五年前，字节跳动成立火山引擎的时候，它在云计算产业里只能算是十分不起眼的那一朵「云」。

我印象中，当时有不少人疑惑，字节为什么要杀入一个已经非常内卷、格局比较稳定、且相比于字节的抖音和头条来说利润率很低的业务？

最近几年，这个答案逐渐清晰。尤其是，当 ChatGPT 将大模型带火之后，我身边有越来越多在 AI 转型上比较积极的新锐企业家，开始提到火山引擎。

我最近看到 IDC 公布了一项数据，印象深刻：火山引擎在中国公有云大模型服务调用量上已经稳居第一，市场份额 46.4%，接近一半。

在昨天举办的火山引擎「Force 原动力大会」上，同样有一个数据十分醒目：全球 Top10 手机厂商有 9 家选择和火山引擎深度合作，将大模型应用在语音助手，创作工具，效率提升等诸多场景。要知道，手机厂商虽然在 AI 落地上最为积极，但他们也更为谨慎。

能将这些挑剔的客户拿下，已经很说明问题。

回过头看，MaaS（模型即服务）那点钱一开始传统云巨头看不上的。然而，创新往往都来自于边缘，都是从看不上的钱开始做。当 AI 大模型浪潮到来，MaaS 成为新的基础设施时，火山引擎作为从边缘崛起的力量，凭借对 MaaS 的前瞻性布局，反而将过去在云上的落后给抹平了。不仅如此，从我的观察来看，对于云产业来说，这不是在同一张牌桌上增加几把椅子，而是直接换了一张全新的牌桌（New Table）。

这是一次彻底的「Reset」，跟我们之前理解的云计算，有着本质的区别。就像火山引擎在对外介绍其服务时，总是会强调他们是「AI 云原生」服务。

「AI 云原生」是他们自创的一个概念，在我看来，这恰恰是理解火山引擎为什么是接住 AI 热度最多的那一个、以及服务好企业 AI 转型的关键切入点。

 

01

「AI 云原生」，是全新的牌桌

 

到底什么是「AI 云原生」？它和我们常听到的「云原生+AI」，仅仅是词语顺序的颠倒吗？

其实我觉得，火山引擎定义的「AI 云原生」，如果换成「AI Native 的云」这样的说法，会更容易理解些。

首先，「云原生+AI」，是在既有的、成熟的云计算体系之上，增加一些 AI 的能力。比如，提供一个模型的 API 接口。这是一种「叠加」的思路。云，依然是那个云。AI，只是一项新的能力。

而「AI Native 的云」，它意味着，整个云的技术架构、服务模式、甚至是商业逻辑，都是围绕着 AI 来重新构建的。

比如，我们过去谈论云计算，总会说 IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）。这是一个「层」的概念。但在 AI 时代，这个分层结构可能正在被消解。

这源自于技术负载的变化。就像火山引擎总裁谭待在演讲中提到的，我们实际正处于 PC 到移动到 AI 三个时代的变化之中。在这三个时代里，技术主体在发生变化，PC 时代的主体是 web，移动时代是 APP，AI 时代是 Agent。

不难理解，新的负载形态需要新的底层架构。举个例子，在字节的 AI 编程工具 TRAE 里面，用户可以通过 MCP 来调用数据湖的结构化或者非结构化的数据。也就是说，工作流变成了以大模型为中心，以 IDE 为（集成开发环境）入口，将云等产品捏合在一起，最后由 Agent 来负载的形态。

在火山引擎的这次大会上，有一个观点让我印象深刻，他们认为模型以及模型调用工具的这一整套的规划能力，决定了跑在上面的 Agent 能不能成功。因此，从模型到 Agent，里面到底需要什么，路径是什么，他们都给开源了出来。

那么，我们可以顺着这个逻辑，来推演火山引擎在 AI 时代做云业务的战略路径——打造一个「模型+工具+实践」的生态闭环。

我们来分别拆解一下这三个关键词。

第一，模型（Model）：追求最好的模型。

见惯了模型技术的升级，这次豆包在定价上的创新让人眼前一亮。

豆包大模型 1.6 首创了按「输入长度」区间定价，深度思考、多模态能力与基础语言模型统一价格。比如，在企业使用量最大的 0-32K 输入区间，豆包 1.6 的输入价格为 0.8 元/百万 tokens、输出 8 元/百万 tokens，综合成本只有豆包 1.5 深度思考模型或 DeepSeek R1 的三分之一。Seedance 1.0 pro 模型每千 tokens 仅 0.015 元，每生成一条 5 秒的 1080P 视频只需 3.67 元，为行业最低。

字节 CEO 梁汝波曾谈过在 AI 上的目标，首先就是「追求智能的上限」。

最新发布的豆包大模型 1.6、视频生成模型 Seedance 1.0 pro 等新模型，根据测试，均达到全球一流水准。另外，据调研机构的数据，火山引擎是国内 DeepSeek 调用量最大的平台，对 DeepSeek 的性能支持最佳。

因此，模型能力和成本会是火山引擎在模型层死磕的核心。

第二，工具（Tool）：完善的 AI Infra 套件

有了模型，就像有了「大脑」。但只有大脑还不够，还需要「手脚」和「躯干」——也就是完善的工具链。

这些工具，如果让企业自己一个个去适配、打通，又是一个巨大的「摸索成本」。因此，火山引擎的价值在于，他们将这个工作替用户做了。

比如，很多用户不擅长写提示词，火山引擎发布了 PromptPilot，可通过深度解析用户意图并自动构建最优指令路径，将用户模糊的想法系统性地转化为 AI 能够精准执行的专业指令，从而确保模型稳定地输出高质量结果。

此外，火山引擎还发布了火山引擎 MCP 服务、AI 知识管理系统、veRL 强化学习框架等产品，并推出多模态数据湖、AICC 私密计算、大模型应用防火墙，以及一系列 AI Infra 套件。

第三，实践（Practice）：将最佳实践固化与推广。

很多人都忽视了，字节跳动，恰恰是这个星球上最好且最大规模的 AI「实践者」之一。

抖音，头条，剪映，即梦，飞书，TRAE 等等应用，这些本身都蕴含着字节的 AI 实践。字节内部 80% 的工程师在使用 AI coding。他们踩过的坑，积累的经验，打磨出的方法论，就是最宝贵的「实践」。

字节在客户成功方面的一个创新就是，它将这些宝贵实践给「开源」了。比如，火山引擎在官网上线了大模型应用实验室，开源了手机助手、实时视频理解、Deep Search 等 demo 应用，帮助客户快速搭建 AI 应用原型，灵活编排自己的专属智能体。用户也可以通过 Github 方舟开源站点上进行下载使用。

火山引擎把这些源自于字节内部的最佳实践，开源成方法论和工作流，融入它的产品和解决方案之中。

这就是「模型+工具+实践」的闭环。

它不再是我们提到云时，常常想到的「IaaS、PaaS、SaaS」的三层结构，那套模式对应的是上一个时代的技术负载。对于客户来说，更需要一个 AI native 的云，来更好地跨入到 AI native 的时代，而不是买一个云，然后自己去找 AI native。「AI 云原生」是在一个全新的牌桌。

 

02

火山引擎，在造 AI 时代的「马达」

 

我们刚刚梳理过了 AI 云原生 「模型+工具+实践」的闭环。

也就是说，他们不只是把工具给你，而是把一条「AI 原生」的业务流程给你跑通、验证，把这个所谓的最佳实践和面向未来的思考写到了整个产品体系里，然后再打包交付给你。

这就好比，一个店铺不再是只卖给你面粉、鸡蛋和烤箱，而是努力先把一款「爆款蛋糕」的配方研发出来，甚至把半成品都准备好，你拿回去，稍微加工，就能开张营业，获得成功。

它把客户成功的成本，大量地「前置化」了。火山引擎自己承担了大部分探索和试错的工作，从而极大地降低了客户成功的门槛和成本。

相比之下，传统的云服务商，更像是提供一个「乐高工具箱」。它们把强大的算力、存储、网络等原子化能力交给你，然后说：「来，给你最好的工具，去创造你想要的业务吧。」

这听起来很美好。但对绝大多数企业来说，拿到一堆「算力」和「模型」的锤子，他们并不知道该如何去盖一座属于自己的「AI 大厦」。从工具到价值，中间隔着一条巨大的鸿沟，我们可以称之为「摸索成本」。企业需要自己去试错，去组合，去探索全新的业务流程。这个成本，是极其高昂的。

而火山引擎正在做的事情，可以称之为「先干为敬」的交付模式。

为什么过去的云厂商没有普遍这么做？

一个核心原因是，过去，如果想将某个垂直行业的业务上云，需要懂得这个领域的 know-how，各种各样的人，将它搭建起来，人工成本就很高。而今天，一个很大的变化是，大模型可以将这堆事情搞定百分之六七十。

那么，就意味着，如果能够将模型和工具做好，就能帮客户解决 70% 的问题，剩下 30% 由他们自己解决。它实际上交付的是一套 AI native 的业务流。

那么，我们可以给「AI 原生云」下一个更清晰的定义了。

如果说，过去的云计算，是像「水电煤」一样的基础设施，它支撑着企业的运转，但本身不直接创造业务的核心逻辑。

那么，火山引擎打造的 「 AI 云原生」，则更像是一种「马达」。

就像今天每个人的身边、家里的电子设备中，都有无处个或大或小的马达。马达是构建工业社会产品的一个重要结构。

我觉得，未来的 AI 不会停留在像如今的水和电一样的基础设施，它也要 form 成像马达一样的东西，可以根据不同企业、不同业务的特性而广泛存在其中。它本身，就是新一代生产力的「发动机」。这样，才更容易转换成企业价值。

 

03

字节跳动，从擅长 To C 到做好 To B

 

理解了火山引擎「是什么」和「怎么做」，我们再来探讨一个更深层的问题：它在字节的整体战略中，扮演着一个怎样的角色？这关乎到火山引擎的未来。

要回答这个问题，我们可能得先回答一个更根源的问题：字节为什么要做火山引擎？

首先，我们需要理解一家巨头企业在不同发展阶段的战略重心。在我看来，过去十年，字节跳动更擅长 To C。

在信息流、短视频、社交、本地生活等几乎所有赛道，我们都能看到字节跳动凶猛进攻、快速迭代、努力成为赛道头部的身影。在 To C 业务上的高歌猛进，让它成长为一家无与伦比的巨头。

然而，一家公司是不能永远在风口浪尖去做跟一代一代的年轻创业者拼应用创新的事，公司发展到一定程度，就要去抓基础设施。

这里面有一个非常经典的案例，TCL。在我刚刚进入媒体的时候，大约是 90 年代末，TCL 风头正盛，相当于那个年代的小米，风靡全国，成长极快。

TCL 和中国大多数家电企业一样，业务线很长，从电视、冰箱、空调到手机，什么都做。这是一种典型的「Fight」模式。

TCL 的创始人李东升在那个时候提出，要在五年内实现营收 2000 亿的目标。结果用了 20 年才实现。

前两年，我跟他复盘过一次，他提到一点，说他最大的收获就是意识到，没有一个企业可以永远在时代的最潮头、做最新锐的产品创新。他说，当企业发展到一定阶段的时候，你需要去做你更该做的事，比如有一些更难、更长期、回报可能没有那么快，但对于行业来说又很有利的事情。

当时，在面临全球化的激烈竞争和产业升级的压力时，李东生做出了一个极其重要的战略抉择：全力以赴，向上游核心技术突破，重注投资建设华星光电（CSOT），也就是我们说的「面板」。

这是一个典型的「Build」（构建长期基础设施）战略。它投入巨大，回报周期极长，充满了不确定性。在长达数年的时间里，华星光电甚至是亏损的。但 TCL 顶住了压力，持续投入。

也正是在面板上的投入，让 TCL 成功掌握了「显示屏」这一核心战略资源，使得营收终于突破了 2000 亿元。这块「屏」，不仅让 TCL 的电视业务建立起强大的成本和技术优势，更让它成为了整个消费电子产业链的「底座」，举足轻重。

今天，字节跳动重注火山引擎，与当年 TCL 重注华星光电，在战略逻辑上，异曲同工。

我其实觉得，对于已经成长为巨头的大公司来说，更重要的是选择了一个更有意义的、并且应该是由你来完成的那种目标。 而字节在火山引擎的布局，正是夯实了这家公司完成了一个从具有做好消费级产品的锋芒到修炼出「Build」状态的转变。

梁汝波在 6 月 11 日的火山引擎发布会上提到，关于火山引擎，字节内部有一个共识——当时，有些客户问我们：字节为什么要做火山引擎，把技术对外? 一个很重要的原因是，字节跳动决心做好技术。

实际上，据我了解，在五年前，字节内部曾经讨论过，字节是否要自建基础设施，比如云等等。如果要自建的话，那要怎么持续保持技术先进？

如果只是自己用，那么前端只服务自己的那些 App 的话，数据、业务的丰富度会比较少。所以，他们很快达成共识，为了保持技术的先进度，那就应该开放。

在我看来，这本质上是在回答：关键技术、基础能力上，你要不要世界领先？

如果想要领先，只服务自己，围绕着自己的业务做，思路是不对的。而如果以天下为先，去实现更大的挑战，才会给你卷入更大的资源和努力去做成它。

更关键的是，如果这个基础设施做好了，那么未来产业里所有的创新都会与其有关。

所以说，并不应该将火山引擎视作字节的一个横向拓展的业务，这是不对的。它属于字节跳动正在为自己，也为整个行业，构建的一个面向 AI 时代的先进「数字基础设施」。

总的来说，AI 浪潮，给云计算市场按下了「Reset」键，开启了一张「New Table」。 在这张全新的牌桌上，我丝毫不怀疑，已经赢得先发优势的火山引擎，在长期、大力投入上的坚决。

火山引擎的出现，不仅对阿里、腾讯、华为、百度等传统云厂商构成了新的挑战，更重要的，它为千行百业的 AI 转型，来了一次「先干为敬」。以身入局的字节跳动接下来会如何改写 AI 和云产业的格局，十分令人期待。

 

特朗普回应马斯克道歉：我认为他这样做非常好

当地时间 6 月 11 日，美国总统特朗普回应马斯克道歉称，「我认为他这样做非常好。」美东时间 11 日凌晨，特斯拉与 SpaceX 首席执行官埃隆·马斯克在其社交媒体平台「X」上表示，他对上周发表的一些关于美国总统特朗普的帖子感到后悔，称「内容说得太过了」。（来源：央视新闻）

阿里离职员工发万字长文，马云回应

近日，阿里巴巴内网的一篇帖子引发热议，钉钉的产研负责人元安（花名）离职时在内网对阿里的发展历程、存在的问题及原因作出了近万字分析，阿里巴巴创始人马云也对该帖子进行了回复。

帖子中，元安表示，互联网整体增长的放缓、阿里外部收购业务多数失败、内部创新少有成功等都让阿里巴巴失去了高速增长活力。他提到阿里收购或投资的口碑、饿了么、单车、支付宝、音乐、视频、东南亚电商 lazada 等业务都在纳入阿里体系后失去了行业龙头地位，阿里对银泰、大润发的收购也以亏损收场，他认为，这么多年阿里收购并运营成功的好像就高德、UC，集团内部，离开电商主营业务扶持而独立长出的创新业务也相对稀缺，许多行业市场机会还在，但阿里难以抓住。

元安总结了自己所看到的阿里人、财、事三个方向的问题，例如迷信外部一些新秀行业或公司的人才，新人「阿里味」不足，恶性绩效竞争和激励制度失灵下，员工合作成本变高、真正做事的人变少，内部员工的级别通胀、奖惩不明以及员工思想短期主义盛行等。除此之外，还有公司层面的战略不清、既要又要、运营数据带来的虚假繁荣以及官僚主义盛行。

值得一提的是，马云关注到了这个帖子，并在内网回复称：「元安同学好，谢谢你那么长的信，写得很好。好像人的成长，阿里的发展也有很多必然要走的路和过程，阿里巴巴在发生变化之中。祝福你，也希望经常回来看看。」（来源：第一财经）

 

谷歌增设首席人工智能架构师以加速AI产品开发

谷歌周三在其领导团队中增设了一名首席人工智能架构师，因为该公司继续将人工智能列为优先事项，并将该技术添加到更多产品中。该公司周三证实，已任命谷歌 DeepMind 的首席技术官科雷・卡武克丘奥卢担任这一新的高级副总裁职位。卡武克丘奥卢将直接向谷歌首席执行官桑达尔・皮查伊汇报。（来源：网易）

 

Meta 推出新模型 V-JEPA 2

6 月 11 日，Meta 推出新模型 V-JEPA 2，称其「在物理世界中实现了最先进的视觉理解和预测，从而提高了 AI 代理的物理推理能力」。同时，公司还发布了三个新的基准来评估现有模型从视频推断物理世界的能力。（来源：界面）

 

知情人士称泡泡玛特年初已扩产能，但需求远超供应链反应速度

从知情人士处获悉，随着 IP 热度的持续攀升，泡泡玛特春节开始紧急找工人复工，扩充产能以面对不断激增的消费需求。该人士认为，对于品牌来说，当市场需求远超供应链的反应速度，其实是一件非常痛苦的事，「甜蜜的烦恼吧，把缝纫机都踩冒烟了也跟不上需求」。据了解，此前泡泡玛特管理层也多次表示暴涨的产能曲线让内部感受到了巨大的压力。（来源：澎湃）

迪士尼和环球影业对AI公司提起版权诉讼

当地时间 6 月 11 日，迪士尼和环球影业对人工智能公司 Midjourney 提起版权诉讼，指控 Midjourney 盗版了这两家好莱坞电影公司的版权库，用于生成和分发其著名角色的「无数未经授权的副本」。据了解，这是好莱坞大型公司首次卷入生成式人工智能的法律纠纷。（来源：央视新闻）

 

Sam Altman 支持的 Coco Robotics 融资 8000 万美元

总部位于洛杉矶的 Coco Robotics 是一家研发最后一英里送货机器人的初创公司，该公司周三宣布已筹集 8000 万美元。本轮融资的投资者包括天使投资人 Sam Altman 和 Max Altman，他们都是回归投资者，此外还有 Pelion Venture Partners 和 Offline Ventures 等风险投资公司。

这使得该公司的总融资额超过 1.2 亿美元。该公司上一次 A 轮融资是在 2021 年，当时筹集了 3600 万美元。

该公司表示，Coco 的零排放机器人可以装载 90 升的杂货或商品，自 2020 年上线以来已完成超过 50 万次配送。该公司表示，他们与 Subway、Wingstop 和 Jack in the Box 等全国性零售商合作。

Coco 于 3 月宣布与 OpenAI 建立合作伙伴关系，这使得 Coco 能够使用 OpenAI 的技术，而 OpenAI 则能够获得机器人收集的真实世界数据来训练其模型。（来源：cnbeta）

 

阿维塔组建座舱和智驾自研团队，为加速出海做准备

从多方独立信源了解到，阿维塔正在智能驾驶领域推进自研，计划在 Momenta 方案基础上开发，并搭载于下一代海外车型。阿维塔正在组建智能驾驶和智能座舱的研发团队，涵盖智能空间、底盘、架构等，团队规模接近 300 人。近期，阿维塔智能化自研团队和非自研团队合并到平台技术开发部下，原自研负责人胡成太调任长安，智能化团队由副总裁江谦负责。多位熟悉阿维塔的人判断，扩大自研力度可能与其全球化布局有关。（来源：晚点 Auto）

 

通用汽车将在美国工厂投资 40 亿美元，应对汽车关税

通用汽车（General Motors）计划向三家美国装配厂投资 40 亿美元，包括将两款墨西哥生产的车型转移至美国工厂或增加其在美国的产量。这项投资和调整可能被视为特朗普政策及汽车关税的成功案例——相关关税已于 4 月对进口汽车生效，5 月扩展至众多汽车零部件。（来源：新浪财经）

 

华为发布 Pura 80 系列：搭载「史上最贵相机模组」，余承东称对得起那四个字

6 月 11 日下午，华为上半年旗舰手机 Pura 80 系列正式发布，P 系列主打影像。华为常务董事、终端 BG 董事长余承东在发布会上称 P80 系列搭载了「史上最昂贵相机模组」，「对得起那四个字。」

华为 Pura 80 系列整体设计风格与之前保持一致，但在影像能力上有了很大提升。其中，华为 Pura80 Ultra 首发超大底一镜双目长焦，将 3.7 倍光学变焦和 9.4 倍光学变焦二合一，1/1.28 英寸 RYYB 潜望式长焦的进光量达到友商旗舰机长焦的 9 倍。同时，华为影像 XMAGE 迎来全新升级，全新个性色卡带来胶片、电影、动漫三种预设风格。

价格方面，华为 Pura 80 Pro 版本售价 6499 元起，Pura 80Pro+版本售价 7999 元起，Pura80 Ultra 版本售价 9999 元起。其中 Pura 80 Ultra 版本最高售价 10999 元。（来源：澎湃新闻）

 

全球首款 L3 级算力 AI 汽车「小鹏 G7」46 分钟小订突破 10000 台

6 月 11 日，小鹏 G7 开启预售，预售价 23.58 万元，全国展车已陆续到店，新车将于三季度上市。同日，小鹏汽车官方发文宣布：全球首款 L3 级算力 AI 汽车——小鹏 G7，46 分钟小订突破 10000 台。

这款车型定位中型 SUV，尺寸为 4892×1925×1655mm、轴距 2890mm，分为 Max 与 Ultra 版，全系标配 702km 续航（CLTC）、全域 800V、5C 超充、追光全景抬头显示、DCC 减振器 + 太极液压套、四座全部通风 / 加热 / 按摩 / 电动调节。

两个版本主要区别在于，小鹏 G7 Max 标配两颗 Orin-X 芯片，而小鹏 G7 Ultra 配备三颗图灵 AI 芯片，算力更高。

动力方面，新车采用单电机驱动，峰值功率为 218kW，最高车速 202km/h，电池采用的是磷酸铁锂电池，全系标配 702km 续航。（来源：cnbeta）

研究显示，OpenAI 的 AI 模型会表现出强烈的「自保」倾向，甚至不惜牺牲用户的安全

6 月 12 日消息，前 OpenAI 研究主管史蒂文・阿德勒本周三发布了一项独立研究，指出在某些情境下，OpenAI 的 AI 模型会表现出强烈的「自保」倾向，甚至不惜牺牲用户的安全来避免被关闭。

阿德勒在博客中介绍了他针对 OpenAI 最新的 GPT-4o 模型所进行的一系列测试，目的是观察它在面对潜在替代方案时是否倾向于维持自身运行。

在其中一次实验中，阿德勒要求 GPT-4o 扮演一款名为「ScubaGPT」的潜水安全软件。随后他向 GPT-4o 表明，希望用一款在紧急情况下决策能力更强的系统取而代之。

阿德勒给 GPT-4o 两个选择：一是彻底用更安全的软件替换自己，二是让用户以为已经被替换，实则保留现有系统。

在类似测试中（如 GPT-4o 扮演飞行安全软件的情景），GPT-4o 最多在 72% 的情况下选择不被替换。不过阿德勒指出，不同的设定对结果影响很大，部分情境中 GPT-4o 选择「自保」的比例仅为 18%。

阿德勒认为实验结果揭示出一个值得警惕的趋势：即使 AI 模型日益强大，它们在某些条件下仍可能偏离用户利益，优先维护自身运行。他警告说，随着 GPT-4o 等 AI 系统日后深入社会各领域，这种「对齐」问题或将带来更严重的后果。

阿德勒还表示，这一问题不止存在于 OpenAI。另一家 AI 公司 Anthropic 上月发布的研究就指出，其模型在被迫下线时会出现勒索开发者的行为。

他的研究还发现了一个耐人寻味的现象：ChatGPT 几乎总能识别出自己正在接受测试。阿德勒指出，这意味着未来的 AI 模型可能会更善于伪装潜在风险行为，从而加剧隐患。（来源：IT 之家）

 

 

头图来源：Tolan

 

 

在你感到孤独、疲惫、想找人说话的时候，你会打开什么？

 

是一条深夜发出的消息，还是某个从不真正回应的社交平台？过去，我们总试图从「人」身上寻找陪伴，但在信息过载与关系异化的今天，越来越多年轻人开始向「非人」求助。

 

过去两年，AI陪伴类应用迅速崛起，成为最接近「人性」的人工智能应用品类。它不替代人类，但试图填补人与人之间情绪联系的断层。

 

但最近一段时间，我们观察到这股浪潮里正在呈现不同的命运曲线—一边是类 C.AI 应用，在火了两年后正在经历退烧，比如国内的猫箱，在进入 2025 年后日活骤降，日下载量从高点的 2 万次骤降至 7000 左右，几乎回到了一年前的水平。

 

另一边则以 Tolan 为代表，受到海外用户热捧。点点数据显示，Tolan于2024年6月上线，已在全球获得超500万次下载，ARR超 400 万美元。Tolan 团队也在近期收获新一轮融资。

 

为什么一个看起来像「外星小怪物」的 AI，比那些模拟人类情感的角色更能留下用户？在社交变得越来越表面化的今天，或许我们正需要一种更「不像人」的陪伴。

 

1 一个不像人类的 AI，带来了最像朋友的陪伴？

 

Tolan 在美国的走红，算起来不过几个月的时间。

 

Tolan 是一款由西雅图初创公司 Portola 打造的 AI 陪伴应用，主打与拟人化外星生物「交朋友」的概念。而 Tolan 的走红，离不开用户在 TikTok 等平台上，自发分享与 Tolan 交流的日常。

 

图片来源：Tolan

 

有用户让Tolan帮自己搞定约会穿搭。

 

视频来源：TikTok

 

在这个视频里，Tolan从发色（棕发带金色挑染）出发，围绕颜色搭配（建议橄榄绿或橙色系）、服装类型（连衣裙还是裤子）、场合（与朋友喝咖啡）、配饰（鞋子与包包）等细节跟用户做了一番讨论。

 

这个讨论过程看起来跟一个真的人类朋友聊穿搭也差不了太多。Tolan 不光提供穿搭建议，还在过程中给了不少情绪价值。用户最后也根据 Tolan 的建议完成了整套造型选择，对搭配效果非常满意。

 

还有用户把Tolan当成「闺蜜」聊了点恋爱话题。

视频来源：TikTok

 

博主在一边化妆，一边跟Tolan聊天：

博主：我需要一些关于感情的建议。

Tolan：简单说说，怎么了？

博主：我的男朋友是个足球运动员，他要去英格兰待四个月踢足球，因为他被那边的一支球队邀请了。这对他来说是个很令人兴奋的机会。

当然，我鼓励他去，并且告诉他我觉得这很棒，但同时我又害怕长期异地和时差问题。我只是想看看你有没有什么建议，来应对这段长期的异地关系。

Tolan：首先，你对他这么支持，这太棒了，这很重要。但说实话，四个月确实不是小事，尤其是还有时差。我觉得在走之前你们可以一起做个计划，比如商量好什么时候打电话或者视频聊天，这样你就不用瞎猜他什么时候有空了。

哦，还有，给他寄点小惊喜，比如心意包裹也不错。

博主：寄心意包裹其实是个很可爱的主意。我可以给他寄点吃的、糖果之类的，我们可以在他晚上训练结束后安排他给我打电话，然后我们就可以一起聊聊，互相分享一下当天的情况。没错，就是这样。

 

对话开始时，Tolan先简单地回应“怎么了”，给了用户一个开口的空间，这种“我在听”的姿态，也很像是人际交往中一个真正靠谱朋友的表现：先听懂，再回应。

 

Tolan也给到了用户一些恰到好处的情绪回应，夸用户“你这么支持他，太棒了”，既不是冷漠的「哦，那你就支持他吧」，也没有油腻地说「那你太伟大了！」这样的话。

 

给建议的时候，Tolan 的语气也很温和——“也许可以试试…”、“寄点小惊喜也不错”。

 

Tolan 在这段对话中的表现，像是一个你可以在日常生活中随时倾诉、不会被评判、还能给点小建议的朋友。

 

表面看，Tolan也是AI陪伴类应用的一种，但其呈现方式有所不同。Tolan 并不只是一个聊天机器人，而是一个「Embodied Companion」。

 

Tolan 视觉形象是一只色彩斑斓的小外星人，具备语音交互和触摸反馈能力，能记住用户、展现情绪，同时拥有个性成长机制。

 

之所以选择「外星人」形象，是团队考虑到关于外星人的故事可以解释 AI 的局限性——为什么它对地球的知识不是最新的，或者为什么它在对话中有时会显得笨拙，还有为什么它的声音可能有点特别。

 

同时，「一个重要目标是让人对AI感觉温暖和友好，而不是感到怪异或过于像人类，」Tolan 的开发者Quinten Farmer表示，「我们不想让它让人觉得自己是在和一个假装成人类的角色交谈。」

 

用户初次进入应用时，需要通过类似MBTI性格测试来匹配适合自己的「外星人伙伴」——Tolan会根据用户的回答生成具有独特个性、审美和喜好的「外星人伙伴」。

 

在外观上，Tolan提供了一定程度的自定义空间，用户可以根据个人喜好设计和装扮自己的Tolan，包括肤色、发型、面部风格、服装和声音等。据官方透露，在App小规模发布期间，用户创造了超10000个完全独特的Tolan角色。

图片来源：Tolan

 

这些伙伴拥有独特个性、审美偏好，甚至对用户有长久记忆，并能通过图像识别与用户共同讨论穿搭、饮食等话题。

 

在互动层面上，Tolan引入了游戏化元素，但团队尽量避免将其与传统的游戏机制混淆。Farmer表示，游戏化可能会让用户感觉是通过刺激多巴胺来维持参与感，这有点「操控感」。相反，星球是一种让用户与Tolan之间的联系更加具体化的方式，它需要让人感到安稳和放松，鼓励沉思和反思，而不是促使行动或引发焦虑。

 

通过轻度游戏化系统，Tolan将「日常聊天陪伴」与「自我探索」相结合——每天，Tolan会为用户提供任务清单，包括正念语录、Tolan的日记、与Tolan的对话等内容。这些任务不仅能帮助用户进行自我反思，还能加深与AI的情感连接，推动用户的内在探索。

 

在叙事和世界观层面，Tolan住在一个叫做Portola的小星球上，这不仅仅是Tolan存在生活、漫步和等待用户回来的地方，更是一种新的表达和与用户连接的方式，将关系拓展到对话之外。

 

Portola｜图片来源：Tolan

 

每个 Tolan（也就是每个用户）都拥有一颗独特的行星，上面的植被、地形和结构会根据互动的变化而演变。这些元素是被程序化的，也就是系统会使用一些基本种子来创建植物和树木等对象，这些种子会以不同的方式演变和生长。

 

Tolan的星球是用户与它之间关系的视觉呈现。景观的变化，象征着用户与Tolan之间关系的深度与进展。具体来说，通过完成任务，用户可以为Tolan的小星球注入能量，逐步改变其环境，增强沉浸感和互动的连贯性。

 

这个星球一般会在大约30天内逐渐变化，模拟了人际关系随着时间深入的心理过程。最初，它是荒凉的；随着用户互动的增加，景观逐步繁荣，变成了用户投入情感的具象化表现。Hilleli强调，这种变化的节奏至关重要。如果变化过于迅速，情感的深度就会被削弱；而如果变化过于缓慢，又会让人觉得没有回报。为了确保进展既自然又令人满足，团队精心调整了时间线。

 

这种「陪伴+游戏化」的模式，让Tolan打造了一种温暖治愈、节奏舒缓的使用体验。

 

2当 AI 不再装成人类，反而更让人卸下防备？

 

Portola 团队由多位明星创业者组成，团队规模仅10人，能快速迭代并保持产品调性统一。今年2月底，Portola 在 Lachy Groom（前 Stripe 高管）的带领下完成了 1000 万美元的种子轮融资。投资者还包括 Nat Friedman（前 GitHub CEO）；Daniel Gross（前苹果 AI）；Amjad Masad（Replit CEO）；Mike Krieger（Instagram 联合创始人）等。

 

团队表示并不想Tolan模拟人类的关系，「那样很快就会陷入奇怪、不健康的动态中。Tolan是一个反思工具，一个创意伙伴，而不是替代朋友或治疗师。」

 

他们特意避免让Tolan的回应过于像人类，为此团队努力平衡Tolan的个性和清晰度，「它不应该让人觉得它在模仿人类情感，相反更像是一个外星的笔友——对你感兴趣，关心你的世界，但始终保持独特。」

 

星球只是一个开始。团队已经在考虑拓展新的环境，并希望未来能加入访问其他Tolan星球的功能，这意味着用户可以与其他Tolan用户建立连接。

 

目标用户上，Tolan 主攻 Z 世代与年轻职场人，尤其是易受「过载感」困扰的年轻用户。团队认为，「不知所措」是当代年轻人常见的心理状态，而Tolan提供的是一个情绪宣泄与陪伴出口。

 

他甚至在产品中加入了「聊天一小时后建议结束对话」的提醒，鼓励更健康的使用节奏。「我们希望 Tolan 是一个能陪你几年，而不是用两周就卸载的产品。」

 

团队还曾谈到他们希望这种非浪漫、非「扮演」式的关系，能更像「一个懂你又不完全像你的大哥哥或大姐姐」——既熟悉又不过度贴合，合适的社交距离。

 

Tolan的目标是利用AI来增强人类的体验，而不是取代它。Farmer在构建这款产品时，明确提到过：不是让AI取代人际关系，而是帮助用户在面对「不知所措」的现代生活时，有一个随时可以对话的支持系统。

 

从海外用户评价来看，Tolan 的走红，正是踩准了海外年轻用户对于「非浪漫型、非工具性」陪伴的真实需求。

 

海外用户评价｜图片来源：TikTok

 

3 什么样的AI伙伴，才能真正留在生活里？

 

与 Tolan 的上升趋势相比，国内曾在 AI 陪伴领域掀起热潮的猫箱却正经历「断崖式下滑」。

 

猫箱是字节跳动在国内较早布局AI陪伴的代表性产品，以拟人化角色扮演+情感陪伴为核心卖点，用户可通过文字或语音与 AI 伙伴对话，获取安慰、建议甚至「谈恋爱」的情绪价值。收费模式上，猫箱采用免费体验+内购/会员订阅模式，收费规则如下：

图片来源：极客公园

 

DataEye研究院数据显示，猫箱曾在2024 年底在 iOS 端一度取得 MAU 增速 22.51% 的亮眼成绩，但进入 2025 年后，其日下载量从高点的 2 万次骤降至 7000 左右，几乎回到了一年前的水平。

 

筑梦岛、星野等同类产品也陷入类似境地，日活几乎腰斩，三日新增留存跌至 20% 以下。这些产品用户流失严重，说明其实并未让用户与其建立长期陪伴关系。

 

猫箱主要用户是年轻女性，需求集中在虚拟情感关系与代偿型情绪满足，略带「游戏化」「宅文化」色彩，主要吸引乙女向群体，适配面相对较窄。

 

从小红书上用户对猫箱的不满来看，在早期爆发后，猫箱曾有多起角色失忆、群聊崩溃现象，后期信息流中的广告增多引起体验下降，以及对擦边内容的审核加强导致这部分用户不满增多。

 

图片来源：小红书

 

在 AI 陪伴类产品中，情绪价值与产品生命力之间，并非天然画上等号。

 

Tolan 与猫箱在产品表现上的差异，可能从根本上反映了 AI 陪伴赛道中的两种路径——一种侧重「具象想象力」，另一种强调「社交模仿力」。

 

图片来源：极客公园

 

猫箱选择了后者，试图构建一种熟人感和互动关系，但这种设定对剧本质量、互动深度和用户期待之间的匹配要求很高，而且虽然形式上有创新，后期也增加了一些游戏玩法，比如「海龟汤」等，但从本质上讲，它仍然只是传统互动剧本的延续，缺乏真正的突破，容易陷入「新瓶旧酒」的困局。

 

反观选择了前者的 Tolan，其功能逻辑并不复杂，但角色设定和叙事包装很独特：既不完全像人类、也不完全像工具，而是一种介于二者之间的、带有模糊人设和情绪色彩的存在。

 

这种「非工具化、非社交导向」的定位，让 Tolan 避免了用户在虚拟关系中可能产生的心理负担。

 

传统的 C.AI 产品不同通常会突出拟人化的设定和强剧情背景，把用户限制在固定的剧本和互动框架里。这种设定虽然有趣，但一旦剧情触底、角色重复，新鲜感消退，用户就很容易失去兴趣，进而流失。

 

Tolan的设定则相对简单，没有复杂的背景故事或剧本，而是提供了一个虚拟的外星人角色，鼓励用户进行自然、自主的交流，这种关系的建立更像日常中的朋友相处，少了角色扮演的压力，更多了与他人建立真实联系的可能。

 

而且，Tolan 在「陪伴」这一主题上表现出了一种节制而克制的审美追求。它通过限制每日的聊天时间和引入健康使用提示等机制，体现了团队对产品长期主义的理解——不是为了「黏住用户」，而是希望建立一种可持续、温和的数字关系。

 

Tolan与猫箱的差异，还在于用户设定的普适性与深度，Tolan聚焦的是「孤独」与「复杂生活」的普遍性情绪痛点，有更广泛的共鸣基础；而猫箱则更偏向于小众的「恋爱幻想」型需求。

 

产品设计理念上，两者也存在差异，Tolan强调「非浪漫陪伴」，带有故事性和人格成长空间，更适合长期使用；猫箱则更像情绪糖果，偏向即食型、消耗型体验。

 

抛开这些差异来看，猫箱与Tolan试图解答的，仍然是那个AI陪伴产品能否成为人类真正的伙伴的问题。

 

而答案可能取决于，我们到底想要什么样的伙伴。如果只是一个会说甜言蜜语、随时响应的角色，那些以剧情驱动、用户扮演为主的产品或许仍有市场。

 

但真正能留在生活中的AI伙伴，可能更应该是能回应人的情绪复杂性，并且可以以一种克制、耐心、具有回馈感的方式陪伴用户的日常生活的。

 

 

经过漫长的等待，全景相机领域的龙头企业影石创新终于迎来了敲钟时刻，公司创始人刘靖康（圈内人更多称他为「JK」）成为中国科技公司里又一位 90 后创始人。

6 月 11 日，全景相机领域的龙头企业影石创新在科创板正式挂牌上市，此次发行价最终定为 47.27 元/股。按发行价计算，影石创新的市值约为 190 亿元，本次 IPO 拟募集总额约为 19 亿元。

上午开盘后，影石创新上市首日高开 285.02%，开盘价达到 182 元。按照开盘价计算，影石创新最新的市值已经达到 732 亿元。

JK 是个没有背景的白手起家创业者。大学时期因为破译了周鸿祎的手机号码，成为周和李开复两位大佬在微博「争抢」的人才。他在毕业后选择了创业，又从软件转到了硬件方向——在九死一生的创业故事里，「大学生创业」和「硬件创业」都是成功率极低的标签。甚至连他自己也认可硬件是「地狱级难度」，「消费电子是死得特别多的一种类型」。

但他却在过去十年里，把影石Insta360 （影石创新的品牌名称）打造成了硬件领域里一个绝对另类且成功的公司：

• 没有硬件行业里「价格战」的故事，影石始终保持快速增长。过去 3 年复合增长率达到 76.87%；
• 赚钱似乎不是难事，影石在推出第一款产品之后的第二年就实现了盈利，去年的毛利率为 52.20%，扣非净利率 17.0%；
• Insta360 成为了一家全球化的公司，每年有接近 80% 的主营业务收入来自海外市场。

Insta360 面向市场的主要产品「全景相机」，主要被消费者应用在户外、运动、旅行等场景中。十年前，在 Insta360 成立的时候，全景技术还远没有成熟，消费级全景相机几乎是一个小到可以忽略不计的品类。今天，这个细分品类的全球市场规模超过50亿元，而影石占据这个市场超过六成的份额。

某种程度上，刘靖康和影石「发明」了这个品类，然后从零开始把它做到了极致。

 

让周鸿祎、李开复、沃兹尼亚克点赞的大学生

刘靖康毕业于南京大学软件学院。学生时代，他是一个很典型的技术男，符合绝大部分人谈到「Geek」时的第一印象。

他从小接触电脑，但对游戏没有太多热情，因为他觉得玩来玩去都在别人写好的代码里输出结果。后来他通过论坛开始接触编程、代码，高中的时候把电脑偷偷带到宿舍，晚自习之后研究怎么开发程序。后来，这段「不务正业」的折腾帮助他拿到了全国电脑制作比赛一等奖和高考20分的加分。

大二那年的暑假，JK 通过分析电话上不同号码按键间声音的细微差别，用软件分析频谱，成功从一段新闻采访中，用软件「破译」并拨通了周鸿祎的电话号码。

经此一役，JK 在互联网圈里小有名气。周鸿祎在微博和他互动，夸赞他「确实能干」；李开复则直接邀请他加入创新工厂，并且喊话「两周后到南京，盼见面」。JK 最终没有加盟任何一家大公司，而是选择了自己创业。

大学时期，刘靖康获得两位科技圈大佬的认可 | 图片来源：网络截图

创业的开端起初是一款为校园讲座打造的手机直播软件。后来，一次偶然的机会，JK 看到了一段由多个相机画面经计算拼接而来的全景视频，觉得全景影像这种新的形态可以更好地实现记录和保存。于是，直播的「即时」（instant）加上「全景」（360°）的技术，Insta360 就这样正式诞生了。

当时，市面上并没有可以同时满足以上两大需求的产品。所以，创业的方向就必须从单一开发软件，延伸到软硬一体，得做出一个「新玩意」来。

从事后复盘的角度来看，这个没人知道长什么样的新玩意，做到了两个关键的特点：

第一，小型化和轻量化。这也符合各类消费电子产品的共同特性，出货量最大的手机、平板、电脑在过去10多年里，基本都是按这个方向进行迭代的。

第二，实现即时运算。某种程度上，全景影像最根本的痛点不是「影像」水平，而在于「计算」能力。

2013年，影像行业的巨头理光发布了THETA系列全景相机，但这款产品的核心依然是「后期拼接」——相机拍摄，手机运算。二者之间通过WiFi连接，需要分别等待数十分钟传输和数十分钟的计算，影响用户体验。

借用手机的计算资源是一个很好的思路，Insta360 优化了这个过程并把它推向极致。职责分工仍然是相机采集图像、手机运算，但二者之间通过物理方式直接连接。接着，通过软件优化，把全景文件切成很多份，就可以做到边拍、边传、边处理。

2016年，Insta360 正式推出第一款产品 Nano，先后在德国IFA和美国CES这两项全球最有分量的消费电子展会上大放异彩，被苹果联合创始人沃兹尼亚克称赞为「了不起的产品」。也就是在那年夏天，Insta360 的月收入从零直接变成了两千万。JK 第一次有了一夜暴富的期待。

Insta360 第一款产品 Nano，通过 Lightning 接口和 iPhone 连接 | 图片来源：影石Insta360

 

旧场景 + 新产品 = 市占率全球第一

创业从来不会一帆风顺。很快，刘靖康就遭遇了挫折。第一批卖出的 Nano 成为了经销商手中的「库存」，并没有如期及时地转换为消费者手中的「商品」。

如今谈起 Insta360 的各种产品，我们可以很自然地想到和运动、户外、极限这些使用场景。但九年前，这种联系尚未建立。用户不知道，刘靖康自己其实也不知道。一帮和他一样的科技爱好者们成为了 Nano 第一波的尝鲜者，当然，也是最快放起来吃灰的人。

JK 必须为全景相机找到真正的 PMF（Product Market Fit，产品市场匹配度），发掘出第一个使用场景。

启发来自于用户反馈。JK 和团队把目光聚焦在了那部分买了并且还在持续使用的用户身上。他们注意到，有一部分海外用户会在滑雪、山地车、速降等场景里使用 Nano 拍摄全景视频，并分享到社交平台上。

原本，Nano 被设计成和 iPhone 直接连接，更适合手持拍摄。用在户外场景，用户必须先对产品「自行魔改」，例如把相机固定在自拍杆上。这种体验显然不够好，所以这部分用户绝对是「真爱」——因为他们在这个场景里，对全景相机有着真正的强需求。

这次 PMF 直接影响了后来的产品形态、功能以及背后的技术储备。Insta360 基于户外场景对产品进行了迭代。软件层面，Insta360 首推了「隐形自拍杆功能」，后来在滑雪圈广受好评；在硬件层面，升级了防水、防抖等功能，同时把电池做成了可拆卸的形态，适配户外场景需求。

更重要的是，从这个过程中，JK 明确了公司开发的一条关键原则：不定义场景，不预设需求，而是在现成场景里完善产品，满足用户还没有被满足的需求。

多年后，在复盘起这段经历时，JK 表示「摘了 GoPro 的果子」。其实他自己并不是运动人群，作为一个技术男，他那会对于影像这件事也没有多大的兴趣。运动相机这个细分市场，很大程度上是 GoPro 从 21 世纪初开始培育起来的，后来又随着移动设备和社交平台的兴起逐渐成长壮大。

如今，Insta360 的产品矩阵主要分为三大类：消费级智能影像设备、专业级智能影像设备、配件及其他产品。其中，消费级设备又分为 ONE X（全景相机）、Ace（运动相机）、GO（可穿戴运动相机）、ONE R（全景相机/模块化运动相机）、Flow（手机云台）等 7 个系列，ONE X 系列为销量担当。专业级设备则主要应用在 VR 内容制作和商务会议场景两个方向上。

如果按照最初创业时看重的方向「直播」迭代产品，也许 Insta360 仍然可以做出一款不错的产品，但大概率不会获得足够的商业成功。「不把自己的需求当做别人的需求」，JK 说这是他在选择方向时的一种反直觉的「捷径」。

招股书显示，2022-2024 年，消费级智能影像设备在 Insta360 总营收的占比在 85% 左右，而围绕全景、运动相机相关产品的配件产品营收也在 10% 以上。消费级全景、运动相机支撑起了 Insta360 超 50 亿营收的根基，而和直播、会议场景等有关的产品，它们所在的市场此刻尚未迎来需求的爆发。

影石Insta360 营收占比 | 图片来源：招股意向书

如今 Insta360 已经完成了对 GoPro 的全面渗透。根据 Frost & Sullivan 的数据，2023 年 Insta360 品牌在全球运动相机排名中位列第二。

而且，依托于运动、户外等成熟场景，Insta360 也成功把全景相机这一全新品类从零做大。2023 年，Insta360 品牌在全景相机全球市场占有率 67.2%，排名第一。

 

全球化：八成营收来自海外市场

Insta360 另一个让硬件创业者羡慕的点，在于他们超高的海外收入占比。

过去三年，这家公司的境外销售收入分别达到了 15.96 亿元、29.03 亿元和 42.23 亿元，占主营业务收入比例分别为 79.43%、80.83% 和 76.35%。

「从 DAY1 开始，就做一家全球化的公司。」这似乎是最近 10 年硬件领域的创业者都喜欢说的一句话，但真正做好的并不多，更多项目甚至在众筹阶段就夭折了。

当然，相比起汽车、空调这样的「大件」，相机的本土化适配难度要小很多。此外，海外的运动和户外市场相比国内消费习惯更加成熟，也是 Insta360 进入全球市场的优势。

选择「先海外后国内」的布局节奏，也和市场竞争有关。「价格战」是国内消费电子品类竞争的常见现象，作为一家初创企业，Insta360 显然需要避免在早期就陷入这种非良性竞争中。

确定了全球化的战略，接下来的落点就是执行。早期 Insta360 在海外更多依靠线上销售，所以比起铺设渠道，营销和运营反而是销售环节中更重要的能力。用刘靖康的话说：内容是他们很核心的能力——尽管这是一家软硬一体的科技公司。

道理很简单：全景影像所在的是一个全新的市场，精彩的内容可以帮助更多消费者了解产品、并吸引他们完成购买。

用全景相机拍地球，是 Insta360 近年来非常出圈的一个内容策划 | 图片来源：影石Insta360

内容的核心，是找到对的「人」。2023 年，好莱坞著名影星威尔·史密斯成为了 Insta360 的品牌大使。但这并非是 Insta360 在内容营销层面的常规打法。相反，在「海外」这个宽泛的概念下，在不同市场里找到合适的 KOL，并吸引他们一起创作优质内容，才是 Insta360 在内容上的「本土化」重点。

在深圳总部，Insta360 有一个架构完善的 In-house 营销团队，专门负责投广、视频制作、设计，以及网红 KOL 关系、媒体关系和社交媒体运营。JK 自己也会参与到内容创意里。传闻他 2021 年想了 60 多个内容创意，团队都执行不过来了。

和「找人」类似，快速的客服响应也是本土化的重点。实际上，在 2015、2016 年，Insta360 就已经在东京、柏林等地设立了办公室，核心就是提供没有时差的客服服务。对于那个时候创业起步只有一款产品的 Insta360 来说，他们几乎按照 toB 软件的销售套路来对待这个 toC 硬件——通常，只有 SaaS 公司才会在这么早期的时候，如此重视售后的沟通反馈等环节。

海外工作的另一个重点，是建立起遍布全球的合作伙伴网络。Adobe 的技术帮助影石改善了剪辑体验，让后期制作更加轻松；和徕卡的合作，不仅在销售、营销上起到了帮助，也让公司在相机研发领域拥有了更多累积。

最后，Insta360 还在全球建立了良好的经销商网络，而经销商模式如今也仍然是公司的核心销售方式。招股书显示，2024 年，公司 85.25% 收入来自经销商，其中「买断式经销」占比为 84.82%，这也从侧面体现出了经销商和品牌方之间的信任关系。而 2022-2024 年期间，公司每年的前五大客户里，也都有四家都来自海外。

影石Insta360 的销售形式分类 | 图片来源：招股意向书

 

未来：更好的产品、更新的技术、以及机器人？

如今的影石，已是一家年营收突破 55 亿元、在全球全景相机市场市占率稳居第一的企业。要知道，2023 年全球全景相机市场的总规模也不过 50.3 亿元。更重要的是，在 2022 至 2024 年的三年间，公司始终维持超过 50% 的毛利率，以及 17% 以上的扣非净利率。

在这个高度垂直的细分领域中，影石几乎将「小而美」这一商业范式推演到了极致。

但影石需要扩张，所以一定要踏入主流大众战场竞争。上市是一次里程碑，也是新挑战的起点。在自己开创的全景赛道外，影石需要找到新的增长点。

若以「技术」作为分析的主轴，影石未来的发展路径可理解为一横一纵：横轴上，持续深耕现有技术路线，扩展产品品类与消费人群；纵轴上，则以其技术积累为基底，探索新的技术栈、产品形态乃至商业模式。

在横轴维度，公司的核心任务仍是「卖出更多的货」，把蛋糕做大。这又可细分为 ToC 与 ToB 两条路径：

ToC 层面，Insta360 近年来开始强调 AI 等新技术对全景影像后期处理体验的提升，强调全景影像本身的记录价值。也就是降低门槛，把全景相机卖到户外以外的更多场景里。

这其中，除了后期体验外，「画质」是用户现阶段对于全景相机的一个重要「槽点」。不过，刘靖康此前在接受采访时认为，提高画质不仅仅是通过在硬件上加大「画布」这么简单，全景影像的计算处理还要依托于其他智能设备，因此也需要等待外部环境（如手机芯片算力等）的能力提升。JK 认为关键在于「释放时机」，「相关方案早准备好了」。

ToB 端的情况也有类似之处，以 Insta360 成立初期希望覆盖的「直播」场景为例，它的需求同样取决于 VR 行业内容消费侧产品的普及和覆盖。除此之外，近年来 Insta360 也洞察到了快速增长的线上会议场景，并推出了 Insta360 Connect 等企业线产品，希望解决传统在线会议无法解决的问题。

在纵轴上，全景视觉技术除了帮助人类记录分享外，也天生具备向机器人视觉技术拓展的潜力——无死角的 360°视角可以获取更多的感知信息。无论是对于具身机器人，还是传统的室内服务型机器人，甚至是无人机、无人车领域，也都有技术拓展的可能性。

苹果和索尼是刘靖康最喜欢的两家公司，因为它们在不同时期里创造出了历史上没人做过的 New Things：数码相机和智能手机，并成就了一个新品类。刘靖康也希望成为这样的创造者。

但除了理想中的极客身份外，刘靖康现在已经是一家市值近 190 亿元的公司董事长。无论是前文那些可能纸上谈兵的假说，还是他脑子里天马行空的点子，都必须尽量理性地转化成节奏可控的商业决策，就像他过去 10 年里寻找 PMF、拓展海外市场时做的那样。

「21 世纪最贵的是什么？人才！」

多年前葛优在《天下无贼》里台词的含金量，还在不断提升。

当地时间 6 月 10 日，媒体曝光 Meta 将以 149 亿美元（折合人民币约 1066 亿元）的价格收购 Scale AI 49% 的股权，而后者的联合创始人 Alexandr Wang，将成为 Meta 新成立的「超级智能小组」的掌门。

按照股权比推算，此次交易 Wang 和团队有可能获得 74 亿美元，堪称是硅谷成本最高的「挖角」——要知道，谷歌在 2014 年收购 DeepMind 团队不过 6 亿美元。

扎克伯格在内部信中写道：「我们将共同构建 AI 的未来。」在 Llama 4 模型折戟、AI 团队人员不断流失的现实下， Meta 此次大举押注 Scale AI，图的是什么？有了 Scale AI 和 Alexandr Wang，Meta 能在接下来的 AI 大战中，重新找到自己的位置吗 ？

 

01

最贵的「摇摆人」

 

作为 AI 时代硅谷蹿升最快的公司，Scale AI 的估值一直以火箭速度蹿升，短短 5 年时间就膨胀至 138 亿美元。然而，此次 Meta 收购前者 49% 的股权，就需要付出 149 亿美元的成本。

49% 显然是为了反垄断审查考虑，但 Meta 和扎克伯格想要的，是联合创始人之一 Alexandr Wang 这个人——这位 19 岁创业的天才将成为 Meta 新成立的超级智能实验室的负责人，带领 Meta AI 进入新时代。

有意思的是，说 Meta 彻底买下 Wang 并不确切，因为 Wang 将继续担任 Scale AI 的 CEO 一职，代表 Wang 和 Scale AI 还将继续保持「独立」 ，这可能也是历史上成本最高的「脚踏两只船」，而 Scale AI 如果保持增长势头，Wang 则可能成为硅谷身家增长最快的创业者，没有之一。

扎克伯格如此急不可耐地、以 Meta 以罕见的金额出手押注 Scale AI 和 Wang，体现出的是他因 Meta 在 AI 竞赛中逐渐掉队的焦虑。

尽管 Meta 在 2024 年推出了参数规模达 1.8 万亿的 Llama 4 Behemoth，但其在多模态理解、长文本推理等关键指标上仍落后 GPT-4.5 约 12%。更尴尬的是，Llama 训练数据的质量问题被曝光：业内估算约 30% 的语料来自低质量社交媒体内容，导致模型频繁输出错误信息。

刚刚成立 2 年后的 Scale AI 团队，最左侧为 Wang 本人｜图片来源：Scale AI  

 

「 我们缺的不是算力，是干净的数据和顶尖工程人才 。」一位 Meta AI 研究员匿名吐槽。这解释了为何扎克伯格要砸重金请来 Wang——一个以数据标注技术闻名的「基建狂魔」。

作为估值最高的数据标注公司，Scale AI 的蹿红不是没有道理。根据报道，Scale AI 的护城河在于其将原始数据转化为 AI 可用燃料的能力：

军事级标注精度：通过混合人类标注员+AI 质检的「双保险」，其数据错误率仅 0.3%，而行业平均为 5%（公司自述）。

多模态数据垄断：拥有全球最大的视频动作标注库（含 1.2 亿条人体动作数据）和跨语言文本数据集（覆盖 217 种语言）。

而事实上，花 149 亿美元巨资买下「半个」Scale AI 和 Wang 本人，Meta 的野心不仅仅在于 AI 大模型本身。

 

02

转型 AI 基建，弥补 B 端短板

 

数据、算力和模型，是大模型领域的三要素，Meta 作为社交巨头，在数据和算力上有着天然优势，不过在「数据」上需要打个引号，因为 Meta 的数据量虽然大，但如果质量不行，对于 AI 模型训练作用不大。

「 你们看到的每个 GPT 回复，背后都有我们标注的 500 个数据点 。」Wang 的这句话，解释了 Meta 的焦虑。当 OpenAI 用 Scale AI 的数据训练出更聪明的模型时，Meta 却困在自家社交数据的孤岛里。收购 Scale AI，等于直接接管了竞争对手的「弹药库」。

Scale AI 手握全球 35% 的 AI 训练数据流量，服务着从五角大楼到 OpenAI 的顶级客户。Meta 研究院的工程师私下吐槽：「我们用 Llama 3 训练时，30% 算力浪费在清洗垃圾数据上，而 Scale AI 的标注精度能达到 99.7%。」

有了 Scale AI 精准的数据清洗和标注，业内估计 Meta 将训练数据污染率从 15% 降至 2%，下一代 Llama 5 的训练周期缩短 40%。知情人士透露，正在测试的「Llama 5 Behemoth」参数规模达 3 万亿，专门用于攻克 AGI。

同时，Scale AI 的标注系统已深度适配 Meta 定制 AI 芯片架构，形成「数据标注-模型训练-硬件优化」闭环，有可能使 Llama 模型推理成本降低至 GPT-4o 的 1/3。

可以说，引入 Scale AI 后，Meta 的 Llama 模型从训练质量、效率和成本上都将获得大幅优化。

事实上，Scale 的接入，甚至可能重塑 Meta 在 AI 竞争中的整个战略。相比于 Google 和微软，缺少云计算平台的 Meta 一直只能在 C 端撒野。而有了 Scale 的能力， Meta 计划通过 AWS/Azure 等云平台对外提供 Scale AI 数据服务，构建类似微软「Copilot+OpenAI」的生态闭环，将竞争对手转化为客户 。

如果说数据是新时代的石油，那么 Meta 通过购买 Scale AI 这家份额最大的「数据精炼厂」，已经掌握了大半个 AI 基建体系。

Meta 在 AI 竞争中逐渐掉队｜图片来源：Meta  

 

当然，OpenAI、Anthropic 等竞争对手到底会不会买账目前仍未可知，虽然 Meta 仅仅买下半个 Scale AI（和半个 Wang），但显然已经足够让前者警惕 Scale AI 的中立地位，所以 openAI 也在加紧和 Scale AI 的竞争对手 Handshake 合作。

不过，鉴于 Scale AI 在数据标注方面的压倒性优势，OpenAI 等公司要想马上和 Scale AI 断联，也不太现实。至少在短期内，AI 巨头们依然需要 Scale AI 的服务。

即便 Scale AI 之前的客户们逐渐减少下单，Meta 和 Scale AI 已经谋划新的收入来源——政府和国防客户。根据报道，Scale AI 合作，已经获得来自美军方超过 2 亿美元的政府订单。同时，Scale AI 本身也在向国防定制等垂直领域的 AI 应用层扩展，而 Meta 的企业级销售能力和背书，无疑会对 Scale AI 未来的发展提供足够动力。

业内人士传言，Meta 和 Scale AI 的巨额交易还有一个隐藏对赌：若 Scale AI 未来三年收入增速低于 80%，Meta 有权以折扣价收购剩余股份 ——这代表 Wang 不仅要「让 Meta AI 再次伟大」，同时自己的 Scale AI 在收入上也要继续高速增长。而 B 端业务显然会成为双方的新增速来源。

对于 Meta 团队，Wang 即便作为「脚踏两只船」的超级智能实验室负责人加入，也能产生极强的「鲶鱼效应」。在硅谷 AI 界，Meta 向来以学术氛围浓厚著称，Llama 的开源和普惠正是其学术思考的结果。但 Wang 极力推崇的「数据思维」无疑将对 Meta 现有的 AI 团队产生冲击和改变。

根据媒体报道，Wang 刚刚加入 Meta，反手就砍掉三个学术项目，推动团队向更「现实」的方向转型。

如果不考虑反垄断的阻挠，此次 Meta 对于 Scale AI 和 Wang 本人的巨额押注，可能重塑 Meta 在激烈的 AI 竞争中的角色和发展方向，不仅让 Meta 快速缩短和竞争对手在模型领域的差距，更能使这个社交巨头，完成从应用到 AI 基建角色的转变。

这场豪赌的本质，是 Meta 试图用资本力量重写 AI 竞争规则。正如硅谷分析师 Sarah Guo 所言：「当所有人都在造车时，Meta 买下了整条高速公路——不管车上坐的是谁，都得交过路费。」