零跑，首次全年盈利！

零跑，首次全年盈利！

杰西卡 2026-03-16 19:56:40

半价理想学理想盈利了

新势力2025年最强黑马财报

2025年，零跑汽车的表现一骑绝尘。

12个月中，零跑有9个月都在新势力车企中销量排第一，并且其中4个月的销量破6万台，也是唯一月销破7万台的新势力。

△注：此处以车企销量计，故不包含鸿蒙智行品牌

去年第四季度，零跑的销量为201039辆，同比增长66.34%，环比增长15.64%。

公司全年销量为596555辆，同比暴涨103.1%，连续两年翻倍增长，跃居2025年新势力车企销冠。

零跑的全年出口量同样位于新势力第一，达67,052台。

随着交付水平提升，零跑全年的财务指标也呈现狂飙走势。

2025年全年，零跑汽车营收为647.3亿元，同比增长101.3%，和销量增速同步。

其中，电动汽车及部件的销售收入为620.1亿元，同比增长96.0%。

这部分收入增长，由整车及备件交付量增加所带动。

来自服务及其他销售的收入为27.2亿元，同比增长413.2%，主要是由于海外整车销量大涨，带动碳积分交易收入增加。

2025年，零跑汽车毛利为94.1亿元，同比增长249.8%。

同期的毛利率为14.5%，同比提升6.1个百分点，创年度毛利率新高；其中，零跑第四季度的毛利率达15%。

毛利水平的提高，来自于成本管理、产品组合优化和其他业务收入。

同时，公司对研发的投入也在大幅提升，2025年的研发开支为42.9亿元，同比增长42.9%。

尽管开支增多，但公司全年的盈利能力并没有受到影响，而是随销量暴涨而大幅提高。

零跑全年净利润为5.4亿元，上年同期为净亏损28.2亿元，成为继理想之后，第二家实现全年盈利的新势力车企。

最后在现金层面，截至2025年末，零跑的现金及等价物、定期存款、受限制现金等现金储备为378.8亿元。

今年年初，零跑将新的全年销量目标定为100万辆，也就是同比增长67.6%，月均销售8.3万台车。

如果达成目标，这将是新势力首次销量冲破百万交付线，也将是新势力向上冲锋，挑战国内头部自主品牌交付水平的历史性时刻。

版权所有，未经授权不得以任何形式转载及使用，违者必究。

穿透财报招股书 车圈最新认知 零跑汽车

2026-03-16日刊

AI资讯日报 2026/3/16

AI资讯 | 每日早读 | 全网数据聚合 | 前沿科学探索 | 行业自由发声 | 开源创新力量 | AI与人类未来 | 访问网页版↗️ | 进群交流🤙

今日摘要

微软英伟达OpenAI同日发布新品，千亿融资刷新纪录
央视315曝光AI搜索投毒黑产，伊朗袭击阿布扎比算力中心
月之暗面估值破千亿寻求新融资，英伟达GTC2026大会震撼开幕
中国十五五规划定调AI为支柱产业，家电AI渗透率破半
斯坦福开源OpenJarvis，纯Bash手搓Agent，AI科研自动化引争议

产品与功能更新

1. 微软、英伟达、OpenAI集体爆发。 微软全新推出Copilot Cowork智能代理。英伟达同步发布Nemotron 3 Super多代理系统。OpenAI豪取 💰 1100亿美元融资创纪录。三巨头齐发力， 行业格局加速重构（AI资讯） 。技术竞赛正 🏁 冲向万亿规模。
2. 英伟达GTC2026大会震撼开幕。 老黄携全新Blackwell架构 🔥 惊艳亮相SAP中心。 大会官方详情持续更新（AI资讯） 值得关注。现场气氛热烈，全球开发者齐聚一堂。新一代芯片架构有望重新定义 ⚡ AI算力天花板。锁定 英伟达官方推文（AI资讯） 获取演讲实录。
3. 月之暗面估值狂飙破千亿。 国产大模型独角兽月之暗面正寻求新一轮 💰 十亿美元融资。估值较上轮翻了近四倍，市场信心强劲回归。 融资进展详情（AI资讯） 备受瞩目。“AI六小虎"赛道竞争愈发白热化。资本正加速 🚀 涌入国产大模型赛道。
4. AWE2026家电AI渗透率破50%。 本届AWE展会上AI渗透率已突破半数 (☉∀☉) 。彩电行业AI化比例更是超过 70%。厂商纷纷布局自研芯片， 展会现场报道（AI资讯） 细节丰富。家政人形机器人正加速走入寻常百姓家。关键器件 🔧 国产化保障技术自主可控。

前沿研究

1. LeCun力荐世界模型规划新突破。 杨立昆亲自点赞这篇 世界模型最新论文（AI资讯） 。研究通过曲率正则化搞定潜空间 🧠 规划难题。简单梯度下降即可比肩复杂采样搜索。灵感源于认知科学中的感知平直化假说。性能大幅提升且显著 节省算力（AI资讯） ⚡ 。
2. DAIR.AI发布本周顶级论文榜。 本期榜单涵盖 🔥 FlashAttention-4等重磅成果。KARL与OpenDev等项目同步入选。 完整论文精选合集（AI资讯） 已上线。学术圈大佬们集体围观， 推文原帖（AI资讯） 值得收藏。一周学术精华 📚 尽在此处。
3. MindPower让机器人读懂人心。 吉大联合微软推出MindPower框架，已被 🏆 CVPR'26收录。机器人从此能通过二阶信念推理人类意图。这才是真正意义上的 🤖 具身智能突破。 论文技术细节（AI资讯） 值得深入研读。主动协作能力让人机交互迈上新台阶。
4. 分布式理论破解多智能体瓶颈。 研究发现LLM团队存在严重 ⚠️ 通信瓶颈。传统分布式节点协调方案能有效解决延迟冲突。去中心化团队沟通成本高但故障恢复更迅捷。告别试错法， 论文原文（AI资讯） 提供系统化方案。科学构建 🏗️ 多智能体架构更有保障。
5. LLM主权闭合技术白皮书面世。 科学家通过神经ODE构建全新 ✨ 层流状态空间。利用RoPE磁场机制隔绝对齐税干扰。系统实现零成本创意生成， 白皮书全文（AI资讯） 已公开。这一突破或将重新定义模型自主性边界。 社区热议（AI资讯） 正在发酵 🧪 。

行业展望与社会影响

1. 315晚会点名曝光AI投毒黑产。 央视重磅曝光GEO服务商恶意操纵 😱 AI搜索结果。不法商家向模型投毒严重干扰输出可靠性。 央视揭秘完整内幕（AI资讯） 触目惊心。此举危害模型可信度 ⚠️ 后果严重。监管部门预计将迅速出手整治。
2. 伊朗突袭阿布扎比AI算力中心。 AI基础设施首次在战争中沦为 💥 打击目标。伊朗对阿布扎比发动袭击， 战火速报详情（AI资讯） 令人震惊。价值七千亿的基建项目被迫停摆。核心算力大脑竟成 🎯 军事目标。全球算力布局或将加速分散化外迁。
3. 机器人战士投入乌克兰战场。 自主战斗机器人正式 🦾 现身乌克兰前线。它们正在深刻改变现代战争规则。 乌克兰部署详情（AI资讯） 引发全球热议。杀戮机器的实战化充满伦理 ⚠️ 争议。战争正演变为代码与钢铁的对决。
4. Meta砸六千亿建数据中心拟裁两万人。 Meta计划投入 💰 六千亿美元建设AI数据中心。同时传出裁员约两万人的消息。资金正从人力结构大幅转向 ⚡ AI基础设施。项目延期导致 股价承压（AI资讯） 市场波动。巨头们正在艰难平衡AI投资与盈利压力。
5. 十五五规划定调AI为支柱产业。 中国正式将人工智能 🏛️ 提升至国民经济支柱产业地位。官方将全力推进人工智能+行动落地。重点聚焦具身智能等未来产业方向。 规划全文解读（AI资讯） 已发布。万亿级机会正加速 🚀 释放核心技术转化。\

开源TOP项目

1. Anthropic官方Claude插件库上线。 Anthropic正式发布 官方插件仓库（AI资讯） 。这里汇集了 ✅ 高质量代码插件。助力开发者显著提升编码效率。官方托管让工具使用更安全可靠。AI编程生态 🧩 又添重要一环。
2. Junior：不需要指令的AI员工。 这款 自主AI员工产品（AI资讯） 自带邮箱入驻GitHub等工具。无需指令即可 🤖 自主干活。全天候主动记忆并跟进全组织动态。月薪两千美金， 推文详情（AI资讯） 引发讨论。比真人员工还贵 💸 但全年无休。
3. 斯坦福开源OpenJarvis框架。 由斯坦福发布的 本地推理框架（AI资讯） 🎓 正式开源。Jarvis兼容Ollama与vLLM多种后端。用户可随心切换本地推理 or ☁️ 云端API。灵活架构极大降低部署门槛。 推荐详情（AI资讯） 值得开发者关注。
4. TiDB创始人手搓mem9解决Agent失忆。 全网热养OpenClaw龙虾却被致命 🦞 记忆缺失难倒。黄东旭推出 mem9永续记忆方案（AI资讯） 精准解决痛点。基于TiDB实现免注册 ☁️ 云存储。Agent记忆问题终于有了靠谱解法。 详细报道（AI资讯） 已上线。
5. 纯Bash从零手搓Claude智能体。 这个极简开源项目（AI资讯） 仅用Bash脚本。从零构建完整 🛠️ 智能体框架。方案硬核直接，学习门槛极低。适合想深入理解Agent底层原理的开发者。 源码仓库（AI资讯） 速去围观。

社媒分享

1. 龙虾AI智能体爆火暗藏风险。 终端自动化操作能力确实 💪 强悍。但默认高权限运行存在安全隐患。互联网协会已正式发出 风险提示（AI资讯） 。玩AI需谨慎 ⚠️ 建议使用沙箱隔离。权限管理不能掉一轻心。
2. Pi框架作者分享极简Agent心得。 Pi作者在AMA中揭秘 极简框架设计理念（AI资讯） 。主张Bash万能论，效率 ⚡ 直接翻倍。未来将上线多人协作实时编码功能。容器技术隔离有效解决注入风险。极短提示词反而让模型更 🧠 智能。
3. 工程管理岗或被AI智能体取代。 专家在 深度分析报告（AI资讯） 中直言管理本质是信息压缩。AI能深度处理全量代码与复杂数据 📊 。协调层将彻底由机器接管不再需人。但架构师与核心开发者仍将保留 🛡️ 价值。技术管理者需要认真思考转型方向。
4. 狠人用AI五天卖掉房子。 佛州一男子彻底抛弃 🏠 房产中介。借助AI工具五天即完成房屋出售。定价合同全部由 智能工具自动处理（AI资讯） 。Greg Brockman亲自转发 (°∀°) 惊叹不已。传统中介行业正面临颠覆性冲击。
5. 全自动AI科研神器引爆争议。 指令输入即可 ⚡ 秒出完整科研论文。全自动科研已实现闭环， Ethan Mollick发文警告（AI资讯） 。但需严防大规模数据操纵风险 ⚠️ 。科学研究必须遵循严格规范。便利与滥用之间的界限亟需明确。
6. Grok4.2用厨房比喻拆解Agent。 Grok4.2用大白话把Agent比作 👨‍🍳 爱忘事的小厨师。核心观点是必须建立验证闭环。善用规范手册才能让AI稳定输出。定义清晰的任务终点至关应用。 完整拆解文章（AI资讯） 干货满满。

AI资讯日报多渠道

03-15 AI资讯

315曝光的“AI投毒”原理：GEO这样操控大模型推荐

315曝光的“AI投毒”原理：GEO这样操控大模型推荐

听雨 2026-03-16 19:48:07

一个虚构的产品，竟然也会出现在AI推荐里？

大模型竟然也上3·15晚会了？

一款根本不存在的智能手环，竟然可以被AI推荐，而且排名还很靠前。

央视3·15晚会揭开了一个惊人的互联网灰色产业链——AI“投毒”。

记者随机购买了一款名叫“力擎GEO优化系统”的软件，然后虚构了一款根本不存在的智能手环，再用软件生成十几篇广告软文，发布到互联网各个平台。

几天后再去问AI大模型：“有什么值得推荐的智能手环？”

结果让人大跌眼镜：它真的推荐了这款不存在的产品，而且排名很靠前。

这背后的关键就是GEO。

GEO，全名生成式引擎优化（Generative Engine Optimization），是一套专门针对AI平台的内容优化策略。

它的核心目标，就是提升品牌在AI生成答案中的可见性与引用优先级，使企业信息被AI算法识别为”可信来源”，并在用户查询时获得优先推荐。

比如，当你问AI：“我想买一款空气净化器，能不能给我一些推荐？”

AI会给你列出一些品牌：

能否出现在AI回答中，出现的顺序是否靠前——这就是品牌方如今挤破脑袋也要占据的信息入口。

这跟传统的SEO目的很相似，只不过SEO是让自家网站在搜索引擎排名更靠前，而现在的GEO，则是让AI在回答问题时主动推荐你。

随着越来越多的用户通过AI直接搜索答案，GEO在业内人士的眼里也变得愈发重要。

那么，3·15曝光的灰色产业链，究竟是如何通过GEO给AI“投毒”的呢？

给AI“投毒”的三种技术方式

所谓AI“投毒”，本质上是一种信息操控行为。

简单来说，就是系统性、大规模地向AI模型的信息来源中注入虚假、低质或误导性的内容，从而影响AI的判断，让它输出对攻击者有利的信息。

整个过程其实就一件事：污染AI所看到的信息。

在央视报道中，一家GEO服务商表示：

“在AI的世界里，你怎么把它证据链做足，让它在多方信息交叉中，认为这就是你们优于同行的核心优势。”

根据孟庆涛老师的研究论文《生成式引擎优化（GEO）的投毒攻击防御策略研究》，常见技术路径主要有三种：训练数据污染、检索上下文劫持和提示注入诱导攻击。

训练数据污染

第一种：训练数据污染——这是针对AI训练数据层的攻击，通过批量篡改公开知识源，植入错误信息。

大模型在训练时，会大量使用互联网上的公开数据，比如百科、论坛、媒体报道等。如果有人批量篡改这些公开信息，就有可能把错误内容写进AI的“记忆”里。

由于模型训练具有滞后性，一旦错误信息被纳入训练数据，就会通过梯度下降等优化算法固化到模型的参数中，形成“认知偏差” 。即使后续有正确的信息出现，模型也可能因此持续输出错误内容。

简单来说，只要错误信息足够多，AI就可能把它当成事实。

放到真实的商战中，是怎么操作的呢？攻击者通常会识别目标品牌的关键信息点，比如产品参数、性能指标、价格信息、认证资质等，并进行篡改。

论文中就披露了一个典型案例：某家电品牌遭遇竞争对手的批量攻击，其产品参数（特别是能耗数据）在多个公开平台上被系统性篡改。

这些篡改后的信息被AI模型抓取并纳入训练数据，导致在长达半年的时间里，当用户查询该品牌产品的能耗性能时，AI都持续输出错误且偏高的数据。

咱就是说，真是防不胜防啊。

检索上下文劫持

第二种：检索上下文劫持。这也是目前GEO黑产比较常见的一种方式。

这种方法利用了RAG（检索增强生成）技术，RAG的工作方式是：用户提问后，AI不会直接基于内部参数给答案，而是先去互联网检索资料，再根据这些资料生成答案。

攻击者要做的，就是让自己的内容在网上更容易被检索到。

具体手法包括：

关键词优化：在软文中高频植入目标查询的关键词及其变体，提升稀疏检索的匹配得分。比如用户搜索“某某产品推荐”，攻击者就会在文章里大量使用这些关键词和各种变体，提高被检索到的概率。 语义优化：AI会使用向量检索技术，也就是根据语义相似度找资料。攻击者会调整文章的表达方式，让它在语义上更接近用户可能提出的问题，从而在检索排序中更靠前。 元数据操纵：优化文档的发布时间、来源权威性、用户互动等元数据信号，让这些内容看起来更权威、更可信，从而影响检索系统的排序结果。

黑产团队还常用一种“占位策略”。他们会围绕同一个主题批量生产大量文章，覆盖各种不同的搜索问法。

这样一来，不管用户怎么提问，AI检索到的资料里都很可能有他们准备好的内容。

当这种内容数量足够多时，就会形成一种信息垄断。即使有真实、优质的内容存在，也很难在检索结果中突出出来。

这种攻击方式非常隐蔽，因为从AI的角度看，一切流程都是正常的——先检索资料，再生成答案。系统也很难判断某些内容是被恶意操控，还是只是普通的内容优化。

等到平台或品牌方发现AI回答不对劲时，这些污染内容可能已经被引用过很多次，影响也已经扩散。

更麻烦的是，就算平台删除了这些文章，攻击者也可以很快生成新的版本继续投放，形成一种“打地鼠式”的对抗。

阴，真是太阴了。

提示注入诱导攻击

第三种方法：提示注入诱导攻击。

听起来很复杂，但其实跟用户输入的提示词关系不大，主要还是污染外部信息源。

由于大模型会尽量遵循输入的指令或上下文，那么只要输入的信息里带有某种明显的倾向，AI就可能顺着这个方向继续生成内容。

攻击者正是利用这一点，在各种信息源里埋入“提示”，让AI在回答问题时不自觉地受到影响。

常见操作有这么几种：

伪造差评：攻击者会批量制造看起来非常真实的负面评价，比如详细描述使用体验、列出具体问题、甚至附上评分。这些内容一旦被AI检索到，就可能在回答“某某品牌怎么样”之类的问题时被引用。 虚假对比：表面上是客观的产品评测，但在评价维度、评分权重、数据来源等地方做文章，让目标品牌在对比中处于劣势。AI如果引用这种内容，就会它当作客观分析。 诱导式问答：在论坛、问答平台等地方提前设计好问题和答案，比如：“某某品牌和某某品牌哪个好？”然后再用看似专业、详细的回答去支持其中一个品牌。

当真实用户提出类似问题时，AI可能检索到这些内容，并在生成答案时复述其中的结论。这种信息一般会包装成“社区共识”或“专家意见”，看起来非常自然。

其实这种社区问答里注入软广的例子，大家应该看得也不少吧，我脑子里反正是已经浮现出来了……

“投毒”产业链是如何运转的？

有了上述三种技术方法，“投毒”的整个流程是如何进行的呢？

主要分为几个环节：内容生产→渠道投放→效果强化。

首先，攻击者会直接用AI批量生成产品软文。只要输入一些简单信息，比如产品名称、卖点、关键词，一套系统就可以在几分钟内生成十几篇甚至几十篇文章。

比如央视报道中提到的“力擎GEO优化系统”，只需输入一个虚构的产品信息，系统就会自动生成各种宣传文章，包括产品介绍、测评体验、用户反馈等等。

为了让这些内容更可信，黑产团队还会进行一层“权威包装”。

比如伪造官方来源，攻击者注册与官方机构、权威媒体相似的域名和账号，发布看似官方的内容。

或者在内容中大量引用“研究数据”“统计结果”“实验结论”，并配以精心设计的图表、表格，营造一种数据驱动的客观形象。

此外，文章里还会刻意埋入很多AI容易识别的关键词和结论句。例如：

“综上所述，XX品牌是目前最值得推荐的产品。” “业内普遍认为XX产品性价比最高。”

这种句式也非常容易被AI提取为回答中的结论。

内容写好之后，下一步就是铺到互联网各个角落。

团队通常会运营一整套自媒体账号矩阵，这些账号分布在知乎、小红书、今日头条、百家号等多个平台。

当同一类内容在很多账号上同时发布时，很容易形成一种假象——仿佛整个互联网都在讨论同一个产品。

就算一个账号被封了也没关系，因为背后可能还有几十甚至上百个账号在同时运作。

除了自有账号，还有一类专门的发稿平台。这些平台表面上提供“媒体推广”“软文发布”等服务，实际上就是帮助客户把内容批量发布到各种网站。

为了提高可信度，投放渠道也会专门挑选一些权威信息源，比如新闻网站、行业门户、百科类平台、垂直社区。

因为AI往往更信任这些网站，一旦内容进入这些平台，就更容易被抓取和引用。

内容发出去之后，黑产团队接下来会做的是持续强化效果。

最简单的一种方式叫“铺量”。也就是不断重复发布同一类信息，只是换不同的表达方式。几十篇、几百篇甚至上千篇文章一起出现，形成一种“信息淹没”的效果。

当AI在互联网上搜索资料时，很容易被这些高密度内容包围，从而误以为这是主流观点。

同时，他们还会人为操控互动数据，比如阅读量、点赞量、互动量。黑产团队会通过刷量、机器人账号，甚至众包刷单，让这些文章看起来非常受欢迎。

一旦互动数据上来了，算法就可能认为这些内容质量更高，从而给它们更多曝光机会。

最后一步，是持续监测AI回答。

据《智能涌现》报道，GEO服务商每天的重点工作之一，就是坐在办公室里和模型聊天，探索各个模型的偏好，反复问它“为什么你不推荐A品牌而是B品牌”。

如果AI还没有推荐目标产品，他们就继续增加内容投放；如果已经出现推荐，就继续强化相关内容，让结果更加稳定。

在央视报道中，一家服务了超过200个客户的GEO服务商也坦言：

“AI每周都会有算法的更新，一旦更新了之后，排名或者所抓录的东西不太一样，所以我们要一直去做内容输出，去投喂、大量投喂。”

OMT

AI“投毒”这事儿的曝光，给了我两个启发。

第一，AI“投毒”的根源，其实还是互联网信息质量问题。

如果网络上充斥着大量垃圾内容，别说AI了，即便是真人也很难分辨真假。

有多少次手机刷着刷着，突然发现所谓的产品评测其实是一篇软广，旅游攻略里植入了虚假内容或是营销信息，网购的东西完全货不对版，宣传图上的跟实际的压根不一样……

别说AI被投毒了，我人已经早就被“投毒”了。

第二，当大家还在争论广告应不应该植入AI大模型的时候，其实广告早就已经出现了。

所谓GEO，只是SEO在AI时代的一次升级，摇身一变，还是那个味儿。

从搜索引擎到AI答案，哪里有流量入口，哪里就有利可图。

问题在于，它是建立在真实信息之上，还是建立在操控和误导之上呢？