贝索斯旗下电动汽车初创公司Slate Auto近日完成新一轮6.5亿美元融资,计划在2026年底前将其首款平价皮卡车型正式推向量产。
该公司周一宣布,本轮C轮融资由TWG Global领投。TWG Global由古根海姆合伙人首席执行官、洛杉矶道奇队老板马克·沃尔特与投资人托马斯·塔尔共同执掌。Slate Auto在官方新闻稿中向"富有远见的投资者"表示感谢,但未披露其他参与方的具体信息。
本轮融资完成后,Slate Auto迄今累计融资额已达约14亿美元。据TechCrunch此前报道,其历史投资方包括General Catalyst、杰夫·贝索斯家族办公室、风险投资机构Slauson & Co.,以及前亚马逊高管迭戈·皮亚森蒂尼。
值得关注的是,Slate Auto与亚马逊有着深厚的渊源。除投资方背景外,公司联合创始人之一正是亚马逊前消费者业务首席执行官杰夫·威尔克。负责出行、用户体验与界面设计、电商、车队销售及人力资源等核心业务的团队负责人,均有在亚马逊任职的经历。此外,公司近期任命前亚马逊Marketplace副总裁彼得·法里西担任首席执行官,前任CEO、克莱斯勒老将克里斯·巴曼则转任"整车业务总裁"一职。
Slate Auto此轮C轮融资正值美国电动汽车市场动荡之际。在联邦7500美元电动车税收抵免政策去年取消后,多家主流车企纷纷收缩在美电动车推进计划。特斯拉整体销量已连续两年下滑。Rivian和Lucid Motors等新兴品牌在规模化方面同样面临重重挑战,不过两家公司均计划在今年推出定价更亲民的新款车型。
Slate Auto成立于2022年,其市场定位与大多数车企截然不同——公司专注于极低端市场,主打一款配置精简的纯电皮卡,预计起售价将落在两万美元中段区间。消费者可按需付费进行个性化定制,例如以约5000美元加购SUV改装套件。
公司最初计划将售价定在27000美元左右,2025年公开亮相后一度打出"叠加联邦税收抵免后低于20000美元"的起售价宣传语。据公司透露,最终定价将于今年6月正式公布。
即便失去联邦税收抵免的加持,Slate Auto依然引发了相当程度的市场关注。目前,该款电动车的可退款预订量已突破16万辆。公司表示,任命法里西出任新任CEO,部分原因正是为了推动预订转化为实际付款订单。与此同时,Slate Auto也正斥资数亿美元翻新印第安纳州一处旧印刷工厂,作为未来的电动车生产基地。
Q&A
Q1:Slate Auto的电动皮卡预计售价是多少?
A:Slate Auto的电动皮卡预计起售价在两万美元中段区间。公司最初计划定价约27000美元,曾在叠加联邦税收抵免后宣传"低于20000美元"的起售价,但随着该税收优惠政策取消,最终定价将于2026年6月正式公布。消费者还可花费约5000美元额外购买SUV改装套件进行个性化定制。
Q2:Slate Auto目前的融资总额是多少,主要投资方有哪些?
A:Slate Auto迄今累计融资约14亿美元。本轮C轮融资由TWG Global领投,融资额为6.5亿美元。此前的投资方包括General Catalyst、杰夫·贝索斯家族办公室、风险投资机构Slauson & Co.以及前亚马逊高管迭戈·皮亚森蒂尼。
Q3:Slate Auto电动皮卡目前的预订情况如何?
A:截至目前,Slate Auto的电动皮卡可退款预订量已突破16万辆,市场关注度较高。公司近期任命前亚马逊Marketplace副总裁彼得·法里西担任新任CEO,重要任务之一便是推动现有预订订单向实际付款转化,并计划在2026年底前实现量产。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。