FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Solana现货ETF持续吸金近2亿美元 Hyper预售热度飙升至2,600万美元

全性与Solana的高吞吐特性，实现可编程化的Layer2生态。其非托管桥接机制让用户能在保留BTC资产安全的前提下，参与DeFi、NFT、GameFi与跨境支付等应用场景，让比特币从「数位黄金」进化为具备流动性与开发性的多用途资产。官网购买Bitcoin Hyper 在代币经济设计上，HYPER预售价格为0.013215美元，采用三日自动递增机制，质押年化收益率高达46%。持币者同时拥有治理与收益分配权，使整个生态具备自我增长动能。根据官方规划，主网预计于2025年第四季启动，届时HYPER将成为整个Layer2网络的核心流动性支点。分析师普遍认为，该项目将成为比特币生态功能化的关键推进力量。资金分流形成双核心动能：Solana与Bitcoin Hyper共塑新格局从宏观视角观察，资金正在从单一资产集中转向多层结构配置。Solana ETF吸引的机构资金象征Layer1基础建设的成熟与金融化，而Bitcoin Hyper则代表Layer2创新应用的爆发潜力。这两条资金流共同构成加密市场的新动能主轴：前者以基建效率吸引长线资金，后者以功能创新激发高成长预期。在这一框架下，Solana充当了跨链流动性与高效基础设施的角色，而Bitcoin Hyper则凭藉其可编程Layer2特性，拓展比特币的应用疆界。两者互为补充，Solana打开资金入口，Bitcoin Hyper创造应用出口，共同推动市场迈向更高维度的资金循环。官网购买Bitcoin Hyper 结论：新资金周期的启动信号从Solana现货ETF的连续吸金，到Bitcoin Hyper预售的爆发式增长，2025年的加密市场正在进入新一轮资金周期。资金不再单一押注于比特币或以太坊，而是分层流入具技术优势与实际应用潜力的项目。Solana以其机构信任与技术效能重塑Layer1价值认知，而Bitcoin Hyper则以可编程比特币的愿景开启Layer2创新格局。这场由资金重构驱动的变革，正揭示加密市场的新方向，由效率驱动、由应用落地、由资金自发循环的新时代，正在香港、美国与全球市场的交叉点上全面展开。免责声明加密货币投资风险高，价格波动大，可能导致资金损失。本文仅供参考，不构成投资建议。请自行研究（DYOR）并谨慎决策。

Business2Community2小时前

11次审计仍被盗黑历史不断的Balancer为何仍有粉丝

还是AMM自动做市商，支持多资产池、可编程权重、动态费率、Boosted 组合池等。很多 DeFi 项目和策略（例如 Yearn、Aura、BeethovenX 等）直接依赖 Balancer 协议作为底层流动性层。因此，即使有安全事件，这些上层协议生态的惯性仍然维持了用户基数。其次，由于Balancer 是AMM协议，允许用户创建和管理自定义的流动性池，支持多种资产的组合和不同的权重设置。这吸引了许多专业的流动性提供者和交易员，他们可以根据自己的策略来优化流动性配置，以获取更高的收益。且Balancer 的算法能够更有效地利用流动性，相比传统的 AMM，它可以在相同的流动性下提供更好的交易价格和更低的滑点。这对于大额交易和频繁交易的用户来说非常重要，能够降低他们的交易成本。六、还能信任DeFi吗？ Flashbots战略总监、Lido战略顾问Hasu表示，Balancer v2于2021年上线，自此成为最受关注和频繁被分叉的智能合约之一。这非常令人担忧。每次上线时间如此久的合约被攻击时，都会（理所当然地）让DeFi的采用进程倒退6到12个月。 Circuit创始人兼首席执行官Harry Donnelly称：Balancer 的数据泄露事件对 DeFi 生态系统来说是一个“严重的警告”，并指出 Balancer 是“该领域最值得信赖的品牌之一”，也是“拥有合规文化、并有严格审计和公开披露支持的早期开拓者”。正是这种透明度帮助 Balancer 取得了成功，但也使其更容易受到攻击。“如果 DeFi 想要真正挑战传统金融，就必须通过积极主动的韧性和响应来领先于不法分子，而不仅仅是被动地修补漏洞和冻结资金。” OneSource创始人兼首席执行官Vladislav Ginzburg表示：“智能合约和金融工程是DeFi投资风险的一部分。因此，智能合约审计至关重要。我认为Balancer漏洞并不代表一种新的范式，因此不应改变信任或风险因素。现状维持不变。” Komodo平台首席技术官Kadan Stadelmann也表达了类似的观点，他认为核心DeFi用户不会因此却步，但机构投资者可能会受到影响。“正是这类DeFi领域的黑客攻击，才导致机构投资者和另类资产投资者转向纯比特币策略。”

金色财经5小时前

戴维斯商业评估价值10亿美元的ESG代币化收益走廊以连接亚洲、非洲和拉丁美洲

证商品金融构建。该走廊的概念旨在通过可编程金融轨道，数字化对接亚洲、非洲和拉丁美洲的贸易路线，在资本需求和经过验证的供应链之间架起桥梁。代币化收益走廊的定义代币化收益走廊是指一种可编程的金融基础设施，旨在连接投资者、贸易流动及跨区域的ESG认证资产。通过将农产品交易与区块链结算及数字收益工具相结合，该模型旨在减少摩擦、提高透明度，并为可持续金融开辟新的接入点。初步建模显示以下预测：分阶段推出后，预计该收益走廊的资本化规模将达到10亿美元稳定币结算引擎与农产品融资的整合，可减少多个外汇区间内的摩擦与传统SWIFT系统相比，预计贸易结算成本将提高50%至80%的效率能够传输符合ESG标准的商品，每年有可能解锁超过2.5亿美元的混合融资机会 ESG整合与影响拟议中的收益走廊将把公认的可持续发展认证（例如Bonsucro认证的糖和ISCC认证的大米）直接嵌入到代币化收益流中。此种整合可能使影响基金、可持续性挂钩的机构投资者及区域贸易融资机构，能够大规模获取经过验证的、以商品为支撑的收益工具。代币化走廊和国库在全球范围内正逐渐获得关注，金融机构和金融科技领导者正在测试链上储备框架，以提高透明度和资本效率。戴维斯商业的探索与这些先例保持一致，重点关注那些通常未被传统资本系统充分服务的新兴市场贸易走廊。高管评论「新兴市场往往被困在高外汇差价和缓慢银行周期之间」，戴维斯商业执行董事长Li Peng Leck表示，「通过评估代币化收益走廊，我们希望研究可编程资本如何在保持透明度和监管合规的同时，大规模推动可持续商品贸易。」下一步计划戴维斯商业目前正在与以下机构进行对话：区域农产品贸易商和流动性提供者数字资产托管方和合规合作伙伴 ESG认证机构和区块链协议开发者，以评估互操作性标准任何向运营推广的举措都将取决于监管审查、市场状况以及利益相关方的反馈。关于戴维斯商业有限公司总部位于新加坡的戴维斯商业有限公司是一家农产品贸易公司，专注于在包括亚洲、非洲和中东在内的多个市场中进行糖、大米以及油脂产品的交易。公司旗下拥有两大主要品牌：Maxwill和Taffy，负责商品的采购、营销和分销。此外，公司还为其商品客户提供配套和辅助服务，如仓库处理、存储及物流服务。截至2024年12月31日财政年度，戴维斯商业通过全球第三方商品供应商和物流服务网络，将糖、大米及油脂产品分销至20多个国家。欲了解更多信息，请访问公司官网：ir.daviscl.com。 CONTACT: 联系方式戴维斯商业投资者关系部门电子邮件：investors@daviscl.com 天行财经联系人：Dave Leung 电子邮件：investors@celestiair.com

GlobeNewswire19小时前

西联USDPT稳定币与x402协议前瞻：传统支付与可编程货币的融合

适用于微支付和AI驱动的即时结算可编程货币的应用挑战尽管概念验证有效，但x402和稳定币大规模应用仍面临挑战：客户端集成：终端用户需要方便使用支付协议。企业采用：非加密货币企业需接入x402并重构支付流程。支付基础设施：需要钱包、API、SDK和合规层支持。智能体成熟度：AI代理需具备财务自主能力，才能安全执行支付。商业模式调整：微支付模式挑战传统订阅模式，企业需适应一次性、按需支付的趋势。支付行业未来趋势稳定币和x402协议预示支付行业将经历深刻变革：传统支付企业必须创新，否则面临被淘汰风险。新进入者可从零构建可编程货币体系，获得市场先机。微支付、AI代理支付及跨境结算将成为竞争核心。高性能、无需许可的区块链将成为企业级支付基础设施。编辑总结西联USDPT稳定币和x402协议的兴起显示，支付行业正迈入可编程货币时代。稳定币为传统支付企业提供了提升结算效率、降低跨境成本的新工具，而x402则为AI代理和智能合约支付提供基础设施支持。未来，企业需在技术、合规和商业模式上加速适应，以保持竞争力。整个行业正面临创新与颠覆的双重压力，可编程货币的应用轨道正在快速成型，谁能抢占先机将决定未来支付格局。常见问题解答问1：USDPT稳定币的核心用途是什么？答：USDPT旨在为西联汇款全球客户提供快速、低成本的跨境结算和点对点支付通道，增强其数字资产网络的互操作性和效率。问2：x402协议与传统支付有何不同？答：x402是无需许可的区块链支付协议，支持AI代理和智能合约自主完成支付，与传统支付依赖中心化机构不同，可实现微支付和可编程货币应用。问3：传统支付公司如何利用稳定币提升竞争力？答：通过整合稳定币，传统支付公司可以加快跨境支付速度、降低成本、保持渠道优势，同时为客户提供更多兑换和转账选项。问4：x402和微支付的结合有哪些潜力？答：微支付允许用户按需支付少量金额，例如单篇文章或数据查询，实现即时、灵活的支付方式，适合AI代理和智能合约执行的小额交易。问5：大规模应用x402和稳定币面临哪些挑战？答：主要挑战包括客户端集成、企业采纳、支付基础设施建设、AI代理智能水平以及商业模式适应微支付，需要大量工具和中间件支持。来源：今日美股网

今日美股网昨天20:10

Visa与Mastercard扩大稳定币布局，传统金融加速融入加密支付生态

Hyper有望成为推动BTC功能化与可编程化的关键力量。立即进入Bitcoin Hyper预售结论：传统金融与新兴区块链的双轨融合 Visa与Mastercard的举措象征传统金融对区块链技术的全面接纳，而Bitcoin Hyper等新兴Layer2项目则代表去中心化未来的技术前沿。当支付巨头将稳定币纳入清算体系、创新项目持续拓展技术边界，加密产业正迎来金融基建与创新应用的黄金交汇期。这不仅是稳定币的胜利，更是整个去中心化经济走向成熟的重要里程碑。免责声明加密货币投资风险高，价格波动大，可能导致资金损失。本文仅供参考，不构成投资建议。请自行研究（DYOR）并谨慎决策。

Business2Community11-01 18:44

普冉股份发布2025年三季报：存储超级周期带动行业拐点，多维布局凸显增长韧性

在各种不同系统中使用而设计，支持读取、编程和擦除操作，支持 X1/X2/X4多I/O，以及QPI/DTR接口协议，数据保持20年、擦写10万次，兼顾能效、安全与设计灵活性。此外，凭借设计与工艺的协同优势，公司差异化地构建了自主知识产权的嵌入式IP，应用于通用高性能MCU产品线，使得产品具备芯片尺寸、功耗及读取速度等应用特性优势，以及存储器擦写及数据保持时间等可靠性优势。普冉MCU基于ARM Cortex M0+/M4内核，覆盖从通用型到电机专用型、超低功耗型、高性能型等多个产品系列，包括PY32F、PY32M、PY32L、PY32T、PY32E等，具备丰富的存储容量、外设接口，同时拥有优秀的能效表现。在电机专用SOC方面，PY32MD系列集成了预驱与MCU，支持无感方波/FOC控制，具备转子初始位置自学习、零速闭环启动、宽转速范围调节、多重保护机制等功能，广泛应用于电动工具、家用风扇、高速风筒、空调风机、变频洗衣机等场景。基于存储、模拟及传感器技术的积累和延展，普冉股份研发出了内置非易失存储器的音圈马达驱动芯片（二合一）、开环马达驱动芯片、光学防抖音圈马达驱动芯片OIS。新一代光学防抖音圈马达驱动芯片VOIS实现了手机和运动相机等客户端的批量交付，提升了防抖等级、终端稳定性与影像效果，处于国内领先水平。值得注意的是，在强化内生增长动力的同时，普冉股份亦通过外延并购积极布局。普冉股份此前公告，公司拟以现金方式收购参股公司珠海诺亚长天存储技术有限公司（简称“诺亚长天”）控股权。若完成本次交易，预计公司与目标公司将在产品、市场、技术等方面有效互补，有利于形成规模效应，进一步提升公司业绩规模，增强公司市场核心竞争力。全球存储受AI需求牵引，供需紧张氛围加剧景气度上行眼下，存储芯片市场正经历一场由AI驱动的、前所未有的全面缺货与涨价潮。本轮存储大周期的持续加剧，打破了传统“消费需求驱动”的逻辑，呈现出“AI算力牵引+产能结构性倾斜”的双重催化特征。需求端，AI正以颠覆性力量催生结构性存储缺口。这种缺口并非简单的数量增长，而是由性能与容量双重诉求驱动的质的飞跃。据美光数据显示，AI服务器的DRAM容量需求是普通服务器的8倍，NAND容量需求则达到3倍，单台AI服务器存储需求更是高达2TB，远超传统服务器的配置标准。供给端，三星、美光等全球巨头转向“利润优先”策略，将产能集中投向HBM、DDR5等高端产品，主动缩减中低端产能，导致全品类存储出现供需缺口。这种供需错配的加剧，为周期上行提供了强劲且持久的动能，摩根士丹利在2025年10月6日发布的最新研报中表示，旧款存储芯片的繁荣期不仅比市场预期的更强劲，且可能持续更久，直至2026年。目前，主流存储芯片的供应紧张正传导至中小容量的利基产品，导致SLC Nand、MLC Nand及NOR Flash等芯片价格出现上涨。报告中，摩根士丹利维持其对第四季度NOR Flash价格上涨5-10%的观点。同时，基于物联网（IoT）和服务器领域需求的持续增长，预计将使NOR Flash的供应缺口从“低个位数”扩大至“中个位数”。报告特别指出，由于每台AirPods需要三颗高密度NOR Flash芯片，到2026年，仅AirPods就可能占据全球NOR Flash需求的5-10%。这表明NOR Flash的价格上涨趋势有望持续到2026年。 2D NAND 赛道同样呈现供不应求态势，受AI终端、智能汽车等需求拉动，2D NAND 凭借高可靠性、成熟工艺的优势，已进入供不应求的状态，价格开启上行通道。弗若斯特沙利文2025年行业报告显示，2024年全球SLC NAND市场规模23.1亿美元，预计2029年将增至34.4亿美元，年复合增长率5.8%。这一系列信号清晰表明，存储行业正处于周期底部向景气上行的关键衔接点。10月24日普冉股份等存储概念股强势涨停，更凸显资本市场对行业拐点的认可。综合来看，普冉股份在三季度展现的增长韧性，源于逆周期投入、精益运营等多重协同。在全球存储“超级周期”启动、全品类存储涨价、国产替代加速的多重利好共振下，公司既有望通过NOR Flash等现有产品线享受涨价红利，又通过资本运作充分表达了对2D NAND等更大容量市场拓展的决心。未来随着行业景气度的不断提升，普冉股份业绩弹性与战略价值有望得到市场进一步认可。

金融界10-31 13:45

英伟达发家史：从游戏巨头、加密矿霸到 AI 军火商

计算计划，愿景是让 CUD A成为一种编程模型，可以提升从科学计算和物理模拟到图像处理的各种应用。创造一种新的计算模型非常困难，自 IBM System 360 推出以来，CPU 计算模型作为行业标准已经存在了长达 60 年时间。 CUDA 需要开发者重新编写应用程序，来展示 GPU 的好处；但要开发这样的程序，先要有一个庞大的用户群和一个庞大的需求来推动开发者去开发。为了解决“先有鸡还是先有蛋”的问题，英伟达利用了他们已经有大量游戏玩家的 GForce 游戏显卡来建立用户群。但 CUDA 的附加成本非常高，导致英伟达的利润在多年间大幅下降，他们的市值一直在 10 亿美元的水平上下波动。英伟达多年的低迷表现，也让股东对 CUDA 持怀疑态度。股东们更希望公司专注于提高盈利能力，但英伟达坚持了下来，相信加速计算的时机会到来。黄仁勋创办了一个名为 GTC 的大会，在全球不知疲倦地推广 CUDA。最终，功夫不负有心人，一个个应用程序真的涌现了，包括 CT 重建、分子动力学、粒子物理学、流体动力学和图像处理等。直到 2012 年，AI 研究人员发现了 CUDA 的潜力。著名 AI 专家 Alex Krizhevsky 在 GForce GTX 580 上训练出了 AlexNet，引发了人工智能的大爆炸。第三次失败，英伟达退出手机芯片市场。还记得雷军与黄仁勋的同台么？ 2013 年时，在雷军的邀请下黄仁勋出席小米手机 3 发布会。年少时就去到了美国的黄仁勋被雷军要求说中文，他说得并不利索，但也用中文自信地喊出：“英伟达的 GPU 是世界最棒的。” 当时，小米 3 旗舰版搭载了英伟达推出的 Tegra4 处理器的移动版，这也是该系列的绝唱。当时，移动手机市场兴起，英伟达也进入了移动芯片市场，尽管整个手机市场都非常庞大，英伟达本可以为了市场份额而战，但他们做出了一个艰难的决定：放弃了这个市场。黄仁勋表示，英伟达的使命是构建能普通计算机所不能的计算机，他们应该致力于实现这一愿景，做出独特的贡献。英伟达的战略撤退得到了回报。人生建议：经历苦难，降低期待 2024 年，黄仁勋重返母校斯坦福大学，并在商学院进行演讲，分享了一些人生经验。当主持人问黄仁勋，关于成功，有没有给斯坦福学生的建议？他回答道：“我希望各位有机会经历大量的痛苦和磨难。” 他提到自己最大的优点之一，就是“我的期望很低”。黄仁勋表示，多数的斯坦福毕业生，对自己有很高的期望，但他们绝对值得拥有高期待，因为他们来自地球最好的大学之一，被同样不可思议的同辈环绕，拥有高期待是非常自然的事。 "对自己期望非常高的人，往往韧性（resilience）也低，”黄仁勋说，“不幸的是，韧性对带来成功至关重要。” 黄仁勋强调，“成功不是来自于智慧，而是来自于性格，而性格是经历苦难塑造出来的。”

深潮TechFlow10-31 05:56

CZ投了一个华人大三学生，1100万美元种子轮，做教育Agent

去，因为它推出得有点早，当时的基础模型编程能力还没成熟，GPT-4 也还没发布。再加上数学动画引擎涉及到渲染和算法，他们没有攻克。但我们团队掌握了动画引擎的所有核心开发，解决了这个问题，让视频渲染非常准确。 PMF：用户付费意愿很强 Founder Park：你们当时产品上线后，跟几个学校也达成了合作。在你们看来，是什么时候或者哪个功能让你们觉得「我这个产品做对了，痛点找对了」，感觉自己找到了 PMF？ Kai：可以从三个维度来说。首先，从营收指标维度，到现在为止 VideoTutor 已经收到了 1000 家企业的 API 请求，包含了美国所有知名的大型教育机构，甚至国内的机构。此外，还有很多学校想要购买服务。C 端用户的意向更直接，有个学生家长，也是个投资人，他体验完产品后，把产品给了所有亲朋好友试用，所有人都愿意付费。然后他不知道从哪拿到了我的电话，给我发短信想要投我们。C 端用户有非常强烈的付费意愿。第二点，从用户需求层面。为什么美国线下一对一的 Tutor 教育那么刚性？因为家长觉得一对一教学效果好，愿意付这个钱。现在多模态 AI 技术已经能拟人化地做到一对一的教学效果，所问即所答。而且，美国线上一对一教学老师录的视频课，其实跟 AI 生成的视频没区别了。这就是我说的「需求平移」，学生花大价钱买的录播课程，跟我 AI 生成的没区别，那为什么不用 AI 呢？成本更低，教学效果更好。我们收到了很多学生非常正向的反馈，很多老师也愿意传播这个产品，前期的完播率和使用时长都特别好。我们现在筛选出的 200 个种子用户，都是早期积累的。第三点，就是一种产品的 taste 和 sense。当你不断地做，从整个教育行业的进步、到学生和家长付费的核心需求点、再到产品自身的进化，倒推回来想，整个逻辑是闭环的。所以从这三个维度来看，你就觉得 PMF 已经足够了。最核心的就是，付费意愿非常非常强。跟 FIZZ 达成了合作 Founder Park：很多用户主动想付费，也有人主动联系你们想投资。 Kai：对。SAT、AP 这个领域，付费意愿本来就很强。这个领域的客单价都高达 100 到 200 美金起步，线下上课更贵，可能要 800 美金。美国有 260 万名学生要考 SAT，其中 37% 的学生都会主动付费，这是一个付费意愿和需求都非常强的市场。我们的产品能实现非常好的需求平移。 Founder Park： SAT 这个赛道，对考生来说，一个真人老师和一个 AI，他会信任 AI 吗？ Kai：现在 AI 回答像美国高考 SAT、AP 这种水平的问题，基本上不太会出现事实性的错误。在这种情况下，它为什么比线下 tutor 更好？一个是便宜，二个是学生有任何问题都能不断提问，不用担心问了笨问题老师会有看法或者不耐烦，可以 24 小时随时随地学习。而且这个市场是可以平移的，做完美国市场，我们还可以平移到加拿大、英国的 A-Level 考试等等，付费需求非常大。 Founder Park：付费这块你们现在怎么考虑？ Kai：我们是包月订阅，还有一种是按学习结果付费。我觉得现在 AI 已经可以做到按结果付费了。我们可能会推出一个套餐，比如你付 799 美金，我们保证你的孩子 SAT 数学能考满分。 Founder Park：但是按考试结果付费，不是还要看学生个人的能动性吗？ Kai：这个在国内高考可能做不了，因为高考考核点非常多，有上千个。但美国高考 SAT 只有 62 个考点，其中 50 个是常规考点，大部分学生都没问题，剩下的 12 个考点也基本能掌握。除非这个学生的逻辑水平确实有问题，否则基本不存在学不会的情况。而且 AI 的提效效果非常明显。其实很多美国在线 tutor 也有这个服务，你付给老师 1800 美金，老师辅导孩子，成功率基本是 100%，因为 SAT 考点是固定的。只要学生智商水平正常，基本都没问题。但高考不行，高考没办法短期内提上来。而且国内高考需要拉开分数差距，会有难题，但美国高考不存在绝对的难题，因为它更多是考察你是否掌握了知识点。按结果付费也是之前教辅老师已经在用的模式，具备这个前置条件。 Founder Park：那你们的定价里，模型成本会是一个困扰吗？占比高吗？ Kai：我们这个领域的客单价定价非常高，都是 69 美金一个月起步，模型成本现在很便宜，不成问题。教育这个行业不像 coding 领域，大家都在卷价格，因为 coding 需要支持很长的上下文。面向高中生的产品，网页端最重要 Founder Park：记得你上次说，你们第一版的原型差不多只花了两个多月的时间。当时整个开发周期，比如分工、决定做哪些功能、不做哪些功能，是怎么考虑的？ Kai：我们团队所有人的共识就是，迭代要快，因为快才能快速得到早期用户的反馈。第一个版本在推特上发了之后引起了很大轰动，带来了大量用户。但这些用户里，很多是程序员、投资人或者科技爱好者，我们可以统称为「技术尝鲜者」。在那个阶段，从他们那里得到的反馈比较分散，价值不大。还是要从这么多广泛的用户里，筛选出真正核心的种子用户，也就是高质量的高中生，然后通过咨询的方式获取有用的反馈。我们得到的核心反馈就是，视频渲染的精确性必须达到 100%，这是需要优化的重中之重。UI 是否好看，或者是否支持不同的 TTS 声色选择这些功能，都被我们砍掉了。回归到产品的核心：我们做的是理科场景的知识学习，那么图形渲染的精确性就是核心。 Founder Park：生成时长当时是怎么取舍的？ Kai：那时候最高的峰值时长大概是 6 分钟。当时的主要考量是，普通题目的讲解和知识点讲解不应该超过 6 分钟。但后续的反馈中，我们发现有些学习能力不是那么好的学生，希望内容讲得慢一点、深入一点。我们意识到时长不应该做限制，更多还是取决于用户的学习能力。 Founder Park：现在最长能到多长时间？ Kai：最长应该在一个小时以内，可以一直打破砂锅问到底。边交流边实时生成，不过这个功能是最近上的，最开始的版本是没有的。 Founder Park：有没有当时想做，后来发现没那么重要就先不做的功能？ Kai：比如说 App。当时觉得是不是要快速开发 App，但后来发现美国大部分学生基本上都是用 Laptop 或者 iPad 学习，美国大部分 K12 学校都会给学生发一台 Chromebook 电脑，电脑高度普及，他们的作业也都是在电脑上完成。高中生基本上人手一台电脑，手机在学习场景的占比不到 5%，比例很低。 Founder Park：所以如果是一款主打教育或者学生群体的产品，网页端是首先要做的，App 反倒没那么重要。 Kai：对，当时其实已经知道这个数据了，毕竟在美国上学多年。后来我们从早期的几万名用户里挖了 100 个学生做调研，这 100 个学生里面 90 多个都有电脑，所以我们更加确信了这一点。 Founder Park：你们上线第一个版本时，也是瞄准 K12 群体来做的吗？ Kai：是的，之后也是瞄准这个群体。我们跟 Gauth 不算竞品，我们更多的是做考试培训场景。美国大量高中生本身就会选择线下培训或者在线学习平台，而 VideoTutor 很好地把这个需求平移了过来。 Founder Park：K12 会是你们起码一年内的核心用户群体吗？ Kai：应该是两年以内的核心指标。用大模型，但不只依靠大模型 Founder Park：简单介绍一下你们现在的技术实现方案吧？VideoTutor 在生成课程、图表这块确实做得比其他视频生成模型好很多，甚至在很多模型连文字都无法准确生成的时候，你们的技术让人很惊喜。 James：我们生成的视频既有文字也有图案。大概的生产流程就是：让大语言模型去生成文字和对应的动画指令，然后动画指令再经过我们的动画引擎渲染，最终呈现在视频上。文字部分相对简单，我们让大语言模型生成文本，然后直接渲染上去。但动画部分，是我们自己的一个数学动画渲染引擎生成的。它的优点在于渲染坐标轴、几何图形等内容的精确度非常高，而这正是我们的核心技术所在。现在的大语言模型输出的只是文本，我们做的这套 agent 就相当于给了大语言模型一张纸和一支笔，让它能把它想象中合适的教学动画给画出来。画出来的那一部分，就全是我们的技术了。 Founder Park：整个视频最后的合成，包括音视频，是怎么处理的？ James：一开始用户会传入一个 prompt，比如「什么是勾股定理？」。第一步，我们让大语言模型去推理所有场景，一般会规定 3 到 5 个场景，这取决于问题的难度。然后，模型会为每个场景生成大致的脚本。接着，再根据每个场景的脚本做第二次推理，生成场景中的文字、对应的图案和人声的文本。人声文本再用 TTS 合成。最后，我们把所有场景拼接起来，组成一个完整的视频。 Founder Park：我理解第一版是这样的方案。现在加入了随时可交互的过程之后，生成过程是不是也有变化了？ James：确实有变化。我们现在为了让用户能最快看到内容，会先生成第一个场景，让用户先看，后面的场景则在后台继续渲染。当用户提出问题时，我们会将他的人声转换为文本，然后把这个文本连同之前所有场景的内容一起交给大语言模型去推理，让它规划接下来的教学场景。后续场景的渲染流程就和之前一样了。 Founder Park：如果用户在听到一分钟时有个问题，他会直接提问。你们收到提问后，就把用户的提问和之前讲过的内容一起返回给模型处理。在这个过程中，用户提问完之后，动画是继续播还是会停下来？ James：我们现在的延迟已经从一开始的二三十秒，压到了 5 秒以内。在交互上，我们会做一些过渡，让用户不会过多地关注这 5 秒，整个过程的衔接会比较丝滑。在 4-5 秒内，他就能看到根据他问题全新呈现的内容。目前阶段的设计是，AI 老师会说：「嗯，我考虑一下」，然后把黑板一擦，就像真实模拟老师一样。你觉得讲得有问题，那我就擦掉重新给你写一遍，这样的流程会感觉比较自然。而且我们不只是被动地等待用户提问，中途我们也会做 Quiz。我们会根据 Quiz 的反馈和用户的问题进行推理。而且我们不是完全自由麦，而是需要用户主动打开麦克风，有一个开启和关闭的动作。 Founder Park：所以基于这样的机制，最长大概能生成一个小时的讲解。 James：准确来说是没有限制的，如果他一直有问题，就可以一直问下去。 Kai：对，没有预设限制。其实 VideoTutor 做这个方向，也是随着多模态 AI 的进步，我们并不是在创造需求，而是在更好地满足已有的需求。你看线下的真人教育，为什么美国家长愿意付很贵的钱？因为美国教培行业更多是一对一教学，每小时 100 美金起步。就是因为线下的老师能做到引导式提问，我能观察到你哪里不会，然后接着问你。VideoTutor 也是尽量去实现这种真老师的教学效果，让每个孩子都能做到实时互动、实时教学。 Founder Park：学生上课时，会要求开启摄像头吗？ Kai：不太会。学生是否开摄像头主要取决于美国的隐私法案。产品里面不太会设计强制开启的功能，是否开启取决于学生的意愿。主要的交互还是通过提问和语音反馈。 Founder Park：技术上，你们是采用小模型和云端大模型配合的策略，还是怎么样？ Kai：是一种配合。我们内部有一个数据集，现在已经有超过 10 万多条的视频数据。这些数据中比较好的都会被人工进行二次标注，然后用来训练微调模型。比如我们现有超过 8000 条的 SAT 样本训练数据。这些微调过的小模型会配合云端的通用商用模型像 Claude、Gemini 来做。 Founder Park：用 Claude、Gemini 还是 GPT，会对产品的核心性能有影响吗？ Kai：我们主要涉及 K12 领域，基础模型的水平已经足够了。但为了确保 100% 正确，我们会调用两个模型同时校对，如果两个模型答案一致，那基本就不会出错。在代码生成方面，更多还是以 Claude 为主，它的代码能力比较好。 Founder Park：现在产品的技术瓶颈在哪？是模型能力还是代码生成？ Kai：模型能力是其中一环。还有就是渲染，现在已经攻克到 5 秒以内，随着 GPU 的更多部署还能更快。另外一个就是长期记忆能力。我们需要对学生进行长期的学习行为数据积累，知道这个学生有哪些知识点不懂，比如一个月前学的知识点忘了，可以重新提醒他。 James：我们在渲染时间上其实下了很多功夫，一直在做技术突破，从一开始的 2 分钟到 1 分钟，再到现在的 10 秒以内。我们最终的目标是希望能做到基本没有延迟的渲染，用户一问，推理一结束马上就出结果。这是我们团队目前在攻克的一个难题，但已经找到了新方向。不看完播率，只看最终考试分数 Founder Park：现阶段怎么衡量产品的核心指标？怎么判断一个视频对用户是有用的？ Kai：最核心的一个指标就是考试。在新版本里，你看完视频，结尾会有一个 quiz，做对了就证明你理解了，没做对就证明没讲明白。学习效果没办法只看完播率，有些学生可能看一半就懂了。在他看一半的时候给他做个测试，通过了，剩下的就不需要看了。我们产品的核心指标，就是看多少学生在这里提高了分数。 Founder Park：但他最终的考试是在别的场景完成的，你们怎么得到他是否通过的这个结果？ Kai：这就要说到美国的产品文化，就是用户使用产品后，得到好的结果，会有一种自发性的分享。很多学生用完 VideoTutor 考完 SAT 后，会主动过来分享他们的使用体验和成绩。我们还会让他们成为校园大使，进行二次传播。我们有 20 个高中生组成的校园大使。其实你看 Mercor 早期非常成功，用的就是典型的「用户成功故事」模式。Mercor 早期帮很多印度程序员找到了美国的工作，然后他们就会联系这些用户，给他们拍一个 user story，讲怎么用 Mercor 找到工作的。这形成了很好的口碑传播。VideoTutor 也是一个道理，我们要的就是更多学生使用产品后达到非常好的效果，然后把这些学生的经历做成 user story 分享出去。 Founder Park：学生主要分享的渠道是在哪？ Kai：学生主要在 TikTok，家长在 Facebook 的群组里。 Founder Park：如果把时间放到半年或一年的时间维度，你们规划的产品增长方式是怎样的？ Kai：我觉得本质上，VideoTutor 核心还是一个 C 端用户产品，口碑传播非常重要。很多成功的 AI 应用早期都是靠种子用户的口碑，比如设计师用了觉得好，就传播开了。对我们来说，核心指标就是有多少 SAT 考生用了这个产品后考了高分，然后传播给其他孩子和家长。家长主要用 Facebook 和 Instagram，学生用 TikTok，我们会在这些平台上传播。当形成这种共识性的口碑时，学校老师自然而然就会意识到。我们早期能被这么多学校知道，就是因为很多老师用了觉得不错，推荐给了学校的采购负责人。所以，最核心的还是 C 端用户的口碑传播，多少孩子用了之后提高了分数是关键指标。 Founder Park：新版本大概的状态和推出的时间规划是怎样的？ Kai：我们希望最快在两个月以内正式 public release。届时学生能够以很低的延迟做到所问即所答，并且理科场景的图形渲染能做到 100% 准确。当然，我们暂时不会覆盖竞赛场景或者像线性代数这种复杂的大学知识，更多还是覆盖 K12 领域。 Founder Park：VideoTutor 现在的壁垒或者护城河是什么？ Kai：我觉得有几点。第一是数据飞轮。视频背后都是代码，用户生成的好的视频数据，经过二次标注后，就能被重新训练微调模型。越多的数据，视频效果就越好。另外就是学习行为数据，我们知道不同学生哪个知识点薄弱，就能建立起数据飞轮，越多人用，产品就越懂学生。第二是领先的技术优势，比如动画引擎的算法。虽然算法本身不是最核心的优势，但随着我们快速迭代，数据越来越多，优势会更明显。第三是品牌，VideoTutor 已经在北美家长圈里成为 AI 教育领域的一个头部品牌了，家长的信任度也是一种无形的壁垒。 Founder Park：三到五年后，你预期 VideoTutor 最终会成长成一个什么样的产品？ Kai：我们希望未来 VideoTutor 能成为每个人学习理科知识的 AI 老师。我们只做理科。我觉得未来它会超过多邻国。多邻国是一个世界级的语言学习产品，但在 STEM 理科场景，过去一直没有出现世界级的产品，因为理科需要太多图形渲染。现在基础模型的技术已经 ready 了，所以我觉得理科场景会诞生下一个「多邻国」。招人，尤其想要国内大厂出来的人 Founder Park：你之前有过几次创业经历，大概都是做什么的？ Kai：我现在大三。大一的时候就和 James 一起创业做教育产品，拿了 20 万美金的天使投资。虽然那次失败了，但学到了宝贵的经验：你不能陷入同质化的竞争。当时我们做的 App，市面上有很多同类产品，早期就不得不陷入投流竞争，很难收费。第二次创业，我是作为联合创始人加入另一个团队 MathGPTPro，待了几个月。在那个阶段，我学到了怎么看产品指标、如何打造产品、怎么做用户扩展。也是在那个时候，我得出一个结论：基于文字类的解答型教育产品已经到头了。因为它和 ChatGPT 没什么区别，而且过去像作业帮花很大代价做的结构化知识题库，也被大模型的编辑能力取代了。所以第三次创业，我就知道，可视化是必然的趋势。赵凯在哈佛大学跟 Sam Altman pitch 的合影 Founder Park：过去的两段经历，除了让你认识到文字类产品的局限，在团队或其他方面，对你现在做 VideoTutor 有什么帮助吗？ Kai：有很大帮助。第一点，更好地判断方向和产品是否有未来。我会通过看竞品的网站流量、营收，来判断整个产品的进化方向。第二点，产品打造方面，能更好地判断产品的开发节奏，包括产品设计、前后端对接、要看哪些指标。第三点，团队管理和组织文化能力。我建立了更完整的管理制度，包括每个同学的分工、奖励和期权发放。还有，也学会了怎么去融资。这一轮 1000 万美金的融资，我们在 20 天以内就完成了。 Founder Park：你们现在团队有多少人？ Kai：6 个人，大家住在一起。 Founder Park：团队最初是怎么搭建起来的？ Kai：我跟 James 已经创业两次了。我们俩都是一个学校毕业的，大一的时候就一起做了一款 App。大二的时候，我跟另外两个人一起创业，大家彼此都认识了。当意识到这个技术能带来非常大的产品愿景时，我们就联系组队来做这个产品。之前大家都是校友，包括团队另一个合伙人 Nick 也是我的大学室友。 Founder Park：你们现在也准备扩招，想招什么样的人？ Kai：我们主要招后端、前端、大语言模型和 UI/UX 方面的，希望是有经验的。因为我们现在已经跨过了试错阶段，进入了产品快速 build 的阶段，需要有经验的人来帮助我们成长。 Founder Park：需要有经验的工程师、产品经理和增长负责人，来把产品从 1 做到 10，甚至从 10 做到 100。 Kai：是的，就是这个阶段。我们预期把团队扩充到 9 到 10 个人，核心还是以招工程师为优先。这次招的可能会在国内，所以是 in-person 和远程混合的方式。 Founder Park：希望这个人是什么画像的？ Kai：我们更希望他是在一些大厂经历过的，比如字节、美团。因为字节是一个高速、比较卷的组织文化，重视年轻人。在字节训练过的人，有比较好的方法论和能力，加入我们之后能把这些成功的经验带进来，进行融合学习。想要在国内大厂打过硬仗、有快速迭代经验的人。我们已经度过学生创业阶段了，不太需要招新手，更多需要招一些有经验，但又不是那种完全的「行业老炮」。因为行业老炮可能要顾及家庭，没办法那么卷。所以中间层次的，年轻又能卷的就比较好。我们愿意给优秀的人才丰富的期权。我们虽然融了 1100 万美金，但为什么没在美国招工程师？就是因为我们觉得国内的产品力和工程能力真的非常好。这一波 100% 会有华人经营的团队打造出伟大的产品，在国际上跑出来。现在很多 AI 应用层面都是华人打造的，国内的工程能力真的很厉害。这也是我们的优势，要利用中美两国之间的优势。硅谷的大学生，都在 AI 创业了 Founder Park：现在尤其是在硅谷，大学生创业的趋势特别明显，你看到的是一个什么样的状态？ Kai：看一个事实，就说这轮百亿美金估值的公司：主打 AI 招聘的 Mercor，已经完成 3 亿多美金的新的融资，估值已经百亿美金；而 Cursor 已经是板上钉钉的 100 亿美金估值。对应的还有像 GPTZero、Pika 等等。这些都是大学生创业项目，尤其是 Cursor 和 Mercor 的创始人都是大三辍学生。这一波年轻人创业，都有一个特点，就是高度差异化竞争。他们在极其窄的领域里专注去做，没有做通用的东西。比如 Mercor 做 AI 招聘，一开始就只做印度程序员的招募。第二点是环境。整个硅谷的资本环境和底层创新，像斯坦福、YC、Peter Thiel 的基金，都在最早的阶段支持大学生创业，不管你有没有成熟的想法，都愿意支持你，并且提供强大的人脉网络。第三点，我觉得是这些大学生的品质。无论是我们，还是硅谷出来的这些大学生，都有非常勇敢的冒险精神和极强的学习能力。这种勇敢闯荡的精神，国内很多学生可能不太具备。因为在硅谷，身边有很多同龄人成功的案例激励着你，资本环境也愿意相信年轻人。对我来说，当时也对比过成本和收益。如果我选择读完大学再找工作，未必能还得起家里的留学成本，也未必有很大的收益回报。但如果选择创业，我能在最年轻的时候去疯狂学习，我的人生就有无限的可能。我从小就想创立一家伟大的公司。 Founder Park：为什么今天这一代大学生创业能做出百亿美金的公司，而以前可能卖个一两千万美金就算很了不起了？这里面有 AI 的热潮和泡沫因素吗？ Kai：我觉得不完全是泡沫。Cursor 有 4.5 亿美金的真实营收，这是很可靠的。这背后，是这一代年轻团队的方法论和认知 insight 非常关键。你看这些团队，背景都挺优秀，他们有非常好的学习能力。 Cursor 早期就是靠身边的大学生程序员，这些人对 AI 接受度高，给了很强的反馈。创始人本身也是个小天才工程师，能深刻理解用户，工程迭代能力强，早期就四个人把产品干起来了。他们把产品迭代好之后，就形成了用户口碑，有了营收，投资人也怕错过下一个 Mark Zuckerberg，所以资本又来助力。最底层的条件是，AI 这波很多技术是新的，年轻人学习速度快，又务实、靠谱、敢干，所以有极致的用户理解和超快的迭代速度，去击败传统的产品。比如在 Cursor 之前，GitHub Copilot 做得也挺好，但为什么没干过它？就是因为用户体验和执行速度。 Founder Park：是不是可以说，因为 AI 是个新技术，所以很多产品认知也需要用新的角度来看？ Kai：对，年轻这一代比上一代创业者有更深的认知见解，能离用户更近。现在主流的 AI 用户都是 00 后了，他们学习和反馈的迭代速度、包容程度，都比上一辈创业者更快。所以，认知迭代速度是核心。移动互联网时代，技术迭代是以年或者季度为单位的，但 AI 时代，技术迭代可能是以天为单位的。作为 founder，你必须快速学习，而年轻人更能熬夜，更有拼劲。 Founder Park：之前有媒体说硅谷很多创始人也开始 996 了，你们怎么看？ Kai：我身边一些白人创业者朋友，融了很多钱，也 996。他们也跟我们一样，租个大 house，所有人生活在一起办公。我觉得 996 更多是环境所迫，现在硅谷有点像淘金热，大家都不想落后，那就只能比产品迭代速度，必须熬夜快速迭代。这是一种环境塑造，倒逼人必须这么做。 Founder Park：硅谷的这些大学生创业，在赛道选择上有什么趋势吗？ Kai：我觉得无论是我们做教育，还是其他人，大家都有一个趋势，就是在自己的舒适圈里创业。舒适圈指的是你对这个领域和用户足够了解。Cursor 创始人对 coding 非常了解，我们做教育也是因为对这个人群足够了解。现在的年轻人更多是在自己已有的认知舒适圈里创业，不再贸然跳到一个不了解的领域。因为这样你获得的用户的反馈才足够快、足够正确。还有认知叠加。我们三次都做教育，我的认知是不断叠加的。这帮大学生不太会贸然做自己过去没干过的事，都是想着怎么干得更好。他们有新一代的思维方式，在自己认知圈里不断迭代，勇于创造机会。还有一点是勇敢闯荡的精神，不太会因为别人的否定而否定自己，有一种「I don't care what you think about me」的态度，非常自信。背后就是「高速实验」的文化，我知道我产品还没 ready，但我不管，快速上线、快速迭代、快速反馈。 Founder Park：这个风潮大概是从什么时候开始的？ Kai：我觉得是一种共识性的成功。当大家看到像 GPTZero 这样的项目，从宿舍里成长起来，不断迭代，然后获得资本助力和用户认可，这种快速试错、快速爆发的成功案例多了，就形成了共识。一句话，「Better done than perfect」，完成比完美更重要。而且大家也不太担心竞争，硅谷很多 founder 都愿意把自己的产品理念讲出来，不怕你抄，我只要快速迭代就好。我觉得这一波年轻人还有很好的 story telling 的能力，这种讲故事不是假大空，而是在务实求真的基础上，加上自己对未来的展望。 Founder Park：先把自己营销出去。 Kai：对。我觉得底层的观念在于冒险精神和极度自信。在这种驱动下，他们就不断勇敢试错，不怕讲错话。大胆地讲自己的产品理念，大胆去执行，错了大不了再改。这种不怕试错的文化，促成了这一波大学生创业的热潮和成功。美国那边的 VC 也都会看大学生的项目，YC 每期都会固定投一些大学生的项目。融资是 VideoTutor 现在最不需要担心的事情 Founder Park：如果回到刚做 VideoTutor 的时候，你会给自己提什么建议？有什么可以做得更好的地方？ Kai：我觉得应该是节奏更快一点。还有就是团队组成。VideoTutor 的团队是经过多轮磨合的。如果早知道，我会更早地根据产品需要的技能画像，去更好地组建团队。我觉得创业回归到最后，组织能力非常关键。我会花更多时间在组织能力上：选人、识人、用好人。现在的团队适合从 0 到 1 的成长，但要把 VideoTutor 做得更大，还是需要更有工作经验的人加入进来，把他们优秀的经验和能力带到团队，帮助整个团队共同成长。 Founder Park：未来半年内，你觉得 VideoTutor 可能会遇到什么样的产品或技术难题？ Kai：我觉得一个是渲染，要降到真正的零延迟，还需要工程上的突破。第二点是增长方面，我觉得是产品的 taste，这背后包含很多东西，比如 UI、交互设计是否丝滑完美，功能交互是否没有 bug，视觉布局是否漂亮等等。这些对我们来说都是考验。 James：我觉得一开始我们对 VideoTutor 的定位是针对所有学科的可视化教学辅导，但后来我们做得非常垂直，只针对数学领域，因为那是我们最擅长的。我们的数学渲染引擎是最专业的。接下来重点要突破的，可能就是横向扩展。比如，如何把可视化的优势带到文科类场景？比如解释「锄禾日当午，汗滴禾下土」。这是我们接下来在技术上要考虑的点。 Founder Park：会因为创始人的背景在后续扩张上遇到困扰吗？ Kai：不太会。其实有很多大的 VC 都找过我们，像 a16z 这些，不会在太早期出手，而是在团队已经有成功迹象时再助力，这样他们知道投资不会失败。我们和很多大 VC 都保持着很好的关系。融资是 VideoTutor 最不需要担心的事情，最需要担心的还是围绕着用户生态和产品。

财经智选10-31 04:31

谷歌前董事长：中国正在建设未来，美国可以从中国的科技成就中汲取经验

科研机构的重要角色。西方开源软件推动了编程语言、网页浏览器等方面的技术创新。美国科技企业应继续保持开放，积极与希望使用美国产品的国家合作，并在模型和研究上推动更多开源。 20世纪80到90年代，中国对外企敞开大门，吸引它们投资建厂，很多是通过合资企业方式进行。外方提供资金、技术和出口渠道，中方则负责厂房和员工。随着时间推移，这些企业——从通用汽车、强生这样的早期进入者，到后来者特斯拉——共同将中国变成全球制造业最强国家。经过多年向西方学习，中国已成为自冷战以来，美国所面对最强大的科技对手。1957年苏联发射“斯普特尼克”卫星后，美国在科学教育和研究方面加大投入，国会成立NASA，并扩大中小学科学经费，以维持竞争力。这个战略获得了成功。如今，中国的技术实力也应当成为美国的新激励。如果美国真想实现制造业回归，就必须在自身优势领域加倍努力，比如支持科研、制定有利于吸引全球人才的移民政策，以及减少监管障碍。但美国科技行业也必须正视自己的短板，特别是在硬件能力、AI行业多元化以及技术开源方面。中美之间的竞争将持续下去，也理应继续。但在某些领域，双方可以也应该加强合作。如果美国想振兴制造业，特别是在电池、汽车零部件和可再生能源领域，贸易协议中应允许中国企业向美方授权其知识产权。这将有助于中国公司培训美国工人、创造更多就业机会，进而推动先进制造业重返美国。宁德时代等中国企业已表达了在特朗普政府许可下愿意在美国建厂的意愿。美国甚至可以要求中企与本地公司成立合资企业。当然，美国不能忽视国家安全问题，但在降低对中国依赖与维持全球竞争力之间，必须找到平衡。如果美国因傲慢或敌意而拒绝正视中国的优势，最终可能会变得更加封闭和保守，陷入国产高价产品、电价昂贵、高等教育衰退的困境。到那时，我们也许将不再是世界首屈一指的超级大国。来源：加美财经

加美财经10-30 12:00

"0代码"也能训练机器人，机器人有"灵魂"了？

thon等专业工具，进行数周乃至数月的编程、调试和仿真。这是一个高技术、高成本、高门槛的“圈内游戏”。而灵创平台彻底改写了这一规则。它实现了：视频即动作：用户只需上传一段人类表演的视频，灵创平台便能通过AI动作识别与还原算法，自动将其转换为机器人可执行的动作脚本。灵创平台动作模仿功能(来源：智元机器人视频《智元【灵创平台】正式发布！》) 语音即灵魂：用户输入文本或上传音频，平台即可合成语音，并智能匹配相应的动作与表情，实现音、画、行同步。灵创平台语音合成界面(来源：灵创平台官网LinkCraft产品使用手册) 拖拽即编排：复杂的动作序列和故事线，可以通过可视化的时间轴进行“混剪”和“拼接”，如同剪辑视频一样简单。灵创平台智能编排界面(来源：智元机器人官方发布视频《智元【灵创平台】正式发布！》) 如果说，传统的工业机器人是“DOS系统”，功能强大但只能由专家操作；那么搭载了灵创这类平台的智能机器人(如智元灵犀X2)，就进化为了“iOS”或“Windows”系统。它首次将“创造权”交还给了用户。正如iPhone的伟大不在于硬件本身，而在于其催生了App Store，使得全球数百万开发者能够为其创造无穷无尽的应用场景。灵创平台的出现，扮演的正是机器人领域的“App Store + 内容创作工具(如Photoshop/Premiere)”的角色。它打破了机器人应用的“孤岛效应”。过去，一个为A场景开发的机器人程序，很难复用于B场景。而现在，一个创作者编排的“迎宾舞蹈”，可以被上千家商场一键下载、同步演绎；一个爱好者设计的“咖啡拉花”动作，也可以被无数咖啡厅采用。这极大降低了应用的开发成本和部署周期，使得机器人商业化落地的正循环得以高速运转：更多创作者 → 更丰富的应用内容 → 更广泛的机器人部署 → 更多的数据回传 → 更智能的AI模型 → 吸引更多创作者。二、产业链透视：「软件定义」如何重塑机器人价值链灵创平台的发布，是“软件定义机器人”趋势下的一个标志性事件。它将对机器人上、中、下游全产业链的价值分配产生深远影响。 1.上游：硬件的“标准化”与“柔性化” 以减速器、伺服系统、控制器、传感器为代表的上游核心零部件，是机器人的“关节”与“神经”。在传统工业领域，零部件追求的是极致的刚性、精度与重复定位能力。但在“软件定义”的新范式下，上游硬件面临两大新要求： ①标准化与兼容性：软件平台(如灵创)需要适配多形态、多厂商的硬件。这就要求上游零部件必须提供标准化的数据接口与控制协议，便于被软件层统一调用与编排。 ②柔性与性价比：当机器人需要执行舞蹈、服务等非标、柔性任务时，对零部件的“力控”能力(而非绝对刚性)提出了更高要求。同时，应用生态的爆发依赖于硬件成本的下降，这会倒逼上游零部件厂商通过技术迭代与规模效应，加速“国产替代”与“降本增效”的进程。 2.中游：从“卖硬件”到“卖平台” 对于智元、优必选、特斯拉等中游的机器人本体制造商而言，灵创这类平台是构建企业核心“护城河”的关键。在未来，硬件的趋同性(如自由度、负载能力)将不可避免。真正的竞争壁垒在于“生态”。拥有最活跃开发者社区、最丰富应用内容的机器人平台，将像iOS和Android在智能手机市场一样，锁定用户和市场份额。中游厂商的商业模式将发生根本性转变： ①从“一次性销售”转向“RaaS”(Robot as a Service，机器人即服务)。硬件本身可能只是入口，而真正的利润来源于云端平台的服务费、内容(动作)的分成、开发者的订阅费等。 ②从“硬件定义”转向“平台定义”。厂商的核心能力不再仅仅是机械工程，更是AI算法、云平台架构和生态运营能力。 3.下游：“长尾场景”的指数级爆发下游应用与集成，是灵创平台引爆的“主战场”。过去，只有像汽车制造、3C电子这样需求量巨大、场景高度标准化的行业，才能负担得起机器人应用的开发成本。而大量的、分散的“长尾场景”(Long-tail Scenarios)——如餐饮、零售、康养、教育、娱乐——则是一片蓝海，传统模式无法触及。灵创的0代码特性，使得这些“长尾”行业(例如一家精品咖啡店、一个社区康养中心、一个小型剧团)的经营者，甚至是一名大学生，都能成为机器人应用的“集成商”。咖啡店老板可以自己编排一套“机器人手冲咖啡+拉花”的流程；教师可以为机器人设计“AI助教”的互动课程；商场运营者可以每周为迎宾机器人更换不同的主题舞蹈和促销话术。这种“应用民主化”的浪潮，将使得机器人渗透的场景从“二八定律”中的“二”(头部工业)，彻底释放到“八”(海量服务业)，真正开启一个万亿级的广阔市场。未来以灵创平台为代表的“0代码”机器人平台在长尾场景可能的应用(来源：ChatGPT生成) 三、投资逻辑：为何说“生态爆发”是机器人赛道的黄金转折点？智元灵创平台的推出，不是一个孤立的技术节点，而是机器人产业从“硬件驱动”的第一阶段，迈向“软件定义、生态致胜”的第二阶段的关键转折点。它极大缩短了从技术到商业的落地路径，为产业链的价值重估打开了全新的想象空间。对于国内投资者而言，把握这一历史性机遇，其核心逻辑在于： 1.长期成长逻辑：产业天花板被“应用生态”彻底打开机器人替代人工的长期逻辑(如老龄化、劳动力成本上升)已是共识。但这个“替代”的速度和广度，过去一直受限于“软件开发成本”这一最大瓶颈。灵创这类平台的出现，本质上是将机器人应用的边际开发成本降至接近于零。这使得机器人的“总可达市场”(TAM)不再局限于高价值的工业场景，而是扩展到人类生产生活的每一个角落。产业的天花板由此前的“硬件成本”限制，转变为“创作者想象力”的无限空间。 2.短期催化逻辑：“示范效应”点燃市场情绪与资本投入正如特斯拉机器人每一次笨拙又真实的演示总能刷屏全球，灵创平台将创造出源源不断的、极具创意的机器人内容。这些鲜活的“示范效应”是最佳的市场兴奋剂，它们将穿透专业圈层，直达大众视野，持续点燃市场情绪，吸引敏锐的资本加速涌入赛道，最终形成“创意内容引爆 → 大众热议关注 → 资本加码押注 → 产业估值提升”的强劲正向循环。 3.产业链传导逻辑：“软件赋能”与“硬件放量”的戴维斯双击 “灵创”的出现，将同时利好软件和硬件。一方面，它确立了AI算法、大模型、软件平台在产业链中的核心价值地位；另一方面，应用生态的繁荣，必将带来机器人本体(中游)和核心零部件(上游)的规模化放量。软件的“高毛利”与硬件的“大营收”有望在产业龙头上实现叠加，形成“戴维斯双击”的理想投资模型。 4.ETF配置逻辑：分散化布局，捕捉“生态型”增长的β收益在产业爆发的早期阶段，要精准“押注”某一家硬件公司、某一个软件平台或某一种技术路线(如“特斯拉链”vs“宇树链”vs“智元链”)，风险极高。而机器人ETF(562500)的价值在于，它提供的是一篮子的、分散化的配置方案。它不仅捕捉硬件制造的价值，更深度布局了“软件定义”与“AI赋能”的核心趋势，旨在全面覆盖机器人产业链的各个核心环节，实现“AI赋能”与“硬件基石”的均衡配置： ①一键囊括全产业链龙头：机器人ETF(562500)紧密跟踪中证机器人指数，成分股覆盖了从上游核心零部件、中游本体制造到下游应用集成的龙头企业。表：中证机器人指数前十大成分股(来源：中证指数公司，Wind，数据截止2025年10月28日) ②“硬件基石”稳固：指数囊括了如汇川技术(伺服系统与控制器龙头)、绿的谐波/双环传动(精密减速器龙头)、鸣志电器(空心杯电机)等上游核心零部件供应商。这些是机器人实现“灵动”的物理基础，是“灵创”平台实现动作的执行端，将直接受益于机器人本体的规模化放量。 ③“AI灵魂”高企：指数同样高比例配置了如科大讯飞(AI语音与认知大模型)、奥比中光(3D视觉传感器)、石头科技/科沃斯(下游应用场景的集大成者)等。这些企业代表了机器人的“大脑”和“眼睛”，是“灵创”这类平台赖以运行的AI算法与感知能力的提供者。 ④规模与流动性优势，汇聚市场“引力场”：截至2025年10月28日，机器人ETF(562500)规模已超过230亿元。作为全市场唯一规模超二百亿元的机器人主题ETF，机器人ETF(562500)凭借其“一骑绝尘”的规模体量与充沛的二级市场流动性，形成了强大的市场“虹吸效应”。这不仅为大资金提供了便捷的进出通道，也确保了ETF价格与其净值的紧密贴合，为投资者提供了高效、低摩擦的交易体验。 0代码的魔方已经开始转动。当千万创作者的想象力被AI赋予了驱动现实物理世界的能力，机器人产业便不再仅仅是工程师的精密蓝图，而是所有人得以参与共创的、充满无限可能的未来生态。浪潮已至，唯有远见者，能驭浪而行。风险提示：以上基金风险等级为R4(中高风险)。以上基金属于股票基金，风险与收益高于混合基金、债券基金与货币市场基金。个股不作为推荐。投资者在投资基金之前，请仔细阅读基金的《基金合同》、《招募说明书》和《产品资料概要》等基金法律文件，充分认识基金的风险收益特征和产品特性，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策，独立承担投资风险。指数表现不代表产品业绩，二级市场价格表现不代表净值业绩。本基金为ETF基金，投资者投资于本基金面临跟踪误差控制未达约定目标、指数编制机构停止服务、成份券停牌等潜在风险、标的指数回报与股票市场平均回报偏离的风险、标的指数波动的风险、基金投资组合回报与标的指数回报偏离的风险、标的指数变更的风险、基金份额二级市场交易价格折溢价的风险、申购赎回清单差错风险、参考IOPV决策和IOPV计算错误的风险、退市风险、投资者申购赎回失败的风险、基金份额赎回对价的变现风险、衍生品投资风险等。本资料不作为任何法律文件，观点仅供参考，资料中的所有信息或所表达意见不构成投资、法律、会计或税务的最终操作建议，我公司不就资料中的内容对最终操作建议做出任何担保。在任何情况下，本公司不对任何人因使用本资料中的任何内容所引致的任何损失负任何责任。市场有风险，入市需谨慎。

证券之星10-30 10:56

24小时热点