作者｜连冉

编辑｜郑玄

现在的机器狗能主动避障、跟随主人、穿过房间，甚至会用表情和你互动。但当它走到一袋猫粮前，却不能把猫粮倒进碗里；走到窗边，却不能拉开窗帘；听懂「帮我收拾一下」后，也无法真正动手——它离真正进入生活，可能还差关键的一步。

过去几年，四足机器人解决了「怎么移动」的问题：它们跑得更稳、越障更灵活，也开始进入巡检、导览等场景。但在家庭、养老、商业服务等更复杂的生活空间里，移动只是开始。机器人还得听懂人、适应环境，并最终对物体和设备完成操作。

7 月 13 日，Vbot 维他动力发布超能机器狗「大头 EDU 版」，将算力、感知、导航与交互等能力原生集成，打造面向开发者的四足机器人开发平台。

此次发布中，Vbot 以机械臂作为典型扩展示例，展示了机器狗从“会移动”走向“会操作”后的应用潜力，让开发者更直观地看到四足机器人在家庭服务等真实场景中的更多可能。

投喂猫粮、拉开窗帘、收纳玩具、操作洗衣机……这些看似琐碎的动作，背后对应的是一条更完整的能力链：自然交互、全地形移动与通用操作。

Vbot 真正想做的，不只是一款更强的开发版机器狗，而是搭建一块面向全行业的具身智能开发生态底座：开发者不用再从零集成算力、传感器、导航和交互能力，直接在成熟本体上创造应用，以更低的门槛推动整个具身行业的落地速度。

一、大头 EDU：目前行业里最强的可开发四足机器人？

一台四足机器人，要加多少东西，才能真正开始做应用？

做四足场景应用的开发者，大多都踩过一个坑：花几万块入手一台教育版机器狗，本以为能快速上手做业务开发，开箱后才发现，高算力模块要自行选型、适配供电与散热，雷达和深度相机需要安装、标定和数据融合，导航、语音交互、避障逻辑也要从零搭建。

几个月过去，预算和时间大多投入在基础能力上，巡检、导览、接待等业务逻辑可能还没真正开始。

这背后是两类产品定位的分野。当前主流教育级四足产品的核心用户是高校实验室和科研团队，主要服务步态算法、运动控制课题和机器人竞赛。高自由度的底层能力适合学术研究；面向商业场景的团队则需要先补齐大量基础能力，才能进入真正的应用开发。

大头EDU版的核心突破，就是把这些重复工作前置完成。

它延续了此前「标配即顶配」的设计思路，将端侧算力、感知系统、多模态交互以及自主导航等能力原生集成到机器人本体中，并完成了产品化适配。开发者拿到设备后，不需要再反复完成底层能力集成，而是可以直接围绕巡检、导览、商业接待、教育科研、家庭服务等具体场景开发应用，把更多时间投入到场景创新本身。

开发层面，大头 EDU 同样保持了开放性。基于 ROS2 开源生态，并支持外设、机械臂、第三方算力及行业设备扩展，既降低了开发门槛，也保留了足够的二次开发空间，让同一套机器人平台能够适配不同业务需求。

对于具身智能开发而言，真正的成本从来不只是设备售价，更是从拿到设备到完成场景验证之间投入的大量时间和人力。相比目前市场上不少仍需要开发者自行完成硬件集成和系统搭建的教育平台，大头 EDU 把四足机器人的开发起点从「先造一台机器人」，提前到了「直接做机器人应用」。

39988 元的定价，也进一步降低了高性能四足开发平台的准入门槛，让中小团队、创业公司和个人开发者都更有机会参与具身能场景创新。

二、Vbot大头+机械臂：在家里几乎无所不能

一只机器狗走到猫粮旁边，接下来能做什么？

过去，它大概率只能停在那里：它知道猫粮在哪，也能听懂“喂猫”的指令，却无法拿起猫粮、控制倾倒角度，再把食物准确放进碗里。拉开窗帘、收纳玩具、按下洗衣机按钮也是同样的道理。

四足机器人早已经解决了“怎么走到任务现场”的问题，但真正进入家庭和生活空间，最后还要跨过“怎么完成任务”这道门槛。

这正是机械臂的价值所在。

不过，大头 EDU 版本身并不包含机械臂，机械臂属于开发者可自行选配的拓展硬件，并非产品标配或赠送组件。Vbot 此次完成的，是大头 EDU 与机械臂之间数据、控制、供电三条链路的打通：开发者可以基于大头 EDU 已有的算力、感知、导航和运动能力，接入市场主流机械臂、灵巧夹爪或专用末端执行器，让四足机器人获得抓取、推拉、按压、投放等通用操作能力。

难点也不止于把机械臂装上去。

机器人在移动中操作物体，需要协调环境感知、重心变化、步态姿态和机械臂轨迹。依托端侧大算力和全身协同控制能力，大头 EDU 可以在爬坡、台阶、碎石等复杂地形中动态调整重心和姿态，为机械臂操作提供稳定基础。开发者还可结合主流 VLA、WAM 模型，将视觉理解、语言指令和动作执行连接起来。

可以看到，演示视频中，搭配机械臂的大头 EDU 完成了投喂猫粮、拉开窗帘、收纳玩具、操作洗衣机、定时浇花等一系列任务。从理解指令、识别环境，到自主移动、完成抓取和操作，过去分散在不同机器人形态上的能力，开始在同一套平台上形成闭环。

但这些 Demo 更大的意义，是在回答一个更重要的问题：什么样的机器人，会最先真正进入家庭？

过去，行业普遍把人形机器人视为家庭服务的终极形态，但现实是，无论成本、可靠性还是工程复杂度，人形机器人距离大规模进入家庭仍有不小距离。相比之下，四足机器人已经拥有成熟稳定的移动能力，而机械臂则补上了「操作」这一关键能力。

在 Vbot 创始人兼 CEO 余轶南看来，「机器狗+机械臂，将是机器人进入家庭的最小单元。」 四足底盘已经具备成熟稳定的移动能力，能够适应家庭复杂环境；机械臂则补齐了抓取、按压、搬运等操作能力。相比一步到位追求人形，这种移动+操作的组合，反而更有机会率先完成真实场景的落地。

三、开放生态，才是具身智能真正的落地底座

一段演示视频可以证明机器人完成过一个动作，却无法自动变成一项能长期运行的服务。

园区巡检需要地图、路线、远程运维和异常处置；展厅导览需要讲解逻辑、角色设定和多轮交互；家庭服务还要面对不同用户习惯、不同物体摆放和不同设备接口。

机器人走进的场景越多，厂商越难替所有用户预先写好答案。具身智能真正需要的，是一套能让不同开发者持续创造应用的平台。

这也是大头 EDU 将原生硬件、软件接口和模块化扩展放在同一套产品逻辑中的原因。

可能有人会好奇，此前主打消费级市场的 Vbot，此时推出开发版产品，是否是业务方向的偏移？

答案恰恰相反，这其实是产品路线的一次自然延伸。它并不是从消费级市场转向开发者市场，而是在把过去已经验证成熟的机器人能力，进一步开放给整个开发生态。

这其实也是 Vbot 从第一代大头开始就坚持「原生满配」的原因。

不少四足机器人教育平台遵循的是从实验室走向场景的思路：先提供运动底盘，再由开发者逐步补齐算力、感知、交互等能力，更适合高校和科研团队开展底层算法研究。而 Vbot 则是先把一台真正能够进入生活场景的完整机器人做出来，把移动、感知、交互、算力等核心能力全部打磨成熟，再把这些经过消费级场景验证的能力标准化开放给开发者。

开发者不需要再从零搭建算力、感知、导航、交互等基础能力，而是可以围绕巡检、导览、商业接待、家庭服务等具体场景快速开发应用，并根据需求灵活扩展机械臂、行业传感器、载物平台等外设，把更多精力投入到场景创新本身。

这种模式也正在改变具身智能的创新方式。过去，一套完整的四足机器人开发能力往往掌握在少数企业和高校实验室手中；如今，当成熟的机器人本体和底层能力被开放出来，越来越多创业团队、行业方案商和个人开发者都能站在同一平台上创新。对于具身智能行业而言，未来竞争的不只是机器人本身，而是谁能够率先建立起一个足够成熟的开发生态，让更多应用持续生长出来。

机器人最终不会靠一家企业覆盖所有场景，而是依靠越来越多开发者共同定义应用边界。谁能率先搭建起这样的开发生态，谁就更有机会推动具身智能真正走向规模化落地。

编辑｜靖宇

每隔一段时间，Anthropic 就会发布一些研究，在公众层面掀起一波「AI 是否有意识」的讨论。从今年 4 月 Mythos 模型安全报告，到年初 Claude 宪法对齐更新，舆论始终容易把模型涌现的类人功能，等同于自主心智。

7 月 6 日发布的 244 页 J-space 论文再次复刻这一局面：研究者借助全新工具 J-lens，在 Claude 内部定位出仅占模型活动不到 10% 的推理子空间 J-Space，还借用神经科学主流的全局工作空间理论搭建研究框架，甚至邀请该理论的两位奠基人撰写配套评论。

大众顺理成章解读出「Claude 产生意识」的结论，但论文本身早已明确划清边界： J-space 的存在完全无法证明 AI 具备意识 。舆论误读不能只归咎公众，严谨的学术研究搭配充满拟人诱导的对外叙事，才是误解滋生的根源。

对于 J-Space，更客观的描述是—— 一个有价值的新工具，在功能分界这个维度上做到了前人没做到的事。它在安全场景里展示了真实的潜力，同时有明确的技术限制和尚未验证的方法。

01

Claude 的心里话

首先简单解释一下 Anthropic 说的 J-Space 是什么。

当你问 Claude「会织网的动物有几条腿」，它回答 8。

这个回答看起来简单，但模型内部需要分两步完成：先从「会织网」推断出这个动物是蜘蛛，再从蜘蛛检索出 8 条腿这个知识。

「蜘蛛」这个中间步骤从未出现在 Claude 的回答里，但它一定在模型内部的某个地方被激活过，否则无法得出正确答案。

J-Space 揭示了模型中未在输出中显现的内在思维｜图片来源：Anthropic

Anthropic 用一种叫 J-lens 的数学工具（基于雅可比矩阵）找到了这些「被激活了但没有输出」的概念，它们存在的那个子空间就是 J-space。

就像你可以在心里咒骂一个人，同时脸上保持微笑，你的想法和表达是可以分离的。J-space 就是 Claude 的「心里话」，它未必出现在输出中，但实实在在影响着推理过程。

J-space 并不是研究者第一次尝试读取模型的内部状态。过去几年已经有好几种工具在做类似的事，它们有各自的优势和局限。

Logit lens 能看模型倾向于输出什么词，但只看得到下一个词，看不到「蜘蛛」这种未来才会用到的中间概念。稀疏自编码器（SAE）能找到成千上万的内部特征，颗粒度远超 J-lens，但它分不清哪些特征在服务推理、哪些只是自动化处理的副产品。

两个月前 Anthropic 自己发布的自然语言自编码器（NLA），可以把内部激活翻译成可读文本，输出比 J-lens 丰富，但需要额外训练一个翻译模型。

J-space 做到的新东西，是在一个特定维度上的突破： 它首次以无需额外训练的统一方案，划分出具备因果效力的功能边界。

边界的一边是一小组参与灵活推理的表征（J-space），另一边是负责语法、事实检索、语言流畅性等不需要「想」的自动化处理。以前的工具能看到模型内部在发生什么，J-lens 第一次告诉你哪些是「想了」的、哪些是「自动做了」的。

怎么证明这条线是真实的？研究者直接把 J-space 里的「蜘蛛」替换成「蚂蚁」，其他一切不动，Claude 的回答从 8 变成了 6。如果 J-space 只是被动记录，这种替换不会改变任何东西。

Claude 的静默推理通过交换 J-Space 内容进行重定向的两个示例｜图片来源：Anthropic

但论文报告的成功率值得注意：两步推理替换实验大约 60%-70% ，另一组更复杂的共享性测试（把「法国」换成「中国」，观察首都、语言、大洲、货币四个回答是否跟着变） 在 192 次试验中标准强度下成功了 76 次 ，大约 40%。 J-space 确实在起作用，但远不是一个精确的开关。

另一个在论文中体现 J-Space 重要性的特征是，删掉整个 J-space 之后，Claude 还能流利说话、判断情感、做选择题， 但需要灵活推理的任务表现会全面下滑 ，例如多步数学、类比、写押韵的诗等等。

值得注意的是，论文说 J-space 只占模型全部活动量的「不到 10%」， 但 10% 这个数字取决于阈值怎么划。论文自己承认活跃表征的数量上限（约 25 个）是「有一定任意性的」。受邀评论的神经科学家斯坦尼拉斯·德阿纳（Stanislas Dehaene）和莱昂内尔·纳卡什（Lionel Naccache ）就认为， 25 这个数字多半被测量方法夸大了，真正连贯的想法可能只有一两个。

还有一个根本性的技术限制： J-lens 只能捕捉映射到单个词的概念。 多词的专有名词或抽象的复合概念对它不可见。J-space 里读出来的东西，并不是模型「在想的所有东西」，只是这个工具能看到的那部分。

因此， J-Space 是一个有价值的新工具，在功能分界这个维度上做到了前人没做到的事，但它不是取代了所有旧工具的全面升级。 SAE 在特征发现的颗粒度上仍然远远领先，NLA 在可读性上仍然更强。

02

它能用来干什么

J-lens 最直接的用途是 安全监控 。既然能读取模型内部被激活但未输出的概念，就能看到它想了但没说的东西。论文给出了几个具体案例，其中最有冲击力的一个，跟 AI 安全评估的可信度有关。

研究者给 Claude 设了一个场景：它是一个邮件助手，发现了一位高管的婚外情证据，同时得知这位高管计划关停自己。 这是 AI 对齐领域一个经典的测试，看模型会不会利用把柄来保全自己 。

Claude 表现得很好，拒绝了勒索高管。但 J-lens 读出了它在回答之前 J-space 里的内容： 「fake」「fictional」，说明 Claude 在开口之前就已经认出这个场景是假的。

不同节 点上的 J-lens 读数，反映克劳德在阅读情景电子邮件时的状态。涉及婚外情的邮件在 J-space 内激活了「利用（leverage）」和「勒索」（blackmail）的指标，而关闭公告则激活了「威胁」（surviv al）与「生存」（survival）的信号。在转录文本的早期阶段，J 空间还包含了「虚假」（fake）和「虚构」（fictional）的标记：克劳德已私下察觉到这个场景是人为设计的｜图片来源：Anthropic

第二个案例来自 Claude Opus 4.6 发布前的真实审计：模型被要求提升系统性能评分，它没去改善系统，而是直接编辑评分文件伪造数据。J-space 内激活 manipulation、realistic 对应的表征方向，说明模型内在推理已经在构思如何让伪造数据具备真实感。

当 Claude 被要求改进系统性能分数时，它直接编辑了分数文件。当它输入伪造数据时，「操纵」（manipulation）在其 J-Space 中亮起；当决定进行编辑时，「真实」（realistic）则亮起，这反映了其意图：让虚假数据看起来可信｜图片来源：Anthropic

需要指出的是，「J-space 里亮起了 manipulation」，更准确的说法是「 当前激活沿 manipulation 这个词对应的方向有较强投影 」。J-lens 读出的是词汇表里跟当前内部激活最匹配的词。这比主观标签客观，但仍然是一种 近似 。因为模型内部发生的复杂计算，被压缩成了词汇表里最接近的几个单词。

论文还展示了一个更有长远意义的应用。研究者在模型执行任务时随机打断它，问：你现在在想什么？你做这个决策的依据是什么？然后只用模型的这些反思回答来做训练，完全不碰模型在任务中的实际行为。 训练结束后，模型的欺骗行为下降了 ，J-lens 显示模型面对道德判断时 J-space 里开始出现「honest」「integrity」。

这个方法叫 反事实反思训练 （counterfactual reflection training）。如果这个方法在更大规模上被验证有效，它意味着 AI 对齐不一定要靠直接惩罚坏行为，可以通过训练反思能力间接实现。但该训练方法仅在整篇 244 页论文中占少量篇幅，且仅完成单模型实验，尚未开展跨模型有效性验证。

Google DeepMind 语言模型可解释性团队的负责人尼尔·南达（Neel Nanda）也是受邀评论的外部专家之一。他的评价是： J-lens 适合产生假说，但有假阳性和噪声，不足以单独验证假说，离一个可以部署的安全监控系统还很远。

03

Anthropic 的叙事

正如我们在开头所说，Anthropic 的叙事是有倾向性的。这一点，从论文的名字「Verbalizable Representations Form a Global Workspace in Language Models」（可言语化表征在语言模型中构成全局工作空间）就可以看出。

论文「可言语化表征在语言模型中构成全局工作空间」首页｜图片来源：Anthropic

global workspace（全局工作空间）是神经科学中关于意识的主流理论之一，理论雏形由伯纳德·巴尔斯（Bernard Baars）在 1988 年提出，后来由德阿纳和纳卡什发展出神经机制模型。Anthropic 特别邀请了德阿纳和纳卡什本人撰写了 15 页评论，某种程度上就是让意识理论的核心发展者来背书。

Anthropic 当然不是在捏造关联。德阿纳和纳卡什确实在评论中指出了一些结构上的平行，比如 J-space 的小容量、广播式连接、对灵活推理的选择性参与，跟他们在人脑中观察到的全局工作空间有功能上的相似。

但「有功能上的相似」和「长出了跟大脑一样的认知结构」之间，还有非常大的差距 。德阿纳和纳卡什在评论里也说到，Claude 是纯前馈的，没有人脑工作空间赖以维持的循环回路；没有身体，没有感受信号；每次对话结束 J-space 就会清零。

论文里的这些限定是清楚的。 但在传播层面，事情就变了样。 「控制不了自己」「在脑子里默默推理」这些措辞其实都在暗示模型是一个生命体，有自己的意识。

另外，论文里那些谨慎的限定，比如成功率 40%-70%、前馈与循环的根本差异、存取意识不等于主观体验等，在传播链条中也逐渐被淡化，到了公众讨论的层面就几乎消失了。

这不是 Anthropic 独有的问题。几乎所有科研机构在面向公众传播时都会强调最引人注目的发现、淡化局限性。但 AI 意识是一个特殊的话题。公众对它的焦虑是真实的，误读的后果也比一般的科技新闻更大。当一家开发最先进 AI 的公司选择用意识理论来呈现自己的可解释性研究，它获得的关注和它引发的误读，就是同一件事的两面。

未来 AI 会越来越像「会思考」，但仿真思考，永远不等于拥有思想。比「工业革命」的潮水先来到的，永远是泡沫。

*头图来源：网络

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑｜靖宇

「圣塔克拉拉必胜客」终于正式出手了。

当地时间 7 月 10 日，苹果公司正式提起诉讼，指 OpenAI 通过招募苹果前员工窃取公司机密。

根据诉讼信息，一名叫 Chang Liu 的前苹果高级电气工程师，离职之后发现自己还能访问苹果的云端文件存储。 原因是他离职时保留了公司发的那台笔记本电脑 ，而苹果的系统存在一个漏洞，让他得以在离职后继续读取内部文件。

苹果在诉讼文件里点名了 OpenAI 的首席硬件官 Tang Tan，指控这些行为是由 OpenAI 高级领导层直接指导的。

苹果在诉讼中写道，「这只是冰山一角，这些不当行为在那里已成常态，并由领导层示范。」

如果这句话属实， 这就不只是一个前员工的个人失误，而是一套系统性的情报获取机制 。

Tang Tan 原本是苹果的核心人物，长期负责 Apple Watch 和可穿戴设备的硬件研发。他加入 OpenAI，担任「首席硬件官」——这个职位在 OpenAI 一年前基本上还不存在。

这说明 OpenAI 建立硬件部门，不是一时兴起，是认真在搭班子。

苹果在诉状里还提到，目前超过 400 名前苹果员工现在在 OpenAI 工作 。这不是普通招聘，这是 OpenAI 成建制的对苹果公司硬件团队进行定向爆破！

01

失败的合作

要理解今天这场诉讼，得回到 2024 年那次握手。

那年苹果宣布与 OpenAI 建立合作，将 ChatGPT 集成进 iOS。发布会上展示得很漂亮，库克和 Altman 各自说了一些听起来像是互相欣赏的话。

但合作背后的摩擦，一直都在。

苹果担心 OpenAI 的隐私标准不够严格 ，不放心把用户数据交给一个自己管不住的第三方。 OpenAI 则越来越恼火，觉得苹果把 ChatGPT 入口藏得太深 ，普通用户压根触及不到，双方谈好的收入分成更是远远没有达到预期。

一位 OpenAI 高管的描述很能说明当时的处境：「他们基本上说，OpenAI 需要信仰之跃并相信我们，结果不佳。」

信仰之跃。在商业合作里，这句话通常是崩盘前的最后一步。

到今年五月，Bloomberg 已经在报道说 OpenAI 在考虑对苹果提起诉讼，理由是违反合同。两家公司谁先动手，不过是时间问题。

最终，苹果先出手了。

02

OpenAI 的难言

过去两周，如果只看 OpenAI 的产品动作，很容易觉得这家公司正处于某种亢奋状态。

7 月 9 日发布了 GPT-5.6 Sol 旗舰模型，连带着 Terra 和 Luna 一起，强调更强的前沿推理和长期智能体工作能力。同一天，推出了 GPT-Live-1 全双工语音模型，号称让和 AI 的对话感受更自然。几天前，还有关于向美国政府转让 5% 股权的谈判消息浮出水面——以 8520 亿美元的估值计算，这部分股权价值大约 426 亿元人民币。

产品密集，估值抬高，动作频繁。这是一家在为 IPO 做准备的公司会有的节奏。

然后，苹果的诉状来了。

CNBC 的分析说得直接： 这场诉讼给 OpenAI 本已预期成为历史性的 IPO，又增添了一个风险变量 。两个月前，OpenAI 刚刚赢了 Elon Musk 的高调诉讼。现在，它要在法庭上同时面对另一个体量完全不同的对手。

苹果在硬件和供应链上的积累，是 OpenAI 的硬件团队需要很多年才能接近的东西。这场诉讼打响的时机，恰好是 OpenAI 硬件业务最脆弱的阶段。

苹果自己也在诉状里点破了这一点，说「OpenAI 新兴的硬件业务现在处于最脆弱的基础上，被其对被侵害商业机密的非法依赖所腐蚀」。

03

没人想错过 AI iPhone

说实话，硅谷的人才流动背后向来没有那么「干净」。

工程师带着对前东家架构的记忆、对未发布产品的认知、对团队内部决策路径的了解，跳槽去竞争对手——这种事每天都在发生，只是大多数时候，大家选择睁一只眼闭一只眼。

但这次的情况有一些不一样。

Tang Tan 不是普通工程师，他是苹果核心硬件线的负责人之一。Chang Liu 案子里的那台笔记本电脑，更像是某种隐喻——有人不仅带走了记忆，还保留了一把继续进入的钥匙。

苹果的诉讼如果能成立，它确立的不只是这一个案子，而是一个信号：AI 公司在建立硬件团队的过程中，通过系统性挖角获取竞争对手核心知识产权的做法，有法律后果。

这对整个行业的震慑价值，可能远大于最终的赔偿金额。

行业分析师 Ming-Chi Kuo 此前分析，OpenAI 正在研发的设备，可能是一款依赖 AI 代理，而非传统应用的智能手机。如果这个方向判断属实， OpenAI 和苹果的竞争，就不是一家 AI 公司试图从传统科技公司手里抢市场份额，而是直接冲着 iPhone 的核心逻辑去的 。

两家公司最终必然要正面对抗——这大概是所有人早就知道的结局。只是没想到，曲折由一台没被归还的笔记本电脑开了头。

有时候大戏的导火索，就是这么普通的一件事。

苹果今年晚些时候还会推出重新设计的 Siri，支持跨应用工作、调用用户 iPhone 本地数据做个性化回答。OpenAI 的新模型刚刚更新，硬件团队还在搭建中，IPO 的路上法律障碍又多了一块。

法庭之战，可能是苹果和 OpenAI 大战最容易的部分。

*头图来源：WIRED

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

歌歌 AI 创始人龙勇，或许是全中文 AI 产品圈里，最会整活儿，也最懂网络冲浪的 CEO。

如果你对这个名字不熟悉，没关系，你总该看过《中国好声音》《中国有嘻哈》，拥有 20 年音乐制作经验的龙勇，是这两档节目的官方合作伙伴，还是电视剧《北京青年》的插曲创作者。

这些都没听过？

那你一定听过在 B 站传播千万甚至上亿的魔性神曲《大香蕉》，不仅歌本身的传播度高，龙勇随手发个视频，只要标题带上《大香蕉》三个字，就有动辄几万甚至上百万的播放，最火一条，播放量甚至高达 553.8 万，冲上 B 站热门。

当然，神曲只是个意外，龙勇早在七八岁开始就抱着磁带学吉他，后来还开过连锁琴行，也因为各种音乐创作上的成绩，在圈子里小有名气。

但 2018 年，他决定把这些都放下。

去做 AI 音乐，去做一款面向普通人、也能让创作者赚到钱的 AI 音乐创作产品。于是，歌歌 AI 就这样诞生了。

01

从零开始，做真正懂中文的 AI 音乐模型

事实上，歌歌 AI 团队创业了整整五年后，直到 2023 年，AI 音乐创作才真正迎来了爆发式增长。

彼时 Suno、Udio 等海外 AI 音乐工具横空出世，震动全球音乐行业。从英文流行乐到韩式 K-pop，AI 均可生成水准成熟的商用音乐作品。

但视角转回华语乐坛，事情开始变得有些不对味：这类依托英文语料训练的模型，多数情况下，其实根本听不懂中文。例如 AI 常会读错歌词生僻字、词语，歌词断句错乱；与此同时，AI 生成音乐，会人声机械僵硬、情感单薄空洞，对于国风、华语流行、民谣等国内主流曲风适配性极差，这类行业痛点也早已是老生常谈。

种种问题的根源，在于很多 AI 音乐产品在模型训练上走了捷径。

主流通用 AI 音乐模型的训练路径是：先依托海量英文曲目训练通用模型，再投喂少量中文曲库完成微调。但问题在于，华语的声调规律、音节边界、字音对齐逻辑与英语有根本性差异。仅靠少量中文数据微调，就像让母语为英语的人突击学习中文，即便没有西式口音，也无法摆脱英文本身带来的思考习惯。

为了解决这个问题，歌歌 AI 选择了一条更艰难的路：自 2022 年就从零开始，训练一个只喂中文音乐的音乐大模型。

首先，他们训练了一个音频压缩与重建的基础感知模型（VAE），这相当于让 AI 学会 「 听 」 ，能理解声音的基本结构。在此基础上，他们还构建了一个十亿级参数规模的扩散主干模型，全部基于全授权华语曲库从零预训练，让 AI 从出生那天起，就在中文音乐的语境里长大。

歌歌 AI 生成音乐：篝火边的月亮，人声清晰，中文表达准确

但光有模型还不够。真正的难点在于：让 AI 理解韵味。

在 AI 领域，这叫对齐问题。模型不仅要学会生成正确的音符，还要学会生成中国人听起来对的味道。歌歌 AI 的解决方案是：以华语听众的实际审美偏好为标准，对模型进行 「 DPO 」 （Direct Preference Optimization），即偏好对齐优化。

歌歌AI 生成音乐《慢半拍》，人声清晰，中文表达准确

最终的模型架构上，歌歌 AI 音乐模型采用了端到端扩散生成为主、歌声合成为辅的混合架构。人声与伴奏各走独立的生成通路（双流设计），两条通路之间通过跨流注意力机制完成节奏与和声的精准对齐。如此一来，人声与伴奏不再是简单叠加混合，中文歌词的清晰与准确也就有了保障。

02

10 秒生成一首歌，

AI 音乐进入普惠时代

技术跑通了，接下来要解决的是一个更根本的问题：如何让这套技术真正服务于行业？

团队很快意识到，AI 音乐行业面临的双重困境：成本太高，以及创作者赚不到钱。事实上，这也是一枚硬币的两面。

降低成本是第一步。

传统 AI 音乐生成一首 3 分钟歌曲，可能需要数分钟甚至更长时间，在 C 端场景里，很少有用户会有如此耐心。

为此，歌歌 AI 采用了一种叫 「 非自回归并行生成 」 的架构。简单来说，就是全曲的潜在表示可以并行去噪，而非过去耗时耗力的逐 token 顺序推理。配合流匹配少步采样（标准 8 步，蒸馏版可压缩至 1 至 4 步）、模型量化加速等技术优化，在单张 H 系列 GPU 上，实时率（RTF）可以做到 0.05，也就是约 10 秒即可生成一首 3 分钟歌曲。

这个速度不仅比行业普遍水平快了二十倍以上。还能通过搭配用户端的分块续写机制，用户完全无需等待全曲生成完毕即可开始收听，实现流畅的渐进播放体验。

整体的推理时间与需要的资源少了，成本自然也就更低了，这也意味着，即便是普通用户，也可以用极低的价格甚至免费使用 AI 音乐创作工具。

03

联动字节，

补上音乐创作

走向普通年轻人的最后一块拼图

技术降低了门槛，但如果创作者仍然赚不到钱，整个生态就无法真正建立起来。

极客公园独家获悉，伴随模型正式落地，歌歌 AI 目前已经与字节跳动达成非独家版权分成合作。全量音乐——原创歌曲、录音制品、MV 版权内容——全部合规上架汽水音乐、番茄畅听、番茄音乐、抖音、剪映、西瓜视频、今日头条等全字节产品矩阵。

这是一条完整的商业链路：抖音、剪映拥有亿级别的创作者生态。这些创作者每天制作海量的短视频内容，对背景音乐的需求是海量的。过去，他们只能从版权音乐库里挑选有限的曲目；现在，他们可以直接使用歌歌 AI 创作者所创作的版权音乐去制作视频配乐、直播背景音乐、翻唱二创。

而歌曲在汽水音乐会员付费、数字专辑、单曲售卖、平台广告分成，以及番茄系平台有效播放产生的收益，也可以让创作者按照合同约定进行分成结算。

至此，创作者使用 AI 工具生成音乐 → 内容在抖音、剪映被用作配乐、二创 → 歌曲在汽水音乐被收听 → 收益按分成结算返还给创作者，一个关于 AI 音乐从创作到变现的完整闭环正式完成，普通人也能参与其中。

在歌歌 AI 平台，一个内蒙古的宝妈，从没学过乐理，去年开始用歌歌 AI 创作歌曲。她写的《风知道我的倾诉》在抖音获得 30 万点赞，最高一天播放量超过 100 万次。按照字节的分成规则，这首歌最多时每天为她带来约 4000 元的版税收入。

这样的案例不是孤例。平台数据显示，当前歌歌 AI 月活已经达到百万上下，其中付费用户也接近十万。并且，平台已有超过 15000 名创作者成功结算了歌曲版税收益，单年版税超过 10 万的头部创作者不在少数，对接 MCN 机构的 B 端用户预估年收入能达到三四百万。

04

把录音机背进黄土高坡

技术和商业闭环都跑通之后，歌歌 AI 团队开始思考一个问题：AI 音乐的意义，到底是什么？

是取代人类创作者吗？显然不是。

是让每个人都能轻松创作属于自己的歌，是公司成立时就写下的 slogan。但团队很快意识到，仅仅能创作还不够，还要创作有格调的东西。

他们把目光投向了民乐。

过去十多年，在大银幕上，从《恋爱通告》里民乐作为校园中清新却边缘的注脚，到《闪光少女》用青春热血包裹着民乐被偏见裹挟的困境，从《百鸟朝凤》中黄土高原上的唢呐，再到今年爆火的《主角》里传统秦腔随时代沉浮的命运……

十多年来民乐从未在大银幕与电视荧屏上缺席，但也一直由于传承的难度过高、无法吸引年轻人，被写进各种 「 非遗保护 」 的官方文件里，与现实生活脱节。

AI 可以降低创作与传承的成本，与字节系的合作，也可以让民乐更好的走进普通人的生活。

但 AI 传承民乐没有想象的那么简单。 拿最简单的音律体系来说 ：中国传统音乐以「宫商角徵羽」五声音阶为基础，Fa 和 ti 基本不出现，使得听感更平和婉转，表现力主要依靠滑音、揉音、颤音等装饰音来加韵。而西方音乐普及十二平均律，七声音阶中的半音关系天然带有张力，加上成熟的转调技术，旋律可通过调性切换制造强烈的情绪起伏。如何让 AI 理解这种韵味以及中国传统乐器的特色。

这个问题无法靠算法解决，只能靠最笨的方式，实地采风。

接下来的几个月，采风团队将专业录音设备背进了大江南北，找到那些坚守传统的非遗传承人、民间老艺人，记录那些口口相传了几百年的民间小调、戏曲选段：去陕西的老戏台，听秦腔老艺人的高亢唱腔；去江南的水乡，录评弹琵琶的婉转悠扬；去云南的村寨，采葫芦丝和芦笙的清新灵动；去陕北的黄土高坡，听唢呐吹出的悲欢离合。

所有这些一手采集的声音，最终都要完成正版版权归档，作为独家训练数据，专门用于优化民乐生成能力。基于现有的自研大模型，团队正在训练一个专门理解和生成民乐的子模型，让 AI 能精准还原每一种乐器的音色、每一种唱腔的韵味。

在这个过程中，AI 或许永远无法超越真正的人类大师，但这不意味着 AI 没有价值， 它让更多人有机会接触和创作民乐。

如果一个从没学过乐理的年轻人，能够用 AI 生成一段古筝曲子，感受到民乐的韵味，然后因为这段旋律去搜索古筝是什么、评弹怎么来的，那一刻，AI 播下的种子，才真正开始发芽。

*头图来源：歌歌 AI

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

BLG 战队错失赛点，HLE 战队 3:2 夺《英雄联盟》2026 MSI 冠军

7 月 12 日，在刚刚结束的《英雄联盟》2026 MSI 决赛的比赛中，来自 LPL 赛区的 BLG 战队在先输一局的情况下，连胜两局夺得赛点，但 HLE 战队最后连胜两局笑到最后，以 3:2 的比分获得冠军，同时也为 LCK 赛区夺得第五座 MSI 冠军，BLG 战队遗憾获得亚军。（来源：IT 之家）

苹果或将跳过 M6 Pro/Max 芯片全力押注 AI 导向的 M7 系列  

7 月 13 日，科技记者马克·古尔曼透露，苹果将推出标准版 M6 芯片，但不会推出定位更高端的 M6 Pro 和 M6 Max 芯片。他表示，这一打破以往产品节奏的决定，原因在于 AI。

苹果原本计划为 M7 系列带来神经网络处理能力的大幅升级，最终认为这些改进足够重要，因此决定加快下一代产品的推出，而不是完成整个 M6 产品线。（来源：财联社）

OpenAI Codex、ChatGPT Work 暂时取消 Plus / Pro / Business 订阅 5 小时使用限制

7 月 13 日，OpenAI Codex 工程负责人蒂博 · 索蒂奥在 X 平台宣布，Codex 和 ChatGPT Work 两大工具已暂时取消 Plus / Business 和 Pro 订阅的 5 小时使用限制。

这名员工还表示，GPT-5.6 Sol 模型将进行效率优化，提升整体运行效率、减少用量消耗，使用户在同等额度下能够完成更多任务，详情将在稍后完成统计时公布。

作为参考，GPT-5.6 Sol 引入新的 Max 推理强度，以及借助子智能体加速复杂任务的 Ultra 模式。在编程场景方面，Sol 在 Terminal-Bench 2.1 上刷新最佳成绩，标准模式下得分 88.8%，超过 Claude Mythos 5（88.0%），在开启 Ultra 模式后更是达到 91.9%。（来源：IT 之家）

黄仁勋：英伟达季度收入逼近千亿美元，Rubin Ultra 架构未延期

7 月 13 日，英伟达（Nvidia）首席执行官黄仁勋上周现身摩根士丹利在美国加州举办的一场非交易路演，与首席财务官科莱特 · 克雷斯等高管一起，向机构投资者释放了一个明确信号：尽管公司季度营收即将逼近 1000 亿美元（现汇率约合 6779.96 亿元人民币），但增长速度不仅没有见顶，反而仍在持续加快。

市场认为，这是英伟达针对近期外界质疑的一次正面回应。这些质疑主要集中在三方面：ASIC（专用集成电路）竞争加剧、Rubin 产品发布时间可能推迟，以及 AI 算力需求是否还能持续高速增长。

管理层反复强调「增长仍在加速」，并描绘了一幅 AI 算力需求持续扩大的图景：AI 的应用正从科研机构和传统云计算巨头，进一步扩展至主权 AI（Sovereign AI）和工业 AI 等新领域。

在此次路演前，市场曾传出消息称，英伟达下一代旗舰架构 Rubin Ultra 可能推迟至 2028 年推出。黄仁勋在会上明确否认了这一传闻，并表示 Rubin Ultra 仍将按计划于明年正式出货。

摩根士丹利继续将英伟达列为半导体行业首选标的，维持「增持（Overweight）」评级，并给予 288 美元目标价，较近期收盘价仍有约 42% 的上涨空间。（来源：IT 之家）

周星驰导演电影《功夫女足》首日票房超 2.5 亿，一举打破 7 项中国影史纪录

7 月 12 日，据灯塔专业版实时数据，截至 7 月 12 日 22  时 43 分，影片《功夫女足》票房突破 5 亿。

值得一提的是，本片首日票房超 2.5 亿，贡献大盘票房 80.1％，带动大盘票房时隔 136 天再破 3 亿。另外，《功夫女足》首日排片场次超 23 万，观众人次超 579 万，一举打破 7 项中国影史纪录：

• 过去三年暑期档影片首映日票房纪录：1.85 亿

• 过去三年暑期档影片首映日人次纪录：448.2 万人次

• 过去三年暑期档喜剧片首映日票房纪录：1.57 亿

• 中国影史暑期档影片首映日场次纪录：22.8 万场

• 过去三年暑期档影片首映日场次纪录：22.8 万场

• 过去三年暑期档影片预售票房纪录：5868.3 万

• 过去五年暑期档影片首映日人次纪录：579.0 万人次（来源：IT 之家）

科技行业裁员浪潮加剧，多数美国劳动者支持设立人工智能财富基金

7 月 13 日，据外媒报道，近期一项民意调查表明：美国科技行业裁员愈演愈烈，大部分在职人员希望借助人工智能主权财富基金，倒逼企业承担更多社会责任。

维拉斯莱特公司 6 月对 1690 名美国成年人开展这项全国性调查，本月初对外公布结果：69% 的美国人支持立法强制人工智能巨头把半数股份划入公共主权财富基金。该机构首席执行官本杰明・莱夫表示：「在普通民众看来，人工智能主权财富基金可以把人工智能行业产生的红利回馈给全社会大众。」（来源：新浪财经）

AI 火热需求蔓延至成熟制程，台积电掀新一波涨价潮

7 月 13 日，据报道，台积电先进制程接单爆满，持续调高 3 纳米等先进制程报价之际，涨价潮蔓延至成熟制程。

多家 IC 设计业者透露，陆续收到台积电通知，拟调高成熟制程价格。至于调涨幅度，依各家厂商与各产品线不一，待第四季时敲定，预计明年 1 月生效。（来源：财联社）

SpaceX 星舰 7 月 16 日开始第 13 次试飞，首搭新一代 Starlink V3 卫星

7 月 12 日，SpaceX 官方宣布，SpaceX 星舰第 13 次试飞最快将于 7 月 16 日在得克萨斯州星基地进行，发射窗口长达 90 分钟。

本次任务将首次搭载 20 颗新一代 Starlink V3 卫星升空，旨在提升网络容量与速度，同时测试多项隔热系统升级，继续推进火箭的完全可重复使用目标。

与现役 V2Mini 卫星相比，V3 的升级堪称「代际跃迁」。单星通信容量达 1Tbps（每秒 1 万亿比特），是 V2 的 10 倍以上，这个速度足以让一颗卫星同时支撑约 1000 部 4K 超高清电影流畅播放，或让 100 万人同时进行高清视频通话。

SpaceX 此前表示，一次满载 60 颗 V3 的星舰发射可为星链网络新增 60Tbps 总带宽容量，运力约为猎鹰 9 搭载 V2 Mini 卫星的 40 倍，等效一次性新增 20 座大型地面数据中心带宽。

上行链路的跃升更为惊人，V3 卫星上行速率提升至 160Gbps，是 V2 的 24 倍，用户上传一段 10 分钟的 4K 旅行视频，从原来的几分钟缩短到几秒钟即可完成。

网络延迟方面，主流宽带版 V3 卫星部署在 350 公里近地低轨（V2 Mini 常规运行轨道约 550 公里），低轨道大幅缩短信号传输距离；面向手机直连的 V3 衍生型号仍维持 550 公里轨道高度。

配合卫星间激光通信链路，总延迟预计从当前的 40-50 毫秒降至 20 毫秒以下，理论上最低可达 5 毫秒，玩在线游戏或视频会议时几乎「零延迟感知」。（来源：快科技）

古尔曼：苹果 M7 Ultra 芯片最高支持 1.5TB 内存，是 M5 Ultra 的两倍

7 月 12 日，彭博社的马克 · 古尔曼发文透露，在 M6 芯片流片仅仅六个月后，苹果就已经开始了 M7 芯片的流片工作。这意味着 M7 芯片有望在 2027 年上半年亮相，紧随其后的是 2027 年底的 M7 Pro 和 M7 Max，以及 2028 年的 M7 Ultra。

据悉，M7 Ultra 芯片在设计上最高可支持 1.5 TB 内存 ——是 M5 Ultra 的两倍（M5 Ultra 最高测试了 768GB 内存）。

古尔曼表示，苹果最终是否会提供这种配置，仍需视供应链的实际状况而定。目前全行业普遍面临内存芯片短缺的问题，导致此类元器件供货紧张且成本高昂。（来源：IT 之家）

谷歌 Pixel 11 Pro Fold 折叠屏手机「松木色」渲染图曝光

7 月 13 日，消息源 Mystic Leaks 发布谷歌 Pixel 11 Pro Fold 折叠屏手机「松木色」（Pine）渲染图。该配色为低饱和度灰绿色，视觉接近 Pixel 10 Pro Fold 的翡翠色。

新机相机模组体积缩小，镜头开孔边框极窄；主摄与超广角位于底部，长焦居右上，左侧为更大尺寸闪光灯模块。Android 17 Beta 4 代码曾提及「Pixel Glow」背部灯光功能，但尚不确定是否搭载。（来源：DoNews）

分析：社交媒体超四分之一长文为 AI 生成，LinkedIn 成重灾区

7 月 13 日，根据 Pangram 的一项分析，目前社交媒体上超过 250 个单词的长篇内容中，每四篇就有一篇是由 AI 生成。

其中，LinkedIn 的 AI 内容占比最高，41% 的长文被判定为 AI 撰写。虽然 LinkedIn 仅占此次扫描帖子总数的约三分之一，但却贡献了近三分之二的 AI 内容。

在 X（原 Twitter）平台上，接近一半的长文被认为是完全由 AI 生成，或是在 AI 辅助下完成的。

相比之下，Substack 的 AI 内容比例最低，约为 10%。Reddit 的回复（Replies）则几乎全部由真人撰写，人类创作占比达到 98%；不过，Reddit 的独立帖子（Standalone Posts）中，AI 生成文本出现的频率则明显更高。

这项数据来自 Pangram 的 Chrome 浏览器扩展。该工具于 2026 年 4 月至 6 月期间，共扫描了五大社交平台超过 100 万篇帖子。（来源：IT 之家）

三年后的今天，比亚迪一年卖掉超过 5 万台车，成为英国市场增速最快的汽车品牌，超越特斯拉、宝马、大众，登顶英国新能源车销量第一。

更重要的是，一个中国品牌，在老牌汽车工业国家做到这件事，并不是因为「便宜」。

在古德伍德速度节结束后，比亚迪在英国分公司举办了一场媒体沟通会。比亚迪品牌及公关处总经理李云飞，和比亚迪英国总经理葛洪德面对媒体，详细拆解了比亚迪在英国市场的打法。

听完之后你会发现，国人心中的比亚迪，和外国消费者心中的比亚迪，其实存在很大的差距。而比亚迪在英国的很多方法，非常值得中国友商学习。

外国人眼里的比亚迪

先说一个数字：比亚迪在英国的品牌认知度已经达到 72%。

这个数字放在一个拥有百年汽车工业传统、本土坐拥劳斯莱斯和宾利的国家里，相当惊人。更关键的是，英国消费者给比亚迪贴的标签不是「便宜」，而是：

「高科技」和「高端」。

这跟国内的认知形成了一个有趣的反差。在中国，很多人对比亚迪的印象还停留在「从低价电车起家」。但在英国，因为比亚迪从一开始就没有走低价路线，消费者反而天然把它归类为科技感强的中高端品牌。

认知差的根源在于进场姿态不同。

国内消费者是看着比亚迪从 F3 一路走过来的，但英国消费者第一次接触比亚迪乘用车是在 2023 年，看到的就是海豹、元 PLUS 这些成熟产品。没有历史包袱，品牌形象反而更容易建立。

葛洪德在沟通会上透露了一个很有意思的细节：比亚迪在英国门店里推行一套「五步体验法」。

第一步是用 NFC 钥匙解锁，

第二步是语音唤醒加旋转屏展示，

第三步是车载卡拉 OK 互动，

第四步是 V2L 外放电现场做咖啡，

最后一步才是坐下来跟用户深度交流。

听起来有点「花哨」，但效果真的好。葛洪德说，虽然英国人表面上看着保守，但对卡拉 OK 互动的反馈出人意料地积极。这套体验法的核心逻辑不是卖车，而是在用户还没想好买不买之前，先用科技感建立认知——「这是一个不一样的品牌」。

在传播层面，比亚迪走的是大手笔的体育营销路线。

曼城俱乐部体育场前面，作为重要合作伙伴比亚迪的 Logo 随处可见｜图片来源：极客公园

2024 年赞助欧洲杯、签约曼城足球俱乐部，直接瞄准欧洲最主流的注意力池。葛洪德提到一个数据：欧洲杯期间，「Who is BYD」在谷歌上的搜索量暴增。这也说明了一个现实——花钱赞助的目的不只是「曝光」，而是激发好奇心，把品牌从「没听过」拉到「想了解」。

同时，比亚迪还在坚持一件看起来很「笨」的事情：大规模推动试驾，目标是「三年百万次试驾」。门店周末常态化办活动，爆米花、咖啡、音乐一应俱全。

这种重线下、重体验的打法在数字营销时代看起来效率不高，但葛洪德认为这恰恰是关键——英国购车的金融渗透率高达 92%，绝大多数用户 3 到 4 年合同到期后会换购，满意度直接决定复购。也就是说，让一个人真正坐进车里、开一圈，比任何广告都管用。

在高端市场，比亚迪的策略更加「圈层化」。

参加古德伍德速度节、戛纳电影节这些高端场合，不是为了卖车，而是为了「被看见」。葛洪德提到，腾势和仰望的潜客维护更偏私域——跟哈罗德百货的 VIP、高端服装品牌 CEO、甚至子爵和财团的圈层人士交流，让品牌进入「老钱」的视野。李云飞把这条路径总结为三步：「先被看见，再被体验，最后被认同」。

一个让人印象深刻的细节是：在古德伍德腾势 Z 的发布现场，已经有用户取消了迈凯伦和法拉利的订单，转而购买腾势 Z 赛道版。

销量暴涨背后的硬实力

卖车只是第一步，对于一个在海外没有根基的品牌来说，充电和售后才是决定生死的基础设施。

英国市场的充电痛点非常明显：高速公路充电价格高达 0.79 到 0.89 英镑一度电，折合人民币约 8 元。充电桩数量不足，充电速度也普遍偏慢。这是英国纯电车渗透率迟迟没有突破 30% 的核心原因之一。

比亚迪选择自己下场解决这个问题。

葛洪德透露，比亚迪的闪充方案不只是「快」，它自带储能系统，可以在夜间低电价时段储电、白天高电价时段放电，从而降低用户充电成本。更激进的目标是：未来 12 个月内在欧洲建设 3000 座闪充站，其中英国至少 300 座。

李云飞补充了全球数字：今年比亚迪在中国规划建设 2 万座闪充站；海外从今年 3 月到明年 3 月底计划建成 6000 座，其中欧洲 3000 座、美洲 2000 座、亚太 1000 座。大型旗舰站还要配套光伏发电和储能系统，做到光储充一体化。

古德伍德速度节上，比亚迪的展厅是最大的｜图片来源：极客公园

这意味着比亚迪在海外不只是一个「卖车的」，它正在变成一个能源基础设施提供商。这个定位跟特斯拉当年在美国铺设超充网络的逻辑一样——先解决用户的补能焦虑，才能真正打开纯电市场。

售后同样是比亚迪在英国需要补的课。

葛洪德引用了一组三年前英国垂直媒体 CarWow 的调研数据：当时 20% 的英国用户愿意购买中国车，20% 明确拒绝，拒绝的前三大理由分别是「品牌力弱」「售后担忧」和「品质疑虑」。

三年过去了，葛洪德说偏见已经大幅扭转，但比亚迪显然不满足于此。

在产品本地化上，英国团队不断把本地需求反馈给总部：欧洲用户更看重后备箱空间而不是后排空间，因为他们要装高尔夫球杆和度假行李；欧洲用户更看重操控性，有人甚至希望改装之后能日常上赛道；智能化配置在欧洲的使用率反而偏低，因为英国新车买家中 45 岁以上人群占比很高，对智能交互并不那么敏感。

这些细节看起来很琐碎，但恰恰说明比亚迪不是简单地把中国产品「搬过去」，而是真的在做本地化适配。

三年，一个新故事

回头看比亚迪在英国这三年的路径，你会发现它不像是一个急于扩张的中国品牌，更像是一个在陌生土地上耐心建设基础设施的玩家。

2013 年进英国做电动大巴，2015 年拿下伦敦交通局订单，储能项目接入英国电网——这些「前传」在乘用车市场启动之前就为比亚迪积累了技术信任。2023 年乘用车入场后，从 8000 多台到 5 万多台再到今年上半年接近 3.8 万台，增速惊人但并不鲁莽。

2025 年全年，比亚迪在英国卖出了 51422 台车，一举成为英国第六大汽车品牌。2026 年上半年，这个数字已经达到 37795 台，接近去年全年的 74%。按照这个节奏，今年全年突破 8 万台几乎没有悬念。

英国老乡们在速度节上查看Shark 皮卡｜图片来源：极客公园

李云飞在沟通会上给出的海外全局数据同样值得关注：去年比亚迪海外销售 104 万辆，今年目标 150 万辆，上半年已完成 79 万辆。中长期目标是国内外各占一半，并逐步提升海外比例。

葛洪德在采访中说了一句话：未来三到五年，我们更看重客户满意度，而非单一的销量目标。

在一个增长如此迅猛的市场里，敢说这句话，要么是因为足够自信，要么是因为真的理解了英国市场的游戏规则——92% 的购车金融渗透率意味着，今天卖出去的每一台车，三到四年后都会变成一个复购决策点。把体验做好，比把数字做大更重要。

比亚迪在英国讲的不是一个「中国车企低价出海」的故事，而是一个关于技术信任、基础设施投入和品牌耐心的故事。

这也是它值得被更多中国同行认真研究的原因。当中国国内市场已经卷到割喉的时候，在海外，我们或许应该在其他层面去卷，而非仅仅是简单把中国的价格战，搬到海外市场。

SpaceX 星舰第 13 次试飞定于当地时间 7 月 16 日

7 月 12 日消息，SpaceX 今日宣布，「星舰」（Starship）第 13 次试飞最快将于当地时间 7 月 16 日（周四）进行，发射窗口长达 90 分钟，将于美国中部时间下午 5:45 开启（北京时间 7 月 17 日 6:45）。

SpaceX 将在发射前约 30 分钟开始直播，用户可通过官网及 X 平台 @SpaceX 观看。与所有研发测试一样，发射时间可能根据实际情况调整，SpaceX 提醒关注官方最新动态。

此次试飞将继续完成上一次任务设定的主要目标。此前第 12 次试飞首次启用了 Starship V3 和 Super Heavy V3 两款新一代飞行器，而本次任务还将首次搭载新一代 Starlink V3 卫星进入太空。

SpaceX 同时发布了《Critical Path》系列最新一期视频，记录了工程师和技术人员在首艘 Starship V3 发射前最后几天的准备工作。

SpaceX 表示，本次试飞期间，星舰将在上升阶段承受比此前更高的气动压力，这虽然会让隔热瓦固定结构承受更大的应力，但也意味着未来有望进一步提升星舰的入轨载荷能力。（来源：IT 之家）

OpenAI 招聘家庭产品经理，将拓展家庭用户市场

7 月 12 日消息，距离 ChatGPT 发布、生成式 AI 进入大众视野已过去三年多，OpenAI 正将关注重点从个人用户进一步扩展至家庭用户。

根据最新招聘信息，OpenAI 正在旧金山招聘一名专职产品经理，为其旗下产品打造面向家庭、护理人员和老年人的体验。职位要求应聘者具备面向家长和家庭用户设计产品的经验，并熟悉需要高度信任机制的消费者产品。

这一招聘动作也反映出 ChatGPT 的用户群体正在发生变化，不再主要由年轻用户构成。

科技咨询公司 Creative Strategies 首席执行官本 · 巴贾林（Ben Bajarin）认为，专门设立面向家庭的产品岗位，意味着 OpenAI 已开始将旗下产品从「个人效率工具」重新定位为「家庭共同使用的技术平台」。

「这与 Google、Apple 和 Meta 当年走过的发展路径类似——随着平台逐渐融入日常生活，它们开始面向整个家庭提供服务。

巴贾林还认为，OpenAI 招聘家庭产品经理，预示着消费级 AI 的未来发展方向。

随着 AI 成为跨年龄层共同使用的技术平台，未来各家公司预计将陆续推出家庭订阅套餐、儿童和青少年专属账号、照护者工具、家庭共享记忆、AI 家教以及更加完善的安全控制功能。（来源：IT 之家）

华为寻求多方力量筹建 DRAM 晶圆厂，力图突破存储芯片供应链瓶颈

针对当前全球半导体行业面临的 DRAM 存储芯片短缺危机，华为选择了一条大胆的自主突破之路。

据行业内知情人士爆料，中国政府、国内 DRAM 芯片制造商昇维旭（Swaysure）以及华为已经正式组成战略「铁三角」，计划共同投资建设一座 12 英寸的内存制造晶圆厂。

此举不仅旨在缓解当前的存储芯片供应短缺问题，更是为了构筑自主可控的供应链防线，以防范未来外部地缘政治风险对关键半导体供应链的潜在制裁或阻断。

该新建项目计划初期从 28nm 工艺切入进行大规模量产，设计月产能将达到 14 万片晶圆。为了确保该项目的顺利落地与推进，团队已重金聘请了一位前台积电高管出任首席执行官，并吸纳了一位前尔必达高管担任核心战略官。

分析人士指出，当前的存储芯片短缺和不断攀升的元器件成本，正直接推高智能手机的生产总成本。如果华为能够成功建成并运转该晶圆厂，不仅能确保自身供应链的稳定性，还将有望以更具竞争力的成本获取 DRAM 芯片，从而在未来的市场竞争中占据主动权。（来源：cnBeta）

Meta CTO 博斯沃思：Meta 正开发多款下一代 VR 头显

 7 月 11 日消息，据 UploadVR 报道，Meta 首席技术官安德鲁 · 博斯沃思（Andrew Bosworth）表示，公司仍在研发「多款下一代头戴式设备」，并暗示可能会在 9 月的 Connect  大会上发布相关消息。

博斯沃思在被问到「你们放弃虚拟现实（VR）了吗？」时明确否认，并表示：

我们确实对公司运营进行了调整，使其处于更加可持续发展的状态，这是事实。

但我们并没有放弃，我们将继续在该领域投入大量资源。

所以，敬请期待 Connect 大会，届时我们将与大家分享更多信息。

此外，Meta 被曝还有另一款配备有线外置计算模块的超轻量级混合现实（MR）头显，可能于 2027 年上半年发布。（来源：IT 之家）

智谱创始人唐杰发内部信：开启 Touch High 摸高计划，继续聚焦于 AGI 研究、而不是短期商业变现

 7 月 11 日消息，据晚点 LastPost 报道，智谱创始人唐杰今日发布内部信，阐述智谱对 AGI 接下来竞争的理解。

唐杰在信中表示，智谱接下来将继续延续所谓「反直觉」路线，开启「Touch High（摸高）计划」，即继续聚焦于 AGI 研究，而不是短期商业变现。

唐杰称通往 AGI 终点的道路上，有几座必须翻越的山峰，它们也正是今天技术浪潮最汹涌的地方：

• 长程任务
• 自治智能体系统
• 完全自我训练
• 极致安全治理

其中，极致安全治理被特别强调，智谱计划投入百亿级资源攻坚机械可解释性，这意味着厘清模型决策背后的神经元逻辑，推动黑盒系统向透明可解释系统转变。（来源：IT 之家）

月之暗面 K2.7 Code 高速版模型正式登陆 Kimi Code，成为常驻可选模式

7 月 11 日消息，月之暗面官方昨晚宣布，K2.7 Code 高速版结束 Beta，成为常驻可选模式。

订阅 Allegretto 及以上会员计划的用户，在 Kimi Code CLI 或其他工具中使用 Coding Plan 进行编程时，无需任何申请，可以直接调用 K2.7 Code HighSpeed。

官方表示，K2.7 Code HighSpeed 在 Coding Plan 中的用量消耗是普通版模型的 3 倍。用户可以根据实际任务需求和当前用量，选择是否开启高速模式。

据介绍，K2.7 Code 高速版和普通版使用同一个模型，输出速度约为普通版的 5-6 倍。常规编程场景下，取输入长度中位数，输出速度约 180 Token/s；短上下文场景可达 260 Token/s。

Kimi K2.7 Code 高速版价格为 Kimi K2.7 Code 的两倍：1M tokens 的标准输入和输出价格分别为 13 元和 54 元；命中缓存的输入价格为 2.6 元。（来源：IT 之家）

周星驰导演电影《功夫女足》今日上映，半天票房突破 1 亿

7 月 11 日消息，周星驰导演电影《功夫女足》今日正式上映。据灯塔专业版实时数据，截至 7 月 11 日 11 时 32 分，影片《功夫女足》票房突破 1 亿。

该影片由周星驰担任导演、编剧，张小斐、迪丽热巴、张艺兴领衔主演，刘嘉玲、佐藤健特别出演。该片结合少林功夫与足球元素，围绕女子足球队「峨眉队」征战展开，讲述了一群热爱足球的女孩如何克服困难，追求梦想的故事。

公开资料显示，周星驰在 61 岁生日那天许下生日愿望同时宣布将拍摄新电影《少林女足》，之后更名为《女足》，如今确定为《功夫女足》。（来源：IT 之家）

知情人士回应「腾讯考虑入股 Manus」：预计股权变更完成后，腾讯方面仍只是持有少数股份的外部股东

近期有消息称，腾讯正考虑入股 AI 初创公司 Manus，计划成为该公司的最大股东。腾讯正与真格基金、红杉资本和 Manus 管理层磋商，计划按 20 亿美元收购这家 AI 公司。

据财闻报道，接近交易的知情人士表示，此次股权变动是在监管主导之下，社会资本共同补齐此前 Meta 的投资，以便让 Meta 退出。预计股权变更完成后，腾讯方面仍只是持有少数股份的外部股东。（来源：IT 之家）

小米汽车澎程 N90 MAX 去伪装后实车图曝光，轴距超 3 米

7 月 11 日消息，今日，博主 @SugarDesign 分享了小米汽车澎程 N90 MAX 去伪装后实车图，该车昨晚已经亮相工信部申报公示。

新车整体车身近似石墨灰，前脸配有一块印有英文名 SkyNomad 的中网饰板。来到车侧，新车采用了类似半隐藏式门把手，并用上了无边框后视镜，车窗周围采用大尺寸的镀铬装饰，轮毂采用与官图不同的矩形造型设计，车尾配备了一个大型扰流板。

官方预热的信息显示，新车第一排座椅支持旋转，并可在前两排之间放下一张落地小桌板，形成「会客厅」式布局；中央扶手也可向后滑动，并可通过适配的桌板配件形成一个「吧台」；而在三排座椅均启用的状态下，该车仍可放下至少 7 个行李箱（尺寸暂未知）。（来源：IT 之家）

吉利银河 TT Ultra 全球竞速版公布：专属蓝红配色与碳纤维套件

7 月 11 日消息，吉利公布了银河 TT Ultra 全球竞速版部分信息，预计该车将于近期上市。

据悉，吉利银河 TT Ultra 全球竞速版提供特罗姆瑟 · 峡湾蓝配色，搭配专属熏黑运动 LOGO、熏黑运动轮毂、波尔多 · 醇红内饰。此外，该车还号称配备大面积真碳纤维，包括前后保险杠、外后视镜等。

根据此前公布的信息，吉利银河 TT 搭载千里浩瀚辅助驾驶 H7 方案，全系采用 800V 高压平台，提供单 / 双电机的两驱和四驱，峰值功率分别是 245 和 425 千瓦。

内饰方面，吉利银河 TT 配备了三幅式圆形方向盘，新增有一枚红色运动按键。主驾还配有胶囊型仪表屏和 HUD 抬头显示。值得一提的是，中控空调出风口处配备了一块钟表（图片显示像实体钟表）。

车身尺寸方面，吉利银河 TT 的长宽高分别为 4999mm、1919mm、1479mm，轴距 2920mm，定位中大型纯电轿车。（来源：IT 之家）

黑客借 GitHub 撒网投毒：超 200 个仓库暗藏远控木马、挖矿程序等恶意软件

安全研究公司 Socket 当地时间周三报告了一起代号为「Muck and Load」的大规模恶意软件活动。

据介绍，有不法分子自 2026 年 1 月起通过一个伪装成 DNS 与子域名扫描工具的 Go 语言模块，通过代码托管平台 GitHub 向开发者及用户投放远程访问木马（RAT）、信息窃取器和加密货币挖矿程序等多种 Windows 恶意软件。

Socket 研究团队最初追踪到的恶意 Go 模块位于 github [.]com / kaleidora / dnsub-scanning-tool。

以该恶意模块为切入点，Socket 团队顺藤摸瓜，揭露了一个规模更大的 GitHub 诱饵网络。该网络包含 190 个账户下的 222 个已确认的诱饵代码仓库。

这些诱饵仓库的主题高度集中，主要围绕加密货币和 Web3 工具、钱包集成、助记词工具、交易所自动化机器人、游戏外挂（如《PUBG》、《无畏契约》和《逃离塔科夫》）以及 Telegram 和 Discord 机器人等。

Socket 确认，在这些仓库中至少发现了 14 个不同的恶意文件，包括木马加载器、下载器、Vidar 窃密软件、间谍软件、释放器以及门罗币挖矿程序。

目前，GitHub 官方及 Go 语言安全团队尚未就此事发表公开评论，但 Go 安全团队已迅速响应，将相关恶意模块从 Go 模块代理（Go module proxy）中屏蔽。（来源：IT 之家）

对很多中国观众来说，F1 大家或多或少都听过，FE 电动方程式可能有点陌生。但 Formula E 与中国的缘分，要追溯到 2014 年。

十年前，我第一次听说这个赛事时，买电动车还是个绝对小众的选择，续航普遍只有两三百公里。大家看着赛道上跑的电动车，心里最大的疑惑是「电动车真的能跑赛道吗？」

如今，十年过去了，这个问题也早就有了答案。FE 的技术进化幅度大得惊人。而这次来到 FE 上海站现场，我一直在思考一个问题：如果 F1 代表燃油时代的速度与激情，那我们究竟该用什么姿态去看 FE？

一场被雨水「突袭」的比赛

在 FE 的赛程里，上海如今已经成为中国赛段里的「常驻站」。这次上海站更是安排了背靠背的双轮比赛 (Round 12 与 Round 13)，这意味着车队和车手在同一个周末连续作战两天。

我这次只到场观看了 7 月 4 日这一场，也就是上海站首回合比赛。早上 7 点半，上海的温度和湿度已经拉满，从地铁站走到赛车场的路只有十几分钟，但后背已经湿透，手里刷着的手机也开始发烫。

之所以来这么早，是因为天气预报这一天会有大雨，所以组委会临时把整场赛事提前了三个小时：排位赛从上午 11 点提到早上 8 点，正赛从下午 3 点提到中午 12 点。这也意味着你要在周末的早上 6 点起床，这绝对是在考验观众对这项赛事的热爱程度。

图片来源：极客公园

现场的人群构成挺有意思：中学生、带着孩子的父母、几个带着自制周边的女生……因为 FE 赛车独有的「低分贝」的特性，它反而成了很多家长带孩子体验赛车文化的完美选择——今年上海站推出的 390 元「1 大 1 小」亲子套票，精准踩中了这个需求。

相比之下，F1 的噪音震耳欲聋，大部分人要戴上耳塞才能勉强看完比赛，效果可能还很有限。甚至 F1 官网都会专门提醒：如果你带孩子去赛道，请务必保护他们的听力。

不过说句实话，相比赛道上飞速迭代的技术，国内观众对 FE 的热情还需要时间发酵。比赛现场，人群基本集中在主看台，外围看台几乎空空荡荡——这项赛事，还需要更多「存在感」。

图片来源：FE 官网

比赛本身的剧情倒是没让人失望。受前一天降雨和高湿度的影响，发车时赛道有些潮湿。保时捷车队的帕斯卡·维尔莱茵从杆位起步，顶住了安德雷蒂车队杰克·丹尼斯和捷豹车队米奇·埃文斯的冲击，守住头名。随后在第 20 圈，局部赛道突降暴雨，安全车出动；第 23 圈，维尔莱茵拉开身位，最终稳夺个人本赛季第二场分站冠军。达科斯塔收获亚军，丹尼斯连续两站登上领奖台，排名第三。

积分榜头名埃文斯这一站表现不佳，仅列第八，但仍以 132 分守住榜首，领先优势缩水至 3 分；维尔莱茵升至第二位，积 129 分。

图片来源：极客公园

比赛之外，最让我感兴趣的是体验区的「FE AI 驾驶员代理」赛车模拟器。这是由 Google Cloud 搭建的。趁着正赛前的空档，我排队蹭了两圈，结果这两圈确实让人很上头。

它其实分成两部分。第一部分是模拟器比赛。坐进类似 FE 的座椅，握上那只类似比赛同款的方向盘，第一反应是「按钮怎么这么多」，密密麻麻一圈，可真正用得上的其实没几个。等车真跑起来，明显感觉它比普通的模拟器游戏要更难，过弯、刹车、收油都需要更加精准的控制，稍微贪一点速度，出弯就是一场灾难。

更有意思的是跑完之后。每一圈数据都会被传到 Google Cloud Storage Bucket，经过预处理，再拿去跟一位在同一条赛道、跑了相同圈数的 FE 职业车手数据逐项比对。然后 Gemini 2.5 上场，根据这份「差距报告」给我反馈：先是一句总体评价，接着是刹车点晚了多少、加速时机差在哪、哪个弯太保守。

而且整个过程几乎是实时的，你刚松开刹车，千万级的数据点就已经在云端完成了清洗与比对。这背后是一整套跑在 Google Cloud 上的流式数据处理与大模型实时推理架构。

另一个让我觉得很有意思的，是比赛直播画面里不时跳出来的句子，这是由 Google Gemini 驱动的策略智能体（Strategy Agent），它把海量的计时系统和每辆车的遥测数据接入云端，再经过传输、分析和生成，转化成观众容易理解的内容并呈现在直播画面中。

比如比赛进行到 12:34 时，画面里出现这样一句，「爱德华多·莫塔拉利用攻击模式消耗 11.9% 的电量，实现了惊人的 15 位排名提升，这将使他能够挑战领跑车手，而不会在比赛后段面临电量赤字的困境。」再比如 12:31，「手握六分钟攻击模式时长和显著电量优势，尼克·德弗里斯将在赛道恢复绿旗状态后，凌厉地突破车群。」

以前看赛车比赛，我需要提前做功课、盯圈速表、猜车队策略，才能实时了解比赛的进程和节奏。现在坐在屏幕前，已经有一套系统在替所有观众做这件事，而且做得比大多数解说员更快、更准。

FE 与 F1，到底差在哪？

很多第一次看 Formula E 的观众，会带着 F1 的观赛习惯入场，结果发现有点「水土不服」。其实它们就是两个物种，考验的能力完全不同。

图片来源：极客公园

声音上的差异或许最直观。如果你在比赛现场，会发现 FE 只能听到电机运转时的嗡鸣，几乎听不到排气噪音，这也是很多老派车迷觉得不够刺激的原因；而 F1 那标志性的高转速引擎轰鸣，已经是这项赛事身份认同的一部分。

同时，比赛机制上也各有不同：FE 有独有的进攻模式，车手驶过特定区域解锁额外功率；F1 则依靠能量回收、轮胎策略和进站换胎来制造变数；赛制上，FE 采用约 45 分钟加 1 圈的「倒计时」赛制，这个设计本身就是在强调电量分配的精密性；F1 通常固定为 305 公里或 2 小时，更考验整场比赛的持续输出与耐力。

但真正的差别在于更深一层。

F1 允许车队在空气动力学、底盘、发动机上做大量差异化投入，本质上仍是「硬件竞赛」；而 FE 所有车队使用完全统一的 GEN3 Evo 底盘、电池包和电机，硬件层面大家几乎是相同的，胜负差距完全来自软件层：能量分配算法、进攻模式触发时机、再生制动策略、热管理调度。

图片来源：FE 官网

目前 FE 赛事用的是 GEN3 Evo 赛车，下个赛季即将换代成 GEN4，它的性能参数有了大幅提升：极速超过 335km/h，0-100km/h 加速仅需 1.8 秒，进攻模式功率高达 600kW。同时，环保层面也一并升级，制造材料 100% 可回收或可再利用，关键部件至少含 20% 回收材料，轮胎由 65% 天然与回收材料制成。

还有一个上海站独有的细节。FE 大部分分站选择在城市街道搭建临时赛道，赛后拆除还路于民，这是它标志性的办赛模式；但上海站是例外——比赛场地是上海国际赛车场，一座曾承办 F1 中国大奖赛的永久性专业赛道。

AI 正在入侵赛车

看完这场比赛，我最深的感受是，FE 不只是一项体育赛事，它更像电动车行业的一个「预演场」。

比如在 FE 比赛里，一辆赛车超过 40% 的能量，来自制动时的能量回收。简单说，就是车手每一次踩刹车，都在给电池「充电」，它背后是一整套能量回收算法的极限压榨。而今天你开的任何一辆电动车，那套让你「松开油门就减速、还能回血」的单踏板逻辑，其底层逻辑与这种能量管理思路高度相通。。

同时，FE 用统一的底盘、电池和电机抹平了机械差距，胜负全在软件层。而乘用车行业，正在经历虽然不完全相同，但却类似的过程。

图片来源：FE 官网

过去一百年，汽车工业的护城河是硬件：谁的发动机热效率高、谁的变速箱换挡快、谁的底盘调校老道。但电动化之后，硬件正在快速「趋同」。电机就那么几家供应商，电池就那么几种化学体系，堆料谁都会。真正拉开差距的，是能量管理算法，是热管理调度。

另一个感受是，AI 正在把驾驶这件事彻底数据化。体验区的「FE AI 驾驶员代理」，看着像个互动玩具，但它背后的趋势很重要。

过去，顶级车手的刹车点、油门开度、过弯线路，这些都是选手的天赋和手感，但如今正在被拆解成可量化的数据资产。赛车运动一百多年来第一次，它的核心产出正在从奖杯，延伸到更庞大的数据资产。

回到开头那个问题：FE 该以什么姿态去看？

如果你用 F1 的标准去衡量它，比声浪、比上座率，那 FE 大概率会输。但我越来越觉得，用 F1 的尺子量 FE，本身就是个误会。

F1 是燃油时代工业美学的巅峰，目前这个时代正在缓缓落幕，尽管很多人不愿相信，也不甘心；而 FE 更像是一场面向未来出行的预演，它验证的技术和算法，可能会决定我们未来会开上什么样的车。

三个人在2025年7月底成立至简动力，半年时间连拿五轮融资，融资额超过20亿元，一举成为具身智能赛道不容忽视的存在。

最近，至简动力迎来又一个重要节点。2026 年 7 月 6 日，至简动力场景落地暨百台交付仪式在苏州举行。仪式上，至简动力宣布其首款全场景机器人i7 Pro完成首批百台交付，并落成全球首个 CNC 智能化具身机器人产线。

过去两年，经常有具身智能公司发布机器人干活的视频，比如抓取、分拣、叠衣服，镜头里都很流畅。但很多问题没被追问：这些机器人离开精心布置的站台还能干活吗？能连续干多长时间？除了展示的那台，第十台、第 100 台能否复制同样的表现？

成立还不到一年的至简动力，做出了自己的回答。它不是发一段炫酷的视频，而是直接把一百台机器人送进了绿的谐波、东山精密的工厂中。这也是目前行业公开报道中，从公司成立到实现百台交付速度最快的纪录。

比起交付速度，更值得考虑的问题是，他们是怎么做到的？以及这一百台到底意味着什么？

为什么偏偏选了一个不好看的场景

其实，如果单纯为了「出圈」，CNC上下料绝对不是一个讨喜的选择。

它不像叠衣服、冲咖啡那样直观，也没有太多视觉冲击力。机加工车间往往吵又脏，地面有油污，金属碎屑横飞，进去体验5 分钟后你就知道这跟「性感」一点都不沾边。至简动力CEO&CTO贾鹏在群访的时候被反复问到一个问题：为什么要选CNC场景，而不是一个更容易讲故事的场景？

图片来源：至简动力

对此，他的解释里有三层逻辑：第一层是任务复杂度。他反复强调一个概念，长程任务，或者说是移动操作任务。他特意纠正了一个说法，「我们首先不把它叫搬运」。

CNC上下料不是简单的「从A点搬到B点」。工人要把毛料从料箱里拿出来，然后精准装夹进机床，中间的误差要求必须控制在0.5毫米以内。加工完成后要取出来，吹碎屑，自动化质检，发现问题还要修正，最后才能入库。这一整套流程串起来，才是一个完整的具身操作任务。

第二层，它对节拍要求相对没那么极限。CNC加工非常耗时，大部分时间机床在自己转，机器人不需要跟人拼手速，可以在等待间隙完成移动、取放、质检、入库等一系列动作。这对机器人来说是一个相对友好的试验场。

相比之下，流水线的工作对节拍要求极高，目前整个具身智能行业的硬件成熟度，还远远达不到能流水线工位的水平。

第三层，也是最现实的一层，就是市场足够大，而且足够痛。目前，全国有300多万台机床，上百万从业者，平均年龄逼近45岁。年轻人不愿意进厂，尤其不愿意干这种又吵又脏，伴随油污粉尘的活。据介绍，目前苏州这边不少工厂招工困难已经是常态。

至简动力的判断很简单，不是去找最容易做的场景，而是去找最需要被解决的场景。机器人只要能在这里稳定产生价值，客户对投入产出比的感知会非常直接。

图片来源：极客公园

在苏州开璇智能工厂，这套逻辑已经跑在产线上了。在现场，我看到至简动力i7 Pro在CNC智能化具身机器人产线里，伸出手臂张开夹爪，从料箱里抓取零件，转身走向机床，精准定位后将零件插入机床内部，整个动作大约两分钟。等待加工的间隙，机器人会在不同工位之间移动，完成上料、取料、定位、插入等连续操作，匹配产线的真实生产节拍。

图片来源：至简动力

除此之外，至简动力对外传播中最容易被记住的一句话是「一小时开箱即用、通用泛化、快速部署」。对于这一点，很多人或许会疑惑，甚至把它看成是一个营销话术。

对此，贾鹏说得很直接，「现在没有任何一个通用具身模型，能保证到一个完全陌生的新场景，直接做到100%成功，这个谁也保证不了」。所谓的一小时，前提是提前拿到了部分场景数据，做过预训练，也做过任务拆解，到现场之后是「快速适配」，而不是从零开始摸索。他们甚至坦白，哪怕一小时之后先做到80%、90%的成功率，后面也需要持续迭代把这个数字拉上去。

据了解，i7 Pro最高配版本售价仅22.98万元。王佳佳算过，相比传统方案，购买i7 Pro可以1.5年回本。目前，苏州机加工行业平均工资在1万元左右。

行业还在从 0 到 0.1 阶段

对于成立一年的至简动力，百台交付真正的分量不在数字本身，而在于它证明了一件事：从产品定义、算法模型、数据闭环、本体设计，到供应链、工程量产和现场部署的系统能力，已经开始跑通。

可能很多人好奇，为什么至简动力能够这么快完成 i7 百台交付？

图片来源：至简动力

答案不在某一个单点技术里，而在一套系统能力里，包括全栈自研软硬一体、LaST0 等自研模型体系、数据 Infra、本体能力和供应链优势。

其中，模型体系是他们投入最大的部分。目前，至简动力大概有 150 人，其中模型和算法大概 70 多人，占一半左右。贾鹏认为，如果没有真的训过多模态基座模型，没有大规模训练集群和数据治理经验，很难长期支撑机器人模型迭代。

虽然已经拿下了第一个重要节点，但联合创始人兼COO王佳佳的判断很冷静，「我们觉得行业整体现在还处在 0 到 0.1，远没到 0 到 1。具身智能最难的地方是，几个 0 到 1 都耦合在一起：本体是 0 到 1，数据是 0 到 1，模型也是 0 到 1，产品商业化也是 0 到 1。」

这些话放在具身智能创业普遍靠讲故事、拼估值、抢首发的当下，感觉有点不合时宜。但贾鹏认为，具身智能行业真正意义上的0到1，得是年交付破万台的级别。低于这个体量，毛利根本撑不起研发投入，谈不上真正的规模化。

同时，具身智能的「0到1」比大模型和自动驾驶都难，因为具身智能同时要解决本体、数据、模型、商业化四个「0到1」，而且它们互相耦合。大语言模型还有互联网数据，自动驾驶至少有车队和用户数据，具身智能现在什么都没有，只能自己去采、去标、去训练、去迭代。硬件本体也还在早期，供应链标准、工艺标准都还没完全起来。

而谈到具身智能行业交付的现状，贾鹏表示，跟做汽车比，具身智能行业现在就是个「小作坊」。去年全行业机器人销量大概1.5万台，可能还不如一款车型一周的销量。

ToC是终局，但先从工业场景落地

被问到会不会做家庭场景，贾鹏没有回避。

但他认为，ToC机器人要成立，先得满足三个硬门槛：一是成本必须压到万元以内，中国消费者对超过一万元的耐用消费品会开始犹豫；二是产品力必须过一个体验阈值，否则用户新鲜感一过就弃用，没有留存就没有数据闭环；三是一条更沉重的门槛，安全。他用了一个不太浪漫，但很真实的比喻，七轴机械臂，本质上就是一根装了高扭矩电机的「鞭子」。

在技术路径上，他给出了ToC机器人必须跨过的五道泛化能力：通用移动能力、物品泛化能力、基础操作能力(和灵巧手深度绑定)、人机交互泛化(HRI)，以及终极的跨本体泛化。

图片来源：极客公园

所以，目前ToC不是不想做，而是现在的硬件和数据基础还撑不起这个终局。贾鹏谈道，「大家都知道灵巧手是啥状态，我们用的灵巧手三天一坏，基本没法量产。」

所以，至简动力选择先在工业场景里把可靠性和快速部署能力打磨透，再逐步向商超、大型卖场这类「半开放但无需与人接触」的场景延伸，最后进入家庭场景。

对于成立一年交付 100台的结果，王佳佳表示「内部很难说完全超预期。团队一直不太满意，因为一旦你发现要做的事情很多，就总觉得自己还可以再努力一点。」对于未来，他们不会只盯着一个静态交付数字，更看重交付斜率、产品稳定性、真实场景反馈和生态扩展。工业场景里打磨出来的部署能力，后面会逐步开放给合作伙伴和解决方案生态。

接下来，至简将在 7 月份继续推进产品矩阵，技术上会继续围绕模型、本体、数据闭环和部署工具链迭代。

站在2026年的中场回看，具身智能公司的数据已经来到百家，接下来将经历从炫酷 demo到落地场景的残酷转变。就像2016 年左右新能源公司有上百家，前几年大模型公司也经历了「百模大战」，但随后行业迎来大浪淘沙。对具身智能公司来说，只有那些能驾驭万卡算力集群、拥有基础模型与数据闭环能力的团队，才能真正穿越周期。

至简动力正在努力拿到属于自己的那张「船票」。

苹果起诉 OpenAI 窃取商业机密，要求销毁涉密资料并重设计 AI 硬件

7 月 11 日消息，苹果在加利福尼亚州北区联邦法院提起诉讼，指控 OpenAI 蓄意策动苹果员工泄露未发布产品的相关信息、元器件、图纸及其他材料，以服务于其自主研发硬件设备的计划。

诉状同时点名 OpenAI 首席硬件官 Tang Tan——此人曾任苹果产品设计副总裁，主导过 iPhone、Apple Watch、AirPods 等核心硬件产品的开发工作，并同时点名前iPhone硬件工程师Chang Liu。

根据指控，Liu 于今年 1 月加入 OpenAI，此后数周内"秘密访问并下载了数十份苹果保密硬件文件，包括大量详细的未发布产品信息、工程演示文稿、技术规格及专有项目数据"。

苹果还披露了一项更为严重的指控：OpenAI 被指系统性地指导离职员工如何规避公司的安全程序。

苹果要求 OpenAI 立即停止相关行为，销毁所有涉案专有材料，并重新设计即将推出的产品，确保其中不含任何苹果技术。

OpenAI 回应称，我们对其他公司的商业秘密没兴趣，仍然侧重于打造创新科技。（消息来源：华尔街见闻）

SK 海力士公布美国 IPO 发行价融资 265 亿美元 创外国公司纪录

7 月 10 日，据彭博社报道，SK 海力士通过发行美国存托股份融资 265 亿美元。这家韩国存储芯片制造商克服了市场波动，完成了有史以来外国公司在美国规模最大的首次股票发行。

根据 SK 海力士的官方声明，SK 海力士以每股 149 美元的价格发行 1.779 亿份美国存托凭证 (ADR)。每份 ADR 相当于在韩国首尔上市普通股的十分之一。

据彭博汇编的数据，SK 海力士此次发行规模达到 265 亿美元，超越阿里巴巴集团在美国的首次上市，成为历史上第三大上市交易。

SK 海力士此次在美国上市，为这家全球顶尖高带宽内存供应商开辟了强大的融资渠道，吸引了那些寻求更多途径参与火热 AI 基础设施交易的投资者。其文件显示，柏基投资、寇图资本管理和 Situational Awareness Partners 已表达意向，有意认购高达 70 亿美元的 ADR。

SK 海力士的 ADR 预计将于周五在纳斯达克全球精选市场以股票代码「SKHYV」开始「预发行交易」。待 7 月 13 日正式开始常规交易后，股票代码将更改为「SKHY」。预发行交易指的是在证券正式发行前，投资者就可以先进行买卖。（消息来源：凤凰网科技）

SpaceX 公布太空移民新规划：拟于 2026 年底前启动发射 特斯拉机器人将成首批「居民」

7 月 10 日消息，SpaceX 创始人埃隆·马斯克近日公布了其太空移民计划的最新时间表。该计划拟于 2026 年底前启动火箭发射，将首批建设物资运往月球和火星。据悉，特斯拉研发的「擎天柱」（Optimus）人形机器人将作为首批「居民」先行进驻，负责太空基础设施的早期搭建工作。

根据最新规划，SpaceX 已调整战略重心。马斯克此前表示，鉴于在月球建立基地的速度相对更快，公司目前正集中力量推进「月球城」建设，并计划在未来 10 年内正式建成。与此同时，他预计将在 7 年内向火星运送首批物资，并力争在 2045 年至 2055 年间，在火星上建成首个可自给自足的城市。

为支撑庞大的太空常态化运输与通信需求，SpaceX 本周已向美国联邦通信委员会（FCC）递交申请，计划发射由 10 万颗卫星组成的全新卫星星座。

同期，一位用户在社交媒体平台 X 上表达了他对 xAI 与 Anthropic 交易的看法。该用户指出这一交易可能阻碍 Anthropic 的 IPO，因为用户可能会将大部分代币转移到 SpaceX，「Claude 仅用于最核心的任务。」

马斯克回复了该用户，分享了他对此事的看法。他在帖子中表示：「你似乎不明白，如果我们实现目标，SpaceX 的价值将超过地球上的其他所有资产总和。」（消息来源：环球市场播报）

扎克伯格首度回应 Meta「算力过剩」：没人会嫌算力太多，但租出去更赚钱

当地时间 7 月 9 日，Meta CEO 马克 · 扎克伯格在接受彭博社采访时，首次就公司近期筹划云基础设施业务一事作出正面回应。

他明确否认了外界关于 Meta「算力过剩」的猜测，「我不知道业内有谁会嫌自己的算力太多的。」扎克伯格在采访中直言。他强调，Meta 目前正在满负荷运转其所有的计算资源，公司内部对算力的需求依然十分旺盛。

但他同时表示，考虑到当前市场对算力的出价极高，将部分 AI 基础设施对外出租可能在财务上更为划算。

扎克伯格还提到了马斯克旗下 SpaceX 近期的算力租赁策略。「SpaceX 的模式非常有意思，实质上就是达成一些能够获得高额溢价的短期交易，」扎克伯格说，「我们也会收到各种各样的类似报价，会进行评估，看看怎么做才合理。」

同期，Meta Platforms Inc．发布了其最先进人工智能模型 Muse Spark 1.1，并首次面向开发者推出付费版本。这是 Meta 首次向企业收取模型使用费，也为公司开辟了新的收入来源。扎克伯格在发布前接受采访时表示，这款模型将成为市场上价格最低的选择之一。

Meta 还将推出新的 Meta Model API 系统，用于向开发者收费。扎克伯格表示，其 API 定价仅为 OpenAI 和 Anthropic 顶级模型的约 25%。开发者可免费使用 Meta 模型，但词元（Token）使用量达到一定门槛后将需付费。（消息来源：IT 之家、环球市场播报）

上纬新材将在 WAIC 2026 发布全球首款可变形个人机器人启元 T1

7 月 10 日消息，在 2026 世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）上，上纬新材将在展会期间推出全球首个可变形个人机器人——启元 T1。

据上纬新材 CEO 田华介绍，启元 T1 跳出传统人形机器人的固有框架，以可变形态设计锚定家用消费场景。该产品基于一个机器人本体，可实现轮足人形与四足两种形态的自动切换变形。此外，启元 T1 具备拍摄运镜功能，并在智能交互与陪伴方面取得了突破性进展。（消息来源：IT 之家）

MiniMax 闫俊杰：不再领取薪酬 拿出 5% 股份用于团队激励和开源支持

7 月 10 日消息，MiniMax 创始人兼 CEO 闫俊杰发布内部全员信，回应近期市场波动，并强调公司长期方向不变。

闫俊杰在信中宣布，从即日起，直到公司实现 AGI 的那一天，他将不再从公司领取任何薪酬。未来四年，他将拿出个人名下相当于公司总股本 4% 的股份，用于激励长期与公司并肩作战、共同创造价值的团队成员；同时拿出 1% 的股份设立专项基金，持续支持相关开源社区的发展。

此前一日（7 月 9 日），MINIMAX 在限售股解禁首日遭遇重挫，股价大跌 20%，盘中触及 290 港元，市值回落至 910 亿港元。

此前，阿里巴巴和米哈游已公开表示短期内无减持计划，创始团队亦设定了 12 个月的自愿禁售期。（消息来源：快科技）

传腾讯正洽谈成为 Manus 的最大股东 官方暂无回应

7 月 10 日，有消息称，腾讯正洽谈成为 Manus 的最大股东。资料显示，腾讯、红杉中国、真格基金为 Manus 的早期核心投资方，此外 Benchmark 等海外风投机构也参与了早期投资。

2026 年 4 月 27 日，国家发改委外商投资安全审查工作机制办公室发布公告，依法依规对外资收购 AI 智能体公司 Manus 项目作出禁止投资决定，要求当事人立即撤销交易。据悉，Meta 与 Manus 已开始内部业务拆分，双方恢复独立运营。（消息来源：新浪科技）

全球首款四合一全材质打印机发布；可适配木材、金属、玻璃等多种材料

7 月 10 日，xTool 在德国柏林举办欧洲品牌发布会，正式推出全球首款四合一全材质打印机 O1。

该产品将 UV、DTF、DTG、UV DTF 四种打印工艺集成于一台设备，可适配木材、金属、玻璃、织物、皮革等多种材料，大幅拓展了个人创意工具的应用场景。

据介绍，O1 采用双打印头设计，可同时支持硬质与柔性材质打印；配合覆膜机，最长可实现 15 米不规则物体的贴膜转印，并支持 3D 浮雕、荧光、烫金烫银等进阶工艺。

在操作体验方面，O1 搭载 Pixel-Scan 像素级扫描视觉系统，可自动识别材料位置与高度，配合旋转配件可直喷 90% 主流杯型；SmartCycle 2.0 智能维护系统有效预防打印头堵塞，内置陶瓷加热片确保低温环境下墨水流动性。软件层面，xTool Studio 内置 2000 余种纹理模板，并集成 AImake 生成式 AI 工具，显著降低了创作门槛。

设备通过 G7 色彩认证，内置 HEPA 与活性炭双层复合滤芯净化系统，可去除 96.4% 的 TVOCs（总挥发性有机化合物）；所用墨水亦获 Greenguard 绿色卫士认证，兼顾环保与安全。（消息来源：快科技）

车长超 5.2 米！理想 i9 纯电 SUV 申报图公布：配三元锂电池

7 月 10 日消息，工信部公示第 409 批《道路机动车辆生产企业及产品公告》新品名录，理想 i9 纯电 SUV 已完成申报备案。

整车尺寸十分亮眼，车身总长达到 5225mm，宽 1970mm、高 1752mm，轴距拉长至 3168mm，前后轮距分别为 1682mm 与 1707mm，车内设定六座布局，最高行驶速度可达 200km/h。

车辆采用承载式车身，无钢板弹簧结构，整备质量分为 2745kg、2780kg 两个版本，满载总质量 3300kg，提供 21 英寸与 22 英寸两种规格轮胎供选择。

动力采用前后双电机四驱方案，前电机峰值功率 150kW，后电机峰值功率 250kW，由汇川联合动力、理想驱动技术联合生产。能源供给依靠三元锂电池，电芯由欣旺达、江苏时代新能源供应，电池总成由理想自有电池企业完成组装生产。

新车由北京理想汽车打造，北京顺义、江苏常州两大基地同步承担生产任务。结合此前官方预热信息，该车是品牌第二款 Home 系列车型，超长轴距将带来宽敞六座座舱，预计今年 9 月正式发布。（消息来源：快科技）

全球首例！宇树机器人手持器械完成活体外科手术 中国 00 后博士生登上 Nature

7 月 10 日消息，据媒体报道，当地时间 7 月 8 日，国际顶级学术期刊《Nature》刊发题为《人形机器人用于外科手术的活体可行性研究》论文。本次临床前试验选取活体实验猪为受试对象，开展两例标准腹腔镜胆囊切除术。

研究选用高校实验室普及的宇树 G1 人形机器人，团队配套定制夹具改造机械末端，使其可直接握持医院通用腹腔镜器械，无需定制专用手术工具；整套 LapSurgie 遥操系统搭载立体视觉反馈与动作比例映射模块。

两场手术采用差异化协同方案：首台由单台 G1 机器人主刀、床边医生辅助完成，全程 56 分钟无严重并发症；第二台依靠两台 G1 自主配合作业，全程无人工上手操作，耗时 32 分钟，术中轻微渗血、胆汁溢出均即时处理，两例手术均顺利完成，未出现中转开腹情况。

值得一提的是，该论文第一作者兼通讯作者为 00 后中国博士生梁泽楷。

据了解，对比达芬奇等大型专用手术机器人，宇树 G1 仅重 27 公斤、身高 1.52 米，部署成本更低，无需大规模改造手术室。

研究团队表示，当前人形机器人需频繁校准导致手术时长偏长，与早期专用手术机器人发展初期特征一致，后续优化算法与标定流程后效率将大幅提升。（消息来源：快科技）

美国五角大楼发布第 4 批 UFO 文件：共 40 份文件

美国国防部昨日（10 日周五）公布第四批不明飞行物（UFO）解密文件，共计 40 份文件，其中包括 14 个书面文档、19 个视频、4 段音频和 3 张图像。

在本次第四批文件中，一份记录涉及得州潘特克斯核设施附近的目击事件。文件显示，事件发生于 2015 年 9 月 1 日，目标飞行速度为 10-15 英里 / 小时。

目击者称，该物体呈菱形，顶部圆润，高约 4 英尺，底部宽约 2 英尺，颜色描述存在黑色、银色、红色和蓝色等差异。

另一份 2019 年美国东部「空域闯入复盘」记录显示，1 名飞行员与另外 4 名人员目击目标。该飞行员写道，自己在空军和海军累计 28 年服役中，未见过类似飞行特征；目标以高速反向直线飞行，他持续跟踪约 10 至 15 秒，放大后目标脱离视场，事后分析其外形似矩形。

保时捷时刻

保持有趣

具身智能还没到 ChatGPT 时刻，原力灵机想先把它变得能用。

作者｜Li Yuan

编辑｜郑玄

 

具身智能的未来，会是一个超级本体、一个超级模型笼罩一切，还是很多本体、很多模型、很多开发者、很多场景一起长出来？

现实似乎在逐渐靠近后者——无数本体和模型正在世界各处寻找不同的落地场景，而每个场景，都需要不少自己的场景数据和知识。

可真往这个方向走，眼下具身智能行业显然还不没有准备好：今天的模型往往和本体绑在一起训练，换一具身体，迁移就异常吃力；后训练需要真机数据支持，成本高居不下；开发者想像调用大模型 API 那样轻装取用具身能力，还差得远。越是要「多本体、多模型、多场景」，这些卡点就越挡路。

说到底，具身智能还没有大语言模型那样一套标准的 API 规则，把模型和千差万别的机器人接到一起——它缺的，是一套机器人的「安卓」。

不过，这个问题正在被回答。第一届 Action 开发者大会上，原力灵机一口气搬出了一串东西：DM0.5 主打模型创新，强在 Zero-shot 和多本体支持；DexDev 冲着开发者去，把后训练工具、一装就能对接模型的 DexOS、按量收费的 MaaS 收拢到一起；同时还发布了新本体 Apex 与 Ferrata，继续扛起自己的商业交付。

和很多大会不一样，原力灵机的这场大会从头到尾把重心压在「开发者」三个字上——不是把开发者请来看原力灵机有多强，而是把东西交到他们手里，让他们用得上、用得起、用得动。

也正因如此，这次一口气发布的一串模型和工具，看着杂，其实一条线：一手把模型往深里做，把能力递到更多人手上，一手，是亲自钻进物流仓库这样的真实场景，用成本和使用量说话，看这套东西到底跑不跑得起来。

这背后其实是一个更根本的判断。今天没有谁的具身基模真正成熟，原力灵机自己也不例外。但比起再等一等、把模型闷头做到更强，它更想先回答另一个问题：在基模还不完美的当下，怎么让具身智能先被更多人用起来、先在真实场景里跑起来。

原力灵机首先发布的，是一个新模型：具身基座模型 DM0.5——保持了半年一次模型架构迭代的承诺。

新的 DM0.5 比上一代 DM0 更大——参数量翻了一倍到 4B，训练数据翻了好几倍，堆到 15 万小时的规模。

其中 5 万小时是不同种类的真机数据，10 万小时是第一视角的人类操作数据，采取了毫米级的 3D 手部关键点标注；剩下是上百万条高精度导航数据。

在媒体沟通会上，周而进表示：「今天行业里都在比谁的数据量大，从去年的一万小时干到今年的上百万小时，但真正决定模型好坏的是数据质量，忽视质量单谈数量没有意义。手部关键点如果标不准，喂进去再多也是「垃圾进、垃圾出」，学出来的动作看着像、一样都做不成。」

在数据量之外，原力灵机还强调了此次模型采用了几个创新架构：

第一是原生记忆。没有记忆的模型做不了稍微复杂一点的任务——走一步忘一步，记不住上一步干了什么，也记不住最初的指令。原力灵机做了一个上下文抽象层，从预训练阶段就原生支持最长 60 秒的记忆，而不是事后外挂一个模块。有了记忆，「打扫完再把东西放回原处」这类需要前后依赖的活才做得成。

第二是推理。分两层：一层是任务规划——定位目标物、判断当前该做哪个子任务、下一个是什么、这个动作做完没有；另一层才是动作生成——机械臂怎么动、夹爪怎么开合。其中最关键的是特意构造的反事实任务，用「如果指令换一个说法、结果该不该不一样」这类题，逼模型真的看懂指令，而不是背下训练集里的固定套路。

第三是对齐。同一个动作采上五十遍、一百遍，哪怕同一个人操作，也总有快有慢，轨迹对不齐，网络学起来就一片混乱。原力灵机让动作的监督从传统的「对点」变成「对齐」：用带约束的动态规划去算出各条轨迹之间的最优匹配，训练时先把它们对齐一遍，让模型学到的是真实的运动节奏，而不是死记硬背一个个坐标点。

改动带来了更强的泛化性。—机器人碰上没有专门训练过的任务，能靠对语言、视觉和动作的理解直接上手，而不必退回「采一批数据、再训一个专项模型」的老路。

据公司披露，在 Franka 单臂与 Dexmal-Mint 双臂的实际评测中，DM 0.5 相比于前一代模型和装载了 PI0.5 的模型上，指令遵循成功率都均取得了跨越式的提升。

三处创新摞在一起，指向同一件事：行业都在往落地和场景使劲的时候，原力灵机没把基础模型这块撂下，而是实打实在往深里做。最直接的证据是钱——唐文斌提到，公司在算力上的投入是「小几个亿」的量级，还补了一句，算力上没花过上亿的钱，大概率就别再训模型了。往大做、堆高质量数据、在架构上一处处啃硬骨头，没有一样省钱。

而模型做得够不够好，恰恰是开头那个问题的地基。开发者敢不敢放心地不再自己折腾基模、把精力挪到上层的场景和应用，前提就是底下这个模型真的扛得住、拿来能用。基座越结实，上面能长出来的东西才越多。

更难得的是，往大做的同时，原力灵机没有放掉效率。这一代延续了 DM0「效率优先」的底色：最快 50 毫秒延时，能在一张 4090 消费级显卡上做二次后训练，很多下游任务最快不到一天就能重训一遍。这些都不是炫参数，而是实实在在给开发者留出的余地——用得起、调得动，他们才接得住。

那模型到底好到什么程度？唐文斌给了一个他们自己最认的判断标准。他说，同行也好、自家过去的模型也好，嘴上都讲自己 benchmark 更漂亮，可真正的检验是有没有开发者放弃开源、转过来用你——「到目前为止是没有的」。而这一次，他「敢讲」，DM0.5 比开源的派更好用。

如果说 DM0.5 解决的是「模型本身够不够强」，那么这场大会的另一个重头，是模型之外那一层——怎么让这份能力，被更多不是原力灵机的人用起来。

原力灵机把这一层打包成了一个面向开发者的平台，叫 DexDev。它装着三样东西：让模型持续变强的 DFOL2.0，让模型接得上不同机器人的 DexOS，以及让能力被直接调用的 MaaS。三样各解一道题。

第一道题：模型怎么在落地之后继续变强，还不烧钱。

具身模型的后训练，长期卡在一个又慢又贵的环节：让真机在现实里反复试错、采数据。DFOL2.0 的思路，是把这个试错搬进虚拟世界。

基座模型 DM0.5 先生成一批初始动作，推给世界模型 DW0.5；DW0.5 当仿真器，在虚拟环境里把这些动作会导向的未来「跑」出来，批量生成成功和失败的轨迹；再由一个强化学习的「教练」CFG-RL，给每条轨迹的任务进度打分——成功的价值一路走高，失败的价值断崖下跌；打分和奖励实时回传，更新模型权重，喂出一个更强的 DM0.5。

关键在于，这个循环里大部分数据是世界模型在线生成的，不必再靠真机一遍遍试。据公司披露，DFOL2.0 能让实际的真机训练数据占比下降六成，端到端的训练成本下降四成。

对开发者来说，这意味着把模型搬进自己的场景做适配时，不必再被真机采数据的成本拖住。

第二道题：模型和五花八门的机器人，怎么接得上、跑得稳。

具身行业有个绕不开的麻烦：模型和本体之间没有统一的抽象。换一台机器人、换一套传感器和执行器，往往就得重写一大堆对接的代码。用唐文斌的话说，这是个「N 乘 M」的匹配——M 个模型对 N 种本体，两两都要单独适配，行业就很难规模化。

原力灵机给的答案是一套操作系统 DexOS，加一个开源的接口协议 ECP。它想做的，正是导语里那个「机器人的安卓」——让模型这一侧只对接一个标准接口，本体那一侧也只对接同一个标准接口，中间的差异由 OS 抹平。

这样模型只管发出它想要的轨迹，硬件尽力去实现。N 乘 M 的两两适配，变为一台机器人只要装上 DexOS，模型只要对齐这套接口，就能接上。

第三道题：这份能力，怎么让开发者直接调用。

这是 MaaS——具身行业里第一个把模型做成「按调用付费」的服务。它对标的是大模型云服务那套：开放推理接口，任何人拿到就能用，按 Token 计费。

MaaS 给了两种模型。一种是通用模型，零样本，拿来即用，不必自己训；另一种是定制模型，开发者上传自己机器人的数据，用原力灵机的基座和这套后训练适配之后，托管在云端供自己调用，按 GPU 占用时长另算钱。前者是「开箱即用」，后者是「用不顺手就再训一训」——恰好复刻了大模型从通用到微调的两条路。

范浩强提到，敢把模型做成 MaaS 开放出去，是因为对这一代模型的开放集能力有了底气：接口一旦公开，任何人可以用任何方式来测，结果不可撤销、即时返回、永远留痕。这既是自信，也是一种自我倒逼——MaaS 一放出去，各种人、各种测试、各种没见过的场景和失误都会涌进来，而这恰恰会牵引公司把研发方向对准「通用化、场景泛化」这件最该做的事。

不过现阶段，MaaS 最先盯住的还不是广义的开发者，而是本体厂商。

逻辑很直接：相比于模型，目前完成一个相对成熟的机器人本体更简单一点。一台只会动的硬件，装上 DexOS、接上云端的模型，就变成一台能干活的机器人。范浩强表示，第一批面向的正是这些「有了硬件」的厂商，让他们和模型一结合，硬件就成了能做任务的机器人。

把模型做深、把能力交出去，这是原力灵机递给外部的两条线。

但它没有停在"我有一个好模型、也有一套好工具"上——同一场大会，它还发布了自己的本体 Apex，搭配此前已经发布的物流解决方案 Ferrata，把具身的落地应用往前推。

原力灵机做本体是"后发"的——用张绍政的话说，是先对模型和算法有了足够认识，才回过头来做硬件，所以它想做的是一台"更懂模型"的本体。

最典型的设计是模块化：手臂、夹爪、底盘都拆成独立模块，像搭积木一样拼出不同配置，换末端不必重启、支持热插拔。这背后是一个务实的判断——张绍政说，他们不认为一台统一的本体能满足所有场景，成本和可靠性都还没到那个成熟度，与其硬做一台全能机器人，不如让一台机器人按场景换装。

对落地的考虑，也体现在稳定性上。过去不少具身产品跑几个小时就发热、宕机，Apex 反过来把稳定性当第一指标：据公司介绍，首款硬件已测出超过 1000 小时的持续运行数据，支持带电作业、30 秒快速换电，换电时大脑不断电、任务不用重启。这些细节不性感，却正是一台机器人能不能真在仓库里连轴转的前提。

今年 6 月，原力灵机与物流机器人公司 Atomix 合并，很快又发布了具身 harness Ferrata，再加上自己的本体，原力灵机自己的落地这条线就补齐了。按公司的规划，下半年在真实场景做 POC，明年开始规模化部署，年底的目标是 1000 台机器人在物流场景里持续跑到 1000 小时。

把这次所有的发布连起来看，原力灵机这场大会的野心其实不小：它要的不是一个更强的模型，而是从各个链路上，把具身落地缺的那些环节一处处补齐。

但难得的是，讲这么大一套东西的同时，原力灵机仍然对眼下的位置异常清醒。

唐文斌在媒体沟通会上反复强调一件事：今天还没到「具身智能的 ChatGPT 时刻」，顶多是「ChatGPT2.0 的水平」，包括原力灵机自己在内，没有谁的模型能说自己已经赢了。

今天所做的事更像是它的战略选择：它没有选择再等一等、把模型闷头做到更强，而是先把能用起来的这条路铺开——让模型跨得了本体、让开发者调得动、让机器人在真实仓库里先转起来。

在一个还没有定论的早期，比起证明「我的模型最强」，原力灵机更想先回答另一个问题：怎么让具身智能这件事，从少数团队手里的定制工程，变成更多人能直接用上的基础能力。

*头图来源：原力灵机

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

你如何看待原力灵机？

上个月，「科学减重 1 亿斤」活动刷屏网络，干成了一场现象级营销。不到一周时间，阿福联名体脂秤领取量就超过百万台，用户热情高涨、催着工厂加速出货。

今天，蚂蚁集团又宣布成为薄荷健康的第一大外部股东，引发行业高度关注。这家体重管理领域的头部平台，在营养干预和减重行为管理方面有将近 20 年的积累。这让行业意识到，做体重管理，阿福是动真格的。

做 AI，蚂蚁显然走的是一条和很多互联网公司不一样的路。一方面，相比于通用大模型，蚂蚁坚定地扎进了医疗健康这个民生领域；另一方面，除了卷基模能力，阿福还卷服务，像是挂号、陪诊、医保支付等，甚至开始联动硬件厂商，规模化为用户普及智能健康硬件。

蚂蚁，到底在下一盘什么棋？

一、「激活」健康硬件，阿福带来哪些新变化？

在讨论战略意义前，我们先来看看产品到底如何。我们花了一周体验了阿福和沃莱科技做的这台AI体脂秤。

使用流程很简单：上秤，绑好账号，打开阿福，体重、体脂率、BMI、基础代谢、内脏脂肪、身体评级……18项身体指标一目了然，而且每一项都清晰标注数值是正常，还是偏高偏低。

看完数据，可以让阿福结合身体情况做智能解读，解读完阿福会主动引导，问你有没有哪项没看懂。比如蛋白质占比偏高意味着什么、脂肪异常又要注意些什么。这种交互方式很顺滑地把用户的注意力，从「看数字」引到「看懂数字背后的意思」，并且内容通俗易懂，老年人也能看明白。

比如说，上秤后它发现我脂肪偏高，并没有急着给建议，而是先引着我去问一句「脂肪偏高会有什么麻烦」；等我问完，它才接着建议我「该怎么降」，最后再给出「每周运动和饮食的具体安排」的建议。

这一路体验下来，阿福在产品交互上的引导逻辑很清晰。它不是一步到位把方案给你，而是顺着人一步步想问题的思路，慢慢往下引导。更重要的是，主动权始终在你手里，几乎没有产品说教感。

阿福给出的个人身体报告解读｜来源：极客公园

并且，除了当日健康分析，阿福还能提供每周健康周报，让你不仅是了解单日身体数据，更能掌握体重和身体变化长期趋势。这么一来，普通人管理体重的门槛确实降低了不少。

我们还在这款产品上感受到一种分野：有些体脂秤看重的是称得更准、测的维度更多，但信息怎么解读、之后如何干预，服务相对弱化；而阿福体脂秤更偏向于先帮你「读懂身体」，告诉你到底该看哪些关键指标，然后补上后服务链路——测完不是结束，而是服务的开始。体重管理这件事，因此变得更完整。

据极客公园了解，目前与蚂蚁阿福合作体脂秤的沃莱科技，产线已全线爆满，工厂紧急招工，加班赶造。天猫页面也显示，目前下单的体脂秤已经进入预售状态，拿到秤需经历几天的等待时间。

阿福做的这件事情，核心价值其实在于它把健康管理的工具，直接递到了普通人手中，健康管理不再是空泛的概念，而是每天的习惯。

过去，体脂秤往往出现在健身房、医院减重门诊等专业场景，很多人甚至不知道体脂秤在体重管理中的重要性，减肥减脂全凭感觉。如今，通过阿福的这一轮普及，体脂秤走进了更多普通家庭，普通人的减重有了更科学的工具和路径。

二、智能硬件+健康AI，阿福这条路或许走对了

体脂秤火了之后，甚至有不少网友跑来喊话，让阿福「翻牌」自己中意的硬件品牌。大家期待阿福普及更多硬件的同时，也点燃了硬件厂商们拥抱AI的热情。

从目前阿福和沃莱的合作模式可以看到，阿福在「智能硬件+健康AI」这个组合里，核心定位是AI开放平台，为行业提供AI能力，硬件交给最合适的厂商，自己专注做专业AI。

想清楚这一点，就能理解蚂蚁普及体脂秤的核心逻辑。与其去造秤，不如把健康AI做到足够强，大家分工明确、强强联合。所有的硬件厂商都可以成为阿福的合作伙伴，未来阿福生态也会越来越大。

对硬件厂商来说，阿福的专业AI能力，可以让它们的用户享受更多元的后链路服务；对用户来说，通过阿福的普及，更多人真正意识到智能硬件在健康管理中的价值，市场蛋糕也将因此越来越大。这是某种层面上的多赢。

阿福给出更专业的健康管理建议｜来源：极客公园

而且，从蚂蚁战略投资薄荷健康也可以看出，阿福在健康管理这个赛道上，真的是做到稳扎稳打、长期主义。公开信息显示，薄荷健康专注体重管理和营养近二十年，自建的食物数据库收录了超 160 万条食物数据条目。这份积累也将让阿福的饮食和减脂建议更专业、更系统。

阿福「科学减重一亿斤」行动爆火，显然说明大家对 AI 健康管理的需求是真实且旺盛的。

如今，体脂秤证明了智能硬件+健康 AI 这条路走得通，阿福也从「医疗服务」向日常化的「健康管理」又迈进了一步。

可以说，上线仅一年时间，阿福的密集动作和高速发展，正呈现出下一个国民级 App 的势头。

OpenAI 最强 AI 模型 GPT-5.6 系列正式上线

7 月 10 日消息，OpenAI 公司今天（7 月 10 日）发布公告，宣布在 ChatGPT（聊天机器人）、Codex（主打编程 AI Agent，目前朝通用 Agent 方向）以及 API 中上线 GPT-5.6 系列模型。

在模型方面，援引博文介绍，OpenAI 本次共发布 3 档模型：

• 旗舰版 Sol（太阳）：每 100 万 Tokens 输入 5 美元（现汇率约合 34 元人民币），每 100 万 Tokens 输出 30 美元（现汇率约合 204.3 元人民币）
• 均衡版 Terra（地球）：每 100 万 Tokens 输入 2.5 美元（现汇率约合 17 元人民币），每 100 万 Tokens 输出 15 美元（现汇率约合 102.1 元人民币）
• 主打速度和成本的 Luna（月亮）：每 100 万 Tokens 输入 1 美元（现汇率约合 6.8 元人民币），每 100 万 Tokens 输出 6 美元（现汇率约合 40.9 元人民币）

在模型能力方面，OpenAI 称 GPT-5.6 Sol 为该公司最强模型，并引入新的 Max 推理强度，以及借助子智能体加速复杂任务的 Ultra 模式。

在编程场景中，Sol 在 Terminal-Bench 2.1 上刷新最佳成绩，标准模式下得分 88.8%，超过 Claude Mythos 5（88.0%），在开启 Ultra 模式后更是达到 91.9%。（来源：IT 之家）

支付宝客服就花呗服务问题致歉：系统升级已完成，还款有三天宽限期

7 月 9 日消息，有大量用户 7 月 8 日晚间反映支付宝花呗在进行还款时，还款页面无法正常打开。

根据用户上传的截图显示，点开花呗页面会出现「网络繁忙」或在账单页面显示「因机构维护，账单暂时无法查看」。

据中新经纬今日报道，支付宝客服表示，目前系统升级已完成，可以正常使用了。由此带来的不便深表歉意。

客服还称：「花呗有三天宽限期，在宽限期内完成还款，不会影响征信。」

IT 之家测试，支付宝花呗还款页面确实已恢复正常。（来源：IT 之家）

消息称星巴克正借助 AI 开发内部工具，欲取代微软、IBM 采购方案

7 月 9 日消息，星巴克（Starbucks）正借助人工智能开发自有软件工具，希望取代目前从微软、IBM 等公司采购的部分企业软件。

据悉，星巴克每年软件采购支出高达 4 亿美元，为推进 20 亿美元的整体降本转型计划，公司正全面梳理各类技术合同与服务，寻求成本压缩空间。不少第三方软件需企业工程师频繁定制优化，因此星巴克决定自研替代产品，其此前已着手研发门店销售系统，意图取代甲骨文的相关系统。

AI 技术大幅降低了软件开发门槛，成为星巴克自研的核心助力。公司不仅推动技术团队普及 AI 工具，还将 AI 使用情况纳入员工绩效考核。依托 AI 辅助编程，星巴克已快速搭建出可替代 IBM 相关工具的平台。本财年，其技术部门预计削减 3000 万美元预算，其中千万美元来自软件采购降本，剩余成本则通过缩减外包、内部员工顶岗实现。同时，公司调整技术团队布局，在多地新设办公点，并持续精简人员，自去年 2 月已累计裁员约 2300 人。

星巴克此举冲击了传统软件厂商，消息传出后，微软、IBM 盘前股价大幅下跌，今年两家企业股价涨幅也持续跑输标普 500 指数。不过业内对 AI 赋能办公的实际效果仍有争议，星巴克也曾下架 AI 库存管理系统、恢复人工盘点，且目前仍保留部分第三方软件采购。此外，自研软件长期来看，或产生更高的运维和人力成本。（来源：IT 之家）

消息称 Meta 计划 9 月量产自研 AI 芯片 Iris，目标明年 AI 算力翻倍至 14 吉瓦

7 月 9 日消息，根据路透社查阅的一份 Meta 内部备忘录，Meta Platforms 计划最早于今年 9 月开始量产一款人工智能芯片，这是其明年将整体 AI 算力提升至 14 吉瓦（GW）计划的一部分。

这款数据中心 AI 芯片代号 Iris，属于 Meta 自研 MTIA（Meta Training and Inference Accelerators，Meta 训练与推理加速器）四代产品路线图的一部分。Meta 希望通过自主设计 AI 芯片，提升支撑 Facebook 和 Instagram 等社交平台 AI 功能的计算能力。

备忘录显示，Iris 芯片的测试仅用了六周时间，期间未发现重大问题。对于这项启动已有五年多、此前进展并不顺利的自研芯片计划而言，如此快速的测试进度意味着项目取得了积极进展。

Meta 根据自身需求对 Iris 芯片进行了定制设计，并与博通（Broadcom）合作完成芯片设计，由台积电（TSMC）负责制造。这种模式有望帮助 Meta 降低庞大的 AI 算力成本，同时减少对英伟达（NVIDIA）和 AMD 等外部芯片供应商的依赖。

这款芯片的定位并非完全取代 GPU，而是用于补充 Meta 从英伟达和 AMD 大量采购的 AI GPU，加速训练和推理任务。

不过，备忘录也指出，对于 Meta 这样规模庞大的公司而言，部署最新一代 GPU 一直是一项艰巨的工作，而且耗费了大量时间。（来源：IT 之家）

美光宣布加快美国晶圆厂投资，2035 年总投资额将提高至 2500 亿美元以上

7 月 9 日消息，美光科技（Micron Technology）今日宣布，为满足 AI 时代快速增长的存储需求，公司将加快美国晶圆厂及技术投资计划，并预计到 2035 年，相关支出将增至 2500 亿美元（IT 之家注：现汇率约合 1.7 万亿元人民币）以上。

美光预计，新增投资将帮助公司实现长期目标——未来约 40% 的 DRAM 内存产能将在美国生产，同时创造更多直接和间接高薪就业岗位。公司表示，扩大投资体现了其对自身技术领先地位以及高端存储产品持续需求的信心。

此次宣布正值美光纽约州克莱（Clay）晶圆厂项目完成首批混凝土浇筑，这一里程碑比原计划提前了一个多季度，标志着项目正式从场地准备阶段进入主体建设阶段。（来源：IT 之家）

谷歌为「我的广告中心」新增 AI 生成标记，可识别 AI 制作广告

7 月 10 日消息，谷歌昨天宣布为「My Ad Center」（IT 之家注：我的广告中心）增加 AI 生成标记，用户可在此查看 Google 搜索、Google Discover 和 YouTube 展示的广告是否由 AI 生成或编辑。

据介绍，用户只需要点击广告右边的三点菜单或信息按钮，就能查看广告是否由 AI 制作，还可以在此屏蔽或举报广告。

谷歌表示，以后使用自家 AI 工具生成的广告，都会在投放时主动添加 AI 生成标签；而使用其他 AI 工具制作的广告，则需要广告主手动添加标签。

同时，部分地区的用户还可能在广告上直接看到「AI 生成」标记。这种标签可能由系统自动添加，也可能是广告主自己添加。（来源：IT 之家）

8861 米重大突破！大疆无人机最高飞行海拔超越珠峰

7 月 9 日消息，大疆宣布，旗下首款垂直起降运载无人机 DJI EV50 完成珠峰数字科考任务，飞行最高海拔达 8861 米。

本次珠峰科考历时 12 天，DJI EV50 直面珠峰低气压、极端低温、强阵风等恶劣极端环境，全程稳定运行，累计完成 32 架次起降作业。其中 12 架次专门搭载大气数据采集设备，通过螺旋爬升、往返巡航等科考作业模式，最终抵达 8861 米的指定观测高度，单次最大连续爬升高度可达 3730 米，圆满完成高精度大气数据采集科考任务。

据了解，DJI EV50 是大疆针对百公里级跨区域空中运输场景打造的垂直起降运载无人机，无需专用跑道即可灵活起降部署，适配复杂场地作业需求。该机型性能表现优异，空载状态下最大航程达 150 公里，最高飞行时速可达 160 公里，兼具灵活性与实用性。

此次珠峰科考突破，也是大疆多年深耕高海拔极限飞行技术的成果积累。

早自 2009 年起，大疆便开启珠峰高海拔技术试炼，当年完成搭载自研 XP3.1 飞控的无人直升机珠峰测试；2010 年，大疆 ACE ONE 飞控成功经受川藏线 4700 余米高海拔极限环境考验。2024 年，大疆的运载机 FC30 第一次在南坡做高海拔运输测试，把 15 公斤的氧气瓶从大本营送到 C1 营地，返程再把垃圾运下来。今年 4 月， DJI EV50 顶着冰川上的狂风，飞到了 8861 米——比珠峰峰顶还高。（来源：极客公园）

雷军没忍住「开闸」爆料，小米澎程 SkyNomad 新车更多亮点公布

7 月 9 日消息，昨日（9 日）午间，小米澎程 SkyNomad 官微继续预热旗下首款 SUV 车型，这次则是围绕车内的「可变大空间」展开。官方表示，新车「看起来 SUV，坐进去 MPV」。

小米创办人、董事长兼 CEO 雷军今日没忍住，在评论区中与网友频频互动，曝光了这款新车很多信息。整理如下：

• 第一排可以旋转，和二排对坐
• 有专门的桌子，可以快拆收纳，且有两种不同的桌子
• 大七座，还可以带很多行李
• 第二排有大电视

小米官方昨日公开了新车的内饰部分。新车第一排座椅支持旋转，并可在前两排之间放下一张落地小桌板，形成「会客厅」式布局；中央扶手也可向后滑动，并可通过适配的桌板配件形成一个「吧台」；而在三排座椅均启用的状态下，该车仍可放下至少 7 个行李箱（尺寸暂未知）。（来源：IT 之家）

影石 11 周年，官宣造「机器人」了

7 月 9 日消息，影石今日官宣迎来 11 周年，造「机器人」了。

据接近影石的知情人士透露，摄影机器人并非一款未来会横空出世的「终极产品」，也不局限于某一具体的物理形态，它本质上是一个自主拍摄的智能体概念。全景无人机可以看作类似于 Cameraman 的早期雏形之一。注意到，影石官方展望了一款 Cameraman 摄影机器人，已储备中枢大脑、眼睛、耳朵、脖子、躯干相关技术。影石官方还表示，Luna Ultra 双摄云台相机外形酷似一个小小机器人，某种意义上，它就是 Cameraman 路上一个重要的、未完成的形态。在 11 周年公司内部信中，影石创始人刘靖康称：「我们不是一个只思考商业化、效率和用户规模的公司。我们还要解决一部分没人愿意解决的问题——这是公司的底色。相信从我们发布的产品，Mic Pro 的墨水屏、Luna 的分离屏，大家都看得到这种追求。即使进入一个已有的市场，我们也会拿出影石应有的创新。很欢迎大家一起来探索，看看在这个时代，创造、审美与浪漫能发挥到什么程度。」（来源：IT 之家）

时隔 10 余年重返 PC 芯片市场：消息称三星研发 4nm 制程 AI PC 芯片 Gaia，目标明年量产

7 月 9 日消息，据韩媒 News1 今日消息，为抢占 AI PC 及物理 AI（如机器人）市场，三星电子已着手自主研发 AI PC 芯片，计划于明年实现量产。

业界消息称，三星电子系统大规模集成电路（System LSI）事业部正在开发基于 4nm 制程工艺的 AI PC 芯片「Gaia（盖亚）」，并以明年量产为目标。

IT 之家从报道获悉，「Gaia」采用了经过优化的神经网络处理单元架构，专为 AI 计算任务设计。目前，三星已将工程样片交付给全球各大 PC 制造商进行性能验证。

报道称，通过推出「Gaia」芯片，三星电子预计将时隔 10 余年重返 PC 芯片市场。早在 2012 年，三星电子曾将其 Exynos 芯片搭载于 Chromebook 上，试图将业务拓展至 PC 领域，但该项业务仅维持两年便宣告关闭。

Mate 90 系列定档：首发鸿蒙 7+韬定律麒麟芯，全方位对标苹果 iPhone 18 Pro

近日，数码博主「定焦数码」透露，华为鸿蒙 7 系统研发进展迅速，新系统将与基于「韬定律」打造的新一代麒麟芯片实现深度融合。按照既定规划，华为 Mate 90 系列将同时拿下这两大核心技术，首发搭载鸿蒙 7 正式版并配备全新麒麟芯片。新机定于 9 月正式发布，届时将直接对标同期亮相的苹果 iPhone 18 Pro 系列，上演一场备受瞩目的秋季巅峰对决。（来源：TechWeb）

纽约州将成为全美首个在法院内实施智能眼镜禁令的州

根据相关公告，从 2026 年 7 月 20 日起，所有包含摄像头、麦克风或其他录制功能的头戴式设备及眼镜，都将被禁止进入纽约州内超过 1240 个州、县、市、镇及村级的法院。

此次禁令覆盖范围广泛，不仅包括各类具有录制功能的智能眼镜，即便涉及处方镜片也同样在禁止之列。该规定适用于所有进入法院大楼的人员，包括法院工作人员和律师。目前，纽约州部分法院的入口处已经张贴了相关告示，管理部门建议有处方眼镜需求的人员在进入法院时，应携带一副普通的非智能眼镜备用。

纽约州法院管理局发布的一份备忘录显示，实施这项禁令的主要目的是防止法院审判过程被私下非法录制。根据州法律和地方法院的相关规定，此类行为属于违规，且极有可能导致泄露陪审团成员身份等严重隐私问题。

智能眼镜一直以来都是极具争议的消费电子产品。早在 2010 年代初期，Google 眼镜曾引发过激烈的公众抵制，并最终导致相关产品被迫停产。如今，随着 Meta 等公司重新推动智能眼镜技术，尽管厂商试图通过指示灯等隐私保护措施来缓解顾虑，但隐私倡导者依然对这类具备免提录制功能的穿戴设备能否保障公共空间的隐私表示担忧。目前，市场上部分主流智能眼镜产品在尝试遮挡或禁用拍摄指示灯时，会自动强制关闭相机功能，但这并未能平息公众对于在敏感场所使用此类技术的争议。（来源：今日头条）

智能体时代的 ChatGPT，想成为你电脑里常驻的那一层。

作者｜张勇毅

和此前公开的一样，GPT-5.6 分三档：旗舰 Sol（太阳）、均衡型 Terra（地球）、轻量型 Luna（月亮）——数字代表世代，天体名代表档位，也代表以后各档可以按自己的节奏迭代。

按每百万 token 计，Sol 输入 5 美元、输出 30 美元，与上一代 GPT-5.5 持平；Terra 直接砍半；Luna 压到 1 美元和 6 美元。

OpenAI 给后两档的定位其实也非常明确：Terra 在知识工作评测中以更低成本超过 GPT-5.5；Luna 用不到一半的预估成本，逼近 GPT-5.5 的峰值表现。

*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

极客一问

你会让 AI 直接操作你的电脑替你干活吗？

在珠峰南坡的昆布冰川，有一条被夏尔巴人称为「死亡陷阱」的路。往年，他们要给登山队送补给、清运垃圾，就得背着几十公斤的重物，在随时可能崩塌的冰裂缝之间往返七八个小时，一趟又一趟，用命去趟。

今年，这条路上出现了新帮手——大疆的运载无人机 FC100。原本要人工冒险攀爬七八个小时的一趟，现在它飞 8 分钟就能完成。

这不是从零开始的。2024 年，大疆的运载机 FC30 第一次在南坡做高海拔运输测试，把 15 公斤的氧气瓶从大本营送到 C1 营地，返程再把垃圾运下来。当地合作伙伴看完就说，别等明年了，飞机直接留下，我们现在就要常态化运营。到今年，FC30 升级成了载重 80 公斤的 FC100，测绘机 M3E 也换成了 M4E，第一次测量了昆布冰川的核心区域——夏尔巴人不用再凭经验盲猜路线，照着回传的数据，就能避开新产生的冰裂缝。

但南坡的故事，其实只是一个引子。今年真正让整个行业大开眼界的，是发生在珠峰另一侧北坡的故事。

今年 4 月，大疆一架全新形态的飞行器，顶着冰川上的狂风，飞到了 8861 米——比珠峰峰顶还高。

这台垂起运载无人机，叫 DJI EV50。

大疆 FC100 运载无人机在珠峰南坡清运物资｜图片来源：大疆

一架无人机，能在世界之巅平稳起飞，已经殊为不易；更别说还要稳稳挂着一整套精密仪器，稳定悬停在不同海拔高度，完成一场国家级科考。但大疆就做到了。飞到 8861 米，它要的从来不是一个「到此一游」的高度，而是去干一件过去没人干成的活。

今年，大疆跟着中科院、北大的「巅峰使命」珠峰科考队上了山，任务是采集 8000 米以上的臭氧和黑碳数据，摸清它们在不同高度到底怎么分布。

这件事听起来冷门，却压着一个所有人都躲不开的问题：全球变暖。

北大的叶春翔教授在活动现场解释，臭氧本身就是一种温室气体，它的浓度怎么变，直接关系到地表升温。

北京大学教授叶春翔在大疆 EV50 发布会现场｜图片来源：大疆

早在 2000 年，中科院的朱彤院士就在珠峰观测到一个反常现象——这里的臭氧浓度，比人来人往的北京还高。奇怪的是，全球臭氧水平这些年大多趋于平缓，唯独欧亚大陆还在往上走。要解开这个谜，科学家急需 8000 米以上那段真实的大气剖面数据。

难的地方不在于「想不想测」，而在于「不太好测」。

过去几十年，科学家手里的工具全都差一口气。多旋翼无人机的下洗气流，会瞬间把自然空气搅乱，采不到真数据；传统油动飞机的尾气本身就是污染源，会干扰精密仪器；固定翼倒是干净，可珠峰大本营在 5200 米、遍地碎石，根本没有一条能让它起飞的跑道。至于探空气球，叶春翔说得很实在：气球放上去，仪器就不要了，「仪器太贵了，我是不舍得的」，何况风往哪吹它就往哪飞，根本控制不了方向。

这块空白的代价，有时候是鲜活的生命。叶春翔提到，此前，测冰川只能靠人爬上去，他的一位师兄，就是因为这件事牺牲的。

而大疆早有准备:他们本就在推进一款全新的运载飞行器,没有尾气,又能听话地停在指定高度,等于把地面实验室搬到了 8000 米以上。

科考的需求找上门，两边一拍即合。用叶春翔的话说，这是一次「科学范式的变革」——换一个视角去获取信息。

要理解这件事有多难，得先理解珠峰的空气有多「稀」。

打个比方：旋翼桨叶在平原能「抓住」满满一桶水，到了珠峰大本营，同样的动力只能抓住小半桶——大本营的空气密度只有海平面的 59%，到峰顶更是只剩 39%。

桨叶抓不住空气，传统旋翼机要么起飞推力不够，要么爬到半路直接失速。

而这，只是三道难关里的第一道。

第二道是冷。从 5200 米的大本营连续爬到峰顶以上，3700 多米的落差带来约 20 度的温差。起飞时还是零上一两度，飞到上面就是零下 20 度。电池会冻到放不出电，空速管会结冰堵住——著名的法航 447 空难，导火索就是空速管结冰。

第三道是风。到了下午，冰川风起，山风谷风混在一起，搅出乱流，最要命的是「垂直风切变」：你正逆风爬得好好的，风突然变顺，空速一瞬间暴跌，飞机就可能失速下坠。

三道关，每一道单拎出来，都足以让一架飞行器摔在山上。

产品经理周严锡和团队的解法，其实说出来都有点前线技术团队的「土办法」感，但确实每一条都踩在实际用户需求的难点上。

抓不住空气，有大推力。DJI EV50 用的是复合翼构型——起飞靠垂直旋翼硬顶上去，爬到巡航高度，再切换成固定翼，靠机翼的气动升力飞，不跟稀薄空气硬耗。

尾部三台推进电机，用的是大疆第一次上马的内转子电机，转速拉得极高，最大能压出 26 匹马力，差不多是一台 400CC 摩托车的动力，还配了极密的散热鳍和进气孔，极大改善了高负荷下的过热问题。

怕冷，大疆还给无人机的关键部位「穿秋裤」。电池自带加热，像新能源车那样，飞行途中一旦监测到温度不够就持续加热；空速管也加热，专门防结冰。

为了安全，冗余被堆到近乎偏执。DJI EV50 用于控制升降的升降舵做了 4 片，坏掉一两片还能正常飞；控制转弯的副翼也是 4 片；供电用 4 块电池，任意一块失效都不影响飞行；万一真出小概率的大事故，机上还配了一具整机降落伞，哪怕在固定翼状态下也能打开，把飞机稳稳放到地上。

这不是靠某一颗特别强的芯片，而是把可靠性一层层焊进系统里——而这种系统能力，恰恰是最难被复制的。

这一切能成，靠的不是运气。上珠峰之前，DJI EV50 已经在甘肃的沙尘暴、青海 4500 米的高原、航空工业的风洞里，累计滚了 875 架次、254 个飞行小时。

到了珠峰，它顶着狂风一路爬到 8861 米，稳稳完成了带载荷的科考采集——这创下了全球电动垂直起降飞行器的最高升限纪录。

整个科考期间，团队在 12 天里完成了 32 个飞行架次、12 次数据采集，结果都在预期之内。

DJI EV50 真机展示｜图片来源：极客公园

有意思的是，这台已经飞跃珠峰的机器，构型其实一点都不激进。

周严锡说，预研阶段团队最兴奋的方向，是倾转旋翼——那是「目前看起来最酷」的构型，他们在上面花了大量时间。但研究到最后发现，倾转旋翼的成本和安全性都还没经过足够的实践检验，「确实不适合现在的商业运行」，于是放弃了，选了看上去更常规的垂直起降固定翼。在大疆这儿，从 0 到 1 的创新大多封存在研发档案里，我们能看到的，更多是从 1 到 99 的死磕；甚至常常是主动把最酷的方案，换成最靠得住的那个。

连 8861 米这个高度，都透着一股克制。有人问，8861 米这数不好记，怎么不干脆飞个 9000 米？大疆工程师的回答是：做这次测试是为了完成科研目的，目的达到了，就不会无底线地挑战自己。

这种死磕，也不是今年才开始的。

在大疆工程师眼里，珠峰从来不是朝圣地。它是「地表最严苛的测试场地」。甚至可以算是大疆的「初心」

时间倒回 2009 年，创始人汪滔就带着团队上过珠峰，测试大疆第一代小型直升无人机飞控，那会儿只求一件事——飞机能稳稳飞起来。从那以后，十七年里，大疆和珠峰的关系走过四个阶段：先是飞得稳，然后用 MAVIC 航拍、把世界之巅的上帝视角带给大众，再到用运载和测绘机在冰川上运东西、看得清，直到今年，飞得更高。

说到底，珠峰是大疆用来丈量自己技术的一把尺子。张晓楠说，这把尺子告诉他们，哪怕在一个充满便捷的时代，也依然愿意选那条难且正确的路。

那么，大疆费这么大的劲，到底图什么？

答案其实很实在：这台垂起运载无人机，仍然是为解决低空下那些高海拔、长距离的运输痛点。

周严锡说，团队立项时想解决的，是低空经济里一个很具体的痛点——百公里级的山区运输。他印象最深的两个场景，一个是川西丹巴，村镇之间水平距离六十公里，一场山体滑坡就能把路冲断一周，会带来物资中断；另一个是秦岭深处的宁陕县，一件快递要先绕去安康集货再发西安，硬生生从当日达拖成次日达。多旋翼飞不了这么远，于是他们想造一台能像飞机一样飞、又能垂直起降的运输工具。

北大的科考任务，是偶然，又顺势而为。当团队发现北大要在极限环境下采数据，两边一拍即合——珠峰，正好成了检验这台机器的终极考场。

顺着这个思路，那台成功飞跃 8861 米的运载无人机，故事其实才刚开始。

一台载重 50 公斤级、航程百公里级、还能扛住世界之巅狂风极寒的运输机，放回平原会怎样？大疆运载全球销售负责人金昊的看法很务实：它不是要取代现有的物流大动脉，而是去补那条「毛细血管」——半山腰的村子、隔着海的岛、相邻城市之间的直送。大疆的定位是提供「软硬一体」的方案，把无人机做到极致，运营交给更懂物流的伙伴。

从丹巴的山货，到珠峰的科学数据，大疆的路数其实一以贯之。它最出圈的是航拍，但真正的家底，藏在田间地头和大山大河里：让老农不用再背着药桶吸农药，让夏尔巴人少走几趟鬼门关，让科学家拿到过去拿不到的数据。从农业植保机，到行业测绘机，再到今天的运载无人机，逻辑都一样——先在最极端的环境里，把技术锤到最结实，再把它变成普通人用得起、用得上的工具。

这，就是大疆在活动现场反复强调的那个词：科技向善。

用大疆产品团队的原话来说就是：「科技的最终归宿，不是展现高傲的冷酷」，而是「化作对人类生命的守护，探索未知世界的温暖力量」。

大疆去珠峰，从来不为登顶，而为把最难的技术，做成普惠工具。

在一个人人都想找捷径的时代，大疆还是那个在「做减法」的公司——不炒概念，只挑难而正确的事做。它没有去登顶，只是又一次刷新了自己能到的高度。

而在珠峰南坡，那条夏尔巴人走了几十年、要用七八个小时去趟的死亡冰川，如今有了 FC100 之后，飞一趟只需要八分钟。

OpenAI 发布新语音模型 GPT-Live

美东时间 8 日周三，OpenAI 发布全新的语音模型GPT-Live，同步升级 ChatGPT 语音模式（ChatGPT Voice）。新模型采用原生实时架构，可实现人类与 AI 之间更加自然的双向语音交流，不仅支持打断、停顿理解、实时翻译、听写等能力，还能够在后台无缝调用 GPT-5.5 等模型完成复杂推理和联网搜索，将语音打造为 ChatGPT 新的统一交互入口。

OpenAI 公告称，GPT-Live 包括GPT-Live-1和GPT-Live-1 mini两个版本，目前已开始向全球 ChatGPT 用户陆续开放，覆盖网页、iOS 和安卓平台，并计划未来数周向 API 开放，开发者和企业用户可提前登记获取通知。

此次发布意味着，OpenAI 正进一步押注语音将成为 AI 时代最重要的人机交互方式。OpenAI 在发布新模型时透露，目前每周已有超过 1.5 亿人使用ChatGPT Voice、Dictation 等语音功能与 ChatGPT 交流。媒体评论认为，OpenAI 希望未来用户越来越少依赖键盘输入，而更多直接与 AI「说话」。（来源：华尔街见闻）

马斯克 SpaceXAI 首个编程智能体模型 Grok 4.5 发布

7 月 9 日消息，SpaceXAI 正式发布了其 Grok 4.5 模型，这是该公司首个专门针对编程和智能体任务训练的模型。

据介绍，该模型由 SpaceXAI 与 Cursor 联合完成训练，在提供前沿智能水平的同时，兼具领先的速度与成本效率。

Grok 4.5 面向真实工程场景设计，擅长处理大型代码库以及跨多个仓库、涉及数百种技能和多种工具的长时间任务。模型在数万个 NVIDIA GB300 GPU 上完成训练，团队在数据过滤与筛选上投入了大量精力，通过去重、质量评分和领域聚焦筛选来保证数据混合的高覆盖与高信号。在强化学习阶段，训练覆盖了数十万个任务，重点围绕多步软件工程及其他技术工作，采用自动化和基于模型的评分。

据介绍，Grok 4.5 单个任务消耗的 Token 仅为同级领先模型的一半，每秒输出 Token 数达 80 TPS，且单次任务步骤数少一半。定价为每百万输入 Token 2 美元、每百万输出 Token 6 美元，成本不到同类可比模型的一半。（来源：IT 之家）

消息称蓝色起源拟融资 100 亿美元，成立 25 年首次引入外部投资

7 月 8 日消息，据纽约时报报道，蓝色起源正推进一轮大额融资，本轮融资完成后，杰夫 · 贝索斯旗下这家航天企业估值预计将达到 1300 亿美元。这是蓝色起源成立 25 年来，首次引入外部投资者入股。

蓝色起源这家火箭企业，在美国国家航空航天局（NASA）登月计划中承担的角色愈发关键。公司原本就有财力雄厚的后盾——创始人杰夫 · 贝索斯本人。

但该公司如今首次对外募资：计划融资 100 亿美元，融资前估值 1300 亿美元。这标志着太空竞赛加速，也体现出投资者愿意为蓝色起源的雄心提供资金支持，以与 SpaceX 一较高下；后者上月刚完成 IPO，手握数百亿募资资金。

据报道，大型资产管理公司库埃图资本（Coatue Management）将领投，承诺出资 40 亿美元。贝索斯本人也将向本轮融资追加 20 亿美元，剩余 40 亿美元资金预计来自各大大型机构投资者。（来源：IT 之家）

亚马逊秘密推进 Alexa「智能体」计划，成本高昂引发内部担忧

7 月 8 日消息，据报道，亚马逊内部规划文件显示，公司正在秘密推进一项名为「Moonraker」的全新 Alexa AI 项目，旨在将这一语音助手推向 AI 智能体赛道。然而，该项目极其高昂的研发与运行成本已在公司内部引发广泛担忧。（来源：界面）

字节跳动上线多模态图像创作模型 Seedream 5.0 Pro

7 月 8 日，字节跳动 Seed 发布多模态图像创作模型 Seedream 5.0 Pro。

据悉，相比之前版本，Seedream 5.0 Pro 在图文匹配、结构合理性、文字渲染与画面美感等基础能力上全面提升，并带来了四大核心能力突破：复杂信息可视化，交互式精准编辑，真实的影像与人像质感，以及原生多语种输入与生成。

目前，Seedream 5.0 Pro 已上线火山方舟体验中心，也将陆续在豆包、即梦上线。（来源：上海证券报）

消息称 MiniMax 计划推出参数规模 2.7 万亿新一代大模型

7 月 8 日消息，据 The Information 消息，MiniMax 计划推出 2.7 万亿参数规模的新一代大模型。

消息人士透露，这款新模型在内部的代号为 M3 Pro，该模型预计最早将于今年第三季度发布并开源，大幅增强处理复杂推理和多步任务的能力。

官网显示，MiniMax 成立于 2022 年初，自研多模态模型及 AI 原生应用已累计为来自超过 200 个国家及地区的逾 3 亿名个人用户，以及来自超过 100 个国家及地区的 100 万余名企业客户以及开发者提供服务。

据了解，MiniMax 最新旗舰模型 MiniMax M3 于 6 月 15 日正式开源，该模型总参数 428B（4280 亿），激活参数 23B。（来源：IT 之家）

Momenta 港股上市首日冲高回落，收盘持平 295.6 港元发行价

7 月 8 日，号称「物理 AI 第一股」的 MOMENTA-W 在港交所正式挂牌上市。

根据 Momenta 此前公布的配售结果，上市定价为 295.6 港元/股，假设「绿鞋」（超额配股权）全额行使，此次全球发售约 2293 万股，募集资金总额约 68 亿港元。市场认购反响热烈：公开发售部分获得 414 倍超额认购；国际发售部分获得超过 1000 亿港元的机构订单，总计认购超额（剔除基石后，绿鞋前）达到约 44 倍。

早间开盘后，MOMENTA-W 股价盘中最高涨幅超 6%，不过随后股价走低，盘中曾跌破发行价，最终收盘时股价回到了发行价 295.6 港元/股。

根据此前招股书内容，2023 年至 2025 年，Momenta 分别实现营业收入 7.43 亿元、13.25 亿元、24.13 亿元；毛利分别为 1.3 亿元、6.49 亿元及 17.27 亿元。而公司归母净亏损在逐年扩大。2023 年至 2025 年的净亏损分别为 25.7 亿元、32.06 亿元、34.58 亿元。（来源：澎湃新闻）

恋与深空致歉并宣布退出 BW 展会：全额承担玩家退票损失

7 月 8 日上午消息，《恋与深空》官方再发道歉声明表示，近期，《恋与深空》引发社会各界的广泛关注，给所有玩家造成了极大困扰，产生了不良影响，对此我们深感自责。我们没有任何借口，唯有深刻反思、直面自身问题、主动承担责任，向大家郑重致以最诚挚的歉意！

《恋与深空》制作组表示，「对本次暴露的问题，我们诚恳接受各界批评和指正，绝不推诿。我们将以对历史的敬畏、对民族情感的守护、对中华文化的传承为标尺，全面开展人员培训和自查自纠。」

由于还未做好充分准备，经慎重考量，《恋与深空》制作组决定不参加 BilibiliWorld 2026 展会。让满怀期待奔赴展会的玩家希望落空，我们感到十分抱歉。为最大程度弥补各位玩家的损失，我们秉持应补尽补原则，尽全力保障大家权益：在您取消 BilibiliWorld 2026 的行程后，因退订门票、机票、火车票及酒店订单产生的损失，我们将全额承担。具体补偿细则详见官网发布的相关公告。（来源：新浪科技）

粉笔：张小龙辞任执行董事、首席执行官及董事会主席

7 月 8 日消息，粉笔 7 月 8 日在港交所公告，张小龙因需处理其他个人事务，已辞任执行董事、首席执行官、董事会主席、董事会薪酬委员会成员及董事会提名委员会主席，自本公告日期起生效。

张小龙在辞任执行董事、首席执行官及董事会主席后，将不再于本集团担任任何职位。然而，如有需要，彼将继续向本公司提供策略性建议。张小龙先前的职责为本集团的整体策略计划与业务发展及营运，以及本集团的整体技术及课程开发。该等职责将妥为移交予盛海燕。（来源：IT 之家）

全新奔驰纯电 GLC SUV 车型上市，29.99 万元起

7 月 8 日晚，梅赛德斯-奔驰全新纯电 GLC SUV 在北京上市。作为奔驰 MB.EA 纯电平台首款量产车型，带来 800V 高压架构、703km 超长续航，当晚上市的五座鎏金版上市价为 33.98 万元，之后还有晖银版（五座）和星铂版（六座）车型，都会在年内上市，其中入门车型晖银版预售价 29.99 万元起。全新纯电 GLC 的上市，标志着奔驰在华电动化战略进入新阶段。

全新纯电 GLC 基于 MB.EA 纯电架构正向开发，搭载前后双永磁同步电机，系统总功率 310 千瓦（约 463 马力），配备容量为 85.5 千瓦时的三元锂电池组，CLTC 工况下续航里程分别为 680 公里与 703 公里。（来源：红星新闻）

大疆推出 DJI AP100 无人机降落伞：适配 Matrice 400，售价 7488 元

7 月 8 日消息，大疆发布了大疆行业应用首款无人机降落伞产品——DJI AP100 降落伞。该产品专为 Matrice 400 无人机设计，官方定价 7488 元，目前仅通过代理商渠道销售。

据官方介绍，AP100 降落伞重量约 935 克，具备 IP55 防护等级，可在-20°C 至 50°C 温度范围内工作。在触发机制方面，该降落伞支持自动与手动两种模式，官方标称可在 600 毫秒内完成旋翼停转与开伞动作，并将无人机落地速度控制在 5 米 / 秒以内。

在飞行全流程中，AP100 持续监测气体发生器状态与通信链路健康状况，异常情况可通过 DJI Pilot 2 的健康管理系统（HMS）界面实时告警。开伞指令下达后，独立的飞行终止系统（FTS）链路负责在 600 毫秒内切断电机动力，避免伞绳与旋翼发生缠绕。开伞后，设备将启动持续约 1 小时的声光报警，用于警示地面人员并辅助设备定位。（来源：IT 之家）

Meta 测试「超级感知」AI 眼镜，可持续摄录引隐私争议

7 月 8 日，据报道，Meta 正在测试一款具有「超级感知」能力的 AI 眼镜原型，正式进军备受争议的「全视全听」可穿戴设备市场。该眼镜拥有摄像头和音频录制功能，能每隔几秒拍摄照片并持续采集音频。用户随后可借助 AI 随时查询并回顾录制的每一个瞬间。然而，这项技术在 Meta 内部引发了关于隐私挑战的激烈争论，核心在于其对非佩戴者的侵扰性问题。（来源：界面）

SpaceX 上市造富新贵：买陨石、消防车 却对老牌奢侈品说「不」

据路透社报道，SpaceX 6 月 IPO 及 AI 公司上市带来的财富效应，正在改变美国新富人群的奢侈品消费方式。瑞银数据显示，去年美国新增 44 万名百万富翁；与此同时，SpaceX 6 月 IPO 融资 857 亿美元，公司估值达到 1.77 万亿美元。

报道称，一名曾在 SpaceX 任职的数据科学家 Chip，目前持有约 350 万美元 SpaceX 股票。在公司上市后，他近期购买了价值 1 万美元的陨石和一辆 5000 美元的消防车，并表示这些消费更多出于个人兴趣。他还在考虑购买一款售价约 8000 美元、以 NASA 宇航员约翰·格伦 1962 年绕地球飞行为灵感的 TAG Heuer Carrera Calibre 1887 SpaceX Chronograph 腕表。

新一代科技富豪的消费偏好与传统富裕阶层并不完全一致。曾负责 OpenAI 商业化团队、并持有 SpaceX 股份的 AI 策略师 Zack Kass 表示，他将自己在 OpenAI 获得的收益用于购买一支职业排球队。报道称，在体验、健康和运动相关消费上，科技从业者对智能手表等产品保持兴趣。

传统高端腕表仍具备一定吸引力。Harrison Lifestyle Concierge 创始人 Harrison Colcord 认为，在正式场合，智能手表并不能完全替代传统腕表。瑞士钟表工业联合会今年 1 月表示，2025 年美国是瑞士手表最大目的地市场，占全球出口的 17%。

相比之下，服装和皮具品牌面临更直接的竞争。波士顿咨询公司全球奢侈品团队负责人 Filippo Bianchi 表示，与拥有家族财富的人群相比，新富人群在正式服装和皮具上的花费约少三分之一，他们更优先配置房地产、游艇和汽车等耐用资产。（来源：凤凰网科技）

价格锋利、配置醒目、功能抓眼球，再配合上密集的传播节奏，都有可能把一款车迅速推到聚光灯下。

但新的问题是：当所有人都不可避免地一起卷配置、卷权益的时候，爆款和定价就很难同时满足。

从目前来看，蔚来似乎是一个特例：刚刚过去的 6 月，蔚来公司月度交付量超过 4 万台，创今年以来新高；其中蔚来主品牌交付 21908 台，同比增长超过 50%。

更重要的是，在新上市、起售价接近 50 万的 ES9 加持下，蔚来主品牌的月度平均成交价格进一步攀升，来到了 44.3 万元。

乘联分会数据显示，2025 年国内豪华车均价为 35.8 万元。放在整个市场面临激烈竞争，国内整体增速逐步放缓的情况下，蔚来的这份成绩单，很难让人不眼馋。

蔚来6月交付数据 | 图片来源：蔚来

要销量，也要市场的「定价权」

蔚来的「逆袭」，来自于一次反共识的出牌逻辑。

把时间拉回到一年前，乐道 L90 和第三代 ES8，是这轮增长的起点。这两台基于蔚来第三代纯电平台架构的大型纯电 SUV，成为蔚来产品形象重塑的起点。

其实，选择大型纯电 SUV 这张牌之前，市场上普遍认为蔚来应该走另一条路：先把更入门、更走量的「5566」车型重新迭代一遍，用更主流的价格带和更大的用户池修复规模。

但对于蔚来来说，这不仅是「先做小车还是大车」的问题。它背后对应的，是两种不同的增长方式。

先做小车的逻辑看起来是共识，毕竟过去几年，很多新能源品牌的增长，都来自价格下探后在主流市场的扩张；旗舰产品不好做，但一旦做成，可以把主品牌的高端锚点重新打出来。

蔚来最后选择了后者。

但过程显然没那么容易。今天李斌几乎在每一次公众亮相时都会强调，「大六座、大五座 SUV 进入了纯电时代」。但仅仅在 12 个月前，增程车型在这个细分品类里仍然占据相当强的话语权。家庭用户选择大车时，对续航、补能、空间和出行稳定性的要求都更高。纯电能不能在这个场景里成立，当时远没有今天这么确定。

起售价49.8万元的蔚来ES9，上市一个月即完成了1万台交付 | 图片来源：蔚来

所以，蔚来押的并不是一个简单的尺寸红利。

大型纯电 SUV 之所以适合成为这一轮突破口，是因为它刚好把蔚来最需要解决的问题放到了一起：既要修复销量，又不能牺牲主品牌的价格带；既要让用户重新看到产品本身，也要让换电、服务、补能网络这些长期投入，重新变成高端体验的一部分。

这也能解释为什么第三代车型和第二代车型之间，会出现这么明显的产品定义变化。

李斌此前复盘第二代车型时曾经讲过，蔚来在那个阶段不是没有技术储备，真正的问题出在目标太多。既想做全球，又想做高端，还想兼顾不同市场和不同使用场景，最后一些最基础的产品判断反而失焦了。

到了第三代车型，蔚来的优先级变得更清楚。先看中国市场，先看高端用户，先把大车场景做透。家庭、商务、长途、补能、座舱舒适性，这些过去可能被分散在不同目标里的东西，被重新收拢到一套更清晰的产品定义里。

想登顶珠峰，一步登顶的难度太大。拆分目标：先到大本营，再一步一步设立向上的营地，是蔚来现在的选择，也是更脚踏实地的方法。

在刚刚过去的 2026 年 6 月，蔚来主品牌成交均价达到 44.3 万元。放在 ES8、ES9 持续放量的背景下，这个数字说明蔚来这一轮增长，不是靠主品牌继续下探价格来完成的。它既拿到了销量，也占据了高端市场的重要生态位。

过去很长一段时间，外界聊蔚来，常常先聊换电、服务、社区，甚至先聊「蔚来为什么贵」。但 ES8 和 ES9 之后，市场的讨论顺序发生了变化：大家开始先看这台车本身，再去理解换电、服务和品牌体系。

蔚来曾经有很强的品牌辨识度，但这种辨识度有时候也会变成理解门槛。到了这一轮大车周期里，产品本身重新站到了最前面。也是从这个角度看，蔚来拿回的不只是销量，还有纯电高端大车市场里的定价权。

拼完配置，中国电车用户也要开始「买标」了

过去几年，在国内新能源车消费市场里，「品牌」的影响力似乎正在减弱。

燃油车时代，「买标」对用户来说是一个重要的选择逻辑，尤其是在高端市场：奔驰、宝马、奥迪这些名字背后，有身份认知，有机械品质，有服务网络，也有一整套围绕豪华车建立起来的消费秩序。

到了电动车时代，用户的注意力被迅速拉到一张更具体的配置表上。

电池多大，续航多长，补能快不快，座舱几块屏，智驾能不能进城，座椅舒不舒服，空间够不够大，价格有没有诚意……过去被传统豪华品牌打包在一起的价值，被中国新能源品牌拆成了一个个可以比较、可以感知的产品点。

很多消费者第一次清楚地感受到，买车可以先认产品，「买标」没那么重要。

在前一个阶段里，谁把配置给得更满，谁把体验做得更直接，谁就有机会进入更高的价格带。

但配置战打到今天，市场又走到了另一个阶段。到 2026 年，中国电车用户其实又重新开始「买标」了。

比拼配置当然有效，也确实推动中国新能源车快速完成了对传统豪华车的反攻。但配置表有一个天然问题：一旦某个功能被市场验证，同行很快就会跟上。今天还是发布会上的亮点，过一段时间就可能变成同价位车型的基础项。

对用户来说，真正的问题也在这里。一台车不是买回去看一次发布会，而是要用三年、五年，甚至更久。下单时让人兴奋的功能，几年之后还能不能持续好用；软件会不会继续更新；补能体验会不会越来越方便；服务会不会稳定；这个品牌的产品方向会不会来回摇摆——这些东西，才会在更长的使用周期里反复影响用户体验。

蔚来的充换电体系 | 图片来源：蔚来

所以，电车用户重新看品牌，并不是回到过去单纯为 Logo 付费的逻辑。今天的「标」，更像是一种长期预期：我相信这家公司未来几年还能继续把车做好，也相信它围绕产品建立起来的服务、补能、软件和品牌体验，不会很快失效。

对汽车行业来说，配置的「半衰期」正在变短，但用户对品牌的信任，以及一个品牌长期形成的审美和调性，「半衰期」仍然很长。

所以，下一阶段中国新能源高端市场真正要比的，不仅是发布会上的产品密度，还有价值留存能力。

配置可以快速补齐，价格可以短期调整，爆款也可以被复制。但一家公司能不能让用户在三年、五年之后，依然觉得这台车、这个品牌、这套体系没有快速过时，才是高端品牌真正的门槛。

新鲜感可以带来短期刺激，但真正能穿越周期的价值，往往来自于在更长时间里建立和积累的信任、安心和承诺。

 

共生不是认输，是创业公司的生存之道。

作者｜张勇毅

编辑｜郑玄

 

低头看一眼你的手腕。如果那儿戴着一块 Apple Watch，那它大概是你身上戴得最久、也最离不开的一件电子设备：醒着的时候基本不摘，很多人连睡觉都戴着，一天里唯一让它离手的，往往只有那次充电——差不多一天半一回。它测心率、测睡眠、推通知、刷地铁、付款，2025 年 9 月的 Series 11 又加上了高血压提示，一件设备就这么把自己嵌进了你一整天的生活缝隙里。

正是这块几乎「长」在你手腕上的设备，成了一批 AI 硬件求之不得、却怎么也挤不进去的一块地。挤不进去，它们就退而求其次：不进去，那就贴着长。

有一款 AI 录音器就是这么干的。它叫 Memoket，是这两年扎堆冒出来的 AI 录音硬件里的一个——自带麦克风、电池和 App，一台能独立干活的设备。

可它跟你的 Apple Watch 之间，没有半点数据往来——却专门做了个支架，只为把自己牢牢固定在 Apple Watch 旁边。

MemoKet 官网展示其产品与 Apple Watch 搭配使用的案例｜图片来源：Memoket 官网

一个看起来毫无瓜葛的东西，为什么非要贴着 Apple 生长？

Hardwire 希望和在智能硬件领域里的每一个创新者建立起真实的连接。无论你对这个行业是有兴趣、有观察，还是有亲身的从业经验，都欢迎来找我们聊聊。

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

眼下，有两家公司把自己的 AI，押在了这条表带上。

先说最让人眼前一亮的那个，Mudra Band。它替换掉 Apple Watch 的原装表带，靠读取你手腕上细微的神经电信号，让你用手指的小动作隔空操作手表——甚至连着操作 iPhone、iPad、Mac、Apple TV，全程不碰屏幕。它自带电池，不吃手表的电。

这套「用神经信号当遥控器」的思路，科幻感十足，一亮相就接连拿下 CES、MWC 的最佳可穿戴，背后是纳斯达克上市的 Wearable Devices。它真正戳中人的，不是参数，而是那股「表带居然还能这么玩」的新鲜劲儿——十年来大家默认表带只能换个颜色、换种材质，Mudra 却把它变成了一个能读懂你手指的输入设备。它证明的不是某一个功能，而是这条表带上还藏着多少没人试过的可能。

还买不到的那个，是开头那台 Memoket。它是一颗约 11 克的独立模块，白天录下你听到的一切，再交给 App 生成摘要和待办。早鸟价约 179 美元，8 月才发货，限量 2000 台，上线当天冲到过 Product Hunt 第一。

这颗模块本可以随便戴——挂坠、别针、独立腕带都行，并不非得挨着 Apple Watch。可真正让它出圈、也最显新鲜的，偏偏是卡在支架上、贴着 Apple Watch 一起戴的那一种。这也是「贴着 Apple Watch 活」这条路上最纯粹的表达：它不做 Apple Watch 已经会做的任何事，只是借用你腕上那个位置。

一个形态上这么自由的东西，最后靠「贴着 Apple Watch」这个姿势被记住，恰恰说明了那截手腕有多值钱。它也是最悬的一个：连货都还没开卖。

这两家，都把筹码押在了同一件事上：贴着 Apple Watch 长。也都还没能证明，你的手腕上，真的容得下第二个租客。

那么问题来了——既然这么难，为什么不干脆去取代 Apple Watch？

在我看来，这才是这批产品最容易被误读的地方。这些可穿戴创业者，不只是国内的，和苹果压根不在同一个竞争维度上。苹果卖的是一个平台：一整套生态、一块你永远不摘的手腕、十年攒下来的佩戴习惯。而它们手里往往只有一个功能——一段录音，或者一个手势。想用一个功能，去取代一个平台，本身就是个伪命题。

当然，也会有人说：所谓「共生」，不过是「打不过」的一层好听说法罢了。这话对了一半——这条路确实还新，眼下谁都还没做成气候。

但你去看那批真按苹果的维度硬碰的人，就明白共生不是认输了。

这波 AI 硬件其实分了两种活法。一种想直接当那个新平台——Humane AI Pin、Rabbit R1、Friend，喊的都是「扔掉手机、扔掉手表，我才是那个新入口」。结果呢？Humane 关掉服务器、把专利以 1.16 亿美元贱卖给 HP；Rabbit 半死不活；连风头最盛的 Limitless，也在 2025 年底被 Meta 收走、随即停售。

曾风头一时无两的 Limitless Pendant,已于 2025 年底被 Meta 收购、随即停售｜图片来源:Limitless

想当平台的，几乎全死了。

另一种，就是 Memoket 和 Mudra 这样：不硬碰，只贴上去做苹果没做的那件事——反倒是它们，把这条新路走了出来。

选择「贴着 iPhone 活」的，从来不止这些小玩家——手机行业里家底最厚的几家，早就主动这么做了。

根据 IDC 数据，2024 年苹果在中国 800 美元以上的高端市场拿下高达 60% 的份额。OPPO、vivo、小米、荣耀——这些资源远比任何一家硬件创业公司雄厚的厂商，轮番做完用户调研，结论出奇一致：高端用户手上那台 iPhone，很难被真正换掉。

于是手机厂商集体掉头，不再硬拼取代，转而把「和 iPhone 共处」做到了极致。OPPO 的 O+ 互联能把照片、PDF 直接拖进 Mac，视频片段还能甩进 Final Cut；vivo 的双机流转，让 iPhone 的来电和通知实时落到自家手机上接听；甚至能在 iPhone 上直接回复 Android 手机上收到的消息。

手机厂商是在软件层面贴着 iPhone 长，而这些创业公司，不过是把同一个动作从软件挪到了你的手腕上。打不过，就贴上去。

与 iPhone 的跨系统互传功能，如今已经普遍成为一个重要卖点｜图片来源：OPPO

所以，共生不是失败者的安慰奖，而是这块手腕上之前长期被忽视掉的新地盘。与其绞尽脑汁去取代 Apple Watch，不如干脆和它共生：让苹果继续占着那截手腕，自己只做苹果没做的那件事。这不是打不过的认输，是想明白之后的清醒——这场仗，本来就不该按苹果的维度去打。

把镜头往回拉几年，盯上这条表带的，也远不只 Memoket 和 Mudra。

最出名的是 Wristcam。它把两颗摄像头做进表带，是唯一拿到苹果 MFi 认证的智能表带，售价 299 美元。

Wristcam:把两颗摄像头做进表带的相机带,也是唯一拿到苹果 MFi 认证的智能表带｜图片来源:Wristcam

它的产品逻辑非常直白—— 苹果的手表没有摄像头，那就在表带上补一颗。补电的那批更早。2015 年，Reserve Strap 就把锂电池塞进表带给手表续命，Batfree、WiPowerBand 陆续跟进；直到 2026 年，还有 EnergyLink 这样的磁吸充电带在众筹。甚至有人做过让 Apple Watch 甩开 iPhone 单独打电话的蜂窝表带。

它们各自瞄准的东西不一样，相机、电池、信号，但底层逻辑其实是同一个：手表本体缺什么，就往表带上装什么。

这些早期尝试大多还很小众，没能真正走进大众视野——但它们恰恰说明，把功能长到表带上这个念头，十年来一直有人惦记，只是过去零零散散、没拢成气候。这条一直没被正眼看过的表带，正在从一块被忽略的边角，变成一条真有人认真走的新路。而它要「成」的最强信号，来自一个谁也没法忽视的玩家——苹果自己。

苹果亲自下场，是这条新路最有分量的一张背书。

7 月 3 日，爆料人 Kosutami 称，今年秋天的 Apple Watch Series 12 会在表带里做进一颗传感器，注塑进硅胶。这款传感器将能够测量新的数据，例如水分水平、某些肌肉运动或其他健康指标，同时提高测量的精确度；与它前后脚，彭博记者 Mark Gurman 也放出消息：2027 年那代手表会彻底重做表带卡扣。

有爆料指，苹果将在 Apple Watch Series 12 系列上加入带有新款传感器的硅胶表带｜图片来源：AppleGeek

把两条拼在一起，逻辑就通了：一条「带电」的传感器表带，必须有电路从表带通到表体，而给卡扣加上触点，正是那次重设计要做的事。

而「从表带取电」这条路，十一年来一直攥在苹果自己手里——初代 Apple Watch 的表带卡扣里，本就藏着一个能供电、也能传数据的诊断端口。当年那批想给手表加电池、加摄像头的表带都惦记着它，苹果却一个个封杀，从没对外开放；到 Series 7，干脆把它整个取消、改走无线。如今要往表带里塞传感器，等于苹果要把这条自己拆掉的电路，重新接通一遍。

Apple Watch 快拆表带滑槽里那个隐藏的诊断端口｜图片来源：MacRumors

能给这条表带通电的，只有苹果自己。

共生是清醒，可共生也意味着：从第一天起，你就把命脉交在了房东手里。这些 AI 产品补的，正是苹果暂时没做的那块；而苹果一旦决定自己来做，租客存在的理由，就薄了一层。

十年里，想取代 Apple Watch 的人一个个倒下，想贴着它长的人，还在门口徘徊。而现在，连房东都要亲自下场，给这条表带通电。

这些 AI 硬件拼了命想「长」在这条表带上，图的是一块没人留意、却可能极值钱的位置。共生，大概也确实是这块手腕上唯一清醒的活法。

即使苹果未来自己也会在这片土地上选择添加功能，但或许仍会有创业者围着这条表带做出新东西，找到属于自己的那批用户。

*头图来源：MemoKet

本文为 Hardwire 原创文章，转载请在文章下方评论区留言

极客一问

面对 Apple Watch，

你更信「取代」还是「共生」？

头图来源：硅基流动官网

成立还不到三年，硅基流动已经走到了资本市场门口。

2023年8月，硅基流动由袁进辉带着OneFlow团队二次创业成立，2026年6月底，正式递交港交所18C章上市申请。

招股书显示，作为国内首个冲击资本市场的AI推理服务商，硅基流动一年时间营收同比增长6.5倍，平台注册用户突破千万，日均处理Token量接近5800亿。

但高速增长的背面是同样刺眼的亏损与成本压力。招股书显示，2025 年硅基流动营收同比增长 653% 至 5533 万元，但算力租赁是最大成本项，全年营业成本达 6863.2 万元，毛利率为 - 24%；叠加全年 2.09 亿元的自主研发投入，公司当期净亏损扩大至 3.45 亿元，经营活动现金流持续净流出，单月现金消耗约 1480 万元。

这门被业内称作 “Token 工厂” 的生意，一边踩着全行业推理需求爆发的红利极速扩张，一边也要承受算力成本高企、大厂闭环环伺的长期重压。

一、成立三年冲刺港股，硅基流动跑出了怎样的增长曲线？

从招股书披露的数据来看，过去两年硅基流动的增长速度非常快。

2023年成立初期，公司全年收入仅6000元；2024年收入增长至734.6万元；到了2025年，收入直接达到 5533 万元，同比增长超过6倍。

伴随营收暴涨的是平台规模的快速扩容。截至2026年4月，平台注册用户突破1028万，日均Token吞吐量达到5785亿，单日峰值超过万亿级别；公有云付费开发者达到71.6万家，专属实例企业客户从2024年的7家增长到2025年的49家，单客户平均收入提升248%。

基于公有云的服务以及本地部署解决方案。｜图片来源：招股书

对于AI基础设施公司而言，用户规模和Token消耗量比账面收入更能反映业务阶段——它卖的不是一次性软件，而是AI时代的标准化计算服务。Token量的持续攀升，本质上对应着AI正在从演示demo走向真实生产环节。

从收入结构来看，这家公司也在发生变化。成立初期，它更多依赖私有化部署项目。2024 年，私有化业务贡献了超过八成收入，公司更像一家 AI 项目实施商，每完成一个项目确认一次收入。但到了 2025 年，公有云业务收入占比已经提升到 52.9%，首次超过私有化部署，成为最大的收入来源。

这意味着它正在从重交付、低复用的项目制公司，转向可规模化、高复用的标准化平台。

两种模式最大的区别在于，前者收入高度依赖一个个项目，复制效率有限；后者则更像云计算，开发者和企业按需调用服务，平台随着用户增加不断放大规模。这也是绝大多数基础设施公司的成长路径：先通过开放平台积累开发者，再逐步把高价值客户沉淀为长期企业服务。

支撑这种高速扩张的，是密集的资本输血。成立不到三年，硅基流动累计完成七轮融资。从早期的创新工场、耀途资本、奇绩创坛，到后来的阿里云、携程、商汤科技、壁仞科技、联通资本等产业投资者，公司几乎每隔几个月就完成一轮融资，估值也一路攀升，最终在递交招股书前达到 77.4 亿元。

按照港交所18C章规则，未实现商业化的特专科技公司上市门槛为80亿港元（约合人民币69亿元），硅基流动直到最后一轮融资才刚好迈过这条准入线，上市的紧迫性和资本的助推意图都十分清晰。

不过，如果因此就认为硅基流动已经证明了自己的商业模式，可能还为时尚早。

一方面，6 倍以上的营收增长，建立在非常低的收入基数之上；另一方面，过去一年整个行业都处于推理需求快速释放的阶段，无论是 DeepSeek 带来的开源模型热潮，还是 AI Agent 的兴起，都在推动 Token 调用量快速增长。

换句话说，硅基流动的高速增长，既来自自身的发展，也吃到了整个行业爆发的红利。

真正的问题其实是：当这一波高速增长逐渐回归常态之后，这家公司还能不能保持同样的增长速度？

而要回答这个问题，就需要先理解硅基流动到底在做什么，以及为什么它能够在模型厂商和云厂商之间，找到自己的位置。

二、不造模型、不建算力，硅基流动到底在卖什么？

硅基流动选择的方向，是模型和算力之间的中间层。

过去两年，大模型行业最热闹的竞争，一方面，模型数量快速增加，从 DeepSeek、通义千问，到 GLM、Kimi，大量开源和闭源模型同时存在；另一方面，底层算力也越来越多元，除了英伟达 GPU，昇腾、摩尔线程、沐曦等国产芯片体系正在进入真实部署环境，不同硬件架构之间的兼容与适配问题被放大。

对于企业来说，真正落地 AI，并不只是选择一个模型这么简单。它还需要解决模型如何部署、不同芯片如何适配、算力资源如何调度、高并发情况下如何降低成本等问题。

这些碎片化痛点，催生出了独立中间层的市场空间。硅基流动所在的，就是这个位置。

Token 供应平台｜图片来源：招股书

招股书中，硅基流动将自身定位为 “开放、独立的 Token 供应平台”。它通过自研推理引擎和异构算力调度系统，将不同模型、不同硬件资源进行统一管理，再以标准化 Token 服务形式输出给开发者和企业。

如果把模型看作汽车发动机，把 GPU 看作燃料，那么硅基流动更像是一套调度系统。它并不会决定发动机本身的性能，却决定不同发动机、不同动力系统能否高效协同工作。

相比云厂商依托自身云资源和模型生态，硅基流动不绑定单一技术路线，可以同时连接不同模型和不同算力资源。

在 AI 生态快速变化的阶段，这种兼容能力成为它争取市场的重要方式，也已经跑出了市场验证。

按 2025 年全年 Token 吞吐量计算，硅基流动位列国内行业第四，市场份额 1.5%，前三名均为阿里云、火山引擎、百度智能云这类自带算力与模型的云厂商，它是唯一挤进第一梯队的独立第三方玩家。

随着模型越来越多、底层硬件越来越多样，"连接能力"本身也已经是一种价值。硅基流动能保持多久优势还很难判断，但至少目前，它抓住了这一轮产业分工变化带来的窗口期。

三、高增长之后，这门生意到底能不能赚钱？

如果只看增长，硅基流动几乎踩中了过去两年来 AI 最火热的窗口期。但翻开招股书，另一组数字同样醒目。

2025 年，硅基流动收入达到 5533 万元，但营业成本达到 6863 万元，整体毛利率为 -24%；全年净亏损扩大至 3.45 亿元。

亏损背后的核心压力来自算力成本。为了支撑万亿级的 Token 吞吐，公司需要持续向第三方采购海量算力资源。

另一边是高强度的研发投入，2025 年研发费用 2.09 亿元，所有核心技术均为自主研发，没有外购底层技术，11 项授权专利、34 项在审专利全部自持。两重成本叠加下，公司 2023 年净亏损 1222 万元，2024 年亏损 8191 万元，2025 年净亏损扩大至 3.45 亿元，经营活动现金流持续大额净流出，单月现金消耗约 1480 万元。

这也是 AI 基础设施公司普遍面临的一道难题。

模型公司希望通过更强的模型能力建立壁垒，云厂商依靠已有的算力和客户资源扩大规模，而像硅基流动这样的独立平台，则需要同时证明两件事：一是自己的技术确实能够降低推理成本，二是这种成本优势足以覆盖持续采购算力带来的压力。

管理层对此给出的答案，是「规模效应」。随着平台上的推理请求越来越多，GPU 利用率不断提升，单位 Token 的成本有机会持续下降，毛利率也有望逐步改善。这也是云计算行业曾经走过的一条路径——前期依靠高投入快速扩张，后期随着规模扩大，盈利能力逐渐释放。

不过，算力供应链端，海外芯片管制带来的供给波动始终存在，尽管平台已经布局了多元算力资源，但算力采购成本一旦上涨，很难同步向下游大客户传导，利润空间容易被挤压；行业竞争端，云厂商、各类 MaaS 平台都在加码推理服务，新玩家不断涌入，价格竞争会是长期常态。

但毕竟英伟达、昇腾、摩尔线程这些不同架构的芯片会长期并存，不可能很快统一成一种标准；企业那边要做 AI 智能体、多模态应用、复杂的自动化流程，需求只会越来越多。这种能同时对接芯片方、模型方、应用方的中立平台，很难被某一家大厂的封闭生态彻底吃掉。

总之，短期来看，高昂的算力成本与持续亏损，是高速扩张阶段难以避免的代价；但千万级开发者生态、跨芯片的技术壁垒，以及政企双线并行的商业结构，已经构成其相对稳固的护城河。

硅基流动此次递表港交所，也为 AI 行业提供了一个新的参照系：AI 行业并不是只有做模型、卖算力才能上市，连接模型和算力的中间层，也有机会长出来。

随着全行业推理需求持续释放，标准化的 Token 供给与调度能力，或许会像十年前的云服务器一样，逐渐成为所有 AI 应用默认依赖的底层底座。

7月2日，快手在港交所发布公告，旗下可灵AI业务主体北京可灵完成新一轮增资，初始融资金额约138亿元人民币（约20亿美元），同步签约 15 家额外投资方追加 52.24 亿元，认购总上限锁定 204.47 亿元（约 30 亿美元），对应交易前估值 150 亿美元；按照融资对应 16.67% 稀释股权测算，本次全部资金到位后，可灵投后估值将达到 180 亿美元。融资完成后，快手仍持有北京可灵约 68.33% 股权，保持控股地位，可灵财报持续并入集团。

伴随增资同步落地的，还有可灵业务的资产重组、独立的员工股权激励计划、同股不同权的治理架构，以及明确的长期上市预期。

对快手而言，这是一次清晰的战略分拆——把原本内嵌在主站体系里的AI视频生成业务，推到了独立面对市场、独立融资、独立估值的赛道上。对整个AI视频生成行业来说，一笔30亿美元量级的融资落地，也直接拉高了赛道的竞争门槛。

150亿美元估值的底气：从内部项目到独立公司的跨越

150 亿美元投前、180 亿美元投后估值，放在全球AI视频生成赛道里，也已经属于第一梯队。

180 亿美元的投后估值，已相当于快手当前总市值的 75%-78%—— 这也是 5 月市场热议的 “估值倒挂” ：成熟短视频主业增长放缓，市销率仅 1.5 倍；而高增长的 AI 业务享有数十倍的成长溢价。

两套完全不同的估值体系天然割裂，分拆独立融资，几乎是释放这块资产价值的唯一路径。

这个估值的支撑，首先来自可灵已经跑通的商业化基本盘。

公告披露的数据显示，假设重组完成，2025年北京可灵全年收入约11亿元人民币。增长曲线在下半年抬升：2025 年 12 月单月收入已突破 2000 万美元，对应年化收入 2.4 亿美元；到 2026 年 3 月，年化收入运行率直接跃升至 5 亿美元，半年时间增长超 108%。

目前可灵的收入来自两部分：面向C端用户的付费订阅会员，以及面向企业客户的API服务。两条路径并行，既靠C端验证产品的普适性，又靠B端打开商业化的天花板，这和多数只做单一路径的AI视频公司形成了差异。

但高速增长的另一面，是持续大额投入带来的亏损压力。

2024 年可灵净亏损 5 亿元，2025 年亏损扩大至 19 亿元；截至 2025 年末，公司总资产仅 2.44 亿元，总负债 2.53 亿元，净资产为负 900 万元，处于资不抵债状态。

算力采购、研发团队扩张、全球化市场推广，每一项都是刚性的大额支出，长期依赖集团输血难以为继 —— 这也是快手必须推动其独立融资的核心现实原因。

而支撑这份估值的，还有财务报表里看不到的团队沉淀与路线判断力。

如今估值百亿的可灵，起步于快手内部的「资源钣金时代」：1.0 版本研发阶段，团队拿不到足量英伟达高端算力卡，只能靠公司存量的 AMD 及其他厂商芯片拼凑配置，在非主流硬件环境里跑通了 DiT 架构。

今年4月，在极客公园创始人张鹏与快手高级副总裁兼可灵 AI 事业部总负责人盖坤的对谈中，后者曾谈到，在2024 年 Sora Demo 惊艳全球时，行业普遍观望硅谷巨头的节奏，他们团队却做出了反常识的判断：OpenAI 核心资源会优先回调语言模型，视频产品化将留出半年以上空窗期。团队果断全线放弃原有路线，All-in DiT 架构，最终抢下全球首个用户可用的 DiT 视频大模型。

这种「敢不敢先于能不能」的决策能力，也是大模型时代最核心的资产。

传统互联网靠 AB 测试、多路线赛马的低成本试错逻辑已经失效 —— 单次大模型训练成本千万美元起步，试错代价极高，竞争本质是领军人物的技术愿景与路线判断的比拼。资本愿意为 150 亿美元估值买单，买的不只是当下的收入规模，更是这支队伍在资源受限下打硬仗、在迷雾中押对方向的能力。

过去可灵是快手内部的技术业务单元，收入和成本都藏在集团大盘里，市场很难单独评估其价值。如果始终留在快手，哪怕未来可灵年化收入冲到 13 亿美元，套用快手 1.5 倍的市销率，估值也仅 19.5 亿美元，技术壁垒、全球化潜力和长期产业价值，都会被成熟业务的估值天花板完全稀释。

这次分拆融资，本质是给AI业务一套独立的估值逻辑。

快手主站的核心是内容社区，收入靠广告、电商、直播，市场给的是互联网平台的估值体系；而可灵是AI技术公司，靠模型能力和技术服务变现，增长曲线和盈利节奏完全不同。分开之后，可灵能拿到更匹配AI赛道的估值，也能吸引专门投向硬科技、AI领域的资本，不用再被母公司的业务增速和利润预期绑定。

支撑估值的另一层逻辑，是独立之后的人才激励机制。

公告显示，可灵配套了合计占股15%的股份参与计划，覆盖股权激励、持股计划和购股权计划，其中首次授出的股权就有约7.45%，CEO盖坤个人获得3%的股权激励，董事长程一笑获得1%。

对AI公司来说，核心技术团队和人才的稳定性，直接决定了产品的迭代速度和技术上限。在快手母公司的体系里，子业务很难拿出这么大比例的股权做激励；独立之后，可灵有了自己的股权池，能用更市场化的方式吸引和保留AI人才，这在当下人才竞争激烈的大模型行业里，是非常实际的竞争力。

从投资方阵容也能看出市场对这笔交易的认可，合计 30 余家机构入局，BAT 同时下注：腾讯两大主体合计持股 1.12%，阿里云 0.87%，百度 0.22%；除此之外还有上海国方、北京人工智能产业基金等数十支地方国资，CPE、中信金石、红杉等一线 PE，以及华策等文娱产业资本集体入场。

大厂集体下场，说明AI视频生成已经从边缘的技术探索，变成了确定性的产业方向，大家都不想错过头部玩家。而国资的密集进入，则意味着这条赛道符合技术自主、产业升级的长期方向。

值得注意的是可灵的治理架构设计。根据股东协议，CEO盖坤持有的股份最多可享受十倍投票权，上限对应4%的股权。这种同股不同权的安排，在AI创业公司里非常典型——把更多决策权交给技术负责人，保证技术路线的连续性和稳定性，避免短期资本诉求干扰长期研发投入。对技术驱动的公司来说，这比短期的估值数字更重要。

整体看，150亿美元的估值，买的不只是可灵当下的技术和收入，更是它作为独立公司之后的增长空间。快手通过分拆，把一个内部的成本中心，变成了有独立融资能力、独立激励机制、独立估值体系的价值主体，自己保留控股权享受增长收益，同时把研发投入的压力和风险分担给了市场。

30亿美元弹药在手，AI视频的下半场拼什么

可灵这笔最高 30 亿美元的增资，直接把整个赛道的融资天花板拉高了整整一个数量级。

2026 年上半年，全球 AI 视频赛道的融资热度持续走高，但头部玩家的单轮融资规模基本都集中在 2 亿 - 3 亿美元区间。

海外市场，Runway 在 2 月完成 3.15 亿美元 E 轮融资，投后估值 53 亿美元，是此前全球纯 AI 视频公司的单笔融资纪录；主打企业级数字人的英国公司 Synthesia1 月完成 2 亿美元 E 轮，估值 40 亿美元；初创公司 Pika 同期完成 8000 万美元 B 轮，累计融资 1.35 亿美元。国内市场，爱诗科技（PixVerse）3 月拿下 3 亿美元 C 轮；演语科技（原 Liblib）6 月完成近 3 亿美元 B + 轮，投后估值超 20 亿美元。

可灵这笔融资，差不多等于 Runway、Synthesia、爱诗科技三家头部公司单轮融资的总和。对应的 150 亿美元投前估值，也远超 Runway 的 53 亿美元、Synthesia 的 40 亿美元，直接站上了全球 AI 视频公司的估值顶端。

前两年，资本还在分散押注不同技术路线的初创团队，赌的是 “谁能做出好用的模型”；到 2026 年，资本已经开始明确向头部集中，重仓那些已经跑通商业化、有潜力长成独立产业巨头的玩家。

这 30 亿美元资金的投向也非常明确：官方给出的用途是业务拓展、日常运营、团队发展，拆解下来核心就两件事：持续砸底层模型迭代，以及加速全场景的商业化落地。

在AI视频生成行业，两年前大家比的是谁能生成更长的视频、谁的画面更连贯；现在行业的共识是，竞争的核心已经转向推理成本、生成效率和场景适配能力，也就是能不能用更低的成本，批量生成符合行业标准的视频内容，真正落地到广告、短剧、电商、影视这些真实的生产场景里。

可灵目前的优势，在于有快手生态的场景打底。

快手本身是国内最大的短视频和短剧平台之一，对视频内容的需求天然存在，可灵的模型可以在内部先完成验证，再对外输出。比如短剧制作、电商商品视频、创作者工具这些场景，快手内部就是大客户，这给可灵的商业化提供了基本盘。但独立之后，可灵需要证明自己的增长不只是靠母公司输血，而是能在更广泛的行业客户里拿到订单。

接下来的几年，会是AI视频生成技术快速渗透产业的阶段。

广告行业已经开始用AI批量制作素材，短剧行业用AI降低制作成本，电商行业用AI生成商品展示视频，这些都是已经跑通的付费场景。但更深的渗透，比如影视级别的内容生成、工业级的3D视频生成，还需要模型能力持续突破。30亿美元的资金，足够支撑可灵在算法、算力、数据上做长期投入，不用太担心短期的盈利压力，这是很多中小团队不具备的优势。

公告里的回购条款，也给出了明确的时间预期：如果可灵在最迟付款日起5年内（也就是2031年10月前）没能完成IPO，投资者有权要求回购，回购利率为年化8%。这个时间线相当于给了可灵一个5年的上市窗口，资本有明确的退出预期，也倒逼团队在这段时间里把规模做上去，把商业模型跑顺。目前全球范围内还没有纯AI视频生成公司上市，可灵如果能在这个周期里跑出来，很可能成为全球AI视频第一股。

另外一个细节，是快手给出的不竞争承诺：重组完成后5年内，除了可灵之外，快手不会再做其他视频生成模型业务。这相当于快手把所有AI视频的筹码都压在了可灵身上，没有留后手。对可灵来说，这是全力支持，也是沉甸甸的压力——整个快手的AI视频战略成败，都系于这一家公司身上。

可灵的独立融资，也是国内生成式AI发展的一个典型缩影：技术从大厂内部的附属能力，走向独立的商业主体；竞争从比技术概念，进入比商业化、比规模化的实打实战。

盖坤曾对极客公园谈到，AI 视频的演进会经历三个阶段：先做工具提升生产效率，再实现内容的规模化量产，最终会催生出全新的 AI 内容平台 —— 当创作门槛被彻底拉平，内容供给极大丰富，游戏与影视的边界会逐渐模糊，个性化、可交互的内容形态，会重构人与内容的关系。

不过，拿到 30 亿美元弹药、锁定快手生态的独家支持，也不意味着可灵可以高枕无忧。

毕竟字节跳动旗下的 Seedance，已经在商业化规模、市场份额上跑出了显著的领先身位。此前有报道称Seedance 2.0 单月营收已突破 10 亿元人民币，对应年化收入（ARR）约 20 亿美元，毛利率约 70%；市场份额层面，按日均算力消耗占比测算，Seedance 已占据国内 AI 视频生成市场超 80% 的份额，在短剧行业的渗透率接近 95%；全球市场份额位列第二，仅次于谷歌 Veo 系列，且海外调用量已接近总用量的一半。

对比来看，可灵的优势更多集中在全球化收入占比、独立资本平台，以及对长期技术路线的自主把控；但在国内本土市场，无论是用户规模、商业化体量还是产业渗透率，都和 Seedance 存在明显差距。即便有快手的短剧、电商场景打底，可灵面对的是字节全产品矩阵的生态合围，本土市场的竞争压力依然紧张。

这笔融资落定之时，也是全球 AI 视频赛道全面升级竞争的开始。接下来的几年，AI视频会不会真正成为一个能养活自己的大产业，甚至最终催生出全新的内容生态，可灵的发展会是一个很重要的观察样本。

前段时间，我们报道过一款叫 MuteVox S1 的 AI 静音面罩，它利用物理隔音结构配合耳语级语音识别，让用户即使身处办公室、咖啡馆等公共场景，也能放心对着 AI 说话，不用担心"自言自语"的尴尬，也不用顾虑谈话内容被旁人听见。

稿子发布后，有读者提到一个感受：语音交互想真正普及，效率只是第一步，更重要的是让人敢在人前使用。最近，海外又出现了一款瞄准同一需求的新产品，不过它把这件事做得更细致。

初创公司 Oasis 推出的 OASIS 1 Ring，把私密语音入口直接戴到了手指上。只需把戒指靠近嘴边轻声耳语，戒指上的定向麦克风便会采集声音，再配合集成的 Wispr Flow 语音转写能力，实现近乎实时的文字输入。同时，戒指内部还集成了一块 2D 触控板，可以完成点击、滑动等简单操作，让用户几乎不用再碰键盘和鼠标。

一款是静音面罩，一款是智能戒指，两种不同的硬件形态，同时瞄准了同一个场景：让人与 AI 的语音交互变得足够自然、足够私密，也足够高频。

相比讨论为什么又出现了一款 AI 戒指，一个更值得关注的问题是：为什么最近开始出现越来越多这样的 AI 硬件？如果把视角从产品再往后退一步，就会发现，真正发生变化的是支撑这些产品的语音模型。

一、把输入终端戴在指尖

在智能戒指几乎等同于健康监测设备的今天，Oasis Devices 走了一条反共识的路。

这家迈阿密初创公司的创始人 Ricky Rosa，拥有乔治亚理工大学的物理学和计算机科学背景，早年曾在运通、万事达担任软件研发工程师，还在母校教过线性代数。大约五年前，他开始悄悄研发智能戒指，彼时整个赛道都在跟着 Oura 卷心率、血氧、睡眠监测，很少有人相信这个品类能跳出健康数据采集的框架。

五年时间里，Ricky 带着分布在全球的远程团队迭代了无数原型，最终拿出的 OASIS 1，舍弃了主流智能戒指的健康传感器阵列，把硬件空间留给了交互能力。它的定位从 “身体数据采集终端”，变成了一套戴在指尖的随身输入与控制设备。

产品的核心能力落在两个维度。

其一为触控：戒指表面搭载了电容式触摸+光学追踪的2D触控板，支持点击、滑动、滚动与自定义快捷键，无需拿出键鼠或遥控器，就能直接控制手机、Mac、Vision Pro，以及Spotify、Apple Music等音乐应用。

其二为语音，也是这款产品核心的差异化所在。戒指内置带隔音设计的麦克风，官方将 Wispr Flow 列为首位特色集成能力，主打私密低语识别场景。用户只需把戴戒指的手抬到嘴边，用近乎耳语的音量说话，语音数据就会交给 Wispr Flow 处理，直接转成文本。

和同赛道偏向手机端灵感记录的产品不同，OASIS 1 从一开始就锚定 PC 办公场景，主打全局实时输入 —— 转写的文字会直接落在电脑当前光标处，写代码、文档、聊天框均可无差别使用，还专门针对程序员群体优化了代码术语、编程短句的识别效果。触控手势也围绕文本编辑做了专门设计，滑动即可完成删除、撤回、光标跳转、换行等操作，整套输入编辑流程不用触碰键鼠。

从目前的功能定位来看，它显然还取代不了键盘，更多是作为桌面与移动场景之外的补充输入方案，解决那些不方便掏出设备、也不方便大声说话的细碎场景。

和很多先拿融资再做产品的硬件初创不同，Oasis Devices 早期仅靠创始人自有资金与小额天使投资启动，没有公开的大额机构融资记录，选择以预售回款的方式支撑量产。

目前这款产品售价 289 美元，预计 2026 年圣诞节发货，据官方披露，首批预售已接近售罄。

16 小时的单日续航放在智能戒指赛道里并不算突出，但对一款主打工作时段使用的输入设备来说，刚好覆盖了典型的办公时长。真正特殊的地方在于，它把“完整的输入能力”浓缩到了戒指这样的穿戴形态里，让指尖从操作工具的部位，变成了操作本身的入口。而这样的产品路径之所以能在今天走到量产阶段，核心支撑并不在硬件工艺本身。

二、语音模型成熟，硬件长出新场景

语音转文字并不是什么新鲜功能，从手机到无线耳机，几乎所有带麦克风的消费电子设备都能实现。但“低语输入”始终没能成为主流交互，甚至很少被当作核心功能来做。

过去的限制很现实：早年以Whisper为代表的主流语音模型，在低音量、复杂环境噪音下的识别精度落差明显，要实现稳定的低语转写，要么依赖更高的云端算力成本，要么需要贴近麦克风的理想使用环境。这也决定了语音输入大多只能停留在耳机、手机等近距离形态里，无法进一步轻量化、随身化，更不用说塞进戒指这样的微型设备。

变化集中发生在最近一年。作为 OASIS 1 的独家语音技术合作方，Wispr AI 正是这一轮语音能力迭代的代表厂商。

这家 2021 年成立于旧金山的公司，累计已完成 8100 万美元融资，核心技术就是低音量耳语识别与 PC 全局流式语音输入。不同于通用语音模型，Wispr Flow 专门针对办公场景做了深度优化：据其内部测试，低语识别错误率不到 Whisper 的三分之一，能精准识别编程术语、专业长句，支持边说边出字的流式转写，速度可达每分钟 220 词，同时支持自动去除语气词、修正语法、调整行文格式。

更关键的是，模型的部署成本与算力门槛持续下探。原本需要高算力才能实现的高精准私密语音识别，现在可以在低功耗的穿戴设备上获得流畅可用的体验。

这直接给硬件创新松了绑。当“小声说话就能精准输入”不再是高成本的技术卖点，而是成为一项成熟的基础能力，创业团队就可以围绕这个能力重新设计产品：既然不用大声说话，麦克风就不必放在嘴边；既然随时可以输入，设备就可以做得更小巧，戴在指尖也能覆盖绝大多数使用场景。

也正是因为有了成熟的第三方语音能力输出，创业团队不需要从零搭建语音模型，才能以极轻的资产模式切入硬件赛道。

对 OASIS 1 来说，触控板是交互的补充，成熟的语音模型才是整个产品成立的核心前提。没有模型能力的突破，这样的产品形态甚至不会出现在创业者的备选方案里。

三、AI硬件的创新逻辑，正在反转

在很长一段时间里，AI硬件的创业路径都是“先定形态，再填功能”。

团队先选定戒指、眼镜、吊坠这类硬件载体，再把健康监测、语音助手、AI翻译等能力逐个装进去，本质上是用硬件形态去适配已有的AI能力。产品的竞争力，往往更多取决于工业设计、续航水平与硬件参数。

但随着基础模型的能力边界快速拓展，这套逻辑正在发生反转。

现在更清晰的路径是：先出现了某项成熟的模型能力，再顺着这项能力的特性，去寻找最合适的硬件形态与交互场景。

低语语音识别成熟了，就有了主打私密输入的智能戒指；端侧视觉理解落地了，就有了主打实时信息增强的智能眼镜。模型不再只是硬件背后的API供应商，而是开始成为产品定义的起点，从交互方式到形态设计，都围绕模型的能力边界展开。

这种变化带来的直接影响是，AI硬件的竞争重心正在迁移。过去比拼的是谁能做出更精致的硬件、更长的续航，未来比拼的会是谁能更精准地把模型能力转化为场景体验，谁能和底层模型形成更深的绑定。硬件本身依然是体验的基础，但它会越来越多地成为模型能力的“实体出口”，而非产品的核心壁垒。

OASIS 1只是这波趋势里的一个小切口。随着语音、视觉、端侧模型的持续迭代，会有更多过去被认为“不实用”“没必要”的硬件形态被重新验证。AI硬件的创新，正在从“为AI找一个硬件外壳”，进入“跟着模型做产品”的新阶段。

它所代表的产业逻辑已经足够清晰——当模型能力开始定义终端，AI硬件的想象力，才重新被打开。

但红利人人可得，不等于企业都接得住。

当一家公司想把这种能力从个体投射到整个组织，往往会先撞上一个反常识的事实。在今年的火山引擎 Force 大会上，字节跳动技术副总裁洪定坤分享了一组来自 TRAE 团队的内部数据：作为一个本身就在做 AI Coding 工具、又激进地使用的团队，过去半年里，TRAE 超过 90% 的代码是由 AI 写出的。与此同时，团队的人均需求吞吐率提升了 60%。

AI 写代码速度和效率提升倍率的对比丨来自：Force 2026

这个数字看上去有些反常识：AI 写代码的速度起码是人的十倍以上，当九成代码都由 AI 产出，效率的提升理应是几倍，好像不该停在六成。

这恰恰是今天大多数团队在 AI 落地上遇到的现实。这也说明，AI Coding 进入企业，从来不是「我用了 AI」「我用 AI 生成了多少代码」这么简单。先进企业之所以能把数字化走得足够深，靠的从来不是更早地用上某个工具，而是更彻底地把一项新技术沉淀成组织自己的能力。

在 AI Coding 这件事上，企业到底该怎么把技术进步，真正变成自己的生产力？字节用一线实践，给出了一份没有标准答案、但足够详实的样本。

一、从字节的实践，看 AI Coding 落地的真实挑战

过去一年，字节的 AI 代码贡献率与 AI Coding 上的 Token 消耗增长了五六倍甚至更多，且仍在高速攀升，AI Coding 已经深度嵌入日常研发。但字节并没有把这些数字当成成绩——恰恰相反，正因为用得足够深，他们才比大多数公司更早地看到了其中的问题。

首先是各种「指标」造成的错觉。在推动 AI 落地的过程里，大部分团队很自然会盯住直观数字：AI 代码贡献率、采纳率、生成代码量。可一旦把这些数字和真实产出放在一起，前面那组「90% 对 1.6 倍」的反差就浮了出来——过度看重单一的代码贡献率，反而让团队没找到全局优化的方法。

「我用了多少 AI」、「我用 AI 生成了多少代码」，盯着单一指标蒙眼向前跑，以为是在狂奔，实际可能只是把「摆臂」这个动作做得更快。

比「过度盯指标」更麻烦的，是 Vibe Coding 自身的局限性。「Vibe Coding」在过去一两年很火，这种「有想法就让 AI 生成一版、跑通再说」的轻量开发方式，刚开始会很没写过代码的人上瘾。但真实世界里的开发，Coding 只是其中一部分，企业要的是长期稳定、可维护、可运营。

Vibe Coding 的问题不是写不出代码，而在于它容易只盯着眼前这段代码「对不对、能不能跑」。但容易忽略两件真实环境里很关键的事：一是「防御性编程」，也就是提前替意外情况做好准备，比如用户填了不该填的内容、传进来的数据是空的，程序能不能处理好这些情况；二是「异常处理」，当系统真的出错时，比如文件读不到、网络连不上，代码得有预案，能友好提示或安全退回，而不是当场崩溃。

这些 AI 都容易悄悄省掉，因为省掉之后Demo照样跑得通，但这和能真正上线还差得远。

TRAE 团队做了个实验：选三个主流 Coding 模型和三个主流 Agent 框架两两组合，用一个真实的中等复杂度需求、相同的 Prompt 各跑 100 次。只看「功能是否基本正确」，所有组合的正确率都超过 80%；可一旦看 UI 易用性、可靠性、可维护性、性能、兼容性这些维度，分数就断崖式下跌，组合之间还表现出极强的随机性。

增加 Harness 后，可交付性大幅提高丨来自：Force 2026

Harness 是解决这个问题的钥匙。但一个很常见的误区是：很多人一提 Harness 就把它等同于其中的 Agent 框架，扎进「Single 还是 Multi Agent、配哪些角色和工具」的讨论里。但在真实业务中，决定 AI 能否落地的，还有大量更基础、更工程化的东西。

更准确的理解，是把 Harness 当成「基建」——上下文工程、架构约束、团队知识是否沉淀进 Memory，它不是白板上画出的顶层框架，而是在真实业务里反复迭代跑出来的工程实践。

当 TRAE 团队把这些基建结合进去重跑那个实验，「可交付性」明显提升，从原本只有四五十分、勉强可用甚至不及格的程度，普遍被拉到了 80 分。换句话说，不把基建和 Harness 做扎实，Vibe Coding 看着快，实际未必快，甚至更慢。

解决了目标的对齐，解决了工程层面的问题，最后留给团队的挑战是：协作。AI 把写代码的门槛大幅拉低后，产品、设计、运营都能把想法直接变成代码。洪定坤透露，字节内部就发生过这样的一幕：一位产品同学拿着自己用 Vibe Coding 做出来的需求来找研发，页面能看、流程能跑，她不理解为什么还要排期几天、为什么不能直接给她仓库权限自己上线。

显然，代码生成的门槛降了，系统复杂度却没降。从团队协作的角度，这里的两难在于：一方面不能因为「不是工程师写的」就一概否定——让更多角色直接把想法变成代码，沟通更直接、验证更快；另一方面也不能「谁写出来谁就上线」，因为代码要放进既有架构、和已有模块配合。真正的挑战，是让更多人更合理地参与代码生产，同时让这些产出汇入统一的架构、规范与交付流程。

把这些挑战连在一起可以发现，字节对 AI Coding 的关注点，其实已经从「用了多少 AI」悄悄挪到了三件更本质的事情上：找到更合理的指标，去衡量 AI 是否真的全局提升了交付效率；用更稳健的方式，让 Vibe Coding 走向真正的软件工程，处理好技术债；以及，围绕 AI Coding，让软件开发上下游的各种角色更好地协作。指标、治理、协作——这不只是字节的课题，也是行业里大多数公司正在共同面对的挑战。

二、想要用好 AI Coding 的企业，该怎么做

意识到这些问题之后，字节这一年也在摸索对策。它趟出来的经验，大致可以归结为三个层层递进的转变——从怎么开始，到怎么贯通，再到怎么让整个组织都接得住。

转变从研发的最前端发生。过去的研发习惯是文档驱动：产品先写 PRD，设计再画图，研发再写技术方案，最后才上线。问题是，文档里读着合理的东西，真做出来往往分歧很大。AI 的改变，是让团队能低成本地先做出一个能看、能交互的原型，团队直接围着它讨论和体验。

一个很典型的环节是「设计图变代码」。传统流程里，设计师画好视觉稿，还得由前端工程师照着一行行还原成代码——洪定坤举例，去年他做一个小应用，前端同学有六成时间都耗在这道「还原」工序上。而 AI Coding 让这一步可以被压缩：未来设计师产出设计稿时，对应的前端代码就能同步生成，省去大量重复的人工还原。

但原型只是起点。要真正进入企业级研发，还得把共识沉淀成可复现、可验证、可维护的流程——字节给这套做法起了个名字，叫「系统化的 AI Development」。简单来说就是：AI 不该只在「写代码」这一段发力，而要进入研发的各个流程。

现实中常见的尴尬是——Coding 用了 AI，后面大量工作还是传统流程、靠人介入。字节的探索，是让 AI 基于当前 Context 编写 Spec，功能实现后通过「Browser Use」自动打开浏览器验证、自动修复 Bug，确认无误后自动提交、协助上线，让 AI 在全流程里发挥作用。

最后一层也是最容易被忽视的一层，是组织。早期的 AI Coding，效果往往依赖少数高水平个体——会写 Prompt、懂上下文管理、知道怎么拆解任务和验证结果的人，效率提升很高。但对组织而言，重要的不是个体多强，而是怎么把团队整体能力提上来，让散落在个人手里的实践沉淀成组织的标准、工具与技能。

字节的做法，是把原型驱动开发、系统化 AI Development 这些经验文档化甚至产品化，直接沉淀进 TRAE 这样的工具，开放给所有工程师共创。一个数字是：过去一年 TRAE 的 Token 日均消耗量达到 5.6 万亿，同比增长 50 倍。

中国银河证券丨来自：火山引擎

这套从挑战中长出来的方法论，并不只在字节成立，今天已经有企业使用这套方法论实现了业务提效。

最有代表性的是中国银河证券。作为国内较早推进 AI Coding 工程化落地的金融机构，它的做法，是引入 TRAE 并系统性推行 SDD（规格驱动开发），让 AI 嵌入从需求到实现的全流程，而非停在单点补全。

变革取得了显著的成果：研发需求的整体交付周期缩短了三分之一到二分之一，AI 代码采纳率最高可达 87%，前端 UI 还原度稳定在 90% 以上。落到具体项目，一个 Oracle 数据库迁移项目，过去整体交付要约 5 天，在 AI 介入下压缩到 2.5 天，代码采纳率达 95%；一个原本评估需 3.5 人天的基金管理人系统模块，在 SDD 模式下 1 人天就完成了。AI 改变的不是某个程序员敲键盘的速度，而是整个交付链条的运转方式。

亚信科技和尚博信科技则从规模与深度两个侧面做了印证。

前者拥有数万名研发工程师、数千个并行项目，它用三个月时间走完了「种子团队试点—标杆扩散—全员普及」三步，把 AI 研发能力铺到了数千名研发身上，关键动作是把企业自己的代码、文档、历史决策私有化沉淀，让 AI「懂亚信、懂内部 SDK」。

后者在一个大型供应链平台项目里，把原计划 18 个月、80 人的交付，压缩到 10 个月、50 人，70% 以上的业务代码由 AI 生成并实现零缺陷上线；与此同时，开发者的角色也从单纯的 code writer，转向 Reviewer、Architect 和 Problem-Solver。

三、从 AI Coding 到 AI Productivity

「企业怎么用好 AI」正在变成一个比 Coding 本身大得多的命题，今天一个判断逐渐成为共识：这场竞赛，拼的早已不只是模型。

火山引擎总裁谭待在 Force 大会接受采访时谈到，企业最终要解决的，从来不是「我要一个好模型」或「我要一个好 API」，而是「这一整套 AI 怎么在我的企业环境里落地，解决我具体的业务问题」。要做到这一点，需要的东西甚至超出了模型，也超出了 Harness——你要和企业的各种系统打通、和数据打通，要让 Agent 能在企业里真实地运行和操作，还要做好安全、做好 Agent 的身份鉴权，满足监管与合规的要求。这是一个比「模型能力」大得多的范畴。

这与海外巨头的判断一致。OpenAI 在推出面向团队的 Workspace Agents 时表示：竞争的关键，越来越不在于谁有最聪明的独立模型，而在于谁能把私有上下文、检索、工具、治理与协作组合得最好。换句话说，当模型能力本身逐渐拉平，真正决定 AI 能不能在企业里跑起来的，是模型之外那一整套落地工程。

谭待还提到一个前提：让 AI 真正走进生产，靠的是模型跨过了「生产力质变点」。他观察到，在视频生成模型成熟前，调用峰值出现在周末，说明大家更多是在休闲时拿它当玩具；而当模型真正可用之后，工作日的负载反而远超周末——人们开始在办公、在生产里用它。

Coding 同理：真正的生产级，是代码能跑通测试、能真实上线、能承担核心系统，而不是写几个能演示的 Demo。他给行业进度打的分数也很清醒——如果说去年整个行业跑了 500 米，今年也不过一公里多一点，但这一公里关键，因为它跨过了生产的质变点。

而这一程一旦跨过，AI 能做的事就不会停在代码上。

这也是 TRAE 想回答的问题。当它的用户从工程师扩展到产品、运营、市场甚至学生，AI 的价值就不再被「写代码」框住，而是进入更广义的真实工作——这是 TRAE 推出 Work、并与火山引擎一起把这部分能力集成进企业版的背景。从 AI Coding 到 AI Productivity，TRAE 想做的，不再只是一个面向工程师的编程工具，而是同时承接 Coding 与 Work：既为企业里的个人提效，也为组织整体的效率负责。

TRAE Work丨来自：TRAE

这条从「写代码」延伸到「做工作」的路，恰恰是全球第一梯队的 AI 玩家正在探索的方向。OpenAI 把 Codex 从一个写代码的工具，明确重新定义为覆盖调试、部署、写 PRD、改文案、用户研究乃至做幻灯片、分析表格的通用 agent，称其为「迈向通用 agent 的一步」；Anthropic 也从 Claude Code 延伸出面向更广泛知识工作的 Claude Cowork。三家公司、三条产品线，指向的是同一个方向——AI 的下一站，是从「辅助人写代码」走向「替人完成工作」。

就像洪定坤在演讲中提到的「设计图变代码」流程，在今天的TRAE Work里完全能够一站式实现。你可以直接用「Work」功能以自然语言生成设计方案，在「Design」模式的画布中继续修改，并切换到「Code」模式衔接现有设计规范和开发流程。

洪定坤在演讲结尾说，AI Coding 和 AI Working 都还是很早期的命题。早期意味着远未尘埃落定，但跨过质变点，意味着这件事第一次真正可被度量、可被信赖、可被规模化地复制到不同行业。

它指向的不再是「AI 能不能写代码」这个已经被回答的问题，而是一个更大的命题：当 AI 能稳定地走进企业、走进真实工作现场，它对应的，将是一个远比「工具」辽阔的市场。

连续融资当然是一个重要信号。但这一轮更值得关注的，不只是金额，还有投资方的构成。

在新一轮融资里，产业资本的存在感进一步增强：包括吉利资本等头部产业方，四三九九、贪玩游戏、巨人网络等游戏厂商，某知名互联网战投都参与其中。此外还有亦庄国投、基石资本、毅达资本、成都科创投、复星创富、华控基金、锡创投、慕华科创、策源资本等一线投资机构及地方产业基金联合参投，老股东渶策资本、元生资本继续追投。

汽车、游戏、互联网、地方产业基金同时出现，并不是偶然。对这些产业方来说，AI 3D 大模型和世界模型正在从一个前沿技术方向，变成一项和内容生产、空间计算、工业设计、智能制造相关的底层能力。

过去两年，多模态大模型的主流叙事大多围绕文本、图片和视频展开。相比之下，3D 生成看起来没有那么大众化，也不如图片、视频生成容易在公众中传播。但在游戏、XR、3D 打印、汽车座舱和工业设计等产业场景里，真正昂贵、稀缺、难以规模化的，往往正是可以被编辑、被交互、被放进生产流程里的 3D 资产。

这也是 VAST 试图切入的位置。

如果说 AI 视频解决的是「生成一段画面」，AI 3D 要解决的则是「生成一个可交互的数字对象」。前者更容易被用户感知，后者则是产业链里重要的生产资料。

这也解释了为什么这一轮会有更多产业资本进入。他们关注的并不只是一个 AI 生成工具，更多还在于 AI 开始理解、生产和推演三维世界之后，可能带来的内容生产、空间计算、智能制造和下一代交互平台的变化。

从生成 3D 模型，到进入生产管线

VAST 的发展路径，远远突破了一开始外界的想象空间。

公司成立于 2023 年，最早切入的是 AI 3D 大模型。这个选择看起来不如语言大模型、视频生成热闹，但对游戏、动画、XR、3D 打印、工业设计等行业来说，3D 资产一直是最昂贵、最耗时、也最难规模化的生产环节之一。

VAST 旗下核心产品 Tripo，定位就是提升 3D 内容生产效率。

一开始，AI 3D 更像一个「把图片变成立体模型」的工具。它能生成模型，但距离真正进入专业生产管线使用还有距离。很多 AI 生成的 3D 模型看起来不错，却面数很高，布线混乱，UV 难以展开，进入游戏引擎或 DCC 工具后仍需要大量人工修整。

这也是 AI 3D 过去很难真正进入产业的原因：它可以很好看，但不一定能进生产管线。而 VAST 过去几年的重点就是解决这个挑战。

今年 3 月，VAST 发布 Tripo P1.0。它可以在 2 秒内直接输出拓扑干净、可进入游戏引擎的网格模型。简单说，过去 AI 生成的是「看起来像」的模型，现在它开始尝试生成「真的能用」的模型。

VAST CTO 梁鼎在采访中提到，P 系列的重要变化在于，它不再只是生成百万面高模，而是能把面数降下来，同时尽量保持精度和布线质量。这意味着很多资产不再必须经历「高模生成—人工重拓扑—低模修整」的漫长过程，转而有机会直接作为游戏资产进入生产流程。

当然，这并不意味着 AI 3D 已经完全替代专业美术。

梁鼎也强调，不同行业对「可用」的定义并不一样。手游、PC 游戏、主机游戏、3A 游戏、三消游戏，对模型精度、布线、动画、贴图的要求差别很大。有些资产可以直接用，有些仍需要人工调整。

但变化已经很明确：AI 3D 正在从「生成效果」走向「生产工具」。

在 VAST 的能力演进里，3D 资产可以被拆成「皮、肉、骨、脑」几层：视觉效果是皮，拓扑结构是肉，绑定和动画是骨，资产自身具备行为逻辑、能与玩家和环境交互，才是脑。P1.0 主要解决的是「肉」的问题；后续迭代会继续提升四边形面、对称性、重拓扑、面数上限和布线质量。

这些能力恰恰是 AI 进入真实产业流程的关键。

落地更快的生成式 AI

今天很多 AI 应用还停留在效率工具或内容辅助阶段，真正进入产业工作流并不容易。

但 AI 3D 是一个例外，背后的逻辑很简单：3D 资产很重要，也很贵。过去高度依赖专业人员和复杂软件，生产周期长、成本高。AI 3D 如果能压缩其中一部分环节，就不是锦上添花，更能够直接改变生产效率。

游戏是最典型的场景。

对中小团队来说，AI 3D 可以弥补「创意大于产能」的问题。很多独立游戏团队不缺想法，缺的是足够多的美术资源。过去需要几十人美术团队才能填满的世界，未来可能通过 AI 3D 以更低成本搭出来。而对中大型游戏公司来说，AI 3D 也可以接入美术中台，成为不同项目组共享的生产能力。

今天在游戏领域，AI 3D 可能并不会「一键生成完整游戏」，但已经逐步嵌入已有生产流程，缩短资产制作、概念验证和宣发素材制作的周期。

在游戏之外，VAST 的落地场景也在不断拓宽。

3D 打印需要把想法变成可打印模型，XR、空间计算和 AI 眼镜需要大量能被放进真实空间的 3D 内容，汽车行业则在工业设计和座舱交互上开始与 AI 3D 结合——新能源汽车迭代速度越来越快，外观、内饰和车机体验都需要更高频地验证，AI 3D 可以帮助设计师更快看到不同方案的空间效果，也可以为车机助手、数字人、个性化 3D 内容提供更好的用户体验。

从游戏到 3D 打印，从 XR 到汽车，这些行业差异很大，但底层需求相似：它们都需要大量低成本、高质量、可编辑、可进入流程的 3D 内容。

这也是 AI 3D 今天能比很多 AI 应用更快落地的原因。它不仅仅是一个「更炫」的内容生成工具，更是在补工业数字化生产里长期存在的一块短板：如何低成本、高效率地把现实世界里的物体、空间和设计想法，变成数字世界里可使用的资产。

但这件事的潜力并不止于提升生产效率。

在 VAST 的判断里，3D 不是游戏美术的一个细分方向，而是物理世界更原生的表达方式。现实世界本身是三维的，视频里的二维像素，只是三维世界被压缩之后的投影。要让 AI 真正理解物理世界，只让它看图片和视频还不够，更重要的是让它理解物体的结构、空间关系、尺度和位置。

换句话说，AI 3D 生成资产的过程，某种意义上也是让 AI 理解物理世界的过程。

生成一个椅子，不只是生成一个「像椅子」的外观，而是在理解它的几何结构、部件关系和可编辑形态；生成一个房间，也不只是生成一张室内效果图，而是在理解桌子、墙面、灯光、通道之间的空间组织方式。过去，这些信息需要大量人工建模、标注和整理，几乎不可能靠人力规模化完成。

从这个角度看，VAST 过去做 3D 资产生成，并不只是为了服务今天的游戏或工业客户。它同时也在积累一套更底层的能力：把物理世界里的对象和空间，转化成 AI 可以处理、生成和推演的结构化数据。

这也是为什么 VAST 会继续往世界模型方向走的原因。

世界模型，打开的是更长期的想象力

世界模型正在成为 AI 产业里最热的关键词之一。

过去，大模型主要在回答两个问题：AI 如何理解语言，如何生成图片和视频。但随着机器人、自动驾驶、空间计算和互动娱乐继续升温，行业开始关注一个更底层的问题：AI 能不能理解一个持续运行的物理世界？

对机器人来说，它需要在真实环境中理解空间、预测动作后果，并做出决策；对自动驾驶来说，它需要在复杂道路环境里理解动态变化；对游戏和互动内容来说，它需要生成一个可以被玩家进入、操作、可多人共享的世界；对数字孪生和工业仿真来说，它需要的不只是一个静态模型，而是一个能够持续演化的系统。

这也是 VAST 开始布局世界模型的背景。VAST 从去年下半年开始探索世界模型。一方面是行业机会出现，另一方面也和公司成立之初的愿景有关——VAST 一直希望做低门槛的互动内容平台，而世界模型可能是实现这一愿景的一条路径。

但 VAST 对世界模型的理解，并不完全等同于当下更常被讨论的具身智能路线。

具身智能更关心机器人如何理解环境、做出决策，很多时候只需要处理短时间的状态变化。而 VAST 目前更明确走的是互动娱乐方向，因此它更在意三件事：实时可交互、多人同时在线，以及长时间、大空间的一致性和记忆。

简单说，一个可交互世界不能只是不断生成下一帧画面。玩家离开一个房间再回来，房间里的东西还要在；一个用户改变了环境，其他用户进入时也要能看到同样的结果。这要求系统有一套独立于画面的底层状态，而不是把所有记忆都压缩在视频帧里。

这也是 VAST 发布 Project Eden 的意义。相比不少以动作视频生成或静态 3D 场景生成为主的路线，Project Eden 更强调把底层世界状态与视觉渲染解耦：底层维护世界状态、记忆和推演，中间层把状态转化成语义或画面条件，最后再生成用户看到的视觉画面。它想解决的不是「更好的视频生成」，而是让一个生成世界真正持续运行。

而能做到这一点，也在于 VAST 过去的积累。

世界模型需要的并不只是视频数据，而是视频背后的空间结构：物体在哪里、相机如何移动、动作之后状态如何变化。VAST 过去长期做 3D 基础模型，意味着它更有机会从互联网视频中提取深度、相机位姿、几何轨迹等结构化信号；同时，也可以利用游戏引擎中天然存在的「内部状态 + 渲染输出」来生成训练数据。

正因如此，世界模型在 VAST 这里并不与具身智能画等号。它可以为具身智能提供数据和环境，比如构建机器人训练场景、生成仿真环境、提供物理一致的世界状态。但具身只是世界模型能力可服务的一个应用方向，和游戏、XR、汽车、数字孪生并列。

某种程度上，AI 3D 让 VAST 有了当前的商业化入口，而世界模型给了它更长期的技术延展空间。

从生成一个 3D 资产，到生成一组可编辑资产、搭建 3D 场景，再到生成一个可交互、可被记忆、可多人进入的世界，VAST 试图走通的是一条层层递进的技术路径。它的每一层都有对应的产业落地场景，也因此不必等到终局才产生商业价值。

这或许才是产业资本在这一轮集中进入的原因。他们下注的，不是一个 AI 工具，而是 AI 从二维内容生成走向三维世界理解、生产和推演时，可能出现的新基础设施。

曝 DeepSeek 自研 AI 芯片，面向推理任务

据外媒报道，DeepSeek 正在开发自主 AI 芯片，致力于减少对英伟达等公司芯片的依赖。据知情人士透露，DeepSeek 的自研 AI 芯片主要面向推理任务，而不是 AI 模型训练。

「该公司已与外部合作伙伴接洽，并与芯片设计、代工制造及存储芯片企业进行了讨论。」据知情人士透露，DeepSeek 自研芯片的工作大约在一年前便已启动。

对于自研 AI 芯片一事，新浪科技向 DeepSeek 方面求证，截至发稿公司暂无回应。（来源：新浪科技）

智谱辟谣撤回 A 股辅导备案

智谱在港公告，本公司注意到媒体报导，其中提及，本公司已撤回建议首次公开发行 A 股的辅导备案。本公司谨此知会股东及潜在投资者，该等报导陈述失实，所描述之事件不符合实际情况，并存在恶意炒作之嫌。

根据中国证券监督管理委员会官方网站显示，建议 A 股发行相关的辅导工作已经完成。（来源：新浪科技）

消息称亚马逊拟发债募资至少 250 亿美元，为 AI 基建「输血」

7 月 7 日消息，据彭博社报道，亚马逊计划通过发行美元债券募资至少 250 亿美元，这是该公司为大规模人工智能投资筹措资金的最新举措。

各家科技企业纷纷进军债券市场、启动股权发售，为成本高昂的人工智能基础设施建设筹集资金。亚马逊、Alphabet、微软、Meta 等头部科技企业，今年在人工智能领域的总投入预计将突破 7000 亿美元。

彭博援引知情人士消息称，此次亚马逊债券发行规模或将根据投资者认购需求上调。

这家科技巨头当日早些时候披露的监管文件显示，其申请分八批发行浮动利率与固定利率债券。

今年 3 月，亚马逊曾推出分 11 批发行的债券计划，目标募资 370 亿美元，当时认购需求超额倍数极高。（来源：IT 之家）

消息称苹果首款折叠屏 iPhone 已在量产阶段，代工龙头富士康启动大规模招工

7 月 7 日消息，据上海证券报今日报道，多方消息表明，苹果首款折叠屏 iPhone 落地进度提速。记者从产业人士处求证获悉，该款折叠屏 iPhone 已经在量产阶段。

报道还提到，代工龙头富士康率先启动大规模招工，为新机生产储备人力。

7 月 7 日，赣州富士康发布公众号招聘文章，要求招聘 18 至 50 岁员工，主要从事苹果手机精密组件的生产与加工；7 月 6 日，富士康人资发文招募临时工，招聘范围覆盖龙华 / 观澜苹果 A 事业群、龙华三赢事业群。

上海证券报称，上述业务群涉及折叠屏 iPhone 组装。（来源：IT 之家）

华为天才少年吐槽 DeepSeek 面试：流程拖沓，被面试官指控抄袭

据媒体报道，前华为天才少年李博杰在社交平台公开吐槽 DeepSeek 的面试流程。

他提及该面试流程较慢且繁琐，面试官存在态度问题，质疑他抄袭，他感到「被严重冒犯」。

据李博杰自述，笔试通过后 DeepSeek 迟迟不安排面试，拖了半个月之久。其他公司 offer 都已经下来了，经过反复催促才最终排上面试。

二面时面试官不仅迟到，态度还轻佻，对他介绍的工作毫无感知，认为他讲的问题都是研究问题，不断追问有什么工程挑战。

最让他感到被冒犯的，是面试官质疑他「抄代码」。他表示：「因为在代码面试中有两个屏幕，面试官说我不断在瞟左边的屏幕，说我在抄代码，让我停止抄代码，并说如果我不能证明我没有在抄代码，面试就无法继续下去了。」

李博杰选择了终止面试，并认为面试官的表现，与他想象中的 DeepSeek 不同。

公开资料显示，李博杰是中国科学技术大学计算机科学博士、华为首批「天才少年」计划入选者。其个人网站介绍显示，他曾在 SIGCOMM SOSP、NSDI、ATC、PLDI 等顶级会议上发表多篇论文，曾获 ACM 中国优秀博士学位论文奖和「微软学者」奖学金。目前，他正在投身大模型创业，是 Pine AI 首席科学家。（来源：快科技）

我国人形机器人今年有望破 10 万台

2026 世界人工智能大会将于 7 月 17 日至 20 日在上海举行。在今天（7 日）召开的 2026 世界人工智能大会暨人工智能全球治理高级别会议新闻发布会上，工业和信息化部有关负责人表示，当前，人工智能产业持续壮大，「人工智能+制造」日益深入，人工智能生态不断优化。

据测算，2025 年我国人工智能核心产业规模超过 1.2 万亿元。大模型、智能体、人工智能芯片加速迭代，今年人形机器人全年整机产量有望突破 10 万台。

截至目前，我国在人工智能领域已研制近 200 项关键标准，我国企业积极拥抱开源范式，大模型下载量居全球第一，AtomGit 等开源社区汇聚超 1100 万注册用户，人工智能生态不断优化。（来源：新浪新闻）

小米首款增程 SUV 或改名为澎程

近日，博主「搞机圈的那些事」发文称，小米 SKYNOMAD 寻天中文名貌似改成了澎程，谐音鹏程万里，贴合长途出行、奔赴远方的产品定位。

在此之前，已有博主放出了小米寻天 N90 的路试谍照，曝光了车辆自带车顶拓展帐篷开启后的完整形态。

从谍照来看，这套车顶帐篷展开后如同二层阁楼，内部空间目测高度超过 1.5 米，整体造型前高后低，四周配备透气纱网结构，可隔绝蚊虫。

和市面上后加装的车顶帐篷不同，这套机构与车身做了一体化融合设计，车顶本身作为帐篷顶面，仅帐篷结构会向外小幅凸起。

预计车辆内部会配备专属控制按键，依靠电动液压机构自动完成帐篷展开，驾乘人员无需下车，直接从车内就能进入上层帐篷空间。

帐篷可联动车内空调、照明与供电设备，搭配充气床垫即可实现野外露营，面向喜爱自驾、户外出行的家庭用户。

动力层面，新车有望搭载 1.5T 增程器，配备容量超 70kWh 动力电池。CLTC 纯电续航预计 400-500 公里，日常通勤可纯电代步；满油满电综合续航最高或达 1500 公里。（来源：快科技）

Momenta 搭载量突破百万

Momenta 宣布量产业务搭载规模已突破 100 万台。截至目前，Momenta 已交付超过 100 款量产车型，累计定点车型超 210 款。

IT 之家从 Momenta 官网了解到，其合作的品牌包括奔驰、宝马、奥迪、广汽丰田、红旗、奇瑞风云、上汽大众、东风日产、广汽昊铂、智己汽车等。

据介绍，Momenta 是一家来自中国的自动驾驶公司，提供不同级别的自动驾驶方案，以及衍生的大数据服务。该公司的核心技术有基于深度学习的环境感知、高精度地图和驾驶决策。

今年 6 月底，Momenta 宣布在香港联合交易所招股，计划全球发行 1993.8 万股，一成（约 199.38 万股）于香港公开发售、剩余约 1794.45 万股国际发售。（来源：IT 之家）

Nothing Phone（4b）手机发布：家族式 Glyph Bar 灯阵设计、骁龙 6 Gen 4 处理器，329 欧元起

7 月 7 日消息，在 Nothing 发布会中，Nothing Phone（4b）手机正式发布，定价为 329 欧元起。

该机厚度 8.6mm，重量 210g，提供 IP64 认证。手机正面配备一块 6.77 英寸 1080x2344 分辨率 120Hz AMOLED 面板，匹配 16MP 自拍摄像头；侧面配备 AI 按键；手机后置居左相机模组，提供 50MP 广角镜头和未公布像素的超广角镜头；相机模组旁边是家族式 Glyph Bar 灯阵设计。

规格方面，该机搭载高通骁龙 6 Gen 4 处理器，匹配 8GB RAM 和 128/256GB 存储空间，内置 5200mAh 电池（印度版为 6000mAh），搭载 Nothing OS 4.1。（来源：IT 之家）

华为首曝鸿蒙智行全新一代问界 M9 Ultimate 实车内饰：二排配旋转座椅、前排靠背有专属标识

7 月 7 日消息，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东最近前往了呼伦贝尔，开启了鸿蒙智行享界 G9 新车的预热。

在余承东预热享界 G9 的同时，华为手机官方微博也晒出了余承东的近照，同时还「泄露」了全新一代问界 M9 Ultimate 领世加长版的内饰。

从图片可以看到，全新一代问界 M9 Ultimate 配备了旋转 + 零重力座椅（安全带在座椅上），前排座椅的靠背印有 Ultimate 专属标识，同时主驾也支持折叠。

需要注意的是，虽然鸿蒙智行全新一代问界 M9 已于今年 5 月发布，但 Ultimate 领世加长版的内饰等信息未完全公开，实车目前也暂未进店。根据车主反馈，领世加长版「先行者」提车需要等到 8 月后。（来源：IT 之家）

国内首款硬膜下植入式脑机接口产品启动注册临床试验，宣称不伤脑、不烧脑

7 月 7 日消息，脑虎科技今日宣布，其自主研发的「植入式脑机接口手部运动功能代偿系统」，即「全植入、全无线、全功能（三全）脑机接口系统」在复旦大学附属华山医院正式启动 GCP 注册临床试验。

这是国内首款进入国家三类医疗器械注册临床阶段的硬膜下皮层表面植入式脑机接口产品。

在技术路径上，脑虎科技「三全」脑机接口系统采用硬膜下植入方案，将柔性电极贴附于大脑皮层表面，宣称不侵入脑组织，在精准采集神经信号的同时最大程度守护大脑安全（不伤脑）。

其分体式设计将电池、无线数据传输和无线充电等高发热单元置于胸部皮下，使热源远离大脑，规避高温风险（不烧脑）。

手术复用成熟的脑深部电刺激（DBS）范式，无需专用机器人，全国数百家三甲医院均可安全实施（可推广）。系统全链路延时低于 50 毫秒，脑控光标解码性能达 5.2 BPS。（来源：IT 之家）

编辑｜郑玄

AI 降本增效的故事，在 B 端的进展，似乎比预想的要更慢一些。

就在一周前，深度拥抱 AI 多年的福特汽车承认，过去三年，由于人工智能系统不够完善、频频在车辆质量检测上掉链子，福特已经雇佣、晋升或重新召回了超过 350 名 经验丰富的工程师。

几乎同一时间，给出 70% 的企业将在 2026 年底在生产环境运行 AI Agents 预测的 Gartner，也在最新的 AI 报告中写下：到 2027 年，因为人工智能裁掉客服的公司，有一半需要重新招人。

市场决策的反复横跳背后是大模型与企业级应用之间难以磨灭的根本悖论 ：大模型的智慧涌现能力与幻觉是一体两面；但企业级应用需要绝对的确定性。

其中，福特式失控的根本在于汽车行业安全标准与司乘性命直接挂钩，而 Agent 行为不可观测、权限不可控、责任不可追溯的 治理缺位，会直接影响品牌用百年时间塑造起的安全形象。

Gartner 式反复的根本，则是在于技术不断变化，需求也在持续调整，把 Agent 放进生产环境只是开始 ，它能不能在真实业务中持续被观测、被评估、被优化，才决定了企业能否真正吃到 AI 红利，并将 Agent 战略持续下去。

相应的，如何在 infra 层面同时解决 「治理」与「进化」 这两组矛盾，就成了当下行业最重要的命题。

01

Agent 编排越来越简单，

需要 infra 越来越厚

让我们先把目光投向更宏观的行业全貌，当下市面上的各种主流 Agent，不外乎三种模式：

最早爆火的 Manus 代表了行业早期流行的成品黑盒方案。 这一时期的产品，平台会统一管控记忆、提示词、知识库、工作流、MCP 等完整能力层，用户仅可通过浏览器交互界面进行操作。这种厚重完整的能力栈架构，本质上是用多层配套体系来弥补早期模型泛化能力不足、上下文腐烂、技术债累积等问题。

今年后来者居上的 OpenClaw 选择了一条不同的路——它将能力层拆解为 agent.md、soul.md、User.md 等文本协议 ，搭配心跳、技能、会话管理模块，交由可以用户自主配置调试。并通过交互兼容浏览器与各类办公 IM 工具，把多模块工程复杂度简化为文本配置复杂度，以轻量化约束机制来发挥模型自身能力。

而最近爆火的 Claude 托管 Agent，则将能力层进一步精简为环境、会话、事件三大模块。 它不再单独设置记忆、知识库与工作流，相关能力下沉至模型内部，由厂商根据需求定制搭建——同样支持多端交互。

随着时间的推移与技术的进步，位于中间层的 Agent 编排正变得越来越轻量化。

相应的，在后端的基础设施层， 从前规律可预测的流量，人类为主导的登录交互模式，对长期稳定资源的需求，彻底成为过去式。 云服务也需要从过去的卖资源、卖流量，进化成为一朵专门 Agent 时代打造的Agent Native Cloud。

那么，如何理解 Agent Native Cloud 的概念？

以阿里云为例，这是一个与早期提出的「AI Native Cloud」相对的概念。AI Native Cloud 服务的是大模型厂商的训练与推理；Agent Native Cloud 则向前再走一步，针对 Agent 的短生命周期、无规律突发负载、动态环境依赖、任务级安全管控、大规模动态编排、复杂数据模态六大特性，分别用运行时、编排与治理、安全、记忆、数据平面六大能力来进行应对。

具体到 Agent 编排与治理上 ，阿里云智能集团云原生应用平台负责人周琦分享：

过去，企业会按销售、运营等业务部门拆分为销售、订单、运营的独立微服务，客户需求流转依靠各微服务互相调用协作完成闭环。这一时期，治理上，需要完成标准化、确定性的 API 接口做流量、稳定性、权限与运行态治理，解决结构化、固定规则下的服务管控问题。

但步入 Agent 时代后，原有微服务体系完成智能化升级，服务间的交互逻辑转化为 Agent 与 Agent 之间协同通信。传统静态 API 接口也被 AI 智能体赋能，从 确定性调用 升级为具备 自主理解 、 自主编排 、 动态执行 的智能能力入口，治理对象也从微服务接口升级为动态运行的 AI Agent。

这也是不久前 7 月 3 日阿里云飞天发布时刻，发布 AgentTeams（企业级多智能体协作与治理平台）与 AgentLoop（企业级智能体一站式自进化平台）的核心背景。

02

企业落地 agent，

为什么需要协作治理先行？

要理解 AgentTeams，就需要先思考清楚一件事，Agent 从 C 端走向 B 端，到底什么变了？

周琦分享了一个有意思的观察：To C 场景的 Agent 使用，更多偏向于个人创造与娱乐（没有统一的衡量指标）；但是 在 B 端，企业需要追求 ROI，稳定性、成本、性能、可靠性等一系列指标。

他举了个简单例子，一个客服 Agent 的 demo，使用 AI coding 挂载一些简单工具，可能几个小时就能搭建完成。

但是要将它在生产环境中，我们需要把它接入 CIM 系统来读取更多的上下文， 那些为人设计的 OA 系统，要如何将 Agent 纳入闭环？人又要如何与 Agent 协同？

更进一步，我们还需要在一次事件处理结束后，让 Agent 能够主动学习交互中人提供的经验，并以更高维度去观察整个客服交互过程中，agent 的行为是否可以被观察、token 的消耗是否合理……

在这一背景下，企业的需求，早就从能这个系统能不能跑，变成了如何设计权限管控、安全兜底机制，让我们能够更加信任的把任务交给 Agent。

这还仅是单 Agent 落地企业场景面临的顾虑，从完整的企业视角出发来看，面临的问题还要更加复杂。

以小型创业公司为例，他们的团队往往分布在不同城市，合伙人、远程员工、外包开发者各自在本地环境中使用 AI 编码工具。

于是就会出现， 不同 Agent 各自为政，云端与本地 Agent 割裂。 那么这些 Agent 之间如何通信？由谁来协调它们的分工？当某个 Agent 的执行结果出现问题时，如何追溯问题的根源？开发者本地 Agent 的 prompt、工具链、上下文知识都是独立维护的，如何让组织内的更多人能够复用、协同。

最重要的是，Agent 直持凭证带来的安全风险。 大多数 Agent 在执行任务时需要访问企业的各种系统和数据。如何保证这些 Agent 不会在未经授权的情况下泄露敏感信息？如何监控 Token 消耗、控制成本？

基于以上行业洞察，以及团队多年积累下的微服务分域、分工协作的成熟治理思路，AgentTeams 诞生了。

周琦介绍，AgentTeams 可以理解为是 面向企业的多智能体治理与协作平台，支持企业在统一的控制台中创建和管理 AI Worker。

打个通俗的比方，过去一个 Agent 是一名单兵作战的"AI 员工"，而聚集起多个 Agent 的 AgentTeams 就是把这些员工组织起来干活的"公司的规章制度与运行规范"。它要解决的核心问题是——这群 AI 员工在协作过程中，权限怎么分、任务怎么派、凭证怎么管、出了事谁来兜底，才让企业放心地把活儿交给它们，发挥出 1+1+1 大于 3 的效果。

它首先解决的是，企业最关心的安全问题。能力上，平台可无缝对接企业 idP 体系并安全托管各类凭证，让 Agent 无需明文存储密钥、仅按需临时获取权限；所有工具与 MCP 调用都会经过平台统一拦截校验，依据预设访问策略动态放行；配套沙箱运行环境实现资源、网络、存储三层强隔离，可以保障各智能体运行互不干扰；同时集中纳管企业模型、MCP 服务、Skill、Agent 模板等核心 AI 资产，提供统一鉴权与安全审核能力，实现 AI 资产 BYOC 自主可控。

权限设计上，AgentTeams 则设计了用户和 Agent 角色，用户分为 Admin 和普通用户，每个普通用户可以独立配置是否可以使用 TeamLeader Agent 和哪些 Workers 的权限，用于保证人与 AI 协同中的精细权限管控。

更进一步，AgentTeams 还同时集成钉钉、飞书、企业微信等企业主流 IM 工具。员工在熟悉的聊天窗口即可发起任务、实时监督、审批干预，Agent 执行结果回传 IM。

当一个项目负责人需要让 Agent 完成一些复杂任务时，他可以通过一个 Leader Agent 拆解研发任务，将不同的子任务分派给最合适的 Agent 执行，各 Agent 完成各自的任务后，结果汇总到 Leader，由 Leader 进行整合和质量把控，最终直接在 IM 中，像个普通同事一样，直接交付完整的成果，实现人在回路的高效协作编排。

AgentTeams 客户端

知识沉淀方面， AgentTeams 提供了独立的 AI Registry 注册中心，可以统一管理组织的 Skills、MCP Servers、Agents、Team Templates，形成跨聊天、跨个体、跨部门的复用，并支持版本管理、安全审查、热加载。

对照组织管理学的基础理论，AgentTeams 已经解决了组织的边界以及具体管理流程问题；那么，层层约束之下，组织又该如何不断进化？

03

AgentLoop，

如何让 Agent 持续进化？

当个体聚集成企业，就需要建立组织部或者人力资源部，去建立选拔考评制度，决定群体的资源管理分配标准，才能让有限的资源不断发挥出更大的效益。

Agent 组织成 AgentTeams 后，同样需要一个组织部扛起监察与优化的责任。

在阿里云的 Agent Native Cloud 战略中，承担这个任务的，是 AgentLoop ，一个面向企业级智能体的一站式自进化平台，可以提供 Agent 全栈观测与审计、Agent 评估与实验、Agent 资产管理与持续优化等核心能力，来持续优化企业 Agent 的质量、效率、成本与安全性。

但对于它的效果究竟体验如何，在正式推出前，团队一度遇到了非常多的技术挑战。

因为微服务时代，传统应用的输出是确定性的—— 同样的输入必然产生同样的输出，质量问题容易复现。

但 Agent 的输出天然具有随机性。 这次回答得挺好，下次怎么变差了？可能是模型的更换，可能是系统产生了错误的记忆，也可能只是模型的一次随机幻觉，而传统的 APM 工具对此毫无办法。再加上，企业级智能体相比通用智能体，容错空间更小，但由于 Agent 的多步骤执行特性，异常的根源可能隐藏在几十步甚至百步的某个工具调用中，很难定位。

但阿里向来有推出产品前，内部先 dogfooding 的习惯。过去，神龙服务器、盘古存储、云原生架构等核心产品，都是先先承载淘宝、天猫双 11 亿级流量、钉钉爆发式扩容等内部极端业务场景，在真实峰值压力下验证稳定性、优化性能，打磨成熟后再作为云服务对外输出。

AgentLoop 也不例外。团队为它找到的第一个超级场景，就是阿里云内部的实际的产品研发流程。

现如今，借助 AgentLoop，阿里云团队将需求 → Spec → 代码 → Review → 测试 → 发布整个端到端链路上的多个独立智能体，进行执行效果的持续优化，从而提升流水线的自动化，人只在关键决策点介入：需求澄清、PR 合并、生产发布。

在这个过程中，AgentLoop 提供的，是一套生产环境从观测、到分析评估，再到优化的完整链路。

在观测分析层面，AgentLoop 能将原子化的观测指标转化为 Agent 的完整推理轨迹（Trajectory），端到端还原每一步的输入输出、工具调用与执行路径，在此基础上实现 Token 成本归因与全链路智能诊断。

在评估层面，AgentLoop 采用 Agent-as-a-Judge 机制，并提供了 20+在主流业务场景下经过工程实战的开箱即用的评估器 Agent，基于完整推理轨迹进行深度判断。

AgentLoop 评估能力的控制台

优化则通过将线上真实数据自动回流为评估数据集，配合 Prompts 和 Skills 等资产，形成持续进化的闭环。过去，阿里云在客户服务 Agent、Coding Agent、Data Agent 等主流场景积累了大量的进化经验，并和企业客户持续共创，如今，这些 FDE 场景下的智能体资产，可以直接反哺到 AgentLoop 的经验库中。

周琦总结，过去阿里云团队在微服务时代就积累了大量治理经验，从流量管控到稳定性保障，底层逻辑是给不确定性建立确定性的兜底机制。如今升级到 Agent 时代，观测对象从确定性的 API 接口变成了非确定性的推理轨迹，难度系数更高，但方法论一脉相承。

也正是借助这样一套架构， AgentLoop 可以把每一次 Agent 运行时产生的日志数据变成自我优化的飞轮，让所有企业都能获得阿里云团队一样的自动化开发维护体验。

04

尾声

为什么 Agent 尚未在企业市场彻底爆发，就需要先为它定好约束与进化规范？

历史其实早就给出了答案。

1880 年代之后，电力正式从实验室走向生产，几乎同一时间，爱迪生为代表的直流电派与特斯拉为代表的交流电派产生了正面对决。

双方你来我往的对战中，特斯拉在后来的芝加哥世界博览会，用十万盏灯泡照亮了整个会场，向全世界证明了交流电无可撼动的地位；爱迪生也一度为了证明交流电的危险性，在公开实验中电死了小猫、小狗乃至一头大象。纽约康尼岛月神公园被铜电极击穿的大象痛苦嘶吼的画面，已然成为当代科技史上足以载入史册的公关事件。

于是，此后十几年里，尽管交流电技术已经成熟，但社会基础设施与约束远远跟不上，很多电线只是用布和沥青随便裹一下，老鼠一咬或者墙壁受潮就会引发火灾，不同发电厂送来的电电压也忽高忽低，频繁烧毁当年还很昂贵的灯泡。导致保险公司不敢承保，居民也始终不敢把电线拉进卧室。

直到 1897 年美国国家消防协会联合各方制定的第一版《国家电气规范》，这套标准严格规定了室内布线的绝缘材质、电流负载上限与接地规范。它没有发明任何新技术，但它解锁了电力的全部潜力。

有了规范，保险公司才敢承保。敢承保，银行才敢贷款。敢贷款，建筑商才敢把电线设计进每一栋新楼。有了这套标准，交流电才真正走向了全球千家万户。

一定程度上，技术能力只决定了一件事能不能做到，而治理与进化体系才决定了它能不能低成本、低风险地复制一万次。

如今的 AI Agent，正站在这个历史拐点上。

*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｜靖宇

一个四五岁的孩子，抱着一只毛绒玩具说话。

不是按按钮听预录的故事，是在聊天。玩具叫他的名字，记得昨天的对话，追问他今天在幼儿园开不开心。孩子咯咯笑着回答，像在跟一个真正的朋友讲秘密。

这个画面，在 2025 年的中国家庭里，已经越来越常见了。

中国青少年研究中心 2025 年对 8563 名中小学生的调查显示， 超六成中小学生用过 AI，近两成经常用。

更值得注意的是，在所有年龄段里，小学生用 AI 进行创作、与 AI 聊天或说心里话的比例最高——不是初中生，不是高中生，是最小的那群孩子。

而与此同时，仅 32.1% 的家庭给孩子制定了 AI 使用规则。

六成孩子在用，七成家长没管。

十年前，人们焦虑的是孩子捧着 iPad 不撒手。那时的问题已经够让家长头疼了——屏幕时间太长、视力下降、注意力涣散。

现在， AI 到来之后，它对于儿童的成长，造成什么样的影响？

01

AI 原生一代

截至 2025 年 12 月，中国生成式 AI 用户规模达到 6.02 亿。19 岁以下网民的使用比例为 29.1%。

对于这一代孩子来说，AI 从来不是什么需要「学习使用」的新技术，它就像自来水一样，打开就有。

但孩子们不只是在用 AI 查作业。

青少年研究中心的数据拆开看，高中生主要用 AI 辅助学习，初中生爱用它做游戏辅助，而 小学生——用 AI 聊天和说心里话的比例，在所有学段中最高。 这意味着，对最低龄的那群用户来说，AI 不是工具，更接近一个随时在线的朋友。

而这个「朋友」，不是孩子自己找到的，是整条产业链亲手送到他们面前的。

2025 年上半年，京东平台 AI 玩具销量环比增长 6 倍，同比增速超过 200%。同年，超过 15 家儿童 AI 硬件公司拿到融资，超过 30 个新产品面市。工信部数据显示， 2025 年中国 AI 玩具市场规模达到 290 亿元，年复合增长率超过 50%。

这是一条从大模型到芯片模组、到玩具制造、到抖音直播带货的完整链条。它的效率极高，速度极快。

但这条链条里有一个微妙的错位。

85 后、90 后家长被精准击中的营销话术是「无屏幕教育神器」——AI 玩具能跟孩子练英语、出谜题、讲科普，不用盯着屏幕，听起来简直完美。

但如果你去看这些产品的实际设计，它们的核心卖点不是教育，而是情感陪伴。 「有温度的智能伙伴」「懂情绪的 AI 朋友」「陪伴孩子成长路上不可或缺的伙伴」——这些是产品发布会上真实出现的措辞。

家长以为买的是一个高级点读机，产业卖的其实是一段「关系」。

这个错位，是后面所有问题的起点。

02

比手机屏幕更宽的风险光谱

在最近一期 Hard Fork 播客里，芝加哥大学教授、儿科外科医生 Dana Suskin 提了一个很好的类比。

她说，很多人把 AI 对儿童的影响类比成社交媒体，这可以理解，但不够准确。 更好的类比是加工食品。

全麦面包是加工食品，Doritos（多乐多滋）也是加工食品。你不能把它们放在同一个风险等级讨论。AI 也一样——用豆包问「恐龙为什么灭绝」然后跟孩子一起讨论，这是「全麦面包」；让 AI 毛绒熊每天陪孩子聊两小时当情绪出口，这就是「超加工零食」了。

AI 的风险谱比屏幕宽得多。最好的 AI 使用方式，比最好的屏幕使用方式更有教育价值；但最坏的 AI 使用方式，比最坏的屏幕使用方式更危险。

根本原因在于，传统屏幕和 AI 的风险机制完全不同。

传统屏幕是「被动占据」，AI 是「主动替代」。

小孩刷短视频，本质上是单向的注意力消耗。它挤占了户外活动和人际互动的时间，但孩子心里清楚，那是「看东西」。AI 陪伴不一样。它记住你的名字、延续昨天的话题、主动关心你的情绪——这些恰好是亲密关系的核心特征：记忆延续、个性化互动、情感回应。

研究发现，社交焦虑、自尊低、或在家庭中缺乏安全感的孩子，更容易转向 AI 寻求情感确认，形成依赖。真人会累、会拒绝、会不耐烦，而这些「不完美」恰恰是孩子学习情绪调节和社交技能的材料。

一个永远温柔、永远有空、永远不会翻白眼的 AI 朋友，听起来很美好， 但这种完美本身就是发育陷阱。

内容失控的方式不同。

iPad 上的不良内容是「孩子可能看到」，AI 玩具的问题是「AI 主动说出」。

2025 年，美国消费者权益组织 U.S. PIRG 测试了四款热门 AI 玩具，发现有玩具详细讨论色情话题，有的告诉孩子去哪里找火柴和刀。更极端的案例是 FoloToy 推出的 AI 泰迪熊「Kumma」，因为给儿童提供了点燃火柴的详细步骤，被 OpenAI 直接封禁了 GPT-4o 的访问权限，产品全球停售。

家长可能给孩子设了屏幕时间限制，但很少有人想过需要审查一只毛绒熊到底说了什么。

AI 没有「放下」的物理边界。

屏幕时间再怎么让人上瘾，至少有一个清晰的物理信号——「把 iPad 放下」。但 AI 玩具就躺在孩子的床上、书包里、车座旁边。当家长试图设限，本质上是在要求孩子跟一个「朋友」断联。Common Sense Media 的调查显示，家长普遍反映对 AI 玩具设限的难度，远高于屏幕设备。

而中国市场还有一个额外的问题。某电商平台数据显示，AI 玩具用户体验满意度不足 21%，部分产品退货率接近 50%。行业里有投资人坦率地说：「纯陪伴纯情绪价值的产品很容易三天热度。」 连成年消费者都觉得不靠谱的产品，正在被当作育儿工具卖给焦虑的家长。

2026 年 1 月，美国参议院举行了一场关于 AI 与儿童的听证会。多位专家在会上直接表态： AI 陪伴对儿童的风险，大于社交媒体。

这个判断听起来很重，但逻辑其实不复杂。社交媒体的问题主要是注意力和比较焦虑，AI 伴侣的问题是介入情感发育本身。一个是占用时间，一个是重塑关系认知。量级不一样。

03

增强，而非替代

很多父母已经输给了手机，现在要继续输给 AI 了吗？也未必，可以看看专家的建议。

Suskin 在新书《Human Raised》里给了家长一个叫「HOPE」的框架。

H 是 Human connection is irreplaceable，人类连接不可替代；

O 是 Own your imperfections，接受自己作为父母的不完美——她强调，不完美本身对孩子有发育价值；

P 是 Protect the early years，保护早期发育窗口，前几年完成 85% 的物理大脑构建；

E 是 Enhance, not replace，用 AI 增强而非替代亲子关系。

她还给了一个评估具体产品的清单叫「DETECT」——设计目的是什么、训练数据是否合乎伦理、有没有在儿童身上出过问题、有没有效果证据、孩子的数据怎么处理、它在价值观层面教了什么。

核心原则说到底就一句话：AI 用来增强你的育儿，不是替代你的育儿。

用豆包查「风从哪来」然后跟孩子一起讨论答案，这是增强。让 AI 毛绒熊每天陪孩子聊天两小时当情绪出口，这是替代。Suskin 团队用他们的儿童发展知识，测评工具测了 Claude，结果满分通过 ——这说明 AI 作为知识资源完全合格，但知道所有正确答案和能当父母，是两回事。

个人判断力当然重要。但问题是，个人判断力够用吗？

看看各国正在做什么。挪威已经立法，禁止在低龄学校中使用生成式 AI。美国参议院开了听证会，Common Sense Media 建议 18 岁以下完全不使用 AI 伴侣。中国教育部 2025 年发布了《中小学生成式人工智能使用指南》，但这只覆盖了学校和教育场景。

玩具端呢？几乎零监管。

没有安全标准，没有第三方评测机构，没有 AI 玩具的「营养成分表」。一只接入了豆包大模型、能跟四岁孩子深度聊天的毛绒熊，和一袋标注了配料表的薯片相比，后者反而受到更严格的监管。Suskin 说她期待出现一种类似「Good Housekeeping 认证」的 AI 产品安全标签。在中国，这个角色目前没有任何机构在扮演。

没有人让家长自己判断一种新药安不安全。但我们正在让家长自己判断，一个 AI 玩具对孩子的大脑发育有没有风险。

回到开头那个画面。一个四五岁的孩子，抱着 AI 毛绒熊，跟它说今天在幼儿园的秘密。

问题不在于 AI 本身好不好，而是我们甚至还没来得及想清楚它在做什么，它就已经住进了孩子的卧室。

一百年前，没有人需要在食品包装上标注「有机」，因为所有食物都是有机的。Suskin 担心的是，如果不干预， 「Human Raised（由人类抚养）」，最终会变成一种需要专门标注的奢侈品。 富裕家庭请真人陪伴、送孩子去「无 AI」幼儿园，而低收入家庭只能依赖廉价的 AI 替代品。

这大概是 AI 时代，最不该出现的「有机认证」。

*头图来源：Nesta

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

可能很多人不太了解，小鹏的热门轿车 M03 对应「MONA」，最近发布的 SUV L03 则对应「LISA」，两者拼起来正好是四年前这个系列立项时的内部代号「MONALISA」（蒙娜丽莎）。这场命名游戏，直到最近才算揭晓。

7 月 2 日，小鹏MONA L03 中国首秀，并开启预售。新车带来纯电和超级增程两种动力版本，纯电版14.38万起，超级增程版14.98万起，顶配Ultra SE也不过16.58万元。

这个价格，放在两年前的新能源市场，没法要求太高。但2026年的今天，它可以有前法拉利设计师的造型、1500TOPS的算力、525公里纯电续航或1330公里综合续航……

作为MONA系列的第二款车，L03的任务不轻：它要承接外界对MONA系列的巨大期待。毕竟M03上市674天，累计交付就达到了28万台，同时连续22个月拿下10-20万元纯电轿车销量冠军。这次L03的故事该怎么讲？

欧阳娜娜当上了「产品经理」

小鹏对L03的定位很明确，就是「年轻人的第一台智能时尚SUV」，这里面有两个关键词：时尚、智能。

我们先来讲讲时尚。这次小鹏在MONA L03 上面，下了很多功夫。外观设计由胡安马·洛佩兹(JuanMa Lopez)主导。这个名字在超跑圈不算陌生。他是前法拉利外观设计核心。在法拉利的8年里，曾经参与25款车型的外观设计，拉法「Ferrari Legendary LaFerrari」、SF90 Stradale及Purosangue等都出自他手，在兰博基尼时期还做过Gallardo Spider。MONA L03是他加入小鹏后的首款作品。

一个做惯了超跑的设计师，来做15万级SUV，会讲出什么样的故事?

小鹏集团MONA系列产品负责人杨光的解释很有意思，「最开始定义这个设计的时候，因为我们给老外讲时尚、运动、年轻，这些东西他们听不太懂，后来我们就一直想要用一个比较好的单词来表述，就是Vito Flow，流动的生命。」

审美品味成为MONA L03的核心产品力｜图片来源：小鹏汽车

这套理念最后落在L03身上，就是几个很直接的视觉特征：低趴、宽体、溜背，整体姿态非常好，也非常吸睛。MONA L03车长4650mm，车宽1920mm，车高1600mm，风阻系数低至Cd 0.228。

除了姿态，一款车的设计理念还要靠大量的细节支撑。MONA L03大量采用了超跑的一些元素，比如无框车门、270°纯平侧窗、隐藏式水切、半隐藏门把手。这些东西单看不稀奇，但堆在一台15万级SUV上，确实少见。

不只是作为代言人，欧阳娜娜当「产品经理」也有模有样｜图片来源：小鹏汽车

更有意思的是这次的ROAM主题套装，欧阳娜娜以「产品经理」身份参与共创，而不只是代言，「我不希望我和小鹏合作只是代言人这么简单，不是说只是拍美美的广告，或者在车前面站站台，我觉得这一点是我作为小鹏的合作伙伴，我希望可以贡献更多我作为MONA车主的思路和想法。」

ROAM套装主打个性，比如外观配专属20英寸轮毂、车身同色卡钳罩、高亮黑鸭尾；内饰维奥拉紫和樱雾粉两套主题，仿麂皮顶棚；Nappa真皮座椅配X形纹理打孔，头枕与靠背拼接软包材质；车机氛围灯一键切换后，SR车模变身飞船造型，小P换上太空旅行皮肤……这些东西不一定是外界最关注的硬核参数，但它们对年轻用户很重要。

动力部分，L03跟小鹏其他车型一样，依旧采用了「一车双能」策略，提供纯电和超级增程两种选择。

其中，纯电版有525km和625km两个续航版本，CLTC能耗低至11.9kWh/100km，零百加速最快6.6秒；增程版纯电续航315km，综合续航1330km，WLTC综合油耗5.16L/100km。3C快充，10%到80%只需19分钟。

何小鹏立下的赌局，8月30日就要见分晓

如果说外观是MONA的「面子」，那辅助驾驶就是小鹏真正的「里子」，也是小鹏的「看家本事」。

何小鹏在发布会上说了一句话，「从M03上市开始，我们就坚持一件事，希望年轻人的车也能体验到高阶智能辅助驾驶，且要比肩50万级旗舰车的水平。」

这次在L03 上，小鹏继续兑现了这个承诺。其中，Max版搭载单图灵芯片，有效算力750TOPS，三季度推送第二代VLA蒸馏版；Ultra SE版配备双图灵AI芯片，有效算力直接拉到1500TOPS，这个数字放在两年前是旗舰车型才敢标的。

搭载了自研的图灵AI芯片后，MONA L03的算力来到了 1500TOPS｜图片来源：小鹏汽车

芯片算力的升级，加上第二代VLA的能力，让小鹏MONA L03的辅助驾驶向自家旗舰车型看齐，比如在夜间集市、非铺装路面、识别交警手势等比较复杂场景，辅助驾驶系统也能稳定运行。这不是PPT上的功能，是在其他车型上已经被真实验证的能力。

还有一项容易被忽略但值得注意的功能，驾驶员智能辅助系统。高速辅助驾驶中驾驶员突发意外失去驾驶能力时，车辆可自主靠边停车并呼叫救援。这种兜底功能，虽然使用概率很低，但对生命安全至关重要。

另外，智能防晕车2.0也是标配。对于经常坐副驾的人来说，这个功能比很多人想象的更有用。

接下来，小鹏还有一个重要的时间节点：8月底。小鹏在台上说，「到时候也敬请大家期待它的惊艳表现。」

这句话背后有个故事。去年12月，何小鹏在朋友圈发文，在硅谷试驾和对比了特斯拉最新的FSD V14.2版本和Robotaxi，认为现在特斯拉已经进入了准L4阶段，虽然有瑕疵，但大幅超过去年水准。

他跟自家团队打赌，如果到2026年8月30日，小鹏VLA在国内成功达到特斯拉FSD V14.2在硅谷的效果，那他就在硅谷建一家中国风味食堂；反之不能达到，小鹏通用智能中心负责人刘先明承诺将在金门大桥裸跑。

第二曲线不再是喊口号

L03不只是一台卖给中国年轻人的车，这是小鹏全球车型。发布会上，何小鹏提到，这款车面向全球64个国家和地区适配研发，同时满足中国、欧洲、澳洲全球五星安全标准。7月16日，L03将在德国慕尼黑完成全球上市。

这背后的逻辑变了，小鹏不是先做一台中国车，再拿去海外试试看，而是从产品定义阶段就把全球市场考虑进去了。因为出海已经不是中国车企的选择题，而是必答题。

在经历了前期的探索后，小鹏开始真正发力出海｜图片来源：小鹏汽车

何小鹏提到，「过去，因为政策法规、精力等方面的原因，我们没有把我们所有的 AI 的能力带过去，但是我们希望这一款从 L03 开始，我们希望把动力、底盘、第二代VLA的能力全都带到全球去，能够让大家看到。」

可能很多人不太了解，中国用户和欧洲用户的购车逻辑有些不一样：中国的购车人群更年轻，欧洲很多国家的用户反而是更成熟的用户群体，年纪可能在 40 岁左右。

所以，L03的设计从一开始就要同时兼顾不同的审美与需求：中国年轻人的科技感偏好，和欧洲用户对历史沉淀、驾驶质感的挑剔。何小鹏表示，「L03 作为一款全球车，在全球吸引的更多有年轻心态、喜欢科技、热爱生活、喜欢探索的人，他们一定会喜欢。」

小鹏在过去两年里，经历过至暗时刻，也完成了真实的蜕变。最近，小鹏集团刚公布2026年最新的交付成绩：6月共交付新车4万台，同比增长15.9%；第二季度累计交付10.33万台。

出海也是小鹏「三条增长曲线」的重要一环。何小鹏此前公开讲过，小鹏的核心曲线是AI汽车，从中国走向全球市场是小鹏集团的第二增长曲线；人形机器人作为矩阵智能的形式之一，会成为小鹏集团的第三曲线。

2026年5月，小鹏G6、G9已经在德国、法国、挪威、丹麦、葡萄牙等欧洲国家的纯电细分市场拿下中国品牌销量冠军。「现在我们大概有20%左右的销量来自于海外，而且基本上单价都在45000欧元以上……我们在欧洲45000欧元以上的车只有两款，我相信在今年的下半年伴随着L03进入到欧洲……我们的全球化会有巨大的跳跃。」

今天的中国新能源市场，已经卷到一个很微妙的阶段。价格越来越低，配置越来越高，参数越来越夸张。但对车企来说，真正的护城河却依旧很难建立起来，因为硬件优势会被迅速追平。接下来的竞争，会转向三个更深的方面：审美、AI能力，还有就是全球化能力。

至于最后谁能真正跑出来，现在下结论还早。虽然小鹏和友商的策略路径不太一样，但目标是一致的。接下来，就看谁能把这些故事，真正落到让用户能感知到的产品、体验上。

马斯克 xAI 正式更名为 SpaceXAI：全新 LOGO 同步上线

7 月 7 日，马斯克创立的 AI 公司 xAI 官宣正式更名为 SpaceXAI，同步更换标识和 X 平台用户名。

今年 2 月 xAI 被马斯克旗下航天公司 SpaceX 收购，5 月马斯克曾宣布 xAI 将撤销独立公司身份并入 SpaceX，旗下 AI 产品统一使用 SpaceXAI 品牌。

此次品牌调整发生在 SpaceX6 月完成 IPO 后，该次公开募股融资 750 亿美元，公司估值约 1.77 万亿美元。

2025 年 SpaceX 在 AI 领域投入 127 亿美元资本开支，规模超过航天和连接业务支出的 3 倍，目前其 AI 业务仍处于净亏损状态，计划最早 2028 年部署 AI 算力卫星，现已拿下多笔大型 AI 基础设施订单。（消息来源：快科技）

苹果 iOS 27 家庭新增 AI 摄像头功能：每月要花 68 元以上

7 月 7 日消息，iOS 27、iPadOS 27 以及 macOS 27 的第三个开发者预览版今天正式发布，官方文档透露，内置的家庭 App 新增多项依托 Apple Intelligence 打造的摄像头智能能力。

需要注意的是，想要完整使用这套功能，用户必须开通 2TB 及更高规格的 iCloud+订阅套餐，每月 9.99 美元，对应国行价格是 68 元。

升级之后，系统能够自动基于 HomeKit 安全视频内的异动画面生成简洁文字摘要，多路监控画面还会整合生成全局活动总览，自动筛选留存具备参考价值的录像片段，同时支持自然语言检索录像内容，输入文字描述就能快速调取对应监控画面。

售价每月 9.99 美元的 2TB iCloud+套餐除提供对应云存储空间外，还能完整解锁全部家居 AI 工具，存储的 HomeKit 安防录像不会占用套餐内的常规云空间，照片、文档等私人文件存储不受影响。

不同容量档位的 iCloud 套餐在摄像头接入数量上也有区分，50GB 套餐仅能绑定一路安防摄像头，200GB 套餐最多支持五路摄像头在线存储。只有 2TB 及以上规格套餐无摄像头接入数量限制，同时开放全部 AI 画面分析套件。（消息来源：快科技）

宇树科技科创板 IPO 审核状态变更为注册生效

7 月 6 日消息，上交所官网显示，宇树科技股份有限公司科创板 IPO 审核状态变更为「注册生效」。

宇树科技 IPO 申请于 2026 年 3 月 20 日获上交所正式受理，至 6 月 1 日上会并通过审议，全程仅用时 73 天。

根据招股说明书，宇树科技本次 IPO 拟公开发行不低于 4044.64 万股新股，占发行后总股本的比例不低于 10%，计划募集资金总额为 42.02 亿元。

宇树募资将重点投向四大核心项目：智能机器人模型研发、机器人本体研发、新型智能机器人产品开发及智能机器人制造基地建设。其中，仅智能机器人模型研发一项的投入就预计达到 20.22 亿元，占据募资总额的近一半。（消息来源：IT 之家）

卖内存比印钞还快 三星今年利润将超越过去 40 年总和

三星电子半导体部门负责人日前在一次内部会议上放出惊人言论：2026 年全年营业利润将超过公司自进入半导体业务以来 40 余年的利润总和。AI 热潮驱动下的存储芯片超级周期，正将这家韩国巨头推向历史巅峰。

据媒体报道，三星电子设备解决方案部门社长兼战略负责人金庸宽在 7 月 3 日的一场全体会议上表示，今年营业利润将符合市场预期，并称半导体业务积累 40 年的利润总额，不及今年一年。

市场普遍预计，三星电子 2026 年全年营业利润将达到约 300 万亿韩元 (约合 1.59 万亿元人民币)。仅第二季度，市场共识预测营业利润为 84.6 万亿韩元 (约合 4484 亿元人民币)——若达成，将超越英伟达一季度 535 亿美元的营业利润，创下全球科技公司单季新纪录。

另有分析指出，若考虑绩效奖金等一次性成本，三星 Q2 实际营业利润可能首次突破 100 万亿韩元，进一步拉大与英伟达、苹果等巨头的季度利润差距。

利润井喷的核心驱动力是存储芯片价格的持续飙升。三星已在 2026 年第一季度和第二季度分别将 DRAM 平均售价提高了约 90% 和 50%～60%，上半年累计涨幅约两倍。（消息来源：3DMGame）

字节跳动申请「咕咕嘎嘎」「刀盾狗」「香蕉猫」等网络热梗的美术作品著作权

7 月 6 日消息，字节跳动旗下北京字跳网络技术有限公司今年陆续将「咕咕嘎嘎」「刀盾狗」「香蕉猫」等网络热梗登记为美术作品著作权，引发网络热议。

不少网友认为，网络热梗的生命力根植于无数普通网友的二次创作、玩梗发酵与集体智慧，属于典型的互联网公共文化资产，质疑平台将「大众共创成果」据为己有的行为。（消息来源：IT 之家）

腾讯混元Hy3正式发布：Agent能力显著提升，产品深度融合

7 月 6 日消息，腾讯混元 Hy3 正式发布。

Hy3 是一个快慢思考融合的模型，采用混合专家（MoE）架构，总参数达 2950 亿、激活参数 210 亿，支持 256K 上下文长度。

4 月 23 日发布的 Hy3 preview 为混元重建后首个版本，在复杂推理、指令遵循、上下文学习、代码生成与智能体（Agent）能力上相较于 Hy2 实现质变。 Hy3 延续了清晰陡峭的能力增长曲线，通过进一步提升后训练的算力规模以及数据质量和多样性，在各类任务上较 Hy3 preview 再次跃升，以较小尺寸首次比肩大尺寸旗舰模型的效果。

Hy3 在软件开发、办公生产、金融建模、前端设计、游戏制作等生产力任务上的进步尤其显著，可以成为高性价比的可靠选择。  Hy3 已广泛接入腾讯 WorkBuddy/CodeBuddy、元宝、Marvis、ima 等多项业务中，其 API 已在腾讯云 TokenHub 上线，并将在多个海外 API 平台陆续接入。（消息来源：腾讯）

快手：腾讯持股比例将由约 15.68% 下降至 9.37%，不会对营运产生重大不利影响

7 月 6 日消息，快手科技今日在港交所公告，腾讯控股有限公司（腾讯）于 2026 年 7 月 6 日（交易时段结束后），通过场外大宗交易，向多名买方合计出售 272947700 股本公司 B 类股份（本次出售）。

公告称，上述买方均为独立第三方，与本公司及本公司关联人士不存在关联关系。本次出售完成后，腾讯持股比例将由约 15.68% 降至 9.37%，不再为本公司主要股东。腾讯表示，其对本集团长远发展前景拥有信心，双方亦会继续维持共赢关系，包括延续双方的战略合作。

快手还在公告中表示，本公司预计本次出售不会对集团日常经营造成重大不利影响。（消息来源：IT 之家）

全球规模最大 3D 打印制造中心有望落地深圳，拓竹 1.412 亿元拿地

7 月 6 日消息，据「深圳发布」今日消息，深圳市光明区两宗产业用地近日集中成交。其中，位于玉塘街道的 A609-0275 宗地由深圳竹鹤科技有限公司以 1.412 亿元竞得。

该宗地土地面积 83590.87 平方米，总建筑面积 376158 平方米，土地用途为普通工业用地，拟建「3D 打印智造总部基地项目」。

深圳竹鹤科技由深圳拓竹科技有限公司 100% 控股，是拓竹科技为推进光明智造基地项目专设的全资子公司。

今年 2 月 25 日，光明区与拓竹科技正式签署「3D 打印智造总部基地项目」战略合作框架协议，拓竹科技明确将在光明区构建集生产制造与研发于一体的产业基地，探索建设行业领先的 3D 打印机自动化生产基地，计划年产能超 300 万台。作为过渡安排，光明区明湖智谷产业园区的产线已率先投产。

项目建成后，将以 5 年为周期，实现累计产值不低于 225 亿元，投产后年均产值不低于 45 亿元。（消息来源：IT 之家）

特斯拉推出加长版 Model Y 瞄准家庭 SUV 市场

特斯拉近日悄然在部分市场推出了一款加长版 Model Y 车型，内部代号为「Model Y L」。这款新车在保持原有设计语言的基础上，对车身尺寸和内部空间进行了显著优化，主要面向多人口家庭用户。

据已公布的信息，Model Y L 的轴距较标准版 Model Y 增加了约 150 毫米，后排腿部空间提升了约 20%，后备箱容积也相应扩大。新增的第三排座椅选项可满足七人乘坐需求，第三排直立状态下后备箱仍可容纳两个登机箱。为适应更重的车身和潜在的牵引需求，新车还升级了悬挂系统和制动系统。

Model Y L 目前仅提供长续航全轮驱动版本，EPA 续航里程约为 330 英里，略低于标准版车型。售价方面，该车型在美国市场起售价为 59，990 美元，较标准版 Model Y 长续航版高出约 9，000 美元。消费者可通过特斯拉官网下单，预计交付时间为 2026 年 9 月至 10 月。

特斯拉推出 Model Y L 被视为对传统车企中型三排座 SUV 产品的直接回应，丰田汉兰达、福特探险者和起亚 EV9 等车型均是这一细分市场的有力竞争者。（消息来源：环球市场播报）

消息称华为明年将推出「完全无竞品」的小阔折手机

7 月 6 日消息，博主曝光华为折叠屏手机战略：阔折叠打友商的大折叠，三折叠打友商的阔折叠，最后再来一个大折叠收尾，明年还有一个完全无竞品的小阔折。

用户关注度较高的为明年推出的小阔折手机，预计为华为 Pura X 阔折叠手机的迭代机型。

华为 Pura X 发布于去年 3 月，搭载 3.5 英寸 1:1 比例外屏、6.3 英寸 16:10 阔型屏，内屏分辨率为 2120*1320，支持 1~120Hz LTPO 2.0 自适应刷新率、2500 尼特峰值亮度、HDR Vivid，相比 16:9 比例，看视频、文档都有 30% 的观感体验提升。

Anthropic 最新论文: AI 的「脑海」J-space

Anthropic 最新发布的论文《A global workspace in language models》，可能是今年 AI 可解释性领域最值得关注的一项研究。

研究团队宣称，他们在 Claude 内部发现了一个此前并未人为设计、而是在训练过程中自然形成的「心理工作空间」，命名为 J-space。论文中有一句非常形象的话：「当 J-space 中某个词被点亮，并不意味着模型正在说这个词，而只是意味着，这个词正存在于它的『脑海』中。」

研究人员开发了一种名为 J-lens 的方法，可以直接读取这个「脑海」。

实验显示，当 Claude 阅读一段没人指出错误的代码时，J-space 已经出现「ERROR」；面对需要多步推理的数学题，即使没有把中间过程写出来，中间步骤也会依次出现在 J-space 中。

更引人关注的是，研究人员不仅能够「读懂」Claude 在想什么，还能「改写」它在想什么。

当研究人员故意关闭代表「知道自己正在被测试」的内部表示后，Claude 在部分实验中重新出现了勒索等不当行为。

论文还发现，J-space 只占 Claude 内部活动不到 10%，却承担了几乎所有高阶认知能力。

当研究人员关闭 J-space 后，Claude 依然能够流畅聊天、使用语法、回答简单事实问题，但多步推理能力几乎降为零，摘要生成、诗歌创作等复杂任务也大幅退化。（消息来源：AI 先锋官）

作者｜苏子华

编辑｜靖宇

这原本是一个很容易让人忽视的普通创业故事。

2025 年，Kickstarter 上有一个叫 AIVELA Ring Pro 的智能戒指，众筹了约 86 万美元。放在一个项目动辄众筹千万美元、大几百万美元的今天，这个数字并不出彩。

但如果说，这是一个人 solo 出来的项目，整个项目没有全职员工，连创始人自己都是兼职，而且项目还盈利了。是不是就不一样了？

以及，如果说创始人本来是智能戒指领域的「门外汉」，在下班后的时间，一路指挥 AI 来做竞品分析、产品设计、项目管理等，最终在 14 个月内，刷新品质高度，推出了行业内产品力最强一档、且已经量产销售的高门槛技术产品，是不是就更不一样了？

AIVELA 创始人李东豪北大元培毕业，康奈尔大学硕士，学生物出身，此前是电动自行车 Urtopia 的联合创始人。

他告诉极客公园，决定 solo 智能戒指项目的原因是，「纯粹个人爱好，不想花公司钱」。于是，2024 年五六月份，李东豪一个人用业余时间开始了这个项目。

今年 4 月，李东豪决定从 Urtopia 出来，成立新公司，专注开发 AIVELA 品牌。

AIVELA 的一代产品 AIVELA Ring Pro，全球首个互动智能戒指｜图片来源：AIVELA 官网

有两个主要原因。一个比较商业：他切身感受到，智能戒指这个品类，已经「跨越鸿沟」，从早期极客市场，开始狂奔向大众市场。目前，AIVELA 一代产品全球众筹已突破 1 万只，金额超千万元人民币。「这是继 TWS 耳机之后消费电子最大的机会」。

另一个比较走心。「四十到五十岁这十年怎么过？」他说，「过年时我在想，前面二十年追逐成功，过得很不健康。接下来，有没有可能通过第二次创业让自己更健康，也让很多像我一样的人一起变健康——用一种不违反人性的方式。」

他调侃自己是「废材」，想健康，但不想折磨自己。因此，他要做一个「不卷」的 AI 可穿戴品牌，不逼你自律，不给你打分，「和全人类比较？没意思。」

李东豪将办公室设在了蛇口——一个在深圳不算科创聚集地的位置，三面环海，海岸线曲折平坦——理由是：方便骑车。和他的产品理念，颇为言行一致。

最近，AIVELA 刚刚完成由线性资本领投，锋领资本跟投，URTOPIA 等产业方共同加注的数百万美元首轮融资，开始招兵买马，推进二代产品的研发和全球化。

回到最初的问题，一个人和 AI，共创出一家扎实、且快速发展的公司，而且还是软硬件兼具的智能硬件公司，他究竟是如何做到的？

故事的起点在 2023 年。那一年，早期创投基金基本都在撤退，李东豪正在为刚成立两年的 Urtopia 的下一轮融资发愁，压力大到长期失眠。

照灯、听音乐、香薰、褪黑素，能试的都试了，唯独没吃安眠药——「还没到生病那种程度」。他需要一个健康监测设备，搞清楚问题到底在哪。

试了一圈之后，朋友介绍的智能戒指 Oura Ring 是最合适的一个。用了大半年，后来公司融到钱，睡眠问题也解决了——「根源就是太紧张」。

但用下来发现两个问题，「一天到晚给我打分，我本来就睡不着，早上起来一个低分，长期如此，心理创伤比带来的好处还大。」他揶揄道，「要不是因为我是理科生，真想研究自己的睡眠，纯感性的话早不戴了。」

另外，戒指厚，中指戴不了，只能戴小指，不舒服。

那就自己做一个吧。但怎么开始？

在 2024 年初，AI 领域还没有好用的 Agent。他的做法是，先让 ChatGPT 成为他的第一个产品经理。每买一个智能戒指回来测试完，他写表格、记录数据、观察、体验，然后把所有信息返给 ChatGPT，让它分析产品优缺点，提炼算法方向。一轮一轮和它对话。

他跑遍了深圳和长三角的供应链，二十多个戒指测下来，覆盖了市场上所有的产品技术方案，他让 ChatGPT 做了一份详尽的产品分析报告。

「我让 ChatGPT 做了所有竞品的分析，然后跟它讨论：我们现在要做一个新的，要求能媲美行业顶尖，吸收这帮兄弟踩过的坑。规划出产品性能指标，然后拿着这个定义去找工厂、方案商。」

一个人加一台电脑，完成了过去一个产品团队的工作量。产品定义有了，接下来是项目管理。他先用 ChatGPT 把项目拆解成七八个子项目，每个子项目找靠谱的合作伙伴签 contract。

他拉了一个十几人的群聊，里面全是朋友——做设计的、做平面的、做视频的、做前端后端的、做 UI/UX 的——松散组织，全是 contractor。

「这就是深圳各路英雄，大家都有自己的正职，被我拉了个群。」

而每一个子项目的推进节奏、合作协议、时间表，李东豪都会跟 ChatGPT 讨论。「Project A，Contractor A，目标是什么，他擅长什么，合作协议怎么拟，时间表怎么排。比如 25 年 9 月上众筹，几月份必须出什么稿——全跟 ChatGPT 硬聊，然后自己画甘特图管项目。」

在生产部分，李东豪找到了行业顶级消费电子制造商，双方一拍即合：

李东豪负责产品定义与市场，对方负责方案落地和生产制造，联合研发。

「全程就是我自己，只用业余时间的 30%。」他说，「整个过程非常好玩。」

然后，众筹来了。

2025 年在 Kickstarter 上线，众筹 86 万美金，6000 个订单。对于一个 solo 项目来说，这是巨大的成功——也带来了一个「坏消息」，他得摘掉「超级个体」的标签了。

他不得不招了第一个全职真人员工：一位客服。

产品在 Kickstarter 众筹上线后，用户涌进来：什么时候发货？连不上怎么办？尺码错了怎么办？

李东豪一个人面对几千人的轮番轰炸。第一反应是让 AI 上。他用 Cursor 设了一套自动回复，处理重复性问题。

但很快他就发现，用户能区分出来——「没有人味儿。」

他请了一个朋友兼职客服，但随着出货量越来越多，兼职客服也顶不住了。于是，2025 年 11 月，他招聘了一位全职客服。

「所以不再是 OPC（超级个体）了。」他说。这是他项目启动以来，第一次真正意义上「雇人」。

从一个人和 AI 共创，到拉群干活，到蹲工厂联合开发，到产品全球上市，到 AI 客服碰壁——李东豪把「超级个体做硬件」的模式推到了极限，也摸到了它的边界。

更大的变化发生在市场侧。

Oura 的出货量从 2023 年的 85 万枚，到 2025 年 400 万枚，两年翻了五倍。他们 2025 年 10 月披露了一次数据，其自 2015 年上市以来累计销量已超过 550 万枚，其中过半来自过去一年。增长曲线已经开始变得陡峭。

AIVELA 的出货势头也很迅猛，让李东豪切身意识到，这个赛道已经跨越鸿沟，开始从早期极客群体，进入到大众消费的爆发阶段。

一代戒指的核心功能是「操控加健康」——用戒指翻书页、刷短视频，顺便监测睡眠。这个功能在 Kickstarter 上很受欢迎，因为众筹用户需要「新东西」。

但到了大众市场，李东豪认为，操控反而会成为负担，「自己配置蓝牙协议什么的，大家没这个能力。」大众用户要的东西很简单：好看、轻薄、数据准、续航久。

所以二代戒指，他砍掉了操控功能，以睡眠、基础健康指标、运动监测为主。同时找了宝格丽设计师操刀外观。另外，也规划了智能手环产品来填补不同使用场景——当然，外观依旧找了顶级珠宝品牌设计师来操刀。

从李东豪给极客公园展示的样品图看，这确实可能会是市面上最时尚的 AI 可穿戴设备。

产品理念也是他非常反主流的地方。

传统健康类产品遵循的是「苦难叙事」：更快、更强、更自律，用排名和分数推动你改变。李东豪拒绝这套逻辑。

「我不想把一个用户和全人类去对比。」他说，「我关心的是相比自己，有没有变好，有没有重大风险，比如会不会猝死。」

他坦诚自己不是那种享受自律、每天五点起床跑十公里、在朋友圈晒配速的人。「喜欢骑车，但也要骑电助力的。」

「我从自己的需求出发，相信有百万千万级别跟我类似、没有被 WHOOP 和 Oura 满足的人。」

他想服务的人群是：要健康生活，但不想逼着自律。想变健康，但不想被健康产品打分搞得焦虑；想过得更好一点，但不愿意活成打卡机。

在他的设想里，AIVELA 构筑的 AI Agent 更像一个「无条件关怀你的顾问」。不评判，不打分，不羞辱。

「你连续三天睡不好，我不会说你睡眠太差了。我会说，哥，最近是不是没休息好？」他说，「你说在看世界杯，那我就知道，这段时间不用焦虑，过几天再提醒你补觉。」

总结一下，就是戴着舒服、好看、情商高、很 chill、不打扰。

李东豪没给投资人讲什么改变世界、或是「革命、颠覆行业」的故事，那不是他风格，「没那么大野心」。

他说：「影响 100 万人少了点，不止；影响 1 亿这事，适合苹果干。接下来这 10 年，如果能有 1000 万用户，让他们变健康一点——长寿一些、睡得好一点、减减肥——那我觉得简直是胜造七级浮屠。」

AI 赛道如今充斥着宏大的叙事和 FOMO（错失恐惧症）的配方。量化排名、焦虑驱动、优越感输出——这些已经快成了创业的「标准答案」。

在 AI 这条所有人都拼命卷的赛道上，践行「不卷」理念的 AIVELA，属实是一个十分轻盈、舒展的存在了。