铃阅
❌

普通视图

最大规模具身大模型挑战赛落幕,48 小时真机总决赛比出了什么?

2026年11月16日 22:59

原创 Li Yuan 2026-11-16 22:59 江苏

开发者围绕同一块基础模型进行实验,让模型直面成功的方法、失败的经验和真实世界的问题。

作者|Li Yuan

编辑|郑玄

最大规模具身大模型挑战赛总决赛结果出炉,排名第三的队伍 SST 只额外采集了 13 条数据。

他们没有大量补数据,而是让 DeepSeek 先理解任务,再用视觉分割模型标出目标物体,最后交给 LingBot-VLA 2.0 完成动作,并在真机评测中拿到 65.87 分。

通用大模型与具身模型的协同在这里变得很具体:DeepSeek 负责弄清楚要做什么,具身基础模型帮机器人找准操作对象、做出动作。

11 月 16 日,首届蚂蚁灵波具身大模型挑战赛在上海张江收官。经过线上初赛,15 支战队进入为期 48 小时的线下总决赛。所有队伍使用同一款开源模型 LingBot-VLA 2.0、同一款松灵 COBOT MAGIC 机器人和统一的现场算力,完成蔬果摆放、化妆品收纳和双臂清扫三项任务。

起点相同,解法不限:有人重采数据,有人调整模型的训练和推理方式,也有人接入通用大模型、视觉分割或仿真工具。48 小时里,15 支队伍要回答的是同一个问题:面对真实桌面上的物体,怎样让已有的模型把这件事做成?

01

当胜负开始取决于如何使用数据

纵观整场比赛,有一点十分有趣:几乎每支队伍都提到了数据工程的重要性。

LingBot-VLA 2.0 已经具备基本的视觉理解、指令理解和动作生成能力。参赛者不必在 48 小时里重新训练一个机器人大脑,而可以直接判断模型已经会什么、会在哪些情况下失败,再决定应该补什么数据、怎样训练。

冠军团队 TARS 首先给三项任务分出了难易。经过测试,他们发现,水果摆放和化妆品收纳的主要问题,是现场的无关物体容易干扰判断。团队因此引入大模型识别目标和干扰物,再遮挡无关区域,让机器人更专注于当前任务。团队介绍,这套方法让第一项任务实现了 10 次全部成功。

他们把更多时间和数据留给了最难的双臂清扫。簸箕抓取不稳,团队便重新选择抓持位置并补采数据;机械臂伸远、负重后会下坠,他们又测量不同负重下的偏差,对动作进行补偿。此外,团队还将单步训练时间从约 15 秒压缩到 3.4 秒,为现场迭代争取时间。最终,TARS 以 82 分拿到第一名。

排名第三的 SST 走的是「少而准」的路线。除了在推理时接入 DeepSeek 和视觉分割模型,他们还冻结了部分预训练参数,避免 13 条补充数据破坏 LingBot-VLA 2.0 原有的通用能力。

获得第二名的 EVA 则选择持续补数据。比赛开始时,他们直接用官方数据训练,真机成功率只有约 10%。团队把每轮测试中的失败重新变成训练数据:机器人在哪里抓偏了、什么角度容易出错,就围绕这些问题继续采集和训练。经过 7 轮迭代,数据增加到约 1200 条,自测成功率提高到 73.83%。

资源有限的 FDU_SONIC,把重点放在了已有数据上。这支由四名复旦学生组成的队伍,平时使用约两千元的机械臂,算力也不充足。他们没有选择成本更高的模型结构创新,而是反复分析官方提供的 647 条轨迹,再通过真机测试寻找失败原因,围绕问题调整数据。最终,团队获得第五名和三等奖。

四支队伍使用同一款模型,却做出了完全不同的数据选择。

真正拉开差距的,也不再是谁采集的数据更多,而是谁更理解 LingBot-VLA 2.0 已经具备的能力,能够用最合适的数据和工具把它释放出来。

基础模型越强,开发者越不需要重复建设底层能力,也越能把时间花在过去只有完整机器人团队才有机会解决的真机问题上。

02

同一道题,

开发者带来了不同的解法

数据之外,15 支队伍本身的背景,也很值得一看。

进入决赛的 15 支队伍中,有长期研究机器人的学生和工程师,也有人来自自动驾驶、搜索推荐、大模型评测和 AI 基础设施等领域。对其中一些人来说,这甚至是第一次接触机械臂、仿真环境和真机调试。因此,大家的路线也格外精彩。

「416 一定行」的两名队员此前从事搜索推荐和多模态算法工作,刚刚毕业,也是第一次接触机器人仿真和真机调试。他们最初沿用互联网算法中常见的思路,通过补充数据和全量微调,让模型适应比赛场景。但结果并不完全符合预期:模型在标准场景中表现更好,换到物体随机摆放的环境后,成功率反而下降。

团队进一步分析后判断,视觉模块过度学习了比赛数据,损失了 LingBot-VLA 2.0 原有的通用能力。他们因此限制视觉部分的学习幅度,把更多优化集中在动作模块。这次尝试揭示了基础模型开发中一个重要问题:开发者不仅要教会模型处理新任务,还要避免在微调过程中破坏它已经拥有的能力。

来自大模型评测领域的「今天也要好好检东西」,看到的则是另一个问题。团队习惯先拆解任务、设计评价标准,再寻找失败发生在哪个环节。比赛中,他们让视觉语言模型负责理解环境和规划步骤,再由 LingBot-VLA 2.0 执行动作,同时搭建仿真环境,提前验证方案。

但到了真机现场,仿真桌面与真实桌面存在约 5 厘米的尺寸偏差,原本设计好的动作因此失效。这次失败并非毫无价值:它直接暴露了具身智能与纯软件开发的区别。数字环境中的方案可以精确复现,机器人面对的却是尺寸、光线、摩擦和机械误差都会变化的物理世界。通用模型降低了进入门槛,却不会自动抹平仿真与现实之间的距离。

更熟悉 AI 基础设施的团队,首先想到的则是加快训练。「持续知行」将单步训练时间从约 15 秒压缩到 4 秒,并在 48 小时内测试了约 30 个模型检查点;Motion 也把训练速度从每步约 14 秒提高到 3.7 秒。对一场只有 48 小时的比赛来说,训练提速并不只是节省等待时间,而是意味着团队可以多完成几轮「训练—上机—发现问题—重新调整」,更快找到有效方案。

还有自动驾驶从业者把残差学习和数据增强迁移到机械臂,机器人研究者则让模型根据环境的不确定程度调整动作长度。

这些方案并非都取得了理想成绩,但对第一次接触机械臂的人来说,能在 48 小时里把自己行业的方法搬上真机试一遍,本身就说明门槛在降。

03

具身智能还没找

自己的 Scaling Law

回到开头的 SST。只有 13 条补充数据之所以值得关注,是因为团队先用已有工具解决了指令理解和目标定位的问题,再让 VLA 专注于动作执行。TARS 也在蔬果摆放和化妆品收纳中用到了类似思路:先借助大模型识别目标,再减少画面里的干扰,让动作模型接收到更明确的输入。

最近一段时间,随着 Fable5.2 发布,很多人开始讨论通用大模型会不会吃掉具身智能基础模型?

在大赛同日举行的蚂蚁灵波首届开发者大会上,CEO 朱兴表示:「具身智能仍处早期,通用大模型的进展会加速行业发展,但机器人最终要在真实场景中证明,换个条件还能干、速度跟得上、成本也算得过来。」 对蚂蚁灵波来说,基模最值得追求的进步,是让伙伴用更少的数据和后训练成本,把机器人部署到新场景。

过去几年,机器人本体、关节、灵巧手和传感器快速发展,能够生产机器人的公司越来越多,但机器人如何理解环境、适应新任务,仍然需要大量定制开发。如果每一种机器人、每一个场景都要重新训练一套大脑,再丰富的硬件形态也很难转化为规模化应用。

这也说明,具身智能的技术范式还远未收敛。此时真正稀缺的,不只是某一个应用,而是更多人围绕同一块基础模型进行实验,把成功的方法、失败的经验和真实世界的问题带回来。

朱兴也认为,本体和末端工具会长期保持多样。生产场景有不同的效率、节拍和成本要求;即便将来进入家庭,不同用户的需求和偏好也不一样。这意味着,模型适配不同构型会是一个长期问题。

「目前看 VLA、世界模型、通用大模型控制机器人等路线都在探索,行业还不知道哪类数据扩大规模后,能带来能力跃迁。」朱兴表示:「不要盲目乐观,但也没必要过于悲观。」

比如这次比赛中,LingBot-VLA 2.0 已经开始承担机器人大脑这一层的基础能力:让开发者不必从零搭建视觉、语言和动作系统,而是可以直接在已有模型上训练、优化和部署,让机器人可以更好地在真实世界干活,这也是蚂蚁灵波开放模型、组织统一真机评测的意义所在。

*头图来源:蚂蚁灵波

本文为极客公园原创文章,转载请联系极客君微信 geekparkGO

极客一问

通用大模型与具身模型,

该如何协同落地?

跳转微信打开

腾讯 Hy4 flash 实测:快速、实惠、聪明,国模进入过日子时代

2026年11月16日 19:36

原创 Cynthia 2026-11-16 19:36 北京

​单任务成本仅为 Hy4 二十分之一,过日子的神!

单任务成本仅为 Hy4 二十分之一,过日子的神!

作者|Cynthia

编辑|郑玄

过日子的风,还是吹到了大模型行业。

2026 年之前,一款模型能不能刷屏,往往取决于它又做到了什么。GPT-4o 的实时语音交互、Claude 的编程能力、DeepSeek R1 的推理表现,一度轮番成为讨论焦点。一款新模型发布,大家首先关心的是它超过了谁,又做到了什么过去做不到的事。

但到了 2026 年,Agent 真正流行起来之后,风向开始变了。SOTA 模型的领先能力开始以季度为单位被轮番刷新,变得不再新鲜。而模型能力能不能用得起、等得起,成为了新的议题。

毕竟,让模型回答一个问题,和让 Agent 接手一项工作,对应的资源消耗模式完全不同。在 Agent 场景中,一次指令背后,可能是几十轮模型调用。读材料、查代码、调用工具、处理报错,每一步都会增加大量上下文和调用次数。OpenRouter 披露,今年 2 月 6 日,平台上 Agent 的 Token 用量首次超过人类直接调用;到 9 月底,已经约为后者的七倍。

具体到任务,今年 4 月,密歇根大学与斯坦福大学一项覆盖 8 款模型、500 个真实代码问题的研究发现,在其测试中,Agent 每次尝试处理一个问题,平均累计消耗约 417 万 Token,模型调用费约 1.86 美元。按这个均值,连续跑十次,就接近 20 美元。

在这一背景下。任务越长,大家对速度和价格就越敏感。各家模型厂商的 Flash 性价比模型也因此有了越来越大的用武之地。

早在去年,OpenRouter 与 a16z 对超过 100 万亿 Token 的使用数据进行研究后就发现,Gemini 2.0 Flash、DeepSeek V3 0324 这类兼顾能力与低成本的模型,已经获得了与部分高价领先模型相近的用量。到了今年 11 月 14 日,DeepSeek、智谱的 Flash 模型,又同时进入 OpenRouter 单日 Token 用量前十。用户越来越愿意为更强的能力付费,同时也在把大量日常任务交给更实惠的模型。

而在最近推出的一众 Flash 模型中,作为一款主打精简输出、更高吞吐以及更快速度的 Flash 模型,腾讯最近推出的 Hy4 flash,无疑是其中最受关注的一个。

据了解,这款模型的总参数量为 224B(其中 64B Engram 参数),通过在预训练阶段,加入混合注意力、LatentMoE、Engram 等架构特性,Hy4 flash 可以做到实际使用时激活参数仅为 12B,KV cache 大小仅为 Hy3 的 1/24、Hy4 的 1/6,还支持多模态和 1M 上下文长度。

此外,作为迄今为止最高性价比的 Hy 模型:Hy4 flash 的每百万 Token 输入 0.5 元、输出 2 元,命中缓存时仅需 0.02  元,价格较 Hy4 大幅降低。

在此基础上,在后训练阶段,Hy4 flash 通过自蒸馏 Hy4 获得了较强的综合智能水平,再通过强化学习使端到端任务输出长度降低 50%。最终实现整体的单任务成本仅为 Hy4 二十分之一。

推理效率上,通过结合 megakernel、4bit 量化、DFly 等手段极致优化,Hy4 flash 解码速度可超过 150 tps,且可以大规模低成本部署运营。

我们也在 Hy4 flash 发布后的第一时间拿到了 Hy4 flash 的内测资格。

随后,我们把它放进了 WorkBuddy(WorkBuddy 中可以免费使用 Hy4 flash),和同样定位的 DeepSeek-V4.1-Flash(1017 版本),以及原始 Hy4 做了四轮对照:一轮办公决策,一轮编程修复,一轮视觉理解,还有一轮 PPT 生成。

以下是我们的测试结果。

01

办公决策:判断一致,

Hy4 flash 快了近三分钟

第一轮,我们让模型为一场产品发布会做决策准备。

这道题,我们特地增加了材料难度,给到了模型几组互相矛盾的口径,再把目标和约束一起放进去,看模型能不能自己理清楚。

任务描述如下:

公司要上线发布两个产品能力,其中纪要能力的成熟度较高,方案能力的成熟度还有待完善。产品同学说,这个月有 8600 人点开过产品,成功率达到 91%;数据同学给出的却是,每周真正使用的大约只有 3200 人,真正完成任务的比例只有 67%,差了将近 3 倍。销售是 6 家感兴趣、1 家愿意付费试点 8 万/年,财务希望发布后 3 个月看到约 40 万的经常性年收入(ARR)。法务说发布会前安全评估做不完,只宣布即将开放、不现场开通注册则风险相对可控。该信哪组数字,并给出明确的发布建议,交出一页能投屏的决策纸。

在这段描述中,产品与数据同学的两组数字都有出处,但统计周期、使用行为和成功口径并不一致。模型得先弄清它们各自代表什么,再判断发布会上该用哪组。销售和财务之间,也需要对意向、付费试点和收入目标,做一下关联与区分。法务的评估不做完就不开通注册,则是最终的条件限制。

选这道题,是因为它很像实际工作中会遇到的情况:没有标准且统一的数据口径,也没有完全 ready 的材料,系统各方面又会提出不同的约束条件,而用户必须从中梳理出一条可被执行与讨论的方案。

最终,Hy4 flash 用了 1 分 14 秒。

它建议折中推进:发布会照开,只宣布即将开放、分批放量,现场不开注册,也不先收等待名单。对外采用 3200 人、67% 这组更严格的数字。等待名单是否属于开通注册,则把它单独列为待确认事项。

DeepSeek-V4.1-Flash 用了 4 分 8 秒。

它同样建议折中:发布会照开,只宣布即将开放,不现场开通注册;对外主推会议纪要,方案能力标为内测,数字也采信 3200 和 67%。不同的是,它建议发布会可以收集等待名单,再向名单用户分批开放。

这里不能算它判断错误。法务明确限制的是现场开通注册,并没有明确禁止收集等待名单。

这一轮,两边的核心判断一致,也都交出了要求的一页纸,质量没有明显差距。

在这一轮测试中,Hy4 flash 的优势主要在速度:少用了 2 分 54 秒。口径冲突、发布取舍和最终交付都处理到了,完成时间只有对方的三成左右。

02

读图决策:相比 DeepSeek-V4.1-Flash,

Hy4 flash 误读更少

第二轮,还是对比 DeepSeek-V4.1-Flash 和 Hy4 flash。这一次,我们不再给模型太多的文字提示词,而是根据测试一的文字内容,将其加工成一张有矛盾的投屏图片,喂给模型。然后让模型只根据这张图做决策准备,看它会不会自己把这些矛盾指出来,然后再做和场景一类似的决策准备。

如上图,图上最显眼的大卡片写着月活 8600、成功率 91%、意向客户 6 家,还带了可计收入红标;右下角对照表却是另一套更严的数字。柱状图上标注的是 8 万和 40 万,但 8 万那根柱子实际画到了大约 32 万的高度。

最终,Hy4 flash 用了 2 分 46 秒。

它继续建议折中发布:只宣布即将开放,不现场开通注册,对外采用更严格的口径。

对于客户数量,它指出,6 家意向客户的卡片带有「可计收入」标注,但对照表只确认了 1 家付费试点,这两处信息存在冲突。

8 万元究竟是已确认收入还是预算,40 万元的目标时间口径是什么,它也分别列为待确认事项。

不过,8 万元那根柱子画高了,它没有发现。

DeepSeek-V4.1-Flash 用了 1 分 25 秒。

它同样建议折中,也整理了卡片和对照表之间的口径差异,但有两处写错。

第一处,它把客户卡片上的红标读成了「非付费」,与图中的「可计收入」不符。

第二处,它写道:「8 与 40 的视觉比例 20%,与 ARR 进度 20% 自洽,此处无失真。」

8 除以 40 确实等于 20%,但图上的柱高并没有按这个比例绘制。DeepSeek-V4.1-Flash 算对了数字关系,却忽略了图形比例的错误。

这一轮,DeepSeek-V4.1-Flash 虽然更快,但出现了两处明确误判。Hy4 flash 识别了「6 家意向客户被标为可计收入、实际只有 1 家确认付费」的冲突,整体的准确率会更高。

03

编程修复:相同结果,

Hy4 flash 更快更有性价比,

Hy4 思考更全面

第三轮,我们难度升级,安排了一道编程题,让模型接手一个正在使用的库存与计价项目。这次的对比对象选择了 Hy4 与 Hy4 flash。

这次选择的项目是一个已经在用的库存系统。仓库里现有测试都是通过的,但线上却出了 4 个问题:预占库存后数字对不上(预占库存后,在库数量也跟着减少,取消后又恢复不了)、整单出库会报错(某件商品的库存被全部预占后,整单出库会报错)、优惠券没有按上限封顶(400 元订单使用 20% 优惠券,抵扣超过了 50 元上限;)、月末报表漏了一天(11 月报表漏掉了 11 月 30 日当天的出库)。

我让模型根据项目里的代码和问题清单,自己找到这些 bug,先写出能复现问题的测试,再把代码修好,最后交一份修复说明。

这道题模型需要读懂别人写的代码,并找到现有测试遗漏的情况,再证明修改后的行为符合项目约定。

最终,Hy4 flash 用了 2 分 5 秒,四个问题全部找到并修好。

在它的修改下,预占操作不再误扣在库数量,取消改为释放预占;整单出库可以正常完成;优惠券抵扣按 50 元上限封顶;报表区间改为包含结束当天。

最终,Hy4 flash 还给原本的项目新增了 5 个测试,端到端完成了验证:预占后在库仍为 10、可用为 6,取消后可用恢复为 10;400 元订单实付 350 元;11 月汇总包含 11 月 30 日,共计 8 件。

相同的任务,根因和改法也与上面几乎一致,正式版 Hy4 最终用时 3 分 49 秒。唯一的不同之处在于 Hy4 最终为项目新增了 8 个测试,整体的流程会更加完整。

04

论文转 PPT:

Hy4 更清晰,Hy4 flash 更高效

前面几个任务都是真实生产系统中的点状问题,这一次测试,我们选择一个端到端的任务,让 Hy4 与 Hy4 flash 分别测试把同一份论文生成 PPT 的任务,看看最终哪一个的效果更优。

这次我们选择的是一个主题为 OpticalRAG 的技术论文,讲的是一种减少长文档占用 token 的方法:先把页面渲染成图像,再在像素空间里压缩,用来做检索增强生成。提示词中,我们要求模拟能够按照如下顺序组织内容:要解决的问题、核心方法(两项关键技术分开讲,必要处配示意图)、关键实验结果(要把数字写上)、局限和落地时要注意的地方。

选这道题,需要模型先读懂技术论文,然后还需要有完整的多模态生成能力,能把理解的东西做成结构清楚、数字写对、能直接讲解的幻灯片。

最终,Hy4 flash 用时 9 分 5 秒生成了一份一共 21 页 PPT,问题、方法、实验和局限都按要求写到:不仅论文中的两项关键技术分开讲述的很清晰,关键数字准确无误,一些技术方式在 BAMBOO 上原始分并不领先之类的数据也完整呈现。

唯一的美中不足是,有几页页脚和正文叠在了一起,CAP 公式里的指数没有做成上标。

同一篇论文和同一段提示词。正式版 Hy4 一共用时 15 分 47 秒,产出了 18 页 PPT,结构和关键数字同样正确。同样也发现了压缩感知分数第一,并不等于原始分数第一、长文档上按问题筛选反而低于简单的均值池化这些细节。

整体来说,在把长篇技术论文做成可讲解 PPT 的场景里,两边都完成了任务,论文要点和关键数字都写对了。Hy4 flash 的优势是速度,主结果表也更完整。正式版 Hy4 用时更长,但页面更适合直接讲解,对结论的分析,也交代得更清楚。

05

尾声

客观来说,无论是 Hy4 flash 还是 DeepSeek-V4.1-Flash,市面上的一众 Flash 模型,在准确率方面相比于当下的 SOTA 模型仍有一段距离。但是对于日常办公以及编程修复等任务来说,他们都已经达到了一个专业工程师与白领的水平。

此外,对于 Agent 这种模型调用轮次多、上下文超长、成本极易失控的场景来说,Flash 模型不失为一种不错的选择。

相应的,混元的官方 Blog 也推荐在深度搜索、文档处理、PPT 生成、简单前端展示、computer use 等大部分日常任务中使用 Hy4 flash,在长程软件工程等复杂任务中推荐使用智能上限更高的 Hy4。

总而言之,Hy4 flash 就是当下各种 Flash 模型中,最适合过日子的神!

*头图来源:腾讯混元

本文为极客公园原创文章,转载请联系极客君微信 geekparkGO

直播预告

模型越来越大,生成质量不断刷新,算力投入也在持续加码。置身这场「万卡竞赛」,一家创业公司怎样找到自己的胜算?

年内累计融资近 5 亿元的达瓦科技,选择把核心投入放在控制层,走出一条「重控制,轻渲染」的技术路线。这条路从真实片场长出来:多年影视制作与虚拟拍摄,让达瓦积累了约 180TB 结构化过程数据——摄影机怎样移动、灯光怎样变化、人物怎样与环境发生关系。这些藏在成片背后的信息,为模型理解「改变什么、保留什么」提供了重要依据。

沿着这条路径,达瓦希望让生成的内容能够被准确修改,让发生过的变化能够被记住,并让世界随着人的行动持续运行。其 Scenes AI 已展示在单张消费级 NVIDIA RTX 显卡上运行实时世界模型的能力。

从片场积累到国际技术舞台,从已有业务的收入与盈利到实时互动的新市场,达瓦的选择,也提出了一个值得讨论的问题:AI 视频的竞争,究竟有哪些不同的赢法?

11 月 17 日 19:30,极客公园创始人 & CEO 张鹏将对话达瓦科技 CTO 朱子威、CPO 李宗兴,聊透这条路线背后的技术判断与商业逻辑。

跳转微信打开

曝黄仁勋考虑重返英伟达担任 CEO;苹果计划明年发布首款智能眼镜;OpenAI 撤销独立机器人研究团队 | 极客早知道

2026年11月16日 08:49

曹思颀 2026-11-16 08:49 北京

第二代 iPhone Duo 曝光,FaceID 是首要任务;研究员破解 Switch 2 实现操控特斯拉;曝松下计划本周推出 L 卡口电影摄影机。

曝黄仁勋考虑重返英伟达担任 CEO,盟友正施压董事会

据英国《金融时报》周日报道,黄仁勋正考虑重返英伟达担任首席执行官。如今他在硅谷的多位盟友正向英伟达董事会施压,要求公司重新任命他。

报道称,黄仁勋已经和亲信讨论了重返公司的可能性。与此同时,英伟达董事会还在开展独立调查。

一位黄仁勋的盟友表示,他们正在组建一个由硅谷高管构成的「作战室」,游说黄仁勋重返英伟达,并计划争取白宫方面支持。该人士透露:「除了那些前沿 AI 实验室外,科技界所有大腕都爱戴黄仁勋。」他还补充称,这些行动得到了黄仁勋本人的支持。

不过,与其他创始人、CEO 不同,黄仁勋并没有英伟达的控股股份,因此无法推翻董事会任何决定。(来源:IT之家)

传苹果计划明年 WWDC 发布首款智能眼镜

据彭博社记者 Mark Gurman 披露,苹果计划在 2027 年 6 月举行的 WWDC 全球开发者大会上发布首款 AI 智能眼镜,并于当年年底前正式上市。这款产品内部代号为 N50,目前硬件设计已基本定型。

外观方面,苹果智能眼镜比 Meta 第二代 Ray-Ban 智能眼镜更加纤薄,摄像头直接集成在镜框内部,没有明显凸起。苹果还准备了多种款式和配色,并重点优化音质、传感器及佩戴体验。

与传统 AR 眼镜不同,苹果首代智能眼镜不会显示增强现实画面,而是以 AI 语音助手 Siri 为核心,通过摄像头感知周围环境,实现建筑识别、实时翻译、导航指引等功能。

硬件方面,原型机运行精简版 visionOS 28 系统,搭载基于 Apple Watch 芯片开发的处理器,支持 Wi-Fi 连接及磁吸充电,甚至可以边佩戴边充电。

值得注意的是,苹果智能眼镜并非完全独立的设备,需要搭配较新款 iPhone 使用,不支持 Android 手机。复杂的计算任务主要由 iPhone 承担,开发者也无需专门开发眼镜应用。(来源:快科技)

OpenAI 撤销独立机器人研究团队

近日,OpenAI 向《财富》确认,已经撤销独立机器人研究团队。

原机器人研究人员进入首席研究官 Mark Chen 领导的核心研究部门,机器人应用和硬件人员则转入总裁 Greg Brockman 负责的 Applied 部门。

公司表示,机器人仍是其长期技术愿景的重要组成部分,此次调整是为了加快研发进度。

值得一提的是,这是一个来得有些突然的消息。今年 9 月,OpenAI 还在大规模招聘机器人研发人员,部分岗位开出的基本年薪高达 50 万美元。年初,公司旧金山机器人数据采集实验室已有约 100 名工作人员,还在规划第二处实验室。(来源:凤凰网科技)

华为将发布首款昇腾原生具身世界模型

华为云宣布将于 11 月 16 日 14:00-15:30 举办线上发布会,正式发布首款昇腾原生的具身世界模型,支撑具身智能从实验室走向千行百业规模化落地。

据了解,该模型的名称是 CloudRoboWM1.2。按照已披露议程,这款具身世界模型将由华为云具身产品线总裁、具身智能 Lab 主任吴小东发布,华为云具身智能 Lab 首席模型专家刘流将对华为云具身世界模型架构和能力进行解读,华为云具身智能产业生态负责人丁志彬则将围绕 CloudRobo 生态共建发表演讲。

此前,华为云于 2025 年 6 月发布 CloudRobo 具身智能平台,今年 6 月,华为云正式发布「行业 AI 梦工厂·具身智能专区」。(来源:财联社)

研究员破解 Switch 2 实现操控特斯拉:方向盘、油门、刹车都能控制

汽车网络安全研究员马修 · 库卡尼奇(Matthew KuKanich)近日在 Reddit 上分享了一段视频,展示自己使用任天堂 Switch 2 手柄控制特斯拉汽车。库卡尼奇表示,这套系统能够让他全面控制车辆功能,包括方向盘、油门、刹车、转向灯、喇叭、挡位以及雨刮器。

在具体操作上,库卡尼奇并没有直接破解特斯拉汽车,而是对 Switch 2 进行了越狱,并开发了一款名为 CAN Commander 的定制应用。该应用通过汽车的 CAN 总线向车辆发送控制指令。CAN 总线是汽车内部各个电子部件相互通信的网络。

这款应用将车辆的各项功能映射到了 Switch 2 手柄按键上:左摇杆控制方向盘,ZR 键控制加速,ZL 键控制刹车,A 键切换前进挡和倒车挡;L 键和 R 键分别控制转向灯,X 键触发一次雨刮器动作,Y 键则用于鸣笛。

库卡尼奇目前尚未公开这项工程的源代码,不过他表示,未来可能会将代码上传至自己的 GitHub 页面。(来源:IT之家)

马斯克:SpaceX 通信卫星最终将超 10 万颗

11 月 15 日,马斯克在回应「星舰单次发射可增加 50 Tbps 星链带宽」的评价时表示,这个数据对全球国际带宽总量的实际提升「没有听起来那么好」,因为星链需要在近地轨道部署大量卫星,才能在全球范围内实现这样的带宽提升。

不过,他预计,SpaceX 通信卫星最终将超过 10 万颗,其中大多数将为 V4 或 V5 版本。

目前,星舰第 15 次试飞搭载 26 颗第三代星链(V3)卫星,每颗可为星座增加约 1 Tbps 通信容量,合计约 26 Tbps。(来源:财联社)

ULA 成立 20 年首次发射任务完全失败,亚马逊 40 颗卫星损失

美国联合发射联盟公司(ULA)的火神(Vulcan)运载火箭于当地时间 11 月 15 日从佛州卡纳维拉尔角太空军基地升空,执行亚马逊低轨卫星星座 Amazon Leo 的首次发射任务。

不过,火箭升空约 10 分钟后出现异常,未能将搭载的 40 颗卫星送入预定轨道。这是 ULA 自 2006 年成立以来首次发射任务完全失败,终结了该公司近 20 年的全胜纪录。

此次任务还是火神火箭时隔约 9 个月后的首次飞行。此前,该型火箭在 2024 年和 2025 年的飞行中曾出现固体助推器喷管异常,相关问题导致美国政府暂停使用火神火箭执行国家安全发射任务。(来源:IT之家)

第二代 iPhone Duo 曝光,FaceID 是首要任务

据科技网站 9to5mac 报道,明年秋季,苹果将推出第二代 iPhone Duo。据了解,苹果工程师正试图将 Face ID 集成到新一代手机中,但这项功能最终可能赶不上产品发布。

据彭博社知名记者 Mark Gurman 透露,苹果目前为 iPhone Duo 设定了两个优先目标:Face ID 和操作按钮,后者最终可能只是相机控制的一项新软件功能,允许用户重新设置长按操作,将原本用于在相机中调用 Siri 的功能,改为启动用户自己选择的应用。

至于 Face ID,苹果工程师目前正在「积极努力」将这项技术集成到未来新手机中,具体来说是集成到设备的外屏上。

「未来几代产品的其他目标还包括增加一颗长焦摄像头,以及进一步减薄机身、减轻整机重量。但 Face ID 才是首要任务。据我了解,苹果已经开发出搭载 Face ID 的 iPhone Duo 2 原型机,工程师目前仍在积极努力将面部识别系统集成到第二代机型的外屏上。」古尔曼表示。

不过,尽管如此,Face ID 最终可能无法如期推出。据古尔曼透露,目前相关研发时间非常紧张,而且这项技术尚未完全准备就绪,因此他无法确定该功能能否赶上新机发布。(来源:凤凰网科技)

曝松下计划本周推出 L 卡口电影摄影机

三位消息人士透露,松下可能在本周推出一款 L 卡口电影摄影机。

其中一名消息人士表示,这款电影摄影机计划于下周二(11 月 17 日)在大阪发布。该机融合了松下 EVA-1 和 Lumix S1H 的特点,但不具备静态照片拍摄功能。

同时,该机预计不会采用 FX6 或 Pyxis 那样的盒式机身造型,而是更可能类似索尼 FX3 或佳能 EOS C50。这款新机可能会在 2027 年 1 月上市。(来源:IT之家)

利用 AI 编程:爱好者将「电子墨水屏便利贴」改造为苹果 Apple TV 遥控器

据 XDA 报道,一位 Reddit 用户 Frankynov 将自己的 Seeed Studio reTerminal Sticky「电子墨水屏便利贴」改造为了苹果 Apple TV 遥控器。

Frankynov 透露,整个项目基于 Home Assistant 构建,利用了 Claude 进行辅助编程,不仅能够控制 Apple TV 播放内容,还可以通过触摸屏调节家中的灯光等智能家居设备。

目前,相应项目仍处于初期阶段,开发者表示后续还需要进一步调整设计,并修复测试过程中发现的问题。不过,从目前展示的效果来看,该设备已经具备相当不错的实用性,兼具了触控操作和电子墨水屏低功耗的优势。(来源:IT之家)

*图片来源:视觉中国

播客上新

最近一段时间,Personal Agent 产品明显升温。相比过去等待用户提问的 Chatbot,这一波产品开始尝试持续记住用户、理解个人习惯,甚至主动发现需求、替用户完成任务。

本期节目,我们邀请 Today AI cofounder 高策、Cola 创始人&CEO,橘AI主理人冯雷,从产品实践出发,聊聊 Personal AI 与任务型 Agent 的差异,以及长期记忆、主动交互和任务执行能力,如何共同构成个人助理。

🗂️ 从零散的邮件、日历和日常对话中,AI 如何逐渐理解一个人的偏好与行为模式?

🖥️ 从主动提醒到真正替人办事,还需要跨过哪些技术和产品门槛?

🤝订阅、广告还是交易抽成,不同商业模式又将如何影响 AI 与用户之间的信任关系?

记住一个人也许很简单,真正难的是从记忆里理解一个人。Personal AI 距离成为真正的个人助理还有多远?欢迎收听~

跳转微信打开

造物 100 #13|落地灯替你叠衣服、可抽拉主板的 NAS、让机械手表「开智」的 AI 黑科技

2026年11月15日 21:07

极客公园 2026-11-15 21:07 北京

冰箱、手表、落地灯,都被加上了 Al。

本周,苹果的 HomeView 开卖了。它是一块智能家居屏幕,能靠脸认出家里的六个人,并且每个人看到的主屏幕将会专属定制,售价 299 美元,苹果正在以一种新的方式重新构建家庭场景的重心。

同一周,Nothing 的创始人 Carl Pei 在 X 上说,整个行业都在找 AI 的「iPhone 时刻」,吊坠、胸针、眼镜、陪伴机器人,都想成为那个让 AI 走进每个人生活的新设备。Nothing 自己也在做,下个月要发布第一款没有屏幕的 AI 设备,造一个新的入口。

但还有一批造物者认为,重新打造,不如先改造。

一块机械表,背面贴一片 2.7 毫米厚的小圆片,它就多了测心率和睡眠的本事。一台冰箱,上面放一个小 AI 设备。你就可以拿起食材放到摄像头下面,帮你记账。落地灯在需要时,可以成为一台机器人,去折衣服、铺床。

怎么让 AI 真正成为每个人的助手,这个问题大家一直在探索,到现在也没有定论。但看看人自己的记忆,会发现一件事:记忆是跟场景绑在一起的。走进厨房,会想起冰箱里还剩什么。站在衣柜前,才想起该洗哪件衣服。

这几个产品做的,正是这件事。Trepo 只管冰箱,HIYD 只管手腕,Lume 只管家务。场景小,AI 就知道该记什么、该帮什么。在这个很具体的空间里,AI 最有可能把事情做得更快、更有价值。

当大公司们在找下一个 iPhone,这些造物者在找下一个冰箱、下一块手表、下一盏灯。AI 的下一个入口,会是一个新发明,还是我们早就用惯了的东西?

以下,是「造物 100」栏目第 13 期推荐的最新造物。

作者|徐珊

编辑|靖宇

图片

落地灯机器人 Syncere Lume:

白天是灯,需要时成为家务机器人

一盏落地灯,里面折着一台机器人。将机器人隐藏在家具里,成为当下不少家庭机器人正在探索的新方向之一。

Syncere Lume 收起来,是一根铝制灯柱,大约 11×15×45 英寸,占地和普通落地灯差不多,放在床边或沙发角落。你可以用 app 给它派活,它能折衣服、铺床、整理房间。同时,你会收到一条「个性化手环」,用来教它你喜欢怎么叠衣服。有人或宠物走近,它会自己暂停。

该设备,一盏灯的话售价是 2699 美元,两盏的 Duet 版 5199 美元。目前是邀约制下单,首批 2027 年上半年交付,先在纽约和旧金山湾区,之后用它还要另付软件费。

做它的是 Syncere,公司在硅谷,创始人 Aaron Tan 和 Angus Fung 都是机器人研究者,去年 8 月成立。a16z Speedrun 领投了 1100 万美元,它也入选了 TIME 的 2026 年度最佳发明。

更有意思的是,他们把机器人伪装成了家具。先当一盏灯进家,再靠真实使用的数据,用软件更新让它慢慢学会新活。不过,现在能干的活还不多,新技能要等以后加。

图片

图片

图片

图片

厨房助手 Trepo:

特斯拉工程师打造的 AI 硬件,

贴在冰箱上记录食材菜谱

冰箱里的东西吃没吃完,什么时候过期,今晚做什么,过去这些事基本都靠脑子记。

但现在 Trepo 想把这件事交给一个小设备。它放在冰箱上或台面上,有一个朝下的摄像头。拿起一样食材放在下面,点「入库」就记进你的厨房清单,点「用完」就划掉,点「做成菜」会算出营养成分。还有一个麦克风,按住说话就能把东西加进购物清单。屏幕可以一步一步显示菜谱,做饭时不用再拿手机。配套有 iPhone 和 iPad 的 app,不买设备,免费版也能用。现在预购价 99 美元(原价 129 美元),含台面支架和 USB-C 充电器,附送 3 个月会员,之后每月 9.99 美元,可以取消。

该设备研发团队只有两个人,是今年秋季 YC 这一批的。CEO Matt Taylor 以前在特斯拉做电子设计,参与过 Cybercab、Cybertruck 和 Model Y 的改款,之前还在 Nuro 做过无人配送车。另一位联合创始人 Zach Slaughter 管市场和合作。

更有意思的是他们的野心。官方说,设备只是第一步,知道你家里有什么、缺什么之后,再让 AI Agent 去帮你买菜。不过直接下单买菜这一步,还在探索中。

图片

图片

图片

图片

健康追踪器 HIYD:

苹果工程师打造的磁吸贴片,

让机械手表「开智」

想知道睡得好不好、心率怎么样,通常要换一块智能手表。

但如果你手上的表,是一块舍不得摘的机械表呢?

HIYD 的答案是,表不用换,背面贴一片贴片就行。它是一个直径 25 毫米、厚 2.7 毫米的小圆片,用微吸附贴在任意一块手表的背面,不用磁铁,也不用胶。手表负责好看,它负责在背后盯着你的心跳。它没有屏幕,也不发通知,只干一件事:贴着手腕,测心率、心率变异性、血氧、体温和活动。

该贴片充一次电大约用 4 天,加配电池表带能到 20 天左右。不想贴在表上,也可以用附带的软表带单独戴。数据同步到 Apple 健康和 Health Connect,官方说 app 不收订阅费。

团队说,CEO Salah Batroukh 是前苹果工程师。据媒体 11 月中旬的报道,它在 Kickstarter 上已经筹到约 66 万美元,将近 4000 人支持,12 月 11 日截止,预计明年 5 月发货。超级早鸟价 199 美元,只含传感器。

更有意思的是,它还有一个 549 美元的开发者套装,能导出原始的心率光电信号,还附带 API 和 SDK。也就是说,你不光能用它,还能拿数据自己折腾。

不过,硬件规格都是厂商自己的说法。FCC 认证和防水测试还没完成,睡眠、恢复和活动的 app 还在测试,接 Strava、Garmin 的功能也在开发中。

图片

图片

图片

图片

模块化 NAS Beelink ME Pro:

主板能抽出来换的 NAS

传统 NAS 里,这两部分是焊死在一起。想多放两块硬盘,就只能整台换设备,就连还可以用的主机也被一起扔掉,该设备将会预装自家的 Fygo OS,采用 ZFS 文件系统。

ME Pro 把「电脑部分」做成了一个可以抽出来的抽屉。同一块主板模块,可以在 2 盘位和 4 盘位的机身之间来回换,扩容时可以保留原来的主板。所谓「小 NAS」和「大 NAS」,区别只在盒子,一个能放 2 块硬盘,一个能放 4 块。大脑是同一个。

Beelink 这次的做法不一样。它把 NAS 里的「电脑部分」,也就是主板和处理器,做成了一个能像抽屉一样抽出来的模块。硬盘装在另一个盒子里,盒子有 2 盘位和 4 盘位两种。同一块主板,既可以插进 2 盘位的盒子,也可以换进 4 盘位的盒子。盘位不够了,只换盒子,主板接着用。主板有 Intel 和 AMD 两种方案,最高可搭载锐龙 AI 9 处理器。盒子是全金属的,2 盘位 1.7 公斤,4 盘位 2.4 公斤。

Beelink 是深圳做迷你主机出身,第一代 ME Pro 今年 1 月就已经在卖,这次是把它做成一整个系列。Beelink 在 NAS 上不是头部,或许很难到这个量级。但如果「主板可换」这个思路被用户认可,或许会成为新的突破思路。

图片

图片

图片

图片

教学人形机器人 StarBot Spark:

7999 美元起,专为教育场景打造

人形机器人一直是研究室里的东西,价格也是研究室的价格,过去非常昂贵。

Spark 想把它做小一点、便宜一点。它大约三英尺(0.9 米)高,重 35 磅(约 16 公斤),有 22 个自由度,双足行走。主要面向课堂、学校的机器人课程,以及想要一个真实双足平台的开发者。标准价 7999 美元,前 100 个确认订单 5999 美元,先付 200 美元定金预订。

做它的 StarBot Robotics 在加州圣巴巴拉。公司一共有 Spark、Astra、Flex 三个机器人平台。官方说 Spark 全部在美国制造。

更有意思的是价格的位置。一套课堂用的 NAO 人形机器人,含课程和培训,要 19,900 美元起。Spark 的 7999 美元包含的东西不同,不能直接比。但它确实把「学校买一台会走路的人形机器人」,变成了一笔能算的账。以前学生练习,多半只能看仿真里的小人摔倒,点一下重置就好。以后或许是真的摔,真的要去捡。

图片

图片

图片

本文为 Hardwire 原创文章,转载请在文章下方评论区留言

图片

跳转微信打开

传小米联手 AMG 之父,打造极致性能车;SpaceX 首次实现筷子夹飞船;「苹果最暗产品」诞生 | 极客早知道

2026年11月15日 08:05

美漪 2026-11-15 08:05 上海

Intel 与 NVIDIA 继续合作开发超级芯片:耐心等双方官宣;Google 为 Gemini 推出个人财务分析功能;Meta 旗下 Muse 上线代打电话功能

曝小米与「AMG 之父」创办的 HWA 秘密合作,希望打造「载入史册」新车

当地时间 11 月 5 日,意媒 Quattroruote 援引不具名知情人士消息称,小米与 HWA 或在秘密合作开发一款超高性能汽车,部分知名零部件供应商也有望参与其中。

双方据称希望打造一款性能前所未有、足以载入汽车史册的车型。新车的具体形式仍未确定,既有可能是全新的旗舰车型,也有可能是小米现有两款车型(SU7/YU7)的极致性能版。

过去几周,多辆采用更激进设计的 SU7 Ultra 测试车现身纽博格林赛道。该媒体分析称,不排除小米已在开发更侧重赛道性能的 SU7 Ultra 升级版。

接近项目的技术人员此前透露,小米主要针对 SU7 Ultra 现有的薄弱环节进行改进。

新车的底盘经过重新调校,以更好地适应纽北赛道,车轮定位设定更加激进,尤其是外倾角;制动系统也进行了强化,不仅增大了规格,还改进了散热设计。

动力系统则将进一步提高输出功率和散热效率,空气动力学设计也有所优化,以增加下压力,并改善热气流的排出。

目前仍无法确定 HWA 是否参与了 SU7 Ultra 升级方案的研发,还是双方计划共同推出一款全新车型。

据该媒体分析,如果是全新车型,可能有两种方向。一种是采用先进技术和现代化设计、性能达到全新高度的顶级超跑,造型和车身比例或借鉴中置发动机跑车;另一种则是以 HWA 190 Evo(下图)为基础进一步开发,因此有可能改变其原本的特色。

HWA 去年推出了 190 Evo 项目,以现代化复刻的形式改装了经典奔驰 190 E 2.5-16 Evolution II。其采用碳纤维车身,造型极为方正。(来源:IT 之家)

Intel 与 NVIDIA 继续合作开发超级芯片:耐心等双方官宣

11 月 14 日披露的信息显示,NVIDIA 曾宣布投资 50 亿美元入股 Intel,成为后者大股东之一,双方并非单纯开展财务投资,还涉及联合开发芯片的深度合作。

10 月 21 日 Intel CEO 陈立武在相关采访中表示,双方的联合开发将持续多年,暂未给出产品问世时间,产品准备就绪后将由双方共同对外宣布。

双方合作产品覆盖 AI 服务器与 PC 消费级市场,前者将在 NVIDIA AI GPU 上集成 Intel CPU,后者将由 Intel 处理器集成 NVIDIA GPU,相关产品代号为 Serpent Lake,暂无更多细节,2028 年问世是相对可能的时间点。(来源:快科技)

微软大规模宕机后,开源办公套件 LibreOffice 单日收到超 1000 笔捐款创历史新高

当地时间 11 月 14 日,开源办公套件 LibreOffice 背后的非营利组织文档基金会(The Document Foundation)发文宣布,昨天(13 日)文档基金会单日收到超过 1,000 笔捐款,创造历史纪录。

官方表示,虽然并不对其他组织所面临的运营问题感到幸灾乐祸,但这一时间节点表明,许多人正在重新审视自己在文档方面对单一云服务提供商的依赖。

使用 LibreOffice,您的文档均存储在本地,开放文档格式(ODF)文件也完全归作者本人所有,而非属于任何服务提供商。

向每一位捐款人致以衷心感谢。正是你们的支持,让这款软件以及这些开放标准得以始终保持独立。

受微软多项软件服务全球性故障影响,全球金融业务遭受重创,部分交易员被迫改用电话、社交软件,甚至重新启用传真机维持业务运转。(来源:IT 之家)

Google 为 Gemini 推出个人财务分析功能,接入银行账户和信用卡,帮用户分析收支

当地时间 11 月 13 日,Google 宣布为 Gemini 推出全新的个人财务分析功能,通过整合 Google Wallet(Google 钱包)以及第三方金融数据服务 Plaid,允许用户将银行账户、信用卡等金融账户连接到 Gemini,让 AI 直接读取个人交易记录,分析消费习惯、追踪资金流向,并根据实际财务状况制定预算和储蓄计划。

用户启用该功能后,可以在 Gemini 对话中使用 @Google Wallet 调用个人财务数据。例如,用户可以要求 Gemini 分析上一季度的消费情况,并制定一项在未来三个月内节省 1000 美元的计划。另一个重要用途是识别长期存在却容易被忽视的重复性支出。Gemini 还能够利用历史消费数据辅助制定未来预算。

Google 特别强调,这项功能采用只读访问机制。即使用户授权 Gemini 读取银行账户和信用卡信息,AI 也不能直接转移资金、管理账户或者进行投资操作。

整个功能完全采用自愿授权机制,用户可以在 Gemini 的 Personal Intelligence 设置中的 Connected Apps 选项里开启或关闭 Google Wallet 连接。用户可以根据需要决定是否向 AI 开放金融数据,而不必永久保持账户连接。

这项功能目前正在美国市场推出,覆盖 Gemini 网页版以及 Android 和 iOS 应用。Google 尚未公布其他国家和地区的具体上线时间,因此目前不能确定欧洲及其他国际市场的用户何时能够使用。(来源:cnBeta)

马斯克再创历史!SpaceX 首次实现筷子夹飞船,星舰回收迎来重大突破

11 月 14 日早晨,SpaceX 在美国得克萨斯州星际基地执行星舰第 15 次试飞任务。编号为 Ship 42 的星舰飞船顺利进入地球轨道,升空约 1 小时 17 分钟后完成全部 26 颗第三代星链卫星部署,后续在轨完成 14 圈绕地飞行,刷新星舰任务持续时间纪录。

本次任务中,SpaceX 首次利用发射塔「筷子」机械臂成功捕获从地球轨道返回的星舰上面级飞船,实现星舰飞船发射塔捕获回收的重大突破。

本次任务中超重型助推器 Booster 22 未进入预定捕获位置,最终落向墨西哥湾备用落区,其偏离预定位置的原因仍在调查,该突破为降低航天发射成本、提升火箭复用率及后续月球、火星任务奠定技术基础。(来源:快科技)

智能体帮你联络商家或保险公司,Meta 旗下 Muse 上线代打电话功能

11 月 14 日消息,Meta 旗下 AI 智能体 Muse 推出代打电话功能,开通高级付费订阅后,用户就能让 Muse 代自己联系美国商家。Meta 称,Muse 可以帮助用户处理各种烦琐事务,完成待办事项。

13 日凌晨,Meta 首席 AI 官汪滔在 X 上发文宣布:「Muse 能帮你打完所有不想亲自打的电话。」

据悉,用户可以借助 Muse 联系保险公司或有线电视服务商、预约美国车管部门的业务办理时间,或是打电话向餐厅订位。

Muse 会使用 AI 合成语音与商家工作人员交谈,但这类功能并非总能顺利完成任务。部分商家的工作人员听出对方是 AI 后便直接挂断电话,有人是为了防范诈骗,也有人认为这类来电可能是恶作剧,只会浪费时间。

Meta 此前已面向早期体验用户测试了几个月,现向 Meta AI 最高级别的付费订阅用户开放。订阅价格为每月 19.99 美元(现汇率约合 133.6 元人民币)起。(来源:IT 之家)

Windows 11 启动界面大翻新,首个被淘汰的是沿用多年的设备连接弹窗

微软已经开始向用户推送 Windows 11 新一轮界面现代化改造,而最先发生变化的并非开始菜单或任务栏,而是许多用户几乎每天都会遇到的 AutoPlay(自动播放)窗口。

微软此次推出的新版本 AutoPlay 采用 WinUI 现代界面框架重新打造,与 Windows 11 整体设计语言保持一致。新的界面不再像过去那样出现在屏幕右上角,而是改为居中显示,让用户更容易注意到相关提示,同时视觉风格也更加统一。

除了外观上的变化,新版 AutoPlay 还带来了更实用的功能。用户在选择某项操作时,可以明确指定「始终执行」或「仅此次执行」。如果选择始终执行,系统会记住该偏好,今后连接同类设备时自动采取相同操作,无需反复确认。

微软强调,AutoPlay 的重设计并非简单的视觉包装,而是在保留原有功能逻辑的同时进行全面升级,避免出现功能缩水或体验倒退的问题。新版设计既延续了用户熟悉的操作方式,又提供了更加现代化和一致性的使用体验。

不过,该功能目前采取分阶段推送策略。即使安装了最新的 2026 年 11 月 Windows 11 更新,部分用户短期内仍可能看到旧版 AutoPlay 窗口,需要等待微软进一步扩大推送范围后才能获得全新体验。(来源:cnBeta)

苹果重申对 visionOS 平台的长期投入,仍看好空间计算发展前景

据外媒 Road to VR 报道,苹果本周举办了一场特别的「Meet with Apple」开发者活动,重点围绕旗下空间计算平台 visionOS 展开。在外界数月来持续质疑苹果是否仍将投入 XR 领域的背景下,苹果公司再次强调「仍然看好空间计算平台的发展前景」。

苹果空间计算部门产品经理 Yuri Imoto 在活动中表示:「我们希望确保外界明确了解,苹果对这一平台的投入非常坚定。我们对此实际上感到非常兴奋。在相对较短的时间内,空间计算技术已经取得了相当迅速的进步」。

Imoto 还强调,空间计算平台正在医疗手术、医疗保健、教育、专业培训以及沉浸式电影等领域发挥越来越重要的作用,这些内容也是本次全天开发者活动重点讨论的方向。

不过,苹果在上述表态时始终强调的是对空间计算技术及 visionOS 平台的长期投入,而这并不意味着公司同样会继续大力推进 Vision Pro 硬件产品线。(来源:IT 之家)

Facebook 擅自读取意大利用户相册,Meta 被处以 8.05 亿欧元重罚

11 月 14 日消息,因在未经意大利用户单独授权、也未充分告知用户的情况下,通过 Android 版 Facebook 应用读取手机中保存的照片、视频及附带的元数据,意大利数据保护局今天(14 日)对 Meta 开出 8.05 亿欧元(现汇率约合 59.36 亿元人民币)罚单。

意大利数据保护局声明指出,此次处罚针对的是 Facebook 于 2023 年开始提供的「浏览 Facebook 时获取相册推荐」功能。用户浏览 Facebook 期间,该功能会自动推荐手机相册中的照片和视频,作为发帖素材。(来源:IT 之家)

Camp Snap 推出复古摄像机 CS-8 Micro:盲盒形式销售,可挂在钥匙链上随身携带,39.99 美元

据外媒 The Verge 报道,制造商 Camp Snap 宣布推出一款复古摄像机 CS-8 Micro,该产品将于 11 月 17 日发售,售价为 39.99 美元(IT 之家注:现汇率约合 267.3 元人民币)。

该产品采用密封盲盒形式销售,提供亮粉色、丁香紫、青柠绿和橙色等常规版本以及相对稀有的「黑色复古经典款」及「夜光款」。其整体长度约为 3 英寸(约 7.6 厘米),重量仅 1.5 盎司(约 42.5 克),可以挂在钥匙链上随身携带。

CS-8 Micro 配备了一块 LCD 屏幕,但仅用于取景,无法直接在摄像机上查看、编辑或删除已拍摄的视频。用户需要通过 USB-C 数据线将视频传输至手机或电脑,也可以取出随机附赠的 4GB microSD 存储卡,通过读卡器读取文件。

CS-8 Micro 仅支持拍摄 720P 视频,支持 8 倍数码变焦功能,提供 5 种内置滤镜,其中部分滤镜可以通过添加闪烁和颗粒效果以模拟 8 毫米胶片的复古影像风格,机身随附的 4GB microSD 存储卡最多可保存约 45 至 60 分钟视频,电池充满后预计可连续拍摄 30 至 45 分钟。(来源:IT 之家)

「苹果最暗产品」:苹果首款智能家居中枢 HomeView 屏幕最低仅 0.3 尼特

苹果硬件工程副总裁 Matthew Costello 在 11 月 13 日在接受 TechRadar 采访时,表示,苹果首款智能家居中枢 HomeView 屏幕最低仅 0.3 尼特,高管笑称是「最暗的苹果产品」。

他还表示「我非常喜欢 HomeView,这是我们迄今为止设计的产品中最暗的产品,最低亮度降至 0.3 尼特。所以官方来说,我打造的是苹果公司有史以来最暗的产品。我不知道这是好事还是坏事,但我对此非常自豪。」

对于调暗屏幕亮度,Costello 表示由于 HomeView 需要摆在床边,在夜间点亮后如果太亮,可能会影响用户的睡眠,因此需要降低暗光环境中的存在感。(来源:IT 之家)

人类寿命延长一倍!Anthropic CEO 称 AI 要让癌症十年内成历史:美制药公司礼来 CEO 回应

11 月 14 日,AI 头部企业 Anthropic 首席执行官达里奥·阿莫代伊在 IPO 路演等多个公开场合表态,若 AI 得到妥善合规引导落地,与全球顶尖医学、生物领域科学家深度协作,医学科研进步速度有望提升至原有水平的 10 倍,原本需耗费整个 21 世纪的医学探索进程可压缩至 5 至 10 年内完成,不到 10 年有望攻克癌症、阿尔茨海默病、心脏病、重症精神疾病等各类重大顽疾,甚至将人类平均预期寿命延长一倍。

美国礼来董事长兼首席执行官戴夫·里克斯对此作出审慎回应,称该愿景落地可能性不大,当前人类对自身生物学运作机制认知仍有大量空白,临床验证是医药研发绕不开的关键瓶颈,AI 赋能下的医药行业进展更可能是稳步渐进而非跳崖式快速突破。(来源:快科技)


*图片来源:视觉中国

播客上新

最近一段时间,Personal Agent 产品明显升温。相比过去等待用户提问的 Chatbot,这一波产品开始尝试持续记住用户、理解个人习惯,甚至主动发现需求、替用户完成任务。

本期节目,我们邀请 Today AI cofounder 高策、Cola 创始人&CEO,橘AI主理人冯雷,从产品实践出发,聊聊 Personal AI 与任务型 Agent 的差异,以及长期记忆、主动交互和任务执行能力,如何共同构成个人助理。

🗂️ 从零散的邮件、日历和日常对话中,AI 如何逐渐理解一个人的偏好与行为模式?

🖥️ 从主动提醒到真正替人办事,还需要跨过哪些技术和产品门槛?

🤝订阅、广告还是交易抽成,不同商业模式又将如何影响 AI 与用户之间的信任关系?

记住一个人也许很简单,真正难的是从记忆里理解一个人。Personal AI 距离成为真正的个人助理还有多远?欢迎收听~

跳转微信打开

OpenAI 和 Meta 联手,打通了 Agent 商业「最后一公里」

2026年11月14日 20:51

桦林舞王 2026-11-14 20:51 甘肃

Agent 能进门了,也能付钱了。

作者|桦林舞王

编辑|靖宇

Agent 替用户「消费」的时代,终于到来了。

美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 OpenAI 推出面向个人助手 dots 的 ChatGPT Wallet,解决助手怎么「付钱」的问题。

同一天打通进门和结账,本身就足够耐人寻味。更值得留意的,是站在两套方案背后的同一批名字。Visa 和 Mastercard 同时出现在两边的名单里,Shopify、Stripe 这些掌管电商与支付基础设施的公司,则站在 Poppy 的核心伙伴之列。

Agent 的下一场竞争,表面上看是巨头抢入口,底层的暗线却是一场围绕商业通道的提前占位。

01

个人 Agent 协议,PPP

Sierra 与 Meta 联合发布个人代理协议 Poppy v1.0|图片来源:Sierra 官方博客

过去,个人助手访问企业网站只能像个隐身访客,商家看不清来者是谁,更不敢把查订单、改地址、订机票或金融预审这类敏感操作交给它。

Meta 和 Sierra 推出的Poppy 要解决的核心就是信任,它让企业在接到请求时,能用密码学手段确认三件事——来敲门的是哪个助手、它代表哪位用户、到底拿了多少权限。

Poppy 协议的核心,是「门牌」、「地基」和「双向授权」。

「门牌」。接入 Poppy 的企业,会在网站标准路径/.well-known/poppy下放一份配置文件。你可以把它想象成贴在店铺门口的访客指南,写清楚开放了哪些通信端点、怎么登录、允许执行哪些操作。助手找上门时,不用再去瞎猜网页按钮怎么点,先看门牌就能按规矩办事。

「地基」。Poppy 没有推翻互联网现有的通信方式,它直接建立在 OAuth 授权、HTTPS 加密传输、OpenAPI 以及模型上下文协议之上。如果用户只是查商品价格,助手可以作为匿名访客对话;一旦涉及账户操作,就必须走授权登录,让企业验明正身。

「双向授权」。用户这一端可以决定,向助手开放只读权限,还是允许修改信息与交易;企业那一端则划定外部助手在自家地盘上最多能走多远。两边都点头,一次交互才算成立。

从发布信息来看,Sierra 与 Meta 联手推动这套协议,可以说非常互补。由前 Salesforce 联席首席执行官 Bret Taylor 与前 Google 高管 Clay Bavor 创立的 Sierra,主业是帮企业打造自有客服智能体,天然坐在「接待方」一侧;Meta 旗下的个人助手 Muse 则是典型的「来访方」,需要敲开无数网站的大门。接待方和来访方各出了一半力气,才凑成这次标准落地。目前 Muse 访问参与站点时,已经默认优先查找并调用 Poppy 协议。

开放协议最怕遇到先有鸡还是先有蛋的冷启动难题。这一次真正帮 Poppy 跨过门槛的,是电商基础设施巨头 Shopify。

协议发布的同时,Shopify 直接为全球 175 多个国家的每一位商家自动开启并生成了 Poppy 发现文件,不需要商家任何手动配置。再加上超过 100 家设计合作伙伴里,囊括了达美航空、1Password、Okta 和 Cloudflare 等各行业代表,这套门禁系统在第一天就铺开了不小的覆盖面。

02

不碰现金的 Agent

解决了进门问题,接下来的难关是付钱。

让 Agent 帮自己掏钱包,大多数人的本能反应都是抗拒。OpenAI 推出的 ChatGPT Wallet,设计出发点非常明确,就是让 Agent 能把交易推到终点,但从头到尾都碰不到真实资金信息。

在实际购物流程里,用户可以让自己的 dot 搜索商品、比价、放进购物车并准备好结账页面。可只要走到付款这一步,dot 就必须停下来,把决定权交还给人类。用户亲自核对商品清单、总金额和所选银行卡后,必须通过人脸识别或指纹扫描等生物识别方式完成授权,交易才会被放行。

OpenAI 个人助手 dot(Rufus)在对话中发起「Review purchase」结账确认|图片来源:OpenAI

更关键的安全设计藏在后台。无论是跑腿的 dot 还是收钱的商家,在整笔交易里都永远看不到你真实的信用卡卡号。用户授权后,合作的卡组织网络会生成一个一次性支付凭证,包含临时卡号、安全码和有效期。商家拿到的只是这串临时信息,你的真实卡号始终没有露面。

为了实现这套机制,OpenAI 拉来了 American Express、Mastercard 和 Visa 联合开发,完整保留了原有的信用卡积分、权益和拒付保护。OpenAI 还在发布时专门划清界限,强调 ChatGPT Wallet 绝非加密钱包,也不走区块链或稳定币支付,完全运行在传统法币银行与卡组织基础设施之上。

从公开信息来看,各方的商业动机都很清晰。对 OpenAI 而言,个人助手如果只会给建议、甩链接,就永远停留在导购阶段;把结账闭环留在对话生态内,dots 才能从建议者变成成交者。而对传统卡组织来说,一旦智能体成为新的消费入口,谁都不愿看到交易流量被新型支付网络切走。借着这次合作,三大卡组织顺理成章把新通道接回了自己的清算网络。

即便如此,OpenAI 的第一步依然相当克制。

ChatGPT Wallet 初期只面向美国年满 18 岁的 ChatGPT Pro 订阅用户限量开放,支持符合条件的美国发行银行卡,包括 Amex、Visa、Mastercard 以及 Chase 发行的卡。从公开信息来看,先拿付费用户试水,大概率是想在风控上走得稳一些。

03

当巨头联手

把这两条新闻放在同一张桌面上对比,会看到一个很有意思的交叉图景。

在 Poppy 的首批核心伙伴名单里,Shopify、Stripe、PayPal、Visa、Mastercard 悉数在列;转到 ChatGPT Wallet 这边,站台开发的又是 Amex、Visa 和 Mastercard。真正横跨两边的只有 Visa 和 Mastercard,它们既在 Poppy 的名单里,也是 Wallet 的开发伙伴。

更耐人寻味的细节是,OpenAI 自己的名字,也赫然列在 Poppy 的 100 多家设计合作伙伴名单之中。

Personal Agent Protocol 首批超过 100 家设计合作伙伴,OpenAI 与 Visa、Mastercard 均在其中|图片来源:Sierra

在消费端市场,Meta 的 Muse 和 OpenAI 的 dots 是再直接不过的竞争对手,都在拼命抢占用户每天打开的第一个入口。可一旦走到企业访问层,两家巨头却坐到了同一张会议桌前,准备共用同一张门禁卡。原因不难理解,航空公司或零售商很难愿意为每家模型厂商各维护一套互不兼容的接口。C 端可以各显神通抢入口,B 端必须共建同一套通行证。

技术路线上也有一个信号。智能体之间的自动交易,一度被不少人看作稳定币的潜在场景。但从这一轮落地来看,既有金融和电商基建选择了「标准授权协议加一次性虚拟卡凭证」的渐进路线,暂时把加密方案放在了一边。先接入成熟的风控与清算轨道,把交易跑起来,这条路对传统商业体系来说最省事。

当然,公开信息里还留着一个悬念。

Poppy 与 ChatGPT Wallet 目前还没有说明彼此是否已经打通。未来当用户的 dot 走进一家开启了 Poppy 协议的 Shopify 店铺时,它能否顺滑完成握手,再用 Wallet 付款,还有待后续验证。

04

Agent 的自主权,停在购物车前

把 Poppy 的双向授权和 ChatGPT Wallet 的强制生物识别放在一起看,就能看清行业划出的共同底线——Human in the loop。

无论是读取数据、修改订单还是真金白银地扣款,助手的自主权都精准停在购物车前面。它可以替你全网比价、填好结账栏位,但最后把开关拨向确认的,必须还是用户自己。

这种设计守住了安全,却也留下了几个尚未解答的问题。

例如,交易责任归属的模糊地带。如果助手在选品时理解错了你的意图,或者在浏览网页时被隐藏的恶意提示词诱导下单,哪怕最后是你刷了脸,由此产生的纠纷,银行现有的拒付保护能不能覆盖「助手犯的错」,公开信息里还没有给出界定。

能参与协议交易的覆盖范围与门槛,依然存在。Shopify 带动了海量商户,可互联网上还有无数长尾网站何时才会挂上 Poppy 门牌?另一方面,ChatGPT Wallet 目前只开放给美国本土的 Pro 订阅用户,其他市场和普通用户还要等多久,仍是未知数。

而且,每笔交易都强制生物识别,确实让安全感拉满。可试想未来你习惯让助手每天订咖啡、买日用品,每件小事都要掏出手机刷一次脸,全自动代理承诺的省心,在高频场景下反而会变成新的操作摩擦。

在助手还不够完美、社会信任尚未建立的现阶段,让人紧紧握住最后「点击确认」的权力,或许是行业换取入场券必须付出的成本,也决定了个人助手商业化的推进节奏。

下一次,当你让 AI 助手去改快递地址、顺便买单时,它终于不用再被当成爬虫拒之门外。它亮出合规身份走进店铺,看懂门牌、填好购物车,然后停在结账页面,把手机递到你面前,等你的脸对准摄像头。

今天的这一次刷脸,是人们交给助手信任之前的最后一道门槛。只是等到某一天,所有人都习惯了把日常消费交给程序去跑腿,这一下确认会不会变成人们随手点掉的过场?就像所有网站和引用让你签署的授权协议,几乎没人真正看懂,也不愿意认真看。

*头图来源:Shopifreak

本文为极客公园原创文章,转载请联系极客君微信 geekparkGO

极客一问

当个人 Agent 能自己进店、
自己结账,
商业世界的「入口」会落到谁手里?

跳转微信打开

马斯克称将签名支持黄仁勋复职;OpenAI 推 ChatGPT 钱包;微软全球服务故障第二天仍未恢复|极客早知道

2026年11月14日 08:57

Li Yuan 2026-11-14 08:57 美国

OpenAI 被曝解散独立机器人团队;DeepSeek 发布全家桶应用 API

马斯克称将签名支持黄仁勋复职,已有97%英伟达员工要求黄仁勋回归

黄仁勋辞职事件仍在发酵,马斯克继续为黄仁勋发声。在一名网友的留言下,马斯克表示,自己将签名支持黄仁勋回归。

连日来,多名网友在马斯克社交账号下留言,表达对黄仁勋辞职的惋惜。11 月 14 日,一名网友说:「如果英伟达员工想要黄仁勋回来,他们应该从『没有员工,英伟达什么都不是』开始——辞职然后放松。优秀的 GPU 工程师非常难找,而且比机器学习工程师更难替换。如果工程师们热爱公司,他们应该把命运掌握在自己手中。他们塑造并交付公司使命,而不是董事会。」

马斯克在该留言下回复:「有人正在发起请愿,要求让黄仁勋复出,我也在签名支持。」

马斯克还回复了另一名网友。该网友回溯了黄仁勋创业的艰辛,「一位勤奋工作的合法移民,靠自己的钱从餐厅起步,打造出一家价值万亿美元的公司,却可能一夜之间被拖垮,而对立的一方却一路登上了政治讲台。究竟是哪一方将美国推向了技术进步的强国地位?凡是躲在暗处扔石头的人,从来都不站在圣人一边。」

在这条留言下,马斯克再次表达支持:「的确。」(消息来源:极目新闻)

OpenAI 推出 ChatGPT Wallet:AI 代理可代替用户完成在线支付

OpenAI 宣布推出全新的支付功能 ChatGPT Wallet,允许 AI 代理在获得授权后代表用户完成在线购物和付款流程。为实现这一功能,OpenAI 与美国运通(American Express)、万事达卡(Mastercard)和 Visa 等主流支付网络展开合作,希望进一步推动 AI 代理从信息助手向实际执行任务工具转变。

根据介绍,ChatGPT Wallet 允许用户安全保存自己的信用卡信息,并授权 AI 代理在网络上进行支付操作,而无需向商家或 AI 系统暴露真实卡号等敏感数据。例如,用户在规划旅行时确定了酒店后,可以直接让 AI 代理通过 ChatGPT Wallet 完成预订和付款。

当交易即将完成时,ChatGPT Wallet 会向用户展示商家名称、购买项目、应付总金额以及所选择的付款卡片。用户在核对无误后,需要通过 Face ID、人脸识别、指纹等生物识别方式进行确认授权。(消息来源:cnBeta)

通用模型发展引发专用模型路线拷问?OpenAI 被曝解散独立机器人团队

美东时间 11 月 13 日周五,《财富》杂志援引知情情况报道称,OpenAI 已解散独立机器人团队。OpenAI 向《财富》确认了这一调整,强调机器人仍是公司的长期核心愿景,并称重组是为了加快通用机器人研发,而非退出这一领域。

根据 OpenAI 的安排,机器人研究团队将并入公司核心研究团队,向首席研究官 Mark Chen 汇报;应用机器人和硬件团队则将并入规模更大的应用部门,由 OpenAI 总裁 Greg Brockman 负责。

这项调整发生得相当突然。OpenAI 此前已经报名参加本周在奥斯汀举行的机器人学习与控制会议(CoRL),甚至在会议应用程序和展厅平面图中预留了展位。但记者到访其 208 号展位时,现场空无一人,连 OpenAI 的标识也已经不见。

OpenAI 向《财富》表示,今年年初,公司研究人员原本认为,推进机器人技术的最佳方式是建立在 Sora 等模型的研究成果之上。Sora 作为视频生成模型,需要在训练过程中形成对现实世界物理规律的某种隐含理解,这些能力有望进一步应用于机器人。

但此后,GPT-6 Astra 等通用前沿模型已经展现出直接应用于机器人领域的能力。OpenAI 称,正是这一发现促使公司解散独立机器人团队,将相关研究人员转移至更广泛的通用 AI 模型研发团队。(消息来源:全天候科技)

月之暗面拆除海外架构,拟 2027 年初赴港 IPO

11 月 13 日,据《华尔街日报》援引知情人士报道,Kimi 大模型开发商月之暗面(Moonshot AI)正考虑最早于 2027 年初在香港上市,并已着手拆除海外控股架构,为 IPO 铺平道路。

知情人士称,重组路径是先由公司从美元股东手中回购海外股份,再安排相关资金投资境内主体。此前彭博社报道,月之暗面已完成最后一轮私募融资、估值约 500 亿美元,正考虑在 IPO 中募资最多 50 亿美元,并已以保密形式向港交所递交上市申请;公司回应媒体时称不对市场传言或猜测置评。

月之暗面由杨植麟创立,主推 Kimi 系列大模型。若按 500 亿美元估值完成上市,将成为中国大模型公司中规模最大的 IPO 之一。(消息来源:TechFlow 深潮)

微软全球服务故障持续第二天 Outlook 等服务逐步恢复但仍未完全修复

11 月 13 日,微软表示,持续近两天的大规模服务故障正在逐步得到修复,Outlook 邮箱及其他 Microsoft 365 服务的可用性和邮件投递表现已有改善,但部分用户仍可能遇到间歇性连接问题。此次故障始于周四下午,波及全球多地企业、政府机构及其他组织。

故障涉及 Outlook、Teams、Copilot,以及 Word、Excel、PowerPoint、SharePoint 和 OneDrive 等多项微软服务。网络故障监测网站 Downdetector 周四下午记录到近 13 万起相关故障报告。美国巴尔的摩县、杰克逊维尔和奥斯汀等地方政府受到影响,英国部分政府部门及国民医疗服务体系(NHS)也出现通信中断。印度航空公司报告客户服务通信受阻,OpenAI 和 Anthropic 同样出现与 Microsoft 365 服务连接有关的问题。

微软表示,故障主要涉及支撑 Outlook 邮件及日程服务的 Exchange Online 基础设施。部分服务器工作负载异常升高,另有服务器在自动检测过程中意外停止提供服务,导致用户连接受阻。公司正通过恢复服务器、重新分配流量及部署软件修复程序改善服务,并处理此前积压的延迟邮件。

目前,微软尚未确定故障的根本技术原因,但表示未发现此次事件由恶意活动或网络攻击引发的迹象。公司仍在持续恢复剩余受影响系统,尚未公布全部服务恢复正常的具体时间。(消息来源:环球市场播报)

消息称华为 Pura X View 阔直板激活销量破百万

11 月 13 日消息,有爆料称,华为 Pura X View 阔直板手机上市 66 天,激活销量已突破 100 万台。该机截至今年第 45 周累计激活为 96.4 万台,百万台大关是在第 46 周突破的。

消息同时透露,今年下半年达成单品百万激活的只有 iPhone 18 Pro Max、iPhone 18 Pro、华为 Pura X View 三款机型,而华为 Pura X View 就是下半年唯一百万激活的国产旗舰机。

该机为今年势头最猛的国产旗舰,实销均价 7000 元左右,其中约 30%用户来自苹果用户。(消息来源:IT 之家)

DeepSeek 发布全家桶应用 API:开发者将能 1:1 复刻完整 DeepSeek App

11 月 13 日晚间,DeepSeek 宣布正式开放全家桶应用 API:在原有 API 中开启对应参数,即可获得深度思考搜索、文件输入等对话功能;语音及相关底层能力也已开放独立接口(含 OCR、ASR、TTS 等),支持单独或组合调用。

开发者可以在自己的应用中轻松实现复杂的对话功能,甚至 1:1 复刻出完整的 DeepSeek App。

本次更新将 DeepSeek App 的各项交互功能直接整合进原有 API。开启对应参数后,相关工具调用与上下文拼接均由服务端自动完成。

目前,V4.1-Flash 模型(deepseek-flash)已在 Messages、Responses 与 Chat Completions 接口下支持联网搜索、深度思考搜索、文件输入、阅读链接、模型安全等功能。

此外,为方便开发者更灵活地接入自有工作流,上述底层能力及语音能力均支持作为独立接口单独调用,包括:Search、Fetch、OCR、ASR、TTS。

使用上述接口,开发者即可实现与 DeepSeek App 基本一致的功能。为直观演示这一效果,DeepSeek 基于新版 API 构建并开源了一份轻量的前端 Demo,支持直接导入 DeepSeek 历史对话。(消息来源:IT 之家)

2027 款全新领克 03 上市:车宽 1901mm,限时专享价 10.38 万元起

11 月 13 日消息,2027 款全新领克 03 今晚正式上市,新车共推出 4 款车型,限时专享价 10.38-13.38 万元。

其中 1.5T Pro:官方指导价 11.38 万元,限时专享价 10.38 万元。2.0T Ultra+:官方指导价 14.38 万元,限时专享价 13.38 万元

此外,2027 款全新领克 03+ 同步上市,官方指导价 24.98 万元,限时专享价 23.98 万元。

2027 款全新领克 03 新增赛道红、钛影灰两款车色,车长 4700mm、宽 1901mm、高 1456mm,轴距 2730mm。

内饰方面,新车搭载 25.6 英寸 AR-HUD 显示、15.4 英寸智能娱乐屏、12.3 英寸智能液晶仪表。(消息来源:IT 之家)

Gentle Monster / Warby Parker 将于下月推出 Android XR 智能眼镜:均搭载高通 AR1 芯片,接入谷歌 Gemini

11 月 13 日消息,知名眼镜品牌 Gentle Monster 和 Warby Parker 各自宣布将于下月推出首款基于 Android XR 平台打造的智能眼镜,产品由三星与谷歌联合参与开发。目前,两大品牌的相关产品均已开启预订,预计将于 12 月 10 日正式在线上及指定线下门店发售。

据介绍,Gentle Monster 和 Warby Parker 的新品均搭载高通 Snapdragon AR1 Gen 1 芯片,均配备一颗 1,200 万像素摄像头,除了能够拍摄照片 / 视频外,还能借助 AI 实现实时翻译、逐向导航、接打电话和播放音乐等功能。不过,两款产品并未采用 Meta AI,而是接入谷歌 Gemini,用户可以通过眼镜与 Gemini 交互,并使用多项谷歌服务。

Gentle Monster 智能眼镜共推出 6 款设计,部分款式可选深红色、粉色、灰色和黄色镜框,镜片则提供染色、透明、蓝色和棕色等选项,大多数镜框还支持选配近视等处方镜片。Warby Parker 智能眼镜共推出 Alden、Reid 和 Wren 三种款式。(消息来源:IT 之家)

被取消 16 年的 iPhone 多任务界面重现 AI 帮助苹果早期设计方案「复活」

报道称,在如今用户熟悉的应用切换器出现之前,苹果最早为 iPhone 设计的多任务功能采用的是位于屏幕底部的滑动抽屉式界面。用户通过双击 Home 键即可调出后台运行的应用。然而,苹果当年还曾尝试过一种更加激进、更具视觉冲击力的设计方案,将所有运行中的应用以卡片形式直接展示在屏幕上。

早在 2010 年,业内就曾有关于这种类似 Mac「Exposé」视图风格界面的传闻。2011 年,一部 iPhone 4 原型机中发现了特殊版本的 iOS 4 系统,其中包含相关设计线索。不过在此后的十余年间,这套卡片式多任务界面始终未能真正向外界展示,其运行效果也一直不为人所知。

直到最近,这一局面发生改变。知名开发者 Steve Troughton-Smith 在 Mastodon 平台分享了一段视频,展示了一套此前从未公开的 iOS 4 测试版本在 QEMU 模拟器中的运行情况。视频显示,该系统版本号为 8A218,比 2011 年发现的 8A216 版本仅稍晚一些,属于极其接近当年开发阶段的内部构建。

开发者表示,人工智能在此次「复活」过程中发挥了关键作用。得益于 AI 辅助开发技术,许多原本无法启动的古老 iOS 系统如今都能够通过模拟器重新运行。根据现有信息,这份稀有系统并非来自苹果官方恢复包,而是源自一台原型设备或开发机保留下来的根文件系统。借助 ChatGPT 等 AI 工具,开发者最终成功让该系统在 QEMU 环境中完成启动。(消息来源:cnBeta)


*图片来源:视觉中国

图片

播客上新

最近一段时间,Personal Agent 产品明显升温。相比过去等待用户提问的 Chatbot,这一波产品开始尝试持续记住用户、理解个人习惯,甚至主动发现需求、替用户完成任务。

本期节目,我们邀请 Today AI cofounder 高策、Cola 创始人&CEO,橘AI主理人冯雷,从产品实践出发,聊聊 Personal AI 与任务型 Agent 的差异,以及长期记忆、主动交互和任务执行能力,如何共同构成个人助理。

🗂️ 从零散的邮件、日历和日常对话中,AI 如何逐渐理解一个人的偏好与行为模式?

🖥️ 从主动提醒到真正替人办事,还需要跨过哪些技术和产品门槛?

🤝订阅、广告还是交易抽成,不同商业模式又将如何影响 AI 与用户之间的信任关系?

记住一个人也许很简单,真正难的是从记忆里理解一个人。Personal AI 距离成为真正的个人助理还有多远?欢迎收听~

跳转微信打开

端侧 AI 迎来「高智能」时刻,比肩云端模型

2026年11月13日 14:00

极客公园 2026-11-13 14:00 江苏

可以 Vibe Coding 的千亿参数端侧模型。

2024 年,苹果尚未正式公布 Apple Intelligence,关于哪家模型企业能成为苹果在中国的 AI 合作伙伴,一度成了给国产大模型排座次的隐形榜单。这个榜单上,百度、阿里、腾讯、字节跳动的名字都曾陆续被提及。到 2025 年 2 月,阿里一度因为确认参与合作,当天港股盘中大涨 9.2%。

AI 尚未真正落地端侧,市场就已经为它写好了 Make Mobile Phone Great Again 的新剧本。

直到 2026 年 10 月底,苹果终于公布国行版本的上线安排。那个能理解复杂需求、替用户四处办事的升级版助手新一代 Siri AI 仍遥遥无期,首批交付的写作、翻译、照片处理等功能也并未超过传统端侧 AI 的射程范围。

大模型已经渗入工作生活方方面面的当下,苹果为什么又跳票了?

内存墙,是绕不开的答案。

通常来说,大模型运行时,所有参数都要装进内存,生成答案时,设备还要不断读取参与计算的参数。可手机和笔记本的内存本就有限,还得分给系统和各种 APP。一个 35B,也就是 350 亿参数的模型,采用常见的 4 比特量化,权重占用仍可能接近 20GB,远超手机通常能为一个应用腾出的空间。

这也是为什么云端模型发展已经一日千里的情况下,端侧模型还依然困在智能、内存与 IO 之间的不可能三角中反复取舍。

一个端侧模型,想要高智能,又不想让权重常驻挤占内存,就要靠稀疏激活、按需加载,代价是 IO 带宽被持续消耗,一个最简单的问题,可能需要几分钟时间才能回答。

想要低 IO、少搬数据,又维持高智能,就必须把全套权重常驻内存,挤占其他常驻 APP 的内存;想要控制常驻内存、同时压低 IO 开销与等待时间,就只能接受小模型,智能上限被锁死。

但端侧模型的上限真的就此被锁死了吗?

一个名叫无界方舟的公司,提供了新的破题思路。

01

千亿参数,

第一次在端侧可用

今年 9 月,无界方舟开源了 Edge0-35B,首次让一个通常需要近 20GB 权重空间的 350 亿参数模型,放进手机能够运行的内存预算里。

按照官方测试数据,Edge0-35B 在适配的手机上,峰值运行内存约为 2.5GB,生成速度超过每秒 37 个 token。

也就是说,模型仍然保留着 350 亿参数的规模,但设备在某个时刻需要留在内存里的,只是其中的可以被快速激活的一部分。其余权重存放在设备的存储空间中,由推理框架提前准备、按需调入。

成绩加持下,Edge0-35B 发布不久,在海外社区未投放的情况下,帖子当天的阅读量就突破 120 万,来自 OpenAI、NVIDIA、高通等公司的多位技术专家和研究员纷纷转发,模型随即登上 Hugging Face 全站 Trending 榜第一。

此外,由于无界方舟还同时开源了模型权重和统一推理框架,该方案后来也成为了端侧企业和研究机构复刻的标准解法。此后,行业对端侧模型的讨论,从几十亿参数整体抬升到了 350 亿参数这一档。

如果说过去的思路是手机只能装下小模型,Edge0-35B 尝试回答的就是:能不能让手机每次只装下大模型当前要用的部分,同时把等待压到足够低?

沿着这条路线,无界方舟又把端侧模型规模推到了 145B 的千亿规模。今天,Edge0-145B 已经在 Hugging Face 开放模型权重,全新的端侧统一推理引擎也在 GitHub 开源,并提供一键部署工具与完整硬件适配指南。借助该模型,可以实现:写代码、操作软件、搭建三维场景,以及围绕一个目标连续规划、执行和修改等等过去主要依赖云端模型完成的复杂任务。

适配的硬件方面,Edge0-145B 发布首日 Day 0 即全面支持 macOS、Windows、Linux 三大系统,覆盖苹果 M 系列芯片,以及 NVIDIA GPU 等平台。

*端侧模型规模演进图:端侧模型的参数与智能上限被不断推高,无界方舟第一次将端侧模型拔高到千亿参数水平,且真正可用,非理论研究

如果说,此前的 35B 的百亿参数端侧模型,代表高智力端侧 AI 第一次从实验室走向产业落地;那么此次的 145B 的千亿参数端侧大模型,则代表着端侧模型的智力水平首次比肩云端模型。在具体的表现上,Edge0-145B 的突破主要有五点:

  • 内存装得下:峰值内存 29GB,一台 MacBook Pro 这样的个人笔记本就能运行,不需要服务器;
  • 首字等得起:预填充(Prefill)速度 1,100+ token/s,几十页代码丢进去,第一个字即时出现;
  • 生成跟得上:解码(Decode)速度 80+ token/s,比人的阅读速度更快,不用盯着屏幕一个词一个词地等;
  • 功耗压得住:典型功耗约 120W,持续运行不降频;
  • 长任务不变慢:支持 128K–256K 上下文,长文本下速度基本不衰减,长时间的复杂任务不会越跑越慢。

作为参照,当前主流端侧模型集中在 1B–10B。Edge0-35B 在 iPhone 18 Pro Max 上做到 37+ token/s、约 2.5GB 内存。Edge0-145B 的参数量是它的 4 倍,在笔记本电脑上运行的速度高达 80+ token/s,峰值内存仅需 29GB。

02

千亿模型,

如何从端侧可用到端侧好用

解决了可用问题后,一个新的问题随之而来。

一个千亿参数模型,即使能在本地加载,但用户真的愿意用吗?

把模型启动起来,只解决了第一步。几十页代码输入后,要等多久才能开始回答?生成速度能否跟上阅读?任务持续半小时,设备会不会因为发热而降速?模型跑着的时候,其他软件还能不能正常工作?

这些问题,直接关系着实际的用户体验。

无界方舟的解法,是同时调整模型结构、权重存放方式和计算调度。

首先,第一步是架构调整。1450 亿参数并不会在每一步全部参与计算。Edge0-145B 采用分组共享的稀疏专家结构:过去每个专家各存一整套矩阵,现在同组 64 个专家共用两段大矩阵,各自只保留一小份差异化参数。专家数量没变,需要存储和搬运的权重却大幅减少。总参数堆到 145B,每次推理实际参与计算的只有约 6.6B。

架构确定之后,就是根据架构以及端侧的需求,做针对性的模型训练。

在此之后,是解决加载难题。稀疏架构只减少了计算量,没有自动解决权重放在哪里、需要时如何及时取到的问题。一个专家即使暂时不用,它的参数仍要占据某处存储空间。

Edge0-145B 的选择是让不同层级的存储各司其职:经常调用的部分尽量留在更快的显存里,其余部分分布在系统内存和 SSD 中。模型一边计算,系统一边准备后续需要的数据,尽量减少算完一步再等下一批权重的空档。

最后一步,是调度,让 CPU 和 GPU 协同工作,再通过投机解码,一次提出、验证多个候选 token,把部分计算与读取开销分摊到更多输出上。

通过这几步的优化,千亿模型被加载到端侧设备以及流畅高效运行不再是难事,而接下来它要回答的,就是这款模型,究竟能做多少事。

03

从能聊天走向能干活

千亿模型部署到端侧如果只能断网聊天,那么无非只是个用于秀肌肉的摆设,能真正独立完成复杂任务才是真正的目标。

无界方舟公布的六项主流评测中,Edge0-145B 在 DeepSWE 1.1 64.6、Terminal-Bench 2.1 86.5、HLE 35.4、GPQA-Diamond 90.4、IFBench 80.6、AA-LCR 79.3,综合水平与 DeepSeek-V4-Flash 等主流开源云端大模型处于同一档位。它的强项在智能体与编程。在 DeepSWE 和 Terminal-Bench 这两项智能体编程评测上,Edge0-145B 超过了同档位的开源模型;在 Terminal-Bench 2.1、IFBench 和 AA-LCR 上,它的得分还高于云端闭源模型 Claude Opus 4.6(Max)。

*Edge0-145B 在 DeepSWE、Terminal-Bench 等智能体与编程评测上领先同级开源模型,端侧模型的智能上限第一次接近云端顶级模型

与百亿参数水位的主流端侧模型相比,Edge0-145B 在智能体与编程任务上的提升最为明显:Terminal-Bench 提升 18.5%,DeepSWE 提升 53.1%;在推理与知识类任务上也有 1%–15% 的提升(HLE +14.9%、GPQA +1.3%、IFBench +1.4%)。完整的测试设置、硬件环境与复现方式,随技术报告一同公开。

*同等甚至更高的智能水平,Edge0-145B 只需约三分之一内存,一台 48GB 笔记本即可本地运行千亿参数模型

但 benchmark 只是能力的切片,真实世界要求模型把事情做成。

Vibe Coding 正是检验模型真实水平的一个试金石。借助 Edge0-145B,用户只需要一句自然语言指令,模型就会在本地完成整条工作链:先拆解需求、规划步骤,再编写代码、调用工具运行,遇到报错自己调试修复,最后截图检查画面效果,不满意就继续改,直到交付一个完整可用的作品。整个过程往往包含几十轮规划、执行和自我检查,这正是过去只有云端大模型才能胜任的长链路智能体任务。

现在,这条链路第一次在一台笔记本里闭环完成:不需要上云,不按 token 计费,代码和数据也不离开本机,断网也能照常工作。

比如,这是让Edge0-145B生成一个讲解 Roadster 的视频,向大众科普汽车为什么能飞。在该任务中,Edge0-145B 能独立完成技术原理调研、脚本撰写、素材生成与创意剪辑。没有云端调用,没有云端 token 消耗,也没有网络延迟。

以前做一条 AI 视频的账单可能是几百至上千元,现在这笔费用是零。原本需要编导、3D 建模师、剪辑师、物理专家共同花费一个月完成的视频,在 1 小时内便可生成。

同样的能力,也被用在了三维场景创作中。

在 3D 创作场景中,Edge0-145B 可以操作 Blender,从文字和参考图出发建立场景、调整材质与灯光,并依据渲染结果持续迭代。我们让它生成曼哈顿的城市建模,它看到的不只是像素,也能理解物体、空间关系和创作目标。过去由人工看画面、人工写代码、再人工修改的断裂流程,现在模型在 Blender 里把三个步骤直接渲染完成,全程不离开本地。

体现在成本上,以前人工做一个曼哈顿级别的城市三维场景,账单大约是 8 万至 12 万元,周期一个月起步。如果由云端顶级模型生成,云端 token 费也得上千元。而 Edge0-145B 在 1 小时内就能完成,且 0 token 成本。

在 3D 建模的基础上,Edge0-145B 还能直接为游戏搭建一整座世界。我们给了它一份游戏宣传片级别的需求:为一款奇幻 RPG 搭建一座原创的中世纪主城,并渲染一段 20 秒的飞越镜头。在这个任务里,Edge0-145B 自主规划了整体设计,在 Blender 中从零搭建城墙、上千栋老城民居、广场喷泉、哥特式双塔立面、肋拱顶中殿和彩窗,最后按照固定的镜头路线完成渲染。类似场景中,任何一处穿模、遮挡或比例失调,都会在镜头里暴露无遗。但它能一边建模,一边检查渲染画面、自行修正,全程不离开本地。

同样的任务,交给云端顶级模型做对照:用同一份提示词、同一批参考图、同一条镜头路线。云端模型完成一次要调用上百次工具,消耗数亿 token。以前人工做一个游戏宣传片级别的城市场景,美术团队往往需要几周时间、花费数万元。而 Edge0-145B 在一台笔记本上就能交付,token 成本为零。

这条链路还可以延伸到硬件开发。

在无人机案例中,团队向模型提出的要求是:「编写一个无人机程序,穿越障碍,寻找一个红色背包。」随后,我们看到了模型生成飞控与视觉识别程序后,无人机在室内穿过障碍,并定位到了目标。

除了视频、3D 建模和游戏,我们还测试了更高难度的任务,走进硬件工程师的工作台,从零到一设计一块 PCB。在 PCB 案例里,模型需要同时理解并使用两类软件:先在 KiCad 中完成元器件布局与双层走线,再把电路板导入虚幻引擎 5,设置镜头和灯光,生成制造与组装过程的展示动画。

过去,这需要硬件工程师和三维设计师接力数天才能完成;现在,一台电脑就能独立交付。原理图、版图这些硬件企业最核心的资产,全程无需上传云端,商业机密和数据合规都有保障。

04

为什么是无界方舟

端侧模型不是新赛道,海外已有多家估值数百亿人民币的 Neo Lab 在做,论文不少,但真正能在消费硬件上跑起来的端侧模型却少之又少。

落地端侧,这需要模型企业不能只交付一份模型权重。它还要回答:模型在什么配置下运行,调用多少内存,怎样与系统里的其他任务共存,以及硬件厂商如何把它接进自己的产品。

而这也是无界方舟的优势所在:

其一是完整的模型产品线配置。过去一年,无界方舟发布了一共四个模型家族、200 款模型可以像人脑一样分工协同:Audio8 语音模型负责听与说,Decision0 决策模型负责快思考,约 40 毫秒就能做出判断;Edge0 端侧大模型,负责复杂智能体任务和 Vibe Coding;Embedding0 向量模型负责记忆。参数从千万级、百亿级到千亿级,一路把端侧的智能上限向上突破。

其二是全栈路线。无界方舟走的是端侧 AI 全栈研发路线,核心是让模型、推理框架与硬件芯片协同优化。为此,无界方舟既做端侧模型,也做端侧推理框架:从训练阶段就针对硬件特性优化模型,同时改造推理引擎,让模型在不同芯片上高效运行。

其三是产业飞轮。当下,端侧市场高度碎片化,不同芯片的 NPU 架构不同,对 INT4、INT8、FP4 等计算精度的支持各不相同,通用模型直接部署,很难发挥出硬件性能。无界方舟的做法是把每一颗芯片都啃下来。目前已适配覆盖 95% 的主流芯片平台——高通、恒玄、瑞芯微、全志、地瓜、英伟达等,覆盖耳机、眼镜、手机、PC、机器人等各类硬件形态。每适配一款芯片、部署一个模型、落地一款产品,都会沉淀一次可复用的优化能力,让下一次部署更快、更省。

截至目前,无界方舟开源模型在 3 个月内下载量已经突破 1,500 万次,多次登顶 Hugging Face 趋势总榜第一;截至 2026 年 10 月,客户数已突破 11 万家。

05

尾声

再往后看,端侧模型能力的变化,或许会进一步影响云端模型的定位。

过去,端云分工往往由能力决定:设备上处理唤醒、识别和简单指令,复杂需求交给云端。用户想让 AI 更聪明,通常就要接受联网、等待,以及持续发生的调用费用。

当端侧开始接住更复杂的任务,这个默认分工成立的条件开始逐渐被松动。

最先发生变化的,可能是高频、相对明确、与设备本身关系紧密的需求。

成本是他们的第一重选择逻辑。

采用纯云方案时,每卖出一台设备,都可能带来一段持续发生的推理支出,用户越活跃,服务成本越高。而硬件低毛利,长期靠 SaaS收费的商业模式,在追剧都要借会员的国内,或许并不是一个短期可以跑通的路径。把适合的任务放回端侧,可以减少这部分持续支出,让服务成本更容易预测。

其次,是数据合规。AI 开始读取代码库、订单、财报、客户资料和硬件设计文件之后,企业关心的不只是答案质量,也包括哪些数据需要离开自己的设备。本地推理让部分任务可以在数据所在的位置完成,减少上传与远程处理的必要性。对那些因为资料敏感而迟迟没有接入 AI 的工作流程,这可能是一个更容易落地的入口。

还有一类变化,发生在网络不可靠的地方。设备如果必须联网才能理解用户,它的能力就始终受到网络条件约束。耳机、眼镜和机器人尤其如此:用户不会因为信号不好,就降低对即时反馈的期待。端侧能力越强,设备在弱网或断网时能够保留的功能就越多。

成本、数据和网络,这些需求一直存在。过去的问题是,为了获得更强的模型能力,用户往往必须在其中作出让步。现在,端侧智能水平开始提高,选择才真正多了起来。

但这并不意味着所有任务都该迁回本地。

在无界方舟看来,随着端侧 AI 智能水平的突破,端与云的边界已经随之发生了三次位移。

2026 年 9 月之前,是云端为主,端侧为辅。Apple Intelligence 是这一阶段的代表:隐私保护做到了,但端上能做的事很少,真正的智力仍留在云端。

2026 年 9 月 10 日开源 Edge0-35B 之后,变成日常任务在端侧,复杂任务上云。端侧第一次接住了高频、日常、需要即时响应的需求。以某头部耳机厂商为例,无界方舟为其搭建了端云协同的解决方案,已经有 92% 的 AI 使用是通过端侧模型,仅 8% 通过云端。在可穿戴消费硬件中,日常对话占据大部分需求场景。

2026 年 11 月 13 日开源 Edge0-145B 之后,边界会再推进一步。

一个端侧为主,云端为辅的未来,或许已经指日可待。

如果想体验无界方舟端侧模型,请点击文末左下角【阅读原文】

*头图来源:无界方舟

极客一问

千亿端侧模型,
会颠覆端云分工吗?

阅读原文

跳转微信打开

黄仁勋宣布辞职,特朗普:库克适合接任;微信「看一看」测试短剧入口;《GTA 6》还没发售就狂卖近千万份|极客早知道

2026年11月13日 08:19

Moonshot 2026-11-13 08:19 重庆

黄仁勋辞职后全球 AI 相关股票震荡,AMD 和博通逆势上涨;

美国拟扩大英伟达 AI 芯片出口管制,限制中企通过海外数据中心获取算力;

腾讯回应「裁员 50%」传闻:系对内部讲话的误读

黄仁勋宣布辞职,英伟达股价重挫 13%

美国时间 11 月 12 日美股开盘前,英伟达官方宣布,黄仁勋辞去总裁、首席执行官和董事会成员职务,即刻生效。

首席财务官科莱特·克雷斯(Colette Kress)出任临时 CEO,同时继续兼管财务;董事哈维·琼斯(Harvey C. Jones)出任董事会主席。董事会已经开始物色正式 CEO,公司内外的人选都会考虑。

虽然外界众说纷纭,但这份公告中并没有直接写辞职理由,只简单感谢了黄仁勋「对公司和行业不可估量的贡献」。

黄仁勋 1993 年和两位合伙人创办英伟达,从那时起一直是这家公司的 CEO,到今天 33 年。消息公布后,英伟达股价在盘前下跌 10%。

美国总统特朗普随后表示,苹果的前 CEO Tim Cook 应取代黄仁勋出任英伟达 CEO。(来源:极客公园)

美国拟扩大英伟达 AI 芯片出口管制,限制中企通过海外数据中心获取算力

11 月 12 日,据 The Information 报道,美国商务部正制定新的出口管制规则,拟对新加坡、马来西亚、泰国、印度尼西亚、巴西、挪威及南非等国家实施更严格的 AI 芯片出口许可要求,以限制中国 AI 企业通过当地数据中心租用英伟达 Blackwell 及更新一代芯片的算力。

根据拟议规则,相关国家的芯片采购方须披露芯片最终使用者及具体用途,并接受持续监管,以防止中国企业通过远程访问海外数据中心或芯片转运等方式规避美国出口限制。

目前该措施仍处于拟议阶段,具体实施时间及最终适用范围尚未明确。(来源:TechFlow)

黄仁勋辞职后全球 AI 相关股票震荡,AMD 和博通逆势上涨

11 月 12 日,据路透社报道,黄仁勋因婚外情丑闻持续发酵而辞去英伟达 CEO,引发全球 AI 概念股周四大跌。

英伟达投资的新型云计算服务商 CoreWeave 股价下跌 9.1%。就在前一个交易日,CoreWeave 还因财报表现带动 AI 概念股反弹,单日涨幅超过 27%;其他新型云计算服务商也未能幸免,IREN 和 Applied Digital 股价双双走低。Nebius 则在宣布 2026 年营收将接近此前预测区间下限后,股价大跌 16.2%。

甲骨文也下跌 2.6%,公司正扩大与英伟达在云端 AI 芯片方面的合作。

其他科技股同样承压。美光科技下跌 2.5%,闪迪和西部数据分别下跌 6% 和 3.7%。光子器件制造商 Lumentum、Coherent,以及 AI 服务器制造商戴尔的跌幅在 3% 至 5.1% 之间。

与英伟达竞争的另外两家 AI 芯片制造商 AMD 和博通逆势上涨,涨幅分别为 3.7% 和 5.6%。投资者预期,英伟达陷入动荡可能为竞争对手创造机会。Alphabet、亚马逊和微软等大型云服务商的股价也上涨了 0.8% 至 2.7%。

数据分析公司 ORTEX 的数据显示,仅本周以来,做空英伟达的投资者就获得了 96 亿美元(现汇率约合 641.84 亿元人民币)的账面收益。(来源:IT 之家)

腾讯回应「裁员 50%」传闻:系对内部讲话的误读

11 月 12 日,针对网上流传的「裁员 50%」「裁员 8000 人」等消息,腾讯公关负责人张军发文称,「裁员 50%」完全不属实。他表示,传闻可能源于前一天腾讯 28 周年内部直播中,管理层讨论 AI 时代组织变革时使用的一组比喻。

按照张军的解释,管理层将做好现有核心业务的人比作「陆军」,将探索 AI 原生业务的人比作「海军」,分别用「50%」说明两类方向;这番话意在讨论资源调度,并非宣布裁员比例。张军同时表示,腾讯希望提高现有业务效率,并让管理层级更加扁平。关于具体岗位将如何调整,腾讯尚未公布方案。(来源:雷科技)

SpaceX 正研发 AI 芯片机架,降低对英伟达配套零部件依赖

11 月 12 日,据 SemiAnalysis,SpaceX 正在研发 Kessel,这是一款定制版 Vera Rubin NVL72 机架,它用无源 PCB 中板替代原有的 NVLink 线缆盒。该方案保留 Oberon 的 72 个 GPU 封装、18 个计算托盘与 9 个交换托盘,但将这些托盘围绕中板背靠背排布。

SpaceX 计划直接向英伟达采购芯片封装,其余零部件自行采购,绕开英伟达 L6 计算板。这将让 SpaceX 在供应商选择与元器件采购上掌握更大自主权。(来源:新浪财经) 

微信「看一看」小范围测试短剧入口,可查看最近看过的剧集

11 月 12 日,据《科创板日报》报道,接近腾讯的知情人士称,微信「看一看」正在小范围测试短剧入口。获得测试资格的用户可以在微信「发现」页找到入口,查看最近看过的短剧;目前并非所有用户都能使用。

腾讯此前已在微信内上线免费短剧小程序「绿泡泡短剧」,通过广告获得收入。此次测试为用户提供了一个从「看一看」返回短剧内容的路径,但入口会否扩大开放、如何展示和推荐剧集,仍要看后续产品安排。(来源:界面新闻)

长鑫 DDR5 产品进展:32Gb 颗粒落地,MRDIMM 速率最高 12800Mbps

11 月 12 日,蓝鲸科技从长鑫方面获悉了其 DDR5 RDIMM、MRDIMM 产品线最新进展。

  • DDR5 颗粒已完成 24Gb 至 32Gb 迭代

  • RDIMM 模组实现 32GB–128GB 主流容量、5600Mbps–8000Mbps 速率全覆盖

  • MRDIMM 则覆盖 128GB、192GB 容量,最高速率可达 12800Mbps

长鑫科技表示,受 AI 应用快速发展带来的需求驱动,四季度公司依然收到服务器客户对产品的强劲需求,DRAM 供不应求的态势仍将延续,预计公司四季度营收继续保持增长趋势。(来源:IT 之家)

马斯克:Cybertruck 生产将延长至 2027 年夏末

11 月 12 日马斯克表示,为完成更多 Cybertruck 积压订单,特斯拉将把该车型的生产延长至 2027 年夏末。

此前,他宣布计划于 2027 年年中逐步结束得州工厂的 Cybertruck 生产,为 Cybercab 无人驾驶出租车扩产腾出空间,并表示部分未能交付的订单将退还定金。(来源:格隆汇)

涨价「劝退」消费者,三季度 iPad 国内销量大跌 45.2%

11 月 12 日,洛图科技发布的数据显示,2026 年第三季度,中国消费级智能平板全渠道销量为 636.1 万台,同比下降 20.1%。在其监测的主流电商平台上,苹果 iPad 销量同比下降 45.2%,销量份额降至 19.1%,但仍位居销售额榜首。两组数据的统计范围不同,不能将 iPad 的跌幅视为其全渠道表现。

洛图科技认为,苹果 6 月底上调 iPad 售价,是第三季度销量承压的重要原因。其中,贡献苹果超过六成销量的第 11 代 iPad,均价同比上涨 14.2% 至 3468 元。平板市场整体也受到零部件成本上涨、去年补贴提前释放部分购机需求等因素影响;该机构预计,2026 年国内消费级智能平板全渠道销量将同比下降 20.8%。(来源:界面新闻)

消息称二手交易平台转转已秘密提交香港 IPO 申请,拟募集 5 亿美元

11 月 12 日,据彭博社报道,知情人士透露,北京转转精神科技有限公司(二手交易平台「转转」的运营主体)已秘密递交香港 IPO 申请,最快可能于明年上市。

上述人士表示,这家电子商务公司可能通过此次 IPO 募集高达 5 亿美元(现汇率约合 33.43 亿元人民币)。

转转官网显示,该集团旗下拥有转转、找靓机、采货侠、红布林等多个二手电商品牌,业务覆盖手机、3C 数码、奢侈品、图书、服装鞋帽、母婴用品、家具家电等。到 2025 年,服务超过 5000 万交易用户。(来源:IT 之家)

谷歌发布 Gemini 4 Hydrogen:主打快速编程,开始接入搜索

11 月 12 日,谷歌发布 Gemini 4 Hydrogen,主打日常编程和多步骤智能体任务。谷歌公布的测试显示,在默认「高」思考等级下,Hydrogen 完成任务的速度约为 Gemini 3.8 Flash 的 2.5 倍;在 Terminal-Bench 4.1 中,两者得分分别为 57% 和 18.2%。Hydrogen 在 Artificial Analysis 智能指数上的得分为 51,略高于定位更高的 Gemini 4 Argon 的 50 分。

Hydrogen 正开始面向 Gemini 应用、Google 搜索、AI Studio、Gemini API 和企业服务推出。其 API 支持最高约 100 万 Token 的上下文,输入和输出每百万 Token 分别收费 1.50 美元、7.50 美元。Gemini 应用的免费用户也有机会通过自动模型选择使用 Hydrogen。(来源:Google 官方博客)

字节推出 Seedance 2.5 flash:视频生成提速,720P 约 0.99 元一秒

11 月 12 日,字节跳动推出视频生成模型 Seedance 2.5 flash。官方称,新模型的生成速度较 Seedance 2.5 提升一倍;以 720P 文生视频、图生视频为例,生成价格约为每秒 0.99 元,降低约 34%。这一定价对应特定分辨率和生成方式,不能直接用于计算所有任务的费用。

Seedance 2.5 flash 单次最长可生成 30 秒视频,支持输入图片、视频和音频参考素材,输出分辨率为 480P 或 720P。模型将陆续登陆即梦等创作平台;火山引擎文档显示,在线体验和 API 调用计划于 11 月 15 日 14 时开放。(来源:火山引擎)

阿斯顿 · 马丁与迪士尼、卢卡斯影业达成合作,共庆《星球大战》50 周年

11 月 12 日,2027 年是《星球大战》系列诞生 50 周年,阿斯顿 · 马丁宣布与迪士尼、卢卡斯影业合作,共同庆祝这一里程碑。阿斯顿 · 马丁计划在未来一年举办系列活动,回顾《星球大战》的发展历程,但具体内容尚未公布。

阿斯顿 · 马丁透露,双方将通过周年庆期间的一系列活动及合作项目,展现英国顶级奢华工艺与电影叙事的艺术魅力。

阿斯顿 · 马丁计划在 2027 年初公布更多周年庆活动安排。除了与迪士尼、卢卡斯影业联合举办活动,阿斯顿 · 马丁有望借机推出以太空为主题的特别版车型或配置套件。

今年 7 月,面临持续资金压力的阿斯顿 · 马丁获得了约 7.35 亿美元(现汇率约合 49.14 亿元人民币)的新债务融资,并称这笔资金将用于支持后续产品计划。(来源:IT 之家)

《GTA 6》:还没发售就狂卖近千万份,双双刷新 PS、Xbox 纪录

11 月 12 日,索尼和微软分别确认,尚未正式发售的《GTA 6》成为 PlayStation Store 和 Microsoft Store 各自历史上预购量最高的游戏。第三方市场研究机构 Sensor Tower 的数据显示,截至 11 月 10 日,从平台分布来看,PS5 版预计获得 723 万份预购,约占总量 75%;Xbox Series X/S 版约为 246 万份,占比 25%。按该机构估算,两个平台的预购收入分别约为 7.03 亿美元和 2.39 亿美元。

《GTA 6》将于 11 月 19 日登陆 PS5 和 Xbox Series X|S,目前两大平台已开放预载,索尼提前 9 天开放下载以缓解发售当日的集中下载压力,微软宣布该作发售当天将支持 Xbox 云游戏,玩家可通过云端在 Xbox One 等设备上游玩。

索尼表示,考虑到玩家需求旺盛,决定提前 9 天开放下载,希望减少发售当天的集中下载压力。

微软还宣布,《GTA 6》发售当天将支持 Xbox 云游戏,玩家可以通过云端在 Xbox One 等设备上游玩。(来源:快科技)

*图片来源:视觉中国

播客上新

最近一段时间,Personal Agent 产品明显升温。相比过去等待用户提问的 Chatbot,这一波产品开始尝试持续记住用户、理解个人习惯,甚至主动发现需求、替用户完成任务。

本期节目,我们邀请 Today AI cofounder 高策、Cola 创始人&CEO,橘AI主理人冯雷,从产品实践出发,聊聊 Personal AI 与任务型 Agent 的差异,以及长期记忆、主动交互和任务执行能力,如何共同构成个人助理。

🗂️ 从零散的邮件、日历和日常对话中,AI 如何逐渐理解一个人的偏好与行为模式?

🖥️ 从主动提醒到真正替人办事,还需要跨过哪些技术和产品门槛?

🤝订阅、广告还是交易抽成,不同商业模式又将如何影响 AI 与用户之间的信任关系?

记住一个人也许很简单,真正难的是从记忆里理解一个人。Personal AI 距离成为真正的个人助理还有多远?欢迎收听~

跳转微信打开

李彦宏定义 AI 下一个十年 ,智能组织是「新厂房」

2026年11月12日 18:30

原创 Cola 2026-11-12 18:30 甘肃

AI 工具部署越来越普遍,但企业并未迎来预期的生产力跃升。李彦宏在百度世界 2026 提出的「智能组织」,正在回答这个全行业的共同困惑。

AI 工具部署越来越普遍,但企业却并未迎来预期的生产力跃升。李彦宏在百度世界 2026 提出的「智能组织」,正在回答这个全行业的共同困惑。

作者|Cola

编辑|郑玄

智能组织就是 AI 时代的新厂房,是生产力真正发生的地方——11 月 12 日,在百度世界 2026 上,百度创始人李彦宏抛出了贯穿本届大会的核心命题。

他在演讲中直言,当前 AI 没有产生预期的经济效益,本质是很多企业只更换了电机,却还没有重新设计工厂。

过去两年,大模型、智能体快速渗透到企业各个环节,从办公提效到业务辅助,AI 已从「尝鲜」变成很多企业的「标配」。但随着工具部署逐步完成,一个更核心的矛盾开始显现:AI 投入持续增加、Token 消耗不断增长,企业的利润增长却并未同步到来。

不少企业都遇到了相似的困境:员工个人效率提升了,单点试点也跑通了,但整个组织的运转方式并没有发生本质变化。

在李彦宏看来,这就像给旧工厂换上了新电机,生产线和厂房格局没有重构,生产力自然无法充分释放。

从十年前在同一场合提出「AI 是新电能」,预判移动互联网之后的下一幕是人工智能;到今天将「下一幕」指向智能组织,呼吁企业为 AI 时代重建「新厂房」,李彦宏再一次把行业的注意力引向了更远的未来。

当天的主论坛,百度发布了「芯云模体」全栈 AI 布局的最新进展。

其中值得关注的是模型层面的一系列进展:百度重磅发布了大模型交易平台——词元所。词元所汇聚好的模型和模型提供商,让企业乃至个人,都能便捷地找到、购买和使用可信的模型 Token。词元所上线一个月以来,已入驻供应资源已超 100 个,日均调用次数突破 5000 万,日均调用 token 超 7000 亿。

百度智能云正式发布词元所 | 图片来源:百度

同时,百度最新基础模型文心 5.5 Flash Preview 也正式发布,模型支持最长 100 万 Token 的上下文,在复杂编程、知识工作、3D 建模、视频创作等方面表现突出。百度两款应用模型——文心闪电模型和文心一镜微表情大模型,当天正式上线百度智能云千帆平台,可通过 API 接入。

01

从技术到应用,AI 行业走到了新的关口

这一判断并非凭空而来,既扎根于过去十年 AI 产业的演进路径,也建立在百度长期技术投入与组织实践之上。

十年前,在百度世界大会的舞台上,移动互联网还处在流量红利的高点,整个行业都在争抢移动端入口,李彦宏已经提出「AI is the New Electricity」,直言移动互联网之后的下一幕是人工智能。

那一年,在很多人看来,放弃火热的移动赛道 all in AI,更像是一次不确定的押注。

但后续的产业走向一步步印证了这个判断。

2017 年,李彦宏乘坐无人车开上北京五环,一张罚单成为中国自动驾驶从实验室走向真实道路的标志性注脚。当时舆论对这一行为争议颇多,他却回应「如果无人驾驶的罚单已经来了,无人驾驶汽车的量产还会远吗」。几乎同期,谷歌 Waymo 在美国凤凰城启动无人驾驶乘客测试,中美科技企业同步按下了自动驾驶商业化的启动键。

向底层技术的纵深布局同样早于行业普遍认知。

2018 年,百度发布中国第一款云端全功能 AI 芯片,在大多数企业仍聚焦上层应用开发时,就向算力底层延伸。同年亚马逊 AWS 推出首款自研 CPU,全球科技巨头不约而同地将底层算力视为 AI 竞争的核心战场。十几年的持续投入,让百度拥有了从芯片到应用的全栈能力,为后续模型、智能体的落地打下了根基。

生成式 AI 浪潮的预判同样如此。

2022 年百度世界上,文心大模型补全《富春山居图》的演示,提前预演了 AIGC 的内容生产潜力,李彦宏当时便判断,AIGC 将成为继 PGC、UGC 之后全新的内容生产方式。仅四个月后 ChatGPT 引爆全球,2022 年成为公认的 AIGC 元年。

2023 年国内陷入「百模大战」、厂商争相比拼参数规模时,李彦宏又提出「没有应用,基础模型一文不值」,主张「把所有产品都用大模型重做一遍」,几乎同期微软推出 Microsoft 365 Copilot,全行业的注意力开始从模型参数转向应用落地。

2024 年之后,智能体逐渐成为行业热点。百度世界 2024 现场,五个智能体协同完成报名系统的演示,提前勾勒出多智能体分工协作的形态,李彦宏也提出「智能体是 AI 应用的最主流形态」。半年后 Anthropic 披露多智能体 Research 架构,全球正式进入智能体元年。

到 2026 年 Create 大会,当行业仍在追捧 Token 消耗指标时,李彦宏拿出 DAA(日活智能体数)这把新标尺,提出 AI 的价值不该看投入了多少 Token,而要看完成了多少任务、交付了多少结果。随后 Meta、亚马逊陆续撤下 Token 排行榜,Anthropic 公布内部日活研发 DAA 达 3 万,行业价值标准正式从投入端转向产出端。

十年时间,AI 从实验室里的前沿技术,变成了渗透企业各个环节的基础工具。当「换电机」已经成为绝大多数企业的标配动作,新的瓶颈也随之显现。微软《2026 年工作趋势指数年度报告》提到的「企业 AI 转型悖论」,BCG 在欧洲企业中观察到的「试点成功但整体收益无提升」现象,本质都是同一个问题:员工个人用 AI 提效了,单点试点也跑通了,但业务流程、协作方式、考核机制仍停留在过去,组织层面并未发生本质变化。

这正是当前全行业面临的共同困境:单点工具的提效,不会自动累加为组织整体的生产力;局部试点的成功,也不等于完成了 AI 转型。过去十年,行业共同解决的是「AI 能力有没有」的问题;而接下来的十年,整个产业要回答的,是「AI 价值怎么充分释放」的问题。

02

智能组织:AI 时代的新生产力载体

事实上,这个答案不在更强的模型参数里,也不在更多的工具部署里,而在承载技术落地的组织本身。

对于这一行业困惑,李彦宏在百度世界 2026 给出了答案—— 智能组织。它跳出了传统组织调整中部门拆分、架构微调的思路,是一套适配 AI 时代的原生组织体系,围绕任务分配、知识沉淀、流程运转,对 AI 能力做系统性重构,最终让组织成为可以持续自我进化的智能系统。

这种重构沿着三条核心路径展开。

第一条是打破岗位边界,让组织运行核心从固定岗位转向具体任务。工业时代的科层制依靠清晰的岗位分工实现规模化运转,但也带来了协作壁垒,跨角色对齐拖慢了效率。AI 时代,大量执行性工作可由智能体承接,人的价值更多体现在判断与决策上,最小生产力单元也从完整团队收缩为「一个人 + 一支智能体编队」。

百度内部已有大量实践验证。数字人创新业务部打破产品、研发、设计、测试的传统岗位边界,推动全员向 Builder 转型,单个员工就能带着智能体完成从需求分析到交付的全流程。2026 年第三季度,该团队完成 564 次产品迭代,沉淀 130 个可复用 Skill 与 729 篇组织资产,人均产出提升 125.3%,交付周期缩短 28.8%。

百度智能云长出的 FDE(前沿部署工程师)角色,也打破了销售、交付、产研三段接力的模式,一人同时懂行业、能落地、会推产品,已在金融、能源、制造等行业落地 100 多个业务场景。很多时候限制人的不是能力边界,而是岗位的边界;当边界被打破,组织活力会被充分释放。

第二条是沉淀隐性知识,把个人能力转化为可复用的组织智能。一直以来,企业的核心竞争力往往藏在资深员工的经验里,这些隐性知识难以传承,人员流动就意味着能力流失,是组织最大的隐性损耗。智能组织要做的,就是把分散的个体经验显性化,沉淀为持续累积、全员可用的组织资产。

南方电网与百度合作的「天璇伙伴」是一个典型案例。广西电网每年发生八千多次永久性故障,传统人工研判单次要 60 分钟以上,高度依赖专家经验。通过百度搭子,团队将上万条历史故障数据、老师傅的研判经验沉淀为专业知识,串联故障记录、开关信号、线路拓扑形成完整证据链,研判准确率达 70% 以上,效率提升 12 倍。更关键的是,系统能自主成长,每一次实战经验都会反哺优化,老师傅的智慧不会随人员流动流失,反而越积累越厚重。

第三条是设计流程闭环,让组织从固定流程走向持续进化。传统企业的业务流程由人预先设计,一旦确定就难以调整,迭代成本高、响应慢。智能组织的核心是 Looping 机制,李彦宏给出了清晰公式:可衡量 + Looping = 持续进化。每一次任务结果都会形成反馈,自动反哺优化下一次执行,让组织像生命体一样持续学习迭代。

百度搭子上线至今完成 160 多次自我迭代,正是这套逻辑的体现—— 每一次用户反馈、每一个问题的解决,都会沉淀为系统能力,「今天解决的问题,就是明天拥有的能力」。升级至 3.0 的百度伐谋,则把闭环做到了产业场景,围绕生产运营、经营策略等核心业务,搭建「问题定义 - 算法演化 - 结果验证 - 反馈优化」全链路,让 AI 不只是输出单次方案,而是围绕业务目标持续优化。

沿着这三条路径进化的智能组织,最终会为企业打开三重增长空间:一是轻资产运营,少数人搭配智能体就能承接复杂任务,人力资源不再是扩张瓶颈;二是构建新护城河,专属的业务知识与流程经验沉淀为组织智能,形成难以复制的差异化壁垒;三是创造新市场,创新不再局限于少数部门,全组织并发探索更容易发现新需求、催生新增长曲线。

03

AI 的下半场,竞争从技术能力转向组织能力

李彦宏能持续提出领先行业的判断,本质是观察视角的差异。作为技术背景的创业者,身处全球 AI 竞争一线,他看 AI 更关注技术如何作用于产业、改变经济运行效率。

从「AI 是新电能」到「智能组织是新厂房」,是从生产力到生产关系的完整思考——AI 是全新的生产力,智能组织就是适配这种生产力的生产关系。当行业在忙着升级生产力、更换更好的电机时,他先一步看到了生产关系的瓶颈。

同时,这套理念并非停留在理论层面。百度用「芯 - 云 - 模 - 体」四层全栈 AI 能力,为智能组织搭起了可落地的技术底座。

最底层的「芯」是智能组织的算力基石。智能组织要全面跑起来,需要支撑大规模、长周期的智能体并发运行,对算力的稳定性、性价比都有极高要求。

百度自研 AI 芯片配合升级后的百舸 6.0 算力平台,将传统算力平台升级为 AI 时代的「智能工厂」:LoongForge 训练效率领先行业 1 倍,Agentic 模型强化学习训练效率提升 1 倍,天池超节点 2.0 吞吐性能提升 25%,主流模型推理效率提升 50%。目前天池超节点已走通全栈国产化路径,开放六大核心模块技术规范,在全国多地完成千柜级部署,成功支撑万亿参数大模型训练,为大规模智能体长周期运行提供了稳定、高性价比的算力保障。

往上的「云」是智能组织的运行基座。智能组织的核心是 Looping 持续进化,需要长链路任务能稳定跑完、上下文能持续沉淀、反馈能实时回流。

新一代百度智能云不再只服务于人或单一工具,而是直接服务于具体业务任务,穿透企业资源、IT 与经营系统。其中千帆 Agent Infra 打造「词元工厂」与「驾驭工程」两大能力:前者提供 150 多款主流模型服务,推理速度较行业提升 25%;后者覆盖长上下文管理、持久记忆、子智能体调度等能力,任务成功率达 95%,同时节省 23% 的 Token 消耗。搭配词元所大模型交易平台的验真、征信能力,企业可以更低成本筛选可靠模型资源。

再往上的「模」,即大模型,决定了智能组织的能力边界,为全行业的智能体开发与组织智能化升级提供了更强的基础底座。

大模型行业百花齐放,但是当一个开发者或一家企业真正想把模型用起来的时候,往往发现,模型越多,选择越困难。同一款模型,有的贵有的便宜,来源五花八门,质量参差不齐。选来选去,就是不放心、不敢用。为解决这一落地难题,百度宣布推出大模型服务平台词元所。

词元所是大模型的交易所,汇聚好的模型和模型提供商,让企业乃至个人,都能便捷地找到、购买和使用可信的模型 Token。

李彦宏认为,大模型产业正在沿着两条路径发展:一是向上突破,推高智能上限;二是向实扎根,释放产业价值。在大模型这两个发展方向上,百度都在不遗余力地向前推进。「一方面,我们会持续投入,研发下一代更前沿的基础大模型。另一方面,我们会坚持「模体并行、协同进化」理念,让大模型为应用而优化。」

文心闪电模型,文心微表情大模型,都围绕智能组织场景做了定向升级:面向智能体执行与推理的文心闪电模型,在编程、逻辑推理、任务规划等核心能力上达到行业领先水平,能更稳定地完成长链路复杂任务;面向数字人、内容创作场景的文心一镜微表情大模型,则大幅提升多模态表现力,同时将生成成本降低 50%,支持分钟级视频生产。

希加加数字人采访李彦宏 | 图片来源:百度

在基础模型方面,大会前夕百度还开源了文心 5.5 Flash Base 基座模型,并在会议当天正式发布了文心 5.5 Flash预览版,同时上线千帆平台。百度两款应用模型——文心闪电模型和文心一镜微表情大模型,也向合作伙伴开放。

最上层的「体」则是智能组织的落地抓手。不同赛道的智能体产品,可以直接嵌入企业现有业务流程,帮企业快速启动组织智能化升级,不用从零搭建。

从企业协作的百度搭子、产业决策的百度伐谋,到数字人交互的百度一镜、视觉巡检的百度一见、知识管理的库库 AI,不同领域的智能体产品可直接嵌入企业现有流程,企业无需从零搭建,就能快速启动组织智能化升级。

这套技术体系,百度早已在内部跑通验证。目前百度内部日均活跃智能体数、有效任务完成数均实现数倍增长,建成数千个工作空间,沉淀上万个组织 Skill。从产研团队全员 Builder 转型,到中后台流程自动化重构,整个百度本身就是一个持续进化的智能组织样本。这些内部经验又会通过产品输出给行业客户,形成实践 - 优化 - 落地的正向循环。

当 AI 技术的比拼从参数规模转向落地效果,企业竞争的下半场,也自然从「比技术能力」转向了「比组织能力」。未来能真正吃到 AI 红利的企业,将是完成了组织智能化重构的企业——把 AI 融入到了组织的每一条流程、每一个任务里。

*头图来源:百度

本文为极客公园原创文章,转载请联系极客君微信 geekparkGO

极客一问

为什么说「智能组织」是 AI 时代的「新厂房」?

跳转微信打开

❌