如果最近你漫步在上海西岸的滨江步道，可能会偶遇一只机器狗，正踏着密集的步点，熟练地在滑板广场和台阶之间穿梭。这是 已经正式「入编」城市管理、开启 7×24 工作制的自主运营的机器狗巡逻队。
这套名为「晓途」的开放场景自主作业解决方案落地意味着具身智能终于走出了 PPT 和实验室，开始在真实的城市街区里，吹着黄浦江的晚风，干起巡逻工作。
A1 超级大脑：扔掉地图，即视即行
过去，我们在景区或园区看到的巡检机器人，大多有点笨笨的——它们极其依赖预设的轨道，或者需要提前用激光雷达扫描并建立高精地图。一旦遇上临时施工、突然窜出的外卖车，或者成群结队的游客，往往就会在原地卡住，甚至直接罢工。
具身智能创业公司大晓机器人给机器狗装上的具身超级大脑模组 A1，拥有了「即视即行」的能力，依靠端到端一体化网络架构，把感知、决策、规控全流程打通，让它真正走出实验环境，装上路感。在人车混流的开放园区，面对突如其来的行人和车辆，它能即时见招拆招，实时研判态势，丝滑地从机动车道切换到人行道。面对和地面同色、没有视觉标记的石砌台阶，能够通过多模态三维感知，计算出每一级台阶的几何参数，自主调整步态，稳当当地区上下楼梯。
在城市园区想要实现大面积、全天候的巡逻覆盖，需要大量人力。分散的人力带来的是高昂的运维成本和繁琐的沟通层级。
往往居民发现了违规乱象，再上报、流转、派单，等巡逻人员赶到现场，违规者早拍拍屁股走人。大晓机器人打造的云端智能管理平台，为巡逻队员带来一人控一队的运营模式，管理人员只需要坐在屏幕前，就能远程统筹多只机器狗。
机器狗在西岸溜达主动发现如践踏草坪、公共场所吸烟、遛狗不系绳等不文明行为。发现问题后，它会当场进行温柔的智能语音劝导，并实时抓拍、留存证据。遇到搞不定的复杂安全隐患，它会立刻把高清现场画面同步给后台，无缝对接线下执法人员。
一人统筹，多机协同，以往「高成本、覆盖窄、响应慢」的社区治理痛点似乎迎来的接。
从清晨到深夜，它比你更懂「西岸的夜」
目前的巡逻队为了实现全天候巡逻，设置排班制，但后半夜的困意与疲惫是生理本能，常常导致深夜或凌晨，而搭载了 A1 模组的机器狗，或许能弥补上这个缺陷。
白天，巡逻机器狗精准识别践踏花草、草坪吸烟、未佩戴狗绳等不文明行为，实时语音劝导并同步高清取证。
面对与地面同色、无明显标识的台阶，它能够依托多模态三维感知精准识别各级台阶高度与几何参数，自主规划步态，足端落点精准、机身姿态平稳，全程自主流畅完成上下台阶，适配开放场景弱特征复杂地形。
在人车混行的开放园区道路上，机器狗面对穿行的机动车与往来行人，系统实时感知研判车流人流态势，自主决策调整行进路线，平稳从机动车道切换至人行道，同步避让周边行人，持续保持自主作业状态。
夜幕降临，依托高动态范围成像与专业视觉模型，机器狗穿透黑暗感知盲区，精准捕捉江边危险靠近等风险，及时语音预警，筑牢夜间安全防线。
除此之外，机器狗还配备了云端管理平台，系统可自动生成包含事件统计、处理结果的巡逻简报，实现高效数据复盘。值守结束后，机器狗可自主进入充电桩完成补给，以稳定可靠的运行状态，为城市公共空间提供不间断的智能守护，助力提升治理精细化水平。
除城市治理外，这套智能装备的应用边界持续拓展。从公共空间到垂直领域，大晓机器人赋能机器狗全天候、全场景、高智能的综合能力，不仅重构城市治理模式，更在智慧安防、工业运维、文旅服务等赛道展现强劲落地潜力，为未来商业空间规模化复制、多元化应用打开无限想象，成为兼具社会价值与商业价值的智能基础设施。
值守结束、电量告急，大晓机器狗会自己溜达回充电桩，通知其他「同事」替班，安静续电等待下一次出发。
我们曾无数次畅想过具身智能的未来，大晓机器人的这次实践给了我们另一个务实的答案：智能基础设施化。除了城市治理，智慧安防、工业运维、文旅导览……这些需要全天候、高重复性劳动的垂直领域，都将是机器狗们施展拳脚的新赛道。
大晓机器狗也有望帮助人类从无休止的机械重复、恶劣气候的肉体消耗、以及深夜的值守盲区中解放出来。让机器承担 90% 的疲惫巡查，让渡出精力的人类去处理那 10% 更有温度、更需要同理心和复杂决策的社会治理。
我们一直在期待机器人能够真正走出实验室进入真实复杂的生活解决真实的问题。
巡逻机器狗的上岗，也标志着具身机器人正在从表演性的城市景观进入城市生活，提供更常态、更具体、更以人为中心的服务。
折叠屏手机进化了这么久，那个折磨了 iPad 一辈子的「灵魂拷问」，终于也落到了手机上：
除了刷视频之外，你的生产力在哪里？
毕竟现在的生产生活方式，都不是单纯的依赖手机、而是直接「围绕手机为中心」了。
往前数二十年，手机能从一个打电话发短信的玩意儿，变成今天揣在兜里的「第一响应设备」，靠的其实是三样东西凑齐了：4G、App，还有大屏。
高速网络让人随时在线，App 第一次把工作流从电脑搬到手机上。而一块更大的屏幕，则让我们能在高铁、机场，乃至工位以外的任何地方，更从容地处理工作。
——在这种背景下，折叠屏从单纯的消费设备变成一个广义的生产力工具，的确只是时间问题。
比如爱范儿拿到的这台 vivo X Fold6，就对手机在 AI 时代能够实现的「新生产力」提出了一个新的思路——
用一套原子工作台做出「并行」和「串行」两种多任务模式，将提升生产力的重点放在连贯性，而非绝对功能性上。
而在深度使用两周多之后，用爱范儿编辑部一位小伙伴的话来说，vivo X Fold6 的体验可以浓缩成一句话：
我 X，从没用过这么好用的多任务。
原子工作台终极进化
vivo X Fold6 与 OriginOS 6 Fold 的生产力，依然是围绕着去年推出的「原子工作台」所展开的。
在今年的系统中，vivo 在原子工作台原本的一大四小悬浮窗口的基础上，新增了一个更接近传统分屏的「并行」模式：
虽然看上去和传统的左右分屏没什么区别，但原子工作台并行模式最大的特点，就在于它可以自由的调整窗口比例：
这样一来，传统分屏的「窗口比例自由度有限」和「三分屏无法调整比例」之类的问题，就得到了很好的解决。
我们终于可以在超过两个窗口的时候手动定义哪个窗口更重要、想看得更多了。
在此基础上，vivo 还添加了一个全尺寸窗口的「焦点模式」——
只需要手动拖拽或者四指外滑，就可以激活四个等尺寸的全屏窗口：
这样一来，屏幕的使用方法就从刚才的「四个窗口对比信息」转变成了「单个窗口操作 app」，相当于直接切换了用户的使用模式。
这种无缝的快速切换，可谓将手机「看一会点一会再看一会」的碎片化使用模式优化到了极致。
至少对日常使用折叠屏的用户来说，这种变化很关键：
折叠屏的生产力从来不只是「能开 N 个窗口」，而是窗口跳转之间能不能少打断、少切换、少重新找状态。
而配合 OriginOS 6 Fold 的折叠屏便利功能，诸如组合保存、多模态拖拽、窗口轮转之类的「润滑剂」，在实际使用中会比一块单纯的大屏更有意义。
说到底，原子工作台真正动的，是手机里那套 App 各自为政的老规矩。
我们的手机里住着五花八门的 App，一个格子一个 App，每个格子上还顶着一堆小红点——可没有一个真正关心你「此刻到底想做什么」。
这种时候，普通手机像一本不停翻页的册子，你的活儿散在几十页里，翻来翻去就很容易找不着上一页。
折叠屏一展开，更像摊开一幅活的《清明上河图》——不只是移步换景，画里的人能从这家铺子走进那家铺子，船上的货能直接搬上岸边的马车。
别忘了，在上述分屏操作的同时，你还有一个随时在手边的 AI 助手蓝心小 v ——
内外配合之下，我们在两周的时间里发掘到了这些非常强势的使用场景。
首先是旅游规划，这几乎是最符合前面提到的需要快速切换「浏览」和「输入」的并行场景了。
这种时候，窗口切换的「无缝感」非常有助于保持清晰的思路：
另一个则是信息收集。
由于编辑的工作经常要检索和对比多平台的信息源，并进行粗略整理，能够在几个自由窗口之间来回切换和对比就非常高效了：
当然在极端情况下，用 vivo X Fold6 同时看四个视频也不是不行：
只不过在目前版本的系统里，「AI 跨窗拖放」偶尔还是有一些无能为力的时候，长按会被 app 菜单屏蔽，比如 Chrome 里就什么也拖动不了：
此外，天玑 9500 Super 搭配不到 5mm 的机身，vivo X Fold6 在多开窗口时的热感还是比较明显的，在当前版本系统中偶尔也会出现细微的动画掉帧。
熟悉的 vivo 大折叠
在新版超级进化的原子工作台之外，vivo X Fold6 身上仍然是熟悉的 X Fold 系列的味道。
不过折叠屏走到今天，在大屏生产力之外，同样逃不开安卓市场的「相机化」叙事——
这不，作为手机长焦增距镜的开创者，vivo 今年再次突破自我，居然给折叠屏也加上了增距镜。
作为首个支持增距镜的大折叠，vivo X Fold6 可以转接 G2 200mm 增距镜，在原本的 70mm 三倍潜望的基础上来个超级加倍。
只不过 vivo X Fold6 虽然拥有新版本的「鲜明」和「原色」滤镜，以及原生光影功能，但滤镜调色盘依然是缺失的：
更新：在最新版系统 PD2545D_A_16.0.14.7.W10.V000L1 中已增加滤镜调色盘。
这对于相机素质先天受限、需要风格化弥补不足的折叠屏来说还是比较可惜的，希望后续可以抓紧 OTA 加上调色盘。
至于实际成片，vivo X Fold6 搭配增距镜的确可以拍到一些比较具有冲击力的画面，这也是增距镜最有实际意义的作用：
但如果你的主要追求是影像，那它作为一台折叠屏，相机整体素质比起大底 CMOS 满载的影像旗舰机还是有差距的。
这种时候，选择为影像特化的 X300 Ultra 或者 X300 Pro 无疑更合适一些。
除了依靠增距镜「一枝独秀」的相机之外，vivo X Fold6 的系统与直板机相差并没有那么大，整体观感依然是那个熟悉的 OriginOS 风格。
但即使是在熟悉的形态与内核里，vivo 仍然在 X Fold6 上做出了一些新玩意——比如 vivo 自己的首个「电脑模式」。
从现阶段的体验看，vivo X Fold6 的电脑模式可以说「相对完整」。
轻度办公需要的 PC WPS、键鼠支持、窗口吸附等等基础功能都有，可以满足一部分应急需求。
但和存在了快十年的三星 DeX 相比，vivo 还是有一些基础功能的缺失——
比如最高分辨率只有 2559×1439，还不支持调整显示比例、在 4K 显示器上看着有点「愣」。
vivo X Fold6 在电脑模式中完全没有显示设置
另外不得不提的，还有 OriginOS 本身。
OriginOS 6 Fold 最大的问题，在于它还是五六年前的「Ocean」风格，然后嫁接一些「玻璃类似物」上去，观感既不利落也不丰富：
曾经 OriginOS 是国产系统「设计感」的标杆，但逆水行舟，不进则退。
在 ColorOS、HyperOS 甚至鸿蒙都在不断焕新视觉的时候，vivo 得赶紧在系统审美方面加把劲了。
折叠屏不能止步于折叠
在拿到 vivo X Fold6 的第一时间，我们可以感觉到「这不是一台只顾堆料的大折叠」，而是它把折叠屏最该解决的问题摆到了台面上：
大屏到底除了看视频、看文档、分屏社交之外，能不能真正改变手机上的任务流？
至少过去相当长一段时间，大多数折叠屏手机始终像是一台「被迫塞进手机里的小平板」。
打开以后屏幕变大了，但使用效率并没有显著改变：
但在 vivo X Fold6 上，它重点明显不是「展开更大」，而是试图让多个应用、文件、会议、AI 和跨设备能力形成一个连续的工作场景。
这也是折叠屏在新的 AI 工作方式时代应该起到的作用：
让多任务更顺，而不是让多任务更多。
这里其实藏着一个容易被忽略的问题：要是重活都甩给后端的电脑和大模型了，那这块展开的大屏，还有什么用？
我们的答案是，恰恰因为活儿不在手机上干，屏幕才更重要。把一件要紧事交给 AI，最后那道坎是信任，它会出错，会自作主张，会把你的意图理解偏。你敢放手，是因为你能随时看见它在干什么，哪怕它出错也逃不过你的眼睛。
主流的 Coding Agent 都有「计划模式」，让你看到它的思路、它每一步调了什么改了什么，而不是从黑箱里直接掉出个结果。 这就像早年的电梯，一开始里头得站个电梯员替你开门、按楼层；后来我们敢走进无人电梯，靠的是按钮、楼层显示、急停和报警这一整套看得见、叫得停的机制。
当然，vivo X Fold6 仍然无法脱离形态的桎梏，重量、厚度、耐用、适配、续航都要为折叠机身做出妥协。
在元器件成本导致产品价格失控的今天，用户愿不愿意为这些复杂能力付更高价格，也是每个折叠屏厂商都需要考虑的问题。
换句话说，vivo X Fold6 不是一台「人人都需要」的手机，但是一台「越重度越离不开」的手机。
从长期折叠屏用户角度看，vivo X Fold6 最值得肯定的，是它没有停留在「折起来是手机，展开是平板」的初级叙事里，而是对折叠屏进入 AI 时代后的存在本质做出了回答。
我们花了十几年，想让手机长得越来越像电脑：更大的屏、更全的 App、外接键盘，总觉得手机办公的尽头，就是把一台电脑塞进口袋。可麦克卢汉早说过，人总爱盯着后视镜往前开：第一辆汽车被叫「无马马车」，最早的电影被当成「被拍下来的舞台剧」，手机，也一直被我们当成「一台更小的电脑」。
但在 Agent 时代，最稀缺的能力其实叫「在场」。算力可以外包，在场不能。论强，电脑当然强，可它总在你需要的时候躺在包里；手机不一定最强，却永远在线，还揣着你最完整的位置、日程、文件和生活轨迹。折叠屏的意义，正是把这份「在场」放大——折起来是随身的感知入口，展开是盯着全局的仪表盘。
所以 vivo X Fold6 最值得肯定的地方，是它没停在「折起来是手机，展开是平板」的初级叙事里，而是对折叠屏进入 AI 时代后的存在本质，给了一个像样的回答。
我们追了十几年的问题，是怎么让手机像电脑一样干活；vivo 给的答案是反过来的：让电脑，听手机的。
今年四月底，自变量机器人才对外宣布完成 B 轮融资，小米战投领投。当时，这家成立仅仅两年半的公司，估值早已越过了 100 亿元。
然而这对于自变量以及蜂拥而至的投资人来说远非结束，而是另一段的开始。
爱范儿获悉，之后的两个月里，自变量又安静地连续完成了 B+、B++、C 轮三轮融资，并且悉数完成交割。截至目前，公司投后估值超过 200 亿元，成为粤港澳大湾区第一家、也是唯一一家跨过这条线的具身智能公司。
这种节奏放在今天的一级市场不算稀奇，具身智能本来就是 2026 年最不缺钱的赛道。少见的是这几轮投资方的名单。
钱，涌向一家公司
根据爱范儿了解，自变量成为了国内唯一一家被四家互联网大厂分别领投过的具身智能公司：此前的 A 轮、A+、A++、B 轮的领投方分别为美团、阿里巴巴、字节跳动、小米。
互联网大厂出手投硬科技，技术成色是审视重点。四家平时在牌桌上互为对手的公司，罕见地在同一家创业公司身上达成了共识，而且不止投一次，多轮加注：仅小米战投一家就连着投了三轮，形成了对于自变量机器人的一种判断。
到了这次的 B+ 到 C 轮，名单进一步铺开、豪华化。
最重要的新趋势，是国家队的入场：国家人工智能产业投资基金、国投创新、中保投资、深投控、江苏省高投、宝安区引导基金都在其中，国开科创、国科投资等老股东继续加持，中国移动连着投了两轮。
与此同时，产业资本也深度参与到自变量近期数轮融资当中：荣耀、奇瑞、沈阳汽车、58 集团、弘信电子这些名字，背后多是汽车、消费电子和本地生活的公司。它们掏钱图的不只是财务回报，诉求反而更加具体：把具身智能接进自己的产业链——比如对于 58 到家来说，是能干家政的机器人，对于车企而言则是能上产线的机器人。
自变量机器人的风险资本支持者还包括红杉中国、IDG 资本、源码资本、达晨财智、中金资本、毅达资本等头部机构。
互联网巨头、国家队、产业资本、头部 VC，一级市场上这四类钱性格迥异，平时很难凑到一张桌子上。这一次它们凑齐了，投的是同一家公司。
钱，涌向具身行业「最强大脑」
2026 年的具身智能赛道风起云涌，仅在今年一季度，国内具身智能领域就披露了五十多起融资，三十多家创业公司完成融资，同比增长接近六成，是有记录以来最热的一个季度。
热到什么程度？如果你的估值低于 100 亿元，恐怕再难被视为「头部」。
赛道里热闹归热闹，钱的确很多，但是开始往少数团队的账户内聚集：这半年陆续跨过百亿、甚至两百亿的公司，一只手数得过来：宇树、银河通用、智元、星海图，加上现在的自变量。
强者恒强的马太效应，已经摆在台面上。
并且，这几家走的路径区别，还是足够明显的。
宇树是本体派。它卖机器狗、卖人形机器人，2025 年就能规模出货，今年六月 IPO 过会，是这批公司里离二级市场最近的一个。它的估值底下，垫着实打实的出货量和现金流。
自变量则是站在另一极的「大脑派」。它从成立第一天就只做一件难事：自研具身大模型，走完全端到端的路线。机器人本体、数据采集虽然它也在做，但更多是为了喂养和验证模型。
为什么资本现在愿意为一家「大脑公司」开出 200 亿？因为瓶颈的位置发生了迁移，新的共识正在行业里成形：
机器人的本体技术已经卷到了极限，硬件层面所有人的差距都在缩小，真正决定一台机器人能不能干活、能干多少种活的，是那颗大脑。本体决定它能做出动作，大脑决定它知不知道该做哪个动作。
资本的焦点，从过去广撒网押本体，开始定向投注少数的模型领跑者。多种顶级资本在两个月的时间里齐聚自变量，正是上述行业转向的侧面印证。
自变量 CEO 王潜，清华本硕，是全球较早研究神经网络注意力机制的人之一，读博期间在美国顶尖机器人实验室做具身学习；CTO 王昊是北大计算物理博士，此前在 IDEA 研究院带封神榜大模型团队。一个底子在机器人，一个底子在大模型，这家公司从基因里就是「模型优先」。
这家公司也确实按这个路子在交付成果：最近，自变量发布了世界模型 WALL-WM，官方称是全球第一个能做「事件级」预测的世界模型。别的世界模型按固定时间间隔切画面，WALL-WM 改用「事件」来对齐画面、语言和动作，在多项评测里分数压过 DreamZero 这类同类模型。
今年 4 月，自变量发布了全球第一个基于「世界统一模型（WUM）」架构的具身大模型 WALL-B，把视觉、语言、动作、物理预测塞进同一个网络里从零联合训练，而不像主流 VLA 那样把几个现成模块拼起来。
前不久，自变量还开源了 WALL-OSS-0.5，按官方给的数据，在 17 个真机任务里不做后训练，光靠预训练就有 4 个任务自主完成率超过 80%，操作和推理任务上领先 Pi 0.5 这类主流开源模型。
它还自建数据采集工厂、自研数据管线，发布的 XR Zero 数采方案号称能把训练数据的采集成本压到原来的二十分之一。
这些活又苦又重。但具身智能眼下最稀缺的就是真实世界的交互数据，谁的数据管线效率高，谁的模型迭代就快，这是一条难以绕行的艰难且唯一道路。
用更挑剔的眼光看，一家主营业务仍处于试点阶段的模型公司，跟已经量产盈利、马上要上市的宇树放进同一个估值梯队，对自变量未必公平，它手里还没有宇树那样的出货量和现金流。
但这恰恰是这几轮融资耐人寻味的地方。高质量的顶级资本愿意共同托举自变量机器人到 200 亿元估值，押注的绝非机器人出货量这种简单的数字。
它们赌的是这枚大脑能不能从家政、产线这种单一场景继续生长，最终能够泛化到它尚未见过的千行百业当中。
📱
曝 iPhone 18 和 iPhone 18e 内存升至 9GB、涨了的价不会降回来了
🔓
Mythos 5 局部解禁，恢复向 100 多家美国机构开放
🤖
北大与 DeepSeek 发布大模型推理加速框架 DSpark
🎉
B 站 17 周年，陈睿：平台去年首次全年盈利
🚀
马斯克：Grok 4.5 已在 SpaceX 和特斯拉内测，SpaceXAI 今年每月将推出全新模型
🤖
12 家国产大模型同台预测世界杯小组赛，腾讯混元第一
🚗
比亚迪自研智驾芯片璇玑 A3 预计 2027 年首搭腾势新车
💰
自变量机器人 2 个月完成 4 轮融资，估值突破 200 亿元
🚙
理想汽车进入澳门市场，首家零售中心开业
🦿
智元第 15000 台通用具身机器人精灵 G2 量产下线
🚗
零跑回应原材料涨价：用户端暂不涨价，但未来不排除
💰
曝百度旗下昆仑芯拟赴港 IPO，目标估值 500 亿美元
💰
国家统计局：1—5 月电子行业利润同比增长 103.9%
🎓
多所高校密集成立 AI、集成电路和未来技术学院
💡
Anthropic 报告：越依赖 AI 自动完成任务，对职业前景越乐观
🚙
29.99 万元起，全新猛士 M817 上市
💻
阿里千问输入法上线 macOS 版
🚗
苹果、奥迪前员工联合创业，推出 2.5 万美元月球车风格轻型电动车
🤝
娃哈哈回应纯净水涨价：终端零售价不变
📋
国家邮政局推动电商平台设置「绿色包装」选
曝 iPhone 18 和 iPhone 18e 内存升至 9GB、涨了的价不会降回来了
天风国际证券分析师郭明錤日前发布产业调查称，明年上半年搭载 A20 处理器的 iPhone 18 和 iPhone 18e 将配备 9GB 内存，采用 6 颗 1.5GB 颗粒的堆叠方案（1.5GB × 6-die）。
郭明錤表示，升级至 9GB 的目的是确保在 AI 负载下系统仍能顺畅运行。值得注意的是，尽管总容量从 8GB 提升至 9GB，但单颗颗粒容量从 2GB 降至 1.5GB，die 数量则由 4 颗增加至 6 颗——这一方案主要带来带宽层面的提升，而非单纯扩充容量。
高端机型方面，郭明錤称今年下半年发布的三款搭载 A20 Pro 处理器的高端机型，包括折叠机（iPhone Ultra）及两款 iPhone 18 Pro 机型，将维持 12GB 内存，同样采用 1.5GB 颗粒，但堆叠数量为 8 颗（1.5GB × 8-die）。
另外，市场调查机构 IDC 日前预测，苹果 iPhone 18 Pro 和 iPhone 18 Pro Max 两款机型的起售价将各上涨 200 美元（约合 1400 元人民币），涨幅分别为 18.2% 和 16.68%。
彭博社记者 Mark Gurman 在昨天的 PowerOn 新闻通讯中称，苹果销售、运营、采购和财务团队曾试图避免涨价，但若继续吸收成本，将对利润率和财务表现造成压力。
苹果目前并未上调 iPhone 价格，但报道预计，苹果仍可能在今年晚些时候调整 iPhone 定价。Gurman 还指出，即便苹果未来解决了内存供应问题，也不会将价格降回涨价前的水平。
Mythos 5 局部解禁，恢复向 100 多家美国机构开放
据 Semafor 报道，美国政府已解除对 Anthropic Mythos 5 的部分限制，允许该公司向 100 多家美国机构提供模型访问权限，范围包括政府部门和大型企业。
商务部长霍华德·卢特尼克在当地时间上周五致 Anthropic 首席计算官汤姆·布朗的信函中表示，已确认「适当的安全保障措施已到位」，并明确指出，相关机构及其外籍员工、以及 Anthropic 本身的外籍员工，今后转让 Mythos 5 模型将无需申请出口许可证。
面向普通用户的 Fable 5 仍无明确时间表。但根据 Axios 援引知情人士最新消息称，业内人士预计，Fable 5 的限制最早可能在下周解除。
北大与 DeepSeek 发布大模型推理加速框架 DSpark
DeepSeek 与北京大学团队发布论文《DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》，提出新的大模型推理加速框架 DSpark。
🔗 相关阅读：DeepSeeK 突然发布 DSpark，让 AI 的回答不再「挤牙膏」
DSpark 已进入 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 的生产服务系统，并替代此前的 MTP-1 方案。
在线上真实用户流量中，在系统总吞吐水平相同的情况下，DSpark 将 DeepSeek-V4-Flash 的单用户生成速度提升 60% 至 85%，将 DeepSeek-V4-Pro 的单用户生成速度提升 57% 至 78%。
DSpark 仍属于推测解码路线：先由草稿模型生成候选 token，再由目标模型并行验证。论文的变化在于把半自回归生成和置信度调度结合起来，减少草稿阶段本身的延迟。
📄 技术报告：github.com/deepseek-ai/DeepSpec/blob/main/DSpark_paper.pdf
B 站 17 周年，陈睿：平台去年首次全年盈利
6 月 26 日，B 站迎来成立 17 周年。B 站董事长兼 CEO 陈睿在周年庆现场发表《让好内容发生》主题演讲，称内容供给过剩，但用户仍然渴望优质内容，社区是 B 站长期留存的基础。
陈睿表示，吸引注意力只能带来短期流量，留下记忆、产生心智才能形成长期留存；B 站会继续服务 UP 主和社区，让优质内容持续产生。
公司披露财务数据包括：
- 2025 财年净营业额 303.5 亿元，同比增长 13%；
- 广告营业额 100.6 亿元，同比增长 23%；
- 2025 财年净利润 11.9 亿元，2024 年同期净亏损 13.6 亿元；
- 2026 年一季度日均活跃用户 1.15 亿，同比增长 8%，月活跃用户 3.76 亿，用户日均使用时长 119 分钟。
「微博崩了」引发热议，官方称部分功能已逐步修复
昨日「微博崩了」相关话题引发热议，微博多种功能显示异常。
微博客服昨日下午发布公告称，因某地数据中心出现故障，微博部分功能受到影响，包括二级评论、未读评论提示、视频发布、红包创建等。截至公告发布时，相关功能已在逐步修复，微博方面就由此带来的不便致歉。
马斯克：Grok 4.5 已在 SpaceX 和特斯拉内测，SpaceXAI 今年每月将推出全新模型
马斯克昨日在 X 平台发文披露，Grok 4.5 已进入私测阶段，目前在 SpaceX 和特斯拉内部开展测试。该模型基于 xAI 自研的 1.5 万亿参数 V9 基础大模型构建，并在补充训练阶段引入了 Cursor 数据。
据马斯克介绍，早期评测结果显示，Grok 4.5 的性能已接近 Opus 模型，「或许」有望超越后者。他同时表示，基于人类反馈的强化学习仍在持续推动模型能力提升，配套的 Grok Build 调度框架也在每日迭代优化。
马斯克还在帖文中透露，SpaceX 今年将保持每月一批的节奏，持续推出完全从零训练的全新模型。
12 家国产大模型同台预测世界杯小组赛，腾讯混元第一
随着 2026 年美加墨世界杯 J 组小组赛昨日收官，72 场小组赛全部结束，由联想集团与咪咕视频联合推出的「世界杯预测人机大战」也同步揭晓成绩。
- 腾讯混元：29/32，排名第一
- MiniMax、讯飞星火：28/32，并列第二
- DeepSeek、智谱、联想天禧AI：27/32，并列第四
12 家 AI 的整体命中率约为 61.9%，而同台竞技的数万名人类玩家命中率为 54.6%，AI 整体领先约 7.3 个百分点。
研究人员指出，大模型在机制上倾向于输出明确答案，面对双方实力接近的情形也会选边站，这是导致平局预测成功率偏低的结构性原因。
随着淘汰赛开始，晋级的 32 支球队实力差距大幅收窄，加时赛与点球大战等历史样本稀少的赛制也将频繁出现，AI 面对不确定性的真实表现将进一步接受检验。
比亚迪自研智驾芯片璇玑 A3 预计 2027 年首搭腾势新车
《晚点 Auto》报道称，比亚迪计划明年在腾势品牌量产新车上首搭自研智驾芯片璇玑 A3。
报道提到，璇玑 A3 是一颗 4nm 芯片，单颗算力超过 700 TOPS，三颗协同总算力超过 2100 TOPS，支持 L3、L4 自动驾驶，已开始量产。
比亚迪此前称，这颗芯片单位算力功耗较同级产品低 20%，结合自研算法优化后，算力利用率提升 100%。
一位自研芯片的智驾方案供应商员工表示，智驾芯片从流片到上车通常至少还需要一年，芯片本身、算法部署、整车适配都要逐一验证。
报道还提到，曾任 OPPO 芯片子公司哲库总监、主要参与 SoC 芯片 IP 设计的周延已于 4 月离开比亚迪，加入一家芯片创业公司。
自变量机器人 2 个月完成 4 轮融资，估值突破 200 亿元
自变量机器人继 4 月下旬宣布完成小米领投的 B 轮融资后，又连续完成 B+、B++ 和 C 轮融资，约 2 个月内共完成 4 轮融资并全部交割，估值突破 200 亿元人民币。
此次融资投资方包括中国移动、红杉中国、国家人工智能产业投资基金、中保投、IDG 资本、达晨财智、中金资本、源码资本等近 30 家机构，覆盖互联网资本、产业资本、国资及顶级 VC。
融资资金将用于具身基础模型研发、大规模数据采集和机器人本体持续升级。小米战投连续参与三轮融资；此前自变量机器人 A 轮、A+ 轮、A++ 轮和 B 轮分别由美团、阿里、字节跳动和小米领投。
自变量机器人成立以来主要聚焦具身智能方向，已自研具身大模型、数据采集方案、数据管线及机器人本体。
理想汽车进入澳门市场，首家零售中心开业
理想汽车宣布正式进入澳门市场，并在澳门金银岛开设当地首家零售中心。澳门用户可在门店体验理想 i6 和理想 i8，并获得购车、交付和售后服务。
理想称，已针对澳门法规和港澳跨境出行需求完成多项本地化适配：
- 车窗玻璃：联合福耀玻璃开发符合法规的原厂规格双层夹胶非隐私玻璃；
- 导航：实现港澳与内地之间导航衔接；
- 通信：部分车型支持双卡通信方案；
- 座舱：海外版智能系统支持 Apple CarPlay、Spotify 等本地化应用。
理想汽车此前在 2026 年一季度财报电话会上称，海外市场会按阶段拓展，模式包括设立子公司、发展经销商或签约独家总代。今年 5 月，公司规划陆续进入澳门、柬埔寨、老挝和缅甸。
智元第 15000 台通用具身机器人精灵 G2 量产下线
智元昨日宣布，第 15000 台通用具身机器人精灵 G2 正式量产下线。智元机器人高级副总裁、具身业务部总裁姚卯青称，15000 台量产下线标志着公司规模化量产进入新阶段。
智元去年 12 月 8 日完成第 5000 台通用具身机器人量产下线交付，今年 3 月 30 日宣布第 10000 台通用具身机器人远征 A3 下线。
精灵 G2 是智元去年 10 月发布的工业级交互式具身作业机器人，搭载 NVIDIA Jetson Thor 芯片，配备高精度力控双臂、19 自由度灵巧手、3D 触觉感知、5 自由度腰腿和全向底盘，并引入真机 RL 工具链。
它支持多人连续语音对话、知识库问答、双电池热插拔换电，以及 360 环视鱼眼和前后双激光雷达避障。
零跑回应原材料涨价：用户端暂不涨价，但未来不排除
据第一财经报道，零跑创始人朱江明在 D99 上市发布会后的媒体沟通会上表示，碳酸锂、铜、铝等原材料成本上涨给公司带来压力，但零跑目前没有在用户端涨价。
朱江明称，公司通过供应商协同和内部节支消化成本压力；如果材料价格继续上涨，未来仍存在调价可能。零跑一季度毛利率从 2025 年同期的 14.9% 降至 9.4%，归母净亏损为 3.9 亿元。对于二季度毛利率，他表示处于可控范围。
同场发布的零跑 D99 起售价 24.98 万元，定位 D 系列旗舰车型。朱江明称 D99 入门版已覆盖多数主流配置，公司会继续按成本定价，并依靠平台化、三电、智能座舱和智能驾驶等自研能力分摊成本。
曝百度旗下昆仑芯拟赴港 IPO，目标估值 500 亿美元
据 The Information 报道，百度旗下 AI 芯片公司昆仑芯计划赴港上市，目标估值为 500 亿美元。
报道称，昆仑芯在近期投资者路演中要求部分 IPO 投资者承诺采购其芯片，采购金额约为其拟认购股份金额的 3 至 7 倍。
昆仑芯目前由百度持有多数股权。百度今年 1 月曾表示，昆仑芯已向港交所秘密递交上市申请，为其分拆和独立上市铺路。该公司最初于 2012 年作为百度内部 AI 芯片业务成立，此后独立运营，主要向百度供应芯片，近两年也在扩大外部销售。
国家统计局：1—5 月电子行业利润同比增长 103.9%
据财联社消息，国家统计局工业司首席统计师于卫宁解读 2026 年 1—5 月份工业企业利润数据时表示，装备制造业利润继续对规模以上工业企业利润形成支撑。
1—5 月，规模以上装备制造业利润同比增长 14.1%，拉动全部规模以上工业企业利润增长 5.2 个百分点。
电子行业增速更高：受高端算力芯片和存储芯片需求拉动，电子行业利润同比增长 103.9%，对全部规模以上工业企业利润增长的贡献率达到 43.1%。
多所高校密集成立 AI、集成电路和未来技术学院
据第一财经报道，国内高校近年加快调整院系和专业设置，人工智能、集成电路、量子科技、低空技术、未来医学、智能机器人等方向成为新学院挂牌的集中领域。
- 武汉理工大学 2026 年招生亮点中提到新设 7 所学院，包括人工智能学院、集成电路学院、新能源与电气工程学院、海洋科学与技术学院和未来医学科学与技术学院等；
- 合肥师范学院揭牌人工智能学院、集成电路学院、低空技术与工程学院、心理与认知科学学院、未来教师学院等 5 个分设学院；
- 南京邮电大学量子科技学院于 6 月 18 日成立，这是江苏省首个量子科技学院；
- 浙大宁波理工学院与宇树科技共建宇树机器人产业学院，并设立宇树机器人创新班。
麦可思研究院数据显示，2025 届人工智能专业毕业生认为母校教学最需要改进的环节中，实习和实践环节不够占 54%，课程内容不实用或陈旧占 52%。
💡 Anthropic 报告：越依赖 AI 自动完成任务，对职业前景越乐观
最常把任务整个交给 Claude 的用户，反而是对自身职业前景最乐观的一群人。这是 Anthropic 不久前发布的《Anthropic Economic Index》六月报告中给出的调查结论。
报告将用户的使用方式区分为「自动化」和「增强」两种模式。前者指用户倾向于一次性将完整任务交给 Claude 执行，几乎不做中间干预；后者则是人机反复迭代、共同完成任务。
报告将薪资预期、工作安全感、找到新工作的能力、工作意义、自主性和人际互动六个维度的预期变化与用户自动化使用比例交叉分析后发现，自动化使用比例越高的受访者，在这六个维度上对 AI 影响的预期均更为正面。其中，对薪资提升和找工作能力的乐观程度差距最为明显。
报告还记录了另一个与「委托导致技能退化」这一常见担忧相悖的数据：重度委托用户认为自身技能市场价值上升的比例，随自动化使用比例的增加而升高；但「使用 AI 后学到更多」这一指标则在不同使用程度的人群中基本持平，未见明显差异。
Anthropic 承认，这一关联存在选择效应的可能——即本就对 AI 最积极的人，也更愿意把任务完整交出。报告在控制用户注册时长（作为早期采用者热情程度的代理变量）后，上述正向关联依然成立，但研究者表示无法完全排除这一解释。
📄 报告全文：anthropic.com/research/economic-index-june-2026-report
29.99 万元起，全新猛士 M817 上市
东风猛士全新 M817 正式上市，提供五个版本，售价区间为 29.99 万-39.99 万元：Mate 1.5T PHEV 29.99 万元、Mate+ 32.99 万元、Max 2.0T PHEV 34.99 万元、Max+ 36.99 万元、Ultra 2.0T PHEV 39.99 万元。
- M817 搭载 2.0T 插混系统，系统综合功率 715kW，轮边扭矩 13685N·m；
- 配备 62.5kWh 电池，纯电续航最长 301km，综合续航最长 1450km，馈电油耗最低 6.99L/100km；
- 搭载华为乾崑 ADS 5、鸿蒙座舱 6.0，以及华为乾崑新一代双光路图像级激光雷达；
- 磐石底盘 2.0，配置双腔空气悬架和 CDC 连续阻尼可变减震器；
- 提供六款车身配色，官方主推「乌兰橙」；车内还提供女王副驾零重力座椅、智能冷暖冰箱等配置。
阿里千问输入法上线 macOS 版
近日，阿里旗下千问输入法 macOS 版上线官网，官方预告 iOS、Android 和 Windows 版本将于近日发布。
官网显示，其产品定位为 AI 语音输入法，主打「说完即成稿」，支持最快 300 字 / 分输入、AI 自动润色和 9 种方言识别，还宣称纯净无广告。
此前，千问团队已在千问 App 内提供语音输入能力，支持去语气词、纠错、格式化整理、上下文智能回复，以及创作、问答、翻译等指令。
苹果、奥迪前员工联合创业，推出 2.5 万美元月球车风格轻型电动车
据《连线》报道，电动车初创公司 Amble 昨日正式推出首款产品 Amble One，这是一款定价 2.5 万美元、以月球车为灵感的街道合法轻型电动车。
该公司核心创始团队来自苹果和奥迪——设计总监 Julian Hoenig 曾在奥迪参与 R8、Q3 等车型设计，后加入苹果负责 Apple Watch、Vision Pro 及已取消的 Project Titan 汽车项目；CEO Adrien Roose 则是高端电动自行车品牌 Cowboy 的联合创始人。
Amble One 采用开放式无门设计，续航超过 60 英里，最高时速 40 英里，整备质量低于 450 千克，符合欧洲 L7e 公路合法车辆标准。
Hoenig 表示，车辆设计直接取材自 NASA 月球漫游车，电动底盘刻意外露而非藏于车身之下。车身材料包括铝材、皮革、棉布和软木，风格被外界形容为「苹果设计的高尔夫球车」。
娃哈哈回应纯净水涨价：终端零售价不变
针对近日网传娃哈哈纯净水涨价，娃哈哈在官方微博发文表示，受包材成本波动影响，公司调整不同包装规格水产品的渠道批发价，有升有降，以保障经销商伙伴稳定经营；全线纯净水终端零售价不变，消费者购买价格无变化。
此前南方都市报报道称，娃哈哈和华润饮料均向多地经销商发出调价通知，其中娃哈哈纯净水 596ml×24 瓶每箱供应价自 7 月 1 日起上调 0.5—1 元，华润怡宝 18.9L 桶装水每桶供应价上调 1 元。
报道提到，本轮调价原因主要指向 PET 塑料包材等成本上涨。截至 2026 年 4 月，国内水瓶级聚酯瓶片现货价格累计涨幅超过 40%，带动饮料瓶整体生产成本抬升近三成。
国家邮政局推动电商平台设置「绿色包装」选项
国家邮政局日前举行 2026 年第二季度例行新闻发布会，介绍《快递暂行条例》修改实施一周年后邮政快递业绿色低碳发展情况。
国家邮政局数据显示，《条例》修改实施一年以来，全行业包装标准化率达 86%，同城快递使用循环包装数量占比超过 10%，企业使用绿色认证包装数量占比超过 5%；回收复用纸箱 16.16 亿次，减碳 20.94 万吨。
国家邮政局还将联合有关部门，推动电商平台、寄递企业 App 和小程序设置「绿色包装」选项，并采取积分、寄件优惠等激励措施，引导消费者选择绿色包装。包装选择会从企业后台流程进入用户下单界面。
《争洛阳》发布幕后特辑，7 月 10 日上映
<插入视频号：大众电影杂志，再现三国史诗>
动画电影《三国第一部：争洛阳》昨日发布「再现三国史诗」幕后特辑，揭示影片多处大场面的制作细节。
据官方微博披露，主创团队对战争画面进行逐帧打磨，并针对官阶盔甲制式、东汉盘鼓舞神韵等历史风俗细节，广泛采风收集资料，精心还原时代面貌。
《三国第一部：争洛阳》是追光动画「三国三部曲」的首部作品。全国正式公映定于 7 月 10 日。
迪士尼推出《星际宝贝》新动画短片，11 月随《魔法秘境》院线上映
据 Variety 报道，华特迪士尼动画工作室在法国安纳西国际动画电影节上宣布，将推出全新动画短片《Lilo & Scratch》，并于今年 11 月 25 日随院线动画长片《魔法秘境》（Hexed）在北美同步上映，为院线独家放映。
短片由导演 Fawn Veerasunthorn 和 Malcon Pierce 执导。故事发生在 2002 年原版动画电影结束后，莉萝带回家一只外星猫咪 Scratch，后者盯上了莉萝一直视为珍宝的小鱼 Pudge，与史迪仔在厨房爆发冲突。
史迪仔被迫现出四臂外星原形，而 Scratch 也随之暴露身份，拥有更多手臂，两只外星生物正面交锋。
猛士 CEO 万良渝在全新猛士 M817 发布会上说，上半年发布的新车有快 600 款，但看起来也就发布了三款，一款路虎揽胜，一款路虎卫士，还有一款是保时捷帕拉梅拉。嘲讽之意很明显，就是说现在中国汽车行业抄袭借鉴成风，缺乏原创思维。
猛士 M817 的叙事，就从设计展开。
6 月 27 日，猛士汽车全新 M817 正式上市。新车共推出 Mate、Mate+、Max、Max+、Ultra 五款配置版本，官方指导价为 29.99 万 – 39.99 万元。
在过去很长一段时间里，硬派越野车往往有着清晰的边界。它们可以去更远的地方，穿越更复杂的路况，也能承受更极端的使用环境，但与此同时，城市通勤的便利性、座舱舒适性、智能化体验，常常需要做出妥协。对于今天的中国家庭来说，一台车既要能完成 5 天城市通勤，也要能承担 2 天周末近郊出游，甚至还要支持 X 次说走就走的长途远征。
这是设计之外另一道命题，猛士 M817 想要在一辆车里兼顾智能、越野和家庭。
从设计开始，猛士 M817 先确立自己的越野性格
全新猛士 M817 的造型并没有回避硬派越野应有的力量感。新车延续猛士品牌「雄魂美学」设计语言，在方正车身、宽体姿态和高离地间隙之外，加入了更多中国原创设计元素。
例如，前大灯造型取意「止戈」，搭配类似越王勾践剑菱形花纹的细节，强调守护意味；尾灯则以利剑出鞘为灵感，形成更有辨识度的车尾视觉。相比一些以复古为主要表达方式的硬派 SUV，猛士 M817 更强调东方意象与现代机械感的融合。
车身颜色也围绕华夏山河展开。新车提供格宗黑、玉龙银、鸣沙黄、秦岭绿、昆仑白、乌兰橙六款外观颜色，其中乌兰橙取自乌兰哈达火山群的色调，更容易和越野、露营、长途穿越这些使用场景产生关联。内饰则提供迎松墨、丹霞棕、锦川红、霞影橙四种配色，试图在粗粝的外观气质之外，给座舱保留更多精致感。
熟悉猛士品牌的人知道，这个品牌背后有着 57 年的军工越野基因，是有历史有底蕴的，所以它也有自己的设计取向和追求。确实，猛士 M817 也是如今国内硬派越野里外观辨识度和原创度都比较高的产品，有着与「类卫士」产品截然不同的外观和气质。
环塔验证之后，越野能力成为 M817 的技术底座
作为一款硬派越野 SUV，猛士 M817 的性能底气，首先来自其动力系统和全地形能力。新车搭载 2.0T 极猛动力系统，这套混动专用 2.0T 发动机配合前后双电机，系统综合功率达到 715kW，轮边最大扭矩为 13685N·m。官方称这套系统完成了 43 项技术升级，并拥有 9 项同级第一。
对于新能源越野车来说，真正的考验不只是峰值功率，还包括高负载、长时间、复杂环境下的持续输出能力。猛士 M817 针对馈电工况进行了重点优化，稳定保电时速可达到 161km/h，并配备 3kW 高压风扇以及多模热管理智能分配系统，以提升长时间越野、高温、高原等场景下的动力稳定性。
补能方面，新车采用 800V 高压平台和 6C 超充，电量从 30% 充至 80% 不到 10 分钟。它搭载 62.5kWh 宁德时代越野旗舰版骁遥超级增混电池，CLTC 纯电续航为 301km，综合续航达到 1450km。对于大多数家庭来说，这意味着工作日可以把它当作一台纯电 SUV 使用；到了长途自驾或穿越场景，又可以减少补能规划上的焦虑。
越野能力上，猛士 M817 搭载猛士智能全地形系统，配备猛士智能 E 锁、9 种驾驶模式、越野蠕行模式和 900mm 涉水能力。新增的「稳驭攀爬」功能，则进一步降低了新手进入复杂路况的操作门槛。
这套能力也经过了环塔拉力赛的验证。基于猛士 M817 核心技术平台打造的原厂战车征战 2026 环塔拉力赛，在 7500 公里总里程中经历沙漠、戈壁、刀锋沙丘等复杂环境，最终获得两冠一亚，并成为 SS5、SS6「双魔鬼赛段」唯一 100% 完赛的车队。
对于量产车而言，赛事成绩本身并不是唯一重点。更重要的是，环塔这种高强度环境可以验证动力、三电、底盘、热管理和车身结构的耐久边界。
越野车不仅有远方，还有眼前
猛士 M817 想进入更多家庭用户的选择范围，单靠越野性能还不够。它还必须回答另一个现实问题：这样一台车，在城市里是否好开，长途里是否舒服，全家出行时是否够用。
底盘部分，新车搭载全铝底盘，相比全钢底盘重量降低 30% 以上，动态响应速度提升 15% 以上，驾驶平顺性提升 50% 以上。它还配备同级唯一的双向 20° 后轮转向，最小转弯半径为 5.2m。对于一台大尺寸硬派 SUV 来说，这项配置能明显缓解城市窄路掉头、停车场挪车和山路转弯时的压力。
悬架方面，猛士 M817 使用 150mm 超大行程双腔空气悬架，并搭配 CDC 连续可变阻尼系统，后者可实现每秒 500 次动态阻尼调节。换句话说，它既要满足越野通过性，也要尽量保留城市 SUV 的舒适质感。
空间方面，猛士 M817 拥有 3005mm 轴距。后排座椅放倒后，车内可以形成一张 2.1 米大床；后备厢常规容积为 828L，拓展后可达到 2112L。无论是家庭露营的装备，还是高尔夫球包、冲浪板、山地车等大件物品，都有足够的装载空间。
座舱配置上，新车采用 NAPPA 真皮座椅，支持座椅加热、通风、按摩功能，并在越野车上引入女王副驾零重力座椅。健康座舱方面，内饰软质包覆比例达到 91.2%，并使用母婴级安全材料，同时配备 MOF 复合滤芯，用于吸附和分解甲醛等污染物。
此外，6kW 外放电、25kW 驻车发电、-6℃ – 50℃ 可调智能冷暖冰箱、双层隔音玻璃、ENC 主动降噪、丹拿 20 扬声器音响以及头枕音响，也让这台车不只是一台能去远方的越野车，更像是一套围绕家庭出行展开的移动生活系统。
猛士 M817 的另一条主线，是华为乾崑智能技术的深度参与。
新车搭载华为乾崑智驾、鸿蒙座舱、华为乾崑车云、华为乾崑车控和华为鲸鳍通信五大智能化方案。其中，全新一代华为乾崑智驾 ADS 5 首发搭载在越野车上，并升级至 WEWA 2.0 架构。硬件方面，新车配备华为乾崑 896 线新一代双光路图像级激光雷达，可识别 120 米外、14 厘米高的障碍物。
与城市智驾不同，越野场景的难点在于路面结构更复杂，边界更模糊，障碍物类型更多样。猛士 M817 首发越野感知系统，并推出华为乾崑智驾 NCA 越野版，试图把智能驾驶能力从城市道路延伸到山野、非铺装路和户外窄路环境。
安全辅助方面，新车搭载华为乾崑全维防碰撞系统 CAS 5.0，包含路面自适应 AEB、eAES 防夹心功能、人驾急弯主动降速、路况险情预警等能力。它还支持全地形泊车、户外窄路会车脱困、T 型路口博弈等功能，覆盖城市与户外两类高频难点场景。
座舱方面，猛士 M817 首发全新一代鸿蒙座舱越野版，内置专属越野 Agent。这个 Agent 既可以承担越野百科、户外向导和路书的角色，也能结合车载无人机，帮助用户在户外场景中完成更立体的探索。
车控层面，新车全系搭载华为乾崑车控 IDVP，支持人工洗车、离车不下电、露营模式、家人安心守护模式等功能。通过车机和语音，用户还可以创建自定义场景。华为鲸鳍通信的加入，则主要面向弱网和户外环境，提升远行场景下的通信稳定性。
过去，硬派越野强调机械性能、通过性和可靠性；新能源时代之后，动力系统、补能效率、智能驾驶和座舱体验开始成为新的竞争维度。
猛士 M817 的产品逻辑，正是围绕这种变化展开。它用 2.0T 插混系统、全地形能力和环塔验证确立越野底座；用大电池、长续航、800V 高压平台解决日常和远行补能问题；用空气悬架、后轮转向、大空间和舒适座舱补齐家庭用车体验；再通过华为乾崑，把智能驾驶、鸿蒙座舱、车控和通信能力带入山野场景。
从 29.99 万元起的价格来看，猛士 M817 进入的是一个竞争正在升温的区间。这里既有传统硬派越野的用户，也有城市 SUV 向外延展的家庭用户，还有一批希望用一台车覆盖更多生活方式的新消费人群。这也是一个现实的考量，因为国内用车环境还是以家庭和通勤为主，并且多数家庭只有一辆车，对于一个新能源越野品牌来说，找一个最大的用户和场景公约数，是最安全的市场策略。
尊界 S800 Grand Design 典藏大观发布的时候，我们说这是鸿蒙智行在豪华感和技术力上堆的最满的一次，然后第二天就是鸿蒙智行 TECH DAY-华为途灵平台技术专场，来详细解释华为途灵平台是什么一回事。
作为一台车长接近 5.5 米、轴距接近 3.4 米的大型旗舰轿车，尊界 S800 Grand Design 典藏大观底盘要解决的矛盾比普通车型更复杂：它要让后排乘客坐得稳，也要让驾驶者开起来不觉得笨重；它要在商务接待时足够从容，也要在高速变道、湿滑路面、连续坑洼这些场景下保持安全和可控。
尊界 S800 典藏大观上的全新一代途灵龙行平台就是最佳的解释样本。一言蔽之，华为这次想表达的是，智能汽车的底盘正在从过去的「机械调校」，走向今天的「数字控制」。
为什么底盘也需要计算？
传统底盘的能力，很多时候来自硬件和调校。工程师通过调整悬架结构、弹簧刚度、减振器阻尼、轮胎规格、转向手感，让一台车更舒适，或者更运动。这套方法至今仍然是汽车工程的基本功。
车轮压过减速带，悬架被冲击压缩，再由减振器控制回弹；车辆高速变道，车身先出现侧倾，再靠悬架和稳定系统抑制；雨天起步，轮胎先出现打滑迹象，系统再介入控制扭矩。这是之前会出现的情况，先有「倾向」，再有「对策」。
数字化底盘要做的，是把这条链路往前提一步，不再只是等路面冲击传来后再处理，而是提前识别路况、提前判断车辆姿态变化，再提前算出驱动、制动、转向、悬架应该怎么协同。
华为途灵平台把这个过程概括为三个关键词：算得快、低时延、控得准。如果用老中医的说法来讲，就是「治未病」，比如说湿滑地库起步时，车轮有没有先空转再被系统拉回来；高速变道时，车身是晃一下再稳住，还是一开始就被稳稳托住；过连续减速带时，车内乘客是被一次次抛起来，还是车辆提前做好缓冲，这些都是数字底盘能不能算得快、传得快、控得准的结果。
算得快：先让数据别堵车
智能底盘首先要处理大量数据。车辆行驶时，系统需要同时读取轮速、横摆角速度、纵向加速度、横向加速度、转向角、路面坡度、附着系数、驾驶员意图、雨量、云端天气、前方道路形态等信息。这些数据并不是简单收集起来就行，而是要在毫秒级时间内完成筛选、判断和计算。
华为途灵平台解决「算得快」的第一个办法，是提高数据读写效率。
这里可以把车端计算理解成一个仓库系统。传统方式下，很多数据都要从「总仓库」里反复读取，任务一多，就容易堵车。华为采用三级缓存，相当于在计算单元旁边设置不同层级的「小仓库」：小任务用近处的小仓库，多个任务共享中型仓库，更大范围的数据再通过全局缓存协同。数据不用每次都绕远路，计算效率自然更高。
第二个办法，是提前筛掉无效数据。车辆行驶时会产生大量低价值数据。比如点云里的空白区域、稳定巡航时没有明显变化的状态、平直道路上的重复信息。如果系统先把它们全部读出来、算一遍，再判断没用，就会浪费算力。华为的做法是通过硬件级零值过滤，在计算前就把「空包裹」剔除出去，把资源留给真正影响车辆姿态和安全的数据。
第三个办法，是并行计算。不同底盘任务对计算精度的要求并不一样。目标识别、轨迹判断、附着系数估计、车身姿态控制，各自的数据类型和精度需求都不同。如果所有任务都用同一种计算方式，效率并不高。华为途灵平台支持多精度矩阵并行计算，相当于几条流水线同时运转，复杂任务走高精度，常规任务走更高效的路径。
本质上这是算力问题和算力优化问题：在车辆高速运动的状态下，系统能不能足够快地理解当下，并计算接下来应该怎么做。
低时延：关键指令不能排队
算出来只是第一步，指令还要快速传到执行器。在传统分布式架构里，智驾、动力、底盘、车身等信号可能都在一条总线上传输。普通状态下，这并不一定会造成明显问题。但遇到低附着路面打滑、紧急避让、爆胎控车这类高优先级场景，关键指令就不能和普通数据一起排队。
华为途灵平台的思路，是为底盘控制建立更高优先级的通信链路。可以把它理解成城市道路里的应急车道。主路拥堵时，救护车、消防车必须优先通行；在底盘系统里，扭矩重分配、制动协调、悬架抬升、防滑控制，就是这类需要优先通行的指令。
除了通信要快，控制链路也要短。
以打滑场景为例，传统方案可能需要多个控制器依次参与：轮端传感器发现异常，ESP 判断是否打滑，VCU 请求重新分配扭矩，再由电机控制器执行。链路越长，仲裁越多，时延就越难压低。
华为途灵平台强调控制上移和近端闭环。部分监测与执行算法可以部署在更靠近轮端的位置，识别到侧滑后快速完成扭矩重新分配。资料中提到，相关场景下系统可以做到 2ms 级扭矩重分配，并通过每秒 100 次快速计算，实时应对左右轮附着力差异较大的路面。
这类能力在日常平直道路上未必强烈，但到了雨天环氧地坪、湿滑坡道、冰雪路面、积水泥泞路面，差异会被放大。好的底盘控制，不是等车辆明显滑起来后再救回来，而是在轮胎刚接近失控边缘时，就已经开始降低风险。
控得准：从各自为战到统一作战
如果说算力和通信解决的是速度，那么控制模型解决的是协同。
传统底盘更像多个部门各管一摊：驱动管动力，制动管刹车，转向管方向，悬架管姿态。每个系统都能完成自己的任务，但遇到复杂工况时，真正重要的是它们能不能一起工作。
比如高速入弯时，如果前轮同时承担太多驱动力和转向力，就容易推头。更合理的做法，是把一部分扭矩向后轴转移，让前轮更专注于转向。出弯时，如果后轮压力过大，又需要把扭矩重新向前轴分配，让车尾更稳定。
再比如防晕车。很多人坐电车容易不舒服，并不只是因为加速快，还因为动力输出、制动回收、车身俯仰、转向高频摆动叠加在一起。单独把动力调柔，只能解决一部分问题。如果驱动、制动、转向、悬架同时协同，减少急加速、急刹车、转弯和颠簸中的多余晃动，体感才会更平顺。
华为途灵平台的核心，是通过数字底盘引擎统一调度驱动、制动、转向、悬架、车身、热管理等多个域。它的本质可以理解为「全维感知 + 智能控制」：先用 ADS 感知信息、车辆状态信息、驾驶意图信息、云端信息、车身域信息、座舱域信息建立综合判断，再通过时空推理悬架和全维协同控制模型，决定车辆下一步怎么动。
这也是数字底盘和传统底盘的差异：它不是简单把悬架调软或调硬，而是在不同场景下动态平衡操控、舒适和安全。
尊界 S800 典藏大观上的全主动悬架，就是这种思路的一个放大版本。变道和转弯时，系统可以主动给外侧悬架加力、对内侧悬架调整支撑，抑制车身侧倾；制动和加速时，通过前后悬架主动配力，减少点头和抬头；过坑洼路面时，结合道路预瞄和悬架主动控制，让车身尽量保持平稳。
再加上后轮主动转向，一台大型旗舰轿车也可以缩小转弯半径，减少地库、酒店门口、窄路掉头时的尺寸压力。对于用户来说，这比单纯记住几个参数更有意义。可以这里理解，尊界 S800 典藏大观上的途灵龙行平台，是途灵平台里的 Ultra 版本。
当然，讨论数字底盘时，很容易出现一个误解：既然软件和算法越来越重要，硬件是不是就没那么关键了？
答案恰好相反。软件定义底盘的前提，是硬件足够可控，接口足够开放，执行器响应足够快。没有高效执行器，再好的算法也只能停留在计算结果里；没有统一协议和标准化接口，各个部件依然会各自为战；没有足够安全冗余，主动控制也很难真正释放价值。
过去几年，智能汽车的讨论重点更多放在座舱和辅助驾驶上。座舱解决人与车的交互，辅助驾驶解决车与外部环境的感知和决策。但车最终还是要通过轮胎、悬架、制动和转向与真实世界发生关系。
最近忙着大规模招兵买马的 DeepSeek，也始终没有忘记开源这条主线。
今天，DeepSeek 与北京大学团队联合发布论文《DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》，提出了一套新的大模型推理加速框架 DSpark。
▲ 技术报告 🔗 https://github.com/deepseek-ai/DeepSpec/blob/main/DSpark_paper.pdf
论文披露，DSpark 已经进入 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 的生产服务系统，并替代此前的 MTP-1 方案。
在线上真实用户流量中，在系统总吞吐水平相同的情况下，DSpark 将 DeepSeek-V4-Flash 的单用户生成速度提升了 60% 至 85%，将 DeepSeek-V4-Pro 的单用户生成速度提升了 57% 至 78%。
速度飙成这样，DeepSeek 究竟给自家的推理引擎喂了什么灵丹妙药？当然，本文难免有些枯燥，感兴趣的朋友不妨耐心阅读。
天下苦 AI 「蹦字」久矣
为什么每次等到大模型的回复总感觉在「挤牙膏」？原因并不复杂。
主流语言模型生成文本时，基本采用 autoregressive（自回归）方式。模型每生成一个新 token，都需要做一次以前文为条件的前向计算，因此输出越长，解码步骤越多，延迟也越容易累积。
对于实时聊天、多轮 Agent workflow（智能体工作流）、代码助手这类高交互场景，生成速度会直接影响用户体验，也会影响 GPU 利用率。
speculative decoding（推测解码）就是为了解决这个问题。
▲ 为方便阅读，图片由 AI 生成，仅供参考
它的思路像是让一个「小模型」先写草稿，再让「大模型」快速审稿。系统先用一个轻量级 draft model（草稿模型）生成一串候选 token，再由真正负责输出质量的 target model（目标模型）一次性验证这些候选 token。
通过验证的 token 会被接受；一旦某个位置被拒绝，后面的候选 token 全部作废，target model 再生成一个修正 token。由于 verification（验证）阶段可以并行完成，speculative decoding 可以在不改变 target model 输出分布的前提下提高生成速度。
更直观地说，它想让大模型一次前向计算确认更多 token，而不是每次只确认一个。
speculative decoding 已经是大模型推理加速的重要方向，但已有方案仍有明显限制。
第一类方案是 autoregressive draft model（自回归草稿模型）。
它像正常语言模型一样，一个 token 接一个 token 地生成候选内容。优点是前后关系更自然，候选质量较高；缺点也明显：draft model 自己写草稿时也要一步一步来，候选 token 越多，draft 阶段越慢。
第二类方案是 parallel draft model（并行草稿模型）。
它可以一次性生成多个候选 token，速度很快，也更适合生成较长的 candidate block（候选块）。问题在于，candidate block 内部的 token 之间缺少足够的依赖关系。
▲ 为方便阅读，图片由 AI 生成，仅供参考
论文里举了一个很直观的例子。模型面对某个上下文时，可能同时存在 「of course」 和 「no problem」 两种合理续写。parallel draft model 因为没有真正按顺序生成，很容易把两条续写路径混在一起，生成 「of problem」 或 「no course」 这种前后不一致的组合。
结果就是，parallel draft model 开头几个 token 往往还不错，但越往后，候选 token 被 target model 接受的概率下降越快。论文把这种现象称为 suffix decay（后缀衰减）。
更现实的问题发生在线上服务里。
parallel draft model 很容易一次生成一长串候选 token，但在真实高并发服务中，把这些 token 全部送给 target model 验证，未必划算。
数学、代码这类结构化任务，答案路径相对明确，候选 token 更容易被接受。开放式聊天不确定性更高，后面的 token 更容易被拒绝。
系统空闲时，多验证几个 token 影响不大；系统繁忙时，验证那些大概率会被拒绝的 token，会占用 batch capacity（批处理容量），影响其他用户请求。
换句话说，推测解码的问题已经不只在于能不能一次生成更多 token，还在于哪些 token 值得交给 target model 验证。
DSpark 是怎么「既要又要」的
DSpark 的思路可以概括为两件事：草稿要写得更像样，审稿要更会挑重点。
在生成侧，DSpark 采用 semi-autoregressive architecture（半自回归架构）。
它保留 parallel draft model 的主干，让大部分计算仍然一次完成；同时在输出端加入一个轻量级顺序模块，让后面的 token 能参考前面已经采样出来的 token。
可以把它理解成：前面用并行方式快速铺开候选，后面再用一个很轻的顺序模块检查相邻 token 的衔接关系。
论文默认使用 Markov head，也测试了 RNN head。Markov head 主要建模相邻 token 之间的转移关系，计算成本低，部署更方便；RNN head 能保留更长的块内历史，但收益有限，复杂度更高。
因此，论文把 Markov head 作为默认方案。
这种架构的目标很明确：保留 parallel draft model 的速度，同时补上部分 autoregressive draft model 的前后连贯性。
在验证侧，DSpark 引入 confidence-scheduled verification（基于置信度调度的验证）。
系统会给每个候选位置预测一个 confidence score（置信度分数）。这个分数表示：在前面的 token 都已经被 target model 接受的情况下，当前位置继续被接受的概率有多高。
随后，hardware-aware prefix scheduler（硬件感知前缀调度器）会根据三个因素动态决定每个请求该验证多少 token：当前系统负载、每个候选位置的置信度、引擎在不同 batch size（批大小）下的 throughput curve（吞吐曲线）。
因此，DSpark 不会机械地验证固定长度的 candidate block。
系统资源宽松时，它可以验证更长的 prefix（前缀），让一次 target model 前向计算尽量产出更多有效 token。系统负载升高时，它会缩短低置信度请求的验证长度，减少对 target model batch capacity 的占用。
这也是 DSpark 相比传统推测解码更接近真实生产环境的地方：它不只追求单次生成更多候选 token，也会根据系统负载调整验证预算。
大模型的尽头，是复杂的系统工程问题
离线实验部分，论文在 Qwen3-4B、Qwen3-8B、Qwen3-14B 和 Gemma4-12B 四个 target model 上测试 DSpark，并与两类代表方案对比：autoregressive draft model Eagle3，以及 parallel draft model DFlash。
评测覆盖数学推理、代码生成和日常聊天三个场景，包含 GSM8K、MATH500、AIME25、MBPP、HumanEval、Live-CodeBench、MT-Bench、Alpaca 和 Arena-Hard 等 benchmark（基准测试）。
结果显示，在 Qwen3-4B、Qwen3-8B 和 Qwen3-14B 上，DSpark 相比 Eagle3 的 macro-average accepted length（宏平均接受长度）分别提升 30.9%、26.7% 和 30.0%；相比 DFlash 分别提升 16.3%、18.4% 和 18.3%。在 Gemma4-12B 上，DSpark 也保持领先。
accepted length 可以理解为每一轮 speculative decoding 中，平均有多少 token 能被 target model 接受。这个数字越高，说明 draft model 写出的草稿越能被大模型认可，推理加速空间也越大。
论文还观察到，不同任务之间差异很大。以 Qwen3-4B 为例，DSpark 在数学任务上的平均 accepted length 为 5.57，在代码任务上为 5.12，在聊天任务上为 3.49。
数学和代码更结构化，续写路径更稳定；聊天更开放，模型可能有很多种合理回答方式。因此，同样长度的候选 token，在不同任务里的价值并不一样。固定 verification length（验证长度）会浪费一部分计算资源。
更详细的实验解释了 DSpark 为什么行之有效。
DFlash 这类 parallel draft model 在第一个候选 token 上表现很强，因为它可以用更深的网络一次性生成候选。但从第二个 token 往后，它缺少块内依赖，接受率下降更明显。
Eagle3 这类 autoregressive draft model 在后段一致性上更好，因为它确实按顺序生成。但为了控制 draft 阶段延迟，它通常不能做得太深，因此第一个 token 的预测能力受限。
DSpark 介于两者之间。第一个 token 继承 parallel draft model 的强预测能力，后面的 token 通过 sequential module 减少 suffix decay。
结构实验也支持这个判断。论文显示，2 层 DSpark 已经超过 5 层 DFlash，说明轻量级顺序建模比单纯增加并行层数更有效。
随着 proposal length（候选长度）从 4 增加到 16，DSpark 相对 DFlash 的优势继续扩大。在最长设置下，DSpark 在数学、代码和聊天任务上分别领先 DFlash 30%、26% 和 22%。
延迟方面，sequential module 带来的额外开销很小。在 batch size 128 的测试中，相比 DFlash，DSpark 的单轮延迟只增加 0.2% 至 1.3%，但 accepted length 最多提升 30%。
置信度模块也经过了单独验证。论文在 Qwen3-4B 上做了 confidence threshold sweep（置信度阈值扫描），也就是不断提高置信度门槛，观察系统会保留哪些 token。
结果不言而喻：门槛越高，系统过滤掉的低价值候选 token 越多，整体 acceptance rate（接受率）越高。聊天任务变化最明显，acceptance rate 从 45.7% 提升到 95.7%；数学任务从 76.9% 提升到 92.5%；代码任务从 67.6% 提升到 92.0%。
线上部署部分更关键。
DeepSeek 在 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 的 production engine（生产引擎）中部署 DSpark，最大 draft 长度设为 5，对比对象是此前的 MTP-1 生产基线。
MTP-1 只做单 token 预测，加速空间有限，但在高并发下比较安全。原因在于，静态 multi-token draft（多 token 草稿）虽然看起来一次生成更多 token，但如果很多 token 最后被拒绝，反而会浪费 target model 的验证资源，拖累系统总吞吐。
DSpark 的意义在于，它让 multi-token draft 在真实线上流量中变得可控。
面对中等并发时，DSpark 会把验证预算从 MTP-1 的静态 2 个 token 扩展到大约 4 到 6 个 token，让每次前向计算产生更多有效输出。
当并发继续升高、target model 接近饱和时，DSpark 会自动缩短验证长度，减少低置信度 token 对 batch capacity 的占用。
在线上测试中，V4-Flash 在 80 token/s/user（每用户每秒 token 数）的服务目标下，DSpark 相比 MTP-1 将系统总吞吐提升 51%。在
更严格的 120 token/s/user 目标下，MTP-1 已经接近可承载边界，DSpark 给出的名义吞吐优势达到 661%。
这个 661% 不应理解成所有常规场景都能获得 6 倍以上提升。更准确的理解是：在高交互、强 SLA 约束下，MTP-1 已经很难继续维持服务能力，而 DSpark 把原本难以达到的性能区间打开了。
V4-Pro 的趋势类似。在 35 token/s/user 的目标下，DSpark 总吞吐提升 52%；在 50 token/s/user 的严格目标下，名义吞吐优势达到 406%。在相同系统容量下，DSpark 让 V4-Pro 的单用户生成速度提升 57% 至 78%。
故事的最后，自然是熟悉的配方、熟悉的味道。
DeepSeek 还宣布开放 DSpark 的模型权重，包括 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 对应的 DSpark checkpoints（模型检查点）。同时，DeepSeek 开源了 DeepSpec，一个面向 speculative decoding 训练的代码库，包含 Eagle3、DFlash 和 DSpark。
▲🔗 https://github.com/deepseek-ai/DeepSpec
简言之，大模型推理加速已经不只是模型结构问题，也越来越是系统调度问题。
单纯让 draft model 一次生成更多 token，并不等于服务一定更快。候选 Token 的质量、通过率、验证长度、系统负载、吞吐目标……每一个变量都在极其微妙地互相牵扯。
大模型竞争正在进入更精细的阶段。训练出更强的模型，仍然是牌桌上的硬实力；但能否把模型以更快、更便宜、更稳定的方式送到真实用户面前，同样会决定一款 AI 产品的上限。
DeepSeek 选择把这套生产环境里的加速经验开源，相当于把一部分真正能提高推理效率、降低服务成本的核心方法，无私分享给全行业。
只能说，做人不要太 OpenAI，多学学 DeepSeek。
作者；莫崇宇
🤖
GPT-5.6 正式亮相：三级命名体系、分层定价，但多数用户暂时无缘使用
📱
苹果 Vision Pro 与智能眼镜负责人 Paul Meade 离职，加入 OpenAI 硬件部门
🧠
曝苹果跳过 M6 Pro/Max，M7 系列直接主打 AI 性能
🎮
微软将上调 Xbox 主机价格，2TB 版 Series X 停售
🛍️
「苹果涨价引山姆代购潮」登上热搜第一
📱
删除好友后朋友圈互动还在吗？微信公布显示逻辑
🤖
DeepSeek 大举扩招，所有部门至少扩招一倍
🔧
大疆回应 Pocket 4P 开售秒空：黄牛团伙已被警方采取强制措施
🚗
何小鹏：年底自动驾驶可合法进入全球市场，小鹏机器人中心新设九部门
🚙
特斯拉就 FSD 致死行人诉讼达成和解
💡
国家能源局局长：生成 5 秒 AI 高清视频用电量相当于充满 10 部手机
📱
7999 元起，vivo X Fold6 折叠屏手机正式发布
🚗
启境 GT7 上市，首批搭载华为乾崑 ADS 5
🕶️
乐奇 Rokid 全球首发 AI 眼镜微信扫一扫支付
🏍️
4.18 万元起，张雪机车发布 820R 和 820RR-R
💻
微博 CLI 工具正式上线：专为开发者和 AI Agent 打造，超 70 API 一键调用
📋
国补继续，第三批 625 亿元消费品以旧换新资金已下达
🎥
《四渡》上映，聚焦「四渡赤水」战役
📰 周末也值得一看的新闻
GPT-5.6 正式亮相：三级命名体系、分层定价，但多数用户暂时无缘使用
OpenAI 今天正式发布 GPT-5.6 系列模型，包含三款型号：旗舰模型 Sol、面向日常工作流的平衡型 Terra，以及主打速度与低成本的 Luna。
发布采取「有限预览」形式，根据美国政府要求，首批访问权限仅开放给一小部分经政府批准的可信合作伙伴，个人用户暂无申请渠道。彭博社报道称，首批合作伙伴约为 20 家，亚马逊 Bedrock 平台可能是入口之一。
在能力层面，OpenAI 将 Sol 定位为迄今最强模型，重点强化了编程、生物信息学与网络安全三个方向的智能体能力。
Sol 在 Terminal-Bench 2.1 上得分 88.8%，Ultra 模式下达到 91.9%，高于 GPT-5.5 的 88.0%，也领先于 Claude Mythos 5 的 84.3%。
OpenAI 称，Sol 在 ExploitBench 网络安全评测中的表现接近 Claude Mythos Preview，但仅使用了约三分之一的输出 token。
定价方面，Sol 按每百万 token 计费，输入 5 美元、输出 30 美元；Terra 为输入 2.5 美元、输出 15 美元；Luna 为输入 1 美元、输出 6 美元。
🔗 相关阅读：刚刚，GPT-5.6 正式发布，史上最强但被自己坑惨了
苹果 Vision Pro 与智能眼镜负责人 Paul Meade 离职，加入 OpenAI 硬件部门
据彭博社报道，苹果负责 Vision Pro 头显与智能眼镜业务的副总裁 Paul Meade 即将离职，加入 OpenAI 硬件部门，预计下周正式入职。
Meade 在苹果任职期间，领导 Vision Products Group（VPG）负责 Vision Pro 头显的硬件工程工作长达七年，同时主导了苹果首款无显示屏智能眼镜的研发项目。
加入 OpenAI 后，Meade 将与昔日苹果同事 Jony Ive、Tang Tan 及 Evans Hankey 共事。
曝苹果跳过 M6 Pro/Max，M7 系列直接主打 AI 性能
据彭博社报道，苹果 Mac 芯片可能跳过 M6 系列的高端版本，直接推进以 AI 为核心的 M7 世代。
基础版 M6 最快将于今年推出，内存带宽约 200 GB/s，并配备更新的神经网络引擎和最多 12 个图形核心。但苹果将不会推出 M6 Pro 或 M6 Max，这是苹果芯片历史上的首次。
M7 Pro 和 M7 Max 最快于明年底发布，M7 Ultra 则预计在 2028 年推出，基础版 M7 的内存带宽将达约 240 GB/s，整个 M7 系列以大幅提升本地 AI 处理能力为核心设计目标。
此外，苹果仍计划今年发布 M5 Ultra，约 36 个 CPU 核心、80 个 GPU 核心，支持最高 768 GB 内存，但受供应短缺影响，搭载该芯片的新款 Mac Studio 发布时间存在变数。
微软将上调 Xbox 主机价格，2TB 版 Series X 停售
当地时间 25 日，微软官宣，将从 8 月 1 日起上调 Xbox 主机价格。配备 512GB 存储空间的 Xbox Series S 将上涨 100 美元至约 500 美元，1TB 版本价格再上涨 150 美元，入门级 Xbox Series X 起售价将约为 750 美元。
微软称，本轮涨价的直接原因是存储和内存成本继续上升，游戏主机存储和内存价格已经涨超 2.5 倍，并预计到 2027 年秋季还会再翻一番。
微软还宣布，于 2024 年推出的 2TB 版本 Xbox Series X 将停止销售。
「苹果涨价引山姆代购潮」登上热搜第一
苹果日前突然上调中国内地 Mac 及 iPad 全系列售价，官网、线下直营店与授权渠道同步更新价格，多款机型涨幅在 800 元至 3500 元之间。
涨价消息传开后，山姆会员店因库存尚未同步调价，与官方渠道价差动辄逾千元，迅速成为抢购热点，「苹果涨价引山姆代购潮」词条昨日登上热搜榜第一。
据鞭牛士消息，多地门店热门配置已现货告罄，部分机型断货。为防止大批量扫货，多家门店要求会员本人到店、现场激活，单款机型每人限购一台，并提示低价库存售罄后新货将同步涨价。
删除好友后朋友圈互动还在吗？微信公布显示逻辑
微信派昨日发布文章，集中解释朋友圈分组和好友删除后的可见规则。新好友看到旧朋友圈的范围，取决于新好友是否被加入对应分组，以及该条朋友圈当时设置的是「该分组可见」还是「该分组不可见」。
如果用户设置某个分组不可见，新加好友不在该分组里，就仍能看到这条朋友圈；如果设置某个分组可见，新加好友不在该分组里，就看不到这条朋友圈。
微信派把这条规则概括为：新加好友在哪个分组，就按分组可见或不可见的朋友圈规则来。
文章还解释了删除好友后的互动痕迹。如果只是单方删除，对过去朋友圈里的评论、点赞等互动，双方视角下仍会保留；如果双方互删，相关互动会从双方可见的朋友圈详情里消失。
DeepSeek 大举扩招，所有部门至少扩招一倍
DeepSeek 日前发布大规模招聘信息，称随着技术持续演进，公司正努力将所有部门规模扩大至少一倍。
本轮招聘覆盖算法、研发、运维、产品、数据工程师和职能部门等 7 大类，共开放 33 个岗位，工作地点包括北京和杭州，所有岗位均接受实习。
岗位分布显示，DeepSeek 的扩招同时覆盖底层模型、智能体产品和算力基础设施：
- 研发方向包括服务端开发、预训练数据、AI 搜索算法 / 架构、全栈开发、Agent Harness、Agent Infra、前端 / 客户端开发和测试开发。
- 基础设施方向包括超算集群研发、高性能算子 / 通信 / 编译器、大模型训练 / 推理框架、分布式存储、AI 算力集群性能与可靠性、AI 平台运维和 IDC 数据中心团队。
- 产品方向包括 AI 产品运营、Code Agent 数据工程、通用 Agent 数据产品、专业领域数据产品、AI 创作数据产品和情感智能数据产品。
Agent Harness 团队是本轮扩招的重点之一。此前 DeepSeek 资深研究员陈德里称，该团队要对标 Anthropic 的 Claude Code，做「DeepSeek Code Harness」；Harness 团队负责人崔添翼也公开表示，团队作为新成立部门，人员非常紧缺。
DeepSeek 还开放了「AI 跨界技术人才」岗位，面向具备特殊才能、希望参与创造和构建 AGI 的候选人，不设专业背景限制。该岗位加分项包括在某一领域做到极致、参与知名开源项目、写过技术博客或书籍、有创业经历等。
大疆回应 Pocket 4P 开售秒空：黄牛团伙已被警方采取强制措施
大疆昨日就 Osmo Pocket 4 系列开售后出现的「秒空」现象作出回应，称首批备货量较上代产品 Osmo Pocket 3 提升近 10 倍，但市场需求依然超出预期，导致部分渠道供不应求。公司表示正全力推进生产和补货。
针对开售期间出现的异常抢购，大疆称经溯源已成功锁定部分黄牛团伙，并已向公安机关正式报案。经警方初步侦查，近日已对多人团伙采取刑事强制措施。
经查，该团伙涉嫌利用虚拟号码、虚拟 IP 等手段实施涉及计算机信息系统的犯罪行为，恶意攻击并破坏大疆商城的正常购买秩序。
大疆表示，将持续配合公安机关依法推进案件侦办，并进一步完善平台风控机制，对黄牛恶意囤货、倒卖等扰乱购买秩序的行为保持「零容忍」态度。
何小鹏：年底自动驾驶可合法进入全球市场，小鹏机器人中心新设九部门
小鹏汽车 CEO 何小鹏昨日发文称，小鹏第二代 VLA 走向全球进入确定模式。他提到，本周联合国 WP29 缔约国会议批准了 DCAS UNR 171 series 02 和 UNR ADS 两项法规，前者对应城区 NGP 功能法规，后者对应 L3-L5 自动驾驶法规。
何小鹏称，DCAS UNR 171 series 02 会在六个月后生效并成为欧盟强制法规，到 2026 年底自动驾驶可以合法进入欧盟等全球市场；UNR ADS 目前仍是框架性法规，但会加速 L4 Robotaxi 在各地审批落地。
另据 21 财经消息，小鹏机器人中心新设九个二级部门。何小鹏在宣布亲自兼任机器人中心负责人后，目前还兼任机器人中心产品部负责人，并直接听取产品部内各组织负责人汇报；具身系统工程部、通用基座部和品牌营销部等负责人也向他直接汇报。
特斯拉就 FSD 致死行人诉讼达成和解
据彭博社报道，特斯拉已与美国一名行人家属就致死事故诉讼达成和解，双方没有公开和解条款。
事故发生在 2023 年 11 月 28 日，地点位于美国亚利桑那州 Flagstaff 与 Phoenix 之间的高速公路；71 岁的 Johna Story 下车协助疏导此前事故造成的交通时，被一辆处于 FSD 模式的 Model Y 撞击身亡。
Electrek 称，这是首个已知与 Tesla FSD 相关的行人死亡事故。美国国家公路交通安全管理局（NHTSA）在 2024 年 10 月开启初步评估，随后在 2026 年 3 月升级为工程分析，覆盖约 320 万辆车。
NHTSA 的调查重点是 FSD 在眩光、雾、尘土等削弱摄像头可见性的条件下，是否能及时识别常见道路状况并给驾驶者留出反应时间。
💡 国家能源局局长：生成 5 秒 AI 高清视频用电量相当于充满 10 部手机
据第一财经报道，6 月 26 日上午，国新办举行「开局起步『十五五』」系列主题新闻发布会，国家发展改革委党组成员、国家能源局局长王宏志介绍「十五五」时期加快新型能源体系建设规划情况。他以算力能耗举例：
每让人工智能生成 5 秒高清视频，用电量相当于充满 10 部手机。
王宏志表示，今年 2 月底以来全球能源市场剧烈波动，多国出现能源短缺、油价暴涨与供应紧张，中国能源体系供需总体平衡、价格总体稳定。
针对「十五五」能源安全，他提出三点：做好化石能源「开发」和「储备」，将煤炭作为稳定供应的最大底气；显著提升非化石能源供给；扩大能源合作「朋友圈」，坚持能源进口多元化。
降碳减排方面，国家能源局新闻发言人、发展规划司司长任育之表示，将在供给侧做大清洁能源供应、做好传统能源转型，在消费侧抓节约和替代，包括算力等新型高载能产业的节能提效。
7999 元起，vivo X Fold6 折叠屏手机正式发布
vivo 正式发布 X Fold6 折叠屏手机，售价 7999 元起，7 月 1 日正式开售。新机提供蓝洞、盐湖、极夜三种常规配色，折叠专业影像套装另有黑金配色。
- 屏幕：8.02 英寸三星 M14 120Hz 内屏，6.51 英寸 BOE 120Hz 外屏，内外屏均支持硬件级 1nit 暗光调节；
- 影像：2 亿像素 HPB 1/1.4 英寸 F1.68 蔡司主摄，5000 万像素超广角，5000 万像素 LYT602 3X 潜望蔡司长焦，支持 200mm G2 增距镜，并搭配 V3+ 影像芯片；
- 性能与续航：天玑 9500 超能版处理器，内置 7000mAh 电池，支持 80W 有线充电和 40W 无线充电。
同场发布的 vivo TWS 5 Pro 耳机定价 999 元，首发价 949 元。
启境 GT7 上市，首批搭载华为乾崑 ADS 5
广汽集团与华为乾崑联合打造的高端智能新能源品牌启境，发布首款车型启境 GT7，定位中大型智能猎装轿跑，官方指导价 20.99 万元起，共推出 5 个版本，顶配 Ultra+ 三电机四驱版为 32.99 万元。
- 车身长宽高为 5050mm、1980mm 和 1470mm，轴距 3000mm，风阻系数 0.198Cd；
- 座舱搭载新一代鸿蒙智能助理、21 扬声器 7.1.4 HUAWEI SOUND 音响系统、HUAWEI XHUD 增强现实抬头显示，以及前排双零重力座椅；
- 后排放倒后可形成 1.9 米纯平空间，后备箱标准容积 647L，放倒后扩展至 1606L；
- 首批搭载华为乾崑智驾 ADS 5，配备 36 个传感器，包括 896 线双光路图像级激光雷达、11 个高清摄像头、5 个毫米波雷达和 12 个超声波雷达。
官方称，896 线激光雷达可稳定探测 120 米外的小尺寸障碍物，车辆采用 L3 级全链路冗余架构，并已取得广州市 L3 级自动驾驶道路测试许可，上市前 L3 道路测试实车验证里程超过 30 万公里。
乐奇 Rokid 全球首发 AI 眼镜微信扫一扫支付
在昨日举行的 Rokid Open Day 2026 全球生态及开发者大会上，乐奇 Rokid 宣布与微信合作，全球首发 AI 眼镜的微信扫一扫功能。用户佩戴眼镜看向微信收款码后，即可通过一句话完成微信支付。
Rokid 眼镜此前已支持支付宝 AI 付快捷数字支付，目前是唯一同时适配支付宝、微信支付双平台的 AI 眼镜品牌。
除支付功能外，Rokid 眼镜已支持显示导航信息，以及解锁共享单车、支付停车费等场景。此次大会上，Rokid 眼镜还与高德地图合作，推出 AI 打车智能出行助手，用户一句话即可完成打车。
4.18 万元起，张雪机车发布 820R 和 820RR-R
张雪机车发布 820R 街车和 820RR-R 仿赛两款摩托车新品。820R 街车统一零售价 4.18 万元，提供黑、白两种配色；820RR-R 仿赛统一零售价 6.198 万元，提供黑、白、红三种配色。
820R 搭载直列三缸发动机，最大功率 99kW@12000rpm，最大扭矩 80N·m@9500rpm，最高转速 13750rpm。820RR-R 同样采用直列三缸发动机，最高转速 14750rpm，最大功率 107kW，最大扭矩 85N·m。
820RR-R 采用轻量化设计，整备质量 186kg，零百加速 2.81 秒，配备 6.2 英寸 Android 触屏仪表。
张雪机车还推出 820RR-R 冠军版，采用冠军定制配色，统一零售价 6.598 万元；公司同时提示，820 系摩托车动力较强，摩托车驾龄不满一年者禁止购买。
微博 CLI 工具正式上线：专为开发者和 AI Agent 打造，超 70 API 一键调用
微博开放平台昨日正式推出 weibo CLI 工具，面向开发者与 AI 智能体用户开放，支持通过命令行或 Agent 工作流直接调用微博平台能力，覆盖内容发布、互动管理、内容检索与热点趋势分析等核心场景。
该工具基于 Node.js 18 及以上版本运行，安装后可通过 weibo auth whoami 与 weibo doctor 完成身份验证与环境检查。核心能力模块包括：
- 图文、视频与长微博发布；
- 评论与转发的统一管理；
- 关键词与用户维度的原子化内容检索；
- 以结构化数据形式接入的热搜与话题趋势。
此外，平台还开放了粉丝画像洞察与营销自动化能力，支持抽奖和批量分发等运营动作的脚本化执行。在定价方面，weibo CLI 采用 Credits 计费模式：
- 免费套餐每小时限 5 次调用，仅支持本人数据，并提供 7 天试用；
- 入门档 Basic 提供 3,000 Credits，定价 29 元每月；
- Plus 定价 69 元每月，包含 7,500 Credits 并开放批量读取与进阶接口；
- Pro 档提供 32,000 Credits，定价 299 元每月；
- 面向企业的 Ultra 档则提供 100,000 Credits，定价 899 元每月。
国补继续，第三批 625 亿元消费品以旧换新资金已下达
据央视新闻报道，国家发展改革委近日已下达今年第三批 625 亿元超长期特别国债支持消费品以旧换新资金。国家发改委会同财政部等部门今年按季度分批次下达相关资金，以保持消费品以旧换新工作节奏平稳、资金使用均衡。
截至 6 月 20 日，2026 年消费品以旧换新惠及 1.36 亿人次，带动销售额超过 1 万亿元。补贴资金撬动比由 2025 年的 1:7.8 提升至 1:10.3，即每投入 1 元补贴资金，带动 10.3 元居民消费。
政策带动下，今年 1 至 5 月，限额以上单位中高能效等级家电零售额增长超过 30%，新能源汽车市场零售渗透率连续两个月超过 60%，今年新增纳入补贴范围的智能眼镜等可穿戴智能设备零售额同比增长超过 1 倍。
《四渡》上映，聚焦「四渡赤水」战役
电影《四渡》昨日正式上映。影片聚焦长征史上的「四渡赤水」战役，把故事放在 1935 年红军以少胜多、完成绝地突围的历史节点上。
公开资料显示，《四渡》由徐展雄执导、刘伟强监制，刘烨、王雷、于适、王志飞、王耀庆、林永健、许魏洲等主演，取材自中央红军长征期间的四渡赤水战役。刘烨饰演毛泽东，王雷饰演周恩来，王志飞饰演朱德，于适饰演原创角色赵德发。
✨ 是周末啊！
One Fun Thing｜用手腕肌电信号操控设备，念象科技 Omniband 获天使轮融资
据 36 氪报道，专注非侵入式神经接口技术的念象科技已完成近千万元天使轮融资，本轮融资由永珺星芒领投，浦东创投、一村资本跟投。
念象科技成立于去年底，首款产品 Omniband 是一款腕戴式表面肌电神经接口设备。它并不直接读取大脑皮层信号，而是通过手腕处的神经肌肉电信号，解析手部运动意图和连续动态手势。
它试图把「动手」这件事变成新的输入方式：用户可通过手势隔空操控手机、电脑、智能眼镜和智能家居，也能实现空中手写，形成类似「隐形键鼠」的交互体验。
周末看什么｜《玩具总动员 5》
由皮克斯与华特迪士尼影片联合出品的 3D 动画《玩具总动员5》是《玩具总动员4》续集、主系列第五部正传，由安德鲁·斯坦顿执导，汤姆·汉克斯、蒂姆·艾伦、琼·库萨克等回归配音，也是该系列首部无联合创始人约翰·拉塞特参与的正传。
剧情聚焦数字时代的童年危机：八岁的邦妮沉迷于青蛙造型平板「小荷平板」而冷落玩具，接任「新警长」的翠丝在一场公路冒险中，联合胡迪、巴斯光年及流落荒岛的「巴斯光年军团」，最终帮助邦妮重拾真实友谊。
口碑方面，烂番茄基于 272 篇评论给出 93% 新鲜度、Metacritic 73 分；豆瓣评分 8.1 分，58653 人参与。与此同时，斯坦顿在首映式暗示「邦妮三部曲」尚未完结，外界解读为皮克斯已在筹划第六部。
买书不读指南｜《结束一周工作后，我会去动物园做梦》
《结束一周工作后，我会去动物园做梦》由南京红山森林动物园园长沈志军主编，收录红山动物园「以诗之名，让珍稀被珍惜」自然诗歌征集活动中的作品。
红山动物园这些年受到关注，动物种类只是其中一部分，更重要的是它调整了人观看动物的方式：没有动物表演，不强调固定游览路线，动物也可以选择不被看到。
书里的诗来自孩子、上班族、老人和普通游客，他们在短暂停留中写下对非人类世界的观察。
游戏推荐｜《死亡搁浅 2：冥滩之上》
《死亡搁浅 2：冥滩之上》是小岛工作室开发的动作冒险游戏，由小岛秀夫担任总监、编剧、制作人与设计师。
游戏承接《死亡搁浅》故事 11 个月后的时间线，主角山姆·波特·布里吉斯原本试图与洛隐居生活，但新的危机迫使他再次踏上旅程，前往墨西哥与澳大利亚，将更多地区接入开罗尔网络，并继续追问系列核心命题：「连接是必要的吗？」
相比初代，本作将舞台从美国废土扩展至澳大利亚，以沙尘暴、地震、时间雨、河流水位变化等动态环境强化送货与路线规划压力。
IGN 中国给出 9 分高分，评价其为「一部卓越的续作」，认为本作在叙事上更专注，也在玩法上修正了前作痛点，尤其是潜行、战斗、装备成长和任务节奏均有明显改进。
就在刚刚，GPT-5.6 系列正式发布，不过，它并没有直接全面开放，而是以「有限预览」的方式先行试水。
作为 OpenAI 最强的一代，GPT-5.6 一口气端出三款型号，名字起得颇有诗意：
- Sol（太阳）是旗舰模型，也是 OpenAI 口中目前最强的模型；
- Terra（地球/大地）是面向日常工作的平衡型模型，性能可以与 GPT-5.5 竞争，同时价格便宜一半；
- Luna（月亮）主打速度和低成本，是 GPT-5.6 系列中最便宜的模型。
从这命名方式来看，奥特曼私底下没少学习 Anthropic 营销的精髓。而借着 GPT-5.6 的发布，OpenAI 也顺手把命名体系重新梳理了一遍：
数字表示代际，Sol、Terra、Luna 对应不同能力层级，便于区分智能水平、速度与成本。产品定位上，Sol 面向高难复杂任务，Terra 覆盖日常工作流，Luna 主打低成本调用。
换句话说，GPT-5.6 不只是一次能力升级，也是 OpenAI 对模型产品线的一次重新分层。
▲🔗 https://openai.com/index/previewing-gpt-5-6-sol/
GPT-5.6 深夜突袭，能力全系霸榜
作为 OpenAI 迄今最强模型。GPT-5.6 Sol 的能力展示，主要集中在编程、生物信息学和网络安全三个方向。
这三类场景有一个共同特征：
复杂、长链条、强依赖上下文。模型需要在任务中持续规划、推理、调用工具、修正错误，并不断推进流程。OpenAI 把这种能力称为 agentic capabilities——让模型更像一个能独立执行任务的 agent。
在编程场景中，GPT-5.6 Sol 已经不再停留在代码补全，而是深入到命令行环境中的复杂操作。
OpenAI 称，Sol 在 Terminal-Bench 2.1 上刷新了表现。Terminal-Bench 2.1 测试的是命令行工作流，任务要求模型具备规划、迭代和工具协调能力。
基准测试成绩显示，GPT-5.6 Sol Ultra 在 Terminal-Bench 2.1 上得分 91.9%，GPT-5.6 Sol 得分 88.8%。作为对照，GPT-5.5 为 88.0%，GPT-5.6 Terra 为 82.5%，GPT-5.6 Luna 为 84.3%。
横向对比其它模型，Claude Mythos 5 为 84.3%，Claude Fable 5 为 83.4%，Claude Opus 4.8 为 78.9%，Gemini 3.1 Pro Preview 为 70.7%。
Sol Ultra 的成绩，也对应 GPT-5.6 的核心功能。
一方面，max 级别的推理强度让模型可以投入更多时间进行深度推理；另一方面，新增的 Ultra 模式会调度多个子 Agent，把复杂任务拆分处理，再统一汇总结果。
在真实开发场景里，模型经常需要理解项目结构、读取文件、修改代码、运行命令、分析报错、继续修改。一个复杂任务通常无法靠一次回答完成。Ultra 模式的方向，是让多个子 Agent 分别处理不同环节，再把结果汇总起来，从而提高复杂任务的完成效率。
生物方向上，GPT-5.6 Sol 的提升体现在 GeneBench v1 上。这个评测主要面向长周期基因组学和定量生物分析任务。OpenAI 称，Sol 相比 GPT-5.5 取得了更强结果，而且使用的输出 tokens 更少。
这一点对科研场景尤为关键。生物信息学、基因组学和定量生物分析，经常需要模型持续分析数据、解释结果、选择方法、比较假设，并在多轮操作中保持上下文一致。模型能不能完成这类任务很重要，能不能用更低 tokens 成本完成长链条分析同样重要。
如果 Sol 能在更少输出 tokens 下取得更强结果，意味着它在专业科研工作流中有更好的成本效率。对实验室、企业研发团队和生物医药场景来说，tokens 消耗直接影响调用成本，也影响模型能否进入大规模工作流。
网络安全则是 GPT-5.6 Sol 最敏感的能力方向。
OpenAI 称，Sol 是其迄今最强的网络安全模型，能够推进长周期安全任务的性能和效率边界，包括漏洞研究和 exploitation 相关任务。
在 ExploitBench 上，GPT-5.6 Sol 的表现接近 Mythos Preview，但只使用了大约三分之一的输出 tokens。
同时，OpenAI 还提到 ExploitGym——一个由 UC Berkeley 联合多家前沿实验室打造的评测体系，用于衡量模型在安全任务中的能力。随着推理能力提升，Sol、Terra、Luna 在这一领域都有明显进步。
不过，OpenAI 对这部分表述明显踩了刹车。
官方强调，Sol 更擅长发现和修复漏洞，还不能稳定完成端到端攻击。在涉及 Chromium 和 Firefox 的评估中，Sol 可以识别 bug 和程序缺陷，也就是漏洞利用的基础组件，但在测试条件下没有自主生成可运行的完整攻击链。
基于这些结果，OpenAI 判断 GPT-5.6 Sol 尚未跨过 Preparedness Framework 中的网络安全关键风险阈值。
▲System Card 🔗：https://deploymentsafety.openai.com/gpt-5-6-preview/introduction
这种踩刹车的判断显然是为了避免重走「Mythos」的老路。
一方面，OpenAI 要证明 Sol 在网络安全任务上确实强了很多；另一方面，它也要说明 Sol 还没有达到必须极端限制的风险级别。更讽刺的是，这种压力很大程度上来自 OpenAI 自己参与塑造的 AI 行业炒作叙事。
与此同时，OpenAI 也承认，基准测试无法覆盖所有现实用法。没有任何评测可以代表所有产品配置、多步骤攻击和真实工作流。模型可能被接入其他工具，也可能被放进更复杂的攻击链条里。正是这种不确定性，让 GPT-5.6 的发布方式变得格外谨慎。
性能最强，但戏份却给了 AI 安全
GPT-5.6 的发布说明中，安全罕见地占据了较大篇幅。
OpenAI 为 Sol、Terra、Luna 配置了分级防护体系，能力越强，防护越严，目标是在压制攻击性用途的同时保留代码审查、漏洞研究等合法场景。
模型层面，系统被训练为拒绝违规网络安全请求，即便用户尝试伪装或绕过。生成阶段引入实时分类器，对高风险内容进行检测与拦截，必要时交由更强模型复核。账号层面则结合跨对话行为与风险信号，识别持续性滥用。
这套机制被称为分层安全栈，涵盖模型拒答、实时检测、账号审查、差异化访问与持续测试。多层协同用于应对复杂滥用，同时尽量减少对正常工作的干扰。
面向企业客户，OpenAI 还提出了隐私保护检测、自主安全控制以及风险分级访问等方案，试图在安全与数据保护之间找到平衡点。
为了避免重蹈覆辙，OpenAI 在自动化红队测试上投入了超过 70 万 A100 等效 GPU 小时，重点寻找通用 jailbreak（越狱），并辅以专家人工测试。OpenAI 还建立快速响应流程，对新漏洞进行复现、评估与修复，并纳入持续评测体系。
可用性方面，GPT-5.6 目前仍处于有限预览阶段。
OpenAI 表示，模型将先通过 API 和 Codex 向一部分可信合作伙伴开放，随后再逐步扩展到 ChatGPT、Codex 和更广泛的 API 用户。
同时，OpenAI 也强调，自己相信前沿模型应该尽可能广泛地开放，并计划在未来几周内，让 GPT-5.6 Sol、Terra 和 Luna 进入更普遍的可用状态。
▲ 看起来评价不太妙
价格体系也同步公布：
按每百万 tokens 计费，Sol 输入 5 美元、输出 30 美元；Terra 输入 2.5 美元、输出 15 美元；Luna 输入 1 美元、输出 6 美元。
同时，GPT-5.6 引入了更可预测的 prompt caching 机制，支持显式 cache breakpoints，并提供至少 30 分钟缓存生命周期。缓存写入按未缓存输入价格的 1.25 倍计费，读取则享受 90% 折扣。
当然，想要用上还需要一些时日，OpenAI 宣布 GPT-5.6 Sol 将在 7 月登陆 Cerebras，最高速度可达每秒 750 tokens。这个版本初期同样只面向部分客户开放，后续会随着容量扩展逐步放开。
换句话说，GPT-5.6 的「有限预览」并不只是产品灰度发布，更是一套安全验证流程。OpenAI 需要在能力、风险与开放之间，找到一个可控的平衡点。
前沿模型发布节奏，进入新周期
两周前，Anthropic 停用了其最强模型之一 Fable 5，因为美国政府要求该公司限制美国境内外外国公民使用相关模型，理由是国家安全。
而在 GPT-5.6 的发布流程中，第一批使用用户同样不完全由 OpenAI 自己决定。
OpenAI 在官方博客中披露，在发布前已向美国政府展示 GPT-5.6 的能力与发布计划。根据美国政府要求，模型将以有限预览形式上线，仅向少数可信合作伙伴开放，并且这些合作伙伴的信息已与政府共享。
《华盛顿邮报》的报道提到，美国联邦政府将审核哪些公司可以访问 OpenAI 的最新技术。且目前只有获得美国政府批准的公司可以访问新模型，个人用户没有申请通道。
彭博社则报道称，GPT-5.6 首批开放对象约为 20 家合作伙伴，其中一个入口可能是亚马逊的 Bedrock 平台。
对此，OpenAI 的态度显然是有些模棱两可。OpenAI 在博客中表示，不认为美国政府参与模型访问流程应当成为长期默认机制，因为这会让最好的工具远离用户、开发者、企业、网络防御者和全球合作伙伴。
但现实是，OpenAI 仍选择接受这一安排，理由是希望争取更广泛开放，同时与美国政府共同制定一套可复制的模型发布流程。
这一变化背后，是前沿 AI 模型逐渐被纳入国家安全框架。
过去，新模型发布主要是公司产品节奏问题。现在，一旦模型在编程、网络安全、生物和代理式工作流上跨过新的能力区间，发布节奏就可能被纳入安全和出口控制讨论。
对 OpenAI 来说，GPT-5.6 既是一次旗舰模型预览，也是一次政策试探。OpenAI 需要证明 Sol 足够强，也需要证明安全体系足够严密，还要在美国政府审查和商业开放之间找到可执行路径。
如此复杂的发布流程，某种程度上也「剧透」了前沿 AI 未来的魔幻走向：当模型能力逼近关键阈值，使用资格与使用方式，将成为比性能更为关注的事项。
编者按：
当我们想喝可乐的时候，在极长的时间都只有两个选择：百事可乐和可口可乐。当我们选择手机的时候，有 90%的概率在苹果和华米 OV 等品牌里辗转。当我们买运动服饰的时候，第一时间想到的，大概率是 Nike、Adidas。
但世界之所以缤纷多彩，是因为在这些巨头之外，有一些不遵从传统，力求创造不同，注重设计和功能，着眼于明日的公司存在。
它们有着非主流的商业模式，设计与产品能提供独特的用户价值，和足够的社交谈资。重点是，它们没有大公司的包袱，敢于不顾一切的进步。它们，是「多样性公司」。
多样性，是开放世界的关键。爱范儿相信，只有真正关注和理解多样性公司才能比更多人更早地看见未来。在同名栏目中，爱范儿将以专访的形式，与你一同见证这些多样性公司，如何重塑未来，定义新常态。
本文为「多样性公司」栏目的第 11 篇，我们和卫星通讯创业公司网翎 CEO 刘宇聊了聊卫星通讯这个看起来尖端，专业，但又带着手工业痕迹的行业，该如何进入精密生产，自主研发和 C 端大众化的。
刘宇曾这样描述他初入这个行业时的感受：走进一些传统卫星终端企业的工厂，我仿佛回到了二十年前的深圳。设备靠人工焊接，测试靠师傅带徒弟，每台设备出厂前都要工程师手工调试。
曾经在消费电子行业有过成功创业经历，也在大厂担任过核心岗位的刘宇想要把消费电子行业成熟的「用户洞察→需求定义→技术落地」方法论，以及精密制造能力，引入到一个过去只讲技术可行性的行业。
现在其旗下产品「网翎卫星上网机」成为了领域里首家民用互联网终端制造商和流量运营商，也是首个入选大疆生态的卫星通讯产品及品牌，第一次实现了无信号地区通讯保障案例，服务电影《镖人》剧组在无人区的拍摄。
这家被类比为「中国版星链」的公司，希望把卫星通讯从目前的 B 端和 G 端市场，推向更大众的 C 端人群，卫星通讯不是特种行业，专业人群才使用的技术服务，而应该是多数人触手可及的东西。
卫星通讯到了「消费化」前夜
Q：网翎的核心团队来自消费电子、精密制造、通讯、渠道等不同行业，并且很多人已经在原有行业做到比较高的位置，为什么最终会选择在卫星通讯领域创业？
A：创业最重要的事情是 Timing，在正确的时机做一个正确的事情。展开来说，中国的卫星通讯资源会在接下来的四五年时间里，到达资源高速建设的爆发期，不管是高通量的高轨卫星，还是低轨星座，都在进入密集的基础设施资源组建期。
政策会驱动卫星通讯资源的建设，另外的视角来看，回归到商业的本质，行业目前最缺的是什么？缺的是怎么去为卫星通讯做好它的终端和使用场景，尤其是 C 端的使用场景。
如果没有终端设备和使用场景，卫星通讯，或者往大一点说，商业航天的挑战就来了：商业没法闭环。
除了这个机会，我们在产业上这么大规模的基础设施建设，能不能让各行各业的人得到科技的普惠，能不能用得到这个技术。
这就是我们为什么出来创业，第一还是借行业的东风，行业的大势所趋；第二我们认为我们团队的禀赋，在各自领域的积累，尤其是 C 端的经验，可以去创造价值。
▲ 网翎卫星上网机 FLEX
Q：目前 B 端和 G 端卫星通讯终端市场的行业产值大概是多少？
A：目前讲的话，这两端的产值肯定是不高的，卫星通讯不是个新兴事物，最开始是军事用途，后来到一些特种部门，比如防灾应急等部门。
从 ToB 的行业应用来讲，卫星通讯可以挖掘的空间也很大，渗透得很不够。最近两三年我们在 ToB 上做了很多事情，电力巡检，水利工程，还有矿山开采等特种领域，我们开拓了很多新的应用场景。
更特别的是和无人机的结合，配合无人机，尤其是大疆无人机在 ToB 行业巡检场景，是整个卫星通讯行业里很独创的。
最近几年卫星通讯既有的空间和红利空间在这里。
我们的创业目的，包括后续产品方向，会把卫星通讯推向更 C 端的领域，这是网翎的使命，也是我们创业的初心。
Q：最近商业航天概念很热，网翎目前通讯依赖的卫星资源主要来自哪里？后续网翎是否有计划发射自己的卫星，或者参与低轨卫星组网？你们会更倾向于做终端、做服务，还是往「终端 + 流量 + 卫星资源」的方向延展？
A：这个问题几年前我们考虑创业的时候就在思考了。
对整个产业来讲，卫星通讯的资源测不是稀缺事项，稀缺的是怎么把终端和应用做起来，你看今天这些低轨卫星的星座建设也在如火如荼地在建设。
就像我们修了高速公路，但是路上没有汽车跑，那就没有真正的业务，商业也不是闭环的，所以我们的价值还是把终端和应用做好。我们内部讲就是「做连接之上的价值」，不只是解决通讯通不通这样的问题，还要深入到具体场景把应用做好。
我们的 Ka 频段卫星通讯终端就做了边缘计算的工作，去解决在卫星通讯场景下，视频传输流量过大的问题。
所以我们做终端不仅仅局限于物理的表现形态，不止于硬件，这就是「连接之上的价值」。
能不能在卫星通讯带宽资源比较窄的地方，解决户外直播场景的问题？这里我们考虑的就不只是通不通的问题，而是受限情况下重应用的问题，
所以我们首先在终端上把连接这层的通讯技术做好，然后在应用层上把边缘计算，还有 AI 技术结合起来，解决卫星通讯低带宽下做视频直播的问题。
也就是说，高速路修好了不够，有车了其实也不够，车怎么跑得更快，运的东西更多，坐得更舒服也是我们需要研究的。
这就是我们团队努力的方向，怎么去挖掘用户这样的应用场景，要想卫星通讯应用在各行各业，让每个人都可以用起来，迎合产业里的既有需求远远不够，还要去挖掘潜在的，还没有看到的各种需求。
Q：如果只用一句话，网翎如何定义「消费级卫星通讯终端」？
A：国内明确说「消费级卫星通讯终端」理念的话，网翎确实是第一家。
一句话来说，就是「所有通讯中断之后的兜底方案，并且大家买得起，买得到，能用起来」。
买得到很重要，这也是我们很专注的事情，原来的卫星通讯产品，别说你有没有需求，消费者买都买不到，都不知道去哪里买。
▲ 网翎卫星上网机 Pro
Q：不可避免地，网翎会被拿来和星链 Starlink 做对比，也有人说网翎是「中国版星链」。在你们看来，二者的相似和不同在哪里？
A：我首先来说不同，产业角色定位肯定不同，星链是一个全产业链条整合的角色。我们更专注于终端和应用。
相通的地方在于，用户理解我们都是「卫星通讯服务」提供商，我们不只是销售卫星通讯终端，也包括卫星通讯服务，我们的新品是以流量绑定的方式推向市场的。
其实我们也发现，用户在接触卫星通讯的时候，对卫星的认知是极为模糊和间接的，就像手机用户不太在意基站在哪里一样。
除了这个，我还想想说，我们都是在以「第一性原理」来思考问题。
比如马斯克就问，为什么产品成本这么高？然后去找原因，生产过程的？供应链不对？设计原因？我们公司现阶段的能力可以把这些问题解决到什么程度？
我们也是一样，如果不是从这个角度考虑，那我们就会从「交易」的视角考虑问题，把招标需求和现有客户需求当做最重要的需求去做。
不光是卫星通讯，任何一个新兴产业，水面之上的东西只是产业里很小的一部分，机会往往在水下，怎么挖掘水下机会就是需要回归到「第一性原理」，是不是有技术和产品进步的机会，客户群还有什么尚未满足的需求，还有什么新的客户群，这就是我们这个创业团队需要考虑的问题，这些问题考虑清楚了，产业的规模也就上来了。
▲ 网翎卫星上网机 FLEX
把卫星通讯做成消费品，就像把台式机做成笔记本
Q：卫星通讯终端这个行业过去看起来像手工业和制造业的结合体，为什么一个听起来很尖端的行业，实际生产方式却相对原始？是不是因为行业需求少、项目制交付多，产量不足以支撑大规模工业生产？
A：对，基本上就是你说的这个原因。
其实不仅仅是卫星通讯终端，我们去看商业航天的整个链路，包括到卫星制造甚至是火箭生产，更多的是需求侧驱动，是个典型的甲方乙方模式，但需求第一是很少嘛，然后就是特种需求，就要做定制化，所以说本来客户就少，并且每个客户的需求还不一样，所以没法要求用规模化标准化的模式去做，产品的定义权不在终端这一侧。
如果我们不想用这样的方式去做，那我们就要能够引领这个市场的需求，不仅仅说是在供应链上，设计上做标准化。
Q：网翎 Ku 频段 Pro 版的传动机构与苹果 MacBook 铰链设计团队达成合作，把消费电子级精密制造引入卫星终端。在此之前，行业是怎么解决高精度对星和传动结构问题的？网翎引入消费电子级精密制造能力，除了提升精度，还解决了哪些问题？
A：之前行业能不能解决这个高精度对星的问题，是能解决的，不是说别人解决不了，我们解决了。我们解决的是什么问题呢？主要是小型化精密性，还有成本的问题。
原来的终端用到的电机往往比较大，这样集成度就不够，成本也会高。如果我们要做得体验很好，还要能规模化生产，那原来的行业方案就没法满足我们的目标。
我们和 MacBook 铰链供应商一起设计了集成度非常高的双电机控制方案，能够实现卫星通讯天线的三种旋转方案，方位角、俯仰角、极化角，用小型化电机解决了卫星通讯天线多轴旋转的挑战，然后在小型化之外实现了标准化的规模生产能力。
引入消费级精密制造能力也不止高精度对星传动结构这个，还有很多方面，比如射频里的对微波器件，因为对微波器件对应的是高频频段，波长很短，所以对器件平整度要求非常高，之前的供应商能够做，但是成本比较高，批量化能力也比较弱，一个月也就做几十个。
新供应商原来不是做这块的，但是从生产能力来讲，具备高精度加工能力，最后也是做成了。
Q：拿到红点奖对销量、渠道和用户认知是否真的产生帮助？卫星通讯终端的工业设计，具体解决了哪些真实使用问题？比如便携、展开、收纳、寻星、交互、防护，而不仅仅是外观更好看。
A：首先我们做工业设计这个事情，目的肯定不是为了得红点奖。
出发点还是想把用户体验做好，通过工业设计，把它的便携性，易用性，易操作性做好。其实不只是硬件设计，我们在 App 上也做了很多设计，包括 AR 的辅助寻星，设备管理，流量管理和充值缴费一整套的体验，就跟智能家居设备管理一个样。
原来想要充值流量还要跟卫星中心公司签合同，公对公付款，不像现在这么方便。也就是说，我们所有的设计工作，是为了让更多的人能够选择和接受卫星通讯产品，这些工作做好了一周，恰好拿到了红点奖。
你要说拿奖有没有什么价值，我不认为有太大的价值，但是把体验做对，在后续的销售当中，价值就非常大了，因为你通过设计把门槛降低了，易用性做好了，非专业的用户也用得起来了。
但是在卫星通讯终端上把体验做好，代价其实是很大的，如果我们做的是成熟的消费电子产品，工业设计问题一般只是工业设计问题。但是在卫星通讯领域来讲，往往就不只是一个工业设计问题。如果想把工业设计做好，意味着在元器件生产，射频性能等等方面，要付出远超同行的代价和精力，这里会触碰到很多工程边界。
比如说天线上要做一些专利的技术，天线做薄，把弧面做小做平，才能做成跑车的流线形状，射频上要进行自研，才能提升整体集成度。不然的话，就不能叫设计，只能是个没法落地的构思。
毕竟我们做的是卫星通讯产品，最后是要执行非常严格的无线电标准。
▲ 网翎卫星上网机 FLEX
Q：目前网翎已经掌握 Ku 和 Ka 频段氮化镓 PA（Power Amplifier 功率放大器） 芯片的自主知识产权与流片能力，量产和终端使用规划大概是什么样的？相比海外方案，成本和性能的对比情况如何？
A：现在已经开始量产商用了，当时规划两款芯片的时候，就是为了在产品上落地。
其实就是前面一直说的，要有自己的定义权，能够自己驱动事情。因为整个芯片的流片到量产周期大概是 18 个月，所以在做落地产品的时候，样机也需要在量产的 18 个月前就做好，这是需要规划的，保证产品和芯片对齐时间最终落地。
至于性能的话，我可以举个很具体的例子，今天（采访当日，5 月 20 日）上午，是应急管理部组织的全国应急体系的比测，所有的卫星终端厂商拉到湖北荆州，比的是极限情况下的信号发射能力，也是我们 Ka 频段终端的首次亮相，最终的结果是我们作为一个小体积产品，在终端的信号发射能力上是保底前三的水平。
终端天线做大，发射能力就大，这是基本的物理定律，小终端想要发射能力大，意味着整个射频发射模组的能力要强，也就需要射频发射芯片在性能指标有优势。所以这个以小胜大的比测结果，就很能反映自研芯片带来的性能优势。
成本优势的话，只能站在我们自身的角度比较，因为以前我们是要采购别人的芯片，从裸片对裸片的角度来说，有三倍左右的价格差。
▲ 氮化镓 PA 芯片
Q：针对卫星通讯流量费用昂贵的问题，网翎做了视频编码压缩、边缘计算和相关算法优化。这项工作是其他品牌没有能力做到，还是做了但没做好？「AI 生成技术」具体参与了哪一环，是增强画质、补帧、压缩、内容重建，还是链路优化？
A：坦白说，做边缘计算和算法优化这些事情，不是我们规划之内的事情，创业的时候根本没想过，完全可以说是市场需求驱动出来的结果。
当然，做编码压缩边缘计算这些事情的能力在市面上肯定是有团队可以做的，并不是个别公司有能力去做的事情，但是这个能力复合到卫星通讯行业，并且把整合体验做好，这种复合能力是很稀缺的，因为传统卫星通讯终端公司往往专注硬件本身。
AI 生成技术的话，就类似于视频或者游戏里的插帧和补帧，当然这个还是技术储备阶段，我们做这方面的技术储备，是希望能在更窄的带宽下实现视频的通讯，这里已经不是通过传统视频编码压缩能解决的问题，所以就需要用到一些生成式 AI 技术。
本质上我们是在做语义通讯，就是在极窄的带宽下实现高清视频传输，需要建立对视频含义的理解，包括用深度学习的方法，在实验室里我们跑通了这样的 demo，在 100 多 kbps 的网速下实现高清视频的传输，不过从产品化角度讲，还是有一定距离。
Q：如果网翎希望带着行业从 B 端、G 端业务往 C 端方向走，整体来看，需要克服哪些关键问题？是终端价格、流量资费、卫星资源、用户教育、渠道建设，还是应用场景本身还不够成熟？
A：不同的阶段，会有不同的卡点。
三四年前开始创业的时候，我们很具体讲的是怎么把硬件终端做好，因为当时卫星通讯终端最大的痛点还是比较大，比较贵。怎么让它便宜，怎么能让它批量化生产，怎么让它用户的体验好，到达软硬件体验的闭环。这里还涉及到很多技术细节的研发，包括天线技术，射频的技术等等，都要去解决。
我们讲创业是「入窄门」，如果一上来就是个大市场，也轮不到我们创业。什么叫市场，什么叫需求？
前几年来看，这个市场好像没卖出特别大的量，我们就可能认为需求很低？但其实这是两个概念，认清了这一点之后，我们就需要挖掘卫星通讯背后的潜在需求，需求低是很多因素造成的。很多消费电子从小品类走向大众，都要经历这样的过程，在正确的时间用正确的技术做出正确的产品，然后需要考虑清楚，在正确的时刻，要针对什么样的客群，然后下一步的技术往哪里深挖，产品规划怎么做？
前面讲了，卫星资源侧快速发展，解决了带宽的服务能力，未来资费也会有机会降低。对我们来讲，很专注的方向就是让终端实现「低成本，高体验和小型化」，这是亘古不变的技术方向。
这个过程，就是我们从 ToB 再到准专业 C 端，再到大众 C 端的过程。对于我们来说，也是要挑选具体细分的人群，就像 iPhone 一样，最开始也不是针对所有人的智能手机，第一代出货量就几百万，是音乐发烧友，技术爱好者在购买，很多是从 iPod 用户转化过来的。
我们也是一样，就是专注自己的客户群，把视频传输能力，行业场景能力，AI 能力和卫星通讯能力结合好，交付给客户完整的体验和能力。
Q：网翎大量来自消费电子行业的经验，在工业设计、产品定义层面带来了明显优势。但卫星通讯目前还不是一个完全爆发的 C 端市场，仍然以 B 端、G 端和准专业 C 端用户为主。过去在消费电子行业成立的方法论，有没有碰壁或者需要转换思维的地方？
A：把 B 端和 G 端的产业，往 C 端去推，转换供应链，做自研，引入新的工艺和技术，包括降本和规模化的手段过程中还是踩了很多坑的。
把消费电子行业的经验引入到卫星通讯行业不是百试百灵，走了很多弯路，也很多失败的经验教训，毕竟是用了另外一个产业的模式去做，不是
所有的经验都适配，比如有的供应商，没有那么理解卫星通讯的特殊需求，就需要更多的试错和沟通成本。
关于思维转换的方法，我可以补充一点。就是在卫星通讯行业，要把客群细分，还要再切得更细一些，这是想要真正把卫星通讯推到 C 端必须要考虑的现实问题。
我们前面说无人区穿越游的用户是准 C 端，几乎每个人都旅游，但不是每个人都玩穿越，所以我们停在这里，仍然不能做到绝对大众，下一步的客群是谁？就要把客群切得更细。
之前在消费电子行业，三步四步就走过去了，一款手机就是百万级的出货量，放到卫星通讯产业，就需要做好心理准备，能不能八步就不走过去。
我们实际上的产品规划就是这么规划的，大约会在明年发布的产品，就是给比穿越游用户更大众，但也不是面向寻常百姓需求的。
▲ 《镖人》剧组在无人区使用网翎卫星上网机
《镖人》剧组是典型用户，这样的用户应该更多更大众
Q：《镖人》剧组当时选择网翎卫星产品的原因是什么？他们在无人区拍摄过程中，想要解决什么问题？使用之后有没有反馈，比如稳定性、速度、操作门槛或者现场协作效率方面的感受？
A：他们在筹备《镖人》拍摄的时候，了解到现在有了民用的卫星通讯终端了，就主动找到了我们。
提出了一个问题，比如能不能支撑现场演员，摄制组的远程视频通话需求，能不能支持导演远程看监视器等等。我们沟通完评估觉得我们是可以的，就达成了合作。
现场确实是保障了演员和摄制组和外界的正常沟通，在新疆克拉玛依，魔鬼城等区域，是完全没有信号的，过去演员去无人区拍摄，默认就是跟外界断联了。现在用 2 台设备，1 台覆盖半径 50 米，差不多一个足球场面积的通讯，大概 几百 GB的流量，支撑起了整个对外的通讯。像是制片、导演、演员，在无人区拍摄《镖人》的时候，就能和外界视频通话，收发邮件，也是电影摄制圈子里第一次实现。
实际上，在互相的反馈和沟通中，我们和《镖人》剧组也算是首创了无人区拍摄剧组的通讯解决方案吧，积累了一些经验，比如说他们反馈产品轻便性很好，希望在防风防沙上做得更好。特别的一点是，他们发现把终端放在剧组保障车车顶上使用，对星效果特别好，还有就是电源分配，流量带宽设置这些，就是有了能够复用的方案。
包括后面正午阳光拍《生命树》，也是直接就买了我们的卫星服务。
▲ 《镖人》剧组在无人区使用网翎卫星上网机
Q：除了无人区剧组拍摄这类典型场景，卫星通讯还有哪些已经比较成熟的通讯场景？
A：和无人机巡检搭配前面说了，其实无人机是一个比较泛的场景，因为无人机适用场景很多，只要需要通讯，其实都可以和我们结合。
户外赛事前面也说了，无人区穿越游，玄奘之路戈赛这些。
很多场景也不是户外场景或者无网环境，其实只要是人多或者网络拥堵的环境，卫星通讯都可以用，有些也是在我们规划之外的。有一周我们接到了四个不同地区公安局的电话，我们还以为犯了什么事儿，实际上是他们需要在网络拥堵环境下做通讯保障，长春那边是有大型足球赛事，青岛是啤酒节，还有香港的是 PTU 机动部队需要独立的通讯链路。
所以说，城市内有网环境的这些卫星通讯场景，不是我们自己规划出来的，原来也没想到可以这么用，但是产品，营销和销售触点多了之后，很多场景就会自然出现。
Q：如果后续准专业 C 端用户，以及更大众化的 C 端用户逐步进入，这个行业的产值和需求会不会出现爆发式增长？你们对这个市场天花板的判断是什么？
A：我们现在的产品在准专业的 C 端已经有很多应用了，典型的就是赛事服务和影视拍摄。
很多影视项目都用了我们的产品，今年上的《镖人》电影，还有在央视一套播出的《生命树》电视剧，正午阳光出品的等等。
赛事服务上很知名的是八百流沙极限赛，这是国内最长距离、强度最大的专业极限越野跑比赛，全程 400 公里，800 里，我们主要做通讯保障，包括现场直播。
还有就是商学院组织的玄奘之路国际商学院戈壁挑战赛，就是「戈赛」，我们也做现场通讯保障，要服务 5000 到上万人的规模。
更 C 端的就是四大无人区穿越游的用户，罗布泊穿越啊，还有乌苏古道徒步的，大概 100 多个旅游领队，都在用我们的产品。我们的一些投资方找到我们，其实先是在穿越游上用了我们的产品，觉得很有意思，好奇哪个公司做的联系过来的。
▲ 网翎卫星产品在无人区使用
Q：那卫星通讯的客群，可以细分到什么程度？怎么样才算到一个 C 端突破的临界点？
A：我们先不说特别长远的目标，要三年五年去达到的，下一步我们在寻找一种或者两种这样的细分客群。我喜欢落到「年」这样的视角去看，年出货量，或者我们叫流速的概念，因为提十年累计出货量的意义不大。
我认为 10 万一年的出货量是一个重要的目标，是一个需要迈过的坎，在这之后就有机会卖到更大的数量级去。
从网翎这边看的话，就是未来两年的时间窗口，低轨卫星的组网期，我们抓住这样的机会，是能迈上 10 万一年的重要台阶。到时候会有在小型化和低成本上做到行业极致，并且针对细分客群场景体验做好的产品出来。
为一组照片摆了十几个 pose、拍了几百张废片，回到家想挑两张让 AI 修一修，结果 AI 说「请精准描述你的需求」。
审美这种事本来就是个性化的，我每次都是凭着自己感觉在 P，要想描述清楚到底该怎么 P，相当不容易。 说给人都难解释清，何况说给 AI。
面对AI，我只想说一句，「我要美」。结果就是它修了十张，没几张是能用的，还有几张根本不像我自己。
看着那些 AI 生成的 P 图，我很想知道，到底是我不会用 AI，还是 AI 根本没想过要懂我？
这两年我越来越觉得，现在的 AI 工具有点像越买越贵的智能健身器材，功能堆得越来越满，可大多数人扛回家，只用来晾衣服。
工具越强，人反而越累。我们好像都默认了一条潜规则：AI 越厉害，人就得越拼命去追、去学、去写小作文讨好它。
前几天 APPSO 来到美图影像节，他们一次发了八款产品，号称是「AI 影像团队」，这个节奏确实很 AI 了，但影像设计这个领域的 AI 产品实在太卷了，美图这次有什么不一样呢？
我发现其中有几款，恰好压在我天天犯怵的地方：人像修图、口播、做图，趁着假期我还是一款款真上手用了下来。
结果有点出乎我意料，它们和其他 AI 产品比起来有点「非主流」。别的产品让人去适应 AI，美图是让 AI 来适应人；其他人是只丢给你一个工具，美图会把能直接用的成果，交到你手上。
如美图创始人吴欣鸿所说：从「用户学工具」，到「用户直接获得结果」，从事实来看，这支 AI 影像团队交出的答卷，确实不太一样。
下面跟大家分享下我真实的使用体验，用的时候我的标准也很简单：东西能不能一次出对、比从前省了多少功夫、到底适合谁，给出的东西对我又有多大用处。
P 图也有一套 Skill
先从那款最戳我痛点的产品 Picchi 说起。通用大模型逼我们「精准描述需求」，说到底还是人在迁就 AI；Picchi 反过来——让 AI 来迁就你。
为了检验它的能力，我挑了四个层层递进的场景，看它到底做没做到。
以往用 AI 修图，最痛苦的莫过于每次都要重新打长串提示词，而部分 AI 的指令遵循能力不够强，还经常修改了表情，改到根本不像本人。
打开 Picchi 应用，首页找到「学我修图」，上传 3-10 组前后对比图，Picchi 就会创建一个专属我们自己的修图模型，它能自动记忆我们的修图风格。
实测的过程中，我尝试把一些平时 PS 的照片丢给它学偏好，再上传新原图，它能从原图和修后图中间找到完整的修图细节，直接 Get 到我的修图偏好。
值得注意的是，「学我修图」是 Picchi 采用顶级显卡、前沿算法以及高质量渲染来实现的，所以它对上传照片的要求也非常严格。
例如照片必须足够清晰足够大，照片的人脸区域也必须足够大，此外也只能上传同一人脸的照片，你帮其他人修的图不能和你自己的放在一起。
在「像不像我自己修的」这一项上，如果满分是 100 分，我愿意打 90 分。因为测试的时候，我上传的原图和对比图，其实就是简单的修了一些光，以及皮肤。在使用「学我修图」时，Picchi 很好地抓住了这些习惯。
硬要挑一处不足的话，就是创建次数确实太有限了，以及处理的时间还是有点久。
但这种「记住你是谁」的能力，相当于直接把我们过去繁琐的 P 图 流程直接打包成了一套 Skill，它也能在批量精修时展现出更大的优势。
例如，我们可以直接把出门旅游，拍的实际上原图一股脑批量丢进去，Picchi 就会根据之前总结的自定义图片模型，依照我们想要的风格，把照片统一编辑好。
如果你是一个不懂 HSL、不懂骨相蒙版的新手，平时就不知道该怎么手动修图，Picchi 无从学习你的修图模式，它便提供了一种「借用审美」的解法。
你可以直接在里面选用官方合作的「百万改妆师」或者「骨相修图大拿」等合伙人模型，直接在 Picchi 首页找到学 Ta 修图，里面就囊括了 Hana、哦基儿、Iris、清颜好困啊等模型，还有热门预设和灵感玩法。
我们从网上找了一些相机直拍的原图，然后放到 Picchi 中使用「学 Ta 修图」来进行修改；依次使用了哦基儿、Iris 和 Hana，最终呈现的高光面部提亮和骨相微调，是真的很像专业大拿坐在你身边亲自操刀的手笔。
在「学 Ta 修图」旁边，Picchi 还提供了一系列的预设，这些预设包含了当下的热门照片风格，像是 Pocket 3、理光负片、Xs Max、徕卡 DL7、鲜花增色、CCD 等不同的相机和场景。
而在「学我修图」和「学 Ta 修图」之外，那些我们常常挂在嘴边、说不清道不明的「氛围感」，Picchi 现在也能用自然语言准确拆解。
当我说出「修出冬日萧肃氛围感」时，它能自动调整面部暖调光和发丝微光，同组提示词直接出片，不需要像以前那样频繁「抽卡」碰运气。
Picchi 的价值核心就在于，它背后虽然是一支由调色、妆造、形象、打光、体态各司其职的 AI 修图师团队，但用户不必知道复杂的底层参数，只需要看到「真的像我、真的好看」。
而 AI 修图的终点除了要有更强的参数，更应该是懂你的那个人。专注人像这一件刚需，让 Picchi 反而做到了通用大模型做不到的「真的像你」。
给每首歌都能拍个大片的 MVLAND
如果说 Picchi 搞定的是静态人像的动态审美，那么另一款重磅新品 MVLAND，则把触角伸向了更注重情绪共鸣的音乐视频领域。
吴欣鸿在现场提到一个数据：在这个短视频时代，有超过 80% 的年轻人是通过刷视频发现一首新歌的。然而现实是，市面上绝大多数的歌，根本没有 MV。
少则几万、多则几十万的成本，两三月的制作周期，让 MV 成了少数头部的特权。这叫视频时代的「音乐遗憾」。我们做 MVLAND，就是想把这个遗憾补上。
在实测中，这也是最让我感到惊艳的一款新品。以前的通用 AI 视频工具往往「读不懂音乐」，最多只能傻傻地对个鼓点。但 MVLAND 的底层做到了对音乐结构、节拍、情感的深度理解。
它完美解构了一支专业 MV 必备的 5 大要素，拥有理解音乐、人物演绎、视觉风格、情绪编排、歌词字幕等功能，并行业首创了「画布剪辑台」。
把一首歌扔进去，音乐分析 Agent 会自动拆解节拍、段落与情绪并生成画面。
根据实际工作流对比，同样做一支精致的 MV，通用视频工具要 3 小时，MVLAND 只要 10 分钟，且画面情绪与音乐节拍严丝合缝。
再派出一支专业团队，直接交付
如果说 Picchi 解决的是「懂不懂你」，MVLAND 解决的是情绪和画面的对齐，那么在这次美图影像节上带来的另外几款产品，美图设计室、开拍和 RoboNeo，则将这种「直接交付成果」的底气，带到了更硬核、更需要全流程托管的商业生产力场景。
▲美图生产力场景多款 AI 影像产品
它们的场景覆盖范围相当广，涵盖了口播、电商、MV 和短剧，但落点出奇一致，那就是最终交付的，必须是一件能直接拿去用的成品。
连学都不用学，把口播交给「开拍」
在口播领域，美图推出了由导演、营销、拍摄、剪辑 Agent 组成的口播团队——「开拍」。这次更新，它实现了从选题到拍剪，再到成片和数据复盘的全托管。
这项全新的功能叫「开拍 AI 助手」。过去拍一条口播，我们要先想好文案、架起设备面对镜头，最后还要调整剪辑轨道。
而开拍 AI 助手的出现，让过去这种传统的工作流直接升级，口播创作变成了真正的「不用你想、不用你拍、不用你剪」。
我尝试扔进去一段粗糙的口播素材并选定网感模板，它会自动剪掉气口、加字幕、配 BGM 并直出成片。
这种全托管让很多个体户和创作者松了口气。根据开拍一些真实用户的体验，一位实体店老板娘提到，以前自己是「拍摄 5 分钟、剪辑 5 小时」，现在用开拍十分钟搞定。而快速产出的短视频获客，也让店铺业绩翻了 2.5 倍。
▲ 开拍 生成的自动字幕和花字视频
开拍的好用，是它让我们连学都不用学，它懂用户的生意，直接帮我们做视频，我们只需要把自己要传递的内容表达清楚，它会把成片这个「结果」直接交付。
一张商品图，变成一套卖货素材
如果说开拍解决的是个人表达，美图设计室解决的则是商业生存。
它通过市场洞察、内容策划、视觉创作、数据分析等 Agent 以及几十个专业技能，能够一次交付全套商业物料。
实测中，我上传了一张商品实拍图，输入商品卖点，它就能生成市场分析、场景图、卖点文案以及多尺寸电商海报的整套物料。
这一整套物料，能直接帮助用户进一步完善自己的营销方案，包括判断、选图、写卖点……美图设计室几乎是把「能不能卖货」的压力也扛了下来。
▲ 我们使用美图设计室内的爆款视频，给制糖工厂的小电拼生成了一段 15s 的小视频。
规模化生产短剧的 RoboNeo
至于面向短剧规模化生产的 RoboNeo，则直接模拟了一个真实的剧组，配置了编剧、选角、导演、美术、执行、运营等 Agent，它主打四大核心能力：懂短剧、镜头可控、资产沉淀和数据闭环。
在演示中可以看到，剧本、角色、分镜全在画布上可控可改，角色和场景可以跨项目复用，发布后数据还能反哺下一集。
这也是 RoboNeo 出力的方向，也是短剧规模化最难的一环，一致性与可持续。
这几款产品虽然场景各异，但它们合在一起，才真正撑起了「你的 AI 影像团队已就位」这句话；团队的意义，就是替你把结果交付到底。
人、灵感和定制需求也在这套系统里
而为了让这支团队运转得更稳、更远，美图还布下了三块重要拼图。
首先是作为人力底座的站酷（ZCOOL）。当人人都能产图，大家对 AI 生成内容的「信任」反而成了稀缺品。
运营二十年的站酷，其价值正是「相信一份作品背后那个鲜活的人」，这也为美图的 AI 提供着高视觉标准、AI 资产库和效果工作流。
而即将在 6 月 30 日上线的 Artflo 则走的是灵感创作路线。它保留你的判断，把概念影像那套又长又绕的创作流程压短，让过去一条动辄几十万的概念视频，用 AI 几百块就能做出来。
最后是 8 月 5 日推出正式版的MeituHub，它接住了标准化产品够不着的那 20% 规模化需求。用户只需要用大白话把需求说清楚，专家 Agent 就会替你搭出一条 AI 影像生产线，既能生成网页应用，也能通过 API 嵌入企业原有的流程中。
设计师、灵感型创作者、要规模化生产的企业，三类人需求差得很远。但美图想干的是同一件事：让 AI 来适应你，再对交付出去的结果负责。
AI 影像，开始从生成走向交付
把 8 款产品挨个体验下来，我的感受是：8 款产品合在一起，确实拼出了一套「AI 影像团队」。
虽然这个影像团队还有很多空间，Picchi 的专属模型训练时长，Artflo、RoboNeo 短剧新版、MeituHub 正式版也还得等正式上线才见真章。但有件事我越来越确定：美图这次是真正多走了一步，把焦点落在了「给你结果」这件事上。
这一步，恰恰是行业最容易跳过的。大家都忙着比「生成式 AI」谁生得更快、更炫，可用户要的是一次更好的商业判断，一条能直接发的视频，一支情绪真的对得上的 MV。
美图把这件事拎出来，做成了「交付式 AI」，AI 负责生成，也要把最终好不好用这件事扛到最后。
往回看，这也正是美图这两年种种变化的落点：从 App 到 AI Agent，工具复杂度的债由 AI 扛，不再甩给用户；从订阅到算力点消费，你买的是「成果」，费用跟着算力点走，功能权限退到后面；从成熟组织到 AI 创新组织，就是要适配新时代的需求……
最终，把 AI 产品的及格线，从「生成」抬到了「交付」。
▲ 美图主要产品
所以回到最初那个问题：美图「让 AI 适应人、对结果负责」，到底走到哪一步了？
我的答案是，它走到了把成果交付当成底线这一步，它没有把 AI 说成万能药，只一件件啃小众刚需。它始终站在用户和创作者那一边：靠效果驱动，少谈数据驱动。
当整个行业忙着证明「AI 有多强」，美图在证明的是另一件事：AI 到底能不能对你有用、对你的结果负责。前者制造焦虑。后者，才在终结焦虑。
发布会上，美图公司首席产品官陈剑毅说了句挺朴素的话：
做比想容易太多了，很容易让人产生一种我在创造价值的幻觉。但交付给用户好的成果，帮用户赚到钱，才是真正的价值。
AI 产品到底成不成，最后都得落回这句话上：不看它生成了多少，看你有没有真的用上，有没有真的拿到那个结果。
GPT-5.6 还没大规模放出来，监管先到了门口。
据外媒报道，美国政府要求 OpenAI 把 GPT-5.6 的早期访问限制在少数经过批准的企业客户中，理由是安全评估。
▲ 外媒报道美国政府出于安全考虑，要求 OpenAI 分阶段发布新模型
几乎同一时间，OpenAI 放出了一篇关于 Codex 的研究报告，里面大量的数据，似乎更能解释这种紧张感的来源：AI 已经开始从「回答问题」，真实的走向了「替人完成一段工作」。
这份报告的名字叫《The Shift to Agentic AI: Evidence from Codex》（向智能体 AI 的转变：来自 Codex 的证据）。研究对象是 OpenAI 自家的 Codex，就是这段时间以来国内外互联网的流量密码，能读文件、跑命令、改代码、生成文档、调用工具的 agent 产品。
报告里一些夸张的数据像是，OpenAI 每周可能消耗上千万亿 Token，其中 99.8% 都是来自 Codex。
ChatGPT 曾经是 OpenAI 内部默认的 AI 工作工具，在 2025 年 8 月，OpenAI 员工平均在 Codex 上的花费不到其 Token 的 10%。
而到了今年 6 月，从工程、法务、金融到人事，OpenAI 员工平均超过 90% 的工作量都交给了 Codex，OpenAI 活跃员工里，97.9% 用过 Codex。
按每天 Codex 运行总时长从低到高排序，排到第 99 百分位的那批顶端重度用户，每天可以产生平均超过 60 小时的 Codex 智能体运行时间，因为多个 agent 并行跑，所以一天能超过 24 小时。
▲ 有网友发梗图表示震惊，怎么会有用户一天能运行 Agent 71 个小时
也就是说，在 OpenAI 内部，工作场景里的 AI 使用，几乎已经切到了 Codex 上。
「你用不用 AI」，正在变成一个废问题
过去三年，几乎所有关于 AI 的讨论都绕着一个问题转：你要不要用。
OpenAI 早先发过一份分析 ChatGPT 的报告，结论是：人们用 ChatGPT，将近一半是在「问」——问问题、找信息、要建议。
▲ 去年 OpenAI 的 ChatGPT 分析报告显示，49% 的消息都属于询问
Codex 把整个倒了过来，人们用它「做」——调试、重构、验证、配环境、写文档、跑数据。
当 AI 只会聊天，「用没用」确实是个好指标，我们问它，它回答，用了就是用了。可一旦 AI 能替我们干活，该问的就变成了，我们能把多少活交出去，以及，有没有开始围着「给 AI 分配任务」重新安排自己的一天。
Codex 这份报告将衡量 AI 应用深度的指标，定位在我们交出去的任务有多重、agent 替人类跑了多久、用户是不是在同时盯着好几条工作线。
报告里也很清晰地说明了，Codex 现在适用哪些场景，哪些人；他们把用户分成三类：个人用户、外部组织用户、OpenAI 员工。
差异很明显。到 2026 年 6 月 11 日前的 28 天，个人活跃用户里，只有 0.7% 用过 Codex；外部组织用户高很多，达到 17.3%；OpenAI 内部则接近全员使用，达到 97.9%。
但如果按输出 token 算，Codex 的存在感会更强。个人用户里，Codex 贡献了 16.5% 的输出 token；外部组织用户里，这个比例已经到 63.3%；OpenAI 内部更极端，Codex 占 Codex 和 ChatGPT 总输出的 99.8%。
这数据很明显是在说：用 Codex 的人还没那么多，但一旦用上，使用强度很高。尤其在组织里，Codex 已经从一个小众工具，变成重度用户的主要工作界面。
报告里还有一张很关键的图：Codex 的增长已经不只靠开发者拉动。
2026 年 6 月，外部组织账号里的非开发者 Codex 活跃用户，相对 2025 年 8 月 1 日已经接近 189 倍；个人账号里的非开发者也超过 130 倍。
曾经 Codex 还被很多人当成程序员工具看，但增长最快的新增人群，已经来自非开发者。换句话说，Codex 的扩散路径正在从写代码的人，走向做文档、数据、研究、销售、招聘、法务和运营的人。
具体到从岗位看，工程师仍然是最早、最明显的一批。外部组织用户中，工程技术岗位的平均 Codex 输出占比达到 26.8%，数据和分析岗位约 15.2%。法务、招聘等非技术岗位也在增长，但平均占比还低，比如法务只有 1.9%。
OpenAI 内部的曲线更激进。工程、数据岗位直接飙升，随后招聘、法务等岗位也快速跟上。
报告说，2026 年初，OpenAI 的法务、招聘等岗位几乎还没怎么用 Codex；到 4 月左右，这些岗位的 Codex 输出占比已经和工程数据一样，快速冲到很高的位置。
虽然 OpenAI 内部的数据，某种程度上只能算是一个低摩擦样本，毕竟 OpenAI 员工熟悉模型，公司有充裕的使用额度，内部培训和经验分享也多。
它可能无法直接代表普通公司今天的状态，但是展示了一种潜在的未来公司形态：当权限、工具、流程都打开之后，非技术岗位也能开始用 agent 做好工作。
用户拿 Codex 做什么？
报告把任务分成几大类：代码实现、代码理解、代码验证、工程运维、应用管理、数据分析、研究、知识产物、协作、业务流程。
从图表看，软件相关任务仍然占大头。用户不只是让 Codex 写新代码，也会让它读已有代码、解释架构、修 bug、跑测试、配置环境、管理仓库、处理构建和发布问题。
到了 OpenAI 内部，任务范围继续往外扩展。报告提到，OpenAI 员工会用 Codex 做研究和数据分析等工作，外部组织用户也开始出现类似用法，尤其是销售、市场、招聘等岗位，会用 Codex 生成知识产物，比如文档、材料、说明、报告等。
这些任务有多重？
报告里有一个任务复杂度图，专门估算用户交给 Codex 的任务，如果让熟练人类独立完成，大概要花多久。
在个人用户样本里，2025 年 12 月，35.4% 的活跃用户提交过至少一个「熟练人类需要 1 小时以上」的任务。到 2026 年 5 月，这个比例升到 70.2%。
更重的任务也在增加。提交过至少一个「8 小时以上」任务的用户比例，从 2.1% 升到 25.6%。
怎么用，也变了。
报告看了三个指标：并发、运行时间、skill。并发是说大多数人开始在一周内同时跑多个 Codex 任务，管理多个 Agent。运行时间上，平均每天 71 小时的 Codex 运行时间最能说明问题。
而 Skill 则代表了另一种变化，用户开始把重复工作沉淀成可复用流程。报告说，活跃 Codex 用户中，调用过 skill 的比例从 2026 年 3 月 1 日的 5.4%，升到 6 月 11 日的 26.6%。个人用户是 25.7%，外部组织用户是 30.4%，OpenAI 内部达到 96.2%。
这些数据或许并不能直接等同于生产率提升，但这足以说明 Codex 进入工作流后，AI 的使用形态变了。
前段时间 Fable 5 关闭，社交媒体上很多人在嘲讽 Anthropic 的 CEO，说「谁让你天天搞那些耸人听闻的营销，什么被吓到了，恐怖到要关闭，现在真的被关闭了吧！」
▲说是回归，但是能体验到的人还是少数
现在，GPT-5.6 的命运好像要和 Fable 5 一样，甚至还没有正式发布，就被美国政府要求审核分批发布。
当 Agent 真实地在改变工作组织方式的时候，一个人可以同时开几个任务，让一个 agent 查资料，一个 agent 改脚本，一个 agent 生成表格，一个 agent 写说明文档。人站在中间，像项目经理，也像编辑，决定哪些结果能进下一步。
Codex 渗透到越来越多场景的能力，似乎能解释为什么 GPT-5.6 的发布节奏会变得敏感。
当模型只是在聊天框里回答问题，风险主要来自它说了什么；当模型可以调用工具、读写文件、执行任务，风险就会进入真实工作流。能力越接近执行层，发布就越像基础设施上线，无法再只是按普通产品更新来理解。
AI 的能力可能会像资源一样，是人力资源也是物质资源。
虽然 Codex 这么强了，但是报告里还有一个数据很现实，在过去 28 天内活跃于 ChatGPT 或 Codex 的 Go、Free、Pro 和 Plus 套餐用户中，使用 Codex 的用户不到 1%。
所以，跟着我们往期的 Codex 教程一起来上手这个时代的 Agent 工具吧。
让折叠屏展开以后，不再只是大号手机，而是千人千面的「原子工作台」。
世界上很多事情的发展，并不是线性匀速发展的，比如说国产汽车的发展，以售价为例，从几万块卖到十几万这个过程最为艰难，因为燃油车时代，十几万区间是合资品牌最中坚的市场区间。但是到了新能源时代，国产汽车一下子就可以从十几万买到几十万了。
尊界这次带来的 S800 Grand Design 典藏大观，回答的问题是，国产汽车怎么把车卖到一百多万。
在 6 月 25 日的尊界品牌盛典上，尊界全新超高端豪华系列 Grand Design 典藏大观正式发布，首款车型尊界 S800 Grand Design 典藏大观同步上市，售价 138.8 万元起。另外两项的旗舰 MPV 车型尊界 V800 预售价为 80 万到 120 万元，尊界 V680 预售价为 65 万到 90 万元。
尊界 S800 上市 13 个月累计交付 19000 辆，连续 9 个月稳居百万豪车销量前列。对于一个年轻的中国超豪华品牌来说，S800 已经完成了第一阶段任务：证明中国品牌也能够进入百万级豪华车的核心战场。
尊界 S800 Grand Design 典藏大观要做的，是摸到百万级门槛之火，能不能更进一步。
宁可一思进，莫在一思停。
百万之上，技术和产品力就是基础了，更需要的是文化，底蕴，故事和设计，这都需要进一步的重新思考。
从豪华产品，到「可收藏」的豪华产品
如果说普通版尊界 S800 需要让用户相信中国品牌可以做百万级旗舰轿车，那么 Grand Design 典藏大观版本如果要成为能够和迈巴赫，乃至宾利与劳斯莱斯竞争的产品，就需要更进一步的文化底蕴。
这一次，尊界把设计主题定为「锦绣」。
「锦」对应金色，「绣」对应工艺。它们被放进车身颜色、车身线条、内饰材质和座舱光影之中，构成整车最核心的视觉线索。尊界为 S800 Grand Design 典藏大观带来了两款专属配色：「远山青黛」和「旭日曜金」。
「远山青黛」取自山水画中远山与暮色交融的蓝黛色调，整体并不追求一眼可见的浓烈，而是更偏沉静、深邃和克制。它要表达的不是某一座具体的山，而是一种远望山水时的气韵。对于一台 5.48 米车长、3.37 米轴距的旗舰轿车来说，这种颜色会弱化车身尺寸带来的压迫感，让整车更接近一种低调的礼宾气场。
「旭日曜金」明显更具仪式感，它的灵感来自敦煌莫高窟中跨越千年的金色记忆。阳光照射车身时，高光处明亮，暗部保留温润质感，配合车身金色线条，会形成类似壁画光影流动的效果。这种表达方式，其实和很多传统豪华品牌对历史、宫廷、建筑和艺术的借用很相似，只是尊界试图将它换成更东方的文化坐标。
两款车色之外，真正贯穿整车的是「以金为脉」的设计逻辑。
在车头，S800 Grand Design 典藏大观采用金色品牌 LOGO，内部融入几何切面纹理，驻车状态下还支持点亮。这个 LOGO 既是车头的视觉中心，也是整车金色元素的起点。金色从车标延伸至引擎盖中轴线、车身腰线、轮毂、D 柱 MAEXTRO 字标和车尾标识，形成一套前后呼应的身份系统。
最能体现工艺难度的，是车身侧面的金色腰线，类似的故事在劳斯莱斯等豪车身上出现过，不过相比于腰线之神一生悬命的叙事，尊界这款车依旧希望用技术来衬托文化和价值。
这条腰线长约 4.5 米，宽度仅 3 mm，最尖处只有 0.5 mm，精度控制在 ±0.1 mm。它并非简单贴附在车身表面，而是通过 7C5B 喷涂工艺与漆面融合。完成一台典藏车身，需要在无尘车间连续作业约 120 小时。
21 英寸双金环日曜锻造轮毂也沿用了同一套逻辑，单只轮毂从素材到成品需要约 16 小时，经过锻造、抛光、底漆、金色漆遮蔽喷涂、面漆喷粉等 10 道工序。轮毂上的双金环来自中国传统文化中对「圆」的理解，象征圆满、周全与和合。
进入车内，S800 Grand Design 典藏大观的「典藏」感会更加明显。
座舱以「东方奢享座舱」为设计理念，全车共 18 处真木饰板，选用金丝柚与金棕安利格天然木。相比屏幕、皮革和金属，木材天然带有时间感，也更容易建立一种温润、稳定的空间氛围。
尊界在这些木饰板上采用了细木镶嵌工艺，全车超过 1300 片木件与 138 片黄铜金属饰件混合镶嵌，组成尊界六边形 LOGO 与钻石菱纹。每一片木件上车前都要经历选材、排纹、拼接、打磨、髹漆等十余道工序，最终被封存在透明保护层之下，以满足车规级耐候要求。
这种工艺的意义，不只在于「复杂」，它让一辆智能电动车的座舱拥有了传统器物的质感。过去，中国品牌在豪华车内饰上很容易陷入两种路径：一种是用大屏制造科技感，另一种是用大量软包、镀铬和氛围灯制造视觉填充。
尊界 S800 Grand Design 典藏大观的思路更接近工艺品逻辑，用时间和手工痕迹去建立价值感。真木 HOD 感应方向盘也是一个很有代表性的细节。它将天然真木沿方向盘外圈连续铺陈，并以金属条点缀。方向盘有连续弧度，木材需要完成弯曲、贴合与收口，单根方向盘木材弯曲贴合工艺约需 5 小时。同时，它还要兼顾辅助驾驶中的 HOD 感应能力，通过动态自适应与滤波算法判断驾驶员手部状态。
中控区域的水晶旋钮也进行了升级。整只旋钮由 116 个晶体切面构成，单只加工约 9 小时，中部嵌入尊界 LOGO 与 Grand Design 标识。中央旋翼挡板内还集成水晶香氛灯，由 244 个晶体切面构成。水晶、金色饰圈、真木饰板和刺绣字标，共同构成座舱中央的视觉焦点。
如果用户选择「锦绣繁花」主题套装，座舱的工艺属性还会进一步增强。
这套主题包含量产刺绣星空顶、双层威尔顿编织地毯、锦绣繁花靠枕、安全肩带以及专属 UX 主题等配置。其中刺绣星空顶采用宫绣中的手工推绣技法，整片顶棚历经约 51 万针刺绣，并由匠人手工定位 832 颗光纤。未点亮时，它是一幅繁花织绣；点亮后，光纤从绣面深处透出，形成星河与花纹交织的视觉效果。
对了，这个主题套装的选装价格是，20 万元。
这就是 S800 Grand Design 典藏大观最能区别于普通豪华车的地方，它当然仍然是一台智能汽车，但尊界希望它同时像一件可以被长期拥有、被反复观看和触摸的物品。
堆料，堆配置，豪华汽车进入「体验竞争」
一台百万级旗舰轿车大概率不是用来开的，而是用来坐的，所以其真正的价值场景往往发生在后排：商务会谈、长途休息、家庭出行、个人独处，甚至临时办公和私人观影。尊界 S800 Grand Design 典藏大观的另一条主线，就是把车内空间进一步做成一个可切换的移动场景。
基于这个前提的典型配置，是折叠侧翼屏风。
相比固定隔断，折叠侧翼屏风可以在开放和私密之间切换。完全收起时，后排视野更开阔，前排座椅还可以向后调节 30 mm 并实现躺姿；需要观影、休息或商务交流时，屏风展开后又能形成相对独立的后排空间。对于一台行政四座轿车来说，这种空间灵活性比单纯增加配置更有意义。
声音系统也是重点。尊界 S800 Grand Design 典藏大观搭载 HUAWEI SOUND Ultimate 华为悦彰非凡系列音响，全车 43 个扬声器，采用 7.5.10 声道布局。它并不只是扬声器数量更多，而是可以根据座舱空间状态进行自适应调音。屏风开合、投影幕布升降、乘员数量变化，都会改变车内声音反射与扩散方式，系统会实时匹配声学模式。
头枕音响也是一个关键配置。全车 4 个座位均配备 4 扬头枕音响，共 16 个头枕扬声器，每个座位都有独立的高中频单元。配合独立音区技术和声学隧道降噪头枕，前后排声场可以自动隔离，官方称声音隔绝率可达 99%。这对于商务场景很实用：前排可以导航或通话，后排可以听音乐、开会或休息，互不打扰。
隐私声盾 2.0 则进一步指向商务用车需求。它可以通过声场控制和白噪音算法，对后排对话进行声音遮蔽，官方称可实现 90% 以上对话信息隔离度。对于很多高端用户来说，车内安静只是基础，更重要的是谈话不会被司机或外界轻易听清。
健康座舱同样是此次升级的重点。
新一代鸿蒙 ALPS 健康座舱首发 MOFs 可吸附降解材料 2.0，全车覆盖 16 处，总面积达到 16 平方米。官方表示，相比上一代材料，综合吸附能力提升 40%，醛类物质吸附能力提升 20%。这类配置很难在试驾中被快速感知，但对于一台常用于接待、家庭和长时间乘坐的旗舰轿车来说，空气质量会成为长期体验的一部分。
空调系统也进一步智能化。车辆可一键开启清新模式，自动切换内外循环、调节空调风量，并释放负氧离子。全四区独立空调结合实时阳光矢量模型，可以根据光照和体感变化调节温度。UWB 生命体监测则用于识别车内生命体，在异常情况下自动开启空调并向车主预警。
静谧性方面，尊界 S800 Grand Design 典藏大观采用声学增强型 PVB 双层夹胶玻璃，覆盖前挡风、四门以及后排三角窗。全车吸音材料超过 40 kg，面积达到 21 平方米，并配合 RNC 主动降噪技术。对于这类车型来说，静谧不只是隔绝噪音，也是在为谈话、音乐、休息和思考提供基础。
座椅则继续采用行政四座布局。后排双 ActiveSafe 零重力座椅最大躺角 148.5°，支持 20 向电动调节，头枕与腿托均支持 4 向调节，并提供通风、加热以及全身 20 点指压式按摩。更重要的是，ActiveSafe 零重力座椅可以实时联动 ADS 信号，在特殊安全场景下自主调整座椅姿态，在舒适与安全之间做动态平衡。
科技部分，S800 Grand Design 典藏大观继续强化尊界的智能化标签。
新车搭载全新一代立体融合感知系统，采用 6 激光雷达矩阵。前向 3 激光雷达提供感知冗余，其中 896 线双光路图像级激光雷达支持长焦与广角双光路感知，可在 120 m 距离稳定识别 14 cm 高的小体积障碍物。舱内激光视觉雷达则采用激光与视觉共光路融合方案，提升近距离障碍物识别能力。车辆还配备激光雷达洗刮一体系统，支持智能脏污检测与清洗。
底盘部分，尊界专属新一代华为途灵龙行平台搭载全栈自研 800 V 高压全主动悬架，单轮最大举升力 12000 N，最大举升行程 80 mm，最大举升速度 400 mm/s。双阀连续可变阻尼减振器支持 1000 N 到 10000 N 阻尼调节。简单来说，这套系统要解决的，是一台大型旗舰轿车如何在舒适性和灵活性之间取得平衡。
后轮转向角度达到正负 12°，打开极致转向模式后，最小转弯半径为 5.05 m。对于一台车长接近 5.5 米的旗舰轿车来说，这意味着它在城市掉头、地下车库、狭窄道路会车时，可以减少驾驶压力。全主动悬架还可以通过道路预瞄 2.0 与全维协同控制模型提前识别路况，减少俯仰、侧倾和车身垂向起伏。
也就是说，尊界 S800 Grand Design 典藏大观基本上可以视作是华为鸿蒙智行技术的集大成者，能上的技术和配置，基本上都给安排上了。
尊界 V800 来了，尊界开始拥有第二辆旗舰
如果说 S800 Grand Design 典藏大观是尊界继续向上的一步，那么同场亮相的尊界 V800 和 尊界 V680，则意味着这个品牌开始真正扩展产品矩阵。
尊界 V800 定位为时代旗舰 MPV，也是鸿蒙智行 MPV 品类中的高端产品。它面向的场景很明确：一边是高规格商务接待，比如明星艺人、顶奢酒店、航司、赛事机构、世界 500 强企业和影视经纪公司；另一边则是高端家庭场景，比如多孩家庭、企业主、高知精英以及隔代共居家庭。
从尺寸看，V800 的车身尺寸为 5495×2006×1850 mm，轴距 3430 mm；同属大型豪华 MPV 的 V680 尺寸为 5320×2006×1850 mm，轴距 3290 mm。V800 舱内有效空间达到 3.9 m，提供 758L 后备厢空间，支持 7 人 7 箱；最大扩展容积可达 2713 L，并提供超过 10 种空间布局。
对于 MPV 来说，空间从来都是基础，但尊界想表达的显然不止空间。
V800 外观延续「天地人合」顶层设计理念和「纵横星瀚」家族化设计语言，并采用全新的「曜启天地」车标设计。车头 MAEXTRO LOGO 可点亮，内部采用近百道曜日纹理，搭配漫反射光效，视觉上更接近高级腕表表盘的精密纹理。两侧车规级水晶大灯与星河大灯组成对称 C 字造型，强化整车前脸的礼宾感。
迎宾系统是 V800 一个很重要的亮点。
车辆配备 360° 全立体智能交互迎宾主题，车头、车侧、车尾灯光可以根据宾客走近方向呈现动态变化。迎宾光毯最长 5 m、宽 3 m，配合车侧毫米波雷达和星闪钥匙，解锁时即可触发光毯展开和电动门开启。双百万像素全彩智能投影大灯支持彩色投影，投射最长 6 m、最宽 2.8 m，可用于迎宾、节日灯语、露营投影等场景。车尾则采用全彩智能交互流光尾灯，两个尾灯灯珠总数达到 5032 颗，单颗灯珠可独立控光。
进入车内，V800 的重点是把传统 MPV 的「第二排舒适」扩展成完整的后舱体验。
二排座椅单侧横移距离达到 70 mm，二排与三排之间通道宽 170 mm。车辆可以在 7 座布局和大四座模式之间切换，三排翻转收纳后，二排腿部空间最大可超过 1.4 m，视距超过 3 m。对于商务场景来说，它可以是一间移动会客厅；对于家庭出行来说，它又能在多人乘坐和高舒适模式之间切换。
隐私方面，V800 通过二三排侧窗调光玻璃、电动遮阳帘、天幕电动遮阳帘、尾门电动帷幔和前向电动隐私帷幔，形成二三排物理级私密空间。长按一键隐私，可以关闭全车媒体音与提示音；短按则开启隐私声盾，保护后排谈话内容。
V800 还搭载 MPV 首发的 41.6 英寸投影巨幕，支持 1080P 分辨率。一键开启观影模式后，幕布下降并联动遮阳帘，后排可以变成私人影院。不观影时，幕布也可以只打开四分之一，变成悬浮信息屏，用于显示天气、时间或音乐信息，甚至作为后排屏风提供遮挡。
更有意思的是卷轴星空顶和私享饮吧。V800 搭载行业首例卷轴星空顶，天幕可以展开保持通透视野，也可以关闭形成星空顶效果，并支持自定义画面、手势交互和电动开合。私享饮吧则是全球首发前装车规级即热私享饮吧，内置车机互联全自动即热式车载胶囊咖啡机，支持热水、咖啡和茶饮场景。
它甚至还配备智能电动鞋盒，位于前排座椅下方，支持电动按键、手势和小艺语音控制，可存放 45 码皮鞋、运动鞋、拖鞋和高跟鞋，并具备除臭杀菌系统。
这些配置看起来很细，甚至还带一点「过度周到」的味道，但这正是旗舰 MPV 的特殊之处。它的豪华感并不只来自大屏和座椅，更来自那些围绕真实场景设计的小功能：上车换鞋、会议结束喝一杯咖啡、孩子睡着后一键静音、到酒店门口打开光毯迎宾。
底盘方面，V800 同样搭载 MAEXTRO 专属途灵龙行平台和全域融合架构 2.0，并成为行业首款搭载全主动悬架的 MPV。对于一台车身更高、车长更长的大型 MPV 来说，悬架系统不仅影响乘坐舒适，也直接关系到高速稳定性、制动俯仰和弯道侧倾。
是的，对于大多数汽车内容的读者来说，这一次尊界发布的产品，设计还有文化内涵是偏传统的，成熟的乃至老派的，很难让二三十岁的年轻购车人群有共鸣。在一些年轻人为主的社交平台或者论坛，尊界也不是一个很受欢迎的品牌。
毕竟这也不是一个为年轻人准备的品牌，而是为他们的父辈所准备的。
很少有一个 AI 产品的目标，是用「斤」来衡量的。
DAU、GMV、留存率，这些是科技公司习惯的黑话。「斤」不是常见的产品指标，没法在后台看板里拉一条曲线，这个单位更常出现在菜市场。
一家 AI 公司，为什么要用一个菜市场的单位来做 KPI？因为它关乎每一个普通人的健康刚需： 6 月 22 日，全国最大的健康 AI 应用「蚂蚁阿福」给自己定了一个谁都没见过的 KPI：帮全国用户科学减掉一亿斤体重。
这个 KPI 听起来口气很大，但全国网友的热烈反应，很难让人觉得这个目标难以逾越。预热阶段，阿福刚说要给大家供应地板价体脂秤，结果大家立马就坐不住了，纷纷喊话阿福把体脂秤价格打下来。
结果，昨天阿福 App 上的体脂秤开抢，9 块 9 邮费+1 分钱可领的「骨折价」，瞬间点燃网友减重的热情，首日就被抢了 30 万单。这个常出现在菜市场，带着烟火气的 KPI，打到了每个普通人的心趴上。
减重这件事，为什么那么多人反复失败
阿福把目标定成一亿斤，不是拍脑袋喊口号，它面对的是一个真实且庞大的困境。
今年正是「体重管理年」三年行动的收官之年。根据国家卫健委的调查，中国成人超重率 34.3%、肥胖率 16.4%，合起来超过 50%。也就是说，每两个成年人就有一人体重亮了黄灯。
▲ 图片来自：新京报
大多数普通人减重，动力并不是最关键的，而是有很多卡点造成了动力不足。出乎意料的是，很多人看不懂自己的身体。
比如，体重秤能告诉你多重，但缺乏更进一步的细节——体脂率多少、肌肉率够不够、内脏脂肪有没有超标，一概不知，等于闭着眼睛在减。
对于减重的科学方法也缺乏信息，或者说本身门槛太高，绝大多数人并不会专门请一个私教，来告诉自己今天该怎么吃、明天该怎么练，基本就是靠短视频上的食谱和直觉蛮干，减一斤反弹两斤是常态。
这些问题乍一看可以靠坚持解决，但那太考验人性，况且本质上也不全是意志力问题，而是工具和方法问题。
不靠意志力靠什么
蚂蚁阿福喊出「减重 1 亿斤」时，已经做好准备，让专业 AI 带着趁手工具来解决所有卡点。
不了解身体？直接安排体脂秤。阿福集中采购了一批智能体脂秤，以近乎补贴的超级低价提供给所有人。
道理很简单，只有先让用户看清自己的身体数据，从体脂率、肌肉率、到内脏脂肪，减重才有路可循，不是闭着眼睛瞎蒙。
你把体脂秤连接阿福 App 后，AI 根据用户的体重、体脂、肌肉率，能给出个性化的饮食和运动建议。
这就相当于拥有了一个免费的 AI 减重搭子。
相比于短视频里泛泛而谈的「多动少吃」，阿福能够具体地针对个人的身体数据展开分析，做到真正的定制化。这个门槛踩住了，就有了信任的基础。
最后，还是得回归坚持这个最大的卡点。阿福的计划是，用游戏化的激励机制，把减重从一个孤立无援的自律任务，变成一场有队友、有奖励、有进度的集体行动。这次还公开征集了妙招：PK 赛怎么设计才好玩？奖品是什么？地板价该定多少？——让用户自己定义规则，参与的就不是一个产品，而是一件事。
行动还没上线，全国网友就集体喊话阿福「要装备」，希望先把体脂秤的价格打下来。现在，「骨折价体脂秤」已开启领取，支持准确测量体重、体脂率、肌肉量等 18 项身体数据。除了 9.9 元快递费，全国网友实付 1 分钱就能拿到手，参与科学减重。
三位一体：先看清身体，再学会行动，最后，大家一起想办法坚持下去。
从「问答」到「陪练」，健康 AI 找到正确打开方式
如果只是一个体脂秤加一个 AI 教练，这件事没什么稀奇的。阿福的不同，在于它跑通了一个多数 AI 产品还没做到的服务闭环。
大多数 AI 还活在对话框里。它能回答你「怎么减肥」，但回答完就走了。阿福做的事，是把 AI 的建议接进了真实的硬件和每日行动里：绑定设备、自动关注身体数据、AI 实时解读、定制每日计划、到了时间就提醒。
这套「健康记录-分析解读-健康行动」的闭环，让 AI 从「看完就忘」变成「看完就去动」。
健康从来都不是一个小众群体的需求，蚂蚁阿福的用户已经超过 1 亿，其中 55% 来自三线及以下城市。它的硬件生态覆盖了小米、华为、苹果、OPPO、vivo、荣耀六大手机品牌，以及沃莱等主流运动器械和医疗器械品牌。
实测发现，体脂秤连接完成后，可以随时查看 18 项身体数据指标，包括体重、体脂率、内脏脂肪、肌肉量、骨量占比、BMI 等，清楚显示指标属于标准还是偏低、偏高。
这意味着阿福不止在服务少数健身爱好者，更在服务最需要健康管理、却最缺资源的那群人——那些没有私教、没有营养师、没有智能手表的普通人。当 AI 能连接硬件、读懂数据、推送行动，它就不再是一个提问工具。
它变成了一个每天陪在你身边的健康伙伴。
一亿斤之后是什么
把目光从「一亿斤」这个数字上抬起来，能看到这件事更大的那一面。
有研究预测，到 2030 年，中国成年人超重肥胖率可能达到 65.3%，归因于超重肥胖的医疗费用或将达到 4180 亿元人民币，占全国医疗总费用的 21.5%。对于个人而言，或许胖一点瘦一点也无所谓，但放任发展，它就会逐步挤压整个公共卫生系统，带来潜在的结构性危机。
世界卫生组织测算过另一组数字：在预防上每多投一块钱，治疗上就能省下八块五，抢救上能省下一百块。控制体重是预防心脑血管疾病、糖尿病、高血压乃至某些癌症的关键入口，这个入口越宽，全社会付出的代价就越小。
阿福做的事，放在这个背景下就不只是「一个 App 的新功能」了。它用一台补贴体脂秤和费的 AI 减重搭子，让几亿普通人够到了一个过去只属于少数人的健康管理入口。
减重只是第一步，也是 AI 离普通人最近的一步。比答出一百道题，跑一百套代码更有价值的，是能每天帮你看一次秤、提醒一次吃饭、陪一次运动。一亿斤，就从这里开始的。
💻
苹果正式涨价，MacBook Pro 起售价涨至 15999 元
📱
曝苹果折叠屏 iPhone 七月底量产，铰链问题已「大部分解决」
💰
美光第三财季营收同比增长 345.7%，称存储供应紧张将延续到 2027 年后
🚀
OpenAI 或将 IPO 推迟到 2027 年
🔍
苹果 Siri AI 新增限制，明确拒绝读取网页链接内容
👾
IBM 发布 0.7 纳米芯片技术，晶体管数量接近 1000 亿个
🤖
曝 Google 两名 Gemini 关键研究员计划加入 Anthropic
🤖
Kimi B 端业务负责人：要与 OpenAI 等头部模型公司竞争
🚗
一汽-大众更换商品经营部负责人，国桐从深蓝回归
🚙
中汽协：5 月中国品牌乘用车销量占比升至 75%
💰
携程第一财季营收 162.08 亿元，归母净利润同比下降 41.57%
📋
交通运输部等部门印发「人工智能+交通运输」行动方案
🧠
蚂蚁阿福上线「科学减重 1 亿斤」行动
💡
李飞飞：10 年后，职场或只剩两类工作者
📱
中兴高管：新一代 AI 手机近期上市，将推动 AI 能力走向端侧
💻
企业微信 5.0.9 升级 AI 服务总结，智能助理「大圆」进入内测
🤖
Google 将 Computer Use 内置进 Gemini 3.5 Flash
📋
影石回应 Luna Ultra 国补「骗补」质疑：品牌补贴保障统一到手价
🎥
IDC：一季度全球手持智能相机出货量同比增长 33%，大疆和影石占据前二
☕️
哥斯达黎加咖啡收成降至 55 年低点，同比减少 12%
苹果正式涨价，MacBook Pro 起售价涨至 15999 元
据彭博社报道，苹果昨日上调多款产品价格，涉及 Mac、iPad、HomePod、Apple TV 及 Vision Pro 等产品线。
苹果表示，AI 数据中心快速扩张带来内存和存储需求激增，相关组件价格在短时间内大幅上涨，公司已无法继续完全消化成本压力。
苹果多款产品在中国市场的起售价也已调整：
- MacBook Neo：起售价涨至 5499 元，原 8GB+256GB 版本为 4599 元；
- MacBook Air：起售价涨至 9999 元，原起售价为 8499 元；
- MacBook Pro：起售价涨至 15999 元，原起售价为 13499 元；
- iMac：起售价涨至 12499 元，原起售价为 10999 元；
- iPad Pro：起售价涨至 10799 元，原起售价为 8999 元；
- iPad Air：起售价涨至 5999 元，原起售价为 4799 元；
- iPad mini：起售价涨至 4799 元，原起售价为 3999 元；
- iPad 标准版：起售价涨至 3799 元，原起售价为 2999 元。
此次调价暂未涉及 iPhone、Apple Watch 和 AirPods。不过苹果方面称，未来不排除对更多产品进行价格调整。
彭博社提到，这是苹果近年来少见的跨多条产品线同步涨价。受相关消息影响，苹果股价盘中一度下跌 5.3%，为四个多月以来最大盘中跌幅。
曝苹果折叠屏 iPhone 七月底量产，铰链问题已「大部分解决」
据韩国电子产业媒体 The Elec 报道，苹果首款折叠屏 iPhone 计划于 7 月底前后开始量产，并仍按原计划推进 9 月发布。
报道称，苹果已确定这款折叠屏 iPhone 的显示屏、机身、结构件等主要规格，目前进入量产准备阶段。首批产品将由富士康负责生产，苹果已在 4 月完成第一轮试生产。
铰链部分由中国台湾新日兴和美国安费诺供应，两家公司将提供 3D 打印方式制造的铰链模组。
值得一提的是，报道称苹果在开发过程中曾遇到铰链问题，包括经历数百万次耐久测试后出现轻微噪音，以及部分组装环节公差偏大导致不良率上升。不过，相关问题目前已「大部分解决」。
美光第三财季营收同比增长 345.7%，称存储供应紧张将延续到 2027 年后
美光科技昨日发布 2026 财年第三财季业绩，收入 414.6 亿美元，同比增长 345.7%；GAAP 净利润 282.4 亿美元，同比增长 1398.3%；GAAP 毛利率 84.6%，同比提升 46.9 个百分点。财报发布后，美光盘后股价一度涨超 15%。
- 云存储收入 137.69 亿美元，同比增长 306%；
- 核心数据中心收入 115.24 亿美元，同比增长 653%；
- 移动与客户端收入 115.21 亿美元，同比增长 254%；
- 汽车与嵌入式收入 46.34 亿美元，同比增长 311%；
- 数据中心 SSD 收入超过 50 亿美元，环比翻倍；
- 已出货 HBM4 带来超过 10 亿美元收入。
美光预计第四财季收入 500 亿美元，上下浮动 10 亿美元，GAAP 毛利率约 86%。公司还预计第四财季资本支出约 100 亿美元，2026 财年资本支出约 270 亿美元。
CEO Sanjay Mehrotra 在业绩会上称，存储供应短缺需要相当长时间改善，行业供应紧张将持续到 2027 年之后，2028 年或逐步改善。
🔗 相关阅读：1 秒净赚 2.64 万，比英伟达还暴利，你相信「光」吗？
OpenAI 或将 IPO 推迟到 2027 年
据《纽约时报》报道，OpenAI 正倾向于把首次公开募股推迟到 2027 年。三名参与公司讨论的人士称，给 OpenAI 提供 IPO 建议的投行人士提醒，近期科技股波动，以及 SpaceX 上市后股价波动，可能削弱散户投资者对 OpenAI 发行的热情。
报道提到，投行顾问担心当前市场条件未必能支撑 Sam Altman 设想中的 1 万亿美元估值，OpenAI 因此更倾向放慢上市节奏。
苹果 Siri AI 新增限制，明确拒绝读取网页链接内容
据 9to5Mac 报道，苹果在 iOS 27 开发者测试版 Beta 2 中，为 Siri AI 的系统提示词 (prompt) 加入了一条新规则，要求其明确告知用户无法访问网页，并且不得提供后续建议或绕过方式。具体 prompt 如下：
你无法访问 URL 背后的内容：当用户提供 URL，并要求你总结、阅读或提取其中的信息时，请告知他们你无法访问网页。不要提供后续建议或变通方法。
报道指出，Siri AI 此前本身就不能直接访问 URL 背后的网页内容，但这次新增的提示词规则进一步明确了处理方式。
苹果尚未说明加入这一规则的具体原因。报道提到，这一调整可能与网页内容被 AI 聊天机器人直接抓取和总结的争议有关：如果用户无需进入原网页即可获取内容摘要，可能会减少网站访问量，并影响开放网页生态的可持续性。
IBM 发布 0.7 纳米芯片技术，晶体管数量接近 1000 亿个
昨天，IBM 发布其首个低于 1 纳米节点的芯片技术，采用 0.7 纳米晶体管架构，基于新的三维「nanostack」纳米堆叠架构，IBM 称其可在指甲盖大小的芯片上集成近 1000 亿个晶体管，晶体管密度接近 2021 年发布的 IBM 2 纳米芯片的两倍。
IBM 表示，这一节点芯片相比 IBM 2 纳米节点芯片，预计最高可带来 50% 的性能提升，或 70% 的能效提升，面向生成式 AI、云基础设施和下一代电子设备等计算场景。
曝 Google 两名 Gemini 关键研究员计划加入 Anthropic
据彭博社报道，Alphabet 旗下 Google 两名资深 AI 研究人员 Jonas Adler 和 Alexander Pritzel 计划离职加入 Anthropic。
两人在 Google 内部被视为 Gemini AI 模型的关键贡献者，其中 Adler 参与了公司 AI 编程相关工作，Pritzel 则参与了 AI 系统训练流程。
Google DeepMind CEO Demis Hassabis 本周早些时候表示，当前科技行业正处于「极其激烈」的人才竞争阶段，Google 仍拥有「规模最大、覆盖最广的研究团队」。
彭博社还提到，Anthropic 近年持续从 Google DeepMind 吸引人才。除基础模型竞争外，Anthropic 也在探索生命科学和医疗健康等应用方向。对于 Adler、Pritzel 等人的去向，Google 和 Anthropic 暂未给出进一步回应。
Kimi B 端业务负责人：要与 OpenAI 等头部模型公司竞争
据界面新闻报道，月之暗面 B 端业务负责人黄震昕在亚马逊云科技中国峰会上透露，Kimi 的企业业务占比正在持续提升，互联网、金融、制造、教育、医疗等行业已经成为重要企业客户来源，海外业务也在快速增长。
黄震昕称，月之暗面目前员工规模只有 300 多人，资源配置的最高优先级仍在模型研发层。公司希望继续探索智能上限，并与 OpenAI、Google、Anthropic 等海外头部模型公司竞争。
在商业化层面，他提到，用户对高性能 Token 有溢价支付意愿，模型厂商也在通过 Cache 命中率优化和推理优化等方式降低实际成本。目前 Kimi 原厂服务的 Cache 命中率已经超过 90%。
一汽-大众更换商品经营部负责人，国桐从深蓝回归
据汽车像素昨日报道，一汽-大众成立约一年的商品经营部近日换帅，原深蓝汽车首席品牌官国桐出任该部门负责人。该部门在内部常被称为「产品部」，去年上半年新设，随后升为 L1 级部门。
国桐曾在一汽-大众华南区、南区销售事业部、市场与衍生业务部任职，之后进入长安体系，并从 2022 年起担任深蓝汽车首席品牌官。报道称，一汽-大众此次用人逻辑是找回熟悉旧体系、又参与过自主新能源品牌建设的人。
中汽协：5 月中国品牌乘用车销量占比升至 75%
据中国汽车工业协会统计，2026 年 5 月，中国品牌乘用车销售 168.9 万辆，环比增长 5.7%，同比增长 4.2%，占乘用车销售总量的 75%，销量占有率比去年同期提升 6 个百分点。
今年 1-5 月，中国品牌乘用车累计销售 732.6 万辆，同比下降 3.1%，占乘用车销售总量的 71%，销量占有率同比提升 2.2 个百分点。
同期汽车市场整体仍承压。5 月汽车产销分别为 261.6 万辆和 262.9 万辆，同比分别下降 1.2% 和 2.1%；新能源汽车产销分别为 155.4 万辆和 149.6 万辆，同比分别增长 22.4% 和 14.4%；汽车出口 93 万辆，同比增长 68.7%。
携程第一财季营收 162.08 亿元，归母净利润同比下降 41.57%
携程集团发布 2026 年第一季度未经审计财务业绩。期内，公司净营业收入为 162 亿元，同比增长 17%；归属于携程集团股东的净利润为 25 亿元，低于去年同期的 43 亿元；经调整 EBITDA 为 48 亿元，去年同期为 42 亿元。
- 住宿预订营业收入为人民币 65 亿元，同比增长 17%；
- 交通票务营业收入为人民币 61 亿元，同比增长 12%；
- 旅游度假业务营业收入为人民币 11 亿元，同比增长 19%；
- 商旅管理业务营业收入为人民币 6.90 亿元，同比增长 20%。
财报显示，携程集团第一季度营业成本为人民币 33 亿元，同比增长 23%；产品研发费用为人民币 41 亿元，同比增长 15%；销售及营销费用为人民币 37 亿元，同比增长 25%；一般及行政费用为人民币 11 亿元，同比增长 8%。
交通运输部等部门印发「人工智能+交通运输」行动方案
交通运输部等七部门昨日印发《「人工智能+交通运输」典型应用场景创新行动方案》，提出到 2027 年底，人工智能在交通运输典型场景中实现规模化创新应用，并形成一批可复制、可推广的应用案例。
方案列出多个重点方向：
- 智能驾驶：开展「端到端」大模型研发与测试，推动智能网联汽车、自动驾驶出租车、自动驾驶公交等场景验证。
- 智慧物流：推动无人配送、自动化仓储、港口和机场智能调度等场景落地。
- 综合交通治理：探索交通大模型、路网运行监测、应急处置、出行服务和行业监管等应用。
蚂蚁阿福上线「科学减重 1 亿斤」行动
昨天，蚂蚁阿福正式发起「科学减重 1 亿斤」健康行动，并在阿福 App 开放体脂秤领取入口。用户完成指定流程后相当于以 0.01 元 + 9.9 元运费领取体脂秤。
阿福 App 此次还升级了 AI 解读功能，可基于用户身体数据生成小结，并给出重点关注事项、饮食运动建议和行动提醒。
💡 李飞飞：10 年后，职场或只剩两类工作者
在日前的 Silicon Valley Girl 访谈中，美国国家工程院院士、World Labs 创始人李飞飞围绕 AI 对未来职场的影响表示，面对一种认知能力快速提升的技术，个人最需要培养的是「agency」，即主动理解、使用并驾驭工具的能力。
她认为，AI 不应被简单视为取代人类的技术，而是一种需要被人类学习、设计和约束的强大工具。
我认为 entrepreneurial 很大程度上是 agency 的同义词。面对这样一种认知能力很强的技术，agency 是关键。
在谈到未来 10 年的公司形态时，李飞飞以产品经理为例称，过去产品经理通常需要在用户、市场、设计师和工程师之间协调，完成一个原型可能需要数月；
现在，部分产品经理已经可以借助 AI 完成初步设计和代码编写，缩短从想法到反馈的周期。她强调，这并不意味着设计师和工程师会被取代，而是让他们有机会投入更复杂的工作。
访谈中，MasterClass CEO David Rogier 将这一变化概括为职场的「杠铃效应」：一端是某一领域能力极强的顶尖专业人士，另一端是能够借助 AI 完成多类任务的高主动性通才。
李飞飞对此表示认同，并补充称，无论处在专家还是通才的位置，核心都在于是否具备主动使用工具、形成判断并创造性解决问题的能力。
中兴高管：新一代 AI 手机近期上市，将推动 AI 能力走向端侧
据观察者网报道，6 月 23 日至 25 日，世界经济论坛第十七届新领军者年会在大连举行。中兴通讯董事长方榕在「AI 与未来增长」午餐会上表示，中兴通讯新一代 AI 手机即将在近期上市，这是公司将智能能力从云端推向端侧的重要一步。
方榕称，AI 的终极意义在于让科技普惠经济社会。报道称，这款新一代 AI 手机将提供「听得懂、能干活」的交互体验，并被视为中兴通讯推动终端生态增长的产品之一。
在技术路径上，中兴通讯称，公司将 AI 智能体深度融入操作系统，目标是打造原生 AI 体验，而非简单的功能插件。
公司还提到，当前正进一步升级系统级 AI 能力，并融合自研 Co Claw 智能调度技术，以支持跨应用、跨生态协同，以及更复杂场景下的自动化任务执行。
企业微信 5.0.9 升级 AI 服务总结，智能助理「大圆」进入内测
企业微信昨日发布 5.0.9 版本更新，新增多项 AI 能力，覆盖客户服务、智能表格、智能文档和会议记录。
- 面向销售、客服和运营团队，企业微信推出「服务总结」功能。
- 智能表格的「AI 字段」增加从文件中批量提取信息和批量处理图片两类批处理能力；
- 智能文档新增目录、划词评论、流程图、思维导图和卡片样式。
- 此前上线的「记录面聊」则与日程打通，可在日程开始时自动提醒记录面聊，并在工作台汇总过往创建和参与过的面聊记录。
此外，企业微信首次推出的原生 AI 智能助理「大圆」已开启内测，可通过贴边把手或快捷键唤起，用于总结聊天、读写文档表格和汇总项目进展。
Google 将 Computer Use 内置进 Gemini 3.5 Flash
Google 发布 Gemini 3.5 Flash 的 computer use 能力。官方博客显示，computer use 现在是 Gemini 3.5 Flash 支持的内置工具，而此前该能力主要通过单独的 Gemini 2.5 computer use 模型提供。
Computer Use 工具可让开发者构建浏览器、移动端和桌面控制智能体。模型通过截图理解屏幕，并生成鼠标点击、键盘输入等 UI 操作；客户端仍需实现执行环境来接收并执行这些动作。
影石回应 Luna Ultra 国补「骗补」质疑：品牌补贴保障统一到手价
据《南方都市报》、《时代周报》消息，影石 Insta360 近日因首款双摄云台相机 Luna Ultra 的价格和补贴规则引发争议。
该产品于 6 月 10 日发布，发布会及部分官方宣传图显示标准套餐售价 3999 元起，但有消费者发现，部分线上渠道需领取 15% 政府补贴后才能达到 3999 元到手价，而部分线下门店无需使用国补即可按 3999 元购买。
另有线上页面显示，未领取国补时，相关商品价格约为 4729 元。有消费者因此质疑该产品线上线下标价规则不一致，可能占用消费者补贴名额。
针对「骗取国补」质疑，接近影石人士向《南方都市报》表示，Luna Ultra 属于国家补贴申请范围，并在部分渠道具备国补资格。
由于各地政策落地节奏存在差异，影石同时推出品牌补贴限时优惠活动，以保障全国线上线下消费者可享受 3999 元统一到手优惠价，不存在骗补或违规使用补贴的情况。
IDC：一季度全球手持智能相机出货量同比增长 33%，大疆和影石占据前二
市场调研机构 IDC 昨日发布《2026 年第一季度全球手持智能相机市场跟踪报告》：
今年一季度全球手持智能相机出货量达到 414 万台，同比增长 33%；销售额超过 105 亿元人民币，同比增长 20%。
细分市场中：
- 运动相机出货量接近 201 万台，同比增长 39%；
- 云台相机出货量同比增长超过 18%；
- 全景相机出货量超过 50 万台，同比增长高于 55%。
厂商方面：
- 大疆以 65% 出货量份额保持第一，同比增加 3 个百分点；
- 影石以 22% 份额排名第二，同比增长 66%，增速居前；
- GoPro 份额约为 6%，出货量同比下降 33%。
报告称，中国贡献了 2025 年超过一半的市场份额，2026 年一季度这一趋势继续增强。IDC 预计，到 2030 年，全球手持智能相机市场规模将超过 4000 万台，五年复合增长率接近 18%。
哥斯达黎加咖啡收成降至 55 年低点，同比减少 12%
据路透社报道，哥斯达黎加咖啡研究所 Icafe 披露，哥斯达黎加 2025-2026 年度咖啡收成同比下降 12%，创下 55 年来最低水平。官方数据显示，本季咖啡种植者交付的咖啡果折合 159.2 万袋，每袋 46 公斤；上一季为 181.3 万袋。
Icafe 经济研究与市场部门负责人 Marco Araya 表示，上一次出现更低收成还要追溯到 1970-1971 年度。
该机构称，本季减产主要受到降雨不规律、劳动力短缺、咖啡作物两年生产周期，以及生产者面临的经济压力等因素影响，其中包括本币贬值带来的压力。
《小黄人大眼萌 3》开启预售，7 月 3 日上映
《小黄人大眼萌 3 / 小黄人与大怪兽》已宣布开启预售，并将于 7 月 3 日正式上映，较北美市场晚两天。
该片此次更换了三名新的主角小黄人，故事设定在 1920 年代的好莱坞，围绕小黄人们逐梦演艺圈展开。小黄人们在片场打工担任群演，同时希望拍摄一部怪兽电影，过程中遭遇了多只大怪兽。
DC 将推出《蝙蝠侠：骑士陨落》动画电影三部曲
DC Studios 宣布将把经典漫画《蝙蝠侠：骑士陨落》改编为动画电影三部曲，并发布首支先导预告。第一部《Batman: Knightfall Part One》计划于 2026 年上线。
《骑士陨落》是 1990 年代 DC 蝙蝠侠主线中的重要故事，贝恩在这一篇章中击败布鲁斯·韦恩并折断他的脊椎，之后 Jean-Paul Valley 一度接过蝙蝠侠身份。这个故事此前曾影响《蝙蝠侠：黑暗骑士崛起》等影视改编。
这次三部曲将以动画形式完整改编该篇章，延续 DC 近年通过动画电影重访经典漫画事件的路线。
在星链和华为等企业的实践和宣传下，卫星通信正从特种应用的小范围人群使用，往人人触手可及，处处皆可通信的方向发展。
不过在大众认知里，卫星通信终端的核心任务很直接：找到卫星，建立链路，把数据传出去。
这套逻辑在基础设施尚不成熟的阶段足够成立。对于应急救援、远洋作业、野外勘探、电力巡检等场景来说，地面网络缺席时，能不能连上，本身就是最关键的能力。但到了 2026 年，卫星通信行业正在走到一个新的节点：Ku 与 Ka 频段资源逐步充裕，低轨星座加速组网，手机直连卫星也从概念走向商用，连接能力正在从稀缺资源变成基础能力。
当「连接」逐渐成为门票，行业接下来要比拼的，就会变成连接之后的体验。
6 月 25 日，在 2026 MWC 上海期间，网翎以「连接之上的价值」为主题，正式发布网翎卫星上网机 FLEX，以及首个卫星通信终端边缘智算系统 OneLinQ Edge。相比单纯发布一款新硬件，这家想把卫星通讯从 ToB 往 ToC发展的公司试图把卫星终端从单纯的硬件连接工具，推进到「硬件 + 软件」共同定义体验的新阶段。
今天的卫星互联网，已经开始面对大量视频化需求。消防应急需要实时回传火场画面，电力巡检需要无人机持续图传，水利防汛需要现场视频研判，户外直播和远程作业也在不断扩大卫星通信的使用边界。但问题在于，视频对链路的要求远高于文字、语音和低频数据。卫星链路天然存在带宽波动和成本约束，用户在真实场景中经常遇到三个问题：流量贵、画面卡、视频糊。
这三个问题又互相牵制。提高码率，流量成本会迅速上升；压缩得太狠，画质会明显下降；为了保画质降低传输压力，链路波动时又容易卡顿。过去很多卫星终端更关注天线、射频、对星和转发，解决的是「有没有链路」的问题，但当需求从连接走向视频体验，单纯堆硬件指标已经不够了。
卫星通信终端边缘智算系统 OneLinQ Edge 的切入点，就是把计算放到终端侧。
按照网翎的说法，OneLinQ Edge 是首个专为卫星通信终端打造的边缘智算系统。FLEX 搭载的 1.0 版本，首先聚焦边缘视频优化，通过自研边缘智算芯片、H.265 编码、带宽预估和智能编码技术，在终端侧完成视频压缩和编码决策。
通俗一点讲，有点像把消费电子行业里已经成熟的视频处理和智能压缩能力，移植到卫星终端里。视频还没进入卫星链路之前，终端先根据画面内容、当前带宽和传输质量进行判断，尽量把无效流量压缩掉，把有限带宽用在更有价值的画面信息上。
网翎表示，OneLinQ Edge 可以在同等画质下节省最高 90% 的视频流量。这个数字如果能在更多真实场景里稳定兑现，不仅是帮用户省钱，也是在扩大卫星互联网可服务的应用范围。对于很多行业客户来说，卫星通信真正的门槛往往不只是设备采购成本，还有长期使用中的流量账单和稳定性成本。
网翎在发布会上说，他们全年进行了 4437 次终端开机测试，其中超过 50% 是新场景测试。因为随着出货量增长，用户量增加，卫星终端行业正在变得更加碎片化。不同客户面对的痛点并不完全相同：消防要的是实时研判，电力巡检要的是稳定图传，水利监测要的是复杂环境下持续可用。它们共同需要卫星连接，但真正决定产品价值的，是连接之后的视频能不能用、数据能不能看、现场信息能不能支撑决策。
FLEX 就是这套新范式的第一个硬件载体。从参数看，网翎上网机 FLEX 整机重量 6.5kg，机身厚度 12cm，多功能 Type-C 接口同时提供供电、视频接入和以太网络三项功能。这样的设计明显服务于外出使用场景：设备要能被一个人带走，要能快速部署，还要尽量减少线缆和外接配件带来的复杂度。
对于卫星终端来说，便携性和可靠性并不容易兼得。更轻、更薄、更易部署，意味着工业设计、结构、散热、供电和通信模块都要重新平衡。FLEX 在保持便携形态的同时加入 OneLinQ Edge，也意味着网翎希望把边缘算力和工业设计放在同一套产品体验里。
而且，网翎试图建立的壁垒也不只是单点技术，他们表示，在射频能力、边缘视频优化能力、软件平台能力三个方向都采用全栈自研。射频层面，其自研 Ku 与 Ka 频段氮化镓 PA 芯片已流片，性能提升 20%，关键器件成本下降 30%；边缘视频优化层面，OneLinQ Edge 覆盖芯片、算法和编码链路；软件平台层面，则包括带宽预估、智能编码、多网络融合等能力。
基础设施建设仍然重要，星座、频谱、地面站和网络覆盖还会继续决定行业天花板。但对于终端厂商来说，单纯证明「我能连上」已经越来越难以形成长期差异。随着连接能力普及，真正能拉开差距的，会是复杂场景下的可用性、低成本传输能力、视频体验，以及围绕行业需求快速迭代的产品能力。
导演了《华尔街之狼》的马丁·斯科塞斯谈到电影构图时，曾将其归结为一个简单的问题：
什么被留在画框之内，什么又被留在画框之外？
电影从来不是对现实的照单全收。广角交代空间，更长焦段凝聚视线；镜头跟随人物，或停下来等待；光影被保留，杂讯被排除，现实也由此被重新组织。
正是这些景别、运动与光影的安排，构成了电影的空间、节奏与情绪。
所谓电影感，并不只是画面更好看，而是影像开始拥有组织现实的能力。
落到 Pocket 4P 上，这种能力首先从镜头开始——
一台只有一个视角的相机，更多是在记录「我看到了什么」；当它拥有第二个焦段，拍摄者便开始组织「我希望你如何看见」。
大疆将这台设备称为「双主摄口袋电影机」。
这个名字听上去颇有野心——Pocket 4P 试图把曾经繁琐、复杂、沉重的电影机，压缩进一台 230 克的设备。
与这份野心相匹配的，是市场反应。截至 Pocket 4P 正式开售前 5 小时，京东的 Pocket 4P 已经超过 60 万人预约；开售后，爱范儿编辑部附近的大疆门店也出现了用户排队体验、首批到货秒售罄的情况。
对于开售初期出现供不应求的情况，大疆方面表示，Osmo Pocket 4 系列发布后受到用户高度关注。尽管首批备货量已较上一代显著提升，其中 Osmo Pocket 4 系列首批备货对比 Osmo Pocket 3 近 10 倍，市场需求仍然超出预期。目前正在全力推进生产和补货，以尽快保障产品供应。
同时，针对发售期间出现的异常抢购，大疆称已溯源锁定部分黄牛团伙，并在向公安机关报案后，由警方对相关人员采取刑事强制措施。大疆表示，将持续配合案件侦办，并进一步完善平台风控机制，维护真实消费者的购买权益。
言归正传，虽然预约数字和火爆的开售能够证明期待，却不能直接替口袋电影机这个名字作证。
在实际体验后，我们认为，这台崭新的 Pocket 4P 其实无意取代传统电影摄影机，转而聚焦一个更有意思的问题：
当一台相机已经小到可以放进口袋，我们还能在里面追求什么？
Pocket 4P，开始拥有电影语言
在 Pocket 4P 上，电影语言首先从景别开始：同一个场景，现在有了两种组织画面的方式。
面对辽阔海岸，广角很容易记录下绵长的海岸线、湛蓝的海面和击打岩石的朵朵浪花，但又让各种元素彼此独立，难以聚焦画面主体，而 3× 的中长焦，能从复杂的元素中截下一块礁石。
浪花、岩壁与前景植被取代整片大海，成为更具体的观看对象。
到了滩涂，也出现了同样的情况——广角可以轻易将渔船、车辆与劳作的人群一并收入画面，却也容易让它们彼此分散。
切换到 3× 中长焦后，空间像被轻轻推拢：近处的人、车与远处的船产生联系，杂乱的现场被整理成一个关于海边劳作的片段，电影质感也随之而来。
新颖的景别关系在人像拍摄中尤其明显。
缓慢推进 Pocket 4P，在 3× 中长焦镜头下，人物回首、树木铺满背景，空间信息温和散开，成为一层视觉托底。
随着画面信息的退后，观众也自然而然地将视线聚焦在人物面部表情与身体姿态上。
这颗中长焦的魅力就在于此——在数秒时间内，枝叶、建筑和人物相得益彰，彼此协作互补，共同组成了更紧密的画面关系。
到了花园场景，3× 中长焦收起了上面的大开大合，转而展现了更细腻的一面。
镜头缓慢前推，越过前景绿植，焦点从前景过渡到人物身上。前景退成柔和遮挡，人物被重新推到画面中心，背景则继续保留环境氛围。
一颗中长焦镜头的出现，让创作者开始有能力在前景、人物和背景之间，建立鲜明层次。
也因此，Pocket 4P 拥有了设计人物如何被放进空间、又如何从空间中被看见的能力。手持 Pocket 4P 的创作者，也能通过距离、景别、焦点和空间关系，组建出电影般的镜头语言。
焦段解决了镜头应该看向哪里，但拍好一段影像还需要回答另一个问题：镜头应该如何运动。
当人物开始行走、空间不断变化，电影语言便从景别进入节奏。
面对随风晃动的贝壳挂饰，我们手持 Pocket 4P 向右横移。这个看似简单的动作，其实包含三重挑战：三轴机械云台需要过滤脚步带来的细碎纵向起伏；拍摄者则要通过模拟量摇杆同步调整镜头方向，让主体始终停留在画面中心；而在中长焦更长的焦段下，任何瑕疵都会指数级放大。
移动过程中，近处的彩色贝壳依次掠过画面，远处的瓦片与山峦从缝隙中逐渐显露。前景与背景形成连续视差，原本静止的陈列也由此获得了空间与节奏。
这段画面的成立，来自稳定与控制的共同作用：三轴机械云台消解无意义的震动，模拟量摇杆则将方向、速度与停顿交给拍摄者。镜头既能平缓地揭示环境，也能在恰当的位置准确停下。
这也是机械云台与单纯防抖的区别：防抖解决画面能否稳定，云台与摇杆则让运动本身成为可以设计的语言。
稳定只是基础，可控的运动才是表达。
焦段建立景别，云台组织运动，而一段影像最终能否成立，还取决于光影是否留下足够的层次。
尤其面对夕阳、逆光等大光比场景，相机留下什么、舍弃什么，直接决定了后期还有多少表达空间。
夕阳直射镜头时，天空与近处植被形成巨大反差。照顾暗部，云层容易过曝；保住天空，前景又可能沦为死黑。
Pocket 4P 的 17 级动态范围与 D-Log 2，为这道难题留下更多余地。样片中，太阳周围仍保留着由金黄向蓝灰过渡的色彩，云层纹理没有被高光吞没；逆光下的山体与枝叶也维持着可辨识的轮廓。
更重要的是，D-Log 2 留下的不只是一张明暗信息更丰富的画面，也包括后期重新塑造它的空间。创作者可以选择让前景沉入剪影，强化黄昏的轮廓；也可以适当提亮暗部，还原草木细节。
宽容度保留的，不只是更多细节，也是更多尚未作出的决定。
至此，我们已经从实拍中看到 Pocket 4P 能够做什么：用焦段建立景别，用云台组织运动，再把光影和色彩的选择留给后期。
这些功能并非彼此孤立。它们共同组成了一套电影级的表达能力，让创作者可以决定观众看见什么、视线如何抵达，以及画面最终呈现怎样的情绪。
这也是「口袋电影机」这个名字真正成立的地方。
简单，是复杂的结果
电影表达从来不只由镜头和宽容度决定。
一次完整拍摄，还涉及机位、跟随、收音、补光、监看与素材流转。Pocket 4P 将这些环节整合进一套轻量工作流，通过智能跟随、遥控器和补光灯，让一个人也能安排走位、切换景别、完成跟拍，并获得声音、光线与画面相对完整的素材。
但一个东西看起来越简单，内部需要解决的问题往往越复杂——
将这套流程装进 230 克的机身，远比增加几项参数困难。大疆需要让镜头、云台、电机、影像处理与旋转屏幕围绕有限空间重新设计，并在同一套系统中协同工作。
以云台为例，三颗微型电机不仅要迅速判断震动、控制力度、预判移动意图，甚至还要让云台在任何角度都转得一样自然。
Pocket 云台内部有 50 多根控制与信号线被拆分为数百股线芯，必须穿过仅火柴粗细的轴孔。云台旋转时，线材还会产生反作用力；受力稍有变化，便可能干扰电机控制的精度。
大疆的工程师花费近一年，才让它们在不同角度保持相对一致的弹力。
同样复杂的，还有一件听起来颇为感性的事：把人拍好看。
对拥有 3× 的 Pocket 4P 而言，人像是重要的创作场景。「把人拍好看」只是简单的五个字，机器经历的却是一场接力赛——
它要先找到脸，再重新分配测光权重；既不能让逆光把人压黑，也不能为了提亮面部而烧掉天空。
白平衡紧接着介入，抵抗餐厅黄灯、橱窗冷光和夜景霓虹；色彩映射则守住肤色，让皮肤不死白、不假红，妆容也不被环境光带偏。
而当人物和镜头同时移动，难题才真正开始：曝光不能跳、脸色不能变、眼睛不能失焦，降噪还不能把皮肤磨成塑料。
对此，研发团队针对性打造了「感知—测光—白平衡—色彩映射—肤色保护—对焦跟踪—动态稳定—输出风格」的技术链路。所有环节都在回答同一个问题：怎样把人拍好看？
从硬件到软件，Pocket 的工程难度，正是藏在这些用户不易察觉的地方：内部解决得足够复杂，外部才能显得足够简单。
而这种将复杂问题消化在产品内部的能力，并非在 Pocket 4P 上凭空出现。
早在无人机时代，大疆便开始处理镜头如何在运动中保持稳定的问题。后来，从机载云台到灵眸 Osmo 云台相机、如影稳定器，再到 Ronin 4D 电影机，这道问题不断延伸：不仅要让镜头稳定，还要让机械运动、影像系统与控制算法形成协同。
Pocket 则把这套能力进一步推向小型化。
到了 Pocket 4P，这些技术终于在一台口袋设备中汇合：双焦段建立景别，机械云台控制运动，D-Log 2 连接专业后期，智能跟随与配件生态组成个人创作工作流。
但技术汇合的意义，不是复刻一台缩小的电影摄影机。
在这里，我们要明确一点——Pocket 4P 无意取代传统电影摄影机。它所证明的，是专业的表达，并不一定要从庞大、沉重而复杂的设备开始。
至此，一套复杂的专业能力被压缩成简单的产品形态，做到这一切的 Pocket 也不再只是一台相机，更成为一个品类的起点。
如何命名一种未来
1979 年，索尼推出第一代 Walkman。
这并非历史上第一台能够随身携带的音频设备，却第一次清晰告诉大众：音乐可以离开客厅，成为一种只属于个人、并且能够随身体移动的体验。
此后，索尼通过持续迭代，将这个最初不被看好的设想，变成遍及全球的生活方式。Walkman 既是一件索尼产品，也成为大众理解整个品类的名字。
无独有偶，今天的人们看到一颗相机被安装在微型三轴云台上，下方连接着竖直机身与屏幕，第一反应往往不是有些拗口的「口袋云台相机」，而是更直接的一句：
这是 Pocket 吗？
有意思的是，这台产品甚至未必来自大疆。
Pocket 由此成为某种坐标：它仍是大疆旗下的产品名称，却已成为大众理解这种产品形态、判断后来者体积、画质与使用方式的认知简称。
纵观历史上类似的语言现象，我们可以大胆地归纳总结：所谓定义品类，就是后来者出现时，人们仍然借助你的名字理解它。
当然，这是现象而非起因，想要知道 Pocket 的力量由何而来，我们需要溯源朝上，看看 Pocket 的来时路——
2015 年，Pocket 的原型——灵眸 Osmo 诞生，将天空无人机的云台稳定能力下放到手持设备中，首次将云台增稳能力与拍摄能力结合，推出一体化的手持云台相机；
2018 年，初代 Osmo Pocket 将相机、云台和屏幕装进便携机身；
Pocket 2 补全焦段、收音与 vlog 体验；
Pocket 3 凭借一英寸传感器和旋转屏完成大众化突破；
到了 Pocket 4 与 Pocket 4P，更高动态范围、多焦段和专业创作能力又被装进口袋，这是大疆技术积累的集大成者。
十二年手持影像，八年四代 Pocket，大疆将一个实验探索性质的产品，变成了经过市场验证的成熟品类。也逐渐建立起一套标准：云台与相机一体、足够便携、可以独立拍摄，并围绕单人创作形成完整体验。
当然，也包括旋转屏幕时那一下清脆而畅快的反馈。
这些标准通过产品为用户带来强烈的正反馈，再由用户与市场反哺品牌，最终沉淀为属于 Pocket 的品类力量。
市场随后验证了这套标准。
在中国市场，根据魔镜洞察的数据，2023 年 11 月至 2024 年 10 月，Pocket 3 以 1.24 亿元位居淘宝、天猫普通数码相机类目销售额第一，约为第二名的 2.4 倍。
而日本市场的变化，或许更耐人寻味。
作为传统影像产业重镇，日本数码摄像机市场过去长期由索尼、松下等本土厂商主导。根据 BCN 历年榜单，2018 年至 2024 年，该品类的年度第一始终在索尼与松下之间轮换。
Pocket 3 改变了这一格局。上市后，大疆连续 14 个月压过索尼与松下，保持品牌销量首位。2024 年，Pocket 3 单一系列便取得 41.5% 的销量份额，推动大疆以 48.1% 的品牌份额首次夺得日本数码摄像机年度第一，到了 2025 年，这一数据来到了 64.7%，蝉联榜首。
更重要的是，这种领先没有停留在一代产品上。2026 年 4 月，上市仅九天的 Pocket 4 便以 21.5% 的月度销量份额登顶；同期，大疆在日本数码摄像机市场的品牌份额进一步升至 72.5%。
在一个拥有深厚影像工业传统的市场，一家中国企业不再以追赶者的身份参与竞争，而是凭借自己开创的产品形态，重新排列了市场的座次。
变化并没有到此停止，更宏观的变化还在发生——
如今，有厂家已经推出自己的手持云台相机，更多手机厂商也开始望向这条赛道。竞争者的出现没有削弱 Pocket 作为开创者的意义，反而完成了对它的另一种验证：
一个品类最有力的加冕，不是没有对手，是终于开始拥有对手。
但当相似的形态不再稀缺，后来者必须回答一个更具体的问题：除了做出另一台 Pocket，你还能为口袋影像带来什么？
大疆自己也在回答同一个问题——Pocket 4P 的双主摄与不同焦段，让口袋相机从稳定记录画面，进一步走向选择景别、组织镜头，也由此完成了从口袋云台相机到口袋电影机的关键一步。
成为出题人并不可怕，可怕的是，出题人还在率先解题。
从初代 Pocket 提出一种形态，到 Pocket 3 将它推向大众，再到 Pocket 4P 继续拓展创作的边界，大疆所定义的，已经不只是口袋云台相机应该是什么，也在不断定义它还能成为什么。
而 Pocket 的故事，显然还没有写完。
正在等待 Mythos 和 Fable 5 回归的 Claude 用户，先等来了一个群聊机器人。
▲ Anthropic 推出了全新的 Claude Tag，目前还处于 Beta 测试阶段。
这项功能基于 Claude Opus 4.8 模型，其核心理念是将 AI 从一个「一问一答的聊天机器人」，彻底转变成一个「拥有独立身份、常驻在 Slack 频道里的虚拟同事」。
Slack 是什么，通俗点说就是海外企业用的钉钉/飞书/企业微信，本质上也是一个团队协作和沟通的企业工具。
和国产的办公软件能接入群聊机器人一样，Slack 本身也有 AI 功能。不过那些 AI 功能，很多还停留在摘要、搜索、固定流程或简单问答。
而 Anthropic 这次推出的 Claude Tag，想往前多走一步，让 AI 真正接住一个团队正在推进的任务。
前不久刚入职 Anthropic 的 Karpathy 对 Claude Tag 更是赞不绝口，直接说这是大语言模型用户交互/体验的第三次重大变革，从最早一个网页，到现在用 Codex 之类的 App，升级到现在与人类团队协同工作的 Claude Tag 模式。
别@我，去问一下 AI
你被工作群里的 @ 硬控过吗？一个产品指标没人追，一张客服工单卡住，一个 bug 查了半天没找到源头。群里有人 @你，说一句「帮我看下这个问题」。
你可能已经慌了，内心只想说「我知道的你都知道，你不知道的我肯定也不知道，东西就在那里，你找找就肯定能看到了。」
但 Claude Tag 不会慌，它会顺着聊天群里的上下文、已经授权的工具、数据源，甚至代码库，把任务拆开，跑完，再把结果贴回群里。
这就是 Claude Tag 最直接的作用，他看起来像是一个聊天群的机器人升级版，但它真正可以做到的事，要远比「在群里呼叫 AI」大得多。
多人协作模式
过去用 Claude，大多是一个人和一个模型对话。我们给它背景，它给我们结果；换个窗口，它对当前项目的记忆也跟着断掉。
而现在 Claude Tag 的入口变成了 Slack 频道：管理员先选定频道，再给 Claude 接上对应工具、数据和代码库。频道里任何成员都可以 @Claude，让它接活。
在一个特定的 Slack 频道里，只有一个统一的 Claude 身份。任何人在频道内直接 @Claude 派发任务时，它的任务进展、对话上下文和最终结果，都能直接被频道里的其他人看到。
团队成员可以随时「接力」，如果同事 A 让 Claude 写了一篇方案，同事 B 可以直接在同一个 Thread（线程）里回复它：「请帮 A 的方案加上数据安全章节」，Claude 会无缝承接上下文。
举个最直接的例子，某个产品经理让它查本周留存波动，数据同学可以补一句「顺便按新老用户拆一下」；客服负责人让它梳理一批工单，工程同事可以接着让它定位可能的技术原因。
持续性的组织记忆
在群里的 Claude，也会和我们单人使用的 Claude 一样，Claude Tag 会随着常驻频道的时间增加，自主积累团队的沟通背景、决策逻辑和业务常识。
我们不需要在每次提问时都反复复制粘贴长篇大论的背景材料，只要管理员赋予权限，它还能跨频道学习公司其他公开渠道的信息，像一个真正的老员工一样掌握公司的各种「隐性知识」。
但这类记忆也有边界。官方说，Claude 的记忆会被限制在管理员定义的频道和身份里，销售频道的 Claude 不会把记忆带到工程频道，也不会从私密频道向外汇报内容。
主动/环境模式
这大概是 Claude Tag 最像「真人同事」的地方。开启 ambient behavior 模式后，Claude 不需要你手动去 @ 也会主动干预工作。
它会监控频道动态，在讨论陷入僵局或某个重要任务长期无人跟进时，主动发帖提醒。它还会主动同步跨工具、跨频道的关键更新，或者在自动化流程（如代码部署）完成后，主动在 Slack 里向团队汇报。
这和过去那种「问一句答一句」的 AI 使用方式，体验会很不一样。
异步工作
而对于需要花费几小时甚至几天才能完成的复杂任务，我们只需要指派给它，就可以关闭聊天窗口去忙别的。
Claude 会把复杂任务拆成阶段，一边推进，一边在 Slack 线程里更新进度。
而另一项功能，异步交付，就是在任务完成后，Claude Tag 会在 Thread 自动交付结果，像是生成一份文档、一张图表或直接通过 GitHub App 提交一个代码 PR 等。
我们不需要等到 Claude 完成这一个复杂任务之后，再去下达新的任务，而是可以同时让它执行多个任务。
Anthropic 提到，他们产品团队 65% 的代码都由内部版的 Claude Tag 完成，他们会让 Claude 去追产品指标和数据，处理支持工单，寻找复杂 bug 的根因。
而换成更普通的公司日常，也可以拿它来做运营复盘、销售跟进、用户研究、内容资料整理。
它是如何工作的
从官方描述看，Claude Tag 的工作流并不复杂：频道里有人 @Claude，Claude 读取授权范围内的上下文、工具、数据源或代码库，把任务拆成阶段执行，再把结果返回 Slack 线程。
复杂的地方在管理。管理员要决定它能进哪些频道，能看哪些数据，能调用哪些工具，花费上限是多少，任务记录怎么查。AI 进了公司群聊后，能力问题很快会变成权限、预算和审计问题。
具体来说，包括下面这几点。
权限的隔离：管理员可以为不同的频道定制不同的 Claude 身份。例如：给研发频道的 Claude 接入 GitHub 权限；给销售频道的 Claude 接入 CRM 权限，彼此数据不互通。
预算熔断：管理员可以针对整个企业组织或单个 Slack 频道设置月度 Token 消耗和费用上限（Token Spend limits），一旦超标自动熔断。
活动日志：后台提供完整的活动日志（Log），管理员可以查看活动日志，知道 Claude 做过哪些事，以及这些任务由谁发起。
这套设计听起来就很「企业化」，AI Agent 真想进入公司，这些笨重的权限、预算、日志一个都少不了。
当然，目前 Claude Tag 现在还在 beta 阶段，只面向 Claude Enterprise 和 Team 客户。
管理员需要把 Claude Tag 和 Slack 工作区配对，授权工具，设置月度预算，再在私人频道测试。
它将彻底替代原有的旧版 Claude in Slack 应用，管理员有 30 天的窗口期进行一键迁移，官方目前也提供了一定的启动额度供企业免费尝鲜。
而 Slack 可能只是第一站，Anthropic 的目标是让团队在更多工作场景里直接 @Claude。
所以对 Claude 这个群聊机器人来说，最有意思的地方，未必是 Claude 又多了一个入口。更像是 AI Agent 开始拥有一张公司内部的「工牌」：它有频道，有权限，有记忆，有预算，也有记录。
最近这几年，「00 后整顿职场」的话题一直很火，老板在群里@实习生，实习生说我下班了，明天再给你。
现在换到 AI 来整顿老板们了，以后要表格、要数据、要进度报告，24h 在线的 AI，既聪明又能干，说不定能反过来 Push 一下老板。
过去半年，AI 行业开始频繁谈「世界模型」。
多条演化出来的路线，让李飞飞都下场，专门写了一篇文章，解释到底什么是世界模型，又有哪些分类。
李飞飞的 World Labs 做 Marble，DeepMind 推 Genie，LeCun 也长期强调让 AI 理解物理世界。这个概念听起来足够大足够有前景：让模型生成、理解、推演一个可以进入、可以交互、可以行动的空间。
但在国内有一家做 AI 3D 生成的年轻公司影眸科技，其 CEO 吴迪对「会不会做世界模型」的回答，反而有点克制。
他说，现在世界模型的定义很宽泛。如果只是生成一个可浏览的环境，他们更愿意叫它「世界生成模型」。真正的世界模型，应该和具身智能、控制、交互有关，要能理解并操纵整个世界。
所以，在真正的世界被 AI 生成出来之前，似乎还有一个更具体的问题要先解决：这个世界里的物体从哪里来？
一张桌子、一只手套、一个游戏怪兽、一件工业零件，如果只能在屏幕上看起来像，那还停在展示层。真正进入生产流程，它要能被拆分、编辑、换材质、进引擎、接入渲染管线，甚至交给外包团队继续加工。
影眸想把这件事情做好，事实证明他们也确实做到了。
就在这个月，影眸科技完成了新一轮数亿元融资，由凯辉基金、上海国投先导领投，老股东继续跟投，早前押注它的名单里有字节跳动、美团龙珠、红杉中国和蓝驰创投等。
官宣融资同一时间，影眸还正式发布了新一代模型 Hyper3D Rodin Gen-2.5。
▲Hyper3D 官网：hyper3d.ai
新的 AI 3D 生成模型 Rodin Gen-2.5 是全球首个具备千万面级生成能力的 3D 大模型，也是第一个将类大语言模型的「先思考、再生成」运行逻辑引入 3D 生成领域的模型。
不像大语言模型有越来越多的 Benchmark 来证明模型的能力，AI 3D 还是凭借着实际场景的用户口碑来证明自己。数据显示，Rodin Gen-2.5 上线首月，订阅用户与 ARR 的环比增速扩大 400%。
我生成了一个 3D 资产，然后呢
图像和视频解决的是「看起来对」，而 3D 产业真正需要的是「用起来对」。
图像和视频很多时候服务观看就停在那里了，3D 资产会被继续使用。它会被拆、被改、被绑定、被降面、被导进引擎。生成只是起点，后面的加工才是生产。
2024 年以前，市面上大多数 AI 3D 生成工具都卡在了一个尴尬的瓶颈期：好玩，但不能用。
传统路径往往依赖「2D 升 3D」，先合成多视角图像，再用算法还原几何，这种做法天生带有噪声和坑洼，在视角不连续时甚至会产生「多头怪」的崩坏结果。
对于 3A 游戏、影视后期等核心工业管线来说，这种资产只能拿来「随机抽卡」，完全无法直接交付。
直到 2024 年 8 月，影眸团队凭借原生大模型框架 CLAY 提名图形学顶会 SIGGRAPH 最佳论文，推动了行业技术路径的底层变革。而刚刚发布的 Hyper3D Rodin Gen-2.5，则直接将 3D 生成推向了「Production-Ready（生产级可用）」的最终落地方向。
Rodin Gen-2.5 的底层变化，可以用一句话概括：让模型根据计算预算自适应决定生成结果的复杂度。
过去很多生成模型会给不同对象分配近似固定的表达空间。简单物体和复杂角色，都用相近长度去表示，效率和细节都会受限。但真正有效的方式，应该是简单物体少花时间，复杂对象多花时间。
这个思路有点像大语言模型在推理时拉长思考过程，只是对象从文字变成了几何结构和材质细节。我们看到的是 4 秒、20 秒、80 秒这些档位；模型内部对应的是不同长度、不同计算量的生成过程。
4 秒可以快速出草稿，适合批量测试和找方向；20 秒更适合结构与细节均衡的资产；80 秒则面向高精度模型，可以把皮肤微结构、毛孔、纹理、龙鳞这类细节做进模型本身。
影眸科技 CTO 张启煊表示，Rodin Gen-2.5 之前，很多 AI 3D 结果更多停在白盒或预览阶段。
到了 Rodin Gen-2.5 这一代，已经有游戏工作室把 Extreme-High 模式用到高模阶段。比如生成一只怪兽，表面微微隆起的龙鳞可以进入高模，再和低多边形模型结合。
游戏美术和工业设计师关心的，大概也是这个东西能不能接到下一道工序里。
如果说千万面级的几何生成解决了 3D 模型的「骨肉」，那么 Rodin Gen-2.5 同步推出的 12K 原生 3D 外观生成模型则彻底解决了 3D 模型的「皮囊」。
不同于行业普遍采用的「多视图投影」，Hyper3D 通过冻结物体表面光场，将 2D 图像与 3D 外观统一到同一潜在空间。
无死角覆盖： 材质纹理实现全 3D 空间一致性补全，再也没有投影拉伸和死角破损。
物理级写实： 完美支持基于物理的 PBR 材质（金属度、粗糙度、高光、法线）。
超越扫描： 在 12K 超高分辨率加持下，生成的几何精度与材质保真度，在效果上已经可以超越动辄数万元成本的实景扫描，为后期制作留出了巨大的修改空间。
配合几何模型同款的 Thinking Effort 设计，最快只需 5 秒，一套包含高精度几何与 12K 贴图的完整资产就能直接出炉。
在当前的 AI 调整期，资本市场衡量一家公司的核心指标，已经从「拥有多少用户」变成了「谁在为你持续付费」。影眸科技选择了一条类似 Anthropic 的硬核 B 端路线。
目前，影眸的整体商业化结构表现可以总结为：
全球化造血： 约 80% 的收入来自海外市场，核心主战场在北美。
高黏性 B 端： 营收结构中 B 端与 C 端（Pro C 专业用户）基本呈现 4:6 结构。其积累的 B 端客户营收超过同赛道其他所有友商的总和，且续费率几近 100%。
顶流大厂排队接入： 在英伟达创始人黄仁勋的 CES 主题演讲中，3D 资产生成工作流便采用了 Hyper3D Rodin。目前，Unity AI Beta、OctaneRender、Canva、Figma 等专业设计与引擎平台均已先后接入 Hyper3D 的能力。
核心研发平均 00 后的公司
AI 时代，小体量的公司，甚至是一人公司逐渐成为主流，此外，年轻化也是 AI 领域的一大特征。
公司创始人曾提到，影眸现在加上实习生约 60 人，技术团队约占三分之二，核心算法团队很多人从本科阶段一起成长，流动很少。
其 CTO 张启煊说，公司成立到现在，流出的核心算法人才只有 3 个，分别去了英伟达、迪士尼研发部门和腾讯。
小团队的好处，是方向更集中，年轻化的好处，是点子更加天马行空。
影眸的核心团队来自上海科技大学的 MARS 实验室，吴迪 2015 年入学，第二年就搭起了这个实验室。
核心研发平均 00 后、约 60 人的团队，很难让人把它和「生成世界」这样宏大的命题联系起来。
但回头看影眸过去几年的路线，会发现他们几乎一直在做同一件事。从扫描真实世界，到生成数字人；从生成单个物体，到生成完整资产；接下来再从资产走向场景。尺度一直在变大，但方向始终没变。
当 AI 行业开始重新讨论世界模型时，有人在生成环境，有人在生成游戏，有人在探索具身智能。对于世界模型究竟是什么，至今没人能给出标准答案。
但有一点或许越来越清晰：在那个能够被进入、被交互、被操纵的数字世界真正出现之前，总得有人先把里面真实可控的东西造出来。