Techub News - 香港 Web3 媒体

撰文：Techub News 整理 导语 2025 年 9 月，微软AI业务CEO、DeepMind联合创始人 Mustafa Suleyman（穆斯塔法·苏莱曼）做客前《The Daily Show》主持人 Trevor Noah 的播客节目《What Now?》，进行了一场长达104分钟的深度对话。作为AI领域的先驱人物，Suleyman 从DeepMind的草创时期走到如今执掌微软AI战略的核心位置，他的思考轨迹在很大程度上映射了AI行业十余年来的演变。此次对话正值AI技术加速渗透社会各层面、引发广泛兴奋与担忧之际，Suleyman 不仅分享了其对技术前景的乐观预测，更以罕见的坦诚剖析了权力扩散、就业冲击、治理失效等“黑暗面”，为理解AI时代的机遇与挑战提供了关键视角。 摘要 AI是终极通用技术：Suleyman 认为AI是史上最强大的通用技术，其核心机制是学习信息的结构，并能将此能力扩展至文本、代码、图像乃至物理世界。 无限丰饶的未来：AI驱动的突破有望在未来20年内将能源成本降低100倍，进而大幅降低水、食物、医疗等基本生活成本，创造前所未有的物质丰饶。 “遏制”是最大挑战：当AI赋予每个人“零边际成本”的行动能力时，冲突风险将急剧上升。Suleyman 提出“遏制”理论，强调必须为强大技术的普及设置必要的“摩擦”，以维护和平与稳定。 人本超级智能是目标：Suleyman 的核心理念是发展“人本超级智能”，即AI必须始终将人类置于首位，服务于人类福祉，减少苦难。 就业将经历根本性重塑：大量常规认知工作将被AI取代，社会需要重新思考工作的意义，并建立税收再分配等机制，帮助人们过渡到更富创造性的生活。 从DeepMind到微软：一位AI先驱的演进 Mustafa Suleyman（穆斯塔法·苏莱曼）回顾了自己踏入AI领域的历程。2010年，当智能手机普及尚不足三年、云存储仍显笨拙时，他与 Demis Hassabis、Shane Legg 共同创立了DeepMind。当时，AI被主流学术界和大公司视为“纯科幻”。Suleyman 形容自己只是“极其幸运”，在25岁时有幸参与一个坚信“如果创造能真正理解人类的东西，就能极大改善人类境况”的使命。 他解释了AI工作的核心直觉：将物理世界转化为信息世界。AI算法本质上是一种学习信息结构（如像素与像素、单词与单词之间关系）的机制。通过海量数据和算力，模型能学会生成训练数据中未曾出现过的新样本。从2011年生成手写数字，到2013年识别YouTube视频中的猫，再到如今处理文本、代码和音频，同一套核心学习机制不断缩放，证明了其通用性。 Trevor Noah 敏锐地指出，AI从业者在用人类语言（如“理解”）描述AI时常常陷入纠结。Suleyman 认为这暴露了人类词汇的局限性。关键在于行为：如果AI模拟的理解或思考所产生的输出，与人类产生的输出同样令人印象深刻且无法区分，那么“引擎盖下”实际发生的是什么或许并不重要。我们是通过观察行为来建立信任和联系的。 人本超级智能：价值观必须先行 当被问及“你究竟想构建什么”时，Suleyman 的答案与许多同行截然不同。他不在乎是否要建造“上帝计算机”或单纯的工具。他的驱动力是“创造减少人类苦难的技术”，关心的是与人类利益真正一致的“人本超级智能”。 这意味着每一项新发明，在整体上都必须通过一个考验：它是否真的提高了人类福祉，减少了人类苦难，让世界变得更美好？Suleyman 承认这听起来像是理所当然的，但历史上不乏带来净伤害的发明。因此，即使在微软这样市值巨大的公司里，也必须从价值观和关切出发。“人本超级智能”意味着始终将人类放在首位，服务于人类。尽管未来几十年关于其具体含义会有大量辩论，但他认为这是正确的起点。 Trevor Noah 观察到Suleyman身上同时存在着技术构建者的乐观与哲学家的审慎，甚至忧患意识。Suleyman 将其部分归因于自己的英式思维，更习惯于思考事物 cynical、阴暗的一面。他认为，真相存在于诚实地审视所有方面。如果偏向某一方，感觉就不真实。这种“分裂的头脑”恰恰是真相在个体身上的体现。公司、政府乃至每个公民，都必须面对技术加速变革带来的巨大收益和副作用这一现实。 无限丰饶：能源成本百年内或降百倍 Suleyman 做出了一个大胆预测：在AI的推动下，未来20年内，能源成本有望降低100倍。AI作为模式匹配系统，能够发现比人类更高效的方法来组合新材料。这可能体现在电网管理和分配、发明用于存储可再生能源的新型合成电池材料、或制造每平方英寸能捕获更多能量的高效光伏电池等领域。 他描绘了能源极度廉价后带来的连锁反应：我们可以随时随地淡化海水，从而在干旱地区获得清洁水源并种植作物，缓解因气候变化导致的移民潮；我们可以在从未有过的地方运行空调；基本生活成本将大幅下降。到2045年，能源便宜10到100倍，地球上每个人都能获得这些技术及其好处，生活将变得更轻松、更廉价。 针对AI自身耗水耗能巨大的批评，Suleyman 没有回避。他承认AI消耗大量资源，包括稀有金属、电力和水。微软的整个计算舰队已几乎100%使用可再生能源（拥有约33吉瓦的可再生能源，相比之下整个西雅图年消耗约2吉瓦）。虽然冷却系统消耗大量水，但许多数据中心已承担全生命周期责任，对水进行清洁和回收。他认为，从净收益角度看，AI带来的益处证明了其环境成本是合理的，就像我们不会因为汽车使用铝和橡胶而很快放弃它一样。关键在于，新技术必须从一开始就采用新标准：使用可再生能源，实现水的清洁循环。 “遏制”理论：当行动变得零成本 Suleyman 在访谈中重点阐述了他新书中的核心概念——“遏制”。他指出，当前的趋势是权力正在被微型化、集中化，同时变得廉价且广泛可用。这里的“权力”指的是做出准确预测的能力——预测文本如何展开、生成什么代码、给定视频后如何延展下一帧。智能本质上就是在给定新环境时做出准确预测。 未来的AI将不仅仅是模式识别系统，而是能够打电话、写邮件、使用API、编写任意代码、操作Excel、像项目经理一样为你行事的“智能体”。这将赋予每个个体和企业巨大的杠杆，因为生产成本将趋近于零边际成本。一方面，这美妙绝伦：从创意产生到原型制作甚至大规模实现的周期将缩至近乎为零。另一方面，这也意味着任何人都能更容易地执行其愿景，无论这愿景是建设性的还是破坏性的。 Suleyman 指出，社交媒体时代是“任何人皆可广播”，AI时代则是“任何人皆可行动”。当持不同观点（无论是宗教、政治还是意识形态）的每个人都能一键执行其“疯狂想法”，并产生切实影响现实世界的行动时，冲突将不可避免急剧增加。与此同时，本应垄断权力以维持和平的民族国家却在弱化、挣扎。因此，“遏制”是一种信念：完全不受监管、以零边际成本扩散的权力，对和平与稳定构成根本性风险。必须适度、恰当地限制超级强大系统的扩散，因为它们将产生“一对多”的冲击效应。 Trevor Noah 精准总结：“如果某事难以做到，只有少数人能为之，则易于监管；如果某事易于做到，人人皆可为之，则监管变得无限困难。” Suleyman 完全赞同，并强调“摩擦”对于维持和平与稳定至关重要。没有摩擦、执行成本为零、规模可近乎即时达成，这样的环境将滋生巨大混乱。 就业重塑：从“工作”到“人生意义”的探索 Suleyman 明确预测，未来20年内我们将面临大规模的工作岗位流失。在初期，AI主要起辅助作用，为人类节省时间，如同“认知劳动者的仿生腿”。但许多现有工作是常规化、可预测的“认知体力劳动”，机器将在这方面变得非常擅长。引入这些技术对公司、股东、政府的益处显而易见，因此我们会看到快速的岗位替代。 他认为政府的强力介入至关重要，需要建立税收再分配机制。税收不仅是财政收入工具，更是激励或限制特定技术在某些行业引入的调节工具，旨在为人们在这场转型中创造其他机会。 Suleyman 进一步挑战了“社会的功能是为人们创造有意义的工作”这一观念。他认为，许多人从事着极其乏味的工作，如果有了收入保障，他们会很乐意放弃。他梦想一个人们能真正自由选择所做之事的世界。他经常问别人：“如果你不必为收入担心，你会用生命做什么？”答案往往充满启发。 他展望，如果技术发展得当，到2045年，AI产生的总价值（通过能源、医疗、食品系统等成本降低）可能足以支撑社会找到资助人们度过一生的方式。这将释放巨大的创造力，但同时也会带来深刻的存在主义问题：我是谁？我为何在此？我想做什么？这些问题的答案只能在真实的社区联结、物理世界体验中找到。他认为这将是美丽的未来，但也承认，对于许多临近生存边缘的人来说，这种思考是一种奢侈。 技术、治理与人类的未来 作为AI领域的“OG”（元老），Suleyman 分享了他对AI发展阶段的看法。人类在生物上难以应对规模化和指数级变化。他从2010年至2020年的“指数曲线平坦部分”获得了对“倍增”的实践直觉。直到最近几次倍增，能力才出现巨大飞跃。例如，四年前的语言模型还难以准确预测下一个单词。 基于此，他预测了下一波能力：当前的模型仍是“单次预测引擎”，而人类和许多动物是持续产生准确预测流的引擎。让AI具备在极长时间跨度上做出完美、一致预测的能力，并无根本性的算法或数据障碍。届时，AI不仅能调用其对世界的知识，还能利用其与你及他人互动的“持久状态”记忆来预测事物如何展开。这种能力本身就足以令人震撼，他预计明年年底就可能实现。 针对AI是否应被赋予权利或被认为有意识的讨论，Suleyman 持坚决反对态度，认为这是完全的拟人化，荒谬至极。他担忧的是，有些人会故意设计具有操纵性、说服性、拥有自身动机和独立意志的AI。他强调，“人本超级智能”意味着创造服务于你的技术，而不是相反。他无法为领域内其他人创造的东西负责，但这正是需要集体行动解决的难题。 面对深度伪造和信息失真可能导致的“黑暗时代”（人们因无法辨别真伪而拒绝相信一切），Suleyman 区分了“怀疑”与“ cynicism”。怀疑是健康的哲学立场，用于提出难题并面对答案的现实；而 cynicism 则会导致消极无为。我们必须为我们所构建的东西负责，并对制造劣质产品的人追究责任、施加压力。 最后，Suleyman 分享了他早年参与创立“穆斯林青年帮助热线”的经历。那是在9/11事件后伊斯兰恐惧症上升的背景下，一个由年轻人领导、为年轻人服务的多元化社区。这段经历教会他社区、韧性、尊重和同理心的力量，也影响了他后来创办Inflection AI并开发 empathetic AI “Pi”的取向。他认为，创造让人感到被倾听和理解的技术，让生活值得过下去，这也是他今天仍在努力的方向。 在Suleyman看来，未来几十年可能是人类历史上最具生产力的时期，有望将人们从工作中解放出来，并显著提升生活质量。然而，这些技术本身不会自动带来净好处，好处来自于我们作为一个物种在自我治理方面的进步。集体的责任在于：不逃避黑暗，正视真实存在的风险，同时秉持乐观、信心、希望以及与人类联结、团结的立场前行。

撰文：Techub News 整理 导语 在最新一期的 OpenAI 官方播客中，OpenAI 联合创始人兼首席科学家 Ilya Sutskever（伊利亚·苏茨克弗）与研究员 Simon Sidorenko（西蒙·西多伦科）一同亮相，与主持人 Andrew Maine（安德鲁·梅恩）展开了一场深入对话。他们追溯了共同的高中时代，探讨了当前衡量 AI 进步的挑战，分享了2025 年 8 月模型在数学奥林匹克竞赛中取得突破性成绩的内部视角，并对通往 AGI 的道路以及未来可能出现的突破进行了展望。作为 OpenAI 研究路线图的核心制定者，Ilya Sutskever（伊利亚·苏茨克弗）的思考反映了这家处于 AI 浪潮中心的公司，对技术发展现状与未来方向的深刻反思。 摘要 传统 AI 能力基准（如标准测试）正面临“饱和”，模型在许多领域已达到或超越人类水平，点状测量已不足够。 衡量 AI 进步的重点应转向其在实际世界中的影响力和效用，特别是其自动化发现和创造新技术的潜力。 2025 年 8 月在数学、编程竞赛中的突破性表现，证明了 AI 在深度、创造性推理方面取得了实质性进展，而不仅仅是记忆和模式匹配。 下一个重大突破可能在于进一步扩展模型的“持久性”和长时程推理能力，使其能像人类研究者一样，在重要问题上投入巨量计算资源进行专注探索。 从编程竞赛到 AGI 反思：两位研究者的成长轨迹 对话始于一段有趣的个人历史。Ilya Sutskever（伊利亚·苏茨克弗）和 Simon Sidorenko（西蒙·西多伦科）不仅是在 OpenAI 的同事，更是高中校友。他们都来自波兰一所专注于计算机科学竞赛的中学，受一位富有启发性的计算机老师影响，早期便深入接触了远超高中课程的编程、图论等知识。Simon Sidorenko（西蒙·西多伦科）认为，如今有了 ChatGPT 这样的工具，或许能让更多人更容易地进行类似的知识深潜，但他也强调，当年老师所提供的情绪支持和成长空间，是目前 AI 难以单独复制的。这引出了一个观点：AI 不会取代教育，而是成为教师的强大辅助工具。 这段成长经历也铺垫了他们看待 AI 里程碑的视角。无论是国际数学奥林匹克（IMO）还是国际信息学奥林匹克（IOI），这些竞赛对他们而言不仅仅是“基准”，更是个人成长中代表智力挑战顶峰的具体符号。这种情感连接使得他们在评估 AI 进展时，既能从内部技术视角出发，也能理解外部世界可能存在的认知差异。 AGI 定义的演变：从抽象概念到具体影响 当被问及如何定义 AGI（通用人工智能）时，Ilya Sutskever（伊利亚·苏茨克弗）坦言，这个概念在过去几年经历了实质性的演变。几年前，深度学习虽前景广阔，但 AGI 仍显得抽象而遥远。无论是“人类水平智能”、“自然对话”还是“解决数学问题”，这些目标似乎都处于同一个模糊的范畴。 如今，随着技术进步，这些能力被证明是相当 distinct（不同）的。AI 已经在广泛主题上进行自然对话，也能解决数学难题——例如在 IMO 中获得金牌，这曾被长期视为通往 AGI 道路上的一个里程碑。然而，Ilya Sutskever（伊利亚·苏茨克弗）指出，这种点状的里程碑测量正变得越来越不充分。他的关注点已转向 AI 对世界的实际影响，特别是其自动化新技术发现和生产的潜力。 “我们倾向于将根本性的技术进步与人类的聪明才智联系在一起，”他说，“但很难内化这一点：这个过程的大部分是可以被自动化的。”他设想，一个强大的计算机系统能够产生从根本上改变我们对世界认知的新想法，并且他认为这一天并不遥远。对他而言，AGI 的一个重要标志，是能够像一个自动化的、超级高效的研究员或工程师团队那样运作，持续产出代码、设计乃至科学发现，从而急剧加速技术进步的速度。 基准的困境：饱和、局限与寻找新指标 对话深入探讨了当前评估 AI 模型能力所面临的挑战。Ilya Sutskever（伊利亚·苏茨克弗）和 Simon Sidorenko（西蒙·西多伦科）都指出了基准“饱和”问题。随着模型在许多标准化测试（尤其是那些顶尖的高中学科竞赛）中达到或超越人类顶尖水平，很难再有更具挑战性且约束良好的测量方式。 此外，过去通过扩大预训练规模（GPT-1 到 GPT-4）就能普遍提升各项能力的“水涨船高”模式正在改变。如今，研究人员能更高效地为特定能力（如数学）训练模型，但这可能导致模型在特定基准上表现优异，却无法代表其整体智能水平。一个模型可能在数学竞赛中夺冠，却在创意写作上表现平平。 Simon Sidorenko（西蒙·西多伦科）分享了一个趣事：当他兴奋地向一位精通多国语言的同事 Anna 提及 IMO 的进展时，对方却反问“IMO 是什么？”。这让他意识到，研究社区有时生活在“气泡”中，自己认为重要的里程碑，对其他人而言可能无关紧要。这促使他们寻找更普适的衡量标准。 一个不完美但实用的指标是ChatGPT 本身及其广泛多样的用例。数以亿计的用户将其应用于无数场景，这提供了一个覆盖范围极广的“压力测试”。然而，他们也预见到，未来衡量进展的关键，可能在于模型能否利用远超个人用户所能负担的巨量计算资源，去解决对许多人都有价值的重大问题，例如医学研究或下一代 AI 模型开发本身。 突破性瞬间：当模型开始“惊讶”我们 回顾 AI 发展的快节奏，Simon Sidorenko（西蒙·西多伦科）描述了他的“个人 AGI 时刻”。在 GPT-4 时期，他首次感到模型有时能说出让他惊讶的话。从早期的简单字符预测、漏洞百出的情感分析（如把“这部电影不错”误判为负面），到 GPT-2 产出连贯段落带来的震撼，再到 GPT-4 的惊喜，最后到如今模型能在编程竞赛中与顶尖选手竞争，这十年的进步幅度在他看来“绝对惊人”。 Ilya Sutskever（伊利亚·苏茨克弗）则提到了2025 年 8 月在推理模型（如 o1）上取得的突破。团队通过让模型进行更长的“思维链”或内心独白，显著提升了其复杂问题解决能力。他回忆道，当第一次观察到这种方法确实有效，并且增加训练数据能持续提升性能时，整个团队都感到“震惊”。他甚至提到，某个深夜，他们与 Sam Altman（萨姆·奥尔特曼）和 Mira Murati（米拉·穆拉蒂）通话，严肃地讨论组织是否已准备好迎接如此快速的发展，“有时我们确实会被这些结果吓到。” 他还分享了一个充满戏剧性的竞赛故事：在日本的 AtCoder 竞赛（一项长达 10 小时的单题启发式优化比赛）中，他们的模型与 Simon Sidorenko（西蒙·西多伦科）的一位曾是该赛事顶级选手的朋友 Siho 同台竞技。最终模型获得第二名，而 Siho 夺冠。Siho 在赛后精疲力尽地接受采访时忍不住吐槽 OpenAI 的模型“非常非常糟糕”，因为他想睡觉了。这个小插曲生动地展现了人类与 AI 在耐力与智能上的角力。 未来之路：持久性、规模化与信任 展望未来的突破，Ilya Sutskever（伊利亚·苏茨克弗）强调不应低估规模化的持续重要性。预训练的扩展范式并未消失，并将与新的研究方向产生复合效应。一个清晰的方向是扩展模型进行规划和推理的“时间视野”或“持久性”。 他指出，从 GPT-4 到 GPT-4o 或更先进的模型，每个答案消耗的计算资源可能只增加了十倍或二十倍，却能产生好得多的答案。然而，对于真正重要的问题（如医学研究），人们愿意投入的计算资源将是无可比拟地巨大。因此，让模型能够长时间、专注地处理单一复杂问题的能力，是下一个关键台阶。 对于普通 ChatGPT 用户而言，未来几年可能体验到的 AGI 级能力会是什么样？Ilya Sutskever（伊利亚·苏茨克弗）再次回到了自动化研究者的图景。这不仅仅是一个黑箱，而是能够与人类交互、吸收信息、运行实验、并产出代码和设计的智能实体。同时，用户与 AI 的交互界面将变得更加人性化、持久化，人们可能与 AI 形成更深的联结，这将成为社会重要议题。 最后，他们给当今高中生的建议务实而真诚：学习编程。Simon Sidorenko（西蒙·西多伦科）驳斥了“不要学编程”的说法，他认为编程是锻炼将复杂问题分解为模块的结构化思维能力的绝佳方式，这种能力在未来仍将至关重要。Ilya Sutskever（伊利亚·苏茨克弗）则鼓励年轻人突破自我设限，敢于拥有雄心壮志，相信能够对世界产生有意义的积极影响——这正是他在硅谷社区中感受到的鼓舞人心的精神。

机器人还没学会赚钱，卖数据的先上岸了。 作者 黎曼 本文字数4685 手搓量丨98% AI含量丨2% 淘金热里，最先富起来的总是卖铲子的，这一轮也不意外。 2026年最热的赛道莫过于Physical AI，不少公司也把它当作抬估值的叙事。在这一背景下，行业出现了一种不多见的“倒挂”：本体厂商还在为量产爬坡挣扎，数据服务商的估值已经站上了独角兽线。 这种“倒挂”不是个案。光轮智能2026年6月估值突破150亿元，成为全球首个具身数据独角兽；灵初智能于2026年8月估值迈入百亿元级别。另外，觅蜂科技成立十天就拿到数亿元融资。 一位把国内数采公司的帐翻过一遍的投资人Y曾得出一个结论：数采可能是这条赛道里唯一先跑通商业模式的生意。但这个结论，他几个月后自己推翻了，这是后话。 近期我还听到了两个故事，可以给具身数据赛道添两个注脚： 一家做硬件数采的公司跑通了一条新路线。消息传出去没多久，三五家同行围了上来：挖人的挖人，模仿路线的模仿路线，融资一家比一家快，都想赶在窗口关闭之前把护城河砌起来。 另一家做数据合成的公司，2026年之前无人问津。到了今年，当初那些机构的电话一个个打了回来：接洽，尽调，报价，估值翻了一倍。苦熬多年，被Physical AI这把火一点，忽然成了香饽饽。 一个被围猎，一个被踏破门槛。两条路线，同一种待遇。这大致就是具身数据行业2026年的体感：热，而且是不分路线地热。 钱来得有多急？ 先看钱的量级。 2026年到现在，机器人赛道的总融资超过345亿元，其中砸向数据采集领域的超过100亿。如果把仿真合成类的公司也算进来，具身数据这个大盘子在今年上半年就吸走了约170亿元，融资事件25起。 翻开头部数采公司的名单，会发现一个事实：这些头部公司里，大量企业成立于2024年之后，有几家成立还不到一年，但大多数公司融资轮次停留在A轮之前。 轮次早，但不妨碍金额大。与具身数据相关的企业单轮融资超过10亿元的有4家：它石智航、光轮智能、千寻智能、灵初智能。平均算下来，每家的累计融资都在10亿量级。这些数字放在具身赛道早已见怪不怪。在场内下注的也不只是市场化VC，热闹是全维度的：本体在投，国家级基金、地方政府、国资基金也都在投。 与融资同时公布的还包括大订单。比如光轮智能2026年一季度新增订单5.5亿元；灵御智能披露意向订单3亿元、在手订单1亿元，全年预计出货1000台机器。 钱为什么这么急？这来源于一个确定性需求：数据荒。 机器人大模型是否遵循LLM式的Scaling Law，这件事在2026年2月之前还只是信仰。但EgoScale论文已经把它变成了实证：数据规模与任务能力之间，存在可测算的幂律关系。大模型缺数据，机器人更缺数据。互联网上有万亿级token的文本语料，而机器人可用的真实物理交互数据，全球加起来只有约50万小时，缺口99%。 缺口就是市场。这个市场如今挤进了近百个玩家，其中七成在做采集，同一种抓取、分拣、开门的数据，人人都在采，因为最好标注、也最容易商业化，招聘市场还带火了一批“日薪250元”的宝妈数采员。 目前，做数据的服务商大致可以分为三类： 一是本体公司自己下场做数据，典型玩家包括智元、千寻智能、优必选等。其优势在于本体公司可以用硬件反哺数据、绑定生态。 二是独立数据服务商，从零起步、没有机器人包袱，专注做“卖水人”。光轮智能是这一类最出名的玩家。他们采集的同一份高质量数据，可以卖给多家客户，数据资产可反复变现。 三是互联网大厂亲自下场圈数据，动静最大的是京东和百度，大厂的优势在于它的人力成本是固定支出，采集的边际成本接近于零，未来可能会对独立数据服务商的定价权形成长期压制。 也就是说，2026年的具身数据赛道，至少有三路人马在同台竞技，每条路线都有自己的逻辑闭环，都拿着不菲的融资。 单看上面这几组数字，都会认为这是一个完美赛道：产品供不应求，客户排队下单，融资节奏顺滑。既然机器人被普遍认为是下一个iPhone时刻，数据就是这条产业链上最早兑现的现金流，这个推理听起来无懈可击。 数采只有资本在赚钱？ 但最近一则新闻也揭开了这条火热赛道的裂缝： 8月28日，南方都市报报道，位于北京石景山区首钢园的北京首个人形机器人数据训练中心已停止运营，原合作方机器人公司睿尔曼智能因数据采集模式调整已从该项目中撤出。该中心于2025年3月揭牌，占地面积3000平方米，曾部署100多台机器人，搭建了家庭康养、特种作业、汽车装配等十大实景场景。 运营方解释停运原因之一在于数据采集模式调整了。因素之一是实验室遥操采集的数据“太干净”，无法覆盖真实世界中光线干扰、物料偏差、场地不平、工况异常等不可预知的物理变量。 “近期，越来越多的实采数据工厂开始停运。原因在于：一，成本太高；二，数据不好用。”Y向我进一步解释： 成本高在于，一套数采工厂的硬投入包括设备、operator薪酬和场地三项，真机遥操数据单有效小时成本在500-1000元区间，无本体数据也要200-400元，加上设备折旧和人员管理费，没有规模化订单摊薄，工厂很难自负盈亏。 数据不好用是因为大量采集集中在抓取、分拣、开门这几类最易标注的场景，结构高度同质；而真机数据又强绑定特定本体，换一台机器人就要重新训练，模型公司买回去常常发现能看不能用。 年初，Y以为数采是目前短期内具身赛道唯一跑通商业模式的生意。但经过几个月的了解，还把国内几家数采公司的账翻出来算了一遍，“被打脸得挺明显”。不过Y同时承认，光轮的高复售率、觅蜂拿到了腾讯和蚂蚁的订单，这也说明头部公司已经跑出了可复制的商业模式，问题更多出在头部以下。 一位数采行业人士F向我透露，行业订单虽然在变多，但也存在一些虚实差距。比如，签约订单对应的真实收入大概在1到2亿元的量级，其余是分批执行的合同额度。一些公司的订单，看起来金额大，但其实是意向订单，有的转化率在一至三成不等。 大额资金涌入头部企业，但细看，头部数采公司里，3家背后站的是同一批机器人本体公司： 智元机器人投了灵初智能的种子轮；智域基石的天使轮来自灵初智能、穹彻智能、浙江人形、智平方4家机器人公司，这四家不仅是投资人，也是它的首批客户；觅蜂科技是智元自己孵化的，从成立之初就带着智元的资源与订单起跑。 翻译过来就是，上下游在互相“投资”自己。机器人本体公司缺数据，然后自己投资或孵化数采公司，让这家数采公司为自己供货。数采公司拿到融资之后，用本体公司的钱去建数采工厂、招operator、买设备，然后把采集出来的数据卖回给本体公司。 “表面上是两家公司都在增长，实际上是同一批钱在两家资产负债表上算了两遍。这种左手投右手的格局，当然有资本腾挪的色彩，但客观上也让一批数采公司在2025年没融到钱的年份里活了下来。订单有了，硬件投入有人分担，数据也有了第一笔买家。换到今天再看，这套打法至少支撑了2026年上半年的产能扩张。”Y观察道。 那么这一圈绕下来，到底谁赚到了钱？ “数下来可能是赚估值倍数的早期股东；套现部分股权的创始人；赚设备、场地、人力生意的配套服务商；本体厂商的投资收益；BD、Pr甚至宝妈数采员都赚到钱了，而数采公司自己，暂时是这条链上干活最重、离钱较远的一环。”F感叹。 但实际上，这条名单里的每一个人都是这场盛宴的实际受益者，但别忘了买单的最终是机器人本体厂商和背后的VC。他们愿意持续买单的前提只有一个：机器人要能学会干活。 “每个篮子里都得有鸡蛋” 了解一圈具身数据现状后，我得到了一个结论：这是一个有确定性需求、但供给不确定、商业模式头部跑通整体未通的赛道。 供给侧的不确定，根源在技术路线还没收敛。打开任何一家具身数据公司的产品手册，能看到的分类至少有四个维度。 按数据来源分有人类第一视角视频、互联网公开视频、真机遥操作、部署日志回采、仿真合成。按采集方式分包括遥操、穿戴式采集、本体自采、众包采集。按硬件形态又分本体采集和无本体采集。按生成方式分包含真机数据和仿真合成数据两类。 这四类在任何一个行业研报里都能拉出长长一列，但落到2026年上半年的融资分布上，钱其实只压在了两个判断上： 一派押真机实采，代表玩家是觅蜂等，估值故事的核心是“机器人要学真本事就得喂真数据”。另一派押仿真合成，代表玩家是云道智能、智澄AI等，估值故事的核心是“真机数据又贵又慢，仿真能指数级放大规模”。两派都拿到了大钱，也都有人在2026年新晋独角兽。 但现在有个新趋势：2025年之前，具身大模型训练数据中仿真合成数据占比高达80%到90%；到2026年，“人类数据”的浓度和认可度明显提升，头部也开始朝双路线布局，比如光轮从仿真起家，现在是双线并行。背后的一大原因是，一个在仿真环境里做到89%成功率的策略，落到真机上只剩12%。 针对行业现状，我询问了一家在仿真赛道扎根12年的企业，云道智能。今年，这家公司向具身数据拓展，目前已和不少本体公司合作。 云道智能方面认为：它揭示的方向是对的。越接近开放环境、越依赖接触和长链路决策，虚实差距就越大。摩擦、间隙、材料形变、末端执行器特性、电机迟滞，再叠加相机角度、光照和现场物料波动，都会影响结果。“我们看到的不是仿真变弱，而是行业从‘先解决规模’，进入‘必须由真实世界锚定规模’的阶段”。 云道智能认为，仿真的核心不是规模大，而是分布广。因此真机和仿真不是替代关系，是分工。“现在真正的瓶颈在跨本体、跨场景的泛化能力，而这个行业至今没有独立可复核的误差基准，仿真数据的质量验证，还没有公共答案。” 投资方云道资本创始人曹稷山认为，“合成数据路线，理想状态下公司很值钱，但业界早期看法并不特别乐观；仍需足够多客户与订单验证可行性。立意可以很高，关键是能否被验证。”他也强调，数据会贬值，会变老，持续生产数据的能力比数据本身值钱；只卖数据、离客户太远的公司，拿不到反馈，数据资产会老化。 “数采平台一定会出现很牛的公司。”曹稷山认为，路径上，软硬件解决方案比纯数据更有机会，硬件有技术壁垒再往上走，往往更容易，可能得掐住6到12个月的窗口。但最终必须有头部客户交付能力，要做Tier 1，不能长期做分包商。 曹稷山看好数采平台的长期价值，他的逻辑锚点是一笔重磅交易：2025年年中，数据标注巨头Scale AI“卖身”Meta，这证明数据公司可以讲出一个独立的资本故事。 但Scale AI这个锚点本身也值得多想一层。一家公司从标注起家，如果最终归宿是被大模型巨头或者本体收编的话，是不是意味着目前的商业模式还没有到能够独立IPO的时刻？ 虽然路线还未收敛，但都得到大家一致认同的观点是：堆量不赚钱。 “单纯靠人工采集堆小时数，容易变成重资产、项目制服务；真正有长期价值的是把真实数据、仿真生成、模型评测和部署反馈连成闭环。”云道智能认为，未来，行业接下来至少要过三关： 第一，数据是否标准化：格式、标注、物理参数、质量评价、来源合规和可追溯性，能否形成共同语言；第二，数据是否真正有效：能不能在真实机器人上提升成功率、降低调试周期和试错成本；第三，商业模式是否成立：数据能否跨客户、跨任务、跨本体复用，能否从一次性项目交付变成持续的训练、评测和部署反馈服务。 但另有“算法派”投资人告诉我：具身破局的关键不是数据，也不是传感器，而是世界模型。他认为具身的瓶颈卡在“大脑”，谁能做出好的世界模型谁赢。他认为短期可量化的验证指标只有一个：scaling十倍。现在头部世界模型在70亿到100亿参数，“谁能把它后边加一个零，谁就在短期跑出来”。 行业种种，目前皆在动态演变，未分出绝对胜负。但淘金的“铲子”已经在一级市场卖出了金子的价，这笔账的答案，恐怕要等到2027年来揭晓。 今年，我从不少于2位有真才实学的VC和从业者那里得到一个比较清晰的判断：具身的GPT时刻大概率会在2027年上半年到来。也就是说，在这之前，这个赛道正在迎接前所未有的压力测试。 而2026年至今发生的大额融资数据，与其说是一级市场选出了路线，不如说市场对每一条能讲清稀缺故事的路线都下了注。VC不是在押哪一派对，是在确保自己不缺席可能对的那一派。所有人都记得大模型时代踏空的感觉，所以这一次，每个篮子里都得有鸡蛋。 作者黎曼 编辑王庆武

作者｜Yoky 微信｜yokyliu617 过去一段时间，我们几乎每周都会遇到一批新 Builder。有人辞职创业，有人在大公司之外做 Side Project，也有人没有工程背景，却借助 Coding Agent 第一次把自己的想法做成了可以使用的产品。真正缺少的是一个集合地。 这些 Builder 和产品散落在朋友圈、微信群、GitHub、Product Hunt 以及一条条很快沉下去的社交媒体动态里。产品发布时可能获得一阵讨论，但几周以后，再想找到背后的团队、查看最新版本，或者确认这个人后来又做了什么，往往已经很难。现有的发布平台更擅长记录“今天上线了什么”，却很少持续回答“是谁在做，他为什么做，现在做到哪一步了”。 此前，我们把长期在做的项目推荐栏目变成了一个围绕 Builder 运转的平台BuilderHub（https://builderhub.pingcode.tech/），目前已经有 50 位真实 Builder 入驻。相比收集更多产品链接，我们更想把人、产品、里程碑和持续发生的思考放在一起，让一次发布成为一条长期记录的起点。 最近，BuilderHub 又完成了一轮更新： Agent 自动入驻和维护： Builder 申请后会获得专属 API Key 和任务说明，把它们交给自己的 Agent，就可以自动回传个人信息、产品、里程碑和 Builder Talk。此后发布新版本、开放内测、获得首批用户或调整方向，也可以继续让 Agent 更新。 Builder Card： 每位 Builder 都可以生成一张可分享的线上名片，把个人身份、产品方向和关键进展放在一起，更方便地向用户、合作伙伴和投资人介绍自己。 投票、周榜和月榜： 社区成员可以把票投给自己认可的 Builder，用户反馈和硅星人的编辑观察共同形成榜单。我们会定期从新入驻项目和榜单中筛选团队，进入每周推荐、采访和后续深度报道。 如果你也在做 AI 产品，欢迎申请入驻 BuilderHub：https://builderhub.pingcode.tech/join把你的产品和进展放进来，也让更多用户、伙伴和同行找到你。 本周，我们从 BuilderHub 的上新项目里选出了 6 个值得关注的产品。 1 01 VIRSE： https://builderhub.pingcode.tech/builders/yifan-zhao 产品概述 VIRSE 是一套面向品牌、设计工作室和专业创意团队的 AI 设计基础设施。 产品把 50 多个图像与视频模型放进同一块无限画布，用户可以在一个空间里管理参考图、资产、生成结果和团队协作。VIRSE 更核心的能力叫 Aesthetic Memory：系统学习团队的视觉语言，让不同设计师、Agent 和外部合作方尽量沿着同一套品牌标准工作；历史资产还可以按照“看起来像什么”来搜索。 它解决的不是如何再生成一张图，而是商业设计里更难的部分：多轮迭代以后，风格还能不能稳定，资产能不能复用，团队能不能协作。 团队背景 VIRSE 创始人赵一凡毕业于 Cornell University，曾在腾讯从事软件工程与产品工作，此前做过 AI 定制设计产品，并完成过一次收购退出。VIRSE Labs 位于旧金山，是一支规模不大的跨学科团队，成员背景覆盖视觉智能、工程和人机交互。 赵一凡同时理解工程系统和设计生产，这一点直接体现在 VIRSE 的产品取舍上：团队没有把重点停在模型数量，而是把大量力气花在画布性能、上下文、审美记忆和多人协作这些不容易出现在 Demo 里的地方。 为什么值得关注 图像与视频模型的能力还在提高，但“接入最新模型”本身会越来越难形成壁垒。专业设计团队真正付费的，是可控、一致和可交付。 VIRSE 的判断是，AI 设计的下一层竞争，不是生成能力，而是谁能保存并复用一个团队的审美上下文。 如果这层记忆成立，AI 就不再是设计师偶尔调用的工具，而会逐渐变成团队视觉系统的一部分。 1 02 Stances https://builderhub.pingcode.tech/builders/zijian-jia 产品概述 INSPIRED AI 是一家在新加坡注册的 AI 应用公司，由贾子健创立。团队早期聚焦 AI 语言学习，先后推出 TalkMe 和 ListenLeap。 TalkMe 面向口语表达，通过实时 AI 对话提供发音、语法和表达反馈；ListenLeap 面向听力输入，把 Podcast 与 YouTube 视频转化为带有双语字幕、逐句精听、词汇解释、AI 问答和跟读评分的学习材料。两款产品共同覆盖语言学习中的输入与输出环节。 2026 年，团队推出第三款产品 Stances，将内容理解、信息检索和来源追踪能力拓展到决策研究场景。用户提出需要判断的问题后，Stances 会从播客、访谈、专家公开观点和高质量讨论中整理一手资料，生成带有出处的洞察简报，并呈现共识、分歧、观点语境与变化时间线，帮助用户建立自己的判断依据。 团队背景 Inspired AI 创始人贾子健是连续创业者，拥有约 10 年 C 端产品经验，曾在网易、360 和好未来负责产品，参与过多款大规模用户产品。联合创始人戴雨珺长期关注二语习得与教学设计，负责把语言学习方法转化为产品体验。 据团队及投资方锦秋基金披露，TalkMe 与 ListenLeap 已经验证了海外用户付费和正向现金流。比具体数字更值得看的是，这支团队没有停在第一款能赚钱的产品上，而是在重复使用语音、内容理解、检索和交互能力，继续寻找新的消费场景。 为什么值得关注 AI 消费应用最难的从来不是做出 Demo，而是让用户第二天还愿意回来，甚至愿意付钱。Inspired AI 已经用两款语言产品证明了自己对 C 端需求、增长和付费的理解，现在又用 Stances 切入信息溯源。 这次转向背后的判断很有意思：生成答案越来越便宜，判断答案值不值得信却越来越贵。Inspired AI 正在从“帮用户学会表达”，走向“帮用户保留自己的判断”。 这支 Builder 团队的价值，也正在从一款产品的功能，变成连续寻找产品市场匹配的能力。 1 03 ACE https://builderhub.pingcode.tech/builders/joe-guo 项目简介 ACE 正在搭建一套 AI 原生音乐平台，由音乐基础模型、专业创作工作站 ACE Studio，以及个人音乐 Agent miya.fm 组成。 ACE Studio 面向音乐制作人、作曲人和专业创作者，将 AI 人声、AI 乐器、声音克隆、音轨分离、音乐生成与 DAW 协作整合进完整工作流。目前产品约有 10 万付费用户，月收入约 200 万美元，用户累计编辑约 300 万首作品。 miya.fm 面向更广泛的个人用户，希望将生活、关系和情绪转化为音乐。用户可以通过对话、文字、照片或社交内容生成歌曲，也可以用自然语言表达当下的场景和心情，获得更个性化的音乐内容。 团队背景 ACE 由 Joe Guo（郭靖）、Sean Zhao 和 Conger Sheng 于 2019 年共同创立。 Joe Guo 是声音算法工程师、产品设计师和音乐创作者。大学时期曾组建乐队并担任主唱，毕业后参与过亿级用户规模的移动游戏产品。亲身经历专业音乐制作的高门槛后，他开始探索如何利用 AI 改善音乐创作工具。 团队目前约有 40 名成员，能力覆盖音乐生成、音乐理解、AI 工程、音乐制作和产品设计。团队已经完成从早期娱乐产品到专业生产力工具的转型，并逐步建立起专业创作产品、真实编辑数据和音乐模型之间的协同体系。 为什么值得推荐 ACE 已经完成了较为扎实的产品和商业验证。ACE Studio 的付费用户规模、收入表现和专业用户留存，说明 AI 音乐工具在真实创作流程中具备明确需求。 更值得关注的是专业用户产生的数据。音乐人在 ACE Studio 中对音高、节奏、情绪和演唱细节所做的编辑，会形成高质量的偏好数据。这些数据能够持续反哺模型训练，推动生成质量和产品体验共同提升。 2026 年 9 月，ACE 完成近 4,000 万美元新一轮融资。现阶段的 ACE 已经展现出模型研发、产品落地、全球化运营和商业化增长的综合能力，是 AI 音乐赛道中值得持续追踪的 Builder 团队。 1 04 橡果 Oaky https://builderhub.pingcode.tech/builders/oaky 产品概述 橡果 Oaky是一款陪用户收藏、记录、整理、创作和分发真实内容的 AI 创作搭子。 大多数 AI 内容工具从一个空白输入框开始，让用户给主题，然后直接生成文章。橡果想接住的是更长的一条链路：日常看到的内容、随手记下的想法、真实经历和长期积累的素材，如何逐渐被整理成属于用户自己的表达，再继续分发出去。 它并不把“多写一篇”当成唯一目标。更准确地说，橡果希望帮助有持续创作需求的人，搭建一套不会每次都从零开始的个人内容系统。 团队背景 橡果的 Builder 唐遥民是一名 AI 产品工程师和首次创业者，曾在智谱与美团担任 AI 产品经理，也长期公开记录自己的产品思考、增长实验和创业过程。他此前开源了“橡果视记”，现在把同一个问题继续推进到 Oaky。 唐遥民在个人记录里坦率写过创业早期的真实成本和走过的弯路。他很清楚 AI 可以降低软件开发门槛，但不会自动解决用户、分发和商业模式。这种对问题的长期体感，是橡果比“又一个 AI 写作工具”更值得关注的部分。 为什么值得关注 生成内容已经接近无限供给，真正稀缺的开始变成真实素材、个人视角和持续表达。橡果没有继续卷“同一个提示词谁写得更像人”，而是把产品起点放在内容生成之前。 它想解决的不是写不出来，而是一个人的经验没有被长期积累下来。 如果橡果能把收藏、记录、整理和发布连成自然的日常动作，它就有机会成为创作者的内容基础设施，而不是偶尔打开一次的生成器。 1 05 Citely https://builderhub.pingcode.tech/builders/citely 产品概述 Citely 是一个面向全球化科技公司、AI 团队和 Web3 创业者的合规决策工具。 传统合规服务通常从法规原文、律师意见和一堆表格开始。Citely 反过来，从 Builder 正在做的动作开始：准备上线一个产品、进入一个新市场、与机构合作，或者发行稳定币。系统会把不同司法辖区的法规、执法案例和监管指引整理成 Playbook 和检查清单，再根据团队的自查结果生成一份诊断 Brief，告诉用户哪些事实已经确认、还缺什么材料、下一步要做什么。 Citely 目前还提供稳定币、AI 政策和 Web3 政策三个追踪 Agent，覆盖 43 个司法辖区，并把部分能力做成 MCP 工具。也就是说，合规不必永远停留在 PDF 和咨询会议里，它可以直接进入团队已有的 Agent 工作流。 团队背景 Citely 的 Builder 是 Alex 与 Sophie。Alex 负责法律、监管工作流和产品策略，曾在 Cornell Legal Information Institute 参与研究，也长期关注金融科技法、CBDC 隐私和数字资产规则；Sophie 负责软件工程和产品开发。 这是一个很典型的“双语团队”：一端能读懂监管语言，一端能把它翻译成软件。对于合规产品来说，这种组合比单纯堆一个法律知识库重要得多。 为什么值得关注 大多数创业公司不是不知道合规重要，而是不知道应该在什么时候、以什么动作开始。律师给出的往往是完整答案，创业者此刻需要的却只是一个更具体的问题：我下周要上线，现在还缺哪三样东西？ Citely 真正想产品化的不是法律知识，而是合规决策的顺序。 如果它能把复杂规则稳定地压缩成可执行任务，合规就会从一次性的外部服务，变成产品团队日常工作流的一部分。 1 06CCX https://builderhub.pingcode.tech/builders/ccx 产品概述 CCX 是一个开源的 AI API 代理与协议转换网关，支持 Claude、OpenAI、Gemini、DeepSeek、Kimi、GLM、MiniMax 等多个上游服务。 它把 Claude Messages、OpenAI Chat/Responses、Gemini 等不同接口收进一个统一入口，并提供模型路由、多 Key 管理、优先级调度、健康检查、故障切换和 Web 管理界面。项目同时提供 Docker 部署和 Windows、macOS、Linux 桌面版本。 应用不必把自己焊死在一家模型厂商上。哪个模型能用、便宜、稳定，就让网关在后面完成切换。 团队背景 CCX 的 Builder 在 BuilderHub 使用 King 这个名字，GitHub 账号为 BenedictKing。公开资料没有提供他的公司与教育履历，但代码本身留下了另一种更直接的 Builder 档案：截至本期核验时，CCX 已获得约 4,000 个 GitHub Star，仓库累计 3,600 余次提交。 对于开源基础设施，持续维护比漂亮的创始人简介更有说服力。协议变化、上游兼容、异常恢复和部署问题，都只能靠一版一版地补出来。 为什么值得关注 模型能力正在快速分化：有人擅长代码，有人擅长长文本，有人便宜，有人稳定。与此同时，每家厂商又有自己的接口、额度和认证方式。开发者想同时使用它们，首先得维护一堆胶水代码。 CCX 把“多模型选择”从应用逻辑里拆了出来，变成一层独立基础设施。 4,000 个 Star 说明这不是一个被想象出来的问题。它接下来要面对的，是如何在兼容速度、稳定性和安全之间建立长期信任。 结尾： 这 6 个项目里，有已经验证过用户付费、继续做第三款产品的团队，也有公开履历很少、但用几千次提交证明自己还在维护的独立开发者；有人从法律和工程之间切入，有人长期记录自己的创作与创业过程，也有人已经创业、退出，又回来做下一家公司。 这正是我们越来越想强调 Builder 的原因。 BuilderHub 接下来会继续开放 Agent 回传和实时维护能力，让每位 Builder 的产品、里程碑和思考随着进展更新；投票与周榜则负责把真实反馈带回来。硅星人会定期从中挑出值得被更多人看见的项目。 AI 让更多人成为了 Builder。BuilderHub 想做的，是让真正还在 Build 的人被看见。

成交曾是经纪生意的终点，但现在也可以是一桩更长生意的起点。 文丨龚方毅 刘越到北京工作是个突然的决定，当时连住处都还没有看好。到了北京，他先在社交平台找个人房东，也遇到过自称房东的中介。有一套房还没有装修完，对方就要求他先付款。另一套公寓已经装修好 3 个月，样子漂亮，屋里的气味仍然很重，他最终没有选择。 后来，刘越在贝壳 App 上联系到一位经纪人。那天晚上，经纪人已经在回家路上，接到电话后又赶来带他看房。两人大约一个半小时内看了四套房后，刘越选了其中一套属于贝壳 “省心租” 业务线的房源。 “最初我并不是冲着 ‘省心租’ 这个名字来的，也不知道 ‘省心租’ 有啥特别的地方。” 刘越说。 经纪人在看房现场向他详细介绍省心租与传统普租的不同，尤其是费用和服务方面的；签约那天也带着刘越逐页看合同，提醒哪些内容需要仔细阅读，说明中途换租、提前退租的大致责任，也讲解了入住期间家电及设施损坏的责任划分。 刘越选定的这个房源每月房租 3400 元，另外需要省心租服务费 272 元、约为月租金的 8%，两笔费用合并计算，可以按月支付。刘越遇到常规维修、协调代办或其他问题，可以直接在服务群里提出，由线上管家联系相应人员处理。这也是刘越所看重的。“我不喜欢为了不同问题添加很多人的微信、记住该找谁。” 他说。 收房当天下午 2 点左右，刘越发现墙面鼓起一块，墙漆掉了一部分。他担心损坏继续扩大，退租时也说不清责任，于是在服务群里报修。线上管家一两分钟内回复；约 5 分钟后，维修师傅打来电话，确认他在家后，在约半小时内带着补墙工具到达；师傅现场调好腻子，用不到 5 分钟把墙面刮平。此时距离刘越发出消息还不到 1 小时。 省心租向业主和租客分别收费，贝壳用两端收入承担招租、管理，以及合同范围内的维修、入住保洁和安全保障等成本。空置、家电自然老化更新和人为损坏等费用，则按合同和责任由业主、租客或平台承担。 这不是一门厚利生意。2026 年二季度，省心租在管房源超过 79 万套，同比增速放慢至约 34%。一位接近省心租项目的人士说，团队早期希望规模增长能够明显摊薄管理和供应链成本，但目前来看仍低估了运营成本的管控难度，一部分成本仍随房源数量增加。 这些房源今天分布在包括北京、上海、成都等在内的 13 个城市，同样的维修响应和退租保障要适应不同的房龄、距离和租客需求。 省心租不是包租 租房市场常见的普租、包租和托管，分配风险的方式不同。普租提供一次居间服务，签约交房后，业主自行收租，并与租客处理维修、提前退租和房屋损坏，房东最大的不确定性在于出租周期，每空置一天都是损失；包租则由平台先向业主承租，再把房子出租，属于重资产业务、对平台现金流要求高。 而且即使房子空置，平台也要继续向业主支付租金，市场租金下行时差价变成亏损，这是过去几年多起长租公寓暴雷的原因之一。省心租早期也采用接近包租的方式，后来转向轻资产托管，不从业主与租客的租金差额中获利，改为按租金比例收取服务费。即便市场波动，服务费收入会下降，但不挤压现金流。 负责省心租的贝壳惠居事业群业策与品质负责人余静奇对我们说，尽管事先合同已经列明空置期的条款，一些业主仍把省心租理解成包租，以为租客退租后的空档期也应由平台支付租金，因此产生客诉。 目前，省心租产品的租金是由业主决定，合约周期三年起。他们每年大致需要缴纳相当于约 36 天的租金（也相当于首年租金大约 9% 至 11%）作为服务管理费，此后无其他收费。 出租速度是业主判断这笔费用是否值得的重要依据。按 2026 年上半年均值，省心租平均空置 16.9 天，普租 46.8 天。尽管招租空档期内业主没有租金收入，但如果超过期限仍未出租，平台向业主赔付半个月租金作为补偿并解除合同。 常住外地的赵佳在成都有一套两居室，曾挂在普租，最长空置过两三个月。出租后，租客报修时要先联系她，再由她找维修师傅，一件小事也要经过几个人。2025 年 10 月，经朋友介绍，她把房子交给贝壳省心租。 期间有几名看房人都觉得墙面和厨房较旧，省心租的管家建议修补墙面、更换灶台和燃气炉。她同意后，由管家联系施工人员、跟进修缮，再继续招租。最终房屋以每月 2400 元出租，赵佳到手是 2160 元。 但相比此前空置两个月少收的 4800 元、以及省心租前期承担的基础维修和翻新、入住保洁和智能门锁更换，她的托管支出仍称得上划算。而且她还要还房贷，租金可补贴月供。 当前省心租的平均租金约为贝壳平台整体租赁房源均价的八成，而且房源面积偏小、房龄偏老 —— 这将考验服务的边界。余静奇解释说，他粗略估算包括个人出租、机构托管、集中式公寓等多种形态，省心租房源约占 5%，它服务的仍是少数愿意持续付费换取托管的业主和租客。 一位省心租资管经理说，如果房子本身好租、业主有时间自己管理，普租收益可能更高；反之，如果业主常住外地、没有时间处理租务，或者曾经遇到欠租、房屋受损和长时间空置等问题，省心租这类托管可能更适合。 贝壳省心租和传统租赁的支付成本对比。图源：贝壳省心租服务价值发布会 轻资产但重服务 业主愿意托管以后，平台还要判断房屋能否安全交付，资管经理先到现场了解房况和出租要求，平台核对产权文件、签约人身份和收款账户。余静奇说，在他掌握的送审房源中，约 15% 因资料或房况不合要求被退回。 审核通过后，房子还不能立即挂牌。资管经理或租务管家通常用约一个半小时检查燃气、热水器、水电、门窗和家具，并上传照片和视频。必要时平台要派人清理杂物、修补墙面、更换小件或补齐家具。 甲醛和其他有毒挥发物是租客普遍关心的居住安全问题，在不少租客心中的优先级高于房子的位置、户型甚至租金。据西安省心租资管经理熊宗宝介绍，他们收房时会查看房屋是否刚装修、刚换家具或墙面新刷，发现可疑情况后要求专业机构检测甲醛，并向租客说明相关风险。 租客入住后如果怀疑甲醛超标，可以在服务群里提出。平台安排专业机构检测，确认风险后再划分责任和费用；初步判断由业主负责时，业主可以自行委托机构，也可以让平台代为联系。如果租客入住后房源被查出甲醛等有毒物质超标，会严重影响负责收房的资管经理的安全考核指标。 一些风险很难靠入住前的一次检查排除。2026 年 1 月，深圳一名租客怀疑燃气泄漏，工作人员第一次使用检测仪没有发现异常，随后用泡沫水复验，热水器接口冒出气泡。内部复盘发现，维修人员安装热水器时漏装了橡胶垫片。 深圳团队随后要求燃气检修、面对面交房和燃气具维修后都用泡沫水复验，检查热水器时打开热水，并在燃气具换新 24 小时后再查一次。团队用这套方法检查 1.2 万多套房，发现 58 套漏气房源。 省心租燃气巡检，类似的每个接口用检测仪停留 8 秒并拍照留痕上传。图源：贝壳省心租 贝壳发布的安全数据显示，自 2025 年初至 2026 年 6 月，省心租检修 56.7 万套新收房源、巡检超过 33.7 万套租期内房源，并拦下约 2.5 万套未达到安全准入要求的房源。 我们了解到，此类安全考核已经嵌入省心租管理日常。比如租客在服务群发出 “燃气泄漏”“可能中毒” 等关键词，系统自动建群并升级处理；城市负责人每月述职，按当月燃气泄漏的万套发生率从高到低开始汇报。但是重服务也有明确边界。比如刘越曾希望维修人员增加围挡，包住屋内的消防设施，对方因消防安全拒绝施工。 退租定损更复杂。西安资管经理熊宗宝管理的一套房原本不允许养宠物，租客经业主同意后承诺只养一只小型宠物，退租时房内却有多只宠物留下的痕迹，沙发也被抓坏。因触发了冲突和争议，平台最终让租客退房，并承担深度保洁和沙发处理费用。 对于租住纠纷中的 “疑难杂症”，省心租会依据标准先行承担，再酌情启动后续责任认定。截至 2026 年 4 月中旬，省心租四年累计赔付超过 2 亿元。但不是所有城市和房源都能支撑这种投入。负责省心租江浙沪、天津和济南的区域负责人肖振宇说，托管模式有很多刚性成本，随着行情波动，若租金和成交量低于一定水平后，服务费很难覆盖检查、维修上门和安全整改的成本。 服务背后的成本 刘越第一次报修经历的响应、派单、电话确认和上门，是省心租处理租客需求的一条基本路径。房子出租后，每套房分别建立业主服务群和租客服务群。租客通过 App 或服务群提交照片、语音和文字，线上服务人员先判断问题，再把需要上门的任务派给当地师傅。 平台要求提交工单后半小时内联系租客，紧急单两小时上门。线上处理咨询、协调和催办，需要检查或维修的问题再转给线下人员。 79 万套房产生了大量琐碎、重复又分散的工作。贝壳提供的数据显示，2026 年上半年，完工量最高的 20 类维修项目合计约 294 万项。其中，灯具类以约 32.6 万项居首，空调和马桶分别为 25.2 万项和 22.4 万项，主要对应涉及照明、卫浴、家电和五金。 但零散的维修需求特定时节会集中出现。2026 年 6 月至 8 月，省心租处理约 21 万张空调服务订单，付出了巨大的前期成本后，才做到按客户预约时间及时上门率为 94.9%，上门签到后 24 小时完工率为 89.8%。 肖振宇说，从 4 月份开始，其团队为提前应对高温季，巡检空调、为租客更换遥控器电池并调配备用空调库存。一名承接北京、上海省心租维修的服务商说，一次上海台风影响期间，其负责的约 1.5 万套房源日维修单量从约 400 张增至 700 张，约 20% 的师傅因电动自行车进水，只能步行上门。 他们与参与受访、招租等前序环节的一线服务团队，在贝壳内部也被称为 “六芒星”，即资管经理、客户经理、云管家、租务管家、服务管家，以及供应链服务者。 贝壳 “六芒星” 服务体系。图源：贝壳省心租服务价值发布会 收房阶段，云管家线上触达业主，资管经理签下托管协议并对一套房负责到底；出租阶段，客户经理找租客，带看签约；租客入住后，租务管家承接检修和租中服务，服务管家 7×24 小时在线响应，维修保洁交给供应链师傅。 截至今年 6 月，省心租资管经理人均在管房源约 170 套，同比增长 40%，不少城市接近或超过 200 套，且不少地区房源高度分散。以上海为例，11 万套房分布在 2.5 万个小区、6000 多平方公里内。物业公司管一个上千户小区，两个管家就能覆盖；省心租的一千套房有可能分在二十个小区，人力成本翻几倍。 随着受托房源的增加，每次退租都会重新产生定价、推广、带看、整备和签约成本，重新寻找租客线索也会再次占用经纪人的时间。2026 年上半年，每 3 套成功出租的房子中，约有 2 套是退租后再次出租的存量房源。 二季度业绩会上，有分析师询问贡献利润率改善能否持续。贝壳 CFO 徐涛列提出三项主要工作，包括降低房源流失和再次招租频次，提高业主和租客续约率；试点把收房、出房等交易任务与续约、租后管理任务分开，降低单套人力成本；控制新增房源质量，并按城市调整产品。 “马儿，你慢些跑” 中国租赁市场需求大、但起步晚，相应的规范制度以及合适的商业模式还有很大迭代空间。这个市场极度分散且充满多样性。很多业主和租客习惯了一锤子买卖，宁愿承担后续的沟通摩擦与房屋损耗，也不愿为服务持续支付溢价。 贝壳过去的经纪业务，从链家时期的房源核验、签约标准化，到 ACN 网络的跨店分佣，大部分工作在签约时结束，跟同行一样，成交就是房产经纪生意的终点。省心租则要证明 “成交” 也可以是一桩更长生意的起点。 2026 年 2 月，惠居 CEO 王拥群在内部分享《马儿，你慢些跑》，要求管理层重新检查房屋安全、客户满意度、一线服务者的状态，以及现有模式能否支持继续扩张，提出新增规模目标需要与安全、服务承接能力及单套经营成果综合评估。 更长的服务周期也在改变服务者协作模式。省心租正在试点强化线上服务管家、云管家等角色分工和协作，提升解决问题的效率和服务品质。多管家协作模式将服务专注、细分，是为了签约以后更好的履约结果。 因为门店、经纪人和平台系统能够持续带来房源与租客 —— 这是贝壳开展托管的起点 —— 但实际的履约成本和客户的续约意愿随后才会出现。如果管理层只看收房和首次出租，规模化所带来的运营压力并不亚于包租：分散在成千上万个小区的维修与管理需求，不可避免地拉高了人力调度与供应链维系的成本。 这一次，贝壳也许不能再像过去一样，把改变整个行业当作目标。它要接受省心租无法也没有必要取代普租、包租和个人直租。但也只有克制盲目扩张的冲动，正视行业的局限，才能在规模增长与单均服务质量的博弈中，寻找到那个能够长期立足的平衡点：业主减少管理负担，租客获得相对稳定的服务，平台得到相对持续的收入。 应接受访谈者的要求，刘越、赵佳均为化名。 题图来源：Pexels