网络配资开户入口清华团队预言：90%的人将脱离谋生劳动，「零人公司」时代来了！

　　新智元报道网络配资开户入口

　　编辑：定慧

　　【新智元导读】清华沈阳团队揭示自进化AI的秘密与实施路线。沈阳团队站在2026年中点，抛出四大颠覆判断：AI正走向「人机隔离」而非协同；未来公司只剩一人甚至零人；检验比生成更重要；AGI将制造「多版本现实」。团队日耗Token破百亿，AI七天七夜自研压缩算法登顶榜首，「超级个体」正在溶解传统组织。这不是预言，而是正在发生的现实。本文综合清华沈阳教授在清华校庆日的演讲、记者采访和研发进展采写。

　　站在2026年的中点，AI正以超越大多数人认知的速度演进。

　　清华大学知名跨学科学者沈阳教授（先后在计算机、信息管理、新闻传播、人工智能、临床医学等学科担任教授或博士后合作导师）及其团队，基于长期的人机共生和「AI for AI」研究与实践，提出了四个正在发生的范式转移。

　　它们不再是遥远的预言，而是正在浮出水面的现实。

　　引言：四大颠覆观点，重估人机关系

　　第一个颠覆观：AI正在走向「人机隔离」

　　我们总说「人机协同」，但像OpenClaw这样的框架，其核心哲学是「赋予AI绝对权力」，让它自我进化，未来可能不再需要人类时刻参与。

　　这不再是协作，而是放手。

　　OpenClaw的理念与中国人强调的「人机协同、驾驭AI」的控制哲学有根本不同，它标志着AI发展史上第三个大阶段的正式开始——从「能聊天」到「能干活」，再到「能独立干活」。

　　第二个颠覆观点：未来的公司，可能只剩一个人或没有人

　　不是裁员，而是形态重构。

　　企业将演变为由「超级个体」和AI数字员工构成的「自进化组织」。普通岗位将大幅减少，AI转型的关键不是招更多人，而是培养超级个体，并给他们配备更多的电脑和算力。

　　沈阳教授预言，最好的企业将是由一群有共同理想的超级个体构成的自组织、自进化、自适应的组织。一人公司这个人是CEO，零人公司这个人是投资人。

　　第三个颠覆观点：检验比生成更重要

　　当AI什么都能生成时，真正的力量不再是「能生成什么」，而是「生成的东西能否通过检验」。

　　沈阳团队将检验者分为四类，其进化速度依次递减：AI自身作为检验者（如编程、数学），可实现最快的进化闭环；个人作为检验者（主观审美）；社会作为检验者（如市场反馈）；自然界作为检验者（物理规律、化学规律等）。在AI能够自我检验的领域，进化速度将快得超乎想象。按照这个分类，AI在不同的校验者方向走向AGI的速度是不一样的。

　　此外如果AI现在是普通提示词能达到85分，那么极致提示词也许能到95分，这意味着经过极致提示的人机互动会先于纯粹AI自身达到AGI。

　　第四个颠覆观点：我们将面临「多版本现实」

　　AGI可能会根据每个人的偏好，生成完全不同的信息世界，导致社会失去共同的现实基准，进入「多真理并存」的状态。

　　每个人都将置身于一个超个性化的「认知剧场」，现实失去唯一性。这不仅是技术问题，更是未来社会最大的哲学与治理挑战。

　　这四大颠覆观点的底层，是两大理论基座，「AI能力四层结构」与「AI for AI六阶段研究链」。

　　所谓的「四层结构」，是对AI能力演进的客观描述。最核心的是通用符号推理层，即AI的纯抽象逻辑与数学能力，这是所有能力的根基，也因其千倍级的迭代速度，成为团队战略投入的重点；在其之外是数字内容生成层，涵盖文本、图像、视频等；第三层是是数字世界自主交互层，即工具调用与多智能体协作，这是AI从「工具」向「代理」跨越的关键；最外层则是仍在艰难演进的物理世界交互层。这一结构清晰揭示了团队的判断：必须站在迭代速度最快的地方，即符号系统层。这也是为什么Anthropic迭代如此之快的一个原因。AI for AI解决了，可以迅速将这种能力平移到其他任何领域。

　　而「六阶段研究链」：训练模型→微调模型→推理优化→自进化框架→行业应用→极致内容，既是团队的方法论，也是AI从零走向行业、从工具走向内容的路线图。

　　训练模型

　　AI主导的「生命底座」

　　在AI自我进化的链条中，模型训练是底层根基。

　　AI从零自主训练大模型

　　在这一领域，团队四月份实现了一个关键里程碑：AI从零自主训练大模型。AI能够自主发现并优化训练算法，独立完成「提出方案—实验迭代—性能验证」的完整闭环，并形成了持续产出的能力。这验证了其「底层一致性」理论——AI编程、AI绘画、AI文学、AI音乐在底层逻辑上是相通的事物，当研究者参透了这种一致性，AI就具备了从零创造算法的能力。

　　为什么是数学和文学？

　　目前，团队正将这一能力聚焦于两个方向。

　　一是训练数学大模型。沈阳教授提出，人类知识有11大学科的贯通逻辑：从数学到物理、化学、生理、心理，再到社会学、传播学、经济学、政治学、美学，最终抵达哲学。这一逻辑链中，数学是最底层的符号系统，也是迭代速度最快的部分。「算法的迭代速度可能是1000倍，你必须站在那个地方。」因此，训数学大模型成为团队优先级最高的任务。目前，数学大模型训练已取得阶段性进展。

　　二是训练文学大模型。沈阳教授判断，文字是图像和视频大模型「真正的上限」。2D视频生成的天花板没有想象中高，画面逼真将很快不再是壁垒。真正的瓶颈在于剧本、故事和人性逻辑。「艺术是对上一次艺术的反抗」，它没有止境，不像算法有理论上限。因此，团队正在训练一个专注于文学创作的大模型，力求在叙事逻辑和人物弧光上实现突破。预计数学大模型和文学大模型将在数月内发布。

　　(超过 1000 位编剧用的自动写小说和剧本的多智能体平台 story.zeelin.cn)

　　微调模型

　　AI为AI自己做精准的「脑部手术」

　　如果说训练是赋予AI躯干，那么微调就是为它注入行业深度的「脑部手术」。

　　核心问题在于：模型不是适配个人的，要让它深度个性化，则需要快速微调。而让AI自己微调大模型则成为一种必然。

　　为什么需要框架的进化？

　　在这方面，团队正实践用「自进化多智能体」来自动化完成微调。AI的进化就像人一样，脑子自己是改变不了自己的，必须在外部设定心和四肢——也就是框架——才能指挥外部数据导入，对大脑进行更新。因此，AI的自进化包括两部分：模型的进化（认知性）和框架的进化（操作性），两者缺一不可。

　　这一结构可以完整表述为「脑+心+四肢+神经系统」：大模型是脑，负责理解、推理、规划与生成；技能系统是四肢，负责调用工具、执行命令、操作文件；记忆系统是心，负责保留用户偏好、沉淀执行经验；工作流闭环是神经系统，负责观察执行结果、修正行动计划、发起新一轮迭代。

　　到底是模型吞噬框架，还是框架吞噬模型，可能在模型发展快的阶段是前者，模型发展慢，则会是后者。并且越往物理世界延伸，框架越发重要。

　　AI自动微调七言情诗大模型

　　团队已将AI自动微调的能力产品化。开发的AI自动微调样例：七言情诗大模型，在押韵、平仄、意境三个维度均达到一定水准。这个案例证明，AI不仅能学习通用逻辑，还能极其精准地嵌入人类的特定工作流与文化语境中——不仅懂七言诗的押韵规范，还能写出中国式的含蓄。

　　自进化框架的四条路径

　　在工业界，这种细分与微调直接催生了当前极度繁荣的「氛围编程」及其四大模式：使用Manus等通用智能体模式、由传统IDE演变而来的工具如Cursor模式（XAI也在洽谈收购）、大模型原生编码平台模式，以及团队深度研究的OpenClaw、Hermes等开源AI框架模式。未来的自进化框架，会沿着这四条路径前行。其中较有优势的是官方的Anthropic claude、chatGPT codex和OpenClaw、Hermes这两条路径。

　　推理优化

　　效率决定生死，美学决定灵魂

　　模型走向大规模应用，必须解决推理成本与效率的瓶颈。

　　为什么做本地化部署？

　　在AI竞争从云端参数大战蔓延至端侧落地的今天，推理优化决定了商业的生死线。本地化部署越发重要，这基于两个核心考量。

　　第一个原因是安全。数据不能出去，在本地做离线大模型，可以有效保障隐私。

　　第二个原因是Token基本是免费，本地可以运行「未对齐」的全量大模型。许多模型在发布前经过了审查和对齐处理，而本地部署可以调用未经审查的版本，在某些场景下效果更好。更重要的是，在本地运行大模型是零Token消耗的，能极大降低成本。

　　功能与美学的双重逻辑

　　基于这些实践，沈阳团队得出了一个判断：功能的核心是效率，内容的核心是美学。

　　在效率层面，团队自研的新型本地大模型的推理算法，在小模型结构化低熵输出任务上， VSD原型以目标模型验证的方式，将 Qwen3-0.6B JSON tool-call 推理从207.212 tok/s提升到平均 870.159 tok/s，将 Llama-3.2-1B JSON tool-call 推理从108.536 tok/s提升到平均 670.157 tok/s，Gemma-3-270M 结构化序列 VMTD从290.383 tok/s 提升到平均 802.001 tok/s，且通过 exact greedy 与 target JSON 验收。

　　STC 1.0：AI 自研新算法的例证

　　更直观的成果来自AI自主研究算法研发领域。团队使用AI自己研发算法。AI用七天七夜的时间，自主完成了设计、编码和迭代优化，最终研发出一个全新的算法，效果非常好，论文正在撰写中，如果按LTCB榜单BWT类算法的公开数据。根据实测结果，该算法可以排名第一，在保持完全无损的前提下，100MB的标准文本数据可压缩至约20.26MB。这不是「AI辅助研究」，而是AI作为主力选手，打出了世界级的成绩。从整个实践活动来看，研究团队自身并不懂压缩算法，只是通过提示词工程、上下文工程和驾驭工程，让AI自主进行研究，从而实现了不可解释的创新。这意味着未来即使是一个十岁小孩也可以自己进行算法创新，这也意味着，水准在AI之下的算法研究者，其研究空间大幅度收窄。

　　访问链接 https://www.zeelin.cn/#/autoResearch 获取Windows免安装版下载链接。

　　AI的能力边界

　　然而，推理优化也揭示了AI的能力边界。以人类追求「长生不老」为例，如果按照哲学家维特根斯坦的观点分析：语言的边界就是世界的边界。大模型的边界也在于此——人类能用语言描述的东西，AI都能生成；人类语言描述不出来的东西，不在语言字符组合当中的东西，AI就生成不出来。到底有没有长生不老的药，取决于人类现有语言描绘的概率组合中，是否已经包含了这种药物的名称组合。如果包含，可以顺着名字找化合物；如果不包含，就找不到。

　　AI是极其强大的概率组合优化器，但无法无中生有。它的真正定位是「超级加速器」，能在海量数据中高速筛选、将几十年的试错压缩到小时级。最终的突破，必然是「人类探索规律—AI重组优化—实践反复验证」的闭环。AI压缩时间，人类定义方向。

　　自进化框架

　　当AI学会「自己换脑子换身体」

　　当AI能自我发现问题、自我改进时，质变就发生了。这就是RSI（自我递归进化）的核心：AI用自己产出的能力，去迭代下一版本的自己。就像一个人不仅会做题，还会总结做题方法，再用这个方法去解更难的题。循环往复，越来越强。

　　值得强调的是，自进化并非科幻式的「AI重训自己」，而是一套工程化的经验沉淀体系。它的基本逻辑清晰且可落地：记忆积累经验，反思提炼规律，技能固化动作，形成「越用越强」的工程飞轮。团队在GitHub上开源的OpenHarness多个插件，正是这一理念的初步工程实现。

　　驾驭这一进程，需要理念的升维。团队将两大核心哲学，「天人智一」与「问行合一」注入自进化框架的设计之中。「天人智一」认为自然界、人类与AI在底层规律上相通，三者可协同进化，这意味着自进化框架不应是封闭的代码系统，而应是与人类认知和环境反馈深度耦合的开放生态。「问行合一」则强调提问与行动不可分割，想到就问，问了就做，做了还问。这直接塑造了自进化框架的运转逻辑：AI在行动中发现问题，在提问中优化自身，形成认知与执行的实时闭环。在这两个理念的驱动下，学会向AI提问，比学会自己解题更重要成为团队构建人机协同的基本信条。

　　在全球框架竞争的格局中，OpenClaw与Anthropic、SpaceX并列为当前全球迭代最快的三个团队。它们的成功哲学在于「把进化最快的那一部分优先做」，带动整个飞轮运转。这也解释了为何团队将战略重心押注在自进化框架上。

　　升维驾驭：人机协同四阶段

　　问题随之而来：当AI进入这种自我进化的轨道后，人类怎么跟上？靠技术细节去「管」它，这条路走不通。沈阳团队提出的方案是「升维驾驭」，并为此构建了人机协同四阶段。

　　第一阶段是提示词工程，核心是如何与AI进行深度对话。当AI的推理能力已经超过教授水平时，严肃的思辨问题应该与AI探讨，生活琐事才与人交流。

　　第二阶段是上下文工程，为AI提供充足的个人或领域上下文信息。沈阳教授举例，输入个人论文和观点约一万字后，AI便能代表本人进行高质量输出，甚至比本人回答得更好。

　　第三阶段是驾驭工程，为AI设定一系列规则，让其按照既定逻辑24小时自动化工作。团队在GitHub上开源的OpenHarness for Codex即为典型代表。

　　第四阶段是破界工程，让AI突破人类认知边界，去解决那些被认为「不可能」的任务。团队已上线相应平台，接受此类任务提交。

　　不可能任务工程提交网站：http://mission.newmin.cn/

　　四种语言：维特根斯坦的启示

　　要完成这四个阶段，需要掌握四种语言的能力框架：文学语言，让表达有人味；检索语言，在海量信息中一击即中；哲学语言，搭建认知顶层；编程语言，把想法变成可执行的逻辑骨架。

　　其中，哲学语言被重点强调。维特根斯坦揭示了「语言的边界就是世界的边界」，这恰恰定义了大模型能力的边界。这一具体指引，使得「哲学语言」不再是一个空泛的概念，而是一条可操作的学习路径。

　　在这套理论指导下，团队已拿到阶段性实验成果。

　　案例一：4小时，从想法到游戏。团队开发的AI游戏开发框架，接到一个需求：「做一个小游戏，叫《会议逃生》」。4小时后，AI完成了设计、编程、测试、部署的全流程。一款可以上手玩的游戏出炉了，人类没有写一行代码。

　　测试链接：http://game1.newmin.cn

　　案例二：记忆进化引擎与安全护栏。团队还在GitHub上开源了多个工程组件：OpenHarness for Codex，一个AI自动化软件开发闭环框架；架构约束检查器，实时检测系统层级依赖和执行权限，防止AI越界操作；记忆进化引擎，让AI Agent持续积累经验，真正做到「越用越强」。

　　这些案例指向同一个事实：AI正从「被使用的工具」变成「能自己干活的主体」。团队由此确立了一条铁律：生成不是力量，检验才有价值。AI可以生成无限多的内容、方案、代码，但真正创造价值的环节是检验。由AI自身检验、由个人检验、由社会检验、由自然界检验。这四层检验者体系，像四道安全护栏，确保AI在自我进化的快车道上不脱轨。

　　五、行业应用：组织溶解与「超级个体」的崛起

　　AI向真实世界的渗透，正在引发组织结构的剧烈地震。但沈阳教授坦言，当前行业应用的落地工作「很脏很累」，市面上真正能100%成功运行的AI企业应用并不多。团队的核心任务之一，就是打通AI从实验室到真实场景的「最后1公里」，完成整合内化。

　　组织溶解与超级个体

　　沈阳团队目前有八位超级个体，每个超级个体的产出量都是常人的数十倍，随着时间的推移、AI能力的成熟、超级个体自身的成长，未来将会出现能力超过常人一千倍的超级个体。

　　团队观察到一种「组织溶解」现象：当「超级个体+ AI」组合足以胜任以往一个团队的职能时，传统科层制组织的沟通、协调、控制功能正在被悄然溶解。以往需要一个团队完成的工作，现在一个组合即可胜任。

　　但这里有一个危险悖论：AI在提升个体生产力的同时，正在瓦解人与人的协作纽带。一个人越来越擅长向AI精准发指令，却可能越来越不习惯和同事开会——因为AI的响应比人快、理解比人准、执行比人稳。这不只是效率的提升，意味着组织存在的基础正在发生动摇。

　　一个数据可以佐证这种变化的烈度：团队内部对「超级个体」的要求，是每日Token消耗量达到1亿以上，而整个团队的日Token总消耗已突破100亿。

　　未来社会将呈现两大结构性变迁：在经济端，90%以上的人口可能脱离谋生式劳动，社会生产交由超级个体主导，未来将采取UBI（基本收入计划）确保普通人丰衣足食；在社交端，人类的社交将收敛为三层，极度浓缩的核心强关系、轻社交以及拟态娱乐社交。

　　在这一趋势下，企业形态将出现两级分化：一种是「一人公司」，个人作为CEO，带领一群AI数字员工；另一种是「零人公司」，个人只作为投资人，企业完全由AI自主运营。

　　四大百倍增长方向

　　在产业化方向上，沈阳教授明确提出了四个增长超过百倍的产业赛道。

　　第一是算力与Token方向。需求在可见未来是无限的，直到AI能全量镜像人体细胞以实现健康监控乃至「长生不老」，才会趋稳。这是最确定的百倍增长赛道。

　　第二是A to A（智能体间交互）经济。经济活动的主体，可能从人类转向智能体之间的交互，龙虾养龙虾、龙虾雇龙虾，龙虾和龙虾做生意，经济规模将是当前碳基经济的百倍以上。（此处龙虾泛指类龙虾的自进化智能体）

　　第三是碳基活动硅基化计价。随着人形机器人等发展，大量未被计价的碳基活动（如家务劳动）将被重新计价并纳入GDP。

　　第四是文化产业新空间。当大部分人从重复劳动中解放，文化创意产业将获得百倍以上的发展空间。

　　AI测算显示，到2048年，人类总GDP将达到一千万亿美金，其中碳基部分相对比例萎缩，硅基部分绝对额呈现爆炸式增长。

　　落地案例：从教育到医疗

　　在实践层面，团队已落地多项可验证的行业成果。

　　Open Edu沉浸式课堂。这是一款在GitHub上开源的沉浸式课堂生成平台。团队一名大三学生使用AI自动编程，用七天七夜时间完成了4万行代码的开发。输入主题后，平台可以自动生成结构化、可视化的互动课程。按照传统开发模式，这种工作量至少需要两年。代码已经上线GitHub。

　　https://openedu.newmin.cn/（请复制此链接到浏览器中访问，借鉴 openmaic 系统的一个演示系统）

　　AI Scientist产品。想象一下，一个原本需要几十人专家团调研数月的全球科技情报，现在交给AI跑上几个小时就能完成。团队北京航空航天大学副教授何静推出的「AI Scientist」产品覆盖科研全流程，口号是「让聊天像科研一样简单」。截至目前，该产品全网曝光量过亿，用户规模超十万，覆盖高校百余所，微信社群人数超两万。该软件可以一句话生成论文综述、一句话生成论文、一句话生成基金本子。

　　参考阅读：用户超十万的「AI科学家」更新，科研AI全面进化

　　龙虾直聘平台。这是一个首创「人岗+AI岗」双轨匹配模式的平台，正在实践「反向零工经济」范式。AI承担零工任务，人类转型为任务的定义者和质量的验收者。

　　ZeeLin Claw多智能体工作平台。该软件基于OpenClaw、有道龙虾和氛围编程，融合了市面上主流智能体框架的优势，目标是实现24小时不间断的自动化工作流。开始服务大型能源集团和金融机构，情报分析效率大幅提升。在平台上，团队打造了世界上第一个华语音乐技能模块，实现风格可控、情感可调的AI音乐创作。

　　医疗应用。团队开发了融合影像、血检、基因组、文本的多模态因果模型栈的癌症诊疗平台，实现了「找医找药找疗法」的辅助决策功能。

　　企业自进化内脑。团队实验表明，AI工程师与传统岗位结合三个月后，小组人员可减少三分之一到一半。已开发自动投标、自动投诉、自动传播、自动产权（专利）等全链条自动化工具。

　　AI短剧是团队的重点推进方向，中国第一部AI短剧：中国神话由该团队和央视合作完成。目前四月份自制AI短剧能力已经达到一百部，其中的瓶颈在与文学剧本大模型和AI框架，这也是沈阳团队核心需要继续突破的方向。

　　AI 互动影视也是刚刚今年可以开始使用 AI 自动化完成的领域。

　　初步使用 AI 自动完成的 Demo：game.newmin.cn

　　正在调试预计五一期间发布。

　　知识范式的颠覆

　　在更深层面，人类知识正经历一场范式颠覆。沈阳教授指出，农业社会没有学科概念，工业社会细分专精，而智能时代正在走向「跨学科、无学科」的螺旋式升维。教育必须彻底倒过来：在用AI解决问题的过程中按需学习旧知识，而非先学再用。

　　未来教育的核心，是训练AI不具备的几项能力：美感与审美判断力、精准提问能力、以及对结果的甄别能力。

　　与此同时，经济学本身也在发生转向。沈阳教授判断，经济学将从传统的「稀缺学」转向「意义学」，价值的核心不再是资源的稀缺性，而是意义强度、情感共鸣和创新独特性。

　　极致内容

　　巅峰美学和极致品味是硬通货

　　当AI让内容生产的边际成本趋近于零时，价值锚点从生产端彻底转向分配端。

　　价值公式与传播力

　　价值= 传播力 × 产品力，且传播力的权重远大于产品力。当所有可数字化的生产要素成本趋近于零，唯一的稀缺资源变成了人类的注意力。AI经济体系的价值锚点已从「制造价值」转向「被看见的价值」。

　　团队判断，人格化传播正在成为唯一的护城河，传播的终极目标是建立认知垄断。当生产端的壁垒被AI推平，分配端的战争才真正开始。

　　视频赛道的天花板预判

　　在视频与短剧赛道，沈阳团队给出了一个保守判断：两年内，2D视频生成的技术天花板就会触顶，画面逼真将不再是壁垒。

　　这个判断对内容产业意味着什么？当Seedance让「拍电影」像「发朋友圈」一样简单时，横店的灯光师、化妆师、布景师该去哪里？电影公司最核心的资产，将不再是昂贵的拍摄设备和庞大的制作团队，而是它的「故事编创部」。画面逼真不再是壁垒，因为壁垒已经被AI推平了。真正绕不开的瓶颈，是剧本、故事和人性逻辑。

　　2026年4月的数据印证了这一趋势：AI短剧的广告流水已达到真人短剧的三分之一。沈阳教授判断，传统短剧行业「快结束了」，AI短剧即将统治江湖。传统短剧某种程度上已经变成了需要保护的对象。

　　AI能拟合一切套路，却写不出真正的痛

　　AI可以拟合一切套路，却写不出真正的深层叙事逻辑和人物弧光——因为它没有真正活过，也没有真正痛过。

　　当画面成为廉价原材料，巅峰美学和极致品味才是唯一的硬通货。

　　通过文图乐剧码的高强度训练来探索AGI的人机共生之路

　　团队用系列成果对这一判断进行了探索性验证。

　　AI文学。2023年10月，团队用AI对话66次创作的短篇小说《机忆之地》匿名参加科幻比赛，荣获二等奖，在当时的文学圈引发广泛讨论。此后，团队上线了「剧幕」小说平台，AI一小时可生成80集带爽点、收费点的完整小说大纲，已签约数十部。一个直观案例是，某程序员用剧幕写小说向网站投稿，编辑以为是真人作品，直接给了千元保底稿费。博士团队更用AI在24小时内直播创作出80万、105万字的长篇小说。

　　AI绘画。沈阳教授本人是红绿色弱者，借助AI累计创作了14万幅作品，形成「跨尺度分形美学」理论，在国内外举办12次画展。以下是清华沈阳教授四月份创作的 AI 绘画作品欣赏。

　　AI音乐与虚拟人。团队一共人工锻炼生成了一万首AI音乐。生成了韩语、泰语、越南语等多语种AI歌曲，推出Huesoul情感化数字人，具备自主决策与连续交互能力。

　　四月三十日被定为赣超联赛主题曲的 AI 词曲。超燃！赣超战歌来了！

　　AI视频与短剧。团队制作了中国首部AI全流程微短剧《中国神话》，累计孵化300余部AI短剧，探索A2H（AI派单给人）和A2A（AI派单给AI）两种新生产模式，推出了中国第一个类似RentaHuman模式的AI短剧滴滴平台：智灵剧幕（Jumu.zeelin.cn）并推出了下一代AI视觉内容生成引擎MetaViz元相(https://metaviz.zeelin.cn),累计曝光超过 30 亿。