小米今年回购58次耗资超81亿港元 公司价值被严重低估
市场再次见证了关键信号。5月19日，小米集团宣布新一轮股票回购计划，这一举措本身传递出清晰信息：在公司核心管理层看来，当前股价尚未充分体现小米集团的长期投资价值与增长潜力。
根据港交所披露的公开信息，就在前一日（5月18日），小米集团动用近1亿港元资金，回购了326.52万股公司股份。此次回购并非孤立事件。回顾历史数据可以发现，这已是小米集团自上市以来第58次执行股份回购操作，显示出其资本策略的一贯性与持续性。
将观察周期拉长，更能看出公司对自身价值的坚定信心。统计数据显示，截至目前，小米累计回购股份数量已达2.41亿股，总投入资金规模超过81亿港元。以此计算，其平均回购成本约为每股33.66港元。而在最新公告发布前，小米股价收报30.66港元。这一价差表明，公司正在以高于二级市场交易价格的水平持续进行价值投资，向市场传递出明确的估值修复预期。
如此大规模且持续的回购行动，使小米在港股回购排行榜上占据显著位置。其累计回购总金额已位列港股市场第二位，仅次于累计回购超百亿港元的腾讯控股，充分展现了公司强大的现金流实力与财务稳健性。
值得关注的是，信心信号不仅来自公司层面。企业创始人与核心管理层的个人行动往往更具参考意义。小米创始人雷军此前曾多次使用个人资金增持公司股票，涉及金额达数亿元。这种将个人资产与公司长远发展深度绑定的行为，比任何公开声明都更能体现领导层对公司未来的坚定看好，也向所有投资者传递出“利益共担、风险共担”的强烈信念。
这份信心的底层支撑，源于小米正在深入推进的战略转型与生态布局。随着小米SU7智能电动汽车等创新产品的成功推出，小米的商业叙事逻辑正在发生根本性演变。公司已不再局限于智能手机制造商的身份，而是致力于构建一个深度融合“人车家全生态”的智能科技体系。传统的消费电子估值框架已难以完全涵盖其成长空间。小米正朝着更广阔的万亿市值目标迈进，而持续进行的股份回购，正是管理层在这一战略进程中，用真金白银书写的价值宣言。
相关攻略
小米AI智能体应用“小米龙虾”（Xiaomi miclaw）正在加速其多平台布局。近日，小米官方宣布，该应用正式推出PC版、Mac版以及有屏音箱版本，并已面向这三个新平台启动小范围封闭测试。 Xiaomi miclaw基于小米自研的MiMo大模型打造，是国内首个登陆手机端的AI智能体应用。其发展历程
小米汽车近日正式为旗下热门车型YU7推出了全新配色方案——“火山灰”。官方于5月17日发布了该配色的视觉形象图，并宣布这款新配色将于5月底随整车同步上市，为消费者提供更多个性化选择。 这款“火山灰”车漆的设计灵感颇具巧思，源自晨雾弥漫时的火山地貌景观。它并非普通的灰色，而是采用了高纯度灰色作为基底，
小米YU7青春版实车亮相，搭载73千瓦时磷酸铁锂电池，提供633公里和643公里两种CLTC续航。新车设计延续系列风格，尺寸与现款一致，配备专用轮胎与空气动力学细节。采用单电机后驱，功率235千瓦，整车减重115公斤以优化能耗与操控。计划与YU7GT于2026年5月上市，目标将起售价拉至25万元以内。
近期汽车市场的关注热点，无疑聚焦于小米YU7 GT。这款全新轿跑车型起售价为23 35万元，预订服务现已全面启动，市场热度持续走高。 此前亮相的车厘子红配色，凭借其鲜明亮丽的视觉表现，已收获大量用户青睐。而在热度未减之际，官方再度发布了全新的火山灰配色，进一步提升了消费者的期待值，充分展现出产品在色
5月16日，小米YU7 GT实车已全面进驻全国多家授权门店，静待品鉴。官方将其精准定位为“专为长途出行优化的跑车级SUV”，从设计语言到核心性能，无不彰显其强化运动基因的决心。新车搭载高性能双电机四驱系统，并计划于本月下旬正式上市发售。 外观方面，新车延续了YU7家族的设计脉络，但整体姿态更为激进。
热门专题
热门推荐
在流量日益分散的今天，把鸡蛋放在同一个篮子里，风险不言而喻。多平台推广，早已不是“要不要做”的选择题，而是“如何做好”的生存题。它的核心价值，可以概括为两点：实现“流量风险对冲”，以及构建“品牌触点全覆盖”。通过在不同生态位——无论是搜索、短视频、图文还是电商——建立内容矩阵，企业不仅能有效缓冲单一
DeepSeek知识库的核心，是运用RAG（检索增强生成）技术，将DeepSeek强大的大语言模型推理能力，与您的私有文档资源——包括PDF文件、内部代码库、标准操作流程（SOP）等——深度融合。其最终目标是实现基于特定垂直领域数据的精准智能问答，让AI的回答不再是通用泛化，而是具备专业依据、内容详
三大运营商推出Token套餐，将大模型调用量包装为类似流量包的产品，以降低AI使用门槛。中国电信推出个人与企业多档套餐，最低月费9 9元；上海移动推出1元购40万Tokens服务；联通则提供个人与团队版套餐。运营商凭借用户渠道和支付优势，推动算力消费向大众市场普及，可能重塑AI服务消费模式。
HermesAgent本地运行缓慢常因未量化的大语言模型占用资源过多。可通过AWQ量化模型、llama cpp后端加载GGUF模型、配置vLLM引擎提升并发吞吐、禁用非必要工具降低上下文开销，以及调整SQLite记忆检索阈值等方案优化。这些方法能显著降低延迟，提升响应速度。
随着AI智能体能力的持续增强，确保其行为始终符合预设目标与安全边界，已成为行业亟待解决的核心挑战。然而，当前主流的治理方案在防止智能体“失控”或“脱轨”方面，仍面临显著的实践瓶颈。 在之前的探讨中，我们分析了主流治理思路：部署多样化的对抗性验证器，构建一个多层次的安全审查网络。该方案的核心逻辑并非限