全球最大的云厂商，正在重构其在 Agent 时代的云计算核心。

美国东部时间 2025 年 12 月 2 日上午（北京时间 12 月 3 日凌晨），在拉斯维加斯举行的 re:Invent 大会上，亚马逊云科技宣布了一系列围绕 AI Agent 的重大更新：一方面是面向客户的 Agent 应用和平台工具，如 Amazon Connect、Kiro 等；另一方面是面向未来的底层基础设施，包括新一代 Trn4 AI 芯片以及 Trn3 超级服务器等。

今年以来，AI Agent 的爆发正在深刻影响企业工作流和生产力模式。亚马逊云科技的这些新产品和发布，似乎在回答两个关键的行业问题：如何确保 Agent 安全合规地「用好」，以及如何让 Agent 以经济可行的方式「跑起来」。正如亚马逊云科技 CEO Matt Garman 在主题演讲中所强调的，最终目标是实现「将 Agent 投入工作」（Put Agent into Work）。

如何让 Agent 可用丨来自：2025 re:Invent

有意思的是，在长达 2 个小时的主题演讲中，Matt Garman 用了 1 小时 50 分钟的时间介绍 AI 基础设施和全新的 Agent 产品，而只用了 10 分钟的时间提及传统云产品升级（如实例、存储、数据库等）。11:1 的时间分配对比，也印证了 AI Agent 及其背后的基础设施，已成为当下云厂商们最重要的战略核心。

Agent 应用与治理：从模型到可控的「数字员工」

AI Agent 的价值不再是传统的「聊天」，而在于「行动」。今年 re:Invent 期间，AWS 发布了一系列围绕 Agent 构建的产品和应用。

一方面，在企业服务领域，AWS 将 Agent 融入到各类传统的平台和工具之中，对后者实现技术升级从而提高生产效率。今年，针对企业数字化经营中最耗时、最复杂的三个领域：代码运维、应用现代化和客户服务，AWS 推出了一系列 Agent 产品。

三个不同场景的 Agent丨来自：2025 re:Invent

首先是在代码和运维领域，AWS 发布了多个 Agent 产品。其中 Kiro Autonomous Agent 值得关注。以前的 AI 编程工具虽然能写代码，但往往把开发者变成了忙于搬运上下文和协调工具的「助理」。而 Autonomous Agent 解决的就是这个问题，它可以被视为团队中一位 24 小时待命、过目不忘的「影子开发者」。

开发者只需专注于核心难题，把修 Bug、跨库变更等繁琐任务直接丢给它。它不仅能在后台自主规划并执行，还能像真人一样记住跨会话的上下文，通过连接 Jira 和 Slack 深度学习团队的业务逻辑与协作规范。随着每一次代码审查，它会越来越懂你们的产品和标准，真正成为团队共享的「超级大脑」，让开发者只做决策，不再打杂。

还有 DevOps Agent。从国内的「双 11」到海外的「黑五」，大型数字营销活动背后，技术运营人员熬夜加班已经成为常态。当下的模式是系统监测预警，技术人员需要随时待命处理每一个问题。而 AWS DevOps Agent 像是一个永不眠的运维员工，可以 24 小时调查事故和识别运营问题，从而大幅减少需要提报告给运营人员的警报数量，让后者可以更轻松更高效地处理那些真正有价值的问题，而非一直被一些没什么意义的警报轰炸。

「炸掉」技术债务丨来自：2025 re:Invent

同时，Agent 还在重塑企业的核心资产——传统应用。今天很多企业面临沉重的「技术债务」，很多传统应用的工作负载都运行在大型机、VMware 等传统服务器上，云迁移虽是趋势，但也是巨大的负担。而 Amazon Transform Agent 就像一位专业的「全能代码重构工程师」，能够对任何代码、API、语言、甚至企业自有的编程语言或框架进行定制化转换。这种能力将传统应用现代化的速度提升至 5 倍，减少 80% 的时间和成本。

在客服领域，Amazon Connect 的新 Agent 也帮助这个产品实现了能力飞跃。此次 Amazon Connect 一口气发布了四项更新，包括用更先进的语言模型提供更加自然、类人的对话体验；同时让 AI 掌握工具从而完成整理材料、执行常规流程等工作，让其与真人员工更好地协作；以及基于历史行为和点击流等构建客户画像，让 AI 可以提供更加个性化的推荐。

另外，随着企业部署越来越多 AI Agent 参与客户交互，理解其决策过程对保障服务质量与合规至关重要。Amazon Connect 还新增 AI Agent 可观测性功能，为企业提供高度透明度——清晰呈现 AI 的理解内容、使用的工具以及决策过程。这种可见性帮助企业优化性能、确保合规，并增强对 AI 交互体验的信心。

除了在已有的服务场景中引入 Agent 能力，另一方面，AWS 也对构建 Agent 的平台工具进行了升级。其中最核心的是加强了 Agent 的治理与评估，让客户可以为 Agent 行为设置「红线」。

让 Agent 可评估和被约束丨来自：2025 re:Invent

随着 Agent 获得执行企业操作的权限，可控性和可信赖性成为其规模化落地的首要前提。AWS 本次发布的重点在于：对 Agent 的约束，必须从传统的「内容安全」转向更高级的「行为治理」。

AWS 推出的 Policy in AgentCore 功能，正是针对 Agent 行为治理的新工具。它允许用户使用自然语言来设定 Agent 的行为边界。这与传统安全护栏（Guardrails）仅过滤语言内容不同，Policy 可以简单地创建和管理 Agent 运行策略，并在 Agent 工作流中进行实时检查，确保 Agent 的操作始终在预设的权限范围内。

此外，为了确保 Agent 在实际工作中的表现，AWS 还推出了 AgentCore Evaluations。这项服务允许基于真实世界的行为对 Agent 的工作质量进行持续检查和评估，为企业规模化部署 Agent 提供了可靠的性能衡量标准。

通过这一系列治理工具，AWS 试图告诉企业：AI Agent 是可以信任的。只要设置了明确的「红线」，平台就能保证 Agent 的行为始终在安全边界之内。

基础设施升级：构建 AI 应用生态的算力和模型「基石」

如果说 Agent 是台前的「数字员工」，那么支撑它们日夜运转的基础设施就是幕后的「超级工厂」。

今年 AWS 在基础设施层面的动作，似乎在向行业传达一个信号：要让 Agent 真正普及，不仅要让它变得聪明，更要让企业「用得起」且「不论用什么模型都能跑得好」。

首先是算力层面。Agent 时代对算力的消耗模式发生了根本改变。过去，企业关注的是「训练」一个大模型需要多少张卡；而在 Agent 时代，成千上万个 Agent 需要 24 小时在线，进行持续的推理、规划和工具调用。推理成本如果居高不下，Agent 就无法大规模落地。

Trn3 UltraServer丨来自：2025 re:invent

Matt Garman 在会上宣布，AWS 正式推出了由第四代 AI 芯片驱动的 Amazon EC2 Trn3 UltraServer。作为 AWS 首款采用 3nm 工艺制造的 AI 芯片，Trainium3 实际上是在构建一种比通用 GPU 更具性价比的算力替代方案。每颗芯片提供 2.52 PFLOPs 的 FP8 计算能力，配合 144 GB 内存（比上一代提升 1.5 倍），它完美契合了 Agent 应用中长上下文架构和多模态推理的需求。

Trn3 UltraServer 服务器最多可以集成 144 颗 Trn3 芯片，并可以通过 EC2 UltraClusters 扩展至数十万颗。而对于企业最关心的成本问题，Trn3 在 Bedrock 上的表现是：相比 Trn2，性能提升 3 倍，每 MW 能耗的输出 Tokens 数提升超过 5 倍。对于目前 AI 算力昂贵的挑战，Trn3 的推出可以起到明显的降低作用。

而在模型层面，AWS 再次证明了自己是「最开放的 AI 平台」。通过 Amazon Bedrock，AWS 打出了一套「自研强模型 + 全球全明星模型托管」的组合拳。

自研模型方面，AWS 正式发布了下一代 Amazon Nova 2 模型家族。其中包括了针对 Agent 语音交互优化的 Nova 2 Sonic——这是一款新一代的 speech-to-speech 模型，它不仅具备行业领先的对话质量和更低延迟，还能实现实时、人类般的语音对话。

此外，AWS 还推出了 Amazon Nova Forge，首次引入了「开放式训练模型」理念。它解决了企业「既想深度定制又怕灾难性遗忘」的痛点。与今天大多专有模型依赖后训练的精调或者接入专用数据库不同，Forge 允许开发者访问 Nova 训练检查点，并在训练的每一个阶段将自有数据与 Amazon 精选的数据集深度融合，从而训练出既理解业务又保留大模型智能水平的专属模型。

Bedrock 的模型合作伙伴丨来自：2025 re:invent

另外值得关注的是，今年 AWS 展现出对中国本土 AI 模型前所未有的拥抱。在 Bedrock 新增的 18 个完全托管模型名单中，三家中国公司的四个模型名列其中：

• 月之暗面的 Kimi K2 思考模型：具备深度推理能力，能在使用工具的同时进行思考。
• MiniMax AI 的 MiniMax M2 模型：适合 Coding 和自动化场景，擅长多文件编辑和长工具调用链，被视为开发者 Agent 的强力大脑。
• 阿里巴巴的 Qwen 模型：其中的 Qwen3-VL 能将屏幕截图直接转换为可运行的代码，并自动执行界面点击操作，是自动化 UI 操作的神器。

过去，全球云厂商往往更倾向于绑定少数几家欧美头部模型厂商。而 AWS 此次将 Kimi、MiniMax、Qwen 等中国顶尖模型纳入核心库，不仅是因为这些模型在性能上已经具备了全球竞争力，更显示了 AWS「互联互通」的生态格局。

对于企业而言，这意味着选择权的极大丰富。无论是需要 Mistral Large 3 这样的长文档处理专家，还是需要中国本土的优秀模型，AWS Bedrock 正在变成一个打破地域和技术栈隔阂的「万能转换插座」，让算力和模型真正成为像水电一样的资源。

当喧嚣退去，AWS 正在为 AI Agent 制定「基本法」

乍看之下，今年的 re:Invent 似乎显得有些「波澜不惊」。这里没有令人瞠目结舌的参数大跃进，也没有颠覆认知的「黑科技」突袭。

Trn3 的性能提升固然强悍，但基本也在预期之内；更有性价比的 Nova 2 和首次推出的语音模型，虽然让人眼前一亮，但在如今 SOTA 模型遍地跑、参数竞赛白热化的行业背景下，似乎也算不上「核弹级」的重磅发布。即便是最受关注的 AI 编程工具 Kiro 和 Agent 开发平台 AgentCore，也多是基于既有产品的更新——这些关于安全性、可观测性或辅助功能的修修补补，难免让人产生「没什么大动作」的错觉。

然而，这种「平淡」或许正是 AWS 最厉害的地方。当我们将视线从单个产品移开，投向整个产业，会发现 AWS 其实在定义下一代基础设施的路上，迈出了极为关键的一步。

AWS 做对的第一件事，是率先打破了 Agent 的「空谈」阶段。在大多数平台还在比拼 Agent 框架的灵活性、推理速度时，AWS 敏锐地意识到：企业需要的不是一个能聊天的机器人，而是一个能干活的员工。于是我们看到，Transform Agent 被用来解决棘手的技术债务，DevOps Agent 被用来处理繁琐的运维报警。

AWS 不再只是提供一个简单的 LLM 接口，而是将行业 Know-how（如 19 年的运维经验、代码迁移经验）封装进 Agent，将其打造成了真正能解决具体业务痛点的「成品工具」。这种「将能力封装为产品」的思路，标志着 Agent 从技术玩具正式迈向了商业实战。

更深层的变革在于 Agent 治理。Agent 的运行范式与过去的 Chat 类应用和传统的云计算业务有着本质区别。传统的云关注「资源」，Chat 应用关注「内容」，而 Agent 关注的是「行动」。将一个拥有自主决策权的 Agent 放入企业的核心业务流，其风险不亚于招聘一名不受控的员工。难点不在于如何让 Agent 跑起来，而在于如何让它不乱跑。

Policy in AgentCore丨来自：2025 re:invent

AWS 在本次大会上展示的 Policy 功能，实际上是在尝试重新定义一套 Agent 时代的治理范式。这种用自然语言设定边界的方式，不再是死板的代码约束，而更像是给数字员工颁布一套「法律」。它让管理者可以用人类的逻辑（如「退款金额不得超过 1000 元」）来约束 AI 的行为。这种治理模式的建立，比单一模型的性能提升更具战略意义——因为只有解决了「可控性」和「合规性」这两个拦路虎，企业才敢真正让 Agent 接入核心业务。

最终，当我们重新审视这次 re:Invent，会发现它的意义不在于某个单品的参数碾压，而在于生态位的抢先占领。当大多数玩家还沉浸在解决架构优化和算力堆叠的「基建期」时，AWS 已经通过一系列真实的落地案例和完善的治理技术栈，开始为行业「打样」——它展示了一个 Agent 在真实企业环境中，应该如何被构建、如何被管理、以及如何产生价值。

这或许不是一场充满噱头的发布会，但对于渴望用 AI 提效的实体产业而言，AWS 正在构建的那套让 Agent「可用、可控、可信」 的基础设施，可能是通往未来的真正门票。

今年在拉斯维加斯举行的「云计算春晚」——re:Invent，新增了一个非常特殊的板块：体育论坛（Sports Forum）。

如果你是 re:Invent 的常客，大概会对其典型的「硬核技术风」印象深刻：在威尼斯人酒店望不到头的长廊里，数百个会议室密集输出着关于架构、代码和 AI 的硬核干货；展区里则密密麻麻排列着大大小小的展位，一张桌子、一台演示 demo 的笔记本，往往就代表着一个复杂的 ToB 产品。

这里的空气，充斥着「计算存储」、「云原生」、「Agentic AI」等术语。走廊里随处可见行色匆匆的开发者，或是盘腿坐在地毯上敲代码的极客，抑或是坐在简易塑料桌椅上低声洽谈百万级合作的行业伙伴。

Sports Forum 丨来自：2025 re:Invent

但当你推开 Sports Forum 的大门时，画风发生了一百八十度的大转弯。我甚至一度怀疑自己是不是走错了片场。这里不再是严肃的技术讨论场，而是一个充满活力的「主题乐园」。眼前不再是枯燥的代码屏幕和架构图，而是投篮机、正规尺寸的半场篮球场、乒乓球台，以及轰鸣声不断的 F1 模拟器和激战正酣的电竞舞台。

但如果你认为这仅仅是个活跃气氛的「游乐场」，那就被骗了。事实上，这可能是整个 re:Invent 技术含量最高的区域之一。揭开这些娱乐设施的幕布，背后全是硬核的算力和算法。亚马逊云科技正在用云和 AI，在体育行业里掀起新一轮技术革命。

Sports Forum 里的 VR 观赛体验区丨来自：2025 re:Invent

展馆中央的 NBA VR 体验区格外引人注目。戴上头显后，你不再是个被固定在座位上观看 360 度全景的观众，而是能以裁判甚至球员的视角，自由观看比赛名场面。更令人惊喜的是，系统还能实时展示投篮难度、防守统计等高端数据分析。

我瞬间意识到：这不仅是显示技术的进步，更是 AI 技术的深度应用。

NBA 的数据革命：从「统计结果」到「理解过程」

NBA 名宿、怒吼天尊拉希德·华莱士有一个标志性台词：「篮球不会说谎。」

这个名言广泛流传于 NBA 文化圈，并被勒布朗·詹姆斯等明星球员在比赛中多次引用的背后，其实道出的是职业球员的无奈：数据很多时候并不能反映真实的比赛过程。而这一现象，正在随着科技的发展迎来改变。

2025 年 10 月 2 日，当 NBA 宣布与亚马逊云科技达成战略合作的那一刻，篮球这项拥有百年历史的运动，悄然迎来改变。

对于资深球迷而言，我们习惯了用数据去评价球员：得分、篮板、助攻，进阶一点的看 PER 值、正负值。但坦白讲，这些传统的高阶数据依然停留在「统计学」的范畴——它们记录的是结果，而不是真正体现出比赛过程。

这就导致了「数据刷子」的存在，也导致了许多隐形价值被忽略：库里无球跑动时对防线的巨大牵制力，在统计表里是 0；一位防守悍将对持球人的窒息逼抢，只要没产生抢断或盖帽，在数据栏里也是空白。而即使效率值和正负值这种高阶数据，实际上也很难完美体现出每一个不同个性和特点的球员在场上的真正作用。

而亚马逊云科技带来的技术解法，是让机器真正「看懂」比赛。

通过计算机视觉和机器学习技术，现在的系统不再只是记录「球进没进」，而是以每秒 60 次的高频率，实时捕捉并分析球员身上 29 个骨骼点的移动轨迹。

这标志着体育数据从「结构化统计」迈向了「多模态理解」。基于此，NBA 在 2025-26 赛季能够推出三项全新的高阶数据：

投篮难度指数丨来自：亚马逊云科技

第一，防守数据统计（Defensive Box Score）。防守一直是篮球场上的「玄学」。过去我们评价追梦格林防守好，全凭印象流。现在，AI 算法能实时识别每一秒钟「场上谁在防谁」，并计算防守施压频率、协防质量等。这意味着，防守端的贡献第一次有了客观的数据标尺。

第二，投篮难度指数（Shot Difficulty）。不是所有的两分球都生而平等。空位吃饼的 50% 命中率，和在双人包夹下后仰跳投的 45% 命中率，含金量截然不同。新系统通过分析投篮时的身体平衡、防守干扰距离等因素，计算出每一次出手的「难度分」。它能有效区分「体系球员」和「巨星硬解」，还原球星的真实价值。

第三，引力指标（Gravity）。这可能是最令战术分析师兴奋的指标。它通过复杂的三角函数运算，量化一名无球球员吸引了多少防守注意力，以及为队友拉扯出了多大的空间。库里那种「虽然没拿球，但整个防线都因我而动」的影响力，终于变成了可视化的数据。

除了赛场上数据统计规则的重塑，场下的训练和观赛体验也在被改写。

数字投篮实验室丨来自：2025 re:Invent

在 Sports Forum 现场，NBA 多伦多猛龙队展示了他们的「数字投篮实验室」。利用先进的摄像机网络和 AI，系统能实时捕捉每一次投篮的详细生物力学数据，即时分析姿势、轨迹和发力机制。这相当于给每位球员配备了一个拥有「火眼金睛」的 AI 助教，能精确指出哪怕 1 度的姿态偏差。

亚马逊云科技的体育科技：当 AI 介入毫秒级的竞赛

不仅是 NBA，如果我们把视野拉宽，会发现亚马逊云科技构建的这套技术栈，正在重塑整个职业体育的「竞技」与「体验」。

首先是在残酷的职业赛场，比如毫秒必争的 F1、NFL 等比赛，AI 正在成为球队的新助教。

模拟 F1 车队进站换胎丨来自：2025 re:Invent

以 F1 法拉利车队为例，进站换胎是 0.1 秒级的战争。法拉利利用亚马逊云科技 SageMaker 开发了一套进站分析系统，将完成单次进站分析的时间从数小时压缩到了 60-90 秒。系统通过 AI 视觉识别，能自动分析换胎工的每一个动作细节，帮助车队在每一场比赛中寻找那微小的效率提升空间。同时，在车辆设计上，亚马逊云科技的高性能计算如同「数字风洞」，通过千万次的流体力学模拟替代昂贵的物理测试，让赛车设计的迭代速度提升了 70%。

而在对抗激烈的 NFL（职业橄榄球大联盟），亚马逊云科技协助创建了「数字运动员」（Digital Athlete()）平台。这实际上是在云端构建了球员的「数字双胞胎」。系统运行了数百万次比赛场景模拟，涵盖了相当于 10000 个赛季的数据，以此来预测受伤风险。NFL 最近修改的开球规则，正是基于这些模拟数据，在保护球员安全与保证比赛观赏性之间找到了最优解。

而对于屏幕前的观众，AI 正在将「看热闹」升级为「看门道」。

今年 re:Invent 期间，亚马逊云科技 CEO Matt Garman 发布了新一代自研的 Amazon Nova2() 的系列模型，不仅有高性价比的推理模型 Lite、处理复杂推理的 Pro, 语音模型 Sonic, 这次还推出了业界首个真正统一的多模态模型 Omni。

而在过去一年里，Nova 模型正在悄然改变着体育行业的内容生态。

AI 辅助生成的德甲短内容丨来自：2025 re:Invent

比如德甲联赛，就在尝试利用亚马逊云科技的技术能力，成为最受球迷欢迎的足球联赛。其负责人在 Sports Forum 上分享了德甲联赛如何利用 Nova 改造了其内容生产的工作流，包括帮助编辑节省时间的「自动化战报」、「德甲故事」，翻译和转录来实现视频本地化，在保持比赛原声和氛围的同时，自动完成多语言转换, 以及满足球迷查阅和聊天需求的「AI 球迷助手」。

现代体育赛事本就是一个多维度信息的融合：从实况解说的语音，到精彩瞬间的画面，从战术数据的分析，到球员表情的特写，每一个环节都在传递着比赛的张力与故事。Nova 的多模态处理能力恰恰可以满足这种复杂场景的需求，精准处理这些交织在一起的文本、图像、视频和音频信息，为球迷带来更丰富的观赛体验。

还有更早推出的「比赛事实」（Match Facts）。AI 实时计算「预期进球概率」（xGoals），让观众直观地知道，这个球没进究竟是运气太差，还是射术不精。更有趣的是「技能角色卡」功能，AI 能自动分析出谁是「终结者」，谁是「策动者」，让伪球迷也能瞬间秒懂场上球员的战术定位。

通过这些措施，德甲编辑可以在人手不变的情况下，几倍增加生成内容，不论是海外球迷、新球迷还是硬核球迷，都能有更好的观赛体验。

而伴随技术进步，生成式 AI 也在改变我们观看比赛的互动逻辑。比如开头提到的 VR 观赛，就用到了 NBA 最新的 "战术探索"（Play Finder()）功能，允许球迷用自然语言搜索视频。你不用再输入复杂的关键词，只需说一句「帮我找东契奇所有的后撤步三分」，AI 不仅能理解语义，还能结合对球员骨骼移动轨迹的分析，从海量历史视频库中精准匹配出相关片段。

AI 改变竞技体育丨来自：2025 re:Invent

结语

走出 Sports Forum，我不禁思考：为什么亚马逊、微软、谷歌，以及国内的阿里云、腾讯云等科技巨头，都要在体育领域卷得这么厉害？

仅仅是为了卖云服务给体育联盟吗？我想这只是商业的一面。

从技术演进的角度看，体育正在成为 AI 的终极试炼场。

历史上，F1 赛车一直是汽车工业的试验场，如今的民用车技术许多都源自赛道；NBA 和世界杯则是鞋服科技的试验田。而现在，体育场景拥有最极端的要求：毫秒级的低延迟、物理世界的极端复杂性、以及难以预测的球员动作。

如果亚马逊云科技的 AI 能力，能在 NBA 总决赛中提供毫秒级的投篮概率预测，能在 F1 赛车 300 公里时速下完成实时推理，能在 NFL 的肌肉丛林中准确预测人体风险……经历过"魔鬼级"应用场景下一系列的"抗压测试", 那么，证明这套技术在物理世界中具有了极强的鲁棒性。

这种溢出效应的价值前景非常可观。今天我们在 Sports Forum 里看到的、用来保护 NFL 球员膝盖的算法，明天可能就会应用在老人的康复医疗中；今天用来分析 F1 赛车流体力学的算力，明天可能就会用于设计更高效的新能源汽车。

我们在 re:Invent 现场看到的，不仅仅是更精彩的比赛，更是 AI 技术通过体育这一载体，向物理世界和人体奥秘深度渗透的预演。

当科技的终极命题遇上人类最纯粹的竞技热情，一个由数据驱动、AI 赋能的新纪元，正在加速到来。

基金经理绩效薪酬与基金业绩强挂钩。根据《基金管理公司绩效考核管理指引》征求意见稿，对基金经理薪酬进行了调整，过去三年产品业绩低于业绩比较基准超过十个百分点且基金利润率为负的，其绩效薪酬应当较上一年明显下降，降幅不得少于30%；低于业绩比较基准超过十个百分点但基金利润率为正的，其绩效薪酬应当下降；低于业绩比较基准不足十个百分点且基金利润率为负的，其绩效薪酬不得提高；显著超过业绩比较基准且基金利润率为正的，其绩效薪酬可以合理适度提高。（财联社）

今年10月30日，大湾区重大工程——广州白云国际机场T3航站楼及第五跑道正式投运，白云机场成为中国民航首个拥有五条商用跑道的机场。如今，T3航站楼运行已超一个月。T3航站楼投运后，已有5家航司的国内业务从T1航站楼转场至这里，日均执行航班达158个，日均旅客吞吐量达2.6万人次左右。（央视新闻）

国泰海通董事长朱健当选新一届中国证券业协会会长。（新浪财经）

阿根廷经济部长路易斯·卡普托5日确认该国将发行美元国债，标志着阿根廷重返国际债务市场。卡普托表示，阿根廷政府将于10日发行年名义利率为6.5%的债券，到期日为2029年11月，筹集的美元将部分用于偿还将于明年1月到期的债务。这是2018年1月以来阿根廷首次在国际债务市场上寻求外汇以偿还到期债务。卡普托强调，本次发行的国债不是新增债务，而是用来偿还旧债务。（新华社）

36氪获悉，12月6日，豆包手机助手发布声明称，网传“豆包手机助手可以直接查询银行卡余额，并跳过认证读取用户信息”为谣言。豆包手机助手表示，其仅在用户的要求与授权下帮助用户查询银行卡余额，其中涉及敏感操作，需用户手动确认。此外，豆包手机助手在用户授权操作的过程中，并不存在系统权限可以直接跳过密码、人脸识别等类似认证环节，查询过程中仍需用户手动完成符合银行App要求的真人检测、密码输入等。

12月6日，据美国国家公路交通安全管理局（NHTSA）披露，由于后灯条的外透镜或焊缝可能存在裂纹，导致水分积聚，进而引发倒车灯失效或闪烁故障，福特汽车公司正在召回部分2025款林肯领航员车型，共计1195辆。（界面）

12月6日，在中国证券业协会第八次会员大会上，证监会主席吴清围绕证券行业高质量发展发表致辞。吴清指出，中国证券业协会的新一届会长将由行业代表担任，这对协会制度提出新的要求，无论是专职还是兼职，都要和舟共济，不断增强全体会员的认同感、向心力和参与度，切实提升共建、共治、共享质效。（证券时报）

微软当地时间12月5日投票通过了所有公司支持的提案，包括选举12名董事及2026年股票计划。据报道，首席执行官萨蒂亚·纳德拉的薪酬从去年的7910万美元提升至9650万美元，沃尔玛首席财务官约翰·戴维·雷尼出任微软董事会的提名也获得批准。（界面）

作者丨黎曼

今年5月，金沙江创投主管合伙人朱啸虎的新动向引发关注——当时“宣称不看好人形机器人”的他，在批量退出人形机器人项目后，转身又投了一家水下机器人项目——世航智能（下称世航）。

当时，外界已经解读过朱啸虎的操作。朱啸虎退出人形机器人是因为商业前景不明，并公开宣称人形机器人“客户仅用于研究或展示，未创造持续价值”。而他转身投资的公司则属于“务实投资”，具备深度场景力、能快速商业化。

世航成立于2023年，是国内最早研究，且最先完成水下清洗机器人商业化的企业。其以水下通用机器人为主线，产品“虎鲸”系列构建了水下0-1万米海洋生产力，目前主要应用在洗船领域。

“你们的产品是不是水下面有个人在推着跑？”起初，世航团队也收到了不少质疑，创始班子只能不厌其烦地解释“完全不是”。最近，世航联创兼COO曹颖告诉我：“今年公司开启商业化，收入呈十倍级增长，预计明年盈利。”

曹颖透露，水下场景的研发费用其实会高于其他场景的人形机器人。这放在整个机器人赛道来看，在大量研发烧钱后，能够在一年多时间完成盈利的并不多见。

大家可能不知道，世航快速商业化的背后，和它颇具前沿的商业模式——“AI为结果付费”颇为相关。

具体解释一下就是，它每清洗一艘船，船东就付一次的清洁费。船东愿意为其付费的动力在于，清洗完的大船，不仅能取代无法检验的人工清洗，还能节省油费。“经过我们清洗完的轮船，每天能节省10万元油费。”

这对世航来说有两大好处：一是，产品能够更精准的解决客户需求。二，能够打开收入规模天花板。这颠覆了行业以往卖硬件、SaaS、或者集成方案的收入模式。

其实不止是世航，国内外很多明星企业已经开启了“AI为结果付费”的商业模式时代，且这已经成为了当前全球AI巨头及资本巨擘的共识。

在今年5月闭幕的第三届红杉资本AI峰会的闭门会议上，包括红杉资本合伙人Pat Grady、OpenAI首席执行官Sam Altman、谷歌首席科学家Jeff Dean等在内的全球150位顶尖AI创始人，经过6小时的深入探讨，众多前沿观点和共识浮出水面。其中，Outcome-based Pricing（基于结果定价）,Outcome-as-a-Service（结果即服务）成为最为核心的观点之一，这意味着：“下一轮AI，卖的不是工具，而是收益。”Pat Grady把这称为“万亿美元机会”。

在国内，同频共振的机构也已出现。“我们正在找寻这类商业模式的公司，也会推动一些有潜力的企业朝这个方向转型。”盛景嘉成创投管理合伙人王湘云表示，这一收费模式让一些被投企业实现了收入和利润十倍级的增长。

在“AI泡沫”论断不断警醒着创投界的当下，一条更加明晰的商业化路径出现了。这就像混沌中出现的一道曙光。

因何提出？

在中国，盛景是较早提议该商业模式的机构。

2025年3月，盛景提出AI RaaS（Result-as-a-Service，结果即服务），即极致化结果导向模式，敢于以结果作为定价、收费或盈利的依据，并将其形象地比喻为“AI业主或AI甲方”，主张只有端到端服务并深度嵌入物理世界，才能真正创造价值。

实际上，世航的商业模式便是盛景促成的。在一次商业组织上，世航创始人陈晓博认识了盛景网联董事长、盛景嘉成创投创始合伙人彭志强，彼此观念和价值观一致，刚起步世航就听从了彭志强的建议，以结果付费为商业模式，并由盛景投资其天使轮。

到底是提供设备，还是提供结果，团队进行过财务测算。“最终，我们发现提供结果是最优方案，因为次数可以无限次拉大，最终结果也将无限大。而对于客户来说，10万洗一次船和花上百万买机器，哪一个决策成本高？显然是后者。”曹颖回忆。

这件事发生在2023年，一个无限机遇和资本环境寒冷相叠加的一个年份。当时30岁左右的年轻科学家陈晓博已经在水下机器人世界探索了18年。商业模式得到验证后，才有了今年年初朱啸虎投资的手笔。据悉，朱啸虎的资源和能力帮助世航打开了局面，朱啸虎则上车了中国最具潜力的水下世界机器人项目。

为什么盛景的响应如此快速？

王湘云告诉我，是SaaS模式的瓶颈推动了这一变革。“我们在上一轮SaaS投资周期的过程中发现，美国SaaS行业发展如火如荼，企业拥有很高的估值，而国内的SaaS产业，无论从收入、估值还是退出，整个链条都面临着巨大的压力和挑战。”总之，一句话：“算不过来账了。”

所以团队得出结论：单纯仿照美国模式在中国不一定行得通，应该将软件逻辑放在产业互联网和更长业务链条中考虑。顺着这个逻辑，盛景也成功投资出了一些企业。

时间来到2022年，ChatGPT推出后，进入AI驱动的新一轮产业周期。盛景观察到，随着AI基础模型的迭代，一些“简单套壳”应用的路会越走越窄，所以，简单的套壳项目长期、可持续的资本价值面临挑战，那需要增强何种能力才能不被吃掉？

于是，盛景的思考结果是：要有强大的场景能力，并以结果来收费。通过投资案例发现，以结果为导向的收费模式能让收入和利润有十倍级增长。盛景在此的投资案例除了世航外，还包括凌云智矿——一家AI矿产勘探公司。

为此，盛景研究院还不断发文，推出“AI RaaS全球案例30”系列，系统拆解标杆企业，为本土创业者提供可借鉴的范式。

这一思路已经得到了不少投资人的认同。资深投资人云客也告诉我：SaaS模式，极有可能在AI时代终结，这背后逻辑包括两点：

一是付费逻辑变化了。SaaS的本质是让用户为工具付费，但工具只是手段，解决不了最终结果。但AI可以直接替代劳动力，所以这是一个远比SaaS大得多的市场。

二是AI最优质的模型都是闭源的，掌握在巨头手中，套了壳的新一代SaaS几乎无法构建护城河。

目前，云客也在找寻这类有商业潜力的企业。

有何标准？

或许不少人会困惑，AI agent按照结果付费，这个衡量标准是什么？

以世航为例。曹颖坦言，公司需要通过实际作业效果，如为客户省油来逐步证明价值，教育市场。这个过程具有挑战性。

曹颖总结，最终能够实现“为结果付费”这一商业模式，核心依赖于以下三大能力：

一是，断崖式领先的硬件与系统集成能力；二，持续迭代与构建壁垒的“燃料”，通过清洗“上千条船”，积累了在不同船型（散货船、集装箱船等）、不同海域（北海、东海、南海）、不同水质、不同季节下的作业数据。这是任何只卖设备或不直接面对终端客户的公司无法获得的；三，服务结果可量化、可验证。

目前，世航已经成为国内拥有最多水下场景数据的公司。“后来者很难追上。”不过，曹颖也介绍，公司在跑通商业模式的过程中基本是“在国内卷，在海外赚钱。”

一方面，国内船东对价格非常敏感，更倾向于选择成本最低的方案，即使服务质量参差不齐。如日本、新加坡等海外市场，人工成本更高，且更认可技术的价值，并愿意为此支付更高的价格，海外客单价能达到国内的“三倍以上”，所以公司目前正积极开拓海外市场。

在国际上，RaaS模式正在多个领域得到实践。Clay、Sierra、11X等公司已从传统软件订阅模式，发展到按任务收费或基于任务与结果的混合定价模式。

由OpenAI董事会主席Bret Taylor创办的AI客服独角兽Sierra尤为激进。它不是一个简单的客服系统，而是一个闭环成交的销售Agent平台，帮助品牌从首问到下单全流程完成销售。

它不光接触客户，更负责转化结果，真正走上“你给我一笔预算，我给你带来多少GMV”的路线。

其中有一个细节更直观：当AI智能体独立解决了来电或在线咨询的需求时，Sierra会收取一次费用;如果最后必须转人工，那这次就是免费的。

“我们很喜欢这种模式，我也认为这会成为智能体的标准商业模式。”Bret Taylor如此表示。Sierra成立于2023年，现已化身为百亿美元估值的独角兽。

Ramp则将这一思路推向极致。这是一家在2019年成立于美国纽约的金融科技公司，它从一张企业信用卡起步，旨在用技术手段颠覆传统企业支出管理方式，帮助企业省时省钱。它不卖企业一个财务系统，而是直接承诺节省多少费用。它的AI能自动识别冗余订阅、谈判降价、预测风险，把“用这个工具的收益”变成KPI。

要总结一个更普适的“结果型产品”的衡量指标的话，在红杉的闭门峰会上，红杉给了三大判断标准：是否能跑完一个完整任务流程；是否具备任务执行中的持久性；是否能交付可衡量的业务价值。

在盛景团队看来，这一模式的普及是一个渐进的过程，按智能度可以分为L1-L4四个等级：

L1代表以线上数字应用为主、偏高度重复、流程清晰、标准化程度较高的短流程业务，比如目前在法律、客服等行业会率先实现应用。L2往往是需要复杂推理和工具调用和整合的长运营流程、并且很多时候会需要调用硬件工具参与落地。L3更偏重帮助客户实现产品和服务的销售闭环，并最终实现销售收入的结果分成，这意味着AI服务的外向型链接能力得到质的提升；L4则跃升为“AI业主”，不仅具备AI服务能力，更借助AI优势成为核心资产或公司价值的主要或部分的“所有者”。

王湘云认为，智能等级更高的业务相当时间内需要AI和高专业能力人进行高质量的协作配合，这是一个更为健康的AI产业化模式。未来随着技术成熟，AI占的比例会逐步提高；在整体推进速度上，市场化程度越高的供应链和价值链，AI RaaS的推进速度会越快。

AI蓝海和泡沫可以同时为真

AI agent产生在AI大模型落地应用之际，也置身于“AI泡沫”的大讨论之中。

2025年下半年，AI资本市场创今年4月份以来最差表现，纳斯达克指数单周跌幅超3%，更加引发了关于AI泡沫的更广泛讨论。

主要在于，OpenAI等头部企业面临巨额研发投入与商业化收入之间的鲜明反差：2024年其研发投入超过150亿美元，但商业化收入却不足30亿美元。

即使能够如Altman预期在2025年底的年收入年化率将超过200亿美元，到2030年增长到数千亿美元，也难以形成正向现金流。

与此同时，AI成本问题也日益凸显。大模型成本每年降10倍的预期，并未能挽救众多AI企业的付费订阅模式。

麻省理工学院的一项研究也引发了大面积的讨论，该研究指出：尽管企业在生成式AI上已经投入了300–400亿美元，但95%的组织尚未取得任何业务回报。

不过，云客强调，这里面有一个逻辑不能搞混了：“通用大模型本身和利用大模型能力赚钱是两件事。前者投入巨大，短期内必定是看不到回报的，它们的目的也并非快速盈利，而是抢占下一代技术革命的战略制高点。前者是属于少数国家队和科技巨头才能玩得起的游戏。而后者才是普通创业者去发力的地方。”

他认为，今年被高估的方向是人形机器人。“这个领域还在快速发展，在未来几年可能会看到突破，但如果期待快速大规模落地，我觉得是大大高估了。技术的发展必须经历几个阶段，没法快速跳过。可以看到，特斯拉也在今年下调了对Optimus的生产预期。”

那么，该如何看待当前的泡沫？

我想或许可以引用Sierra联合创始人兼CEO Bret Taylor在一次访谈里给出的一个明确但复杂的答案：

AI将重塑经济、创造巨大价值；同时，泡沫的确存在，也会有人亏很多钱。两者可以同时为真。

他认为当前的AI泡沫像极了互联网泡沫：确实互联网泡沫时期有很多失败案例，但把时间拉长到30年，我们看到Amazon、Google等巨头诞生，也看到Microsoft的云业务成为市值的重��支柱，更能直观看到互联网对全球GDP的深远影响——1999年的“乐观”，很多其实是方向正确。甚至像当年的Webvan（网上生鲜配送），也在智能手机普及、互联网规模成熟后，以Instacart、DoorDash等健康业务的形态“再现”。很多想法并不糟，只是来得太早。

此外，AI agent为结果付费的探索，会慢慢成为AI创收的新趋势。

总的来说，2025年AI Agent已在多个行业告别概念验证，进入价值兑现的阶段。在AI泡沫的讨论声中，RaaS模式的出现，为行业指明了一条务实的发展路径——AI技术必须回归商业本质，为客户创造可衡量的价值。这条路或许不像无限量融资、堆算力追求SOTA那样引人注目，但却可能更持久，更坚实。

本文来自微信公众号“东四十条资本”，作者：黎曼，36氪经授权发布。

中国是盾构机最大的消费市场，也是盾构机最大的生产国。在《金牌新字号》节目中，中铁智能装备盾构机总装车间相关负责人表示，截止到目前，中铁工业的盾构机已经出口到海外34个国家和地区。20多年前1台盾构机价格7亿元，如今中铁工业成功将盾构机的价格打到了原来的三分之一到四分之一。（央视财经）

当地时间12月5日，人工智能可穿戴设备初创公司Limitless宣布，公司已被Meta收购。Limitless制造一种小型AI驱动吊坠，可执行记录对话、生成摘要等任务。（界面）

12月6日，在中国证券业协会第八次会员大会上，证监会主席吴清围绕证券行业高质量发展发表致辞。吴清指出，证券公司要牢牢抓住提升治理有效性这个关键，把公司治理和股权管理的刚性要求真正落到实处，健全关联交易管理等利益冲突防范机制，坚决防范股东违规干预经营，坚决出清不适格的股东。吴清表示，要进一步加强交易管理，增强穿透管理的能力和针对性，提升不同类型投资者交易服务的公平性，维护好中小投资者合法权益，严防非法套利和扰乱交易秩序。要强化重点领域的风险防范，对融资融券、场外衍生品、私募资管等需要重点关注的业务，异地总部子公司等需要重点关注的机构，信用、流动性以及合规性等重点风险，必须“瞪大眼睛”、做到防患未然；对于加密资产等新业态要深入研判、审慎对待，看不清管不住的坚决不展业，违法违规的坚决不做。（证券时报）

12月6日，在中国证券业协会第八次会员大会上，证监会主席吴清围绕证券行业高质量发展发表致辞。吴清指出，对中小券商、外资券商，在分类评价准入方面，探索实施差异化监管，促进特色化发展，首先是保障公平。对少数问题券商要依法从严监管，违法要依法从严惩治。（证券时报）

36氪获悉，为规范网络数据安全风险评估活动，保障网络数据安全，促进网络数据依法合理有效利用，国家互联网信息办公室起草了《网络数据安全风险评估办法（征求意见稿）》，现向社会公开征求意见。征求意见稿提出，处理重要数据的网络数据处理者应当每年度对其网络数据处理活动开展风险评估。重要数据安全状态发生重大变化可能对数据安全造成不利影响的，应及时对发生变化及其影响的部分开展风险评估。鼓励处理一般数据的网络数据处理者至少每3年开展一次风险评估。

12月5日，从中国石油天然气集团公司青海油田分公司(下称“青海油田”)获悉，青海油田2025年新能源发电量达10.007亿千瓦时。青海油田生产区域位于柴达木盆地，平均海拔超3000米，是世界上海拔最高的油田，油气勘探开发始于1954年，风光资源丰富，但同时也面临生态保护红线与传统业务转型的双重挑战。（中新网）

12月6日，在中国证券业协会第八次会员大会上，证监会主席吴清围绕证券行业高质量发展发表致辞。吴清指出，证券行业要扛起“看门人”责任，从把好IPO的入口关到全程护航，引导上市公司规范经营，提升价值。要提升价值发现培育能力，强化业务协同，提升IPO、并购重组的专业性和影响力，深入参与企业价值创造，注重加强承销保荐和定价的统一建设，促进一二级市场平衡协调发展。要提升财务管理能力，加快与投资者的利益绑定，加快建成以投资者回报为核心的评价体系，推动经纪业务、综合财富管理的转型发展，对各类中长期资金要做好产品、交易、做市、风险管理等全方位支持，完善长钱长投生态，坚持高水平走出去和高水平引进来。（证券时报）

作者丨张雪

一则突如其来的通知，为这家自动驾驶超级独角兽按下了暂停键。

11月22日，毫末智行全体在岗员工突然收到主题为“停工放假通知”的内部邮件：基于公司当前的经营现状，决定自11月24日起，公司及分公司全部在职员工进入停工放假状态，具体复工时间将另行通知。

多名员工在媒体和社交软件证实，该通知内容属实，公司已全面进入停摆状态，账户也被冻结。员工最为关心的具体赔偿方案及后续安排尚未明确。

曾几何时，毫末智行曾被看做是美国明星自动驾驶公司Cruise在国内的翻版，没想到，几年之后两家公司的命运也如写好的一般走向了相同的结局——今年2月，Cruise已经退出了历史舞台，其技术遗产被整合进了通用汽车。

从“亲儿子”到“弃子”

成立于2019年的毫末智行，属于自动驾驶赛道的后来者。成立之时，全球自动驾驶行业正处在从盲目狂热到理性追逐的关键期，第一批创业公司也开始进入到落地量产的大考中。所以，无论是行业水温还是资本投入上，毫末智行来的有点晚。

可这些并未成为毫末智行起步的阻力，它甚至以黑马之姿成为了行业焦点。

当然，这主要还是由于其出生便自带光环。与大多数自动驾驶公司不同，毫末智行脱胎于传统车企长城汽车，其前身为长城汽车技术中心智能驾驶前瞻分部。

据报道，2018年，长城汽车董事长魏建军担心在行业转型中掉队，于是开始进行战略和组织架构的调整，其核心之一就是做减法，剥离零部件业务，成立独立的零部件公司并谋求独立上市。

其中自动驾驶是未来竞争的核心，魏建军希望长城汽车也能做到全栈自研，但人才、资金有限，几番权衡下，决定成立毫末智行。

同时毫末智行的高管阵容也堪称豪华，董事长和CIO分别是长城的嫡系老将张凯与甄龙豹，其中张凯曾任长城汽车技术副总工程师、长城汽车智能驾驶系统开发部部长。此外，其CEO是曾任前百度智能汽车事业部总经理顾维灏，有着16年自动驾驶研发经验。这种人员配置也暗含着长城汽车对毫末智行的期待与厚望。

不止如此，毫末智行成立的第二年，长城就针对其发布了咖啡智驾“331战略”，即用三年时间，实现用户规模行业第一、用户体验评价最好、场景功能覆盖最多三个领先，打造智能时代自动驾驶的领导者。与此同时，长城汽车还宣布，旗下子品牌所有的车型都将搭载毫末智行的智驾产品。

至此，长城汽车成为继特斯拉、小鹏汽车之后，全球第三家正式推出全栈自研领航辅助驾驶系统NOH的车企。

背靠大树好乘凉，在技术研发和量产落地方面，毫末智行也做到了后来者居上，成为了中国智驾赛道最被看好的企业之一。

比如构建了自动驾驶数据智能体系MANA，并发布了自动驾驶认知大模型DriveGPT。再比如其HPilot系统成功落地魏牌、哈弗等超过20款车型，2021年底，毫末智行即实现营收上亿元，也成为了中国短期营收增速最快的自动驾驶公司。截至2024年，毫末智行用户智驾总里程已突破2.5亿公里。

但让人没想到的是，短暂的高光之后，毫末智行开始走向了下坡路：新产品交付延迟、长城汽车寻找“备胎”，一系列的危机接踵而至。

在外界看来，毫末智行跌落的直接原因在于城市NOH的迟迟不能落地。这一功能上，毫末智行算是起大早，赶晚集。在2022年，毫末智行就推出了城市NOH，并宣称首搭车型将会是长城魏牌摩卡DHT-PHEV激光雷达版，预计将在当年第四季度上车交付，年底在10个城市落地，2023年使用范围计划扩大到100城。

然而，结果却是魏牌摩卡DHT-PHEV如期上市，但城市NOH功能未如约上线，这也为毫末智行从亲儿子成为弃子埋下了伏笔。

对此，自媒体赛博汽车从接近长城汽车人士处获悉，“毫末给集团保证后，长城汽车一直等着，迟迟无法落地，这让一向要求守信的（长城汽车总裁）穆峰不高兴了，开始对外寻摸，元戎启行主要是穆峰定下来的”。

2024年3月，元戎启行开始为长城汽车提供端到端的智能驾驶方案，并获得了长城汽车的独家投资。不止元戎启行，近两年，长城汽车还与大疆车载（卓驭）展开了深度合作。而随着长城将资源与业务更多向外部供应商倾斜，毫末智行逐渐被边缘化。

高瓴、美团押注，曾计划2025年上市

毫末智行的命运引人唏嘘，回顾其短短的即将满六年的发展历程，也出现了不少投资机构的身影，其背后不仅有长城汽车、美团、高通这样的产业方，还有高瓴、九智、首程控股等财务投资者，以及成都、湖州、张家港这类地方国资。

根据投中嘉川CVsource显示，成立至今，毫末智行共完成了7轮融资，累计融资金额在20亿元左右。其中金额最大的为2021年底官宣的A轮融资，金额为10亿元人民币，投资方为美团、高瓴创投、高通创投、首程控股、九智资本等。这笔融资在当时赚足了眼球，该轮融资后，毫末智行正式迈入独角兽行列，投后估值超10亿美元。

来源：投中嘉川CVSource

同样，这一年也是毫末智行高频率融资的一年，除了A轮融资外，还在2月先后完成了天使轮融资和Pre-A轮融资，其中Pre-A轮融资，由首钢基金领投，美团、高瓴创投等资本跟投。

或许是由于2021年的营收足够亮眼，亦或者，在2021年获得的融资足够多，此后的两年，除了2022年的一次融资外，毫末智行在资本上鲜有动作。

转折发生在2024年，逐步被长城汽车边缘化的毫末智行开始引入外界的资金和订单。2024年初，自动驾驶赛道开年第一笔融资就发生在毫末智行身上，毫末智行官方称这一轮融资为B1轮，总金额过亿元，由成都武发基金投资。两个月后，毫末智行又获得了老股东九智资本和湖州的注资。

可以看到，从B轮开始，毫末智行有意识地在获得地方国资的支持，而这背后与地方的布局与喜好不无关系，更深层的可能是其已经有了IPO时间表。

据公开资料显示，毫末智行最早在2020年就提出了登陆科创板进行IPO的计划，并期望2023年成功IPO，不过碍于科创板上市审核收紧，这一计划未能如愿。2023年，市场又传出毫末智行考虑2024年在香港上市的消息，当时预期募资3亿至4亿美元，不过很快就没有了下文。

2024年10月，有消息指出魏建军在内部叫停了毫末智行赴港IPO的计划，对此，毫末智行董事长张凯予以否认，并明确给出了上市时间表，“应该是2025年”。而最终结果显而易见，毫末智行没等来IPO，也没等来融资的救命钱。

在股权方面，透过层层穿透，毫末智行的实控人，仍为长城汽车股份有限公司董事长魏建军，除了长城系，第二大股东为张家港，持股12.19%，而高瓴创投、美团、高通分别持股约5.28%、3.61%和持股0.90%。

动荡已持续近一年

虽然毫末智行陷入停摆，在外界看来是突然的，但内部动荡早已浮现。

早在去年，就有爆料指出毫末智行启动了裁员计划，那次裁员的规模虽不小，不过没到伤筋动骨的局面，毕竟还按照“N+1”的标准向被裁员工进行补偿，毫末智行也回应称是“公司正进行正常的组织架构调整”。

时间进入2025年，毫末智行开始频现高层出走的戏码。4月，毫末智行技术副总裁艾锐、产品副总裁蔡娜、智行品牌官王佳先后选择离开，不久后甚至传出了董事长张凯也要离职的消息。尽管这一消息很快得到了张凯本人的否认，可这依旧不能安抚人心。

据员工反映，今年十月份公司现金流已十分紧张，高层此前安抚大家所说的“正在融资”迟迟未能兑现。原定于10月25日发放的9月工资，直至10月底仍未到账，且公司未给任何说法。

在业务层面，毫末智行的两大主力业务——乘用车辅助驾驶和末端物流低速无人驾驶，均面临严峻挑战。前者业务上，毫末智行仅有两款车型项目，计划于2025年交付。而后者在2025年销售目标骤降，业务似乎已进入“清库存阶段”。

去年11月29日，在成立五周年之际，毫末高层在内部信中曾预判，行业将进入“你死我活”的竞争期，号召全员保持危机意识，要咬紧牙关。

现在想来，这一预判的确有前瞻性，不久前投中网在《一家企业融到C13轮了》中提到，自动驾驶的投资热度正在回归，不仅一个月内融资金额超100亿，资金流向也更加向巨头收敛，马太效应明显。

不幸的是，即便提前预判到了行业走向，毫末高层也未能将公司救出水火，未来毫末智行是走向更糟的境地，还是像Cruise一样被整车厂收编，现在主动权已经交给了长城汽车。它的遭遇，也为所有依附于单一巨头的“创二代”公司敲响了警钟。

本文来自微信公众号“投中网”，作者：张雪，36氪经授权发布。