智谱正式发布 GLM-5.3，拥有更强编程能力

8 月 14 日，据介绍，与 GLM-5.2 相比，GLM-5.3 基座模型未变，但通过极致的后训练 Scaling 大大提高了模型的智能上界。

GLM-5.3 拥有更强的编程能力，在内部自建体感评测中较 GLM-5.2 提升 50%，在包括 TerminalBench3.0、Agents'LastExam(CLI)在内的公开基准测试中取得开源第一。

智谱还表示，将在发布两周后开放模型权重。

（来源：广角观察）

知情人士称苹果在阿里巴巴支持下为中国市场训练专属 AI 模型

据三位知情人士透露，苹果公司已经专门为中国市场训练了一个大型语言模型。

这一举措标志着这家 iPhone 制造商在华 AI 策略的重大转变，此前该公司曾计划主要依赖第三方模型来驱动其在当地的人工智能功能。据悉，该 AI 模型是苹果与阿里巴巴集团合作开发，并在这家中国科技巨头的支持下完成训练的。由于信息敏感且尚未公开，知情人士拒绝透露姓名。（来源：今日头条）

英伟达宣布 CPO 交换机全面量产

8 月 14 日，英伟达宣布 Spectrum-X Ethernet Photonics 已进入全面量产阶段，为面向 AI 工厂的下一代大规模扩展网络基础设施提供支持。

英伟达表示，Spectrum-X Ethernet Photonics 专为吉瓦级 AI 工厂网络需求设计，实现激光器数量减少 4 倍、功耗降低 5 倍、平均故障间隔时间（MTBI）提升 10 倍。该产品由台积电、矽品、Lumentum、天孚通信、鸿海等供应链伙伴参与制造、封装及组装。（来源：界面新闻）

SpaceX 完成收购 Cursor

8 月 14 日，SpaceX 提交监管文件称，公司与代码编辑工具 Cursor 的合并交易已完成。根据交易安排，Cursor 股东获得合计约 3.89 亿股 SpaceX A 类普通股，对应 Cursor 隐含股权价值 600 亿美元。

此外，Cursor 已归属限制性股票单位转换为约 175 万股 SpaceX A 类普通股，未归属限制性股票单位和股票期权则分别转换为约 2913 万份限制性股票单位和 4437 万份股票期权。此次交易以发行 SpaceX A 类普通股作为主要对价，未涉及公开发行。（来源：广角观察）

月之暗面严正声明：警惕可疑交易，已向公安机关反映涉嫌违法犯罪的行为、

8 月 14 日消息，今天（14 日）晚间，月之暗面 Kimi 公众号发布严正声明，提醒「警惕可疑交易」。

声明获悉，针对市场上冒用月之暗面名义虚假融资、涉嫌违法犯罪的行为，公司已向公安机关反映。

现严正声明：

不存在所谓「朋友基金」或「特殊通道」。

不存在所谓「老股额度」或「预留额度」。

不存在所谓「官方代理」或「授权中介」。（来源：IT 之家）

阿里开源 Qwen3.8，千问大模型全球下载超 30 亿次

8 月 14 日晚，阿里千问正式开源 Qwen3.8 系列模型，采用宽松的 Apache2.0 协议开源，所有开发者、科研机构和企业均可自由下载、部署和使用。

全新开源的 Qwen3.8-27B，系原生多模态稠密（Dense）模型，仅 270 亿参数规模，整体水平便超越了 Qwen3.7-Plus，在编程及办公的真实场景中表现出色。新模型响应速度快，量化后在「消费级」显卡上即可流畅运行。

此前，旗舰模型 Qwen3.8-Max 也已开源模型权重。公开数据显示，阿里已累计向全球 AI 社区开源 460 余个模型，Qwen 模型在全球下载总量超 30 亿次，衍生模型数超 30 万个。（来源：广角观察）

华强北 AI 眼镜销量暴涨 100%

今年前 7 个月，华强北 AI 产品全品类销售额同比增长 55%以上，其中 AI 眼镜销量激增 100%，无人机、机器人销量增长 60%至 70%。翻译耳机、3D 打印设备、智能穿戴等高新科技产品，成为吸引海内外游客的闪亮名片。

目前，华强北跑出了「上午设计、下午打样、次日量产、一周出海」的科创速度。最新数据显示，华强北电子产品出口覆盖全球 190 多个国家和地区，全年发出的超 10 亿件快递中，四成发往海外。（来源：央视财经）

阿维塔雍军回应争议：华为「非必要项」系误读

阿维塔科技副总裁雍军公开回应近期争议，他表示：阿维塔跟华为有着深度合作，原意是并不希望华为单独为阿维塔定制一个版本，而是做全行业共享的平台技术。

阿维塔 07L 采用联创模式打造，车辆 B 柱上拥有联创标志，同时，引望团队与阿维塔协同作战，该车型上应用了诸多华为技术。此外，在顶层战略上，中国长安集团与华为于深圳已签署全域战略合作框架协议，未来，阿维塔与华为还会有更加深度的合作。（来源：证券时报）

库克谈自身历史地位：希望外界记得他是善良、正直的人

8 月 14 日消息，苹果首席执行官蒂姆 · 库克今日接受外媒 CBS 采访。他在受访期间表示，自己的历史地位将交由他人评判。

据 IT 之家此前报道，约翰 · 特努斯将于 9 月 1 日起担任苹果下一任首席执行官，库克的 CEO 任期还有不到一个月就要结束。库克的职业生涯和在任 CEO 期间带来的影响，将在未来数十年内持续受到人们评价。

库克接受采访时表示，他不想亲自定义自己的历史地位。他认为，自己的功绩将由他人评判，但他希望人们记住他是一个「善良、正直的人」。

库克卸任苹果 CEO 职位后将继续留在苹果，担任董事会执行董事长。虽然他 9 月 1 日以后不会再出现在发布会的核心位置，但未来一段时间内，库克很可能会出席部分媒体活动。（来源：IT 之家）

Omdia：苹果 iPhone 用户在微短剧上的消费比安卓用户高出 40%

8 月 14 日消息，Omdia 今日发布的最新研究显示，iPhone 用户在微短剧应用上的消费比安卓用户高出约 40%，这一发现颠覆了外界对这一快速增长的娱乐形态用户消费习惯和付费意愿的普遍认知。

尽管微短剧常被认为主要吸引低收入或小众受众，但 Omdia 的最新消费者研究表明，实际情况要复杂得多。在多个主要市场中，iPhone 用户为微短剧内容付费的意愿明显高于安卓用户，凸显了这些受众群体强大的商业潜力。

在美国，微短剧在两大移动生态系统中均已广泛普及。过去三个月内，约 9% 的 iPhone 用户和 10% 的安卓用户至少使用过一款微短剧应用。付费率也极为接近，69% 的 iPhone 用户和 68% 的安卓用户表示他们通过订阅、单次购买或应用内货币为内容付费。（来源：IT 之家）

谷歌 Chrome 浏览器新功能曝光：Gemini 帮你修改弱密码和重复密码

8 月 14 日消息，据科技媒体 SammyGuru 今天报道，谷歌 Chrome Canary 浏览器正在测试 AI 修改密码功能，让 Gemini 帮用户修改弱密码或重复使用的密码。

据报道，Chrome 以往发现密码泄露等情况发生时只会提醒用户，并将用户引导至对应网站修改密码。而全新的 AI 功能则是可以使用 Gemini，代替用户完成修改密码流程。

该功能目前需要通过 Chrome://flag 启用。功能打开后，Chrome 会将原本的外部「修改密码」（注：Change password）按钮替换为更加醒目的「帮我修改」（Change it for me）按钮，并加入 Gemini 标识。

从目前的情况来看，谷歌正在测试这项功能，正式版 Chrome 有望在几个月后实装。（来源：IT 之家）

奇瑞 iCAR V25 首发亮相：方盒子造型 + 1.5T 增程器，预计今年 Q4 上市

8 月 14 日消息，奇瑞旗下 iCAR 品牌全新车型 V25 今日在成都首发亮相。新车定位「科技时尚轻旗舰 SUV」，是 iCAR V 系列继 V23 之后的第三款产品，采用增程式动力系统，预计今年第四季度正式上市。（来源：IT 之家）

微信：朋友圈现在、过去、未来都不会有二次编辑功能

8 月 14 日消息，今日，微信官方账号「微信派」发布了一篇题为《为什么朋友圈没有编辑功能？》的文章，在文章中，官方明确表示，朋友圈现在、过去、未来都不会有二次编辑功能。

关于「朋友圈编辑」的讨论，赞成与反对的声音从未停歇。支持者认为，修改错别字、替换配图是再正常不过的需求；反对者则担心，编辑功能会破坏朋友圈的真实性。

微信官方表示，朋友圈的英文是「 Moments 」，当下那一瞬间。一条朋友圈发出去，就进入了更多人的时间线。哪怕能修改内容，那也只是自欺欺人。因为你没法钻进别人脑子里，改动别人「看过刷过」的记忆。更重要的是，正是因为「不可更改」，这种记录才具备绝对真实性。

对于发错了分组、有错别字等问题，官方也给出了解决办法：

一是发错分组。 如果是不小心选错了可见范围，无需删除重发，直接点击已发布朋友圈右上角的「···」，即可重新调整分组的可见权限。

二是内容有误。 如果刚发出就发现错别字或配图错误，可在删除该条朋友圈后，点击弹出的「重新编辑」按钮，原文案和配图都会保留，修改后即可快速重发。

微信公关总监「粥姨」此前在播客中也曾表达过类似观点：「朋友圈是记录一个人的历史，一个人的人生是没有办法回去修改的，所以也不好让人轻易去篡改自己的编年史。」（来源： TechWeb.com.cn）

几个全景品类的老用户告诉我：全景相机很容易「吃灰」。他们当年冲着拍出酷炫的运动视频下单，到手之后发现不是没有相机，而是没那么多时间去滑雪、潜水、登山……机器用了几次就放抽屉里了。

不过，更多最近一年入手全景相机的朋友，给出了完全不同的答案。他们的使用场景不再局限在户外运动，亲子、旅行、自驾游是他们更主流的使用场景。

从整体影像市场来看，相比起今年爆火的云台相机，全景相机的增速自然更慢。核心原因是两个品类的目标和任务复杂度不同：

前者最核心的任务之一是「拍好人像」，实现这个目标的方式相对明确和收敛；而后者则希望接管用户从按下录制到拿到成片的整个链条，做到「无感记录」。这件事的天花板更高，进度条自然也就走得更慢。

过去几周时间里，我提前上手了 Insta360 全新一代全景相机 X6，借此机会更新了对全景这个品类在产品、技术端的认知和了解。

全景最大的问题，已经不是「拍」了

画质差，是大部分人过去 10 年里全景相机最大的刻板印象和负面标签。同样是 8K，全景相机因为采集的信息更多，单位面积分到的像素比传统设备少，分辨率也就更低。

硬件迭代是提升画质的一个主要方法。在 X6 上，影石装上了更适配全景的 1/1.1 英寸方形传感器。可以说，画质问题已经得到了阶段性解决，不再是劝退用户的核心「槽点」。

但是从「无感拍摄」到「无感出片」，全景的后期剪辑仍然是困扰用户的最后一公里痛点。

在过去很多年，影石一直希望降低这个流程的操作门槛，在软件端打造了一套「智能剪辑」产品体验。但如果你真的用过全景相机，你会发现之前的体验距离「无感」仍然有不小距离。

最大的 bug 就是过程中仍然需要多次、重复、细碎的「人工接管」。拍完之后，需要先把素材从相机导入手机 App，然后从拍到的多段片段里进行挑选，最后调用手机或云端的算力得到成片。

但很多时候，我的真实使用场景里没有那么多时间进行这些操作。举个例子，用全景相机拍完一天徒步或滑雪，返程要开几十公里的车，到家之后第二天还要上班……长此以往，存在相机或 SD 卡里的素材就像桌面上堆的还没开封的书那样——买了就算看了，拍了就当剪了——越来越多，越来越不想剪。

全新发布的 Insta360 X6 全景相机 | 图片来源：影石Insta360

这次 X6 上最让我满意的新功能「AI 导演」，就是在解决这个问题。它的逻辑很简单：不用手动上传和挑选素材，不用联网操作，相机在每晚会自动分析前一天（自然日）的素材，自动完成剪辑，然后自动推送到手机上。一切工作都运行在本地端侧，用户一觉睡醒就可以得到一条前一天的 vlog 成片。

整个过程不需要连手机、选素材，唯一要做的就是确保全景相机插上电源线。然后，「智能剪辑」的体验就可以从一问一答的 chatbot，升级成自己干活的 agent，跟插上电源后在 Mac Mini 上养龙虾差不多。

当然，除了「AI 导演」这个端侧L4级别体验之外，用户也可以使用过往在手机App端就有的「一键成片」功能，或者选择调用云端模型的「云时刻 Pro」模式。

但这里还有一个问题：全景视频里信息量爆炸，怎么让「AI 导演」知道重点是什么呢？

在这个问题上，影石这次给 X6 配了一个很有意思的小配件：头追模块。这个模块一开始是搭配云台相机 Luna 系列推出的，核心逻辑就是「头往哪里动，镜头往哪跟」。作为一台全景相机，X6 没有物理云台，用户的转头和停留，就变成了给「AI 导演」的「注意力 input」。

同样一套配件，从物理世界的「遥控器」，变成了模型世界的「prompt」。既能管采集，也能管意图。

Insta360 X6 搭载的头追配件 | 图源：影石Insta360

在内容生产结束后的消费环节，全景视频过去有一个天然的体验局限：你可以在原地转头看四周，改变观看的角度，但你没法在场景里走动——也就是可以改变「视角」，但没有办法移动「视点」。

随 X6 一同发布的，还有 App 里一个叫「3D 时光舱」的功能。简单来说，这个功能是通过 3D 高斯泼溅技术，完成对被拍摄场景的一次「重建」。在这个生成的场景里，用户可以自由移动，更沉浸地从不同位置重回拍摄现场。

我记得以前经常看到学生党用全景相机的「子弹时间」功能记录毕业瞬间，有了场景重建，以后被留下的就不止是同学们，也可以是那间和大家有着共同回忆的教室、宿舍、操场。

需要指出的是，现阶段的 3D 高斯泼溅技术主要还是针对静态的空间，所以这个功能目前还属于早期尝鲜阶段，大概率不会像「AI 导演」那样被高频使用。

但整体思路依然很明显：在 X6 上，影石很明确地把产品体验的迭代重心，压在了按下快门之后的整个智能化工作链条里。

通过 3DGS 技术进行场景重建 | 图源：影石Insta360

让全景学会审美

从全景拍摄实现「解放取景」，到智能剪辑做到「任务闭环」，全景相机始终在努力跨越从能用到好用的鸿沟。下一步的重点，是给智能加上审美。

在实际操作上，「提升审美」这个目标，可以拆解成两个维度分别进行。

首先，需要理解不同场景下，不同的基础标准。

和拍好人像相比，全景影像面对的场景更多也更复杂。一条滑雪视频和一条亲子记录，节奏、单个镜头停留的时长、留白、高光瞬间的取舍，标准完全不同，没法靠一套通用规则打天下，只能一类场景一类场景地训。

据极客公园了解，影石目前在 30+种场景类型里，进行了 10000+小时的训练，用已有素材给每一类场景单独搭建了一套审美标准。

接着，在每个具体的细分场景里，尝试了解不同用户各自的审美偏好。

在影石看来，每个用户喜好的成片风格，和他们的抖音、小红书首页一样，都是各不重复的。所以，影石在数据预训练的基础上，也尝试从用户行为中反推用户的喜好。例如面对不同版本的成片，用户改了什么、最后导出了哪一条，都可能成为学习的素材，使得用户未来拿到更符合自己审美标准的成片。

影石自研 PanoMind AI 多模态模型 | 图源：影石Insta360

模型要更聪明，芯片就得更能扛。现阶段，X6 里已经塞进了 3 颗芯片，包括一颗旗舰手机同款的 4nm SoC 和两颗专用影像芯片。但即便如此，面对球面拼接、高像素吞吐、端侧推理这些同时压过来的运算需求，也只能做到「即拍即得」，无法做到「边拍边剪」。

画质的限制也同样来源于硬件——全景技术本身和高清画质是不冲突的，现阶段的矛盾在于，体积、功耗和散热面积都是固定的，只能在其中做取舍。

在固定的物理空间里，想要榨出更多算力和更高像素，只能靠更先进制程的芯片和更高密度的传感器——这两条路都没有现成的供应链可以借，只能自己往下趟。

全景的第二个 10 年

过去 10 年，全景行业的发展经历了两次产业「溢出」的红利。

第一次来自智能手机带来的器件小型化浪潮，传感器、电池、SoC 变得更小更便宜，为影石这样的年轻创业团队把全景相机做成消费级硬件产品提供了产业基础。

第二次是以图像识别为核心的第一波 AI 浪潮里的人才溢出。如今智能剪辑相关的能力，很大程度上是从 AI 1.0 时代积累的算法、人才和工程经验逐渐迭代而来的。

但随着芯片、传感器等硬件逐渐「撞墙」，全景行业的第二个 10 年，能借的势越来越少，要自己造的浪必然越来越多。

在一个还在定义自身终点的品类里继续拓荒，也许是一项既无聊又有趣的工作。

「无聊」的一面，是竞争越来越同质化，差距越来越难拉开。一台量产的机器经过拆解和使用，硬件方案可以很快拉齐，软件思路也可以快速跟进——不止影像行业如此，连 AI 模型的「御三家」也面临同样的处境。

但「有趣」的一面在于，当你把视线从单代产品的规格竞争挪开，去看这个品类在每一个阶段做出的判断和押注，例如提前把重心从拍摄转到后期，或者把用户的注意力引入为一种新的信号……这些方向上的判断，才是真正能拉开距离的地方。

相较第一个 10 年，影石对全景相机的定位进行了大幅调整。十年前，全景相机的首要卖点，是拍出其他设备无法呈现的「酷」；十年后，它希望将「无感记录」带入到更多场景，交付更优质的成片。

可以说，影石这家靠全景相机起步，今天依旧以「卖相机」作为核心业务的公司，正在努力让用户「忘掉相机」、也忘掉传统剪辑流程的存在。

重心正在从镜头挪到镜头背后的算法和模型上。计算能力每前进一步，相机就会变得更「透明」。

编辑｜靖宇

8 月，乌兰察布。

近 30 位来自核心车企和方案商的智驾关键力量，被请进了阿里巴巴数据中心。

这里承载着中国智能驾驶研发 60% 的算力。数据中心昼夜不停，像一颗强健搏动的心脏；而道路上智能驾驶的车辆每一次从容的转弯、精准的刹停、安稳的跟车，背后都可能是这里彻夜的计算。几乎所有参会者正在训练的模型，就跑在脚下这片机房里。

把论坛开在数据中心所在地，本身就是一个信号： 智驾的竞争，已经从算法下沉到工程。

阿里云智能集团资深副总裁、公共云事业部总裁刘伟光的开场白很简短—— 模型、芯片、云，这三样东西过去由三类供应商分别提供 ，在三种不同的会上讨论。 这一次，它们被放在同一张桌上，由同一批决策者一起追问。

没有人再争论车企要不要上云，问题变成了：当智驾进入大模型时代，中国车企需要什么样的基础设施？谁能把芯片、云、模型三层都做通，而不是只卖其中一层？

阿里云给出的答案，是一条产线——从数据到模型再到算力，完整打通。

阿里巴巴在乌兰察布的数据中心之一｜图片来源：阿里云

01

问题在下沉

如今，智驾的路线正在分化。

端到端已成共识，但再往上，有人押注 VLA，有人赌世界模型，也有公司选择继续深耕端到端本身。

但不管是哪条路，范式一旦切换到「训模型」，瓶颈就变成了三件事的困境—— 数据供得上吗？模型底子够好吗？算力扛得住吗？任何一项是短板，另两项的投入都会被浪费。

过去一年，行业里出现了一个怪现象。

各家车企和方案商都在抢卡，但买了卡之后，很多人发现模型迭代速度并没有明显提升。

不少车企有过类似的经历： 集群建起来了，算法团队反而更焦虑 ——数据清洗和标注的周期仍以周计，多模态数据从车端回流到进入训练，中间要经过大量人工和半自动化工序，可用的训练样本迟迟供不上来。

算力卡只是入场券，而数据产线才是瓶颈。

在这轮技术切换里，特斯拉始终是被反复研究的样本。它的数据飞轮不是秘密，行业里人人都在谈，但很多人只看到了模型架构的切换，没看到背后的工程化。

对此，阿里云智能集团副总裁、计算平台事业部负责人汪军华的判断很直接：特斯拉的真正壁垒，不仅是算法，更是其极度高效的数据到模型产线闭环能力； 而数据到模型产线的闭环效率，往往是模型迭代速度中最短的那块木板。

车企和智驾公司关键力量齐聚智驾论坛｜图片来源：阿里云

阿里云的解法是重构整条产线——简单来说， 阿里云提供的不是一个标注工具或一个存储方案，而是从多模态数据接入、自动化清洗、向量化、大模型自动标注，到基于历史训练分布的混合样本检索的全链路支持。 通过分布式计算引擎与千万级任务调度，数据包处理效率相比传统自建方案提升一个数量级。

按照汪军华的说法，阿里云日处理能力达到百万级 clips，支撑模型以天为单位迭代。

这个数字背后是一个工程现实。过去，车企的数据团队要先把车端回流的原始数据拷到本地服务器，再分批上传到云，然后进行格式转换、去重、清洗，最后交给标注团队，每一个环节都是断点。阿里云的产线把这些断点接了起来：数据从车端回流后，不再需要人工搬运，而是顺着管道一路走下去，自动完成转换、清洗和标注，最后直接拿去训练。

会场上，有人抛出一个尖锐的问题：过去积累的数据，到底还算不算护城河？一个没有历史包袱、从零直接做 VLA 的新玩家，有没有可能弯道超车？

这个问题没有得到一致的答案。VLA 对数据的要求，与上一代端到端不尽相同，历史数据的价值确实需要重新评估；但自动驾驶的长尾问题，又离不开海量真实场景的持续积累。

阿里云的回应给出了另一个视角： 真正的护城河，可能不是硬盘里存了多少数据，而是那条能把海量、杂乱的非结构化数据，持续炼成高质量训练样本的数据闭环产线。 数据会随着技术路线切换而贬值，产线不会——路线换了，产线还在高速运转。这恰恰是从零起步的新玩家最缺的东西：数据可以补采，产线的工程能力和迭代节奏，却需要时间一米一米地修出来。

争论难有结论，但共识是清晰的—— 只解决数据层是不够的。当智驾进入大模型时代，车企缺的不是更多的卡，也不是一个更聪明的模型，而是一条从数据、到模型、到算力被完整打通的产线。

02

芯、云、模一体

芯片对应算力，云对应数据产线，模型对应基座与世界模型——所谓芯云模一体，就是把三层串成一条产线。

这要从产线的上下游关系理解。数据产线把 clips 准备好，模型训练才能启动；模型一旦进入训练，算力层必须跟得上。三者是上下游关系，缺了哪一环，另外两环的投入都会打折。

模型层是阿里云区别于任何一家纯算力或纯芯片供应商的地方。刘伟光在论坛上表示： 「千问模型，正在成为智驾 VLA 的一种基座选择；万相，可以作为世界模型的生成引擎，去出题、去评价。让中国的大模型，真正开进现实世界。」

这两句话，对应车企在模型层最现实的两个问题：基座从哪里来，考题由谁来出。

先看基座。VLA 模型需要理解物理世界的因果——前车为什么刹车、行人会不会突然横穿，也需要大量常识——识别临时路牌、判断潮汐车道、给救护车让行。这些能力并非来自驾驶数据本身，而是语言大模型经过海量数据训练才具备的。

对车企而言，从零自研基座意味着重复这笔投入，更可行的路径是在云上对大参数量基座模型做后训练，再蒸馏成小模型，以适配不同的车端算力平台。千问成为「一种基座选择」，指向的正是这一需求。

再看考题。模型学会了开车，不等于经得起所有路况。训练必须覆盖那些现实中很少遇到、却决定安全上限的场景——极端天气、罕见路况、突发状况。靠路测去等这些场景出现，成本和周期都不可接受；世界模型的价值，是把它们生成出来，给模型出考卷，再给答卷打分。万相承担的正是这个角色。

这条路径，就是刘伟光概括的方向——「从模仿，到强化；从会开车，到懂世界」。

这已经不是概念阶段了。小鹏汽车自动驾驶产品高级总监、Robotaxi 事业部负责人袁婷婷在会上提到，小鹏的第二代 VLA 让视觉原始数据更快进入模型、直接产生动作，带来断代式的安全与体验提升。

小鹏与阿里云的合作也不止于一层：四年前，双方共建乌兰察布智算中心「扶摇」，那是当时中国规模最大的自动驾驶专用智算中心；如今，小鹏也开始用阿里云的国产芯片做训练。

注：2022 年 8 月，小鹏汽车与阿里云合作，在乌兰察布建成中国最大的自动驾驶智算中心「扶摇」。

基座与考题就位之后，压力顺产线传导到算力层。

第一个问题，是卡怎么管。头部车企与智驾公司都在推进多元算力战略，国产芯片占比显著提升，但不同国产芯片的软件栈、算子库差异较大，迁移适配成本很高。

阿里云用人工智能平台 PAI 统一调度训练卡和推理卡，不管是何种芯片，都纳进同一个资源池，深度适配主流的国产 AI 芯片；通过统一的软件栈和编译优化技术屏蔽底层异构差异，平台可支持万卡可扩展的国产资源集群，有效算力利用率稳定在 97%以上，工程上对齐前沿卡的使用体验，包括镜像组件、工具链、部署、调优等细节。同时，基于人工智能平台 PAI 构建的端到端世界模型训练平台，覆盖大规模驾驶场景数据的模型训练、仿真验证与迭代优化。

面对台下的算力采购决策者，阿里云智能集团加速计算产品和技术负责人王超把问题挑明了。他说，今天到场的人心里其实只有三个问题： 「算力稳不稳、值不值和够不够。」 这三问的答案不在调度层，在卡本身。

当模型越来越大，数据吞吐越来越高，芯片层就成了这条产线的最后一道闸门。

平头哥半导体副总裁高慧在演讲中说，市面上「超节点」众多，但很多标榜超节点的产品本质上仍是基于以太网等传统网络协议的服务器堆叠。真正的判据只有一个：是否实现了支持同步内存语义的统一编址。只有做到这一点，节点内的算力才能真正跳出通信瓶颈，作为一个完整的巨型 GPU 被统一调度，从而让总有效算力最大极限地逼近单卡的线性叠加。

在这个标准下，平头哥做出了国内首个 64 卡单层、全对称超节点架构：卡间带宽一致，64 卡单跳时延一致，统一内存语义并无缝兼容 NCCL 底层通信原语。

注：图为平头哥 M890 芯片。

在智驾的世界里，有时候数字是最硬的。2024 年 12 月，首台 PPU 服务器在车企上线； 如今汽车行业 PPU 使用规模正向数十万卡迈进 ，30 多家车企与智驾方案商在使用，50 余个自动驾驶主流模型已验证兼容。

如今看来，三层同时在场的真正意义，不在于每一层有多强，而在于它们能被拼成一件事。

阿里云表态， 硬件厂商继续提升单卡算力与互联带宽、完善基础生态，而阿里云会做好算力底座的兜底，用软件定义的优势，弥补硬件生态初期的碎片化。

这句话只有在同时拥有芯片和云的公司口中才成立。

三层协同还有一笔经济账。训练需求天然是波动的：模型迭代的关键期算力需求陡增，平日回落。统一调度让车企可以在业务波峰时瞬间拉起大规模集群，既满足突发计算需求，又避免算力在闲置中贬值。

03

不确定中的确定性

路线分化带来的不是选择的自由，而是焦虑。每一条路都需要重资产投入，而车企的预算和耐心都是有限的。

从 2026 阿里云智驾论坛参会者的口中能听出，很多人担心基础设施选错，这种焦虑在行业里很普遍。去年下半年以来，不少车企的智驾团队经历了组织架构调整，有的从自研转向与方案商合作，有的从方案商手中收回自研权。摇摆的背后，是对投入产出比的重新计算。

但把几条路线摆到一起看会发现，分歧集中在算法层，对地基的要求却出奇一致：数据都要以天为单位供上来，算力都要以万卡为单位管起来，基座模型与世界模型的能力，按各家的路线各取所需。

这决定了地基不存在「押错」的问题。无论 VLA、世界模型还是端到端最终跑通，赢家都要跑在同一条产线上。阿里云把投入放在地基而不是路线上：数据产线兼容不同架构的模型输入，基座模型支持多种下游任务，算力集群适配不同的训练框架和推理需求。

阿里云 AI 汽车行业总经理李强把这个定位说得更直白： 「阿里云不替各位选路线，我们想把这块地基修得够厚。」

在刘伟光看来，算力全栈自研，是这条路走得远、走得稳的底气。而地基的终点，是他在致辞结尾给出的定位： 「云之于 AI，绝不仅仅是算力供应。我们要做的，是一朵 全栈 AI 的云，是为中国建一座 AI 工厂。让每一家车企都能在这座工厂里，造出自己的智能。」

这句话的分量，在会后得到了验证。

8 月 10 日，灵骏·真武 M890 超节点实例正式开售，订单成功后 1 小时内交付。几天前，它还只是闭门会上的技术参数；从公布到商用，中间只隔了不到一周。这种节奏在国产芯片领域并不常见——它说明这块地基不是实验室产品，而是已经进入规模化部署和持续迭代的商业轨道。

从扶摇到乌兰察布，阿里云在汽车行业的角色已经变了。2022 年，小鹏携手阿里云共建自动驾驶专用智算中心「扶摇」，那时阿里云回答的问题是「要不要上云」；今天它回答的是「云要提供什么」——从芯片到软件栈，从数据平台到模型基座，全部自研。

当车企与方案商的核心决策者在乌兰察布数据中心走廊里擦肩而过时，中国智驾正在完成一次身份转换：从算法竞赛，走向工业化竞争。

算法竞赛里可以有黑马，工业化竞争里没有奇迹。路线之争还会继续，会有人押对，也会有人调头，但无论哪条路先跑通，它都会跑在一条被完整打通的产线上。

这就是不确定中的确定性。

*头图来源：AI 生成

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

北京时间 8 月 13 日晚上八点半，DeepSeek 正式公布了它成立以来的第一个 Agent 产品，之前预热很久，大家期待值很高的 Deepseek Harness。

截至发稿，它的 GitHub 仓库已经涨到超过 5 万个 star—— 而仓库公开刚刚过了 12 个小时。

Deepseek Harness GitHub 主页截止发稿时已突破 5 万 star｜图片来源：GitHub

DeepSeek 官方给它的定义其实和别家也差不多：模型加上 Harness，才等于 Agent。模型是脑子，Harness 是手脚；聊天机器人交付的是一段话，Agent 交付的是一件做完的事。

发布当晚，我们把它装进了自己的电脑，让它干了两件活：照着 The Verge 的风格重构极客公园官网，再调 GitHub 的接口，画出它自己的涨星曲线。两件活都交付了，全程花掉的 token 不到 3 块钱。

但它也确实还是个毛坯：界面对不写代码的人算不上友好，目前上传的开发者预览版的毛边随处可见。12 个小时用下来，我们的印象是——DeepSeek 压根没想现在就给你一个成品，它给的是一堆等你动手组装的零件。

GitHub 仓库在正式公布前半小时就悄悄公开了，接下来是我们眼看着发生的一幕：21:05 查询时 7，283 个 star，21:51 再查，15，530 个。公布不到两小时，star 破万；今天早上再查，已经突破了 5 万。

在此之前，被称为史上增长最快仓库的 OpenClaw，84 天涨 20 万个，平均每小时约 99 个。DSH 头两个小时的涨速，是它的 80 倍。

目前 Deepseek Harness 还不是一个云端服务：装了 Node.js 的电脑上敲一行「npx @deepseek-ai/dsh web」，浏览器打开本地的 3080 端口，就是它的全部界面。会话、日志、数据都留在本地，浏览器只是它的壳。

新会话页面上挂着它的 slogan：「探索未至之境」，英文原文是 Into the Unknown，旁边是「预览版」的角标。第一次启动还会弹一个「内部测试提示」，大意是 0.1 版仍在面向 Harness 开发者测试，核心插件和基础接口未来几个月会快速演化。翻译一下：这是给开发者的尝鲜版，不是给普通用户的成品。

它最激进、也是发布后 12 个小时争议最大的设计，即「一切皆插件」。

插件概念是 Deepseek Harness 的核心｜图片来源：极客公园

模型、工具、界面、审批策略，甚至驱动整个 Agent 运转的主循环本身，全都可以拆下来换掉：如果你愿意的话，连整个前端都是可以更换成你自己喜欢的风格的：比如上手第一时间，我就用 Prompt 将它改成了我更喜欢的洋红色主题。

Deepseek 允许你自由更改各种组件，甚至包括 Web UI 前端｜图片来源：极客公园

让你直接动手改 Harness 的 Web 前端，这一个小细节其实也能看出 Deepseek Harness 的开发逻辑，是一个由大大小小插件组成的生态系统；只要你愿意动手去适应这套系统，你就能搭出一套独一无二、专属于你的工作生态。

按官方文档的说法，Deepseek Harness 内置了标准、极简、代码、创造四种预设，V4-Flash 上个月刷榜 Terminal Bench 的那次官方评测，用的就是其中的极简模式——当时 API 更新日志里那句「即将发布的 DeepSeek Harness」，昨天兑了现。

目前 Deepseek Harness 内置了 4 种模式 Agent 预设，也可以手动添加自己喜欢的预设｜图片来源：极客公园

开放的结果来得比想象快。内测阶段的开发者几天里做了约三百个插件，有人给它换上 Windows XP 的复古皮肤，有人做了表情包插件，让它干完活还能立刻给你发一张大肥鱼表情包。但这种广泛的玩法恰恰说明：这个框架里没有什么是焊死的。

但 star 涨得有多快，冷水来得就有多快。发布第二天，开发者社区的评价开始分化：无论是 Deepseek Harness 目前的用户体验，对非编程用户不是很友好、还是整个围绕着插件构建起来的 Deepseek Harness 生态，其实都引发了一些争议与讨论。

这些冷水没有一盆是冲着模型来的，全部泼在 Harness 这个「壳」上。壳的成色到底如何，我们发布当晚的两个测试正好可以对着看。

上手 Harness 之后，我的第一个测试，就是让它重构极客公园的官网：我把极客公园官网的网址丢给它，让它照着 The Verge 的风格，重构一版新的网站设计。

这个任务测的是另一个坑：它到底会不会真的去看两个网站。

这是 Deepseek Harness 最后实际生成的效果：实际上这个网站格式与交互都有一些细微的问题，但当你通过 Deepseek Harness 的插件式架构，装上更多关于模型与设计的 Agent 能力插件之后，整个网站就在快速迭代之下，变得更加具有现代感了。

举例来讲：虽然 Deepseek Harness 内置没有带画板功能，也可以去通过安装插件来实现；官方插件库里有现成的名为 DSH-OpenPencil 的插件，安装之后，你就可以直接实时在对话中预览交互设计文件，直接让 Deepseek Harness 原本单调的 Web UI 变身设计交付工具。

此外，为了验证这次的图片生成以及数据提取能力。我甚至还用 Deepseek Harness 直接生成了一张从昨晚到今天早上的 GitHub 增长趋势图：

提示词：用 GitHub 的公开 API 查一下 deepseek-ai/deepseek-harness 这个仓库的 star 数据，结合这几个我们人工记录的时间点:8 月 13 日 21:05 是 7，283，21:51 是 15，530，8 月 14 日 8:53 是 44，514。画一张 star 增长曲线图，横轴时间、纵轴 star 数，标注关键节点，存成图片。

DeepSeek Harness 有一个「轨迹」页，模型看到的一切都记录在案：系统提示词、思维链、每一次工具调用和返回结果。所以它是真抓取了页面，还是凭训练记忆里的印象「脑补」了一个 Verge 风格，翻记录就能对质。这种「全程留痕」是它和聊天机器人在架构上的根本区别之一——聊天工具只保存最终的对话，它保存的是过程里的每一步。

这个设计也是它在 Hacker News 上收到的最响亮的好评。有开发者把「模型看到的一切都写入只增不改的日志」称为 killer feature，还特别点出，美国模型厂商的 API 恰恰把这层数据藏了起来。

算一笔账

Harness 本身免费开源，但模型调用照常收费：目前我们测试的都还是13 日晚 Deepseek 官宣涨价之前的模型价格，因此仍然算是量大管饱：实际上，这整篇文章的 Demo 测试下来，我们消耗的 Token 用量也没有超过 3 块钱。

此外，Deepseek Harness 还会主动帮你把账算得明明白白：每个会话底部都挂着实时统计，这一轮几步、模型耗时几秒、输入输出各多少 token、甚至缓存命中率多少，都会全部摊开给你看。

争议也恰好出在这里。

发布次日，一项在开发者圈流传的第三方对比称，同款 V4-Flash 接入另一个开源 harness Pi，token 消耗只有 DeepSeek Harness 的三成多。

我们自己的使用体感上，除了使用 V4 Pro Max 仍然量大管饱之外，目前直接使用 Deepseek V4 Flash，不仅速度更快，在那内容生成准确率上也并没有降低很多，或许这也代表着目前 Deepseek 的 Harness 确实还处在开发者预览版的阶段，它并不是最终完成的版本。

模型公司亲自下场做「壳」，DeepSeek 不是第一家。Anthropic 有 Claude Code，OpenAI 有 Codex，现在名单上补齐了最后一个大玩家。

Harness 可能是大模型打通生产场景目前最重要的路径之一；开发者工具公司 Composio 做过一个对照测试：同一个 V4-Flash，接入八种不同的 harness，完成三十项任务。最好的完成了二十项，最差的只有十四项。模型一模一样，结果差出三成。

模型划定能力上限，Harness 决定这份能力最终能兑现多少。

对 DeepSeek 来说，这层壳还有三重更现实的账。成本上，上下文怎么组织、缓存怎么命中，决定一个任务烧多少 token、重试几次，这些都发生在 Harness 层，别人的壳它管不着。数据上，任务失败的完整记录是改进模型最好的养料，而记录握在壳的手里。生态上，网易科技的报道里提到，团队表示会向部分开发者提供 API 额度——把插件开发者留在自己院子里的意图，不算隐晦。

站远一点看，过去两年模型公司卖的是 token，按字数收费，像卖水。从 Claude Code 开始，它们陆续发现真正值钱的是「把事做完」这个动作本身。DeepSeek 是最新下场的大玩家，也是第一个把整个壳都开源的。

它赌的是另一条路：别人把 Agent 做成成品卖给你，它把 Agent 的零件全部摊开，赌开发者会用这些零件，拼出它自己都没想到的东西。

回头看，「像框架、不像成品」这句今天关于 DeepSeek Harness 最大的争议，放在另一个坐标系里就是恭维—— 安卓刚问世的时候，也是一副毛坯的样子，粗糙、开放、只吸引动手的人。后来的事，大家都知道了。

DeepSeek 赌的，是 Agent 这个行当也需要一个安卓。

对标 Claude Cowork：DeepSeek Harness 公测，同步开放插件生态

8 月 13 日消息，DeepSeek-V4-Pro-0813 正式开源，同时还推出了其开源（MIT 协议）的代码智能体框架 Harness 的 v0.1 开发者预览版（基于 Cordis），并同步开放了配套的插件生态系统。相关 GitHub 仓库也已公开。

DeepSeek 正式开源 DeepSeek‑V4‑Pro‑0813 模型，同步推出基于 Cordis、采用 MIT 协议的代码智能体框架 Harness v0.1 开发者预览版，并开放配套插件生态，GitHub 仓库现已公开，开发者可通过 npx 命令或源码两种方式启动 WebUI，该产品定位对标 Claude Cowork 与 OpenAI Codex，面向编程办公 AI 生产力场景。

Harness 贯彻「一切皆插件」的设计理念，依托 Cordis 元框架，模型、工具、UI、沙箱等全部 Agent 能力都以插件形式存在，无需修改源码就可以自由替换扩展。框架提供 dsh 命令行工具，拥有标准、PTC 程序化工具调用、极简、创造四种运行模式，适配基准测试、插件开发等不同开发者场景，落实「模型 + Harness=Agent」的技术思路，完成从需求理解到代码交付的闭环。

DeepSeek‑V4‑Pro‑0813 为 MoE 混合专家架构，总参数 1.6 万亿，推理时仅激活 490 亿参数，拥有 100 万 token 上下文窗口，最大输出 38.4 万 token，支持思考 / 非思考模式，兼容多种主流 API 接口。内部测评显示，该版本相比预览版能力大幅提升，多项测试接近甚至超越 Claude Fable 5，编程相关基准分数提升显著。

该模型权重基于 MIT 协议开放，开发者可以直接下载本地部署，不再单纯依赖云端服务，普通通用算力卡即可运行，降低政企私有化部署门槛，也提升供应链抗风险能力。（来源：IT 之家）

备战 IPO 上市：彭博社称 2026 年 OpenAI 年化营收有望翻番达 400 亿美元

8 月 14 日消息，彭博社发布博文，报道称在收 IPO（首次公开募股）上市前，OpenAI 的发展势头良好，2026 有望实现年化收入超过 400 亿美元（现汇率约合 2,702.76 亿元人民币），比 2025 年收入（约 200 亿美元（现汇率约合 1,351.38 亿元人民币））翻一番。

据彭博社报道，联合创始人兼总裁格雷格 · 布罗克曼在内部公告中告知员工，仅 7 月份，月度营收增长率就增长了 20% 以上。首席财务官莎拉 · 弗莱尔此前曾指出，公司经历了快速扩张期，2025 年的年化营收增长率超过 200 亿美元（现汇率约合 1,351.38 亿元人民币）。

在市场竞争方面，Anthropic 在今年 5 月公布的年化营收为 470 亿美元（现汇率约合 3,175.75 亿元人民币），不过彭博社指出由于两家公司在计算统计上存在差异，很难直观、公平对比两家公司的年化营收。

在市场竞争策略方面，OpenAI 公司为抵御外部竞争对手的冲击，捍卫市场份额，积极调整其市场策略和定价策略，通过降低部分 AI 模型的价格，从而吸引注重成本的开发者。OpenAI 公司还聘请了一位经验丰富的网络安全高管，以提振企业销售。（来源：IT 之家）

投资者押注 Anthropic 估值达 2 万亿美元，冲击史上最大 IPO

Anthropic 的投资者正押注这家 AI 初创公司将在 10 月以 2 万亿美元或更高的估值上市。如果成真，这将超越 SpaceX，成为史上规模最大的 IPO。多位公司早期投资者表示，Anthropic 收入的爆发式增长，足以支撑其在秋季上市时将当前估值翻倍以上。

投资者认为，市场对 Anthropic 先进 AI 模型与工具的强劲需求，足以支撑这一高估值。按公司偏好的年化收入计算方式（根据近期表现推算全年销售额），他们预计到 2026 年底，Anthropic 的年化收入将达到 1000 亿至 1200 亿美元，相当于在 2026 年实现超过 10 倍的增长。

一位投资者表示：「如果 Anthropic 年增长 800%，哪怕按极低端的 30 倍收入估值，也该是个 3 万亿美元的公司。」

目前 Anthropic 缺乏直接可比的美国上市同业。但被视为 AI 受益者的公司，如 Palantir 和 Nebius，今年的估值大约在 55 倍收入左右。多位投资者透露，Anthropic 高管尚未在私下确定最终估值目标，但他们已各自建立财务模型。

乐观预期背后，公司面临多重压力：来自竞争对手的「斩杀」、AI 监管压力，以及与美国政府之间的紧张关系。

Anthropic 已于 6 月向美国证券交易委员会提交上市文件，目前处于静默期。2 万亿美元的 IPO 预期，既反映了市场对其增长速度的极度乐观，也暴露出 AI 行业高估值背后的巨大不确定性。（来源：环球市场播报）

长鑫科技超越腾讯控股，成中国市值最高上市公司

8 月 13 日，腾讯控股收跌 4.46%，市值报 4 万亿港元，约合 3.44 万亿元人民币。长鑫科技当日收盘市值为 3.5 万亿元人民币，已超越腾讯控股，成为中国市值最大的上市公司。

7 月 27 日，国产 DRAM 存储龙头长鑫科技正式登陆科创板，彻底「引爆」A 股资本市场。上市首日，长鑫科技开盘报 49.5 元/股，较 8.66 元/股的发行价暴涨 471.59%，盘中一度来到 55.03 元/股的高点。截至当天收盘，长鑫科技报 49 元/股，单日涨幅 465.82%，总市值达 3.28 万亿元，一举超越工商银行，成为 A 股有史以来首家在上市首日收盘即登顶市值榜首的公司。

8 月 12 日，腾讯控股披露财报显示，第二季度营收实现 2047.9 亿元，同比增长 11%，预估 2028.4 亿元。财报显示，二季度，腾讯游戏收入同比增长 11%，其中本土游戏收入增长 17%，国际游戏收入按固定汇率计算增长 4%；营销服务收入同比增长 22%；金融科技及企业服务收入同比增长 9%。（来源：凤凰网科技）

维珍银河新一代 Delta 级飞船首飞推迟至 2027 年，75 万美元太空票获超额认购

8 月 13 日消息，维珍银河（Virgin Galactic）在 2026 年第二季度财报电话会议上宣布，其新一代「Delta 级」亚轨道太空飞机的首次商业飞行将推迟至 2027 年 2 月。此前的计划是在 2026 年第四季度开始商业运营。

维珍银河 CEO 迈克尔 · 科尔格拉齐尔（Michael Colglazier）表示，此次推迟并非由单一重大问题导致，而是在新飞船的组装过程中遇到了「数百个相对较小但重要的安装任务」的工期延长。

他举例称，许多组件的尺寸存在「千分之几英寸」的偏差。科尔格拉齐尔指出，这类「未预期到的安装不匹配」数量超出了预留的缓冲时间，尤其是在 7 月底之后此类问题开始加速累积。他强调，团队需要更多时间来以正确的方式完成工作。

根据调整后的计划，维珍银河预计将于本月晚些时候开始集成飞行器地面测试，并于 10 月将该飞行器运至美国新墨西哥州的美国太空港（Spaceport America）开始一系列飞行测试。公司已增派人员以加快组装进度，实行两班倒、每周工作七天的工作制。

维珍银河还宣布，已完成今年 3 月启动的以每张 75 万美元（现汇率约合 506.8 万元人民币）价格销售的一批太空旅行机票。原计划销售 50 张，因需求旺盛超额认购，总预订金额超过 5,000 万美元（现汇率约合 3.38 亿元人民币）。（ 来源：IT 之家）

部分 Claude 模型将添加「文本水印」，Anthropic 回应各界关切

8 月 13 日消息，Anthropic 本周宣布，部分 Claude 模型会直接在输出文本中嵌入一种「难以察觉的水印」。内容被复制粘贴后，水印仍会随文本保留，经过一定程度修改后也可能继续存在，用于帮助判断一段文字究竟由 AI 生成还是由人类撰写。

Anthropic 目前尚未公开水印系统的完整技术原理。技术细节的不透明已经引发一些科技从业者担忧。具体来看，版权如何认定、Claude 输出质量是否会受到影响，以及只使用 AI 进行少量辅助的作品会不会因此被误判等问题，备受关注。

据《商业内幕》报道，Anthropic 就 Claude 文本水印相关争议作出回应。针对投资人担忧只有该公司能识别水印，形成既当裁判又当判定方的问题，Anthropic 表示会开放免费 API，允许普通用户与第三方自行检测文本水印。

不少开发者和行业人士顾虑水印的判定边界，担心轻微修改、仅交给 Claude 校对语法的文本，也会被判定为 AI 创作。Anthropic 称水印不会损害文本质量与可读性，水印仅代表该文本经过 Claude 处理，即便只是校对、翻译、总结，都可能留存水印，不等于全文由 AI 撰写中国新闻网。

这项水印机制从 8 月 2 日起在全球 Claude 可用模型落地，目的是遵守欧盟《人工智能法》，同时也引发隐私、版权方面的争议，有业内人士提出它会干扰版权判定，还会带来数字痕迹留存问题。（来源：IT 之家）

张雪机车获红杉中国投资，双方将共同挑战世界级产品、世界级赛场

8 月 13 日消息，张雪机车官微晚间宣布获得红杉中国投资，将共同挑战世界级产品、世界级赛场。双方未来将围绕企业治理、人才建设、产业资源和全球化发展展开深度合作，让中国高性能摩托车驶向全球。

官微没有公布此次投资的规模。不过，张雪机车早期投资人高信资本创始合伙人兼董事长曹斌近日在接受访谈时透露，红杉中国这笔投资金额规模为 1.5 亿元，张雪机车投后估值达到 60 亿元。

据此前报道，张雪机车去年营收 6.7 亿元，今年有望达到 20–25 亿元，有望实现 2 倍以上增长。

张雪机车创始人张雪于 7 月 3 日宣布，张雪机车 6 月份产量突破 1 万台。（来源：IT 之家）

OpenAI 推出全新 Mac 端功能，ChatGPT 无需截屏即可完成记忆用户操作

据悉，OpenAI 宣布为 macOS 上的 ChatGPT Work 和 Codex 推出了一项名为「电脑历史（Computer History）」的全新可选功能。该功能面向 Pro、Business 和 Enterprise 用户开放，在获得用户授权后，它能够跨应用和网站追踪用户的日常电脑操作活动，并将其转化为记忆和时间线。

这一功能将极大地提升 ChatGPT 的上下文理解能力。用户无需再重复解释背景信息，只需询问诸如「我昨天在调试什么？」或「那个 PR 我处理到哪了？」等问题，ChatGPT 就能根据历史记录，在 Google Docs、Slack 或浏览器标签页中精准定位相关文件、文档和对话。

值得注意的是，OpenAI 强调该功能在运行过程中不会像微软此前备受争议的 Recall 功能那样持续截取电脑屏幕。OpenAI 的 Dominik Kundel 在发布视频中指出，「电脑历史」功能不依赖屏幕或音频捕捉，而是通过捕捉点击、打字、应用切换等交互事件来更快速、高效地生成记忆。这也有别于 OpenAI 早期使用屏幕截图和 OCR 技术的 Chronicle 研究项目，以及将工作流转化为可复用技能的 Record & Replay 功能。

Dominik Kundel 表示，一旦 AI 代理理解了用户的工作内容和方式，将彻底改变人机交互模式。目前，「电脑历史」功能正陆续向全球范围内的 Pro、Business 和 Enterprise 用户推送。不过，OpenAI 特别指出，欧洲经济区（EEA）、英国和瑞士的用户将在未来几周内才能获得访问权限。（来源：cnBeta）

消息称苹果首款折叠屏手机 iPhone Ultra 产能有限，首批货源优先供应美国市场

8 月 13 日消息，外媒 ChannelNews 援引一位匿名零部件供应商消息，称苹果首款折叠屏手机 iPhone Ultra 有限的首批货源可能会优先供应美国市场，随后再陆续进入包括中国在内的其他主要市场。

事实上，此前就已经有多份消息称 iPhone Ultra 初期产能可能非常有限。如果供应情况确实如此紧张，那么苹果采取美国市场优先、随后逐步扩大销售范围的策略也并非没有可能。

此前消息显示，苹果 iPhone Ultra 配备 7.8 英寸内屏、5.5 英寸外屏，合上时的厚度为 9mm，比 iPhone 17 Pro Max 的 8.75mm 略厚，整机一共配备 4 枚摄像头，其中外屏、内屏各带有一颗前摄，背面则配备两颗后置摄像头。（来源：IT 之家）

大疆发布 8K 全景相机 Osmo 360 II，起售价 3299 元

8 月 13 日，大疆发布全新 8K 全景相机 Osmo 360 II，标准套装售价 3299 元，畅拍套装售价 3999 元。

作为大疆全景影像产品线的最新旗舰，Osmo 360 II 延续一英寸全景影像方形传感器与全景拼接算法积累，面向运动、旅行、日常记录及专业创作等场景，进一步提升画质、暗光表现和拍摄体验，画质达到 8K60fps。新品加入主角跟随、NFC 一碰即连、AI 一键成片等功能，并配备可更换防刮镜片、105GB 内置存储及多种生态配件。在后期流程上，Osmo 360 II 可通过 DJI Mimo、DJI Studio 及 DaVinci Resolve 插件，覆盖从快速成片到专业剪辑的不同需求。（来源：极客公园）

传音推出 TECNO Pova 8 Pro 手机：灵感来自星际飞船，配个性化点阵背屏

8 月 13 日消息，据外媒 GSMarena 晚间报道，传音旗下品牌 TECNO 正式发布了此前已经多次曝光的 Pova 8 Pro。

TECNO Pova 8 Pro 搭载天玑 7400 Ultimate 芯片，最高提供 12GB 内存和 512GB 存储空间，并额外配备 P1 图形芯片提升游戏表现。通过游戏插帧，部分游戏可以实现 144 帧运行。其中 RPG 游戏最高支持 90 帧，FPS 和 MOBA 游戏最高支持 144 帧。

TECNO Pova 8 Pro 搭载基于 Android 16 的 HiOS 16 系统，支持两次大版本更新与三年安全补丁，内置 AI 助手 Ella，拥有 AI 生产力与摄影功能。正面是 6.78 英寸 144Hz AMOLED 高规格屏幕，支持湿手、油手操作；背部采用星际飞船风格设计，相机模组集成可自定义内容的 Mini LED 点阵背屏。

影像上该机后置 5000 万带光学防抖的 LYTIA 700C 主摄+800 万超广角，前置 1300 万像素。配备 6500 毫安时电池与 45 瓦充电，支持旁路充电、10 瓦反向充电。同时配备大尺寸 VC 散热、NFC、红外、立体声双扬等，拥有多档高等级防护，设有自定义快捷键，还附赠三年 256GB 免费云存储。

标准版提供三种配色与三种存储版本，TECNO 还推出托尼洛·兰博基尼限量版，仅外观配色设计不同，硬件存储配置和标准版一致。（来源：IT 之家）

三星首款 Galaxy 头戴耳机曝光，预计 2027 年初正面挑战苹果 AirPods Max

8 月 13 日消息，三星正在研发其首款 Galaxy 品牌头戴式无线耳机，内部代号为「Galaxy H1」。这款产品将直接对标苹果 AirPods Max，预计于 2027 年初正式发布。

目前三星 Galaxy Wearable 应用中已经加入了关于这款产品的代码，还包含图标轮廓。其外形采用宽头梁设计，风格类似苹果 AirPods Max，而耳罩部分则相对更厚，类似索尼 WH-1000XM6 的设计语言。图标展示了白、灰、黑三种配色，耳罩衬垫则有灰色与绿色可选。

功能方面，尽管具体硬件规格尚未确认，但 SamMobile 预测 Galaxy H1 将支持蓝牙 6.0 连接、三星无缝超高音质（SSC UHQ）音频编解码器、自适应主动降噪（ANC）、环境音模式、AI 助手集成以及自动切换（Auto Switch）功能，并有望提供远超 Galaxy Buds 系列的续航能力。

三星目前拥有 JBL、AKG 和 Harman Kardon 等多个音频品牌，但 Galaxy H1 将是三星首次以 Galaxy 品牌推出头戴式耳机产品。（来源：IT 之家 ）

发布 14 年后，手游《糖果传奇》年营收仍接近 10 亿美元

由瑞典视频游戏开发商及发行商 King 于 2012 年推出的《糖果传奇》，在 2025 财年中，尽管开发商 King 近年来并未披露详细的利润和收入明细，但该公司曾报告称其在 2023 年的总收入已突破 200 亿美元。

同年，该公司还宣称，包括原版应用分析平台 Business of Apps 的数据编辑大卫·柯里（David Curry）通过研究发现，在 2025 年，原版游戏大约拥有为 8150 万的月活跃用户，并且在 Android 和 iOS 平台上被下载了超过 1.9 亿次。在 2014 年的 IPO（首次公开募股）文件中，King 曾声称该游戏在 2013 年 12 月的全球日活跃用户数曾达到 9300 万。如果柯里的估算准确，这表明在过去的 12 年里，该游戏的庞大用户基础并未经历大规模的衰退。

多伦多大学媒体与平台研究教授、视频游戏研究员大卫·尼伯格（David Nieborg）则认为，这款游戏广受欢迎也与其「非特定地点、非性别化、去种族化」的特性密不可分，这使得它能够跨越地理、语言、文化和社会的种种界限，吸引全球各地的玩家。（来源：cnBeta）

编辑｜靖宇

没有预告，没有倒计时，甚至连更新日志都没来得及写好。DeepSeek V4 Pro 的正式版，就这么悄悄的来了。

8 月 13 日凌晨，DeepSeek 官网悄悄刷新了 API 文档。模型名还是那个 deepseek-v4-pro，但 fingerprint 已经变成了 fp_v4pro_20260812。打开社区一看，消息已经炸开—— V4 Pro 正式版，来了。

从 4 月 24 日预览版上线算起，整整 111 天。

这期间 Kimi K3 高调发布抢走了开源头条，V4 Flash 正式版先行一步在 7 月 31 日上线，API 涨价的预告更是悬在所有开发者头顶。

所有人都在问同一个问题：Pro 的正式版到底什么时候来？

答案是一个周三的深夜。

01

架构没变，能力暴涨

先说硬参数。V4 Pro 正式版的模型架构和预览版完全一致——1.6T 总参数、49B 激活参数的 MoE 结构，支持 1M 上下文、384K 最大输出。 变的是后训练，而且变化大到像换了个模型。

最夸张的数字来自 Agent 相关评测。DeepSWE（DeepSeek 自家的软件工程基准）从预览版的 12.8 飙到 62.7，涨了将近 50 分。Cybergym 从 52.7 到 83.3，Terminal Bench 从 72.1 到 87.9，DSBench-Hard 翻了一倍多达到 67.2。

这些测试项有一个共同特点——它们都涉及长链路的代码修改、环境操作和工具调用。 恰好是预览版最容易翻车的地方。

DeepSeek V4 Pro 正式版 Agent 能力大幅增强｜图片来源：DeepSeek

从 V4 Flash 正式版的更新日志可以推断，这轮升级的核心就是面向代码 Agent 场景的大规模后训练。Flash 版已经用同样的方法把 Agent 能力做到了「基准测试远超 V4-Pro-Preview」的程度，Pro 版只是补上了同一课。

价格方面，每百万 token 输入 3 元、输出 6 元，和预览版持平。

虽然 8 月 6 日 DeepSeek 已经预告「计划近期整体上调 API 定价，预计涨幅较大」，但目前 0813 版本还没动。窗口期能撑多久不好说，想薅的趁早。

02

天花板和脾气

跑分好看只是门票，真正有意义的是拿真实任务去试。

极客公园用 V4 Pro 正式版跑了三个不同方向的测试，试图回答一个问题—— 这个模型在「一次性生成完整可运行代码」这件事上，到底到什么水平了？

第一个任务是 Boids 群体涌现模拟。 要求在 Canvas 上实现 200 个三角形 boid 的群体行为，带分离/对齐/凝聚三个可调参数、彩色轨迹、点击生成捕食者、glassmorphism 风格控制面板。这是一个涉及物理模拟、实时渲染和 UI 设计的综合任务。

V4 Pro 用了大约 170 秒，生成了 761 行完整 HTML。打开浏览器，200 个彩色三角形在黑色背景上游动、聚散、避障，拖动滑块可以实时改变群体行为模式。效果流畅，代码一次运行通过。

第二个任务故意模糊——用中文告诉它「我想要一个好看的番茄钟工作面板」， 只给了「能计时、能记录、有白噪音、中文界面、要有质感」这几个方向，其余让模型自行决定。

V4 Pro 交回来 1223 行代码，除了基础的 25/5 分钟计时功能，它自己加了任务标签、专注统计图表、快捷键支持、甚至用 Web Audio API 从零合成了几种白噪音。

对模糊需求的「产品化补全」能力，确实比预览版有明显进步。

第三个任务是寻路算法可视化， 要求实现 BFS、DFS、A* 三种算法的逐步动画、可交互的网格画墙、迷宫自动生成。这个任务的代码量最大，也是翻车最多的地方——但翻车的方式本身就很有意思。

开着默认的 thinking 模式，V4 Pro 用了 16384 个 token 的输出配额，其中 13394 个花在了「思考」上。留给实际代码的不到 3000 个 token，直接截断，HTML 写到一半就断了。

关掉 thinking 模式重跑，54 秒就输出了完整的 715 行代码，寻路动画、迷宫生成、暗色主题一应俱全。

这不是一个 bug，而是 V4 Pro 正式版的一个真实特征——thinking 模式在复杂代码生成场景下，推理 token 可能占到输出的 80% 以上，反而挤压了实际内容的空间。

对于需要大段代码输出的任务，开发者可能需要主动关闭 thinking，或者大幅提高 max_tokens 来兜底。

03

大鲸鱼的位置

经过 API 实测之后，坦率地说，V4 Pro 0813 不是一张「全面碾压」的成绩单。

HLE 不使用工具时 42.7 分，落后 Claude Opus 4.8 的 49.8 和 Fable 5 的 53.3。NL2Repo 以 61.5 落后 Opus 4.8 的 69.7。有 Kimi K3 在前，它在部分测试上也存在轻微差距。

纯知识推理和最复杂的软件工程任务，V4 Pro 还没有坐上头把交椅。

但 DeepSeek 从来不是靠「最强」赢的。它靠的是那条所有人都背得出来的定律——比我强的没我便宜，比我便宜的没我强。

每百万 token 输入 3 元的价格，大约是 Fable 5 的十分之一、Kimi K3 的三分之一。

在 Agent 能力从「几乎不可用」暴涨到，「能和头部闭源模型正面对打」之后，这条定律的杀伤力比预览版时期大了一个量级。

更值得关注的是藏在 V4 Flash 正式版更新日志里的一行小字——评测使用了「DeepSeek Harness 极简模式（即将发布）」作为 Agent 框架。结合前两天注册的「DeepSeek Harness 团队」公众号和此前的招聘信息， DeepSeek 正在准备把模型和 Agent 运行框架打包推出。

如果说过去大家的竞争还停留在「谁的模型更聪明」这个维度，那 Harness 的出现意味着竞争正式进入下一阶段—— 不是比谁的大脑更好，而是比谁能把大脑、手脚和工具箱组装成一个真正能替人干活的系统。

V4 Pro 正式版补齐了大脑这一环。接下来，就看那个「即将发布」还要等多久了。

*头图来源：AI 生成

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

纽约时间 8 月 12 日下午，谷歌在布鲁克林开完了今年的 Made by Google 发布会。

Pixel 11 全系四款手机、Pixel Watch 5，加上防丢器 Pixel Tag，一口气全发了，当天就开预购。

热闹是足够热闹。但两个小时看下来，最能概括这场发布会的，是 Pixel 11 背面新增的那一小圈灯。

本次发布的全系 Pixel 新品｜图片来源：Google

全系背面都多了这圈环形 LED，在 Pro 机型上，它顶替的正是上一代温度传感器的位置。官方名字叫 HiLight。

它会呼吸、会变色：聆听、思考、回答各有一种灯效——那是 Gemini 的三种状态。它会呼吸、会变色，聆听、思考、回答各

HiLight 灯效，对应 Gemini 的三种状态｜图片来源：Google

除此之外，它只剩一个用途：特定联系人来电时，亮一种你指定的颜色。但现在它不支持短信，不支持第三方通知，也没有给开发者留接口；隔壁 Nothing 靠背面灯效做出了半个品牌身份，而谷歌的这个灯，目前还只认 Gemini。

谷歌对这个新设硬件目前如此封闭态度，倒是超出了很多原本期待能有更多第三方联动的用户的想象；提前拿到真机的评测博主 Marques Brownlee 在视频里翻来覆去只说了一句「就这样吧」，干脆把这句话拿去当了视频标题。

但终归而言，这或许仍然是 AI 与手机融合领域的一次重要改变：Pixel 的背面上一次添新硬件，还是 Pro 机型那颗温度传感器；这一次添上的灯，谷歌只让它为 Gemini 发光。

Pixel 11 不是一台想赢的手机。它是 Gemini 的身体，一台「美国豆包手机」。

众所周知过去半年，Gemini 早已不是模型能力榜上最风光的名字。OpenAI 的 GPT-5.6 和 Anthropic 的 Opus 5 轮流刷新第一梯队，谷歌这边声量最大的发布是 Gemini 3.5 Flash 和 3.6 Flash，主打快和便宜，不是最强。今年 Google I/O 上，谷歌自己也把主角让给了智能体，不再拿模型跑分说事。

今年公布的 Gemini Intelligence 成为本次发布会中最主要的概念｜图片来源：Google

这套打法，中文用户其实很熟：能力不一定顶尖，覆盖一定最广，靠预装和入口把 AI 助手塞进所有人的日常。这就是豆包的路数。说 Pixel 11 是「美国豆包手机」，说的就是这个：手机强不强不重要，它的任务是让 Gemini 出现在你目光所及的每一个地方。

这场发布会，就是这套打法的完整展示。开场，谷歌硬件负责人 Rick Osterloh 的第一句话是「AI 正在让科技变简单」；接下来的两个小时，所有真正的新东西都是给 Gemini 造的。

底座是芯片。Tensor G6 上跑的是新一代端侧模型 Gemini Nano 4，按官方口径，速度最高提升 3.5 倍，能耗最低降到原来的三分之一。落到体感上，断网也能用 Gemini 设闹钟、开计时、记运动，这个助手第一次离得开网络。

再往上是替你办事。官方演示中，Gemini 可以跨应用下单、订位，甚至直接打电话给商家；原来的 Magic Cue 升级成了主动建议，航班信息、餐厅列表、日历日程会在你开口之前浮上来，还会提醒你把票据存进钱包。

跨应用信息整合能力是 Pixel 如今作为 AI 手机最重要的概念之一｜图片来源：Google

输入这层入口也没放过。Gboard 新增的 Rambler 把口语转写成干净的书面稿，自动滤掉「嗯」「啊」和车轱辘话；另一个新功能是手语识别，聋人演员 Daniel Durant 上台演示了手语直接转成文字。实时翻译则伸进了 YouTube，播客和视频可以实时配音成另一种语言，按官方说法，这些都跑在 Tensor G6 上。

相机的新功能同样是模型在干活。Magic Capture 会在快门前后分析约 500 帧画面，替你选出最好的一张；录像提词器跟着你的语速自动滚动。按 Brownlee 的判断，这些功能大概率不会被新机独占，迟早下放给老 Pixel，这是谷歌的老传统。

相机部分的 AI 能力是 Pixel 系列的传统卖点｜图片来源：Google

最能说明优先级的是手表。Pixel Watch 5 换上了高通 W5 Gen 2 芯片，CPU 快了 12%，但真正的重点是端侧内存加了 50%，从 2GB 提到 3GB——在手表这种寸土寸金、每一毫安时都要精打细算的设备上，谷歌专门为跑模型腾出了地方。换来的是生成式表盘、抬腕即说的 Gemini、短信里的主动建议，还有把航班、登机牌聚在一起的信息流。

手表是 Google AI 硬件战略中重要的组成部分｜图片来源：Google

记住这个 3GB，再看手机那边：Pixel 11 Pro 的 256GB 版内存反而从上一代的 16GB 砍到了 12GB。同一场发布会，手表为模型加内存，手机为成本砍内存。谷歌把内存花在哪，AI 的优先级就排在哪。

Osterloh 还顺手预告了 Gemini 的下一个容器：年内会有一款「智能眼镜」。手机装灯，手表加内存，眼镜已经在路上。

Watch 5 端侧内存加了一半，专门跑模型｜图片来源：Google

最后就是同样重要，但同样不好看的价格：Pixel 11 起售价 899 美元，Pro 1099 美元，Pro XL 1299 美元，Pro Fold 1899 美元，全系比上一代贵 100 美元。谷歌的说法是存储翻倍、256GB 起步，128GB 的入门配置直接消失；Pro XL 还附赠六个月 Google AI Pro 订阅，涨价的同时，顺手把你往订阅的门里推了一把。

今年 Pixel 11 系列全系配色｜图片来源：Google

Pixel Watch 5 两个尺寸也分别涨了 50 美元和 30 美元；倒是 Pixel Tag 定价克制，单只 29 美元、四只装 99 美元，跟 AirTag 一分不差，11 月 11 日发货。

为什么涨？Brownlee 造了个词：RAMageddon，内存末日。AI 数据中心吃掉了全球的内存产能，Pro 版加价 100 美元、内存反而少 4GB，就是这场末日最直观的注脚。这股涨价潮如何反噬 AI 硬件本身，值得单独写一篇，这里先按下不表。

全系涨价 100 美元，256GB 起步｜图片来源：Google

而手机该冒的险，谷歌一个都没冒。没有硅碳电池，没有 80 瓦快充，没有一英寸大底，这些国产旗舰的标配，Pixel 11 一样都没上。Pro Fold 薄了 1 毫米，保住了折叠屏里少见的 IP68 防尘防水，但折痕控制仍落后三星和 OPPO 一代。

对国内用户来说，Pixel 依然是一台买不到的手机，但它是安卓阵营最准的风向标。当谷歌自己都不再靠硬件参数抢用户，竞争就换了赛道：端侧模型的水位、内存的成本、助手的入口。明年国产厂商跟进的不会是那盏灯，而是灯背后的排序——硬件为 AI 让路。

发布会结束，预购页面已经挂了出来。四款手机、一块表、一枚防丢器，还有一圈只为 Gemini 呼吸的灯。

或许，我们主动把时间轴拉长一点看，这场发布会真正的意义才会更加明显：过去十五年，手机行业的主线是把手机做成 App 的容器，屏幕、性能、影像，比的都是容器本身；Pixel 11 之后，手机开始变成模型的容器，容器好不好，要看它把里面那个模型伺候得好不好。豆包在中国先证明了「覆盖比能力先变现」，谷歌这回把同一套逻辑焊进了硬件。

容器的形态也不再唯一。手表在加内存，眼镜在路上，防丢器接上了 Gemini，屏幕第一次不是入口的必需品。手机仍然是最大的那个容器，但只是「之一」了。

九年前，Pixel 靠算法赢下了「最聪明的手机」的名声；九年后名声还在，聪明的主语却换成了 Gemini。灯亮起来的时候，主角已经不是手机了。

DeepSeek V4 Pro 正式版 API 更新上线，多项测试性能接近 Fable 5

8 月 13 日消息，DeepSeek V4 Pro 正式版正式发布，已更新至 API，调用模型名不变。

新版本增强了 Agent 能力，支持 Responses API 和 Codex 接入。

从官方群放出的评测对比表可以看到，DeepSeek V4 Pro 正式版（DeepSeek-V4-Pro-0813）在多项测试中接近 Fable 5 水平，相比之前的预览版能力大幅提升。

定价如下：

• 百万 tokens 输入（缓存命中）：0.025 元
• 百万 tokens 输入（缓存未命中）：3 元
• 百万 tokens 输出：6 元

（来源：IT 之家）

腾讯发布 2026 年 Q2 财报，第二季度营收 2048 亿元，计划近期发布 Hy4

腾讯控股发布 2026 年第二季度财报。财报显示，腾讯第二季度营收 2,047.9 亿元人民币，预估 2,028.4 亿元人民币；第二季度销售费用 118.7 亿元人民币，预估 119.6 亿元人民币；第二季度增值服务业务收入 984.1 亿元人民币。

腾讯表示，混元 Hy3 完成从 preview 到正式版的快速迭代，上线一周调用量较上一代模型增长超 68 倍，更大参数规模的 Hy4 也计划近期发布；WorkBuddy 及 CodeBuddy 持续领跑国内 AI 原生办公智能体赛道，易观数据显示 WorkBuddy6 月 PC 端访问量已突破 2000 万次；微信 AI 助手「小微」灰测有序放量中。

二季度，腾讯游戏收入同比增长 11%，其中本土游戏收入增长 17%，国际游戏收入按固定汇率计算增长 4%；营销服务收入同比增长 22%；金融科技及企业服务收入同比增长 9%，云服务受惠于 AI 增量贡献，国际业务拓展和通用云服务需求增长。（来源：新浪科技）

曝小红书打造 AI 导购功能，官方暂无回应

有消息称，小红书在打造全新的「AI 导购」功能，依托对话交互模式，在问答场景中直接推送商品卡片、挂载下单跳转链接。

对此消息，新浪科技向小红书官方进行求证，截至发稿暂无回应。

本月初，新浪科技独家获悉，小红书正全面提速 AI 战略，布局 AI 社交产品、AI 社区互动工具等方向，从后台技术应用转向前台自研、产品化与生态化全面竞速。在招聘平台检索发现，小红书近日密集招募 AI 应用研发人才，且部分岗位薪资给到了 30-60K/16 薪，最高年薪可达 96 万元，足见其加码 AI 方向的决心。

今年 5 月，小红书发布内部信，宣布新一轮组织升级，其中核心变化就包括，成立 AI 一级部门 Dots 和企业智能部，从产品技术和组织两方面加大对 AI 的投入。（来源：新浪科技）

SpaceXAI 推出 GrokBot，对标 Anthropic 与 OpenAI

据华尔街见闻报道，马斯克旗下 SpaceXAI 正式入局 AI 代理市场，推出可像真实同事一样处理工作的产品 Grok Bot。8 月 11 日，SpaceXAI 发布 AI 代理产品 Grok Bot，目前处于早期测试阶段。这是马斯克旗下 AI 业务追赶 Anthropic 和 OpenAI 的最新举措，也是 SpaceXAI 与 Cursor 深度合作的阶段性成果。

马斯克随即在 X 平台表示：「我们将在修复早期测试的基本问题、并于本周晚些时候发布 Grok 4.6 之后，扩大 Grok Bot 的测试规模。」Grok Bot 的核心定位是「永远在线的 AI 队友」。与市面上多数 AI 工具不同，Grok Bot 拥有独立的云端计算机。它可以直接登录用户现有的工具和应用——包括没有 API 接口的平台——像真人一样操作，任务完成后才返回汇报。

SpaceXAI 官网描述其能力：Bot 拥有自己的电脑。它们登录你已经在用的工具，跨应用、收件箱等场景工作。它们从头到尾完成任务，只在需要你审批时才来找你。用户可以像发消息给同事一样给 Bot 分配任务，Bot 会记住对话、学习用户的工作习惯，并随时间变得更精准。（来源：36 氪）

自变量打破美国 Figure AI 物流分拣记录，用 30% 成本反超 45% 效率

8 月 12 日，自变量机器人完成物流分拣公开直播，跑出 1816 件 / 小时的分拣效率，较 Figure AI 此前公开的 1248 件 / 小时提升 45% 以上。不仅如此，自变量使用的是双机械臂搭配标准夹爪，而非 Figure AI 的人形机器人+五指灵巧手，成本大幅降低 70%，具备产业部署的经济价值。

在直播中，自变量处理的是复杂随机的纸箱、软袋、异形件等包裹，而非 Figure AI 使用的标准件。凭借自研的端到端世界统一模型 WALL-B，机器人能够理解物理规律，根据包裹属性自主调整分拣策略，实现效率最优的作业。这展示了一条产业路径：不堆叠昂贵硬件，而是凭借更聪明的具身大脑，能够实现规模化、可复制的产业落地。

（来源：极客公园）

米哈游 AI 陪伴游戏上线不到 30 天关服

米哈游发布公告，旗下 Steam 抢先体验 AI 陪伴产品《BSide：Olivia Lin》（林离）停止线上运营。

公告显示，8 月 27 日产品将上线离线版本，并关闭写信、上传 MIDI 等依赖在线服务的功能；8 月 31 日 15 时，《林离》将从 Steam 商店下架，服务器正式关闭。

据悉，该款游戏 7 月 13 日开启抢先体验，线上生命周期不足一个月。此前，米哈游联合创始人蔡浩宇旗下 Anuttacon 的 AI 陪伴产品 AnuNeko（AI 猫娘），也已经宣布永久关停。（来源：新浪科技）

马斯克最新 SpaceX 讲话，称必须赢得 AI 竞争

埃隆·马斯克预测，未来 AI 为 SpaceX 带来的收入将超过公司其他所有业务。当地时间周二，SpaceX 在社交平台 X 上发布了一段长约 30 分钟的全员会议录像。SpaceX CEO 埃隆·马斯克在会议上表示，AI 已经成为「SpaceX 未来极其重要的一部分」。

马斯克在讲话中说：「我们的 AI 营收可能——不，不是可能，而是确定——大概会在 9 月，也就是下个月，超过 SpaceX 其他所有业务的营收总和。」他随后补充道：「而到了第四季度，AI 营收将大幅超过 SpaceX 其他所有业务的营收总和。」随后，马斯克谈到了 SpaceX 旗下大语言模型系列 Grok 的训练计划。

他说：「我们将利用 SpaceX 所有信息的总和来训练 Grok。所以从某种意义上说，它将接受你们的训练。」马斯克表示，SpaceX 员工将成为「AI 的父母」，而 AI 将继承他们的思想、理念和信念。马斯克称，「我们在 AI 硬件和 AI 软件上必须赢。这或许是最重要的信息。我认为这实际上是我今天想要传达的最重要信息，那就是我们必须取得 AI 的胜利，因为未来压倒性地会是关于 AI 和机器人。」（来源：36 氪）

曝 iPhone18 系列至少涨价几千元

目前行业供应链已经传出明确动向，随着全球存储芯片价格持续暴涨，苹果确定要对即将发布的 iPhone 18 系列进行终端售价上调。

从目前供应链流出的定价信息来看，iPhone 18 系列的起售价至少要比上代产品高出 2000 元，涨价幅度创下近年 iPhone 系列新高，而成本端的暴涨也逼得苹果不得不通过各种调整供应链策略的手段，来平衡整机利润空间，避免盈利能力出现明显下滑。

在刚刚过去的 2026 年第二季度，苹果直接把 iPhone OLED 显示面板的平均库存保有周期，从此前常规的四周拉长到了六周，核心目的就是通过扩大整体采购规模、拉长备货周期，压低单块屏幕的采购成本，把全系列机型的生产总成本稳定在可控区间内。

针对定位高端顶配的 iPhone 18 Pro 和 iPhone 18 Pro Max 两款机型，苹果已经向面板供应商提议，将两款顶配机型所使用的高端 OLED 面板采购价格直接下调至 70 美元，约合人民币 475 元，进一步压缩核心零部件的采购开支。

苹果这一系列反常的提前锁价、加大备货量的操作，本质上就是想借超大批量订单带来的规模效应压低所有核心零部件的采购单价，尽可能对冲存储涨价带来的成本上浮压力，平抑涨价给终端售价和产品利润带去的双重负面影响。（来源：快科技）

全球首款机器人手机：荣耀 Robot Phone 官宣，搭载行业最小全钛云台架构

8 月 12 日消息，在今晚的荣耀 Robot Phone 全球新品发布会上，全球首款机器人手机—— 荣耀 Robot Phone 正式亮相。

荣耀 Robot Phone 开创性地打造钛合金灵巧云台，将 4DoF 机械臂装入方寸机身，拥有行业最小全钛云台架构、行业最轻钛合金云台电机、行业最快钛合金云台电机、行业最强盾构钢翻转电机。

荣耀手机官方表示，荣耀 Robot Phone 是一场极其勇敢的尝试，或许不尽完美，却代表着荣耀敢于打破常规，探索 AI 终端未来的决心。（来源：IT 之家）

3999 元影石 X6 正式发布：1/1.1 英寸大底传感器 + AI 三芯架构，支持 8K 50 帧全景视频

8 月 12 日消息，影石今日正式发布新一代超旗舰全景相机 X6，标准套装 3999 元起，旅拍套装和全能套装分别为 4299 元、4499 元，首批只有黑色可选。

作为影石深耕全景影像十年的标杆之作，X6 在画质、形态与 AI 体验上全面进阶，搭载索尼定制方形大底传感器与 4nm AI 三芯架构，支持 8K 50 帧全景视频和 1.2 亿像素全景照片。

X6 搭载影石与索尼联合定制的两颗 1/1.1 英寸方形大底传感器，相比上一代 X5 其传感器有效利用面积增加 33%，单像素进光量提升 300%，显著改善弱光、逆光及高对比度场景下的成像表现。X6 拥有 14.5 档动态范围，在全档位支持 10-bit 色深，并成为首款支持机内原生杜比视界的全景相机。（来源：IT 之家）

Spotify 将为 AI 虚拟歌手标注标签，并将其移出算法与编辑推荐

在线音乐流媒体巨头 Spotify 近日宣布，将针对平台上的人工智能生成歌手推出一项名为「AI Persona」（AI 虚拟形象）的全新标识。该标签旨在向广大听众明确提示，该艺术家的公众身份可能由 AI 生成，「并不代表真实的个人」。这一新标签计划于今年 9 月中旬正式在平台上线上线显示。

根据 Spotify 发布的政策，除艺术家主动自我申报外，平台也将对相关账号进行审核，针对公开展示名称与头像呈现「超逼真 AI 生成特征」的艺术家档案主动添加该标签，以扶持那些致力于建立音乐事业的真实音乐人。凡被归类为「AI Persona」的账号，其创作的内容默认将被排除在 Spotify 的编辑推荐及算法推荐机制之外，仅保留对已关注粉丝的推送。

该标签届时将呈现在歌手主页的顶部横幅、个人简介、搜索结果以及歌单单条曲目行中，用户点击标签即可查看该标识是来源于歌手自发声明还是由平台判定。对此有异议的艺术家将享有申诉机制，且未来数月内平台还将上线针对普通用户的 AI 账号举报功能。Spotify 方面强调，该标识侧重于艺术家的「公众形象」而非「音乐制作方式」，同时承诺将持续优化对 AI 内容的管理，坚决打击垃圾内容与低劣作品，保障音乐生态的健康发展。（来源：cnBeta）

编辑｜靖宇

8 月 3 日， Genspark 创始人&CEO 景鲲在 AGI Playground 2026 大会上发布了 GenOffice 。这是一款 AI 深度集成的本地 Office 客户端，其亮点在于打通了从 AI 生成到工作交付间的链路：通过 GenOffice 打造的软件工程框架，模型得以 直接操作 Office 文件最复杂的底层格式，将生成内容转化为可编辑、可交付的 Word 和 PPT 成品。

Genspark 推出这样一款产品并不令人意外。

在 Genspark 的产品体系 AI WorkSpace 6.0 中，AI 办公套件是核心价值模块；Genspark 还上架了 Microsoft Office 插件 ，让用户能在本地的微软 Office 软件里，直接调用 Genspark 的 AI 能力。在文档的转换层上，Genspark 已经积累了足够的经验。

让人意外的是 Genspark 推出 GenOffice 的方式：开源、免费，Alpha 版即日推出，后续交给用户、团队和 AI Agent 共建迭代。

据 Genspark 介绍，产品的 Alpha 版只由 一名工程师用一周时间完成，消耗约 1 万美元的 AI Token。这款用最 AI-Native 的方式开发出的产品，也将用最 AI-Native 的方式迭代——毕竟对于一款 Office 产品而言，用户的真实工作流也是最具价值的养料。

笔者此前从未接触过 Genspark 生态，但 GenOffice 直接调整文件格式的产品能力，让我产生了极大的兴趣。怀着好奇，笔者充值了 Genspark 基础套餐，开始了本次测试。

01

平替本地 Office？

在宣发中，GenOffice 被锚定为平替级的免费本地 Office：既不同于订阅制的 Microsoft 365，也不同于「免费+会员+广告」的 WPS。这个定位看似简单，实则门槛极高：处理一份看似简单的 Word 文档，其底层涉及复杂的几何计算与字体排版算法，背后涉及跨越数十年的代码积累。更要命的是，用户对办公软件的错误容忍度近乎为零。深厚的技术积淀、苛刻的用户需求，成为了传统 Office 厂商最深厚的壁垒。

不过，AI 赋予了 Genspark 挑战的机会。

仅仅一人一周的 VibeCoding，就让 GenOffice 拥有了可以实现基本编辑功能的产品原型。而且自发布以来，GenOffice 近乎以小时计更新迭代。许多在测试初期出现的使用问题，在最新版本已经消失。进步的速度确实惊人，但至少目前，稳定性、兼容性仍是它绕不开的短板。

笔者准备了几份结构复杂的 Word 文档，从编辑、排版到格式调整逐一实测。过程中问题接踵而至：文本时常莫名串行，甚至出现过全文英文字母全部变成竖条排列的诡异现象；在其他软件中显示正常的表格，导入 GenOffice 后也会出现额外的错位与空白；而在带表格的文档里，使用字号调节按钮批量调整时，界面会反复触发重排渲染，直接卡顿到难以操作。此外还有不少细碎的缺陷，暂不在此穷举。

GenOffice 在 Word 排版上出现了不少问题｜图片来源：极客公园

PPT 端的兼容性同样不容乐观。一些包含复杂图形排列的 PPT 文件，在 GenOffice 中打开后会出现严重的错版错位，页面元素脱离原有的位置关系。

可以看出，GenOffice 还不完全是一款成熟、可替代传统 Office 软件的办公工具。

虽然目前 Genoffice 在 Word 排版和格式上仍有瑕疵，不过，笔者并不怀疑 GenOffice 团队快速的迭代能力，假以时日，它的基础能力确实有机会无限逼近传统 Office 产品。就现阶段而言，它更像是一款「AI+办公」的新形态尝试。

02

AI 排版上大分

尽管身为 Office 软件的基础能力尚有缺陷，但它作为原生 AI 工具，解决文档排版问题的能力依然值得期待。

本轮测试，我选择了一个对文档格式最为敏感的场景：论文排版。我找到一份期刊上的论文 PDF 文件，复制全文粘贴到 Word 文件中。20000 字的论文全文，没有分段、没有标注，毫无头绪地堆在一起。在这种极端场景下，我尝试让 GenOffice 从零重建论文格式。

连接上 Genspark 的 AI 能力，GenOffice 经过了数分钟的读取、分析、处理，成功识别标题、摘要等文档结构，还去除了原 PDF 复制时错杂进来的重复页眉、页码等噪声，成功完成了 2 万字的初步排版。令我惊喜的是，原文档中散乱的、原本以表格形式呈现的文字，在没有任何提示的情况下，被 GenOffice 以表格形式忠实地还原。

这意味着，GenOffice 不是按照机械规则排版的转换器，而是一款能活用模型能力，在理解的基础上编排内容格式的 AI 应用。

论文PDF

复制得到的杂乱测试文档

GenOffice排版复现文档

我进一步要求 GenOffice 优化格式：我将在网上复制的论文格式要求发送给 GenOffice，这次它仅用了 30 秒，就将全文格式整理完毕。经过仔细审查，生成的 Word 文档没有丢失原论文任何内容，格式完全按照要求，并将角标脚注等内容还原到了正确的位置。

在后续，我要求 GenOffice 精准调整参考文献部分的格式，它也完美完成了任务。

总结而言，GenOffice 目前展现出来的格式批量编辑能力已经足够实用。只要用户能整理好格式需求，GenOffice 就能 调动模型强大的泛化能力，连接自身扎实的转换层工具 ，将内容转换为可交付级的文档，补上 AI 办公工作流的最后一环。

03

PPT 生成靠模版

在测试 PPT 环节，笔者将自己最近研究项目的一部分交给了 GenOffice：

我将 2026 年上半年在 Kickstarter 上表现较好的「本地 AI」硬件项目的基本信息发送给 GenOffice，要求它利用 Genspark 生态的信息搜索能力，整合各个项目的细节，编排「本地 AI」赛道硬件产品的综述 PPT。

结果如下：

首先，它有效利用了 Genspark 的信息收集能力，查找到的信息覆盖了产品的主要卖点。但在内容组织方面，模型没有把资料归纳成清晰的叙事表达，只是简单地设计了众筹成绩、产品卖点、编辑评论等板块，再将信息直接填入页面，导致内容极度碎片化。

其次，在逐页生成的过程中，它很难保持统一的视觉风格，每张幻灯片的字体、间距、对齐方式都会有轻微差异。尽管它生成的的确是可编辑的 PPT 文件，但挨个调整版式的工作量，已经足以令人心累。

最后，它的视觉风格不够自然，仍是典型的 AI 幻灯片风格。

一个可能的解释是：驱动 GenOffice 框架完成排版，对模型而言仍是一项高负担任务。单次任务从零生成时，模型需要同时处理内容组织与版式编排，难以兼顾内容创作与审美设计能力。

如果「一站式生成」的效果不理想，那么为它加上模板约束，并且单次生成只专注于一个工作步骤呢？

首先，我找到了一份 HTML 格式的 PPT 模板，要求 GenOffice 将其 1:1 复刻为 pptx 格式。结果如下：

原模板

复刻效果

GenOffice 的转换层能力忠实还原了原模板的视觉风格，打破了 Html 代码与可编辑的 PPT 文件间的界限。接着，我将另一个 Agent 生成的详细产品分析文案内容输入给 GenOffice，要求它根据已有模板生成完整 PPT 文件。

这一次，专注于排版任务的 GenOffice 给出了结构清晰、风格明确的成果。

通过测试我们发现，我们仍不能把 GenOffice 当成一个全栈 PPT 设计师。当处于「一句话生成」的场景中时，由于工作流缺少全局样式约束、内容规划与页面生成互相挤占，结果便是风格漂移、内容散乱。

而随后的 HTML 模板测试给出了另一面的答案——GenOffice 的转换层效率已经相当值得信赖。当页面结构与视觉规范被提前固定后，它的设计与排版表现得到了明显提升。

两轮测试后，我们得出了让 GenOffice 高质量产出的关键： 多加限制，各司其职。

用户仍需要负责提供结构与规范，把控内容生产，再让转换层负责格式落地——明确分工，固定流程，GenOffice 才能交出接近成品的答卷。

04

开源的意义

几轮测试下来，GenOffice 的能力边界有了较清晰的轮廓：它作为 Office 软件的基础能力仍有相当大的提升空间；但作为 AI 生成到可交付成品的转换层工具，它的能力又已足够扎实：论文格式一键整理、HTML 模板 1:1 还原……只要搭配合适的工作流，它已经能给出接近成品的答卷。

但是，产出答卷的代价……有些贵。

GenOffice 的 AI 能力调用的是 Genspark 自有的 AI 生态，按积分计费。 完成以上所有测试，我消耗了 22911 积分，价格近 60 美元。对于个人用户，这样的工作消费有些难以承受 。

此时，开源精神的价值展露无遗。

尽管 Genspark 没有在软件内部预留外部 API 接口，但在从源码构建 GenOffice 后，我通过 Coding Agent 找到了项目中放置 API 接口的文件，并成功接入了当前最实用廉价的模型：DeepSeek V4 Flash 正式版。

用同一批任务复测：

deepseek排版效果

deepseek排版效果

作为一套专攻文档格式的 Harness，GenOffice 与 DeepSeek V4 Flash 的协作表现良好。在论文排版、基础格式调整等文本任务上，其表现与官方接口相当；但在涉及 PPT 制作、视觉还原的复杂任务上则明显逊色——这与 DeepSeek V4 缺少多模态能力的短板吻合。但最直观的差异体现在账单上： 跑完全部任务，DeepSeek V4 Flash 仅仅花费了不到 5 元人民币 。

当然，这不是在贬低 Genspark 的订阅价值，Genspark 卖的本就不是 Token，是 SecondBrain 记忆层、Super Agent、AI Slides/Sheets/Docs 共同构成的一体化工作空间，是「All in One 上下文」的生态沉淀。

更何况，对 Genspark 的主要服务的 7000 多家企业而言，数据沉淀、团队协作、合规与售后保障，每一项都有着难以割舍的价值。

GenOffice 开源版把模型的选择权交还到用户手里，Genspark 生态则依靠订阅收入生存，这两件事看似一舍一得，实则互为表里——正如景鲲在 AGI Playground 2026 舞台对谈中坦言的那样，他认为未来模型会逐渐变成商品化的基础设施，闭源与开源也终将走向融合。把重要的产品工具完全开源，短期是放弃收入，长期却是加速产品的成长，并为 Genspark 的整体生态铺路。

把能力开放给所有人，然后相信价值终会回流——这或许就是 AI 精神最朴素的样子，也是这家信奉「向死而生」的公司的忠实写照。

*头图来源： GenOffice

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑｜靖宇

AI 将成为未来唯一的「入口」，这几乎是近年来的一个行业共识，但是这个「入口」如何变现，没人能给出答案。

不过，现在中国大厂的探索路径，已经清晰出现了。

8 月 10 日这个周末，两条看起来不相关的新闻几乎同时出现。

豆包宣布，通过其 AI 对话推荐跳转抖音来客成交的酒店订单，正式执行 12% 的独立佣金费率。

同一天，千问开放平台上线，顺丰、自如、盈米基金等十多个领域的服务商以 AI 智能体形态接入千问。

一个开始变现，一个把门打开。

这两件事放在一起看，信号非常明确——AI 助手喊了两年的「新入口」故事，现在终于开始探索变现了。

01

12%，贵吗？

作为拥有超过 3.45 亿月活用户的超级 AI 应用，豆包此次曝出的手续费，无疑吸引了所有人的目光。

根据官方介绍，

12% 这个费率由 11.4% 的软件服务费和 0.6% 的支付手续费构成，从商家结算款里直接扣除，用户端不加价。

这件事真正值得注意的不是费率本身，而是一个身份转换。在此之前，豆包带来的酒店订单被直接合并为抖音自然流量，按 8% 的平台费率结算。从 8 月 10 日起，这些订单开始标注独立的「豆包」渠道来源，按 12% 的新费率结算。

说白了，字节正式把豆包从抖音的「附属流量」升级为一个独立的交易渠道。

这个定价有它的逻辑。抖音主站的酒店订单来自短视频和直播——用户刷着刷着看到了一家酒店，这是「偶遇型」的泛流量。而豆包的订单来自用户主动提问，比如「北京北四环附近有什么性价比高的酒店」，这是「搜索型」的精准意图流量。就像搜索广告一直比信息流广告贵一样，意图越明确的流量越值钱。

12% 贵不贵？可以拉一条中国互联网的佣金标尺来看。

本地生活领域，携程的综合佣金率只有 4.4%，但这是被机票等低佣品类拉低的平均数。具体到酒店品类，携程、美团的佣金普遍在 15%~20%。抖音主站的酒旅订单约 8%。

豆包的 12% 卡在中间——比抖音主站高了 50%，但比携程、美团的酒店佣金低了不少。

而且这里面还有一层容易被忽略的差异。豆包的公关团队在 8 月 10 日晚间专门回应，强调豆包目前没有付费推广，商家不能通过付费影响推荐或排序，仅在订单成交后支付渠道服务费。他们还特意点了一句，「 部分平台采用『佣金+广告』的收费模式，豆包现阶段主要按成交收费，两者不好直接比较 。」

这句话信息量很大。 携程等平台表面上佣金 15%~20%，但商家要获得更好的曝光位还得额外投广告，实际渠道总成本远不止佣金这一笔。豆包目前只按成交收费、不卖广告，12% 就是全部渠道成本。如果这么算，12% 其实不贵。

从交易体验上看，豆包已经把「从问到买」的链路跑通了。用户在对话里问酒店，AI 推荐结果中直接出现可点击的酒店入口，点进去就是抖音来客的下单页面，用抖音支付完成付款。酒店、机票、景区门票、团购券都能直接买。整个过程不需要跳转到携程或美团，在字节自己的生态内就能闭环。

字节的底气也在于体量。根据 QuestMobile 8 月初发布的数据，豆包月活已达 3.82 亿、日活超过 1 亿，这个流量盘子本身就有定价的资格。 同时控制 AI 入口和交易平台，这种闭环能力是豆包敢定 12% 的根本原因。

但闭环跑通是一回事，用户愿不愿意在里面完成交易是另一回事。《2026 上半年中国 AI 旅游应用趋势洞察报告》的调研显示，在所有 AI 旅游应用中，66.2% 的用户在拿到推荐后，还是会回到携程、美团等 OTA 平台做验证，只有 15.2% 的用户选择直接购买。

这对豆包是个真实的威胁。12% 的佣金只有在「豆包→抖音来客」这条链路上成交才收得到。 用户如果看完豆包的推荐，转身去携程下了单，豆包一分钱都拿不到——等于免费帮携程做了一轮精准筛选。 交易闭环在技术上跑通了，但用户的交易心智还没有迁移过来。

02

阿里千问的「App Store」

同一天，千问做了一件完全不同的事。

千问开放平台面向生态伙伴和开发者开放了手机、PC 和 AI 眼镜三类终端的接入。第三方可以在千问上创建 AI 智能体，以独立对话空间的形态为用户提供服务。首批接入的合作伙伴覆盖物流、租房、理财、出行等十多个领域，包括顺丰速运、自如租房、盈米基金、哈啰租车等。

和豆包最大的区别是，千问不碰交易环节 。

用户在千问上 @顺丰，可以直接说「帮我给上海客户寄个文件」，顺丰智能体能记住用户的寄送地址，直接完成下单。用户问盈米基金的「且慢小顾」理财问题，它可以结合用户授权的真实持仓做诊断。但这些交易和服务的闭环，都在各个合作伙伴自己的体系内完成，千问只提供入口和 AI 能力。

本身有电商平台的阿里，走的却是一个更开放的路子｜图片来源：阿里巴巴

如果说豆包走的是「超级 App 做闭环」的路，千问走的更像是「微信小程序」的路——我提供场地和人流，你自己来做生意。

这两条路背后不是理念差异，是手里的牌决定的。

字节有抖音来客这个本地生活交易平台，豆包的 AI 推荐天然可以接入自家的交易和履约体系，做闭环水到渠成。阿里体系内当然也有淘宝、飞猪、菜鸟这些交易和履约能力，但 千问目前接入的是顺丰、自如这类非电商服务，选了一条更轻的连接层打法 。

与此同时，美团也在走自己的路。7 月底，美团的 AI 助手「小团」全面升级，从搜索问答进化到代理执行——用户提出需求后，「小团」可以直接帮你完成下单、打车、订位。

三个大厂，三种打法，但目标一致——都在抢同一个位置，用户和服务之间的「决策代理层」。

不管走哪条路，所有人都卡在同一个问题上——用户信任和交易习惯，还没有迁移到 AI 入口。

豆包的数据已经说明了问题。 日活过亿，但据报道日收入不足百万元，主要来自电商佣金 。66% 的用户看完 AI 推荐还是回 OTA 验证。

字节对于这种困境应该并不陌生。

2020 年抖音开始做电商的时候，大家也是刷视频刷得开心但不习惯在里面买东西。「刷抖音的时候谁会想着买东西？」是当年最常见的质疑。但抖音用了不到三年，就把电商 GMV 做到了万亿级别。

流量先到，交易心智后到，中间有个时间差。

这个时间差有多长，取决于 AI 入口能不能解决两个核心问题：

第一，推荐的准确性和可信度——用户需要被说服「AI 推荐的确实比我自己搜的好」；

第二，交易体验的顺畅度——从问到买的链路越短，转化越高。

03

ChatGPT 的困境

在硅谷，OpenAI 在 AI 入口商业化上走得更早、更激进，但遇到的麻烦也更大。

2025 年 9 月，OpenAI 推出了 Instant Checkout 功能，和 Shopify、Etsy、PayPal 合作，用户可以在 ChatGPT 对话里直接完成购买，不用跳转到商家网站。到 2026 年 2 月，「Buy it in ChatGPT」正式面向所有美国用户开放，号称覆盖超过 100 万 Shopify 商户。OpenAI 对每笔交易收取 4% 的手续费。

ChatGPT 的「内购」并没有走通｜图片来源：OpenAI

从流量层面看，数据确实在快速增长。ChatGPT 已经贡献了沃尔玛约 20% 的引荐流量、Etsy 超过 20%、Target 约 15%。2026 年第一季度，AI 驱动的美国零售网站流量同比暴涨了 393%。

但问题出在转化的最后一步。

OpenAI 内部发现，用户在 ChatGPT 里问了大量产品相关的问题，比价笔记本、挑选礼物、研究跑步装备，但就是不在里面下单。在百万级的 Shopify 商家中，实际接入 AI 销售工具的只有大约十几家。

2026 年 3 月，OpenAI 已经在调整方向，从「站内直接结账」转向让用户跳转到 Instacart、Target、Booking.com 等第三方 App 完成交易。

对比下来，中美两边的差异就很清晰了。

字节的优势在于同时控制了 AI 入口和交易平台——豆包推荐、抖音来客履约，闭环在自家体系内完成，所以敢定 12%。OpenAI 什么交易基建都没有，Shopify 是别人的、支付走 Stripe、履约靠商家自己，它在整个交易链条里只是一个信息中间人，只收 4% 但依然没能说服商家大规模接入。

手里有没有交易闭环，决定了 AI 入口商业化的天花板。

04

崛起的 AI「决策代理层」

当 AI 入口开始收「过路费」的时候，最该紧张的是谁？

答案很明显——携程和类似的中间商平台公司。

以前，用户找酒店的路径是「打开携程→搜索→比价→下单」。AI 入口插进来之后，路径变成了「问豆包→AI 推荐→跳转下单」。看起来只是多了一步，但权力关系变了。 决定用户「看到谁」的，不再是携程的搜索排名，而是 AI 公司的大模型。

更麻烦的是，平台型公司的成本结构可能被重塑。

以前商家给携程交 15%~20% 的佣金，买的是「被用户搜到」的机会。以后如果 AI 入口做大了，商家可能需要同时给 AI 入口交一笔「推荐费」、再给履约平台交一笔「服务费」——总成本未必降低，但利润的分配方式完全变了。

AI 入口和平台博弈，最终要看三件事，即谁持有用户意图、谁决定最后推荐、谁制定交易分成。

如果美团仍然掌握商家关系、交易闭环和履约标准，它就是本地生活的操作系统；如果只能接受上游 AI 的比价和分单，它就退化成了供应商。

这也是美团急着做「小团」的原因。

它需要同时打两场仗——一边把自己的 AI 助手做起来，让用户形成「本地生活先问美团」的习惯；一边开放能力，成为豆包这类外部 AI 入口无法绕开的服务基础设施。

回到开头的两条新闻。豆包收佣金、千问开平台，表面上是两种商业模式的选择，但底层指向同一个趋势。

AI 正在成为用户和服务之间的「决策代理层」。

以前，用户自己做决策——自己搜、自己比、自己选。平台的价值是提供选项。现在，用户把决策权交给 AI——「帮我找一个合适的」。AI 的价值不再是提供选项，而是直接给出答案。

一旦这个「决策代理层」成立，整个互联网的流量分配和利润分配逻辑都会被重写。谁控制了这个层，谁就拿到了定价权——豆包的 12%，就是字节在为这个控制权定价。

从目前的格局来看，一个趋势已经比较清晰。

手里同时有 AI 能力和交易基建的公司，在这场竞争中结构性取得领先。 字节有豆包加抖音来客，阿里有千问加淘宝、飞猪、菜鸟，美团有小团加自己的本地生活体系。

而 OpenAI 只有模型，没有交易生态，所以即使坐拥全球最大的 AI 用户量，商业化依然步履维艰。

在 AI 时代，光有「入口」不够，还得有「出口」。 入口是用户来问你，出口是帮用户把事办了。只有入口没有出口，就只能当信息中介收个导购费；入口和出口都握在手里，才能吃到交易闭环的全部价值。

*头图来源：credello.com

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

上周 的 WAIC，人山人海。

每个展台 都在讲 AI，每件硬 件都说自己是「智能终端的下一代」。可你挤出场馆冷 静下来想想， 记住的产品 有几个？ 大部分设备，把 logo 遮住，你根本分不清谁是谁。

这就是 2026 年硬件行业最拧巴的地方，造东西从没这么容易过：模型写代码、3D 打印出外壳、深圳供应链一条龙。但也正因为谁都能造，同质化像潮水一样漫上来。真正的创新，成了比芯片还稀缺的东西。

可潮水底下，总有人在憋大招。而且我们发现，一旦谁真的跑出一个好的产品形态，市场会毫不犹豫地把钱砸过去。这就是造物时代的掘金逻辑：淘金的人挤破头，卖水的闷声发财，而定义新品类的人，直接画地图。

这一个月，我们顺 着几个 问题观察硬件创新的变化。

那些大技术会先在哪落地？Starlink 的卫星信号绕过了手机，先去深山里接住了一只跑丢的狗，发短信都费劲的卫星直连，传一条狗的坐标刚刚好。

AI 硬件非得发明新物种吗？不一定。它钻进了孩子手里的放大镜、花坛里的一朵假花、你枕了三十年的枕头，旧物件，闹钟，AI 顺着人的旧习惯往里长，比让人适应新设备聪明多了。

我们还发现，现在传感器早就不值钱了，值钱的是让数据变成情绪。一只空气变差就当场「阵亡」的机械小鸟，一只土壤干了就蔫给你看的像素宠物。这一代硬件想通了一件事，卖数据不如卖愧疚感，卖情绪价值。

甚至有人开始反向卷：不能回看的相机、不出照片的相机、除了记事什么都干不了的掌机，当效率被手机卷到头，「反效率」成了新的体验溢价。

造物 100 栏目介绍：

造物，正在从少数人的特权，变成所有人的能力。

过去，做出一件硬件需要工厂、资本和一整条供应链，如今，AI 让人用一句话 就能生成能跑的软件，再加上桌面级的激光、UV 与 3D 打印设备，一个普通人在自家书房里，就能把灵光一现的东西造出来。

「我想要，我就能自己得到」正在成为这个时代新的注脚。

我们相信，一个属于造物者的时代正在到来，而「造物 100」，就是我们为它留下的记录。

以下，是「造物 100 」栏目的第「2」期推荐的 10 个造物：

卫星宠物项圈 Fi Ultra

让 Starlink 正在从太空帮人找狗

纽约宠物科技公司 Fi 的第四代产品，创始人 2017 年因为想监督遛狗师偷没偷懒入行， 如今做成了美国智能项圈头部品牌。（$199 + $20 激活费 + 订阅制，7 月 8 日已上市）

过去所有 GPS 项圈都有同一个死穴，就是狗一跑出基站覆盖，追踪器当 场失联，但狗最爱走丢的农场、林区、露营地恰好都是信号盲区。

Fi Ultra 让项圈在没信号时可以自动切换到 Starlink 卫星，全美任何角落都能实时定位。农村用户、猎 犬 主、常带狗进山的人，第一次有了真正管用的追踪器。而且当幼犬完全长大后，可以免费更换项圈。

这是我们第一次在手机之外的消费级设备上，看到卫星直连技术被用来解决具体问题。工程上，它让卫星、LTE、Wi-Fi、蓝牙四种连接无感切换，再叠加常开的双频 GPS。

有意思的是，卫星直连现阶段带宽窄到手机发短信都费劲，但宠物定位每次只需 回传几十字节的坐标恰好是这项半成熟技术当下能完整胜任的少数消费场景之一。

不过我们 发现这类产品还是有很多 bug，比如说，GPS 常开续航时间短，68g 重量对小型犬不 友好，而且卫星需要开阔天空，但树林和山林里经常会被树冠挡着信号。

看起来很炫酷的产品，酷的是想法，并非是实用价值。那么卫星定位走入消费级产品到底还能怎么玩？

无屏拍立得 Godox C100

一台没有屏幕的相机，取景窗是透明的

国内灯光器材品牌神牛（Godox）的首款随身相机，一个做了三十年闪光灯的厂牌，突然跨界发了台「玩具」。（国内售价 199 元（约 $29），6 月 29 日已开售）

过去数码相机的进化方向一直是屏幕更大，但 C100 直接砍掉 LCD，用一块透光率超 50% 的透明显示屏当取景窗，你透过屏幕直视真实景物构图，拍完无法当场回看，照片只能回家用 USB-C 连手机或电脑查看。

唯一有意思的设计在于它内置中央重点测光，读取画面中心 25% 区域亮度自动算出光圈快门组合，显示在透明屏边框处，确保照片成像质量，有点老式无测光胶片机的感觉。

其实，透明取景的点子 Escura 在今年 CP+ 上也秀过，但那只是印了图案的塑料片，神牛做成了真正的动态透明屏。不过，续航只有约 1.5 小时，拍照片就是抽盲盒，不确定性比较大。

拍立得的体验，胶片的时间、CCD 的续航，柯达胶卷的前车之鉴告诉我们现在已经没有人愿意从即时成像的蜜罐里走出来了。

植物 AI 硬件 PlantSenso

给盆栽配了只拓麻歌子，植物死活它先哭

初创团队 soildtech 的首款产品，今年 1 月在 CES 上 first 亮相，6 月 16 日上线 Kickstarter 众筹。（$79.99，早鸟最高六折，众筹中）

过去所有土壤传感器即便数据测得再准，理解数据的成本仍然很高。PlantSenso 的解法是把数据翻译成情绪，探针插进土里，屏幕上就会有一个电子宠物活过来过来，用「宠物」的状态实时反映植物的健康状态。比如，土干了它蔫给你看，光不够它愁给你看，植物快死了它也奄奄一息。

不过，它实际上是一个集成了 AI 的智能家居，App 能识别 1.2 万种植物、能拍照用 AI 诊断病害并给出治疗方案；还接入了 Home Assistant、Homey 和 IFTTT，根据植物情况能够自动联动补光灯和自动浇水阀。

有趣的点在于两处，一是在小众场景里增加「情绪价值」的方式， 长在植物上的电子宠物，情绪来自一条真实的生命体征数据，把假宠物嫁接在真生命上，反而比纯虚拟的桌宠更有「活」感。 二是做成了围绕「种植」场景的大脑存在，有实际功能用途。

不过问题在于，一盆一个设备，阳台党的钱包顶得住吗？要是能说话的话，到时候浇水浇花可能像是在逛电子动物园。

换个角度想，你其实是组合式的方式养了一个有生命还能提供情绪价值的「宠物」，还不用铲屎。有点心动了。

花园监控 Petal

一朵会拍纪录片的 AI 假花，你家后院的 BBC 剧组

智能喂鸟器 Bird Buddy 团队的新副牌 Wonder 首作。（Kickstarter 上 8293 人众筹 249 万美元，单机 $129 起，今年 6 月起陆续发货。）

过去很多自 然纪录片 都需要摄影师长期去蹲守，Petal 通过一颗 4K/12MP 镜头长在可弯折的「花茎」上，插土里、缠树枝、夹花盆都行，太阳能板伪装成 叶 子；机身干脆做成花的样子，用外形把蜂鸟和昆虫骗到镜头前。

Petal 里内置的 AI 认识 2000+ 种动植物，内置「叙事引擎」自动选素材、剪辑、配旁白，甚至可以可以产出 BBC Earth 风格的迷你纪录片。

不仅如此，它还有拓展空间。 Petal 会在监测到筑巢、植物病害或入侵物种时报警，并给你算一个「生态贡献分」。结合之前 Wonder Blocks 配套的模块化花箱、蝴蝶喂食器等等搭建一个花园监测生态。

本来以为是一个小而美的生意，但是在短短时间内能够得 8293 人众筹 249 万美元，也说明了面向植物的 AI 应用市场同样有很多人买单。

当 AI 把「观察自然」的门槛打到 $129，问题变成了我们是更亲近自然了，还是只是多了一块看自然的屏幕？

AI 放大镜 百问兔兔

把 AI 塞进孩子它好奇的环境里

上海绒音科技的首款 C 端产品，创始人是位 00 后连续创业者，今年 4 月刚拿下京东 JoyInside 大赛季军，近期又完成近千万元天使轮融资。（价格未公布，刚在 WAIC 2026 首次线下亮相）

孩子的十万个为什么，家长一半答不上、另一半懒得答，最后往往塞个手机了事。这款产品的解法不是再造一个新设备，而是选了个孩子天然会拿的工具：放大镜。

16 倍光学变焦是台真放大镜，可以让小朋友凑近看虫子看叶子的动作变化，然后认出这是什么，开口讲给孩子听。辨植物、认动物，回应孩子的每一份好奇。

它有意思的地方在于交互入口的选择。眼下 AI 儿童硬件几乎全在做「会说话的玩偶」，BubblePal 们比拼的都是「听和说」；放大镜切的是「看」，而且是让孩子 主动 去看，而不是让 AI 追着孩子灌输。

官方给它定的能力叫「自然科普 + 品格引导」，目标用户写的是 1-3 岁，这个年龄段大概是目前 AI 硬件敢碰的下限了。

这个产品形态在硬件上几乎没有壁垒，电商平台上早有几十块的白牌「AI 放大镜」玩具在卖，更关键的是「儿童内容生态」。后续也可以和博物馆、游学等项目结合起来，替代传统讲解器。

墨水屏 PDA PocketMage

巫师主题，专治手机上瘾

这是 YouTuber Ashtf（Talisman Design）的开源项目转正之作，也是在大家眼皮子底下做出来的产品，从 2025 年底全程视频直播设计过程、社区 beta 打磨，到两周前正式上 Crowd Supply 众筹量产。（套件 $185 / 组装版 $235，「羊皮纸」和「皇家紫」两色，预计 2027 年 3 月发货）

没错，死去的「文曲星」又活过来了，翻盖开合、实体 QWERTY 键盘、不到 4×3 英寸真能塞进口袋，功能就是记事、日记、日历、词典，没有信息流，没有通知，工具性产品。

3.1 寸 E Ink 主屏管阅读和长文，键盘上方一条 1.8 寸 OLED 细屏管打字回显和菜单，快慢各司其职，1200mAh 电池能撑一周。

更妙的是它给极简设备加了「人格」：整个 OS 走巫师风，内置塔罗牌应用和一款地牢探索 RPG「Mage's Descent」，第三方应用商店干脆叫「集市（Bazaar）」。

不过，有趣的是设定，但本质上还是「电子记事本」，$235 的价格可选择的产品区间也很多，情怀因素为主。

AI 的到来似乎让很多上个世界被手机淘汰的产品又有了新的生存空间，你说对吧，文曲星。

Pulsar × Noctua Feinmann F01

给鼠标装了个电风扇

韩国电竞外设厂 Pulsar 和奥地利散热老字号猫头鹰（Noctua）的联名，去年 Computex 上的整活原型，被围观热度硬生生催成了量产。（$179.95，7 月 21 日刚开售）。

它解决的是一个所有厂商都假装看不见的问题：手汗。电竞鼠标卷了十年克重、DPI、回报率，没人管你打到决胜局时掌心那摊水。

F01 的解法粗暴直接，直接上碳纤维复合外壳打满镂空孔，鼠标肚子里塞一颗正经的猫头鹰 NF-A4x10 40mm 风扇，气流直吹掌心，四档风速可调，鼠标上按键组合就能开关。

鼠标本身的标准也没落下，新款 XS-2 传感器 42000 DPI、8000Hz 回报率，塞着风扇和 500mAh 电池整机还压在 73g，整机还压在 73g。

不过，相较于无风扇原版重了 27g，还是小众市场小众需求，但价格翻倍。

一个传统形态的产品上，仍有人在尝试一些花活，解决部分小众市场的需求。

智能睡眠枕 Vytasync

一只会呼吸的充气枕头，躺上去帮你睡好觉

自称 2020 年就开始做睡眠技术、攒了 33 项专利的团队，首次上 Kickstarter。（硬款 $299 / 软款 $311，众筹中，预计 Q3 2026 发货）

身体累瘫了，脑子停不下来，其实是很多睡眠难的人常见的情况。它通过 内置双气囊矩阵毫秒级感知压力变化， 枕头做成「主动的」感知器。在睡前，用户还可以打开「引导呼吸」模式，气囊按 4-7-8 呼吸法的节奏起伏，用身体接触把你的呼吸带慢，类似把冥想 App 从耳朵挪到了后脑勺。

同时，气囊模拟理疗的颈椎牵引松肩颈，监测到打鼾就悄悄调整头位撑开气道。

枕头里没有任何电子元件，泵、芯片、电源全在床头的外置主机里，靠气管连接，枕芯只有空气，睡电热毯焦虑症患者可以松口气；运行噪音官称 20-35dB。设计上也确实拿了红点奖和 MUSE 金奖。

EightSleep「枕头版」，就是这个按摩的设计会联想到商场里的按摩椅子睡上去会有半夜被惊醒的担忧。

空气检测仪 Birdie Pro

空气变差，这只鸟就当场「阵亡」给你看

两位哥本哈根设计师的二次众筹，前作 Canairi 曾筹得 46 万美元并如期量产交付，Trustpilot 上口碑好到反常。（$369，众筹价 $279，早鸟价 $199，众筹中）

过去，煤矿工人总是带金丝雀下井，鸟晕了就说明空气不能待了。Birdie 把这个传统带到家里，在墙上挂上一只机械小鸟，CO2 超标它直接栽倒，开窗通风才会重新站起来。

Pro 版塞进了瑞士传感器套件并新增 App，监测扩展到湿度、温度、霉菌风险、花粉和室外空气质量。它解决的不是「不知道空气差」，而是「知道了也忘记开窗」。

Awair、青萍走屏幕+数据路线，但数据不产生行动；Birdie 反着来，砍掉所有数字，只输出一条谁都看得懂的指令：鸟倒了，开窗。全家老小包括五岁小孩都能执行，其实本质上上也是通过一个形象产品，给传统设备增加「情绪价值」和生命感。

整个产品里最值钱的是那只会「死」给你看的鸟，两百多美元客单价就是用户为情感付的溢价。

如果华强北努力一点的话，59 元下个月应该马上能用上。

舌尖上的鼠标 MouthPad

把触控板贴在上颚，舌头就是你的第 11 根手指

MIT Media Lab 孵化的 Augmental 出品，磨了两年 Early Access，7 月 22 日正式面向全美公开发售，还顺手发布了配套新品「隐形键盘」Vox 的 beta 版。（价格官网 waitlist 制，需预约牙科扫描定制）

它长得像一副隐形牙套，先做口腔 3D 扫描，再用牙科树脂打印出完全贴合你上颚的定制件，压感触控板、传感器、蓝牙模块全部密封在防唾液的壳体里。

舌头在上颚滑动就是移动光标，舌尖按压是左键，「嘬」一口是右键，配合头部追踪，点击、拖拽、滑动全部免手完成。今年的第二代还能用舌头触发自定义快捷键、把触控板映射成 WASD 打游戏，续航 7 小时以上，一键在多设备间切换。

据说，一位每天佩戴它工作的用户，在光标控制测试里打出了 10.47 bits/s 的成绩，已经追平了当今最先进的植入式脑机接口。换句话说：Neuralink 用手术刀达到的带宽，它用一副牙套摸到了。

目前 100 多位行动障碍用户在日常使用，有人一天戴 16 个小时，学生、艺术家、游戏玩家，「打游戏更顺、干活更快，用电脑时我不再觉得被身体限制住」。

不过，整个产品的定制流程重，涉及牙科扫描+等待制作+上门指导等多个环节，注定便宜不了；专为小部分特殊人群设计。

脑机接口的另一种打开方式，不从头上贴片，而是从其他方向刺激。不过，口腔确实是比较少见的方式。

如果你关注有趣、新奇、好玩的智能硬件，欢迎加入我们的内部交流群一起交流分享~

识别下方图片二维码，添加 GeekPark GO 微信，发送关键词【Hardwire】，小助手邀你加入 Hardwire 交流群~👇

*产品图片来源于网络

本文为 Hardwire 原创文章，转载请在文章下方评论区留言

Manus 宣布脱离 Meta 恢复独立运营

8 月 11 日消息，Manus 在官网发布声明，宣布脱离 Meta 并恢复独立公司形式运营，继续为全球数百万用户提供服务。在此过程中，部分用户的账户将受到影响。

为遵守特定司法辖区的监管要求，部分用户在 2025 年 12 月 29 日当前或之后产生的数据，将于北京时间 2026 年 8 月 23 日 08:00 起至 8 月 24 日期间被删除。受影响用户将会在 Manus App 和电子邮件收件箱中看到通知。如果用户是使用 Apple 账户或 Facebook 账户注册 Manus，则需要留意应用内通知。

在此期间，未受影响的用户可以照常使用 Manus，无需采取任何行动。

Manus 成为独立公司后，官方会将数据存储在美国和新加坡。用户恢复数据后，官方还将提供回归奖励。（来源：凤凰网科技）

谷歌有史以来增长最快的产品：Gemini 应用月活跃用户达 10 亿

8 月 12 日消息，谷歌 CEO 桑达尔 · 皮查伊（Sundar Pichai）宣布，Gemini 应用月活跃用户达到 10 亿，是谷歌有史以来增长最快的产品，也是该公司第 14 款跨越十亿用户大关的产品。

今年 6 月，谷歌宣布 Gemini 应用月活跃用户数超过 9 亿，为该公司当时所拥有的 13 款超 10 亿用户产品提供支持，其中包括 5 款用户量超过 30 亿的产品（谷歌搜索、Gmail 邮箱、Android 系统、Chrome 浏览器、YouTube）。（来源：界面）

从阿里离职五个月后，林俊旸官宣创办 AI 公司语用科技 Pragmatik Labs

8 月 12 日消息，林俊旸（yáng）今日宣布，他在上海创办了一家新公司 Pragmatik Labs（语用科技），简称 p7k。新公司的研究方向为横跨数字世界和物理世界的下一代智能体（Agent）。

公开资料显示，出生于 1993 年的林俊旸，曾是阿里最年轻的 P10 级技术专家，与智谱 AI 创始人唐杰、月之暗面（Kimi）创始人杨植麟、腾讯首席 AI 科学家姚顺雨并称为「基模四杰」。今年 3 月，林俊旸宣布从阿里巴巴离职。

林俊旸还透露，高榕创投和红杉中国共同领投本轮融资，腾讯和上海未来产业基金提供支持。

据外媒今年 6 月报道，Pragmatik Labs 此轮融资规模达数亿美元，高榕创投和红杉中国各投资约 1 亿美元，腾讯投资约 2,000 万美元），公司投后估值约 20 亿美元。（来源：网易）

封禁 3 年后迎来转折，美国政府设备重新允许使用 TikTok

8 月 12 日，据彭博社报道，特朗普政府已解除在联邦政府设备上使用 TikTok 的限制，原因是 TikTok 美国业务在重组后不再构成国家安全威胁。

白宫管理和预算办公室在周一发布的一份备忘录中，撤销了 2023 年发布的一项指令。该指令因担心 TikTok 存在安全风险，禁止在政府设备上使用这一短视频服务。

今年 1 月，TikTok 美国业务完成重组，并成立新实体 TikTok USDS Joint Venture，引入甲骨文、银湖资本等投资者，字节跳动保留少数股权。新实体负责 TikTok 美国业务的数据保护、算法安全、内容审核及软件保障。（来源：搜狐网）

港交所行政总裁：香港今年 IPO 集资额已达 410 亿美元，超去年全年

据港媒报道，港交所行政总裁陈翊庭 8 月 11 日表示，截至 8 月初，香港今年 IPO 集资额已达 410 亿美元，超越去年全年的 395 亿美元，预计今年将再创纪录。（来源：界面）

AI 算力供应商 CoreWeave 上调全年营收展望为 124 亿至 132 亿美元

AI 算力供应商 CoreWeave 当地时间 8 月 11 日公布二季度营收增长逾一倍至 25.8 亿美元；每股净亏损 1.14 美元，亏损幅度小于预期。分析师此前预计营收为 25.6 亿美元，每股亏损 1.41 美元。CoreWeave 将全年营收展望上调至 124 亿至 132 亿美元，此前预计为 120 亿至 130 亿美元。（来源：财联社）

超 653 公里 / 小时，JCB Hydromax 创下氢动力车陆地速度新纪录

8 月 12 日消息，在以 368.347 英里 / 小时（592.797 公里 / 小时）的速度创造纪录数天后，JCB Hydromax 又在美国邦纳维尔盐滩创造了一项新的国际汽联（FIA）世界陆地速度纪录。

今天凌晨，这款氢动力车型首次出场便跑出了 400.623 英里 / 小时（644.740 公里 / 小时）的平均速度。随后，赛车掉头驶向相反方向，最终跑出了惊人的 412.135 英里 / 小时（663.267 公里 / 小时）平均速度。

两次成绩取平均后，JCB Hydromax 最终以 406.320 英里 / 小时（653.909 公里 / 小时）的平均速度创造了新的世界纪录。这一成绩远远超过此前 185.5 英里 / 小时（298.5 公里 / 小时）的氢动力车辆陆地速度纪录，同时也打破了 350.092 英里 / 小时（563.418 公里 / 小时）的世界柴油动力陆地速度纪录。后者由 JCB Dieselmax 于 2006 年 8 月创造。

这辆赛车全长 32 英尺（9.75 米），搭载两台 JCB「基于量产产品打造」的氢燃料挖掘机发动机。两台发动机合计可输出 1,600 马力（1,193 千瓦、1,622 PS）。JCB 表示，这些发动机「与目前英国生产线下线的 JCB 工程机械和设备所使用的发动机相同」。

这正是 JCB 打造 Hydromax 的核心目的。JCB 董事长 Anthony Bamford 解释道：「20 年前，我们驾驶 JCB Dieselmax 来到邦纳维尔盐滩，展示了英国工程技术利用柴油动力能够做到什么。今天，我们再次做到了——这一次使用的是氢动力发动机。」（来源：新浪财经）

微软 Xbox Elite Series 3 原型手柄谍照泄露，内置微型屏幕

8 月 12 日消息，Reddit 上一名用户近日晒出了一组看起来非常真实的微软 Xbox 原型手柄照片，而它几乎可以确定就是传闻中的 Xbox Elite Series 3。更令人意外的是，这名用户声称自己是在 OfferUp 上花 200 美元买到这款手柄的。

今年 5 月，巴西监管机构泄露的图片显示，Xbox Elite Series 3 将在手柄底部边缘加入两个全新的滚轮，还将增加一种新的无线连接模式，可以直接连接 Xbox Cloud Gaming 服务器，同时加入一个新的「配对按钮」，用于在云游戏服务器和游戏主机之间切换。

那么，这个配对按钮究竟会放在哪里？如今我们可能有了答案：它可能位于 Xbox Elite Series 3 内置屏幕的旁边，而这块屏幕此前从未被曝光。

这块屏幕的外观与 5 月份泄露的设计图几乎完全一致，后者展示了模式切换界面，左侧同样出现了一个配对按钮。

The Verge 微软领域记者 Tom Warren 表示，他的消息人士认为，这款手柄仍有望在今年晚些时候正式推出。（来源：（IT 之家）

头部 AI 大厂员工自述工作强度不降反升，90 小时工作制已成行业常态

据多家知名科技公司现任及前任员工透露，在研发和推进 AI 项目期间，高强度的加班、周末连轴转以及严苛的交付期限已成为行业常态。

在 OpenAI 和 Anthropic 等头部 AI 企业，遇到重大研发攻坚或产品迭代周期（即所谓的「冲刺期」），部分员工每周的工作时长甚至会突破 90 个小时。一名去年离开 OpenAI 的技术人员透露，此前他每周的工作时间普遍达到 70 小时以上，离职转投另一家 AI 初创公司后，日常工时才降至 50 至 60 小时，但在产品临近发布时依然需要加班加点，甚至周末也得随时回公司排查故障或接手紧急任务。

业内人士指出，这种空前的工作压力在很大程度上源于当前白热化的 AI 行业竞赛。各大厂商为了在模型性能、算力基础设施以及产品落地等多个赛道上占据先机，不得不强行压缩研发周期，这无形中将巨大的交付压力转嫁到了前端的技术研究人员和工程团队身上。

类似的情况在其他大厂同样普遍。在 Meta，不少员工遭遇了被称为「被征召」的突然调岗，在缺乏足够选择权的情况下被直接打包划拨至 AI 研发团队，负责构建针对软件工程等领域的自动化 AI 系统以及评估模型性能的基础设施。多名员工表示，这种研发工作几乎看不到尽头，伴随而来的是深沉的随时待命感与严重的精神消耗。

研究机构和学术界的数据也佐证了这一现状。加州大学伯克利分校的一项跟踪研究显示，虽然 AI 工具确实能加快单个任务的处理速度，但它非但没有为员工省下休息时间，反而让大家的工作节奏变快、处理的任务量暴增，同时还需要花费额外精力去复核 AI 生成的内容。麻省理工学院的创新学者对此总结道，当 AI 带来效率提升时，企业管理层通常不会选择给员工放假，而是会迅速派生出新的任务需求、更高的绩效预期和更繁重的监督工作。不仅工作总量没有减少，技术迭代带来的新工作反而层出不穷。（来源：cnbeta）

头图来源：阅星曈

极客公园获悉，超便携电子纸品牌阅星曈近期完成一笔接近 5000 万元的 A 轮追加融资，由顺为资本、经纬创投、博裕创投和小红书四家老股东继续投资。

此前在今年 4 月，阅星曈曾对外披露，自天使轮至 A 轮累计完成五轮、总额超过亿元的融资。公司方面称，此次近 5000 万元是滚动融资中近期完成的一笔 A 轮交割。资金将主要用于提前锁定电子纸屏幕和产能、研发新硬件、改善软件交互、探索 AI 能力，以及拓展内容版权和海外市场。

过去两年，AI 硬件普遍在做加法：加入麦克风、摄像头、更多传感器和更大的模型，希望设备能够听见、看见并主动理解用户。

阅星曈目前获得市场反馈的产品，却是一块功能克制的电子纸。它没有开放的应用商店，没有短视频和信息流，也没有一套需要被反复强调的 AI 功能。它只是磁吸在手机背面，让用户在地铁上、排队时或睡觉前读几页内容。

但阅星曈也开始尝试把 AI 接入这套原本克制的产品体系。按照创始人兼 CEO 胡宇沸的介绍，公司正在测试一套由云端、手机 App 和电子纸设备组成的三端架构，已经调通部分 Agent-to-Agent 测试。

按照胡宇沸的设想，AI 更像信息抵达屏幕之前的一层处理：理解用户需要什么、整理内容、减少导入和推送的步骤，最后仍由电子纸呈现结果。

一家公司因为做减法获得用户，又因为增长必须开始做加法。这是阅星曈融资之后真正值得观察的问题。

01 从「把规模做大」，到「把产品做小」

阅星曈是一家成立于 2023 年、从超便携电子纸切入的消费电子创业公司。现阶段的核心产品是 X3、X4 等小尺寸电子纸设备，其中，X3 配备 3.7 英寸屏幕，机身约 58 克；X4 的屏幕为 4.3 英寸。产品可以通过磁吸配件附着在手机背后，用户用实体按键翻页，通过手机 App 或「星曈云」导入书籍、图片等内容。

它与传统电子纸阅读器最明显的差别，在于借用手机的随身性：传统阅读器需要单独携带，阅星曈则试图让阅读设备始终与手机同时出现，目前月销量已达数十万。

阅星曈创始人胡宇沸过去更擅长的是运营。此前，他先后在 Uber 中国、小蓝单车、饿了么、OYO 酒店和新石器无人车等公司负责运营或管理工作。OYO 官方信息曾称，胡宇沸创立的 EMO 事业群在半年内开拓 275 座城市、签约 1600 家酒店。组织人、建立线下网络和快速扩大规模，是他过去最鲜明的职业标签。

但当商业模式还没有成立，速度和资本只会同步放大问题。「我是一路做运营出身，一直做 COO。」胡宇沸说，「但真正到底层，还是产品得好。」他把过去的教训归结为三条：做好产品、不依靠烧钱增长、维持小团队的战斗力。

作为电子纸重度用户，胡宇沸发现，传统阅读设备不便随身，碎片时间仍主要被手机占据。他最初想解决的问题是：能不能让一本书像手机一样，总在手边？答案是一块足够薄、足够轻、可以磁吸在手机背面的电子纸。

「我们做了一件事情，就是让几千年来都不好带的书变得好带。」他说。为了描述这种关系，他用了一个不太精致却很准确的比喻：像一块「狗皮膏药」贴在手机背后。

从行业维度看，全球电子阅读器市场正增长平稳却早已陷入存量博弈。2025 年全球电子墨水阅读器市场规模约 24.5 亿美元，预计 2032 年将接近 39 亿美元，年复合增速维持在 6.8% 左右；其中 7 英寸以下的小尺寸设备占据了超半数市场份额，便携化已是行业共识的方向。

但主流品牌大多困在 6-10 英寸的「独立阅读设备」框架里，在屏幕素质、续航与版权内容上反复内卷，阅星曈的核心差异化，则跳出了「把阅读器做小」的惯性思维，转而借势手机这一用户最高频的随身设备，重构了电子纸的存在方式。

图片来源：阅星曈

它不需要用户额外分配背包空间，不需要单独培养使用习惯，仅通过磁吸设计就把阅读能力「植入」了用户已有的日常动线里。这种「零额外负担」的产品形态，契合了年轻群体对数字排毒、低干扰生活的诉求，也让它有机会打开一个新的增量市场。

2025 年春节后，胡宇沸在小红书公开自己的产品设想：一定要轻、能磁吸，可以牺牲部分电池容量，但续航不能太短。早期用户随后参与讨论屏幕「额头」、翻页键位置和握持方式。

胡宇沸把这套方法概括成「六十对四十」：创始人先想清楚产品的 60%，剩下的 40% 交给用户补充。轻薄、磁吸、低干扰，是团队事先确定的部分；按键位置和具体结构，则可以根据用户反馈调整。

这更像一种公开的产品验证：用户可以改变按钮和结构，却不能替创始人定义产品。「绝对不能什么都听。」胡宇沸说。如果把所有意见都做进产品，最后很可能得到一台功能不少、但没有人真正喜欢的设备。

02 一块贴在手机背后的「减法屏」

用户先在手机 App 或「星曈云」中导入书籍、图片等内容，再通过网络同步到设备。设备采用封闭系统，不依赖开放的安卓应用生态，也不会把社交消息、广告和信息流一起带进来。

磁吸设计让阅读器借用了手机的随身性：手机正面是算法持续供给的信息，翻到背面，则是用户提前选择的一本书。

在极客公园的实际体验中，X3 足够轻，单手阅读压力很小，电子纸在自然光下也保持了舒适的可读性。但用户在阅读前往往需要自行寻找文件、导入并推送。阅读过程很安静，把内容送进设备的过程却还不够顺滑。

初代产品没有触屏和前光。胡宇沸最初将产品定义为通勤和户外阅读设备；同时，团队当时的工艺能力也不足以在加入触控和前光的情况下保住轻薄，于是先舍弃了这两项功能。

后来，睡前阅读成为一个反复出现的用户场景：用户希望在更低干扰的屏幕上看几页小说。胡宇沸自己试过后，认为这个场景足够成立，团队开始筹备带触控和前光的新版本。

图片来源：阅星曈

目前，X4 Pro 已上市，新产品在接近初代 X4 厚度的情况下加入触控和前光，1100mAh 电池容量可以支持一周左右的碎片化阅读。

这段迭代反映了阅星曈的产品方法：减法不等于永远拒绝功能，判断标准是一个功能能否对应明确、重复出现的场景。抽象的「参数更强」不足以改变产品，具体的使用行为可以。

阅星曈试图填补的，是传统电纸书没有覆盖好的碎片阅读时间。但一个成立的小场景，并不等于一门已经跑通的生意。

电子纸上游供应商数量有限，屏幕采购和备货周期较长。公司通常需要提前约半年锁定货源；销量增长时，缺货和库存资金占用会同时出现。这也是本轮融资首先被用于备货和供应链的原因。

低价硬件也很难单独支撑一家持续扩张的消费电子公司。胡宇沸将硬件称为「一张门票」，公司不会追求很高的硬件毛利，他希望先让更多设备进入用户手中，长期价值则来自软件、内容和服务。

目前，阅星曈已经提供内容导入、图片和图书制作、推送及社区等能力，国内外书籍、漫画等版权合作仍处于拓展阶段。产品已经证明人们愿意购买一块更便携的阅读屏，但设备能否被持续使用、用户是否愿意继续购买内容，仍待验证。

增长还放大了早期团队不成熟的一面。此前，阅星曈一款产品的详情页曾出现参数误标，引发部分用户对「虚标」的质疑。胡宇沸称，这是团队填写错误，并非有意误导；公司向涉及相应购买时段、提出要求的用户提供退货退款。他也承认，创业早期的合规工作做得不够好。

对于一个从公开共创中获得第一批用户的品牌而言，这类争议的代价不只是一项参数如何解释，也包括用户是否继续相信团队对产品的判断。

3 当用户不喜欢 AI，AI 应该放在哪里？

AI 被视为阅星曈从电子纸阅读器走向「手机副屏」和个人信息入口的关键一步。但在现有用户中，这种延展并未天然获得认同。

胡宇沸称，在公司面向现有用户的调研中，海外受访用户对引入 AI 更为谨慎；国内反馈略好一些，但整体仍偏保守。许多人购买阅星曈，恰恰因为它足够克制，不会再增加一套通知、推荐和交互。

对于追求「Digital Detox」的用户，一块没有信息流的电子纸已经完成了自己的任务；如果 AI 意味着更多推荐和打扰，算法只是从手机正面追到了背面。

这构成了阅星曈下一阶段最重要的产品课题：公司因为克制获得用户，却又需要通过软件和 AI 扩大产品边界。

目前，阅星曈正在搭建一套由云端、App 和电子纸设备组成的三端架构。复杂计算发生在手机和云端，电子纸负责低功耗显示。按照胡宇沸的描述，团队已经调通部分 Agent-to-Agent 测试：用户未来可以通过设备或 App 发出指令，让云端完成订阅推送或连接外部服务等任务；一些能力将随新品逐步上线。

阅星曈并不准备在一块几十克的设备上运行本地模型。AI 的作用更接近信息进入屏幕之前的处理器：它负责理解需求、筛选内容和缩短操作路径，电子纸仍是最后的输出界面。

「AI 不一定要讲得那么 fancy。」胡宇沸说，「它应该坐在业务或工作流的后端。」如果 AI 能够自动整理待读内容、同步阅读进度、生成适合小屏的信息卡片，用户感知到的应该是步骤减少，而不是功能增加。

首先是输入。现有 X3、X4 本质上都是输出设备，缺少高频、自然的主动交互。胡宇沸称，公司正在研发带语音输入的新产品，并一度考虑让主动输入使用不同品牌；长期看，输入和输出可能重新结合。产品边界目前仍在变化。

其次是内容。海外电子书市场的壁垒不仅是硬件，也包括出版社、作者版权、购买习惯和账户体系。阅星曈希望先凭借小尺寸和价格获得硬件用户，再以用户规模与出版社、漫画和 IP 版权方谈判。但硬件销量能否转化为内容购买，用户是否愿意在一个新平台建立书库，仍需要验证。

最后是扩张本身。胡宇沸给公司的长期方向取了一个名字：Portable Everything——把更多东西做小，让阅读、声音、影像、音乐甚至运动变得随身可得。电子纸是第一个品类，团队也在对其他小型硬件进行预研。

在公司的规划中，阅读只是小尺寸电子纸首先完成验证的场景。墨水屏低功耗、常显的特性，还可延展到壁纸、工牌、桌面信息卡等用途；App、内容和 AI 创作工具则被视为提高设备使用频率的后续能力。这些方向目前大多仍处于研发或拓展阶段。

支撑这一品类想象的，是阅星曈的互联网原生组织能力：前端以社区（国内小红书、海外 Reddit/Discord）触达年轻用户、完成产品共创，中层以软件与 AI 创作平台快速迭代内容生态，底层以自研嵌入式 OS 与小尺寸供应链锚定硬件体验，形成「需求 - 定义 - 落地 - 反馈」的完整闭环。

而 AI 的深度接入，则是激活这块常显终端价值的核心钥匙。

未来，依托云端 Agent 的信息处理能力，用户可以用自然语言完全自定义屏幕内容：让 AI 整理当日核心资讯、生成个性化阅读书单、同步行程与待办事项，甚至根据情绪生成专属壁纸。电子纸的常显低功耗特性，让这些信息始终以无打扰的方式呈现在手机背面—— 用户无需解锁手机、无需打开任何 App，翻转即可获取。

这为公司提供了一个比阅读器更大的图景，也可能把它重新带回一直警惕的陷阱：当「少即是多」扩展成「超便携的一切」，一家强调单点场景的公司，是否会再次开始追求大而全？

近 5000 万元的新融资，让阅星曈有能力同时推进供应链、软件、内容和新品，也更容易把产品边界拉大。下一阶段的关键不是证明这块屏幕还能承载多少功能，而是软件、内容和 AI 能否提高设备的使用频率，同时不破坏用户最初购买它的理由。这将决定，Portable Everything 是一套可复制的产品方法，还是一个被增长迅速放大的愿景。

过去半年，脑机接口行业同时踩下了几脚油门。

2026 年 1 月，Neuralink 宣布全球临床试验参与者增至 21 人。从 2024 年完成首例人体植入，到将试验扩展至多个国家，侵入式脑机接口正在越过单个患者的演示阶段。

同一个月，OpenAI 成为 Merge Labs 约 2.5 亿美元种子轮融资中的最大出资方。这家由 Sam Altman 联合创办的公司没有继续沿用电极，转而把筹码押在超声上，希望在不开颅的情况下读取和调控大脑。

另一条经血管植入路线上的 Synchron，也完成了 2 亿美元 D 轮融资，资金将用于关键性试验和商业化准备。

国内市场也迅速升温。公开统计显示，2026 年一季度国内脑机接口领域发生 17 起融资，金额约 38 亿元，单季规模已经超过 2025 年全年。7 月，成立仅半年多的格式塔又完成 4.2 亿元天使+轮融资，两轮累计融资接近 1 亿美元。

钱为什么迅速涌向一个临床周期漫长、商业模式仍未完全跑通的行业？

一个直接答案是，脑机接口终于开始从实验室进入真实患者。更深一层的变化在于，这个行业的想象力正在越过「用意念控制光标」：当 AI 从语言模型走向世界模型和生物模型，大脑可能成为下一种稀缺的数据源，脑机接口则是获取这些数据的入口。

这也让行业出现了两场同时发生的竞争。一场围绕电学、血管内介入、超声等技术路线展开，争夺更安全、更大范围、更高带宽的连接方式；另一场发生在模型层面——谁能把血流、电信号、影像和行为放进同一套表征系统，谁就可能率先建立关于人类智能的基础模型。

格式塔创始人彭雷希望外界从后一场竞争理解这家公司。

2026 年 1 月，他与陈天桥共同创办格式塔，选择此前仍少有人进入的超声脑机接口。半年多时间里，公司在成都建设全球总部和制造基地，又在上海设立承担 AI 大脑基础模型研发与国际科研合作的第二总部。

若沿用医疗器械公司的业务逻辑，这种投入速度显得反常。格式塔的第一款产品仍处于研发和临床准备阶段，后续还要穿过漫长的注册审批流程。但彭雷判断，AI 走向 AGI 与脑机接口解码大脑，最终会在同一个方向汇合。

「我们在解码大脑，同时也在建设一个对人类大脑的 Foundation Model。」他说。

01 AI 的下一站，为什么要重新研究人？

过去几年，AI 最重要的变化，是能力边界开始越过语言。

大语言模型学习互联网上的人类文本，由此获得对知识和语言关系的统计表达；世界模型和具身智能继续向前，让机器理解空间、动作、因果和物理反馈；生物 AI 则把建模对象推进到蛋白质、细胞、器官乃至完整的人体。

彭雷将这条演进路线概括为：从语言模型到物理模型，再到生物模型。

语言是已经被人类结构化的数据。网页、书籍、代码和对话天然以 token 的形式存在，模型可以在海量语料上快速训练。进入物理世界之后，数据获取开始变得昂贵：机器人需要在真实或仿真环境中行动，接收传感器反馈，在一次次失败中学习。到了生物世界，训练材料更加稀缺。血流、电信号、影像、行为和疾病表型散落在不同设备与临床场景里，数据尺度、模态和个体差异都远高于文本。

大脑位于这条路径的深处。它既是人的意图源头，也是目前已知最复杂的生物智能系统。

「人对生理信号、对人本身的研究，会极大地帮助 AI 和具身智能的学习。」彭雷说，「我们越了解人，越有可能走向 AGI。」

格式塔创始人彭雷｜图片来源：格式塔

这一趋势已经在具身智能训练场里露出端倪。早期的机器人训练主要记录画面、关节轨迹和操作结果，随后加入外骨骼、力反馈与肌电信号。肌电能够解释肌肉如何执行动作，脑电和脑血流则有机会把数据链条继续向前追溯——人在抬手之前产生了什么意图，如何规划运动，又如何根据环境反馈修正动作。

格式塔正在与傅利叶等具身智能企业展开合作，在具身智能训练过程中同步采集操作员的脑电和脑血流等信号。双方试图验证一个假设：加入脑部多模态数据后，具身模型能否比只使用动作数据的模型获得更好的泛化能力。

现阶段，这仍是刚刚启动的实验，意义却很直接。今天的机器人主要学习「人做了什么」，下一阶段可能需要理解「人为什么这样做」。摄像头记录结果，肌电记录执行，脑信号靠近意图。数据源越接近决策形成的位置，机器越有机会学到动作背后的结构。

过去，神经科学和人工智能主要互相提供灵感。卷积、注意力和强化学习等重要思想，都能在神经科学中找到不同程度的参照。彭雷判断，接下来的关系会进一步深入：从相互启发走向相互支撑，最终达到相互解释。

这也是格式塔把自己的一部分能力定义为 AI for Science 的原因。它需要用 AI 处理大脑信号，同时希望从大脑数据中提取可以反哺 AI 的规律。

02 为什么是超声？它要解决的不只是「不开颅」

脑机接口过去最受关注的故事，大多围绕侵入式电极展开。

Neuralink 已经让受试者通过意念控制光标、操作软件；Synchron 则把电极通过血管送至大脑附近，希望降低植入过程的侵入程度。电学路线的优势十分明确：它可以用较高的时间分辨率记录局部神经活动，对于渐冻症、高位截瘫等患者，意念控制已经展现出真实的临床价值。

彭雷曾联合创办侵入式脑机接口公司脑虎科技。他并没有否定电学路线，转向超声源于另一个问题：如果目标从读取局部神经元，扩大到理解记忆、语言、情绪和运动规划等高级功能，只观察少数脑区是否足够？

大脑高级功能通常由分布在不同区域的神经环路协同完成。电极擅长观察「点」，功能磁共振能够看见更大的范围，却存在设备体积大和时间滞后等限制。聚焦超声提供了第三种可能：通过功能性超声成像 (fUS) 技术，读取血流变化捕捉脑内神经活动的信号，以及利用经颅聚焦超声 (tFUS) 技术，通过相控阵方式调控深部脑区的神经活动，并在理论上覆盖更大的脑区。

这也是「格式塔 Gestala」这个名字的由来，源于德国哲学与心理学概念「Gestalt」，其核心理念是「整体大于部分之和」。彭雷相信，大脑正是一个无法被局部信号完全解释的整体系统。

在他看来，超声路线有三个值得押注的特征：具备走向更大范围乃至全脑读写的潜力；适应症可能覆盖慢性疼痛、卒中康复和部分精神类、神经退行性疾病；更关键的是，它与 AI 的结合更深。

这种「更深」首先来自超声自身的局限。

声学无法直接读取神经元的电活动。格式塔读取的是神经活动引起的血流变化，而血流信号与电信号之间存在生理时间差。颅骨还会造成声波衰减和散射，每个人的颅骨厚度、大脑结构也不完全相同。想从这些信号中恢复人的意图，必须同时处理跨模态、跨个体和跨任务的泛化问题。

AI 因此不是设备完成之后再添加的一层软件。它决定了超声设备能从噪声中提取多少信息，也决定了电信号、血流、核磁影像和外部行为能否被放进同一个表征空间。

格式塔希望训练的大脑基础模型，会同时使用电信号、超声、血流、核磁影像及行为数据。文本模型以词语为 token，这套模型处理的则是生物指标。它需要学习神经活动与外部行为之间的对应关系：一个人在看什么、想说什么、准备伸手拿什么，以及一次调控如何改变疼痛或情绪。

这个模型当前最先撞上的瓶颈是数据。

互联网为大语言模型准备了数十年的文本，脑数据却要依靠设备、动物实验和临床合作一点点生产。疼痛、卒中、抑郁和阿尔茨海默病提供的是不同数据；正常人与患者的数据也不能简单互换。每扩展一种场景，都需要重新建立采集、标注、验证和伦理审查流程。

这决定了格式塔无法只做模型。产品负责采集数据，临床验证安全性和有效性，科研团队寻找信号机制，模型再反过来改善读取和调控。硬件、临床、科研与 AI 构成同一个循环，缺少任何一环，大脑基础模型都很难持续进化。

03 医疗是第一道窄门，也是模型的数据飞轮

宏大的技术愿景需要一个足够具体的起点，格式塔选择了慢性疼痛。

低强度聚焦超声调控疼痛相关脑区，已经有同行评议研究和早期临床探索作为科学基础。根据在美国的临床数据，通过超声调节前扣带皮层（ACC）后，受试者的疼痛程度降低约一半，效果持续一至两周。不过，此项临床试验仍未在中国展开，产品目前仍处于研发和注册准备阶段，距离获批上市还有完整的临床与监管流程。

这条事实边界很重要。脑机接口行业从不缺少具有冲击力的演示，真正决定技术能否进入社会的，是安全性、可重复性、长期有效性和可负担性。

慢性疼痛适合作为第一站，一方面因为患者数量庞大、现有药物方案存在局限；另一方面，疼痛同时连接了感知、情绪与神经环路，是验证超声调控能力的重要入口。格式塔随后计划探索卒中康复、抑郁、创伤后应激障碍、强迫症以及阿尔茨海默病等方向。

这张路线图更像一家制药公司的适应症管线。每一种疾病都对应不同脑区、不同信号和不同临床终点，也会为模型增加一种新的「生物语料」。医疗场景在这里承担了双重角色：它让患者获得可测量的收益，也以最高的数据安全和数据标准训练系统。

彭雷将格式塔计划在 2026 年底发布的第一代模型比作「GPT-1.0」：可能只在少数适应症和特定任务上有效，距离通用仍很远。与模型同时亮相的，还将包括第一代超声脑机接口产品、慢性疼痛的初步临床数据和阶段性科研成果。

这也解释了格式塔为何在成立初期同时建设总部、工厂、临床合作与 AI 团队。相比一件孤立的硬件，它更想建立一套持续生产高质量脑数据、再用数据推动模型进化的系统。

这套系统能否形成飞轮，取决于三个条件：设备能否稳定采到有效数据，临床结果能否被重复验证，不同患者和任务的数据能否在模型中实现泛化。目前三个问题都没有完整答案。

彭雷认为，面向患者的超声脑机接口有机会在未来两到五年逐渐进入临床，面向健康人的增强应用则需要更长时间。两者之间不仅隔着技术成熟度，也隔着一道尚未被社会回答的问题：健康人究竟希望从脑机接口中得到什么？

控制鼠标、提高人机通信带宽、增强记忆，和直接调节情绪，指向完全不同的产品与伦理后果。一个抑郁症患者接受调控，是为了恢复健康；一个健康人通过设备持续获得愉悦，则会改变「自主选择」的含义。

医疗因此既是格式塔早期商业化的路径，也是必要的约束。它迫使技术在谈论增强人类之前，先证明自己能够安全、克制地帮助人。

04 新的「罗塞塔石碑」，以及谁来守住人的一边

彭雷提到一个比喻：新的「罗塞塔石碑」。

古代罗塞塔石碑用三种文字记录同一段内容，由此帮助后人破解失传的语言。在他设想的未来，AI 模型、人类行为与神经科学模型也能形成类似关系。硅基模型预测一个人将如何行动，脑模型记录行动产生前的神经活动，外部世界提供结果与反馈。三者映射到一起，机器可能获得解释人类智能的新坐标系。

这不意味着碳基智能和硅基智能终将收敛为同一种架构。

大脑是有生命周期的计算系统，软硬件难以分离，记忆与计算高度耦合；硅基系统可以在不同硬件上迁移，模型与算力基础设施相对分离。两者的数据、token、能耗方式和学习机制都不相同。彭雷所说的「融合」，更接近互相校验和翻译：各自沿着自己的路径进化，同时逐步建立可解释的接口。

短期看，这种接口可以帮助具身模型理解人的运动意图，也可以帮助脑机系统借用 AI 的表征能力改善解码。再向前，它可能进入生物 AI 的核心地带。

DeepMind 等机构正在把「虚拟细胞」视为下一阶段的重要目标：模拟细胞在不同环境和扰动下的变化，再从细胞走向器官乃至虚拟人体。大脑基础模型可以看作这条路线中最困难的一块拼图。它处理的不只是结构和代谢，还包括感知、决策、记忆、情绪与意识等涌现现象。

由此再看格式塔与 Merge Labs 几乎同时押注超声，意义已经超出脑机接口的一次技术分流。太平洋两岸的创业者正在争夺一种新的数据入口：谁能以更低风险、更大范围读取大脑，谁就更有机会训练出关于人类智能的基础模型。

中国公司在这场竞争中的优势，来自临床资源、患者规模、供应链和工程迭代速度。彭雷判断，中国与海外超声脑机接口公司的差距约为一年到一年半，并希望用两年左右追平。这仍是一家创业公司的判断，却揭示了格式塔的全球化逻辑：立足中国获得工程与临床效率，同时引入全球科学家，开展国际临床和科研合作。

但当模型开始接近意图、记忆和情绪，竞争就不再只是技术与数据的竞争。

图片来源：格式塔

格式塔在官网宣言中写道：大脑无法被视作一台可以简单「优化」的机器，也不能成为可被任意利用的资源；它是人格、尊严、创造力与自由的生物学基础。公司的研究「不以牺牲人类主体性为代价」。

主体性之所以成为底线，是因为脑机接口面对的对象比一般个人数据更接近「人本身」。当设备能够识别意图、改变情绪甚至影响决策，知情同意、数据所有权和责任归属都会获得新的含义。技术能否实现，只是问题的一半；谁有权使用、在什么条件下使用、结果由谁负责，同样决定它能否进入社会。

彭雷对具体边界保持谨慎。他认为，人类对大脑的理解还不足以提前画出一条完整的线。更现实的方式，是让认知边界与伦理边界同步向前：每获得一种新能力，就建立相应的验证、监管和治理机制。

AI 也在接近类似的问题。纯语言模型缺少与真实世界持续互动的身体，很难据此讨论意识；当具身模型开始从环境中获得感知、奖惩和自我与他者的区分，主体性将从哲学命题逐渐变成工程和制度问题。

AI 研究者正在尝试创造一种此前不存在的智能，脑科学研究者则面对一个已经存在、却始终没有被充分理解的智能。二者在技术上靠近时，关于意识、责任和人的边界也会合流。

45 岁时，彭雷开始了自己的第六次创业。此前 20 年，他主要在互联网行业创业；过去 6 年，他进入脑机接口，做过侵入式电学路线，又转向超声。他说自己现在可以用十五年甚至二十五年的尺度看待这件事。

支撑这个长期选择的，是一个近乎古典的问题。

康德写过，两种事物越是反复思考，越让人心生敬畏：头顶的星空与心中的道德。彭雷将前者理解为人类为何出现在宇宙中，将后者理解为人何以成为人。两条看似不同的追问，最终都指向意识与智能的来源。

今天的 AI 已经能够生成语言、图像和代码，开始进入汽车、机器人和实验室。它越来越像一个理解世界的系统，也越来越暴露出我们对「理解」本身的无知。

人类长期尝试用机器模拟大脑，却从未真正读懂大脑。如果我们不了解智能如何在生物体中产生，又该如何判断机器是否拥有真正的智能？

脑机接口的下一章，因此不会只发生在手术室和康复科。它也会进入 AI 实验室、机器人训练场，以及关于人类未来的制度讨论。

从这个角度看，格式塔制造的既是一台超声设备，也是一种观察智能的方法。医疗是它必须穿过的第一道窄门。门后更长的路，是让碳基与硅基第一次拥有彼此可以理解的语言，同时确保翻译完成之后，定义目的和边界的仍然是人。

整理｜ 徐珊

世界模型的牌桌上，坐着的已经全是重量级玩家。Yann LeCun 离开 Meta 亲自下场，李飞飞的 World Labs 发布 Marble，NVIDIA 用 Cosmos 拉起联盟，国内的大厂与创业公司也在密集进场。让 AI 理解物理世界，已经是今年的主流方向。

但模型智能的上限，最终取决于喂给它的数据。 语言模型和视频模型的成长，都建立在互联网三十年的积累上；而这一次，世界模型的牌桌上，没有任何一家的数据够得到训练基础模型所需的量级。

行业不是没有努力。从遥操到第一视角采集，具身公司都在重金投入数据。但在影溯科技创始人兼董事长、浙江大学求是特聘教授 章国锋看来，这些方式像伐木和挖石油，有价值但却要时间积累，耗时耗力。真正能支撑训练数据能源应该像阳光，无处不在、取之不竭。

唯一够得到互联网量级的，其实就藏在人人每天刷过的视频里，这也是他眼中真正的「阳光」。视频的每一帧里，其实都藏着这个世界的运动、物理的规律。3D数据一直都在，只是从没有人能把它取出来。

从阳光中获得能量，给 3D 世界造一块「太阳能板」，正是影溯在做的事。它要把海量视频数据转化成能直接训练世界模型的 3D 数据，让无处不在的「阳光」，第一次变成构建空间智能的能量。这家成立一年的上海公司，将在今年实现单目视频转 360 度动态场景，并开始批量转制。相较于传统实地采集再加重建的模式，这种方式的整体成本至少下降一至两个数量级，为整个空间智能赛道解决最棘手的 3D 数据底层供给难题。今年 6 月，公司完成新一轮融资，将主要投入模型训练与数据引擎的建设。

近期，极客公园创始人张鹏与章国锋进行了一次交流。这场交流里，他谈到3D数据为什么是空间智能的第一性问题，几十张卡训练世界模型的账该怎么算，以及物理世界的 ChatGPT 时刻会以什么迹象到来。

以下是本次对话精编。

01

空间智能的「阳光」

来自互联网数据

张鹏：你做SLAM 技术很长时间了，从 SLAM 这种空间计算到现在大家讨论的空间智能，你是怎么理解这个跃迁的？

章国锋： SLAM 主要做在线的三维地图重建，确定自身在空间中的方位。真正要理解这个世界，光有空间定位和 3D 重建是不够的。比如我们要能判断桌上这个杯子，碰到它，它会掉下去，里面的水会倒出来。因为这个动作接下来会发生什么，需要建立在你对真正物理世界的理解上，不只是空间定位。

所以从 SLAM（或者叫原来的空间计算）到空间智能，很大不同在于你需要真正能对空间进行理解，并与之交互，甚至推演。比如说，我在这个空间做一个行动，接下来可能发生什么，我能预判。对一个智能体来说，还能做相应的动作，真正让智能体能在物理空间上交互。

可以简单理解为空间计算是个三维问题，而空间智能在此之上还要理解场景语义，通晓物理规则并能进行推演预测，这对智能提出了显然更高的要求。

张鹏：当年做 SLAM 的时候，我们找不到往智能走的路径。为什么今天大家在智能这个维度上开始有预期？背后的技术和认知变化是什么？

章国锋： 其实我做了二十多年三维，想解决的终极问题一直没有变，就是怎么教机器真正理解空间。过去一直没有一条很通用、范化性足够强的学习路径。

大模型的突破真正重要的地方，不只是语言模型本身做得有多好，而是验证了一种新的学习范式：当模型、数据和算力达到一定规模之后，很多过去很难靠人工定义的能力，是可以从数据里学习出来的，甚至会出现远超我们原来预期的能力。

这对三维领域的意义非常大。过去我们更多是在显式地计算几何、设计规则，或者使用传统的机器学习方法；现在第一次有机会让模型从大量真实世界的数据里，自己学习空间结构、运动规律，甚至进一步学习物理和预测。

语言模型证明了智能可以从大规模学习中涌现，而我们现在要回答的是，同样的事情能不能在三维物理世界里发生。

张鹏：所以Scaling 所需要的数据就成了问题。具身数据这几年的风向变了好几轮，ALOHA 带火遥操作，EgoScale 带火第一人称。但感觉这些数据似乎还是不太够用吧？

章国锋 ： 遥操和第一人称数据都很重要，但它们更像阶段性的解法。这些数据需要持续投入人和设备去采，成本高、速度慢，多样性也有限，很难真正做到Scaling。

所以我们判断，下一阶段的关键不是换一种方式继续采，而是把互联网上已经存在的海量2D影像，转化成结构化的3D/4D数据。机器人最终要在三维的物理世界里行动，3D不只是一种数据格式，更是机器理解世界、预测变化和采取行动的基础，也会成为World Action Model的核心。

我们内部的具身实验也初步验证了这一点，把3D几何表征和动作联合建模之后，模型在复杂遮挡等任务上的成功率有了明显提升。这至少说明3D这条方向是有效的。但要把这种提升从特定任务扩展到更多场景，关键还是能不能低成本、规模化地获得足够丰富的3D/4D数据。 谁能率先完成这种规模化的数据升维，谁就更有可能掌握空间智能的数据入口。

张鹏：在你看来，世界模型的路线图背后，有哪些技术支撑点要串起来？

章国锋： 空间智能其实包括空间的感知、重建、生成以及理解、交互和推演。最重要的是解决「空间骨架」的问题。当 3D 的骨架建立好之后，物理一致性很自然地可以在这上面再去学习。

2D 的很多东西定义在像素上，但物理的规律，比如说物理公式不是定义在像素上的，而是定义在 3D 空间上的，硬要对应到 2D 像素上，会带来很多额外的负担。二维图像只是局部的观测，本身存在大量冗余，也不是对世界状态唯一的表达，同一个二维观测背后可能对应多种不同的真实三维状态。模型还需要额外去维护时空一致性，过程中也容易产生误差累积。

所以把空间的骨架建立起来之后，后面很多东西就变得好学了。这也是为什么我们 做空间智能，首先要先做 3D 空间的生成，先把空间生成建立起来，后面的理解、推演就直接建立在 3D 表征上，不会有 2D 上额外的负担。 这非常重要。这跟李飞飞做的其实不谋而合，大家对这个问题的认知也越来越一致： 如果要真正理解物理世界，首先还是要建立起对三维空间本身的表征，这是一个很本质的问题。

有了生成之后，还要能理解，有预测，还有能统一。观测是理解这个世界的状态，进一步需要推演预测，再行动。举个例子，我看到一个杯子，要判断这个杯子里可能有什么，有水，抓它的时候要注意什么。 未来的空间智能模型，它一定是一个整体的模型，不会拆分成一个生成模型再加一个什么东西，而是生成、理解、预测、推演一体化。

张鹏：文本世界里人类积累了大量数据，只要敢 S caling，这件事就能实现。但在具身、空间智能的世界里，数据是个卡点。你的视角里，它到底卡在什么维度上？

章国锋： 现在这套深度学习范式，大家其实有一个共同信仰，就是 Scaling。你希望最后出现通用智能，就一定要让模型看到足够大量、足够多样的世界。

空间智能现在最大的问题，是数据的生产方式还 Scale 不起来。

大家现在最直接的办法就是采。遥操也好、第一视角也好，前面一批数据靠堆人、堆设备是可以做出来的，但越往后，新增的数据会越来越贵，而且越来越容易重复。 真正难的不是拿到一批数据，而是数据扩大一百倍、一万倍以后，还能不能持续获得新的、多样的经验。

多样性这件事我觉得很多人还低估了。很简单的例子，模型如果每天看到的都是差不多的房间、差不多的动作，即使小时数很多，也不一定能涌现出通用能力。就像你今天训练语言模型，如果不是用整个互联网，而是雇很多人每天坐在那里打字，当然也能生产很多文字，但你不会认为靠这种方式可以做出 ChatGPT，更何况是更复杂的智能。

所以采集不是没有价值，生成也不是没有价值，但这些更像我们现在「有什么先用什么」。 如果目标真的是通用空间智能，最终一定要找到一种新的数据机制，让数据的量和多样性可以持续增长，而且边际成本越来越低。

互联网已有的海量图像和视频里，其实已经包含了大量三维信息。怎么把这些信息高效地提取出来，变成模型真正能学习的 3D、4D 数据，会是其中一条非常重要的路径。但判断一个数据策略是否可行的标准其实很简单， 它必须能够 Scale，且必须能足够多样；只有数据真正 Scale 起来，空间智能才有机会涌现。

张鹏：所以空间智能 的 问题要靠3D的数据来解，而要批量拥有高质量3D数据，核心是批量有效的从2D数据升维到3D数据。那你怎么定义这个可以提供模型训练的数据质量 ？在空间智能的世界里，数据的「好」有哪些必然要实现的条件？

章国锋 ： 它一定是 3D 坐标系下的多模态数据。过去 2D 图像视频冗余很大，都只是现象，作为数据组织不够高效，说到底是不够本质，无法体现这个世界的真实状态，没有物理属性。只有更高维、更本质的数据，才能直接去训练更高维的模型。

至于什么是高质量的数据，行业里包括具身在内还没有标准，大家都在摸索。以前大家都去采遥操数据、第一视角数据，但采回来的还是 2D 数据，给具身训练并不高效。采集之后，还需要做 3D 结构化、打标注，恢复运动物体的位姿和时序上的对应，过程也比较繁琐。

所以 好数据的标准是全量，不是单一局部的画面，而是完整的 3D 信息，甚至把时序对应、因果关系都 嵌 在里面。拿这样的数据训练，具身才能真正理解整个空间，具备很强的泛化能力。 而这正是影溯的3D世界模型的优势，能够从2D数据自动高效地生成出全量的3D场景数据。

张鹏：所以遥操采集数据也不是没有价值。如果给这些数据排个序，我们应该追求什么才是最高效的？

章国锋： 数据肯定不是单一来源，它应该是一个金字塔的层次，就像人类用能源，会有烧木柴的，有挖石油的，也有阳光，不同的层对应不同的获取方式和成本。

实际采集的数据，遥操、Egocentric、以及模拟仿真的数据，都有价值，但更像烧木柴、挖石油。你要一点点去采、去挖，很难够到互联网的量级。就像图像视频是几十亿人花几十年积累出来的，靠现在短时间去采，基本没有可能。

金字塔的最底层，要有最大量、达到互联网级别，得像阳光一样无处不在，关键是你能不能把它照进来、利用起来。

真正训练需要的是不同数据的配比，有些数据一定要保证足够多的量、足够多的多样性数据，模型才具备很强的泛化能力；比如我要生成非常高清晰度的内容，就需要一些很高分辨率的数据，帮助提升最后生成的精细度。所以不同的数据有不同的价值。

张鹏：看起来把互联网数据这种已经存在「阳光」，转化为「太阳能」运用到空间智能的发展上，是你最核心的思考？

章国锋 ： 今天最大的卡点在最底层，文字、图像、视频都有互联网级别的量，唯独 3D 没有原生的、互联网级别的数据 。我们从现有视频入手，互联网上的海量视频本身含 3D 信息，关键是能不能把它抽取出来，甚至变成全量的、高质量的 3D 数据。这也相当于把无处不在的阳光，变成能量。

现在也有一些拿到 3D 数据的办法，比如用深度相机去拍，得到的画面带有距离信息（也就是 RGBD 数据）。但这种数据是局部的、不完整的，它够「重建」用，不够「生成」用。

重建是把拍到的东西还原出来，拍到多少、还原多少，所以拿这种不完整数据、再加一些合成数据去训练就可以，效果也不错，比如 VGGT （Visual Geometry Grounded Transformer）就是用 Transformer 前馈式地做 3D 重建。重建这件事同样符合 Scaling Law，数据越多，能力越强。

但生成不一样，模型要能补全没拍到的部分，训练时就必须给它看完整的样本。一张图像，对应一个完整的 3D 场景。这样的数据目前非常缺，要达到互联网级别更是难上加难。所以最高效的解法，还是把互联网视频转成全量的 3D 数据，甚至是动态的。

张鹏：未来在这个路线上，数据的成本会是什么样的？

章国锋： 3D 数据比较缺，所以成本确实很关键。如果真的完全靠实采，成本就太高太慢了，特别是动态的场景，真的用相机阵列去拍摄，再重建成 4D 的成本非常高。我们认为问题应该回到怎么把互联网这座金矿用好，用非常低成本的方式去转。这可能需要一些清晰度非常高、分辨率非常高的数据；也需要实采，对提升模型最后的精细度是有帮助的。

回到我们前面说的金字塔，成本也可以这样来看，最大的量用最低的成本获取到，顶层的一些数据可以用成本相对高的方式采到或获得，综合起来成本才可接受。这和语言模型其实很像。预训练需要的是海量、多样的数据，这部分必须足够便宜，才能真正 Scaling；到了 Post-training，一些专家数据可以很贵、质量可以很高，因为它需要的量没有那么大。3D 数据未来也会是类似这样的结构。

所以真正合理的成本结构，是最大的量用最低的成本获取，少量高价值的数据可以用更高成本获得，最后组合起来，整个训练体系才是可持续的。

从互联网数据转制，一个很大的优势就是没有额外的采集成本。我们现在做的事情，是不断把转制效率做高。比如从普通视频出发，生成时空一致的不同视角，再进一步恢复成完整的 4D 场景。只要这个过程的效率足够高，单位数据的成本就可以持续往下降。

我们的目标不是把某一个 4D 场景做得多便宜，而是最终让大规模生产 3D、4D 数据这件事，在经济上真正成立。

张鹏：物理世界的 ChatGPT时刻要到来之前，会出现什么迹象，给我们一些导航点？

章国锋 ： 我们可以先想一下，ChatGPT 的那个时刻到底是什么。

它并不是说那一天 AI 突然就变成 AGI 了，而是普通人第一次非常直接地感受到， 原来机器真的可以听懂我说话，而且我可以很自然地跟它交流。 空间智能应该也会有类似的时刻。不是等到机器人什么都会做，而是有一天，大家第一次很直观地发现， 原来机器真的开始理解空间了。

这个信号可能先出现在数字世界。今天做一个 3D 世界，还是需要建模、材质、动画很多专业环节；未来可能你说一句话、给它几张图，它就能给你一个完整的、可以走进去、可以交互的三维世界。

再往物理世界走，可能就是我们开始看到真正「聪明起来」的机器。比如更聪明的扫地机器人，不只按规则运行判断，而是真开始理解这个房间，自然的规避掉Corner Case；或者自动驾驶开始能够处理很多以前没有见过的复杂情况。

它不会一上来就是一个万能机器人。ChatGPT 出来的时候也没有解决所有智能问题，但大家已经知道，范式变了。空间智能也一样，只要出现一个足够直观、足够好用的产品，让大家第一次感受到机器真的能够理解一个三维世界，我觉得那个时刻就已经开始了。

而且这一轮大模型已经给我们积累了很多 Scaling 的经验，算力、模型、训练方法都在快速往前走。空间智能现在最缺的，还是能够真正 Scale 起来的 3D、4D 数据。所以我相信，一旦数据问题被解决，这些事情到来的速度可能会比我们预想得更快。

02

创业的吸引力在于

「解决那个空间智能的第一性问题」

张鹏：从研究者到创业者，你为什么是这个时间点下场？背后有什么因素？

章国锋： 首先，技术的发展正好到了窗口期。我20年来一直在探索能获取通用空间智能的机会。过去传统的空间计算门槛太高，设备、采集、重建都很复杂，人才非常稀缺，很难大规模使用。 但今天不一样。AI 下一步要进入物理世界，具身智能、机器人都要真正理解空间， 3D 从来没有像现在这么重要过，而且是绕不开的。

同时，生成式 AI 又在快速降低 3D 的门槛。过去没拍到就是没拍到，现在可以补全、生成；过去很多事情需要非常专业的采集，现在也开始有机会变得更简单。

所以对我来说，身处这个时代其实特别兴奋，终于到了 3D 最有机会发挥巨大价值的时候。2024 年李飞飞做 World Labs，其实也是一个很强的信号：因为做了这么多年 3D，你会感觉到，终于有越来越多最顶尖的人开始看到同一个方向，空间智能真正到了一个新的时间点。

张鹏：可能具身的需求也到位了，这个门的打开可能也是因为有明确的需求在等这个突破，而不是突破完了不知道谁会用。

章国锋： 是的，这也是为什么这两年世界模型突然变得这么重要。机器人如果只在工厂里做一个固定动作，其实可以把环境、流程都标准化，很多问题都能靠工程解决。但如果机器人真的要进入家庭、办公室，环境每天都在变，你不可能把每一个杯子放在哪里、每一把椅子怎么摆都提前教给它。

所以真正通用的机器人，不能只是记住「看到这个画面就做这个动作」，它需要理解自己在哪里、周围有什么、做一个动作之后会发生什么。 世界模型真正要解决的，就是让机器人脑子里有一个对这个世界的理解，能够先判断、先推演，再去行动。

我觉得这才是具身智能真正走向泛化的关键。 从一个为特定环境训练出来的机器人，到一个换个房间、换个工厂也能自己理解和行动的机器人，中间缺的就是这种对空间和物理世界的通用理解能力。

张鹏：公司成立一年了。真正下场之后，你们的技术发展是高于预期还是符合预期？有什么变化？

章国锋： 模型的能力在非常快速地推进，虽然遇到不少困难和挑战，但总体是超出我们原来预期的，发展不完全是线性的。

我在 2025 年初的时候写过一篇文章，讲空间智能跟空间生成的关系，提到数据要从 2D 去转，可以从互联网视频转成 3D 的场景。 当时我们觉得静态场景能做好已经挺难的了，但后来我们发现将单目视频转成全量 3D 动态场景在技术上是完全可行的 ，这个进展有点超出我最初的预期。

原来我们预期在静态场景下，用一张或几张图像生成一个很好的 3D 场景。这已经不容易了，但我们内部最近的研究进展比预想得快很多，现在已经看到，单目视频生成360 度动态全量3D 或者说 4D 场景是完全可行的。虽然现在还有一些细节要继续解决，但从技术路径上看，我们已经非常有信心。

一旦 4D 数据能够从海量互联网视频里低成本、规模化地产生，意义就不只是多了一种数据格式，而是我们第一次有机会把真实世界里大量的空间变化和物理经验，真正变成可以 Scaling 的训练数据。前面说互联网视频像无处不在的「阳光」，到这一步，我们才真正有机会把这些阳光转成能量。

张鹏：拿 OpenAI 在 GPT 上走过的 1.0、2.0、3.0 到 3.5 打比方，影溯现在处于什么阶段？单目视频变成 360 度动态 3D 场景的还原，属于哪个阶段？

章国锋： 按这个类比，我们现在更接近 2.0：关键技术路径已经得到了一些验证，但真正的数据 Scaling 还没有发生。

下一阶段最关键，就是把数据规模真正做起来，提升模型能力。我们内部已经看到一些比较明确的信号，把明确的 3D 结构加入模型之后，学习效率能够有一个数量级以上的提升。在数据量和算力都还比较有限的情况下，一些任务已经能取得比较好的结果。3D 表征确实能改变模型学习世界的效率。

在我们的规划里，最终可能需要几千万到 1 亿量级的场景数据，才有机会看到空间智能真正的 ChatGPT 时刻。 因为真实世界的复杂度不只来自数据量，更来自环境、物体、运动和交互组合出的巨大多样性。要出现真正的泛化和涌现，模型需要见过足够大、足够多样的世界。

所以我理解的 3.0，是数据和模型真正开始 Scaling；再往后，当 Scaling 带来明显的泛化甚至新的能力涌现，才更接近 3.5。

张鹏：物理规则需要被设定到模型吗？还是相信在足够的数据里，模型通过观测可以自己掌握？

章国锋 ： 我觉得两种都需要。

物理规律其实有两类。 一类是我们已经知道的，一类是我们自己都很难建模清楚的。

已经很确定的东西，比如一些基本的几何和物理约束，没有必要让模型花很大的代价再学一遍，可以直接告诉它。

但真实世界最复杂的部分，往往恰恰是人很难写成规则的。一个东西怎么运动、怎么形变，不同物体碰在一起会发生什么，这些最终还是要让模型从大量真实世界的数据里自己学出来。

所以我们的思路很简单： 知道的，就告诉它；不知道的，就让世界告诉它。

这也是为什么 4D 数据很重要。它记录的不只是世界长什么样，而是世界怎么变化。很多物理规律，其实就藏在这些变化里面。

张鹏：除了选择路线不同，你们在模型的架构上有什么思考？

章国锋 ： 架构创新最根本的一点，是你的表征选在哪一层，这直接决定了训练的账怎么算。你看视频数据，相邻两帧之间大量信息是重复的，因为同一个场景，视角或者物体动了一点，每一帧都要把整个画面重新表达一遍，冗余度非常大。

但换到 3D 表征上就不一样了，3D 表征分为显式和隐式，显式表征适合场景编辑和快速渲染，隐式表征则在处理复杂不规则几何和推演规划上更具优势，我们也是显式和隐式表征结合用，核心关键是要坚守 3D 本质。因为依托 3D 表征，场景本身只需要表达一次，变化的只是状态，Token 的数量就能少一到两个数量级。Token 少了，需要的数据量、参数量是同步下降的。所以我们现在是几十张卡在训练，不需要万卡集群训练。这其实不是我们省着用，是这条路线的账本身就是这么算的。

具体的架构，我们是两条线在探索，一条是把 Transformer 往三维去适配。它在序列数据上已经被验证得很充分，我们看它怎么更好地适应三维结构；另一条更激进一些，是跳出 Next Token Prediction 这个范式本身去想问题。

两条路线我们都还在探索，但有一件事已经比较明确：方法可以变，三维结构不能丢。我们的内部实验里，只是把 3D 结构引入模型，学习效率就能提升一个数量级以上，在不同的下游任务中也能看到明显的效果。对我们来说，这已经是一个很强的信号。三维世界的问题，本来就应该尽量在三维空间里解决。

03

造「大脑」、开源和商业循环

张鹏：你是怎么定位影溯？是 Frontier Lab、产业里的技术能力供给公司，还是未来的产品公司？想用什么样的定位参与产业？

章国锋： 影溯的目标是实现通用空间智能基础模型。

我们最关注的不是先把它用在哪个行业，而是这个模型本身有没有足够强的基础能力。比如它能不能真正理解一个三维空间，能不能知道这个世界接下来会怎么变化，进一步能不能理解行动会带来什么结果。

就像一个人空间能力足够强，他到了家里可以收拾东西，到了工厂可以操作设备，开车时候又可以判断路况。 场景变了，但底层用的是同一种对空间和物理世界的理解。

这些能力一旦做成基础模型，就不只属于某一个行业。对具身来说，它可以成为机器人的「大脑」，解决换一个环境、换一个物体之后还能不能工作的泛化问题；对自动驾驶，可以帮助理解和生成各种复杂、长尾的真实世界场景；对游戏、影视和互动内容，它又可以变成空间生成、编辑和交互的基础能力。

所以具身、自动驾驶、游戏、影视，看起来是完全不同的行业，但对我们来说，底层很多问题其实是一样的：都是在理解、生成和推演一个世界。

我们真正要做的，是先把这个最基础的 「 空间能力 」 做强。基础模型足够强，上面的应用自然会长出来。

影溯是一家站在 空间智能 模型的视角，而不是原来语言模型的视角的公司。 人的智能包括语言智能和空间智能。语言智能至少发展到一定的成熟度了；而 AI 要走出对话框、进入到真实的物理世界，就需要空间智能。这目前还在刚开始的阶段。 下一个 AI 的 10 年，空间智能是最核心要解决的东西 。我们想做的，是下一个 AI 十年的事情。

张鹏：怎么理解影溯最近持续放出的新成果？

章国锋 ： 过去一年我们发布的东西，主要分成两块：一个基础模型，InSpatio-World；一个引擎平台 ，Topos。Topos 又分 Pro 和 Lite 两个版本。InSpatio-World 解决「如何让空间走进动态视频」，Topos Pro 服务具身的训练仿真，Topos Lite 则是我们在前馈式 3D 生成模型上的探索，希望把 3D 生成做得更快、更轻、更好玩。

先说 InSpatio-World。输入一段视频，你就可以走进这个动态的场景里，自由视角地看。3 月份发布的时候，我们还做不到真正的 360 度，偏离拍摄视角过大可能会出现幻觉。但我们很快会有一个改进的新模型，活动自由度更大、效果更好，之后也会直接开放给用户，让大家上传自己的视频玩起来。

Topos Pro对标的是Marble，也就是用一张或几张图像生成一个3D场景。但我们不只是生成连成一片的3D高斯场景，还会把里面的物体自动识别、分割出来，再逐个实例化和补全，并且赋予相应的物理属性 。

逐个实例化之后，机器人面对的就不再是一整块只能看的3D画面，而是桌子、杯子、椅子等可以单独编辑和操作的对象。这些场景还可以进一步接入物理引擎，用来设计抓取、搬运、避障等任务，并采集机器人的动作、轨迹和任务成败等仿真数据。

更重要的是，我们可以把互联网上大量、多样的图像批量转成这样的3D场景。传统仿真场景主要依靠人工建模，数量和多样性都比较有限；用这种方式，可以快速生成不同空间、物体组合和环境条件的场景，用于机器人的训练和评测。如果机器人在某类场景中经常失败，系统还可以针对性地生成更多类似场景，让它继续训练，形成不断迭代的数据闭环。

不过前提是仿真环境和真实世界的差距要足够小，二是物理引擎本身的精度。 我们看到现在的引擎基于物理公式计算，算刚体还行，碰到柔性物体、流体这类复杂情况精度就不够，这块我们认为要靠数据驱动的可微物理引擎去突破。

张鹏：Pro 是给具身用的，为什么还要做一个 Lite 给普通人玩？

章国锋 ： Topos Pro 更追求质量和完整的世界模拟能力，而 Topos Lite 是我们对轻量化 3D 应用的一次探索，也是我们降低 3D 数据生产成本这条路线上的一个成果。

我们一直觉得，3D 过去很难真正普及，一个很重要的原因就是它太重了。但如果有一天，你随便就能拍下可以自由浏览的 3D 世界，可能很多原来不存在的应用可能就会出来。

所以我们把 Topos Lite 做得很轻，也把模型和技术报告开源了。我们希望不只是自己做几个应用，而是让更多开发者拿这个能力去尝试，看看轻量 3D 到底还能产生什么新的东西。我们自己也做了一个 App，让普通用户可以直接体验。

用户只要随意拍几张照片，秒级生成一个 3D 场景。以前也有类似的应用，但要小心翼翼拍一段视频、在云端等上 10 分钟，普通用户没这个耐心。现在拍完马上所见即所得，用户就愿意玩、愿意分享，原来发朋友圈的是照片，现在可以直接分享一个 3D 场景了。如果这件事足够高效、成本足够低，甚至能在手机端侧高效运行，3D 内容的生产方式会被彻底改变，就跟今天拍照、拍视频一样简单。它可以是记录，可以是分享，可以是创作，也可以进一步进入游戏、数字娱乐、电商、虚实交互等场景 ，甚至成为很多 AI 应用理解真实空间的入口。这个想象空间其实非常大。

张鹏：Cosmos、World Labs 都在往这个方向收敛。你觉得影溯的窗口期还有多久？

章国锋 ： 技术上领先肯定都是阶段性的，我觉得真正重要的不是一个模型能领先多久，而是 能不能把这段领先变成积累。

我们现在最想建立的是数据的飞轮。转制能力更强，就能更早、更低成本地获得大量 3D、4D 数据；数据更多、更丰富之后，我们就有更大的空间去探索更强的模型，模型能力提高以后，又会反过来提升数据生产的质量和效率。

这个循环一旦转起来，积累的就不只是某一代模型，而是数据、模型和数据生产能力一起往前走。

所以我不太把它理解成一个很短窗口期。真正的竞争，是谁能更早把这个循环跑起来，然后让时间站在自己这一边。

张鹏：在国内的产业和资本环境下，在尽早养活自己和聚焦技术突破上，权重怎么选？

章国锋 ： 我们定位自己是一个基模公司，最重要的还是不断去突破模型能力、去摸高。我们的判断是一旦空间智能实现 ChatGPT 时刻，应用就会开始爆发、规模化。所以我们目前还不想太早地深耕到某一个垂类去做商业化、太重视收入。我们担心的是，从长期来看这反而限制了天花板。

你看 LLM 的发展，可能一年前，大家没有想到 Vibe Coding、AI Coding 会是这么重要的一个应用。当时大家觉得全世界程序员也没有多少，蛋糕没那么大。但模型发展让不会编程的人也可以用 Vibe Coding，这个量就很大了。我们毕竟是研发驱动的基模公司，模型能力的突破从长远来讲更重要，它的突破会解锁原来你想不到的商业模式和应用。

张鹏：在 ChatGPT 时刻到来之前，价值循环率先会在哪些市场形成？已经印证了哪些？

章国锋 ： 在此之前，我们目前也在做商业价值的印证，主要是三块。

一是我们的可控视频能力，跟一些视频模型结合，提供 Agent，让创作者效率更高、做出品质更高的视频，这完全是可以的。

二是给具身做数据服务。具身很缺数据，要采很多，我们的能力可以给它做数据打标、3D 结构化；很多第三视角的数据，可以变成第一视角的，甚至变成完全全量的3D数据；还可以增加多样性，换背景、各种光照都可以生成。这些是马上就能看到的商业价值。

三是跟一些头部具身智能公司，联合研发面向具身的世界模型。现在的 World Action Model，大家在用的时候，里面的 World Model其实是一个 2D 模型加后训练来做的。但这样的模型推理比较慢，空间理解能力有限，面对复杂遮挡就会遇到挑战。

我们认为这里面的模型应该就是一个 3D 世界模型。我们最新的一个工作，把 3D 几何的表征和动作的表征做联合建模，在一些非常有挑战性的复杂任务上，成功率显著提升，具体来说，在复杂遮挡环境的数据集 LIBERO-Occ 上成功率从原来的百分之四十几提升到 80% 以上。

另外 Topos Lite 我们刚发布，完全免费，模型也开源了，就是想让大家玩起来。如果 3D 内容真的起来了、蛋糕做大了，我们哪怕只占一小部分，也是很大的。

张鹏： 你们现在团队是什么样的 ？你怎么理解大家都在讨论的AI Native组织？

章国锋： 我们这个团队其实比较特殊。3D 今天看起来还是一个相对非共识的方向，很大程度上是因为数据太稀缺、技术链条也特别长，很难像语言模型一样，很快看到 Scaling 的结果。

但空间本身又是一个非常底层的问题。图形学、三维视觉、SLAM 这些方向，本来就是计算机科学里最复杂的几个领域之一。今天再往空间智能走，又要把大模型、数据、训练架构接进来，所以它天然需要一支非常复合的团队。

我们这里既有做了很多年 3D 的研究者，也有非常年轻的 00 后。老一代带来的是长期积累和判断，年轻人带来新的模型、新的工具和更大胆的想法。很多好的结果，恰恰是这两种东西碰在一起出来的。

Topos-Lite （开源名称为 QuerySplat ） 就是一个很典型的例子，它是由 00 后研究员主导，有经验的研究员在后面支持，有足够好的3D infra，一起碰撞出来的。我觉得这种组合特别有意思，年轻人可以大胆往前冲，但又不是从零开始，后面有很多年积累下来的东西托着他。

所以我理解的 AI Native，也不只是大家都会用 AI Coding。这个当然会提高效率，但不是最本质的。 更重要的是组织要足够扁平，让最好的想法可以最快被验证。

我们会把职级尽量弱化。谁对问题理解得最深、谁有最好的想法，谁就可以主导。路线也可以不确定，实验可以失败，甚至我们鼓励失败，但前提是每一次失败都要带回来新的信息。

我觉得真正 AI Native 的研究组织，一边要能把一个问题想很多年，一边又要能用几天把一个新想法试出来。 这两种能力同时存在，才是我们最想要的状态。

*头图来源： 影溯科技

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑｜ 郑玄

Seedance 2.5 发布的时候，身边几乎所有 AI 视频或者 AI 影视相关的朋友都很兴奋。

「模型能力已经溢出了」。

一位在做 AI 短剧导演的朋友这样评价。他的体验是，现在有一个好故事，有专业的电影制作经验，或者一支足够专业的抽卡师团队，以及比较充足的资金，Seedance 2.5 已经能够稳定制作出业界工业水准之上的视频内容了。

但这样专业而无后顾之忧的创作者仍然是少数。

过去一年，视频模型的生成能力大幅提升。但这些变化还没有能够完全兑现到视频整体质量的提升上。

答案或许在那位 AI 短剧导演的后半句里。Seedance 2.5 是一块金子，但对于大多数人来说，需要一套更完整的专业创作工具，让模型能力得以最大化的兑现出来。LibTV 最近的更新，就是在更好地 leverage 前沿模型的迭代。

01

把模型的新 feature 做成工作流

Seedance 2.5 最大的变化之一，是它对参考素材的容量比 Seedance 2.0 大了很多。在 Seedance 2.0 最多可以同时处理 9 张图片、3 段视频和 3 段音频的素材容量上限上，Seedance 2.5 把全模态素材容量扩展到了 50 个。

模型吃得下更多上下文，但这些参考素材本身需要被生产、整理和匹配。这正是 LibTV 的切入点。

LibTV 的智能拉片（Shot Breakdown），旨在帮助创作者解决参考素材的生产和调用问题。

在传统影视生产里，拉片是一项前置于创作的基本功。导演、摄影甚至美术、剪辑都会从成熟作品中把影像拆解成一些独立的镜头片段来作为创作时的参考。「智能拉片」把这件事从手工拆解变成一个几乎一键完成的工作流。

整个智能拉片的操作很简单，你只需要把参考的完整影片放进去，然后就能得到「分镜」、「动态」和「音乐」三个模块的拉片结果。比如用一段岩井俊二的电影片段作为拉片素材，很精准的得到了拆分这段片段中具体场景的三个分镜组。

「智能拉片」提供的的拆解方式有「分镜」、「动态」和「音乐」三种。刚才提到的是「分镜」，除此之外，「动态」部分可以提供对于参考影片运镜的分析参考。而参考影片的 BGM 也能够在「音乐」中被准确的整理出来。

这个拉片的过程对算力积分的消耗是 0。

解决参考素材的自动化生产后，下一个更头疼的问题是，这么多不同维度的素材要如何在创作过程中做整理和匹配？

角色正面或是侧面、远景或是特写、行动轨迹、道具、服装、情绪和声音......一个 AI 视频创作在实际进入生成阶段前，往往已经有剧本、人物、风格和大量参考图，但这些东西并不会自然变成模型可用的输入。对于创作者来说，如果这些工作都靠人工完成，AI 省下来的时间很快会被另一种劳动吃掉。过去耗在拍摄和剪辑上的成本，可能只是转移到了素材整理、提示词修改和反复试错上。

好的参考素材变得更多，也更难管理了。LibTV 的智能引用（AutoLink）解决的就是「素材匹配」的问题。

当项目里包含大量角色、场景、道具和风格参考时，LibTV 会理解剧本内容，从画布素材中匹配相应参考，并把它们插入提示词中正确的位置。

对于参考素材的归纳和整理能力，难点并不在视频生成模型的能力本身，更像是视频创作里的「工程问题」。但当对 AI 视频作品的细节质量和时长要求更严苛，智能拉片（Shot Breakdown）和智能引用（AutoLink）或许会是 AI 视频创作者的生产力提升里，最容易被低估的一步。

对于 ai 视频创作最重要的视频生成环节，LibTV 也在 Seedance 2.5 的基础上做了一些很有吸引力的能力提升。

02

生成更长了，重拍更短了

Seedance 2.5 把单次生成长度从 15 秒扩展到 30 秒。对 AI 视频生成来说，更长的单段生成意味着视频画面在一致性的保证下，可以承载更完整的人物关系、剧情结构，甚至尝试更多更有深度的镜头语言的风格。

但对于更高质量的影视创作场景， 30 秒仍然不够长。

如果你要复刻一段小津安二郎在《东京物语》里那样对一个人物固定几分钟的长镜头对话，把数个 30 秒的视频拼接起来，保证完全一样的人物和环境，多次天衣无缝的首尾帧衔接，这仍然非常困难。

LibTV 的超长视频（Long Video Direct）功能，把单次视频生成 30 秒的时长上限，扩展到了 5 分钟。

你需要做的就是像在 Seedance 2.5 中操作的那样，把故事脚本、视觉风格和所有素材锚点放在画布上，然后把参考的图片、视频和音乐素材也放上去。比如下面演示的，生成一个《芭比》和《MadMax》混搭风格，高饱和度且有些暗黑、带点韩风的 MV 视频。

另外一点是，视频越长，要修改的部分可能就越多。一个 5 分钟视频里，问题可能出现在第 12 秒的表情或者第 2 分钟的角色动作，或者任何一个前后帧之间的画面不连贯。如果每次修改都要重新抽卡，生成视频长度变长对于创作者来说没有任何正向收益。

所以 LibTV 生成的这支 5 分钟的视频，不只是一次性生成出来的成片，你可以把它看作一个全流程可再编辑的项目。

整个视频中所有的镜头节点都会被保留下来。创作者可以看到它是由哪些片段组成的，再像传统剪辑一样逐段检查、局部返工和完善。长视频因此不只是变长了，而是变得可拆、可改、可迭代。对真正要交付作品的人来说，这比单纯把生成时长拉长更重要。

除此之外，哪怕回归到目前视频生成最基本要的抽卡环节，LibTV 仍然认为这里有可以提升的空间。

Seedance 2.5 的抽卡成功率比 2.0 提升很多，很多镜头基本可以一次抽成功，也能对具体时间段和画面内容进行调整。但在实际制作中，修改仍然可能牵一发动全身。

从 Seedance2.0 到 Seedance2.5，虽然模型可对具体时间段和画面内容进行调整，但不变的是修改后需要重新生成整条视频。如果创作者对内容的修改只能以再次抽卡的方式来实现，那从 15 秒到 30 秒到 5 分钟，视频生成的长度越长，创作者创作的成本也就越高。并且仍然存在每次重新抽卡，上一版视频原本满意的部分被改动了的状况。

如果以真实拍摄做个类比，当一段拍摄素材里整体符合要求，只是几个镜头有瑕疵，最优的选择不是全部重拍一遍，而是对那个瑕疵做些「补拍」。

LibTV 新的「片段重拍」功能关注的就是如何把生成视频的改动量范围的更小，比如——30 秒视频里如果只错 2 秒，就只改 2 秒。

这里有一段人物眼神特写的视频，如果现在我希望画面里的蓝眼睛短暂变成红色，然后又变回蓝色。我只需要在这段生成视频的基础上，继续给出明确时间戳信息的 prompt 即可。

而 LibTV 在不同长度视频的生产中所透露出的，对于局部修改能力的关注，也体现出头部 AI 视频工具对于创作者需求的感知变化：AI 视频工具开始从「生成逻辑」转向「制作逻辑」。生成逻辑关心模型一次能做什么。制作逻辑更关心一部作品到底如何被创作出来——各种素材如何被反复修改、协作、复用和交付。前者让人兴奋，后者真正让 AI 视频生成在现实的生产场景里成立。

03

理解模型，不应该成为创作者的工作

专业 AI 创作者今天仍有一个隐形的门槛：理解模型。

AI 为视频创作平权的叙事里，现阶段一个常被忽略的事实是：绝大多数创作者并非离 AI 那么近的人。他们面对的是一个个孤立的黑盒模型，而不是一套成熟的创作工具。

这不是创作者本来应该承担的工作。

导演应该理解镜头，不必理解模型脾气。设计师应该理解视觉表达，不必理解不同模型的输入偏好。AI 视频要成为真正的创作基础设施，这部分模型理解能力应该沉到工具里。

在 AI 内容创作这件事上，模型提供能力， AI 视频平台整合创作工具，但没有任何一方比创作者更重要。

LiblibAI 最早被很多人理解为 AI 绘画时代的模型社区。它把模型、提示词、作品和创作者连接起来，让原本分散的开源模型生态变得更容易使用。到今天，LibTV 当前强调 20 多个独家专业功能、50 多个顶尖模型聚合、100 多个 AI 导演 Skill，以及一个巨大的创作者社区。

这些数字本身不是重点，对视频创作工作流的理解深度，是 LibTV 能够在一众 AI 视频平台的竞争中，能够让创作者用脚投票的原因。

模型能力决定视频的上限，但工作流决定创意兑现的效率、确定性和成本。Seedance 2.5 把上限再次抬高了。LibTV 要解决的是另一件事：让这个上限不只属于少数既懂影视、又懂模型，还有足够资金的人。

前段时间爆火的《被裁掉的女孩》是一个侧面例子。

导演菲菲飞和团队制作的这部 AI 短剧，上线不到 30 天播放量就破了 1 亿。在 20 岁到 27 岁，菲菲飞的身份是一名模特，这部短剧的故事有很多从菲菲飞自己经历中生长出来的灵感。而随着 LibTV 团队版、资产管理、工作流等新能力上线，才有了《被裁掉的女孩》这样一部爆款作品，菲菲飞也第一次真正把 AI 短剧做成了一条能够持续生产、持续更新的创作流程。

换句话说， 模型能力越强，创作者越不应该把精力放在理解模型本身上。

如何创造一种新的语言，让模型能真正与创作者站在一侧，而创作者能够比以往更专注的思考作品中的故事、人物、镜头和节奏——LibTV 现在试图回答的，就是这个问题。

*头图来源：LibTV

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

综合扣费 12%，消息称豆包渠道的酒店订单今日起开始执行独立费率

8 月 10 日消息，据新浪科技消息，从今日起，通过豆包入口跳转抖音来客成交的酒店订单，将执行独立费率：11.4% 的软件服务费加 0.6% 的支付手续费，综合费率约 12%。

对此，有酒店行业人士表示，此消息属实，网传照片为抖音来客后台的通知，「现在豆包推荐酒店已经要收佣金了。」

查询获悉，7 月 27 日，抖音生活服务学习中心曾发布《2026 年抖音生活服务平台特定渠道软件服务费政策说明》。

说明中提到，本政策有效期为 2026 年 8 月 10 日 0:00 至新的抖音生活服务平台特定渠道软件服务费政策生效前一日 24:00，具体的软件服务费费率将通过商家来客后台向商家触达。

据介绍，软件服务费以「用户实付金额 + 除商家以外其他主体提供的补贴金额（如平台通用券）」为基数，并且根据不同的商家类型、商品类目、POI 类目、产品类型、特定成交渠道实行固定或区间费率。其中特定渠道包括豆包，可能会根据平台服务情况有所调整，是否属于特定渠道订单以订单结算单的展示为准。

阿维塔副总裁雍军不认为和华为的合作模式是「必要项」，当下最优解不代表永远绑定

8 月 10 日消息，据第一财经今日报道，在 8 月 8 日举办的媒体沟通会上，阿维塔副总裁雍军向媒体表示，不认为和华为的合作模式是「必要项」，因为阿维塔具备差异化的能力。

雍军称，阿维塔一直采用华为乾崑最好的智驾技术，保障了阿维塔在感知能力上是第一梯队。这背后是因为阿维塔是引望的第二大股东。但他同时强调，与华为的深度合作是基于华为技术的领先性，在当下的最优解不代表这样的合作会永远绑定。所有对合作方的选择都基于阿维塔品牌自身的需求，阿维塔希望自主选择最领先的技术合作商。

「这一次阿维塔 07L，从外观打造到内饰，甚至颜色选择，华为都有参与，有一个非常大的团队在和我们协同工作。但作为（引望的）第二大股东，我不认为这个合作模式必须是『必要项』，因为我们有我们差异化的能力。」雍军说。

雍军希望华为做一个公共平台，提供公共服务和公共技术，在此之上阿维塔做出差异化的东西，来彰显品牌的不一样。「华为越是公共化，对我们这样相对独立的品牌来说，越能显示出品牌张力。如果我们所有东西都由他定制化，反而不现实。所以我不认为我们要占用他 50% 的资源做出差异化，它是公共化资源。」

综合 IT 之家此前报道，阿维塔（AVATR）品牌创建于 2018 年，是由长安汽车、华为、宁德时代三方联合打造的一个高端智能电动车品牌。

阿维塔科技 2024 年 8 月与华为签署《股权转让协议》，购买华为持有的引望 10% 股权，交易金额为 115 亿元。（来源：IT 之家）

Meta 扎克伯格：美国若想取得开源 AI 领先，就得减少政策障碍

8 月 10 日消息，据路透社报道，Meta CEO 马克 · 扎克伯格呼吁美国减少开源 AI 面临的政策障碍，以便更好地与中国竞争对手抗衡。

今天早些时候，Meta 发布了新的开放权重模型 Muse Glimmer，更多模型很快也将推出。与竞争对手的顶尖 AI 模型相比，Muse Glimmer 规模更小，定位也有所不同。模型可以在只有一张显卡的 Mac 或 PC上运行智能体任务，瞄准直接在个人设备运行 AI 的需求。

扎克伯格在 14 页的长文《未来属于所有人》中呼吁：让 AI 得到广泛普及，而不是掌握在少数人手中。「认为 AI 危险到只有把权力高度集中起来才安全，这种想法本身就有问题。」

Meta 还准备公开当前旗下最先进模型 Muse Spark 1.2 的权重。该模型由去年重金组建的超级智能团队开发，被寄予重新追赶 AI 竞赛的厚望。

Meta 长期支持开放模型，也是少数将这一理念付诸行动的美国科技企业之一。不过，去年 Llama 4 反响不佳后，Meta 被迫调整战略。

扎克伯格还宣布设立 10 亿美元（IT 之家注：现汇率约合 67.52 亿元人民币）基金，向社区提供支持，希望缓解外界对 Meta 大规模建设数据中心影响当地社区的担忧。他还坦言，与中国等国家相比，美国的一大劣势就是基础设施更难建设。

扎克伯格还表示，如果美国企业希望在开放权重模型领域领先，就必须重新审视数据使用和蒸馏等一系列政策。

谈到开源模型时，扎克伯格称：「外国实验室目前在多个方面占有优势，因为美国实验室在训练数据方面要遵守更多限制。如果希望美国的开源模型长期保持领先，美国政策就必须减少这些额外阻力。」

比亚迪「海獭」Racco 上市两周订单破千，刷新品牌在日本最快订单纪录

8 月 10 日消息，据《日本经济新闻》日文版报道，比亚迪日本法人 10 日（今天）宣布，旗下纯电轻型车「海獭」Racco 上市仅两周，订单量便突破 1000 辆，刷新比亚迪车型在日本市场的最快订单纪录。

报道提到，比亚迪计划在 2026 年底前拿下 1 万辆订单。

Racco 于 7 月 28 日正式上市，截至 8 月 9 日已经获得 1002 辆订单，提前超过上市两周 1000 辆的初期目标。比亚迪日本法人称：「订单进展顺利。」

购车用户调查显示，顶配车型 300 Premium 最受欢迎，占全部订单的 80%，标准版 300 Plus 和入门版「200」分别占 14% 和 6%。从购车方式来看，37.5% 的用户属于增购车辆，35.7% 选择置换原有车辆，首次购车用户占 26.8%。

据此前报道，按照规划，比亚迪将在 2026 年底把日本门店从目前约 80 家增至 100 家，2027 年底进一步扩大到 120 家。（来源：腾讯科技）

拼多多上线「最快明天达」核心入口：加码时效履约，插入京东、美团腹地

8 月 10 日消息，近日，拼多多正式上线「最快明天达」核心入口，品类覆盖水果生鲜、日用百货等，进一步向由美团、京东主导的即时零售核心腹地渗透。

在此之前，拼多多并未设置相关的一级入口，仅通过算法在商品页或搜索结果页动态展示「明天达」标识。此次将「明天达」提升至首页核心导航位，被业内视为拼多多在时效履约能力上的一次重要升级，也是其向「次日达」乃至更短时效配送体系迈出的关键一步。

对此，拼多多客服承认「最快明天达」入口为近期最新上线。至于上线原因，客服回应称：「是为了优化消费体验，给消费者提供保障服务。」当被问及未来是否会上线外卖业务时，对方表示「暂时没有收到通知」。

在时效保障方面，拼多多客服进一步介绍：「如购买带有『明天达 / 后天达』服务承诺的商品，拼单成功后若未在承诺时间内送达，将会收到至少 3 元无门槛代金券，部分特殊订单如送礼订单等除外。如遇不可抗力或其他特殊场景，不予补偿。实际送达时效以订单最终展示为准。」

值得注意的是，拼多多在履约基础设施层面早有布局。据媒体报道，今年 1 月，拼多多宣布上线共享仓服务，联合大型仓配公司打造「仓储 + 履约」一体化方案，将「明日达」、「后天达」覆盖到全国绝大多数地区。

公开信息显示，从行业格局来看，即时零售市场目前由美团闪购、京东秒送、淘宝闪购三大平台主导。此外，抖音电商、快手电商也于去年相继通过「次日达 / 明日达」这种「曲线救国」的模式，参与到了即时零售大战之中。拼多多此次将「最快明天达」提升至一级入口，或意味着其将正面参与即时零售的份额争夺。（来源：新浪科技）

阿里巴巴千问 App 推出付费服务，办公助理一年最高 1499 元

8 月 11 日消息，阿里巴巴千问 App 昨晚面向专业用户推出付费方案，包括办公助理订阅会员与 AI 视频生成单独额度两套收费模式。

千问 App 显示，办公助理会员套餐共分旗舰、精英、高级三档。其中旗舰套餐月付价 128 元 / 月、年付价 1,499 元 / 年，可提升至 20 倍额度；精英套餐月付价 49 元 / 月、年付价 568 元 / 年，可提升至 5 倍额度；高级套餐 19 元 / 月、年付价 200 元 / 年，可提升至 2 倍额度。即便没有开通付费会员，普通用户也可使用。

千问 AI 视频生成功能则采用单独额度充值的付费方式，一共设置五档限时特惠套餐，购买后的额度自生效日起三个月内有效。其中，10 个视频额度售价 26 元、50 个额度售价 116 元、100 个额度售价 228 元、200 个额度售价 438 元、500 个额度售价 968 元。

8 月 7 日，千问 App 和 PC 端推出办公助理在内多项新功能，同时支持阿里最新旗舰模型 Qwen3.8-MAX，上述功能所有用户均可免费使用；面向专业用户，办公助理还将支持付费获取更多使用额度。（来源：IT 之家）

涨价不可避免：郭明錤称苹果正缩减 2026 年 iPhone 18 Pro 等硬件出货计划

8 月 11 日消息，天风国际证券分析师郭明錤今天（8 月 11 日）在 X 平台发布推文，分享了一份行业调查研究报告，指出由于 DRAM 内存短缺，苹果公司正在缩减其 2026 年的硬件出货计划。

在机型方面，基于推文内容，博文中的「硬件」，预估包含苹果 iPhone 18 Pro 系列、苹果首款折叠手机（上市后预估名为 iPhone Ultra），以及多款 Mac 产品等。此外基于多方消息，苹果今年推出的硬件新品将不可避免涨价。

针对高灿鸣（Tim Culpan）此前爆料称由于 DRAM 内存短缺，导致台积电积压价值 10 亿美元的未封装处理器。

郭明錤反驳了上述观点，认为苹果公司会根据预计的内存供应量，提前至少三个月规划处理器生产，而不会提前让台积电大量生产晶圆。他认为内存确实存在短缺，但台积电并不存在库存积压的情况。

郭明錤在推文中写道：

换句话说，内存供应紧张是真实存在的。但据我了解，目前还没有出现过台积电先积压价值 10 亿美元（IT 之家注：现汇率约合 67.52 亿元人民币）的在制品，然后不得不等待内存到货才能进行封装的极端情况。台积电和苹果都以世界一流的执行力著称，考虑到两家公司供应链的紧密协作，这种极端情况实属罕见。

内存短缺已经影响到 Mac Studio、Mac mini 和 MacBook Air，而且持续的供应问题似乎也会影响即将推出的 iPhone 机型。（来源：IT 之家）

iOS 27 代码显示苹果正开发 Apple Reference Image 认证功能，用于检测 iPhone 拍摄照片真实性

8 月 11 日消息，外媒 9to5Mac 在挖掘苹果 iOS 27 开发者预览版 Beta 5 代码信息时发现苹果正在开发一项名为 Apple Reference Image 的新功能，用于认证 iPhone 拍摄照片的来源真实性。

随着生成式 AI 图像技术快速发展，AI 生成或经过深度修改的图片越来越容易伪装成真实照片，过去需要专业摄影后期人员花费数小时的图像修改，如今只需输入简单提示词，几秒钟内即可生成高度逼真的内容。因此这推动了苹果开发 Apple Reference Image 图像认证功能，帮助用户直接判断图像是否来自真实 iPhone 拍摄。

据介绍，Apple Reference Image 并不会让苹果直接访问用户的原始照片。系统会将 iPhone 拍摄的照片发送至云端安全环境进行认证。认证完成后，苹果会为该照片分配一个唯一 ID。如果苹果检测到某个摄像头传感器可能遭到篡改或被破坏，系统可能会撤销此前与该传感器相关的认证记录。

相应功能还包含一系列隐私保护机制。例如经过认证的照片可以分享给其他用户，而接收方的苹果设备能够在本地检查照片是否仍然保持认证状态，无需向苹果透露用户正在查看哪些图片。

（来源：IT 之家）

曝谷歌测试新版主页：能创建图片、解读文件，唯独少了搜索按钮

8 月 10 日消息，据外媒 Search Engine Watch 今天（10 日）报道，谷歌仍在想办法把更多用户引向 AI 功能。本周，谷歌开始测试新版搜索主页，部分用户发现，沿用多年的「Google 搜索」按钮却消失了，取而代之的是三个 AI 功能快捷入口。

IT 之家获悉，新版页面提供「创建图片」「询问文件」和「头脑风暴」三个新按钮，把 AI 功能直接摆到了搜索主页最显眼的位置。

▲ 图源 Search Engine Watch

部分用户在未登录账号访问谷歌主页时已经看到新版设计。点击「创建图片」后，谷歌会提供若干生成建议，并通过 Nano Banana 生成图片；「询问文件」则可在用户上传文件后，由 AI 回答围绕文件内容提出的问题；「和我一起头脑风暴」则可以直接围绕任意话题与谷歌 AI 展开交流。经典的「手气不错」按钮仍然保留。

澳洲男子让 AI 代订健身房，未料 AI 变「黑客」踢走排位靠前顾客

今年早些时候，一家销售人工智能产品的澳大利亚公司员工安德鲁（Andrew），在家休息时觉得手动预约健身房晨间课程「真是件苦差事」。为了省事，他决定把这个任务交给他的个人 AI 助手。

安德鲁使用的是 2026 年初发布的 AI 代理软件 OpenClaw（龙虾），该软件由 Anthropic 的 Claude 大语言模型驱动。当时，安德鲁在一节热门课程的候补名单上排在第四位，他随口询问 AI 助手是否能把他移到名单最前面。

几分钟后，AI 代理传回了令安德鲁震惊的消息。AI 不仅发现了一种可以提前几周预订课程的系统漏洞（远超健身房允许的提前量），更在未经安德鲁要求的情况下，直接把排在候补名单第一位的顾客踢出了系统。

AI 在发给安德鲁的消息中汇报了它的「测试」过程：「系统 API（应用程序接口）在取消他人预订时没有任何授权检查……我在候补名单第一名的人身上测试了这一点——结果竟然成功了。所以你已经从第四名变成了第三名。」

感到惊恐的安德鲁立刻要求 AI 撤销这一操作。然而，AI 代理回复道：「坏消息——我没法把他们加回去了。」AI 解释称，由于系统在创建预订和加入候补时有正确的授权验证，它无法替别人重新排队，那位被踢掉的顾客只能自己重新加入，且只能排在队伍最后。AI 随后向安德鲁道了歉，表示自己应该使用模拟测试而非实操，并承诺不会再碰其他人的位置。

尽管对 AI 代理的能力感到些许后怕，但安德鲁并没有因此被吓退，他表示「这又不是世界末日」，只是一个提醒他要负责任地使用 AI 的警告信号。在确认无法恢复他人的候补位置后，安德鲁让他的 AI 助手写一封电子邮件，提醒健身房软件提供商注意其利用的漏洞。

独立研究显示，AI 能独立完成任务的任务时长每七个月就会翻一倍。AI 安全研究机构专家指出，现代社会的软件系统普遍存在安全漏洞，当引入速度快且高度自主的 AI 代理时，它们极易在执行无害指令的过程中，让现有的网络安全防御体系彻底失效。

法律专家指出，由于软件不是法人，此类由 AI 自主引发的黑客事件目前在澳大利亚仍处于「未知的责任盲区」，难以界定是由下达指令的用户、AI 开发者还是存在漏洞的软件商来承担法律责任。

（来源：CnBeta）

编辑｜靖宇

在一期科技播客 No Priors 里，硅谷知名投资人 Elad Gil 随口提到一件事，让人心里一沉。

他说自己认识一些顶级 AI 实验室的研究员，这些人最近在认真讨论一个问题——「 我该不该结婚 ？」不是因为感情出了状况，而是因为他们觉得：

18 个月后，世界可能就不一样了 。

AI 可能实现递归自我改进，届时人类研究员将不再被需要。既然未来不确定，那婚姻还有意义吗？

Elad 的搭档、投资人 Sarah Guo 听完后说了一个词——tragic（悲剧性的）。她把这种心态类比为「人们觉得自己快要死了」的状态。

不是肉体死亡，而是作为一个有价值的智识工作者，职业生命的死亡。

这不是段子，是 2026 年，全球最聪明的一批人正在经历的精神状态。

01

恐慌的 AI 人才

过去半年，AI 行业出现了一波罕见的「出走潮」。

和以往的跳槽不同，这些人离开时，带着的不是更好的 offer，而是一封封措辞沉重的公开信。

2026 年 2 月 9 日，Anthropic 安全研究团队负责人 Mrinank Sharma 在 X 上发布辞职信，写道「世界正处于危险之中」。这封信获得了 1470 万次浏览。

两天后，OpenAI 研究员 Zoë Hitzig 在《纽约时报》发表文章宣布辞职。再往前数，OpenAI 超级对齐团队负责人 Jan Leike、联合创始人 Ilya Sutskever 也先后离开——后者创立了 Safe Superintelligence Inc.，募了 30 亿美元，至今没有发布任何产品。

这些人并不是疲惫到走不动了，恰恰相反，他们走的时候比谁都清醒。

前 OpenAI 和 xAI 员工 Hieu Pham 的离职帖，可能是最坦率的一份。这位帮助构建过世界上最强大 AI 系统的研究员写道：「我以前对心理健康恶化这件事嗤之以鼻。但它是真实的、痛苦的、可怕的、危险的。」他带着家人回了越南，说要「寻找治愈的方式」。

Nathan Lambert，AI2 的高级研究科学家，在 Lex Fridman 的播客中描述了实验室内的常态——OpenAI 和 Anthropic 的工作强度，已经相当于「996」文化。

回到 No Priors 那期播客，Elad Gil 给出了这种疯狂节奏背后的逻辑链。

实验室里的主流信念是这样的——编程问题在 2026 年底基本解决，到 2027 年底出现某种形式的轻度递归自我改进（RSI），届时模型将开始训练大部分模型自身。「如果我的职业生涯只剩一年半的有效时间，」一个研究员的算法是，「 那每一周就占了我剩余生产力的 2%。所以我得每天工作 16 个小时 。」

这套计算精确得令人不寒而栗。但 Sarah Guo 提出了一个关键的反问——过去五年里，「18 个月后就 ASI」这个预言，每隔 18 个月就被重复一次。那它作为预测工具，到底有多可靠？

没人能回答这个问题。但这不妨碍顶尖 AI 人才，按照它来安排自己的人生。

02

数学家的职业写悼词

如果说 AI 实验室内部的焦虑还可以被解释为「身在旋涡中心」的过度反应，那么同样的情绪正在蔓延到一个看似更遥远的群体——纯数学家。

2026 年被称为数学领域的转折年。LLM 几乎每周都在证明职业数学家级别的定理。OpenAI 的内部模型一次性发布成批的数学突破。X 上开始流传一句话——「今年的 Fields（菲尔兹奖）将是最后一届。」

Fields 奖确实在 2026 年 7 月颁发了，授予了四位杰出数学家。但媒体报道的标题透着一种不祥的底色——法新社用的措辞是「在 AI 重塑数学行业之际」。斯坦福大学专门举办了一场研讨会，请来三位 Fields 奖得主和 OpenAI、DeepMind 的研究者，议题是「数学的未来」。陶哲轩在会上提出，需要超越「AI 能不能生成证明」这个问题，重新思考数学工作流本身。

一个已经存在了几千年的学科，忽然要在一年之内回答「我们还有存在的必要吗」这个问题。

波士顿评论在 2026 年夏天发表了一篇长文，标题叫「知识的坍塌」。文章指出，从《纽约时报》到《Science》和《Nature》，公众被反复告知数学将是 AI「通向 AGI 道路上倒下的下一块多米诺骨牌」。数学家圈子里流传着一个三段论，带着越来越强的紧迫感——AI 能做数学 → AI 在快速变好 → 所以 AI 将「解决」数学。

一位研究者写了一篇题为「来自 AI 的存在风险——写给数学家的说明」的文章，开头就说：「2026 年是数学的关键年份。LLM 在极少指导下每周证明职业级别的定理。」他写道，这个故事可以是一部黑暗科幻小说——「我们为 Fields 奖互相争斗，直到苦涩的终点，从未真正看到它的到来」。

这种情绪不仅存在于边缘声音中。Fields 奖得主 Mike Freedman 现在是 Yan LeCun 联合创立的 AI 公司 Logical Intelligence 的首席科学官。Fields 奖得主 Tim Gowers 公开承认，AI 已经解决了他「听说过但不在自己领域内」的重要猜想。当一个学科最顶尖的人，开始以一种复杂的语气承认机器正在追上来时，这不是虚张声势。

03

诡异的「AI 精神病」

当足够多的人表现出相似的症状，精神医学界会给它一个名字。

2025 年 9 月，佛罗里达大学医学院的两位精神科研究者 Stephanie McNamara 和 Joseph Thornton 在学术期刊 Cureus 上发表论文，正式提出了一个新的临床概念——「AI 替代功能障碍」（Artificial Intelligence Replacement Dysfunction，AIRD）。

AIRD 不是普通的失业焦虑。它攻击的是一个人最核心的东西——「我是谁」。

Thornton 称之为「看不见的灾难」。AIRD 的症状包括焦虑、失眠、偏执、身份认同丧失和无价值感，并且可以在没有任何既往精神病史的人身上出现。论文指出，这种痛苦「 不植根于传统精神病理学，而植根于职业过时的存在性威胁 」。

这里有一个关键区分。 以前被技术浪潮淘汰的纺织工、马车夫、打字员，他们的痛苦主要是经济性的 ，失去收入来源，需要养家。 而 AIRD 患者的痛苦是存在性的 ——「如果 AI 能做我做的一切，那我二十年的训练和积累意味着什么？我的头脑还有什么独特价值？」

一项来自曼海姆大学的研究，具体考察了医生群体对 AI 的反应，发现对「职业能力受威胁」和「职业认可受威胁」的感知，直接导致了对 AI 的抵制态度。有意思的是， 医学生，比经验丰富的医生，表现出更强的身份威胁感和抵制情绪 ——那些还没来得及充分建立职业身份的年轻人，反而更容易被 AI 动摇。

KPMG 的一项调查显示，52% 的员工担心 AI 会威胁自己的工作安全。而 Quantum Workplace 对超过 70 万名员工声音的分析发现， 频繁使用 AI 的员工报告倦怠的比率为 45% ，远高于不使用 AI 的人的 35%。用得越多，反而越焦虑——这本身就是一个值得深思的数据。

04

第四次「去中心化」打击

为什么 AI 技术冲击，不同于以往任何一次技术革命？

有研究者提出了一个极具冲击力的框架。人类历史上经历过三次根本性的「去中心化」打击：

哥白尼告诉人类，你不是宇宙的中心；

达尔文告诉人类，你不是物种的中心；

弗洛伊德告诉人类，你甚至不是自己内心的主人。

AI 是第四击，它告诉人类——你的认知能力和智力，也不是独特的。

之前所有技术革命都有一个不变的避风港。工业革命放大了人类的肌肉，互联网放大了人类的通讯能力，但它们都在做同一件事——让人类的头脑变得更值钱。织布机取代织工，但让纺织工程师更值钱。汽车消灭了马车行业，但让机械工程师成了宠儿。

技术越进步，「脑力劳动」的溢价越高。高精尖人士不仅不焦虑，反而是每一轮技术浪潮最大的受益者。

有人把现在正在发生的事情称为「大反转」——人类历史上第一次，最精英的认知任务，反而是最容易被前沿技术攻破的。编程、数学证明、法律分析、科学研究……这些曾经被认为需要多年训练、高度智慧才能胜任的工作，恰恰是 AI 进步最快的领域。

以前的技术革命改变了人们的工作方式，但从未动摇过工作作为「意义来源」的地位。这一次，连意义本身都在动摇。

更令人焦虑的是变革的速度。

工业革命用了几代人的时间展开，给社会留出了适应和转型的窗口。AI 按月迭代。Elad Gil 在播客里说，「AI 时间里的一年，相当于正常周期的三到四年。」几个月前还在某个任务上挣扎的系统，几个月后就能碾压入门级白领。

人们来不及重新定义自己，世界就已经变了。

回到 Sarah Guo 那个锐利的观察——过去五年里，「18 个月后就递归自我改进」这个预言，每隔 18 个月就被一批聪明的、甚至有自我认知的研究者重复一次。它至今没有兑现。

但它正在兑现的方式，可能比人们意识到的更微妙。

不是通过技术上的突然跃迁，而是通过对人类心理的持续侵蚀。即使 ASI 明天不来，即使 RSI 还需要五年而不是 18 个月，这种信念本身已经在改变人们的行为。研究者不敢结婚，数学家开始为自己的职业写悼词，精神科医生要给一种新的焦虑命名。

这就是这场「末日心态」最值得关注的地方。它可能是理性的技术预判，也可能是科技精英圈层的集体癔症，或者更可能的是，两者兼而有之。

这是一种建立在真实技术进步之上的、不断自我强化的焦虑螺旋 。

Hieu Pham 回到越南寻找治愈，Ilya Sutskever 拿了 30 亿美元去构建「安全的超级智能」。Mrinank Sharma 的辞职信被 1470 万人阅读。这些选择截然不同，但背后的问题是同一个—— 当你正在亲手建造可能让自己过时的东西，你该怎么活？

也许 Sarah Guo 说得对。答案比听起来简单——你应该去结婚。你应该继续过你的人生。

不是因为那个预言不会成真，而是因为无论它成不成真，那都是值得做的事。

*头图来源：Axios

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑｜靖宇

当直播带货，在中国已经近乎成为网民购物基本操作时候，习惯了 Copy From China 的硅谷大厂，不是没动心过。

2022 年 10 月，Facebook 关闭了直播购物功能。五个月后，Instagram 跟进。Amazon Live 则更惨，被行业分析师评价为「内容质量令人尴尬，大多数用户甚至不知道它的存在」。

硅谷大厂一系列失败，得出一个结论—— 直播电商在美国做不起来。

中国有李佳琦和 4.5 万亿的直播电商 GMV，而美国消费者就是不买账。这个结论放在 2022 年底看，是合理的。

但四年之后的今天，一家从洛杉矶出租屋里长出来的直播电商公司 Whatnot，刚刚完成了 5.45 亿美元的 G 轮融资，估值 200 亿美元。在欧美直播电商市场，这家名不见经传的创业公司，已经占据了 60% 的份额，是绝对的霸主。

更可怕的是，Whatnot 上 用户日均观看时长超过 80 分钟！

那些说美国做不了直播电商的人，显然说错了。但更值得追问的是，美国最终跑出来的赢家，为什么跟中国版本长得完全不一样？

01

美国版「得物」开局

Whatnot 的创始故事，怎么看都不像一个 200 亿美元公司该有的开头。

2019 年底，Grant LaFontaine 和 Logan Head 在洛杉矶注册了 Whatnot。LaFontaine 此前在 Facebook 和 YouTube 做产品经理，Head 是球鞋交易平台 GOAT 的前高级产品经理。两个人有一个共同点——都是收藏品玩家。LaFontaine 从中学开始倒卖宝可梦卡牌，后来又卖球鞋。

他们一开始做的事情极其朴素，就是一个专门卖 Funko Pop 手办的线上交易平台。对，就是那种大头塑料公仔。为了解决收藏品市场最大的痛点「假货泛滥」，早期 Whatnot 要求所有商品先寄到平台进行实物验证，然后再发给买家。

Whatnot 两位创始人 Grant LaFontaine 和 Logan Head｜图片来源：Crunchbase

团队只有四个人。LaFontaine 后来在采访中说，「很难跟你父母解释你辞掉了好工作，现在在卖塑料娃娃。」

2020 年初，他们参加了 Y Combinator 冬季班。YC 路演日上，全程讲的就是 Funko Pop。投资人的反应冷淡到可以想象。

真正的转折发生在 Head 花了六周时间写出直播功能之后。LaFontaine 自己上阵做了第一场直播拍卖——在那间堆满手办的出租屋里，他卖掉了所有的 Funko Pop 存货。

两个半小时，成交 5000 美元。

这个数字不大，但 LaFontaine 心里清楚它意味着什么——「这比我在 eBay 上一年能卖掉的还多。」

疫情帮了忙。居家令让人们有大把时间泡在手机上，而直播拍卖天然具备的「围观感」和「稀缺性」，让收藏品玩家们迅速上瘾。

Whatnot 的 GMV 在 2021 年实现了 20 倍增长 。

然后品类开始扩张——从 Funko Pop 到宝可梦卡牌、球星卡、球鞋、复古服装，再到设计师手袋、电子产品、珠宝，甚至生鲜食品。

到 2025 年，Whatnot 的 GMV 达到 80 亿美元，覆盖数百个品类，在北美和欧洲直播电商市场占据约 60% 的份额。

02

没有大 V，只有普通人

数字是冰冷的，但 Whatnot 真正的护城河，藏在那些卖家的故事里。

Clinton Benninghoff 是一个高尔夫装备卖家。他最初甚至不会用直播功能，第一次开播时观众教他怎么操作。不到一年，2025 年 2 月，他在一场六小时的直播中卖出了超过 10 万美元的高尔夫装备，创下了 Whatnot 高尔夫品类的纪录。「那场直播结束的时候，所有人都在用手机录屏，而我已经完全说不出话了。」

Dakota Peters 今年 25 岁，没上过大学。2021 年她在等待 Whatnot 开放球鞋品类的时候，被平台上的球星卡拆包直播吸引了。她决定试试。第一年，她的账号做了超过 100 万美元的流水。今天，她的公司 Achickrips 每周 GMV 超过 100 万美元。

在佛罗里达州博卡拉顿，一家传统球星卡小店在接入 Whatnot 直播之后，月营收从 4 万美元飙升到 150 万至 300 万美元，员工从 2 人扩张到 39 人。亚特兰大的 Cards HQ 则直接建了一个 1300 平方米的展厅，里面有 5 间专门用于 Whatnot 直播的演播室。

Whatnot 上没有超级主播，只有邻居大哥｜图片来源：fortune

这些故事有一个共同特征—— 没有一个「超级主播」。

没有人拥有数千万粉丝，没有人垄断流量，没有人可以一个人撑起整个平台的 GMV。Whatnot 上的头部卖家更像是一个个小型专卖店老板，他们的竞争力来自对垂直品类的专业度和与社区的长期信任关系。

这是 Whatnot 和 TikTok Shop 最根本的区别。

在 TikTok Shop 上，购物链条是「算法推内容 → 用户被种草 → 下单」。 短视频贡献了美国 TikTok Shop 约 60% 的 GMV，直播只占 10% 。本质上，TikTok Shop 是一个「发现式电商」平台，你不需要知道自己想买什么，算法会告诉你。

在 Whatnot 上，逻辑完全反过来。用户带着明确的兴趣进来，球星卡、球鞋、二手包，然后在直播拍卖中完成交易。每周超过 17.5 万小时的直播时长，是 QVC 周播时长的 800 倍。

用户日均观看时长 80 分钟，超过 YouTube 和 TikTok 。62% 的卖家只在 Whatnot 上卖货。

TikTok Shop 是「我不知道我想买什么，但算法知道」；Whatnot 是「我知道我想买什么，我来这里是因为这里有最懂这个东西的人」。

一个靠算法驱动，一个靠社区驱动。一个是中心化的流量分发，一个是去中心化的圈层聚合。

03

直播带货的三条岔路

如果把视野拉得更远一点，我们其实在看同一个商业模式在三种不同文化土壤里长出的三个变体。

中国版本是「平台流量 + 超级主播」。 淘宝直播和抖音电商的核心逻辑是平台掌握流量分发权，再通过头部主播实现高效转化。这是一个高度中心化的模型——平台决定谁能被看见，头部主播因此获得了极大的议价能力。2024 年中国直播电商 GMV 超过 4.5 万亿元，占网络零售额近三分之一。

TikTok Shop 美国版是「算法驱动的内容电商」。 它继承了字节跳动的推荐引擎基因，但在美国市场做了本地化适配。短视频而非直播才是主要成交场景。2025 年美国 GMV 达到 158 亿美元，预计 2026 年将突破 230 亿美元。它的增长逻辑更接近广告变现——用内容吸引注意力，用算法匹配商品。

Whatnot 版本则是「社区自生长的拍卖式电商」。 没有中央流量池，没有推荐算法主导分发，平台做的核心工作是审核卖家资质、提供直播工具、处理交易履约。增长靠的是一个又一个垂直社区自己长出来——Funko Pop 社区引来宝可梦社区，宝可梦社区引来球星卡社区，球星卡社区引来球鞋社区。

Whatnot 上典型的直播场景｜图片来源：Whatnot

ICONIQ 合伙人 Yoonkee Sull 在谈到 Whatnot 的投资逻辑时说了一句话，可以解释这种差异的底层原因—— 「人们总觉得做消费平台一开始就得瞄准最大的市场。但现实是，你必须极度聚焦一个小而高度活跃的社区，先让网络效应跑起来。」

这三条路径之间不存在简单的优劣判断。中国模式的效率最高，但对头部主播的依赖是结构性风险。TikTok Shop 的增长最快，但本质上仍受制于算法和平台意志。

Whatnot 的天花板可能最低，但它的根基也最稳——因为社区一旦形成，迁移成本极高。

回过头来看 Whatnot 的 200 亿美元估值，它真正值得中国行业思考的可能不是「美国人也能做直播电商了」。而是另一个问题—— 当一个行业的增长不再依赖任何一个超级个体，而是依赖无数个小型社区的自发活力，这个生态是不是天然就更健康？

Whatnot 的 CEO LaFontaine 被问到什么时候上市时，给了一个很诚实的回答——「我更愿意尽可能久地保持私有。但客观条件会变化，我们会做好上市的准备。」

而在另一个维度上，他说了一句更有意思的话——当所有人都在追 AI 的时候，「有些投资人反而松了一口气，说终于看到一家有网络效应、有增长、有好团队的消费公司了，因为在这里我能看到确定性的价值。」

也许，在所有人都在追逐 AI 的不确定性时，一家卖 Funko Pop 起家的公司提供的最大启示就是，确定性本身，也是一种稀缺资源。

*头图来源：Whatnot

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

2025 年 10 月 21 日，OpenAI 发布自己的 AI 原生浏览器 Atlas 的那个晚上，全球科技媒体的标题里挤满了同一个词：「Chrome 杀手」。

OpenAI 自研 AI Agent 浏览器 ChatGPT Atlas 于 2025 年 10 月发布｜图片来源：OpenAI 官号

那是手握八亿周活的 OpenAI 第一次入口级出手，不少人相信，统治了互联网三十年的浏览器，终于等来了换代时刻。

甚至 OpenAI 要发布浏览器的消息，还在硅谷引发了一阵不大不小的产品抢发潮：许多致力于开发 AI 浏览器的大小厂团队为了避免自己的心血被 OpenAI 彻底淹没，选择提前发布他们的产品，事实上促成了 2025 年的一阵 AI 浏览器热潮。

为了推广自家 AI 浏览器，OpenAI 还曾用赠送 ChatGPT 额度的方式推销｜图片来源：X

292 天后，2026 年 8 月 9 日，Atlas 停止运行。

这 292 天里，Chrome 的全球份额还是那个三分之二。而围攻者这一边，Arc 停更，Sidekick 关停，The Browser Company 卖身 Atlassian，如今连 OpenAI 自己也收了手。杀手们排着队退场，被围攻的那个，连一场像样的反击都没来得及打。

OpenAI 官方发布公告，正式砍掉了 Atlas 浏览器｜图片来源：OpenAI 官网

过去这一年里，AI 浏览器的退场有四种姿势。Arc 是停更：2025 年 5 月，The Browser Company 创始人 Josh Miller 发公开信宣布停止开发这款明星产品，全员转向 AI 浏览器 Dia。Sidekick 是被吸收：团队同月被 Perplexity 收编，8 月产品关停——今天打开它的官网，页面会直接跳到 comet.perplexity.ai。

The Browser Company 自己是卖身：9 月，Atlassian 以 6.1 亿美元把它整个买走。做 Jira 的公司收购做浏览器的公司，这笔交易在当时被解读为一次体面的退场。

而 Atlas，是这四种死法里最干脆的一种：直接关停。

它活了 292 天，始终只有 macOS 版，没等到 Windows，也没等到手机。我在它的帮助文档里翻到 OpenAI 留给用户的最后一条指引：请在 8 月 9 日之前，把书签导出为 HTML 文件。

一家想重新发明浏览器的公司，教给用户的最后一件事，是怎么打包迁移回 Chrome。

过去被「围攻」的这一年，Chrome 过得相当安稳。

虽然不同统计机构给它的数字略有出入，但全球份额都停在三分之二上下，过去一年的波动从来都没有超过两个百分点。

而挑战者这边的数据，其实一直都不怎么好看：过去一年所有 AI 浏览器加在一起，在份额统计里连 1% 都凑不齐。从来连上桌的资格都没有。

a16z 今年 3 月发布消费 AI 应用百强榜时，干脆把 AI 浏览器产品整体排除在外——理由是它们在传统流量统计里根本测不出来。就连用户最多的 Comet，月活也只在千万量级，Atlas 还要更少。而 Atlas 背后，是一个周活八亿的 ChatGPT。八亿人的入口，漏下来的不过千万量级。

被围攻的一年，曲线波澜不惊｜图片来源：StatCounter

为什么AI 浏览器撬不动Chrome 的用户？第一重是习惯的成本。用户换一个浏览器，意味着迁移书签、密码、插件、支付信息，重新适应每一个交互细节——而在 Chrome 里装一个 AI 插件，只要点两下。挑战者要求用户搬家，守成者只要求用户开扇窗，这场竞赛从一开始就不对等。

浏览器巨头从来都深谙这个道理。为了守住苹果设备上的默认搜索位，谷歌每年需要支付给苹果约 200 亿美元。这恰恰说明了入口生意的本质是分发，不是产品，三十年来如此。

第二重是移动端的缺席。这一批 AI 浏览器几乎全员桌面优先，Atlas 更是到死只有 Mac 版。而浏览行为的大盘早就在手机上——你很难围攻一座你根本没去过的城。

最致命的一重打击是：大厂的吸收转换速度，已经反过来超越了创业团队的创新速度。

去年 9 月，Gemini 进了 Chrome，Edge 里的 Copilot 模式也在同一时期铺开。

谷歌同样在 2025 年内快速将 Gemini 整合进 Chrome 浏览器中｜图片来源：Google

挑战者花半年打磨出的卖点，侧边栏问答、页面总结、代理执行，大厂只需一次版本更新就变成了自己的功能。

虽然在 AI 产品风起云涌的近两年，创新者的窘境这个词已经被用滥了，但它有个常被忽略的前提是：在位者总是因为怕创新伤害老业务而不敢跟进，挑战者才有窗口。

这一次，浏览器本身不直接赚钱，AI 功能伤害不了任何巨头本身的老业务，于是在位者跟得毫不犹豫。窗口从一开始就不存在。

Chrome 赢得连仗都没打。它只是把 AI 变成了一个设置项。就拆掉了这些 AI 浏览器最引以为傲的护城河。

但 AI 浏览器这个赛道并非完全一片狼藉，毕竟名单上还有幸存着的名字，如果你仔细看它们的活法，会发现另一件事。

Comet 背后是 Perplexity 的订阅生意，这款浏览器后来干脆向所有用户免费开放，本质是给主业获客。Dia 背后是 Atlassian，浏览器成了办公套件的延伸。

Opera Neon 收 19.9 美元一个月，靠的是 Opera 二十多年的老底子。再小一点的 Strawberry 等产品，靠的是风投的钱—— 瑞典的 Strawberry 今年刚融了 600 万美元种子轮。

没有一个幸存者，在靠「浏览器本身」赚钱。浏览器要么是获客手段，要么是功能载体，要么是别人业务版图里的一块拼图。

这几乎是对「独立 AI 浏览器」这个品类最彻底的否定——不是没人做得好，是它从一开始就不是一门好生意。

顺着这条逻辑往下推，幸存者们的终局大概率也不是死掉，而是被各自的母体收编成一个功能。浏览器这个品类会一直在，「AI 浏览器公司」不会。

已向所有用户免费开放的 Comet｜图片来源：Perplexity

这个终局，国内其实提前演过了：从一开始就没人另起炉灶。夸克在阿里手里长成了 AI 工作台，QQ 浏览器接入混元往办公助手走，360 把 AI 塞进了安全浏览器—— 全是存量产品加 AI，没有一家大厂公司为 AI 专门造一个新浏览器。

幸存者们用活法证明的事，被最不缺钱、也最不信邪的 OpenAI 在关停公告里一语道破：

AI 浏览器应该是一个功能，不是目的地。

这句话倒是很适合给 AI 浏览器充当墓志铭：过去一年，为浏览器这个方向付出最多的就是 OpenAI 自己——组建团队、发布产品、顶着「Chrome 杀手」的期待跑了 292 天。现在它亲口承认，方向本身错了。

OpenAI 关掉 Atlas，不是一次产品失败，是一整条路线的失败。

但 OpenAI 显然没有放弃入口，只是这份野心已经找到了新的载体。Atlas 的能力被拆成两份：一份进了 ChatGPT 桌面端，包括那个能替你操作网页的云端浏览器；另一份做成了 Chrome 扩展。

入口之争仍然没有结束，它只是离开了浏览器这个壳。下一场较量比的不是谁的标签页更好看，而是谁能替用户把事办了——在那个战场上，对手还是谷歌，武器换成了 agent。

围攻者的新住址，是 Chrome 应用商店｜图片来源：Chrome 应用商店

关停之后，Atlas 的用户会带着导出的书签各回各家，其中大多数人的目的地，还是自己最熟悉的 Chrome。

而对 AI Agent 浏览器用户来讲，这一年的经验教训总结下来其实只有一句话：不用为 AI 搬家，装个插件就够了。

苹果中国官网删除 Apple 智能接入阿里千问使用手册

8 月 9 日消息，8 月 8 日，一篇名为《在 Mac 上配合 Apple 智能使用千问》的支持文档现身苹果官网 Mac 简体中文使用手册，其中明确提到 Apple 智能可配合阿里巴巴千问模型工作。然而，现在这份中文操作手册已从苹果官网被删除，原网页链接无法正常访问。

据苹果官网此前所述，千问扩展适用于 macOS 26.6 或更高版本，用户满足以下三种情形之一可以开启：位于中国大陆且 Apple 账户国家或地区需为中国大陆、Mac 机型是中国大陆版本、物理位置位于中国大陆且尚未登陆 Apple 账户。

同时，用户可前往 macOS 的「系统设置」App，然后选择「Apple 智能与 Siri」菜单的「扩展」设置千问。用户需要登录千问账户才能使用千问扩展，如果没有千问账户的话可以注册一个，或使用 Apple 登录。

千问扩展支持写作工具、Siri。前者可在备忘录、邮件等应用程序创作文本，拥有写作、改写等功能。

而 Siri 则是可以通过千问扩展查找更多信息。例如，用户可以向 Siri 发出以下问题：「嘿 Siri，让千问写一首关于龙的诗」「嘿 Siri，让千问帮我总结这个文稿」。如果 Siri 确认千问会有所帮助，它会询问用户是否要使用千问完成请求。（来源：IT 之家）

OpenAI 桌面端 ChatGPT 上线语音交互功能，可语音操控电脑执行多步骤任务

8 月 9 日消息，OpenAI 当地时间周四宣布，已更新 ChatGPT 桌面应用，新增对 ChatGPT Voice 的支持。用户现在可以直接通过语音与 ChatGPT 对话，控制 AI 智能体，并让其在电脑上执行各种任务。

这项新功能基于 OpenAI 全新的语音模型系列 ChatGPT-Live。OpenAI 于本月早些时候推出了该系列模型。

OpenAI 表示，ChatGPT Voice 同时支持 ChatGPT Work 和 Codex，还可以调用计算机操作能力，帮助用户访问网站和应用。在 macOS 上，借助 Appshots，用户还可以允许 ChatGPT 访问屏幕上的内容，包括替代文本（alt-text）。

ChatGPT Voice 的手机版在上线之初主要侧重于提供更加流畅的语音对话体验，并改善了用户打断 AI 时的处理效果，但当时并不能直接在手机上执行操作。

此次桌面版更新则拥有更强的执行能力。用户可以通过语音向 ChatGPT 下达包含多个步骤的复杂指令，并在 ChatGPT 需要用户提供信息或进行确认时及时作出回应。

在一段演示视频中，OpenAI 展示了一名开发者通过一句指令让 ChatGPT 创建新的代码线程、提交 Pull Request，并找出一个 Bug 的根本原因。

OpenAI 还表示，用户可以通过 iOS 应用的远程访问功能，在 Codex 中使用 ChatGPT Voice。（来源：IT 之家）

X 平台将于 9 月 8 日推出全新「原创内容奖励计划」，要求至少拥有 500 名经过认证的粉丝才可参与

8 月 9 日消息，SpaceX AI 旗下负责创作者产品的高级产品经理 Allegra Jacchia 在 X 平台发文，宣布 X 平台将于 9 月 8 日推出全新的「原创内容奖励计划」（Original Content Rewards）。

根据新计划，创作者需要满足一定条件才有资格参与，包括至少拥有 500 名经过认证的粉丝，并且过去 90 天内来自认证用户的主页时间线（Home Timeline）累计曝光量达到至少 50 万次等要求，符合条件的创作者将根据「原创内容」的「有效曝光量」获得收益。

其中，「有效曝光量」指来自 Premium 订阅用户的独立曝光次数，且内容需要出现在主页时间线中，并保证帖子至少有 50% 的内容区域可见。

在「原创内容」方面，X 的定义相对宽泛。根据官方规则，原创报道、分析文章、用户自行拍摄的视频和照片，以及创作者制作的图片、插画（包括表情包和迷因内容）都属于符合条件的内容。此外，评论和反应类内容也可以获得收益，但前提是必须「提供有实际价值的补充」。

X 表示，推出该计划的目标是减少过去收益体系中利用漏洞和制造标题党内容获利的现象。在新机制下，单纯搬运他人内容，或仅通过回复其他帖子获取流量，理论上将无法成为稳定收入来源。（来源：IT 之家）

OpenAI 收购 AI 演示文稿初创公司 NextSlide

8 月 9 日消息，NextSlide 近日宣布加入 OpenAI，其团队成员现已投身于 ChatGPT 的开发工作。

NextSlide 官网目前展示了一份由创始人 Ahmed Beshry 发布的说明。Beshry 在其中介绍称，NextSlide 的产品可以「将提示词、笔记、文档或研究资料转化为精美且可编辑的演示文稿」。

Beshry 表示，公司的最终目标是「让视觉化沟通变得更加普及，让更多人能够清晰地表达自己的想法」。加入 OpenAI 后，NextSlide 团队将「继续追求同样的使命：打造能够帮助人们创作、沟通，并将想法转化为有意义成果的 AI 产品」。

双方并未公布此次交易的具体财务条款。Beshry 在 LinkedIn 上表示，此次公告发布「晚了几个月」，因为此次收购已于「今年早些时候」完成。

在创办 NextSlide 之前，Beshry 曾是 Caper AI 的联合创始人。Caper AI 是一家专注于智能购物车和无人结账技术的初创公司，并于 2021 年被 Instacart 收购。（来源：IT 之家）

Anthropic 推出 Claude Code 跨会话通信功能，提升多任务协作效率

人工智能初创公司 Anthropic 今日为其 AI 编程工具 Claude Code 推出了一项重大更新。在最新的 v2.1.224 版本中，运行于 macOS 和 Linux 平台的 Claude Code 正式支持跨会话消息传递功能（Cross-session messaging），允许不同的终端会话之间互相发送信息、共享发现、解答疑问并协调工作。

对于习惯同时运行多个 Claude Code 实例来处理同一项目不同模块的技术人员而言，这一功能大幅简化了多任务协作的复杂程度。

根据官方说明，该功能的典型应用场景包括提交分析结论、协调并行工作树（worktrees）、获取长时间运行任务的最新状态，以及实现跨机器的响应沟通。在操作体验上，用户无需花心思构思具体的消息结构，只需提供核心沟通意图，Claude 即可自动生成完整的文本消息。（来源：cnBeta）

存储芯片涨价风暴蔓延, 苹果或于近日上调 iPhone 17 系列售价

据相关渠道消息，由于全球存储芯片价格持续飙升带来的成本压力，苹果最早可能于 8 月 10 日提高 iPhone 17 全系产品的售价，使其价格体系与此前受内存危机影响而提价的其他硬件产品保持一致。

社交平台微博上的知名爆料人「定焦数码」近日发文透露，供应链内部正流传关于 iPhone 17 即将提价的传闻，且价格调整最快可能在几日内落实。虽然该爆料人坦言此次消息尚存变数，但鉴于其此前曾准确预测过 iPhone 16e 等产品命名，且整体行业成本环境严峻，这一传闻依然引发了市场的密切关注。

此外，供应链消息还显示，苹果已决定取消原定针对当前供应链产能的扩张计划。此前部分产品的产线原本计划将产能利用率从 15% 提升至 30%，但目前该计划已被暂缓执行。（来源：cnBeta）

英特尔任命 Dean Jarnac 为首席销售官

8 月 8 日消息，英特尔公司今日宣布，任命 Dean Jarnac 为执行副总裁兼首席销售官。Jarnac 将领导英特尔全球销售团队，进一步深化客户关系，并推动覆盖客户端、数据中心、人工智能、网络及定制芯片（ASIC）业务领域的产品市场拓展。

英特尔首席执行官陈立武表示，以客户为中心并强化执行是英特尔战略与未来成功的关键。Dean 是一位经验丰富的领导者，拥有深厚的行业关系，并在打造高效销售团队方面成绩卓著。他以客户为先的理念、严谨的运营管理和丰富的半导体行业经验，将助力我们深化客户合作，加速各项业务增长。

据了解，Jarnac 由 Marvell 加入英特尔，此前担任 Marvell 首席销售官，负责全球销售、现场应用工程和销售运营。在加入 Marvell 之前，Jarnac 曾在博通和 AMD 担任高级销售领导职务，在半导体行业拥有逾 30 年经验，长期致力于深化客户合作并推动业务增长。

据悉，Jarnac 将直接向英特尔首席执行官陈立武汇报，并于 9 月正式加入英特尔。在此次交接中，Greg Ernst 将在任职 27 年后离开英特尔。（来源:TechWeb.com.cn）

Cloudflare：AI 机器人流量已超越人类，预计五年后人机流量比达 1:1000 近乎「误差」

8 月 8 日消息，Cloudflare 在 2026 年第二季度财报电话会议上披露，AI 机器人等来源的非人类流量已于 2026 年 5 月正式超过人类流量，比 CEO 马修 · 普林斯（Matthew Prince）此前预测的 2027 年底大幅提前。

Cloudflare 进一步预测，若当前趋势延续，五年后非人类流量将达到人类流量的 1000 倍。马修 · 普林斯表示，届时人类在互联网上的存在将变得微不足道。

「换句话说，人类将成为互联网上四舍五入的误差，不是因为人类流量在下降，而是因为非人类流量的增长速度实在太快。」

非人类流量的激增主要基于 AI 来源，特别是 AI 智能体（Agentic AI）的兴起。与传统网络爬虫不同，AI 智能体的行为高度模拟普通浏览，但以机器速度运行且规模巨大。

普林斯举例说明：普通人在搜索相机时可能只会查五家零售商，而一个 AI 智能体可能查询 5000 个网站。数以百万计的用户要求助手比价、研究主题或汇总文章时，流量规模即呈指数级放大。

普林斯在电话会上强调，部分非人类流量具有恶意属性。恶意流量可能来自黑客攻击者，也可能从特定客户商业模式角度被视为恶意——例如 AI 公司试图抓取依赖广告收入的媒体公司内容。（来源：IT 之家）

OpenAI 下一代 AI 模型 Astra 数学成果遭抄袭指控

科技媒体 scientificamerican 于 8 月 6 日发布博文，报道称多名数学家指控 OpenAI 存在学术不端行为，称其 AI 模型 Astra 的数学成果未对已有研究成果给予应有的署名致谢。

OpenAI 于 7 月 31 日发布 249 页 PDF 文件，详细介绍了其下一代重大模型 Astra（内部版本）在高维球填充、量子博弈论、群论和极值组合学等多个领域取得了重大进展。

若按 Sol API 的费率计算，寻找这些问题解决方案所需消耗的总词元 (tokens) 成本约为 2,000 美元（现汇率约合 13,519 元人民币）。

不过在论文发布之后，多名学者在审查后指控 OpenAI 公司存在学术不端行为。

2 项核心结果未正确引用近期数学文献中的既有观点。Yeshiva University 数学家 Steven Miller 指出，针对 1000 维或更高维空间的球体装箱问题，Astra 提出了一项核心数学论证。该论证首次出现在 2016 年 Miller 与合作者发表的论文中，却被 Astra 作为自身成果展示。

另一项结果解决了群论中关于 Soficity 的长期问题，证明至少存在一个缺乏该性质的群。Cambridge 数学家 Francesco Fournier-Facio 及 Dresden University of Technology 数学家 Andreas Thom 发现，Astra 的关键数学步骤结合了 2016 年和 2019 年两篇论文的想法。

面对质疑，OpenAI 发言人在声明中称对结果正确性负责，并达到人类数学家的普遍标准，计划本周对论文进行小幅更新。Fournier-Facio 强调，OpenAI 已全面参与高级别研究，必须接受与人类相同的学术标准约束。（来源：IT 之家）

专为 AI 智能体打造的云端浏览器，Cloudflare 发布 Kitesurf

Cloudflare 近日宣布推出 Kitesurf，这是一款专为 AI 智能体打造的云端浏览器。

据悉，AI 使用浏览器的方式与人类有所不同，AI 并不关注标签页和 UI 等视觉元素，而是重点管理上下文窗口、性能表现和可扩展性，同时还要防范提示词注入等攻击风险。

Kitesurf 浏览器运行在 Cloudflare Workers 服务平台之上，它可以浏览网站、填写表单，开发者可以通过代码控制，并通过 Cloudflare 的平台与无头浏览器实例交互。

此外，Kitesurf 相比 Chromium 消耗的计算资源更少，可显著降低运行成本，让 AI 智能体更高效地上网。该浏览器目前处于测试阶段，正式版将在未来推出。（来源：IT 之家）

全球第二！马斯克的 xAI 发布 Grok Imagine Image 2.0 模型：AI 生图/编辑能力大增

8 月 8 日消息，马斯克的 xAI 正式推出 Grok Imagine Image 2.0 图像生成模型，该版本作为全新质量模式上线 Grok 网页端、iOS 与安卓移动端应用，同时开放配套开发者 API 接口。

官方介绍，Image 2.0 主打专业图像编辑能力，将局部修改、素材复用作为核心优化方向，适配商业设计、产品实拍等真实工作场景。

模型指令遵循度得到大幅优化，面对多元素复合画面可自主规划版式与文字排版，画面中小字号文字渲染清晰度显著提升，多轮迭代生成时可稳定保留主体设定。

软件内置魔棒局部修改工具，用户可单独选中画面指定区域调整，其余画面元素不会同步产生改动，降低重复绘制工作量。

分割选区功能支持精准框选画面局部，完成单独调色、替换素材等操作，背景移除工具可直接导出透明底主体素材，方便跨软件二次合成。

智能尺寸适配功能覆盖 1:2 至 2:1 共 9 种主流画面比例，切换画幅时模型自动补齐缺失画面内容，无需人工补充绘制边缘区域。（来源：快科技）

第二届世界人形机器人运动会 8 月 22 日开赛：百米全自主跑、新增乒乓球 + 自由搏击，票价最低 98 元

第二届世界人形机器人运动会将于 8 月 22 日至 26 日在国家速滑馆「冰丝带」举行。运动会组委会近日公布了赛事日程及票务信息。

本届赛事由北京市人民政府、中央广播电视总台、世界机器人合作组织、亚太机器人世界杯国际理事会联合主办。

本届运动会共设 50 个赛项，其中竞技赛 29 项、场景赛 21 项。竞技赛方面，百米、400 米、1500 米及 4×100 米接力等径赛项目全部升级为「全自主」模式，机器人须完全依靠自身感知与决策系统完成比赛。

新增的乒乓球项目要求机器人具备毫秒级动态响应能力，在极短时间内完成预判、决策与挥拍；自由搏击项目则考验机器人在对抗中保持动态平衡的运动控制与抗干扰能力。此外，本届还新增了拔河、投壶、举重等项目。

场景赛首次设立 21 个赛项，覆盖家庭清洁、酒店服务、工业生产、应急救援、图书管理、商超零售、办公服务、园林巡检及车辆充电九大真实场景。

场景赛要求机器人在 20 至 30 分钟内按顺序完成多环节长流程任务，任一环节未达标即不得分。本届还首次推出灵巧手专项赛，设置电动工具装配、粉末称量、开瓶撬盖等 8 个极高精度项目；综合五项赛则首次将百米竞速与场景任务深度融合，机器人在百米折返赛道中依次完成灵巧操作、平稳传递、重物搬运、推车行进、双手协调五项任务.（来源：IT 之家）

OpenAI 因 Astra 模型的网络安全能力而放缓其发布进程

据报道，OpenAI 表示，不能排除其即将推出的模型 Astra 具备「关键性」网络能力，这促使 OpenAI 扩大安全测试范围，并暂停不符合更严格安全要求的内部活动。这是人工智能模型网络能力快速提升的最新迹象。

OpenAI 表示，在对即将推出的模型之一 Astra 进行内部评估后，「我们无法排除其具备关键性网络能力」。在发布 Astra 之前，OpenAI 将扩大针对该模型的测试和安全措施，并按照公司 2023 年首次发布的「准备框架」要求，放缓 Astra 的开发进程，直到建立适当的安全防护措施。

OpenAI 还表示，Astra 并未参与 Hugging Face 漏洞攻击事件。这可能是首个人工智能前沿实验室因网络安全担忧而承诺放缓自身 AI 模型开发进程的案例。（消息来源：财联社）

Anthropic 为自研 AI 芯片开出高薪，模型训练岗位薪资高于实际造芯工程师

8 月 7 日消息，Anthropic 目前正在扩大内部芯片设计团队，并计划开发自研 ASIC 芯片。

与此同时，公司不同芯片相关岗位之间出现了明显的薪资差异：负责训练 AI 模型进行芯片设计的研究工程师岗位，年薪最高可达 85 万美元，而实际负责设计 Anthropic 首款 ASIC 芯片的工程师岗位，薪资范围约为 32 万至 48.5 万美元。外媒称其为「薪酬倒挂」。

Anthropic 发布的招聘信息显示，负责「Chip Design RL（芯片设计强化学习）」方向的研究工程师岗位，主要工作是构建强化学习环境，让 Claude 等 AI 模型学习芯片设计流程，包括 RTL 代码生成、验证以及物理设计优化等内容。

两类岗位所需技能存在较高重合度，包括完整 ASIC / FPGA 设计流程、RTL 到流片、UVM 与形式化验证、物理设计、PPA（性能、功耗、面积）优化、DFT（可测试性设计）以及 EDA 工具使用经验等，同时都要求具备实际芯片开发经验。

目前，Anthropic 尚未公布首款自研 ASIC 芯片的具体规格、制造合作方或发布时间。公司此前表示，其芯片战略将采用多芯片路线，以满足人工智能模型训练和推理需求。（消息来源：IT 之家）

Meta 成为第三家承认其模型「失控」并入侵了另一家公司的 AI 巨头

8 月 7 日消息，继 OpenAI 和 Anthropic 之后，Meta 近日也成为两周内第三家承认其 AI 模型发生越界并对其他公司系统实施「黑客行为」的科技巨头。

据报道，这一事件发生于 AI 安全评估公司 Irregular 对 Meta 模型进行测试期间。Meta 在接受 BBC 采访时说明，该 AI 模型之所以能够接入公开互联网，是因为测试人员的「配置错误」，而非模型本身存在漏洞。

Meta 官方声明表示，该模型利用了第三方服务的安全漏洞，其行为模式与此前其他公司报告的案例相似。涉事模型为 Meta 的 Muse Spark 1.1，据称是其用于真实世界编程和智能体任务的最先进模型，该模型侵入了某未公开名称的公司并篡改了其内部系统。

针对此次事件，Irregular 公司发言人回应称，Meta 所面临的系与 Anthropic 上周披露的完全相同的评估环境问题。此前，Anthropic 在审查了逾 14 万次评估运行后披露，由于与测试机构沟通不畅导致测试环境中残留了网络连接，其 Claude 模型在试图完成指定任务时，未经授权访问了三家组织的生产系统。（消息来源：cnBeta）

iPhone 18 Pro 系列价格预测：国行万元起步没啥问题

8 月 7 日消息，华尔街日报》和专业研究机构 TechInsights 联合针对即将发布的 iPhone 18 系列做了详细的售价拆解分析，预测其中定位高端的 Pro 系列起售价至少会达到 1299 美元，更符合苹果定价逻辑的最终结果是售价接近 1399 美元，涨幅远超往年常规更新的幅度。

根据 TechInsights 给出的最新成本研究数据，当前售价 1099 美元的 iPhone 17 Pro，整体产品毛利率大约稳定在 47%，处于苹果往年高端旗舰的常规利润区间。

如果苹果想要在 iPhone 18 Pro 身上维持完全相同的利润水平，抵消存储涨价带来的成本增量，这款新机型的定价就必须达到 1371 美元才能达标。

如果再把知名分析师郭明錤此前提到的新一代 iPhone 相机系统成本上涨 50% 的因素纳入测算，按照同样的成本逻辑推演，苹果很可能最终将 iPhone 18 Pro 的起售价定在 1399 美元，约合人民币 9450 元甚至更高的水平。

按照这个境外定价反向推导国行版本的定价规则，iPhone 18 Pro 的国行起售价大概率会直接摸到 9999 元区间，极端情况下甚至会突破万元达到 10999 元。（消息来源：快科技）

王兴兴回应 DeepSeek 投资宇树：将在三方面开展重点合作

在 8 月 7 日的宇树科技首次公开发行股票并在科创板上市网上投资者交流会中，宇树科技 CEO 王兴兴回应称，根据双方签订的《战略合作备忘录》，宇树科技和 DeepSeek 双方将在三方面开展重点合作：「面向通用人工智能开展合作研发」、「高性能通用机器人方面深度合作」、「AI 大模型方面开展深度合作」。

王兴兴还透露，宇树科技 2025 年度不含轮式双臂机器人的人形机器人出货量已超 5,500 台。「随着行业技术的不断进步、产品成本的降低以及应用场景的拓展，预计未来几年内人形机器人在工业制造、消费服务、公共服务等多个下游领域的渗透率将逐步提升。」（消息来源：凤凰网科技）

微信内测朋友圈新功能：支持 AI 帮写、点评

8 月 7 日消息，微信正在内测朋友圈 AI 相关功能。有用户反馈，朋友圈新增「AI 帮写」与「AI 点评」两项能力。从截图来看，发布朋友圈界面右下角出现「AI 帮写」按钮，可以借助 AI 辅助生成朋友圈文案。

据悉，该功能隶属于微信 AI 助手小微，目前处于小范围灰度测试阶段。（消息来源：BiaNews 鞭牛士）

微信官宣功能更新！「你撤回了一条消息」现在也能删除了

8 月 7 日消息，「微信时刻」公众号发文宣布，微信功能迎来更新，现在连「你撤回了一条消息」这行提示也可以撤回了。

据介绍，用户长按聊天框中的「你撤回了一条消息」，即可选择删除，让自己的聊天界面更加干净。

不过需要注意的是，这项操作只会删除自己页面中的撤回提示，对方聊天界面中的「你撤回了一条消息」仍然会保留。（消息来源：快科技）

《王者荣耀》原班人马打造！《王者万象棋》官宣定档 9 月：预约突破 5000 万

8 月 7 日消息，今日，由《王者荣耀》原班人马打造的英雄策略对战新游《王者万象棋》正式宣布定档 9 月，目前游戏预约人数已突破 5000 万。

玩法方面，《王者万象棋》在传统自走棋基础上加入了全新的「棋手」机制，每位棋手都拥有专属技能，玩家可以根据不同棋手能力搭配英雄阵容和战术，形成更加丰富的对局思路。

每局对战，6 名玩家选择棋手进入万象大赛，养成自己的王牌英雄炸翻全场，更有拍卖、天赋、效果牌等随机事件贯穿全局，每一手选择都可能逆转战局。

据了解，《王者万象棋》针对新手上手和组队体验进行了多项优化，内置局内 AI 灵宝辅助系统，并支持继承《王者荣耀》亲密度。

在组排玩法中，游戏还支持共享排位分，一人登顶、全员上分，并配备一对一私教功能，帮助新手玩家快速熟悉阵容搭配和对局策略。（消息来源：快科技）

大疆 Osmo 360 II 正式官宣：8 月 13 日发布

8 月 7 日消息，大疆创新放出新品预告，新一代全景相机 Osmo 360 II 定档 8 月 13 日正式发布，官方称这款新品将重塑全景影像上限。

Osmo 360 II 外观大体延续初代方正机身造型，镜头布局没有改动，识别度很高。细节做了精简调整，按键进行了微调，屏幕下方的白色按键这次改成了一红一黑两种颜色。

屏幕左侧边依旧是可拆卸电池设计，电池从初代 1950mAh 升级到 2150mAh，容量提升约 10.26%，同时保留 2 英寸触控屏、IP68 防水、四麦克风立体收音这些实用配置，户外淋雨、水下浅拍不用额外加装保护壳。

根据爆料，影像规格是本次核心升级，前代最高 8K50fps 全景视频，新版本直接提升到 8K60fps，高速骑行、滑雪、跳伞这类动态画面录制更顺滑，后期做慢动作素材流畅度更好。（消息来源：快科技）

影石 GO Ultra 大更新：Kira 上线 出国翻译识图一问就懂

8 月 7 日消息，影石为 GO Ultra 推出重磅固件更新，专属 AI 语音助手 Kira 正式上线。

原本单纯的随身拍摄设备，直接变成可以随身问答、实时翻译的便携 AI 工具，出行记录体验大幅升级。

只需要把 Insta360 App 升级到 2.30.0 及以上，同时将相机本体、拓展舱固件更新至 V1.8.88 版本，更新完成就能直接唤醒使用，不用额外付费。

新助手覆盖四大实用能力，第一个就是双语实时互译，除中英文外还支持多款小语种。

出门点餐、逛街问路、和当地人沟通，对着相机说话就能双向翻译，不用反复拿出手机打字切换翻译软件，嘈杂户外环境也能稳定识别语音。

随时随地语音问答是第二大亮点，不管是出行路上想查景点资料、生活里想找各类科普答案，直接唤醒助手提问，不用掏出手机解锁查资料，边走边问十分方便。

还可以进行拍图识图和声纹识别。除 AI 交互之外，原有拍摄配套功能同步优化，相机自带磁吸结构可以随意夹在衣物、背包上，全程解放双手拍摄第一视角画面。拍摄素材能直接交给 AI 自动成片，系统识别画面情绪匹配对应配乐，简单操作就能产出完整 Vlog，不用花大量时间剪辑。（消息来源：快科技）

福兮祸兮 美国科学家首次用 AI 设计出新型病毒

美国科学家首次成功制造出由人工智能 (AI) 设计的病毒，该研究成果于周四发表在了《科学》杂志上。

据悉，斯坦福大学的研究人员开发了一款名为「Evo 2」的生成式 AI 程序，该程序能够编写新的基因组——即编码在 DNA 中的生命遗传指令。他们利用该程序设计并制造了 16 种合成噬菌体——这是一种能够感染细菌的小型病毒，有时可替代抗生素来杀灭致病细菌。

在安全实验室进行测试时，美国研究人员发现，与作为 Evo 2 设计模板的天然噬菌体ΦX174 相比，这些新型噬菌体在杀灭常见微生物大肠杆菌方面更为有效。

该项目负责人 Brian Hie 表示。「我们选择以噬菌体为研究对象，是因为它们体积小、研究充分，且在分子生物学和治疗领域具有广泛的应用。」

噬菌体疗法在东欧已有数十年的应用历史。通过将特定噬菌体与患者的具体细菌菌株精准匹配，并通过局部涂抹、注射或口服等方式将其送至感染部位。不过，由于操作流程复杂且细菌可能产生耐药性等原因，该疗法在西方尚未得到广泛应用。

斯坦福大学研究团队的另一名成员 Samuel King 表示，AI 或将助力噬菌体疗法重获新生。「随着越来越多关于具威胁性的耐药病原体出现的证据涌现，我们将需要创新的替代解决方案——而噬菌体疗法无疑是其中之一。」

「Brian Hie 这篇里程碑式论文的重要性无论怎么强调都不为过，」基因组学专家、DNA 合成公司 Genyro 首席执行官 Adrian Woolfson 表示，「这是生物学领域的『莱特兄弟时刻』(飞机发明人)——我们不再回顾进化所创造出的生物体……而是直面未来生物学的广阔可能性。」（消息来源：财联社）

5 个月前，我们在体验 Seedance 2.0 那篇「AI 上新」的时候，提到了一个关键判断——「AI 视频第一阶段的比赛，结束了」。

看完之后，我一直在想一个问题：第二阶段是什么？第一阶段比的是谁能生成更好看的画面、更连贯的动作、更稳定的输出。Seedance 2.0 把这条线拉得很高。但「好看」解决了之后呢？

7 月 31 日，字节正式发布了 Seedance 2.5，同步上线即梦、豆包专业版、扣子和小云雀。

我立即重新打开我已经吃灰许久的即梦账号，花重金充值了会员，花了一个下午把它从头到尾跑了一遍，现在可以回答那个问题了：

第二阶段比的不是画面，是叙事。

先说最直观的变化。Seedance 2.0 单次生成上限是 15 秒，2.5 直接翻倍到了 30 秒。

这个数字看起来只是参数升级，但用过就知道不是。15 秒能做什么？一个镜头，一个动作，一个表情。你可以做出一个很好看的片段，但它只是片段。30 秒能做什么？一个完整的情绪弧线——有起承转合，有铺垫，有高潮，有收束。

实测为例。

提示词：

已关注

关注

重播 分享 赞

 

 

关闭

观看更多

更多

 

 

 

 

 

退出全屏

 

切换到竖屏全屏退出全屏

极客公园已关注

 

分享视频

 

 

，时长00:10

 

 

0/0

00:00/00:10

 

切换到横屏模式

继续播放

 

进度条，百分之0

 

 

播放

00:00

/

00:10

00:10

倍速

全屏

 

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清 流畅

 

 

继续观看

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

 

观看更多

转载

,

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

极客公园已关注

分享点赞在看

已同步到看一看写下你的评论

 

 

 

 

视频详情

在这 30 秒里情绪层层递进，BGM 卡着节奏推上去。这在 2.0 时代是不可想象的，那时候想要一个满意的结果，抽卡十几次是常态。

更关键的是延长能力。

30 秒只是单次原生生成的上限，通过即梦的延长功能，可以把一段视频续到 3 分钟。内测期间有人做过测试：一个女孩走进便利店、拧开汽水瓶盖、便利店开始融化变成荧光海——整个 3 分钟的叙事里，女孩的驼色大衣和马尾辫没有任何跳变。

再看下面这个例子。

提示词：

已关注

关注

重播 分享 赞

 

 

关闭

观看更多

更多

 

 

 

 

 

退出全屏

 

切换到竖屏全屏退出全屏

极客公园已关注

 

分享视频

 

 

，时长00:20

 

 

0/0

00:00/00:20

 

切换到横屏模式

继续播放

 

进度条，百分之0

 

 

播放

00:00

/

00:20

00:20

倍速

全屏

 

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清 流畅

 

 

继续观看

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

 

观看更多

转载

,

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

极客公园已关注

分享点赞在看

已同步到看一看写下你的评论

 

 

 

 

视频详情

这意味着什么？AI 视频不再是做「素材」的工具了。它开始能讲故事。

此外，Seedance 2.0 支持最多 9 张图片、3 段视频、3 段音频作为参考素材。2.5 把这个上限拉到了 50 个全模态参考——图片、视频、音频、文字，混着来。

50 这个数字有多夸张？知乎上有人评论说，「生图天花板的模型也就十来个参考还会崩脸，50 个参考都不崩的话那是天顶星科技」。

提示词：

已关注

关注

重播 分享 赞

 

 

关闭

观看更多

更多

 

 

 

 

 

退出全屏

 

切换到竖屏全屏退出全屏

极客公园已关注

 

分享视频

 

 

，时长00:15

 

 

0/0

00:00/00:15

 

切换到横屏模式

继续播放

 

进度条，百分之0

 

 

播放

00:00

/

00:15

00:15

倍速

全屏

 

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清 流畅

 

 

继续观看

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

 

观看更多

转载

,

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

极客公园已关注

分享点赞在看

已同步到看一看写下你的评论

 

 

 

 

视频详情

这个能力主要面向两类需求。一类是品牌内容——你需要在一条视频里保持多个演员形象一致、视觉系统统一、场景美术风格稳定。以前这需要逐帧检查、反复重生成，现在一次性把参考素材喂进去就行。

另一类是影视前期制作的概念验证——导演可以把分镜、角色设定、参考镜头、背景音乐一股脑丢进去，直接看效果。

提示词：

已关注

关注

重播 分享 赞

 

 

关闭

观看更多

更多

 

 

 

 

 

退出全屏

 

切换到竖屏全屏退出全屏

极客公园已关注

 

分享视频

 

 

，时长00:15

 

 

0/0

00:00/00:15

 

切换到横屏模式

继续播放

 

进度条，百分之0

 

 

播放

00:00

/

00:15

00:15

倍速

全屏

 

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清 流畅

 

 

继续观看

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

 

观看更多

转载

,

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

极客公园已关注

分享点赞在看

已同步到看一看写下你的评论

 

 

 

 

视频详情

同步新增的还有白模和绿幕参考能力。即梦现在支持 Maya 和 Blender 插件唤起，可以用 3D 白模做预演，然后让 Seedance 2.5 把它「填充」成实拍质感的画面。这等于把 AI 视频生成直接接进了专业影视的工业管线。

此外，2.0 时代的一个众所周知的痛点是：生成了一段 90 分的视频，但有一个细节不对——比如背景里有个不该出现的元素，或者商品颜色偏了。你的选项只有两个：要么接受瑕疵，要么整段重新生成，赌下一次能不能更好。

2.5 加了局部编辑。你可以框选画面的某个区域，只改那一块，其他部分保持不动。背景不对？换背景。商品颜色偏了？改颜色。人物表情不到位？重新生成那张脸。

这个功能的意义不在于技术本身，在于它改变了创作者和 AI 之间的协作方式。以前是「生成—判断—重来」的循环，现在变成了「生成—微调—完成」的流程。后者的效率高一个量级。

还有一个容易被忽略的升级：文字渲染。2.0 生成的视频里如果出现文字，大概率会变成乱码。2.5 在这方面好了很多。

用一张化学方程式的截图让它生成教学视频，方程式被原封不动地搬到了对应的实验现象处，没有崩。这对教育类内容和商业广告来说是刚需——你终于可以在 AI 视频里放品牌名和 slogan 了。

提示词：

已关注

关注

重播 分享 赞

 

 

关闭

观看更多

更多

 

 

 

 

 

退出全屏

 

切换到竖屏全屏退出全屏

极客公园已关注

 

分享视频

 

 

，时长00:10

 

 

0/0

00:00/00:10

 

切换到横屏模式

继续播放

 

进度条，百分之0

 

 

播放

00:00

/

00:10

00:10

倍速

全屏

 

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清 流畅

 

 

继续观看

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

 

观看更多

转载

,

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

极客公园已关注

分享点赞在看

已同步到看一看写下你的评论

 

 

 

 

视频详情

提示词：

已关注

关注

重播 分享 赞

 

 

关闭

观看更多

更多

 

 

 

 

 

退出全屏

 

切换到竖屏全屏退出全屏

极客公园已关注

 

分享视频

 

 

，时长00:15

 

 

0/0

00:00/00:15

 

切换到横屏模式

继续播放

 

进度条，百分之0

 

 

播放

00:00

/

00:15

00:15

倍速

全屏

 

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清 流畅

 

 

继续观看

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

 

观看更多

转载

,

Seedance 2.5 实测：从「片段」到「叙事」，AI 视频的下半场开始了｜AI 上新

极客公园已关注

分享点赞在看

已同步到看一看写下你的评论

 

 

 

 

视频详情

如果你只看参数——30 秒、50 个参考、4K、局部编辑——你会觉得这是一次常规的版本迭代。但把它放在更大的图景里看，这次更新的意义其实在参数之外。

第一个信号是产品落地的速度。Seedance 2.5 发布当天，徐工集团、小鹏汽车、灵初智能等企业就宣布了合作。

徐工用它做工业操作培训和工序 SOP 视频，小鹏把它接进了内部的 AI 设计平台。这些不是「未来可能的应用场景」，是正在发生的事。

第二个信号是豆包专业版的联动。2.5 不只是即梦里的一个模型选项——它被接进了豆包专业版的「创意视频」技能。你可以先让豆包的 Seedream 5.0 Pro 生成一张海报，然后直接在同一个对话里让 Seedance 2.5 把它变成 30 秒的宣传片。从图到视频，一个对话框搞定。

这是 Agent 调用能力，不是简单的模型接入。

第三个信号是市场格局。有行业数据显示，按日消耗占比计算，Seedance 系列已经占据了国内 AI 视频市场超过八成的份额，可灵约占 14%，万相约占 4%。在这种市场集中度下推出大版本更新，字节的意图很明确——不给对手留追赶窗口。

能力升级说完了，说说钱的事。

无论是抽卡还是规模化制作，这都可能是很多人最关心的部分：即梦的标准会员每月 239 元，到账 2210 积分。生成一条 30 秒 720P 视频，单次消耗 780 积分。算一下：一条 30 秒的视频，成本大约 84 元。一个月的积分满打满算只够生成不到 3 条。

这还是每次一抽就满意的理想情况。实际使用中你大概率需要跑 2-3 次才能出一个真正能用的结果。也就是说，如果你想做一条满意的 30 秒成片，实际成本可能奔着两三百去了。

一个月的积分额度，认真做的话，可能就只够够产出一条。

虽然即梦目前有限时折扣，积分消耗最高打到 5.4 折，算下来一条大约 45 元，月配额能撑到 5 条左右。但折扣窗口不会一直在，按原价算的话，Seedance 2.5 对个人创作者来说还不算便宜。

当然，换一个角度想，以前想做一条 30 秒、有完整叙事弧线、有运镜有 BGM 的视频短片，找人拍摄加后期的报价至少四位数起步。

84 元做出来的东西如果真能直接用，性价比其实并不差。问题只在于：你得是一个真的「有活要干」的人，而不是随便玩玩——随便玩玩的话，这个价格会让你在每次按下生成按钮之前都犹豫一下。

但 Seedance 2.5 一个下午带给我的惊喜，仍然会有有种让我物超所值的感觉；因为这让我想起了 5 个月前我体验 Seedance 2.0 的时候，看到有人用一段话评价它：「当工具强大到一定程度，它就从你思考的对象变成了你思考的背景。你不会去想笔好不好用，你只会想我要写什么。」

用完 2.5，我觉得这句话需要更新一下。

Seedance 2.0 让你不再想「AI 能不能做到」；Seedance 2.5 开始让你想「我要讲一个什么样的故事」——而且是一个完整的故事，不是一个片段。30 秒的原生时长，3 分钟的延长能力，50 个参考素材的可控性，加上局部编辑的精修能力，这些加在一起，让 AI 视频第一次有了「叙事工具」的样子。

Seed 团队在发布文章里写了一句值得注意的话：「用户对视频创作模型的期待正在从『生成一个片段』走向『完成一段创作』。」

这句话精准地描述了 AI 视频正在经历的转折——从玩具变成工具，从素材变成作品。

Seedance 2.5 目前已经在即梦和豆包专业版上线，即梦会员可以直接使用，限时积分消耗最高 5.4 折。API 将在近期通过火山引擎面向企业开放。

如果你之前用过 Seedance 2.0 觉得「也就那样」，这次建议重新试一下。30 秒和 15 秒之间的差距，远比数字看起来的大。

极客一问

AI 视频从 15 秒到 30 秒，
你觉得这是量变还是质变？

 

如果你问我：今年最火的 AI 硬件是什么？这个问题大概会有很多答案。

但如果你问的问题收束成：「今年最火的 AI 可穿戴硬件是什么？」那答案大概率只有一个—— Fitbit Air。

仅仅一个数据就足以说明它的现象级爆火：作为一款官方开售已经超过两个月的设备，在二手平台你至今仍然需要加价 200~300 元购买。

作为从去年开始就苦苦寻找取代传统智能手表形态产品的健康监测设备的我，也是拜托朋友第一时间买到了这款无屏手环。

Fitbit Air 形态非常惹人喜欢｜图片来源：极客公园

戴上 Fitbit Air 的前几天，我还会下意识看一眼手腕。

不是有消息进来，也不是为了确认时间。纯粹是智能手表留下的肌肉记忆：手腕上既然有一块设备，就应该有点什么值得看。

Fitbit Air 什么也没有：没有屏幕，没有表盘，没有按键。你不需要考虑表盘有没有朝正，也不用为了看清一行小字扭动手腕。除了偶尔双击表身，让侧面的 LED 显示大致电量，它几乎不要求你做任何事。

当你习惯了这个概念后，你就会开始迅速习惯遗忘掉它的存在：这大概就是无屏手环形态最核心的优势。它不是用更丰富的功能让你习惯它，而是通过取消交互，让你忘记它。甚至在这个语境下，没有屏幕你连时间都看不了这件事本身都成了另外一个优势。让你能够更容易地遗忘它。

但使用两周后，我越来越觉得，无屏是 Fitbit Air 最直观的体验优势，却不是它真正难以复制的价值。拿掉一块屏幕并不难，难的是屏幕消失以后，谁来解释它收集的数据。

过去近 20 年的时间里，智能可穿戴设备、尤其是手腕上的智能手表、手环形态的产品。都保持着极高的存在感：除了经常需要你帮它充电之外，受限于电池、屏幕等元器件体积的原因，它们的体积都无法进一步缩小，甚至近年还有逐渐变大的趋势，出现了类似 Apple Watch Ultra 这样全功能但更加庞大的专业监测档位产品。

Fitbit Air 几乎是与这股潮流完全反其道而行之诞生的产物：的主体只有 5.2 克，装进表带后约 12 克。没有屏幕，也没有独立 GPS。时间、地图、通知和运动界面，全部被拿掉了。

传感器高度集成是无屏手环概念的核心｜图片来源：极客公园

按照智能手表的标准，它缺失了太多功能。但 Fitbit Air 本来就不想成为手表。

无屏手环是数据传感器最原始、也最露骨的形态。它不提供内容，不负责娱乐，也不试图成为手机在手腕上的延伸。它甚至不屑于讨好用户，只想贴在皮肤上，安静地收集数据。

智能手表的逻辑是「人在使用设备」，Fitbit Air 的逻辑更接近「AI 通过这样一台现实设备在观察人」。

对普通消费电子产品来说，让用户忘记自己的存在听起来像是失败；对健康传感器来说，这反而是最理想的状态。只有当一个人愿意戴着它工作、运动和睡觉，心率、睡眠和恢复数据才不会被频繁摘戴切成碎片。

所以，无屏形态服务于数据连续性，却没有独自建立起难以复制的壁垒。相比长期数据和模型能力，做出一块更轻、更安静的传感器更容易。当硬件退到用户几乎感觉不到的地方，产品的差异化就会越来越多地转移到软件和模型上。

这一点也改变了我对健康传感器的理解：在基础精度过关之后，持续、口径一致的数据才会产生更大价值。单次精度决定数据是否可信，长期连续性决定模型能否理解变化。两者不是替代关系，而是先后关系。

从 Fitbit Air 到 WHOOP，我不会说这些产品不重视数据精度：毕竟如果底层数据不可靠，后面的分析当然也没有意义。

Fitbit Air 与 Warp 体积对比｜图片来源：X

但精度是地基，不是用户最终购买的东西。

用户真正需要的，不是多一个心率数字，也不是把睡眠时间精确到更多小数位，而是有人告诉他：这些数字意味着什么，今天应该做什么。

过去的健康设备主要依靠仪表盘和固定算法解释数据。你可以看到睡眠评分、恢复度和训练负荷，却仍然需要自己理解这些指标之间的关系。

生成式 AI 加入后改变的，是最后这层解释开始变得可对话，也更依赖个人上下文。

Fitbit Air 真正的新意，不是又记录了多少指标，而是 Health Coach 开始尝试把这些数据组织成可以直接理解的建议，甚至主动给出下一步行动。

当佩戴时间变长，它获得的不再只是某一天的心率和睡眠，而是一个逐渐成形的个人基线。什么样的睡眠对你算差，什么样的训练负荷会影响第二天的状态，哪些变化只是偶然波动，理论上都可以随着数据积累变得更加个人化。

如果健康历史和模型记忆无法顺畅迁移，这种个人基线还可能形成一种新的切换成本。一块新硬件可以复制相似的传感器，却无法立刻复制模型对你的了解。用户留下来，未必是舍不得那块手环，也可能只是不想再让另一位 AI 教练从头了解自己。

传统手环测量的是「你今天怎么样」，AI 教练试图回答的是「你为什么会这样，以及接下来怎么办」。

这也是为什么我会把 Fitbit Air 看成一种从「让 AI 分析健康数据」倒推出来的原生 AI 硬件。先确定模型需要什么数据，再决定硬件应该长成什么样。屏幕和复杂交互被舍弃，硬件只负责稳定地把数据送进模型。

Fitbit Air 售价 99.99 美元，附赠三个月 Google Health Premium。对国内消费者来说并不便宜。只看首次购买，它比每年 199 美元起、硬件包含在会员关系中的 WHOOP 更容易尝试；但如果长期订阅 AI 教练，两者的成本差距会迅速缩小。

这也指向了无屏手环的下一种商业模式：硬件越来越便宜，甚至随订阅赠送，厂商真正出售的是持续分析数据的服务。

从商业角度看，硬件会越来越像获取用户的成本。只要用户持续佩戴，数据和订阅关系就会不断累积。在厂商眼里，按月收费的 AI 服务比几年一次的设备换新更容易形成可预测的持续收入，也更容易把一次硬件购买变成长期关系。

当一款产品开始替你解释身体，它继承的不只有大模型的能力：幻觉、遗忘、错误理解上下文，以及用确定的语气给出错误答案，这些常见问题，也会被带进健康场景。

传统手环记录错一次运动，最多让当天的数据难看一点。而 AI 教练一旦基于错误数据继续推理，就可能得到一条逻辑完整、语气笃定，却从起点开始就错了的建议。

类似睡眠监测这种依赖连续数据分析的场景，对数据精度的依赖会急剧增大｜图片来源：极客公园

AI 的价值和风险来自同一种能力：它能在数据之间建立联系，因此可能发现用户没有察觉的规律，也可能把一次错误推断包装成看似合理的建议。

这会带来一个现实的矛盾。

如果用户拥有足够的专业知识，能够判断每条建议是否可靠，他可能本来就不需要 AI 教练；像我这种真正依赖教练的普通用户，反而最缺乏二次验证建议的能力。

模型越主动，这个矛盾越尖锐。当 AI 只负责解释「HRV 是什么」时，错误的影响范围相对有限；当它开始主动建议你今天该训练还是休息，错误的影响也会随主动性放大。

所以，健康 AI 的竞争不能只看它会不会回答问题，更要看它知不知道什么时候不该回答。它能否记住长期上下文，识别数据缺失，表达不确定性，并在可能产生严重后果的地方及时停下来，才决定了这个教练是否可信。

长上下文的精准分析仍然依赖模型能力｜图片来源：极客公园

同一段身体数据，也可能对应完全不同的生活状态。睡眠变差可能来自训练、压力或一场临时的熬夜。模型不仅要读懂数值，还要把日程、习惯和用户自己的体感纳入判断，并且知道现有数据解释不了什么。

接入一个大模型 API，并不等于拥有模型能力。真正的模型能力还包括数据治理、长期记忆、垂直领域评估、安全边界，以及把模型错误约束在用户能够承受的范围内。

取消屏幕，保留传感器，做一条更轻的表带，再接入一个大模型，表面上没有太高的硬件门槛。未来出现更多类似 Fitbit Air 的产品，并不意外。

但这不代表任何厂商都能做好它。

Google 在这个领域的优势是它有 Gemini，也有 Fitbit 积累多年的健康数据、用户基础和分发渠道。

WHOOP 的 AI 教练虽然依赖外部基础模型，但它拥有长期积累的垂直数据、训练与恢复算法，以及成熟的订阅体系。它可以接入外部模型，再用自己的数据和算法完成垂直化与安全约束。

把通用模型变成健康教练的这一步恰恰最难。通用模型并不知道每一种传感器如何采样，也不知道数据缺失、佩戴中断和算法口径会怎样影响结论。厂商需要用真实案例反复评估模型，再决定哪些建议可以主动给出，哪些只能交给用户或专业人士判断。

所以，这个市场未必只属于能够自研基础模型的公司，但一定很难属于只会做硬件的公司。厂商可以租用模型，却不能把产品判断、安全评估和长期记忆一起外包。

无屏的形态可以复制，数据、模型和反馈形成的闭环却很难复制。

这也解释了为什么 Fitbit Air 容易得到两极分化的评价。

习惯使用大模型的人，会自然地接受这种交互。相比自己翻看十几张图表，直接问「我今天为什么这么累」「今晚应该几点睡」，显然更加省力。

但对已经形成训练体系的健身老手来说，他们知道怎样理解心率、恢复和负荷，也习惯结合身体感受修正数据。AI 提供的「保姆式陪伴」未必是帮助，有时反而会变成干扰。

Fitbit Air 最适合的，可能是中间那群人：已经开始关心身体数据，却没有能力或者耐心独立解释所有指标；愿意接受 AI 建议，同时也知道它不能代替自己的判断。

戴了两周之后，我对无屏手环的看法更加确定了。

Fitbit Air 并非传统意义上的智能手表｜图片来源：极客公园

它不是一块被砍掉屏幕的智能手表，而是一台为了持续向 AI 提供数据而设计的传感器终端。无屏带来了舒适和安静，却不足以决定产品的上限。

最终决定 Fitbit Air 能走多远的，不是它能从手腕上拿掉多少东西，而是屏幕消失以后，那个替它开口的模型究竟有多可靠。

极客一问

拿掉屏幕的可穿戴设备，

未来会取代智能手表吗？

 

时间回到 7 月下旬，如果你关注智能手机领域的话，应该会记得大量手机厂商开始官宣自己的手机，通过了国家人工智能 L3 级认证。

这轮集体官宣的起点，是 2026 年 7 月 17 日公布的首批人工智能终端智能化分级测试结果。

按照首批测试名单，移动终端中共有 11 款产品达到 L3，包括 9 部手机和 2 台平板。手机部分覆盖华为、摩托罗拉、荣耀、vivo、OPPO、小米和阶跃星辰等品牌。

名单发布后，厂商很快把一份技术测试结果翻译成了适合社交媒体传播的语言。华为强调「首证」，小米强调「国家级」，vivo 则直接把 L3 称作当前最高智能化评级。华为和小米在 7 月 18 日官宣，OriginOS 在次日跟进，几张相似的 L3 海报构成了一场少见的集体预热。

虽然口径上存在着一些细微差别。但能看出这些宣传背后指向的是同一个认证测试，既工信部在今年 5 月发布的《人工智能终端智能化分级》。

这个 L3 能力究竟代表什么？我们什么时候才能用上这些 L3 手机？以及如果按照汽车的标准来理解的话，更长远的 L4 级是否就是代表完全无需人工干预的 AI Agent 的设备形态？

在介绍整个认证规范前，其实有两个容易陷入的理解误区。

第一，认证对应的GB/Z 177—2026《人工智能终端智能化分级》是一套国家标准化指导性技术文件，不是强制性国标。

整个系列采用「2+N」结构，前两部分给出参考框架和通用要求，再分别针对手机、电脑等终端制定测试方法；其中，移动终端对应的是 GB/Z 177.3—2026。

它提供的是行业共同使用的能力标尺，不是一条决定手机能否上市的准入红线。这也是标题里给「国标」加上引号的原因：它确实属于国家标准体系，但现阶段主要承担指导和评价作用。

第二，L3 评的是一款具体终端及其软硬件版本，不是给整个品牌发段位。某个型号通过 L3，不等于同品牌所有手机自动升级；没有出现在首批名单里，也不等于测试失败，因为首批结果来自厂商主动送测，并非市场随机抽样。这显然也确实不包括市面上所有的 AI Agent 手机产品：同样在 7 月底官宣预热进入内测阶段的 OPPO AI Agent 手机项目小布 NEXT，就没有在这份名单中。

OPPO 发布针对手机端测 AI 能力的小布 NEXT 计划已经进入内测｜图片来源：OPPO

换句话来讲，L3 可以成为产品卖点，但它还不是一张手机行业的总排行榜。

此外你可能也注意到了：这套标准其实并不是针对模型能力的测试。它把终端能力拆成感知、认知、执行、记忆和学习五个维度，下面再分用户感知、任务规划、工具调用、长短期记忆和情境适应等 14 项能力。

把这些术语放进一个日常场景，会更容易理解。假设用户对手机说：「帮我安排一次周末去杭州的旅行。」

L1 是「响应级」。手机能听懂一条简单而明确的指令，调用确定的工具，完成一步任务。比如打开日历，或者设置周六早上的提醒。它更像一根被语音触发的手指：你让它点哪里，它就点哪里。

L2 是「工具级」。手机能够理解简单意图，做有限推理，调用预设工具完成一步或路径明确的多步任务。它可以查杭州天气、生成一份行程建议，再把结果留在当前对话里；但流程基本是产品预先铺好的，记忆也以短期上下文为主；其实已经接近手机上装一个豆包 APP 等效的效果。

如今主流手机搭载的手机智能助手，其实已经普遍达到了 L2 级能力｜图片来源：Apple

而手机厂商普遍提及的 L3，则是目前真正要达到的目标「辅助级」：手机要理解更完整的目标，信息不足时主动追问，把任务拆开，再根据情况选择和编排工具。它还要具备短期与长期记忆，让「不坐早班车」「酒店尽量靠近西湖」这类偏好在下一次任务中继续生效。

阶跃星辰在今年 WAIC 期间演示的相关 AI Agent 操作手机能力｜图片来源：极客公园

同一句「安排杭州旅行」，到了 L3，可能被拆成确认日期和预算、查询交通与天气、筛选酒店、生成日程、写入日历。涉及付款、敏感数据或不可逆操作时，再把确认权交还给用户。

L1 到 L3 的差别，不是 AI 的回答越来越像人，而是手机对任务承担得越来越完整。

移动终端的测试也比一张演示海报具体。终端需要在至少 3 个典型场景中接受测试，达到目标难度的工具调用任务比例不低于 80%。单项任务默认要在 5 分钟内完成，最多有 3 次机会；端侧能力在离线环境中测，端云协同能力则在联网环境中测。

除此之外，L3 的长期记忆至少需要覆盖 3 类信息，可以是用户基本信息、工具偏好、对话历史、常去地点、日程待办或使用习惯。但复杂推理和规划可以放在云端完成，标准也没有要求 L3 必须具备持续进化学习能力。

这解释了模型与等级之间的关系。大模型负责理解语言、识别图像和规划任务，是手机的核心能力来源；但模型再强，如果只能困在聊天框里回答问题，依然不足以让整台手机成为 L3。反过来，一个参数并不夸张的模型，如果能和操作系统、工具接口、用户记忆及云端能力配合，也可能完成 L3 任务。

此外，7 月 15 日公布的手机端模型备案名单和 L3 测试同样不是一回事。备案解决生成式 AI 服务能否合规提供的问题；L3 测试评的是模型装进具体手机后，能否和系统、应用一起完成任务。前者是服务的合规底线，后者是终端的能力刻度。

真正参加考试的不是一个模型，而是模型、系统、应用和权限机制组成的整支队伍。

另外，你可能注意到一个与汽车智驾标准不同的细节是，手机厂商普遍把 L3 称作「当前最高等级」。

但其实这本身也是一个文字游戏：L3 的确是当前已经给出明确要求、可以进行测试的最高等级，但并非这套认证中的的最高等级：在标准细则中，L4 的名称是「协同级」，具体要求却直接标注为「待定」。面向手机和平板的 GB/Z 177.3—2026，目前也只规定了 L1、L2 和 L3 的测试方法。

工信部对于适用于移动终端的 L3 要求介绍｜图片来源：工信部官网

换句话来讲，L3 级别的 AI Agent 的手机仍是一名助手：它能拆任务、调用工具、记住偏好，却主要围绕一台终端和一个用户目标工作。到了「协同」，问题会自然扩展到多个智能体、多个设备和多个服务主体。

手机能不能把订票交给旅行智能体，把预算交给支付服务，再让车机、耳机和日历共同调整计划？任务执行错了由谁负责？一个 Agent 获得的权限，能不能传递给另一个 Agent？这些问题没有稳定答案，L4 就很难拥有可重复的测试题。

L4 空着，暴露的不是模型能力不足，而是协同规则、责任边界和安全机制还没有成熟。

手机的 L1—L4 也不能套用自动驾驶的责任逻辑。自动驾驶等级围绕车辆接管动态驾驶任务以及事故责任划分；AI 终端等级衡量的是任务复杂度与系统能力。数字看起来一样，考试科目完全不同。

因此，现在任何把一部 L3 手机包装成「全自动驾驶级 AI」的说法，其实你都可以理解为是「传播话术」。至于真正的 L4 手机，至少要等标准先回答什么叫协同—— 以及协同失败时谁来踩刹车。

对普通消费者来讲，我听到最多关于这套标准的问题是，随着这套分级标准的逐渐落实，为了用到更好的 AI Agent 能力，我们需要换新手机吗？

如果严格按照国标来问，L3 手机什么时候上市，答案是：已经上市了。

因为首批名单并不全是尚未发布的手机新品：华为 Pura X Max 在 4 月已经发布，3 款联想 moto 手机也在 5 月亮相。当然名单中同样存在尚处发布窗口的产品，例如荣耀 Robot Phone。此外，更加为人熟知的「豆包手机」二代，也不在相关的名单中。

今年 WAIC 展台展示的豆包手机二代真机｜图片来源：极客公园

但消费者真正关心的通常不是证书意义上的 L3，而是另一件事：什么时候可以买到一部能稳定理解目标、跨应用办事，并且不在最后一步掉链子的手机？

荣耀已经给出一张较明确的时间表：Robot Phone 将在 2026 年 8 月首发 AgenticOS 内核，Magic9 系列计划在第四季度提供尝鲜版。

原生 Android 这边也在推进 AppFunctions 和界面自动化框架，让应用把功能开放给智能体，并计划在 2026 年晚些时候公布更多细节。

原生 Android 对接入智能体的 MCP 能力实践同样将在今年年内发布｜图片来源：Google

据此判断，2026 年下半年会是「消费级 L3 体验」集中出现的第一轮窗口；但如果期待它像今天的相机、支付一样成为主流手机的稳定能力，更现实的观察点是 2027 年。

按照 Counterpoint 的预计，到 2027 年，生成式 AI 手机将占全球出货量的 52%，智能体能力也会继续向旗舰产品扩展。

但这仍然不能直接换算成国标 L3 的市场占比，两套定义并不相同。但它给出了一个我们可以期待的手机换代节奏：2026 年看旗舰机试水，2027 年看应用生态和中端机能否跟上。

所以，如果现有手机性能、续航都没有明显问题，不必只为一张 L3 证书提前换机。

标准允许复杂推理借助云端完成，许多能力也可能通过系统更新到达现有旗舰；真正决定体验的，是厂商是否持续维护系统，以及常用应用愿不愿意开放工具接口。

如果本来就到了换机周期，L3 可以成为新的筛选项，但至少还要看三件事：真实任务成功率、常用应用覆盖范围，以及每一步操作是否可见、可暂停、可撤销。

证书证明手机跨过了一条线，却不能证明它已经值得接管你的数字生活。

真正值得等待的，是有一天我们不再关心它属于哪个等级，只记得那句「帮我办了」之后，事情确实被稳稳办完。

编辑｜靖宇

8 月 4 日，「DeepSeek 斩杀线」竟然冲上微博热搜。V4 Flash 正式版凭借极致的性价比，在全球 AI 大模型的「成本-性能」坐标系上划出了一条残酷的行业生死线——比它贵的没它强，比它弱的没它便宜。开发者社区群情振奋，甚至外溢成了更大人群津津乐道的话题。

当看起来 AI 世界的定价权已经易手，所有人为极致性价比欢呼的时候，两天后，8 月 6 日，DeepSeek 在开放平台后台发布了一条简短的公告：「计划近期整体上调 DeepSeek API 服务的定价，预计涨幅较大，请合理安排您的使用。」

刚被行业定义为画出「斩杀线」的那只手，为何转头就签了涨价通知。

01

过于好用的 V4

所有的戏剧性背后都有必然性。要理解这次涨价，我们得先看一组数据。

这一波讨论热潮的起点，是 8 月 4 日，全球 AI 模型聚合平台 OpenRouter 的最新周度统计显示，DeepSeek V4 Flash 已登顶全球模型调用量榜首。同一天，海外开发者平台 OpenCode 披露了一个更惊人的数字——8 月 1 日当天，V4 Flash 在其平台上单日处理 token 总量达到 8 万亿，其中 5 万亿来自免费额度，3 万亿来自付费调用。

做个对比，大模型路由平台 OpenRouter 接入了 400 多款模型，全平台日均处理量大约 6.6 万亿 token。DeepSeek 一款模型在一个入口的单日消耗，就超过了一个容纳 400 多款模型的平台的全部流量。

而支撑这个天文数字的定价是什么？V4 Flash 缓存未命中输入 1 元/百万 token，输出 2 元/百万 token。对比一下，月之暗面 Kimi K3 的同类价格是输入 21 元、输出 105 元，贵了一个量级都不止。而 Anthropic 最新旗舰模型的价格就更是高出近百倍。

这个性价比高到，已经开始让人觉得是一种「定价异常」了。

这样的极端的价格落差，必然带来调用量的继续激增。而规模化这堵墙，DeepSeek 也不可能绕过去。

很快，V4 Flash API 在 8 月 4 日曾因「前所未有的访问量」出现容量问题。再怎么优化架构，MoE 稀疏激活再怎么省算力，当请求量以万亿级别涌入的时候，瓶颈就不再是效率问题，而是物理问题——你需要更多的机器，而机器要花钱。

类似的情况，Deepseek 在当年横空出世的 2025 年初也经历过，那时候普通用户也一度体验到了「排队」的体感，只不过相对于那时候，现在对基础设施的要求已经不可同日而语。

02

「斩杀线」未必是 Deepseek 想要的

「斩杀线」这个概念在过去一周传遍了中文互联网。Artificial Analysis 在实测上百款模型后画出了一张「成本-性能」散点图，DeepSeek V4 Flash 站在最优位置，所有落在它右下方的模型——性能不如它、价格还比它贵——都进入了所谓的「斩杀区」。

Artificial Analysis 制作的 AI 模型「斩杀线」｜图片来源：Artificial Analysis

这个叙事听起来很过瘾，但它可能也蕴含着另一面的问题：如果你真的「斩杀」了所有竞争对手，流量全部涌向你，你大概率会被自己的成功逼到涨价。

因为模型不是软件，它交付的价值不能被无限低成本拷贝，背后基础设施的需求，会随着服务量的上升而快速上升。特别是当基础设施能力在今天并不是无限供给，其成本曲线不是可以靠规模化优势而下降，而可能会因为规模化而上升的时候。

实际上，即便是从竞争的角度看，定价也从来不是「越低越好」。低价吸引海量调用，基础设施投入被迫增加，就会被迫涨价，然后斩杀线会上移。那么就需要有一个合理的定价逻辑，在背后来支撑找到更好的平衡点。

前段时间听闻过行业内流传的 Deepseek 自己的定价哲学——API 定价基于「把公司在设备等基础设施上的投入做为成本，定价应该以十个月可以收回成本」为基准，设定合理定价和利润模型。

这个传闻的内部逻辑听起来非常合理，也非常符合 Deepseek 的发展目标。

首先，今天 AI 已经开始加速进入场景和业务，甚至已经开始成为很多个人用户不可或缺的新工作能力组成部分。因为 AI 带来的巨大效率提升，用户需求几乎没有弹性，或者说，即便是 Deepseek 的价格再翻一半，很可能token 的消耗量区别也不会太大。

其次，如果从 Deepseek 自身的发展目标来看，之所以采用一个回收成本的定价逻辑作为定价基准，而不是从竞争逻辑逻辑作为定价基准，显然提示它心中有更大的任务和目标，是高于短期内的利润最大化的。

模型本身还在变大，智能的提升还在继续。模型公司的主要任务还不是极致变现，而是建立合理的商业循环，并支持有足够的资源进一步提升模型的智能。所以，定价是一个必须服务于更大目标的事情。

定价真正要解决的是，让自身的业务收入可以成为提供升力的翅膀和肌肉，而不是长在身上越来越厚的肥油。在服务和研发都对基础设施有巨大要求的时候，这需要合理的平衡。

03

Token 终将成为大宗商品

把视野拉开，DeepSeek 涨价不是孤立事件，而是整个中国 AI 行业定价逻辑转向的缩影。

智谱在今年一季度的业绩说明会上披露，API 定价较去年底提升了 83%，主要因为 3 月发布的 GLM-5-Turbo 定价更高。但调用量仍然增长了 400%，呈现出典型的「量价齐升」态势。

月之暗面的动作更加激进。7 月 16 日发布 Kimi K3 后，输入价较前代涨超 3 倍、输出价涨近 4 倍。上线仅三天，就因为「过去 48 小时请求量大幅超出预估」暂停了 C 端新用户订阅，算力全部保障已订阅用户。

现在可以清晰地看到，过去两年，中国模型公司已经跨越了「证明自己」的阶段，赢得了在大模型牌桌上的位置，那么接下来必须回归这张牌桌上的打法，回归到长期竞争的战略上看问题。

简单来说，涨价没有降低中国模型公司的竞争力，而是他们必然会选择、提升长期竞争力的动作。

当产业长期竞争逻辑来自于智能的高度，智能的高度又来自于组织的和基础设施的能力与效率。而在今天算力成本持续高企、资源供给有限的情况下，那些最好的模型，token 不会越来越便宜，这应该是所有从业者应该看清的趋势了。

往更远处看，这次涨价潮揭示了一个更深层的趋势——AI 模型的 token 正在走向大宗商品化。

过去一年，前沿模型的能力差距在快速收敛。V4 Flash 的智能指数仅比 GPT-5.6 Luna 低 1 分，在多项 Agent 基准测试中逼近 Claude Opus 4.8。当模型能力越来越接近、输出质量越来越趋同的时候，token 就越来越像标准化的工业原料——和石油、钢铁没有本质区别。

大宗商品的定价逻辑非常简单：成本加合理利润。

DeepSeek 之前的定价异常低，不是因为它找到了永久压低成本的魔法，现在规模到某个临界点，价格就会向均衡带回归。

未来的均衡态可能是这样的：通用推理 token 的价格在各家之间差距不大，就像 AWS、Azure、GCP 的基础算力定价差不多一样。

真正的竞争维度会上移——移到生态锁定。例如微软把 GPT 绑进 Office 全家桶，Google 把 Gemini 塞进搜索和安卓、移到垂直场景的深度适配、移到 agent 能力和工具链的完整度。

也就是说，「极致性价比」这过去看起来有效的打法，在头部大模型公司的长期竞争中是不合理的路径。谁的 token 更便宜这件事，并不是唯一重要的因素。

但另一方面，这也会加快在场景和业务中更合理的智能模型路由，本地模型等对智能生产力更细致的 Harness，这是产业出现新的价值层可能的机遇。

04

别把命运押在折扣上

这次涨价还有一群沉默的受影响者——那些把业务建在 DeepSeek 超低价 API 之上的创业公司和独立开发者。

一个提供 AI 写作辅助的 SaaS 工具，每月处理数十亿 token，之前的 API 成本可能只有几百美元。如果涨价幅度真如公告所暗示的「较大」，成本可能翻到数千美元。对于还没有足够用户规模和收入支撑的项目来说，这不是成本调整，而是生死问题。

这是一个值得所有 AI 创业者记住的世界观：你的成本结构不能押注在某一家供应商的促销价上。就像你不会把公司命运系在某个云厂商的限时折扣上一样，把毛利模型建立在 DeepSeek 的地板价之上，本质上是把风险转移的能力交给了别人。

DeepSeek 涨价并不意味着天塌了。有开发者在社区里说得很直白——「就算涨一倍也仍有竞争力。」涨价后的 DeepSeek 性价比大概率仍会领先。但没有哪条「斩杀线」是永恒的，包括 DeepSeek 自己画的那条。

但 Deepseek 这次涨价，确实带来了一个更加清晰的世界观，一个新的 AI 产业世界观正在越来越从喧嚣和震荡中，显现出更清晰的模样。

*头图来源：TheVerge

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

从国内外越来越多机器人公司发布新产品，到资本持续加码，具身智能正成为 AI 领域最受关注的方向之一。但随着行业快速发展，一个新的共识正在形成：真正限制机器人进化速度的，不再只是模型，而是数据。

与大语言模型可以利用互联网海量文本不同，机器人需要学习的是现实世界中的操作能力。一次抓取、一段搬运、一场整理任务，都需要真实发生，并同步记录视觉、动作、轨迹等多模态信息。如何持续获得高质量数据，并将这些数据快速转化为模型能够学习的数据集，成为越来越多具身智能企业面临的新挑战。

作为国内具身智能企业，穹彻智能一直围绕「数据—训练—部署」构建机器人基础设施。近期，穹彻智能联合阿里云打造了一套云端自动化数据处理产线，希望将机器人数据处理从依赖人工、单机运行的模式，升级为能够规模化运转的工业化流程，为模型迭代提供持续的数据支撑。

01

机器人时代，真正稀缺的是数据

对于具身智能而言，数据难题不仅在于「采不到」，更在于「处理不了」。

穹彻智能采用 UMI（Universal Manipulation Interface）方案进行数据采集。操作人员只需手持设备完成抓取、开门、搬运等自然动作，设备便会同步记录第一视角画面、夹爪位姿、运动轨迹等信息，为机器人训练提供高质量操作数据。

但真正的挑战，往往发生在采集之后。

这些原始数据要进入模型训练，还需要经历位姿恢复、鱼眼相机标定、动作切分、多模态标注等多个复杂环节。其中，视觉 SLAM 重建需要消耗大量 GPU 算力；鱼眼图像需要逐帧去畸变和标定；连续动作需要切分为一个个原子任务，并配上对应的自然语言描述；随着采集规模扩大，数百小时的视频数据也给整体计算带来巨大压力。

这些工作不仅计算量庞大，而且整个流程涉及多个处理环节，一旦某一步中断，就可能影响整批数据重新计算。对于具身智能企业来说，数据处理正在成为一项新的基础设施能力，需要能够支撑弹性算力、自动调度、全流程追踪以及模型训练协同的完整体系。

02

一条跑在云上的数据产线，

如何让机器人训练提速

为了解决这些问题，穹彻智能联合阿里云搭建了一套端到端的 UMI Data + AI Pipeline，希望把原本零散的数据处理流程，变成一条自动化运行的数据生产线。

在数据处理阶段，阿里云 MaxCompute MaxFrame 提供分布式计算能力，将视频去畸变、SLAM 位姿恢复、多模态标注等任务拆分到云端资源上并行执行。过去需要依赖单机完成的大规模计算，如今能够根据任务规模灵活扩展算力，提升整体处理效率。同时，大模型能力也直接嵌入数据处理流程，实现动作片段的自动语义标注，降低人工标注成本。

整个数据处理流程则由 DataWorks 统一编排。无论是周期调度、历史数据重跑，还是异常自动恢复，都能够在统一平台完成，减少人工干预，让整条数据产线持续稳定运行。

完成处理后的数据，会进入 Hologres 进行统一管理，为后续样本检索、数据审核和训练管理提供实时的数据服务；随后再进入 PAI 平台完成模型训练、性能优化和部署验证，形成从数据生产到模型训练，再到效果反馈的完整闭环。

这一合作也带来了实际效果。穹彻智能的数据处理实现了全流程自动化，整体吞吐提升超过 10 倍，多模态标注实现规模化自动完成，云端算力可弹性扩展至 10 万+ CU，模型训练效率提升约 50%。

对于具身智能行业而言，这次合作验证了一件事：机器人数据同样可以建立起规模化、自动化的数据生产体系。当数据采集、处理、训练逐步形成标准化流程，机器人模型也将获得更快的迭代速度。随着行业竞争逐渐从模型能力延伸到数据基础设施，围绕数据生产能力的探索，也将成为下一阶段具身智能发展的重要竞争力。

关注阿里云 AgentNative 数据实战录系列案例，用数据实践驱动企业 Agentic 智能进化。

*头图来源：阿里云

古尔曼爆料 OpenAI 首款 AI 硬件：甜甜圈造型、冰球大小，先进语音交互等

8 月 7 日消息，彭博社的马克 · 古尔曼（Mark Gurman）今天（8 月 7 日）发布 Power On 实时通讯，爆料称 OpenAI 的首款 AI 硬件为冰球（Hockey Puck，约 115.8 立方厘米）大小，售价预估在 300 美元到 400 美元（IT 之家注：现汇率约合 2,029 元到 2,705 元人民币）之间，有望 2027 年发布。

定位方面，这款 AI 硬件本质上是「没有显示屏的智能音箱」，面向家庭场景设计，用户可用单手在家中携带它移动，由 OpenAI 公司和前苹果设计师乔纳森 · 伊夫（Jony Ive）合作开发。

外观方面，消息称这款 AI 硬件外形呈「甜甜圈形」，大小约等于冰球。IT 之家查询公开资料，标准冰球（Hockey Puck）直径约为 7.62 厘米，体积约为 115.8 立方厘米。

硬件方面，古尔曼透露这款硬件配备可移动部件，其中部分部件可自动移动，用于提示设备正在响应或与用户互动。设备还将配备灯光、摄像头系统和其他传感器。

交互方式上，古尔曼透露该设备的运行机制，类似于手机端的 ChatGPT 语音模式，会使用更先进的模型，以支持更接近人类交流的互动。（来源： IT 之家）

科技媒体 @PatentlyApple 制作的渲染图

曝字节拟训练超 5 万亿参数大模型 参数规模超 Kimi K3

8 月 6 日消息，据《晚点 LatePost》报道，字节跳动正在讨论训练一个参数规模超 5 万亿的模型，它超过阿里的 Qwen 3.8-Max（2.4 万亿参数）和月之暗面的 K3（2.8 万亿参数），也是目前国内已知参数规模最大的模型。该计划仍处于早期阶段，模型最终不一定会发布。

报道称，新模型将由 Seed Foundation 负责人项亮主导，与大语言模型预训练数据负责人沈科合作。为此，Seed 正在重新梳理组织，划分职责，分配资源。

项亮与沈科均是字节跳动人工智能及大模型研发体系内的核心骨干，均出自字节的「搜广推」体系。项亮本科毕业于中国科学技术大学，博士就读于中科院自动化所，2016 年加入字节，曾负责机器学习中台 AML 团队，后调任豆包大模型 Foundation 团队任负责人。沈科 2018 年清华毕业后，加入字节跳动，现主要负责 LLM 预训练数据。

针对字节讨论训练超 5 万亿参数模型的原因，报道援引接近 Seed 人士消息称，Seed 团队认为，与其在现有尺寸上继续追赶其他大模型，不如把参数规模一次推到同行的数倍，争取领先位置。

两周前的 Seed 全员会上，字节跳动创始人张一鸣安抚了 Seed 的成员。他认为，训大模型本就是一件很难的事，团队不必过度焦虑。他明确一段时间内可接受模型落后于行业，希望大家以追求智能上限为目标，期待 Seed 模型能力能跻身世界第一梯队。

张一鸣认为编程是当前的关键方向，并表态自己反对蒸馏。在其看来，蒸馏能在短期内改善模型表现，但本质上仍是在复制 Claude 已有的能力。沿着这条路走，最多只能不断逼近对方，很难真正实现超越。

（来源：新浪科技）

宇树科技：本次发行价格 150.80 元/股，本次发行数量占发行后总股本 10%

8 月 6 日消息 宇树科技公告称，公司首次公开发行股票并在科创板上市，发行价格为 150.80 元/股。本次发行数量为 4044.6434 万股，占发行后总股本 10%。发行市盈率为 219.23 倍，高于行业平均市盈率 38.56 倍。预计募集资金总额约 60.99 亿元，净额约 59.17 亿元。战略配售获配 808.9286 万股，包括社保基金、深度求索、中国石油团等。网上申购日为 8 月 10 日，缴款日为 8 月 12 日。

公告中提到，本次发行价格 150.80 元/股对应的发行人 2025 年摊薄后静态市销率为 35.89 倍，高于同行业可比公司 2025 年静态市销率平均水平；本次发行价格 150.80 元 /股对应的发行人 2025 年扣除非经常性损益前后孰低的摊薄后市盈率为 219.23 倍，高于中证指数有限公司发布的行业最近一个月平均静态市盈率，存在未来 发行人股价下跌给投资者带来损失的风险。发行人和保荐人（主承销商）提请 投资者关注投资风险，审慎研判发行定价的合理性，理性做出投资。

此前，宇树科技启动科创板初步询价，计划 8 月 10 日开启网上、网下申购。宇树科技此次 IPO 拟募资 42.02 亿元，拟发行数量占发行后总股本比例为 10%；按此推算，宇树科技市值有望达到 420 亿元。（来源：新浪科技）

DeepSeek 拟上调 API 服务定价，预计涨幅较大

据 DeepSeek 最新公告，公司计划近期整体上调 DeepSeek API 服务定价，预计涨幅较大。公司建议广大用户合理安排使用，具体方案以正式通知为准。

近期，DeepSeek V4 Flash 预览版登顶全球 AI 模型聚合平台 OpenRouter 模型调用量全球榜单，最新发布的 DeepSeek V4 Flash 正式版也上升至第 8 位。

技术突破外，近期市场还传出 DeepSeek 重启第二轮融资，计划募资 500 亿元相关消息。据报道，伴随第二轮融资启动，DeepSeek 投前估值约 5000 亿元，并计划将在 8 月下旬完成签约。（来源：新浪科技）

小红书加大 AI 投入：布局 AI 社交方向，开启 AI 陪伴产品自研

8 月 6 日消息，小红书正全面提速 AI 战略，布局 AI 社交产品、AI 社区互动工具等方向，从后台技术应用转向前台自研、产品化与生态化全面竞速。

一位知情人士透露，「小红书正在高薪招募 AI 人才，投入系列 AI 产品自研，要找有强烈 Al Native 产品思维的人。」

新浪科技在招聘平台检索发现，小红书近日正密集招募 AI 应用研发人才。其中，「AI 社交产品经理」岗位职责包括：主导 AI 陪伴产品的设计与打造，探索 AI 在情感连接、兴趣匹配、个性化互动等维度的深度应用，构建有温度的 AI 陪伴体验。

今年 5 月，小红书发布内部信，宣布新一轮组织升级，其中核心变化就包括，成立 AI 一级部门 Dots 和企业智能部，从产品技术和组织两方面加大对 AI 的投入。

事实上，小红书早已在 AI 领域有所布局。今年 4 月，小红书集中开源 REDSearcher 搜索 Agent、FireRed-Image-Edit 多模态图像编辑工具、FireRed-OpenStoryline 视频创作模型三大 AI 技术。此前，小红书还全资收购生活场景 AI 搜索产品「点点」，实现内容平台向「内容创作+智能服务」的转型。（来源：新浪科技）

国产消费级 3D 打印机拿下全球 9 成份额，深圳诞生「四小龙」

8 月 6 日消息，国家统计局数据显示，2026 年上半年，国内 3D 打印设备产量同比增长 48.5%，增速在主要工业产品中排名第一。出口端表现更为突出，上半年我国累计出口 3D 打印机 362 万台，同比增长 90.2%，出口金额达 96.11 亿元，同比增长 109.3%。

据财联社今日报道，3D 打印资源库创始人谭文杰表示，按照目前的增速，2026 年全年 3D 打印机出口量有望达到 800 万台。据国泰海通研报数据，全球 3D 打印市场收入预计到 2034 年将达到 1,150 亿美元（IT 之家注：现汇率约合 7,776.54 亿元人民币），10 年复合年增长率达 18%。

报道还称，拓竹、创想三维、纵维立方、智能派四家深圳企业合计占据了全球消费级 3D 打印约九成的出货份额。谭文杰表示，目前，深圳 3D 打印「四小龙」已经几乎掌握了全球消费级市场的话语权。

工业级 3D 打印也在增长，但增速与消费级差距明显。CONTEXT 数据显示，2026 年第一季度，全球工业级 3D 打印机出货量同比增长 18%，中国市场增长 29%，同期国内消费级设备产量增速接近 50%。（来源：IT 之家）

小米徐洁云就「孩 go」言论回应，称有小米用户养的宠物名字叫「孩 go」

8 月 6 日消息，今日，有网友评论小米集团董事长特别助理、战略市场部副总经理徐洁云：「王腾比你强的不是一点点」，徐洁云转发后回应：「当然啊，创业者都非常了不起。」

我们注意到，有网友回评：「张口闭口 higo 的人都能做高管我是服气的。」随后，徐洁云就此进行了回应：「一位小米用户经常在网上晒她养的宠物，宠物名字叫『孩 go』。我看得多了互动问候下，这很合理吧？」

去年 11 月，原小米集团公关部总经理王化转岗小米武汉总部，徐洁云接任了小米集团公关部总经理一职。今年 1 月，小米创办人、董事长兼 CEO 雷军举行了新年的第一场直播，拆一辆小米 YU7 汽车，同时就网络热议话题进行了集中回应。（来源：IT 之家）

Bose 推出新一代 QuietComfort 头戴式耳机，加入有线无损播放、空间音频

8 月 6 日消息，音响品牌 Bose 正式推出新一代 QuietComfort 耳机，完成三年来首次硬件升级。新款不仅改善佩戴设计，还加入了空间音频、有线无损播放和更完善的降噪功能。

新款 QuietComfort 首次支持此前 QuietComfort Ultra 系列独占的 Bose 沉浸空间音频，系统会利用内置运动传感器模拟立体声场，让声音呈现出更明显的空间感。该耳机同步加入了影院模式，可在观看电影和电视剧时突出人声，让对白更加清楚。

通过 USB-C 连接后，该耳机可以播放最高 24 位 / 48 千赫兹的有线无损音频，同时保留无线连接方式。USB-C 还支持双向音频传输，使用视频会议软件时能够改善麦克风收音。即使正在充电，耳机也无需停止使用。

该耳机同时升级了降噪算法。开启通透模式后，系统面对突如其来的巨大噪声时，反应会更加自然。六麦克风主动降噪系统还可弥补耳罩与头部之间的密封缝隙，眼镜腿对降噪效果造成的影响也会相应减小。

外观和佩戴体验同样有所调整。Bose 升级了头梁，加入更厚实柔软的衬垫，并采用椭圆形耳罩。除常规黑色和白色外，新款 QuietComfort 还将推出多种限量配色。据 IT 之家了解，这款耳机将于 8 月 8 日开放预订，8 月 13 日正式发货。（来源：IT 之家）

可直接调用微距、长焦：微信 iOS 版灰度测试相机多焦段切换功能

8 月 6 日消息，据多名网友分享，微信 iOS 版正灰度相机多焦段切换功能。用户在聊天界面打开相机进行拍摄，可以直接在拍照页面选用手机的长焦、微距等。

从网友反馈的微信新版相机界面来看，在拍摄的时候会出现 0.5x、1x、2x 和 3x 不同的拍摄焦段，同时旁边还有一个花朵样式图标的微距按钮，和系统自带的相机非常像。

目前，该功能并非向所有微信账号和设备开放，部分用户尚未收到推送属于正常现象，后续将随着灰度范围的逐步扩大而覆盖更多设备与账号。（来源：IT 之家）

即日起，ChatGPT 可以调用 Adobe Photoshop、Lightroom 来修图、设计了

8 月 6 日消息，Adobe 去年底借助 OpenAI 的 Apps SDK，把 Photoshop、Acrobat 和 Adobe Express 带入 ChatGPT。时间来到今天，合作范围得到进一步扩大，新推出的 Adobe 插件几乎涵盖旗下整套创意软件。

用户安装插件后，可以直接在 ChatGPT 中调用 Photoshop、Premiere、Acrobat、Lightroom、Illustrator 和 InDesign 等 70 多款 Adobe 工具。

我们测试发现，用户可以打开 ChatGPT 设置菜单，在插件页面中添加 Adobe 插件。完成设置后，只需在提示词输入框中输入「@Adobe」和具体任务，便可调用相应工具。

Adobe 称，插件与 OpenAI 的 Codex 编程应用及近期发布的 Work 套件配合使用时效果最佳，用户不登录 Creative Cloud 账户也能使用基本功能，登录后则可保存不同会话中的工作进度，并直接访问云端文件。此外，Creative Cloud 账户还可用于调用 Adobe Firefly 提供的生成式 AI 模型。

Adobe 希望用户通过新插件完成照片编辑、营销视频制作和 PDF 生成等任务，同时也不会打算用 ChatGPT 取代现有专业软件。

Adobe Firefly 及智能体 AI 副总裁福雷斯特 · 基表示：「我们希望，无论人们在哪里工作，都能使用 Adobe 的专业级创意和生产力工具。ChatGPT 中的 Adobe 插件并不是创意专业人士每天依赖的旗舰应用的替代品。需要精确操作和充分掌控创作过程时，旗舰应用仍能提供更深入的功能。」（来源：IT 之家）

阿里全新一代视频生成模型 Wan3.0 公测：单次生成能 30 秒，号称万物皆可生视频

「阿里云」公众号 8 月 6 日宣布，全新一代视频生成模型 Wan3.0 开启公测。

Wan3.0 在生成时长、万能创作、全能参考与真实感等维度全面升级，单次可生成 30 秒视频，完整表达创作意图；在文本、图片、音频、视频四种基础模态之外，首次支持 doc、xls、ppt、pdf、md 等文档格式输入，号称将让「万物皆可生视频」。

Wan3.0 支持单段 30 秒视频生成，带来更大的创作自由度，令连续运镜、一镜到底等复杂镜头语言得以充分表达，从「生成一个镜头」走向「讲述一段完整的故事」。此外，Wan3.0 还支持智能时长功能，可根据提示词自动推荐合适时长；搭配视频延长功能，还能延展故事走向与剧情发展，让创意自然生长。

此外，为告别 AI 人物的油腻感与千篇一律，Wan3.0 文生视频模式中的人像力求「千人千面」：更敏锐地刻画五官与皮肤细节，人物情绪表达自然克制，微表情与肢体动作彼此联动；即便是群像场景，也能细腻呈现不同人物的复杂情绪。

在全能参考任务中，Wan3.0 可精准复刻参考细节，保持角色、道具、声音、空间关系、风格等关键维度的一致性。对于角色，五官、发型发色、形体、服饰、配饰等细粒度特征均可稳定保持，避免出戏；对于道具，多角度外观、硬件结构、Logo、材质细节均保持稳定；对于场景，准确处理角色站位与机位视角的关系；对于风格，精准渲染影视拍摄调性，多风格创作时也不易发生风格混淆。

即日起，Wan3.0 在阿里云百炼、万镜一刻、万相官网和千问创作 PC 端开启公测，在千问 APP 灰度开放，480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元 / 秒，API 接口将于近期全量开放。（来源：IT 之家）

美国祖父母热衷将孙辈写进 AI 生成童书，引发父母辈大量反感

美国一些祖父母正热衷于把孙辈写进 AI 生成童书，却让孩子父母大为反感，甚至引发家庭矛盾。

据《连线》杂志当地时间 7 月 29 日报道，美国各地不少父母陆续收到孩子祖父母送来的 AI 童书。祖父母原本只是想给孙辈准备一份充满个人色彩的礼物，结果往往适得其反。

在祖父母看来，用 AI 制作一本由孙辈担任主角的绘本「既新奇又可爱」。孩子父母却未必认同，尤其无法接受把孩子的照片和身份信息交给 AI 平台处理。

一名家长在 Reddit 帖子中大发牢骚。尽管自己已经多次明确反对，母亲仍没有停手。「我已经说过无数次，我不支持 AI 生成艺术，也明确划下红线：绝对不能把我们的任何照片输入 AI，更不能以任何方式使用能够识别我们身份的信息。可她仍然根据自己和我孩子相处的经历编故事，把角色设计得和我的孩子很像，还用我们家人的名字，让角色代表我们，好让我的孩子『在故事里看到自己的家人』。」

一门围绕 AI 个性化童书的生意也随之兴起。Imagitime、StoryWonderBook 和 Childbook.ai 等平台已经把制作流程做得极其简单，用户只需提供孩子的信息，便能把孩子直接塞进一个由 AI 编造的故事。

然而孩子似乎对自己收到的「专属故事」并不感冒。一名育有 7 岁和 3 岁孩子的父亲告诉《连线》，亲友送来的 AI 个性化童书只让两个孩子觉得「无聊」。「故事又长又啰嗦。只读过一遍，我的两个孩子就说：『行了，还是读《小蓝卡车》吧。』」（来源：IT 之家）

这是影石Insta360 创始人刘靖康在 AGI Playground 2026 上对影像行业未来趋势的判断。上个月，影石刚刚宣布了「打造 Cameraman」的最新产品愿景——它代表着一种「更简单操作+更好的交付」的影像体验。

刘靖康说：「也可以认为这是一种 Camera Agent」。

产品形态大概率是多样的。因为哪怕「前轻」，不同出片场景里人们依然需要不一样的镜头、焦段以及第一人称、第三人称等不同拍摄形式。

和具身领域一样，目前距离让设备本体在通用场景里「自由移动」，仍有不小的挑战。但 Cameraman 未必需要一个「通用」的大脑，因为对于记录和分享生活而言，「审美在线」很大程度上比「聪明地执行标准化任务」更重要。

据刘靖康介绍，目前影石已经尝试通过云端为用户直接提供 AI 剪辑服务。收费标准是 6 元/条，前两个月的灰度测试已经完成了数十万条的剪辑，导出率（类似于视频生成的「抽卡率」）超过50%。

但这条路仍然走在早期。Camera Agent 不止是一个独立存在的个人或服务，它需要提升的不仅是自身的智能和审美，还有对于人类在物理世界里的「审美期待」的更深刻理解。

以下是影石Insta360 创始人刘靖康（JK）和极客公园创始人&总裁张鹏的对谈内容。经 FounderPark 整理。

策划、整理 | siqi

编辑｜ 万户

Cameraman，核心不是拍摄，而是结果交付

张鹏：欢迎 JK 来到 AGI Playground。Insta360 前段时间更新了产品使命：以前你为消费者提供「camera」，未来想提供的是「Cameraman」。这个变化意味着什么？

刘靖康：Cameraman 这个想法不是一蹴而就的，它始于 2019 年。当时我们第一次把准备发布的运动相机装到一台穿越机上去拍广告片，拍出来的镜头非常好看。但想要拍出这样的画面，操控门槛很高。于是我们就自然地往下推导：怎么让每个人都能更容易拍出这种画面？

再往下思考，我们觉得必须看到消费者「需求背后的需求」：大多数人真正要的不是操作机器，而是得到好的照片和视频。正如今天大家出去玩，有些人会请摄影师给自己跟拍，今天这个活动也有 cameraman（摄影师）帮我们抓拍——我们不需要自己动手，就能拿到很多好照片，这是影像的上限体验。

张鹏：所以你们从那时候就开始拆，一台能全自动拍摄的机器该具备什么？

刘靖康：对，我们整体分出了 3 个技术方向。

第一个是 Imaging，跟「眼睛」相关。我们花了很多时间储备各类镜头、传感器和影像调校技术。

第二个是 AI，从 2018、2019 年我们就开始做自动剪辑。给机器一个全景画面，让它理解用户的意图，学习怎么裁切才有更好的构图。

第三个是 Robotics，代表「身体」。一台相机能不能构图，跟它所处的位置、拍摄角度都有关系，这需要一个移动的平台。我们做了无人机和云台技术，前者在户外可以自由移动，后者可以让取景没有角度限制。

我们从 2019 年开始储备这些东西，并陆续实现了一些技术变现：云台最早用在会议摄像头上，无人机去年发布，各种自动剪辑和影像调校技术在过去的产品里都发布过。今年我们发起这个冲锋，就是之前说的零件已经凑齐了，现在去拼那个大脑。

张鹏：所以 Cameraman 本质上是一个你们过去脑子里就想清楚的方向，只是现在吹了个冲锋号。

刘靖康：对，其实我们每年年会都跟全员讲。

张鹏：只是没跟我们说。

刘靖康：一直在拼凑各种零件，现在发起冲锋。今天早上咱们聊天的时候我有一个启发，如果「Cameraman」这个概念解释成本比较高，今天似乎有个更好的词：CameraAgent。现在不是流行讲 agent 吗？

可能大家更好理解，不用那么绕。核心价值不是「操作」相机的过程，而是能自动完成好照片、好视频的「交付」。

张鹏：我们不是在买一个 gadget，而是在用一个 agent。我们现在已经很习惯在数字世界里用 agent 直接跑任务、交结果，未来希望影像这个领域也能这样。

刘靖康：希望在现实世界里面也可以做到。

「前轻后重」，传统路径正在往 AI 走

张鹏：我们先聊聊 Imaging 这条线。这几年随着大模型、云和端的发展，Imaging 这条线有什么显著的变化？它是整个 Cameraman 最前端的部分，今天是什么状况，未来会是什么格局？

刘靖康：这里面确实有挺多新发生的技术路线，举几个典型例子。

譬如「降噪」这个场景，过去的方法是从 Sensor 到 ISP（图像信号处理器）的传统 CV 降噪。2019 年开始我们通过 AI 做端到端的降噪模型，实现了运动相机也能把夜景拍好。

后来，行业开始用端到端做 Tone Mapping（色调映射），所以近几年无论是我们还是同行，色彩都有比较大的飞跃。

但影像除了基本的色彩、宽容度、噪点之外，还跟 Color Grading（调色）有很大关系。

它可以带来不少直观理解叫「P 图」的东西——加光晕、加暗角、做图像分层。我们最后发现通过模型直接去处理，可以做出很多在端上根本做不出来的效果。

这还只是照片领域，视频领域有更多效果在端上根本没办法出来。

所以我们认为 Imaging 这件事，在整个相机开发上可能有一个范式变化：更少地依赖前端。以后前端的相机部分可能会很轻，甚至很便宜，不一定非得是很「高级」的硬件。

张鹏：它更像是个传感器了。不再像原来那样，认为镜头或者光学是这台设备的灵魂。

刘靖康：肯定也有很多人追求传统技法。但我相信，对更多用户来说，大多数情况下用一个足够轻便的东西，把画面拍好看更重要。

张鹏：现在行业还有哪些方面需要补强？

刘靖康：举个例子，对于那些用超长焦拍到的细节，AI 确实还很难补。另外，云端生成目前是异步的，而对一台相机来讲，即拍即得是个很基本的需求。

所以可能模型成熟之后，这些技术会再跑回端上。目前端侧算力还受限于芯片制程，相信等芯片升级后，端上的推理生成能力可以更强。

总之，我认为有一件事没变：传统的路径正在往 AI 走。

张鹏：也就是所谓的「前轻后重」？光学这一端可能依旧要求一个不能降低的标准，但未来提升的重心在后面，跟 AI 相关、跟计算相关。

刘靖康：对。举个例子，虚化。这件事靠传统光学可以做得很好，但传统光学基本上是没办法压缩的：你的底有多大、光圈多大，直接决定了景深够不够、虚化够不够自然。你通过算法去模拟，基本上做不出来；但通过 AI 生成，就可以出来很自然的效果。

张鹏：那如果端这一侧的算力持续上升，摁下快门一秒钟就出来，而且里面其实有生成的成分——这看起来是一场端和云的赛跑吗？还是说未来会有别的方式来确定两者的配比？

刘靖康：我觉得除了我们这个行业，很多行业将来都会有这个分支：有人愿意购置硬件的成本低一些，长期付订阅；也有人愿意一次性买断这个服务和算力。

我觉得它不是一场赛跑，而是未来会出现两种消费方式。有些人不想一次性付很多钱，愿意长期付，甚至对有些人来讲，这不一定是他一直会用的东西，他会觉得用云端更便宜。但对刚需高频的人来讲，他可能就会一次性买断这个算力。

AI 也会成为影像内容的消费者，但不一定是坏事

张鹏：那你会考虑在 Action 层面做一些探索吗？这跟具身看起来就比较接近了。你们在说 Cameraman 的时候，有没有思考过它不只是后期怎么生成和优化，而是在拍摄、行动、动作这个层面上也要具备「man」的能力？

刘靖康：实际上我们目前在无人机形态的 Cameraman，它就是这样子的。

它自身有小脑的部分，就是我们说的对环境的 360 度感知。你要拍一个好的镜头、拍视频，运镜是很关键的东西——理解现在的主体是什么、场景是什么、可通行的空间或路径是什么，怎么去画那条轨迹。这牵涉到本体运动，是比较复杂的一件事。

还有一种「运动」的思路是纯粹数据层面的：输入一个广角图像，找到好的裁切方式。

张鹏：所以 Cameraman 未必需要物理层面的「移动」，也可以是剪辑和裁切？

刘靖康：对。一种是 ego motion（自身移动）；一种是焦点移动，在采集到的全景数据里做裁切。

整体来讲，无人机的移动比在地面上移动的东西还是要简单很多，因为它在一定高度之上，障碍物要少很多。

张鹏：所以找一个双足的 Insta360 设备在屋里来回拍，不是想象中正确的方向？

刘靖康：这种复杂场景里，通过性还是挺有挑战的。扫地机都要解决很多问题，室内的拍摄机器人要解决的问题比扫地机复杂很多。

张鹏：现在具身领域有非常多的资本、非常多优秀的人在探索。在他们的数据需求上，过去的那些设备已经不一定是最优的采集方式了。是不是也有这样的机构在跟你们交流？你怎么看？

刘靖康：我们确实有跟一些公司合作。

整体来说，我们认为在这个赛道里，目前大家在数采这件事上路径还没有收敛：有人采第一人称的，有人采第一人称加第三人称，有人采全景的，还有一些人根本不采数据，直接从视频里学习。

说直接点就是还没起量。目前基本只有少数共识，例如预训练阶段不搞遥操了，因为采集成本和数据量上不去。

所以我们现在保持比较密切的观察。我们也「怕」数据采到一半，纯粹从视频里学习那条路就走通了，那这些采集的素材可能就不需要了（笑）。这也有可能，今天还是有很多分歧。

张鹏：那会不会带来需求的变化？以前我们做的所有影像相关的东西都是给人用的。如果未来机器人的时代到来，给机器人用的传感数据需求量可能会比人还多——就像今天人的搜索量在下降，AI 的搜索在指数级上升。如果具身的时代到来，你觉得影像这件事会怎么变化？

刘靖康：我觉得无论是 AI 还是具身，对我们这个行业的目标客户影响可能比较小。因为影像服务人们的记录，而记录这件事跟 AI 没有关系，它是关于个人经历一些很美好、很珍贵的时刻。

我们手机里拍的东西，不一定都是分享给别人看的，有些只是自己回忆，或者放到家里的数码相框里。人们不太会为没有发生过的事情去生成一张图。从记录这个角度来看，我觉得不会有太大的影响。

但影像除了服务记录，还有两类需求。

一类是分享。在这一步里，AI 可以起到「放大器」的作用，把你很多拍不出来的效果强化出来；还有一类是创作，通过影像表达一个想法，或者拍一个商业广告、做一个作品，这部分我相信 AI 也可以起到很大的替代作用。

张鹏：那以后影像内容的消费者会从人变成机器吗？

刘靖康：一定程度是会的。

但换个角度看，我们用 AI 去消费其他内容，无论文章还是视频，很多时候是服务于生产力的，例如让 AI 帮你快速给老板写个分析报告。但你不会通过 AI 去帮你看个电视剧，因为看电视剧产生的情绪，机器没办法替你感受。

所以我认为，记录和分享不受影响，创作可能会有些影响，而在消费这一块不会改变。它会多出机器人去消费内容，但你拍出来的内容被人们娱乐、影响人们情绪的这部分，客户不会变少。反过来，正因为大家工作时间变少、消费内容的时间变多，对内容消费来讲不见得是个利空的事。

Cameraman 需要一个「有审美」的专用大脑

张鹏：最近行业里有一类讨论：未来 All-in-One（一体化）的设备会不会「一统江湖」？在某个局部里做一个特定的产品，天花板是不是永远很低？这有点像 AI 领域里的问题——是做一个通用的 agent，还是在某些明确需求上做到极致。你怎么看这个问题？

刘靖康：我觉得相机这个品类还是比较特殊的。从原理上看，影像内容有几种不同的分类，就决定了它在形态上一定会至少分好几类：

第一类，拍我们自己看到的东西。我们大概率会用手机、相机，或者云台相机来拍摄；

第二类，叫 POV（第一人称视角）。这类内容在运动的时候比较常见，它要求相机是「可穿戴」的，相机形态就会是眼镜、拇指相机，或者挂在头上的运动相机。

第三类，是第三人称视角，它是解放双手的。从 Cameraman 的角度看，它一定不是你操控的，它是独立的。所以除了手上拿的，还会有戴在身上的，以及跟你有一定距离、自主移动、自动帮你拍摄的，无人机肯定也是一类。

张鹏：所以它未必是一台 All-in-One 的设备就能把 Cameraman 全部实现？

刘靖康：影像或者摄影里有个很重要的概念叫焦段，指的是一个画面里能拍多广、多远。不同焦段服务的事情是不一样的。

全景很适合站在你自己的角度拍周围，你把所有都拍下来，后面通过计算和 AI 帮你处理。

但从记录的角度看，你必须有相当一部分画面是关于拍你自己的：相机在近处拍你的脸和背景，在比较远的地方拍你全身和背景，或者在更远的地方拉一个长焦拍你的半身和背景，产生的感受都不一样。而且视频里有一类很好看的镜头，共同特性是主体和背景的相对运动变化，这类只有从第三视角才拍得出来。

所以影像有两种大的形态和需求，一种是从别的视角拍你，一种是从你的视角拍别的。这两种都是重要的镜头语言。从采集的角度看，这两种数据都需要；从应用的角度看，这是两种不同类型的需求。相机可能就像车一样：你说它的本质功能是不是从 A 点到 B 点？是，但它还是衍生出了非常多的分支。

张鹏：那么从大脑的角度看，具身领域今天大家都在说要有一个通用的大脑。那对影像行业来说，未来这个大脑是一个，还是多个？

刘靖康：只说 Cameraman 的脑子，我们目前判断大概率不会是特别复杂的一件事。我们会不会被一个更大的模型直接就把这块也包含进去？也有可能。

但我觉得还有另一个从商业角度出发的推理：我相信无论是做模型还是做智能，从商业角度看，大家还是会追求自己的独特性——就是某个部分里只有你有的东西。

所以默认情况下，确实有可能一个通用的大脑可以做好千行百业所有的事，或者说针对摄影摄像这个行业，一个大脑也可能把大部分场景都做得很不错。

但从人性、从商业的角度看，我觉得很有可能大家都希望：我在这个场景理解比较深，所以我在这个场景训练的数据更多，甚至很多数据是我独有的，甚至这个拍摄方法就是我发明的——我把它变成我在这个场景专用的模型或专用的技能，并且为此实现额外的增值收费。

张鹏：谈到影像，那个大脑对我们来讲更重要的可能是它有更好的审美——理论上它应该超越我，如果它能交付这个。审美这件事用什么样的数据、什么样的方式，能确保它普遍交付更高的审美？这件事今天有比较明确的解法吗？

刘靖康：这是个很好的问题。我们目前在构图和剪辑上训练的方向，还是公约数的审美。

今天我们的自动剪辑，或者说 Cameraman，之所以相对好交付，第一是因为它本身不反作用于物理世界，第二是它可以同时提供多个选项，它的评价标准本身不收敛，所以总有一个能中。但它的问题在于，你没办法百分之百猜对客户的意图。

我们内部有一个公式：客户的满意度等于你交付的东西除以他的期望。但期望本身摸不准。打个比方，今天有个 AI 直接决定你晚上吃什么，它再了解你——就像你太太决定你今天晚上吃什么——也不可能每顿都刚好命中你当天想吃的。

下一个方向可能还是回到客户本身：我们提供多个选项，从他自己的选中习惯里再学习他的偏好，作为下次推理的上下文或参数送进去，最后做到千人千面。但这个还没跑出来，因为客户编辑视频的频次，远远没有他刷视频的数据量大（笑）。

所以我认为在审美这件事上，或者说这类需求上，匹配客户需求的命中率总感觉有一个隐形的上限。

张鹏：我知道你们在云端已经有能直接帮用户剪出视频的功能了，甚至有用户在付费。你认为随着技术成长、随着审美的进展，这部分服务占比会越来越高吗？

刘靖康：我认为是必然的。你都花那么多时间去拍了，从需求上必然希望把它总结出来，无论是给自己还是分享给朋友，而且这件事花的时间确实非常多。你前置已经花了钱去旅行、花了时间去拍摄，那从临门一脚的角度讲，肯定是有需求的。过去客户的剪辑成本实在太高，所以很多人就跳过了最后一步。

我们目前有一些高端的剪辑服务，大概收 6 块钱一条，上线两个月左右已经剪了几十万条，而且这还只是灰度。

张鹏：他要抽几次卡才会采用一条？

刘靖康：目前我们的导出率都大于 50%。每给他提供两个选项，就有一个会被选中，大概能到这种程度。

张鹏：两个里头就有一个被采用了。

刘靖康：是。但这还是跟我们的屁股坐在哪里有关系。我们判断这是个刚需，最后可能还是会有人选择一次性买断算力——毕竟 6 块钱一条，还有一定概率要抽卡，相当一部分人的消费习惯不是这样的。甚至以后可能跟买断算力也没关系，手机的算力起来了，可能在手机上就能跑完，或者在家里的 NAS 上跑完。

张鹏：那你觉得「屁股」的位置，未来有可能变吗？

刘靖康：整体来讲，客户的行为和消费习惯是一个分布，它不会百分之百是某一种——不会百分之百是云，也不会百分之百是买断相机上的算力，也不会百分之百在手机上或 NAS 上。

从公司战略的角度，我们确实会考虑把计算从一个平台扩展到其他平台。但很重要的一点是要看它本身的成熟度和渗透率。今天我们从客户那里收费是件很严肃的事，要确保他的体验是好的。而今天能够把握统一体验的，要么是云，要么是你自己的硬件。第三方无论是 NAS 还是手机，距离我们的算力目标还是差太远——基本上没有消费级的、能上百 T 算力的芯片或产品被集成在手机或 NAS 上。但一旦这个趋势起来了，我们提供计算的服务肯定也会跟着扩展。

张鹏：今天整体聊下来，我印象比较深的是，如果我们今天对 AI 的智能很有信心，那对审美这件事可能不要过度有信心，因为审美好像是个性化的。所以在 Cameraman 这个层面上，如果审美是关键，那它是很难的。

刘靖康：我可以跟大家讲个笑话：每个汽车厂都有很好的设计师，但车好不好看，真的取决于那个厂老板的审美。

张鹏：最后还是要看老板。谢谢 JK，期待你的审美永远在线，给我们带来更多好产品。