2026-08-01 17:06:13
（本文作者为 字母AI，钛媒体经授权发布）
文 | 字母AI
过去两个月，AI公司突然开始集体“发券”。
北京时间7月31日，OpenAI宣布将GPT-5.6 Luna的API价格下调80%，Terra降价20%，Codex和ChatGPT Work中调用这两款模型消耗的额度也随之减少。
一时间，Token有了优惠券的既视感。它既可以是新品试喝券，也可以是系统故障后的补偿券。既能被装进会员套餐，也能做成“中杯、大杯、超大杯”，额度用完以后再续一杯。
这很像刚刚外卖界的“奶茶大战”：平台争相发券，看起来是在让用户占便宜，实际上争的是用户的消费习惯。
过去，AI公司的竞争主要发生在参数、榜单和模型发布会上。但随着Agent用户暴增、模型差距缩小、迁移成本下降，技术能力则变成了一张入场券。
如今，AI公司需要面对一个更直接的问题——当用户可以随时在不同AI工具之间切换，怎么让他留下来？
这轮Token促销中，一个标志性的信号出现在5月20日左右。
当时，OpenAI向YC创业公司提出，每家公司最高可以获得200万美元的Token，条件是拿出一部分股权。
OpenAI相当于用自家的算力参与投资，既押注这些创业公司，也希望它们从一开始就使用OpenAI的模型，日后继续成为付费客户。
6月，Token的用途更像电商优惠券了。Codex因系统异常多扣额度后，OpenAI两次统一重置用户额度，还额外赠送一次可留待以后使用的重置机会。
系统出了问题，OpenAI就用额度来补偿用户，相当于送了一张“续杯券”。
Anthropic走的是另一条路。
Fable 5最初只免费一周，但活动连续延期两次，Claude Code周额度增加50%的活动也同步延长。7月20日起，Fable 5正式被纳入高阶套餐，原本用于新品推广的免费体验，最终变成了一项长期会员权益。
DeepSeek的动作则更加直接。
V4-Pro先永久降价75%，用低价把开发者拉进来；6月底又提出将采用峰谷定价，用分时价格控制使用量。MiniMax则把Token打包成20美元、50美元和120美元三档套餐，对应不同用量，像极了奶茶店菜单里的中杯、大杯和超大杯。
如今OpenAI也直接加入了降价行列。就在7月的最后一天，OpenAI宣布GPT-5.6 Luna的API输入和输出价格均下调80%，目前每百万Token分别为0.2美元和1.2美元；Terra下调20%，分别降至2美元和12美元。Codex和ChatGPT Work的订阅价格及额度总量没有变化，但使用Luna和Terra时会少扣额度。旗舰模型Sol则维持原价。
这场“Token奶茶大战”不只发生在会员套餐里，对高价值企业客户，厂商送得更加直接。据《华尔街日报》报道，AI客服平台Pylon的CEO透露，今年以来，公司从一家模型供应商处获得了价值约160万美元的免费Token，另外两家也分别送出数万美元额度，甚至还有厂商提供数月无限量免费使用权。
模型降价和赠送额度并不新鲜。
但是在过去，这类活动通常集中在新品发布期，或者作为开发者扶持手段，热闹一阵便会结束。但最近两个月，送Token的方式层出不穷，Token不仅开始承担类似优惠券的作用，被系统性地用于拉新、留存和补偿，也成了争抢企业客户的投标筹码。
无论厂商如何包装这一行为，都在说明同一件事，那就是AI公司已不满足于按量计价，而开始用更“互联网”的方式争夺用户。
这背后是单一订阅制越来越难覆盖差异巨大的使用强度。
轻度用户看中低门槛，重度用户则在执行长任务时患上额度焦虑。于是，会员档位、流量包、Credits和峰谷定价一起出现。AI公司不再只是卖模型，也开始研究消费巨头们熟稔的生意 —— 怎么让用户第一次下单，之后又该用什么方式让TA多买一杯，以及喝完以后给TA个什么理由回来。
AI公司的战场没有离开技术竞赛，却明显多了一层商业化较量。
或者用更互联网一点的话来说，得留存者得天下。
厂商突然在Token上加码，背后有两个变化。Agent用户迅速增加，单个用户消耗的额度越来越高；头部模型在不少常用任务上的差距也在缩小，用户换平台比以前容易。价格、额度和会员权益，因此成了争夺使用习惯的工具。
首先，AI用户仍在快速涌入。
截止6月初，Codex每周活跃用户已经超过500万，是2月桌面应用推出时的6倍以上。
更值得注意的是，在这其中非开发者约占20%，增速超过开发者的3倍。编程Agent的用途已经超出写代码，整理资料、写文档和分析数据也成了常见用法，有些人甚至会把任务全流程交给它完成。
用户消耗Token的方式也变了。根据OpenAI官方数据，到今年5月，80.6%的Codex个人用户至少提交过一次相当于人类工作30分钟以上的任务，25.6%提交过相当于8小时以上的任务，超过10%的用户每周同时管理过3个以上Agent。
过去，用户向聊天机器人问一个问题再得到答案，流程简单且Token消耗量相对较小。现在，Agent一项任务可能持续数小时。Token的消耗从“2G时代”突然迈向了“5G时代”，从前的额度显然不够看了。
Anthropic对约40万次Claude Code会话的分析也显示，用户平均每周使用约20小时。2025年10月至2026年4月，用它写文档和分析数据的会话占比从约10%翻到20%，平均任务价值提高27%。
随着Agent从偶尔尝鲜到进入工作流程，额度从附赠福利变成了刚需。
厂商开始争夺那些使用频率高、付费周期长的用户。截止今年2月，Claude Code年化收入已经超过25亿美元，较年初翻倍，企业订阅数量增长4倍，企业客户贡献了超过一半收入。
谁能让这批用户更频繁地使用Agent，谁就可能获得持续增长的Token收入。
问题是，这些用户并不忠诚。
AI客服平台Pylon的CEO对此说得很直接：“我完全看不到任何忠诚度。”
过去购买传统软件选定一家并持续付费的时代已经过去，企业现在通常会同时接入几家模型，具体任务交给哪一家，主要看效果和价格。
Cursor的产品本身就是“与模型无关”的，用户可以在OpenAI、Anthropic、Google和开源模型之间切换。其负责人称，过去一项任务的最佳模型可能几个月才变化一次，现在每周都可能更换好几次。
这也解释了厂商为什么急着多送一些Token。
Agent用户正在快速增长，但多数人的使用习惯尚未定型，企业也没有决定最终把哪家模型接进业务。厂商争的是谁先成为个人用户的常用工具，以及企业工作流里的默认模型。
2026年，的里雅斯特大学、伦敦国王学院和伦敦大学学院的研究者分析了7156个由编程Agent生成的GitHub拉取请求，结果显示没有任何一个工具能在所有任务中领先。很多时候，任务类型带来的差距，比工具之间的差距还大。
对用户来说，最好的模型越来越像一道动态选择题。
迁移也越来越容易。
DeepSeek同时提供OpenAI和Anthropic兼容接口，MiniMax的Token套餐可以直接接入Claude Code、Cline和OpenClaw。
开发者甚至不必改变原来的工作界面，只要更换底层模型，就能把任务转走。
AI公司愿意进行Token补贴，争夺的是用户的长期工作流。模型一旦进入企业系统，更换成本就会迅速提高，AI产品的护城河就此建立，因此早期补贴具有明显的入口争夺意义。
模型能力负责把人吸引过来，补贴则负责给用户一个“先别走”的理由。
但Token优惠和“奶茶券”有一个根本区别：奶茶多送一杯，成本相对清晰可控。但Token多送一亿，最后会转化成多少算力支出很难提前算清。
而算力在当下，依然非常、非常珍贵。
于是，有意思的景象出现了——AI公司一边发券，一边限流。
5月6日，Anthropic宣布与SpaceX达成算力合作，Claude Code的5小时额度才得以翻倍，高峰期也不再下调限额。Fable 5恢复后，最多只能占付费用户周额度的50%，超出部分需要购买Credits。免费体验从一开始就画好了成本边界。
MiniMax的大额套餐同样不是无限使用。它同时设置5小时额度、周额度、Agent并发上限和高峰期限流，并建议生产环境使用按量付费。
OpenAI此次降价同样保留着清晰的成本边界。ChatGPT和Codex的订阅价格及额度总量没有变化，只是使用Luna和Terra时扣除的额度减少。旗舰模型Sol价格未动，API新推出的Fast模式则以两倍标准价格换取最高2.5倍的速度。
OpenAI的多款Agent产品仍然共用额度池，复杂任务消耗更多。额度用完后，用户只能购买Credits、重置额度、升级套餐，或者等下一周期恢复。
Token不能无限发，用户又随时可能迁移，厂商只能把适用的人群、模型和时间切得越来越细。
Anthropic用Pro、Max等档位区分额度，Max内部又分为5倍和20倍用量，达到上限后还能继续购买Credits。DeepSeek把V4拆成Flash和Pro两档，对缓存命中、普通输入和输出分别收费，高峰时段价格还会翻倍。
模型厂商开始分层定价，企业也开始分层使用。
更棘手的是补贴能带来拉新，却很难买来忠诚。
厂商希望用免费Token换来长期调用，但企业也在迅速学会“薅完就走”。Pylon一边从多家供应商手里领取免费额度，一边明确表示看不到任何忠诚度。Cursor、Zoom和Hex则把多个模型同时接入工作流，随时根据价格和效果重新分配任务。
厂商想把用户锁进一个生态，企业却在努力不被任何一家锁定。
微软对数万名工程师的研究发现，编程Agent的第一次使用往往由同事带动，但后续是否持续使用，主要取决于工程师是否真的有足够的编程需求，持续使用者合并的PR数量提高约24%。真正能留下用户的，仍然是产品能否进入日常工作。
换句话说，优惠券只能把奶茶送到用户手里，不能保证他从此每天都喝。
AI公司接下来要同时做两门生意：一边像消费平台一样用补贴做拉新和留存。一边像云厂商一样调配算力并守住毛利。
既怕用户跑，又怕用户用得太多，实在是一种别扭的处境。
Token越送越多，用户却未必留下。用户真留下来，算力账单又会跟着上涨。最棘手的是，调用量和成本可以一起增长，收入却未必跟得上。
优惠总会结束。等到各家不再靠送额度拉人，还能留住用户并把这门生意做下去的，究竟是谁？
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-01 16:41:40
（本文作者为 字母AI，钛媒体经授权发布）
文 | 字母AI
一本厚书被推进液压切纸机，压板落下，刀片切下，书脊被干脆利落地削掉。原本连接在一起的书页变成整齐的一沓纸张。
如果没有任何解释，看到这样一段视频，你甚至可能会觉得“引起舒适”、非常解压。
可如果告诉你，AI公司正在用这套办法成批处理纸质书，其中还可能包括冷门书和绝版书，相信你八成就舒服不起来了。
为了寻找更多训练数据，AI公司已经从公开互联网、盗版电子书，一路找到了现实世界里的纸质书。其中，2022年以前出版的书因为没有混入AI生成内容，也没有经过现代数据投毒工具处理，成了难得的“上品”。
那些网上搜不到、没有电子版的冷门书和绝版书，能够提供互联网抓取不到的内容，更是“上上品”。
Anthropic被曝光的“巴拿马计划”中明确说不希望外界知道。
图书数据库公司ISBNdb公开宣称，可以接活儿给AI公司找书，能从旧书店、图书馆和绝版书目录中，一次采购1000至100万本纸质书，还会通过保密协议藏住买家身份和采购书目。
AI公司也知道这事儿“不好看”。
AI公司开始盯上纸质书，最早是从Anthropic惹上的一场官司里露出端倪的。
2024年8月，三名作家把Anthropic告上法庭，指控它未经授权，用他们的作品训练Claude。
说实话，这类争议其实从OpenAI搞出个ChatGPT开始就没停过，一点也不新鲜，类似的官司也已经有不少。
争议在于AI公司把整个人类互联网抓去训练模型，到底算不算侵权？作者的书进了训练集，要不要经过本人同意、支付版权费？
所以在这场官司里，纸质书一开始压根不是主角。
为了让Claude懂得更多、写得更好，Anthropic先把公开互联网扫了一遍。但网页里的内容良莠不齐，因此经过作者写作、编辑筛选和出版社校对的书籍被盯上了。
最方便的办法，当然是直接找电子书。
法庭材料显示，Anthropic曾从Books3、LibGen和PiLiMi等资源库下载超过700万本书。这里面相当一部分来自盗版网站。公司并没有用完就删，而是把这些文件存进一个长期保留的“中央图书馆”，准备供未来的模型训练和研究继续使用。
随后，一个内部代号为“巴拿马计划”的工程启动了。这个计划简单来说就是Anthropic大规模购买纸质书、扫描并喂养AI。
不过在当时，法庭真正关心的是Anthropic获得和使用这些内容的方式是否合法。
2025年6月，法官威廉·阿尔萨普给出了一套对Anthropic相当有利的判断。
在他看来，大模型读取一本书，并不是为了向用户复述或出售这本书，而是从中学习语言、知识和表达方式，再生成新的内容。这种用途具有很强的“转化性”，和人读过一本书之后获得知识、再去创作有些类似，因此可以认为在合理使用的范围内。
至于那些买来的纸质书，Anthropic已经为每一本付过钱。公司扫描一本，就销毁对应的实体书，只在内部留下一个数字替代品，没有多制造一份拿到市场上出售的副本。法官因此认为，这部分也没有侵犯版权。
但是那700多万本从盗版资源库下载的电子书就说不过去了。
法官认为，训练模型可能属于合理使用，却不能反过来证明盗版获取也是合法的。你怎么用书是一回事，这本书怎么到你手里，是另一回事。
在美国法律体系中，判例的作用是巨大的，这位法官的判例为AI公司开了一条路，那就是AI公司可以学习人类写下的作品，前提是先用合法方式把作品弄到手。
所以可以看到，在去年的Anthropic官司里，虽然其购买纸质书并扫描的做法已经公之于众，但是法庭及大众的关注点还是更多在老生常谈的“用人类知识训练AI的法律边界”上。
直到今年，两篇报道接连出现，大家才突然意识到问题的严峻性。
今年1月，《华盛顿邮报》从4000多页刚刚解封的法庭材料中，挖出了“巴拿马计划”的更多细节。
Anthropic在一年左右的时间里花费数千万美元，买下数百万本纸质书。供应商切掉书脊，将散开的书页送进高速扫描仪，最后再把剩下的纸张交给回收公司。仅一份项目方案，就计划在半年内处理50万至200万本书。
规模已经足够惊人，Anthropic内部文件里的两句话更要命：
“巴拿马计划，是我们对全世界所有书籍进行破坏性扫描的行动。”
“我们不希望外界知道我们正在做这件事。”
这两句话放在一起，整件事就很难看了。
Anthropic向来强调AI安全、道德和责任，结果却在背地里启动了一项毁掉数百万本书的秘密工程。
切书原本还可以解释为一种追求效率的扫描方式，“不希望外界知道”则让人很难不怀疑：Anthropic自己也清楚，这件事一旦公开，绝对说不过去。
Anthropic到底偷偷毁了多少书？
《华盛顿邮报》没有拿到完整书目，外界也不知道这些书里有多少是随处可见的畅销书，多少已经停止再版。人们震惊于工业化切书的规模，还很难判断它究竟造成了什么具体损失。
半年后，404 Media的一篇报道，把担忧聚焦到了绝版书身上。
报道的主角叫ISBNdb，一家号称拥有全球最大图书数据库的公司。它在官网上向AI客户公开兜售纸质书采购服务，宣称一次可以采购1000至100万本书，货源覆盖旧书店、图书馆和绝版书目录。
公司甚至把保密写成了卖点：每个项目都会签署严格的保密协议，客户身份、采购策略和目标书目一概不会披露。
更讽刺的是，ISBNdb自己也知道这门生意见不得光。它在宣传中直接提醒客户：“AI公司毁掉200万本书”，可不是什么能赢得同情的新闻标题。
还有一点很有意思，AI公司最近尤其喜欢2022年以前出版的纸质书。
原因很简单：生成式AI爆发以后，网上混入了大量AI生成内容，还有人故意使用数据投毒工具干扰模型训练。相比之下，2022年以前出版的纸质书几乎可以确定由人类写作，经过编辑、校对和出版流程，也没有被现代投毒工具处理过。
AI公司亲手制造了越来越多的网络垃圾，最后又回头寻找没有被AI污染过的旧书。
这股需求已经传到了二手书市场。一名专营稀有和低流通量图书的书商告诉404 Media，从今年4月开始，他每周处理的订单从20本左右猛增到数百本。被买走的书主题杂乱、语言不同，彼此几乎没有联系，唯一的共同点是都有ISBN编号。
这名书商无法确认买家就是AI公司，但他的库存中有不少外文书、冷门书和绝版书。
他一方面靠这些订单清掉了多年卖不出去的库存，另一方面又很不舒服：“我不喜欢这些书最后的用途，也不喜欢那些不常见的书被打成纸浆。”正如前文所说，AI公司扫描纸质书的流程是很粗暴的，这让生意变好的二手书商也忍不住心疼。
从互联网到盗版电子书，再到可以批量买来的纸质书，AI公司一直在寻找训练资源的触角向外延伸。现在，冷门书籍乃至绝版书也难以幸免。
绝版不等于孤本。目前也没有证据证明，某本书在世界上的最后一册已经被AI公司销毁。
外界看不到采购清单，不知道哪些公司正在买书，更不知道书被送进切割机以前，有没有人检查过它还剩多少册。
但风险是显而易见的。
2025年的判例（至少在美国范围）已经给了Anthropic一定的法律保护。
法官认为Anthropic合法买下一本纸质书，将它扫描成数字文件，再销毁纸质原本，最终仍然只有一份副本。数字文件没有对外出售，也没有增加市场上的流通数量，相当于用一种格式替换另一种格式，因此可以构成合理使用。
按照这套逻辑，切书甚至成了证明合法的一环。原书继续留在市场上，Anthropic手里又多出一份数字版，便可能涉及未经授权的复制；把纸质书销毁，只保留数字文件，法律风险反而更低。
康奈尔科技学院数字与信息法教授James Grimmelmann就认为，Anthropic放弃盗版书库，转而购买、扫描纸质书，是一个“聪明的选择”，也体现了更加克制、符合法律的做法。
毁掉纸质书这种事，对于一本印了几十万册的畅销书来说问题没有那么尖锐，少一册并不会影响其他人继续阅读和购买。
但冷门书、绝版书和带有特殊历史痕迹的版本，显然不能这样计算。
澳大利亚和新西兰古旧书商协会主席Dawn Albinger指出，古旧书的价值并不只在印刷出来的正文。书页上可能有亲历者留下的批注，签名、题赠和历任收藏者的信息可以证明它的流传经历，重新装订的封皮里甚至可能藏着更早的手稿。
这些信息都依附于那一本具体的书。即使书页上的文字已经完成扫描，原来的纸张、装帧和各部分之间的关系一旦被破坏，后人也无法重新检查。
也就是说，AI公司得到了一份适合训练模型的数字文件，却可能毁掉了一件无法通过数字文件完整还原的实物。
争议扩大后，科技行业很快出现了退让。
马斯克在X上表示，已经要求SpaceXAI团队将稀有书籍保存在图书馆，并采用更麻烦的无损方式扫描，不能简单切掉书脊。他没有公布SpaceXAI买了多少书，也没有解释什么样的书会被归为“稀有”，这次回应更像是一种态度上的站队。
ISBNdb退让得更快。
404 Media报道发布9天后，ISBNdb删除了面向AI公司的纸质书采购页面，撤下有关保密采购和破坏性扫描的宣传。公司随后改口称，相关页面只是一次市场需求测试，服务从未真正上线，ISBNdb也从未为AI训练购买、扫描或者出售过任何一本书。
此前还在宣传一次采购100万本书，遭遇舆论反弹后，整门生意突然变成了“一次测试”。
这番解释能否令人信服是一回事，它至少说明，匿名帮助AI公司大批量采购纸质书，已经成了一项企业不愿承担的声誉风险。
不过，马斯克的一句承诺和ISBNdb删除几个网页，都代替不了真正的规则。
谁负责在扫描前判断一本书是否稀有？判断依据是出版年份、版本和存世数量，还是书里的签名、批注和装帧？AI公司是否应该公开大规模采购的书目？如果某本书已经绝版，是否只能采用无损扫描，并在扫描后交给图书馆保存？
目前，这些问题都没有答案。
讽刺的是，ISBNdb此前反复强调，2022年以前的纸质书之所以珍贵，正是因为它们保存了没有受到AI污染、经过作者写作和编辑筛选的人类知识。AI公司越承认这些内容不可替代，就越难解释为什么承载它们的实体可以被当成一次性耗材。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-01 16:41:39
（本文作者为 听潮TI，钛媒体经授权发布）
文 | 听潮TI，作者 | 许雯雯，编辑 | 张晓
飞书正经历着一次重要的身份转换。
7月30日，字节跳动面向AI业务启动了新一轮组织调整，飞书团队被拆分成两个部分，分别与豆包和火山引擎团队整合。
具体来看：
飞书的产品团队与豆包产品团队整合，成立新的豆包产品团队；飞书的GTM（市场、销售、客户服务）团队则与火山引擎团队整合，成立新的To B组织“创造力服务平台”，整体负责字节MaaS和SaaS等云服务市场、销售和客户服务。
字节跳动称，此次重组完成后，除原有的飞书产品和服务保持不变，飞书还将和豆包在生产力场景做更深度的产品协作。
从字节组织架构层面来看，飞书降级了。
2021年底的公司架构调整完成后，飞书位列六大BU之一，与抖音、火山引擎等平行，CEO谢欣的汇报对象也是梁汝波，但此轮调整后，谢欣的汇报对象，变成了新的豆包产品团队的负责人赵祺。
但这并不是说飞书不重要了。对现在的字节跳动而言，既是模型又是产品、几乎承载了一切AI出口的豆包早已是最高优先级，拆分飞书，本质上也是在为豆包服务，为字节的to B战略服务。
媒体报道，飞书产品团队深度参与开发的“豆包企业版”目前已在飞书客户中开启内测，其拥有通用AI生产力工具能力，原生继承了飞书生态体系。
从这一角度拆解，字节这番调整，同样是重新争夺AI办公入口的一个关键动作。
要理解字节为什么“非拆不可”，得先看清楚AI办公这条赛道走到了哪一步。
AI办公的第一个阶段，是“插件阶段”，本质上是用AI给旧软件打补丁。
2023年微软把Copilot嵌入Office全家桶以后，AI在办公场景的落地开始更多以侧边栏、对话框的形态附着在Word、Excel之上，帮助用户写文档、做表格。
接下来一段时间里，国内厂商们也纷纷跟进。比如钉钉接入通义千问，用一根“斜杠”召唤AI；飞书发布“飞书智能伙伴”；WPS推出WPS AI，等等。
这一阶段，AI是办公软件里的一个新功能，是菜单栏里多出来的一个按钮。产品逻辑没变，只是功能清单变长了。
这种给产品“加AI”的动作，某种程度上一直持续到了2025年。
视角聚焦到国内视角，协同办公御三家钉钉、企微和飞书此时的动作还大都聚焦在产品层面，是不是擦枪走火。
比如7月钉钉发布AI表格，飞书在24小时内升级多维表格予以回击，单表容量从百万行拉升至千万行，CEO谢欣公开宣称"领先钉钉12个月"，并宣布多维表格登陆钉钉和企业微信，把对手架在"接不接都难受"的位置上；
再过一个月，回归不久的无招发布钉钉8.0，一口气推出钉钉ONE、AI搜问、AI听记等超过10款AI产品，称之为"AI钉钉1.0"，要"以归零心态重做一个钉钉"；同月，企业微信5.0上线智能搜索、智能总结、智能机器人三大AI功能。
但时间来到2026年，当大模型具备了从搜索和陪聊进化到行动交付的能力，办公场景迅速成为AI落地与创收的重要方向。中金证券在一份研报中提到，企业办公应用有望打破此前低频、轻量、试探性交互的模式，转向高频和自动化交互模式。
图/天风证券
行业共识也在加速达成。
“AI办公分为两阶段，Copilot模式下，虽然AI能够省时提效，但还是需要人完成修改格式、发送邮件等步骤，而AI native阶段，智能体将完成项目的整体交付。”钉钉信任CEO陈宇森此前如此说道。
金山办公CEO章庆元前段时间也说，“未来只有AI native的软件才能生存”。
这一背景下，AI办公赛道的内涵显然已发生转变——AI不再是办公套件里的一个功能，办公软件反而要下沉为AI的能力层，文档、表格、会议、群聊，都是AI调用的工具和消化数据的场景，入口属于AI，套件属于底座。
当竞争的赌注从"谁的功能多"升级为"谁的入口归谁"，产品层面的修修补补就不够用了。
这也是为什么，过去半年里，从腾讯到阿里再到字节，围绕AI办公，本质上都在重新盘资源、排兵布阵。
腾讯3月撤销了运营近十年的AI Lab，把研究力量并入混元体系；7月23日，又宣布将混元多模态模型部与大语言模型部合并为基础模型部，由首席AI科学家姚顺雨统一执掌，产品侧则把QClaw并入桌面办公助手WorkBuddy体系。
阿里的动作更频繁——3月成立由吴泳铭直管的Alibaba Token Hub，把模型、MaaS、千问、悟空等业务装进同一个事业群；6月无招卸任钉钉CEO，由陈宇森接任；7月，阿里再将QoderWork、悟空、MuleRun三款Agent产品整合，升级为面向企业生产力场景的"千问办公"，同样交到陈宇森手里。
字节如今对飞书的调整，一定程度上也是在顺应战局。
过去几年，飞书一直被认为是国内最具产品创新能力的办公软件之一。它试图通过重新设计企业协作方式，区别于传统办公软件。
但企业市场的竞争，并不像消费互联网，好的产品体验并不一定意味着快速增长。企业客户关注的不只是产品是否先进，还包括生态、服务能力、安全体系以及长期运营能力。
AI让飞书获得了新的竞争变量，但也带来更长期的挑战。
如果说过去飞书想证明的是，“新的协作方式可以改变企业办公。”那么现在，Agent带来的新一轮机会面前，它需要证明的是，“AI可以重新定义企业生产力。”
作为C端AI助手，豆包的成绩单足够亮眼。QuestMobile数据显示，2026年6月，豆包月活跃用户达3.82亿，同比增长172.1%，与千问（1.67亿）、DeepSeek（1.3亿）构成AI原生应用的第一梯队，腾讯元宝以4884万月活排在第四。
但月活的胜利，掩盖不了商业化的焦虑。
C端AI助手至今仍是一门“叫好不叫座”的生意。免费用户贡献规模，付费订阅贡献有限，豆包专业版月订阅分为数十元到数百元不等的几档，这点收入对字节这种体量的公司而言，撑不起AI的巨额投入。
大模型真正的钱在B端。字节方面披露的数据显示，按7月平均消耗口径统计，其大模型业务ARR（年化营收运行速率）已达40亿美元，超过国内其他模型公司的总和。
此外，截至今年6月，豆包大模型日均Token调用量突破180万亿；IDC数据则显示，在中国公有云MaaS市场，火山引擎以49.5%的份额位居第一。
整体来看，现在豆包已经是字节AI的总出口，但这个出口在C端只有“聊天”，缺少高频、高价值、高粘性的生产场景，豆包专业版是字节的一次尝试，只是仍待持续观察。
相较之下，企业办公恰好是AI最理想的着陆场——文档、表格、会议、群聊、知识库，既是企业数据沉淀最密集的地方，也是大模型能力最容易折算成付费意愿的地方。企业不会为闲聊买单，但愿意为一份自动生成的报表、一个闭环执行的流程付钱。
一位业内人士此前对财新称，AI办公不仅能够直接赋能供应链管理、数据分析、营销运营等业务提效，而且从企业、团队到个人来看，带来的都是增量价值，企业采购意愿更强烈。
豆包缺的这块拼图，飞书手里正好有。
让飞书产品团队并入豆包、由飞书原班人马深度参与开发豆包企业版，本质上是把豆包从“聊天框”送进“工作流”——豆包企业版原生集成飞书生态，无需额外部署即可打通文档、表格、会议、群聊，并支持基于企业自有知识库的问答与创作。
当然，再看飞书这一侧，答案同样清晰：飞书需要增量。
飞书的产品口碑，在协同办公三家里是公认最好的，但长期以来其商业化挑战也始终存在。
2024年3月，谢欣发布全员信宣布精简约20%的人员，理由说得很坦白，“团队规模比较大，但组织不够精干，效率在变低，要重新回到初创公司的day 1状态”。
比亏损更棘手的是，协同办公是一个典型的“慢市场”，飞书仅靠好的产品口碑，难以撬动更多的客户，尤其是从企微和钉钉手里撬走更多客户——企业微信身后是每天7.5亿微信用户的连接能力，钉钉身后是阿里"云+模型+电商"的全栈体系，飞书靠产品力单点突围，打得辛苦。
尽管近两年飞书的情况在好转，比如半年赛力斯、宇树、瑞幸等知名企业相继从其他平台迁入飞书，但决定飞书命运的变量，已经不是多抢几个客户，而是AI。
换句话说，飞书的第二曲线不在“飞书”里，在AI里。
由此来看飞书的此次分拆，严格意义上不能简单将其归结为“降级”。2021年底，字节把飞书列为六大BU之一，是给它"独立成军"的机会，去证明字节在消费互联网之外还能做成To B；2026年，字节把飞书拆进豆包和火山引擎，是给它"进入主战部队"的位置。
GTM的归并是同一条逻辑的另一半。火山引擎手握近半的公有云MaaS份额，让它统一承接字节MaaS和SaaS的市场、销售与客户服务，避免的是To B销售体系的重复建设，形成“算力—模型—应用”一个出口对客。
梁汝波此前已表态“攀登AI高峰是字节当下最重要的事情”，当全公司的资源都在向AI这一个靶心收拢，飞书这个独立BU的存在，反而成了协同的成本。
AI正在重新打开办公软件的想象空间，但对于飞书而言，这并不是一次简单的组织架构变动，而是一场关于商业模式的重新验证。
过去几年，飞书已经证明了自己能够做出一款体验领先的办公产品。从在线文档、多维表格，到知识库、项目管理，飞书不断尝试重新设计企业协作方式。它希望解决传统办公软件长期存在的信息割裂问题，把沟通、内容、流程和组织管理整合到一个平台中。
但企业市场的竞争，最终比拼的不只是产品能力。
飞书过去需要回答的问题是：企业为什么要选择一个新的办公工具？而进入AI时代之后，它需要回答的问题变成：企业为什么需要一个AI办公平台？
这两个问题背后的商业逻辑完全不同。
大模型的出现，确实降低了企业使用AI的技术门槛。过去，企业需要投入大量资源建设数字化系统，才能实现数据管理和流程优化；如今，通过大模型，企业可以快速获得智能问答、知识检索、内容生成等能力。
但AI并没有改变企业采购软件的底层逻辑。
对于个人用户而言，一个足够强大的AI助手可能就能形成吸引力；但对于企业而言，真正决定采购的，从来不只是某一个功能，而是系统稳定性、数据安全、组织权限、行业适配以及长期服务能力。
换句话说，AI可以重新定义办公软件的能力边界，但无法替代企业服务本身。
微软能够快速推动Copilot商业化，并不只是因为拥有OpenAI模型能力，更重要的是，它已经拥有几十年积累的Office生态、企业客户资源和全球销售体系。大模型放大了微软原有优势，而不是凭空创造了一套商业体系。
对于字节和飞书而言，情况也是如此。
豆包可以提供模型能力，但如何将这种能力转化为企业愿意付费的产品，仍然需要飞书完成更多建设。
过去几年，飞书面临的一个核心问题，是产品价值与商业价值之间存在一定距离。市场认可飞书的产品理念，也认可它在协作体验上的创新，但企业是否愿意为了这种创新改变原有办公体系，并持续支付费用，是另一个问题。
AI给飞书带来了最大机会。但与此同时，这也是它必须面对的新挑战。
字节过去最擅长的是消费互联网领域的产品创新和用户增长，而企业市场需要的是另一套能力——理解行业需求，建立销售体系，提供长期服务，并陪伴客户完成数字化转型。
这也是阿里、腾讯等公司在企业市场形成壁垒的重要原因。钉钉背后有阿里云和企业服务体系，企业微信背后有微信生态，它们进入企业市场，本质上依靠的是已有基础设施。
而字节需要建立的，是一套新的企业AI基础设施。
从这个角度看，飞书的拆分，本质上是字节希望让飞书拥有更加清晰的商业定位，以一家更接近企业软件公司的方式参与竞争。
它需要证明的，不只是自己能够做出一款优秀产品，而是能够围绕AI建立新的商业模式。
未来几年，办公软件市场的竞争将不再只是软件公司的竞争，而会变成大模型公司、云服务公司和企业生态公司的共同竞争。
对于字节而言，豆包需要飞书打开企业市场；对于飞书而言，豆包提供了一次重新定义自身价值的机会。
但最终决定胜负的，并不是谁拥有更大的模型，而是谁能够让AI真正进入企业每天的工作流程。
过去，飞书试图证明的是，更好的办公软件可以改变企业协作方式。而现在，它需要证明的是，AI可以改变企业生产方式。这也是字节拆分飞书之后，真正需要回答的问题。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-01 16:33:01
（本文作者为 听风译码，钛媒体经授权发布）
文 | 听风译码
8月1日，阿里巴巴主席蔡崇信与妻子吴明华宣布结束近30年婚姻。
125亿美元身家，阿里股价纹丝不动，篮网股权不拆，球队运营不变。
全网摆好了吃瓜的姿势，结果发现没瓜可吃。
两个月前，胜宏科技董事长被曝出轨，三天市值蒸发314亿元。
同样是企业家的私事，为什么有人波澜不惊，有人地动山摇？
为什么明明是私人事件，却总能成为全网热议、全民吃瓜的聚集地？
答案不是"公众爱八卦"。
答案是：当企业家的名字就是品牌、婚姻就是股权结构、人设就是消费者购买理由时，所谓"私事"早已不是私事。
但蔡崇信的案例告诉我们——私事能不能真是私事，取决于你有没有提前把私域和公域隔开。
本文拆解的不是八卦，而是企业家把私生活"证券化"之后必须面对的定价逻辑。
2026年8月1日，蔡崇信与吴明华宣布结束近30年的婚姻。
据第一财经报道，双方发言人称，这一决定是"互相尊重和共同协商"的结果。
声明用了一个耐人寻味的表述：多年来两人的关系已"更多地转变为共同经营业务和抚养子女的合作伙伴关系"。
翻译成大白话：感情早没了，但生意还得一起做。
据新浪财经报道，蔡崇信个人净资产约125亿美元，约合844亿人民币。
他直接持有阿里约1.5%股份，同时全资拥有NBA布鲁克林篮网队和WNBA纽约自由人队。
2018年至2019年，夫妇俩以23.5亿美元收购篮网队和巴克莱中心，创下当时美国职业体育球队收购纪录。
据Sportico估值，篮网及巴克莱中心目前价值约62亿美元，自由人队约6亿美元。
声明明确表示：不涉及出售任何阿里股份，蔡崇信的主席职务不变。
蔡崇信将继续担任布鲁克林体育娱乐公司董事长和篮网队主席。
吴明华继续担任副董事长和纽约自由人队主席。
球队共同持有，专业团队运营不变。
三个成年子女计划逐步参与家族体育事业。
消息公布后，阿里股价未出现明显波动。
没有股权争夺，没有资产分割，没有股价暴跌，没有监管问询。
全网准备好了热搜、分析和"豪门恩怨"的剧本。
结果什么都没发生。
为什么一场844亿身家的离婚，能安静到这个程度？
因为该做的架构，蔡崇信早就做了。
据新浪财经分析，核心资产已通过离岸家族信托和共同持股平台做了隔离设计，婚姻关系的解除不触发股权分割。
类似的安排在龙湖吴亚军、京东刘强东等中国企业家的离婚案中已有先例。
蔡崇信夫妇选择了"合伙人式分手"——从夫妻变事业伙伴。
纽约林肯中心有一座剧院，因两人捐赠5000万美元而获得冠名权，叫"吴蔡剧院"。
名字里"吴"排在前、"蔡"排在后。
如今婚姻画上句号，这个名字不会改变。
离婚是友好的，商业安排是清晰的，市场是安心的。
这场离婚之所以"没瓜可吃"，不是因为公众不感兴趣。
是因为企业家提前用制度把私域和公域隔开了，让公众没有"不得不关心"的理由。
蔡崇信的"安静离婚"不是常态。
两个月前，另一场企业家的私事，引发了市值地震。
2026年6月6日，一段电梯监控视频在社交平台刷屏。
胜宏科技董事长陈涛与一名女子在电梯内亲吻。
视频发布者自称是陈涛的婚外情对象，曾是胜宏科技员工。
她还附上了聊天记录和截图，控诉陈涛欺骗感情、诱导生子。
据新浪财经报道，事件发酵后的第一个交易日，胜宏科技开盘骤跌9.41%。
短短三个交易日，公司市值蒸发近314亿元。
陈涛和妻子刘春兰2003年共同创办了胜宏科技，夫妇二人持有28.25%的股权，对应市值约882亿元。
近两年公司"抱上"英伟达"大腿"，靠给AI算力设备配套生产PCB板，股价一路飙升，市值一度达到3128亿元。
胜宏科技的回应很快：网传内容不实，已报警，属于实控人私人生活范畴，和企业日常经营无关。
但市场不买账。
深交所同步介入，对事件背后潜藏的各类风险展开核查。
为什么蔡崇信844亿身家的离婚波澜不惊，胜宏科技一个出轨就蒸发314亿？
因为胜宏科技没有做风险隔离。
陈涛的出轨直接威胁夫妇共同持有的28.25%控股权。
一旦离婚，股权分割可能导致实控权动摇，整个公司的经营方向、战略节奏和供应链关系都可能随之震荡。
投资者规避的不是八卦，是治理风险。
一个老板的出轨，凭什么让全体股民跟着赔钱？
这真的只是"私事"吗？
要理解为什么企业家的私事会变成公共事件，先看一个基本事实。
当一个企业家的名字就是品牌、婚姻就是股权结构、人设就是消费者购买理由的时候，他的私生活就已经被"证券化"了。
据36氪报道，张雪用自己的名字给摩托车品牌命名，A轮融资9000万，投后估值10.9亿。
投资人买的很大程度是"张雪"两个字的信用溢价。
同样据36氪报道，小鹏汽车4月正式更名为"小鹏集团"，去掉"汽车"两个字，本质上是给资本市场换一个估值故事。
据新浪报道，多家机构指出SpaceX估值中约30%为马斯克个人品牌溢价。
投资者押注的不只是星链的现金流和星舰的技术期权，还有"连续兑现不可能"的历史纪录。
据网易引述品牌专家观点，这种模式赋予企业巨大的信任与资本杠杆，但个人的言论、争议甚至健康状况，也会直接转化为品牌风险。
私生活变成了财报的一部分、股价的一部分、消费者购买决策的一部分。
蔡崇信之所以能"安静离婚"，正是因为他没有把个人信用和阿里股权深度绑定。
他的阿里持股只有1.5%，通过合伙人制度和离岸信托架构，婚姻变故不触及控制权。
反观胜宏科技，陈涛个人形象就是公司信用背书，婚姻状况直接关乎股权结构和控制权稳定。
公众关注的从来不是"谁和谁出轨了"。
公众关注的是"我的钱会不会打水漂"。
据新浪报道，2026年7月，A股市场在短短一周内连续爆出三起上市公司实控人天价离婚案。
强一股份、大洋电机、银信科技，涉及股权市值合计超120亿元。
强一股份的实控人周明将10.86%的股份分割给前妻，分手费约59.5亿元。
双方同时签署了十年期一致行动协议，约定前妻在重大事项上"无条件、不可撤销"地与周明保持一致。
这家公司2025年12月才上市，上市不足一年就婚变，股价较发行价已上涨397%。
大洋电机的离婚诉讼涉及约54.88亿元股权，正值公司冲刺港交所IPO的关键节点。
银信科技的9.26亿元分割消息一出，次日股价盘中一度跌超16%。
据公开报道，韩国SK集团会长崔泰源的离婚案更为极端。
2026年7月，首尔高等法院裁定崔泰源向前妻支付9440亿韩元（约43至46亿人民币），创下韩国离婚财产分割最高纪录。
法院允许现金支付、保留股票，因为直接切三分之一股票，SK集团控制权就要易主。
SK海力士是英伟达HBM芯片核心供应商，全球份额约57%至58%。
但法院用2024年4月的股价做基准，相当于在AI浪潮爆发前估了价。
对比之下，蔡崇信的离婚不涉及任何股权分割。
不是他的婚姻更"私"，是架构更"硬"。
离婚在这些案例中早已不是"分家产"那么简单。
它是控制权的重新分配，是股权结构的地震，是经营权的潜在动摇。
强一股份的十年一致行动协议、SK集团的现金替代方案，本质上都是在用法律工具对冲离婚对企业的冲击。
据新浪报道，部分市场声音指出，一些实控人通过离婚将股权拆分至双方名下，使得单方持股比例降至5%以下，意图规避减持披露规则。
"技术性离婚"因此成为这轮舆论的核心词汇。
虽然监管层面已明确离婚分割股权后双方仍需共同遵守原有减持约束，但投资者的焦虑并未因此消散。
因为每一次天价离婚公告的背后，都隐藏着一个更深层的问题：为什么一家上市公司的命运，要系于两个人的婚姻关系？
胜宏科技不是唯一一家因为实控人私德问题市值暴跌的公司。
据新浪报道，2026年6月，博瑞医药实控人袁建栋因涉嫌操纵证券市场被取保候审，公司股价累计下跌18.98%。
同期据证券时报报道，华恒生物实控人郭恒华因涉嫌非法吸收公众存款罪被刑事拘留，公司股价一字跌停，两日累计跌幅超过30%。
两家公司都强调"实控人涉案属个人行为，与公司经营无关"。
但资本市场用脚投了票。
博瑞医药市值较消息披露前缩水约28亿元，华恒生物市值蒸发超15亿元。
据新浪财经分析，普通投资者因这场风波蒙受损失，确实有被动受牵连的一面。
但从资本市场规则角度分析，股民的亏损本质上是在为企业长期存在的治理漏洞买单。
一家千亿级上市公司，连最基础的个人风险隔离都做不到，投资者凭什么相信它能抵御行业周期和经营波动？
胜宏科技直到市值巨亏后才仓促推出7亿元员工持股计划护盘，滞后被动的应对进一步放大了不安。
资本市场的定价逻辑，从来不止参考当下的业绩与订单。
它还会评估企业未来的发展确定性与风险抵御能力。
一个实控人的出轨事件，短期是情绪集中释放，长期是市场对企业风险的重新定价。
企业家私事的影响不只停留在资本市场，它还会直接传导到消费端。
据英国消费者研究机构Attest调研显示，49%的消费者表示，如果一家企业的CEO或创始人表达了他们不认同的观点或有不当行为，会感到"不舒服"。
92%的受访者会采取行动：48%会减少购买，44%会完全停止购买。
80%的消费者认为自身身份直接影响品牌选择——买什么品牌，就是在表达自己是什么人。
国内案例同样触目惊心。
据网易报道，洁丽雅品牌价值连续12年蝉联中国家纺行业第一，2025年达402.95亿元。
但随着"毛巾少爷"短剧营销将家族私事搬上台面，舆论发酵后不少消费者开始抵制洁丽雅。
有消费者涌进竞争对手的直播间，销售额从平时的1万元暴涨至50万至100万元。
盘古智库高级研究员江瀚直言，将企业叙事系于不可控的个人私德之上，风险极高。
据澎湃新闻报道，西贝创始人贾国龙在预制菜争议中亲自下场"硬刚"质疑者，将消费者对产品的理性争议转化为个人恩怨。
结果西贝巨亏5亿元，关闭102家门店。
同篇报道中，钟薛高创始人林盛在"雪糕烧不化"事件中将消费者质疑归为"水军攻击"，态度傲慢激化了对立。
钟薛高虽在相关诉讼中胜诉，最终仍被债权人申请破产。
消费者的逻辑很简单：你的人设塌了，我买你的东西就觉得膈应。
这不是道德审判，是消费心理学。
品牌选择是身份认同的延伸，创始人的私德直接关乎这种认同是否成立。
有些企业家不仅不回避私事，还主动把它变成流量入口。
然后被流量反噬。
据腾讯新闻报道，杨子在综艺节目中卖力演出"深情挽回前妻"的人设。
一边在镜头前红眼眶，一边已经让23岁的新欢怀了孕。
更严重的是，他背后的巨力索具被证监会立案调查。
杨子家族从公司上市到2026年累计套现超28亿元。
而这家公司16年净利润总和仅约6.35亿元——套现是利润的4倍多。
据网易报道，洁丽雅的"毛巾少爷"石展承自编自导自演短剧《毛巾帝国》，以家族"豪门内斗"为剧情主线。
全网几十亿曝光量，"毛巾少爷"账号近30天新增粉丝22.8万，带货超500万元。
但40周年庆典上的家族合影被网友解读分析后，各种关于股权架构、家庭成员关系的猜测滋生发酵。
据澎湃新闻报道，百果园创始人余惠勇面对质疑时强调"坚守品质无需讨好消费者"。
被网友吐槽"把消费者当需要教育的孩子"，品牌形象从"亲民水果连锁"急剧下滑为"傲慢企业"。
流量是一把双刃剑。
当企业家主动将私生活变成营销素材时，就等于签署了一份隐含协议：公众有权审视你的私生活。
你不能在需要流量时把家事搬上台面，在出事时又说"这是隐私"。
SpaceX的30%个人品牌溢价意味着马斯克如果明天消失，估值可能瞬间缩水数千亿美元。
张雪离开凯越机车时，有人评论"冲着张雪买的凯越，他走了谁还买"——人走了，品牌价值就塌了一半。
36氪同篇报道也指出，何小鹏曾被朋友劝了七八年改名，因为"消费者第一反应是个人品牌，不像一家科技公司"。
而雷军和小米汽车在消费者心智里已经几乎没有区别——"小米汽车"和"雷军汽车"是一回事。
创始人IP深度绑定企业，短期是效率工具：降低信任成本、放大传播势能、提升融资杠杆。
但据网易引述品牌专家观点，企业最终必须完成从"个人信用"向"组织信用"的跨越。
德国社会学家马克斯·韦伯的"魅力型权威"理论可以解释这种脆弱性。
此类权威建立在领袖的超凡特质或功绩之上，依赖个人崇拜且具有不稳定性。
一旦创始人犯错、情绪失控或私德崩塌，"魅力"消失，权威随之瓦解。
36氪引述的品牌专家说得很清楚：强大的企业品牌，最后一定要从"这个人很厉害"，走向"这家公司本身值得信任"。
但在完成这个跨越之前，创始人私事就是企业风险。
这不是公众多管闲事，是制度还没准备好替代个人。
企业家私事之所以能演变为公共事件，根源在于"家企一体"的治理缺陷。
据新浪报道，博瑞医药实控人袁建栋身兼董事长、总经理，还代行董事会秘书和财务总监职责。
一个人几乎掌控公司所有核心权力。
据证券时报报道，华恒生物实控人郭恒华直接持股18.08%，通过合伙企业和一致行动人合计控制30.78%的股份。
她同时担任董事长和总经理，全权负责日常经营管理和重大经营决策。
当一个人掌握董事会、经营权和资金运用时，公司治理极度失衡。
据新浪财经分析，胜宏科技的"电梯门"舆情危机暴露了家族式民企的三大治理短板。
首先是股权结构高度集中，内部监督机制失效，个人意志常常凌驾于公司规章制度之上。
其次是公私边界模糊，规范的公众上市公司必须做到实控人私人事务与公司经营完全分割，但很多家族企业始终无法摆脱"家企一体"的思维。
最后是危机应对能力不足，处置方式加剧市场恐慌。
中国人民大学财政金融学院教授郑志刚接受新浪财经采访时指出，实控人风险本质上是公司治理风险的外化表现。
当公司治理结构存在缺陷时，实控人的个人行为很容易演变为公司层面的系统性风险。
蔡崇信之所以能"安静离婚"，恰恰因为阿里的治理结构不以蔡崇信个人为中心。
合伙人制度、专业管理团队、离岸信托架构，构成了一道又一道的防火墙。
2024年，科赫家族还收购了布鲁克林体育娱乐公司15%的少数股权，进一步分散了所有权集中度。
而那些私事变公事的企业，往往是防火墙根本不存在。
当企业治理高度依赖单一核心人物时，这个人的私事就不可能是私事。
因为企业的命运系于一人之身，一人的波动就是企业的波动。
回到最初的问题：企业家明明是私人事件，为什么总会成为全网热议、全民吃瓜的聚集地？
答案不是"公众爱八卦"。
答案是"公众不得不关心"。
当你买了胜宏科技的股票，董事长的出轨就直接关系你的账户余额。
当你买了洁丽雅的毛巾，创始人家族的伦理剧就影响你对品牌的信任。
当你持有SpaceX的股票，马斯克的一条推文就可能让市值波动千亿。
信息不对称是根本原因。
普通投资者无法进入企业内部，只能通过公开信息判断风险。
实控人的私德事件，恰恰是最直观的风险信号。
利益捆绑是直接原因。
股权、品牌、信用、供应链关系——这些核心资产往往以创始人为纽带串联在一起。
创始人一出事，整条链条都会松动。
道德预期是深层原因。
企业家享受了"人企合一"的红利——更低的信任成本、更高的品牌溢价、更强的融资杠杆。
私生活出问题时，也要接受"人企合一"的代价——公众审视、市值蒸发、品牌反噬。
《民法典》第1032条规定自然人享有隐私权。
但企业家的私人行为通过股权结构、品牌信任和资本市场传导为公共风险时，隐私权的边界就会因公共利益而收缩。
蔡崇信的离婚之所以没人吃瓜，不是因为他更有"隐私权"。
是因为他用制度把私域和公域隔开了，让公众没有"不得不关心"的理由。
这不是舆论审判，是利益逻辑。
0%和314亿，是两种治理模式的价差。
蔡崇信844亿身家离婚波澜不惊，不是私事更"私"，是提前用制度把私域和公域隔开了。
胜宏科技一个出轨蒸发314亿，不是公众爱管闲事，是"家企一体"的治理缺陷让公众不得不管。
120亿不是为三场离婚买单，是为股权高度集中的结构性风险买单。
49%不是消费者多管闲事，是他们用自己的钱包替企业家的私德投了票。
企业家享受了个人IP的估值溢价和融资杠杆，另一面就是私生活不再纯粹属于自己。
旧规则说私生活是私事，新现实说你把自己证券化了，就得接受全面定价。
包括你的婚姻，你的人品，你的每一次失控。
想真正把私事留在私域，别等出事才修防火墙。
0%和314亿，已经替所有人说清楚了。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-01 16:19:52
（本文作者为 镜相工作室，钛媒体经授权发布）
文丨镜像工作室，作者 | 黄依婷，编辑丨胡苗
交108万元的学费，外加首次英国、德国7天课程4.8万元的生活服务费，去牛津大学读一个叫“全球CEO项目”的课程，张军觉得很值。得知自己“入学”的时候，他甚至感到兴奋和荣幸。
和他一起登上去英国飞机的，还有60多位企业家。他们当中，有人掌管着2000亿市值的上市公司，有人是某省的前首富，有人是酒业大佬，有人把国货化妆品做到了上市。年近七十的张军，也同样是一名在行业里拔尖的企业家。
但七天之后，张军和其他十余位学员陷入了困惑，一同要求退费。
他们住的是没有饮用水和牙刷的学生宿舍，一天三顿吃披萨，同一个PPT在教室里放了三天。说好的去德国名企参访，结果是旅行社带着在工厂外围转悠。一位学员迟到了一分钟，大巴直接开走，她自己打车在后面追了两个小时。
大半年过去，张军拿回了约80%学费。更多人选择留下——有人觉得“为自己的认知买单”，有人舍不得那个圈子。
张军心里那口气一直没顺过来。他不缺那108万。他过不去的坎是：自己做了几十年生意，什么风浪没见过，最后被人当幼稚园学生一样耍。“你骗人，总得有点品吧？”他说，“连骗都懒得好好骗你。”
当下，大量手握雄厚资本的企业家，正成为高端教育项目的目标客户。这些项目往往顶着国内外名校的光环，收取数十万乃至上百万元学费，售卖的不只是课程，更是一个圈子、一段经历、一个拿得出手的名头。
张军后来才明白，他想要的这些东西，恰恰成了别人设计他的图纸。
张军踏进牛津大学格雷德尔方庭（Gradel Quadrangles）本科生宿舍的时候，有点意外。
他上一次住这样的房间，可能还是几十年前。简易木床，翻身会响。房间里除了床、书桌、衣柜和椅子，没有别的东西。没有矿泉水，没有牙膏牙刷，没有拖鞋。
有学员跟班主任侯某提了一句，希望她能让人送点水来。侯某让他们自己解决。这时，张军庆幸自己有随身带水和生活用品的习惯。
牛津大学格雷德尔方庭学生宿舍示例。图源：牛津大学新学院官网
这种“庆幸”，到第二天上课前就不太维持得住了。
教室很小，六十多个人挤在一起。屏幕上放着全英文的PPT，讲台上外国讲师嘴一张一合，讲台下不少学员一脸茫然。张军是其中之一。
他的英语基础几乎为零，在牛津大学三天里，译员水平不稳定，一堂课下来，教授讲一句，译员翻译一句，原本半天能讲完的内容，被不断切割、重组、转述，最后还是没翻译明白，张军也没能听懂。
他往左右看。有人在玩手机，有人在发呆，有人听到一半走出了教室，换成秘书进来听课。他还注意到一个细节：这个带着“全球”名号的CEO班，六十多个学员里，只有两个外籍面孔，剩下全是中国人。
后来有学员告诉他们，在牛津的三天里，项目学术负责人理查德·霍布斯（Richard Hobbs），把同一个PPT讲了四遍。还有人注意到，给他们上《政治与民主》课的老师，是一位英国外科医生、医学学者，而他原定的课程是《健康、生命科学与民主》。
三天的时间里，还有半天用在了排队办理牛津大学博德利图书馆的借书证。登记、拍照、领卡，每个人都得走完流程。后来，他们又被分成两组，轮流参观韦斯顿图书馆半天，一组参观时另一组等着。相当于牛津大学三天时间中，有一天半的时间用来办理借书证、参观图书馆。参观内容是《永乐大典》《伏羲六十四卦》等馆藏中国古籍。
一位学员说，这些内容“跟CEO要掌握的商业管理等需求完全不沾边”。
按照这个项目的介绍，学员完成课程后，会获“牛津大学访问学者”及“牛津大学图书卡”权益。但张军事后才知道，那张借书证很多人都可以去申请，且仅限本人使用。官方规定，牛津大学的学生、教职员工或附属学术访问学者，在加入牛津大学时自动获得博德利图书馆的访问权限，其他大学学生、学者、独立研究员等都可以申请借书证。
真正让张军气愤的，是落地德国之后的事。
在这7天行程中，他们前3天在牛津大学上课，后4天去德国参访著名的企业，行程表上有指数机构DAX、思爱普（SAP）、博世集团（Bosch）、通快集团（TRUMPF）等。不少人对此充满期待。
出了机场，接待他们的是当地一家旅行社。翻译换成了一个当地留学生，张军更听不懂他说了什么。
说好的名企参访，实际过程是：大巴车开到工厂外围，一位前台接待人员上车，简单讲了几句。按照项目宣传，企业家们应该深入企业内部，与管理层交流。但当天大巴车并未进入博世和通快集团的厂区，而是在外围行驶。宣传资料中提到的高管讲座，张军没有见到。
在那几天里，吃的东西几乎顿顿是披萨，或者人均21欧元的自助餐。工作人员始终没有为他们准备饮用水。
不满情绪正在蔓延。私下里，学员们开始对信息。有人说，班上的两个外籍CEO，其实是项目方免费请来的——找了一个日本人，一个英国人，都是七十多岁的老头，专门用来撑“全球”的门面。
还有人发现，同学里不全是“拥有至少十年以上管理经验”的企业家。有三十来岁的富二代，也有毕业没几年的普通职员。
然后追车的事发生了。
有一天出发前，一名女学员回房间取东西，迟了不到一分钟，大巴直接开走了。她追着车跑，司机没停。她打电话给班主任侯某，得到的回复是：“你自己打车过来。”目的地有两个多小时车程。
这件事像一根针，把所有人的不满都戳破了。宿舍没水没牙刷没人理、课堂上同一个PPT讲了四遍、名企参访变成旅行社半日游、外籍学员是免费请来的托、同学里还混进了不相干的人——所有疑点一齐涌了上来。
班主任显然感受到了压力。当天晚上，一些企业家自己掏钱组织聚餐，侯某主动过来，想借着碰杯缓和气氛。但效果并不明显。
第二天，侯某试图重新掌控局面，先是在吃早餐时组织大家选了班委；之后在大巴车上，组织所有学员自我介绍，而这已经是欧洲模块课程的倒数第二天。她拿起话筒，介绍自己之前在“北大后E”（通常指2014年停办的“北京大学后EMBA”项目，或相关非官方机构，北京大学已多次声明与其无关系，报名需谨慎）干过十年，带了五个班。
或许是为了活跃气氛，她说：“其中三任班长都死了。还有一个院长也死了。”
车厢里安静了几秒。大家的视线看向一位某省的前首富——他刚被选为班长。张军注意到，班长的脸色明显变了。做生意的人多少有些忌讳，车里有人半开玩笑地接了一句：“班长，你可危险了。”笑声不大，但所有人都听到了。
欧洲模块课程结束，在回国的飞机上，张军在脑子里把七天过了一遍。来的时候，他是奔着“牛津大学”四个字去的。走的时候，他连自己住的那幢宿舍叫什么名字都不知道。因为语言不通，他也没来得及好好逛逛牛津大学校园。
落地后，张军对秘书说：“去查一下这个项目。”
回国之后，张军把这段经历从头到尾捋了无数遍。时隔近一年，他拿着厚厚一沓资料出现在我们面前，谈及那段经历，他的手频繁点着桌面，眉头紧皱，依然愤怒。
他是后来才知道，那些让他觉得不对劲的细节，从接起那通电话的第一秒就埋下了。
在张军的认知里，企业家课程是分阶层的。最下面是MBA（工商管理硕士），往上是EMBA（高级管理人员工商管理硕士），再往上还有一个更顶级的圈子，叫CEO班。
这不是什么官方说法，从学历体系来看，MBA、EMBA属于国家承认的硕士学历教育，学历层级与其他专业硕士相同。而所有CEO班都是非学历培训，只发结业证，不存在“更高一级”的学历等级。
但在企业家圈子里，这种分层是真实存在的。从事企业家教育相关工作的业内人士李玉告诉我们，EMBA更多面向企业高级管理者，而CEO项目的定位通常更加明确，目标群体就是企业创始人、董事长、CEO。圈子更顶层，学费也更贵。
在行业中，CEO项目也并不少见。清华、北大、中欧、长江都有自己官方的CEO研修项目，学费从十几万到五六十万不等。108万比这些都贵，但张军觉得值。“那可是牛津。”
在他的心里，牛津大学是绝对的世界第一名校，“牛津大学访问学者”的身份更是无上光环。这也是他经历这些的起点。
他当时不知道的是，这个市场已经在发生变化。李玉告诉我们，过去一些知名高校的高端项目招生很严格，“可能20个人里面选1个”。但近几年市场趋于饱和，部分项目的门槛在松动。“现在可能变成10个人里面选1个。”李玉说。
一些项目因为招不到足够的学员，会找中介机构购买上市公司董事长、CEO联系方式名单，然后点对点推销。张军接到的那个电话，就是这样来的。
2025年5月的一天，一个陌生号码打了进来。对方说，这是牛津大学面向中国企业家群体推出的全球CEO课程，招收对象是公司创始人、董事长、CEO等核心决策层成员。
张军并没有太在意，挂了。但对方坚持不懈，添加了他的微信，并持续发送项目介绍、课程安排和新报名的学员。
牛津大学全球CEO项目招生简章。图源：受访者提供
招生简章中写，牛津大学执行校长理查德·霍布斯是项目主任。学员名单是滚动的，每次都有新名字，张军看到了不少行业里叫得上名号的人物。张军也会暗自比较学员们的资产，他觉得最有钱的人，应该是那个上市公司的老板，公司市值超过了2000亿元。既然他也报了名，这个项目应该不会差。张军想。
销售人员告诉他，这个班不是交钱就能上的，要面试。而且，“这是最后一次面试机会了，马上就要开班”——后来他才知道，班上最后一个报到的学员，是9月16日参加的面试，比他晚了不少。所谓“最后一次”，对每个人都是同一套话术。
2025年年中，张军前往北京参加面试。面试地点位于一栋装修考究的办公楼内，墙上悬挂着项目的宣传海报。当天与他一起参加面试的还有四五位申请者。
面试官是霍布斯本人。他负责提问，旁边还有一个年轻的女人负责翻译。女人叫李奕萱，介绍说自己是霍布斯的助理。面试过程问了什么，张军后来记不太清了，只记得自己当时有些紧张，也有些兴奋——毕竟对面坐的是“牛津校长”。
他当时不知道的是，霍布斯“牛津校长”的身份是存疑的。而那个叫李奕萱的年轻女人，可能才是这个项目真正的操盘手。
面试通过之后，张军安排公司财务支付108万元学费。交钱的时候，他挺高兴的。牛津大学、国际知名学者、全球商业资源，以及一个由董事长、CEO组成的高端圈层，是人脉和机会。
交完钱之后，项目方发来一份协议。张军自称并不知道这份协议的存在，秘书代签了。协议甲方为“牛津中企（北京）科技有限公司”，协议性质为咨询服务协议。其中一条约定：待牛津大学颁发访问学者证书后，学员对于服务内容、服务费用等“将无异议、无争议，且保证不会向甲方提出任何索赔、请求或主张”。
这份协议，张军一直到几个月后想要退费的时候，才第一次知道并认真看了一遍。
2025年9月20日，张军登上了去英国的飞机。
这到底是一个什么样的“牛津大学项目”？从欧洲回来后，这几乎是每一个学员的疑惑。
班级群里，有人沉默，有人吐槽，有人翻出招生简章逐条比对，有人回忆面试时的细节。学员们委托班长整理意见，在10月5日给项目方发送了一份名为《关于牛津大学全球CEO项目的沟通意见》的文档。
文档中列出了四个方面的问题：课程的实际交付与承诺严重不符；部分课程缺乏学术引导，部分实践参访缺乏深度观察与理论探讨，过程流于形式；行程、饮食、安全、健康等服务未尽人意，且费用开支不透明；开学典礼缺乏仪式感。
一位学员在反馈中写道：“如果说在伦敦和牛津还算有一点点收获，来到法兰克福就完全失去意义......一个完全缺乏组织能力和组织经验的老师团队简直就是一团糟，用劣质的旅行社行程来打发我们，简直太低劣了，连普通走马观花的旅行社都不如！”
2025年10月16日，项目方以牛津大学牛津数字健康研究院（Oxford Institute of Digital Health，OIDH）的名义回复了一份书面文件。张军回忆，这时李奕萱才第一次站出来说话，以项目方负责人的口吻发布回复文件。在此之前，她不露面，不出面，大家不知道老板是谁，一直以为项目方是牛津大学校方。
2025年10月16日，李奕萱在项目官方微信群“Oxford Global CEO 首期班”发布项目方回复文件。图源：受访者提供
在回复中，项目方承认，英国和德国模块在课程体系、辅助资料、地域重心、行政服务等方面仍有提升空间，承诺后续进行改进，并决定退还英国生活服务费的一半，即2.4万元。
多数学员接受了这个方案。这个项目全程30个月，包括十一大海外必修模块、三大国内必修模块及N大实践模块，欧洲板块只是第一站。根据项目官网，2025年12月6日至12日，项目远东模块如期在中国香港、新加坡举行，共有52名学员参加课程，其中多数人完成了两个模块的学习。住宿地点变成了香港西九龙的W酒店。
不满意的那批人开始自己行动。
他们去牛津大学官网查项目和项目主任理查德·霍布斯，以及那位沉默的年轻操盘手。
官网介绍，“牛津大学全球CEO项目”（Oxford Global CEO Programme）是一项面向全球企业领导者的高端管理教育课程。但也显示该项目并非由牛津大学商学院推出，而是属于牛津大学纳菲尔德初级保健科学系（Nuffield Department of Primary Care Health Sciences）下属的牛津数字健康研究所相关项目，项目学术负责人为OIDH所长理查德·霍布斯和耶稣学院学术主任Alexandra Lumbers。在10月16日那份回应学员意见的文件中，落款同样显示为牛津大学OIDH。
牛津大学全球CEO项目官方介绍。图源：纳菲尔德初级保健科学系官网
招生材料中曾介绍霍布斯为“牛津大学执行校长”（Executive Vice-Chancellor of the University of Oxford），但公开资料显示，牛津大学并不存在“Executive Vice-Chancellor”这一正式职务。
牛津大学官网显示，该校设有校长、副校长、负责具体事务的副校长，以及无具体职务的荣誉副校长。霍布斯在2025年首期班招生期间担任的是“无职务荣誉副校长”，牛津大学对于这一职位的解释是“这类荣誉副校长主要协助副校长处理礼仪性事务，例如主持学位授予典礼等”。
目前，霍布斯在牛津大学官网上的个人介绍显示，霍布斯是牛津大学纳菲尔德初级保健科学系初级保健医学教授，曾于2011年至2024年担任该系主任，并于2019年至2025年担任牛津大学副校长。
至于李奕萱的身份，据经济参考网2019年报道，李奕萱当时为英国国家科学文化院（National Academy of Science and Art）执行院长。而这家机构正是“牛津大学全球CEO项目”的主办方——在项目方发送给学员的退出通知中，National Academy of Science and Art Ltd的字样出现在开头。该机构成立于2017年，总部位于英国牛津，主要致力于推动英国科技成果在海外转化。
同年7月，四川大学华西医院官网曾发布消息称，牛津大学全科医学科主任霍布斯、英国国家科学文化院执行院长李奕萱等一行访问华西医院。
学员们自己查到的信息有：李奕萱1988年出生，毕业于中央民族大学。“她就是一个体育特长生。”张军反复强调，这也是让他觉得备受侮辱的地方。
我们通过多种公开渠道进行查证，并未查到李奕萱是“体育特长生”的相关信息。
去年年底，数位学员要求退费。据南方周末报道，2025年12月16日下午，部分聊天截图显示，香港课程开课前， 有一位企业家组织其他有维权需求的学员成立了微信群，前往香港与班主任侯某等人员沟通。但仅组织者维权成功，他以在香港报警为“筹码”，拿到了80%的退款，并在维权成功后解散了微信群。
目前，据镜相工作室了解，经过数轮沟通后，部分人拿回了不同比例的学费。张军退回了约80%的学费；另一位企业家告诉我们，他拿回了70%。
不过，在项目方向学员发送的退出通知中，这些退款并未被描述为普通的退出，而是写成“因学员多次违反项目精神而强制退出项目”。
这时，张军才第一次认真看了那份由秘书代签的协议。 据南方周末报道，协议甲方牛津中企（北京）科技有限公司，是一家2025年3月注册的公司。
“合同把你锁死了，”张军说，“打官司没法打。打赢了也没用，就那么一个公司，你找谁要钱去？”
这个CEO班，张军获得了什么？如果只是看在欧洲的7天经历，他很难说服自己，买到了知识或是人脉。在他的感受里，那几天面临的是“生存问题”，考虑不到其他。
但即使不经历这些，在业内，这个问题本身也没有标准答案。
过去二十多年，中国企业家教育市场不断扩张。从EMBA到总裁班，再到各种CEO项目，这类课程售卖的从来不只是课堂，而是一整套资源——学校品牌、教授身份、同学圈层、海外经历，以及一张足够有含金量的证书。
在李玉看来，企业家愿意为此支付高昂学费，有着现实的需求。改革开放初期成长起来的一代企业家，很多人学历并不高，依靠时代红利把企业做到了相当规模。随着企业进入新的发展阶段，他们开始面对组织管理、全球化、资本市场等过去从未接触过的问题。对他们来说，继续学习既是为了提升自己的认知，也是为了寻找新的资源。
“很多老板读商学院，不只是为了自己。”李玉说，“一个企业如果只有创始人的认知升级，高管团队没有同步成长，企业还是会遇到问题。所以不少老板读完以后，会继续推荐公司的高管来读。”
与此同时，同学关系也是企业家教育的重要价值。有人希望认识投资人，有人希望拓展海外资源，有人希望寻找合作伙伴。一个项目如果能够聚集十几位知名企业家，本身就已经具备了商业价值。
从市场上看，带 “CEO”“总裁”“创始人” 字眼的研修班数量庞大，鱼龙混杂。
一端是清华、北大、中欧、长江等正规商学院官方运营的EDP（高层管理者发展）项目，长期综合研修项目学费区间多在十几万到六十万元，设置入学审核机制，课程体系相对规范。如北大光华的“中国CEO”，浙江大学与剑桥合作的剑桥金融科技总裁班等。
另一端是纯市场化第三方机构，没有高校官方背书，依靠导师、创始人IP招揽学员。如胖东来创始人于东来与联商网合办的“东来班”。
中间还存在大量高校继续教育学院开设的总裁研修班，以及部分教授依托院系资源联合外部机构合作运营的项目。“牛津大学全球CEO项目”便属于这类。
各类项目宣传共用名校概念，混杂在一起，普通学员很难分辨主办主体。
从学历、学位证书的纬度来看，行业流传的“CEO班比EMBA更高一级”，本质只是营销话术，不存在官方教育体系意义上 “层级更高” 的说法。
但行业命名持续内卷：从总裁班迭代至CEO班，再升级为创始人班、实控人闭门班，依靠名称迭代制造圈层更高端的认知差异，以此支撑持续走高的课程定价。
“牛津大学全球CEO项目”，属于教授依托所在高校下属研究机构资源、与外部机构合作开展的项目。李玉认为，这种模式在国内外高端教育市场中都不罕见。
但这类合作模式外界往往较难判断具体边界。尤其是国外高校。李玉认为，相比国内高校有较清晰的官网、招生渠道和组织架构，国外高校体系更加复杂。
“国外很多项目市场化程度更高，不一定都是学校行政体系直接主导。”他说。“关键还是要看，它到底是不是学校官方渠道，是不是有完整的申请流程，以及项目本身和学校之间的关系。”但由医学院系和研究机构开办的全球CEO项目，确实不太多见。
对于企业家而言，这种复杂性也正是高端教育项目吸引力的一部分——相较于授予学位证书的正式入学，这类外部合作项目的入学门槛相对较低，更容易获得。一个国际高校的名字、教授身份、企业家圈层和海外资源，被共同包装成了一种稀缺产品。当这些元素被组合在一起时，它究竟代表真正的教育价值，还是一种包装或赋魅，也成为这类项目长期存在的争议。
时至今日，一些企业家已经不愿再谈起这段经历。
我们联系了多位学员。一位学员听完来意后，只说了一句：“现在不方便，已经过去了。”随后匆匆挂断电话。
另一位企业家显得平静又无奈。“这个项目也有人觉得还可以。”他说，“为自己的认知买单吧。想读的人继续读，不想读的人就不读了。”据他了解，最终退学的大约有八到十人。
对张军来说，这场持续30个月、学费108万元的课程，在第一模块结束时其实已经画上了句号。退费到账后，他删除了当初联系自己的销售微信。但类似的推销电话还是会打过来——耶鲁的、哥伦比亚的、香港科技大学的。现在听到“招生”两个字，他就会直接挂断。
他说，自己过不去的不是钱——大部分学费已经退回来了。他过不去的，是那个问题：自己做了几十年生意，怎么就被一个“牛津大学”打蒙了？
7月31日，我们通过学员提供的电话联系了李奕萱和侯某。截至发稿前，李奕萱的电话未接通。侯某接听了电话，听到来意后称：“打错了吧”，随后挂断。
（文中受访者为化名）
参考资料
南方周末：《108万元的“CEO培训班”：牛津“买教训”？》
经济参考网：《共话机会与挑战 中英新兴产业城市论坛举办》
【版权声明】所有内容著作权归属镜相工作室，未经书面许可，不得转载、摘编或以其他形式使用，另有声明除外。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-08-01 16:19:49
（本文作者为 硅谷101，钛媒体经授权发布）
文 | 硅谷101
AI行业突然开始了一场“造芯大战”。
7月20日，The Information报道称，谷歌正在研发一款内部代号“Frozen v2”的服务器芯片，计划把Gemini模型的部分架构直接固化进硅片。
而在一个月前的6月24日，OpenAI亮出了和博通联合研发的首款推理芯片Jalapeño，从设计到流片只用了九个月。
此外，Anthropic、智谱、DeepSeek也都相继传出正在进行相关布局。
但并不是每家公司都有资金、有能力去重造一块芯片。因此有一个市场正在引发资本和巨头的关注：AI infra。背后的逻辑是：已经部署好的数据中心和GPU，本身还存在优化的空间。
AI推理平台Baseten一年收入增长了20倍，估值从21亿美元暴涨至130亿。同赛道的fireworks，七个月内估值翻了四倍达到 175 亿美元，年化营收突破10亿美元。
而最近，这个赛道还迎来了一股强劲势力。开源推理引擎“双子星”vLLM和SGLang前后脚宣布商业化，种子轮融资都超过1亿美元，背后几乎聚齐了AI产业里所有巨头和顶级风投的名字，拉开了强强对决的大幕。
所以，“GPU的利用率”成为了硅谷的最新关键词，也带出了一个新的千亿级市场。
这篇文章，我们邀请到了由SGLang孵化的RadixArk的联合创始人和核心成员，以及数据中心专家，一起聊聊AI Infra的四层架构、行业如何把“硅”的潜力榨到极限，以及背后的关键技术。
大模型的重心从训练走向推理，这对算力会提出完全不同的要求。
训练成本极高，但训练完之后，任务就告一段落。但推理不同，无论是Chatbot还是Agent，AI应用越多，GPU需要处理的请求就越多，而且这些请求完全不间断，推理需求也随之爆发性增长。
朱邦华
RadixArk联合创始人
随着新的应用逐渐增多，推理的总量会比原来大很多。随着大家不断拓展应用、不断拓展模型的智能边界，推理的需求会越来越大。现在已经大到，市面上的卡基本都很难找到，每一家都缺卡。
现在的情况就是，市面上每一家都缺卡，而对于有钱的巨头们来说，最直接的方法当然还是继续建数据中心、采购更多GPU。
Meta、Google、Microsoft等科技巨头持续提高资本开支，今年合计预计超过1万亿美元。而黄仁勋预测，到2030年，全球AI基础设施年投资规模将达到4万亿美元。
但华尔街，是担心的。
Ethan Xu
前微软能源战略经理、突破能源科研总监
华尔街的担心不无道理，过去我们是有前车之鉴的。像互联网时代泡沫的破灭，当时大量资金投入到光纤建设、互联网公司，虽然长期来看实现了它们的价值，但短期出现了很大的问题。
所以，如果不能在短时期内大规模增加算力，还有什么办法能够满足AI快速发展的需求？答案是：提高GPU的利用率。这背后的这一层产业，叫做AI Infra（人工智能基础设施层）。
首先，我们从AI Infra的整体架构角度，来科普GPU的一个误区：你以为GPU很忙，其实大多数时候，GPU是很“闲”的。
GPU只是整个AI系统中的一环。从一条用户请求进入系统开始，它需要经过网络传输、资源调度、模型加载、内存管理，再到最终完成推理、返回结果。整个过程中，只要任何一个环节出现瓶颈，GPU就只能停下来等待。
卡内基梅隆大学（CMU）今年4月发布的一项研究，对一个大型学术AI集群里的756块GPU做了31天的细粒度遥测，覆盖A6000、L40S、A100、H100到最新B200等六种型号。结果发现，很多时候GPU都处于一种叫做“execution-idle”（执行时空转）的状态。
这种“看似繁忙实则空转”到底有多严重？在他们观测的集群中，整体上有近20%的执行时间和约11%的能耗被浪费在了等待上。更值得关注的是推理场景，Azure Code负载有高达65%的能耗消耗在这种空转上，OpenAI的Chat类请求也达到52%。
那么，为什么GPU会被跑不满呢？我们首先要了解一下AI Infra的四层架构，每一层其实都会影响GPU的利用率。
第一层：能源基础设施（Power Infrastructure），也就是电。这一层决定的是，GPU能不能持续稳定地运行。
第二层：计算硬件（Hardware Infrastructure），也就是卡。除了GPU，现在还包括高带宽存储（HBM）、高速互联（NVLink、InfiniBand）和CPU等。这一层决定的是理论上能够提供的计算上限。
第三层：系统软件（System Software），包括CUDA、编译器（Compiler）、通信库、内存管理和底层算子（Kernel）库等，决定的是每一次计算能不能被执行到硬件的物理极限。
第四层：服务编排（Service Orchestration），这一层要负责协调GPU资源，决定哪些任务优先运行，以及不同业务间的动态调度。推理引擎、训练框架、请求调度和资源管理等都属于这一层，代表性项目有vLLM、SGLang等，也是近年来创新最密集的地方。
搞清楚了AI Infra的架构之后，回到我们的问题：为什么这么多GPU跑不满，主要卡在什么环节？
理论上来说，四个层级中的任何一层出现问题，都会影响GPU利用率：电力和散热不足，GPU会被迫降频运行；硬件互联跟不上，会让GPU花大量时间在等数据而不是算数据；系统软件优化不够，会让每一次计算都无法触及硬件的物理极限；而请求调度不当，会让本来可以合并的计算被拆散、可以复用的结果被重算，造成浪费。
但这四层的问题，性质并不相同。能源基础设计层和计算硬件层是“硬”问题，电力、散热、芯片的改造周期以年为单位，而且优化空间正在快速见顶。系统软件层和服务编排层是“软”问题，本质上是工程问题和算法问题，优化之后能带来数倍的性能提升。
在这样的背景下，行业的注意力也在快速往这两层“软”问题上移。
陈震林（Richard）
RadixArk Member of Technical Staff
尽管成本主要发生在物理层，但大部分工作都要放在软件层和服务编排。因为你把人力投入到这一块当中，能够带来最大的优化可能性。
举一个具体的例子。一台NVIDIA GB200 NVL72机柜，采购成本大约在400万美元。但如果软件栈没有做好调度和优化，GPU的实际利用率可能只有50%，相当于只用到了200万，剩下的200万美元就以电费、折旧和机会成本的形式被白白烧掉了。反过来，如果能把利用率从50%推到90%以上，效果就相当于凭空多出了一台机柜。
陈震林（Richard）
RadixArk Member of Technical Staff
软件层能做得最好，就会带来更好的服务和更好的token消耗。通过这一层的重写和优化，去帮助推理引擎和训练框架做更好的交互，也包括像reinforcement learning（强化学习）这种现在特别火的post-training（后训练）过程的调度，把GPU的利用率给提上来。
这就是为什么，当硬件成本高到这个量级时，软件层的每一次优化，都变成了直接的商业问题。
不久之前，有网友扒出Anthropic的员工中现在占比最大的就是AI Infra相关的工程师，背后也与这个逻辑息息相关。
陈震林（Richard）
RadixArk Member of Technical Staff
Anthropic现在推理的队伍大概已经有200多个人，在这三年期间，他们也是从infra极度不稳定，到现在极度趋于稳定，以及把成本和优化做得更强，这也直接影响了他们的营收能够在二季度就实现盈利。
OpenAI、Anthropic和谷歌会把这样的AI Infra团队放在公司内部做，因为这成为了各大前沿实验室的竞争壁垒之一。但对于没有资金量做优化的稍小一些的模型团队或初创公司来说，两个开源框架成为了他们的支柱，分别是SGLang与vLLM。
陈震林（Richard）
RadixArk Member of Technical Staff
这就是为什么两年前会有像SGLang这样的开源社区出现。你需要有这样新的框架，去重新定义这一波新的硬件系统组合，才能跟它做更好的适配。
理解了四层架构以及需要被优化的两层“软”问题，那具体应该怎么做呢？
目前所有的优化工作，都可以归结为对四个问题的回答：哪些计算不用重新做？哪些等待可以消除？哪些算力没有吃满？哪些资源没有协同？
刚才我们提到的SGLang与vLLM都是在围绕着这几个问题展开，只是设计思路略有不同。vLLM因提出PagedAttention而受到广泛关注，更强调常规、通用的推理部署场景。SGLang则从推理执行流程出发，更强调计算复用和系统级优化。
我们来看看，SGLang孵化出来的RadixArk团队，现在是如何思考AI Infra优化的这四个核心问题的。首先，我们先来解决一下计算的问题。
▍K/V Cache的极致复用
大模型推理里有一个“很傻”的事实：当同一段文字被反复喂给模型时，它每次都要从头计算一遍。
这在实际业务里简直就是硬伤，尤其是在agent（智能体）工作流里，同样的工具描述可能被调用几十次，每次都从零开始。业界现在把它称为“推理税”，这意思大概跟智商税也差不太多，反正都是白花的钱。
那这税能不能省呢？当然能。
Anthropic之前就做过一版优化，直接把成本砍了90%，同样的东西本来要花十块，优化完只花一块。而这背后最核心的思路，叫做KV Cache复用，简单来说就是把算过一遍的东西存下来、下次直接拿来用，不用从头算。
Transformer在解码时，每一层self-attention（自注意力机制）都会把历史token映射成Key / Value张量，简称KV，Cache就是缓存。有了KV Cache之后，在第一次请求的prefill（预填充，指用户输入完prompt到生成首个token的过程）阶段，系统能把prompt中每个token、每一层的K/V存下来。之后解码每个新token时，只计算新token的KV并追加到缓存里，历史token的K/V则直接复用。
但KV Cache有一个弊端。它虽然可以降低解码的计算量、降低首token延迟（TTFT），但代价是占GPU显存。当上下文很长、同时又有很多用户请求时，KV Cache会占用大量显存。显存一旦不够，模型就很难继续提高并发和速度，所以它常常会变成推理服务的主要瓶颈。
而SGLang在这件事上的解决方案，是一项叫做RadixAttention的核心技术。
它的核心思路是用一种叫做“基数树”（Radix Tree）的数据结构，来组织海量请求的KV Cache。你可以把它想象成一棵共享前缀的家族树，共享同样开头的请求会共用同一段枝干，只有当内容开始分叉时，才各自长出新的树枝。
朱邦华
RadixArk联合创始人
现在的智能体世界里，很多时候会有很多共享的系统提示词，在共享的系统提示词之后会有不同的用户提示词，而在同一个用户提示词下面，大家会接着问问题，所以树状结构就会不断向下延伸。这也是SGLang论文比较有远见的地方，它在2023年的时候就已经大概预见到了这样的模式。随着智能体编程的用户越来越多，Radix Tree，也包括SGLang本身的prefix cache（前缀缓存）这套系统，带来的增益就越来越大。
简单来说，SGLang完成的核心优化之一，就是跨请求、跨机器地共享和复用KV Cache。普通KV Cache只服务于一个请求，但SGLang把KV Cache变成了全局可复用的资源。
不过，这件事听起来简单，工程上却很复杂。比如说，缓存存在哪里、怎么快速匹配、多个请求怎么共享、显存不够时该淘汰谁，每一步都要精细设计。仅仅有一个好的缓存结构还不够，还需要“调度器”主动把可以共享前缀的请求安排在一起处理。否则缓存明明存着，调度器却把请求分到不同时间、不同GPU上，缓存就等于白存。对此，SGLang也做了非常多的优化策略。
比如说Cache-aware scheduling（缓存感知调度），就是把相似请求排在一起处理。你可以把大模型运作想成餐厅后厨，如果后厨现在连续处理的三单都是麻辣香锅，那很多调料和准备工作可以复用，效率很高，就算有区别，也只是小辣、中辣、大辣的区别。
但如果顺序变成麻辣香锅、寿司、牛排、麻辣香锅、寿司、披萨、麻辣香锅，中间切来切去，大厨还得洗锅，那复用机会就少了。所以SGLang会用Cache-aware scheduling让前缀相似的请求靠近处理，把顺序重新排成3份麻辣香锅、2份寿司、牛排、披萨，这样缓存更容易命中，效率也就进一步提高。
还有一个叫Eviction（淘汰机制），就是显存不够时，扔掉最不可能再用的缓存，跟你管理手机内存是一样的道理，10年前的照片和文档，可能就没有最近几个月的数据那么有价值。所以常用的系统提示词、高频RAG文档，还有最近刚被用过的对话前缀更会被保留，而显存不够时，就淘汰很久没用过的、复用价值低的、不太可能再被访问的KV Cache。
还有一个让AI Infra显得非常有智商的技术，叫做分布式cache-aware load balancer（缓存感知负载均衡）。大规模服务通常有很多GPU，如果某段长prompt的KV Cache在GPU 1上，但下一个相同前缀的请求被发到了GPU 3，那GPU 3没有这份缓存，还是得重新算。所以SGLang还会尽量把请求发到“已经有笔记”的那个GPU上，这样一来，可以少算很多重复内容。
还有其他的小技术细节我们就暂时不展开了。总体而言，虽然SGLang把架构都搭好了，但具体每个团队怎么部署infra，还是蛮有工程上的考量的。我们接下来看看优化工作的第二个大难题：等待。
▍等待：让GPU别闲着
现在这行情，内存价格一个季度能涨90%，高端显存缺货缺到2027 年，GPU有钱都不一定抢得到。但最后，这些花了大价钱抢到的卡，一半时间却都在“干等”。
第一是请求之间的等待。最早的推理引擎是“排队制”，请求一个个来，一个算完再算下一个。后来演进到“批处理”，凑够一批一起算，但凑批也要等，这不解决浪费的问题，而且一批里如果有的请求短、有的请求长，短的算完了要等长的算完才能一起下车，短请求的用户体验极差。
现在主流的做法叫Continuous Batching（连续批处理），不再等一批人全部到齐再发车，而是像一辆随时可以上下客的公交车，新请求随时能上车，算完的请求随时能下车，GPU始终保持满载。这一改造，能让GPU的实际吞吐量提升2到4倍。
除了请求等待之外，计算阶段也有等待。大模型的推理其实包含“读入”和“生成”两个阶段。读入阶段（Prefill）要快速处理一大段文字，对算力要求高。生成阶段（Decode）则是一个字一个字往外蹦，计算量不大，但每写一个字都要翻一遍完整记忆，对显存带宽极其敏感。过去这两个部分都被塞进同一张GPU里混合执行，结果就是Prefill在算的时候Decode在等，Decode在算的时候Prefill在等，互相拖累。
现在的做法叫Prefill/Decode分离，把这两个阶段拆到不同的GPU上，各自用最适合的硬件配置，通过高速网络传递中间结果。比如DeepSeek就采用了这个方案，Prefill“读题”时，32张GPU组成一个最小计算单元，等真正开始“逐字作答”，任务就交给另一批GPU接手，两拨卡各干各的，互不打扰。
如今，PD分离已经成为推理引擎最重要的架构演进之一。在英伟达推出的分布式推理框架Dynamo中，PD分离被放在了整个架构设计的核心位置，而SGLang也是业界最早支持大规模PD分离部署的推理引擎之一。
接下来我们说说第三个大问题：算力跑满的问题。
▍算力：“多释放一倍”
当年英伟达的H100发布后，Tensor Core算力相比A100提升了数倍，整个行业都期待着AI推理能同步增长、性能飞跃，但现实却并不是这样。背后的主要原因是，GPU大量时间花在了数据搬运上，又受限于串行解码，计算能力无法得到充分释放。
解决思路有两个主要方向。
一个是低精度计算。大模型在运行时，GPU显存里主要装了三样东西：模型权重、中间激活值、以及KV Cache，这三部分的精度可以独立设置。用更小的数据格式来存储或运算其中的任何一部分，都能减少显存占用，也能利用GPU上更快的低精度算力。在合适的场景下，甚至能多释放出一倍的算力空间。
另一个是投机采样（Speculative Decoding），意思是先用一个小模型（draft model，也叫草稿模型）“猜”接下来几个字，再让大模型进行一次性验证，猜对了就等于一次计算生成多个字。
做个类比，大模型是个很厉害但很忙的老师，小模型是个速度很快的助教。之前，学生每写一个字都要问老师这个字行不行，老师确认后再写下一个字。但投机采样是助教先帮学生写一小段草稿，老师一次性看这一小段，如果前面都对就全部通过，如果中间错了，就从错的地方重新来。
这样的方式，最佳情况下能把生成速度提升2到3倍。而推理引擎在这里扮演着一个至关重要的角色，就是把这些新能力第一时间集成到系统里，把软件和硬件打通，优化协同起来。
朱邦华
RadixArk联合创始人
SGLang本身是一个整体的解决方案，它是一个inference engine（推理引擎）。它需要保证，比如我们会做kernel（计算内核）优化，会做scheduler （调度器）优化，会做比如说CUDA Graph（CUDA图执行优化）、continuous batching（连续批处理），甚至再往上走，你会有routing（请求路由），也包括 prefix cache(前缀缓存）怎么去被路由到对应的推理引擎实例。所以SGLang其实有非常非常多的技术组合在一起，把整个推理方案做到极致、做到最好。
我们的嘉宾还提到，像SGLang这样的推理引擎，现在跟芯片厂商之间已经是一种深度绑定的联合优化了。芯片厂在设计新硬件的时候，就已经在和SGLang团队一起做联合调优，等到硬件正式发布，SGLang也几乎在同一时刻完成了day-0支持，双方一起把硅的性能压缩到极致。
朱邦华
RadixArk联合创始人
不管是哪一个硬件厂，做出来新的GPU、新的硬件，都要证明这个硬件是非常高性能的。基本上现在默认，很多人的选择都是通过跑SGLang，甚至现在SGLang已经变成一个硬件评测的工具。比如你可以看到AMD最新的硬件、英伟达最新的硬件，现在都是SGLang的首发合作伙伴，甚至就在发布硬件的当天，他们就会说在SGLang上的性能表现达到了多少。我们现在会和所有这种硬件厂商合作，SGLang本身和我们团队能够把他们硬件的性能压缩到极致，使得最后能交付更好的推理性能、训练性能等等。
这其实也解释了RadixArk从SGLang孵化出来进行融资的时候，机构投资人方面，英伟达、AMD、联发科、Databricks等AI硬件与系统层的主要玩家几乎全部到齐，个人投资者的名单更是一个比一个重磅，包括英特尔CEO陈立武、博通CEO陈福阳、OpenAI联合创始人John Schulman、PyTorch之父Soumith Chintala等等，可以说是非常豪华的阵容了。
因为对他们来说，投资RadixArk这样的推理引擎是一种战略下注。他们需要一个连接算力与应用的基础设施入口，把更多模型、企业应用和Agent都汇聚到自己的算力生态中。
最后，我们再来说说SGLang在强化学习上的一个重要优化：Miles。
▍资源协同：适配RL后训练的Miles
强化学习成为了新一代模型的核心训练方式，这包括OpenAI o1和DeepSeek R1等等，这也让AI训练的形态发生了巨大变化。
传统的模型训练是一件“体质单一”的事：喂数据、更新参数、再喂数据、再更新参数，整个过程中GPU干的都是同一类活儿。这种情况下，硬件配置和调度策略只要针对“训练”这一件事优化到位就行了。但强化学习要把推理、评估、参数更新三种完全不同的计算揉在一起循环跑，三件事对硬件的需求天差地别。
朱邦华
RadixArk联合创始人
准确来说，强化学习必须要做在线推理。它的负载是，我先让模型生成很多要回答的内容，然后根据这些内容打分，再把模型更新一下，再去回答一些新的问题，然后再给它打分。所以本身它就是一个交替做训练和推理的过程。
如果用传统的训练框架来跑强化学习，它们会在同一批GPU里争抢资源，生成的时候训练在等，训练的时候生成在等，大量算力被浪费在阶段切换和相互等待上。
所以资源协同，成了效率提升的命门。这也是为什么RadixArk在SGLang之外，还推出了训练框架Miles。
陈震林（Richard）
RadixArk Member of Technical Staff
如果单纯无视训练、只做推理，反而可能没有办法押注未来。因为最终可能还是会有很多人希望自己训练自己的模型，然后再去推理。所以如果我们想做整体的AI软件基础设施，我们认为两边都需要关注。
Miles是一个面向大模型后训练的开源训练框架。所谓后训练，是指模型有了基础能力之后，再通过SFT（监督微调）、强化学习等方式继续打磨，让它更会听指令，也更会思考。
和传统训练框架相比，Miles最大的不同是：它把“训练”和“推理”放进了同一个系统里一起考虑。这点在强化学习里非常重要，就像我们前文提到的，在强化学习中推理和训练是一个交替进行的过程，如果配合不好，很多算力就会被浪费掉。
Miles和SGLang配合在一起之后，SGLang在推理端不断产出新样本，Miles在训练端不断更新模型权重，更新后的模型又可以继续用于下一轮生成。这样的优化，能让推理和训练衔接得更顺，减少等待和切换的时间浪费，从而形成一个更高效的后训练闭环。
陈震林（Richard）
RadixArk Member of Technical Staff
不匹配的情况在现在的工程领域当中还很容易经常发生，它会导致在推理和训练模型当中，你什么时候能够共用一些共享的模型权重、kernel，你才能保持对齐。很多人会用SGLang，那这时候再用Miles，本身会带来更强的训练能力，然后对推理任务、长程任务，还有智能体的任务，提高更多的稳定性。MoE（混合专家模型）现在是大家都在使用的架构，但MoE本身会有一些routing（路由），这个过程当中会导致训练和推理当中并行的一些策略、还有最后的准确率都会不一样。所以这时候你就需要有更强的工程能力，能把这个事情给做成。所以Miles本身就带来了这一块的优化，以及把训练和推理去做更好的结合。
目前，Miles在新硬件支持、MoE训练以及训练与推理一致性（Training-Inference Alignment）等方面都进行了大量工程优化，使整个后训练流程能够更稳定、更高效地运行。自2025年11月项目启动以来，Miles已经被不少前沿实验室采用。
我们说了这么多技术上的理论，是因为这一层对于AI大模型的发展真的非常重要。它希望把“硅”的极限榨出来，让整个AI系统的算力效率被系统性地释放出来。
而就如我们之前提到的，SGLang和vLLM都是开源架构，背后主要依靠一群研究者和工程师在业余时间共同维护、为爱发电。但当全世界都面临算力紧缺、需要去“榨”硅的极限从而释放更多算力的时候，仅靠开源社区的协作已经难以满足庞大的需求了。于是，SGLang和vLLM的主创团队都前后选择了正式出来创业，更快速、更投入地把技术往前推。
从SGLang正式孵化出来之后，RadixArk有着更大的野心。他们认为，就像云计算改变了服务器一样，未来AI Infra也可能演变成整个AI行业能够共享的基础设施。
最近，黄仁勋牵头成立开源AI联盟，联盟里既有模型公司，也有芯片公司，还有像SGLang这样的AI Infra项目。
今天开源模型迭代的速度越来越快，从DeepSeek V4、智谱GLM-5.2到7月17日刚刚发布的Kimi K3，每隔几周就会出现新的SOTA模型。但开源模型开放的只是权重，权重并不会自动变成Token。任何人下载了这些模型之后，仍然要解决部署、显存、吞吐和调度等一系列工程问题，而SGLang现在都能做到day-0支持。
这意味着，模型一发布，任何开发者都能借助SGLang这样的引擎立即部署，同一套推理框架也能够跑在英伟达、AMD以及更多新兴AI芯片之上。推理框架正越来越像AI时代的“操作系统”，成为连接模型与芯片的关键一层。
朱邦华
RadixArk联合创始人
我们做RadixArk一个更大的目的，其实是希望以后就不要有frontier lab（前沿实验室）这个词，因为人人都可以做前沿实验室。我觉得前沿本身也是一个非常动态的事情，两年前大家都会觉得Anthropic并不是前沿公司，甚至在这之前，大家可能觉得谷歌离OpenAI太远了，不可能追上。所以在这方面，我觉得现在AI变化太快了。
我们相信会有越来越多的挑战者，越来越多有自己想法的人，他们会做出更好的AI模型和AI产品。我们做RadixArk，就是希望能够赋能这些更有想法的人，让他们更好地去做自己的事情，我们给他们提供的是infra上最强的支持。他们在想做的这一刻开始，就会有和现在的前沿实验室一战之力。那最终，可能这个世界上所有人其实都能自己训练出前沿级别的模型，然后能做最好的推理，所以我们其实更希望是这样一个支持者的角色。
所以，当AI Infra能力从少数前沿模型巨头的独家资源，变成任何一家创业公司都能直接调用的公共品，从事AI工作的门槛会被显著降低。而这，或许才是“榨出硅的极限”这件事最重要的意义。
我们也希望看到，在infra红利被全面释放之后，会有越来越多带着新想法、新架构、新应用场景的团队不再因为infra而被拖慢脚步，这也能让AGI距离我们更近一步。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
