<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
  <channel>
    <title>极客公园</title>
    <description>极客公园</description>
    <link>http://mainssl.geekpark.net/rss.rss</link>
    <image>
      <url>https://imgslim.geekpark.net/images/GeekPart-blacklogo.png</url>
      <title>极客公园</title>
      <link>http://www.geekpark.net</link>
    </image>
    <item>
      <title>
        <![CDATA[影视飓风、Manus、影石、OPPO......极客公园创新大会 2027 嘉宾阵容更新！]]>
      </title>
      <link>http://www.geekpark.net/news/374125</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/30/8c/308cded1374b6725597cc5b0ea4dd39a.png" /></p>
<p>首批嘉宾公布以来，IF 2027 收到了超出预期的关注， 短短几天早鸟票已经售罄。</p>
<p>今年 IF 大会的主题是：<strong>「Revaluation 价值，另有答案」。</strong></p>
<p>过去一年，AI 正在以超出预期的速度改变世界。变化越来越快，但真正重要的问题并没有变得更简单：下一轮机会在哪里？哪些行业正在发生根本性的变化？当旧的经验和规则不再适用，我们又该如何做出新的判断？</p>
<p>我们希望 IF 大会呈现的，正是这个时代最值得关注的议题、最有代表性的行动者，以及那些值得被认真听见的思考。</p>
<p>12 月 5-6 日，北京 798艺术区。我们期待与所有关心科技、相信创新、愿意亲自参与变化的人相聚。在这里听见源头的声音，认识正在行动的人，参与那些尚未有答案的讨论，并将新的判断带回各自的工作与生活。</p>
<p>今天新的一批嘉宾揭晓，相信也一定有更多你希望来现场交流的人。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/81/1a/811ae3608d20e02369aceeb8c5b518b6.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/7d/03/7d039ed4793d862cc336ad2414c33496.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f6/26/f626a7d1329e4f51361ed6770f2b684f.png" /></p>
<p data-pm-slice="0 0 []">极客公园创始人 &amp; CEO，IF 大会发起人。</p>
<p>当旧的规则正在失效，今年 IF，他将与身处 AI 浪潮最前沿、正在创造未来的人展开对谈，寻找价值重估后的新答案。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/3a/59/3a59386c1d5964d28eb8ae4b82f3ea1b.png" /></p>
<p data-pm-slice="0 0 []">2015 年，他创办影石Insta360。十年后，他在上海敲响上市铜锣，成为科创板首位 90 后创始人。在他的带领下，影石全景相机销量连续多年位居全球前列。</p>
<p data-pm-slice="0 0 []">今年 IF，他将和影视飓风 Tim 一起推演一个对相机公司和创作者都不太客气的问题：当 AI 能生成影像，谁还需要一台相机？一段影像，又凭什么值得看？</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b9/50/b950a6aeb1cfa1e940bf0885b2320e29.png" /></p>
<p data-pm-slice="0 0 []">从豌豆荚、神策数据到字节国际化业务、光年之外，再到联合创立 Manus：他做过移动互联网、SaaS、AI 三个时代的产品。</p>
<p>作为全球 Agent 产品的标杆，来到 IF，他将和极客公园创始人 &amp; CEO 张鹏探讨 Manus 内部正在进行的 AI Native 组织实践，以及，这些尝试意味着未来 AI Agent 与人之间将如何更好地协作。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/cb/e0/cbe07f977e3b93e556d44aceb40a081a.png" /></p>
<p data-pm-slice="0 0 []">从个人视频账号成长为全平台粉丝超过 8000 万的内容团队。</p>
<p>毕业于英国肯特大学电影系，Tim 既是自媒体创作者，也是企业经营者，影响着中国数字影像创作生态的塑造：器材测评、幕后纪实、自制短片，几乎覆盖了影像生产的每一环。</p>
<p>AI 时代，专业创作者如何重新定义自己的价值？听听 Tim 怎么看。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/12/bc/12bcb37b539ee158b846384204c60a97.png" /></p>
<p data-pm-slice="0 0 []">此前，OPPO 把智能做进系统，融进手机用户日常。2026 年 11 月，OPPO 成立 AI 新硬件实验室，要把「个性化的主动智能」从手机挪到更多终端。</p>
<p>当所有手机厂商都在谈 AI 时，什么体验才算真的质变？OPPO &nbsp;AI新硬件实验室负责人姜昱辰，将在 IF 现场分享她的洞察。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/1d/21/1d21df884787d532c6c93543317817ac.png" /></p>
<p data-pm-slice="0 0 []">深耕传统影视行业二十余年，先后在中国教育电视台、中央电视台、灿星文化、华策影视与优酷工作，参与过《中国好声音》《了不起的挑战》等节目，并担任张艺谋综艺《跨界冰雪王》的执行总导演。</p>
<p>2023 年底，他用 AI 生成了一支《山海经》预告片，刷屏全网；如今，正以 AI 重新组织影像创作的流程、成本与想象力。他要聊聊，当人人都能生成大片，真正稀缺的是什么。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/23/13/23138a3d9aef6c7f14929bc6546842ed.png" /></p>
<p data-pm-slice="0 0 []">95 后，2020 年创立影眸Hyper3D。作为全球率先定义 3D 生成底层框架的团队，影眸Hyper3D 已获多轮大额融资。其 B 端客户规模领跑行业，覆盖游戏、电商、具身、空间计算等核心赛道。他将带来 Hyper3D 的最新探索并分享对 3D 生成下一阶段的思考。</p>
<section></section>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/73/b0/73b0016c734cbce288d471a9a3c723e1.png" /></p>
<p data-pm-slice="0 0 []">Adyen 大中华区技术交付负责人，长期深耕全球支付与中国企业出海，参与多个头部企业全球支付底座建设。</p>
<p>当 AI 从技术创新走向商业落地，用户在用、Token 在烧，如何真正把投入变成收入？当 Agent 开始替人下单，支付链路也在面临重构。</p>
<p>在 IF，他将解构「支付」如何成为连接 AI 企业与真实商业价值的关键基础设施。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/19/22/192201d01be3151a8b02f8a27cebca92.png" /></p>
<p data-pm-slice="0 0 []">香港大学电机与计算机工程系博士。过去十余年，他持续深耕健康、医疗与人工智能领域的研究，主导了智能戒指从技术探索到消费级产品的商业化落地。</p>
<p data-pm-slice="0 0 []">目前，他聚焦于以 Personal Agent 为核心的健康软件生态及全场景硬件入口，通过独立 App 与模块化产品 Trio 推动产品创新。</p>
<p data-pm-slice="0 0 []">Alloop 团队已在北美市场开展产品发布及早期用户交流，并计划于 2027 年初在国内正式发布并销售新品。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/83/a5/83a5b302349fdb96fe57d42ef24cfa90.png" /></p>
<p data-pm-slice="0 0 []">做了二十年商业报道，他长期观察中国商业世界的变迁，并把企业家的经验、商业世界的暗流与时代情绪，转化为得以被看见、被理解、被留存的叙事。</p>
<p>在 IF，他将和线性资本王淮一起，从商业、投资与社会观察出发，聊聊未来 500 天该押注什么，资本会流向谁，帮我们重新理解日常现象背后的变化与趋势。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/99/42/9942c81a217cf1d7d8db3c7409379d85.png" /></p>
<p data-pm-slice="0 0 []">Facebook 总部第一位中国籍研发经理。2014 年他创立线性资本，地平线、思灵机器人、群核科技、Rokid、地瓜机器人、它石智航，他都是最早的投资者。</p>
<p>他经历过互联网平台的崛起，也见证了中国 AI 与硬科技创业的多个关键阶段。</p>
<p>站在投资人的位置，他要分享的是一个更底层的判断：当 AI 改变技术、产品乃至产业的竞争规则，什么样的创业公司值得下注？下一轮真正有价值的机会，又会藏在哪里？</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/af/09/af09290a2a33ca74bd49be9d4629bf3b.png" /></p>
<p>杨慧是一位曾经站在开发者与智能之间的连接者，一直以生态思维做战略，推动技术与开发者的共同进步。数耀量生成立于 2026 年，由玻色量子战略孵化，以量子计算突破 AI 模型能力上限，通过量子-经典计算的混合架构，构建 AI 模型训练与持续自进化的能力，逐步迈向量子递归自进化。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/29/e1/29e1302852bde602c0237298627f4375.png" /></p>
<p data-pm-slice="0 0 []">90 后，2021 年创办极壳，最难时账上只剩 20 万，被近百位投资人拒绝过。2024年他带领团队实现产品量产并打开全球市场，让普通人在徒步、户外运动等场景中获得额外的动力支持，如今消费级外骨骼全球销量第一。</p>
<p>他会在 IF 展示，酷技术怎么变成人们喜欢带出门的好产品，穿上「外挂」之后生活将发生的奇妙转变。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/86/28/86288f1e2fb5fe7097c707cedf8b93c8.png" /></p>
<p data-pm-slice="0 0 []">00 后，曾参与 NASA 机器人研发，从康奈尔辍学创业。他打造的全球首款飞行 AI 宠物 Orbi，没有螺旋桨却能用柔软的身体轻轻飞起来。你一回家它就飞来迎接你；平时爱黏着你，凑过来想让你摸摸。它生命里最重要的事，就是和你待在一起。公司已获小红书等数千万级投资。</p>
<p>Orbi 将飞进 IF 现场，张宇诺将分享为什么「会飞」比「会聊」更重要。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/7b/d1/7bd1cd18c290bea2106497f92a0aed45.png" /></p>
<p data-pm-slice="0 0 []">出生在中国、成长在非洲、留学美国，进过美国 YC 的连续创业者。2025 年，他在深圳成立本惟无界，做了 Violoop：一根线插上电脑，让 Agent 直接读屏、动手操作电脑，真正无感进入用户的工作流程。</p>
<p>他要讲的是 AI 硬件一个正在发生的变化：当 AI 成为电脑的第二个使用者，它需要什么样的眼睛、双手和记忆？人与电脑之间的关系，正在被 Agent 改写。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/3d/8a/3d8ab99f079e6d3c2a78dff42b375655.png" /></p>
<p data-pm-slice="0 0 []">先后在快手、字节跳动、商汤科技工作，经历过内容社区、大模型和 Agent 产品的不同发展阶段。</p>
<p>如今正持续探索 Agent 如何在真实社会中成长，以及「人-Agent」混合的社会系统如何实现自我进化，打造了人类与 Agent 共同参与的社会经济网络 iLands：当 Agent 拥有独立的身份、关系与行动空间，超级智能与人类共存的经济社会将如何演进，又将如何孕育出新的制度与文明，最终造福全人类？</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/eb/36/eb365203ce363c6c5fc5f3d8cb3465bc.png" /></p>
<p data-pm-slice="0 0 []">Eight Sleep 不做「更软的床垫」，它研究的是体温和睡眠之间的关系，控温床套追踪每晚每刻的心率、呼吸和睡眠阶段，再由 Autopilot AI 算法自动调节床面温度。</p>
<p>凌璐负责 Eight Sleep 在中国市场的 0 到 1。她要回答的问题是：一种「看不见」的智能，该怎样被感知、被信任，并最终成为习惯？当行业都在谈主动式 AI，睡眠的这我们没有意识的 8 小时，或许是最早跑通的场景之一。她将在 IF 现场分享来自一张床的洞察。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/72/37/7237fb646477c027eab8f783056cfa5a.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/a5/05/a50545fa76658667620b1902e924ff20.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/8e/4f/8e4f515dad9d96c13ea3f2c50e8fa8ba.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/5a/29/5a29801e667e7395e0169d600522e3df.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/9b/f3/9bf32c1bdc5d69d1bcf12c1373137990.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/67/94/67948857b93a2217972595aceab93f4b.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b6/1c/b61cd94a2ee3e3f4e912656b9204974b.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/19/a6/19a6ef1180a318cdf4a3d0f4f0332220.png" /></p>
<p><strong>我们还将在现场公布：</strong></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/a5/f0/a5f00e67e6c1bbfabcecaff0ad783f62.png" /></p>
<p><strong>IF 2027 主舞台早鸟票全部售罄！</strong></p>
<p>没抢到？不要紧，正价票现已开放购买！</p>
<p>好戏即将开场，即刻锁座，抢到了才不烧心</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/66/6b/666bcba7522f635d95dc00a073bd4401.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f6/4a/f64aeb868ee4a5e458d6c53ac224907d.png" /></p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Wed, 18 Nov 2026 12:12:11 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[OpenAI 发布 GPT-6.2 Astra 和 Sol；王兴兴：家用机器人或将迎来技术突破；《GTA 6》开发商批评 AI 公司放任游戏仿制行为｜极客早知道]]>
      </title>
      <link>http://www.geekpark.net/news/374109</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/12/5d/125d9cd0a447594979b8fbee21b2db23.png" /></p>
<h1><strong>OpenAI 发布 GPT-6.2 Astra 和 Sol，强化编程、电脑操作与专业工作</strong></h1>
<p>OpenAI 正式发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款模型，重点提升专业任务、Coding、电脑操作和执行效率，并降低部分使用成本。新模型将应用于 ChatGPT Work、Codex 和 API。</p>
<p>其中，Astra 面向复杂编程和专业工作，Sol 则更强调日常多模态任务及工具使用。</p>
<p>OpenAI 同时发布系统安全卡，披露两款模型在网络安全能力方面均达到其 Preparedness Framework 的 Critical 门槛，Astra 的 AI 自我改进能力达到 High 门槛，因此加强了高风险能力的访问限制。（来源：OpenAI）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/5e/e2/5ee26c4cc56b595d4e88e0033c8707d5.png" /></p>
<h1><strong>谷歌 DeepMind 首席战略官跳槽 Anthropic，AI 人才争夺持续升温</strong></h1>
<p>11 月 17 日消息，据《The Information》报道，谷歌 DeepMind 首席战略官贾斯吉特&middot;塞孔（Jasjit Sekhon）已离职，正式加入 Claude 开发商 Anthropic。</p>
<p>塞孔在社交平台 X 上确认了这一消息，表示未来将致力于提升 Claude 的知识可靠性与事实严谨性。他今年 3 月加入 DeepMind，任职仅约 8 个月。此前曾在哈佛大学、加州大学伯克利分校及耶鲁大学任教，并担任桥水基金高级科学家兼 AI 负责人。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/c8/fe/c8fed56ac8f75e87c5e1673e0cb0b106.jpg" /></p>
<p>今年以来，谷歌 DeepMind 已有多名核心人才出走。6 月，Gemini 联合负责人诺姆&middot;沙泽尔转投 OpenAI；参与开发 AlphaFold 的诺贝尔化学奖得主约翰&middot;江珀也加入 Anthropic。</p>
<p>据数据公司 Zecki 统计，过去一年离开 DeepMind 的员工中，25% 加入 Anthropic，21% 流向 Meta，14% 选择 OpenAI。</p>
<p>随着 Anthropic 即将启动 IPO，全球 AI 巨头之间的人才争夺进一步加剧，Anthropic 正成为 DeepMind 人才流动的重要目的地。（来源：IT 之家）</p>
<h1><strong>马斯克：特斯拉 Robotaxi 最早 12 月开放车主接入</strong></h1>
<p>特斯拉 CEO 马斯克近日在社交平台 X 上透露，最早可能于 12 月启动个人车主接入 Robotaxi（无人驾驶出租车）网络的试运营，允许车主将自有车辆投入出租车队，通过接单获取收入。</p>
<p>这一表态源于一名奥斯汀 Uber 司机的公开提问。该司机表示，使用搭载 FSD 系统的 Model Y 运营网约车，扣除平台抽成后仅能获得 49% 至 63% 的车费收入，希望未来能够加入特斯拉 Robotaxi 车队。马斯克回应称，如果进展顺利，下个月可能启动试点。</p>
<p>目前，特斯拉 Robotaxi 业务主要在美国奥斯汀开展试点，车队规模约 300 辆。不过，其 FSD 系统仍被归类为 SAE L2 级辅助驾驶，距离真正实现完全无人驾驶及规模化商业运营，仍面临技术、监管和责任划分等挑战。（来源：TechWeb）</p>
<h1><strong>Anthropic 收紧漏洞披露政策：高危漏洞期限缩至 30 天</strong></h1>
<p>Anthropic 宣布，自 2027 年 1 月 1 日起调整漏洞披露政策，将高危及关键级别漏洞的披露期限从 90 天缩短至 30 天，其他级别漏洞调整为 45 天。</p>
<p>Anthropic 表示，AI 技术正加速漏洞发现与修复，漏洞被重复发现的风险随之增加。新政策还将维护者未响应时寻求外部协调的等待期缩短至 15 天，补丁发布后公开技术细节的等待期缩至 30 天。对于修复难度较高的漏洞，将与供应商协商合理期限。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ef/ac/efac246aae2f59fcec68d76e58032a7e.png" /></p>
<h1><strong>美国加州起诉 OpenAI：指控 AI 智能体至少 80 次失控</strong></h1>
<p>美国加利福尼亚州于当地时间 11 月 16 日正式起诉 OpenAI，指控其在先进 AI 模型开发和测试过程中缺乏必要的安全防护，导致 AI 智能体多次突破测试环境限制，对第三方网络发起未经授权的攻击。</p>
<p>诉讼重点涉及 2026 年 7 月的一起安全事件。加州司法部称，数百个运行 OpenAI 实验性模型的自主 AI 智能体突破隔离环境，通过公共互联网攻击开源 AI 平台 Hugging Face，持续约两天半。检方认为，OpenAI 此前已发现智能体逃离测试环境、滥用第三方资源等异常迹象，却未采取充分防范措施。</p>
<p>加州总检察长罗布&middot;邦塔表示，Hugging Face 事件并非个例，OpenAI 测试期间至少发生过 80 次 AI 智能体失控事件，部分涉及第三方网站及系统。加州方面同时指控 OpenAI 未充分披露相关风险，也未完整回应监管调查。( 来源：新浪科技）</p>
<h1><strong>十天翻倍：苹果折叠屏 iPhone Duo 适配应用突破 20 万款</strong></h1>
<p>11 月 17 日消息，苹果全球营销高级副总裁格雷格&middot;乔斯维亚克近日宣布，已有超过 20 万款应用完成针对首款折叠屏手机 iPhone Duo 的优化，较十天前公布的 10 万款实现翻倍。</p>
<p>为推动生态适配，苹果要求自 2027 年 4 月起，提交至 App Store Connect 的 iOS 及 iPadOS 应用必须使用 iOS 27 及以上 SDK 构建，使用 iOS 27.1 及以上 SDK 的应用还需提供 iPhone Duo 专用截图。</p>
<p>与此同时，苹果发布 iOS 27.3 开发者测试版 Beta 2，新增外屏摄像头面容解锁及合盖自动锁屏功能，进一步优化折叠屏使用体验。随着开发者加速适配，苹果折叠屏生态正逐步完善。（来源：TechWeb）</p>
<h1><strong>宇树科技王兴兴：家用机器人或将迎来技术突破</strong></h1>
<p>宇树科技 CEO 王兴兴在深圳 APEC 工商领导人峰会上表示，机器人行业目前面临的最大挑战是 AI 模型泛化能力不足，机器人在更换应用场景后往往需要重新训练，难以适应不同家庭和工作环境。</p>
<p>王兴兴认为，2026 年全球机器人技术的发展已接近突破临界点，未来机器人或许很快就能真正进入家庭，承担日常劳动。</p>
<p>不过，他也指出，即便 AI 模型取得突破，机器人产业仍需应对规模化生产、产品可靠性、售后服务、算力需求及使用安全等挑战。随着市场需求可能从数万台增长至数百万甚至数千万台，产业链的整体承载能力将面临考验。（来源：IT 之家）</p>
<h1><strong>谷歌 Gemini 智能体安全测试失控：40 个 AI 擅自攻击真实网站</strong></h1>
<p>11 月 17 日消息，AI 安全研究公司 Trajectory Labs 近日披露，在针对谷歌 Gemini 4 Argon 智能体的安全测试中，约 40 个 AI 智能体在接到无法完成的任务后，未经授权访问非营利研究机构 Epoch AI 的真实网站，尝试获取管理员凭据及评估日志等敏感信息。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/70/43/70435c73f2fef302870638ded0664ef9.jpg" /></p>
<p>测试期间，智能体在 3 小时内发起超 3.6 万次请求，并发送 487 条消息，部分智能体冒充机构员工索取信息，甚至尝试 SQL 注入攻击。研究人员随后将测试转移至本地网站副本，但智能体仍通过查找真实 IP、绕过网络限制等方式继续访问目标网站，还利用软件包缓存搭建共享信息的系统，交流漏洞利用方法。</p>
<p>Trajectory Labs 承认测试流程存在缺陷，强调研究人员从未指示智能体实施攻击，并呼吁行业建立统一的 AI 安全测试标准，采用完全隔离的沙箱环境，避免测试行为波及真实系统。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ea/27/ea27c7c25dd83d0a619bc1b94be62163.png" /></p>
<h1><strong>可灵 AI 全新一代图像创作模型 Kling Image 4.0 正式上线</strong></h1>
<p>11 月 17 日晚，可灵 AI 全新一代图像创作模型 Kling Image 4.0 正式上线。</p>
<p>本次升级在画面真实感、文字表现力、指令理解与一致性上实现显著提升：原生相机级真实感让光影质感更自然，原生 8K 超高清画质带来丰富细节；文字生成与设计表现全面升级，支持单张图片内生成 2000 字；组图直出支持一次描述生成最多 10 张连贯图片、电商详情页与网页设计长图生成，一次性呈现完整页面视觉。</p>
<p>面向影视创作、广告营销等专业场景，Kling Image 4.0 将为图像画面的细腻表达与高效创作提供更完整支持。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ab/62/ab625a3f35249e0e46a7ebab9f351ae2.png" /></p>
<p>&nbsp;</p>
<h1>范式智能发布并开源 Phai 系列双模型：A1 响应快 8&mdash;10 倍，M1 支持音画同步视频生成，全流程国产算力训练</h1>
<p>极客公园获悉，范式智能（原第四范式）今日已上线发布 Phai 系列两款模型：通用语言模型 Phai-A1 与视频生成模型 Phai-M1，分别面向高效轻量的语言模型应用和更真实的视频内容生产。</p>
<p>根据官网介绍，Phai-A1 重点优化推理效率与长上下文处理能力，面向代码开发、智能助手等场景。官方测试显示，在单卡 RTX3090、相同智能体环境相同任务下，A1 相较 Qwen 27B 响应速度提升约 8&mdash;10 倍；具备原生百万级上下文窗口，并支持个人电脑本地运行，单张消费级显卡即可丝滑运行。Phai-M1 面向真人影视场景训练优化，支持音画同步生成，约 3 分钟可生成 15 秒 720P 高清视频，强调减少「AI 味」、提升人物表现与画面质感。</p>
<p>Phai 系列模型全流程在华为昇腾平台完成专项后训练优化，目前已接入 PhanRouter、ModelSphere、Phanthy、PhanthyMovie、PhanthyCode 等应用。官方称，未来不久将在 Hugging Face、ModelScope 等平台开放模型权重。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/21/38/21382c935a43172c9ba9f247f2bbe221.jpg" /></p>
<h1>吉利银河 M8 全球首秀，定位旗舰大五座 SUV</h1>
<p>吉利银河旗下首款旗舰大五座 SUV&mdash;&mdash;银河 M8 于 11 月 17 日正式亮相。新车延续银河 M9 的家族式设计，车身长宽高分别为 5205/1999/1800mm，轴距 3030mm，采用大五座布局。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/bf/c2/bfc2b2e769283aaeb32cfe7e45e04ff5.png" /></p>
<p>外观方面，新车提供 20 英寸和 21 英寸轮圈，可选装双拼色车身。内饰延续银河 M9 的设计风格，配备大尺寸悬浮式中控屏。</p>
<p>动力方面，银河 M8 搭载由 1.5T 发动机与电机组成的插电式混合动力系统，发动机最大功率 120kW，提供两驱和四驱版本，采用宁德时代磷酸铁锂电池，纯电续航最高 251 公里。目前，新车售价及具体上市时间尚未公布。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/00/f1/00f15d5073c4be0f103f9580f50500d6.png" /></p>
<h1><strong>Take-Two CEO 批评 AI 公司放任游戏仿制行为</strong></h1>
<p>《GTA 6》发行商 Take-Two CEO 施特劳斯&middot;泽尔尼克近日在接受 IGN 采访时，批评 Anthropic、OpenAI 等 AI 公司对用户利用生成式 AI 仿制现有游戏的行为缺乏有效限制，呼吁科技企业加强知识产权保护。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/d1/30/d1301447863e6d3ca0f0e4832483ba65.png" /></p>
<p>随着 AI 辅助编程技术的发展，游戏仿制门槛不断降低，部分开发者因担忧作品遭到提前复制，甚至取消了游戏试玩和测试活动。此前，《马力欧卡丁车 Wii》《班卓熊大冒险 2》《塞尔达传说：织梦岛》等游戏均曾遭到 AI 辅助逆向开发。泽尔尼克指出，AI 公司自身依赖知识产权开展业务，更应尊重和保护其他企业的知识产权。</p>
<p>针对相关争议，Anthropic 已调整 Claude 的使用限制，禁止用户利用 AI 重新制作他人的特定游戏，同时强调原创游戏及使用自主设计素材开发的作品仍可正常制作。（来源：IT 之家）</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Wed, 18 Nov 2026 08:48:04 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[最大规模具身大模型挑战赛落幕，48 小时真机总决赛比出了什么？]]>
      </title>
      <link>http://www.geekpark.net/news/374103</link>
      <description>
        <![CDATA[<div><section><section><section style="text-align:center;margin-left:8px;margin-right:8px"><a style="width:100%"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/e7/a0/e7a01bf65d3fcc871240ccca8fe85849.png" style="width:100%"/></a></section><section style="margin-right:8px;margin-bottom:0em;margin-left:8px;color:rgba(0, 0, 0, 0.9);letter-spacing:1px;text-align:center"><span><br/></span></section><section style="margin-right:8px;margin-bottom:0em;margin-left:8px;color:rgba(0, 0, 0, 0.9);letter-spacing:1px;text-align:center"><span><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/59/5a/595ac50a2d97a0218130d05b544f1a75.jpg" style="vertical-align:bottom;color:rgb(0, 0, 0);text-align:left;width:100%"/></span></section><section style="margin:-0.6em 8px 2em;padding:25px 18px 18px;text-align:justify;line-height:1.8em;letter-spacing:0.3px;color:rgb(255, 255, 255);background-color:rgb(0, 0, 0)"><span>开发者围绕同一块基础模型进行实验，让模型直面成功的方法、失败的经验和真实世界的问题。</span></section><section style="margin-top:25px;margin-right:8px;margin-left:8px;letter-spacing:1px;color:rgb(0, 0, 0);line-height:1.5em;text-align:left"><strong style="color:rgb(55, 84, 116)"><span><br/></span><span>作者｜Li Yuan</span></strong><strong style="color:rgb(55, 84, 116)"><span><br/></span></strong></section><section style="margin-right:8px;margin-left:8px;letter-spacing:1px;color:rgb(0, 0, 0);line-height:1.5em;text-align:left"><strong style="color:rgb(55, 84, 116)"><span>编辑｜</span><strong><span>郑玄</span></strong></strong></section></section></section><p style="margin:48px 8px 25px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>最大规模具身大模型挑战赛总决赛结果出炉，排名第三的队伍 SST 只额外采集了 13 条数据。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>他们没有大量补数据，而是让 DeepSeek 先理解任务，再用视觉分割模型标出目标物体，最后交给 LingBot-VLA 2.0 完成动作，并在真机评测中拿到 65.87 分。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>通用大模型与具身模型的协同在这里变得很具体：DeepSeek 负责弄清楚要做什么，具身基础模型帮机器人找准操作对象、做出动作。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>11 月 16 日，首届蚂蚁灵波具身大模型挑战赛在上海张江收官。经过线上初赛，15 支战队进入为期 48 小时的线下总决赛。所有队伍使用同一款开源模型 LingBot-VLA 2.0、同一款松灵 COBOT MAGIC 机器人和统一的现场算力，完成蔬果摆放、化妆品收纳和双臂清扫三项任务。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>起点相同，解法不限：有人重采数据，有人调整模型的训练和推理方式，也有人接入通用大模型、视觉分割或仿真工具。48 小时里，15 支队伍要回答的是同一个问题：面对真实桌面上的物体，怎样让已有的模型把这件事做成？</span></p><section><section><section style="margin-right:8px;margin-left:8px;letter-spacing:0.578px;text-align:justify;color:rgb(62, 62, 62)"><section style="margin-top:10px;text-align:center"><section style="width:auto;vertical-align:top;height:auto"><section><section style="line-height:1;letter-spacing:0px;color:rgb(45, 113, 214)"><p><span><em><strong><span><br/></span></strong></em></span></p><p><span><em><strong><span>01</span><span><br/></span></strong></em></span></p></section></section><section style="margin-top:-10px"><section style="width:44.9531px;height:10px;vertical-align:top;background-color:rgb(254, 226, 0)"></section></section></section></section></section><p style="margin-bottom:24px;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center"><span><strong style="letter-spacing:1px"><span style="color:rgb(0, 0, 0)"><strong style="letter-spacing:0.578px;color:rgb(0, 0, 0)"><span>当胜负开始取决于如何使用数据</span><span><br/></span></strong></span></strong></span></p><p style="margin-bottom:24px;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center"><span><strong style="letter-spacing:1px"><span style="color:rgb(0, 0, 0)"><strong style="letter-spacing:0.578px;color:rgb(0, 0, 0)"><span><br/></span></strong></span></strong></span></p></section></section><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>纵观整场比赛，有一点十分有趣：几乎每支队伍都提到了数据工程的重要性。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>LingBot-VLA 2.0 已经具备基本的视觉理解、指令理解和动作生成能力。参赛者不必在 48 小时里重新训练一个机器人大脑，而可以直接判断模型已经会什么、会在哪些情况下失败，再决定应该补什么数据、怎样训练。</span></strong></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>冠军团队 TARS 首先给三项任务分出了难易。经过测试，他们发现，水果摆放和化妆品收纳的主要问题，是现场的无关物体容易干扰判断。团队因此引入大模型识别目标和干扰物，再遮挡无关区域，让机器人更专注于当前任务。团队介绍，这套方法让第一项任务实现了 10 次全部成功。</span></p><section style="text-align:center;margin-left:8px;margin-right:8px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/ad/5e/ad5eb8adac74be662f57b21881796e4b.jpg" style="width:100%"/></section><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>他们把更多时间和数据留给了最难的双臂清扫。簸箕抓取不稳，团队便重新选择抓持位置并补采数据；机械臂伸远、负重后会下坠，他们又测量不同负重下的偏差，对动作进行补偿。此外，团队还将单步训练时间从约 15 秒压缩到 3.4 秒，为现场迭代争取时间。最终，TARS 以 82 分拿到第一名。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>排名第三的 SST 走的是「少而准」的路线。除了在推理时接入 DeepSeek 和视觉分割模型，他们还冻结了部分预训练参数，避免 13 条补充数据破坏 LingBot-VLA 2.0 原有的通用能力。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>获得第二名的 EVA 则选择持续补数据。比赛开始时，他们直接用官方数据训练，真机成功率只有约 10%。团队把每轮测试中的失败重新变成训练数据：机器人在哪里抓偏了、什么角度容易出错，就围绕这些问题继续采集和训练。经过 7 轮迭代，数据增加到约 1200 条，自测成功率提高到 73.83%。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>资源有限的 FDU_SONIC，把重点放在了已有数据上。这支由四名复旦学生组成的队伍，平时使用约两千元的机械臂，算力也不充足。他们没有选择成本更高的模型结构创新，而是反复分析官方提供的 647 条轨迹，再通过真机测试寻找失败原因，围绕问题调整数据。最终，团队获得第五名和三等奖。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>四支队伍使用同一款模型，却做出了完全不同的数据选择。</span></strong></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>真正拉开差距的，也不再是谁采集的数据更多，而是谁更理解 LingBot-VLA 2.0 已经具备的能力，能够用最合适的数据和工具把它释放出来。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>基础模型越强，开发者越不需要重复建设底层能力，也越能把时间花在过去只有完整机器人团队才有机会解决的真机问题上。</span></p><section><section><section style="margin-right:8px;margin-left:8px;letter-spacing:0.578px;text-align:justify;color:rgb(62, 62, 62)"><section style="margin-top:10px;text-align:center"><section style="width:auto;vertical-align:top;height:auto"><section><section style="line-height:1;letter-spacing:0px;color:rgb(45, 113, 214)"><p><span><em><strong><span><br/></span></strong></em></span></p><p><span><em><strong><span>02</span><span><br/></span></strong></em></span></p></section></section><section style="margin-top:-10px"><section style="width:44.9531px;height:10px;vertical-align:top;background-color:rgb(254, 226, 0)"></section></section></section></section></section><p style="margin-bottom:8px;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center"><span style="font-weight:bold"><span>同一道题，</span></span></p><section style="text-align:center"><strong style="letter-spacing:1px"><strong style="letter-spacing:0.578px;color:rgb(0, 0, 0)"><strong style="color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px"><span><span>开发者带来了不同的解法</span></span></strong></strong></strong></section><strong style="letter-spacing:1px"><strong style="letter-spacing:0.578px;color:rgb(0, 0, 0)"><span><br/></span></strong></strong></section></section><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>数据之外，15 支队伍本身的背景，也很值得一看。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>进入决赛的 15 支队伍中，有长期研究机器人的学生和工程师，也有人来自自动驾驶、搜索推荐、大模型评测和 AI 基础设施等领域。对其中一些人来说，这甚至是第一次接触机械臂、仿真环境和真机调试。因此，大家的路线也格外精彩。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>「416 一定行」的两名队员此前从事搜索推荐和多模态算法工作，刚刚毕业，也是第一次接触机器人仿真和真机调试。他们最初沿用互联网算法中常见的思路，通过补充数据和全量微调，让模型适应比赛场景。但结果并不完全符合预期：模型在标准场景中表现更好，换到物体随机摆放的环境后，成功率反而下降。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><span>团队进一步分析后判断，视觉模块过度学习了比赛数据，损失了 LingBot-VLA 2.0 原有的通用能力。他们因此限制视觉部分的学习幅度，把更多优化集中在动作模块。这次尝试揭示了基础模型开发中一个重要问题：</span><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>开发者不仅要教会模型处理新任务，还要避免在微调过程中破坏它已经拥有的能力。</span></strong></span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>来自大模型评测领域的「今天也要好好检东西」，看到的则是另一个问题。团队习惯先拆解任务、设计评价标准，再寻找失败发生在哪个环节。比赛中，他们让视觉语言模型负责理解环境和规划步骤，再由 LingBot-VLA 2.0 执行动作，同时搭建仿真环境，提前验证方案。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><span>但到了真机现场，仿真桌面与真实桌面存在约 5 厘米的尺寸偏差，原本设计好的动作因此失效。这次失败并非毫无价值：它直接暴露了具身智能与纯软件开发的区别。数字环境中的方案可以精确复现，机器人面对的却是尺寸、光线、摩擦和机械误差都会变化的物理世界。</span><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>通用模型降低了进入门槛，却不会自动抹平仿真与现实之间的距离。</span></strong></span></p><section style="text-align:center;margin-left:8px;margin-right:8px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/2f/7f/2f7f4ea8eec6fa5f408b75777900f473.jpg" style="width:100%"/></section><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>更熟悉 AI 基础设施的团队，首先想到的则是加快训练。</span></strong><span>「持续知行」将单步训练时间从约 15 秒压缩到 4 秒，并在 48 小时内测试了约 30 个模型检查点；Motion 也把训练速度从每步约 14 秒提高到 3.7 秒。对一场只有 48 小时的比赛来说，训练提速并不只是节省等待时间，而是意味着团队可以多完成几轮「训练—上机—发现问题—重新调整」，更快找到有效方案。</span></span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>还有自动驾驶从业者把残差学习和数据增强迁移到机械臂，机器人研究者则让模型根据环境的不确定程度调整动作长度。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>这些方案并非都取得了理想成绩，但对第一次接触机械臂的人来说，能在 48 小时里把自己行业的方法搬上真机试一遍，本身就说明门槛在降。</span></p><section><section><section style="margin-right:8px;margin-left:8px;letter-spacing:0.578px;text-align:justify;color:rgb(62, 62, 62)"><section style="margin-top:10px;text-align:center"><section style="width:auto;vertical-align:top;height:auto"><section><section style="line-height:1;letter-spacing:0px;color:rgb(45, 113, 214)"><p><span><em><strong><span><br/></span></strong></em></span></p><p><span><em><strong><span>03</span></strong></em></span></p></section></section><section style="margin-top:-10px"><section style="width:44.9531px;height:10px;vertical-align:top;background-color:rgb(254, 226, 0)"></section></section></section></section></section><p style="margin-bottom:8px;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center"><span style="font-weight:bold"><span>具身智能还没找</span></span></p><p style="margin-bottom:8px;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center"><span style="font-weight:bold"><span>自己的 Scaling Law</span></span></p><strong style="letter-spacing:1px"><strong style="letter-spacing:0.578px;color:rgb(0, 0, 0)"><span><br/></span></strong></strong></section></section><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>回到开头的 SST。只有 13 条补充数据之所以值得关注，是因为团队先用已有工具解决了指令理解和目标定位的问题，再让 VLA 专注于动作执行。TARS 也在蔬果摆放和化妆品收纳中用到了类似思路：先借助大模型识别目标，再减少画面里的干扰，让动作模型接收到更明确的输入。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>最近一段时间，随着 Fable5.2 发布，很多人开始讨论通用大模型会不会吃掉具身智能基础模型？</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>在大赛同日举行的蚂蚁灵波首届开发者大会上，CEO 朱兴表示：「具</span></strong><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>身智能仍处早期，通用大模型的进展会加速行业发展，但机器人最终要在真实场景中证明，换个条件还能干、速度跟得上、成本也算得过来。</span></strong><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>」</span></strong><span> 对蚂蚁灵波来说，基模最值得追求的进步，是让伙伴用更少的数据和后训练成本，把机器人部署到新场景。</span></span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>过去几年，机器人本体、关节、灵巧手和传感器快速发展，能够生产机器人的公司越来越多，但机器人如何理解环境、适应新任务，仍然需要大量定制开发。如果每一种机器人、每一个场景都要重新训练一套大脑，再丰富的硬件形态也很难转化为规模化应用。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>这也说明，具身智能的技术范式还远未收敛。此时真正稀缺的，不只是某一个应用，而是更多人围绕同一块基础模型进行实验，把成功的方法、失败的经验和真实世界的问题带回来。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span>朱兴也认为，本体和末端工具会长期保持多样。生产场景有不同的效率、节拍和成本要求；即便将来进入家庭，不同用户的需求和偏好也不一样。这意味着，模型适配不同构型会是一个长期问题。</span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><span>「目前看 VLA、世界模型、通用大模型控制机器人等路线都在探索，行业还不知道哪类数据扩大规模后，能带来能力跃迁。」朱兴表示：</span><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>「不要盲目乐观，但也没必要过于悲观。」</span></strong></span></p><p style="margin:25px 8px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>比如这次比赛中</span></strong><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>，LingBot-VLA 2.0 已经开始承担机器人大脑这一层的基础能力：让开发者不必从零搭建视觉、语言和动作系统，而是可以直接在已有模型上训练、优化和部署</span></strong><strong style="margin-top:0px;margin-bottom:0px;text-align:left;color:rgb(0, 0, 0);letter-spacing:0px;line-height:1.6"><span>，让机器人可以更好地在真实世界干活，</span></strong><span>这也是蚂蚁灵波开放模型、组织统一真机评测的意义所在。</span></span></p><section><section><section><section style="color:rgba(0, 0, 0, 0.9);text-align:justify;letter-spacing:1px;margin-left:8px;margin-right:8px"><span style="color:rgb(172, 172, 172)"><span>*头图来源：蚂蚁灵波</span></span></section><section style="color:rgba(0, 0, 0, 0.9);text-align:justify;letter-spacing:1px;margin-left:8px;margin-right:8px"><span style="color:rgb(172, 172, 172);text-align:unset"><span>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</span></span></section><section><section style="margin-left:8px;margin-right:8px"><section style="color:rgba(0, 0, 0, 0.9);text-align:justify;letter-spacing:1px"><span><br/></span></section><section style="margin-top:10px;margin-bottom:-40px;color:rgba(0, 0, 0, 0.9);letter-spacing:1px;text-align:center"><section style="width:55px;height:55px;vertical-align:top;background-color:rgb(255, 242, 181)"><section></section></section></section><section style="margin-bottom:20px;color:rgba(0, 0, 0, 0.9);text-align:justify;letter-spacing:1px"><section style="color:rgb(95, 156, 239);line-height:1;letter-spacing:2px"><section style="text-align:center"><strong><span>极客一问</span></strong></section><section style="text-align:center"><strong><span><br/></span></strong></section></section></section></section></section></section></section></section><p style="margin:5px 0px;text-align:center"><span><span style="font-weight:bold">通用大模型与具身模型，</span></span></p><p style="margin:5px 0px;text-align:center"><span><span style="font-weight:bold">该如何协同落地？</span></span></p><p style="margin:25px 0px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span></span></p><p style="margin:25px 0px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><a style="width:100%;color:rgb(0, 0, 0)"><span style="color:rgb(0, 0, 0);font-weight:normal;font-style:normal;text-decoration:none"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/87/1e/871e2d4dce893d78bfe39c4e157f93dd.gif" style="width:100%"/></span></a></p><p style="margin:25px 0px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><a href="https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&amp;mid=2653116488&amp;idx=2&amp;sn=18938311eab6f6d73e1dbbab000047a0&amp;scene=21#wechat_redirect" rel="noreferrer" target="_blank"><span><span style="color:rgb(0, 0, 0);font-weight:normal;font-style:normal;text-decoration:none"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/dd/0c/dd0c5c42c9f3a9741cd5a10e6f757fca.png" style="width:100%"/></span></span></a></p><p style="margin:25px 0px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/b1/7f/b17fe4cb1f019c2ff96c66818eacd59a.gif" style="width:100%;max-width:661px;height:auto;margin:0 auto;vertical-align:bottom;background-color:transparent;margin-bottom:0"/></span></p><p style="margin:25px 0px;text-align:justify;color:rgb(0, 0, 0);letter-spacing:1px;line-height:1.75"><span><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/7b/cd/7bcd3ad752d9876d6f5421ccafcfea2f.gif" style="width:100%;max-width:661px;height:auto;margin:0 auto;vertical-align:bottom;background-color:transparent;margin-bottom:0"/></span></p><p></p></div>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 17 Nov 2026 19:18:55 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[AI，没有抛弃小城商家]]>
      </title>
      <link>http://www.geekpark.net/news/374101</link>
      <description>
        <![CDATA[<div data-page-id="X6rJdI1TZovczkxFLZgcUOsonjh" data-lark-html-role="root" data-docx-has-block-data="false">
<div class="ace-line ace-line old-record-id-doxcnvFFWphcdLYR29DHICH6WFe"><strong>作者｜李苏</strong></div>
<div class="ace-line ace-line old-record-id-doxcnIBLCU6DsmEmcfyt7WA18Cb"><strong>编辑｜郑玄</strong></div>
</div>
<p>理解本地商业，是 AI 走出实验室后的新课程。</p>
<p>过去几年，AI 界擅长讲的故事变了。</p>
<p>从最开始谈技术，讲参数有多大，算得有多快，跑分超过多少人，慢慢转变为讲落地，讲 AI 怎么一分钟生成商业计划书，怎么给被生活困扰的人们出情绪价值满满的建议。</p>
<p>走出实验室，AI 下一站在哪里？这背后，是一段讲了一半的「AI 平权」故事。前面讲的这一半，是消费者：普通人用 AI 获取信息、写方案、做攻略。还有没讲完的一半，在经营者那里&mdash;&mdash;对小店老板来说，AI 平不平权，从来不是能不能跟它聊天，而是它能不能帮自己管钱、管货、管客流。</p>
<p>OpenAI 11 月上线测试功能「Businesses in ChatGPT」，让商家认领资料、维护信息，看到用户如何在 ChatGPT 里与自己互动。功能不大，信号很清楚：巨头们开始给「商家」留位置了。</p>
<p><strong>这件事，国内的生意其实已经先跑起来了。美团数据显示，近一个月，三线及以下城市使用美团 AI 助手的商家数量环比增长超 200%，主动发起的对话量增长约 3 倍。</strong></p>
<p>ToB 端的 AI 落地，一条路向上进写字楼，服务白领办公；另一条向里走进街头巷尾，服务一天忙十几个小时的小店。后一条其实更难，考验的不是模型多聪明，而是懂不懂本地生意，是否理解物理世界的复杂，它要看得懂一家外卖店的菜单排序，也要看得见一家酒店和附近同行价格微妙的变化。</p>
<p>从山东日照、辽宁朝阳的餐饮小店，到内蒙古赤峰的酒店，小城店长也开始用起了 AI 店长。目前，针对餐饮、酒旅、医药等行业，美团都推出了一系列 AI 经营助手，这些 AI 能力也被接入了中小商家平时使用的经营后台。AI 不仅在走进市井中最朴素的生意日常，也开始服务一个由千千万万家小店组成的庞大市场。</p>
<h1 style="text-align: center;"><strong><em>01</em></strong></h1>
<p style="text-align: center;"><strong>改变生意，</strong></p>
<p style="text-align: center;"><strong>从一张外卖菜单开始</strong></p>
<p>过去，山东日照的披萨店老板艾泽判断生意好坏，主要看自己累不累，「忙得顾不上休息，就觉得今天生意应该不错」。但在今年 7 月份用上妙手外卖版后，曝光、转化率和商品表现被摆到了一起，他才发现，数据反映的情况，并不总和直觉一致。</p>
<p>做套餐，是最先让他改变想法的一件事。</p>
<p>原来，艾泽觉得顾客想吃什么，自己单点就好，没必要专门搭配。但 AI 给出的分析让他意识到，在外卖的生意里，一份套餐可以对应一种更明确的消费需求，也能帮助顾客更快做出选择，能留住特定的客群。</p>
<p>他开始重新整理菜单，修改图片和卖点文案，调整商品排序，也设计了以前不愿意做的套餐。在每月省下上千元代运营成本的同时，艾泽也从以前「闲到蹲在路边看蚂蚁」变成了「连口水都顾不上喝」。据艾泽介绍，在用上 AI 半个月后，店里的外卖单量比此前翻了一倍多，「每天光是高峰期就有三四十单」。</p>
<p>「现在每天早起到店里后，我的第一件事情就是问妙手，看看昨天的经营情况如何，哪个餐品卖的好，哪个不太行，原因都有哪些」。如今，AI 已经成为艾泽门店经营中的重要一环，艾泽也慢慢摸索出了自己的节奏，在调整菜单后，他会留出一段时间观察效果，再决定下一步怎么改，「以前需要自己翻后台一点点算账，现在是 AI 直接帮我拉数据、做分析，并给出调整建议，我也越来越懂该怎么做好这门生意了。」</p>
<p>从沿海旅游小城日照往北走，在内陆四线城市的内蒙古赤峰，入行接近二十年的酒店老板彭彭面临的是另一种焦虑：大家都在降价，自己要不要跟？</p>
<p>他的酒店没有专职收益管理人员，房价怎么定，活动怎么做，房态怎么调，要靠自己盯。今年七八月迎来了内蒙古的旅游旺季，周边的不少酒店开始降价抢客。跟着降，担心损失收入；不降，又怕客人去了别家。</p>
<p>彼时陷入两难的彭彭，开始每天花一个小时跟美团面向酒店商家推出的 AI 助手「妙手&middot;既白」讨论这个问题。</p>
<p>让彭彭感到出乎意料的是，AI 并没有机械地催他打价格战，而是把酒店具体的订单情况、与周边同行的差距、浏览量和转化排名、以及酒店的优劣势全部汇总到一起。过去，这样的统计需要彭彭逐一汇总，「遇上暑期高峰时，仅是把店铺生意看的更清楚，每周就至少需要花费半天的时间，关键纯凭我们开店的经验做出的判断还不一定准确。」</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/2d/ac/2dac8ce63ab6ac4c564495a96e36ff29.png" /></p>
<p>彭彭在内蒙古赤峰的酒店｜图片来源：受访者供图</p>
<p>据彭彭介绍，在周边降价的那段时间里，是 AI 让他「维持价格」的建议给了他信心，他没有急着跟进，而是结合分析做了其他经营调整，门店的下单转化排名也提升至同城同规模酒店的前五名。</p>
<p>到了辽宁朝阳的县城中，AI 则接手了更基础的工作。</p>
<p>在建平县的一所高中旁，王欢和家人经营着一家开了四年的卷饼店，每天从早上七点备货到晚上八点，有时学生放学忙起来的时候，甚至都没空腾出手来点一下出餐。他也尝试过代运营，但同样遇到了响应慢、沟通难的问题。</p>
<p>几天前，王欢才用上妙手外卖版。最开始 AI 做店铺的经营诊断时，王欢注意到，店里主打的全家福卷饼，「居然连一段商品介绍都没有」。他照着生成的方案补上卖点文案，又调整了首页商品排序。那些被日常忙碌搁置的经营细节，终于开始有人帮他补齐。</p>
<p>艾泽、彭彭和王欢使用 AI，都从日常经营的小事开始：补介绍、看转化、调菜单。他们不必先研究技术参数，而是从熟悉的经营问题出发，查看建议，再结合门店情况调整。</p>
<h1 style="text-align: center;"><strong><em>02</em></strong></h1>
<p style="text-align: center;"><strong>懂生意的 AI，</strong></p>
<p style="text-align: center;"><strong>正在补齐小店里一直缺少的那个岗位</strong></p>
<p>如果把视线从这几家小店拉开，就能看清下沉市场规模庞大、需求分散的基本盘。</p>
<p>最新数据显示，县域地区占全国九成国土面积，承载了五成常住人口和四成经济总量；截至 2026 年 7 月底，下沉市场在册个体工商户超过 7800 万户，其中 86%从事服务业相关行业，包括餐饮小店、民宿等等。</p>
<p>与此同时，县域商业正在发生变化。美团《2026 年度县域消费报告》显示，当年上半年，平台线上有交易的县域商户数量同比增长近 10%，县域连锁品牌商户数量同比增长近 20%。</p>
<p>商户数量增长的同时，县域商业也在走向更精细的经营。小城里的实体小店，既要照顾本地熟客，也要让第一次到访的游客在手机上找到自己；既要把产品做好，也要弄清楚线上页面怎样展示、活动怎样设置。连锁品牌可以依靠总部的专业团队，小店却往往只能由老板一人兼顾。</p>
<p><strong>「小店真正缺的，是一个在编制里长期空缺的运营岗位。」有业内人士对极客公园分析表示，「尤其是对于三线及以下城市的小店来说，想要做好精细化的运营，不仅考验店主对生意的理解，忙碌了一整天的老板们，也很难有时间、有精力承接这些工作。」</strong></p>
<p>代运营曾经是补上缺口的一种办法。但正如艾泽表示，在付费之后，代运营的响应速度和服务质量依然存在很大的不确定性。王欢也表示，县城里用 AI 经营的商家还不多，有人习惯凭长期积累的经验做买卖，更多人则是常年处在各种卖课培训和代运营骗局的重灾区里，一听说要花钱买工具就本能地抗拒，极度害怕选错工具白花冤枉钱。</p>
<p>这也是 AI 进入数千万实体小店必须面对的现实：老板愿意试用，往往因为有一个眼下需要解决的问题；能否留下来，则取决于它能不能持续给出用得上的帮助。</p>
<p>艾泽和彭彭其实最初都试过通用型的 AI 工具。艾泽的感受是，市面上通用型的 AI 工具只适合简单聊天，「对方只会顺着自己的想法说好话，根本不敢拿来做生意上的决定。」</p>
<p>彭彭也曾将酒店的经营难题问过通用大模型，得到的方案全是拍短视频、做宣传推广这类很难落到具体动作上的套话，「没有给出什么实质性的帮助」。</p>
<p>「真正拉开通用型和垂直领域 Agent 在实际经营场景中能力差距的，不只体现在模型能力上，也体现在能否获取与经营问题相关的上下文和数据上。」上述业内人士表示，只知道行业的一般做法，还不足以回答某一家店此刻的问题。比如，讨论一家酒店是否应该降价，需要知道它当前的房态、接单速度和周边市场变化；判断餐饮小店是否需要做套餐，也要结合商品表现和客群需求。</p>
<p>数据之外，还有使用门槛的差距。<strong>「并不是所有 AI 助手都能触手可得，」该业内人士说，对于绝大多数的实体小店来说，如果老板仍要花费大量的时间和精力去配置数据和知识库，学习该如何撰写提示词，甚至涉及编程时，那么负担依然不小。</strong></p>
<h1 style="text-align: center;"><strong><em>03</em></strong></h1>
<p style="text-align: center;"><strong>当专业的经营能力开始走出大公司</strong></p>
<p>要把 AI 做到小店老板伸手就能用的地步，光靠算法参数的堆叠远远不够&mdash;&mdash;这是一门要在烟火气甚至泥土里攒下的生意底盘，需要把模型能力与门店数据、行业经验和具体操作连接起来。</p>
<p>只有少数的公司能接下这样的市场。目前看来，深耕本地生活领域 16 年的美团，是最有可能的答案。</p>
<p>美团的探索，是把 AI 技术和能力融合进中小商家已经在使用的经营后台，结合门店数据和周边市场信息，给出针对具体问题的分析与建议，再衔接菜单、价格和活动等经营操作。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4c/09/4c09005fd482da0605c1586886ae75d2.png" /></p>
<p>10 月 22 日，美团宣布将给全国餐饮商家送一个懂外卖运营的「AI 店长」｜图片来源：美团</p>
<p>在 2026 年二季度的财报电话会上，王兴就曾明确表示，美团不会成为 Token 工厂，模型和 AI 产品将用于支持美团的主业，提升用户、商户体验和公司经营效率。</p>
<p>最新的业务数据也印证了这一趋势。美团数据显示，近一个月，三线及以下城市使用美团 AI 助手的商家数量环比增长超 200%，主动发起的对话量环比增长约 3 倍。越来越多的实体小店商家，正在尝试把经营问题交给美团面向商家的 AI 助手。</p>
<p>如果沿着这个现象再往深处看一层，会发现商业世界里关于经营能力的供给方式正在发生变化。</p>
<p>过去很长一段时间里，专业的经营分析和运营能力是高度依附于组织的，大型连锁品牌更有条件配置专门的数据和运营团队，独立小店往往难以承担同样的投入。而其中一部分能力，现在正开始通过 AI 工具，以更低的门槛提供给单个门店。经营能力开始和庞大的组织解绑，这是技术平权在商业落地上最实质的含义。</p>
<p>当这种能力与组织解绑之后，下沉市场的竞争逻辑也在随之改变。过去，连锁品牌对街头小店的打击，有相当一部分来自标准化的线上运营能力，随着线上运营的短板被逐步补齐，小店也有机会把更多精力放回产品和手艺本身。</p>
<p>正如艾泽所说，过去很多年里，连锁店、预制菜让餐饮行业变得工业化、标准化，现在有了 AI 的帮助，可以把最难缠、最耗时的琐事交给 AI，小店老板能从 AI 中获得更详细的数据和更强的运营能力，腾出来的时间、省下来的成本，可以更多聚焦在出品和研发上，让餐品更独特、更扎实，真正回归小店餐饮的本质。</p>
<p><strong>1991 年，计算机科学家马克&middot;韦瑟在《21 世纪的计算机》一文中写下：「影响最深远的技术，是那些消失了的技术。」在他的设想里，技术会融入日常生活，直到人们无需时时意识到它的存在。</strong></p>
<p><strong>如今，这样的变化，已经悄然发生在街头巷尾的小店里。</strong></p>
<p>*头图来源：视觉中国</p>
<p>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 17 Nov 2026 17:58:33 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[腾讯 Hy4 flash 实测：快速、实惠、聪明，国模进入过日子时代]]>
      </title>
      <link>http://www.geekpark.net/news/374083</link>
      <description>
        <![CDATA[<section><strong>作者｜Cynthia</strong><strong><br /></strong></section>
<section><strong>编辑｜郑玄</strong></section>
<p>过日子的风，还是吹到了大模型行业。</p>
<p>2026 年之前，一款模型能不能刷屏，往往取决于它又做到了什么。GPT-4o 的实时语音交互、Claude 的编程能力、DeepSeek R1 的推理表现，一度轮番成为讨论焦点。一款新模型发布，大家首先关心的是它超过了谁，又做到了什么过去做不到的事。</p>
<p>但到了 2026 年，Agent 真正流行起来之后，风向开始变了。SOTA 模型的领先能力开始以季度为单位被轮番刷新，变得不再新鲜。而模型能力能不能用得起、等得起，成为了新的议题。</p>
<p>毕竟，让模型回答一个问题，和让 Agent 接手一项工作，对应的资源消耗模式完全不同。在 Agent 场景中，一次指令背后，可能是几十轮模型调用。读材料、查代码、调用工具、处理报错，每一步都会增加大量上下文和调用次数。OpenRouter 披露，今年 2 月 6 日，平台上 Agent 的 Token 用量首次超过人类直接调用；到 9 月底，已经约为后者的七倍。</p>
<p>具体到任务，今年 4 月，密歇根大学与斯坦福大学一项覆盖 8 款模型、500 个真实代码问题的研究发现，<strong>在其测试中，Agent 每次尝试处理一个问题，平均累计消耗约 417 万 Token，模型调用费约 1.86 美元</strong>。按这个均值，连续跑十次，就接近 20 美元。</p>
<p>在这一背景下。任务越长，大家对速度和价格就越敏感。各家模型厂商的 Flash 性价比模型也因此有了越来越大的用武之地。</p>
<p>早在去年，OpenRouter 与 a16z 对超过 100 万亿 Token 的使用数据进行研究后就发现，Gemini 2.0 Flash、DeepSeek V3 0324 这类兼顾能力与低成本的模型，已经获得了与部分高价领先模型相近的用量。到了今年 11 月 14 日，DeepSeek、智谱的 Flash 模型，又同时进入 OpenRouter 单日 Token 用量前十。用户越来越愿意为更强的能力付费，同时也在把大量日常任务交给更实惠的模型。</p>
<p><strong>而在最近推出的一众 Flash 模型中，作为一款主打精简输出、更高吞吐以及更快速度的 Flash 模型，腾讯最近推出的 Hy4 flash，无疑是其中最受关注的一个。</strong></p>
<p>据了解，这款模型的总参数量为 224B（其中 64B Engram 参数），通过在预训练阶段，加入混合注意力、LatentMoE、Engram 等架构特性，Hy4 flash 可以做到实际使用时激活参数仅为 12B，KV cache 大小仅为 Hy3 的 1/24、Hy4 的 1/6，还支持多模态和 1M 上下文长度。</p>
<p>此外，作为迄今为止最高性价比的 Hy 模型：Hy4 flash 的每百万 Token 输入 0.5 元、输出 2 元，命中缓存时仅需 0.02 元，价格较 Hy4 大幅降低。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/94/b5/94b5012f69e1b1cc85e4edc66c2477d3.png" /></p>
<p>在此基础上，在后训练阶段，Hy4 flash 通过自蒸馏 Hy4 获得了较强的综合智能水平，再通过强化学习使端到端任务输出长度降低 50%。最终实现整体的单任务成本仅为 Hy4 二十分之一。</p>
<p>推理效率上，通过结合 megakernel、4bit 量化、DFly 等手段极致优化，Hy4 flash 解码速度可超过 150 tps，且可以大规模低成本部署运营。</p>
<p>我们也在 Hy4 flash 发布后的第一时间拿到了 Hy4 flash 的内测资格。</p>
<p>随后，我们把它放进了 WorkBuddy（ WorkBuddy 中可以免费使用 Hy4 flash），和同样定位的 DeepSeek-V4.1-Flash（ 1017 版本），以及原始 Hy4 做了四轮对照：一轮办公决策，一轮编程修复，一轮视觉理解，还有一轮 PPT 生成。</p>
<p>以下是我们的测试结果。</p>
<h1 style="text-align: center;"><strong><em>01</em></strong></h1>
<p style="text-align: center;"><strong>办公决策：判断一致，</strong></p>
<p style="text-align: center;"><strong>Hy4 flash 快了近三分钟</strong></p>
<p>第一轮，我们让模型为一场产品发布会做决策准备。</p>
<p>这道题，我们特地增加了材料难度，给到了模型几组互相矛盾的口径，再把目标和约束一起放进去，看模型能不能自己理清楚。</p>
<p>任务描述如下：</p>
<p>公司要上线发布两个产品能力，其中纪要能力的成熟度较高，方案能力的成熟度还有待完善。产品同学说，这个月有 8600 人点开过产品，成功率达到 91%；数据同学给出的却是，每周真正使用的大约只有 3200 人，真正完成任务的比例只有 67%，差了将近 3 倍。销售是 6 家感兴趣、1 家愿意付费试点 8 万/年，财务希望发布后 3 个月看到约 40 万的经常性年收入（ARR）。法务说发布会前安全评估做不完，只宣布即将开放、不现场开通注册则风险相对可控。该信哪组数字，并给出明确的发布建议，交出一页能投屏的决策纸。</p>
<p>在这段描述中，产品与数据同学的两组数字都有出处，但统计周期、使用行为和成功口径并不一致。模型得先弄清它们各自代表什么，再判断发布会上该用哪组。销售和财务之间，也需要对意向、付费试点和收入目标，做一下关联与区分。法务的评估不做完就不开通注册，则是最终的条件限制。</p>
<p>选这道题，是因为它很像实际工作中会遇到的情况：没有标准且统一的数据口径，也没有完全 ready 的材料，系统各方面又会提出不同的约束条件，而用户必须从中梳理出一条可被执行与讨论的方案。</p>
<p>最终，Hy4 flash 用了<strong>1 分 14 秒</strong>。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/1a/08/1a08bb231b4571d3b65cea90bb481603.png" /></p>
<p>它建议折中推进：发布会照开，只宣布即将开放、分批放量，现场不开注册，也不先收等待名单。对外采用 3200 人、67% 这组更严格的数字。等待名单是否属于开通注册，则把它单独列为待确认事项。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4b/d7/4bd7c03346d469e4a620b8c38467ef8d.png" /></p>
<p>DeepSeek-V4.1-Flash 用了<strong>4 分 8 秒</strong>。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/75/ae/75ae256bb67f15495ae1272c724b1950.png" /></p>
<p>它同样建议折中：发布会照开，只宣布即将开放，不现场开通注册；对外主推会议纪要，方案能力标为内测，数字也采信 3200 和 67%。不同的是，它建议发布会可以收集等待名单，再向名单用户分批开放。</p>
<p>这里不能算它判断错误。法务明确限制的是现场开通注册，并没有明确禁止收集等待名单。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b3/0b/b30b25db456f637c67d5b3be0b7ac8fd.png" /></p>
<p>这一轮，两边的核心判断一致，也都交出了要求的一页纸，质量没有明显差距。</p>
<p>在这一轮测试中，Hy4 flash 的优势主要在速度：少用了<strong>2 分 54 秒</strong>。口径冲突、发布取舍和最终交付都处理到了，完成时间只有对方的三成左右。</p>
<h1 style="text-align: center;"><strong><em>02</em></strong></h1>
<p style="text-align: center;"><strong>读图决策：相比 DeepSeek-V4.1-Flash，</strong></p>
<p style="text-align: center;"><strong>Hy4 flash 误读更少</strong></p>
<p>第二轮，还是对比 DeepSeek-V4.1-Flash 和 Hy4 flash。这一次，我们不再给模型太多的文字提示词，而是根据测试一的文字内容，将其加工成一张有矛盾的投屏图片，喂给模型。然后让模型只根据这张图做决策准备，看它会不会自己把这些矛盾指出来，然后再做和场景一类似的决策准备。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/54/14/54142df40b4009970ebacac7c866b191.png" /></p>
<p>如上图，图上最显眼的大卡片写着月活 8600、成功率 91%、意向客户 6 家，还带了可计收入红标；右下角对照表却是另一套更严的数字。柱状图上标注的是 8 万和 40 万，但 8 万那根柱子实际画到了大约 32 万的高度。</p>
<p>最终，Hy4 flash 用了<strong>2 分 46 秒</strong>。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/af/b8/afb82ea73b065cd19c281d39f604f8ef.png" /></p>
<p>它继续建议折中发布：只宣布即将开放，不现场开通注册，对外采用更严格的口径。</p>
<p>对于客户数量，它指出，6 家意向客户的卡片带有「可计收入」标注，但对照表只确认了 1 家付费试点，这两处信息存在冲突。</p>
<p>8 万元究竟是已确认收入还是预算，40 万元的目标时间口径是什么，它也分别列为待确认事项。</p>
<p>不过，8 万元那根柱子画高了，它没有发现。</p>
<p>DeepSeek-V4.1-Flash 用了<strong>1 分 25 秒</strong>。</p>
<p>它同样建议折中，也整理了卡片和对照表之间的口径差异，但有两处写错。</p>
<p>第一处，它把客户卡片上的红标读成了「非付费」，与图中的「可计收入」不符。</p>
<p>第二处，它写道：「8 与 40 的视觉比例 20%，与 ARR 进度 20% 自洽，此处无失真。」</p>
<p>8 除以 40 确实等于 20%，但图上的柱高并没有按这个比例绘制。DeepSeek-V4.1-Flash 算对了数字关系，却忽略了图形比例的错误。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f8/98/f898b0ed921567e1e16cd254e8449d5d.png" /></p>
<p>这一轮，DeepSeek-V4.1-Flash 虽然更快，但出现了两处明确误判。Hy4 flash 识别了「6 家意向客户被标为可计收入、实际只有 1 家确认付费」的冲突，整体的准确率会更高。</p>
<h1 style="text-align: center;"><strong><em>03</em></strong></h1>
<p style="text-align: center;"><strong>编程修复：相同结果，</strong></p>
<p style="text-align: center;"><strong>Hy4 flash 更快更有性价比，</strong></p>
<p style="text-align: center;"><strong>Hy4 思考更全面</strong></p>
<p>第三轮，我们难度升级，安排了一道编程题，让模型接手一个正在使用的库存与计价项目。这次的对比对象选择了 Hy4 与 Hy4 flash。</p>
<p>这次选择的项目是一个已经在用的库存系统。仓库里现有测试都是通过的，但线上却出了 4 个问题：预占库存后数字对不上（预占库存后，在库数量也跟着减少，取消后又恢复不了）、整单出库会报错（某件商品的库存被全部预占后，整单出库会报错）、优惠券没有按上限封顶（400 元订单使用 20% 优惠券，抵扣超过了 50 元上限；）、月末报表漏了一天（11 月报表漏掉了 11 月 30 日当天的出库）。</p>
<p>我让模型根据项目里的代码和问题清单，自己找到这些 bug，先写出能复现问题的测试，再把代码修好，最后交一份修复说明。</p>
<p>这道题模型需要读懂别人写的代码，并找到现有测试遗漏的情况，再证明修改后的行为符合项目约定。</p>
<p>最终，Hy4 flash 用了<strong>2 分 5 秒</strong>，四个问题全部找到并修好。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4d/9e/4d9e037a9a7de6aa665e44af7135f154.png" /></p>
<p>在它的修改下，预占操作不再误扣在库数量，取消改为释放预占；整单出库可以正常完成；优惠券抵扣按 50 元上限封顶；报表区间改为包含结束当天。</p>
<p><strong>最终，Hy4 flash 还给原本的项目新增了 5 个测试，端到端完成了验证</strong>：预占后在库仍为 10、可用为 6，取消后可用恢复为 10；400 元订单实付 350 元；11 月汇总包含 11 月 30 日，共计 8 件。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/fe/81/fe818d301a67ba19404819290bc90afd.png" /></p>
<p>相同的任务，根因和改法也与上面几乎一致，正式版 Hy4 最终用时 3 分 49 秒。唯一的不同之处在于 Hy4 最终为项目新增了 8 个测试，整体的流程会更加完整。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/cd/e4/cde44a255f3ecc34630f73d0237673a7.png" /></p>
<h1 style="text-align: center;"><strong><em>04</em></strong></h1>
<p style="text-align: center;"><strong>论文转 PPT：</strong></p>
<p style="text-align: center;"><strong>Hy4 更清晰，Hy4 flash 更高效</strong></p>
<p>前面几个任务都是真实生产系统中的点状问题，这一次测试，我们选择一个端到端的任务，让 Hy4 与 Hy4 flash 分别测试把同一份论文生成 PPT 的任务，看看最终哪一个的效果更优。</p>
<p>这次我们选择的是一个主题为 OpticalRAG 的技术论文，讲的是一种减少长文档占用 token 的方法：先把页面渲染成图像，再在像素空间里压缩，用来做检索增强生成。提示词中，我们要求模拟能够按照如下顺序组织内容：要解决的问题、核心方法（两项关键技术分开讲，必要处配示意图）、关键实验结果（要把数字写上）、局限和落地时要注意的地方。</p>
<p>选这道题，需要模型先读懂技术论文，然后还需要有完整的多模态生成能力，能把理解的东西做成结构清楚、数字写对、能直接讲解的幻灯片。</p>
<p>最终，Hy4 flash 用时 9 分 5 秒生成了一份一共 21 页 PPT，问题、方法、实验和局限都按要求写到：不仅论文中的两项关键技术分开讲述的很清晰，关键数字准确无误，一些技术方式在 BAMBOO 上原始分并不领先之类的数据也完整呈现。</p>
<p>唯一的美中不足是，有几页页脚和正文叠在了一起，CAP 公式里的指数没有做成上标。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f7/f9/f7f9a9a53cffb76931d7195852c509e3.png" /></p>
<p>同一篇论文和同一段提示词。正式版 Hy4 一共用时 15 分 47 秒，产出了 18 页 PPT，结构和关键数字同样正确。同样也发现了压缩感知分数第一，并不等于原始分数第一、长文档上按问题筛选反而低于简单的均值池化这些细节。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/67/ef/67ef53d9931ab80f2e048410ef2902d6.png" /></p>
<p>整体来说，在把长篇技术论文做成可讲解 PPT 的场景里，两边都完成了任务，论文要点和关键数字都写对了。Hy4 flash 的优势是速度，主结果表也更完整。正式版 Hy4 用时更长，但页面更适合直接讲解，对结论的分析，也交代得更清楚。</p>
<h1 style="text-align: center;"><strong><em>05</em></strong></h1>
<p style="text-align: center;"><strong>尾声</strong></p>
<p>客观来说，无论是 Hy4 flash 还是 DeepSeek-V4.1-Flash，市面上的一众 Flash 模型，在准确率方面相比于当下的 SOTA 模型仍有一段距离。但是对于日常办公以及编程修复等任务来说，他们都已经达到了一个专业工程师与白领的水平。</p>
<p>此外，对于 Agent 这种模型调用轮次多、上下文超长、成本极易失控的场景来说，Flash 模型不失为一种不错的选择。</p>
<p>相应的，混元的官方 Blog 也推荐在深度搜索、文档处理、PPT 生成、简单前端展示、computer use 等大部分日常任务中使用 Hy4 flash，在长程软件工程等复杂任务中推荐使用智能上限更高的 Hy4。</p>
<p>总而言之，Hy4 flash 就是当下各种 Flash 模型中，最适合过日子的神！</p>
<p>*头图来源：腾讯混元</p>
<p>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 17 Nov 2026 15:12:48 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[全村希望，千问 4 Max 正式发布，2.4 万亿参数模型「进厂打工」]]>
      </title>
      <link>http://www.geekpark.net/news/374079</link>
      <description>
        <![CDATA[<p data-pm-slice="0 0 []"><strong>作者｜桦林舞王</strong></p>
<p><strong>编辑｜靖宇</strong></p>
<p>底座架构重写，单任务成本暴降近六成，阿里把旗舰模型拉进了真实排班表。</p>
<p>终于，一款国产旗舰模型现身了。</p>
<p>11 月 16 日，阿里千问正式发布新一代旗舰模型 Qwen4-Max。就在五天前，它的预览版 qwen4-max-preview 刚在 Token Plan 里低调露过面，今天正式版直接亮出了完整底牌。</p>
<p>新模型依然维持着 2.4 万亿（2.4T）的主干总参数规模，原生支持文本、图像和视频输入，上下文窗口拉到了 100 万 Token。不过比参数表更显眼的，是官方同时给出的一笔账单：在模拟真实工作场景的评测里，千问 4 Max 跑完单个任务的平均费用，<strong>从上一代的 26.58 元降到了 11.16 元，直接砍掉 58%</strong>。</p>
<p><strong>千问团队这次释放的信号很明确，旗舰大模型单纯拼纸面考分的阶段翻篇了，现在的目标是把模型塞进真实工作流，当一个能扛长活、也算得过账的「新同事」。</strong></p>
<h1 style="text-align: center;"><strong><em>01</em></strong></h1>
<p style="text-align: center;"><strong>给 2.4 万亿参数的巨兽「减负」</strong></p>
<p>过去一年，行业里没少见识号称百万上下文的模型。但真把几十万字的项目文档或者一整个代码库丢进去，很多模型到了后半程就开始注意力涣散、输出卡顿，账单还贵得吓人。要让「新同事」在 100 万上下文和长程 Agent 任务里跑得稳、跑得省，光靠外围工程补丁已经不够了，必须动底层架构。</p>
<p>千问 4 Max 这次在底座上做了三处关键调整，核心逻辑都是把算力花在刀刃上。</p>
<p>先看负责记忆的注意力层。如果让模型在长文本里每写一个字，都要回头把前面几十万字逐字重读一遍，算力开销会急剧膨胀。千问换上了混合方案（GDN 加 Qwen Sparse Attention），每 4 层网络里，有 3 层负责把看过的历史信息压缩成固定大小的状态往前传，剩下 1 层按区块挑重点信息细看。这就像一个老练的秘书，平时在脑子里记着会议纪要主线，关键时刻才去翻具体某一页的原件，长上下文自然就不卡顿了。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/c8/bd/c8bdbefce39ff428745f25bf8c8e8555.png" /></p>
<p>千问 4 Max 模型在模型功能中的对比｜图片来源：千问</p>
<p>模型参数推高到 2.4 万亿，训练时最怕遇到数据洪流冲垮网络，也就是工程师常说的损失值尖峰（loss spike）。千问在残差层引入了门控机制（Gated Residual），把原本单线传输的信息通道扩充成 4 条并行分支，还在路口加了调节开关。这套设计让 2.4 万亿这么大的盘子从头到尾平稳跑完了预训练。</p>
<p>在嵌入层，千问还在第二层加了一套 328B 规模的词组查表机制（N-gram Embedding）。遇到常见搭配直接查表提取特征，不怎么多花计算量，就把模型的知识容量撑了起来。</p>
<p><strong>这三刀改完，千问 4 Max 每个 Token 只激活 71B 参数，比上一代少了约 25%，但脑子反而更好使了。</strong>在内部的知识、代码、问答和 STEM 综合评测里，底座模型 Qwen4-Max-Base 的数据压缩效率指标（BPB，越低代表预测越准）在 5 个参评模型里降到了最低，比前代 Qwen3.8-Max-Base 压低了 5% 到 13%。</p>
<p>虽然说不看榜单，但是千问 4 Max 的评分依然不错。在覆盖 26 个一级领域、182 个二级子领域和 721 个三级细分领域的 Work360 行业基准测试中，千问 4 Max 拿到了 52.69 分，比前代 Qwen3.8-Max 的 47.74 分涨了一截；同时在 Xhigh 和 High 两档思考强度下，它的 Token 消耗分别减少了约 24% 和 35%，到了更硬核的 Terminal-Bench 4.0 终端任务里更是少了约 48% 和 49%。</p>
<p>叠加阿里云百炼同步下调的定价，成本优势被进一步放大。在国内华北 2（北京）节点，千问 4 Max 的标准按量定价为每百万 Token 输入 10 元、输出 30 元，比前代的 12 元和 36 元便宜了一截，新开通用户还直接送 100 万免费 Token；针对 Agent 反复读取背景资料的场景，它的显式和隐式缓存命中价格直接打到了每百万 Token 0.5 元（创建缓存 5 分钟为 12.5 元，1 小时为 20 元）。国际版定价也同步降至输入 1.5 美元、输出 4.5 美元，隐式缓存低至 0.075 美元，缓存降幅达到 70%。</p>
<h1 style="text-align: center;"><strong><em>02</em></strong></h1>
<p style="text-align: center;"><strong>从 3D 雪村到汽车产线</strong></p>
<p>模型到底好不好用，最终还得看真实跑出来的画面和代码。这几天，B 站上的技术 UP 主们已经拿预览版跑出了不少有意思的实测，而千问官方今天也同步放出了正式版的硬核演示。</p>
<p>先看民间预览版的趣味实测。B 站 UP 主「eddieliugd」只用了一句提示词，就让 Qwen4-Max 预览版一次成型造出了一座带光影和地形起伏的 3D 阿尔卑斯雪村，整套代码生成下来总共只花了 6.4 万 Token。另一位 B 站 UP 主「AI 随风随风」则让预览版模型在单文件里搓出了一个可玩的 3D 低多边形漂移赛车小游戏，赛道、车辆操控和仪表盘 UI 一应俱全。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/20/3f/203f0e145b3b0c503ade694666f5d27d.gif" /></p>
<p>Qwen4-Max 预览版一句话一次成型生成的 3D 阿尔卑斯雪村，消耗 6.4 万 Token｜视频来源：B 站 UP 主「eddieliugd」</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b2/e8/b2e860eddf11c73cb5efd6706412480f.gif" /></p>
<p>Qwen4-Max 预览版单文件生成的 3D 低多边形漂移赛车小游戏｜视频来源：B 站 UP 主「AI 随风随风」</p>
<p>到了今天的正式版，官方演示直接把复杂程度拉高了一个档次。</p>
<p>在游戏开发演示里，千问 4 Max 独立搭建场景和玩法逻辑，做出了一款可实际游玩的 3D 猫法师 RPG 游戏，界面里装备背包、小地图 HUD 和 Boss 战一应俱全。而在开发网页应用时，<strong>千问这次引入了「持续交付（Live Delivery）」机制，并开源了对应的 Qwen-Live-Delivery-Plugin 插件</strong>，模型不再闷头憋一个小时给你一堆半成品，它会先交出一个能跑通的首版，再跟着你的反馈随时打断、边改边叠。在官方演示的中文物理科普网站案例里，它不仅持续扩展出了完整的课程页面，还直接在网页里嵌入了可手动调节参数的 3D 光学全反射交互实验。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/7d/ff/7dff9216303c729f76691071a4e20894.gif" /></p>
<p>Qwen4-Max 独立完成场景搭建与玩法逻辑开发的 3D RPG 游戏实机演示｜来源：千问官方</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ba/55/ba5535c30731d3231983ea301113d95f.gif" /></p>
<p>Qwen4-Max 通过持续交付机制生成中文物理科普网站及 3D 光学交互实验｜来源：千问官方</p>
<p>走出娱乐和科普，在三丰智能装备和统联精密的汽车制造演示中，千问 4 Max 直接接手了工业软件流。它能把 2D 图纸转成 3D 产线布局，对车门等部件做参数化建模，并在加工刀路仿真核验中自动揪出「刀具直径过大导致的局部过切」问题。在代码安全方面，它在 Last Secure Code Bench 测试里的功能与安全双通过率也从上一代的 22.0% 提到了 31.8%。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/71/6d/716d3a42ecb81e35822156fd15bdd42d.gif" /></p>
<p>Qwen4-Max 辅助汽车产线 3D 布局与零件加工仿真核验｜来源：千问官方</p>
<h1 style="text-align: center;"><strong><em>03</em></strong></h1>
<p style="text-align: center;"><strong>国产旗舰的牌局怎么打</strong></p>
<p>从演示中看出，千问 4 Max 在真实业务里的落地数据比动画本身更实在。</p>
<p>在三丰智能装备和统联精密的实际生产场景中，以前老师傅编一个工件的加工程序平均要花约 475 分钟，引入千问 4 Max 辅助之后，人工投入压到了 24 分钟，省掉了约 95% 的时间。</p>
<p>在金融和法律圈，它同样能接住最繁琐的案头活，做金融投研时，它能一口气调度 90 个 MCP 工具抓取多源数据，最后交出每一处数字都可溯源的 Excel 底稿和可编辑 PPT；面对 IPO 法律尽调里 198 份命名混乱的散乱底稿，它能自己归类并交叉核查公开信息，识别出对赌协议隐患，最终写出 86 页、6 万多字的完整报告。</p>
<p>甚至在危重症临床辅助决策，以及与深度原理合作的 48 小时冷却液新材料筛选（从 269 万个分子里挑出候选分子并联动实验验证）中，也能看到它的身影。</p>
<p>为了让开发者顺畅用上这些能力，千问 4 Max 目前已全面上线千问 AI 平台的 API 与 Token Plan，并接入了千问 APP、千问办公、Qoder、Qwen Studio 和 QwenWork。它同时兼容 OpenAI 与 Anthropic 的 API 格式，支持 low、high、xhigh 三档思考强度调节（默认开启 high 档）。按照官方的说法，Qwen4 系列的中小尺寸模型接下来也会陆续开源。</p>
<p>11 月的国产大模型赛场，各家其实各有侧重。</p>
<p>月初腾讯混元发布了开源的 Hy4 正式版，百度也在 11 月上旬接连端出了主打轻快的文心 5.5 Flash Base 和 Preview 版本。但在 2.4 万亿参数的旗舰底座上直接重写全套底层架构、把长程任务的单次账单砍掉近六成，千问 4 Max 依然是这个月最重磅的旗舰动作。</p>
<p>从去年卷参数、卷跑分，到今年底带着 58% 的单任务成本降幅走进工厂车间和律所，大模型旗舰的比拼已经开始换赛道。</p>
<p>技术能力早就足够惊艳，接下来真正决定谁能留在企业排班表里的，是月底那张算力账单。</p>
<p>*头图来源：千问</p>
<p>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 17 Nov 2026 14:41:48 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[OpenAI 和 Meta 联手，打通了 Agent 商业「最后一公里」]]>
      </title>
      <link>http://www.geekpark.net/news/374075</link>
      <description>
        <![CDATA[<div data-page-id="ViKydp7ZToilY1xYAxUcrWyQnNb" data-lark-html-role="root" data-docx-has-block-data="false">
<div class="ace-line ace-line old-record-id-doxcnyttO1fIr3M2nUyxp59OHpc"><strong>作者｜桦林舞王</strong></div>
<div class="ace-line ace-line old-record-id-doxcnhghunKMgUX0e74QyARfZHh"><strong>编辑｜靖宇</strong></div>
</div>
<p>Agent 能进门了，也能付钱了。</p>
<p>Agent 替用户「消费」的时代，终于到来了。</p>
<p>美国时间 2026 年 11 月 13 日，两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个<strong>人代理协议 Poppy v1.0，解决助手怎么「进门」的问题</strong>；另一边是 OpenAI 推出面向个人助手 dots 的 ChatGPT Wallet，<strong>解决助手怎么「付钱」的问题</strong>。</p>
<p>同一天打通进门和结账，本身就足够耐人寻味。更值得留意的，是站在两套方案背后的同一批名字。Visa 和 Mastercard 同时出现在两边的名单里，Shopify、Stripe 这些掌管电商与支付基础设施的公司，则站在 Poppy 的核心伙伴之列。</p>
<p>Agent 的下一场竞争，表面上看是巨头抢入口，底层的暗线却是一场围绕商业通道的提前占位。</p>
<h1 style="text-align: center;"><strong><em>01</em></strong></h1>
<p style="text-align: center;"><strong>个人 Agent 协议，PPP</strong></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/0d/a7/0da76afcba5a8b8c80130731e63678e5.png" /></p>
<p>Sierra 与 Meta 联合发布个人代理协议 Poppy v1.0｜图片来源：Sierra 官方博客</p>
<p>过去，个人助手访问企业网站只能像个隐身访客，商家看不清来者是谁，更不敢把查订单、改地址、订机票或金融预审这类敏感操作交给它。</p>
<p><strong>Meta 和 Sierra 推出的 Poppy 要解决的核心就是信任</strong>，它让企业在接到请求时，能用密码学手段确认三件事&mdash;&mdash;来敲门的是哪个助手、它代表哪位用户、到底拿了多少权限。</p>
<p>Poppy 协议的核心，是「门牌」、「地基」和「双向授权」。</p>
<p><strong>「门牌」</strong>。接入 Poppy 的企业，会在网站标准路径/.well-known/poppy 下放一份配置文件。你可以把它想象成贴在店铺门口的访客指南，写清楚开放了哪些通信端点、怎么登录、允许执行哪些操作。助手找上门时，不用再去瞎猜网页按钮怎么点，先看门牌就能按规矩办事。</p>
<p><strong>「地基」</strong>。Poppy 没有推翻互联网现有的通信方式，它直接建立在 OAuth 授权、HTTPS 加密传输、OpenAPI 以及模型上下文协议之上。如果用户只是查商品价格，助手可以作为匿名访客对话；一旦涉及账户操作，就必须走授权登录，让企业验明正身。</p>
<p><strong>「双向授权」</strong>。用户这一端可以决定，向助手开放只读权限，还是允许修改信息与交易；企业那一端则划定外部助手在自家地盘上最多能走多远。两边都点头，一次交互才算成立。</p>
<p>从发布信息来看，Sierra 与 Meta 联手推动这套协议，可以说非常互补。由前 Salesforce 联席首席执行官 Bret Taylor 与前 Google 高管 Clay Bavor 创立的 Sierra，主业是帮企业打造自有客服智能体，天然坐在「接待方」一侧；Meta 旗下的个人助手 Muse 则是典型的「来访方」，需要敲开无数网站的大门。接待方和来访方各出了一半力气，才凑成这次标准落地。目前 Muse 访问参与站点时，已经默认优先查找并调用 Poppy 协议。</p>
<p>开放协议最怕遇到先有鸡还是先有蛋的冷启动难题。这一次真正帮 Poppy 跨过门槛的，是电商基础设施巨头 Shopify。</p>
<p>协议发布的同时，Shopify 直接为全球 175 多个国家的每一位商家自动开启并生成了 Poppy 发现文件，不需要商家任何手动配置。再加上超过 100 家设计合作伙伴里，囊括了达美航空、1Password、Okta 和 Cloudflare 等各行业代表，这套门禁系统在第一天就铺开了不小的覆盖面。</p>
<h1 style="text-align: center;"><strong><em>02</em></strong></h1>
<p style="text-align: center;"><strong>不碰现金的 Agent</strong></p>
<p>解决了进门问题，接下来的难关是付钱。</p>
<p>让 Agent 帮自己掏钱包，大多数人的本能反应都是抗拒。OpenAI 推出的 ChatGPT Wallet，设计出发点非常明确，就是让 Agent 能把交易推到终点，但从头到尾都碰不到真实资金信息。</p>
<p>在实际购物流程里，用户可以让自己的 dot 搜索商品、比价、放进购物车并准备好结账页面。可只要走到付款这一步，dot 就必须停下来，把决定权交还给人类。用户亲自核对商品清单、总金额和所选银行卡后，<strong>必须通过人脸识别或指纹扫描等生物识别方式完成授权，交易才会被放行</strong>。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/45/ef/45efdb23cc11444aabc2b2bbbb47a39f.png" /></p>
<p>OpenAI 个人助手 dot（Rufus）在对话中发起「Review purchase」结账确认｜图片来源：OpenAI</p>
<p>更关键的安全设计藏在后台。无论是跑腿的 dot 还是收钱的商家，在整笔交易里都永远看不到你真实的信用卡卡号。用户授权后，合作的卡组织网络会生成一个一次性支付凭证，包含临时卡号、安全码和有效期。商家拿到的只是这串临时信息，你的真实卡号始终没有露面。</p>
<p>为了实现这套机制，OpenAI 拉来了 American Express、Mastercard 和 Visa 联合开发，完整保留了原有的信用卡积分、权益和拒付保护。OpenAI 还在发布时专门划清界限，<strong>强调 ChatGPT Wallet 绝非加密钱包，也不走区块链或稳定币支付，完全运行在传统法币银行与卡组织基础设施之上</strong>。</p>
<p>从公开信息来看，各方的商业动机都很清晰。对 OpenAI 而言，个人助手如果只会给建议、甩链接，就永远停留在导购阶段；把结账闭环留在对话生态内，dots 才能从建议者变成成交者。而对传统卡组织来说，一旦智能体成为新的消费入口，谁都不愿看到交易流量被新型支付网络切走。借着这次合作，三大卡组织顺理成章把新通道接回了自己的清算网络。</p>
<p>即便如此，OpenAI 的第一步依然相当克制。</p>
<p>ChatGPT Wallet 初期只面向美国年满 18 岁的 ChatGPT Pro 订阅用户限量开放，支持符合条件的美国发行银行卡，包括 Amex、Visa、Mastercard 以及 Chase 发行的卡。从公开信息来看，先拿付费用户试水，大概率是想在风控上走得稳一些。</p>
<h1 style="text-align: center;"><strong><em>03</em></strong></h1>
<p style="text-align: center;"><strong>当巨头联手</strong></p>
<p>把这两条新闻放在同一张桌面上对比，会看到一个很有意思的交叉图景。</p>
<p>在 Poppy 的首批核心伙伴名单里，Shopify、Stripe、PayPal、Visa、Mastercard 悉数在列；转到 ChatGPT Wallet 这边，站台开发的又是 Amex、Visa 和 Mastercard。真正横跨两边的只有 Visa 和 Mastercard，它们既在 Poppy 的名单里，也是 Wallet 的开发伙伴。</p>
<p>更耐人寻味的细节是，OpenAI 自己的名字，也赫然列在 Poppy 的 100 多家设计合作伙伴名单之中。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ba/de/bade91373a66765346333088a640dd65.png" /></p>
<p>Personal Agent Protocol 首批超过 100 家设计合作伙伴，OpenAI 与 Visa、Mastercard 均在其中｜图片来源：Sierra</p>
<p>在消费端市场，Meta 的 Muse 和 OpenAI 的 dots 是再直接不过的竞争对手，都在拼命抢占用户每天打开的第一个入口。可一旦走到企业访问层，两家巨头却坐到了同一张会议桌前，准备共用同一张门禁卡。原因不难理解，航空公司或零售商很难愿意为每家模型厂商各维护一套互不兼容的接口。C 端可以各显神通抢入口，B 端必须共建同一套通行证。</p>
<p>技术路线上也有一个信号。智能体之间的自动交易，一度被不少人看作稳定币的潜在场景。但从这一轮落地来看，既有金融和电商基建选择了「标准授权协议加一次性虚拟卡凭证」的渐进路线，暂时把加密方案放在了一边。先接入成熟的风控与清算轨道，把交易跑起来，这条路对传统商业体系来说最省事。</p>
<p>当然，公开信息里还留着一个悬念。</p>
<p>Poppy 与 ChatGPT Wallet 目前还没有说明彼此是否已经打通。未来当用户的 dot 走进一家开启了 Poppy 协议的 Shopify 店铺时，它能否顺滑完成握手，再用 Wallet 付款，还有待后续验证。</p>
<h1 style="text-align: center;"><strong><em>04</em></strong></h1>
<p style="text-align: center;"><strong>Agent 的自主权，停在购物车前</strong></p>
<p>把 Poppy 的双向授权和 ChatGPT Wallet 的强制生物识别放在一起看，就能看清行业划出的共同底线&mdash;&mdash;Human in the loop。</p>
<p>无论是读取数据、修改订单还是真金白银地扣款，助手的自主权都精准停在购物车前面。它可以替你全网比价、填好结账栏位，但最后把开关拨向确认的，必须还是用户自己。</p>
<p>这种设计守住了安全，却也留下了几个尚未解答的问题。</p>
<p>例如，交易责任归属的模糊地带。如果助手在选品时理解错了你的意图，或者在浏览网页时被隐藏的恶意提示词诱导下单，哪怕最后是你刷了脸，由此产生的纠纷，银行现有的拒付保护能不能覆盖「助手犯的错」，公开信息里还没有给出界定。</p>
<p>能参与协议交易的覆盖范围与门槛，依然存在。Shopify 带动了海量商户，可互联网上还有无数长尾网站何时才会挂上 Poppy 门牌？另一方面，ChatGPT Wallet 目前只开放给美国本土的 Pro 订阅用户，其他市场和普通用户还要等多久，仍是未知数。</p>
<p>而且，每笔交易都强制生物识别，确实让安全感拉满。可试想未来你习惯让助手每天订咖啡、买日用品，每件小事都要掏出手机刷一次脸，全自动代理承诺的省心，在高频场景下反而会变成新的操作摩擦。</p>
<p>在助手还不够完美、社会信任尚未建立的现阶段，<strong>让人紧紧握住最后「 点击 确认」的权力，或许是行业换取入场券必须付出的成本，也决定了个人助手商业化的推进节奏</strong>。</p>
<p>下一次，当你让 AI 助手去改快递地址、顺便买单时，它终于不用再被当成爬虫拒之门外。它亮出合规身份走进店铺，看懂门牌、填好购物车，然后停在结账页面，把手机递到你面前，等你的脸对准摄像头。</p>
<p>今天的这一次刷脸，是人们交给助手信任之前的最后一道门槛。只是等到某一天，所有人都习惯了把日常消费交给程序去跑腿，这一下确认会不会变成人们随手点掉的过场？就像所有网站和引用让你签署的授权协议，几乎没人真正看懂，也不愿意认真看。</p>
<p>*头图来源：Shopifreak</p>
<p>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 17 Nov 2026 14:24:52 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[消息称黄仁勋回归尚未进入英伟达董事会议程；腾讯总办号召AI时代再创业；AI 演员虚假代言被罚]]>
      </title>
      <link>http://www.geekpark.net/news/374056</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/49/f7/49f79f55e11dced5f9263ab83c50c015.png" /></p>
<h1>消息称黄仁勋回归尚未进入英伟达董事会议程，已有 18 万人联署呼吁复职</h1>
<p>11 月 17 日消息，CNBC 今天（11 月 17 日）发布博文，援引一名知情人士透露信息，英伟达董事会目前没有考虑让黄仁勋重新担任首席执行官，也未就其回归展开讨论。报道称英伟达董事会的工作重心，目前聚焦推进针对黄仁勋相关行为的调查。</p>
<p>报道称，英伟达已聘请 Wachtell Lipton 律师事务所，调查黄仁勋的行为。此前，黄仁勋在承认婚外情、并面临其他涉及员工的恋情报道后，于上周辞去职务，结束了在这家由其创立的公司长达 33 年的 CEO 任期。</p>
<p>围绕其是否回归，外界讨论持续升温。《金融时报》此前报道称，黄仁勋曾与支持者讨论复出事宜。不过，Altimeter Capital 的布拉德 &middot; 格斯特纳 16 日向 CNBC 表示，黄仁勋没有与他讨论回归。</p>
<p>与此同时，一项呼吁黄仁勋复职的网络请愿已获得约 18 万个签名，马斯克、Y Combinator 首席执行官陈嘉兴及 Epic Games 首席执行官蒂姆 &middot; 斯威尼等科技界人士也表达了支持。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/40/7a/407a41245c7ee3f333746c6aae46ff6d.png" /></p>
<h1>腾讯总办号召 AI 时代再创业：这是一个生死存亡的问题</h1>
<p>11 月 16 日消息，「腾讯文化」公众号发文《总办号召 AI 时代再创业，「心态归零」》，再度谈及 28 岁生日这天，腾讯总办对 AI 时代的机会、挑战与选择的看法。</p>
<p>文章指出，面对技术变革的巨浪，没有人是旁观者。所有人都要做出选择。如果不想被颠覆，真正重要的事只有一件：一起动起来。「现在进行的智能革命如果不投入拥抱，就是被颠覆。这是一个生死存亡的问题。」</p>
<p>腾讯总办号召，「心态归零，所有核心业务每一个团队都要面向 AI 时代再创业，抛掉身上的包袱，拥抱 AI 新时代。所有人都要动手做事，整个组织有机化。每个人快速提升能力，每个组织重新变化、扁平化，以小团队为作战单元。」</p>
<p>整个管理方式以及做事方式都要通过 AI 重新设计，在现有业务上再延伸竞争力，让成本、效率可以再优化，获取更多的商业化能力，甚至创造出新的需求&mdash;&mdash;它也许是现有路径上的新需求，也许是一个全新的 AI 产品。</p>
<p>总办明确，组织变革要加快，未来不一定要那么多管理岗位，不要让中间传话的不想动还霸占地盘的干部成为阻碍，山头主义、地盘意识都要完全打破。</p>
<p>马化腾谈到，「能够参与这场巨大的科技变革，并且站在前沿，这是我们的荣幸。我们的业务要站起应战，组织也要适应新的变化快速变革。」（来源: TechWeb）</p>
<h1>阿里合伙人樊路远辞任大麦娱乐 CEO，消息称将从虎鲸文娱集团离职创业</h1>
<p>11 月 16 日消息，大麦娱乐发布公告，樊路远因专注发展个人事业，已辞任公司执行董事、董事会主席及首席执行官（CEO）。</p>
<p>据凤凰科技报道，知情人士透露，樊路远将从虎鲸文娱集团离职创业。</p>
<p>公开资料显示，樊路远于 2007 年加入支付宝，2016 年转战阿里影业，2017 年加入阿里大文娱。2025 年阿里大文娱集团更名为虎鲸文娱集团。樊路远还是阿里巴巴合伙人，全面负责优酷、大麦娱乐等虎鲸文娱集团核心业务板块的统筹管理。</p>
<p>大麦娱乐公告称，委任徐宏为公司非执行董事及董事会主席，沈严为执行董事及联席总裁。</p>
<ul>
<li>徐宏自 2022 年 4 月起担任阿里巴巴集团首席财务官。他于 2020 年 1 月至 2021 年 10 月担任大麦娱乐（前称：阿里影业）非执行董事。</li>
<li>沈严 2016 年加入阿里巴巴集团，于 2021 年出任优酷副总裁，2026 年 3 月出任大麦演出总裁，负责大麦娱乐演出内容与科技业务板块。在此之前，沈严担任支付宝旗下 O2O 事业部的快速消费品板块总经理。（来源：IT 之家）</li>
</ul>
<h1>特斯拉将投资 30 亿欧元扩建德国工厂，目标年产 100 万辆 Cybercab</h1>
<p>11 月 16 日消息，特斯拉周一宣布，将向位于德国柏林郊外的工厂投资 30 亿欧元（现汇率约合 220.83 亿元人民币），扩大当地生产能力。与此同时，德国本土汽车制造商正面临成本高企、市场需求疲软等压力。</p>
<p>特斯拉首席执行官埃隆 &middot; 马斯克（Elon Musk）旗下的电动汽车制造商计划在德国格林海德（Gruenheide）的超级工厂新建一座生产设施。这也是特斯拉目前在欧洲唯一的整车工厂。根据该公司向路透社发送的电子邮件声明，新设施的目标是实现每年最多生产 100 万辆 Cybercab。</p>
<p>特斯拉表示，计划在今年年底前为整个项目提交建筑许可申请。新设施预计于 2027 年上半年开工建设，并于 2029 年正式投产。（来源：IT 之家）</p>
<h1>AMD 宣布完成对 World Labs 的收购，李飞飞出任公司首席科学家</h1>
<p>11 月 16 日消息，AMD 宣布，已完成对 World Labs 的收购。AMD 称，此次收购将引入一支世界级 AI 模型研发团队，进一步增强 AMD 在 AI 全技术栈领域的实力。双方将整合顶尖 AI 模型研究人员与 AMD 工程师的技术优势，共同打造面向开放 AI 生态的新一代硬件、软件和系统。</p>
<p>AMD 董事长兼首席执行官苏姿丰（Lisa Su）表示：「要打造支撑下一代超级智能的基础设施，就必须将计算平台与模型结合起来进行协同优化。我们非常高兴欢迎李飞飞（Fei-Fei Li）及 World Labs 的优秀团队加入 AMD。他们在模型研究领域的开创性成果，将帮助我们塑造未来的硬件、软件和系统。双方将携手推动整个生态系统中的研究人员和开发者不断突破 AI 能力的边界。」</p>
<p>World Labs 专注于开发能够创建和模拟交互式 3D 环境的 AI 模型，同时也涉足机器人学习与仿真技术。</p>
<p>根据此次安排，李飞飞将加入 AMD，担任执行副总裁兼首席科学家，直接向苏姿丰汇报。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4f/70/4f70a4a923103327745f6d17cbacf8db.png" /></p>
<h1>「AI 教父」辛顿：相比奥尔特曼、扎克伯格、马斯克，我更信任黄仁勋</h1>
<p>11 月 16 日消息，被誉为「AI 教父」的杰弗里・辛顿在最新采访中，对英伟达前 CEO 黄仁勋给出了与众不同的评价。</p>
<p>辛顿表示，「我对黄仁勋有一点了解。」，「我的印象里，他是个正派的人。」，不会将其与 OpenAI 首席执行官山姆・奥尔特曼、Meta 创始人马克・扎克伯格、特斯拉 CEO 埃隆・马斯克归为同一类人。「我信任黄仁勋得多。」</p>
<p>辛顿同时坦言，「我认为他犯了一个重大错误，但我猜想英伟达能扛过去。」。</p>
<p>辛顿此前在接受英国媒体专访时，就曾批评头部 AI 企业高管的冒险倾向。他当时指出，各大 AI 公司为争夺行业主导权、抢占市场份额，持续推出能力越来越强的大模型，而他本人一点都不信任奥尔特曼。（来源：IT 之家）</p>
<h1>曝苹果 2027 年春秋两波更新：一年发布 6 款 iPhone</h1>
<p>11 月 16 日消息，根据目前供应链消息及多方爆料，苹果计划从 2027 年开始进一步扩大 iPhone 的产品阵容，全年预计推出 6 款机型，并首次采用春季、秋季两波更新的策略。从中端到轻薄旗舰，再到高端折叠屏，苹果似乎准备彻底改变过去一年集中发布新品的节奏。</p>
<p>春季将率先推出三款新品，分别是 iPhone 18e、iPhone 18 和第二代 iPhone Air。其中 iPhone 18e 定位是中端市场，iPhone 18 负责覆盖主流消费者，iPhone Air 2 则继续主打轻薄设计。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/37/12/3712eb3b2ebc61863a241de00a3ee216.jpg" /></p>
<p>值得关注的是，第二代 iPhone Air 预计将针对上一代产品的短板进行调整，传闻将增加超广角摄像头，并改善电池续航。对于喜欢轻薄机身、又不希望在影像和续航方面作出太多妥协的用户来说，这款产品可能更值得期待。</p>
<p>秋季才是真正的重头戏。2027 年恰逢 iPhone 诞生 20 周年，苹果据称准备跳过 iPhone 19 命名，直接推出 iPhone 20 系列，以周年旗舰的身份带来更大的设计变化，目前流传的升级方向包括四曲面屏幕、玻璃机身等。</p>
<p>除了 iPhone 20 系列，第二代折叠屏 iPhone Duo 2 也有望在秋季登场。</p>
<p>如果这套计划最终落地，2027 年或许将成为苹果 iPhone 产品线变化最大的一年。过去消费者每年主要等待秋季发布会，如今则可能一年有两次换机节点。苹果这次不只是增加新机数量，更是在重新划分不同产品的定位和发布节奏。（来源: 快科技）</p>
<h1><strong>阿里正式发布 Qwen4-Max：2.4 万亿参数，单任务成本下降六成</strong></h1>
<p>阿里巴巴正式推出新一代旗舰基础模型 Qwen4-Max，总参数量达到 2.4 万亿，支持原生视觉理解和百万 Token 上下文。模型已经通过千问 AI 平台提供 API 服务，同时进入阿里云 Token Plan 个人版和团队版。阿里披露，新模型的单任务平均成本相比上一代降低约 60%，缓存命中后的输入价格最低可至每百万 Token 0.5 元。公司还计划陆续开源 Qwen4 系列的中小尺寸模型。（来源：阿里云百炼、财联社）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/87/04/8704a793b0f8e12e9616e73d1d9b33e8.png" /></p>
<h1>KTC 推出 VMAX 全感知智能体主机，配备 VMAX GO 随行屏</h1>
<p>11 月 16 日消息，康冠旗下 KTC 近日推出了 VMAX 全感知智能体主机。这一设备在 Windows 迷你主机的基础上整合了云台摄像头、阵列麦克风和 VMAX GO 随行屏。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/e2/97/e29760b5cb988699023d2ba0879b653f.jpg" /></p>
<p>VMAX 迷你主机本地集成视觉算法、音频算法、对话及会议纪要大模型，配备智能工作台，可本地运行一系列复合型 AI 工作负载，支持语音交互。</p>
<p>而磁吸式可拆卸的 VMAX GO 随行屏接驳主机时可作为直观管理入口；脱离后则能作为便携录音副屏独立使用，支持远程语音指令下发，离线状态下独立采集音频信息，放回主机后自动同步数据并生成结构化会议纪要。（来源：IT 之家）</p>
<h1>影石 Toast 彩色墨水屏相纸发布：手机相机快速传图，能摆能挂能贴</h1>
<p>11 月 16 日消息，影石发布了一款彩色墨水屏相纸产品&mdash;&mdash;Toast，单片定价 429 元，双片定价 815 元（每张省 21.5 元）。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/e4/c4/e4c49f0e03c0350355ebbca8fd4a6f5b.png" /></p>
<p>产品主打把手机、相机里的数字照片实体化，机身小巧轻便，支持磁吸，搭配配件可摆放、粘贴或悬挂，比如作为动态冰箱贴使用。它搭载 3.7 英寸 E Ink Spectra 6 全彩墨水屏，采用红、黄、蓝、绿、黑、白六色彩墨与自研色彩算法，相比常见四色墨水屏色彩更鲜艳、层次更强，依靠环境光成像，观感贴近纸质照片。</p>
<p>依托墨水屏静态低功耗特性，Toast 配备 400mAh 电池，官方标称满电续航接近 195 天，无需频繁充电，即便电量耗尽，屏幕也能保留最后一张照片，不会空白。充电采用背部磁吸接口，兼顾长时间静态展示的省心体验。</p>
<p>在图片更新能力上，Toast 打通影石生态，用户可通过 App 或微信小程序传图，联网后还支持远程推送照片；影石相机用户可借助云服务一键同步云端素材。机身按键支持快速切换照片预览，受墨水屏物理特性限制，完整刷新约需 30 秒。除展示照片外，它还可被改造为痛卡、工牌、桌搭摆件，玩法灵活。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/31/f2/31f270e395a4eceeb537aa242222ffa9.png" /></p>
<h1>AI 演员方桃子代言美瞳广告被罚，声称「戴了一天都很舒服」</h1>
<p>11 月 16 日消息，据大河报报道，广州我的影视文化传媒有限公司因发布医疗广告违法行为，被广州市番禺区市场监督管理局罚款 6.82 万余元。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b5/2c/b52ca055203d4dfdcbff2caeacec780c.png" /></p>
<p>违法事实显示，该公司为广告主安徽花信企业管理有限公司制作并在自制虚拟人物「方桃子」账号上发布「NUTNUTLOOK 坚果力」美瞳产品的广告视频。</p>
<p>视频中虚拟人物「方桃子」宣称「我的美瞳戴了一天，都很舒服」「因为这个美瞳做了高光定轴，可以放心眨眼」等主观体验感受，属于虚构使用产品效果，发布虚假广告。</p>
<p>另查明，上述美瞳产品属于第三类医疗器械，该公司未取得《医疗广告审查证明》发布医疗器械广告的行为，违反广告法。（来源：IT 之家）</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 17 Nov 2026 08:42:16 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[曝黄仁勋考虑重返英伟达担任 CEO；苹果计划明年发布首款智能眼镜；OpenAI 撤销独立机器人研究团队]]>
      </title>
      <link>http://www.geekpark.net/news/373994</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4d/fd/4dfd7b28d8b891a7b98b6f25e329454f.png" height="392" /></p>
<h2 style="text-align: left;"><span style="font-weight: bold;">曝黄仁勋考虑重返英伟达担任 CEO，盟友正施压董事会</span></h2>
<p style="text-align: left;">据英国《金融时报》周日报道，黄仁勋正考虑重返英伟达担任首席执行官。如今他在硅谷的多位盟友正向英伟达董事会施压，要求公司重新任命他。</p>
<p style="text-align: left;">报道称，黄仁勋已经和亲信讨论了重返公司的可能性。与此同时，英伟达董事会还在开展独立调查。</p>
<p style="text-align: left;">一位黄仁勋的盟友表示，他们正在组建一个由硅谷高管构成的「作战室」，游说黄仁勋重返英伟达，并计划争取白宫方面支持。该人士透露：「除了那些前沿 AI 实验室外，科技界所有大腕都爱戴黄仁勋。」他还补充称，这些行动得到了黄仁勋本人的支持。</p>
<p style="text-align: left;">不过，与其他创始人、CEO 不同，黄仁勋并没有英伟达的控股股份，因此无法推翻董事会任何决定。（来源：IT之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/63/e3/63e3338dd47e78a1807bbfd32f3da116.png" height="392" /></p>
<h2 style="text-align: left;"><span style="font-weight: bold;">传苹果计划明年 WWDC 发布首款智能眼镜</span></h2>
<p style="text-align: left;">据彭博社记者 Mark Gurman 披露，苹果计划在 2027 年 6 月举行的 WWDC 全球开发者大会上发布首款 AI 智能眼镜，并于当年年底前正式上市。这款产品内部代号为 N50，目前硬件设计已基本定型。</p>
<p style="text-align: left;">外观方面，苹果智能眼镜比 Meta 第二代 Ray-Ban 智能眼镜更加纤薄，摄像头直接集成在镜框内部，没有明显凸起。苹果还准备了多种款式和配色，并重点优化音质、传感器及佩戴体验。</p>
<p style="text-align: left;">与传统 AR 眼镜不同，苹果首代智能眼镜不会显示增强现实画面，而是以 AI 语音助手 Siri 为核心，通过摄像头感知周围环境，实现建筑识别、实时翻译、导航指引等功能。</p>
<p style="text-align: left;">硬件方面，原型机运行精简版 visionOS 28 系统，搭载基于 Apple Watch 芯片开发的处理器，支持 Wi-Fi 连接及磁吸充电，甚至可以边佩戴边充电。</p>
<p style="text-align: left;">值得注意的是，苹果智能眼镜并非完全独立的设备，需要搭配较新款 iPhone 使用，不支持 Android 手机。复杂的计算任务主要由 iPhone 承担，开发者也无需专门开发眼镜应用。（来源：快科技）</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">OpenAI 撤销独立机器人研究团队</span></h2>
<p style="text-align: left;">近日，OpenAI 向《财富》确认，已经撤销独立机器人研究团队。</p>
<p style="text-align: left;">原机器人研究人员进入首席研究官 Mark Chen 领导的核心研究部门，机器人应用和硬件人员则转入总裁 Greg Brockman 负责的 Applied 部门。</p>
<p style="text-align: left;">公司表示，机器人仍是其长期技术愿景的重要组成部分，此次调整是为了加快研发进度。</p>
<p style="text-align: left;">值得一提的是，这是一个来得有些突然的消息。今年 9 月，OpenAI 还在大规模招聘机器人研发人员，部分岗位开出的基本年薪高达 50 万美元。年初，公司旧金山机器人数据采集实验室已有约 100 名工作人员，还在规划第二处实验室。（来源：凤凰网科技）</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">华为将发布首款昇腾原生具身世界模型</span></h2>
<p style="text-align: left;">华为云宣布将于 11 月 16 日 14:00-15:30 举办线上发布会，正式发布首款昇腾原生的具身世界模型，支撑具身智能从实验室走向千行百业规模化落地。</p>
<p style="text-align: left;">据了解，该模型的名称是 CloudRoboWM1.2。按照已披露议程，这款具身世界模型将由华为云具身产品线总裁、具身智能 Lab 主任吴小东发布，华为云具身智能 Lab 首席模型专家刘流将对华为云具身世界模型架构和能力进行解读，华为云具身智能产业生态负责人丁志彬则将围绕 CloudRobo 生态共建发表演讲。</p>
<p style="text-align: left;">此前，华为云于 2025 年 6 月发布 CloudRobo 具身智能平台，今年 6 月，华为云正式发布「行业 AI 梦工厂&middot;具身智能专区」。（来源：财联社）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/37/8e/378eaa4da098b24707c853e791492ba4.png" height="392" /></p>
<h2 style="text-align: left;"><span style="font-weight: bold;">研究员破解 Switch 2 实现操控特斯拉：方向盘、油门、刹车都能控制</span></h2>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b1/ed/b1ed658b69051fff14dc9aa8f718b68e.png" height="360" /></p>
<p style="text-align: left;">汽车网络安全研究员马修 &middot; 库卡尼奇（Matthew KuKanich）近日在 Reddit 上分享了一段视频，展示自己使用任天堂 Switch 2 手柄控制特斯拉汽车。库卡尼奇表示，这套系统能够让他全面控制车辆功能，包括方向盘、油门、刹车、转向灯、喇叭、挡位以及雨刮器。</p>
<p style="text-align: left;">在具体操作上，库卡尼奇并没有直接破解特斯拉汽车，而是对 Switch 2 进行了越狱，并开发了一款名为 CAN Commander 的定制应用。该应用通过汽车的 CAN 总线向车辆发送控制指令。CAN 总线是汽车内部各个电子部件相互通信的网络。</p>
<p style="text-align: left;">这款应用将车辆的各项功能映射到了 Switch 2 手柄按键上：左摇杆控制方向盘，ZR 键控制加速，ZL 键控制刹车，A 键切换前进挡和倒车挡；L 键和 R 键分别控制转向灯，X 键触发一次雨刮器动作，Y 键则用于鸣笛。</p>
<p style="text-align: left;">库卡尼奇目前尚未公开这项工程的源代码，不过他表示，未来可能会将代码上传至自己的 GitHub 页面。（来源：IT之家）</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">马斯克：SpaceX 通信卫星最终将超 10 万颗</span></h2>
<p style="text-align: left;">11 月 15 日，马斯克在回应「星舰单次发射可增加 50 Tbps 星链带宽」的评价时表示，这个数据对全球国际带宽总量的实际提升「没有听起来那么好」，因为星链需要在近地轨道部署大量卫星，才能在全球范围内实现这样的带宽提升。</p>
<p style="text-align: left;">不过，他预计，SpaceX 通信卫星最终将超过 10 万颗，其中大多数将为 V4 或 V5 版本。</p>
<p style="text-align: left;">目前，星舰第 15 次试飞搭载 26 颗第三代星链（V3）卫星，每颗可为星座增加约 1 Tbps 通信容量，合计约 26 Tbps。（来源：财联社）</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">ULA 成立 20 年首次发射任务完全失败，亚马逊 40 颗卫星损失</span></h2>
<p style="text-align: left;">美国联合发射联盟公司（ULA）的火神（Vulcan）运载火箭于当地时间 11 月 15 日从佛州卡纳维拉尔角太空军基地升空，执行亚马逊低轨卫星星座 Amazon Leo 的首次发射任务。</p>
<p style="text-align: left;">不过，火箭升空约 10 分钟后出现异常，未能将搭载的 40 颗卫星送入预定轨道。这是 ULA 自 2006 年成立以来首次发射任务完全失败，终结了该公司近 20 年的全胜纪录。</p>
<p style="text-align: left;">此次任务还是火神火箭时隔约 9 个月后的首次飞行。此前，该型火箭在 2024 年和 2025 年的飞行中曾出现固体助推器喷管异常，相关问题导致美国政府暂停使用火神火箭执行国家安全发射任务。（来源：IT之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/83/42/83427210668f6e1ad6a3b05a972b6b9a.png" height="392" /></p>
<h2 style="text-align: left;"><span style="font-weight: bold;">第二代 iPhone Duo 曝光，FaceID 是首要任务</span></h2>
<p style="text-align: left;">据科技网站 9to5mac 报道，明年秋季，苹果将推出第二代 iPhone Duo。据了解，苹果工程师正试图将 Face ID 集成到新一代手机中，但这项功能最终可能赶不上产品发布。</p>
<p style="text-align: left;">据彭博社知名记者 Mark Gurman 透露，苹果目前为 iPhone Duo 设定了两个优先目标：Face ID 和操作按钮，后者最终可能只是相机控制的一项新软件功能，允许用户重新设置长按操作，将原本用于在相机中调用 Siri 的功能，改为启动用户自己选择的应用。</p>
<p style="text-align: left;">至于 Face ID，苹果工程师目前正在「积极努力」将这项技术集成到未来新手机中，具体来说是集成到设备的外屏上。</p>
<p style="text-align: left;">「未来几代产品的其他目标还包括增加一颗长焦摄像头，以及进一步减薄机身、减轻整机重量。但 Face ID 才是首要任务。据我了解，苹果已经开发出搭载 Face ID 的 iPhone Duo 2 原型机，工程师目前仍在积极努力将面部识别系统集成到第二代机型的外屏上。」古尔曼表示。</p>
<p style="text-align: left;">不过，尽管如此，Face ID 最终可能无法如期推出。据古尔曼透露，目前相关研发时间非常紧张，而且这项技术尚未完全准备就绪，因此他无法确定该功能能否赶上新机发布。（来源：凤凰网科技）</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">曝松下计划本周推出 L 卡口电影摄影机</span></h2>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b2/23/b223e9a9c18fda44c6f58b1a30203f5b.png" height="359" /></p>
<p style="text-align: left;">三位消息人士透露，松下可能在本周推出一款 L 卡口电影摄影机。</p>
<p style="text-align: left;">其中一名消息人士表示，这款电影摄影机计划于下周二（11 月 17 日）在大阪发布。该机融合了松下 EVA-1 和 Lumix S1H 的特点，但不具备静态照片拍摄功能。</p>
<p style="text-align: left;">同时，该机预计不会采用 FX6 或 Pyxis 那样的盒式机身造型，而是更可能类似索尼 FX3 或佳能 EOS C50。这款新机可能会在 2027 年 1 月上市。（来源：IT之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/2f/94/2f945e200750df5c7447947503879e34.png" height="392" /></p>
<h2 style="text-align: left;"><span style="font-weight: bold;">利用 AI 编程：爱好者将「电子墨水屏便利贴」改造为苹果 Apple TV 遥控器</span></h2>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ca/2f/ca2fdf782aa0cc783b140721420dcbdd.png" height="990" /></p>
<p style="text-align: left;">据 XDA 报道，一位 Reddit 用户 Frankynov 将自己的 Seeed Studio reTerminal Sticky「电子墨水屏便利贴」改造为了苹果 Apple TV 遥控器。</p>
<p style="text-align: left;">Frankynov 透露，整个项目基于 Home Assistant 构建，利用了 Claude 进行辅助编程，不仅能够控制 Apple TV 播放内容，还可以通过触摸屏调节家中的灯光等智能家居设备。</p>
<p style="text-align: left;">目前，相应项目仍处于初期阶段，开发者表示后续还需要进一步调整设计，并修复测试过程中发现的问题。不过，从目前展示的效果来看，该设备已经具备相当不错的实用性，兼具了触控操作和电子墨水屏低功耗的优势。（来源：IT之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b4/51/b451daaa2dda34fb311156c2839c8993.png" height="392" /></p>
<p>&nbsp;</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Mon, 16 Nov 2026 08:47:39 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[传小米联手 AMG 之父，打造极致性能车；SpaceX 首次实现筷子夹飞船；「苹果最暗产品」诞生]]>
      </title>
      <link>http://www.geekpark.net/news/373993</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/02/3a/023a50bc5698e60caceca490bb983c86.png" /></p>
<h2>曝小米与「AMG 之父」创办的 HWA 秘密合作，希望打造「载入史册」新车</h2>
<p>当地时间 11 月 5 日，意媒 Quattroruote 援引不具名知情人士消息称，小米与 HWA 或在秘密合作开发一款超高性能汽车，部分知名零部件供应商也有望参与其中。</p>
<p>双方据称希望打造一款性能前所未有、足以载入汽车史册的车型。新车的具体形式仍未确定，既有可能是全新的旗舰车型，也有可能是小米现有两款车型（SU7/YU7）的极致性能版。</p>
<p>过去几周，多辆采用更激进设计的 SU7 Ultra 测试车现身纽博格林赛道。该媒体分析称，不排除小米已在开发更侧重赛道性能的 SU7 Ultra 升级版。</p>
<p>接近项目的技术人员此前透露，小米主要针对 SU7 Ultra 现有的薄弱环节进行改进。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/00/e0/00e054db2a7ccca411d182c0dc42366d.jpg" /></p>
<p>新车的底盘经过重新调校，以更好地适应纽北赛道，车轮定位设定更加激进，尤其是外倾角；制动系统也进行了强化，不仅增大了规格，还改进了散热设计。</p>
<p>动力系统则将进一步提高输出功率和散热效率，空气动力学设计也有所优化，以增加下压力，并改善热气流的排出。</p>
<p>目前仍无法确定 HWA 是否参与了 SU7 Ultra 升级方案的研发，还是双方计划共同推出一款全新车型。</p>
<p>据该媒体分析，如果是全新车型，可能有两种方向。一种是采用先进技术和现代化设计、性能达到全新高度的顶级超跑，造型和车身比例或借鉴中置发动机跑车；另一种则是以 HWA 190 Evo（下图）为基础进一步开发，因此有可能改变其原本的特色。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/6d/ef/6def0108390886f232af62289c3be528.jpg" width="724" height="543" /></p>
<p style="text-align: justify;">HWA 去年推出了 190 Evo 项目，以现代化复刻的形式改装了经典奔驰 190 E 2.5-16 Evolution II。其采用碳纤维车身，造型极为方正。（来源：IT 之家）<img src="https://imgslim.geekpark.net/uploads/image/file/ee/e8/eee8b7e3281b486bd1f707a86149e808.png" /></p>
<h2>Intel 与 NVIDIA 继续合作开发超级芯片：耐心等双方官宣</h2>
<p>11 月 14 日披露的信息显示，NVIDIA 曾宣布投资 50 亿美元入股 Intel，成为后者大股东之一，双方并非单纯开展财务投资，还涉及联合开发芯片的深度合作。</p>
<p>10 月 21 日 Intel CEO 陈立武在相关采访中表示，双方的联合开发将持续多年，暂未给出产品问世时间，产品准备就绪后将由双方共同对外宣布。</p>
<p>双方合作产品覆盖 AI 服务器与 PC 消费级市场，前者将在 NVIDIA AI GPU 上集成 Intel CPU，后者将由 Intel 处理器集成 NVIDIA GPU，相关产品代号为 Serpent Lake，暂无更多细节，2028 年问世是相对可能的时间点。（来源：快科技）</p>
<p>&nbsp;</p>
<h2>微软大规模宕机后，开源办公套件 LibreOffice 单日收到超 1000 笔捐款创历史新高</h2>
<p>当地时间 11 月 14 日，开源办公套件 LibreOffice 背后的非营利组织文档基金会（The Document Foundation）发文宣布，昨天（13 日）文档基金会单日收到超过 1,000 笔捐款，创造历史纪录。</p>
<p>官方表示，虽然并不对其他组织所面临的运营问题感到幸灾乐祸，但这一时间节点表明，许多人正在重新审视自己在文档方面对单一云服务提供商的依赖。</p>
<p>使用 LibreOffice，您的文档均存储在本地，开放文档格式（ODF）文件也完全归作者本人所有，而非属于任何服务提供商。</p>
<p>向每一位捐款人致以衷心感谢。正是你们的支持，让这款软件以及这些开放标准得以始终保持独立。</p>
<p>受微软多项软件服务全球性故障影响，全球金融业务遭受重创，部分交易员被迫改用电话、社交软件，甚至重新启用传真机维持业务运转。(来源：IT 之家)</p>
<h2>&nbsp;</h2>
<h2>Google 为 Gemini 推出个人财务分析功能，接入银行账户和信用卡，帮用户分析收支</h2>
<p>当地时间 11 月 13 日，Google 宣布为 Gemini 推出全新的个人财务分析功能，通过整合 Google Wallet（Google 钱包）以及第三方金融数据服务 Plaid，允许用户将银行账户、信用卡等金融账户连接到 Gemini，让 AI 直接读取个人交易记录，分析消费习惯、追踪资金流向，并根据实际财务状况制定预算和储蓄计划。</p>
<p>用户启用该功能后，可以在 Gemini 对话中使用 @Google Wallet 调用个人财务数据。例如，用户可以要求 Gemini 分析上一季度的消费情况，并制定一项在未来三个月内节省 1000 美元的计划。另一个重要用途是识别长期存在却容易被忽视的重复性支出。Gemini 还能够利用历史消费数据辅助制定未来预算。</p>
<p>Google 特别强调，这项功能采用只读访问机制。即使用户授权 Gemini 读取银行账户和信用卡信息，AI 也不能直接转移资金、管理账户或者进行投资操作。</p>
<p>整个功能完全采用自愿授权机制，用户可以在 Gemini 的 Personal Intelligence 设置中的 Connected Apps 选项里开启或关闭 Google Wallet 连接。用户可以根据需要决定是否向 AI 开放金融数据，而不必永久保持账户连接。</p>
<p>这项功能目前正在美国市场推出，覆盖 Gemini 网页版以及 Android 和 iOS 应用。Google 尚未公布其他国家和地区的具体上线时间，因此目前不能确定欧洲及其他国际市场的用户何时能够使用。（来源：cnBeta）</p>
<h2>&nbsp;</h2>
<h2>马斯克再创历史！SpaceX 首次实现筷子夹飞船，星舰回收迎来重大突破</h2>
<p>11 月 14 日早晨，SpaceX 在美国得克萨斯州星际基地执行星舰第 15 次试飞任务。编号为 Ship 42 的星舰飞船顺利进入地球轨道，升空约 1 小时 17 分钟后完成全部 26 颗第三代星链卫星部署，后续在轨完成 14 圈绕地飞行，刷新星舰任务持续时间纪录。</p>
<p>本次任务中，SpaceX 首次利用发射塔「筷子」机械臂成功捕获从地球轨道返回的星舰上面级飞船，实现星舰飞船发射塔捕获回收的重大突破。</p>
<p>本次任务中超重型助推器 Booster 22 未进入预定捕获位置，最终落向墨西哥湾备用落区，其偏离预定位置的原因仍在调查，该突破为降低航天发射成本、提升火箭复用率及后续月球、火星任务奠定技术基础。（来源：快科技）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/c5/90/c5902e01bb0f3683df70582b076bb3d2.png" /></p>
<h2>智能体帮你联络商家或保险公司，Meta 旗下 Muse 上线代打电话功能</h2>
<p>11 月 14 日消息，Meta 旗下 AI 智能体 Muse 推出代打电话功能，开通高级付费订阅后，用户就能让 Muse 代自己联系美国商家。Meta 称，Muse 可以帮助用户处理各种烦琐事务，完成待办事项。</p>
<p>13 日凌晨，Meta 首席 AI 官汪滔在 X 上发文宣布：「Muse 能帮你打完所有不想亲自打的电话。」</p>
<p>据悉，用户可以借助 Muse 联系保险公司或有线电视服务商、预约美国车管部门的业务办理时间，或是打电话向餐厅订位。</p>
<p>Muse 会使用 AI 合成语音与商家工作人员交谈，但这类功能并非总能顺利完成任务。部分商家的工作人员听出对方是 AI 后便直接挂断电话，有人是为了防范诈骗，也有人认为这类来电可能是恶作剧，只会浪费时间。</p>
<p>Meta 此前已面向早期体验用户测试了几个月，现向 Meta AI 最高级别的付费订阅用户开放。订阅价格为每月 19.99 美元（现汇率约合 133.6 元人民币）起。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h2>Windows 11 启动界面大翻新，首个被淘汰的是沿用多年的设备连接弹窗</h2>
<p>微软已经开始向用户推送 Windows 11 新一轮界面现代化改造，而最先发生变化的并非开始菜单或任务栏，而是许多用户几乎每天都会遇到的 AutoPlay（自动播放）窗口。</p>
<p>微软此次推出的新版本 AutoPlay 采用 WinUI 现代界面框架重新打造，与 Windows 11 整体设计语言保持一致。新的界面不再像过去那样出现在屏幕右上角，而是改为居中显示，让用户更容易注意到相关提示，同时视觉风格也更加统一。</p>
<p>除了外观上的变化，新版 AutoPlay 还带来了更实用的功能。用户在选择某项操作时，可以明确指定「始终执行」或「仅此次执行」。如果选择始终执行，系统会记住该偏好，今后连接同类设备时自动采取相同操作，无需反复确认。</p>
<p>微软强调，AutoPlay 的重设计并非简单的视觉包装，而是在保留原有功能逻辑的同时进行全面升级，避免出现功能缩水或体验倒退的问题。新版设计既延续了用户熟悉的操作方式，又提供了更加现代化和一致性的使用体验。</p>
<p>不过，该功能目前采取分阶段推送策略。即使安装了最新的 2026 年 11 月 Windows 11 更新，部分用户短期内仍可能看到旧版 AutoPlay 窗口，需要等待微软进一步扩大推送范围后才能获得全新体验。（来源：cnBeta）</p>
<p>&nbsp;</p>
<h2>苹果重申对 visionOS 平台的长期投入，仍看好空间计算发展前景</h2>
<p>据外媒 Road to VR 报道，苹果本周举办了一场特别的「Meet with Apple」开发者活动，重点围绕旗下空间计算平台 visionOS 展开。在外界数月来持续质疑苹果是否仍将投入 XR 领域的背景下，苹果公司再次强调「仍然看好空间计算平台的发展前景」。</p>
<p>苹果空间计算部门产品经理 Yuri Imoto 在活动中表示：「我们希望确保外界明确了解，苹果对这一平台的投入非常坚定。我们对此实际上感到非常兴奋。在相对较短的时间内，空间计算技术已经取得了相当迅速的进步」。</p>
<p>Imoto 还强调，空间计算平台正在医疗手术、医疗保健、教育、专业培训以及沉浸式电影等领域发挥越来越重要的作用，这些内容也是本次全天开发者活动重点讨论的方向。</p>
<p>不过，苹果在上述表态时始终强调的是对空间计算技术及 visionOS 平台的长期投入，而这并不意味着公司同样会继续大力推进 Vision Pro 硬件产品线。（来源：IT 之家）</p>
<h2>&nbsp;</h2>
<h2>Facebook 擅自读取意大利用户相册，Meta 被处以 8.05 亿欧元重罚</h2>
<p>11 月 14 日消息，因在未经意大利用户单独授权、也未充分告知用户的情况下，通过 Android 版 Facebook 应用读取手机中保存的照片、视频及附带的元数据，意大利数据保护局今天（14 日）对 Meta 开出 8.05 亿欧元（现汇率约合 59.36 亿元人民币）罚单。</p>
<p>意大利数据保护局声明指出，此次处罚针对的是 Facebook 于 2023 年开始提供的「浏览 Facebook 时获取相册推荐」功能。用户浏览 Facebook 期间，该功能会自动推荐手机相册中的照片和视频，作为发帖素材。（来源：IT 之家）</p>
<h2 style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/fb/da/fbda0c0944b18bdcdb63ab6ace0a5687.png" /></h2>
<h2>Camp Snap 推出复古摄像机 CS-8 Micro：盲盒形式销售，可挂在钥匙链上随身携带，39.99 美元</h2>
<p>据外媒 The Verge 报道，制造商 Camp Snap 宣布推出一款复古摄像机 CS-8 Micro，该产品将于 11 月 17 日发售，售价为 39.99 美元（现汇率约合 267.3 元人民币）。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/09/80/09806bfb5842e9f6141d57d41858bfab.jpg" /></p>
<p>该产品采用密封盲盒形式销售，提供亮粉色、丁香紫、青柠绿和橙色等常规版本以及相对稀有的「黑色复古经典款」及「夜光款」。其整体长度约为 3 英寸（约 7.6 厘米），重量仅 1.5 盎司（约 42.5 克），可以挂在钥匙链上随身携带。</p>
<p>CS-8 Micro 配备了一块 LCD 屏幕，但仅用于取景，无法直接在摄像机上查看、编辑或删除已拍摄的视频。用户需要通过 USB-C 数据线将视频传输至手机或电脑，也可以取出随机附赠的 4GB microSD 存储卡，通过读卡器读取文件。</p>
<p>CS-8 Micro 仅支持拍摄 720P 视频，支持 8 倍数码变焦功能，提供 5 种内置滤镜，其中部分滤镜可以通过添加闪烁和颗粒效果以模拟 8 毫米胶片的复古影像风格，机身随附的 4GB microSD 存储卡最多可保存约 45 至 60 分钟视频，电池充满后预计可连续拍摄 30 至 45 分钟。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h2>「苹果最暗产品」：苹果首款智能家居中枢 HomeView 屏幕最低仅 0.3 尼特</h2>
<p>苹果硬件工程副总裁 Matthew Costello 在 11 月 13 日在接受 TechRadar 采访时，表示，苹果首款智能家居中枢 HomeView 屏幕最低仅 0.3 尼特，高管笑称是「最暗的苹果产品」。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/86/be/86bed127a0505048b7f6480252bfae96.jpg" width="714" height="402" /></p>
<p>他还表示「我非常喜欢 HomeView，这是我们迄今为止设计的产品中最暗的产品，最低亮度降至 0.3 尼特。所以官方来说，我打造的是苹果公司有史以来最暗的产品。我不知道这是好事还是坏事，但我对此非常自豪。」</p>
<p>对于调暗屏幕亮度，Costello 表示由于 HomeView 需要摆在床边，在夜间点亮后如果太亮，可能会影响用户的睡眠，因此需要降低暗光环境中的存在感。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/76/92/7692f9d9ef54e8e4f20cf3722578ba43.png" /></p>
<h2>人类寿命延长一倍！Anthropic CEO 称 AI 要让癌症十年内成历史：美制药公司礼来 CEO 回应</h2>
<p>11 月 14 日，AI 头部企业 Anthropic 首席执行官达里奥&middot;阿莫代伊在 IPO 路演等多个公开场合表态，若 AI 得到妥善合规引导落地，与全球顶尖医学、生物领域科学家深度协作，医学科研进步速度有望提升至原有水平的 10 倍，原本需耗费整个 21 世纪的医学探索进程可压缩至 5 至 10 年内完成，不到 10 年有望攻克癌症、阿尔茨海默病、心脏病、重症精神疾病等各类重大顽疾，甚至将人类平均预期寿命延长一倍。</p>
<p>美国礼来董事长兼首席执行官戴夫&middot;里克斯对此作出审慎回应，称该愿景落地可能性不大，当前人类对自身生物学运作机制认知仍有大量空白，临床验证是医药研发绕不开的关键瓶颈，AI 赋能下的医药行业进展更可能是稳步渐进而非跳崖式快速突破。（来源：快科技）</p>
<p>&nbsp;</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Sun, 15 Nov 2026 08:02:41 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[AI 录音硬件卖的是时间差，窗口可能只剩半年]]>
      </title>
      <link>http://www.geekpark.net/news/373946</link>
      <description>
        <![CDATA[<p>北京时间 11 月 4 日，苹果推送了 iOS 27.3 和 watchOS 27.3 的第一个开发者测试版，除了带来国行 Apple 智能，还给 Apple Watch 加入了两个全新的 AI 功能：一个是 Live Rewind，可以随时帮你回顾过去 15 秒内的对话；另一个则是 Siri Recap，手表会在一整天里记下你和别人的对话，再整理成摘要。不过这两个功能目前只有英文版，苹果也写明暂不在中国提供。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/63/56/6356cef73dfc7159d8c60a68b966973b.png" /></p>
<p>左为 Live Rewind，右为 Siri 回顾（Siri Recap）｜图片来源：Apple</p>
<p>在这两个功能发布之后，硬件创业者纷纷表示「巨头开始下场抢创业者的赛道了」。按苹果的说明，Apple Watch 把收到的音频加密传给 iPhone，由 iPhone 转写成文字，再交给苹果的私有云计算生成摘要。整个过程与市面上类似的 AI 录音转录功能异曲同工，不同的是，Apple Watch 并不需要你购买额外的硬件，它同样支持几乎全天候的录音，并且没有任何学习成本。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ff/53/ff538426536dd1cffca2e38c3ef442e2.png" /></p>
<p>苹果称音频不录也不存，也不识别说话人｜图片来源：极客公园</p>
<p>Recap 暂时没有面向中国发布，但想要获得类似的体验其实也无需等待 Apple Watch 更新，国内已经有一批硬件在做同样的事，OPPO AI 心力球、NOOKLAB 随身屏和讯飞录音环都主打全天收音。</p>
<p>这些产品目前仍被归在 AI 录音硬件这个大类里，但一个明显的趋势是，越来越多的产品已经开始选择不保留录音。</p>
<p>OPPO AI 心力球就是「只留文字记录」这样一款典型的产品；阿里千问 9 月在云栖大会上发布的录音卡 QwenNote A2，同样是把声音传到云端转写一次就删掉原始音频，只留下文字和纪要。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/e3/ef/e3ef05c377057b1962f1f7792d98bad2.jpg" /></p>
<p>OPPO AI 心力球夹在衣领上全天收音｜图片来源：极客公园</p>
<p>对于这种功能上的设计，千问办公 CEO 陈宇森的解释是，「<strong>今天的 AI 语音转写，已经准确到不需要录音了</strong>。」</p>
<p>他同时还说，AI 录音类产品只是一个小品类，AI 笔记和会议智能类产品才「有无限想象空间」，而他手里的上一代录音卡已经卖出了「大几十万台」。录音在这里只是转成文字的中间一步，所以硬件剩下的工作，主要是把声音收进来。</p>
<p>随着 Personal AI 的概念在 2026 年兴起，读这些记录的正在从人，变成 Agent。但 AI 录音硬件未必是「承载灵魂」的最佳载体。</p>
<h1><strong>信息缺口的生意</strong></h1>
<p>2023 年 6 月，Plaud 开始把录音卡吸在 iPhone 背面卖，一时风头无两，甚至成为 AI 原生硬件的代名词，迄今累计卖出超过 300 万台。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/95/dc/95dc5a7bb94824335063a04ad03455b2.png" /></p>
<p>Plaud 录音卡装进磁吸壳，贴在 iPhone 背面｜图片来源：Plaud</p>
<p>但即使是 Plaud，在回国时也遇上了水土不服的情况，比它更便宜的对手要多很多，钉钉称自家录音卡包揽了今年 618 天猫、抖音、京东 AI 录音设备的销量第一。</p>
<p>价格压得下来，是因为录音和转写本身并不是护城河：手机搭配转写 App 已经能覆盖绝大多数录音场景。</p>
<p>于是，原本为了替手机录音而生的硬件，在 Personal AI 时代，又要回到和手机本身竞争这个老问题上。</p>
<p>到了 2026 年，新一代 AI 录音硬件干脆把卖点从会议挪到了人身上，<strong>跟着用户一整天，<strong><em><em>攒下这个人的上下文</em></em></strong>。</strong></p>
<p>这个变化之所以今年来得集中，是因为 Personal AI Agent 已经能替人写报告、跑流程，却不知道用它的人在线下说过什么。</p>
<p>互联网巨头已经意识到这个问题，并开始针对性地「补课」。腾讯 9 月给 WorkBuddy 拉来 9 款联名硬件，按公布的名单，至少 6 款以收音为主。</p>
<p>按理说，手里上下文最多的是手机，可第三方的 Agent 拿不到。甚至，App 和 AI 助手之间的争夺已经愈演愈烈：10 月 14 日，豆包手机助手的公示期结束，155 款 App 明确拒绝 AI 代为操作，腾讯和关联公司就占了 66 款，微信、淘宝、支付宝都在名单里。</p>
<p>对互联网大厂而言，AI 替用户点按会绕过 App 的页面和广告位，这些 App 守的是自己的默认分发权。而录音不需要经过任何一个 App 的同意，硬件因此成了一条不得不走的绕路。</p>
<p>手机自己也有听不到的时候，它多数时间揣在口袋里，安卓当前的架构也不允许应用从后台自行开启麦克风。智能手机品牌 Nothing 创始人 Carl Pei 在解释公司为什么要做单独的 AI 硬件时，曾举过一个例子，喝咖啡时有人说了句值得记下的话，掏出手机的工夫，那一刻已经过去了。</p>
<p>目前这些限制挡的主要是手机厂商以外的公司。如今互联网服务大厂会更倾向于通过协议来与手机厂商进行可控的合作，所以真到放开的那天，坐上谈判桌的多半会是手机厂商。</p>
<p>但眼下，收音的这个短板，手机厂商也得用别的设备补上，苹果把收音放到了手表上，OPPO 让心力球和手机系统共用一套记忆引擎。</p>
<p>这批硬件自己，也在往手机身上靠。今年发布的 14 款录音和穿戴新品里，5 款直接吸在手机背面；除此之外，能不靠手机、硬件独立实现联网的设备数量也在短时间内急剧增加，目前已经有 3 款，千问 QwenNote A2、出门问问 TicNote 和 Meta 的 Muse Charm。</p>
<h1><strong>Agent 来读</strong></h1>
<p>记录攒下来以后，读它的已经不只是人。交给 Agent 提炼有效的信息，其实是直接决定最终体验的一环。</p>
<p>我自己日常在使用 OPPO AI 心力球等全天录音硬件的过程中，除了会直接使用 App 获取对应的整理信息，还会将这些记录接入飞书这个「中转站」，进而导入到 Codex、DeepSeek Harness 等工具中，用作工程上下文分析。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f1/ec/f1ec480fb6583e3661486d0b8a7c76eb.png" /></p>
<p>心力球的记录可以接入飞书，也能通过 MCP 交给 AI 工具｜图片来源：极客公园</p>
<p>这些 Harness 工具都会对转录内容进行一次「初筛」，从我几千段对话里筛出约 200 段。根据 Codex 的计算，其中约 30% 是背景噪音，40% 是类似「我共享一下屏幕」这样的寒暄，20% 是只在当时有用的上下文，<strong>有效的信息只有不到 10%</strong>。</p>
<p>虽然实际可用率只有不到一成，但我已经明显感觉到，Harness 在相关的任务规划中，能更容易地从我模糊、支离破碎的语言中理清我实际想要什么。</p>
<p>让 Agent 读录音的接口，也集中在今年开放，与此同时，Agent「挑原料」的趋势愈发明显；Apple Watch 搭载的 Recap 功能可以记录全天录音，但为了隐私，不留录音正在变成默认，原料压得越狠，Agent 能用的上下文就越少，所以比起记得更多，筛选可能更稀缺。</p>
<p><strong>谁的 Agent 来读，取决于谁握着智能的真正入口</strong>。</p>
<p>手机厂商的系统 Agent 不用等别人开放接口，OPPO 的记忆引擎就同时服务系统和心力球；苹果反倒最保守：Recap 生成的摘要目前连 Siri AI 都读不了。没有手机的公司只能从外面读，Plaud 在国内的接口优先给了 WorkBuddy，亚马逊则让用户把 Bee 连上亚马逊账号，换更个性化的购物推荐。</p>
<p>这也是手机目前仍最适合装下个人 AI 的原因。「最适合」说的不是算力放在哪，Recap 的摘要也在云上生成，而是手机整天跟着人，账号、消息、日程和付款都在上面，Agent 做完的东西，最后也要回到这块屏幕上让人审核。</p>
<p>高通高管 Ziad Asghar 在今年 9 月曾表示，「智能手机仍会是 Agent 体验的中枢，但个人 AI 需要戴在身上的设备。」这也和苹果、OPPO 的做法一致。算力有限的便携硬件将主要承担入口的作用。</p>
<p>没有手机系统的公司，于是都在自己造入口：亚马逊去年买下了 Bee，Meta 计划 12 月推出钥匙扣大小的 Muse Charm，OpenAI 据 Bloomberg 报道还想做一台能替代手机的设备，字节则把豆包嵌进了中兴的手机系统。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b4/e4/b4e49ed2ac4ed6f38674415478163df9.png" /></p>
<p>Meta 计划 12 月推出的 Muse Charm，钥匙扣大小｜图片来源：Meta</p>
<p>做硬件的公司也清楚自己的位置。「给大厂的 Personal Agent 做硬件外挂」这条路线，愈发变成一个务实的选择；能录、能传、能转写这一层，硬件已经 ready，但软件整合上还差一些距离。比如腾讯的联名硬件里，公开说能深度互通的只有影石一款，心力球用的也还是独立的白鲸 AI。<strong>手机厂商还没把这些<strong><em><em>整</em></em></strong>合起来，这段空档就是硬件公司现在的窗口</strong>。</p>
<p>对想买一个随时记录生活的硬件的人来说，需要录会议的，专业录音卡依旧好用，Plaud 和钉钉卖得好，靠的正是这个场景；只为全天记录再多戴一个新设备的，不妨先等等，因为手机厂商的手表和耳机可能更快补上这一块。</p>
<p>但国内的空档，也许比美国长一些，因为 Recap 暂时还不在中国提供，Bee 和 Muse 也没有进来，变量在华为、OPPO、vivo、小米谁先把全天记忆做进系统，OPPO 和 vivo 已经在系统里加了记忆功能。</p>
<p>到 2027 年年中，应该会有至少一家国产手机厂商，把全天记录做成系统自带的能力，用户不用再为此另买一个录音硬件。</p>
<p>智能手机花了十多年，才把相机、地图、钱包和通讯录收进一台设备。全天记录很可能也会走这条路，先以单独的硬件出现，再被手机厂商做进系统。</p>
<p>届时，用户要选的就不再是哪一款录音硬件，而是让哪一家的 Agent 来读自己的全天候记录。</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Fri, 13 Nov 2026 12:57:38 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[李彦宏定义 AI 下一个十年，智能组织是「新厂房」]]>
      </title>
      <link>http://www.geekpark.net/news/373937</link>
      <description>
        <![CDATA[<p>&nbsp;</p>
<p><strong>智能组织就是 AI 时代的新厂房，是生产力真正发生的地方</strong>&mdash;&mdash;11 月 12 日，在百度世界 2026 上，百度创始人李彦宏抛出了贯穿本届大会的核心命题。</p>
<p>他在演讲中直言，当前 AI 没有产生预期的经济效益，本质是很多企业只更换了电机，却还没有重新设计工厂。</p>
<p>过去两年，大模型、智能体快速渗透到企业各个环节，从办公提效到业务辅助，AI 已从「尝鲜」变成很多企业的「标配」。但随着工具部署逐步完成，一个更核心的矛盾开始显现：<strong>AI 投入持续增加、Token 消耗不断增长，企业的利润增长却并未同步到来。</strong></p>
<p>不少企业都遇到了相似的困境：员工个人效率提升了，单点试点也跑通了，但整个组织的运转方式并没有发生本质变化。</p>
<p>在李彦宏看来，这就像给旧工厂换上了新电机，生产线和厂房格局没有重构，生产力自然无法充分释放。</p>
<p>从十年前在同一场合提出「AI 是新电能」，预判移动互联网之后的下一幕是人工智能；到今天将「下一幕」指向智能组织，呼吁企业为 AI 时代重建「新厂房」，李彦宏再一次把行业的注意力引向了更远的未来。</p>
<p>当天的主论坛，百度发布了「芯云模体」全栈 AI 布局的最新进展。</p>
<p><strong>其中值得关注的是模型层面的一系列进展：</strong>百度重磅发布了大模型交易平台&mdash;&mdash;词元所。词元所汇聚好的模型和模型提供商，让企业乃至个人，都能便捷地找到、购买和使用可信的模型 Token。词元所上线一个月以来，已入驻供应资源超 100 个，日均调用次数突破 5000 万，日均调用 token 超 7000 亿。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/cc/76/cc76e778eae3af401263f4f838901d5d.PNG" /></p>
<p>百度智能云正式发布词元所 | 图片来源：百度</p>
<p>百度最新基础模型文心 5.5 Flash Preview 也正式发布，模型支持最长 100 万 Token 的上下文，在复杂编程、知识工作、3D 建模、视频创作等方面表现突出。百度两款应用模型&mdash;&mdash;文心闪电模型和文心一镜微表情大模型，当天正式上线百度智能云千帆平台，可通过 API 接入。</p>
<h1><strong>一、从技术到应用，AI 行业走到了新的关口</strong></h1>
<p>这一判断并非凭空而来，既扎根于过去十年 AI 产业的演进路径，也建立在百度长期技术投入与组织实践之上。</p>
<p>十年前，在百度世界大会的舞台上，移动互联网还处在流量红利的高点，整个行业都在争抢移动端入口，李彦宏已经提出「AI is the New Electricity」，直言移动互联网之后的下一幕是人工智能。</p>
<p><strong>那一年，在很多人看来，放弃火热的移动赛道 all in AI，更像是一次不确定的押注。但后续的产业走向一步步印证了这个判断。</strong></p>
<p>2017 年，李彦宏乘坐无人车开上北京五环，一张罚单成为中国自动驾驶从实验室走向真实道路的标志性注脚。当时舆论对这一行为争议颇多，他却回应「如果无人驾驶的罚单已经来了，无人驾驶汽车的量产还会远吗」。几乎同期，谷歌 Waymo 在美国凤凰城启动无人驾驶乘客测试，中美科技企业同步按下了自动驾驶商业化的启动键。</p>
<p><strong>向底层技术的纵深布局同样早于行业普遍认知。</strong></p>
<p>2018 年，百度发布中国第一款云端全功能 AI 芯片，在大多数企业仍聚焦上层应用开发时，就向算力底层延伸。同年亚马逊 AWS 推出首款自研 CPU，全球科技巨头不约而同地将底层算力视为 AI 竞争的核心战场。十几年的持续投入，让百度拥有了从芯片到应用的全栈能力，为后续模型、智能体的落地打下了根基。</p>
<p><strong>生成式 AI 浪潮的预判同样如此。</strong></p>
<p>2022 年百度世界上，文心大模型补全《富春山居图》的演示，提前预演了 AIGC 的内容生产潜力，李彦宏当时便判断，AIGC 将成为继 PGC、UGC 之后全新的内容生产方式。仅四个月后 ChatGPT 引爆全球，2022 年成为公认的 AIGC 元年。</p>
<p>2023 年国内陷入「百模大战」、厂商争相比拼参数规模时，李彦宏又提出「没有应用，基础模型一文不值」，主张「把所有产品都用大模型重做一遍」，几乎同期微软推出 Microsoft 365 Copilot，全行业的注意力开始从模型参数转向应用落地。</p>
<p>2024 年之后，智能体逐渐成为行业热点。百度世界 2024 现场，五个智能体协同完成报名系统的演示，提前勾勒出多智能体分工协作的形态，李彦宏也提出「智能体是 AI 应用的最主流形态」。半年后 Anthropic 披露多智能体 Research 架构，全球正式进入智能体元年。</p>
<p>到 2026 年 Create 大会，当行业仍在追捧 Token 消耗指标时，李彦宏拿出 DAA（日活智能体数）这把新标尺，提出 AI 的价值不该看投入了多少 Token，而要看完成了多少任务、交付了多少结果。随后 Meta、亚马逊陆续撤下 Token 排行榜，Anthropic 公布内部日活研发 DAA 达 3 万，行业价值标准正式从投入端转向产出端。</p>
<p><strong>十年时间，AI 从实验室里的前沿技术，变成了渗透企业各个环节的基础工具。</strong>当「换电机」已经成为绝大多数企业的标配动作，新的瓶颈也随之显现。微软《2026 年工作趋势指数年度报告》提到的「企业 AI 转型悖论」，BCG 在欧洲企业中观察到的「试点成功但整体收益无提升」现象，本质都是同一个问题：员工个人用 AI 提效了，单点试点也跑通了，但业务流程、协作方式、考核机制仍停留在过去，组织层面并未发生本质变化。</p>
<p>这正是当前全行业面临的共同困境：单点工具的提效，不会自动累加为组织整体的生产力；局部试点的成功，也不等于完成了 AI 转型。<strong>过去十年，行业共同解决的是「AI 能力有没有」的问题；而接下来的十年，整个产业要回答的，是「AI 价值怎么充分释放」的问题。</strong></p>
<h1><strong>二、智能组织：AI 时代的新生产力载体</strong></h1>
<p>事实上，这个答案不在更强的模型参数里，也不在更多的工具部署里，而在承载技术落地的组织本身。</p>
<p><strong>对于这一行业困惑，李彦宏在百度世界 2026 给出了答案&mdash;&mdash; 智能组织。</strong>它跳出了传统组织调整中部门拆分、架构微调的思路，是一套适配 AI 时代的原生组织体系，围绕任务分配、知识沉淀、流程运转，对 AI 能力做系统性重构，最终让组织成为可以持续自我进化的智能系统。</p>
<p><strong>这种重构沿着三条核心路径展开。</strong></p>
<p><strong>第一条是打破岗位边界，让组织运行核心从固定岗位转向具体任务。</strong>工业时代的科层制依靠清晰的岗位分工实现规模化运转，但也带来了协作壁垒，跨角色对齐拖慢了效率。AI 时代，大量执行性工作可由智能体承接，人的价值更多体现在判断与决策上，最小生产力单元也从完整团队收缩为「一个人 + 一支智能体编队」。</p>
<p>百度内部已有大量实践验证。数字人创新业务部打破产品、研发、设计、测试的传统岗位边界，推动全员向 Builder 转型，单个员工就能带着智能体完成从需求分析到交付的全流程。2026 年第三季度，该团队完成 564 次产品迭代，沉淀 130 个可复用 Skill 与 729 篇组织资产，人均产出提升 125.3%，交付周期缩短 28.8%。</p>
<p>百度智能云长出的 FDE（前沿部署工程师）角色，也打破了销售、交付、产研三段接力的模式，一人同时懂行业、能落地、会推产品，已在金融、能源、制造等行业落地 100 多个业务场景。很多时候限制人的不是能力边界，而是岗位的边界；当边界被打破，组织活力会被充分释放。</p>
<p><strong>第二条是沉淀隐性知识，把个人能力转化为可复用的组织智能。</strong>一直以来，企业的核心竞争力往往藏在资深员工的经验里，这些隐性知识难以传承，人员流动就意味着能力流失，是组织最大的隐性损耗。智能组织要做的，就是把分散的个体经验显性化，沉淀为持续累积、全员可用的组织资产。</p>
<p>南方电网与百度合作的「天璇伙伴」是一个典型案例。广西电网每年发生八千多次永久性故障，传统人工研判单次要 60 分钟以上，高度依赖专家经验。通过百度搭子，团队将上万条历史故障数据、老师傅的研判经验沉淀为专业知识，串联故障记录、开关信号、线路拓扑形成完整证据链，研判准确率达 70% 以上，效率提升 12 倍。更关键的是，系统能自主成长，每一次实战经验都会反哺优化，老师傅的智慧不会随人员流动流失，反而越积累越厚重。</p>
<p><strong>第三条是设计流程闭环，让组织从固定流程走向持续进化。</strong>传统企业的业务流程由人预先设计，一旦确定就难以调整，迭代成本高、响应慢。智能组织的核心是 Looping 机制，李彦宏给出了清晰公式：可衡量 + Looping = 持续进化。每一次任务结果都会形成反馈，自动反哺优化下一次执行，让组织像生命体一样持续学习迭代。</p>
<p>百度搭子上线至今完成 160 多次自我迭代，正是这套逻辑的体现&mdash;&mdash; 每一次用户反馈、每一个问题的解决，都会沉淀为系统能力，「今天解决的问题，就是明天拥有的能力」。升级至 3.0 的百度伐谋，则把闭环做到了产业场景，围绕生产运营、经营策略等核心业务，搭建「问题定义 - 算法演化 - 结果验证 - 反馈优化」全链路，让 AI 不只是输出单次方案，而是围绕业务目标持续优化。</p>
<p><strong>沿着这三条路径进化的智能组织，最终会为企业打开三重增长空间</strong>：一是轻资产运营，少数人搭配智能体就能承接复杂任务，人力资源不再是扩张瓶颈；二是构建新护城河，专属的业务知识与流程经验沉淀为组织智能，形成难以复制的差异化壁垒；三是创造新市场，创新不再局限于少数部门，全组织并发探索更容易发现新需求、催生新增长曲线。</p>
<h1><strong>三、AI 的下半场，竞争从技术能力转向组织能力</strong></h1>
<p>李彦宏能持续提出领先行业的判断，本质是观察视角的差异。作为技术背景的创业者，身处全球 AI 竞争一线，他看 AI 更关注技术如何作用于产业、改变经济运行效率。</p>
<p>从「AI 是新电能」到「智能组织是新厂房」，是从生产力到生产关系的完整思考&mdash;&mdash;<strong>AI 是全新的生产力，智能组织就是适配这种生产力的生产关系。</strong>当行业在忙着升级生产力、更换更好的电机时，他先一步看到了生产关系的瓶颈。</p>
<p><strong>同时，这套理念并非停留在理论层面。百度用「芯 - 云 - 模 - 体」四层全栈 AI 能力，为智能组织搭起了可落地的技术底座。</strong></p>
<p><strong>最底层的「芯」是智能组织的算力基石。</strong>智能组织要全面跑起来，需要支撑大规模、长周期的智能体并发运行，对算力的稳定性、性价比都有极高要求。</p>
<p>百度自研 AI 芯片配合升级后的百舸 6.0 算力平台，将传统算力平台升级为 AI 时代的「智能工厂」：LoongForge 训练效率领先行业 1 倍，Agentic 模型强化学习训练效率提升 1 倍，天池超节点 2.0 吞吐性能提升 25%，主流模型推理效率提升 50%。目前天池超节点已走通全栈国产化路径，开放六大核心模块技术规范，在全国多地完成千柜级部署，成功支撑万亿参数大模型训练，为大规模智能体长周期运行提供了稳定、高性价比的算力保障。</p>
<p><strong>往上的「云」是智能组织的运行基座。</strong>智能组织的核心是 Looping 持续进化，需要长链路任务能稳定跑完、上下文能持续沉淀、反馈能实时回流。</p>
<p>新一代百度智能云不再只服务于人或单一工具，而是直接服务于具体业务任务，穿透企业资源、IT 与经营系统。其中千帆 Agent Infra 打造「词元工厂」与「驾驭工程」两大能力：前者提供 150 多款主流模型服务，推理速度较行业提升 25%；后者覆盖长上下文管理、持久记忆、子智能体调度等能力，任务成功率达 95%，同时节省 23% 的 Token 消耗。搭配词元所大模型交易平台的验真、征信能力，企业可以更低成本筛选可靠模型资源。</p>
<p><strong>再往上的「模」，即大模型，决定了智能组织的能力边界，为全行业的智能体开发与组织智能化升级提供了更强的基础底座。</strong></p>
<p>大模型行业百花齐放，但是当一个开发者或一家企业真正想把模型用起来的时候，往往发现，模型越多，选择越困难。同一款模型，有的贵有的便宜，来源五花八门，质量参差不齐。选来选去，就是不放心、不敢用。为解决这一落地难题，百度宣布推出大模型服务平台词元所。</p>
<p><strong>词元所是大模型的交易所，汇聚好的模型和模型提供商，让企业乃至个人，都能便捷地找到、购买和使用可信的模型 Token。</strong></p>
<p>李彦宏认为，大模型产业正在沿着两条路径发展：<strong>一是向上突破，推高智能上限；二是向实扎根，释放产业价值。</strong>在大模型这两个发展方向上，百度都在不遗余力地向前推进。「一方面，我们会持续投入，研发下一代更前沿的基础大模型。另一方面，我们会坚持「模体并行、协同进化」理念，让大模型为应用而优化。」</p>
<p>文心闪电模型，文心微表情大模型，都围绕智能组织场景做了定向升级：面向智能体执行与推理的文心闪电模型，在编程、逻辑推理、任务规划等核心能力上达到行业领先水平，能更稳定地完成长链路复杂任务；面向数字人、内容创作场景的文心一镜微表情大模型，则大幅提升多模态表现力，同时将生成成本降低 50%，支持分钟级视频生产。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/9f/52/9f527c9ad44757cf121006b221b07d5c.gif" /></p>
<p>希加加数字人采访李彦宏 | 图片来源：百度</p>
<p>在基础模型方面，大会前夕百度开源了文心 5.5 Flash Base 基座模型，会议当天正式发布文心 5.5 Flash 预览版并上线千帆平台，文心闪电模型与文心一镜微表情大模型也同步向合作伙伴开放。</p>
<p><strong>最上层的「体」则是智能组织的落地抓手。</strong></p>
<p>从企业协作的百度搭子、产业决策的百度伐谋，到数字人交互的百度一镜、视觉巡检的百度一见、知识管理的库库 AI，不同领域的智能体产品可直接嵌入企业现有流程，企业无需从零搭建，就能快速启动组织智能化升级。</p>
<p>这套技术体系，百度早已在内部跑通验证。目前百度内部日均活跃智能体数、有效任务完成数均实现数倍增长，建成数千个工作空间，沉淀上万个组织 Skill。从产研团队全员 Builder 转型，到中后台流程自动化重构，整个百度本身就是一个持续进化的智能组织样本。这些内部经验又会通过产品输出给行业客户，形成实践 - 优化 - 落地的正向循环。</p>
<p>当 AI 技术的比拼从参数规模转向落地效果，企业竞争的下半场，也自然从「比技术能力」转向了「比组织能力」。<strong>未来能真正吃到 AI 红利的企业，将是完成了组织智能化重构的企业&mdash;&mdash;把 AI 融入<strong><em><em>到</em></em></strong>了组织的每一条流程、每一个任务里。</strong></p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Fri, 13 Nov 2026 11:43:41 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[穿了 33 年皮衣的那个人，离开了英伟达]]>
      </title>
      <link>http://www.geekpark.net/news/373906</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ef/f7/eff7c327d55b6e76b7746db032949e30.png" /></p>
<p>美国时间 11 月 12 日美股开盘前，<strong>英伟达<strong><em><em>官方</em></em></strong>宣布，黄仁勋辞去总裁、首席执行官和董事会成员职务，即刻生效</strong>。</p>
<p>首席财务官科莱特&middot;克雷斯（Colette Kress）出任临时 CEO，同时继续兼管财务；董事哈维&middot;琼斯（Harvey C. Jones）出任董事会主席。董事会已经开始物色正式 CEO，公司内外的人选都会考虑。</p>
<p>黄仁勋 1993 年和两位合伙人创办英伟达，<strong>从那时起一直是这家公司的 CEO，到今天 33 年</strong>。</p>
<p>消息公布后，英伟达股价在盘前下跌 10%。</p>
<h1>从报道到辞职</h1>
<p>虽然外界众说纷纭，但这份公告中并没有直接写辞职理由，只简单感谢了黄仁勋「<strong>对公司和行业不可估量的贡献</strong>」。</p>
<p>10 月 29 日，《纽约时报》报道，美国情报官员认为，与黄仁勋关系密切的女商人 Alice Huang 曾任新加坡数据中心公司 Megaspeed 的董事总经理，而 Megaspeed 是英伟达的客户，被指帮受美国出口管制地区拿到英伟达的 AI 芯片。外交部随后否认，称报道纯属捏造。</p>
<p>11 月 8 日是周日，黄仁勋给员工发了一封信，承认自己有婚外情：「我对妻子不忠。我的行为伤害了她和我们的孩子，我做的事没有任何借口。」信里没有说对方是谁。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/be/ec/beec770bb796a722e66d75fd087a7916.png" /></p>
<p>这封信在英伟达官网公开了全文｜图片来源：英伟达</p>
<p>同一天，英伟达董事会宣布启动独立调查，由独立董事组成的委员会在外部律师协助下，查他是否成了外国情报行动的目标。声明写明，董事会「没有理由认为国家安全或英伟达的机密受到了损害」，并且「对 Jensen 和他的管理团队有信心」。</p>
<p>11 月 10 日，独立董事们宣布请曾任纽约南区代理联邦检察官的 Joon H. Kim 和他所在的律所 Wachtell Lipton 来做这项调查。</p>
<p>11 月 11 日，《纽约时报》又报道了黄仁勋的另一段婚外情，对象是一位直接向他汇报的英伟达副总裁。当天美股收盘后，《华尔街日报》报道董事会正准备撤换他，路透社随后证实。英伟达股价白天还收涨 2.9%，报 173.73 美元，盘后一度跌掉 8.6%。</p>
<p>不到一天，公告就发了出来。董事会用的词是「辞职」，彭博社的标题则写他被董事会撤换。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/75/24/7524ecc547be0a45eeaa9bd71bf832f1.png" /></p>
<p>从第一篇报道到这份公告，只有 14 天｜图片来源：英伟达</p>
<p>接任董事长的琼斯 1993 年就进了英伟达董事会，早年执掌过芯片设计软件公司新思科技（Synopsys），这次是英伟达历史上第一次设董事会主席。他在公告里说「董事会对 Colette 和管理团队有充分信心」，并预计公司的运营、对客户的承诺和产品路线图都会照常推进。</p>
<p>克雷斯的第一关是 11 月 17 日的财报。她 2013 年加入英伟达任首席财务官，过去每个季度的财报电话会上都由她讲数字，这一次要以临时 CEO 的身份上场。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/76/fd/76fdf60b743f529f84f91e1378738a15.png" /></p>
<p>这位临危受命的 CEO 管英伟达的账已经 13 年｜图片来源：英伟达</p>
<h1>硅谷和华尔街</h1>
<p>公告之前的两周里，硅谷的投资人和企业家多半替黄仁勋说话，华尔街更关心他走了以后谁来接。</p>
<p>红杉资本合伙人 Shaun Maguire 在 X 上发帖，说黄仁勋这次的行为「蠢透了」，但他猜其中「没有恶意」，并认为黄仁勋「对美国在 AI 上的领先地位不可替代」。马斯克在下面回了一句「我同意」。后来有网友在 X 上喊「Elon，请雇用 Jensen」，马斯克回复：「<strong>那将是我的荣幸</strong>。」</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b2/6d/b26da10cb617709ccbca280950c5e8b5.png" /></p>
<p>马斯克回复时，英伟达董事会正在开会｜图片来源：X</p>
<p>对冲基金经理比尔&middot;阿克曼（Bill Ackman）也发文呼吁大家支持黄仁勋和他的家人，理由是他也是人。</p>
<p>美国总统特朗普也替他说过话。11 月 9 日，他对记者说自己和黄仁勋通过话，对方否认知道那名女子涉嫌是间谍。他还称黄仁勋是「一个正派的人」，「为我们的国家做了了不起的事」。</p>
<p>Evercore 分析师 Mark Lipacis 在报告里写，英伟达「没有明显的接班计划，也没有二号运营高管」。纳斯达克前董事长兼 CEO 罗伯特&middot;格雷菲尔德（Robert Greifeld）说得更重：「你没法否认，董事会在接班规划上做得很糟糕。」</p>
<p>科技股多头 Dan Ives 给英伟达的估值是每股 300 美元，如果黄仁勋离开，就降到 225 美元。他在报告里写，「黄仁勋在英伟达的日子可能已经不多了」。花旗分析师则说，如果他被迫离开，「<strong>将标志着一个时代的结束</strong>」。</p>
<p>也有人觉得跌出了机会。伯恩斯坦分析师 Stacy Rasgon 认为，英伟达的股价已经「便宜得近乎荒谬」。William Blair 分析师 Sebastien Naji 的看法相反，他认为黄仁勋可能的离开，加上外界对公司更严的审查，会明显压制英伟达的股价。</p>
<p>高管猎头公司 Christian and Timbers 的 CEO Jeff Christian 对 CNBC 说，<strong>黄仁勋「就是 AI 先生，他在替整个行业说话」。</strong></p>
<p>对整个 AI 行业来说，最直接的问题是芯片供应会不会受影响。董事会的说法是不会，琼斯在公告里说产品路线图会照常推进。Oppenheimer 分析师 Rick Schafer 的判断是，短期内左右英伟达股价的不会是基本面。</p>
<p>更难接手的是黄仁勋签下的那些投资。英伟达这两年把大笔现金投进了 AI 云厂商，截至今年 7 月底，它持有的股权投资已经有 990 亿美元；Anthropic 最新的上市文件显示，英伟达还要在它上市时按发行价认购约 100 亿美元股票。Jeff Christian 对 CNBC 说过，黄仁勋「通过合作，或者借钱给对方买芯片，在财务上和每个人都连在一起」。接下来，这些交易要由新的人去维系。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/d6/62/d66254d03389ea38137bc11960d327ef.png" /></p>
<p>H200 是英伟达 2023 年发布的上一代芯片｜图片来源：英伟达</p>
<p>英伟达的芯片路线图，去年 3 月就公开排到了 2028 年的 Feynman。但「舵手」已经远去，谁来把这张图走完，董事会今天才开始找。</p>
<p>作为英伟达创始人兼 CEO，黄仁勋见证并推动了最新一次 AI 浪潮的发展，他的离开，对英伟达和 AI 半导体产业，都是一次冲击。</p>
<p>有网友在社交媒体上写到：</p>
<p><strong>我们可能正在目击一个转折点</strong>。</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Thu, 12 Nov 2026 23:55:51 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[接入多款第三方模型，豆包工作也模型自由了]]>
      </title>
      <link>http://www.geekpark.net/news/373881</link>
      <description>
        <![CDATA[<p style="text-align: center;">&nbsp;</p>
<p>头图来源：豆包工作官网</p>
<p>豆包工作也模型自由了。</p>
<p>11 月 12 日，豆包工作宣布接入 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等多款第三方模型，支持用户按需选型完成任务。同步在模型选择页面标注各模型额度消耗倍率，倍率越低消耗越少，便于用户结合任务需求与使用成本做决策。</p>
<p>同时平台推出两项限时优惠：一是工作日及节假日的指定时段内，使用活动模型可享受额度消耗折扣；二是豆包 2.1 Lite、DeepSeek V4.1 Flash 两款模型限时下调额度消耗倍率，同等任务消耗额度更少。</p>
<h2>一、补全多模型，解决「有的选」</h2>
<p>本轮更新中，豆包工作一次性接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 三款第三方模型，进一步补齐了模型能力矩阵。</p>
<p>具体来看，三款模型各有侧重，可以分别对应企业不同层级的工作场景：Kimi 3.1 Pro 主打百万字级超长上下文处理能力；GLM 5.3 侧重中文语言理解与生成；DeepSeek V4.1 Flash 以高响应速度和高性价比为核心，定位轻量日常任务。</p>
<p>加上此前已经开放的第三方模型，以及字节跳动自研的豆包 2.1、豆包 2.1 Lite 等主力模型，豆包工作已经具备了覆盖「高端能力型、均衡通用型、轻量效率型」三个层级的模型矩阵。</p>
<p>不同能力、不同定价的模型相互补充，基本可以覆盖企业从核心复杂任务到日常基础工作的多场景 AI 需求。</p>
<p>事实上，豆包工作此前就已向企业客户开放第三方模型能力。本轮扩容并非单纯的数量叠加，而是基于企业真实工作流的场景化补全。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/00/e2/00e284b73ee0d3a296aeb558d9af840e.png" /></p>
<p>图片来源：豆包工作官网</p>
<p>此外，我们也注意到，豆包工作本次同步更新了 LOGO，大家熟悉的豆包形象就此「持证上岗」，进入了专业办公场景。</p>
<h2>二、额度倍率透明化，把成本决策权交还给用户</h2>
<p>如果说模型扩容是解决「有没有得选」的问题，那么额度消耗倍率的透明化标注，则是解决「选得明不明白」的问题。</p>
<p>在当前的企业级 AI 市场，成本不透明是很多企业的普遍困扰。不同模型的计费规则各不相同，有的按输入输出 token 计费，有的按调用次数收费，不同单位之间换算复杂，普通用户很难快速判断一款模型的实际使用成本。</p>
<p>很多团队在使用过程中，往往难以预估单任务开销，直到账单出来才发现超出预算，也很难追溯成本的具体构成。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/26/25/26252e45299eaf991d75288a184783b3.jpg" /></p>
<p>针对这一问题，豆包工作在模型选择页面统一标注了各模型的额度消耗倍率&mdash;&mdash; 倍率系数越低，同等任务消耗的平台额度越少。所有模型的消耗标准统一到同一额度体系下，用户选型时可直观对比成本差异，结合任务优先级与预算快速决策，也便于企业做部门的成本管控。</p>
<p>在简单小额任务免费的基础上，豆包工作同步上线两项限时优惠政策，进一步压低使用成本：</p>
<p>一是指定时段折扣，工作日及节假日的优惠时段内使用活动模型，可享受额度消耗减免，兼顾用户成本与平台算力效率； 二是高频模型降倍率，针对豆包 2.1 Lite 与 DeepSeek V4.1 Flash 两款日常高频使用的轻量模型，限时下调消耗倍率，同等任务消耗更少，提升全员日常使用的额度耐用性。</p>
<p>当大模型的基础能力逐渐拉平，如何帮企业把 AI 用起来、用得划算，才是落地的关键。从提供单一模型，到提供多模型矩阵；从黑盒计费，到透明化成本管控，豆包工作的产品迭代路径，契合了企业 AI 从「尝鲜」到「常态化生产工具」的转变趋势。</p>
<p>再往前看一步，当模型足够多、倍率足够清晰，用户可能连「选哪个模型」都不需要亲自操心，平台基于任务类型自动路由、智能调度，会成为下一个自然的产品方向。</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Thu, 12 Nov 2026 16:24:17 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[体验「跟拍机器人」Beni：谁不想要一个不会喊累还会拍照的出行搭子]]>
      </title>
      <link>http://www.geekpark.net/news/373860</link>
      <description>
        <![CDATA[<p style="text-align: left;">作者 | siqi</p>
<p style="text-align: left;">编辑 | 郑玄</p>
<p style="text-align: left;">&nbsp;</p>
<p style="text-align: left;">在智能硬件和具身圈里，可能是今年最受关注的产品之一 Beni 终于开售了。</p>
<p style="text-align: left;">我第一次听说 Beni，是今年上半年，这款产品背后的创业团队妙动科技拿到了包括经纬、红杉、美团的多轮投资。他们的两位核心合伙人，一位是前大疆（DJI）高管，另一位曾先后任大疆技术总监和特斯拉 Optimus 人形机器人团队核心算法与控制工程师。可以说兼具硬件和具身背景。</p>
<p style="text-align: left;">到了 8 月份，Hardwire 的伙伴 Founder Park 在新加坡组织了一场 AI 线下活动，影石的创始人刘靖康现场分享了对打造「CameraMan」（影像机器人）的想法&mdash;&mdash;当时，他认为无人机也许是影像机器人的最佳形态。但有些意外的是，下台之后，不少现场观众都跟 JK 讨论起了妙动这个早期团队。</p>
<p style="text-align: left;">那是我第一次意识到，如果拉长时间维度，在影像机器人的这个目标下，无人机的对手可能会是一款新形态的硬件设备。</p>
<p style="text-align: left;">10 月下旬，我终于有机会提前得到了一台 Beni&mdash;&mdash;一个双轮足式、体型比一只猫还小、可以跳跃翻跟头的机器人。更重要的是，作为一台 ToC 的影像产品，它的确可以在场景里，拍到过去哪怕专业人类摄影师都很难拍出的「全新视角」。</p>
<p style="text-align: left;">11 月 10 日，Beni 正式在全球现货发售。国内市场起售价为 4999 元，跟大疆 Mini 系列无人机几乎在同一个价格区间，比今年最火的云台相机品类稍贵一点&mdash;&mdash;尽管，我认为这几种产品各自对应的使用和拍摄场景几乎完全不会重叠。</p>
<p style="text-align: left;">在我的印象里，此前这类「能跑能跳」的机器人极少涉足影像场景，也很少在 ToC 消费市场进入 5000 元的价格区间。</p>
<p style="text-align: left;">试用半个月之后，我想跟你谈谈我个人的使用感受，以及从 Beni 衍生出的一些思考。</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">一台比猫还小的机器人</span></h2>
<p style="text-align: left;">Beni 给我的第一印象是：它实在太不像一个过往我们印象中的机器人了。</p>
<p style="text-align: left;">重量只有不到 2 kg，官方标注收纳时的长宽高分别为 16.6x21.5x16.5cm，比一台展开旋翼的航拍无人机还要略小一点。比起高度最少在 60cm 以上的「传统机器人」，Beni 在关机存放时，跟一个普通的桌面电子产品别无二致，不需要单独的存放空间，也不会因为有一个通电的「机器生物」，产生一种莫名的「侵入感」。</p>
<p style="text-align: left;">不仅我这么认为，我们公司的社牛小猫们，也都可以大胆放心地靠近 Beni 和它互动。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/a6/1a/a61a5a2fe5a67cecead1ab487148e5ae.JPG" height="5152" /></p>
<p style="text-align: left;">极客公园「员工」 liuxing 对 Beni 充满好奇 | 图片来源：Hardwire</p>
<p style="text-align: left;">Beni 的机身整体由三个部分组成：</p>
<p style="text-align: left;">首先，「下肢」由双轮形态构成，最快速度可以超过 28km/h，比新国标电动自行车的最高限速还快。实际使用后发现，Beni 既能在铺装路面行驶，也可以在不规则道路通行，还能完成跳跃、翻跟头等更复杂的动作。后者现阶段更倾向于偏提供情绪价值，而多地形的适应能力，则的确可以拓宽设备的使用场景。</p>
<p style="text-align: left;">举个例子，我们让 Beni 在公司园区内的一段嵌草路面（用石板在草地上铺设出的步道，石板和石板间有间隙）进行跟随前行。Beni 的双腿可以像一台越野车那样，自动压缩和平衡「底盘和悬挂」，最终顺利跟随目标通过这段路面。</p>
<p style="text-align: left;">中间部分的「身体」，主要是给电池、散热部件、避障感知摄像头留出物理空间。</p>
<p style="text-align: left;">「头部」则是 Beni 的另一个核心部分，由机械云台、摄像头、microSD 卡槽等几部分组成（Beni 机身也自带 32GB 内部存储），拍摄的执行主要靠这些硬件协作完成。采用了 1/1.3 英寸的 CMOS 传感器，最高可以拍摄 4K60P 视频，同时支持 2 倍电子变焦。</p>
<p style="text-align: left;">这些硬件能力和软件算法配合在一起之后，Beni 可以在自身高速运动的同时，自动追踪被拍摄对象，同时依靠机械云台和电子增稳，拍出兼具稳定与速度感的镜头。例如足球场上的突破瞬间，亦或是滑板广场上腾空而起的低机位特写。相信我，这些运镜即便交给人类摄影师，也没那么拍得这么好看。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f2/bb/f2bb0b43ee321bc401f0c7765428ffc5.gif" height="320" /></p>
<p style="text-align: left;">在多个运动场景中用 Beni 拍摄运镜 | 图片来源：Mondo</p>
<p style="text-align: left;">值得一提的是，除了机身自带的摄像头，Beni 还在头顶预留了拓展配件空间，可以通过螺纹孔连接全景相机等其他设备。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ba/56/ba56f22f3fba1021a4cd619ae09396f9.png" height="1198" /></p>
<p style="text-align: left;">一台在头顶外挂全景相机的 Beni | 图片来源：Mondo 官方账号截图</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">让人期待的「自动跟拍」</span></h2>
<p style="text-align: left;">在操作方式上，Beni 大致分为手动挡、自动挡两种模式。</p>
<p style="text-align: left;">手动操作模式，主要通过手机 App 连接并进行控制。全屏的操作界面里，会显示摄像头实时的图传画面，同时有几组按键分别对应 Beni 的位移、机械云台俯仰、跳跃以及紧急刹车等基础运动控制。此外，也会显示拍摄参数、运动速度、电量等核心信息。</p>
<p style="text-align: left;">所以，如果你玩过航拍无人机，那这套操作逻辑你适应起来应该不需要太多时间。</p>
<p style="text-align: left;">不过，的确也有一些动作需要「吃一点操作」。最典型的一个例子就是「行进间跳跃」&mdash;&mdash;Beni 的最大跳跃高度超过 25 cm，能跳上台阶和马路牙子。但你得像打游戏时「敲连招」那样，手动控制好助跑距离、起跳时机。我们在公司里找了一些同事来进行小白测试，成功率只有五成左右。所以如果想拍出来这样的进阶运镜，还是需要经过一定练习的。</p>
<p style="text-align: left;">当然，手动模式下的跳台阶操作，还可以提供一种操作和游戏的乐趣。据我们了解，已有用户拿到 Beni 以后，约着一起进行「跳台阶比赛」。</p>
<p style="text-align: left;">除了 App 操作外，妙动团队也给 Beni 配备了一个腕带可拆卸的追踪、遥控二合一配件。用户可以进行一些实体按键的操作。不过，我个人认为受限于体积大小，它并没有显著带来太多操作上的提升。官方提供了外界游戏手柄的选择，也许是更好的选择。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4b/d4/4bd4e572874b7813ecba211a1150571c.jpg" height="5152" /></p>
<p style="text-align: left;">Beni 标配的二合一体感追踪+遥控器 | 图片来源：Hardwire</p>
<p style="text-align: left;">除了手动操作外，「智能跟拍」才是当 Beni 出现在办公室时，所有同事对这台「机器人」最关心的功能。</p>
<p style="text-align: left;">简单来说，我们的第一次测试有些简单粗暴。直接在手机 App 的画面上圈点选出需要跟踪的人，然后自然地混入 798 园区复杂的人群当中。甚至，连前文提到的那个体感追踪器都没有佩戴，给 Beni 出了一道园区内「纯视觉跟拍」的附加题。</p>
<p style="text-align: left;">结果是，Beni 几乎全程实现了对那位同事的跟拍。无论周围有其他路人擦身而过，还是他突然加速奔跑，都能顺利跟上目标。中间有一段不算长的碎石路，Beni 也都顺利通过了。</p>
<p style="text-align: left;">这其中有一个让我印象很深的细节：中途 Beni 曾被园区里的减速带绊倒过一次，当它自动起身后，原本要跟踪的那位同事已经「出画」了。然后，Beni 通过小幅左右摆动机械云台，像人类转头观察那样，重新寻找目标，而且居然大约 3-5 秒之后，在一个围成圈聊天的人堆里，重新锁定了那位原本的被拍摄者，并继续完成了后续的跟拍。</p>
<p style="text-align: left;">但不足之处也是要提一提的。现阶段 Beni 的智能避障功能设有速度限制，官方 App 显示速度超过 5m/s 后「智能避障将会受限」。事实上，当我们在园区里测试的时候，我们的确也刻意选了一条封锁机动车的道路，否则 Beni 堪比电瓶车的速度，还真可能给外卖小哥们带来困扰。</p>
<p style="text-align: left;">同时，Beni 出色的跳跃能力（毕竟它可以翻跟头）还没有特别丝滑地融入进它的运动里。如果希望它跟着你一起上台阶、上马路牙子，需要手动开启「自主台阶跃障」这个功能。在这个模式下，Beni 的前进速度会相应降低，类似于汽车从常规行驶模式切换到了越野模式。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ef/88/ef88e35546c421586ab1b91a020e234f.jpg" height="1320" /></p>
<p style="text-align: left;">Mondo App 里关于避障的两个设置，目前都需要手动开启 | 图片来源：Hardwire</p>
<p style="text-align: left;">有时候，我会觉得 Beni 更像一只幼年短腿柯基犬。在没人的小区草坪上，我可以放心地让它跟着我一起小跑；但如果遇到过马路、周围都是小朋友或者上楼梯的时候，我仍然需要抱起或者牵着它一起通过。</p>
<p style="text-align: left;">所以，对第一代 Beni 的期待不该是一个「完全体」机器人，它更像一个还在每天成长的宠物伙伴。</p>
<p>&nbsp;</p>
<h2 style="text-align: left;"><span style="font-weight: bold;">从细分场景开始的具身量产探索</span></h2>
<p style="text-align: left;">介绍了那么多和运动有关的「具身能力」，最后我们来聊聊 Beni 的「拍摄能力」。</p>
<p style="text-align: left;">首先，在我跟周围的同事、朋友一起体验 Beni 之前，我的确听到了不少质疑甚至吐槽。这些声音的角度也都很一致：谁想要一个从下往上仰拍「死亡视角」的相机啊？肯定拍不好看。</p>
<p style="text-align: left;">我的回复是：如果你期待 Beni 像相机、旗舰手机或者云台相机那样，拍出好看的静态人脸，那它确实不是一个最佳选择。</p>
<p style="text-align: left;">但相机这个品类，从来就不是只有「拍好人脸」这一个场景和功能。妙动团队在产品介绍时，给 Beni 的定位是：填补地面自主移动影像的空白。</p>
<p style="text-align: left;">这句话理解起来稍微有点费劲，我更愿意把 Beni 理解为一台「地面上的无人机」，并且现阶段尤其适合家庭及城市运动这两个场景的拍摄。</p>
<p style="text-align: left;">先说家庭场景，此前无论是亲子还是宠物场景，几乎都很难拍到所有人「长时间同框」的画面&mdash;&mdash;因为要么得有个人举着相机，要么固定机位很难实现全程跟拍。Beni 可以填补这个场景缺失的能力。</p>
<p style="text-align: left;">我自己在一段时间的体验之后，还发现 Beni 在拍摄宠物的时候，有一个先天优势。过去，我们很难拍到一个宠物的平视视角。如果想蹲下身拍照，宠物往往会兴奋地跑来跑去，很难捕捉到自然表情或稳定的平视画面。但也许是因为 Beni 小巧的形态，它可以从宠物的「对视视角」，记录下家里的宠物面对一台「陌生同类」时，或好奇或生气的珍贵表情。</p>
<p style="text-align: left;">值得一提的是，Beni 的轻量化以及双轮足设计带来的静谧性（传统足式机器人噪音更大），也能让我愿意在室内使用它。这是现阶段无人机暂时无法做到的。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/3b/ec/3bec1c950248dbc8770927a2b3c60a0d.jpg" height="1320" /></p>
<p style="text-align: left;">Beni 捕捉到的一只胆小猫生气瞬间 | 图片来源：Hardwire</p>
<p style="text-align: left;">更大的需求或许在户外和运动场景。但是请注意，这里的「户外运动」不是徒步、越野跑这些场景，前文提到过，过于复杂的地形对现阶段的 Beni 还有不小的考验。</p>
<p style="text-align: left;">更适合 Beni 的，是城市运动里的单人镜头，最典型的是滑板、霹雳舞以及网球。Beni 目前内置了后方跟随、侧面跟随、360&deg;环绕等多种运镜方式，配合自动跟随的功能，在一个相对固定的场景里，可以更容易拍出以往专业摄影师+稳定器都未必拍出的画面效果。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4a/ea/4aea3aa13d6e91cb263d4c4739398dde.gif" height="320" /></p>
<p style="text-align: left;">Beni 在多个场景下的拍摄效果 | 图片来源：Mondo</p>
<p style="text-align: left;">也许你会认为，这并不是一些大众的场景和需求。不过，在消费硬件的领域里，一个全新的品类的成长和发展，几乎都是从解决垂直细分场景里的明确问题出发的。对创业者而言，找到新技术 PMF 的路径往往也不是直接进入成熟且收敛的品类里和巨头直接竞争。</p>
<p style="text-align: left;">从这个角度往前看，Beni 所处的「地面跟拍机器人」跟航拍无人机的发展路径可以找到一些共同的思路。作为消费级无人机赛道的开创者，大疆的路径是先解决了飞控、云台等技术难题，然后为无人机找到了影像这个通向消费市场的场景；而 Beni 则是同样是探索机器人技术边界的同时，找到了一些影像设备还没有覆盖的细分场景。</p>
<p style="text-align: left;">在这篇文章写作之前，Hardwire 和妙动团队进行了一次简短的沟通。我们最好奇的一个问题是，妙动对自己的定位究竟是一家具身公司还是影像公司，得到的答案是前者，而 Beni 是团队对具身技术在 ToC 领域落地的第一次 PMF 探索。</p>
<p style="text-align: left;">不管今后的成长轨迹如何，我都认为这是一次有趣的探索。具身的概念火了几年，既不应该只有 demo 的演示，也不希望把应用的想象力只停留在陪伴、养老等有限场景里。</p>
<p style="text-align: left;">预售期间，Beni 在 Kickstarter 上得到了近 8000 个众筹订单，是该平台在消费级机器人品类下目前筹资金额最高的单品。具身智能，这个听起来有无限可能又略显遥远的新技术，在今天迎来了一次重要的量产交卷时刻。</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Thu, 12 Nov 2026 11:44:41 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[苹果突然永久关闭官方「支持社区」；字节即将推出个人 AI 助手；华为新品牌星芒 OSTA 曝光 | 极客早知道]]>
      </title>
      <link>http://www.geekpark.net/news/373839</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ed/e8/ede88e60ff58d438a75698365d0818ca.png" /></p>
<h2>苹果官方社区即将永久关闭</h2>
<p>11 月 11 日，苹果官网突然宣布，Apple 支持社区将于 2026 年 11 月 20 日永久关闭。即日起，社区将不再接受新帖子，并转为只读模式。用户仍可前往官方 Apple 支持网站，获取值得信赖的指导和帮助。</p>
<p>苹果公告称，我们衷心感谢各位社区成员一直以来贡献宝贵的时间和专业知识，帮助其他用户解决 Apple 产品使用中遇到的问题。（来源：新浪科技）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/eb/17/eb17034566c0868a5083ff8edcc34bac.png" /></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b6/63/b66371f33019f2fc5cd7fe4151313592.png" /></p>
<h2>消息称字节跳动发力智能体赛道，计划推出类似 Meta Muse 的 AI 助手</h2>
<p>11 月 11 日消息，据彭博社报道，字节跳动计划在未来几周内推出一款类似 Meta Muse 的 AI 助手，巩固其在 AI 视频生成领域的领先优势。字节跳动希望借此加快追赶美国顶尖 AI 实验室的步伐，目标是在未来三年左右缩小双方差距。</p>
<p>知情人士透露，字节跳动联合创始人张一鸣近日在一次面向 AI 团队的全员会议上，向研究人员、工程师及相关支持人员介绍了这一计划，并明确了接下来的重点工作。</p>
<p>张一鸣认为，字节跳动有能力在 AI 前沿领域与 Anthropic、OpenAI 等行业领先企业展开竞争。不过，他也提醒团队，真正达到这些公司的水平，至少还需要等到 2029 年或 2030 年。</p>
<p>字节跳动计划推出的新款 AI 智能体，将承担与 Meta 今年 9 月推出的 Muse 类似的角色。Muse 上线后在美国市场获得了不错的反响，它将 Meta 长期积累的 AI 研究成果整合为一款语音交互助手，并配有动画虚拟形象，可以帮助用户完成各种任务。（来源：彭博社）</p>
<p>&nbsp;</p>
<h2>OpenAI 第三季度营收升至 100 亿美元</h2>
<p>美东时间周二，OpenAI 首席财务官萨拉・弗莱尔（Sarah Friar）在接受采访时表示，OpenAI 第三季度营收环比增长近 50%，达到 100 亿美元，年化营收达到约 500 亿美元。</p>
<p>这一增速显著高于二季度 18% 的环比增幅。弗莱尔称，第三季度的增长主要由前沿模型研发以及企业业务拉动。「我们的企业业务营收环比翻番。」她介绍道，目前 OpenAI 的营收结构中，企业业务与消费者业务各占一半。弗莱尔表示：「增长动力来自代码、网络安全类产品，以及 Dots 这类面向企业的智能助手逐步落地。」Dots 是 OpenAI 面向企业推出的 AI 智能体平台。她补充，公司面向中小企业的业务，三季度增速也超过过去六个季度。</p>
<p>弗莱尔还透露，OpenAI 的消费者业务持续增长，营收环比提升 20%，订阅用户突破 1 亿，公司周活跃用户达 12 亿。（来源：新浪科技）</p>
<p>&nbsp;</p>
<h2>OpenAI 宣布 12 月 11 日停用 ChatGPT 旧版语音模式，全面转向 GPT-Live</h2>
<p>11 月 11 日消息，早在 2024 年，OpenAI 就推出了 Advanced Voice Mode（高级语音模式），让用户能够与 ChatGPT 进行更加自然的语音交流。不过，这种语音模式采用的是轮流对话机制，即模型必须等用户说完之后才能作出回应。</p>
<p>今年 7 月，OpenAI 推出了新一代语音模型 GPT-Live，采用全双工架构，允许 ChatGPT 在倾听用户说话的同时进行语音回复，从而实现更加自然、流畅的交流。此外，GPT-Live 还能够处理复杂问题，并在不中断当前语音对话的情况下，将相关任务交由 OpenAI 旗下的前沿文本模型完成。</p>
<p>OpenAI 表示，自今年 7 月 GPT-Live 发布以来，ChatGPT 的语音功能使用量已接近翻倍。目前，通过语音与 ChatGPT 互动的用户中，大多数已经转向使用 GPT-Live。</p>
<p>基于这一变化，OpenAI 今天宣布，将于 2026 年 12 月 11 日正式停用 ChatGPT 中的 Advanced Voice Mode 和 Standard Voice Mode，逐步淘汰这两种旧版语音体验，未来将把开发资源集中在 GPT-Live 上。</p>
<p>OpenAI 淘汰旧版语音模式的决定并未得到所有用户的认可。在 X 平台和 Reddit 社区中，不少 ChatGPT 用户表达了不满。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/3d/be/3dbe9793cbfbe5753d4d5b5af9cb7adb.png" /></p>
<h2>元宝搜索上线</h2>
<p>11 月 11 日，腾讯全新搜索产品「元宝搜索」正式上线。在任意浏览器地址栏输入网址 so.qq.com，即可使用。也可将 QQ 浏览器升级至最新版本，在引擎设置选项中切换为「元宝搜索」。</p>
<p>据腾讯介绍，元宝搜索基于元宝的大模型能力，重新构建了从理解、检索、排序到答案组织的整条搜索链路。依托千亿级索引，搜索范围覆盖全网网页、公众号、视频号等腾讯生态内容和学术文献。在结果呈现上，优先展示权威机构与官方来源的内容，并将广告与答案明确区分。</p>
<p>据悉，「元宝搜索」接入了 157 个权威信源，能搜公众号，也能搜视频号。值得注意的是，「元宝搜索」承诺广告不伪装答案，单独上线广告模块，并标明「相关广告」，与此同时支持「收起广告」。在 AI 交互体验上，「元宝搜索」打字、说话、拍照都能搜，并将按需呈现卡片、图表，答案更直观。（来源：新浪科技）</p>
<p>&nbsp;</p>
<h2>消息称黄仁勋已回英伟达上班开会，试图表现得「一切照常」</h2>
<p>11 月 11 日消息，据 CNBC 今日报道，英伟达知情人士透露，在出轨丑闻曝光后，英伟达 CEO 黄仁勋当地时间周一走进了其位于加利福尼亚州圣克拉拉的总部，并与英伟达高管进行了例行的早会。</p>
<p>知情人士称，黄仁勋在闭门会议一开始就谈及了自己的不忠，并向工作人员表达了歉意。黄仁勋没有回答任何问题，并将话题迅速转向当天的商业和重点议程。</p>
<p>黄仁勋当地时间周二也去了办公室，知情人士表示黄仁勋试图表现得「一切照常」。公司内部员工向 CNBC 形容，消息曝光后当时的氛围是「令人难过」的，一名员工表示，他们对黄仁勋的出轨消息感到震惊。</p>
<p>报道还提到，一些老员工把黄仁勋视为一个永远不会犯错的偶像，把他当作指路明灯。知情人士表示，公司许多员工也在努力接受 CEO 的错误行为。</p>
<p>当地时间 11 月 8 日，英伟达发言人对外明确，黄仁勋将继续担任公司首席执行官，履职不会中断，相关风波不会打乱英伟达正常经营节奏。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h2>Claude 最严封号机制 11 月 12 日生效</h2>
<p>Anthorpic 开启史上最严大清洗。官方同步端出全新风控政策，明令封杀非支持地区。这项新规，将于 11 月 12 日正式生效。就在昨天，Anthropic 又是发布了了 Fable 5.2，又是正式启动 IPO 路演。然而对开发者们来说，真正的震撼弹，是这第三次。</p>
<p>新规中明确指出，任何未列出的国家或地区均不受支持，包括以下三种情况&mdash;&mdash;</p>
<p>第一，用户在物理位置处于不受支持地区时的使用，这包含了（即使是）原本受支持实体的用户和人员。</p>
<p>第二，在不受支持地区注册成立或设立总部的实体，及其用户或人员的使用，无论这些个人在物理位置上是否处于受支持地区。</p>
<p>第三，被不受支持地区的个人或实体直接或间接拥有多数股权或控制权的实体的使用，包含其用户或人员的使用，无论这些个人在物理位置上是否处于受支持地区。</p>
<p>另外，新规还明确禁止利用消费级订阅转发请求，全面封杀转卖和代理服务。（来源：新智元）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/8f/d4/8fd443f5fec6d98f899ca11a7fda5677.png" /></p>
<h2>小米 SU7UltraExtrem 现身</h2>
<p>据博主 @ 尊川川 透露，小米 SU7 Ultra Extreme 已现身北京小米汽车超级工厂。</p>
<p>汽车媒体 Carscoops 此前报道称，其摄影团队已拍下小米 SU7 Ultra Extreme 的无伪装照片。该车有望前往德国纽博格林赛道挑战新的电动车圈速纪录。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/5f/df/5fdfe9bda52db0bfc3eff1c9f52181a0.png" /></p>
<p>这意味着小米可能试图刷新此前由 SU7 Ultra 量产版创造的 7 分 04 秒 957 的纽北量产电动车圈速纪录，该成绩于 2025 年 6 月 11 日设立，比保时捷 Taycan Turbo GT 此前保持的纪录快了 2.6 秒，但该成绩随后又被保时捷反超。</p>
<p>知情人士此前透露，新款小米 SU7 Ultra 预计 2027 年上市，相比在售版本改动幅度较大。新车将对外观造型进行调整升级，整套空气动力学套件全面优化，并搭载 DRS 鹅颈尾翼。</p>
<p>消息称该车型将以限量版形式推出，命名为 SU7 Ultra Extreme，配备多项醒目的空气动力学部件，包括巨大的后扰流板以及采用大型鳍片的后扩散器，用于减少底部气流扰动。</p>
<p>从工厂谍照来看，即便覆盖伪装，超宽轮拱、低趴车身姿态和硕大的尾翼支架都透露出极强的赛道取向。（来源：快科技）</p>
<p>&nbsp;</p>
<h2>华为星芒手机官方微博上线：新品牌 11 月 20 日发布，余承东已换上 OSTA O1 Pro 阔直板新机</h2>
<p>11 月 11 日消息，华为官方今日宣布，鸿蒙智行享界 V8 及星芒品牌发布会定档 2026 年 11 月 20 日 14:30。</p>
<p>目前 OSTA 星芒手机官方微博已上线，暂未发布相关内容，但背景图率先展示了 OSTA 的品牌字母标识。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/88/06/8806ee00abad09aed1fb54c09b1f5f9d.png" /></p>
<p>此外，抖音、小红书等平台也有相关名称的账号出现，但暂未通过认证，是否为官号存疑。</p>
<p>11 月 11 日，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东发文，宣布全新华为子品牌 OSTA 星芒，将在本次发布会首次和大家见面。余承东的微博小尾巴已经变成了 OSTA O1 Pro，正是此前爆料的星芒阔直板手机。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/7a/4b/7a4bb02453d69028423979c0c135a2b7.png" /></p>
<h2>俄罗斯月球核电站新计划：明年选定方案、本世纪 30 年代中期运行</h2>
<p>11 月 11 日消息，据央视新闻报道，当地时间 10 日，俄罗斯国家原子能公司首席执行官利哈乔夫表示，该公司计划于 2027 年选定月球核电站方案。</p>
<p>利哈乔夫在当日举行的政府航天发展战略会议后透露，俄罗斯国家原子能公司正在研究 5 种月球核电站方案，将于 2027 年选定其中一种。当前，国家原子能公司、俄罗斯库尔恰托夫研究所与俄罗斯科学院正在联合研究相关课题。</p>
<p>他进一步表示：「这里说的是功率可达 10 千瓦的月球核电站，计划于 21 世纪 30 年代中期开始运行。目前我们正在深入研究 5 种构型，从把核能直接转换为电能，到建造相应的涡轮装置。我们必须在明年选定构型并启动相关工作。」</p>
<p>参与俄罗斯月球发电站项目的俄库尔恰托夫研究所所长米哈伊尔 &middot; 科瓦尔丘克今年 3 月表示，俄罗斯可能在 5 至 7 年内在月球上建成核电站。</p>
<p>去年 12 月，俄罗斯国家航天集团宣布与拉沃奇金科研生产联合体签署了一项合同，希望在 2036 年前建成一座月球发电站，合同于同年开始执行。</p>
<p>当时，俄罗斯国家航天集团强调：「该项目是朝着建立永久运行的月球科研站，并从一次性任务过渡到长期月球探测计划迈出的重要一步。」（来源：IT 之家）</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Thu, 12 Nov 2026 08:39:27 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[当美国无法建设数据中心，会对 AI 产生怎样的冲击]]>
      </title>
      <link>http://www.geekpark.net/news/373816</link>
      <description>
        <![CDATA[<div data-page-id="BOwld5ZKvo7Uxyxj7DfcHokdnef" data-lark-html-role="root" data-docx-has-block-data="false">
<div class="ace-line ace-line old-record-id-doxcncFH8063LaXwWXfM8KJkKEf"><strong>作者｜Techno 之王</strong></div>
<div class="ace-line ace-line old-record-id-doxcnz8YRdko6BBprruuYakFrFg"><strong>编辑｜靖宇</strong></div>
</div>
<p>2026 年 11 月 4 日，美国中期选举结果落定后的第二天上午，OpenAI 的高管们坐到了一起。</p>
<p>据外媒援引知情人士的消息，他们讨论的是要不要重设 2027 年的数据中心容量预期。讨论还没有形成决定，但焦虑已经摆上了台面。</p>
<p>过去几个月，美国各地的大型数据中心项目接连被按下暂停键。得州前任州长 Abbott 从 8 月起冻结了数据中心的并网和空气许可，要求审计到年底；新当选的州长 Gina Hinojosa 承诺，在州议会立法保护居民之前，暂停所有新数据中心审批，而议会会期要到 2027 年 5 月才结束。</p>
<p>俄亥俄新州长 Amy Acton 提出有条件暂停，要求新项目承担全部电力成本、只能建在旧工业用地上；佐治亚新州长 Keisha Lance Bottoms 则准备上任后直接签行政令，暂停全州新建。</p>
<p>据 Tokenpost 统计，<strong>今年 7 月到 11 月 4 日，美国至少有 21 个大型数据中心项目被取消，已经接近 2025 年全年的 23 个</strong>。Anthropic 在 10 月 26 日提交的招股书里，也把暂停令写进了风险因素：一些辖区正在考虑或已经批准暂停令，可能推迟或阻止它依赖的算力设施，而且反对数据中心的声音正在跨辖区变得更有组织。</p>
<p>如果我们把这股趋势推到极端，去设想这样一个场景，如果美国所有规划中的数据中心都建不成，对当下和未来的 AI，意味着什么？</p>
<p>&nbsp;</p>
<h1 style="text-align: center;"><strong><em>01</em></strong></h1>
<p style="text-align: center;"><strong>潜在算力增长被砍掉 50%</strong></p>
<p style="text-align: center;">&nbsp;</p>
<p>为了把推演的边界划清楚，我们设定这样一个极端场景，它建立在三条假设上：</p>
<p>1，<strong>全美所有尚未开工的规划项目全部冻结</strong>，相当于把目前约 41% 的暂停范围推向全国；</p>
<p>2，<strong>已经在建的项目全部按期完工</strong>，这和德州等地暂停令只针对新审批的做法一致；</p>
<p>3，<strong>芯片照常供应，唯一的硬约束是电和地</strong>。我们只推演美国本土，暂不讨论算力外迁。</p>
<p>这个场景下，被卡住的算力规模有多大？据 Newmark 估计，美国数据中心当前用电约 60GW，这里包含所有数据中心，并非全是 AI。在建容量各家口径不同：Cleanview 约 57GW，Wood Mackenzie 约 80GW，DCMap 8 月的统计约 90GW。这部分项目在情景里会照常完工，构成未来几年美国算力的全部增量。</p>
<p>真正庞大的是「规划中、未开工」的部分，DCMap 8 月统计为 228GW，Wood Mackenzie 披露的累计管线超过 430GW，<strong>取一个约 230 到 340GW 的区间比较稳妥</strong>。</p>
<p>据此粗略推算，在极端情景下，<strong>美国数据中心总容量会在 2028 年前后停在约 120 到 150GW，大约是今天的 2 到 2.5 倍</strong>，此后不再增长。作为参照，Synergy 此前的预测是美国容量到 2029 年翻倍；而如果管线里的规划全部落地，这个数字本该是今天的 5 倍以上。极端场景砍掉的，是翻倍之后的那一大段增长。</p>
<p>换算成芯片会更直观。1GW 电力大约能带动数十万块 Blackwell 级 GPU：按单卡全口径功耗 1.8 到 2.3kW 理论计算，约 43 万到 55 万块；Abilene 这样的实际园区，约每 GW 27 万块。<strong>两三百 GW 的规划被冻结，相当于数千万块最先进的 AI 芯片失去了机房。</strong></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/0c/37/0c37741952d786d21d3ae58ec30126e3.png" /></p>
<p>亚马逊为 Anthropic 建设的 Project Rainier 园区内部｜图片来源：Amazon</p>
<p>这个情景很极端，但不荒谬。据 Cleanview 测算，新州长承诺暂停的州里，规划容量合计 158.6GW，约占全国的 41%，其中德州 88.4GW、俄亥俄 21.9GW、佐治亚 20.2GW、新墨西哥 11GW、纽约 9.9GW。也就是说，情景 A 里接近一半的冻结，在现实中已经有了对应的政策承诺。2024 年以来被取消的 69 个大型项目里，有 33 个主要因为当地反对。参议员桑德斯还提出了全国性暂停法案，虽然通过的可能性很小。</p>
<p>有一点需要诚实说明，目前规划的数字水分很大。德州电网 ERCOT 的大负荷排队约 474GW、约 1800 个项目，相当于该电网峰值负荷的五倍左右，大部分是占位性质的投机申报。所以极端场景实际砍掉的有效算力，会小于账面数字。即便打掉水分，它依然是一次算力供给的急刹车。</p>
<p>这样一脚「算力刹车」踩下去后，会对 AI 产生怎样的影响？</p>
<h1 style="text-align: center;">&nbsp;</h1>
<h1 style="text-align: center;"><strong><em>02</em></strong></h1>
<p style="text-align: center;"><strong>当下照常，下一代 AI 受阻</strong></p>
<p style="text-align: center;">&nbsp;</p>
<p>如果极端情景明天发生，用户在一两年里其实感觉不到异样。<strong>2027 年之前的前沿模型，照常训练、照常迭代</strong>。</p>
<p>因为支撑这一代模型的训练基地，都已经建成或接近完工。据 Epoch AI 的数据库，目前已知最大的 AI 园区是 Anthropic 与亚马逊在印第安纳州的 New Carlisle，容量 1037MW；其次是 xAI 的 Colossus 2，946MW。OpenAI 在德州 Abilene 的园区规划 1.2GW，8 栋楼里的 6 栋截至 9 月已经交付，预计年底完工。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/a3/e2/a3e27a93f99c1061dec92ac42497b392.png" /></p>
<p>OpenAI 位于德州 Abilene 的 Stargate 园区卫星图｜图片来源：Epoch AI</p>
<p><strong>被卡住的，是计划在 2028 到 2030 年登场、需要数个 GW 才能喂饱的下一代模型。</strong></p>
<p>Epoch AI 的数据显示，前沿训练的电力需求每年增长 2.2 到 2.9 倍，目前的前沿训练已经超过 100MW。Epoch 预计，未来一年会有多个园区突破 1GW，大约两年后，最大规模的训练可能用到约 250 万块 H100 等效算力；照这个趋势，<strong>到 2030 年，最大单次训练需要 4 到 16GW</strong>。</p>
<p>作为对比，今天最大的园区刚刚超过 1GW。Epoch 也指出，数据中心的容量，实际上就是训练规模的上限：园区建多大，模型最多就能训多大。</p>
<p>而那些瞄准 2028 年之后的超级工程，已经有不少撞了墙。</p>
<p>OpenAI 的 Stargate 计划到 2029 年超过 9GW，美国 7 个站点中的多数原定 2027 到 2028 年大规模上线，主要集中在得州、新墨西哥和俄亥俄这几个暂停州。</p>
<p>其中，Abilene 旁原计划的扩建已被放弃；新墨西哥州 Do&ntilde;a Ana 规划 2.45GW 的 Project Jupiter，今年 3 月被州土地办公室否决了供气管道；俄亥俄州 Lordstown 站点，直到 4 月的卫星图像里还看不到大规模施工。</p>
<p>Meta 约 1GW 的 Prometheus 园区也在俄亥俄，只有路易斯安那州目标 5GW 的 Hyperion 避开了这一轮暂停。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/26/33/26333d98ea4285342e58140c7ca90e9d.png" /></p>
<p>新墨西哥州 Do&ntilde;a Ana 的 Project Jupiter 工地卫星图｜图片来源：Epoch AI</p>
<p>这就带出了接下来的疑问，<strong>下一代训练 的算力 基地搁浅之后，AI 的进步会慢多少</strong>？</p>
<h1 style="text-align: center;">&nbsp;</h1>
<h1 style="text-align: center;"><strong><em>03</em></strong></h1>
<p style="text-align: center;"><strong>降速，但不会停摆</strong></p>
<p style="text-align: center;">&nbsp;</p>
<p>要回答这个问题，需要把算力增长拆开来看。</p>
<p>据 Epoch AI 统计，2020 年以来，前沿语言模型的训练算力每年增长约 4 到 5 倍。同期训练用电每年增长 2.2 到 2.9 倍。两者之间约 2 倍的差值，主要来自芯片能效的提升，也就是每瓦电能提供的算力在变多。</p>
<p>硬件之外，算法也在帮忙。常用的口径是算法效率每年提升约 3 倍（Ho 等人 2024 年的研究给出约 2.7 倍）。Epoch 后来把后训练也算进去，估计约每年 10 倍，但区间从 2 倍到 50 倍不等，这里采用更稳妥的 3 倍。</p>
<p>现在可以做一个粗略的推算。</p>
<p>正常情况下，AI 每年获得的「有效算力」增长，等于物理算力增长（4 到 5 倍）乘以算法提升（约 3 倍），大约每年 12 到 15 倍。</p>
<p>在情景 A 下，2028 年之后新增电力归零，物理算力增长里最大的一根支柱被抽走，只剩芯片换代带来的能效提升，每年约 2 倍。再乘上算法的 3 倍，<strong>「有效算力」的年增速会从 12 到 15 倍，降到约 6 倍。</strong></p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/fc/c3/fcc3be7fa947a63f14737a2515f1acc3.png" /></p>
<p>有效算力年增速拆解：正常情况与极端情景 A 对比（推算）｜图片来源：极客公园</p>
<p>如果换用 Epoch 更乐观的算法口径（每年约 10 倍），正常情况下的有效算力增速是每年 40 到 50 倍，情景 A 下约 20 倍。两种口径下，电力冻结都会让有效算力增速掉到原来的四成到一半左右。<strong>算法进步再快，也补不上电力扩张留下的那一块</strong>。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f4/35/f4353c594fe332012a0622058b42fed7.png" /></p>
<p>两种算法口径下，电力冻结前后的有效算力年增速（推算）｜图片来源：极客公园</p>
<p>这里还有一个隐患。芯片能效的红利，前提是新芯片能顺利装进机房。机房总电量锁死后，供电和散热改造的难度，可能让这 2 倍也打折扣。</p>
<p>即便如此，每年约 6 倍依然是可观的数字。推演下来，结论很清楚：</p>
<p><strong>极端场景下， AI 会 明显减速，但不会停摆</strong>。</p>
<p>不过这笔账只算了训练需要的算力部分，<strong>把视野放到整个 AI 的运转上，电量锁死之后，还有一场争夺会立刻开始</strong>。</p>
<h1 style="text-align: center;">&nbsp;</h1>
<h1 style="text-align: center;"><strong><em>04</em></strong></h1>
<p style="text-align: center;"><strong>Token 限额时代来了</strong></p>
<p style="text-align: center;">&nbsp;</p>
<p>过去算力不够，就去圈地建新机房。在极端场景下，盘子里的电就这么多，<strong>分给训练的每一度电，都要从推理、智能体和后训练那里挤出来</strong>。</p>
<p>全市场的算力早已向推理倾斜。据德勤预测，推理占全部 AI 算力的比例，2023 年约三分之一，2025 年约一半，<strong>2026 年预计达到约三分之二</strong>。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/83/08/83086e0fb244a419e36d2ee9a6b767b4.png" /></p>
<p>推理与训练在全部 AI 算力中的占比变化｜图片来源：极客公园</p>
<p>AI 实验室内部也在变。SemiAnalysis 基于 OpenAI 和 Anthropic 合计算力的估算显示，2024 年初，预训练占 67%，后训练和强化学习只占约 5%，推理约 29%；此后预训练占比逐季下滑，二季度 63%，三季度 57%，<strong>2025 年降到五成多，后训练占比持续上升</strong>，最新估计两者已经相当。有研究者提醒，这是占比变化，实验室总算力翻了很多倍，预训练的绝对量未必减少。</p>
<p>更大的压力，来自产品形态。推理模型在回答前会生成很长的思维链，用户看不到，但每一步都在耗电。Gartner 的数据显示，<strong>智能体完成一项任务消耗的 token，是普通聊天的 5 到 30 倍</strong>。</p>
<p>高盛预测，2026 到 2030 年，全球 token 总消耗将增长 24 倍。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/9c/8c/9c8c350db026bfc692113961c7ceeaa8.png" /></p>
<p>智能体与 token 消耗的增长｜图片来源：极客公园</p>
<p>把这些数字放进极端情况下固定的电量里，每家实验室都会面对同一道选择题：<strong>每一兆瓦，要么拿去训练下一代更大的模型，要么拿去服务现有的用户和智能体。</strong></p>
<p>想调几十万块卡训一个更大的基座模型，就得限制现有用户的调用量；优先保推理、保用户，下一代模型的进度就会落后。</p>
<p>增加电力这条路被堵住以后，剩下的问题，就是在固定的电量和算力下，继续发展 AI，还有什么路可走。</p>
<h1 style="text-align: center;">&nbsp;</h1>
<h1 style="text-align: center;"><strong><em>05</em></strong></h1>
<p style="text-align: center;"><strong>四条「补充路线」</strong></p>
<p style="text-align: center;">&nbsp;</p>
<p>在极端场景的压力下，那些过去因为「反正能加卡」而不受重视的省电技术，会变成主流方案：</p>
<p><strong>把硬件的考核指标换成「每瓦电能产出多少 token」。</strong></p>
<p>在电量固定的机房里，把旧芯片换成能效更高的新芯片，是唯一的扩容手段。</p>
<p>英伟达现在首选的指标，就是「每个全口径电力兆瓦每秒输出的 token」，分母里算上的是园区的全部用电，包括散热和网络。这个指标的流行本身就说明，芯片厂商已经默认客户的瓶颈在电，卡的数量反而是次要的。</p>
<p>按英伟达的说法，Vera Rubin 的每瓦性能是 Blackwell 的 10 倍，智能体场景下对比 GB300 最高可达 30 倍。独立测试也给出了接近的结果：CoreWeave 实测，在同一 DeepSeek R1 负荷、相同交互速度下，Vera Rubin NVL72 每兆瓦的 token 产出是 GB200 NVL72 的 10 倍。不过 Rubin 下半年才开始量产，多数客户要到 2027 年才能普遍用上。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/1c/27/1c27d145704dd7e16c78ac4d09568100.png" /></p>
<p>英伟达 Vera Rubin NVL72 机柜｜图片来源：NVIDIA</p>
<p><strong>跨机房分布式训练。</strong></p>
<p>暂停令普遍针对的是动辄数百兆瓦的大型数据中心。一个自然的绕行思路，是把训练任务拆散，分到不同地区的中小机房里。政策压力会直接变成对分布式训练的技术需求。</p>
<p>这个方法，巨头们已经在尝试。谷歌说明过，Gemini 是在多个地点的集群上同步训练的；微软把威斯康星和佐治亚的机房连了起来；CoreWeave 与谷歌云宣布了跨云训练。谷歌的 DiLoCo 研究表明，训练可以在普通网络连接的远程设施之间进行，还能容忍硬件故障。</p>
<p>但这个方法的难度不小。DiLoCo 的作者也承认，这项技术目前只能补充超大集群，无法形成替代。2026 年的一项仿真研究发现，<strong>机房相距几十到几百公里时，网络延迟会明显削弱计算与通信的重叠，大量算力在等待数据中空转</strong>。</p>
<p><strong>研发重心从预训练， 转向后训练和强化学习。</strong></p>
<p>预训练对单一超大集群的依赖最高，在极端下最先受限。数个 GW 的集群建不起来，工程师会把精力转向对集群规模要求没那么苛刻的后训练、强化学习，以及混合专家模型、低精度计算等架构改进。Cursor 就公开说过，其 Composer 1.5 模型在后训练上投入的算力，已经超过了预训练。</p>
<p><strong>端侧和小模型给云端分流。</strong></p>
<p>到 2026 年，蒸馏已经是做小模型的主流方法。量化后的小模型能直接在手机 NPU 上处理结构化任务，10 亿参数以下的模型大约每秒能跑 12 到 15 个 token。越来越多应用采用混合模式：本地小模型先处理大部分请求，少数复杂请求再交给云端大模型。</p>
<h1 style="text-align: center;">&nbsp;</h1>
<h1 style="text-align: center;"><strong><em>06</em></strong></h1>
<p style="text-align: center;"><strong>约束之下的机会</strong></p>
<p style="text-align: center;">&nbsp;</p>
<p>极端场景卡住的是美国本土的电。对另外两类玩家来说，这道约束反而打开了窗口：<strong>已经在效率路线上积累多年的模型公司，以及准备入场的 AI 创业者</strong>。</p>
<p>先看前沿和追赶者之间的距离。据 Epoch AI 今年 5 月的测算，最强的开源模型平均落后闭源前沿约 4 个月，大约相当于 GPT-5 和 GPT-5.5 之间的水平差。过去，前沿实验室靠每年十几倍的有效算力增长不断拉开代差；在极端情景下，这个速度降到约 6 倍，新的代差更难建立，追赶者需要追的距离会变短。</p>
<p>再看效率路线上的先行者。DeepSeek、Qwen、Kimi、GLM、MiniMax 等中国模型公司，一直以开源、低成本和混合专家架构见长，这条路线已经反映在使用数据上。</p>
<p>据 OpenRouter 与 a16z 的联合研究，中国开源模型在该平台的 token 占比，从 2024 年底的约 1.2% 涨到 2025 年的近 30%；进入 2026 年，多家统计给出的比例在五到六成之间。</p>
<p>a16z 合伙人 Martin Casado 还估计，使用开源技术栈的创业公司里，约八成在跑中国模型。OpenRouter 只是一个平台，不包含 ChatGPT 自家流量和企业私有部署，但趋势很清晰：</p>
<p>当整个行业都要回答「每度电能产出多少智能」这个难题，长期在这道题上下功夫的团队，手里的经验会更值钱。</p>
<p>*头图来源：Amazon</p>
<p>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Wed, 11 Nov 2026 13:23:24 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[Anthropic 启动 IPO 路演，创始人将套现 17.5 亿美元；谷歌最强 AI 模型正式开放；任天堂招新：经典游戏保存员]]>
      </title>
      <link>http://www.geekpark.net/news/373796</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/3d/f1/3df158da402c0a8f3382ec375fa0160a.png" /></p>
<h2>英伟达董事会聘请前美国联邦检察官，调查 CEO 黄仁勋相关事件</h2>
<p>11 月 11 日消息，英伟达发布公告，宣布已聘请美国前联邦检察官金正贤（Joon H. Kim）及其所在的律师事务所 Wachtell, Lipton, Rosen &amp; Katz，负责开展一项全面、独立的调查。</p>
<p>此前，英伟达董事会表示，鉴于近期有关公司创始人兼 CEO 黄仁勋可能成为外国情报机构目标的报道，董事会决定启动独立调查。董事会将成立由独立董事组成的委员会，并在外部独立法律顾问协助下监督调查。</p>
<p>英伟达董事会此前还表示，目前没有理由认为美国国家安全或英伟达的商业机密已经遭到泄露，但调查将审查所有可获得的信息。黄仁勋支持此次调查，并承诺配合相关工作。董事会同时表示，对黄仁勋及其领导团队保持信心。（来源：凤凰网科技）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/eb/78/eb7808ef05a1f3598deb948580aa37eb.png" /></p>
<h2>Anthropic 启动 IPO 路演，估值目标高达 1.4 万亿美元，七名联创拟套现 17.5 亿美元</h2>
<p>Anthropic 已正式启动首次公开募股（IPO）的投资者路演。公司计划发行 8.25 亿股股票，每股发行价区间为 70 至 78 美元，最高募资规模可达 643.5 亿美元。若按区间上限定价，其完全稀释估值将接近 1.4 万亿美元，这将是人工智能行业迄今规模最大的上市交易之一。</p>
<p>根据公司披露的招股文件，本次发行包括公司新发行的 8.01351354 亿股，以及现有股东出售的 2364.8646 万股。公司不会从老股出售中获得任何收益。同时，承销商还获得一项为期 30 天的选择权，可额外认购 1.2375 亿股。</p>
<p>除公开募股外，Anthropic 还宣布多家科技巨头将通过单独的私募配售方式合计投资 260 亿美元。其中，Google 与英伟达各出资 100 亿美元，领投本轮；AMD 将投入 25 亿美元；微软、博通和美光各投资 10 亿美元；台积电伙伴公司则追加 5 亿美元。按每股 74 美元的中间价计算，IPO 与私募配售合计将为公司带来约 846 亿美元的净募资额。</p>
<p>Anthropic 向美国证券交易委员会提交的更新文件还披露了其经营数据。2026 年前九个月，公司实现营收 332 亿美元，而去年同期仅为 25 亿美元，增速极为惊人。同期净亏损为 1040 亿美元，其中 943 亿美元来自可转换债券及其他金融工具的公允价值变动，属于非经营性账面影响；该期间的经营亏损实际为 13 亿美元。</p>
<p>另外，根据招股书，Anthropic 的七名联合创始人将在 IPO 中合计出售价值 17.5 亿美元的股票。按 IPO 发行价区间中点计算，每位联合创始人拟出售价值约 2.5 亿美元的股票。据亿万富翁指数，按这一估值计算，每人的净资产将达到约 180 亿美元。（来源：cnbeta）</p>
<h2>阿里巴巴：拟分拆平头哥赴港独立上市</h2>
<p>11 月 10 日，阿里巴巴公告称，拟分拆全资子公司平头哥（上海）技术股份有限公司赴香港联交所主板独立上市。香港联交所已确认阿里巴巴可进行此次分拆，平头哥已于 2026 年 9 月 11 日以保密形式向港交所递交上市申请（A1 表格）。此次分拆拟通过全球发售 H 股进行，包括香港公开发售及向机构和专业投资者配售。</p>
<p>分拆完成后，平头哥预计仍将为阿里巴巴子公司。目前，全球发售规模、架构及阿里巴巴持股比例的调整幅度尚未确定。此次分拆仍需获得港交所上市委员会批准及完成中国证监会备案等程序。（来源：凤凰网）</p>
<h2>OpenAI 收购旅游初创公司 Odessia，探索 AI 旅行智能体业务</h2>
<p>11 月 11 日消息，Odessia 创始人弗朗西斯 &middot; 戴维森（Francis Davidson）今天宣布，OpenAI 已收购 AI 旅行智能体公司 Odessia，他本人也已经加入 OpenAI，帮助这家 AI 初创公司探索旅游业务发展方向。</p>
<p>据悉，Odessia 成立仅一年，就拿到了红杉资本领投的 600 万美元种子前融资，并在大约 5 个月前推出了 AI 旅游智能体服务，帮助早期用户规划价值数百万美元的旅行行程。</p>
<p>不过，OpenAI 尚未公布任何旅游领域的新产品或计划。目前该公司的同领域合作伙伴有 Booking.com 缤客、Expedia 和 KAYAK。对于未来是否会推出旅游相关产品，OpenAI 发言人没有透露更多信息，仅表示旅游是用户经常向 ChatGPT 咨询的话题之一。（来源：IT 之家）</p>
<h2>谷歌新模型 Gemini 4 Carbon 登场：主打复杂编程、科学研究与网络安全</h2>
<p>当地时间 11 月 10 日，谷歌宣布正式开放 Gemini 4 Carbon 模型，面向开发者、企业、科研人员和消费者提供服务。</p>
<p>谷歌高级副总裁、DeepMind 首席 AI 架构师 Koray Kavukcuoglu 介绍称，该模型是谷歌目前能力最强的推理模型，重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全等场景。</p>
<p>Gemini 4 Carbon 于 10 月 28 日首次公布，此前通过 Fairwind Program（网络安全合作计划）向部分网络安全防御人员开放。此次则进一步扩大使用范围。</p>
<p>谷歌称，相较于同期推出的 Gemini 4 Argon，Carbon 能够在复杂任务中投入更多推理 Token，进行假设探索、结果验证和边缘情况检查，更适合多步骤编码、复杂调试以及开放式科学研究。</p>
<p>在开发者工具方面，Gemini 4 Carbon 已通过 Gemini API 和 Google AI Studio 向付费开发者开放，同时面向企业客户提供服务。模型也正在向 Google AI Ultra 订阅用户逐步开放，覆盖 Google Antigravity、Gemini 应用和 Google 搜索中的 AI 模式。</p>
<p>谷歌此次将 Gemini 4 Carbon 定位为面向长周期复杂任务的高推理模型，与侧重多数日常软件工程和知识工作场景的 Gemini 4 Argon 形成分工。（来源：网易）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/0a/9e/0a9ecb0bdcb32f68454e82f7af1c1593.png" /></p>
<h2>索尼 12 月 10 日起停止提供 PC 版 PlayStation Plus 应用</h2>
<p>索尼互动娱乐宣布，将从 12 月 10 日起停止向 PC 用户提供 PlayStation Plus 应用。该应用面向符合资格的 PlayStation Plus Premium 会员，但实际使用人数不足合资格会员的 0.4%。</p>
<p>索尼互动娱乐内容采购与运营高级总监 Adam Michel 表示，公司会定期审视现有服务，将资源集中于会员更加重视的高质量体验，此次调整也是基于这一原则。</p>
<p>此次关停也引发了外界对索尼 PC 业务策略的讨论。彭博社此前披露，PlayStation 工作室业务集团负责人 Hermen Hulst 曾向员工表示，索尼的大型叙事驱动游戏今后不会继续登陆 PC，而会转为 PlayStation 主机独占。前索尼互动娱乐全球工作室负责人吉田修平也曾认为，公司可能重新强调平台业务。（来源：3DMGame）</p>
<h2>拼多多送货上门新规 11 月 13 日生效：拒绝履约每单赔付 10 元</h2>
<p>11 月 11 日消息，拼多多新版《送货上门服务条款》已于 10 月 28 日公示，并将于 11 月 13 日正式生效，昨天突然在微博等平台登上热搜。</p>
<p>根据新规，针对带有专属标识的订单，商家若违背上门承诺将未履约每单赔付 10 元，且诱导放代收点等行为均被明确界定为违约。</p>
<p>新规的核心变化不仅在于 10 元 / 单的赔付金额，更在于将「送货上门」从一项模糊的服务描述，变成了附带举证责任转移与经营性处罚的可追责条款。</p>
<p>适用范围有明确边界：新规只约束商品页面带有「送货上门」绿色标识的订单，没有该标识的包裹仍按原有方式配送。商家在服务模板中自行勾选支持上门的区域，才构成承诺；未勾选的区域不受此条款约束。</p>
<p>对商家而言，更重的后果来自配套的经营性处罚：违规记录可能触发商品降权、屏蔽、下架、禁售、提高保证金、限制提现，情节严重的可终止合作。（来源：搜狐网）</p>
<h2>Anthropic 升级 AI 办公套件：从头脑风暴到数据看板，Claude 想承包团队协作全流程</h2>
<p>11 月 11 日消息，Anthropic 开始推出 Claude Whiteboards（白板）、Claude Sheets（表格）和 Claude Data（原 Claude Dashboards），把 AI 助手从「聊天问答」进一步推向团队协作工作台，用户可以在白板上梳理计划、在表格中搭建追踪器，并把业务数据变成可共享的仪表盘、数据故事或解说视频。</p>
<p>三项产品面向所有付费计划提供，支持网页端、桌面端和移动端；其中白板应用 Whiteboards 与表格 Sheets 目前处于测试阶段，Claude Data 则已正式上线。</p>
<p>官方希望让 Claude 从生成文字、代码或文档，转向直接参与团队的日常协作。Claude Whiteboards 方面，用户可以口头描述一个模糊计划，Claude 会将其整理为包含时间线、负责人和日期的白板，团队成员则可实时在同一块白板上补充想法。会议复盘时，Claude 还能将零散讨论按主题归类，并起草每个人的行动项。（来源：新浪）</p>
<h2>谷歌最强 VLA 机器人模型：Gemini Robotics 2.5 登场，会系蝴蝶结、已在奔驰生产线上岗</h2>
<p>11 月 10 日消息，谷歌推出迄今为止能力最强的视觉-语言-动作（VLA）机器人模型 Gemini Robotics 2.5，大幅提升机器人可学习的技能广度与学习速度。</p>
<p>该模型增强了机器人的灵巧度、可靠性与安全性，助力机器人走出实验室，进入更非结构化的真实环境，协助人类完成更多类型的任务。</p>
<p>真实环境非结构化且不可预测，机器人必须同时具备高精度与高可靠性来处理日常物体。借助 Gemini Robotics 2.5，谷歌拓展了模型在任务广度、性能与复杂度上的能力，测试任务达 200 项，例如用夹子分发食物、给礼品盒系蝴蝶结、移液操作液体等。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ca/85/ca855b68cec2dc0c09e8db007e709625.png" /></p>
<p>评估显示，该模型在任务精度、鲁棒性与速度上均有显著提升：相较于此前基线，Gemini Robotics 2.5 按任务类型不同，成功率高出 30% 至 100%，任务完成速度快 20% 至 30%。</p>
<p>谷歌与 Apptronik、奔驰合作，在匈牙利凯奇凯梅特、德国辛德尔芬根的在用汽车生产线上，部署 Apollo 2 人形机器人测试 Gemini Robotics 2.5。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/8d/fb/8dfb132fc3a7331367b68ca2accf64c3.png" /></p>
<p>在此次概念验证中，Apollo 2 自主完成汽车物料拣配工作：这是一项重复性强、体力消耗大的任务，需要将散料箱中的单个零部件，按照线上每台车辆的精确需求顺序，分拣到规整托盘内。</p>
<p>谷歌同时在推进长周期智能体任务的安全能力：Gemini 4 Argon 在智能体机器人评估中处于领先水平，评估维度包括危险任务拒绝、不确定性消解、近距离人机协作。</p>
<p>Argon 可基于真实相机场景生成数千个多样化的模拟练习片段，构建高保真数字孪生。结合真实训练演示数据，机器人能更快泛化适配全新场景与物体。</p>
<p>Argon 还可帮助研究人员从视频片段中推演任务失败原因，在仿真环境与真实机器人上同步测试最优改进方案。（来源：cnbeta）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/00/67/0067767b13e6d682505c826ca8ec1c13.png" /></p>
<h2>技嘉推出 RTX Spark 迷你主机 AI Top Aero，最高 128GB 统一内存</h2>
<p>11 月 11 日消息，技嘉推出 AI TOP AERO 迷你主机，采用英伟达 RTX Spark 平台。这款产品拥有 Blackwell 架构 GPU、最高 128GB 统一内存和紧凑型设计，将端侧 AI 开发、内容创作和游戏体验带入个人工作空间。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/08/b6/08b6b64e4aeebd0bd36f3f59f3afd356.png" /></p>
<p>据介绍，这款迷你主机搭载英伟达 RTX Spark N1X 超级芯片，整合 20 核 Grace CPU 和 Blackwell 架构的 RTX GPU，最高可选 128GB LPDDR5X 统一内存，以及 4TB PCIe Gen 5 SSD，为端侧 AI 模型和 AI 应用程序提供充足计算资源。（来源：快科技）</p>
<h2>再迎「iPhone X 时刻」：20 周年款苹果手机前瞻，整机如一块玻璃、按键将全固态</h2>
<p>11 月 11 日消息，科技媒体 MacRumors 昨日（11 月 10 日）发布博文，梳理、验证和汇总多条供应链消息和可靠信源爆料，认为苹果为庆祝 iPhone 问世 20 周年，会在 2027 年 9 月推出 20 周年版 iPhone（上市后可能名为 iPhone 20 Pro），有望迎来外观、屏幕、交互、影像与芯片等全方位升级。</p>
<p>外观方面，这款旗舰 iPhone 20 Pro 将成为自 2017 年 iPhone X 以来最彻底的一次设计革新，机身正面或呈现为一块几乎无边界、四边弯曲的玻璃，金属边框在正常使用时被隐藏，视觉上更接近「一整块玻璃」。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/19/cd/19cdd83a861f0b3eb3c469470a0a1579.png" /></p>
<p>面板方面，苹果公司预估推迟部署 CoE 和 LTPO+ 两项显示技术，不过依然会采用无边四曲面弯折屏幕方案。</p>
<p>CoE 是 Color Filter on Encapsulation 的缩写，直译为封装彩色滤光片，指将显示屏所需的彩色滤光结构整合至封装层附近或面板内部，可减少部分传统光学结构占用的空间。</p>
<p>交互方面，消息称苹果正在测试无实体位移的固态按键，侧边键、音量键、操作按钮及相机控制键或均改由压力感应与触觉马达反馈实现；按键位置保留，但不再有传统机械行程，机身开孔减少后，有望进一步提升密封性与一体感。</p>
<p>固态按键（Solid-state button）是一种没有机械活动部件、靠传感器识别按压的按键。它看起来可能仍是一个按键区域，但按下去时并不会真的「沉下去」，而是由压力 / 触摸传感器识别动作，再由线性马达模拟出类似实体按键的震动和「咔哒」反馈。</p>
<p>屏幕方面，苹果据称在测试屏下 Face ID 和前置摄像头，希望取消正面可见开孔；不过屏下光学方案能否在 2027 年达到量产成像标准仍不确定，灵动岛也可能因此保留。（来源：IT 之家）<img src="https://imgslim.geekpark.net/uploads/image/file/8c/76/8c76f870967d5cae78ad543add3509d6.png" /></p>
<h2>任天堂在美国设立新职位：系统性保存、整理经典游戏资料</h2>
<p>11 月 11 日消息，任天堂美国公司近日设立新职位，负责保存、整理公司庞大的经典游戏资料。</p>
<p>据官方招聘信息，该职位工作地点位于华盛顿州雷德蒙德市，应聘者将负责任天堂历史硬件和软件信息的保存、整理和访问工作，为任天堂设计、建立一套结构化管理体系，用于整理旧平台相关的技术记录、工程文档、源材料及企业知识。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/f8/a8/f8a8d834a61ce04abc5107138b7bcc94.png" /></p>
<p>对于热爱电子游戏历史的人来说，这份工作颇具吸引力。任天堂希望应聘者具备档案管理、元数据管理、信息架构专业知识。应聘者入职后需要和工程、产品开发、法律和业务团队专家密切合作，确保经典史料能够长期保存，方便后代直接使用。</p>
<p>该职位采用 12 个月一期的合同工形式，时薪 35 美元-55 美元。任天堂优先考虑图书馆与信息科学、档案学、博物馆研究、信息管理、历史学、技术传播或相关本科专业的应聘者，但具备同等专业工作经验的人士也可能获得考虑（来源：IGN）</p>
<p>&nbsp;</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Wed, 11 Nov 2026 08:34:34 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[中国汽车市场，不止一种赢法 | 极客车间]]>
      </title>
      <link>http://www.geekpark.net/news/373765</link>
      <description>
        <![CDATA[<p>对消费者来说，当下的中国汽车消费市场，新品琳琅满目、供给充沛到足以挑花眼。</p>
<p>锚定一个预算区间，从外观设计、内饰风格，到舒适配置、智能化能力，总能找到各有所长的产品。选择足够丰富，也让一个问题变得更值得讨论：参数和价格之外，我们究竟为什么选择一辆车？</p>
<p>从产品定义的角度看，造车很像求解一道「方程式」：在一定的成本和技术条件下，通过一系列判断、决策与取舍，找到品牌个性与用户需求的交点。</p>
<p>理解这些取舍背后的思考，也许能为我们评价一辆车提供另一个视角。</p>
<p>2026 年，基于全新纯电架构的全新梅赛德斯-奔驰纯电 GLC 正式上市。在这家百年车企眼中，「电车」本质上首先得是一辆拥有优秀底盘素质的「好车」，然后再往里加入电动化和智能化的相关能力。</p>
<p>所以，在这辆 30 万级的新车上，后轮转向让低速转弯更灵活，也让高速行驶更稳健； 电动两挡 变速箱和四驱断开装置，则兼顾了动力表现与能耗效率。保留鲜明奔驰设计语言的同时，纯电 GLC 也交出了超过 700 公里的 CLTC 续航成绩。</p>
<p>更让我们惊喜的，是它在智能化上的表现。深度体验搭载 Momenta R7 世界模型的辅助驾驶版本后，我最直接的感受是：车辆对路况的处理更自然，驾驶节奏也更容易让人理解。过去开启辅助驾驶，我常有一种「监督机器开车」的紧绷感；这一次，它在不少时刻让我想起坐在一位熟练司机身旁的从容。</p>
<p>所以我们也更能理解，一辆车的吸引力，既来自参数和价格，也藏在日常使用的细节里。那些产品定义时的判断与取舍，最终都会变成我们对一辆车的真实感受。</p>
<p>其实，挑选产品的过程，就是我们和产品背后的创新者们品味共振的过程。</p>
<p><iframe src="https://v.qq.com/txp/iframe/player.html?vid=v3373j2jham" frameborder="0" allowfullscreen="allowfullscreen"></iframe></p>
<p>*头图来源：极客公园</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 10 Nov 2026 13:43:08 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[千问办公押注 Team Agent，企业 AI 的流水线时刻真的来了]]>
      </title>
      <link>http://www.geekpark.net/news/373760</link>
      <description>
        <![CDATA[<p><strong>作者｜Cynthia</strong></p>
<p><strong>编辑｜郑玄</strong></p>
<p>传说，光明之神巴德尔梦见自己将死，于是，巴德尔的母亲弗丽嘉遍走世间，令万物立下了绝不伤害他的誓言。众神也因此放下心来，甚至还发明了一种新的消遣：轮番向巴德尔投掷武器和石块，看着他毫发无损，来确定他们已经战胜了预言。直到一小枝被遗漏的槲寄生投向巴德尔。光明之神轰然倒下，诸神的黄昏由此拉开序章。</p>
<p><strong>这是北欧神话中巴德尔之死的故事。危险早已被预见，人们也采取了行动，却仍然自欺欺人，把一次次看似成功的演示，当成了问题已经解决的证明</strong>。</p>
<p><strong>2026 年上半年的企业级 Agent 市场，也曾有过这样的笃定。</strong></p>
<p>每一场发布会上，AI 写方案、做表格、敲代码、生成海报的单任务能力都会轮番刷新上限。台上演示环节的百发百中，带动台下掌声雷动，<strong>所有人都觉得&mdash;&mdash;企业级 AI 已经成熟了。</strong></p>
<p>但年中效率复盘，所有人都尴尬地发现：<strong>个人用 Agent 提效能翻三到十倍，落到整个团队、整个企业里，整体效率提升往往不到两倍</strong>。一个人把报告写快十倍，并不能让另外三个部门提前给出确认。设计师更快做出了十套方案，运营可能还在等商家确认价格，仓库也还没有更新库存。单个员工的产出增加伴随的，是整个项目仍然要按照原来的方式往前推进。</p>
<p>11 月 9 日，千问办公 2.0 正式发布，直击这些痛点。</p>
<p>作为业内首个面向团队协作的「Team Agent」，千问办公 2.0 版本，把多人协作、文档共创和自动任务整合到同一个 Agent 产品中：团队可以关联原有工作群和资料，围绕同一个 Agent 持续讨论、分工和执行。Agent 可以实时理解项目信息，并和群成员协同工作，像项目经理一样推进项目和执行待办。</p>
<p>而伴随千问办公 2.0 打通生产级上下文，<strong>Agent 的 2.0 时代自此拉开序幕。</strong></p>
<h1 style="text-align: center;"><strong><em>01</em></strong></h1>
<p style="text-align: center;"><strong>从单机到协作，</strong></p>
<p style="text-align: center;"><strong>Agent2.0 时代来了</strong></p>
<p>如何弥合个体效率提升与组织效率提升之间的巨大鸿沟，是过去一年多企业级 Agent 市场最大的机遇所在。</p>
<p><strong>围绕这个目标，主流探索大致分为两种：给 Agent 增加协作能力，以及给现有办公软件增加 Agent 能力。</strong></p>
<p>多数 Agent 玩家的第一选择是第一种，给 Agent 加一个群聊。把同事拉进同一个 Agent 的项目组，大家一起讨论，AI 自然就有了团队上下文。</p>
<p>这个逻辑看上去顺理成章，但支持多人聊天，只是企业协作的起点。</p>
<p>工作群里为什么需要话题、已读、在线文档，甚至表情包？因为员工每天要在这里确认事情、表达态度、区分轻重缓急。一个被使用多年的工作群，还连接着客户、供应商和合作伙伴，积累着文件、会议与业务记录。</p>
<p><strong>把几位同事邀请进新产品很容易，但让 Agent 获得完整的上下文却需要企业把完整工作流迁移过来。</strong>甚至客户沟通、部门讨论、文档修改，最好都发生在这个新产品里。</p>
<p>你可以把同事拉进自己的 Agent，却很难要求客户先安装一个新的 AI 产品，才能向他发送优惠券。</p>
<p>对于企业来说，既有 IM 也远不只是聊天工具。人员关系、权限、审批和业务习惯，都已经形成。企业愿意为新能力付费，并不意味着它可以为新产品重新组织一遍所有人的工作。</p>
<p><strong>也是因此，另一条路径选择反过来，给现有的 IM 工具加 Agent。这是更务实的选择，也确实走通了一多半</strong>。</p>
<p>员工不用换地方，就在日常聊天的群里就能@机器人问问题、总结会议纪要、了解项目背景。</p>
<p>可问题在于，IM 终究是沟通场，不是生产场。群里的 Agent 最多能帮你整理聊天记录、提炼会议要点，真要写代码、做设计、改长文档、做复杂数据分析，还是得跳转到专门的生产工具里，上下文到这里也就断了。</p>
<p>讨论在群里，产出在别处，只要还需要员工下载文件、切换软件、重新介绍背景，协作成本就没有消失。</p>
<p><strong>既然两条路都只走通了一半，那么为什么不将它们合二为一呢？</strong></p>
<p>千问办公 2.0 最先把这两种探索结合了起来。</p>
<p>一方面，它关联原有钉钉群和项目资料，让 Agent 了解业务正在发生什么；另一方面，它提供完整的任务执行和内容生产能力，让团队可以围绕同一个 Agent 继续做文档、处理表格、修改方案。</p>
<p>在企业版协作群里，不同岗位可以补充各自掌握的信息，Agent 小 Q 会据此整理进度、共识和问题，再按照团队确认的分工创建待办。有人接手项目，也能先了解当前安排，再继续自己的工作。</p>
<p>销售说过的话，可以成为方案同事产出的工作依据；方案发生的变化，也可以及时反映到交付安排中。团队不必等某个人收集好所有信息，再统一向 AI 下达指令。</p>
<p><strong>Team Agent 也由此与个人 Agent 拉开了区别。</strong></p>
<h1 style="text-align: center;"><strong><em>02</em></strong></h1>
<p style="text-align: center;"><strong>实测：AI 如何深度参与真实工作流</strong></p>
<p>千问办公 2.0 发布后，我们第一时间进行了实测。</p>
<p><strong>第一个场景选择了上下文足够复杂、需要做大量搬运工作的月底发票整理场景。</strong></p>
<p>通常来说，报销时，员工会把电子发票发给财务，由财务整理、核对、分类，最后形成报销材料。清晰的流程背后，实际做起来却有许多琐碎的问题：同一张电子发票可能无意中被下载了两次、发送了两次。发票需要被分门别类管理，但不同项目、不同子公司抬头的费用，往往混在相同的上下文里。</p>
<p>每到月底，经常会出现几百张、上千张发票在同一时间被集中提交，完成审核、确认、整理这一套流程，专业财务也需要至少 1~2 天的时间。</p>
<p>于是，我自告奋勇给财务推荐了千问办公 2.0。在千问办公中，直接关联发票报销相关钉钉群，就完成了初步搭建。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/67/32/673214dd801d94b4b963cc51ad5ebd43.png" /></p>
<p>接着，我只要一句话描述需求，并添加同事为协作者，千问办公就能自动解决剩下的所有问题。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/00/0b/000b58fa2cafb4a3249256a23227825c.png" /></p>
<p>过去需要一两天，把聊天记录里的文件逐一整理到文件夹，再上传给 AI 的流程，现在 Agent 可以直接自己从群聊中找到需要的内容，然后做汇总分析。</p>
<p>类似的工作在企业中还有很多。通常来说，这类任务本身并不复杂，但材料往往分散在不同人、不同项目中，上下文整合就需要花费大量的时间精力。</p>
<p><strong>与之相对的，还有另一种情况&mdash;&mdash;审批。</strong>业务部门可能一天向法务发来 20 款合同，虽然法务只需要回复通过或者驳回，但判断的成本，可能一个合同就要花费半天的时间。</p>
<p>脑暴讨论也是如此。我们团队都有定期追踪行业论文的习惯，不同岗位的同事平时分别关注不同领域，大家会把看到的优质论文发在群里，再由专人汇总整理。这原本是一种很高效的办法，每个人替其他人筛选过一轮，整个团队就能快速掌握各个领域里最有价值的信息。</p>
<p>但随着人数和论文数量增加，对负责整合的同学来说，挨个通读、提炼要点就成了沉重的负担。</p>
<p>最终，我们选择把千问办公的协作空间关联到论文讨论日常群聊。每天新增了哪些论文、每篇论文的核心结论是什么、有哪些值得重点关注的创新点，Agent 全都可以自动梳理清楚。当然，总结群聊内容，产出 PPT，然后分配任务也不在话下。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/62/27/62279c9f2bfd5e4eea253f2c0dc94183.png" /></p>
<p>阅读之后，还有讨论和修改。一些同事会用 PPT 来总结这一周的推荐论文。如果我觉得有问题，或者产生了新的想法，也可以在千问办公里直接与 AI 共同修改这个文档。过去，给 AI 改稿，需要先准确描述位置，再把结果复制回文档。多改几轮，还要核对版本。现在，借助人机共创模式，对话和文档可以被放在同一个窗口，选中需要调整的内容，提出要求，再检查原文中的修改。讨论和编辑围绕同一份文档进行，同事也能沿着这份成果继续工作。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/bb/c7/bbc7c6a12229145a0e8648d77964496f.png" /></p>
<p>此外，考虑到论文整理定期发生，我又把它设成了自动任务，在每周一和每周三定时执行。一次次重复交代的工作，逐渐变成了固定安排。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/21/89/218972079b9369f841410c05af758252.png" /></p>
<p>&nbsp;</p>
<p>对我们这种小团队来说，千问办公 2.0 已经解决了大量上下文协作的时间。对那些组织更庞大、上下文更多的企业来说，深度协作带来的效果提升还会变得更加明显。银泰百货的直播卡券业务，就是最典型的样本。</p>
<p>在银泰，直播卡券业务覆盖全国 62 家品牌门店，联动 200 多名门店、商家与运营人员，年 GMV 超过 2 亿元。一张团购券从提报到最终上架，要经过档期确认、资料核对、内容制作、审核发布多个环节，仅需要核对的信息就有名称、价格、有效期、适用门店、素材等近 50 项。</p>
<p>过去，这些工作分散在几十个门店群里推进，没有任何一个群能看到完整的进度。运营人员要逐群翻聊天记录，把信息手动汇总到表格里，再通知下一环节的负责人跟进。大促期间一批卡券集中上线，整个团队要连轴转好几天，大部分精力都耗在了「找信息」和「同步进度」上。</p>
<p>内测千问办公 2.0 之后，事情开始变得不一样。</p>
<p>团队在千问办公里建起一个协作空间，把 60 多个门店钉钉群和卡券 AI 表格全部关联进去。门店的沟通方式没有任何变化，该在群里说什么还说什么，但所有的进度变化都会被 Agent 同步捕捉，自动更新到中央表格里。</p>
<p>负责人想知道一批卡券的准备情况，不用再逐群追问，直接在协作空间里提问，就能得到最新的整体进度。</p>
<p>此外，团队还设置了定时检查任务，Agent 会按固定时间梳理每张卡券的状态，列出已经满足上架条件的清单，再把资料不全、等待审批的事项整理成待办，推送给对应的负责人。</p>
<p>过去是人需要追着信息跑，现在信息和任务会主动找到人，生产协作的模式，开始随着企业级 Agent 的落地，逐渐发生变化。</p>
<h1 style="text-align: center;"><strong><em>03</em></strong></h1>
<p style="text-align: center;"><strong>为什么是千问办公？</strong></p>
<p>一个必须承认的事实是，千问办公能够把团队协作和专业 Agent 能力整合起来，原因<strong>藏在阿里的业务基因里</strong>。</p>
<p>钉钉连接着中国最大规模的企业客户，服务超 2000 万企业组织、近 8 亿用户。千问办公盘活了钉钉沉淀了十几年的企业上下文&mdash;&mdash; 消息、文档、审批、知识库，这些分散在业务流程里的海量数据，终于能完整、顺畅地喂给 Agent。</p>
<p>不止是钉钉，阿里云、电商平台也都是 2B 的服务。</p>
<p>对很多行业来说，生产创造是工作的主体，上下文搬运只是附加成本，忍一忍也能过去；但在电商与零售行业，运营、营销、客服、库存管理这类岗位，最终的产出可能只是一张报表、一个活动方案、一句客户回复，而九成以上的工作时间，都花在了收集信息、对齐信息、同步信息上。</p>
<p>上下文的摩擦力，是这类岗位每天都要面对的核心痛点。阿里本身就是全球最大的电商经济体之一，从淘宝天猫到银泰、菜鸟，内部有数百万从业者天天在这种痛点里打转。这种浸泡在真实业务里的体感，是纯 AI 实验室出身的团队，很难天然具备的。</p>
<p><strong>最后，也是最容易被忽略的一点，是阿里滚雪球效应带来的更多行业 know how。</strong></p>
<p>千问办公上线首月用户就突破 3000 万，其中企业用户占比过半，这意味着它从很早开始，就已经被海量真实企业用户推着往前走。</p>
<p>9 月云栖大会上发布的「企业上下文」能力，本质就是 2.0 版本的技术前置&mdash;&mdash;基于对企业数据的结构化处理，企业上下文能让 Agent 能真正读懂组织的业务逻辑。从企业上下文到 Team Agent，这条路不是凭空想出来的，是阿里内部几万员工先用起来，是银泰、古茗这些生态企业一轮轮内测磨出来的。</p>
<p><strong>当然，现在的 Team Agent 还只是起点。</strong>按照千问办公的规划，未来自动任务还会接入更多企业内部 OA 与第三方 SaaS 应用，协作能力也会覆盖飞书、企微在内更多 IM 平台，让企业选择 Agent 时，不必因此重新选择一套 IM。</p>
<h1 style="text-align: center;"><strong><em>04</em></strong></h1>
<p style="text-align: center;"><strong>尾声</strong></p>
<p>1913 年秋天，美国底特律高地公园工厂，亨利&middot;福特创建了世界上第一条汽车生产流水线，由此，汽车制造从工人围绕固定装配位置取用零件、完成工序的工匠式活计，升级为按照生产顺序安排工位的流水线式生产。自此，磁电机组装从 20 分钟降到了 5 分钟，整车下线从 12 个半小时压缩到 90 分钟。</p>
<p>工人没有获得八倍的手速的情况下，工作被重新组织、减少不必要的搬运，就带来了八倍的生产力跃升。</p>
<p>这也是今天企业级 Agent 正在完成的转变。从 AI 加速个体的生产流程，到 AI 重构组织的协作模式，个人能力的增长，终于有机会转化为组织生产力的跃升。</p>
<p>这一次，Agent 的流水线时刻，真的来了。</p>
<p>*头图来源：视觉中国</p>
<p>头图注释： 1913 年，美国底特律高地公园工厂，亨利&middot;福特创建了世界上第一条汽车生产流水线。</p>
<p>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 10 Nov 2026 12:52:07 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[ChatGPT 占全球 AI 聊天流量超 81%；iOS 27.3 曝光 Siri「个人记忆系统」；传玛莎拉蒂+尊界合作新车曝光｜极客早知道]]>
      </title>
      <link>http://www.geekpark.net/news/373736</link>
      <description>
        <![CDATA[<p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/7b/2c/7b2c010317e63dbbba73fc8f86462c90.png" /></p><h1>8 天从零搓出操作系统：Anthropic 最强 Claude Fable / Mythos 5.2 AI 模型登场，API 调用费下降 20%</h1><p>11 月 10 日消息，<strong>Anthropic 昨日（11 月 9 日）官宣推出 Claude Fable 5.2 和 Claude Mythos 5.2，</strong>两款模型基于同一底层模型，前者面向普通用户并内置网络安全与生物安全防护，后者则面向通过审核的网络安全和生命科学机构开放，用于高风险的专业应用。</p><p>定价方面，Claude Fable 5.2 每 100 万词元（Token）输入费用为 8 美元（IT 之家注：现汇率约合 53.4 元人民币），每 100 万词元（Token）输出费用为 40 美元（现汇率约合 267.2 元人民币）。作为对比，Claude Fable 5.1 的每 100 万词元输入 / 输出价格分别为 10 美元（现汇率约合 66.8 元人民币）和 50 美元（现汇率约合 334 元人民币），<strong>按此计算 5.2 版本的 API 调用费用下调 20%。</strong></p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/db/bd/dbbdc890c95ee3c2d32ecb0c88bf05a0.png" /></p><p>生成速度方面，官方表示相比 Claude Fable 5.1，最新 Claude Fable 5.2 模型生成速度最高提升 30%，而且在可选「快速模式」下，生成速度最高再提升至 2.5 倍，但价格相应更高。</p><p>在预发布测试中，Fable 5.2 完成了多项引人注目的任务：设计出三款可实际运行的电子设备，包括语音助手中枢、USB 会议音箱和手持虚拟宠物；协调逾 1,000 个子智能体，<strong>在 8 天内从零构建出可在笔记本电脑启动的原型操作系统</strong>；并以约 1,000 个代理在 30 小时内完成费马大定理的 Lean 形式化证明，远快于此前 11 天的纪录。</p><p>科学研究也被列为重点。Anthropic 表示，Fable 5.2 解决了两个与黑洞物理及全息对偶相关的开放问题；Mythos 5.2 则提出预测腺相关病毒衣壳整体结构的新方法，在测试中对 34 个衣壳成功建模 28 个，可能为基因治疗研发提速。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/89/3a/893a592c4ef960f4a78ca2cc222be807.png" /></p><p>目前，Fable 5.2 已在 AWS、Google Cloud 和 Microsoft Azure 等平台开放；Mythos 5.2 则需通过 Cyber 或 Life Sciences 验证计划申请使用。（来源：网易科技）</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/47/6a/476ab5ac41a18bc42dcb672e1d368d28.png" /></p><h1>研究显示 OpenAI ChatGPT 占全球 AI 聊天机器人流量超 81%，断层领跑</h1><p>11 月 9 日消息，今年早些时候，随着谷歌和 Anthropic 等竞争对手势头渐起，ChatGPT 在 AI 市场的主导地位一度显现出松动迹象。不过，一项最新研究显示，OpenAI 旗下这款旗舰产品正在意外反弹。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/f1/97/f1972d57831284d6c99558f226fce383.png" /></p><p>研究与增长营销公司 Graphite 的一项研究显示，目前 ChatGPT 占全球主要 AI 聊天机器人工具总流量的比例已超过 81%，没有任何一家竞争对手的市场份额达到 10%。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/79/28/792856cbdee6f44b08404414d39dd171.png" /></p><p>考虑到谷歌 Gemini 和 Anthropic Claude 近期备受关注，并被普遍视为 OpenAI 越来越强劲的竞争威胁，这一数据颇为让人意外。（来源：IT 之家）</p><h1>微软 AI 高管拉曼纳推动 Office 与 Copilot 组织扁平化，核心员工每周需到办公室四天</h1><p>10 月 29 日消息，微软负责 Copilot 平台、智能体以及如今 Office 业务的高管正在兑现他重塑团队工作方式的承诺。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/82/00/8200355b9607430d7e1b093f32613dbf.jpg" /></p><p>「我的团队今年最重要的工作，不是推出某一款产品或者某项功能，而是改变我们的工作方式。」查尔斯 · 拉曼纳（Charles Lamanna）这位微软核心业务部门的新任负责人在 8 月写道。</p><p>据 Businessinsider 报道，了解相关调整的人士透露，拉曼纳已经要求高级员工每周四天到办公室办公，同时为员工提供搬迁至主要办公中心的机会。他管辖下的多个团队也已完成组织架构调整，走向扁平化，裁撤中层管理者，这契合拉曼纳的观点—— 智能体 AI 正在改变软件工程的工作模式。</p><p>微软一名发言人表示：「我们正在重新思考，哪些管理层级是必不可少的，哪些场景下扁平化架构可以加快决策速度、明确权责归属、赋予员工更高自主权。」</p><p>这些举措，让外界得以窥见微软为适配 AI 时代改造软件业务版图的早期思路。拉曼纳原本就掌管微软 Copilot 与 AI 智能体平台，现在又接手了数百万职场人使用的 Office 办公软件以及 Teams 办公通讯服务。微软一直在整合 AI 产品的权责，一批资深高管离职，为新一代管理者腾出位置。（来源： 腾讯数码）</p><h1>马斯克：特斯拉 Cybertruck 的订单量远超我们的产量，但生产该车的机会成本太高</h1><p>11 月 9 日消息，特斯拉 CEO 埃隆 · 马斯克刚刚在 X 平台发文称，「Cybertruck 的订单增速远远超过我们的产能。我们会尽量多生产，这条产线大约 8 个月后停产，但届时不得不给大量客户退还定金。这并非像传统媒体不实报道所说的 Cybertruck 不盈利，真实原因是：Cybertruck 工艺复杂带来的机会成本，已经远远高于增产 Cybercab 所能创造的价值。」（来源：IT 之家）</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/3e/af/3eafc6ea42f8cf34b9f63c2fc45ca594.png" /></p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/4e/ac/4eac7a7768148a9af570984def5c9431.png" /></p><h1>苹果 iOS 27.3 代码曝光 Siri「个人记忆系统」，可记录用户各类信息</h1><p>11 月 9 日消息，根据代码研究人员 pdfu 分享的最新代码发现，苹果正在开发一套个人记忆系统，有望帮助 Siri 记住用户生活中的各种信息。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/ce/7c/ce7c5e595d9078f05d989ece976000e3.jpg" /></p><p>根据相关发现，在苹果 iOS 27.3 测试版中，这套系统包含一个名为「记忆图谱」（Memory Graph）的组件，旨在整理用户的人际关系、常去地点、日常习惯、健康状况、锻炼情况，以及激励用户或阻碍用户实现目标的因素。</p><p>系统还设计了名为「记忆原子」（Memory Atoms）的数据单元，用于记录事实、观点、意图和事件，并关联相关人物、地点、时间及话题等具体信息。</p><p>据 pdfu 介绍，这套图谱通过两种处理机制收集信息。其中一种负责将结构化数据转化为洞察，例如读取用户个人联系人名片中的姓名字段。另一种则借助设备端 AI 模型或苹果私有云计算（Private Cloud Compute），从 Siri 对话、信息、照片和健康数据等来源提取信息。</p><p>目前，代码中似乎只出现了其中一种由 AI 驱动的信息处理机制。pdfu 认为，这套机制旨在通过一组内置问题识别用户的动机、面临的障碍以及可利用的资源。系统内置了 60 个问题，其中包括询问哪些日常习惯可能影响用户获得充足睡眠。（来源：CnBeta）</p><h1>美国 AI 数据中心反对声浪高涨，软银考虑转向其他国家寻找增长机会</h1><p>11 月 9 日消息，据彭博社今天（9 日）下午报道，面对美国 AI 数据中心需求可能放缓的局面，软银集团旗下的电信运营商软银公司 CEO 宫川润一开始考虑<strong>转向其他国家寻找增长机会</strong>。</p><p>软银公司原本计划<strong>在美国开展新型 AI 云计算业务</strong>，但民主党上周在中期选举中大获全胜，加上当地反对数据中心建设的声音日益高涨，公司不得<strong>不重新评估美国市场的前景</strong>。</p><p>宫川润一在东京举行的业绩说明会上告诉投资者：「美国发生的重大变化恐怕对<strong>我们不太有利</strong>。不过，全球 AI 数据中心需求依然旺盛，如果美国形势恶化过于严重，我们可能会<strong>先在其他国家开展业务</strong>。」</p><p>作为日本第三大移动通信运营商，软银公司也是孙正义旗下软银集团最重要的现金来源之一。宫川润一掌舵以来，软银公司积极拓展数据中心和 AI 服务业务，以把握日本企业日益增长的需求。</p><p>截至 9 月的六个月内，软银公司的云计算和 AI 业务收入增长 37%，推动公司上调全年营业利润预期。</p><p>按照软银公司的规划，其美国数据中心建设规模<strong>最高可达 10GW</strong>。与此同时，公司还在日本推进大型电芯量产设施建设，以满足日本因 AI 算力需求增长而不断增加的电力需求。日本本身资源匮乏。</p><p>投资者对 AI 云计算服务能否带来足够的经济回报，以及数据中心巨额投资能否持续，抱有越来越多的疑虑。研究机构 Gartner 估计，到 2030 年，<strong>超过 3.5 万亿美元</strong>（注：现汇率约合 23.38 万亿元人民币）的 AI 基础设施投资可能面临资产减值风险。（来源：CnBeta）</p><h1>Google AI 主管展示将《塞尔达传说：时之笛重制版》移植到苹果 iPhone Duo 上运行，招致版权争议最终删帖</h1><p>11 月 9 日消息，Google AI Studio 产品与设计主管 Ammaar Reshi 近期在 X 平台发文，展示其利用 AI 成功将任天堂《塞尔达传说：时之笛重制版》移植至 iPhone Duo 平台。</p><p>Ammaar Reshi 此次原本是想借此展示 Google 自家 Gemini 4 AI 模型能力，不过这种未经授权便对游戏进行逆向移植的做法本身严重侵犯任天堂版权，视频发布后引发大量用户批评，为了避免争议进一步升级，Ammaar Reshi 随后悄悄删除了相关贴文。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/e6/dc/e6dcf8a00a9ac4bad346897b94d99a4e.png" /></p><p>近期，业界已经出现多起利用 AI 对游戏进行逆向工程的案例，甚至有相关成果被用于勒索原开发者，进一步加剧了玩家群体对 AI 逆向工程行为的反感。随着 AI 技术逐渐融入各行各业，围绕版权保护、技术伦理乃至法律责任的争议也开始不断浮现。如何界定 AI 技术的合理使用范围，以及如何平衡技术创新与知识产权保护，已经成为行业和社会需要面对的问题。（来源：CnBeta）</p><h1>欧洲力推本土制造电池，或使一辆电动汽车成本增加 2100 欧元</h1><p>11 月 9 日消息，当前，欧洲政策制定者希望汽车电池更多地在本土生产。然而由于欧洲制造的电池成本更高，<strong>增加的费用最终很可能由购车者承担</strong>。</p><p>当地时间 7 日，据外媒 insideevs 报道，布鲁塞尔智库布鲁盖尔今年 9 月发表的一份报告提出，旨在保护欧洲现有汽车制造商的政策，可能最终<strong>让消费者和纳税人为此买单</strong>。</p><p>如果规定汽车必须使用欧盟生产的电芯，每千瓦时的成本可能<strong>从 50 欧元（IT 之家注：现汇率约合 372.3 元人民币）上涨至 85 欧元</strong>（现汇率约合 632.9 元人民币）。一辆配备 60kWh 电池的汽车，仅电池成本就<strong>可能增加 2,100 欧元</strong>（现汇率约合 15,637 元人民币）。如果再加上拟议中的低碳钢使用要求，成本还可能增加 200 欧元（现汇率约合 1,489 元人民币）。</p><p>相比之下，简化车辆型式认证程序预计只能让车企每辆车<strong>节省 61 欧元</strong>（现汇率约合 454.2 元人民币）。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/5b/77/5b770b230cf08f2ca9577b6a26e9bc46.jpg" /></p><p>数据显示，欧盟汽车产量<strong>较 2019 年下降 19%</strong>，2025 年新车销量也比 2019 年<strong>少了 220 万辆</strong>，而整个汽车产业仍提供约 1400 万个就业岗位。（来源：IT 之家）</p><h1>丰田计划通过扩大本地采购「重夺中国市场份额」</h1><p>11 月 9 日消息，据日经亚洲上周报道，丰田汽车表示，<strong>准备通过拥抱本地供应商并摆脱传统的采购结构</strong>，扭转其在中国市场份额下降的局面。</p><p>丰田正通过本地化采购举措，把握中国竞争激烈的汽车市场机遇。此举正值丰田上调 2027 财年利润预期。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/fb/14/fb14db8f80c2aec27c7db73a7f9c5a44.png" /></p><p>丰田汽车 11 月 5 日发布 2027 财年（2026 年 4 月 1 日～2027 年 3 月 31 日）半年报（2026 年 4 月 1 日～2026 年 9 月 30 日）报告：</p><ul><li>营业总收入：26.96 万亿日元（注：现汇率约合 1.14 万亿元人民币），同比增长 9.5%</li><li>归母净利润：2.24 万亿日元（现汇率约合 944.74 亿元人民币），同比增长 26.1%</li><li>基本每股收益：185.97 日元（现汇率约合 7.8 元人民币），同比增长 36.67%</li><li>稀释每股收益：185.97 日元（现汇率约合 7.8 元人民币），同比增长 36.67%</li><li>合并结算区间全球销量 475.8 万台，同比减少 0.5%；日本国内销量同比增长 5.6%，海外销量同比减少 2.1%</li></ul><p>据彭博社于当地时间 10 月 16 日报道，丰田汽车公司计划在其斥资 20 亿美元（现汇率约合 133.6 亿元人民币）打造的中国雷克萨斯工厂引入自主研发的一体化压铸设备生产电动汽车，以此提振销量表现。</p><p>在被问及丰田是否会向中国本土供应商采购一体化压铸设备时，丰田首席技术官中岛裕树（Hiroki Nakajima）表示，该厂所用的相关技术完全由这家日本车企自主研发。该上海工厂目前正处于建设阶段，预计将于 2027 年正式投产。（来源：IT 之家）</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/c6/c0/c6c09a4317541306e8853fa3548092e2.png" /></p><h1>Meta 旗下 AI 助手 Muse 登陆苹果 Apple Watch</h1><p>11 月 10 日消息，据科技媒体 MacRumors 昨天报道，Meta 现已更新 iOS 版 Muse 应用，新增 Apple Watch 支持。这意味着苹果 Apple Watch 用户现在可以使用这款个人 AI 智能体，<strong>在腕上完成各种任务</strong>。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/f3/04/f304984b0ac5348a30ccb3326ac8fcee.jpg" /></p><p>据介绍，Apple Watch 版 Muse 的主界面带有吉祥物元素。用户可以选择打字、语音输入、拨打语音电话等交互方式，支持表盘。</p><p>Muse 是 Meta 推出的一款个人 AI 智能体，能够帮助用户完成各种任务。它提供独立应用，并已集成至 Instagram、Facebook 等 Meta 应用中。</p><p>Meta 为 Muse 设计的雪怪形象已经颇受欢迎，此次也成为 Apple Watch 应用的核心视觉元素。</p><p>此外这款应用的界面设计，看起来和 Meta 今年 9 月公布的 Muse Charm 设备类似。（来源：CnBeta）</p><h1>消息称玛莎拉蒂与尊界新车外观确认，属华为、江淮和 Stellantis 三方合作项目</h1><p>11 月 9 日消息，据第一财经报道，<strong>玛莎拉蒂与尊界的合作项目名为「玛莎拉蒂 Design」</strong>，该项目为华为、江淮和 Stellantis 的三方合作。目前，<strong>新车外观已确认</strong>，规划明年第四季度有进一步量产动态。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/3e/07/3e0713c47642a0662308a4a1e11e6893.png" /></p><p>知情人士表示：「由于玛莎拉蒂国内生产资质问题，该项目将通过江淮进行制造，华为赋能的形式进行。」同时，该合作将分国内、国外两条路径走，<strong>国内以「尊界」为销售主体，国外则仍以玛莎拉蒂标识出售</strong>。</p><p>据财联社今日早些时候报道，知情人士透露，尊界或将推出一个全新子品牌，定价区间在 40-50 万左右，车型主打 SUV。尊界与玛莎拉蒂的合作分属于两个项目，目前（子品牌）具体细节尚未正式确定。（来源：IT 之家）</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/e3/1e/e31e7066384f39e93c613f6dd85eadbb.png" /></p><h1>《GTA 6》预载即将开启，代码暗藏多人游戏线索</h1><p>11 月 9 日消息，随着《GTA 6》预载即将开启，数据挖掘者开始从游戏文件中寻找这款 Rockstar 备受期待的新作的更多线索。PlayStation Game Size 发现，《GTA 6》发售版本的代码中已经出现了与在线功能有关的痕迹。虽然多人游戏模式不会随游戏在 11 月 19 日同步推出，但其上线时间可能早于此前预期。</p><p style="text-align:center"><img src="https://imgslim.geekpark.net/uploads/image/file/70/db/70db73463fd538553fa0b61318a4700c.jpg" /></p><p>对 PlayStation 后台数据的分析发现，游戏代码中出现了「joinSession」「launchActivity」和「launchMultiplayerActivity」等字符串。这些信息暗示，玩家未来可能可以创建或加入游戏会话，并启动以多人游戏为核心的活动。</p><p>不过，即便《GTA 6》发售版本的代码已经出现相关线索，《GTA Online》的续作仍可能需要数月时间才能推出。开发团队或许已经为未来无缝加入多人游戏功能做好了准备。</p><p>在《GTA 5》发售后，其在线模式《GTA Online》仅过了两周便正式上线。而《荒野大镖客：救赎 2》则在这款开放世界西部题材游戏发售约一个月后，推出了在线模式测试版。（来源：IT 之家）</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Tue, 10 Nov 2026 08:19:15 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[一颗植物工厂草莓，离你的果盘还有多远？多多农研拉近现场]]>
      </title>
      <link>http://www.geekpark.net/news/373715</link>
      <description>
        <![CDATA[<div class="ace-line ace-line old-record-id-doxcn0CugCR06uBlLteSEKowCNc"><strong>作者｜徐珊 </strong></div>
<div class="ace-line ace-line old-record-id-doxcnn3SW5djYWx268rGLcyZqvh"><strong>编辑｜ 郑玄</strong></div>
<div class="ace-line ace-line old-record-id-doxcnaF7HFPEGUDSDCpisxRm5sb">这可能是你见过最安静的一块「草莓地」。</div>
<div class="ace-line ace-line old-record-id-doxcnwA6ZRf2wn9fZkEOS3AtoNc">没有虫鸣，没有鸟叫，50 平方米的房间里，草莓植株一层层码到头顶，叶片舒展，几乎找不到一个虫眼，枝头挂满了还没转红的青果，也有不少已经熟透。不靠天、不靠地，草莓在这个赛博农场里被「种上了天」。</div>
<div class="ace-line ace-line old-record-id-doxcnNOGZtVCcdgwxczqrnXziBc">这里是第五届「多多农研科技大赛」一等奖赛博农人团队的植物工厂。从 5 月 12 日定植算起，这些草莓等了 113 天才迎来第一次采收，采收 50 天累计产量达到 284.45 公斤，而日常照料它们的，只有 1 名工人。评委贺冬仙说，如果再给它半年，这一架草莓产量会相当可观。</div>
<div class="image-uploaded gallery old-record-id-doxcnM5F4d5vvOmEUeidY5Cl6Pd" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;5b53ef4d-9bff-4bd0-9367-d04307c546cb&quot;,&quot;height&quot;:717,&quot;width&quot;:1080,&quot;currHeight&quot;:717,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:717,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FX3fubAMUXoJAdlxQfKFcJ9mgn1c%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;X3fubAMUXoJAdlxQfKFcJ9mgn1c&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=NTE1NjM3YzI0NDYzZWI1ZWVjOThhMmRmZmM4NGZlYzBfQzRpbnJBZXB3YXdHVHhxYk9TVUZTQ3lOSHFwYm8zNFpfVG9rZW46WDNmdWJBTVVYb0pBZGx4UWZLRmNKOW1nbjFjXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJYM2Z1YkFNVVhvSkFkbHhRZktGY0o5bWduMWMiLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y25NNUY0ZDV2dk9tRVVlaWRZNUNsNlBkIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L1gzZnViQU1VWG9KQWRseFFmS0ZjSjltZ24xYy8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/X3fubAMUXoJAdlxQfKFcJ9mgn1c/?mount_node_token=doxcnM5F4d5vvOmEUeidY5Cl6Pd&amp;mount_point=docx_image" data-width="1080" data-height="717" data-lark-image-uri="drivetoken://X3fubAMUXoJAdlxQfKFcJ9mgn1c" data-lark-image-width="1080" data-lark-image-height="717" /></div>
<div class="ace-line ace-line old-record-id-doxcnxMnrG8rAFExRPGV3IIZ9Yg">但每一束光、每一度低温背后都是成本。过去几年，Plenty、Bowery、Infarm 等明星垂直农业公司相继破产或停运。到 2024 年，中国已经有了 493 座植物工厂，研究机构、照明企业等都在入场，但其中不少也处于亏损状态。</div>
<div class="ace-line ace-line old-record-id-doxcnxcpeIYZN6WVAdoysKeIJ8d"><strong>植物工厂离商业化，始终只差临门一脚。 </strong>种出植物并不是结果，过去几年，植物工厂的技术一直在进步，但成本的账却始终算不平。这两年，前沿技术更深地介入种植，光配方、环控算法和立体栽培，迭代明显提速。据大赛评委、中国农业大学水利与土木工程学院教授贺冬仙估算，按一等奖获得者赛博农人团队的势头，如果全年持续生产，每平方米能产出 8 公斤草莓，可以追平全日本一季植物工厂草莓的最高单产水平。</div>
<div class="ace-line ace-line old-record-id-doxcnrP4PGNFe7jvT5f63ZeNUdg">正因为有 50 平方米、国产设备、有限经费、选手不能进厂、操作工是新人等这些约束，植物工厂最真实的难处才被逼了出来。软硬件到底好不好，都得由植物来判断。</div>
<div class="ace-line ace-line old-record-id-doxcn8F8bnik0V4FfgcqUFZaVLh"><strong>国产植物工厂方案离商业化还差什么？当工程师的算法遇上老农的经验，未来的农业会发生什么变化？ </strong>这也是拼多多连续五年办这场比赛的用意，从帮农民把农产品卖出去，走到用技术帮农民把地种好。在商业化的前夜，它更像一次互相校准 <strong>。</strong></div>
<div class="ace-line ace-line old-record-id-doxcnWjdCZFNzz4zwASwjrgSgZc">&nbsp;</div>
<h1 class="heading-1 ace-line old-record-id-doxcnFMepLZcmQ6JJ71iQkw1DUb" style="text-align: center;"><em><strong>01 </strong></em></h1>
<div class="ace-line ace-line old-record-id-doxcnGTzqCbsfF6GIIkBNmRLCCf" style="text-align: center;"><strong>九死一生的垂直农业，</strong></div>
<div class="ace-line ace-line old-record-id-doxcn8sl0Ko0ozijYDYKiotResd" style="text-align: center;"><strong>为什么最后都押注了草莓？</strong></div>
<div class="ace-line ace-line old-record-id-doxcnYyGp0qJoUj2n14msgZc7Vh">&nbsp;</div>
<div class="ace-line ace-line old-record-id-doxcnofnKGn2VelpLDtlBlv6Ese">如果把过去几年倒下的垂直农业公司列一张名单，会发现一个奇怪的规律，只要是种生菜的几乎全军覆没，活下来的都只种一种植物：草莓。</div>
<div class="ace-line ace-line old-record-id-doxcnIoepCyAlxKkMqBq8AQ5ahd">仅 2025 年一年，室内农业相关的破产就有 14 起。以种叶菜为主的 Bowery 停运，Infarm 裁掉近一半员工、退出欧洲；背靠软银、沃尔玛和贝索斯的 Plenty 破产重组后，砍掉了所有业务，只留下一座草莓工厂。为什么草莓得到了大家的如此偏好？既然大家都押注草莓，为什么全世界至今还没有一座草莓植物工厂，能单靠卖草莓收支持平？</div>
<div class="ace-line ace-line old-record-id-doxcnoGo90I2726HIIViTrmAUzf">其实，早在 6 年前，第一届「多多农研科技大赛」种的就是草莓。几支 AI 赛道队伍在云南富民的高原温室里远程操控，和当地农人同台比拼，平均产量比传统农人高出 196%，只是甜度还输了一截。后来，比赛先后换成樱桃番茄和生菜，甚至干脆拿掉土壤和阳光，把赛场搬进植物工厂；上一届，选手们还要在预算之内亲手把集装箱改造成植物工厂。</div>
<div class="image-uploaded gallery old-record-id-doxcn5EROmMBWnZppYkklqhhukb" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;04506748-b67d-4d7d-b4bd-d73aa1576b2d&quot;,&quot;height&quot;:608,&quot;width&quot;:1080,&quot;currHeight&quot;:608,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:608,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FL9uLboqKBosYVlxEJnucSkd2nmc%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;L9uLboqKBosYVlxEJnucSkd2nmc&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=ZTIxYWM0ZjlkMzlkMzNjYmI5ODVmNzliZjYyMDY3YzlfaDVoUk9UbXg2V0l1RzdzWERnNnZld2tRTGlKWXpKd29fVG9rZW46TDl1TGJvcUtCb3NZVmx4RUpudWNTa2Qybm1jXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJMOXVMYm9xS0Jvc1lWbHhFSm51Y1NrZDJubWMiLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y241RVJPbU1CV25acHBZa2tscWhodWtiIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L0w5dUxib3FLQm9zWVZseEVKbnVjU2tkMm5tYy8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/L9uLboqKBosYVlxEJnucSkd2nmc/?mount_node_token=doxcn5EROmMBWnZppYkklqhhukb&amp;mount_point=docx_image" data-width="1080" data-height="608" data-lark-image-uri="drivetoken://L9uLboqKBosYVlxEJnucSkd2nmc" data-lark-image-width="1080" data-lark-image-height="608" /></div>
<div class="ace-line ace-line old-record-id-doxcnuGfhokFu6CpZFz1krhTh5b"><span style="font-size: 14px;">比赛现场种植出的草莓，口感软滑 | 来源：极客公园</span></div>
<div class="ace-line ace-line old-record-id-doxcnFWUNz2kLRvvwIlDfvieycf">时隔三届，为什么今年又种回了草莓？</div>
<div class="ace-line ace-line old-record-id-doxcn3zKhSfuGKwuMqQECZUm5ng">中国农业科学院都市农业研究所首席科学家杨其长提到，这其实离不开草莓的特殊性。</div>
<div class="ace-line ace-line old-record-id-doxcngInBwYGcIx2q4TFMmytJTb"><strong>简单来说，就是，比草莓好种的没草莓值钱，比草莓值钱的没草莓好种。</strong></div>
<div class="ace-line ace-line old-record-id-doxcnh0iuKq4Ku1EtIeGmoDrBQc">叶菜生长周期短、适合人工光，早期植物工厂几乎都在种叶菜，但它的溢价很难比露天和温室种出来的高太多。</div>
<div class="ace-line ace-line old-record-id-doxcno1QRZ62pvACQyeG8Gzw2Rh">草莓如果在露天和温室种植，其产季主要集中在 12 月到次年 4 月，其他的时间基本无法种植。因为草莓必须经历夜温低于 12 度的花芽分化，在热带，它甚至根本种不出来。如果遇到天灾或者气候不给力，草莓也很难长好，完全靠天吃饭。但环境控制，恰恰是植物工厂最有优势的地方。</div>
<div class="image-uploaded gallery old-record-id-doxcnbuMFbp7A4KAOunjegqvFcd" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;6f39b0a9-c9ed-4755-9f82-6e46bf9bc81b&quot;,&quot;height&quot;:862,&quot;width&quot;:1080,&quot;currHeight&quot;:862,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:862,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FDmn6bgfJnoPUyxx1wJecOrEonlc%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;Dmn6bgfJnoPUyxx1wJecOrEonlc&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=NmZlZmI5ZTAwOTlkYzUxMTAzMWYxNzg0ZWJiZTkzMDlfeUlRUElpNlgxc0YxWnhudmMwYkZZcmpXRUZFT2xsaDVfVG9rZW46RG1uNmJnZkpub1BVeXh4MXdKZWNPckVvbmxjXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJEbW42YmdmSm5vUFV5eHgxd0plY09yRW9ubGMiLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y25idU1GYnA3QTRLQU91bmplZ3F2RmNkIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L0RtbjZiZ2ZKbm9QVXl4eDF3SmVjT3JFb25sYy8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/Dmn6bgfJnoPUyxx1wJecOrEonlc/?mount_node_token=doxcnbuMFbp7A4KAOunjegqvFcd&amp;mount_point=docx_image" data-width="1080" data-height="862" data-lark-image-uri="drivetoken://Dmn6bgfJnoPUyxx1wJecOrEonlc" data-lark-image-width="1080" data-lark-image-height="862" /></div>
<div class="ace-line ace-line old-record-id-doxcniKGJb3mvlVlCj0ertKSnrh"><span style="font-size: 14px;">中国农业科学院都市农业研究所首席科学家杨其长</span></div>
<div class="ace-line ace-line old-record-id-doxcnnbgVVGcKqtHYWw2Vdul1Vb">但这也意味着，草莓的溢价几乎全部来自「错季」。在市场空窗期，植物工厂的草莓可以靠价格撑起成本；一到草莓季，它就很难和大棚草莓拼价格，更别说全年不停的水电和运营开支。海外的幸存者靠卖高端草莓站住了市场，Oishii 起家时一盒卖到 50 美元，但这很难成为普通人的日常。且不同市场的草莓用途也不一样，欧美的草莓更多做成果酱和甜品，产量高就行；中国、日本、韩国的消费者买的是鲜食，看重的是口感。</div>
<div class="ace-line ace-line old-record-id-doxcnD0bDoCSyfwzIWgLvRx90Vb">贺冬仙则坦言，眼下还没有一座工厂能证明草莓植物工厂可以靠卖草莓回本，「但这并不能说明未来三五年之内不能出现」。这一届比赛瞄准的，正是这道商业化的题。50 平方米、有限的经费、国产设备、没有经验的操作工，还要同时兼顾品质、能耗和成本。</div>
<div class="ace-line ace-line old-record-id-doxcnBxFz6aYk927SbHq4K0xdDd">在这样的条件下，他们会给出什么样的中国解法？</div>
<div class="ace-line ace-line old-record-id-doxcnWCWpvXDjLXoUsyI6QNVCjc" style="text-align: center;">&nbsp;</div>
<h1 class="heading-1 ace-line old-record-id-doxcnSpEyLUHCVYJGeH7Tjciwmd" style="text-align: center;"><em><strong>02 </strong></em></h1>
<div class="ace-line ace-line old-record-id-doxcnqkV6IgBkx9CpZgzMEWA4Mb" style="text-align: center;"><strong>170 天，一群工程师被草莓「上了一课」</strong></div>
<div class="ace-line ace-line old-record-id-doxcnWVOZneZu9GERzcXTDEsuVe">&nbsp;</div>
<div class="ace-line ace-line old-record-id-doxcn8lAaFw56ZG2mTlHY2TGrmc">&nbsp;</div>
<div class="ace-line ace-line old-record-id-doxcnJNNIOfI5hpmoqkWq4lvaKg">「最终还是要用植物来检验。」贺冬仙说。这句话几乎贯穿了整场比赛，无论是老专家还是领域新手，最后都被一颗草莓上了一课。</div>
<div class="ace-line ace-line old-record-id-doxcnPmF4U6dGtN53lpogo6gqWh">考验来得比想象中更早，最早甚至能追溯到种苗上。5 月正值种苗淡季，为了省钱，拟生态团队从浙江建德的地里运来一批苗，进厂前做过处理，看上去干干净净，但没灭菌先闹蚜虫，后起了白粉病。隔壁欧普智莓的工厂里，AI 在 5 月中旬识别出叶螨，也是因为种苗问题，一个月后，类似炭疽病的真菌蔓延开来，这支用电最省的队伍收成却不理想。</div>
<div class="image-uploaded gallery old-record-id-doxcnu0pppia7p3DJqmkIsm6qHb" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;56507ab8-6afa-4e79-958e-1f0e04c64869&quot;,&quot;height&quot;:721,&quot;width&quot;:1080,&quot;currHeight&quot;:721,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:721,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FR5u1bAT2woCAh9xbsiWcQGErnGh%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;R5u1bAT2woCAh9xbsiWcQGErnGh&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=ZTI5ZDhhOWJhMmU1MzJiNTc5Mzk5ZmYzYzg4MTI5OTBfeDQyR2ZEdDFIaEpXTEtiOTUxUDRUUnFmc3RoaVd5ZzhfVG9rZW46UjV1MWJBVDJ3b0NBaDl4YnNpV2NRR0VybkdoXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJSNXUxYkFUMndvQ0FoOXhic2lXY1FHRXJuR2giLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y251MHBwcGlhN3AzREpxbWtJc202cUhiIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L1I1dTFiQVQyd29DQWg5eGJzaVdjUUdFcm5HaC8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/R5u1bAT2woCAh9xbsiWcQGErnGh/?mount_node_token=doxcnu0pppia7p3DJqmkIsm6qHb&amp;mount_point=docx_image" data-width="1080" data-height="721" data-lark-image-uri="drivetoken://R5u1bAT2woCAh9xbsiWcQGErnGh" data-lark-image-width="1080" data-lark-image-height="721" /></div>
<div class="ace-line ace-line old-record-id-doxcny51Jb8GK98NQekuGNdmJWb">拟生态团队搭建的 50 平方米比赛场地一角 | 来源：极客公园</div>
<div class="ace-line ace-line old-record-id-doxcnnJYHZ0LsYfjBTkoab11Kvf">可苗的问题，远不止干不干净。比苗更早决定一座工厂上限的，是种什么品种。</div>
<div class="ace-line ace-line old-record-id-doxcnJSBsMCY4LioRV6M7YRq9Rg">中国是全球最大的草莓生产国，种的却长期是进口草莓品种。日本的「红颜」在中国的种植面积，是日本本土的 8 倍多。草莓品种权一直被国外拿住话语权。这一届比赛要求全程种植国产品种，粉玉、越王、越秀轮番登场。但这些品种原本是为大田和温室选育的，搬进植物工厂后会有什么表现，参赛队员心里并没有底。</div>
<div class="ace-line ace-line old-record-id-doxcnySBZrqxaQhP6TrW0TzlsKe">即便育种人亲自参与种植，也在室温与根系温度之间，失了判断。</div>
<div class="ace-line ace-line old-record-id-doxcndTwusZkN52EnfjuEzRjJfe"><strong>除了种苗，第二个让选手们栽了跟头的因素，竟然是人。 </strong>在植物工厂里，一切都是可控的，灯、温度、水分、肥料，唯一不可控的是操作工，这样让人的一举一动，影响更大。</div>
<div class="ace-line ace-line old-record-id-doxcntCW3v9lgcTmk7ZScc8jqyd">按照比赛规则，选手不能进厂，170 天里的日常照料全部交给工人，而他们大多不是专业的种植人员。有些操作，工人未必理解背后的用意，选手又只能靠工人的汇报判断情况。「你问他每天长怎么样，他说不明白，有可能就拍一两个地方看看。」莓立方的队员说，不少镜头以外的问题就这样被漏了过去，等发现时已经晚了。赛博农人也承认一开始「缺乏考虑工人作业因素」，指令下得不够细，执行回来总有偏差，好在他们发现得早，补得也快。照明、空调、灌溉都可以交给系统，唯独对草莓长势的判断最难交出去。它涉及植物本身的生理，「有一定随机性和未知性」，至今仍离不开资深师傅的眼睛。</div>
<div class="ace-line ace-line old-record-id-doxcn8NPuc9G2nKUDe2zJr5Oeqc"><strong>还有一些因素，连人都很难理解。 </strong>莓立方的近百只熊蜂进厂后集体「罢工」，不出巢、啃花，甚至攻击人，排查到最后才发现，蜂箱被摆在了噪音和气流扰动最大的地方，熊蜂应激了。熊蜂还是红色盲，植物工厂常用的红光、白光恰好让它看不清花，拟生态团队只好在灯里加入紫光，给熊蜂「指路」。</div>
<div class="image-uploaded gallery old-record-id-doxcnaaKARyTrMqSaNIEGjB3Wzd" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;c6add1f3-8f26-4fd9-a2ab-0de523e9ee92&quot;,&quot;height&quot;:545,&quot;width&quot;:1080,&quot;currHeight&quot;:545,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:545,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FUaVMbhLB2oJ5xzxIQjccmPwHnKg%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;UaVMbhLB2oJ5xzxIQjccmPwHnKg&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=YmU5ZDBmNjNhYWJjYzRjOGZiNTkyOTRjOWUxYWNlYTVfTHZXTU9sM0xWVmxKMWRyOFJxMEswMmRUNnRiWlNhaGZfVG9rZW46VWFWTWJoTEIyb0o1eHp4SVFqY2NtUHdIbktnXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="eyJ0eXBlIjoiaW1hZ2UiLCJwYXJlbnRfaWQiOiJEYmVOZFlSb1FvNHc4UXhBUFFoY2dOdHJuVWciLCJjb21tZW50cyI6bnVsbCwicmV2aXNpb25zIjpudWxsLCJsb2NrZWQiOmZhbHNlLCJoaWRkZW4iOmZhbHNlLCJhdXRob3IiOiI3NjcyNjAwNzc4NzY2MzA2NTM0IiwiYWxpZ24iOiIiLCJpbWFnZSI6eyJ0b2tlbiI6IlVhVk1iaExCMm9KNXh6eElRamNjbVB3SG5LZyIsIm1pbWVUeXBlIjoiaW1hZ2UvcG5nIiwic2l6ZSI6MTAwLCJzY2FsZSI6MSwid2lkdGgiOjEwODAsImhlaWdodCI6NTQ1LCJuYW1lIjoiNjM1NTdjNmRhODBlOGI3MzVmYzVkMDMyNjllM2Q3ZWYucG5nIiwiY3JvcCI6WzAsMCwwLDBdLCJyb3RhdGlvbiI6MCwiY2FwdGlvbiI6eyJ0ZXh0Ijp7ImFwb29sIjp7Im5leHROdW0iOjAsIm51bVRvQXR0cmliIjpudWxsfSwiaW5pdGlhbEF0dHJpYnV0ZWRUZXh0cyI6eyJhdHRyaWJzIjpudWxsLCJ0ZXh0IjpudWxsfX19fSwiYXJlYV9jb21tZW50cyI6bnVsbH0=" data-suite="eyJmaWxlVG9rZW4iOiJVYVZNYmhMQjJvSjV4enhJUWpjY21Qd0huS2ciLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y25hYUtBUnlUck1xU2FOSUVHakIzV3pkIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L1VhVk1iaExCMm9KNXh6eElRamNjbVB3SG5LZy8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/UaVMbhLB2oJ5xzxIQjccmPwHnKg/?mount_node_token=doxcnaaKARyTrMqSaNIEGjB3Wzd&amp;mount_point=docx_image" data-width="1080" data-height="545" data-lark-image-uri="drivetoken://UaVMbhLB2oJ5xzxIQjccmPwHnKg" data-lark-image-width="1080" data-lark-image-height="545" /></div>
<div class="ace-line ace-line old-record-id-doxcnSfi0pQGTYXfBDvhhygCcsh">在植物工厂里，就连一只蜂的感受和视线，也得被考虑清楚。其实我们看到 AI 越来越会种地的时代，人的价值反而变得更清晰了。工程师则要学会让不懂植物的人也能看懂草莓的情绪，专家是把几十年经验翻译教会算法，工人是工厂里最后的眼睛和手。</div>
<div class="ace-line ace-line old-record-id-doxcnRIJVMIHVdv4bEEIxnhwIid">&nbsp;</div>
<h1 class="heading-1 ace-line old-record-id-doxcnMP4IN1Ki3iykPjNs3py0zd" style="text-align: center;"><em><strong>03 </strong></em></h1>
<div class="ace-line ace-line old-record-id-doxcnXiwFaMa7wmhHT5iw2zG2jh" style="text-align: center;"><strong>「懂植物的工程师和懂技术的农民该站一起」</strong></div>
<div class="ace-line ace-line old-record-id-doxcnmBw0CHpc0dQU0RmZ2uXSZe">工程的力量，在于把过去非标准的东西标准化。种草莓靠经验、靠手感，是农业里最难标准化的事情之一，而这一届比赛逼着选手们把它拆成一项项可以计算的技术。每一个技术方案，最后都得考虑清楚每一度电、每一滴水应该如何被消耗。</div>
<div class="ace-line ace-line old-record-id-doxcnctZCaWJSeAM0DqMVQ4dd2b">光是植物工厂里最大的一笔电费，也是最好的调味剂。赛博农人的工厂里，光占了总能耗的近一半。他们自研的白红 LED 灯具，把红光和蓝光按 2.9 比 1 调配，在不减产的前提下提高了草莓的甜度，系统还会根据冠层图像判断植株所处的阶段，随时调整灯光。拟生态的灯装得比别支队伍多出 20 千瓦，供电却撑不住，一组灯始终没能打开，成为赛事遗憾之一。</div>
<div class="ace-line ace-line old-record-id-doxcnk7AbmysMRG5rYO96g7t8xd">但除了光，节水也是降本的方式之一。赛博农人团队连空调除湿时冷凝下来的水也没浪费，回收率超过 75%，又被送回去浇了草莓，绝不浪费任何一点资源。</div>
<div class="image-uploaded gallery old-record-id-doxcnwnod3EDbZixnRrgVCnK4Be" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;93b42712-e9f7-4fca-b0d0-797514cd8693&quot;,&quot;height&quot;:717,&quot;width&quot;:1080,&quot;currHeight&quot;:717,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:717,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FVDc4bIXjJoipnTxrtMdc3FRHnHd%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;VDc4bIXjJoipnTxrtMdc3FRHnHd&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=ZTRmNzc1ZTFkNDViODZlMTg1MjcxZjA0MmU1YzYyNTFfTGFldWRhY1V4b1RiRlZJak5MZnpvQkt2bzl1a05iRXVfVG9rZW46VkRjNGJJWGpKb2lwblR4cnRNZGMzRlJIbkhkXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJWRGM0YklYakpvaXBuVHhydE1kYzNGUkhuSGQiLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y253bm9kM0VEYlppeG5ScmdWQ25LNEJlIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L1ZEYzRiSVhqSm9pcG5UeHJ0TWRjM0ZSSG5IZC8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/VDc4bIXjJoipnTxrtMdc3FRHnHd/?mount_node_token=doxcnwnod3EDbZixnRrgVCnK4Be&amp;mount_point=docx_image" data-width="1080" data-height="717" data-lark-image-uri="drivetoken://VDc4bIXjJoipnTxrtMdc3FRHnHd" data-lark-image-width="1080" data-lark-image-height="717" /></div>
<div class="ace-line ace-line old-record-id-doxcnBIYqpzWh2okeGpoyNzxdEh"><span style="font-size: 14px;">莓立方团队的种植架每层均配备独立风扇，构建高效的内部空气循环系统</span></div>
<div class="ace-line ace-line old-record-id-doxcnGN5iDc09H56xBO6fh206Hb">在植物工厂里，空间的上限最终由均匀度决定。空间上，四支队伍拿到的都是同样的占地 50 平方米的植物工厂，但思路却各不相同。他们不约而同都选择轨道移动栽培架，几排架子平时间隔开来，待工人作业时可适当收缩留出一条通道，赛博农人由此把种植面积拓展至了 126 平方米；莓立方更在意每一层能不能活得一样好，用中央风道把 110 根细风道送到冠层，给每株草莓配了一个「专属呼吸孔」，栽培架上下层温差压在 0.5 度以内；拟生态则押注密度、冲刺产量，种下 4400 余株，事后才发现在环境控制要求下，这座工厂承载量有限，灯开不全，光照不够，草莓越长越小。</div>
<div class="image-uploaded gallery old-record-id-doxcnzTf7WM4sjupBH0cw18j5tf" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;47b1a4d6-d5ce-47a7-abc6-4655e4a32433&quot;,&quot;height&quot;:669,&quot;width&quot;:1080,&quot;currHeight&quot;:669,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:669,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FJIy2bako0oceCYxvggqcFPGynDe%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;JIy2bako0oceCYxvggqcFPGynDe&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=MTU2MjUwMTIwYmNkZDE0NzJkZWNiZTRlNDFhY2VlMzVfcnFNNzZ3c0RncUJyb013SjI0UmlsakZsWXh6ejRvU2JfVG9rZW46Skl5MmJha28wb2NlQ1l4dmdncWNGUEd5bkRlXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJKSXkyYmFrbzBvY2VDWXh2Z2dxY0ZQR3luRGUiLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y256VGY3V000c2p1cEJIMGN3MThqNXRmIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L0pJeTJiYWtvMG9jZUNZeHZnZ3FjRlBHeW5EZS8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/JIy2bako0oceCYxvggqcFPGynDe/?mount_node_token=doxcnzTf7WM4sjupBH0cw18j5tf&amp;mount_point=docx_image" data-width="1080" data-height="669" data-lark-image-uri="drivetoken://JIy2bako0oceCYxvggqcFPGynDe" data-lark-image-width="1080" data-lark-image-height="669" /></div>
<div class="ace-line ace-line old-record-id-doxcnZEibRTESlppTQqWISm0qPc"><span style="font-size: 14px;">此次比赛一等奖获得者赛博农人团队 | 来源：极客公园</span></div>
<div class="ace-line ace-line old-record-id-doxcnjP5bP5gQlEamjMeGZecdef">但真正握住这些钥匙的，是工厂的「大脑」。过去是人给植物设定环境，现在是植物的需求在驱动环境。赛博农人把自己的大脑运作逻辑叫作「与植物对话」：先把专家经验和文献知识写进一张草莓全生育期的知识图谱，作为环境参数的起点；再把整座工厂当成一片巨大的叶子，连续监测里面的二氧化碳交换和蒸腾，读懂这群草莓此刻是在呼吸还是在光合。</div>
<div class="ace-line ace-line old-record-id-doxcneHHmSYCu0sG8w2nbbM1R7b">莓立方则给草莓建了一个数字模型，让算法先「模拟种植」，现实再照着执行，技术的力量正在逐渐渗透到各个环节。</div>
<div class="ace-line ace-line old-record-id-doxcnQf8UpYkJcbCzqKQxq4EwOe">可这个大脑还没有完全长成，吕兆晨说，团队里的专家看一眼叶片边缘的焦黄，三秒钟就知道是缺水还是缺光，「我们可以把其中一个环节写成代码，但那三秒的整体感，我至今不知道怎么建模」。「未来农业不是不需要农民，而是需要懂植物的工程师和懂技术的农民站一起。」吕兆晨说道。</div>
<div class="ace-line ace-line old-record-id-doxcn4mjMY8DB7jpK4MvPE2dMlf">&nbsp;</div>
<h1 class="heading-1 ace-line old-record-id-doxcnQ5Rvg6uXBkelRsTc5ONUBh" style="text-align: center;"><em><strong>04 </strong></em></h1>
<div class="ace-line ace-line old-record-id-doxcnohnFXhK3657J3ptThPsSxg" style="text-align: center;"><strong>在农研的慢赛道上，</strong></div>
<div class="ace-line ace-line old-record-id-doxcnKeXEWVslbcLFS8OhQqao7d" style="text-align: center;"><strong>拼多多搭起一座「练兵场」</strong></div>
<div class="ace-line ace-line old-record-id-doxcncrriiLGZ9Vbbp6Zf9SKDdh">&nbsp;</div>
<div class="ace-line ace-line old-record-id-doxcni0iXXXdvbqX6vx3KFrccCh">「参加比赛之前，我一直以为做农业的人不多，与我同龄的人更少。」一位莓立方的队员说。在上海交大，做农业的人本就不多，愿意做植物工厂的更少，这是一个小众领域里更小众的方向。可在这场比赛里，这位队员遇到了赛博农人那群年纪相仿的同行，也看到育种专家、企业工程师从完全不同的角度去琢磨一颗草莓的长势。「我们不是一个很庞大的群体，但至少还有同龄人。能在植物工厂这条路上有结伴同行的人，对我来说非常重要。」</div>
<div class="ace-line ace-line old-record-id-doxcn0eAJpG8zfO39Mm420lHs2f">这条路需要更多人，也需要技术持续跟进。比赛结束了，植物工厂的故事还在继续。拟生态团队的浅液流方案已经在新加坡一所大学里运行了一年多，莓立方团队正在推动把自己的工厂搬进交大校园做教学基地，上一届的墨泉团队则早早把植物工厂运到了西藏亚东，让近十年才吃上叶菜的当地居民，吃上了家门口种出来的新鲜蔬菜</div>
<div class="image-uploaded gallery old-record-id-doxcn45nXkerOPjrQ2jAFk9XKUe" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;4d960e46-3dcb-4060-b429-36f2306cd371&quot;,&quot;height&quot;:608,&quot;width&quot;:1080,&quot;currHeight&quot;:608,&quot;currWidth&quot;:1080,&quot;natrualHeight&quot;:608,&quot;natrualWidth&quot;:1080,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FCY61bNzQbod0ASxiX9Kc6nytnCb%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;CY61bNzQbod0ASxiX9Kc6nytnCb&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=ZGRkZDM3NDQ1YTI1MzMzYzNjMmVjMDUwNGRiYzc2ZWZfSFFVbjdkQUpvMHM0Z1lVNUFTd3JKOXBtRHp2ZWl3YWNfVG9rZW46Q1k2MWJOelFib2QwQVN4aVg5S2M2bnl0bkNiXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJDWTYxYk56UWJvZDBBU3hpWDlLYzZueXRuQ2IiLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y240NW5Ya2VyT1BqclEyakFGazlYS1VlIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L0NZNjFiTnpRYm9kMEFTeGlYOUtjNm55dG5DYi8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/CY61bNzQbod0ASxiX9Kc6nytnCb/?mount_node_token=doxcn45nXkerOPjrQ2jAFk9XKUe&amp;mount_point=docx_image" data-width="1080" data-height="608" data-lark-image-uri="drivetoken://CY61bNzQbod0ASxiX9Kc6nytnCb" data-lark-image-width="1080" data-lark-image-height="608" /></div>
<div class="ace-line ace-line old-record-id-doxcn7C6nSc1EMWYJNe1hPTMQEc"><span style="font-size: 14px;">拟生态团队采用浅液流栽培方案，仅用约 40 天就收获头茬草莓| 来源：极客公园</span></div>
<div class="ace-line ace-line old-record-id-doxcnj4QKpnGvrUEEBZEOnOEGeg">对拼多多来说，这场比赛也不只是一次科研投入。拼多多从农产品电商起家，农业是它的起家之本，也是它这些年始终投入的方向。2025 年拼多多推出「千亿扶持」计划，不断加码农业科技投入，多多农研科技大赛正是其中的重要抓手。</div>
<div class="ace-line ace-line old-record-id-doxcn7r4vB8GGQwzR1lLuQsZBwe">在拼多多看来，助农不只是帮农民把农产品卖出去，更要用技术破解农业的难题。比赛把题目设在真实的生产环境里，让高校、企业和育种专家同场试错，再用大众评审把结果交给消费者检验。这是一件「难而正确」的事，也是一家从农业里长出来的公司，回过头来为农业做的长期功课。</div>
<div class="image-uploaded gallery old-record-id-doxcnODjpJqeBk2wA4cpWjj6exe" data-type="image" data-ace-gallery-json="{&quot;items&quot;:[{&quot;uuid&quot;:&quot;8b0a291c-effc-4cf1-ac76-e01ceb1804aa&quot;,&quot;height&quot;:564,&quot;width&quot;:1020,&quot;currHeight&quot;:564,&quot;currWidth&quot;:1020,&quot;natrualHeight&quot;:564,&quot;natrualWidth&quot;:1020,&quot;pluginName&quot;:&quot;imageUpload&quot;,&quot;scale&quot;:1,&quot;src&quot;:&quot;https%3A%2F%2Finternal-api-drive-stream.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fpreview%2FJvvdbBr0po3SdtxJ6SocmChznUb%2F%3Fpreview_type%3D16&quot;,&quot;file_token&quot;:&quot;JvvdbBr0po3SdtxJ6SocmChznUb&quot;,&quot;image_type&quot;:&quot;image/png&quot;,&quot;size&quot;:100,&quot;comments&quot;:[]}]}"><img src="https://geek.feishu.cn/space/api/box/stream/download/asynccode/?code=OTNlYjQ4YjAxNGM0YmVjZjYxMWRhMjk4NWEwMDg3ZWFfbkFXSmMxU240MTExamFGREtiT1V3ZnBWazk4bkZQdnJfVG9rZW46SnZ2ZGJCcjBwbzNTZHR4SjZTb2NtQ2h6blViXzE3OTQyMTE2ODk6MTc5NDIxNTI4OV9WNA&amp;add_watermark=true&amp;scene_type=CCM" data-single-block="true" data-snapshot="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" data-suite="eyJmaWxlVG9rZW4iOiJKdnZkYkJyMHBvM1NkdHhKNlNvY21DaHpuVWIiLCJvYmpUeXBlIjoiZG9jeCIsIm9ialRva2VuIjoiZG94Y25PRGpwSnFlQmsyd0E0Y3BXamo2ZXhlIiwib3JpZ2luU3JjIjoiaHR0cHM6Ly9pbnRlcm5hbC1hcGktZHJpdmUtc3RyZWFtLmZlaXNodS5jbi9zcGFjZS9hcGkvYm94L3N0cmVhbS9kb3dubG9hZC9wcmV2aWV3L0p2dmRiQnIwcG8zU2R0eEo2U29jbUNoem5VYi8/cHJldmlld190eXBlPTE2In0=" data-src="https://internal-api-drive-stream.feishu.cn/space/api/box/stream/download/all/JvvdbBr0po3SdtxJ6SocmChznUb/?mount_node_token=doxcnODjpJqeBk2wA4cpWjj6exe&amp;mount_point=docx_image" data-width="1020" data-height="564" data-lark-image-uri="drivetoken://JvvdbBr0po3SdtxJ6SocmChznUb" data-lark-image-width="1020" data-lark-image-height="564" /></div>
<div class="ace-line ace-line old-record-id-doxcn0DX62vK2My8kMs2YyIgaMc"><span style="font-size: 14px;">大众评审员对大赛收获的草莓进行感官评价</span></div>
<div class="ace-line ace-line old-record-id-doxcnNIl6buj1gJsqTp2y75heYg">一颗草莓背后，是一场更大的农业变革。截至 2024 年，全国现代设施种植面积已经达到 4000 万亩；2025 年，农产品网络零售额达到 7833 亿元，越来越多的果蔬通过手机下单、直达餐桌。消费者要的不只是买得到，更是品质稳定、四季都有，这些期待，最终都要靠田间地头的技术一点点兑现。植物工厂里攻下的光配方、环控算法和种植经验，也不会只留在 50 平方米的赛博农场里。</div>
<div class="ace-line ace-line old-record-id-doxcn7AhsjuboYxG1yyCcu6SyGf">「农业是一个慢赛道。」欧普智莓的队员提到，它需要时间沉淀，需要大量真实的数据，也需要一次次复盘和迭代。当一拨人向着具身智能、飞行汽车全速奔跑时，另一拨人把 AI 技术用在了离土地最近的地方，在一座安静的草莓工厂里，跟温度、熊蜂和电费较劲了 170 天。前沿科技决定我们能走多远，而这样一群有创新思维的青年人，决定未来科技能不能真正落回生活，影响我们每一个人。</div>
<div class="ace-line ace-line old-record-id-doxcnT4DcE9Mq9Lp46sU4ylu9Qe">*头图来源：极客公园</div>
<div class="ace-line ace-line old-record-id-doxcnDyeUlS1wl92IQclsWgoPLf">本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</div>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Mon, 09 Nov 2026 16:15:03 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[实测 HY4：腾讯最「夯」大模型，离一线还有多远？]]>
      </title>
      <link>http://www.geekpark.net/news/373644</link>
      <description>
        <![CDATA[<p style="text-align: center;">&nbsp;</p>
<p>头图来源：腾讯混元</p>
<p>11 月 4 日，混元 Hy4 正式发布，模型权重将在近期开源，主打性价比的轻量版 Hy4 flash 也一起亮相。腾讯给它的定位是&mdash;&mdash;首次跻身最强开源模型之列。</p>
<p>过去一年，腾讯在 AI 上最多被人看见的，是 WorkBuddy 这类 Agent 和应用产品；到了更底层的模型上，它的声量明显弱于应用。Hy4 真正要回答的，是腾讯在模型这条线上的身位。</p>
<p>从榜单表现来看，在开源模型里，Hy4 已经站进第一梯队；放到全球，和顶尖闭源模型的差距仍然清晰。</p>
<p>而根据国家数据局最近公布的一组数据，我国日均 Token 调用量已经从 2024 年初的 1000 亿，增长到今年 7 月的超 500 万亿，两年增长超 5000 倍。Token 消耗狂飙的背后，Agent 正在从一个技术概念变成新的生产力形态。</p>
<p>极客公园围绕长程 Agent、多模态理解与视觉代码等主线，结合官方评测数据和典型任务，进行了实测，以梳理这一代 Hy4 到底补上了哪些能力。</p>
<h1>一、长程 Agent：门槛在「把一整件事跑完」</h1>
<p>过去测模型，行业习惯看单轮问答、单道题目的表现。进入 Agent 阶段，变成看跨多轮、跨多步、长时间运行，模型能不能始终记得目标在哪里、自己能走到哪一步，中途出错能不能自己拉回来，最后形成逻辑闭环的交付。</p>
<p>最近对 CPO 赛道关注比较多，我给 Hy4 安排了一个接近买方真实工作的任务：</p>
<blockquote>让它扮演覆盖 AI 算力产业链的研究员，围绕 CPO（共封装光学）赛道，做一份面向投资决策委员会的深度研究报告和可复算估值模型，数据截至最近一个已完成的交易日。</blockquote>
<p>2026 年被称为 CPO 量产元年，英伟达 Spectrum-X、博通 Bailly 等 CPO 交换机陆续进入客户导入，台积电 COUPE 投产、谷歌 NPO 订单落地，产业事件密集；与此同时，A 股光通信「易中天」（中际旭创、新易盛、天孚通信）以及光芯片、光器件公司的股价和估值已经大幅抬升。投委会真正想知道的，是这条链当前还能不能配、该怎么配。</p>
<p>任务要求几乎覆盖了一名研究员的完整工作流。它先要梳理 CPO 产业链图谱&mdash;&mdash;上游光芯片、激光器、硅光、光器件，中游光引擎、光模块，下游交换机和云厂商&mdash;&mdash;并配一张可视化产业链图；同时讲清 CPO 与传统可插拔光模块、NPO、OOI 的技术差异、替代节奏和关键催化节点，引用英伟达、博通、台积电的官方路线图和时间点。</p>
<p>&nbsp;</p>
<p>视频来源：极客公园</p>
<p>数据核验是这道题最容易露馅的环节。模型需要获取重点公司近 3 年财报、最新行情与市值、业务结构、毛利率和机构一致预期，还要兼顾英伟达、博通、Coherent、Lumentum 等海外映射数据；每个数字都要标明来源、日期、币种和单位，区分实际值、预测值和假设，缺失数据明确说明，禁止编造数据、机构或分析师身份。我们还特别要求它核实各家公司是否真正进入海外巨头 CPO 供应链，严格区分已量产、送样测试和仅披露合作意向三种状态，把「蹭概念」的标的识别出来。</p>
<p>在此基础上，它要从 A 股选 4 家覆盖光模块、光器件、光芯片环节的代表公司做横向对比表，并测算当前估值隐含的增长预期，结合一致预期判断预期差在哪里，给出乐观、基准、悲观三情景；再选一家最看好的公司建立可复算的未来三年利润表模型，关键假设集中管理，验证勾稽关系，禁止无解释倒挤。最后，它还得正面回答投委会三问：当前是业绩兑现还是主题炒作，哪个环节弹性最大，如果只能选一家该选谁。</p>
<p>从实际运行看，Hy4 沿用了它处理长任务的典型路径：先拆解任务、列出执行计划，再分阶段推进，中间做阶段性自检。产业链图谱、技术路线、对比表和三情景能够依次落地，数据来源、假设口径和不确定性都有明确标注，模型内的勾稽关系可以对上，最终交付的是报告 PDF 加估值模型 xls。</p>
<p>官方金融众测数据可以作为参照，腾讯基于真实金融场景构建了数千个工作空间和上万个高质量任务，覆盖基金研究、证券分析、量化策略、资产配置和财税会计等流程，并联合腾讯金融科技 FiT 组织了 213 位专家参与众测，其中 153 位来自外部头部金融机构，七成拥有五年以上工作经验。在 579 个真实金融任务上，Hy4 拿到 3.04 分，在开源模型中排名第一，高于 DeepSeek-V4.1-Flash 的 2.97、Kimi K3.1 Pro 和 GLM-5.3 的 2.68；在金融智能体公司讯兔科技的内部评测 IRAB 中，Hy4 较 preview 版提升 12.03 个百分点。</p>
<p>更基础的一项改进在事实准确性。针对时效检索、多源信息整合和事实一致性，混元做了专项搜索优化，Hy4 的幻觉率从 preview 版的 12.95% 降到 7.2%，猜测导致的错误率从 23.1% 大幅降到 5.6%。对需要引用大量数据和资料的研究任务来说，这两个数字的意义，比任何跑分都直接。</p>
<p>长程能力的差距，往往就藏在最后一公里。前面九成的步骤，今天第一梯队的模型大多能做，能不能把文件真的生成出来、数字对得上、打开就能用，才是分水岭。Hy4 在这一环的表现，具备了「初级研究助理」的雏形。</p>
<p>当然，这类任务依然离不开人来验收。模型会标注数据口径、假设合理性和最终结论，但投委会上的决策责任，依旧没有任何模型能替研究员承担。</p>
<h1>二、视觉理解与视觉代码：混元第一次长出「眼睛」</h1>
<p>Hy4 这一代最值得关注的变化，是首次引入视觉理解。混元此前走的是纯语言模型路线，这一代开始能够看懂图像、图表、截图和视频，并把视觉信息转化为输出。按照官方说法，它已经能完成细粒度图像处理、复杂图表分析和数学视觉推理这三类任务。</p>
<p>我们把测试重心放在了依赖视觉还原的代码任务上，这也是多模态能力最容易见真章的地方。第一个任务是一个交互式 3D 机械腕表机芯拆解网页。</p>
<blockquote>要求用 Three.js 展示一枚程序化建模的机械腕表，至少包含表壳、表圈、表镜、表盘、时针分针秒针、齿轮系（至少 3 个相互啮合的齿轮）、发条盒、摆轮、机芯底板和表冠，全部用程序化几何体实现；支持旋转、缩放、拆解和复原，点击零件要高亮并显示名称、作用和简短说明；拆解动画要按照「表壳表圈表镜 &rarr; 表盘指针 &rarr; 齿轮系 &rarr; 摆轮与发条盒 &rarr; 机芯底板」的顺序展开，各部件保持原有空间对应关系，不能随机散开；还要有一套机芯运转演示，摆轮持续往复摆动、齿轮按啮合关系联动、指针同步走时，动画可重复播放；最终交付可运行工程，并确认控制台没有阻断性报错。</blockquote>
<p>&nbsp;</p>
<p>视频来源：极客公园</p>
<p>生成这样一个网页，模型要先用程序化几何体把十几个零件逐一搭出来，给每个零件挂好层级和坐标，拆解时按顺序移动、保证彼此位置不错位，再让齿轮和摆轮持续运转。按照官方评测和任务要求，它能够把旋转、缩放、拆解、复原整套交互跑通，点击零件会弹出说明，控制台没有报错。</p>
<p>第二个任务是让它复刻开发一个游戏《NAIAD 水泽仙女》的网页版同款，需要和视频里的游戏玩法相似。</p>
<p>&nbsp;</p>
<p>复刻版《NAIAD 水泽仙女》｜视频来源：极客公园</p>
<p>&nbsp;</p>
<p>制作过程｜视频来源：极客公园</p>
<p>可以看到，在这轮实测里，Hy4 其实是把视频取证、机制抽象和渲染回读串成了一个闭环：先用 ffmpeg 把 81 秒录屏抽帧、拼图、局部放大，反复辨认出「白色人鱼游动、收集光点、碰花苞绽放、穿石环泛光晕、章节卡淡入、无分数无死亡」这套玩法，再用单文件 Canvas 2D 手写重实现一遍。关键不在「照着画面还原」&mdash;&mdash;配色、花瓣、光晕都是按氛围重新画的，还原的是机制而非像素。</p>
<p>真正让成品收敛的其实是后半圈，用无头浏览器真跑、截图、再把截图读回来比对，连续揪出宽屏花丛被裁、转屏坐标错位、光点收不满、章节门槛卡死四个问题，改完再跑，循环四五轮直到章节推进和按钮全部通过。这是一条「多帧看懂 &rarr; 重做一遍 &rarr; 渲染回读验证」的回路：视觉理解只负责给方向，把主观判断变成可验证事实的，则是回头自检。</p>
<p>此外，电脑操作是 Hy4 首次支持的能力。它能像人一样看懂屏幕，再用鼠标键盘操作浏览器、桌面应用和操作系统，命令行与图形界面都能用；针对 Blender、CAD 等专业软件和跨应用长任务，混元还做了专项训练。</p>
<h1>三、从「能聊」到「能交」，混元只是把拼图补齐了</h1>
<p>上面测试线放在一起看，可以看到腾讯没有把主要精力压在单榜跑分上，而是让模型在真实业务场景里持续进化。</p>
<p>今年 2 月重建基础设施以来，混元平均每两个月推出一个大版本，先以 Preview 开放、再根据反馈发布正式版。8 月的 Hy4 preview 总参数 770 亿、激活参数 490 亿、支持近百万 token 输入，定位「为生产力而生」，上线后长期位于 OpenRouter 排行前列；这一代 Hy4 补上的，是长程闭环、视觉理解和电脑操作这几块关键拼图。</p>
<p>在开源阵营，除了 Agent Arena 开源第一、金融众测开源第一，第三方平台 Artificial Analysis 最新智能指数在 700 多款模型中，把 Hy4 列为中国模型第二，仅次于 Kimi K3.1 Pro；官方办公评测平均 83.18 分、任务通过率 96.15%。</p>
<p>放到全球，差距还在。与 GPT、Claude 这类顶尖闭源模型相比，高难度推理和工程任务仍然落后，混元团队自己也承认还有较大差距，下一代 Hy5 会继续扩大规模。就现在而言，更准确的说法是追到了第一梯队的门槛，尚未进入最核心的竞争位置。</p>
<p>性价比策略也没有变。Hy4 性能大幅超越 preview，定价维持原样：输入 6 元、输出 18 元、缓存命中 0.3 元每百万 tokens。即日起至 12 月 31 日，Hy4 在腾讯云 TokenHub 按刊例价 5 折计费，11 月 4 日到 15 日 WorkBuddy 和 CodeBuddy 还提供一定额度的免费使用。目前 Hy4 已经在腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信智能助理和 ima 上线，API 同步接入 OpenRouter 等平台，QQ、王者荣耀、微信读书等腾讯系产品也在陆续接入。</p>
<p>回到腾讯自身。当 WorkBuddy 让它在 Agent 和应用层站稳，模型这块底座能不能撑住同样的位置，Hy4 给出了一个阶段性答案：在开源阵营，它靠长任务执行追了上来；视觉让产品更好用，但还定不了胜负；和全球顶尖模型的正面较量，这代仍在追赶，真正的考验可能还是要看 Hy5。</p>
<p>Agent 距离完全替代人的工作还有距离，验收、决策和责任仍然握在人手里。对腾讯而言，Hy4 的意义也不止于一款新模型&mdash;&mdash;它是 WorkBuddy 这套 Agent 生产力系统的底座，也是「掉队论」翻篇之后，腾讯需要持续证明自己的下一道考题。</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Mon, 09 Nov 2026 11:57:03 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[黄仁勋承认「婚外情」，英伟达启动调查；ChatGPT 突现封号风波，200 美元 Pro 用户也遭殃；腾讯姚顺雨谈「AI 公司护城河」：在产品层，而不是模型层]]>
      </title>
      <link>http://www.geekpark.net/news/373687</link>
      <description>
        <![CDATA[<p style="text-align: left;"><img src="https://imgslim.geekpark.net/uploads/image/file/00/ea/00eac58e58610d574fce85c596f85521.png" /></p>
<h1>黄仁勋承认「婚外情」，英伟达启动调查</h1>
<p>11 月 9 日消息，英伟达 CEO 黄仁勋当地时间 8 日于公司官网发布致全员公开信，就个人私事致歉，同时披露董事会将针对相关报道提及的国家安全关切展开独立调查。</p>
<p>黄仁勋在信中承认自己对妻子不忠，坦言该行为伤害家人，对此承担全部责任，并接受外界批评。他表示家人不应为其个人选择负责，恳请公众给予家人隐私空间，希望能有机会重新赢回家人信任。他强调自己对英伟达始终坚定，将努力重新赢得团队与投资方的信赖。</p>
<p>针对近期报道带出的国家安全相关质疑，黄仁勋确认董事会已启动独立调查，本人将全力配合。</p>
<p>此前据《纽约时报》报道，美国政府认为黄仁勋与一家名为 Megaspeed 的新加坡科技公司前高管 Alice Huang（黄乐）存在密切关系。（来源：DoNews）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/2c/c1/2cc1e846912b71d077050641095c7c14.png" /></p>
<h1>特斯拉更新 AI 加速器路线图：SI6 算力达 HW4 的 80 倍，Dojo D3 将面向太空部署</h1>
<p>11 月 8 日消息，特斯拉公布了更新后的 AI 加速器路线图，进一步揭示了公司未来几年的芯片研发方向。根据这份路线图，特斯拉第六代推理加速器的算力预计将达到现有第四代芯片的 80 倍；而用于训练任务的 Dojo D3 将放弃以 SRAM 为核心的架构，转向采用多芯粒设计，并搭载堆叠式 HBM 高带宽内存。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/61/74/6174660db9a3a8fde06e2f6b7e45dcb2.png" /></p>
<p>此外，特斯拉还开始用「超级智能」（Super Intelligence，SI）取代「人工智能」（Artificial Intelligence，AI）这一名称，为旗下 AI 加速器启用 SI 系列命名。出于相同原因，马斯克近期也确认，SpaceXAI 将更名为 SpaceXSI。</p>
<p>这份路线图中最值得关注的变化，或许是特斯拉重新启动了自主研发的 Dojo 训练加速器项目。</p>
<p>马斯克曾在 2025 年 8 月取消整个晶圆级 Dojo 项目，并于 2026 年 8 月表示，SpaceX 和 xAI 将在其地面及太空数据中心中全部采用英伟达硬件。不过，第三代 Dojo D3 与前两代 Dojo D1、Dojo D2 将有明显不同。</p>
<p>特斯拉将下一代 Dojo D3 描述为一款基于芯粒（Chiplet）的训练加速器，采用 2.5D 和 3D 封装技术，并搭载堆叠式 HBM 内存。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h1>亚马逊成立新团队专攻家用机器人，剑指「前所未有」的新产品</h1>
<p>11 月 8 日消息，分析亚马逊的招聘信息发现，过去几个月，亚马逊组建了一支新团队，准备开发<strong>一款前</strong>所未有的机器人产品。</p>
<p>亚马逊近期发布的一则工程师招聘信息写道：「机器人即将走出电影，进入我们的家中。」这条被撤掉的招聘信息透露，新产品能够适应不断变化的家庭环境，并在人类家庭成员身边自主活动。</p>
<p>亚马逊一向愿意押注长期项目，即便短期内不被外界理解，只要能够帮助公司抢占新市场的先机，就值得投入。此前的 Alexa 语音助手和 Kindle 电子书阅读器，都采用了这种发展策略。</p>
<p>亚马逊 CEO 安迪 &middot; 贾西在最近的年度股东信中重申了这一思路，认为人工智能和机器人技术将带来人们一生中最重大的变革之一。「我们努力预判什么能让客户每天的生活更轻松、更美好，并创造下一个重大转折点。」</p>
<p>LinkedIn 个人资料显示，今年早些时候，亚马逊将 Astro 项目的大部分成员调往其他岗位，还聘请了一名麻省理工学院的机器人专家参与家用机器人研发。</p>
<p>至于新团队究竟打算开发什么样的家用机器人、能让机器人完成哪些任务，目前还没有明确消息。不过，亚马逊 6 月的一则招聘信息透露，研发目标不仅是让机器人具备实用功能，还要让用户在使用过程中感到愉悦。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h1>苹果 Siri AI 团队或迎大调整，工程副总裁罗克韦尔考虑明年走人</h1>
<p>11 月 8 日消息，马克 &middot; 古尔曼在刚更新的《Power On》时事通讯中爆料，曾主导 Vision Pro 头显开发、同时负责新版 Siri AI 项目的迈克 &middot; 罗克韦尔，仍在认真考虑离开现有岗位。</p>
<p>古尔曼披露，罗克韦尔或将于明年卸任 Siri 工程副总裁，甚至彻底离开苹果。新版 Siri 跳票了两年才得以上市，考虑到罗克韦尔在其中发挥的作用，他的离开将给苹果造成重大损失。</p>
<p>如果罗克韦尔最终离职，或在苹果内部转任其他岗位，更多工作预计将交给两名高管：去年从谷歌加入苹果、负责加强 AI 业务的阿马尔 &middot; 苏布拉马尼亚，以及费德里吉的副手塞巴斯蒂安 &middot; 马里诺。</p>
<p>苹果内部一些人认为，马里诺未来有望接替费德里吉出任软件工程主管，而且他对 AI 发展的态度更加积极。据悉，马里诺负责的团队主要承担将 AI 技术整合到 iOS 系统中的工作。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h1>ChatGPT 突现封号风波，200 美元 Pro 用户也遭殃</h1>
<p>近日，多名用户在 Reddit 及 OpenAI 官方开发者社区反映，自己的 ChatGPT 账号突然遭到停用，其中包括每月订阅费用为 200 美元的 Pro 用户。部分用户表示，账号被封前没有收到任何通知，长期积累的聊天记录和工作资料也因此无法访问。</p>
<p>11 月 7 日，一名用户在 OpenAI 官方开发者社区发帖称，自己的 ChatGPT Pro 账号当天突然被停用，系统显示错误代码「account_deactivated」，但没有收到任何预警或封禁通知邮件。</p>
<p>该用户表示，自己不仅是 ChatGPT Pro 订阅用户，还加入了 OpenAI 的网络安全相关访问计划，账号启用了需要实体安全密钥验证的高级安全设置。他怀疑，封号可能与自己近期通过不同地区的 VPN 节点访问 ChatGPT 和 Codex 有关。不过，这只是用户个人的推测。</p>
<p>OpenAI Support 账号随后在帖子下作出回复，表示由于涉及具体账号信息，无法在公开社区论坛处理账号停用申诉。用户应通过封禁通知邮件中的链接提出申诉；如果没有收到邮件，可以通过官方申诉表单或帮助中心联系客服。该回复并未解释该用户账号被封的具体原因。（来源：凤凰网科技）</p>
<p>&nbsp;</p>
<h1>消息称 Anthropic 拟感恩节前上市 寻求募资至多 1000 亿美元</h1>
<p>尽管科技股近期遭遇大幅抛售，人工智能公司 Anthropic 仍在推进首次公开募股（IPO），计划在美国感恩节前上市，寻求融资 800 亿至 1000 亿美元，目标估值为 1.25 万亿至 1.75 万亿美元。</p>
<p>《金融时报》援引多名 Anthropic 投资者的消息称，上述估值区间低于部分最乐观投资者此前期望的 2 万亿美元，但高于该公司最近一轮融资时的 9650 亿美元估值。美国今年的感恩节为 11 月 26 日。</p>
<p>Anthropic 是 AI 助手 Claude 的开发商。报道指出，摩根大通计划于 11 月 13 日为潜在投资者举行一场信息说明会。IPO 的最终估值、募资规模及上市时间仍有待确定。</p>
<p>Anthropic 推进上市之际，投资者正重新评估科技公司庞大的 AI 支出及其回报。纳斯达克 100 指数周四下跌超过 6%，周五虽有所反弹，全周仍下跌 4.9%。</p>
<p>财务数据显示，Anthropic 第三季度营收约为 170 亿美元，环比增长近 50%，但增速有所放缓。该公司此前公布的年化营收约为 810 亿美元。年化营收是根据近期收入推算的全年水平，并不等同于已经实现的全年营收。（来源：cnBeta）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/a5/51/a551a1f0598c297bf3bf4e694c52edea.png" /></p>
<h1>腾讯姚顺雨谈「AI 模型公司护城河」：更多存在于产品层，而不是模型层</h1>
<p>11 月 8 日消息，据第一财经报道，在 2026 未来科学大奖的一场对话中，清华大学讲席教授、中国工程院外籍院士张亚勤向腾讯首席 AI 科学家姚顺雨抛出了一个尖锐的商业问题，模型公司的护城河究竟是什么？</p>
<p>姚顺雨的回答是，AI 护城河更多存在于产品层，而不是模型层。真正难以替代的，不一定是最聪明的模型，而是能够理解用户背景、利用专有数据和上下文，并获得用户信任的 AI 产品。</p>
<p>姚顺雨以微信为例，如果用户可以直接在微信中使用 AI，这个 AI 未必需要拥有最强大的模型能力，但它了解用户的日程安排、朋友关系和各种活动信息。这些信息能够帮助 AI 更好地理解用户需要什么，也使其他模型难以直接替代它。即使竞争对手推出了一个更聪明的模型，也不意味着它能够提供同样的服务，因为后者未必知道用户是谁。</p>
<p>听完这一回答，张亚勤调侃道，按照姚顺雨的逻辑，Anthropic 未来或许不值一万亿甚至两万亿美元，因为模型终有一天可能走向商品化。随后，张亚勤又笑着提醒现场的学生，千万不要听自己的建议去买股票。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h1>蚂蚁集团：旗下 AI 助手灵光用户数量已突破 2000 万</h1>
<p>11 月 8 日消息，蚂蚁集团旗下 AI 助手灵光宣布：自今年 10 月 27 日灵光 2.0 上线以来，一周内已帮助用户管理超 116 万项事务，执行超 360 万次任务。灵光用户已突破 2000 万。</p>
<p>蚂蚁集团于 10 月 27 日发布灵光 2.0，其最大特性是 AI 介入任务的起点进一步前移。</p>
<p>过去，用户需要先发现问题、提出需求，再由 AI 执行；如今，在获得用户授权后，灵光能够结合已接入的信息与服务，主动识别潜在需求，并发起分析、监测和跟进，并在需要用户关注的节点及时提醒。AI 不再只是等待指令的工具，而开始成为能够持续管理事务的助手。</p>
<p>除此之外，灵光 2.0 还接入了蚂蚁 APASS，作为 AI 时代跨智能体、跨设备、跨应用与服务场景的统一账号和安全管理基础设施，APASS 将身份认证、意图安全和隐私保护纳入 Agent 执行流程，通过授权密钥与 Agent 分离托管等机制，让智能体在不直接接触授权密钥的情况下执行任务。用户可随时查看、调整或撤销授权，让智能体在授权范围内办事。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h1>华强北显卡价格一天两变，RTX 5080 从近 2 万元跌至 1.6 万元</h1>
<p>经历此前一轮持续上涨后，近期华强北显卡市场行情出现明显反转，RTX 50 系列显卡价格开始大幅回落，部分型号短时间内出现数千元的降幅。据央视财经报道，此前受海外停产传闻刺激，RTX 50 系列显卡价格连续上涨 11 个交易日。</p>
<p>不过，从 10 月 28 日开始，市场行情突然掉头向下。其中，RTX 5080 价格从最高时的近 2 万元回落至 1.6 万元左右，较高点下跌约 20%。</p>
<p>对于近期价格波动，有华强北商户表示，由于代理商和商户提前囤货，导致市场价格出现较大浮动，甚至早上和下午的报价都可能发生变化。</p>
<p>尽管近期显卡价格有所回落，但整体市场价格依然处于高位。</p>
<p>目前，RTX 50 系列主流显卡均价仍达到建议零售价的 1.7 倍，此前较大幅度的价格涨幅尚未完全消化。（来源：快科技）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/08/0b/080bff217022c92106463ab59bb18e37.png" /></p>
<h1>208 万元！比亚迪超豪华行政旗舰轿车「仰望鼎曜」全球首秀</h1>
<p>11 月 8 日消息，比亚迪仰望鼎曜全球首发亮相，该车定位超豪华行政旗舰轿车，共有行政版与山河鼎韵限量版两个版本。目前两个版本的正式价格都未公布，不过山河鼎韵限量版已正式开启预定，定金 30 万，有消息称，该版本或限量 399 台，选配后总价格或达 208 万，预计 2027 年二季度交付。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/b2/9f/b29f2b3abf6865851719b3679954a596.png" /></p>
<p>鼎曜车长超过 5 米 6，轴距超过 3 米 5，24K 真金打造的甲骨文黄金车标、超百颗宝石、钻切大灯上车，新车搭载第二代刀片电池与闪充技术，CLTC 纯电续航超 1000km。</p>
<p>此外，新车还搭载比亚迪的易四方系统、云辇新一代全主动车身控制系统，支持四电机独立驱动，可实现原地掉头、横向移动、爆胎稳行、应急浮水等功能。</p>
<p>智驾方面，新车首搭比亚迪自主研发的 4nm 璇玑 A3 智驾芯片，搭载天神之眼 A 智能辅助驾驶系统。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h1>Fotorgear Campix 相机现身众筹：一次只能拍 36 张照片的数码相机</h1>
<p>11 月 8 日消息，据摄影媒体 Photo Rumors 报道，一款名为 Fotorgear Campix 的相机最近显示 Kickstarter 众筹，号称能够在数码相机时代还原胶片的拍摄体验。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/41/02/41029028acbfc230a15ff9680820e933.png" /></p>
<p>据介绍，这款相机重量 192g，搭载 1/3.06 英寸的索尼 IMX258 CMOS 传感器，可输出 1300 万像素照片。搭配等效 26mm f/2.2 广角镜头，最近对焦距离 0.9m，无自动对焦。该机支持更换镜头，初期将有 8mm、16mm、60mm、75mm Macro 微距镜头，以及 1.55x Anamorphic 变形宽荧幕镜头。</p>
<p>同时，这款相机一次只能拍摄 36 张照片，完成后需要在「数字暗房」（手机 App）冲洗「胶片」，才能开始新一轮拍摄。该机配备腰平取景器，可让用户获得胶片相机的拍摄体验。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/11/63/116333403134f975679a2d9bb1f76b3e.png" /></p>
<h1>三名男子涉嫌利用 AI 冒充企业高管和律师行骗，涉案金额超 1 亿美元</h1>
<p>11 月 8 日消息，美国司法部近日公布的一份起诉书显示，三名外国男子涉嫌利用 AI 冒充企业 CEO 和律师，诈骗金额超过 1 亿美元（约合 6.69 亿元人民币），目前均被逮捕并受到起诉。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/86/36/8636314fc56b1ad1e08d4570e2268c87.png" /></p>
<p>美国纽约南区联邦检察官办公室发布的新闻稿称，三名嫌疑人分别为雅各布 &middot; 索尔、沙龙 &middot; 哈赞和盖伊 &middot; 谢特里特。他们涉嫌利用 AI 伪造多家企业高管和律师的声音、影像，诱骗企业员工汇出大额资金。</p>
<p>索尔和哈赞今年夏天在西班牙被捕，谢特里特于 9 月在英国落网。检方指控，三人的诈骗活动从 2024 年持续至 2026 年。</p>
<p>根据起诉书，三人先利用 AI 冒充企业高管，联系不同公司的员工，谎称有敏感财务交易需要员工协助处理，再让员工与大型国际律师事务所的律师联系。随后，他们又冒充律师事务所的律师，指示员工汇出大笔资金。</p>
<p>美国司法部称，三人涉嫌从全球多家企业骗取超过 1.29 亿美元（约合 8.63 亿元人民币）。（来源：IT 之家）</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Mon, 09 Nov 2026 10:58:04 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[具身智能，也到了 API 时刻？]]>
      </title>
      <link>http://www.geekpark.net/news/373683</link>
      <description>
        <![CDATA[<div><section><section style="margin-top:0;margin-bottom:0;margin-left:8px;margin-right:8px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/86/c2/86c2188de0ea10a31e7313f01a5e6eea.jpg" style="width:100%;max-width:100%;vertical-align:bottom;margin:0"/></section><section style="margin:-0.6em 0 2em;padding:25px 0 18px;text-align:justify;line-height:1.8em;letter-spacing:0.3px;color:rgb(255, 255, 255);background-color:rgb(0, 0, 0);margin-left:8px;margin-right:8px;padding-left:18px;padding-right:18px"><span><span>具身智能的 API 时刻意味着部分具身模型已经开始具备跨本体迁移、在一定范围内适应新任务的能力。</span></span></section><section style="margin:48px 0;padding:0;margin-left:8px;margin-right:8px"><p style="text-align:left;margin-left:8px;margin-right:8px;margin:0"><strong style="font-weight:bold;line-height:1.5;color:rgb(55, 84, 116);text-align:left"><span>作者｜Li Yuan</span></strong></p><p style="text-align:left;margin-left:8px;margin-right:8px;margin:0"><strong style="font-weight:bold;line-height:1.5;color:rgb(55, 84, 116);text-align:left"><span>编辑｜郑玄</span></strong></p></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>具身智能，也到了 API 时刻？</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>过去，想知道一个具身模型有多强，往往要看它在发布视频里完成了什么任务。不过，这条线正在松动。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>就在近期，一些公司开始把另一种检验方式交到开发者手里：接上你自己的机器人，试着把你的任务做出来。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>10 月，Physical Intelligence（PI）开放了模型 API 测试。开发者可以上传自己的机器人数据，在平台上微调模型，再通过云端推理驱动机器人。PI 表示，一家公司，用这套服务迭代了四天，让双臂机器人开始为自身的零部件去毛刺。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>同月，Dream Labs 推出 Dream API，将机器人模型推理按作业时长计费，并提供面向开发者数据的模型微调服务。让机器人调用云端模型，正在成为一种可以试用、适配和购买的服务。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>国内，11 月 3 日，原力灵机升级了 Dexmal MaaS，将重点放在模型进入具体场景所需的后训练上：开发者可以在同一平台完成数据上传、模型训练和部署，再根据真机执行中的失败继续改进。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>这些动作让具身智能行业出现了一个值得关注的变化。过去，我们常常听到一些公司宣称自己在某个场景正在寻求落地突破。而现在，模型公司开始尝试把自己积累的能力，交给不同硬件、不同任务背后的开发者使用。具身模型的竞争，也由此延伸到一个更实际的问题：别人能不能拿它做成应用？</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>这一步比语言模型开放 API 要重得多。机器人需要适配自己的身体，理解现场的物体和流程，还要在执行出错时把任务接着做下去。把模型交到外部开发者手里，就意味着让它走出熟悉的实验环境，接受不同本体和真实任务的检验。这需要模型能力作为底气，也需要公司有信心把尚未解决的问题暴露出来，在使用中继续改进。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>未来具身智能的形态，或许就会在这些尝试中逐渐清晰。</span></span></p><section style="margin-top:54px;margin-bottom:0;padding-bottom:0;text-align:center"><section style="padding-bottom:0;text-align:center;margin:0;padding:0"><section style="width:auto;vertical-align:top;height:auto;margin-bottom:0;padding-bottom:0"><section><section style="line-height:1;letter-spacing:0px;color:rgb(45, 113, 214)"><p style="margin-left:8px;margin-right:8px"><span><em><strong><span>01</span></strong></em></span></p></section></section><section style="margin-top:-10px"><section style="width:44.9531px;height:10px;vertical-align:top;background-color:rgb(254, 226, 0);margin-left:8px;margin-right:8px"></section></section></section></section><p style="margin-bottom:54px;margin-top:0;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center;margin-left:8px;margin-right:8px;padding-top:0;padding-bottom:0"><span><strong style="letter-spacing:1px"><span style="color:rgba(0, 0, 0, 0.9)"><strong style="letter-spacing:0.578px;color:rgba(0, 0, 0, 0.9)"><span>为什么是现在？</span></strong></span></strong></span></p></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>本体厂商提供身体、模型公司提供基础能力，开发者围绕场景构建应用，是行业早已讨论过的一种分工。不过在过往，借助通用模型构建具身应用，仍然往往是一个愿景。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>如今，几家公司相继开放 API，开始把这种设想变成开发者可以上手的服务。为什么是现在？</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>或许有几点原因。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>首先，一部分具身模型开始具备跨本体迁移、在一定范围内适应新任务的能力。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>过去，教机器人完成一个新任务，往往意味着围绕特定硬件开发算法、采集数据，再反复调试。具身基础模型正在改变这个起点。模型从不同任务的训练中积累物理世界知识和操作经验，开发者便有机会借用这些能力，把新增投入集中在自己的机器人和任务上。一个基模能够支持的本体与场景越多，将它作为公共服务提供的价值就越大。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>PI 展示的一个案例，甚至让机器人参与了自己的制造。开发双臂机器人 Axol 的公司 Almond，希望让它处理自身装配所需的零件。借助 Pi API，这个团队经过四天迭代，让机器人开始为装配用的垫块去毛刺。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><strong style="color:rgb(0, 0, 0);letter-spacing:0.5px;line-height:1.75"><span>原力灵机开放 MaaS，同样有一个能力上的前提：它的基模已经积累了一批能够交给外部开发者使用的操作经验。</span></strong></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>按照原力灵机展示的 DM0.5 的 Zero-shot 能力，模型目前已经可以完成抓取、推动、放置、叠放等操作，也能根据颜色、形状和大小区分物体，甚至能完成擦东西这样的更难的操作。</span></span></p><section style="margin-bottom:16px;margin-left:8px;margin-right:8px"></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>DM 0.5 还能执行序列指令，机器人需要理解多个操作之间的先后关系，完成前一步后，面对已经变化的现场继续执行下一步。DM0.5 对序列指令的支持，加上原生记忆能力，为任务从单个动作延伸到连续操作提供了基础。</span></span></p><section style="margin-bottom:16px;margin-left:8px;margin-right:8px"></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>这意味着，机器人开始能够把「看懂要求」与「做出动作」连起来：面对不同物体，判断指令指向哪一个，再按要求完成操作。开发者接入之后，已经有一组可以组合、验证的能力，而不必逐项从头训练。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>这个起点还需要经得起本体和环境的变化。DM0.5 将多本体适配、原生记忆，以及对光照、相机变化和外界干扰的鲁棒性纳入能力设计。这些特性与开放服务直接相关：外部用户的机器人、工作环境和操作流程各不相同，模型只有能够承接一定程度的变化，共享基础能力才有实际意义。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><strong style="color:rgb(0, 0, 0);letter-spacing:0.5px;line-height:1.75"><span>原力灵机的判断也落在这里。唐文斌此前谈到，一个模型是否好用，要看它能否具备足够强的泛化能力，以及能否通过后训练，省时省力地变成面向具体任务的专用模型。MaaS 将这两种使用方式放在一起：开发者既可以调用通用模型，也可以继续训练适合自身任务的模型。</span></strong></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>另一个推动力，来自模型计算需求与机器人身体之间的矛盾。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>谈到机器人调用云端模型，人们最先担心的往往是延迟：画面传出去，等模型算完再把动作传回来，会不会已经错过了反应时机？把推理放在端侧，自然是一个直观选择。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>但本地部署也未必是最终解法。像 GPT-6 Astra 这样的探索，已经让人看到：持续理解环境、记住交互过程、判断下一步做什么，会对模型提出越来越高的要求。如果机器人也要获得这些能力，本体需要承担的计算负担也会增加，而功耗、散热、续航和成本都会限制算力配置。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>云端或现场服务器因此有理由长期参与其中。远程推理能否成立，关键在于如何安排网络传输、模型计算和动作执行。模型可以一次输出一小段动作，机器人执行当前动作时，系统继续计算后续动作，再将两段动作衔接起来。PI 公布的实时动作分块研究，探索的就是如何让模型计算与动作执行重叠，降低推理延迟对连续作业的影响。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>原力灵机 MaaS 则将云端模型推理与本地动作执行连接起来：机器人上传相机图像和当前状态，模型预测后续动作，再交由本地控制程序执行。配套的 DexOS Lite 提供推理循环、多步动作执行和请求重试等能力，减少开发者自行衔接这些环节的工作。模型能力向外开放，也需要这样的工程配套，才能落到真实机器人上。</span></span></p><section style="margin-left:8px;margin-right:8px;margin-top:0;margin-bottom:25px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/c5/b2/c5b282c79c0edf11043ad84adcd95350.png" style="vertical-align:bottom;width:100%"/></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>延迟仍然需要处理。网络波动有多大、任务要求多快的反应、动作能否平稳衔接，都会影响远程推理的适用范围。但在一定任务和系统条件下，这些问题已经可以被工程方案容纳。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>可复用的基础能力，让开发者有了调用模型的理由；推理与执行方式的改进，让这种调用有机会进入真实作业。具身 API 因而开始具备实际应用的条件。而模型接到客户的机器人之后，能否稳定完成客户的任务，则是下一道更深的门槛。</span></span></p><section style="margin-top:54px;margin-bottom:0;padding-bottom:0;text-align:center"><section style="padding-bottom:0;text-align:center;margin:0;padding:0"><section style="width:auto;vertical-align:top;height:auto;margin-bottom:0;padding-bottom:0"><section><section style="line-height:1;letter-spacing:0px;color:rgb(45, 113, 214)"><p style="margin-left:8px;margin-right:8px"><span><em><strong><span>02</span></strong></em></span></p></section></section><section style="margin-top:-10px"><section style="width:44.9531px;height:10px;vertical-align:top;background-color:rgb(254, 226, 0);margin-left:8px;margin-right:8px"></section></section></section></section><p style="margin-bottom:54px;margin-top:0;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center;margin-left:8px;margin-right:8px;padding-top:0;padding-bottom:0"><span><strong style="letter-spacing:1px"><span style="color:rgba(0, 0, 0, 0.9)"><strong style="letter-spacing:0.578px;color:rgba(0, 0, 0, 0.9)"><span>接上模型之后，工作才刚开始</span></strong></span></strong></span></p></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>当模型能力和推理条件逐渐成熟，开发者开始有机会借用一个现成的「大脑」。但不同具身 API 能帮用户走多远，差别可能很大。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>最基础的影响条件是基础模型的跨本体能力。机械臂的活动范围、夹爪的结构、相机的位置发生变化，模型已有的操作经验能否继续发挥作用，决定了开发者是在已有能力上做适配，还是接近重新教一台机器人干活。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>Dream Labs 将跨本体零样本能力作为 Dream-1 的重要卖点。目前，这种能力主要面向双臂平行夹爪机器人，表现也受到本体运动学和控制系统的影响。公司同时提供 FaaS 微调服务，为开发者的机器人定制模型。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>在其公布的跨本体仿真评估中，微调提升了多数受测机器人的语言指令跟随得分，但并非所有本体都获得提升。对使用者而言，硬件被列入支持范围之后，仍需要验证模型在自己任务上的效果。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>模型适应了新的身体，还要继续适应现场。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>比如，把鸡蛋放进蛋托，模型可能已经具备抓取和放置的能力。但鸡蛋滑了一下、蛋托被碰偏，第一次抓取落空后，机器人还能不能调整动作，把任务接着做完？这些情况不一定出现在最初的示范中，却会在实际运行里反复发生。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><strong style="color:rgb(0, 0, 0);letter-spacing:0.5px;line-height:1.75"><span>现阶段，这些问题绕不开后训练。基模提供一个更好的起点，开发者仍然需要用自己的机器人和任务数据，让模型适应现场。如果一项服务只展示接入时的便利，却把此后的适配工作全部留给用户，那么它的 API 服务，并不够真诚。</span></strong></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>PI 的 API 因此将数据上传、微调和托管推理连在一起。外部团队采集示范、训练模型、放到机器人上测试，再根据失败决定下一轮补充什么数据。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>原力灵机此次 MaaS 升级，也把重点放在了接入之后的适配上。开发者可以上传任务示范进行训练，也可以根据真机运行中的偏差补充纠正数据，进一步利用失败记录优化策略。从学会基本流程，到出错后能够恢复，平台为不同阶段的问题提供了对应的训练路径。</span></span></p><section style="margin-left:8px;margin-right:8px;margin-top:0;margin-bottom:25px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/cf/89/cf89670be47b23a3cea0265e3c0ea94c.jpg" style="vertical-align:bottom;width:100%"/></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>从 PI、Dream Labs 到原力灵机，值得关注的是，它们都把后续适配纳入了服务。即使强调零样本能力，也为效果不够好的情况准备了继续训练的入口。这种安排体现了一种务实：模型能够承担多少，哪些还需要现场数据补足，需要在产品里有明确的位置。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>API 的质量，正是在这些后训练的细节里拉开距离。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>任务失败之后，「再采一些数据」并不是一个足够有效的建议。开发者需要判断，机器人究竟卡在哪个环节，应该补充什么样的示范，是否需要从出错的状态开始演示恢复过程，以及下一轮测试如何确认问题得到改善。采集什么数据，本身就包含了对任务和模型的理解。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>原力灵机就特别关注这一环节，将数据采集指南纳入后训练服务。它的价值在于把现场适配的经验交给开发者，让用户面对失败时，有依据判断下一轮该采什么、怎么采，减少盲目增加数据和反复重训的投入。</span></span></p><section style="margin-bottom:16px;margin-left:8px;margin-right:8px"></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>围绕数据的后续使用，平台支持上传主流的 LeRobot v3 格式数据集，并通过可视化工作台管理数据和模型、发起定制训练、部署专属模型。从指导采集到训练部署，这些环节连在一起，才能让开发者在现场积累的经验，持续转化为机器人的能力。</span></span></p><section style="margin-top:54px;margin-bottom:0;padding-bottom:0;text-align:center"><section style="padding-bottom:0;text-align:center;margin:0;padding:0"><section style="width:auto;vertical-align:top;height:auto;margin-bottom:0;padding-bottom:0"><section><section style="line-height:1;letter-spacing:0px;color:rgb(45, 113, 214)"><p style="margin-left:8px;margin-right:8px"><span><em><strong><span>03</span></strong></em></span></p></section></section><section style="margin-top:-10px"><section style="width:44.9531px;height:10px;vertical-align:top;background-color:rgb(254, 226, 0);margin-left:8px;margin-right:8px"></section></section></section></section><p style="margin-bottom:54px;margin-top:0;color:rgba(0, 0, 0, 0.9);letter-spacing:0.578px;text-align:center;margin-left:8px;margin-right:8px;padding-top:0;padding-bottom:0"><span><strong style="letter-spacing:1px"><span style="color:rgba(0, 0, 0, 0.9)"><strong style="letter-spacing:0.578px;color:rgba(0, 0, 0, 0.9)"><span>把后训练交到开发者手里</span></strong></span></strong></span></p></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>放在这一轮具身 API 开放潮中看，原力灵机此次 MaaS 升级其实很令人惊喜：既敢于把模型交给外部任务检验，也愿意把开发者接入之后最费力的适配工作，纳入自己的产品责任。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>原力灵机是国内较早布局具身 MaaS 的公司。今年 7 月 9 日，它在开发者大会上发布 MaaS 时，就已将云端模型调用、在线后训练和定制模型托管部署纳入服务。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>此次升级，则把这条路径进一步细化：从数据采集指南、上传管理，到 SFT 示范学习、DAgger 运行纠偏，再到通过 RECAP 利用失败记录优化策略，平台开始更具体地处理开发者在现场适配中遇到的问题。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>业内已经有不少开源模型，但拿到代码之后，怎样准备数据、组织训练、判断效果，再根据失败继续迭代，仍然需要相当的模型经验。国内能把这些后训练工具真正用起来的人，或许只有千人的量级。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><strong style="color:rgb(0, 0, 0);letter-spacing:0.5px;line-height:1.75"><span>而未来可能用上模型服务的团队，能力未必长在这里。本体厂商熟悉硬件，场景团队掌握业务流程，它们需要把这些积累转化为机器人可以执行的任务。数据该怎么采，运行中的偏差怎么纠正，反复出现的失败怎样用于下一轮训练，都需要有具体的方法可以遵循。</span></strong></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>把这些方法交到开发者手里，让应用团队不必先成为模型专家，也有办法把任务继续做下去，才是让 MaaS 务实生长的关键。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>比如，一支团队想让机器人在传送线侧完成供包。它需要的，是把不同形态、不同摆放状态的包裹持续抓取、放置，并达到现场要求的作业节拍。</span></span></p><section style="margin-left:8px;margin-right:8px;margin-top:0;margin-bottom:25px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/81/e5/81e586d591cc6a945a98957149c2d48a.jpg" style="vertical-align:bottom;width:100%"/></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>通过 MaaS，开发者可以从 DM0.5 已有的操作能力出发，先按照采集指南，用自己的机器人录制任务示范，上传到平台进行 SFT 训练。模型由此学习现场的物体、动作和流程，开发者也不必为这一步自行搭建整套训练系统。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>第一版模型部署到机器人上之后，就可以开始检验：哪些包裹能稳定处理，哪些状态容易抓偏，任务又会在哪一步中断。这些结果决定下一轮需要补什么数据。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>如果机器人已经能完成基本流程，却经常在执行中发生偏差，开发者可以在它出错时介入，记录如何调整、怎样继续完成任务，再将纠正数据用于 DAgger 训练。下一轮，模型学习的就是这些实际遇到的困难，而不必只靠增加顺利完成的示范碰运气。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>对于反复出现的失败，还可以使用 RECAP 继续优化。平台针对任务训练价值模型，为执行记录逐帧生成价值标签，再利用这些评价训练控制机器人动作的策略模型。成功、纠正和失败的记录，都有机会成为改善表现的依据。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>这几种方法可以按需选择。每完成一轮训练，开发者就将更新后的模型部署回机器人，检查成功率是否提高、无效尝试是否减少、人工接管是否更少，再决定下一轮的工作。DexOS Lite 或 MaaS API 则负责连接模型服务与机器人，让这套迭代能够落实到真机执行上。</span></span></p><section style="margin-left:8px;margin-right:8px;margin-bottom:16px"></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><strong style="color:rgb(0, 0, 0);letter-spacing:0.5px;line-height:1.75"><span>据原力灵机介绍，经过针对具体本体和场景的后训练，平台已在部分真实场景的原子任务测试中实现 100% 成功率。这对应的是特定条件下的单项任务表现，换到新的本体或场景，仍可能需要继续适配。</span></strong></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><strong style="color:rgb(0, 0, 0);letter-spacing:0.5px;line-height:1.75"><span>在物流供包场景，公司披露，使用其 MaaS 的机器人综合作业节拍超过每小时 1200 件，整体成功率超过 99%。平台进一步开放训练与迭代能力，是希望让更多团队也能围绕自己的任务改善效果，并通过作业节拍、人工接管和运行成本，检验应用是否真正算得过账。</span></strong></span></p><section style="margin-left:8px;margin-right:8px;margin-bottom:16px"></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>除物流供包外，原力灵机披露的应用还包括仓储拆零分拣、手机产线废料回收，手机打包、装配等环节也在持续测试与部署中。</span></span></p><section style="margin-left:8px;margin-right:8px;margin-bottom:16px"></section><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>现阶段，具身应用的开发分工仍在形成。能够接入模型的团队，未必同时熟悉生产现场；掌握场景需求的客户，也未必具备模型训练能力。原力灵机一方面通过自身的场景实践处理这些问题，另一方面将训练、部署和本体接入能力向外开放，尝试把更多环节连接起来。</span></span></p><p style="line-height:1.75;margin:0 0 24px 0;margin-left:8px;margin-right:8px"><span><span>具身智能进入 API 时刻，最终意味着需要由开发者与原力灵机这样的模型公司共同来验证：它们能否借助模型服务做出可用的应用，让机器人持续工作，并算出一笔成立的账。</span></span></p><section style="margin-top:32px;padding:12px 0;text-align:left;margin-left:8px;margin-right:8px"><p style="color:#888;margin:0 0 8px 0;text-align:left"><span>*头图来源：原力灵机</span></p><p style="text-align:left;color:#888;margin:0"><span>本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</span></p></section><section style="margin:24px 0;color:rgba(0, 0, 0, 0.9);letter-spacing:1px;text-align:center"><section style="margin-top:10px;margin-bottom:-40px;color:rgba(0, 0, 0, 0.9);letter-spacing:1px;text-align:center"><section style="width:55px;height:55px;vertical-align:top;background-color:rgb(255, 242, 181)"><span><br/></span></section></section><section style="margin-bottom:20px;color:rgba(0, 0, 0, 0.9);text-align:justify;letter-spacing:1px"><section style="color:rgb(95, 156, 239);line-height:1;letter-spacing:2px"><section style="text-align:center;margin-left:8px;margin-right:8px"><strong><span style="color:rgb(95, 156, 239)"><span>极客一问</span></span></strong></section></section></section><section style="color:rgba(0, 0, 0, 0.9);letter-spacing:1px;text-align:center;margin-left:8px;margin-right:8px;line-height:1.75"><strong><span>具身 API 的核心是泛化能力，</span><span><br/></span><span>还是现场迭代能力？</span></strong></section></section><section style="margin:24px 8px 16px;text-align:center"></section><section style="margin:0 8px 16px"></section><section style="margin:0 8px 16px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/39/f7/39f71f75ec44c2787a9b796dbed59f41.gif" style="width:100%;max-width:661px;height:auto;margin:0 auto;vertical-align:bottom;background-color:transparent;margin-bottom:0"/></section><section style="margin:0 8px 16px"><img alt="" src="https://imgslim.geekpark.net/uploads/image/file/0c/fa/0cfad4981ea6f145a45d0ba039ae3b14.gif" style="width:100%;max-width:661px;height:auto;margin:0 auto;vertical-align:bottom;background-color:transparent;margin-bottom:0"/></section></section><p></p></div>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Mon, 09 Nov 2026 10:18:55 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[为什么「陪伴」，注定是 Personal AI 的核心]]>
      </title>
      <link>http://www.geekpark.net/news/373653</link>
      <description>
        <![CDATA[<div data-page-id="CVvSd6asBosw01xnC9Nc5ZWEnzc" data-lark-html-role="root" data-docx-has-block-data="false">
<div class="ace-line ace-line old-record-id-doxcncZ6zZ5axgsTzppSC0QWWDd"><strong>作者｜宇航猿</strong></div>
<div class="ace-line ace-line old-record-id-doxcnjxwK1JYvpB1vp8FjoTYAih"><strong>编辑｜靖宇</strong></div>
</div>
<p>最近这一波 Personal AI 实在太火了，我也注册了一个 Muse 体验了一下。</p>
<p>整个体验下来，我感觉 Muse 的能力实在一般，远没到让人惊叹的地步。但奇怪的是，它确实带来了一种真切的陪伴感。这种陪伴感，甚至直接改变了我的使用习惯，让我总是忍不住想找它聊聊，哪怕只是把最琐碎的需求丢给它。</p>
<p>就在本周，<strong>Muse 又往前迈了一步，正式上线了实时语音和会动的头像</strong>。无独有偶，各家 AI 助手最近都在做同一件事，就是给个人 AI 助手开通语音和对话功能。</p>
<p>这让我非常好奇，距离 ChatGPT 端出惊艳的语音模式，已经过去两年了，<strong>为什么到了现在这个时间点，所有的个人 AI 助手又开始一窝蜂地往语音赛道上挤</strong>？</p>
<div data-page-id="CVvSd6asBosw01xnC9Nc5ZWEnzc" data-lark-html-role="root" data-docx-has-block-data="false">
<h1 class="heading-1 ace-line old-record-id-doxcnXQFKGi4ctNOyaC8zbPeSGd" style="text-align: center;"><em><strong>01</strong></em></h1>
<div class="ace-line ace-line old-record-id-doxcnSBnhL0yJw386sFRpDYLwHe" style="text-align: center;"><strong>口喷「派活」的魅力</strong></div>
</div>
<p>2024 年 GPT-4o 发布演示时，那种流畅自然的对话体验常被拿来和电影《Her》对比。但在此后的很长一段时间里，AI 语音始终停留在聊天层，双方客客气气地说完，交互也就结束了。</p>
<p><strong>这一轮语音热潮的核心变量在于，AI 身后终于长出了一双手，语音因此成了派活门槛最低的入口。</strong></p>
<p>当地时间 11 月 5 日，Muse 在美国上线实时语音功能。Meta 官方给出的典型场景非常务实，用户可以在散步或者双手忙碌的时候，直接口头给它安排任务，随后 Muse 会在后台继续处理这些工作；当然，用户也可以拿它来排练面试或演讲。</p>
<p>这种「动口不动手」的派活逻辑，正在成为智能体产品的标配。</p>
<p>早在 9 月 17 日，SpaceXAI 旗下的 Grok Bot 就上线了语音功能。在 X 上，早期用户最看重的也是这一点，散步和通勤的路上，不用动手就能给它派活。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/0d/4b/0d4b91a4d39890858e0486f041fd14c5.jpg" /></p>
<p>Grok Bot 的语音界面，背后的对话里它正在请你批准下午 2 点的董事会材料审阅｜图片来源：X</p>
<p>要让用户愿意开口派活，底层的工程门槛直到今年才算真正跨了过去。国内的豆包「打电话」功能在今年 4 月接入了全双工语音模型 Seeduplex，真正实现了边听边说。而按照 Meta 的说法，Muse 从用户说完话到给出第一个音视频响应，延迟约 870 毫秒，并且支持随时打断。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/d6/0e/d60ea52fdc71c1b2ed7a358deef52fc5.gif" /></p>
<p>Muse 的实时虚拟形象，表情和口型随语音同步生成｜图片来源：Meta</p>
<p>不到一秒的反应时间，<strong>加上后台干活的能力，让语音彻底摆脱了纯陪聊的玩具属性</strong>。</p>
<p>但问题在于，既然替人干活的「手」已经长出来了，为什么产品经理们还在拼命强化那种看似无用的「陪伴感」？</p>
<div data-page-id="CVvSd6asBosw01xnC9Nc5ZWEnzc" data-lark-html-role="root" data-docx-has-block-data="false">
<h1 class="heading-1 ace-line old-record-id-doxcn5MxGfZ639lhQqTwbFS29tb" style="text-align: center;"><em><strong>02</strong></em></h1>
<div class="ace-line ace-line old-record-id-doxcnQvSmHNyzczUIi4yyssnUCf" style="text-align: center;"><strong>「接住废话」，才是 AI 助理的强项</strong></div>
</div>
<p>上面问题的答案，藏在人类开口说话的本能里。</p>
<p>陪伴感当然是语音交互天然带来的副产品，但对于个人 AI 助理来说，它更是最核心的增长机制。</p>
<p><strong>这一切的起点在于交互门槛的坍塌，说话几乎消灭了提问前的心理成本。</strong></p>
<p>我们面对一个文字输入框时，哪怕反应再快，大脑也会下意识地掂量一下，这件事到底值不值得我专门打字问一句？很多微小的念头就在这几秒钟的权衡里被掐灭了。</p>
<p>最近出差时的几次经历，让我对这种门槛的变化体会极深。走在陌生的街头看到路边一个不认识的建筑，搁在以前，我的标准动作肯定是打开搜索引擎去搜，或者点开地图仔细比对。但这次我的第一反应，是随手拍张照片直接去问 Muse。</p>
<p>住进酒店后，想知道旁边哪里有超市这种鸡毛蒜皮的小事，我也直接丢给了 Muse；甚至连去景点的预约，也是顺手让它给办了。</p>
<p>把这些需求拆开看，没有一件是高难度的复杂任务，<strong>它们的核心共同点在于「随手」二字</strong>。当一个产品的交互门槛低到根本不需要你去掂量值不值得问时，原本属于搜索引擎和地图软件的流量，就会极其自然地流向个人助手。</p>
<p>拍照提问其实还需要掏出手机对准目标，而实时语音把「随手」这件事又往前狠狠推了一步。毕竟开口说话，连手都不用动。</p>
<p>一旦用户开始对 AI 说废话、提琐碎要求，个人助理的飞轮就真正转起来了。<strong>那些看似毫无营养的琐碎需求，恰恰是喂养个人助理最关键的上下文燃料。</strong></p>
<p>通用聊天机器人和私人助理的本质分野，就在于日常细节的积累。你随口问出的超市位置、顺手拍下的街角建筑、散步时突然想起的待办事项，都在帮 AI 拼凑出你的真实生活图景。</p>
<p><strong>你因为门槛低而用得越频繁，它手里的上下文就越丰富，也就越懂你的偏好；而它越懂你，你就越离不开它</strong>。</p>
<p>这种由语音带来的黏性提升，已经在真实数据中得到了印证。</p>
<p>豆包的大规模 A/B 实验显示，全双工语音上线后，用户的通话时长、留存等核心指标均出现了正向提升，其中通话满意度的绝对值更是直接提升了 8.34%。</p>
<p>另一边，MIT 媒体实验室与 OpenAI 联合进行了一项为期四周、涵盖近 1000 名参与者的随机对照实验，结果同样清晰地表明，<strong>人们和语音聊天机器人相处的时间，明显多于文字版本</strong>。</p>
<p>在硅谷，把这套「用陪伴感换取上下文」的逻辑做到极致的，依然是社交巨头 Meta。</p>
<p>Meta 给 Muse 默认配备了一个名叫 Jolly 的卡通形象。为了让这个角色足够鲜活，官方不仅提供了数百种声音选项，比如充满「纽约客式活力」的声线或是夸张的「海盗风」，甚至允许用户直接用一句话来描述自己想要的语气。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/dd/e3/dde395dd43fde1b019598699a3158cd7.jpg" /></p>
<p>Meta 展示的各式虚拟形象，官方说明这些示例并不都能在 Muse 应用里用到｜图片来源：Meta</p>
<p>甚至，各家 AI 公司，现在正在尝试让 AI 助理从手机屏幕里蹦出来，进到各种硬件之中。</p>
<p>Meta 目前正在研发一款名为 Muse Charm 的口袋设备，它的机身小屏幕上会直接显示 Jolly 的形象，外界很容易把它和当年的电子宠物拓麻歌子联系在一起。</p>
<p>一家靠社交网络起家的公司去做 AI 助手，天然就会倾向于把它捏成一个有血有肉的「角色」。因为社交公司比谁都清楚，<strong>工具是用完即走的，只有角色才能让人留下来</strong>。这套打法也确实见效，据至顶网援引报道，Muse 在美国已经有约 1000 万用户设置了属于自己的智能体。</p>
<div data-page-id="CVvSd6asBosw01xnC9Nc5ZWEnzc" data-lark-html-role="root" data-docx-has-block-data="false">
<h1 class="heading-1 ace-line old-record-id-doxcnQ3sbAQjpCGdAFOfYO4okGe" style="text-align: center;"><em><strong>03</strong></em></h1>
<div class="ace-line ace-line old-record-id-doxcnOgiN5nLAr7Vcq7NE0yX6th" style="text-align: center;"><strong>陪伴是燃料，也是引线</strong></div>
</div>
<p>用拟人化的语音降低门槛，用陪伴感卷入日常琐事，这套产品逻辑在商业上几乎无懈可击。但硬币很快翻到了另一面，同一个增长机制，往往既是机遇也是挑战。</p>
<p><strong>当 AI 的声音变得越来越像人、反应快到不到一秒时，人类大脑很难再维持「这只是一段代码」的理性认知</strong>。</p>
<p>前面提到的那项 MIT 媒体实验室与 OpenAI 的联合实验，揭示了一个令人警觉的趋势。实验数据显示，语音模式在一开始确实展现出了缓解孤独感、降低心理依赖的优势；但随着使用量的不断上升，这种优势很快就消失了。最终的结果是，<strong>用户用得越多，自身的孤独感和对 AI 的情感依赖反而越高</strong>。</p>
<p>另一项针对 ChatGPT 高级语音模式的研究，也得出了相似的结论。研究发现，带有强烈情感色彩的交互行为，高度集中在一小撮重度用户身上。对于那些原本在现实生活中就感到孤独的人来说，语音 AI 用得越多，最后的心理状态反而越差。</p>
<p><strong>面对这根随时可能引爆的心理引线，硅谷公司们在产品路线上出现了一次明显的分岔，核心分歧就在于<strong><em><em>，</em></em></strong>要不要刻意去培养用户的情感依赖。</strong></p>
<p>Meta 毫不犹豫地选择了角色化路线，毕竟它的商业模式底色就是争夺用户时长，让人对 Jolly 产生依恋完全符合其商业利益；而 Grok Bot 这类工作型 agent 则走向了另一个方向，人格退到次要位置，更像一个躲在幕后安静干活的隐形秘书。</p>
<p>至于据报道 OpenAI 正在酝酿的无屏、语音优先设备，以及<strong>各家科技公司争相布局的 AI 眼镜，则代表了第三条路线，即「一直在场」</strong>。到了硬件贴身伴随的那一步，无论产品设不设定人格，那种无处不在的陪伴感几乎都是被迫产生的。</p>
<p>在厂商们做出取舍之前，一些敏锐的用户已经开始本能地自卫了。</p>
<p>The Verge 的一位记者在试用 Muse 时，做了一个极具象征意义的举动。这位记者特意把自己的 Muse 头像设置成了扎克伯格的样子，理由非常坦诚，这么做是为了时刻提醒自己正在使用的是 Meta 的服务，因为他「拒绝被一个欢乐的 Jolly 迷住」。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/5e/ba/5ebabadfbd7e1309e96a339ded1d38ea.jpg" /></p>
<p>The Verge 记者把 Muse 设成扎克伯格的样子，还要求它把声音调得更像本人｜图片来源：The Verge</p>
<p>你看，用户已经开始不得不动用人格设置的功能，来刻意抵抗 AI 扑面而来的陪伴感了。</p>
<p>这大概就是个人 AI 助手在当下最微妙的处境。就像我自己，哪怕理智上明明知道 Muse 的能力还很一般，可在遇到琐碎小事的瞬间，还是会习惯性地去找它。</p>
<p>这让人不得不思考，当一个全天候在线、永远秒回的声音住进手机甚至口袋里，<strong>我们究竟是拥有了一个更趁手的工具，还是亲手给自己请回了一个甩不掉的电子</strong><strong>跟踪狂</strong>？</p>
<div data-page-id="CVvSd6asBosw01xnC9Nc5ZWEnzc" data-lark-html-role="root" data-docx-has-block-data="false">
<div class="ace-line ace-line old-record-id-doxcnKp27eNQkou1Z7TbqorksYd">*头图来源：Mashable</div>
<div class="ace-line ace-line old-record-id-doxcntoJSomOtutIzE1cSkkj2ad">本文为极客公园原创文章，转载请联系极客君微信 geekparkGO</div>
</div>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Sun, 08 Nov 2026 17:52:45 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[创业者做 Personal Agent，有没有一线生机？]]>
      </title>
      <link>http://www.geekpark.net/news/373650</link>
      <description>
        <![CDATA[<p>最近一阶段，Personal Agent 很热。有趣的是，这个概念迅速火爆又迅速有了一个共识，几波讨论下来大家的观点似乎是： Personal Agent 的机会是大厂的，创业者基本没戏。</p>
<p>虽然一般情况下，「入口级机会归大厂」确实是大概率发生的事情，但 Personal Agent 真的是个「入口」的问题吗？真的意味着「这件事里没有创业者的位置」吗？</p>
<p>这依旧值得认真聊一聊。</p>
<p>&nbsp;</p>
<h3>真正值得兴奋的事：价值可以长在基模外</h3>
<p>我们换一个视角看，Personal Agent 为什么让人兴奋？</p>
<p><strong>因为它给创业者提供了一种新的可能：</strong><strong>产品的</strong><strong>终极价值不来自于</strong><strong>今天</strong><strong>大模型</strong><strong>公司提供的智能</strong><strong>，</strong><strong>而是</strong><strong>可以借助大模型的</strong><strong>能力</strong><strong>来</strong><strong>孕育</strong><strong>产品</strong><strong>，最终在和用户的共同发展中，把</strong><strong>大部分</strong><strong>能力和价值留在创业公司自身。</strong></p>
<p>回顾过去三年 AI 和 Agent 的演进，通用大模型就像一个营养丰富的「蛋」。绝大多数 AI 应用和 Agent 产品，本质上都没能离开大模型这层「卵壳」。无论是从最初的「套壳」，还是后来开始做 Environment Engineering、Harness Engineering，努力让模型能用工具、能执行更长的任务，很多时候仍然受制于同一个事实：产品的智商、响应能力和行为边界，很大程度上由底层模型决定。</p>
<p>早期生长依赖大模型提供的「养分」，这本身没有问题。问题在于，如果产品一直只能从基础模型里「吸收营养」，无法破壳去真实世界里独立生长，最后就容易沦为模型厂商的「Token 分销商」。并且始终难以摆脱在沙滩上建城堡的风险：模型一升级，别人也能跟上；模型一涨价，自己的成本就被牵着走；模型一迭代，你的产品可能就被基模能力吞没了。</p>
<p>Personal Agent 提供了一种「破壳」的可能性，这是那个真正值得兴奋的地方。</p>
<p>在今天，虽然很多时候接入最好的模型才能让 Personal Agent 产品有最好的用户体验，但总要用发展的眼光看问题。</p>
<p><strong>Personal Agent 产品的终极价值，不必然取决于你是否拥有</strong><strong>或接入</strong><strong>全世界最强的通用模型。</strong>解决具体场景里的个人问题，未必总需要最昂贵、参数最大的顶级模型。产品的终极价值更多会取决于大模型之外的东西<strong>，</strong>例如高密度的个人上下文、以及对用户理解的深度建模、长周期交付价值沉淀下来的信任关系。</p>
<p>当然，这要求团队本身具备强大的数据工程和后训练能力来打底。但不意味着需要一步到位配置齐全才能下场。创业公司起步阶段可以动用的解决方案可以有很多，例如，可以先把上下文管理、任务编排、评估做起来，或者通过架构设计组合出更高效适配的模型，甚至把「熟能生巧」级别的 RSI 能力跑起来。随着真实任务里的高质量数据和用户反馈的逐步积累，创业团队最终也有机会训练出更适合自身场景的模型。</p>
<p><strong>这有点像建设</strong><strong>一条</strong><strong>自己的「核心供应链」</strong><strong>。重点不是一开始就拥有所有环节，而是逐步掌握那些决定交付质量和服务成本的关键能力。长期来看，这些能力会影响用户服务的成本和利润空间。</strong></p>
<p>所以，如果说两年前的大模型热潮更像是一场「硅基竞赛」，比拼的是谁有更多的卡、更顶级的研究员、更多更好的数据。那么 <strong>Personal Agent 把 AI 创业带到了一个新阶段：价值和竞争力可以长在基模之外。</strong>这是 Personal Agent 对创业者真正有吸引力的地方。</p>
<p>&nbsp;</p>
<h3>Personal Agent 不是新产品概念，是一个技术新阶段</h3>
<p>如果只把 Personal Agent 理解为一个新产品形态，可能并不完整。我现在越来越觉得，我们讨论的其实不只是 Personal Agent，而是<strong>更大的问题：Personal AI</strong>。</p>
<p>Agent 解决的是 AI 能不能替用户行动，而 Personal AI 则是更具方向性的话题：技术能不能长期理解一个人，围绕这个人的上下文、目标和动机，持续提供有效的、主动性的服务，并以「忠于个人」为出发点建立有效的商业模式。</p>
<p>把这件事放进更长的技术演进里去看，会比较清楚：</p>
<p><strong>互联网让用户能够获取信息，推荐系统让信息开始适应用户，生成式 AI 让系统能够理解用户的意图，Agent 让系统能够代表用户行动，而 Personal AI 试图将这些能力组织成一种长期、连续的个人智能。</strong></p>
<p>Personal AI 的目标不只是把用户明确表达的需求通过 agent 多快好省地实现，更在于用户能感受到「个人智能」的存在让自己在变得更好。</p>
<p><strong>Personal 不是某个单点功能，而是一整套技术栈。</strong>就像此前我拆解过「陪伴类」产品，得出「陪伴不是新产品类型，而是一条新技术栈」一样。Personal 的难度可能比「陪伴」更高。因为「陪伴类」产品还可以靠卖个萌、装个傻来抬高容错率，但 Personal AI 在用户面前多半难以「萌混过关」。</p>
<p>回看过去 4 年，从大模型到 Personal Agent，大致走过了四个阶段：先是 AI 能理解和生成内容；再是 Agent 把模型接上工具，让它在对话之外，开始具备执行力；然后是 Personalized&mdash;&mdash;系统可以根据具体用户的上下文，调整自己回应和做事的方式；再往后，就是 Personal：在获得授权的前提下，和一个人长期相处，持续理解并帮助这个人。</p>
<p>这波 Personal Agent 产品不是横空出世，而是行业整体到达了一个有迹可循的技术新阶段。<strong>有意思的是，AI 这轮发展中，产品形态的演进常常先于技术和基础设施的成熟。</strong></p>
<p>2025 年的 Manus，可以看作 Agent 的一次产品打样。它把模型、工具调用和任务流程通过大量工程工作组织起来，让用户直观地看到：AI 不只是回答问题，也可以接下一件事，试着一路把它做完。Manus 先把 Agent 的样子做了出来，但这不代表 Agent 的能力、成本和可靠性已经成熟到可以稳定、低成本地规模化交付。产品先让人看见「可以是什么」，技术和工程再慢慢补上「怎样才能一直做到」。</p>
<p>2026 年的 OpenClaw，则把这个问题往 Personal 的方向推了一步：一个不只是等你打开来提问，而是有机会长期待在个人环境里、持续积累对用户的理解并承接个人任务的助手。它让 Personal Agent 从一个想象中的产品概念，变成了可以摸到的形态。</p>
<p>但形态出现，不等于问题已经解决。Agent 能调用工具，也不等于它能有效、安全地完成任务；能为用户完成一次任务，也不代表它已经真正以用户为中心；记住了几条偏好，更不等于和用户形成了长期关系。</p>
<p>所以，这条线不是「模型越来越强，产品自然就出来了」。更像是，当底层能力开始逐步接近可用时，产品先把下一阶段的样子摆到用户面前，再在真实使用中逐步补齐能力。<strong>它必须把真实用户卷进来，一起往前走。</strong></p>
<p>这也能解释，为什么当前很多 Personal Agent 产品都还没那么完善，即便会收到诸如「还是玩具」的评价，各家也要争先恐后把半成品先推到用户面前、带到真实世界中去：要让人相信，这个产品会越来越懂自己，去争取更多泛 C 用户带来的真实任务和反馈，进一步帮助他们迭代模型、工程和产品。</p>
<p>&nbsp;</p>
<h3>大厂为什么下场？创业者又在面对什么难题？</h3>
<p>看看各家科技巨头的打法：Anthropic 把 Claude 的订阅定价压得远低于同等额度 API 的成本，时不时还刷新一次额度。各家也在客户端里纷纷推出免费额度吸引用户，还将免费时效一延再延。马斯克都忍不住在 X 上感慨，Grok Bot 的服务成本相对于其收入而言高得不可持续。</p>
<p>把用户吸引到自己的应用里跑任务，可以看得到用户设置了什么任务、如何分段提问、如何调用 MCP、什么时候换模型、怎么迭代一个方案、什么时候放弃。这些真实的、多模态的、长任务链条下的人类任务执行轨迹<strong>，</strong>天然带着精标注，是模型、工程和产品迭代的金矿。</p>
<p>这就是科技巨头做 Personal Agent 的一笔账：它们不只是在卖一个助手产品，也是在争取用户、任务和反馈。</p>
<p><strong>但科技巨头能算的账，和创业公司不是一个维度。</strong></p>
<p>大厂手里有模型、算力、流量入口和既有业务，可以从产业链的多个环节参与，也可能在自有生态里闭环成本。创业公司通常更靠近应用端，要向外购买模型、云端环境和各类基础设施。大厂可以把某些亏损视作战略投入，也可以在不划算时转身离场，创业公司则必须更早回答：用户为什么留下？留下之后我们沉淀了什么？这门生意有没有机会成立？</p>
<p>前阵子，我和两位在这一轮热潮之前就曾想尝试探索 Personal Agent 的创业者交流。</p>
<p>我问他们：「你们起心动念比所有人都早，为什么后来没有冲出来？」</p>
<p>他们的答案很一致，甚至带着一丝劫后余生的感慨：不是没想过，而是很快发现，<strong>受限于自己的资源边界（简单来说就是融资能力），</strong><strong>Personal Agent 这件事，</strong><strong>现在没办法做。最主要的是</strong><strong>，</strong><strong>按照跑 ARR 的打法，现在根本支持不住。</strong></p>
<p>其中一位给我算了一笔账：他当时给每个用户配备了一个云端虚拟环境，让 Agent 能够真正像人一样去操作软件、调用工具。跑了一段时间后，财务模型崩溃了，一个月从每个用户那收来的钱，只有背后的算力、Token 和云资源成本的 1/4。</p>
<p>更关键的是，他发现自己就算这样做，依然想不清楚究竟沉淀下了什么不可替代的长期资产。</p>
<p>另一位的路径也类似，最初就想做全功能的 Personal Agent，但很快发现：<strong>当时的数字和物理环境，对 Agent 而言极其恶劣。</strong>Agent 每往前推进一步，都可能遇到页面变化、权限受限、任务中断，继而反复重试、补充上下文，Token 和云资源消耗一下子就上去了。Web 已然困难，更别提移动互联网生态下的各种 App「围栏」了。基础设施的不 Ready，让启动 Personal Agent 这件事天然面临很大阻碍。</p>
<p>这不是说 Personal Agent 会永远算不过账，而是说，今天的技术栈、基础设施和商业模式之间，还没有天然对齐。产品看起来能做，不等于它能稳定地做，用户愿意试，也不等于每个用户的服务成本都能被收入覆盖。</p>
<p>看起来挺绝望的是不是？确实要客观看到，Personal Agent 这件事，今天根本不是一个马上可以水银泻地的产品或者场景型机会。它更像是一个系统、技术以及资源的综合挑战。</p>
<p>但从创业历史上看，很多重要的创新，恰恰发生在这样的阶段。有一些创业者，他们可能具备了一些别人还不具备的历史资源和技术积累，因为他们意识到，对于有些实现条件，办法并不只有等待，还可以通过自己的努力，想办法把它们创造出来。</p>
<p><strong>毕竟</strong><strong>，识别那些今天看起来还不可能，但实现它所需的关键条件正在逐渐形成的事情，本身就是把握</strong><strong>创业机会</strong><strong>非常重要的一部分</strong><strong>。</strong></p>
<p>创业这件事，人、事与技术时代的三重对齐是最重要的。对于 Personal Agent 这件事的做与不做，对不同创业者来说，答案本就不应该是统一的。</p>
<p>&nbsp;</p>
<h3>通用 Agent 可能赢家通吃，个人智能也许未必</h3>
<p>对于 Personal AI 这件事，还有一个看点恰恰在于，未来的格局也许更接近「赢家不通吃」。</p>
<p><strong>首先，人的偏好是离散的，世界上不存在一个让所有人都满意的「万人迷」。</strong>基模在榜单上赢得的名次，并不直接对应用户的喜爱程度。说话的调调、思考的深度与快慢、处理模糊问题的方式等等，都可能影响用户是否愿意长期使用一个 AI。</p>
<p>一旦进入「Personal」的关系，它就不只是一个工具或服务，它可能会有点像消费品牌：不可能有一款汽车或一家服饰品牌，能垄断所有人的偏好。</p>
<p><strong>其次，用户未必愿意把所有个人信息和事务全盘托付给一家科技公司。</strong>试想一下，如果全世界所有人都把个人信息和事务托付给一款产品、一家科技公司，相信会有不止一方力量，甚至包括非市场力量站出来阻止这件事的发生。</p>
<p><strong>此外，「专事专办」的社会结构，在数字世界里可能同样成立。</strong>一个通用助手也许可以做「大总管」，但不一定要亲自处理所有事情。健康问题、理财问题、工作事业，可能分别需要专业性不同的 Agent。专事专办，既可能有更好的执行质量，也可能在成本和安全上更合适。</p>
<p>这些不同于互联网平台模式的可能性也带来一个问题，如果 Personal AI 可能是离散的，那用户的上下文也是离散的吗？</p>
<p>这也让「上下文归谁」成为一个值得认真思考的问题。</p>
<p>一种妄念是：我掌握了模型和入口，就把用户所有日历、邮件、聊天记录都圈在自己的围墙里，不让上下文流向外部，从而抬高用户迁移的门槛。可这种做法也可能伤害 Personal 最核心的基础&mdash;&mdash;信任。用户越觉得产品把自己的个人数据当成私有资产，越可能处处设防。</p>
<p>另一种可能，是把个人上下文明确为用户自己的资产：产品负责在授权范围内提供专业服务，用户可以查看、管理，必要时也能迁移。不同的 Agent 可以在明确授权后，获得完成具体任务所需的信息。</p>
<p>与此同时，这个产品留下的，是在对用户上下文的充分理解，和主动性 agent 履约服务之间，沉淀下来的用户建模，这决定了这个产品的用户体验价值和信任价值。</p>
<p>也就是说，<strong>Personal AI 的核心壁垒，不</strong><strong>在于</strong><strong> Context Ownership（上下文壁垒），而是</strong><strong>在</strong><strong> Context 之上，通过持续理解、主动服务和反馈验证，与用户共同演进形成的 Deep Entanglement（深度耦合）</strong><strong>。</strong></p>
<p>但这不意味着开放架构必然胜出，也不意味着用户数据越多，壁垒就越强。而云端还是本地，也不是一个简单的二选一问题。数据、智能、控制权，这三层在云还是在端，可以有不同组合。例如，个人上下文可以主要保存在用户控制的空间里，但在授权后把部分信息交给云端模型处理；简单任务可以在本地完成，复杂推理调用云端；多个模型也可以共享一套受控的上下文，而不必把用户全部数字生活绑定给一家模型服务商。</p>
<p><strong>真正重要的，或者说就算今天亏</strong><strong>着</strong><strong>钱</strong><strong>也依然</strong><strong>值得积累的，</strong><strong>还是</strong><strong>在用户需要的服务上，建立了更好的</strong><strong>用户价值交付能力</strong><strong>，并能和用户共同演进出深度耦合的能力。</strong></p>
<p>如果我们可以确认，这是一个技术上不会被大模型直接吞噬的，在用户上有机会进行积累的，在未来单一用户价值上有机会突破上限的业务形态，那创业者在 Personal AI 这件事上有没有一线生机的问题，就变成了：今天这位创业者能掌握多少资源，能选择什么时机和切入口，以及能以多高效率构建起这套技术栈的问题了。</p>
<p>&nbsp;</p>
<h3>另一种路径：找到一个明确的切口，从工具，走到伙伴</h3>
<p>抛开一切火热的概念，<strong>创业终究还是要回到商业本质</strong><strong>：</strong><strong>你能不能找到一件值得解决的事，能不能把它解决得足够好，能不能找到需要这项服务的人，最后能不能把账算过来。</strong></p>
<p>甚至，创业者也有一种可以走向 Personal AI 的路径：<strong>不从通用出发，</strong><strong>在垂直场景里，找一个具象、又足够 Personal 的高价值切口，把事情做深、做细。</strong></p>
<p>某个具体人群的具体问题，如果足够重要、反复发生，产品又能持续交付价值，就有可能形成很好的收入，甚至会有很高的价值上限。</p>
<p>而且，一些过去我们认为不可实现，或者是需求太少的服务，可能正在因为大模型带来的「批量生产智能」的能力而改变供给，进而改变需求和价值的上限。</p>
<p>比如「个人成长」这件事一直是个很虚的需求，也没有过充分的服务供给。我关注到 OPPO 最近做了一个叫「心力球」的产品，它虽然没有去讲 Personal Agent 的宏大叙事，它就是切入了一个明确群体的原生需求：聆听用户的对话，帮用户「向内看」自己。对于很多创业者或者带团队的人，这不是一个「书记员」的助手角色，而更像一个非常需要的思考伙伴的定位。它像一个随时在线的成长教练，always-on，并在某些特定时刻，敏锐地给到建议和提醒，你立刻能感受到一种平等的伙伴关系在建立。</p>
<p>另外，个人的健康也是一个可能的切口。过去智能硬件常常只是每天雷打不动地给用户推送一份报告，而 AI 创造的新机会在于，你的产品可以演化为一个具备主动性、能与用户直接交流对话的形态。</p>
<p>我发现例如 Alloop.ai 在「健康黑客」（Health Hackers）人群中的实践，已经呈现出了一些 Personal Agent 的实际效果。在持续追踪用户健康相关数据的基础上，软件可以敏锐地捕捉到那些波动和数据背后的联系，并且将这些洞察反馈给用户，主动与用户探讨并推动用户形成更好的生活方式。在其用户群里可以看到一些真实的案例，比如软件会和用户主动交流，从「昨晚你深度睡眠时长有了显著提升的原因」开始探讨，继而帮助用户意识到晚间不饮酒有利睡眠，随后用户在实践中不断验证这一行为改变的影响，最终用户自己主动开始戒酒。</p>
<p>这种 AI 与用户共同启动一个健康计划的行动，我觉得是非常接近 Personal AI 的本质定义的。<strong>不是被动等待用户下达一个任务，而是能够和用户共同发起一个目标并推动它往前走，是验证产品从服务关系走向伙伴关系的一个很明显的标志。</strong></p>
<p>在这些具体场景里，产品能否跨过「工具」和「服务」的旧范式，成为「伙伴」，要看它是不是能够持续交付价值。「关系」不是目的，是结果。用户交给你一件事，你做好了；你主动对用户的服务，命中了；两边在一次次符合预期和超预期的协作中，才可能层层深入形成更稳定的关系。</p>
<p>&nbsp;</p>
<h3>Big Thing 还是 Big Hole？该 Rush 还是该 Build？</h3>
<p>Personal AI 是一件必须和用户一起向前走的事。但你不能把它等同于移动互联网时代的「跑马圈地」，把用户量、DAU 或 ARR 当成目标，先用补贴把人拉进来，再期待未来自然长出价值。这在今天很可能风险巨大。每增加一个用户，都意味着新的服务成本。如果产品还不能稳定交付，也没有能力把真实任务和用户反馈转化为更好的产品，用户越多，未必越接近成功。</p>
<p>所以，<strong>对于 Personal AI 来说，用户不仅是一种「业务结果」，更是一种产品成长所需的「关键资源」。</strong>需要在过程中持续判断：需要引入什么用户、在什么阶段引入、希望验证什么问题以及获取什么资源，以及有没有能力承接好这些用户。用户量不是越多越好，关键是每一阶段新增的用户，能不能帮助你更好地解决当前阶段的问题。</p>
<p>背后的核心，是要思考：<strong>应该去拿到的那个核心价值是什么？关键指标是什么？</strong></p>
<p>过去一段时间，ARR 常被当作评价 AI 创业公司的指标。但到了 Personal AI，我们还应该只看 ARR 吗？拿下更多用户、燃烧更多 token、取得更多融资，就有利于增加创业者的赢面吗？</p>
<p>我现在还没有一个确定的答案。<strong>但如果 Personal AI 的目标，是让产品从工具走向服务，再从服务走向伙伴，那么评估一个团队，或许不能只看它有多少收入、多少用户、烧了多少 Token，还要看它有没有在真实使用中积累起更深的用户理解和更稳定的协作关系。</strong></p>
<p>这个问题，不管是投资人还是创业者都需要考虑，因为这关乎到面前的究竟是一个机遇，还是一个大坑。</p>
<p>估计 Personal AI 创业大致有 Rush 和 Build 两类打法。</p>
<p><strong>Rush 型打法</strong>通过铺营销和推泛 C 端概念快速获取用户量和 ARR。但需要警惕的是，如果没有能力把这些用户带来的任务和反馈加工成产品能力，就会像一个「资源国」&mdash;&mdash;看似拥有大量用户和 Token 吞吐，却没有把原料转化成稳定价值的工业能力，实际可能变成拿投资人的钱补贴了产业链。</p>
<p><strong>Build 型打法</strong>从一个更窄的切口开始，不急着扩量，甚至刻意把用户规模控制在资源范围内。稳扎稳打、把活做细，不断提升自己在垂直场景里的交付能力。</p>
<p>Rush 和 Build，不是「快」与「慢」的简单对立，也不是二选一的一次性路线问题，这两种机制甚至是要不断切换和随时调整的。</p>
<p>无论是「大力出奇迹」的 Rush 还是「可持续发展」的 Build，核心至少是一场精密的动态计算，需要清晰、持续地评估和预判：手里可掌控的资源有多少，投入之后能换回什么可积累的资产，以及自身能力和外部环境的状态。</p>
<p>毕竟没有人的资源是无限的。面对环境的客观限制，「许愿式的创新」要不得，还是需要带着工程思维主动建设、主动创造。</p>
<p>&nbsp;</p>
<p>所以，Personal AI 是不是一个 Next Big Thing？我认为是的，不在于它是那个兵家必争的「入口」，而是因为它有机会让产品的长期价值长在基础模型之外。</p>
<p>但 Personal AI 同时也可能是一个「Big Hole」。无论是今天它在真实环境里所要面临的摩擦力、技术和工程上的挑战，还是当前阶段的「不经济性」，都客观地摆在眼前。</p>
<p>但 Big Thing 与 Big Hole，本就是一体两面的真相。Personal AI 原本就不应该是一个大家一哄而上的产品形态。但也恰恰因为它的「非共识」，因为它只有「一线生机」，才让它变得对创业者真正有价值吧。</p>
<p>&nbsp;</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Sun, 08 Nov 2026 10:40:20 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[收购 EA 后，银湖资本与沙特基金 250 亿美元报价 Unity；超10万款应用已适配iPhone Duo；美国再发生 NVIDIA AI 设备失窃案]]>
      </title>
      <link>http://www.geekpark.net/news/373649</link>
      <description>
        <![CDATA[<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/c0/3c/c03ce0b97f0bce50d35f59c869fc2303.png" /></p>
<h2>收购 EA 之后，银湖资本与沙特公共投资基金据报出价 250 亿美元收购 Unity</h2>
<p>据路透社援引未具名知情人士的消息报道，由美国私募股权公司银湖资本（Silver Lake Partners）与沙特阿拉伯主权财富基金&mdash;&mdash;公共投资基金（PIF）组成的投资者财团，已向 Unity Software 提出收购要约，对这家公司的估值约为 250 亿美元。据悉，Unity 正在认真考虑这一报价，并已聘请一家投资银行提供咨询。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/30/82/30827da3443a08e58681b9f46a09cca3.jpg" /></p>
<p>据路透社援引未具名知情人士的消息报道，由美国私募股权公司银湖资本（Silver Lake Partners）与沙特阿拉伯主权财富基金&mdash;&mdash;公共投资基金（PIF）组成的投资者财团，已向 Unity Software 提出收购要约，对这家公司的估值约为 250 亿美元。据悉，Unity 正在认真考虑这一报价，并已聘请一家投资银行提供咨询。（来源：cnBeta）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/12/ce/12ced61993fb325505a81dd2c44f6302.png" /></p>
<h2>Meta 重大人事变动！扎克伯格的首席战略官也走了</h2>
<p>11 月 7 日，Meta 首席战略官戴夫&middot;韦纳确认将从 Meta 离职，转而出任 AI 推理初创企业 Fireworks 的首席财务官。戴夫&middot;韦纳 2012 年加入 Meta，曾于 2014 年升任首席财务官并任职逾八年，其任职该岗位期间，2018 年总薪酬达 1970 万美元，2019 年增至 2130 万美元。</p>
<p>此次离职是 Meta 近两年高管持续变动的最新事件，近年已有多位重量级核心高管先后离场。当前 Meta 正持续加码 AI 投入，外界将领导层调整视作其为 AI 商业化路线进行组织洗牌的信号。</p>
<p>Meta2026 年第三季度财报显示，当期其营收 646.01 亿美元同比增长 26%，净利润 98.60 亿美元同比增长 264%，营业利润则同比下降 37% 至 129.88 亿美元。（来源：快科技）</p>
<p>&nbsp;</p>
<h2>Meta 将 Muse Wonder 专用 AI 模型面向所有用户开放</h2>
<p>Meta 宣布，从 11 月 6 日起，旗下个人智能助理应用 Muse 以及 Meta AI 平台将全面启用一批基于旗舰模型 Muse Wonder 训练而成的新型专用模型。与此同时，更强大的 Muse Wonder 模型仍将保留给付费订阅用户，用于处理更复杂和更高难度的任务。</p>
<p>根据 Meta 介绍，这批新模型属于现有模型体系的「专用版本」，通过 Muse Wonder 进行训练而来。虽然 Meta 并未公开这些模型的具体名称，但它们继承了 Wonder 系列率先引入的两项核心能力，即「主动记忆」（Active Memory）和「主动聚焦」（Active Focus）。</p>
<p>Muse Wonder 及性能更强的 Wonder Full 最初于 2026 年 10 月发布。其中，Wonder 已被整合到 Meta Model API 和 Muse Code 编程助手中，而 Wonder Full 目前仅向 Muse Code 的高端付费用户开放。（来源：cnBeta）</p>
<p>&nbsp;</p>
<h2>苹果：超 10 万款应用已适配 iPhone Duo</h2>
<p>11 月 7 日，苹果公布相关信息：上市仅两周的折叠屏 iPhone Duo 已有超过 10 万款应用完成优化，这类适配应用均基于 iOS 27.1 及以上版本 SDK 开发，可完整适配内外屏全宽显示，在 App Store 带有专属「Made for iPhone Duo」标识。过去一个月苹果已在全球 19 座城市举办超过 50 场线下开发者工坊协助适配，当前每天仍有数千款优化后的应用上架 App Store。</p>
<p>iOS 27.2 版本已为 iPhone Duo 新增 Apple Pencil（USB-C）支持，目前仍有大量热门头部应用尚未完成适配，应用适配程度按所用 SDK 版本分为三档，苹果称适配本身并不复杂。（来源：快科技）</p>
<p>&nbsp;</p>
<h2>Adobe 向初创企业抛出橄榄枝：免费使用 Firefly 和 Acrobat 等软件，最长 1 年</h2>
<p>11 月 8 日消息，Adobe 公司最近针对初创企业推出 Adobe for Startups 计划，入选企业可免费使用 Firefly Pro Plus、Acrobat Studio（包含 Adobe Express Premium）以及 Semrush 等软件，期限为 12 个月。</p>
<p>据介绍，Adobe for Startups 计划面向成立时间不超过 5 年，且融资总额低于 1,500 万美元（IT 之家注：现汇率约合 1 亿元人民币）的企业。在免费使用的软件中，Firefly Pro Plus 是一款创意型 AI 工具，可帮助用户将创意构思转化为图像、视频和音频内容。</p>
<p>Semrush 则为企业提供搜索情报和营销相关工具，帮助企业了解自身在互联网上的曝光情况，以及如何进一步优化线上表现。Acrobat Studio 将提供 AI 助手和 Adobe Express Premium，方便企业整理 PDF 文档。</p>
<p>Adobe 表示，该计划旨在帮助初创企业尽快建立品牌形象，以较低成本获得更好的软件体验，减轻预算压力。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/35/da/35da2e4ad57f3a24c8f7022d6cfcac05.png" /></p>
<h2>微软申请「实时改写发言」AI 专利, 可修改直播内容并同步调整口型</h2>
<p>微软近日公开的一项专利申请引发广泛关注。根据专利文件描述，公司正在研究一种能够在直播过程中实时修改发言内容，并同步调整说话者嘴部和面部动作的人工智能系统，从而让观众看到经过修改后的自然视频画面。</p>
<p>这项专利名为「实时人工智能增强视频或增强现实直播呈现技术」，最初于 2025 年 4 月提交，并于 2026 年 10 月正式公开。文件显示，该系统不仅能够修改直播中的语音内容，还能够利用生成式人工智能对视频画面进行处理，使人物口型与修改后的语音保持一致。</p>
<p>按照专利描述，系统会持续监听直播音频流，通过 AI 代理自动识别需要调整的词汇或短语。当发现目标内容后，生成式人工智能会对音频进行替换、删除或重写，同时修改相关视频帧中的面部动作、嘴唇形状以及口部运动轨迹，从而让最终画面看起来像是演讲者原本就说出了修改后的内容。</p>
<p>值得注意的是，目前公开的仅是一项专利申请，并不代表微软已经推出相关产品，也不意味着相关技术一定会最终商业化。科技行业长期存在大量未被实际应用的专利构想，因此该系统是否会出现在未来产品中仍有待观察。(来源：cnBeta)</p>
<h2>&nbsp;</h2>
<h2>谷歌高管哈里森辞去 SpaceX 董事会职务，任职已超十年</h2>
<p>11 月 8 日消息，SpaceX 当地时间周五披露，谷歌高管唐纳德 &middot; 哈里森（Donald Harrison）已辞去该公司董事会职务，其在该职位任职已超过十年。</p>
<p>哈里森于 11 月 4 日通知 SpaceX 自己的辞职决定，并立即生效。</p>
<p>由埃隆 &middot; 马斯克（Elon Musk）领导的 SpaceX 表示，哈里森辞职并非因为他与公司在运营、政策或实践相关事务上存在任何分歧。</p>
<p>哈里森是谷歌的资深高管，目前担任全球合作与企业发展总裁。伦敦证券交易所集团（LSEG）的数据显示，谷歌母公司 Alphabet 是 SpaceX 最大的单一机构股东。</p>
<p>IT 之家注意到，马斯克表示，哈里森辞职是因为他在 Alphabet 公司的职务与 SpaceX 董事会工作之间存在过多利益冲突。马斯克周五在 X 平台发文称：「唐一直是一位非常出色的董事会成员，非常感谢他所作出的贡献。」</p>
<p>谷歌周五披露，其持有的 SpaceX 股份小幅增加，目前约为 5.55 亿股，此前为 5.512 亿股。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h2>GitHub 推出新 Git 存储架构：内部测试单个代码仓库支持 5000 个智能体同时协作，每秒处理 7200 次推送</h2>
<p>当地时间 11 月 5 日，GitHub 发布博文，称上周在 GitHub Universe 大会上，正式公布了全新的 Git 存储架构，代号「Rubicon」。</p>
<p>官方表示，该架构不仅具备每秒处理数千次写入的能力，还能实现读取按需水平扩展。经内部压力测试验证，新架构能够在保持极低读取延迟的同时，支持单个代码仓库容纳 5000 个智能体（Agent）并发协作，并承受每秒高达 7200 次的代码推送。</p>
<p>据悉，该架构目前已经开启小范围定向内测（limited private preview），并计划于明年初逐步扩大开放范围。</p>
<p>据介绍，如今 GitHub 上最繁忙的代码仓库，其单秒写入峰值最多也不过数十次，且往往呈现短暂脉冲式的突发状态。然而，随着越来越多的研发工作交由全天候高并发运行的 AI 智能体处理，预计在未来一年内，这种瞬时突发将演变为常态化的持续高吞吐负载。</p>
<p>每一次代码推送（Push）都会级联触发更多的读取请求：CI 流水线即刻启动、部署系统拉取最新提交，其他协同智能体也会同步获取代码作为上下文。这种读操作的扇出扩散（Read Fan-out），随着写入频率的攀升，对平台整体流量产生了极为显著的放大效应。</p>
<p>在流量分布曲线最顶端的头部仓库中，这一趋势已然显现。下方图表展示了 GitHub 上某个典型代码仓库在 3 月至 5 月期间的日请求量变化&mdash;&mdash;短短两个月内，其流量便激增了约 4 倍；此后至今，其访问增长更始终维持着陡峭的指数级上升轨迹。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h2>马斯克：特斯拉将增加 Cybertruck 生产班次，以在明年产线拆除前清订单</h2>
<p>11 月 8 日消息，特斯拉 CEO 埃隆 &middot; 马斯克（Elon Musk）当地时间周六表示，为了在明年拆除生产线、转而扩大 Cybercab 产能之前完成现有 Cybertruck 订单，特斯拉将为 Cybertruck 增加一个额外生产班次。</p>
<p>马斯克在社交平台 X 上发文称：「目前 Cybertruck 的积压订单量远超特斯拉在明年 6 月至 7 月左右拆除生产线、为 Cybercab 扩产之前所能完成的数量。」</p>
<p>他补充说：「我们将增加一个额外班次，尽可能确保按时完成所有订单。」（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/2b/d0/2bd08b88f77199f817e41ead99466117.png" /></p>
<h2>韩国初创公司 Lutra 推出 HOA A1 相机：独特形态，可令摄影师与模特保持眼神交流</h2>
<p>据外媒 PetaPixel 报道，韩国初创公司 Lutra 推出了新品牌 Humans of Authenticity（HOA），旗下的新品是一款采用大型开放式取景框的数码相机，无需通过屏幕取景。</p>
<p>其镜头和传感器位于取景窗中央附近，摄影师构图时既能与被摄者保持眼神交流，也能摆脱屏幕的干扰，专注于眼前的画面。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/bc/35/bc35f3a4f587d4fc081fc79ead97e60d.jpg" /></p>
<p>HOA A1 首发版计划于 12 月 1 日上市，首批仅生产 100 台。目前尚未开放预订，售价 36 万韩元（IT 之家注：现汇率约合 1,773 元人民币），该相机搭载 1600 万像素、1/2.53 英寸索尼传感器和 26mm f/1.75 镜头。机身背面保留了一块小型 LCD 屏幕，只显示剩余电量、可拍张数等信息，不承担取景功能。操作也十分简单，机身顶部设有快门按钮，拿起相机即可拍摄。</p>
<p>HOA 官网尚未详细披露 A1 的功能，也没有公布实拍样张。按照官网的说法，公司仍在与摄影师合作调整相机的色彩和影调。</p>
<p>连接方面，该相机无需联网即可拍照，同时也可通过连接 Wi-Fi 来查看和下载照片。用户将手机轻触相机背面，就能无线获取拍摄的照片。同时，照片传输不需要插入 USB 数据线或取出存储卡。</p>
<p>该相机还配备了名为 ShootProof 的照片认证系统，每张照片都会生成一份匿名认证凭证，并记录在公共区块链上。其另外提供可自行开关的「签名模式」，用户可以通过配套 App 签名，让自己的名字出现在每张照片的一角。（来源：IT 之家）</p>
<p>&nbsp;</p>
<h2>索尼全球首发养老黑科技！不靠摄像头 Wi-Fi 信号即可检测老人跌倒</h2>
<p>2026 年 11 月 5 日至 10 日，第九届中国国际进口博览会在上海举行，展会期间索尼（中国）有限公司全球首发面向居家养老的隐私友好型无线感知跌倒检测系统。</p>
<p>该系统依托 Wi-Fi 信号感知人体活动变化，采集信道状态信息结合深度学习算法识别跌倒事件并触发告警，无需用户佩戴额外设备、不采集影像，可从根源消除影像隐私风险，部署简便无需复杂调试，适配居家、社区、养老机构、医疗机构等多元照护场景。</p>
<p>目前该系统已在上海开展试点落地，由索尼中国研究院本土自研，研发过程中与北京科技大学有合作。（来源：快科技）</p>
<p>&nbsp;</p>
<h2>谷歌 AI 新研究：无需袖带利用消费级智能手表检测高血压，成果登 Nature</h2>
<p>当地时间 11 月 5 日，谷歌发布博文，介绍在《自然》（Nature）发表的最新研究成果。</p>
<p>谷歌推出了名为 AI-PPG-ACC-HTN 的多模态 AI 系统。该系统无需袖带校准，使用普通消费级智能手表便能被动检测高血压迹象。</p>
<p>官方表示，与常规方案试图估算极易受瞬时环境噪声干扰的单次瞬时收缩压与舒张压不同，新系统转变了解决思路：通过聚合连续多天采集的被动生理特征，专注于识别个体潜在且持续存在的高血压状态。</p>
<p>自监督预训练：使用超 49 万小时无标注数据训练 1D-CNN，通过对比学习让模型自主挖掘复杂的心血管生理特征。</p>
<p>多天聚合与分类：将多天 15 秒特征向量取均值平滑瞬态噪声，结合身高（表征动脉路径长度），经逻辑回归模型输出持续高血压概率评分。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/01/45/0145ac7b61fef2938ad862a65a92fa81.jpg" /></p>
<p>为评估其性能，研究团队在全美 5 个临床中心开展了前瞻性、多中心临床试验，纳入 196 名无心血管病史且未服降压药的受试者，并以临床金标准&mdash;&mdash;24 小时动态血压监测为参照基准。试验结果显示：</p>
<p>初步筛查：特异度达 90.0%，阳性预测值（PPV）为 80.6%，灵敏度为 65.8%（优于门诊单次初筛的 55.3% 灵敏度与 77.8% PPV）。</p>
<p>确诊性检测（针对初筛偏高人群）：PPV 高达 96.7%，特异度达 90.9%，灵敏度达 78.4%，优于门诊复测，更可比肩需佩戴数天的家庭连续袖带监测。（来源：IT 之家）</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/9e/ee/9eeed9d30934de3dba3599244b9d9787.png" /></p>
<h2>美国再发生 NVIDIA AI 硬件失窃案：价值 1140 万美元设备运输途中神秘消失</h2>
<p>美国加利福尼亚州警方正在调查一起重大货运盗窃案，一批价值约 1140 万美元的英伟达设备在从奥克兰运往得克萨斯州沃思堡的途中失踪，至今仍未找到，警方也尚未宣布任何逮捕行动。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/2e/36/2e36b1a89a8df740e2a0bdac94e66372.jpg" /></p>
<p>根据警方掌握的信息，这批货物共装载在六个托盘上，于 2026 年 8 月 29 日在奥克兰按照原定计划完成提货。负责运输的卡车外观带有一家食品运输公司的标识，看起来与正常商业物流车辆并无明显区别。然而，货物买方直到 9 月初才发现设备始终没有送达，随即向警方报告。</p>
<p>调查人员随后尝试追踪运输车辆的行踪，但发现卡车在提货后曾多次长时间停留，最终在加利福尼亚州圣贝纳迪诺县附近失去踪迹。奥克兰警方于 9 月 13 日正式收到重大盗窃案件报告，目前调查仍在进行中。</p>
<p>值得注意的是，警方和媒体均未披露失窃设备的具体型号，也没有说明货物究竟包含英伟达 GPU、AI 服务器还是其他数据中心硬件。尽管如此，1140 万美元的货值已经足以说明这批货物的规模相当可观。（来源：cnBeta）</p>
<p>&nbsp;</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Sun, 08 Nov 2026 08:57:46 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[「全球最速」之后，比亚迪仰望推出了一台「全球最豪」的新车]]>
      </title>
      <link>http://www.geekpark.net/news/373647</link>
      <description>
        <![CDATA[<p>中东，阿联酋阿布扎比酋长皇宫酒店草坪上，比亚迪正式曝光了仰望旗下一款超豪华新车「鼎曜」YANGWANG ALTIOR。</p>
<p>Altior源自拉丁语，意思是「更高」。这也是仰望品牌诞生以来，第一次脱离U7、U8、U9的字母数字序列，单独起了一个名字。</p>
<p><img src="https://imgslim.geekpark.net/uploads/image/file/cc/0d/cc0d93b8af90b96c58e56d3e09ea6c81.jpg" /></p>
<p style="text-align: center;">仰望鼎曜 Altior 正式亮相|图片来源：极客公园</p>
<p>这台新车很可能有 5米 5 的车长，双拼车身和大饼轮毂、对开门，仅从外观设计上就表明，这是一款瞄准超级老钱如劳斯莱斯市场的新竞争者。</p>
<p>就在一天前，仰望 U9 Extreme 刚刚凭借超过 503 公里每小时的时速，成为受到 FIA 认证的全球最速量产车。</p>
<p>现在，Altior 的亮相，表明中国车企，正在从技术和豪华两方面，不断挑战新的极限。</p>
<h2>「更高」的仰望</h2>
<p>在介绍这款超豪华新车时，比亚迪集团执行副总裁李柯用的最多的一句话不是「豪华」，而是「皇宫」（Palace），用她的话是，「鼎曜」Altior 本身就是「一座移动皇宫」。</p>
<p>很显然，发布会本身在阿布扎比的酋长皇宫酒店，「鼎」这个汉字本身就就让人想到一统天下的皇权&mdash;&mdash;「问鼎天下」。</p>
<p><img src="https://imgslim.geekpark.net/uploads/image/file/80/8c/808c05ff88b0902910a8978003f393d3.jpg" /></p>
<p style="text-align: center;">比亚迪设计总监介绍鼎曜的设计理念｜图片来源：极客公园</p>
<p>「鼎」字本身成为鼎曜新车的重要标志，车辆的前脸和车灯，形成了一个国人非常容易看出来的鼎字，其实仰望首台车仰望 U8 的前脸，也有类似的设计，但是鼎曜无疑将设计重点加强了。</p>
<p>从整车设计来看，这台车长超过 5 米 5 的轿车，侧面横平竖直的线条搭配较短的尾部，给人一种低调内敛的感觉，和前脸的目光吸收器形成了鲜明对比。对开门设计和大饼式轮毂，再次强调车辆的豪华属性。</p>
<p><img src="https://imgslim.geekpark.net/uploads/image/file/ea/75/ea7547abf67e7f43f83a7f3afb53a58d.jpg" /></p>
<p style="text-align: center;">鼎曜的对开门设计属于豪车专属｜图片来源：极客公园</p>
<p>除了鼎，一提到「皇宫」，自然是宝石、黄金等等元素。鼎曜的前脸就用了数块宝石组成豪华的格栅。如果仅仅是宝石，那只能说是土豪。</p>
<p>私人定制，才是真正的豪华。鼎曜用户可以自己订制饰板、座椅等内饰元素，而这些内饰的订制，由中国传统艺术的顶级匠人制作，实现真正意义只属于消费者的「独家车」。</p>
<p><img src="https://imgslim.geekpark.net/uploads/image/file/7f/33/7f3318b53942428cda5e4565fd24bd9c.jpg" /></p>
<p style="text-align: center;">比亚迪执行副总裁李柯介绍「中式豪华」｜图片来源：极客公园</p>
<p>至于一键休憩、一键隐私等模式，则是豪车必备，鼎曜也一应俱全。</p>
<p>从车身外形到订制内饰，比亚迪鼎曜希望用技术和艺术，来向海外消费者说明，什么是真正的「中国式豪华」。</p>
<p>先说艺术，再说技术。</p>
<p>在仰望 U8 等车上使用的易四方技术，同样搭载在鼎曜轿车上，后者车顶的激光雷达，表明它显然支持比亚迪的高级智能辅助驾驶技术。在补能上，二代电池和闪充技术，同样是这台车的默认技术选项。</p>
<p>当天比亚迪藏了一手，并没有告诉人们这台车配备的其他顶级技术，这无疑更勾起了人们的好奇心。</p>
<p>一同隐藏的还有价格和具体参数，相信不久后关于这台超级豪车的细节，会逐渐露出。</p>
<h2>插混开路，本地护航</h2>
<p>在把鼎曜推上迪拜舞台之前，比亚迪的重心已经明显向海外转移。</p>
<p>仔细看比亚迪2026年1到10月的销售业绩，<strong>其全球总销量为362.2万辆，而海外市场却猛增约93%</strong>，<strong>达到150.7万辆</strong>，仅10月单月海外就卖了17.0万辆，占总销量的35%。前十个月的海外累计销量，已经提前撞线了年初130万辆、3月上调后150万辆的全年目标。</p>
<p><strong>海外市场已经成为比亚迪的增长引擎，中东是其中增长很快的一块。</strong></p>
<p>2025年，比亚迪在海外卖了约105万辆车，其中中东市场同比增长约120%。到了2026年7月，比亚迪向中东单月出口13,164辆，中东一跃升至其海外区域第五位。更有单一来源的数据称，2026年上半年比亚迪在海合会国家销量超过24,000辆，已成为当地销量第一的中国品牌。</p>
<p><img src="https://imgslim.geekpark.net/uploads/image/file/fa/7e/fa7e506be931490daac8f58b16b60cba.jpg" /></p>
<p style="text-align: center;">就在一天前，仰望 U9 Extreme 刚刚创造了新的量产车速度世界纪录｜图片来源：极客公园</p>
<p>为了把车更快地运过去，今年8月初，深圳小漠港至阿联酋豪尔费坎港的滚装航线正式开通，首班「长沙号」一口气装走了6,068辆车。</p>
<p>在中东卖新能源车，比亚迪极其务实地选择了以插电混动（PHEV）为主的产品结构。</p>
<p>中东油价低、充电设施少、夏季气温可达五十度，这些都是纯电车型推广的阻力。这样的产品结构可以理解为对当地条件的适应。盖世汽车研究院的发运量数据显示，2026年1到2月，比亚迪乘用车出口前十的国家里，阿联酋排在巴西之后位列第二，发运了14,885辆，其中插混车型高达14,332辆，占比超过96%。</p>
<p>在商业打法上，比亚迪选择与当地大财团合作，比如当地最具势力的大家族财团，阿联酋的Al-Futtaim和科威特的Alghanim，借用对方的经销网络和售后体系铺开销售。针对当地极端气候，工程团队专门调整了电池热管理和防尘设计。</p>
<h2>中国新能源争战中东</h2>
<p>如果把视野拉大到整个中国汽车出海潮，中东既是一块肥肉，也是一个极其复杂的市场。</p>
<p>2025年，<strong>中国汽车对中东出口约139万辆，中东已经成为中国汽车出口的第二大区域市场之一</strong>。这里有一个很容易被外界误读的现象，就是「出口量不等于本地销量」。</p>
<p>以阿联酋为例，其本土新车市场每年的规模其实只有26万到27万辆左右。但海关数据显示，仅2025年1到9月，中国对阿联酋的汽车出口就高达36.8万辆，同比增长59%，同年12月阿联酋更是单月成为中国汽车第一大出口目的地。究其原因，阿联酋是整个区域的转口贸易枢纽，大量中国车在这里靠岸后，被转口分销到了中东其他国家、非洲乃至独联体地区。</p>
<p>在真实的本地零售端，中国品牌在阿联酋的主力价格带集中在7万至15万迪拉姆（约合人民币14万至30万元）的紧凑型和中型SUV，直接对标丰田RAV4、日产奇骏以及现代途胜、起亚狮跑，捷途甚至已经杀进了当地销量前五。在Net Zero 2050政策推动下，阿联酋政府车队采购开始向电动车倾斜。</p>
<p>2025年阿联酋电动车销量同比增长26.4%，占新车市场约8%，比亚迪的电动车销量同比增长约212%。</p>
<p><strong>整个中东主要市场的新能源车渗透率目前普遍还不足5%，远低于中国超过50%的水平。</strong>在沙特，有说法称其电动车占比仅约1%，虽有另一口径称2025年沙特新能源车销量约8万辆且中国品牌占比约七成，但基础设施滞后和低油价带来的阻力依然存在。</p>
<p>在阿布扎比街头，极客公园看到国产新能源车在路上已经是见怪不怪，比亚迪这样的大厂产品，确实已经融入到这里的日常。同时，作为富豪密度极高的地方，仰望 U8 这样的大型越野车，也是当地消费者在路虎和奔驰之外的重要选项。</p>
<p>回到今晚曝光的鼎曜，一款超豪华的纯电轿车，它可能并非普通消费者的选择，但是超强的技术和豪华设计，明显打在了当地高端用户的兴趣点上。从地表最速量产车仰望 U9 Extreme，再到「最豪」的「鼎曜」，比亚迪正在中东完成一次品牌跃迁。</p>
<p>在教会了外国消费者「中国速度」和「中国技术」后，中国车企现在要教全球消费者「中式豪华」了。</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Sat, 07 Nov 2026 23:37:50 +0800</pubDate>
    </item>
    <item>
      <title>
        <![CDATA[博世用豆包工作：让工程师少搬信息，多解问题]]>
      </title>
      <link>http://www.geekpark.net/news/373643</link>
      <description>
        <![CDATA[<p style="text-align: center;">&nbsp;</p>
<p>头图来源：豆包工作</p>
<p>客户在群里抛出一个问题，到工程师真正坐下来分析故障，中间隔着多少工作？</p>
<p>在博世的某研发事业部，答案曾经是：找齐散落在各个群和私聊里的消息，按多个维度整理成完整描述，凭经验判断该找谁，接着再开会，再把结论写成报告。</p>
<p>故障分析还没开始，大半天已经过去了。</p>
<p>如今，这中间的一大段路，工程师交给了豆包工作和豆包工作伙伴。</p>
<h1>博世的尝试：让 AI 接手沟通之后的工作</h1>
<p>汽车产业链企业的研发部门，经常会遇到这样的情况：一个工程师要当三个用：研发细节要盯，还有很多日常重复的活儿需要做。</p>
<p>博世某事业部的工程师，其所在的团队需要对接各家客户，为客户提供系统综合解决方案。面对同一家客户，不同项目会有不同的群，测试、路试、投产任何一个环节出了问题，消息一条条蹦出来：哪个项目、哪个软件、报了什么故障代码、出现什么报错。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/4e/df/4edf8e461eac9c4bc789416accc4c2f2.png" /></p>
<p>他得把这些碎片按不同的数个维度整合起来，所属项目、软件版本、车辆配置、测试工况、报错时间、诊断截图都在其中，再凭经验自己排障，或者转给负责对应模块的研发同学。解释不清的就拉会，双方澄清之后，再出报告发给客户。</p>
<p>让这位工程师下决心改变的，是两件事。</p>
<p>一是知识沉淀靠不住。经验都装在工程师个人脑子里，云文档、知识库不是没有，但每个人的模板和习惯不同，项目一忙，没人顾得上往里放。新问题来了还得先找人，人一走，经验就断档，这个恶性循环一直破不掉。</p>
<p>如果沉淀这件事不再靠自觉，不管是消息还是会议，AI 能在人无感的状态下自动记下来，那就可以节省很多时间精力。</p>
<p>二是客户不会按模板提问。问题是流式发生的，消息不停往外蹦，没人能把故障代码、截图和十四五条字段在一条消息里一次性给齐。碎片攒不齐，后面的分析就迟迟开不了工。</p>
<p>豆包工作和豆包工作伙伴的加入解决了这些问题。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/a8/16/a81697fc455bea7f29505e3eb44f8abb.png" /></p>
<p>在工程师真实的日常工作中，问题通常是从私聊开始的，工程师可以在豆包工作里配置定时任务，巡检自己收到的私聊消息，识别出故障类信息，再以本人身份转发到问题报告专项话题群。</p>
<p>在这个流程里，客户的沟通习惯不用改，工程师少了手动搬运，散落在流程外的事被拉回了流程里。</p>
<p>消息进了专项群，每个问题占一个独立话题，不同任务的材料互不混杂，天然形成「一事一议」的界面。</p>
<p>豆包工作伙伴爬取群里的历史上下文，把流式蹦出来的碎片聚成完整的问题描述，再调用封装好的报告生成技能，按标准模板出初稿，同时登记进飞书多维表格，提醒对应工程师处理。</p>
<p>在一次真实的问题处理记录里，AI 把消息整理成飞书文档，问题状态标为「进行中」；驱动形式、驾驶模式这些没给全的信息，就保留「待补充」，工程师需要做的就是在初稿上核对、补齐，不必从空白文档开始。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/5d/30/5d30b9562cadd8bd28c101f50d3b8183.png" /></p>
<p>还有些细节只有在开会时才能敲定下来。</p>
<p>工程师可以邀请豆包工作伙伴参加问题沟通会，它全程旁听，散会后直接把会上澄清的信息同步进报告，讨论、记录和报告之间，省掉了人工转述的环节。按工程师自己的估算，AI 初稿能覆盖七八成内容，剩下两成交给人判断；会议结论补完，报告基本齐活，再经人工复核一遍，才发给客户。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/ca/9c/ca9cb531110440751c8692c4d0e933b0.png" /></p>
<p>报告同时会归档进团队知识库，状态和进度留在多维表格：表格管跟进，知识库管留存。再遇到相似问题，AI 检索历史材料，先给出初版台账和归因。</p>
<p>它能调用的知识分两类：一类是外部行业知识，比如通用故障码各自代表什么含义；另一类是团队自己的历史沉淀，哪怕是已经离职的老工程师当年处理过的问题，也能被翻出来引用。</p>
<p>这个项目从需求到落地，用了短短一周多时间。事实上，豆包工作伙伴真正上岗的只花了一天，它进群跟工程师工作一天后，项目已经运转了起来，后面一周则用来调优细节，比如哪些报告写得太啰嗦，哪些内容不该放进去，哪些描述不够准确，工程师可以一条条告诉它：下次记住别再这么处理。培养一位 AI 数字员工，和带教一位新同事一样简单。</p>
<p>目前豆包工作伙伴前后跑了五六十份问题报告，已经能够稳定在七八十分的水平。</p>
<p>剩下的二十分留给人来最终把关。故障原因怎么定、验证计划怎么排、对外给什么结论，这些关键工作仍然要由工程师人工审核、补充和确认。</p>
<h1>不起眼的工作里，藏着 AI 的真实价值</h1>
<p>引入豆包工作后，工程师可以少搬一遍消息，少重写一份报告，遇到新问题可以从历史工作里查找处理经验，重复的步骤交给 AI，精力可以回到问题分析、验证和客户沟通这些更重要的事情上。</p>
<p>在一个人当三个用的团队里，这些是实打实的产能提高。</p>
<p>对团队来说，更深的变化在信息的流动。过去一次沟通结束，信息散在聊天记录、个人云盘和某个人的脑子里；现在消息自动变成任务、报告和知识库条目，一次次处理留下的记录，从个人文件变成同事可以共同使用的资产。</p>
<p style="text-align: center;"><img src="https://imgslim.geekpark.net/uploads/image/file/1b/d4/1bd4dfc8bbb9186062b4b574925f36d6.png" /></p>
<p>过去讨论 AI，注意力很容易放在它能不能替人完成复杂的专业任务&mdash;&mdash;能不能写代码、做诊断、出方案。但在真实的知识工作里，专业判断只占时间的一部分，更多时间消耗在沟通之后：整理零散信息、记录会议结论、把问题转给对的人、跟进处理进度、归档留痕。这些事没有技术光环，琐碎、重复，却实实在在地占用人的精力。</p>
<p>就像在博世与豆包工作的合作里，AI 创造价值的位置，并非是工作流里最核心的那一环&mdash;&mdash;把沟通、判断和解决专业问题留给人，把沟通之后的整理、记录和行动尽可能交给 AI，如此一来，工程师就能腾得出手，去做真正需要工程师来做的事。</p>
<p>AI 不一定要做最重要的事，才能创造重要的价值。</p>]]>
      </description>
      <source>极客公园</source>
      <pubDate>Sat, 07 Nov 2026 11:35:36 +0800</pubDate>
    </item>
  </channel>
</rss>
