IT之家 5 月 29 日消息，据江西省安福县委县政府官方公众号“美好安福”消息，5 月 26 日，“安福县段永平教育专项基金”捐赠仪式在南昌顺利举行。知名企业家、投资家段永平向安福县慈善会无偿捐赠所持贵州茅台酒股份有限公司股票 1 万股，专项支持安福教育事业发展。 文章称，段永平先生年少时随父母到安福生活，在这片热土度过了六年难忘的少年岁月，与安福山水结缘、文脉相融，多年来始终牵挂安福发展。早在 2012 年，段力平、段永平兄弟便捐资支持平都镇十里村澎塘组进村道路硬化，这条乡村道路被乡亲们亲切地命名为“平平路”。此次捐赠的壹万股茅台股票，将作为“安福县段永平教育专项基金”长期保留基金， 以股票年度分红、股息等派生权益作为专项基金可使用资金 ，持续、稳定、长期助力安福教育提质、励教奖学、助学育才。通过“一次捐赠、永续受益”的长效机制，让善意生生不息、持续发力，源源不断为安福教育高质量发展注入活水动能。 安福县表示，将严格按照捐赠意愿，规范完善基金管理制度，管好、用好每一笔收益资金，专款专用、务实惠民，把每一份善意落到实处、用在刀刃上，切实发挥资金效益，不负段永平先生的深情厚谊。 IT之家查询获悉，截至 2026 年 5 月 29 日午间收盘，贵州茅台股价为 1327.73 元 / 股， 1 万股市值约为 1327.73 万元 。股票价格实时变动，实际成交价以交易时为准。 值得一提的是，这并不是段永平第一次捐赠贵州茅台股票。2025 年 10 月， 段永平向江西省江西水利电力大学教育发展基金会无偿捐赠 其持有的贵州茅台酒股份有限公司股票壹万股（ 市值人民币 1500 万元 ），以父母名义设立教育专项基金，全力支持该校励教奖学事业发展。对此，段永平在个人账号上发文称：“ 其实只是 1 万股茅台，他们每年花分红就好。市值只是暂时的 。”
IT之家 5 月 27 日消息，2026 微信小游戏开发者大会在杭州举办。大会上，微信官方披露， 微信小游戏月活跃用户超 5 亿 ，用户平均每天在小游戏中花费 60 分钟，24 岁以下、24 至 40 岁、40 岁以上用户占比分别为 10%、50%、40%。 另外，微信小游戏开发者规模超 50 万， 日活跃用户数超百万的游戏超 80 款 ，单季度流水超千万元的小游戏超 300 款。 IT之家此前报道，在 2025 微信小游戏开发者大会上，微信小游戏团队透露，有超过 8 成的用户会通过下拉、搜索、分享等微信特有的途径主动寻找在玩的小游戏， 平均每月会同时玩 6 款小游戏 。PC 小游戏活跃上升 55%，商业规模扩大 40%。 大家在 IT之家微信号 回复“ 微信 ”两字，即可获取当前最新官方内部版微信下载。
IT之家 4 月 30 日消息，在 4 月 24 日的 2026 北京国际车展上， 比亚迪发布了纽北创纪录车型 —— 仰望 U9 Xtreme 的量产版 。 IT之家注意到，比亚迪集团-品牌及公关处总经理李云飞昨晚发文透露， 仰望 U9 Xtreme 单台售价超两千万元 ，是本届北京车展上成交的最贵车型，全球限量 30 台，获得全球顶级圈层认可。 据IT之家此前报道，在 2025 年 11 月 21 日举行的 2025 广州车展上，比亚迪宣布仰望 U9 Xtreme 刷新株洲国际赛车场、珠海国际赛车场、成都天府国际赛车场、上海国际赛车场四大专业赛车场圈速纪录， 成为四大专业赛道量产圈速第一 。 仰望汽车还在 2025 年 10 月 21 日官宣，仰望 U9 Xtreme 正式以 6:59.157 的成绩登陆纽北官方圈速榜单，成功刷新量产电车圈速纪录，实现「极速 + 圈速双第一」目标。
36氪获悉，AI英语学习产品“口袋领航外教”宣布完成数千万元A轮融资，本轮由源起基金领投。融资资��将主要用于产品矩阵深化、AI教研内容体系建设及获客渠道扩张。
36氪获悉，近日，生物制造企业“绿色康成”宣布完成数千万元pre-A轮融资。本轮由北京国管旗下的北京市绿色能源和低碳产业投资基金、以及未来科学城集团旗下的北京未来星科创业投资中心和北京昌建发投资管理中心联合投资。本轮融资将主要用于：加速高价值产品管线的工艺放大与产能建设；推进核心原料的国际认证及全球市场拓展；启动新一代规模化生产线的前期工程。
36氪获悉，“题渊科技”已于近日完成近千万元天使轮融资，投资方为宏泰智慧谷，本轮资金将主要用于市场推广和教育agent平台的持续技术研发。
36氪获悉，线控底盘核心零部件供应商“毫秒智控”已于近期完成数千万元天使+轮融资，本轮投资方为松禾资本和苏高新融晟。这也是公司成立仅一年以来，继获得厚雪资本天使轮独家投资后，接连完成的第二轮融资。
文｜胡香赟 编辑｜海若镜 36氪获悉，AI虚拟细胞（AIVC）平台公司「百曜科技」近期已完成数千万元新一轮融资。本轮融资由国家级国有资本运营平台中国国新旗下的国新创投基金领投，道彤资本和云启资本跟投，老股东峰瑞资本和百度风投追加投资。募集资金将主要用于全新一代虚拟细胞算法模型迭代、独家数据收集平台建设以及加速产业化落地。 百曜科技是36氪持续追踪报道的企业（ 附链接 ），公司创始团队依托中国科学院动物研究所、北京干细胞与再生医学研究院的科研资源，自2023年起开始构建AI虚拟细胞基础大模型，以实现细胞行为和状态变化的精准分析及预测，并持续推进AIVC模型升级和产业化落地实践。 2026年来，AI制药赛道的融资热情持续高涨，且行业关注点正逐步从早期的分子筛选单点突破，逐步转向更深层的细胞级生命系统建模和动态模拟。与聚焦于分子构型优化的AI药物发现不同，AIVC的价值可覆盖药物开发全生命周期：从疾病机制解析、靶点发现、候选药物虚拟筛选、临床前药效与毒性预测，到临床患者分层，其核心突破在于将AI建模层级从“分子”提升至“细胞”，直接模拟生命系统对外界干预的动态响应。 AIVC基于海量单细胞多组学数据进行训练，通过学习细胞状态转换规律、基因调控网络以及跨尺度因果关系，构建能够表征细胞行为和命运演化的基础模型（Foundation Model）。研究人员只需输入细胞初始状态（如诱导多能干细胞、免疫细胞或肿瘤细胞）以及特定扰动条件（如药物作用、基因编辑或环境变化），模型即可预测细胞未来的状态转变，包括增殖、分化、衰老、凋亡及疾病进展等关键生物学过程。 这种能力使科研人员能够在数字环境中预先开展大规模虚拟实验，优先筛选出最具成功概率的研究假设，再通过湿实验进行精准验证。由此，研发流程从传统的“实验驱动”逐步转变为“模型驱动”，有望显著降低研发成本、缩短开发周期，并提升药物研发的整体成功率。 从产业发展趋势看，AIVC正在从单纯的研发工具演变为生命科学领域的新型基础设施。正如大语言模型重塑了信息处理方式，AIVC有望成为理解、预测和设计生命系统的核心平台，为下一代药物研发、细胞治疗和合成生物学提供底层能力支撑。得益于此，ARK Invest曾在《Big Ideas》报告中发表观点称，虚拟细胞将是“未来AI+生命科学最具有颠覆性的领域之一”。 当前，一级市场的资金流向在慢慢验证这个判断。百曜科技创始团队表示，本轮融资获得国家级国有资本运营平台、市场化科技与医疗资本的认可，将帮助公司快速完成全新一代基础模型和扰动模型，落地自产数据集平台建设与独家数据集合作。在确保AIVC核心能力的基础上，率先探索产业应用场景，布局先进细胞治疗和“AIDD plus AIVC”,加速“模型-数据-场景”的产业链闭环。 据悉，早在2023年9月，创始团队就已发布知识增强多物种细胞大模型GeneCompass，并作为封面文章发表于《Cell Research》。该模型是拥有过亿单细胞数据量、知识嵌入的通用虚拟细胞基座模型；2025年，团队进一步升级发布CellGraphCompass模型，将图结构算法和先验知识系统化应用于虚拟细胞建模。同年，基于基础模型构建的扰动模型帮助创始团队在全球虚拟细胞挑战赛中获得预赛全球第一，决赛全能榜单全球第二的成绩。 此外，百曜科技在数据方面也有大量沉淀。除依托创始团队经4年积累的全球大规模AI-ready公共数据集用以训练基础模型之外，团队还将在近期落地自产数据集技术，收集适配AIVC模型训练的高质量时间连续性扰动数据集，并开展大规模临床数据合作自产数据集项目。 应用层面，百曜科技已与海内外合作伙伴在模型部署、细胞治疗管线联合研发、早期靶点发现及临床样本精准分层等场景推进落地。 投资人观点： 中国国新相关负责人表示，国新基金长期关注兼具硬核技术壁垒与国家战略价值的创新赛道。AI虚拟细胞技术作为生物医药产业的底层基础设施，深度契合国家'十五五'规划中人工智能+行动的战略部署。我们看好百曜团队在该领域的深厚技术积淀与持续创新能力，期待公司持续以AI驱动生命科学研究范式变革，释放长期价值。作为国新基金的首个天使轮投资项目，我们将倾力支持百曜科技打通“模型研发-场景验证-产业落地”全链条通道，为我国构建自主可控的AI制药技术体系提供关键支撑。 财务顾问明德资本合伙人胡茗译表示，AI虚拟细胞是新一代生成式人工智能模型在生命科学领域中的重大突破，将让学届与产业界拥有更全局、更精准、更高效的手段，来模拟药物分子与人体复杂生命系统在虚拟世界的交互，这会在当下全球医药行业对AI普遍广泛接受的基础上，迸发出更底层也更强大的商业机会。很高兴看到百曜获得国家队基金与专业医疗与科技基金的鼎力支持，持续构建数据基础设施并引领模型的不断突破。 财务顾问点石资本合伙人黄峻表示，虚拟细胞代表着AI for Life Science领域最富想象空间的前沿方向。百曜是国内极少数从native底层架构出发、自主构建细胞基础模型的团队，进度超前。依托中科院深厚的科研积淀，以国际顶级期刊成果和全球赛事验证实力，百曜兼具深厚的数据资产壁垒与领先的原创算法能力。我们坚信，它将成长为这一赛道的领跑者。
从芯片行业在资本市场的狂飙，到华为发布“韬（τ）定律”，AI浪潮带动下，烈火烹油的半导体行业进入超级周期，推动芯片设计等上游产业链迎来需求爆发。 但随着需求暴增，设计复杂度不断提高，芯片验证周期过长，拖累开发节奏的瓶颈也越来越明显。2024年西门子和威尔逊研究集团的研究报告中指出高工艺复杂芯片的流片风险非常大，首次流片成功率只有14%。“一款芯片从架构到流片一般需要两年时间，其中验证环节消耗的人力与时间往往超过60%。”王翕对36氪表示。 数字芯片开发流程 王翕是「智维创芯」的创始人兼董事长，目前也是东南大学的副教授、博士生导师。 2025年， 王翕团队依托此前在国家集成电路设计自动化技术创新中心（EDA国创中心）的技术积累， 正式创立智维创芯，致力于解决芯片设计验证环节的效率提升困境。 2025年5月，团队推出全球首个面向数字芯片验证领域的大模型智能体产品“ChatDV”，覆盖测试生成、断言生成、参考模型构建和自动调试等高频环节，将芯片开发效率提升超10倍，周期减少50%，成本降低33%。目前，团队已与中电科集团、芯华章、清微智能、微纳核芯多家公司开展合作，实现商业化落地。 36氪获悉，近期智维创芯已完成数千万元天使轮融资。本轮融资由国中资本领投，石溪资本、奇绩创坛跟投，方创资本担任财务顾问。资金将重点用于深化核心技术壁垒、满足算力需求和公司日常开支等。 智维创芯核心团队来自东南大学、清华大学和香港城市大学，由集成电路、EDA与大模型方向的高层次科研及工程化人才组成，兼具原创技术突破、产业落地和生态资源整合能力。创始人王翕为江苏省“333”高层次人才、小米青年学者，长期深耕芯片敏捷开发；联合创始人江哲为东南大学集成电路学院教授、国家高层次青年人才，研究聚焦集成电路智能化验证闭环；联合创始人王心泽来自清华大学图灵奖实验室，师从图灵奖得主David Patterson院士，专注AI大模型训练与验证智能体工程化落地。团队同时由香港城市大学计算机系副主任关楠教授、EDA国创中心执行主任杨军教授等专家提供前沿技术、产学研合作与产业化落地支持。 搭建“AI大模型+数据飞轮”流程，芯片开发效率提升超10倍 2023年，彼时还在清华大学的王翕团队尝试用GPT-3.5生成一款4万门规模的RISC-V处理器并成功流片，拿下首届Efabless AI设计大赛亚军。“这让我们相信，借助AI大模型工具自动生成芯片这件事是可行的。”王翕说，“但是和客户沟通的时候我们发现，他们关心的不是代码写得有多快，而是能不能保证准确性，会不会因为设计漏洞流片失败。” 长期以来，芯片设计验证都是典型的劳动密集型工作，高度依赖工程师手动编写测试用例、调试错误、生成验证代码等重复性劳动，也是芯片开发延期和成本超支的主要原因。 而传统的EDA工具和大模型难以真正替代人工。江哲向36氪分析，“EDA工具更擅长确定性的分析，但是设计验证需要理解设计规格、硬件代码、测试平台、断言、仿真日志和覆盖率这些高度专业的场景。”而通用大模型目前只能完成语言和代码生成，缺少芯片验证经验知识以及与芯片领域工具连续交互的方案，也无法本地化部署。 因此，智维创芯选择走“AI for EDA”的技术路线， 凭借在芯片架构和设计领域积累的大量自有代码和验证经验，由大模型和其他工具链训练生成并标注海量的高质量数据，形成一套可持续的数据飞轮，为模型的持续迭代提供燃料，由此搭建起无需人工逐条审核的自动验证流程。 在这条闭环的验证流程中，数据是制约大模型能力的根本要素。 芯片行业的硬件代码、测试平台和断言等高质量数据，大多闭源保存在各公司内网，互联网上的公开数据数量稀少，质量参差不齐，多为教学性质的简单代码。“所以数据是我们真正的护城河。”王翕表示。 目前，ChatDV智能体已经实现了模块级AI设计和验证自动化，可以包揽写测试、写规则、查问题、建模型四个验证环节。据江哲介绍，ChatDV并非一个单点工具，而是包括多个工具套件、覆盖验证流程中各高频工作的智能平台，最终目的是大幅缩短芯片验证工程师的工作时间。 ChatDV工具套件及工作原理示意图 其中，iTest模块负责自动生成TestBench和测试激励。对于5000行左右的RTL模块，传统人工需要约1.5人月的工作量，ChatDV在GPU算力充裕的条件下仅需10分钟；iSVA模块可以自动生成SystemVerilog断言（SVA），即芯片内部的“规则检查器”，可将复杂断言的开发周期从3天缩短至数小时；iModel模块自动生成参考模型（Golden Model）用于功能比对，通过率较通用SOTA大模型提升1.69至4.89倍；iDebug模块则是根据仿真报错信息自动定位并修复错误，修复率达到89%，在复杂场景下相比于通用SOTA大模型修复率最高可提升4.28倍。 以上四个模块共同构成一个完整的验证闭环：大模型负责生成内容，仿真器、编译器等工具负责验证对错，并将结果反馈给模型迭代，江哲将这一闭环比喻为“给大脑（大模型）接上手和脚（工具链）”。 ChatDV运行界面示例 在王翕看来，智维创芯与传统EDA厂商之间是互补而非竞争的关系。EDA厂商更擅长在芯片设计后端的综合���布局布线等物理设计环节，而智维创芯则聚焦前端逻辑，包括从规格定义、架构设计、RTL生成到功能验证，填补了前端缺乏自动化工具的空白。 “智维创芯的快速成长离不开EDA国创中心在算力资源、早期研发成本和人才团队建设方面的孵化支持。”王翕补充介绍道，EDA国创中心是国内EDA领域唯一的国家级创新中心，专注“从零到一”的颠覆性创新技术，与智维创芯的理念路线高度契合。 以“芯片一键生成”，迎接芯片AGI时代到来 目前团队已与多家芯片公司达成合作，比如中电科集团、清微智能、微纳核芯等，与多家GPU和NPU大厂也正在试用合作中。 在商业模式上，智维创芯提供多种服务形式：自有算力资源的大型企业可以在本地部署Agent大模型，按License收费；中小企业适合配置“硬件+软件”一体机，解决算力不足的问题；设计服务则可以为客户提供定制化的IP验证服务或IP开发。 此外，ChatDV上线了免费试用的教育版产品，已有数十家企业客户参与试用反馈。王翕表示，上线免费试用版本也有助于公司培养用户习惯，构建品牌认知。 王翕表示，以ChatDV为代表的芯片模块级验证自动化，只是智维创芯实现最终愿景——“芯片一键生成”的第一步。在此基础上，目前团队正在进行IP级自动验证研发，ChatCPU已实现4发射乱序多发处理器11级流水，复杂度超过400万门，并发现了已经流片多次的BOOM和Rocket两款经典RISCV-V处理器芯片中的十余个此前未被人工检测到的功能“bug”。 未来3年内，智维创芯计划陆续实现子系统级智能生成与SoC级一键流片。 “芯片行业的革命不会因为个人意愿发生或避免，我们希望在数字芯片的AGI时代开始时，成为揭开幕布的那家公司。”在王翕看来， 未来芯片需求将高度碎片化，自动化、低成本、敏捷开发将不再是锦上添花，而是芯片企业的刚需 。而智维创芯拥抱芯片AGI时代的思路是，打造用AI设计出更好的芯片，再反哺加速AI训练与推理的正向飞轮。 “如果这个飞轮能转起来，芯片的AGI时代可能就真正到来了，这个行业会被完全重构。未来行业的具体形态现在还很难定论，但已经展现出足够令人期待的想象空间。”王翕说道。
36氪获悉，高危作业领域具身智能公司“旷行科技”近期已完成数千万元市场化第一轮融资（Pre-A轮），由财通资本和商汤国香投资。本轮资金将主要用于算法研发、产品矩阵完善及市场拓展。
36氪获悉，据晶泰科技消息，其深度孵化的AI生物企业“无界进化”（INFevo）已完成数千万元天使轮融资，由顺为资本、红杉中国与松禾资本共同参与。
36氪获悉，远东股份公告，5月份，公司收到子公司中标/签约千万元以上合同订单合计为17.97亿元，其中，国家和地方电网合同总价约4.84亿元。
文｜王欣逸 编辑｜邓咏仪 万格智元团队有这样一些标签：00后、博士团队、埋头搞技术。 CEO王冠博恰好占全了，他现博士就读于清华大学计算机系，是一位00后连续创业者。 其团队相当年轻，规模约20人，其中近90%的成员为00后，大多数为清华、北大等院校的硕博生，也有来自亚马逊、OpenAI、字节跳动等公司的成员。 《智能涌现》独家获悉， 近日，万格智元连续完成两轮五源资本、峰瑞资本参投的数千万元天使轮及天使+轮融资，源合资本担任独家财务顾问 。本轮融资将用于产品研发和市场推广。 在过去，算力上云几乎是必选项。随着Claude Code、Codex、OpenClaw等Agent能力的爆发，Token需求也迎来了一轮爆炸式增长。 王冠博坦言，市面上的所有推理引擎，都不太适合端侧。现有的推理引擎大多关注速度的提升，而忽略了内存的巨大消耗。 在端侧，芯片厂商推出的内存大多不会超过32GB，内存如果过大，其使用场景也会受限。因此，对于厂商而言，他们的诉求是在现有内存条件下，能让自家的芯片推理更快、能搭载的模型更大，且不额外增加硬件的成本。 基于此，万格智元给出了 端侧算力引擎cPilot+智能平台Amis的解决方案，让用户用上便宜好用的Token： 在成本上，让小内存机器能运行上较大的模型，极大降低部署模型所需硬件成本；在性能上，瞄准端侧大模型，而非小模型，给出能解决用户需求的模型本地部署方案。 “在相同内存开销下，有些方案靠牺牲速度、精度等条件，才能在低内存环境里硬把模型跑起来。相比之下，我们的端侧推理方案速度至少快了12倍。”王冠博告诉《智能涌现》。 2025年，他们几乎花了一整年时间做好产品与各个厂商芯片的适配性，彼时，C端对于端侧智能并没有强烈需求。 今年，OpenClaw等Agent工具的爆火，这也让他们看到了To C的可能。 王冠博介绍道，目前万格智元的主要客户为B端芯片厂商，与其合作开发终端硬件，为AI mini PC、AI PC或者AI NAS等产品装上他们的端侧算力引擎及本地的自研龙虾产品，并提供了一套端侧算力优化方案，预装能一键部署模型、聚合API的平台，满足C端客户对大模型本地化部署的需求。 在现阶段，万格智元的商业模式以B端业务为主，并随着B to C的实践，逐步验证和跑通C端的商业模式。 目前，万格智元与多家硬件厂商的合作已进入交付阶段，预计今年将有数万台设备预装出货。公司今年预期营收超千万元。 不做端侧小模型 当下的大模型市场，价格战打的火热。 近日，DeepSeek宣布调整DeepSeek-V4-Pro的API价格，直降75%；雷军也宣布MiMo V2.5系列模型做了价格低调，最高降幅能达到99%。 这背后的共识是，AI真正进入了不少生产力场景，用户希望低成本用上好模型的需求越来越大。 万格智元的想法与之一致，他们瞄准了端侧硬件的能力，让用户在本地就能用上大参数模型，从根本上解决了成本问题——除了硬件成本外，模型本地部署后Token成本为零。 他们从一开始就确定： 不做端侧小模型 ，因为小模型的市场不够大，不够通用； 不做后训练 ，因为一旦云端模型迭代，知识信息会被直接覆盖。 基于这一思路，万格智元推出了 端侧AI推理引擎cPilot 。 cPilot是一个面向底层生态的引擎，是一个介于底层硬件和上层软件之间的中间层，通过自研算法，最大程度压缩模型运行的内存占用，激发出底层硬件的能力。 在一般情况下，一个32GB内存的硬件只能留出8至10GB的空间用于模型推理，在本地仅能部署约4B参数大小的模型。 同样的硬件配置下，基于cPilot算力引擎，端侧能部署的模型参数可以从4B提升至80B。以某硬件厂商客户为例，在使用cPilot解决方案后，每台机器的硬件成本能省下约2000元成本，与此同时，其能部署的模型参数还能提升数倍。 不过，本地部署模型并非万能的解法，端侧的能力始终是有限的。与此同时，用户需求也在发生改变，随着模型能力越来越强，用户渐渐不再盲目追求模型能力，而是按需要调用合适的模型。 基于此，近日，万格智元还推出了 端侧智能平台Amis ，能接入主流Agent工具和模型，也能让用户用上云端算力。 Amis起着API聚合平台以及调度中枢的作用。用户可以直接在Amis上使用OpenClaw、Hemers等Agent工具，灵活接入、切换不同的模型，平台还能对云端以及本地算力自动分配，根据任务的复杂程度等因素进行切换。 其好处在于，用户的需求大多是轻量高频且烧Token的任务，这些在本地即可完成，仅少部分端侧难以解决的复杂任务需要上云。 用户无需为其他模型厂商付费，可以直接在Amis上配置模型，通过端云的调度，大部分简单任务本地即可完成，实现0 Token消耗，仅10%-20%的任务上云，极大压缩了成本。 王冠博称：“我们希望能比较好地切入泛C端的应用场景，Amis的最终目标是，让用户培养出使用平台的生态习惯。” MoE已经够稀疏了，但还有十倍下降空间 王冠博认为，如果是大家都能看清的市场，那么这一定不是初创公司的机会。 在创业之初，在MoE（混合专家模型）影响力还没有那么大的时候，万格智元选择先为端侧的Dense（稠密模型）架构做优化。 彼时不少人认为开源模型的能力比较有限，万格智元在这个阶段做端侧智能，会不会为时尚早。 对此，王冠博选择了大胆去赌用户需求和行业趋势的不确定性。 这包括三件事：一是模型能力，用户会不会只需要能解决需求的模型，而非完全追求质量；二是硬件成本，这也是他们决定攻克的核心壁垒；三是Token用量会不会实现爆发式增长。 聚焦这三个锚点， 万格智元先从如何优化硬件能力、降低模型运行内存切入，在底层硬件、中间层和算法软件上分别进行了全栈的优化。 从软件和算法层面来看，无论是Dense还是MoE，在推理时都只有局部参数被激活。即使是MoE这种已经利用了稀疏结构的模型，仍有约10倍稀疏度的可下降空间。 因此，万格智元设计了一套「动态稀疏化激活算法」，��准确预判在推理过程中模型应该计算和加载哪一部分参数，从而大幅降低实际参数量。 从端侧硬件层面来看，内存、CPU访存、CPU-GPU交互的三大带宽影响着计算机整体性能。面对这三大带宽限制，万格智元建立起一套类似CUDA（Compute Unified Device Architecture，统一计算设备架构）的调度体系，把硬件层打造成一个端侧大模型推理平台和端侧大模型内存管理系统，还对不同厂商的芯片做出了适配。 据王冠博介绍，在测试时，他们在一台搭载AMD芯片的机器上运行了一个35B参数的大模型，其内存占用为27.6GB；与此同时，在使用cPilot引擎的相同硬件条件下，运行这一模型的内存占用可以压缩至4.7GB。 这也意味着，在不到5GB的内存占用下，用户就可以用上Qwen3.6、Gemma 4等能具备Coding和复杂任务处理能力的大模型。 AI的下半场在端侧 “过去，端侧其实不被大家看好，”王冠博告诉《智能涌现》，“不过，不少投资人和我们聊到，今年整个投资赛道慢慢形成了一个共识，即端侧可能会是未来。” 相比于Agent能力和Token需求的爆发式增长，厂商纷纷下调Token价格的行为几乎是杯水车薪。 万格智元希望端侧能成为下一个计算范式，让用户从「租赁智能」变成「拥有智能」。 从长期来看，他们认为未来的Token的使用类似于现在的WiFi，所有硬件都拥有本地自产Token的能力，将云端拥有的能力全部搬至端侧，端侧的每一台设备都能定点服务周边的所有网络。 目前，万格智元提供的服务仍聚焦于做软件和硬件之间的中间层，不过，王冠博称，这是他们的第一阶段。 到了下一个阶段，他们可能会考虑自研端侧AI硬件。“现在还没有到特别做适合做硬件的阶段。”王冠博如是说。 一方面，芯片侧的技术还没有收敛，目前的GPU适合用于模型训练，但不适合做高效推理。现在下场做硬件反而会把形态固定化，导致后期迭代成本比较高。下一代芯片，如国产的NPU，或许会带来芯片侧的一次大变革。 另一方面，做硬件并非完全依靠技术和工程化能力，更为重要的是供应链能力，“如果是做硬件，我们需要提前10个月左右布局，来打通上下游供应链和市场销售。”王冠博称，“和B to C的客户合作，也能率先抢占生态位。” “AI浪潮在明年会逐渐退去，这个‘退’不是指退场，而是把浪打在了端侧。” 下一阶段的端侧，会出现一个能承载住Token爆发的应用，而他们要做的是为这些应用提供更下游的服务。从长期来看，他们希望把cPilot和Amis打造成在低内存赛道上最完善、能跨平台适用、用户能开箱即用的平台。 欢迎交流～ 36氪旗下AI公众号 真诚推荐你关注
36氪获悉，“易启未来”宣布完成数千万元A轮融资，由同创伟业、优山资本、杭州资本润苗基金等股东联合投资，天使股东网易继续加持。该公司由网易伏羲孵化，聚焦按摩机器人，自研3秒穴位识别算法与六轴机械臂运控算法。本轮资金将用于技术迭代、产品研发与规模化量产，加速海内外市场拓展。
文｜胡香赟 编辑｜海若镜 “运动场景中的脑状态监测，正在成为高水平训练和运动健康管理中的新需求。”创业两年，张昊天这样判断。 张昊天毕业于清华大学，研究生期间开始探索���何将脑机接口技术应用在C端场景。他坦言，自己最初也没想好具体的落地方向，研究过程中，团队陆续接触过一些运动类企业，发现“重视运动表现结果的场景，对大脑状态监测都存在一定需求”。 运动健康类可穿戴设备的需求其实早已得到验证，估值百亿美元、从极客圈火到大众市场的Whoop、Oura就是最好的说明。它们用心率、血氧等多项生理数据指标证明，监测身体状态能提升运动表现和恢复效率，也让大众逐步形成为科学运动数据付费的习惯。 但张昊天认为，目前，市面上的可穿戴设备主要通过四肢末梢数据反映身体侧状态，很难直接观察运动过程中的专注、压力、神经疲劳等脑状态变化，而脑状态是运动训练和比赛中“高度影响发挥、却长期看不见”的关键状态变量。 “运动不只是身体能力的竞争，也是一场关于大脑状态的竞争。对于水平接近的运动员来说，成绩差距不只来自体能、技巧本身，大脑状态也很关键。比如射击运动，最终胜负往往取决于扣动扳机时的瞬时专注力、抗压能力与情绪状态。” 即便是在非竞技类的普通运动人群中，这种影响同样存在。张昊天介绍，团队曾在半年时间里访谈了超过600位运动类用户，“我们发现，几乎所有受访者都出现过‘无实际肌肉损伤、但训练状态明显不对’的情况，进一步追问，‘脑子累’‘不想练’‘越练越差’是高频反馈。用户普遍希望有工具帮助他们理解训练中的主观状态变化”。 当前，职业体育圈一般会通过配备运动心理师的方式应对这类问题，但依赖人工评估的模式成本高、时效差、主观性强，更无法覆盖大众运动人群。 那么，如果能在运动中稳定采集脑电信号，并结合补偿算法进行质量判断，就有机会更直接地观察影响运动表现的脑状态变化。 因此，2024年毕业后，张昊天团队正式创办了“脑回录（Nanoloop）”，希望将非侵入式脑机接口技术融入进一款“智能运动头带”Nuromova N1，通过采集运动中的前额脑状态数据，结合多模态传感和AI算法，将脑状态趋势转化为直观且可理解的训练反馈。 图源：脑回录（Nanoloop） 据介绍，这其中的难点不在于采集脑电本身，而是在运动场景下识别并剔除伪影，判断哪些数据真正可用。面对脑电伪影和噪声，Nuromova试图通过电极结构、噪声识别与信号补偿、SQI质量评估、算法剔除和个体基线来提升可用性。 Nuromova N1通过监测与注意调节、认知负荷和情绪相关过程有关的前额区域，结合脑电特征和个体基线，对状态趋势进行计算，识别疲劳、专注力、压力、情绪波动等状态趋势，在基础指标之上，系统会形成训练有效性、压力承受状态、恢复趋势等复合指标。 通过这些数据，Nuromova N1能够帮助运动者纵向观察自身状态变化，为训练复盘和计划调整提供参考。目前，Nuromova N1分为教练端和C端两个应用版本。 以教练端产品为例，从长周期看，教练训练学员需覆盖体能、技术、心态等多个维度。有了脑状态数据辅助后，能更有针对性地精细化管理训练计划，合理安排训练内容与节奏，不再依赖“高强度硬练”的传统方式。 从单次训练前、中、后的短周期看，训练前，中枢神经状态直接影响肌肉协调性、爆发力等。“我们的设备通过采集脑电，观察中枢神经相关状态与认知表现趋势，AI教练会帮助提供相关的数据解释，提供反馈建议，帮助用户通过冥想、拉伸、认知训练等方式，在热身前更好地进入训练状态。” 训练中，设备会以不打扰用户的方式观察、记录数据，不影响用户专注于运动表现。 训练后，数据则可用于复盘与恢复。比如，复盘时，可通过周期数据对比分析训练问题；而恢复是运动训练的核心课题，通常情况下，恢复不仅依赖睡眠、饮食，也与压力管理、放松训练和训练节奏有关。依托脑状态数据，用户可以结合呼吸、冥想、拉伸、放松训练、睡眠调整等方式进行恢复管理。 图源：脑回录（Nanoloop） 张昊天认为，这些运动场景的数据和经验积累，如脑电数据、脑电-运动表现模型、硬件研发经验等，会成为脑回录未来的核心资产。“非侵入式脑机接口普遍存在运动伪影、噪声干扰，运动场景尤其如此。我们通过算法补偿、噪声剔除技术，能获取满足运动场景需求的有效信号。理论上，运动场景对信号稳定性要求更高，相关工程能力未来有机会迁移到更多日常状态管理场景。” 目前，脑回录团队累计已积累约500小时多模态数据，包含脑电、IMU、训练事件和主观反馈等维度，覆盖射击、高尔夫、自行车、摔跤、篮球等运动场景。此外，公司已与清华大学、北京体育大学、首都体育学院等高校院所，以及部分运动数据服务商开展合作，并开始获得来自运动爱好者和早期用户的C端订单；同时，海外市场推广也在规划中。 另据了解，近期，脑回录已完成由南山战新投投资的千万元级种子+轮融资。募集资金主要用于核心技术迭代、产品工程化落地及市场拓展等，以加速非侵入式脑机接口穿戴设备在运动场景中的规模化商用。
36氪获悉，5月19日，2026抖音电商618公布数据显示，大促前三日（5月15日至5月17日），成交额破亿元的品牌数量同比增长89%，超100万新达人首次参与618大促实现成交额增长，消费券带动成交额破千万元商家数量同比增长338%。据了解，在内容场方面，前三日成交额破千万元的直播间数量同比增长116%，通过短视频实现成交额超百万元的商家数量同比增长56%。
文｜王欣逸 编辑｜邱晓芬 一句话介绍 鲸跃动力成立于2026年，以「数据+模型+末端执行」闭环，提供面向场景、可快速部署的Robo Labor（机器人劳动力），让物理劳动力像AWS算力一样，可订阅、可弹性扩容、开箱即用，替代人类从事高危、繁重、脏乱、重复（Deadly/Difficult/Dirty/Duplicate）的物理作业。 融资进展 近日，鲸跃动力已完成由星海图独家领投的数千万元种子轮融资，深渡资本担任独家财务顾问。 本轮融资将用于团队增长、产品的量产交付、专家技能的研发以及数采运营相关工作。 星海图表示：“具身智能的下半场，拼的是‘数据效率×模型泛化×末端执行’的系统能力。鲸跃动力锚定数据主线，专注在真实场景实现快速交付迭代，与我们追求物理世界数据闭环的理念高度一致。团队兼具数据、模型与交付的稀缺基因，这种团队组合在行业里并不多见，因此我们看好它从高质量数据出发走向全球领先的具身智能应用先锋。” 产品及业务 鲸跃动力瞄准To B市场，围绕数据，专注在真实场景实现快速交付迭代，提供了「数据+模型+末端执行器」的软硬件一体化解决方案。 在海外，Sunday、Generalist AI、Genesis AI等公司的实践，验证了数据是具身智能规模化落地的第一性原理，并收敛在了「Ego-centric+UMI」，即「第一人称视角+通用操作接口」的数据方案。 鲸跃动力创始人李广宇认为，过度追求超大模型的复杂度没有必要，只需在真实数据、场景化模型、末端执行形成闭环，即可快速实现工程化交付与规模化落地。 因此，鲸跃动力采用了 「数据采集能力+模型能力+灵巧操作深度认知」 模式，实现具身智能在场景中的落地。 鲸跃动力的核心壁垒主要体现在以下三个层面： 1. 自研Ego-centric+UMI数据采集系统： 能实现亚毫米级位姿定位与亚毫秒级多源时间同步，覆盖视觉、力觉、位姿与环境交互信号，并在端侧实时场景理解分析，保证数据质量。 2. 百万小时数据管线与人类在环策略： 建立数据管线，具备百万小时级清洗、标注、分析能力。通过大规模真实数据覆盖复杂工况，同时引入Human-in-the-Loop（人类介入决策）范式，通过人工的即时纠偏能力，保证机器人在Day 1可用的前提下持续进化。 3. 自研3D世界模型和专家技能： 包括深度空间理解与精准移动操作能力，并在数据底座之上构建高保真物理认知引擎。基于这一模式，机器人不只是做到“识别物体”，还能做到理解重力、摩擦、形变趋势与交互边界，真正实现从“感知-执行”到“认知-预测-自适应”的范式跃迁。 △鲸跃动力的数据采集可视化，图源：企业提供 据介绍，鲸跃动力的业务模式也得到了客户和产业方的认可，以物料搬运装卸（Material Handling）的应用场景为例，客户可以将机器人无缝嵌入现有的业务流，实现室内外全场景自主移动、高精度搬运与柔性装卸、标准载具操作等能力，切实解决行业痛点。 目前鲸跃动力已和制造和物流行业的多家头部企业开展了合作，推动其产品在多个场景落地。 团队介绍 鲸跃动力CEO李广宇博士毕业于美国南加州大学（USC）电子工程系，曾任北京人形机器人创新中心具身数据与灵巧操作负责人，从0到1搭建灵巧操作与具身数据团队，主导RoboMIND多模态具身数据集、具身智能体“慧思开物”等标杆项目，在数据与模型层面有丰富的积累；此前在滴滴、轻舟智航主导构建百万级自动驾驶数据闭环与仿真系统，兼具具身智能与自动驾驶双重产业实战经验。 △鲸跃动力创始人兼CEO李广宇博士，图源：企业提供 核心团队覆盖数据、模型、硬件、软件、全球化商务全链条，由来自极智嘉、新石器、轻舟智航、北京人形、理想、小米、滴滴等头部企业的核心骨干组成。团队成员毕业于USC、清华、浙大、中科大等顶尖高校，在机器人学、强化学习与多模态大模型领域具备深厚积累，还拥有RoboMaster等顶级赛事冠军。 团队具备丰富的海外研发、合规认证与本地化部署经验，拥有从前沿研发到万台量产、百万级数据交付的完整落地能力。 Founder思考 一家公司必须成为细分领域的最优解，才能长期赢得竞争。 To B的残酷性在于，有一台能跑的机器人是不够的，有一台单位经济模型（UE）为正的机器人也不够。必须成为细分领域的最优解，才能长期赢得竞争。 产品能真正落地的关键在于：企业高度了解现有工作流，能将产品严丝合缝嵌入业务链条，并在人力消耗最大、ROI最显性的环节下刀，硬件设计需要接地气，数据采集敢于野蛮生长，才能逐渐跑通场景、价值验证、数据回流与产品迭代的闭环。 场景型机器人公司会成为未来的赢家。 目前，行业壁垒正从单点算法转向系统能力，企业核心的竞争点在于：一是“单位泛化能力的数据成本”，二是“场景规模化部署密度”。 数据效率决定了我们能否以极低的边际成本，将机器人的操作能力泛化至新物料、新载具与新场地；落地密度则决定了能否在单一场景内形成规模效应。 未来的赢家，会是那些能用最精准数据撬动最大泛化边界、并用最高密度占领核心场景的“场景型机器人公司”。 机器人领域的标准化产品公司正在涌现。 目前，硬件供应链日趋成熟，数据基建规模化，大模型、Agent能力爆发，新的AI驱动范式有望让机器人公司从传统“项目制定制集成”转向“标准化产品公司”。 让机器人企业能够以产品化的思维定义硬件、以Agent的逻辑交付价值，在垂类场景中将智能化做到极致，配合标准化硬件与清晰的产品定义，完全有能力实现高爆发、规模化的商业出货。 鲸跃动力想要的生态位是：数据+应用。 全球产业对柔性、低成本、高可靠物理劳动力的需求从未衰减。 具身智能将重演自动驾驶的演进轨迹，从早期Robotaxi（无人驾驶出租车）的尝试，到辅助驾驶的规模化量产，再到无人配送、干线物流、矿卡等垂直场景的延伸。对具身智能而言，其也将延续验证期、工程收敛期到商业爆发期的路径发展。 鲸跃动力在打造一个生态友好的通用的技能平台，我们擅长数据驱动、闭环以及落地部署的环节，更关注“末端执行器+技能”的组合价值，我们希望客户在接上硬件、打通系统和传感器之后，直接调技能就能解决需求。 封面来源｜企业提供 欢迎交流～ 扫码加入「智涌AI交流群」
36氪获悉，智能眼镜企业“众见科技”已完成数千万元三轮融资，投资方为韶音、高秉强教授旗下高锋耐心基金、昊辰资本、SEEFund、上市公司光峰科技、高秉强教授个人等，此次融资主要用于研发推进，目前初代产品已完成落地。奇域资本将担任独家财务顾问。
36氪获悉，宠物大模型健康公司“绮算法”、智谱“Z计划”生态企业，近日完成数千万元融资，投资方为启赋资本与聚恒创投。本轮资金将主要用于产品迭代、模型能力深化及市场拓展。
作者 | 钟艺璇 编辑 | 乔芊 36氪从多个独立信源独家获悉，挪瓦咖啡2025年营收7至8亿元，利润约为6千万元。 2025年是挪瓦咖啡规模迅速扩张的一年，从2024年底的1200多家，到2025年底突破1万家，挪瓦咖啡也顺势成为中国第四个咖啡万店品牌。 和对手不同，挪瓦咖啡多数门店采用店中店模式，挪瓦咖啡合伙人李立旭不久前曾公开提到，挪瓦咖啡目前80%是店中店，20%左右是专卖店。所谓店中店，即把咖啡业务嵌入便利店、网吧、加油站等点位的模式——合作门店出场地、出店员，挪瓦则提供物料和设备，前者赚取咖啡业务带来的额外收入，后者则从原料差价中盈利。 “对于便利店而言，一不需要购买重资产，二能利用挪瓦的线上流量卖咖啡，三对于部分原先就有咖啡业务但销量不佳的连锁便利店来说，也是对咖啡机等闲置资产的再利用。”一位行业人士告诉36氪。而对于挪瓦咖啡，较低的建店成本，也成为其突破万店规模的关键因素。 但店中店模式的核心问题，也在于品控。在店中店模式下，挪瓦咖啡并未专门雇佣店员，而是直接复用原有便利店员工，经过培训后即可上岗。 另一位咖啡行业人士以全家便利店自营的湃客咖啡为例，全家咖啡只卖美式、拿铁两个品类，加之使用预制冰杯，对于店员来说，只需要完成接牛奶、倒咖啡液这些简单步骤。“但挪瓦的sku更多，还有果咖类产品，同样是便利店店员操作，挪瓦需要记住的配方较多，以及挪瓦并不能直接管理店员，品控和效期风险都更大。”他说。 并非挪瓦不想再增加店员，而是现有成本结构不允许。目前挪瓦咖啡统一按照饮品成本加2元的价格与加盟商结算，并且支付一定的月租金。但有知情人士告诉36氪，“挪瓦给部分连锁便利店的月租金水平很低，几乎可以忽略不计”。 换句话说，加盟商在一杯咖啡中赚取2元的利润，一位门店与挪瓦合作的便利店员工告诉36氪，自己门店的单日咖啡杯量在80杯左右，按照这个水平推算，加盟商再增加一名咖啡店员并不划算。复用员工，一旦订单量集中，店员时常难以兼顾，在社交媒体上，关于挪瓦咖啡出品标准不统一的评价并不少。 对于咖啡品牌而言，店中店并不是一个新话题。2024年，库迪也曾经尝试过店中店模式，并一度放出3年5万家店的口号，野心勃勃。但很快，因门店潦草、点位随意，店中店模式带来了大量争议，库迪目前已经暂停店中店招商。 前述咖啡人士告诉36氪，同样是店中店模式，库迪和挪瓦结局走向分野，核心在于两者的基因并不相同。“库迪需要完成品牌升级，店中店出现的形象混乱，对它而言是一种损耗。但挪瓦咖啡不同，店中店是其从诞生开始就尝试的模式。”他说。 事实上，挪瓦咖啡在店中店的选择上也有过摇摆，但它很快做出了抉择。2022年，挪瓦曾经放慢店中店，试图用独立门店加盟扩张，但结果并不理想——那也是中国9块9咖啡大战的开端之年，此后大战愈演愈烈，入局的门票太过高昂，要从漫天的补贴、贴地飞行的价格中，获得扩张机会，对挪瓦来说并不容易。直到重启店中店，挪瓦才快速突破万店规模。 挪瓦咖啡合伙人李立旭曾表示，对比日本和中国台湾，便利店咖啡已经有成熟的消费习惯，消费者买的是咖啡因和便利性，是品类消费。但中国现制咖啡消费教育很大程度上由星巴克等品牌完成，消费者更多是品牌消费，这也是便利店会选择挪瓦、而非自己做咖啡的一个原因。 换句话说，挪瓦咖啡想抓住便利店咖啡品牌化的机会。但要把这个故事讲下去，挪瓦或许要面对两个问题——店中店模式是否与品牌化体验天然相悖，难以做出品牌心智，用户是顺带购买，而非为品牌买单；日本便利店是之于基建一般的存在，现制咖啡份额中便利店占据65%以上，绝对第一，但中国的咖啡主渠道依旧是快取门店，便利店只是补充，天花板或许有限。如果只是让便利店额外赚到一杯咖啡钱，那么挪瓦咖啡也许更像一个渠道商。