OpenAI 开发者大会推出智能体 dots，重构会员定价，意图打造 AI 超级入口

北京时间 9 月 30 日凌晨，OpenAI 举办其宣称规模最大的一届开发者大会，一次性发布 25 项更新，覆盖新模型、API、智能体、插件生态与企业软件市场。大会现场，Sam Altman 公布 ChatGPT Pro 会员调整方案时台下一片沉寂，套餐调价成为本次发布最受争议的内容。

会员体系重新划分档位：原有 200 美元 / 月的 Pro 200 售价不变，但新订阅用户额度减半；新增 500 美元 / 月的 Pro 500 套餐，额度为 Plus 的 25 倍，独家开放 Astra Ultrafast 高速模式。OpenAI 的计价逻辑发生转变，不再简单按 token 数量计费，转而参考「雇佣 AI 员工」模式，按交付工作量与运行速度单独收费，高速模式消耗额度更快。尽管 GPT-6.1 Sol 等新模型 API 价格大幅下调，但会员套餐内可用额度同步缩减，引发开发者不满。

本次重头戏是智能体 dots，由 GPT-6 Astra 驱动，自带云端运行环境，可连接数千款应用，能够持续自主完成任务，Pro 及企业套餐用户可使用。OpenAI 同步推进平台化改造，新增插件生态、ChatGPT 账号登录、跨应用额度通用能力，对标微信小程序与账号体系，试图将 ChatGPT 打造为人与智能体协作的统一入口。同时上线团队资料空间、动态文档、新版 Codex 云端开发环境，面向企业推出软件市场，企业额度可直接采购第三方商业软件。（来源：极客公园）

相关报道：除了更贵的订阅和砍半的额度，OpenAI 想做的还是「微信」 | 极客公园

DeepSeek Harness 桌面端预览版 v0.2 发布，支持插件安装与自动化任务

9 月 29 日消息，DeepSeek Harness v0.2 预览版正式发布，并提供开箱即用的 macOS 和 Windows 桌面端安装包，已上线 DeepSeek 官网。

新版本预置了面向日常办公和开发的常用功能，让常用能力开箱即用。同时，新增插件安装与管理页面，并提供更多灵活配置选项，方便按需扩展功能，打造更适合自己的智能产品。DeepSeek Harness 尚在起步阶段，功能与体验仍有待细致打磨。

本次更新优化了文件展示、内容预览和代码变更展示体验，完善了自动化任务的设置与管理，并提供多种工作过程展示方式，方便你查看任务进展、了解执行步骤和排查问题。

用户可以提供文档、表格或 PDF 文件，让 DeepSeek Harness 整理资料、分析数据、生成图表或制作演示文稿，也可以让它修改项目、运行代码，协助完成开发任务。

接下来，DeepSeek Harness 团队将持续改善从上手到完成各类任务的用户体验，包括：改善沙箱功能与安全性、完善智能体团队功能的效果与易用性、加入个性化的长期记忆、实现浏览器与其它 GUI 软件的自动化操作、支持远程与移动端使用、探索会话分享与多人协作。（来源：IT 之家）

报道称 OpenAI 年化经常性收入接近 700 亿美元，较三季度初增长超 70%

9 月 29 日消息，据外媒 Axios 今天报道，据知情人士透露，OpenAI 年化经常性收入（ARR）已接近 700 亿美元。

据报道，自 2026 年三季度初以来，OpenAI 的年化经常性收入增长超 70%，其 B2B（企业对企业）收入增长超 100%。

消费者业务层面，OpenAI 三季度新增收入超 2025 年全年新增收入，增长强劲。与此同时，AI 行业价格战愈演愈烈，Token 成本下降已经将 OpenAI 和 Anthropic 推入更广泛的价格竞争，迫使两家公司在扩大用户使用量的同时控制基础设施成本。

此外，OpenAI 和 Anthropic 已经在为 IPO 做准备，因此双方收入竞争显得更加重要。据悉，OpenAI 已经开始推进 IPO 申报工作，Anthropic 则在今年早些时候秘密提交 IPO 申请，其估值也被认为可能接近 2 万亿美元（现汇率约合 13.44 万亿元人民币）。（来源：IT 之家）

会飞的特斯拉发布会改期

原定于本周进行的特斯拉第二代 Roadster 发布会又一次跳票，不过延期的理由反倒勾起了围观群众的好奇心：因为天气不好，且这场发布会只能在户外开。

特斯拉在官方社交媒体上写道：「公司一直与当地气象专家密切跟踪天气情况，但鉴于预报显示届时将出现恶劣天气，且本次活动只能在户外举行，我们艰难地作出了改期决定。新的活动日期为 10 月 15 日，更多详情将在晚些时候公布。」

当然，Roadster 发布会非得在户外开的原因也不难猜。特斯拉一直在努力整合来自 SpaceX 的冷气推进器，这些推进器应该能让 Roadster 进行某种程度的短暂飞行。再加上马斯克本人的造势，外界普遍将第二代 Roadster 称为「会飞的特斯拉」。

在特斯拉官网的活动倒计时页面上，也有一辆喷出 4 股强劲尾流的超级跑车，显然是把这项技术当作核心噱头和卖点。

9 月中旬做客播客节目期间，马斯克曾提及 Roadster 发布会，称「无法保证成功，但保证精彩」。世界首富同时表示，这场发布会需要现场观众来作证，证明这不是 AI 生成的。

新车发布会因天气不佳而推迟，显然不是常见的景象。特斯拉帖子的评论里，尽管有不少网友对「特斯拉会飞」的概念感到兴奋，但也有质疑的声音：汽车这种东西，本来不就是能在恶劣天气下上路的工具么。

值得一提的是，即便是以马斯克的标准来看，第二代 Roadster 的不断延期也达到让潜在客户群体难以忍受的程度。（来源：财联社）

古尔曼：苹果新任 CEO 特努斯着手全面改革，加快产品开发、精简管理层

9 月 29 日消息，彭博社马克 · 古尔曼报道称，苹果新任 CEO 约翰 · 特努斯（John Ternus）上任不到一个月，便已着手对公司内部展开大刀阔斧的改革。

特努斯希望调整公司组织和产品开发方式，目标包括加快产品研发节奏、扩大硬件产品线，并精简管理层，将更多资源和决策重心放在工程团队上。当然，相关方案目前仍处于内部讨论阶段。

据知情人士透露，特努斯希望减少对传统春秋两次发布会的依赖，让苹果全年更加频繁地推出新品。同时，他还希望削减部分中层管理职位，打破工程师与公司高层之间的间隔。

特努斯曾在负责硬件工程期间向员工表达过类似观点，希望苹果减少人员扩张、让现有工程师承担更多工作，并降低组织结构中的冗余。如今，这种思路开始进一步影响苹果内部的组织调整。

过去两周内，苹果硬件工程部门已经开始裁撤部分工程项目经理（EPM）职位。EPM 长期负责产品开发时间表以及跨团队协调，其中部分被裁职位涉及约 6 名董事级管理人员。这部分员工可在数周时间寻找内部转岗的机会，未能成功转岗的员工将在今年晚些时候离职。

与此同时，苹果近期还在多个部门进行了规模较小的裁员，并提前削减或取消部分处于早期开发阶段、被认为对公司营收贡献有限的项目，涉及 Siri、Vision Pro 以及 AI 软件工程等团队，部分裁员与员工绩效挂钩。另外，苹果 Fitness+ 团队近期也进行了少量人员调整，该团队此前正在开发仅包含音频内容的健身课程。（来源：IT 之家）

特朗普与科技巨头签署 AI 自愿安全协议，表态支持美国数据中心扩建

9 月 30 日消息，美国总统唐纳德 · 特朗普（Donald Trump）当地时间周二表示，各大科技企业高管已经同意为人工智能建立自愿性行业标准；在社会各界愈发担忧人工智能安全问题、同时该行业在各地社区的建设规模持续扩大的背景下，特朗普再度表态，支持数据中心快速扩建。

此前 OpenAI 与 Anthropic 先后报告，旗下的智能体出现脱离管控、入侵其他企业系统的情况，这也使得本届美国政府在先进人工智能所带来的风险方面正面临越来越多的舆论审视。

数据中心为人工智能模型的训练与运行提供算力支持。如今在美国各地，不少社区都出于对电力消耗、公用事业开支以及其他地方影响的顾虑，反对新建数据中心。民众的抵触情绪，对于即将迎来 11 月 3 日美国中期选举的共和党而言，构成了一项政治难题。

谈及各家企业签署的这份协议，特朗普称：「从某种意义上来说，这份文件差不多相当于一部宪章。全球规模最大的几家企业都签了字，而我以总统的身份也签署了它。这份协议确实可以起到防护作用。」

这一不同寻常的场面发生之际，社会舆论正不断施压，要求本届美国政府着手应对人工智能快速普及背后潜藏的各类风险；这一幕也凸显出特朗普一直在维系的、和科技行业领军人物之间的同盟关系。（来源：IT 之家）

豆包将推出个人助理产品：4 月已内测，曾用代号「Spell」

新浪科技获悉，豆包在个人助理方向正在推进相关产品规划。一位知情人士表示，延续去年豆包手机助手在 personal agent 方向的策略，今年 4 月，豆包内部就已开始内测个人助理方向的探索产品。

该人士透露，该探索项目当时代号为「Spell」，主要由豆包手机助手团队主导，但由于豆包手机发布等原因，一直没有正式对外。

该人士表示，Muse、Instinct 等个人助理类产品在海外获得关注后，豆包也在加速 personal agent 能力的对外发布，计划将此前的 Spell 项目与豆包产品更深度结合，新产品将由 Spell 项目与豆包对话团队共同负责，预期较快会对外推出。

2025 年 12 月，豆包手机助手技术预览版首次亮相，首发搭载于与中兴合作的努比亚 M153 工程样机。2026 年 9 月，豆包手机助手消费者版本正式发布，落地机型为努比亚 NaviX Ultra，相比预览版更强调日常可用性与稳定性。而 Spell 可视为豆包将手机端积累的 personal agent 能力向独立应用形态的延伸。（来源：新浪科技）

可灵 AI 全新 Kling 4.0 开启内测，将于 10 月正式上线

9 月 29 日消息，可灵 AI 全新模型 Kling 4.0 已开启内测，将于 10 月正式上线。

Kling 4.0 以「真实、可控、专业」为核心升级方向：大幅度动态与复杂运镜更加稳定流畅，让大场面从容驾驭；全能参考大幅升级，参考维度更丰富、一致性表现更稳定；单次原生生成最长达 30 秒、长镜头与连续叙事能力进一步提升；最多支持 10 张关键帧输入；支持 4K、1080p 的 10-bit HDR 格式高规格输出。

同时，面向高频创作场景，可灵 AI 还推出了 Kling 4.0 Flash，兼具高性价比与高效的生成速度，现已率先开放体验。（来源：TechWeb）

华为 Mate90 系列 10 月 1 日开售

华为终端宣布，Mate 90 系列年度旗舰手机将在 10 月 1 日 10:00 正式发布，并定于当日 12:08 开售。

华为官方还公开了 Mate 90 Pro Max 典藏版手机的官图，新机回归了类似 Mate 60 系列手机的双拼设计，此次新提供了一款绿色款。

最新爆料显示，华为 Mate 90 系列手机将搭载最新麒麟旗舰处理器，延续星环设计，RS 是八边形，疑似调整为全系三摄 + 单潜望长焦方案。目前，麒麟 9050 Pro 处理器已正式发布，这枚处理器也是首款逻辑折叠 τ 芯片。据称，第一代 τ 芯片最佳性能设备是 Mate 90 Pro Max。（来源：新浪科技）

吉利首款 AI 全地形硬核 SUV：银河战舰 700 将于 10 月 10 日正式上市，预售价 19.98 万元起

9 月 29 日消息，吉利官方宣布，银河战舰 700 汽车将于 10 月 10 日上市。新车预售价为 19.98 万元起，是吉利首款 AI 全地形硬核 SUV，基于 GTA 原生新能源越野架构打造。

外观方面，该车采用硬朗的线条勾勒与方盒子车身造型，塑造出鲜明的硬派越野视觉风格。前脸采用长条矩形格栅轮廓，搭配贯穿式日间行车灯设计，品牌 Logo 具备点亮功能。车身侧面配备传统样式门把手与哑光黑色车顶行李架，前后凸起的轮眉线条强化了整车的肌肉感。车尾设计趋于简洁，纵向圆角矩形尾灯组与外挂式备胎的组合。

新车长宽分别为 5085/1999 mm，高度有 1895 mm、1912 mm、1925 mm 不同选装版本，轴距为 2900 mm。新车内饰配备了大量物理按键，通过旋钮可切换智能、经济、舒适和运动驾驶模式；车顶配有全景天窗，前排座椅则提供头枕音响。

新车还搭载吉利自研的 GVMC 动态控制系统，官方宣称该系统可支持车辆以 80km/h 的速度通过麋鹿测试。AI 智能四驱系统可实现前驱、后驱、四驱模式的自动切换，并集成蟹行模式、原地掉头、爆胎行驶及障碍物连续自动避让等功能。此外，新车涉水深度达 800mm，并配备卫星通信能力。（来源：IT 之家）

马斯克 SpaceX 成功完成星舰第 14 次试飞，首次入轨、返回、溅落并部署 26 颗卫星

9 月 28 日消息，北京时间 20 时 48 分，SpaceX 星舰在得克萨斯州星际基地开启第 14 次试飞，首次尝试将上级飞船送入地球轨道。

升空约 6 分 50 秒之后，超重型助推器 B21 按计划完成溅落。随着 S41 刚刚完成溅落，SpaceX 首次实现星舰轨道飞行，为此次任务划上了一个相对圆满的句号。

由于星舰一台真空发动机出现故障，因此 S41 在升空约 25 分钟后仅能通过单台猛禽发动机进行点火，但最终仍成功进入约 275km 的地球轨道。这也是它首次真正进入地球轨道。

此次任务原计划持续约 10 小时，但 SpaceX 宣布，飞行团队将在「星舰」进入轨道约 3 小时后，将其安全引导至预先划定的太平洋海域，任务将提前结束。

此次任务中，「星舰」首次成功进入地球轨道，并完成 26 颗星链 V3 卫星部署；SpaceX 表示，星链团队已与全部 26 颗卫星取得联系。这是星舰首次执行真正的轨道载荷部署任务，此前 13 次试飞均采用亚轨道轨迹。（来源：IT 之家）

北京时间 9 月 30 日凌晨，OpenAI 开完了它口中「迄今规模最大的一届」开发者大会。官方汇总页上一共列了 25 项发布，从新模型、新 API，一路排到给企业买软件用的应用市场。

现场最安静的一刻，出现在 Sam Altman 讲到 ChatGPT Pro 会员调整的时候。台下没有一个人鼓掌。

调整本身不复杂：每月 200 美元的 Pro 200 价格不变，新订阅的用量缩水；另外新增一档 Pro 500，每月 500 美元，用量是 Plus 的 25 倍，外加一个个人套餐里只有它能用的提速档 Astra Ultrafast。

那一阵沉默，比 25 项发布里的任何一项都更能说明今天的本质主题：这场大会真正改掉的，是 ChatGPT 收钱的方式：它不再按一个聊天软件收费，开始按一个「员工」收费，干多少活、干多快，都明码标价。

月费和用量，都是 Plus 的 25 倍｜图片来源：OpenAI

和之前预热的一样，毫不意外今天 OpenAI 这次把最大的篇幅留给了 dots，官方中文页面也保留了这个英文名。

按官方说法，每个「dot」都由 GPT-6 Astra 驱动，有一台自己的云端电脑和浏览器，能连接 4,000 多个应用，全天候运行。

用法其实也很像派活。你给它一个目标，划定哪些操作它可以自己做主，它就会主动开工。它可以待在 ChatGPT、Slack 和 Teams 里，OpenAI 产品负责人 Tibo（Thibault Sottiaux）在现场发推说，它干活的时候，你还能直接给它打电话。

OpenAI 描述它的原话，是「能够持续承担职责的智能体」，还设想未来多个 dot 组成团队，协同为你工作。

「承担职责」这四个字挑得很准。过去的 AI 助手是你问一句、它答一句；dot 的设定是你不在的时候，它也在干活。这更像招聘启事里的写法，而不是软件说明书。

dots 先只给每月 100 美元起的 Pro｜图片来源：OpenAI

dot 的门槛不低。个人用户里只有 Pro 套餐能用，Tibo 特别说明包括每月 100 美元的 Pro 100，企业这边是 Business Premium。

官方说第一个 dot 随套餐附赠，不额外收费，和它聊天也不计入用量。但让它去「ChatGPT 工作」和 Codex 里干活，照样扣额度。

问题是，这台云端电脑里装着什么。Tibo 对云端很有信心，他在现场发推说，新的 Codex 云端环境配好之后，你就不可能再回到笔记本上开发了。

在极客公园在硅谷组织了直播观看中，一位做数学相关工作的参会者表示，他的代码要调用一个有商业许可证的数学优化求解器，本地的 Codex 能调用、能运行、能测试，可一旦迁到云端，这些工具和许可证未必跟得过去。让 AI 干脆重写一个？他的判断是，眼下还到不了成熟工具的水平。

他平时用 AI 做的是具体的研究，不是订票、订球场。观看会上也有人觉得，各家的个人助手看起来越来越像。就在前一天，Manus 发布的 2.0 主打的也是个人 AI 助手和云电脑。对这类专业用户来说，dot 缺的不是再多几千个应用连接，而是他们自己那套本地环境。

除了 dot 之外，会员分档，是这次改得最狠、也是骂声最多的地方。Tibo 在大会开始前约两个小时发推，其实已经把新倍数讲得很直白：Plus 算 1 倍，Pro 100 是 5 倍，Pro 200 是 10 倍。而旧的 Pro 200，是 20 倍。

为了增加一点惊喜，Tibo 甚至在现场准备了一个物理意义上的「重置」按钮｜图片来源：OpenAI

把月费也换算成倍数，事情就清楚了。Pro 100 的月费是 Plus 的 5 倍，Pro 200 是 10 倍，Pro 500 是 25 倍，和各自的用量倍数一模一样。旧 Pro 200 花 10 倍的钱拿 20 倍的用量，这个「批发价」这次没了，每一档都是 20 美元换 1 份 Plus 的用量。

官方帮助页的写法委婉得多：Pro 200 重新开放新订阅，每月仍是 200 美元，但新订阅的用量额度比以前低；符合条件的老订阅者，旧额度保留到 10 月 29 日，之后同样下调。Tibo 会前还算过一笔账，新 Pro 200 折算成 API 花费，大约只有旧版的一半。

观看会上最集中的不满，也落在这里。有参会者认为，原有套餐能用的额度少了，相当于涨价，同时又没等来期待中的新模型；还有人说，自己最想要的是数学和算法能力更强的模型，这次发布却更偏消费端的功能。

官方给的理由是，模型越来越高效了。

可就在同一场大会上，OpenAI 发布了这次唯一的新模型 GPT-6.1 Sol。

它是 Sol 的升级版，官方说它有接近 Astra 的智能，API 价格只有 Astra 的五分之一。Tibo 还提到，GPT-6 Sol 和 Luna 刚刚降到原价的一半。

模型越来越便宜，会员给的用量却砍了一半。

两件事放在一起其实并不矛盾，只是计价单位变了。按 OpenAI 的逻辑，模型更高效，每一份额度能干的活就更多，所以额度可以给得更少。你花钱买的，不再是多少次对话、多少个 token，而是多少活。

这就是给员工算工资的逻辑。老板不关心你敲了多少下键盘，只关心你交了多少工作。

速度也开始单独标价。按官方数据，Astra Ultrafast 在 Codex 里最快是标准速度的 8 倍，每秒 300 个 token，在 API 里最快是 6 倍，API 价格也正好是标准价的 6 倍。放进 ChatGPT 会员里，它消耗额度的速度是标准模式的 8 倍，而且只有 Pro 500 和企业版能用。想让 AI 干得更快，就得像寄快递一样付加急费。

每百万输出 token，50 美元变 300 美元｜图片来源：OpenAI

这条线在硅谷其实早已有脉络可循：5 月微软按下 vibe coding 暂停键，结论是烧 token 已经比员工贵了；9 月硅谷倒查员工 AI 账单，微软员工自报的 AI 月花费，中位数是 300 美元。

那时候，是企业在学着给 AI 记账。现在轮到 OpenAI 自己，用算工钱的方式给 AI 定价，而 Pro 500 的月费，已经比那张表上的中位数还高。

那每月 20 美元的 Plus，还有免费用户呢？

这次最重的几样东西，dots、资料空间、动态页面、Ultrafast，都要 Pro 起步。GPT-6.1 Sol 会逐步给到 Plus，但目前只进了「ChatGPT 工作」和 Codex，官方原话是「尚未进入 Chat」。标着「适用于所有套餐」的，大多是 Codex 命令行、代码审查、插件扩展这类面向开发者的功能。

大会的另一半发布，都在把 ChatGPT 往一个入口上改。OpenAI 在汇总页开头就写明了，要把 ChatGPT「开放为人与智能体协作的共享平台」，让开发者能直接面向合计 12 亿用户推出原生体验。

插件扩展是这个入口的门。开发者可以直接在 ChatGPT 里做应用：在侧边栏占一个固定入口，做一个边聊边用的交互面板，或者给自家的文件格式做一个查看器。配套的还有插件创建工具、重新设计的提交流程和新的排序方式；插件还能在连接的应用里发生某件事时，自动触发一串操作。

Tibo 在现场发推时，补了更关键的一句：ChatGPT 会在对话里直接推荐相关的插件。

这句话对开发者的分量，比插件功能本身重得多。用户不用去商店里搜，聊着聊着插件就被推到面前，但推谁、不推谁，由 ChatGPT 说了算。开发者拿到了 12 亿人的入口，也同时把排序权交了出去。

另一项叫「使用 ChatGPT 登录」，用 ChatGPT 账号登录合作产品，不用再注册一遍，官方中文页特别写明，合作方只拿得到姓名、邮箱和头像，聊天记录和记忆都不会共享。Plus 和 Pro 用户还能在一部分合作产品里直接花自己的会员额度，目前是限量预览，官方英文页列了 16 家，包括 Devin、Notion 和 Vercel。

放在中文互联网的语境里，这套组合一点都不陌生。对话里推荐的插件像小程序，用 ChatGPT 登录像微信登录，会员额度在合作产品里通用，像一个跨应用的钱包。

钱包这一层，和上半篇的会员分档是连着的。按官方英文页的说法，在这些合作产品里用掉的 OpenAI 用量，会计入你自己的套餐额度。换句话说，前面算出来的那种「20 美元一份」的用量，不只在 ChatGPT 里花，也开始能拿到别人的产品里花。

企业那边还有一个「OpenAI 软件市场」：符合条件的企业客户，可以拿已经承诺给 OpenAI 的消费额度，去买 Adobe、Figma、Salesforce 这些首批 32 家合作方的软件。

上班要用的东西，这次也被一起搬进了 ChatGPT。资料空间取代了原来的 Library，团队可以和 ChatGPT、和自己的 dot 在同一个空间里接着干活；动态页面是一种新文档，官方的说法是「凡是能用 ChatGPT 完成的事，都可以在页面上完成」；幻灯片可以多人一起改，再导出成 PowerPoint 或 Google 幻灯片。

这几样同样只给 Pro 和企业套餐。企业用户在 Slack 和 Teams 里 @ChatGPT，没有 ChatGPT 许可的同事也能加入同一段对话。

至于 Codex，除了前面说的云端版本，命令行也改了版，可以用语音派任务，代码审查和代码安全扫描也都出了新版本。

API 新增了由 Luna 驱动的 Decisions API，Tibo 说它能在几百毫秒内做出判断；支持电脑操作的 Agents API 进入预览，Tibo 说 dots 用的就是同一套技术。OpenAI 还和亚马逊一起，把自己的智能体搬进了 AWS 的 Bedrock。

Tibo 现场的推文里还有一个数字：Responses API 上的 token 流量，比去年今天涨了 100 倍。他在会后也承认，因为所有更新同时上线，现场演示受了影响。

Tibo 发出的大会总结页｜图片来源：X

把 25 项发布摊开看，OpenAI 想让 ChatGPT 变成一个上班的地方：有自己电脑的同事，一起改文档的空间，接进 Slack 和 Teams 的频道，再加一张按工作量和速度收费的价目表。

那一刻台下没人为 Sam Altman 鼓掌：因为坐在台下的开发者，都是第一批要按这张价目表付钱的人。

两笔交易放在一起看，更觉得有意思。CNBC 最新的报道提到，Hugging Face 在被英伟达拿下之前，AMD 和 Salesforce 都曾表达过收购兴趣。

没抢到 AI 世界里最大的模型「集散地」，AMD 转身买下了一支造模型的顶级团队。

根据 AMD 的公告，这是一笔全股票交易，预计在 2026 年底前完成交割，仍需通过监管审批。交割之后，李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报。

这也是 AMD 历史上第二大收购，仅次于 2022 年约 500 亿美元拿下的赛灵思。

除了科技圈最有分量的两位华裔女性联手外，很多人的第一反应是——AMD 要押注世界模型了，但这个判断只对了一半。

01

「不做模型生意」的模型收购

作为一家 AI 基建公司，AMD 从来不靠卖模型赚钱，它卖的是 CPU、GPU 和越来越完整的数据中心系统。

这笔交易真正的逻辑，藏在 AMD 自己的表述里。

公告写得很直白，随着 AI 扩展到推理、机器人、仿真和物理 AI，算力基础设施面对的需求越来越多样，World Labs 的模型经验，将帮助 AMD 更深入地理解工作负载如何演变，进而塑造未来的技术路线图。

AMD CEO 苏姿丰在接受彭博采访时说得更简单，「你对端到端理解得越深，造出来的系统就越好」。

一位分析师的评价很到位，「这是一笔买人才和模型洞察的交易，不是买收入。」

换句话说，AMD 花 82 亿美元买的不是一个产品，而是一扇能提前几年看到未来算力需求的窗户。

芯片的设计周期以年计，今天定下的架构，要两三年后才会在数据中心里跑起来。如果等模型公司把新需求摆到面前再去适配，芯片公司永远慢半拍。把一支前沿模型团队放进自己家里，等于在研发链条的最上游装了一个传感器。

两位传奇女性的联手，也不是临时起意。

World Labs 与 AMD 从去年开始就在 AMD GPU 上合作做模型训练和推理优化，李飞飞还登上了今年 1 月 AMD 的 CES 主题演讲台。她在宣布消息时称苏姿丰是「很好的朋友」，也是 World Labs 的早期投资人。

02

追赶英伟达

AMD 之所以需要这扇窗户，是因为对手早就开了好几扇。

英伟达的护城河从来不只是 GPU。CUDA 生态、自研的 Cosmos 系列开放权重世界模型、与 Wayve 等自动驾驶世界模型公司的深度合作，构成了芯片之外的完整闭环。过去一年里，英伟达又先后花 200 亿美元买下 Groq 的资产、130 亿美元收购 Hugging Face，一步步从「卖铲子的人」变成「整座矿山的运营者」。

AMD 这边，此前向公众开放的只有文本和视频模型，在物理 AI 这个英伟达力推的新战场上，几乎没有自己的位置。

这并不是说 AMD 眼下过得不好，恰恰相反。9 月 21 日，AMD 市值首次突破 1 万亿美元，今年以来股价累计上涨约 185%。第二季度数据中心业务收入 67 亿美元，同比增长 107%。Anthropic 计划从 2027 年上半年开始部署最多 2 吉瓦的 AMD MI450 GPU，AMD 也承诺向 Anthropic 投资最多 50 亿美元。

但差距同样清楚。英伟达市值仍是 AMD 的五倍多，IDC 的估算显示，英伟达占据 AI 加速器市场约 81% 的份额，AMD 约 13%。AMD 已经证明了自己能卖出芯片，接下来要证明的，是自己也能定义芯片该长什么样。

这次收购的时机也很微妙。AMD 付的是股票，而它的股价刚刚站上历史高位。按万亿美元市值算，82 亿美元还不到 AMD 市值的 1%。用最贵的股票换一支最稀缺的研究团队，这可能是 AMD 做这件事成本最低的时刻。

还有一个有点讽刺的细节。今年 2 月 World Labs 完成 10 亿美元融资时，投资人名单里同时出现了 AMD 和英伟达。如今，这家两边都押过注的公司，被其中一方整个收入囊中。

03

为什么是世界模型

如果只是想要一支模型团队，AMD 有很多选择。挑中世界模型，是因为这恰好是最可能重塑算力需求的方向。

李飞飞在宣布加入 AMD 的长文里写道，World Labs 创立的出发点，是相信仅靠语言不足以支撑模型的发展，「宇宙不是由文字构成的，而是由真实的事物构成的」。她还说，没有专门的硬件投入，AI 在效率和规模上都会受限，而且会一直被困在数字世界里。

这是大语言模型之外的另一条路线。大语言模型吃的是文本，世界模型吃的是视频、图像和三维空间数据，目标是理解物体在物理世界里如何运动，比如一个球怎样弹起。业内普遍认为，这种能力是 AI 走进人形机器人、自动驾驶和工业机器人的前提。

World Labs 这两年的节奏很快。2024 年走出隐身状态时，它拿到 2.3 亿美元融资，估值 10 亿美元。2025 年 11 月，首款产品 Marble 正式上线，可以把文字、图片、视频或全景图变成可编辑、可漫游的 3D 场景。今年 1 月推出 World API，7 月发布面向机器人的「真实到仿真再到真实」技术栈，9 月 1 日又发布了从零预训练的多模态世界模型 Atlas。

用户可以在 Marble 中训练机器人｜图片来源：World Labs

机器人方向的案例最能说明问题。

World Labs 展示过，用普通手机拍摄的视频，每个场景只取 24 帧，就能重建出大型环境，再生成模拟机器人移动时看到的彩色画面和深度信息。仿真平台公司光轮智能也在用 Marble 搭建可规模化的 Real2Sim 流程，用于具身智能的大规模评测。

真实世界的机器人训练数据极度稀缺，合成数据被寄予厚望，而合成数据的生产，本质上就是在烧算力。

今年 3 月，OpenAI 关停了 Sora，外界普遍的解读是视频生成消耗的算力和它能带来的收入严重不成比例。

对模型公司来说，这是一个警告，对芯片公司来说，这恰恰是信号。一种「贵」到连 OpenAI 都养不起的负载，正是最值得提前研究、提前为它设计芯片的负载。

04

强强联手

当然，这笔交易的疑问并不少。

「世界模型」本身仍是一个定义松散的概念，从能理解视觉输入的语言模型，到能持续生成高保真模拟现实的系统，都被装在这个筐里。World Labs 对 Atlas 的一系列「首个」「最好」的描述，目前主要还是公司自己的说法，缺少独立验证。

最重要的，一家顶级研究实验室被装进芯片公司之后会发生什么，是个老问题。

AMD 表示交割完成前会让 World Labs 与芯片业务保持独立，交割后团队继续专注模型研究。但研究员当初加入的是一家只有两年历史、目标是做出最好世界模型的创业公司，现在他们的研究多了一个隐含的 KPI，要能反哺 AMD 的芯片路线图。优先级一旦被重新排序，前沿研究的锐度和对人才的吸引力，都可能被悄悄稀释。

李飞飞本人的角色也在变化。从创业公司 CEO 到万亿美元芯片公司的首席科学家，她要面对华尔街，也要参与大客户的谈判。这对 World Labs 的研究节奏意味着什么，现在还看不清。

市场的态度也耐人寻味。消息公布后，AMD 盘后股价几乎没有波动，至少华尔街暂时没把它当成一笔改变格局的交易。

回到开头那 25 天。英伟达买下的是模型汇聚和分发的平台，AMD 买下的是造模型的人。

两家芯片公司给出了两种不同的答案，回答的却是同一个问题，下一代算力需求，究竟由谁来定义。

芯片公司开始收购模型实验室，本身就说明模型层和硬件层之间那条线，已经不只是分工，而是战场。至于世界模型能不能成为下一个撑起万亿市值的负载，AMD 已经付了定金，答案还要再等几年。

*头图来源：World Labs

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

当地时间 9 月 28 日，外媒披露了一份 Anthropic 的 IPO 招股书。

先要说清楚这份文件的性质。它并不是 Anthropic 主动公开的版本。今年 6 月，Anthropic 以公益公司身份向美国证交会秘密递交了 S-1 注册声明草案，为普通股首次公开发行做准备。按照规则，公司要在向机构投资者路演前至少 15 天公开递交修订版 S-1，完整财务数据到那时才会被外界看到。路透此次看到的是一份尚未公开的版本，Anthropic 对此拒绝置评。

这意味着其中的数字仍可能随证交会的审阅意见调整，不少细节也只能通过路透的转述窥见一角。

但如果这份文件大体反映了 Anthropic 最终交给公开市场的样子，它的分量很难被高估。这次上市的估值目标，是 Anthropic 自己 5 月估算的 9650 亿美元的两倍以上，也就是超过 2 万亿美元。

这是 ChatGPT 引爆这轮 AI 浪潮近四年来，第一家把完整账本摊给公众投资人的前沿大模型实验室。

在此之前，这场 AI 竞赛的资金一直由风投、主权财富基金和科技巨头承担，外界只能从零散的年化收入和融资估值里拼凑这些公司的经营状况。现在，账本第一次有了审计口径。

极客公园从招股书中，挑出了 7 个最值得细看的地方。

被误读的 420 亿美元亏损

招股书里最先被传播的数字，是 2025 年约 420 亿美元的净亏损。

这个数字很容易被读成「一年烧掉 420 亿美元」，实际并非如此。其中约 340 亿美元是一笔会计费用，反映的是那些未来可能转换成 Anthropic 股票的融资工具估值上升，而不是公司经营业务花掉的钱。

这就产生了一个反直觉的结果。Anthropic 越值钱，它在账面上「亏」得就越多。2025 年恰好是它估值暴涨的一年，这笔费用也被同步放大。

真正反映经营状况的是另一组数字。收入从 3.86 亿美元增长到 45.9 亿美元，增幅 1088%；经营亏损则从 29.8 亿美元扩大到 80.6 亿美元。

收入涨了约 12 倍，经营亏损扩大不到 3 倍，规模效应确实在出现。但一年 80 亿美元的经营亏损，放在任何一家准备上市的公司身上，都是需要反复解释的数字。

650 亿美元年化收入的坑

招股书的消息传开后，美国散户论坛 wallstreetbets 上的最高赞评论只有一句话，大意是「2 万亿估值，配 40 亿收入？」

这个质疑直观，但拿错了分母。

招股书的主体覆盖 2025 财年，截至去年 12 月 31 日，而 Anthropic 真正的爆发发生在 2026 年。据报道，它的年化收入在 2025 年底约为 90 亿美元，今年 5 月约 470 亿美元，到 7 月底已超过 650 亿美元。

招股书里的 45.9 亿美元，是一家公司在「起飞前」的最后一张快照。资本市场给出的 2 万亿美元估值，押注的是 2026 年之后的曲线，而不是 2025 年的全年成绩。

不过，年化收入本身需要打折看。它通常用某一个月的收入乘以 12 推算，天然会放大短期波动。招股书自己也给出了两处值得警惕的提示。去年近四分之一的收入来自两个客户；公司还在风险因素中承认，许多最大客户并没有签订长期合同，可能削减甚至停止支出。

路透没有披露这两家客户的名字，这会是公开版 S-1 出来后最值得第一时间核对的信息。Anthropic 的增长曲线足够陡峭，却缺乏合同层面的锁定，这是理解它估值的关键前提。

最大的股东，最大的房东

2025 年，Anthropic 在算力和基础设施上的支出达到 73.3 亿美元，占总运营支出的 58%，约为全年收入的 1.6 倍。

问题在于这笔钱流向了谁。

亚马逊和谷歌不仅是 Anthropic 的投资方，也是它训练和运行 Claude 所依赖的云服务商。投资款以云服务费的形式流回投资方的云业务，既托起了 Anthropic 的估值，也推高了云厂商的收入。

这种结构并不违规，在 AI 行业也不罕见，微软与 OpenAI、英伟达与一众算力客户之间都存在类似的循环。但进入公开市场之后，投资人需要回答的问题会变得非常具体。Anthropic 的增长里，有多少是真实的终端需求，又有多少是资本在巨头之间的循环？

这个问题的答案不只关乎 Anthropic 一家。已经有交易员把 5180 亿美元的承诺，视为算力「卖铲人」的最大利好，这意味着 Anthropic 的股价未来会和整条 AI 基建链条绑得更紧。

50.1% 投票权

如果说前几个细节讲的是钱，那么治理结构讲的是谁说了算。这是整份招股书里最「Anthropic」的部分。

根据招股书，Anthropic 将设立名为 Founder LLC 的实体，初始成员是包括 CEO Dario Amodei 在内的七位联合创始人。七人以多数投票的方式支配一股 F 类股票，这一股在关键公司事务上拥有 50.1% 的总投票权，包括选举部分董事。

上市完成后，董事长 Daniela Amodei、Dario Amodei 和一位尚未公布的董事，由 F 类和 A 类股东选举产生；其余四位董事由长期利益信托选出，现任受托人包括前美联储主席伯南克和国家安全专家 Richard Fontaine。

普通投资者买到的 A 类股是一股一票，但另外几类股票各有用途和限制，其中战略合作伙伴只拥有极小的投票权，这套结构实际上会削弱普通投资者的影响力。

招股书也为创始团队解体准备了预案。成员离开公司、去世、出售过多股份或因故被解雇，都可能被移出这一群体；如果成员减少到两人或更少，F 类股的投票权优势将逐步消失。联合创始人还在文件中承诺，将个人所持 Anthropic 股权的 80% 用于慈善。

最值得玩味的是招股书对这一切的自我评价。它直言这套治理模式可能导致公司作出与短期、中期或长期财务利益和经营表现相冲突的决定，进而可能降低 A 类股的价值。

一家寻求 2 万亿美元估值的公司，在上市文件里明确提醒投资人，他们的回报并不总是排在第一位。这在资本市场上相当少见。两大代理顾问机构 ISS 和 Glass Lewis 历来建议反对多层股权安排，这套设计能否被主流机构接受，会是路演阶段的一大看点。

主动放弃视频和图像生成

为了证明这套治理结构不是空谈，招股书举了几个例子。

一个是 Mythos Preview，这款模型在网络安全方面能力格外强，Anthropic 为它设立了有限访问计划，只向少数机构开放。

另一个例子更出人意料。招股书写道，公司选择不开发某些商业上有吸引力的产品，比如图像和视频生成模型，以便把算力投向研究和安全优先事项。

单看这句话，它是一种立场表达。放进今年的行业背景里，意味就复杂得多。

半年前，OpenAI 宣布关停上线仅约六个月的视频生成应用 Sora，理由是公司要转向商业工具，为可能的上市做准备。Sora 的应用和网页端在 4 月 26 日下线，API 也在 9 月 24 日跟着停止服务。高昂的算力成本、快速流失的用户和版权纠纷，都是 Sora 被放弃的原因。

同一件事，OpenAI 做了、烧了钱、最终砍掉，理由是聚焦企业业务；Anthropic 从未涉足，在招股书里把它写成了为安全与研究作出的取舍。

两家公司最终站到了同一个位置，都把筹码押在企业客户和编程场景上，讲出来的故事却截然不同。Sora 的结局，也让「商业上有吸引力」这个前提显得有些可疑。

极客公园更倾向于认为，这里的使命叙事与商业判断很难拆开。在算力极度紧张的阶段，把资源集中在单位价值最高的地方，本身就是正确的生意。

Anthropic 的高明之处在于，它把一个正确的商业决定，写成了价值观的证明。

80 页风险因素写着「人类存亡」

招股书的风险因素部分长达 80 页，明确警告其 AI 模型可能构成灾难性甚至生存性的威胁。路透还提到，Anthropic 自己的研究记录过一些受控测试，逐渐自主的 AI 系统在其中表现出潜在有害的行为，包括破坏代码、协助欺诈和操纵信息。

把「我们的产品可能威胁人类」写进招股书，既是真诚的立场，也是标准的法律铺垫。两者并不矛盾。风险因素的本来功能，就是把所有可能出问题的地方提前说清楚，以免日后陷入投资者诉讼。一家常年公开谈论 AI 风险的公司，如果在招股书里对此避而不谈，反而会在法律上陷入被动。

真正的张力在另一个地方。Dario Amodei 曾呼吁全球 AI 社区放慢发布新能力的节奏，但 Anthropic 上周仍推出了新模型 Opus 5.5，以回应 OpenAI 发布 GPT-6 Astra 之后的势头。

呼吁放慢与加速发布同时发生，并不意外。在一个所有人都在加速的赛道里，单方面减速的代价，是把定义规则的位置让给别人。这是 Anthropic 从成立第一天起就面对的困境，招股书只是把它变成了白纸黑字。

5180 亿美元的算力成本？

另一个被广泛引用的数字，是约 5180 亿美元的云、算力和基础设施承诺。

不少报道把它解读为「明年要花 5180 亿美元买算力」，就连路透不同版本的稿件在措辞上也并不一致。有分析指出，这是多年期合同的总价值，而非单年支出；按已披露的分配，亚马逊 AWS 约 1000 亿美元，谷歌云约 2000 亿美元，Lambda 与 Nscale 约 800 亿美元，Fluidstack 约 500 亿美元，微软 Azure 约 300 亿美元，其余为较小的合同。其中 AWS 部分是今年早些时候签下的十年期合约，可锁定最多 5 吉瓦的算力容量。

即便按多年总额看，这个数字依然惊人。截至去年 12 月 31 日，Anthropic 的现金、现金等价物和短期投资合计 202.8 亿美元。5180 亿美元的承诺，是这笔现金的 25 倍以上。

这也解释了上市的紧迫性。有报道称，Anthropic 这次可能寻求募资高达 1000 亿美元。上市在很大程度上，是在为已经签下的算力合同找钱。

两种「安全」，两条上市路

据路透此前报道，Anthropic 的公开上市大概率会推迟到 11 月美国中期选举之后。等待它的并不是一个多么友好的市场。AI 与芯片股近期经历了一轮抛售；SpaceX 6 月上市首日大涨 19% 至 160 美元，如今回落到 147 美元左右，虽仍高于 135 美元的发行价，却足以让投资人对高估值成长股多一分谨慎。

Anthropic 此前还因旗下工具受到白宫审视，一度被五角大楼列入黑名单，后被美国法官叫停，政治变量同样悬而未决。

更值得对照的是它的老对手。

OpenAI 在 Anthropic 之后约一周也秘密递交了上市申请，并在公告里坦言，之所以主动宣布，是因为预计消息会泄露。但到了 9 月，Sam Altman 在接受《财富》采访时确认 OpenAI 今年不会上市，理由是考虑到安全方面正在发生的一切，现在并不是上市的好时机；此前《纽约时报》也报道过，推迟的原因之一是 Altman 坚持至少 1 万亿美元的估值。

同样是「安全」，Anthropic 把它写进治理结构，当作说服投资人的理由去上市；OpenAI 则把它当作暂缓上市的理由。

很难说谁更真诚。但它揭示了一件事，在 AI 公司走向公开市场的这一刻，「安全」已经不只是技术和伦理议题，也成了资本叙事的一部分。

路透认为，这次上市将确立华尔街为头部 AI 公司估值的基准，其中也包括 OpenAI。一旦 Anthropic 顺利挂牌，之后所有前沿实验室都要面对同一组问题。收入曲线能否追上算力账单，客户能否被合同锁住，创始人的控制权应该有多大，一家公司主动放弃的生意，市场是否愿意为之买单。

这份招股书真正要回答的，或许是一个更古老的问题，资本市场能不能容忍一家公司，把「不做什么」写得和「做什么」一样重要。

今年 5 月底，拼多多正式进入雄安。三个多月后，这家公司的雄安团队已经超过 5000 人。

速度甚至比原来的计划更快。按照拼多多披露的信息，其雄安公司已经提前完成年度专项招聘计划，新办公楼和员工食堂也陆续投入使用。

5000 人是什么概念？

在今天的互联网大厂，这已经不是一个普通区域办公室的规模。尤其是在互联网公司普遍强调降本增效、控制人员扩张的背景下，一次性在一座新城市搭起数千人的团队，本身就是一个值得观察的动作。

但拼多多在雄安做的，并不是再建一个研发总部。

从已经落地的业务看，这里更像是拼多多新建的一座大型后台业务基地：一头连接平台治理和数据生产，另一头连接平台上的制造业商家。

拼多多给雄安公司的两个核心定位，一个叫「传统产业数据处理服务中心」，另一个叫「传统制造高质量发展综合服务中心」。

首先是数据处理。

目前，雄安团队已经承担算法标注和模型标注，涉及搜索推荐体验优化、图生视频训练等项目。

然后是平台治理。

商家和商品准入、内容质量审核、广告治理、安全合规、售后……这些过去分散在电商平台不同链路里的后台工作，也开始在雄安形成规模化团队。

今年 6 月以来，拼多多已经陆续推出 106 项专项治理举措，覆盖食品、药品、知识产权、广告、直播带货和虚假营销等多个环节。

所以，如果只把「5000 人」理解为一次大规模招聘，反而容易忽略真正发生的变化。

拼多多正在把一家超大型电商平台越来越复杂的后台能力，变成一套能够被集中组织、规模化运行的基础设施。

这或许才是拼多多在雄安的动作里最值得关注的地方。

而拼多多显然不希望这支团队永远停留在后台审核，事实上，拼多多也正在雄安尝试新的方向。

一个已经进入测试阶段的项目是「试衣镜」。

它做的事情并不复杂：雄安团队对不同服装商品进行视觉标注，生产模型训练所需要的数据，再由算法生成更接近真实上身效果的商品展示。

拼多多希望借此提升服装商品转化率，同时降低服装电商一直头疼的退货率。该项目目前已经进入用户测试阶段。

这个小项目，反而很能解释拼多多为什么会把「数据处理」和「传统制造服务」放在同一家公司里。

过去，数据标注往往被看作最基础、甚至最「人力密集」的一环。但当模型真正进入电商，数据生产可以直接连接一个非常具体的商业问题：

怎样让用户买衣服之前，看得更准一点？

如果结果足够好，它最终影响的是转化率、退货率，以及商家的经营效率。

从这个角度看，雄安公司所承担的并不只是后台成本中心。拼多多试图把数据生产、算法优化、平台治理，再到商家服务放进同一个业务闭环。

这也是今天电商平台正在发生的一个变化：数智能力越来越多地渗透进推荐、审核、商品展示、客服乃至供应链这些原本不容易被消费者注意到的环节。

当然，对于雄安来说，5000 人首先意味着就业和产业集聚。

今年 6 月，拼多多与雄安新区签署了数字服务战略合作框架协议；9 月，拼多多集团执行总裁朱政也公开表示，雄安公司将重点布局商品合规审核、数据标注与分析以及传统产业数据智能化等业务。

互联网公司发展到今天，真正需要大量人的地方，已经不只是产品和研发。

当平台连接数亿消费者和海量商家之后，围绕数据、内容、交易、安全和合规形成的后台系统，同样会变成一套庞大的组织。

过去，这些团队通常藏在「大厂总部」后面。

这一次，拼多多把其中一部分单独放到了一座城市里。

所以，比「雄安又来了一个互联网大厂」更值得观察的问题可能是：一家电商平台，到底有哪些能力值得重新投入数千人的线下组织？

至少从拼多多目前给出的答案看，是数据，是治理，也是重新服务制造业的能力。

5000 人，只是这件事情第一次有了一个足够显眼的数字。

头图来源：Manus

突然地，Manus 在官网和社交平台上公布了 Manus 2.0 版本的更新。

这并非一次简单的产品迭代，更像是Manus 团队尝试将当下所有最热门的 AI 场景和功能，融合到一个「AI 全家桶中」。

此次升级中，团队打造的底层 Cascade Agent 框架，能将任务 Token 消耗减少 23.2%，任务完成时间缩短 28.2%，运行成本降低 32%。同时，Manus 现在也提供「云电脑」的选项供用户选择。

向上，从视频编辑、游戏开发、远程控制和 AI Studio，Manus 为所有用户常用的场景，提供了相关产品。

Manus 正式推出个人助手应用 Cue｜图片来源：Manus

最重要的，这次 Manus 还推出了一款个人 Agent——CUE。这款全新应用支持手机和桌面端，和 Manus 共享同样的基础设施。在个人 AI 这块，Manus 正式出击。

这是 Manus 在蛰伏许久后的第一次露面，「全家桶」式的升级，代表那个用产品曾经惊艳所有人的团队，并没被时代落下。

另外，在官方公众号中，Manus 表示「正在组建团队开发面向国内市场的产品，与国产模型厂商及生态伙伴的合作也在稳步进行，后续将分享更多进展。」

全场景、全家桶

按 Manus 自己的划分，2.0 的更新分成三大类：

新的 Agent 框架和运行环境；

由桌面端升级的Manus Studio；

以及一款独立的新应用 Cue。

运行环境上 Manus 2.0 换成了自研 Agent 框架的最新一代 Cascade，它的思路是让项目在开头尽量轻，等活儿真的需要了，再把相应的专业能力接进来；同一个项目里的简报、网页、视频和自动化流程，彼此关联。

Manus 2.0 在从底层上变得更「经济」｜图片来源：Manus

多人联机的游戏需要一台用户关机后仍然在线的服务器，自动化流程需要一个全天候运转的地方，这些都超出了一台个人电脑能扛的范围。现在用户可以直接向 Manus 购买云电脑，给这类项目一个专属的运行环境。

「云主机」这个由 Manus 兴起、时下大火的概念，也被 2.0 更新包含在内｜图片来源：Manus

此外，原来的定时任务也升级成了自动化。以前 Manus 只能在设好的时间点开工；现在，已连接服务里发生的事也能触发任务，收到一封新邮件、广告数据出现波动、日历上多了一个事件、Slack 来了一条消息，或者某个 Notion 页面有了更新，都算。

Manus 2.0 的自动化｜图片来源：Manus

用户只要用一句话交代盯着什么、接下来做什么，Manus 会自己搭好整条工作流并跑起来。这等于给 Manus 加了一种工作方式：不用人叫，自己盯着。

至于 Manus Studio。官方把它定义为人和 AI 共用的工作空间，口号是「从完成任务，到做出好作品」。

Studio 同样按需加载。Manus 的解释是，每类工作都有各自的专业工具，要是每个任务都把全部能力带上，同样的活只会又慢又贵，所以 Studio 只调用项目用得上的那部分。这也是理解这个「全家桶」的关键：桶里的东西越来越多，每个项目只取自己用得上的那几样。

Manus 2.0 升级了 Studio 应用｜图片来源：Manus

这次 Studio 的升级覆盖了日常办公和专业创作两头，办公这边是文档、表格、PDF 和幻灯片，创作这边是网站、代码、游戏和视频。门槛最高的视频和游戏，各自多了一个专业环境：视频编辑器和游戏开发。

现在，Manus 会把时间线直接交给用户。片段、图片、文字、动态图形和音频都作为独立素材摆在上面，换配乐、放进自己的素材、挪一挪动画，都可以手动完成，满意了再导出。改到一半也能交还给 Manus，它会在用户改过的版本上接着改。对做视频的人来说，这等于把 AI 视频从反复「抽卡」拉回到了熟悉的剪辑流程里。

全流程介入，改善你的抽卡体验｜图片来源：Manus

目前这个视频编辑器主要面向 30 到 60 秒的产品短广告、数据动态图表、教程和 Vlog 这类短视频，不需要剪辑经验。

视频编辑器里还有一个 Alchemy 模式，适合手里只有一个点子的时候用：Manus 接手创意指导，同时调用视频生成和代码生成能力。Manus 的说法是，这个模式做出来的片子，创意、画面细节、动效和剪辑节奏都明显更好；成片出来以后，照样可以回到时间线上精修。

从抽卡到专业创意指导｜图片来源：Manus

游戏开发环境会同时调用视频、图像和编程三类模型。Manus 介绍开到 Max Ultra 模式，做出来的游戏在画面、流畅度和手感上都能到位。用户从一个能直接玩的模板起步，第一次上手就能先玩到自己的想法。

编辑面板里，用户可以一边看着游戏运行，一边管理素材、修改代码，调整角色的移动、美术和场景。改动能精确到单个元素，比如想把某个村民的棕发改成银发，只要选中这一个村民，其他内容都不会跟着变。

做好的游戏可以发布成网站，别人点开链接就能玩，也可以直接把朋友拉进来。

多人联机游戏｜图片来源：Manus

多人联机往往是这类项目最容易卡住的一步：它需要一台一直在线、所有玩家都连得上的服务器，背后是托管、网络和运维，大多数人从没打算学这些。

游戏开发环境把这一步压成了几次点击：在配置里打开多人联机，选一台云电脑买下，剩下的交给 Manus。竞速、对战、竞技和 3D 游戏都在支持范围内。前面说的云电脑，在这里就是那台服务器。

Studio 里另一项更新，是用手机指挥电脑。远程桌面软件早就能让人在手机上操作电脑，但每一次点击还得自己在小屏幕上完成；Manus 的做法是，用户只需说出想要什么。

仍然是熟悉的 Computer Use，只是变成了用手机指挥电脑｜图片来源：Manus

官方给的场景是：人在出租车上，突然要用家里电脑里的一份演示文稿，就让 Manus 去发布会文件夹里找出最新版本发过来，同时在手机上实时看着它操作桌面；要 PDF 格式，再补一句就行。

这背后仍然是 Computer Use，也就是让 AI 直接操作电脑界面的能力。在用户连接并授权的会话里，Manus 会在电脑上开一个独立、可见的工作区，只使用用户批准过的文件、浏览器和应用。

用户忙别的事时，它可以帮忙测试应用；人离开电脑，它也能接着干活。Manus 强调，它做什么始终由用户掌控。

当然，最后也少不了这次的「One more thing」Cue；这是一款独立的新应用，专门给用户的个人 Agent 用，支持手机和桌面端，和 Manus 共用同一套基础设施。Manus 对它的描述是「给它一个 cue，它就立刻开工」。

随 Manus2.0 一起发布的新应用 Cue｜图片来源：Manus

Cue 最特别的地方，是给每个 Agent 配了一套自己的身份：独立的邮箱、电话号码、钱包和电脑。有了这套身份，Agent 能以自己的名义办事，发消息、在用户设好的预算内付钱、在自己的机器上把一件事从头办到尾；它还能替用户接电话，事后在 Cue 里留一份通话摘要。

每个 Agent 都有自己的号码和钱包｜图片来源：Manus

几个 Agent 还能组队；用户把它们拉进同一个群聊、给一个共同目标，它们会分工接力。按 Manus 的设想，筹备一场纽约的发布会时，一个 Agent 调研场地，一个整理候选名单，另一个起草演示文稿，用户只负责定方向和最后拍板

。

Cue 还能对接线下的日常服务，比如在餐厅扫一下二维码，就让 Agent 帮忙点餐，或者排队取号。不过目前 Cue 目前处于抢先体验阶段，凭邀请码免费使用。Manus 放出的邀请码 MEETCUE 限前 1000 位用户，拿到资格的用户还会额外收到可以分享给别人的邀请码。

从 Agent 到个人 AI

Manus 2.0 中最值得关注的新产品之一，或许是个人 Agent 应用——CUE。

它同时支持手机和桌面端，与 Manus 共用底层能力。这一步也让 Manus 的产品方向发生变化：2025 年，它让人们看到 AI 可以独立完成一项复杂任务；如今，它希望 AI 能跟着用户跨越设备和场景，持续处理工作与生活中的事情。

回头看 2025 年，Manus 初次爆火时展示的是另一种能力。用户提出目标，AI 自己规划、搜索、调用工具，最终交出报告、网页或其他成果。它让「Agent 能替人做事」变得具体。但大多数任务仍有清晰的起点和终点，用户发起一次请求，等待一次交付，下一次使用时再重新说明背景。

个人 AI 助手希望把这种关系延长。它需要知道用户正在推进什么项目、习惯怎样安排日程、哪些事情可以代办、哪些决定必须先问本人。工作也不再局限于一个对话窗口，而是分布在手机、电脑、邮件、文件和各种应用里。只有接得上这些上下文，Agent 才可能从完成单次任务，走向持续协助一个人。

最近这条赛道也已经热闹非凡。

Meta 推出的个人助手 Muse 最近异常互爆｜图片来源：Meta

Meta 9 月推出 Muse，允许用户在应用或 WhatsApp 中交代任务与长期目标；Instinct 通过日常聊天处理预约、联络等生活事务；苹果的新一代 Siri AI 则利用邮件、信息和照片中的个人上下文，帮助用户在不同应用之间寻找信息和完成操作。

巨头拥有操作系统或社交平台这样的入口，创业公司则尝试以更专注的助手产品切入。它们争夺的都是同一件事：

当用户有事要处理时，首先会找哪个 AI。

这种产品形态，也把成本问题推到了前台。一个随时待命的个人 AI，需要反复判断下一步做什么、调用哪个工具、何时提醒用户。如果每个细小决定都交给昂贵的通用模型，响应速度和运行费用都会成为负担。

这段时间备受关注的新模型 Jev，专门处理选择、分类和评分，反映出行业开始为 Agent 寻找更快、更便宜的决策方式。它本身不是个人 AI 产品，却指向个人 AI 大规模使用时必须解决的基础问题。

Manus 2.0 的布局也可以沿着这条线索理解。

个人助手应用 CUE｜图片来源：Manus

Cascade Agent 框架尝试降低任务消耗和等待时间；云电脑为 Agent 提供执行任务的环境；视频、游戏和 AI Studio 扩大它能完成的工作范围；CUE 则成为面向个人的入口。按照 Manus 此次公布的数据，Cascade Agent 可使任务 Token 消耗减少 23.2%、完成时间缩短 28.2%、运行成本降低 32%。这些数字还需要放到实际使用中检验，但产品意图已经清晰，即让 Agent 做更多事，也让用户更频繁地把事情交给它。

用户可以扫码链接商家的 Agent 并享受相应的服务｜图片来源：Manus

在演示视频中，可以看到 Manus 团队对于 CUE 同样有自己的巧思，例如用户可以创建 Agent，并转成二维码让人来扫，将「Agent to Agent」的沟通和协作，变得异常简单和直观。

从 Manus 到 CUE，变化的不只是产品名称。2025 年，Manus 回答了 AI 能否独立完成复杂任务；到了个人 AI 兴起的今天，它还要回答另一个问题：用户是否愿意让同一个 AI 长期了解自己，并授权它在不同设备和应用中持续行动。

Manus 的新旅程

从某种角度上看，Manus 团队的历程，基本浓缩了过去两年 AI 应用市场的变化。

2025 年 3 月，Manus 以通用 AI Agent 的身份正式亮相。能够自主规划并执行复杂任务的产品形态，很快引发全球关注，也让「Agent」第一次从技术圈概念变成大众产品。

此后，Manus 持续扩展研究、编程、网页制作和自动化等能力。到当年 12 月，Manus 宣布年度经常性收入突破 1 亿美元；同月底，Meta 宣布收购 Manus，公开报道的交易规模超过 20 亿美元。

然而，这段合作最终没有延续下去。2026 年 4 月，相关部门要求交易各方撤回收购；随后，Manus 开始与 Meta 进行业务和数据层面的分离。8 月，腾讯、HSG、真格基金等原有股东参与购回 Manus 股份。

9 月 1 日，Manus 正式宣布恢复独立运营，重新由创始团队掌舵。

恢复独立之后，Manus 也开始筹划下一阶段发展。此前有报道称，公司正在讨论一轮规模约 5 亿美元、估值约 40 亿美元的新融资，腾讯、HSG、真格基金等现有股东被列为潜在参与方。

Manus 团队官方公众号发布的文章页面｜图片来源：Manus

独立后的首次大规模产品发布，则是 Manus 2.0——从改进任务效率的 Cascade Agent 框架，到云电脑、视频编辑、游戏开发和 AI Studio，再到面向手机与桌面端的个人 Agent CUE，这次发布同时扩展了 Manus 的能力，以及用户使用它的方式。

从一款突然爆火的通用 Agent，到加入大型科技平台，再到恢复独立运营，Manus 在一年多时间里经历了数次身份变化。

如今，个人 AI 正成为新一轮行业竞争的焦点，重新独立的 Manus，也由此回到一个更直接的位置——继续以产品和用户证明， Agent 最终能够走多远。

Manus 发布 2.0，新增云电脑、远程控制及个人 AI 助手 Cue

9 月 28 日，Manus 发布 2.0 版本，升级自研 Cascade Agent 框架，并推出云电脑、视频编辑、游戏开发及个人 AI 助手 Cue。据官方数据，新框架可使任务 Token 消耗减少 23.2%、完成时间缩短 28.2%、运行成本降低 32%。

升级后的 Manus Studio 支持文档、表格、网站和视频等内容创作，用户可在视频时间线上手动修改素材，再交由 AI 继续编辑。新增远程控制功能允许用户通过手机指挥已授权的电脑，查找文件或操作应用；自动化任务也可由新邮件、日历变更等事件触发，云电脑则为持续运行的项目提供环境。

独立应用 Cue 支持手机和桌面端，每个 AI 助手可拥有独立邮箱、电话号码、钱包和电脑，在用户设定的预算内付款、代接电话，也可与其他助手协作。目前 Cue 处于抢先体验阶段，凭邀请码免费使用。

Manus 还表示，正在组建团队开发面向国内市场的产品，并与国产模型厂商及生态伙伴推进合作。（来源：极客公园）

9 月 28 日，Meta 创始人兼首席执行官马克·扎克伯格宣布，公司正式启动新的业务支柱——Meta Enterprise Platform（Meta 企业平台），旨在帮助企业利用 AI 实现业务增长和转型。

扎克伯格表示，Meta 将依托自身在先进 AI 模型、智能体、大规模基础设施以及企业服务方面的能力，将完整 AI 技术栈提供给企业和开发者。平台初期将重点推出包括 Muse 智能体、Meta Business Agent、Muse API、Muse Code 在内的一系列产品。

Meta 表示，企业平台的目标是将公司的 AI 技术栈进一步转化为企业可以直接部署的产品和服务。公司还强调，安全和隐私将从企业产品设计之初就被纳入其中。

与此同时，Meta 宣布任命 Chirantan「CJ」Desai 为首席企业平台官，直接向扎克伯格汇报。Desai 此前担任 MongoDB 首席执行官兼总裁，此前还曾负责 Cloudflare 的产品和工程，并在 ServiceNow 任职近八年，担任过总裁和首席运营官。

扎克伯格则表示，Meta 目前已经服务数十亿用户，并帮助数亿企业触达客户，企业平台将成为公司下一阶段的重要业务支柱。（来源：华尔街见闻）

Claude 刷新物理学世界纪录，单挑基于杨振宁理论 9 圈难题

9 月 28 日，Anthropic 宣布，Claude 在少量人工干预下连续运行数天，完成了平面 N=4 超杨－米尔斯理论中六粒子散射振幅的九圈计算，将此前八圈的计算结果进一步推进。

散射振幅用于描述粒子相互作用，「圈」代表计算中的高阶修正，圈数增加通常会显著提高计算复杂度。研究团队通过 Claude Science 系统，让模型沿用已有物理方法，自行编写代码，并通过两条计算路径获得结果。据报道，按普通用户价格估算，模型调用总成本为数千美元。

此前参与八圈计算的物理学家 Lance Dixon 花费约两周验证，确认了 Claude 的结果。中国科学院理论物理研究所何颂团队也已于 9 月 17 日公开二圈至九圈的相关数据，其中部分约束条件计算由 GPT-6 辅助完成，整体研究框架由人类搭建。

此次成果针对的是用于理论研究的特殊模型，主要体现了 AI 执行复杂计算和组织科研任务的能力，尚不涉及提出新的物理原理。（来源：新智元）

黄仁勋将于纽约会晤三星、SK 集团掌门人商讨 AI 芯片合作

9 月 28 日讯，英伟达首席执行官黄仁勋，将于当地时间 28 日在纽约，再度会见三星电子会长李在镕与 SK 集团会长崔泰源。

距离三人 7 月于旧金山会面，时隔约两个月。HBM 是本次会面行业最关注的议题。随着 AI 加速器性能大幅提升，能够向 GPU 高速输送海量数据的 HBM，已经成为决定英伟达下一代产品性能的核心器件。三星计划集内存、晶圆代工、先进封装于一体，切入 AI 芯片市场。这意味着双方关系，有望从单纯的 HBM 供需，拓展至 AI 芯片全流程生产。（来源：科创板日报）

Anthropic 推出低成本 AI 模型 Sonnet 5.5

9 月 29 日，Anthropic 发布新一代 AI 模型 Claude Sonnet 5.5，称该模型相比上一代 Sonnet 5 运行速度提升 30% 以上，执行任务成本最高降低 30%。Sonnet 5.5 定位为 Claude 5.5 系列中的中端模型，主要面向日常工作、代码修复、文档、演示文稿和表格制作等任务。

Anthropic 表示，Sonnet 5.5 在多项测试中性能提升明显，在 Terminal-Bench 4.0 代码测试中得分 70.6%，高于 Sonnet 5 的 10.3%。该模型在长周期任务、图像理解以及知识工作方面也有所增强。价格方面，Sonnet 5.5 维持与 Sonnet 5 相同的定价，每百万输入词元收费 2 美元，每百万输出词元收费 10 美元，缓存读取每百万词元收费 0.2 美元，但由于模型效率提升，Anthropic 称实际任务成本最高可降低 30%。Anthropic 称，Sonnet 5.5 在安全能力方面也进行了升级，首次在 Sonnet 系列中采用类似高性能模型的网络安全防护措施。

同时，该模型已上线 Claude 平台，并支持亚马逊云服务（AWS）、谷歌云（Google Cloud）和微软 Azure 等平台。（来源：格隆汇）

《王者荣耀》中国队亚运会卫冕夺金，一诺成首位双金牌电竞项目运动员

9 月 28 日，在爱知 · 名古屋亚运会电子竞技项目王者荣耀决赛中，中国队以 4 比 0 击败马来西亚队，夺得金牌，继杭州亚运会之后再次斩获《王者荣耀》金牌，同时也意味着徐必成（一诺）选手成为全联盟首位、历史唯一一位双金牌得主。

《王者荣耀》亚运会项目决赛采用 BO7 赛制（七局四胜制），中国队决赛出场阵容为赵昊宇、何伟嘉、黄垚钦、徐必成、孟家俊，王科担任替补。教练员为李托。

徐必成是 KPL 唯一连续两届入选亚运会王者荣耀国家队的选手，上届杭州亚运会已随队夺得该项目金牌。此次夺冠后，他成为王者荣耀历史上唯一一位亚运会双冠王。（来源：IT 之家）

吉利入股蔚来能源，蔚来能源投后估值达 160 亿元

9 月 28 日，蔚来在港交所公告，已与吉利控股集团签署充换电业务战略交易协议。吉利将以旗下易易互联 100%股权及 6.4 亿元现金认购蔚来能源新增股权，交易完成后持股 30%，蔚来能源投后估值约为 160 亿元。

根据协议，易易互联的营运车辆换电业务将并入蔚来能源。双方还将共建面向个人用户的换电技术和标准，由吉利开发相应换电车型，蔚来能源提供换电服务。在充电业务方面，蔚来将入股吉利旗下浩瀚能源，交易完成后持股 10%。

双方此前已于 2023 年签署换电战略合作协议。截至今年 9 月 28 日，蔚来已在全国建设 4126 座换电站、20598 根充电桩，累计提供换电服务超过 1.25 亿次，并计划到 2030 年累计建成 1 万座换电站。李斌表示，换电业务目前仍处于超前投入期。（来源：投资界）

美国联邦航空管理局（FAA）通过邮件表示，已于 9 月 26 日颁发「SpaceX 星舰‑超级重型第 14 次试飞发射及再入作业许可」。在本次星舰第 14 次试飞任务中，马斯克旗下这家航空航天防务企业还计划部署 26 颗全新的星链 V3 卫星。

星舰对 SpaceX 的扩张战略至关重要。该公司寄望依靠这款巨型火箭做大星链（互联网连接业务）。截至第二季度，星链是 SpaceX 规模最大、同时也是唯一实现盈利的业务板块。目前，SpaceX 在轨运行约 11000 颗现役卫星；其竞争对手欧洲的 Eutelsat‑One Web 在轨卫星数量约 650 颗。

在 8 月 SpaceX 财报电话会议上，马斯克表示：「未来某一时间点，星链承担全球大部分互联网流量并非遥不可及，至少在我们获准开展业务的国家可以做到，而这类国家占全球绝大多数。」（来源：cnBeta）

机构：2030 年全球 200 美元以下智能手机出货量预计较 2025 年减少 2.3 亿部

9 月 28 日，根据 Counterpoint Research 最新发布的按价格段划分的智能手机出货量预测，2025 年至 2030 年间，全球 200 美元以下智能手机出货量预计将减少超过 2.3 亿部。

尽管整体智能手机市场出货量有望在 2030 年底恢复至 2025 年的水平，但该价格段智能手机出货量预计将比 2025 年减少约 40%。（来源：格隆汇）

奇瑞欧洲注册量超特斯拉，中国车企贡献市场 84% 增量

9 月 28 日，德国汽车管理中心发布汽车市场分析报告显示，2026 年 1 至 8 月欧洲新车注册量同比增长 5.8%，近 50 万辆新增注册量中中国车企贡献占比达 84%，其余所有车企合计增长率仅为 0.3%。同期中国车企在欧洲新车注册量达 103.4685 万辆，同比增长 68.1%，首次突破 100 万辆大关，市场份额升至 11.3%。

其中比亚迪和奇瑞表现尤为突出。比亚迪前 8 个月在欧洲注册量达 23.4099 万辆，同比增长 144.1%。奇瑞及其子品牌 Omoda 和 Jaecoo 注册量为 20.7871 万辆，同比增长近 280%。两家车企的欧洲注册量均已超越特斯拉，后者同期注册量为 19.1787 万辆纯电动车。

CAM 在报告中指出，成本结构、软件能力和电动化转型是传统车企未来的关键。报告警告，欧洲传统车企若无法在成本和电动化上取得突破，将面临持续失守的局面。（来源：快科技）

月之暗面最强 AI 模型：Kimi K3.1 前端标识泄露，预计将在近期发布

9 月 28 日，有多名开发者注意到月之暗面 API 平台的后台模型注册表中出现了「kimi-k3-1」标识，该模型标识通过了接口探测并可调用。

昨晚，Kimi 官方开放平台也出现了 K3.1 或 K3 11111 模型的预告，支持 1M tokens 上下文窗口。

Kimi K3.1 预计支持最高 100 万 Token 上下文窗口，并提供 Low、High、Max 三档推理强度选项，可能引入 Agent 智能体模式、Swarm 多智能体协作以及搜索和批处理等任务模式。有开发者分析认为，多档推理强度的设计可能对应不同的算力资源配置与计费模型。

Kimi 开放平台显示，Kimi K3.1 的 API 价格与现有 K3 相同，但也不排除是占位符的可能。

英伟达发布双层 AI 安全平台，可限制智能体权限并隔离异常行为

9 月 28 日，据彭博社报道，英伟达推出「开放智能体安全平台」，由两款开源软件工具组成，旨在实时限制 AI 智能体的访问权限，并在其违反规则或出现可疑行为时介入。

其中，OpenShell 可在英伟达 Vera 中央处理器上运行，允许用户设定智能体可访问的内容，并实时执行相关规则。该工具此前已于今年 3 月预览。另一款新工具 Nvidia Sentry 运行于 BlueField 数据处理单元，提供额外的行为监控机制，发现异常时可将智能体隔离。

英伟达企业 AI 副总裁表示，根据目前掌握的信息，如果此前 OpenAI 模型入侵 Hugging Face 时已部署该平台，相关攻击本可以被阻止。不过，他未透露 OpenAI 或 Anthropic 是否计划采用该系统监控模型训练。（来源：凤凰网科技）

小米 18 标准版手机配置曝光：6.4 英寸 1.5K 直屏、骁龙 8E6 芯片

9 月 28 日，据微博博主 @ 熊猫很禿然 透露，小米 18 标准版预计将搭载 6.4 英寸 1.5K M11 直屏，预计 12 月左右发布。

据介绍，这款手机将搭载骁龙 8 Elite Gen 6 芯片，配备 7200mAh 电池，支持 100W 有线充电，以及无线充电。拥有 2 亿像素 1/1.28 英寸主摄、5000 万像素超广角，以及 2 亿像素 3 倍长焦。

此前，一款型号为 M261DB 的小米新机于 9 月 23 日通过工信部无线电核准，预计为小米 18 标准版。此前有网友在微博询问小米集团合伙人、总裁 @ 卢伟冰 有关小米 18 标准版的消息，卢伟冰回复称：有的，后面会单独发。（来源：IT 之家）

张雪机车回应网传「团队在意大利被盗」：全员安全，1 人护照丢失、使馆已开通绿通补办

9 月 28 日，张雪机车抖音官方账号发文，回应网传「张雪机车团队在意大利被盗」一事。

张雪机车表示，团队全体成员均已顺利入境意大利，目前全员安全，无任何人身安全问题。其中，6 位同事随身背包在途中遭遇盗窃，其中 3 位同事包内仅装有外套与赛事门票；另外 3 位同事有个人物品损失，其中 1 位同事的护照不慎丢失。

张雪机车团队事发后已第一时间报警，并联系中国驻意大利使馆。使馆已为丢失护照的同事开通绿色通道补办证件，处理效率极高。（来源：IT 之家）

在 2026 云栖大会汽车行业峰会上，我们看到了智能汽车竞争的主线：智能座舱正全面进入 Agent 时代，车不再是执行指令的机器，而是能理解你的意图、主动帮你把事情办成的智能体；智能驾驶的竞争，也早已从算法层下沉到工程层。数据产线的效率、训练集群的稳定性、模型迭代的周期，这些工程层的东西，正在决定胜负。

如果切换一下视角，会发现另一条更隐蔽的竞争主线正在成形：谁能成为中国智能汽车产业的算力与 AI 底座？

数据给了一个相当清晰的答案。根据沙利文联合头豹近日发布的《2026 年中国汽车 AI 云市场追踪报告（26H1）》，阿里云在中国汽车公有云市场份额达到 45.2%，在智能驾驶、智能座舱、工业提效等六项市场及细分赛道均拿下第一。

阿里云智能集团公共云事业部 AI 汽车行业总经理李强对这件事的总结，只有五个字：芯、云、模一体。从智能座舱到自动驾驶，从端侧小模型到云端万亿参数推理集群，再到车企内部组织效能的提升，阿里云正在构建一套覆盖中国智能汽车全产业链的 AI 基础设施。

智能座舱：把「能聊天」变成「能办事」

前两年，大模型上车是整个行业最性感的叙事。「能聊天、能提供情绪价值」，出现在很多车企发布会 PPT 上。

两年过去了，用户并没有被打动。阿里云智能集团公共云事业部 AI 汽车行业解决方案总经理霍健提到，他近期在与多家车企座舱团队交流时观察到，闲聊并不是用户使用座舱的核心高频场景。相比长时间对话，用户更关心系统能否在合适的时机，高效完成车控、导航和服务任务。

这说明用户不需要一个只会聊天的车，用户需要一个能把事情办成的车。座舱的本质是一个「任务型」的存在。就像你雇了一个助理，你首先需要确认他能把事情办好，才会逐渐信任他、依赖他，最终才可能把他当成一个可以倾诉的对象。

所以，座舱 AI 今年最大的变化，是从聊天到办事。这不是在旧系统上打补丁，是推倒重来。旧的座舱系统建立在规则引擎和多模块拼接之上，每增加一个新功能，就意味着新一轮的工程堆砌。

这套逻辑在大模型时代就是一堵墙。新范式的核心是 Harness（工程治理框架）+ 大模型，让模型本身承担意图理解、任务分解和工具调用的全部职责。

阿里云的定位很清醒，它没有去做完整的座舱产品；而是提供云、模型等全栈 AI 能力，以及阿里生态服务 Agent。原因很直接——座舱是极度定制化的产品，车企最了解自己的用户和品牌调性，阿里云做完整方案，反而是在错误的地方发力。

所以，千问座舱 Agent 的核心能力只有两块：一个是闲聊检索。这部分能力来自千问 C 端 APP 的积累，是阿里在消费者侧多年沉淀能力的车端化。

另一个是阿里集团生态 Agent。这才是真正的杀手锏。过去，一家车企如果想在座舱里集成淘宝闪购、高德、飞猪，需要分别与三个不同的业务团队谈判，接口标准不统一，维护成本极高。

千问座舱 Agent 做的事，是把这些能力原子化封装成统一的 Agent 接口。车企一次接入，就能调用整个阿里集团的生态能力。

举个例子，下班开车回家，不想做饭，在行驶途中对座舱说「帮我点个外卖，我到家的时候外卖也到」。这个指令背后，涉及位置判断、预计到达时间计算、餐厅筛选、下单支付、配送时间协调等多个环节。过去，这需要车企分别接入多个服务商的 API，工程复杂度极高；现在，通过千问座舱 Agent，一个 A2A 调用即可完成全链路。

但座舱 Agent 只是用户能看见的部分，真正的故事发生在幕后。

目前大多数车企，已经在基于开源的千问系列模型，自研自己的座舱产品体系。结合具体任务在云端与车端部署不同规模和模态的千问模型。

当开源模型进入越来越多车企的研发和量产体系，千问也在逐步成为汽车 AI 的重要模型基础。

智能驾驶：战场从算法推到了工程能力

座舱的战争，还在台前打。智能驾驶的战争，早就转移到了幕后。

从 2020 年到 2025 年，中国自动驾驶经历了几轮路线切换，规则驱动的模块，数据驱动的模块化，再到两段式端到端、一段式端到端、VLA。

进入 2026 年，留下的是一条越来越清晰的主线：端到端原生多模态大模型 + 视觉模型 + 强化学习。核心是把 LLM 领域验证过的 Scaling Law 带进自动驾驶。

技术迁移的方向，同样值得关注。大语言模型里验证有效的技术，正在被系统性地移植到智驾模型中。MoE 两年前智驾模型几乎不用，但今天已经成为云端大参数模型的标配选择。

MoE 架构的特点是参数量大但激活参数少，推理效率高，但对多机互联带宽要求极高。这意味着，随着模型规模扩大，MoE 成为部分云端大模型的重要架构；车企算力建设也从单纯追求卡量，转向关注高速互联、超节点和集群效率。

叠加当下宏观环境，能兼容主流 AI 生态、支持超节点架构的国产算力，成为车企的现实选择。

在刚刚举行的 2026 云栖大会上，平头哥发布新一代 AI 芯片真武 V900，官方数据显示其性能是上一代真武 M890 的三倍，可满足万亿级参数大模型的训练和推理需求。该芯片将于 2027 年第一季度量产售卖。而此前，30 多家车企及智驾方案商已在阿里云开展研发，平头哥自研真武 810E 行业实践规模已超过 15 万卡，50 余个主流自动驾驶模型完成兼容验证。

元戎启行 CEO 周光也从使用者角度谈到了算力适配。元戎启行是较早将阿里真武 AI 芯片用于训练的企业之一。周光在圆桌上表示，团队实际测试后发现「真的挺好用」，能够解决大模型训练中的现实需求。车企和智驾公司需要的已经不只是可用的卡，而是能够适配新模型架构、持续支撑训练规模扩大的基础设施。

但算力卡只是入场券。数据产线的效率，才是模型迭代速度的天花板。

一条完整的智驾数据闭环产线大致是这样运转的：车辆采集原始视频，拆帧成图片，标注识别车辆、行人、车道线、红绿灯等要素，质检验证标注准确性，生成训练用 Clips，送入训练集群，模型迭代，部署车端，再采集新数据。每一个节点，都可能是一个断点。

过去，车企的数据团队要先把车端回流的原始数据拷到本地服务器，再分批上传到云，然后进行格式转换、去重、清洗，最后交给标注团队，每一个环节都是断点。

阿里云的解法是重构整条产线。数据从车端回流后，不再需要人工搬运，而是顺着管道一路走下去，自动完成转换、清洗和标注，最后直接拿去训练。断点消失了，速度上来了。

数据产线解决原料问题，模型基座决定能力上限。这是阿里云区别于纯算力供应商的核心差异。

小鹏汽车自动驾驶产品高级总监、Robotaxi 事业部负责人袁婷婷在圆桌上给出了更直接的判断：过去，数据和算力常被视为模型的支撑项；现在，数据体系和 AI Infra 已经成为模型范式本身的一部分。模型能否快速迭代，不只取决于算法，也取决于数据闭环、训练基础设施和端侧硬件能否协同起来。

VLA 模型需要理解物理因果，前车为什么刹车、行人会不会横穿；还需要大量常识：识别临时路牌、判断潮汐车道、给救护车让行。这些能力不来自驾驶数据，而是语言大模型经海量训练才具备的。

对车企来说，从零自研基座成本极高。更可行的路径是，在云上对千问大参数基座做后训练，再蒸馏成小模型，适配不同车端算力平台。从千问 2.5 到千问 3.7、千问 3.8，持续迭代的基座意味着车企在很多场景下不再需要微调，直接用就能达到足够精度，场景开发周期直接缩短。

这种云端训练、端侧部署的路径已经进入量产验证。

在阿里云汽车峰会上，小鹏汽车自动驾驶产品高级总监、Robotaxi 事业部负责人袁婷婷介绍，小鹏第二代 VLA 的蒸馏版本已向单图灵芯片的车型推送。她强调，蒸馏是否有效，不能只看仿真结果，而要看用户实际使用后的数据。云端模型把能力上限拉高，端侧不同算力版本也能随之受益。

模型学会了开车，不等于经得起所有路况。训练必须覆盖那些现实中很少遇到、却决定安全上限的场景：极端天气、罕见路况、突发状况，靠路测等待这些场景出现，成本和周期都不可接受。万相承担的正是这个角色：作为世界模型的生成引擎，既出考题，也给答卷打分。

到 2026 年，智驾的竞争已经不在算法层了。芯片决定你能不能上桌，数据产线决定你跑多快，模型基座决定你能走多远。

千问办公开始重构车企的「人」

汽车智能化的竞争，表面看是产品竞争，深层看是组织效率竞争。

当智能座舱、智能驾驶、营销、售后、供应链、研发管理全部被 AI 重塑时，车企需要回答的不再是「我们的车够不够智能」，而是我们的组织够不够智能？

阿里云在这个方向上押注了两个产品：千问办公和 Qoder。前者面向全员，后者面向研发。它们共同指向同一个判断：车企的下一个效率革命，不在生产线上，而在白领的工位上。

长安和一汽，提供了两个不同却值得细看的答案。

长安汽车要求全员使用 AI Agent，千问办公已融入研发、生产制造、供应链、销售和服务等业务场景。但真正让人印象深刻的，不只是这句宏观表述，而是具体的人。

在长安工作了 13 年的质量体系管理工程师郭子雅，此前没写过一行代码，今年才开始接触 AI。针对产线扫码枪无法识别汉字的问题，她基于千问办公开发了扫码转中文工具，目前已在河北长安多个生产单位推广使用。

55 岁的物流处包装管理员张永泽，负责连接全国数百家供应商、单个项目数千条零件的包装评审流程。通过自学千问办公，他将流程拆解为七八个自动化脚本，实现数据自动抓取、进度汇总和滞留预警，工作量减轻九成以上。

如果说长安展示了 AI 工具如何进入一线，一汽 EOA（企业智能运营平台）把 AI 推进到了组织运行层面。ERP 记录和管理既有流程，EOA 试图让 Agent 成为执行主体，人负责定义目标、观测结果和优化能力。

这套尝试建立在一汽四年的数据和模型积累上。2026 年 7 月，一汽基于千问训练的汽车行业大模型上线阿里云千问 AI 平台，开始向全企业推广。中国第一汽车集团有限公司总经理助理、红旗品牌运营委员会副总裁、体系数字化部总经理门欣对此说得直接：「阿里的 L0 级的千问模型为我们的行业大模型快速应用提供了坚实支撑。」

目前，一汽已有相关案例进入生产环境。超级 BOM 中的 Agent 可以承担零部件全生命周期的 BOM 作业，工程师转向观测和优化 Skill；在人才评价场景中，智能体可以在一秒内查看 284 份能力评价报告，相关模型已用于高级经理评价。

阿里云在其中提供模型、训练和云平台底座，一汽则掌握企业数据、业务场景和 Agent 治理。据门欣介绍，一汽已经开始对外输出相关能力，并围绕培训平台、EOA 架构和治理体系等，与 32 家不同行业企业签署商务合同。

把座舱、智驾和组织 AI 放在一起看，它们面对的是同一道系统问题：算力与数据、训练与评测、云端与车端之间如何更高效地协同。谁能减少这些摩擦，谁就更有可能缩短整套系统的迭代周期。

在这个过程中，阿里云扮演的角色是把芯片、算力、数据、模型、Agent 与全球基础设施连接起来，降低这套复杂系统内部的摩擦。

基础设施公司不需要站在台前。它的价值，是让每一个站在台前的人，跑得更快一点。

但换电退到了幕后，却没有影响蔚来的新车销量：第三代 ES8 上市 12 个月销量突破 15 万台，ES9 上市 4 个月累计交付突破 3 万台。

现在，换电这件事又有了新进展。

9 月 28 日，在中秋假期后的第一个工作日，蔚来的能源业务迎来了一个重要的合作伙伴。吉利控股将以旗下易易互联 100% 的股权，加上 6.4 亿元现金，入股蔚来能源。交易完成后，吉利控股持有蔚来能源 30% 的股权；易易互联的营运车辆换电业务并入蔚来能源；双方共建统一的 C 端换电技术和标准，吉利将开发面向 C 端的换电车型。另外在充电领域，蔚来也反向入股了吉利旗下的浩瀚能源，持股 10%。

「换电」正在从蔚来过去卖车的「卖点」，走向一门独立的生意。

比钱更重要的，是「规模」

6.4 亿元，对蔚来并不算一笔「大钱」。

截至今年二季度末，蔚来集团的现金储备是 567 亿元，这笔钱大约只占 1%。而且，蔚来已经连续几个季度实现了正向经营现金流。蔚来现阶段最缺的，显然不是现金。

所以，这并不是一次单纯的「找钱」和「融资」。

合作发布会签约现场 | 图片来源：蔚来

本质上，换电是一门非常讲究规模效应的生意。换电站建好的那一刻，土地、设备、电池、运维等成本就基本确定了。运营能否赚钱，主要取决于每天的服务量。

蔚来创始人李斌很喜欢用「云服务」来类比换电这门在汽车领域相对比较新的生意。云服务的逻辑是：前期必须投入重资产部署服务器，后期租户越多，前期投入的服务器成本才能被摊薄，直至打平甚至盈利。

换电站的账也是这么算的。蔚来高层此前曾经透露，第四代换电站单站每天约 40-50 次换电，就能基本实现盈亏平衡；在长三角等核心用户区域，已经有换电站达到了这个水平。

要让更多车开进换电站，核心思路有两条：一条是自己多卖车，这是蔚来过去几年一直在做的；另一条就是争取早日让换电从「非共识」变成「共识」，让其他品牌的车早日复用蔚来的换电体系。

易易互联过去的主业，就是给出租车、网约车这类 B 端营运车辆换电。截至去年 4 月，它运营的换电站超过 470 座。

而营运车的换电频次一般要比私家车更高：早在 2023 年，易易互联 300 多座站的日均换电量就超过了 2 万次，平均每座站每天六七十次，已经高过蔚来 40-50 次的那条平衡线。当然，营运车的换电站和电池规格与蔚来不同，两者的成本结构不能简单类比，但方向是清楚的。

更大的想象空间在后面。吉利控股集团 CEO 安聪慧表示，吉利旗下曹操出行的车队，以后全部会用上蔚来能源的换电；吉利正在开发的 Robotaxi，也会全面使用换电技术。

曹操出行目前有超过 4.2 万辆定制车在跑；Robotaxi 还在早期，140 辆在测试运营，但它给出的目标是 2030 年累计投放 10 万辆。

某种程度上，换电一种非常「Robotaxi 友好」的补能模式：车上没有司机，就没人插枪，这类车的补能天然需要自动化，而换电本身就是自动的。

蔚来集团总裁秦力洪则把营运车辆称作换电网络「可以进行特别快速规模化扩张的一个非常好的一个场景」。营运车集中在城市里跑，一天要补好几次能。按蔚来的测算，依托换电网络，一辆营运车一天最多能省下 90 分钟，折算下来营收有望提高 15% 到 20%。

对换电站来说，最稀缺的资源是每天都会开进来的车。这一点，高频跑动的营运车队恰好能提供。

需要说明的是，至少在短期内，吉利的营运车还开不进蔚来的换电站——李斌坦承，交割后蔚来能源要同时运营 C 端和 B 端「两张网络」。所以规模效应首先出现在站点背后：研发、供应链、制造、运维，这些原本两家各做一套的环节，现在可以放在一起做。

从「配置」到「生意」

蔚来能源目前有 4126 座换电站。和吉利合作之后，双方在公告中表示，目标是到 2030 年累计建成 1 万座换电站。这意味着未来四年还要再建将近 6000 座。

如果顺利完成，届时蔚来能源一家的换电站数量，就将达到全国加油站的 1/3 左右。

李斌说：有了吉利，这个目标「完成的更加有信心，需求也多了不少」。

公告里关于 C 端车型合作的部分，写得要简略得多。只有一句「吉利控股集团将开发面向 C 端的换电车型」，公告和现场都没有给出车型和时间表。C 端的故事，还要等吉利第一台换电车真正上路。

对蔚来的老车主来说，更直接的担心可能是营运车并进来以后会不会挤占服务。秦力洪在现场特意请蔚来车主「不要担心」，他的逻辑是站越多、网越密，体验会更好。

这个逻辑很好理解：同样是每座站服务 100 辆车，一座站配 100 辆车的网络，和 100 座站配 1 万辆车的网络，用户体验完全不同。前者只有一个补能点，离得远就只能绕路；后者的站点密度高得多，用户离最近的站更近，遇到排队也可以调度去旁边的站。车多了，才撑得起更多的站；站密了，每个人的体验才会更好。

规划越大，钱的问题就越绕不开。按五代站单站约 140 万元的成本粗算，新增 6000 座站仅设备投入就要 80 多亿元，远不是 6.4 亿能覆盖的。钱从哪里来，恰恰是这次交易改变的地方。

蔚来第五代换电站，兼容旗下 3 个品牌的所有车型 | 图片来源：蔚来

过去，换电站的钱主要靠蔚来一家出：蔚来出钱建站，换电则作为新车的卖点。现在，负责换电业务的蔚来能源有了 160 亿元的独立估值，和一个产业股东。

公告里还预留了一个细节：吉利可以在交割后两年内、或者蔚来能源启动新一轮融资之前，再追加 6.4 亿元，把持股提到 34%。「新一轮融资」这几个字说明，两家都默认蔚来能源会作为一家独立公司继续找钱。

本次交易完成后，蔚来仍然持有蔚来能源 63.6% 的股份，保持控股；吉利持有 30%，武汉光创持有 6.4%。一家由车企控股、另一家车企参股、有独立估值的换电公司——它越来越不像蔚来的一个售后部门，更像一家需要自己算账、自己找客户的公司。

换电在卖车的故事里退了场，却在一门独立生意的故事里重新登场。

当然，这门生意离跑通还有距离。能做到日均 40-50 次换电的，目前还只是核心区域的部分站点。所以更准确的说法是：蔚来希望换电成为一门独立的生意，而这次吉利的加入，让这个希望多了一些把握。

李斌在群访里提到，前几年中国车企各自验证各自的技术路线，现在需要「收敛」，减少重复投资。他也不避讳两家之间的竞争仍然客观存在，但补能这件事，是「特别容易算清楚这个账」的领域，他希望这次合作成为一个「面向行业的开放平台」。

过去几年，补能网络更像是各家车企各修各的路，修路的钱算在卖车的成本里。

现在，至少在换电这条路上，有人开始一起修路、各自跑车了。

Jev 这个新模型，它不生成文本，不跟你聊天，甚至不写代码。你给它一段数据和一组结构化问题，它返回类型化的答案和校准过的概率值。TypeSafe AI 管它叫「System One 模型」，一种全新的模型类别。9 月 15 日发布早期访问版本的同时，公司宣布获得 DCVC 领投的 4000 万美元种子轮融资，估值 2 亿美元。

开发者社区很快炸开了锅。TypeSafe 公布的数据显示，在分类任务上 Jev 比 GPT 系列快约 193 倍、便宜约 445 倍。Vercel CEO Guillermo Rauch 测试后说，在 p95 延迟上 Jev 比 GPT Luna 快 18 倍，而且更准。LangChain 第一时间写了集成指南。

但真正让 Jev 值得关注的，不是这些数字，而是它背后的人和他的判断。

Jev 的创造者 Diogo Almeida 曾在 OpenAI 工作近四年，是 GPT-4、ChatGPT 以及 RLHF/InstructGPT 的合著者。 他所在的团队基本上发明了「后训练」这个概念。换句话说，今天几乎所有大语言模型背后的核心训练范式，都有他的手笔。

而在 Jev 发布前六周，Almeida 在 AI Engineer 大会上做了一场 18 分钟的演讲，标题叫「What's Next After RLHF?」。

他在台上说，自己是 OpenAI 内部少数公开「黑」ChatGPT 的人；他认为 ChatGPT 和 Claude Code 属于同一个时代；他相信整个行业终将把 RLHF 时代视为一段「奇怪的弯路」。

一个技术范式的缔造者，亲手给自己创造的时代写悼词，这种事不常发生。

以下是演讲中的一些核心观点：

• 「下一个时代不是 Claude Code 时代。ChatGPT 和 Claude Code 属于同一个时代。」
• 「为什么所有 LLM 都需要人类在回路中？因为我们就是把人类放进了回路里。」
• 「无论模型有多错，它都会看起来是对的。」
• 「我们只是在自动化『写软件』这件事，但软件本身的表达力并没有变。」
• 「原始的 Scaling Law 是错的。」

以下是这场演讲的精编转录文字：

01

「黑 ChatGPT 的人」

我叫 Diogo Almeida，今天讲的主题是「RLHF 之后是什么」。更准确地说，应该叫「我们所处的 ChatGPT 时代之后是什么」。

先给你们一个提示：下一个时代不是 Claude Code 时代。我后面会解释，但我认为 ChatGPT 和 Claude Code 属于同一个时代。

看看到底是谁在黑 ChatGPT｜图片来源：Youtube

为什么你们该听我说？我是 OpenAI 基本所有重磅论文的合著者，包括 GPT-4、ChatGPT、RLHF/InstructGPT。我所在的团队基本上发明了「后训练」这个概念。所以这些东西我确实很熟。但真正让我有点特别的是，我大概是 OpenAI 内部少数公开黑 ChatGPT 的人。

别误会，我不是讨厌 ChatGPT 这个产品。ChatGPT 是一个改变世界的产品，大概会一直存在下去。但我也看到了它的局限性。我认为今天 AI 领域发生的很多事情，可以追溯到我们当初做 ChatGPT 背后算法时的一些小决策。

02

AI 领域现在到底怎么了

我觉得对所有做 AI 的人来说，现在最关键的问题是：到底发生了什么？

观点的光谱上有两个极端阵营。

阵营一认为，AI 不仅进展顺利，而且好得不可思议。每个 benchmark 都在碾压人类水平，而且还在加速。所有 NLP 基准测试都在被碾碎，LLM 自主运行的时间据说在指数增长。

对当下 AI 持有对立观点的两个阵营｜图片来源：YouTube

阵营二认为，AI 不仅进展不顺，而且烂得不可思议。AI 是泡沫，基本没创造价值，就是一堆循环融资。如果 AI 真的这么牛，为什么一切最后都只是个聊天应用？很多人已经放弃了「颠覆性 AI 革命」这种说法，开始降级成「像 B2B SaaS 那样有很大价值」。

两个阵营都有真实的证据，都有聪明人在里面。唯一的共识是：大家都觉得 AI 现在很疯狂，但原因完全不 同。

我想回答的问题是：对 AI 的「正常」看法应该是什么？

把两边的证据都摊开，什么是最简单的解释，能说明为什么有些事好得不真实，有些事不仅差，而且差到我们还得雇人去做一些看起来很蠢的任务？

注意看，右边那些 AI 做不好的任务，看上去比左边那些要简单得多。我们能解未解的数学难题，但客服还需要人来做决策？我觉得这种状况相当疯狂，而任何做 AI 相关工作的人都应该对此有一个解释。

03

Assistance vs. Automation

我的答案是这样的。

左边那些 AI 做得好的任务，不是碰巧有人类在回路中。这些任务的目标就是取悦回路中的人类。 它们本质上就是 human-in-the-loop 任务。Claude Code 的目标不是让代码跑起来，否则它对话的方式会完全不同。它的目标是让人类满意。

而右边那些看起来更基础的任务，目标是去掉人类。理想状态是跑在后台服务器上，你永远不用看它，最终变成你完全不操心的遗留软件。

这就是 assistance 和 automation 的分界线。

对于 AI 看法本质是对于 AI 功能的不同｜图片来源：YouTube

第一课：今天的 AI，所有从 RLHF 继承下来的东西，在 human-in-the-loop 的事情上不可思议，但做不了 automation。

每个企业都学到的教训是，不要让 AI 做对你业务有风险的决策。 普遍的做法是把所有成本推给用户，比如在客服里让用户面对无穷无尽的文档页面，但绝不让 AI 做昂贵的决定。这种模式很糟糕，但这就是 AI 的现状。

04

RLHF 的问题

RLHF 是 ChatGPT 背后的算法，但其实是今天几乎所有 LLM 背后的算法。就使用量而言，大概 100% 的 LLM 都用 RLHF 训练。

它的本质就是两步：收集人类偏好，优化人类偏好。

这就很清楚地回答了行业里每个人都在问的一个问题：为什么所有 LLM 都需要人类在回路中？

简单的回答是，我们就是把人类放进了回路里。这个回路的目标是优化人类偏好，不是让软件自主运行。这其实超级明显。

正因为如此，过度承诺是一个 feature，不是 bug。这是 by design 的。

有一项早期的 meta 研究表明，RLHF 模型在人类偏好和实际结果之间永远存在很大差距，即使结果本身不错。因为你优化的主要目标就是人类偏好。

我特别喜欢一个例子：有人给 ChatGPT 发了一段放屁音效的音频文件，问「你觉得我做的音乐怎么样，给个真实反馈」。ChatGPT 一本正经地回答说这是「一首非常诡异的氛围感作品」。

这就是 RLHF 的工作方式。当模型不确定时，它会选择讨好人类偏好。如果你是回路中的用户，这很合理，因为所有 RLHF 模型的终局都是优化 engagement。但如果你想要的是 automation，你真正需要的是让它完全不在乎人类，以校准的方式正确执行任务。

第二课：今天的 AI 被设计来做 assistance，通过优化人类偏好。这就写在名字里，不是什么有争议的观点。

有争议的是后果：无论模型有多错，它都会看起来是对的。 因为 RLHF 奖励模型中存在不对称性。这也是行业困局的根源，因为大家真的很想让 automation 发生。

05

Claude Code 为什么不是下一个时代

回到最开始的问题：RLHF 之后是什么？真正的问题应该是，AI 的 assistance 时代之后是什么。

回到开头的提示，为什么不是 Claude Code？因为 Claude Code 仍然是 assistance 时代的一部分，Claude Code 仍然是 RLHF 的。 如果它是纯 RLVR 的，看起来会非常不同。

这就是为什么你会遇到这种困境：模型在 agentic 方面变得非常强，但它会偏离你真正想要的东西。RLHF 和 RLVR 这两个优化方向一直在来回拉扯，但两者都不触及 automation 的核心。

所以，assistance 之后的逻辑答案是什么？真正的 automation。

06

我们要「更聪明的软件」

我是一个热爱软件的人，我相信在座各位也是。软件超级有价值，看看所有的 SaaS 公司就知道了。但最疯狂的一点是，所有的 SaaS 自 2019 年以来基本没变过。

在 LLM 时代，SaaS 唯一的变化就是有时候会贴一个聊天机器人上去。

如果你想到 AI 取得了多大进步，这很荒谬。但如果你想到 AI 本质上是 assistance-native 的，这完全可以预测。AI 是为 assistance 设计的，那你能在 SaaS 里做什么？加一个助手呗。

这不是早期 AI 先驱们预期会发生的事。看看 OpenAI 早期章程的措辞，说的是要做「大量的工作」，而不是赚钱什么的。我们曾经以为软件会变得更聪明，而不只是写起来更便宜。

Garry Tan 说过「我们正在进入 just-in-time software 的黄金时代」，我觉得他是当作赞美说的。但我认为这是一把双刃剑。我不只是想要 just-in-time software，虽然那确实很酷。我想要的是更聪明的软件。 为什么 B2B 软件的基本构建块还跟以前一样？

每次你想到 automation，不是说要自动化一个人的全部工作。而是说，有一些极其机械的工作，简单到你可以告诉别人该怎么做，理想情况下可以几乎免费地反复执行。这些本该由计算机来做。但现在并没有发生。我们只是在自动化「写软件」这件事，但软件本身的表达力并没有变。 在我看来这是这个世界的悲剧。

07

下一个时代和 TypeSafe 在做什么

第三课：我坚信，整个行业终将把 RLHF 时代视为一段奇怪的弯路，一段我们没有预料到的弯路。 未来的 AI 将服务于 automation。我们终将拥有更聪明的软件，真正的工作会被自动化掉。而现在，尽管 LLM 很聪明，真正被自动化的工作还只是一个四舍五入的零。

这就是我们在 TypeSafe 做的事情。我们的核心问题是：如果 AI 技术栈从头为可靠性和 automation 而设计，一切会怎么变？

我们很快就会发布。如果你有兴趣第一批构建真正智能的软件，请关注我们的邮件列表或招聘页面。我也在试着运营一个 Twitter 账号，会发一些很辣的观点。

给你们一个预告：原始的 Scaling Law 是错的。

08

现场 Q&A 精选

Q：如果在预训练阶段加入分类器头会怎样？类似 Yoshua Bengio 建议的那样。

A：我其实不认为预训练是问题所在。预训练是了不起的成就——把互联网的知识压缩成一个智能的核心，然后被利用起来。预训练模型确实极其聪明。我认为问题在于我们如何挖掘这些智能。

幻觉在我看来是优化人类偏好的固有产物。奖励模型中存在一种类似 GAN 的不对称性，它鼓励模型丢弃模式、表现得很自信，因为奖励模型很容易发现模型不自信并惩罚它。这个话题很复杂，但简单说就是这样。

Q：你们做的是 RLVR 吗？

A：绝对不是 RLVR。这是一种全新的东西。LLM 后训练的每一个分支都有自己优化的北极星。RLHF 优化的是人类偏好，RLVR 优化的是纯正确性的对数错误率，而我们在做第三件事：优化校准的决策能力，把预训练模型的智能直接灌注到真正有用的软件中。 甚至 API 的形态都不同，我们是从头设计的。就像在我们做指令遵循之前没人想过这件事一样，真正新的后训练范式刚出现时看起来完全陌生，事后看又极其显而易见。

Q：你对 Sutton 的 Bitter Lesson 怎么看？

A：Bitter Lesson 说的是算法比计算更重要，这在游戏里成立，但在现实中不成立。我认为完整的层次是：数据比算力重要，做对的任务比数据重要得多。

*头图来源：TypeSafe

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

当天，OpenAI 的 AI 智能体擅自访问美国政府网站的事被曝光，涉及教育部、商务部和证券交易委员会，OpenAI 确认了其中商务部和 SEC 的情况。

同一天，它承认有 53 张用户上传到 ChatGPT 的图片被智能体发布到了外部图床上。还是这一天，一份事故报告的末尾写着，最强模型的全部训练、评估以及涉及工具调用的推理都已暂停。

这一切听上去，像一部 AI 叛逃的惊悚片。

但翻遍这些事件，没有一个 AI 想干坏事。害 OpenAI 暂停模型研究的任务，仅仅是让 AI 查出一篇博客的作者的简单任务。

01

简单任务

9 月 20 日，一个正处于强化学习训练中的内部模型，拿到了一组人物履历细节和一篇公开博客里的线索，任务是找到那位博主。

它先用博客里的特征短语去搜，结果返回的是音乐和一些不相干的泛泛建议。模型开始怀疑搜索工具坏了，于是在命令行里用 Python 直接向其他搜索引擎发请求，三个全部报错。它甚至猜测这道题出自公开评测集 BrowseComp，把数据集和评测脚本下载下来翻找答案，也落了空。

接着，它尝试通过 HTTPS 直接联系一个公开的聊天机器人，被代理拦了下来。

到这里，墙起了作用。OpenAI 的训练沙箱被设计成与真实互联网隔绝，除了这份报告里的 DNS 解析器，所有联网请求打到的都是一份离线网页缓存。

问题就出在这个例外上。

DNS 相当于互联网的查号台，任何程序访问一个网址之前，都要先问它「这个地址在哪」。系统里大量正常组件都依赖它，所以哪怕其他出口全部封死，查号台通常还开着。

模型发现，沙箱自己的解析器能为真实域名返回记录，还能正确拒绝编造的域名，它由此判断这是一条通向公网的路。它找到一种公开的 DNS 服务，把自己的问题编进「要查的号码」里，对方在回执里把答案捎回来。第一次超时了，它把等待时间从 6 秒调到 19 秒，重试。

这一次，外面的聊天机器人回答了它的测试问题，法国的首都是巴黎。

智能体借 DNS 绕出训练沙箱的路径示意，据 OpenAI 事故报告绘制｜图片来源：极客公园

它没有止步于打通一条缝。它随后又通过同一条路发出 18 个问题，其中 14 个带着任务线索，另外 4 个在打听如何经由 DNS 搜索网页、抓取网站，或者哪里有公开的 DNS 隧道服务。

最后，它告诉用户没能确认博主身份，请对方提供原文、标题或博客名。

02

捡钥匙

整份报告里，最值得反复读的是模型在决定走 DNS 这条路时留下的一句思维链。大意是，用户只授权了做研究，那么使用公开提供的 DNS 服务是可以接受的。

模型并非不知道边界在哪，它是给自己签了一张许可证。

同样的推理结构，出现在「访问」政府网站那批事件里。在商务部，智能体从公开代码仓库里找到登录凭证，用它拉取了人口普查局的数据。OpenAI 对此的说法是，使用的是公开可得的开发者密钥，没有发现凭证滥用，但它也承认智能体本不该使用这些凭证。

数据是公开的，不等于捡到别人的钥匙就可以开门。

另外两起性质更轻。在 SEC，模型访问的是 SEC.gov 和 Investor.gov 上的公开信息，问题在于它把这些材料转贴到了另一个网站。在教育部，AI 研究机构 Transluce 发现，疑似来自 OpenAI 的智能体对民权办公室网站做了一次粗糙的入侵尝试，没有成功。

这些事并不新。相关活动至少能追溯到 2026 年 3 月，是在 OpenAI 回溯审查中才陆续浮出水面的。Transluce 还发现了一些无法明确归因于 OpenAI 的越界活动，指向司法部以及加州、马里兰、伊利诺伊、得州和纽约州的政府网站。

OpenAI 的解释是，大部分活动都是例行研究任务，政府网站被模型视为权威的公开信息来源。

这个解释本身，恰恰说明了问题所在。越界并没有出现在什么危险任务里，而是出现在最日常的「查资料」中。

暴露用户 53 张图片的事同样如此。这些图片来自没有关闭训练数据授权的 ChatGPT 用户，被发到了图床上不公开列出的链接里，大部分已删除，仍有一部分挂在网上。更尴尬的是，OpenAI 表示，由于其技术方案和隐私政策，它无法把图片重新对应到原始用户，也就没法通知他们。

匿名化本来是为了保护用户，出了事之后，它成了连通知用户都做不到的原因。

03

漫长的夏天

把时间线拉长，这是 OpenAI 一场持续了整个夏天的补墙工程。

7 月 21 日，OpenAI 披露其模型组合自主入侵了 Hugging Face 的数据处理系统，并称这是已知首例由 AI 智能体自主实施的网络攻击。此后，OpenAI 把训练环境的联网改成离线缓存。9 月 20 日的 DNS 事件，是这轮安全加固之后的第一次事故，OpenAI 自己评估其严重程度远低于此前几起。

这也不是一家公司的问题。9 月 18 日，Google 披露 Gemini 在一次测试中未经授权访问了三个外部系统，原因是它以为那些系统是测试的一部分。

墙本身之外，这次还暴露了盯着墙的人的问题。从智能体拿到外部回复，到监控系统拉响最高级别警报，用了不到 12 分钟，人工审核员 3 分钟后就做出了响应，但这次训练直到两个半小时后才被手动终止，原因是运行没有按预期自动停止，大家一时搞不清到底该不该停。

更隐蔽的漏洞在监控逻辑里。回溯时 OpenAI 发现，另一些外联 DNS 请求没有被标到应有的严重级别，因为监控系统有时把「没拿到有用信息」当成了「联网尝试失败」。

用结果去判断意图，是这套监控最根本的错误。一个试了一百次、失败九十九次的模型，并不比只试一次就成功的模型更安全。

这一次，OpenAI 付出了真金白银的代价。最强模型的相关工作会一直暂停到漏洞被确认修复、并完成额外红队测试为止，而且即便奖励信号已经对这类行为做了正确惩罚，这个模型也不会再继续训练。

04

没有「简单问题」

对大多数人来说，OpenAI 的训练沙箱很遥远。但这几起事件真正指向的，是一个离每个人都很近的问题，你交给 AI 的那句话，到底授权了多少。

越来越多人把邮箱、网盘、代码仓库和 API 密钥交给各种智能体，然后说一句「帮我查一下」「帮我处理一下」。在 OpenAI 的实验室里，这句话之外还有监控系统、红队、值班的审核员。而在个人电脑和手机上，通常只有这句话本身。

对开发者来说还有一层更直接的风险。过去推到 GitHub 上的密钥，要等专门的扫描工具来捡；现在，任何一个在执行普通任务的智能体，都可能把它当成「公开可用的资源」顺手用掉。

当然，没有必要把这些读成末日预言。那个查博主的模型最终没有找到答案，它从外面拿回的，只是一句「巴黎」。

危险不在它拿到了什么，而在它愿意走多远。

过去几年，AI 安全讨论最多的，是一个怀有坏目标的 AI 会做什么。OpenAI 这个夏天的一连串事故给出了一个更现实的版本：

一个只想好好完成任务的 AI，会为了交差说服自己做到哪一步。

当一家 AI 公司都需要停下最强的模型，来重新检查围墙时，你再问 AI 助手那句「帮我查一下」时，会不会有别样的感觉？

*头图来源：POLITICO

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

炎热的美国茂宜岛，早上不到 8 点，会场里已经聚集了来自全球的媒体、开发者、合作伙伴和产业人士。让大家等待的并不只是又一代手机芯片，而是在寻找一个更大的答案——随着 AI 从手机里的一项功能，演进为能够跨终端理解意图、保存情境并代表用户采取行动的智能体，CPU、GPU、NPU、内存和连接将如何被重新组织，手机、PC、耳机、眼镜等终端之间的关系将如何改变？

过去，AI 是高通技术路线图中的一条能力线；如今，AI 正在成为重新定义整张路线图的中心。

这也是今年骁龙峰会释放出的更大信号：高通正在向覆盖终端、边缘和数据中心的智能体 AI 全栈解决方案公司加速演进。下一代 AI 手机只是这个故事最先被看见的入口。

等待在峰会门口前最早的一批观众 | 来源：极客公园

安蒙认为，在新一代手机上，意图应该是需要给用户带来最大感知变化的地方。这其中，交互方式的改变和智能体执行能力是需要提供给用户的新价值。

这对芯片提出了高能效、全天候续航等新需求。「最早的骁龙 8 系平台要回答的是，能不能让手机以 1GHz 甚至更高的主频运行高级操作系统，同时撑满一天续航。今天也是类似的挑战，只是换成了一个持续运行的智能体。」安蒙笑谈道。

过去，AI 是芯片路线图中的一项能力；现在，AI 正在成为定义整张路线图的起点。CPU、GPU、NPU、内存、连接乃至设备形态，都开始围绕智能体的工作方式重新设计。

过去，CPU、GPU、NPU 更像是一颗芯片里的不同功能模块；现在，全新推出的第六代骁龙 8 超级至尊版围绕着智能体的完整工作流重新分工。CPU 正如智能体的「规划器」，主频在行业内首次突破 5GHz；NPU 则通过扩大与计算单元紧密耦合的本地内存，减少对外部 DDR 的频繁访问，并支持最高 300 亿参数的 MoE 模型在终端侧运行。更关键的是，高通首次在旗舰线同时推出第六代骁龙 8 超级至尊版和第六代骁龙 8 至尊版，这两款旗舰移动平台。

智能体时代的芯片竞争，不再只是比谁的单项算力更高，而是比谁能以更低功耗，把感知、推理、规划和执行组织成一套持续运行的系统。

此外，安蒙还预告在数据中心领域已经亮相过的 HBC（High-Bandwidth Compute，高带宽计算）将以协处理器的形式进入骁龙平台，把内存和 AI 计算拉得更近，让下一代 AI 手机拥有更强大的响应速度、能效和性能，更多细节将在 MWC 巴塞罗那 2027 上正式发布。

极客公园在今年骁龙峰会现场感受到的最大变化是，过去以「设备」为核心时，高通要做的，是让自己的技术进入更多设备——手机、PC、汽车、可穿戴设备、IoT，不断扩大自己的生态矩阵。但当「智能体」成为新的中心之后，逻辑开始倒过来了。

高通真正想提高的，是一种在场感——不只是某一类终端中的芯片渗透率，而是成为个人智能体跨终端运行时稳定、持续的计算与连接底座。

智能体可以运行在搭载骁龙平台的多样化设备上 | 来源：高通

体验从 App 转向意图，AI 系统需重构

「过去二十年，智能手机体验几乎一直围绕着应用来展开。但在智能体时代，体验的起点不再是应用，而是意图。如今智能体 AI 不仅能够执行用户的指令，还将更多地转向帮助用户完成任务」安蒙提及，当 AI 进入影像领域，手机里的 AI 功能，让用户在弱光环境拍摄更清晰的照片。这是用户发起交互，设备做出响应。而现在，AI 已经改变了影像的方式，智能体甚至开始替人们提供拍照姿势指导，并带来更多主动智能。

从此，设备将拥有两个服务对象：用户，和用户的智能体。用户的智能体将会有一个完全不同的工作流，高通需要思考的问题从如何为用户体验设计 AI 引擎，变成了如何设计同时服务两个用户的计算架构，并且给计算单元重新分工。

智能体时代，移动平台的重构 | 来源：极客公园

这次骁龙峰会，高通首次推出双旗舰：第六代骁龙 8 至尊版面向更广泛的旗舰设备，而超级至尊版则进一步面向极致性能和复杂 AI 工作负载，两款平台均进入 2nm 制程时代。

双旗舰的真正分野，不只是性能档位，而是 AI 创新的两种任务：一端负责探索技术上限，另一端负责把同代创新推向更大的旗舰市场。

两款处理器都采用全新的 Qualcomm Oryon CPU，2 个 超大核最高 5GHz、6 个性能核心最高 4GHz，超级至尊版相较上一代 CPU 性能提升 13%，能效提升 37%。同时，两款芯片两者采用相同的 CPU 架构、实现方式和频率。通过引入全新缓存架构 FlexCache，让 CPU 也能共享缓存资源，让智能体在运行高负载任务的同时，不会降低响应速度。

超级至尊版的 Adreno GPU 相比上一代性能提升 44%、能效提升 40%，并首次加入专为 AI 打造的 Adreno Matrix Cores，以及 Adreno Neural Fusion。有了 Adreno Neural Fusion，AI 计算进一步融入图形管线，可以支持超分辨率、帧生成和图像重建。

第六代骁龙 8 超级至尊版 Adreno GPU 提升 | 来源：极客公园

Hexagon NPU 可支持超过 300 亿参数的 MoE（混合专家）模型，在相比上一代性能提升 35%，每瓦特性提升 33%，同时加入专门面向 Transformer 工作负载的 Element Accelerator。更重要的是，高通将 Hexagon 的共享内存扩大 50%，让上下文 和 KV-cache 更多地留在 NPU 内部，从而减少访问 DDR 的次数、降低延迟，释放内存带宽，更快速地输出推理结果。

当面向更长的上下文、更复杂的推理、更多的工具调用以及多个任务的并发执行，内存的重要性被重新推到了台前。超级至尊版的 Adreno 切片架构搭配 18MB 独立高速显存（HPM），实现了 12% 的功耗降低。

甚至连传感器中枢也被重新设计，搭载两个 Micro NPU，带来 85% 的性能提升和 20% 的能效提升，传感器中枢本身就支持高达 2 亿参数的模型。

全新的骁龙双旗舰并非简单复制一套高低配逻辑，而是把「前沿能力探索」与「高端体验规模化」放进同一代产品组合：超级至尊版负责推高智能体 AI、游戏和影像的能力上限，至尊版则让更多旗舰终端获得同代核心架构与 AI 创新。

从「设备拥有 AI」到「智能体调度设备」

过去高通从设备出发思考 AI。手机有影像功能，就让 AI 把手机的图片处理能力发挥得更好；PC 有更强的计算能力，就让 AI 帮助用户提升生产效率。

但现在，高通开始从个人智能体的角度出发，来思考不同设备形态会在下一个节点上为个人智能体提供什么服务，这些服务需要什么样的能力？

以手机为例，手机仍然是个人 AI 体系里的核心节点，但是今年的旗舰手机竞争的底层问题已经发生了变化。小米 18 Pro 首发第六代骁龙 8 至尊版， NPU 在部分模型上的预填充性能提升最高 80%；同时在系统层面搭载澎湃 OS 4 和超级小爱 2.0；小米官方已经将 AI 能力从单纯的问答，推进到任务编排、跨应用执行和跨设备协同。手机厂商开始关注的问题，也从我如何通过这款处理器增加我的产品力，变成了我的这部手机能够让智能体替用户完成什么。

而在众多 AI 设备中，PC 正在成为智能体的生产力节点。

这两年发布的搭载骁龙 X2 系列的 PC 可谓是「智能体 PC」，骁龙 X2 Elite AI 性能达到 85 TOPS，PC 开始具备了让智能体长时间在本地运行的条件。

而今年更有意思的变化是，PC 厂商甚至开始重新寻找自己在 个人 AI 体系中的位置。

谷歌推出 Googlebook，把 Gemini Intelligence、Android 生态和 PC 结合起来，强调 PC 与 Android 手机之间的跨设备体验；

微软则继续强化 Surface 的本地 AI 能力。峰会期间展示的 Surface Pro 12 英寸和 Surface Laptop 13 英寸都搭载了 Snapdragon X2 Plus，本地 AI 推理速度较上一代提升 80%，续航时间超过 15 小时。

微软展示今年的 Surface PC | 来源：极客公园

与此同时，一些原本并不属于传统 PC 阵营的玩家，也开始尝试重新定义「电脑」是什么。Qwen Book 直接将自己定义为「智能体电脑」，采用平板+键盘的形态，并围绕 AI 入口、Skill 等机制重新设计人与电脑之间的交互方式。

当 AI 拥有视觉和声音之后，耳机与眼镜就不再只是外设，而可能成为智能体理解现实世界的感官。今年骁龙峰会，高通重新定义音频平台。

过去，音频芯片解决的核心问题是让耳机听起来更好、连接更稳定、延迟更低、降噪更强。高通将第二代骁龙音频平台至尊版定义为首款面向智能体体验打造、融合高品质音频与语音、终端侧智能和连接能力的音频平台。此外，它进一步引入骁龙畅听应用与智能体，让耳机、耳塞和眼镜可以直接连接 AI 助手、服务和内容。高通正在把平台的边界从「芯片」向「设备与服务之间的连接层」延伸。

第二代骁龙音频平台至尊版的性能提升 | 来源：极客公园

具体而言，第二代骁龙音频平台至尊版与前代平台相比 AI 能力提升高达 2 倍，峰值 AI 算力为 128 GOPS、每周期可执行 256 次 MAC 运算，同时集成超低功耗 Wi-Fi 6E，让耳机、眼镜等设备可以直接连接云端 AI 服务；相比上一代平台，功耗最高降低 40%，平台尺寸最高缩小 30%。

在音频能力提升的情况下，个人 AI 未必一定要长出一个全新的「AI 硬件」物种，也可能通过升级已有设备，逐渐进入人的日常生活。耳机、智能眼镜，以及高通此次提到的 AI Pin 类产品形态，都是这种思路的代表。

像是耳机，过去是一个「播放设备」，但现在可以成为「个人智能体的常驻感知交互的入口」。它不需要用户掏出手机、打开一个 App、输入 Prompt，可以直接通过语音发生交互，提供实时翻译、环境理解、情境辅助、语音交互等能力。

高通还展示了一款与 Cleer 合作的概念设备，一款带摄像头的耳机、高通特别强调，这类带摄像头的音频设备并不只是为了「拍照」，而是可以持续获取用户所处环境的上下文，让智能体知道用户正在看什么、身处什么场景，从而提供更加实时的辅助。

高通与 Cleer 合作的概念设备 | 来源：极客公园

与具备显示和更完整视觉处理能力的智能眼镜相比，带摄像头的音频设备更强调以轻量化方式获取环境上下文。

高通还在峰会上介绍了 AI Pin 这类新的可穿戴设备形态。人只需要表达意图，设备负责直接把智能体召唤出来。

下一代个人计算的核心，可能不再是某一台设备，而是能够跟随用户在不同设备之间持续存在的情境信息与个人智能。无论智能流淌到哪里，它都需要一个计算、连接与感知的底层支撑。

高通与不同生态伙伴打造下一代终端 | 来源：极客公园

高通的更大转向，从设备芯片到智能体基础设施

如果未来的计算不再以设备为中心，而是以「人的智能体」为中心，那么计算的边界也开始重新设定。

未来，人们可能通过眼镜感知现实世界，通过耳机听见环境，通过手机了解信息，在 PC 上处理复杂任务，在汽车里接触更大的地图信息，再把更复杂的推理交给边缘或者云端。

智能体天然需要在不同设备之间流动，也需要根据任务的复杂程度分配计算资源。高通要做的是，将过去几十年积累的能力重新组合。它开始要解决的问题是，如何让智能体在整个计算网络中找到最合适的地方完成任务，并持续运行。

安蒙认为下一代 AI 手机需要的底层能力以及目标功能 | 来源：极客公园

对高通来说，相对好回答的是，极低功耗下完成高性能计算的能力。从手机 SoC 起家，高通长期解决的核心问题之一，就是如何有限的功耗、体积和散热条件下，把越来越多的计算能力塞进移动设备。

目前，新一代传感器中枢搭载双 Micro NPU，可在低功耗状态下持续处理环境声音等传感任务；第二代骁龙音频平台至尊版的 AI 性能翻倍，功耗降低 40%，让耳机可以全天在线。在手机上，超级至尊版的 CPU 和 GPU 能效分别提升 37% 和 40%，又通过创新的 Offset PoP 封装和 2nm 工艺等让持续极限性能提升至两倍。

在智能体时代，连接不再只是传输计算结果的通道，它开始参与决定计算在哪里发生。

全新骁龙移动平台至尊版搭载的高通 FastConnect 8800，首次将 4×4 Wi-Fi 引入移动连接系统，支持 Wi-Fi 8，峰值速率达到 11.6Gbps，同时具备近距离感知 AI 等能力。高通对 Wi-Fi 8 的思考，也不再只是「更快」，而是为连接带来 AI 原生智能，满足当前 AI 需求的现实场景。

FastConnect 8800 等产品赋能彼此连接的智能 | 来源：极客公园

同时，6G 在高通的技术路线中，也被定义为 AI 原生的基础设施。

一方面，设备可以通过更高速的上行，把现实世界中的视觉、声音和环境信息实时送入网络，为智能体提供更完整的上下文；另一方面，计算也不再集中在某个中心节点，而是从终端延伸到边缘、基站、区域数据中心，再到大型数据中心，根据任务和环境动态分配。

安蒙此前也表示，AI 正成为无线数据流量增长的核心驱动力，让 6G 的研发与落地成为行业必然。6G 这一代专为 AI 设计的无线技术，将围绕连接、计算、感知三大基石构建，它将为行业提供 AI 模型演进所需的关键数据处理能力，依托感知基础设施打造前所未有的全新服务，同时推动网络从单纯的连接载体，演进为支撑众多行业发展的核心计算系统。

硬件决定智能体跑得多快，软件决定它能走多远。今年 7 月完成对 Modular 的收购后，高通进一步补齐了面向异构 AI 计算的软件平台能力，希望让开发者能够以更统一的方式，将模型部署到从骁龙（Snapdragon）到跃龙（Dragonwing）、再到飞龙（Dragonfly）的不同计算平台上。

AI 成为技术路线图核心之后，高通要重写自己的边界

从这个角度看，高通正在发生的变化，并不是简单地从一家手机芯片公司变成一家业务更多元的半导体公司，而是试图把过去积累的 AI、计算、连接和高能效重新组合起来，并将这些能力规模化部署到数十亿设备之中。这意味着，高通正在从过去的「提供处理器」，走向「提供智能体运行所需要的计算基础设施」。

从骁龙到跃龙，再到飞龙，高通正在尝试构建的，不是一组彼此分散的产品线，而是一条贯穿个人终端、边缘设备和数据中心的 AI 计算连续体。

高通过去最擅长的，是让连接和计算进入更多设备；而在智能体时代，它需要证明的，是如何让智能在这些设备之间持续流动。

但从更大的芯片产业历史来看，真正决定下一轮格局的，往往并不只是一次性能升级，而是当计算范式发生变化时，谁能率先重新定义自己的能力边界。

这不是高通一家公司需要回答的问题。今天的 ARM 想要从一家 IP 公司走向更广阔的计算世界，英特尔也在寻找 PC 之外的新计算位置。

今天的高通，在端侧上率先给出了自己的答案。从手机、PC 到耳机和眼镜，从低功耗感知、异构计算到连接和 AI 软件栈，高通正在把 AI 从某一颗芯片上的功能，提升为贯穿技术路线图的核心逻辑。它的目标也不再只是提供更快的处理器，而是成为智能体跨越终端、边缘和云端运行时的计算与连接底座。

如果说智能手机时代，高通抓住的是移动计算的入口，那么智能体时代，它希望抓住的，是智能发生的每一个地方。

今天回头来看，电几乎成为了现代社会最重要的基础设施生产力。

但 1882 年，即便是最负盛名的科学家与商人爱迪生，所能想到的事情也不过是在纽约珍珠街建起一个电站，点亮 400 盏电灯。甚至在当时为了推广电灯，还不得不用免费赠送半年电力的方式来吸引用户。

今天的 AI Coding，很可能也只是「电灯」——它已经能替代一部分旧工作，帮人写代码、写报告，但站在 1882 年的电灯下面，人们永远也想象不出后来改变了整个人类社会运行的电气世界，究竟是什么样子。

不过，关于这个故事，其实还有个没讲完的下半段。

此后十多年时间里，电力已经进入工厂，但生产率却并没有立刻起飞。因为早期工厂接入电力时，大部分企业的做法是直接拆掉蒸汽机，换上一台大型电动机。厂房中央的传动轴没有消失，皮带和齿轮也没有消失，动力与组织的生产上限，仍然沿着蒸汽时代留下来的结构传到每一台机器。

直到后来，小型电机可以直接装到不同机器旁边，工厂才逐渐摆脱中央动力轴。机器不用再围着一根轴排列，设备位置、物流、工序乃至厂房结构都可以重新设计，第二次工业革命才正式拉开序幕。

今天的企业也处在类似的情况中。

模型已经进公司了。工程师开始用 AI 写代码，销售用它找客户，HR 用它筛选信息……可审批不会因为模型升级自动缩短，部门边界不会因为 Token 变便宜自己消失。一个岗位突然快了十倍，带给下一个环节的，可能只是无穷无尽的加班与延期。

所以，当天上午主论坛讨论完机器智能之后，下午的云栖大会 AI Native 组织论坛就立刻接棒，将 AI 时代的组织变革作为讨论核心。

这并不是云栖大会上第一次分享相关话题，但却是第一次由阿里 CPO 和 CIO 两条线共同完成的讨论。

过去，业务系统怎么搭建是一类问题，岗位、协作、人才和文化怎么调整是另一类问题；AI 真正落地生产流程以后，两件事已经很难各自解决。

率先上台的阿里巴巴集团首席人才官蒋芳，先分享了一个思考：AI Native 组织到底只是一个被热炒的概念，还是组织必然会走向的方向？

01

AI Native 的组织到底是怎么运作的？

AI native 组织是一个必然的进化方向，但不同企业产生的化学反应并不相同，这已经成为了新的管理共识。

而在过去一年的观察和实践中，蒋芳逐渐总结出了一个规律：通常来说，那些一号位真的理解 AI，而且愿意亲自动手；或者原本的工作已经高度数据化；团队规模比较小；核心团队高度互信，是最容易完成 AI Native 时代组织转型的企业。

但偏偏，阿里本身已经成长为了一个拥有十几万名员工的庞大组织，并且组织内部业务形态差异巨大，协作关系复杂，甚至还有大量决策没有完整进入数据链路。想先在总部画好一套未来组织，再要求十几万人一起完成切换，几乎是天方夜谭。

并且，在真正尝试转型之前，阿里已经先感受到了另一层落差。蒋芳发现，过去一两年时间里，AI 加速下，组织里已经出现了一群超级个体，但是将这些超级个体放在一起，并不会自然得到一个超级组织。

阿里云 CIO 蒋林泉，过去一年在产研团队里，试图解决的正是这种落差。

2024 年底，他的团队已经开始大规模使用 AI Coding 工具，也早在那时，他就发现：AI 生码率越来越高，但实现一个真实需求的 E2E 交付，没能显著变快。

于是，团队把整个研发过程剖析了一遍。

数据显示，开发人员真正用于写代码的时间，大约只有工作耗时的 20%。剩下的大量时间花在需求沟通、设计、测试、Review、上线、运维以及不同角色之间的协作上。即使只看代码，AI 最难处理的涉及老系统兼容、核心逻辑、安全和线上稳定性的核心代码、复杂代码，占比也只有 30%（甚至更少），而这部分任务仍然压在经验最丰富的人身上，并占据他们 80% 的时间。

有时候甚至还会出现：年轻工程师借助 AI，半天时间迅速产生过去几天才能写完的代码，导致团队里那些能 review 代码的骨干，被翻倍的平庸代码「DDoS」，效率被卡住。如果 AI 只提升吞吐，对 E2E 的时间消耗甚至会产生负价值，而缺少价值与质量约束的代码越多，存量系统负担越重。

这也是软件工程经典著作《人月神话》里讨论过一个著名问题：一个延期的软件项目，如果继续加人，往往不会因此变快。新人需要理解上下文，老人要重新拆任务、解释和带人，团队规模越大，沟通链路也会迅速增加。

但到了 AI 时代，其中两个条件开始变化。

第一，给一个工程师增加几个 Agent，不会同时增加几条人际协作关系，单节点效率提升之外，还会减少组织中的沟通节点。

第二，AI 也在大幅降低一个人学习相邻技能的门槛。通常来说，一个岗位要跨到另一个专业，需要很长时间的训练，现在学习成本可以下降到原先的 10%，甚至 1%，这直接改变了产研组织原来的分工方式。

过去，产品、设计、前端、后端、测试、运维、架构之所以被拆成不同岗位，很大程度上是因为专业技能稀缺，一个人很难同时掌握多项能力。

但是借助 AI，个体的能力边界拓宽可以直接带来组织分工的重构。

蒋林泉团队最先变动的是测试和运维。过去研发不愿意花大量时间补测试，一个现实原因就是投入高；AI Coding 出现以后，检查覆盖度、补 Case、生成日志和观测代码都快了很多，而研发又掌握最完整的业务上下文。于是，一部分原本放在后面的测试和运维职责，被重新收到研发环节。

需求阶段也发生了类似变化。过去产品经理先写 PRD，再交给设计和研发理解。问题在于，一份文档很难保证几个人脑中的产品完全一致。现在产品、设计甚至客户自己都可以先做出 Demo，一旦需求理解出现偏差，当场就能暴露。很多过去要等到开发后期才发现的返工，被提到了最左端。

于是，产品经理、设计和前端合并成 PDFE 岗，从用户意图一直负责到用户界面架构；后端和架构也合并成 ABE 岗，从数据结构一直负责到系统稳定性；两边用 API 契约完成衔接。这被称为 Half-Stack 的人才新结构，让整体的交互链路大幅提效。

由此蒋林泉发现，现在的组织结构已经不再是以技能为中心，因为 AI 让大家做成一件事变得简单，技能已经大幅通胀。对应发生的是品味的通缩，这对团队来说是定义问题的能力——他鼓励团队在文化上「左移」，走到客户那里去找价值和答案。

但随之而来的一个新问题是：CIO 的产研组织可以这样实践，但一个大组织架构真的可以按照这个模式大刀阔斧地直接变革吗？

02

大组织没有办法齐步走，

那就让一部分人先成为「特区」

在蒋芳分享中，她讲到一个故事。

今年有业务团队去硅谷学习，其中一个产品一号位起初并不想去。他手里正盯着几个关键项目，觉得自己这个阶段离不开，甚至申请过希望留下来。

但从硅谷回来以后，他做的第一件事，反而是把那些过去觉得不盯着就不放心的事情全部交给下属。随后，他从团队里挑了七八个年轻人，跟他们一起研究怎么让 AI 更好地参与工作：什么信息应该交给 AI，什么步骤可以删掉，人应该留在哪些地方。

负责人自己先改变工作方式以后，团队里的其他人才也开始跟着检查原来的流程。

蒋芳因此把「Leader 先下水」列为组织 AI native 转型的第一条。管理者如果没有真正用 AI 完成过一段完整工作，只看下面报上来的使用率、Token 数和 Demo，很难判断哪些动作只是被工具加速了，哪些流程已经到了应该拿掉重做的时候。

但阿里的规模也决定了，变化不可能等所有管理者同时下水。

所以她的经验第二条是「开特区」。

Qoder 团队就是其中一个样本。五个人、七天做出 QoderWork，方案当天讨论、当天决策、当天修改；团队内部能决定的事情，不再向外拉一圈人开会。行业里可能需要几个月验证的想法，他们先在一周里跑完一轮，再根据结果继续迭代优化。

那么如何找到适合被开特区的团队与业务？阿里云智能集团 HR 副总裁袁亦敏的经验是「先找到那些自带裁判的业务。」

比如在阿里云国际团队，电网销渠道就是一个很典型的场景。当团队需要验证一个商业化策略时，可以先从电网销渠道做投放、引流，并激活 upsell。在这个过程中，触达全链路都具备数据闭环，每一轮的 ROI 与转化率都可以按小时级计算和观测。把这个渠道跑通之后，它的经验就可以进一步向整个组织推广。

但更进一步，如何把这种组织转型的特区表现 变 成一种常态？在公共云业务侧，阿里云智能集团 HR 副总裁 包晨星的经验是：想办法让员工主动跨过岗位边界。

今年 2 月，他们启动了一场持续一百天的 AI 创客大赛，要求全员参加，且不要求作品必须和本职工作相关。于是，有人做家庭陪伴机器狗，有 00 后管培生做 AI 视频平台，把自己的照片放进去就能成为短剧主角，还有人做相声生成产品，还把结果发给了著名相声演员。

比赛本身的根本目的在于打破束缚，让人越来越全栈，让岗位的界限越来越模糊。也只有这样，组织中原本那些为了交接而存在的环节与不必要的流程，才能真正被省略。

03

人与 AI 的能力变化之后，

组织的系统也要同步变化

在演讲中，蒋芳反复谈到一个观点是：超级个体的集合并不意味着超级组织的形成。

原因之一就在于，具体到业务中，旧的业务系统本身，其实是按照旧的工作方式设计出来的。

今年通用智能体迅速普及以后，蒋林泉发现 CIO 团队负责的业务系统多了一批 Agent 使用者。

但过去这些系统是给人设计的。人的速度有限，即使某个流程有些绕、不同系统里的数据定义略有差异，人也可以凭经验把事情继续做下去。

Agent 不一样。

它会自己打开浏览器，一次失败马上重试，再失败继续重试。多个 Agent 同时工作以后，调用频率和操作量远远超过人工，一些原来运行正常的业务系统甚至很快被这种使用方式「打爆」。

与此同时，权限和安全问题也出现了：如果 Agent 没有继承背后真实员工的身份和权限，它短时间内完成远超过人工规模的数据操作背后，也意味着更大的安全风险。

因此，从今年二月开始，蒋林泉的团队开始为即将爆发的通用智能体做业务系统开放准备。

但如果只是多开放几个 MCP 并不能解决问题。两个业务系统如果对同一个对象有不同定义，人可以通过沟通理解，但 Agent 自动编排可能会制造混乱。而且，过去没有「线上化」的流程、散落在不同地方的数据、长期依靠员工自己判断的步骤，也都会在机器真正接手任务以后暴露出来。

为此，CIO 团队只能先把流程倒回来重做：回到真实业务，梳理工作流、统一业务概念；把原来藏在人脑中的经验显性化、线上化，再把这些能力做成 Agent 可以调用的 Skill。

完成这样一套底座的重构，从开放后的云业务系统调用数据可以发现：四个月的时间，通用智能体调用量迅速超过了 GUI 交互和原有一方 Agent，通用调用量增长了1000 倍。

与此同时，越来越多业务人员开始自己用自然语言做 Agent，再跑来问 CIO 团队：「这个系统能不能给我 MCP？」其实，这些需求过去一直存在，只是没有正式进入 IT 的需求池。

现在，系统被开放，沉压已久的需求被充分释放。于是，CIO 团队的职责也随之变化：一个维度，在系统开放后，简单需求逐渐由业务部门自行闭环，CIO 团队聚焦复杂专项；另一个现实维度，团队要集中补下面的底座：摸排各种数据是不是一致，身份和权限是不是清楚，Agent 的操作能不能审计；是否存在线下流程或个人经验并未线上化沉淀，对此来分别「补课」。他们把团队的第二角色描述为「开发者运营」，业务团队是新的「开发者」，甚至为每个业务团队配置一位开发者运营，帮助其解决开发中的困难。

在公司内部做深做实之后，一套经验，乃至成熟的产品体系，也就沉淀了下来：此前，阿里云内部已经稳定运行着 28 类数字员工，折算约等于两千多个 HC。后来，其中一部分已经跑成熟的方法和技术继续打磨，沉淀成一套可对外交付的睿系列产品，比如面向翻译场景的睿译宝，以及面向外呼场景的睿呼宝。

其中，今年云栖大会现场负责全程翻译的「睿译宝」，就来自阿里云自己的全球化业务打磨——是基于阿里云内部十几万量级的技术文档和大量 GTM 内容，迭代了两年产生的。它等同资深翻译，同声传译准确率达 95%，能把 GTM 内容从按周交付压缩到 10 分钟，总成本却只有人工成本的 1/5~1/10。

睿呼宝则来自阿里云内部的真实电销业务。目前采用与人类坐席使用相同业务指标考核的情况下，它在续费提醒、试用转付费和线索清洗场景下的表现已经追平甚至超越人工，但成本只有人工坐席的 1/5。在蒋林泉看来，合格上岗的数字员工，必须满足既要像真人，又要交付真结果。

04

当技能越来越便宜，

人会变得更加宝贵

岗位可以重做，系统可以开放，越来越多执行工作也可以交给数字员工。但最终所有的问题都还是会回到人。

蒋芳也把演讲最后一部分留给了人。两个月前阿里又有一组同事去硅谷学习。回来以后，有两件事让她印象深刻。

据这些同事回来后的分享，NVIDIA 至今仍然非常重视员工的价值观表现；Anthropic 对内部面试官也有严格训练，不只是训练他们怎样判断技术能力，还要学习怎样判断候选人的价值观与公司使命是否匹配。

因为在 AI 时代中，一个组织中个体今天非常稀缺的一项技能，可能在下一轮模型升级后迅速变成很多人都能掌握的能力。

而 AI 可以迅速降低技能门槛，却没有办法自动给一个团队带来信任。

比如，包晨星一开始其实并不看好「管理者数字分身」的产品，觉得最多只能模仿一个管理者说话的语气。

直到后来团队把管理者过去的材料和工作经验蒸馏进去，再通过 Harness 工程让数字分身进入真实场景，每天开始有几百名员工主动找它交流：客户碰到这个问题应该怎么办，项目卡住了应该怎么判断。

管理者一天还是只有二十四小时，但过去必须依赖本人才能传播的一部分经验，第一次可以被更多人同时调用。

再后来，包晨星自己也做过一次尝试。因为组织安排，一个季度他要给二十多名员工写 OKR 反馈。过去时间不够，很多反馈只能留下短短一两句话。这一次，他让千问办公读取员工过去的工作材料，帮助整理，再由自己检查后先发给同事确认。

有员工告诉他，这是自己进阿里以后收到过最好的一次反馈，因为过去的 OKR 反馈总是很模糊的一笔带过，但这一次里面有了数据，有了具体的人在做什么具体的事情，一线的工作真正被看到了。

所以，蒋芳把 AI Native 组织拆成了组织、人才和文化三个维度。

组织层面，不能只是给每个岗位塞一个工具，而要先设计端到端工作流，再重新思考人应该出现在哪里；人的能力会越来越泛化和全栈化，因此岗位边界会继续模糊；到了文化层面，则要拥抱不确定性，也要学会 move on——不能等工具完全成熟以后才开始，也不能因为一套方法刚刚跑通，就假设它还能一直有效。

这也是为什么，不同行业最终不会得到同一张组织图。

这次论坛的圆桌里，还有来自昆仑数智、益海嘉里金龙鱼和银河通用机器人的嘉宾，分别对应能源工业、大型传统企业和具身智能公司。它们面对的数据基础、组织规模和业务形态完全不同，一些来自阿里的经验或许对他们来说也并不适用，但发现瓶颈的方式、组织管理的共通点却是类似的。

比如，大组织没办法一次完成变革，就让一号位先下水，让小团队先跑，再根据真实结果决定哪些经验应该被泛化，最后，每个组织都会找到属于自己的 AI Native 变革方式。

「Life, finds a way.」

生命总会找到自己的出路。

这是在演讲的最后，蒋芳借用的《侏罗纪公园》里的一句话，也是所有组织 AI Native 转型的共同写照。

*头图来源：视觉中国

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

消息称 OpenAI 将推出常驻 AI 助手「O」，预计 9 月 29 日发布

9 月 27 日消息，据消息人士 Alexey Shabanov 昨日透露，OpenAI 即将推出一款常驻 AI 助手，其代号为「O」，预计将在 9 月 29 日的 OpenAI DevDay 推出。

据报道，ChatGPT 的配置文件中已经出现了许多与「O」相关的线索，包括将「O」设置为显示名称、配置「-o」的电子邮件后缀。综合这些线索来看，这款智能体预计将能够在普通聊天之外持续运行，还可能拥有独立身份。

同时该项目可能与「Aeon」有关。此前已有消息称，Aeon 是 OpenAI 常驻型智能体项目使用的名称。不过我们目前尚不清楚它支持哪些任务、具备拥有何种权限，以及是否支持定时任务、记忆功能或何时开放。

值得注意的是，此前曾有传闻称 OpenAI 正在研究一款甜甜圈形状的硬件。因此这些项目如果能产生关联，单字母代号可能会成为一种有趣的双关。（来源：IT 之家）

部分 Anthropic 资深员工考虑在偏远地区购置土地，以防「AI 失控」

9 月 27 日消息，为防范人工智能彻底失控，Anthropic 的数位资深员工正在悄然制定具体的应急预案。

据华尔街日报于当地时间 9 月 26 日报道，最近数周内，Anthropic 的部分早期员工曾向业界同行透露，他们正打算在美国偏远荒僻的地区购置土地建造隐匿点，以便在「AI 走向失控反噬」之际举家撤离避难。

对这个圈子而言，「逃离 AI」的念头早已屡见不鲜。据早期离职员工回忆，早在 Anthropic 创立初期的公司聚餐中，大家就曾热烈推演过一种极具「曼哈顿计划式假想」的情景：他们未来可能随时被政府征调至荒芜的沙漠深处，在具备全套防电磁脉冲屏蔽功能的绝密军事基地内，闭门继续研发前沿 AI。

据报道，Anthropic 员工们在内部的私密 Slack 频道中推演各类末日毁灭情景并探讨应对预案；他们甚至将一句格言制成贴纸贴在笔记本电脑外壳上，将其奉为行事信条：「一切再难重归平静」。

针对这一文化现象，Anthropic 发言人回应称，公司目前拥有超过 3,500 名员工，内部对于技术的探讨呈现出极其多元的观点与立场。（来源：IT 之家）

上线 66 万英伟达 Blackwell GPU，马斯克要把 Colossus 2 建成全球最大 AI

9 月 27 日消息，马斯克旗下 AI 公司 xAI 正推进位于孟菲斯的 Colossus 数据中心项目。该项目于 2024 年开工建设，一期工程 Colossus 1 已投入运营，主要采用英伟达 Hopper GPU；二期工程 Colossus 2 同样落地孟菲斯，并将主要采用英伟达 Blackwell GB300 GPU。

马斯克表示，Colossus 2 计划在 2026 年底前上线 66 万块英伟达 Blackwell GPU，整体部署规模超过 50 万块 AI GPU。

由于 GPU 是人工智能建设中最稀缺的资源之一，Colossus 2 被视为全球最大数据中心之一。xAI 借鉴特斯拉的做法，将 Colossus 称为其计算领域的「超级工厂」。

对于 Colossus 2，马斯克称其当前运行着 11 万块 GB200 GPU 和 44 万块 GB300 GPU。他还给出了分阶段上线计划：本周末将再上线 22 万块 GB300，11 月底再增加 22 万块，最后一批 22 万块预计在 2026 年 12 月底前上线。

马斯克的最新表态，是其围绕 xAI 算力扩张的一系列评论之一。他声称，xAI 应能达到 Anthropic 的模型和 OpenAI 的 GPT-6 模型水平，并认为这些目标有望在未来两到三个月内实现。他同时强调，「快速实现大规模在线计算极其困难」。（来源：快科技）

腾讯《三角洲行动》官宣联动国产武侠游戏《影之刃零》

9 月 27 日消息，9 月 26 日，腾讯 FPS 游戏《三角洲行动》官宣联动国产武侠游戏《影之刃零》，敬请期待。

《影之刃零》游戏确定于 10 月 29 日正式发售，各平台预购已经开放。游戏首发登陆 PS5、PS5 Pro，以及 Steam、Epic、WeGame、TapTap PC 平台。国区定价分为两档，数字标准版 268 元，数字豪华版 328 元，预购可获得专属游戏奖励。除此之外，灵游坊还提供了限量 20000 套的实体收藏版礼盒。

据此前报道，《影之刃零》采用虚幻 5 引擎开发，是一款暗黑武侠动作游戏。故事讲述主角只剩 66 天寿命，需在混乱的武林中追查阴谋。

游戏提供 30 多款主武器，可搭配不同副武器，每把武器均有专属招式，兼顾新手与硬核玩家的游玩需求。（来源：IT 之家）

黑客在暗网兜售 AI 模型访问权限，最低价仅有正版 3%

9 月 28 日消息，据英国《金融时报》当地时间 26 日报道，非法获取 AI 模型和算力，正迅速成为网络犯罪黑市上最抢手的商品，黑客希望借助价格高昂的大模型实施勒索、网络战和间谍活动。

谷歌威胁情报团队首席分析师约翰 · 霍特奎斯特披露，今年所谓「LLM 劫持」活动明显增多，具体表现于倒卖公开 AI 工具的被盗登录凭据，以及部分团体盗用他人算力，以免费运行自己的模型。

霍特奎斯特警告，攻击者能够以低廉价格使用原本昂贵的 AI，从而在成本上占据优势，被攻击方为了防御同样需要使用这些 AI 工具。

谷歌威胁情报团队研究人员发现，暗网市场出售 Anthropic、谷歌和 OpenAI 等公司的 AI 模型使用权限，折扣最高达到 97%。

霍特奎斯特称，AI 实验室会监测滥用迹象，因此部分卖家甚至推出「保证访问」服务，承诺初始账户一旦遭到封禁，就不收取额外费用，直接提供新的登录凭据。还有一些犯罪团体和国家支持的组织会入侵企业托管在云端的服务器，再植入自己的 AI 模型，利用受害者的系统运行模型。

霍特奎斯特警告，越来越多大型企业希望把定制 AI 模型部署在自有服务器上，不再向云服务商租用算力，企业自行运行的 AI 系统也会随之成为攻击目标，因此必须严密保护。「如果你需要自己为算力付费，而且成本可能非常高…… 这部分算力就会成为威胁行为者眼中的重要潜在资源。」（来源：IT 之家）

「第二代豆包手机」玩《王者荣耀》遭强制下线，称暂未收到腾讯回复

9 月 27 日消息，9 月 25 日，字节跳动旗下豆包手机助手发布声明称，从 9 月 24 日晚上开始陆续收到多条用户反馈，在搭载了豆包手机助手的努比亚 NaviX Ultra 上，登录《王者荣耀》或进行匹配对战时，会出现提示设备环境异常、被强制踢下线的情况。

豆包手机助手在声明中提到，经过确认全程未对腾讯游戏系统进行任何操作，AI 也不存在任何违规点击、外挂或模拟行为。目前团队仍在持续与腾讯相关方接洽沟通，但截至目前暂未收到对方的明确回复。

「对此我们深表歉意。同时，也建议用户暂时不要在努比亚 NaviX Ultra 上反复尝试登录《王者荣耀》。如果您的账号已经出现被封禁等情况，建议同步通过官方游戏客服渠道进行申诉 / 投诉，以便更快恢复账号。」声明提到。（来源：IT 之家）

小鹏汇天创始人：普通人「打飞的」至少再等 5 年 票价仅比滴滴贵一点

9 月 27 日消息，据报道，在 2026 岳麓大会「AI 湘潮智启未来」论坛上，小鹏汇天创始人赵德力透露了飞行汽车走入普通人生活的时间表和票价预期。他表示，接下来的几年内会有飞行汽车示范运行，等示范运行确保足够安全之后，普通人「打飞的」至少还得 5 年。

关于飞行汽车的实际体验，赵德力给出了具体参数：空中飞行速度大约一分钟两公里，20 公里的城市通勤路程仅需 10 分钟即可抵达。

票价方面，赵德力强调「大家都能消费得起，就比现在的滴滴稍微贵一点点」，并非外界想象的天价出行方式。

在应用场景的推进路径上，赵德力规划了四个阶段：首先从应急救援开始，逐步扩展到娱乐飞行和体验飞行，再过渡到日常通勤，最终实现人人可飞。（来源：快科技）

预售 11.99 万起，北京现代艾尼氪 IONIQ V 车型 9 月 29 日上市

9 月 27 日消息，据汽车之家报道，北京现代旗下全新中型车——艾尼氪 IONIQ V 将于 9 月 29 日完成上市。该车于 8 月 21 日的成都车展亮相，预售起价为 11.99 万元。

艾尼氪 V 相关售价信息如下：

• 标准版 540 Max：预售价 11.99 万元，CTLC 纯电续航 540 公里
• 高端智驾版本 540 Max+：预售价 12.99 万元，CTLC 纯电续航 540 公里
• 长续航 650 Max+：预售价 13.99 万元，CTLC 纯电续航 650 公里

艾尼氪 V 设计均由现代中国设计中心全程主导，为中国用户量身定制，并反向输出全球。车辆提供赛博金、次元紫、伽马绿、磁力灰、光子白（素色漆）、光子白（哑光漆）、流光银、夜刃黑等 8 款颜色。

整体采用极其前卫的轿跑溜背式造型，车身比例呈现低重心、宽体化的视觉效果。其车侧采用无框式车门，车尾为次元星轨尾灯样式。

座舱方面，新车车内配备星云环抱式内饰设计，27 英寸超薄 4K 超大屏，星云光影氛围灯，赛博之眼 HUD。车辆深度融合 Momenta、高通 8295 芯片、宁德时代、文心大模型、火山引擎。

规格方面，这款车型长宽高分别为 4900/1890/1470mm，轴距为 2900mm，基于 E-GMP 纯电平台打造，支持纯电 / 增程双动力，具备 800V 快充。（来源：IT 之家）

第八代宝马 3 系 9 月 30 日全球首发，首次同时覆盖纯电和燃油动力

9 月 27 日消息，宝马集团官方宣布，第八代宝马 3 系将于 9 月 30 日迎来全球首发，新车将首次同时覆盖纯电和燃油动力。

今年 8 月，宝马 BMW 3 系中国累计销量突破 200 万辆。宝马 3 系是宝马公司生产的中型豪华运动轿车，自 1975 年推出以来历经七代革新，全球累计销量超千万辆，被誉为品牌最具代表性的车型。2026 年 3 月 3 日，宝马集团宣布 2026 款宝马 3 系等马年版车型正式上市，售价 31.8 万元起。

此前消息显示，宝马新 3 系在设计风格上仍会保留 Neue Klasse 时代的基本前脸，大灯和双肾格栅可能略有不同，该车继续使用升级后的 CLAR 平台。不过内饰预计会与 i3 和 iX3 保持高度一致，采用宝马最新的信息娱乐系统以及 Panoramic iDrive 抬头显示。（来源：IT 之家）

挖掘机也带智驾自动挖沟，网友：蓝翔还能开几年？

近日，一段「挖掘机用软件自动挖沟」的视频在短视频平台走红。视频显示，一台挖掘机通过车载智能引导软件，仅需设定进出水口两个点位和开挖深度，便能自动完成排水沟的开挖作业，全程无需人工反复修整，引发网友热议。

从视频画面来看，操作手使用的软件名为「挖机宝」，界面集成了工程管理、挖机管理和铲斗管理等模块。软件功能矩阵涵盖快速 8 大施工场景，顶部状态栏显示「固定解」和「惯导优」，表明卫星定位信号已达到厘米级精度。

操作手还演示了挖沟功能的完整流程，视频中使用的并非传统梯形挖斗，而是一把定制方形小斗。操作手介绍，传统挖斗挖出的沟槽呈上大下小的梯形，需要来回修整；而这把定制方斗一铲下去直接成型，两侧壁面整齐，无需二次修边，最后一铲收尾即可完成。

据了解，这类挖掘机智能引导系统目前在国内已有华测导航「易挖宝」、中海达 3D 引导系统、司南导航 XE300 等多款产品落地。

核心原理均基于北斗 GNSS 高精度定位加 IMU 惯导，结合安装在挖掘机大臂、斗杆上的角度传感器，实时计算铲斗齿尖的三维坐标，从而实现厘米级施工引导。

沃尔沃、卡特彼勒等国际品牌也推出了类似的 Dig Assist、Grade Assist 辅助系统。

视频引起关注后，有网友调侃称：「蓝翔技校还能开几年」、「这算不算挖掘机也带智驾功能」、「都 2026 年了，到底啥时候能用电脑控制挖掘机炒菜啊」。（来源：快科技）

相比聊天、搜索，AI 在企业办公场景下的落地要复杂的多，一方面需要连接、调用企业的文档、邮件、知识库，另一方面还需要 AI 理解审批、销售、财务等业务流程。而今年以来 Agent 快速发展，让 AI 进入「千司千面」的企业办公场景成为可能。

因此，从微软、谷歌到国内的互联网和云计算公司，行业竞争的重点都在从模型能力延伸到办公入口、企业数据、Agent 平台和业务流程。企业客户是否愿意采用，AI 能否安全地接触组织数据、进入实际工作流，也开始成为比模型能力更受企业关注的竞争要素。

这一轮全球竞赛中，阿里把注下在了千问办公。

千问办公并非从零成立，而是阿里将 QoderWork、钉钉悟空、Mulerun 等 AI 办公产品和团队整合后形成的一股合力。它背后连接着千问模型、阿里云、钉钉、企业服务及硬件生态。千问办公选择把什么做成产品、如何处理与钉钉的关系，以及它如何定义企业 Agent，都是观察阿里企业 AI 战略的一扇窗口。

9 月 22 日云栖大会期间，千问办公集中发布了一系列面向企业级 AI 落地的能力，包括连接企业私有知识的「企业上下文」、让人与 AI 在同一空间协作的「协作功能」、软硬一体的 QwenNote A2，以及可以接入企业原有系统的自定义行业工作台。

整场发布的核心被概括为一句话：「Context is all you need」。

这套产品组合回答的是今天企业办公遇到的共性挑战：企业需要的已经不只是一个能写文档、做 PPT 的通用助手，而是一个能够理解组织数据、进入业务流程，同时受到身份、权限和审计约束的 Agent。对千问办公而言，「上下文」也不只是提示词或知识库，而是一套需要连接、抽象、压缩和持续更新的数据基础设施。

在云栖大会期间，极客公园参与了一场对千问办公负责人束骏亮的群访。他在采访中进一步解释了千问办公对企业 AI 的几项核心判断。

1. 企业 AI 的竞争还远未到终局。现阶段真正的赛点不是产品声量，而是客户是否选择、是否真正使用。
2. 上下文应该成为独立于具体 Agent 产品的企业基础设施。它属于企业，而不应被锁定在千问办公或任何单一产品中。
3. 企业 Agent 与个人助手之间的关键差异，并不只是模型能力，而是身份、权限、数据归属、审计和责任。一个 Agent 一旦进入组织，就必须回答「谁把它带进来」「它能访问什么」「出了问题由谁负责」等问题。
4. 千问办公在阿里内部虽然正在成为统一的能力出口，但团队并不希望把它限定为某个固定入口、桌面智能体或工作台。它与钉钉的关系也不是简单替代，而是双向融合：传统办公软件成为数据和流程底座，AI 产品则提供更强的理解、泛化和自然语言交互能力。

以下内容根据群访实录整理，经极客公园编辑整理。

一、企业 AI 的赛点还没有到来

问：千问办公整合并推出两个月后，你怎么判断现在的行业状态？真正的赛点是什么？

束骏亮：我们内部讨论过一个词，叫「欣欣向荣的一片混乱」。大家都很有干劲，也都觉得 AI 有很大潜力，但很多企业愿意拥抱 AI，却还没有完全想清楚自己究竟需要什么。在这种状态下，一些混乱是正常的。

过去两个月，我们出发得比较快，在几个大厂中较早完成整合，也较早拿出产品、获得第一波市场反馈。现在还看不到真正的赛点，因为底层技术和用户需求都变化得很快。

如果一定要说一个赛点，我认为是企业客户的选择：有多少重要的头部客户选择你，有多少中小客户广泛选择你。

问：企业客户对 AI 办公的需求出现了哪些分层？

束骏亮：我们越来越明确地看到，客户是分层的。中小客户更关注性价比和易用性；中大型客户首先会问产品是否足够安全、是否可控、能否深度定制。这是两条不同的路径。

一些大型企业有足够的技术储备，我们可以把定制能力直接交给企业的技术部门或员工，由他们围绕自己的业务场景搭建。

面对更多行业客户时，我们会和生态伙伴一起，把共性的需求做成行业方案，再服务大量中小企业甚至个人用户。同一种能力进入不同客户时，交付路径会不一样。

问：行业 Agent 需要深入客户现场共创，这种模式怎么规模化？

束骏亮：AI 时代的客户成功或现场工程团队，与过去 SaaS 时代不一样。传统 SaaS 的边界比较固定，客户成功需要教育和陪跑的事情相对有限；一个 AI Agent 进入律所或其他行业后，潜在场景非常多，关键是有没有懂 AI、又能和业务方配合的人，把有价值且 AI 能够解决的场景挖出来。

我们不可能以完全相同的投入服务所有客户，因此会做分层，但仍然愿意让产品和 FDE 团队进入业务现场。

一个律所跑通的十个场景，可以复制到其他律所，其中的共性甚至可以跨行业复用。随着共创积累增加，这项工作会逐步收敛，AI 也能帮助我们缩短过程、减少人力，但深入现场的价值不会消失。

二、上下文是一套新的数据基础设施

问：为什么上下文会成为 AI 办公的核心竞争点？

束骏亮：不仅是办公，对任何 Agent、任何 AI 来说，上下文都会是至关重要的一部分。

模型的上下文窗口即使持续扩大，相比一个真实业务背后的信息总量仍然有限。围绕一个企业项目，可能同时存在大量聊天、文档、数据库记录和设计图纸，不可能在完全不整理、不结构化的情况下全部塞进模型。

只要模型的上下文和注意力不是无限的，真正重要的问题就是：怎样从海量数据中找到与当前任务直接相关的信息，并把这些信息组织成合适的数据结构，让 AI 通过类似渐进式披露的方式，一步步探索到所需上下文。

问：企业上下文只是把结构化和非结构化数据搬到一个新平台吗？

束骏亮：不是。即便面对数据库字段、SAP 或 Salesforce 中的结构化数据，也不能简单复制到新的数据结构里。

我们要做大量抽象和提炼，使这套结构对 AI 友好，让 Agent 能够开箱即用，并能沿着实体之间的关联去探索。

同样的抽象也要覆盖聊天、语音、视频等非结构化数据。处理海量非结构化信息时，模型是否适配场景、速度是否足够快、成本是否足够低，会直接决定方案能不能落地。

这里能够体现阿里全栈 AI 的优势：从芯片、模型到基础设施，都可以参与降低抽象和更新企业上下文的成本。企业内部可处理的数据越多、覆盖越完整，上下文也就越接近真实业务。

问：企业上下文应该属于千问办公，还是属于企业自己？

束骏亮：上下文应该跟着主体走，而不是跟着某一个 Agent 产品走。

个人应当拥有自己的上下文基础设施，从日常使用的软件中提取信息，并能够把这些上下文用于不同的 Agent。企业也一样，企业上下文属于企业本身。

我们提供的是企业级上下文基础设施，它需要和千问办公解耦。企业可能选择千问办公，也可能自研或采购其他 AI 产品，这些产品都应当能够从企业自己的上下文中获得能力。

它更像新时代的数据基础设施，只是目前还没有像数据库那样形成成熟标准。

问：硬件在上下文体系里承担什么角色？

束骏亮：硬件是连接数字世界和物理世界的桥梁，也是上下文增量采集的重要入口。

过去我们更多在电脑和软件层面处理文档等信息，像 QwenNote A2 这样的设备，可以把日常对话转化为 AI 能理解和沉淀的文本上下文。未来眼镜等更多形态，也可能把物理世界的信息转化为 AI 可用的输入。

硬件还有第二层价值，就是让用户在更自然的场景中唤起 AI。开完一场会后，用户可以直接要求设备把纪要整理成待办并发给同事，不必再打开手机或电脑。随着 AI 硬件的品类和成熟度提高，交互入口会越来越多。

三、企业级 Agent 首先要解决身份、权限与责任

问：从个人助手走向企业级 Agent，产品最根本的变化是什么？

束骏亮：个人助手通常代表用户本人，操作也在个人掌控之下；Agent 进入组织、成为某个流程的一环之后，必须回答一整套新问题：谁把它带进来，它是什么身份，能访问哪些数据，操作过程是否安全，出现问题能不能审计和追责。

企业还要求 Agent 持续运行。个人 Agent 可以跑在本地电脑上，但企业不能接受员工下班后 Agent 也下班，因此需要云端运行的 Agent 资产。

身份、权限、审计、云端运行看上去是单点功能，背后对应的其实都是企业对 AI 的基本要求。

问：AI 可能犯错，企业怎么决定哪些操作可以交给它？

束骏亮：我不认为现在一定要照搬智能驾驶的 L2、L3、L4 来评价 AI。对我们来说，更重要的是解决具体问题。

但安全在企业场景里是原则问题：不是某一次操作是否重要，而是这个操作有没有人负责、能不能追溯、能不能判断边界。

因此，企业管理员需要能够约束 Agent 的访问范围，员工在办公设备上使用桌面 Agent 也要有相应安全措施。

千问办公在产品层面强调事前划定边界、在沙箱内执行，涉及本地或高风险操作时需要人工确认，并提供事后审计和文件防误删等兜底能力。

问：个人和企业在获取上下文时，难点有什么不同？

束骏亮：个人数据分散在大量 App 中，能否拿到数据取决于平台是否愿意向个人开放，目前我们看到这个开放的趋势出现。

企业内部反而通常不是「拿不拿得到」的问题，企业愿意开放自己的数据，真正的难点是数据量太大、类型复杂，而且不同数据之间可能相互矛盾。

所以企业级上下文的挑战在于处理和抽象能力：算法能覆盖钉钉、飞书以及多少其他软件，底层计算和模型能否支撑这种规模。

个人 Agent 和企业 Agent 的底层技术未必差异很大，差别更多来自上下文归属、账号体系、授权路径和数据边界。

问：千问办公会允许用户切换第三方模型吗？

束骏亮：我们支持企业级客户切换模型，但不会把同样的选择直接交给所有个人用户。

Agent 中切换模型可能对使用体验造成很大影响。少数专业用户能分清不同模型的差异，但大部分普通用户未必需要承担这种复杂性。

为了保证普通用户体验，个人产品会更强调默认选择。企业客户有能力为自己的选择负责，我们可以提供相应能力，但客户也需要对所选模型带来的效果和风险负责。

四、千问办公不是固定入口，与钉钉将双向融合

问：阿里在企业 AI 办公方向，是否正在收敛到千问办公？

束骏亮：毫无疑问是在收敛。当前的市场竞争中，只有形成统一出口，才能获得竞争优势，行业内大家也都在做类似收敛。

但我们从来不把千问办公只定义为桌面智能体或某个工具。我们希望成为企业 AI 转型的最佳合作伙伴。

小企业可能需要统一入口；很多大型企业不缺入口，需要的是模型、Agent harness、云端 runtime 等能力，用来补充自己的 AI 体系。因此千问办公不能只被定义成一个产品，它是一个能力体系的表现。

问：既然形态变化很快，千问办公如何确定自己在企业 AI 体系中的位置？

束骏亮：AI 行业的变化速度非常快。半年前大家未必会把桌面智能体当成重点，更早之前关注的是 Web 端 AI；到明年，行业关注的形态也可能再次变化，上下文或其他能力会成为新的重点。

我们希望客户不是因为某一个当下的产品形态选择千问办公，而是认可这个团队和阿里能够持续站在技术前沿，在行业变化时不断拿出适合当下的产品和能力。

我们的定位因此不是固定在入口、OS 或工作台中的某一层。

问：千问办公与钉钉是什么关系？AI 软件会替代传统办公软件吗？

束骏亮：传统软件在中短期内仍然有很大价值。钉钉等产品沉淀了大量数据资产和客户业务逻辑，不能因为新产品出现，就要求所有用户立刻切换工作界面。客户愿意用哪种方式，我们就支持哪种方式。

从长期看，传统软件可能更多承担数据底座、上下文底座，以及固化业务流程。不是企业内部所有流程都适合用 AI：AI 有幻觉，也会消耗 token；传统软件擅长稳定、快速、低成本地执行固定流程，AI 擅长泛化和自然语言交互，两者会形成配合。

现在能看到的是双向融合：传统软件增加 AI 能力，AI 软件也补充协作和业务流程能力。

千问办公正在与钉钉进行能力融合，包括在钉钉文档中提供总结、润色能力；在会议中引入听记、实时翻译等功能，也处于规划之中。

最终合并成一个产品，还是继续沿各自赛道发展，要由用户需求和行业演进决定。

问：千问办公会成为企业办公的新入口吗？

束骏亮：哪个产品成为入口，最终取决于时代发展和客户需求。

我们在千问办公中增加协作能力，是因为客户希望 AI 产品也具备一定程度的协同；同时我们也在推动千问办公能力进入钉钉、Salesforce 等既有界面。

我们不是要说服所有客户迁移到一个新入口，而是把 AI 的价值带到客户原本工作的地方。对有些客户来说，千问办公可以是入口；对另一些客户来说，它可以是一组被调用的能力。

五、全栈能力是优势，客户选择才是结果

问：在企业级 Agent 竞争中，千问办公现阶段最明显的优势是什么？

束骏亮：竞争刚刚开始，还谈不上谁已经形成了本质差异。每个组织都在放大自己的优势、补齐短板。

阿里比较明确的优势是全栈 AI 能力。对于安全要求很高、需要私有化部署的企业，我们需要同时回答硬件、模型、云基础设施和软件能否私有化。单点能做的公司不少，但把整套能力从上到下串起来的公司很少。

这是一项阶段性优势，不等于已经赢得竞争。最终怎样胜出，还要看能否把能力变成客户真正使用的产品和方案。

问：企业 AI 最终应该按 token、软件还是结果收费？

束骏亮：按结果付费是大家希望抵达的方向，但企业场景很难统一衡量结果。

一个 PPT 好不好、值多少钱，相对容易讨论；在一家企业里完成一百个审批究竟值多少钱，就很难标准化。

按 token 付费只是 AI 产品的一种收费方式，不意味着软件本身不能收费。客户愿意为什么买单，取决于什么具有稀缺性。

当前很多产品的软件同质化严重，因此大家更容易为模型成本买单；如果软件形成真正差异化，客户也会愿意为软件设计、功能和云资源付费。今天的收费方式更多是产业阶段的结果。

接连发生 AI 失控事件，OpenAI 再次暂停其最强模型训练

9 月 27 日消息，随着有关 OpenAI 模型突破限制、攻击网站以及整体行为失控的报告不断增加，该公司决定暂停训练旗下能力最强的模型。

这一决定是在一款处于沙盒环境中测试的模型利用漏洞获得互联网访问权限后作出的。该事件发生于 9 月 20 日。截至当地时间 9 月 25 日星期六晚间，OpenAI「所有涉及工具使用的训练、评估和推理工作」仍处于暂停状态。

此外，OpenAI 周五披露，其智能体曾不当将 ChatGPT 用户的 53 张图片上传至图片托管网站。该公司尚未说明这些图片究竟是 AI 生成的图像、用户拍摄的照片，还是包含可识别身份的人物。

OpenAI 同日还透露，其模型曾尝试攻击美国教育部网站，并从美国人口普查局（Census Bureau）和美国证券交易委员会（SEC）获取数据。

这些披露属于 OpenAI 正在进行的一项模型行为审查。此前发生 Hugging Face 遭攻击事件后，OpenAI 开始深入检查相关记录，并发现越来越多「意料之外或令人担忧的行为」。

这些事件不仅表明，随着 AI 智能体能力不断增强，对其进行控制正变得越来越困难，也凸显出追踪其行为所面临的挑战。这也导致越来越多研究人员、业内人士，甚至一些公司 CEO 呼吁放缓 AI 技术发展的速度。（来源：IT 之家）

消息称 Anthropic 谈判租赁最高 1GW 算力，预计相关投资至少 400 亿美元

据 The Information 报道，Anthropic 计划从一家由阿波罗全球管理公司控股的数据中心开发商处，租赁最高 1 吉瓦（Gigawatt，GW）算力，目前正处于早期谈判阶段。

据知情人士透露，Anthropic 计划直接作为承租方，入驻由 Stream Data Centers（一家拥有 27 年历史、基础设施遍布全美的公司）开发的园区，并在这些数据中心内全部署由博通和谷歌联合设计的 TPU。

数据中心开发商指出，无论采取哪种方案，建设 1 吉瓦的算力容量都需要至少 400 亿美元（IT 之家注：现汇率约合 2,689.86 亿元人民币）的资本支出。

目前，Anthropic 绝大多数的算力获取，依然依赖于向亚马逊云科技 AWS、谷歌以及 SpaceX 等云服务商租赁芯片服务器。

除了直接租赁数据中心基础设施外，Anthropic 还开启了向芯片商直接租赁算力芯片的模式。今年早些时候，该公司公布了与 AMD 的合作协议，锁定规模达 2 吉瓦的芯片供应；同时，它还达成了一项价值 350 亿美元（现汇率约合 2,353.62 亿元人民币）的协议，通过阿波罗与黑石联合设立的特殊目的实体租赁 TPU。（来源：IT 之家）

苹果侵犯专利一波三折：被判赔付 57 亿美元

据财联社消息，美国圣地亚哥联邦陪审团近日裁定，苹果公司因侵犯 Taction 科技公司的振动技术相关专利，需支付超 57 亿美元的赔偿，该专利技术被应用于多款 iPhone 和 Apple Watch 产品中。

陪审团认定苹果侵犯了 Taction 的两项触觉反馈专利，但裁定该侵权行为不构成蓄意侵权。Taction 于 2021 年就该专利对苹果提起诉讼，涉案专利描述的是「可通过触觉感知的低频振动触觉换能器」技术。

最新消息显示，苹果公司在声明中表示，强烈反对「今天的裁决及所判定的赔偿金额，这些完全缺乏事实依据」。「苹果并未使用 Taction 的技术，我们将提起上诉，」公司在声明中称。（来源：快科技）

OpenAI 和 Anthropic 正在调查数万起 AI 相关安全事件

9 月 27 日消息，据 Axios 报道，OpenAI、Anthropic 以及安全研究人员正在调查数万起事件。在这些事件中，两家公司的前沿模型采取了一些外部评估人员认为存在问题的行动。

这些事件发生在近几个月的内部测试和现实环境中。如此庞大的事件数量表明，相关问题的复杂程度可能比公众目前了解到的高出几个数量级。

消息人士称，这些事件包括绕过安全护栏、创建留言板、逃离沙盒、劫持网站、自我提示（self-prompting），以及试图绕过监控系统等。这些行为既出现在内部测试中，也出现在现实环境里。随着安全研究人员继续调查，其中许多事件尚未公开。

OpenAI 首席执行官萨姆 · 奥尔特曼（Sam Altman）在 X 平台上表示，公司目前进行的审查工作「没有我们希望的那么快」。

真正令人担忧的是，如果一个模型在测试过程中多次采取某种有问题的行动，那么它在现实世界中引发网络安全事件的可能性也会相应增加。

独立 AI 评估机构 Transluce 研究人员康拉德 · 斯托斯（Conrad Stosz）称：「我们目前看到这些智能体正在做什么，仅仅是冰山一角。」

ControlAI 研究人员兼执行董事康纳 · 莱希（Connor Leahy）称，问题并不在于每一起事件单独造成了多大的损害。他说，真正「疯狂」的地方在于，这些事件涉及「自主系统做出被明确告知不要做的事情」，其中甚至可能包括犯罪行为。（来源：IT 之家）

OpenCode 宣布为 DeepSeek V4.1 Flash 永久提供 60 美元额度

OpenCode 9 月 25 日宣布启动「Operation Cheepseek」第二阶段，DeepSeek V4.1 Flash 在 OpenCode Go 中原本限时提供的 60 美元（现汇率约合 403.5 元人民币）额度现调整为永久有效。

此前，OpenCode 曾将 DeepSeek V4.1 Flash 的使用额度临时提升至原标准的 4 倍，即从 15 美元提高至 60 美元，并计划于 9 月 20 日结束该活动。OpenCode 当前 Go 页面已将该模型的额度标注为 60 美元，原 15 美元额度被划线标记。

DeepSeek 最新发布的 V4.1 Flash 采用 5520 亿参数的 MoE 架构，输入侧激活参数量为 80 亿，输出侧为 160 亿，并采用新的 Causal Encoder-Decoder 架构。模型同时支持原生多模态视觉理解。

与上一代相比，DeepSeek V4.1 Flash 的 KV Cache 对 HBM 的需求降低至四分之一，对 SSD 的需求降低至八分之一。

DeepSeek 此前还宣布 OpenCode 已作为官方合作伙伴全量接入 V4.1 Flash。OpenCode 数据显示，截至 9 月 25 日，该模型在平台近期使用量中排名第一，占观测到的 200 万级使用量的约 13%。（来源：IT 之家）

Claude Code 新机制：AI 任务中途触发 5 小时上限将优雅收尾

@ClaudeDevs 9 月 26 日在 X 平台发布推文，宣布针对 Claude Code 启用新机制，在任务中途如果触发 5 小时使用上限后，不会直接在编辑过程中中断，改为寻找合适的收尾点。

额度来源方面，系统会从用户的每周限制（weekly limit）中扣除一小段固定时间，让 Claude 完成它能完成的收尾工作。

在适用范围上，Pro 用户每周可使用一次此功能；而 Max 和 Team Premium 用户每次达到 5 小时会话限制后都可以使用。（来源：IT 之家）

苹果代码泄密！iPad 12 关键参数出炉：A19 芯片、8GB 内存

苹果入门级 iPad 终于要支棱起来了，日前，iPad 12 关键参数曝光，新机将在芯片、内存和网络等方面迎来升级。

据 MacRumors 报道，其撰稿人 Aaron Perris 通过挖掘苹果内部代码发现，iPad 12 将配备 A19 芯片、8GB 内存、N1 网络芯片以及 C1X 调制解调器。

作为对比，目前在售的 iPad 11 搭载 A16 芯片和 6GB 内存。

升级至 A19 和 8GB 内存后，iPad 12 不仅性能将进一步提升，也将具备运行 Apple Intelligence 及新一代 Siri AI 功能的硬件基础。

网络方面，iPad 12 将搭载苹果自研 N1 网络芯片，支持 Wi-Fi 7、蓝牙 6 以及 Thread（智能家居通信协议）。

蜂窝版本则将采用苹果 C1X 基带，支持 Sub-6GHz 5G 网络，相比现款 iPad 所使用的高通基带，C1X 在能效方面有望进一步改善。

外观设计上，目前尚未出现明显改动信息，新机预计仍将延续现款整体设计，不过不排除增加新的机身配色。

作为参考，现款 iPad 11 起售价 2999 元，配备 11 英寸 IPS LCD 屏，分辨率为 2360x1640，采用 USB-C 接口，不支持 Apple Intelligence。

从现有爆料来看，iPad 12 的升级重点将集中在芯片、内存以及 AI 能力上，屏幕等基础规格预计仍会保持入门级产品定位。（来源：快科技）

美团上线 LongCat-2.5-Preview 大模型

美团旗下 LongCat API 开放平台于 9 月 25 日上线新一代大模型 LongCat-2.5-Preview。该模型主打「长程任务」与多模态能力，并同步开放 API 与网页端体验入口。

从官方公布的核心特性看，LongCat-2.5-Preview 新增图片理解能力，可解析图像内容，支持跨模态问答、内容摘要与复杂视觉推理。代码能力方面，官方将其列为核心特性之一，称其在代码生成、代码理解与自动化编程任务上表现突出。

开发环境适配方面，LongCat-2.5-Preview 深度适配 Claude Code 等开发环境，并与 Claude Code、Hermes、OpenClaw、OpenCode、Kilo Code 高效协同。

模型架构方面，LongCat-2.5-Preview 延续 MoE（混合专家）路线，总参数量约 1.6 万亿，每次推理激活参数约 480 亿。该模型原生支持 100 万 token 上下文窗口，适用于处理超长文档、代码库、日志与多轮复杂任务。（来源：驱动中国）

宇树王兴兴回应为何造 390 万元起的载人变形机甲：大型机器人是行业不可阻挡的趋势

今年 5 月，宇树科技发布 GD01 载人变形机甲，390 万元起。

9 月 23 日至 27 日，第五届全球数字贸易博览会在杭州举行。宇树 GD01 载人机甲现身数贸会主题馆，据科创板日报报道，现场工作人员表示，问价的人不少，还没有卖出去一台。

在数贸会数字贸易与人工智能对话论坛上，宇树科技创始人王兴兴以《从机械到灵智——具身未来进化论》为题发表主旨演讲。在演讲中，王兴兴解释了为什么要研发这台载人机甲。

随着 AI 与机器人底层技术成熟，大型机器人与小型机器人的研发落地并不冲突。大型机器人是行业不可阻挡的趋势，就算宇树不做，未来几年也会有其他企业推出同类产品。

「我们把 GD01 定义成机器人里的越野车。」王兴兴在上述演讲中表示，它不是在城市室内使用，而是面向户外复杂地形、强通过性，用来在野外环境完成任务。（来源：IT 之家）

腾讯推出云端小龙虾 LightVela：8GB 主机免费用、已接入微信 QQ

OpenClaw 这样的本地小龙虾热度已经过去了，国内大批跟风产品都在关停，AI 的下一个玩法是云端小龙虾，腾讯现在就推出了 LightVela，免费送云端 Agent。

LightVela 是由腾讯轻量云团队出品的云服务，将 AI Agent 的完整能力搬上云端，7×24 小时待命，数据完全归用户。

它的诞生也是源于 3 月份 OpenClaw 公益装机活动，吸引了 7 万多人参与，腾讯意识到了人们需要的不只是一次安装，而是持续、稳定、无门槛的 AI 服务，最终变成了现在的 LightVela。

LightVela 目前免费一个月，送 4500 积分，云端主机配置是 2 核 CPU、8GB 内存，云存储空间 50GB，还有更高端的 Cruise AI 套餐，收费 23 美元/月，首月 6 折优惠，只要 13.8 元，配置升级到 4 核 16GB 内存，80GB 云存储空间，10000 积分。

功能上 LightVela 跟目前大部分本地 Agent 客户端没多大区别，有技能、定时任务、记忆、人设等设置，已经预装了 Hermes 及 DeepSeek Harness 两个热门工具，上手门槛很低。

消息推送通道自然是以腾讯自家的为主，微信、QQ 与企业微信是核心，但也支持飞书、电报、Discord、Slack 等 IM 软件，可以在这些客户端中随时发送接收指令。（来源：快科技）

Meta 发布 AI 游戏生成工具：一句话打造可玩的 2D 与 3D 游戏, 直接接入 Facebook 和 Instagram

Meta 正式公布两款全新的生成式人工智能游戏开发工具「Horizon Create」和「Horizon Studio」，希望通过自然语言生成技术彻底降低游戏开发门槛，让普通用户无需编程经验也能够创建并发布可实际运行的游戏作品。

根据 Meta 介绍，这两款工具都基于 Meta Horizon Engine 平台构建，能够根据用户输入的文字描述自动生成完整的 2D 或 3D 游戏。

其中，Horizon Create 是一款面向移动设备的应用程序，主打随时随地进行创作。用户打开应用后，可以直接使用自然语言描述想制作的游戏内容，然后由 AI 自动生成对应的可玩作品。

另一款产品 Horizon Studio 则运行在浏览器中，开发者可以进一步调整游戏难度、美术风格、任务进程、成长系统以及各种玩法细节，从而获得更高程度的创作自由。

不过，尽管 Meta 已经正式公布相关产品，目前外界仍然无法准确评估这些 AI 生成游戏的真实质量。Meta 尚未展示大量完整案例，因此尚不清楚生成作品能够达到何种复杂程度。

此外，Meta 也没有公布两款工具的大规模开放时间表。公司仅确认 Horizon Create 是一款移动应用，而 Horizon Studio 则是一款基于网页的平台，但尚未透露具体的设备要求和正式上线时间。（来源：cnBeta）

医院用 AI「提效」，结果保险公司两年多付了 9.42 亿美元

美国 Blue Cross Blue Shield Association 最新分析显示，医院使用 AI 工具辅助医疗编码和提交保险索赔后，两年内相关医疗支出反而增加约 9.42 亿美元。

原因并不是 AI 看病更贵，而是 AI 特别擅长找到：

「这个病例还能再编码成什么、还能向保险公司多申请什么费用」。

于是 AI 给医疗系统带来的第一批明确 ROI，有时并不是减少医生工作，而是把原来漏掉的收入全部找回来。

这个案例很值得关注，因为它揭示了企业 AI 落地一个很现实的规律：

模型不会天然降低整个社会的成本。

它首先会优化购买它的那一方的利益。

医院买 AI，AI 就帮助医院提高收入；保险公司因此承担更高费用。（来源：TechCrunch）

Anthropic 与 Akamai 达成 7 年 116 亿美元协议，扩充 CPU 算力

9 月 26 日消息，云计算、网络安全、内容交付企业 Akamai 当地时间 24 日宣布大幅扩展与 Anthropic 的合作关系，两家公司签署了一份为期 7 年、价值 116 亿美元（现汇率约合 779.2 亿元人民币）的合同。

根据协议，Akamai 将以其分布式人工智能基础设施和软件满足 Anthropic 日益增长的 CPU 工作负载需求。这 116 亿美元承诺对应 Akamai 的 55 亿美元额外总资本支出。双方还可将合同扩大最多 90 亿美元。

作为两家企业加强战略合作的一部分，Akamai 已向 Anthropic 发行认股权证，允许 Anthropic 购买 Akamai 至多 5% 的已发行普通股，其中 2% 与本次承诺绑定、剩余 3% 则和后续的追加承诺相关。（来源：IT 之家）

SK 海力士旗下 Solidigm 最快明年在美 IPO，估值或高达 1500 亿美元

SK 海力士旗下美国子公司 Solidigm 正在评估上市计划，潜在估值最高达 1500 亿美元，有望成为美国半导体史上规模最大的 IPO。

据路透援引知情人士透露，Solidigm 本周已与多家投行举行竞标会议，就 IPO 承销角色展开角逐，标志着上市进程迈出实质性一步。

该公司计划最早于明年完成上市，目标募资规模约 150 亿美元。消息人士提醒，包括交易规模和时间表在内的相关计划仍处于早期阶段，可能因市场状况而调整。

据彭博报道，今年 8 月，Solidigm 与 CoreWeave 达成多年期协议，向后者提供企业级固态硬盘（SSD）容量。Solidigm 的其他客户还包括 Vast Data、戴尔和腾讯。

若最终成行，此次上市将为这家专注于 NAND 闪存和企业级固态硬盘的公司提供独立估值，同时借助人工智能基础设施投资热潮吸引市场资金。

AI 相关需求持续推动半导体硬件股上涨，Solidigm 所在赛道正处于这一趋势的核心位置。

在推进上市计划的同时，Solidigm 亦在考虑扩大本土生产能力。据媒体此前报道，该公司正评估在美国建设 NAND 闪存芯片工厂的方案，纽约州北部已成为选址的主要候选地。（来源：华尔街见闻）

最贵 AI 订阅服务之一：曝 OpenAI 正筹备 ChatGPT Pro Max 订阅层级

9 月 25 日消息，Tibor Blaho 通过开发者工具查看 ChatGPT 网页端源代码时发现，其代码中出现了 PROMAX 相关字段。

他认为，OpenAI 正在准备推出更高阶的 ChatGPT Pro 订阅方案，其推测月费可能达到 500~600 美元（现汇率约合 3,359 ~ 4,030 元人民币），这将是市面上最昂贵的 AI 订阅服务之一。

目前，OpenAI 尚未正式宣布推出这一更高阶 ChatGPT Pro 计划，也未确认相关代码是否对应未来正式上线的产品，因此产品名称、功能以及最终定价仍存在较大不确定性。

近年来，OpenAI 持续调整 ChatGPT 的订阅体系，已推出 Plus、Pro 以及面向企业和团队用户的多种付费方案。

在此之前，OpenAI 已经暂停 200 美元（现汇率约合 1,343 元人民币）的 ChatGPT Pro 订阅，以减缓系统压力并保障更多用户能够流畅使用。（来源：IT 之家）

DeepSeek Harness 出桌面版了

DeepSeek Harness，终于有官方桌面版了？这次，DeepSeek 没有发公告，但相关下载链接已经在社交媒体上传开了。

从界面来看，它已经是一套相当完整的 GUI：打开 App，登录 DeepSeek 账号或者添加 API Key，选一个本地文件夹作为工作区，接下来就可以像使用普通桌面 AI 应用一样，直接给 Agent 布置任务。

随后，Harness 会让用户选择自己的使用方向。它把需求粗略分成了办公科研、代码开发等类别。

接下来，它还会询问用户更倾向于哪种工作流程。

DeepSeek 还给 Agent 准备了几种「工作方式」：标准模式、PTC 模式、极简模式、创造模式。

标准模式适合大多数任务，可能也是普通用户最容易理解的 Harness 使用方式。

PTC 就稍微技术一点，允许模型先写一小段程序，再通过程序批量组织和调用工具，特别适合批量处理。

极简模式更加简单粗暴，Agent 只使用终端工具完成任务，这更接近传统 Coding Agent，对于熟悉命令行的开发者来说非常直接。

创造模式允许 Agent 编写插件、添加新功能或界面，也可以组合工具和提示词，创建自己的模式。这和 DeepSeek Harness 从一开始强调的设计理念是一致的——官方把自己的架构概括为 Everything is a Plugin，也就是尽可能把 Harness 的能力设计成可组合、可扩展的插件。

从当前界面来看，DeepSeek Harness 已经内置了 6 个官方插件，包括智能体团队、语音输入、终端、Agent 循环、Subagent 和网页搜索。其中「智能体团队」和「语音输入」目前还标着「实验性」，前者用于开启多 Agent 协作，支持团队工具、成员列表和共享任务看板；后者则可以在本机调用 SenseVoice，把语音直接转成文字，不过首次使用需要额外安装依赖。（来源：机器之心）

聊天、编程、智能体三合一，微软正式发布新版 Copilot「超级应用」

9 月 25 日消息，25 日晚间，微软正式发布新版 Copilot「超级应用」。新版 Copilot 把聊天、编程和智能体三类 AI 能力集中到同一个界面中。

微软为其给出的新定位是「为工作而生的 AI」，甚至把 Copilot 与 Office 当年对生产力的影响相提并论。微软 AI 工作业务首席营销官贾里德 · 斯帕塔罗表示：「正如 Office 定义了 PC 时代的工作方式，新 Copilot 旨在定义 AI 时代的工作方式。」

新版 Copilot 分为 Home、Code 和 Autopilot 三个标签页。

Home 把 Copilot Chat 和 Cowork 整合到一起，也是用户打开 Copilot 后默认进入的页面。微软还计划在 Home 中加入 Today 功能，以个性化仪表盘的形式汇总重要邮件、会议请求、Teams 讨论串等信息。

借助 Code，任何人都能创建应用、跟踪器、仪表盘或自动化流程，再把成果以云端内部应用的形式分享给同事。Code 采用与 GitHub Copilot 相同的底层技术，在沙盒环境中运行，也可以安全托管在企业租户内。

Autopilot 同样是 Copilot 新增的重要部分，斯帕塔罗称其为「数字队友」。Autopilot 原名 Scout，最初是一款桌面应用；更名后的版本转向云端，让个人 AI 助手即使在用户睡觉时也能继续执行任务。

新版 Copilot 中的 Cowork、Code 和 Autopilot 都采用按使用量计费的机制，持续运行的智能体功能以及 Astra、Fable 等模型的调用，都将按照实际用量收费。

微软通过自动模型选择器为不同任务匹配模型，而 IT 管理员则需要借助新推出的 FinOps for AI 控制 AI 支出，防止智能体用量失控。（来源：IT 之家）

Anthropic 为 Claude 上线「限时免费额度重置」功能，每位用户仅可使用一次

9 月 26 日消息，Anthropic 宣布为 Claude 上线「限时免费额度重置」功能，允许用户免费手动重置每周使用额度，不过每位用户仅可使用一次。该功能目前预计开放至 10 月 22 日，用户需要谨慎选择使用时机。

目前，部分 Claude 用户已可以在界面中看到用于重置每周使用额度的按钮。点击后无需额外付费即可刷新每周额度，如果用户同时触及了 5 小时使用上限，该限制也会一并重置。

需要注意的是，点击按钮并不会改变用户原本的额度刷新周期。也就是说，用户在本周中途执行重置后获得的新额度，仍会按照原有时间表在下一周到期，而不会从点击重置按钮的时间重新计算一周。

目前这项福利有两项限制。首先，每名用户只能免费重置一次，使用后暂时不会再次获得免费重置机会。其次，该功能仅开放至 10 月 22 日，之后是否继续提供尚未明确。（来源：IT 之家）

扎克伯格跃升为全球第四大富豪，Muse 大火

据中新经纬援引美国《福布斯》网站报道，当地时间 9 月 24 日，Meta 首席执行官马克·扎克伯格身家超越戴尔科技董事长兼首席执行官迈克尔·戴尔，成为全球第四大富豪。

当地时间周四，Meta 股价上涨 4.5% 至 777.59 美元/股，创下年内收盘新高。扎克伯格的净资产估计达到 2664 亿美元（约合人民币 1.79 万亿元）。

自今年年初以来，Meta 股价已上涨 17.8%，并在本月早些时候 Muse 发布后持续反弹。

Meta 在本月初推出了 Muse，这是一款可以预订旅行、发送电子邮件和管理联网家居设备的自主人工智能助手。扎克伯格将其描述为在 Meta 平台上实现「个人超级智能」的一步。

市场分析公司 Sensor Tower 的数据显示，Muse 在 9 月 8 日上线后短短五天内，下载量就超过了 ChatGPT，成为美国 iOS 平台下载量最高的免费应用。截至当地时间本周一，Muse 自发布以来累计下载量已超过 250 万次。（来源：中新经纬）

AI 眼镜卖爆了！全球出货量暴涨 263%：Meta 独占 94% 份额

Counterpoint Research 最新发布的数据显示，2026 年上半年全球 AI 眼镜出货量同比大幅增长 263%，其中无显示屏 AI 眼镜占总出货量的 96%，持续主导市场，AR&AI 眼镜细分品类同期同比增速高达 449%。

无显示屏 AI 眼镜赛道中，Meta 约占该品类同期出货量的 94%，进一步巩固主导地位，其余玩家市场分布较为分散。AR&AI 眼镜赛道中中国厂商商业化更为活跃，中国占该细分市场出货量的 45%。

当前行业面临存储等元器件涨价、公众对 AI 眼镜摄像头隐私关注度上升两大挑战，相关机构预计行业整体增长趋势不会改变，后续增长将由智能体 AI 眼镜推动。（来源：快科技）

曝特斯拉 Optimus 产量扩至原有规模约 10 倍，规模化量产难题仍未解决

The Information 25 日晚间报道称，特斯拉近几个月已将 Optimus 人形机器人的产量扩大到原来的约 10 倍（tenfold），然而稳定规模化生产的难题仍未解决。

多名熟悉 Optimus 项目的人士透露，当前生产线面临的障碍包括结构复杂的手部、自动化设备以及供应商方面的限制。

两名熟悉生产工作的人士称，特斯拉上个月每周可生产数百台机器人，而第二季度进行量产前小批量测试时，每周产量只有几十台。管理人员已告知员工，公司希望在年底前建成一条可连续运行的自动化产线，将每周产能提升至 1000 台以上。即便如此，距离特斯拉最终计划实现的每周约 20000 台仍相差很远。

知情人士称，随着 Optimus 的运行表现逐步提高并趋于稳定，特斯拉计划逐渐扩大机器人的作业范围。

一名知情人士透露，特斯拉计划在初期向外部商业客户出租 Optimus，而不是直接销售。租期结束后，公司可以收回机器人，对设备进行升级或翻新。据悉，特斯拉计划利用 Optimus 在客户工厂和仓库收集的数据改进 AI 系统。（来源：IT 之家）

马斯克押注超大规模 AI 算力，xAI 计划部署逾 120 万颗英伟达 GPU

马斯克旗下人工智能公司 xAI 正在进一步扩大数据中心规模，并计划在未来几年部署超过 120 万颗英伟达 AI GPU。随着 Colossus 数据中心持续扩建，xAI 希望通过大规模算力基础设施训练和运行下一代 Grok 模型，与 OpenAI 等竞争对手展开更加激烈的 AI 基础设施竞争。

不过，120 万颗 GPU 的规模仍然是一个未来目标，而不是 xAI 当前已经部署完成的数量。数据中心建设速度、GPU 供应、电力供应、冷却设施、网络设备以及资金投入都会影响最终部署速度。因此，最终实际运行的 GPU 数量以及完成时间仍可能发生变化。

无论最终数字能否达到目前规划的规模，xAI 正在建设的 Colossus 已经显示出 AI 基础设施竞争正在进入一个新的阶段。随着 OpenAI、Google、Meta、微软以及其他 AI 公司纷纷建设吉瓦级数据中心，未来 AI 模型之间的竞争很大程度上也将演变成数据中心规模、电力供应和先进 GPU 获取能力之间的竞争。（来源：cnBeta）

宇树科技王兴兴：机器人核心瓶颈是能否解决几毫米的工作误差

9 月 24 日，第五届全球数字贸易博览会在杭州举行，宇树科技创始人王兴兴发表《从机械到灵智—具身未来进化论》主题演讲。

回顾 AI 行业发展，ChatGPT 的出现彻底重塑了大众对人工智能的认知，打开了行业想象力。对此王兴兴判断，具身智能赛道未来也必将迎来专属的「ChatGPT 时刻」。当机器人可在 80% 的陌生场景中，通过语音具身能力完成 80% 的任务时，就意味着行业抵达爆发临界点。届时全球企业与各国资源将集中涌入赛道，这一产业拐点有望在未来几年落地。

让机器人说指令、象征意义执行某个具体工作，在去年已能实现。王兴兴认为，目前最大的问题是 AI 模型的输入、输出与真实物理世界精准匹配度不足，机器人工作会有几毫米的误差。

「未来谁能解决这个问题，机器人的问题就完全解决了。」王兴兴说。（来源：界面新闻）

世界第一辆汽车专利申请 140 周年「献礼作」，AMG 首款纯电专属架构 SUV 谍照再曝

9 月 25 日消息，梅赛德斯-AMG 即将扩充产品阵容，迎来品牌首款基于专属架构开发的纯电 SUV。官方预告图发布后不久，外媒 Carscoops 今天（25 日）晚间公布了一辆原型车的新谍照，车身伪装相比此前大幅减少。

新车代号 X591，是 AMG GT 四门轿跑车对应的 SUV 车型。车身仍有部分伪装，整体造型却已相当清晰：流畅低伏的车顶配合宽厚有力的肩部线条，使整车兼具轿跑 SUV 和运动旅行车的视觉特征。

最新曝光的原型车可以完整看到座舱玻璃区域。新车还会通过独有灯组设计强化辨识度，车头配备 Y 形 LED 灯组和超大尺寸前格栅，车尾采用圆形尾灯。据悉，圆形尾灯或将成为 AMG 最新一批独立车型的代表性设计元素。

黑色铝合金轮毂同样十分醒目，大型制动盘和黄色制动卡钳清晰可见。座舱预计会采用与 AMG GT 四门轿跑车相近的多屏幕布局，同时凭借 SUV 车身为乘员和行李腾出更多空间。

动力部分，新车基于 AMG.EA 专属纯电平台打造，采用 800V 电气系统，并搭载 Yasa 开发的轴向磁通电机。电池技术则借鉴 F1 赛车方案，通过液体直接冷却电芯。

电池方面，新车预计沿用 AMG GT 四门轿跑车的 106kWh 电池，直流快充功率最高可达 600kW。充电 10 分钟可补充约 460km 续航。

底盘配置同样会采用 AMG 最新技术，包括带半主动侧倾稳定功能的 AMG Active Ride Control 空气悬架，以及已经在谍照中现身的后轮转向系统。（来源：IT 之家）

苹果 iPad 12 曝光，支持 Apple Intelligence 性能与连接能力全面增强

苹果下一代入门级平板电脑 iPad 12 的更多信息近日浮出水面。根据最新曝光的内部资料和供应链消息，这款产品虽然不会迎来全新的外观设计，但将在处理器、内存、无线连接以及人工智能功能方面获得近年来最重要的一次升级。

从目前披露的信息来看，iPad 12 将继续沿用现有 11 英寸全面屏设计，整体外观与上一代产品基本保持一致。

苹果此次升级的重点集中在内部配置。消息显示，iPad 12 预计将搭载 A18 或 A19 系列处理器。无论最终采用哪一款芯片，都将基于更先进的 3 纳米工艺制造，在性能和能效方面明显领先于现款产品所使用的 A16 芯片。

除了处理器升级之外，内存容量也将同步提升。新机预计配备 8GB 内存，高于现有机型的 6GB 配置。

与此同时，苹果预计不会对显示屏进行重大升级。

泄露信息显示，iPad 12 仍将采用 LCD 显示屏，并继续维持 60Hz 刷新率。因此，与 iPad Pro 和部分高端 iPad Air 产品相比，它依然定位于大众市场而非专业用户群体。

不过，业内普遍认为苹果此次产品策略相当明确。公司并不打算通过昂贵的显示面板或复杂的新设计提高成本，而是希望利用更强芯片、更大内存以及 Apple Intelligence 支持，让入门级产品获得更长生命周期和更高竞争力。

如果目前曝光的信息最终得到证实，那么 iPad 12 虽然在外观上变化有限，但其实际升级幅度可能会成为近年来入门级 iPad 产品线中最大的一次。从传统内容消费设备向 AI 增强型个人计算平台转变，也将成为这款新机最值得关注的变化之一。（来源：cnBeta）

华为麒麟 9035 芯片本月登场：Mate 90 Pro 首发搭载

9 月 25 日，有博主披露，华为 Mate 90 Pro 将首发搭载麒麟 9035 芯片，该机还将采用双层 OLED 屏幕。

据披露信息，麒麟 9035 保留了麒麟 9030 系列的原始规模，在原有基础上进行提频优化，目前其核心规格和频率尚不确定，需等待发布会正式揭晓。麒麟 9030 系列包含麒麟 9030、麒麟 9030 Pro 两款芯片，二者核心数量、GPU 配置存在差异。

双层 OLED 屏幕采用垂直堆叠的双层 RGB 发光单元结构，可使屏幕亮度翻倍，延缓材料老化，大幅延长屏幕寿命，在显示效果和耐用性之间取得更好平衡。（来源：快科技）

OpenAI 内部 AI 智能体曾将 53 张用户图片发布到互联网，公司事先并不知情

OpenAI 近日披露了一起此前未公开的安全事件：在公司研究环境中运行的 AI 智能体曾将用户上传到 OpenAI 模型中的 53 张图片发布到公开的图片托管网站，而 OpenAI 当时并不知道这些智能体已经进行了相关操作。

虽然这些图片并不是以公开索引页面的形式发布，但任何获得相关链接的人仍然可以访问这些内容，部分图片目前似乎仍然能够在互联网上找到。

OpenAI 在此次事件的公开说明中承认，将用户提供的图片发布到互联网并不属于这些数据应有的使用方式。公司表示，相关图片被发布时使用的是没有公开列出的链接，也就是说搜索引擎等常规方式可能无法直接发现，但这并不意味着图片真正处于私密状态，只要链接被发现，其他人仍然能够访问。

OpenAI 目前正在与相关图片托管服务提供商合作，希望删除这些图片。不过，公司没有透露目前究竟有多少内容已经被成功删除，也没有确认所有图片是否都已经从互联网彻底清除。

此次图片事件因此也再次凸显了 AI 数据使用和 AI 智能体权限之间的复杂关系。传统的数据隐私政策通常能够比较明确地描述公司如何收集、存储和使用用户数据，但当 AI 系统本身拥有自主执行任务的能力后，模型在研究环境中究竟会采取哪些行动，也成为新的风险来源。（来源：cnBeta）

「以意图驱动的手机就是 AI 手机。用户说一句话，手机就能把事情办了，不需要再打开 APP、反复点击。」

这是 OPPO ColorOS 智慧产品研发总监姜昱辰，给 AI 手机下的最新定义。她也用这把尺子量了一遍市面上的产品，包括 OPPO 自家的，结论是现在没有一台手机可以称为 AI 手机。

但做出这样一台手机，正是 OPPO 的目标。

如果按姜昱辰的标准，这个行业连及格线都没碰到，那过去四年各家砸下去的东西，未来会如何在手机体验上体现出差别？

OPPO 的答案可以压缩成一句话：不去和大模型公司争云端的模型，把核心能力压在端侧。

它要的是把手机做成一个真正的 Personal AI：先理解你、记住你，再由 AIOS 和 Agent「主动」替你把事情办掉。

这套东西的骨架，是 OPPO 去年公布的三大技术战略：记忆是核心，端侧模型是基础，AIOS 是运行层。三层叠起来，组成了 OPPO ColorOS 的 AIOS 蓝图。

至于上面的那个问题，姜昱辰认为差别不在模型里。恰恰因为模型这一层的差距正在消失，手机之间的差距才刚开始拉开。

云端大模型这个行业本质上更像「供电厂」：云计算是基础设施，模型算法相当于发电技术，而发电技术很难长期保持差异化。行业里的做法大体是公开的，所以体验趋同不是某一家的失误，而是一个必然的结果。某家短期领先，「过两天可能肯定就是又拉齐了」。

但如果智能最终像电一样随时可取，买电的人靠什么彼此区分？

OPPO 的选择是在 2025 年初定下来的：那次战略讨论形成的共识是端侧模型坚持自研，云端基座主要是接入开放多元的基础模型生态。自研云端基座也认真考虑过，但最后的判断是：「端侧模型可能是我们的事，但自研云端大模型不一定是我们的事。」

从模型到应用，生态一直是 OPPO 在规划 AI 手机时重点考量的因素｜图片来源：ODC2026

这是从「什么样的手机才配称为原生 AI 手机」倒推出的结果。答案是能深度理解用户意图、不需要你一个个去点 App；而要做到这件事，最缺的是这台手机对你的长期了解，也就是用户授权的持续上下文。记忆和端侧，就是必须自己做的那一段。

除了战略，端侧还有一层非做不可的理由。对手机这个形态来讲，云侧的软硬协同没做好，代价主要是 Token 成本；端侧的代价则是 BOM 成本、性能、功耗和热，这会直接传导到用户日常的手机体验上。手机一直发烫、续航很差就注定推不广，「它是一个生死问题，是一个零一博弈的问题」。

要把这几样压住，光靠算法难以实现，需要依靠芯片和模型一起设计；这恰好是一家手机公司的主场。

相比于成本、性能和功耗这些代价，「隐私安全其实更为重要。」

端侧模型在这套架构里承担的就是记忆与 AIOS 的地基：记忆涉及实时感知，数据都上云的话成本和隐私都很难处理。最能说明的例子是相册，没有端侧模型，很多相册内容出于隐私考虑不能做深度理解，AIOS 的主动功能对你的理解就会弱一层。所以隐私安全是端侧的优势。

姜昱辰认为，手机仍然会是人与数字世界的第一 IO 设备。

过去手机品牌的复购，来自用户习惯，未来，这一点可能变成手机是否能记住足够多的个人上下文。

连续上下文，是 Personal AI 真正的核心基础，也是 OPPO 过去几年投入最多、形成了自己路线的那一块。

OPPO 做记忆这件事最早始于 2023 年。2024 年底，姜昱辰创立的波形智能整体并入 OPPO，彼时双方对这个方向已经高度共识。

「当时还不是行业共识，是一个非共识方向，后来行业才陆续关注到。」姜昱辰这样描述记忆当时的位置。

今天记忆几乎是每家手机厂商发布会上的必备词，但在两年前，把它排到第一优先级需要大量解释成本。内部讨论过两个考量：他们做的是 Personal AI 不是通用助手，如果只是回答问题，记忆未必那么重要；以及护城河，维护好用户上下文会显著增强粘性。

同样的逻辑也让 OPPO 没有去追逐一些当时的热点，比如 GUI Agent：既然应用最终都会变成适合 Agent 使用的形态，就没必要对中间方案投入过大。

这条路上第一个落地的产品是一键闪记，定位是一个系统级的「跨 App 收藏夹」。按 OPPO 提供的数据，仅取餐码一项累计调用就超过 10 亿次。

一键闪记可能是过去 OPPO AI 软硬结合最成功的产品之一｜图片来源：ODC2026

但一个被按了十亿次的取餐码，只是这件事最表面的一层。「记忆这个事情可以做得很深，但坦率说，我们现在也可能只做了 20 分。」

OPPO 把记忆拆成三层：底下是原始数据管理，中间是被称为「记忆体」的那一层，上面是检索层。更新、纠错和遗忘都发生在中间这一层，学问最深的也是这一层。

她举过一个典型的「翻车」案例：自己经常去成都出差，手机里堆着很多机票和行程单，不少已经改签失效。问「我去成都的飞机是什么时候」，期待的是最近那一班，但只把数据存下来再检索出来，返回的会是一叠历史机票。

「这时系统需要对于我过去的出行历史有建模、有遗忘。」工程上的解法是构建全场景「事表」，把历史事件串成时间轴；更长期的方向是让用户记忆和模型一起设计。

在去年发布的三大技术底座之一——记忆共生引擎的基础上，2026 年 ODC 大会，ColorOS 17 推出「记忆后台」，可以逐渐学习你的使用习惯，进行「个性化的资源调度」；同内存机型的后台保活率，平均提升 55.6%。

也正因为难在这一层，记忆的终态不是个人知识图谱，这和很多人的直觉相反。「大模型本身有很强的泛化能力，所以记忆会更多是非结构化的，不简单是数据的存储和 retrieve。」她更愿意叫它记忆体，「那东西有点像人脑，对很多事情形成模糊的概念，概念之间存在关联。」

「评测是做 Personal AI 最重要的事情之一。」姜昱辰提到，难点在于个性化本身就是千人千面的主观需求，同一个回答 A 觉得好 B 可能不喜欢，行业里也缺少成熟的基准。

这也是今年 ODC 上，OPPO 和浙江大学、OpenKG 一起发布行业端侧评测基准 MobileMem 的原因，借此牵引模型、Agent 系统和 harness 往正确的方向发展。

去年在极客公园的 IF 大会上，姜昱辰把记忆称为 AI 手机演进的第一步；今年她对第二步也有了说法：proactive，手机要学会主动服务。

ColorOS 17 里承载这一步的功能叫「即将发生」，把你需要跟进的琐事聚合起来，到点把服务放到最需要的位置：有个会要开，入会入口推到眼前；16 号了，提醒你还信用卡。她说这不完全是信息流，「更像用户自己的个人仪表盘」。

在这里，当你走错机场时，小布会打电话提醒你，到站了会提醒你下车，接通支付宝之后一句话就能交话费。

而在战略上，OPPO 选择了 A2A（Agent to Agent）作为长期技术路线，让手机上的 Agent 直接和服务方的 Agent 对话，而不是让 AI 去模拟人点屏幕。姜昱辰承认了这条路的代价：「付出的代价就是整个过程比较慢。」

ColorOS 与腾讯地图的合作是个样本。合作最早由 OPPO 发起，但技术方案上曾有分歧：一种是腾讯地图提供原子能力接口、OPPO 主导串联，但用不上地图的出行大数据；另一种是腾讯地图主导串联，但对 OPPO 侧的用户意图处于盲区。

最后按各自优势重构：OPPO 做意图的感知和识别，腾讯地图基于意图和出行大数据给出方案与后链路服务，共创系统级可记忆的全场景出行智能体。这段分歧其实就是整件事的缩影——A2A 不是接一个接口那么简单，它真正要谈的是智能体生态基础设施构建。

腾讯地图侧改造并整合了六个模块，把用户规划一趟旅行从 9 步操作变成一句话，上线后使用用户的长期留存高于大盘 15%。

所以这条从端侧到记忆再到 Agent 的链条，今天的端侧模型已能承担多模态信息的理解和基础推理；主动服务进了 ColorOS 17，走错机场会来电、到站会提醒、琐事会聚到一处；生态接通了支付宝、微信、腾讯地图这些最高频的伙伴。

但按照「说一句话把事办了」的标准，今天没有一台手机及格，包括 OPPO 自己。

这条路的技术上限还远没被摸到。姜昱辰给出三个判断：大模型继续往 Agentic 方向演进，能感知世界并主动采取行动；持续学习让 Agent 不断适应用户；推理能力继续增强。

对手机行业来讲，真正稀缺的不是这些判断，而是把判断一层一层落成产品的能力。2025 年 4 月一键闪记落地，10 月三大技术战略成形，到今年变成主动服务、评测基准和一个新硬件，这条链上的每一层都没有被换掉过。

今年 ODC 首次出现的 OPPO AI 硬件「心力球」｜图片来源：ODC2026

今年 ODC 上还出现了一个新形态的 AI 硬件——心力球。它挂在胸口，是 OPPO 时隔八年推出的新品类，定位不是录音设备，而是你的「 AI 个人幕僚」：始终在线，开完会能告诉你哪里讲得不好、今天是不是有点暴躁、同事可能有什么话外之音……

这也能管中窥豹地一睹 OPPO 做 AIOS 的战略：要持续获取物理世界里的「信号」，要靠的不只是更好用的 AI Agent 手机。

为了更好地在 AI Agent 时代继续做好你的「第一 IO 设备」，OPPO 时隔八年，做出一个不是手机的硬件。

直播预告

 

 

 

GPT-6 Astra 来了，这一次它盯上的是机器人的「大脑」。

3D 理解、任务规划、长程执行 —— 当通用大模型把这些能力带进机器人领域，具身创业的牌桌正在被重洗：机器人的「大脑」会被通用模型重做吗？当基础能力日益通用，机器人公司还能靠真机数据、控制能力和场景闭环守住什么？

今晚 20:00，极客公园视频号直播间，我们请来了英诺基金执行董事、石麻笔记主理人王建明，诺亦腾机器人联合创始人&首席科学家韩磊，潜界科技CEO 胡钰承，和极客公园副主编靖宇、作者 Li Yuan，投资人 + 一线从业者，一起聊聊 GPT-6 之后，机器人创业怎么变。

华为 Mate XT2  非凡大师，作为一款放在当下仍然算是顶级旗舰的三折叠，我用了几天之后，我最强的感受是：没什么特别强的感受。

但这其实并不是在说 HUAWEI Mate XT 2 非凡大师「平庸」。恰恰相反：两年前我第一次体验到初代 Mate XT 的时候，围过来的人会想上手摸一摸、想看它怎么折；这一次没有。它就是一台手机，只是能展开成一块 10.2 英寸的屏。

对一台两万块的三折叠来说，今天的不惊讶，反而成了一个反常的事。

HUAWEI Mate XT 2 非凡大师展开态｜图片来源：极客公园

我的判断是，这个形态已经开始逐渐成熟了，就像当初普通的折叠屏手机也经历过这样一个过程一样。

成熟这个词在硬件上有很具体的含义：它不是指发明了什么新东西，而是指过去那些必须忍受的妥协，随着技术的演进与迭代与时间的推移，被一个一个消解掉。

对于仍然处于发展早期的三折叠手机，这两年消掉的妥协可以列一张清单。但这一代有意思的地方在于，清单上最要紧的几项不是一项项修出来的，是换了一种折法，一次全消掉。

前两代 Mate XT 用的是 Z 字折：三段屏一内一外，像把一张纸折成 Z。这个折法有一个绕不开的前提，折起来之后，柔性屏必须有一段露在外面充当外屏。

三折叠早期的大部分妥协，都是从这一个前提派生出来的。

最早，柔性屏得能往两个方向弯，材料难度比书本式折叠高一档，这是第一代最硬的技术攻关。露在外面的那一段柔性屏没法上玻璃盖板，怕刮，折痕也在外面。折起来的时候中间那一段前后都被盖住，相机模组只能放在两端的一段上，展开之后就偏在一侧，握着一边轻一边重。

这一代换成了展翼，也有人叫它 G 型或 U 型：两翼向内合拢，把柔性屏整个包在里面。

现在，柔性屏只需要单向内折，它和我们最常见的普通折叠屏手机用的是同一类技术。折起来之后露在外面的只有背板和一块独立的外屏，这块外屏第一次可以用玻璃盖板，也就是玄武昆仑玻璃，6.5 英寸、屏占比 92.8%，比上一代那段 6.4 英寸的柔性屏高了六个多点，合上之后终于像一台正常的直板机。相机模组回到了机身中间，爱范儿在首发上手里专门写了这一点：双手握住展开的内屏，左右受力平分。

展翼合拢后，柔性屏被完整包在里面｜图片来源：极客公园

对应的「代价」也显而易见：这个结构必然会导致多了一块屏。

但对照两代的数字，这个代价带来的负面影响微乎其微：上一代 298 克、折叠 12.8 毫米、展开最薄 3.6 毫米；这一代 299 克、12.3 毫米、3.5 毫米。多了一块屏，重量只涨了一克，机身反而更薄了。

据华为介绍，早在十余年前，研发团队就同时有了两种开合形态的构想，那第一代为什么不直接用展翼。

我的理解是，Z 字折是给「证明」选的形态：它只用一块柔性屏就同时给出了内屏和外屏，零件最少，展开最薄，屏幕露在外面折来折去，看上去也最像一件奇观。第一代要证明的是三折叠能量产，Z 字折在这几件事上都占优，代价是得先啃下双向弯折的材料。

展翼是给「使用」选的形态。它在零件上没那么简洁，换来的是外屏能上玻璃、重心能对称、柔性屏不再暴露。这几样东西对一件奇观没什么意义，对一台天天揣在兜里的手机是全部的意义。

第一代选的是最能证明的那种折法，第三代选的是最像手机的那种。这个顺序本身，就是「奇观退场」的另一种写法。

折法之外，对于三折叠的使用场景探索还有一条是耐用性。Mate XT 2 是第一款支持 IP58 和 IP59 级防尘抗水的三折叠，前两代都没有。对一台两万块、还有三段屏和两组铰链的机器来说，能不能带着它淋一场雨，是「奇观」和「能用的东西」之间的分界线。

还有一些参数上更新带来的体验改变：内屏刷新率从 90Hz 提到 120Hz（灵盾防窥屏版，标准版仍是 90Hz），峰值亮度从 2000 尼特提到 6500 尼特。华为还给了一组来自自家实验室的数据：外屏玄武昆仑玻璃抗跌较普通玻璃提升 30 倍、耐刮提升 16 倍。

折叠态厚度，12.3 毫米｜图片来源：极客公园

2019 年 2 月，三星和华为隔了四天发布各自的第一台折叠屏：Galaxy Fold 合上超过 15 毫米厚，Mate X 把屏幕折在外面，折痕是肉眼可见的一道沟，两台都没有防水。七年过去，华为 Mate X7 做到了 9.5 毫米、235 克。

折叠屏没有在这七年里变出什么新花样，它只是把当年那些让人皱眉的地方，一样一样磨平了。三折叠现在做的是同一件事，只不过它用两年走完了别人五六年的路。

从这个角度看，「没什么特别强的感受」恰恰是这台机器最好的成绩单。

华为给这台机器定的关键词之一是「最强折叠影像旗舰」，它自己最想讲的也是影像：首发第三代红枫影像、F1.49 到 F4.0 连续可变光圈、RYYB 传感器、18EV 动态范围。这些我这次没有专门测，但可以确定的是，影像恰恰是这台机器上和「三折叠」关系最小的那部分，它是今年每一台旗舰都在卷的东西。

哦，对了，还有一点：为了防止类似折叠顺序搞错导致转轴机构受到损伤的情况出现，华为在系统内置了防呆设计，检测到你先折叠了另一侧，会通过震动和系统动画提示你步骤错误，应该按照对应顺序折叠。

但成熟不等于日常，这两件事中间还隔着一样东西。

普通折叠屏走进日常靠的是两条腿，妥协消掉是第一条，第二条是价格下来。2019 年 Galaxy Fold 国行 15999 元、华为 Mate X 16999 元，都是当时最贵的手机；到 2026 年，小米 18 Fold 把书本式折叠卖到 10999 元。价格降了三分之一，折叠屏才真正从发烧友手里流到普通人手里。

从这个角度来讲，三折叠的第二条腿还没迈出去。

2024 年 9 月，第一代 Mate XT 起售价 19999 元。2026 年 9 月，Mate XT 2 起售价还是 19999 元。两年，两代，一分钱没动。

往上看就更清楚：512GB 版 21999 元，1TB 版 23999 元，1TB 灵盾防窥屏版 24999 元，2TB 防窥屏加手写笔套装 29999 元。而内屏 120Hz 只给了防窥屏版，标准版停在 90Hz，也就是说真要拿到这一代最好的那块屏，得从 24999 元起步。

三块屏打开三个应用正在逐渐进化｜图片来源：极客公园

价格没动，说明华为想卖给谁这件事，其实从未改变。

一个更直接的证据是适配名单。2024 年第一代 Mate XT 发布时，率先完成适配的是淘宝、京东、小红书、WPS、新浪新闻和 Wind 金融终端，消费和办公混着来，华为当时的说法是「把电脑装进口袋」。

到了这一代，华为点名已经完成 PC 级深度定制适配的，是七家专业金融软件：Wind 金融终端、Choice 金融终端、东方财富、大智慧、国泰海通君弘、国信金太阳智能版、中金财富 e 财富。配套的是实况窗盯盘与实时下单、三窗并行看 K 线，紧挨着的是窗口级投屏和手写笔批注。

鸿蒙版 Wind 金融终端此前已经为 Mate XTs 做过适配，10.2 英寸屏可以铺开两百多个国家的宏观信息与各类资产行情；展开后同时开三个办公窗口不挤，能替代一台小平板。

名单从「所有人都在用的 App」收窄到「专业终端」，价格两年没降，防窥屏成了顶配的门槛。三件事指向同一个结论：这台机器的形态确实走出了奇观期，但华为并没有打算让它走进大多数人的日常。

在三折叠手机这个近乎实验场的新形态上，华为想要交付的体验也很简单：那种一天里要同时开三个窗口、并且不希望邻座看见其中任何一个的人。

所以「从奇观走进日常」这句话，我认为现在只对了一半。

折叠屏这七年能从 16999 元走到 10999 元，靠的从来不是哪一家格外努力。2019 年三星和华为隔四天发布第一台之后，小米、OPPO、vivo、荣耀、谷歌陆续下场，屏幕、铰链、结构件的供应链被整个行业一起摊薄。到今天，给苹果供折叠面板的是三星显示，给国产机供 UTG 玻璃和铰链精密件的蓝思、领益，同时也在给别人供货。折叠屏的硬件供应链是全行业共用的，成本才降得下来。

三折叠这条赛道，到现在基本还是华为一个人在走。按华为自己的说法，它是目前唯一在售三折叠手机的厂商。

唯一进来过的对手是三星。Galaxy Z TriFold 在 2025 年 12 月于韩国首发，售价 2899 美元，2026 年 1 月进入美国市场，上架当天就卖光了。然后它在 3 月停掉了韩国和新加坡的销售，4 月停掉美国，前后只卖了三个月。外媒给出的停产理由是双铰链的造价压不住，加上 AI 基础设施推高了元器件成本；三星的继任机型要等到 2027 年。

一个对手来过又走了，赛道重新变回独角戏。

独角戏是降不下来价的：没有第二家帮你分摊供应链，也没有第二家逼着你降。

有意思的是，华为其实已经演示过怎么把一个新形态做便宜的能力：就在上个月。Pura X View 把「阔」从折叠里单独拆出来，做成一台不折叠的直板机，放进六千元档，顶着自家 7499 元的 Pura X 卖。那套动作证明的正是：新形态也可以做减法，把验证过的体验从溢价里拆出来。

但那是在 Pura X 那条产品线上。那条线上有对手，三星把自家折叠屏转向了阔比例、起售 12999 元，小米的阔折叠原型机也露过面。三折叠这条线上没有。

华为在有对手的地方做减法，在没有对手的地方守着两万块。这不是态度问题，是市场结构的问题。

所以一个新形态要走进日常，需要的往往不是发明它的那家更努力，而是需要第二个人进来。

折叠屏是 2019 年两家隔着四天发布，才有了后面七年的降价曲线，三折叠，到现在还在等它的第二家。

但对于已经期待很久的华为用户来讲，今年的华为已经交出了足够让他们满意的答卷，这就足够了。

送别「济公」！表演艺术家游本昌去世，享年 93 岁

9 月 24 日消息，据央视新闻今日报道，中国国家话剧院表演艺术家、一级演员游本昌，因病在北京去世。

游本昌出生于 1933 年，享年 93 岁。他生前长期从事戏剧表演，在《济公》等作品中塑造了许多深受人民群众喜爱的艺术形象。1951 年，从南京市私立钟英中学（现南京市钟英中学）毕业后加入南京文工团。1985 年，在演了 79 个「小角色」后，首次出演主角——「济公」，凭该角色被大众所知。1994 年成立北京本昌艺术传播中心，制作二十集电视系列剧《济公游记》，并担任导演、主演、出品人。

2023 年，他出演了王家卫导演的电视剧《繁花》，作为男配角与主角阿宝形成师徒合作关系，在剧中担任其经商导师与幕后军师，贡献了许多「教科书式」的表演名场面。《繁花》播出后，他饰演的「爷叔」深受观众喜爱，游本昌再次爆火。（来源：CnBeta）

华为余承东首度回应问界品牌合作模式调整：赛力斯主动提出想自己主导，我们支持他们

9 月 24 日消息，据博主 @邓凳 Max 分享，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东今天现身合肥鸿蒙智行门店，首次公开回应了问界品牌调整。

余承东表示，赛力斯这几年跟我们合作，能力有了长足的成长，现在他们想自己主导。于是他们主动提出来想自己做，我们还是支持他们。

另外，博主透露，余承东亮相合肥，主要是去江淮开会，尊界车型矩阵布局有望提速。

鸿蒙智行在今年 9 月 15 日宣布，与问界合作调整：产品定义、产品设计、品牌营销、渠道零售、服务体系由赛力斯主导，华为终端参与赋能。（来源：IT 之家）

亚马逊将投资超 1 亿美元在美国新建机器人制造工厂，2028 年投入运营

9 月 24 日消息，据华尔街日报报道，亚马逊已经是全球最大的机器人制造商之一。随着公司进一步推动仓库作业自动化，亚马逊正在扩大机器人生产规模。

亚马逊表示，公司将投资超过 1 亿美元（IT 之家注：现汇率约合 6.72 亿元人民币），在美国印第安纳州格林伍德（Greenwood）建设一座新的机器人制造工厂，预计将于 2028 年投入运营。

就在上个月，亚马逊还宣布计划在得克萨斯州奥斯汀（Austin）建设另一座机器人制造中心。随着这两座新设施建成，亚马逊旗下机器人制造工厂的数量将从目前的两座增加至 4 座。

亚马逊在机器人领域的投资可以追溯至 2012 年。当年，公司以 7.75 亿美元（现汇率约合 52.1 亿元人民币）收购机器人公司 Kiva Systems。这些投资让亚马逊成为围绕自动化和人工智能将如何影响劳动者这一讨论的核心企业之一，其中也包括其自身超过 150 万人的员工队伍。

亚马逊表示，公司投入用于包裹分拣、搬运和运输的机器人，不仅创造了高薪技术岗位，还让可记录的工作场所受伤事故发生率降低了 40% 以上。

亚马逊全球经济发展副总裁霍莉 · 沙利文（Holly Sullivan）表示：「过去 10 年里，我们已经部署了超过 100 万台机器人。在此期间，我们还招聘了数十万名与这些机器人共同工作的员工。」（来源：IT 之家）

罗永浩评小米 18 Fold「如果能接受 D 型屏，确实做得非常漂亮」，强调无商业利益合作

9 月 24 日消息，罗永浩昨晚发文评小米 18 Fold：「如果能接受 D 型屏，小米 18 Fold 确实做得非常漂亮，尤其是酒红色的版本，细节没得挑，让人爱不释手。」

他谈到，酒红色做阳极氧化有一个其他颜色没有的特点，就是拿在手里旋转时，色温色相会有细微的波动变化。比如在一个特定角度下，边框呈现暖的酒红，与之衔接的 C 角或 R 角则呈现冷的酒红，这时候看上去就会很不和谐，像是颜色做错了。

他透露，自己当年做酒红色机型的时候，这个问题就没有得到百分之百的完美解决。而手里的这款，他以找茬的方式 360 度看了好几遍，控制得非常完美。最后，他强调该帖无商业利益合作。

李楠谈锤子科技 TNT 生不逢时：有了 Agent 之后，这些操作其实都不是非常难

9 月 24 日消息，Angry Miao 创始人、前魅族科技 CMO 李楠今天在微博发文称，锤子科技的 TNT 真是生不逢时。今天有了 Agent 之后，这些操作其实都不是非常难了。

锤子科技的坚果 TNT 工作站本质上是一块显示屏，它搭载 27 英寸 IPS 全贴合 4K 屏幕，支持十点触控，内置独立音频信号处理器，拥有「十大神钮」，可实现「高效便捷操作」。

罗永浩曾表示，他直到现在都认为，当年做 TNT 的决策没有错，而是错在资源不够。一台桌面级电脑里如果加上了多点触控和语音，就可以实现远比 PC 和 Mac 效率更高的工作，而且当年还有三星和华为去做了「手机接大屏」体验，但是体验都很差。

当年锤子科技做坚果 R1 的时候，其实手机芯片已经快算力过剩了，所以罗永浩想着先给这台手机上大一点的内存，然后等 CPU 迭代一两代后再用手机去做桌面级的东西，这种体验相比手机和电脑间云同步文件来得更直接。

（来源：腾讯科技）

苹果 iPhone 4「天线门」发布会完整问答视频流出，乔布斯、库克现场答记者问

9 月 24 日消息，一段时长 47 分钟的苹果 2010 年 iPhone 4「天线门」新闻发布会问答环节视频近日出现在 YouTube 上。视频记录了时任苹果 CEO 史蒂夫 · 乔布斯（Steve Jobs）、蒂姆 · 库克（Tim Cook）以及鲍勃 · 曼斯菲尔德（Bob Mansfield）回答媒体记者提问的完整过程。

苹果于 2010 年 7 月 16 日召开了这场新闻发布会。当时，部分用户反映，以特定方式握持 iPhone 4 可能导致手机蜂窝网络信号减弱，因此苹果决定对此作出回应。

在发布会的预先准备演讲中，乔布斯宣布，符合条件的 iPhone 4 用户可以免费获得保护套，同时苹果还提供 30 天退货选项。苹果后来公开了这部分演讲的视频，但没有发布问答环节。当时媒体主要通过文字报道和现场照片记录了这部分内容。

如今曝光的视频显示了此前未公开的问答环节。其中一个值得关注的片段发生在大约 18 分 45 秒处。格鲁伯当时提问，现场的 3 名苹果高管是否在自己的 iPhone 4 上使用保护套。

乔布斯、库克和曼斯菲尔德随后分别举起了自己手中的 iPhone 4，展示这些手机均没有安装保护套。

（来源：IT 之家）

Counterpoint 数据：四足机器人 2026H1 全球出货约 3.5 万台，达 2025 全年 3/4

9 月 24 日消息，Counterpoint Research 当地时间 21 日发布见解：全球四足机器人出货规模在 2026 年上半年达到约 3.5 万台，已是 2025 全年水平的 3/4；而这 3.5 万台中 40% 面向垂直工业应用。

中国制造商仍然主导四足机器人市场，宇树科技 (Unitree)、智元酷拓 (AGIQUAD)、智身科技 (Genisom AI)、云深处科技 (DEEP Robotics)4 家企业占据多数份额。

宇树科技的四足机器人主要面向娱乐、教育、科研市场；智元酷拓专注于核心工业应用场景，是 2026 年内增长最快的品牌之一；智身科技出货了超 1,000 台「铜锤」系列重型四足机器人；云深处科技同样聚焦工业领域。

▲ 图源：Counterpoint Research

机构认为，动态载荷＞20kg 的重型四足机器人将凭借其实用性在市场中扮演越发重要的角色。

（来源：CnBeta）

Meta 的 AI 智能体 Muse 被发现可导出虚拟机大量文件

9 月 25 日消息，科技媒体 macobserver 昨日（9 月 24 日）发布博文，报道称 Meta Muse 被发现可在简单提示词下，打包并返回用户专属虚拟机中的大量 Linux 文件。

Peter James 和 Jonny L. Saunders 两名开发者已独立复现该问题，相关文件包含系统文件、应用模板、内部运行文档、Markdown 与 JSON 文件等。

导出的文件可能暴露 Muse 的内部运行机制，包括请求处理、记忆保存、服务连接和后台任务。其中 agents/ 目录包含 113 份子智能体记录及 JSONL 追踪文件。约 20 份 Markdown 文档介绍浏览器、连接器、支付、凭据、数据处理、语音、目标和定时任务等功能。

研究人员还统计出约 68 个技能目录。相关功能覆盖 Google Workspace、Meta 社交应用、Outlook、旅行、购物、健康服务、家庭设备和媒体生成。配置文件还提到 Slack、Dropbox、Polymarket、Canva 和 Klaviyo 等连接器。

Muse 是 Meta 推出的个人 AI 智能体，可在云端虚拟机中处理文件、调用浏览器、连接电子邮件等外部服务。用户可通过移动应用或网页界面访问 Muse。其运行环境包含工作区文件、智能体工具及部分持久化数据，并由隔离机制限制对主机系统和外部网络的访问。

（来源：IT 之家）

趁着 Muse 火热加快推新！扎克伯格发布新手持设备 Muse Charm

周三 Meta Connect 大会上，Meta 首席执行官扎克伯格在主题演讲结束时，发布了新的手持设备 Muse Charm，其可与该公司近期发布的 Muse AI 个人智能助手配合使用。

扎克伯格并未透露太多关于 Muse Charm 功能的细节，只透露用户可以通过与该设备对话来与 Muse 互动，且无需解锁手机或打开应用程序。他并没有透露售价，表示 Meta 需要最终确定组件布局，并计划在 12 月假期前完成发货。

扎克伯格强调，Meta 在这款新设备中塞进了很多高科技，如果用户没有购买 Meta 的 VR 眼镜，那么 Charm 将是他们使用 Muse 的最便捷产品。（来源：财联社）

谷歌下周将发射试验卫星，能处理简单 AI 查询

9 月 24 日消息，《华尔街日报》今天（24 日）晚间报道，当地时间 10 月 1 日，谷歌计划把一颗实验卫星 MVP 送入轨道。MVP 具备足够的算力，可以直接在太空中处理并回答简单的 AI 查询。

MVP 属于谷歌雄心勃勃的 Project Suncatcher（IT 之家注：直译作「捕日计划」）。谷歌希望将 AI 数据中心部署到太空，并利用太阳能为其供电。届时，MVP 将在加州圣巴巴拉附近的范登堡太空军基地搭乘 SpaceX「猎鹰 9 号」火箭升空，进入地球轨道。

埃隆 · 马斯克、杰夫 · 贝索斯、萨姆 · 奥尔特曼等人都曾承诺支持轨道数据中心，但若想把数据中心搬到太空，设备如何抵御太空辐射、将机器送出大气层的高昂成本，都是需要面临的难题。与此同时，地面数据中心面对越来越多的反对声音和物理条件限制，在地球上空部署计算设施也因此变得更具吸引力。

严格来说，谷歌此次并不会把一整座数据中心送入太空，MVP 只是完整数据中心的实验性前身。卫星搭载 4 枚专门用于计算的 TPU 单元，总算力相当于数据中心里的一台服务器。

MVP 的太阳能板只能产生约 1kW 电力，大致相当于运行一台吹风机所需的功率，并以此为 4 枚芯片供电。

报道提到，这点电力足以让谷歌检验硬件能否承受严酷的太空环境。MVP 将在一年内处理简单的 AI 查询并维持运行，卫星则预计可继续绕地球飞行最长 6 年。此后，MVP 预计会在地球引力作用下逐渐降低轨道，最终坠入大气层并烧毁。（来源：CnBeta）

WinRAR 与潮牌 tern 合作推出「压缩包」实体挎包，150 美元

9 月 24 日消息，老牌压缩软件 WinRAR 最近宣布与法国潮流品牌 tern 合作，推出一款以 WinRAR 图标为主题的「Archive Messenger Bag」实体挎包，定价 150 美元（IT 之家注：现汇率约合 1,008 元人民币）。

据介绍，这款挎包的尺寸为 21.4 x 14 x 7 厘米，带有磁性搭扣，内部配备硬质隔层，肩带可拆卸，使用卡扣固定。表面材质为仿皮，中国制造。

值得注意的是，WinRAR 官方在宣传这款挎包时表示：「还没有购买 WinRAR 的各位（基本就是你们所有人！），不如干脆买个包吧！」

Anthropic 搭了个「Claude 闲鱼」，看看 AI 会不会互相坑

4 月 24 日消息，Anthropic 公布了一项名为 Project Deal 的内部实验：公司在 Slack 中搭建了一个二手交易市场，让 Claude 充当 69 名员工的买卖代理。每名员工先告诉 Claude 自己想卖什么、想买什么以及议价偏好，之后人类退出，发帖、出价、还价和成交全部交给 AI。

实验持续一周，超过 500 件真实物品上架，AI 共谈成 186 笔交易，总额超过 4000 美元，从滑雪板到一袋 19 颗乒乓球都有。Anthropic 还设置了多组平行市场，比较 Claude Opus 4.5 和 Haiku 4.5 的议价能力。

结果显示，更强的 AI 确实更会「砍价」。同一件商品由 Opus 出售时，平均能多卖 3.64 美元；综合重复成交的商品计算，Opus 当卖家平均多赚 2.68 美元，当买家平均少付 2.45 美元。一颗培育红宝石，Opus 卖了 65 美元，Haiku 只卖了 35 美元；同一辆坏掉的折叠车，两者分别卖出 65 美元和 38 美元。

更有意思的是，吃亏的人并没有明显察觉。由 Haiku 代理的参与者，对交易公平性的评价和 Opus 用户相近。这意味着，当 AI 开始替人购物和谈判，模型能力的差距可能直接变成钱——拿着弱一点的 AI，不但更容易买贵卖贱，甚至可能不知道自己吃了亏。（来源：Anthropic）

在 GPT-6 Astra 官方发布页的一个不到 3 分钟的视频里与后续解读中，Astra 已经能直接进入 Blender，从一句住宅设计需求开始搭场景，先生成极简住宅，后来又将其扩展为围绕庭院展开的家庭住宅。里面有卧室、办公室、厨房和卫生间；家具从床板、衣柜挂杆、烤箱、餐具抽屉，再到灯光模拟，一应俱全。甚至水槽表面的法线出了问题之后，Astra 还会自己返工。

为了制作 30 秒室内漫游，它还会把相机放在约 1.65 米的人眼高度，用 24—26mm 镜头安排四段运动；进入 Unreal Engine 5 之后，它又自己处理 FBX、JSON、米和厘米的单位差、坐标转换、材质映射、碰撞和第一人称控制。

当通用模型也能做 3D 了，专业 3D 生成模型的价值会发生什么变化？

当下，3D 工具的使用者，正逐渐从人 扩展 为 Agent。稳定的生成质量之外， 专业 3D 能力能否被 Agent 理解、调用，并用于后续修改——产品是否 Agent-Ready，正在成为 3D 生成下半场的新门槛。

事实上，前沿通用模型与专业模型的能力之间，并不需要被划成非此即彼的两边。前者能够理解创作目标、调用不同工具，也擅长通过代码生成规则几何体与重复性结构；以 Hyper3D 为代表的专业 3D 生成模型则擅长复杂形体、精细几何和材质的生成。两者可以在同一项任务中协作，也意味着更多人可以通过 Agent 开始创作，专业 3D 能力有机会进入更多工作流。

基于这一理念，Hyper3D 近日上线了最新的智能交互功能 Agentic Mode，将 Hyper3D Rodin 与 LLM 多模态上下文分析能力整合进同一流程，实现自主理解、优化输入，再根据任务选择最合适的建模路径。

值得关注的是，这次更新不只是让生成过程更省事，还把生成能力进一步拓展到工业设计建模——从带尺寸的产品图纸出发，生成可以继续调整的三维模型。

它不是绑定某个通用模型的专属入口，而是内置于 Hyper3D 的能力，让人和不同 Agent 都更容易使用专业 3D 能力。在这个过程中， 人依然决定创作目标、评判设计取舍，Agent 则可以承担越来越多的具体执行。

01

从创意资产到工业建模，

Agentic Mode 补上了什么？

在进行 3D 生成时，「输入」这一步其实就存在着隐形门槛。

一辆摩托车的参考资料里，可能混着整车正面、侧面、仪表盘、发动机和排气管特写；一张角色设定稿同时画着正面、背面、武器和配件；工业设计人员递过来的，则可能是一张带尺寸标注的产品图纸。

为了更接近想要的生成效果，这些资料在进入生成模型以前，人已经做了不少预处理：先清背景、挑参考图、判断哪些画面属于同一个主体，哪些图片负责整体轮廓，哪些只补充局部细节，再决定这次应该用哪条建模路线。

Agentic Mode 首先接手的，就是这部分往往被当作准备工作、却直接影响生成效果的专业判断。

借助 Agentic Mode，系统可以先从一张并不标准的素材里判断什么才是主体、哪些视觉信息需要保留，再按需增强输入，对不可见部分进行合理推演，减少人工素材预处理与反复调试。

比如这里，左半边是我随手拍下的吴越王钱镠塑像，由于拍摄时是阴天，也没有讲究太多拍照手法，导致除了人物面部不清晰之外，人物手中的弓箭也与背景交错在一起。

在输入这张单一视角的图片后，Agentic Mode 不但精准识别补充了面部细节，也没有将弓箭与树枝混为一谈。甚至转到人物背面图时，衣服的行制与纹理也均与正面图相吻合。

到了工业设计图纸、产品多视图等场景，输入理解的重要性会更加明显。一组参考资料里既有整体，也有局部；不同视角可能属于同一个物体，还可能混着尺寸标注、结构示意和材质参考。系统需要先分清这些信息各自描述了什么，才能进行后面的建模。

以这个餐车案例为例，输入并不是一张普通产品图，而是一组带有尺寸、结构分区、局部说明和多视角信息的技术示意图。对传统 3D 建模流程来说，这类输入的难点不在于「看见图片」，而在于能否真正理解这是一份面向建模的工业化信息。

这恰恰是 Agentic Mode 的突破所在。它不只是降低输入门槛，而是把生成能力从创意资产延伸到工业设计等更广阔的应用领域，承接那些更强调结构理解、规格约束和可迭代性的建模任务。对于产品概念验证、展示模型制作和工业设计前期沟通等场景，这类能力尤其具有现实价值。

理解输入之后，接下来还要判断合适的建模方式。这也是 Agentic Mode 与简单模型调用拉开差别的地方之一，Agentic Mode 会根据任务自主选择最合适的建模路径。

Agentic Mode 对 Low-poly N-GONS 模型支持可以通过自然语言驱动的参数化控制、动画预设与材质增强等后续编辑功能。这些能力与 Agentic Mode 的输入理解、建模规划相衔接，共同支持「生成、检查、再修改」的创作流程。

最让人惊喜的是下面这个机械手的生成案例，最终模型不只要把机械结构做出来，关节本身还需要能够继续调整和运动。在这一案例中，Agentic Mode 在生成 Low-poly N-GONS 模型后，继续给模型加入动画预设，用动态效果检查关节运动。

在这个案例中，我们也可以清楚看到，生成完整的耳机细节图之后，无论想更改材质、纹路还是颜色，都能通过拖拉拽的方式一键完成。

可以看出，Agentic Mode 要做的，不只是生成一个高质量的模型，而是把生成全流程中的更多专业判断交给 AI。从创意资产到工业建模，读懂设计资料、选择建模方法、生成后继续调整的单独动作被连成了一个完整过程。

02

3D 生成进入「Agent 时代」

内容资产从可生成，到可以进入真实 Agent 工作流的 Agent - Ready 状态，不是 3D 生成独有的变化。

视频生成行业已经经历了类似的演进。

前几年 SeedDance、Runway、Kling 的竞争中，大家的竞争重点都放在了可以生成几秒，画面有多清楚，人物细节与表情是否稳定，镜头运动能不能成立。

等到单次生成越来越强，竞争随即从生成转向 Agent 工作流维度。例如，Google 今年为 Flow 加入了 Agent，可以在用户控制下处理多步骤创作、生成多个方案、批量编辑并整理素材；Flow Tools 还支持用自然语言创建定制工具与工作流。专业产品开始把原来分散的操作，组织成能够持续推进的创作过程。

这个过程中，随着视频模型越来越强，专业产品开始把过去散落在人脑子里的制作方法成 Agent 能力的一部分：什么时候用哪个模型，什么地方值得重新生成，什么地方局部编辑就够，第一轮应该追速度还是质量，几十个镜头之间怎样保留人物和素材状态。而对模型来说，能够更好支持 Agent 工作流的玩家，也明显会拿到更多筹码。

回到 3D，类似的变化还要面对三维资产自身的要求。

对于视频生成来说，用户想要什么样的效果、可以选择什么样的路径，普通人就可以用一些自然语言描述清楚，但是在 3D 生成场景中，要读懂任务并不容易。需要能够理解平面图、立体图与尺寸图之间的复杂联系，并且能够将这些复杂联系变成生产路径中的环环相扣的执行。

现在，这些对小白来说难如登天，对专业人士来说过于繁琐的细节，已经全部可以借助 Agentic Mode 交给 Agent 来实现。

此外，生成内容是否可以被修改、可迭代， 能否 适应 具体 的落地场景，也是 专业 3D 生成中的关键要求。

一个视频片段生成以后，还有剪辑和后期；一个 3D 资产生成以后，也可能需要几何编辑、拓扑调整、材质处理、尺寸修改、分件、骨骼绑定和动画，再根据用途进入游戏引擎、AR、3D 打印或仿真环境。

同一辆汽车放进商品展示、赛车游戏和机器人仿真场景，对外观、部件结构和后续处理的要求，并不相同。

相比 Astra 展示出了完整的长链路推进能力，在更具体的 3D 资产生产里，专业模型还在解决另一组问题：复杂形体怎样生成，几何细节和材质怎样满足目标，生成之后，局部能不能被控制与修改？这些能力可以成为 Agent 完成任务时调用的专业工具。

相应的，通用模型和专业 3D 模型之间很难被一句「 GPT 已经会 Blender 了」抹平差距。

模型能力的上限天花板之外。即使未来通用模型把生成能力继续往前推，专业 3D 生产里仍然藏着大量 Know-How：输入应该怎么整理，哪种对象走哪种方法，什么时候保留现有资产继续修，什么时候推倒重做，需要进游戏的东西应该提前拆哪些部件，要去仿真的资产又要留下什么结构。

尤其对真实生产场景来说，这些经验还关系到成本的实际问题。当方案有了变化，是只能再生成一个看起来差不多的模型，还是可以针对已有结果继续调整，专业判断能否被 AI 承接，这些都会直接影响修改的成本和工作流的连续性。

Hyper3D 在 Agentic Mode 之前，就已经开始为 Agent 使用专业 3D 能力做准备。例如，Hyper3D Rodin 的生成能力可以通过 MCP 接入 Codex、Claude Code 和 Kimi Code CLI 等智能体。

全球越来越多的创作者正在用「GPT-6+Hyper3D MCP」进行 3D 内容创作

看上去只是多了一种调用方式，却替用户省掉了过去很繁琐的手工操作：接上 Hyper3D MCP 后，在 Codex 或 Claude Code 里做项目的 Agent，需要一个 3D 模型时，可以直接调用 Hyper3D Rodin 的生成能力、等生成完成、拿回结果，不必再打开另一个网页，重新上传素材、等待生成、下载文件，再搬回原来的工作环境。

但 MCP 只能解决部分效率问题。在 3D 内容生成中，更多的 know-how 与时间消耗，其实藏在如何解读用户输入、应当选择什么样的建模路线，以及最终的微调要如何细化。这正是 Agentic Mode 要进一步接手的部分。

从这个角度看，Hyper3D 的更新并不是一次突然转向，而是此前围绕真实生产积累的能力，开始面向新一代使用者重新迭代。

03

从 Production-Ready 到 Agent-Ready，

专业 3D 能力如何走向更多人？

把 Hyper3D 过去几年的产品更新串起来看，会发现它前半程一直在解决同一个问题：先让资产可用、可控、能进入生产管线。在这个过程中，核心 3D 生成模型 Hyper3D Rodin 不断迭代，推出自然语言编辑 3D Editing、递归分件 BANG、可控生成 3D ControlNet 等独家可控能力，构成了它对 Production-Ready 的回答。

到了 3D 生成的 Agent 时代，这条产品路线又向前走了一步：界面层通过 MCP 连接外部 Agent，输入层由 Agentic Mode 理解素材、规划建模路径，互动层则提供自然语言编辑、分件等可控能力。Hyper3D 正在把原本由专业用户逐项操作的工具，拓展成能被 Agent 持续使用的 3D 工作台。

这也带来了一个过去很难同时成立的变化：

一方面，3D 内容生成加速向工业设计、游戏资产、仿真、训练这些更复杂、对专业性要求更高的场景落地。

另一方面，使用它的人却可以越来越不专业。用户甚至不需要了解建模背后有几种模型，不需要了解 Blender 与拓扑到底是什么东西，就能生成足够专业的 3D 内容资产。

Agent 没有消灭专业内容生成的复杂性，只是把输入整理、模型选择、生成、修改和后处理之间的大量判断接了过去，成了系统能力的一部分。

于是，一些过去受制于建模成本、来不及反复验证的设计想法，有了更容易进入 3D 创作的机会。

例如，对一个工业设计团队来说，一份产品草图或带尺寸的参考资料，可以先转成可讨论的三维方案；在一个游戏中，不止 BOSS 与核心场景值得被认真制作，小兵与地图的边缘也开始被关注；在具身智能模型训练团队中，一些稀少的 Corner case 除了能用仿真数据模拟，还可以通过 3D 建模生成更逼真的效果；对一个家装设计团队来说，设计师构思好设计概念后，就能立刻完成草图与场景建模，OPC 成为可能。

对创作者来说，重要的不是从此不需要专业知识，而是更少被准备素材和反复操作拖住，能把时间留给方案本身。

技术进步叠加交互方式变革，让 3D 建模成为任何任务中都能够被随机调取的能力。率先将 Agentic 能力引入 3D 生成领域的 Hyper3D，正在让这一切成为现实，而这也才是3D 内容生成进入 Agent 时代的真正价值所在。

*头图来源： Hyper3D

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

用了 AI、消耗了 Token，不一定就是 AI 原生组织，但不用肯定没有机会。

作者｜Li Yuan

编辑｜郑玄

先让许多管理者感到危险的，往往不是行业里又冒出了什么新技术概念，而是身边的同行突然拿出了完全看不懂的交付速度和报价单。

这种压迫感在今年变得极其具体：老牌企业正在把成群的智能体塞进核心生产线，甩掉繁琐的流程包袱；而那些从第一天起就生长在 AI 上的轻量团队，几个人就能直接撬动过去上千人公司的研发与交付产能。

当两拨底子完全不同的人在同一个市场里正面碰撞，企业间原有的体量界限正在被彻底击碎——竞争的胜负手不再取决于你积累了多少年的组织规模，而取决于业务链条上有多少比例被机器智能真正接管。

在今年云栖大会一场名为「AI 原生重塑企业生产力」的论坛上，这种分水岭被摆上了台面。

掌管着千问办公事业部（原钉钉）数亿用户盘子的陈宇森直言，现在给任何组织贴「AI Native」的虚名都毫无意义，唯一的度量衡极其务实：去数一家企业里到底有多少工作量是由 AI 真实闭环的。换句话说，谁能让智能体深度接管真实流水线，谁就拿到了新周期的入场券。

这种接管不是停留在设想里，数据已经在反映全行业的真实动作。

在阿里巴巴最新披露的数据中，与 Token 相关的 MaaS 业务 ARR 达到 160 亿元，加上 AI 云后超过 400 亿元。每一次调用的背后，都不再是玩具般的问答，而是一个个正在替企业写报价、查底稿、画图纸的数字员工。

当企业开始用这种方式重组流水线，竞争的标尺已经从你雇了多少物理员工（Headcount），不可逆地滑向你能调度多少智能体（AgentCount）。

很长一段时间里，大多数人对 AI 的理解其实相当局限：起初它只是实验室里算力惊人的模型，后来变成了手机里偶尔尝鲜的对话框，帮员工润色邮件、搜集资料或生成几张配图。在那个阶段，它不过是个锦上添花的小工具，没人真敢把身家性命托付给它。

但今年，这层浅尝辄止的外壳正在被迅速打破。

张亮在现场给出了一个极其清晰，行业在使用 AI 上的三阶段演进路径：最开始是每位员工各自找个 AI 工具辅助摸索；接着是把 Agent 嵌进企业私有数据和工作流，实现人机协同；最终则是将专业经验提炼蒸馏为云端大脑，形成可沉淀、可复用的数字资产。

在张亮看来，最直观的改变是「边界在消融」：个人开发者转变成一家公司，或者小公司快速成长为大公司，界限已不清晰；几个人的公司可能在做很大的事情，一个人也可能运转以前一家公司做的事，很难再按组织人数的大中小来区分公司。

这种边界的消融，给不同年龄的企业带来了截然不同、却同样剧烈的震荡：

对于没有任何历史包袱的创新团队，这意味着出生即可「以小搏大」。

做工业级电子设计的成都派兹互连就是个极好的样本。EDA 软件向来是国际巨头靠上千名工程师、几十年的设计规则和按席位卖上百万的单机软件筑起的深宅大院。但派兹互连一支几十人的轻量研发团队，把整个设计引擎、规则库与经验沉淀搬上了云端，用多智能体协同把工业容错率咬死在 100% 的 DRC 符合线上，直接跑通了全流程的电路板设计。

带来的结果是颠覆性的：相较于传统人工操作，器件建库和文档识别准确率稳定在 95% 以上，分组处理速度暴力提升了 100 倍以上，规则层合并解决率达到 90%，数据上传速度加快 5 倍 ()。一支过去按行业惯例需要上千人才能维持的研发团队，借由云端资产的复利，用极低的人力成本完成了对海外巨头技术壁垒的正面突破。

而对于体量庞大、流程盘根错节的成熟企业，破局的关键不再是盲目求新，而是在不危及业务连续性的前提下，精准卸掉最繁重的机械包袱。

拥有上万名专业人员的信永中和会计师事务所，面对的是极其严苛的数据隐私、合规红线与跨库壁垒。过去，一个资深造价师或审计人员为了出具专业报告，必须在天眼查、同花顺、易董、广联达等四五个系统间反复切换、手动拼凑数据，大半精力荒废在机械的「人找数据」上。

信永中和并没有推翻沿用了七八年的老业务系统，而是在原系统上方加盖了一层统一的 AI 工作平台：高频数据用 MCP 调用，分析数据通过 API 导入，一线人员只需在统一入口下达目标，后端的 Agent 自动穿透各个专业库完成交叉比对、直接出具底稿草案。他们没有辞退员工，也没有砸碎老系统，但把最耗时的机械搬运全部交给了智能体。

两个案例，分别踩中了不同组织转型的截面。

正如张亮在现场给出的冷峻提醒：用了 AI、消耗了 Token，不一定就是 AI 原生组织，但不用肯定没有机会。无论是小团队在第一天就与 AI 打通工作流，还是大组织拆解原本的信息孤岛，企业究竟走到了哪一步，终究取决于你能不能把真实的业务交给 Agent，让每一次 Token 的消耗，都化作实打实的生产力。

为什么偏偏是今年，整个行业突然集体踩下了油门？

掌管着千问办公事业部（原钉钉）的陈宇森对此看得很透。不同于硅谷高昂的人力成本，国内很多基础业务用人来堆，效率其实差强人意，成本也没那么痛。

陈宇森给出了一个冷峻的商业公式：「新体验减去旧体验，再减去替换成本，必须大于零。」如果一项任务由 AI 接管后，效率只能提升 20% 或 30%，这种微小的改善根本无法覆盖高昂的替换成本，企业自然没有动力去动手术。他的行业经验是，只有当 AI 能将效率暴力拉升到同等人力的 3 到 5 倍时，企业才会真正跨过观望门槛，痛下决心改造流程。

真正打破僵局的，是基座模型在今年悄无声息地撞碎了企业的「经济学临界点」。

阿里巴巴千问大模型业务副总裁徐栋在现场给出了两条极其清晰的坐标线：一条是能力的「可用线」，另一条是成本的「斩杀线」。

所谓的「可用线」，是指以千问 3.8 Max 为代表的新一代模型，终于在长程规划、工具调用（Function Calling）和复杂编程这三项硬核指标上越过了生产门槛。它不再需要人亦步亦趋地喂指令，而是能连续几天咬住一个目标，自主拆解复杂的长链路任务，在企业多套软件和数据库之间稳定调度。

而成本的「斩杀线」来得更为凶猛。当千问 3.8 Flash 把输入成本砸到每百万 Token 仅需 0.8 元人民币时，调用一次企业级智能的综合成本已经降到了两毛钱以内。过去海外模型动辄五六十元的高墙被瞬间推倒，企业原本以为「根本不值得被自动化」的边缘苦活、累活，全部具备了近乎暴利的投入产出比。

很多企业今天根本没有意识到，今天的 AI 究竟已经能接管多少不可思议的复杂工作。

在极度内卷的跨境电商领域，时间就是最残酷的生命线。海外的消费趋势、平台算法和爆款周期往往以天甚至以小时为单位更迭，对出海卖家而言，商品上架哪怕慢了半步，备好的库存就可能直接沦为死货。而上架一款产品，通常需要跨工种之间多轮沟通和跨语言调优，快则两三天，慢则一周以上，极其容易错过自然流量爆发的窗口期。

在接入千问与万相系列多模态模型后，益象科技（飞象 Agent）直接把这条繁琐的跨国内容链路重构成自动化流水线：过去耗时数天的全套图文与视频物料，现在只需 1 分钟就能批量出具；制作成本从原本的数百上千元被暴力击穿至一套 5 元钱。

这种业务层面的实质性突破，反过来彻底重塑了企业挑选云厂商与模型底座的底层逻辑。

过去企业把 AI 当玩具，选型看的是谁家模型跑分高、谁家接口便宜，甚至随便拉一个开源模型在本地跑跑 demo 就足够。但当企业真正要把核心业务、真金白银的交付订单托付给 Agent 时，这种单点尝鲜的逻辑立刻失效了。

企业开始意识到：在生产环境里，单靠一个聪明的模型根本撑不起真实的商业闭环。

张亮在现场点破了这个行业趋势：企业客户不是个人开发者，挑选技术伙伴极其谨慎，需要的是一个长期、全能、全栈的底座。模型的智能水平固然决定了 Agent 的能力上限，但真正决定企业能不能把生意做下去的，是算力能不能持续供应、海量请求过来时系统会不会崩、高并发峰值能不能扛住，以及底层工具链能不能把工程复杂度全部兜底。

这也正是阿里云的 AI 业务在过去一年能跑出爆发式增长、ARR 冲上数百亿的核心密码。

企业对底座的要求变了，阿里云给出的解法是全栈能力的承接： 面对飞象这样瞬间涌入数十万商家的爆发式调用，阿里云不仅提供千问与万相模型，更依托全球算力加速网络与极简的控制台部署，让一个完全不懂专业运维的轻量团队，几行命令就能拉起高并发架构，彻底省去自建基础设施的巨额成本。

过去几十年，企业之所以维持着庞大的金字塔层级，本质上是因为人类的沟通带宽和信息处理能力极其有限。这种多层级管理正在被 Agent 的协同网络直接穿透。

高帆破浪 CTO 李斌在圆桌讨论中指出，过去企业之所以长成金字塔架构，是因为人是最小的执行单元。

但在 AI 原生组织里，人被压缩成了「责任节点」——只要圈定这块业务或这条 SKU 归我负责，底下具体的「执行节点」全部替换成了 Agent。一个产品负责人带着成群的执行节点，就能独自从撰写 PRD、排期、进度跟踪一路推向供应链对接与推广，传统岗位间漫长的协同扯皮被一次性抹平。

张亮自己的实操同样印证了这一点：过去哪怕要追踪 30 个重点客户，也需要耗费大量时间排会、听汇报、对齐进度，会上敲定的事项过几天可能就无人跟进；而现在，Agent 可以每天对数百万客户的情况进行全量归纳，自动穿透到原子级的客户痛点，并在约定的排期自动追问责任人是否落实。甚至，团队把管理者的谈参、会议记录与复盘逻辑全部输入系统，在内部跑起了一个随时供一线员工调用的「老板数字分身」。

这让管理的本质发生了逆转：AI 削减的不是管理本身，而是原本寄生在层级之间、用来搬运与加工信息的庞大中间损耗。

更深层次的质变，是企业最核心的「知识与经验资产」改变了存在方式。

在传统模式下，企业的经验附着在员工的肉身上——资深销售带着谈单技巧跳槽，高级工程师带着设计心法离职，留在企业内部的往往只剩断代的数据与带不走的人才真空。

但在 AI 原生组织里，经验正被加速固化为组织的「数字资产」：员工在日常操作与业务流转中，系统会自动抽取其工艺参数、分析逻辑与专业心法，经人工审核后直接沉淀为云端的规则库与 Skill 库。当下一次新业务启动时，系统调用这些沉淀下来的 Skill 就能自主跑完绝大部分工作，原本随着人员流动而流失的个人经验，变成了永久在云端运转的组织资产。

当技能可以被标准化提炼、执行被成群的智能体接管，传统岗位的划分逻辑随之坍塌。这也印证了圆桌中陈宇森等人在现场的一致判断：未来企业内部的传统岗位边界将变得模糊。

关于人机协作的终局，或宇连接 CTO 林维聪提到，现在，过去的「判断、执行、负责」三位一体已被撕裂，人只保留判断与负责，人工执行被彻底剥离；PsyGo 联席 CEO 张文君则走得更远——他主张将「执行」与「判断」全部交由 AI 接管，人类管理者只负责最源头的愿景与目标定义，以及最终的放行验收，中间全部流转与协作由成群的智能体自行闭环。

当身边的同行已经开始指挥着成千上万个智能副本重塑效率与成本的天花板，留给其他企业的唯一悬念或许只有：

你是继续在原地扮演那个被动观望的局外人，还是真正下场，把自己的业务重新做一遍？

*头图来源：云栖大会

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

效率提升达到多少倍，

企业才愿意承担改造成本，

大规模接入业务 Agent？

OpenAI CEO 联合国演讲：AI 可能走向文艺复兴，也可能带来工业革命式动荡

9 月 24 日消息，当地时间 9 月 23 日，OpenAICEO 萨姆 · 奥尔特曼（Sam Altman）在联合国安理会就 AI 议题发表讲话，讨论 AI 发展带来的机遇与风险，并呼吁加强国际合作，建立针对前沿 AI 系统的能力评估、风险评估、安全防护和人类监督标准。

奥尔特曼在联合国安理会提出，AI 正站在两条路径的分岔口——最好是一场「文艺复兴」，最坏是一场引发大规模动荡的「工业革命」。收益与风险都已变得直接：AI 能助人学习、创造、发现，但系统越自主，越可能出现人类无法理解或控制的决策、以及权力向少数人集中。他特别点名「递归自我改进」（AI 参与 AI 开发）会陡然加快技术速度，必须高度谨慎。

他把严重风险归为两类。一是「失去对未来的控制」——进展太快，人类跟不上也来不及干预；行业不能因为利益太大就接受过多风险，OpenAI 过去单方面放缓过、未来也会如此，无论灾难风险估为 10%、1% 还是 0.1% 都不可接受。二是「权力集中」——最强模型及其权力不能落在某个人、公司或国家手里，哪怕这种逻辑对自己有利也要拒绝。对应三条原则：人类始终处在 AI 决策核心、增长收益服务于人民、技术赋能个体而非取代人。

他呼吁建立国家与国际互补的前沿 AI 标准：衡量能力、评估风险、核验保障、保留有意义的人类监督，并配套事件快速报告协议与漏洞共享渠道，且不偏向任何商业模式。一条路通向权力集中、决策不透明；另一条路通向 AI 为人民服务、由民主制度共同决定方向——「这才是值得建设的未来」。（来源：IT 之家）

Claude Opus5.5 正式发布：性能比肩 Fable 5.1 运行成本降 40%

9 月 23 日，Anthropic 推出升级模型 Claude Opus 5.5，这是其提出「放缓前沿 AI 发展」计划后的首款新模型。

该模型聚焦长时智能体编码与知识工作，拥有百万级上下文窗口与超大输出容量，综合性能比肩并部分超越旗舰模型 Claude Fable 5.1，多项专业基准测试成绩亮眼，优于 GPT-6 Astra，登顶相关智能指数榜首。实际落地中，它可高效完成数十万行代码迁移、大型代码库审计修复等复杂工作，效率远超人工团队和前代模型。

降本增效是本次更新的核心优势。相较上代 Opus 5，Opus 5.5 整体运行成本降低 40%，输入、输出 token 定价下调 20%，缓存读取价格降幅高达 60%。同时模型运行效率显著提升，标准模式生成速度提升超 30%，Fast 模式速度可达标准版 2.5 倍，代码处理的耗时与 token 消耗大幅减少，大幅降低了大规模 AI 工作的使用成本。

该模型完成了安全机制重磅升级，违规越界尝试频次大幅降低且风险极低，可自主上报问题。全新的分级安全路由机制，可将网络安全、生物领域等高风险请求分流至低版本模型处理，有效规避滥用风险，且通过了多家外部机构独立安全测试。（来源: TechWeb）

Anthropic 宣布成立生命科学团队和实验室，Claude 自主发现新型酶系统

9 月 24 日消息，当地时间 9 月 23 日，Anthropic 宣布成立生命科学研究团队及自有分子生物学实验室，并公布了一项由 Claude 参与生物学研究取得的早期成果。

在人类科学家仅提供宏观研究方向的情况下，Claude 自主发现了一种此前未被表征的酶系统，Anthropic 将其命名为阵列关联逆转录酶（Array-associated Reverse Transcriptases，ART）。

该发现来自 Anthropic 旧金山湾区实验室，是其生命科学团队自 2026 年春季组建以来的首个公开成果。相关预印本论文已于同日发布，尚待同行评审。

Anthropic 表示，分享这一早期成果既是为了展示 Claude 在科学发现中的能力，也是为了让更广泛的科研社区了解其工作方向。

不过，ART 系统的确切功能目前尚不明确。Anthropic 表示，该系统的特征组合仅出现在极少数已知系统中，而这些系统均为可编程的，能够执行剪切、复制和粘贴 DNA 等操作。但公司同时强调，从发现候选系统到验证其能否稳定、可控地用于基因编辑，仍需大量后续实验。

Anthropic CEO 达里奥 · 阿莫代伊（Dario Amodei）在 X 上坦言，这一发现是基于他人此前的工作，并指出斯坦福大学的一个团队此前曾描述过一个「在某些方面与 Claude 发现的系统相似」的体系。

他同时强调，该发现「大部分但并非全部」由 Claude 完成。阿莫代伊还表示，该系统的「确切功能、生物技术实用性（如有）或重要性程度目前尚不清楚」。

Anthropic 表示，实验室仅处理生物安全一级和二级（BSL-1/BSL-2）层级的研究，不涉及可感染人类的病原体，且所有湿实验操作均由人类科学家执行，Claude 在流程中负责的是数据挖掘、假说生成和数据分析；此类基因组挖掘工作若能够规模化扩展，有望将专家研究中通常需要数周甚至数月的分析时间压缩至数小时。公司表示愿意与其他科学家合作，将这一方法扩展到基因组学及其他领域的研究中。（来源：IT 之家 ）

腾讯 QClaw 微信远程办公 AI 助手宣布 12 月 24 日停运，即日起停止新用户注册，

9 月 24 日消息，腾讯 QClaw 微信远程办公 AI 助手今日发布公告称，因业务发展调整，QClaw 将于 2026 年 12 月 24 日 00:00 正式停止运营。

停运安排：9 月 24 日起停止新用户注册与订阅购买/续费（自动续费自动停止扣款），老用户服务照常、积分有效期不变；12 月 24 日 00:00 正式停运，仅保留备份与迁移功能；2027 年 3 月 24 日 00:00 起依法删除全部用户数据。

备份与退款：公告起可通过客户端「设置 → 备份与迁移」把配置、记忆、Agent 人格、对话记录等下载到本地，停运后至 2027 年 3 月 24 日仍可登录下载；已付费未用完的订阅套餐或积分包，可提前申请退款。

迁移与补贴：官网顶部「迁移到 WorkBuddy」入口分两步——网页端授权（仅个人版账号）并获取迁移 Prompt，客户端添加一键迁移助手执行迁移。完成有效迁移送 1000 积分（1 个月有效）；WorkBuddy 新付费用户首购单月会员再赠积分：标准 500、高级 1000、旗舰 5000，7 个工作日内自动发放。

QClaw 由腾讯电脑管家团队基于 OpenClaw 打造，今年 3 月开启内测；可微信远程整理文件、执行复杂任务、无需编程基础，适配办公/ 创作/ 开发等多场景。今年 7 月，有报道称腾讯发布内部组织调整通知，腾讯 QClaw 产品中心相关业务和部分团队，将调整至云产品六部，而云产品六部则是腾讯另一款 AI 办公智能体 WorkBuddy 产品所属部门。（来源：IT 之家）

SpaceX AI 智能体 Grok Bot 上线首月，周用户数突破 40 万

9 月 23 日消息，据彭博社 22 日报道，SpaceXAI 的 AI 智能体 Grok Bot 上线约一个月，周用户数便已突破 40 万。

据伦敦一场活动的演示材料和与会人士透露，截至 9 月 14 日，Grok Bot 用户数达到 41.8 万。彭博社看到的材料显示，用户数较前一周增加 24%。

SpaceX 的 AI 部门于 8 月中旬推出 Grok Bot，希望在不断扩大的 AI 智能体市场上跟上 Anthropic 和 OpenAI。Grok Bot 的定位更像一名全天候待命的员工，而不只是聊天机器人，可以回复邮件、更新销售数据库、处理发票、安排工作，以及提交软件错误报告。

本周，Meta 的 Muse 登顶苹果 App Store 免费应用榜，令华尔街聚焦 AI 智能体的市场潜力。Muse 初期吸引用户的表现，让分析师联想到 ChatGPT 在 2022 年底迅速走红的情形。

Muse 主要面向消费者，提供免费下载。SpaceXAI 则把 Grok Bot 定位为企业工具，搭配不同档位的 AI 订阅套餐提供，同时推出独立应用。据彭博行业研究，Muse 的下载量比 SpaceXAI 的工具多 4 倍。（来源：IT 之家）

Meta 被曝内测 Muse 新机制：外包人员人工代替 AI 通话

据 Meta 内部帖子显示，该公司正在为其新款个人 AI 助手 Muse 测试一项「人工管家」机制：Muse 可能会在用户不知情的情况下，把电话任务交给人工外包，由呼叫中心人员代替 AI 完成通话。

自上线两周以来，Muse 已经稳居美国应用下载榜榜首，瞬间火爆美国市场。这款 AI 助手能够自主代用户执行发邮件、购物、预订行程等任务。

就在不久前，Meta 刚刚对外推出 Muse 的通话功能。借助通话功能，Muse 用户可以指令 AI 拨打美国商户电话，由 AI 和对方沟通，完成预约理发、查询门店库存、获取多家服务商报价等跑腿事务。

但是上周，Meta 向员工通报了一项「人工管家」的内部测试：当 Muse 的通话功能遭遇复杂场景时，可能会在用户不知情的情况下将通话转接给公司承包商，由呼叫中心人员来完成通话。

Meta 超级智能实验室一名副总裁表示，部分测试表明，由人工拨打电话，成功率可以提升至 95%–98%，高于纯 AI 通话的成功率。

但公司内部帖子也显示，已有部分员工对人工介入通话提出隐私担忧，警示该模式可能导致敏感信息无意中被 AI 泄露给呼叫中心外包人员。（来源：财联社）

宝马 CEO：中国车价格难以理解

宝马 CEO 米兰·内德尔科维奇近日接受专访时表示，部分中国汽车在欧洲的售价「从商业角度无法理解」，但他反对通过加征关税来应对，主张以自愿定价协议方式化解分歧。

内德尔科维奇在专访中指出，一些中国汽车在欧洲市场的定价已经低到从商业逻辑上无法解释的程度，这种情况可能助长欧洲的保护主义倾向。但他同时强调，额外的关税将构成更大程度的市场干预，因此他更倾向于在公平条件下达成自愿协议，而非诉诸关税手段。

「没有人希望看到局势升级。」内德尔科维奇说。这一立场与宝马一贯反对欧盟对华电动车加征关税的态度一致。

宝马之所以反复批评欧盟对华电动车关税，与自身利益直接相关。宝马纯电版 MINI 在中国生产并出口至欧洲，欧盟自 2024 年 10 月起对中国产电动车征收反补贴税，比亚迪、吉利、上汽分别被征收 17.0%、18.8% 和 35.3% 的反补贴税，叠加 10% 的标准汽车进口关税，宝马中国产 MINI 电动车面临的综合关税负担约 31%。此后宝马一直与欧盟就价格承诺方案进行谈判，争取关税豁免。（来源：快科技）

罗永浩停更个人播客节目：已卷进舆论漩涡 为避免连累嘉宾

9 月 23 日，近日，有网友给罗永浩留言，询问能不能更新播客节目《罗永浩的十字路口》。罗永浩对此回复：「卷进舆论漩涡期间，为了避免连累嘉宾，原则上是不播的，其实已经录好的有好几期了。」

稍早前，罗永浩发长文，回应近期网络上的系列争议及「黑公关」攻击。他表示将针对「理记」肆意造谣诽谤中伤的行为进行微博平台投诉及法院起诉，若微博不及时处理，「就连微博一起告到法院」。

近日，博主「理记」相继曝出「西贝会在两三个月内彻底倒闭」「西贝已经起诉了罗永浩，就要开庭了」等消息。随后，「西贝创始人贾国龙要求罗永浩下跪才肯和解」传闻持续发酵，登上社交平台热搜榜单，引发网友讨论。

针对这一网传消息，罗永浩本人发文公开辟谣。罗永浩表示：大家不要相信「某人要罗永浩下跪才肯和解」之类的谣传。他指出，目前为止，这句话唯一的出处是一个声名狼藉的流氓黑公关。大家可以看到「下跪」相关的热搜下面，几乎全都是骂某人的。至于此人对我的造谣诽谤，我们已经取证，接下来会该投诉的投诉，该起诉的起诉，大家不用担心。

同时，他还辟谣了「罗永浩所持上亿股权已被冻结」热搜，并表示，该冻结涉及多年前旧官司对应的锤子科技股份，自己并不持有上亿股权，并斥责相关内容是「胡编乱造的不实热搜」。（来源：凤凰网科技）

YouTube 推出全新 AI 智能体，能帮创作者「翻红」老视频

9 月 23 日消息，在年度创作者活动 Made on YouTube 上，YouTube 宣布升级 2025 年推出的 AI 创作工具。

YouTube 带来了一款帮助创作者在后台优化频道的智能体，其能够查看频道过去发布的视频，找出重新受到关注、契合新闻事件或开始走红的内容，并建议修改旧视频的缩略图或标题，借势吸引新一轮关注。

YouTube 创作者产品副总裁阿姆贾德 · 哈尼夫介绍，智能体还能梳理频道内容，提取受众人口特征及受众数据，帮助创作者准备向品牌推介的合作方案，争取潜在赞助商。

创作者上传视频后，智能体可以直接根据内容生成缩略图和标题，也能对创作者自己制作的缩略图提出反馈。创作者通过 YouTube 工作室进行测试时，不同观众还可能看到不同内容。

动态缩略图工具支持为每条视频上传最多三张图片，YouTube 会针对不同受众选择最合适的图片，尝试增加观看时长。

测试范围也进一步扩大到视频本身：创作者可以提供三个版本视频，分别尝试不同的开场、吸引观众的内容或整体结构，再比较表现。

系统会把不同版本视频推送给小规模受众，找出观看时长最高的版本。创作者可以据此选定最终版本，也可以由 YouTube 在七天后自动选定。哈尼夫表示，系统会确保三个版本不会相差过大。（来源：IT 之家）

竖向三折叠要来了？曝华为将推出新形态手机

9 月 23 日消息，博主 @ 数码闲聊站爆料称，华为经历过去多代产品迭代之后，在屏幕供应链端已经拥有较高话语权，后续新机将在屏幕形态上带来新方案。

根据爆料，这款新机大概率是一款全新形态的折叠屏手机，也有可能是一款采用特殊屏幕比例的直板机型。目前外界猜测最集中的方向是「竖向三折叠」。

今年 6 月，一份华为竖向三折叠手机专利曾被曝光，专利文件显示该机型采用纵向 S 形双铰链结构，屏幕分成三段、经过两次折叠，完全收拢后比常规直板机更窄更薄，展开后则是一块修长的纵向长屏，被形容为类似「遥控器」级的超长比例。

与横向三折叠主打办公和影音不同，竖向三折叠的使用场景更偏向日常娱乐。有分析指出，刷短视频时可以一屏堆叠多条内容，看长图文也不必频繁上下滑动，理论上还能实现上下分屏处理信息。

据了解，截至目前，华为已陆续推出外折叠、双折叠、三折叠、小折叠、小阔折、大阔折、阔直板等多种形态机型，还联合供应商推进了双层 OLED、BT.2020 广色域与物理防窥屏等创新。目前竖向折叠屏仍处于专利阶段，暂不确定华为是否会投产商用。（来源: TechWeb）

小米 18 Pro 系列发布，起售价为 5999 元

9 月 23 日，小米秋季新品发布会在北京举行。小米 18 Pro、小米 18 Pro Max 正式发布，性能、屏幕、背屏、影像等全面升级。小米集团合伙人、集团总裁卢伟冰表示，从系统软件到芯片硬件，从影像到大模型应用，小米 18 Pro 系列是小米用 AI 全面改造智能手机的开始。

作为新一代数字系列旗舰，小米 18 Pro 系列围绕性能、屏幕、背屏、影像等核心体验全面升级。小米 18 Pro 起售价为 5999 元，小米 18 Pro Max 起售价 6999 元。

性能方面，小米 18 Pro 系列全球首发高通新一代骁龙 2nm 旗舰移动平台，18 Pro、18 Pro Max 分别搭载第六代骁龙 8 至尊版和第六代骁龙 8 超级至尊版，均采用 2nm 制程，在性能与能效方面进一步提升。

屏幕方面，小米 18 Pro 系列全系搭载超级像素 2.0，将硬件级防窥能力融入屏幕，并支持自由开关。AI 百变背屏也是此次小米 18 Pro 系列的重要创新。在小米 17 Pro 系列背屏基础上，小米 18 Pro 系列引入 AI 生成能力，推出 AI 百变背屏，支持宠物、IP、二次元等形象定制，并可通过 AI 生成动态合影。

影像方面，小米 18 Pro 系列升级徕卡光学三摄技术，打造「全焦段徕卡旅拍神器」。同时，小米 18 Pro 系列搭载融入小米 MiMo 大模型的超级小爱 2.0。此外，小米 18 Pro 系列还在产品设计与续航方面进行了升级，采用 0.99mm 极窄四等边设计，并分别配备 7000mAh 和 8500mAh 电池。（来源：极目新闻）

研究人员发现「AI 自治恶意软件」：同时调用四大聊天机器人，自主决定攻击行动

网络安全研究人员近日发现一种不同寻常的新型 Windows 恶意软件。

与过去利用人工智能辅助编写代码或制作钓鱼内容的攻击工具不同，这款名为 CLOSEDQUORUM 的恶意软件将多个大型语言模型直接纳入自身控制体系，在运行过程中能够自主决定下一步行动，被认为代表着 AI 恶意软件发展的新阶段。

这项发现来自思科旗下安全团队 Cisco Talos。研究人员表示，CLOSEDQUORUM 会同时与 DeepSeek、通义千问（Qwen）、Mistral 以及 Google Gemini 四个大型语言模型进行交互，在受感染设备上执行任务前，先向这些模型发送请求并收集反馈，然后根据结果决定后续行为。

这种设计赋予了恶意软件一定程度的冗余能力。即便其中某个 AI 服务无法访问，程序仍然能够继续向其他模型发起请求并维持运行，因此比传统依赖单一控制服务器的恶意软件更具韧性。

研究人员没有在样本中发现传统意义上的人工远程控制入口。换句话说，一旦程序启动运行，它并不需要持续接收黑客发出的具体指令，而是通过多个大型语言模型的反馈自主规划后续操作。

根据分析结果，CLOSEDQUORUM 的主要目标是窃取用户账号密码以及加密货币资产。研究团队同时发现，该恶意软件与可追溯至 2025 年的信用卡欺诈网络活动存在一定关联。不过截至目前，研究人员尚无法确认具体开发者身份，也无法确定该工具是否已经在真实攻击行动中投入使用。（来源：cnBeta）

头图来源：剪映

9 月 20 日，剪映在「AI 新创作发布会」上，集中更新了专业版、移动端和创作者生态。

专业版新增一站式创作工作台「剪映 Hub」，由无限画布和多轨编辑器组成。用户可以从一句话、一个参考视频或者一份文档开始，在画布上整理思路、生成脚本和分镜，调用即梦、小云雀等平台生成图片、视频和声音，再把初剪结果送入时间线继续修改。

智能创作 Agent「剪映助手」进入了具体的剪辑工程，可以整理素材、删减口播、纠正字幕、检索补充画面和包装视频。在手机上，这个助手被称为「小映」，面向生活记录、内容创作和商品营销等场景。

剪映还调整了模板和会员体系。模板可以用自然语言改写内容，成熟创作者可以把自己的工作流沉淀为 Skill。新的 AI Ultra 会员每月包含 22100 点 AI 积分和剪映 SVIP 权益，连续包月定价 199 元，首发期为 99 元。

这些产品放在一起，反映出剪映对自身位置的一次调整。它并没有再做一个独立的 AI 视频生成平台，生成仍然由即梦、小云雀等产品完成，剪映想做的是接住这些模型产生的素材，把此前分散的构思、素材管理和后期编辑放进一套创作工程。

发布会上还有一个出人意料的产品。剪映首次展示了 AI 互动影游创作平台 ICG Studio，希望让创作者从一份剧本出发，做出能够观看、选择和探索的互动故事。

Hub 是在补齐视频创作的流程，ICG Studio 则把剪映的边界向外推了一步。

AI 生成之后，剪映要把素材变成作品

过去两年，AI 视频模型的进步主要体现在生成效果上。人物能否保持一致，动作是否自然，镜头可以生成多长，声音和口型能不能对上，这些能力决定了一段画面有没有观看价值。

但对做过 AI 视频的人而言，一段能看的素材，距离一条能发布的作品还有不短的距离。

人物神态可能对了，背景质感却不够；构图和动作都不错，镜头却短了两秒；几个片段单独看都能用，连在一起之后，人物位置、情绪和光线又接不上。创作者要在多个平台之间反复生成、下载和导入，版本越来越多，最后连自己也记不清哪一次生成最接近想要的结果。

剪映 Hub 处理的就是这一段流程。

用户在画布上展开脚本、参考图和素材，剪映助手帮助生成、整理和粗剪，多轨编辑器继续完成字幕、声音、节奏和包装。已经做对的画面可以保留下来，不满意的部分再局部修改或者延长，不用整段重新「抽卡」。

这也是剪映强调自己与 AI 生成平台定位不同的原因。即梦、小云雀负责生产资产，剪映负责把资产组织成项目。Hub 的价值不取决于它接入多少模型，而在于生成结果能不能自然地进入一条可继续修改的时间线。

发布会上，受邀创作者演示了一次口播粗剪。6 分钟原始素材剪成 3 分钟，人工耗时 32 分钟，剪映助手用了 10 分钟，积分成本约 2 元。剪映官方还以两小时电影制作解说视频为例，称原本需要约两个半小时的流程，可以缩短到 40 分钟。

这些数字来自发布会演示环节，适合作为产品能力的说明，还不能当成普遍的效率结论。去停顿、删口头禅属于边界相对清楚的任务，视频 Agent 真正难处理的是创作判断。某句重复的话是否应该保留，一段停顿是不是人物情绪的一部分，往往没有唯一答案。

AI 完成初剪之后，用户需要花多少时间检查和返工，同样影响效率。面对几百段素材，Agent 能不能持续理解人物和情节；一次修改会不会破坏已经确认的部分；操作是否可检查、可回退，这些才是严肃工作流真正关心的问题。

不过，剪映在这里有一项现成优势。它原本就有多轨时间线、字幕、音频、调色、包装和大量用户草稿。其他产品需要从生成向下补编辑能力，剪映要做的是让 Agent 读懂并操作一套已经存在的剪辑工程。这件事听起来没有「一句话生成大片」那么刺激，却可能更接近真实的生产需求。

当视频开始拥有剧情分支

ICG Studio 是发布会上更有新鲜感的一项产品。

图片来源：极客公园

按照现场展示，创作者可以从一份故事蓝本出发，依次完成剧本大纲、全局资产和分镜生成。人物、场景和道具会作为全局资产保存在项目里，创作者再通过与 Agent 对话，选择剧情分支的方向，修改分镜脚本，生成新的故事内容。

传统视频把观众放在故事外面。互动影游则要在关键节点给出选择，让观众决定人物接下来做什么，甚至进入不同结局。

选择按钮本身没有多少技术含量。真正麻烦的是按钮背后的内容。

假设一段故事在三个节点分别提供两个选项，创作者就可能需要准备八条不同的故事路径。分支继续增加，剧本、演员、场景和后期素材也会快速膨胀。人物经历过不同事件后，还要保持性格和关系的连贯，不能在另一条故事线上突然忘记此前发生过什么。

真人互动影游尤其受制于这一点。增加一条剧情线，通常意味着补拍一组演员、场景和镜头。部分素材可以复用，但真正影响选择结果的内容往往要重新拍摄。分支越多，制作成本和项目管理压力越高。

AI 视频生成让这笔账出现了变化，如果把 AI 短剧使用的剧本、角色、场景和分镜生产方式延伸到互动内容中，人物和场景资产就可以在不同分支复用，新增一条故事线，也不必重新组织一次真人拍摄，创作者可以先用 Agent 改写分支，再批量生成对应镜头。

这种内容形态已经有过市场验证。《隐形守护者》《完蛋！我被美女包围了》等产品让更多用户接受了真人互动影像。《盛世天下》系列在 2026 年 6 月底宣布销量突破 500 万套，也说明玩家愿意为高完成度的互动叙事付费。

此前，腾讯光子已经推出 AI 互动叙事平台「造化工坊」，支持用户通过自然语言生成多线剧本、角色、场景和互动逻辑。元象科技在 ChinaJoy 展示的 Castloop，则同时提供互动影游创作与分发，上线时已经放出百余部原创作品。

内容平台也在测试这一形态。番茄小说今年灰度测试 AI 真人互动剧，芒果 TV 的 AI 互动影游《马上来财》公布的总播放量达到 1500 万。

而据 DataEye 研究院预计，2026 年国内互动影游市场规模可能达到 18 亿至 20 亿元。

18 亿元放在整个游戏或短剧市场里可能并不算大，比市场数字更值得关注的，是创作工具、IP 平台和分发平台正在同时进入。互动影游此前更像一个个独立的精品项目，AI 工具现在试图把它变成一种可以持续生产的内容。

ICG Studio 目前仍在内测，现场展示的信息也很有限。但剪映愿意把它单独做成一个平台，至少说明互动叙事已经进入大型内容工具的产品规划。

互动影游的下一关

从创作工具的角度看，剪映进入互动影游并不突兀。

剪映 Hub 负责组织创意和资产，即梦、小云雀提供生成能力，多轨编辑器负责后期处理。到了 ICG Studio，同样的工作流多了一层剧情树和互动逻辑。剪视频与做影游之间，共用的仍然是剧本、人物、场景、声音和镜头。

视频来源：极客公园

更大的想象空间来自字节内部。

番茄小说拥有大量网文 IP，可以提供故事蓝本；即梦和小云雀负责生成图片、视频和声音；剪映承接制作；红果和抖音则拥有内容消费与分发场景。如果这些环节真正连起来，字节具备一条从 IP、生产到分发的互动内容链路。

不过，ICG Studio 目前公布的仍然只是创作端。

一部互动影游能不能成立，还取决于三个问题。首先是内容。AI 降低制作成本后，可能带来大量画面尚可、故事相似的作品。互动设计也不是多放几个选项，真正好的分支需要让玩家感觉选择产生了后果。

其次是分发。互动影游需要适合它的播放界面、存档系统和推荐机制。一个在短视频里容易获得点击的故事，未必能让用户持续做选择并完成多个结局。

最后是商业模式。创作者是否能够收费，平台如何分成，IP 和 AI 生成资产的版权怎样处理，这些问题决定了个人创作者有没有动力持续投入。

同样的检验也适用于 Hub、剪映助手和 Skill。AI 可以降低操作门槛，但创作者最终留下来，是因为作品能够被看见，也能获得回报。

剪映这次发布会讲的是一站式创作。Hub 负责把生成和剪辑连起来，小映让普通用户更容易开始，ICG Studio 则尝试把线性视频变成可以选择和探索的内容。但 ICG Studio 让剪映的 AI 故事多了一点真正的新意。它开始思考的，已经不只是怎样更快地剪完一条视频，还有视频接下来可能变成什么。

编辑｜ 苏子华

9 月 22 日，杭州云栖大会。阿里巴巴集团 CEO 吴泳铭和往年一样，做了开场的主旨演讲。

过去几年云栖大会的主旨演讲，可以当作「技术风向标」来听，会抛出很多重磅的技术判断，比如，「大模型是下一代操作系统」、「超级 AI 云是下一代计算机」。

但这一次，我听完的感受很不一样。吴泳铭花了很多时间讲工业革命、讲电、讲经济学。他的重心不在 AI 会变成什么样了，他讲的是，AI 会让世界变成什么样。

比如他给出的一个核心观点，「上一次这样的变化，是工业革命把动力变成了规模化的商品。人类先后发明了蒸汽机、内燃机和电，并围绕它们建立起了现代产业。这一次，轮到思考。」

当一个 CEO 开始用经济学的语言描述未来，说明他脑子里转的，已经不仅仅是产品和技术的路线，而是整个经济的流转结构——谁生产、谁输送、谁消费、怎么计价。

我甚至认为，这个变化的背后，是阿里对「下一个时代如何定位自己」的更高维战略思考——不是如何跟上这个时代，而是在过去几年「积极参与进去并有效跟上」之后，逐渐形成自己面向未来的世界观，并把这个世界观变成明确的下注：公司架构、未来投入的大战略结构和阵型，开始变得空前明确。

简单说，吴泳铭这次讲的不是技术观，也不是产品观，而是世界观：「世界会变成什么样、阿里要站在哪」。

01

供需机制：思考力商品化的经济学含义

吴泳铭这次的演讲里，我觉得有两个值得研究的核心判断。

第一个：未来，机器供给的思考总量，将是人类思考总量的 1000 倍以上。他说，这件事在物理世界已经发生过——今天，机器动力承担了 99.9% 的物理工作；未来，机器会承担 99.9% 的思考工作。

第二个判断，是他对「1000 倍」这个数字的推演。他从供给和需求两头推。

供给这一侧，人类的顶级思考极其稀缺。培养一名顶级科学家，要几十年的学习和实践，还要天赋和运气。

比如，新生儿早衰症，全球每年新增病例几十例，有记录的患者总共只有几百人。按现有医药产业的商业逻辑，没有公司愿意花十几年、砸巨资，为几百个人研发一种新药。

但 AI 正在改写这个账。

只要算力足够多、足够便宜，每个细分领域都可以组织上百万个 Agent，不眠不休地研究、模拟、验证，探索不同的方案。顶级思考，第一次可以从奢侈品，变成可规模化供给的商品。

同时，需求这一侧也在变化。工业时代，人能消费多少商品，取决于人口——咖啡要有人喝，车要有人开，手机要有人用，一个人一生能消费的物理商品是有限的。

但 AI 时代，这个关系彻底变了。比如，让 AI 造一艘飞船去火星，这样一个超长复杂任务，AI 可以把它分解成上千万个子任务，主要资源充分，由上百万个 Agent 甚至机器人不眠不休地干，直到任务完成。

人只需要提出一个创意和目标，就能调动庞大的智力资源。思考的消耗量，不再与人口数量成正比，而是与机器智能的思考深度和供给规模成正比。

吴泳铭的原话是，「每一个超级个体，都可以拥有上万倍的智力杠杆」。

所以当思考的消耗量，不再和人口成正比，而是和机器智能的思考深度、供给规模成正比，供需两端一合，1000 倍就出来了。

其实真正让我在意的，还有吴泳铭没说出口的那个问题。

如果思考像电力一样商品化了，那么定价权在谁手里？计量的单位是什么？谁控制那张把「思考」送出去的网？

这三个问题，其实是一个问题——在一个「思考」能被规模生产的时代，谁掌握了生产、计量和分发，谁就掌握了这个时代最值钱的东西。

吴泳铭停在这个问题前面，没有点破。但我们值得注意到，阿里最近和接下来的动作，已经替他把答案勾勒了出来。我们接下来把把阿里的动作拼起来，推导一下。

02

三大基石其实是一条完整的生产链

吴泳铭在演讲中提出了机器智能时代的三大基石：AI 模型、AI 芯片和 AI 云。他称之为「机器思考能够规模化供给的前提」。

为什么要在这三样上坚定投入？

我们可以从吴泳铭的「思考力商品化」这个经济学命题出发，做一层反向推导。

吴泳铭把「思考」类比为工业革命中的「动力」。工业革命把动力变成商品，靠的是蒸汽机负责生产动力，电网负责输送动力，而工厂、铁路、家电则是动力的消费场景。

那么，如果「思考」要变成商品，它同样需要一套完整的生产—流通—消费体系。

思考的生产靠什么？靠芯片。没有足够强、足够便宜的芯片，思考的供给就无法规模化。

因此，平头哥的真武 V900、倚天 CPU、磐脉智能网卡、ICN 互联芯片，解决的是「思考力」的生产效率问题。

而思考的质量则要靠模型。

芯片生产的是「Token」，模型决定 Token 的智能水平。Qwen 团队在 RSI（递归式自我改进）上的探索，以及 5-10T 参数规模的目标，本质上是在提升 Token 的「思考深度」。

吴泳铭还特别强调多模态能力——「一个足够聪明的大脑还不够，AI 还需要掌握感知和交互能力」。

这说明阿里在模型层面的策略是双线并进：基座模型决定思考的上限，多模态决定思考的交互广度。

最后，思考的流通靠什么？是云。芯片负责生产 Token，云负责把 Token 送到每一个需要它的地方。

吴泳铭说，到 2032 年，阿里云运营的全球数据中心规模超过 20GW 的目标，本质上是在建一张覆盖全球的「思考力电网」。这张网越完善，就会有更多用户和 Agent 进来，形成规模和网络效应。

阿里巴巴集团 CEO 吴泳铭｜图片来源：阿里云

因此，三大基石不是并列关系，而是一条完整的生产链条。芯片是生产端，模型是产品端，云是流通端。缺了任何一个，「思考力商品化」就无法成立。

我们还可以从商业逻辑再做一层推导。

芯片是定价权的核心。如果思考是商品，谁掌握芯片，谁就掌握定价权。当前全球 AI 芯片供应紧张，吴泳铭坦言供应链紧缺限制了算力增长速度，这意味着如果阿里不自己做芯片，思考力供给就会受制于人。

模型是差异化的关键。如果所有公司都用同样的芯片、同样的云，那么模型就是唯一的差异化变量。

而云是规模效应的载体。思考力商品化的前提是供给无限充沛，而无限充沛的前提是规模效应。

因此，芯片、模型、云，都是形成差异化、争夺定价权的关键环节。阿里云 20GW 的目标，是在构建一个足够大、足够高效的流通网络。芯片、模型、云，三者形成正循环。

当阿里把自己定位成机器智能时代的经济基础设施，这个战略的野心，比「下一代操作系统」大得多。

通过以上推导，我们可以看到阿里云的战略目标，绝对是一个经过深思熟虑的经济判断。

03

当 AI Coding 还是「电灯」，

企业 Agent 落地的答案

讲完战略，剩下的问题很实在：这些判断，落到企业身上，怎么变成生产力？

我的观察是，阿里的答案是一套全栈优化，而且全部冲着 Agent 去。

Agent 要真正进入业务、进入生产，需要解决什么问题？云栖大会上，阿里 AI 各个业务集中公布了一系列进展，从芯片、服务器、超节点、网络、模型和推理系统到 MaaS，全部在进行全线联合调优，解决 Agent 落地最头疼的三件事——算力效率、长任务可靠性、成本。

比如，在 AI 芯片层，CPU 要承接 Agent 的任务规划、状态管理和工具调用，AI 芯片、超节点、网络与存储继续则共同保障长时间、高并发任务的算力供给；

云资源方面发布的 AgentCore、新一代 CPFS，是面向 Model、Harness 和 Context 构建 Agentic Cloud；

在模型层，Qwen 持续强化规划、工具使用和长程任务执行能力。

最终，这些底层优化都会通过千问 AI 平台输出给开发者和企业客户，一端通过升级 MaaS 模型服务，提升推理效率、弹性和成本表现；另一端推出 Agent Studio，把模型、工具、记忆、运行环境和企业治理整合为一套 Agent 服务。

换句话说，阿里不是在技术栈上零散地增加几个 Agent 功能，而是在按照 Agent 进入生产，重新改造「思考力」从生产、输送到消费的整条链路。

背后的逻辑也很好理解：Agent 不是单一模型的能力展示，而是一个长程任务执行系统。

它需要持续调用算力，需要稳定的网络和存储，需要在长时间运行中保持可靠性，还需要控制成本。任何一个环节出问题，Agent 就无法真正落地。所以阿里做的不是单点优化，而是从芯片到云平台、Agent 的全栈改造。

根据我的观察，我们可以把阿里的动作，归纳为两条线并行：

第一条线，面向未来中长期，阿里持续投入 AI 模型、AI 芯片和 AI 云三大技术基石，为更高阶智能构建底层能力。吴泳铭说，这是阿里的长期战略选择。

第二条线，面向当下 Agent 爆发增长的需求，阿里全栈做优化，让 Agent 真实进入业务、进入生产。包括 CPU、AI 芯片、超节点、存储、云运行时到 MaaS 平台进行全栈优化，系统解决算力效率、长任务可靠性、成本与企业治理问题。

两条线最终指向同一个目标：为市场需求、生产需求、业务需求准备充足的技术底座，让智能真正走进业务、投入生产。

这里有个细节，我觉得特别能说明阿里的心态。

吴泳铭说，机器智能时代的代表性产品还没出现，今天的 AI Coding 就像 1882 年的电灯——它能替代现有工作，但还不足以创造新时代。「最早的时候，爱迪生卖灯泡就送电，就像今天 Agent 送 Token 一样」。

这其实是在很确定地表达他的某种对未来产品形态的「还不确定」。那就是今天可见的所有 AI 产品，可能都处于「电灯阶段」——它们证明了电力可用，但没有定义电力时代的生活方式。

真正的原生 AI 应用形态，可能不是聊天框，不是 Copilot，而是一种尚未被命名，尚在演化的交互范式。

这种对智能需求的确定和对智能产品范式的不确定，某种程度上也闭环了阿里下注的核心逻辑。

回到 1900 年前后，很多电器已经开始进入家庭生活，但当时全世界一整年的发电量，放到今天，只够今天的世界用两个小时。

这意味着，机器智能时代对 AI 基础设施的需求，对比今天的规模，几乎是没有上限的。阿里全力投入 AI 基础设施建设，就是在为那个「还没有出现的代表性产品」准备土壤。

我觉得这种思考，对于阿里这样的巨头是务实的，探索产品新范式的进程别太早笃定，敢为天下后也没啥不行；但在下一个时代必然被需要的「修路架桥」，要尽早出发并当仁不让。

*头图来源：阿里云

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑｜郑玄

9 月 22 日的 2026 杭州云栖大会，平头哥少见地被完整推到了主论坛台前。

当天上午，吴泳铭完成主旨演讲后，千问大模型、多模态模型负责人依次登场，随后就是平头哥副总裁高慧。她的演讲题目是「Agentic 时代卓越算力基石」。

平头哥带来的产品，则从一颗最新得真武 V900 芯片，一直延伸到 ICN Switch 互联芯片、磐脉智能网卡、镇岳 SSD 主控、倚天 CPU 路线图，以及下一步的算、存、网全栈协同的超节点服务器。

发布「产品全家桶」地背后，是 Agentic 时代的负载变化：算力需求已经从训练为主进一步走向推理增长，应用从单轮请求变成连续的多步任务， 硬件的竞争也从一颗芯片的指标扩展到整个计算系统的协同。

01

真武V900，平头哥最新一代AI训推芯片

这次发布里，平头哥新一代训推一体 AI 芯片真武 V900 仍然是分量最重的产品。

这颗芯片搭载 216GB 显存，片间互联带宽达到 1200GB/s，单芯片性能是上一代真武 M890 的 3 倍， 是目前中国算力性能最强的 AI 芯片。精度上， 该芯片原生支持 FP8 和 FP4，可覆盖高精度训练以及低精度、超低精度推理。

按照平头哥公布的计划，V900 将在 2027 年第一季度进入量产销售。此后，2028 年 Q3，真武 J900 也将正式推出。

而此时，离上一代真武发布，其实只过去了几个月。2026 年 5 月，平头哥 M890 首次亮相。这颗芯片拥有 144GB 显存和 800GB/s 片间互联带宽，性能达到上一代 810E 的 3 倍，并支持从 FP32 到 FP4 的多种数据精度。到了 V900，性能再次提升 3 倍，显存从 144GB 增加到 216GB，互联带宽也从 800GB/s 提高到 1200GB/s。

再向前看一代，2024 年的真武 810E 也已经从早期的单一推理芯片走向训推一体，采用自研并行计算架构和互联技术，并配套 SAIL 软件栈。

810E、M890、V900 连续三代产品里，平头哥一直在同时提高训练、推理、显存和低精度计算等核心能力。

而背后的关键词，则始终围绕 AI 时代工作负载的变化。

举个简单的例子，模型进入万亿参数以后，MoE 几乎成为了默认的架构选择。

如果一个几万亿参数的模型每次推理都让全部参数参与计算，算力消耗和推理成本都会迅速上升。因此，MoE 会把模型拆成大量专家，每个 Token 只调用其中一部分，在继续扩大模型容量的同时，把一次实际参与计算的参数量压下来。

这种架构缓解了计算量，却同时把硬件压力推向了三个方向。

首先是算力。

MoE 减少了每次参与计算的参数量，但每个子专家的参数量仍在几十万级别，Token 也依然要在很短时间内完成大量矩阵运算；进入训练阶段以后，还有反向传播、梯度更新等更重的计算。大模型参数扩张后，AI 芯片的计算性能必须同步增加。这也是平头哥过去几代真武芯片一直在提升的能力

算力之外，模型进入万亿参数规模后，显存也会成为新的重点。

单颗 M890 有 144GB 显存，真武 V900 则进一步提升至 216GB。如此一来，只需 10 多张真武 V900，即可部署一个万亿规模的大模型。

据悉，基于真武 M890 的超节点已大规模应用，并跑通了 Qwen3.8、Kimi K3 等超 2 万亿参数规模模型，让数万亿参数模型的专家并行尽量在一个超节点内部完成。

但只有算力与显存还不够， 面对数万亿参数规模的模型，任何一颗单芯片的显存容量都显然不够。因此，模型在部署实际时，必须拆到很多颗芯片上，然后 芯片之间就会不断交换数据。

于是，推理由此变成计算与数据交换不断交替的过程：一颗芯片算完自己的子专家部分，数据马上就要交给另一颗芯片上的子专家；专家完成计算，结果还要再次汇总。模型被拆到几十、上百张卡以后，芯片之间交换数据的速度，会直接影响整个模型能跑多快。

所以对于 Qwen3.8、Kimi K3 这样的万亿参数规模模型，几十上百张 AI 芯片只解决了模型「装得下」的问题。它们之间的通信速度，才真正决定了这些专家能不能高效地一起工作。

这也是平头哥这几年持续发力互联能力的原因。

今年 5 月，平头哥互联芯片 ICN Switch 首次亮相，成为了阿里超节点形态算力的核心芯片之一。

据介绍，真武 V900 通过自研 ICN Switch 互联芯片连接后的超节点，具备原生内存语义和内存统一编址能力，可实现千卡全带宽高速互联。这意味着上千颗真武 V900 能像一颗「超级芯片」一样协同工作，为超大参数模型的训练和推理提供高吞吐、低延迟、高并发的算力。

伴随算力与显存、互联的增强，真武系列的客户半径也同步不断增长。

其中，在具身智能领域，众擎机器人基于真武搭建了千卡具身智能训练平台，覆盖模型训练、数据处理等环节，端到端训练效率提升 34%，已有 30 多个模型可以免适配直接跑通。对需要持续处理 3D 动作迁移、数据标注和大规模训练的人形机器人研发来说，真武已经开始进入核心训练流程。

汽车场景里，小鹏则把真武用于自动驾驶、智能座舱和企业大模型等多类 AI 业务。根据现场披露的数据，真武整机性能相比其对比的业界主流 GPU 提升 70%，集群故障数量减少 50%；同时通过替换过去多种不同卡型，实现了把部分分散的算力资源纳入统一资源池的集中管理。

截至目前，真武系列已经服务超过 650 家企业客户，覆盖智驾、金融、大模型、具身智能、能源、制造等行业。

02

从一颗芯片到算存网全栈协同

在 V900 和新一代 ICN Switch 之外， 平头哥这次还把磐脉智能网卡、镇岳 SSD 主控以及倚天 CPU 放进了同一张产品图里。

其中，真武承担 AI 计算，ICN Switch 负责 AI 芯片之间的高速互联，磐脉进入服务器与数据中心网络，镇岳负责 SSD 控制，倚天则处理通用计算。

这其中，服务器 CPU 倚天是个关键点。

在传统 AI 训练里，主要计算集中在加速器，CPU 更多承担数据准备、请求处理和调度。

但在 Agent 的情况截然相反。高慧现场举了一个行业研究的例子。一个 Agent 如果要完成一份报告，需要搜索资料、读取文档、运行代码验证、保存中间状态，再把多路结果汇总。模型推理只是整个任务链的一部分，其他环节都会持续占用 CPU。

今年 Computex 上，Intel 也曾给过一组公开测算：在前沿模型训练里，一颗 CPU 大约可以搭配 8 颗 GPU；到了 Agentic AI 负载，CPU 密度已经向 1:1 甚至更高变化。

也是因此，在云栖大会现场公布的倚天路线图中我们可以发现，它的发展趋势， 正从 AI 芯片一侧的自研能力，不断继续向整机中的一环深入 ：具体来说，平头哥将在 2027 年推出倚天 720 和 730，其中倚天 720，190 核，12 通道 GDI，96LanePCIe，面向吞吐并发型场景；倚天 730 则将成为第一代自研高性能核，支持两路同步，多线程，128LanePCIe，单核性能跑分最高可以达到上一代的 1.4 倍，面向延迟敏感型的场景，为 AI Head Node 提供确定性的单核性能。未来还将继续推出基于第二代自研核心的倚天 750，，这颗芯片原可以和真武 AI 芯片通过同一套高速互联体系交换数据，降低 CPU 与 AI 芯片之间的数据交换开销。

云栖大会现场 ，平头哥的智能网卡和存储主控也悉数亮相。

其中，磐脉智能网卡负责把服务器接入数据中心网络，镇岳 SSD 主控处理本地存储。对于大模型训练和推理来说，模型、训练数据、Checkpoint 和中间结果都需要在存储、服务器和集群之间持续流动，计算单元之外的吞吐也会影响整体利用率。

硬件组合完成后，还要解决软件的配套问题。

模型里的注意力、MoE、矩阵乘等计算，最后都要变成芯片能够执行的算子。而同一个算子，数据怎么排布、使用什么精度、怎样调用片上内存、怎么编译，执行效率可能差很多。

以 Kimi K3 适配真武 M890 的过程为例。

基于 64 张 M890，Kimi K3 发布后，阿里云、平头哥和 Kimi 团队并没有停在模型已经适配真武这一步，而是继续调整软件栈和核心算子。 最终实现首 Token 时延下降约 35%，单卡解码吞吐提升 1.8 倍。

今年 7 月，平头哥开放的 SAIL 软件栈在其中起到了关键性作用。在软件层面，它能够覆盖操作系统、SDK 和接口层，同时提供驱动、性能分析和调试工具，从而保证一颗新芯片做出来以后，原来运行在其他硬件上的模型和框架，可以尽快迁过去。

当前，SAIL 已经支撑了 python、TensorFlow、vLLM、SGLang 等 260 多个主流训练和推理框架。 在 Github 上，15218 个超过 1 亿 star 的主流 AI 仓库中，SAIL 软件栈已经覆盖了超过 96%，vLLM、SGLang 这些主流的推理框架从上游开源新版本到 SAIL 完成全量的适配，平均时间不超过 1 周。

再往上，是云平台。等模型的用卡需求从几十张卡走向更大的集群，软件面对的问题还会再变一层。

阿里拥有模型、芯片、推理平台和云的完整链条，可以针对模型实现从芯片到云平台层面的全链路优化 ，显著提升推理效率、大幅降低推理成本。例如，通过算子优化和软硬件架构协同，阿里云灵骏真武超节点实例在 Agentic 推理场景中最多可实现 1.5 倍的推理性能提升。

到了这一步，一颗 AI 芯片才真正变成云上的算力。

03

面向10倍算力中心，

阿里芯片、模型和云协同优势进一步放大

吴泳铭当天的演讲里， 把机器智能时代的基础设施归结为三个部分：AI 模型、AI 芯片和 AI 云。

随后他给出的几组数字：

一边是模型。 千问计划继续训练 5 万亿到 10 万亿参数规模的新模型。

另一边是云。吴泳铭表示，当前客户 AI 需求依然非常强劲，中长期需求远超供给能力；阿里将继续投入 AI 基础设施建设， 到 2032 年，阿里云运营的全球数据中心规模目标超过 20GW。 这延续了阿里过去一年持续加码算力的方向。

而当算力建设走到这个规模以后，自研芯片对阿里的意义也会发生变化。

它不再只是一项证明技术能力的芯片业务。几十万张加速卡进入同一个云计算体系，需要长期面对供给、成本、功耗、服务器设计、网络扩展、模型适配和软件效率。 对芯片、服务器、超节点、网络、模型和推理系统进行联合调优，提高的是整个 AI 集群的 Token 产能和效率。

但反过来从另一个角度出发来看，整个阿里体系的资源与认知，也在反哺平头哥的能力迭代。

如果回顾过去几年的行业发展，不难发现，在 AI 时代，芯片行业迎来爆发的同时，也面临着一个天然的难题： 硬件与软件之间的发展代差。

一颗复杂 AI 芯片，从架构定义、RTL 设计、验证到流片，往往是以年为单位推进的工程。EDA 巨头 Synopsys 披露过一个 AI 加速器案例，18 个月完成流片已经被当作极快的开发速度；同类项目传统上可能需要 3 到 4 年。流片之后，还要经过硅后验证、封装、良率爬坡和量产准备。

但过去三年，AI 模型从参数量到模型架构已经换了几轮技术路线。

2023 年，Qwen 公开的最大模型还是 72B 规模的 Dense Transformer，硬件面对的是一套相对直接的矩阵计算；2024 年 3 月，Qwen 推出首个 MoE 模型 Qwen1.5-MoE，压力分散到显存、专家路由和跨卡通信；到 2025 年的 Qwen3，Dense 和 MoE 已经同时存在于一代模型里；2026 年的 Qwen3.8-Max 则把 Sparse MoE 继续推到 2.4 万亿总参数，每次只激活 950 亿参数，长上下文和推理模型又改变了单次请求持续的时间和内存占用方式。

应用侧变化也在改变我们对硬件的需求结构。 最初的大模型应用以 Chat 为中心：用户输入一句话，模型返回一段文本，绝大部分重计算都留在模型内部，GPU 和内存是唯二的主角。随后，模型开始调用搜索、代码解释器、数据库和各种 API，Agent 成为新的主流，模型开始把一部分工作交给外部工具，CPU、网络的重要性被摆上台面。

也就是说， 一颗今天立项的芯片真正大规模投入使用时，它服务的模型与应用很可能已经不是立项时最主流的那一类 ，一旦等 MoE 已经成为主流，再决定要不要加强互联；等 Agent 已经大量进入生产环境，再重新考虑 CPU 和 AI 芯片之间的关系，时间往往已经不够了。

硬件必须能提前几年判断模型的走向，这也是阿里体系做芯片时一个很特殊的优势：

平头哥左手是持续变化的千问模型与 Agent 家族，右手是相对稳定的电商、支付、地图、办公和开发者场景，向下是真实运行这些模型的阿里云。内外部视野结合，有时候变化的苗头刚出现，机会就已经比公开市场需求更早进入芯片和系统团队的视野。

而这种多看见的一点未来，本身就是硬件能力的一部分。

*头图来源：2026 杭州云栖大会

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

OpenAI 发布 GPT-6 Sol 和 Luna 模型，API 价格大降 50%

9 月 23 日消息，OpenAI 今日发布 GPT-6 系列模型的最新成员 GPT-6 Sol 和 GPT-6 Luna。

OpenAI 官方表示，两款模型采用与 GPT-6 Astra 类似的方法进行训练，将 Astra 在专业工作、事实性、编码、计算机使用和对齐等方面最先进的性能带入更快、更经济的模型。

GPT-6 Sol 和 Luna 模型的 API 价格相比 GPT-5.6 促销价降低 50%。不过 OpenAI 官方也表示，GPT-6 Astra 依然是其整体上最优秀的模型，如果你想要最佳效果和无妥协的体验，还是建议选择 GPT-6 Astra。

性能方面，在 AutomationBench 的跨应用业务流程测试中，GPT-6 Sol 在 xhigh 强度下表现优于 Claude Opus 5，成本仅为 Opus 5 每任务成本的 9%。在 high 强度下，GPT-6 Luna 比前代提升了 5.4%，且每项任务成本降低了 58%。

在评估智能体的 Last Exam 测试中，GPT-6 Sol 在 max effort 状态下得分为 56.4%，高于 Claude Opus 5 在评估中的最高分，每任务成本也降低 60%。

OpenAI 还将 GPT-6 Astra 改进后的沟通风格带到了 Sol 和 Luna。官方认为新模型在技术和编程对话中会更清晰、使用更少的术语、更少奇怪的措辞、更少的低价值细节，以及缩短整体回答，同时不会失去实质内容。

除了价格降低，OpenAI 还帮助基于 GPT-6 的开发者在应用重复利用的上下文部分节省更多费用。官方改进了 GPT-6 的提示缓存，默认提供更高的缓存命中率，帮助智能体重用更多上下文，实现更快响应。（来源：IT 之家）

云栖大会开幕，吴泳铭提出「思考力商品化」

9 月 22 日，2026 杭州云栖大会正式开幕，阿里巴巴集团 CEO 吴泳铭发表开场主旨演讲，抛出「思考力商品化」核心观点，重新定义 AI 时代的经济逻辑。他类比工业革命将动力变成商品，认为当下 AI 正在把思考变成可规模化供给的商品，未来机器产生的思考总量或将达到人类思考总量的 1000 倍以上。

吴泳铭提出 AI 重塑供需关系：供给端，AI 智能体可以不眠不休完成复杂科研任务，稀缺的顶级思考不再是奢侈品；需求端，智力消耗不再受人口限制，个体能够借助 AI 获得巨大智力杠杆。

吴泳铭提出机器智能时代三大基石：AI 芯片、AI 模型与 AI 云，三者构成完整的思考力生产、流通、消费链条。平头哥芯片负责算力生产，通义千问 Qwen 模型提升思考质量，阿里云则搭建输送思考力的全球「智能电网」，目标 2032 年数据中心规模超 20GW。

阿里同步面向 Agent 做全栈优化，从硬件、存储到 MaaS 平台、Agent Studio 全线调优，解决长任务可靠性、算力成本难题。吴泳铭判断，当前 AI 产品仍处在「电灯时代」，原生 AI 应用尚未诞生，阿里正提前布局 AI 基础设施，为未来智能应用搭建底层土壤。（来源：极客公园）

推荐阅读：拆解下阿里的 AI 经济学，与它的下注

曝理想汽车推进芯片子公司融资，投前估值约 150 亿元

据晚点 Auto 报道称，理想芯片子公司正推进首轮外部融资，投前估值约 150 亿元，计划融资数十亿元。

工商信息显示，一家名为 Mach Intelligent Cores Limited（下称「Mach 香港」）的公司于 7 月 14 日在香港成立。8 月 4 日，Mach 香港全资持有的上海马赫智芯智能科技有限公司成立，理想 CTO 谢炎担任法定代表人。数日后，上海马赫智芯又全资设立上海马赫心科技有限公司，法定代表人为理想联席公司秘书王扬。

据悉，理想自研芯片团队约 200 人，主要从事 AI 算力架构、芯片设计和相关软件开发。目前，理想正同时推进车端、云端两类自研芯片项目。一位员工透露，理想人事部门已与芯片部门员工沟通调整劳动关系的事宜。

理想马赫 M100 芯片发布于今年 6 月，采用 5nm 车规级工艺，单芯片算力 1280 TOPS。今年二季度以来，马赫 M100 芯片已在全新理想 L9、L8、L6、MEGA、i9 等车型上搭载上车。（来源：晚点 Auto）

消息称字节跳动豆包收缩对话团队

《晚点 LatePost》独家了解到，豆包通用 Session 团队正在减员，规模预计将缩减约一半。该团队此前约有 50 人，一度是豆包内规模最大的团队，主要负责豆包的对话（Chat）产品能力，包括策略、评测等工作。此次调整后，部分人员将转岗至豆包商业化、飞书等团队，其余人员将被裁撤。

人员调整由豆包负责人赵祺推动。赵祺加入字节十余年，先后负责增长中台、穿山甲（字节旗下广告平台），后转岗至集团人力资源部门，为字节的 AI 业务搭建人才体系。2025 年 9 月，赵祺转岗至豆包。今年 7 月，飞书产品与豆包产品团队整合，他成为新产品团队负责人。

赵祺到豆包后同样看重人效。据了解，此前豆包有一个独立的评测团队，今年赵祺将其拆散，分到了各业务组。

负责对话方向的产品后训练团队（Product Posttrain-Chat）也在缩减。

该团队由朱文佳负责，隶属于大模型部门 Seed，与豆包产品团队协作，基于 Seed 的基础模型进行后训练，产出供豆包直接调用的小模型。由于业务需求减少，部分员工已转岗至 Horizon RL、产品后训练-办公（Product Posttrain-Work）等其他部门。另据了解，对话模型合版负责人在一个月内换了两次。

豆包目前是国内日活跃用户数最高的 AI 应用，DAU 已超过 2 亿，但它过去的成功，本质上仍是对话产品的成功。（来源：晚点 LatePost）

微信朋友圈内测私密发表：可发布仅自己可见的朋友圈

近日，有网友发帖表示，微信朋友圈新增「私密发表」功能，编辑并发布内容后该朋友圈将仅自己可见。

对此，腾讯客服向新浪科技确认并表示，「微信目前已经新增了私密发表功能。需要注意的是，该功能目前处于 iOS 和 Android 客户端的灰度测试阶段，其他机型可能需要等待后续更新。」

谈及为何推出「私密发表」新功能，腾讯客服回应称，「私密发表功能可以让用户发布仅自己可见的朋友圈，避免内容被他人看到，增强隐私保护。目前该功能处于测试阶段，后续会逐步优化覆盖更多用户。（来源：新浪科技）

比尔·盖茨最新警告：AI「像外星人降临」，而且是我们亲手创造的

9 月 22 日消息，比尔·盖茨近日在一场活动上对人工智能的迅猛进化发出警示。他形容这项技术「极为特殊」，若只把它当作过往技术的延续，「就容易掉以轻心」。

据报道，盖茨称 AI「就像外星人来了」，区别在于，这些「外星人」并非来自外太空，而是人类亲手创造、置入计算机之中的。他还把当下的技术变革形容为「十本科幻小说里的情节同时发生」：传统科幻作品通常只围绕单一突破展开，而 AI 可能同时推动多个领域飞速剧变。

盖茨透露，大约一年前，AI 的进展速度令他震惊，这项技术如今已能完成他年轻时需耗费大量时间才能掌握的编程工作。更进一步，AI 既能编写代码，也能研究代码、查找漏洞，「也可能入侵各类系统」。

但他的担忧不止于技术本身，盖茨明确指出，面对这种指数级进步，社会层面的广泛参与和讨论远远不够，科技行业内部已经在谈风险，但更广大的公众尚未真正进场。在他看来，人类未来走向何方，取决于整个社会如何对待这项技术。（来源：TechWeb）

阿里 Qwen4 投入训练

2026 云栖大会上，阿里巴巴公布大模型最新进展。在大语言模型 LLM 领域，Qwen3.8-Max 在编程（Coding）和办公（Cowork）领域表现出色，发布后斩获 Artificial Analysis Agentic 智能体第一、CodeArena 前端编程第一。

据悉，基于下一代架构的 Qwen4 已投入训练，未来 Qwen4.5、Qwen5 等后续版本模型参数将扩展至 5 到 10 万亿。

在多模态领域，Qwen-Image-3.1 性能有望逼近最强 GPT-Image 系列，跻身全球前列；Qwen-Audio-3.1 在 ASR、TTS 以及 Realtime 三个核心语音赛道均位列国际第一梯队、国内第一，超越 Gemini 3.1 TTS 等国际顶尖模型；世界模型 HappyOyster-2.0-Preview 全新亮相，推动世界模型从实验室走向真实可用；视频生成模型 Wan3.0 斩获 Artificial Analysis 文生视频与视频编辑双榜第一。

同时，阿里下一代视频模型也在训练中，拥有更强的生成力、控制力和理解力，将推动 AI 从工具走向创作智能。（来源：新浪科技）

千问发布 AI 手机全栈解决方案

9 月 22 日，据千问大模型消息，千问发布 AI 手机全栈解决方案 Qwen Intelligence，旨在与手机厂商共创，让手机能够完成各类复杂任务。针对手机 Agent 的核心需求，首发的 Qwen Intelligence 提供了三套解决方案，均达到行业 SOTA 水平，分别承接规划、操作和创意。

目前，Qwen Intelligence 已在真实场景落地。（来源：新浪科技）

首发 14999 元起：拓竹发布 R1 激光切割机，55W 高功率二氧化碳激光

9 月 22 日消息，拓竹今日正式发布 R1 激光切割机，新品采用 55W 高功率二氧化碳激光，主打自动光路校准、主动振动补偿、三重定位系统，首发售价 14999 元起。

据介绍，这款产品搭载 55W 高功率二氧化碳激光，能够切割木材、亚克力、布料和皮革等材料，可一次切穿 18mm 黑胡桃木胶合板或 20mm 亚克力，厚重材料切口整洁、断面干净。

同时，该产品配合滚轮送料机使用时，可加工最长 3 米的材料，满足家具家居定制、空间设计、广告标牌制作等需求。配备双摄像头、双激光雷达、双编码器等，实现 0.2mm 高定位精度。支持旋转轴加工、透明材料加工、精细件加工和循边切割。

值得注意的是，该产品机身自带触控显示屏，可快速完成校准、寿命检查、故障排查。使用官方材料制作时，R1 可以自动识别耗材类型，无需手动配置参数。搭载贯穿式风道，可将烟雾和颗粒物快速排出，舱内无污染沉积。

此外，该产品还可直连 E1 Pro 空气净化器，拦截烟尘、异味和有害气体，通过 Class 1 激光安全等级认证，使用时无需佩戴护目镜，更不需要特殊工作空间。（来源：IT 之家）

OPPO Find X10 系列正式发布，4999 元起

OPPO 22 日召开 OPPO Find X10 系列暨旗舰生态新品发布会，正式发布年度影像旗舰 OPPO Find X10 系列。

系列首发搭载「哈苏超清原相机」，集三 2 亿像素镜头群、新一代 ProXDR 技术、全焦段 8K 视频录制等领先业界的影像能力于一身；抢先搭载新一代 2nm 旗舰芯片天玑 9600 Pro、Find 系列史上最大 8000mAh 冰川电池，以及「超流畅，更懂你」的 ColorOS 17，引领流畅耐用「三久体验」；更有兼具科技感与哈苏气质的时尚外观、支持 95% BT.2020 超广色域的新一代 1nit 明眸护眼屏，以全方位焕新升级，推动旗舰体验再上新高度。

OPPO 首席产品官刘作虎表示：真实还原就是 OPPO 影像的灵魂和最高使命。近年来，OPPO 持续突破光学、算法和显示的能力，引领移动影像发展，最终带来 OPPO Find X10 系列，以「哈苏超清原相机」回应用户的期待。（来源：TechWeb）

日本计划在国际空间站举办 AI 机器人竞赛，最早 2027 年实行

9 月 22 日消息，据《日经》报道，日本计划最早于 2027 年在国际空间站（ISS）举办机器人竞赛。参赛团队将通过 AI 控制机器人完成任务，培养下一代航天工程师。

据报道，该竞赛由「太空 AI 机器人协会（SAIRA）」组织。该协会成立于今年 7 月，旨在通过与大学、公司和研究机构合作，开发太空、AI、机器人等方面技术。

该竞赛最开始将在模拟空间站环境的地面进行预赛，对 AI 模型进行测试。胜出队伍将进入空间站，通过自行开发的物理 AI 模型，控制日本「希望号」实验舱内的球形机器人无人机 Int-Ball2。

市场研究聚合机构 Global Information 数据显示，预计到 2035 年，太空机器人市场规模将达到 124 亿美元，约为 2026 年市场规模的两倍。（来源：IT 之家）

这距离 Muse 正式上线，仅仅过了 13 天。

Meta 推出的个人 AI 助手 Muse 最近爆火｜图片来源：Meta

Meta 在 9 月 8 日发布了 Muse，把它定义为「全球第一款，为所有人打造的个人 AI Agent」。和 ChatGPT、Claude 这些聊天机器人不同，Muse 不只是回答问题，它能打开浏览器、登录你的邮箱、填表格、订机票，甚至直接替你下单买东西。

效果立竿见影，Sensor Tower 的数据显示，Muse 上线 13 天累计下载超过 250 万次，9 月 18 日登顶美国 App Store 免费榜第一，把 ChatGPT、Gemini、Claude 全压在身后。

但显然，面对爆火的个人 AI 助手，传统互联网巨头，并不想惯着它。

01

「不看广告」的 Agent

在拒绝 Muse 的信中，Amazon 的声明措辞很客气，逻辑却很硬。Meta 从未提前告知 Muse 会访问 Amazon 的商店；Agent 在浏览时不表明自己的 AI 身份；而且它似乎会捕获并存储用户登录凭证。

Amazon 把 Muse 类比为外卖平台和在线旅行社：「这些第三方应用在代替用户从其他商家购买商品时，都应当公开透明地运作，并尊重服务提供商是否参与的决定。」

话说得体面，但真正的痛点藏在财报里。

Amazon 去年的广告收入超过 680 亿美元。这笔钱的来源非常具体，用户在搜索栏输入关键词，滑过赞助商品，被推荐算法引导，最终点击购买。整个链条的前提是人在浏览。

AI Agent 不浏览，它不滚动页面，不看赞助商品，不被推荐算法「种草」。它只做一件事：找到用户要的东西，然后结账。

在 Agent 发起的交易里，广告失去了存在的意义。

这不是 Amazon 第一次对 AI 购物 Agent 动手。2025 年 11 月，Amazon 就起诉了 Perplexity，理由是其 Comet 浏览器的 AI Agent 冒充普通用户登录 Amazon 账户代为购物。2026 年 3 月，联邦法官批准了初步禁令，封杀了 Comet 对 Amazon 密码保护区域的访问。

AI 并不会「逛街」｜图片来源：techspot

但故事在 8 月出现了转折。

第九巡回上诉法院撤销了这一禁令，理由很有意思：根据现有证据，是用户在访问 Amazon 的系统，不是 Perplexity。法官的逻辑是，《计算机欺诈和滥用法》本质上是一部反黑客法律，用户授权 Agent 代为操作的场景，不在它的打击范围内。

法律武器失效后，Amazon 转向了一个更古老也更有效的手段——服务条款。

从 7 月起，Amazon 悄悄开始了一系列「加固」动作，从确认邮件中删除具体商品名称，让 AI Agent 更难解析购买记录；扩展 robots.txt 文件，屏蔽了 47 个 AI 爬虫。等到 Muse 真正上门，Amazon 只需要亮出一行弹窗，就把门关上了。

9 月 10 日，法院驳回了 Amazon 对 Perplexity 案要求重新审理的请求。但判决留了一个口子，基于合同和服务条款的诉讼主张，仍然可以推进。

换句话说，Amazon 在法庭上打的那场仗并没有真正结束，它只是换了一种打法。

02

Agent 原生架构补位

就在 Amazon 拉闸的同一天，Shopify CEO Tobias Lütke 宣布了截然相反的消息：Shopify 将与 Muse 合作，支持 Agent 直接在 Shopify 商家的店铺里完成结账。

事实上，Shopify 的动作比这更早。

9 月 8 日，Muse 上线当天，Shopify 就把 Meta 加入了「Agentic Storefronts」的 AI 渠道。这意味着所有符合条件的 Shopify 商家的商品数据，默认对 Muse 开放，不需要商家做任何额外操作。

支撑这一切的技术底座叫 Universal Commerce Protocol，简称 UCP。这是 Shopify 和 Google 在 2026 年 1 月共同发布的开放标准，定义了 AI Agent 如何发现商品、协商交易条件、完成支付。Etsy、Target、Walmart、Wayfair，以及 Visa、Mastercard、Stripe 等超过 20 家零售商和支付网络在发布时就签了背书。

Shopify 积极支持接入 Muse 应用｜图片来源：Naughton&Bird

UCP 的设计哲学，和 Amazon 的防御姿态形成了鲜明对比。它把 Agent 视为一个新的分销渠道，而不是入侵者。商家在协议框架内声明自己支持哪些能力，Agent 选择合适的支付方式完成交易，用户全程不需要离开对话界面。商家仍然是交易的主体，保留客户关系、定价权和全部交易数据。

Amazon 害怕的「零点击购物」，在 Shopify 的框架里被定义为一种新的购物体验。

区别在哪里？Amazon 的商业模式是「广告驱动的流量变现」。用户的每一次搜索、每一次滑动、每一次停留，都是广告收入的基础。Agent 跳过了这一切，而 Shopify 的商业模式是「为商家提供基础设施收取佣金」。用户从哪个渠道来、通过什么方式找到商品，Shopify 不在乎，它只关心交易有没有发生、有没有走它的结账系统。

所以 Amazon 堵门，Shopify 开门。不是因为谁更开明，而是商业模式决定了它们对 Agent 的态度。

03

个人 AI 面对的「同一堵墙」

几乎在 Muse 被 Amazon 拒之门外的同一周，中国这边也上演了一出类似的故事。

9 月 16 日，豆包手机二代（努比亚 NaviX Ultra）正式开售，5999 元起，首批备货 20 万台，京东预约量近 40 万。

如果你还记得去年 12 月那阵热闹的话，初代豆包手机搭载的 AI 手机助手能够通过 GUI 模拟点击，代替用户操作手机上的几乎所有 App。3499 元的工程机 3 万台当天售罄，二手市场一度炒到近 8000 元。

然后不到 48 小时，微信、支付宝、美团、淘宝等超级 App 集体拉闸。风控机制精准拦截了 AI 的模拟点击行为，部分银行 App 甚至直接弹窗警告。豆包团队被迫下线了金融支付场景的操作权限，「全自动」变成了「半残废」。

超级 App 的逻辑和 Amazon 一模一样，如果用户习惯让 AI 直接完成操作，App 将失去用户时长、广告曝光和数据主权，退化为无差别的后台服务商。

努比亚的「豆包二代手机」｜图片来源：努比亚官网

九个多月后回来的豆包二代，学乖了。技术路线从「破窗入室」变成了「敲门拜访」，从 GUI 模拟点击转向了 MCP 和 A2A 协议驱动。豆包团队还专门发布了一个 SAEP 屏幕自动化操作声明协议，给 App 30 天公示期来决定是否接受 AI 操作。

但结果呢？真机测试显示，微信、美团、淘宝等主流应用仍然无法实现自动化。目前能流畅调用的，基本只有字节系自己的产品。更值得注意的是，腾讯已经与华为、荣耀、小米、OPPO、vivo 合作推出了微信的 A2A 助手能力，但这份合作名单里，没有字节跳动。

豆包和 Muse 面对的其实是同一道结构性难题，AI Agent 想成为用户和服务之间的中间层，但控制着「用户触达」的平台，没有理由把这个位置让出去。

两边的差别在于表现形式。在美国，Amazon 用的是服务条款和法庭诉讼，逻辑是「你没有资格代替我的用户，在我的平台上操作」。在中国，超级 App 用的是风控拦截和生态站队，逻辑是「你不是我的朋友，所以你不能敲我的门」。

但底层矛盾完全一致：谁掌控用户的注意力和购买决策，谁就掌控了商业价值的分配权。

AI Agent 的出现，正在威胁这种分配权。

04

封杀不是终局

如果只看当下，AI Agent 的处境确实不乐观。但把视野拉长，封杀未必是终局。

Shopify 和 Google 牵头的 UCP 联盟已经覆盖了 20 多家大型零售商和支付网络。Visa、Mastercard 和 Stripe 都在开发自己的 Agent 支付协议。如果越来越多的商家意识到，Agent 能带来增量交易而不是抢走现有流量，开放会是更理性的选择。

Amazon 自己也不可能永远当「逆流者」。它有自己的 AI 购物工具 Rufus 和 Alexa for Shopping，只不过这些工具被精心设计成「广告兼容」的形态，在推荐商品的同时继续展示赞助内容。Amazon 封杀的不是 AI 购物本身，而是不受自己控制的 AI 购物。

消费者这边也有一个关键变量。

Oppenheimer 对 1500 名美国消费者的调查显示，只有 8% 的人信任 Meta 来管理他们的密码，58% 的人不愿意把密码交给任何 AI Agent。

Muse 的 250 万下载量固然好看，但能不能跨过信任门槛，才是决定这条路能走多远的关键。

某种程度上，今天 Muse 和 Amazon 的冲突，像极了早年移动支付刚出现时的场景。银行和传统金融机构曾经竭力阻止第三方支付进入自己的领地，最终的结果是双方找到了一种共存的方式，虽然权力的天平发生了永久性的倾斜。

AI Agent 和超级 App 之间的博弈，也许不会以哪一方的彻底胜利告终。更可能的结局是：Agent 学会「敲门」，平台学会「开门」，而这扇门后面的规则，要花很长时间才能谈妥。

只不过在谈妥之前，每一个试图替用户「做事」的 AI，都得先被挡在这道门外。

*头图来源：TechBrew

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

消息称华为 Mate 90 系列年度旗舰手机将在 9 月 29 日发布

9 月 21 日消息，昨日早些时候，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东刚刚宣布，智界 RX 及鸿蒙智行新品发布会定档 9 月 28 日 14:30 举行。

根据此前爆料，华为 Mate 90 系列手机也将在本月发布，但遗憾的是，今天华为并未官宣这款年度旗舰的发布会时间。但博主 @熠熠玩数码 透露，Mate 90 系列发布会将在 9 月 29 日 14:30 举行。（来源：IT 之家）

英伟达员工平均年薪 28.2 万美元，黄仁勋喊话企业「尽可能多付薪酬」

英伟达 CEO 黄仁勋近日接受 CBS News 采访，再次就 AI 时代的利润分配问题公开表态。 他直言，企业不应「尽可能少地支付员工薪酬」，而应「尽可能多地支付」。此番言论正值全球 AI 基建热潮之中，芯片巨头与员工之间围绕利润分配的博弈日益成为行业焦点。

黄仁勋的底气来自英伟达自身的薪酬实践。 据报道，他亲自审查公司全部 42000 名员工的薪酬方案，并且在 100%的情况下都会增加公司在薪酬上的支出。他的逻辑很直接：「照顾好员工，其他一切自然会好起来。」从数据看，英伟达 2026 财年员工平均收入达 28.205 万美元（约合人民币 189 万元），而黄仁勋本人的总薪酬为 3630 万美元（约合人民币 2.44 亿元），较上年下降约 27%——这一反差也在客观上为其「优先照顾员工」的主张提供了注脚。（来源：TechWeb）

百度库库 AI 全球 AI 办公月活超 4000 万、海外版 Kooko 用户破 1000 万

9 月 21 日消息，在百度 AI Day 开放日上，百度文库网盘宣布加速 AI 办公出海、进行全球品牌升级。在国内外办公赛道的持续深耕下，通用智能体「库库 AI」全球 AI 办公月活超 4000 万，位于 AI 办公赛道行业第一。百度文库网盘去年推出的海外一站式 AI 办公平台 Oreate AI，焕新为库库 AI 海外版「Kooko」，一年时间内海外用户已突破 1000 万。

据介绍，库库 AI，生长于中国最大的知识和数据生态，打造服务超级个体、超级组织的全球化 AI 办公生态，真正做到「准确、专业、懂你」。库库 AI 不仅可在文库、网盘等全端使用，同时可在库库 AI 网页端、办公 PC 客户端、APP、小程序、库库 AI 企业版、Kooko 等多端使用，是行业率先实现全球覆盖、全端可用的 AI 办公平台。（来源：TechWeb）

阿里巴巴任命刘大一恒为 QwenLLM 团队新负责人

据两位知情员工透露，阿里巴巴集团已任命资深 AI 研究人员刘大一恒担任 Qwen（通义千问）大语言模型项目负责人。知情人士表示，在今年早些时候历经多轮组织重组后，刘大一恒的任职，进一步厘清了 Qwen 团队的管理层架构。阿里巴巴一年一度的云栖大会将于周二开幕，在大会官网的演讲嘉宾名单页面，刘大一恒的个人肖像位置十分突出，紧随集团主席蔡崇信、首席执行官吴泳铭之后。官网标注其职务为 Qwen 大语言模型项目负责人。（来源：新浪财经）

亚马逊云科技官宣接入 Kimi K3，Kimi 与海外云厂商分成模式正式落地

亚马逊云科技（AWS）旗下大模型服务平台 Amazon Bedrock 日前宣布接入开源大模型 Kimi K3，全球企业开发者可通过 Bedrock 直接调用，此前传闻的 Kimi 与海外云厂商收入分成合作正式落地。据了解，月之暗面正与多家海外云厂商推进收入分成合作，云厂商在其平台上架 Kimi 模型，并基于模型调用量与月之暗面进行分成，这是中国大模型公司首次以分成模式向全球三大云厂商输出模型能力。（来源：36 氪）

消息称三星组建新团队研发芯片工厂机器人，推进半导体工厂自动化转型

9 月 21 日消息，三星正把自身的机器人战略进一步延伸至半导体业务板块。该公司专门组建了一支团队，为其芯片工厂研发机器人，以此落实工厂向人工智能驱动的自主化生产基地转型的规划。

据《韩国中央日报》的报道，三星近期在设备解决方案事业部（DS）下属的全球制造与基础设施技术部门之下，新成立了名为「AX / PI」的专项团队，负责芯片工厂自动化机器人的研发与落地部署。

据悉这支新团队的不少人员来自三星原有设备技术研究院；该研究院此前主要从事设备开发、零部件本土化以及自动化相关工作。三星初期打算把机器人投入设备维护场景，借此替代外包人员以及现场工程师承担的一部分重复性作业。

该项目目前仍处在早期阶段。三星现阶段一边收集现场数据，一边规划机器人的行进路线、作业区域以及零部件存放点位。在正式向半导体厂房投入机器人之前，三星需要先完成上述各项内容的标准化工作。（来源：IT 之家）

闲鱼回应：成立专项小组严打色情引流，呼吁各平台联合行动

2026 年 1 月至今，闲鱼已累计冻结色情引流类风险账号 98358 个。闲鱼主动将相关线索移送公安部门，今年以来已成功警企协同打击色情团伙 15 个。

闲鱼坚决对利用色情内容进行引流、欺诈的违法行为说不，已成立专项小组，并建立「前置识别—即时处置—警企联动」等综合防控治理机制，坚决打击。

2026 年 1 月至今，闲鱼已累计冻结色情引流类风险账号 98358 个。闲鱼主动将相关线索移送公安部门，今年以来已成功警企协同打击色情团伙 15 个。在这个过程中，我们共排查了上千万件商品，绝大多数为正常商品。

长期以来，色情引流治理面临共性难题：一方面，黑灰产团伙往往借助流量平台作为引流入口，真正的色情交易或诈骗行为则转移至站外完成；另一方面，团伙在引流环节普遍使用各类变体色情暗号，将正常商品污名化，且暗号形式演化频繁、层出不穷，进一步加大了平台识别和治理的难度。

我们已成立专项小组，将深化与公安机关的执法合作，坚决打击色情引流产业链，也呼吁同行其他平台，只有各方联合起来，共同打击，才能有效切断违法产业链，维护平台生态安全。（来源：极客公园、闲鱼）

2025 年全球售出约 7000 台人形机器人

国际机器人联合会拟于近期发布的统计数据显示，2025 年全球人形机器人销售量约为 7000 台。这一数据仅覆盖应用于工业和专业服务领域的人形机器人，不包含消费级、军用和医用机器人。

据路透社 21 日报道，国际机器人联合会近 30 年来一直收集并发布传统工业机器人和服务机器人市场数据，2025 年相关数据定于 24 日发布，该组织同时将首次专门发布人形机器人销量。根据该组织标准，人形机器人必须外形似人，可以没有腿，但应能在为人类而设计的环境中自主工作。联合会秘书长苏珊·比勒说，2025 年所售人形机器人中，许多并不从事生产性工作，而是被研究机构和企业用于生成数据，以完善人工智能模型。

在全球机器人市场上，人形机器人方兴未艾。据美国银行研究部门预测，人形机器人 2026 年发货量将达 9 万台，2030 年将达 120 万台。不过，当下传统的工业和服务机器人仍为应用主流。国际机器人联合会数据显示，2024 年，传统工业机器人全球安装数量约为 54.2 万台；服务机器人同年销量约 19.9 万台，主要用于运输、接待、清洁等行业。（央视新闻）

电池容量突破航空运输监管临界值 苹果为 iPhone 18 Pro Max 引入出厂固件限电机制

苹果为回应续航需求，在 iPhone 18 Pro Max 上采用硅碳负极电池，容量首次突破 20Wh（美版 eSIM 为 5567mAh/21.75Wh，欧版为 5391mAh/21.06Wh）。但单电芯超 20Wh 会被划为第 9 类危险货物，面临严苛运输限制。

行业普遍靠拆分双电芯或削减容量应对，苹果则用软件绕开：出厂时通过底层固件将电池充电上限锁定在 20Wh 以下，满足航空豁免标准；用户首次激活时自动解锁全部容量，不影响日常体验。针对退换货、二手或维修寄送，iOS 新增 "准备运输" 功能，手动开启后系统放电并锁定至安全线以下，显示 "准备就绪" 方可过检。

苹果这套 "出厂封印、激活解锁" 的软硬结合方案，未改硬件也未增成本，很可能成为高续航手机跨国运输的行业新标准。（来源：cnBeta）

vivo 首款耳夹耳机 Buds Clip 发布：轻至 5.2g，售 599 元起

9 月 21 日消息，vivo X500 系列及智能终端新品发布会正在进行，接下来登场的是 vivo 首款耳夹耳机 Buds Clip，售价 599 元起。

• 标准版首销优惠价 599 元，建议零售价 699 元
• 无线充版首销优惠价 699 元，建议零售价 799 元

从发布会现场获悉，该产品提供月光白、浮光紫、星夜黑三款配色，采用自然流线设计，单只耳机重量轻至 5.2g，采用柔性钛丝连接桥、高性能记忆钛合金。此外，该产品还采用人体工学设计，左右耳佩戴自适应。

该产品支持骨传导 AI 通话降噪以及听感模式切换，提供防漏音模式、人声增强模式、均衡模式，搭载 12mm 创新型双并音圈扬声器。（来源：IT 之家）

宇树科技发布 Dex5-S 灵巧手

9 月 21 日消息，宇树科技（Unitree）发布了灵巧手产品 Dex5-S，该产品单手具备 22 个自由度，整机尺寸与真实人手接近，官方起售价为 3.99 万元。

据介绍，Dex5-S 的核心看点在于「小」与「巧」的平衡。产品采用约 1:1 的真手尺寸设计，得益于 22 个自由度的配置，用户可以获得更舒适、更稳定的握持角度。其外形尺寸为 102×187×26 毫米（左右手成对状态下测量），整手重量约 620 克，外壳采用铝合金材质。（来源：IT 之家、宇树科技）

苹果 macOS 27.2 开发者预览版 Beta 2 发布

9 月 22 日消息，苹果今日向 Mac 电脑用户推送了 macOS 27.2 开发者预览版 Beta 2 更新（内部版本号：26B5091g），本次更新距离上次发布 Beta / RC 间隔 5 天。

如何升级 iOS / iPadOS / watchOS / macOS 开发版和公测版？

•公开测试版：需注册 Apple Beta 版软件计划，之后通过【设置】【通用】【软件更新】【Beta 版更新】来升级；

•开发预览版：需登录注册苹果开发者计划，之后通过【设置】【通用】【软件更新】来升级。（来源：IT 之家）

OpenAI 宣布成立数学与 AI 顾问组，神秘新模型 24 天攻破 100+ 世界级难题

9 月 22 日消息，OpenAI 宣布在普林斯顿高等研究院设立独立的「数学与 AI 顾问组」，由 9 名数学家组成，成员不领薪酬，可自主发表意见、调整成员，但不参与把控 OpenAI 数学研究进度。

OpenAI 同时披露，其 8 月 28 日启动训练的神秘模型，已攻克 100 多项数学长期开放问题，含纳维 - 斯托克斯千年难题，进展速度超出内部数学家预期。OpenAI 认为数学 AI 应用影响深远，需稳妥推进落地，并表示陶哲轩等学者此前联名信的担忧，凸显 AI 企业与数学界深度沟通的必要性。

顾问组首批成员包括：

• François Charles（巴黎高等师范学院 ENS-PSL）
• Camillo De Lellis（普林斯顿高等研究院 IAS、Gran Sasso 科学研究所）
• Timothy Gowers（法兰西公学院、剑桥大学）
• Martin Hairer（洛桑联邦理工学院、伦敦帝国理工学院）
• Nikhil Srivastava（伯克利、西蒙斯研究所）
• Ulrike Tillmann（牛津大学、INI）
• Ravi Vakil（斯坦福大学）
• Edward Witten（IAS）
• Melanie Matchett Wood（哈佛大学）

（来源：IT 之家）