。尽管寒武纪与英伟达在实际的营收体量方面完全不可同日而语，但毫无疑问，英伟达在中国 AI 算力市场的被动缺位，让寒武纪成为了最大的受益者之一。巨头缺位后，本土选手补位纵览中美 AI 算力过去十年的发展过程，有一个特别值得书写的时间节点：2016 年 8 月。具体来说，2016 年 8 月 9 日，英伟达 CEO 黄仁勋来到 OpenAI 位于旧金山的办公室，并且在马斯克的见证下，向 OpenAI 团队交付了世界上第一台英伟达 DGX-1 超级计算系统。某种程度上，这可以看作英伟达 AI 算力参与到新一代 AI 技术大爆发的早期起点。同样是在 2016 年 8 月，在大洋彼岸的中国，脱胎于中科院的 AI 芯片创业公司寒武纪在获得了来自中科院的数千万元天使轮融资之后，获得了来自元禾原点、科大讯飞、涌铧投资的 Pre-A 轮融资。从此，寒武纪开启了逐步成长为一家中国本土 AI 算力知名供应商的步伐。值得一提的是，当时的英伟达，已经瞄准了中国 AI 算力市场，并打算成为这一市场最重要的玩家之一。实际上，就在寒武纪获得 Pre-A 轮融资后的次月，也就是 2016 年 9 月，英伟达就在中国北京举行了 GTC CHINA 2016 大会——这也是英伟达第一次把 GTC 大会带到中国。会上，英伟达发布了最新深度学习推理加速器 Tesla P4/P40，并且与阿里巴巴、百度、科大讯飞、京东等中国企业达成了合作。站在今天的视角来看，这次 GTC China 大会，实际上也成为英伟达 AI 算力耕耘中国市场的一个重要起点。实际上，此后一直到 2021 年，随着英伟达在中国市场的持续深耕，它也在实际意义上逐步成为中国 AI 算力市场的主要供应商。比如说，来自国际知名数据调研机构 IDC 的数据显示，2021 年，中国 AI 加速卡出货量超过 80 万片，其中英伟达占据超过 80% 市场份额。而到了 2022 年，中国 AI 加速卡出货量约为 109 万张，其中英伟达市占率为 85%，华为市占率为 10%，百度昆仑芯为 2%——值得一提的是，当时已经在科创板上市的寒武纪，也在 2022 年拿下了 1% 的市场份额。然而，也就是在 2022 年，情况发生重大变化。具体来说，2022 年 10 月 7 日，美国政府发布了一系列对华技术出口的制裁措施，并由此斩断了英伟达 A100、H100 等一系列高性能计算芯片进入到中国市场的路径。面对这一政策，虽然英伟达在产品上做出技术调整后面向中国市场推出A800 和 H800 等所谓的“特供版”产品，但随着美国政府在 2023 年 10 月进一步加严对人工智能相关芯片、半导体制造设备的对华出口限制，这些专门面向中国市场的英伟达产品也无法进口。于是，为了绕开美国政府的出口限制，英伟达又推出了专为中国市场定制的 H20 算力平台，其性能相比于 H100 大幅减弱，但依旧兼容 CUDA 生态，被称为“阉割版”，一度被认为是鸡肋产品——但从市场反馈上来看，H20 在 2024 年依旧受到追捧。不过到了 2025 年，在中美经贸谈判背景下，英伟达 H20 算力平台在中国市场的出货也不可避免地受到波及，在美国政府的出口限制和后续的博弈中，英伟达 H20 在中国市场的出货也基本上停滞。也就是黄仁勋所说的：英伟达的份额，降到了 0。当然，这背后的一个大背景是，为了避免被“卡脖子”，来自中国本土的 AI 算力芯片商也开始实现对英伟达算力平台的部分国产替代——而寒武纪就是其中的一员。从“独角兽”，到A股“寒王”作为中国本土 AI 算力发展的代表性企业，寒武纪的成长，从一开始就获得了巨大的知名度加持。比如，2017 年8 月 18 日，在获得 Pre-A 轮融资一年后，寒武纪科技宣布完成 A 轮 1 亿美元融资；领投方为国投创业，阿里巴巴、联想、国科投资、中科图灵加入，原 Pre-A 轮投资方，元禾原点创投、涌铧投资继续跟投。在 A 轮融资完成之后，寒武纪的估值超过 10 亿美元——在媒体的报道中，寒武纪也由此正式成为“全球 AI 芯片领域的第一家独角兽创业公司”。不过，真正在业务层面让寒武纪声名鹊起的，是华为。事实上，在华为麒麟 970 手机处理器中，就搭载了寒武纪在 2016 年发布的全球首款深度学习专用处理器——寒武纪 1A 处理器，这使得麒麟 970 成为“全球首款 AI 手机芯片”，也大大提升了麒麟 970 在图片识别等场景中的能耗和功耗表现。不过，在与华为短暂牵手之后，寒武纪在 AI 算力领域的后续发展，主要是集中在云端——比如在 2018 年 5 月，寒武纪发布了中国首款云端人工智能芯片 MLU100 及其板卡——值得一提的是，在当时的发布会上，寒武纪已经开始在部分指标上对标英伟达的旗舰产品。2020 年 7 月，寒武纪迎来了其企业发展生涯的一个重大节点，那就是在科创板上市，其股价当日大涨接近 300%，市值也突破 1000 亿元。然而，从业绩发展的角度来看，尽管寒武纪一直在持续推动其 AI 技术和产品的落地，但在其研发投入大、落地周期长的商业模式下，寒武纪在很长一段时间里实际上一直处于亏损状态，这种状态在寒武纪 2020 年 7 月上市时也没有改变，并且在一直持续。这种持续亏损的情况，也使得寒武纪的股价在 2022 年底直接跌落到 60元以下，甚至跌破了发行价。不过，2022 年下半年，随着美国芯片禁令的到来、ChatGPT 的横空出世和英伟达的爆发，国产算力和 AI 芯片的需求开始大爆发，而寒武纪虽然在 2023 年依旧亏损 8.36 亿元，但在大趋势的推动之下，寒武纪的股价也在 2023 全年暴涨 535%，在 A 股近 700 只人工智能概念股中排名第一。2024 年全年，在整体业务依旧亏损 4.43 亿元的情况下，寒武纪的 A 股股价又实现了 387% 的全年涨幅——在这样股价变动中，寒武纪被冠以“股王”的称号。而资本市场对于寒武纪的定位，就是“中国的英伟达”。当然，其中值得一提的是，寒武纪的业绩 2024 年出现明显的升势——其中在 2024 年第四季度，寒武纪营收为 9.887亿元，环比暴增 820.4%；第四季度实现归母净利润 2.815 亿元，这是寒武纪上市以来首次实现季度盈利。2025 年上半年，在 AI 芯片业务的持续落地中，寒武纪的业绩出现整体爆发。根据公司半年报，寒武纪 2025 年上半年实现营业收入 28.81 亿元，同比增长高达 4347.82%；归属于母公司所有者的净利润为 10.38 亿元，上年同期净亏损 5.3 亿元，同比大幅度扭亏为盈。这样的业务表现，加上市场对于寒武纪未来发展的高预期，寒武纪的股价在 2025 年的持续上涨中超越茅台，并在 2025 年 8 月 28 日达到 1595.88元 的历史最高点位。由此，在资本市场，寒武纪成为了真正意义上的“寒王”。令人关注的是，就在寒武纪成为“寒王”的前几天，有多家媒体称，英伟达已指示包括韩国三星电子、美国安靠科技等关键零部件供应商暂停与 H20 芯片相关的生产——这背后的原因也非常简单，中国企业选择不购买 H20 了。英伟达向左，寒武纪向右中国企业不再选择英伟达 AI 芯片的大背景，除了企业层面无法决定的地缘因素之外，还有一个核心逻辑是：中国本土 AI 算力的持续补位。从目前的情况来看，华为无疑是最重磅的补位者。实际上，就在 9 月份的华为全连接大会上，华为公布了昇腾算力芯片的三代迭代路线图，并强调这是“基于中国可获得的芯片制造工艺”。与此同时，华为还发布了最新的超节点产品 Atlas 950 SuperPoD 和 Atlas 960 SuperPoD，并基于此发布了 Atlas 950 SuperCluster 和 Atlas 960 SuperCluster 超节点集群，并称之为“当之无愧的全世界最强算力集群”。很明显，在 AI 算力方面，华为已经打算与英伟达正面掰手腕了。不过，除了华为之外，类似于寒武纪这样的国产算力头部芯片厂商，也在技术开发、产品落地等方面持续发力，且反馈极为迅速。一个最为直接的例子是，就在 9 月 29 日 DeepSeek-V3.2-Exp 模型正式发布并开源当天，寒武纪就宣布，已同步实现对 DeepSeek-V3.2-Exp 的适配；依托 DeepSeek Sparse Attention机制，叠加寒武纪的极致计算效率，可大幅降低长序列场景下的训推成本。而正是在这种快速的技术突破和反馈机制下，寒武纪的业务也随着本土客户对于国产算力的选择和适配快速增长。而这也是寒武纪第三季度营收实现同比暴增 1332.52% 的关键背景。而对于这一业绩变动，寒武纪方面表示，报告期内公司营业收入较上年同期大幅增长主要因公司持续拓展市场，积极助力人工智能应用落地，报告期内净利润扭亏为盈，主要因营业收入较上年同期大幅增长。可见，对于寒武纪来说，在经历了多年的投入之后，如今它终于趁着国产 AI 算力补位和崛起的大趋势，迎来了丰厚的回报——无论是财报业务本身的“扭亏为盈”，还是高高在上的公司股价和市值，都足以体现这一点。值得一提的是，就在 10 月 20 日，寒武纪还发布公告称，公司已完成向特定对象发行 333.49 万股股票，此次发行价格为 1195.02元 /股，募集资金总额为 39.85 亿元，募集资金净额为 39.53 亿元。关于本次定增，寒武纪表示，智能芯片需要加快适应新技术、新应用以及新业态的变化需求，而公司本次募集资金是增强公司面向大模型的芯片技术和产品综合实力，提升公司在智能芯片产业领域的长期竞争力，同时在软件方面进一步提升公司软件生态的开放性和易用性。可见，尽管三季度业绩大幅度增长，但寒武纪还在持续推进其软硬件的快速迭代——毕竟，从整体的技术实力和生态建设来说，寒武纪相比于大洋彼岸的英伟达还有较大的差距。当然，回过头来看，对于英伟达来说，尽管市场份额已经接近于 0，但是对于充满潜力的中国市场，黄仁勋当然不希望缺席。毕竟，黄仁勋曾公开表示，中国是世界第二大计算市场，到 2026 年，中国的人工智能市场规模将达到 500 亿美元，进军这一市场对英伟达来说意味着巨大的机遇。也因此，黄仁勋希望能够继续解释和说明，并寄望于政策会有所改变。当然，作为一家企业，即使是英伟达这样全球市值排名第一的世界级科技巨头，也无法改变地缘政治下的科技大潮走向。因此，当英伟达在其 AI 计算领域的最新之作 Blackwell 已开启它在美国本土的制造计划，这些产品就注定与大洋彼岸的中国市场无缘——而在中国这片应用落地前景更为广阔的土地上，来自本土的 AI 算力之花也正在借助这一片空白，茁壮成长。

“这是一个以ChatGPT为核心、由人工智能驱动的浏览器。”10月22日，OpenAI首席执行官山姆·奥尔特曼（Sam Altman）通过在线直播，正式发布了该公司首款AI浏览器ChatGPT Atlas。这款产品旨在为用户提供更个性化、更具颠覆性的上网体验，并能代替用户执行预订、填表等一系列复杂任务。此举被市场解读为OpenAI首次从应用层“杀入”互联网终端，正式“硬刚”谷歌Chrome在浏览器领域长达十余年的霸主地位。消息传出，谷歌母公司股价在周二盘中一度跌近5%。不过，ChatGPT Atlas也面临着质疑之声。有评论指出，Atlas可能是OpenAI为“截胡”谷歌潜在新品而推出的“半成品”。其智能体模式在执行复杂任务时，速度和准确性也有待提升。近期，OpenAI动作频频。就在10月初，OpenAI在48小时内接连祭出两大重磅产品——在ChatGPT中上线的“即时结账”功能，以及独立社交应用Sora App，同时挑战电商巨头亚马逊和社交媒体巨头Meta。10月中旬，奥尔特曼又宣布ChatGPT将“解禁”成人内容。OpenAI发布AI浏览器，谷歌股价一度跌近5%被定义为“以ChatGPT为核心”的浏览器，ChatGPT Atlas一亮相便在资本市场掀起波澜。受此消息影响，浏览器市场霸主谷歌的母公司Alphabet股价在周二盘中一度跌近5%。为了打造这款足以挑战Chrome的产品，OpenAI组建了一支星光熠熠的团队，包括前Chrome工程师达林・费舍尔（Darin Fisher）、曾参与Chrome与Firefox开发的本・古杰尔（Ben Goodger）。据OpenAI介绍，Atlas浏览器的核心功能深度整合了其强大的AI能力——上下文聊天侧边栏：用户可以在浏览任何网页时打开侧边栏，与ChatGPT进行对话，让ChatGPT利用该页面的上下文来回答查询，无需离开当前页面。例如，用户可以直接在Gmail页面上要求ChatGPT优化邮件措辞。览器记忆：这是一个可选功能，开启后，ChatGPT将记住用户浏览过的网站和内容的关键细节，从而提供更具个性化和上下文关联的回答。例如，它可以检索用户在较早时间阅读过的文档。OpenAI强调，此记忆功能是用户账户私有的，并且用户拥有完全控制权，可以在设置中查看、存档或清除。智能体模式：该功能是Atlas的核心竞争力，允许ChatGPT在获得用户授权后，直接在浏览器中代替用户执行一系列操作，如根据食谱自动在生鲜电商平台将食材加入购物车并下单，或是在工作中自动同步不同协作软件间的任务。不过，该功能目前仅以预览版的形式向ChatGPT Plus、Pro和Business等付费用户开放。Plus订阅用户的任务限制为每月400次。尽管声势浩大，但Atlas发布后，市场的质疑声也随之而来。首先是平台限制。Atlas目前仅支持搭载M系列芯片的Mac电脑，将Windows和手机用户暂时排除在外。与此同时，有评论指出，Atlas可能是OpenAI为“截胡”谷歌潜在新品热度而推出的“半成品”。Atlas的智能体模式与OpenAI在数月前发布的ChatGPT Agent功能类似，有“新瓶装老酒”之嫌。其侧边栏总结、上下文对话等功能，在AI新锐公司Perplexity于今年7月推出的Comet浏览器等竞品中已有实现。另外，Atlas智能体模式在执行复杂任务时，其表现出的速度和准确性也有待提升。独立人工智能研究员西蒙·威利森（Simon Willison）在试用Atlas智能体模式后评论称，“就像看着一个第一次使用电脑的人煞费苦心地学习使用鼠标。”威利森同时提到，智能体模式涉及的安全和隐私风险，对其而言，仍高得难以接受。他表示，“尽管OpenAI设置了多重防护措施，但目前似乎没有万无一失的防御方法，主要的安全保障仍依赖于‘期望用户时刻仔细监视AI的行为’。”OpenAI入局的背后：积累数据，抢占流量入口OpenAI为何会看中看似“传统”的浏览器赛道？“我们认为，人工智能为重新思考浏览器的意义提供了一个十年一遇的机会。”奥尔特曼在发布会上如此解释。他认为，ChatGPT Atlas的终极目标，是让用户从繁琐重复的“手动操作网页”，转向更加直观高效的“告诉AI做什么”。这意味着，浏览器的角色将从一个被动的内容展示窗口，演变为一个能理解并执行用户意图的主动服务平台。有媒体分析称，OpenAI的“阳谋”在于，通过打造自己的浏览器，获取完整的用户上下文，为打造通用人工智能（AGI）积累数据，还能将每周活跃用户数已超8亿的ChatGPT用户更紧密地绑定在自身生态内，直接掌握流量入口，为未来的商业化，如数字广告等，铺平道路。科技媒体Platformer创始人凯西·牛顿（Casey Newton）评论称，浏览器是计算机上最常用的应用程序之一，如果OpenAI能够拥有浏览器，就能更好地掌控自己的命运。独立分析师本尼迪克特·埃文斯（Benedict Evans）表示，“这是一场分发战略，也是一场数据收集战略。”市场调研机构Market.us预测，全球AI浏览器市场规模将从2024年的45亿美元增长至2034年的约768亿美元。OpenAI携Atlas高调入局之前，AI浏览器的竞争已经异常激烈。今年7月，初创公司Perplexity推出了AI浏览器Comet。Comet主打“答案引擎”模式，能直接用AI整合信息并回答用户问题，同时其内置的智能助手也能扫描并总结网页内容、管理邮件和标签页。尽管其复杂的任务处理能力尚有不足，但已清晰地展现出AI浏览器不同于传统产品的核心逻辑。面对新势力的冲击，传统浏览器巨头迅速应战，积极将AI能力融入自身产品。7月29日，微软旗下Edge浏览器更新Copilot模式，正式打出AI浏览器的旗号。此外，老牌浏览器Opera也推出了自己的AI助手Aria，加入了这场混战。知名苹果爆料人、彭博社记者马克·古尔曼（Mark Gurman）9月发文称，苹果计划于明年春季推出自研AI搜索工具“答案引擎”。谷歌也计划将旗下强大的Gemini模型更深度地集成到Chrome浏览器中，在未来几个月内上线类似“智能体”的自动任务处理功能，例如网上购物、预约订餐等。流量监测机构statcounter统计的数据显示，截至2025年9月，谷歌Chrome在全球桌面浏览器市场份额约70.25%，微软Edge排名第二，市场份额仅11.8%。图片来源：流量监测机构statcounter如今，随着OpenAI的正式入局，浏览器领域的竞争将进一步加剧。投资银行D.A.Davidson的分析师吉尔·卢里亚（Gil Luria）表示，将聊天功能集成到浏览器，是OpenAI切入广告业务的先兆。一旦OpenAI开始销售广告，可能会从谷歌那里夺取相当一部分搜索广告份额。虽然谷歌Chrome目前在全球拥有超过30亿用户的庞大基础和根深蒂固的用户习惯，其霸主地位短期内难以撼动。但回顾历史，Chrome正是在2008年凭借比IE浏览器更快的速度和更优的体验，颠覆了当时看似不可战胜的市场格局。同时挑战三大巨头，“解禁”成人内容，OpenAI在急什么？在此次悍然挑战谷歌的之前，OpenAI已经同时向电商巨头亚马逊和社交媒体巨头Meta发出挑战书。就在10月初，OpenAI在48小时内接连祭出两大重磅产品——在ChatGPT中上线的“即时结账”功能，以及独立社交应用Sora App。这一系列密集动作，清晰地释放出一个信号：在巨大的财务压力之下，OpenAI正被迫加速褪下其“非营利性”的理想主义外衣，向一家以盈利为导向的商业巨头加速转型。这场转型的背后，首先是其惊人的“烧钱”速度。据美国科技媒体The Information查阅的股东文件显示，尽管2025年上半年OpenAI的营收达到了43亿美元，但同期的研发支出却激增至67亿美元，预计今年的现金消耗将高达85亿美元（约合人民币605亿元）。模型的迭代训练成本高昂，且公司正携手甲骨文、英伟达和软银等巨头，计划建设一个总功率高达17吉瓦、总投资额预计将达到约8500亿美元的超级AI计算设施。为此，OpenAI设定了尽快实现130亿美元年收入的短期目标。而“即时结账”与Sora App，正是被寄予厚望、能够为AGI研究持续“供血”的关键商业化产品。图片来源：每日经济新闻资料图这两款产品的商业冲击力是显而易见的：“即时结账”试图将购物的全流程锁定在ChatGPT的生态系统内，直接威胁到了谷歌的广告业务和亚马逊的电商业务这两大核心利润区，使OpenAI有望成为新的“流量守门人”与“交易中介”；而Sora 2及其应用，则极大地降低了高质量视频的创作门槛，可能引发社交媒体平台的内容供给爆炸，从而冲击TikTok、Meta等平台的用户内容与推荐系统的核心价值。10月中旬，OpenAI首席执行官奥尔特曼又宣布，公司计划在2025年12月推出新版ChatGPT，对经过年龄验证的成年用户开放更宽松的内容生成权限，其中包括在明确请求的情况下允许创作“成人内容”。这意味着，ChatGPT将从以往的“严格过滤”走向“条件式开放”，这是OpenAI内容政策自成立以来最大的一次调整，并引发了关于人工智能伦理边界的广泛争议。德意志银行发布的一组最新数据显示，欧洲用户对ChatGPT的支出正出现“停滞不前”的情况，在过去四个月里，OpenAI的订阅服务在欧洲主要市场一直保持平稳。德银指出，尽管ChatGPT每周活跃用户达到8亿，但仅2000万为付费用户。且自5月起，欧洲的ChatGPT消费者支出就已经出现停滞，暗示这款产品在吸引新付费客户方面出现瓶颈。如今，OpenAI这家以“研发造福人类的先进人工智能”为使命的公司，正面临着来自内部员工和外部市场前所未有的尖锐拷问：公司当前的种种举动，究竟是在为AGI（通用人工智能）理想“供血”，还是正在打造一台“生产AI垃圾内容”并意图“垄断”市场的赚钱机器？

包括苹果联合创始人史蒂夫·沃茲尼克（Steve Wozniak）和维珍集团董事长理查·布兰森（Richard Branson）在内的800多名知名人士，近日签署了一份公开声明，要求立即停止超级智能的开发。“超级智能”是指在所有领域超越人类认知能力的人工智能系统。这个史无前例的联合声明警告称，超越人类智能的人工智能（AI）系统带来了从经济崩溃到人类灭绝的风险。该声明等同于直接向OpenAI、Meta和其他科技巨头正在大肆鼓吹的AI模型竞赛“泼了一盆冷水”，可能成为AI行业的一个重大转折点。据悉，这份联合声明的签名名单包含了世界上最有影响力的科技领袖、科学家和公众人物，甚至就连被广泛认为是现代人工智能教父的约书亚·班吉欧（Yoshua Bengio）和杰佛瑞·辛顿（Geoffrey Hinton）也在其中。“超级智能的前景已经引起了人们的关注，其影响从人类经济的落伍和权力的剥夺，自由、公民权力、尊严和控制权的丧失，到国家安全风险，甚至可能导致人类灭绝，”签名者用直言不讳的语言警告说。这不仅仅是学术上的绝望。就在这份请愿书发布之际，Meta将其人工智能部门更名为“Meta超级智能实验室”（Meta Superintelligence Labs），而OpenAI和马斯克（Elon Musk）的xAI则陷入了一场越来越公开的竞赛，看谁能首先实现人工通用智能。但这些行业资深人士却在此时呼吁“踩刹车”，希望不要发展太快。不仅如此，这份联合声明签名者名单的覆盖范围远远超出了硅谷。前国家安全顾问Susan Rice和前参谋长联席会议主席Mike Mullen都签名支持，这表明了对国家安全的严重担忧。甚至连英国王妃梅根·马克尔也出现在名单上，与特朗普的盟友史蒂夫·班农和格林·贝克一起——这种政治团结实属罕见。加州大学伯克利分校（UC Berkeley）的Stuart Russell是一位领先的人工智能安全研究员，多年来一直在对超级智能发出警告，他帮助组织了这项工作。根据他之前的研究，挑战不在于人类能否建立超级智能系统，而是一旦它们存在，人类能否控制它们。该声明呼吁全面禁止超级智能的发展，“直到公众强烈支持并达成广泛的科学共识，即它可以安全可控地进行。这是一个很高的标准，它可能会有效地冻结当前人工智能开发的时间表。”这份联合声明与此前任何相关警告都不同，这里面的许多人都并非来自“外界”，恰恰相反，他们是建立了今天的人工智能能力的研究人员和企业家。当班吉欧和辛顿之类的顶级科学家——他们的工作使现代大型语言模型得以实现——说“踩刹车”时，整个行业很可能会认真思考。不过，接下来会发生什么，可能取决于各国政府如何应对。欧盟已经在实施人工智能法规，美国一直在探索人工智能安全框架。这份请愿书为立法者提供了借口，可以对最先进的人工智能研究实施更严格的控制。

据业内消息，OpenAI正在进行一个秘密项目“水星（Mercury）”，以帮助其人工智能模型学习构建金融模型，以取代初级银行家们来完成一些繁重工作。据悉，OpenAI的这个项目已经吸引了100多名前投资银行家，其中不乏来自摩根大通、摩根士丹利和高盛集团的前雇员。业内人士透露，参与水星项目的前投行人士每小时可获得150美元的报酬，他们负责编写提示词，并为一系列交易类型构建财务模型，包括重组和IPO。OpenAI还允许这些合同工提前使用其正在开发的人工智能。OpenAI公司人士则表示，公司正在与一系列专家合作，以改进和评估模型在不同领域的能力。专家的招募、管理和薪酬由第三方供应商负责。▍亟需赚钱的OpenAI投资银行的初级分析师通常每周工作超过80小时，一般负责处理实时交易，使用Excel为并购和杠杆收购等项目构建详细模型。此外，他们还需要按照要求对PPT进行修改，工作负担颇为沉重。目前，许多人工智能初创公司正在针对这一需求开发人工智能，但与此同时，一些分析师也担忧让人工智能加入分摊工作，可能会引发安全性问题。OpenAI加入“初级银行家模型之战”可能暗示该公司在长期未能盈利下产生了一定危机感。尽管本月早些时候OpenAI估值已达5000亿美元，但这家全球最大的初创公司至今仍未盈利，这也导致市场持续质疑人工智能行业中存在着巨大的泡沫。据知情人士称，OpenAI水星项目的工作目前十分灵活，参与者预计每周只需要提交一个财务模型。该计划吸引了众多前华尔街精英，以及哈佛大学和麻省理工学院的MBA候选人。

惊闻杨振宁先生辞世，心中深感沉重与哀伤。对我们这一代物理学研究者而言，杨先生的影响深远而持久。许多人选择将物理学作为毕生志业，正是受到他那一系列里程碑式成就的感召。杨振宁先生与李政道先生共同做出的“弱相互作用中宇称不守恒”的工作，从根本上改变了人类对自然基本对称性的理解；他所建立的杨—米尔斯（Yang-Mills）规范场论，为描述基本粒子相互作用奠定了坚实的数学基础；杨—巴克斯特（Yang-Baxter）方程在数学与物理的多个领域持续绽放光彩；而他在磁单极规范理论方面的开创性工作，更为今日拓扑物态的研究照亮了前行的方向。遗憾的是，我个人与杨先生的直接交流很少。所幸我的博士导师张首晟教授深受杨先生学术思想的熏陶，这份影响薪火相传，也塑造了我的学术视野与研究品味。在此，我愿结合自己的学习与研究经历，回顾一些与杨先生学术思想相关的片段。一、《杨振宁先生代表作导读》杨振宁先生的研究领域极为广阔，涵盖高能物理、数学物理、统计物理、凝聚态物理等多个方向。凡是认真研读过他代表作的人，无不为其深厚的学术功力所折服。杨先生的文章往往写得极为精炼，正如他本人评价狄拉克文章风格时所说的那样——“秋水文章不染尘”。然而，欣赏物理学之美的门槛并不低。他的论文不仅对学生而言难度很高，即便是经验丰富的研究者，要把握其精髓也绝非易事。与许多业余爱好者的想象不同，职业物理学家的日常更多是艰辛与耐心。虽然偶尔也会有“坐而论道”的超然，但那并非常态。研读经典文献的第一步，是克服技术层面的障碍——即能复现文中的推导与计算。否则，再深刻的物理思想也只能是镜花水月。计算的细节在原文中通常被高度压缩，而补全这些细节，恰恰是培养扎实学风、打好研究基础的关键。我加入西湖大学后，参与物理系的创建。在科研与教学过程中，深切感受到提高学生理论基础的迫切性。除了关注当下的研究热点，我更希望他们能花时间咀嚼经典文献。杨先生的代表性工作兼具深度与广度，且已历经时间的检验。因此，我认为带领他们系统地研读这些著作，是非常值得投入心力的。自2023年底至2024年8月，我在西湖大学以每隔两到三周一次的频率，利用晚上两到三个小时的时间，围绕一个主题展开讲解。部分难度较高的内容，则分两次讲授。杨先生代表作的精炼程度之高，有时近乎“压缩饼干”。而我的讲解，则试图为大家添上一壶“清茶”，帮助咀嚼吸收，并体味其深意。对于数学和物理教学而言，还是写黑板的传统方式往往更能让人专注于思考本身。在世界知名大学和研究所中，一个共同的特点是黑板随处可见，老师和学生们拿着粉笔在一起讨论切磋。只有当用沾满粉笔灰的手，把论证和运算过程一笔一笔地写清楚时，才能算是真正理解。图1.《杨振宁先生代表作导读》两讲的提纲：η配对和磁单极。参考文献和笔记在本人网页中https://wucj.lab.westlake.edu.cn/teach/CNYang/CNYang.html对我个人而言，这不啻为一种挑战，也是一次修行。尽管在读书和研究的过程中，我已经研读过杨先生部分代表作，但主要是和本人研究方向密切相关的那些。我尚未达到通读其大部分代表作的程度。局外人或许会误以为“导读课”是一种高级科普，但内行人都清楚，要理解杨先生的文章，不仅需要具备扎实的研究经验，更需投入大量心血进行系统梳理与阐释——其工作量远超准备一门常规课程。当时我的本职工作已经非常繁忙，准备《杨振宁先生代表作导读》需要挤出时间来完成，甚至占用了大量的休息时间，而且这些是不计入我的教学研究任务量的。在课程进行中间，也有很多让我感到宽慰的时刻，尤其是在得到朋友们鼓励的时候，让我觉得心血没有白费。例如上海交通大学的蔡子教授，他几乎听了我所有的讲解。他曾是我在加州大学圣迭戈分校任教时的博士后。他说这是我能为中国物理界做的最好的贡献之一，比发顶刊更为重要。他回忆他的学生时代，很多同学也想钻研类似于杨先生代表作这样的经典，往往努力了很长的时间也不得要领。我的讲解对有志于物理研究的年轻人来说，是很及时的。《杨振宁先生代表作导读》一共进行了12次讲授（编注：在“返朴”视频号里搜索合集《杨振宁代表工作导读》可查看这12讲视频），其中一次关于量子力学创立的内容与杨先生工作无关，属于“编外”，其余11讲覆盖了杨先生学术成果中的8个主题：1.η配对；2.硬核玻色气；3.非对角长程序；4.李—杨相变定理；5.弱作用中的宇称不守恒；6.磁单极和磁单极球谐函数（两讲）；7.杨—米尔斯规范场（两讲）；8.杨—巴克斯特方程（两讲）。其中第1个主题包括一部分杨先生和张首晟老师的合作；第2个主题是他和李政道、黄克孙两位前辈的合作；第4个和第5个主题是他和李政道先生的合作；第6个主题是他和吴大峻先生的合作；第7个主题是他和米尔斯的合作。这一系列选题涵盖了凝聚态物理、统计物理、数学物理与高能物理等领域，基本反映了杨先生研究的广度与深度。限于个人学识，准备这些内容已让我感到颇为吃力。我对粒子物理了解有限，所以除宇称不守恒外，并未选取杨先生在该领域的其他工作。此外，杨先生还有一些经典成果，如伊辛模型自发磁化临界指数1/8的计算、自对偶规范场、热力学Bethe Ansatz等。对于这些主题，我尚未掌握，因此也未将其纳入课程。我计划在未来继续深入学习杨先生的这些工作，并希望能够在后续的讲授中补充进来。二、对称性在杨振宁先生的诸多贡献中，对称性原理始终是贯穿其间的一条主线，这也成为他独特的风格。在我读博士学位期间，导师张首晟教授引导我学会欣赏对称性原理所蕴含的深邃美感。如今，对称性原理及其在凝聚态物理与冷原子物理中的应用，已成为我主要的研究方向。杨先生的“η配对”的工作，是体现对称性的优美和力量的很好的例子，对我的研究有直接的启发和影响。在杨先生的成果中，这个工作不算突出，但它对凝聚态物理的影响是很大的。它是杨先生和张首晟老师在高温超导机理研究的大背景下开展的，很直观也易于理解。因此，我将其选作《杨振宁先生代表作导读》第1讲。这项工作创造性地指出：凝聚态物理中的两种常见物态——电荷密度波态与超导态，可以通过对称性将它们统一起来。超导序参量取复数值，相当于2个分量，加上电荷密度波的1个分量，在这3个分量之间转换的对称性，称为SO(3)，可以由η配对的算符生成。电荷密度波态是绝缘性的，和超导态在表观上截然不同，很难想象它们可以通过对称性来彼此对应。然而，杨先生与张首晟老师敏锐地抓住了二者之间的内在联系。运用对称性来统一表观上不同的物理现象，是物理学的核心主题之一。在高能粒子物理中，这一思维方式取得了丰硕的成果，电弱统一理论正是其中的典范。杨先生与张首晟教授的这项工作，正是将这一思想引入凝聚态物理的一次重要尝试。张首晟老师将η配对的思想，继续在铜氧化物高温超导领域进行发展。他试图把反铁磁（自旋密度波）态和超导态统一起来，因为它们是相图中最稳定的两种物态。反铁磁序有3个分量，加上超导复数序参量的2个分量，一共是5个分量，所以该理论被称为高温超导的SO(5)理论。铜氧化物高温超导体的中子散射实验中，经常出现非弹性散射的共振峰。这些共振峰可以很自然地被解释成从超导态出发转换成反铁磁态而产生的自旋共振态，行话叫赝古德斯通模（pseudo-Goldstone mode）。高温超导的SO(5)理论取得了一定的成功，虽然这个对称性并不严格，仍不失为一个好的唯象理论。近年来，胡江平师兄提出在铁基高温超导体中由于其独特的对称性，η配对可以很自然地被实现，目前已经有不少铁基超导的实验发现了支持η配对的证据。这为杨先生η配对的思想划上了精彩的一笔。在我读博士期间，超冷原子领域发展迅速，对光晶格中费米原子物态的研究方兴未艾。费米原子的自旋F（更准确地应该称之为超精细自旋），是电子自旋、电子轨道角动量、核自旋等的总和，因此费米原子的自旋可以很大。一般认为，在凝聚态体系中，自旋越大，其量子涨落会越发被压制。我从2003年起开始研究大自旋费米原子系统的独特性质，这是我博士阶段的主要工作之一。我们发现该系统中的量子涨落恰恰是非常强烈的。在杨先生和张老师的工作的启发下，我们认为对该系统的研究，应该采用高对称性而不是大自旋的观点，包括SU(N)、Sp(N)，以及SO(N)等。这些高对称性通常是在高能物理的范围内研究的。有趣的是，尽管在能标上面存在着巨大的不同，我们的研究展现了超冷费米原子和高能物理在对称性层面上可能存在联系。该方向在2010年以后得到了广泛的关注，尤其是实验上的发展很快，已经成为超冷原子领域的重点研究方向之一。特别地，我们把杨先生关于η配对的SO(3)对称性做了很大的扩充。我们在超导序的2分量和反铁磁自旋四极矩序的5个分量之间，设计了SO(7)群将其统一起来。此外，SO(7)的伴随表示是21维的，还可以用来统一自旋五重态超导、电荷密度波、反铁磁，以及反铁磁自旋八级矩等众多的序参量。值得一提的是，这样的高对称性可以在自旋3/2的非相对论费米子模型系统中，被严格地构造出来。在杨先生百岁寿辰时，应朱邦芬老师的邀请，我写了篇在凝聚态物理中对称性原理的综述，其中一部分就是从高对称性来研究超冷原子物理。这篇文章被收录在A Festschrift in Honor of the C N Yang Centenary，Scientific Papers一书中。我在《杨振宁先生代表作导读》中也提到了η配对的SO(7)推广，以此向杨先生致敬。三、四元数杨振宁先生除了众多经典工作以外，也有一些并不成功的尝试。例如，他和李政道先生曾经尝试去建立一套超越通常理论的四元数理论，而不是仅仅把已有的物理理论用四元数进行重新表述。在Selected Papers(1945-1980)with Commentary一书中，杨先生回顾道：“1954至1955年间，我们未能成功，……在后续岁月中又多次尝试，我也未能实现这一目标。然而，我相信这个基本方向是正确的……。我们一再认识到，自然在基本层面上从不随意行事。……四元数代数本身是一种优美的数学结构。……她怎会拒绝使用这唯一另存的完美代数体系，来构建宇宙间所有复杂对称性的根基呢？”（根据英文原文翻译。）杨先生对四元数的热情，对我的研究产生了深刻的影响。我来介绍一下背景。量子霍尔效应是拓扑物理的研究焦点之一，其中电子在磁场下的运动由朗道能级来描写。相应的波函数简单优美，具有复解析性，对构造分数量子霍尔效应的研究起到了关键作用。胡江平师兄和张首晟老师在2001年把朗道能级推广到4维紧致球面上，这个工作开启了拓扑绝缘体研究的先河。他们所依据的数学基础正是杨先生和吴大峻先生的SU(2)规范场磁单极的工作。我在加州大学圣迭戈分校任教的时候，发现可以通过简单的简谐振子，再加上自旋轨道耦合，就可以把朗道能级推广到三维甚至更高维的平直空间。在和吴咏时老师的一次讨论中，他建议我们思考一下四元数和这个工作可能的关系。由此，我找到了杨先生前面的那些话。在和孔良老师的一次讨论中，孔老师介绍了一篇重要的四元数文献。我和学生重新审视了我们构造的三维朗道能级波函数，并和二维的情况做了类比。复解析性，用物理的语言来说，就是手征性。手征性由磁场来进行选择，因为电子在磁场中只能绕着一个方向打转。朗道能级的非平庸拓扑由此而生，但是复解析性仅适用于二维。手征性在高维的对应是螺旋性，而螺旋性由自旋轨道耦合选择。我们领悟到，三维朗道能级的波函数，可以被映射到陀螺的位形空间上的非平庸结构。陀螺的位形空间是SU(2)群空间，正好等价于四元数空间。由此，我们证明了三维（或者四维）的朗道能级具有四元数函数的解析性，其闵可夫斯基形式对应于表面态的螺旋狄拉克方程，或者外尔方程。这样就非常简洁地建立了体态和表面态之间的对应。在文章发表之后，我发送给了杨先生，在电子邮件中说明四元数函数的解析性对于高维拓扑态研究的潜力。杨先生的回信饱含鼓励。我和杨先生之间的直接交流仅限于此。因为四元数的代数结构不对易，我在后续研究中遇到了很多困难。尽管如此，杨先生的鼓励始终是我在该方向上继续探索的动力。希望以后能有好的结果向杨先生致敬。四、结语杨振宁先生曾说，他一生最重要的贡献，或许是让中国人收获了这样一种心理上的自信——我们同样能够做出世界一流的科研。这句话在我心中，激起的共鸣尤为深切。依照传统，杨振宁先生的籍贯算是安徽合肥。根据刘秉钧《杨振宁家世述略》（载《合肥文史资料第1辑》）中的考证，杨家先祖原籍安徽凤阳府城，在清末战乱中，迁徙到合肥。我来自凤阳县淮河岸边的小镇。当地经济文化并不发达。历史上，淮河流域文化灿烂，诞生了以庄子、管仲为代表的杰出人物，但是近代以来，经济文化发展尚不如人意。他的成就对我们这些淮河流域的后辈而言，更显得亲切。他也是淮河儿女的杰出代表，也仿佛一束光，鼓舞我们做出更好的成绩。“云山苍苍，江水泱泱，先生之风，山高水长！”杨振宁先生代表工作导读第一集（上），共12集，观看全集请在“返朴视频号”搜索合集【杨振宁代表工作导读】