【头条】特斯拉今年已经裁员14%；

1.特斯拉今年已经裁员14%；

2.高通孟樸：5G与AI为集成电路产业创新发展带来新机遇；

3.小米副董事长林斌回应减持股票：用于公益捐赠；

4.英伟达退居全球市值第三 短短两天蒸发超2000亿美元；

5.国家发展改革委：欧盟对华电动汽车加征关税损人不利己；

6.OpenAI首席技术官：GPT-5将在一年半后发布，特定任务智能达到“博士”级别；

1.特斯拉今年已经裁员14%；

特斯拉内部记录显示，截至6月17日，该公司全球员工总数为12.1万多名，其中包括临时工。特斯拉去年第四季度的一份文件显示，截至去年12月31日，特斯拉在全球拥有140473名员工，其中包括小时工和受薪员工。这表明该汽车制造商今年迄今为止已经裁员14%以上。特斯拉CEO马斯克今年4月表示，特斯拉将在全球裁员10%以上。

2.高通孟樸：5G与AI为集成电路产业创新发展带来新机遇；

2024年6月22日至23日，由芯谋研究主办的第三届IC Nansha大会在广州南沙举行。本次大会以“新质生产力 南沙芯力量” 为主题，汇聚了来自半导体产业各界的专家学者、国内外企业代表等，共同探讨集成电路产业的发展趋势和未来机遇。

高通公司中国区董事长孟樸应邀出席大会并发表了题为《让智能计算无处不在》的主题演讲。他强调了AI和5G的发展为半导体产业带来了新的市场增量和创新机遇。高通公司将持续推动5G、AI等技术的发展，并与行业伙伴紧密合作，支持生态系统的创新，共同推动半导体产业的繁荣发展。

高通公司中国区董事长孟樸在第三届NANSHA大会上发表主题演讲

以下为演讲实录：

尊敬的各位领导、专家，以及集成电路半导体产业的同仁们，各位来宾，大家上午好。我很高兴再次来到南沙，参加芯谋研究的IC NANSHA大会。每次来到这里，我都能深切感受到南沙在集成电路和半导体产业方面取得的进步，越来越多的厂商在南沙实现了更好的发展。

同时，我也看到芯谋研究的IC NANSHA大会作为一个产业和政府的沟通平台，已经吸引了越来越多的集成电路半导体产业同仁们共同参与交流。因此，今天我非常高兴有机会与大家分享一些观点。作为全球在移动计算和移动连接方面的主要技术公司，高通公司将如何看待集成电路未来的机遇，尤其是随着5G和人工智能的快速发展，我们在这些产业中看到的更为广阔的发展前景。

谈到5G和人工智能，实际上在2021年上海进博会时，高通公司就首次提出了“5G+AI赋能千行百业”的理念。如今，随着大型模型的推出以及人工智能在云端、边缘端和终端侧的广泛应用，再加上5G技术的飞速发展，我们越来越清晰地看到了这些技术背后所蕴含的丰富发展机遇。这些机遇也为我们的集成电路产业带来了许多机会。

高通公司致力于推动移动技术的创新，并坚信移动连接和计算技术始终是我们发展的核心。我们深刻理解5G和AI这两大基础，科技的交互发展和交替的推动，正在引领智能家居、智能网络、汽车和工业等众多行业的技术化转型。高通公司将持续致力于让智能计算无处不在，以领先的AI、高性能、低功耗计算和先进的连接解决方案，加速推动下一代个人电脑、虚拟现实和增强现实，智能汽车等关键领域的创新和发展。

随着AI技术的不断发展和应用场景的不断拓展，对网络连接的需求也在攀升。5G作为连接云端算力和终端应用的关键桥梁，使得整个系统中的计算的处理能力能够以最有效的方式重新分布，从而实现更强大、更便捷、更高效、更优化的AI体验。因此我们一直将5G发展视为主要的技术路线，这将是未来发展的一个重要机遇。

移动通信技术大约每十年更新一代，目前5G技术已经进入了发展的中期阶段，5G Advanced也正在加速落地。在现有5G技术基础上，5G Advanced将支持更多扩展特性，比如面向较低复杂度物联网终端的RedCap、增强的工业物联网等，这将使5G能够应用于更广泛的行业和场景，满足人工智能、万物智联、高端制造、低空经济、海洋经济等多样化需求。随着政策的推动以及运营商、设备商和用户的共同努力，中国的多个城市已经步入了5G-A时代。本月初在5G牌照发放5周年之际，北京、天津、长春、哈尔滨、成都等35个城市和地区联合举行了 “携手开启5G-A新时代” 启动仪式，标志着5G技术演进和应用创新正在全国范围内积极推进。

作为移动通信行业的技术赋能者，高通积极携手行业伙伴，推动5G Advanced技术及应用场景的落地。在上个月于上海举行的F1中国大奖赛前夕，高通携手上海联通完成了5G Advanced高低频协同连片组网，首次实现网络连续覆盖体验突破5Gbps的里程碑；此外，现场还展示了5G Advanced下行万兆、三载波聚合、通感一体等技术演示，这一系列举措，为超高清赛事直播、XR元宇宙、裸眼3D等业务，奠定了坚实的技术基础。

5G Advanced不仅致力于提升现有网络的性能和可靠性，更为下一代移动通信技术——6G奠定了坚实的技术基础。目前，行业正积极开展Release 19标准版本的研究工作，预计将在明年正式启动Release 20的推进工作。这一版本将包含更多与6G演进相关的技术研究，为未来的通信技术发展铺平道路。

6G被广泛认为是一个集成了AI、感知、安全、更可持续的网络和设备等技术的协同创新平台。它将为用户带来前所未有的增强体验和全新的应用场景。通过充分发挥AI、集成传感和新型绿色技术的协同潜力，6G有望推动经济增长，并实现社会的可持续发展目标。预计在2030年及以后，6G将成为推动全球技术飞跃的关键点。

人工智能与5G并行发展的另一项关键技术，对于培育和提升新质生产力具有重要的意义。随着生成式AI技术的快速发展，各类终端设备正逐渐成为其重要的应用载体。高通公司认为在云端边缘云和终端侧协同运行AI有助于实现更加强大、高效和普及的应用，从而推动智能网联边缘的规模化改革。

在终端侧，高通公司打造了专为生成式AI设计的高性能AI处理器——神经网络处理器NPU。同时我们还利用异构处理器组合，如CPU、GPU，以实现最佳的应用性能，能效和电池续航，通过结合NPU和其他处理器，异构计算能够为全新增强的生成式AI体验提供强大的支持。

基于图像语义理解的多模态大模型发展是当下的重要趋势。早在今年2月的MWC巴塞罗那期间，高通就展示了全球首个在Android手机上运行的多模态大模型（LMM）。具体来说，我们在搭载第三代骁龙8的手机上运行了基于图像和文本输入，超过70亿参数的大语言和视觉助理大模型（LLaVa），可基于图像输入生成多轮对话，具有语言理解和视觉理解能力的多模态大模型，能够赋能诸多用例，比如识别和讨论复杂的视觉图案、物体和场景等等。

智能手机是释放AI技术潜力的重要领域。市场研究机构Counterpoint Research预测，从2023年到2027年，生成式AI智能手机的复合增长率将达到83%，到2027年，生成式AI智能手机的年出货量将超过5亿部。凭借强大的AI能力和多项领先特性，在中国已有超过20款搭载顶级骁龙旗舰移动平台的商用终端面市，接下来还将有更多新机陆续发布，为智能手机市场开启基于AI的全新升级周期。

生成式AI也为PC市场注入了全新增长动力，将开创崭新的AI PC时代。为了应对这一趋势，高通发布了骁龙X Elite和骁龙X Plus平台，这两款平台具备高达45 TOPS的算力，为PC带来了迄今为止全球最快的NPU。无论是消费者还是企业用户，都可以全天候利用骁龙X系列平台AI增强的终端侧工具，提升生产力、创造力和协作能力，从而实现强大的生产力、丰富的创造力和无处不在的沉浸式娱乐体验。

高通与微软紧密合作，并携手包括联想、华硕、戴尔、惠普、宏碁以及荣耀在内的PC OEM厂商，和腾讯会议、智谱、有道、爱奇艺、字节跳动等ISV合作伙伴，共同推出了搭载骁龙X系列平台的丰富产品和应用。这些产品充分利用了骁龙X系列平台的强大性能和AI功能，为用户带来了卓越的计算和移动体验。目前，Windows 11 AI PC骁龙产品已经上市，为用户提供了更多的选择和可能性。

技术创新在推动空间计算的发展方面发挥着关键作用。随着物理空间和数字空间的融合日益加速，虚拟现实（VR）、混合现实（MR）和增强现实（AR）技术正逐渐成为下一个计算平台。这些技术为用户提供了沉浸式的体验，使他们能够在虚拟环境中与数字内容进行互动，从而开辟了全新的应用场景和商业模式。

今年2月，我们携手中国移动、中兴通讯和当红齐天，完成了业界首个5G Advanced多并发大空间XR竞技游戏业务试点。这个业务试点利用搭载高通解决方案的终端，在近千平米的大空间内，12路XR业务同时接入时，画面清晰流畅无卡顿，平均空口时延低于10ms，免背包、去线缆，可支持超50路XR用户同时在线，扩展了XR场景化应用空间。

此外，汽车行业正经历着深刻的变革。为了加速实现智能网联汽车的未来，我们打造了骁龙数字底盘，涵盖了汽车连接、座舱、智能驾驶、车对云四大领域，帮助汽车厂商打造全新服务和应用。凭借强大的性能和众多创新，骁龙数字底盘获得了合作伙伴的青睐和消费者的认可。目前，全球超过3.5亿辆汽车采用了这一解决方案；自2021年起，骁龙数字底盘已支持50多个中国汽车品牌，推出了160多款车型。

基于与中国汽车生态系统的长期紧密合作，我们共同致力于开发超越用户期望的智能驾驶、智能座舱和连接功能，将汽车转变为“车轮上的联网计算机”，支持“越来越聪明的车”行驶在“越来越智慧的路”上。5月底，高通连续第二年在中国举办了以汽车为主题的生态大会，我们与众多产业伙伴共同呈现了70多场主题演讲、近40辆展车及试驾活动，以及60多个创新技术和超过185项产品演示。

生成式AI的发展对半导体产业产生了显著的需求推动效应，这不仅将进一步推动芯片算力、存储性能和能效的提升，还将促进半导体在架构和先进封装等环节的创新，从而为半导体产业带来新的市场增量。因此，我们坚信，无论是蓬勃发展的生成式AI还是步入下半程的5G技术，都在开启全新的创新周期，为半导体产业带来前所未有的发展机遇，基于“让智能计算无处不在”的愿景，高通将持续通过领先的产品和技术，支持生态系统创新，助力推动半导体产业发展。在高通，我们始终相信，创新从来不是单靠一家公司的努力，而是需要多家企业齐心协力，共同实现。我也非常期待与各位嘉宾能够深入交流，共促合作，共同开创半导体产业的美好未来。

谢谢大家！

3.小米副董事长林斌回应减持股票：用于公益捐赠；

小米集团联合创始人、副董事长、执行董事林斌22日通过个人微博对近期“减持套现”相关传闻作进一步的说明。林斌表示，其基金会是2019年设立的，按照当初设立的法律规定，基金会的全部资产，只能用于慈善公益和教育科研相关的捐赠项目，不得用于任何个人享受。

2020年林斌把1.2亿股小米股票捐赠到基金会(其中6000万股后来捐给了小米基金会)，全部都只能用于慈善公益。因为该原因，当初承诺5年不再减持，并不包含该基金会的股票。林斌表示，此次减持的金额，除了捐赠母校中山大学的部分，未来还会有更多公益捐赠。

林斌本月连续三个交易日减持引起投资者关注。据披露易网站显示信息计算，林斌共减持1000万股股份，合计套现约1.79亿港元，约合人民币1.665亿元。

4.英伟达退居全球市值第三 短短两天蒸发超2000亿美元；

截至6月21日（周五）收盘，AI芯片龙头英伟达接连遭遇猛烈抛售，短短两天蒸发超2000亿美元，市值略低于微软和苹果。

英伟达作为全球最大市值公司的地位并没有持续太久，周五收跌超3%，报每股126.57元，市值降至约3.1万亿美元，低于苹果的3.2万亿美元和微软的3.3万亿美元。

本周五约有5.5万亿美元选择权到期，规模史上最大，市场预测英伟达“首当其冲”，相关选择权到期价值是所有标的资产中第二大，仅次于标普500。

交易员则认为，周末两天的抛售背后没有任何基本面的原因，但这凸显英伟达惊人行情速度—仅在过去一年就几乎上涨了200%，以及现在很容易受到利多出尽、获利了结的影响。

AJ Bell投资总监Russ Mold表示：“对于英伟达如此巨大的公司来说，这只是股市的常见波动，其市值可能会瞬间蒸发或增加数亿甚至数十亿美元。”

尽管如此，多头仍力挺英伟达，同时华尔街研判这家AI巨头还有进一步上涨的空间。Melius Research的Ben Reitzes领导的分析师周五将英伟达股价目标从125美元上调至160美元，这是他们今年第五度上调英伟达目标价。

Reitzes称：“我们仍然相信英伟达的状况比一些SaaS(软件即服务)领先企业要好，在我们看来，这些领先企业尚未证明人工智能对行业的贡献，相比之下，随着AI开放和垂直优化技术堆叠，利润转移到英伟达，英伟达应该会吸收企业应用软件市占的更大一部分。”

5.国家发展改革委：欧盟对华电动汽车加征关税损人不利己；

国家发展改革委主任郑栅洁22日表示，所谓中国新能源产业“产能过剩”论调违背市场规律和经济常识，欧盟对华电动汽车加征关税损人不利己，中方将采取一切措施维护中国企业的合法权益。他还表示，当前新能源汽车的全球产能还不能满足市场需求，中国的新能源汽车对推动全球绿色低碳转型还可以作出更大贡献。保护主义保护不了竞争力，只会拖累全球应对气候变化、推进绿色低碳转型的进程。期待德方展现在欧盟内的领导力，做正确的事情。

6.OpenAI首席技术官：GPT-5将在一年半后发布，特定任务智能达到“博士”级别；

近日，OpenAI的首席技术官Mira Murati在她的母校达特茅斯工程学院的一次访谈中透露，下一代GPT（GPT-5）有望在“一年半内”问世。这就意味着GPT-5可能要到2025年底或2026年初才会登场。

她还提到，“如果你看一下（GPT）进化的轨迹，像GPT-3这样的系统可能只有幼儿智力水平，而像GPT-4则更像是聪明的高中生智力水平，在接下来的几年里，我们期待在特定任务上达到博士的智力水平。事情正在飞速变化、改善。”

不过，Mira Murati也强调，GPT-5的“博士级”的智能仅适用于某些任务。“这些系统在特定任务中已经达到了人类水平（Human-level），当然它们在许多任务中还达不到。”

此前，科技界也有不少“大佬”发表过类似观点。其中，微软首席技术官Kevin Scott就曾表示，下一代AI系统将具备更好的记忆力、推理能力，并可以通过博士学位考试；阿里巴巴董事长蔡崇信也提到，“我们仅用三四年的时间，就让大语言模型在知识和某些数学计算方面达到了与人类相当的水平，甚至在某些方面达到了博士生的水平。”

然而，鉴于GPT-4o在模型能力上有限的提升，再加上GPT-5一推迟就是一年半，不禁让人猜想业内顶流们在模型研发上是不是遇到了瓶颈。例如，训练更大规模的模型需要更强大的计算资源和更复杂的算法设计，而这些都并非短期内能够轻易解决。

此外，训练大型语言模型需要更多的计算资源、电力消耗以及数据获取和处理的费用。这些成本不仅是经济上的负担，也在实际操作中增加了难度。同时，进一步提升模型能力，需要更大规模、更高质量的数据，而这类数据的获取和处理也是一个巨大挑战。