2026-06-02 11:50:28
（本文作者为 AIX财经，钛媒体经授权发布）
文 | AIX财经（AIXcaijing），作者 | 王璐，编辑 | 魏佳
你日常用Cursor写代码，用ChatGPT建界面，但你可能不知道，这些调用背后，有一类平台正在悄悄抽佣。它们什么模型都不做，只负责把各家大模型的接口打包在一起，让开发者通过一个入口自由调用全球的大模型。这就是AI中转站，也叫API聚合平台。
2026年5月以来，这门生意快速升温。
海外最大的API中转站OpenRouter，近日宣布完成1.13亿美元B轮融资，由谷歌母公司Alphabet旗下成长基金CapitalG领投，英伟达NVentures等知名风投机构跟投，原有股东a16z和Menlo Ventures也继续加码支持。完成融资后，OpenRouter估值飙升至13亿美元，相比一年前的5.47亿美元翻了一倍多。业务发展方面，OpenRouter目前每周处理的tokens数量达到25万亿个，折合每月约100万亿tokens，相比半年前暴涨了5倍，其全球用户数量也已超过800万。
国内也有人开始盯上这门生意，猎豹移动CEO傅盛宣布上线EasyRouter，网易有道正式发布了大模型聚合平台ThinkFlow。
但想在国内复制OpenRouter的生意并不容易，不仅要搭建稳定的接口服务、兼容各种大模型格式，还不得不直面一个现实：很多海外主流模型，从注册、付费到调用，都对国内用户设置了门槛。
更为复杂的是，由于AI中转站缺乏明确的监管体系，哪些可做、哪些踩线，往往没有清晰界限，参与者鱼龙混杂，产生了一系列乱象。
国内的OpenRouter们，还在寻找答案。
AI中转站商业模式的核心在于抽佣，而收入的增长速度十分惊人。以行业头部平台OpenRouter为例，其年化收入从去年10月的约1000万美元，猛增至2026年4月的超5000万美元。做AI中转站的KKdream告诉「AIX财经」，对于一家成立不到3年的公司来说，这一成绩相当亮眼。
这与用户日益上涨的AI需求相关。
过去两年，全球可用的主流大模型从十几个爆炸式增长到数百个：OpenAI、Anthropic、Meta、Mistral、Google……每家接口规范不同，计费方式不同，稳定性也参差不齐。
对于开发者来说，今天想试试Claude，明天想切换到Llama，后天某个模型宕机了需要自动切换，每换一次，就得重写一段对接代码。而OpenRouter的价值就在于，提供了一把“万能钥匙”，把各家模型的API接口统一“翻译”成同一套格式，方便开发者调用。
它的运作机制，本质上是一个智能调度黑盒。
当开发者发起请求后，平台核心的调度系统开始工作，根据任务类型、成本、性能等预设规则进行实时判断。OpenRouter会在每次调用后，抽取一笔约5%-5.5%的手续费。
图源 / OpenRouter
不止一位从业者判断，OpenRouter的营收还会继续往上走。
一方面，以Cursor、ClaudeCode为代表的AI编程工具，正成为API调用量的大头，智能编码正改变着开发者的工作模式；另一方面，当前大模型市场尚未形成一家独大局面，开发者需要在多个模型之间灵活切换，拥有大模型聚合功能的AI中转站天然拥有价值。
从业者们相信，当AI模型越来越多、用户用量越来越高时，大模型之间的选择权衡将更为关键，OpenRouter这个“中间层”的作用会更明显。
收益之外，这门生意还有另一层想象空间：平台沉淀的调用量数据，能直观反映各家大模型的真实市场地位。用户越多、调用越频繁，平台本身的估值逻辑就越强。这也是为什么OpenRouter能以5000万美元年化收入支撑13亿美元估值。资本看好的，是未来的数据资产和生态入口。
但是，这门生意远非看来那么暴利。
在KKdream看来，不烧钱炼大模型，并不意味着就能“躺赚”，API中转站的成本大致分为四部分。
最大头的是上游模型调用成本，即向OpenAI、Anthropic、Google等模型厂商支付的token费用。随着长上下文和多模态越来越普及，单次请求消耗的数据量会越来越大，这部分成本持续上升。
其次是网络和带宽成本。AI中转站本质上是一个实时流式传输系统，需要处理streaming、WebSocket。尤其是多模态能力起来之后，数据吞吐量明显高于传统API服务。
还有基础设施成本，比如全球代理节点、负载均衡、高并发网关、缓存、数据库以及日志监控系统，而且为了保证稳定性，通常还要做多地域部署和灾备。
最后一项常被忽略的是稳定性成本。由于不同模型厂商会出现限流、宕机或者接口变更，中转平台需要持续维护fallback路由、模型健康检测和动态流量调度。如果平台开始服务企业客户，还会增加权限管理、安全合规、API管理以及Prompt日志等企业级能力的研发和运维投入。
KKdream表示，AI中转站不像大模型公司需投入巨额资金训练模型，真正难的地方是在高并发和复杂模型环境下，实现长期稳定、低延迟、低成本的服务运营。
如果OpenRouter只满足于做简单的API“二道贩子”，利润会很快被流量成本摊薄，最终陷入低毛利竞争。在KKdream看来，那只算通道型的“苦力活”，真正的价值必须来自更智能的调度、更稳定的服务与更深层的开发场景绑定。
OpenRouter的火热主要源自北美市场，国内开发者对“AI模型统一入口”的需求同样强烈，并诞生了四类玩家。
先说广义上的两类。生态派（阿里云、火山引擎、百度智能云）本身已构建了从算力到服务的完整体系，聚合模型对它们而言是生态延伸，不是独立生意；大模型厂商支持接入除自家以外的其他模型，更多是为了留住开发者、扩大自身平台的使用场景。这两类玩家的核心目标并非单纯通过聚合服务盈利，因此不重点展开。
相比之下，真正将“多模型”作为一门独立生意来运营的，是另外两派，它们也是当前市场关注的焦点。它们均不自研大模型，但定位与路径也大不相同。
一类是聚合派，以硅基流动、ThinkFlow为代表。根据从业者介绍，这是最接近OpenRouter定位的。其核心价值在于通过统一的接口，为用户提供稳定的调度与更具性价比的调用方案，模型池覆盖国内闭源大模型及全球主流开源模型。
另一类则是以B.AI、EasyRouter等为代表的海外中转派。其主要业务之一是解决一个更具体的需求，即将GPT、Claude等海外闭源大模型，以更便捷的方式提供给国内开发者。
图源 / B.AI官网截图
一位业内人士向「AIX财经」透露，这类海外中转平台的实现路径主要分两种。
一种是官转，即通过海外公司或渠道批量采购套餐，再转成API的形式进行售卖，价格一般为官方定价的一半或者八折，优势在于稳定性相对有保障。
另一种则更复杂，游走于灰色地带，包括利用云平台免费额度倒卖，或将ChatGPTPlus等个人订阅账号“拆解”封装成API出售。
而且由于海外厂商对国内的风控较为严厉，也催生了复杂的“号池”运营体系来维持供给，走这条路线的AI中转站通常会混合多种货源，通过智能路由在成本、稳定与风险间找平衡。
这就引出了这类业务最难绕开的问题：合规。
广信君达律师事务所合伙人曾恺律师告诉「AIX财经」，无论是“倒卖账号”还是宣称“与海外厂商直签”，都存在一定的法律风险。具体而言，倒卖账号的中转站，法律风险是全面暴露的；而所谓的“授权”能否构成在国内合法转售的依据，仍然存疑。
他解释，API中转站与海外厂商签约，不等于获得了在国内转售其API的合法授权。在现行政策下，从OpenAI等公司取得面向国内市场的正式分销授权基本是一个伪命题，现有“授权”的法律效力在监管眼中存疑。
而境外未备案模型如何纳入国内的生成式AI服务备案体系，目前没有明确的操作路径和先例。即使其完成了数据出境备案，但若未取得增值电信业务经营许可证等，从事跨境信息中转服务仍面临被认定为无证经营的法律风险。此外，境外主流大模型尚未在国内完成大模型备案和安全评估，通过其中转服务，可能触发监管部门的相应技术处置措施。
也就是说，这门生意的边界，目前比较模糊，特别是涉及海外模型时，面临着多重挑战。
然而，合规只是这门生意在国内面临的第一道坎。即便合规做到位，这门生意的天花板也有限。
OpenRouter能在海外跑通，有一个前提是OpenAI、Anthropic的战略重心是做模型，并非自建完整的开发者生态。开发者想要用模型，得自己去搞定接口对接、稳定性保障、多模型切换等问题，这中间留出了一大块空白，OpenRouter填进去就成了不可替代的基础设施。
但国内市场的格局完全不同。阿里云、火山引擎、百度智能云等平台，本身已构建了从算力、工具到服务的完整生态。对它们而言，大模型并非独立产品，而是融入既有体系的一条新业务线。
这意味着，纯“模型中间商”想提供的渠道和集成价值，与云厂商的角色重叠。当上游的模型与算力和下游的开发者都被巨头掌握，只做中间的“送水”，生意很难走通。
而且国内开发者面对的核心痛点，和海外也不一样。OpenRouter解决的是“接口太散”，国内企业还要考虑“这个模型敢不敢用”。金融、政务等行业接入大模型，要过严格的数据安全评估，这意味着国内能跑通的聚合服务，光靠打包接口是不够的，还得有合规过滤和安全调度的能力。
此外，国内AI中转平台还藏着一种更隐蔽的信任风险：模型替换。
有很多使用者透露，部分中转站在实际调用中，会将其付费订阅的高性能模型，悄悄替换为成本更低的替代模型。比如用户选择的是付费的Claude或GPT-4，实际调用时被悄悄换成了免费的模型。这种行为短期内压低了平台成本，从长远看，不仅直接影响了用户权益，也会降低用户对AI中转站这一赛道的信任度。
但即便是海外市场，AI中转站也面临着上游随时可能断供的风险。
KKdream直言，像OpenRouter这样的平台，本质上并不掌握最上游的核心资产，它既没有自己的大模型，也不拥有底层算力，更像是一个“流量调度中心”，掌握的是用户流量入口。一旦模型厂商突然限制接口、抬高价格，这类纯聚合平台就会变得非常脆弱。
为了降低这个风险，越来越多的AI中转站开始有意识地减少对单一模型供应商的依赖，转而更多地集成开源模型、优化模型运行效率，或是向自动化和企业级工作流工具的方向拓展，试图通过沉淀开发者社区和复杂的工作流场景，来构建更深的价值。
但挑战在于，构建这些壁垒需要时间，而上游的“断供”风险随时可能发生。
所以，这门生意能不能长期跑通，最终取决于一件事：平台能不能在“打包接口”之外，建立真正属于自己的壁垒。单纯靠价格差和渠道优势，早晚会被上游挤压或被竞争对手复制。
*题图由AI生成。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-06-02 11:43:32
（本文作者为 时间线Timelines，钛媒体经授权发布）
文 | 时间线Timelines，作者 | 于悦，编辑 | 周易
阿里把「十三薪」改了。
近日，阿里巴巴在全员信中宣布了这一重大调整：自 27 财年起，原有固定十三薪正式并入年终奖体系，更名为「并肩前行年奖」，发放时间延至次年 4 至 5 月。该政策仅覆盖内地正式员工。
然而，十三薪调整只是水面上的涟漪。
真正的潮涌在水下——过去三个月，阿里巴巴已经进行了密集的组织调整：ATH 事业群成立、集团技术委员会挂牌、通义大模型事业部升格。方向已然非常明确：AI，是阿里必须拿下的一仗。
吴泳铭已喊出五年内云和 AI 收入突破 1000 亿美元的目标，未来三年 3800 亿砸向云与 AI 基建。
在这个刻度上，十三薪的调整不是孤立的体系变动。水流的方向早已改变——所有筹码，都在向 AI 押注。
在阿里的这次薪酬调整中，十三薪并入年终奖，改名为「并肩前行年奖」，发放时间从每年年底顺延至次年 4 到 5 月。其中值得讨论的两个问题是，这个调整影响的规模有多大？阿里的真实意图是什么？
财报数据显示，截至 2026 年 3 月 31 日，阿里全集团员工人数为 13 万人上下，绝大部分在中国内地。若保守按内地 10 万员工、人均基本工资 2 万元估算，十三薪总规模约在 20 亿元级别。
延后 4 到 5 个月发放，意味着阿里每年多出同样长度的现金流窗口。
十三薪的性质也发生了变化。
阿里在全员信中提到了「让十三薪回归年奖本质」这句话。原来的十三薪，可能更接近于劳动报酬。但全员信中的关键词是「奖」不是「薪」。
改成「并肩前行年奖」后，它与绩效挂钩、与财年周期对齐，企业可以拿到了更大的操作空间，有利于在扩张期为更精细的人力成本管控打基础。
名称的改变本身也在发生作用。从「十三薪」到「并肩前行年奖」，阿里或许想影响员工对这笔钱的认知，从「应得的第 13 个月工资」变成「公司发给我的奖励」。
与此同时，员工的离职成本变高了。
从行业大面来看，每年年初是互联网行业跳槽的高峰期，金三银四。十三薪延到 4 到 5 月发，意味着员工在年初离职时需要放弃一个月的固定工资。
跳槽的决策门槛被抬高了。对企业而言，这是一种更经济的留人手段。
阿里调整十三薪，看似是在做「减法」，但这不等于阿里在收紧人才投入——延迟发放不等于削减，只是改变节奏。
恰恰相反的是，阿里同时在增员。从去年末的 12.8 万人，到今年 3 月 31 日的 13.1 万人，阿里的员工数量单季度增加 3265 人。人多了，薪酬总支出自然也会涨。
阿里还在调整薪酬结构。2026 财年 Q4，阿里股份薪酬费用总额为 30.92 亿元，较去年同期 34.35 亿元下降 10%。业绩公告称，「考虑宏观经济环境和人才市场趋势后，授予的长期现金激励比例增加，股权激励数量减少。」
简单来说，这是在阿里股价疲软期间，提高现金激励占比、降低股权激励占比，提升对人才的吸引力。
总的来说，阿里这次调整不是孤立的薪酬动作。
把延发十三薪、薪酬变性、增加长期现金激励等安排串联起来，阿里的核心目的变得很清晰，就是通过现金流腾挪和激励形式的重新设计，为 AI 战略投入和组织调整预留空间，以应对未来竞争。
AI 是阿里必须拿下的一场竞争，眼下的时间窗口至关重要。
高盛研报曾判断，2026 年是中国互联网巨头的 AI 战略决战年。竞赛的下半场，拼的是谁能尽快将 AI 落地、跑通商业化闭环。
从财务的角度看，阿里云已经先跑了出来。
2026 财年 Q4，云智能集团收入 416.26 亿元，同比增长 38%，其中外部商业化收入增速 40%，较上一季度增加 4 个百分点。其中，AI 相关产品收入 89.71 亿元，连续第 11 个季度三位数增长，年化已超过 358 亿元。
吴泳铭在财报电话会上的口径也在变。阿里云从此前「处于 AI 投资阶段」，变成了这一季度的「AI 已渡过初期投资阶段，并开始大规模商业化」。
但大规模商业化的下一步是一个极其激进的目标——吴泳铭预计，未来五年阿里包含 MaaS 在内的云和 AI 商业化年度收入要突破 1000 亿美元。
这个目标意味着什么？
财报数据显示，阿里云 2026 财年外部商业化收入刚突破 1000 亿元人民币。从 1000 亿人民币到 1000 亿美元，是约 7 倍的跨越。五年翻七倍，年复合增长率需达到约 47%。
吴泳铭在用一个极高的目标倒逼组织冲刺。
实际上，从 2026 年以来的情况来看，阿里已经经历二次重大 AI 组织调整。
就在 3 月 16 日，Alibaba Token Hub（ATH）事业群成立，与电商、云智能并列成为集团三大顶层事业群之一，吴泳铭亲自挂帅，核心目标定为「创造 Token、输送 Token、应用 Token」。
23 天后的 4 月 8 日，吴泳铭再发全员信，宣布集团技术委员会正式成立，由他任组长，周靖人、吴泽明、李飞飞三人入阵，这一技术委员会，被外界视为阿里 AI 攻坚的「战时指挥部」。
同一天，原通义实验室升级为通义大模型事业部，多名核心技术高管重新排兵布阵。阿里方面对此次调整的定调是：「聚合优势力量和资源，投入最关键战场」。
在 AI 商业化进入决战窗口期时，阿里巴巴正在试图建立一套「集中力量办大事」的组织体系。
毫无疑问，在电商增量空间不大、AI 成为关键支点的 2026 年，阿里巴巴依旧在费尽全力争夺 AI 时代的船票，但放眼全球，竞争尤为激烈。
大模型尚处于百家争鸣的初级阶段，豆包、元宝、千问，AI 应用产品迭代速度极快。商业化还未成熟，AI 玩家的 ARR 能否持续和稳定增长，面临巨大考验。
AI 应用商业化的漫长与艰难，让阿里的现金流成色，成为市场关注的焦点。
财报显示，截至 2026 年 3 月 31 日，阿里账面上还有高达 5208 亿元的现金及流动投资。这个数字看起来庞大，但要看懂它，不能只看存量，要看增量和消耗速度。
2026 财年，阿里经营活动产生的现金流量净额为 762 亿元。同期资本支出达到 1260 亿元。经营产生的现金不足以覆盖投资支出，缺口约 500 亿元。
阿里填补这个缺口的方式是，资产处置变现、融资举债、消耗现金储备等等。某种程度上，这是一种「吃老本」的状态。
而且这种状态的持续时间，不会短。
从目前的情况来看，阿里正在「AI+即时零售」双线作战。此前几个季度，即时零售是主要的利润消耗者。但从 2026 财年 Q4 起，AI 相关的产品推广和研发投入成为主角。
千问 APP 的用户获取投入，已经直接体现在财报上——2026 财年 Q4「所有其他」分部的经调整 EBITA 从去年同期的亏损 34.13 亿元，扩大至亏损 211.6 亿元。
这还只是开始。未来三年 3800 亿元的云和 AI 硬件投资，意味着年均超过 1200 亿元的资本开支。
经营现金流若不能显著提升，缺口将持续存在。
回头来看，延发十三薪能为阿里每年腾挪约 20 亿元现金的 4 到 5 个月支配权——这个数字相对于未来一年的千亿投资，其实只是九牛一毛。
它不是解决现金流压力的主要手段，甚至不是次要手段——它只是一个信号：阿里正在进入全面战时状态，所有非战略性的现金支出都要为 AI 投资让路。
但资本市场的耐心是有限的。
进入 2026 年，市场的关注点已经切换到 AI 企业的商业化能力上，到了 2027 年市场可能会继续追问：AI 商业化到底为阿里带来了多少增量收入？云业务的利润什么时候能覆盖 AI 的投入？
未来两年，真正缓解阿里财务压力的方式，是证明 AI 能赚钱。
所以，在资本市场的穷形尽相的严格审视中，阿里的 AI 发展逻辑，正在带动整个企业的变化——而在获取这张 AI 船票的过程中，它也必须努力从一个「烧钱换增长」的投入叙事，转变成一个「营收增长终于能够贡献利润」的产出叙事。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-06-02 11:43:29
（本文作者为 半导体产业纵横，钛媒体经授权发布）
文 | 半导体产业纵横
2026年的全球显示产业，正在经历一场深刻的结构性调整。一方面，智能手机用柔性AMOLED面板面临终端需求疲软与上游元器件涨价的双重挤压，面板价格持续下行，部分厂商出现亏损；另一方面，IT用OLED、车载OLED以及硅基OLED微显示器等新兴应用领域需求兴起，吸引面板厂商继续投入巨额资本建设高世代生产线。
据Counterpoint Research最新报告，2026年全球显示设备总支出预计同比增长53%，其中OLED相关设备支出同比增速高达77%，创下近年来的峰值。
智能手机AMOLED的渗透率已经进入平缓期。根据市场机构预测，2026年AMOLED在智能手机面板中的占比约为43.2%，较2025年的41.2%仅提升两个百分点。更重要的是，受存储芯片价格持续上涨影响，整机品牌为保利润普遍上调售价，同时压缩面板采购预算。vivo已宣布全系手机提价10%至15%，三星也在评估旗舰机型的涨价方案。传导至上游，柔性AMOLED面板价格在2026年上半年继续下跌，CINNO Research预计下半年降幅或超过20%。这意味着，单纯依靠手机OLED的产能扩张模式已经难以为继。
这时候IT设备开始发力了——笔记本电脑、平板电脑和显示器。据UbiResearch统计，2025年全球IT用OLED出货量约为2400万台，预计2029年将增长至5300万台，复合增长率超过22%。这一增长的直接推动力是苹果被爆料将于今年年底发布的OLED版MacBook Pro。这将是苹果首次在Mac电脑上使用OLED显示屏，此前苹果已在iPhone、iPad和Apple Watch上使用过该技术。相比传统背光屏幕，OLED可实现像素级独立开关，拥有更高对比度与色彩精准度，高度适配影视后期、平面设计、三维建模等专业创作场景。此后，联想、戴尔、惠普等主流PC品牌均加快了OLED产品的导入速度。
在显示器领域，OLED的渗透率基数虽低，但增速惊人。TrendForce发布的研究显示，2026年第一季度OLED显示器市场步入季节性淡季，加之2025年第四季度大规模促销提前透支消费需求，一季度全球OLED显示器出货量环比下滑11%。不过从同比数据来看，一季度出货量大幅上涨78%。增长核心动力在于QD-OLED面板供应持续充足，助力新晋品牌快速放量，有效填补市场空缺。
另一个值得关注的增量方向是车载OLED面板。随着智能座舱对多屏联动、柔性曲面屏的需求增加，OLED凭借高对比度和可弯曲特性切入高端车型前装市场，目前订单表现稳健，利润空间也优于手机OLED。2025年车载OLED面板市场规模约为16.8万平方米，同比增长56.7%，Omdia预计2026年增速将进一步升至64.3%，京东方、TCL华星、LG Display均已布局相关产线。
但据业内反馈，全球OLED产能主要集中在6代线，总规模约4000万平方米，绝大部分供给手机，IT与车载实际用量依旧还是偏小，OLED也仅在高端车型小范围应用，主流车载显示仍以LCD为主。受车规级驱动芯片稀缺昂贵、单层亮度不达标、Tandem OLED良率偏低，以及蓝光材料难以通过车规测试等问题制约，车载OLED规模化落地难度较大，当下车载显示的主流升级路线仍是Mini LED背光LCD。
与手机用6代线产能过剩形成对照的是，面向IT和车载应用的高世代OLED产线正迎来集中建设期。2026年全球显示设备支出的大幅增长，主要由三条新建OLED产线驱动：维信诺合肥8.6代无FMM产线（V5）、TCL华星广州8.6代印刷OLED产线（t8），以及三星显示牙山A6 8.6代IT OLED产线。此外，天马厦门TM18 Phase 3-1等产线也在同期推进设备搬入。
维信诺V5项目总投资约550亿元，是全球首条采用无FMM路线的8.6代AMOLED生产线。2026年4月，该产线完成首台曝光机搬入，从建设期转入设备安装与工艺调试阶段。其核心技术ViP（维信诺智能像素化）采用光刻工艺替代传统的FMM蒸镀，理论上可以提高像素密度、降低生产成本，并且不受FMM尺寸限制，能够灵活覆盖从1英寸到80英寸的显示产品。2026年第一季度，采用ViP技术的OLED面板已经在荣耀的一款穿戴产品上实现了品牌客户量产出货，证明该技术初步具备量产能力。
TCL华星的t8项目于2025年10月在广州开工，是全球首条规模化量产的8.6代印刷OLED产线，总投资295亿元，设计月产能2.25万片玻璃基板。印刷OLED的核心优势在于材料利用率高——传统蒸镀工艺的有机材料利用率通常在40%以下，而喷墨打印可以将利用率提升至90%以上，理论上能够显著降低OLED面板的综合成本。2026年5月，t8项目仅用151天完成主体结构封顶，刷新行业纪录。按照规划，该产线将优先量产笔记本和平板电脑用OLED面板，后续拓展至车载和显示器市场。
三星显示的A6产线则是最早启动的8.6代IT OLED产线，由原L8 LCD线改造而来，总投资约220亿，月产能规划1.5万张基板，核心客户为苹果。该产线已于2025年5月启动玻璃基板投片，预计今年下半年实现规模化量产。三星的优势在于技术成熟度高，但劣势是产能规模相对较小——京东方在建的B16 8.6代OLED线月产能规划达到3.2万张，是A6的两倍以上。
值得注意的背景是，这些高世代产线的集中投资，恰逢手机OLED面板价格持续下跌。笔者推测，这意味着面板企业正在用手机业务的利润，去补贴面向未来的IT产线建设。这种“以旧养新”的模式能否持续，取决于两条腿的平衡能力：一是手机OLED业务能否在价格战中维持现金流，二是IT OLED客户订单能否如期放量。
过去二十年间，OLED的主流量产技术一直是FMM蒸镀。三星显示凭借在这一领域的先发优势，构建了从设备、材料到工艺的完整专利壁垒。然而，随着应用场景从中尺寸手机向更大尺寸的IT、车载领域延伸，FMM蒸镀路线的局限性开始显现：FMM在大尺寸基板上的下垂和热膨胀问题难以解决，限制了向高世代线的扩展；同时FMM本身依赖极薄的金属材料和高精度蚀刻工艺，全球能够稳定供应的厂商极少（主要为大日本印刷），成为供应链的瓶颈。
正是基于这些痛点，中国企业选择了不同的技术路线进行突破。
维信诺的ViP技术属于光刻图案化路线。其基本思路是：在玻璃基板上先沉积完整的有机发光层，然后通过光刻工艺直接定义像素区域，再通过干法蚀刻去除多余部分。这种方案不依赖FMM，因此不受尺寸限制，且像素密度可以远高于FMM蒸镀。ViP技术在荣耀穿戴产品上的量产落地，是该路线首次进入品牌客户的商用产品。不过，穿戴设备属于小尺寸、低分辨率要求的品类，能否在大尺寸、高分辨率产品上同样保持良率和可靠性，还需要后续验证。
TCL华星的印刷OLED则采用喷墨打印技术。发光材料被溶解在溶剂中，通过工业喷头精准滴落到每个像素凹槽中，然后加热去除溶剂，留下固态发光层。工艺路线看似简单，但工程实现难度极高：喷头的均匀性、墨滴的体积控制、溶剂的挥发特性、像素墙的隔离效果，每一个环节都会影响最终显示效果。TCL华星从2012年开始投入印刷OLED研发，先后在日本借用产线进行中试，50多位工程师常驻日本工厂反复测试，直到近年才基本打通工艺流程。t8项目如果能够在2027年前后实现稳定量产，将成为全球印刷OLED走向规模化的标志性事件。
相比之下，三星显示在IT OLED产线上沿用了FMM蒸镀路线，但通过优化FMM材料和张网工艺来适应8.6代基板。LG Display则在未宣布的高世代IT OLED产线上计划采用光刻图案化技术（类似于维信诺ViP和JDI的eLEAP），说明即使韩系厂商也在关注无FMM方案。
需要强调的是，技术分流并不意味着某一方必然胜出。FMM蒸镀路线经过大量量产验证，成熟度高、良率稳定；无FMM和印刷路线则理论上更具成本优势，但需要跨越从实验室到量产线的工程鸿沟。未来三年的竞争，核心在于哪种方案能够率先在高世代线上实现高良率、低成本的大规模生产。
2026年显示设备投资同比飙升53%的数据，表层是面板企业扩产热情的信号，深层则反映了供应链的结构性变化。
首先是核心设备。传统上，OLED蒸镀设备由日本Canon Tokki垄断，一台G6蒸镀机的售价超过1亿美元，且交付周期长达一年以上。而在无FMM和印刷路线中，核心设备变为曝光机（光刻图案化路线）或喷墨打印设备（印刷路线）。维信诺V5项目使用的曝光机由国内设备商参与供应；TCL华星的喷墨打印设备则与Kateeva等国际供应商合作，同时也在推进核心部件的国产化。这种设备路线的切换，不仅降低了对外部垄断供应商的依赖，也缩短了设备采购和交付周期。
其次是材料，高端发光材料仍然依赖海外供应——美国UDC的磷光材料、德国默克和日本出光兴产的荧光材料占据主要份额。但在中间体和部分通用材料环节，国内厂商如莱特光电、阿格蕾亚、鼎材科技等已经实现了量产供应。2025年至2026年，多家国产材料厂商进入了京东方、维信诺、TCL华星的供应链体系，虽然单价较低，但保供能力和响应速度开始受到认可。
第三是芯片配套环节的跟进。OLED驱动芯片尤其是40nm及以下制程的芯片，此前主要由韩国的美格纳、三星和中国台湾的联咏等供应。2026年1月，晶合集成四期项目正式启动，投资总额355亿元，建设12英寸晶圆生产线，重点布局40nm及28nm的OLED驱动芯片，这意味着OLED面板的国产化正在从显示器件向核心驱动芯片延伸。
不过，供应链的重构并非只有好消息。存储芯片涨价已经通过整机成本传导至面板采购端，短期内压制了面板价格的回升空间。同时，产能的集中释放也可能带来新的供给过剩风险——8.6代线如果全部如期达产，IT OLED的供给增速可能会超过终端需求的增长速度。面板企业需要在扩产节奏和市场需求之间找到平衡。
今年的OLED产业，处于一个新旧动能交替、技术路线分流、供应链格局重塑的复杂阶段。手机市场的饱和与价格战构成了短期的经营压力，但IT OLED、车载显示、硅基微显示等新应用场景正在打开中长期的增长空间。设备投资的大幅增长，既是企业对未来需求的提前布局，也是技术路线切换带来的必然结果——无FMM和印刷路线的产线需要全新的设备配置，而不是对旧产线的简单升级。
对于企业而言，这一轮投资的意义不仅在于产能规模的扩张，更在于有机会绕过FMM蒸镀路线的专利壁垒，建立自己的工艺know-how和供应链体系。维信诺ViP在穿戴产品上的量产落地，TCL华星t8项目的快速封顶，晶合集成对OLED驱动芯片的突破，都是这一进程中的具体注脚。当然，技术从“能做出来”到“能稳定大批量交货”再到“能赚钱”，中间还有很长的路要走。未来两到三年，将是检验这些技术路线商业化可行性的关键窗口期。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-06-02 11:43:27
（本文作者为 赛博汽车，钛媒体经授权发布）
“Alpamayo标志着汽车从‘单纯驾驶’迈入‘安全推理’时代。”
黄仁勋在英伟达GTC台北2026大会现场这样说道。
在近两个小时的演讲中，他不仅发布了专为智能体设计的Vera CPU、AI工厂实战指南DSX平台、RTX Spark超级芯片等产品，更在汽车行业最为关注的自动驾驶领域推出了开放推理模型——NVIDIA Alpamayo 2 Super。
这是一个320亿参数的开放视觉-语言-动作推理模型（Reasoning VLA），能够在完整驾驶堆栈中进行推理、规划与行动，从而为更安全、可规模化的 L4 级自动驾驶开发提供支持。
当然，这不是一次简单的模型升级，而是一场从“模仿驾驶”到“安全推理”的根本范式转移。
大会上，黄仁勋发布的产品从底层芯片到上层基础设施，从数据中心到个人PC，从云端智能到物理机器人，标志着英伟达正在经历从"GPU供应商"向"AI基础设施运营商"的根本性转变。
Alpamayo 2的核心突破在于"可解释性"。
传统端到端自动驾驶模型如同一个沉默的老司机，人们无法知道其决策过程。但Alpamayo 2则像一个"话痨司机"，车辆可以用自然语言实时解释每一步决策，例如"由于前方静止车辆阻挡车道，向左微调"、"为左侧切入车辆让行"、"停车让行穿越交通"。这种"思维链"外化能力，显然更有利于获得人们的信任。
技术规格上，Alpamayo 2实现了三项关键升级：360度全景感知（从前摄像头扩展至前、侧、后方），为变道、并线和交叉路口通行提供完整场景信息；新增"元动作（Meta-Action）"输出，包括让行、变道和停车等宏观决策，使模型能够为下游规划提供高级驾驶指令；以及具有2D定位的推理自动标注，将标注周期从数月压缩至数天，重塑辅助驾驶数据管线的成本结构。
更值得关注的是其"教师-学生"蒸馏架构。320亿参数的Alpamayo 2 Super作为教师模型，可被蒸馏为紧凑型模型，运行在NVIDIA DRIVE AGX Thor车载计算平台上。这意味着车企无需从零构建大模型，就能通过英伟达的开放生态获得"即插即用"的推理能力。
自发布以来，Alphamayo系列下载量已接近40万次，并荣获COMPUTEX Best Choice Award车辆技术和智能座舱类别奖。
黄仁勋对大模型的评价是："Alphamayo标志着汽车从'单纯驾驶'迈入'安全推理'。只有英伟达能够提供开放模型、仿真环境、现实世界数据以及智能体技能，支持全球无人驾驶出租车生态系统开发出理解边缘场景、解释自身决策、赢得公众信任，并安全地规模化部署到数百万台车上的L4级能力。"
如果说Alphamale 2是"会思考的司机"，那么英伟达同步推出的AlpaGym和OmniDreams就是它的"虚拟驾校"。
具体来看，AlpaGym是一个开源、高吞吐量的闭环强化学习框架。与传统开环训练"根据记录数据评估模型并生成单轮动作"不同，AlpaGym让模型在NVIDIA AlpaSim仿真环境中经历连续的决策-观察循环——每次刹车、转向和导航选择都会对环境产生真实影响，从而暴露出静态数据集所忽略的复合错误和边缘故障。这相当于让AI司机在"平行宇宙"中经历数百万次极端路况，把犯错成本降到零。
OmniDreams则是全新的生成式世界模型，能够生成逼真的闭环辅助驾驶场景，支持开发者大规模仿真罕见的长尾驾驶场景。结合NVIDIA Omniverse NuRec神经重建技术，开发者可以将真实车队数据重建为逼真的3D场景，并适配不同车辆传感器配置。英伟达甚至将因果链自动标注流水线以开源形式发布在GitHub上，能够从原始驾驶片段中自动生成基于决策的因果链标签，无需人工标注。
这套"仿真-训练-部署"闭环的意义在于：它让自动驾驶开发从"路测驱动"转向"仿真驱动"。车企不再需要投入数千台测试车在真实道路上积累十万公里数据，而是可以在数字孪生环境中完成90%以上的边缘案例验证，可以帮助车企降低研发成本、缩短上市周期。
大会上，黄仁勋还回顾了Vera Rubin。
黄仁勋表示，作为全球首款专为智能体AI设计的多机架Pod级超级计算系统，Vera Rubin已进入全面量产。
Vera Rubin将"推理"与"工具调用"的延迟压到了纳秒级敏感水平——这正是智能体决策所需的实时性基础，其中最具颠覆性的组件是专为智能体设计的Vera CPU。
黄仁勋这样介绍这款CPU："AI智能体将成为计算资源的最大用户。Vera正是为这一未来量身打造的首款CPU——它具备卓越的性能、能效和可编程性，专为在超大规模下运行智能体AI而生。"
Vera CPU搭载了88颗Olympus核心，采用空间多线程技术，配备带宽高达1.2TB/s的LPDDR5X内存子系统。它的设计哲学与传统CPU截然不同：传统CPU为人类设计，人类对秒级延迟不敏感；智能体对延迟极度敏感，需要纳秒级响应，因此需要从头设计全新的CPU架构。
这款处理器的性能数据自然非常不错——Vera CPU在SQL查询速度上比顶级x86快3倍，在纽交所实时流处理性能上快6倍，在智能体沙箱性能上达到x86的1.8倍。它通过第二代NVLink-C2C互连技术，实现CPU与GPU之间高达1.8TB/s的相干带宽，并将英伟达机密计算扩展至整机架规模。
Vera BlueField-4 STX处理器更将Vera CPU与高性能网络、存储加速及芯片级安全融为一体，构建"设计即安全"的AI原生数据平台。
如何将这些硬件转化为客户的实际收益？英伟达的答案是DSX——一套建设AI工厂的参考设计蓝图。
DSX（Data Center Scale eXtended）平台是英伟达专为从零开始建设AI工厂而打造的完整实战指南。具体来看，DSX整合了开源模块化软件库、API、参考设计、英伟达加速计算平台及合作伙伴技术，打造出一个通用协同设计平台，专门用于AI工厂的设计、部署与运营。
其核心组件DSX MaxLPS（Lowest Power per Token System）直指自动驾驶产业的痛点：如何在既定电力预算内最大化每兆瓦Token产出。通过将45℃液冷技术与优化每瓦性能的机架级技术相结合，DSX MaxLPS让运营商能够在几乎不影响工作负载性能的前提下，将GPU运行在其最高能效点，从而额外部署高达40%的GPU。对于电力资源紧张、算力成本敏感的车企数据中心而言，这意味着同样的电费账单可以支撑更多的仿真训练里程。
DSX Sim则提供了面向AI工厂全生命周期的高保真仿真层，帮助英伟达、合作伙伴及客户对基础设施决策进行建模、验证和优化，贯穿从规划、设计到部署运营的每个环节。黄仁勋在演讲中强调："借助DSX平台，你甚至可以在花出一元钱之前，就对整座工厂进行全面模拟，在一台机柜装上之前，就能验证其性能表现。"
DSX Flex是将AI工厂与电网服务连接，使其能够根据负载削减、需求响应和电价波动等电网信号动态调整工作负载。这与自动驾驶的"V2G（Vehicle-to-Grid）"愿景形成奇妙呼应：未来的自动驾驶数据中心不仅是算力消费者，更是电网的"柔性负载"，在用电低谷时全力训练模型，在高峰时向电网反哺电力。
演讲的最后板块指向了智能体从数字世界走向物理世界的关键一跃。
黄仁勋提到，物理AI的核心难题是数据，互联网文本多为"第三人称视角"，而机器人需要"第一人称视角"的物理世界数据。英伟达的解决方案是Cosmos 3——开放的物理世界基础模型，可作为视觉语言模型理解物理场景，生成物理准确的合成视频，作为模拟器完成策略训练闭环，更是Omniverse数字孪生平台的基础。它支持所有类型的机器人与物理系统开发，完全开放并允许用户二次定制。
在自动驾驶领域，英伟达推出Alphamale 2——全球首个可推理的自动驾驶开放模型，基于Hyperion平台（全球80%汽车制造商采用，97%出行服务对接），支持端到端推理规划。车辆可以用自然语言实时解释每一步决策逻辑，将"黑箱模型"转化为"可解释AI"。
值得一提的是Isaac GR0K人形机器人参考平台——25自由度双手，31自由度全身，身高6英尺/体重150磅，集成全套数据生成、仿真、训练、运行软件栈，面向高校和科研机构。原本需要数月的搭建准备工作，现在仅需数小时即可启动研究，旨在降低人形机器人研发门槛，推动整个领域发展。
黄仁勋为英伟达构建了一个完整的"智能体经济"基础设施版图：底层是Vera Rubin/Vera CPU的算力供给，中间层是DSX的AI工厂蓝图和企业级智能体工具包，上层是RTX Spark的个人智能体入口，以及Cosmos/Alphamale/GR0K构成的物理AI生态。
至此，英伟达的转型路径清晰可见：从卖GPU，到卖系统，再到帮客户建设"能赚钱的AI基础设施"。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-06-02 11:34:21
体外诊断（IVD）行业正迎来一轮密集的控制权更迭浪潮。
继仁度生物易主海鲸药业、达安基因归入广药系之后，5月31日，国内肿瘤伴随诊断龙头艾德生物（300685.SZ）突发公告，其控股股东前瞻投资（香港）有限公司正在筹划控制权变更事项，公司股票自6月1日起停牌，预计不超过2个交易日。
一时间，市场哗然。与多数因经营亏损、债务压力被迫寻求易主的标的不同，艾德生物财务基本面堪称稳健：账面几乎无有息负债，2025年净利润同比大增超四成，毛利率常年稳居80%以上，资产负债率仅12.42%。
5月单月内，A股IVD板块接连发起三起控制权变动，仁度生物、达安基因的易主均有迹可循。仁度生物作为中小规模企业，在行业巨头挤压下亟需寻找产业靠山；达安基因常年陷入股权纠纷与业绩波动，广药集团入主意在理顺治理、扭转巨亏局面。
而艾德生物，一家仍在增长轨道上的细分龙头，为什么选择在这个时间点放手？
短短半个月，仁度生物、达安基因、艾德生物三家IVD上市公司相继官宣控制权变动，覆盖分子诊断全赛道，形成行业级易主潮。
5月14日，科创板“RNA诊断第一股”仁度生物（688193）率先公告易主方案，控股股东、实控人居金良等7名股东，以5.16亿元总价向南京海鲸药业转让21.25%股份，同时放弃部分表决权，海鲸药业实控人张现涛成为公司新实控人。彼时仁度生物已面临营收下滑、盈利持续承压的经营困境。
5月16日，“国产分子诊断第一股” 达安基因（002030）披露权益变动进展，广药集团全资子公司广药资本通过系列股权受让，以24.18亿元总对价拿下公司26.63%股份，成为间接控股股东。此次交易属于广州市国资内部整合，核心目的是扭转达安基因2025年巨亏7.44亿元的局面，理顺公司治理结构。
5月31日，艾德生物的停牌公告，将本轮IVD易主潮推向高潮。Wind显示，公司控股股东前瞻投资持股22.4%，实控人为创始人郑立谋，目前各方正就控制权变更事宜进行论证磋商，具体方案以正式签订的协议为准。
值得关注的是，艾德生物停牌前出现明显股价异动。
5月27日，公司股价大涨12.05%，单日成交额5.31亿元，创下年内新高；5月27日至29日三个交易日内，公司累计涨幅达10.08%，同期IVD板块下跌3.26%，大盘下跌1.9%，股价走势显著脱离行业与大盘趋势，引发部分投资者对消息提前泄露的质疑。
截至停牌前，艾德生物总市值79.6亿元。
对比三起易主事件，特征差异鲜明。仁度生物是亏损企业引入产业方自救，达安基因是国资内部整合纾困，而艾德生物则是盈利龙头主动谋变。
艾德生物此次筹划易主，是创始人年龄、行业周期、战略发展多重因素交织的结果。
先看公司业绩基本面。财务数据显示，艾德生物长期保持稳健盈利，2025年实现营收11.98亿元，同比增长8.01%；归母净利润3.61亿元，同比大增41.74%；扣非净利润3.43亿元，同比增长47.33%，利润增速远超营收增速，降本增效成效显著。
盈利能力上，公司综合毛利率常年维持在80%以上，2025年达82.59%，远超IVD行业平均水平；销售净利率30.16%，稳居行业第一梯队。偿债层面，公司资产负债率仅12.42%，货币资金充裕，2025年经营活动现金流净额3.65亿元，财务结构健康无虞。
2026年一季度，公司营收2.6亿元，净利润8515.69万元，同比小幅下滑，主要受汇兑损失、公允价值变动及对外捐赠增加影响，未动摇长期经营基本面。
业务层面，艾德生物是国内肿瘤伴随诊断（CDx）绝对龙头，院内市占率过半。公司聚焦PCR技术平台，产品覆盖肺癌、结直肠癌等九大癌种，持有30余项三类医疗器械注册证。
其核心护城河，是与阿斯利康、强生、安进、礼来、默克、恒瑞、和黄医药、百济神州等国内外药企深度绑定的伴随诊断合作模式——围绕靶向药联合开发配套检测产品。
这类产品需与药物同步完成临床验证与审批，一旦纳入诊疗路径，药企与医院的转换成本极高。截至2025年，公司已获批数十个伴随诊断产品，覆盖EGFR、KRAS、BRAF等肿瘤核心靶点。
国际化布局上，艾德生物产品已进入日本、欧盟等主流医药市场，“维惠健”“艾惠健”等多款产品在日本获批并纳入医保，是国内少数实现海外规模化销售的IVD企业。
围绕本次控制权变更，市场最大的悬念集中在接盘方的身份。市场上有两种具有代表性的解释框架。
第一种解释是交接班视角。艾德生物创始人郑立谋出生于1953年，现年73岁，2008年回国创办艾德生物，2017年带领公司登陆创业板，一手打造出肿瘤伴随诊断龙头企业，已到退休交接阶段。
其子FRANK RONG ZHENG现年36岁，于2017年加入艾德生物，现任高级副总经理分管国际业务，2025年薪酬210.32万元，为高管最高。但公司始终未披露明确的二代接班安排。从行业实践来看，部分观点认为，控制权变更可能是家族企业传承的过渡安排，通过引入战略股东完善治理结构，为二代接班铺路。
也有观点认为，郑立谋直接转让控制权、实现退出的可能性更大。一方面，公司股权较为分散，前瞻投资仅持股22.4%；另一方面，艾德生物属于技术驱动型企业，创始人的技术背景与行业资源不可替代，长期传承难度较大，趁业绩高位实现价值兑现，是更务实的选择。
结合行业逻辑，三类主体成为最可能的接盘方。
第一类是国内外大型药企，伴随诊断与创新药天然协同，收购艾德生物可掌握肿瘤患者筛选入口，完善“药+诊”布局，但单一药企入主或影响公司与其他药企的合作关系，削弱商业价值。
第二类是国际IVD巨头，艾德生物的技术、渠道与海外资质具备战略价值，但外资并购医疗资产需面对严格的监管审查，落地难度相对较大。
第三类是厦门本地国资或国内医疗产业资本，既能保障经营稳定性，又可借助政策与渠道资源赋能公司，也符合当前医疗资产整合趋势。
2026年的IVD行业，正经历政策与市场的双重重塑，过去野蛮生长的时代彻底终结，以控制权更迭、资源集中、龙头整合为特征的集约发展时代全面到来。
政策端的三重压力，成为行业整合的核心推手。DRG/DIP支付改革下，医院检验科从利润中心转为成本中心，检测需求回归精准必要，直接压缩行业增量空间；集采常态化推进，生化、化学发光、分子诊断试剂相继纳入集采，行业毛利率持续下滑，中小企业盈利空间被大幅挤压；医疗反腐与合规监管趋严，传统依赖渠道关系的竞争模式失效，行业规范化发展加速中小企业出清。
市场端的结构调整，进一步加剧行业分化。疫情后IVD行业告别增量红利，进入存量竞争阶段，从“普惠式增长”转向结构性增长。同时，行业集中度持续提升，头部企业凭借技术、渠道、规模优势抢占市场，中小企业生存空间不断压缩，要么被整合，要么被淘汰，控制权更迭成为行业出清的重要方式。
今年5月的IVD控制权洗牌，以艾德生物停牌待售为高潮，揭开了行业深度整合的大幕。
从仁度生物的药企入主、达安基因的国资纾困，到艾德生物的绩优寻主，三起事件覆盖了行业不同发展阶段企业的整合路径，也释放出明确信号：即便是细分赛道的头部玩家，也需通过资本重组适配行业新周期，IVD行业的整合烈度才刚刚开始。
对于整个IVD行业而言，控制权更迭只是整合的开始。未来在政策规范、技术创新、资源集中的共同推动下，行业将彻底告别散乱格局，向头部集中、向专精聚焦。（文丨公司观察，作者丨曹倩，编辑丨曹晟源）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
2026-06-02 11:21:29
（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 | 程佳佳，编辑丨周近屿
律师崔灿长期代理商业秘密相关的案件。令他印象最深的，是一名年轻人。
案发时，他只有二十六七岁。此前，他在A公司工作了一年，随后跳槽到有竞对关系的B公司，卧底了两年四个月。因为学历与技术都还不错，又能说会道，两年多时间里，他和B公司里许多工程师成为了好朋友。“再待几年，他甚至有机会成为B公司的核心骨干或是中高层。”
如果不是离职得太突然，而回到A公司的节点又恰逢B公司将发布一项重大技术，没有人怀疑过这个男孩，会是竞对公司派来的间谍。
B公司很快倒查他的工作电脑和监控摄像头。两年多以来，核心信息、图纸被源源不断地传递给A公司。
因为涉案金额巨大，这名年轻人可能要在毕业工作的第三年入狱，在牢里度过往后的三到十年。崔灿为他惋惜。
委托方的反应，也令崔灿记忆深刻。直到刑事立案阶段，B公司那名负责人仍然想不明白：“我们上个月还一起出差、喝酒，你说他为什么？为什么要做这样的事情？”
这太像《无间道》了。
崔灿把大公司之间的商业“谍战”比做一场不流血的战争。
它不发生在战场，而是在办公室、工厂车间、咖啡厅，抑或是一次普通的社交媒体分享里。一个外卖员、维修工，一个刚入职的年轻工程师，甚至一个被公司充分信任的多年员工，都可能成为信息外流的出口。
这场战争没有枪声，但有真实的伤亡。一个被盗走的配方、一张图纸、一段源代码，可能直接改写一家公司的生存处境，甚至改写行业格局。陷入商业秘密泄露的人，轻则赔偿，重则入狱。它和军事战争一样，以置竞争对手于死地为最终目的。
但在天平的另一边，保护商业秘密正存在被过度使用的趋势，逐渐成为大公司监控员工、惩戒离职者，甚至狙击对手融资与上市的武器。
以下是崔灿的自述。
作为一个非常熟悉商业秘密的律师，有时候我也很难说清楚，到底什么是商业秘密。
如果按照法律定义，它很简单：不为公众所知悉，具有商业价值，并经权利人采取了相应保密措施的技术信息和经营信息。
再具体一点，就是三个词：秘密性、价值性和保密性。比如配方、图纸、源代码、AI 模型训练数据等技术信息，以及价格策略、经营成本、客户名单等经营信息。
听起来不难理解吧？但真正落到案件里，什么算得上秘密？什么情况下的秘密有价值？
比如客户名单算不算商业秘密？就这一个问题，法学界有无数论文，各地法院有无数典型案例，观点都不一样。
其实关于商业秘密的规定还挺细的，但是再细也没办法应对变化万千的真实世界，这些细化的问题需要个案个看，其实非常复杂。
在现实生活中，获取商业秘密的手段并不像电影里一样具有很强的科技色彩，更多时候，商业泄密是从人开始的。
最常见的方式，是挖人。不是零星挖一个，而是批量挖、成部门挖，甚至把一整个业务团队挖走。
从我接触的案子来看，通过挖人来获取商业秘密正变得越来越常见。因为在很多高速发展的行业里，光有钱是不够的，还必须有技术。
比如 AI 大模型、具身智能、新能源这些行业，两倍、三倍薪资挖人太常见了。你给一个人开出完全无法拒绝的价格，他很难不动心。对一家公司来说，如果并购对方要花两个亿，但挖走 20 个核心人才只需要 2000 万，他当然会算这笔账。
有一个典型的案子，是吉利诉威马案。威马（由吉利前高管创立）成立后，系统性挖走了吉利 40 多名高管和技术骨干，据说相当于把一整块底盘研发团队带走了。最后，法院认定构成商业秘密侵权。这个案子也成为了目前国内商业秘密案件中赔偿金额最高的案子，判了 6 亿多元。
所以，你会发现，很多商业秘密案件的表面是技术纠纷，本质上其实是人才战争。
上海市第三中级人民法院、上海知识产权法院曾经联合发布过一个商业秘密案件审判情况。2015年到 2023年间，两家法院受理的商业秘密民事案件中，因为员工流动引发的案件占比接近九成。而商业秘密刑事案件，则全部由人才流动引发。
图源：《窃听风云2》
除了挖人，还有一种常见方式，是商业贿赂。
有些外部咨询公司会以“专家访谈”、“行业调研”的名义，去找大厂在职员工买信息。我看过一篇报道，咨询公司给到的费用，普通员工一小时可能一两千，高级管理岗或者特殊身份的人，价格可以到上万。
这种事情在互联网行业几乎形成了一条产业链。
还有一种更隐蔽的方式，是商业间谍。商业贿赂是买通你公司里原本就有的人，商业间谍是我把自己人派进去。
有些间谍比较初级，可能伪装成外卖员、送水工等，去观察工厂布局、生产环境。这种通常只能拿到比较表层的信息。
真正危险的是懂行的人。比如一个工程师，他懂技术，又带着明确的目的来你公司工作。他一眼就知道哪些资料值钱，这种专业间谍能在不下载过多资料、不暴露的前提下完成窃密。
还有公司会采用更长期的方式，把一些底子干净、身家清白的年轻人派到竞对公司。哪个人成了都可以，这些人之间往往也不知道彼此，都是单线联系。
当然，这几年还有越来越多的数字化窃密和泄密。
大家一听到数字化窃密，第一反应可能是黑客攻击，那种电影里很高端的技术入侵。但从我接触的案件来看，真正高频发生的，是一些特别日常的动作。
比如云盘链接发错群，离职前把自己做过的 PPT和业务文档下载一份，用个人微信传公司文件，或者在小红书、朋友圈、脉脉上随手发一张工区照片、匿名吐槽等等。
很多人都是无意的行为，或者根本不知道自己在泄密，只是在分享生活。但对于那些专业的有心人来说，你的一张照片背景就能锁定你的楼层、房间，你发布的所有内容都是可以被拼起来的情报。
所以我处理了这么多案件之后，越来越强烈地感受到一点：人，才是整个安全链条里最容易被攻破的一环。
很多大公司里，技术安全设施其实没有那么容易被攻破。杀伤力最大的，往往是最朴素的方式。一个被误信的人，能够接触到公司的很多核心信息，想怎么偷就怎么偷。
很多商业秘密案件，往往都是因为内部有人偷偷“叛变”，祸起萧墙。
商业秘密一旦泄露，代价是什么？
这类案件可以分成两边来看，一边是泄密者要承担的后果，另一边是公司会遭受的损失。
对于泄密者，很多人觉得，泄密最多就是赔点钱，或者被公司开除。但实际上，商业秘密案件背后的责任是非常重的，通常包括三类：民事责任、刑事责任和行政责任。
第一个是民事责任，也就是赔钱。比如前面提到的吉利和威马的案子，因为它构成了共同侵权，相关个人也要承担连带责任。你可以想象一下，如果一个普通人真的背上上亿级别的赔偿责任，可以说这辈子基本就完了。说实话，可能还不如判刑。
第二个是刑事责任。侵犯商业秘密罪其实已经存在很多年了。在一些核心行业里，商业秘密的价值很容易被认定得很高。研发成本、潜在收益、竞争损失，都可能被计算进去。你以为只是带走了一点资料、发出去了一点信息，但放到公司损失的角度，金额可能一下子就上去了。在2020年刑法修正案之后，侵犯商业秘密罪的刑期也进一步提高，最高可以到十年。
第三个是行政责任。市场监管部门其实也可以对侵犯商业秘密的行为进行处罚，而且罚款金额可能还比较高。
所以，我真的提醒大家，千万不要只看眼前那点钱，很多事情一旦越过红线，后果是非常吓人的。
从被泄密的公司角度来看，损失不只是一句简单的影响业务，很可能直接整个公司干没了。
在技术密集型行业，技术高低决定命运。比如芯片，所有公司只买最好的，赢者通吃；比如最常见的新能源行业，一个电池提升0.2%的效率已经是巨大的技术创新。而一旦技术优势没了，或者技术被偷，这公司可能就完了，行业格局都会改变。
再比如竞争激烈的互联网行业。淘宝闪购和美团打得最激烈的时候，如果我能拿到另一家公司的补贴策略，第二天只要稍微比它多补一点，订单量可能立刻就会变化。它带来的经济价值，是远超普通人想象的。
还有一些经营信息，看起来没那么技术，但同样值钱。比如竞品公司的内部架构，谁现在真正掌权，关键负责人是什么风格，团队里谁可以被挖走。这些信息在激烈竞争中，都会变成武器。
图源：《继承之战》
初创公司在这种环境下是很危险的。
很多初创公司创始人很厉害，或者手里有一个很新的技术。但他们最大的问题是技术很有价值，保护措施不严密。如果我是资方，收购不成，我可能花很低的成本，就能把技术违法地买过来。
这些事情，公司是要投很多成本和时间的。很多初创公司老板一开始不重视，往往是等吃了一次大亏之后，才愿意补课。
应对商业秘密泄露，大厂做得相对完善。比如技术层面，最常见的，很多文件里都有暗码、隐藏水印、权限记录。你不要以为拿手机拍一下、截个图、换个设备传一下，就没人知道。很多时候，公司都能倒查出来。
他们还会把商业秘密保护做成制度化设计，嵌入人力资源培训和员工风控管理中，比如廉洁从业培训、每季度的风控通报。谁因为商业秘密被送进去了，谁因为收受利益被开除了，谁因为传文件被追责了，这些案例一讲，大家很可能被“吓”着了。这其实就是一种高级、合法，能够面向公司大多数人且有效的“恐吓”。
当然，现在很多大厂以信息安全、商业秘密保护为由，对员工行为的“监控”越来越细，甚至有时候会越界。
我现在越来越明显地感觉到一个问题，以商业秘密为由的监控和惩罚，正在被过度使用。
我遇到过很多被竞业限制的劳动者，说实话，这里面99%的人能掌握多重要的商业秘密？很多人可能就是一个P5、P6的普通员工，但公司动不动就以商业秘密为由起诉两倍甚至五倍年薪的违约金。
我有时会问企业法务，你们为什么要这么做？法务拍着胸脯说，我们是为了保护公司的商业秘密。
但我心里想的是，去你们的，哪有那么崇高？
很多时候，这只是一个表面上正义凛然的理由。起诉正在变成一种搞人的手段和武器。我遇到过太多公司，用各种奇奇怪怪的理由包装自己，实际上只是内部山头之间在排除异己。
这种变化，也正在加深公司和员工之间的信任危机。
拿互联网公司来说。十年前，大家提到这个行业，常用的词是开放、创新、包容、鼓励个体活跃。但现在你再问一个年轻人，他怎么形容大厂？
很多人的第一反应可能是：公司大、制度严格、规范特别多，自己像一颗螺丝钉，没有价值感。还有就是卷，不开心。
这种变化当然有很多原因。但我觉得，企业与员工之间的不信任是其中很重要的一部分。
当公司越来越不信任员工，它对员工的管理一定会越来越严格。而这种严格，会慢慢消耗掉员工的主动性。
我现在经常做大厂相关的竞业限制案子，会发现员工入职要签的东西比过去多太多了。劳动合同十几二十页，后面还有保密协议、竞业限制协议、各种承诺书，还有规章制度学习会。
一个刚毕业的年轻人，刚进公司还没开始工作，先看到一堆条款：竞业限制协议写着五倍年薪违约金，保密协议十几页，里面反复强调什么是保密信息，什么行为会被开掉，什么行为会被追责。他看完以后心里会是什么感觉？
他刚进公司那团火，就算没被浇灭，也会小很多。
在后面的工作里，员工肯定会越来越把安全放在第一位。他会想，我可以牺牲效率，我可以不追求最优解，我可以少沟通、少表达、少分享，但我一定不能出错。
图源：《人生切割术》
站在个人角度，这没有错。但如果放到整个公司层面，公司的效率、创新、协作都会受到影响。
离职的时候，这种不信任会更明显。
有些公司看每一个离职员工都像在看潜在风险。它会觉得，公司培养你这么多年，你是不是要带着我的商业秘密走？你是不是要去竞争对手那里？你是不是要挖我的客户、用我的技术？
然后，要么启动竞业限制，要么追商业秘密，倒查员工离职前下载了什么文件、发了什么邮件、登录了什么系统。
但公司有时候也应该扪心自问一下：你到底有什么东西真的值得保护？你说公司培养了员工很多年，可员工也为公司工作了很多年。公司不能只看到自己投入了什么，却看不到员工已经交付了什么。如果双方始终是这种互相防备的状态，信任是不可能建立起来的。
这几年我能明显感受到劳资矛盾在扩大，那些总是被上司搞，或者处于被裁的边缘的人，会对公司产生极大的不满。
我之前有一个案子，是一个刚进入互联网行业不久的年轻人，他的上司要把他优化掉。他特别愤怒。正好那段时间，有个咨询公司联系他，想花钱买咨询，他就答应了。
这个年轻人后来跟我说，自己当时已经被愤怒冲昏了头。他只收了咨询公司两个小时的钱，但给人家讲了十几个小时，免费赠送的那种。对方说要不多给点，他还说不用，事前谈的两小时，就收两小时的钱。我不在意钱，就是要告诉你信息。
后来当然被公司知道了。虽然没有构成刑事犯罪，但整个事情闹得很难看，他自己也非常后悔，但已经来不及了。
现在还有一个趋势，是商业秘密和竞业限制的起诉权利，会被恶意用作商业战争的手段。比如上市狙击，融资狙击，这类事情在新能源行业尤其多。
我举一个例子。
有一个技术很厉害的博士，原来是新能源行业某家公司的副总，后来离职创业。他的公司发展很快，融资也拉得很快。最后有一家非常重要的大机构准备进来，这笔钱如果进来，公司估值和行业影响力会明显上一个台阶。
就在这个节点，前司突然发起了竞业限制和商业秘密相关的诉讼，说这个核心人员违反竞业限制，要求他停止侵权，并要求赔偿。
这个博士在离职前其实已经非常谨慎了。他担心以后出现纠纷，所以和前司签过协议。他放弃了一些期权、奖金，换取了前司一个承诺：以后不追究他的竞业限制和商业秘密责任。公司当时也出了承诺函。
但即便如此，公司明知道有这个承诺函，知道案子大概率打不赢，还是在关键融资节点发起了诉讼。
最后案子赢了，但融资跑了，窗口期错过了，在商业上，我们还是输了。
所以你看，商业秘密保护不是一个简单的是非题。公司当然要保护核心商业秘密，因为这关系到一家公司的生死存亡。但如果“保护商业秘密”被无限扩大，变成监控员工、惩戒离职者、打击创业者，甚至内部斗争的工具，它同样会影响一家公司的发展与成长。
公司要防住对手，但不能把所有员工都当成对手。
封面来源：AI生成
【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
