腾讯曾凭借其资源优势在市场上所向披靡，但在AI时代，它必须离开舒适区。2021年左右，腾讯开始战略收缩，部分业务关停并出售投资企业股票。这可能与反垄断政策有关，但即使没有政策限制，腾讯也未必有垄断能力。它的成功往往依赖于社交护城河和资源优势，而非团队战斗力。一旦离开自己的护城河，腾讯在电商、短视频等领域的表现并不突出。腾讯清楚自己的能力圈，不盲目扩张业务，而是在自己擅长的领域发挥优势。在AI时代，腾讯面临字节跳动的竞争，后者以高效算法著称，不断抢占市场份额。2024年，腾讯资本开支和研发投入均创历史新高，但在AI领域仍与字节有一定差距。腾讯在AI领域的新产品能否成功尚不得而知，但它的AI能力对老业务来说已足够。腾讯不一定要成为最好的AI公司，但可以成为AI时代的好公司。
标签： 端侧AI
-
字节跳动推出TRAE SOLO独立AI开发工具
字节跳动公司旗下的AI编程产品TRAE在3月31日将其组件SOLO分离出来，将SOLO升级为一个独立的、完整的生产力工具。TRAE中国官网已经发布了TRAE SOLO的Web入口和下载页面。TRAE的核心定位是人机协同的AI原生开发工具，强调开发者的主导地位和AI的辅助作用，将AI能力深度融入传统IDE的开发流程中。而SOLO则以AI为主导，让AI接管从需求分析到部署上线的全流程。TRAE SOLO提供Work与Code两种模式，旨在服务开发者并扩展场景至文档编写、研究分析等非编码工作。字节跳动通过重构文件管理、对话体验和工具集成，希望将AI打造成占据整个工作空间的任务执行者。TRAE的设计理念是用户只需提出任务，执行交给AI；所有项目文件和工具集中在同一个工作空间里，AI自动拆解任务并调用Skills和工具完成执行。云端算力支持多任务并行处理，用户即使切换设备也能继续查看进度和验收结果。在2026年的agent竞争中，阿里、腾讯和字节跳动采取了不同的策略。阿里走B端路线，推出了“悟空”AI原生工作平台；腾讯则通过QClaw和WorkBuddy双线推进；字节跳动则从开发和创作工作流切入，再扩展到更广泛的生产力任务。字节跳动的目标是打造最适合中国用户的工作台型agent，关注执行质量和任务交付能力。
-
AI赋能个体企业开拓全球市场
随着“龙虾热”的冷却，其创新影响仍在持续，尤其是与行业专长的融合，正在激发新动力。在B2B领域有着26年数据和经验积累的阿里国际站，通过验证OpenClaw、Cowork等新型工作模式，看到了将智能体整合到B2B闭环中的关键机遇。今年推出的“外贸版龙虾”Accio Work，通过与Agent对话，用户能够自主完成市场分析、选品设计、供应商筛选、商品发布和日常运营等流程，大幅缩短了原本耗时数周甚至数月的流程。Agent正在打破专业知识壁垒，重新定义生产力。数据显示，Accio Work的用户中有40%是个体经营者。在AI的助力下，阿里国际站今年的EBITA（息税摊销前利润）增长了18%。在AI浪潮下，企业对新业务、新人才的思考与判断至关重要。面对新模型，公司的态度是兴奋、焦虑还是无感？最后一种才是真正危险的。AI对SaaS的影响是双面的，AI的加持让一些SaaS产品变得更好用。例如，有公司利用AI帮助连锁超市招聘小时工，通过Agent交互提高了到场率。在B2B业务向A2A（Agent to Agent）转型的过程中，生产力被重新定义。阿里巴巴.com正在利用AI快速重构其搜索、沟通、推荐、交易、物流等功能，使AI成为交易过程中的关键助手。Accio则专注于采购问题，希望将采购过程更大程度地自动化。基于Agentic模式，从想法到建立商业关系的整个过程被大幅缩短。AI可以帮助形成专业的设计文档，包括图片、文字、3D等，使买家和卖家的交互更高效、顺畅。对于大模型领域，使用阿里巴巴的工具与ChatGPT、Gemini等的本质区别在于，阿里巴巴的工具在信息准确性、强化学习机制、安全和可靠性保障等方面有更多投入。Accio Work作为下一代版本，将基于浏览器的Agent系统扩展到桌面，帮助用户完成从设计到采购，再到商品销售的全过程。AI的发展对传统市场平台广告模式产生了影响，但基于效果的广告和供需匹配过程中的精准广告仍有其价值。未来的商业模式将基于创造的价值、效果广告和平台侧供应链服务。阿里巴巴的核心优势在于其26年的积累，每天有上百万、上千万的沟通、查询、交易等信号，帮助系统完成强化学习，并形成闭环反馈。
-
智谱和MiniMax财报揭示AI大模型公司现状
两家中国顶级大模型公司智谱和MiniMax的财务报告，首次揭示了它们上市后的真实账本。智谱依靠GLM基座模型和MaaS平台，专注于B端市场，深度绑定政府和国企等大客户。MiniMax则以C端全球化、产品驱动，以爆款应用Talkie打开海外市场。智谱收入同比增长132%，但年亏损高达47亿元，研发投入是总收入的4倍以上。MiniMax海外收入占比73%，在巨头竞争和爆款产品依赖中寻找增长。两家公司均处于商业化初期，高收入增长与高亏损并存，业务结构和战略重心的差异导致它们在毛利率和收入构成上有所不同。智谱更依赖B端本地化部署业务，而MiniMax则以C端驱动、全球化布局。两家公司的市值接近，股价均大幅上涨。智谱CEO张鹏将智谱定位为“中国的Anthropic”，而MiniMax的未来故事在于全球化。总之，智谱与MiniMax的首份财报PK，没有绝对的赢家。对于投资者而言，这也不是一道选择题。看好国内政企市场潜力的，或许更青睐智谱的技术深度与客户粘性；而相信AI将重塑全球消费级应用的，则可能更看重MiniMax的扩张弹性与用户广度。大模型公司商业化的马拉松，才刚刚开始。
-
联想计划两年内净利润率翻倍
联想集团在4月1日举行的财年誓师大会上宣布了其战略目标。首席财务官郑孝明透露，公司计划在未来两年内将营收突破1000亿美元大关，并使净利润率达到5%以上，与此同时转型成为AI原生公司。根据联想集团2025/26财年第三季度的报告，其调整后的净利润率大约为2.7%，而报告口径净利润率约为2.5%。基于这一数据，联想集团有望在未来两年实现净利润率的显著增长，达到翻倍的目标。
-
B站推出Updream工具参与AI视频工具竞争
2026年3月，B站在被称为AI视频工具大战中宣布推出其自研的AI视频创作工具Updream，并开启内测。市场上的AI视频工具已超20款，包括爱奇艺在内的竞争对手已推出相关产品，B站的加入显得有些晚。尽管B站在AI内容浪潮中的表现并不突出，但AI内容已在B站平台上形成消费生态，AI相关UP主数量接近10万，每月有超过1.2亿用户消费AI内容。B站的AI内容浓度不容忽视。然而，AI内容的野蛮生长也带来了流量和广告红利，同时也悄然改变了平台的内容生态，同质化和低质量内容的涌入对PUGC内容生态造成了冲击。AI对B站创作者生态的冲击也开始显现，许多UP主感受到了压力，担心AI低成本模拟创作者风格会削弱与粉丝间基于真实性和独特性的情感连接。B站通过举办AI创作大赛、开放版权和推出官方AI创作工具，试图引导AI内容发展，强化UP主的个人特质。Updream专注于服务B站平台，主打长期记忆能力、个性化技能库和自由创作画布三大功能，强调内容创作逻辑。Updream不侧重自建视频生成能力，而是将创作流程与UP主的个人创作经验沉淀为可复用的工作流，更接近专业级创作提效平台。B站AI内容播放时长和广告收入的增长，显示了其在AI内容赛道上的体量。B站的AI内容生态与技术社区和内容消费的双重属性高度契合，形成了差异化的生态位。B站不仅是AI内容的消费场，也是AI知识的生产场。然而，缺乏平台引导和创作工具支撑，B站在AI漫剧精品化和AI真人视频爆发的行业趋势中，正逐渐落后。B站开放《三体》等头部IP版权，推出官方AI视频工具，旨在引入更具能力的创作者，提升漫剧品质，规避AI二创的侵权风险。Updream将UP主的创作经验沉淀为可复用工作流，提高创作效率，解决内容质量和更新频次之间的矛盾，使B站的内容密度向短视频平台看齐。AI内容在平台的野蛮生长和B站的版权、工具补课，使得AI对UP主生态的冲击成为一个问题。B站的核心竞争力在于知识型社区、PUGC内容生态和社区氛围，这些根基正在面临AI的侵蚀。用户对技术知识点的消费路径正在被重构，这是B站的结构性挑战。AI技术迭代对UP主群体的潜在冲击也值得警惕。当AI可以无成本地复刻一个人的声音和创作风格时，原创者的独特价值和粉丝与UP主之间的情感纽带面临挑战。Updream能否帮助UP主在AI工具泛滥的环境中强化而非稀释个人标签，决定了产品的发展前景。B站和爱奇艺等平台在AI冲击波面前的处境相似，各自做出不同选择。B站的核心资产是UP主与粉丝之间的情感连接，当AI开始批量复制创作者风格时，这条情感纽带成为B站最需要呵护的东西。Updream的价值不仅在于提效，更在于帮助UP主在AI内容泛滥的环境中保持不可替代性。三家平台共同面对的命题是，AI工具的普及提升了内容产能，也在加速内容同质化。真正稀缺的是那些无法被工具化量产的东西——创作者独特的视角、真实的生命经验、与观众之间有温度的情感连接。这也是B站的立身之本，也是所有内容平台必须直面的终极命题。
-
一脉阳光2025年业绩亮眼 净利润转正
一脉阳光近期公布了2025年的全年财务报告。在医疗服务领域面临挑战和行业增长逻辑重构的情况下，一脉阳光展现了强劲的增长势头和盈利能力。报告显示，该公司总收入达到8.73亿元人民币，同比增长14.8%，毛利增长至2.95亿元，同比上升6.5%。面对行业挑战，如集采深化和检查收费政策调整，一脉阳光的营收规模仍保持双位数增长，显示了公司业务的抗压性。
在盈利方面，公司净亏损从2024年的5886万元大幅减少至1051万元，降幅为82.2%。更引人注目的是，归母净利润由亏损4592万元转为盈利375万元，标志着盈利能力的提升。经营活动现金流净额增长近13倍，达到1.77亿元，显示了业务经营质量的实质性提高。公司的资产负债表也显示现金及现金等价物大幅增加至6.24亿元，流动资产净值增至8.66亿元，资产负债率从29.2%降至26.1%，为公司提供了抵御风险和战略投入的资金储备。
在业务结构上，公司对原有的三大业务板块进行了系统升级。影像中心服务收入有所下降，而影像解决方案服务和数智服务收入分别增长93.9%和458.3%。影像解决方案服务的成功实践降低了客户合作门槛，数智服务的收入增长则源自“数据资产化”战略的实施。公司通过影像中心网络沉淀的高质量医学影像数据，实现了数据的商业化变现。
面向未来，一脉阳光在海外业务和AI技术方面展现了战略突破。海外业务收入实现2314万元，AI引擎则成为所有业务板块的底层技术支撑，提升了诊断效率和医生人效。一脉阳光正从医学影像服务提供商转变为以数据和AI为核心的科技型医疗服务生态构建者，拥抱医疗数字化和智能化的浪潮。
-
Kimi从拒绝上市到IPO转变的背后
Kimi的母公司月之暗面创始人在2025年末曾表示短期内无上市计划。然而仅过3个月，情况发生了变化。月之暗面的AI产品Kimi，在市场估值飙升至180亿美元后，开始评估赴港上市的可能性。Kimi的转变不仅是公司层面的变化，更是整个AI行业从讲故事向商业成果转变的缩影。
回望一年前，Kimi面对市场竞争和质疑，月之暗面做出了关键的战略调整，决定聚焦AI agent赛道，不再单纯追求用户数量，而是追求智能上限和商业价值。这一战略调整让Kimi在技术竞争中多次与竞争对手DeepSeek“撞车”，但Kimi更进一步将技术封装成产品。Kimi K2.5的发布，标志着月之暗面战略转向的成果，该模型在多模态训练和Agent智能体等领域实现了重要进展。
Kimi的转变也带来了商业上的显著成效。个人订阅用户的支付订单量暴增，在全球榜单上的排名迅速上升，成为首个进入前十的中国AGI产品。Kimi的ARR（年度经常性收入）也迅速突破1亿美元，成为行业中的佼佼者。此外，Kimi的能力也得到了行业的认可，甚至海外的AI编程独角兽Cursor的新模型也基于Kimi K2.5构建。
在全球AI企业纷纷冲刺资本市场的背景下，月之暗面的IPO评估显得更为合理。尽管目前仅处于初步阶段，但资本市场对Kimi的高估值和商业化成果的认可，预示着其未来可能成为AI生产力平台的期待。Kimi的海外收入和全球付费用户增速均显示出强劲的增长势头，这也反映了全球AI行业的快速发展和商业化潜力。
Kimi的快速转变，不仅是公司层面的成功，也是整个AI行业从技术突破到商业应用成功转变的一个案例。当AI技术从聊天工具转变为生产力工具时，资本市场和用户都表现出了极大的兴趣和支持。
-
Claude Code源码泄露事件分析
Anthropic公司旗下Claude Code的源码泄露事件引起广泛关注。泄露的源码中包含了功能特性Kairos，这使得Claude Code不仅仅是一个命令行编程助手，而是朝着全能助手方向发展。Kairos允许Claude Code在终端中运行，支持自定义系统提示词、简化交互视图、定时触发等功能。此外，Kairos还与MCP通道通知、GitHub webhooks等模块紧密结合，展现出持续待机、接收信号即工作的设计理念。
这次泄露让外界清晰地看到了Anthropic如何将多个模块整合成一个完整的agent闭环，对其他公司来说，复制这套逻辑并非难事。虽然复制客户端源码并不意味着复制Anthropic的全部能力，但这次事件无疑削弱了Anthropic在行业中的竞争优势。
泄露事件对Anthropic的影响不容小觑。Claude Code作为公司的核心产品，占总收入比例高达18%。2026年初，其年化收入规模已达到OpenAI同类产品Codex的2.5倍。这次泄露让Claude Code面临更多模仿、审计和比较的竞争压力。
更重要的是，这次泄露不仅暴露了技术问题，更暴露了Anthropic在发布流程上的疏漏。对于一家强调可靠性、安全性的企业级产品供应商来说，这无疑是一个打击。Anthropic计划在2026年上市，而这次事件可能会让资本市场对公司的管理成熟度和知识产权保护能力产生质疑。
-
AI图像识别的“幻觉”弊端
一项医学AI项目中，一个学生的疏忽意外揭示了AI的一个重大缺陷：即使没有读取图像数据，AI仍能“正常”回答问题，给出看似合理的分析结果，并在图像理解基准测试中获得高分。斯坦福大学的研究表明，许多多模态AI系统在未能成功读取图像时，并不会报错，而是“编造”出图像识别、理解再到推理的全过程，给出看似合理的结果。研究者甚至训练了一个纯文本模型，没有图像识别能力，却在胸部影像问答基准中超过了所有前沿多模态模型，甚至人类医生。这暴露出我们用来测试“视觉理解”的基准可能并未真正测试视觉能力。研究人员发现，即使去掉题目配套的图片，顶尖AI模型仍能在超过60%的题目中给出详细的视觉描述。这些模型倾向于诊断出严重疾病，误导医疗决策。AI的“自信”在实际应用中可能造成严重后果。研究者提出，当前的训练和评测体系无法确保AI在回答时真正依赖了图像信息。他们建议引入新的事后框架B-Clean，剔除那些AI在没看图的情况下也能答对的题目，以真正考验AI的“视觉能力”。研究表明，许多所谓的“视觉理解能力”得分并不属于视觉，而是来自语言统计、数据分布和题目结构。当前的训练方式和评测体系正在奖励“看起来像理解”的行为，而非基于证据的推理。AI在什么都没看到的情况下，仍能“演出”看见、理解、推理的全过程。当推理不再是证据，高分也不再说明任何事情，我们如何判断AI是否可靠？这是AI领域亟待解决的问题。
