2025 年对于高通来说是个具有纪念意义的年份，不光是高通公司成立 40 周年，也是高通在华发展的 30 周年，这意味着这家科技企业经历了数个技术浪潮，见证了 2G-3G-4G-5G 四代通信技术的变迁，也为即将到来的 6G 网络在做准备。

除了对应高通（Qualcomm）的通信技术之外，智能手机产业进入到了成熟期，而智能眼镜，具身智能机器人，AI 新设备，汽车智能化智驾化等等趋势汹涌而来。

如果智能手机行业的起点是在大洋彼岸，中国智能手机产业是从追赶开始，发展到与苹果三星这些巨头分庭抗礼的话，那么上面提到的关于 AI 新设备，具身智能机器人，乃至智能汽车的发展中心，天然就在中国。

这意味着高通需要更加契合中国本土创新的节奏，也面对着更多的中国机遇。这便是爱范儿等媒体在 2025 骁龙峰会上与高通中国董事长孟樸对话的背景，以下是对话摘录。

Q：今天我们看到峰会现场邀请到了张亚勤院士和（宇树科技）王兴兴，是否是在释放发力具身智能的信号？此外，对高通 CEO 安蒙所说的 6G 预商用终端最快有望在 2028 年开始推出，智能体可能会成为新的使用入口的观点，您有什么看法？

A：这次在中国落地骁龙峰会，我们特意邀请了中国一些技术领域的大咖。当前，AI 无疑是一条贯穿各领域的主线，而具身机器人（具身智能）作为国家重点推动而且处在产业前沿的方向，也备受关注。今早吴晓波老师也分享了，最近专门调研了 14 家具身机器人的公司，显示出这一领域的蓬勃发展。

因此，我们邀请张亚勤院士和王兴兴先生，正是看重他们在各自领域的代表性和影响力：张亚勤院士在 AI 方面，特别是 AI+ 领域有着独特见解；而王兴兴所在的宇树科技，在具身机器人领域中具有鲜明特点和代表性。

从高通公司战略角度看，AI 将一直是我们的一条主线方向。至于具身机器人，尽管最近才成为热点话题，但实际上高通早有布局。早在 2021 年上海进博会的时候，高通率先提出「5G+AI 赋能千行百业」的理念。在历次进博会展会上，我们也展示了 AI 赋能的咖啡拉花机器人、乒乓球机器人等前沿的AI应用演示。

如今，随着各种大模型的产生、演进和在终端上的落地，这些技术将迎来更为广泛的普及。高通公司将这些视为端侧 AI 落地的具体实现路径，并致力于与中国的产业链以及各领域的行业领军企业深入合作，推动技术创新与应用普及。

Q：您能否分享几个高通与中国新能源汽车品牌合作中比较有意思的故事或者感受。其次，高通未来在中国将如何与新能源车合作，有哪些合作重点？

A：我们在新能源车领域还是有蛮多故事的，高通进入汽车行业已经有 20 多年，只是大家知道得比较少，从最早的通用汽车安吉星 CDMA 1x 车载网联解决方案，到后面的很多车包括大众普及型的车里面都有这种无线连接，这个设备在行业里一般叫 T-Box（车载无线终端），高通一直是这个领域主要的供应商。但在之前，汽车行业还是比较传统的行业，100 多年的历史，层级也比较多。我觉得 2020 年到 2022 年这三年期间（很值得一提），这几年中国的车企在新能源应用和智能网联上正好处于大爆发，这两项技术相辅相成，如果没有新能源，很多智能网联的功能没有意义或者说不能实现。所以新能源是很重要的，但是只是新能源没有智能网联的话，车从应用场景来讲也不会有太大的变化。

从分享故事的角度来讲，讲到智能网联汽车最先提出的是欧美厂商，起码从高通公司了解到的，（最初）对我们提需求的实际上是一些欧美厂商。但是汽车行业比较传统，以前的厂商设计车的时候都是做四到六年的规划，我们谈很长时间定型了以后，四年以后才上车。中国厂商很不一样的一点，特别是从在那三年发生的情况来看，他们推动新技术在新能源车里面的应用非常快速。因为在中国，新能源车里因为有电池，所以应用场景不一样了。欧美厂商推动智能网联的目的，更多是帮助驾驶员和乘坐成员更舒适、更安全地从 A 点到 B，车辆仍然是一个交通工具。而中国的新能源汽车厂商，推动汽车成为「第三生活空间」，可以在车里打游戏、听音响、看大片、周末去郊游和钓鱼，这些都是与欧美不同的场景。在这样场景的推动下，「中国速度」就提出来了，我们很多的客户一边还在跟我们签约，谈合同细节，一边就跟我们说交货要晚了。因为他们速度非常快，今天签约后告诉你明年 1 月他们就上车了。我觉得，中国的发展对我们来讲是很重要的，这就是为什么，我们后来经常提到「中国速度」。我们一定要适应「中国速度」的要求，按照传统汽车行业、传统欧美厂商的速度，我们没有办法支持这些客户，所以这是一个例子。

再举一个例子，从智能网联车应用的时候，中国厂商每家都对应用场景有不同的诉求或是不同的优先级，所以对我们芯片的要求非常广泛。每家都不一样，有的厂商因为有不同的需求，觉得一个芯片觉得不够用了，选择两颗芯片；有的厂商觉得我们的芯片有充足的算力，让我们给开放接口用于别的用途。所以，中国厂商要求的方方面面，也是鞭策和挑战，不管是从跟上「中国速度」，还是满足中国厂商多方面的要求，我觉得对我们来说是一个考试。我觉得挺高兴的是，我们通过了这些中国厂商的「考试」，我们从智能座舱到舱驾融合，支持越来越多的中国厂商。上午 Akash和我的主题演讲都有提到，在过去 3 年时间里，我们已支持众多中国汽车品牌推出超过 210 款车型。国外一个市场、一个厂商，每年也就是发布一两款，不会有那么多。而这些，都是我们在跟新能源汽车或者说是跟中国汽车产业进行合作的成果。

对于其他领域的合作，比如说人工智能，车是一个很好的端侧 AI，是非常好的实现点。因为车的安全性和移动性，它没有办法依赖于云端的 AI，一定要在本地解决，包括上午张亚勤院士提到的，有很多操作一定是要在车里实现的。这些方面，我觉得后面我们跟中国汽车产业合作的机会也会越来越多。

Q：我想询问拓展电脑、手机、汽车的芯片之后，高通会不会去看其他 AI 硬件的专用芯片？今天早上王兴兴总也提到了缺乏机器人的专用芯片，而且我们也听到中国的 AI 眼镜公司提到说中国已经有面向耳机的芯片，但他们希望有眼镜的芯片使眼镜更轻巧，未来高通会专门研发其他 AI 硬件专用芯片吗？您怎么看未来市场的增长呢？

A：我觉得您要把从一个阶段性的、带有发展性的角度来看这个问题。我觉得高通的一个优势是，在所有大家谈到人工智能的时候，有很多已经在手机里做过了。以前我们讲到智能终端的时候，就是智能手机，而没有其他的智能终端。随着 5G、AI 的发展，所有的终端都变成了智能终端。上午的主题演讲也提到，高通的优势或者说战略就是，我们在手机里所做的技术和解决方案，它能扩展到其他的终端品类。对高通来讲，所有的工业品类中，单品类量最大的就是手机，全球一年手机的出货量超过 12 亿，所以它有非常好的通用性和经济性。我们在看不同终端的时候，很容易就利用现有的芯片，去评估能不能解决需要解决的问题。

在汽车领域，高通骁龙座舱平台一直不断演进，我们在去年也推出了骁龙座舱平台至尊版。在 XR 眼镜领域，我没有统计过具体有多少家，据说有「百镜大战」，其中大部分使用的是高通的芯片。为了能更好地赋能 XR 眼镜，我们有专门做 AR 的芯片，有做 VR 的芯片，包括参考设计。PC 因为对 CPU 要求比较高，所以我们有专门的产品。

我认为，任何一个新的终端品类出现的时候，最初的解题思路一定是在现有的主流芯片基础上，可能做一些小的改动就可以适配，硬件不一定要有大的改动。但是，在发展过程中随着这些终端应用越来越多，会开始分类。比如早期的XR 眼镜，就是智能手机眼镜，现在专门有做 AR、做 VR 的，因为它有不同的用途。现在汽车的芯片也跟智能手机不太一样，刚才我讲到汽车芯片的发展因为有车规的要求，以前可能比手机要落后几代或者是落后几年。但现在，因为不同的应用场景，算力的要求可能要大于手机，所以也会有专用的芯片。

回到您的问题，我们不会为了一个新的品类，或为了开发一个新的芯片而开发，而是要考虑在具体的应用层面上，有没有一些特殊的需求。哪些可以使用现有的技术？哪些需要做出调整？您刚才讲到具体的机器人，可以把它看得很特殊，但也有很多共通之处。并非所有研发具身机器人的公司都涉足汽车，但是所有研发汽车的公司都在开发具身机器人。因为，已经研发汽车后再开发具身机器人，很多（技术）都是相通的。所以，具身机器人里需要用到哪些芯片、在应用场景里有哪些应用，我们愿意跟随产业一起探索。

Q：回顾高通在中国市场过去 30 年以及您重回高通后这 10 年的发展历程，其产业链合作堪称业界典范。这意味高通在中国市场的业务已进入创新的「无人区」，可能缺乏现成参照供高通模仿、对照、复制。以往智能手机行业增长较为强劲的时期，向更多领域拓展与创新或许相对容易。您如何为自身设定 KPI？在当下智能手机增长放缓或未达预期的情况下，这类创新的难度是否有所增加？此类产业链合作是否需要投入更多精力？对您而言，这构成了怎样的挑战？

A：我小时候曾学过的一个成语「纲举目张」，恰好适用于描述当前情况——意为抓住事物的关键原则，便能带动其他方面。回顾过去 30 年，行业中许多企业经历了起伏。回归根本，高通作为一家技术公司，必须持续进行技术创新，固守旧有技术无法保持优势。这正是高通坚持每 10 年推动一次通信世代（G）升级的原因。为何有些企业在从一代向下一代演进的过程中落后？往往是因为他们在上一代技术中表现卓越，于是试图固守优势，但这实际上难以持续。因此，高通始终致力于推动产业发展。今天上午，安蒙提到 6G 预计在 2028 年实现预商用，这与我 2015 年重回高通后，次年全力推进 5G 发展的时间节奏相似。推动技术创新与产业进步，这是高通的第一个重点。

第二，高通对自身定位有清晰认知。作为产业中的基础研究环节，我们能够合作的链条很长。首先我们不与客户竞争，其次客户如果不成功，我们也无法成功。以芯片业务为例，今天参会的中国主要手机厂商若采用高通芯片设计推出的手机市场表现不佳，高通便难以成功。这种产业链合作的关系是我们的基石。

每一代技术都面临不同的宏观环境和具体技术条件。然而无论是 AI 还是 6G 迭代，核心始终在于，我们的技术能否持续创新，能否继续为客户提供技术赋能的价值，以及能否尽可能推动产业链合作与进步。若能推动进步，合作机会将依然丰富。

AI 时代与以往有同有异。每一代技术升级时，环境都在变化。在 2G、3G 时代，我们主要接触运营商、系统厂商、终端厂商，4G 实现了移动宽带互联网接入，涉及游戏公司、视频公司及互联网平台公司，这就要求我们与其建立产业层级的合作。

回顾高通在游戏领域的努力，例如每年参与 ChinaJoy，以及在手机芯片上适配和调测各类游戏，都是产业变革带来的变化。如今随着人工智能时代到来，各类 AI 模型以及智能体（Agent）进入终端，其适配对象和具体厂商可能有所不同，但合作的方向并未改变。

因此，高通将继续努力与中国产业链伙伴保持良好的合作关系，特别是在早期阶段共同推动相互适配。今天我们邀请王兴兴参会，正是因为具身机器人领域受到来自国家、社会、产业的共同关注。我们希望在这些领域，尽早与潜在合作方共同定义未来方向。王兴兴提到，目前缺乏非常适合机器人的芯片，这正为我们提出了努力的方向和机遇。倘若他表示现有芯片已非常完美，我们反而会失去创新目标。因此，只要坚持创新与合作，未来仍充满大量机会。

Q：高通已经成立 40 周年了，用中国的话讲已经进入了「不惑之年」，面对全球半导体重构的大格局，高通如何巩固在中国市场的优势，以及如何扩大跟中国产业链的合作？

A：我比较少用「巩固」这个词，我觉得要回到我一直讲的两个点，一个是技术创新，一个是合作。在合作中有共赢的基础，有合作的机会，这是最好的方式。要不断地挑战自己，不断提升和各方面合作的能力，我觉得这是科技公司进步的方式。

这也得益于高通的特点。今天贸促会的领导在致辞中提到，高通是比较早期进入中国的厂商。其实在行业里，也有历史更悠久、更早进入中国的企业。实际上，高通是一家很年轻的公司，但是生在了合适的时机。高通是一家技术公司，我们给大家当实验室，做水平式赋能，如果再早 10 年，这件事可能就无法成立了。因为那时候，各个国家都有自己的大型科技公司，这些公司基本上连螺丝钉都是自己造的，不与外部合作，这些企业在各个国家独占鳌头。全球化推动了高通这种水平赋能模式的出现，使得高通这种中小企业能够突破、发展。我常常说，高通的成长跟中国的成长模式是一样的，如果没有全球化，在原来的模式下没有太多发展机会，全球化给我们带来了这些机会，所以我们不断创新，不破不立，一直在努力。

Q：您提到了端侧，近日 AI+ 文件也提到 2027 年智能终端要超过 70%，在您看来提升到 70% 意味着多大的市场空间？高通是如何抓住这个机遇，在 AI+ 有什么新的布局？

A：在国内，智能手机的出货量在过去几年基本上维持着每年 2.8 亿部的水平，70% 的数字就很容易算出来，从当年的出货量来看这是能实现的。到 2027 年，我自己觉得单从智能手机计算可能过于保守了，因为现在技术一旦开始实现，下沉速度会很快。所以一开始很多高端旗舰机上的 AI 能力，不管是上大模型的能力还是一些具体的应用功能，比如语音、照片处理，这些都会很快下沉到大众市场。我自己觉得 2027 年能看到的一些 AI 在智能手机里面的应用下沉下去，我觉得那个量很大。

但是从另外一个角度看，我们还在人工智能发展的非常早期的阶段。现在我们看到的很多人工智能的应用，在很久之前就出现了，但是当时没有被称为人工智能。比如照片处理，10 年前就出现了用摄像头识别上百种不同猫、狗品种的能力。所以，现在我们仍然处于发展的早期阶段。

我倒觉得真正的人工智能还没有到来。如张亚勤院士上午提到，智能涌现会是越来越爆发的阶段。手机或者是终端里，可以有很多个多模态的模型或者说不同的智能体，现阶段我们还是要操作这些智能体，跟我们用 App 的区别不大。在真正实现人工智能的时代，智能体会了解你的使用习惯，直接帮你处理需求。比如照片处理，智能体了解到你拍了照片以后总是会把照片里的一棵树、一个人删掉，以后再拍的照片就会直接进行处理，不再需要你进行操作。

我觉得真正的人工智能，会把今天的人工智能升级和替代掉。人工智能真正发展以后，正如张院士说的，我们坐在这儿讲我们的，手机里各种的智能体已经自己处理了很多事情，把我们一两个星期以后的事都操办掉了。

虽然，实现真正的人工智能需要更长一段时间，但这一天一定会到来。

Q：我们看到高通在中国的布局首先是智能手机，还有智能汽车，在您看来下一个重点布局的赛道是什么？有哪个赛道可能会像今天的智能手机、智能汽车出现爆发式的增长？

A：正如安蒙所言，高通的策略就是依托智能手机业务展开的。过去，我们 100% 的业务都集中于这一领域，现在，高通公司约 70% 至 75% 的业务仍与智能手机相关。因此，服务好该领域的客户是我们的核心业务。

在深耕智能手机业务的过程中，我们的技术和产品也在不断地适应新的领域，目前已在汽车、物联网、XR 等赛道努力探索。不过，这一过程中存在类似智能手机发展初期的共性问题，大家都在找 killer app（杀手级应用）。从 3G 时代到 4G 时代，我们始终在追问「killer app 是什么？」。

如今，在与运营商的交流中，当安蒙提及 2028 年 6G 即将到来时，大家都很兴奋，而第一个问题依然是「6G 的killer app 是什么」。我觉得 killer app 不一定能直接找到，而是一个探索的过程，基于这个想法，在相关领域的布局中，部分赛道的爆发可能需要更长时间。但我个人坚信，有两个领域假以时日，其应用规模有望等同于甚至超过智能手机：一是机器人，二是各种可穿戴的眼镜，包括 AR、VR 及 AI 眼镜。这两类产品未来有望达到「人手一个」的普及度，机器人也将广泛应用于家庭及各类场景中。不过，这一目标的实现需要我们和产业合作伙伴共同推动，而需求层面的潜力是明确存在的。相比之下，汽车比较难实现每人一辆车，PC 也达不到这个量，因此机器人与 AR、VR、AI 眼镜的增长潜力更为突出。所以，高通在这两个领域一方面要继续积极探索，另一方面也会持续投入技术研发，以保持领先地位。

Q：手机时代 SoC（系统级芯片）的几家企业分享了全球市场，但细分市场都出了很多小的玩家，例如智能驾驶，眼镜的 SoC 市场，未来是否会有更多的玩家参与，最终又是否会像手机 SoC 市场一样，形成少数几家企业主导细分行业的格局？

A：从经济规律来看，市场难以容纳过多参与者，因此长期来看，市场必然会走向整合，不过当前大量企业涌入这一领域，我觉得是好事，在于两个方面：首先，竞争是技术进步的核心推动力，充分的竞争能加速技术的创新与突破。其次，众多参与者的涌入能印证赛道的价值。当你已身处其中或刚进入赛道时，看到大量同行都在踏实布局，会更坚定对赛道的判断，避免因“孤军奋战”而怀疑方向是否跑偏。以高通的发展为例，在 3G 时代布局 CDMA 特别是 WCDMA 的时候，回看全世界做集成电路的上市公司的年报，2005 年、2006 年的时候，几乎每家都在研发 WCDMA 芯片，中国政府在推动 TD-SCDMA 芯片的研发时，第一批投资也覆盖了 7 家企业。可见，新赛道初期往往会吸引大量参与者，但随着产业的发展推进，会出现主动离场或被动掉队的情况，这完全符合经济规律。

你刚才提到的几个领域也是如此。比如，GPU（图形处理器）本身入门门槛其实不算高，很多企业都能参与研发。但后续的应用场景存在差异，开发的产品是自研自用，还是作为商品对外供应；是针对特定项目开发，还是要打造标准化产品供市场采购？这些差异会导致企业竞争力分化，因此在新机会面前，初期参与者众多，但最终数量一定会逐步减少。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

一年一度的高通骁龙峰会又来了，只不过今年节奏加快，骁龙 8 系旗舰芯片在 9 月末就正式发布，这意味着今年的骁龙旗舰手机也会节奏加快，在 9 月和 10 月密集发布，然后就是双十一的销量决战。

留给 iPhone 17 的代差时间少了，当然代价也是留给高通和各家 Android 厂商的研发时间也短了。

但即便如此，第五代骁龙 8 至尊版依旧狠狠挤爆牙膏，性能获得了全方位，大幅度的增长。

第五代骁龙 8 至尊版的 CPU 的架构沿用了上一代 2+6（2 Prime 超级内核+6 Performance 性能内核）的全大核架构，两个超级内核的主频来到了 4.6GHz，基本上接近桌面级芯片的频率了，而性能内核的主频则为 3.62GHz。

作为对比，第四代骁龙 8 至尊版的 CPU 超级内核主频为 4.32GHz，性能内核主频为 3.53GHz 。

单从主频上看提升没有那么大，但是从实际表现来看，第五代骁龙 8 至尊版的性能表现其实实现了一次突飞猛进，这还是在上代芯片已经性能跃升过一次的前提下。

根据已经释放出来的高通工程机性能跑分数据，第五代骁龙 8 至尊版的 GeekBench 跑分为单核 3800+，多核 12000+，这个成绩与苹果的满血版 A19 Pro 芯片（单核 4000+，多核 11000+）各有千秋，单核略差，多核领先。

第四代骁龙 8 至尊版的 GeekBench 分数大概为单核 3200+，多核 10000+，基本上可以认为，第五代骁龙 8 至尊版的 CPU 整体性能提升在 20% 左右。

而在安兔兔 V11 的跑分里，第五代骁龙 8 至尊版能够斩获接近 450 万的分数，联发科天玑 9500 官方的跑分数据是安兔兔 V11 410 万分，这里高通的旗舰芯片要领先近 10%。

需要说明的是现在安兔兔公布的一些跑分是基于安兔兔 V10 版本，第四代骁龙 8 至尊本的典型跑分数据是 300 万出头，低温环境加强散热也可以来到 310 万的分数，即便这样，不考虑版本差异，这里第五代骁龙 8 至尊版也实现了巨大的性能提升。

这里面的提升自然也包括 GPU 的提升，高通官方表示，第五代骁龙 8 至尊版的 GPU 性能提升幅度为 23%。

这几年 AI 性能成为了各家芯片厂商讨论的重点，也是每一年性能提升幅度最大的部分。

第五代骁龙 8 至尊版的 NPU 性能提升了 37%，端侧 AI 能力能够处理 220token 每秒的输出，同时也支持 INT2 和 FP8 的大模型量化精度，数字越小，精度越低，但同时对性能和内存的资源消耗也越低，开发者可以根据自己的需要选择适当的量化精度。

同时，骁龙 8 系移动平台已经把 AI 应用支持延伸到了智能体 AI 助手，可以跨应用为用户提供定制化操作。通过持续的终端侧学习和实时感知，多模态 AI 模型能够深度理解用户，从而实现主动推荐和基于情境的提示优化——同时确保用户数据始终存放在终端设备上。

其他关于第五代骁龙 8 至尊版的重要信息包括：

• 采用了第三代 3nm 制程工艺
• 影像 ISP 支持 20bit 色深，动态范围提升 4 倍
• 5G 下行速度达到了 12.5Gbps
• 功耗大幅降低，CPU 功耗降低 35%，GPU 降低 20%，整体功耗降低 16%

除了第五代骁龙 8 至尊版之外，高通也没有忘记自己的 PC 野心，发布了 2 款 arm 架构的 PC 芯片：骁龙 X2 Elite Extreme 和骁龙 X2 Elite，均采用了与第五代骁龙 8 至尊版相同的第三代 3nm 制程工艺。

其中骁龙 X2 Elite Extreme 拥有 18 核心，分为 12 个超级核心(Prime Core)，主频最高 4.4GH，6 个性能核心(Performance Core)，主频最高 3.6GHz。

如果 12 个超级核心只开启 1-2 个核心，那么频率最高可以加速到 5GHz。此外，NPU 算力达到了 80TOPS，支持 3 路 5K 60Hz 显示器输出。

骁龙 X2 Elite 则分为了 2 个版本：

• X2E-88-100： 18 核心，超级核心频率 4.0GHz，性能核心频率 3.4GHz，最高的加速频率 4.7GHz。
• X2E-80-100，12 核心，其中 6 个超级核心，总缓存减至 34MB，频率 4.0GHz，性能核心频率 3.4GHz。

今天晚上，小米 17 系列发布会将会首发第五代骁龙 8 至尊版，一共 3 个版本：小米 17，小米 17 Pro 和小米 17 Pro Max，到了 10 月份，预计 iQOO，荣耀还有 realme 等厂商也会发布会基于第五代骁龙 8 至尊版芯片的旗舰手机。

至于搭载骁龙 X2 Elite 系列的终端，预计将于 2026 年上半年上市。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

电影《点球成金》讲了一个真实的故事：奥克兰运动家队是美国职业棒球大联盟 MLB 里经济实力很弱的一支队伍，布拉德•皮特饰演的主角比利是这支球队的教练，经历了一场惨败之后，奥克兰运动家队的三名主力被重金挖走，球队前途渺茫。

但是在大数据技术的帮助下，比利不再追求当红球星，而是挖掘在数学模型下具有巨大潜力的球员，最终这支平民队伍在 2002 年赛季拿到了打破 MLB 纪录的 20 连胜，一度成为联名豪强。

也就是说，合理运用技术能力，能够在看重资金实力的顶级职业联赛里获得更多胜机。

类似的事情，正发生在网球运动领域。

2025 年度比利·简·金杯（Billie Jean King Cup）总决赛在深圳湾体育中心开赛，这是该全球顶级女子网球团体赛事首次落户中国。作为比利·简·金杯的全球技术与创新合作伙伴，微软携 Match Insights（国际版）解决方案亮相赛场。

微软基于 Azure 云平台和数据分析技术，量身开发了 Match Insights（国际版）解决方案，可实时处理海量数据，生成统一、精准的战术洞察，帮助教练与运动员在极短时间内做出科学决策，实现从数据到行动的高效衔接。

每场比赛期间，微软智能云 Azure 会处理来自多个数据源的超过 30 万个数据点，并即时生成 1500 余种独特的统计组合。同时，人工智能模型对这些数据进行实时分析，提炼出关键洞察，帮助教练和球员灵活调整战术。该系统还能深入挖掘球员行为、击球选择和局势变化，生成如回合球效率、发球得分率等深度分析数据，为战术制定提供有力支撑。

今年，微软把 Microsoft Copilot 副驾驶的 AI 搜索能力整合进了 ，进一步提升系统的交互智能与全球适配性。比如借助 Microsoft Copilot 副驾驶的多语言自然语义处理能力，运动员和教练可直接使用母语实时提问，例如：「对手在第二盘的反手失误率如何？」或「我在关键分上的发球偏好有哪些？」。 Match Insights（国际版）可以即时解析问题，从海量数据中提取洞察，生成个性化的战术建议。

在 2024 年，比利·简·金杯斯洛伐克队队员Rebecca Šramková 说：

赛前，我预计对手会采用快节奏打法，微软 Match Insights（国际版）提供的所有数据与洞察都印证了这一点。我据此调整了自己的战术，最终赢得了这场比赛。Match Insights（国际版）帮助我分析对手并为每场比赛完善我的策略，使我们的队伍在比赛准备和决策方面具有优势。

在 2025 年度比利·简·金杯（Billie Jean King Cup）赛事期间，我们和微软大中华区首席运营官 Chris Tao，国际网球联合会技术负责人 Jamie Capel-Davies，微软全球战略合作伙伴负责人 Monica Robbins 聊了聊 AI 将会如何影响网球这项运动，以下是对话实录。

Q：更加精细的数据分析和 AI 指导在多大程度上可以提高比利·简·金杯运动员的胜率？

Jamie Capel-Davies：这是个很好的问题。我认为 AI 确实在部分团队和技术层面发挥了作用，帮助他们获得了有价值的洞察。

比利简金杯中，大家都围绕「赢得比赛」这一共同目标努力，所以我们能够真正有所作为。我个人印象最深的是去年有一场比赛，一位球员凭借胜利赢得了参赛资格，而我们所提供的，就是为这种关键性的时刻，提供差异化支持。我认为不同团队对 AI 的使用程度和方式各不相同，而且比赛结果还受到很多其他因素的影响。

Q：目前，数据和AI主要为人类教练提供辅助功能。那么未来，AI 是否真的可以取代人类教练？

Monica Robbins：不是取代人类，实际上是赋能人类。就像你在体育领域看到的那样，AI 的作用是帮助个人在他们所做的事情中取得更好的表现。比如网球比赛中的司线判罚，确实可以完全自动化，但整个过程中仍然需要人的参与。AI 的真正价值在于增强人类专注于关键决策的能力。所以我想对于人类教练来说，AI 不是为了取代他们，而是为了通过更多方式赋予他们力量。

Jamie Capel-Davies：是的，我完全同意。AI 确实带来了很多价值，但有些事情仍然需要人类的参与。AI 可以处理纯粹且客观的数据，但在网球领域，教练的很多工作在短期内是人工智能难以替代的。我们真正感到兴奋的是看到这项技术正在更广泛地应用，它可以帮助提升比赛的公平性。我们拥有大量可用的数据和各种类型的系统，而且这些技术变得更便宜、更易获取，因此在更多比赛中都能提供有价值的洞察。

Chris Tao：我想说的是，微软在人工智能与人类协作方面的基本理念、目标是创造出能够以更好方式帮助人类的 AI 技术，从而提升整体生产力。我们始终认为人类应该处于主导地位，而 AI 则是持续支持人类的、聪明的「Copilot 副驾驶」。最终，我们希望 AI 不仅能在教练领域提供更好的建议，还能在教育等其他领域发挥作用。我们也希望 AI 能在不同文化背景下都表现出色，成为真正意义上的助理教练，具备应对未知问题和不断进化的能力。

Q：在智能运动领域，AI 已经彻底改变了国际象棋和围棋，模仿和学习 AI 可以带来更高的胜率。然而，有人认为，由于存在最优解，AI 介入的运动可能会失去创造性和观赏价值。网球会出现这种情况吗？

Jamie Capel-Davies：我不这么认为。这确实是个值得探讨的问题，不过我自己不下棋，所以无法完全比较。但我觉得 AI 的加入其实是为运动增添了新的维度。虽然 AI 有时会击败人类，而且这种情况越来越常见，但真正有趣的是AI 与人类之间的互动。所谓的「最优解」反而让比赛变得更有看头。网球本身就包含很多要素，比如技术、身体素质、战术等，是一个高度多维的运动。我们尝试用 AI 来强化其中的战术和战略部分——这是非常关键的一环，但也只是众多维度之一。

Chris Tao：我补充一点。在网球领域，我们已经积累了多年成熟的经验，尤其是在数据分析的支持下，我们可以更好地分配资源。你提到一个很重要的观点：在一个高度竞争的环境中，人类应该如何定位自己？是“人类+AI”的协作模式，还是坚持人类主导？你可能还记得上个月在中国举办的 2025 世界机器人大会，那场展览真的很精彩。它促使我们重新思考：如何借助 AI 增强人类能力，而不是让 AI 取代人类在关键领域的作用。

Jamie Capel-Davies：如果我们进一步展开这个话题，我认为 AI 还有潜力帮助球员更好地参与比赛、减少受伤风险。

Monica Robbins：是的，这正是 AI 的核心价值所在。当我们谈论 AI 时，它是在赋能各类应用的负责人，而不是取代他们。我常常会想到一个例子：AI 可以让信息「活」起来，帮助运动员更好地理解自身表现，从而发挥最大潜力。比如从人体力学的角度来看，运动员在特定项目中往往遵循相似的运动原理。而借助 AI，他们可以发现，通过对身体姿态的微调，自己可以跑得更快、跳得更高，或者更高效地完成动作。所以再次强调，这不是关于替代，而是关于提供工具，帮助他们实现更好的自我表现。这也是我们真正关注的方向。

Q：AI 或微软的机器学习系统是如何挖掘出传统系统无法识别的数据维度？微软的技术在哪些方面可以补足传统系统的不足吗？

Monica Robbins：是的，我可以先分享一些想法，然后 Jamie 可以补充。从根本上讲，这个问题回到了「数据如何实现实时统一」的能力上。传统系统通常是在赛后进行分析，也就是说，你只能在比赛结束后回顾数据，制定策略。而微软的解决方案实现了实时数据处理，这意味着你可以在比赛进行过程中就获取关键洞察，并据此做出即时调整，而不必等到下一场比赛。这是一个非常重大的转变。我们在本次锦标赛中引入的一些新功能，正是围绕如何更深入地理解比赛动态展开的。现在，运动员甚至可以通过自然语言提示在比赛期间获取实时建议。如果我是网球运动员，我可以根据AI的反馈调整我的发球策略，这在过去是无法实现的。

Jamie Capel-Davies：使用 Azure 的一个关键优势在于系统的可扩展性。我们可以根据比赛的节奏和安排灵活调整资源配置。比如本周有些比赛日安排了两场比赛，有些只有一场，我们的系统可以根据实际情况动态扩容，同时保持成本效益。此外，微软的 AI 平台具备模型迭代和切换能力。我们可以根据反馈不断优化模型，并在不同模型之间灵活切换。我们最近就做过一次模型升级，结果显示新模型的反馈质量明显优于之前的版本。这种持续优化的能力，是传统系统难以比拟的。

Q：有人使用 AI 来帮助策略，而有人不使用，那么对于这种情况导致的不公平，你们会如何回答呢？

Monica Robbins：我们合作的每个组织都肯定会思考的一个问题是，他们如何以完全公平的方式提供解决方案。其中一件事是，现在AI正变得更容易被更广泛的受众使用。实际上，在某些方面，它确实带来了更多的获取机会。但当我们与潜在客户或不同组织合作时，比如与比利·简·金杯合作，关键在于我们如何确保所有团队都能获取相关信息，并确保他们能够充分利用这些信息。确实，像任何新技术一样，总会有一些早期采用者，但这也是推动技术普及的重要力量。我们希望通过这种方式，逐步实现更广泛的技术覆盖。

Chris Tao：是的，这项技术实际上已经在一定程度上缓解了原本可能加剧的不公平问题。过去，资源获取的不平衡确实让一些团队或教练处于劣势，但现在我们正努力让 AI 技术变得更加普及和易用。我们的目标是确保尽可能多的人都能使用这项技术，而不仅仅是少数拥有高端设备或资源的专业团队，比如那些顶级教练。过去可能需要依赖复杂的系统才能进行数据分析，而现在，更多人可以通过更便捷的方式获得同样强大的支持。这意味着，AI 不仅提升了专业教练的能力，也为更多基层用户打开了可能性。我们希望通过技术的普及，真正实现更公平、更广泛的赋能。

Jamie Capel-Davies：我们所做的是与所有团队一起开展培训，以此来帮助降低风险和解决问题，而不是做其他事情。正如 Monica 提到的，不同团队的使用方式可能不同，但我们努力确保每个团队都有机会尝试并充分利用这项技术。微软其实还有一个专门的部门，会对产品进行严格的审查，确保在推出时符合伦理和公平的使用标准。

回到开头所说的《点球成金》电影，大数据技术确实在一段时间里帮助奥克兰运动家队获得了极强的竞争力，但是这项技术的门槛没有想象中那么高，于是其他球队也纷纷跟进，最终抹平了技术能力的差距。

实际上到现在来看，无论是 MLB，还是 NBA，或者足球里的五大联赛，一支球队的技术分析和医疗康复能力，很大程度上决定了这支球队的上限，也决定了球员的职业生命。

在科学的比赛建议，以及更好的医疗康复关照下，像刚刚过了 40 岁生日的莫德里奇，或者 40.5 岁的 C 罗，依旧还保持着不错的竞技状态，能够在顶级赛事中发挥巨大作用。

技术能力在体育运动里一直都是你追我赶，先到先得，并且具备非常大的杠杆效应，而在微观到具体的运动员身上，AI 等技术带来的，不仅是一段时间的提升，也可能是整个职业生涯的延长。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

与腾讯集团副总裁、腾讯智慧出行总裁钟翔平的采访并不像以往的采访那样发生在会议室或者咖啡馆这种场景，而是在位于深圳宝安大铲湾的腾讯新总部与宝安中心地铁站之间的自动驾驶摆渡小巴士上进行的。

这辆小巴士将来会用于腾讯员工通勤的接送，达到了 L4 级别的自动驾驶水平，搭载了腾讯自研技术。

即便腾讯这家公司对大家生活的影响如此之深，但在汽车领域，腾讯做的事情却并不显性，我们当中的大多数人没法像使用微信，玩《王者荣耀》那样亲身感受腾讯为员工准备的自动驾驶小巴士，但这并不意味着腾讯没有影响我们的出行。

相反，腾讯对智慧出行的影响，无论是从链条的长度，还是时间线上的长度，都可能是腾讯所有业务里最为深远的之一。

在车上点个麦当劳，和腾讯云有关系吗？

2025 腾讯全球数字生态大会出行专场上，腾讯发布了 TAI 6.0 智能座舱系统和全域智能化升级方案，通过「端云一体」的新一代座舱大模型矩阵与 AI Agent 架构。在端侧，基于混元深度定制的 LLM ，TAI 6.0 智能座舱系统推理速度提升 81%，并在长上下文窗口中，实现对车身传感器信号理解的准确率超 97.5%。新发布的 VLM 多模态模型在部分场景下，舱外环境感知超 98%。

可实现场景与意图的精准理解，并通过自研端云模型协同策略，达成快速响应，意图理解时延小于 500 毫秒、准确率超 95%。AI agent 架构支持微信小程序、LBS、联网搜索等丰富信源扩展和腾讯生态能力，车企与第三方可通过标准化接口轻量接入智能体开发。

围绕出行全场景，TAI 6.0 推出五大智能体：

• 本地生活智能体：用户可实现自然语言交互，无缝连接车外生活服务，例如智能体可基于用户偏好，主动推荐餐厅优惠信息，也实能现边聊边问的拟人化服务体验，支持下单、支付全流程操作。
• 全能陪伴智能体「随行Chat」：聚焦车内情感陪伴需求，提供包括儿童故事陪伴、专业知识交流及娱乐八卦互动等多角色在内的聊天服务。
• 出行探索智能体「哪儿值得去」：场景化出行服务，可主动发现沿途兴趣点，智能生成顺路打卡路线，并提供目的地讲解、提前购票等服务。
• 出行连接智能体：打破车机与手机的服务边界，依托小程序生态，实现一键连接、内容流转与多用户协同控制，支持音乐、文章等多种内容类型无缝车机同步。
• 腾讯地图车机版 9.0 升级为 AI 地图导航智能体：实现 AI 指路、AI 服务、AI 陪伴等更人性化的产品体验。

举一个例子就可以理解这些智能体的作用了，以往我们在开车的时候想要点一顿麦当劳吃，那就必须要停车到路边，用手机进小程序点单，然后开车前往取餐。

现在有了这些智能体，加上整个腾讯生态，包括小程序和微信支付，就完全可以通过车内语音交互，找到附近的麦当劳，通过语音沟通，选择想要的餐品，然后在车机内支付，再导航过去取餐，整个流程完全不需要使用手机，驾驶者也不需要停车，甚至可以不需要怎么看车机屏幕就可以完成这一切。

这种场景体验的变化，背后其实是我们怎么看待「车」这种产品，钟翔平告诉爱范儿：

车可以看成两种属性，一个就像让人从 A 点到 B 点的一个载具，这个车从古至今都是有这个能力属性定位的。另外也是因为智能化、移动化发展之后形成一种新的车型，就是移动空间。移动空间这个特性是一个非常重要的延伸。

 

一个是载具，一个是空间。载具的这个属性的进化，其实将来服务化就是智能驾驶，就是让车自己完成从 A 点到 B点。但是作为空间的时候，它发展的方向就不一样了，它致力的就是让人很舒心，符合他对这个空间场景的期待。比如说有的场景我们希望这个地方是一个会议室，它可能要很方便开会。有的时候我们希望它是一个影院，它是可以看电影。还有更多的场景，是一个游戏室，然后更多的一些娱乐内容，甚至是我们让这个空间比如说让它帮我们订好咖啡，我们到下一个地点可以去取。所有这些都是移动空间带来的用户对它的期待。所有这些我们都会在智能座舱这个方向上更好地地打造。

 

TAI 6.0 致力于用端侧模型和云端大模型结合，对用户既能够很快的反应，同时也能够更全地去调动云端的能力解决更复杂的任务。腾讯也会将 AI Agent，加上广泛的服务生态，然后再加上位置服务能力这三种能力叠加在一起，形成一个让用户可以在车内结合出行位置，结合他可能期待的也许是咖啡，也许是订座，也许是点餐，或者是一些内容服务，都可以结合这几个放在一起形成最优体验。

 

有很多内容和服务的组件它原本就在，但是它缺少被用户用语音的方式启动，或者符合场景的方式去调度。我们用 AI 化的方式就完成了这一点，既清晰知道你的地点，知道你的路线，知道你什么时间可能到达哪个地方，这个时候我需要在那个地方提前或者是预约某一个时间，点一杯咖啡或者是点一个座，它都可以帮你去做到。当然这个也结合腾讯很重要的优势，我们有广泛的小程序生态。而且我们车端在很早之前就已经成熟化完成小程序框架，因为框架以及小程序本身就是现成的，我们结合 AI 时代之后，我们让大模型再结合更多的 Agent 的调用，使得它获得更完美的体验。

现在，腾讯的智能座舱产品在 60 多个汽车品牌、超过 1600 万车辆中应用。

我们可以这么理解腾讯在智慧出行上的产业链布局：点麦当劳作为单点场景，牵一发而动全身，从底层的云服务，到地图数据，再到小程序生态，还有支付能力等等，缺一个点就吃不到汉堡了。以此，我们也可以反推，腾讯智慧出行，究竟在出行里扮演了什么角色。

在 AI Infra 这一基础设施层，腾讯提供了腾讯云等服务，涉及高性能计算，高性能网络和高性能存储等服务。而在 AI Platform 的平台层，腾讯提供了自研的混元大模型以及开源的 DeepSeek 大模型等等技术，来提供各种直接的 AI 能力。在 AI Application 应用层，就有我们熟悉的微信各种能力，元宝应用等等等了。

那么问题来了，腾讯拥有几乎全栈的汽车智能化能力，自己也有能力做到 L4 级别的自动驾驶摆渡小巴士，为什么不像 Google 或者百度那样，直接提供自动驾驶整体方案，甚至是 RoboTaxi 服务呢？

钟翔平说：

每家公司有每家公司的定位，因为腾讯在 2018 年进行重要的战略转型升级的时候，当时就在思考如何做产业互联网，我们当时说扎根消费互联网，拥抱产业互联网。但同时我们清晰地对待产业互联网，想清楚我们的定位，我们叫数字化助手。

 

数字化助手这个定位是经过深度思考之后形成的，因为本质就是强调我们不是站在前面的那个角色，我们其实既是背后的助力者，有一些场景我们也会是伴随着企业客户，成为他们的数字化共建者，但是我们不是进入到他们行业里面去成为那个玩家。所以我们不断强调，我们不做 Robotaxi 也好，不做自动驾驶车，本质都还是遵循数字化助手这个定位。

当然，这个助手不仅仅是相对于用户来说，对于车企或者经销商来说，都能从腾讯获得想要的助力。

比如说，腾讯结合 SD 地图、轻地图、地图数据服务等云化地图能力，与博世、文远智行、元戎启行等出行科技公司携手，提高自动驾驶训练效率。在腾讯的云地图数据和合规服务的支持下，文远知行联手博世仅用 18 个月即完成了智能辅助驾驶方案的量产上车。

同时，腾讯与广汽、长安、蔚来汽车等车企合作，以智驾云专区、AI Infra、大数据等工具和云图一体化的数据闭环方案，加速端到端自动驾驶落地。

在营销服务环节，AI 销售助手，正在借助大模型能力，辅助销售员整合信息、专业应答，推动线索转化从流程化全面迈向智能化。在服务一汽大众等企业时，试驾线索成本降低了 20% 以上，到店转化率提升 30% 以上。

腾讯做自动驾驶能理解，为什么还做具身智能？

如果说一个在车上点麦当劳的场景，能够牵扯出腾讯在出行产业链上的长度和深度，那么关于具身智能的布局，则反馈出了腾讯在一条技术脉络上的长远思考。

在 2025 腾讯全球数字生态大会上，腾讯联合文远知行、黑芝麻、光轮智能等出行科技企业，发布面向具身智能研发场景的全链路工具链。

面对具身智能数据管理存在的全局治理难、多模数据保存与处理难等问题，腾讯推出的智能数据平台已实现 EB 级具身智能多模态数据的统一接入、治理与标注。腾讯也与文远知行联合打造从数据采集到模型部署的全栈 AI 数据闭环解决方案，为具身智能提供精准、丰富的训练数据支持。

此外，基于在自动驾驶领域积累的端云一体化闭环工具链，腾讯可以提供覆盖「数据采集-标注-挖掘-模型训练-仿真评测」全流程的具身智能研发能力。腾讯基于 3DGS、时序建模等技术实现的仿真环境，支持 L2-L4 级自动驾驶算法训练和 VLA 模型验证，并可扩展至具身智能算法开发。

今年 7 月，腾讯 Robotics X 实验室与福田实验室联合发布了具身智能开放平台Tairos 「钛螺丝」，这是国内首个以模块化的方式提供大模型、开发工具和数据服务的具身智能软件平台，通过 SDK 和 API 的方式面向机器人行业开放。截止到目前，Tairos 已经与越疆科技、乐聚机器人、帕西尼感知科技、擎朗智能、众擎机器人科技、宇树科技等多家具身智能企业探索合作。

同时，为验证自动驾驶技术在具身智能领域的应用潜力，腾讯以「导盲机器人」为载体，构建多模态感知规划、避障导航与交互能力，为四足机器狗、人行机器人等低速移动智能终端提供「无图」导航解决方案。

虽然自动驾驶和具身智能没有一个字是一样的，但是在钟翔平看来，汽车企业具备布局具身智能产业先天优势，「感知、决策、交互」等自动驾驶基础能力，能够与具身智能体结合，技术上一脉相承。

甚至，它们现在就发生了交集：搭载腾讯自研算法的四足机器狗，在大铲湾腾讯新总部里，完成了自动驾驶小巴的上下车测试。

钟翔平说：

车本身就是一个非常成熟的，非常好的实践中的具身智能体。因为车具备了感知能力、智能化的计算能力，然后实践中去打磨具身智能的应该叫物理智能，或者是空间智能。 在这个方向上面我们也沉淀出来一系列的工具集，一系列的工程方法都会应用到具身智能这个方向。

 

机器人相关的具身智能，会和智能驾驶会有所变化，这个变化主要会在于智能驾驶其实还是跟路本身高度关联，到了机器人也好，或者是到了更广泛的通行区域，更广泛的生活场景中的这种智能体，它面对的场景数据的要求并不是遵循着一个路的模式，这个时候会使得它需要因为数据自由度的扩大而带来的数据的量级急速攀升。当这个数据量级需要急剧攀升的时候仿真在其中扮演的价值和作用其实会更加扩大。

腾讯智慧出行解决方案总经理费玉霞解释了腾讯在这里布局的底层逻辑：

2025 年，Physical AI 成为行业的新焦点，自动驾驶和具身智能是 Physical AI 的不同形态，其核心技术底座高度重合，我们全面升级在自动驾驶领域的积累，积极投入具身智能，取得了阶段性的成果。

 

现今，具身智能产业正从价值验证迈向规模爆发，但是我们也看到支撑智能算法相对滞后，还有一些困难需要我们共同去解决。困难一研发落地路径长，研发中需要将上百个不同模块的软硬件深度融合，需要懂硬件、懂系统、懂数据、懂算法、懂仿真的专业团队，超过三年的研发投入才有可能有所产出，急需一套工具平台加速研发流程。

 

某种程度上来说，腾讯在具身智能领域，依旧扮演着「数字化助手」的角色，一来是因为自动驾驶和具身智能的技术脉络是一脉相承的，另一方面，具身智能也是 AI 技术的延续，在 Physical AI 领域的布局，也是 AI 布局的子项，没有哪家科技公司，敢在这个时代忽略 AI 机会。

当然，这一切都还在早期，也正如钟翔平所说：

智能驾驶本身就是一个很好的具身智能实践过程，因为是一个行进在路上的车，让这个车本身变成一个高度的智能化。它要解决的矛盾首先就很多，它要让车能够和人之间如何协调共处，让智能的车和非智能的车如何和谐共处。

 

其实这些问题在智能驾驶这个方向上已经到了一个相对收敛期。这个收敛的过程所形成的经验，或者是一些思考的沉淀或许是一种很抽象的思维的沉淀，我都会认为对于后续解决不同场景的具身智能会有参考和借鉴意义。

在我们聊这种时间维度的时候，9 年前腾讯成立了自动驾驶实验室与此时运行在宝安中心地铁站和腾讯新总部的自动驾驶小巴士形成了互文。当时腾讯在出行领域还没有形成如今清晰的布局和认知以及定位，但对于自动驾驶全栈方案的探索，形成了如今的工具集，以及提供给车企和自动驾驶科技公司的能力。

所以，今天对于具身智能的前瞻性探索，未来也可能形成这种能力。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

最近上映的《捕风捉影》是成龙近十年来的最佳电影，虽然是个翻拍的爽片，但也加入了非常时髦的 AI 元素，比如警方开始使用超级 AI 作为抓捕行动指挥，电影开头的桥段就是警方长官没有采用 AI 建议转由自己决策，导致罪犯逃脱。

虽然后面的结局是成龙作为经验丰富的老警察，加上一定的 AI 辅助最终将犯人绳之以法，但也抛出了一个问题：人，该不该听 AI 的指挥？如果事事都听 AI 的，我们存在的意义又是什么？

GEO，与 AI 信徒

GEO（Generative Engine Optimization，生成式引擎优化）是一个非常新的概念，但并不难理解，与之对应的是 SEO（Search Engine Optimization，搜索引擎优化）。

我们在使用 Google 或者百度等搜索引擎的时候，显示出来的链接大概会受 3 个方面的影响：搜索引擎自己的算法规则，链接内容有无根据规则进行相应优化使自己排名靠前（即 SEO），用户在搜索引擎那里的用户画像。

当 DeepSeek 等 AI 工具也承担起了部分搜索任务之后，搜索结果产生的就不再是一个个需要点击的链接，而是看上去笃定的直接答案。

比如我在 Google 搜索「中国最好的 5 家科技媒体是哪些」的时候，它只会给我一堆链接，排名榜首的链接还是一个不知名机构评选的 2017 年十大科技媒体，其中排名榜首的「砍柴网」已经停更。

我问 ChatGPT 的时候，它就会直接告诉我答案和理由。

这个时候，如果哪家友媒看到这个结果发现自己没上榜，想必会有点不服气，一边暗骂 ChatGPT 不懂科技也不懂媒体，一边可能在思考，如何影响 ChatGPT，让它接受自己的优秀。

当然，这个结果意义并不大，因为几乎没多少人会给 ChatGPT 提这样的问题。不过，按照当下 ChatGPT、Perplexity 以及 DeepSeek 等 AI 工具的渗透，会有越来越多的人，去追问更多的问题：

• 给我推荐一款物美价廉，性能出众，续航持久，坚固耐摔的手机。
• 某某企业给我发了 offer，这家企业口碑如何，值得去吗？
• 我今年湖北文科高考 567 分，什么大学什么专业比较好就业？

就像今年 6 月，阿里和夸克和腾讯的元宝，都针对高考志愿填报做了相应的 AI 工具以及大量的宣传。

此时，手机厂商为了卖手机，企业为了雇主形象，大学为了招生率，都有对 AI 工具生成结果进行优化的动机，GEO 就应运而生。

元力科技 GEO 事业部总经理 Claire 告诉爱范儿：

正是因为大模型通过推理和语义理解去生成结果，呈现出了非商业化的特征，所以用户普遍会认为 AI 工具给出的答案更客观，更中立可信。

 

同时，如果一些品牌和产品被 AI 答案引用，那么用户的心智渗透相对来说会更隐性以及更高效。

简言之，GEO 就是一个营销领域的富矿。

艾加营销集团元力科技首席战略官 Frank 说：

预计今年年底 ChatGPT 等 AI 搜索能占到传统搜索流量的 10% 左右，明年预估是 25%，乐观估计到 2028 年的话，AI 搜索和传统搜索流量各 50%，最保守估计也是 2030 年到这个比例。

 

现在国内 SEO 市场的规模大概是 180 亿人民币，全球是 800 亿美元的市场，如果仅从流量比例来倒推的话，长期看 GEO 市场也会是四五百亿美元的市场规模。

 

但 Frank 对 GEO 的看法并不停留在与 SEO 并列和对比的层面上：

 

SEO 实际上是在传统的数字营销里面非常细分，完全是一个工具化的东西，但行业里对 GEO 的理解已经超越了工具层面，它能够在 AI 时代里重构营销范式，尤其是重构品牌的认知度和可见度，重塑品牌和消费者的关系，从而打通完整的消费链路。

 

所以最近包括红杉，英伟达创投，A16Z 都在给 GEO 初创公司进行投资。

 

因为原来的品牌是面向人的，两点一线的沟通，现在变成了人和品牌之间，多了一个 AI 大模型代表的伙伴、助手或者秘书这样的角色。所以品牌不仅要影响人，也要去影响 AI。

相比于 SEO 规则和方法论的明确，实际上因为大模型是个黑盒子的缘故，GEO 目前还在一个探索的阶段，规则也相对模糊，Claire 说：

大模型存在不确定性，不意味着结果无法被优化。如果我们掌握了 AI 工具的内容偏好和优化规则的话，是能够显著提升品牌内容被 AI 收录和引用的概率。

 

特别是内容要从用户的意图出发，用更贴近自然语言的形式构建内容，而不能是 SEO 时代的关键词堆砌。

 

比方说我们要把握用户提问背后的真实意图，再进行品牌核心内容的语义覆盖和场景适配，持续给AI喂养真实的、高质量的内容，才能更容易让 AI 理解品牌到底好在哪里、并愿意在合适的问题场景下去引用或主动生成品牌相关的内容。对于品牌来说，AI 认知的建设是个长期工程。

 

AI 喜欢阅读的内容普遍有四个核心特点：一是要有权威性和高可信度，比如行业机构发布的调研报告和有影响力的榜单等等；第二是数据化、客观性的内容；第三是结构化、多模态内容；最后也是最重要的，就是语义相关性，确保与用户真实意图具有高匹配度。

 

同时，不同AI工具的信源抓取偏好也不同，选择高权重渠道进行投放，也能提高品牌被AI「看见」 的可能性。

相比于 SEO 依靠「关键词密度和反向链接数量」的玩法，Claire 和 Frank 都更倾向于相信 AI 大模型的选择。

用 Frank 的话来说就是，只有被 AI 大模型信赖的内容，才会被消费者信赖。这是因为大模型选择内容有一个 EAT 原则（Experience/Expertise 专业性、Authoritativeness 权威性、Trustworthiness 可信性）。

更关键的问题是，AI 的进化速度相当快，哪怕是被群嘲的 GPT-5 被认为体验不佳，但背后重要的幻觉率下降了一个量级，它看起来不够友好和高情商，但确实可信更多。

现在人们在使用搜索引擎的时候，不会仔细辨别其中的 SEO 痕迹，无论知晓这个工具与否，辨别的行为是无意义的，当 GEO 闯入 AI 工具的时候亦是如此。

与其说这是一个人类自主性的问题，不如说是一个关于信任的问题。

AI 成为了信任的中介，信任才是 GEO 背后的核心资产。

导航，与三体游戏

人类总是高估自己的自主性，常觉自己是自由的。

Waze 是导航领域的先驱，其原理是社群用户上报自己的位置和速度，包括其他的交通道路信息，甚至是交警信息等等，来给整个 Waze 的用户提供导航，规避拥堵，躲避交警等信息。

这套逻辑现在已经被诸多地图导航应用所采用，但在十多年前，基于海量用户的众包模式显得相当新锐，在智能手机早期阶段，这样一个 LBS 的服务有着巨大的商业潜力，在 2013 年，Google 收购了 Waze。

在这种模式下，万千用户贡献自己信息，以点滴之力汇聚成数据洪流，又变成导航信息。

问题来了，当 Waze 提示用户左拐回家不会拥堵，但用户自己觉得直行更快的时候，谁对的概率大？

一般是 Waze 正确，因为它掌握了更高维度的信息，在以上帝视角看整个地图。

接着，《未来简史》里提出了第二个问题：假设因为 Waze 实在太好用，所有驾车人都开始使用。再假设今天一号公路大堵车，而备选的二号公路车流相对顺畅。如果 Waze 只是让大家都知道二号公路顺畅，所有驾车人就会一窝蜂开向二号公路，最后又全堵在一起。

那么 Waze 会不会向一半的用户推送二号公路更顺畅的信息，分流一半的用户过去，但同时向另一半的用户隐瞒这个信息？

从效率最优和体验最优的角度来看，这也会发生。

在一个导航应用面前，人类所谓的自主性其实是个泡沫，人类贡献信息铸就一个数据上帝，然后又听从这个数据上帝的指挥。每个想逆其道而行之的人，都会被拥堵制裁。

科幻小说《三体》里有一个更为极端的场景，在小说里面有一个虚拟的游戏叫《三体游戏》，玩家需要解出三体运动的答案，虚拟的冯·诺依曼找到了虚拟的秦始皇，秦始皇基于冯·诺依曼架构，召集 3000 万名士兵，通过每个士兵举旗的方式模拟计算机的二进制运算，组成了一个人列计算机。

这个时候，3000 万名士兵，就相当于 3000 万个晶体管，当他们听从指挥的时候，哪怕是在秦朝的背景下，也能展现出当代计算机般的运算能力。

虽然「算法」这个词并不是那么美好，但太多太多的例子告诉我们，不听算法言，吃亏在眼前。

就好像打车应用一般情况下不会用显性的惩罚去约束司机，但评分较低的司机获得优质订单的概率会更小一样，算法的大手就像佛祖的五指山。

而哪怕是对自己车技再自信的人也会承认，如果算力和传感器继续发展，人类把所有的驾驶行为都交给 AI，那么车祸率和拥堵率都会大大下降。

我们已经到了不得不承认 AI 可以是某个社会领域更好的解法的阶段，人类最好甘愿服从算法，为算法贡献数据，但不少人还在对 AI 是不是个人更好解法存在怀疑。

元力科技首席战略官 Frank 在采访里提了一个例子，现在一份《纽约时报》的信息量，相当于 17 世纪一名伦敦市民一整年的信息获取量。

而现在摆在当代人眼前的信息是无限的，只要我们愿意，我们可以一天看 16 个小时的报纸，一天摄入的信息是几百年前伦敦市民一辈子摄入的信息。

但人类的进化速度完全没法跟上信息爆炸的速度，这个时候 AI 也可以成为个人的解法。

按照这个角度看，ChatGPT 这种也只是比较初级的信息处理方式，诸如能帮助用户完成一定任务的 AI Agent 智能体最近进展不错，包括未来的通用人工智能 AGI 也被认为极有可能实现。

信息和人的关系，与信息的数量和密度息息相关，书籍时代，人们修《四库全书》，按经史子集分类，方便自主检索，这已然是人类面对海量信息催生出来的便捷信息处理方法。

搜索行为与之神似，信息进一步爆炸之后，基于用户画像的标签算法进一步帮人类过滤和筛选信息，形成高效信息匹配与所谓「信息茧房」的双刃剑，从 ChatGPT 这样的 AI 工具，到初见雏形的 AI Agent，其实人类在此之中处理信息的效率一步步提升，同时自身需要做的工作越来越少。

前面说到的 GEO 等等，不过是这种人类处理信息行为迁徙里的一些伴奏。

感官，与人类的自由意志

且不说 AI 取代人类工作这样的话题，光是看看我们在使用 AI 工具得到的结果可能被 GEO 优化过，导航明明有更畅通的道路却不提供给我，服从算法的调剂反而可以获得更好的体验实现自我更大的价值这些结论，就仿佛人文主义正在向 AI 投降，自由意志已被算法枪毙。

不过有句话说得很好：为什么说人类的容错率大得惊人？因为人类的主线任务其实就是搞到每天 2000 大卡的热量，再找一个保证热量不流失的地方，其他所有的都是支线任务。

在采访机械外骨骼创业企业 HyperShell 创始人的时候，其创始人说：

用不同的技术去增强人类本身，一定是人类文明的下一个演进阶段，这趋势我觉得是正确的，只是技术类型有很多，AI 也是一种对人的增强，只是它增强的是人的脑力，人的信息获取能力还有逻辑推导能力。

 

人类增强这件事是未来 10 年，20 年非常重要的技术方向，我们在做的其实只是其中一个细小的分支。外骨骼其实就是人和物理世界进行交互的介质，可输入，可编程，可数字化，它要实现的就是我们在物理世界的增强现实，来实现人的自由意志。

 

像钢铁侠那样的装甲和人工智能，在未来是可以想象，也可以触及的。

《未来简史》里提到了一个重要的概念，就是当代人类的感官体验和心理状态异常狭隘。

感官体验上，人类只能见到波长在 400 纳米到 700 纳米之间的电磁波，也就是人类视角的可见光，但皮皮虾拥有 16 种视锥细胞，能看到紫外线、红外线，甚至于偏振光，这个世界对于皮皮虾来说更为多彩绚烂。

但只有 3 种视锥细胞的我们还没法体验皮皮虾的视觉，就像听觉上蝙蝠可以听到人类意义上的超声波从而避障，但人类却充耳不闻一样。

不光是我们无法拥有其他动物的感官体验，远古时期人类可以通过嗅觉来感知他人情绪，古部落在争论是否要和隔壁部落开战时，只需要通过气味就能知道大家的想法，因为在鼓舞和恐惧等情绪下，人类会散发不同的气味。不过由于人类发展过程中，视觉和听觉更为重要，人类的这种嗅觉能力退化殆尽。

作者尤瓦尔·赫拉利在《未来简史》里提到了诸多类似的例子来佐证人类心智状态的愈发狭隘，并且最终指向人类可以利用技术完全控制心智状态，即「人类过往是升级版的大猩猩，未来则是放大版的蚂蚁」。

这个论断和前面说到的 Waze 导航，以及三体游戏里用 3000 万士兵组成计算机一脉相承。

的确如此，比如我们看到有人去尝试翼装飞行或者徒手攀岩这种死亡率很高的运动时，佩服和羡慕之余，心里也会评价这是「疯子行为」，另一方面，在死亡边缘徘徊所获得了心智体验，又是极为难得的。

前几年「元宇宙」概念火的时候，主张人类躲进虚拟世界沉迷虚幻享乐的「元宇宙」派和主张开拓真实物理世界人类走向星辰大海的「飞船派」一直有争论。

但当下的事实就是，与 AI 浪潮伴生的，还有「具身智能」，「脑机接口」以及「人类增强」等等，虽然物理世界的进化速度慢于代码构筑的世界，但以人类之多样性和求知探索欲，「元宇宙派」和「飞船派」当然是各有拥趸乃至融合共生的，就像如今智能汽车领域，代码和机械一样重要。

我们并非时时刻刻都坐在车上接受导航的指引，也不是科幻小说里单一场景的举旗小兵，以超然之上的上帝视角看，人类确如蝼蚁，而在平视角度看，周围是具身智能机器人，戴着内置 AI Agent 的智能眼镜，身穿提供数百马力的机械外骨骼，那我们就是可以上天遁地，时时刻刻都能翼装飞行徒手攀岩并且不惧死亡威胁的钢铁侠。

或者更疯狂一点，技术能够让我们也能体验皮皮虾的视觉，蝙蝠的听觉。

也恰好是今天，特斯拉公布了他们的《宏图计划第四篇章》。与以往聚焦汽车或能源产品的蓝图不同，特斯拉这次描绘了一个更遥远、也更理想化的终点：一个由 AI 和机器人主导的「可持续富足」的社会。是的，特斯拉的战略重心已经从「可持续发展」，转向了对未来社会形态的构想。

这起码意味着，由 AI 和机器人主导的「可持续富足」的社会实践进入到了工程阶段，而不是科幻描述阶段。

也许我们被迫了许多，但自由意志依然存在，并比以往更强。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博