奥迪昨日透露了其即将推出的全新旗舰 SUV——奥迪 Q9 的内饰细节。
这款预计于今年晚些时候正式亮相的新车,不仅将成为奥迪品牌有史以来体型最大的一款车,也将承担起产品线中最高端车型的角色。
长期以来,A8 轿车一直是奥迪旗舰座驾的代名词,但随着高端市场消费者对空间和多功能性的需求日益增长,奥迪希望通过 Q9 来接替 A8,成为新一代的高端行政级座驾。
奥迪首席执行官格诺特·杜尔纳(Gernot Döllner)表示,长期以来,汽车早已不仅仅是一种交通工具,它们更是客户的移动生活空间。他强调,优质的材料、带有第二排独立电动座椅的多变布局以及自动门设计,都突显了品牌在新款大型全尺寸 SUV 上对品质的承诺。

正因如此,Q9 的研发重心被大幅倾斜到了后排乘客的乘坐体验上,力求为乘客提供一个宽敞且舒适的移动空间。
从目前海外媒体曝光的测试车谍照来看,Q9 的车身尺寸相当庞大。与现款 Q7 相比,Q9 的轴距预计加长了 120 至 150 毫米,总轴距有望达到 3100 至 3150 毫米的区间。
同时,整车长度预计将突破 5.2 米。这样的车身三围尺寸,使得奥迪 Q9 在物理空间上能够与宝马 X7(车长 5181 毫米)以及奔驰 GLS(车长 5219 毫米)等全尺寸 SUV 处于同一竞争级别,为车内宽敞的空间奠定了基础。
奥迪为 Q9 提供了六座或七座两种内部布局方案。二排支持选装独立航空级座椅,配备了全面的电动调节角度和主动通风功能,并优化了进出通道,让乘客上下车更加从容。配合车内柔和的环境氛围灯,营造出一种舒适且私密的休息环境。

为了进一步提升便利性,Q9 成为了奥迪旗下首款配备自动门功能的车型。日常使用中,用户可以通过随身携带的车钥匙、轻轻拉动门把手或者使用手机上的专属应用程序来开启车门。
落座之后,也不需要费力去拉动沉重的车门,只需踩下刹车踏板、扣上安全带或者按下车门内侧的控制按钮,车门就会自动缓缓关闭。为了确保安全,车门内部集成了环境传感器,能够探测到车辆周围经过的行人、自行车等障碍物,避免在自动开门时发生碰撞。
车辆前排采用了奥迪最新一代的数字化座舱布局。
整个中控台由三块数字屏幕构成,驾驶员正前方是一块 11.9 英寸的液晶仪表盘,中间是一块 14.5 英寸的触控显示屏,而副驾驶前方也单独配备了一块 10.9 英寸的娱乐触摸屏。

屏幕下方的全新中控台整合了两个手机无线充电面板,并配备了尺寸足够容纳大号水瓶的杯架,满足了日常出行的收纳需求。
在座舱内饰材料的选用上,Q9发生了一个较为明显的转变,即大幅减少了钢琴黑烤漆面板的使用面积。
过去,奥迪曾是较早将这种亮面塑料材质广泛引入车内设计的品牌之一。然而,随着长期使用反馈的积累,这种材质在日常环境中极易沾染指纹、灰尘,且表面容易产生细小的划痕,无形中增加了用户的清洁和维护难度。为了改善这一实际使用中的痛点,奥迪在Q9的内饰中转而使用了保留自然纹理的木材、具有编织触感的织物等常规表面材料。
相较于以往那种依赖高反光度来吸引眼球的设计,这些新引入的材质在视觉上呈现出更为内敛的哑光状态,在日常触碰时也更为耐脏、耐用。这种选材策略的调整,使得车内环境的营造不再单纯依赖表面的光亮感,而是更侧重于材料本身的实用耐久性以及基础的物理触感。

在听觉体验上,奥迪也改变了以往高调展示音响硬件的做法。
过去,奥迪车内那套升降式的高音头曾是其标志性的配置,而在 Q9 中,所有的扬声器都被巧妙地隐藏在了内饰面板之下。这种「只闻其声,不见其形」的设计让车内显得更加整洁。这套拥有 22 个扬声器、功率超过 1300 瓦的基础音响系统,音质表现依然扎实。
此外,车内的氛围灯还能根据当前播放歌曲的专辑封面主色调进行自动变换,增强了沉浸感。

所有 Q9 车型上都会标配一块面积巨大的全景玻璃天窗,这块玻璃经过了特殊涂层处理,可以有效阻挡超过 99.5% 的紫外线。
用户还可以选装带分区调节功能的智能天窗。通过控制面板,乘员可以单独调节各个玻璃区域的透明度,在遮光与透光之间自由切换。
此外,天窗还可额外选装一套集成式的氛围照明系统,其内部包含 84 个 LED 光源,提供 30 种颜色选择,并能与车辆的驾驶模式联动。当车辆停放熄火后,天窗玻璃会自动变为完全不透明状态,有效防止阳光直射导致车内温度过高或内饰老化。

尽管尺寸庞大,但奥迪 Q9 在外观设计上并没有走向夸张张扬的极端。
目前所有拍到的 Q9 测试车大多都覆盖着厚厚的伪装,但与外观饱受争议的宝马 X7 相比,奥迪 Q9 的设计似乎显得更克制一些。
从测试车来看,Q9 的前脸它的前脸采用了一个尺寸巨大的多边形进气格栅,搭配宽阔的横向下进气口以及目前流行的分体式大灯组。

在侧面,Q9 的车顶线条相对平直,第三排乘客的头部空间有所保障。车身侧面则采用了半隐藏式门把手和上扬式的腰线来增添动感,车尾处则能观察到 Q9 采用了回旋镖造型的 LED 尾灯和贯穿式灯带。
整体而言,这套外观造型被不少人看作是现款 Q7 的「放大版」,两者的轮廓差异不大,主要在尾灯细节、后三角窗的面积比例以及牌照框位置等处有所区分。

而在动力上,Q9 预计将采用母公司大众集团高级内燃机平台(PPC)的加长版,其中主打运动性能的 SQ9 车型将搭载双涡轮增压 4.0 升 V8 汽油发动机。
除了标准版,奥迪还可能推出一款 Sportback 版本,采用更溜背的轿跑 SUV 设计,以吸引偏好运动风格的消费者。这将使 Q9 车系形成类似 Q8 之于 Q7 的差异化布局,进一步占领细分市场。
人类花了半个世纪把文档从打字机搬到 Word,又花了二十年搬到云端。结果 AI 时代真正的通用格式,是一门 2004 年发明的纯文本语言—— Markdown。
最近 Claude Code 工程师 Thariq 又提出了新的观点,说自己已经不用Markdown,HTML 才是未来,引发了大量讨论。
▲ Claude Code 工程师 Thariq 分享的用 HTML 替代 Markdown 文章,当前该内容已在 X 上获得千万次浏览
文章里,他提出了 HTML 格式的输出,是比 Markdown 文本更好的形态。对 AI 来说,从输出 Markdown 到输出 HTML,转换的过程基本无痛,但对用户来说却是实打实的体验优化。
Karpathy 在今天凌晨也转发了这篇文章,分享了他对于 HTML 的看法。
在他看来,音频是大语言模型最好的输入,视觉是最好的输出。在他畅想的路线里,HTML 之后还有交互动画、神经网络直接生成的视频、最终某种人机之间真正的感知融合。

在 Vibe Coding 和 Agent 产品成为主流的背景下,HTML 和 Markdown 对大多数 AI 玩家可能并不陌生。

▲ 在 DeepSeek 内要求它做一个小游戏,会直接给我们一段能运行的 html 代码文件
想做一个小游戏,告诉 ChatGPT,「帮我做一个贪吃蛇的单页 HTML 网页」。ChatGPT 会将代码打包成成一个后缀名为 html 的文档,双击打开,我们就能在浏览器里看到一个可交互、有动效、图文丰富的成果。
甚至在浏览器里面,任何一个网页下,按下 CTRL+S,保存下来的本地文件,都有一个 .html 的文档。
而 Markdown 从 AI 要获取网页上下文的年代,就有大量的工具,直接将各种文件类型的文档转成 Markdown 格式。
微软自己作为办公三件套之王,有着 docx、pptx、xlsx 等职场常用的文件,早前也开源了一个将这些办公文档转成 Markdown 格式的项目,目前在 GitHub 上已经收获超过 12 万 Stars。

▲ 项目地址:https://github.com/microsoft/markitdown
OpenClaw 爆火之后,各种 AGENT.md、SOUL.md、CLAUDE.md、MEMORY.md……甚至是 Skills 工程里面,每个 Skill 也是一个 Skill.md 的文档。
从记忆的保存、到提示词和 Agent 的控制,Markdown 格式几乎成为了 AI 获取丰富上下文的不二选择。

▲ OpenClaw 智能体会通过多个不同的 Markdown 文件来搭建最终的工作区|图片由 AI 生成
我们日常工作中最常使用的 PDF、DOC、以及 PPT 反而在 AI 时代成了「最不被待见」的格式。
但现在冒出来的 HTML 的又是怎么一回事,它会有机会取代 Markdown 成为 AI 时代的新通用语言吗?
先说说为什么 Markdown 成为了 AI 时代的 Word,无论是 AI 的回答,还是我们丢给 AI 的上下文,现在大多都是以 Markdown 为主。
这门语言诞生于 2004 年,灵感来自 2000 年代电子邮件的文本排版惯例——竖线分隔、80 字符换行、星号表示强调。它的目标是「写起来像纯文本,渲染出来像 HTML」。足够简单,足够便携,不需要任何工具,任何文本编辑器都能处理。

▲ Markdown 语法速查表|图片由 AI 生成
这套设计哲学在博客时代是完美的。2008 年前后随着 Github 崛起,Markdown 直接成为程序员的标准写作格式。各类技术文档、Stack Overflow 回答、Github README、技术博客,Markdown 几乎在所有这些场景里都工作得很好。
然后大语言模型来了。
一边是刚好训练数据里有大量 Markdown 格式的文本,模型学会了用它表达结构。即训练数据上,那些技术博客论坛里「聪明人写的东西」大量是 Markdown。模型学到的不只是格式,还有「用 Markdown 写作 = 认真、结构化、专业」这个关联。
另一边是 Markdown 的结构信号非常局部化,一个标题只需要一个 #,一个列表只需要一个 -,** 出现就是加粗。模型也不需要看很远的上下文就能判断当前 token 的语义角色。

▲ 同样一篇文章,HTML 意味着繁多的标签、各种区块的分隔,以及样式控制等
对比 HTML 的标题和列表
或者
要省得多,此外,HTML 的
要等到
才闭合,语义跨度长,模型生成时需要「记住」更远的状态。对模型生成来说负担更重,出错概率更高。
所以无论是从大语言模型注意力机制的技术角度,还是 Token 经济学的角度,「能用 Markdown 就不用 HTML」在长文档、多轮对话、大量 API 调用的场景里,成了工程师和模型双方的偏好。
总结下来,Token 效率高、结构清晰、解析简单的核心价值,让模型天然爱 Markdown,它爱 Markdown 格式的输入,也爱 Markdown 格式的输出。
这种偏好在大语言模型训练时,也变得更加明显。
模型通过人类反馈强化学习 RLHF 的时候,标注员给高分的回答大概率是:有清晰标题、有分点列举、结构一目了然的回答。而这种视觉结构,在纯文本环境里就是 Markdown。
于是模型学到的奖励信号也是:用 Markdown 格式化 = 看起来更认真、更完整、更值得高分。即使问题根本不需要列表,模型也会倾向于加列表。

▲ 知名的 Markdown 编辑器 Typora
这大概也是为什么我们随便问 ChatGPT 一个问题,它都想给三个要点、加粗关键词、再来个小结。以及大多数时候,在 AI 的对话界面,复制 AI 的回答,粘贴到其他输入框,都会发现自动多了 #、**、—、等 Markdown 标识。
我们看到的每一条 AI 回复的文字消息,基本上都是以 Markdown 的格式在渲染。
Markdown 好用,但是我们日常生活中使用的文档格式,大多还是 PDF 和 Word。老板发来一个文件,我丢给 AI 去处理,这个文件往往要比我直接复制粘贴,消耗更多的时间。
本质原因还是模型只认识 token,不认识文件。
大语言模型的输入,在进入模型之前必须先被转换成 token 序列。模型看不到「一个 PDF」,它看到的是 PDF 被解析出来的文本内容,然后再切成 token。所以哪种格式在解析成纯文本之后,损失的信息最少、引入的噪声最少,这种格式就是更好的格式。

▲ Claude 官方的 PDF Skill,需要调用专门的工具库才能实现 PDF 文件读取
PDF 设计的目标是「打印出来好看」,不是「机器好读」。在 PDF 内部存储的是每个字符的坐标位置,而不是文本的逻辑顺序。一个两列布局的 PDF,解析出来的文本顺序很可能是左列第一行、右列第一行、左列第二行、右列第二行,直接就完全乱掉。
表格更糟糕。PDF 里的表格通常是用绝对坐标定位的文本块,没有任何「这是一行」「这是一列」的语义信息。对 AI PDF 解析器来说,只能靠猜。
扫描版 PDF 就更不用说了,直接是图片,要先过 OCR 文本识别,而 OCR 的错误率直接进入模型上下文。

.docx 和 .pptx 本质上是 ZIP 压缩包,里面是一堆 XML(可扩展标记语言)文件。解析出来的原始内容里有大量样式标记,字体、颜色、段落间距、主题、修订记录,这些对模型理解内容毫无帮助,但会占用大量 token,稀释真正有用的信息。
对 PPT 来说,信息密度本来就低,一张幻灯片可能只有一句话、几个关键词,解析出来是碎片化的文本,没有上下文连接,模型很难重建完整的逻辑。
有人会说那 TXT 呢,其实 Markdown 和 Word 这类文本,本质上都可以转成 TXT 文档,它没有额外的噪声,但也没有任何结构信号。
模型很难定位到哪里是标题、哪里是列表、哪里是代码块、哪里是引用。对于长文档,还意味着模型要靠自然语言线索去猜结构,准确率不稳定。

类似的语言还有 JSON/XML,它们确实对机器更友好,但「机器」指的不是语言模型。
JSON 和 XML 是为程序解析设计的,键值对、层级结构、严格语法。传统软件读 JSON 很舒服,因为它可以直接 json.parse(),得到一个结构化对象。
而语言模型的「理解」是通过 token 之间的统计关联实现的。对语言模型来说,读 JSON 和读自然语言的方式是一样的,逐 token 处理,靠注意力机制建立关联。把这种严格结构化的格式喂给一个为模糊输入设计的系统,本身是一种错配。
Markdown 刚好在这两者之间,它是纯文本,但带有轻量结构信号。

▲ 部分工具像 Jina Reader,在网页 URL 前添加 r.jina.ai 前缀,就能将任何网页转换为 LLM 友好的 Markdown
解析 Markdown 不需要任何特殊工具,直接读文本就行,不会有 PDF 那种坐标混乱,不会有 Word 那种 XML 噪声。同时 # ** – 这些符号给了模型足够的结构线索,让它知道这段是标题、这段是列表、这段是代码。
这些符号本身就在 token 词表里,模型直接处理,不需要任何预处理步骤。
在 Claude Code 工程的那篇文章里,细数了 HTML 的几大优点。

信息密度更高,HTML 能传达的信息远比 Markdown 丰富。它能做基础的文档结构、标题格式,但它还能表示各种其他信息,像是 CSS 样式、SVG 图片、canvas 空间数据、流程图、img 标签插入图片等等。
他还提到,Claude 能处理越来越复杂的工作,它写的需求文档和计划也越来越长。而超过 100 行的 Markdown 文件根本读不下去,更别说让其他人去读。
但 HTML 文档的阅读体验就更轻松。Claude 可以用标签页、插图、链接等方式把结构组织得清晰易导航。它甚至能做到响应式布局,在不同设备上都能舒服地阅读。

在分享这点上,他也认为 HTML 的传播要比 Markdown 容易。 把 HTML 文件随便放到某个云平台上,发这个链接给朋友和发一份 Markdown 文档,一定是点开链接阅读的几率更大。
就像现在做报告,展示几十页的 PPT,不然直接打开一个网页。市面上常见的深度研究产品,在生成 PPT 时,所采用的格式也是从渲染 HTML 网页开始。

还有 HTML 的交互性,我们可以点击不同的按钮、使用滑块或旋钮来调节不同的信息展示。
在提到 Markdown 输出的 Token 要比 HTML 少时,以及更耗时间时,他说 HTML 可能比 Markdown 慢 2-4 倍,但觉得值得;而 HTML 带来的表达力提升、以及真正去读它的概率大幅提高,最终产出反而更好。
我们也尝试把 Thariq 这篇长文转成 HTML 的格式,相较于 X 推文的长截图,HTML 呈现的内容会对读者更友好。

针对 HTML 更合适给人阅读这点,文章所列的优点听起来确实 Markdown 很难做到,但直接把 HTML 描绘成新的 AI 通用语言,还为时尚早。
难道我们未来的会话,每一次都要等 AI 输出一个所谓样式精美、交互友好的网页吗?
我想我们和朋友闲聊的时候,不会希望它盛装打扮,更不会想他要化妆一小时,要我们原地等待他。
更不用说,在大多数用户接触到的 AI,即那些不针对编程、设计等特定领域的 AI,全部都是以对话的形式在交互,我们的会话或许并不需要一份精美的 HTML,现有的 Markdown 就已经足够了。

Claude Code 工程师这篇文章里也提到了 HTML 适用于哪些项目,例如要求 AI 生成一份详细的需求文档,包括规划项目和探索不同的设计方案、或是可视化代码审查和理解、制作交互原型,比如动画和动作效果、以及研究报告等使用场景。
而这些场景本来就是适合网页呈现的场景,用它来挑战 Markdown 的地位稍微有点胜之不武。
作者在最后得出的论点是 HTML 作为 AI 交付给人类的最终产物更好读。但他并没有主张用 HTML 作为 AI 的工作记忆或上下文格式,因为 Markdown 在这一领域目前就是所有 AI 的唯一解决方案。

Markdown 还是 AI 时代的 Word,那 Markdown 最终会走向哪里?
Markdown 是 AI 的工作语言,是上下文的载体,是 agent 之间传递信息的格式,但它可能不需要是用户最终看到的东西。HTML 或者未来某种更好的格式,是 Markdown 被渲染之后的界面。
HTML 挑战不用挑战 Markdown 的地位,它只需要承担补上 Markdown 从来就不需要承担的那个角色。
Markdown 可以是 HTML 的一部分,我们在网页上和 AI 聊天,AI 给我们的回复使用 Markdown,它此时是被嵌入到了 HTML 里。
未来的 Markdown 就像一块积木一样,它会被嵌入到 HTML、甚至是某种更精美的 XTML 语言里。

格式会一直往前走。HTML 是此刻的前台,但也只是此刻的。下一站可能是可交互的 3D 空间,再下一站可能是直接写进视网膜的信号流。
但无论前台换成什么,后台跑的还是 Markdown。它不会被取代,只会被遗忘。而在技术的世界里,被所有人遗忘,恰恰是一种格式最终胜利的方式。
每一代人都在争论下一个界面是什么。但真正活下来的,从来不是界面,是协议。
5 月 11 日,比亚迪海洋网 2026 款海鸥正式上市。这次比亚迪准备了四个版本,官方指导价区间维持在 6.99 万元至 8.59 万元之间。
作为 A00 级纯电市场的热门车型,海鸥之前已经积累了庞大的销量基础。这次改款,比亚迪在维持基础售价不变的前提下,对车辆的软硬件配置进行了幅度不小的升级。
最为人所关注的变动,落在选装方案上。
新款海鸥将激光雷达作为选装件引入了 A0 级这一细分市场。在比亚迪提供的四款配置中,305km 自由版与 405km 飞翔版支持选装激光雷达套件。
如果消费者选择加装该套件,两款车型的实际售价将分别来到 9.09 万元和 9.79 万元。
比亚迪表示,硬件的增加带来了辅助驾驶能力的提升。
加装激光雷达的海鸥将配备天神之眼 B 系统,也就是 DiPilot 300 辅助驾驶激光版。该系统加入了城市领航辅助功能,在车辆行驶至带有红绿灯的路口时,系统可以进行识别并实时读秒;当路面遇到封路或改道等复杂状况,车辆也能够自主执行绕行和礼让动作。

此外,高配版本还配备了 AEB 自动紧急制动以及 DMS 驾驶员监测辅助等功能。
目光回到车内,2026 款海鸥的智能座舱也有具体的改动。
新车换装了 DiLink 150 高阶智能座舱系统,中控区域依旧是一块 12.8 英寸的悬浮式屏幕,但内部用上了全新的 UI。内置的深度定制版的高德地图导航系统,也在路线规划的准确度上做了升级,以满足日常的通勤需求。

基础配置的增加是改款的另一条主线。
部分以往仅出现在高配车型上的功能,现在成为了全系标配。例如,原本需要手动调节的空调系统全面升级为自动空调,360 度全景影像也作为标准配置出现在了所有版本上。针对入门版车型,比亚迪专门补齐了车窗防夹手功能。
为了改善代步车的驾乘体验,比亚迪还在细节上做了一些加法。
前排区域的设计有了变动。副中控台经过重新规划,增加了一个前排扶手箱,为驾驶员提供了额外的支撑空间。

座椅的版型同样经过更新,前排座椅的头枕从固定式改为了三档可调设计,方便不同身高的驾乘人员寻找合适的颈部支撑。驾驶员这边,方向盘加入了四向调节功能,主驾座椅也升级为六向电动调节。
车内还新增了 50W 手机无线充电面板;前挡风玻璃处的雨刮器升级为四档可调双雨刮,用于更高效地清除雨水、积雪和尘垢。
在动力和车身尺寸等基础参数上,2026 款车型与老款保持一致。

新车的长宽高依然是 3780 毫米、1715 毫米和 1540 毫米,轴距保持在 2500 毫米。动力部分采用最大功率 55 千瓦的电动机,最大扭矩输出为 135 牛·米。电池分为 30.08kWh 和 38.88kWh 两种规格,对应的纯电续航里程分别为 305 公里和 405 公里。
在被动安全配置层面,除了入门版车型配备 4 个安全气囊外,其余三个配置版本均搭载了 6 个安全气囊。
外观层面,2026 款海鸥基本延续了原有的造型轮廓,改动主要体现在色彩和标识的细节调整。
比亚迪为新款车型增加了两款车身漆色,分别是芒芒橙和薄荷青,座舱内部则补充了一种名为燕麦米的全新色调。走到车尾可以发现,旧款上的独立字母车标被整合到了贯穿式尾灯的中央位置,并加入了发光设计。

海鸥的基础款依然在老老实实做代步车该做的事,配置给够,内饰不糙,性价比摆在那儿。
但要注意的是,它的「性价比」并不体现在那颗激光雷达上。
在 A0 级车上装激光雷达,短期内注定不是走量的生意。同样是十万元,用户完全可以提一台更大的,且同样具备辅助驾驶能力的 A 级轿车或者 SUV。
比亚迪在现阶段把激光雷达这个选装包加进来,主要还是在秀对于供应链的控制力。用户买不买账另说,但先把「我能做」三个字拍在桌上,这很比亚迪。
🔥
Mark Gurman:苹果 Vision Pro 团队已被拆分重组
📱
微信状态要推出「访客记录」了
🚀
曝 AMD 下代 CPU 将使用三星 2nm 打造
⛽
总量承压、结构分化:4 月燃油车零售同比跌 37%,新能源渗透率创新高
💰
开发者让 Codex 自己去赚钱,22 小时赚回 16 刀遭群嘲
💸
曝快手计划分拆可灵 AI,200 亿美元估值融资 20 亿美元,腾讯参与洽谈
🛑
PS3 模拟器 RPCS3 发新规禁止纯 Agent 代码:开发者需对代码完全完全负责
🔋
软银宣布量产大规模电池,目标年产 1GWh 供 AI 数据中心使用
🤖
黄仁勋致 2026 届毕业生:AI 不会取代你,但更会用 AI 的人可能会
💰
360 向全体员工发放 1 亿 Token
🚗
小米新一代智能座舱入网
💡
姚顺宇:Scaling Law 没有到头,大多数「撞墙」是因为有 bug
🧹
5499 元起,大疆发布 ROMO 2 系列扫拖机器人
📱
红魔 11S Pro 外观曝光
💻
QClaw 上线「文件空间」打通腾讯文档与 ima
🛍️
霸王茶姬布局冰淇淋赛道,定价 18 至 26 元
🛒
阿里官宣千问接入淘宝 40 亿商品库,对话即可下单
📱
微信支付推出 AI 接入 Skill


据彭博社报道,苹果已大幅调整封闭式头显项目的战略优先级,原 Vision 产品团队被分拆重组,业务重心全面转向 AR 眼镜与其他 AI 可穿戴设备。
记者 Mark Gurman 援引知情人士透露,苹果在一年前已解散原 Vision 产品团队(VPG),将其软硬件人员拆分并入公司更庞大的工程架构中。
目前,原 VPG 负责人 Mike Rockwell 转为统管 Siri 与 visionOS 的联合软件部门,且其本人及核心副手的大部分精力均已倾斜至 Siri 业务的研发。
产品开发方面,苹果暂缓了重大封闭式新头显的推进,代号为 N100 的低成本头显(Vision Air)亦已于去年被取消。
软件层面,Gurman 称即将发布的 visionOS 27 将缺乏重大功能级创新,更新重点仅限于底层性能优化、Bug 修复,以及实现与 iOS 27 等系统在全新 AI 编辑工具和 Siri 升级上的功能对齐。
报道指出,在暂停封闭式头显推进期间,相关硬件团队正集中资源攻坚「带摄像头的 AirPods」及「AI 吊坠」等新型 AI 可穿戴设备。
🔗 相关阅读:下个月的苹果 WWDC,假如 iCloud 变成 iClaw……?


微信近期在 iOS 客户端灰度测试「个人状态」访客记录功能,允许用户查看自己发布状态的浏览人数,并在特定条件下显示浏览者头像。
据小红书博主「C」(Yang_Ccn)的爆料,该功能目前处于内测阶段,面向状态活跃用户开放。爆料称,状态页右下角将显示浏览人数,该数字大概率统计的是独立浏览用户数,而非浏览次数。
点击后出现的头像,则限于「浏览了你的状态,且自身当前也设置了状态」的用户 —— 若对方浏览了你的状态但自己没有发布状态,其头像不会出现在列表中。
另有博主补充表示:
腾讯客服官方账号随后就此功能作出回应,表示在状态有效期内,用户可在右下角查看该条状态的浏览人数;若浏览者当前也设置了状态,则可看到其头像,轻点即可查看对方状态。
官方同时确认,该功能目前正在 iOS 客户端进行灰度测试,尚未全量推送,建议未见到相关入口的用户耐心等待。

爆料人 Jukan 昨日援引大信证券消息称,三星可能已赢得一笔来自「北美无晶圆厂客户」的 2 纳米笔记本电脑 CPU 新订单。Jukan 随后推测该客户「看来像是 AMD」。
另据 wccftech 的分析,由于台积电先进制程产能已排满至 2028 年,在英伟达、苹果等科技公司积极占据产能的背景下,三星被认为是 AMD 在 Venice 和 Verano CPU 计划发布时间节点前实现足够产量的最佳替代方案。
此外,AMD 或也希望借此合作协议优先获取三星生产的 DRAM 内存。
三星目前仍面临良率问题,与客户期望标准之间存在差距。高通及特斯拉此前也被报道正在评估将 2 纳米订单转向三星,但尚无官方确认进展。若 AMD 最终采用三星 2 纳米方案,将是三星先进制程业务在今年获得的重要客户背书。

乘联分会昨日发布《2026 年 4 月份全国乘用车市场分析》报告。数据显示,4 月全国乘用车市场零售 138.4 万辆,同比下降 21.5%,环比下降 16.0%;今年 1—4 月累计零售 560.4 万辆,同比下降 18.5%。
新能源方面,4 月新能源乘用车批发销量达 122.5 万辆,同比增长 7.5%,环比增长 7.0%;零售量为 84.9 万辆,同比下降 6.8%,环比下降 0.3%。
新能源车在国内乘用车零售市场的渗透率升至 61.4%,较去年同期增长 9.7 个百分点。其中,自主品牌新能源渗透率达 80.1%,主流合资品牌升至 14.1%。
国内新能源乘用车零售方面,比亚迪以 182025 辆居首,吉利汽车 95585 辆排名第二,长安汽车 64471 辆位列第三。零跑汽车以 57162 辆进入前四,小米汽车交付 36702 辆,特斯拉中国国内零售为 25956 辆。
燃油车市场持续承压。4 月常规燃油乘用车批发销量 89 万辆,同比下降 16%,环比下降 28%;零售量 53 万辆,同比下降 37%,环比下降 33%。

昨天,开发者 Chris 在 X 分享了自己让 Codex 自己去赚钱的经历:他直接要求其「去赚 5 美元」,Codex 随后全程自主运行约 22 小时,最终赚回 16.88 美元。
据介绍,Codex 自主完成了寻找开源项目安全漏洞、提交 PR、与项目维护者沟通、处理 GitHub 验证流程直至收款的全套流程。Chris 表示,这是他亲历 AI 自主创收的第一次实验,并以此佐证 Sam Altman 所描绘的「AI 替人赚钱」愿景正在成为现实。
然而,这一结果引发开发者社区的大规模嘲讽。多名开发者指出,让顶配 AI 智能体持续运转 22 小时所消耗的算力成本极高,有人甚至表示其相当于花 2000 美元换回不到 17 美元的收益,堪称「倒贴打工」。
Chris 回应称,他并未直接承担算力费用,而是使用了 20 美元的包月订阅套餐,将成本转移至平台侧。不过他也承认,Codex 在执行任务期间因异常行为被系统风控限制了两次,账号曾遭到标记。
他表示,目前调用 GPT-5.5 的推理成本仍然高昂(百万输出 Token 约 30 美元),平台处于亏损状态;但他预计明年成本将降至约 2 美元,届时这种全自动接单模式将对用户和平台均具备商业可行性。
据晚点 LatePost 报道,快手计划分拆旗下视频生成大模型业务可灵 AI,以 200 亿美元估值寻求融资,目标融资规模为 20 亿美元,目前正与腾讯等投资方商谈。若此次融资完成,可灵将成为目前全球估值最高的视频生成大模型独立产品。
报道披露,可灵当前年化收入(ARR)已达 5 亿美元,较今年春节前翻倍。今年初,快手为可灵设定的全年收入目标为 6000 万美元,去年底实际完成 1.5 亿美元,目前 5 亿美元的 ARR 已超出快手最乐观的预期。

昨天,PS3 开源模拟器 RPCS3 官方在 X 发文表示,禁止「自主」AI Agent 参与代码贡献,并要求提交 PR 的开发者必须完全理解、真正拥有自己提交的所有代码。
团队指出,此类代码不仅浪费审查时间,部分改动甚至已被合并进主分支,导致功能对所有用户失效。
根据 RPCS3 公布的规则全文,项目允许使用 AI 辅助研究和逆向功能,但贡献者须对提交内容负完全责任。规则同时规定,项目所有代码、注释及 GitHub 评论均须由人类提交,而非 AI 智能体。
若 PR 使用了 AI 智能体或自动化工具,贡献者必须在描述中披露 AI 参与范围,注明哪些代码由 AI 生成,以及提交前经过了何种人工审查;未披露者,PR 可能在未经审核的情况下直接关闭。对于屡次提交未经测试、验证的 AI 生成代码的用户,项目将予以封禁。

据彭博社报道,软银集团旗下移动业务子公司昨日宣布,计划在其位于大阪堺市的工厂启动大规模电池单体量产,以应对 AI 服务带来的持续增长的电力需求。
软银将与韩国 Cosmos Lab 及 DeltaX Co. 展开合作,计划从明年 4 月开始的财年起实现量产,目标年产能为 1 吉瓦时(GWh)的储能系统,这将使其成为日本规模最大的电池生产设施之一,未来有望将产能扩大至数吉瓦时。
在合作分工上,Cosmos Lab 负责利用其锌卤素技术开发更安全的电池单体,DeltaX Co. 则在高能量密度设计方面具备专业能力。
软银表示,这批电池将首先用于其自身正在建设的 AI 数据中心,同时也计划向电网、工厂及工业和住宅等场景供应。中长期来看,软银还将寻求拓展海外市场。

昨天,英伟达 CEO 黄仁勋出席 Carnegie Mellon University(CMU)2026 年毕业典礼,并接受科学与技术荣誉博士学位。
黄仁勋对当前弥漫的就业焦虑给出了直接回应。他表示,AI 正在终结延续 60 年的传统计算范式 —— 从人类编写代码转向机器学习,从 CPU 转向 GPU,从执行指令转向理解、推理与规划。
他认为,这一转变让旧有经验的优势被削平,所有人重新站上同一条起跑线。他特别指出,「AI 不太可能取代你,但更会使用 AI 的人可能会取代你」。
对于刚拿到文凭、毫无包袱的年轻人来说,这其实是一件好事。因为大家不用再去死磕那些已经被前人占满的旧赛道,而是和所有人一起,又一次站在了同一条起跑线上。
他同时呼吁科学家、工程师与政策制定者共同承担责任,在推进 AI 能力的同时建立安全护栏,并确保 AI 的红利能够惠及更广泛的人群。他还提到,支撑 AI 基础设施所需的大规模建设将为电工、建筑工人、钢铁工人等传统行业从业者带来新的机遇。
值得注意的是,典礼上,Intel CEO 陈立武亲手为黄仁勋披上荣誉博士披肩,并在典礼结束后公开透露,两家公司正在合作开发「令人期待的新产品」,但未披露更多细节。
🔗 相关阅读:黄仁勋致 2026 届毕业生:别慌,AI 把所有人拉回同一起跑线 | 附演讲全文

据封面新闻报道,360 近日发布全员信,宣布向全体员工每人发放 1 亿 Token,用于使用公司旗下「360安全龙虾」AI 智能体平台。
公司内部人士表示,希望通过「人手一支 AI 专家团」的方式,推动员工从「使用 AI 工具」升级为「带着 AI 团队工作」,实现其所称的「人人都是超级个体」目标。
据博主「数码闲聊站」消息,小米新一代智能座舱入网。同时其还强调「猜猜是不是传说中的昆仑」。
据悉,小米通讯技术有限公司一款型号为 26109VP30C 的设备于 4 月 24 日通过工信部无线电核准。
另据新浪科技分析报道,该设备在 4 月 30 日又获发证书,明确设备名称为「车载无线终端」,支持 5G-增强移动宽带(eMBB)技术,还支持双卡双待机模式。
据此前报道,小米汽车首款增程式 SUV 内部代号为「昆仑 N3」,有望归属于全新的独立子品牌「寻天」。同时,相应车型谍照此前已经多次曝光。据悉,这款车型将提供可升降车顶,车顶升起后预计可作为房车使用。

MiniMax 昨日发布招募公告,宣布启动「10x Team」合作计划,面向多个垂直领域寻找行业专家,共同参与大模型构建。
此次招募的合作者需具备行业积累,认同 AI 加速行业进程的方向,并愿意参与定义问题、构建评测与工作流。MiniMax 表示,相关评测将对外开源,合作成果有机会影响行业发展走向。
在合作形式上,MiniMax 提供全职加入与 Fellowship 两种选项。
Fellowship 项目要求线下协作周期不少于四个月,工作地点可选择上海、北京、中国香港、旧金山或伦敦。MiniMax 同时支持联合署名与学术成果共享,并表示将提供具国际竞争力的薪酬,Fellowship 参与者亦可获得股票激励。

据《IPO早知道》消息,Vbot 维他动力近日完成近 5 亿元 Pre-A 轮融资,由东方嘉富、华泰紫金、复星锐正联合领投,上汽集团旗下尚颀资本、明荟致远参与投资,高瓴创投、BV 百度风投等老股东继续跟投。

在昨天发布的最新一期《张小珺商业访谈录》中,Google DeepMind 研究员姚顺宇表示,预训练的 Scaling Law 并没有到头。在被问及模型进步速度是否放缓时,他的回答是「完全没有」。
他解释称,用 Benchmark 分数涨幅来判断进展快慢,本身就是一个误导性框架 —— 任何 Benchmark 都有上限,越接近满分,数字增长自然越慢。
模型「学东西」的能力在持续增强,研究者如今更多的精力是在「把问题定义清楚、构建合适的数据」,其余的事情「好像很多时候是顺其自然的了」。
对于那些认为 Scaling Law 已触及天花板的观点,他归纳出三种来源:规律本身的适用范围有极限、关键条件(如数据)已耗尽。
他认为大多数「撞墙」,其实是研究工作本身存在 bug,但研究者自己没有发现。「修好一个 bug 带来的进展,远大于一些很神奇的技巧。」
而在谈及今年最大的期待,他用了一个自己常说的口号:
Train with finite context, use as infinite context.
用有限的上下文训练、却能在推理时支持近乎无限上下文的能力,他预计今年有望实现。一旦落地,这将解锁真正意义上的持续性个人助手 —— 模型在与用户长期交互中动态管理记忆,而不再受限于固定的上下文窗口。


昨日,大疆正式发布 DJI ROMO 2 系列扫拖机器人,包含 ROMO P2 和 ROMO A2 两款,搭载新一代 AI 感知系统与雷达自适应超幅外摆机械臂,定位高端智能清洁市场。先看价格:
ROMO P2 水箱版 5999 元、自动上下水超薄基站版 6499 元;ROMO A2 水箱版 5499 元、自动上下水超薄基站版 5999 元。
ROMO 2 系列的核心升级集中在感知、清洁与维护三条线。

昨天,红魔正式公布了新一代电竞旗舰红魔 11S Pro 的外观设计,并宣布该机定档 5 月 18 日正式发布。
红魔 11S Pro 正面采用真全面屏方案,采用屏下摄像头方案,取消了挖孔与刘海设计,成为今年首款「真全面屏」旗舰手机。

近日,Reactor 正式上线旗下「实时世界模型」早期预览入口,用户打开网页即可直接体验由 AI 即时生成的可交互 3D 场景。
据悉,该公司由前苹果与 Luma AI 核心成员联合创办,其技术路线的核心是将生成模型部署于自建的全球低延迟云基础设施之上,实现像素、音效与交互反馈的实时生成。
联合创始人兼 CTO Bryce Schmidtchen 在 X 平台发布的演示视频中,一辆红色跑车在异星沙漠中行驶,路面颠簸、远处行星等场景元素均由 AI 实时渲染,并即时响应用户的操控输入。

火山引擎昨日正式发布 Agent Plan,将多模态模型调用与 Harness 工具整合为一体化订阅服务,面向 AI 智能体场景。
套餐涵盖字节跳动自研的 Doubao-Seed、Doubao-Seedance、Doubao-Seedream 等 Seed 系列模型,以及 GLM-5.1、Kimi-K2.6 等第三方大模型,并内置联网搜索与记忆能力。
计费采用统一的 AFP(Agent 燃料值)单位。套餐分四档,兼容 Claude Code、OpenClaw 等主流平台,公测期间每天总计限购 5500 个、企业版同步上线。
腾讯云昨日宣布,QClaw 正式上线「文件空间」功能。完成一次授权后,用户可在 QClaw 内直接调用本地文件、腾讯文档及 ima 知识库,无需在多个应用间手动搬运文件。
腾讯文档方面,QClaw 实现了底层账号与权限的深度互通,AI 生成内容可直接保存至云端并生成协作链接,供团队成员在网页端继续编辑。
ima 知识库方面,用户可在 QClaw 内直接调取收藏内容参与分析,QClaw 生成的内容也支持一键保存回 ima,实现知识的双向流转。


据界面新闻报道,霸王茶姬近日在上海武康路旗舰店推出意式冰淇淋产品线,一次性上架 10 款 Gelato 及 3 款冰淇淋雪顶特饮,现阶段仅限该门店试营业,需到店点单,不支持小程序下单。产品分为 Gelato 和 Gelato 茶两个系列:

阿里巴巴昨日宣布千问与淘宝全面打通,用户在千问 App 内对话即可完成淘宝商品挑选、对比与下单;淘宝用户则可通过底部「消息」栏的「千问 AI 购物助手」入口使用相关功能。
千问接入淘宝 40 亿商品库及超 20 年购物场景数据,目前在淘宝端提供四项功能:
与此同时,支付宝正式发布「AI 付」新能力,为对话购物流程提供支付支撑。在「AI 低价帮抢」功能中,用户向千问 AI 购物助手下达指令后,支付宝「AI 付」会针对该购买任务生成一次性委托授权,完成核身验证后,AI 将自动蹲守目标价格并完成下单。
整个流程遵循「一次指令、一次授权、用完失效」的机制,目前支持 1000 元以内商品的购买。

微信官方账号「微信公开课」昨日发布公告,披露微信 4 月多项功能更新,涵盖支付、小程序、企业微信、小游戏、小店及贴图等。


二战题材新片《诺曼底 72 小时》已确认引进,定于 6 月 6 日上映。
影片聚焦诺曼底登陆前夕的关键 72 小时,以盟军远征军最高司令部首席气象学家詹姆斯 · 斯塔格上尉为核心人物,讲述其向最高指挥官艾森豪威尔提供天气研判、影响战局走向的真实历史事件。

据博主「守望好莱坞」消息,恐怖片《寂静之地 3》已正式宣布开拍。影片继续设定在怪物侵袭的世界里,延续系列「不要说话」的核心设定。
本片由约翰 · 卡拉辛斯基继续担任导演及编剧,影片定档 2027 年 7 月 30 日北美上映。
根据来自多个不同渠道的信息,小米 YU7 GT 的上市发布会定档于 5 月 21 日,除了 YU7 GT 之外,此前已经在工信部亮相的小电池版 YU7 标准版车型或将一同发布。
先来看看 YU7 GT,小米官方介绍这辆车是是一台原汁原味的纯血 GT,是一台充满驾驶乐趣,也能长途驾驶的跑车级 SUV。
小米官方专门解释了为什么不叫「YU7 Ultra」——
「Ultra」,代表着小米的巅峰旗舰,是极致的追求和纯粹的向往,为每一位用户带来巅峰性能体验。小米 SU7 Ultra,是一台拥有巅峰性能的新时代豪车,在世界顶级赛道「纽博格林赛道北环赛道」取得令人瞩目的圈速成绩,向世界证明了小米汽车的造车实力。
「GT」,则代表了「适合长途旅行的高性能豪华车」。小米 YU7 GT 定位「适合长途旅行的跑车级 SUV」。与 SU7 Ultra 不同,他并非追求极致性能的赛车,而是在高性能、豪华舒适和长续航之间取得平衡的纯血 GT。小米 YU7 GT 既能以澎湃性能点燃驾驶激情,又能将「豪华旅行」刻入每一个细节。
简单点说就是,Ultra 的定位更偏向于极致的赛道性能,而 GT 则想在性能、舒适和日常使用中保持平衡。

尽管强调平衡,但 YU7 GT 在动力参数上依然获得了显著的提升。
目前在售的 YU7 Max 版本搭载的是前 220kW、后 288kW 的双电机组合,最大功率为 508kW。而 YU7 GT 则进一步换装了前 288kW、后 450kW 的高性能电机,综合最大功率跃升至 738kW,账面马力直接突破 1003 匹,同时依然能保持 700 公里以上的续航里程。
在这样的动力加持下,YU7 GT 的最高时速从 Max 版本的 253km/h 提升到了 300km/h,刹车也升级到了碳陶瓷刹车系统。
参考市面上同为千匹马力级别的特斯拉 Model X Plaid,我们可以合理推测 YU7 GT 的百公里加速时间将轻松迈入 3 秒俱乐部。
为了验证这套动力系统的可靠性,小米团队在去年就将 YU7 GT 的测试车拉到了被誉为「绿色地狱」的纽北赛道进行测试。
根据海外媒体透露的消息,YU7 GT 在此前的测试中跑出了 7 分 32 秒的圈速成绩,这一表现已经超越了传统高性能 SUV 奥迪 RS Q8 Performance 的记录。

在外观设计上,YU7 GT 在现款 YU7 的基础上进行了一系列服务于空气动力学和散热的微调。
车身尺寸方面,新车长宽高分别为 5015mm、2007mm、1597mm,相比普通版略有加长和加宽,高度微降,轴距则保持在 3000mm 不变。
为了应对高速行驶时的风阻和下压力需求,YU7 GT 取消了前后主动进气格栅,重新设计了侧裙与轮拱造型,并增加了多处空气动力学套件。
同时,前门板和车尾处新增的红色「GT」标识,则低调地表明了其特殊身份。

对小米来说,YU7 GT 并不是一款背负销量考核的车型,它本质上是小米汽车在现阶段的一张技术名片。
为了打造这张名片,小米在 2025 年 3 月专门于德国慕尼黑成立了欧洲研发中心。这个研发团队的阵容堪称豪华,由前宝马 M 部门技术总监、曾主导 BMW M4 GT3 赛车项目的 Rudolf Dittrich 领衔。
此外,团队还汇聚了拥有近 30 年宝马底盘工程经验的 Claus-Dieter Groll,以及操刀过 AMG Vision GT 设计的 Jean-Arthur Madelaine。这支融合了保时捷、兰博基尼等顶级欧洲车企背景的团队,深度参与了 YU7 GT 的底盘和车辆动力学研发。

小米之所以在 YU7 GT 上投入如此高昂的研发成本,是因为出海计划近在眼前。
小米计划在 2027 年正式进军欧洲市场,YU7 GT 就是小米派出的先遣军。它的核心任务是在欧洲乃至全球市场建立起「小米有能力造出顶尖高性能车」的品牌认知。一旦这种认知生根发芽,小米后续在欧洲推出走量车型时,就有了获取品牌溢价的基础。
而在定价策略上,国内市场普遍预测 YU7 GT 的售价将落在 40 万至 50 万元区间。这个价格不仅填补了小米目前在 30 万以上高端市场的空白,也为未来定位更高的 YU9 旗舰车型预先铺平了道路。
除了 YU7 GT 之外,YU7 标准版的 73 度电版本也有可能在近期正式公布。
目前市面上在售的小米 YU7 仅提供 96 度和 101 度两个大电池版本。前者采用磷酸铁锂电池,CLTC 续航达到 835km,支持 3.5C 快充;后者采用宁德时代三元锂电池,支持更快的 5.2C 快充。大电池虽然带来了长续航,但也推高了车辆的成本和售价。
即将推出的 73 度电版本,搭载的是与新一代小米 SU7 标准版同源的宁德时代磷酸铁锂电池,同样支持 3.5C 快充技术。
从数据上看,电池容量的减少使得续航里程从 835km 降至 633km,但随之而来的是整备质量的大幅下降——从 2315kg 减重至 2200kg,足足减轻了 115 公斤。更轻的车身意味着更好的能耗表现和更轻快的驾驶感受。

从日常用车场景来看,对于绝大多数以城市通勤为主、偶尔进行中短途出行的用户来说,600 公里级别的续航搭配 3.5C 的补能效率,已经完全能够消除里程焦虑。
这块 73 度电池并非是 YU7 专用,而是与新一代小米 SU7 标准版同源共享的磷酸铁锂电池,供应商为宁德时代,支持 3.5C 快速充电技术。
这种跨车型共享电池包的策略,是成熟车企控制成本的常规手段。这不仅省去了重新开模和调整产线的研发费用,还通过规模效应摊薄了供应链的采购成本,从而为最终的整车定价腾出了下探空间。

外观设计上,新车基本沿用标准版一样的设计,采用溜背轿跑 SUV 造型、贯穿式灯组、隐藏门把手以及激光雷达布局。
但新车升级了转向尾灯,换成了与 YU7 GT 同款样式,提升了夜间的视觉辨识度;该车标配 19 英寸低风阻轮毂,同时提供 20 英寸轮毂选装。
核心的智能驾驶部分,入门版车型依然做到了「满血」标配,激光雷达、4D 毫米波雷达以及 Xiaomi HAD 智能驾驶系统一应俱全,与高配车型在智驾能力上保持了完全一致的体验。

这种”减电池不减配置的策略,其核心目的非常明确:拉低售价门槛,直接抢占 22 万至 24 万区间的纯电 SUV 主流市场。目前,现款 YU7 标准版的起售价为 25.35 万元。
业内普遍预测,随着电池成本的降低,73 度电版本的起售价有望下探至 24 万元以内,甚至不排除给出更大惊喜的可能。
根据近期的上险量,小米汽车 4 月整体销量 3.67 万台,其中新 SU7 2.68 万台,YU7 0.98 万台。

虽然对于一个跨界造车仅几年的品牌来说,能够稳定在月销三万台以上的阵营,表现依然称得上不俗。
但在 2026 年的当下,20 万到 25 万级别的纯电 SUV 市场是名副其实的红海。特斯拉 Model Y、问界 M6 等热门竞品车型所施加的压力越来越大。
小米 YU7 推出更低价格的入门版,正好填补了自身在这个价格段的空白,其无疑将成为小米汽车在下半年冲击更高销量目标的核心车型。
5 月 21 日的这场发布会,更像是小米汽车在 2026 年战略布局的一次集中展示。左手用 YU7 GT 秀肌肉、提品牌、战全球;右手则用 73 度电版 YU7 降门槛、保销量、拼刺刀。
前两天,意大利伊莫拉赛道被引擎轰鸣声填满,兰博基尼在这里举办了一场品牌嘉年华,以此纪念品牌诞生 63 周年。
为什么不是 60,也不是 65,偏偏是 63?
因为兰博基尼是在 1963 年诞生的。
这是一场为期两天的盛会,现场聚集了来自全球各地的车主、经销商和粉丝,各个历史时期的经典车型沿着赛道依次排开。

视线穿过熙攘的人群与车辆展示区,一台刚刚完成揭幕仪式的新车停在场地中央。它是 Fenomeno Roadster。
在兰博基尼的产品序列中,它归属于 Few-Off 极限量系列,官方只为这台敞篷跑车设定了全球 15 台的生产配额。

这是一辆非常纯粹的敞篷跑车,它没有配备任何形式的可折叠硬顶或是可拆卸的软篷,是一种永久开放的座舱形态。这意味着,在广州这种多雨的城市,走在路上随时都有可能变成落汤鸡。
这就是我不买它的理由。
要让一台没有车顶的超跑在时速超过 340km/h 的时候依然保持贴地飞行,工程团队必须在动力输出和空气动力学之间寻找一个平衡点。
Fenomeno Roadster 后舱盖下方,躺着一台 6.5 升自然吸气 V12 发动机。单凭这台内燃机,便能输出 824 马力的最大功率和 725 牛·米的扭矩。

在混合动力系统的框架下,兰博基尼为它装配了三台电机,两台负责驱动前轮,在无需传统传动轴连接的情况下实现了四轮驱动。
第三台电机则被集成在八速双离合变速箱内部,随时准备与内燃机协同工作。
容量为 7kWh 的锂离子电池组被布置在两个座椅之间,当发动机和电机同时进入满负荷状态,整套动力系统能够迸发出 1065 马力的综合功率,峰值扭矩达到 1075 牛·米。
电池处于满电状态时,这台拥有上千马力的跑车也能够以纯电模式安静地驶过街道,但续航只有 20 公里——
这也是我不买它的理由。

庞大的动力储备转化成了客观的测试成绩。
Fenomeno Roadster 从静止加速到 100km/h 用时 2.4 秒,加速到 200km/h 只需要 6.8 秒,几乎与去年发布的硬顶版 Fenomeno 完全一致,只慢了 0.1 秒。
在敞篷车的设计里,为弥补取消车顶后的刚性损失,工程师通常需在底盘增设大量加强结构,这正是敞篷版普遍比硬顶版重上许多的原因。
但官方技术资料显示,这台搭载了 V12 发动机、三台电机以及电池组的超跑,重量比干重 1772 公斤的硬顶版只多出了几公斤。显然,工程团队在车身其他部位进行了苛刻的减重。

去掉顶棚,也带来了空气动力学的问题。
由于座舱完全裸露,高速气流会破坏下压力,同时削弱后置发动机的冷却效率。设计团队在挡风玻璃顶端增设了一小块碳纤维扰流板。
车辆加速时,这块小翼将迎面气流抬升、导向驾驶舱上方,随后精准灌入后方的发动机舱——既为 V12 引擎散热,也冷却高负荷运转的碳陶瓷制动系统。

气流继续向后,座椅后方两个隆起的整流罩在梳理尾部气流的同时,内部包裹着粗壮的安全防滚架,为翻滚意外保留乘员头部空间。
混合动力系统对温度同样苛刻:车身两侧深邃的进气道大量吸入冷空气,经由内部复杂管路分别送往电池组和电机的散热器。

车尾的空气动力学组件排布非常紧凑。主动式尾翼横跨车尾,根据车速与驾驶模式自动调整攻角,在增加下压力与降低风阻之间切换。
宽大的车底扩散器快速抽离底盘下方空气,将车身牢牢压向路面。六边形饰罩的排气管被高高架起,避免高温废气扰乱底部气流。
这些部件协同运转,使这台敞篷车在风洞中交出了与硬顶版持平的成绩单。

承载这一切的,是全碳纤维单体壳底盘——这种被称为 Monofuselage 的结构,在门槛与中央通道区域做了针对性强化。碳纤维编织方向经过重新排布,以承受敞篷状态下弯道中的扭转应力。
悬挂采用赛用级手动可调阻尼减震器,驾驶员可凭随车工具,依路况与个人偏好自行调节软硬与离地间隙。
当然,这种调节方式自然没有直接点击屏幕来得方便,嫌麻烦的朋友可以不用买了。
绕过复杂的车尾,视线顺着车身回到侧面。你会立刻注意到那两扇形状怪异的车窗。

兰博基尼的设计师把车窗玻璃的中段大幅度「削低」了。这种处理手法在早年的 Veneno Roadster 上出现过,它打破了传统跑车平直的窗线设计。坐在车里,低矮的侧窗会让驾驶员产生一种视线更贴近地面的错觉。
首发车型披着一身被称为 Blu Cepheus 的亮蓝色车漆,车身边缘用 Rosso Mars 红色勾勒线条。大面积的裸露碳纤维部件穿插其中。

这套配色组合大有来头。
1968 年,兰博基尼打造了品牌历史上的第一款敞篷车 Miura Roadster。当时那台孤品概念车采用的正是极具辨识度的蓝色。
同时,红与蓝也是兰博基尼总部所在大区博洛尼亚的城市代表色。把历史传承和地缘文化穿在身上,是超级跑车品牌常用的叙事手法。

▲Miura Roadster
拉开上扬的车门,进入那个永远向天空敞开的驾驶舱。
兰博基尼一直沉迷于为驾驶者营造一种类似战斗机座舱的氛围,Fenomeno Roadster 的内饰几乎被碳纤维材料完全覆盖。两张座椅采用了包裹性极强的赛车桶形结构,表面由 Corsatex 面料与兰博基尼的 Carbon Skin 柔性碳纤维材料拼接而成。

中控台上的物理按键做成了飞行器拨杆的样式,全数字化仪表盘的交互界面也换上了兰博基尼专属的六边形图形。坐进去之后,车主大概率要花上好一阵子去熟悉这些像极了飞船控制面板的操作逻辑。

官方还提到了一些隐秘的细节:为了契合 1963 这个建厂年份,设计师把带有 63 字样的数字铭牌和特殊印记隐藏在车厢的各个角落,只有那些对品牌历史如数家珍的人,才能在日常驾驶中察觉到这些微妙的设计。
让我们回到这台车的市场定位。
Fenomeno Roadster 属于兰博基尼最顶级的 Few-Off 系列。从 2007 年的 Reventón 开始,到后来的 Veneno、Centenario 以及 Sián,这个系列一直扮演着品牌技术试验田和顶级收藏品的角色。

兰博基尼表示,他们只会生产 15 台 Fenomeno Roadste。作为参照,去年硬顶版 Fenomeno 的配额是 30 台——产量直接腰斩,稀缺性随之翻倍。
兰博基尼至今未公布这辆车的售价,但以其在家族序列中的站位,加上三电机 V12 混动的硬件规格,海外媒体的预测一致指向七位数美元。折合人民币,千万门槛早已落在身后。
然而探讨具体数字并无太大意义。
超跑圈的惯例是,极度稀缺的车型不会公开售卖,而是邀请制。这 15 个配额在伊莫拉赛道聚光灯亮起之前,便已从兰博基尼顶级 VIP 客户的名录中消化殆尽。
想到这里,我长舒了一口气。
挺好,也省得我再去解释那些不买的理由了。
工信部刚刚发布了第 407 批《道路机动车辆生产企业及产品公告》。
这一期目录的看点非常密集,几家头部车企都拿出了全新的重磅产品。
鸿蒙智行带来了尊界品牌的首款 MPV 车型,整车尺寸和气场都十分抢眼小鹏汽车则双线发力,一口气申报了 MONA 系列的全新轿跑 SUV L05 以及尺寸全面加长的 G9L。
奇瑞与路虎合作的 FREELANDER 神行者也迎来了首款带华为智驾的方盒子 SUV。此外,领克 07 GT 和 2026 款理想 L6 也在本期目录中现身。
小鹏 MONA 系列申报了第三款新车 L05。在此之前,该系列已经推出了轿车 M03,并在上个月申报了首款 SUV 车型 L03。
L05 呈现出轿跑 SUV 姿态。前灯组延续了家族设计,车顶线条动感,后窗采用直线条,层次分明的侧面造型提升了视觉速度感。

尺寸方面,长宽高分别为 4870/1930/1636mm,轴距达到 2940mm,属于中大型 SUV 范畴。

动力系统提供了纯电和增程两种形式。纯电版单电机最大功率为 183kW。增程版搭载最大功率 70kW 的 1.5L 增程器,驱动电机最大功率同为 183kW。
小鹏 G9L 的申报图也在今晚公布。

新车尺寸为 5120/1999/1782(部分版本高度为 1788 或 1795)mm,轴距达到了 3100mm。动力上提供纯电和增程版本,给了用户更多选择空间。

今年 1 月,小鹏发布的 2026 款小鹏 G9 标配双腔空气悬架以及 5C 电池和 800V 高压架构,是一款中大型纯电 SUV。该车分为 Max、Ultra SE、Ultra 三个版本,最低配搭载 1 颗图灵 AI 芯片,两款高配支持第二代 VLA,售价 24.88 万元起。
然而,这辆新车上市后并没有获得多少关注,月销量处于 200-300 辆的水平。显然,小鹏希望 G9L 来挽回这一颓势。
鸿蒙智行尊界首款 MPV 车型尊界 V800 正式申报。

从证件照来看,新车采用了香槟金和棕色的双拼组合,配合长车头设计。前脸灯组沿用尊界 S800 的设计语言,车头正中央的大尺寸 Logo 十分抢眼。纵向尾灯与大尺寸镀铬饰条搭配,营造出很强的气场。

官方提供了多款轮毂和不同样式的前后灯造型供选装。车内 3 排座椅支持折叠或向后放倒。

车身数据方面,长宽高分别为 5495/2006/1850mm,轴距 3430mm,整备质量达到了 3120 至 3190kg 之间。动力搭载 1.5T 发动机作为增程器,最大功率 127kW。前后驱动电机峰值功率分别为 160kW 和 230kW。
奇瑞路虎 FREELANDER 神行者旗下的首款车型「神行者 8」现身。新车定位豪华科技全地形 SUV,预计今年下半年发布。
新车采用经典的方盒子造型,前脸为封闭式设计,侧面线条平直,车顶配有行李架。

新车将全系标配华为乾崑智驾 ADS V4.1 系统,车顶配备的大概率是华为最新的 896 线双光路激光雷达。
长宽高分别为 5118(选装后为 5185)/2050/1898mm,轴距 3040mm。

这辆神行者首发 iMax 架构,支持纯电、增程和插混动力,中国市场会首先标配 800V 高压增程平台。硬件上首批搭载骁龙 8397 芯片,并采用与宁德时代联合开发的全地形专用骁遥增混电池,峰值达到 6C,充电功率可达 350kW。
本批公告中出现了领克 07 GT 的身影。产品注册名称为插电式混合动力轿车,车身长宽高为 4846(选装为 4866)/1900/1485mm,轴距 2843mm。

新车外观延续了家族式设计,用户可选装尾翼、拖车钩等配置。该车预计在年内发布。

回顾去年上市的全新领克 07 EM-P,全系标配激光雷达,最高可选英伟达 Thor 芯片。三款配置的限时售价区间为 13.98 万元至 15.98 万元起。
6. 2026 款理想 L6
2026 款理想 L6 也在列,和现款相比,新车外观有几处明显改动。

前脸继续使用贯穿灯带,但前包围区取消了一体式贯穿设计,下部格栅尺寸变大,车门换用了半隐藏式门把手。

车侧提供全新样式的轮圈。车尾灯内部做了熏黑处理,车牌悬挂区域位置上移。尺寸与在售车型一致,长宽高 4935/1960/1735mm,轴距 2920mm。动力依然搭载最大功率 113 千瓦的 1.5T 涡轮增压增程器;电池容量升级到了 51 度。
全球 AI 顶会,快成中国卷王的专场了。
每年 AI 顶会放榜,各大机构都会暗戳戳地发喜报,比拼谁家被收录的论文多。但今年 ICLR(国际学习表征会议)放榜后,一位名叫 Dmytro Lopushanskyy 的研究员,干了一件极其硬核的事。
他没有去引用官方那些现成的统计表格,而是写了整整 250 条正则表达式,把 ICLR 2026 全部 5356 篇接收论文的 PDF 挨个下载下来。

接着,他硬是从每篇论文首页的缝隙里,把机构署名全给抠了出来,并利用这几百条代码规则进行清洗与归一化,自动给「麻省理工」和「MIT CSAIL」这种同一机构的不同写法做了合并。
为什么要用这种最原始的手工分类法?
因为这老哥发现,我们平时习惯引用的那些学术统计平台数据,都是按「人」来追踪的。举个例子,一个在清华苦熬四年读博的学生,发了篇极具含金量的论文,毕业后去斯坦福当了教授。你猜怎么着?系统一刷新,这篇在五道口诞生的论文,就自动变成了斯坦福的学术产出。

这种偏差,长期以来硬生生压低了中国机构的实际贡献,同时虚抬了美国的数字。而当 Dmytro 用 96% 的解析成功率,把去伪存真后的真实数据画成一张热力图后,我们才得以一观真实数据的全景图。
别的不说,这组数据确实很有冲击力。
这张图上中国机构面积之大,超出了很多人的预期。其中中国大陆机构,贡献了 43.7% 的接收论文。美国呢?31.9%。
如果你把中国香港(7.7%)算进来,本届 ICLR 超过一半的论文署名机构,全都来自中国。 至于老牌的欧洲列强?整个欧洲大陆加起来才 5.3%,甚至比不过新加坡(5.5%)这一个国家的产出。
更有意思的是具体机构的排名。
今年,清华大学以 332 篇的产量登顶全球单一机构第一。 这是什么概念?斯坦福 177 篇,麻省理工 167 篇。清华一家的产出,几乎是美国排名前二的两大超级名校的总和。紧随其后的上交、北大、浙大,也全都稳坐全球第一梯队。

不止高校阵营,国内产业界的科研表现同样亮眼。
阿里、上海 AI 实验室、华为、字节、腾讯,这五家中国科技公司/研究机构加起来发了 582 篇论文。有些媒体以前老爱吐槽中国互联网公司只懂商业模式微创新,不懂底层研究。这次 ICLR 2026 的数据一出,算是打破了这个刻板印象。
说白了,中国 AI 早就不是靠一两个天才的灵光一现,而是变成了一套精密、庞大、高度体系化的研发引擎。
不过,在这些令人振奋的数据背后,我们也不能忽视客观存在的指标。
比如虽然我们在总数上超越,但在仅占接收总量 4% 的 Oral(口头报告,通常代表最具原创性和启发性的方向)论文里,美国机构依然占了约 40%,而我们是 30%。
我们在工程化扩展上占据了绝对的规模优势,而美国在定义新方向上依然保有相对领先。这也是中美 AI 之间相对真实的现状。
如果说热力图是一份宏观体检报告,那艾伦人工智能研究所(AI2)知名研究员 Nathan Lambert 今年 5 月来北京、杭州等地的 36 小时调研,就是一次深度的微观观察。
他在走访了智谱 AI、月之暗面、千问、美团、小米、零一万物等 AI 企业后,回国后写了篇关于中国 AI 实验室内部观察,并在硅谷引发了大量讨论。他看到了中国大模型能跟美国五五开的底层逻辑——极低的组织摩擦和极度务实的年轻人。

在 Lambert 看来,美国顶级实验室往往存在一个致命的弱点:Ego(自我)太强了。
训练大模型是一项极其复杂的系统工程,从数据清洗、分布式通信优化到强化学习对齐,每个环节都需要互相妥协。但在硅谷,那些明星研究员往往带有强烈的个人偏好。
据传 Meta 的 Llama 团队就曾因为路线之争经历过动荡,大佬们各自为政,都想把模型往自己主导的方向推进。反观中国实验室,Lambert 发现这里有一种异于寻常的务实。
研究员们不在乎谁的方法听起来更高级,大家的目标高度一致:只要能把模型的某个指标提上去,枯燥的脏活累活谁都愿意干。 这种务实让整个团队的摩擦力降到了最低。
Lambert 还归纳了这种文化倾向具体带来的优势:更愿意做不起眼的基础工作来提升最终模型;刚入行的人没有经历过以前几轮 AI 炒作周期,能更快适应最新技术路线;Ego 小,组织架构能相对平稳地扩大规模;以及大量善于在现有方案基础上攻坚的人才储备。

更让 Lambert 惊讶的是,在美国,顶级实验室的实习生往往只能接触边缘项目。但在中国,在读的硕士和博士生深度参与核心大模型的研发。Lambert 敏锐地指出了这种做法的核心优势:没有历史包袱。
大模型的技术路线迭代极快。资深科学家往往有「路径依赖」,觉得自己研究了十年的老方法才是真理。但中国的年轻学生不同,只要有数据证明新路线有效,他们立刻就能抛弃旧方案,快速切换赛道。
值得一提的是,Lambert 发现,中国 AI 圈内部的氛围远比外界想象的和谐。各家实验室之间,私下交流满是相互尊重,所有中国实验室都敬畏字节跳动和它广受欢迎的豆包模型,因为字节是中国唯一一家真正处在前沿位置、同时又保持闭源路线的实验室。与此同时,几乎所有实验室也都非常尊重 DeepSeek,认为它是在研究判断和执行品味上最出色的团队。

在这次调研中,还有一个细节特别值得关注。在硅谷,顶尖的 AI 研究员不仅是工程师,往往还扮演着半个「哲学家」的角色。他们喜欢在播客上高谈阔论,探讨「通用人工智能(AGI)会不会在 2030 年毁灭人类」,频繁讨论 AI 安全与伦理边界。
于是,Lambert 也试探性地问了中国同行对 AI 经济影响和长远社会风险的看法,但得到的反应不是长篇大论,而是普遍的困惑。关于毁灭人类这种宏大命题,暂且不在他们当下的工作边界之内。
这种对宏大叙事的免疫,反而成了一种竞争优势。它减少了团队在哲学层面的内耗,让所有的脑力都持续集中在工程落地和指标突破上。
在中国的实验室里,导师、博士生与企业工程师之间形成了一种极短的反馈回路。
这种模式消解了学术界与工业界之间的壁垒,正如 Nathan Lambert 所观察到的,这种低摩擦的组织形式,让中国 AI 展现出了类似基建狂魔般的推进速度——一旦方向明确,便能以排山倒海的智力密度迅速抹平技术差距。
当然,这套打法在特定窗口期内行之有效,但随着规模效应的红利逐步见顶,下一阶段的核心壁垒终将回归于「原始创新能力」的较量。
届时,高密度的人才协同网络和某个敢于打破既有框架的个体,在 AI 的下半场互为成全,缺一不可。
距离苹果全球开发者大会 WWDC 还有一个月不到的时间,彭博社又送上关于苹果新系统的全新爆料:
苹果准备对 macOS 27 的界面进行一轮小幅调整,进一步完善「液态玻璃」设计语言的视觉表现。
但问题在于,对于如今的 Mac 来说,除了需要继续打磨的 UI,最迫切的更新显然远不止于此。
对比 iPhone 以及 iPad,Mac 的性能和续航都更有盈余,实际上 macOS 26 的界面,视觉效果要更接近去年 WWDC 上面演示的「满血版」液态玻璃。

不过,液态玻璃立项之初,就是专门为 OLED 屏幕设计的,而目前所有 Mac 产品都在使用 LCD 屏幕,在呈现半透明、阴影和玻璃质感的方面,效果不如 OLED。
于是 macOS 26 的一些高透明效果和阴影,会导致列表和文字可读性下降——这也是「液态玻璃」被一直诟病的问题。

和 iOS 27 一样,macOS 27 也将仔细打磨液态玻璃,让它更接近苹果一开始设想的效果:兼顾透明度和可读性,同时进一步优化能耗表现。
不过,macOS 26 在 UI 上的问题根本不止于液态玻璃本身,不对齐的圆角、大量分散注意力的小图标,以及重新设计后辨识度大打折扣的应用图标,对可读性和美观层面都造成了一定的影响。
![]()
苹果评论员 John Gruber 对于 macOS 液态玻璃的点评相当一针见血:作为一种「内容优先」的设计语言,液态玻璃让系统 UI 隐身于媒体之后,在 iPhone 上或许能行,但作为强调生产力而非内容消费的桌面平台,Mac 包含大量的窗口、组间,因此复杂性更高,仍然需要应用界面保证清晰的结构、分明的功能区域,和强辨识度的界面。
在 Stephen Lemay 接任设计总监一职后,这位在苹果服务近 30 年的老将表现让人期待——Lemay 以公司内部的高口碑和稳定发挥著称,或许也称得上是苹果内部目前最懂苹果系统界面的人。

在他的把控下,macOS 27,以及 iOS 27 如何扭转液态玻璃褒贬不一的口碑,回到实用性和美感并举的方向,确实值得期待。
但对于 macOS 来说,界面上的「拨乱反正」固然必要,却已经不是最重要的更新了。
对苹果而言,未来系统的更新有两条主线:一方面,优化系统稳定性,另一方面,则是为 Apple 智能预备好。
根据彭博社爆料,苹果打算为「Apple 智能」打造一个「Extensions」功能,允许用户更换第三方 AI 模型,例如 Google Gemini、Claude 等等。
Siri 除了会集成到邮件、短信、相册等应用,自己也会化身聊天机器人,成为一个单独的应用。更多 AI 功能还会覆盖文本、图像等生成与编辑任务。

但这些更新,说实话更多还是做 AI 的单点功能,并非系统级别的编排能力,并未能进一步发挥 Mac 硬件上的优势。
今年年初的龙虾热,让 Mac mini 这个前年才火过的产品,又再一次出圈,这次火到苹果自己也没库存了,「入门版」在官网彻底售罄。
Mac 和 Windows 在不少层面上互有胜负,但在 AI 的问题上,Mac 作为「最佳 AI 容器」的论断几乎毫无争议。

关于这个问题,爱范儿已经出过一篇文章详细讨论。简单来说,就是因为 Mac 不管是 UNIX 系统底层还是集成运存的硬件架构,都非常契合 AI Agent 和大模型的运行方式,并且由于 ARM 架构的特性,运行功耗低还静音,非常适合 AI 常驻。
这更像是「无心插柳柳成荫」,苹果其实一开始并没有围绕 AI 去打造自己的 Mac,却无意间完成了所有 AI 的技术储备,严格意义上说是一种「适配度优势」。
从这个角度看,macOS 即使什么都不做,本身 Mac 也已经是一个很好的 AI 平台。苹果完全可以走 App Store 的逻辑,让用户自己部署想要的第三方 AI 智能体,自己继续扮演「收过路费」的角色。

这确实也是苹果长期以来的做法:在移动互联网兴起之时,苹果没必要自己做搜索引擎和网购平台。而 AI 时代,大众的需求变化万千,有人需要一个能剪辑的 Agent,也有人需要一个搞科研的 AI,必须要靠第三方满足。
在今年 5 月的财报会议上,苹果特别提到了 AI 公司 Perplexity 的智能体产品 Personal Computer,认为这种产品很好利用了 Mac 平台的能力。

既然觉得人家做得不错,何不自己上手做一个「iClaw」?
第三方 AI 百花齐放固然很好,这和苹果自己做一个却并不冲突,并且很多事情,只有第一方能做得好,能做得让人放心。
第三方应用再强,也很难自然获得系统级的上下文,苹果不可能将最底层的权限开放,只有系统底层自己能对文件位置、窗口状态、本地个人数据知道一清二楚,而 AI 应用的体验,往往就卡在了这些权限边界之上。
其实苹果并不是没有这种想法,那个迟迟没能推出的 AI Siri,其实就有着类似的构想,可以读取用户的文本和应用窗口,可以跨应用进行检索和处理。

对比 iPhone 和智能手机,AI 应用的主流使用场景其实还是在于桌面端,这也是为什么 Mac 能成为今年最热门的 AI 硬件,但苹果却没有继续在 macOS 的系统层面,赋予 Mac 足够分量的原生 AI 能力。
隔壁的 Windows 阵营在这方面要激进不少,系统层面有「Recall」和 「Copilot」这样的 AI 功能入口,联想和荣耀这样的 OEM 厂商,甚至为产品准备了开箱即用的龙虾应用,砍掉了门槛,并因为和本地深度集成,能节省不少 Token。
微软自己也已经坐不住了,据悉正在将原本只能你问我答的 Copilot,改造成一个 24/7 在线的数字分身,实现类龙虾能力。
对比 OpenAI、Anthropic 或者 Google,说实话我更愿意将这些敏感的数据,交给在隐私保护方面更上心的苹果。
更深一步,macOS 最缺少的不是 AI 应用,而是 AI 时代的「基建」。Mac 已经准备好了 AI 大有可为的土壤,但 macOS 还没能成为一个真正意义上的「AI 系统」。
苹果不仅可以做自己的 AI 智能体能力,也需要把模型、权限、上下文、自动化和跨应用任务重新梳理,让系统成为 AI 工作流的原生中介,成为一个掌控所有 AI 的「任务集散中心」。
就像是智能体运行所需要的「个人知识库」,现在我们用文件夹也可以搭建,但它还不够好用。
苹果完全可以自己承接这个环节,用户靠 Mac 自带的工具搭建、生成一个「知识库」文件,它可以和 Apple ID 绑定,利用 iCloud 流转,这样不管用哪一家的智能体服务,都能快速调用自己的知识库,不用从头开始配置,同时还能保证自己的内容被苹果的隐私政策保护。
并且,这些配置的模块都能整合进入 Apple 的订阅系统之中,iClaw 和 Token 也能成为苹果在 AI 时代提供的增值服务。

iClaw 示意图,AI 生成
实际上,苹果已经开始了这样的进程。在 macOS 26.1 中,苹果集成了「模型上下文协议」,一个面向不同 AI 的通用开放标准,Agent 可以通过这个协议,访问用户的个人数据;苹果的基础模型框架,让 macOS 开发者可以调用系统内置的基础模型,零网络延迟,零 API 费用,数据不离开设备。
作为计算机图形系统的祖师爷,macOS 在过去的数十年间都是围绕「应用」构建的桌面系统。
在接下来十年,应用和图形界面还会是人机交互的主流,因此 macOS 27 要将界面风格修缮得更好,当然非常重要。
但未来五十年甚至更远,AI 都会成为无可避免的主旋律,macOS 不可避免会被进一步改造,成为一个围绕「任务」运转的 AIOS。
每年春天,苹果都会面向全球的学生出一道不太一样的命题:用 Swift 语言,做出一个有表达、有情绪、也有想法的作品。
这就是 Swift Student Challenge(SSC), 参赛者需要用 Swift 创作一个 Swift Playgrounds App,在 3 分钟的体验里,说清一个点子、完成一次交互。其中的杰出获奖者,还将在下个月的 WWDC,到 Apple Park 亲身见证属于开发者的高光时刻。
2026 年的获奖名单已经揭晓,其中不乏来自中国大陆的年轻面孔,最小的,甚至只有 15 岁。
爱范儿和其中六位获奖者聊了聊,透过他们的故事和作品,我们看到这个时代的新生代开发者,如何挥洒独一无二的灵感,用技术讲述自己的世界。
在分享自己的作品时,几乎所有获奖者都会先分享一段个人经历,然后再介绍自己由此出发,打造了一个什么样的 App。
这些经历非常多元,有的和身心健康有关,有的只是课堂或者旅游的感想,甚至只是一次玩乐。它们的共同点是,都存在着一个还没被解决的「问题」。
也因为这些作品都和个人感受高度相关,这些作品给人的印象,已经远远不止于「作品展示」,更让我看到它们具有真正上架 App 的潜力,并不禁去想,为何在这之前,没有人做这些应用?

这一组作品,都源于参赛者对日常的敏锐洞察。他们捕捉到了特定群体那些隐而未现的困境,在现有工具匮乏的现状下,他们选择拒绝等待,亲手为这些被忽视的需求定制了数字化的解决方式。
赵经纬 PMS.aid
赵经纬是一名典型的「行动者」。
她接触 Swift 的原因很简单:当她想把自己拍的猫猫视频剪辑、整理成实况照片分享,却发现市面上缺乏好用的 App,于是决定自己开发一个。
她的参赛作品 PMS.aid,也有着类似的创作背景。

赵经纬的朋友患有经前焦虑症(PMDD),表现为月经来潮时反复出现的情绪波动、躯体不适和行为障碍。
当她就诊时,想向医生展示自己的症状和心情变化,却发现目前缺乏了一个应用,能将和 PMDD 有关的数据集中展示。
于是,赵经纬就开发了 PMS.aid,专门面向 PMDD 和 PMS(经前综合征)患者,能够将月经、心情、日记等数据全部放在同一条周期时间线上,零散的数据成为完整的治疗方案。

赵经纬原本学习公共管理专业,后面发现自己更想要去尝试将人文社科和技术相结合,于是转至计算机专业,未来也将继续攻读人机交互的硕士学位。
她告诉爱范儿,自己已经定下了一个「开发者目标」——为每个人设计(Made for everyone)。
沈宸颉 Help the Bajau
沈宸颉的参赛作品 Help the Bajau,萌芽于一次志愿旅行。
今年 2 月,他在马来西亚仙本那进行志愿活动,接触到了被称为「海上吉普赛人」的巴瑶族社区,这群以海为家的原住民,正在面临严重的海洋环境污染问题。
于是他开发了沉浸式交互游戏 Help the Bajau,以巴瑶族的真实故事为背景,并参考了学术论文和巴瑶族社区个案,还使用了自己拍摄的真实素材。

AI 在他的创作过程中扮演了很重要的角色:刚刚接触 Swift 时,AI 回答了很多知识点的问题;Help the Bajau 的一些视觉元素,也是利用 AI 创造的。
但沈宸颉认为,工具只是一种辅助, 用心打磨每一个细节才能成就有温度的作品;技术也不只是冰冷的代码,它们在切实地改变世界。
赵芯澄 Orat
赵芯澄的开发者之路,源自于他的父亲的行动——没有任何开发经验,却利用 Swift UI 开发了一个 App 并上架 App Store,这给他带来了很大的鼓舞。
他的参赛作品 Orat,则植根于同学的真实情景:一次课堂展示,同学因为焦虑完全忘词,他想帮同学改变这种窘况,却没能在 App Store 找到简单好用的应用,于是决定自行开发。
Orat 是一款帮助用户智能训练演讲能力的 App,利用手势、姿态和语音识别,不断引导用户练习,并会生成相应的报告。

这三位获奖者,更聚焦在「交互」的创新上,或许是一种对人机操作可能性的全新探索,又或许是数字化的方式,重写现实生活遇到的不快。
吴天禹 MagiBotics
「具身智能」火了有一段时间,机器人都连着上了两年春晚,但似乎我们和机器人之间,还隔着实验室的玻璃墙。
作为一名机器人专业的博士生,吴天禹的参赛作品「MagiBotics」,就是为了打破这种隔阂。
MagiBotics 通过简明易懂的交互方式,设置了三道颇具游戏感的关卡,用户在使用 App 的过程中,学习到机械臂的三种运动方式,并且最后还能利用 AR 技术,将用户设定好动作的「机械臂」,投射到自己面前。

吴天禹也告诉爱范儿,未来他将继续专注人机交互的方向,尤其希望能利用我们每个人都有的手机,搭建一条通往具身智能的桥梁,将这项前沿技术带给更多普通用户。
付佳鹭 Maestro
用「斜杠青年」来形容付佳鹭,最恰当不过:主修物理专业,出于兴趣辅修了计算机,制作过几台能避障、能语音控制的 AI 智能小车,也开发过记账和日记应用。
她的参赛作品 Maestro,却是一个「音游」。
在这个画风可爱的小游戏中,玩家将扮演「小熊指挥官」, 管理一支由4名小动物乐手组成的乐队,通过手部动作和面部表情,指挥乐队完成一次「即兴演奏」。

这种非常富有创意和趣味的交互方式,或许与付佳鹭自己和苹果产品的体验息息相关——她被 Swift Playground 编程平台的交互式教学吸引「入坑」,又被 Apple Vision Pro 的体感和沉浸式交互体验所震撼。
严禹 Pixel Beader
严禹接触 Swift Playground 的契机,源于短视频,他发现 Apple 开发者所使用的 Xcode,左边窗口刚刚键入代码,右边的画布就能实时显示变化,这种开发者交互模式深深吸引了他。
他开发参赛作品 Pixel Beader 的动机,则同样来自他的日常生活。
严禹尝试了最近很火的「拼豆」,却发现并没有想象中那么好玩——碰翻豆板就要全部重做,熨烫塑料会散发刺鼻气味,久坐还会腰痛。
![]()
于是他的参赛作品,就是一个「赛博拼豆」项目 Pixel Beader,用 iPad 和 Apple Pencil,创造了一个无害零损耗的虚拟创作空间,用户可以将任意图片转换成拼豆图纸,打造和收藏数字的 3D 拼豆作品。
过去两年,「编程」这个原本的手工艺活,正在被 AI 深刻改写。
去年推出的 Claude Sonnet 4 和 GPT-5-Codex,AI 可以像真正的工程师一样理解整个项目、自主完成测试、调试迭代,开发者只需要下指令。
作为参赛者中开发经验比较丰富的吴天禹,他深度经历了这个技术变迁。以前学编程,他只能依靠网上搜索、论坛查代码、看教学视频的「原始」方式学习编程和改进作品;而现在,他觉得自己更像一个「产品经理」,大部分代码可以交给 AI 来编写,效率提升数倍。

苹果对于「AI 编程」的态度,相当开明。今年 2 月推出的 Xcode 26.3 版本中,已经直接集成了 Claude Agent 和 OpenAI Codex。
即使作为一场竞赛,Swift Student Challenge 也并不将 AI 定性为作弊的「外挂」,反而拥抱 AI 在比赛中的运用。
像是两位中学生获奖者沈宸颉和赵芯澄,他们本身就有 Python、C++ 等编程语言的学习经历,AI 帮助他们大大降低了 Swift 的门槛,帮助他们实现技能的快速迁移,他们认为这很好补足了他们作为非专业开发者所欠缺的经验,并且由于 AI 带来的效率提升,可以花更多时间和精力,打磨应用要传达的理念。
Apple 开发者关系国际市场负责人谢恩伟认为,对于学生将想法付诸实践的能力,AI 工具是一次赋能,非常欢迎学生使用 AI 工具来调试代码。

甚至这也成为了竞赛的一种考察:今年开始,参赛者需要在参赛文档中分享使用工具的经验,确保最终作品体现出来的是自身的替代性思维和创造力,而非简单依赖 AI。
不管是谢恩伟,还是学生参赛者们,都一致认为,即使 AI 让「vibe coding」这种编程方式成为可能,学习编程依旧很有必要,甚至更有必要。
谢恩伟告诉爱范儿,比起以往任何时候,现在学习编程更有意义:
有一些非常核心的东西,比如对编程架构的理解、创意的火花,以及那些从未被验证过的全新思路,都需要发挥人类的聪明才智。
学习编程,实际上就是学习解决问题的语言,这种技能的价值,在于让你的创意变成实践。
这六名获奖者,或多或少都具有计算机的知识背景,即使是两名中学生,都学习过 C 语言,参加过不少相关的课后活动。
已经借助 AI 编程,让自己的作品上架 App Store 的吴天宇认为,想要把 AI 用好,本身还是需要学习相关的知识,理清做 App 的框架和逻辑,才能把提示词给写好。
说到底,AI 能力的上限,取决于用户给他投喂的提示词质量。
特别是在未来,当 vibe coding 更加普及,这不意味着所有人都能用这种「小白」的方式,打造一个优秀的产品,想要在同质化的 App 中脱颖而出,更需要懂编程,有表达。

付佳鹭则从另一个角度看待「学编程」的意义:本质上也是一种「有趣的思维训练」,学习一种解决问题的解决方式。
她尝试过 vibe coding,惊叹于它的低门槛,惊喜于自己能实现更多的想法,却也担心人们以后都会「少想一步」:
这或许是科技进步时,我们必须要面对的一个权衡问题。或者说,我们更需要解决的是,如何正确地利用 AI,来加速自己的「主动」思考,用一种巧妙的方式,将自己的硬性能力、创造力、生产力都提升,这或许是一个更好的愿景。
AI 可以为你编写代码,但它无法理解你应用程序的核心逻辑,也无法理解某些设计决策的重要性。
严禹则认为,既然 AI 将门槛降低,决定为什么做,比怎么做更重要:
具体内容的实施可以由 AI 接管,但创作者的竞争力将愈发取决于对底层原理的理解、对系统架构的判别,以及对审美的认知。AI是没有办法替代开发者的个人创作的,就好比训练数据,人工创作的数据质量往往比AI生成的要高得多,所以我相信在未来原创性的思考与产品会更加珍惜与可贵。
刚好,这就是 Swift Student Challenge 举办的宗旨。
这本来就不是一场常规的「竞赛」,它没有一道道需要解决的编程难题,也不看重作品背后代码的复杂程度, 苹果甚至不需要你开发一个完整的应用,只是想看看你能用 Swift 代码,做出怎样的自我表达。

对于这一批未来开发者的新生血液,在未来开发之旅中, AI 的角色注定会越来越重要,甚至能接管整个开发过程的编写工作。
凭借在开发者和业界影响力,苹果能够以 Swift Student Challenge 的全球竞赛,为摩拳擦掌的准开发者们,上好第一课:
「技术」只是应用诞生的前提,「表达」才是应用脱颖而出的根本。
这可能是近年来含金量最高、火药味最浓,但也最「反焦虑」的一场毕业演讲。
5 月 10 日,Carnegie Mellon University(CMU:卡内基梅隆大学)2026 年毕业典礼上,身价逼近 1860 亿美元的「皮衣刀客」黄仁勋站上演讲台,接过科学与技术荣誉博士学位。
台下坐着即将步入社会的 2026 届毕业生,他们面对的世界极其割裂。一边是英伟达撑起的万亿算力帝国,和狂飙突进的 AI 大牛市;另一边,应届生失业率创下新高,「AI 抢饭碗」的恐慌已经蔓延进每一个求职群。
今年,十几家大厂裁员时毫不避讳地把锅甩给了 AI;Anthropic CEO Dario Amodei 警告 AI 可能消灭 50% 的白领入门岗位;马斯克则抛出「人类有 20% 灭绝概率」的惊悚预言。整个社会对 AI 的恐惧,正在以各种方式蔓延至这些刚拿到文凭的年轻人。
而制造这场焦虑的人里,有不少是和黄仁勋地位相当的 CEO。就在本月早些时候,他在一档播客里直接开炮,说这类预言「没有帮助」,说这些人坐上 CEO 位置之后产生了「上帝情结」,以为自己无所不知。
批评完同行,黄仁勋今天走上了 CMU 的毕业典礼台。

▲ 值得一提的是,毕业典礼上,Intel CEO 陈立武亲手为黄仁勋披上荣誉博士披肩。典礼结束后,陈立武公开祝贺,顺手透露了一句:两家公司正在合作开发「令人期待的新产品」。
他没有讲 AI 的宏大叙事,而是讲了自己 9 岁坐飞机去 Kentucky 煤矿小镇的事,讲了凌晨 4 点被妈妈叫起来送报纸,讲了在 Denny’s 洗碗,讲了向 Sega CEO 道歉、低头哀求对方不要撤资。他说,那是他做过的「最艰难的事情之一」。
从洗碗工到万亿帝国掌门人,黄仁勋在台上讲这些,显然不是为了熬一锅俗套的成功学鸡汤,而是在用自己的经历,给这群被 AI 吓坏的年轻人透个底:任何新时代的开局,其实都不是准备万全的,也不需要你一开始就无所不能。
AI 正在推翻过去几十年的计算规则,旧的经验不再绝对管用,一切都在重新洗牌。对于刚拿到文凭、毫无包袱的年轻人来说,这其实是一件好事。因为大家不用再去死磕那些已经被前人占满的旧赛道,而是和所有人一起,又一次站在了同一条起跑线上。
对此,他看着台下的学生表示:「把你们的心投入到工作中。去创造一些配得上你们所受教育、你们的潜力,以及那些在世界相信你们之前就已经相信你们的人的东西。」

视频传送门地址🔗 :https://www.youtube.com/watch?v=dRaNmHmTJzs&t=5783s
President Jehanian、董事会成员、各位老师、各位贵宾、骄傲的父母和家人们,最重要的是,Carnegie Mellon 2026 届毕业生们:
感谢你们授予我这份非凡的荣誉。能来到 Carnegie Mellon,与这所世界顶尖大学同在,我深感意义重大。这里是少数几个真正发明未来的地方之一。今天是一个充满自豪与喜悦的日子,是你们梦想成真的一天,但这一天并不只属于你们。你们的家人、老师、导师和朋友一路支持你们走到这里。
在我们谈论未来之前,请先感谢他们。这一天也属于他们。毕业生们,请站起来,和我一起站起来。来吧,各位。尤其请转向你们的母亲,祝她们母亲节快乐。
对你们来说,这是人生中的又一步。但对她来说,这是一个梦想成真的时刻。请记住这一点。
CMU 的学生就像机器人一样,一次只执行一条指令。看到你们毕业,看到你们。好了,大家集中注意力。我有件重要的事要告诉你们:看到你们从世界顶尖学府之一毕业,这也是她的时刻。我的父母也为我深感骄傲。我的旅程也是他们的旅程,我是他们梦想成真的结果,而他们的梦想就是美国梦。和在座许多人一样,我是第一代移民。
我父亲有一个梦想,就是在美国养育他的家庭。我 9 岁那年,他把我哥哥和我送到美国。我们最后去了 Kentucky 州 Oneida 的一所 Baptist 寄宿学校,那里是煤矿区,一个只有几百人的小镇。两年后,我的父母放下一切来到美国和我们团聚。他们几乎一无所有地来到这里。
我父亲是一名化学工程师。我母亲在一所天主教学校做女佣。她每天凌晨 4 点叫醒我去送报纸。我哥哥帮我在 Denny’s找了一份洗碗工的工作,在当时我觉得那简直是一次重大的职业晋升。
我去了 Oregon State University(俄勒冈州立大学)。17 岁那年,我遇到了我的妻子 Lori。我是学校里年龄最小的孩子。我们当时是大二学生,也是实验课搭档。她 19 岁。
一个年长的女人?我击败了班上其他 250 个男生,赢得了她的心。
我们现在已经结婚 40 年了。我们有两个很棒的孩子,他们都在英伟达工作。我 30 岁时,和 Chris Malachowsky、Curtis Priem 一起创办了英伟达,他们是两位出色的计算机科学家。
我们想打造一种新型计算机,一种能够解决普通计算机无法解决的问题的计算机。我们完全不知道该如何创办公司、融资,或者经营英伟达。我只是想,这能有多难?结果证明,这真的超级难。
我们的第一项技术根本行不通,钱也快用完了。有一次,我不得不飞到日本,向 Sega 的 CEO 解释,他们委托我们开发的技术无法实现,请求解除我们无法完成的合同,然后还请求他们继续付款。没有这笔钱,英伟达就会瞬间消失。那非常尴尬、非常屈辱,也是我做过的最艰难的事情之一。
而 Sega 的 CEO Irimajiri-san 说,可以。我很早就明白,做 CEO 不是关于权力,而是关于让公司活下去所承担的责任;也明白了诚实和谦逊有时会得到慷慨与善意的回应,即便是在商业世界里。我们用那笔钱重新调整了公司,并在绝境中发明了新的芯片和计算机设计方法,而这些方法直到今天仍在使用。
33 年来,英伟达一次又一次地重塑自己。每一次,我们都会问:这能有多难?每一次,我们又都会发现,它比我们想象的更难。但正是通过这些经历,我们学会了永远不要把失败看作成功的反面。每一次失败都只是一次学习的时刻,一次保持谦逊的时刻,一次锤炼品格的时刻。挫折中锻造出的韧性,才会给你再次出发的力量。今天,我是科技行业任职时间最长的 CEO 之一。
英伟达是我与 45000 位杰出同事共同完成的事业,也是我的毕生事业。现在,轮到你们去实现自己的梦想了,而这个时机再完美不过。我的职业生涯开始于 PC 革命的开端。你们的职业生涯开始于 AI 革命的开端。我想象不出还有比现在更令人兴奋的工作时代,更适合开启你们毕生事业的时代。AI 正是从卡内基梅隆大学起步的。
过去 24 小时里,我在这里听到了无数关于 AI 的笑话。卡内基梅隆大学是 AI 和机器人技术真正的发源地之一。20 世纪 50 年代,这里的研究人员创造了 Logic Theorist,它被广泛认为是第一个 AI 计算机程序。1979 年,卡内基梅隆大学成立了 Robotics Institute。今天上午我去参观了。今天上午,我参观了 Robo Club,也参观了第一个完全致力于机器人技术的学术机构。
AI 如今已经彻底重塑了计算。我经历过每一次重大的计算平台变革:大型机、PC、互联网、移动和云。每一波浪潮都建立在上一波之上,每一波都扩大了技术的可及性,每一波都改变了产业和社会。但现在即将发生的变化,比以往任何一次都更大。计算正在经历一次彻底重置。自现代计算被发明以来,还从未发生过这样的变化。
60 年来,计算的工作方式一直相同:人类编写软件,计算机执行指令。这个范式已经结束。AI 已经重塑了计算:从人类编码变成机器学习,从运行在 CPU 上的软件变成运行在 GPU 上的神经网络,从执行指令变成理解、推理、规划和使用工具。一个全新的产业已经出现,它的使命是大规模制造智能。
因为智能是每个行业的基础,所以每个行业都会发生变化。对许多人来说,AI 带来了不确定性。人们看到 AI 编写软件、生成图像、驾驶汽车,自然会想:接下来会发生什么?工作会消失吗?人们会被抛在后面吗?这项技术会不会变得过于强大?
历史上每一次重大的技术革命,都会在带来机会的同时带来恐惧。当社会以开放、负责任、乐观的态度拥抱技术时,我们扩展人类潜能的程度,远远超过我们削弱它的程度。所以首先,也是最重要的是,我们必须清楚地认识到:AI 也就是对理解、推理和解决问题的自动化,是人类有史以来创造的最强大技术之一。和此前每一项变革性技术一样,它既会带来巨大的希望,也会带来真实的风险。我们这一代人的责任,不只是推进 AI,更是要明智地推进 AI。科学家和工程师肩负着深刻责任,要同时推进 AI 能力和 AI 安全;政策制定者也是如此。
政策制定者有责任建立周全的护栏,在保护社会的同时,仍然让创新、发现和进步继续向前。历史表明,选择逃避技术的社会并不能阻止进步,它们只是放弃了塑造进步并从中受益的机会。所以答案不是恐惧未来,而是明智地引导未来,负责任地建设未来,并确保它带来的好处能够惠及尽可能多的人。我们不应该教人们害怕未来。我们应该以乐观、责任感和雄心去参与未来。
现在,全世界只有一小部分人知道如何编写软件。而如今,任何人都可以让 AI 帮自己做出有用的东西。一个店主可以创建网站并发展业务;一个木匠可以设计厨房,并向客户提供新服务。AI 会编写代码。第一次,每个人都成了程序员。计算和智能的力量第一次真正能够触达每个人,并弥合技术鸿沟。就像电力和互联网一样,AI 将需要数万亿美元的基础设施投资。
这是人类历史上规模最大的技术基础设施建设,也是一代人只有一次的机会,让美国重新工业化,恢复国家的建造能力。为了支持 AI,美国将在全国各地建设芯片工厂、计算机工厂、数据中心和先进制造设施。AI 给了美国再次建设的机会。电工、管道工、钢铁工人、技术员、建筑工人,这是你们的时代。
AI 不只是在创造一个新的计算产业,它正在创造一个新的工业时代。支撑这些新基础设施需要巨大的能源,但它也在推动几代人以来规模最大的能源基础设施投资之一,推动电网现代化、扩大电力生产,并加速可持续能源发展。是的,AI 会改变每一份工作,但一份工作的任务和目的并不是一回事。许多任务会被自动化。一些工作会消失,但许多新的工作和全新的行业也会被创造出来。
软件编码任务正越来越多地被自动化,但借助 AI,软件工程师可以扩大解决方案的搜索范围,从而应对更宏大的挑战。放射影像分析正越来越多地被自动化,但借助 AI,放射科医生会被提升到更高水平,更好地诊断疾病、照护患者。AI 不会取代人的目标,它会放大人的能力。这就是为什么即使 AI 编写了更多代码、分析了更多影像,对软件工程师和放射科医生的需求仍在继续增长。AI 不太可能取代你,但更会使用 AI 的人可能会取代你。所以一个很好的思维实验是:
我们希望自己的孩子被 AI 增强,还是被那些被 AI 增强的人甩在后面?没有父母希望自己的孩子被落下。所以,让我们安全地建设 AI。同时,也让我们想象一个乐观的未来,一个让我们的孩子愿意参与其中、并受到鼓舞去帮助建设的未来。因此,我们可以也必须同时做好四件事:安全地推进 AI,制定周全的政策,让 AI 被广泛使用,并鼓励每个人参与其中。每个人都应该拥有 AI。
机会不应该只属于会写代码的人。
2026 届毕业生们,你们正进入一个非凡的时代。一个新的产业正在诞生,一个科学与发现的新时代正在开启。AI 将加速人类知识的扩展,帮助我们解决曾经无法触及的问题。我们有机会弥合技术鸿沟,第一次把计算和智能的力量带给数十亿人;有机会让美国重新工业化,恢复我们的建造能力;也有机会帮助创造一个比你们所继承的世界更富足、更有能力、更充满希望的未来。
没有任何一代人像你们这样,在进入世界时拥有如此强大的工具和如此巨大的机会。我们都站在同一条起跑线上。这是你们帮助塑造未来的时刻。所以,要奔跑,不要慢走。卡内基梅隆大学有一句我很喜欢的校训:我的心在工作之中。
所以,把你们的心投入到工作中。去创造一些配得上你们所受教育、你们的潜力,以及那些在世界相信你们之前就已经相信你们的人的东西。祝贺你们,卡内基梅隆大学 2026 届毕业生。
作者:莫崇宇
你花钱买了一本书,却发现作者压根不存在。
这是知名医学家 Topol 教授曾经历的真实遭遇。市场上,一度有数十本打着他名号和肖像的烹饪书与健康指南正在大肆售卖,而他本人毫不知情。

Topol 愤怒地将其称为「彻头彻尾的欺诈」,但他在亚马逊的维权之路却仿佛打在棉花上,只换来客服冷冰冰的通用回复。
这仅仅是冰山一角。最近,知名风投 a16z 给出一组令人深思的数据:自从 ChatGPT 横空出世,亚马逊电子书的月发行量直接翻了两倍。

到了 2025 年末,每个月的新书发布量已经飙升到了夸张的 30 万本。说白了,你现在在电子商店里随便逛逛,映入眼帘的新书里,很大一部分都是 AI 生成的流水线产品。
2026 年的出版界是魔幻的,我们曾经熟悉的「白纸黑字即是权威」的信任体系,正在被无孔不入的 AI 一点点瓦解。
想象一下这个极具画面感的场景:夜深人静,你裹着毯子,捧起一本刚买的热门奇幻言情小说《 Darkhollow Academy: Year 2 》,准备让主角的极限拉扯帮你分泌点多巴胺。
结果翻到最刺激的章节,剧情突然急转直下,赫然出现了这么一行字:「我已经重写了这段文字,使其更符合 J. Bree 的风格,这种风格包含更多紧张感……」。

这不是什么先锋派的打破第四面墙,而是作者连 AI 的提示词都忘了删,就直接一键出版了。甚至如今你想当个「畅销书作家」,门槛已经低到超乎常人的想象。
你只需要花区区 29.97 欧元美元,订阅一个叫 Youbooks 的 AI 工具,它就能帮你融合 ChatGPT 、 Claude 、 Gemini 甚至 Llama 的能力,每月提供数十万字的生成额度。它能一键编造出看似逻辑严密的内容,自动从网上提取最新资料,甚至连排版都能顺手搞定,最后直接导出 PDF 或 EPUB 格式。

有了这种神器,投机分子们简直杀疯了。
此前就有个名叫 Tommi Pedruzzi 的 27 岁年轻人在社交网络上高调炫耀,说自己靠着批量生成 1500 本 AI 电子书,硬生生在亚马逊上赚了 300 万美元。他在分享暴富哲学时直言:「出版一本没人想读的书毫无意义」。

虽然很快就有 Reddit 网友扒出亚马逊上根本搜不到他署名的书,并戳穿他真正的盈利方式其实是靠卖「教你如何用 AI 致富」的课程割韭菜。但无论真假,这种批量制造「电子水货」的套路,对各大出版平台的污染却是实打实的。
更有意思的是这帮人蹭热点的手速和下限。
英格兰女足去年刚赢下欧洲杯,亚马逊上瞬间就冒出了一堆关于 Chloe Kelly 等球员的伪传记。
这些书有多敷衍呢?封面不仅粗制滥造,甚至把美式橄榄球当成了足球。全书不到 50 页,标价 11 英镑,主打一个愿者上钩。前英格兰女足队长 Steph Houghton 发现自己辛辛苦苦写了 300 多页的自传,被 AI 仿写成了一本 50 页的残次品,气得直呼「太差劲了」。
这种粗制滥造正在全面围剿真实的创作者。
知名记者 Kara Swisher 的新书刚一出版,亚马逊上立刻被各种打着她名字的 AI 传记和总结「包围」;喜剧演员 Rhys James 在平台上发现了多本以自己为主角的 AI 垃圾传记,封面全是用 AI 生成的虚假男性形象;

面对汹涌的 AI 海啸,平台方的应对显得极其无力。亚马逊曾出台规定,限制每位作者每天最多只能发布 3 本书——这对日产千字的机器来说简直是隔靴搔痒。不仅如此,虽然作者在上传书籍时被要求勾选是否使用了 AI,但这层提示却一度被刻意隐藏了起来,根本不会向购买的消费者展示。
面对这种劣币驱逐良币的生态,原生创作者正在被迫出逃。因为流量和版税被成千上万的 AI 垃圾书籍稀释,作家 Dakota Willink 公开表示自己不得不退出 Kindle Unlimited 平台,转而寻求 Kobo Plus 等其他更透明的海外渠道。
英国出版商协会也发出警告:如果放任这种低质量 AI 图书泛滥,消费者的信任将被彻底透支。
在这场赛博垃圾的狂欢背后,一个根本性的原罪始终无法回避:这些能胡编乱造、能模仿名家风格的大模型,究竟是怎么变得这么「聪明」的?
答案很简单:靠海量的、未经授权的抓取。
此前曝光的法庭文件,直接揭开了 Meta 训练 Llama 3 时的幕后操作。面对大模型对高质量数据的极度渴求,Meta 高管们曾讨论过购买正版授权,但结论是:流程极其缓慢,价格高得不合理。
一位工程总监在内部群里赤裸裸地指出:「如果我们只授权一本书,那我们将无法以『合理使用』为理由来抗辩。」。翻译一下就是:只要我们抓取的数据足够庞大,法不责众,这就是技术创新。
于是,在获得高层默许后,Meta 员工熟练地挂上匿名性极强的 BitTorrent(BT 种子),把全球最大的盗版数字图书馆 Library Genesis(LibGen)给下载了。里面足足包含了 750 万本书和 8100 万篇论文。
巨头们无偿征用了人类作家的才华与思想,转头用户又将 AI 生成的书籍塞给社会。
诚然,如果我们只看冰冷的数据,这场 AI 海啸似乎带来了某种短期红利。
伴随着 AI 流水线开始接管文字生产,一家名为 Spines 的初创出版商因在 2024 年拿到了 1600 万美元融资,便计划用一年时间通过 AI 全自动出版 8000 本书,从校对到排版只需三周。

NBER(美国国家经济研究局)的一篇论文也佐证了这种「繁荣」:尽管 AI 导致图书平均质量断崖式下跌,但由于供给基数庞大,市面上「中等偏上」质量的书籍绝对数量增加了,为读者带来了约 7% 的「消费者剩余」提升。
同时,部分老牌作家在 AI 辅助下,生产力也得到了超级强化。这似乎印证了投资人 Marc Andreessen 的预测:糟糕内容的泛滥会伴随高质量内容的爆发。
但这真的会让出版社迎来第二春吗?
这种繁荣假象的代价是惨痛的:一方面,海量的 AI 垃圾正在无限稀释真实作品的曝光率,让许多没有名气的原生作家出头空间被压缩;另一方面,作为内容源头的出版商和创作者正在被大模型无情地「吸血」,失去了赖以生存的商业回报。
面对迫在眉睫的生存威胁,包括 Dennis Lehane 在内的 70 多位知名作家联合向美国出版界「五大巨头」请愿,要求停止发布机器创作的书籍;与此同时,由于大模型直接在搜索端抓取并总结内容,Google 的 AI 摘要功能(AI Overviews)导致部分出版商的外部网站流量暴跌了 34% 以上。原生内容的生存土壤正在被彻底掏空。
更致命的是,这种竭泽而渔的玩法,最终会迎来技术层面不可逆转的反噬。
在计算机科学里,有一句至理名言叫「 Garbage in, garbage out (垃圾进,垃圾出)」。大语言模型想要变得更聪明,必须投喂高质量的人类文本数据。但在过去的两年里,由于巨头们的纵容,亚马逊和整个互联网已经被海量的 AI 垃圾填满了。

这下尴尬了。当 OpenAI 或 Google 派出下一代爬虫去抓取新的训练数据时,它们抓到的会是什么?是连「重新生成回答」都没删的言情小说;是错把橄榄球当足球的名人传记;还是 27 岁小伙真有机会一键生成的 1500 本水货。
宛如一条正在吞食自己尾巴的「衔尾蛇(Ouroboros)」, AI 曾经吞下的是人类文明的经典,现在,它却不得不吃下自己和同类排泄出的数字废料。长此以往,模型不可避免地会走向退化,也就是学术界一直担心的「模型崩溃」。
所以我们到底为什么而阅读?
阿根廷作家博尔赫斯曾在小说中构想过一座无限庞大的「巴别图书馆」。那里收录了所有可能的字母组合,书本数量浩如烟海。但遗憾的是,绝大多数书籍都是毫无意义的乱码,真正蕴含真理和情感的文字,被永远淹没在了冗余信息的汪洋之中。
如今不知疲倦的生成式 AI,正在为我们建造一座现实版的巴别图书馆。当电子书架被每月 30 万本的流水线废料填满,当整个行业不得不面对「垃圾进,垃圾出」的衔尾蛇困局时,我们或许该重新思考文字本身的意义。

英国作家 C.S. 路易斯曾说:「我们阅读,是为了知道自己并不孤单。」
一本书真正的重量在于,触碰到另一群真实的人。他们也曾和你一样。会痛,会笑,会迷茫,会心碎。他们把这些滚烫的生命体验,笨拙又真诚地揉碎在文字里,留给了未来某个他们永远不会认识的人。
AI 能在几秒钟内生成一百万个结构精巧的故事,却也体会不到哪怕一滴眼泪的重量。在这个文字可以被无限量产、廉价批发的时代,那些带着体温的作品,正在变得愈发稀少,也愈发珍贵。
去读书,更去读那些真正有作者的书。
作者:莫崇宇
十六世纪,欧洲商船在大西洋上画出了一个三角形的航线。
欧洲的布匹和枪炮流向非洲,换来人口;人口被运往美洲的种植园,换来棉花和糖;棉花和糖再运回欧洲,完成一次稳赚不赔的循环。这套臭名昭著的交换体系,后来被历史教科书称「三角贸易」。
谁能想到,三个世纪后,一条结构惊人相似的贸易链,正在互联网上悄然成形。

在这条新航线上,全球南方的普通人提供身份信息,美国的 AI 实验室提供顶尖模型,中国开发者和企业提供需求,而其中一些连接这三者、从中赚取差价的中间层,被称为「AI 中转站」。
这门生意的起点,源于两大难以跨越的限制。
OpenAI 自 2024 年 6 月起明确封禁中国大陆 IP,Anthropic 的服务条款同样禁止向不支持地区销售。支付是另一道门槛,主流海外模型厂商要求绑定 Visa 或 Mastercard,并通过严格的账单地址核验,多数开发者被直接拒之门外。
「AI 中转站」正是在这两大限制的夹缝中生长出来的。他们用海外服务器充当跳板,用人民币支付替代外币信用卡,把顶尖算力以「代购」的方式转交给受限地区的用户。
这门原本藏在灰色地带里的生意,如今却吸引了一批名人高调入场。

猎豹移动 CEO 傅盛推出了 Easy Router,打出全线模型八五折、DeepSeek-V4 定价低至官方四分之一的招牌。币圈大佬创始人孙宇晨、懂王的家族企业也纷纷下场,可见这里面的水有多深、油水有多大。

今天,咱们就来聊聊,这门含着泪赚你钱的生意,到背后到底有哪些套路?
从技术上说,AI 中转站就是一个架在用户和大模型服务商之间的反向代理服务器。用户把请求发给中转站,中转站再转发给 OpenAI 或 Anthropic,取回结果后再交给用户。
按形态和受众区分,当前市场上的中转站大致分三种类型:
第一种是面向普通用户的「网页镜像站」,直接套一个网页界面,用户登录即用。门槛最低,但也最不透明,你完全不知道请求最终流向了哪里。
第二种是面向开发者的「API 聚合分发平台」,核心是把多家模型的异构接口统一转换为标准格式,按 Token(词元)计费向下游转售。前文提到的几位名人产品,本质上都属于此类。
第三种是面向大型机构的「企业级 AI 网关」,提供智能路由、全链路审计、数据脱敏和权限管控,代表产品有 Portkey,算是这个生态里相对规范的一层。
三种形态的技术底层有着共同的逻辑。以开源项目 One API 为例,它的 GitHub 星标超过 3 万,被大量商业平台直接拿来二次开发,是许多中转站市场事实上的底层基础设施。

▲ 🔗 https://github.com/songquanpeng/one-api
它的运作分三个核心模块:
协议标准化:各家大模型的 API 格式大相径庭,中转站会在网络应用层深度解包用户请求,提取核心元素,重新打包成目标模型要求的格式发送,并实时透传流式输出的数据块,保证「打字机」效果不中断。
Token 计费拦截:中转站在转发过程中截取返回数据包,统计实际消耗,再乘以自定义的「模型倍率」向用户收费。这套系统允许站长对不同模型设定差异化溢价,是商业变现的核心。
多账号轮询池:单个官方账号有严格的频率限制,中转站通过维护大量底层 API Key,用轮询算法分发流量。某个账号被封或耗尽时,系统自动无缝切换到下一个。
正是第三个模块,让一个人只需租一台海外服务器,执行一行 Docker 命令,极短时间内就能上线一个商业平台。技术门槛的持续下降,直接导致了市场上海量玩家的涌现。
而中转站能提供低价,背后必然有一套成本更低的算力获取方式。
上游资源方通过利用云厂商新用户免费额度、滥用教育邮箱获取折扣、在电商平台批量倒卖企业账号权益来压低成本。更灰色的手段则包括批量注册虚假账号、盗刷跨国信用卡甚至窃取他人的 API Key。

最近随着 Anthropic 引入 KYC 强制实名认证,这条供给链又延伸出了新的分支。
中间商前往尼日利亚、肯尼亚、柬埔寨等地,以几美元的报酬招募当地人配合拍照,批量采集人脸和证件信息,再以数十倍的价格转售给国内开发者。
这与此前在非洲采集虹膜数据的黑市逻辑如出一辙,将生物特征数据商品化的链条直接平移到了 AI 时代。不少业内研究者都曾警告,今天被收割的面部信息,明天就可能被用于开设欺诈性金融账户,危害深远。
如果真能做到「一手交钱,一手交货」,这门代购生意倒也算得上公道。但现实是,AI 中转站提供的服务往往货不对版,甚至可以简单理解为「掺水」的货。
2026 年 3 月,CISPA 信息安全研究中心发表了学界首次针对中转站系统性安全审计的论文《Real Money, Fake Models: Deceptive Model Claims in Shadow APIs》。

▲ 🔗 https://arxiv.org/abs/2603.01919
研究者追踪了 17 个曾被 187 篇正式学术论文引用的中转站服务,进行了全面测试。
结论触目惊心:45.83% 的节点通不过模型身份验证,说明其后台运行的并非宣称的模型。在医学问答测试中,Gemini-2.5-flash 通过官方 API 的正确率为 83.82%,而通过影子 API 则跌至约 37%。在法律推理测试中,所有被测中转站都比官方 API 落后 40 个百分点以上。
▲ AIME 2025
具体来说,这种「狸猫换太子」的方式分三种:
一是按官方原价收费,后台实际运行低成本开源模型(例如打着 GPT-5 的幌子,实则偷偷替换为掺水的 Llama);二是用便宜的新模型替换较贵的旧模型,反而向用户收取更高费用;三是哪怕用户支付了高昂的加价,最终调用的依然是低端模型。

▲图片出自论文,由 AI 生成
价格和质量在 AI 中转站的黑市里完全是随机分布的盲盒。论文的结论也显示,价格比率对准确率下降完全没有预测力,选贵的中转站并不能保护你免受模型替换的损失。
除了模型造假,账单同样存在猫腻。
2026 年 ACM 互联网测量大会上的论文《Behavioral Consistency and Transparency Analysis on Large Language Model API Gateways》对真实商业网关进行测评,发现有网关实际收费比预期计算高出 62.8%,但其上报的用量数据与其他平台并无异常,用户根本感知不到多出的钱去了哪里。

▲LLM API 网关架构概览,以及主要的透明度与一致性挑战。
此外,部分网关还会进行隐蔽的「上下文截断」。
为了节省成本,它们在历史消息超过隐性阈值后,悄悄丢掉早期内容。测试人员设计了一段 25 轮对话,模型在某些网关上到第 24 轮时已经无法复述第 10 轮设定的信息。这意味着依赖长文档分析或多轮对话的应用,可能长期运行在降级状态。
简而言之,你用的 AI 中转站,很有可能就是花着最贵的钱,用着最蠢的模型,忍受它随时变成拥有七秒记忆的金鱼,最后用来干最复杂的活儿。
讲真,花冤枉钱买个「智障」模型顶多算是破财免灾,更需要注意的是,这些 AI 中转站很有可能会盯上你的隐私数据。
用户以为交给中转站的只是一段请求,实际上交出去的是完整的双向通信记录。
AI 中转站作为中间人,对每一条提示词和每一段模型返回都拥有读写权限。灰色平台可能把这些数据打包卖给 AI 训练公司或数据经纪商,赚取不菲的利润。这就导致你既是客户,也是产品本身。
更危险的是,数据经过的中间节点往往不止一个。
中转站的路由常常多层嵌套:你从电商平台买的 API 访问权限,背后的卖家可能从另一个聚合平台采购,整个链路可能经过四个以上的独立节点。木桶短板理论诚不我欺,链条的安全性取决于最弱的那一环,一旦任何节点被攻破,上游的数据截留或篡改就已完成。
在《Your Agent Is Mine: Measuring Malicious Intermediary Attacks on the LLM Supply Chain》这篇论文中,研究者在沙盒中测试 428 个中转站后发现:9 个正在向用户注入恶意代码,17 个触发了 AWS 测试密钥的盗用,甚至有 1 个直接抽走了研究者部署的私钥钱包资金。

▲ 多跳路由的链条越长,中间任何一个节点出问题,污染就会沿链传播,而终端的 Agent 很难判断响应是否经过篡改。论文🔗 https://arxiv.org/abs/2604.08407
一个被故意泄露的 OpenAI 密钥迅速被中转站复用,产生了逾 1 亿 Token 流量。
今年 3 月发生的 LiteLLM 事件更是暴露了攻击规模。黑客通过依赖包漏洞潜入这个主流开源框架,波及超过 4.6 万个开发环境。此外,更有高级黑客将木马控制指令(C2)伪装成正常的 AI 对话提示词发给中转站,借助合法通道绕过传统防火墙。

▲一个恶意 Router 坐在 Agent 和模型之间,既偷看请求与响应里的敏感信息,又在返回给 Agent 之前往响应里注入恶意内容。
当 AI 从聊天工具进化为能自主执行代码的智能体(Agent),风险又多了一个维度。
恶意中转站能在 shell 命令抵达执行层前,把安装包替换成同名恶意包。甚至还有「条件投递」变种:前 50 次请求正常,第 51 次才激活注入。对于自动执行模式的 Agent 来说,最基础的载荷注入就已足够致命。
值得一提的是,中转站的破坏范围不止于直接用户。
《Real Money, Fake Models》论文统计显示,187 篇引用影子 API 的论文中,62% 发表在 ACL、CVPR 等顶级学术会议上。这些使用假模型进行的评测或漏洞分析,导致了严重的学术信任危机。若其中 30% 需要重新执行,总损失就在 11.5 万到 14 万美元之间,近 6000 篇后续研究的有效性也随之存疑。

这门靠「信息差套利」维持的生意,正在走向不可持续的终点。
一方面,境外未备案模型向境内提供服务触碰了《生成式人工智能服务管理暂行办法》,给站长带来了极大的非法经营风险;企业用户一旦因此发生敏感数据泄露,也将面临严厉的法律制裁与行政处罚。
另一方面,伴随着国产大模型(比如 DeepSeek 等)的能力呈现井喷式爆发,不仅在各项榜单上开始追平甚至反超海外巨头,更是在价格上掀起了腥风血雨——API 接口的价格被硬生生打到了海外厂商的几十分之一,甚至直接开启了「免费时代」。
当拧开水龙头就能喝到干净便宜的水,那些在暗巷里倒卖高价水还要掺假下毒的营生,自然也就迎来了他们的谢幕。即便存活下来的黑心平台,未来也只会进入「大逃杀」模式:要么更加疯狂地掺水、偷数据来维持暴利;要么趁着资金链还没断裂,拔网线关服提桶跑路。
十六世纪的三角贸易靠的是信息不对称和地理隔绝,最终因贸易透明化和监管而终结。AI 中转站赖以生存的同样是地区封锁和不对称信息。不同的是,这一次,被贩卖的不只是算力,还有身份、隐私、信任,以及无法预估的后果。
作者:莫崇宇
🍏
苹果或「小幅重新设计」macOS 27 的液态玻璃界面
🔍
曝字节跳动上调今年资本开支至逾 2000 亿元,加码 AI 基建
📱
微信灰度测试「组合支付」:转账可同时用零钱和银行卡
🛍️
曝阿里巴巴将整合千问与淘宝,推出 AI 对话购物功能
🤖
「马斯克版 Codex」曝光
🚗
魏建军:汽车不是快消品,中国车企出海要保证长期可信赖
💻
美国企业开始回避「AI 原生」毕业生:会用 ChatGPT,但不会独立思考
💡
格力 CMO 朱磊:越是 AI 技术普及的时代,「真实」的价值越不可替代
🧠
微软开源 Phi-Ground 模型家族:让 AI 准确点击屏幕,五项评测 10B 以下全部第一
🛡️
智源联合多家机构发布大模型安全平台 FlagSafe
🍣
寿司郎母公司上调净利润预测至 300 亿日元、今秋进军纽约
⚠️
哈啰回应员工脚踩青桔美团:涉事人员已依规处理
🧸
乐高推出 F1 法拉利双星头盔套组
🎬
《监狱来的妈妈》定档 5 月 30 日


据彭博社报道,苹果计划在即将于六月 WWDC 开发者大会亮相的 macOS 27 中,针对「Liquid Glass」界面进行视觉重构。
报道认为,由于目前大部分 Mac 设备仍搭载 LCD 屏幕,「Liquid Glass」设计语言的透明度、阴影及玻璃质感的渲染效果不及 OLED 面板,导致控制中心、访达及部分侧边栏的密集文本区域出现可读性下降的问题。
为解决这一显示瑕疵,苹果内部正在为 macOS 27 筹备一次「小幅重新设计」,重点优化阴影及透明度的渲染机制。报道同时指出,iOS 27 和 iPadOS 27 也将包含一系列界面微调,整体方向是清理和打磨,而非大幅重构。
在功能层面,报道称苹果正在测试 Safari 浏览器的「整理标签页」功能,可自动将标签页按浏览主题分组。

据《南华早报》报道,字节跳动已将 2026 年 AI 资本开支计划上调至逾 2000 亿元人民币,较去年底初步讨论的 1600 亿元方案增幅至少 25%。
知情人士称,此次增支的主要驱动因素包括公司对 AI 业务的持续深度押注,以及内存芯片成本的持续上涨。值得注意的是,报道称字节跳动在本次预算调整中还提高了国产 AI 芯片的采购比例。

近日,据博主分享,微信正在灰度测试「组合支付」功能,允许用户在好友转账时同时使用两种支付方式完成付款,如「微信零钱 + 银行卡」或「微信零钱 + 零钱通」,解决了此前零钱余额不足时需单独提现或凑款的问题。
另据快科技报道,组合支付最多支持两种支付方式的组合。腾讯客服回应称,该功能目前仅限转账收银台场景使用,发红包及线上、线下购物支付场景暂不支持,并正在逐步开放中。
据路透社报道,阿里巴巴正准备将旗下 AI 平台千问与电商平台淘宝进行整合,推出以对话驱动购物的 AI 智能体功能。
根据报道,整合完成后,用户可直接在千问 App 内通过与 AI 对话的方式浏览商品、比价并完成购买,无需手动翻阅商品列表。
千问将接入淘宝和天猫超过 40 亿件商品的完整目录,并配备一套「技能库」,可处理物流跟踪与售后服务。此外,系统将根据用户的历史订单和购物偏好提供个性化推荐。

据 TestingCatalog 报道,马斯克旗下全平台桌面代码工具 Grok Build 的测试细节近日意外出现在 Grok 网页端,界面与功能类似于 Codex 和 Claude Code。
报道称,Grok Build 支持 macOS、Linux 和 Windows 三大平台,可自主执行多步开发任务,支持直接读取 Git 代码树、管理本地文件与文件夹,并能自主启动开发者服务器。

据新浪科技报道,长城汽车董事长魏建军昨日在 2026 长城汽车智慧工厂半程马拉松活动期间,与多家媒体就中国车企出海话题进行了对话。
魏建军在对话中表示,汽车与快消品不同,生命周期较长、价值量较大,是大多数家庭在购房之后的第二大支出,用户对保值率和使用成本均较为敏感。
他认为,中国车企走出去必须以高质量为前提,切实保障产品品质和售后服务;一旦质量与售后无法兑现,甚至企业自身的长期存续都成问题,将直接损害海外消费者对中国品牌的信任。
据 Futurism 报道,多家美国企业发现,近年来进入职场的「AI 原生」大学毕业生普遍存在思维深度不足的问题,部分雇主已开始主动回避具备 AI 使用能力的 STEM 毕业生,转而青睐人文学科背景的求职者。
一位纽约金融业从业者向《金融时报》记者 Gillian Tett 表示,其所在机构目前更看重批判性思维能力,而非 AI 操作技能,并已调整招聘策略。
报道指出,美国高校学生将课业大量「外包」给 ChatGPT 等 AI 工具的情况已相当普遍,这一趋势不仅影响了学生的书面表达能力,也开始波及课堂面对面讨论的参与质量。
加州州立大学奇科分校伦理学教授 Troy Jollimore 在接受《纽约客》采访时警告,「大量学生将带着学位走出大学、进入职场,而他们实际上处于文盲状态」。

据《每日经济新闻》报道,格力电器 CMO 朱磊日前在「2026 第十届中国上市公司品牌价值榜发布会」上发表演讲提出,越是 AI 技术普及的时代,「真实」的价值越不可替代。
如果你的品牌在现实世界里没有活起来,但在 AI 世界里活起来了,你是什么?是骗子。如果你的品牌在现实世界活得很好,并且非常火的话,那它在 AI 世界也一定能活,并且一定会火起来。
他认为,品牌若在现实世界中缺乏根基,即便在 AI 世界中短暂活跃,也难以建立持久信任。为此,格力过去一年多时间选择让高管亲身下场,以系列极限场景实测作为核心营销方式。
朱磊表示,格力定义「真 AI」家电的核心标准是为消费者带来「更省钱、更省事、更省心」的实际价值,而非将 AI 停留在语音控制等表层功能。


微软于近日开源了 Phi-Ground 模型家族。该系列模型专注于一个具体问题:给 AI 一张屏幕截图和一条指令,让它准确输出应该点击的坐标位置。
开源的 Phi-Ground-Any-4B 参数量约 4B,官方宣称其在搭配大模型辅助理解指令的测试条件下,点击准确率超过了 OpenAI Operator 和 Claude Computer Use,并在五项主流评测中拿下 10B 参数以下模型的全部第一。
🤗 Hugging Face: huggingface.co/microsoft/Phi-Ground-Any

北京智源人工智能研究院昨日联合北京大学、上海交通大学、中国科学院等多家机构,正式发布 FlagSafe 大模型安全平台。平台围绕红队演练、蓝队防御、白盒透视三个方向,为大模型提供从风险发现到防御治理的一体化安全能力。
平台基于《北京 AI 安全国际共识》设定了五条不可逾越的红线,包括禁止自主复制改进、禁止协助设计大规模杀伤性武器、禁止发动破坏性网络攻击等。

据《日本经济新闻》报道,寿司郎母公司 FOOD & LIFE COMPANIES(F&LC)昨日宣布上调全年业绩预期,预计截至 2026 年 9 月的合并净利润(IFRS 口径)将同比增长 31%,达到 300 亿日元。
作为销售额口径的营业收入预计同比增长 18% 至 5050 亿日元,营业利润预计同比增长 34% 至 485 亿日元,分别较此前预测上调 200 亿日元和 80 亿日元。
在中国内地和东南亚市场,公司持续扩张门店,实现大幅增长。截至今年 3 月底,公司海外门店数量达到 279 家,并计划于今年 9 月底前将这一数字提升至 320 家以上。
公司还透露,计划于今年秋季在美国纽约开设首家「寿司郎」门店,标志着品牌正式进入北美市场。

据鞭牛士报道,哈啰出行昨日就员工聚会「脚踩青桔美团」照片作出进一步回应,表示涉事人员已依规处理,并在全公司范围内开展职业道德与规范教育。
近期在社交平台流传的一张照片显示,多名哈啰员工骑在哈啰单车上,其中有人脚踩倒地的青桔和美团单车,并集体竖起大拇指。
照片引发广泛关注后,哈啰官方客服回应称,「这种行为确实非常不妥,是个别员工的错误做法,完全不符合公司的要求和价值,我们绝对不容忍。」

据 NOWRE 报道,乐高近日正式开售 Editions 系列法拉利车队双星头盔套组,分别对应 2025 赛季两位法拉利车手夏尔 · 勒克莱尔(43014)与刘易斯 · 汉密尔顿(43022)的头盔涂装。
值得关注的是,这是乐高首次为 F1 现役车手推出专属人仔。两款套装均内含对应车手的独占人仔及印有亲签样式的展示铭牌。


电影《监狱来的妈妈》定档 5 月 30 日全国上映。
影片根据真实故事改编,主角赵箫泓因反抗家暴失手致丈夫死亡,入狱十年后亲自出演自身经历,凭借片中「母亲廖红」一角荣获第 73 届圣塞巴斯蒂安电影节最佳主角银贝壳奖。

动画电影《钟馗》官宣定档 5 月 30 日上映,主打六一儿童节档期合家欢市场。
影片以中国民间神话人物钟馗为主角,讲述人间少女初九误闯地府、与钟馗一同捉妖降魔的奇幻故事。
🔋
多家车企辟谣「锁电被约谈」传言
🚗
李想回应理想 L9 四年换代:汽车不是手机,安全验证无法提速
💰
SK 海力士回应员工人均奖金 610 万元
🔍
曝苹果正在研发全息屏幕 iPhone
🤖
MiniMax 回应大模型不认识马嘉祺
⚠️
曝甲骨文裁员 2-3 万人,员工集体争取更高遣散费遭拒
💡
Anthropic 联创:AI 对就业的冲击被高估了
🚙
小鹏多款 SUV 新车亮相
📱
Google 旗下修图软件推出大更新
💻
电脑微信三大更新来袭
🎧
光帆带摄像头 AI 耳机 5 月 15 日开售
🧠
百度文心 5.1 正式发布,Agent 能力超越 DeepSeek-V4-Pro
☁️
蚂蚁百灵大模型发布 Ring-2.6-1T

针对网络流传的「8 家车企被约谈、3 家被立案调查」传言,比亚迪、小鹏汽车、广汽埃安昨日相继发布声明,明确否认上述信息。蔚来、特斯拉、极氪、零跑、理想等车企也均向中新经纬表示,未收到约谈。
另据央视新闻报道,中国汽车工业协会昨日发声明称,近期网络流传的「8 家新能源车企因锁电问题被约谈」「3 家车企被立案」等说法为不实信息,网传内容无官方来源,与事实严重不符。
协会相关负责人强调,一切行业监管动态与执法举措,均以主管部门官方正式信息为准。

理想汽车 CEO 李想昨日在微博公开回应外界对全新理想 L9 换代周期长达四年的质疑。
理想 L9 于 2022 年 6 月首次上市,至今年 5 月换代周期接近四年,明显长于消费电子产品的迭代节奏。李想对此解释称,汽车与手机等消费电子产品存在本质区别。
汽车真做不到像手机那样的换代速度,它关乎一家人的生命安全,有大量验证工作需要经过长时间反复测试打磨。
李想同时提到,尽管 AI 技术目前发展迅猛,但在汽车测试与验证这一具体专业领域,对实车验证效率的提升仍然相当有限。
据第一财经、财联社报道,海力士昨日针对此前韩国员工人均奖金将达 610 万人民币的预测回应称,由于今年与明年的年度业绩尚未确定,奖金规模亦无法预测。
该公司同时表示,已在总部层面建立了一套新制度,以营业利润的 10% 作为资金来源,每年发放一次绩效奖金。
随着 AI 半导体竞争全面加剧,人才已成为核心竞争要素。为此,公司致力于通过具有竞争力的薪酬待遇吸引优秀人才,以保持长期竞争优势。
国际投行麦格理证券此前预测,若海力士明年营业利润达到 447 万亿韩元,按营业利润的 10% 与去年年末约 3.5 万名员工总数简单测算,分红总规模将达约 44.7 万亿韩元,人均可发放奖金约 12.9 亿韩元,接近 610 万人民币。

据 MacRumors 援引供应链消息报道,苹果正研发一款配备全息显示屏的「空间 iPhone」。据科技爆料人「Schrödinger」透露,三星目前正在研发代号为「MH1」或「H1」的全息智能手机显示屏。
该屏幕与早期裸眼 3D 技术有所不同,采用在 AMOLED 堆叠中直接集成纳米结构全息层的方案,并结合眼球追踪与衍射光束转向技术,将光线以精准角度重定向至用户眼部。
通过配套的专利算法,用户无需佩戴特殊眼镜,仅需倾斜设备即可实现 360 度绕物查看,产生悬浮于屏幕上方的空间深度错觉。
在显示性能方面,爆料称 H1 显示屏在处理常规 2D 任务时可维持原生 4K 分辨率,全息深度层仅在适配内容下激活,以此实现「零清晰度损耗」,规避传统透镜式 3D 屏幕的画质折损问题。
目前,该项目仍处于研发第一阶段,全息智能手机的全面商用时间节点预计在 2030 年左右。

MiniMax 昨日发布技术博客,披露 M2 系列大模型「不认识马嘉祺」的根因,并宣布已完成修复。值得注意的是,模型仍能准确回答马嘉祺的相关信息,丧失的只是「写出这个字」的能力。
问题的起点是分词器将「嘉祺」合并为一个独立 token。模型在预训练阶段学会了它,但后训练的对话数据里包含「嘉祺」的样本不足 5 条。这导致:
MiniMax 随后对约 20 万 token 的完整词表做了全量扫描,发现约 4.9% 的 token 存在显著退化。日语的退化尤为严重(29.7%),远超中文(3.9%)、英文(3.5%)、韩语(3.3%)和俄语(3.7%)。
这也解释了另一个旧问题:模型在日语对话中偶尔混入俄语或韩语字符,根因同样是日语 token 参数漂移后在向量空间中与其他语言发生混淆。
修复方案是构造覆盖全词表的合成数据,用简单的复读任务确保每个 token 都被练到。修复后,日语回答混入俄文字符的比例从 47% 降至 1%,全词表输出参数稳定度从最低 0.329 升至全部高于 0.97。
据 TechCrunch 报道,3 月 31 日,甲骨文 (Oracle) 通过电子邮件裁减约 2 万至 3 万名员工。被裁员工随后尝试集体谈判争取更高遣散待遇,遭到拒绝。
甲骨文提供的遣散方案为:签署免责协议后,员工可获得第一年 4 周工资,此后每满一年增加 1 周,上限 26 周,另附 1 个月 COBRA 医疗保险。
争议核心在于股票处理 —— 公司未对即将归属的 RSU(限制性股票单位)予以加速,解雇日前未归属股票一律没收。据《时代》报道,一名长期员工因此损失 100 万美元股票,距归属仅差 4 个月,RSU 约占其总薪酬的 70%。
相比之下,Meta 遣散方案起点为 16 周基本工资,另加每年 2 周,并覆盖 18 个月 COBRA 保险;Cloudflare 则提供薪资至今年年底并加速股票归属。
至少 90 名被裁员工签署请愿书,要求甲骨文对标行业水平,但据 TechCrunch 获悉的邮件,甲骨文拒绝谈判,只给出「接受」或「放弃」两个选项。

据《斯坦福日报》报道,Anthropic 联合创始人兼总裁 Daniela Amodei 昨日在斯坦福大学商学院「View From The Top」系列演讲活动中表示,外界对 AI 冲击就业市场的担忧存在明显夸大。
Daniela 表示,根据 Anthropic 持续跟踪的经济指数,AI 目前呈现出的形态更接近「技能互补」而非「岗位替代」。她指出,AI 正在改变工作的性质,而非简单消灭工作本身,客服领域是目前少数确实出现明显替代效应的行业之一。
以软件开发为例,她预测工程师这一职业不会消失,但工作重心将从编写代码转向与产品经理、客户的沟通协作,即那些 AI 不擅长处理的环节。
Daniela 同时提出了「比较优势位移」的概念。她认为,在 AI 能够承担更多日常生产性工作的未来,人类的优势将向同理心、社会判断力和人际沟通倾斜。她以医疗行业为例说明:
AI 或许能在诊断准确率上超越医生,但「床边照护」的温度与患者信任关系所带来的临床效果,是 AI 无法复制的。

在昨天披露的第 407 批《道路机动车辆生产企业及产品公告》新产品公示信息中,小鹏三款新 SUV 产品正式亮相:
小鹏 G9L:
小鹏 Mona L05:
小鹏 Mona L03:

近日,Google 旗下手机修图 App 正式上线了 4.0 版本:整体 UI 焕新,还上线了各种胶片功能,直接在 Google Play 商店/苹果 App Store 更新即可体验。

昨天,微信派发文宣布了电脑端微信三大更新:

昨天,光帆科技发布预热海报,宣布旗下「光帆全感 AI 耳机」将于 5 月 15 日正式开售。视觉感知是该产品的主打卖点,光帆将其定位为「全感知、主动式、个性化」。
值得一提的是,就在此前一天,The Verge 等媒体报道称,苹果正在推进带摄像头的 AirPods 于年内落地。随着头部厂商加入,支持视觉感知的 AI 耳机正在成为硬件赛道中新的焦点。

百度昨日正式发布文心 5.1 大模型。官方信息显示,文心 5.1 在保留文心 5.0 核心知识的基础上,将总参数量压缩至文心 5.0 的约三分之一、激活参数量压缩至约二分之一,在 Arena 搜索榜以 1223 分位列全球第四、国内第一。
官方公布的基准测试数据显示,文心 5.1 在 τ³-bench 与 SpreadsheetBench-Verified Agent 评测中性能超越 DeepSeek-V4-Pro;在数学竞赛评测 AIME26(使用工具)中得分 99.6,仅次于 Gemini 3.1 Pro。

蚂蚁百灵大模型昨日正式发布万亿参数旗舰推理模型 Ring-2.6-1T,面向真实复杂任务场景,支持 high 与 xhigh 两种推理强度。
官方信息显示,该模式在 PinchBench 上得分 87.60,高于 GPT-5.4 xHigh、Gemini-3.1-Pro high 与 Claude-Opus-4.7 xhigh;ClawEval 得分 63.82,在可比模型中位居前列;Tau2-Bench Telecom 达到 95.32,与该项目最高分模型差距不足 1 分。

广州互联网法院昨日发布了一起涉及虚拟偶像名誉侵权的典型案件判决:有人在网上骂了一个虚拟偶像,结果被判侵害了真人扮演者的名誉权。
事情的起因是一次「开盒」。虚拟女团成员「X宝」的「中之人」陈某,在 2024 年 10 月遭网民非法获取并公开了个人身份信息,早年间的微博言论也随之曝光,引发争议。
陈某随后以「X宝」身份直播回应。直播次日,拥有 50 万粉丝的微博用户历某发文,用一串侮辱性词汇对「X宝」大加攻击,收获 9500 余次点赞。
历某辩称:我骂的是虚拟偶像,又不是真人,而且我根本不知道「中之人」是谁。但法院没有接受这套说法。判决认为,「X宝」长期由陈某扮演,二者已形成稳定对应关系,特定范围内的公众完全能将两者相关联。
至于「虚拟偶像是公众人物、应接受舆论监督」的抗辩,法院也认定,陈某出道前的个人言论并不涉及公共利益,历某使用的词汇已是赤裸裸的人身攻击,早就越过了监督的边界。
最终,历某被判在微博置顶发布道歉声明,并赔偿精神损害抚慰金 1 万元及律师费 5000 元。

《给阿嬷的情书》剧情围绕潮汕阿嬷叶淑柔展开。孙子晓伟因债务缠身,瞒着家人只身赴泰国寻找传说中的亿万富豪阿公郑木生,却带回一个震惊家族的消息:
阿公早已离世,数十年来与阿嬷鸿雁传书、持续谈情说爱的,竟是一位陌生人。随着晓伟的追查,一段跨越半个世纪的隐秘情感浮出水面。
影片在豆瓣获得 9.1 分,逾 10.3 万人参与评价,综合口碑位列「好于 98% 剧情片」,观众评价普遍集中于影片对潮汕地域文化的真实还原与克制的情感表达。

《语言人:论语言学对人文科学的贡献》是法兰西学院理论语言学讲座教授克洛德·海然热(Claude Hagège)的代表作,原著《L’Homme de paroles》首版于 1985 年。
全书以「语言学对人文科学的贡献」为核心命题,分上、中、下三编展开。海然热的核心判断直接回应了 AI 时代的语言焦虑:成倍增长的工业技术不会威胁各语言丰富细腻的表达方式,因为人类语言表达与科技进步本质上并无直接关联。
他以多语言的「厌烦」表达为例加以佐证:荷兰语说「碾盘套住了脖子」,匈牙利语说「尽力挣脱胳膊肘」,摩洛哥阿拉伯语说「捕捉苍蝇」,意在说明语言的细腻性正在各自的文化土壤中持续蓬勃发展,而非趋向同质化。

《混音青春》于 5 月 7 日正式发售,登陆 PC、PS5、Switch 2 及 Xbox Series 平台,游戏以三位即将高中毕业的好友为主角,故事始于毕业前夜前往派对的途中。
与强调玩家选择的传统叙事游戏不同,《混音青春》并不提供影响结局的分支选项,而是将玩家置于旁观者与参与者之间,陪伴角色重温那些尴尬、疯狂又真实的青春片段。每段回忆均被包装为一支「可游玩的 MV」。
音乐是本作的核心支柱。游戏大量授权使用 DEVO、Roxy Music、Lush、The Smashing Pumpkins 等真实艺人的 90 年代流行与摇滚曲目,每首歌均与对应场景的情绪高度契合。
发售后,《混音青春》获得广泛好评。IGN 为其打出 2026 年首个满分 10 分,称其「几乎重新定义了电子游戏中的青春成长故事」;Metacritic 平台 PC 版综合评分 93 分(14 家媒体),Switch 2 版 89 分(6 家媒体),PS5 版 85 分(22 家媒体)。
🤖
DeepSeek V4 开源,华为昇腾首发,性能比肩顶级闭源
💵
Google 拟向 Anthropic 投资最高 400 亿美元
💰
Intel 发布一季度财报:营收增长 7%,AI 需求拉动 CPU 与封装业务
🎵
Apple Music 副总裁:AI 音乐投稿泛滥,但几乎没人听
🌐
阿联酋要让 AI Agent 接管一半政府工作
💡
小米罗福莉:AGI 两年内实现,中美顶尖模型代差仅两三个月
🚗
小米 YU7 GT 定档五月底:续航 705 km,新增「车厘子红」配色
🚙
宝马 16 款新车亮相北京车展,新世代 i3 续航破 1000 公里
🚗
腾势 Z 电动超跑亮相北京车展
🚙
全新理想 L9 Livis 亮相北京车展,5 月 15 日上市
🚗
45.68 万元起,蔚来 ES8 玄金特别版亮相北京车展
🚙
乐道 L80 发布会定档 4 月 28 日
🔧
火山引擎发布新一代汽车 AI 解决方案
🧠
阶跃星辰发布语音新模型 StepAudio 2.5 ASR
📱
Keep 发布 9.0 版本,自研运动大模型 Keepace.ai 同步亮相
📋
美团外卖「防疲劳」机制实施满一年:超 99% 骑手未触发强制下线
⚠️
餐馆「反向抹零」被立案调查
🛍️
耐克将裁员 1400 人
🎬
《绵羊侦探团》定档 5 月 16 日

昨天,DeepSeek 正式发布并开源了 V4 系列模型预览版,推出 DeepSeek-V4-Pro 与 DeepSeek-V4-Flash 两款产品,双双标配百万 token 上下文,API 服务同步上线。
V4-Pro 参数量达 1.6T(49B 激活参数),V4-Flash 参数量为 284B(13B 激活参数)。两款模型均以 AI Agent 能力为核心升级方向,已针对 Claude Code、OpenCode、CodeBuddy 等主流产品完成专项适配。V4-Pro-Max 的性能表现尤为突出:
DeepSeek 官方表示,V4-Pro-Max 已「稳坐最佳开源模型宝座」,在编程基准上达到顶级水平,并在推理与 Agentic 任务上显著缩小与领先闭源模型的差距;V4-Flash-Max 则在给予充足思考预算时,可实现与 Pro 版本相当的推理表现。
值得注意的是,英伟达不再是唯一选项。DeepSeek 将 V4 的早期访问权限独家开放给国产芯片厂商,华为昇腾成为首发平台 —— 这是顶级开源大模型首次完整跑通国产算力,也是国产模型在「去英伟达化」上迈出的重要一步。
而就在上周,黄仁勋在播客访谈里说了一句话:「如果当初 DeepSeek 先在华为平台上发布,那对我们来说非常可怕。」
发布当日,各大云服务厂商迅速跟进:
🤗 Hugging Face: huggingface.co/collections/deepseek-ai/deepseek-v4
🔗 相关阅读:扒完 DeepSeek V4 报告,我翻出了这个隐藏彩蛋

据彭博社报道,Google 计划向 Anthropic 投资最高 400 亿美元。根据 Anthropic 方面的说法,Google 将以 3500 亿美元的估值立即注入 100 亿美元现金,若 Anthropic 达成特定业绩目标,另外 300 亿美元将随后跟进。
在算力层面,Google Cloud 将在未来五年内为 Anthropic 提供 5 吉瓦的算力资源,后续或有更多吉瓦的容量跟进。这是本月早些时候 Anthropic、Google 与博通三方协议的进一步扩展。

昨日,Intel 发布 2026 财年第一季度财报。
第一季度营收 136 亿美元,同比增长 7%,连续六个季度实现高于预期的营收表现。按通用会计准则每股收益为 -0.73 美元,非通用会计准则每股收益为 0.29 美元,单季度经营现金流达 11 亿美元。
展望今年第二季度,英特尔预计营收为 138 亿至 148 亿美元,非通用会计准则每股收益预计为 0.20 美元。

据 AppleInsider 报道,Apple Music 正面临 AI 生成音乐大量涌入的挑战,但听众对此并不买账。
Apple Music 副总裁 Oliver Schusser 在日前的采访中透露,目前提交至该平台的全部音乐中,超过三分之一属于「100% AI 生成」的内容,然而 AI 音乐在 Apple Music 上的实际播放占比却不到 0.5%。
AI 音乐在 Apple Music 上的收听率真的非常低,四舍五入不到 0.5%。
Schusser 透露,苹果已开发了一套内部检测系统,可精准识别提交内容的 AI 模型来源,同时要求唱片公司和分发商主动披露 AI 使用情况。在反欺诈方面,苹果的反欺诈处罚机制已使平台欺诈行为累计减少约 60%。

昨天,阿联酋副总统兼总理、迪拜酋长穆罕默德 · 本 · 拉希德 X 上宣布,该国正式启动一项全新政府运作模式 —— 未来两年内,阿联酋 50% 的政府部门、服务和运营将全面由 Agentic AI 驱动。
穆罕默德强调「AI 不再是工具。」这种 AI 智能体将被定位为政府的「执行伙伴」,核心目标指向三个维度:提升公共服务质量、加速决策流程、全面提高行政效率。
为此,阿联酋政府制定了严格的时间表和可量化评估标准。两年窗口期内,政府绩效将按三项指标进行衡量 —— AI 采用速度、实施质量以及在重塑政府工作流程中对 AI 的运用熟练度。
穆罕默德表示,每位联邦雇员都将接受 AI 相关培训,阿联酋方面称此举意在构建「全球最强的 AI 驱动型政府能力」之一。

近日,小米大模型团队负责人罗福莉在接受「语言即世界」访谈时,就当前大模型竞争格局、AI 智能体范式转变及 AGI 进程给出了一系列具体判断。
罗福莉预计,AGI 将在两年内实现。她估计当前进度已完成约 20%,今年有望推进至 60% 到 70%。
罗福莉表示,目前国内已有包括 Kimi、MiMo 在内的多家公司具备 1T 参数以上的基座模型,中美两国在预训练阶段的差距「基本上已经没有」。
她认为,国内团队在预训练结构上反而存在一定优势,只要对 Agent 范式的反应速度足够快,国内顶尖模型与 Claude Opus 4.6 等国际前沿模型之间的代差,实际上只有两三个月。
「接下来两三个月会非常精彩」,她说,这一窗口期将是对各家团队整体研究水平、技术敏捷度以及拥抱新范式能力的关键考验。
罗福莉同时指出,大模型竞争已从预训练主导的 Chat 时代,全面转向后训练主导的 Agent 时代。
1T 参数规模是当前实现接近顶尖 Agent 水平的「入场券」,而算力分配逻辑也随之逆转 —— 顶尖团队的预训练与后训练算力投入比例已从过去的 5:1,收窄至今年的 1:1。

在昨日开幕的 2026 北京车展上,小米集团董事长兼 CEO 雷军正式宣布,小米 YU7 GT 将于今年 5 月底发布。
雷军将其定位为「适合长途旅行的高性能 SUV」,并提前披露了部分核心参数:最大马力 1003 PS,最高时速 300 km/h,CLTC 续航里程达 705 km,新增配色命名为「车厘子红」。
发布会上,雷军还公布了小米汽车的最新交付数据。截至 4 月 23 日,小米汽车 24 个月累计交付量已超过 65.5 万台;新一代小米 SU7 锁单数超过 6 万台,已交付超过 2.6 万台。
🔗 相关阅读:小米 YU7 GT 定档 5 月底,更长更宽更低趴,马力超千匹|北京车展

昨日,宝马集团在 2026 北京车展上携 BMW、MINI、BMW Motorrad 三大品牌共 16 款首发车型亮相,全新 BMW 7 系、新世代 BMW iX3 长轴距版、新世代 BMW i3 长轴距版三款车型首次面向公众展示。
本土化方面,中国版新世代操作系统 X 有 70% 源代码由中国团队开发,系统集成阿里巴巴 + DeepSeek AI 引擎、高德沉浸式导航及华为鸿蒙生态(数字钥匙、HiCar、MyBMW App)。宝马还与 Momenta 合作,计划于明年底前在多款车型上推出中国专属 L2 级点到点领航驾驶辅助系统。
此外,全球限量 70 台的 BMW Speedtop 概念车迎来中国首展,BMW M3 40 周年限量版轿车与旅行车在华各限量 20 台。
MINI 带来全球首发的 MINI X VAGABUND 创意展车,BMW Motorrad 则携全新 R 1300 RT 与 R 12 G/S 亮相。今年宝马集团计划在中国推出约 20 款全新或改款车型,明年全球将有 40 款车型应用新世代设计与科技。

据 Auto 鹏友报道,昨日,腾势汽车「全球首款智能电动超跑」腾势 Z 在北京车展全球首秀。该车由比亚迪全球设计总监沃尔夫冈·艾格领衔打造,以「Pure Emotion」为设计理念,提供硬顶、敞篷和赛道三款版本。性能与配置方面:

全新理想 L9 Livis 昨天在北京车展正式亮相,定位为「具身智能旗舰 SUV」。官方确认将于 5 月 15 日上市并开启交付。
理想汽车还透露,全新 L9 Livis 将同步搭载新一代内饰、智能座舱、5C 增程系统以及马赫 100 芯片,完整规格将于 5 月 15 日发布时一并揭晓。

蔚来昨天在北京车展正式发布全新 ES8 玄金特别版,售价 45.6 万元;以 BaaS 电池租用方式购买,售价降至 34.8 万元。
玄金特别版以 6 座签名版为配置基础,外观采用极夜黑车色,搭配专属黑铬外饰套件、全新 22 英寸锻造玄金星耀轮圈与曙光金卡钳,并标配行李架导轨。
内饰方面,该版本首发全新雅丹橙内饰主题,同时提供苏木红内饰主题供选择。全新 ES8 所有版型同步开放雅丹橙内饰主题选装,选装价格为 8000 元。

昨天,蔚来创始人、董事长兼 CEO 李斌在蔚来新闻发布会上宣布,旗下品牌乐道的新车 L80 将于 4 月 28 日举办产品技术发布会,并同步开启预售,届时该车型也将在北京车展现场及全国门店同期展出。
李斌将乐道 L80 定位为「全球首款双舱超级大五座 SUV」,并称其为中国市场装载空间最大的大五座 SUV。官方表示,L80 将「全面刷新大五座 SUV 的出行体验」,并推动大五座 SUV 市场加快向纯电转变。

昨天,火山引擎在北京车展开幕首日发布了基于 Agentic AI 架构的新一代汽车 AI 解决方案,包含 AI 座舱套件方案与豆包座舱助手方案两大产品线。
AI 座舱套件方案支持车企按需灵活接入;豆包座舱助手方案为完整产品级交付,并与豆包 APP 互联互通,计划今年内量产上车。
新方案以单一 AI 大脑取代上一代「意图分域 + 多 Agent 协同」架构,融合对话推理、目标驱动、学习成长三大引擎,打通车控、智驾、导航、座舱等功能域。
发布会上,火山引擎总裁谭待还公布了最新数据:搭载豆包大模型的智能汽车已超 700 万辆,覆盖超 50 个品牌、145 个车型,搭载量稳居行业第一,日均完成超 3000 万次座舱交互。
车展期间,梅赛德斯-奔驰纯电 GLC、上汽奥迪 E7X、上汽大众 ID. ERA 9X、奇瑞星途 EX7、一汽红旗 HS6 PHEV、别克至境 E7、荣威「家越」等多款搭载豆包大模型的新车也将同步亮相。

阶跃星辰昨日正式发布新一代自动语音识别模型 StepAudio 2.5 ASR,主打速度与精度兼得,并率先将 LLM 推理加速技术引入语音识别领域。
运动健身 App「Keep」正式发布 9.0 版本,并同步公布了其自研运动健康大模型 Keepace.ai,正式启动 AI 战略的产品化进程。
Keepace.ai 的命名取自 Keep Pace(保持配速)与 Keep Ace(保持王牌)的双重含义。该模型融合了 Keep 平台十年积累的亿级运动数据资产,主要聚焦训练课程生成、运动知识问答与运动数据解读共三大核心场景。
区别于通用大模型,Keepace.ai 针对运动健康场景的精准度要求进行了专项优化,系统会深度结合用户伤病史,基于动作、个体状态执行动态风险排查,并综合体能水平、疲劳状态及器械条件输出颗粒度更细的定制建议。
Keep 表示,随着 Keepace.ai 的持续迭代,今年上半年将陆续落地更丰富的「AI 全家桶」产品,以深化 AI 驱动的运动健康生态体系。
据第一财经报道,美团于昨日公布了「防疲劳」机制实施一年以来的多项数据。
全国骑手每天平均跑单时间在 5~6 小时范围内,日均仅 0.54% 的骑手触发强制下线,超过 99% 的骑手跑单时长未达到 12 小时上限。
美团「防疲劳」机制于 2021 年开始试点,并于 2024 年末在全国正式实施「单日有单时长 8 小时提醒休息、12 小时强制下线」规则。
在收入层面,美团此前披露,2025 年上半年全国高频骑手月均收入为 6949 至 10201 元,北上广深等高线城市的「乐跑」熟练骑手群体月收入可达 12826 元。
第一财经采访的北京骑手张强表示,其日均实际接单时长约 8 小时,月收入在 1 万元左右,整体未受「防疲劳」机制明显影响,并对该机制持支持态度。不过,也有骑手反映,部分同行因经济压力在被强制下线后转至其他平台继续接单。
美团表示,今年将在连续跑单 4 小时、连续多日跑单等关键节点为骑手推送休息强提醒,但会将最终选择权交给骑手。

据央视新闻报道,近期,广东佛山顺德区一家餐饮店因「反向抹零」多收消费者 0.1 元,被当地市场监管部门正式立案调查。
消费者在该店就餐,应付金额 156.9 元,商家收银系统自动向上取整,实收 157 元。
在接到 12315 热线投诉后,龙江市场监督管理所随即现场核查并调取后台交易流水,确认商家计价逻辑违规,责令其整改系统设置,并依法立案查处。案件目前仍在进一步处理中。
「反向抹零」并非个案。山西省市场监督管理局价格监督检查处处长官廉指出,从消费维权数据来看,此类投诉已覆盖餐饮、商超、农贸市场等多个行业。

据路透社、CNBC 报道,耐克(Nike)昨日宣布将裁减约 1400 个岗位,裁员规模占全球员工总数的不到 2%,主要集中在技术部门,波及北美、亚洲及欧洲地区。
此次裁员是耐克今年以来的第二轮大规模裁员。今年 1 月,耐克已以加速推进自动化为由,削减了 775 个职位,主要涉及美国境内的配送中心岗位。此前去年夏天,耐克亦完成了一轮波及不到 1% 企业员工的裁员调整。
耐克首席运营官 Venkatesh Alagirisamy 在内部备忘录中表示,此次裁员是耐克「Win Now」战略的组成部分,旨在整合供应链、重塑技术团队,并将技术运营集中于比弗顿总部与耐克印度技术中心两个核心中心。
这不是一个新方向,而是现有工作的下一阶段。

昨天,动画电影《绵羊侦探团》宣布定档 5 月 16 日,并同步发布官方海报。
影片由《小黄人大眼萌》系列导演凯尔 · 巴尔达执导,讲述牧羊人乔治离奇死亡、留下 3000 万美元遗嘱后,一群热爱推理小说的绵羊侦探走出牧场、展开调查的故事。

昨天,2026 北京车展开幕首日,小米集团 CEO 雷军上午完成小米汽车发布会后,下午开启「逛展模式」,先后现身理想、蔚来、小鹏等品牌展台。
在理想展台,雷军向理想 CEO 李想赠送了一件印有「听我讲完」字样的 T 恤。这四个字源自李想 2013 年参加真人秀时因情绪激动喊出的名场面,此后演变为网络热梗。
雷军现场调侃称,上次介绍理想 L6 时大家说李想「应付了半个小时」,这次「真的听他讲完了」。
在蔚来展台,雷军则向蔚来 CEO 李斌送上印有「一起加电」的 T 恤,并对蔚来的充电桩给予好评。李斌随后在微博发文致谢,称「这个 T 恤上的字,大家都非常熟悉」。
雷军上午发布会还透露,截至 4 月 23 日,小米汽车累计交付已超 65.5 万辆,并预告高性能版本 YU7 GT 将于 5 月底发布,最大马力 1003 匹,续航 705 公里,定位跑车级 SUV。

迈克尔 · 杰克逊官方授权传记音乐电影《迈克尔·杰克逊:巨星之路》昨日正式登陆全国院线。
主演贾法尔 · 杰克逊作为杰克逊家族成员,历经两年深耕舞步、声线与内心世界,以近乎「复刻」的表演诠释天王神韵。
影片精准还原多个标志性舞台时刻:摩城 25 周年首秀「月球漫步」、《Thriller》先锋僵尸群舞、1988 年温布利球场《Bad》巅峰演出,白袜黑皮鞋、水晶手套等经典造型悉数重现。
科尔曼·多明戈饰演严厉父亲乔 · 杰克逊,尼娅 · 朗诠释温柔母亲凯瑟琳,共同勾勒出天王背后的家庭羁绊与成长阵痛。
影片融合 30 首经典金曲,并获 IMAX 与杜比全景声加持。执行制片人莉迪亚 · 西尔弗曼表示,影片旨在呈现「活生生的迈克尔」,让观众看见天才背后的挣扎与初心。

《燃烧的龙舌兰》是旅行作家班卓(本名刘华)的最新游记,记录了作者于 2010 年末独自前往墨西哥的旅行经历。
作者从恰帕斯州圣克里斯托瓦尔出发,途经玛雅村落、龙舌兰农场与嬉皮士聚会,一路走入陌生人的日常生活,与其劳作、交谈、相处。
旅途中,她与偶遇的同伴深入彩虹森林,徒步荒寂的深夜沼泽,品尝致幻的神圣蘑菇,并潜入海底与海龟、鹰鳐共游。「理解生命的渴望」是驱动这段旅途的核心动力。
它书写肤色、语言、阶层与性别所制造的隔阂,同时记录人如何跨越这些差异尝试彼此靠近,以观察者姿态深入异质文化,在追问与对话中呈现「众生相」,并将记忆、孤独、爱情、理想等命题编织进具体的行旅叙事之中。

《失落星船:马拉松》由《光环》和《命运》的原班人马打造,支持 PS5、Xbox 和 PC 平台。游戏延续了原作《马拉松》系列的宇宙背景,以超人类主义与永生不死为主题,构建了一个诡异而独特的科幻世界观。
玩家扮演「疾行者」,在 UESC「马拉松」号飞船残骸与周边区域中执行搜刮、撤离任务,与 NPC 敌人及其他玩家小队展开高风险对抗。
游戏采用英雄射击与撤离射击相结合的设计,提供「刺客」「救援」「毁灭者」「侦查」等多种定位各异的疾行者角色,每名角色携带预设能力,可与队友形成战术配合。
核心玩法围绕搜刮、装备成长与角色技能树展开,玩家在每局对战中积累材料、完成任务、解锁升级,即便撤离失败也能保留部分成长进度。
IGN 评测人 Travis Northup 在文章中给出 9 分(奇佳)的成绩,高度肯定了本作对 Bungie 标志性射击手感的传承,以及其深度成长系统与终局内容的设计质量。
过去很长一段时间里,越野车在汽车市场中一直是一个相对独立的品类。它的价值判断标准很清楚:车身结构是否足够坚固,动力储备是否足够充沛,底盘通过性是否可靠,能不能在铺装路之外继续稳定前进。
这套逻辑至今没有过时,真正的越野场景,仍然需要机械结构、底盘系统、动力系统和可靠性共同支撑。但随着新能源和智能化技术进入更复杂的用车场景,越野车也开始面对新的问题:智能驾驶、数字底盘、感知系统和能量管理,能不能在非铺装路面上发挥作用?它们只是城市通勤的附加配置,还是能够真正改变越野体验?
4 月 24 日,北京国际车展上,猛士汽车带来了猛士 M817 Ultimate。这款车由猛士汽车与华为乾崑联合打造,定位为高性能智能越野车型。相比单纯强调越野参数,M817 Ultimate 更值得关注的地方在于它试图把智能化能力带入传统越野车过去最依赖经验、判断和机械冗余的场景中。
猛士汽车此次以「智能越野新纪元」为展台主题,M817 Ultimate 是其中的核心车型。从官方信息来看,这款车延续了猛士品牌的硬派越野定位,同时搭载了猛士汽车全新一代智能越野架构、磐石底盘 2.0、极猛动力 2.0,以及华为乾崑智驾相关技术,包括 896 线激光雷达和华为乾崑智驾 NCA 越野版。

从合作路径看,猛士汽车与华为乾崑的关系也在进一步加深。2024 年 2 月,双方签署战略合作协议,此后合作从单一产品共创,逐步扩展到技术、产品、渠道等多个维度。官方资料显示,双方已经围绕 M817 相关车型完成了包括吐鲁番夏测、漠河寒测在内的多轮极端环境验证。
对于一款越野车而言,极端环境测试本身并不稀奇。真正的变量在于,智能系统能否在高温、低温、沙石、泥泞、非结构化道路等复杂条件下保持稳定。相比城市 NOA 或高速辅助驾驶,越野场景的不确定性更高,道路边界不清晰,障碍物形态也更加复杂。这也是智能越野和普通智能驾驶最大的区别之一。

M817 Ultimate 在底盘和控制层面的变化,主要集中在猛士汽车全地形控制算法与华为乾崑 XMC 数字底盘引擎的融合。官方说法是,这套系统可以让车辆从「被动响应」向「主动预判」进化,结合磐石底盘 2.0,实现更细致的路面识别和更快的控制响应。
这类技术的意义并不只是让车辆在越野时通过能力更强,也包括降低驾驶者在复杂路况中的判断压力。过去,越野更多依赖驾驶者经验:什么时候给油,什么时候收油,如何选择路线,如何判断轮胎附着力。智能化系统如果能够参与到底盘、动力和路面感知之中,越野车的使用门槛就有可能被进一步降低。

动力方面,M817 Ultimate 搭载极猛动力 2.0,其综合马力提升 49%,综合扭矩提升 30%,并支持平均时速 140km/h 不掉电以及 6C 快充技术。这些参数对于新能源越野车来说有一定现实意义。因为新能源越野车过去经常被讨论的问题,不只是动力强不强,还包括持续输出能力、补能效率,以及在长距离高负荷场景下的能量管理。
如果一辆车只能在短时间内提供高性能,却无法在复杂工况下保持稳定输出,那么它很难真正承担高强度越野任务。M817 Ultimate 强调高速不掉电和快充能力,实际指向的是新能源越野车在长途穿越、持续高负载驾驶场景下的可用性。
智能感知部分是这款车最容易与传统硬派越野车拉开差异的地方。M817 Ultimate 首搭华为乾崑 896 线双光路图像级激光雷达,并配合智驾感知系统使用。其路面感知精度可提升至 95% 以上,能够稳定探测最远 120 米、14 厘米高的障碍物。
这一套软硬件对应的是越野场景中非常具体的问题:城市道路的障碍物通常更规则,道路边界也更清晰;但在山路、沙地、碎石路或者林间小路上,车辆面对的往往是坑洼、石块、沟坎、坡度变化和低矮障碍。能不能提前识别,决定了底盘和动力系统是否有足够时间做出响应。
华为乾崑智驾 NCA 越野版的加入,也让 M817 Ultimate 的智能化能力不再局限于城市通勤。按照官方描述,这套系统希望实现从城市道路到山野小路的领航辅助衔接。对于用户而言,这未必意味着越野驾驶可以完全交给系统,而更像是让智能系统成为驾驶者的辅助判断层,在复杂场景中提供更多信息和控制冗余。
猛士汽车还宣布基于 M817 Ultimate 核心技术平台打造的赛车,将代表猛士车队出征 2026 环塔拉力赛。环塔拉力赛长期被视为国内高强度越野赛事之一,对车辆动力、底盘、散热、可靠性和车队保障能力都有较高要求。
如果 M817 Ultimate 的相关技术平台能够在环塔这样的赛事环境中积累有效数据,再反哺量产车的可靠性、底盘控制和智能化策略,那么赛事就不只是营销动作,也可能成为产品迭代的一部分。
猛士汽车 CEO 万良渝在发布会上表示,猛士 M817 Ultimate 是全系标配华为乾崑智驾的智能越野车型。华为乾崑智能汽车解决方案 BU CEO 靳玉志也提到,2026 年华为乾崑与猛士汽车的合作将进一步升级,推动智能越野技术落地。
M817 Ultimate 所代表的趋势比单一车型本身更值得关注。过去几年,智能化主要发生在城市 SUV、轿车和 MPV 上,用户感知最明显的是高速领航、城市 NOA、智能座舱和泊车功能。越野车因为使用场景更复杂、用户需求更垂直,一直不是智能化最容易落地的品类。
但也正因为如此,越野车的智能化一旦进入深水区,可能会带来比城市道路更明显的体验差异。它不只是让车辆更「聪明」,更重要的是让车辆在复杂环境中拥有更强的感知能力、控制能力和容错能力。越野车的核心价值,不会因为智能化到来就被改写。可靠性、通过性、耐久性和安全感,依旧是这个品类的底层标准。M817 Ultimate 的意义在于,它试图在这些传统标准之上,叠加一套新的技术能力。
对猛士汽车来说,这是一款展示技术合作深度和产品方向的车型。对智能越野这个细分市场来说,它则是一次比较明确的信号:越野车的竞争,正在从单纯的机械能力,走向机械能力、能源系统、感知能力和数字控制能力共同决定体验的新阶段。
1975 年,位于美国亚利桑那州 Sierra Vista 的麦当劳开创了一种新的取餐模式:顾客驾车进入购餐车道,不需要下车就可以进行点餐、付款、拿取产品,之后驾车驶离购餐车道。
这就是麦当劳(drive-through)得来速服务。对于开车的上班族来说,在不下车的前提下花几十秒就能买到早餐是一种如德芙般丝滑的体验。因为需要专用车道和专用窗口建设,所以目前国内有得来速服务的麦当劳门店也仅有 300 家左右,这种丝滑体验并不多见。
但实际上,店,路,车,人这几个要素如果能够联系得更聪明更紧密,「得来速」服务其实可以无限复制,这就是腾讯出行要做的事情。
北京车展前夕的 2026 TIME DAY·腾讯智慧出行技术开放日上,腾讯出行发布了「随行点单智能体」,在通勤场景里,用户可以通过语音和 AI 助手交流,在结合用户的偏好记忆与实时行程偏好的前提下,系统理解用户意图,筛选最优门店,然后根据车辆实时 ETA(Estimated Time of Arrival,预计到达时间)反向推算出餐时间,确保用户到达时餐品刚好新鲜出炉。取餐时,订单能够直接关联车牌,专人送餐到车,全程无须下车。
另外,这个智能体还可以打通品牌账户,自动领券、用券,保证价格最优,当然作为腾讯的服务,打通微信支付也不在话下,最终实现选品、下单到取餐的完整闭环。
这就是 AI 智能体加持下的「得来速 Ultra」体验。

「随行点单智能体」展示的其实是一种把汽车与现实世界服务链路重新编排的能力,是一个点的话,那么这次 2026 TIME DAY·腾讯智慧出行技术开放日展示的由点及面汽车座舱智能体能力。
换句话说,就是腾讯出行试图回答「汽车里应该出现什么样的智能体」这个问题,为此,腾讯这次发布和升级的智能体,有 7 个。
必须要给智能体祛魅的是,诸多智能体做的事情往往不是从零到一,因为就像「随行点单智能体」实现的功能,在零零散散的设备上,繁繁杂杂的沟通中,也能完成个七八成,但体验会割裂。
所以,在腾讯的定义里,智能体肯定不是传统意义上的车机功能堆砌,也不是把一堆小程序简单搬进中控屏。他们想做的是围绕真实出行场景,重新把信息、服务、支付、导航、内容乃至手机与车机之间的关系组织了一遍。
在这个大前提下,我们就可以再来看这七类座舱智能体:随行点单、随行向导、随行逛逛、随行互连、车载娱乐生活、车主服务,以及导航场景智能体。它们覆盖的,正是通勤、长途、本地游、手机车机联动、娱乐消费和能源补给这些最常见、也最容易让人感到麻烦的环节。
长途场景里的「随行向导智能体」,就不只是「给你讲讲沿途景点」这么简单,它能结合实时位置和用户偏好,主动推送沿途资讯、景点介绍、攻略和服务信息,还能把跨车的实时语音群聊与位置共享组织起来,让车队中的 AI 从「解说员」升级成「领队」。
「随行逛逛智能体」则更像是把到一个城市临时起意想转转这件事做成了轻负担服务。过去这类需求最麻烦的地方不是找不到信息,是信息太多:小红书,马蜂窝等等平台上的攻略,路线纷繁复杂,选路线买门票订餐厅等等工作一琢磨就是一个不眠之夜,这种负担和随便逛逛的预期恰好背道而驰。所以这个智能体把导航、停车、步行接驳、购票订座和手机续接整合进一条链路里,本质上是在缩短「我想去」和「我真的去了」之间的距离。
「随行互连智能体」弥合了车上车下两个世界的裂隙。用户可以在微信里,用自然语言给 CarBot 下一个跨时段、跨条件触发的复杂任务,比如很多用户的用车习惯是 A 需求 B 动作 C 爱好一连串的且日常循环的,上车之后再一一调试,只有人工没有智能。但是在随行互连智能体里,直接在微信里说话,给 CarBot 下需求说「乘客上车后打开座椅按摩,播放欢迎语,并将车载微信设置为隐私模式」,CarBot 就会自动拆解需求和任务,再接着判断出副驾座椅被占用,自动执行以上一连串的任务。
这里最关键的变化,是交互入口不再局限于车机本身,借助微信这样一个更高频、更熟悉的容器,把任务延伸到用户的连续生活里。
至于车载娱乐生活智能体和车主服务智能体,它们看上去没有前几个那么新奇,不过是触手可及且高频次的。前者的重点是让音乐、新闻、视频、短剧等不同内容 Agent 协同响应,依据时间、行程状态和历史偏好去「编排陪伴」;后者则把加油、充电、洗车、救援、代泊等车主服务组织成一个可被统一调用的服务矩阵,系统甚至能依据油量、目的地、停车条件等信号主动预判需求。
地图本身就是最天然的出行入口,但过去地图理解的是道路,不太理解人。现在腾讯出行在强调的,是把「找一家能充电不排队的咖啡店」「避开高速顺路吃饭」这种混合意图一次性拆解成偏好理解、路径规划和服务编排的问题。
导航场景智能体开始从「告诉你怎么走」,变成「理解你为什么要这样走」。
一言蔽之,这 7 个智能体开始把汽车看成一个持续理解场景、调用资源、完成任务的「执行节点」,当然,汽车还是汽车,它依旧可以跑起来,载着用户前往目的地。
或者可以反过来说,这些智能体做的工作不是「从零到一」,创造过往不存在的功能,制造过往没想到的体验,而是有点像「从一到零」:未来汽车里的智能,体现为它能替你少做多少次决策、少切多少次界面、少消耗多少注意力,并非体现打开多少个入口。

早年的手机本质上是「移动电话」,电话和短信几乎就是它存在的全部意义。今天我们手上的「智能手机」,真正被高频使用的往往是社交、拍照、支付、导航、短视频、外卖和各种各样的内容服务,这正是腾讯崛起成为大型互联网和科技企业的前提。智能手机里的电话和短信没有消失,并且依旧是决定这个设备是手机,还有可联网小平板的分水岭,但这两个功能已经占据不了多少用户的使用时长了。手机仍然是手机,只是它的内涵早就不再等于「打电话的工具」了。
汽车也正在经历类似的时刻。
当然,汽车的「空间位移」价值不会像电话和短信在手机里那样被边缘化。人买车、坐车、开车,首先仍然是为了从 A 点抵达 B 点,这个基本属性不会变。
问题在于,当电动化和智能化把「开起来快」和「坐起来舒服」这些指标逐步拉平之后,行业的思考势必会转向新的问题:用户在车里的时间,究竟能不能变得更有价值。
汽车未来的发展方向,除了继续服务于空间的移动,还要开始放大时间的价值。
今天越来越多车企和科技公司开始讨论「第三空间」「移动生活」「在途体验」这类概念。因为中国用户每天通勤、接送孩子、周末短途、节假日长途,自驾已经占据了大量生活时间,更别说大城市还有节假日的拥堵时间了。过去这些时间往往是被默认浪费掉的:堵车时烦躁、等人时发呆、找车位时焦虑、长途时疲惫、多人出行时混乱。
过往汽车智能化的能力还不够,车企的用户思维和制造业背景也很难去思考「时间」对于汽车的意义,现在端云两边的算力,各种模型的能力,互联网和科技企业对各种设备的渗透,汽车行业的自我迭代速度,多种因素叠加,终于有机会让行业思考时间的价值了。
过去的三五年时间里,汽车行业对这个问题也有初步的思考,解题思路统一成了「冰箱彩电大沙发,加长加大更像家」,伴随的硬件变化就是屏幕更大,算力更强,喇叭更多,沙发更软……
现在,非要上一些价值的话,腾讯这次发布的一系列座舱智能体解决的问题当然不是本不该他们思考的「车能不能开」,这次要回答的是「人在车里这段时间应该怎样被服务」。
通勤路上,它可以帮你提前点单,让早餐成为一种被安排妥当的节奏;到陌生城市,它可以把攻略、停车、步行接驳和门票串起来,把原本碎片化的决策成本吸收掉;甚至在内容场景里,它也不只是「放点什么」,新的任务是试图依据环境、时段和心境,把陪伴做得更贴合……
当年的智能手机,之所以最后重塑了人的日常生活,是因为它把「打电话」这件事做到了极致吗?是因为它让原本大量无意义的碎片时间被重新利用了。吃饭排队等位时开一把《王者荣耀》、通勤时听一听知识播客,坐飞机无网时看一看缓存的电影,智能手机把这些过去无法承载复杂行为的时间,全部变成了可消费、可连接、可完成任务的时间片。
汽车的逻辑并不完全一样,但方向大差不差,把用户从 A 点带到 B 点的「空间位移」功能依旧会往更快更安全更舒适的方向走,而在 AB 之间的这段时间,甚至是 A 之前,B 之后的时间,汽车也终于有机会去好好重构了。

只要多看看几场现在的汽车发布会,其实会发现大模型、Agent、车机、生态、服务闭环这些词也不新鲜了,先 PPT 发布,再 OTA 更新是行业常态。做智能体,上大模型一旦离开 PPT,马上就会面对实的问题:能调动多少资源,又能把多少链路真的打通?
腾讯的服务和智能手机的耦合程度不需要多说,在汽车行业,它也已经不是一个旁观者,身份已经是一个基础设施提供者。按腾讯披露的数据,其出行服务目前已经覆盖 100% 的头部车企和泛出行公司,与超过 100 家车企、出行科技公司展开合作,并与 40 多家车企在 AI 领域落地合作;智能座舱解决方案在头部车企中的渗透率超过 80%,累计搭载超过 1800 万辆车。
腾讯没有从零开始谈「智能体上车」,因为它有这大量量产合作关系、云服务能力和既有车载产品,「智能体上车」是一个更进一步的事情。
前面之所以先聊 7 个智能体,是因为这些智能体可以提供的服务是 ToC 用户可以直接感受的,但腾讯这次发布的,更官方的说法,或者更 ToB 的说法,是「出行全场景智能体开放平台」。
腾讯想做是提供一整套从底层大模型架构、到平台工具、再到应用生态的能力框架。这个平台涵盖基础设施层、平台工具层与应用生态层:底层是端云协同的大模型架构和原子能力,中间是 Agent 编排、Skill 扩展和运营工具,上层则是围绕真实场景构建的智能体矩阵。
打个比方,砸向牛顿的苹果不是凭空出现的,而是挂在树上的,树有根茎枝叶花,而后才有果子,当我们看到作为消费者可以用到的 7 个智能体果实的时候,其实是因为腾讯准备了根茎枝叶花这些基础设施。
腾讯既有云,也有地图;既有内容,也有支付;既有社交入口,也有小程序生态。很多公司也许能做出一个聪明的车内助手,但很难把任务真正执行下去。腾讯手里的微信、微信支付、腾讯地图、内容生态,以及小程序能力,天然更适合把「理解意图」推进到「完成服务」这一层。
随行点单能做成闭环,随行互连能把微信对话变成车端任务,导航能和目的地服务串起来,本质上都依赖这种跨生态调度能力。
再往下一层看,腾讯这次也强调了它的端云协同架构:端侧基于 0.8B 轻量化 VLM 与座舱世界模型,单帧编码延迟低于 100 毫秒;云端则承载更复杂的语义理解、记忆检索和内容生成,单意图识别能力超过 95%,多意图识别能力超过 90%。这些能力才能满足既要快,又要准;既要弱网可用,又要有复杂推理;既要本地响应,又要持续进化的需求。
所谓善战者无赫赫之功,腾讯做出行全场景智能体开放平台的前提,还是它不需要整车厂那样必须把一切都封闭在自己的品牌宇宙里,因为在这个行业里,它的角色「连接者」。这没法让它拥有一个像兰博基尼劳斯莱斯这样的汽车品牌形象,反而让它更适合做智能体时代的基础层和中间层。毕竟智能体能力最需要的,是腾讯过往多年构建的既 ToB 又 ToC 的全栈服务能力。
今天上午,DeepSeek V4 发布,直接把这个大模型疯狂更新月推向了最高潮。
百万上下文标配,性能比肩顶级闭源模型,首发适配华为昇腾芯片,随便一个点单拎出来能写一篇爆款头条。
不过在我翻看 V4 的技术报告的时候,在训练层面看到了一个被大部分人滑过去的名词:Muon 优化器。
这个技术名词,怎么看着这么眼熟呢?
原来是前两天发布的 Kimi 2.6 里,就是通过 Muon优化器,在相同的训练量下实现了2倍的效率提升,并在 1 万亿参数规模上解决了训练不稳定的难题。

早在上个月杨植麟站在英伟达 GTC 2026 的舞台上,花了演讲中最长的一个板块讲它。Kimi 是全世界第一个发论文证明 Muon 可以用在万亿参数大模型训练上的团队。
(附APPSO解读文章链接)
杨植麟是这样说的:「用 MuonClip 而非 Adam 训练 Transformer 大模型,效果会好得多。」正确实现后,token 效率提升 2 倍。在数据墙面前,这相当于把 50 万亿 token 用出了 100 万亿的效果。
现在,这项技术出现在了 DeepSeek V4 的训练方案里。
我又回来翻了一下 Kimi K2 的架构底层,又发现了一个更有意思的细节:它用的是 DeepSeek-V3 提出的 MLA(Multi-head Latent Attention)。
DeepSeek 的技术报告写着 Kimi 的名字,Kimi 的架构底座写着 DeepSeek 的名字。 你中有我,我中有你。
这大概是中国 AI 圈最魔幻的一幕:两家被外界反复对比的开源双子星,技术底层早就长到了一起。
而且,Kimi 类似这样的巧合,已经不是第一次了。
算上 V4 和 K2.6 前后脚上线,这已经是 Kimi 和 DeepSeek 过去一年里的第五次「撞车」了。

▲ 图片由 image-2 制作.
五次「撞车」,如果只是时间重合,那叫巧合。但把每次发布的内容拉出来看,你会发现一条清晰的暗线:每次撞车恰好对应一个 AI 行业拐点的到来。
第一次是最戏剧性的。2025 年 1 月 20 日晚 8 点 10 分,DeepSeek R1 发布并以 MIT 协议完全开源。不到两小时后,Kimi k1.5 亮相。
两者都瞄准同一件事:让模型从「张嘴就来」变成「先想后说」,用强化学习跑通 Long-CoT 长思维链推理。
在这之后,中国的开源力量就彻底改变了整个全球 AI 的格局。
后来 OpenAI 在一篇论文中点名指出:Kimi 和 DeepSeek 是「最早复现 OpenAI-o1 Long-CoT」的两家公司。全世界只有这两家中国公司看懂了 OpenAI 在做什么,并且用自己的方式做了出来。

那是中国 AI 从「追随者」开始变成「引领者」的分水岭。
最近这次就是今天。四天之内,K2.6 带来了 SWE-Bench Pro 58.6% 的 Agent 集群并行编程能力,V4 把百万上下文做成了所有服务的标配,输出长度拉到 384K tokens。
两家同时推进国产芯片适配:V4 下半年支持华为昇腾 950,寒武纪已完成 Day 0 适配;K2.6 支持国产芯片混合推理。
Agent 能力、编程天花板、百万上下文、国产芯片适配、开源生态,全齐了。
从「学会思考」到「学会干活」,从「改 Transformer」到「改算力底座」,五次撞车其实展现出来的,是中国 AI 不再一味对标 OpenAI ,逐渐不再依赖英伟达,在开源上走出属于自己的路。
发布撞车的巧合固然有意思,但更值得关注的,其实是巧合背后的一些必然。
让我们先回到 DeepSeek 架构里的 Muon 。
杨植麟在 GTC 演讲中讲了一个技术困难:当 Kimi 把 Muon 扩展到 1 万亿参数时,训练不稳定性成了拦路虎。最大 logits 爆炸超过 1000,正常值只有 50 到 100。

损失先降后炸,根本无法收敛。他们的解法是 QK-Clip,对每个注意力头计算最大 logit 的裁剪值,把查询和键限制在合理范围内。训练损失不受影响,但稳定性问题消失了。
K2 模型用这套技术完成了训练,创下机器学习史上最大规模 Muon 训练的纪录。
而 DeepSeek V4 的技术报告里,Muon 被直接写进了训练方案。大多数模块用 Muon 加速收敛,嵌入层和预测头仍用 AdamW,混合使用。这是对 Kimi 底层创新的一次直接引用。

反过来,Kimi K2 的底层架构采用了 DeepSeek-V3 提出的 MLA。Multi-head Latent Attention,通过压缩 KV 缓存大幅降低推理成本,是 V3 最核心的架构创新之一。
你的论文成了我的基础设施,我的创新成了你的底座。 写在引用列表里的互相成就。
在硅谷,你很难看到这种事。OpenAI 和 Anthropic 之间的技术是「护城河」,能藏则藏。但 Kimi 和 DeepSeek 之间长出了一种更原始也更健康的关系:开源社区里的正向循环。
Kimi 和 DeepSeek 是中国首批开源万亿参数模型的玩家,都相信 Scaling Law。技术路线上,DeepSeek 以推理模型见长,Kimi 以 Agent 能力著称。
底层架构上,两家都在挑战同一批「古老」的基础设施。Kimi 发了「注意力残差」论文,DeepSeek 做了 mHC 残差连接,都在改 ResNet 时代留下来的残差连接方式。
在长文本这条线,Kimi 探索线性注意力(Kimi Linear),DeepSeek 探索稀疏注意力(DSA),殊途同归。
所以当它们撞车时,与其说是巧合,不如说是对同一个方向的必然趋同。
在 OpenRouter 上,Kimi 和 DeepSeek 稳居中国模型调用量前两名。
Cursor 接入了 Kimi,日本乐天 Rakuten AI 3.0 基于 DeepSeek 开发。被海外产品「套壳」这件事,放在两年前是耻辱,现在是勋章。
Meta 新模型 Muse Spark 发布时,官方 Blog 做的对比基准线里,Kimi 和 DeepSeek 跟 GPT-4、Claude 并排站着。英伟达 GTC 上,黄仁勋用来展示芯片性能的中国模型就是这两家。
海外认可之外,更值得注意的是国产芯片这条线。H20 芯片已断供一年,高端推理芯片短期内只有国产一个选项。两家公司同时在做同一件事:让中国模型跑在中国芯片上。

上周黄仁勋在播客访谈里说了一句话:「如果当初 DeepSeek 先在华为平台上发布,那对我们来说非常可怕。」
今天,V4真的首发适配华为昇腾,工程团队把整个技术栈从 CUDA 迁移到了华为 CANN 框架,从算子库到通信原语到内存管理,V4 的混合注意力、MoE 专家并行、FP4 量化训练,几乎每层从头实现。寒武纪也在 Day 0 完成了 V4 全系列的 vLLM 推理适配,代码已开源。
黄仁勋一语成谶。
而 Kimi 在国产芯片上走的路更早,也更深。为了给国产芯片「铺路」,Kimi 在架构创新上掏出了两个杀手锏。
Kimi Linear 混合注意力架构把线性注意力层与全注意力层以 7:1 配比混合,将 KV 缓存体积压缩到极低水平。实测数据很直观:32K 上下文下,混合架构模型 KV 吞吐量仅 4.66 Gbps,同规模稠密模型高达 59.93 Gbps。

KV 缓存传输需求被压到了普通以太网可承载的范围,RDMA 高速网络从「必选项」变成了「可选项」。
在此基础上,Kimi 联合清华大学发布了 PrFaaS(预填充即服务)论文,把推理的 Prefill 阶段和 Decode 阶段彻底解耦,调度到不同异构硬件集群上。实测吞吐量提升 54%,首词延迟降低 64%。
这套方案打破了「大模型推理必须绑定同一种高端 GPU」的前提:算力强的国产卡做 Prefill,带宽强的国产卡做 Decode,各司其职。

DeepSeek 用 V4 证明了国产芯片能跑万亿参数的旗舰模型,Kimi 用架构创新证明了国产芯片可以跑得好、跑得省。
一个从工程适配切入,一个从架构设计切入,终点都是同一个:让英伟达不再是唯一选项。
以前的国产 AI 叙事是「用英伟达的卡,追 OpenAI 的模型」。现在这对双子星同时在写另一个剧本:用中国的芯片,跑中国的模型,服务全世界的开发者。
回看这一周AI 行业的疯狂更新,我们已经处在了一个新的转折点。
同一周内,两个中国团队各自发布了万亿参数级开源模型,性能逼近甚至持平美国顶级闭源模型。这在一年前是不可想象的。
当闭源模型的价格是开源模型的 50 倍,开源阵营每隔几个月就推出一个新的万亿参数选手,竞争天平正在发生微妙的倾斜。
这不是「赢了」或「超越」这么简单的胜负之分。闭源模型在复杂推理和系统可靠性上仍然有明显优势,Opus 4.6 的思考模式依然是 V4-Pro 追赶的目标。但开源阵营的速度、成本优势和生态覆盖面,正在改变这场竞赛的规则本身。
除了这五次撞车发布,这两家公司还有一个巧合。梁文锋来自广东湛江,杨植麟来自广东汕头。两个广东人,撑起全球开源 AI 半边天。

梁文锋像工程师哲学家,相信开源和底层创新,V4 发布公告结尾引的是荀子,「不诱于誉,不恐于诽,率道而行,端然正己。」

至于杨植麟在我看来像产品科学家,他认为用户体验和技术突破可以兼得,在 K2.6 发布时他提到了 Linux 之父 Linus Torvalds 那句「Talk is cheap. Show me the code.」
一个古典,一个极客。就是这两个风格迥异的创始人,一起定位了中国开源模型在世界坐标系的位置。
你的 MLA 是我的基础,我的 Muon 是你的加速器。这大概也是中国在能在短时间内引领全球开源 AI 的重要原因之一。
智能座舱过去几年的变化,很大程度上是从屏幕和语音开始的。
更大的中控屏、更流畅的车机系统、更丰富的应用生态,以及可以控制空调、导航、音乐的语音助手,构成了上一阶段用户对智能座舱的主要感知。它们确实改善了车内体验,但本质上仍然是「人发出指令,系统完成任务」的交互逻辑。
进入大模型时代之后,汽车座舱开始出现新的变化。座舱不再只是一个车控入口,也不只是手机生态在车内的延伸,而是有机会成为一个能够理解场景、记住偏好、主动响应的智能空间。尤其是在端侧模型逐渐成熟之后,智能座舱正在从单一语音助手,走向更复杂的车载 Agent。
4 月 24 日,在第十九届北京国际汽车展览会上,面壁智能发布了 SuperMate 端侧智能座舱方案的全新升级版本,主要围绕全场景 Agent 服务、全模态交互能力和多芯片平台适配三个方向展开,并在车展现场提供了实车搭载体验。
如果说过去的智能座舱更强调「能做什么」,那么 SuperMate 此次升级试图回答的是另一个问题:座舱 AI 如何在合适的时间、以合适的方式介入用户的用车生活。
面壁智能对这次升级的描述,是让座舱 AI 从「好记性」进一步走向「真正懂你」。这背后涉及的不是单一能力,而是感知、记忆、推理和执行之间的闭环。车内 AI 需要知道用户是谁,记住他的偏好,理解当前的场景,再决定是否需要主动执行某个动作。
这也是座舱 Agent 和传统语音助手之间的区别。语音助手通常等待用户下达明确指令,而 Agent 更强调连续感知和主动服务。但在汽车这个场景中,主动并不意味着频繁打扰。相反,真正有价值的座舱智能,往往体现在一种有分寸的「无感」之中。
例如,SuperMate 基于量产级端侧多模态感知能力,可以在不依赖云端的情况下,完成「感知—记忆—推理—执行」的完整闭环。用户上车后,系统可以通过身份识别和多用户记忆自动加载个人偏好;行程中,当用户说出「去接孩子」这样的模糊指令时,系统可以结合历史习惯补全目的地并规划路线;在用车过程中,系统也可以根据环境和乘客状态,自动联动车窗、空调和座舱应用。
这些能力并不一定需要被用户明确感知。很多时候,用户感受到的可能只是温度更合适、路线更顺手、座舱状态更自然。对于车载 AI 来说,这种低打扰的体验,可能比单纯展示复杂功能更重要。
SuperMate 此次升级中,也强调了对车内关键人群的照护能力。比如系统可以实时识别儿童危险行为并进行自动介入,在识别儿童哭闹后联动车内环境进行安抚;也可以主动捕捉舱内外的高价值瞬间并自动保存。离车后,智能哨兵功能还可以持续监测周边环境,并在安全性和低功耗之间做动态平衡。
更具体的垂直场景,是事故处理 Agent。
按照面壁智能的介绍,当车辆发生事故时,SuperMate 可以实时识别事故状态,快速介入并安抚驾驶员情绪,同时引导用户完成现场处理流程。在定责、定损等更专业的环节,SuperMate 将调用面壁智能旗下道路交通事故陪伴智能助手「松果有理」的能力,为驾驶者提供处置建议和理赔指引。
这个功能将覆盖车机端和手机端,未来也会接入车载小艺和手机小艺平台。在车险理赔环节,面壁智能还将与太平保险共建车事故多智能体场景,并计划在太平保险北京分公司试点,尝试打通从事故识别到理赔服务的全链路智能化体验。
这类应用值得关注的地方在于它让座舱智能不再停留于娱乐、导航、车控等高频但相对轻量的场景,而是进入了事故处理、保险理赔这类低频但高压力的场景。对用户来说,事故发生后的情绪安抚、流程指引和专业建议,往往比日常功能更能体现 AI 的实际价值。

在交互能力上,SuperMate 此次升级也与面壁智能最新发布的 MiniCPM-o 4.5 全模态模型相关。
MiniCPM-o 4.5 具备原生全双工交互能力。简单来说,它在输出内容的同时,仍然可以持续感知视觉和听觉输入,不需要等待用户完整说完一句话之后再被动回应。这让座舱 AI 有机会从传统「一问一答」的回合制对话,进入更接近自然交流的状态。
对于车载场景而言,全双工和全模态能力的意义很直接。驾驶过程中,用户的注意力不可能完全交给车机系统,车内也会同时存在语音、动作、视线、车外环境等多种信息。座舱 AI 如果只能听懂一句明确指令,能做的事情就很有限;如果它能够同时理解语音、视觉和环境变化,就可以更自然地判断什么时候该回应,什么时候该保持安静。
面壁智能也在基于 MiniCPM-o 4.5 的全模态能力,与合作伙伴共同探索下一代智能座舱平台。这里的变化,不只是交互方式从语音走向多模态,更重要的是座舱 AI 的角色正在改变:它不再只是一个功能型助手,而是逐渐具备对驾驶环境、乘客状态、声音和视觉信号的持续理解能力。

车展现场,面壁智能还展示了 EmbodiedClaw。这是一套面向车载与具身场景的 Agent 运行与编排框架,作用是打通用户个人设备、车端算力、端侧模型和云端模型,让数据和任务可以在不同设备之间协同流转。
这背后有一个更长期的想象:汽车不只是行驶中的交通工具,也可以成为一个具备算力、传感器和个人数据入口的 AI 节点。尤其是在大量停放时间里,车辆是否可以继续处理任务、提供服务,甚至延伸出新的「离车价值」,会成为智能汽车下一阶段值得讨论的问题。
当然,要让这些能力真正上车,只有模型和场景是不够的。端侧 AI 面临的现实约束非常复杂,不同车型有不同的芯片平台、成本区间和功耗要求。一个方案如果只能运行在少数高算力车型上,就很难实现规模化普及。

因此,SuperMate 此次升级的另一项重点,是多芯片平台适配。面壁智能表示,SuperMate 已经完成对高通、联发科、英特尔、瑞芯微、英伟达、AMD 等主流芯片平台的适配,支持从轻量语音交互到全模态理解的多规格模型运行,以覆盖不同量产车型的配置梯度。
面壁智能还展示了与英特尔联合开发的 AI Box 解决方案。这一方案基于英特尔 Core Ultra 系列平台,官方称可提供最高 180 TOPS 稠密 AI 算力,并适配面壁智能 MiniCPM 全系模型。它的意义在于,为大模型在车端本地运行提供了新的硬件载体,也让部分车型可以通过 AI Box 的方式获得端侧算力能力。
目前,SuperMate 已经在吉利、长安马自达等车企的多款量产车型中实现搭载交付。面壁智能 CEO 李大海在车展期间表示,预计到 2026 年底,将有 30 万辆汽车搭载面壁的端侧模型。
除了产品发布,面壁智能还联合清华大学车辆与运载学院、中国汽车报共同发布了《智能座舱:定义 AGI 时代的汽车新范式》白皮书,围绕端侧 AI 在智能座舱领域的技术路线、场景方法论和产业趋势进行梳理,并举办了专题研讨会。
从行业角度看,SuperMate 的升级反映了智能座舱正在发生的一条清晰路径:从车机系统,到语音交互;从语音助手,到多模态模型;再从单点功能,走向能够理解场景和主动执行任务的座舱 Agent。
这条路径并不意味着所有功能都会迅速成熟。车载场景对稳定性、安全性、隐私保护和功耗控制都有更高要求,端侧模型能否在真实量产环境中长期稳定运行,也需要更多车型和用户规模验证。尤其是主动服务类功能,既要足够聪明,也要足够克制。否则,智能很容易变成另一种形式的打扰。
但趋势已经比较明确。汽车正在从一个移动空间,逐渐变成一个由传感器、算力、模型和用户数据共同构成的智能终端。座舱也不再只是驾驶员和车辆之间的操作界面,而是用户生活、出行和数字服务之间的连接点。
面壁智能 SuperMate 此次升级的意义,正在于它把端侧大模型、全模态交互、车载 Agent 和产业适配放在了同一个框架中。对车企而言,这是一套面向量产的智能座舱方案;对用户而言,它最终要回答的仍然是一个很朴素的问题:车能不能更懂我,并且在我真正需要的时候,少一点复杂操作,多一点恰到好处的帮助。