奔驰一季度全球销量下滑6%，在华跌27%至11万辆
- 详细资料
- 分类：业内要闻
- 发布于 2026年4月10日 星期五 01:16
传统豪华品牌奔驰的销量依旧承压。
4月9日，梅赛德斯-奔驰集团在官网发布2026年第一季度销量报告。数据显示，该集团第一季度全球销量为49.97万辆，同比下滑6%。其中，梅赛德斯-奔驰乘用车业务全球销量为41.94万辆，同比下降6%，符合该公司预期。
新能源车型方面，受新一代纯电动车型需求驱动，梅赛德斯-奔驰纯电动车型销量稳健增长9%。欧洲市场新能源车型占比升至41%，2025年一季度为37%。但其全球新能源占比从2025年的20%跌至19%。该公司称，这主要受在中国市场计划逐步停产插混车型影响。
就不同级别来看，梅赛德斯-奔驰各个级别产品销量均有下滑，其中高端品牌下滑幅度最小，为5%。
分区域来看，欧洲延续上季度积极态势，区域销量为15.84万辆，同比增长7%。德国市场表现尤为亮眼，销量增长9%。受全新电动CLA驱动，欧洲纯电动车型销量增长34%，德国市场增长36%。
美国成为该公司第一季度的增长引擎，销量同比大增20%至8.11万辆。
在中国市场，梅赛德斯-奔驰的表现继续下滑，一季度销量为11.16万辆，同比下滑高达27%。该公司称，“主因是公司主动调整、在换代前逐步停产现有车型，尤其集中在入门级产品线。尽管如此，奔驰仍稳固保持100万元以上豪华车细分市场的领先地位。”
该公司还强调，2026年是奔驰在中国市场的“过渡之年”，受到多款核心车型换代影响，正快速扩充纯电动及先进混动车型阵容。
世界其他地区整体销量下滑14%。梅赛德斯-奔驰称，这主要受土耳其市场销量萎缩及地缘政治挑战、中东冲突影响。
“尽管近期推出的新车型为未来季度的销售前景提供了支撑，但公司将持续密切关注地缘政治环境、中东冲突及其对全球消费信心的潜在影响。”该公司预警称。
澎湃新闻记者 吴遇利
vivo人事调整：执行副总裁胡柏山晋升为公司总裁
- 详细资料
- 分类：业内要闻
- 发布于 2026年2月24日 星期二 09:08
新浪科技讯 2月24日下午消息，vivo内部近日发布公告称，公司首席执行官沈炜不再兼任公司总裁;公司执行副总裁胡柏山晋升为公司总裁并仍兼任首席运营官，向公司首席执行官沈炜汇报。
另外，公司高级副总裁程刚、谢小林，调整为向公司总裁胡柏山汇报;公司高级副总裁兼首席财务官罗福泰，仍向沈炜汇报。
资料显示，胡柏山于2000年加入vivo。此次晋升前，他担任vivo执行副总裁、首席运营官兼中央研究院院长。
余承东官宣：鸿蒙操作系统6来了
- 详细资料
- 分类：业内要闻
- 发布于 2025年10月21日 星期二 09:39
10月21日消息，华为常务董事、终端BG董事长余承东在微博发布消息，官宣鸿蒙操作系统6即将到来。
余承东表示，鸿蒙操作系统以超乎想象的速度持续迭代进化，秉持共建共享的初心，繁荣全新生态。千万人砥砺前行，只为给用户带来易用、好用的全新体验，打造更好看、更好用、更智能、更安全、更丝滑的操作系统。并邀请大家于10月22日14：30一同见证鸿蒙操作系统6的正式亮相。
谷歌推出Gemini3！模型竞赛转向“落地速度”？
- 详细资料
- 分类：业内要闻
- 发布于 2025年11月19日 星期三 02:00
模型升级更快，商业化压力同步上升。
当地时间周二，Alphabet旗下谷歌(Google)发布新一代大型语言模型Gemini3，并从发布当天起将其部署至谷歌搜索的AI模式、Gemini应用、API接口、VertexAI等核心产品。首席执行官桑达尔·皮查伊(Sundar Pichai)在公司博客中将其描述为“我们最智能的模型”。
分析认为，在人工智能进入商业化竞争阶段后，资本市场对“模型升级”本身的反应逐渐转弱，关注点更集中于：模型是否能真实推动收入增长、是否能为核心业务带来可观回报。OpenAI、Anthropic等竞争者的快速迭代被认为加剧了这一压力，Gemini 3的策略某种程度上反映了谷歌试图加快从技术投入转向实际变现的步伐。
从“比模型”转向“比应用”
此次Gemini 3的落地策略呈现三个显著变化：
第一，发布日同步接入谷歌搜索。不同于此前版本需要数周甚至更久才能进入搜索体系，Gemini3在发布当天即投入使用。这意味着AI生成式搜索结果将直接覆盖数十亿次搜索请求。
第二，面向消费者的生成式搜索更突出。Gemini3在AI搜索模式中的回答更结构化、更具可视化，呈现方式近似可交互网页，而非传统的链接列表。负责Gemini应用的副总裁Josh Woodward现场展示了以视觉模块、动态界面呈现复杂任务的方式。外界普遍认为，这种变化可能对依赖流量变现的网站生态产生影响。
第三，性能优势仍被强调。谷歌在发布会上展示Gemini3在多项行业基准测试中的领先表现。谷歌首席AI架构师科雷·卡武克库奥卢(Koray Kavukcuoglu)表示，新模型能以更快的节奏推向用户，且更紧密地支持开发者生态。
尽管如此，市场情绪明显更加审慎。过去一年Meta的部分AI产品表现不及预期、OpenAI经历多次管理层震荡，使得投资者对“大模型的商业化速度”保持保留态度。分析人士认为，Alphabet今年的估值支撑更多来自其云业务的AI服务收入，而非模型发布本身。
AI代理首次系统落地
此次发布的另一核心亮点是谷歌正式推出“Gemini Agents”(双子座代理)，这是谷歌首次将能执行多步骤任务的AI助手以系统化方式向消费者开放。
根据现场演示，Gemini Agent可执行的能力包括：自动整理用户邮箱、提取关键信息;规划完整旅行行程，包括日程、交通与预算要素;执行具备多个步骤链条的复杂任务;在不同应用场景中作为可调用助手运行。
谷歌DeepMind首席执行官德米斯·哈萨比斯(Demis Hassabis)长期推动打造能够执行复杂任务的“通用助手”，内部代号AlphaAssist(阿尔法助手)。Gemini3的代理能力，是该方向首次以成熟产品形态公开亮相。
面向企业客户，谷歌宣布了名为“Antigravity”的开发平台，允许AI代理在浏览器、IDE和终端环境中执行部分编码任务，包括拆解需求、生成代码片段等功能。该布局被外界视为谷歌试图强化其在企业级AI工具市场的竞争地位。
此外，Gemini应用的界面与生成结果呈现方式整体焕新，更注重结构化布局与可视化内容。谷歌表示，这种呈现方式有利于回答更复杂的问题，也能提升用户停留时间与交互深度。
陈经：算力难变现，美国AI陷入困境
- 详细资料
- 分类：业内要闻
- 发布于 2025年10月10日 星期五 03:25
(来源：环球网资讯)
来源：环球时报
日前，美国哈佛大学经济学家研究发现，虽然2025年上半年美国GDP增长1.6%，但几乎完全由数据中心和信息处理技术推动，其他领域增长率仅0.1%。2025年全年美国人工智能(AI)数据中心支出规模预计达5200亿美元，人工智能领域拉动GDP增长的方式主要靠投资，而非相关消费。
今年以来，作为主要的数据中心投资者，微软、谷歌、亚马逊、Meta这4家企业围绕AI算力疯狂竞争，“砸”下640亿至1000亿美元不等的巨额现金，却缺少可观回报，其性质近乎“烧钱”。近期OpenAI也在自身资金有限的情况下，“画饼”将进行5年万亿美元级别的投资，引发了市场对于美国AI科技产业会不会是泡沫甚至是庞氏骗局的巨大疑虑。
从AI发展情况来看，好消息是个人与企业使用大模型已相当常见，10月初ChatGPT周活数据已达8亿，消费者AI采用速度超出预期。但一个不好的迹象是，如此规模的用户数据，却仍未产生足够规模的收入，甚至不能覆盖运营成本。一般而言，互联网应用在用户数达到一定规模后，营收前景就会比较清晰，投资机构也会积极提供扩张资金、抢占市场份额，进入皆大欢喜的收获期。但如今，美国各类消费大模型看起来像是个无底洞。
生成式AI的营收困境，与其自身技术原理有关。互联网产业大多具有很明显的规模效应，基础设施足够后的边际成本基本为零，支持几千万客户的成本与几亿客户差不多，利润率极高。而大模型的每一次回应与推理，都要进行巨量重复运算，用户越多、需要的数据中心与算力就越多，不仅享受不到规模效应，反而对基建和融资的需求越来越高。因此美国AI投资规模扩大不仅不是好现象，反而反映出投资效率可能存在的问题。
另一个不利于生成式AI商业变现的因素，是较难通过广告变现。互联网广告展示成本不高，利润却极为丰厚，但大模型应用一次只能展现一条回答，难以自然地插入多个广告位，这也是“订阅”为何会成为大模型的主要营收手段。但相比一年千亿美元的投资规模，ChatGPT年化“仅”百亿美元规模的订阅收入显得杯水车薪。
企业云服务是数据中心另一个被寄予厚望的方向。相比主要起数据存储作用的常见企业“上云”操作，美国企业希望AI数据中心更加智能，能帮助企业提高运营效率、缩减成本、增加营收。然而，麻省理工学院8月的一份报告显示，将AI引入业务的企业中95%并没有赚到钱。甲骨文的GPU云租赁业务毛利率仅14%，远低于公司整体业务70%的水平，在考虑折旧后净毛利率更跌至7%。
企业“AI引智”进展不力、“幻觉”问题根深蒂固、算力成本居高不下，当人们对AI的期待超出玩具、进入实战阶段，就暴露了目前生成式AI的缺陷。这种缺陷导致了AI技术的商业化进程明显滞后于基础设施建设与金融化进程，给未来营收带来了巨大的不确定性。对此，美国业界和资本形成了“工业泡沫论”和“金融泡沫论”两派，前者认为数据中心建设是实体投资，将最终突破规模化的阈值，成为电力一样的基础能源设施;后者则警告当前投资规模已超出理性范畴，过度乐观的预期可能重演当年的互联网泡沫。
无论是着眼长远的基建布局，还是科技巨头间的资本游戏，美国AI产业发展模式的不均衡问题是毋庸置疑的。AI推动经济发展绝不能只靠数据中心、算力设施建设的狂飙突进，而需要完成从“硬数据”到“软价值”的转变，在广泛商业场景中证明其经济价值。只有当AI真正渗透到制造业、服务业等传统行业，提升全要素生产率，才能带动各行各业的全面、可持续发展。当资本狂欢落幕，真正带来繁荣的从来不是单一技术的突破，而是技术与社会需求的深度融合和价值创造。(作者是科技与战略风云学会研究员)