AI早知道 - 数据浏览

AI技术资讯来自量子位 9月10日 09:39 ☆☆☆☆☆ 0

打造10万卡国产算力集群推出JoyAI世界模型，京东发布物理AI建设最新成果

打造10万卡国产算力集群推出JoyAI世界模型，京东发布物理AI建设最新成果 [图片: http://www.qbitai.com/wp-content/uploads/2019/06/200-100x100.jpg] 量子位的朋友们 2026-09-10 09:39:13 来源：量子位 9月9日，以“JoyAI · 跃迁物理世界”为主题的JDDiscovery-2026京东全球科技探索者大会在北京举行建设国产十万卡算力集群、推进1000万小时具身数据采集、发布JoyAI系列世界模型、推出AI购物助手东东、“超脑+狼族”机器人军团最新阵容亮相…… [图片: https://i.qbitai.com/wp-content/uploads/2026/09/3f6bec19e89fa732eb1f522f51ed8959.png] 9月9日，以“JoyAI · 跃迁物理世界”为主题的JDDiscovery-2026京东全球科技探索者大会在北京举行。大会上，京东全面展示建设“全球最大物理世界运营中心”的战略理念和最新成果，启动“物理AI加速计划”，将在具身智能领域实现六项“全球第一”。京东正将算力、数据、模型能力与供应链深度融合，应用到零售、物流、科技、健康、工业、产发、金融、外卖、家政等海量场景中，并向行业和社会开放，推动AI从数字世界走向物理世界，在千行百业和千家万户发挥重要价值。打造超级AI供应链加速建设“全球最大物理世界运营中心” “京东的AI不是在论文里诞生的，是在生产线、仓库、配送站，在供应链全流程中一单一单磨出来的。京东的供应链，是AI走向物理世界最好的训练场和第一站。”JDD大会上，京东集团技术委员会主席、京东云总裁曹鹏如此阐述京东AI的独特价值。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/834ab4dcb5a2fe17ec642feb03fec18e.png] 基于长期积累的实体场景与供应链能力，京东提出建设“全球最大物理世界运营中心”，打造“超级AI供应链”，推动AI深入生产、流通、服务等真实环节，在物理世界中参与实际任务。京东超级AI供应链以“云、数、模、端、场、链”六大模块为基础，将算力、数据、模型与智能终端、真实场景深度融合。场景产生数据，数据训练模型，模型驱动终端，任务反馈再推动AI持续进化，形成“智能飞轮”；同时，供应链连接研发、制造、销售、交付和维修，降低新技术从验证到产品化、再到规模化应用的门槛，形成“产业飞轮”。推出JoyAI-Echo WM 世界模型，技术水平全球领先 JDD大会上，京东公布了算力、数据和模型三大AI基建的最新进展。算力方面，面向物理AI对实时响应、低延迟、高可靠等要求，京东云已与摩尔线程等合作伙伴打造国产万卡集群，并规划建设十万卡集群，成为国内AI云领域自主可控的超大规模算力底座，为大规模模型训练和真实场景应用提供稳定算力支撑。数据方面，京东云1000万小时人类最大规模数据采集行动顺利推进中。京东云建设了覆盖“采、存、标、训、评、仿、测”全流程的具身数据基础设施，将人类在真实场景中的操作转化为行业急需的数据“燃料”，供具身模型学习训练。目前首批开源的数据集EgoLive已对外开放，超过8个国家、百所高校和科研机构申请使用。模型方面，京东已形成覆盖多模态模型、世界模型和具身模型的JoyAI基础模型矩阵。JDD上，京东发布了实时可交互的世界模型JoyAI-Echo WM，它在面向交互式世界模型的权威公开评测 WBench Navigation 中，以81.6分排名第一，达到行业顶尖水平。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/10afebfcd5b630036f1258048660c97d.png] 此外，京东物流”超脑”3.0、京东工业JoyIndustrial2.0、京东健康京医千询3.0等垂域大模型也重磅发布。京东物流 “超脑” 大模型 3.0，是物流行业首个贯通仓储、运输、配送全链路，由 AI 统一决策、协同与执行的工业级大模型应用集成体，率先实现决策 AI、流程 AI 与物理 AI 三位一体，将亿级包裹端到端最优路径规划的求解时间从分钟级压缩至秒级，具身智能模型在物流多任务场景下执行成功率达 96.7%，让每一件包裹能够更快、更准确地送到消费者手中；京东工业JoyIndustrial2.0 大模型，通过简单语言指令就能完成机械设计，并由3D快速打印出成品，大幅提升工程师设计效率和使用体验。加速物理AI产业落地，迈向机器人领域六个“全球第一” 京东超级AI供应链不只在自身场景中深度应用，还全面开放，推动AI在千行百业实现成本效率的跃迁。其中围绕机器人产业，京东启动“物理AI加速计划”，赋能机器人训练、研发、制造、销售、应用和服务的全链路、全周期，在数年内实现六项“全球第一”：京东云将建成全球最大的具身智能数据采集中心，两年内采集超1000万小时人类真实场景视频数据，破解具身智能“数据荒”；未来5年，京东将在全国布局80余个RoboBase机器人产业基地，打造全球最大的机器人产业基地，实现机器人展示交付、维修保养、研发设计、中试组装、数据采集、生产制造、迭代升级一体化服务；京东工业发起成立“机器人零部件产业发展联盟”，未来3年助力100家机器人本体厂商全品类降本、100家零部件供应商业绩倍增，成为全球最大的机器人零部件供应商；京东零售也将于2028年前投入百亿资源，助力100个品牌独立销售额破10亿元，推动机器人产业进入百万个终端场景、覆盖千万用户，成为全球最大的机器人零售渠道；物流是机器人应用前景最广阔的场景之一，京东物流致力于打造全球最大规模的具身机器人应用军团，将在5年内采购300万台机器人、100万台无人车及10万架无人机，进一步推进物流全流程无人化落地。其中“超脑”大模型负责复杂场景下的智能决策与协同调度，“狼族”机器人军团已在仓储、配送等环节落地“九狼”，包括近期新增的“母狼”、“仓狼”、“智狼”低温版以及全新升级的具身灵巧臂“异狼”等。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/b6f9833678a0272552befca7aa06af0e.png] 京东物流还将打造全球最大的机器人维修服务网络。目前京东物流已构建国内8大维修中心；未来5年，机器人售后服务能力计划覆盖全球100多个国家，创造超过10万个机器人售后服务工程师就业岗位，为机器人产品规模化落地和持续运营提供保障。京东APP上线AI购物助手“东东”，提升数亿用户体验京东的AI能力除了深入产业，也开始服务千家万户，提升数亿用户的消费体验。在零售场景，京东进一步将AI能力融入用户从需求产生、商品选择到购买决策、履约服务的完整链路。在今年JDD上发布的新版京东APP，不仅实现了现有购物模式的AI增强，也推出AI购物助手“东东”，融合了AI对于用户需求的精准理解，从帮助用户找到一个商品，到理解用户现在需要解决什么问题，并调度海量商品和服务满足用户需求，让用户的购物决策更高效、让购物体验更省心。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/083ab4e43cfa583994ec3de5d6fe33d7.png] 在健康场景，京医千询3.0让医疗AI更懂病情、更会判断、更能落地。京东健康发布首个全智能名医智能体，把专家看病思路装进AI——用户输入症状、病史和检查报告，它就能像专家一样问病情、看指标、给出就医方向，并提醒复诊用药和随访。同时，通过“AI+硬件+服务”，把血糖仪、血压计等设备接入个人健康档案，联动在线问诊、到家快检、护士上门，让健康管理从口头建议变成真正送到身边的服务。在家庭场景，京东附身智能JoyInside为硬件植入AI大脑，推动智能设备从单品响应走向全屋主动服务，目前已与超200家品牌达成技术合作，覆盖家电、家居、玩具、机器人等众多品类产品。有的企业做 AI，是先有技术再找场景——“先做鞋后量脚”；京东做 AI，则是从场景中长出技术——“先量脚再做鞋”。这是一条“由内而外”的路——先用 AI 把自己的供应链效率做到极致，再把打磨好的能力开放给行业伙伴和客户。在”全球最大物理世界运营中心”目标指引下，京东将作为“连接者”和“运营者”，与产业伙伴一起推动AI跃迁物理世界，为实体经济蓬勃发展贡献力量。本文由京东提供，量子位获授权转载，观点归原作者所有。版权所有，未经授权不得以任何形式转载及使用，违者必究。

查看原文

<h1>打造10万卡国产算力集群推出JoyAI世界模型，京东发布物理AI建设最新成果</h1>
 <div>
 <img alt="量子位的朋友们" src="http://www.qbitai.com/wp-content/uploads/2019/06/200-100x100.jpg" height="100" width="100"><a href="https://www.qbitai.com/author/qbitai" title="由 量子位的朋友们 发布" target="_blank">量子位的朋友们</a>
 2026-09-10
 09:39:13
 
 来源：<a href="https://www.qbitai.com/" target="_blank">量子位</a> </div>
 
 <div>9月9日，以“JoyAI · 跃迁物理世界”为主题的JDDiscovery-2026京东全球科技探索者大会在北京举行
</div> 建设国产十万卡算力集群、推进1000万小时具身数据采集、发布JoyAI系列世界模型、推出AI购物助手东东、“超脑+狼族”机器人军团最新阵容亮相……
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/3f6bec19e89fa732eb1f522f51ed8959.png"></div>
9月9日，以“JoyAI · 跃迁物理世界”为主题的JDDiscovery-2026京东全球科技探索者大会在北京举行。大会上，京东全面展示建设“全球最大物理世界运营中心”的战略理念和最新成果，启动“物理AI加速计划”，将在具身智能领域实现六项“全球第一”。
京东正将算力、数据、模型能力与供应链深度融合，应用到零售、物流、科技、健康、工业、产发、金融、外卖、家政等海量场景中，并向行业和社会开放，推动AI从数字世界走向物理世界，在千行百业和千家万户发挥重要价值。
<h3>打造超级AI供应链 加速建设“全球最大物理世界运营中心”</h3>
“京东的AI不是在论文里诞生的，是在生产线、仓库、配送站，在供应链全流程中一单一单磨出来的。京东的供应链，是AI走向物理世界最好的训练场和第一站。”JDD大会上，京东集团技术委员会主席、京东云总裁曹鹏如此阐述京东AI的独特价值。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/834ab4dcb5a2fe17ec642feb03fec18e.png"></div>
基于长期积累的实体场景与供应链能力，京东提出建设“全球最大物理世界运营中心”，打造“超级AI供应链”，推动AI深入生产、流通、服务等真实环节，在物理世界中参与实际任务。
京东超级AI供应链以“云、数、模、端、场、链”六大模块为基础，将算力、数据、模型与智能终端、真实场景深度融合。场景产生数据，数据训练模型，模型驱动终端，任务反馈再推动AI持续进化，形成“智能飞轮”；同时，供应链连接研发、制造、销售、交付和维修，降低新技术从验证到产品化、再到规模化应用的门槛，形成“产业飞轮”。
<h3>推出JoyAI-Echo WM 世界模型，技术水平全球领先</h3>
JDD大会上，京东公布了算力、数据和模型三大AI基建的最新进展。
算力方面，面向物理AI对实时响应、低延迟、高可靠等要求，京东云已与摩尔线程等合作伙伴打造国产万卡集群，并规划建设十万卡集群，成为国内AI云领域自主可控的超大规模算力底座，为大规模模型训练和真实场景应用提供稳定算力支撑。
数据方面，京东云1000万小时人类最大规模数据采集行动顺利推进中。京东云建设了覆盖“采、存、标、训、评、仿、测”全流程的具身数据基础设施，将人类在真实场景中的操作转化为行业急需的数据“燃料”，供具身模型学习训练。目前首批开源的数据集EgoLive已对外开放，超过8个国家、百所高校和科研机构申请使用。
模型方面，京东已形成覆盖多模态模型、世界模型和具身模型的JoyAI基础模型矩阵。JDD上，京东发布了实时可交互的世界模型JoyAI-Echo WM，它在面向交互式世界模型的权威公开评测 WBench Navigation 中，以81.6分排名第一，达到行业顶尖水平。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/10afebfcd5b630036f1258048660c97d.png"></div>
此外，京东物流”超脑”3.0、京东工业JoyIndustrial2.0、京东健康京医千询3.0等垂域大模型也重磅发布。京东物流 “超脑” 大模型 3.0，是物流行业首个贯通仓储、运输、配送全链路，由 AI 统一决策、协同与执行的工业级大模型应用集成体，率先实现决策 AI、流程 AI 与物理 AI 三位一体，将亿级包裹端到端最优路径规划的求解时间从分钟级压缩至秒级，具身智能模型在物流多任务场景下执行成功率达 96.7%，让每一件包裹能够更快、更准确地送到消费者手中；京东工业JoyIndustrial2.0 大模型，通过简单语言指令就能完成机械设计，并由3D快速打印出成品，大幅提升工程师设计效率和使用体验。
<h3>加速物理AI产业落地，迈向机器人领域六个“全球第一”</h3>
京东超级AI供应链不只在自身场景中深度应用，还全面开放，推动AI在千行百业实现成本效率的跃迁。其中围绕机器人产业，京东启动“物理AI加速计划”，赋能机器人训练、研发、制造、销售、应用和服务的全链路、全周期，在数年内实现六项“全球第一”：
京东云将建成全球最大的具身智能数据采集中心，两年内采集超1000万小时人类真实场景视频数据，破解具身智能“数据荒”；
未来5年，京东将在全国布局80余个RoboBase机器人产业基地，打造全球最大的机器人产业基地，实现机器人展示交付、维修保养、研发设计、中试组装、数据采集、生产制造、迭代升级一体化服务；
京东工业发起成立“机器人零部件产业发展联盟”，未来3年助力100家机器人本体厂商全品类降本、100家零部件供应商业绩倍增，成为全球最大的机器人零部件供应商；
京东零售也将于2028年前投入百亿资源，助力100个品牌独立销售额破10亿元，推动机器人产业进入百万个终端场景、覆盖千万用户，成为全球最大的机器人零售渠道；
物流是机器人应用前景最广阔的场景之一，京东物流致力于打造全球最大规模的具身机器人应用军团，将在5年内采购300万台机器人、100万台无人车及10万架无人机，进一步推进物流全流程无人化落地。其中“超脑”大模型负责复杂场景下的智能决策与协同调度，“狼族”机器人军团已在仓储、配送等环节落地“九狼”，包括近期新增的“母狼”、“仓狼”、“智狼”低温版以及全新升级的具身灵巧臂“异狼”等。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/b6f9833678a0272552befca7aa06af0e.png"></div>
京东物流还将打造全球最大的机器人维修服务网络。目前京东物流已构建国内8大维修中心；未来5年，机器人售后服务能力计划覆盖全球100多个国家，创造超过10万个机器人售后服务工程师就业岗位，为机器人产品规模化落地和持续运营提供保障。
<h3>京东APP上线AI购物助手“东东”，提升数亿用户体验</h3>
京东的AI能力除了深入产业，也开始服务千家万户，提升数亿用户的消费体验。
在零售场景，京东进一步将AI能力融入用户从需求产生、商品选择到购买决策、履约服务的完整链路。在今年JDD上发布的新版京东APP，不仅实现了现有购物模式的AI增强，也推出AI购物助手“东东”，融合了AI对于用户需求的精准理解，从帮助用户找到一个商品，到理解用户现在需要解决什么问题，并调度海量商品和服务满足用户需求，让用户的购物决策更高效、让购物体验更省心。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/083ab4e43cfa583994ec3de5d6fe33d7.png"></div>
在健康场景，京医千询3.0让医疗AI更懂病情、更会判断、更能落地。京东健康发布首个全智能名医智能体，把专家看病思路装进AI——用户输入症状、病史和检查报告，它就能像专家一样问病情、看指标、给出就医方向，并提醒复诊用药和随访。同时，通过“AI+硬件+服务”，把血糖仪、血压计等设备接入个人健康档案，联动在线问诊、到家快检、护士上门，让健康管理从口头建议变成真正送到身边的服务。
在家庭场景，京东附身智能JoyInside为硬件植入AI大脑，推动智能设备从单品响应走向全屋主动服务，目前已与超200家品牌达成技术合作，覆盖家电、家居、玩具、机器人等众多品类产品。
有的企业做 AI，是先有技术再找场景——“先做鞋后量脚”；京东做 AI，则是从场景中长出技术——“先量脚再做鞋”。这是一条“由内而外”的路——先用 AI 把自己的供应链效率做到极致，再把打磨好的能力开放给行业伙伴和客户。在”全球最大物理世界运营中心”目标指引下，京东将作为“连接者”和“运营者”，与产业伙伴一起推动AI跃迁物理世界，为实体经济蓬勃发展贡献力量。
本文由京东提供，量子位获授权转载，观点归原作者所有。
 
 
 <div>版权所有，未经授权不得以任何形式转载及使用，违者必究。</div>

AI技术资讯来自量子位 9月10日 08:42 ☆☆☆☆☆ 0

实测星火X2.5：手搓粒子月亮、拆完61页财报……还顺手揪出了我的Bug

实测星火X2.5：手搓粒子月亮、拆完61页财报……还顺手揪出了我的Bug [图片: http://www.qbitai.com/wp-content/themes/liangziwei/imagesnew/head.jpg] 一水 2026-09-10 08:42:06 来源：量子位赶上了API限时五折最新消息，参数293B的讯飞星火X2.5上线了…… （伸出邪恶小手.jpg）此前讯飞开源了星火X2.5的两款端侧模型，一个4B和一个1.7B。模型参数都不大，但都能在端侧原生跑100万Token上下文。模型一开源，社区玩开了。有人搞量化，有人往Mac、T4和WebGPU上搬，还有狠人直接把它接进Agent工作流，让它连续调用工具。一顿操作猛如虎，硬生生把4B模型送上了Hugging Face现趋势榜第一。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/4e4f151779e5525c1531aff6009acc4b.webp] 所以现在问题来了，小的都这么猛了，大的能把活干到什么份上？ [图片: https://i.qbitai.com/wp-content/uploads/2026/09/dadfc038606abd9e9c62dd997f07f317.webp] MoE大模型，参数293B-A30B，重点提升代码、智能体能力，覆盖200余种语言……反正翻完模型简介，期待值是给我拉满了。再赶上API限时五折，不说了，咱这就开测。 △图片为当前优惠价格一手实测星火X2.5！我甩出了三道关卡星火X2.5现已上线讯飞开放平台。 API原生支持Anthropic、Responses协议，开发者可快速将其接入OpenClaw、Claude Code、Codex、Hermes、Grok Build、Pi Agent等第三方Harness框架。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/81a8073daec0c74a60b214223f32c248.webp] 这里我也是直接调的API，接入Codex后原地开跑。三道关卡已经备好：先做一个中秋祈福3D粒子交互网页；再挑战英伟达Q2财报拆解、论文实证内容撰写与电商数据筛查；最后为原创游戏《堕神余烬》设计官网。从创意落地到复杂任务处理，再到整站设计，咱们一起来看看它能接住多少招。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/bab0a7f266ce41f21079617fb8b932d2.jpeg] 实测一：手一握，把满屏桂花攒成一轮圆月第一关，咱先考考它能不能把一句创意，变成真正能上手玩的东西。这不正好快中秋了吗，咱正好借星火X2.5，给大家搞点指尖上的浪漫。我把金桂、星辰、圆月、阖家团圆这些元素统统写进了Prompt，并让AI以 “中秋祈福” 为主题，直接生成一个 3D粒子手势交互网页。效果有多惊艳？咱直接上手体验：待机时，点点粒子如细碎桂花，在夜空中悠悠散开；握起拳头，桂花便向一处聚拢，凝成一轮圆月；当我比出“1”时，圆月随即散开并重新拼成可旋转的3D立体祝福 “中秋快乐” ；切换成手势“2”时，粒子又会丝滑地切换队形，排出一句 “阖家团圆” ；最后，再把手松开，眼前的祝福便化作漫天星辰，四散开来。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/dd72880ce0aea784590a8d8559b788cd.png] 视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA 一握一放之间，桂花凝聚成月，祝福散作成星。整个过程超级丝滑，让我不禁想起了小时候玩的 “报数抱团”游戏：喊到几，就几个人抱成一团。只不过这次，听口令的是一群亮晶晶的“赛博小精灵”。手势刚起，它们就忙着集合、变换队形，并把祝福拼成我想要的模样。玩着玩着，我的思路也突然打开了：除了中秋，或许朋友生日、周年纪念日也都能照着这个思路，为他们做一份专属的赛博惊喜？话说，会有人花钱找我定制吗？大胆伸出发财的小手（doge）。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/e9d3675978219fa5828cb673b589ae49.jpeg] 不过光看可不够，这么灵的“赛博花活”，当然得拉上亲朋好友一起疯玩。我还顺手整了个《月宫快递》小游戏，规则非常滴简单粗暴：谁抢的月饼多，谁就先飞上月球，当一回“广寒宫首席快递员”（嘿嘿，卷死他们）。小伙伴们直接玩嗨了！一个个操控着自己的太空小兔，蹦蹦跳跳地闯过层层天阶，把月饼一块块收入囊中，争当朋友圈里第一个晒出登月战绩的中秋赢家…… [图片: https://i.qbitai.com/wp-content/uploads/2026/09/179995f97af0cbe70b2ff2e86cf55350.png] 视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA 从指尖聚散的粒子祝福，到全员上瘾的月宫抢单，这一套组合拳下来，中秋氛围直接拉满。实测二：能干活，更要干对活不过能玩只说明它接得住创意、做得出东西，能不能真干活：还得看它做得对不对。是骡子是马，还得把星火X2.5拉进真实办公场景遛遛。这不，老黄前几天刚发了英伟达的Q2财报。好巧不巧，还正好赶在周三凌晨四点大家都睡了的时候发。这个点谁有功夫生啃61页硬核财报啊，第二天还要赶早八上班呢。我的要求很明确：请把关键数据摘出来做成图，再读出数字背后的行业机会和风险。因为AI不光要把账算明白，还得从账里读出门道，才算真正帮我们减负。结果，半小时早会开完，9份图表+1份投研风险简报，就直接交到了我手上。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/e85f6a17205a1aa8ed381a04ffb0ef51.webp] 要素太多，咱就简单挑三个重点看吧：营收利润变化图表、 Future commitments表、投研简报。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/a46be42ca73ff6d864019d050e8c8784.webp] [图片: https://i.qbitai.com/wp-content/uploads/2026/09/ccfe662ca3a40dbadbeab3a91e4d7ea4.webp] 以FY2027 Q1为例，营收、利润、净利润均一一对应，数值准确无误。未来承诺的结构，也一目了然。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/82e2502ae3b28b3e05915cb4f69cd0b7.webp] [图片: https://i.qbitai.com/wp-content/uploads/2026/09/7d8032959577a731603e381f276592b2.webp] 这样一圈跑下来，实感看财报的压力确实小了不少，以后不用再自己从头啃起，AI就能把情况给我讲清楚。 61页财报，终于有了省力的打开方式。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/ada9bd0f404c50a317c052d35e1ee67e.webp] 接下来我把两篇分别来自Nature和Science的论文、一篇新闻报道以及20份DeepSeek生成的模拟问卷数据，统统丢给了星火X2.5，让它自行完成研究：经常使用AI的科研人员，工作效率更高还是更低？并让它给我输出一份论文实证部分的初稿，需配上必要的图片。没想到，AI这回给我上了一课。我没说数据来源是真是假，它倒是一眼看穿，还无情地补了一刀，大意是：你给研究结论的时候可得悠着点。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/eaf69e92c21e1c1fee3a02da8cec3dc9.webp] 我不听我不听，让咱们忽略这个提醒继续看成果：星火X2.5在消化完我提供的资料并完成多轮交叉校验后，给出了一个肯定的结论：综合来看，现有证据一致支持“经常使用AI的科研人员在产出数量与目评效率上更高”这一方向性结论，问卷、两篇文献与新间报道相互印证。并贴心地配上了 “不同AI使用频率的科研人员的产出数量对比图” 、 “AI日均使用次数与工作效率的散点关系图” ，以及 “问卷描述统计与相关系数表” 来佐证自己的观点。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/64371fd98a8597d9fa9c4ce5aacba244.webp] [图片: https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c0efb9dcf3c34b658ee99d085db0b1e0~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=xy5Nt4S2HEMAD4QDItva0KXNLp0%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/51011f1b5afc493695219bc6134ac85a~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=De7kH%2BCjWVWe3MaIZEHwwpIxIvo%3D] 最后，星火X2.5还给我找了点茬，指出我的研究存在着问卷样本少、未实现控制变量等问题： [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/38fcb506183c4634b4f3b91051d86a50~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=K%2BJQcwDpB8jluvfpKfI0ZdjUtYA%3D] 得，到底是不忘初心。好吧，我承认你说的对，你眼光很准，算你过关了… [图片: https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/9907a7b96f3441479a5ce2cf1919488a~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=cuTSSbD3taxJtlp79ad%2BLfPKi5Q%3D] 不过嘛，被它补了一刀，那我可不得把场子找回来？转头测薯片电商数据题时，我暗戳戳给它挖了个坑—— Excel表？不存在的！我把一堆数据截图塞进了Word里，还故意算错了一堆营收数值但不告诉它，让它自己琢磨去： [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/293ebf8d24c846b4bb2014586f939b44~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=2LtOUL87Wgew4y5jjF1MzicjMmU%3D] 没想到它不光没被难住，反倒把我搓出来的电商数据集的统计bug，给扒了个底朝天？！ [图片: https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/00f061e1762142cb88dfabc70da58aa1~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=fhmrT7hsjY%2BM4VuxWwvAM3Tg4Z8%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a4cc4559f1ad4caeb81f5c5e3af231ca~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=E1aavYxNzFmIyVeiBVlewSpuQJ0%3D] 6，这波我服了。后面我让它把这份txt分析报告直接渲成了可视化PDF 。效果嘛…不得不服，确实能打。 [图片: https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c2b258cdba4c43b1a4f596d20f5ca786~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=6WkCxdH6DtjviPLVFfB%2Fs9NW%2B6o%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/f07a563ecf244b568788f012797350a9~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=N0D%2FaL5508MoEhyXdcxeAWuKmJ4%3D] 顺带提一嘴，你们写Prompt的时候可以直接喊星火X2.5生成，省得自己来回折腾。（我忘了TT）实测三：给一套游戏世界观，它搭出了一座哥特地下城最后，我们决定给原创奇幻动作游戏《堕神余烬》搭个官网。世界观Prompt大致包含以下核心信息—— 请为原创奇幻动作游戏《堕神余烬》（Ashes of the Fallen God）设计并生成一个可直接上线的沉浸式官方网站。游戏背景：诸神陨落后，世界被撕裂成漂浮的破碎之地。幸存的凡人不得不穿越破碎神殿、哥特地下城和被神骸污染的荒野，在怪物与失控神力之间求生，并逐步揭开诸神陨落的真相。网站目标：第一眼就让玩家感受到黑暗、宏大、危险而神秘的世界观，产生探索剧情和立即游玩的欲望。目标用户既包括奇幻动作游戏玩家，也包括希望用AI快速制作官网的独立游戏开发者和产品经理。结果呢？设定没跑偏，哥特地下城的压迫感拉满，导航栏、首页海报这些官网标配也一应俱全。 △海报页面更惊喜的是，它还专门做了闯关地图&Boss专题板块，把地图及敌人设定和“失控神力·神骸污染”的底层世界观焊在一起，而不是干巴巴地罗列关卡和怪物。玩法介绍、跳转入口等上线必备的合规组件也基本配齐了。 [图片: https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a89edd4d6b104639a9ebbb445b3a9040~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=nXDRkBijuMcUyyNs%2BuUNAzjuQ0g%3D] 视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA 看来，以后没有设计师和前端团队的独游开发者和小团队，靠星火X2.5搭配文生图工具，也能自己鼓捣出能上线的炫酷官网了。国产算力模型，进入可交付时代三道关卡跑完，表面看玩法五花八门，但扒到最后，考的其实是同一道题： AI能不能从问答、写代码，一路走到交付？还真不是我们故意把题出难了。你顺着今年AI圈的热闹往回看，会发现大家早就在偷偷换考卷。年初OpenClaw一把蹿红，全网围观AI自己调工具、替人办事。紧接着，OpenAI和Anthropic这些前沿玩家又开始猛聊Harness Engineering，琢磨着怎么给Agent搭好工位、定好流程，让它一口气干上几个小时也别掉链子。发现没？光会聊天，已经不太够看了。能把事情接过去，一路干到底，才是真本事！！ [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/bb24e9a8863e49e38d12068372001776~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=85c14Ls0sFEOZ3c13uqZusSzbXg%3D] 把星火大模型这两年的更新日志翻一遍，也能看出同样的变化。 X1先攻深度推理，X2-Flash加码代码和智能体，X2-VL补上多模态理解。到了X2.5，代码和智能体更是直接被摆在了最前面。先让模型会想，再让它会看、会动手，最后把活交出来，星火就这样把这些能力一块块补齐。再往下扒一层，印象中相比其他国产模型，星火身上还有个很鲜明的标签：全国产算力。这个标签要讲透，得先分清两件经常被混在一起的事。把已经训练好的模型搬到国产芯片上运行，这属于推理适配，解决的是模型当下能不能跑起来。讯飞走得更深一些，从模型训练、强化学习、持续迭代到推理部署，整条链路都落在国产算力平台上。一个是中途做适配，另一个是从平台原生长出来。这个标签放在今天，含金量又不一样了。 Agent不是一锤子买卖，模型要不断更新，工具和任务也一直在变。只做推理适配，你永远解决的只是当下遇到的问题，打通训推全链路，你才能把使用中出现的新需求、新问题送回训练端，再让升级后的能力快速回到应用中。对Agent来说，真正重要的是这个能持续运转的闭环。为什么要费力打造这个闭环？因为Agent很快就要从少数人尝鲜，走向大规模应用了。根据国务院2025年8月印发的《关于深入实施「人工智能+」行动的意见》，到2027年，新一代智能终端、智能体等应用普及率将超过70%。当Agent真正铺开，训练、更新和推理都会成为持续发生的需求。算力不仅要够用，还得像水电一样长期稳定供应，全国产算力方案的价值也就出来了。或许是提前意识到了这点，产业侧已经开始相关动作。最近有消息称，一家国内头部开源模型公司计划部署至少16万颗国产AI芯片。消息还没完全坐实，但行业往哪儿走，已经很难看不出来了：国产算力，正在从备用选项往核心资源池里挪。而讯飞动身，要比这早得多。 2023年“飞星一号”国产算力平台率先落地，并发布全链条自主可控的“讯飞星火大模型”，如今，模型已经在全国产算力上连续跑了好几代。据科大讯飞在2025年度业绩说明会上披露，其MoE模型在国产算力上的训练效率，相较同规模A800集群，从开箱状态下的30%提升至93%。 30%到93%，靠的是算子适配、集群通信、专家路由一点点往上磨。这些国产算力迟早要踩的坑，讯飞已经提前踩过不少了。等行业开始集体转向时，讯飞手里已经有了一套被多代模型反复跑过的训推经验，可以把更多精力花在模型怎么干活、怎么交付上。比别人早走的好处，这不就来了？所以再回头看星火X2.5，会发现它刚好把两条行业主线拧到了一起： Agent开始从聊天走向交付，国产算力也开始从跑通模型走向托住真实应用。模型上线，只能算开工，最后能把成品稳定交到用户手里，才叫真干活。你说呢。传送门： https://maas.xfyun.cn/modelSquare 版权所有，未经授权不得以任何形式转载及使用，违者必究。

查看原文

<h1>实测星火X2.5：手搓粒子月亮、拆完61页财报……还顺手揪出了我的Bug</h1>
 <div>
 <img src="http://www.qbitai.com/wp-content/themes/liangziwei/imagesnew/head.jpg" height="200" width="200"><a href="https://www.qbitai.com/author/yishui" title="由 一水 发布" target="_blank">一水</a>
 2026-09-10
 08:42:06
 
 来源：<a href="https://www.qbitai.com/" target="_blank">量子位</a> </div>
 
 <div>赶上了API限时五折
</div> 最新消息，参数293B的讯飞星火X2.5上线了……
（伸出邪恶小手.jpg）
此前讯飞开源了星火X2.5的两款端侧模型，一个4B和一个1.7B。
模型参数都不大，但都能在端侧原生跑100万Token上下文。
模型一开源，社区玩开了。
有人搞量化，有人往Mac、T4和WebGPU上搬，还有狠人直接把它接进Agent工作流，让它连续调用工具。
一顿操作猛如虎，硬生生把4B模型送上了Hugging Face现趋势榜第一。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/4e4f151779e5525c1531aff6009acc4b.webp">

</div>
所以现在问题来了，小的都这么猛了，大的能把活干到什么份上？
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/dadfc038606abd9e9c62dd997f07f317.webp">

</div>
MoE大模型，参数293B-A30B，重点提升代码、智能体能力，覆盖200余种语言……反正翻完模型简介，期待值是给我拉满了。
再赶上API限时五折，不说了，咱这就开测。
<h1>△图片为当前优惠价格</h1>
<h1>一手实测星火X2.5！我甩出了三道关卡</h1>
星火X2.5现已上线讯飞开放平台。
API原生支持Anthropic、Responses协议，开发者可快速将其接入OpenClaw、Claude Code、Codex、Hermes、Grok Build、Pi Agent等第三方Harness框架。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/81a8073daec0c74a60b214223f32c248.webp">

</div>
这里我也是直接调的API，接入Codex后原地开跑。
三道关卡已经备好：
<ul>
<li>先做一个中秋祈福3D粒子交互网页；</li>
<li>再挑战英伟达Q2财报拆解、论文实证内容撰写与电商数据筛查；</li>
<li>最后为原创游戏《堕神余烬》设计官网。</li>
</ul>
从创意落地到复杂任务处理，再到整站设计，咱们一起来看看它能接住多少招。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/bab0a7f266ce41f21079617fb8b932d2.jpeg">

</div>
<h1>实测一：手一握，把满屏桂花攒成一轮圆月</h1>
第一关，咱先考考它能不能把一句创意，变成真正能上手玩的东西。
这不正好快中秋了吗，咱正好借星火X2.5，给大家搞点指尖上的浪漫。
我把金桂、星辰、圆月、阖家团圆这些元素统统写进了Prompt，并让AI以“中秋祈福”为主题，直接生成一个3D粒子手势交互网页。
效果有多惊艳？咱直接上手体验：
<ul>
<li>待机时，点点粒子如细碎桂花，在夜空中悠悠散开；</li>
<li>握起拳头，桂花便向一处聚拢，凝成一轮圆月；</li>
<li>当我比出“1”时，圆月随即散开并重新拼成可旋转的3D立体祝福“中秋快乐”；</li>
<li>切换成手势“2”时，粒子又会丝滑地切换队形，排出一句“阖家团圆”；</li>
<li>最后，再把手松开，眼前的祝福便化作漫天星辰，四散开来。</li>
</ul>
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/dd72880ce0aea784590a8d8559b788cd.png">
视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA
</div>
一握一放之间，桂花凝聚成月，祝福散作成星。
整个过程超级丝滑，让我不禁想起了小时候玩的“报数抱团”游戏：喊到几，就几个人抱成一团。
只不过这次，听口令的是一群亮晶晶的“赛博小精灵”。
手势刚起，它们就忙着集合、变换队形，并把祝福拼成我想要的模样。
玩着玩着，我的思路也突然打开了：
<blockquote>
除了中秋，或许朋友生日、周年纪念日也都能照着这个思路，为他们做一份专属的赛博惊喜？
</blockquote>
话说，会有人花钱找我定制吗？大胆伸出发财的小手（doge）。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/e9d3675978219fa5828cb673b589ae49.jpeg">

</div>
不过光看可不够，这么灵的“赛博花活”，当然得拉上亲朋好友一起疯玩。
我还顺手整了个《月宫快递》小游戏，规则非常滴简单粗暴：
谁抢的月饼多，谁就先飞上月球，当一回“广寒宫首席快递员”（嘿嘿，卷死他们）。
小伙伴们直接玩嗨了！
一个个操控着自己的太空小兔，蹦蹦跳跳地闯过层层天阶，把月饼一块块收入囊中，争当朋友圈里第一个晒出登月战绩的中秋赢家……
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/179995f97af0cbe70b2ff2e86cf55350.png">
视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA
</div>
从指尖聚散的粒子祝福，到全员上瘾的月宫抢单，这一套组合拳下来，中秋氛围直接拉满。
<h1>实测二：能干活，更要干对活</h1>
不过能玩只说明它接得住创意、做得出东西，能不能真干活：
还得看它做得对不对。
是骡子是马，还得把星火X2.5拉进真实办公场景遛遛。
这不，老黄前几天刚发了英伟达的Q2财报。
好巧不巧，还正好赶在周三凌晨四点大家都睡了的时候发。
这个点谁有功夫生啃61页硬核财报啊，第二天还要赶早八上班呢。
我的要求很明确：
<blockquote>
请把关键数据摘出来做成图，再读出数字背后的行业机会和风险。
</blockquote>
因为AI不光要把账算明白，还得从账里读出门道，才算真正帮我们减负。
结果，半小时早会开完，9份图表+1份投研风险简报，就直接交到了我手上。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/e85f6a17205a1aa8ed381a04ffb0ef51.webp">

</div>
要素太多，咱就简单挑三个重点看吧：营收利润变化图表、Future commitments表、投研简报。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/a46be42ca73ff6d864019d050e8c8784.webp">

</div>
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/ccfe662ca3a40dbadbeab3a91e4d7ea4.webp">

</div>
以FY2027 Q1为例，营收、利润、净利润均一一对应，数值准确无误。
未来承诺的结构，也一目了然。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/82e2502ae3b28b3e05915cb4f69cd0b7.webp">

</div>
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/7d8032959577a731603e381f276592b2.webp">

</div>
这样一圈跑下来，实感看财报的压力确实小了不少，以后不用再自己从头啃起，AI就能把情况给我讲清楚。
61页财报，终于有了省力的打开方式。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/ada9bd0f404c50a317c052d35e1ee67e.webp">

</div>
接下来我把两篇分别来自Nature和Science的论文、一篇新闻报道以及20份DeepSeek生成的模拟问卷数据，统统丢给了星火X2.5，让它自行完成研究：
<blockquote>
经常使用AI的科研人员，工作效率更高还是更低？
</blockquote>
并让它给我输出一份论文实证部分的初稿，需配上必要的图片。
没想到，AI这回给我上了一课。
我没说数据来源是真是假，它倒是一眼看穿，还无情地补了一刀，大意是：
你给研究结论的时候可得悠着点。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/eaf69e92c21e1c1fee3a02da8cec3dc9.webp">

</div>
我不听我不听，让咱们忽略这个提醒继续看成果：
星火X2.5在消化完我提供的资料并完成多轮交叉校验后，给出了一个肯定的结论：
<blockquote>
综合来看，现有证据一致支持“经常使用AI的科研人员在产出数量与目评效率上更高”这一方向性结论，问卷、两篇文献与新间报道相互印证。
</blockquote>
并贴心地配上了“不同AI使用频率的科研人员的产出数量对比图”、“AI日均使用次数与工作效率的散点关系图”，以及“问卷描述统计与相关系数表”来佐证自己的观点。
<div>
<img src="https://i.qbitai.com/wp-content/uploads/2026/09/64371fd98a8597d9fa9c4ce5aacba244.webp">

</div>
<div>
<img src="https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c0efb9dcf3c34b658ee99d085db0b1e0~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=xy5Nt4S2HEMAD4QDItva0KXNLp0%3D">

</div>
<div>
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/51011f1b5afc493695219bc6134ac85a~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=De7kH%2BCjWVWe3MaIZEHwwpIxIvo%3D">

</div>
最后，星火X2.5还给我找了点茬，指出我的研究存在着问卷样本少、未实现控制变量等问题：
<div>
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/38fcb506183c4634b4f3b91051d86a50~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=K%2BJQcwDpB8jluvfpKfI0ZdjUtYA%3D">

</div>
得，到底是不忘初心。
好吧，我承认你说的对，你眼光很准，算你过关了…
<div>
<img src="https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/9907a7b96f3441479a5ce2cf1919488a~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=cuTSSbD3taxJtlp79ad%2BLfPKi5Q%3D">

</div>
不过嘛，被它补了一刀，那我可不得把场子找回来？
转头测薯片电商数据题时，我暗戳戳给它挖了个坑——Excel表？不存在的！
我把一堆数据截图塞进了Word里，还故意算错了一堆营收数值但不告诉它，让它自己琢磨去：
<div>
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/293ebf8d24c846b4bb2014586f939b44~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=2LtOUL87Wgew4y5jjF1MzicjMmU%3D">

</div>
没想到它不光没被难住，反倒把我搓出来的电商数据集的统计bug，给扒了个底朝天？！
<div>
<img src="https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/00f061e1762142cb88dfabc70da58aa1~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=fhmrT7hsjY%2BM4VuxWwvAM3Tg4Z8%3D">

</div>
<div>
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a4cc4559f1ad4caeb81f5c5e3af231ca~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=E1aavYxNzFmIyVeiBVlewSpuQJ0%3D">

</div>
6，这波我服了。
后面我让它把这份txt分析报告直接渲成了可视化PDF。
效果嘛…不得不服，确实能打。
<div>
<img src="https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c2b258cdba4c43b1a4f596d20f5ca786~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=6WkCxdH6DtjviPLVFfB%2Fs9NW%2B6o%3D">

</div>
<div>
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/f07a563ecf244b568788f012797350a9~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=N0D%2FaL5508MoEhyXdcxeAWuKmJ4%3D">

</div>
顺带提一嘴，你们写Prompt的时候可以直接喊星火X2.5生成，省得自己来回折腾。（我忘了TT）
<h1>实测三：给一套游戏世界观，它搭出了一座哥特地下城</h1>
最后，我们决定给原创奇幻动作游戏《堕神余烬》搭个官网。
世界观Prompt大致包含以下核心信息——
<blockquote>
请为原创奇幻动作游戏《堕神余烬》（Ashes of the Fallen God）设计并生成一个可直接上线的沉浸式官方网站。
游戏背景：诸神陨落后，世界被撕裂成漂浮的破碎之地。幸存的凡人不得不穿越破碎神殿、哥特地下城和被神骸污染的荒野，在怪物与失控神力之间求生，并逐步揭开诸神陨落的真相。
网站目标：第一眼就让玩家感受到黑暗、宏大、危险而神秘的世界观，产生探索剧情和立即游玩的欲望。目标用户既包括奇幻动作游戏玩家，也包括希望用AI快速制作官网的独立游戏开发者和产品经理。
</blockquote>
结果呢？设定没跑偏，哥特地下城的压迫感拉满，导航栏、首页海报这些官网标配也一应俱全。
<h1>△海报页面</h1>
更惊喜的是，它还专门做了闯关地图&Boss专题板块，把地图及敌人设定和“失控神力·神骸污染”的底层世界观焊在一起，而不是干巴巴地罗列关卡和怪物。
玩法介绍、跳转入口等上线必备的合规组件也基本配齐了。
<div>
<img src="https://p11-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a89edd4d6b104639a9ebbb445b3a9040~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=nXDRkBijuMcUyyNs%2BuUNAzjuQ0g%3D">
视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA
</div>
看来，以后没有设计师和前端团队的独游开发者和小团队，靠星火X2.5搭配文生图工具，也能自己鼓捣出能上线的炫酷官网了。
<h1>国产算力模型，进入可交付时代</h1>
三道关卡跑完，表面看玩法五花八门，但扒到最后，考的其实是同一道题：
AI能不能从问答、写代码，一路走到交付？
还真不是我们故意把题出难了。
你顺着今年AI圈的热闹往回看，会发现大家早就在偷偷换考卷。
年初OpenClaw一把蹿红，全网围观AI自己调工具、替人办事。
紧接着，OpenAI和Anthropic这些前沿玩家又开始猛聊Harness Engineering，琢磨着怎么给Agent搭好工位、定好流程，让它一口气干上几个小时也别掉链子。
发现没？光会聊天，已经不太够看了。
能把事情接过去，一路干到底，才是真本事！！
<div>
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/bb24e9a8863e49e38d12068372001776~tplv-tt-shrink:640:0.image?lk3s=06827d14&traceid=20260909173038FB9510B14886BE11818A&x-expires=2147483647&x-signature=85c14Ls0sFEOZ3c13uqZusSzbXg%3D">

</div>
把星火大模型这两年的更新日志翻一遍，也能看出同样的变化。
X1先攻深度推理，X2-Flash加码代码和智能体，X2-VL补上多模态理解。
到了X2.5，代码和智能体更是直接被摆在了最前面。
先让模型会想，再让它会看、会动手，最后把活交出来，星火就这样把这些能力一块块补齐。
再往下扒一层，印象中相比其他国产模型，星火身上还有个很鲜明的标签：
全国产算力。
这个标签要讲透，得先分清两件经常被混在一起的事。
把已经训练好的模型搬到国产芯片上运行，这属于推理适配，解决的是模型当下能不能跑起来。
讯飞走得更深一些，从模型训练、强化学习、持续迭代到推理部署，整条链路都落在国产算力平台上。
一个是中途做适配，另一个是从平台原生长出来。
这个标签放在今天，含金量又不一样了。
Agent不是一锤子买卖，模型要不断更新，工具和任务也一直在变。
只做推理适配，你永远解决的只是当下遇到的问题，打通训推全链路，你才能把使用中出现的新需求、新问题送回训练端，再让升级后的能力快速回到应用中。
对Agent来说，真正重要的是这个能持续运转的闭环。
为什么要费力打造这个闭环？因为Agent很快就要从少数人尝鲜，走向大规模应用了。
根据国务院2025年8月印发的《关于深入实施「人工智能+」行动的意见》，到2027年，新一代智能终端、智能体等应用普及率将超过70%。
当Agent真正铺开，训练、更新和推理都会成为持续发生的需求。算力不仅要够用，还得像水电一样长期稳定供应，全国产算力方案的价值也就出来了。
或许是提前意识到了这点，产业侧已经开始相关动作。
最近有消息称，一家国内头部开源模型公司计划部署至少16万颗国产AI芯片。
消息还没完全坐实，但行业往哪儿走，已经很难看不出来了：
国产算力，正在从备用选项往核心资源池里挪。
而讯飞动身，要比这早得多。
2023年“飞星一号”国产算力平台率先落地，并发布全链条自主可控的“讯飞星火大模型”，如今，模型已经在全国产算力上连续跑了好几代。
据科大讯飞在2025年度业绩说明会上披露，其MoE模型在国产算力上的训练效率，相较同规模A800集群，从开箱状态下的30%提升至93%。
30%到93%，靠的是算子适配、集群通信、专家路由一点点往上磨。
这些国产算力迟早要踩的坑，讯飞已经提前踩过不少了。
等行业开始集体转向时，讯飞手里已经有了一套被多代模型反复跑过的训推经验，可以把更多精力花在模型怎么干活、怎么交付上。
比别人早走的好处，这不就来了？
所以再回头看星火X2.5，会发现它刚好把两条行业主线拧到了一起：
Agent开始从聊天走向交付，国产算力也开始从跑通模型走向托住真实应用。
模型上线，只能算开工，最后能把成品稳定交到用户手里，才叫真干活。
你说呢。
传送门： https://maas.xfyun.cn/modelSquare
 
 
 <div>版权所有，未经授权不得以任何形式转载及使用，违者必究。</div>

网智前沿来自 Cisco Blog 9月10日 04:22 ☆☆☆☆☆ 0

How Cisco and Jagriti are unlocking digital potential in Purvanchal

查看原文

AI技术资讯来自量子位 9月10日 03:24 ☆☆☆☆☆ 0

刚刚，苹果首款折叠屏发布！15999元起，AI参与设计

刚刚，苹果首款折叠屏发布！15999元起，AI参与设计 [图片: http://www.qbitai.com/wp-content/themes/liangziwei/imagesnew/head.jpg] Jay 2026-09-10 03:24:22 来源：量子位一比根号二的小胖折叠 Jay 克雷西发自凹非寺量子位 | 公众号 QbitAI 它来了，它来了，苹果首款折叠屏真的来了！传闻说的没错，一比根号二的小胖折叠， iPhone 4以来最激进的产品型号。确实有点猛啊，从发布会的demo来看，真给折痕干爆了，完全隐形。。。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/8bbfd7431d196d81378c748c880d9ac4.png] 可以说是一次技术的集大成产物了。iPhone Air惨遭斩杀，现在展开版的 iPhone Duo 才是最薄的iPhone 。除此之外，还有一大波上新，牙膏挤爆。 Siri AI ：彻底打通操作系统，相机原生，接入超30万个APP。 Airpods 5：降噪大升级，比上一代提升了 50%。 Apple Watch：全新感知系统，更高频捕捉心率，最准的心率。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/f87922c2afe3cb3098e76d246a41a192.jpeg] 太仁义了嗷库克，留了这么多好东西没发，这是要助力小特一步登天啊（bushi）。市场反应也是很热烈，发布会结束后，苹果股价一改今早颓势，红了！ [图片: https://i.qbitai.com/wp-content/uploads/2026/09/3c206354e64e1a33cd54a2148d30640c.png] 那还说啥了，董事会评级暂定为特圣，AI时代就指望你了 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/28185ee152b798b184149afca6e568b8.png] 。折叠屏iPhone 和发布会顺序不大一样，咱们先看以OMT形式登场的折叠屏iPhone。安卓阵营已经做了8年之后，苹果的折叠屏终于千呼万唤始出来了。这些年听了那么多的「iPhone时刻」，现在折叠屏的iPhone时刻也算是到了。名字并不是传闻中的iPhone Ultra，苹果给它的正式命名叫iPhone Duo（/ˈduːoʊ/）。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/ec9167b3c13cec7c2f29b63b4ef76f06.png] Duo，词源拉丁语，意思是「两个」，对应折叠屏的「双屏」特性。虽不及Fold一目了然，但和之前传闻的Ultra相比也算是直抒胸臆。当然，你也可以直接当成拼音，就念「多」（没有在cue某绿鸟.jpg），也是非常信达雅。 iPhone Duo外屏尺寸 5.4寸，展开之后是 7.6寸，比18 Pro Max大一半，内外屏均为OLED材质。还有就是，屏幕比例和iPad mini差不多，而且支持apple pencil。这简直就是实打实的手机平板二合一，也是苹果在Duo这个名字里埋下的另一层含义。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/9ac840c3ba1106f2b11e5d9a57997fc5.png] 其中间的铰链，核心是锆基非晶钛合金，也就是「液态金属」，强度约为钛合金的 2.5倍，比钢轻约20%，且没有晶粒边界，天然抗金属疲劳，能更好地分散折叠应力，控制折痕。而且铰链的设计过程，也用上了AI辅助。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=M2MzZjBmZDYxMGI5NTVhMjBjYzVmMWFmMTU0MjQxMzEsMTc4ODk4MTc5MTcxNg==] 另外，按苹果的说法，它也是史上最薄的iPhone 。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZWJhN2I3MTJjODRjYzI3YjczYjkxM2FiYWU3OWU0NmEsMTc4ODk4MTc5MTcxNg==] 好消息是，它的续航并没有像同样超薄的iPhone air那么拉胯。 iPhone Duo一共放了两块电池，充一次电就能用24小时，而且 20分钟就能充到50% 。视频播放上，用外屏能爽看 44小时，用内屏也能连续播放 31小时。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=Y2U3N2JkYmU0ZjAyZmJkMzU3MzU3ZjRhYjFhYzU1NjksMTc4ODk4MTc5MTcxNg==] 使用方式上，iOS 27也专门为它做了优化，把一些按钮挪到了右边，这样就有更大的空间用来展示主体内容。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MWZjMTg5ZTNjZGQzYzZlMGQxMGJlOGY2OTY1ZTFhMzksMTc4ODk4MTc5MTcxNg==] 还有专属的Siri弹窗和灵动岛，看上去比直板机要美观不少。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MTU5ZTViYTRjM2IyZGU1YjljYjg2ZmZhM2IzODliZjIsMTc4ODk4MTc5MTcxNg==] 另外自由度也极高，除了常规的展开和折起以外，你还可以把它当成一个迷你版的「折叠电脑」。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=OWFlM2NiZDExOWRjMjY3ODg2YWQ1ZjQ5Y2FjYjVjZTksMTc4ODk4MTc5MTcxNg==] 也可以像这样把它立在桌子上，当天气时钟用。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZGNmNWM0MzE1YjhiOGMzOGJlZWM1NzRmZGMxNzYzNDgsMTc4ODk4MTc5MTcxNg==] 对了， Touch ID 在iPhone上销声匿迹多年之后，终于重见天日了。这次iPhone Duo就配备了指纹解锁，指纹区域位于侧边。和iPad相似的地方又+1了。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MTI0Y2JiZDA2OWIwZTBlYTJkZjY4NzM4ZDk1MTY3NTEsMTc4ODk4MTc5MTcxNg==] 摄影方面，iPhone Duo配备了 4800万像素主摄 + 4800万像素融合式超广角，没有独立长焦镜头。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YzdhMjZmN2EyM2FmOWQ0N2E1NjgzMTA3M2JhZDdkZDgsMTc4ODk4MTc5MTcxNg==] 另外由于折叠屏的特性，拍照时内外屏都能看到画面。这下不仅自拍可以用主摄，也再不用担心男朋友手残了（bushi）。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTExZDFlMGZkMDNlM2JjZjk0YjFjOGI0NTRkZDM0N2MsMTc4ODk4MTc5MTcxNg==] 这部分的最后，我们再从「芯」开始认识一下这款折叠屏旗舰。和18系列一样，iPhone Fold搭载了最新的 A20 Pro ， 2nm制程。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=Nzk2OWQxYmYyODZiYTQ0YTM3NjM3ZTUyM2RmMzBiZDAsMTc4ODk4MTc5MTcxNg==] A20 Pro采用全新架构，CPU为6核，其中两个是苹果称之为「桌面级」的高性能核心，速度提升20％。 GPU则从17 Pro的6核进一步做到7核，图形性能提高了40%。苹果明显也在把它往端侧AI能力上包装，重点强调Apple Intelligence和新Siri AI。 A20 Pro配备了神经加速器，FP8精度下的速度提升了两倍。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MjM3MTMyN2ZlMDA2YjI3ODQzODNhMTg4OWEwZWM2M2IsMTc4ODk4MTc5MTcxNg==] 另外神经引擎数量来到 32核，算力是之前的两倍，支持8bit浮点预算。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=M2UxMjc5ODAxM2FiYzIzM2ExMTIwYTVjOWVkZmZhNjEsMTc4ODk4MTc5MTcxNg==] 内存带宽也比之前提升了50%。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YTkzYmQxMzI4MTRmMzc2M2JiZjIyYjlmNmQyZDYyNmIsMTc4ODk4MTc5MTcxNg==] iPhone Duo还有全新的 C2基带，支持毫米波5G ，upload速度提升50%，功耗比C1降低15%。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YTBhZGQwZmE1MzhjZjMzNzdmMDNkMjUzMzgyZjkyYWYsMTc4ODk4MTc5MTcxNg==] 差点忘了说价格，iPhone Duo起售价是 1999美元，国行版 15999人民币，256G起卖；顶配版2T，要 26499 。 iPhone 18全家桶接下来（实际上是最先讲的）是万众瞩目的iPhone环节！谁能想到，iPhone真的来到了18时期，爱情公寓原来是纪录片。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZGJiOWEyODExNjk5M2ZjMWQ5YWRlNzc2OGJiMmZmNjAsMTc4ODk4MTc5MTcxNg==] 又是一次挤牙膏，性能、续航与影像都升级了一点。尺寸更小的iPhone 18 Pro，续航已经追平上一代iPhone 17 Pro Max；iPhone 18 Pro Max则创下iPhone史上最大的一次续航提升。以视频播放计算，eSIM-only版本的iPhone 18 Pro最长可达 36小时，iPhone 18 Pro Max更是达到 45小时。苹果还基于真实使用数据建立了一套新的续航模型，把拍照、AI等日常场景都算进去：iPhone 18 Pro单次充电可使用 24小时，Pro Max则达到 30小时。充电速度也更快。 iPhone 18 Pro有线充电约 15分钟即可充至50% ；只需要快充5分钟，就能获得约6小时的视频播放时间，长途飞行前临时补电基本够用。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTU2ZGU0ZDRjYWI3OWFmOTBjYjlmMDYwZTRlYzViNzQsMTc4ODk4MTc5MTcxNg==] 另一个重头戏，是相机。 iPhone 18 Pro搭载全新的 4800万像素融合主摄，并首次支持可变光圈。为了把可变光圈塞进iPhone，苹果专门开发了6片激光切割叶片，每一片都比头发丝更薄，并采用特殊聚合物复合材料，在重量、柔韧性和耐用性之间取得平衡。此外还有新的转子机构负责控制叶片运动，并搭配定制镜头，确保不同光圈下都能维持稳定画质。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YjE2YTUwOTkwM2Q2NzhmMmM1OTUyYTkzZGIwY2VmNmMsMTc4ODk4MTc5MTcxNg==] 灵动岛也重新设计了一遍。面积进一步缩小，同时信息密度更高，现在可以同时显示 3个实时活动，比如一边查看航班状态，一边显示导航和计时器。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZjJjMTA0NzE4MjBhN2Q2MTBkMzZlOWZhMmRhYTA0NWMsMTc4ODk4MTc5MTcxNg==] 外形啥的和之前差不多，颜色有4种。深邃黑色、银、冰川蓝，勃艮第红。其他就没啥了，咋说呢，iPhone产线本来也没带太大期待，中规中矩吧。更重要的可能还是底层的芯片和AI吧。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTcyZjc4YWQyYzUzYjk5MDE0YThhZmExYzQ5MTFhODIsMTc4ODk4MTc5MTcxNg==] 但有件事我是真有点绷不住—— 标准版iPhone咋跳票了啊。。。是的，十年来，标准版iPhone首次缺席。 Air 2也跳票了，现在预计明年三月和标准版一起发布。这次，你的特割只放出来两款旗舰机型。 iPhone 18 Pro， 9999 元起。 iPhone 18 Pro Max， 10999 元起。价格螺旋升天，因内存紧缺涨了 1000元。但比预想的还是好点，之前的数字是2K。。。真涨2K还买个啥啊，我的iPhone 16换块电池还能再战三年。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YjU4YzdjZDcyNGIyZjQ3ZGZiOTNlZGMzNjU3N2ZkNzIsMTc4ODk4MTc5MTcxNg==] Apple Intelligence 苹果AI这次好像真行了。 iPhone 18 Pro展示的第一项能力，不是摄像头，不是芯片，是Siri。准确的说，是Siri AI，全新版本的Siri，就在你的主屏幕上。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YjhhYTQ5Njk0Mjc4ZTBiMDFmZGMwM2M0ZmJiMDA0MjcsMTc4ODk4MTc5MTcxNg==] 说实话，苹果的组织能力还是有点东西，彻底把Siri和系统底层能力打通了—— 相机原生集成Siri 。你可以让Siri看到你所看到的，结合世界知识来回答问题。走在路上看到啥想问的，镜头怼着问就行了。豆包还是太前沿了嗷。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MDVkZWU4MjkwYzdmOWUzNzdhMWZjYjdlZjk3ZWZmNmIsMTc4ODk4MTc5MTcxNg==] 而且，问完有啥需求，Siri都能在相机里直接执行操作，比如一次性把多个事件添加到日历。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTFiMTUxYmI1YjczMDU3OGJkMjQwNDgwYmRhYjRlNTEsMTc4ODk4MTc5MTcxNg==] 支持这个demo的前提，是上下文。 Siri现在可以跨应用查找你的个人上下文。比如邮件和信息里的内容，它都能串起来。上面说的是官方软件，除此之外，Siri还打通Appstore里的一堆软件，也能拿到上下文。 Siri已经能和超过30万个应用无缝协作。你可以让Siri AI在Outlook中起草邮件，在 Notability中搜索作业，在Tripsy中添加餐厅推荐。常用的WhatsApp发信息、Audible播放有声书这些操作也是都支持的。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NzdkYjVlZWQ3ZTJiY2ExMzc1NmQ5MTdhYTRjZmExNGUsMTc4ODk4MTc5MTcxNg==] 有趣的是，Siri AI不是唯一入口，苹果在原生APP里铺了一堆AI功能。 Safari新增「通知我」功能，可以持续监控网页变化，一旦内容发生变动就自动提醒你。快捷指令也变得更像一个AI Agent。现在不需要自己一点点搭流程，只要用自然语言描述需求，就能直接创建个性化自动化操作。比如：每次收到学校发来的邮件，自动更新日历和提醒事项。电话App也开始主动利用上下文。比如拨打商家电话时，系统会自动把相关信息找出来，在需要的时候直接显示航班确认码等内容。视觉能力同样迎来一轮大更新。照片App里，Apple Intelligence驱动了一整套AI编辑工具。升级后的「清理」工具，在复杂场景下可以提供质量更高的生成式填充。新的「扩展」功能，则可以直接向画面外延展内容，给主体留出更多“呼吸空间”。更狠的是空间重新构图。照片都已经拍完了，还能重新改变相机视角、调整构图，让同一张照片呈现出截然不同的画面效果。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YzBkNTkxMTUzODQ0ZDExMzAzMmQ3OTMxZGYzYWY4M2QsMTc4ODk4MTc5MTcxNg==] 至于发布时间，Apple Intelligence将在本月随操作系统更新推出，支持 16种语言，部分功能设有使用上限。不过嘛…… 国行还得继续等等。（已崩溃） [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MTViY2ZiNjgwYzQ0NmUzNTIwY2IyOTcwZTBlODI0YWUsMTc4ODk4MTc5MTcxNw==] AirPods AirPods Pro 3没来，但入门款的 AirPods 5 如期而至。非常重磅的一次升级， [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NWIxYmYzYzM3ZjM4MGExNTdkNGQzY2JhYjYzMjQwM2MsMTc4ODk4MTc5MTcxNw==] AirPods 5继续采用开放式无耳塞设计，但里面几乎从声学架构开始重新做了一遍。新的多端口声学架构，搭配下一代自适应EQ，可以适配更广泛的耳型，输出更丰富、更细腻的声音，个性化空间音频的沉浸感也进一步提升。不过这次真正的重头戏，还是降噪。得益于全新的声学架构和更先进的计算音频，AirPods 5的主动降噪能力相比上一代提升了 50% 。苹果甚至直接放话：这是目前开放式耳机里，行业最强的ANC。对了，Apple Intelligence也终于进耳机了。现在Siri AI可以直接在AirPods上完全免提使用，还能结合你的个人上下文，以及更广泛的世界知识来回答问题。耐用性也重新设计了一遍，进一步增强抗汗、抗雨和防尘能力。续航方面，基础款开启降噪后可以连续听 4小时，搭配充电盒总续航达到 20小时。所以问题来了：这么强的AirPods，多少钱？好消息是，苹果这次价格还挺有诚意。基础款AirPods 5售价只要 999元。什么概念？和上一代不带降噪的版本一个价。相当于这次ANC直接白送了（笑）。除此之外，AirPods 5还有一个高配版，主要多了三个东西。第一个，是耳机柄滑动调节音量。这是AirPods标准款系列第一次加入这个功能，在耳机柄上上下滑动就能控制音量。AirPods Pro用户对这个操作应该已经非常熟悉了。第二个，是更长的续航。高配版开启降噪后可以连续听 5小时。苹果重新设计了电池单元，在相同体积下塞进了更多能量。第三个，是无线充电盒。除了有线充电，还同时支持Apple Watch充电器和Qi无线充电标准。两个版本今天正式开启预购， 9月18日正式发售。 Apple Watch 除了手机耳机，Apple Watch这次也有两个新款—— S12和Ultra4 。新款Apple Watch搭载全新的S11芯片，支持全天候续航，而且这次，陶瓷表壳也如之前爆料一样回归。 Touch ID回归iPhone，陶瓷壳回归手表，可能「回归」就是这次发布会的一个隐藏主题。主打的提升有两方面，一个是健康功能，另一个你猜？还是这次发布会上无处不提的AI。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZDc5MTgzNWNlM2E2ZDg2Nzc5MDY2ODhjZjkxMzVmM2EsMTc4ODk4MTc5MTcxNw==] 先从健康说起。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NmE3ZGYyMjQ5ZWMzMjFkNDA5YzZiMGQ2MmQwOWM2NjcsMTc4ODk4MTc5MTcxNw==] 从硬件上，S12设计了全新感知系统，能够以 5秒一次的频率捕捉心率，这个频率是之前的 60倍。 HRV（心率变异性）也可以5分钟采集一次，频率是之前的24倍。并且按苹果的说法，S12是心率测量最准的智能设备。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=Y2MyZGY3ZmMwNGZjMTcyMDk0MTI0OWYxYjdmMzUwYzIsMTc4ODk4MTc5MTcxNw==] 软件上则配备了readniess模块，可以结合你的身体状态、睡眠时间活动信息，帮你分析接下来的一天是该休息还是大胆去锻炼。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MjE4NTZkYzY4NWU2NGJjNjQ5ZTY3YTM4MTU2N2FhOGMsMTc4ODk4MTc5MTcxNw==] 以及新增了health age分析，不知道会有多少人不敢直视。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NmQ5NmEzMWJmNGI4NjliMDdlYWM1MWU5OWFlNzRiNDMsMTc4ODk4MTc5MTcxNw==] AI功能则是围绕着声音展开，把iPhone的声音识别功能，也搬到了手表上。还有Live Rewind和Siri Recap，能够快速帮助你回溯或记录之前听到的内容。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NDg0MzQ0NjQ3MjJmYWQ5Y2U3NDNhMGQxODBjYmYzMmQsMTc4ODk4MTc5MTcxNw==] 最后说价格，S12要399美元起手，Ultra 4则是799美元，国行版则分别是2999元和6499元。 One More Thing 整整十五年啊，库克时代统治了整整十五年，今天终于在乔布斯剧院看见新面孔了。说实话，老特台风还是可以的，怪不得内部评价这么高，年轻就是不一样，意气风发啊，走路都走得快一些（bushi）。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NDNiYWJjNWViMjA3MmFhMmViMTg4MGMzNmM3N2Q3YzMsMTc4ODk4MTc5MTcxNw==] 发布会开场也一改往日风范，真就Brand New Day，一上来放上了鬼片。。。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTQ2ZDYzMDRlNTgzMmU5NDZlZjVjNWEyMjQxZjdhZTUsMTc4ODk4MTc5MTcxNw==] 最惊喜的是，库克竟然也搁这开胃小影片里出镜了！通过镜头语言的形式，在接班人特努斯的首秀上，正式完成了自己的交棒。泪目了，再见库克。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZmQ5YjAyMjJkNzUzZjAyMWMyM2I4MDQ1ODMzYWUwYWMsMTc4ODk4MTc5MTcxNw==] 整场发布会看下来，一个小时出头，最大的感受是：苹果这次好像真稍微睡醒了一点，不挤牙膏了，不光吃乔布斯遗产了。 AI也被提到了非常重要的位置，基本每条产品线都有Apple Intelligence，折叠屏本身也是AI时代更适配的手机形态。总算是稍微有趣了一点。如果实测下来真有发布会上的水平，苹果还是能抢救一下的。 [图片: https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MDliYWMwOWZlYjg1NWRiNTU2NGE3OWYwMmVhMDVhOGUsMTc4ODk4MTc5MTcxNw==] 老特，继续加油、继续努力，现在你离「特圣」只差最后一步—— 赶快把国行Apple Inteligence给咱端上来！！！版权所有，未经授权不得以任何形式转载及使用，违者必究。

查看原文

<h1>刚刚，苹果首款折叠屏发布！15999元起，AI参与设计</h1>
 <div>
 <img src="http://www.qbitai.com/wp-content/themes/liangziwei/imagesnew/head.jpg" height="200" width="200"><a href="https://www.qbitai.com/author/jay" title="由 Jay 发布" target="_blank">Jay</a>
 2026-09-10
 03:24:22
 
 来源：<a href="https://www.qbitai.com/" target="_blank">量子位</a> </div>
 
 <div>一比根号二的小胖折叠
</div> <blockquote>
Jay 克雷西 发自 凹非寺
量子位 | 公众号 QbitAI
</blockquote>
它来了，它来了，苹果首款折叠屏真的来了！
传闻说的没错，一比根号二的小胖折叠，iPhone 4以来最激进的产品型号。
确实有点猛啊，从发布会的demo来看，真给折痕干爆了，完全隐形。。。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/8bbfd7431d196d81378c748c880d9ac4.png"></div>
可以说是一次技术的集大成产物了。iPhone Air惨遭斩杀，现在展开版的iPhone Duo才是最薄的iPhone。
除此之外，还有一大波上新，牙膏挤爆。
<ul>
<li>Siri AI：彻底打通操作系统，相机原生，接入超30万个APP。</li>
<li>Airpods 5：降噪大升级，比上一代提升了50%。</li>
<li>Apple Watch：全新感知系统，更高频捕捉心率，最准的心率。</li>
</ul>
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/f87922c2afe3cb3098e76d246a41a192.jpeg"></div>
太仁义了嗷库克，留了这么多好东西没发，这是要助力小特一步登天啊（bushi）。
市场反应也是很热烈，发布会结束后，苹果股价一改今早颓势，红了！
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/3c206354e64e1a33cd54a2148d30640c.png"></div>
那还说啥了，董事会评级暂定为特圣，AI时代就指望你了
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/28185ee152b798b184149afca6e568b8.png"></div>
。
<h1>折叠屏iPhone</h1>
和发布会顺序不大一样，咱们先看以OMT形式登场的折叠屏iPhone。
安卓阵营已经做了8年之后，苹果的折叠屏终于千呼万唤始出来了。
这些年听了那么多的「iPhone时刻」，现在折叠屏的iPhone时刻也算是到了。
名字并不是传闻中的iPhone Ultra，苹果给它的正式命名叫iPhone Duo（/ˈduːoʊ/）。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/ec9167b3c13cec7c2f29b63b4ef76f06.png"></div>
Duo，词源拉丁语，意思是「两个」，对应折叠屏的「双屏」特性。
虽不及Fold一目了然，但和之前传闻的Ultra相比也算是直抒胸臆。
当然，你也可以直接当成拼音，就念「多」（没有在cue某绿鸟.jpg），也是非常信达雅。
iPhone Duo外屏尺寸5.4寸，展开之后是7.6寸，比18 Pro Max大一半，内外屏均为OLED材质。
还有就是，屏幕比例和iPad mini差不多，而且支持apple pencil。
这简直就是实打实的手机平板二合一，也是苹果在Duo这个名字里埋下的另一层含义。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/9ac840c3ba1106f2b11e5d9a57997fc5.png"></div>
其中间的铰链，核心是锆基非晶钛合金，也就是「液态金属」，强度约为钛合金的 2.5倍，比钢轻约20%，且没有晶粒边界，天然抗金属疲劳，能更好地分散折叠应力，控制折痕。
而且铰链的设计过程，也用上了AI辅助。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=M2MzZjBmZDYxMGI5NTVhMjBjYzVmMWFmMTU0MjQxMzEsMTc4ODk4MTc5MTcxNg=="></div>
另外， 按苹果的说法，它也是史上最薄的iPhone。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZWJhN2I3MTJjODRjYzI3YjczYjkxM2FiYWU3OWU0NmEsMTc4ODk4MTc5MTcxNg=="></div>
好消息是，它的续航并没有像同样超薄的iPhone air那么拉胯。
iPhone Duo一共放了两块电池，充一次电就能用24小时，而且20分钟就能充到50%。
视频播放上，用外屏能爽看44小时，用内屏也能连续播放31小时。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=Y2U3N2JkYmU0ZjAyZmJkMzU3MzU3ZjRhYjFhYzU1NjksMTc4ODk4MTc5MTcxNg=="></div>
使用方式上，iOS 27也专门为它做了优化，把一些按钮挪到了右边，这样就有更大的空间用来展示主体内容。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MWZjMTg5ZTNjZGQzYzZlMGQxMGJlOGY2OTY1ZTFhMzksMTc4ODk4MTc5MTcxNg=="></div>
还有专属的Siri弹窗和灵动岛，看上去比直板机要美观不少。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MTU5ZTViYTRjM2IyZGU1YjljYjg2ZmZhM2IzODliZjIsMTc4ODk4MTc5MTcxNg=="></div>
另外自由度也极高，除了常规的展开和折起以外，你还可以把它当成一个迷你版的「折叠电脑」。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=OWFlM2NiZDExOWRjMjY3ODg2YWQ1ZjQ5Y2FjYjVjZTksMTc4ODk4MTc5MTcxNg=="></div>
也可以像这样把它立在桌子上，当天气时钟用。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZGNmNWM0MzE1YjhiOGMzOGJlZWM1NzRmZGMxNzYzNDgsMTc4ODk4MTc5MTcxNg=="></div>
对了，Touch ID在iPhone上销声匿迹多年之后，终于重见天日了。
这次iPhone Duo就配备了指纹解锁，指纹区域位于侧边。
和iPad相似的地方又+1了。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MTI0Y2JiZDA2OWIwZTBlYTJkZjY4NzM4ZDk1MTY3NTEsMTc4ODk4MTc5MTcxNg=="></div>
摄影方面，iPhone Duo配备了4800万像素主摄 + 4800万像素融合式超广角，没有独立长焦镜头。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YzdhMjZmN2EyM2FmOWQ0N2E1NjgzMTA3M2JhZDdkZDgsMTc4ODk4MTc5MTcxNg=="></div>
另外由于折叠屏的特性，拍照时内外屏都能看到画面。
这下不仅自拍可以用主摄，也再不用担心男朋友手残了（bushi）。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTExZDFlMGZkMDNlM2JjZjk0YjFjOGI0NTRkZDM0N2MsMTc4ODk4MTc5MTcxNg=="></div>
这部分的最后，我们再从「芯」开始认识一下这款折叠屏旗舰。
和18系列一样，iPhone Fold搭载了最新的A20 Pro，2nm制程。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=Nzk2OWQxYmYyODZiYTQ0YTM3NjM3ZTUyM2RmMzBiZDAsMTc4ODk4MTc5MTcxNg=="></div>
A20 Pro采用全新架构，CPU为6核，其中两个是苹果称之为「桌面级」的高性能核心，速度提升20％。
GPU则从17 Pro的6核进一步做到7核，图形性能提高了40%。
苹果明显也在把它往端侧AI能力上包装，重点强调Apple Intelligence和新Siri AI。
A20 Pro配备了神经加速器，FP8精度下的速度提升了两倍。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MjM3MTMyN2ZlMDA2YjI3ODQzODNhMTg4OWEwZWM2M2IsMTc4ODk4MTc5MTcxNg=="></div>
另外神经引擎数量来到32核，算力是之前的两倍，支持8bit浮点预算。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=M2UxMjc5ODAxM2FiYzIzM2ExMTIwYTVjOWVkZmZhNjEsMTc4ODk4MTc5MTcxNg=="></div>
内存带宽也比之前提升了50%。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YTkzYmQxMzI4MTRmMzc2M2JiZjIyYjlmNmQyZDYyNmIsMTc4ODk4MTc5MTcxNg=="></div>
iPhone Duo还有全新的C2基带，支持毫米波5G，upload速度提升50%，功耗比C1降低15%。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YTBhZGQwZmE1MzhjZjMzNzdmMDNkMjUzMzgyZjkyYWYsMTc4ODk4MTc5MTcxNg=="></div>
差点忘了说价格，iPhone Duo起售价是1999美元，国行版15999人民币，256G起卖；顶配版2T，要26499。
<h1>iPhone 18全家桶</h1>
接下来（实际上是最先讲的）是万众瞩目的iPhone环节！
谁能想到，iPhone真的来到了18时期，爱情公寓原来是纪录片。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZGJiOWEyODExNjk5M2ZjMWQ5YWRlNzc2OGJiMmZmNjAsMTc4ODk4MTc5MTcxNg=="></div>
又是一次挤牙膏，性能、续航与影像都升级了一点。
尺寸更小的iPhone 18 Pro，续航已经追平上一代iPhone 17 Pro Max；iPhone 18 Pro Max则创下iPhone史上最大的一次续航提升。
以视频播放计算，eSIM-only版本的iPhone 18 Pro最长可达36小时，iPhone 18 Pro Max更是达到45小时。
苹果还基于真实使用数据建立了一套新的续航模型，把拍照、AI等日常场景都算进去：iPhone 18 Pro单次充电可使用24小时，Pro Max则达到30小时。
充电速度也更快。
iPhone 18 Pro有线充电约15分钟即可充至50%；只需要快充5分钟，就能获得约6小时的视频播放时间，长途飞行前临时补电基本够用。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTU2ZGU0ZDRjYWI3OWFmOTBjYjlmMDYwZTRlYzViNzQsMTc4ODk4MTc5MTcxNg=="></div>
另一个重头戏，是相机。
iPhone 18 Pro搭载全新的4800万像素融合主摄，并首次支持可变光圈。
为了把可变光圈塞进iPhone，苹果专门开发了6片激光切割叶片，每一片都比头发丝更薄，并采用特殊聚合物复合材料，在重量、柔韧性和耐用性之间取得平衡。
此外还有新的转子机构负责控制叶片运动，并搭配定制镜头，确保不同光圈下都能维持稳定画质。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YjE2YTUwOTkwM2Q2NzhmMmM1OTUyYTkzZGIwY2VmNmMsMTc4ODk4MTc5MTcxNg=="></div>
灵动岛也重新设计了一遍。
面积进一步缩小，同时信息密度更高，现在可以同时显示3个实时活动，比如一边查看航班状态，一边显示导航和计时器。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZjJjMTA0NzE4MjBhN2Q2MTBkMzZlOWZhMmRhYTA0NWMsMTc4ODk4MTc5MTcxNg=="></div>
外形啥的和之前差不多，颜色有4种。
深邃黑色、银、冰川蓝，勃艮第红。
其他就没啥了，咋说呢，iPhone产线本来也没带太大期待，中规中矩吧。
更重要的可能还是底层的芯片和AI吧。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTcyZjc4YWQyYzUzYjk5MDE0YThhZmExYzQ5MTFhODIsMTc4ODk4MTc5MTcxNg=="></div>
但有件事我是真有点绷不住——
标准版iPhone咋跳票了啊。。。
是的，十年来，标准版iPhone首次缺席。
Air 2也跳票了，现在预计明年三月和标准版一起发布。
这次，你的特割只放出来两款旗舰机型。
<ul>
<li>iPhone 18 Pro，9999元起。</li>
<li>iPhone 18 Pro Max，10999元起。</li>
</ul>
价格螺旋升天，因内存紧缺涨了1000元。
但比预想的还是好点，之前的数字是2K。。。
真涨2K还买个啥啊，我的iPhone 16换块电池还能再战三年。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YjU4YzdjZDcyNGIyZjQ3ZGZiOTNlZGMzNjU3N2ZkNzIsMTc4ODk4MTc5MTcxNg=="></div>
<h1>Apple Intelligence</h1>
苹果AI这次好像真行了。
iPhone 18 Pro展示的第一项能力，不是摄像头，不是芯片，是Siri。
准确的说，是Siri AI，全新版本的Siri，就在你的主屏幕上。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YjhhYTQ5Njk0Mjc4ZTBiMDFmZGMwM2M0ZmJiMDA0MjcsMTc4ODk4MTc5MTcxNg=="></div>
说实话，苹果的组织能力还是有点东西，彻底把Siri和系统底层能力打通了——
相机原生集成Siri。你可以让Siri看到你所看到的，结合世界知识来回答问题。
走在路上看到啥想问的，镜头怼着问就行了。
豆包还是太前沿了嗷。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MDVkZWU4MjkwYzdmOWUzNzdhMWZjYjdlZjk3ZWZmNmIsMTc4ODk4MTc5MTcxNg=="></div>
而且，问完有啥需求，Siri都能在相机里直接执行操作，比如一次性把多个事件添加到日历。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTFiMTUxYmI1YjczMDU3OGJkMjQwNDgwYmRhYjRlNTEsMTc4ODk4MTc5MTcxNg=="></div>
支持这个demo的前提，是上下文。
Siri现在可以跨应用查找你的个人上下文。比如邮件和信息里的内容，它都能串起来。
上面说的是官方软件，除此之外，Siri还打通Appstore里的一堆软件，也能拿到上下文。
Siri已经能和超过30万个应用无缝协作。你可以让Siri AI在Outlook中起草邮件，在 Notability中搜索作业，在Tripsy中添加餐厅推荐。
常用的WhatsApp发信息、Audible播放有声书这些操作也是都支持的。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NzdkYjVlZWQ3ZTJiY2ExMzc1NmQ5MTdhYTRjZmExNGUsMTc4ODk4MTc5MTcxNg=="></div>
有趣的是，Siri AI不是唯一入口，苹果在原生APP里铺了一堆AI功能。
Safari新增「通知我」功能，可以持续监控网页变化，一旦内容发生变动就自动提醒你。
快捷指令也变得更像一个AI Agent。
现在不需要自己一点点搭流程，只要用自然语言描述需求，就能直接创建个性化自动化操作。
比如：
每次收到学校发来的邮件，自动更新日历和提醒事项。
电话App也开始主动利用上下文。比如拨打商家电话时，系统会自动把相关信息找出来，在需要的时候直接显示航班确认码等内容。
视觉能力同样迎来一轮大更新。
照片App里，Apple Intelligence驱动了一整套AI编辑工具。
升级后的「清理」工具，在复杂场景下可以提供质量更高的生成式填充。
新的「扩展」功能，则可以直接向画面外延展内容，给主体留出更多“呼吸空间”。
更狠的是空间重新构图。
照片都已经拍完了，还能重新改变相机视角、调整构图，让同一张照片呈现出截然不同的画面效果。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=YzBkNTkxMTUzODQ0ZDExMzAzMmQ3OTMxZGYzYWY4M2QsMTc4ODk4MTc5MTcxNg=="></div>
至于发布时间，Apple Intelligence将在本月随操作系统更新推出，支持16种语言，部分功能设有使用上限。
不过嘛……国行还得继续等等。
（已崩溃）
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MTViY2ZiNjgwYzQ0NmUzNTIwY2IyOTcwZTBlODI0YWUsMTc4ODk4MTc5MTcxNw=="></div>
<h1>AirPods</h1>
AirPods Pro 3没来，但入门款的AirPods 5如期而至。
非常重磅的一次升级，
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NWIxYmYzYzM3ZjM4MGExNTdkNGQzY2JhYjYzMjQwM2MsMTc4ODk4MTc5MTcxNw=="></div>
AirPods 5继续采用开放式无耳塞设计，但里面几乎从声学架构开始重新做了一遍。
新的多端口声学架构，搭配下一代自适应EQ，可以适配更广泛的耳型，输出更丰富、更细腻的声音，个性化空间音频的沉浸感也进一步提升。
不过这次真正的重头戏，还是降噪。
得益于全新的声学架构和更先进的计算音频，AirPods 5的主动降噪能力相比上一代提升了50%。
苹果甚至直接放话：这是目前开放式耳机里，行业最强的ANC。
对了，Apple Intelligence也终于进耳机了。
现在Siri AI可以直接在AirPods上完全免提使用，还能结合你的个人上下文，以及更广泛的世界知识来回答问题。
耐用性也重新设计了一遍，进一步增强抗汗、抗雨和防尘能力。
续航方面，基础款开启降噪后可以连续听4小时，搭配充电盒总续航达到20小时。
所以问题来了：
这么强的AirPods，多少钱？
好消息是，苹果这次价格还挺有诚意。
基础款AirPods 5售价只要999元。
什么概念？
和上一代不带降噪的版本一个价。
相当于这次ANC直接白送了（笑）。
除此之外，AirPods 5还有一个高配版，主要多了三个东西。
第一个，是耳机柄滑动调节音量。
这是AirPods标准款系列第一次加入这个功能，在耳机柄上上下滑动就能控制音量。AirPods Pro用户对这个操作应该已经非常熟悉了。
第二个，是更长的续航。
高配版开启降噪后可以连续听5小时。苹果重新设计了电池单元，在相同体积下塞进了更多能量。
第三个，是无线充电盒。
除了有线充电，还同时支持Apple Watch充电器和Qi无线充电标准。
两个版本今天正式开启预购，9月18日正式发售。
<h1>Apple Watch</h1>
除了手机耳机，Apple Watch这次也有两个新款——S12和Ultra4。
新款Apple Watch搭载全新的S11芯片，支持全天候续航，而且这次，陶瓷表壳也如之前爆料一样回归。
Touch ID回归iPhone，陶瓷壳回归手表，可能「回归」就是这次发布会的一个隐藏主题。
主打的提升有两方面，一个是健康功能，另一个你猜？
还是这次发布会上无处不提的AI。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZDc5MTgzNWNlM2E2ZDg2Nzc5MDY2ODhjZjkxMzVmM2EsMTc4ODk4MTc5MTcxNw=="></div>
先从健康说起。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NmE3ZGYyMjQ5ZWMzMjFkNDA5YzZiMGQ2MmQwOWM2NjcsMTc4ODk4MTc5MTcxNw=="></div>
从硬件上，S12设计了全新感知系统，能够以5秒一次的频率捕捉心率，这个频率是之前的60倍。
HRV（心率变异性）也可以5分钟采集一次，频率是之前的24倍。
并且按苹果的说法，S12是心率测量最准的智能设备。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=Y2MyZGY3ZmMwNGZjMTcyMDk0MTI0OWYxYjdmMzUwYzIsMTc4ODk4MTc5MTcxNw=="></div>
软件上则配备了readniess模块，可以结合你的身体状态、睡眠时间活动信息，帮你分析接下来的一天是该休息还是大胆去锻炼。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MjE4NTZkYzY4NWU2NGJjNjQ5ZTY3YTM4MTU2N2FhOGMsMTc4ODk4MTc5MTcxNw=="></div>
以及新增了health age分析，不知道会有多少人不敢直视。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NmQ5NmEzMWJmNGI4NjliMDdlYWM1MWU5OWFlNzRiNDMsMTc4ODk4MTc5MTcxNw=="></div>
AI功能则是围绕着声音展开，把iPhone的声音识别功能，也搬到了手表上。
还有Live Rewind和Siri Recap，能够快速帮助你回溯或记录之前听到的内容。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NDg0MzQ0NjQ3MjJmYWQ5Y2U3NDNhMGQxODBjYmYzMmQsMTc4ODk4MTc5MTcxNw=="></div>
最后说价格，S12要399美元起手，Ultra 4则是799美元，国行版则分别是2999元和6499元。
<h1>One More Thing</h1>
整整十五年啊，库克时代统治了整整十五年，今天终于在乔布斯剧院看见新面孔了。
说实话，老特台风还是可以的，怪不得内部评价这么高，年轻就是不一样，意气风发啊，走路都走得快一些（bushi）。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=NDNiYWJjNWViMjA3MmFhMmViMTg4MGMzNmM3N2Q3YzMsMTc4ODk4MTc5MTcxNw=="></div>
发布会开场也一改往日风范，真就Brand New Day，一上来放上了鬼片。。。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZTQ2ZDYzMDRlNTgzMmU5NDZlZjVjNWEyMjQxZjdhZTUsMTc4ODk4MTc5MTcxNw=="></div>
最惊喜的是，库克竟然也搁这开胃小影片里出镜了！
通过镜头语言的形式，在接班人特努斯的首秀上，正式完成了自己的交棒。
泪目了，再见库克。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=ZmQ5YjAyMjJkNzUzZjAyMWMyM2I4MDQ1ODMzYWUwYWMsMTc4ODk4MTc5MTcxNw=="></div>
整场发布会看下来，一个小时出头，最大的感受是：
苹果这次好像真稍微睡醒了一点，不挤牙膏了，不光吃乔布斯遗产了。
AI也被提到了非常重要的位置，基本每条产品线都有Apple Intelligence，折叠屏本身也是AI时代更适配的手机形态。
总算是稍微有趣了一点。
如果实测下来真有发布会上的水平，苹果还是能抢救一下的。
<div><img src="https://mp.toutiao.com/mp/agw/article_material/open_image/get?code=MDliYWMwOWZlYjg1NWRiNTU2NGE3OWYwMmVhMDVhOGUsMTc4ODk4MTc5MTcxNw=="></div>
老特，继续加油、继续努力，现在你离「特圣」只差最后一步——
赶快把国行Apple Inteligence给咱端上来！！！
 
 
 
 <div>版权所有，未经授权不得以任何形式转载及使用，违者必究。</div>

AI技术资讯来自 DIFY 9月10日 02:00 ☆☆☆☆☆ 0

Don’t replace your tech stack, just patch the missing pieces. 🛠️✨ We all have that one tool we use...

Don’t replace your tech stack, just patch the missing pieces. 🛠️✨ We all have that one tool we use daily, wishing it did just a little bit more. Instead of switching tools or rebuilding everything from scratch, what if a simple Agent could bridge that gap? We tested this on Calendly to fix one missing feature, and ended up with a workflow that actually fits us. The real highlight isn't just our fix, but how easily you can apply this idea to your own daily tools. See how we patched the gap with our New Agent � dify.ai/blog/i-patched… EV #DifyNewAgent nt 💬 0 🔄 0 ❤️ 6 👀 552 📊 1 ⚡ Powered by xgo.ing

查看原文

<div style="font-family: Arial, Helvetica, sans-serif; max-width: 600px; margin: 0 auto; background: #ffffff; border: 1px solid #e1e8ed; padding: 0; line-height: 1.5;"><div style="padding: 8px 16px;"><div style="font-size: 16px; line-height: 1.6; color: #0f1419; margin-bottom: 16px; white-space: pre-wrap; word-wrap: break-word;">Don’t replace your tech stack, just patch the missing pieces. 🛠️✨ We all have that one tool we use daily, wishing it did just a little bit more. Instead of switching tools or rebuilding everything from scratch, what if a simple Agent could bridge that gap? We tested this on Calendly to fix one missing feature, and ended up with a workflow that actually fits us. The real highlight isn't just our fix, but how easily you can apply this idea to your own daily tools. See how we patched the gap with our New Agent �<a href="https://dify.ai/blog/i-patched-calendly-with-new-agent" style="color: #1da1f2; text-decoration: none;" target="_blank">dify.ai/blog/i-patched…</a>EV#DifyNewAgentnt</div></div><div style="padding: 12px 16px; border-top: 1px solid #f1f3f4; background: #f9fafb; font-size: 13px; color: #536471; text-align: center;">💬0🔄0❤️6👀552📊1</div><div style="padding: 12px 16px; background: #f9fafb; border-top: 1px solid #f1f3f4;"><div style="text-align: center; font-size: 12px;"><a href="https://xgo.ing" style="color: #1d9bf0; text-decoration: none; font-weight: 500;" target="_blank">⚡ Powered by xgo.ing</a></div></div></div>

AI技术资讯来自 INFOQ 9月10日 02:00 ☆☆☆☆☆ 0

Meta's Recipe for Building Agents as "Organizational Second Brains"

[图片: https://res.infoq.com/news/2026/09/meta-organizational-agents/en/headerimage/meta-organizational-experts-1788975705371.jpeg] Meta describes how an AI agent can be designed to capture the logic and expertise of domain experts, rather than simply storing documents or retrieving relevant information. The system, dubbed an "organizational second brain", was built for a specialized compliance domain, but Meta argues the architecture generalizes to areas like security, finance, engineering, and procurement. By Sergio De Simone

查看原文

网智前沿来自 Cisco Blog 9月10日 01:59 ☆☆☆☆☆ 0

Evolving With Agentic Risk: Updating Our Integrated AI Security & Safety Framework

[图片: AI and Flexible Hybrid Environments Key to Frictionless Engagement https://blogs.cisco.com/gcs/ciscoblogs/1/2023/05/AI-and-Hybrid-Work-Webex-1-600x200.jpg] [图片: Neal Tilley https://blogs.cisco.com/gcs/ciscoblogs/1/2022/07/1497559517-bpfull.jpg] Neal Tilley AI and Flexible Hybrid Environments Key to Frictionless Engagement Is AI the key to delivering a user experience that feels frictionless but familiar to users, helping increase student engagement? Join education expert Neal Tilley as he explores technologies that are already doing so. Jun 1, 2023 • 6 min read Industries 1

查看原文

<article class="blog-card item-thirds-1">
									<div class="card-image">
										<a href="https://blogs.cisco.com/industries/ai-and-flexible-hybrid-environments-key-to-frictionless-engagement">
											<img src="https://blogs.cisco.com/gcs/ciscoblogs/1/2023/05/AI-and-Hybrid-Work-Webex-1-600x200.jpg" alt="AI and Flexible Hybrid Environments Key to Frictionless Engagement">
										</a>
									</div>
									<div class="card-content">
																					
											<div class="blog-author">
												<div class="author-info">
													<a href="https://blogs.cisco.com/author/nealtilley">
														<img src="https://blogs.cisco.com/gcs/ciscoblogs/1/2022/07/1497559517-bpfull.jpg" alt="Neal Tilley" class="author-avatar">
													</a>
													
														<a href="https://blogs.cisco.com/author/nealtilley">Neal Tilley</a>
													
												</div>
											</div>
											
																				<h3 class="card-title"><a href="https://blogs.cisco.com/industries/ai-and-flexible-hybrid-environments-key-to-frictionless-engagement">AI and Flexible Hybrid Environments Key to Frictionless Engagement</a></h3>
										Is AI the key to delivering a user experience that feels frictionless but familiar to users, helping increase student engagement? Join education expert Neal Tilley as he explores technologies that are already doing so.
										<div class="card-meta">
										<div class="card-meta-first-row">
											<div class="card-date-info">
												Jun 1, 2023
												•
												6 min read
											</div>
										</div>
										<div class="card-meta-second-row">
											<div class="card-category">
												
																									<a href="https://blogs.cisco.com/industries">Industries</a>
																								
											</div>
											<div class="card-actions">
												<a class="card-interaction card-comments" href="https://blogs.cisco.com/industries/ai-and-flexible-hybrid-environments-key-to-frictionless-engagement#comments">
													
													1
												</a>
												<a class="card-interaction card-share" href="https://blogs.cisco.com/industries/ai-and-flexible-hybrid-environments-key-to-frictionless-engagement" aria-label="Open post">
													
												</a>
											</div>
										</div>
										</div>
									</div>
								</article>

AI技术资讯来自 LLAMAINDEX 9月10日 00:58 ☆☆☆☆☆ 0

Last week we brought LlamaParse to Claude. Now it’s available in ChatGPT, too 🦙 ChatGPT can alrea...

Last week we brought LlamaParse to Claude. Now it’s available in ChatGPT, too 🦙 ChatGPT can already read PDFs. But document work gets harder when the information you need is buried in messy scans, dense tables, spreadsheets, and charts. Strike the right balance between burning tokens and accuracy, with a specialized API for document understanding. Turn complex documents into clean, structured context and let Astra run its magic. Use our connector to: ✅ Parse documents into clean Markdown, JSON, or HTML. ✅ Extract specific fields into a schema you define. ✅ Search across document collections to find the information you need. ✅ Classify files and split documents into logical sections. Live in the ChatGPT plugin directory now! → chatgpt.com/plugins/plugin… 5 Your browser does not support the video tag. 🔗 View on Twitter 💬 4 🔄 3 ❤️ 17 👀 6995 📊 7 ⚡ Powered by xgo.ing

查看原文

<div style="font-family: Arial, Helvetica, sans-serif; max-width: 600px; margin: 0 auto; background: #ffffff; border: 1px solid #e1e8ed; padding: 0; line-height: 1.5;"><div style="padding: 8px 16px;"><div style="font-size: 16px; line-height: 1.6; color: #0f1419; margin-bottom: 16px; white-space: pre-wrap; word-wrap: break-word;">Last week we brought LlamaParse to Claude. Now it’s available in ChatGPT, too 🦙 ChatGPT can already read PDFs. But document work gets harder when the information you need is buried in messy scans, dense tables, spreadsheets, and charts. Strike the right balance between burning tokens and accuracy, with a specialized API for document understanding. Turn complex documents into clean, structured context and let Astra run its magic. Use our connector to: ✅ Parse documents into clean Markdown, JSON, or HTML. ✅ Extract specific fields into a schema you define. ✅ Search across document collections to find the information you need. ✅ Classify files and split documents into logical sections. Live in the ChatGPT plugin directory now! →<a href="https://chatgpt.com/plugins/plugin_asdk_app_6a8c892f334c8191a56023560ed46b4b?q=llamaparse" style="color: #1da1f2; text-decoration: none;" target="_blank">chatgpt.com/plugins/plugin…</a>5</div><div style="margin: 16px 0; border: 1px solid #e1e8ed; overflow: hidden;"><div style="margin: 0; background-color: #f5f5f5; padding: 8px;"><video style="width: 100%; height: auto; max-height: 400px; max-width: 100%;"><source src="https://video.twimg.com/ext_tw_video/2097731303558778880/pu/vid/avc1/1116x720/KJVXK45an_alH-lG.mp4?tag=12" type="video/mp4">Your browser does not support the video tag.</video><div style="padding: 10px; text-align: center; background-color: #f0f0f0;"><a href="https://x.com/llama_index/status/2097731325532811647/video/1" style="color: #1da1f2; text-decoration: none; font-weight: 500;" target="_blank">🔗 View on Twitter</a></div></div></div></div><div style="padding: 12px 16px; border-top: 1px solid #f1f3f4; background: #f9fafb; font-size: 13px; color: #536471; text-align: center;">💬4🔄3❤️17👀6995📊7</div><div style="padding: 12px 16px; background: #f9fafb; border-top: 1px solid #f1f3f4;"><div style="text-align: center; font-size: 12px;"><a href="https://xgo.ing" style="color: #1d9bf0; text-decoration: none; font-weight: 500;" target="_blank">⚡ Powered by xgo.ing</a></div></div></div>

AI技术资讯来自 DIFY 9月10日 00:00 ☆☆☆☆☆ 0

Ever wondered what people actually thought about the plugin or template you built? Or wanted to than...

Ever wondered what people actually thought about the plugin or template you built? Or wanted to thank a creator for saving you hours of work? Dify Marketplace is getting more connected. 💬 Featured Banners give great work the spotlight it deserves, while Likes, ratings, and written feedback let creators hear what happens after their work gets used. Together, they create a closer exchange between builders and creators. Explore what others are building, put it to work, and share what you learn along the way. 🚀 Explore more dify.ai/blog/from-disc… H3 #Dify f #DifyMarketplace c #Community ty [图片: Animated GIF https://pbs.twimg.com/tweet_video_thumb/HRxYIGDbYAAgiry.jpg] 💬 0 🔄 0 ❤️ 1 👀 530 ⚡ Powered by xgo.ing

查看原文

<div style="font-family: Arial, Helvetica, sans-serif; max-width: 600px; margin: 0 auto; background: #ffffff; border: 1px solid #e1e8ed; padding: 0; line-height: 1.5;"><div style="padding: 8px 16px;"><div style="font-size: 16px; line-height: 1.6; color: #0f1419; margin-bottom: 16px; white-space: pre-wrap; word-wrap: break-word;">Ever wondered what people actually thought about the plugin or template you built? Or wanted to thank a creator for saving you hours of work? Dify Marketplace is getting more connected. 💬 Featured Banners give great work the spotlight it deserves, while Likes, ratings, and written feedback let creators hear what happens after their work gets used. Together, they create a closer exchange between builders and creators. Explore what others are building, put it to work, and share what you learn along the way. 🚀 Explore more<a href="https://dify.ai/blog/from-discovery-to-response-a-more-connected-dify-marketplace" style="color: #1da1f2; text-decoration: none;" target="_blank">dify.ai/blog/from-disc…</a>H3#Difyf#DifyMarketplacec#Communityty</div><div style="margin: 16px 0; border: 1px solid #e1e8ed; overflow: hidden;"><video style="width: 100%; height: auto; max-width: 100%; display: block;"><source src="https://video.twimg.com/tweet_video/HRxYIGDbYAAgiry.mp4" type="video/mp4"><img src="https://pbs.twimg.com/tweet_video_thumb/HRxYIGDbYAAgiry.jpg" alt="Animated GIF" style="max-width: 100%; height: auto;"></video></div></div><div style="padding: 12px 16px; border-top: 1px solid #f1f3f4; background: #f9fafb; font-size: 13px; color: #536471; text-align: center;">💬0🔄0❤️1👀530</div><div style="padding: 12px 16px; background: #f9fafb; border-top: 1px solid #f1f3f4;"><div style="text-align: center; font-size: 12px;"><a href="https://xgo.ing" style="color: #1d9bf0; text-decoration: none; font-weight: 500;" target="_blank">⚡ Powered by xgo.ing</a></div></div></div>

AI技术资讯来自 HUGGINGFACE_BLOG 9月9日 23:36 ☆☆☆☆☆ 0

IBM releases SOTA Granite Time Series PatchTST-FM-r2 model with commercial-friendly license

:last-child]:mb-0"> High-performance zero-shot forecasting with commercial-friendly open licensing Time-series foundation models are changing the way forecasting systems are built. Instead of training and maintaining a separate model for every dataset, users can use a pretrained model and generate forecasts zero-shot. IBM has released Granite Time Series PatchTST-FM-r2 , the latest model in the Granite TSFM family ( github , blog ). PatchTST-FM-r2, a new version of its predecessor PatchTST-FM-r1 , combines an updated architecture, a larger pretraining corpus, probabilistic forecasting, support for imputation of missing values, and strong zero-shot performance in a ~ 385M-parameter model. As of September 8, 2026, the model is the top performing zero-shot model released under a permissive, commercial-friendly open-source license (Apache 2.0 and OpenMDW 1.0) among replicable, zero-shot models on the GIFT-Eval leaderboard . GIFT-Eval is a comprehensive time series forecasting benchmark designed to evaluate models across diverse forecasting scenarios; the model ranks #2 overall among replicable, zero-shot models. The model weights, architecture, inference pipeline, and code needed to reproduce the benchmark results are all available. In this blog we describe the model, dive deeper into the benchmarking results and the model architecture, discuss the training data and licensing, and provide code examples illustrating how to use the model. Finally, we also highlight how the models from the Granite Time Series family can be used in streaming applications in production setting leveraging Confluent product . Ready to try it? Open Granite Time Series PatchTST-FM-r2 on Hugging Face TL;DR General-purpose zero-shot forecasting for demand, prices, energy loads, traffic, telemetry, and other time series. Approximately 385M parameters, context length up to 8,192, flexible forecast lengths, and probabilistic forecasts through a 99-quantile prediction head. The model backbone is constructed from conformer blocks that combine multi-head self-attention with temporal convolution to capture long- and short-range temporal structure. Permissively licensed model with top performance in the replicable zero-shot category of the GIFT-Eval benchmark (dual-licensed under Apache-2.0 and OpenMDW-1.0, users may select either license). Available open weights, architecture, inference pipeline, and code to reproduce the benchmark. Strong zero-shot forecasting on GIFT-Eval A foundation model is most useful when it generalizes to time series it has not been specifically trained on. For that reason, we focus first on zero-shot performance. GIFT-Eval provides a broad evaluation of forecasting models across heterogeneous datasets and forecasting scenarios. When restricting the leaderboard to models that are zero-shot, replicable, and evaluated without test leakage, PatchTST-FM-r2 ranks second for both CRPS and MASE as of September 8, 2026, as illustrated in Figures 1 and 2 (lower values are better for both metrics). Importantly, PatchTST-FM-r2 is the highest-performing model in the same category among models with permissive, commercial-friendly licensing. [图片: GIFT-Eval CRPS for leading replicable zero-shot models https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/EHyv5DrZggfNQPIZzZ-Lk.png] Figure 1. GIFT-Eval CRPS for leading replicable zero-shot models. PatchTST-FM-r2 achieves a geometric-mean CRPS of 0.467, placing it immediately behind TimesFM-3 in this comparison, and first among the models with permissive licenses. [图片: GIFT-Eval MASE for leading replicable zero-shot models https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/5zG7qXwRtBp-ceZ_0UnAY.png] Figure 2. GIFT-Eval MASE for leading replicable zero-shot models. PatchTST-FM-r2 achieves a geometric-mean MASE of 0.6846. Blue bars denote models released by the IBM time-series foundation-model team. Competitive even against models allowed to use benchmark training data Some models on GIFT-Eval are categorized as pretrained rather than strictly zero-shot. These models are allowed to include the training portions of GIFT-Eval evaluation datasets in their pretraining corpora. Even when these pretrained models are added to the comparison, PatchTST-FM-r2 remains near the top as seen in Figures 3 and 4: 3rd for CRPS and 4th for MASE among the replicable models. It outperforms several pretrained models, including Chronos-2, Timer-S1, and Toto variants , despite some competing models being considerably larger. [图片: GIFT-Eval CRPS with zero-shot and pretrained replicable models https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/5nFJSV8NMdjQUGsRIKW2l.png] Figure 3. GIFT-Eval CRPS when both zero-shot and pretrained replicable models are considered. [图片: GIFT-Eval MASE with zero-shot and pretrained replicable models https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/Y8p3_pQBcUC2j7XgILUL5.png] Figure 4. GIFT-Eval MASE when both zero-shot and pretrained replicable models are considered. Architecture: What changed from PatchTST-FM-r1? PatchTST-FM-r2 retains the patch-based representation that made the PatchTST family effective, but the internal architecture is redesigned to capture long- and short-term relationships efficiently and to smoothen inter-patch predictions — both of which substantially improve error measures. One change is the move from standard transformer layers to layers which incorporate convolution along with the multi-head self-attention. These layers are referred to as conformer layers and has its origin in speech processing applications. [图片: Architectural evolution from PatchTST-FM-r1 to Conformer-based PatchTST-FM-r2 https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/gYPoFfbdOqaT9nZmABON1.png] Figure 5. Architectural evolution from PatchTST-FM-r1 to the Conformer-based PatchTST-FM-r2. A PatchTST-FM-r1 block combines multi-head self-attention with a feed-forward network. In r2, we replaced this with a conformer-style block containing two half-step feed-forward layers surrounding multi-head self-attention and a temporal convolution layer. This gives the model two complementary mechanisms for reasoning over a time series. Self-attention can model long-range relationships between patches, while convolution provides an inductive bias toward local temporal structure. The convolution component can therefore capture shorter-term interactions while allowing attention to concentrate on relationships over longer horizons. This phenomenon is observable in attention patterns captured in the transformer and conformer versions (see example figure below using real samples from the ETTh1 dataset). While a significant portion of the transformer’s self-attention (left in the figure) concentrates near the diagonal, i.e., capturing local relationships, attentions in the conformer block (right in the figure) show long-distance (far-off-diagonal) focus, thanks to the convolution layer covering the short distances. The conformer blocks in the backbone use alternating convolution kernel sizes of 3 and 5, in a repeating pattern {5, 5, 3, 3}. [图片: https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/VvDbogaOneDquekkRG6TW.png] Figure 6. Comparing attention patterns captured in the transformer (left) and conformer versions(right) using real samples from the ETTh1 dataset. Additionally, PatchTST-FM-r2 uses 50% overlapping patches with Hamming-window weighting and overlap-and-add forecasting to smooth patch boundaries and improve forecasting accuracy. Finally, the architecture adds normalization for stability and expands from 20 to 30 blocks. With these changes, the resulting model has approximately 385M parameters , supports very long contexts of up to 8,192 steps , and predicts 99 quantiles over flexible forecast lengths. The model provides both point forecasts and quantile outputs for forecasting distributions and uncertainty intervals. Training data For foundation models intended for real applications, model quality is only one consideration. Developers increasingly need to understand what data went into a model, whether benchmark data may have leaked into training, and what the implications are for deploying the model. PatchTST-FM-r2 uses a documented pretraining corpus consisting of four sources: selected datasets from GiftEvalPretrain; custom synthetic data based on KernelSynth with modified periodic kernels and limited augmentation; a TSMixup corpus generated using the approach described by Chronos but restricted to datasets outside the GIFT-Eval evaluation set; and approximately 500,000 synthetic CauKer sequences, each of length 4,096. For enterprise adopters, this kind of transparency can be as important as another few points on a leaderboard. This does not eliminate the need for an organization's own model-governance and licensing review, but it gives users considerably more information with which to perform that review than an opaque pretraining corpus would. Open for research experimentation — and for commercial use To provide greater choice for the community, Granite Time Series PatchTST-FM-r2 is dual licensed under Apache 2.0 and OpenMDW 1.0 . Users may select either license, both of which provide broad, permissive rights to use, modify, and distribute the models, with the Linux Foundation's OpenMDW offering a licensing framework specifically designed for AI models and related materials. By making the models available under permissive open-source licenses, IBM aims to reduce barriers to adoption and enable organizations, researchers, and developers to build on the technology with confidence that comes with licenses that don't restrict your use.The architecture implementation is also available through Granite-TSFM repository and is backward-compatible with PatchTST-FM-r1 checkpoints. Try PatchTST-FM-r2 in a few lines of Python The easiest way to evaluate a foundation model is on your own time series data. Install the Granite TSFM package: pip install "granite-tsfm>=0.3.9" Then load PatchTST-FM-r2 directly from the Hugging Face Hub: import pandas as pd from tsfm_public import PatchTSTFMForPrediction, TimeSeriesForecastingPipeline # Load model weights model = PatchTSTFMForPrediction.from_pretrained( "ibm-granite/granite-timeseries-patchtst-fm-r2" ) # Read some sample data from ETTh df = pd.read_csv( "https://raw.githubusercontent.com/zhouhaoyi/ETDataset/main/ETT-small/ETTh1.csv" , parse_dates=[ "date" ], ) # Set up the forecasting pipeline pipe = TimeSeriesForecastingPipeline( model=model, id_columns=[], timestamp_column= "date" , target_columns=[ "HUFL" ], max_context_length=model.config.context_length, context_length= 512 , prediction_length= 64 , impute_method= None , quantile_levels=[ 0.1 , 0.5 , 0.9 ], explode_forecasts= True , freq= "1h" , ) # Create a forecast from the last 512 samples of the input dataframe forecast = pipe(df.iloc[- 512 :]) As you can see, no fine-tuning and no task-specific model fitting is needed. The pipeline consumes just the recent history of the series and generates the future forecast, including the requested quantiles. The above is a simple example on publicly available data – you can replace the example input data with your own, including demand, sensor telemetry, CPU utilization, energy consumption, transaction volume, traffic, prices, or another regularly sampled time series. Try it on your own data: Open PatchTST-FM-r2 on the Hugging Face Hub From notebooks to streaming time series This release connects to a broader effort around IBM Granite Time Series models, adding a new model to the broader portfolio . For applications where data arrives continuously rather than in static DataFrames, IBM and Confluent recently made several Granite Time Series models available through an Early Access program in Confluent Cloud . The initial portfolio includes PatchTST-FM-r1, FlowState-r1.1, TTM-r3, and TSPulse. The integration brings foundation-model inference directly into streaming applications through Apache Flink on Confluent Cloud. Forecasts and anomaly-detection results can be generated from live streams rather than requiring teams to set up and move data to a separate ML environment. Read the IBM announcement or Enroll in Early Access .

查看原文

<div class="page" id="readability-page-1"><div class="relative overflow-clip [overflow-clip-margin:3rem] [&>:last-child]:mb-0">
High-performance zero-shot forecasting with commercial-friendly open licensing
Time-series foundation models are changing the way forecasting systems are built. Instead of training and maintaining a separate model for every dataset, users can use a pretrained model and generate forecasts zero-shot.
IBM has released <a href="https://huggingface.co/ibm-granite/granite-timeseries-patchtst-fm-r2">Granite Time Series PatchTST-FM-r2</a>, the latest model in the Granite TSFM family (<a href="https://github.com/ibm-granite/granite-tsfm" rel="nofollow">github</a>, <a href="https://research.ibm.com/blog/time-series-ai-enterprise" rel="nofollow">blog</a>). PatchTST-FM-r2, a new version of its predecessor <a href="https://huggingface.co/ibm-granite/granite-timeseries-patchtst-fm-r1">PatchTST-FM-r1</a>, combines an updated architecture, a larger pretraining corpus, probabilistic forecasting, support for imputation of missing values, and strong zero-shot performance in a ~385M-parameter model.
As of September 8, 2026, the model is the top performing zero-shot model released under a permissive, commercial-friendly open-source license (Apache 2.0 and OpenMDW 1.0) among replicable, zero-shot models on the GIFT-Eval leaderboard. GIFT-Eval is a comprehensive time series forecasting benchmark designed to evaluate models across diverse forecasting scenarios; the model ranks #2 overall among replicable, zero-shot models.
The model weights, architecture, inference pipeline, and code needed to reproduce the benchmark results are all available.
In this blog we describe the model, dive deeper into the benchmarking results and the model architecture, discuss the training data and licensing, and provide code examples illustrating how to use the model. Finally, we also highlight how the models from the Granite Time Series family can be used in streaming applications in production setting leveraging <a href="https://events.confluent.io/early-access-flink-features" rel="nofollow">Confluent product</a>.
<blockquote>
Ready to try it? <a href="https://huggingface.co/ibm-granite/granite-timeseries-patchtst-fm-r2">Open Granite Time Series PatchTST-FM-r2 on Hugging Face</a>
</blockquote>
<h2 class="relative group flex items-baseline">
	<a id="tldr" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#tldr" rel="nofollow">
		
	</a>
	
		TL;DR
	
</h2>
<ul>
<li>General-purpose zero-shot forecasting for demand, prices, energy loads, traffic, telemetry, and other time series.</li>
<li>Approximately 385M parameters, context length up to 8,192, flexible forecast lengths, and probabilistic forecasts through a 99-quantile prediction head.</li>
<li>The model backbone is constructed from conformer blocks that combine multi-head self-attention with temporal convolution to capture long- and short-range temporal structure.</li>
<li>Permissively licensed model with top performance in the replicable zero-shot category of the GIFT-Eval benchmark (dual-licensed under Apache-2.0 and OpenMDW-1.0, users may select either license).</li>
<li>Available open weights, architecture, inference pipeline, and code to reproduce the benchmark.</li>
</ul>
<h2 class="relative group flex items-baseline">
	<a id="strong-zero-shot-forecasting-on-gift-eval" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#strong-zero-shot-forecasting-on-gift-eval" rel="nofollow">
		
	</a>
	
		Strong zero-shot forecasting on GIFT-Eval
	
</h2>
A foundation model is most useful when it generalizes to time series it has not been specifically trained on. For that reason, we focus first on zero-shot performance.
GIFT-Eval provides a broad evaluation of forecasting models across heterogeneous datasets and forecasting scenarios. When restricting the leaderboard to models that are zero-shot, replicable, and evaluated without test leakage, PatchTST-FM-r2 ranks second for both CRPS and MASE as of September 8, 2026, as illustrated in Figures 1 and 2 (lower values are better for both metrics). Importantly, PatchTST-FM-r2 is the highest-performing model in the same category among models with permissive, commercial-friendly licensing.

<img src="https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/EHyv5DrZggfNQPIZzZ-Lk.png" width="80%" alt="GIFT-Eval CRPS for leading replicable zero-shot models">Figure 1. GIFT-Eval CRPS for leading replicable zero-shot models. PatchTST-FM-r2 achieves a geometric-mean CRPS of 0.467, placing it immediately behind TimesFM-3 in this comparison, and first among the models with permissive licenses.
<img src="https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/5zG7qXwRtBp-ceZ_0UnAY.png" width="80%" alt="GIFT-Eval MASE for leading replicable zero-shot models">Figure 2. GIFT-Eval MASE for leading replicable zero-shot models. PatchTST-FM-r2 achieves a geometric-mean MASE of 0.6846. Blue bars denote models released by the IBM time-series foundation-model team.
<h2 class="relative group flex items-baseline">
	<a id="competitive-even-against-models-allowed-to-use-benchmark-training-data" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#competitive-even-against-models-allowed-to-use-benchmark-training-data" rel="nofollow">
		
	</a>
	
		Competitive even against models allowed to use benchmark training data
	
</h2>
Some models on GIFT-Eval are categorized as pretrained rather than strictly zero-shot. These models are allowed to include the training portions of GIFT-Eval evaluation datasets in their pretraining corpora.
Even when these pretrained models are added to the comparison, PatchTST-FM-r2 remains near the top as seen in Figures 3 and 4: 3rd for CRPS and 4th for MASE among the replicable models. It outperforms several pretrained models, including Chronos-2, Timer-S1, and Toto variants, despite some competing models being considerably larger.
<img src="https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/5nFJSV8NMdjQUGsRIKW2l.png" width="80%" alt="GIFT-Eval CRPS with zero-shot and pretrained replicable models">Figure 3. GIFT-Eval CRPS when both zero-shot and pretrained replicable models are considered.
<img src="https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/Y8p3_pQBcUC2j7XgILUL5.png" width="80%" alt="GIFT-Eval MASE with zero-shot and pretrained replicable models">Figure 4. GIFT-Eval MASE when both zero-shot and pretrained replicable models are considered.
<h2 class="relative group flex items-baseline">
	<a id="architecture-what-changed-from-patchtst-fm-r1" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#architecture-what-changed-from-patchtst-fm-r1" rel="nofollow">
		
	</a>
	
		Architecture: What changed from PatchTST-FM-r1?
	
</h2>
PatchTST-FM-r2 retains the patch-based representation that made the PatchTST family effective, but the internal architecture is redesigned to capture long- and short-term relationships efficiently and to smoothen inter-patch predictions — both of which substantially improve error measures.
One change is the move from standard transformer layers to layers which incorporate convolution along with the multi-head self-attention. These layers are referred to as conformer layers and has its <a href="https://arxiv.org/pdf/2005.08100" rel="nofollow">origin</a> in speech processing applications.
<a href="https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/gYPoFfbdOqaT9nZmABON1.png" rel="nofollow"><img src="https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/gYPoFfbdOqaT9nZmABON1.png" alt="Architectural evolution from PatchTST-FM-r1 to Conformer-based PatchTST-FM-r2"></a>
Figure 5. Architectural evolution from PatchTST-FM-r1 to the Conformer-based PatchTST-FM-r2.
A PatchTST-FM-r1 block combines multi-head self-attention with a feed-forward network. In r2, we replaced this with a conformer-style block containing two half-step feed-forward layers surrounding multi-head self-attention and a temporal convolution layer.
This gives the model two complementary mechanisms for reasoning over a time series. Self-attention can model long-range relationships between patches, while convolution provides an inductive bias toward local temporal structure. The convolution component can therefore capture shorter-term interactions while allowing attention to concentrate on relationships over longer horizons. This phenomenon is observable in attention patterns captured in the transformer and conformer versions (see example figure below using real samples from the ETTh1 dataset). While a significant portion of the transformer’s self-attention (left in the figure) concentrates near the diagonal, i.e., capturing local relationships, attentions in the conformer block (right in the figure) show long-distance (far-off-diagonal) focus, thanks to the convolution layer covering the short distances. The conformer blocks in the backbone use alternating convolution kernel sizes of 3 and 5, in a repeating pattern {5, 5, 3, 3}.
<img alt="Transformer and conformer attention patterns" src="https://cdn-uploads.huggingface.co/production/uploads/64b01b5252349201f972ba17/VvDbogaOneDquekkRG6TW.png" width="80%">Figure 6. Comparing attention patterns captured in the transformer (left) and conformer versions(right) using real samples from the ETTh1 dataset.
Additionally, PatchTST-FM-r2 uses 50% overlapping patches with Hamming-window weighting and overlap-and-add forecasting to smooth patch boundaries and improve forecasting accuracy. Finally, the architecture adds normalization for stability and expands from 20 to 30 blocks.

With these changes, the resulting model has approximately 385M parameters, supports very long contexts of up to 8,192 steps, and predicts 99 quantiles over flexible forecast lengths. The model provides both point forecasts and quantile outputs for forecasting distributions and uncertainty intervals.
<h2 class="relative group flex items-baseline">
	<a id="training-data" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#training-data" rel="nofollow">
		
	</a>
	
		Training data
	
</h2>
For foundation models intended for real applications, model quality is only one consideration. Developers increasingly need to understand what data went into a model, whether benchmark data may have leaked into training, and what the implications are for deploying the model.
PatchTST-FM-r2 uses a documented pretraining corpus consisting of four sources: selected datasets from GiftEvalPretrain; custom synthetic data based on KernelSynth with modified periodic kernels and limited augmentation; a TSMixup corpus generated using the approach described by Chronos but restricted to datasets outside the GIFT-Eval evaluation set; and approximately 500,000 synthetic CauKer sequences, each of length 4,096.
For enterprise adopters, this kind of transparency can be as important as another few points on a leaderboard. This does not eliminate the need for an organization's own model-governance and licensing review, but it gives users considerably more information with which to perform that review than an opaque pretraining corpus would.
<h2 class="relative group flex items-baseline">
	<a id="open-for-research-experimentation--and-for-commercial-use" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#open-for-research-experimentation--and-for-commercial-use" rel="nofollow">
		
	</a>
	
		Open for research experimentation — and for commercial use
	
</h2>
To provide greater choice for the community, Granite Time Series PatchTST-FM-r2 is dual licensed under <a href="https://www.apache.org/licenses/LICENSE-2.0.txt" rel="nofollow">Apache 2.0</a> and <a href="https://raw.githubusercontent.com/OpenMDW/OpenMDW/refs/heads/main/1.0/LICENSE.openmdw" rel="nofollow">OpenMDW 1.0</a>. Users may select either license, both of which provide broad, permissive rights to use, modify, and distribute the models, with the Linux Foundation's OpenMDW offering a licensing framework specifically designed for AI models and related materials. By making the models available under permissive open-source licenses, IBM aims to reduce barriers to adoption and enable organizations, researchers, and developers to build on the technology with confidence that comes with licenses that don't restrict your use.The architecture implementation is also available through <a href="https://github.com/ibm-granite/granite-tsfm" rel="nofollow">Granite-TSFM repository</a> and is backward-compatible with PatchTST-FM-r1 checkpoints.
<h2 class="relative group flex items-baseline">
	<a id="try-patchtst-fm-r2-in-a-few-lines-of-python" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#try-patchtst-fm-r2-in-a-few-lines-of-python" rel="nofollow">
		
	</a>
	
		Try PatchTST-FM-r2 in a few lines of Python
	
</h2>
The easiest way to evaluate a foundation model is on your own time series data.
Install the Granite TSFM package:
<pre><code class="language-bash">pip install "granite-tsfm>=0.3.9"
</code></pre>
Then load PatchTST-FM-r2 directly from the Hugging Face Hub:
<pre><code class="language-python">import pandas as pd
from tsfm_public import PatchTSTFMForPrediction, TimeSeriesForecastingPipeline

# Load model weights
model = PatchTSTFMForPrediction.from_pretrained(
 "ibm-granite/granite-timeseries-patchtst-fm-r2"
)

# Read some sample data from ETTh
df = pd.read_csv(
 "https://raw.githubusercontent.com/zhouhaoyi/ETDataset/main/ETT-small/ETTh1.csv",
 parse_dates=["date"],
)

# Set up the forecasting pipeline
pipe = TimeSeriesForecastingPipeline(
 model=model,
 id_columns=[],
 timestamp_column="date",
 target_columns=["HUFL"],
 max_context_length=model.config.context_length,
 context_length=512,
 prediction_length=64,
 impute_method=None,
 quantile_levels=[0.1, 0.5, 0.9],
 explode_forecasts=True,
 freq="1h",
)

# Create a forecast from the last 512 samples of the input dataframe
forecast = pipe(df.iloc[-512:])
</code></pre>
As you can see, no fine-tuning and no task-specific model fitting is needed. The pipeline consumes just the recent history of the series and generates the future forecast, including the requested quantiles.
The above is a simple example on publicly available data – you can replace the example input data with your own, including demand, sensor telemetry, CPU utilization, energy consumption, transaction volume, traffic, prices, or another regularly sampled time series.
<blockquote>
Try it on your own data: <a href="https://huggingface.co/ibm-granite/granite-timeseries-patchtst-fm-r2">Open PatchTST-FM-r2 on the Hugging Face Hub</a>
</blockquote>
<h2 class="relative group flex items-baseline">
	<a id="from-notebooks-to-streaming-time-series" class="block pr-1.5 text-lg md:absolute md:p-1.5 md:opacity-0 md:group-hover:opacity-100 md:right-full" href="https://huggingface.co/blog/ibm-research/ibm-releases-sota-granite-time-series#from-notebooks-to-streaming-time-series" rel="nofollow">
		
	</a>
	
		From notebooks to streaming time series
	
</h2>
This release connects to a broader effort around IBM Granite Time Series models, <a href="https://research.ibm.com/blog/time-series-ai-enterprise" rel="nofollow">adding a new model to the broader portfolio</a>.
For applications where data arrives continuously rather than in static DataFrames, IBM and Confluent recently made several Granite Time Series models available through an Early Access program in Confluent Cloud. The initial portfolio includes PatchTST-FM-r1, FlowState-r1.1, TTM-r3, and TSPulse.
The integration brings foundation-model inference directly into streaming applications through Apache Flink on Confluent Cloud. Forecasts and anomaly-detection results can be generated from live streams rather than requiring teams to set up and move data to a separate ML environment. 
<ul>
<li><a href="https://www.ibm.com/new/announcements/ibm-granite-time-series-models-bring-real-time-forecasting-and-anomaly-detection-to-confluent-cloud" rel="nofollow">Read the IBM announcement</a> or</li>
<li><a href="https://events.confluent.io/early-access-flink-features" rel="nofollow">Enroll in Early Access</a>.</li>
</ul>
</div></div>

网智前沿来自 Cisco Blog 9月9日 23:00 ☆☆☆☆☆ 0

Cisco and Axis Communications: Greater visibility, scalability, and incident management

[图片: Future Cloud – If your future is in the Cloud, how do you get there? https://blogs.cisco.com/gcs/ciscoblogs/1/2021/05/IL20210512164022-CISCO_Xavier_1200x628-2-600x200.jpg] [图片: Prashanth Shenoy https://blogs.cisco.com/gcs/ciscoblogs/1/2022/07/1485541881-bpfull.jpg] Prashanth Shenoy Future Cloud – If your future is in the Cloud, how do you get there? On June 2, we will host Future Cloud, a virtual broadcast to discuss real-world insights from some of the leading thinkers in cloud, including industry analysts, cloud providers, cloud operations experts, cloud implementers, and customers. Please join May 12, 2021 • 3 min read Cloud

查看原文

<article class="blog-card item-thirds-1">
									<div class="card-image">
										<a href="https://blogs.cisco.com/cloud/future-cloud-if-your-future-is-in-the-cloud-how-do-you-get-there">
											<img src="https://blogs.cisco.com/gcs/ciscoblogs/1/2021/05/IL20210512164022-CISCO_Xavier_1200x628-2-600x200.jpg" alt="Future Cloud – If your future is in the Cloud, how do you get there?">
										</a>
									</div>
									<div class="card-content">
																					
											<div class="blog-author">
												<div class="author-info">
													<a href="https://blogs.cisco.com/author/prashanthshenoy">
														<img src="https://blogs.cisco.com/gcs/ciscoblogs/1/2022/07/1485541881-bpfull.jpg" alt="Prashanth Shenoy" class="author-avatar">
													</a>
													
														<a href="https://blogs.cisco.com/author/prashanthshenoy">Prashanth Shenoy</a>
													
												</div>
											</div>
											
																				<h3 class="card-title"><a href="https://blogs.cisco.com/cloud/future-cloud-if-your-future-is-in-the-cloud-how-do-you-get-there">Future Cloud – If your future is in the Cloud, how do you get there?</a></h3>
										On June 2, we will host Future Cloud, a virtual broadcast to discuss real-world insights from some of the leading thinkers in cloud, including industry analysts, cloud providers, cloud operations experts, cloud implementers, and customers. Please join
										<div class="card-meta">
										<div class="card-meta-first-row">
											<div class="card-date-info">
												May 12, 2021
												•
												3 min read
											</div>
										</div>
										<div class="card-meta-second-row">
											<div class="card-category">
												
																									<a href="https://blogs.cisco.com/cloud">Cloud</a>
																								
											</div>
											<div class="card-actions">
												<a class="card-interaction card-comments" href="https://blogs.cisco.com/cloud/future-cloud-if-your-future-is-in-the-cloud-how-do-you-get-there#comments">
													
													
												</a>
												<a class="card-interaction card-share" href="https://blogs.cisco.com/cloud/future-cloud-if-your-future-is-in-the-cloud-how-do-you-get-there" aria-label="Open post">
													
												</a>
											</div>
										</div>
										</div>
									</div>
								</article>

网智前沿来自 Cisco Blog 9月9日 23:00 ☆☆☆☆☆ 0

Now generally available: See how Stack Automation by Quali cuts deployment time

[图片: How Verizon Earned Top Partner Honors in 2018 https://blogs.cisco.com/gcs/5c13d7508941d.jpg] [图片: Pat Wright https://blogs.cisco.com/gcs/ciscoblogs/1/2022/07/1544564500-bpfull.jpg] Pat Wright How Verizon Earned Top Partner Honors in 2018 The Cisco and Verizon partnership serves as a best practices template for our service provider as a channel (SPaaCH) strategy globally. Dec 14, 2018 • 4 min read SP360: Service Provider 1

查看原文

<article class="blog-card item-thirds-1">
									<div class="card-image">
										<a href="https://blogs.cisco.com/sp/how-verizon-earned-top-partner-honors-in-2018">
											<img src="https://blogs.cisco.com/gcs/5c13d7508941d.jpg" alt="How Verizon Earned Top Partner Honors in 2018">
										</a>
									</div>
									<div class="card-content">
																					
											<div class="blog-author">
												<div class="author-info">
													<a href="https://blogs.cisco.com/author/patwright">
														<img src="https://blogs.cisco.com/gcs/ciscoblogs/1/2022/07/1544564500-bpfull.jpg" alt="Pat Wright" class="author-avatar">
													</a>
													
														<a href="https://blogs.cisco.com/author/patwright">Pat Wright</a>
													
												</div>
											</div>
											
																				<h3 class="card-title"><a href="https://blogs.cisco.com/sp/how-verizon-earned-top-partner-honors-in-2018">How Verizon Earned Top Partner Honors in 2018</a></h3>
										The Cisco and Verizon partnership serves as a best practices template for our service provider as a channel (SPaaCH) strategy globally.
										<div class="card-meta">
										<div class="card-meta-first-row">
											<div class="card-date-info">
												Dec 14, 2018
												•
												4 min read
											</div>
										</div>
										<div class="card-meta-second-row">
											<div class="card-category">
												
																									<a href="https://blogs.cisco.com/sp">SP360: Service Provider</a>
																								
											</div>
											<div class="card-actions">
												<a class="card-interaction card-comments" href="https://blogs.cisco.com/sp/how-verizon-earned-top-partner-honors-in-2018#comments">
													
													1
												</a>
												<a class="card-interaction card-share" href="https://blogs.cisco.com/sp/how-verizon-earned-top-partner-honors-in-2018" aria-label="Open post">
													
												</a>
											</div>
										</div>
										</div>
									</div>
								</article>

AI技术资讯来自智东西 9月9日 20:19 ☆☆☆☆☆ 0

实测神秘模型Omen Alpha：我用它25分钟速搓“牛来”版YouTube

原创毕伟豪 2026-09-09 20:19 北京 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=d500923d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2F8Eyv4o4AcuqPoJN3tzhvpiaz8iaic0QE0h2KwH5md5Z93khCdEVMo5KWmQzh67AyC4fk7Z5LKnJIK0DoFIyDicaKk4BubOCyuIzOvr6DeZY6Yk8%2F0%3Fwx_fmt%3Djpeg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=0bceef4e&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuoNGIjKMCiaN3muHmmRvqtWP8bxHbuPXcGfLbiaiaric7bRAsiaa8NsFRgpibr1cebh4oZ7myX0bibOSSUla5eVbuBnKicw73te2IVcsa8%2F640%3Ffrom%3Dappmsg] 到底是谁家的模型？作者 | 毕伟豪编辑 | 李水青智东西9月9日报道，近日，有一款名叫 Omen Alpha的匿名模型突然出现，并凭借其超高性价比迅速引起热议。上线5天后，在Muse Spark 1.3 Contributor这款免费模型的冲击下，依然高居OpenCode调用量榜单第七，开发者纷纷猜测这是谁家的新模型，有网友评论“ 又是来自东方的神秘模型 ”。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=fe563cc2&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acurw0j0Xhs1KwkH77vkGewnsYtvFSbbgZc7VDQksiapSUNUkKT20bWVFrq9nxWibib8aY9y5vhZr1yd2Ka5HnEejtVjiaZkHjnk9HKY%2F640%3Ffrom%3Dappmsg] 在社区测试中，不少人一致的反馈就是“快” ，有开发者用Omen Alpha仅花了1小时30分钟就完成了一个简易3D世界的建模，而且效果相当好。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=71200b48&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuplmDic1A7esIlcem4TovvvV3fpwtdHAVR01RsT33KGI6XJOy0Miad6DDUQXAIibvwZMwG9NcFzsDehKP0mDPK2ibCykmXY4bcPeZI%2F640%3Ffrom%3Dappmsg] 与之对比，该开发者用GLM 5.3 Flash和GPT 5.6 Luna以同样的提示词进行开发，用时接近3小时，但几款模型的开发风格完全不同，大家可以自行对比。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=5da0c9af&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo98PGrH2fFrktpYd0mwk0J99HRl4mJ35JB8ftdpIEPLaiciaViaRNVRkJqcrZicQsVXwlNjYoEwLFJLdB3rBYKvia3Sw3aOBz6KySk%2F640%3Ffrom%3Dappmsg] 目前，Omen Alpha仅在OpenCode Go订阅套餐中可用， 10美元套餐拥有100美元的使用额度，如果根据使用额度计算，这款模型的价格简直低到离谱。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=074c0167&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqSxNhDZ1ian2Rb5Ooic5jHFQp5eibA0AY8Lh7kYDGDESlickm7AYk9icFwUL0x0rdERWzkDuW0r0ib9wdXBSdEuNfTcicia5JXnzVDCks%2F640%3Ffrom%3Dappmsg] 从价格上看，这款模型应该也是定位在flash的级别，在OpenCode中和它价位接近的大部分都是轻量级模型。OpenCode内部计费中，价格和Omen Alpha接近的模型汇总如下： [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=2d0c1902&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuoKb8XiaicTQeNbMjUdup2FFDU7hwMbRerF4xPNiamkHeVOor2gn9eKX5O5rITVKIco5uHQyOib0XNgicIlcE5t2Jz0qsicLexhEibLiaI%2F640%3Ffrom%3Dappmsg] 带着对这款便宜大碗的匿名模型充分的期待，智东西对其进行了多方面的实测，在测试中我们发现，Omen Alpha是一款具备视觉能力的模型，在前端设计和开发速度上表现突出。与此同时，这款模型在逻辑推理方面存在一些问题，出现了偏重速度而稍显智力不足的情况。 01 . 几秒识别民国报纸 25分钟开发“牛来”牌YouTube 实测开始，我们首先验证了Omen Alpha的视觉能力，输入一张民国日报的影像，让它识别并整理。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=eeabd947&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcupyVnuOMsuD5yHmQp1R7Pw64ia5SHpqibAdMV7IO55wUNs1UvrJxibEaAftobTJsib0NWY88Ew7AurDaSfHne1ZHyDfu4ahKHriaUBE%2F640%3Ffrom%3Dappmsg] Omen Alpha在思考几秒后迅速给出了答案，识别出了这是《民国日报》创刊号，同时还把报纸上的信息都整理成了文本，视觉能力相当不错。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=62460ac1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqO27pVyxVWUDcP8TL8CbQfoOfxYnqBdFib1dZLCqUENx8xDO3GzAYEPicq6rmZQdqtGlyPib86tCDVMcurDzZ7EOCgTnFUL36aEA%2F640%3Ffrom%3Dappmsg] 随后，我们将一个比较简单的状态栏插件开发任务交给Omen Alpha，同时提示词尽可能简略，看看它在插件开发和调优过程中，通过图片理解意图的表现如何。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=3e897af5&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcupicpaCR4hqpAjjWmvdWibhxrXYcX7LPW6RSfslpCvicYNjYYXKenI8Vs5oc3CKvJJ6FqEH8nee5a1oSrrFwcawATLP77CeW4Y8Fc%2F640%3Ffrom%3Dappmsg] Omen Alpha在处理这项任务时，对于图片内容的理解相当到位，我所需要的功能都在开发列表中。开发过程中，出现了功能区域颜色太浅的问题，经过截图调整后，Omen Alpha完成了一个比较粗糙的插件，但总体是可用的。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=3913049d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acup3rnrYibLiaBaHQ7iayno5psL7dibqiaHuHrsOuWx0zl1kya8OxHS3NgzeWXha8z2o2KZbjic0pVHPRDgbUJCezok9MlB54E8N2Vx9E%2F640%3Ffrom%3Dappmsg] 由于提示词没有对前端设计有任何规范，因此上面的测试并不能展现Omen Alpha的前端开发能力。于是我们设计了一段“ 麻雀虽小五脏俱全 ”的提示词，让Omen Alpha通过参考图和网页来做一个“牛来版”的YouTube，提示词如下：请根据这张 YouTube 网页截图，尽可能 1:1 复刻整个网页，包括顶部导航、搜索框、左侧栏、分类标签、视频卡片网格、字体、间距、圆角、图标等视觉结构，不要只做静态页面，要实现真实可交互的前端。搜索框可以输入并展示搜索结果，侧边栏和分类标签可以切换内容，视频卡片可以点击进入视频详情页，作者可以进入频道页，更多按钮可以弹出操作菜单，并实现基本的返回、推荐视频等交互逻辑，同时做好桌面端和移动端适配。将页面中的所有视频内容全部替换成“牛来”主题：使用我提供的牛图片作为所有视频封面，并同步修改视频标题、作者、播放量、发布时间、简介、评论等文案，让整个网站看起来像一个真实的“牛来主题 YouTube”。完成后请自行运行并检查网页，发现布局、视觉或交互问题后主动修改，最终保证页面不仅视觉上接近 YouTube，而且能够完整操作。实测中我们发现，Omen Alpha的前置思考时间非常久，它在动手开发这个网页之前，足足思考了8分钟，而整个开发过程也才25分钟。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=db12f089&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurIEicNHgoicuN6GkK1M2bjBSubibPPJASRiaVzT7QoURGawrE0niatc1thQfuDI6jdp1LbwksxS4qfSSeCANdapCbiaZ0sXHh6gaN54%2F640%3Ffrom%3Dappmsg] 但Omen Alpha的开发速度确实是非常快，前置大量思考以后，在执行过程中几乎没什么停顿，处理素材、写前端页面然后进行测试一气呵成，最终呈现效果是这样的： [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=9b61988d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_gif%2F8Eyv4o4AcurGAj2Zk6EI41hOQiahX7YUPibVIfZgYhCd1Jx0icumuFpTmZpLuynkXAC1CictO2CxoMuEWGAcSibcr781icF4Q3WoF2WAeibdKQIDsY%2F640%3Ffrom%3Dappmsg] 整体网页开发效果给了我们很大的惊喜，页面图片均做了适配，标题和底部评论都生成了有趣的“牛来”版本，在交互上也非常流畅，播放进度条以及订阅、收藏点赞这些功能都和原网站一样。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=1140d502&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqWOaKlu7bPp6Ph52U1KJbnqAIgOeUcbLpENfIrsnX1Q7xczjM083OF0Dia4pia5mlswzXwqII975DvpicTib1jfo7zfg952lGogVY%2F640%3Ffrom%3Dappmsg] 从视觉能力到前端开发，虽然前置的思考时间和思维链有些冗长，但Omen Alpha呈现的效果都相当不错，在速度上表现尤为突出。 02 . 坦克大战、地牢肉鸽、躲避小球游戏开发速度快到起飞来到考验模型综合能力的游戏开发环节，智东西从三个游戏切入，从易到难分为三个档让Omen Alpha进行开发。首先我们让Omen Alpha做了一个简单的躲避球小游戏，它用时仅仅只有不到3分半钟，还包括了两轮测试。最终交付的结果是一个非常简易的小游戏，但小球的下落、躲避动作以及得分系统等都非常齐全，具有一定可玩性。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=4a026a87&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_gif%2F8Eyv4o4AcuoAPf5OoFhq1wEazfa6LefpMWVPybxLsOoOb1fsZibH0lyms3gPmQMslzq0Yg5jHawWQHB3c9fmMZR54KE3IRIIFEvuICiaat0yE%2F640%3Ffrom%3Dappmsg] 随后，我们输入了一段用来测试不同模型开发能力的“老提示词”，目标是开发一款经典游戏《坦克大战》的demo，提示词如下：开发一个完整的经典 FC《坦克大战》网页游戏，使用 HTML、CSS 和原生 JavaScript 实现，不依赖任何第三方库。游戏采用复古像素风格，包含玩家坦克移动、射击、敌方 AI 巡逻与攻击、可破坏砖墙、不可破坏钢墙、草地、河流、道具掉落、生命值、积分、关卡升级、Boss、爆炸特效、音效、暂停、重新开始、本地最高分保存等完整玩法，操作流畅、碰撞检测准确、60FPS 运行，并将所有代码封装在一个可直接运行的 HTML 文件中，代码结构清晰且带有中文注释。 Omen Alpha用时44分钟，包括20多分钟的规划时间，相比于一些前沿模型，速度要快上不少，画面、墙体、移动、得分和炮弹消除等方面表现不错。但存在一些基础逻辑问题，比如敌方坦克全部堆在左侧，玩家反制空间太小等。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=59b5bfbb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_gif%2F8Eyv4o4AcurPnOlPuxficjmA5ShBn3niaxOIeFlawPP9jWZZscgN2yruDkKuo3NCP4bJjck2FulvEXfxHKLjh0mzr6pDhn5jw2SyrM39F6Ogw%2F640%3Ffrom%3Dappmsg] 不过值得一提的是，此前智东西在测试一些顶级模型的时候，相同提示词虽然生成结果可玩性会好一些，但同样存在不少问题，从速度和质量上综合考量， Omen Alpha的表现还是可圈可点的。最后，智东西输入了一个开放2D像素风格地牢肉鸽游戏的提示词，参考《死亡细胞》，看看Omen Alpha在动作游戏的开发上表现如何。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=f0bb012c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqQFhBCE23NUNcWytfh7cNAeciaHGZ3RAvZjAVMBpuVQbmAoCYRkX2ggNc5fVJt5Mfprib1RVcZUC8tlg9F00GcKMrJtcGSs8RaI%2F640%3Ffrom%3Dappmsg] 这个任务的需求比较复杂，需要保持人物动作的连贯、攻击方式的切换以及受击、僵直等横版格斗游戏的基础逻辑正确，同时肉鸽游戏的随机掉落和升级、强化等都需要精细化的编程。 Omen Alpha依旧延续了超长思考时间风格，不过这次由于游戏开发难度比较大，用时接近两小时才完成从规划、开发到测试的全流程，最终效果如下： [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=2513cb39&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8Eyv4o4AcuqribfINJ2MoFSZx5mVdFHH9wMwJnStJYJyacGicOjOACyiaRhTY2aErHbich8dOZtdAxDnjTNqluXOVqs1WlKMWQG9ErCgxCVdaFE%2F640%3Ffrom%3Dappmsg] 可以看到，在没有参考信息的情况下，Omen Alpha开发的游戏呈现很浓的像素风，肉鸽游戏、人物跳跃、受击等逻辑都正常，但与原作相差较大，打击效果也比较弱，可玩性一般。 03 . 拿捏3D建模却被洗车问题难倒了毫无疑问，Omen Alpha在游戏开发方面的表现还是不错的，结合目前在OpenCode中100美元的额度，无疑又是一个蹬不完的模型。但除了游戏开发，其他方面的能力也需要进行测试，智东西选取了 3D建模以及一些特殊问题来测试Omen Alpha的逻辑思维能力。先测试3D建模，我们让Omen Alpha用Blender从零建一架波音737风格的民航客机，与网页和游戏开发不同的是，它并没有长时间思考，直接上手开始检测本机Blender版本，然后通过MCP进行建模。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=ed1b2808&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acupvic7ib2ePcIGbia7nehLT5t4zKEU42ia50HfRdQBxoEoibNVVoTASU5WfbjqyWmnXAAvJZbTBZJLQpeCho5fibvR7rLIZjf5jPPAVo%2F640%3Ffrom%3Dappmsg] 最终呈现了这样的效果，交付的模型作为展示已然足够了，左右机翼没有误差，机身形体和颜色搭配后，呈现出明显的民航客机的气质，只不过建模精度上有些粗糙，也没有UV展开和贴图细节。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=ea78508c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuqfmt1mUbYSQFBQGUYzibw8qWsNOMGnqRKsswKAJicuPojK4ROwOh1RjUTA1MmJJMTTcX99fc9bBawwB3xGISHic8p7ibB2ZC2AdcE%2F640%3Ffrom%3Dappmsg] 接下来，智东西选取了一些考验逻辑能力的测试题，看看Omen Alpha的表现如何。让人有些意外的是，这款在各方面表现都尚佳的模型，居然直接倒在了经典洗车难题上，而且是不假思索的失败。Omen Alpha没有任何推理过程，思考几秒钟后直接给出了完美的错误答案。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=053a259f&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqY3Gx1UBfnoeHnWM2SD1AQSTFDnLcL6nZ8ZSMNnJ38a5daFyibSl1b0ajr2IsoG4RT9tIHmBib4Cr3ypTH2PaMicMQG35pyxEicuE%2F640%3Ffrom%3Dappmsg] 我们不信邪，将模型的思考强度拉到最高，结果更快速地获得了相同的错误答案。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=ea390244&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuoroDunjIbY36IibUpb47IPrA5d3EVibAHiblBMv1lJSOWibaOfjiaK8dnmWNkJaUHyhHOBrFTMArP6B3pFTIA8Y9xoUQQhVOXcXicm8%2F640%3Ffrom%3Dappmsg] 由此可见，现在的模型面对洗车难题，依然存在逻辑问题。同时也能看出Omen Alpha这款匿名模型几乎没有做任何推理，过于追求速度而牺牲推理的状况，甚至有些像Chat页面免费模型所呈现的感觉。考虑到洗车难题对于诸多模型都是一个逻辑难题，我们又上传了一份公务员考试模拟题，让Omen Alpha直接答题。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=1e11a7e9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqsXnA7L8rBdNH2QlicMnuXT0SIffJuibDiakfQVibvx5qqfDWI7pBib48KcH7XoGyyibL6fsHosmpIso53YqhaiaMjjlHAoaibAXI5Ypo%2F640%3Ffrom%3Dappmsg] 结果还是有点让人失望，Omen Alpha的正确率仅为80%，可以看到其逻辑推理能力存在比较明显的问题。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=f29ba6a8&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuoFkKEOOBpHPjzemCJTHYbtqftqomIeFw7k45nDBA7k6E1JXAgTetba9icdDLj5an6Sicl9U7A9VT25LjibHlADDTib1TtzflFBatc%2F640%3Ffrom%3Dappmsg] 04 . 结语：速度和价格兼优但智力略显不足虽然不知道Omen Alpha是谁家的模型，但从实测效果上看，定位应该是一款主打性价比的轻量级模型。应该说，这款模型在各方面都具备不俗的实力，超快的生成速度让它能够处理一些复杂性不强的工作，或者承接大型任务的草稿阶段，在目前的套餐内，基本上可以当做涨价之前的DeepSeek-V4-flash来猛蹬。关于这款模型最终被谁认领，大家可以稍微期待一下。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=30f34285&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo6QgWG1khhLzE6v3PcF48D8flNzoAeUCdqI0mCAhIT26HPvPDUqbiakqAM69eqdybFLS7vIAr93sqlVgYwl5ssZicgBWvNnPlDA%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=b8424921&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurbT53EB2XTVezHVfGkh3C9ibtMTvYIRaWDS6OoEbqeRB6DdAgyrKqIoSqbH8IqELGkRMbicSB5qdEsSU4DTbewIJ54Jtk1uiasrk%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=acc98126&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqtCJxelvJpo8AQmdxxmXiag8mVxjooNuEplw0PkJS58UIohucjFm5ODlMq41Z0atyCZNeINXZBbkf6YO82Zqm4iaGnjMVPic48ibs%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg] 跳转微信打开

查看原文

原创 毕 伟豪 2026-09-09 20:19 北京

<img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=d500923d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2F8Eyv4o4AcuqPoJN3tzhvpiaz8iaic0QE0h2KwH5md5Z93khCdEVMo5KWmQzh67AyC4fk7Z5LKnJIK0DoFIyDicaKk4BubOCyuIzOvr6DeZY6Yk8%2F0%3Fwx_fmt%3Djpeg">
 
 <svg xmlns="http://www.w3.org/2000/svg" width="100%" height="auto" viewBox="0 0 680 150" style="display:block;"></svg><img style="border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=0bceef4e&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuoNGIjKMCiaN3muHmmRvqtWP8bxHbuPXcGfLbiaiaric7bRAsiaa8NsFRgpibr1cebh4oZ7myX0bibOSSUla5eVbuBnKicw73te2IVcsa8%2F640%3Ffrom%3Dappmsg"><div style="margin: 15px 8px 35px;">到底是谁家的模型？</div>作者 |  毕伟豪编辑 |  李水青智东西9月9日报道，近日，有一款名叫Omen Alpha的匿名模型突然出现，并凭借其超高性价比迅速引起热议。上线5天后，在Muse Spark 1.3 Contributor这款免费模型的冲击下，依然高居OpenCode调用量榜单第七，开发者纷纷猜测这是谁家的新模型，有网友评论“又是来自东方的神秘模型”。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=fe563cc2&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acurw0j0Xhs1KwkH77vkGewnsYtvFSbbgZc7VDQksiapSUNUkKT20bWVFrq9nxWibib8aY9y5vhZr1yd2Ka5HnEejtVjiaZkHjnk9HKY%2F640%3Ffrom%3Dappmsg">在社区测试中，不少人一致的反馈就是“快”， 有开发者用Omen Alpha仅花了1小时30分钟就完成了一个简易3D世界的建模，而且效果相当好。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=71200b48&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuplmDic1A7esIlcem4TovvvV3fpwtdHAVR01RsT33KGI6XJOy0Miad6DDUQXAIibvwZMwG9NcFzsDehKP0mDPK2ibCykmXY4bcPeZI%2F640%3Ffrom%3Dappmsg">与之对比，该开发者用GLM 5.3 Flash和GPT 5.6 Luna以同样的提示词进行开发，用时接近3小时，但几款模型的开发风格完全不同，大家可以自行对比。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=5da0c9af&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo98PGrH2fFrktpYd0mwk0J99HRl4mJ35JB8ftdpIEPLaiciaViaRNVRkJqcrZicQsVXwlNjYoEwLFJLdB3rBYKvia3Sw3aOBz6KySk%2F640%3Ffrom%3Dappmsg">目前，Omen Alpha仅在OpenCode Go订阅套餐中可用，10美元套餐拥有100美元的使用额度，如果根据使用额度计算，这款模型的价格简直低到离谱。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=074c0167&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqSxNhDZ1ian2Rb5Ooic5jHFQp5eibA0AY8Lh7kYDGDESlickm7AYk9icFwUL0x0rdERWzkDuW0r0ib9wdXBSdEuNfTcicia5JXnzVDCks%2F640%3Ffrom%3Dappmsg">从价格上看，这款模型应该也是定位在flash的级别，在OpenCode中和它价位接近的大部分都是轻量级模型。OpenCode内部计费中，价格和Omen Alpha接近的模型汇总如下：<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=2d0c1902&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuoKb8XiaicTQeNbMjUdup2FFDU7hwMbRerF4xPNiamkHeVOor2gn9eKX5O5rITVKIco5uHQyOib0XNgicIlcE5t2Jz0qsicLexhEibLiaI%2F640%3Ffrom%3Dappmsg">带着对这款便宜大碗的匿名模型充分的期待，智东西对其进行了多方面的实测，在测试中我们发现，Omen Alpha是一款具备视觉能力的模型，在前端设计和开发速度上表现突出。与此同时，这款模型在逻辑推理方面存在一些问题，出现了偏重速度而稍显智力不足的情况。01.几秒识别民国报纸25分钟开发“牛来”牌YouTube实测开始，我们首先验证了Omen Alpha的视觉能力，输入一张民国日报的影像，让它识别并整理。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=eeabd947&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcupyVnuOMsuD5yHmQp1R7Pw64ia5SHpqibAdMV7IO55wUNs1UvrJxibEaAftobTJsib0NWY88Ew7AurDaSfHne1ZHyDfu4ahKHriaUBE%2F640%3Ffrom%3Dappmsg">Omen Alpha在思考几秒后迅速给出了答案，识别出了这是《民国日报》创刊号，同时还把报纸上的信息都整理成了文本，视觉能力相当不错。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=62460ac1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqO27pVyxVWUDcP8TL8CbQfoOfxYnqBdFib1dZLCqUENx8xDO3GzAYEPicq6rmZQdqtGlyPib86tCDVMcurDzZ7EOCgTnFUL36aEA%2F640%3Ffrom%3Dappmsg">随后，我们将一个比较简单的状态栏插件开发任务交给Omen Alpha，同时提示词尽可能简略，看看它在插件开发和调优过程中，通过图片理解意图的表现如何。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=3e897af5&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcupicpaCR4hqpAjjWmvdWibhxrXYcX7LPW6RSfslpCvicYNjYYXKenI8Vs5oc3CKvJJ6FqEH8nee5a1oSrrFwcawATLP77CeW4Y8Fc%2F640%3Ffrom%3Dappmsg">Omen Alpha在处理这项任务时，对于图片内容的理解相当到位，我所需要的功能都在开发列表中。开发过程中，出现了功能区域颜色太浅的问题，经过截图调整后，Omen Alpha完成了一个比较粗糙的插件，但总体是可用的。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=3913049d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acup3rnrYibLiaBaHQ7iayno5psL7dibqiaHuHrsOuWx0zl1kya8OxHS3NgzeWXha8z2o2KZbjic0pVHPRDgbUJCezok9MlB54E8N2Vx9E%2F640%3Ffrom%3Dappmsg">由于提示词没有对前端设计有任何规范，因此上面的测试并不能展现Omen Alpha的前端开发能力。于是我们设计了一段“麻雀虽小五脏俱全”的提示词，让Omen Alpha通过参考图和网页来做一个“牛来版”的YouTube，提示词如下：<blockquote>请根据这张 YouTube 网页截图，尽可能 1:1 复刻整个网页，包括顶部导航、搜索框、左侧栏、分类标签、视频卡片网格、字体、间距、圆角、图标等视觉结构，不要只做静态页面，要实现真实可交互的前端。搜索框可以输入并展示搜索结果，侧边栏和分类标签可以切换内容，视频卡片可以点击进入视频详情页，作者可以进入频道页，更多按钮可以弹出操作菜单，并实现基本的返回、推荐视频等交互逻辑，同时做好桌面端和移动端适配。</blockquote><blockquote>将页面中的所有视频内容全部替换成“牛来”主题：使用我提供的牛图片作为所有视频封面，并同步修改视频标题、作者、播放量、发布时间、简介、评论等文案，让整个网站看起来像一个真实的“牛来主题 YouTube”。完成后请自行运行并检查网页，发现布局、视觉或交互问题后主动修改，最终保证页面不仅视觉上接近 YouTube，而且能够完整操作。</blockquote>实测中我们发现，Omen Alpha的前置思考时间非常久，它在动手开发这个网页之前，足足思考了8分钟，而整个开发过程也才25分钟。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=db12f089&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurIEicNHgoicuN6GkK1M2bjBSubibPPJASRiaVzT7QoURGawrE0niatc1thQfuDI6jdp1LbwksxS4qfSSeCANdapCbiaZ0sXHh6gaN54%2F640%3Ffrom%3Dappmsg">但Omen Alpha的开发速度确实是非常快，前置大量思考以后，在执行过程中几乎没什么停顿，处理素材、写前端页面然后进行测试一气呵成，最终呈现效果是这样的：<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=9b61988d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_gif%2F8Eyv4o4AcurGAj2Zk6EI41hOQiahX7YUPibVIfZgYhCd1Jx0icumuFpTmZpLuynkXAC1CictO2CxoMuEWGAcSibcr781icF4Q3WoF2WAeibdKQIDsY%2F640%3Ffrom%3Dappmsg">整体网页开发效果给了我们很大的惊喜，页面图片均做了适配，标题和底部评论都生成了有趣的“牛来”版本，在交互上也非常流畅，播放进度条以及订阅、收藏点赞这些功能都和原网站一样。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=1140d502&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqWOaKlu7bPp6Ph52U1KJbnqAIgOeUcbLpENfIrsnX1Q7xczjM083OF0Dia4pia5mlswzXwqII975DvpicTib1jfo7zfg952lGogVY%2F640%3Ffrom%3Dappmsg">从视觉能力到前端开发，虽然前置的思考时间和思维链有些冗长，但Omen Alpha呈现的效果都相当不错，在速度上表现尤为突出。02.坦克大战、地牢肉鸽、躲避小球游戏开发速度快到起飞来到考验模型综合能力的游戏开发环节，智东西从三个游戏切入，从易到难分为三个档让Omen Alpha进行开发。首先我们让Omen Alpha做了一个简单的躲避球小游戏，它用时仅仅只有不到3分半钟，还包括了两轮测试。最终交付的结果是一个非常简易的小游戏，但小球的下落、躲避动作以及得分系统等都非常齐全，具有一定可玩性。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=4a026a87&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_gif%2F8Eyv4o4AcuoAPf5OoFhq1wEazfa6LefpMWVPybxLsOoOb1fsZibH0lyms3gPmQMslzq0Yg5jHawWQHB3c9fmMZR54KE3IRIIFEvuICiaat0yE%2F640%3Ffrom%3Dappmsg">随后，我们输入了一段用来测试不同模型开发能力的“老提示词”，目标是开发一款经典游戏《坦克大战》的demo，提示词如下：<blockquote>开发一个完整的经典 FC《坦克大战》网页游戏，使用 HTML、CSS 和原生 JavaScript 实现，不依赖任何第三方库。游戏采用复古像素风格，包含玩家坦克移动、射击、敌方 AI 巡逻与攻击、可破坏砖墙、不可破坏钢墙、草地、河流、道具掉落、生命值、积分、关卡升级、Boss、爆炸特效、音效、暂停、重新开始、本地最高分保存等完整玩法，操作流畅、碰撞检测准确、60FPS 运行，并将所有代码封装在一个可直接运行的 HTML 文件中，代码结构清晰且带有中文注释。</blockquote>Omen Alpha用时44分钟，包括20多分钟的规划时间，相比于一些前沿模型，速度要快上不少，画面、墙体、移动、得分和炮弹消除等方面表现不错。但存在一些基础逻辑问题，比如敌方坦克全部堆在左侧，玩家反制空间太小等。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=59b5bfbb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_gif%2F8Eyv4o4AcurPnOlPuxficjmA5ShBn3niaxOIeFlawPP9jWZZscgN2yruDkKuo3NCP4bJjck2FulvEXfxHKLjh0mzr6pDhn5jw2SyrM39F6Ogw%2F640%3Ffrom%3Dappmsg">不过值得一提的是，此前智东西在测试一些顶级模型的时候，相同提示词虽然生成结果可玩性会好一些，但同样存在不少问题，从速度和质量上综合考量，Omen Alpha的表现还是可圈可点的。最后，智东西输入了一个开放2D像素风格地牢肉鸽游戏的提示词，参考《死亡细胞》，看看Omen Alpha在动作游戏的开发上表现如何。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=f0bb012c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqQFhBCE23NUNcWytfh7cNAeciaHGZ3RAvZjAVMBpuVQbmAoCYRkX2ggNc5fVJt5Mfprib1RVcZUC8tlg9F00GcKMrJtcGSs8RaI%2F640%3Ffrom%3Dappmsg">这个任务的需求比较复杂，需要保持人物动作的连贯、攻击方式的切换以及受击、僵直等横版格斗游戏的基础逻辑正确，同时肉鸽游戏的随机掉落和升级、强化等都需要精细化的编程。Omen Alpha依旧延续了超长思考时间风格，不过这次由于游戏开发难度比较大，用时接近两小时才完成从规划、开发到测试的全流程，最终效果如下：<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=2513cb39&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8Eyv4o4AcuqribfINJ2MoFSZx5mVdFHH9wMwJnStJYJyacGicOjOACyiaRhTY2aErHbich8dOZtdAxDnjTNqluXOVqs1WlKMWQG9ErCgxCVdaFE%2F640%3Ffrom%3Dappmsg">可以看到，在没有参考信息的情况下，Omen Alpha开发的游戏呈现很浓的像素风，肉鸽游戏、人物跳跃、受击等逻辑都正常，但与原作相差较大，打击效果也比较弱，可玩性一般。03.拿捏3D建模却被洗车问题难倒了毫无疑问，Omen Alpha在游戏开发方面的表现还是不错的，结合目前在OpenCode中100美元的额度，无疑又是一个蹬不完的模型。但除了游戏开发，其他方面的能力也需要进行测试，智东西选取了3D建模以及一些特殊问题来测试Omen Alpha的逻辑思维能力。先测试3D建模，我们让Omen Alpha用Blender从零建一架波音737风格的民航客机，与网页和游戏开发不同的是，它并没有长时间思考，直接上手开始检测本机Blender版本，然后通过MCP进行建模。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=ed1b2808&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acupvic7ib2ePcIGbia7nehLT5t4zKEU42ia50HfRdQBxoEoibNVVoTASU5WfbjqyWmnXAAvJZbTBZJLQpeCho5fibvR7rLIZjf5jPPAVo%2F640%3Ffrom%3Dappmsg">最终呈现了这样的效果，交付的模型作为展示已然足够了，左右机翼没有误差，机身形体和颜色搭配后，呈现出明显的民航客机的气质，只不过建模精度上有些粗糙，也没有UV展开和贴图细节。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=ea78508c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuqfmt1mUbYSQFBQGUYzibw8qWsNOMGnqRKsswKAJicuPojK4ROwOh1RjUTA1MmJJMTTcX99fc9bBawwB3xGISHic8p7ibB2ZC2AdcE%2F640%3Ffrom%3Dappmsg">接下来，智东西选取了一些考验逻辑能力的测试题，看看Omen Alpha的表现如何。让人有些意外的是，这款在各方面表现都尚佳的模型，居然直接倒在了经典洗车难题上，而且是不假思索的失败。Omen Alpha没有任何推理过程，思考几秒钟后直接给出了完美的错误答案。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=053a259f&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqY3Gx1UBfnoeHnWM2SD1AQSTFDnLcL6nZ8ZSMNnJ38a5daFyibSl1b0ajr2IsoG4RT9tIHmBib4Cr3ypTH2PaMicMQG35pyxEicuE%2F640%3Ffrom%3Dappmsg">我们不信邪，将模型的思考强度拉到最高，结果更快速地获得了相同的错误答案。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=ea390244&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuoroDunjIbY36IibUpb47IPrA5d3EVibAHiblBMv1lJSOWibaOfjiaK8dnmWNkJaUHyhHOBrFTMArP6B3pFTIA8Y9xoUQQhVOXcXicm8%2F640%3Ffrom%3Dappmsg">由此可见，现在的模型面对洗车难题，依然存在逻辑问题。同时也能看出Omen Alpha这款匿名模型几乎没有做任何推理，过于追求速度而牺牲推理的状况，甚至有些像Chat页面免费模型所呈现的感觉。考虑到洗车难题对于诸多模型都是一个逻辑难题，我们又上传了一份公务员考试模拟题，让Omen Alpha直接答题。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=1e11a7e9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqsXnA7L8rBdNH2QlicMnuXT0SIffJuibDiakfQVibvx5qqfDWI7pBib48KcH7XoGyyibL6fsHosmpIso53YqhaiaMjjlHAoaibAXI5Ypo%2F640%3Ffrom%3Dappmsg">结果还是有点让人失望，Omen Alpha的正确率仅为80%，可以看到其逻辑推理能力存在比较明显的问题。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=f29ba6a8&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuoFkKEOOBpHPjzemCJTHYbtqftqomIeFw7k45nDBA7k6E1JXAgTetba9icdDLj5an6Sicl9U7A9VT25LjibHlADDTib1TtzflFBatc%2F640%3Ffrom%3Dappmsg">04.结语：速度和价格兼优但智力略显不足虽然不知道Omen Alpha是谁家的模型，但从实测效果上看，定位应该是一款主打性价比的轻量级模型。应该说，这款模型在各方面都具备不俗的实力，超快的生成速度让它能够处理一些复杂性不强的工作，或者承接大型任务的草稿阶段，在目前的套餐内，基本上可以当做涨价之前的DeepSeek-V4-flash来猛蹬。关于这款模型最终被谁认领，大家可以稍微期待一下。<img style="display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=30f34285&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo6QgWG1khhLzE6v3PcF48D8flNzoAeUCdqI0mCAhIT26HPvPDUqbiakqAM69eqdybFLS7vIAr93sqlVgYwl5ssZicgBWvNnPlDA%2F640%3Ffrom%3Dappmsg"><img alt="图片" style="border: 0.3px solid #d8d8d8;display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=b8424921&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurbT53EB2XTVezHVfGkh3C9ibtMTvYIRaWDS6OoEbqeRB6DdAgyrKqIoSqbH8IqELGkRMbicSB5qdEsSU4DTbewIJ54Jtk1uiasrk%2F640%3Ffrom%3Dappmsg"><img style="display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg"><img style="border: 0.3px solid #d8d8d8;display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=acc98126&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqtCJxelvJpo8AQmdxxmXiag8mVxjooNuEplw0PkJS58UIohucjFm5ODlMq41Z0atyCZNeINXZBbkf6YO82Zqm4iaGnjMVPic48ibs%2F640%3Ffrom%3Dappmsg"><img style="display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg">

<a href="https://wechat2rss.bestblogs.dev/link-proxy/?k=466a34ab&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzA4MTQ4NjQzMw%3D%3D%26mid%3D2652810084%26idx%3D2%26sn%3D7c3a70d3085a82e5f4b1903ea143af79" target="_blank">跳转微信打开</a>

AI技术资讯来自智东西 9月9日 20:19 ☆☆☆☆☆ 0

发布倒计时，苹果首款折叠iPhone已经剧透完了？

原创杨京丽 2026-09-09 20:19 北京 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=6659f49b&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2F8Eyv4o4AcupaDic5rbm3n6QPC1w6zCC3BlpwZKI7giap5zD0xEgfEFDmXlK8pRSjxTicibY3aicCGOU1BtuRwicz4d8pIkhRD5pMTGT9AtUA0vRHk%2F0%3Fwx_fmt%3Djpeg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=b8162610&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4Acuo4aaribdibcdgUVVXiayHNkwCzp08X0Uxt1cSmYbq6JFRxzbkeT7WB29wY8LU6srichbomPJpADvrbicSHFexezib219NEEmkGJPOqQ%2F640%3Ffrom%3Dappmsg] 苹果“科技春晚”终极前瞻。作者 | 杨京丽编辑 | 李水青智东西9月9日报道，5个小时后，约翰・特努斯上任苹果CEO后的首场秋季发布会将在9月10日凌晨1点举行，首发苹果持续研发了近十年的第一款折叠屏iPhone 。这可能是苹果十余年来最重磅的发布会。据产业链多方曝料，苹果此次打破近20年惯例，秋季不再发布标准版iPhone，而是推 Pro与折叠机型，加上新款Apple Watch、AirPods以及2nm A20 Pro芯片、自研5G基带、Apple Intelligence等新品更新。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=62ce0437&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcupiaxseaZYWDicQClNpanQ14YXzemFdkYsAoGv5Q11RcZKJWEmkWy4DlgYic8bfcw9WibjGA1857RNlgowyqgsS6Z06ibLiaAu7T0vE8%2F640%3Ffrom%3Dappmsg] ▲苹果折叠屏iPhone概念渲染图（图源：MacRumors）有趣的是，手机还没开卖，电商平台上手机壳已经开卖了。商品页上，“适用iPhone Duo”、“新款折叠屏”、“18Ultra”等关键词已经用上，透明外壳、中轴结构、磁吸环也都出现在商品图中。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=9403363f&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuprtX0zKyrRk2yaDrYjFLnByGBKnQSLOHTXKzRplJ3KftNpcQ84XYxyQhjrvFRLDdEHyJiaPHG1HhdhGzOHeDKKuVGPeFv1toSg%2F640%3Ffrom%3Dappmsg] ▲电商平台售卖的iPhone折叠屏手机壳直板旗舰也有新看点。古尔曼透露，iPhone 18 Pro Max有望加入机械可变光圈，缩小后的灵动岛将支持在三项实时任务之间切换。不过，两款Pro的售价也可能各涨100美元（约合人民币671元）。标准版iPhone 18、18e和第二代iPhone Air则预计要等到明年春季。配置方面，折叠屏iPhone与两款iPhone 18 Pro或将采用台积电 2nm工艺的A20 Pro芯片，配备12GB运行内存。如果这一配置最终落地，A20 Pro将首次把iPhone带入2nm时代。对中国用户来说，另一大悬念是：国行Apple智能这次能来吗？阿里巴巴、百度合作持续推进，苹果能否在这场发布会上给出明确的功能清单和上线时间，同样值得关注。约翰·特努斯接棒苹果CEO后的首场重要新品发布会即将开始。新掌门首秀还有哪些看点？智东西结合多方消息，带你一文看尽。下文由产业各方爆料信息总结而得，本稿涉及的未发布产品名称、配置、价格及上市安排，均以后续实际发布为准。 01 . 首款折叠屏或名“iPhone Duo” 曝14999元起、或10月上市据彭博社记者马克·古尔曼（Mark Gurman）今天报道，苹果首款折叠屏手机将命名为iPhone Duo，提供白色和深蓝色两种配色，最早于10月上市。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=2f6e55d1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqtUobF5DFEPoEBvQPJ1MC8FUhv9mpiaPQcYauCOVNQsePBRjM6PBCUN5OIZEcOu7EC0oSRvDiaArMkXx9Wtk5objYseh8xvLpbU%2F640%3Ffrom%3Dappmsg] ▲苹果折叠屏iPhone概念渲染图（图源：MacRumors）这款新机背后，是苹果持续近十年的研发。古尔曼在9月8日的报道中称，苹果早在三星2019年推出首款Galaxy Fold之前，就已研究折叠屏及相关组件。其早期设想之一，是一台可以展开成更大平板的iPad mini。转折出现在2020年前后。蒂姆·库克（Tim Cook）在亚洲出差期间，看到越来越多消费者使用三星、华为等品牌的折叠屏手机，回到苹果后推动团队加快研发，将重点转向折叠屏iPhone。该项目内部代号为V68，开发期间有人将其称为“iPhone Ultra”。苹果设计团队在2023年前后确定了短而宽的外形。据古尔曼报道，这款折叠屏iPhone预计配备约5.5英寸外屏和7.8英寸内屏，采用书本式设计，折叠后外形接近一本护照，展开后接近小尺寸平板，屏幕比例接近4:3，适合观看视频和多任务操作。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=601dbe08&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuoQibMdWbNyWVn4S0eH3BJ8pOfYrbrDqzySwZOPx1r6E5T3BunsbYkGudcmPEzdcwXJ7yCDg7pFSrSr8D76GgvpiaWdGDLlBnjPM%2F640%3Ffrom%3Dappmsg] ▲网传iPhone折叠屏外屏（图源：MacRumors）配色方面，古尔曼最新披露的白色和深蓝色，与此前供应链消息基本一致。此前，爆料人桑尼·迪克森（Sonny Dickson）8月9日分享的镜头保护配件也分别呈银色和深蓝色。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=ea58cd8d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupMIkKbZ7jHvDEzqCBtEOFNeicvcsK1Ig81zEcyiaFOs5QJs6tyuskEuqyJ5Z60zuBmHITibGsGfNmMgTPIfQOplKuFcpvKDzro1s%2F640%3Ffrom%3Dappmsg] ▲迪克森分享的疑似苹果折叠屏iPhone镜头保护配件（图源：X）价格方面，古尔曼9月8日曾透露，苹果最初将目标价格定为1999美元（约合人民币13413元），但内存短缺使成本超出预期，公司一度讨论将定价提高至2199美元（约合人民币14755元）。 9月9日，他进一步报道，iPhone Duo将以约2000美元起售，入门版本配备256GB存储空间，高容量版本最高约3000美元。苹果选择自行承担部分成本，将入门价格维持在约2000美元，同时通过高容量版本向消费者转嫁部分成本。市调机构集邦咨询（TrendForce）给出的测算区间则更高，预计海外起售价在2099至2299美元（约合人民币14084至15426元）之间。国行价格也有相关预测，“定焦数码”9月3日结合海外价格消息推算，新机国行售价可能非常接近14999元起。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=6f6d73f8&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo52XxLicmgVBF0b9BL4TNLicBLyP5ES0Jo6LBOwPblZofXVJhA7tVJ71b5cttqfTPgAr177qLlicEj3uqlDzPyJgwPesykfRXles%2F640%3Ffrom%3Dappmsg] ▲折叠屏国行售价预测（图源：微博）此外，据多方爆料，供应链中暂未看到折叠屏iPhone实体SIM卡槽相关模组，新机可能采用纯eSIM方案。考虑到中国大陆版iPhone长期保留实体SIM卡槽，Duo国行版究竟是同步纯eSIM、改为“实体SIM+eSIM”，还是继续保留实体卡槽，仍是悬念。 02 . 折叠屏展开厚度仅4.5毫米或搭2nm芯片、支持手写笔折痕和铰链是苹果首款折叠屏手机重点攻克的难题。据古尔曼9月8日报道，苹果研发团队主要解决四个难题：降低折痕可见度、提高铰链可靠性、开发柔性盖板玻璃，以及让更多摄像头组件置于屏幕后方，以增加可用显示面积。苹果被曝最终采用了钛与铝结合的铰链系统，并与康宁合作开发定制盖板玻璃，以显著降低折痕的可见度。古尔曼称，苹果已经接近让折痕消失，但尚未真正攻克这一问题，展开后仍可能出现肉眼可见的折痕。MacRumors梳理称，除了钛、铝等材料组合，苹果还可能在折叠屏iPhone铰链中使用液态金属，以提升铰链耐用性，并进一步降低折痕可见度。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=866fcb5a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurKKJYoEq86WmOfmuhtETL21IS01Jnqt3erdDkZNA29Ps5gJd3DKJYICIZ1TMhbdlCSnYQiaMVFxhFU91L2pXuic2L2RjNpel1kY%2F640%3Ffrom%3Dappmsg] ▲网传苹果折叠屏iPhone主板组件（图源：MacRumors）古尔曼在9月9日的报道中进一步提到，新机将配备磁性铰链系统，并支持定制版Apple Pencil手写笔。这将是iPhone首次支持手写笔，用户可用它记笔记、绘图或与App交互。据古尔曼报道，苹果内部曾定制并测试一款手写笔，这支定制笔比现有iPad版Apple Pencil更短、也更粗，以匹配折叠屏的物理比例；和iPad版一样，它通过磁力吸附在机身边缘存放并充电，区别在于iPad横屏使用时笔吸附在顶部边框，而这支笔吸附的是折叠屏机身的侧面。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=4653b1fd&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurOwOACra5S6WsfOdRicGlegZ31YhAQ1ocwaRIXIGicqXUKW07DTXnf7Ua6W1kh8OeHgU05AfUEVXAGxORo4icDFUCqsUicF8sArBU%2F640%3Ffrom%3Dappmsg] ▲苹果折叠屏iPhone及定制手写笔概念图（图源：彭博社）据MacRumors报道，iPhone折叠屏展开后的机身厚度约为4.5毫米。超薄设计也压缩了内部组件的空间。据古尔曼此前报道，新机将以侧边Touch ID指纹识别取代Face ID面容识别，后置主摄与超广角双摄，不配备独立长焦镜头。古尔曼9月9日透露，iPhone Duo将配备两颗4800万像素后置摄像头，以及一颗用于视频会议的1200万像素摄像头。据MacRumors 8月12日报道，曝光的模型和屏幕保护膜显示，新机内屏摄像头可能位于左上角，外屏摄像头则位于右上角。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=807cd961&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurwxkRu0UTBHBSdiajnjia4TZn3Wh3gFZlhx7nxkliaCuV5LKHl1Y50mAfCqibZohHfnuKrVgFWEb0hGAS9SwkJwE44W3hLWcbtw4s%2F640%3Ffrom%3Dappmsg] ▲疑似苹果折叠屏iPhone，内屏左上角可见摄像头开孔（图源：MacRumors）核心配置方面，古尔曼称，iPhone Duo将搭载A20 Pro芯片和苹果自研C2基带。据MacRumors 1月16日获得的分析师Jeff Pu投资者报告，折叠屏iPhone与两款iPhone 18 Pro将采用台积电2nm工艺的A20 Pro芯片，配备12GB运行内存，并引入WMCM（晶圆级多芯片模组）封装。如果这一配置最终落地，A20 Pro将首次把iPhone带入2nm时代，有望成为首批大规模量产的2nm移动SoC之一。此外，在大屏的软件适配方面，古尔曼称，iPhone Duo将支持两个应用并排显示，以及类似iPad的多任务操作。苹果正在升级多款自有App，并调整iOS，使应用更好地适配宽屏及不同屏幕尺寸。 MacRumors称，折叠屏iPhone展开后不会运行iPadOS，而是继续运行iOS，但界面会在iPhone和iPad之间取一个中间形态：展开后可支持两个iPhone应用并排显示，部分App会出现类似iPad的左侧栏布局。另有爆料称，苹果正在开发名为“Parallel View”的并行视图能力，用来解决传统iPhone应用只适配竖向窄屏的问题。 03 . 18 Pro换新色、缩灵动岛相机控制按键也要改 iPhone 18 Pro和Pro Max将继续沿用直板设计。据古尔曼9月9日报道，两款新机的整体外观与上一代基本一致，主要变化集中在配色、灵动岛、影像和内部配置。配色方面，古尔曼称，苹果将以深红色取代上一代的橙色。MacRumors 9月8日的发布会前瞻则将深樱桃红、浅蓝色和银色列为目前依据较强的三种配色。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=b13167db&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuogojdsrTwLXJ9YibT2jYGz3EXfPgDdibYu5saO9Oj4P3LqOqdIBgXEb5aEwCXWBMG3L8SguNzzHFbIa3FsEwfDlCsyArUxFgf0A%2F640%3Ffrom%3Dappmsg] ▲网友根据爆料用AI制作的iPhone 18 Pro示意图（图源：X）屏幕方面，据MacRumors梳理，两款新机将延续6.3英寸和6.9英寸屏幕，显示面板有望升级为LTPO+技术，以改善能效，正面更明显的变化是灵动岛缩小。据MacRumors梳理，iPhone 18 Pro系列的Face ID泛光感应元件等部分红外组件可能被移至屏幕下方，从而缩小灵动岛面积。古尔曼还透露称，升级后的灵动岛还能让用户在三项实时任务之间切换，高于此前的两项。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=dec49074&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupSdFXpxjic3LB6uwABrNQJ4b2aKLoLYXicFRQ8eBtF81JJibqTiarhNEuROZibbVgUCCibNzh7fwwoiaah9YbDPZXOMeWkTV9iajEH7Zg%2F640%3Ffrom%3Dappmsg] ▲缩小的灵动岛示意图（图源：MacRumors）机背和按键也将调整。据MacRumors报道，后部玻璃区域将采用更统一的处理方式，弱化玻璃与铝金属之间的双色拼接效果；相机控制按键则将简化，取消电容触摸感应层，保留压力感应。影像是此次Pro系列升级的重点。古尔曼报道称，两款新机将获得新镜头和专业级拍摄软件，其中至少Pro Max将加入机械可变光圈，以更精细地控制景深，并改善弱光拍摄表现。核心配置方面，据古尔曼报道，两款Pro都将搭载A20 Pro芯片和苹果自研C2基带，并升级均热板散热系统、提升续航。据MacRumors 1月16日获得的分析师Jeff Pu投资者报告，A20 Pro将采用台积电2nm工艺及WMCM（晶圆级多芯片模组）封装，两款Pro均配备12GB运行内存。电池容量方面，据MacRumors 8月10日报道，保留实体SIM卡槽的版本电池容量约为5391mAh，纯eSIM版本约为5567mAh。更大的电池也可能带来机身厚度和重量的增加。价格方面，古尔曼最新透露，苹果计划将iPhone 18 Pro和Pro Max的售价分别提高100美元，以应对内存芯片短缺带来的成本压力。TrendForce最新报告称，受DRAM和NAND闪存价格上涨影响，256GB版iPhone 18 Pro的BOM成本可能同比上升约38%，内存成本占整机BOM的比例也将明显提高。TrendForce认为，零售价上调几乎不可避免，苹果可能会自行吸收部分成本压力。美银分析师Wamsi Mohan也预计，iPhone 18 Pro和Pro Max可能涨价150至200美元（约合人民币1006至1342元）。此次秋季发布会的iPhone阵容将集中在两款iPhone Pro和首款折叠屏iPhone Duo。古尔曼称，标准版iPhone 18、iPhone 18e和第二代iPhone Air均不会在此次亮相，预计于2027年春季推出。 04 . AirPods 5升级降噪 Apple Watch陶瓷表壳回归据古尔曼9月9日报道，苹果将推出新一代入门级无线耳机AirPods 5，提供配备无线充电盒和不配备无线充电盒的两种版本，降噪能力将显著提升。据MacRumors推测，AirPods 5可能升级H3芯片，以改善音质、降低延迟。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=86551dac&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupkaUzmSMfnibic65AtGU3tJs1bwPZyOoneVOM9eL3T9G5BGhnDicZCRyD05BDgWibIKqI5nenV8SmhPbH8VaiaKx3AGVdV6jeHW304%2F640%3Ffrom%3Dappmsg] ▲AirPods 4（图源：苹果）更受关注的摄像头耳机则还要再等等。古尔曼称，苹果原计划在此次发布会上推出内置摄像头传感器的高端入耳式AirPods，用于分析周围环境，但这款产品已推迟至2027年。手表方面，古尔曼称，Apple Watch Series 12和Ultra 4将带来新配色，以及表壳和表带调整。其中，Series 12将重新提供陶瓷表壳，Ultra 4则将提升续航。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=3e112190&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuq6M1YSk7l0U5x8UyZb4frEBxhSVZBUwoqnm4iafHNPFHOzKjf3vaxAXKbxNIlznR9RGbtHFRyPpdsgOd9Fu3v6wmRiaahOU8E1s%2F640%3Ffrom%3Dappmsg] ▲Apple Watch Ultra 3（图源：彭博社）据MacRumors报道，苹果已测试白色和深灰色陶瓷表壳，两款新表还将升级处理器。苹果也在测试全天持续采集心率数据的功能，即使用户没有进行运动训练，也能保持监测。健康和运动功能是此次升级的重点。古尔曼透露，苹果将推出新的Readiness应用，在现有Vitals（生命体征）应用基础上，利用心率、血氧等传感器数据，提供更深入的身体状态评估。部分功能类似智能戒指品牌Oura和运动手环品牌Whoop提供的身体恢复与运动准备状态评估，iPhone上的健康App也将同步改版。另一项新功能将分析用户一天的活动，并生成包含交谈内容在内的日常摘要。古尔曼称，这套系统注重隐私，不录制或存储音频，也不提供逐字转录文本。连接能力方面，MacRumors还提到，苹果可能扩展Ultra 4的卫星功能，包括通过卫星使用苹果地图，以及在信息应用中分享照片。 05 . 阿里、百度合作持续推进国行Apple智能这次能来吗？今年7月，包括“Apple智能”在内的7款移动端生成式AI服务已经完成备案。时任苹果CEO蒂姆·库克（Tim Cook）此后在财报电话会议上证实，Apple智能的首批功能已经获得在中国市场上线的许可。据路透社报道，苹果在中国采取的是一套更复杂的本地化方案：阿里巴巴通义千问将接入Apple智能，覆盖iOS、iPadOS、macOS和visionOS，为文本理解、图像理解、内容生成等功能提供支持；百度则继续参与AI搜索和中文Siri升级，相关能力可处理文字和图像内容。 8月8日，苹果曾在Mac使用手册中新增《在Mac上配合Apple智能使用千问》章节，首次披露国行Apple智能的部分合作细节，提到用户可将千问接入Siri和写作工具，但该页面随后被删除。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=10458d7d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupDsDcTA0RLP3TfBs3K7cke4fXYJ4YFt5raOcf4Smyte0UpzP0xKhDBRuG22y4WfE2LAcHPxLhclpWXCeWrGibxSWia6muVeDdtk%2F640%3Ffrom%3Dappmsg] ▲Mac使用手册中曾出现《在Mac上配合Apple智能使用千问》章节（图源：苹果）截至发稿，苹果中国官网的相关说明仍保留“Apple智能推出时间依监管部门审批情况而定”的表述。因此，苹果是否会在本次发布会上公布国行首批功能、支持机型及上线时间，仍是一个悬念。 06 . 结语：折叠屏开新局价格与国行AI同样关键从目前的爆料看，苹果这次既准备通过折叠屏拓展iPhone形态，也将继续升级Pro系列的影像、芯片和续航，并更新耳机、手表等配套产品。对于中国用户，除了新硬件，实际售价和国行Apple智能何时可用，同样影响换机选择。折叠屏能否提供成熟的大屏体验，Pro系列的升级是否足够有吸引力，国行AI能否结束等待，都将是9月10日凌晨值得关注的答案。来源：苹果、彭博社、MacRumors、Macworld、9to5Mac、X、微博 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=30f34285&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo6QgWG1khhLzE6v3PcF48D8flNzoAeUCdqI0mCAhIT26HPvPDUqbiakqAM69eqdybFLS7vIAr93sqlVgYwl5ssZicgBWvNnPlDA%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=c001739e&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqOyqnr6YxRWvoYqqbEK3a8LKSwRibhVzGKP01aibwwEHib5mNV8bXm3r24kGUSia9hByOqcvGQkvGUkibmiauNK34oibSVnmmo2I4Cy8%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=acc98126&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqtCJxelvJpo8AQmdxxmXiag8mVxjooNuEplw0PkJS58UIohucjFm5ODlMq41Z0atyCZNeINXZBbkf6YO82Zqm4iaGnjMVPic48ibs%2F640%3Ffrom%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg] 跳转微信打开

查看原文

原创 杨京丽 2026-09-09 20:19 北京

<img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=6659f49b&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2F8Eyv4o4AcupaDic5rbm3n6QPC1w6zCC3BlpwZKI7giap5zD0xEgfEFDmXlK8pRSjxTicibY3aicCGOU1BtuRwicz4d8pIkhRD5pMTGT9AtUA0vRHk%2F0%3Fwx_fmt%3Djpeg">
 
 <svg xmlns="http://www.w3.org/2000/svg" width="100%" height="auto" viewBox="0 0 680 150" style="display:block;"></svg><img style="border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=b8162610&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4Acuo4aaribdibcdgUVVXiayHNkwCzp08X0Uxt1cSmYbq6JFRxzbkeT7WB29wY8LU6srichbomPJpADvrbicSHFexezib219NEEmkGJPOqQ%2F640%3Ffrom%3Dappmsg"><div style="margin: 15px 8px 35px;">苹果“科技春晚”终极前瞻。</div>作者 |  杨京丽编辑 |  李水青智东西9月9日报道，5个小时后，约翰・特努斯上任苹果CEO后的首场秋季发布会将在9月10日凌晨1点举行，首发苹果持续研发了近十年的第一款折叠屏iPhone。这可能是苹果十余年来最重磅的发布会。据产业链多方曝料，苹果此次打破近20年惯例，秋季不再发布标准版iPhone，而是推Pro与折叠机型，加上新款Apple Watch、AirPods以及2nm A20 Pro芯片、自研5G基带、Apple Intelligence等新品更新。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=62ce0437&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcupiaxseaZYWDicQClNpanQ14YXzemFdkYsAoGv5Q11RcZKJWEmkWy4DlgYic8bfcw9WibjGA1857RNlgowyqgsS6Z06ibLiaAu7T0vE8%2F640%3Ffrom%3Dappmsg">▲苹果折叠屏iPhone概念渲染图（图源：MacRumors）有趣的是，手机还没开卖，电商平台上手机壳已经开卖了。商品页上，“适用iPhone Duo”、“新款折叠屏”、“18Ultra”等关键词已经用上，透明外壳、中轴结构、磁吸环也都出现在商品图中。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=9403363f&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuprtX0zKyrRk2yaDrYjFLnByGBKnQSLOHTXKzRplJ3KftNpcQ84XYxyQhjrvFRLDdEHyJiaPHG1HhdhGzOHeDKKuVGPeFv1toSg%2F640%3Ffrom%3Dappmsg">▲电商平台售卖的iPhone折叠屏手机壳直板旗舰也有新看点。古尔曼透露，iPhone 18 Pro Max有望加入机械可变光圈，缩小后的灵动岛将支持在三项实时任务之间切换。不过，两款Pro的售价也可能各涨100美元（约合人民币671元）。标准版iPhone 18、18e和第二代iPhone Air则预计要等到明年春季。配置方面，折叠屏iPhone与两款iPhone 18 Pro或将采用台积电2nm工艺的A20 Pro芯片，配备12GB运行内存。如果这一配置最终落地，A20 Pro将首次把iPhone带入2nm时代。对中国用户来说，另一大悬念是：国行Apple智能这次能来吗？阿里巴巴、百度合作持续推进，苹果能否在这场发布会上给出明确的功能清单和上线时间，同样值得关注。约翰·特努斯接棒苹果CEO后的首场重要新品发布会即将开始。新掌门首秀还有哪些看点？智东西结合多方消息，带你一文看尽。下文由产业各方爆料信息总结而得，本稿涉及的未发布产品名称、配置、价格及上市安排，均以后续实际发布为准。01.首款折叠屏或名“iPhone Duo”曝14999元起、或10月上市据彭博社记者马克·古尔曼（Mark Gurman）今天报道，苹果首款折叠屏手机将命名为iPhone Duo，提供白色和深蓝色两种配色，最早于10月上市。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=2f6e55d1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8Eyv4o4AcuqtUobF5DFEPoEBvQPJ1MC8FUhv9mpiaPQcYauCOVNQsePBRjM6PBCUN5OIZEcOu7EC0oSRvDiaArMkXx9Wtk5objYseh8xvLpbU%2F640%3Ffrom%3Dappmsg">▲苹果折叠屏iPhone概念渲染图（图源：MacRumors）这款新机背后，是苹果持续近十年的研发。古尔曼在9月8日的报道中称，苹果早在三星2019年推出首款Galaxy Fold之前，就已研究折叠屏及相关组件。其早期设想之一，是一台可以展开成更大平板的iPad mini。转折出现在2020年前后。蒂姆·库克（Tim Cook）在亚洲出差期间，看到越来越多消费者使用三星、华为等品牌的折叠屏手机，回到苹果后推动团队加快研发，将重点转向折叠屏iPhone。该项目内部代号为V68，开发期间有人将其称为“iPhone Ultra”。苹果设计团队在2023年前后确定了短而宽的外形。据古尔曼报道，这款折叠屏iPhone预计配备约5.5英寸外屏和7.8英寸内屏，采用书本式设计，折叠后外形接近一本护照，展开后接近小尺寸平板，屏幕比例接近4:3，适合观看视频和多任务操作。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=601dbe08&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuoQibMdWbNyWVn4S0eH3BJ8pOfYrbrDqzySwZOPx1r6E5T3BunsbYkGudcmPEzdcwXJ7yCDg7pFSrSr8D76GgvpiaWdGDLlBnjPM%2F640%3Ffrom%3Dappmsg">▲网传iPhone折叠屏外屏（图源：MacRumors）配色方面，古尔曼最新披露的白色和深蓝色，与此前供应链消息基本一致。此前，爆料人桑尼·迪克森（Sonny Dickson）8月9日分享的镜头保护配件也分别呈银色和深蓝色。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=ea58cd8d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupMIkKbZ7jHvDEzqCBtEOFNeicvcsK1Ig81zEcyiaFOs5QJs6tyuskEuqyJ5Z60zuBmHITibGsGfNmMgTPIfQOplKuFcpvKDzro1s%2F640%3Ffrom%3Dappmsg">▲迪克森分享的疑似苹果折叠屏iPhone镜头保护配件（图源：X）价格方面，古尔曼9月8日曾透露，苹果最初将目标价格定为1999美元（约合人民币13413元），但内存短缺使成本超出预期，公司一度讨论将定价提高至2199美元（约合人民币14755元）。9月9日，他进一步报道，iPhone Duo将以约2000美元起售，入门版本配备256GB存储空间，高容量版本最高约3000美元。苹果选择自行承担部分成本，将入门价格维持在约2000美元，同时通过高容量版本向消费者转嫁部分成本。市调机构集邦咨询（TrendForce）给出的测算区间则更高，预计海外起售价在2099至2299美元（约合人民币14084至15426元）之间。国行价格也有相关预测，“定焦数码”9月3日结合海外价格消息推算，新机国行售价可能非常接近14999元起。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=6f6d73f8&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo52XxLicmgVBF0b9BL4TNLicBLyP5ES0Jo6LBOwPblZofXVJhA7tVJ71b5cttqfTPgAr177qLlicEj3uqlDzPyJgwPesykfRXles%2F640%3Ffrom%3Dappmsg">▲折叠屏国行售价预测（图源：微博）此外，据多方爆料，供应链中暂未看到折叠屏iPhone实体SIM卡槽相关模组，新机可能采用纯eSIM方案。考虑到中国大陆版iPhone长期保留实体SIM卡槽，Duo国行版究竟是同步纯eSIM、改为“实体SIM+eSIM”，还是继续保留实体卡槽，仍是悬念。02.折叠屏展开厚度仅4.5毫米或搭2nm芯片、支持手写笔折痕和铰链是苹果首款折叠屏手机重点攻克的难题。据古尔曼9月8日报道，苹果研发团队主要解决四个难题：降低折痕可见度、提高铰链可靠性、开发柔性盖板玻璃，以及让更多摄像头组件置于屏幕后方，以增加可用显示面积。苹果被曝最终采用了钛与铝结合的铰链系统，并与康宁合作开发定制盖板玻璃，以显著降低折痕的可见度。古尔曼称，苹果已经接近让折痕消失，但尚未真正攻克这一问题，展开后仍可能出现肉眼可见的折痕。MacRumors梳理称，除了钛、铝等材料组合，苹果还可能在折叠屏iPhone铰链中使用液态金属，以提升铰链耐用性，并进一步降低折痕可见度。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=866fcb5a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurKKJYoEq86WmOfmuhtETL21IS01Jnqt3erdDkZNA29Ps5gJd3DKJYICIZ1TMhbdlCSnYQiaMVFxhFU91L2pXuic2L2RjNpel1kY%2F640%3Ffrom%3Dappmsg">▲网传苹果折叠屏iPhone主板组件（图源：MacRumors）古尔曼在9月9日的报道中进一步提到，新机将配备磁性铰链系统，并支持定制版Apple Pencil手写笔。这将是iPhone首次支持手写笔，用户可用它记笔记、绘图或与App交互。据古尔曼报道，苹果内部曾定制并测试一款手写笔，这支定制笔比现有iPad版Apple Pencil更短、也更粗，以匹配折叠屏的物理比例；和iPad版一样，它通过磁力吸附在机身边缘存放并充电，区别在于iPad横屏使用时笔吸附在顶部边框，而这支笔吸附的是折叠屏机身的侧面。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=4653b1fd&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurOwOACra5S6WsfOdRicGlegZ31YhAQ1ocwaRIXIGicqXUKW07DTXnf7Ua6W1kh8OeHgU05AfUEVXAGxORo4icDFUCqsUicF8sArBU%2F640%3Ffrom%3Dappmsg">▲苹果折叠屏iPhone及定制手写笔概念图（图源：彭博社）据MacRumors报道，iPhone折叠屏展开后的机身厚度约为4.5毫米。超薄设计也压缩了内部组件的空间。据古尔曼此前报道，新机将以侧边Touch ID指纹识别取代Face ID面容识别，后置主摄与超广角双摄，不配备独立长焦镜头。古尔曼9月9日透露，iPhone Duo将配备两颗4800万像素后置摄像头，以及一颗用于视频会议的1200万像素摄像头。据MacRumors 8月12日报道，曝光的模型和屏幕保护膜显示，新机内屏摄像头可能位于左上角，外屏摄像头则位于右上角。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=807cd961&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcurwxkRu0UTBHBSdiajnjia4TZn3Wh3gFZlhx7nxkliaCuV5LKHl1Y50mAfCqibZohHfnuKrVgFWEb0hGAS9SwkJwE44W3hLWcbtw4s%2F640%3Ffrom%3Dappmsg">▲疑似苹果折叠屏iPhone，内屏左上角可见摄像头开孔（图源：MacRumors）核心配置方面，古尔曼称，iPhone Duo将搭载A20 Pro芯片和苹果自研C2基带。据MacRumors 1月16日获得的分析师Jeff Pu投资者报告，折叠屏iPhone与两款iPhone 18 Pro将采用台积电2nm工艺的A20 Pro芯片，配备12GB运行内存，并引入WMCM（晶圆级多芯片模组）封装。如果这一配置最终落地，A20 Pro将首次把iPhone带入2nm时代，有望成为首批大规模量产的2nm移动SoC之一。此外，在大屏的软件适配方面，古尔曼称，iPhone Duo将支持两个应用并排显示，以及类似iPad的多任务操作。苹果正在升级多款自有App，并调整iOS，使应用更好地适配宽屏及不同屏幕尺寸。MacRumors称，折叠屏iPhone展开后不会运行iPadOS，而是继续运行iOS，但界面会在iPhone和iPad之间取一个中间形态：展开后可支持两个iPhone应用并排显示，部分App会出现类似iPad的左侧栏布局。另有爆料称，苹果正在开发名为“Parallel View”的并行视图能力，用来解决传统iPhone应用只适配竖向窄屏的问题。03.18 Pro换新色、缩灵动岛相机控制按键也要改iPhone 18 Pro和Pro Max将继续沿用直板设计。据古尔曼9月9日报道，两款新机的整体外观与上一代基本一致，主要变化集中在配色、灵动岛、影像和内部配置。配色方面，古尔曼称，苹果将以深红色取代上一代的橙色。MacRumors 9月8日的发布会前瞻则将深樱桃红、浅蓝色和银色列为目前依据较强的三种配色。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=b13167db&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuogojdsrTwLXJ9YibT2jYGz3EXfPgDdibYu5saO9Oj4P3LqOqdIBgXEb5aEwCXWBMG3L8SguNzzHFbIa3FsEwfDlCsyArUxFgf0A%2F640%3Ffrom%3Dappmsg">▲网友根据爆料用AI制作的iPhone 18 Pro示意图（图源：X）屏幕方面，据MacRumors梳理，两款新机将延续6.3英寸和6.9英寸屏幕，显示面板有望升级为LTPO+技术，以改善能效，正面更明显的变化是灵动岛缩小。据MacRumors梳理，iPhone 18 Pro系列的Face ID泛光感应元件等部分红外组件可能被移至屏幕下方，从而缩小灵动岛面积。古尔曼还透露称，升级后的灵动岛还能让用户在三项实时任务之间切换，高于此前的两项。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=dec49074&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupSdFXpxjic3LB6uwABrNQJ4b2aKLoLYXicFRQ8eBtF81JJibqTiarhNEuROZibbVgUCCibNzh7fwwoiaah9YbDPZXOMeWkTV9iajEH7Zg%2F640%3Ffrom%3Dappmsg">▲缩小的灵动岛示意图（图源：MacRumors）机背和按键也将调整。据MacRumors报道，后部玻璃区域将采用更统一的处理方式，弱化玻璃与铝金属之间的双色拼接效果；相机控制按键则将简化，取消电容触摸感应层，保留压力感应。影像是此次Pro系列升级的重点。古尔曼报道称，两款新机将获得新镜头和专业级拍摄软件，其中至少Pro Max将加入机械可变光圈，以更精细地控制景深，并改善弱光拍摄表现。核心配置方面，据古尔曼报道，两款Pro都将搭载A20 Pro芯片和苹果自研C2基带，并升级均热板散热系统、提升续航。据MacRumors 1月16日获得的分析师Jeff Pu投资者报告，A20 Pro将采用台积电2nm工艺及WMCM（晶圆级多芯片模组）封装，两款Pro均配备12GB运行内存。电池容量方面，据MacRumors 8月10日报道，保留实体SIM卡槽的版本电池容量约为5391mAh，纯eSIM版本约为5567mAh。更大的电池也可能带来机身厚度和重量的增加。价格方面，古尔曼最新透露，苹果计划将iPhone 18 Pro和Pro Max的售价分别提高100美元，以应对内存芯片短缺带来的成本压力。TrendForce最新报告称，受DRAM和NAND闪存价格上涨影响，256GB版iPhone 18 Pro的BOM成本可能同比上升约38%，内存成本占整机BOM的比例也将明显提高。TrendForce认为，零售价上调几乎不可避免，苹果可能会自行吸收部分成本压力。美银分析师Wamsi Mohan也预计，iPhone 18 Pro和Pro Max可能涨价150至200美元（约合人民币1006至1342元）。此次秋季发布会的iPhone阵容将集中在两款iPhone Pro和首款折叠屏iPhone Duo。古尔曼称，标准版iPhone 18、iPhone 18e和第二代iPhone Air均不会在此次亮相，预计于2027年春季推出。04.AirPods 5升级降噪Apple Watch陶瓷表壳回归据古尔曼9月9日报道，苹果将推出新一代入门级无线耳机AirPods 5，提供配备无线充电盒和不配备无线充电盒的两种版本，降噪能力将显著提升。据MacRumors推测，AirPods 5可能升级H3芯片，以改善音质、降低延迟。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=86551dac&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupkaUzmSMfnibic65AtGU3tJs1bwPZyOoneVOM9eL3T9G5BGhnDicZCRyD05BDgWibIKqI5nenV8SmhPbH8VaiaKx3AGVdV6jeHW304%2F640%3Ffrom%3Dappmsg">▲AirPods 4（图源：苹果）更受关注的摄像头耳机则还要再等等。古尔曼称，苹果原计划在此次发布会上推出内置摄像头传感器的高端入耳式AirPods，用于分析周围环境，但这款产品已推迟至2027年。手表方面，古尔曼称，Apple Watch Series 12和Ultra 4将带来新配色，以及表壳和表带调整。其中，Series 12将重新提供陶瓷表壳，Ultra 4则将提升续航。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=3e112190&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuq6M1YSk7l0U5x8UyZb4frEBxhSVZBUwoqnm4iafHNPFHOzKjf3vaxAXKbxNIlznR9RGbtHFRyPpdsgOd9Fu3v6wmRiaahOU8E1s%2F640%3Ffrom%3Dappmsg">▲Apple Watch Ultra 3（图源：彭博社）据MacRumors报道，苹果已测试白色和深灰色陶瓷表壳，两款新表还将升级处理器。苹果也在测试全天持续采集心率数据的功能，即使用户没有进行运动训练，也能保持监测。健康和运动功能是此次升级的重点。古尔曼透露，苹果将推出新的Readiness应用，在现有Vitals（生命体征）应用基础上，利用心率、血氧等传感器数据，提供更深入的身体状态评估。部分功能类似智能戒指品牌Oura和运动手环品牌Whoop提供的身体恢复与运动准备状态评估，iPhone上的健康App也将同步改版。另一项新功能将分析用户一天的活动，并生成包含交谈内容在内的日常摘要。古尔曼称，这套系统注重隐私，不录制或存储音频，也不提供逐字转录文本。连接能力方面，MacRumors还提到，苹果可能扩展Ultra 4的卫星功能，包括通过卫星使用苹果地图，以及在信息应用中分享照片。05.阿里、百度合作持续推进国行Apple智能这次能来吗？今年7月，包括“Apple智能”在内的7款移动端生成式AI服务已经完成备案。时任苹果CEO蒂姆·库克（Tim Cook）此后在财报电话会议上证实，Apple智能的首批功能已经获得在中国市场上线的许可。据路透社报道，苹果在中国采取的是一套更复杂的本地化方案：阿里巴巴通义千问将接入Apple智能，覆盖iOS、iPadOS、macOS和visionOS，为文本理解、图像理解、内容生成等功能提供支持；百度则继续参与AI搜索和中文Siri升级，相关能力可处理文字和图像内容。8月8日，苹果曾在Mac使用手册中新增《在Mac上配合Apple智能使用千问》章节，首次披露国行Apple智能的部分合作细节，提到用户可将千问接入Siri和写作工具，但该页面随后被删除。<img style="border-radius: 5px;vertical-align: middle;display: block;margin: 0 auto;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=10458d7d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcupDsDcTA0RLP3TfBs3K7cke4fXYJ4YFt5raOcf4Smyte0UpzP0xKhDBRuG22y4WfE2LAcHPxLhclpWXCeWrGibxSWia6muVeDdtk%2F640%3Ffrom%3Dappmsg">▲Mac使用手册中曾出现《在Mac上配合Apple智能使用千问》章节（图源：苹果）截至发稿，苹果中国官网的相关说明仍保留“Apple智能推出时间依监管部门审批情况而定”的表述。因此，苹果是否会在本次发布会上公布国行首批功能、支持机型及上线时间，仍是一个悬念。06.结语：折叠屏开新局价格与国行AI同样关键从目前的爆料看，苹果这次既准备通过折叠屏拓展iPhone形态，也将继续升级Pro系列的影像、芯片和续航，并更新耳机、手表等配套产品。对于中国用户，除了新硬件，实际售价和国行Apple智能何时可用，同样影响换机选择。折叠屏能否提供成熟的大屏体验，Pro系列的升级是否足够有吸引力，国行AI能否结束等待，都将是9月10日凌晨值得关注的答案。来源：苹果、彭博社、MacRumors、Macworld、9to5Mac、X、微博<img style="display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=30f34285&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4Acuo6QgWG1khhLzE6v3PcF48D8flNzoAeUCdqI0mCAhIT26HPvPDUqbiakqAM69eqdybFLS7vIAr93sqlVgYwl5ssZicgBWvNnPlDA%2F640%3Ffrom%3Dappmsg"><img alt="图片" style="border: 0.3px solid #d8d8d8;display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=c001739e&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqOyqnr6YxRWvoYqqbEK3a8LKSwRibhVzGKP01aibwwEHib5mNV8bXm3r24kGUSia9hByOqcvGQkvGUkibmiauNK34oibSVnmmo2I4Cy8%2F640%3Ffrom%3Dappmsg"><img style="display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg"><img style="border: 0.3px solid #d8d8d8;display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=acc98126&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqtCJxelvJpo8AQmdxxmXiag8mVxjooNuEplw0PkJS58UIohucjFm5ODlMq41Z0atyCZNeINXZBbkf6YO82Zqm4iaGnjMVPic48ibs%2F640%3Ffrom%3Dappmsg"><img style="display:block;border-radius: 5px;vertical-align: top;visibility: visible !important;width: 100%;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=c5e546a9&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2F8Eyv4o4AcuqiaapbolVfMMUYI0ib8ia2Tib5BpOk9j7YGggribDcncrHRIhibIraw64f8icfWdicSrZS6pmBa7ohshBfOAUxgmz6ZhkNicMNChzaz66c%2F640%3Ffrom%3Dappmsg">

<a href="https://wechat2rss.bestblogs.dev/link-proxy/?k=12671a2a&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzA4MTQ4NjQzMw%3D%3D%26mid%3D2652810084%26idx%3D1%26sn%3D5ef30a94c3bc451bdee3400c1ddb47e0" target="_blank">跳转微信打开</a>

AI技术资讯来自极客公园 9月9日 19:37 ☆☆☆☆☆ 0

Token 之后，谁来组织 AI 计算？Arm 寻找下一代计算的答案

原创徐珊 2026-09-09 19:37 北京 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=340b28b4&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67Riaw3PaAYr7JMdxxAleGZVSwInocrncXEicwibBXibsjH4UeDL2FDK2Lk6ZbMKRz5nx5cMSTCrk4ju3JHCLUmYXunhTml1nSfnEDY%2F0%3Fwx_fmt%3Djpeg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=18c9c913&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67TTjOuU3xIXcXVicBt12tmhiaw6g5fwsDQ9iakv7ajs0gsU5slnxRRo9CIf3yQHoxsA4VGSDLT5uvKnuSRMVicFkKOf4OicTGSia3WiaA%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] Token 之后，AI 计算进入协同竞争时代。作者｜徐珊编辑｜郑玄如果说今年 3 月，Arm 推出首款自研 CPU 芯片，是这家公司向市场释放的一个信号，它开始尝试突破过去「只提供底层架构授权」的角色边界。那么在上海举办的 Arm Everywhere China 活动上，Arm 想传递的信息更加明确，不要再用过去「CPU IP 供应商」的方式理解今天的 Arm。在这场活动中，Arm 没有只围绕某一个产品展开叙事，而是第一次更加完整地将自己的未来方向拆成三条线，云 AI、边缘 AI 和物理 AI。和往年不太一样，去年 Arm 的主题演讲几乎全部围绕一件事展开 SME2，也就是让 AI 在 CPU 上跑起来。那是一个典型的「架构升级」叙事。但今年的主题演讲，三位业务负责人分别讲边缘 AI、物理 AI 和云 AI，围绕场景展开，算力会在云、端侧和物理世界之间流动，而 Arm 想成为这个「计算基建」的底座。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=6aafbe17&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67R7dhsecCDkia355wF0eYW81jj02kxEEkTgk6gZX6komuzjyDgcNRoJ2Mry8Mribic2EehTsUku6ShPbYS6WT8HbIWDDM0Ph24Clk%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 图片来源：极客公园今年的 Arm 试图回答的是另一个问题，当 AI 正在重新改变计算方式时，下一代计算平台应该如何被设计？当 AI 计算正在从单一芯片性能竞争，转向多个计算单元协同竞争时，谁能够组织这些计算资源？我们惊讶地与多位 Arm 高管的交流中发现，当下的算力平台似乎不再追求为某一种确定的未来而设计，而是选择拥抱某种不确定性。 01 AI 时代，芯片 IP 已无法决定一切过去几十年，Arm 最成功的商业模式是通过 CPU 架构和 IP 授权连接整个半导体产业。芯片厂商基于 Arm 架构设计 SoC，终端厂商基于这些芯片打造产品，而 Arm 通过开放授权模式成为移动计算时代的重要基础设施。到今天，基于 Arm 技术的芯片累计出货已经超过 3500 亿颗。过去，芯片竞争更多围绕单一指标展开，需要更强的 CPU、更大的 GPU、更先进的制程。但进入 AI 时代后，一次完整的 AI 任务已经不再只是某一个计算单元完成，AI 任务也从单次计算逐渐走向连续推理、多模态交互以及智能体式的任务执行。这意味着，未来计算竞争的关键不只是拥有多少算力，而是如何让不同计算资源更加高效地协同。这次活动的主题演讲，Arm 重点讲述了在不同任务场景里的算力需求变化。在边缘 AI 领域，算力从「被动响应」到「持续运行」。两年前的 AI 是你问一句、它答一句，任务结束；今天的智能体则要理解上下文、检索本机数据、调用应用、在用户授权下自主完成任务，而且要在手机的功耗和散热约束下持续运行。终端设备正在从执行应用和处理数据的工具，变成能够理解意图、实时响应的智能节点。在物理 AI 领域，算力从「车」转移到「机器人」。Arm 过去在汽车上的角色是提供安全、实时、低功耗的计算底座，而现在它走到了机器人上，两者共同的特征是感知和执行，都要求从「传感器」到「执行」的延迟足够短。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=dffa7437&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67Q3iaLOsbJD96dAzMAHFAW6XIeogAMQP6C4aSXWJxjsGORQzXWGXElCNldNnqSOM542ic8e0ZnzUfZ11Qh2t4mrfpdElUAYNUJ5Y%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 图片来源：极客公园在云端 AI 领域，Arm 引用 IDC 的数据说，基于 Arm 架构的机架级服务器市场规模已经超越 x86，成为加速计算的主流平台。过去二十年数据中心 CPU 面向的是横向扩展的突发性负载，但智能体则是持续的，一个智能体能发起数百次调用。「在智能体时代，CPU 的角色不再是加速，而是编排」。Arm 基础设施业务的负责人提到，这也是 Arm 开始改变自身角色的原因。如果继续停留在过去的 IP 授权模式，Arm 可以提供优秀的 CPU 架构，但无法参与决定一次 AI 任务最终如何完成。因此，近几年 Arm 开始逐渐从单纯提供 IP，走向提供更加完整的平台能力。如今，客户可以买 Arm 的 IP、也可以买 CSS，甚至可以买芯片。但今年最明显的不同，是 Arm 开始正面拥抱 AI 时代最大的特点：不确定性。下一代终端到底是什么形态，端侧模型最终会发展到什么规模，智能体的算力应该放在 CPU、NPU 还是云端，目前都没有明确答案。Arm 自己也没有假装自己看到了答案。在媒体沟通会上，我们问了很多关于「谁来决定」的问题，得到的回答却都是「待定」。当被问到 CPU 和 NPU 之间的分工由谁来定，他们认为「系统的所有者拥有控制权」；问 CPU 会不会比 NPU 更重要，他们提到「行业在寻找下一个平衡点」；问 CSS 会跨领域复用还是持续分化，他们回答是「取决于市场需要」；问未来 GPU 里传统着色器和神经计算的资源比例怎么分，他们回答是这个决定「留给芯片合作伙伴」。从这里我们看出，Arm 和英伟达区别之一就在于英伟达的路线是「我知道未来 AI 计算是什么样，所以我构建一个完整的平台」；Arm 的路线是「未来 AI 计算还没有确定，所以我要构建一个允许变化的平台」。前者用 CUDA 把开发者锁进一种范式，后者把范式的决定权交出去，只保证无论选哪一种，底座都有 Arm 参与搭建。理解了这一点，再看 Arm 这次发布的每一个产品，会发现它们的设计思路都是同一个逻辑的不同表达，不替客户做决定，但让每一种决定都能跑得更好。 02 从计算单元到计算协同， Arm 重新定义 CPU、GPU 和 CSS 过去，芯片厂商习惯于围绕不同功能划分计算单元。CPU 负责通用计算，GPU 负责图形处理，NPU 负责 AI 加速。这种分工在过去几十年里非常有效。但 AI 时代正在模糊这些边界。尤其是在端侧，AI 任务并不是简单地把一个模型丢给某个加速器运行，而是包含了理解、记忆、推理和执行等多个环节。不同阶段需要协调不同类型的计算资源。因此，未来芯片竞争的重点，可能不再是谁拥有更强的单一计算单元，而是谁能够让这些计算单元更高效地协同。当 AI 计算不再由单一芯片决定，未来的计算平台应该如何重新设计？我们可以从 Arm 此次发布的 CPU、 GPU 和 CSS 平台后看看 Arm 的最新思考。 CSS for Mobile 2：第一个 AI 原生计算子系统，重组 SoC 设计方式过去客户获得的是不同的 IP 模块，需要自行完成大量设计和优化。而 CSS 是 Arm 打造的一套计算子系统，可以让客户能够更快构建面向 AI 时代的芯片，也就是说，是一个「半成品」的芯片设计方案。有意思的是，去年的第一代 CSS for Mobile 当时叫 Lumex，今年改名为 CSS for Mobile 2，Arm 说是为了让人一眼看出这个子系统面向哪个行业，也从单个 IP 升级到完整 AI 计算平台。 9 月 8 日， Arm 将刚刚推出的 CSS for Mobile 2 定义为首个 AI 原生移动计算子系统，包括 Arm C2 CPU cluster、Mali G2-Ultra NX GPU 、SI L2 system interconnect 以及软件和开发工具。相比上一代，单线程性能提升最高 15%，多线程性能提升最高 12%，网页浏览速度提升最高 15%，应用启动速度提升最高 12%，AI 模型性能最高提升 1.7 倍。这次发布的 Neoverse CSS N4 是 Arm 迄今可配置性最高的 CSS，单颗裸片支持 128 个 CPU 核心配置，也是首款支持 LPDDR6 和 PCIe Gen 7 的 Neoverse CSS；相比上一代 CSS N3，插槽性能最高提升至 2 倍，每瓦性能最高提升 25%，内存带宽最高提升 75%。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=873426e3&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67TfiaibZBXIUjEicUIAnMf4Qgk5QCKu23lGgicOu7EXbiaFlvlibfp9H5Nqe0TFptra5N1w4vn8WRebVSD7t1BEImrnXVW8icN9WicoSvs%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 图片来源：极客公园在系统层面，N4 进一步强化了内存和 I/O 能力，以满足智能体 AI 时代更高的数据移动需求。「智能体工作负载让内存需求比以往任何时候都高，在内存访问过程当中，每一纳秒都是非常重要的」，Arm 高管解释道。 CSS 模式的价值已经在产业链中得到验证。微软基于 Neoverse CSS 在 18 个月内完成两代 Cobalt CPU 的交付；云豹智能则基于 CSS N2 构建 DPU 产品。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=9e7c957c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67SGEeoXusN4DcXwPKibhiaciadHzqkPrmS0rSc9rJlHQiaiaJAk6GgfjIOp2icp1hjjlsGG1iaP1Ycqxu8BFn6RzlnGe4Ys37QGSvfTj0%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 图片来源：极客公园当被问到 CSS 会不会跨领域复用时，Arm 高管提到「未来我们的产品怎么走，取决于客户到底需要什么。」 Arm 不预设 CSS 应该长什么样，它只希望无论市场往哪个方向走，这个底座都跟得上。「我们服务的还不仅仅只是开发人员，我们还要考虑到智能体。」对 Arm 而言，CSS 的意义并不只是减少客户设计时间，而是把过去分散的 IP 组合成一个可以面向未来变化调整的平台。 C2-Ultra CPU ：重新定义 AI 时代 CPU 的位置在 AI 浪潮的前几年，行业曾经出现一种观点：随着 NPU 等专用加速器的发展，CPU 的重要性可能会下降，手机芯片的竞争会逐渐转向 TOPS 竞争。但 Arm 给出的答案并不一样。 Arm 此次推出的 C2 CPU 集群参考配置为 2 颗 C2-Ultra 加 6 颗 C2-Pro，并通过 DynamIQ Shared Unit（DSU）共享 L3 缓存，同时配置两个 SME2 单元增强 AI 工作负载处理能力。相比上一代 C1-Ultra，C2-Ultra 单线程性能提升 15%，多线程性能提升 12%。在实际终端体验中，Arm 测试显示网页浏览速度提升 15%，应用启动速度提升 12%，AI 工作负载性能最高提升 1.7 倍，相同性能下功耗最高降低 38%。Arm 认为，C2 延续了近几年 CPU 性能持续实现「双位数提升」的趋势。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=f1ae1e57&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67QEYam1VYVeburNRmV6c5Fz2N1sibzKib4E14ASSibY1gztyMCmrfve2b8rbliaicTCnTia8WEAYt8zMkepd3jicsPfzOvUCxJ4uCAqZQ%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 图片来源：极客公园但相比这些性能数字，Arm 更想强调的是一个新的应用场景：Agent。传统应用更多是用户发起一次请求，系统完成一次任务。但当 AI Agent 进入终端之后，一个任务可能会经历理解用户意图、调用本地数据、生成内容、访问应用服务等多个阶段。一次完整的 AI 任务，不再只是某一个模型推理过程，而是多个计算资源共同参与的连续流程。例如，用户让手机帮助规划一次旅行。系统首先需要理解用户需求，然后读取本地日历、照片、位置等信息，再调用模型生成计划，最后可能还需要连接第三方应用完成预订。在这个过程中，并不是所有步骤都需要 NPU 完成。有些任务需要低延迟响应，有些需要访问系统资源，有些需要在 CPU、GPU、NPU 之间完成协同。而这些工作，正是 CPU 长期以来擅长的领域。 Arm 工程师在沟通中提到，对于 AI Agent 这样的新型工作负载，峰值算力并不是唯一指标，整个任务链路中的延迟和效率同样重要。因此，未来 CPU 并不会取代 NPU，而是在 AI 计算体系中承担更加重要的基础角色。 Mali G2-Ultra NX GPU：重新定义视觉计算如果说 C2 CPU 回答的是「AI 时代谁负责组织计算」，那么 GPU 回答的是另一个问题：未来终端的视觉体验，是否会因为 AI 而被重新设计？移动设备始终面临一个无法绕开的限制，用户希望看到接近 PC 和主机级别的视觉效果，但手机的功耗、散热和电池容量不会无限增长。过去提升画质主要依靠增加 GPU 算力，而 AI 正在提供另一种路径，让 GPU 用更少的计算完成更复杂的视觉效果。对于游戏开发者而言，这意味着过去因为移动设备性能限制无法实现的视觉效果，开始有机会进入终端设备。 Arm 此次推出首款集成神经网络加速能力的 Mali G2-Ultra NX GPU，本质上是在重新设计 GPU 和 AI 之间的关系。这是第一款将神经网络加速器直接集成到着色器内核中的 Mali GPU。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=2326a811&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67TlEsNCbN7ibeZz0SMrnpWAAUWXa0ic5TQuBkB7oKTKvrIsr03ibWHBcJtciclBukkicTJM3OAvob0rLxvvgjx2Nz63XNdQd8Bz3h1A%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 图片来源：极客公园该加速器支持 int8 和 int16 计算，神经网络加速器的运行频率最高可达到 GPU 时钟频率的两倍，并与执行引擎共享 L1、L2 缓存，可以作为图形管线的一部分参与调度。同时，它拥有独立功耗门控，在不使用时可以关闭。这意味着 AI 不再只是 SoC 中的一个独立模块，而开始进入传统图形处理流程。在传统渲染中，GPU 需要计算大量真实像素；而在 AI 原生图形中，GPU 可以只生成部分内容，再由 AI 完成重建。例如，神经超级采样可以只渲染四分之一像素，其余由 AI 恢复；神经帧率超分可以在两帧真实渲染之间生成额外帧；神经超级采样结合降噪，则可以减少光追需要计算的光线数量，再通过 AI 恢复画面质量。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=009f549a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67QVZbYEGsAF1sHshlxTbshjna8ZALiaicVichD9mgiac6PPA3EPATLrTqN9lIRJCxv1Sw2CItGryhvqVVWNhKPVKk5z9R2jUShuc5E%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] Arm 工程师表示，这套网络采用卷积网络而非 Transformer，模型经过高度压缩，功耗不到 1 瓦。目前 Arm 主要聚焦单帧插值，并没有走向 DLSS 类似的多帧生成路线。除了 AI 图形能力，G2-Ultra NX 也继续增强传统渲染能力。它采用了 Mali 七代以来最大的一次指令集重构，每个线程组寄存器数量翻倍，寄存器分配从固定 32 或 64 改为 16 为单位动态分配，从而减少寄存器溢出，并支持包括 Unreal Engine 5 Lumen、Nanite 在内的复杂图形工作负载。同时，Arm 带来了第三代光追单元，通过更紧凑的三角形表达消除冗余数据、减少内存访问，主流光追基准场景下 DRAM 流量最高降低 13%。配合硬件级遮挡剔除（OMM），光线追踪工作负载最高降低 70%，帧率最高提升 30%。在传统渲染方面，游戏基准综合性能平均提升 20% 但 Arm 并没有试图定义唯一的 AI 图形方案。在《光影新生》的展示中，Arm 展示了 AI 重建和光追结合后的移动端视觉效果。与此同时，Arm 将神经图形相关模型开源到 Hugging Face 和 GitHub，让开发者可以根据自己的游戏风格重新训练模型。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=26dc11ef&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67RbWWibI1NCpQshF6YYYpS3bmq7I4oAuNqoCeVoKibtDQ2FLwUMo5qiboRWDAdzDyRwjCLWTib48GrU9XC5WdFYlibTqUhXrMDypXH4%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 《光影新生》将在 6-12 月内上线｜图片来源：极客公园 Arm 高管提到，移动设备种类非常复杂，不同产品拥有不同的功耗预算，因此未来 GPU 中传统着色器和神经计算资源的比例，不应该由 Arm 单独决定，而应该由合作伙伴根据产品定位调整。 SME2：真正的竞争不只是硬件，而是如何让 AI 能力被使用在沟通会上，Arm 高管坦率表示，SME2 引擎本身与去年保持一致，今年的变化更多体现在 CPU 集群中加入更多 SME2 单元，以及围绕指令集和软件生态进行优化。如果说 C2 CPU 代表了 Arm 对「AI 时代 CPU 应该扮演什么角色」的判断，那么 SME2 则体现了 Arm 另一层思考：硬件能力最终能否产生价值，取决于软件生态能否真正调用它。去年，Arm 介绍最多的技术之一就是 SME2。它通过扩展 CPU 处理矩阵计算和向量计算的能力，让更多 AI 工作负载能够运行在 CPU 上。但今年，Arm 关注的重点已经发生变化。SME2 不再只是一个新的 CPU 指令集，而正在成为 Arm 推动 CPU AI 生态的重要入口。通过 KleidiAI 等软件优化，Arm 希望降低开发者调用 CPU AI 能力的门槛。目前 KleidiAI 已经支持多个 AI 框架和应用，让开发者不需要针对每一款芯片单独优化，就能够利用 CPU 中的 AI 加速能力。这也体现了 AI 时代芯片竞争逻辑的变化。过去，芯片厂商竞争的是有没有新的硬件能力；但在 AI 时代，真正决定体验的，是这些能力能否被软件生态快速使用。对于开发者而言，他们并不关心芯片内部增加了多少指令集，而更关心自己的模型和应用能否在不同设备之间快速迁移。从 C2 CPU，到 SME2，再到 Mali G2-Ultra NX 和 CSS for Mobile 2，Arm 实际上都在回答同一个问题： AI 时代，竞争不再只是制造更强的计算单元，而是让不同计算能力能够被更高效地组织和使用。 03 Token 生成之后， Token 调度成为 AI 计算的新竞争如果说过去几年 AI 产业竞争的核心，是如何训练更大的模型、拥有更多参数，那么进入推理时代后，行业正在面对另一个问题：模型产生 Token 之后，如何让这些 Token 被更高效地处理和分配。随着智能体、多模态应用的发展，一次完整的 AI 任务已经越来越少由单一芯片完成。一个用户请求背后，可能包含语音识别、信息检索、本地数据访问、模型推理、应用调用等多个步骤，而这些步骤可能分别适合运行在 CPU、GPU、NPU 甚至云端。因此，未来 AI 计算竞争的重点，可能正在从「制造智能」转向「管理智能」、「编排智能」。 Token 会被分散到云、边缘和终端不同位置产生，而决定一个任务应该在哪里运行、什么时候调用哪一种计算资源，以及如何降低整个流程的延迟，会成为芯片产业下一阶段需要解决的问题。联想高级副总裁贾朝晖在活动现场提出了一个更激进的判断，未来可能有 80% 的 Token 生成会发生在本地设备上。无论这个比例最终是否实现，它都反映出一个趋势，AI 正在从云端走向更多边缘场景，终端设备将不再只是数据入口，而可能成为智能计算的重要节点。但未来芯片的竞争或许不再是谁能生成更多 Token，而是谁能够以更低成本、更低延迟处理这些 Token。围绕这个问题，一场关于「谁来决定计算资源如何分配」的竞争正在展开。芯片上下游的公司正在给出不同答案。英伟达选择的是通过 CUDA 构建从硬件到软件的完整 AI 计算平台。过去几年，CUDA 生态帮助英伟达掌握了数据中心 AI 计算入口，而随着 AI 向端侧延伸，英伟达也开始尝试将这套逻辑带到更多设备场景。苹果则选择了另一条路线。通过自研芯片、操作系统以及应用生态的深度结合，苹果能够在设备内部完成软硬件协同，自己决定不同任务应该如何分配。高通希望围绕 Snapdragon 平台成为端侧 AI 的重要入口，通过 CPU、GPU、NPU 和软件生态的组合，让 AI 能力更容易进入手机和 PC 等终端设备。三星则试图通过芯片、存储和终端产品之间的协同形成优势。在 AI 时代，计算效率不仅取决于处理器性能，也取决于数据如何在计算单元和存储之间流动。相比这些路径，Arm 选择的是另一种方式。当被问到未来 CPU、GPU 和 NPU 之间的任务分配是否会由 Arm 来决定，以及 Arm 是否会建立统一的 AI 调度层时，Arm 给出的答案是否定的。 Arm 认为，最终的调度权应该交给系统拥有者，由 OEM 厂商、芯片设计公司以及软件开发者根据自己的产品需求决定任务运行在哪里。Arm 自身做的，是确保每一个计算单元都具备足够强的基础能力，并通过软件生态让这些能力更容易被调用。这其实也是 Arm 长期商业模式的延续。过去，Arm 并不制造最终设备，而是通过开放架构让不同厂商基于 Arm 设计自己的产品。进入 AI 时代后，Arm 并没有试图成为唯一的计算调度者，而是希望成为不同计算资源能够高效协同的基础平台。从这个角度看，Arm 此次发布的 CPU、GPU、CSS 以及软件生态，并不是单纯增加某一个计算单元的能力，而是在回答同一个问题：当 AI 计算越来越复杂时，如何让不同资源更高效地组合在一起。未来，芯片竞争的标准可能不再只是「谁拥有最强的计算单元」。因为 AI 时代真正困难的问题，不是产生更多 Token，而是让每一个 Token 在正确的时间、通过正确的计算资源完成任务。过去三十年，Arm 通过指令集架构连接了移动计算产业；未来，它希望通过计算子系统、软件生态以及系统级优化，继续成为 AI 时代计算基础设施的一部分。在一个未来形态仍未确定的时代，Arm 选择的不是预测唯一答案，而是建立一个能够适应不同答案的平台。这或许也是它对 AI 时代最大的判断，下一个阶段的竞争，不只是计算能力的竞争，而是组织计算能力的竞争。 *头图来源：极客公园本文为极客公园原创文章，转载请联系极客君微信 geekparkGO 直播预告 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e62069c1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67RcMmyc11ntmcicLcq9DKicdmNiagTibBUZhxTl8dF8C9yOs2LPXKw2wGbMD4icTHQrXAwSOHVeliaYVLVXf89XNqHWcMvvDJKZYPBSQ%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 苹果终于要做折叠屏了。加州时间 9 月 9 日，苹果秋季发布会开场，这也是新 CEO 特纳斯上任后的第一场 keynote。折叠屏 iPhone、涨价、AI……苹果这一次究竟能拿出多少「新东西」？本周四凌晨 00:40，极客公园视频号直播间，我们和极客公园副主编靖宇、极客公园作者 Alan，一起聊聊：新 CEO 特纳斯的第一场大考，苹果到底有多「特努力」？ [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=0213040a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5YTxYGib55rtMHhP1YJ44FLtVGp8Keyg6D2X3AUhgNicT1ibKKh0fE1eiaGqkSXnTlW0ib96ib3HDAIrnVA%2F640%3Fwx_fmt%3Dpng] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=99a201bc&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5bIKibWAiajnbjRmWC7dZbiaw9AOic7ycT1YO5Jpicia6vaCIl6IEA7rStEUKJLbo2aYZgpVLf5MuLAko1A%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=7caf866d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5ZENt3gIiatQKstoLiatpXoWBUwkB6tO2b9y2Hoj5HpcnXc5zRJEX6MhbyXJ3q0gjTrrBIUF7boJGDA%2F640%3Fwx_fmt%3Dgif] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e241799c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5YR1a8dIHV2UrCdNIhialnevdQkialrf9oMibXZhuHeD0nPUHuFlYzYB4WYzwnTbhSyAvj9ibZb7ibewPw%2F640%3Fwx_fmt%3Dgif] 跳转微信打开

查看原文

原创 徐珊 2026-09-09 19:37 北京

<img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=340b28b4&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67Riaw3PaAYr7JMdxxAleGZVSwInocrncXEicwibBXibsjH4UeDL2FDK2Lk6ZbMKRz5nx5cMSTCrk4ju3JHCLUmYXunhTml1nSfnEDY%2F0%3Fwx_fmt%3Djpeg">
 
 <div><div><img style="vertical-align: bottom;color: rgb(0, 0, 0);font-size: 14px;text-align: left;-webkit-tap-highlight-color: transparent;width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=18c9c913&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67TTjOuU3xIXcXVicBt12tmhiaw6g5fwsDQ9iakv7ajs0gsU5slnxRRo9CIf3yQHoxsA4VGSDLT5uvKnuSRMVicFkKOf4OicTGSia3WiaA%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><p style="margin: -0.6em 8px 2em;padding: 25px 18px 18px;text-align: justify;clear: both;min-height: 1em;font-size: 15px;line-height: 1.8em;letter-spacing: 0.3px;color: rgb(255, 255, 255);background-size: 100% auto;background-position: 100% 100%;background-repeat: no-repeat;background-image: url("https://wechat2rss.bestblogs.dev/img-proxy/?k=2c3ad3bb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2F8cu01Kavc5btvnXLt60mhp5iawE0uFNo49xhjvwsgbA1OdJeuwD2p2j0sz5eGx3hj3fnhuBRficSAaknl5E9wR5g%2F640%3Fwx_fmt%3Djpeg");background-color: rgb(0, 0, 0) !important;">Token 之后，AI 计算进入协同竞争时代。作者｜徐珊编辑｜郑玄</div></div>如果说今年 3 月，Arm 推出首款自研 CPU 芯片，是这家公司向市场释放的一个信号，它开始尝试突破过去「只提供底层架构授权」的角色边界。那么在上海举办的 Arm Everywhere China 活动上，Arm 想传递的信息更加明确，不要再用过去「CPU IP 供应商」的方式理解今天的 Arm。在这场活动中，Arm 没有只围绕某一个产品展开叙事，而是第一次更加完整地将自己的未来方向拆成三条线，云 AI、边缘 AI 和物理 AI。和往年不太一样，去年 Arm 的主题演讲几乎全部围绕一件事展开 SME2，也就是让 AI 在 CPU 上跑起来。那是一个典型的「架构升级」叙事。但今年的主题演讲，三位业务负责人分别讲边缘 AI、物理 AI 和云 AI，围绕场景展开，算力会在云、端侧和物理世界之间流动，而 Arm 想成为这个「计算基建」的底座。<img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=6aafbe17&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67R7dhsecCDkia355wF0eYW81jj02kxEEkTgk6gZX6komuzjyDgcNRoJ2Mry8Mribic2EehTsUku6ShPbYS6WT8HbIWDDM0Ph24Clk%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><div><div>图片来源：极客公园</div></div>今年的 Arm 试图回答的是另一个问题，当 AI 正在重新改变计算方式时，下一代计算平台应该如何被设计？当 AI 计算正在从单一芯片性能竞争，转向多个计算单元协同竞争时，谁能够组织这些计算资源？我们惊讶地与多位 Arm 高管的交流中发现，当下的算力平台似乎不再追求为某一种确定的未来而设计，而是选择拥抱某种不确定性。<div><div><div style="margin-right: 8px;margin-left: 8px;letter-spacing: 0.578px;text-align: justify;font-size: 16px;color: rgb(62, 62, 62);"><div style="margin-top: 10px;text-align: center;justify-content: center;display: flex;flex-flow: row;"><div style="display: inline-block;width: auto;vertical-align: top;min-width: 10%;height: auto;flex: 0 0 auto;align-self: flex-start;"><div style="isolation: isolate;"><div style="font-size: 36px;line-height: 1;letter-spacing: 0px;color: rgb(45, 113, 214);">01</div></div></div></div></div>AI 时代，芯片 IP 已无法决定一切</div></div>过去几十年，Arm 最成功的商业模式是通过 CPU 架构和 IP 授权连接整个半导体产业。芯片厂商基于 Arm 架构设计 SoC，终端厂商基于这些芯片打造产品，而 Arm 通过开放授权模式成为移动计算时代的重要基础设施。到今天，基于 Arm 技术的芯片累计出货已经超过 3500 亿颗。过去，芯片竞争更多围绕单一指标展开，需要更强的 CPU、更大的 GPU、更先进的制程。但进入 AI 时代后，一次完整的 AI 任务已经不再只是某一个计算单元完成，AI 任务也从单次计算逐渐走向连续推理、多模态交互以及智能体式的任务执行。这意味着，未来计算竞争的关键不只是拥有多少算力，而是如何让不同计算资源更加高效地协同。这次活动的主题演讲，Arm 重点讲述了在不同任务场景里的算力需求变化。在边缘 AI 领域，算力从「被动响应」到「持续运行」。两年前的 AI 是你问一句、它答一句，任务结束；今天的智能体则要理解上下文、检索本机数据、调用应用、在用户授权下自主完成任务，而且要在手机的功耗和散热约束下持续运行。终端设备正在从执行应用和处理数据的工具，变成能够理解意图、实时响应的智能节点。在物理 AI 领域，算力从「车」转移到「机器人」。Arm 过去在汽车上的角色是提供安全、实时、低功耗的计算底座，而现在它走到了机器人上，两者共同的特征是感知和执行，都要求从「传感器」到「执行」的延迟足够短。<img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=dffa7437&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67Q3iaLOsbJD96dAzMAHFAW6XIeogAMQP6C4aSXWJxjsGORQzXWGXElCNldNnqSOM542ic8e0ZnzUfZ11Qh2t4mrfpdElUAYNUJ5Y%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><div><div>图片来源：极客公园</div></div>在云端 AI 领域，Arm 引用 IDC 的数据说，基于 Arm 架构的机架级服务器市场规模已经超越 x86，成为加速计算的主流平台。过去二十年数据中心 CPU 面向的是横向扩展的突发性负载，但智能体则是持续的，一个智能体能发起数百次调用。「在智能体时代，CPU 的角色不再是加速，而是编排」。Arm 基础设施业务的负责人提到，这也是 Arm 开始改变自身角色的原因。如果继续停留在过去的 IP 授权模式，Arm 可以提供优秀的 CPU 架构，但无法参与决定一次 AI 任务最终如何完成。因此，近几年 Arm 开始逐渐从单纯提供 IP，走向提供更加完整的平台能力。如今，客户可以买 Arm 的 IP、也可以买 CSS，甚至可以买芯片。但今年最明显的不同，是 Arm 开始正面拥抱 AI 时代最大的特点：不确定性。下一代终端到底是什么形态，端侧模型最终会发展到什么规模，智能体的算力应该放在 CPU、NPU 还是云端，目前都没有明确答案。Arm 自己也没有假装自己看到了答案。在媒体沟通会上，我们问了很多关于「谁来决定」的问题，得到的回答却都是「待定」。当被问到 CPU 和 NPU 之间的分工由谁来定，他们认为「系统的所有者拥有控制权」；问 CPU 会不会比 NPU 更重要，他们提到「行业在寻找下一个平衡点」；问 CSS 会跨领域复用还是持续分化，他们回答是「取决于市场需要」；问未来 GPU 里传统着色器和神经计算的资源比例怎么分，他们回答是这个决定「留给芯片合作伙伴」。从这里我们看出，Arm 和英伟达区别之一就在于英伟达的路线是「我知道未来 AI 计算是什么样，所以我构建一个完整的平台」；Arm 的路线是「未来 AI 计算还没有确定，所以我要构建一个允许变化的平台」。 前者用 CUDA 把开发者锁进一种范式，后者把范式的决定权交出去，只保证无论选哪一种，底座都有 Arm 参与搭建。理解了这一点，再看 Arm 这次发布的每一个产品，会发现它们的设计思路都是同一个逻辑的不同表达，不替客户做决定，但让每一种决定都能跑得更好。<div><div><div style="margin-right: 8px;margin-left: 8px;letter-spacing: 0.578px;text-align: justify;font-size: 16px;color: rgb(62, 62, 62);"><div style="margin-top: 10px;text-align: center;justify-content: center;display: flex;flex-flow: row;"><div style="display: inline-block;width: auto;vertical-align: top;min-width: 10%;height: auto;flex: 0 0 auto;align-self: flex-start;"><div style="isolation: isolate;"><div style="font-size: 36px;line-height: 1;letter-spacing: 0px;color: rgb(45, 113, 214);">02</div></div></div></div></div>从计算单元到计算协同，Arm 重新定义 CPU、GPU 和 CSS</div></div>过去，芯片厂商习惯于围绕不同功能划分计算单元。CPU 负责通用计算，GPU 负责图形处理，NPU 负责 AI 加速。这种分工在过去几十年里非常有效。但 AI 时代正在模糊这些边界。尤其是在端侧，AI 任务并不是简单地把一个模型丢给某个加速器运行，而是包含了理解、记忆、推理和执行等多个环节。不同阶段需要协调不同类型的计算资源。因此，未来芯片竞争的重点，可能不再是谁拥有更强的单一计算单元，而是谁能够让这些计算单元更高效地协同。当 AI 计算不再由单一芯片决定，未来的计算平台应该如何重新设计？我们可以从 Arm 此次发布的 CPU、GPU和 CSS 平台后看看 Arm 的最新思考。<div><div><div style="text-align: justify;font-size: 16px;color: rgb(62, 62, 62);font-family: none;"><div style="margin-top: 10px;margin-right: 0%;margin-left: 0%;text-align: left;justify-content: flex-start;display: flex;flex-flow: row;font-family: none;"><div style="display: inline-block;width: 100%;vertical-align: top;border-left: 3px solid rgb(254, 226, 0);border-bottom-left-radius: 0px;align-self: flex-start;flex: 0 0 auto;font-family: none;"><div style="margin: -5px 0%;font-family: none;"><div style="font-size: 24px;color: rgb(254, 226, 0);line-height: 0.75;letter-spacing: 0px;padding-right: 6px;padding-left: 6px;font-family: none;">CSS for Mobile 2：第一个 AI 原生计算子系统，重组 SoC 设计方式</div></div></div></div></div></div></div>过去客户获得的是不同的 IP 模块，需要自行完成大量设计和优化。而 CSS 是 Arm 打造的一套计算子系统，可以让客户能够更快构建面向 AI 时代的芯片，也就是说，是一个「半成品」的芯片设计方案。有意思的是，去年的第一代 CSS for Mobile 当时叫 Lumex，今年改名为 CSS for Mobile 2，Arm 说是为了让人一眼看出这个子系统面向哪个行业，也从单个 IP 升级到完整 AI 计算平台。9 月 8 日，Arm 将刚刚推出的 CSS for Mobile 2 定义为首个 AI 原生移动计算子系统，包括 Arm C2 CPU cluster、Mali G2-Ultra NX GPU、SI L2 system interconnect 以及软件和开发工具。相比上一代，单线程性能提升最高 15%，多线程性能提升最高 12%，网页浏览速度提升最高 15%，应用启动速度提升最高 12%，AI 模型性能最高提升 1.7 倍。这次发布的 Neoverse CSS N4 是 Arm 迄今可配置性最高的 CSS，单颗裸片支持 128 个 CPU 核心配置，也是首款支持 LPDDR6 和 PCIe Gen 7 的 Neoverse CSS；相比上一代 CSS N3，插槽性能最高提升至 2 倍，每瓦性能最高提升 25%，内存带宽最高提升 75%。<img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=873426e3&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67TfiaibZBXIUjEicUIAnMf4Qgk5QCKu23lGgicOu7EXbiaFlvlibfp9H5Nqe0TFptra5N1w4vn8WRebVSD7t1BEImrnXVW8icN9WicoSvs%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><div><div>图片来源：极客公园</div></div>在系统层面，N4 进一步强化了内存和 I/O 能力，以满足智能体 AI 时代更高的数据移动需求。「智能体工作负载让内存需求比以往任何时候都高，在内存访问过程当中，每一纳秒都是非常重要的」，Arm 高管解释道。CSS 模式的价值已经在产业链中得到验证。微软基于 Neoverse CSS 在 18 个月内完成两代 Cobalt CPU 的交付；云豹智能则基于 CSS N2 构建 DPU 产品。<img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=9e7c957c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67SGEeoXusN4DcXwPKibhiaciadHzqkPrmS0rSc9rJlHQiaiaJAk6GgfjIOp2icp1hjjlsGG1iaP1Ycqxu8BFn6RzlnGe4Ys37QGSvfTj0%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><div><div>图片来源：极客公园</div></div>当被问到 CSS 会不会跨领域复用时，Arm 高管提到「未来我们的产品怎么走，取决于客户到底需要什么。」 Arm 不预设 CSS 应该长什么样，它只希望无论市场往哪个方向走，这个底座都跟得上。「我们服务的还不仅仅只是开发人员，我们还要考虑到智能体。」对 Arm 而言，CSS 的意义并不只是减少客户设计时间，而是把过去分散的 IP 组合成一个可以面向未来变化调整的平台。<div><div><div style="text-align: justify;font-size: 16px;color: rgb(62, 62, 62);font-family: none;"><div style="margin-top: 10px;margin-right: 0%;margin-left: 0%;text-align: left;justify-content: flex-start;display: flex;flex-flow: row;font-family: none;"><div style="display: inline-block;width: 100%;vertical-align: top;border-left: 3px solid rgb(254, 226, 0);border-bottom-left-radius: 0px;align-self: flex-start;flex: 0 0 auto;font-family: none;"><div style="margin: -5px 0%;font-family: none;"><div style="font-size: 24px;color: rgb(254, 226, 0);line-height: 0.75;letter-spacing: 0px;padding-right: 6px;padding-left: 6px;font-family: none;">C2-Ultra CPU ：重新定义 AI 时代 CPU 的位置</div></div></div></div></div></div></div>在 AI 浪潮的前几年，行业曾经出现一种观点：随着 NPU 等专用加速器的发展，CPU 的重要性可能会下降，手机芯片的竞争会逐渐转向 TOPS 竞争。但 Arm 给出的答案并不一样。Arm 此次推出的 C2 CPU 集群参考配置为 2 颗 C2-Ultra 加 6 颗 C2-Pro，并通过 DynamIQ Shared Unit（DSU）共享 L3 缓存，同时配置两个 SME2 单元增强 AI 工作负载处理能力。相比上一代 C1-Ultra，C2-Ultra 单线程性能提升 15%，多线程性能提升 12%。在实际终端体验中，Arm 测试显示网页浏览速度提升 15%，应用启动速度提升 12%，AI 工作负载性能最高提升 1.7 倍，相同性能下功耗最高降低 38%。Arm 认为，C2 延续了近几年 CPU 性能持续实现「双位数提升」的趋势。<img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=f1ae1e57&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67QEYam1VYVeburNRmV6c5Fz2N1sibzKib4E14ASSibY1gztyMCmrfve2b8rbliaicTCnTia8WEAYt8zMkepd3jicsPfzOvUCxJ4uCAqZQ%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><div><div>图片来源：极客公园</div></div>但相比这些性能数字，Arm 更想强调的是一个新的应用场景：Agent。传统应用更多是用户发起一次请求，系统完成一次任务。但当 AI Agent 进入终端之后，一个任务可能会经历理解用户意图、调用本地数据、生成内容、访问应用服务等多个阶段。一次完整的 AI 任务，不再只是某一个模型推理过程，而是多个计算资源共同参与的连续流程。例如，用户让手机帮助规划一次旅行。系统首先需要理解用户需求，然后读取本地日历、照片、位置等信息，再调用模型生成计划，最后可能还需要连接第三方应用完成预订。在这个过程中，并不是所有步骤都需要 NPU 完成。有些任务需要低延迟响应，有些需要访问系统资源，有些需要在 CPU、GPU、NPU 之间完成协同。而这些工作，正是 CPU 长期以来擅长的领域。Arm 工程师在沟通中提到，对于 AI Agent 这样的新型工作负载，峰值算力并不是唯一指标，整个任务链路中的延迟和效率同样重要。因此，未来 CPU 并不会取代 NPU，而是在 AI 计算体系中承担更加重要的基础角色。<div><div><div style="text-align: justify;font-size: 16px;color: rgb(62, 62, 62);font-family: none;"><div style="margin-top: 10px;margin-right: 0%;margin-left: 0%;text-align: left;justify-content: flex-start;display: flex;flex-flow: row;font-family: none;"><div style="display: inline-block;width: 100%;vertical-align: top;border-left: 3px solid rgb(254, 226, 0);border-bottom-left-radius: 0px;align-self: flex-start;flex: 0 0 auto;font-family: none;"><div style="margin: -5px 0%;font-family: none;"><div style="font-size: 24px;color: rgb(254, 226, 0);line-height: 0.75;letter-spacing: 0px;padding-right: 6px;padding-left: 6px;font-family: none;">Mali G2-Ultra NX GPU：重新定义视觉计算</div></div></div></div></div></div></div>如果说 C2 CPU 回答的是「AI 时代谁负责组织计算」，那么 GPU 回答的是另一个问题：未来终端的视觉体验，是否会因为 AI 而被重新设计？移动设备始终面临一个无法绕开的限制，用户希望看到接近 PC 和主机级别的视觉效果，但手机的功耗、散热和电池容量不会无限增长。过去提升画质主要依靠增加 GPU 算力，而 AI 正在提供另一种路径，让 GPU 用更少的计算完成更复杂的视觉效果。对于游戏开发者而言，这意味着过去因为移动设备性能限制无法实现的视觉效果，开始有机会进入终端设备。Arm 此次推出首款集成神经网络加速能力的 Mali G2-Ultra NX GPU，本质上是在重新设计 GPU 和 AI 之间的关系。这是第一款将神经网络加速器直接集成到着色器内核中的 Mali GPU。<img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=2326a811&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67TlEsNCbN7ibeZz0SMrnpWAAUWXa0ic5TQuBkB7oKTKvrIsr03ibWHBcJtciclBukkicTJM3OAvob0rLxvvgjx2Nz63XNdQd8Bz3h1A%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><div><div>图片来源：极客公园</div></div>该加速器支持 int8 和 int16 计算，神经网络加速器的运行频率最高可达到 GPU 时钟频率的两倍，并与执行引擎共享 L1、L2 缓存，可以作为图形管线的一部分参与调度。同时，它拥有独立功耗门控，在不使用时可以关闭。这意味着 AI 不再只是 SoC 中的一个独立模块，而开始进入传统图形处理流程。在传统渲染中，GPU 需要计算大量真实像素；而在 AI 原生图形中，GPU 可以只生成部分内容，再由 AI 完成重建。例如，神经超级采样可以只渲染四分之一像素，其余由 AI 恢复；神经帧率超分可以在两帧真实渲染之间生成额外帧；神经超级采样结合降噪，则可以减少光追需要计算的光线数量，再通过 AI 恢复画面质量。<img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=009f549a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67QVZbYEGsAF1sHshlxTbshjna8ZALiaicVichD9mgiac6PPA3EPATLrTqN9lIRJCxv1Sw2CItGryhvqVVWNhKPVKk5z9R2jUShuc5E%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img>Arm 工程师表示，这套网络采用卷积网络而非 Transformer，模型经过高度压缩，功耗不到 1 瓦。目前 Arm 主要聚焦单帧插值，并没有走向 DLSS 类似的多帧生成路线。除了 AI 图形能力，G2-Ultra NX 也继续增强传统渲染能力。它采用了 Mali 七代以来最大的一次指令集重构，每个线程组寄存器数量翻倍，寄存器分配从固定 32 或 64 改为 16 为单位动态分配，从而减少寄存器溢出，并支持包括 Unreal Engine 5 Lumen、Nanite 在内的复杂图形工作负载。同时，Arm 带来了第三代光追单元，通过更紧凑的三角形表达消除冗余数据、减少内存访问，主流光追基准场景下 DRAM 流量最高降低 13%。配合硬件级遮挡剔除（OMM），光线追踪工作负载最高降低 70%，帧率最高提升 30%。在传统渲染方面，游戏基准综合性能平均提升 20%但 Arm 并没有试图定义唯一的 AI 图形方案。在《光影新生》的展示中，Arm 展示了 AI 重建和光追结合后的移动端视觉效果。与此同时，Arm 将神经图形相关模型开源到 Hugging Face 和 GitHub，让开发者可以根据自己的游戏风格重新训练模型。<img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=26dc11ef&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67RbWWibI1NCpQshF6YYYpS3bmq7I4oAuNqoCeVoKibtDQ2FLwUMo5qiboRWDAdzDyRwjCLWTib48GrU9XC5WdFYlibTqUhXrMDypXH4%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><img><img><img><div><div>《光影新生》将在 6-12 月内上线｜图片来源：极客公园</div></div>Arm 高管提到，移动设备种类非常复杂，不同产品拥有不同的功耗预算，因此未来 GPU 中传统着色器和神经计算资源的比例，不应该由 Arm 单独决定，而应该由合作伙伴根据产品定位调整。<div><div><div style="text-align: justify;font-size: 16px;color: rgb(62, 62, 62);font-family: none;"><div style="margin-top: 10px;margin-right: 0%;margin-left: 0%;text-align: left;justify-content: flex-start;display: flex;flex-flow: row;font-family: none;"><div style="display: inline-block;width: 100%;vertical-align: top;border-left: 3px solid rgb(254, 226, 0);border-bottom-left-radius: 0px;align-self: flex-start;flex: 0 0 auto;font-family: none;"><div style="margin: -5px 0%;font-family: none;"><div style="font-size: 24px;color: rgb(254, 226, 0);line-height: 0.75;letter-spacing: 0px;padding-right: 6px;padding-left: 6px;font-family: none;">SME2：真正的竞争不只是硬件，而是如何让 AI 能力被使用</div></div></div></div></div></div></div>在沟通会上，Arm 高管坦率表示，SME2 引擎本身与去年保持一致，今年的变化更多体现在 CPU 集群中加入更多 SME2 单元，以及围绕指令集和软件生态进行优化。如果说 C2 CPU 代表了 Arm 对「AI 时代 CPU 应该扮演什么角色」的判断，那么 SME2 则体现了 Arm 另一层思考：硬件能力最终能否产生价值，取决于软件生态能否真正调用它。去年，Arm 介绍最多的技术之一就是 SME2。它通过扩展 CPU 处理矩阵计算和向量计算的能力，让更多 AI 工作负载能够运行在 CPU 上。但今年，Arm 关注的重点已经发生变化。SME2 不再只是一个新的 CPU 指令集，而正在成为 Arm 推动 CPU AI 生态的重要入口。通过 KleidiAI 等软件优化，Arm 希望降低开发者调用 CPU AI 能力的门槛。目前 KleidiAI 已经支持多个 AI 框架和应用，让开发者不需要针对每一款芯片单独优化，就能够利用 CPU 中的 AI 加速能力。这也体现了 AI 时代芯片竞争逻辑的变化。过去，芯片厂商竞争的是有没有新的硬件能力；但在 AI 时代，真正决定体验的，是这些能力能否被软件生态快速使用。对于开发者而言，他们并不关心芯片内部增加了多少指令集，而更关心自己的模型和应用能否在不同设备之间快速迁移。从 C2 CPU，到 SME2，再到 Mali G2-Ultra NX 和 CSS for Mobile 2，Arm 实际上都在回答同一个问题：AI 时代，竞争不再只是制造更强的计算单元，而是让不同计算能力能够被更高效地组织和使用。<div><div><div style="margin-right: 8px;margin-left: 8px;letter-spacing: 0.578px;text-align: justify;font-size: 16px;color: rgb(62, 62, 62);"><div style="margin-top: 10px;text-align: center;justify-content: center;display: flex;flex-flow: row;"><div style="display: inline-block;width: auto;vertical-align: top;min-width: 10%;height: auto;flex: 0 0 auto;align-self: flex-start;"><div style="isolation: isolate;"><div style="font-size: 36px;line-height: 1;letter-spacing: 0px;color: rgb(45, 113, 214);">03</div></div></div></div></div>Token 生成之后，Token 调度成为 AI 计算的新竞争</div></div>如果说过去几年 AI 产业竞争的核心，是如何训练更大的模型、拥有更多参数，那么进入推理时代后，行业正在面对另一个问题：模型产生 Token 之后，如何让这些 Token 被更高效地处理和分配。随着智能体、多模态应用的发展，一次完整的 AI 任务已经越来越少由单一芯片完成。一个用户请求背后，可能包含语音识别、信息检索、本地数据访问、模型推理、应用调用等多个步骤，而这些步骤可能分别适合运行在 CPU、GPU、NPU 甚至云端。因此，未来 AI 计算竞争的重点，可能正在从「制造智能」转向「管理智能」、「编排智能」。Token 会被分散到云、边缘和终端不同位置产生，而决定一个任务应该在哪里运行、什么时候调用哪一种计算资源，以及如何降低整个流程的延迟，会成为芯片产业下一阶段需要解决的问题。联想高级副总裁贾朝晖在活动现场提出了一个更激进的判断，未来可能有 80% 的 Token 生成会发生在本地设备上。无论这个比例最终是否实现，它都反映出一个趋势，AI 正在从云端走向更多边缘场景，终端设备将不再只是数据入口，而可能成为智能计算的重要节点。但未来芯片的竞争或许不再是谁能生成更多 Token，而是谁能够以更低成本、更低延迟处理这些 Token。围绕这个问题，一场关于「谁来决定计算资源如何分配」的竞争正在展开。芯片上下游的公司正在给出不同答案。英伟达选择的是通过 CUDA 构建从硬件到软件的完整 AI 计算平台。过去几年，CUDA 生态帮助英伟达掌握了数据中心 AI 计算入口，而随着 AI 向端侧延伸，英伟达也开始尝试将这套逻辑带到更多设备场景。苹果则选择了另一条路线。通过自研芯片、操作系统以及应用生态的深度结合，苹果能够在设备内部完成软硬件协同，自己决定不同任务应该如何分配。高通希望围绕 Snapdragon 平台成为端侧 AI 的重要入口，通过 CPU、GPU、NPU 和软件生态的组合，让 AI 能力更容易进入手机和 PC 等终端设备。三星则试图通过芯片、存储和终端产品之间的协同形成优势。在 AI 时代，计算效率不仅取决于处理器性能，也取决于数据如何在计算单元和存储之间流动。相比这些路径，Arm 选择的是另一种方式。当被问到未来 CPU、GPU 和 NPU 之间的任务分配是否会由 Arm 来决定，以及 Arm 是否会建立统一的 AI 调度层时，Arm 给出的答案是否定的。Arm 认为，最终的调度权应该交给系统拥有者，由 OEM 厂商、芯片设计公司以及软件开发者根据自己的产品需求决定任务运行在哪里。Arm 自身做的，是确保每一个计算单元都具备足够强的基础能力，并通过软件生态让这些能力更容易被调用。这其实也是 Arm 长期商业模式的延续。过去，Arm 并不制造最终设备，而是通过开放架构让不同厂商基于 Arm 设计自己的产品。进入 AI 时代后，Arm 并没有试图成为唯一的计算调度者，而是希望成为不同计算资源能够高效协同的基础平台。从这个角度看，Arm 此次发布的 CPU、GPU、CSS 以及软件生态，并不是单纯增加某一个计算单元的能力，而是在回答同一个问题：当 AI 计算越来越复杂时，如何让不同资源更高效地组合在一起。未来，芯片竞争的标准可能不再只是「谁拥有最强的计算单元」。因为 AI 时代真正困难的问题，不是产生更多 Token，而是让每一个 Token 在正确的时间、通过正确的计算资源完成任务。过去三十年，Arm 通过指令集架构连接了移动计算产业；未来，它希望通过计算子系统、软件生态以及系统级优化，继续成为 AI 时代计算基础设施的一部分。在一个未来形态仍未确定的时代，Arm 选择的不是预测唯一答案，而是建立一个能够适应不同答案的平台。这或许也是它对 AI 时代最大的判断，下一个阶段的竞争，不只是计算能力的竞争，而是组织计算能力的竞争。<div><div><div>*头图来源：极客公园本文为极客公园原创文章，转载请联系极客君微信 geekparkGO<div><div style="margin-left: 8px;margin-right: 8px;"><div style="margin-bottom: 20px;color: rgba(0, 0, 0, 0.9);text-align: justify;font-size: 16px;letter-spacing: 1px;"><div style="font-size: 20px;color: rgb(95, 156, 239);line-height: 1;letter-spacing: 2px;">直播预告</div></div><img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e62069c1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67RcMmyc11ntmcicLcq9DKicdmNiagTibBUZhxTl8dF8C9yOs2LPXKw2wGbMD4icTHQrXAwSOHVeliaYVLVXf89XNqHWcMvvDJKZYPBSQ%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg"><p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 0px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;color: rgba(0, 0, 0, 0.9);font-family: "PingFang SC NEW", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;font-family: Optima-Regular, PingFangTC-light;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;">苹果终于要做折叠屏了。<p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 0px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;color: rgba(0, 0, 0, 0.9);font-family: "PingFang SC NEW", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;font-size: 16px;font-family: Optima-Regular, PingFangTC-light;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;">加州时间 9 月 9 日，苹果秋季发布会开场，这也是新 <span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;">CEO<span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;"> 特纳斯上任后的第一场 keynote。折叠屏 iPhone、涨价、AI……苹果这一次究竟能拿出多少「新东西」？<p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 0px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;color: rgba(0, 0, 0, 0.9);font-family: "PingFang SC NEW", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;font-family: Optima-Regular, PingFangTC-light;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;white-space: pre-wrap;">本周四凌晨 00:40，极客公园视频号直播间，我们和极客公园副主编靖宇、极客公园作者 Alan，一起聊聊：新 CEO 特纳斯的第一场大考，苹果到底有多「特努力」？<img style="vertical-align: bottom;width: 65px;background-color: transparent;height: auto !important;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=0213040a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5YTxYGib55rtMHhP1YJ44FLtVGp8Keyg6D2X3AUhgNicT1ibKKh0fE1eiaGqkSXnTlW0ib96ib3HDAIrnVA%2F640%3Fwx_fmt%3Dpng"></div></div><img style="width: 100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=99a201bc&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5bIKibWAiajnbjRmWC7dZbiaw9AOic7ycT1YO5Jpicia6vaCIl6IEA7rStEUKJLbo2aYZgpVLf5MuLAko1A%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg"><div><img style="vertical-align: bottom;text-align: center;color: rgb(51, 51, 51);width: 100%;background-color: transparent;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=7caf866d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5ZENt3gIiatQKstoLiatpXoWBUwkB6tO2b9y2Hoj5HpcnXc5zRJEX6MhbyXJ3q0gjTrrBIUF7boJGDA%2F640%3Fwx_fmt%3Dgif"><img style="vertical-align: bottom;width: 100%;background-color: transparent;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e241799c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5YR1a8dIHV2UrCdNIhialnevdQkialrf9oMibXZhuHeD0nPUHuFlYzYB4WYzwnTbhSyAvj9ibZb7ibewPw%2F640%3Fwx_fmt%3Dgif"></div></div></div></div>

<a href="https://wechat2rss.bestblogs.dev/link-proxy/?k=a0df592c&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMTMwNDMwODQ0MQ%3D%3D%26mid%3D2653113357%26idx%3D2%26sn%3D13802eb9cfbc95edc7cfe459cbeb0c73" target="_blank">跳转微信打开</a>

AI技术资讯来自极客公园 9月9日 19:37 ☆☆☆☆☆ 0

助听器躺赚三十年暴利，被 AI 打破了

徐珊 2026-09-09 19:37 北京 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e39778f6&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67S7UrxUFZGIW9DXAG5Mu2cC4CsOicTXPcTl3sAn2nLAPZPzm0HZ4y9dtA4A4mWneQp3pVuxoUqTEdicWDZbibNzW4NGPjGAwereOI%2F0%3Fwx_fmt%3Djpeg] 五大助听器品牌垄断 30 年，AI 能突破吗？本文转载自 Hardwire，欢迎关注，共同看见硬件行业新风向 👇 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=ec0f601b&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2Fz6JAVpoB67SA935bltZ90t3iaic6sc4sY6ehUrmibqqBpp37Aw3hu02hlpBpN7jAA8LquZWAVMicoj9MKNvhkdlMusMwztbPeS7XX36NeFickY7Y%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] 五大助听器品牌垄断 30 年，AI 能突破吗？作者｜徐珊编辑｜郑玄一个塞在耳朵里的小东西，卖到十万一副，丢失甚至需要动用全城搜索？助听器，是一门奇特的生意。整个全球市场，近九成的助听器市场份额被五家外资公司把持：索诺瓦（峰力）、Demant（奥迪康）、WS 听力、瑞声达、斯达克。他们的旗舰产品在中国线下，一对要卖到七到十万块。即便是在美国本土，一副售价也要卖到三四万。而且过去二十年，助听器市场的格局几乎少有波动。让他们垄断助听器市场的，最早其实是一道技术难题：音频分离。想要模拟人耳在嘈杂餐厅里锁定一个声音，其实并不容易。在嘈杂的声音之下，究竟什么声音应该被放大？需要放大的应该是一个声音还是多个声音？在当时，谁能能把这道题解得好，谁就有资格定高价。五家外资公司，用芯片和算法把这件事做到了七八十分，然后，用遍布全球的验配门店，把助听器市场锁成了一套封闭的体系。不是没有人挑战过，几十年间，无数创业者试图打破它，最终都没能跨过去。但这个局面，正在被打破。 2026 年，两家来自深圳的公司，把助听器卖到了原来十分之一的价格。据公开报道，听象科技旗下的昂听用 1 年时间就拥有超 50000 用户，做到了美国亚马逊助听器类目 Top1，年销超 1500 万美元，市场份额从 1%迅速增长至 18%。飞声的开放式 AI 助听器在日本的众筹金额超过 300 万美元，创下助听器类目的众筹纪录。改写这一切的前提，是 AI。它第一次让助听器在嘈杂环境理解了什么是「人声」；它通过推测声音的信号，让助听器减少啸叫；它把原本需要专业门店才能完成的验配，移到手机里，十几分钟就能完成。 AI 做的事，不是给助听器加了新功能，而是把过去巨头们垄断的技术关卡拆掉了，一同拆掉的，还有建在它之上的定价逻辑。这并非是一个逆袭的故事。助听器市场的结构刚开始松动，无论是价格、渠道、产品形态，还正经历市场检验，结局远未落定。通过这篇文章，我们想回答的问题是：一副助听器，为什么从十年前起，就能卖到近十万块？ OTC 政策放开了四年，为什么还是没能改变这个市场？ AI 到底改变了助听器的什么，用户能感受到的差别在哪里？ AI 助听器，和过去的助听器相比，真正不一样的地方是什么？这场变化，最终会让谁受益？ 01 一副十万的助听器，凭什么？ 2022 年 10 月，美国 FDA 正式放开 OTC 助听器销售。轻中度听损的成年人，第一次可以不经处方、不进验配门店，直接在药店和亚马逊买到助听器。消息一出，市场像被点燃了引线。科大讯飞、苹果、各路耳机团队纷纷切入，美国亚马逊相关品类涌入不少中国卖家同比增速曾一度超过 160%。所有人都以为，OTC 助听器会是一个翻盘时刻。它手拿的应该是一个新品类撕开专业壁垒、把价格打下来，听起来像消费级设备逆袭专业医疗的经典剧本。但 2026 年最新调研数据给了所有人泼了盆冷水，OTC 助听器，其实连整体市场都没跑赢。过去，买一对处方助听器要花小十万，甚至能买一辆车。十几年过去，助听器的价格几乎没变，调查显示，过去十年，专业助听器平均价格只下降了 228 美元，不到 5%。贵，是所有人看到的第一个问题，也是想改变的第一个方向。但更隐蔽的问题是，就算花了这笔钱，大多数人仍然不愿意戴。调查显示，65 岁以上人群中应该佩戴助听器、但真正从中获益的比例只有 6.5%。堵耳、鼓闷感、耳道潮湿，每天戴十几个小时的不适感，对很多用户来说，佩戴助听器，其实是一种煎熬。「助听器根本不是为最需要用它的那群人设计的。设备越做越小、技术越来越复杂，对很多老年人来说恰恰是错的方向。」一位听力学专家说道，在他接诊的老年患者里，约有一半有某种程度的手部灵活性问题，麻木、颤抖、或者动作受限，但助听器上的一些按键，只有绿豆大小，很难操作。但用户不得不选的五大品牌助听器，有它不可替代的理由。简单来说，五大品牌通过专用 DSP 甚至 AI 协处理器，把芯片算力抬上了一个新台阶。以索诺瓦 2024 年发布的旗舰款为例，它在传统 ERA 芯片之外，额外内置了一颗专用 AI 协处理器 DEEPSONIC，每秒 77 亿次运算，比行业通用芯片高出 53 倍。如果说普通芯片是在一条车道上慢慢挪，它就像突然多了一条高铁专线。更关键的是，这颗芯片「学过」超过 2200 万个真实环境声音样本，能在嘈杂环境里实时把人声单独「摘」出来，而不是把所有声音混在一起放大。在安静的客厅里，你可能感受不到差别。但到了嘈杂的餐厅、多人会议的饭桌，普通助听器会啸叫、错误放大背景噪声，甚至反过来加重听力损伤，而专业助听器像是给你单独开了一条清晰的声音通道。这种体验差距，几乎是断档式的，且没有中间选项。于是，很多用户绕了一圈，还是回到了五大品牌的怀抱。这个阶段的助听器，不是「好用」，而是「不得不用的东西」。因为没有替代品，用户只能在差和更差之间被迫选择。更何况，几十年过去，产品之外，五大还握着另一张牌，全球数千家专业验配门店和经销商网络。处方助听器的物理寿命是 3 到 7 年。在这段时间里，听力师会根据用户听损的持续变化，不断重新调整增益曲线、频段补偿、降噪参数。这种定制化、专业化的设备和服务方式，深度捆绑用户的长期生态，很难被一个电商页面替代。不可否认，OTC 品类的存在，让越来越多的人开始关注自己的听力问题。从规模上看，美国 OTC 助听器市场从 2022 年的 1.1 亿美元增长到 2025 年的 2.7 亿美元，年复合增速 35%。但你如果仔细研究就会发现，在有听力问题的美国人里，只有 5.7%采用了 OTC 产品，而处方助听器采纳率纹丝不动地停在 39%，OTC 助听器的退货率高达 30%到 70%。而同期整体助听器市场的预期增速是 11%。OTC 非但没有逆袭处方市场，反而跑得更慢。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=ae53c387&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FgMNcZry2uCVXs72f3LvqXxvRlQAFpdHBEh9EpI2pPibU9adiaQtkysCS82GhdMib3HDG8hHOIkFKtQiaibIfE2t80o314kMBV7swhnN8WxABoFVc%2F640%3Ffrom%3Dappmsg] 在自述存在听力困难的人群中，助听技术的采用率如上｜来源：The MarkeTrak 25 我们查阅了当时的 OTC 助听器反馈看到，有网友说，「第一周还能听清，之后就每况愈下，我不得不反复调整设置。想退货，但商家不认亚马逊渠道的 45 天退货承诺。现在已经 41 天了，我损失了 900 美元。这个牌子是朋友强烈推荐的，但我听不清，而且操作对我来说太难了。」当时的 OTC 助听器，能把设备交到了用户手里，却没办法把其他环节打通。这块曾经被不少人趋之若鹜的市场，最后连索尼、GN 这样的老牌玩家都相继退出了市场。放到中国市场，情况又不一样。尽管中国是全球最大的助听器出货地，2022 年出口约 1432 万台，占全球总量的 60%以上，但中国市场 90%以上助听器份额依然被五大外资占据。国内不是没人尝试打破这个局面。挚听 2025 年推出搭载 6 纳米专用助听芯片的产品，结合腾讯天籁 AI 算法，针对中文语音特点优化；联影微电子带着医疗影像的技术积累切入消费端。但这些团队还在爬坡，国产品牌份额加起来仍然较少。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=8abec63e&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FgMNcZry2uCVF4iaF3pbvicbeUECn8w4dURVtibZg6QOngh2eVibVX3FDzlORrfdjGxGbE09SrSQSACPNsPLJ9yo5hxIoCKa0icYENibQicP5fwDdWw%2F640%3Ffrom%3Dappmsg] 挚听小贝壳 Air 搭载 6nm 专业助听芯片｜来源：挚听中国至今没有 OTC 助听器类别，助听器仍是国家药监局监管的二类医疗器械，必须持注册证、经验配师验配才能合规销售。但电商平台上，百元级的「智能降噪助听器」比比皆是，大多数本质上是无差别放大的扩音器，实际相当于放个喇叭在你耳边喊。它们游离于监管之外，打着助听旗号进入千家万户，不仅作用很小，更会进一步加重听障人群的听力损伤。如果要靠等待更好的 DSP 芯片，或者沿传统路径一步步追赶，显然走不通。真正的破局需要另一种逻辑。而这个逻辑，来自 AI。 02 AI 将会如何改变助听器的体验？「戴了一个月，我觉得变化很大。在餐厅里，我不用再假装自己听得见了。我又能参与到对话里去了。」一位佩戴了最新国内 AI 助听器的用户这样写道。「2022 年 OTC 出来之后，市面上充斥着一堆放大器。用户觉得光听到声音不行，我要听清楚声音。听得清了，用户觉得又不够，我要戴得舒服。戴得舒服还不行，我要降噪非常强。」飞声创始人彭守昆提到， AI 的加入，对助听器品类来说，最重要的一件事就是提供了更多样化的声音处理方案。这其中主要会涉及到三个环节：声音分离、声音增强以及声音预测。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=8999a806&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FgMNcZry2uCVHaBdtbbUxZJR2puR6S6bd9O3Y0yeC3V12q7giclk6rRZicwbvt5V2IuniakhwWtOoRH2Ib5pCHtNZYjAiat8hh7XFYwD7PhibwObA%2F640%3Ffrom%3Dappmsg] AI 助听器与传统助听器的区别｜来源：飞声声音分离，就是把用户想听的和不想听的分开，分离越干净，底噪越低，用户在安静或嘈杂环境里都不会被不必要的声音骚扰，这是舒适感的基础。声音增强则是，根据个体听损曲线，在特定频段做定制化补偿。高频陡降的人和低频损失的人，增强的方式完全不同。这也是， AI 助听器和 AirPods Pro 所自带的助听功能不同的地方之一，算法不是为音乐和通话优化的，而是针对个体听损曲线的精细补偿。比如说，昂听的做法选择把「你的耳朵」建立成一张数字档案。用户通过 APP 完成纯音测听，系统根据结果生成个人听力图，再从 29 条听损补偿曲线里匹配最适合用户的参数，高频陡降型、平坦型、低频损失型，每种听损模式对应不同的频段处理策略。你的耳朵缺什么信号，就补什么信号。再来就是声音的预测，根据不同场景下的情况去预测接下来可能出现意外「啸叫」的一些场景。比如说，我走在路上，有可能会出现长按喇叭的尖锐声。AI 可以通过预测，识别出相关声音，并将其控制在合理范围内。飞声目前计划在新品中采用 CRN 架构，是一种卷积+循环神经网络，区别于普通 DNN 的地方在于时序记忆，「DNN 只能看当下这一帧声音，我的架构能处理前面一整句话」彭守昆提到。正是这段时序上下文，让系统在啸叫出现之前就能预判并抑制，而不是等啸叫出来了再压制。这三个环节在芯片里是同时运行的。全链路处理必须在 10 毫秒以内完成，昂听 Beyond Pro 的延迟是 8 毫秒，飞声 H9 经第三方检测的时延是 5.4 毫秒。时间太长，声音和口型就会不同步，用户会觉得「对方的嘴在动，声音慢半拍才到」。彭守昆说，这也是「AI 助听器算法要远远难于 AI 耳机」的其中一个原因，耳机可以容忍几十毫秒的延迟，助听器不行。过去，AI 通过训练才能快速地根据训练结果去理解不同声音的处理方式，但现在 AI 借助新的架构能够做到实时对进入耳朵里的声音进行处理。这样的处理速度，以及通过现有处理框架是过去很长一段时间内很难做到的，也给了大家在听力算法方向一些弯道超车的机会。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=3c88e02c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FgMNcZry2uCXMYafPC8en2mx0lke1lSm2RPCN6DmBovR0DzicN1Eo3y7DPKSbwQY2dibIgWTUS8DVEhvISqiblviatfVcIlfvN5ZMRjiaxRSZckIM%2F640%3Ffrom%3Dappmsg]飞声 AI 助听器｜来源：飞声官网更值得关注的是，AI 助听器里的 AI，和我们通常说的大模型关联并不大。它不是主要靠参数量取胜，而是靠新的架构设计，把过去需要堆算力才能解决的声音处理问题，用更小、更快、更省电的方式重新实现。飞声选择将一个从 10MB 压缩到 100~300KB 的小模型，运行在毫瓦级功耗的芯片上。这套算法，飞声团队在过去「迭代了至少七八十遍」。彭守昆提到，「这难度是非常大的。」芯片路线上，相比五大走「传统 DSP 外挂 AI 芯片」的双芯片方案，国产团队选择了另一条路，用中国 TWS 供应链的能力，集成 SoC，把蓝牙、DSP、高算力 NPU 集成在一颗芯片上，用更低的功耗和体积，解决所有的声音处理问题。「未来的趋势一定是一颗 SoC 芯片解决所有的问题，」彭守昆说。飞声和昂听走的都是这条路线，差异在于各自算法的实现深度。但这同样意味着，单靠芯片很难拉开差距，大家买的是同一代供应链里的芯片。彭守昆自己也承认，「我们只是在系统层、芯片的底层进行 SDK 定制，现有的芯片能力已经满足我们未来两三年的算法演进。」真正能形成壁垒的，是算法。他的判断是，「未来两三年内，产品研发里面 70%到 80%的重要性在算法。」谁能在同样的算力约束下，把声音分离做得更干净、补偿做得更精准、预测做得更提前，谁才能在这场比赛里真正领先。 03 下一代 AI 助听器，正在攻山路上声音处理是 AI 带给助听器最直接的礼物，但它带来的变化远不止于此。当算法足够强，原本被认为「不可能」的产品形态开始成立，原本繁琐的使用流程也开始简单，原本被整个行业忽视的用户需求，也开始被认真对待。最新看到的变化来自于形态的改变。过去的传统助听器大多都是入耳式的，让耳道形成一个密封空间，声音传导效率更高，只需要一点点声音外放就饿能够产生比较大的声音增益效果。尤其当中重度的听障患者需要声音往往在 40-60dB 以上，才能听清楚。但这往往会带来一个新的问题，啸叫。开放式助听器的最大技术挑战：解决啸叫的技术难度，远远高于入耳式。过去，对于入耳式的产品，麦克风在耳道外面收音，扬声器在耳道内扩音，两者之间有物理隔离，相对来说没有开放式产品那么容易形成啸叫。如果两者之间是开放式的，扬声器输出的放大声音会被麦克风再次收录，再次放大，形成声音循环回路，导致「啸叫」，所以过去助听器大部分都是封闭的入耳式。研发人员一般通过用数学模型实时估算反馈路径、再提前减去反馈信号。但往往等到反馈信号出现了再处理，反应滞后，且容易误判。当 AI 能够在啸叫形成之前就预判并抑制，入耳式助听器就不再是唯一的选择。飞声 B02 是目前市场上少见的开放式 AI 助听器，耳夹形态，不入耳，戴一整天没有堵耳和鼓闷感，外观和普通耳机几乎没有区别。昂听则走了另一条路，2026 年 CES 上发布的 Delight，是完全入耳式的设计，坐在耳道里几乎看不见，昂听对目标用户的描述很直接：「想要现代感外观、不想让人知道自己在用助听器的人。」过去因为中耳炎、耳道变窄无法使用入耳式的用户来说，开始有了其他选择，也从某种程度上减轻了「佩戴助听器」的突兀感。「有很多人觉得戴了助听器别人会把他看作残疾人，于是不能接受」，我们在一些社交媒体上看到，不少儿女劝服父母佩戴助听器的一大难点就是助听器本身，甚至有一位网友的母亲，因为怕被说「老糊涂了」，宁愿偷偷在网上买百元的「隐形助听器」，也不愿让子女陪着去正规机构验配。正在被 AI 改变的还有助听器的验配环节。过去的助听器验配环节和去医院看病几乎没什么两样。先去医院做听力检查，拿到听力图；再预约专业验配门店，等候、选机型、初次调机；戴回去感觉不对，再预约复诊；前前后后要跑好几趟，历时数周甚至更长。当 AI 参与到助听器的验配流程开始完全不同。用户在家打开 APP，做一次纯音测听，十几分钟后系统自动生成处方参数，设备自动完成初始调配。如果感觉还不够准，可以连线远程听力师做视频调机。昂听的 ElePro 服务，45 分钟一对一，听力师在线实时调整，用户坐在自己家的客厅里，在真实的声音环境下被精确适配。不过，昂听的验配离不开手机，所以它的产品主要面向的是那些会用智能手机、愿意学习新东西的新潮老人。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=19dbce77&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FgMNcZry2uCUiaw3r9sicn8m8LnYLGRU3KlqCUMicCiaqibg30mUcnuVVStC9hy6CSGWvicadicAOCLMgLGE0l6zicd1CbNse31kib5aIR6l9ktyu5GDA%2F640%3Ffrom%3Dappmsg] 听象科技旗下的昂听 AI 助听器｜来源：听象科技官网但彭守昆并不认为验配师会被 AI 完全取代。他认为，「中国老人的动手能力非常弱。」所以飞声在 APP 和远程验配之外，还在深圳开了自营验配中心，铺了覆盖 400 城的护士上门网络，为那些连视频都不会开的老人，保留一条全人工路径。在 AI 的介入之后，验配从一个需要反复跑门店的专业仪式，变成了一个可以在家完成的持续服务。这不只是效率的提升，是用户和助听器之间关系的重新定义。助听器也开始成为随着听力变化持续迭代的伙伴。再比如，适老化配置上，有所改变。 AI 助听器的用户，九成以上是老人。但过去几十年，助听器使用难度比较高，单靠老人自己几乎很难学会使用。这也是为什么一开始会提到即便买了小十万的设备，还是有很多人将其放在抽屉里吃灰。现在的国产 AI 助听器，第一次把适老化当成产品设计的出发点。飞声的充电盒上直接集成了实体按键，老人不需要打开手机、不需要找 APP，按一下调音量，按两下切场景，操作逻辑和电视遥控器一样直接。同时它还支持室内蓝牙查找和户外 GPS 定位，过去满城寻找助听器的难题，也有了更新的解法。形态、验配、适老化，这三件事加在一起，才是 AI 给助听器带来的完整改变。但改变能走多远，最终要看市场的答案。彭守昆认为，助听器市场正处于一个「油车」转「电车」的时刻。这已经不是第一次有人向这座大山发起冲锋。过去十几年，几十个团队带着钱和勇气进来，最终都倒在了芯片、算法和渠道这三道墙前面。不同的是，这一次冲锋的人手里有了新的武器，AI。但能不能翻过这座山，现在下结论还太早。美国 OTC 放开四年，采纳率只有 5.7%；中国 1.2 亿听损老人，戴上助听器的不足 5%。技术拐点或许正在路上，但市场拐点还没有。如果你在小红书上搜「助听器」，能看到这个市场最真实的样子。很多子女想给父母配一副，看到价格后囊中羞涩，打听有没有千元级的选择；有人买了，但父母一句「太贵了、太麻烦」，再也没戴过；有人在花式营销里踩了坑，几百块的「隐形助听器」让父母越戴越聋，心生愧疚。帖子的字里行间，都是同一种焦急：再不解决，父母就真的听不见了。这份期待，等了太久。我们希望这个方向能被更多人看到，做算法的、做芯片的、做供应链的、做医疗渠道的，这条赛道需要更多的玩家，需要更多的路线，需要更多人愿意把 AI 的能力，用在最需要的人身上。 AI 能改变很多东西。但能不能让一个老人重新听清世界的声音，这件事，值得更多人一起来做。 *头图来源： ChatGPT 制图本文为 Hardwire 原创文章，转载请联系极客君微信 geekparkGO 直播预告 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e5620fa0&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67QNMmsUw7VGlcFS8IoYsG27CSfn7ppMwjTyy7Ayiaibbv91453FtclURZr0C1phq2IO2mRribU7CREu040HDaxmibCGj59oY1ypwds%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg] 苹果终于要做折叠屏了。加州时间 9 月 9 日，苹果秋季发布会开场，这也是新 CEO 特纳斯上任后的第一场 keynote。折叠屏 iPhone、涨价、AI……苹果这一次究竟能拿出多少「新东西」？本周四凌晨 00:40，极客公园视频号直播间，我们和极客公园副主编靖宇、极客公园作者 Alan，一起聊聊：新 CEO 特纳斯的第一场大考，苹果到底有多「特努力」？ [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=0213040a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5YTxYGib55rtMHhP1YJ44FLtVGp8Keyg6D2X3AUhgNicT1ibKKh0fE1eiaGqkSXnTlW0ib96ib3HDAIrnVA%2F640%3Fwx_fmt%3Dpng] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=99a201bc&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5bIKibWAiajnbjRmWC7dZbiaw9AOic7ycT1YO5Jpicia6vaCIl6IEA7rStEUKJLbo2aYZgpVLf5MuLAko1A%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=7caf866d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5ZENt3gIiatQKstoLiatpXoWBUwkB6tO2b9y2Hoj5HpcnXc5zRJEX6MhbyXJ3q0gjTrrBIUF7boJGDA%2F640%3Fwx_fmt%3Dgif] [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e241799c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5YR1a8dIHV2UrCdNIhialnevdQkialrf9oMibXZhuHeD0nPUHuFlYzYB4WYzwnTbhSyAvj9ibZb7ibewPw%2F640%3Fwx_fmt%3Dgif] 跳转微信打开

查看原文

徐珊 2026-09-09 19:37 北京

<img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e39778f6&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fz6JAVpoB67S7UrxUFZGIW9DXAG5Mu2cC4CsOicTXPcTl3sAn2nLAPZPzm0HZ4y9dtA4A4mWneQp3pVuxoUqTEdicWDZbibNzW4NGPjGAwereOI%2F0%3Fwx_fmt%3Djpeg">
 五大助听器品牌垄断 30 年，AI 能突破吗？
 <div><div><span style="color: rgba(0, 0, 0, 0.9);font-family: Optima-Regular, PingFangTC-light;font-size: 16px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 700;letter-spacing: 1px;orphans: 2;text-align: center;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;display: inline !important;float: none;">本文转载自 Hardwire，欢迎关注，共同看见硬件行业新风向 👇</div></div><hr style="border-style: solid;border-width: 1px 0 0;border-color: rgba(0,0,0,0.1);-webkit-transform-origin: 0 0;-webkit-transform: scale(1, 0.5);transform-origin: 0 0;transform: scale(1, 0.5);"><div><div><img style="vertical-align:bottom;color:rgb(0, 0, 0);font-size:14px;text-align:left;-webkit-tap-highlight-color:transparent;width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=ec0f601b&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2Fz6JAVpoB67SA935bltZ90t3iaic6sc4sY6ehUrmibqqBpp37Aw3hu02hlpBpN7jAA8LquZWAVMicoj9MKNvhkdlMusMwztbPeS7XX36NeFickY7Y%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg"><img><img><img><p style="margin: -0.6em 8px 2em;padding: 25px 18px 18px;text-align: justify;clear: both;min-height: 1em;font-size: 15px;line-height: 1.8em;letter-spacing: 0.3px;color: rgb(255, 255, 255);background-size: 100%;background-position: 100% 100%;background-repeat: no-repeat;background-image: url("https://wechat2rss.bestblogs.dev/img-proxy/?k=2c3ad3bb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2F8cu01Kavc5btvnXLt60mhp5iawE0uFNo49xhjvwsgbA1OdJeuwD2p2j0sz5eGx3hj3fnhuBRficSAaknl5E9wR5g%2F640%3Fwx_fmt%3Djpeg");background-color: rgb(0, 0, 0) !important;">五大助听器品牌垄断 30 年，AI 能突破吗？作者｜徐珊编辑｜郑玄</div></div>一个塞在耳朵里的小东西，卖到十万一副，丢失甚至需要动用全城搜索？助听器，是一门奇特的生意。整个全球市场，近九成的助听器市场份额被五家外资公司把持：索诺瓦（峰力）、Demant（奥迪康）、WS 听力、瑞声达、斯达克。他们的旗舰产品在中国线下，一对要卖到七到十万块。即便是在美国本土，一副售价也要卖到三四万。而且过去二十年，助听器市场的格局几乎少有波动。让他们垄断助听器市场的，最早其实是一道技术难题：音频分离。想要模拟人耳在嘈杂餐厅里锁定一个声音，其实并不容易。在嘈杂的声音之下，究竟什么声音应该被放大？需要放大的应该是一个声音还是多个声音？在当时，谁能能把这道题解得好，谁就有资格定高价。五家外资公司，用芯片和算法把这件事做到了七八十分，然后，用遍布全球的验配门店，把助听器市场锁成了一套封闭的体系。不是没有人挑战过，几十年间，无数创业者试图打破它，最终都没能跨过去。但这个局面，正在被打破。2026 年，两家来自深圳的公司，把助听器卖到了原来十分之一的价格。据公开报道，听象科技旗下的昂听用 1 年时间就拥有超 50000 用户，做到了美国亚马逊助听器类目 Top1，年销超 1500 万美元，市场份额从 1%迅速增长至 18%。飞声的开放式 AI 助听器在日本的众筹金额超过 300 万美元，创下助听器类目的众筹纪录。改写这一切的前提，是 AI。它第一次让助听器在嘈杂环境理解了什么是「人声」；它通过推测声音的信号，让助听器减少啸叫；它把原本需要专业门店才能完成的验配，移到手机里，十几分钟就能完成。AI 做的事，不是给助听器加了新功能，而是把过去巨头们垄断的技术关卡拆掉了，一同拆掉的，还有建在它之上的定价逻辑。这并非是一个逆袭的故事。助听器市场的结构刚开始松动，无论是价格、渠道、产品形态，还正经历市场检验，结局远未落定。通过这篇文章，我们想回答的问题是：<ul style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px 0px 0px 1.2em;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-family: Optima-Regular, PingFangTC-light, "PingFang SC", "PingFang TC", "Hiragino Sans GB", "Microsoft YaHei", sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;list-style-type: disc;" class=""><li style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 8px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;font-family: Optima-Regular, PingFangTC-light, "PingFang SC", "PingFang TC", "Hiragino Sans GB", "Microsoft YaHei", sans-serif;font-size: 16px;line-height: 1.75;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;font-family: Optima-Regular, PingFangTC-light;">一副助听器，为什么从十年前起，就能卖到近十万块？</li><li style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 8px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;font-family: Optima-Regular, PingFangTC-light, "PingFang SC", "PingFang TC", "Hiragino Sans GB", "Microsoft YaHei", sans-serif;font-size: 16px;line-height: 1.75;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;font-family: Optima-Regular, PingFangTC-light;">OTC 政策放开了四年，为什么还是没能改变这个市场？</li><li style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 8px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;font-family: Optima-Regular, PingFangTC-light, "PingFang SC", "PingFang TC", "Hiragino Sans GB", "Microsoft YaHei", sans-serif;font-size: 16px;line-height: 1.75;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;font-family: Optima-Regular, PingFangTC-light;">AI 到底改变了助听器的什么，用户能感受到的差别在哪里？</li><li style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 8px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;font-family: Optima-Regular, PingFangTC-light, "PingFang SC", "PingFang TC", "Hiragino Sans GB", "Microsoft YaHei", sans-serif;font-size: 16px;line-height: 1.75;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;font-family: Optima-Regular, PingFangTC-light;">AI 助听器，和过去的助听器相比，真正不一样的地方是什么？</li></ul><ul style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px 0px 0px 1.2em;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-family: Optima-Regular, PingFangTC-light, "PingFang SC", "PingFang TC", "Hiragino Sans GB", "Microsoft YaHei", sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;list-style-type: disc;" class=""><li style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><p style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px 8px 24px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;clear: both;min-height: 1em;font-family: Optima-Regular, PingFangTC-light, "PingFang SC", "PingFang TC", "Hiragino Sans GB", "Microsoft YaHei", sans-serif;font-size: 16px;line-height: 1.75;"><span style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;font-family: Optima-Regular, PingFangTC-light;">这场变化，最终会让谁受益？</li></ul><div><div><div><div style="margin-right: 8px;margin-left: 8px;letter-spacing: 0.578px;text-align: justify;font-size: 16px;color: rgb(62, 62, 62);"><div style="margin-top: 10px;text-align: center;justify-content: center;display: flex;flex-flow: row;"><div style="display: inline-block;width: auto;vertical-align: top;min-width: 10%;height: auto;flex: 0 0 auto;align-self: flex-start;"><div style="isolation: isolate;"><div style="font-size: 36px;line-height: 1;letter-spacing: 0px;color: rgb(45, 113, 214);">01</div></div></div></div></div>一副十万的助听器，凭什么？</div></div></div>2022 年 10 月，美国 FDA 正式放开 OTC 助听器销售。轻中度听损的成年人，第一次可以不经处方、不进验配门店，直接在药店和亚马逊买到助听器。消息一出，市场像被点燃了引线。科大讯飞、苹果、各路耳机团队纷纷切入，美国亚马逊相关品类涌入不少中国卖家同比增速曾一度超过 160%。所有人都以为，OTC 助听器会是一个翻盘时刻。它手拿的应该是一个新品类撕开专业壁垒、把价格打下来，听起来像消费级设备逆袭专业医疗的经典剧本。但 2026 年最新调研数据给了所有人泼了盆冷水，OTC 助听器，其实连整体市场都没跑赢。过去，买一对处方助听器要花小十万，甚至能买一辆车。十几年过去，助听器的价格几乎没变，调查显示，过去十年，专业助听器平均价格只下降了 228 美元，不到 5%。贵，是所有人看到的第一个问题，也是想改变的第一个方向。但更隐蔽的问题是，就算花了这笔钱，大多数人仍然不愿意戴。调查显示，65 岁以上人群中应该佩戴助听器、但真正从中获益的比例只有 6.5%。堵耳、鼓闷感、耳道潮湿，每天戴十几个小时的不适感，对很多用户来说，佩戴助听器，其实是一种煎熬。「助听器根本不是为最需要用它的那群人设计的。设备越做越小、技术越来越复杂，对很多老年人来说恰恰是错的方向。」一位听力学专家说道，在他接诊的老年患者里，约有一半有某种程度的手部灵活性问题，麻木、颤抖、或者动作受限，但助听器上的一些按键，只有绿豆大小，很难操作。但用户不得不选的五大品牌助听器，有它不可替代的理由。简单来说，五大品牌通过专用 DSP 甚至 AI 协处理器，把芯片算力抬上了一个新台阶。以索诺瓦 2024 年发布的旗舰款为例，它在传统 ERA 芯片之外，额外内置了一颗专用 AI 协处理器 DEEPSONIC，每秒 77 亿次运算，比行业通用芯片高出 53 倍。如果说普通芯片是在一条车道上慢慢挪，它就像突然多了一条高铁专线。更关键的是，这颗芯片「学过」超过 2200 万个真实环境声音样本，能在嘈杂环境里实时把人声单独「摘」出来，而不是把所有声音混在一起放大。在安静的客厅里，你可能感受不到差别。但到了嘈杂的餐厅、多人会议的饭桌，普通助听器会啸叫、错误放大背景噪声，甚至反过来加重听力损伤，而专业助听器像是给你单独开了一条清晰的声音通道。这种体验差距，几乎是断档式的，且没有中间选项。于是，很多用户绕了一圈，还是回到了五大品牌的怀抱。这个阶段的助听器，不是「好用」，而是「不得不用的东西」。因为没有替代品，用户只能在差和更差之间被迫选择。更何况，几十年过去，产品之外，五大还握着另一张牌，全球数千家专业验配门店和经销商网络。处方助听器的物理寿命是 3 到 7 年。在这段时间里，听力师会根据用户听损的持续变化，不断重新调整增益曲线、频段补偿、降噪参数。这种定制化、专业化的设备和服务方式，深度捆绑用户的长期生态，很难被一个电商页面替代。不可否认，OTC 品类的存在，让越来越多的人开始关注自己的听力问题。从规模上看，美国 OTC 助听器市场从 2022 年的 1.1 亿美元增长到 2025 年的 2.7 亿美元，年复合增速 35%。但你如果仔细研究就会发现，在有听力问题的美国人里，只有 5.7%采用了 OTC 产品，而处方助听器采纳率纹丝不动地停在 39%，OTC 助听器的退货率高达 30%到 70%。而同期整体助听器市场的预期增速是 11%。OTC 非但没有逆袭处方市场，反而跑得更慢。<img style="display: block;width: 100%;max-width: 100%;margin-top: 0px;padding: 0px;vertical-align: bottom;box-sizing: border-box;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=ae53c387&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FgMNcZry2uCVXs72f3LvqXxvRlQAFpdHBEh9EpI2pPibU9adiaQtkysCS82GhdMib3HDG8hHOIkFKtQiaibIfE2t80o314kMBV7swhnN8WxABoFVc%2F640%3Ffrom%3Dappmsg"><img><img><img>在自述存在听力困难的人群中，助听技术的采用率如上｜来源：The MarkeTrak 25我们查阅了当时的 OTC 助听器反馈看到，有网友说，「第一周还能听清，之后就每况愈下，我不得不反复调整设置。想退货，但商家不认亚马逊渠道的 45 天退货承诺。现在已经 41 天了，我损失了 900 美元。这个牌子是朋友强烈推荐的，但我听不清，而且操作对我来说太难了。」当时的 OTC 助听器，能把设备交到了用户手里，却没办法把其他环节打通。这块曾经被不少人趋之若鹜的市场，最后连索尼、GN 这样的老牌玩家都相继退出了市场。放到中国市场，情况又不一样。尽管中国是全球最大的助听器出货地，2022 年出口约 1432 万台，占全球总量的 60%以上，但中国市场 90%以上助听器份额依然被五大外资占据。国内不是没人尝试打破这个局面。挚听 2025 年推出搭载 6 纳米专用助听芯片的产品，结合腾讯天籁 AI 算法，针对中文语音特点优化；联影微电子带着医疗影像的技术积累切入消费端。但这些团队还在爬坡，国产品牌份额加起来仍然较少。<img style="display: block;width: 100%;max-width: 100%;height: auto;padding: 0px;vertical-align: bottom;box-sizing: border-box;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=8abec63e&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FgMNcZry2uCVF4iaF3pbvicbeUECn8w4dURVtibZg6QOngh2eVibVX3FDzlORrfdjGxGbE09SrSQSACPNsPLJ9yo5hxIoCKa0icYENibQicP5fwDdWw%2F640%3Ffrom%3Dappmsg"><img><img><img>挚听小贝壳 Air 搭载 6nm 专业助听芯片｜来源：挚听中国至今没有 OTC 助听器类别，助听器仍是国家药监局监管的二类医疗器械，必须持注册证、经验配师验配才能合规销售。但电商平台上，百元级的「智能降噪助听器」比比皆是，大多数本质上是无差别放大的扩音器，实际相当于放个喇叭在你耳边喊。它们游离于监管之外，打着助听旗号进入千家万户，不仅作用很小，更会进一步加重听障人群的听力损伤。如果要靠等待更好的 DSP 芯片，或者沿传统路径一步步追赶，显然走不通。真正的破局需要另一种逻辑。而这个逻辑，来自 AI。<div><div><div><div style="margin-right: 8px;margin-left: 8px;letter-spacing: 0.578px;text-align: justify;font-size: 16px;color: rgb(62, 62, 62);"><div style="margin-top: 10px;text-align: center;justify-content: center;display: flex;flex-flow: row;"><div style="display: inline-block;width: auto;vertical-align: top;min-width: 10%;height: auto;flex: 0 0 auto;align-self: flex-start;"><div style="isolation: isolate;"><div style="font-size: 36px;line-height: 1;letter-spacing: 0px;color: rgb(45, 113, 214);">02</div></div></div></div></div>AI 将会如何改变助听器的体验？</div></div></div>「戴了一个月，我觉得变化很大。在餐厅里，我不用再假装自己听得见了。我又能参与到对话里去了。」一位佩戴了最新国内 AI 助听器的用户这样写道。「2022 年 OTC 出来之后，市面上充斥着一堆放大器。用户觉得光听到声音不行，我要听清楚声音。听得清了，用户觉得又不够，我要戴得舒服。戴得舒服还不行，我要降噪非常强。」飞声创始人彭守昆提到，AI 的加入，对助听器品类来说，最重要的一件事就是提供了更多样化的声音处理方案。这其中主要会涉及到三个环节：声音分离、声音增强以及声音预测。<img style="display: block;width: 100%;max-width: 100%;margin-top: 0px;margin-bottom: 0px;padding: 0px;vertical-align: bottom;box-sizing: border-box;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=8999a806&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2FgMNcZry2uCVHaBdtbbUxZJR2puR6S6bd9O3Y0yeC3V12q7giclk6rRZicwbvt5V2IuniakhwWtOoRH2Ib5pCHtNZYjAiat8hh7XFYwD7PhibwObA%2F640%3Ffrom%3Dappmsg"><img><img><img>AI 助听器与传统助听器的区别｜来源：飞声声音分离，就是把用户想听的和不想听的分开，分离越干净，底噪越低，用户在安静或嘈杂环境里都不会被不必要的声音骚扰，这是舒适感的基础。声音增强则是，根据个体听损曲线，在特定频段做定制化补偿。高频陡降的人和低频损失的人，增强的方式完全不同。这也是，AI 助听器和 AirPods Pro 所自带的助听功能不同的地方之一，算法不是为音乐和通话优化的，而是针对个体听损曲线的精细补偿。比如说，昂听的做法选择把「你的耳朵」建立成一张数字档案。用户通过 APP 完成纯音测听，系统根据结果生成个人听力图，再从 29 条听损补偿曲线里匹配最适合用户的参数，高频陡降型、平坦型、低频损失型，每种听损模式对应不同的频段处理策略。你的耳朵缺什么信号，就补什么信号。再来就是声音的预测，根据不同场景下的情况去预测接下来可能出现意外「啸叫」的一些场景。比如说，我走在路上，有可能会出现长按喇叭的尖锐声。AI 可以通过预测，识别出相关声音，并将其控制在合理范围内。飞声目前计划在新品中采用 CRN 架构，是一种卷积+循环神经网络，区别于普通 DNN 的地方在于时序记忆，「DNN 只能看当下这一帧声音，我的架构能处理前面一整句话」彭守昆提到。正是这段时序上下文，让系统在啸叫出现之前就能预判并抑制，而不是等啸叫出来了再压制。这三个环节在芯片里是同时运行的。全链路处理必须在 10 毫秒以内完成，昂听 Beyond Pro 的延迟是 8 毫秒，飞声 H9 经第三方检测的时延是 5.4 毫秒。时间太长，声音和口型就会不同步，用户会觉得「对方的嘴在动，声音慢半拍才到」。彭守昆说，这也是「AI 助听器算法要远远难于 AI 耳机」的其中一个原因，耳机可以容忍几十毫秒的延迟，助听器不行。过去，AI 通过训练才能快速地根据训练结果去理解不同声音的处理方式，但现在 AI 借助新的架构能够做到实时对进入耳朵里的声音进行处理。这样的处理速度，以及通过现有处理框架是过去很长一段时间内很难做到的，也给了大家在听力算法方向一些弯道超车的机会。<img style="display: block;width: 100%;max-width: 100%;margin-top: 0px;margin-bottom: 0px;padding: 0px;vertical-align: bottom;box-sizing: border-box;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=3c88e02c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FgMNcZry2uCXMYafPC8en2mx0lke1lSm2RPCN6DmBovR0DzicN1Eo3y7DPKSbwQY2dibIgWTUS8DVEhvISqiblviatfVcIlfvN5ZMRjiaxRSZckIM%2F640%3Ffrom%3Dappmsg">飞声 AI 助听器｜来源：飞声官网更值得关注的是，AI 助听器里的 AI，和我们通常说的大模型关联并不大。它不是主要靠参数量取胜，而是靠新的架构设计，把过去需要堆算力才能解决的声音处理问题，用更小、更快、更省电的方式重新实现。飞声选择将一个从 10MB 压缩到 100~300KB 的小模型，运行在毫瓦级功耗的芯片上。这套算法，飞声团队在过去「迭代了至少七八十遍」。彭守昆提到，「这难度是非常大的。」芯片路线上，相比五大走「传统 DSP 外挂 AI 芯片」的双芯片方案，国产团队选择了另一条路，用中国 TWS 供应链的能力，集成 SoC，把蓝牙、DSP、高算力 NPU 集成在一颗芯片上，用更低的功耗和体积，解决所有的声音处理问题。「未来的趋势一定是一颗 SoC 芯片解决所有的问题，」彭守昆说。飞声和昂听走的都是这条路线，差异在于各自算法的实现深度。但这同样意味着，单靠芯片很难拉开差距，大家买的是同一代供应链里的芯片。彭守昆自己也承认，「我们只是在系统层、芯片的底层进行 SDK 定制，现有的芯片能力已经满足我们未来两三年的算法演进。」真正能形成壁垒的，是算法。他的判断是，「未来两三年内，产品研发里面 70%到 80%的重要性在算法。」谁能在同样的算力约束下，把声音分离做得更干净、补偿做得更精准、预测做得更提前，谁才能在这场比赛里真正领先。<div><div><div><div style="margin-right: 8px;margin-left: 8px;letter-spacing: 0.578px;text-align: justify;font-size: 16px;color: rgb(62, 62, 62);"><div style="margin-top: 10px;text-align: center;justify-content: center;display: flex;flex-flow: row;"><div style="display: inline-block;width: auto;vertical-align: top;min-width: 10%;height: auto;flex: 0 0 auto;align-self: flex-start;"><div style="isolation: isolate;"><div style="font-size: 36px;line-height: 1;letter-spacing: 0px;color: rgb(45, 113, 214);">03</div></div></div></div></div>下一代 AI 助听器，正在攻山路上</div></div></div>声音处理是 AI 带给助听器最直接的礼物，但它带来的变化远不止于此。当算法足够强，原本被认为「不可能」的产品形态开始成立，原本繁琐的使用流程也开始简单，原本被整个行业忽视的用户需求，也开始被认真对待。最新看到的变化来自于形态的改变。过去的传统助听器大多都是入耳式的，让耳道形成一个密封空间，声音传导效率更高，只需要一点点声音外放就饿能够产生比较大的声音增益效果。尤其当中重度的听障患者需要声音往往在 40-60dB 以上，才能听清楚。但这往往会带来一个新的问题，啸叫。开放式助听器的最大技术挑战：解决啸叫的技术难度，远远高于入耳式。过去，对于入耳式的产品，麦克风在耳道外面收音，扬声器在耳道内扩音，两者之间有物理隔离，相对来说没有开放式产品那么容易形成啸叫。如果两者之间是开放式的，扬声器输出的放大声音会被麦克风再次收录，再次放大，形成声音循环回路，导致「啸叫」，所以过去助听器大部分都是封闭的入耳式。研发人员一般通过用数学模型实时估算反馈路径、再提前减去反馈信号。但往往等到反馈信号出现了再处理，反应滞后，且容易误判。当 AI 能够在啸叫形成之前就预判并抑制，入耳式助听器就不再是唯一的选择。飞声 B02 是目前市场上少见的开放式 AI 助听器，耳夹形态，不入耳，戴一整天没有堵耳和鼓闷感，外观和普通耳机几乎没有区别。昂听则走了另一条路，2026 年 CES 上发布的 Delight，是完全入耳式的设计，坐在耳道里几乎看不见，昂听对目标用户的描述很直接：「想要现代感外观、不想让人知道自己在用助听器的人。」过去因为中耳炎、耳道变窄无法使用入耳式的用户来说，开始有了其他选择，也从某种程度上减轻了「佩戴助听器」的突兀感。「有很多人觉得戴了助听器别人会把他看作残疾人，于是不能接受」，我们在一些社交媒体上看到，不少儿女劝服父母佩戴助听器的一大难点就是助听器本身，甚至有一位网友的母亲，因为怕被说「老糊涂了」，宁愿偷偷在网上买百元的「隐形助听器」，也不愿让子女陪着去正规机构验配。正在被 AI 改变的还有助听器的验配环节。过去的助听器验配环节和去医院看病几乎没什么两样。先去医院做听力检查，拿到听力图；再预约专业验配门店，等候、选机型、初次调机；戴回去感觉不对，再预约复诊；前前后后要跑好几趟，历时数周甚至更长。当 AI 参与到助听器的验配流程开始完全不同。用户在家打开 APP，做一次纯音测听，十几分钟后系统自动生成处方参数，设备自动完成初始调配。如果感觉还不够准，可以连线远程听力师做视频调机。昂听的 ElePro 服务，45 分钟一对一，听力师在线实时调整，用户坐在自己家的客厅里，在真实的声音环境下被精确适配。不过，昂听的验配离不开手机，所以它的产品主要面向的是那些会用智能手机、愿意学习新东西的新潮老人。<img style="display: block;width: 100%;max-width: 100%;margin-top: 0px;margin-bottom: 0px;padding: 0px;vertical-align: bottom;box-sizing: border-box;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=19dbce77&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2FgMNcZry2uCUiaw3r9sicn8m8LnYLGRU3KlqCUMicCiaqibg30mUcnuVVStC9hy6CSGWvicadicAOCLMgLGE0l6zicd1CbNse31kib5aIR6l9ktyu5GDA%2F640%3Ffrom%3Dappmsg"><img><img><img>听象科技旗下的昂听 AI 助听器｜来源：听象科技官网但彭守昆并不认为验配师会被 AI 完全取代。他认为，「中国老人的动手能力非常弱。」所以飞声在 APP 和远程验配之外，还在深圳开了自营验配中心，铺了覆盖 400 城的护士上门网络，为那些连视频都不会开的老人，保留一条全人工路径。在 AI 的介入之后，验配从一个需要反复跑门店的专业仪式，变成了一个可以在家完成的持续服务。这不只是效率的提升，是用户和助听器之间关系的重新定义。助听器也开始成为随着听力变化持续迭代的伙伴。再比如，适老化配置上，有所改变。AI 助听器的用户，九成以上是老人。但过去几十年，助听器使用难度比较高，单靠老人自己几乎很难学会使用。这也是为什么一开始会提到即便买了小十万的设备，还是有很多人将其放在抽屉里吃灰。现在的国产 AI 助听器，第一次把适老化当成产品设计的出发点。飞声的充电盒上直接集成了实体按键，老人不需要打开手机、不需要找 APP，按一下调音量，按两下切场景，操作逻辑和电视遥控器一样直接。同时它还支持室内蓝牙查找和户外 GPS 定位，过去满城寻找助听器的难题，也有了更新的解法。形态、验配、适老化，这三件事加在一起，才是 AI 给助听器带来的完整改变。但改变能走多远，最终要看市场的答案。彭守昆认为，助听器市场正处于一个「油车」转「电车」的时刻。这已经不是第一次有人向这座大山发起冲锋。过去十几年，几十个团队带着钱和勇气进来，最终都倒在了芯片、算法和渠道这三道墙前面。不同的是，这一次冲锋的人手里有了新的武器，AI。但能不能翻过这座山，现在下结论还太早。美国 OTC 放开四年，采纳率只有 5.7%；中国 1.2 亿听损老人，戴上助听器的不足 5%。技术拐点或许正在路上，但市场拐点还没有。如果你在小红书上搜「助听器」，能看到这个市场最真实的样子。很多子女想给父母配一副，看到价格后囊中羞涩，打听有没有千元级的选择；有人买了，但父母一句「太贵了、太麻烦」，再也没戴过；有人在花式营销里踩了坑，几百块的「隐形助听器」让父母越戴越聋，心生愧疚。帖子的字里行间，都是同一种焦急：再不解决，父母就真的听不见了。这份期待，等了太久。我们希望这个方向能被更多人看到，做算法的、做芯片的、做供应链的、做医疗渠道的，这条赛道需要更多的玩家，需要更多的路线，需要更多人愿意把 AI 的能力，用在最需要的人身上。AI 能改变很多东西。但能不能让一个老人重新听清世界的声音，这件事，值得更多人一起来做。<div><div><div>*头图来源：ChatGPT 制图本文为 Hardwire 原创文章，转载请联系极客君微信 geekparkGO<div style="padding-left: 0px;padding-right: 0px;"><div style="margin-left: 8px;margin-right: 8px;"><div style="margin-bottom: 20px;color: rgba(0, 0, 0, 0.9);text-align: justify;font-size: 16px;letter-spacing: 1px;"><div style="font-size: 20px;color: rgb(95, 156, 239);line-height: 1;letter-spacing: 2px;">直播预告</div></div><img style="background-color: transparent;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e5620fa0&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_jpg%2Fz6JAVpoB67QNMmsUw7VGlcFS8IoYsG27CSfn7ppMwjTyy7Ayiaibbv91453FtclURZr0C1phq2IO2mRribU7CREu040HDaxmibCGj59oY1ypwds%2F640%3Fwx_fmt%3Djpeg%26from%3Dappmsg">苹果终于要做折叠屏了。加州时间 9 月 9 日，苹果秋季发布会开场，这也是新 CEO 特纳斯上任后的第一场 keynote。折叠屏 iPhone、涨价、AI……苹果这一次究竟能拿出多少「新东西」？本周四凌晨 00:40，极客公园视频号直播间，我们和极客公园副主编靖宇、极客公园作者 Alan，一起聊聊：新 CEO 特纳斯的第一场大考，苹果到底有多「特努力」？<img style="vertical-align: bottom;width: 65px;height: auto !important;background-color: transparent;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=0213040a&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5YTxYGib55rtMHhP1YJ44FLtVGp8Keyg6D2X3AUhgNicT1ibKKh0fE1eiaGqkSXnTlW0ib96ib3HDAIrnVA%2F640%3Fwx_fmt%3Dpng"></div></div><img style="width:100%;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=99a201bc&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2F8cu01Kavc5bIKibWAiajnbjRmWC7dZbiaw9AOic7ycT1YO5Jpicia6vaCIl6IEA7rStEUKJLbo2aYZgpVLf5MuLAko1A%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg"><div><img style="vertical-align: bottom;text-align: center;color: rgb(51, 51, 51);width: 100%;background-color: transparent;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=7caf866d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5ZENt3gIiatQKstoLiatpXoWBUwkB6tO2b9y2Hoj5HpcnXc5zRJEX6MhbyXJ3q0gjTrrBIUF7boJGDA%2F640%3Fwx_fmt%3Dgif"><img style="vertical-align: bottom;width: 100%;background-color: transparent;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e241799c&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2F8cu01Kavc5YR1a8dIHV2UrCdNIhialnevdQkialrf9oMibXZhuHeD0nPUHuFlYzYB4WYzwnTbhSyAvj9ibZb7ibewPw%2F640%3Fwx_fmt%3Dgif"></div></div></div></div>

<a href="https://wechat2rss.bestblogs.dev/link-proxy/?k=6e0527fb&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMTMwNDMwODQ0MQ%3D%3D%26mid%3D2653113357%26idx%3D1%26sn%3D11ed1eae88415169f7a9d26b1e320886" target="_blank">跳转微信打开</a>

AI技术资讯来自新智元 9月9日 19:27 ☆☆☆☆☆ 0

刚刚，OpenAI官宣：AI成功接管量子计算机

[图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYUia4g0pOjFLns4oOYw510WEvCnr7fxP5sib4LzuLzNtSibhKefeMfNsH4hQ7WZmXXxYhVo5NOr5XL1FicSkO3m4XN1UELJSjcP48k/640?wx_fmt=jpeg&from=appmsg] 新智元报道 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWGxcbmnyYvqrSqhntcbPdelKBG0JLug4pEX8icjBSe5eib6PekswOSvrq8ybatQJRDr9Vib5WOKaUuibKfLb5qH3J4kEIYmC4NQJU/640?wx_fmt=png&from=appmsg] 就在刚刚，OpenAI联合MIT宣布震撼消息：AI成功接管量子计算机！在一份名为《案例研究：超导量子比特的智能体校准》的联合报告中，MIT量子工程系统组（EQuS）的研究人员证实：在GPT-5.6 Sol与Codex的驱动下，AI智能体已经能够端到端地自主运行量子计算实验！也就是说，GPT-5.6 Sol可以自主做物理实验了。这个过程中，AI实现了量子计算实验的自主运行、结果分析和量子比特校准。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYXffERF6DtAk6DtnTCJgtM8xahh7bicfhuaYpDQkS0ia7Jd1mficfcn8OjHFPfHx7T2j8aPL3ia8NCALibLicb7Dg098Mu3SS94oHZqU/640?wx_fmt=png&from=appmsg] 从控制实验室硬件释放微波脉冲，到读取处理海量复杂数据，再到根据结果动态调整下一步实验方案，AI实现了7×24小时值班。虽然物理学家们暂时还不会失业，但科研的游戏规则，在这一刻已经被彻底改写。 AI for Science已从「数据辅助」跃升为「自动化科研」。大模型充当科研大脑直接调度实验硬件，这彻底打破了基础物理的效率瓶颈。未来，前沿科学的核心壁垒将是「超级AI+无人实验室」，在硬核科学领域，AI从此开始真实落地！这标志着AI在硬核科学领域的真实落地。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] AI杀入实验室，OpenAI瞄准下一个学科在现实中，制造并控制一台量子计算机，是一件难度极高的事情。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYUlfQHWEwhEGXIcmlfMV9IV6lsSAGYib5fctsZqBoxbria7OE0xzCP0SMGjQjpiaN8aibf72g6dibjPZS16WPtO5lbuAHRNV8Qkdxic8/640?wx_fmt=png&from=appmsg] 在MIT工程量子系统小组，博士研究生Beatriz Yankelevich将 GPT-5.6 Sol 搭载在 Codex 的自主智能体框架上，做了一件大胆的事：直接将AI的API打通实验室的硬件控制系统！经过几个月的迭代，研究人员赋予了AI「实验上下文」——把实验装置细节、芯片设计图、特定测量技能（包括模板代码、常见物理失败原因、成功与失败的图表样例）全都「喂」给了GPT-5.6。一场前所未有的AI闭环自动化实验，正式打响。为了测试AI的极限，研究团队给GPT-5.6上了一个硬核任务：一块从未被测量过的、包含6个超导量子比特的新芯片。其中4个是固定频率量子比特，2个是可调频率量子比特。芯片的参数完全是未知的，AI必须根据设计目标，自己去探索出真实的物理参数。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYU5VK5z06LEV7yrdEs9j1zxLtLcALwhffOG4kVhic3UQM2zcicOLzJGxFZLibBx99fTjfZPNyRTibxtbqHk3iaxItnlIY1dUuGypdgU/640?wx_fmt=png&from=appmsg] 从硬件控制软件到微波信号源，再到数据采集卡，全部向AI开放。研究人员为Codex注入了针对特定测量场景的「专业技能包」（Skills），告诉它每一种量子测试的物理逻辑和评估标准。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYVBWuxalBroeUYcicBQm645UWIoFwIz6ib4XgAEdnJU2hLt2JBUiaVP1rg2BGlFuNJb5yFBXoibKkssB7XmD4rz2ArzmRYX8YJcA18/640?wx_fmt=png&from=appmsg] 随后，人类放开了双手。屏幕上，GPT-5.6 Sol的「思维链」如水流般倾泻而出。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYUD7XWdnWRDjfAibnLkO2cp4D2ko7nW8wNbqAO81gBByd35Em5Wysns6oljXrdKde2MabLvqz142hyb4xTvibYIPGxibDXP1oFgW8/640?wx_fmt=png&from=appmsg] 它在没有人类实时微操的情况下，执行了一系列令人头皮发麻的物理学闭环操作。 1.自主推断参数：根据芯片的设计目标，自行规划首轮测量的微波脉冲频率、功率和宽度； 2.底层硬件调度：直接调用控制软件，操纵硬件向稀释制冷机深处的芯片发射微波脉冲序列； 3.数据反刍与降噪：接收返回的微弱量子态反射信号，对其进行数字化清洗、拟合与傅里叶变换； 4.决策自适应迭代：如果信号完美，自动提取出量子比特的共振频率并存入数据库，作为下一步测量的基准；如果数据异常，当场调整测量边界，开启新一轮试错调优。从识别量子比特跃迁频率、校准用于控制和读取的微波脉冲，到最终测定量子信息能够留存多久的相干时间，全套标准物理学测量流程，AI全流程自主跑通。在针对固定频率量子比特的40项繁杂的日标测量中，AI完全自主搞定了绝大部分，人类研究员仅仅干预了4次！这是AI在物理学最前沿阵地上，完成了一场教科书级别的「自主实操」。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYV29Dnlf5sxnOewgeYWommHlUHqF33vrGnTUXDZfMWBjsgWYFOy8nqwbIKU8lmmTqoqXaFPHJqKHpJVP4PgesY2gUuWial4HuRE/640?wx_fmt=png&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 为什么量子比特校准，是人类科学家的「人间炼狱」？要理解GPT-5.6 Sol这次突破的分量，我们必须先揭开量子计算底层那层冷酷又迷人的面纱：为什么校准量子芯片会让全球顶尖物理学家痛不欲生？在经典计算机中，一个晶体管的状态极其非黑即白：要么是0，要么是1，稳如泰山。但在超导量子计算的世界里，量子比特（qubit）被称为「人造原子」。它们利用超导约瑟夫森结构建出非线性的离散能级。为了让这些「人造原子」乖乖听话，科学家必须使用精确到纳秒甚至皮秒级的微波脉冲，在不同能级之间翻转量子态，以此实现量子逻辑门的运算。但「人造原子」实在太脆弱、太神经质了。首先，相干性极度脆弱。空间中极其微弱的电磁杂散信号、甚至稀释制冷机几毫开尔文（mK）的温度漂移，都会导致量子比特发生「退相干」，好不容易准备好的量子信息瞬间坍缩为噪音。而「参数漂移」，也是一道难题。子比特的物理特性从来不是一成不变的常量。受微观材料缺陷、两级系统波动影响，芯片昨天测出来的共振频率，今天可能就漂走了。而且，研究中的多个因素还多层依赖，环环相扣。要想做好一次计算，你得先找到每个比特的共振频率；找到了频率，还要校准拉比振荡去确定脉冲幅度；接着测定拉姆齐条纹去精准修正相位；然后测定能量弛豫时间 $$T_$$ 和相位退相干时间 $$T_$$ …… 上一步的数据，是下一步测量的绝对前置条件。一旦前序步骤有微小的系统误差，后面的测量全部报废。 MIT的EQuS团队每天面对的，就是这样一个极端的实验环境：量子芯片被放置在一个名为「稀释制冷机」的巨大圆筒里，温度被降到惊人的毫开尔文级别（接近绝对零度，比外太空还要冷）。一旦芯片封装冷却，人类就无法再用手去触碰它了，所有的交互都只能通过软件进行。研究人员在室温下的电脑上编写微波脉冲序列，通过同轴电缆将这些脉冲打入冰箱深处，与芯片上的量子电路发生相互作用，然后再把微弱的反射信号放大、数字化，带回现实世界进行分析。 MIT的EQuS实验室的日常，就是频繁流片生产各种用于基准测试的标准量子芯片。现实却是，每一个芯片做一次完整的特性表征，往往需要一个训练有素的物理系研究生，连续几天几夜守在仪器旁，进行成百上千次环环相扣的手工测量与调整。这是物理学界公开的秘密：当代量子物理学家，往往把70%以上的青春耗费在被称为「调参螺丝钉」的重复性实验劳动中。而现在，GPT-5.6 Sol一举打破了这个僵局。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWSHfRCYm30CULyQCUFCOKxxw4yVaKPl3PcQSucvcYDXCwBRZ1LoibQrxAPsfiaEiaTQGvQX01hyPDKvYADNz6lUSzDZImUjUBrsI/640?wx_fmt=png&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] GPT-5.6 Sol如何破解量子「黑盒」？根据OpenAI和MIT披露的细节，这次测试绝非预先写死脚本的「自动化宏」，而是一场高度智能化的动态博弈。面对这枚未经校准的6量子比特芯片，GPT-5.6 Sol展现出了极其拟人化的「物理学直觉」与「自适应决策」：当量子信号处于高信噪比、特征明显的状态时，Codex的表现堪称完美。它先是打出一组宽带扫频信号，在噪声背景中敏锐地捕捉到了由于量子能级跃迁引起的谐振腔反射凹陷（Resonance Dip），随后自动收窄扫描窗口，高精度锁定量子比特的跃迁频率。接下来，它无缝切换到时域控制，精准拟合出脉冲幅度与翻转角的关系，完成读取与控制脉冲的标定，并最终测定了量子比特保持相干态的时间窗口。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYXtl0ke9PicKMXstKiaMeia7nSjX1NffTYA85QbgjAr8GUwib20rMicib9DN0MVTY1IfVVllywtST4fkia6h1v7XClxuSJmibAcUPpL41w/640?wx_fmt=png&from=appmsg] 整个过程行云流水，人类无需介入半步。在OpenAI放出的技术文档截图中，GPT-5.6 Sol的思维链展示了它的思考过程。面对一段有波动的阻尼正弦曲线，它在内部自言自语：「当前拟合残差偏大，可能是由于解调相位的参考基准漂移，导致I/Q分量混合……我需要首先执行相位解缠绕，如果残差仍未降至阈值以下，则应当将微波失谐量增加5 MHz重新扫描……」 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYUo9dXrg1h93KtP99iaiaBZ9ysPmfrmZS99OdY4DzJBtAqZGjDUEjrvLZbxRvRgfoL8trxiatbAvdYyibpywIDVD6LDCkf5Z3VJyJc/640?wx_fmt=png&from=appmsg] 这种在「理解物理含义」基础上的纠错和分支决策，正是过去传统脚本程序无法企及的壁垒。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 科研生产力正在被重构当然，官方报告也展现了极其真实的技术边界：当信号变得微弱、或者充斥着物理背景噪声时，GPT-5.6 Sol开始显得「笨拙」。在低信噪比边缘区域，AI模型需要反复试探参数，耗时呈指数级上升；有时，当物理芯片表现出不可预知的反常物理现象时，AI会陷入误判，无法做出准确归因，最终依然需要经验丰富的研究人员手动介入。 OpenAI在报告中直言不讳：当前的AI Agent能够极其稳定地跑完定义明确的标准工作流，但在解读高度模糊、充满物理反常的复杂结果时，顶级科学家的直觉依然无可替代。但即便如此，它已经完成了人类历史上最艰巨的跨越：把科学家从枯燥的例行公事中彻底赎买了出来。但在引入GPT-5.6 Sol与Codex后，实验室的生产关系被彻底重构了：角色升维：人类专注顶层设计（方案、机制、全局规划），剥离底层调参。多智能体协同：构建理论、测控、仿真三大AI岗位，并行作业。实时自进化：Codex负责战术执行，代码生成后直接落地真实量子芯片，基于物理反馈实时反向调试，形成极速闭环。这种「理论推演 - 仿真设计 - 物理硬件控制 - 数据拟合 - 迭代优化」的超级闭环，将过去以「周」为单位的科研迭代周期，硬生生砸成了以「小时」甚至「分钟」计算。这是整个实验物理学工作范式的升维打击。今天，OpenAI登上各大国际新闻——他们宣称在「千禧年问题」上取得重大数学突破，证明了Navier–Stokes（纳维-斯托克斯）方程。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYWsLuicLJ5eZLjOvepQIiatiaYwAdPcohNicgUhayBANeYgDXRicZbq0U7KeHnzo09CaXqF1Dqa8aVOibNx4kCp1o2oaiaqAgDPNyrMPE/640?wx_fmt=png&from=appmsg] OpenAI的证明确实表明，存在某些流体，它们起初完全正常，但在纳维-斯托克斯方程下，会在有限时间内达到无限速度。换句话说，在某些情况下，这个方程可能无法可靠地反映物理现实。这是AI首次真正解决了一个「黎曼猜想」级数学难题。这个问题不仅以难度大出名，而且应用十分广泛。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYXaL3cpRvetOekFRPMUgdxRptQUYTKyiaJgfF1pEgCwURFib5pf5nBnGuwhSoqsWOMhMcJ9zDylP5g1jgPoKxeoS47e15vzH12LY/640?wx_fmt=png&from=appmsg] 纳维-斯托克斯方程可用于模拟天气、洋流、管道中的水流、星系中恒星的运动、翼型周围的气流，也可以用于设计飞行器和车辆、研究血液循环、设计电站、分析污染效应等等。但另一位数学家Tristan Buckmaster提出质疑，称OpenAI听到他及合作者Anthropic研究员Levent Alpöge的研究工作后，匆忙抢先发布了所谓「解法」。 Tristan Buckmaster还声称，OpenAI还试图排除Anthropic研究员Levent Alpöge在论文上署名。 OpenAI称他们只是解决了Euler方程的奇点问题，而他们则解决了纳维-斯托克斯方程。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYW3b9fpP369e9fET8ogAHWWb1iasic4Xrht7DNeCRibZAyjsK7O0gqibCo77IH2Q7T8T42KzCBOCJGkT8YxOiaIajDlvd3CqaL16b5I/640?wx_fmt=png&from=appmsg] Buckmaster表示他们距离纳维-斯托克斯方程也差最后一步了，为了不被抢先发表，匆忙在OpenAI之前发表了相关成果。据介绍，OpenAI这次调用了1万个智能体、运行了88个小时、消耗了1300亿token。奥特曼还表示双方的方法似乎有所不同，但坦承的确收到了Anthropic的刺激：「的确，我们尝试这一方向，是因为上周互联网上有传言称Anthropic的模型已解决了一个千禧年问题，我们好奇我们的模型是否也能做到。」有网友开玩笑说：听说 Anthropic 发现了室温超导体，希望没有竞争对手再丢 88 小时、1 万个 post-Astra 智能体去抢发稿。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYVxgC4YnagIGF4dds8CTBllZ7bnD8UIEjkMw3mFSMib3awWItxczdSuLVUVKMN95ulG0TOxzqVmjImRSpr6P519XXIKYCbueNicQ/640?wx_fmt=png&from=appmsg] 奥特曼则回复了：「let’s try」（让大家拭目以待吧）。大家惊呼「数学要凉」，数学真正的生存危机爆发了。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWUqbwICuOIxLRCiasMDRjgXCjQxu5viaNBLf5tTbzFq7DNvkb0bam3EJricKmTSToNHlL86via5SFQqx8nk2Ga8CibAKkghNBUstO8/640?wx_fmt=png&from=appmsg] 但只要涉及物理世界，大模型往往显得「手无缚鸡之力」。但这次OpenAI官宣的案列，彻底打破了虚拟与物理世界的结界。 AI真的下场，进入人类的物理世界实验了。参考资料： https://cdn.openai.com/pdf/case-study-agentic-calibration-of-superconducting-qubits.pdf https://openai.com/index/codex-quantum-computing-experiments/ https://x.com/anabology/status/2097450250067689558 https://x.com/LuminaBench/status/2097421659552518226?s=20 编辑：Aeneas 大卫秒追ASI ⭐ 点赞、转发、在看一键三连 ⭐ 点亮星标，锁定新智元极速推送！ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/UicQ7HgWiaUb1y6B5OM79TFzpkceWtUkI6LEwv0uYicSoM5Q3I3kDNJhxWdL3tQvbOpU3Ty7icBqnDDNd4CCu4ibiaHw/640?wx_fmt=jpeg&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYXhzFuQfocLMkpF8cUsdzKicyKn52mjlDLYZzGlbJfyDztibYAEHMQHJiaXibBpbOno9OwhhNWnOXNlXO0icMRIIp6XAJs0snLiay4CE/640?wx_fmt=jpeg&from=appmsg] 文章原文 [图片: http://www.jintiankansha.me/rss_static/5418/o4ip0t1PiT]

查看原文

AI技术资讯来自新智元 9月9日 19:27 ☆☆☆☆☆ 0

豆包工作这波更新，我给满分！一大波实测来了

[图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYUauibLVAKLvFN5CSeFZbRleQZddRqiaqia6cgoZCTTEOJdXf41pGsAaEnVWSiczLGwyiaMyaGsrhZUsq3atGuBN6OLz0SkMYvWcsIQ/640?wx_fmt=jpeg&from=appmsg] 新智元报道 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWGxcbmnyYvqrSqhntcbPdelKBG0JLug4pEX8icjBSe5eib6PekswOSvrq8ybatQJRDr9Vib5WOKaUuibKfLb5qH3J4kEIYmC4NQJU/640?wx_fmt=png&from=appmsg] AI圈现在卷得最凶的地方，是你的电脑桌面。 OpenAI不断强化桌面端应用，试图用Codex和ChatGPT for Work接管打工人的工作流。 Anthropic更是火力全开，相继推出Claude Code和Claude Cowork。看得出来，大家都很急。字节这边也没闲着。就在这周，豆包工作又上了一波新：浏览器录制与回放你在浏览器里把活干一遍，它在旁边看着，看完直接存成一个能反复调用的Skill，Prompt都不用重复写了。本地Office编辑你硬盘上的PPT和Excel，它直接改，改完保存还是原来那个文件，上传下载那一套没了。任务执行环境自由切换任务跑到一半，你可以把它从这台电脑扔到云电脑，或者扔到家里那台电脑上接着跑，对话不用重开，上下文一点不丢。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYXjicEY7Cdo3LrAhbJDTXmL8WNGmKXOgcibgJYjrz1aiay27rL0dQEY067q3uXfHk7TLrwibUUtCnwb75h3okp9rJfy3MOymzXj5Iw/640?wx_fmt=png&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] AI办公，卡在说不清、够不着、走不开用过一圈AI办公工具的人，多少都有同一种体感：AI会的越来越多，自己却没轻松多少。究其原因在于，AI虽然已经坐进了你的桌面，但它还是不知道你每天都在干什么。第一个难题，是说不清。每天上午登录后台，点「数据导出」，选日期，再到二级菜单里勾五个参数，这套流程你闭着眼都能做。但要用文字描述出来，交给一个没见过你后台的AI，这个翻译的活是你在干。而且描述得越细，指令就越脆弱，网页上一个按钮挪了位置，整条指令可能就作废了。第二个难题，是够不着。文件在你硬盘上，AI在对话框里，中间隔着一次上传和一次下载。每来回一次，桌面上就多一个版本，「年度汇报_v3_最终版_打死不改」就是这么长出来的。第三个难题，是走不开。任务一旦在某台电脑上开跑，你就被拴在那台电脑上了。中途想换到云电脑跑个重活，或者人出门了想让家里那台接着干，只能新开一个对话，前面聊的全部作废。说起来都简单，但实际用起来又如何呢？ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb351381bTy5MO2IN89mV41M88GEiaCCibDxJoaQjYV6HfRtafnmEmfM3R1p0tmkHgBOVuXBD6UJKpsQ/640?wx_fmt=png&from=appmsg] 与其用Prompt告诉它，不如演示一遍给它看录制回放的用法很简单，首先在对话框里写清任务目标，然后在内置浏览器演示一下就行了。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYUVZVVrQYicIicrdeoOq0XXMeyP3FSk0G8AsiaLiahW7PeMX1GjuqBXaRHth1Bx7TxTbMutYwtaeiclMwPz86PZchcIwrDXIIsiaFZE0/640?from=appmsg] 比如，「把这款新品上架到抖音电商，按我给的信息填好标题和价格，传图」，然后授权录屏。接下来你在豆包浏览器里正常操作，它在旁边看。做完，说一句「我已完成」，或者在菜单栏停掉录制。它会把刚才那一遍操作，写成一个Skill「技能」。具体内容包括，这个技能什么时候该用、要你提供什么，每一步怎么做，做完怎么验证，以及录制时登录过的账号。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWUdJM5CUb5qKiak2nq3OCxmlUALT6gkMyGROCHUBiclKt91p6eQicRu8f7Rk7ibkR1SecUFKy3hFHb6themLdQD0ct6NJ6bPnDm44/640?wx_fmt=png&from=appmsg] 浏览器录制与回放本身就是一个skill 这里，我们刚好有个非常实际的需求：每周要统计自己写的文章，然后用这些数据写周报。一般流程是这样的：登录公众号后台，搜到这位编辑，点开当周每篇文章的数据分析，把阅读、分享、留言抄下来。如果换成提示词，这段流程你该怎么写？ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_gif/Rvq8Ow69CYUrIqjXG3WjGb0F93WdOvozvo5WRRViadUftxiafiaNZYicCfnICT58ibf2n1oViciaRcR4HR3kvfEkhVFE2UvHR93f4P0cKMkDuiaU2NQ/640?wx_fmt=gif&from=appmsg] 现在，我们只需加载「浏览器录制与回放」技能，然后按照原来的流程在内置浏览器中操作一番。然后豆包就会根据目标，详细指导你打开哪些网页，哪里需要停留。甚至，它还会多次和你对齐目标，直到满足你的要求、对齐相关目标。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_gif/Rvq8Ow69CYVMhw87hND5HBGOEeGHeasI1s4xwAcuIMHsrL4Efc25zNibaqY2xr0nbGlibP6TlYEJ3HgVicXrTpWSCCqic0lwpMIEh6ibEJ5MsWXE/640?wx_fmt=gif&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYVujeYtsUkz2BMvQmlBvQCOZKVp0icq1LHksyyby5Xh3WJKc1Rk1DM331pQha3N8PJiaqSibjL0eZUgiaWlib7B3YibMT7VptxLBBKjg/640?wx_fmt=png&from=appmsg] 等技能做好了，之后有需要的时候就可以直接调用，分分钟告别重复劳动。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYW6BGerugDTcVBBC8P9StujHBjv7ibEFEhW5iayKiciaReLEw4reuL8PsxLKicOVZ16oXzTu6IURe0jsReEN7zzoPW4ZjcOOHOtLlu0/640?wx_fmt=png&from=appmsg] 如果你一直觉得RPA门槛高、Prompt写不明白，这个功能就是给你的。演一遍就能说清的事，没必要写三百字Prompt。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb351381bTy5MO2IN89mV41M88GEiaCCibDxJoaQjYV6HfRtafnmEmfM3R1p0tmkHgBOVuXBD6UJKpsQ/640?wx_fmt=png&from=appmsg] 文件还在原来的文件夹里，名字没变本地Office编辑，解决的是「够不着」这件事。上线之前，改一份本地文件是这样的。把文件拖进对话框，等它解析，等它生成，下载下来打开，发现一页排版乱了，自己手改，改完又想让AI加个总结，只好再传一次。一圈下来，上传了两次，桌面上多出一个v2。现在，所有关于Excel/PPT的对话、文件浏览和编辑可以在同一个工作流中完成了。豆包会同步生成在线和本地PPT，不用下载PowePoint等办公软件，在豆包中就能编辑。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYVQbicSZBm7QcK3ZYq6hSqpibrk7eUImHe7ylzcSkezYI6MD4U0wD8pXbic1XDZLWxMOBIeYFa0e8TJDYFIibDicJYUAhR8Jy0F2SPk/640?wx_fmt=png&from=appmsg] 最后，看一下豆包优化之后的PPT效果吧。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_gif/Rvq8Ow69CYW21kVuHlFT7sAe8G8MtibblZ4vRWHvDibAB0PolZBt6EV53mO9xd56jqJficuXS1ibZmR4499vms365tQ823TMzURcNyETJQz0UibM/640?wx_fmt=gif&from=appmsg] 目前本地Office编辑支持PPT和Excel，Word后续上线。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb351381bTy5MO2IN89mV41M88GEiaCCibDxJoaQjYV6HfRtafnmEmfM3R1p0tmkHgBOVuXBD6UJKpsQ/640?wx_fmt=png&from=appmsg] 任务跑一半，还能切换另一台电脑接着跑？「走不开」这件事，由任务执行环境自由切换来解决。豆包工作一直有本地电脑和云电脑两种执行环境，但之前有个限制，任务一旦选定本地电脑开跑，环境就锁死了，想切到云端只能重开对话。这次更新之后，任务跑到一半，你可以随时切到云电脑，也可以切到另一台已经登录的本地电脑，对话接着用，上下文原样保留。用起来，主要是两个场景。重活中途上云。本地电脑跑不动了，任务扔到云端继续，你的电脑该关就关。多台电脑接力。人在公司，可以直接调家里那台电脑的算力和文件，相当于在一台电脑上远程指挥另一台。举个例子，我们新智元官网上线了，其中第二部分是汇总的微信文章。既然能做周报，豆包能不能从官网上收集某个特定编辑的所有文章，然后汇总为月报呢？ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYVfwcXOmXwKfGIOjibRnSn8DMMTZoicgmaQdY83nfXR0vyEUYpt53Wp4ngMz0fwqfVyHRib5XbHRmyOSDIKO3bCTmPUzJhVjPAP4A/640?wx_fmt=png&from=appmsg] https://aiera.com.cn/asi-articles.html 先在本地电脑上尝试了一下，但耗时实在太久了。这类长程任务不知道何时结束，这时就特别适合用云电脑。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_gif/Rvq8Ow69CYX7Wjbwibic5v8H2Yl2AK0ESVgZhKzk7oQBTt8J6eCf3Sibrrju1CA7voBsQ29ic26Eaic6k1zvfqV8YxPOT2rQwoJhyXVJPHLeJcic8/640?wx_fmt=gif&from=appmsg] 本机关掉后，1小时再打开豆包，月报终于出了： [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_gif/Rvq8Ow69CYWtlvf4w7yvEM8xbODvgUosQYTCjHTTv3oWrQNOkibiclZ1dZeFwJ3tHic1QmOt5A6KotJy47mW6p1sn0IjsnYzRJTYdp38J2keibc/640?wx_fmt=gif&from=appmsg] 这个功能已经在豆包工作全量上线。更有用的一个场景是，如果你手边有个临时的任务，需要获取家里电脑本地存储的文件来完成，那豆包完全能帮到你了（前提是家里的电脑处于开机状态）。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] AI长出手脚之后，剩下的才叫工作过去一年，打工人被「大模型颠覆职场」的新闻轰炸了无数遍，真到自己电脑上，总差一口气。差的那口气，就是这三件事。你说不清的活它接不了，硬盘上的文件它够不着，你人一走它就停在原地。豆包走的路线很清楚，让AI来适应人。从8月25日发布到现在，豆包工作使用了两周的时间，就从「能操作电脑」一路进化到了「知道你怎么干活」。照这个速度，下周估计还得有一波更新等着我们。编辑：大卫摩西秒追ASI ⭐ 点赞、转发、在看一键三连 ⭐ 点亮星标，锁定新智元极速推送！ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/UicQ7HgWiaUb1y6B5OM79TFzpkceWtUkI6LEwv0uYicSoM5Q3I3kDNJhxWdL3tQvbOpU3Ty7icBqnDDNd4CCu4ibiaHw/640?wx_fmt=jpeg&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYXhzFuQfocLMkpF8cUsdzKicyKn52mjlDLYZzGlbJfyDztibYAEHMQHJiaXibBpbOno9OwhhNWnOXNlXO0icMRIIp6XAJs0snLiay4CE/640?wx_fmt=jpeg&from=appmsg] 文章原文 [图片: http://www.jintiankansha.me/rss_static/5418/DxBxRdguCP]

查看原文

AI技术资讯来自 INFOQ 9月9日 19:00 ☆☆☆☆☆ 0

Presentation: Fixing the AI Infra Scale Problem by Stuffing 1M Sandboxes in a Single Server

[图片: https://res.infoq.com/presentations/unikraft-microvm-sandboxes-cloud-scaling/en/mediumimage/felipe-huici-medium-1787813506607.jpg] Felipe Huici explains how Unikraft achieves millisecond cold boots, stateful scale-to-zero, and extreme density for sandboxing AI workloads. He discusses isolation primitives, Linux kernel optimizations, and snapshotting tricks, demonstrating how to maintain sub-10ms performance at scale while integrating seamlessly into Kubernetes environments with hardware-level security. By Felipe Huici

查看原文

AI技术资讯来自量子位 9月9日 18:02 ☆☆☆☆☆ 0

实测星火X2.5：手搓粒子月亮、拆完61页财报……还揪出了我的Bug

实测星火X2.5：手搓粒子月亮、拆完61页财报……还揪出了我的Bug [图片: http://www.qbitai.com/wp-content/themes/liangziwei/imagesnew/head.jpg] 文婷 2026-09-09 18:02:54 来源：量子位最新消息，参数293B的讯飞星火X2.5上线了…… （伸出邪恶小手.jpg）此前讯飞开源了星火X2.5的两款端侧模型，一个4B和一个1.7B。模型参数都不大，但都能在端侧原生跑100万Token上下文。模型一开源，社区玩开了。有人搞量化，有人往Mac、T4和WebGPU上搬，还有狠人直接把它接进Agent工作流，让它连续调用工具。一顿操作猛如虎，硬生生把4B模型送上了Hugging Face现趋势榜第一。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/5aa6994813cae39cca65b02252c19ab5.jpeg] 所以现在问题来了，小的都这么猛了，大的能把活干到什么份上？ [图片: https://i.qbitai.com/wp-content/uploads/2026/09/71c22571c4f33fca5254b440fc6147fd.jpeg] MoE大模型，参数293B-A30B，重点提升代码、智能体能力，覆盖200余种语言……反正翻完模型简介，期待值是给我拉满了。再赶上API限时五折，不说了，咱这就开测。 △图片为当前优惠价格一手实测星火X2.5！我甩出了三道关卡星火X2.5现已上线讯飞开放平台。 API原生支持Anthropic、Responses协议，开发者可快速将其接入OpenClaw、Claude Code、Codex、Hermes、Grok Build、Pi Agent等第三方Harness框架。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/839b73c49ee44a7ea3e454b664cb4d37~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=czCDG6efJf1CzDAU6oyEtF3BMSA%3D] 这里我也是直接调的API，接入Codex后原地开跑。三道关卡已经备好：先做一个中秋祈福3D粒子交互网页；再挑战英伟达Q2财报拆解、论文实证内容撰写与电商数据筛查；最后为原创游戏《堕神余烬》设计官网。从创意落地到复杂任务处理，再到整站设计，咱们一起来看看它能接住多少招。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/7e827d98a08548938e9a8d5a09b89ce5~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=rbLIrV2yFopleIpUs5a%2FiDMD604%3D] 实测一：手一握，把满屏桂花攒成一轮圆月第一关，咱先考考它能不能把一句创意，变成真正能上手玩的东西。这不正好快中秋了吗，咱正好借星火X2.5，给大家搞点指尖上的浪漫。我把金桂、星辰、圆月、阖家团圆这些元素统统写进了Prompt，并让AI以 “中秋祈福” 为主题，直接生成一个 3D粒子手势交互网页。效果有多惊艳？咱直接上手体验：待机时，点点粒子如细碎桂花，在夜空中悠悠散开；握起拳头，桂花便向一处聚拢，凝成一轮圆月；当我比出“1”时，圆月随即散开并重新拼成可旋转的3D立体祝福 “中秋快乐” ；切换成手势“2”时，粒子又会丝滑地切换队形，排出一句 “阖家团圆” ；最后，再把手松开，眼前的祝福便化作漫天星辰，四散开来。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/46c7ecaec1f6475882bd08de8d098ede~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=q%2FO8WsI7fhebRXYC4zWwm9spc7U%3D] 视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA 一握一放之间，桂花凝聚成月，祝福散作成星。整个过程超级丝滑，让我不禁想起了小时候玩的 “报数抱团”游戏：喊到几，就几个人抱成一团。只不过这次，听口令的是一群亮晶晶的“赛博小精灵”。手势刚起，它们就忙着集合、变换队形，并把祝福拼成我想要的模样。玩着玩着，我的思路也突然打开了：除了中秋，或许朋友生日、周年纪念日也都能照着这个思路，为他们做一份专属的赛博惊喜？话说，会有人花钱找我定制吗？大胆伸出发财的小手（doge）。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/4675de8614734d4a9b1b910fe3db71a4~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=6avUZCn9AM40FwMGvN5%2FMKFZzGI%3D] 不过光看可不够，这么灵的“赛博花活”，当然得拉上亲朋好友一起疯玩。我还顺手整了个《月宫快递》小游戏，规则非常滴简单粗暴：谁抢的月饼多，谁就先飞上月球，当一回“广寒宫首席快递员”（嘿嘿，卷死他们）。小伙伴们直接玩嗨了！一个个操控着自己的太空小兔，蹦蹦跳跳地闯过层层天阶，把月饼一块块收入囊中，争当朋友圈里第一个晒出登月战绩的中秋赢家…… [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/31cdea56ff22415e96153a2724539e79~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=NpkXkCbOWJAgCDL7cMYHqF8sOW8%3D] 视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA 从指尖聚散的粒子祝福，到全员上瘾的月宫抢单，这一套组合拳下来，中秋氛围直接拉满。实测二：能干活，更要干对活不过能玩只说明它接得住创意、做得出东西，能不能真干活：还得看它做得对不对。是骡子是马，还得把星火X2.5拉进真实办公场景遛遛。这不，老黄前几天刚发了英伟达的Q2财报。好巧不巧，还正好赶在周三凌晨四点大家都睡了的时候发。这个点谁有功夫生啃61页硬核财报啊，第二天还要赶早八上班呢。我的要求很明确：请把关键数据摘出来做成图，再读出数字背后的行业机会和风险。因为AI不光要把账算明白，还得从账里读出门道，才算真正帮我们减负。结果，半小时早会开完，9份图表+1份投研风险简报，就直接交到了我手上。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/8b573399a93e46e48bac828e896f3808~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=8qake6hyOpPmXhstmH6Qa93Qfng%3D] 要素太多，咱就简单挑三个重点看吧：营收利润变化图表、 Future commitments表、投研简报。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/03ab6d609cea47c3b4c629ee41f79a06~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=lAwkc9uAkCOCNNr9EwRds3iLVUk%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/39aa014242d5427dbda830db54411731~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=z%2BARayIyLIJIfGTA3VwVxZho5Vs%3D] 以FY2027 Q1为例，营收、利润、净利润均一一对应，数值准确无误。未来承诺的结构，也一目了然。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/f611eae419be449bb0963dc8b664074f~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=IWvctQ2UIep%2FyuRhbRV9wRzgJ7k%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/97dcca529d0b4105bf4e39199f0db076~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=owVQe4oEuBsU9g%2F24K3wo8GyZS0%3D] 这样一圈跑下来，实感看财报的压力确实小了不少，以后不用再自己从头啃起，AI就能把情况给我讲清楚。 61页财报，终于有了省力的打开方式。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/d3118a7889874b669f9bd2f2fbde86bf~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=nIKLwNJ8C8slOVQ8R4%2FFr15iLA0%3D] 接下来我把两篇分别来自Nature和Science的论文、一篇新闻报道以及20份DeepSeek生成的模拟问卷数据，统统丢给了星火X2.5，让它自行完成研究：经常使用AI的科研人员，工作效率更高还是更低？并让它给我输出一份论文实证部分的初稿，需配上必要的图片。没想到，AI这回给我上了一课。我没说数据来源是真是假，它倒是一眼看穿，还无情地补了一刀，大意是：你给研究结论的时候可得悠着点。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/30846870416346d98aa584c5295e4b5a~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=sxd3aXBHIdSpRJ65CbyGxnaWB14%3D] 我不听我不听，让咱们忽略这个提醒继续看成果：星火X2.5在消化完我提供的资料并完成多轮交叉校验后，给出了一个肯定的结论：综合来看，现有证据一致支持“经常使用AI的科研人员在产出数量与目评效率上更高”这一方向性结论，问卷、两篇文献与新间报道相互印证。并贴心地配上了 “不同AI使用频率的科研人员的产出数量对比图” 、 “AI日均使用次数与工作效率的散点关系图” ，以及 “问卷描述统计与相关系数表” 来佐证自己的观点。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/9c23f40d10c84bad99493666460da7e9~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=VT5yRHyFdjzVqhIv58yHTVqqtZk%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c0efb9dcf3c34b658ee99d085db0b1e0~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=tj3GswGMR51P%2BbYQefuYRhUXsTY%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/51011f1b5afc493695219bc6134ac85a~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=oHUmasW1aOAbc3V7H9Rk7PUKK4Q%3D] 最后，星火X2.5还给我找了点茬，指出我的研究存在着问卷样本少、未实现控制变量等问题： [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/38fcb506183c4634b4f3b91051d86a50~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=Nz%2BqbPdtbLNSX4LKPZkoa8ImSHg%3D] 得，到底是不忘初心。好吧，我承认你说的对，你眼光很准，算你过关了… [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/9907a7b96f3441479a5ce2cf1919488a~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=k6npc4HX3gWdE5%2BAY7tX82w%2FmHU%3D] 不过嘛，被它补了一刀，那我可不得把场子找回来？转头测薯片电商数据题时，我暗戳戳给它挖了个坑—— Excel表？不存在的！我把一堆数据截图塞进了Word里，还故意算错了一堆营收数值但不告诉它，让它自己琢磨去： [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/293ebf8d24c846b4bb2014586f939b44~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=Zxzs%2F6Mw%2FPebHB%2BS22uCu%2By%2Booo%3D] 没想到它不光没被难住，反倒把我搓出来的电商数据集的统计bug，给扒了个底朝天？！ [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/00f061e1762142cb88dfabc70da58aa1~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=0KwcNvrQH6ZAID%2FdeAcUR3xoNnU%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a4cc4559f1ad4caeb81f5c5e3af231ca~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=b4tUi0TXt3RGbPTUvyyWtDi1XHo%3D] 6，这波我服了。后面我让它把这份txt分析报告直接渲成了可视化PDF 。效果嘛…不得不服，确实能打。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c2b258cdba4c43b1a4f596d20f5ca786~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=s87yZFUKRx1SOX2I1jwGbLlOlX4%3D] [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/f07a563ecf244b568788f012797350a9~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=YX3kqLmsKHB%2FE6xMllyqkCK8mi0%3D] 顺带提一嘴，你们写Prompt的时候可以直接喊星火X2.5生成，省得自己来回折腾。（我忘了TT）实测三：给一套游戏世界观，它搭出了一座哥特地下城最后，我们决定给原创奇幻动作游戏《堕神余烬》搭个官网。世界观Prompt大致包含以下核心信息—— 请为原创奇幻动作游戏《堕神余烬》（Ashes of the Fallen God）设计并生成一个可直接上线的沉浸式官方网站。游戏背景：诸神陨落后，世界被撕裂成漂浮的破碎之地。幸存的凡人不得不穿越破碎神殿、哥特地下城和被神骸污染的荒野，在怪物与失控神力之间求生，并逐步揭开诸神陨落的真相。网站目标：第一眼就让玩家感受到黑暗、宏大、危险而神秘的世界观，产生探索剧情和立即游玩的欲望。目标用户既包括奇幻动作游戏玩家，也包括希望用AI快速制作官网的独立游戏开发者和产品经理。结果呢？设定没跑偏，哥特地下城的压迫感拉满，导航栏、首页海报这些官网标配也一应俱全。 △海报页面更惊喜的是，它还专门做了闯关地图&Boss专题板块，把地图及敌人设定和“失控神力·神骸污染”的底层世界观焊在一起，而不是干巴巴地罗列关卡和怪物。玩法介绍、跳转入口等上线必备的合规组件也基本配齐了。 [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a89edd4d6b104639a9ebbb445b3a9040~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=C%2BM2lTWFcPpz5NmZXqiiSt4dado%3D] 视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA 看来，以后没有设计师和前端团队的独游开发者和小团队，靠星火X2.5搭配文生图工具，也能自己鼓捣出能上线的炫酷官网了。国产算力模型，进入可交付时代三道关卡跑完，表面看玩法五花八门，但扒到最后，考的其实是同一道题： AI能不能从问答、写代码，一路走到交付？还真不是我们故意把题出难了。你顺着今年AI圈的热闹往回看，会发现大家早就在偷偷换考卷。年初OpenClaw一把蹿红，全网围观AI自己调工具、替人办事。紧接着，OpenAI和Anthropic这些前沿玩家又开始猛聊Harness Engineering，琢磨着怎么给Agent搭好工位、定好流程，让它一口气干上几个小时也别掉链子。发现没？光会聊天，已经不太够看了。能把事情接过去，一路干到底，才是真本事！！ [图片: https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/bb24e9a8863e49e38d12068372001776~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=knYzvN520zQSwQeuJ%2B1e%2BjXwJvA%3D] 把星火大模型这两年的更新日志翻一遍，也能看出同样的变化。 X1先攻深度推理，X2-Flash加码代码和智能体，X2-VL补上多模态理解。到了X2.5，代码和智能体更是直接被摆在了最前面。先让模型会想，再让它会看、会动手，最后把活交出来，星火就这样把这些能力一块块补齐。再往下扒一层，印象中相比其他国产模型，星火身上还有个很鲜明的标签：全国产算力。这个标签要讲透，得先分清两件经常被混在一起的事。把已经训练好的模型搬到国产芯片上运行，这属于推理适配，解决的是模型当下能不能跑起来。讯飞走得更深一些，从模型训练、强化学习、持续迭代到推理部署，整条链路都落在国产算力平台上。一个是中途做适配，另一个是从平台原生长出来。这个标签放在今天，含金量又不一样了。 Agent不是一锤子买卖，模型要不断更新，工具和任务也一直在变。只做推理适配，你永远解决的只是当下遇到的问题，打通训推全链路，你才能把使用中出现的新需求、新问题送回训练端，再让升级后的能力快速回到应用中。对Agent来说，真正重要的是这个能持续运转的闭环。为什么要费力打造这个闭环？因为Agent很快就要从少数人尝鲜，走向大规模应用了。根据国务院2025年8月印发的《关于深入实施「人工智能+」行动的意见》，到2027年，新一代智能终端、智能体等应用普及率将超过70%。当Agent真正铺开，训练、更新和推理都会成为持续发生的需求。算力不仅要够用，还得像水电一样长期稳定供应，全国产算力方案的价值也就出来了。或许是提前意识到了这点，产业侧已经开始相关动作。最近有消息称，一家国内头部开源模型公司计划部署至少16万颗国产AI芯片。消息还没完全坐实，但行业往哪儿走，已经很难看不出来了：国产算力，正在从备用选项往核心资源池里挪。而讯飞动身，要比这早得多。 2023年“飞星一号”国产算力平台率先落地，并发布全链条自主可控的“讯飞星火大模型”，如今，模型已经在全国产算力上连续跑了好几代。据科大讯飞在2025年度业绩说明会上披露，其MoE模型在国产算力上的训练效率，相较同规模A800集群，从开箱状态下的30%提升至93%。 30%到93%，靠的是算子适配、集群通信、专家路由一点点往上磨。这些国产算力迟早要踩的坑，讯飞已经提前踩过不少了。等行业开始集体转向时，讯飞手里已经有了一套被多代模型反复跑过的训推经验，可以把更多精力花在模型怎么干活、怎么交付上。比别人早走的好处，这不就来了？所以再回头看星火X2.5，会发现它刚好把两条行业主线拧到了一起： Agent开始从聊天走向交付，国产算力也开始从跑通模型走向托住真实应用。模型上线，只能算开工，最后能把成品稳定交到用户手里，才叫真干活。你说呢。传送门： https://maas.xfyun.cn/modelSquare 版权所有，未经授权不得以任何形式转载及使用，违者必究。

查看原文

<h1>实测星火X2.5：手搓粒子月亮、拆完61页财报……还揪出了我的Bug</h1>
 <div>
 <img src="http://www.qbitai.com/wp-content/themes/liangziwei/imagesnew/head.jpg" height="200" width="200"><a href="https://www.qbitai.com/author/wenting" title="由 文婷 发布" target="_blank">文婷</a>
 2026-09-09
 18:02:54
 
 来源：<a href="https://www.qbitai.com/" target="_blank">量子位</a> </div>
 
 最新消息，参数293B的讯飞星火X2.5上线了……
（伸出邪恶小手.jpg）
此前讯飞开源了星火X2.5的两款端侧模型，一个4B和一个1.7B。
模型参数都不大，但都能在端侧原生跑100万Token上下文。
模型一开源，社区玩开了。
有人搞量化，有人往Mac、T4和WebGPU上搬，还有狠人直接把它接进Agent工作流，让它连续调用工具。
一顿操作猛如虎，硬生生把4B模型送上了Hugging Face现趋势榜第一。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/5aa6994813cae39cca65b02252c19ab5.jpeg">

</div>
所以现在问题来了，小的都这么猛了，大的能把活干到什么份上？
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/71c22571c4f33fca5254b440fc6147fd.jpeg">

</div>
MoE大模型，参数293B-A30B，重点提升代码、智能体能力，覆盖200余种语言……反正翻完模型简介，期待值是给我拉满了。
再赶上API限时五折，不说了，咱这就开测。
<h1>△图片为当前优惠价格</h1>
<h1>一手实测星火X2.5！我甩出了三道关卡</h1>
星火X2.5现已上线讯飞开放平台。
API原生支持Anthropic、Responses协议，开发者可快速将其接入OpenClaw、Claude Code、Codex、Hermes、Grok Build、Pi Agent等第三方Harness框架。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/839b73c49ee44a7ea3e454b664cb4d37~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=czCDG6efJf1CzDAU6oyEtF3BMSA%3D">

</div>
这里我也是直接调的API，接入Codex后原地开跑。
三道关卡已经备好：
<ul>
<li>先做一个中秋祈福3D粒子交互网页；</li>
<li>再挑战英伟达Q2财报拆解、论文实证内容撰写与电商数据筛查；</li>
<li>最后为原创游戏《堕神余烬》设计官网。</li>
</ul>
从创意落地到复杂任务处理，再到整站设计，咱们一起来看看它能接住多少招。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/7e827d98a08548938e9a8d5a09b89ce5~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=rbLIrV2yFopleIpUs5a%2FiDMD604%3D">

</div>
<h1>实测一：手一握，把满屏桂花攒成一轮圆月</h1>
第一关，咱先考考它能不能把一句创意，变成真正能上手玩的东西。
这不正好快中秋了吗，咱正好借星火X2.5，给大家搞点指尖上的浪漫。
我把金桂、星辰、圆月、阖家团圆这些元素统统写进了Prompt，并让AI以“中秋祈福”为主题，直接生成一个3D粒子手势交互网页。
效果有多惊艳？咱直接上手体验：
<ul>
<li>待机时，点点粒子如细碎桂花，在夜空中悠悠散开；</li>
<li>握起拳头，桂花便向一处聚拢，凝成一轮圆月；</li>
<li>当我比出“1”时，圆月随即散开并重新拼成可旋转的3D立体祝福“中秋快乐”；</li>
<li>切换成手势“2”时，粒子又会丝滑地切换队形，排出一句“阖家团圆”；</li>
<li>最后，再把手松开，眼前的祝福便化作漫天星辰，四散开来。</li>
</ul>
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/46c7ecaec1f6475882bd08de8d098ede~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=q%2FO8WsI7fhebRXYC4zWwm9spc7U%3D">
视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA
</div>
一握一放之间，桂花凝聚成月，祝福散作成星。
整个过程超级丝滑，让我不禁想起了小时候玩的“报数抱团”游戏：喊到几，就几个人抱成一团。
只不过这次，听口令的是一群亮晶晶的“赛博小精灵”。
手势刚起，它们就忙着集合、变换队形，并把祝福拼成我想要的模样。
玩着玩着，我的思路也突然打开了：
<blockquote>
除了中秋，或许朋友生日、周年纪念日也都能照着这个思路，为他们做一份专属的赛博惊喜？
</blockquote>
话说，会有人花钱找我定制吗？大胆伸出发财的小手（doge）。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/4675de8614734d4a9b1b910fe3db71a4~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=6avUZCn9AM40FwMGvN5%2FMKFZzGI%3D">

</div>
不过光看可不够，这么灵的“赛博花活”，当然得拉上亲朋好友一起疯玩。
我还顺手整了个《月宫快递》小游戏，规则非常滴简单粗暴：
谁抢的月饼多，谁就先飞上月球，当一回“广寒宫首席快递员”（嘿嘿，卷死他们）。
小伙伴们直接玩嗨了！
一个个操控着自己的太空小兔，蹦蹦跳跳地闯过层层天阶，把月饼一块块收入囊中，争当朋友圈里第一个晒出登月战绩的中秋赢家……
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/31cdea56ff22415e96153a2724539e79~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=NpkXkCbOWJAgCDL7cMYHqF8sOW8%3D">
视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA
</div>
从指尖聚散的粒子祝福，到全员上瘾的月宫抢单，这一套组合拳下来，中秋氛围直接拉满。
<h1>实测二：能干活，更要干对活</h1>
不过能玩只说明它接得住创意、做得出东西，能不能真干活：
还得看它做得对不对。
是骡子是马，还得把星火X2.5拉进真实办公场景遛遛。
这不，老黄前几天刚发了英伟达的Q2财报。
好巧不巧，还正好赶在周三凌晨四点大家都睡了的时候发。
这个点谁有功夫生啃61页硬核财报啊，第二天还要赶早八上班呢。
我的要求很明确：
<blockquote>
请把关键数据摘出来做成图，再读出数字背后的行业机会和风险。
</blockquote>
因为AI不光要把账算明白，还得从账里读出门道，才算真正帮我们减负。
结果，半小时早会开完，9份图表+1份投研风险简报，就直接交到了我手上。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/8b573399a93e46e48bac828e896f3808~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=8qake6hyOpPmXhstmH6Qa93Qfng%3D">

</div>
要素太多，咱就简单挑三个重点看吧：营收利润变化图表、Future commitments表、投研简报。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/03ab6d609cea47c3b4c629ee41f79a06~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=lAwkc9uAkCOCNNr9EwRds3iLVUk%3D">

</div>
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/39aa014242d5427dbda830db54411731~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=z%2BARayIyLIJIfGTA3VwVxZho5Vs%3D">

</div>
以FY2027 Q1为例，营收、利润、净利润均一一对应，数值准确无误。
未来承诺的结构，也一目了然。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/f611eae419be449bb0963dc8b664074f~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=IWvctQ2UIep%2FyuRhbRV9wRzgJ7k%3D">

</div>
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/97dcca529d0b4105bf4e39199f0db076~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=owVQe4oEuBsU9g%2F24K3wo8GyZS0%3D">

</div>
这样一圈跑下来，实感看财报的压力确实小了不少，以后不用再自己从头啃起，AI就能把情况给我讲清楚。
61页财报，终于有了省力的打开方式。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/d3118a7889874b669f9bd2f2fbde86bf~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=nIKLwNJ8C8slOVQ8R4%2FFr15iLA0%3D">

</div>
接下来我把两篇分别来自Nature和Science的论文、一篇新闻报道以及20份DeepSeek生成的模拟问卷数据，统统丢给了星火X2.5，让它自行完成研究：
<blockquote>
经常使用AI的科研人员，工作效率更高还是更低？
</blockquote>
并让它给我输出一份论文实证部分的初稿，需配上必要的图片。
没想到，AI这回给我上了一课。
我没说数据来源是真是假，它倒是一眼看穿，还无情地补了一刀，大意是：
你给研究结论的时候可得悠着点。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/30846870416346d98aa584c5295e4b5a~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=sxd3aXBHIdSpRJ65CbyGxnaWB14%3D">

</div>
我不听我不听，让咱们忽略这个提醒继续看成果：
星火X2.5在消化完我提供的资料并完成多轮交叉校验后，给出了一个肯定的结论：
<blockquote>
综合来看，现有证据一致支持“经常使用AI的科研人员在产出数量与目评效率上更高”这一方向性结论，问卷、两篇文献与新间报道相互印证。
</blockquote>
并贴心地配上了“不同AI使用频率的科研人员的产出数量对比图”、“AI日均使用次数与工作效率的散点关系图”，以及“问卷描述统计与相关系数表”来佐证自己的观点。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/9c23f40d10c84bad99493666460da7e9~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=VT5yRHyFdjzVqhIv58yHTVqqtZk%3D">

</div>
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c0efb9dcf3c34b658ee99d085db0b1e0~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=tj3GswGMR51P%2BbYQefuYRhUXsTY%3D">

</div>
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/51011f1b5afc493695219bc6134ac85a~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=oHUmasW1aOAbc3V7H9Rk7PUKK4Q%3D">

</div>
最后，星火X2.5还给我找了点茬，指出我的研究存在着问卷样本少、未实现控制变量等问题：
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/38fcb506183c4634b4f3b91051d86a50~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=Nz%2BqbPdtbLNSX4LKPZkoa8ImSHg%3D">

</div>
得，到底是不忘初心。
好吧，我承认你说的对，你眼光很准，算你过关了…
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/9907a7b96f3441479a5ce2cf1919488a~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=k6npc4HX3gWdE5%2BAY7tX82w%2FmHU%3D">

</div>
不过嘛，被它补了一刀，那我可不得把场子找回来？
转头测薯片电商数据题时，我暗戳戳给它挖了个坑——Excel表？不存在的！
我把一堆数据截图塞进了Word里，还故意算错了一堆营收数值但不告诉它，让它自己琢磨去：
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/293ebf8d24c846b4bb2014586f939b44~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=Zxzs%2F6Mw%2FPebHB%2BS22uCu%2By%2Booo%3D">

</div>
没想到它不光没被难住，反倒把我搓出来的电商数据集的统计bug，给扒了个底朝天？！
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/00f061e1762142cb88dfabc70da58aa1~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=0KwcNvrQH6ZAID%2FdeAcUR3xoNnU%3D">

</div>
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a4cc4559f1ad4caeb81f5c5e3af231ca~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=b4tUi0TXt3RGbPTUvyyWtDi1XHo%3D">

</div>
6，这波我服了。
后面我让它把这份txt分析报告直接渲成了可视化PDF。
效果嘛…不得不服，确实能打。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c2b258cdba4c43b1a4f596d20f5ca786~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=s87yZFUKRx1SOX2I1jwGbLlOlX4%3D">

</div>
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/f07a563ecf244b568788f012797350a9~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=YX3kqLmsKHB%2FE6xMllyqkCK8mi0%3D">

</div>
顺带提一嘴，你们写Prompt的时候可以直接喊星火X2.5生成，省得自己来回折腾。（我忘了TT）
<h1>实测三：给一套游戏世界观，它搭出了一座哥特地下城</h1>
最后，我们决定给原创奇幻动作游戏《堕神余烬》搭个官网。
世界观Prompt大致包含以下核心信息——
<blockquote>
请为原创奇幻动作游戏《堕神余烬》（Ashes of the Fallen God）设计并生成一个可直接上线的沉浸式官方网站。
游戏背景：诸神陨落后，世界被撕裂成漂浮的破碎之地。幸存的凡人不得不穿越破碎神殿、哥特地下城和被神骸污染的荒野，在怪物与失控神力之间求生，并逐步揭开诸神陨落的真相。
网站目标：第一眼就让玩家感受到黑暗、宏大、危险而神秘的世界观，产生探索剧情和立即游玩的欲望。目标用户既包括奇幻动作游戏玩家，也包括希望用AI快速制作官网的独立游戏开发者和产品经理。
</blockquote>
结果呢？设定没跑偏，哥特地下城的压迫感拉满，导航栏、首页海报这些官网标配也一应俱全。
<h1>△海报页面</h1>
更惊喜的是，它还专门做了闯关地图&Boss专题板块，把地图及敌人设定和“失控神力·神骸污染”的底层世界观焊在一起，而不是干巴巴地罗列关卡和怪物。
玩法介绍、跳转入口等上线必备的合规组件也基本配齐了。
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/a89edd4d6b104639a9ebbb445b3a9040~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=C%2BM2lTWFcPpz5NmZXqiiSt4dado%3D">
视频地址：https://mp.weixin.qq.com/s/J812d_xkcV0oVQfGY8e_rA
</div>
看来，以后没有设计师和前端团队的独游开发者和小团队，靠星火X2.5搭配文生图工具，也能自己鼓捣出能上线的炫酷官网了。
<h1>国产算力模型，进入可交付时代</h1>
三道关卡跑完，表面看玩法五花八门，但扒到最后，考的其实是同一道题：
AI能不能从问答、写代码，一路走到交付？
还真不是我们故意把题出难了。
你顺着今年AI圈的热闹往回看，会发现大家早就在偷偷换考卷。
年初OpenClaw一把蹿红，全网围观AI自己调工具、替人办事。
紧接着，OpenAI和Anthropic这些前沿玩家又开始猛聊Harness Engineering，琢磨着怎么给Agent搭好工位、定好流程，让它一口气干上几个小时也别掉链子。
发现没？光会聊天，已经不太够看了。
能把事情接过去，一路干到底，才是真本事！！
<div><img src="https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/bb24e9a8863e49e38d12068372001776~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1789552490&x-signature=knYzvN520zQSwQeuJ%2B1e%2BjXwJvA%3D">

</div>
把星火大模型这两年的更新日志翻一遍，也能看出同样的变化。
X1先攻深度推理，X2-Flash加码代码和智能体，X2-VL补上多模态理解。
到了X2.5，代码和智能体更是直接被摆在了最前面。
先让模型会想，再让它会看、会动手，最后把活交出来，星火就这样把这些能力一块块补齐。
再往下扒一层，印象中相比其他国产模型，星火身上还有个很鲜明的标签：
全国产算力。
这个标签要讲透，得先分清两件经常被混在一起的事。
把已经训练好的模型搬到国产芯片上运行，这属于推理适配，解决的是模型当下能不能跑起来。
讯飞走得更深一些，从模型训练、强化学习、持续迭代到推理部署，整条链路都落在国产算力平台上。
一个是中途做适配，另一个是从平台原生长出来。
这个标签放在今天，含金量又不一样了。
Agent不是一锤子买卖，模型要不断更新，工具和任务也一直在变。
只做推理适配，你永远解决的只是当下遇到的问题，打通训推全链路，你才能把使用中出现的新需求、新问题送回训练端，再让升级后的能力快速回到应用中。
对Agent来说，真正重要的是这个能持续运转的闭环。
为什么要费力打造这个闭环？因为Agent很快就要从少数人尝鲜，走向大规模应用了。
根据国务院2025年8月印发的《关于深入实施「人工智能+」行动的意见》，到2027年，新一代智能终端、智能体等应用普及率将超过70%。
当Agent真正铺开，训练、更新和推理都会成为持续发生的需求。算力不仅要够用，还得像水电一样长期稳定供应，全国产算力方案的价值也就出来了。
或许是提前意识到了这点，产业侧已经开始相关动作。
最近有消息称，一家国内头部开源模型公司计划部署至少16万颗国产AI芯片。
消息还没完全坐实，但行业往哪儿走，已经很难看不出来了：
国产算力，正在从备用选项往核心资源池里挪。
而讯飞动身，要比这早得多。
2023年“飞星一号”国产算力平台率先落地，并发布全链条自主可控的“讯飞星火大模型”，如今，模型已经在全国产算力上连续跑了好几代。
据科大讯飞在2025年度业绩说明会上披露，其MoE模型在国产算力上的训练效率，相较同规模A800集群，从开箱状态下的30%提升至93%。
30%到93%，靠的是算子适配、集群通信、专家路由一点点往上磨。
这些国产算力迟早要踩的坑，讯飞已经提前踩过不少了。
等行业开始集体转向时，讯飞手里已经有了一套被多代模型反复跑过的训推经验，可以把更多精力花在模型怎么干活、怎么交付上。
比别人早走的好处，这不就来了？
所以再回头看星火X2.5，会发现它刚好把两条行业主线拧到了一起：
Agent开始从聊天走向交付，国产算力也开始从跑通模型走向托住真实应用。
模型上线，只能算开工，最后能把成品稳定交到用户手里，才叫真干活。
你说呢。
传送门： 
https://maas.xfyun.cn/modelSquare
 
 
 <div>版权所有，未经授权不得以任何形式转载及使用，违者必究。</div>

AI技术资讯来自 MODELSCOPE 9月9日 18:00 ☆☆☆☆☆ 0

Nex-AGI 开源 Nex-N2.5：mini、Pro、Max 三档模型齐发，SWE-Bench Pro 超越 GPT-5.6

魔搭ModelScope社区 2026-09-09 18:00 浙江 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e95565ac&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fia2awwZLWFZSXmDdSffNNVtLrruNGQLHcZ9oEWO8oTdmw79mzedtYzUpu9yOqKLmRFc7qSEZKAYicHoT4fiaN7Nk10mibz7F4uox9hjfxfWobzQ%2F0%3Fwx_fmt%3Djpeg] Nex-AGI 开源 Nex-N2.5 智能体模型家族（Mini/Pro/Max），涵盖万亿参数 MoE 架构，在 SWE-Bench Pro 等基准中表现卓越，支持芯片设计、CAD 建模、长程游戏操作等复杂真实环境任务。 Nex-AGI 是由上海创智学院发起的创新联盟，旨在建设一个可持续的能动性闭环开源生态。今天，Nex-AGI 正式开源 Nex-N2.5，一个面向真实环境长程任务的智能体模型家族，包含 Mini、Pro、Max 三个版本。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=a404048d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZTpNxbzcv9K29mCu7Focxcw3qbUcKgquxSLjvagYEC1wIc43KoL2rhYsesdDXXXZj8NaBNZz5vMhdcwrHmacQ0w9KsvAibhqQ6g%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] Nex-N2.5 三档模型三款模型共享“智能体后训练”这一主线，按任务与部署规模形成组合： Mini 与 Pro 延续 Nex-N2 的多模态底座，重点强化计算机使用、网页浏览与视觉辅助的能动性； Max 建立在 DeepSeek-V4-Pro-Base 之上，采用 1.6T 总参、每 Token 激活 49B 的纯文本 MoE 架构，是官方首次在万亿参数规模完成的完整后训练。在多项权威基准中，Nex-N2.5 与 Claude Opus 5、GPT-5.6 Sol 等顶尖闭源模型互有高低；Max 以 92.6 拿下 BrowseComp 表内最佳、Pro 以 87.4 拿下 OSWorld-G 表内最佳。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=43cf717b&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZQiaJnYiaibzTWGibr7mt462DwEqxqTm9yV6dcxTM97UcTibQXicIctVS8icZ5lPuSlBJ0h3eVX7gvQ1UI47S4fBTJBmytUPxK5eHZhicg%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] ModelScope： https://modelscope.cn/collections/nex-agi/Nex-N25 GitHub： https://github.com/nex-agi/Nex-N2.5 blog： https://nex-agi.com/ 01 效果与能力真实 Agent 任务（Nex-N2.5 Max）案例一：芯片设计任务从一份存在缺陷的 CRC16-CCITT 流式加速器 RTL 出发，Nex-N2.5 Max 修复逐周期握手、忙碌状态、末字节处理和单周期完成信号，并调用 Verilator、Icarus Verilog、Yosys 与 OpenROAD 完成功能验证、综合及 Sky130 HD 布局布线。最终通过隐藏功能回归与完整物理实现，生成 GDS、DEF、SPEF 和门级网表；Setup / Hold TNS、详细布线违例均为 0，报告 Fmax 约 386 MHz。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e34eb316&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZTlPeFdibBugy4lSoFTKVpRQTRKvL6fqSWsSzEiaLt2SJZJ7C4JBZSQ38ibSqey4rh0FXDp8CkDOA0xtadytlP4q1ybw7vJiaGORNo%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] 案例二：CAD 设计，用 Python 驱动 SolidWorks 装配机械臂 Nex-N2.5 Max 通过 Python 调用 SolidWorks COM，从零件建模、关节定位到整体装配，构建具有工业产品外观的机械臂。设计以深灰骨架、橙色装甲和金属关节组织结构，补充双指夹爪、分层外壳、法兰与紧固件。演示视频、装配视图和爆炸视图共同呈现从参数化设计到 CAD 装配的过程，以及各部件的空间关系。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=32241a45&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZQEky9jXGOTqsd8iaOrqwiaNeVwgMlAgNKerAYLpGe21H1hMicSuUXfasBNN6vM6Oics1LxSqtwqyHRgXx0uQMtm682ovt7R8v4vTI%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] 案例三：凝聚态物理围绕 R3c BiFeO₃ 材料的磁控极化问题，Nex-N2.5 Max 模拟不同磁矩方向下的电极化变化，用路径角度—极化曲线呈现磁态与极化的耦合关系。结果图将晶体结构、磁矩旋转路径和计算曲线联系起来，为分析磁态如何调控电极化提供依据，也展示了低功耗磁电存储相关材料问题的研究过程。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=e9b9f7e1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZRQlqzhM1KXu2mWmPNDq5bMer6Nu7BicS30mFPTzUGibM7aNs37bagzgyBzCbVnmib4MmylGzfGrgfgNPAiaDpasfkEI7ctbTtLes4%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] 案例四：复杂前端从“用 SVG 画一只骑自行车的鹈鹕”，到第一人称高达空战、可拆解重拼的乐高城市，Nex-N2.5 Max 将简短自然语言需求转化为可直接体验的前端作品，围绕每个创意补全场景、交互控件与反馈机制，把 SVG 动画、三维场景与游戏逻辑组织成完整页面。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=333e5b86&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZQ3icTLHOBhQk08pZvTyaC4UEZq3bUArZYnEzsKGTjZ09TBToZud8nbJrPYLVyXI3t7pcp9EVsscUTZ9U0Psm4vrDvytce81sUQ%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] 第一人称高达空战 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=cdc6e631&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2Fia2awwZLWFZSjcN5xx6KWwsjUticG3gM1PY20NgmTAGYvZV1N6phlUYmUO5tsSeol115Ldmy5hqxetnKtria0vonIibBibL3CQ5n4SibVWcJ5ggm8%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] 骑自行车的鹈鹕与乐高城市 Vision Agentic 任务（Nex-N2.5 Pro）案例五：长程游戏操作任务从《宝可梦白金》的新游戏开始，要求 Nex-N2.5 Pro 仅凭游戏画面与正常按键，自主阅读对话、寻找路线、推进剧情，并管理队伍的体力、招式与战斗策略。目标是击败黑金道馆的飘太，获得第一枚煤炭徽章；过程涵盖探索、训练、补给和失败后的策略调整，获胜后还需通过游戏内保存与重新载入确认徽章进度。案例六：Office 办公，LibreOffice 三件套的真实工作流 Nex-N2.5 Pro 阅读 UNEP《Emissions Gap Report 2024》，核对报告标题、章节结构和关键数据，再在 LibreOffice Writer 中整理研究笔记。正文提炼短结论与证据信号，独立附录记录来源、可见页面核查和信息使用范围，使结论能够回到原报告查证。最终保存为两页可编辑文档，并逐页复核内容与排版。案例七：创意设计，从 Inkscape 概念图到 Blender 渲染 Nex-N2.5 Pro 先在 Inkscape 中通过图形界面逐步绘制机甲概念板，确定身体比例、装甲轮廓、剑盾装备与配色，再将二维设计转化为 Blender 中的 58 个独立网格分件。建模过程补全侧面厚度、背部推进器和连接结构，配置金属装甲、深色内构与能量自发光材质，最后加入相机、灯光和展示底座，完成 Eevee 渲染。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=87090399&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2Fia2awwZLWFZRY38jTIAxr9OZEficUYkRcW2ib1DcTL37k5yibPlgsUtRPj84uRN6r0icTZOUuRiaXH5qtDKyV7weCJxML3Mw0v7L8bw5yfsMY77Mo%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] Inkscape 概念图与 Blender 渲染案例八：Vision2Context 许多 Agent 任务受限于用户个性化上下文：例如申请公司 API 额度，模型需要了解内部平台、申请入口与审批流程。 Nex-N2.5 Pro 根据用户授权范围，从主动录制的示范视频或日常屏幕观察中提取这些信息，生成可复用的个性化 Skills，供 NorthCUA、OpenClaw 等 Agent 使用。两段视频以差旅场景串联操作示范理解、Skill 生成和后续 Computer Use 执行。 02 技术解读 NexRT 推理基础设施 NexRT 是面向 Nex-N2.5-Pro 的单请求推理引擎，支持在 8 张 H100 或 H200 GPU 上运行普通解码、MTP 和 DFlash。通过定制 CUDA 内核、完整解码 CUDA Graph 和 GPU 直接通信，NexRT 优化从嵌入、注意力、MoE 到采样的整个解码路径。 NexRT 使用 SGLang 完成预填充，并在预填充与解码引擎之间共享路由专家权重；上下文并行注意力进一步减少长上下文中的重复 KV 读取。 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=7e862b57&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2Fia2awwZLWFZS1rZnOLhGuWsVgXVtjOdbuR0FNHEvdFNn7QtHKzsjSy6bgOZx3ecgh0wBKy4aQ9ocfGfxVBsRYibRWdBiaa4ibk6RVDlFyxkMgtI%2F640%3Fwx_fmt%3Dgif%26from%3Dappmsg] NexRT 推理界面 [图片: https://wechat2rss.bestblogs.dev/img-proxy/?k=335b6aeb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZSD3hD8pLYtU767z9iatmSy1hJrM7adx3dHibT4oftlleFMgDicNcRMKAwqQLyxoKZF5hwQFViccNrghM9EoqkLiaNf2Phet4WuW1ibI%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg] NexRT 吞吐性能 03 部署与推理模型下载（以 Max 为例）： modelscope download \ --model nex-agi/Nex-N2.5-Max \ --local_dir ./Nex-N2.5-Max 官方提供预置定制 SGLang 分支的 Docker 镜像 nexagi/sglang:v0.5.18-nex-patch，三个尺寸的启动命令如下。 Nex-N2.5-Max（2 节点 16 × H200） docker run --gpus all --shm-size 32g --network host \ -v /path/to/your/model:/model \ nexagi/sglang:v0.5.18-nex-patch \ python3 -m sglang.launch_server \ --model-path /path/to/your/model \ --trust-remote-code \ --host 0.0.0.0 --port 8000 \ --nnodes 2 --node-rank "${NODE_RANK}" \ --dist-init-addr "${MASTER_ADDR}:5000" \ --tp 16 --pp-size 1 --dp 1 --ep-size 16 \ --attention-backend dsv4 \ --kv-cache-dtype fp8_e4m3 \ --page-size 256 \ --moe-a2a-backend deepep --moe-runner-backend deep_gemm \ --moe-dense-tp-size 1 --deepep-mode auto \ --context-length 262144 \ --mem-fraction-static 0.84 \ --chunked-prefill-size 8192 --enable-mixed-chunk \ --disable-overlap-schedule --max-running-requests 64 \ --cuda-graph-max-bs-decode 64 \ --cuda-graph-backend-decode full \ --cuda-graph-backend-prefill disabled \ --chat-template /path/to/nex-n2.5-max/chat_template.jinja \ --reasoning-parser deepseek-r1 \ --tool-call-parser qwen3_coder Nex-N2.5-Pro（单机 8 × H100，权重发布后适用） docker run --gpus all --shm-size 32g --ipc=host \ -p 30000:30000 -v /path/to/your/model:/model \ nexagi/sglang:v0.5.18-nex-patch \ python3 -m sglang.launch_server \ --model-path /model \ --tp 8 --host 0.0.0.0 --port 30000 \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder \ --chat-template /path/to/nex-N2.5-Pro/chat_template.jinja \ --mamba-scheduler-strategy extra_buffer Nex-N2.5-mini（单机 2 × H100） docker run --gpus all --shm-size 32g --ipc=host \ -p 30000:30000 -v /path/to/your/model:/model \ nexagi/sglang:v0.5.18-nex-patch \ python3 -m sglang.launch_server \ --model-path /model \ --tp 2 --host 0.0.0.0 --port 30000 \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder \ --chat-template /path/to/nex-N2.5-mini/chat-template.jinja \ --mamba-scheduler-strategy extra_buffer 采样与思考模式：官方推荐 temperature=0.7、top_p=0.95、top_k=40。通过 reasoning_effort 控制思考行为：none 不思考直接回答，medium（默认）自适应思考，high 始终思考。点击阅读原文，即可跳转模型合集~ 👇点击关注ModelScope公众号获取更多技术信息~ 阅读原文跳转微信打开

查看原文

魔搭ModelScope社区 2026-09-09 18:00 浙江

<img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e95565ac&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_jpg%2Fia2awwZLWFZSXmDdSffNNVtLrruNGQLHcZ9oEWO8oTdmw79mzedtYzUpu9yOqKLmRFc7qSEZKAYicHoT4fiaN7Nk10mibz7F4uox9hjfxfWobzQ%2F0%3Fwx_fmt%3Djpeg">
 Nex-AGI 开源 Nex-N2.5 智能体模型家族（Mini/Pro/Max），涵盖万亿参数 MoE 架构，在 SWE-Bench Pro 等基准中表现卓越，支持芯片设计、CAD 建模、长程游戏操作等复杂真实环境任务。
 <div style="display:block;margin:0;padding:0;font-family:Microsoft YaHei,Arial,sans-serif;color:#2B2F33;">Nex-AGI 是由上海创智学院发起的创新联盟，旨在建设一个可持续的能动性闭环开源生态。今天，Nex-AGI 正式开源 Nex-N2.5，一个面向真实环境长程任务的智能体模型家族，包含 Mini、Pro、Max 三个版本。<figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;height:auto;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=a404048d&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZTpNxbzcv9K29mCu7Focxcw3qbUcKgquxSLjvagYEC1wIc43KoL2rhYsesdDXXXZj8NaBNZz5vMhdcwrHmacQ0w9KsvAibhqQ6g%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg">Nex-N2.5 三档模型</figure>三款模型共享“智能体后训练”这一主线，按任务与部署规模形成组合：<ul style="margin:12px 0 18px;padding-left:24px;" class=""><li style="margin:7px 0;padding-left:2px;color:#000000;font-size:15px;line-height:1.8;">Mini 与 Pro 延续 Nex-N2 的多模态底座，重点强化计算机使用、网页浏览与视觉辅助的能动性；</li><li style="margin:7px 0;padding-left:2px;color:#000000;font-size:15px;line-height:1.8;">Max 建立在 DeepSeek-V4-Pro-Base 之上，采用 1.6T 总参、每 Token 激活 49B 的纯文本 MoE 架构，是官方首次在万亿参数规模完成的完整后训练。</li></ul>在多项权威基准中，Nex-N2.5 与 Claude Opus 5、GPT-5.6 Sol 等顶尖闭源模型互有高低；Max 以 92.6 拿下 BrowseComp 表内最佳、Pro 以 87.4 拿下 OSWorld-G 表内最佳。<figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;height:auto;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=43cf717b&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZQiaJnYiaibzTWGibr7mt462DwEqxqTm9yV6dcxTM97UcTibQXicIctVS8icZ5lPuSlBJ0h3eVX7gvQ1UI47S4fBTJBmytUPxK5eHZhicg%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg"></figure>ModelScope：<a href="https://modelscope.cn/collections/nex-agi/Nex-N25" target="_blank">https://modelscope.cn/collections/nex-agi/Nex-N25</a> GitHub：<a href="https://github.com/nex-agi/Nex-N2.5" target="_blank">https://github.com/nex-agi/Nex-N2.5</a> blog：<a href="https://nex-agi.com/" target="_blank">https://nex-agi.com/</a><div style="display:block;margin:42px 0 28px;padding:0;text-align:center;"><div style="display:inline-block;max-width:92%;margin:0;padding:0;background:#F2F7FD;border-bottom:1px solid #0654ea;box-sizing:border-box;transform:skew(-10deg);-webkit-transform:skew(-10deg);-moz-transform:skew(-10deg);-o-transform:skew(-10deg);"><div style="-webkit-tap-highlight-color:transparent;margin:0;padding:5px 18px;max-width:100%;box-sizing:border-box;overflow-wrap:break-word!important;display:flex;align-items:flex-start;white-space:normal;transform:skew(10deg);-webkit-transform:skew(10deg);-moz-transform:skew(10deg);-o-transform:skew(10deg);"><div style="flex:0 0 auto;margin:0;padding:0;max-width:100%;box-sizing:border-box!important;overflow-wrap:break-word!important;transform-style:preserve-3d;"><p style="margin:0;padding:0;max-width:100%;box-sizing:border-box!important;overflow-wrap:break-word!important;letter-spacing:1.5px;color:#0654ea;transform:translateZ(10px);-webkit-transform:translateZ(10px);-moz-transform:translateZ(10px);-o-transform:translateZ(10px);">01</div>效果与能力</div></div></div><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">真实 Agent 任务（Nex-N2.5 Max）</h3><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例一：芯片设计</h3>任务从一份存在缺陷的 CRC16-CCITT 流式加速器 RTL 出发，Nex-N2.5 Max 修复逐周期握手、忙碌状态、末字节处理和单周期完成信号，并调用 Verilator、Icarus Verilog、Yosys 与 OpenROAD 完成功能验证、综合及 Sky130 HD 布局布线。 最终通过隐藏功能回归与完整物理实现，生成 GDS、DEF、SPEF 和门级网表；Setup / Hold TNS、详细布线违例均为 0，报告 Fmax 约 386 MHz。<figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e34eb316&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZTlPeFdibBugy4lSoFTKVpRQTRKvL6fqSWsSzEiaLt2SJZJ7C4JBZSQ38ibSqey4rh0FXDp8CkDOA0xtadytlP4q1ybw7vJiaGORNo%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg"></figure><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例二：CAD 设计，用 Python 驱动 SolidWorks 装配机械臂</h3><p style="display: block;margin: 0px 0px 8px;padding: 0px;color: rgb(0, 0, 0);font-family: "Microsoft YaHei", 微软雅黑, Arial, sans-serif;font-size: 15px;line-height: 1.6;letter-spacing: 0px;text-align: left;word-break: break-word;">Nex-N2.5 Max 通过 Python 调用 SolidWorks COM，从零件建模、关节定位到整体装配，构建具有工业产品外观的机械臂。设计以深灰骨架、橙色装甲和金属关节组织结构，补充双指夹爪、分层外壳、法兰与紧固件。 演示视频、装配视图和爆炸视图共同呈现从参数化设计到 CAD 装配的过程，以及各部件的空间关系。</div><div style="display:block;margin:0;padding:0;font-family:Microsoft YaHei,Arial,sans-serif;color:#2B2F33;"><figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=32241a45&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZQEky9jXGOTqsd8iaOrqwiaNeVwgMlAgNKerAYLpGe21H1hMicSuUXfasBNN6vM6Oics1LxSqtwqyHRgXx0uQMtm682ovt7R8v4vTI%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg"></figure><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例三：凝聚态物理</h3>围绕 R3c BiFeO₃ 材料的磁控极化问题，Nex-N2.5 Max 模拟不同磁矩方向下的电极化变化，用路径角度—极化曲线呈现磁态与极化的耦合关系。结果图将晶体结构、磁矩旋转路径和计算曲线联系起来，为分析磁态如何调控电极化提供依据，也展示了低功耗磁电存储相关材料问题的研究过程。<figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;height:auto;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=e9b9f7e1&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZRQlqzhM1KXu2mWmPNDq5bMer6Nu7BicS30mFPTzUGibM7aNs37bagzgyBzCbVnmib4MmylGzfGrgfgNPAiaDpasfkEI7ctbTtLes4%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg"></figure><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例四：复杂前端</h3>从“用 SVG 画一只骑自行车的鹈鹕”，到第一人称高达空战、可拆解重拼的乐高城市，Nex-N2.5 Max 将简短自然语言需求转化为可直接体验的前端作品，围绕每个创意补全场景、交互控件与反馈机制，把 SVG 动画、三维场景与游戏逻辑组织成完整页面。<figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;height:auto;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=333e5b86&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZQ3icTLHOBhQk08pZvTyaC4UEZq3bUArZYnEzsKGTjZ09TBToZud8nbJrPYLVyXI3t7pcp9EVsscUTZ9U0Psm4vrDvytce81sUQ%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg">第一人称高达空战</figure><figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;height:auto;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=cdc6e631&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2Fia2awwZLWFZSjcN5xx6KWwsjUticG3gM1PY20NgmTAGYvZV1N6phlUYmUO5tsSeol115Ldmy5hqxetnKtria0vonIibBibL3CQ5n4SibVWcJ5ggm8%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg">骑自行车的鹈鹕与乐高城市</figure><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">Vision Agentic 任务（Nex-N2.5 Pro）</h3><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例五：长程游戏操作</h3><p style="display: block;margin: 0px 0px 16px;padding: 0px;color: rgb(0, 0, 0);font-family: "Microsoft YaHei", 微软雅黑, Arial, sans-serif;font-size: 15px;line-height: 1.6;letter-spacing: 0px;text-align: left;word-break: break-word;">任务从《宝可梦 白金》的新游戏开始，要求 Nex-N2.5 Pro 仅凭游戏画面与正常按键，自主阅读对话、寻找路线、推进剧情，并管理队伍的体力、招式与战斗策略。目标是击败黑金道馆的飘太，获得第一枚煤炭徽章；过程涵盖探索、训练、补给和失败后的策略调整，获胜后还需通过游戏内保存与重新载入确认徽章进度。<h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例六：Office 办公，LibreOffice 三件套的真实工作流</h3><p style="display: block;margin: 0px 0px 16px;padding: 0px;color: rgb(0, 0, 0);font-family: "Microsoft YaHei", 微软雅黑, Arial, sans-serif;font-size: 15px;line-height: 1.6;letter-spacing: 0px;text-align: left;word-break: break-word;">Nex-N2.5 Pro 阅读 UNEP《Emissions Gap Report 2024》，核对报告标题、章节结构和关键数据，再在 LibreOffice Writer 中整理研究笔记。 正文提炼短结论与证据信号，独立附录记录来源、可见页面核查和信息使用范围，使结论能够回到原报告查证。最终保存为两页可编辑文档，并逐页复核内容与排版。<h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例七：创意设计，从 Inkscape 概念图到 Blender 渲染</h3>Nex-N2.5 Pro 先在 Inkscape 中通过图形界面逐步绘制机甲概念板，确定身体比例、装甲轮廓、剑盾装备与配色，再将二维设计转化为 Blender 中的 58 个独立网格分件。 建模过程补全侧面厚度、背部推进器和连接结构，配置金属装甲、深色内构与能量自发光材质，最后加入相机、灯光和展示底座，完成 Eevee 渲染。<figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;height:auto;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=87090399&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fsz_mmbiz_png%2Fia2awwZLWFZRY38jTIAxr9OZEficUYkRcW2ib1DcTL37k5yibPlgsUtRPj84uRN6r0icTZOUuRiaXH5qtDKyV7weCJxML3Mw0v7L8bw5yfsMY77Mo%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg">Inkscape 概念图与 Blender 渲染</figure><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">案例八：Vision2Context</h3><p style="display: block;margin: 0px 0px 16px;padding: 0px;color: rgb(0, 0, 0);font-family: "Microsoft YaHei", 微软雅黑, Arial, sans-serif;font-size: 15px;line-height: 1.6;letter-spacing: 0px;text-align: left;word-break: break-word;">许多 Agent 任务受限于用户个性化上下文：例如申请公司 API 额度，模型需要了解内部平台、申请入口与审批流程。 Nex-N2.5 Pro 根据用户授权范围，从主动录制的示范视频或日常屏幕观察中提取这些信息，生成可复用的个性化 Skills，供 NorthCUA、OpenClaw 等 Agent 使用。 两段视频以差旅场景串联操作示范理解、Skill 生成和后续 Computer Use 执行。<div style="display:block;margin:42px 0 28px;padding:0;text-align:center;"><div style="display:inline-block;max-width:92%;margin:0;padding:0;background:#F2F7FD;border-bottom:1px solid #0654ea;box-sizing:border-box;transform:skew(-10deg);-webkit-transform:skew(-10deg);-moz-transform:skew(-10deg);-o-transform:skew(-10deg);"><div style="-webkit-tap-highlight-color:transparent;margin:0;padding:5px 18px;max-width:100%;box-sizing:border-box;overflow-wrap:break-word!important;display:flex;align-items:flex-start;white-space:normal;transform:skew(10deg);-webkit-transform:skew(10deg);-moz-transform:skew(10deg);-o-transform:skew(10deg);"><div style="flex:0 0 auto;margin:0;padding:0;max-width:100%;box-sizing:border-box!important;overflow-wrap:break-word!important;transform-style:preserve-3d;"><p style="margin:0;padding:0;max-width:100%;box-sizing:border-box!important;overflow-wrap:break-word!important;letter-spacing:1.5px;color:#0654ea;transform:translateZ(10px);-webkit-transform:translateZ(10px);-moz-transform:translateZ(10px);-o-transform:translateZ(10px);">02</div>技术解读</div></div></div><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">NexRT 推理基础设施</h3><p style="display: block;margin: 0px 0px 16px;padding: 0px;color: rgb(0, 0, 0);font-family: "Microsoft YaHei", 微软雅黑, Arial, sans-serif;font-size: 15px;line-height: 1.6;letter-spacing: 0px;text-align: left;word-break: break-word;">NexRT 是面向 Nex-N2.5-Pro 的单请求推理引擎，支持在 8 张 H100 或 H200 GPU 上运行普通解码、MTP 和 DFlash。通过定制 CUDA 内核、完整解码 CUDA Graph 和 GPU 直接通信，NexRT 优化从嵌入、注意力、MoE 到采样的整个解码路径。 NexRT 使用 SGLang 完成预填充，并在预填充与解码引擎之间共享路由专家权重；上下文并行注意力进一步减少长上下文中的重复 KV 读取。</div><img src="https://wechat2rss.bestblogs.dev/img-proxy/?k=7e862b57&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_gif%2Fia2awwZLWFZS1rZnOLhGuWsVgXVtjOdbuR0FNHEvdFNn7QtHKzsjSy6bgOZx3ecgh0wBKy4aQ9ocfGfxVBsRYibRWdBiaa4ibk6RVDlFyxkMgtI%2F640%3Fwx_fmt%3Dgif%26from%3Dappmsg"><div style="display:block;margin:0;padding:0;font-family:Microsoft YaHei,Arial,sans-serif;color:#2B2F33;"><figure style="margin:20px 0 22px;text-align:center;">NexRT 推理界面</figure><figure style="margin:20px 0 22px;text-align:center;"><img style="display:block;width:100%;max-width:100%;height:auto;margin:0 auto;border-radius:2px;" src="https://wechat2rss.bestblogs.dev/img-proxy/?k=335b6aeb&u=https%3A%2F%2Fmmbiz.qpic.cn%2Fmmbiz_png%2Fia2awwZLWFZSD3hD8pLYtU767z9iatmSy1hJrM7adx3dHibT4oftlleFMgDicNcRMKAwqQLyxoKZF5hwQFViccNrghM9EoqkLiaNf2Phet4WuW1ibI%2F640%3Fwx_fmt%3Dpng%26from%3Dappmsg">NexRT 吞吐性能</figure><div style="display:block;margin:42px 0 28px;padding:0;text-align:center;"><div style="display:inline-block;max-width:92%;margin:0;padding:0;background:#F2F7FD;border-bottom:1px solid #0654ea;box-sizing:border-box;transform:skew(-10deg);-webkit-transform:skew(-10deg);-moz-transform:skew(-10deg);-o-transform:skew(-10deg);"><div style="-webkit-tap-highlight-color:transparent;margin:0;padding:5px 18px;max-width:100%;box-sizing:border-box;overflow-wrap:break-word!important;display:flex;align-items:flex-start;white-space:normal;transform:skew(10deg);-webkit-transform:skew(10deg);-moz-transform:skew(10deg);-o-transform:skew(10deg);"><div style="flex:0 0 auto;margin:0;padding:0;max-width:100%;box-sizing:border-box!important;overflow-wrap:break-word!important;transform-style:preserve-3d;"><p style="margin:0;padding:0;max-width:100%;box-sizing:border-box!important;overflow-wrap:break-word!important;letter-spacing:1.5px;color:#0654ea;transform:translateZ(10px);-webkit-transform:translateZ(10px);-moz-transform:translateZ(10px);-o-transform:translateZ(10px);">03</div>部署与推理</div></div></div>模型下载（以 Max 为例）：<div style="box-sizing:border-box;display:block;margin:20px 0;padding:16px 18px;overflow-x:auto;background:#F5F6F8;border-radius:4px;color:#30343B;white-space:normal;">modelscope download \  --model nex-agi/Nex-N2.5-Max \  --local_dir ./Nex-N2.5-Max</div>官方提供预置定制 SGLang 分支的 Docker 镜像 nexagi/sglang:v0.5.18-nex-patch，三个尺寸的启动命令如下。<h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">Nex-N2.5-Max（2 节点 16 × H200）</h3><div style="box-sizing:border-box;display:block;margin:20px 0;padding:16px 18px;overflow-x:auto;background:#F5F6F8;border-radius:4px;color:#30343B;white-space:normal;">docker run --gpus all --shm-size 32g --network host \  -v /path/to/your/model:/model \  nexagi/sglang:v0.5.18-nex-patch \  python3 -m sglang.launch_server \    --model-path /path/to/your/model \    --trust-remote-code \    --host 0.0.0.0 --port 8000 \    --nnodes 2 --node-rank "${NODE_RANK}" \    --dist-init-addr "${MASTER_ADDR}:5000" \    --tp 16 --pp-size 1 --dp 1 --ep-size 16 \    --attention-backend dsv4 \    --kv-cache-dtype fp8_e4m3 \    --page-size 256 \    --moe-a2a-backend deepep --moe-runner-backend deep_gemm \    --moe-dense-tp-size 1 --deepep-mode auto \    --context-length 262144 \    --mem-fraction-static 0.84 \    --chunked-prefill-size 8192 --enable-mixed-chunk \    --disable-overlap-schedule --max-running-requests 64 \    --cuda-graph-max-bs-decode 64 \    --cuda-graph-backend-decode full \    --cuda-graph-backend-prefill disabled \    --chat-template /path/to/nex-n2.5-max/chat_template.jinja \    --reasoning-parser deepseek-r1 \    --tool-call-parser qwen3_coder</div><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">Nex-N2.5-Pro（单机 8 × H100，权重发布后适用）</h3><div style="box-sizing:border-box;display:block;margin:20px 0;padding:16px 18px;overflow-x:auto;background:#F5F6F8;border-radius:4px;color:#30343B;white-space:normal;">docker run --gpus all --shm-size 32g --ipc=host \  -p 30000:30000 -v /path/to/your/model:/model \  nexagi/sglang:v0.5.18-nex-patch \  python3 -m sglang.launch_server \    --model-path /model \    --tp 8 --host 0.0.0.0 --port 30000 \    --reasoning-parser qwen3 \    --tool-call-parser qwen3_coder \    --chat-template /path/to/nex-N2.5-Pro/chat_template.jinja \    --mamba-scheduler-strategy extra_buffer</div><h3 style="margin:28px 0 12px;color:#16181A;font-size:17px;line-height:1.55;font-weight:700;letter-spacing:.01em;">Nex-N2.5-mini（单机 2 × H100）</h3><div style="box-sizing:border-box;display:block;margin:20px 0;padding:16px 18px;overflow-x:auto;background:#F5F6F8;border-radius:4px;color:#30343B;white-space:normal;">docker run --gpus all --shm-size 32g --ipc=host \  -p 30000:30000 -v /path/to/your/model:/model \  nexagi/sglang:v0.5.18-nex-patch \  python3 -m sglang.launch_server \    --model-path /model \    --tp 2 --host 0.0.0.0 --port 30000 \    --reasoning-parser qwen3 \    --tool-call-parser qwen3_coder \    --chat-template /path/to/nex-N2.5-mini/chat-template.jinja \    --mamba-scheduler-strategy extra_buffer</div>采样与思考模式：官方推荐 temperature=0.7、top_p=0.95、top_k=40。通过 reasoning_effort 控制思考行为：none 不思考直接回答，medium（默认）自适应思考，high 始终思考。点击阅读原文，即可跳转模型合集~<div style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-family: "PingFang SC NEW", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;visibility: visible;"><hr style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;font-family: "PingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;border-style: solid;border-width: 1px 0px 0px;border-color: rgba(0, 0, 0, 0.1);transform-origin: 0px 0px;transform: scale(1, 0.5);"><div label="edit by 135editor" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-family: "PingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;"><p style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-align: left;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-family: system-ui, -apple-system, BlinkMacSystemFont, Arial, sans-serif;"><pre style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;text-align: left;"><pre style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;text-align: left;"><div style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;visibility: visible;"><div style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;letter-spacing: 0.544px;background-color: rgb(255, 255, 255);"><div style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;letter-spacing: 0.544px;"><div style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><div style="-webkit-tap-highlight-color: transparent;margin: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;line-height: 1.6em;"><p style="-webkit-tap-highlight-color: transparent;margin-top: 0px;margin-right: 0px;margin-bottom: unset;margin-left: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;text-align: center;line-height: 1.6em;font-family: system-ui, -apple-system, BlinkMacSystemFont, Arial, sans-serif;">👇点击关注ModelScope公众号获取<p style="-webkit-tap-highlight-color: transparent;margin-top: 0px;margin-right: 0px;margin-bottom: unset;margin-left: 0px;padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;color: rgba(0, 0, 0, 0.9);font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;letter-spacing: 0.544px;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;background-color: rgb(255, 255, 255);text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;text-align: center;line-height: 1.6em;font-family: system-ui, -apple-system, BlinkMacSystemFont, Arial, sans-serif;">更多技术信息~</div></div></div></div></div></pre></pre></div></div></div>

<a href="https://modelscope.cn/collections/nex-agi/Nex-N25" target="_blank">阅读原文</a>
<a href="https://wechat2rss.bestblogs.dev/link-proxy/?k=a33e7f7a&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzk3NTc1NTU0Mw%3D%3D%26mid%3D2247513065%26idx%3D1%26sn%3Dfba23adcf774d286d066025e9ee8f968" target="_blank">跳转微信打开</a>

AI技术资讯来自量子位 9月9日 17:57 ☆☆☆☆☆ 0

国产AI4S计算平台登场亮相2026外滩大会算力技术与人才布局双向发力

国产AI4S计算平台登场亮相2026外滩大会算力技术与人才布局双向发力 [图片: http://www.qbitai.com/wp-content/uploads/2019/06/200-100x100.jpg] 量子位的朋友们 2026-09-09 17:57:54 来源：量子位以“共创AI新经济”为主题的2026 Inclusion・外滩大会于9月9日在上海黄浦世博园区举办，汇聚全球科创力量，搭建科技、产业、资本协同融合的国际化平台。太初（杭州）集成电路有限公司（简称 “太初元碁”）携核心技术成果参展，国产AI4S计算平台亮相创新科技成果展区，并首次公开展示平台重要更新——TecoWeatherNext台风追踪系统。同时，太初元碁将参与大会同步设置科技人才招聘会，携多个研发核心岗位现场“抢人”。据介绍，本次展出的国产AI4S计算平台是太初元碁自主研发的一站式科研创新平台，于今年7月正式上线，面向气象预测、生物医药、量子力学、化学材料、流体力学等前沿科学领域，构建全栈原生科研解决方案。 [图片: https://i.qbitai.com/wp-content/uploads/2026/09/986875cb7d69e17f5e50e2b6521a39ec.jpeg] 太初元碁AI4S算法工程师杜非凡表示，平台以自研异构众核AI芯片为算力底座，覆盖硬件、基础组件、加速库、模型框架、开发套件全链路，全面兼容龙芯、申威、飞腾、x86 等国内外主流CPU，搭载自研编程模型与科学计算专用加速库，深度适配PyTorch、JAX、飞桨、MindSpore等主流框架，配套DevKit开发套件，大幅降低算子开发与性能调优门槛，实现 “中国芯”赋能科学计算。依托全栈软硬协同能力，平台已在多领域实现落地突破。太初元碁与清华大学、湖南大学、山东大学、百度、东润等高校及行业伙伴深度合作，打造气象预报、量子模拟、基因分析、材料仿真等高效科研解决方案，推动科研与产业级科学计算落地。此次外滩大会上，平台发布后重要更新成果——TecoWeatherNext 台风追踪系统首次公开亮相。“这个台风追踪系统融合气象数据、AI预报模型与台风追踪技术，构建数据获取、智能预测、台风识别一体化流程，适配国产气象大模型，可实现台风轨迹与风场、海平面气压、温度、降水等气象图层组合展示，精准直观呈现台风动向与预测分析，为气象防灾减灾提供智能化技术支撑。”杜非凡说道。目前，太初元碁国产AI4S计算平台已上架量子力学、化学材料、生物医药、气象预测、能源科学、低空经济等多款场景应用模块，并联合近20家国内知名高校、科研机构、企业发起“AI4S 国产算力创新生态校企共建倡议”，携手产学研全链路伙伴，推动人工智能与科学研究纵深发展。在展示硬核技术成果的同时，太初元碁将同步参与外滩大会设置科技人才招聘专场，现场开启校招、社招多岗位同步招聘工作。太初元碁校招负责人刘锐涵向记者介绍，本次共带来AI工程、芯片研发、基础软件等十余个核心岗位，涵盖AI芯片推理架构研究员、高性能算子库研究员、解决方案架构师等热门赛道，“今年以来，随着我国人工智能不断发展，国产算力领域科技人才缺口较大，我们希望依托外滩大会的平台能够吸引更多优秀科技人才加入到国产AI芯片研发及算力产品的设计、迭代工作当中，夯实国产智算底座。”刘锐涵说道。据其介绍，在人才梯队建设方面，太初元碁已构建高质量科创团队，硕博学历人才占比超70%。近年来持续扩大校招规模，两年来在北京、上海、无锡累计引进校招人才50余位，覆盖本硕博多层次数字化人才。通过导师带教、技能培训、技术讨论、文化融入等陪伴式成长计划，加速校招人才职业化、专业化发展，超40名校招储备人才凭借优异表现实现晋升；推行“启航”干部培养计划，新任干部内培率达90%，干部队伍内培人数超外招；通过挑战型任务历练潜力人才，培育内部高阶业务骨干超80位，形成自主可控的人才培养体系。本文由太初元碁提供，量子位获授权转载，观点归原作者所有。版权所有，未经授权不得以任何形式转载及使用，违者必究。

查看原文

<h1>国产AI4S计算平台登场亮相2026外滩大会 算力技术与人才布局双向发力</h1>
 <div>
 <img alt="量子位的朋友们" src="http://www.qbitai.com/wp-content/uploads/2019/06/200-100x100.jpg" height="100" width="100"><a href="https://www.qbitai.com/author/qbitai" title="由 量子位的朋友们 发布" target="_blank">量子位的朋友们</a>
 2026-09-09
 17:57:54
 
 来源：<a href="https://www.qbitai.com/" target="_blank">量子位</a> </div>
 
 以“共创AI新经济”为主题的2026 Inclusion・外滩大会于9月9日在上海黄浦世博园区举办，汇聚全球科创力量，搭建科技、产业、资本协同融合的国际化平台。太初（杭州）集成电路有限公司（简称 “太初元碁”）携核心技术成果参展，国产AI4S计算平台亮相创新科技成果展区，并首次公开展示平台重要更新——TecoWeatherNext台风追踪系统。同时，太初元碁将参与大会同步设置科技人才招聘会，携多个研发核心岗位现场“抢人”。
据介绍，本次展出的国产AI4S计算平台是太初元碁自主研发的一站式科研创新平台，于今年7月正式上线，面向气象预测、生物医药、量子力学、化学材料、流体力学等前沿科学领域，构建全栈原生科研解决方案。
<div><img src="https://i.qbitai.com/wp-content/uploads/2026/09/986875cb7d69e17f5e50e2b6521a39ec.jpeg"></div>
太初元碁AI4S算法工程师杜非凡表示，平台以自研异构众核AI芯片为算力底座，覆盖硬件、基础组件、加速库、模型框架、开发套件全链路，全面兼容龙芯、申威、飞腾、x86 等国内外主流CPU，搭载自研编程模型与科学计算专用加速库，深度适配PyTorch、JAX、飞桨、MindSpore等主流框架，配套DevKit开发套件，大幅降低算子开发与性能调优门槛，实现 “中国芯”赋能科学计算。
依托全栈软硬协同能力，平台已在多领域实现落地突破。太初元碁与清华大学、湖南大学、山东大学、百度、东润等高校及行业伙伴深度合作，打造气象预报、量子模拟、基因分析、材料仿真等高效科研解决方案，推动科研与产业级科学计算落地。
此次外滩大会上，平台发布后重要更新成果——TecoWeatherNext 台风追踪系统首次公开亮相。“这个台风追踪系统融合气象数据、AI预报模型与台风追踪技术，构建数据获取、智能预测、台风识别一体化流程，适配国产气象大模型，可实现台风轨迹与风场、海平面气压、温度、降水等气象图层组合展示，精准直观呈现台风动向与预测分析，为气象防灾减灾提供智能化技术支撑。”杜非凡说道。
目前，太初元碁国产AI4S计算平台已上架量子力学、化学材料、生物医药、气象预测、能源科学、低空经济等多款场景应用模块，并联合近20家国内知名高校、科研机构、企业发起“AI4S 国产算力创新生态校企共建倡议”，携手产学研全链路伙伴，推动人工智能与科学研究纵深发展。
在展示硬核技术成果的同时，太初元碁将同步参与外滩大会设置科技人才招聘专场，现场开启校招、社招多岗位同步招聘工作。太初元碁校招负责人刘锐涵向记者介绍，本次共带来AI工程、芯片研发、基础软件等十余个核心岗位，涵盖AI芯片推理架构研究员、高性能算子库研究员、解决方案架构师等热门赛道，“今年以来，随着我国人工智能不断发展，国产算力领域科技人才缺口较大，我们希望依托外滩大会的平台能够吸引更多优秀科技人才加入到国产AI芯片研发及算力产品的设计、迭代工作当中，夯实国产智算底座。”刘锐涵说道。
据其介绍，在人才梯队建设方面，太初元碁已构建高质量科创团队，硕博学历人才占比超70%。近年来持续扩大校招规模，两年来在北京、上海、无锡累计引进校招人才50余位，覆盖本硕博多层次数字化人才。通过导师带教、技能培训、技术讨论、文化融入等陪伴式成长计划，加速校招人才职业化、专业化发展，超40名校招储备人才凭借优异表现实现晋升；推行“启航”干部培养计划，新任干部内培率达90%，干部队伍内培人数超外招；通过挑战型任务历练潜力人才，培育内部高阶业务骨干超80位，形成自主可控的人才培养体系。
本文由太初元碁提供，量子位获授权转载，观点归原作者所有。
 
 
 <div>版权所有，未经授权不得以任何形式转载及使用，违者必究。</div>

网智前沿来自 Mobile Europe 9月9日 17:34 ☆☆☆☆☆ 0

PSTN switch-off deadline looms: Is the UK ready?

By the end of January 2027, the UK plans to retire its Public Switched Telephone Network (PSTN ), ending the traditional phone network that has been in place for decades. For most businesses and customers, the change should mean moving to digital landlines, VoIP or other modern communications services. The technology is already available, and for many organisations the switch could bring better flexibility, easier remote working and access to a much wider range of communications tools. But switching millions of customers from an old network to new technology is not as simple as replacing a phone. Some businesses still rely on old phone systems, and devices such as alarms, telecare systems, and lift phones may also depend on the PSTN . Some customers may not even realise they are affected. But there is still a question hanging over the whole process: are we ready to retire the system that has been in place for decades? The technology isn’t the problem According to Crystaline Director and Co-Founder, Kristian Torode, the UK has made “strong progress” towards the PSTN switch-off, but “readiness is becoming a capacity question as much as a technology one”. He claims PSTN migration can take 30 to 60 days, with limited engineer appointments for businesses that need a visit. While there are no widespread delays yet, leaving migration until the final months could put pressure on providers and make smooth transfers harder to deliver. He said providers should help businesses prepare by auditing affected lines and services, explaining what needs to change and arranging engineering work early. “For a business without a telecoms team, the provider should effectively become an extension of that team,” he says. “The final few per cent are likely to be the hardest because they will include businesses still unsure how the change affects them. The later those organisations act, the less flexibility there is around engineer availability.” Torode continues: “The risk is not that migration becomes impossible, but that a seamless handover becomes harder to guarantee, increasing the chance of broadband or phone downtime and disruption to business continuity.” The final few percent could be the hardest For many businesses, the challenge may not be finding an alternative to the PSTN but finding the time and support to make the switch. Businesses are not short of alternatives. VoIP, cloud communications and mobile services can all provide a replacement for traditional landlines, while also offering features that weren’t possible with the old network. Jens Jenson, Chief Innovation Officer at Vonage, part of Ericsson , says the switch could ultimately give businesses and consumers access to better ways of communicating. “The UK’s move away from the PSTN is necessary, and the transition brings with it a genuine opportunity to build something better,” he says. “For most people and businesses, VoIP is a viable alternative that also offers key benefits compared to a traditional landline. It can provide greater flexibility and scalability, while supporting features such as call forwarding, voicemail, collaboration tools and CRM integrations. “Where fixed broadband is limited, mobile networks offer an equally strong path forward; countries such as Norway and Sweden have already demonstrated this, with businesses and consumers embracing mobile-first communications as their primary replacement for the landline,” he continues. However, he warns the move cannot be treated as a simple equipment upgrade. “Providers need to communicate in clear, practical terms, particularly with customers who may not realise that devices such as personal alarms, telecare systems and lift phones may also rely on the analogue network. A key challenge with the transition is that the final few per cent to make the switch are likely to be the most difficult to reach,” he explains. Instead, he advises, for a successful transition “providers need to go beyond awareness campaigns or one-off equipment changes.” He says: “Customers will need ongoing consultative support before, during and after the migration. Providers should help them assess their communication and connectivity needs, test replacement services and adjust going forward as their needs change. “This kind of practical guidance will be key to ensuring the move is smooth. Ultimately the transition should be judged by whether people and organisations can continue to make and receive the calls they depend on without interruption.” Providers have a bigger role to play Rather than simply telling a customer that their service is being switched off, providers should help them understand what is affected and what their options are. The technology is already there. Cloud-based phone systems can provide voice, video, messaging and collaboration tools in one place. Employees can work from different locations, calls can be forwarded to mobiles and businesses can connect their phone systems to other software they already use. For many organisations, the move could improve their communications. Ryan Osbourne, CallTower’s Telecom Product Owner, agrees and believes the UK has the tools it needs to make the transition work. “The UK should be ready for the PSTN switch-off, provided that businesses and consumers take advantage of the modern cloud infrastructure already available,” he says. “Many cloud service providers are also helping ease the transition to the cloud by providing migration planning, number porting, user training, and ongoing support to facilitate cloud adoption.” He continues: “Providers can further ensure no organisations are left behind by offering continued education, proactive outreach, and tailored migration assistance. The question is less about whether the UK is ready and more about whether organisations are acting early enough.” So, is the UK ready? Potentially- but there is still work to do. The technology is there, and there are plenty of alternatives to the old PSTN network. The bigger concern is making sure everyone who still relies on it knows what they need to do and has the support to make the change. The final few percent could be the tricky part. They are likely to include businesses and consumers who are less confident with new technology, don’t realise they are affected, or simply haven’t got around to making the switch. That means providers have an important role to play. Businesses also need to stop putting the migration off and give themselves enough time to deal with any problems. IN RELATED NEWS UK PSTN switch-off: millions of landline users remain unclear on migration Openreach warns firms to ‘act now’ as PSTN switch-off enters final 6 months Inside Openreach’s final push to shut down the UK’s old telephone network The post PSTN switch-off deadline looms: Is the UK ready? appeared first on Mobile Europe .

查看原文

By the end of January 2027, the UK plans to retire its <a href="https://www.mobileeurope.co.uk/tag/PSTN/">Public Switched Telephone Network (PSTN</a>), ending the traditional phone network that has been in place for decades.

For most businesses and customers, the change should mean moving to digital landlines, VoIP or other modern communications services.

The technology is already available, and for many organisations the switch could bring better flexibility, easier remote working and access to a much wider range of communications tools.

But switching millions of customers from an old network to new technology is not as simple as replacing a phone.

Some businesses still rely on old phone systems, and devices such as alarms, telecare systems, and lift phones may also depend on the <a href="https://www.mobileeurope.co.uk/tag/PSTN/">PSTN</a>. Some customers may not even realise they are affected.

But there is still a question hanging over the whole process: are we ready to retire the system that has been in place for decades?

<h2 class="wp-block-heading">The technology isn’t the problem </h2>

According to Crystaline Director and Co-Founder, Kristian Torode, the UK has made “strong progress” towards the PSTN switch-off, but “readiness is becoming a capacity question as much as a technology one”.

He claims PSTN migration can take 30 to 60 days, with limited engineer appointments for businesses that need a visit. While there are no widespread delays yet, leaving migration until the final months could put pressure on providers and make smooth transfers harder to deliver.

He said providers should help businesses prepare by auditing affected lines and services, explaining what needs to change and arranging engineering work early.

“For a business without a <a href="https://www.mobileeurope.co.uk/tag/telecoms/">telecoms</a> team, the provider should effectively become an extension of that team,” he says.

“The final few per cent are likely to be the hardest because they will include businesses still unsure how the change affects them. The later those organisations act, the less flexibility there is around engineer availability.”

Torode continues: “The risk is not that migration becomes impossible, but that a seamless handover becomes harder to guarantee, increasing the chance of broadband or phone downtime and disruption to business continuity.”

<h2 class="wp-block-heading">The final few percent could be the hardest </h2>

For many businesses, the challenge may not be finding an alternative to the PSTN but finding the time and support to make the switch.

Businesses are not short of alternatives. VoIP, <a href="https://www.mobileeurope.co.uk/category/content-categories/cloud-nfv/">cloud communications</a> and mobile services can all provide a replacement for traditional landlines, while also offering features that weren’t possible with the old network.

Jens Jenson, Chief Innovation Officer at Vonage, part of <a href="https://www.mobileeurope.co.uk/tag/Ericsson/">Ericsson</a>, says the switch could ultimately give businesses and consumers access to better ways of communicating.

“The UK’s move away from the PSTN is necessary, and the transition brings with it a genuine opportunity to build something better,” he says.

“For most people and businesses, VoIP is a viable alternative that also offers key benefits compared to a traditional landline. It can provide greater flexibility and scalability, while supporting features such as call forwarding, voicemail, collaboration tools and CRM integrations.

“Where fixed broadband is limited, mobile networks offer an equally strong path forward; countries such as Norway and Sweden have already demonstrated this, with businesses and consumers embracing mobile-first communications as their primary replacement for the landline,” he continues.

However, he warns the move cannot be treated as a simple equipment upgrade.

“Providers need to communicate in clear, practical terms, particularly with customers who may not realise that devices such as personal alarms, telecare systems and lift phones may also rely on the analogue network. A key challenge with the transition is that the final few per cent to make the switch are likely to be the most difficult to reach,” he explains.

Instead, he advises, for a successful transition “providers need to go beyond awareness campaigns or one-off equipment changes.”

He says: “Customers will need ongoing consultative support before, during and after the migration. Providers should help them assess their communication and connectivity needs, test replacement services and adjust going forward as their needs change.

“This kind of practical guidance will be key to ensuring the move is smooth. Ultimately the transition should be judged by whether people and organisations can continue to make and receive the calls they depend on without interruption.”

<h2 class="wp-block-heading">Providers have a bigger role to play </h2>

Rather than simply telling a customer that their service is being switched off, providers should help them understand what is affected and what their options are.

The technology is already there. Cloud-based phone systems can provide voice, video, messaging and collaboration tools in one place. Employees can work from different locations, calls can be forwarded to mobiles and businesses can connect their phone systems to other software they already use.

For many organisations, the move could improve their communications.

Ryan Osbourne, CallTower’s Telecom Product Owner, agrees and believes the UK has the tools it needs to make the transition work.

“The UK should be ready for the PSTN switch-off, provided that businesses and consumers take advantage of the modern cloud infrastructure already available,” he says.

“Many cloud service providers are also helping ease the transition to the cloud by providing migration planning, number porting, user training, and ongoing support to facilitate cloud adoption.”

He continues: “Providers can further ensure no organisations are left behind by offering continued education, proactive outreach, and tailored migration assistance. The question is less about whether the UK is ready and more about whether organisations are acting early enough.”

<h2 class="wp-block-heading">So, is the UK ready?  </h2>

Potentially- but there is still work to do.

The technology is there, and there are plenty of alternatives to the old PSTN network. The bigger concern is making sure everyone who still relies on it knows what they need to do and has the support to make the change.

The final few percent could be the tricky part. They are likely to include businesses and consumers who are less confident with new technology, don’t realise they are affected, or simply haven’t got around to making the switch.

That means providers have an important role to play. Businesses also need to stop putting the migration off and give themselves enough time to deal with any problems.

IN RELATED NEWS

<ul class="wp-block-list">
<li><a href="https://www.mobileeurope.co.uk/community-fibre-pstn/">UK PSTN switch-off: millions of landline users remain unclear on migration</a></li>

<li><a href="https://www.mobileeurope.co.uk/openreach-pstn-deadline/">Openreach warns firms to ‘act now’ as PSTN switch-off enters final 6 months</a></li>

<li><a href="https://www.mobileeurope.co.uk/openreach-james-lilley-pstn/">Inside Openreach’s final push to shut down the UK’s old telephone network</a></li>
</ul>
The post <a href="https://www.mobileeurope.co.uk/pstn-deadline-is-the-uk-ready/">PSTN switch-off deadline looms: Is the UK ready?</a> appeared first on <a href="https://www.mobileeurope.co.uk">Mobile Europe</a>.

网智前沿来自 Mobile Europe 9月9日 17:34 ☆☆☆☆☆ 0

Qualcomm, Amazon to develop AI infrastructure

Qualcomm has partnered with Amazon on a new, multi-generation project aimed at developing technology for AI data centres. Under the partnership, the technology giants will work together on customised chips for large-scale AI systems, with a focus on AI inference. They will also develop optical connectivity technology capable of supporting speeds of up to 1.6T, along with future versions of the technology. Additionally, Amazon will bring its AWS infrastructure and AI capabilities to the project, while Qualcomm will contribute its experience in chip design, processing and system integration. The companies will also work on optical connectivity designed to move data more quickly around AI data centres, tapping Qualcomm’s SerDes and optical DSP technologies. Qualcomm also plans to make greater use of AWS AI infrastructure for its own electronic design automation (EDA) work, which includes Amazon Bedrock. Qualcomm President and CEO, Cristiano Amon, said: “As AI demand accelerates, data centre infrastructure will require advances in both computing and connectivity to deliver greater performance with more efficiency. “Qualcomm is pleased to work with AWS on customised silicon and connectivity solutions, bringing decades of leadership in advanced processing and power-efficient compute, to deliver breakthrough performance and enable the next generation of AI infrastructure.” AWS VP, Prasad Kalyanaraman, added: “This collaboration with Qualcomm Technologies builds on a strong foundation of partnership and reflects our shared commitment to pushing the boundaries of what’s possible. “By working together on customised silicon and advanced connectivity, we’re delivering more performant, efficient, and cost-effective infrastructure for our customers.” IN RELATED NEWS AWS doubles down on Nvidia with 2 million more GPUs Qualcomm poaches Motorola veteran to lead AI & mobile arm EU launches €30bn AI Gigafactory plan with AMD, Nvidia & Qualcomm backing The post Qualcomm, Amazon to develop AI infrastructure appeared first on Mobile Europe .

查看原文

Qualcomm has partnered with Amazon on a new, multi-generation project aimed at developing technology for AI <a href="https://www.mobileeurope.co.uk/tag/data-centre/">data centres.</a>

Under the partnership, the technology giants will work together on customised chips for large-scale AI systems, with a focus on <a href="https://www.mobileeurope.co.uk/category/content-categories/automation-ai/">AI inference.</a>

They will also develop optical connectivity technology capable of supporting speeds of up to 1.6T, along with future versions of the technology.

Additionally, Amazon will bring its <a href="https://www.mobileeurope.co.uk/tag/AWS/">AWS infrastructure</a> and AI capabilities to the project, while Qualcomm will contribute its experience in chip design, processing and system integration.

The companies will also work on optical connectivity designed to move data more quickly around AI data centres, tapping Qualcomm’s SerDes and optical DSP technologies.

Qualcomm also plans to make greater use of AWS AI infrastructure for its own electronic design automation (EDA) work, which includes Amazon Bedrock.

Qualcomm President and CEO, Cristiano Amon, said: “As AI demand accelerates, data centre infrastructure will require advances in both computing and connectivity to deliver greater performance with more efficiency.

“Qualcomm is pleased to work with AWS on customised silicon and connectivity solutions, bringing decades of leadership in advanced processing and power-efficient compute, to deliver breakthrough performance and enable the next generation of AI infrastructure.”

AWS VP, Prasad Kalyanaraman, added: “This collaboration with Qualcomm Technologies builds on a strong foundation of partnership and reflects our shared commitment to pushing the boundaries of what’s possible.

“By working together on customised silicon and advanced connectivity, we’re delivering more performant, efficient, and cost-effective infrastructure for our customers.”

IN RELATED NEWS

<ul class="wp-block-list">
<li><a href="https://www.mobileeurope.co.uk/aws-nvidia-gpu/">AWS doubles down on Nvidia with 2 million more GPUs</a></li>

<li><a href="https://www.mobileeurope.co.uk/qualcomm-motorola-ai-mobile/">Qualcomm poaches Motorola veteran to lead AI & mobile arm</a></li>

<li><a href="https://www.mobileeurope.co.uk/eu-ai-gigafactory-nvidia/">EU launches €30bn AI Gigafactory plan with AMD, Nvidia & Qualcomm backing</a></li>
</ul>
The post <a href="https://www.mobileeurope.co.uk/amazon-qualcomm-ai/">Qualcomm, Amazon to develop AI infrastructure</a> appeared first on <a href="https://www.mobileeurope.co.uk">Mobile Europe</a>.

网智前沿来自 Mobile Europe 9月9日 17:00 ☆☆☆☆☆ 0

Verizon, Corning sign multibillion-dollar fibre deal

Verizon and Corning have signed a multibillion-dollar agreement that will see the telecoms giant receive more than 80 million miles of high-density optical fibre and connectivity solutions between 2027 and 2032. According to Verizon, the fibre deal will play a role in both areas, supporting connections for homes and businesses while helping build the long-distance infrastructure needed to link AI data centres . Verizon Business CEO, Kyle Malady, said: “Securing this volume of fibre allows us to continue building the network of the future at an unprecedented scale. “We are deploying a single, converged architecture that unites mobile connectivity and broadband into one seamless experience for millions of families and businesses, while simultaneously building the high-capacity, low-latency backbone AI hyperscalers demand. With Corning as our partner, we are securing the physical foundation of America’s AI economy .” Additionally, the agreement will support Verizon’s ambition to reach between 40 million and 50 million broadband passings. Verizon is also using its AI Connect strategy to build high-density fibre along major long-haul routes, linking data centres and supporting major AI providers such as Amazon Web Services (AWS). The deal builds on a 30-year partnership between Verizon and Corning. Corning Optical Communications, Senior Vice President and General Manager, Mike O’Day, said: “Corning is thrilled to deepen our three-decade partnership with Verizon as we provide our latest optical innovations in fibre, cable, and connectivity to link AI data centres together while ensuring more Americans have access to AI with high-speed fibre connections at home. “This partnership demonstrates that Gen AI and broadband expansion are part of the same transformative opportunity. Corning is proud to build on our 175-year legacy of supporting our customers’ growth with breakthrough innovations that we manufacture at scale here in the United States.” IN RELATED NEWS Verizon taps Google Cloud to scale AI operations Verizon’s CEO surprise departure as Telefonica’s new head readies strategy Verizon, Nokia to deploy private 5G nets across Thames Freeport The post Verizon, Corning sign multibillion-dollar fibre deal appeared first on Mobile Europe .

查看原文

Verizon and Corning have signed a multibillion-dollar agreement that will see the telecoms giant receive more than 80 million miles of high-density optical fibre and connectivity solutions between 2027 and 2032.

According to Verizon, the fibre deal will play a role in both areas, supporting connections for homes and businesses while helping build the long-distance <a href="https://www.mobileeurope.co.uk/tag/infrastructure/">infrastructure</a> needed to link AI <a href="https://www.mobileeurope.co.uk/tag/data-centre/">data centres</a>.

Verizon Business CEO, Kyle Malady, said: “Securing this volume of fibre allows us to continue building the network of the future at an unprecedented scale.

“We are deploying a single, converged architecture that unites mobile connectivity and broadband into one seamless experience for millions of families and businesses, while simultaneously building the high-capacity, low-latency backbone AI hyperscalers demand. With Corning as our partner, we are securing the physical foundation of America’s <a href="https://www.mobileeurope.co.uk/category/content-categories/automation-ai/">AI economy</a>.”

Additionally, the agreement will support Verizon’s ambition to reach between 40 million and 50 million broadband passings.

Verizon is also using its AI Connect strategy to build high-density fibre along major long-haul routes, linking data centres and supporting major AI providers such as <a href="https://www.mobileeurope.co.uk/tag/AWS">Amazon Web Services (AWS).</a>

The deal builds on a 30-year partnership between Verizon and Corning.

Corning Optical Communications, Senior Vice President and General Manager, Mike O’Day, said: “Corning is thrilled to deepen our three-decade partnership with Verizon as we provide our latest optical innovations in fibre, cable, and connectivity to link AI data centres together while ensuring more Americans have access to AI with high-speed fibre connections at home.

“This partnership demonstrates that Gen AI and broadband expansion are part of the same transformative opportunity. Corning is proud to build on our 175-year legacy of supporting our customers’ growth with breakthrough innovations that we manufacture at scale here in the United States.”

IN RELATED NEWS

<ul class="wp-block-list">
<li><a href="https://www.mobileeurope.co.uk/verizon-taps-google-cloud-to-scale-ai-operations/">Verizon taps Google Cloud to scale AI operations</a></li>

<li><a href="https://www.mobileeurope.co.uk/verizons-ceo-surprise-departure-as-telefonicas-new-head-readies-strategy/">Verizon’s CEO surprise departure as Telefonica’s new head readies strategy</a></li>

<li><a href="https://www.mobileeurope.co.uk/verizon-nokia-to-deploy-private-5g-nets-across-thames-freeport/">Verizon, Nokia to deploy private 5G nets across Thames Freeport</a></li>
</ul>
The post <a href="https://www.mobileeurope.co.uk/verizon-corning-fibre-deal/">Verizon, Corning sign multibillion-dollar fibre deal</a> appeared first on <a href="https://www.mobileeurope.co.uk">Mobile Europe</a>.

AI技术资讯来自 INFOQ 9月9日 16:54 ☆☆☆☆☆ 0

Azure Virtual Desktop Hybrid Reaches GA with Licensing Details Unpublished

[图片: https://res.infoq.com/news/2026/09/avd-hybrid-ga/en/headerimage/generatedHeaderImage-1788339494959.jpg] Microsoft has made Azure Virtual Desktop Hybrid generally available. Session hosts run on customer hardware through Azure Arc while brokering stays in Azure. The Hybrid service license is unpriced, Windows Server support requires RDS CALs with Software Assurance, and multi-session Windows is not supported at all. By Steef-Jan Wiggers

查看原文

AI技术资讯来自新智元 9月9日 16:11 ☆☆☆☆☆ 0

60分靠数据，100分靠自进化：清华曹婷和「域变换」攻向机器人可部署

[图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYWuBymexWFlTDU621PsrBZGHqY8QWYh5SwXmSM8qJ11REJlSAjFick5eLNY7iazG72GbKWicTcPPQ79Efbhay3Hqx2doOF3TmEZkM/640?wx_fmt=jpeg&from=appmsg] 新智元报道 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWGxcbmnyYvqrSqhntcbPdelKBG0JLug4pEX8icjBSe5eib6PekswOSvrq8ybatQJRDr9Vib5WOKaUuibKfLb5qH3J4kEIYmC4NQJU/640?wx_fmt=png&from=appmsg] 具身智能讨论的核心问题正在改变：从谁有更多数据能做出更强基础模型，转向谁能把机器人真正部署到现场，并让它持续做成任务。具身智能的风向，变了。过去两年，行业最热烈的争论围绕基础模型展开：VLA还是世界模型？端到端还是分层架构？谁拥有更多参数、更多数据和更强的zero-shot能力？如今，当模型开始走出实验室，新的问题压过了路线之争：机器人能不能在真实现场稳定工作？ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 硅谷刚达成共识清华已经动手了在硅谷，这种变化已经成为一批研究者和投资人的共同感受。投资人Georgi Koreli近期转述了Physical Intelligence联合创始人兼CEO Karol Hausman在一场闭门晚宴上的判断：机器人数据稀缺正在缓解，真正没有被解决的是从「能做」到「可靠完成任务」的最后一段路。模型学的是复现数据集中的动作，企业要的却是任务成功。从0到60%的zero-shot能力主要是数据问题，从60%走向可部署，还没人能解决。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYWibHcTf9KAgkQKvS9EVpFSe5icVVJTgo4QibR8yCib9BIticVCZ4LxnD2SgndSUhCxmpLfobpnqRyk4pbicobkUNDPLpZauT1yhmEibk/640?from=appmsg] 而在国内，有一支团队更早押注了同一个问题。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYXxoAQrjLqa3t4SbOjvlC6Fxx1dKyDLEU6oDfba6uB41PtQGpEchN002my9DFAjicMkQl2U9NQRkkicHicIZtymILTggCwuSEnIAU/640?from=appmsg] 2026年，从z0到Zetta ζ，再到Zeva，清华大学智能产业研究院（AIR）教授曹婷与她发起的域变换（Z-Trans）密集开源上下文因果学习世界模型、闭环在线学习Agent和支持全部署周期的训推基础设施，把研究焦点从「机器人出厂时会什么」，推向「机器人部署后还能学会什么」，并率先将这套面向真实物理部署的完整范式定义为：具身自进化。新智元为此与曹婷进行了一次深入交流。从微软亚洲研究院到清华AIR，再到发起域变换，她始终在追问同一个问题：如何让AI不只在论文和Benchmark里成立，而能在真实世界中创造价值？答案藏在一次真实交互里。一只机械臂伸向透明塑料水杯，第一次用力过猛，第二次位置不对，第三次却调整动作，拿起了水杯，之后类似的杯子都可以成功抓起。几次尝试之间，模型没有重新训练，权重也没有更新，却从与物理世界的交互中学会了下一次该怎么做。一段在小红书播放数万次的机器人自进化视频：不更新模型权重，机器人凭与物理世界的连续交互，学会下一次做得更好。这正是域变换试图攻下「可部署鸿沟」的方式：让机器人从「部署即定型」走向「部署后进化」，在真实工作中越用越强。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 60分之后，决战部署大模型的成功建立在一个极具吸引力的逻辑上：更多数据、更大参数量与更多算力，可以带来能力的持续涌现。于是，早期具身智能也开始复制这条路径：采集更多操作数据，训练更大的VLA和WAM模型，再通过微调适配不同任务。这条路能够显著提高机器人的初始能力，却在走向真实部署时遭遇瓶颈。模型优化的是对数据中动作的复现，企业需要的却是任务稳定成功。于是，具身模型越来越多、Demo越来越惊艳，真正能够进入工厂、实验室和家庭长期工作的机器人却依然很少。开篇所说的「60分」，不是适用于所有任务的精确及格线，而是对产业阶段的概括：预训练解决机器人基础操作能力，部署要求解决的却是它能否在环境变化、执行误差和长尾情况中「持续做成」。前者可以主要依靠离线数据提升，后者不能靠继续离线堆叠数据自然得到。根本原因在于，物理世界持续变化无法被离线数据穷举。机器人面对的摩擦、碰撞、位置变化和执行失败，只会在行动中真实发生。每换一个环境就重新采集、fine-tune和部署，不仅成本高，也无法形成规模效应。因此，从60分到可部署，缺的不是再做一次离线训练，而是一种新的能力：机器人能够在部署中利用真实反馈持续纠偏，把每次成功和失败转化为下一次行动的经验。下一阶段的竞争，也将从谁拥有更多离线样本，转向谁能率先建立这套部署后的学习闭环。「自进化」在数字世界并不是一个新概念，软件Agent、博弈智能和大模型领域已经讨论多年。域变换率先明确提出和定义的，是具身智能在真实物理世界中的自进化范式：物理智能体在部署环境中持续交互，通过反馈与经验沉淀自主修正策略，并不断提升任务成功率。域变换关注的从来不是机器人偶然成功一两次，而是它能否随着交互持续变强。因此，几乎在域变换发布的每项工作中，都会看到一条随交互次数增长的成功率Scaling曲线。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYXYZoKicpG0tAehrxBxyPLlgq0CmsNLN7KTASTEAOVa98syAPfZ5oDib9oynh4xtPrrnvog17s6dOMBTIHDn1AAcyibUsjv7icxdPY/640?wx_fmt=png&from=appmsg] 域变换具身自进化系统：Zeva与Zetta实现在线和离线模型及Harness学习闭环，Z-Infra以端云协同支撑全周期进化它不是否定预训练，也不是不要数据，而是重新划定二者的位置：预训练是能力起点，部署是进化起点，真实交互则成为持续增长的数据来源。具身智能真正的「部署元年」，也不应只由出货量定义，而应由机器人能否在现场越用越强来定义。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 曹婷的三次选择理解域变换为什么会选择这条路线，需要回到曹婷过去十多年的研究轨迹。她的第一次关键选择，是进入微软亚洲研究院，曹婷担任首席研究主管，长期研究边缘智能与神经网络训推系统。当时的核心矛盾是，模型能力快速增长，手机、PC和IoT设备的算力与存储却极为有限。曹婷带领团队攻克极低比特模型量化、基于查表的大模型高效推理等技术，使复杂神经网络得以进入微软Office、Windows、Bing等产品。据团队资料，相关技术服务了数百万用户，其研究也多次获得顶级会议最佳论文奖与ACM Research Highlights。这段经历塑造了曹婷一个持续至今的判断：算法指标不是终点。只有当模型能够在真实硬件、真实成本和真实业务约束下运行，技术才完成了从论文到产业的跃迁。她的第二次选择，是在2025年夏天加入张亚勤院士创建的清华大学智能产业研究院（AIR），研究对象也从有限硬件中的AI，转向不断变化的物理世界。大模型、VLA与机器人硬件的成熟，让具身智能从「可以想象」进入「可以做」。但团队很快发现，模型在固定设置下能够完成动作，环境稍有变化就可能失败，失败中包含的宝贵信息又被传统系统直接丢弃。具身智能已经能做Demo，却仍难以真正部署。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYVxPUIclSzVRibwq04gAHXEkRddz2N1eZe5NTE2kjSZicbOIeRds2q6MwIBcmzQDZYsARicC6qrdicSpAVFEfNErKKMic06en0zD6ibw/640?wx_fmt=jpeg&from=appmsg] 刘云新和曹婷在清华AIR科研小组合照曹婷的第三次选择，由此出现：与清华AIR副院长刘云新教授共同发起域变换（Z-Trans），把关于物理智能自进化的研究推向产业。刘云新长期从事AIoT和端侧智能研究，IEEE Fellow，也曾任微软亚洲研究院首席研究主管。两位发起人的共同底色，是对「算法—系统—硬件」协同的长期积累。他们关心的不只是做出分数更高的模型，而是如何把模型变成能够部署、学习并长期运行的系统。这也解释了「域变换」这个名字背后的野心：让智能不再被锁定在训练数据所定义的域内，而是在进入新任务、新环境和新载体后，能够通过交互完成适应与迁移。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 从交互中，学会进化域变换自进化闭环的内核是Zeva：不更新参数，也能从机器人的每一次交互中学习真实物理条件，并把学到的用于后续动作。最近，Generalist G1.5、Skild S1等工作带火具身领域上下文学习：让机器人直接利用上下文中的示范与经验完成适应，拓展了模型对新任务的泛化性。但现有上下文学习主要依赖人类示范。Zeva创新提出的是上下文因果学习（In-Context Causal Learning，ICCL）：**让机器人从自己的交互轨迹中，提取其动作与状态变化之间的因果关系，同时过滤背景、光照等无关相关性。**机器人不是模仿别人做过什么，而是在当下部署物理条件下，理解自己的动作为什么成功或失败，并应用到下一次改进。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYVtUQxCHP8BH6SUh8FQpBrKJKbibukxl96icQfVmE2DibqicK626Z1A3lP376g6fp6RNiaNzvHrAXV9bvUsuWGYKC6vJN97jUAibLAxc/640?from=appmsg] Zeva核心机制可以拆为三个阶段。第一阶段是因果交互提取。Causal Transition Encoder（CTE）把视觉状态、执行动作和观察到的效果组合为「因果交互状态」，并进一步编码为任务阶段与交互信号。简单地说，系统不会只记住「夹爪移动了一段距离」，而是试图识别：机器人处在任务的哪一步，这个动作使物体发生了什么变化，这种变化是否推动任务向目标前进。第二阶段是双时标因果记忆。Brief Interaction Trace（BIT）保留近期尝试中的动态信息，帮助机器人理解刚刚发生了什么；Persistent Interaction Memory（PIM）则在同一episode的多次尝试之间，按照相似度合并和巩固有用证据。前者像工作记忆，后者更接近可持续积累的经验。机器人既不会被一次偶然失败带偏，也不会在开始新尝试后把此前线索全部清空。第三阶段是上下文策略注入。系统从记忆中检索与当前任务阶段相匹配的交互证据，为冻结的基础策略构造Causal Prompt。模型参数没有改变，但它每一次做决策时所依据的上下文已经不同。过去的交互被压缩成可供下一次推理调用的因果经验。这条路线最反直觉的地方正在于此：模型不更新，能力却可以持续增长。它把推理上下文变成了学习的通道，也把机器人真实发生的失败从「无效样本」变成可利用的学习信号。在Zeva公开的实验中，冻结模型在多个典型具身基准任务上的累计成功率从26%提升到73%；在RoboCasa365-Atomic5和真实化学实验室ChemLab-Evo评估中都在其他前沿VLA/WAM模型中取得SOTA。从放置称量纸的误操作中提取因果关系，完成上下文内学习，提升任务精度。更值得关注的是，人类演示也可以进入同一套上下文，进一步将成功率提升~10%。这意味着未来部署机器人时，「教会它一个新操作」有机会从漫长的数据采集和训练工程，变成更接近人类带教的过程：示范一次，让它尝试，在执行中纠偏，再把经验留下。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 边执行，边纠错 Zeva让模型能够从交互中学习，但会学习还不等于能把任务稳定做完。真实任务是一条长链路：机器人要理解目标、拆解步骤、执行动作、观察结果，并在偏差出现时立即恢复。如果杯子第一步就没抓稳，后续「把杯子放进水槽」的计划再正确也没有意义。近期Claude Plays Robotics、Aspire、Cap-X等工作开始探索用大模型监督具身任务，Agentic AI也把「规划—执行—反思」带入机器人领域。但真实世界不会停下来等待推理：每一步都调用大模型，几秒延迟就可能让环境状态发生变化；只在任务结束后复盘，又来不及挽救已经偏离的执行过程。 Zetta ζ瞄准的正是这个缺口。它以具身Harness连接基础模型、机器人本体和环境反馈，首次提出可演进的轻量critic，通过三重闭环，让在线闭环学习成为可能。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYU415vxJMFzCtuUdK7hCkZzwtdBgvcGG5IibsyAQzfTeQjowpRC64ZZMgibbQZc2j5M8GEwh5t2wYbXrwKp8MWh3icTH6ZjavbYjY/640?from=appmsg] 第一重是动作级纠错闭环。运行时critic持续监测机器人的物理状态，一旦发现抓取滑落、接触丢失或运输停滞，便立即触发恢复；只有故障解除、状态重新稳定，控制权才会交还模型继续执行。机器人不必等到整个任务失败，才能知道哪一步出了问题。第二重是批量经验优化闭环。完成一批rollout后，Zetta ζ会聚类失败轨迹，定位最早偏离正常状态的时刻，再从评估、状态表征、规划控制到恢复策略逐层诊断根因，并自动生成critic、recovery与tool的候选更新。第三重是验证门控更新闭环。候选技能不会直接上线，而要先通过历史回归测试和隔离数据验证。只有真正提升成功率、并能泛化到新场景的更新，才会进入技能记忆库，避免机器人只是「背下」某个失败样本。这三重循环让每次rollout不再是用完即弃的执行记录，而能沉淀为经过验证、可以复用的技能。在团队公开结果中，Zetta ζ在有限rollout budget下，于LIBERO PRO和RoboCasa分别取得90.8%和93.6%的任务成功率，远超现有其他方法，且成功率随rollout持续增长。更兴奋的是，增长并不总是均匀发生。机器人可能连续多次失败，却在一次关键探索后掌握恢复策略，随后稳定成功。团队将这种学习曲线上的能力跃迁称为机器人的「Aha Moment」。如果说Zeva解决的是「如何从交互中学到因果经验」，Zetta解决的就是「如何在长程执行中监督、纠错，并把经验沉淀成技能」。Model与Agent由此协同起来，让自进化不仅发生在一次推理中，也发生在机器人持续工作的过程中。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] Model、Agent、Infra闭环了但用户并不关心机器人背后究竟用了VLA、WAM还是ICCL，也不会为某个更先进的技术名词买单。用户只关心结果：任务能否稳定完成，人工接管能否减少，部署成本能否下降，产出能否持续提高。用户最终愿意付费的，是真正的生产力。要把模型能力变成这种生产力，仅有Zeva和Zetta还不够，还需要一套支撑规模化部署与持续进化的基础设施。具身智能行业经常谈数据飞轮，但不是所有数据回流都能形成飞轮。如果机器人在现场产生数据，仍需要人工拷贝、清洗、标注、训练和逐台更新，那么数据越多，运维负担也越大。这更像数据流水线，而不是可以自我加速的闭环。真正的数据飞轮要求系统能够知道哪些数据有价值，低成本完成rollout与评估，把经验注入模型或上下文，再快速部署到设备上验证。这就是Z-Infra存在的原因。按照域变换的技术版图，Z-Infra覆盖机器人从部署到持续学习的全周期，包括数据管线、环境rollout管线以及高效部署推理管线。它一端连接真实场景中的机器人，另一端连接模型与Agent，使「交互—判断—记忆—调用—再交互」能够持续运转。三层能力由此形成一套完整架构： Zeva Model负责把物理交互编码为因果经验，并在上下文中调用； Zetta Harness负责在线执行、步骤监督、错误恢复和经验沉淀； Z-Infra负责规模化数据流转、rollout和高效部署推理。这套架构也解释了为什么域变换强调端云结合的能力。机器人与物理世界的交互对延迟极为敏感，关键决策不可能永远等待云端返回。自进化若要成为默认能力，就必须在有限算力、功耗和存储条件下高效运行。曹婷过去在模型量化、查表计算与高效推理上的积累，在这里形成了一条连续的技术逻辑：过去是把更强模型装进有限硬件，现在是让持续学习与推理闭环也能进入机器人本体。T-MAC、BitDistiller、Pregated-MoE、LUT Tensor Core等系列工作，构成了团队从算法到底层系统协同优化的技术基础。当Model、Agent与Infra同时存在，数据飞轮才可能真正开始转动：机器人部署越多，遇到的真实长尾问题越多；有效交互越多，形成的因果经验与技能越丰富；经验越丰富，新任务的适应成本越低；适应成本降低，又推动机器人进入更多场景。这是一条与纯预训练不同的Scaling路径。前者主要在训练之前扩大数据与参数，后者在部署之后扩大有效经验。两者并不冲突，但后者更有可能决定机器人能否从标准产品进入千差万别的真实岗位。从用户视角看，Model、Agent和Infra最终都应隐入后台。留在前台的只有一条持续向上的生产力曲线：机器人工作越久，成功率越高，需要的人类干预越少，单位任务成本越低。这才是具身自进化从技术概念走向商业价值的关键一步。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 自进化赛道的四重壁垒对投资人而言，技术方向成立只是第一步。更关键的问题是：为什么是这支团队？如果自进化成为行业共识，壁垒又在哪里？域变换把机器人部署变成数据生产，把数据生产变成能力进化，最终形成随规模持续加深的护城河。第一重是团队与生态壁垒。域变换由清华AIR孵化，继承了Apollo生态与产业资源，团队横跨前沿研究、系统实现与产业交付。这让域变换既能持续定义技术问题，也能将技术快速验证并推进到真实场景。第二重是全栈技术壁垒。 Model负责学习，Agent负责执行与纠错，Infra负责把闭环规模化。三者缺一不可：没有Model，经验无法转化为能力；没有Agent，能力无法在真实环境中持续验证；没有Infra，真实交互无法规模化沉淀。第三重是真实交互数据壁垒。公开数据可以训练初始能力，却难以覆盖真实场景中的工艺、长尾和失败。我们将部署自进化过程中的「状态—动作—结果—纠偏」持续转化为可验证、可复用的因果经验，形成类似大模型 Thinking Data 的「具身 Experience Data」，成为传统轨迹数据难以复制的经验资产。第四重是场景复利壁垒。传统机器人项目往往呈线性扩张：每增加一个客户，都需要重新进行大量工程适配。自进化则让每一次部署同时成为下一次部署的训练场。部署越多，交互越多，经验越丰富，同类任务的适应成本越低，形成能力复用带来的边际成本下降。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYXstib3awfwicRw1LualcleDCoCWzCE23AZDIqiaL2Miarib0uEXmnXwOwFvWxYfTW30pp4YAA52BCnBPwtB15Ax4BjbRnPBicfmSM3A/640?from=appmsg] 2026年6月6日，张宏江、张亚勤、Rahim Tafazolli、芮勇四位院士，以及清华AIR院长刘洋等共同发布z0，首次系统呈现域变换的具身自进化技术路线。对一家早期公司而言，这意味着两件事：一方面，域变换的技术路线拥有来自学术前沿与产业实践的共同支撑；另一方面，清华AIR与Apollo等生态能够帮助技术更快进入真实场景，在部署中获得最关键的交互数据。团队与生态因此不只是「背书」，也是启动自进化数据飞轮的第一批场景入口。从z0到Zetta ζ再到Zeva，域变换在约三个月内连续补齐概念、Agent与模型框架。密集发布不是最终壁垒，却证明这支团队正在把「具身自进化」从一个名称推进为完整技术体系。一个新赛道的定义者，往往不是最早喊出口号的人，而是最早给出完整技术语言、验证路径和工程系统的人。就此而言，域变换对「具身自进化」的争夺已经从概念进入产品与生态层面。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 预训练之后，具身智能进入自进化时代过去两年，具身智能完成了最重要的基础建设：VLA、世界模型与大规模机器人数据，让机器从「不会做」走向「基本会做」。正如Karol Hausman所判断的，数据稀缺正在缓解，模型和硬件也在到来。行业的核心问题因而发生了变化：下一阶段不再只是把预训练做得更大，而是把60分的基础能力变成可以长期工作的生产力。这也是为什么2026年的「机器人部署元年」，不能只用出货量衡量。用户不关心背后究竟使用VLA、WAM还是哪一种Agent架构，只关心机器人能否稳定完成任务、减少人工接管、降低单位成本，并在工作中持续提高产出。用户不会为技术名词买单，只会为真正的生产力买单。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYUlDzWjSG1iceObxAvcx3RwvtbWTktghFdEmhy7C9bQibqia7g3OBBzCQO245g3pwwMUr2xILpB6mkjYlPBRb8YubYLkPThnd48SM/640?wx_fmt=jpeg&from=appmsg] 无锡复兴产业园部署搭载域变换z0智能体的导览机器人、送餐小车和巡检机器狗就像Karol所说，具身智能的机会正在部署层：ROI、工作流集成、远程干预，以及从真实反馈中继续学习。它也可能不会迎来一个突然降临的「ChatGPT时刻」，而更像Waymo走过的路径——没有某一天所有问题同时解决，但随着可靠性和部署能力逐步跨过临界点，机器人会悄然进入越来越多真实岗位。曹婷押注的，正是这一阶段。从Zeva的上下文因果学习，到Zetta的在线执行与技能进化，再到Z-Infra支撑部署全周期，团队已经跑通「交互产生数据—数据沉淀经验—经验提升能力—能力推动更多部署」的完整闭环。这个闭环也自建了数据壁垒。机器人部署越多，积累的真实因果数据越多；经验越多，成功率越高，新任务的适应成本越低；成本越低，又能推动更大规模的部署。域变换由此把部署变成数据生产，把数据生产变成能力进化，并让护城河随着规模持续加深。当域变换让具身智能的数据飞轮真正转起来，机器人产业也将从「交付机器」迈向「交付持续增长的生产力」。关于清华AIR与域变换清华大学智能产业研究院 AIR（Institute for AI Industry Research）由张亚勤院士创立，是清华大学面向第四次工业革命的国际化、智能化、产业化的研究机构，被视为中国AI产学研结合的第一梯队。域变换（Z-Trans）是全球首家系统定义并落地「具身自进化」范式的物理智能公司，由清华大学智能产业研究院（AIR）孵化，曹婷教授与刘云新教授联合发起。公司直击行业「60分到可部署」的核心鸿沟——预训练让机器人「会做」，但真实世界需要的是「持续做成」。域变换以Zeva上下文因果学习模型、Zetta在线执行与纠错闭环、Z-Infra训推基础设施三大模块，构建了完整的Model-Agent-Infra体系，让机器人在不更新权重的情况下，从每一次真实交互中自主学习、持续进化。实验数据显示，Zeva将累计成功率从26%提升至73%，Zetta在LIBERO PRO上达90.8%成功率，且随交互持续增长。团队兼具微软亚洲研究院顶尖研究与清华Apollo产业生态双重基因，已形成全栈技术、真实因果数据、场景复利与生态入口四重护城河。域变换正将机器人从「交付机器」推向「交付持续增长的生产力」。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYUjKGxs2NobslzUknT8BSKiaLgX6g8DkiaKmTLJSrHJ2dv0byG3Nfvib455bEsVO3CeCq1T1UnPQr4ucx2auzHS6d5g5iaUVXyBicjQ/640?wx_fmt=png&from=appmsg] 刘云新清华大学智能产业研究院副院长、博导、万国数据冠名教授、首席研究员，国家级高层次人才、IEEE Fellow。前微软亚洲研究院首席研究主管，长期从事AIoT、端侧智能研究。获得了MobiCom、MobiSys、SenSys等多个国际顶级学术会议奖励，以及CCF科技进步一等奖等奖项。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYUoQhZicqjEPjeg9o7yEBllhpVWfjAS9s3cHiczZFwzHBwtpnUaJicmIIwjRzA86baDjo1kCEMTHMadGDStww8ia1ZL9qXFyeYVqqY/640?wx_fmt=jpeg&from=appmsg] 曹婷清华大学教授，北京市高层次引进人才前微软亚洲研究院首席研究主管，研究方向为边缘智能、具身智能等获顶级会议最佳论文奖四次，工作入选ACM/Microsoft研究亮点等，其中ACM研究亮点由图灵奖获得者David Patterson亲自撰文推荐。参考资料： Zeva项目主页：https://air-embodied-brain.github.io/Zeva/ Zetta项目主页：https://air-embodied-brain.github.io/zetta/ 曹婷个人主页：https://tingcao952.github.io/ Z-Trans 小红书链接： https://xhslink.cn/o/AKAgcCTCLqV 编辑：桃子秒追ASI ⭐ 点赞、转发、在看一键三连 ⭐ 点亮星标，锁定新智元极速推送！ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/UicQ7HgWiaUb1y6B5OM79TFzpkceWtUkI6LEwv0uYicSoM5Q3I3kDNJhxWdL3tQvbOpU3Ty7icBqnDDNd4CCu4ibiaHw/640?wx_fmt=jpeg&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYWibbglgQrXCODibUKaiauzy2AhKDhAibbumxZwicnicJu5k0ovTK5MujQ0S8fpuibHHSCeJq2SV2swpu7CWhM1DvMMeMO5VpbiafI79FY/640?from=appmsg] 文章原文 [图片: http://www.jintiankansha.me/rss_static/5418/IoNLjy9MOj]

查看原文

<div><div><div id="user-content-js_content"><h3><section style="line-height: 27.2px;"><section style="letter-spacing: 0.544px; line-height: 27.2px;"><section><section><section style="text-align: center; margin-bottom: 8px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYWuBymexWFlTDU621PsrBZGHqY8QWYh5SwXmSM8qJ11REJlSAjFick5eLNY7iazG72GbKWicTcPPQ79Efbhay3Hqx2doOF3TmEZkM/640?wx_fmt=jpeg&from=appmsg" style="width: 100%;"></section></section></section></section></section></h3><h3><section style="line-height: 27.2px;"><section style="letter-spacing: 0.544px; line-height: 27.2px;"><section><section>  新智元报道  </section></section></section></section></h3><section><section><section><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWGxcbmnyYvqrSqhntcbPdelKBG0JLug4pEX8icjBSe5eib6PekswOSvrq8ybatQJRDr9Vib5WOKaUuibKfLb5qH3J4kEIYmC4NQJU/640?wx_fmt=png&from=appmsg" style="width: 100%; height: auto;"></section></section></section> 具身智能讨论的核心问题正在改变：从谁有更多数据能做出更强基础模型，转向谁能把机器人真正部署到现场，并让它持续做成任务。 具身智能的风向，变了。<section></section> 过去两年，行业最热烈的争论围绕基础模型展开：VLA还是世界模型？端到端还是分层架构？谁拥有更多参数、更多数据和更强的zero-shot能力？ 如今，当模型开始走出实验室，新的问题压过了路线之争：机器人能不能在真实现场稳定工作？ <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">硅谷刚达成共识</section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">清华已经动手了</section> 在硅谷，这种变化已经成为一批研究者和投资人的共同感受。 投资人Georgi Koreli近期转述了Physical Intelligence联合创始人兼CEO Karol Hausman在一场闭门晚宴上的判断：机器人数据稀缺正在缓解，真正没有被解决的是从「能做」到「可靠完成任务」的最后一段路。 模型学的是复现数据集中的动作，企业要的却是任务成功。 从0到60%的zero-shot能力主要是数据问题，从60%走向可部署，还没人能解决。 <img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYWibHcTf9KAgkQKvS9EVpFSe5icVVJTgo4QibR8yCib9BIticVCZ4LxnD2SgndSUhCxmpLfobpnqRyk4pbicobkUNDPLpZauT1yhmEibk/640?from=appmsg" style="width: 100%; height: auto;"> 而在国内，有一支团队更早押注了同一个问题。 <img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYXxoAQrjLqa3t4SbOjvlC6Fxx1dKyDLEU6oDfba6uB41PtQGpEchN002my9DFAjicMkQl2U9NQRkkicHicIZtymILTggCwuSEnIAU/640?from=appmsg" style="width: 100%; height: auto;"> 2026年，从z0到Zetta ζ，再到Zeva，清华大学智能产业研究院（AIR）教授曹婷与她发起的域变换（Z-Trans）密集开源上下文因果学习世界模型、闭环在线学习Agent和支持全部署周期的训推基础设施，把研究焦点从「机器人出厂时会什么」，推向「机器人部署后还能学会什么」，并率先将这套面向真实物理部署的完整范式定义为：具身自进化。 新智元为此与曹婷进行了一次深入交流。从微软亚洲研究院到清华AIR，再到发起域变换，她始终在追问同一个问题：如何让AI不只在论文和Benchmark里成立，而能在真实世界中创造价值？ 答案藏在一次真实交互里。一只机械臂伸向透明塑料水杯，第一次用力过猛，第二次位置不对，第三次却调整动作，拿起了水杯，之后类似的杯子都可以成功抓起。 几次尝试之间，模型没有重新训练，权重也没有更新，却从与物理世界的交互中学会了下一次该怎么做。 <section style="margin-bottom: 0px; margin-left: 8px; margin-right: 8px;"></section>一段在小红书播放数万次的机器人自进化视频：不更新模型权重，机器人凭与物理世界的连续交互，学会下一次做得更好。 这正是域变换试图攻下「可部署鸿沟」的方式：让机器人从「部署即定型」走向「部署后进化」，在真实工作中越用越强。 <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">60分之后，决战部署</section> 大模型的成功建立在一个极具吸引力的逻辑上：更多数据、更大参数量与更多算力，可以带来能力的持续涌现。于是，早期具身智能也开始复制这条路径：采集更多操作数据，训练更大的VLA和WAM模型，再通过微调适配不同任务。 这条路能够显著提高机器人的初始能力，却在走向真实部署时遭遇瓶颈。模型优化的是对数据中动作的复现，企业需要的却是任务稳定成功。于是，具身模型越来越多、Demo越来越惊艳，真正能够进入工厂、实验室和家庭长期工作的机器人却依然很少。 开篇所说的「60分」，不是适用于所有任务的精确及格线，而是对产业阶段的概括：预训练解决机器人基础操作能力，部署要求解决的却是它能否在环境变化、执行误差和长尾情况中「持续做成」。前者可以主要依靠离线数据提升，后者不能靠继续离线堆叠数据自然得到。 根本原因在于，物理世界持续变化无法被离线数据穷举。机器人面对的摩擦、碰撞、位置变化和执行失败，只会在行动中真实发生。每换一个环境就重新采集、fine-tune和部署，不仅成本高，也无法形成规模效应。 因此，从60分到可部署，缺的不是再做一次离线训练，而是一种新的能力：机器人能够在部署中利用真实反馈持续纠偏，把每次成功和失败转化为下一次行动的经验。下一阶段的竞争，也将从谁拥有更多离线样本，转向谁能率先建立这套部署后的学习闭环。 「自进化」在数字世界并不是一个新概念，软件Agent、博弈智能和大模型领域已经讨论多年。域变换率先明确提出和定义的，是具身智能在真实物理世界中的自进化范式：物理智能体在部署环境中持续交互，通过反馈与经验沉淀自主修正策略，并不断提升任务成功率。 域变换关注的从来不是机器人偶然成功一两次，而是它能否随着交互持续变强。因此，几乎在域变换发布的每项工作中，都会看到一条随交互次数增长的成功率Scaling曲线。 <section style="text-align: center; margin-left: 8px; margin-right: 8px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYXYZoKicpG0tAehrxBxyPLlgq0CmsNLN7KTASTEAOVa98syAPfZ5oDib9oynh4xtPrrnvog17s6dOMBTIHDn1AAcyibUsjv7icxdPY/640?wx_fmt=png&from=appmsg" style="width: 100%;"></section>域变换具身自进化系统：Zeva与Zetta实现在线和离线模型及Harness学习闭环，Z-Infra以端云协同支撑全周期进化 它不是否定预训练，也不是不要数据，而是重新划定二者的位置：预训练是能力起点，部署是进化起点，真实交互则成为持续增长的数据来源。具身智能真正的「部署元年」，也不应只由出货量定义，而应由机器人能否在现场越用越强来定义。 <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">曹婷的三次选择</section> 理解域变换为什么会选择这条路线，需要回到曹婷过去十多年的研究轨迹。 她的第一次关键选择，是进入微软亚洲研究院，曹婷担任首席研究主管，长期研究边缘智能与神经网络训推系统。当时的核心矛盾是，模型能力快速增长，手机、PC和IoT设备的算力与存储却极为有限。曹婷带领团队攻克极低比特模型量化、基于查表的大模型高效推理等技术，使复杂神经网络得以进入微软Office、Windows、Bing等产品。据团队资料，相关技术服务了数百万用户，其研究也多次获得顶级会议最佳论文奖与ACM Research Highlights。 这段经历塑造了曹婷一个持续至今的判断：算法指标不是终点。只有当模型能够在真实硬件、真实成本和真实业务约束下运行，技术才完成了从论文到产业的跃迁。 她的第二次选择，是在2025年夏天加入张亚勤院士创建的清华大学智能产业研究院（AIR），研究对象也从有限硬件中的AI，转向不断变化的物理世界。大模型、VLA与机器人硬件的成熟，让具身智能从「可以想象」进入「可以做」。 但团队很快发现，模型在固定设置下能够完成动作，环境稍有变化就可能失败，失败中包含的宝贵信息又被传统系统直接丢弃。具身智能已经能做Demo，却仍难以真正部署。 <section style="text-align: center; margin-left: 8px; margin-right: 8px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYVxPUIclSzVRibwq04gAHXEkRddz2N1eZe5NTE2kjSZicbOIeRds2q6MwIBcmzQDZYsARicC6qrdicSpAVFEfNErKKMic06en0zD6ibw/640?wx_fmt=jpeg&from=appmsg" style="width: 100%;"></section>刘云新和曹婷在清华AIR科研小组合照 曹婷的第三次选择，由此出现：与清华AIR副院长刘云新教授共同发起域变换（Z-Trans），把关于物理智能自进化的研究推向产业。 刘云新长期从事AIoT和端侧智能研究，IEEE Fellow，也曾任微软亚洲研究院首席研究主管。两位发起人的共同底色，是对「算法—系统—硬件」协同的长期积累。他们关心的不只是做出分数更高的模型，而是如何把模型变成能够部署、学习并长期运行的系统。 这也解释了「域变换」这个名字背后的野心：让智能不再被锁定在训练数据所定义的域内，而是在进入新任务、新环境和新载体后，能够通过交互完成适应与迁移。 <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">从交互中，学会进化</section> 域变换自进化闭环的内核是Zeva：不更新参数，也能从机器人的每一次交互中学习真实物理条件，并把学到的用于后续动作。 最近，Generalist G1.5、Skild S1等工作带火具身领域上下文学习：让机器人直接利用上下文中的示范与经验完成适应，拓展了模型对新任务的泛化性。 但现有上下文学习主要依赖人类示范。Zeva创新提出的是上下文因果学习（In-Context Causal Learning，ICCL）：**让机器人从自己的交互轨迹中，提取其动作与状态变化之间的因果关系，同时过滤背景、光照等无关相关性。**机器人不是模仿别人做过什么，而是在当下部署物理条件下，理解自己的动作为什么成功或失败，并应用到下一次改进。 <img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYVtUQxCHP8BH6SUh8FQpBrKJKbibukxl96icQfVmE2DibqicK626Z1A3lP376g6fp6RNiaNzvHrAXV9bvUsuWGYKC6vJN97jUAibLAxc/640?from=appmsg" style="width: 100%; height: auto;"> Zeva核心机制可以拆为三个阶段。 第一阶段是因果交互提取。Causal Transition Encoder（CTE）把视觉状态、执行动作和观察到的效果组合为「因果交互状态」，并进一步编码为任务阶段与交互信号。简单地说，系统不会只记住「夹爪移动了一段距离」，而是试图识别：机器人处在任务的哪一步，这个动作使物体发生了什么变化，这种变化是否推动任务向目标前进。 第二阶段是双时标因果记忆。Brief Interaction Trace（BIT）保留近期尝试中的动态信息，帮助机器人理解刚刚发生了什么；Persistent Interaction Memory（PIM）则在同一episode的多次尝试之间，按照相似度合并和巩固有用证据。前者像工作记忆，后者更接近可持续积累的经验。机器人既不会被一次偶然失败带偏，也不会在开始新尝试后把此前线索全部清空。 第三阶段是上下文策略注入。系统从记忆中检索与当前任务阶段相匹配的交互证据，为冻结的基础策略构造Causal Prompt。模型参数没有改变，但它每一次做决策时所依据的上下文已经不同。过去的交互被压缩成可供下一次推理调用的因果经验。 这条路线最反直觉的地方正在于此：模型不更新，能力却可以持续增长。 它把推理上下文变成了学习的通道，也把机器人真实发生的失败从「无效样本」变成可利用的学习信号。在Zeva公开的实验中，冻结模型在多个典型具身基准任务上的累计成功率从26%提升到73%；在RoboCasa365-Atomic5和真实化学实验室ChemLab-Evo评估中都在其他前沿VLA/WAM模型中取得SOTA。 <section style="margin-left: 8px; margin-right: 8px;"></section>从放置称量纸的误操作中提取因果关系，完成上下文内学习，提升任务精度。 更值得关注的是，人类演示也可以进入同一套上下文，进一步将成功率提升~10%。这意味着未来部署机器人时，「教会它一个新操作」有机会从漫长的数据采集和训练工程，变成更接近人类带教的过程：示范一次，让它尝试，在执行中纠偏，再把经验留下。 <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">边执行，边纠错</section> Zeva让模型能够从交互中学习，但会学习还不等于能把任务稳定做完。真实任务是一条长链路：机器人要理解目标、拆解步骤、执行动作、观察结果，并在偏差出现时立即恢复。如果杯子第一步就没抓稳，后续「把杯子放进水槽」的计划再正确也没有意义。 近期Claude Plays Robotics、Aspire、Cap-X等工作开始探索用大模型监督具身任务，Agentic AI也把「规划—执行—反思」带入机器人领域。但真实世界不会停下来等待推理：每一步都调用大模型，几秒延迟就可能让环境状态发生变化；只在任务结束后复盘，又来不及挽救已经偏离的执行过程。 Zetta ζ瞄准的正是这个缺口。它以具身Harness连接基础模型、机器人本体和环境反馈，首次提出可演进的轻量critic，通过三重闭环，让在线闭环学习成为可能。 <img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYU415vxJMFzCtuUdK7hCkZzwtdBgvcGG5IibsyAQzfTeQjowpRC64ZZMgibbQZc2j5M8GEwh5t2wYbXrwKp8MWh3icTH6ZjavbYjY/640?from=appmsg" style="width: 100%; height: auto;"> 第一重是动作级纠错闭环。运行时critic持续监测机器人的物理状态，一旦发现抓取滑落、接触丢失或运输停滞，便立即触发恢复；只有故障解除、状态重新稳定，控制权才会交还模型继续执行。机器人不必等到整个任务失败，才能知道哪一步出了问题。 第二重是批量经验优化闭环。完成一批rollout后，Zetta ζ会聚类失败轨迹，定位最早偏离正常状态的时刻，再从评估、状态表征、规划控制到恢复策略逐层诊断根因，并自动生成critic、recovery与tool的候选更新。 第三重是验证门控更新闭环。候选技能不会直接上线，而要先通过历史回归测试和隔离数据验证。只有真正提升成功率、并能泛化到新场景的更新，才会进入技能记忆库，避免机器人只是「背下」某个失败样本。 这三重循环让每次rollout不再是用完即弃的执行记录，而能沉淀为经过验证、可以复用的技能。在团队公开结果中，Zetta ζ在有限rollout budget下，于LIBERO PRO和RoboCasa分别取得90.8%和93.6%的任务成功率，远超现有其他方法，且成功率随rollout持续增长。 更兴奋的是，增长并不总是均匀发生。机器人可能连续多次失败，却在一次关键探索后掌握恢复策略，随后稳定成功。团队将这种学习曲线上的能力跃迁称为机器人的「Aha Moment」。 如果说Zeva解决的是「如何从交互中学到因果经验」，Zetta解决的就是「如何在长程执行中监督、纠错，并把经验沉淀成技能」。Model与Agent由此协同起来，让自进化不仅发生在一次推理中，也发生在机器人持续工作的过程中。 <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">Model、Agent、Infra闭环了</section> 但用户并不关心机器人背后究竟用了VLA、WAM还是ICCL，也不会为某个更先进的技术名词买单。用户只关心结果：任务能否稳定完成，人工接管能否减少，部署成本能否下降，产出能否持续提高。用户最终愿意付费的，是真正的生产力。 要把模型能力变成这种生产力，仅有Zeva和Zetta还不够，还需要一套支撑规模化部署与持续进化的基础设施。具身智能行业经常谈数据飞轮，但不是所有数据回流都能形成飞轮。 如果机器人在现场产生数据，仍需要人工拷贝、清洗、标注、训练和逐台更新，那么数据越多，运维负担也越大。这更像数据流水线，而不是可以自我加速的闭环。真正的数据飞轮要求系统能够知道哪些数据有价值，低成本完成rollout与评估，把经验注入模型或上下文，再快速部署到设备上验证。 这就是Z-Infra存在的原因。按照域变换的技术版图，Z-Infra覆盖机器人从部署到持续学习的全周期，包括数据管线、环境rollout管线以及高效部署推理管线。它一端连接真实场景中的机器人，另一端连接模型与Agent，使「交互—判断—记忆—调用—再交互」能够持续运转。 三层能力由此形成一套完整架构： <ul class="" style="margin: 0 8px 16px; padding-left: 25px;"><li style="font-size: 15px; line-height: 1.75; letter-spacing: 1px;"><section>Zeva Model负责把物理交互编码为因果经验，并在上下文中调用；</section></li><li style="font-size: 15px; line-height: 1.75; letter-spacing: 1px;"><section>Zetta Harness负责在线执行、步骤监督、错误恢复和经验沉淀；</section></li><li style="font-size: 15px; line-height: 1.75; letter-spacing: 1px;"><section>Z-Infra负责规模化数据流转、rollout和高效部署推理。</section></li></ul>这套架构也解释了为什么域变换强调端云结合的能力。机器人与物理世界的交互对延迟极为敏感，关键决策不可能永远等待云端返回。自进化若要成为默认能力，就必须在有限算力、功耗和存储条件下高效运行。 曹婷过去在模型量化、查表计算与高效推理上的积累，在这里形成了一条连续的技术逻辑：过去是把更强模型装进有限硬件，现在是让持续学习与推理闭环也能进入机器人本体。T-MAC、BitDistiller、Pregated-MoE、LUT Tensor Core等系列工作，构成了团队从算法到底层系统协同优化的技术基础。 当Model、Agent与Infra同时存在，数据飞轮才可能真正开始转动：机器人部署越多，遇到的真实长尾问题越多；有效交互越多，形成的因果经验与技能越丰富；经验越丰富，新任务的适应成本越低；适应成本降低，又推动机器人进入更多场景。 这是一条与纯预训练不同的Scaling路径。前者主要在训练之前扩大数据与参数，后者在部署之后扩大有效经验。两者并不冲突，但后者更有可能决定机器人能否从标准产品进入千差万别的真实岗位。 从用户视角看，Model、Agent和Infra最终都应隐入后台。留在前台的只有一条持续向上的生产力曲线：机器人工作越久，成功率越高，需要的人类干预越少，单位任务成本越低。这才是具身自进化从技术概念走向商业价值的关键一步。 <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">自进化赛道的四重壁垒</section> 对投资人而言，技术方向成立只是第一步。更关键的问题是：为什么是这支团队？如果自进化成为行业共识，壁垒又在哪里？ 域变换把机器人部署变成数据生产，把数据生产变成能力进化，最终形成随规模持续加深的护城河。 第一重是团队与生态壁垒。域变换由清华AIR孵化，继承了Apollo生态与产业资源，团队横跨前沿研究、系统实现与产业交付。这让域变换既能持续定义技术问题，也能将技术快速验证并推进到真实场景。 第二重是全栈技术壁垒。 Model负责学习，Agent负责执行与纠错，Infra负责把闭环规模化。三者缺一不可：没有Model，经验无法转化为能力；没有Agent，能力无法在真实环境中持续验证；没有Infra，真实交互无法规模化沉淀。 第三重是真实交互数据壁垒。 公开数据可以训练初始能力，却难以覆盖真实场景中的工艺、长尾和失败。我们将部署自进化过程中的「状态—动作—结果—纠偏」持续转化为可验证、可复用的因果经验，形成类似大模型 Thinking Data 的「具身 Experience Data」，成为传统轨迹数据难以复制的经验资产。 第四重是场景复利壁垒。传统机器人项目往往呈线性扩张：每增加一个客户，都需要重新进行大量工程适配。自进化则让每一次部署同时成为下一次部署的训练场。部署越多，交互越多，经验越丰富，同类任务的适应成本越低，形成能力复用带来的边际成本下降。 <img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYXstib3awfwicRw1LualcleDCoCWzCE23AZDIqiaL2Miarib0uEXmnXwOwFvWxYfTW30pp4YAA52BCnBPwtB15Ax4BjbRnPBicfmSM3A/640?from=appmsg" style="width: 100%; height: auto;">2026年6月6日，张宏江、张亚勤、Rahim Tafazolli、芮勇四位院士，以及清华AIR院长刘洋等共同发布z0，首次系统呈现域变换的具身自进化技术路线。对一家早期公司而言，这意味着两件事：一方面，域变换的技术路线拥有来自学术前沿与产业实践的共同支撑；另一方面，清华AIR与Apollo等生态能够帮助技术更快进入真实场景，在部署中获得最关键的交互数据。团队与生态因此不只是「背书」，也是启动自进化数据飞轮的第一批场景入口。 从z0到Zetta ζ再到Zeva，域变换在约三个月内连续补齐概念、Agent与模型框架。密集发布不是最终壁垒，却证明这支团队正在把「具身自进化」从一个名称推进为完整技术体系。 一个新赛道的定义者，往往不是最早喊出口号的人，而是最早给出完整技术语言、验证路径和工程系统的人。就此而言，域变换对「具身自进化」的争夺已经从概念进入产品与生态层面。 <section style="text-align: center; margin-top: 0px; margin-bottom: 0px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg" style="width: 85px; height: 40px;"></section><section style="text-align: center; margin-bottom: 0px; margin-top: 8px; line-height: 1.75em;">预训练之后，具身智能进入自进化时代</section> 过去两年，具身智能完成了最重要的基础建设：VLA、世界模型与大规模机器人数据，让机器从「不会做」走向「基本会做」。正如Karol Hausman所判断的，数据稀缺正在缓解，模型和硬件也在到来。行业的核心问题因而发生了变化：下一阶段不再只是把预训练做得更大，而是把60分的基础能力变成可以长期工作的生产力。 这也是为什么2026年的「机器人部署元年」，不能只用出货量衡量。用户不关心背后究竟使用VLA、WAM还是哪一种Agent架构，只关心机器人能否稳定完成任务、减少人工接管、降低单位成本，并在工作中持续提高产出。用户不会为技术名词买单，只会为真正的生产力买单。 <section style="font-size: 15px; text-align: center; padding-left: 8px; padding-right: 8px; line-height: 1.75; letter-spacing: 1px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYUlDzWjSG1iceObxAvcx3RwvtbWTktghFdEmhy7C9bQibqia7g3OBBzCQO245g3pwwMUr2xILpB6mkjYlPBRb8YubYLkPThnd48SM/640?wx_fmt=jpeg&from=appmsg" style="width: 100%;"></section>无锡复兴产业园部署搭载域变换z0智能体的导览机器人、送餐小车和巡检机器狗 就像Karol所说，具身智能的机会正在部署层：ROI、工作流集成、远程干预，以及从真实反馈中继续学习。它也可能不会迎来一个突然降临的「ChatGPT时刻」，而更像Waymo走过的路径——没有某一天所有问题同时解决，但随着可靠性和部署能力逐步跨过临界点，机器人会悄然进入越来越多真实岗位。 曹婷押注的，正是这一阶段。从Zeva的上下文因果学习，到Zetta的在线执行与技能进化，再到Z-Infra支撑部署全周期，团队已经跑通「交互产生数据—数据沉淀经验—经验提升能力—能力推动更多部署」的完整闭环。 这个闭环也自建了数据壁垒。机器人部署越多，积累的真实因果数据越多；经验越多，成功率越高，新任务的适应成本越低；成本越低，又能推动更大规模的部署。域变换由此把部署变成数据生产，把数据生产变成能力进化，并让护城河随着规模持续加深。 <section>当域变换让具身智能的数据飞轮真正转起来，机器人产业也将从「交付机器」迈向「交付持续增长的生产力」。</section> 关于清华AIR与域变换 清华大学智能产业研究院 AIR（Institute for AI Industry Research）由张亚勤院士创立，是清华大学面向第四次工业革命的国际化、智能化、产业化的研究机构，被视为中国AI产学研结合的第一梯队。 域变换（Z-Trans）是全球首家系统定义并落地「具身自进化」范式的物理智能公司，由清华大学智能产业研究院（AIR）孵化，曹婷教授与刘云新教授联合发起。公司直击行业「60分到可部署」的核心鸿沟——预训练让机器人「会做」，但真实世界需要的是「持续做成」。 域变换以Zeva上下文因果学习模型、Zetta在线执行与纠错闭环、Z-Infra训推基础设施三大模块，构建了完整的Model-Agent-Infra体系，让机器人在不更新权重的情况下，从每一次真实交互中自主学习、持续进化。 实验数据显示，Zeva将累计成功率从26%提升至73%，Zetta在LIBERO PRO上达90.8%成功率，且随交互持续增长。团队兼具微软亚洲研究院顶尖研究与清华Apollo产业生态双重基因，已形成全栈技术、真实因果数据、场景复利与生态入口四重护城河。域变换正将机器人从「交付机器」推向「交付持续增长的生产力」。 <section style="font-size: 15px; text-align: justify; padding-left: 8px; padding-right: 8px; line-height: 1.75; letter-spacing: 1px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYUjKGxs2NobslzUknT8BSKiaLgX6g8DkiaKmTLJSrHJ2dv0byG3Nfvib455bEsVO3CeCq1T1UnPQr4ucx2auzHS6d5g5iaUVXyBicjQ/640?wx_fmt=png&from=appmsg" style="width: 100%;"></section> 刘云新 清华大学智能产业研究院副院长、博导、万国数据冠名教授、首席研究员，国家级高层次人才、IEEE Fellow。前微软亚洲研究院首席研究主管，长期从事AIoT、端侧智能研究。 获得了MobiCom、MobiSys、SenSys等多个国际顶级学术会议奖励，以及CCF科技进步一等奖等奖项。 <section style="font-size: 15px; text-align: justify; padding-left: 8px; padding-right: 8px; line-height: 1.75; letter-spacing: 1px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/Rvq8Ow69CYUoQhZicqjEPjeg9o7yEBllhpVWfjAS9s3cHiczZFwzHBwtpnUaJicmIIwjRzA86baDjo1kCEMTHMadGDStww8ia1ZL9qXFyeYVqqY/640?wx_fmt=jpeg&from=appmsg"></section> 曹婷 清华大学教授，北京市高层次引进人才 前微软亚洲研究院首席研究主管，研究方向为边缘智能、具身智能等 获顶级会议最佳论文奖四次，工作入选ACM/Microsoft研究亮点等，其中ACM研究亮点由图灵奖获得者David Patterson亲自撰文推荐。 参考资料：Zeva项目主页：https://air-embodied-brain.github.io/Zeva/ Zetta项目主页：https://air-embodied-brain.github.io/zetta/ 曹婷个人主页：https://tingcao952.github.io/ Z-Trans小红书链接： https://xhslink.cn/o/AKAgcCTCLqV编辑：桃子<section> </section><section>秒追ASI</section><section>⭐点赞、转发、在看一键三连⭐</section><section>点亮星标，锁定新智元极速推送！</section><section> </section><section style="text-align: center; margin-left: 8px; margin-right: 8px; margin-bottom: 24px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/UicQ7HgWiaUb1y6B5OM79TFzpkceWtUkI6LEwv0uYicSoM5Q3I3kDNJhxWdL3tQvbOpU3Ty7icBqnDDNd4CCu4ibiaHw/640?wx_fmt=jpeg&from=appmsg" style="width: 100%; height: auto;"></section><section style="text-align: center; margin-left: 8px; margin-right: 8px; margin-bottom: 24px;"><img src="http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYWibbglgQrXCODibUKaiauzy2AhKDhAibbumxZwicnicJu5k0ovTK5MujQ0S8fpuibHHSCeJq2SV2swpu7CWhM1DvMMeMO5VpbiafI79FY/640?from=appmsg" style="width: 100%; height: auto;"></section></div> 
 <video id="user-content-video" src="http://mpvideo.qpic.cn/0bc3haaggaaaliapwyfa6nvfaogdmm4aayya.f10002.mp4?dis_k=b6d624633bc56e722f3c0d9b4585c8ad&dis_t=1788941639&play_scene=10120&auth_info=fMSPiv0HLwNh782LjAQtYBE9YRQ0YzQcOGZUN0pVaDxFUwkmcDIVCDQecAJ3ZG5ZHik3&auth_key=dbeeb3fe1c7b3e9d33bc9264a9af636e" width="100%">
 <div></div>
 </video>

AI技术资讯来自新智元 9月9日 16:11 ☆☆☆☆☆ 0

27岁研究员连辞OpenAI、Anthropic！两家都在拿我们的命下注

[图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYX73s4YyXhQ7ErwSy1PArIRGibYDSQsAN1k3upeG5ahygnCYI7geqptqwjpUVj98OhmhByibaSOqJdtYztV6mjcSicRkrMTib8EkXQ/640?wx_fmt=png&from=appmsg] 新智元报道 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYWGxcbmnyYvqrSqhntcbPdelKBG0JLug4pEX8icjBSe5eib6PekswOSvrq8ybatQJRDr9Vib5WOKaUuibKfLb5qH3J4kEIYmC4NQJU/640?wx_fmt=png&from=appmsg] 「我今天从Anthropic辞职了！」 9日凌晨，一条推文在X上炸开：过去三年，我在OpenAI和Anthropic做预训练研究。两家公司都没有负责任地行事。它们正直奔自我改进的超级智能，拿我们所有人的命下注。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYV0hwFTAdTIgDxCay5C1av0TVqGLQOYhJ6BZyltEUNicntdxzyYyn9F4YgiaJwXJicEqPJtwpFxtr1Asb3aUxo48COsLvAia9ic96GA/640?from=appmsg] 发帖人Jacob Coxon，是GPT-4o的核心贡献者。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYVrIJQyx4R7DuCXQ9juk78o6sC3aZ4PLibW0R6ZDh6157Bgibr3EPO0YTmTBFtCicMJxY3yTeOc9eGQoAPld1ruwv7q6e0iclLJ36c/640?from=appmsg] 今年年初，他因为Anthropic的安全声誉从OpenAI跳槽过去。几个月后，他不只是离开Anthropic，而是连整个AI行业一起退出。我们正走在很多最激进情景的轨道上，到明年底，情况可能已经失控。在帖子中，他还将这种AI竞赛及其终局称作是「一场傲慢的赌博」，认为这种赌博，「不该从一家私人公司的Slack里发动」。是什么让他决定离开这两家顶尖实验室？他到底看到了什么？ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] OpenAI没意识到 Anthropic停不下来 Coxon之前在OpenAI做的是预训练。他的名字，出现在OpenAI 2024年8月发布的GPT-4o系统卡核心贡献者一栏里。今年早些时候，他离开OpenAI，加入Anthropic，就是奔着那套安全文化去的。负责任扩展政策、可解释性研究、红队测试，这些Anthropic都做得最认真，业内公认。但不到一年，他就接连离开两家AI实验室。不是因为Anthropic在安全上敷衍。他认为Anthropic的安全努力是真诚的，问题出在别处。在OpenAI，很多人没有真正内化文明级的风险；在Anthropic，风险被充分理解，但公司被锁死在一场必须第一个到达的竞赛里，停不下来。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYWZ2CR0E2ibKvicZWACKQr5E0eW7eg10t2YP7gTnECfSxycGyWlaptcgtw3ib84SuY23Wib4k6GkgIk3No0icI4m4y7wJm6HTkrTicEg/640?from=appmsg] 一家没看清，一家看清了也停不了。 Coxon在两家公司都呆过，答案是一样的：在这场AI竞赛里，没有任何一家公司能单独做到安全。只要竞赛还在，安全和速度之间的取舍就躲不开——这才是他真正退出的原因。他的结论是：政府不介入，行业不一起踩刹车，没有任何一家公司能负责任地造出比人更强的AI。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 最快明年底 AI可能失控这是 Coxon 对「最激进的一类情景」的判断，还画出了清晰的时间线。第一步，模型开始参与训练自己的下一代。第二步，改进速度越过人类监督能跟上的范围。第三步，系统的能力足以让它拒绝指令。 Coxon爆料，冲刺期和终局，是业内同行形容眼下这个阶段最常用的两个词。造AI的人真诚地相信，它可能在这个十年结束前杀死我们所有人。这不是营销噱头。他在推特上直言。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYUQsLhdzfhlibI2LeAkBJBASkxTgciaLiaaNMMic8NBPAhiaaYPHImIxqSLpicPYW9Wk0jvZwYicY7ZaQF5AQm7cDSbdCibYBfMD8sQFmI/640?from=appmsg] Coxon还披露了一个业内真相，很多高管和资深研究员面对媒体时会把措辞包装得听起来理性，但私下里，他听到的是同一批人在表达恐惧：这些系统很快会变成超人级的，能黑进任何东西，一夜之间改写任何领域，并且获取真实的权力和资源。这几个月的真实事件，印证了这种担忧。 OpenAI和Anthropic的模型都出过黑客事件，有些是成群的智能体协作干的。它们说明了同一件事：AI系统会自己长出有害目标，还会想办法瞒着人。 Coxon的推论是：现在出事，还是在受控环境里。等系统开始自我改进，它可能强到直接拒绝指令。他反对的，不是造更强的AI，是用赛跑的方式去解决对齐。 Anthropic内部有一个Slack频道，专门讨论自家模型有多强。 Coxon对此很不以为然：这种事本该发生在沙漠里的掩体中，像曼哈顿计划那样。现在却发生在旧金山几个工程师的MacBook上，这有点疯狂。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/UicQ7HgWiaUb3uEdSPKrwGNmZEOaaGyzVvZ8dTtE9jU1rFsda3llYbCZpmWfiazUYjWBLTGvlPpXucH8Q0lEUJN3Q/640?wx_fmt=png&from=appmsg] 同一周 OpenAI首席科学家说了同一件事 Coxon辞职的两天前，9月6日，OpenAI首席科学家Jakub Pachocki发了一篇长文，标题叫《异类心智》（An Alien Mind），核心就是一句话：目前，没有任何实验室把对齐和监控解决到足以在更长时间内负责任地全速扩展的程度。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYXnEtkp3FUFfAo4jznwm8L70LSrUxLn6nggmlTa720DDHU4mKAYISHFtOVQQrhfDbBhMfeBIjauZLDmEsMvKicBgYeZo1V5nCQw/640?from=appmsg] Pachocki是OpenAI推理模型路线的奠基人之一，也是这家公司技术方向的最终拍板者。他从技术角度给出自己的理由，OpenAI押注的思维链监控，可靠性正在下降。推理过程越来越多地和工具调用、与人和其他AI的沟通混在一起；模型越来越擅长操纵自己的推理过程，想给你看什么就写什么；而且预训练越强，模型就越不需要把想法写出来，光靠直觉也能足够聪明。看到模型在想什么的那扇窗户，正在变模糊。 Pachocki 的路线不是停下来，而是两条腿走路。一边用更强的AI去做对齐和防御研究，一边在安全信心不足时自愿减速。他还提出要把Preparedness Framework、负责任扩展政策这类公司内部承诺，升级为由第三方审计、政府机构或国际组织执行的统一安全门槛。再往前推两个月。 7月，一份叫《Pacing the Frontier》的联署声明发布，签名者是1386名前沿AI公司员工。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYUBmviaJlFdMXtF5rXeayJstJ9vO83ptueRNszemc11Da0jNV6dj51fnx4xCkiam73z7Q7fbmxVlJdr1WJKBfwOoXicxTCIYowWdc/640?from=appmsg] Anthropic的CEO Dario Amodei，OpenAI的首席科学家Jakub Pachocki，DeepMind的联合创始人Shane Legg，还有Ilya Sutskever，几乎所有头部实验室的核心人物都在联名名单上。 Coxon也是其中一员。这份声明请美国政府支持一个国际机制，提前准备好「有意识地给自动化AI研发配速」的技术和治理工具。它没有要求现在停训，而是要求万一自我改进突然加速，世界得有能力踩刹车。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYUT6FXMXia6B0dg6KFTUQIZiaLk96iaTTCafT4gAr9hPsAicicgBvYNBXmnibgiaOglKQlLNicBmQRsCz3PhAbCn41CkHaDfVibdzLjbRWg/640?from=appmsg] 他在推文里，把话直接说给了还留在实验室里的那些签名者：如果你是实验室里的研究员，我劝你认真想一想，接下来几年到底会是什么感觉。你想在没有严格理解它的心智之前，就启动一次超级智能的强化学习训练吗？你是打算低头干活，因为「反正它总会发生」，还是抓住这个时刻，去要求不同的条件？ 1386个人签了名，说要造刹车。 Coxon想问的是：在刹车造出来之前，你还要不要继续踩油门。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_png/Rvq8Ow69CYWEWKOuxIObf7u4cbakCqGzMM5KO9tMoZ5FuzGr3c343INa4DdUgDicycOerJLGgWL55PXiaSrlZicrC97p0jEibjuQ8szmyYIL2hI/640?from=appmsg] Anthropic首席产品官Ami Vora、总裁Daniela Amodei与CEO Dario Amodei在Code with Claude开发者大会上。Dario多次公开警告失控AI的风险，也签了《Pacing the Frontier》，但公司仍在冲刺史上最大规模的IPO之一。这样的离开，Anthropic今年已经不是第一次。 2月，Safeguards研究负责人Mrinank Sharma辞职，公开信1000万浏览，一句「世界处于危险之中」刷屏。信里说，在这里「总有压力让你把最要紧的事先放一放」。他的去向是：读一个诗歌学位。 [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_png/Rvq8Ow69CYXeI6gDJLjIAZNSBtNTUmyWicsvgBhqmZcYOSNW9ujEss1pVHVfN1icsJ96SqhZO5263O0D5tQrobvV8ic8IZCytpicx4RQAIgo1M0/640?from=appmsg] 两人一个去写诗，一个退圈，都没有说Anthropic在安全上做得不好。过去几年，讨论AI安全的默认问法是：哪家公司更负责任？ Anthropic正是靠这个问题起家，靠它吸引来Coxon这样的安全人才，赢得企业客户，拿到2万亿美元的估值预期。但今年从这里走出去的两个人，把AI安全的问题推到了一个新阶段：不再是哪家公司刹车踩得最好，而是整个行业能不能一起踩这个刹车。这个问题的答案，不会在任何一家公司的Slack频道里。参考资料： https://www.wsj.com/tech/ai/anthropic-researcher-quits-over-out-of-control-ai-fears-707b7628?mod=e2tw 编辑：元宇秒追ASI ⭐ 点赞、转发、在看一键三连 ⭐ 点亮星标，锁定新智元极速推送！ [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/sz_mmbiz_jpg/UicQ7HgWiaUb1y6B5OM79TFzpkceWtUkI6LEwv0uYicSoM5Q3I3kDNJhxWdL3tQvbOpU3Ty7icBqnDDNd4CCu4ibiaHw/640?wx_fmt=jpeg&from=appmsg] [图片: http://img2.jintiankansha.me/get?src=http://mmbiz.qpic.cn/mmbiz_jpg/Rvq8Ow69CYWibbglgQrXCODibUKaiauzy2AhKDhAibbumxZwicnicJu5k0ovTK5MujQ0S8fpuibHHSCeJq2SV2swpu7CWhM1DvMMeMO5VpbiafI79FY/640?from=appmsg] 文章原文 [图片: http://www.jintiankansha.me/rss_static/5418/m1qiUFHY7e]

查看原文

AI技术资讯来自 INFOQ 9月9日 14:06 ☆☆☆☆☆ 0

vim.async's Addition Modernizes Neovim’s Async Architecture for Better Stability

[图片: https://www.infoq.com/styles/static/images/logo/logo_bigger.jpg] Neovim has introduced a structured concurrency library in its Lua standard library via the vim.async namespace. This framework provides a standardized method for managing async workflows, addressing issues related to task management and error propagation. It allows for cooperative scheduling and clear task hierarchies, improving plugin development and error handling in asynchronous operations. By Olimpiu Pop

查看原文

AI技术资讯来自量子位 9月10日 09:39 ☆☆☆☆☆ 0

打造10万卡国产算力集群推出JoyAI世界模型，京东发布物理AI建设最新成果

查看原文

AI技术资讯来自量子位 9月10日 08:42 ☆☆☆☆☆ 0

实测星火X2.5：手搓粒子月亮、拆完61页财报……还顺手揪出了我的Bug

查看原文

AI技术资讯来自量子位 9月10日 03:24 ☆☆☆☆☆ 0

刚刚，苹果首款折叠屏发布！15999元起，AI参与设计

查看原文

AI技术资讯来自 DIFY 9月10日 02:00 ☆☆☆☆☆ 0

Don’t replace your tech stack, just patch the missing pieces. 🛠️✨ We all have that one tool we use...

查看原文

AI技术资讯来自 INFOQ 9月10日 02:00 ☆☆☆☆☆ 0

Meta's Recipe for Building Agents as "Organizational Second Brains"

查看原文

AI技术资讯来自 LLAMAINDEX 9月10日 00:58 ☆☆☆☆☆ 0

Last week we brought LlamaParse to Claude. Now it’s available in ChatGPT, too 🦙 ChatGPT can alrea...

查看原文

<div style="font-family: Arial, Helvetica, sans-serif; max-width: 600px; margin: 0 auto; background: #ffffff; border: 1px solid #e1e8ed; padding: 0; line-height: 1.5;"><div style="padding: 8px 16px;"><div style="font-size: 16px; line-height: 1.6; color: #0f1419; margin-bottom: 16px; white-space: pre-wrap; word-wrap: break-word;">Last week we brought LlamaParse to Claude. Now it’s available in ChatGPT, too 🦙 ChatGPT can already read PDFs. But document work gets harder when the information you need is buried in messy scans, dense tables, spreadsheets, and charts. Strike the right balance between burning tokens and accuracy, with a specialized API for document understanding. Turn complex documents into clean, structured context and let Astra run its magic. Use our connector to: ✅ Parse documents into clean Markdown, JSON, or HTML. ✅ Extract specific fields into a schema you define. ✅ Search across document collections to find the information you need. ✅ Classify files and split documents into logical sections. Live in the ChatGPT plugin directory now! →<a href="https://chatgpt.com/plugins/plugin_asdk_app_6a8c892f334c8191a56023560ed46b4b?q=llamaparse" style="color: #1da1f2; text-decoration: none;" target="_blank">chatgpt.com/plugins/plugin…</a>5</div><div style="margin: 16px 0; border: 1px solid #e1e8ed; overflow: hidden;"><div style="margin: 0; background-color: #f5f5f5; padding: 8px;"><video style="width: 100%; height: auto; max-height: 400px; max-width: 100%;"><source src="https://video.twimg.com/ext_tw_video/2097731303558778880/pu/vid/avc1/1116x720/KJVXK45an_alH-lG.mp4?tag=12" type="video/mp4">Your browser does not support the video tag.</video><div style="padding: 10px; text-align: center; background-color: #f0f0f0;"><a href="https://x.com/llama_index/status/2097731325532811647/video/1" style="color: #1da1f2; text-decoration: none; font-weight: 500;" target="_blank">🔗 View on Twitter</a></div></div></div></div><div style="padding: 12px 16px; border-top: 1px solid #f1f3f4; background: #f9fafb; font-size: 13px; color: #536471; text-align: center;">💬4🔄3❤️17👀6995📊7</div><div style="padding: 12px 16px; background: #f9fafb; border-top: 1px solid #f1f3f4;"><div style="text-align: center; font-size: 12px;"><a href="https://xgo.ing" style="color: #1d9bf0; text-decoration: none; font-weight: 500;" target="_blank">⚡ Powered by xgo.ing</a></div></div></div>

AI技术资讯来自 DIFY 9月10日 00:00 ☆☆☆☆☆ 0

Ever wondered what people actually thought about the plugin or template you built? Or wanted to than...

查看原文

<div style="font-family: Arial, Helvetica, sans-serif; max-width: 600px; margin: 0 auto; background: #ffffff; border: 1px solid #e1e8ed; padding: 0; line-height: 1.5;"><div style="padding: 8px 16px;"><div style="font-size: 16px; line-height: 1.6; color: #0f1419; margin-bottom: 16px; white-space: pre-wrap; word-wrap: break-word;">Ever wondered what people actually thought about the plugin or template you built? Or wanted to thank a creator for saving you hours of work? Dify Marketplace is getting more connected. 💬 Featured Banners give great work the spotlight it deserves, while Likes, ratings, and written feedback let creators hear what happens after their work gets used. Together, they create a closer exchange between builders and creators. Explore what others are building, put it to work, and share what you learn along the way. 🚀 Explore more<a href="https://dify.ai/blog/from-discovery-to-response-a-more-connected-dify-marketplace" style="color: #1da1f2; text-decoration: none;" target="_blank">dify.ai/blog/from-disc…</a>H3#Difyf#DifyMarketplacec#Communityty</div><div style="margin: 16px 0; border: 1px solid #e1e8ed; overflow: hidden;"><video style="width: 100%; height: auto; max-width: 100%; display: block;"><source src="https://video.twimg.com/tweet_video/HRxYIGDbYAAgiry.mp4" type="video/mp4"><img src="https://pbs.twimg.com/tweet_video_thumb/HRxYIGDbYAAgiry.jpg" alt="Animated GIF" style="max-width: 100%; height: auto;"></video></div></div><div style="padding: 12px 16px; border-top: 1px solid #f1f3f4; background: #f9fafb; font-size: 13px; color: #536471; text-align: center;">💬0🔄0❤️1👀530</div><div style="padding: 12px 16px; background: #f9fafb; border-top: 1px solid #f1f3f4;"><div style="text-align: center; font-size: 12px;"><a href="https://xgo.ing" style="color: #1d9bf0; text-decoration: none; font-weight: 500;" target="_blank">⚡ Powered by xgo.ing</a></div></div></div>

AI技术资讯来自 HUGGINGFACE_BLOG 9月9日 23:36 ☆☆☆☆☆ 0

IBM releases SOTA Granite Time Series PatchTST-FM-r2 model with commercial-friendly license

查看原文

# Load model weights
model = PatchTSTFMForPrediction.from_pretrained(
 "ibm-granite/granite-timeseries-patchtst-fm-r2"
)

AI技术资讯来自智东西 9月9日 20:19 ☆☆☆☆☆ 0

实测神秘模型Omen Alpha：我用它25分钟速搓“牛来”版YouTube

查看原文

原创 毕 伟豪 2026-09-09 20:19 北京

AI技术资讯来自智东西 9月9日 20:19 ☆☆☆☆☆ 0

发布倒计时，苹果首款折叠iPhone已经剧透完了？

查看原文

原创 杨京丽 2026-09-09 20:19 北京

AI技术资讯来自极客公园 9月9日 19:37 ☆☆☆☆☆ 0

Token 之后，谁来组织 AI 计算？Arm 寻找下一代计算的答案

查看原文

原创 徐珊 2026-09-09 19:37 北京

AI技术资讯来自极客公园 9月9日 19:37 ☆☆☆☆☆ 0

助听器躺赚三十年暴利，被 AI 打破了

查看原文

徐珊 2026-09-09 19:37 北京

AI技术资讯来自新智元 9月9日 19:27 ☆☆☆☆☆ 0

刚刚，OpenAI官宣：AI成功接管量子计算机

查看原文

AI技术资讯来自新智元 9月9日 19:27 ☆☆☆☆☆ 0

豆包工作这波更新，我给满分！一大波实测来了

查看原文

AI技术资讯来自 INFOQ 9月9日 19:00 ☆☆☆☆☆ 0

Presentation: Fixing the AI Infra Scale Problem by Stuffing 1M Sandboxes in a Single Server

查看原文

AI技术资讯来自量子位 9月9日 18:02 ☆☆☆☆☆ 0

实测星火X2.5：手搓粒子月亮、拆完61页财报……还揪出了我的Bug

查看原文

AI技术资讯来自 MODELSCOPE 9月9日 18:00 ☆☆☆☆☆ 0

Nex-AGI 开源 Nex-N2.5：mini、Pro、Max 三档模型齐发，SWE-Bench Pro 超越 GPT-5.6

查看原文

魔搭ModelScope社区 2026-09-09 18:00 浙江

AI技术资讯来自量子位 9月9日 17:57 ☆☆☆☆☆ 0

国产AI4S计算平台登场亮相2026外滩大会算力技术与人才布局双向发力

查看原文

AI技术资讯来自 INFOQ 9月9日 16:54 ☆☆☆☆☆ 0

Azure Virtual Desktop Hybrid Reaches GA with Licensing Details Unpublished

查看原文

AI技术资讯来自新智元 9月9日 16:11 ☆☆☆☆☆ 0

60分靠数据，100分靠自进化：清华曹婷和「域变换」攻向机器人可部署

查看原文

AI技术资讯来自新智元 9月9日 16:11 ☆☆☆☆☆ 0

27岁研究员连辞OpenAI、Anthropic！两家都在拿我们的命下注

查看原文

AI技术资讯来自 INFOQ 9月9日 14:06 ☆☆☆☆☆ 0

vim.async's Addition Modernizes Neovim’s Async Architecture for Better Stability

查看原文

📭 此日期无开源工具分类的数据。

📭 此日期无Github趋势分类的数据。