千呼万唤始出来，姚顺雨加入腾讯后，第一个重量级产品Hy3正式版，今天公布了。 为了这个产品，腾讯可以说是准备了大半年。 2025年12月，腾讯对企业内部的大模型研发架构动了大手术，新设AI Infra部、AI Data部和数据计算平台部，同时请来清华姚班出身的姚顺雨出任首席AI科学家，双线向刘炽平和卢山汇报。 姚顺雨到任后第一件事，就是推翻旧有训练框架，一个月内重建整套预训练和强化学习基础设施，定下“不偏科、不刷榜、不烧钱”三大原则。 重建后的首个产物，便是4月23日上线的Hy3 preview。这个模型从启动训练到发布仅三个月。 但Hy3 preview毕竟只是个预览版，各方面能力只能说尚可，没做到国内 SOTA 的程度。 但这次的 Hy3 正式版不一样，它是真支棱起来了。 Hy3正式版升级了哪些 Hy3正式版沿用了preview的底层架构，总参数量295B，每次推理激活21B参数，另外有3.8B参数用于MTP（Multi-token Prediction）层。模型共80层（不含MTP层），采用GQA分组注意力机制，64个注意力头中8个为KV头，隐藏层维度4096，中间层维度13312。专家系统配置为192个专家、每次激活top-8。上下文窗口256K，词汇表120832，精度BF16。 也就是说，有效参数量约为GLM 5.2的一半。其实Hy3的整套架构设计早在preview阶段已经定型，正式版没有做结构层面的变动。 那正式版到底改了什么？ 官方的说法，是“进一步提升了后训练数据的质量和多样性，扩大了RL算力规模”。 翻译成大白话，架构没动，但喂给它的训练数据更好了、更多样了，也给强化学习更多的计算资源。 从benchmark数据来看，Hy3这次在官方博客和HuggingFace上放出了相当详细的得分表，覆盖代码、搜索、工作智能体、STEM、推理和上下文学习六大方向，并和GLM-5.2、GLM-5.1、DeepSeek V4 Pro、Seed-2.1 Pro、Qwen-3.7 Max、Gemini-3.1-pro-preview、Claude Opus 4.8、GPT-5.5等主流模型做了横向对比。 以下数字均来自混元官方发布的附录表格。 先看代码智能体方向。Hy3正式版在SWE-Bench Verified上拿到78.0分，SWE-Bench Pro 57.9分，SWE-Bench Multilingual 75.8分，Terminal-Bench 2.1 71.7分，DeepSWE 28.0分。 作为对比，GPT-5.5在SWE-Bench Verified上是84.4分、SWE-Bench Pro 58.6分；GLM-5.2在SWE-Bench Pro上是62.1分；DeepSeek V4 Pro 在 SWE-Bench Pro 上是55.4分。 Hy3和开源模型相比不相上下，但和顶级闭源模型之间还有一些差别。 搜索智能体方向是Hy3表现最强的地方。BrowseComp 84.2分，在所有对比模型中排第一，甚至追平了GPT-5.5。WideSearch 76.4分，DeepSearchQA 91.0分。 工作智能体方向，Hy3在MCP Atlas（公开版）拿到79.1分，ClawEval（pass³）68.5分，Toolathlon 48.5分，WildClawBench（35轮，纯文本）53.6分。 混元还跑了内部评测集Hy-FinModelBench（金融建模），拿到69.0分，基本和GLM-5.2持平。 STEM和推理方向，Hy3在GPQA Diamond上拿到90.4分（GPT-5.5为93.6）, HLE（带工具，纯文本）53.2分（GLM-5.2为54.7, DeepSeek V4 Pro 为48.2）, USAMO 2026 72.0分，IMOAnswerBench 90.0分，MathArena Apex 38.7分，SuperChem 54.9分。GPQA Diamond的90.4分已经相当接近GPT-5.5的93.6分，HLE带工具的53.2分低于 GLM-5.2（54.7）但高于DeepSeek V4 Pro（48.2）。 上下文学习方向我得多说两句，跑的是CL-bench和CL-bench Life这两个腾讯自建的评测集以及AA-LCR。Hy3在CL-bench上拿到23.8分，CL-bench Life 17.0分，AA-LCR 73.4分。 这三个数字看着很低，但这不是Hy3的问题，而是这个评测方向本身的特性。 CL-bench是姚顺雨加入腾讯后署名发表的第一篇论文（2026年2月发布，arXiv 2602.03587，腾讯混元与复旦大学联合研究），专门用来测试语言模型的“上下文学习能力”，评分越高，代表模型越能从上下文中学习全新知识并正确应用。 同时，这篇论文中也提到，当前几乎所有SOTA模型在这方面都很差。论文发布时，表现最好的 GPT-5.1 (High) 在 CL-bench 上的任务解决率只有23.7%。如果不提供上下文，GPT-5.1只能解决不到1%的任务。 也正因为如此，姚顺雨才把它当作“下半场”要攻克的核心问题之一。 别看hy3没拿多少分，要知道，在CL-bench面前，哪怕是Claude Opus 4.8，也就才拿了24.8分。Hy3的23.8在国产模型里是最高的。 评分终归是评分，腾讯自己也承认，公开榜单并不能完全反映模型的“真实战斗力”。 Hy3正式版发布前，腾讯做了一个特别的测试，在内部组织了270位来自不同学科的专家，基于真实工作场景做模型盲测，收集了312份有效对比。 结果是Hy3均分2.67/4，优于绝大多数模型，优势集中在前端开发、数据与存储、CI/CD等类别。这个测试的样本量不算大，但由于采用的测试方式是真实工作场景的专家盲测，所以比纯跑benchmark更能反映模型在生产力任务中的实际表现。 相较于Hy3 Preview，正式版的幻觉率从12.5%降至5.4%，降幅超过一半。常识错误率从25.4%降至12.7%。多轮问题率从17.4%降至7.9%。长对话理解基准MRCR从42.9%升至75.1%。工具调用的错误恢复能力和效率大幅提升，触发无限循环的无效调用减少了。跨脚手架泛化性也得到增强。 这意味着不管你用哪个编程工具框架来调用Hy3，效果差异不会太大，并且效果要比Hy3 Preview更好。 定价方面，Hy3延续了preview的性价比路线：API输入1元/百万tokens，输出4元/百万tokens，输入命中缓存0.25元/百万tokens。模型权重以Apache 2.0协议在GitHub、HuggingFace、ModelScope、GitCode等平台开源，全球开发者可免费商用。海外平台方面，OpenRouter、Cline、OpenClaw、OpenCode、CherryStudio等也将陆续接入。 preview上线两周后，token调用量达到上一代Hy2的10倍，在OpenRouter上以3.66万亿token的周调用量拿到总榜和市场占有率“双第一”。到了正式版发布时，日均token消耗量已经增加了20倍。 尤其是代码和Agent类场景的调用量增长最为明显，在WorkBuddy/CodeBuddy以及QClaw类应用中增长超过16.5倍。 落到产品里如何 模型跑分再高，最终都要落到产品里才算数。 Hy3正式版发布时已经接入了WorkBuddy/CodeBuddy、元宝、ima、Marvis、QQ浏览器、腾讯新闻、WeGame、腾讯乐享、搜狗输入法、微信公众号、微信读书、腾讯地图、腾讯文档等核心业务，另外还有近50个业务在排队接入。 WorkBuddy是国内目前最受关注的AI办公智能体之一，也是Hy3能力验证的主战场。 从数据来看，Hy3在WorkBuddy上的表现确实有质的提升。相比preview版本，任务解决率从72%跃升至90%，平均耗时缩短34%。token效率方面，高频办公任务中Hy3的token消耗显著低于GLM5.2，比如文档处理方面节省了47.4%，PPT制作节省了49.0%。 并且自Hy3 preview发布以来，WorkBuddy上自主选择Hy3的用户数增长了6倍。 具体到实际办公场景，Hy3能做的事情要比preview版本更复杂了。 根据官方给出的showcase，Hy3能从101个SKU销售数据中产出Excel建模分析以及30页汇报PPT；把公司三个地区的数据用联动公式汇总成一张5000多个单元格的表；设计核聚变能源引擎的概念宣传网页；通过摄像头用手势交互控制图片粒子融解重组；通过多轮交互制作一个落日飞车游戏。 元宝是另一个重要的落地场景。 接入Hy3后，元宝也同步上线了Agent功能。用户在日常对话中输入需求，元宝即可直接执行复杂任务并交付PPT、Word、Excel、PDF、HTML等文件。 腾讯的内部评估显示，Hy3在综合办公与生活服务两大场景上已超过了GLM-5.1，文档生成综合分提升7%，网页制作与自动化脚本提升6%。 ima的知识库问答和Agent场景也接入了Hy3。Agent任务中系统稳定性达95.1%，工具编排能力突出，盲目重试、应止未止等无效操作大幅减少。知识库问答场景推理质量净提升近19%，幻觉率下降15个百分点。Marvis的多Agent协作场景中，任务完成率达93.7%，6个Agent协作下任务派发正确率达92%。 QQ浏览器的编程与代码输出类任务成功率提升37.6%。微信公众号AI分身和客服的意图识别准确率从98.28%提升到98.94%。 WeGame《流放之路：降临》（POE2）AI游戏助手的多轮推理与工具调度综合成功率提升至92%，幻觉率从4.5%降至2.8%。 值得一提的是Hy3在微信小程序开发方面的能力。 在Hy3 preview发布时，混元就展示过这么一个案例，用户给模型一个复杂的Prompt，要求用微信小程序原生框架开发一个完整的徒步路线与旅游计划推荐小程序，包含首页图片轮播和分类导航、路线详情页行程时间轴和图库、个人中心收藏功能，并且要求UI清新自然、代码逻辑闭环、可直接导入微信开发者工具运行。 模型一次性输出了包括app.json全局配置在内的所有文件。到了Hy3，这个能力得到了进一步增强。 比如我让Hy3给我做个快递小程序，它就连前端带后端，外加API、数据结构、项目方案一并输出。 这里其实有个有趣的事情，微信前不久推出的原生AI助手“小微”，也具备通过自然语言生成小程序的能力。 比如下图，我让小微给我生成一个字母AI专用的文章记录助手。 但小微背后的模型并不是Hy3，而是微信自研的WeLM和DeepSeek-v4。日常交互由WeLM主导，复杂推理则调用DeepSeek。 5月15日，微信小程序“成长计划”完成了模型升级，全面采用Hy3 preview模型。 6月8日，微信又发布了《关于开发者接入微信AI生态的指引》，正式面向小程序开发者开放AI生态接入能力。美团、滴滴、京东、途虎养车、携程等头部平台已经宣布与腾讯在AI Agent领域达成合作。 或许在小程序开发这块，开发者用Hy3，普通老百姓用Welm+DeepSeek，才是腾讯想要的完美答案。

大厂应该怎么做AI？ 以前，字节、阿里和腾讯倾向于对硅谷巨头亦步亦趋。如今，三巨头正集体转向“基因驱动”，试图回到成就过往辉煌的熟悉轨道上。 字节正在迎回“大力出奇迹”。 6月底，字节CEO梁汝波在一场活动上发声，要求公司“全力深耕AI”，重申“攀登AI高峰”，收缩业务宽度，把精力重点聚焦到AI，在AI里聚焦到提升模型能力。 几天后，梁汝波又在全员信中公布了新的领导力原则，要求“做有高度的事”和“敢于设定高目标”，管理层不能单纯维持现有业务稳定，必须主动突破。 一周内两次喊话，梁汝波传递了相同战斗姿态——明确方向、抓住重点、高密度投入。这与字节多年前确立的“大力出奇迹”方法论一脉相承。 回到本源、回到基因，也是腾讯和阿里的选择：腾讯回到“左手微信、右手钞能力”的路线，阿里则大踏步“回归交易”。 字节们不约而同“王政复古”，堪称2026年国内AI行业的标志性改变。 三巨头试图从基因里汲取战斗力，在自己的舒适区、利用自身的长板作战。他们不再盲从硅谷大公司的战略战术，而是要用移动互联网时代百试不爽的方法论，在AI时代再打一场大大的胜仗。 但旧时代的船票，能否载着一家大公司登上新时代的客船？字节、阿里和腾讯踏上了行程，但还没找到答案。 字节、阿里和腾讯做AI的终极目标高度一致：成为AI超级入口，延续移动互联网时代的行业地位。 但对于如何实现这一目标，三家公司始终没能找到完美答案。他们都经历了较长时间的摸索，不仅偏离了自己的基因和长板，而且结果也并不令人满意。 字节手握豆包App，理论上有机会通过接入成千上万的小程序，比微信更早跨入Agent时代。豆包此前已经开始支持抖音电商的商品链接，可谓字节版“AI+小程序”的先声。 然而，字节麾下的抖音小程序生态远远赶不上微信。这条路固然可以走，但注定需要大量时间和资源，无法满足字节AI抢占制高点的需求。 字节还尝试过另一条路：AI+硬件。 去年底横空出世的豆包手机，试图让AI自动操作GUI，绕开重重权限壁垒，从底层掌握入口，来一场釜底抽薪。 豆包手机这一略显冒进的做法，显然会侵蚀第三方App的利益，很快招致其他公司的集体阻击。时隔不久，豆包手机就归于沉寂。竞争对手们以实际行动告诉字节：此路不通。 那么字节只剩下第三条路：回到“大力出奇迹”，把豆包做成超级AI App。 豆包并没有效仿微信或抖音，将大部分服务交给第三方承接，而是尝试又大又全，尽可能提供所有常用功能。 过去一段时间，豆包先后接入了轻办公、音乐、短视频等功能，最近又开始支持打车和导航，甚至与飞书互相打通了账号体系，间接补齐协同办公的短板。 同时，字节还给“大力出奇迹”设计了关键衡量维度：收入。 梁汝波连续喊话，要求聚焦、再聚焦，并喊话中高层、向管理要效益，大都指向了“AI必须能赚钱”这把新标尺。豆包近期开始卖会员，其实与梁汝波的表态遥相呼应。 这也释放了一个强烈信号：豆包每天收入不足百万元、却需要烧掉几千万的状态不可能持续下去；学会算账、改善ROI，让公司内外看到清晰的盈利可能性，已成为豆包的当务之急。 腾讯也经历了类似的探索和回归。 腾讯AI一度四面出击，既做基础模型，又要比拼AI App，还要追赶“龙虾”等行业热潮。它还挖来了顶级AI人才姚顺雨，并委以重任。 然而，这些动作略显零散，与腾讯自身长板的结合也不算紧密，许多时候只是把集团当作落地场景和流量池，最终并没有达到预期，成为马化腾形容的“漏水的船”。 如今，腾讯AI的诸位大将依然征战在各个细分战场，但这场战役的主导者已经悄然更换。 一方面，微信扛起了腾讯AI的大旗。 在很长时间里，微信并不是腾讯AI的主阵地。但过去几个月，微信AI猛踩油门，史无前例地将App左上角的黄金位置开放给“小微”。 微信Agent也箭在弦上，预计下半年全面铺开。它不再停留在给姊妹业务开辟入口、输出流量，而是希望基于小程序生态，构建包罗万象的微信Agent。消息一出，美团、携程、京东等腾讯盟友纷纷响应。 另一方面，腾讯投资引擎再度高速运转，出手次数和金额都大幅提升。 这台以金钱为燃料的超级引擎，造就了腾讯如今的地位，但也在“合久必分”的时代规律面前大幅减速。如今，腾讯“钞能力”再度发威，几乎所有AI明星公司都有它的身影。 AI六小龙，腾讯入股了五家；DeepSeek首轮融资，腾讯投了100个亿。在AI芯片、底层算力和AI应用等赛道，腾讯同样频频下注。几年间，腾讯悄然“买出”了AI半壁江山。 阿里在AI领域也踩过不少坑。尤其是chatbot，阿里在AI时代的首场大战中没有占到便宜，千问App的用户规模长期被竞争对手压制。 直到不久前，阿里回到了自己最擅长的交易。 阿里旗下的千问App原本与豆包、DeepSeek等chatbot打擂台，但今年以来转换赛道，新增功能大多与交易有关，包括与淘宝、天猫全域互通，与淘宝闪购全面打通，接入飞猪、高德、大麦的酒旅出行票务服务等。 同时，阿里也在千方百计扩大自己直接掌握的交易场景。 具体动作包括：向淘宝闪购砸下巨资、竞逐即时零售；将盒马一号位的汇报线调整至蒋凡；甚至还传出要收购朴朴超市。这些举动都可以为阿里“AI+交易”的新蓝图添砖加瓦。 字节、阿里和腾讯回到自己熟悉的方法论，标志着对曾经的“拿来主义”的纠偏乃至扬弃。 全方位的“拿来主义”，一度在国内非常盛行。 这一波AI浪潮起步于硅谷，四年多的风云激荡过后，OpenAI、Anthropic等公司依然稳居行业潮头，技术、产品和理念被深入研究、广泛效仿。 自然而然地，国内公司也在模仿这些公司的发展范式。别人做什么、怎么做，乃至人才引进、公司文化、企业管理等方方面面，都不妨先亦步亦趋，以期成为“中国版OpenAI/Anthropic”。 但时至今日，“拿来主义”正在加速退潮。 越来越多的国内AI公司发现，不加选择地cosplay国外巨头，很多时候是削足适履，并不能带来理想结果。 比如，对于AI公司究竟应该拼什么，硅谷给出的答案是“基础模型”。在这一指引下，国内AI公司长期围绕基模展开竞争，如今却日益难以为继。 在明面上，字节等大公司仍然强调基模研发，且不断推出新模型。梁汝波不久前还明确提出，“把精力重点聚焦到AI，在AI里聚焦到提升模型能力”。 但实际上，基模已经走过了百花齐放的时代，进入急剧收敛阶段。国内的中厂、小厂已经基本退出争夺，要么转向应用，要么转向垂直模型；头部大厂暂时还烧得起，但在资金实力不如硅谷巨头的情况下，追求SOTA基模只会越来越吃力。 根本原因在于，基模需要“天时地利人和”，而这是国内企业很难改变的。 字节等公司的基模研发本来就起步较晚，且不像硅谷公司那样，能够拿到大量先进芯片，算力存在瓶颈。同时，硅谷聚拢了大量顶级人才，OpenAI等公司近水楼台先得月；国内公司固然可以天价挖人，但毕竟数量有限，况且一两个牛人很难凭借一己之力扭转乾坤。 其实，在硅谷，Meta、SpacXAI、谷歌等大厂也吃了全力押注基模的亏。他们投入巨资后，非但没能赢下基模之战，反而在AI编程工具等更具价值的赛道被越拉越远。 如果三巨头继续在基模赛道“卷”下去，或许能够在某些指标上占优，但要想全面超越，难度依然很大，且很可能挤占其他AI业务所需的资源和资金。 AI工具同样如此。 这条赛道的竞争焦点是AI编程工具，国外的Claude Code、Codex等一马当先，字节等国内大公司也都推出了同类产品。此外，对于智能体框架、AI视频生成工具等产品，三巨头也都跟得很紧，存在感并不弱。 但AI工具的能力上限，取决于基础模型的能力。国内工具在基模上较为吃亏，再加上全球开发者已经养成了习惯，想要追赶第一梯队，同样需要耐心和投入。 即便是商业模式，三巨头也无法全盘照搬。 以AI App为例，早在刚刚起步时，ChatGPT等国外AI App就开始搭建付费会员体系，且增长很快。以OpenAI为例，预计到今年底，它的个人付费订阅用户将达1.12亿。 这给了国内AI App启发。不久前，豆包开卖会员，成为国内AI App商业化的里程碑。 然而，众所周知，国内用户早已习惯了免费，付费习惯非常薄弱，任何App面向C端收费都困难重重。豆包会员上线前，收费传闻据称“吓跑”了600万豆包月活用户，在一定程度上折射出普通人对于收费的敏感。 在多重因素影响下，OpenAI、Anthropic等公司走通的路，国内公司往往很难走通。硅谷大厂对于国内大厂的“导师”价值，已经逐渐消散。双方的路径分叉，不仅体现为产品、技术、商业模式的不同选择，也投射在了底层战略选择上。 字节们回到基因驱动，换一条路走，能否彻底改写略显被动的竞争态势？ 目前还看不清答案。但无论行不行，三家公司都值得一试。 如前所述，字节做不了“AI+小程序”，更难跑通“AI+硬件”，这两条路被彻底堵死后，重拾“大力出奇迹”方法论，以“强流量+强运营”推动豆包成为超级AI App，实际上就是最简单直接的路线。 这是一条国外巨头从未走通，甚至从未考虑过的路线。 OpenAI拥有用户量最大的AI App，却不可能将ChatGPT当作整个公司的运转要津；AI编程服务Codex甚至隐然有后来居上的势头。至于其他硅谷大厂，受限于技术和产品，更不会有超级AI App的奢望。 字节却对此轻车熟路。 早在移动互联网时代，抖音的电商、本地生活，乃至泛抖音系的番茄小说、汽水音乐、红果短剧等，都靠着“大力出奇迹”的打法飞速崛起。流量与运营的立体攻势，已经被字节一次次证明有效。 在AI赛道，字节完全可以复制类似的路径，而非问道于万里之外的硅谷。 更何况，豆包已经拥有近3.5亿MAU，具备包揽一切的用户基础。同时，国内用户偏好“一个App解决所有问题”，也让豆包的“大力”有了用武之地。 腾讯更是如此。 它在移动互联网时代练就了“左手微信，右手钞能力”的增长方式。如今到了AI时代，这两个撒手锏依然是腾讯的底牌。 只不过，在上一阶段，腾讯并没有把微信用到极致，对外投资也尚未开花结果。腾讯AI本质上是独立作战，而非背靠整个集团出击。 这样的打法，非常不腾讯——这家巨头过往的大多数成功，都建构在“如何用好微信”和“如何用好投资”两个假设下，却没有在AI时代延续。 如今，腾讯终于决定把两支最精锐的部队派到前线，不再只靠新军参战，而是让百战之兵去打AI战役。 “旧瓶装新酒”好处多多。 一方面，腾讯可以继续零成本“复用”微信的用户、商家和客户，只是给他们换了一扇叫AI的新大门。而微信Agent风声放出后，商家和平台群起响应，也证明了微信生态对于AI的期待和热情。 另一方面，腾讯本来就是最擅长投资的巨头，看人、看企业非常准。在AI赛道，腾讯的不少被投项目发展良好，其中一些已经在冲刺IPO。万众瞩目的DeepSeek首次融资，腾讯也成为三巨头唯一拿到份额的。 阿里做AI有些磕磕绊绊，做交易却无出其右。当AI时代汹涌而至，阿里更需要回归交易、抱紧交易，才能把AI与公司的立身之本融为一体。 多年来，阿里一直是中国互联网三巨头之一，关键在于掌握了电商这个最庞大的交易池。无论市场环境和技术产品如何变迁，阿里要做的归根结底只是一件事：让更多交易发生在自家场景。 它之前回归淘宝，大力发展即时零售，延展本地生活、交通出行、酒旅票务等板块，都是为了吸纳更多交易。如今它收回盒马、被传收购朴朴，也是沿着“做大交易池”的逻辑前行。 以交易为核心的逻辑，同样适用于阿里AI。 只不过，阿里AI上一阶段忙于拼基模、拼AI App，对于交易重视度不够。直到今年，千问提出要做“办事”能力，阿里才正式把“AI+交易”作为新的主驱动轴。 或许，阿里终于想明白了一件事：自己并不需要赢下AI正面战场；只要在交易笔数上保持领先，它就能在AI时代继续稳居主牌桌。 字节等大公司回归基因、回到自己的舒适区，虽然还没有太大效果，但至少在战略上想明白了；公司和员工的进退行止，找回了更扎实、更熟悉的理论根基和经验依据，而非紧盯着硅谷巨头的一举一动。 同时，这也标志着国内AI行业与硅谷正走上截然不同的路径。当OpenAI等巨头在巨额算力和资金的加持下，围绕基模和AGI展开竞逐时，国内大公司已经在描绘截然不同的AI远景。 三大巨头依然在争夺SOTA基模、前沿产品，但这些动作已经不再是决胜手段。反而是那些与核心场景、核心竞争力相关的动作，哪怕看上去略显“陈旧”，却更有可能定决定其AI业务的长期形态和边界。

摘要： “聚焦生命科学与信息科学等重点科研方向，探索AI与科研的深度融合。” 凤凰网科技 出品 作者｜董雨晴 华为2025年年报里，“人工智能”被提及了421次。公司内部把它看作“未来十年、甚至更长周期里最具确定性的战略机遇”。但这一波AI到底该怎么落地到最艰深、最慢的科学研究领域里去，外界其实一直在摸索实践。 随着这一轮AI应用的不断深入，行业里也不断提及，如何用AI协助解决科学问题，从而让科研工作者少走弯路。 今年，华为在这方面的动作也不断深入，3月联合伙伴升级发布了智算实验室解决方案，华为正在尝试在AI for Science（AI4S）领域做更多落地。 近期，凤凰网科技专访了华为AI for Science业务负责人孙鹏飞，这也是他第一次系统性对外复盘这场对科研场景落地的探索。按他自己的话说，这是要把一线摸到的产业洞察，反哺回基础研究最源头的环节。 图｜华为科研军团总裁孙鹏飞 进到实验室最“重”的地方去 过去，科技公司切入科研领域，多数选择做“卖水人”——卖算力、卖软件、卖工具。华为在AI4S赛道的生态布局更为扎实、深入。 孙鹏飞告诉凤凰网科技，华为的布局逻辑很清晰：“聚焦生命科学与信息科学等重点科研方向，探索AI与科研的深度融合。” 这也是当前科研领域的重要阵地。目前我国的实验室与科研机构体系中，生命科学与信息科学是两大主要方向，这两大领域也正是华为精准落子的战略锚点。 华为把构建科研智能底座的能力打包成四个模块——科研计算、科研服务、科研园区、科研可信空间，它们共同构建出华为智算实验室方案。从智算实验室方案落地案例已经能看出“重”的程度。华为与昌平实验室联合打造的TorchFold模型，是业界首个NPU原生的AlphaFold3开源复现，原生适配昇腾NPU，有力支撑新药研发与合成生物学创新。在某实验室，华为为其打造的高性能计算平台已经在跑水稻育种和畜禽功能基因组的大数据挖掘。这些场景无一例外，都踩在AI+生命科学等重大创新领域的主线上。 孙鹏飞将这一切归结为华为从“创新1.0”走向“创新2.0”的必然。“创新1.0是工程和技术创新，我们做得不错；但创新2.0要求我们在基础理论和底层技术上有更大突破。” 让科研人员少熬几个月 2026年，华为在AI for Science领域的投入愈发深入。 孙鹏飞告诉凤凰网科技，就是要“推动AI与科研的深度融合，重点提升基础研究的产业转化效率。”他说，在生信、材料等领域已经见到效果，“通过AI算法将新材料研发周期缩短60%，并与国内多家实验室共建联合创新平台。” 他的策略是，先在一批最前沿的合作中跑通价值，然后带着标杆案例去影响更多实验室。 基于此，华为智慧科研方案应运而生。该方案构建了一个覆盖“文献挖掘→实验设计→实验执行→结果分析”完整链条的科研智能体平台，让AI成为科研的核心牵引力。据行业调查，科研人员大量时间被文献调研、参数配置等重复性事务占用，真正用于创新思考的时间往往不足30%。智慧科研方案正是针对这一痛点，将AI融入科研全流程，大幅降低重复劳动耗时，帮助科研人员将更多精力聚焦于科研创新。 华为给出两个案例。一个在“灵境造物”智能科研工具平台：在产氧电催化剂的筛选场景中，系统可并行评估数百种候选材料的稳定性、反应活性等关键参数，将传统计算集群需数周完成的筛选任务缩至数小时级完成，显著提升材料筛选效率。另一个在嘉庚创新实验室，以往动辄数年的新材料研发过程，如今可以全程无需人工干预，24小时不间断运行，速率是人工实验的5倍以上。 这些案例指向同一个趋势：AI正把科研从“人工试错”推向“智能发现”。但核心问题也摆在那里——这套方案到底能复制到多少实验室？华为通过前期的标杆项目逐步验证，客户覆盖率则“根据市场进展动态调整”。 用AI加速科学研究 全球AI4S竞赛已经齐发，全球科技大厂都在积极拥抱，华为要怎么走出自己的路径？ 华为手里的牌是“智算实验室+智慧科研”解决方案，从底层生态和鲲鹏硬件到MindSpore软件框架软硬自研。路径上也不同——不是卷通用算力，而是通过与科研客户合作，快速扎进真实的行业场景。 孙鹏飞把优势总结为三层：数据安全与高效流通、异构算力整合能力、科研智能体加速垂直场景效率提升。落到具体产品上，科研可信空间，通过融合数据湖、智能数据工具链、数据空间中枢保障科研数据供得出、流得动、用得好、保安全；异构算力调度平台能统筹调度多种异构算力，实现CPU+GPU+NPU多维度策略调度，资源利用效率提升50%；智慧科研方案通过沉淀科研领域的开放模型和智能体能力，让AI自动完成重复性科研事务，让科学家聚焦科研创新。 回到最初那个问题：华为能在AI4S领域“换道超车”吗？ 更准确的说法或许是，它不需要超车，只需要在自己的车道上跑得足够快。第三方数据显示，全球AI4S市场2025年规模约45.38亿美元，预计2032年将达262.3亿美元，这个池子容得下不止一个玩家。 华为要做的，是在自主创新的底座上，用中国科研场景的真实需求，打磨出一套能跑通、能复制、能闭环的方案。 孙鹏飞没有给出任何长期预测。他对凤凰网科技表示：“我们要为未来科研行业变革和持续发展，构筑最核心的科研引擎。” 这句话或许才是华为的初心，在今天为原始创新提供更多动力支持，让新技术自然发生。

A股“人形机器人第一股”，要来了。7月2日，中国证监会正式批复宇树科技科创板IPO注册。宇树科技距离挂牌只剩询价发行最后一步，整体估值或远超420亿元。 消息刺激下，7月3日，A 股机器人板块直接走出“宇树行情”。据不完全统计，绿的谐波、拓普集团等逾40只个股封涨停。 然而，这场狂欢背后，宇树科技的财务曲线正在走弱。2026年一季度，公司营收4.23亿元，同比增速由2025年全年的332.64%掉到68.49%，扣非净利润降至4025.36万元，同比下降52.55%。 宇树科技自己在《招股说明书》中已经预警：如特斯拉等国际企业，有望快速降低其人形机器人成本，这将直接加剧行业价格竞争。现实中，竞争加剧来得比预期更快。 浙江杭州宇树科技公司内，人形机器人进行武术表演。摄影/本刊记者 王刚 特斯拉是劲敌 对比四个月前的申报稿，宇树科技最新披露的《招股说明书》（上会稿）修改了五处风险提示，并将“增速放缓及经营业绩波动”摆在了所有特别风险警示条款之首。 宇树科技将自身领先优势减弱的风险与行业竞争加剧深度绑定，并举例提醒：特斯拉具有大规模量产与供应链整合能力、人工智能技术资源、自有工厂部署等优势，其人形机器人Optimus Gen-3已宣布启动小批量试产，未来商业化量产后将会与包括公司在内的行业企业形成直接竞争。 宇树科技的担忧并非空穴来风。7月1日，马斯克在社交平台发文称正在弗里蒙特参观擎天柱生产线，并配图其与工作人员在工厂内的合影。 另据券商纪要，特斯拉工程副总裁透露，第一条机器人产线已运抵弗里蒙特工厂，正进行现场验收测试的最后阶段，该生产线相当模块化，只需2—3天安装，一个星期就能运转。后续还有40条子生产线搭建，包含执行器、躯干、电池、四肢等。 野村最新研报指出，特斯拉已将Optimus V3的弗里蒙特产线年化产能目标，从此前的5万台上调至约7万台，并计划于2028年在奥斯汀新增约7万台产能，长期合计产能目标指向150万台。 更关键的是成本控制。公开数据显示，Optimus Gen3的物料清单（BOM）已压到2.8万美元，约合19.8万元人民币。马斯克曾预测，Optimus年产量超过100万台时，生产成本将降至2万美元以下。这将逼近宇树人形机器人目前16.76万元的平均单价。 加码具身智能领域的还有国际巨头英伟达。6月29日，该公司宣布机器人团队围绕具身智能、仿真、部署及解决方案架构四大方向，在北京、上海、深圳三地同步扩招。据介绍，此次扩招目的是对接国内庞大的机器人整机产业链，优化仿真到实物落地的技术链路。这意味着，人形机器人AI控制、运动算法等瓶颈或将加速突破，整机大规模商用前的软件障碍有望被扫清。 宇树科技《招股说明书》还提醒，国内多家整车制造企业与消费电子企业已正式布局人形机器人业务，这些企业在资源投入、市场推广、制造业经验等方面具有一定优势，进一步加剧了人形机器人行业的竞争强度。 据高工机器人统计，国内明确布局人形机器人的车企已经超过10家。其中，既有小鹏、长安、广汽等重资入局的代表，也有理想、蔚来、比亚迪等车企，通过投资、联合开发或内部孵化等方式试探水温。 车企入局，打出的第一张牌就是“成本控制”，这恰恰对宇树科技这类创企冲击最大。据媒体报道，比亚迪的第七代原型机量产目标单价20万元以内，更有内部人士透露，吉利计划将雷神电混、AI数字底盘技术迁移到机器人身上，有望在2027年将成本降至15万元以内。 价格跳水明显 “为应对市场竞争加剧，公司产品售价将可能出现主动或被动下降的情况。” 宇树科技在招股书中明确表示。 在机器人价格战中，宇树科技一向出手狠厉。产品线相对成熟的四足机器人，从2022年到2025年9月，平均单价从3.86万元/台降至2.72万元/台，累计降幅超过30%。最近两年，该产品平均保持15%以上的价格下探，以降价策略抢占市场份额。 与之形成反差的是，四足产品毛利率持续提升，同期毛利率从42.36%升至55.49%。核心逻辑在于成本端降幅更快，近两年四足机器人平均成本降幅达到28.47%。 降价策略同样用在了宇树人形机器人产品上。从2023年到2025年9月，人形机器人的平均单价从59.34万元/台断崖式降至16.76万元/台，不到两年时间，价格降幅累计超过70%，远超四足机器人。 不同的是，宇树人形机器人的高毛利率持续收缩。从2023年的87.67%，降到2025年1—9月的62.91%，价格跳水明显快于成本降幅。 一位长期从事人形机器人租赁生意的创业者告诉《中国新闻周刊》，60%毛利率已经很高，但结合宇树科技用户主要集中在教育科研领域来看，只能说明大学实验室对价格不那么敏感，在消费市场上，人形机器人还不是门好生意。 “现阶段人形机器人还没有打开应用场景。”工业和信息化部信息通信经济专家委员会委员盘和林告诉《中国新闻周刊》，目前人形机器人在消费端仍停留在表演和陪伴层面，在工业端还未形成大规模应用。 前述《招股说明书》同样提示，行业存在下游大规模商业应用不及预期的风险。在需求端，除特定应用场景外，通用机器人的消费级市场尚未形成刚需。若技术突破、成本控制及市场培育进度不及预期，通用机器人的商业化推广将面临实质性延迟。 《招股说明书》显示，宇树科技的成本构成中，直接材料成本占比始终维持在72%—81%的高位区间，而直接人工和制造费用成本的合计占比仅在20%左右。 这意味着，“规模效益和内部挖潜”这套传统制造业降本打法，在宇树科技的成本结构中所能施展的空间极为有限。降本压力，最终传导至“关节模组、传感器”等核心零部件的单价控制上。 这也解释了宇树科技近年为何加大核心零部件自研自产力度。尽管如此，80%的直接材料成本仍在，如继续压缩成本，需要上游供应链整体优化。而这正是车企入场的优势所在。 记者：李明子 编辑：闵杰 运营编辑：肖冉

据The Information报道，特斯拉上个月在内部备忘录中告知员工，从7月6日起，公司将对员工AI工具支出设置每人每周200美元上限。 这件事多少有点反差，毕竟特斯拉还在强化自己的AI叙事：据路透社报道，特斯拉已经在6月于奥斯汀推出小范围Robotaxi服务，接下来还要继续扩张；为了支撑自动驾驶、无人出租车、机器人和相关基础设施，特斯拉预计今年资本开支将超过250亿美元。 但现在，就连特斯拉都开始给员工的AI开支设限了。 此事并非孤例，404 Media拿到的内部材料显示，从科技公司到娱乐公司、银行，越来越多企业开始限制员工使用AI工具。 协作软件公司Atlassian结束了内部AI工具的无限制使用，并上线成本看板。看板显示，它的AI月度支出在2025年8月还只有约500万美元，到2026年5月，已经超过了1500万美元。 与此同时，Adobe不再续订Claude的无限制访问权限。花旗银行一度关闭Claude Opus 4.6、Claude Opus 4.7和GPT-5.5 等高价模型访问，并要求员工“为任务选择合适模型”。亚马逊则更有戏剧性：它此前曾用内部排行榜鼓励员工多用AI，后来却关闭排行榜，很快又有员工发现自己触发了此前似乎并不知道的token使用限制。 从鼓励多用，到开始收紧，企业对AI的态度正在发生微妙变化。 当AI终于走进企业的真实工作流，随之而来的不只有效率想象，还有一张越来越难忽视的账单。 把AI当成未来的公司， 也开始给AI设限 给AI设限这事，放在特斯拉身上，显得格外有意思。 因为特斯拉几乎在把AI当成公司的未来方向，过去几年，它一直在把自己从一家电动车公司，重新讲述成一家AI公司。 在马斯克的叙事里，特斯拉的未来不只属于汽车。自动驾驶要靠AI，Robotaxi要靠AI，Optimus人形机器人要靠AI，甚至特斯拉长期估值的想象空间，也越来越多地被放在“现实世界AI”上。汽车只是入口，车队数据、自动驾驶系统、机器人和AI基础设施，才是更大的故事。 这也是马斯克很熟悉的一套讲法，我甚至愿意解读为，他在SpaceX上已经验证了这条路的可行性——把一家公司的当前业务，连接到一个更大的未来叙事里。 所以按理来讲，特斯拉应该是最愿意为AI花钱的公司之一。 按照特斯拉今年一季度文件里的说法，2026年公司预计要花超过250亿美元做资本开支，其中很大一部分都和AI有关：建算力、建数据中心，扩制造和研发产线，支撑自动驾驶、无人出租车和机器人这些长期项目。 但与此同时，特斯拉开始给员工日常使用AI的账单设上限。 据The Information报道，特斯拉此前推出过内部AI平台Bottle Rocket，让员工可以集中访问OpenAI、Anthropic、xAI、Cursor等模型和工具。 特斯拉其实是鼓励员工使用AI工具的，但鼓励并不代表无限取用；当AI真正进入日常工作，账单也开始变得具体。 Investing.com转述称，特斯拉内部一些软件工程师的AI token账单已经达到每周数千美元。 AI编程工具的消耗本来就比普通Agent更重，普通聊天通常是一问一答，但编程Agent往往不是这样，一个看起来简单的任务，背后可能已经被拆成几十轮模型调用。如果再叠加长上下文、多文件检索、代码审查、并行Agent这些“高级功能”，token的消耗会被迅速放大。 特斯拉就是在这样的背景下，设下了每人每周200美元的AI上限，折算下来大约是每人每月800美元，每年超过1万美元。 和普通AI订阅相比，每周200美元完全不低，ChatGPT Business、Claude Pro、Cursor Teams这类工具，通常也只是每人每月几十美元到几百美元不等。特斯拉限制的显然不是“轻度用户”，这个限额分明直指AI工程师。 Claude Code的负责人Boris Cherny此前在采访中透露，他已经八个月没手写过一行代码了，有时他甚至会同时管理上万个AI智能体。听起来简直是AI编程的理想画面：工程师不再亲自敲代码，通过指挥模型完成工作。 但这里有一个小小的前提。Boris背后是Anthropic，手里是Claude Code——他压根不考虑token成本。 不限token的人，当然更容易相信以后不用写代码了。 但对大多数公司里的普通工程师来说，要是每个人都能不计成本地使用AI工具，公司很容易在某天收到一张天价的账单。 特斯拉不是不相信AI的价值，它只是开始区分两种AI花费：一种是战略性投入，比如自动驾驶、机器人、数据中心和基础设施；另一种是日常性消耗，比如员工调用外部模型、使用AI编程工具、让agent在工作流里不断跑任务。 前者仍然可以用未来想象来解释，后者却会直接变成每周、每人、每个团队的账单。 员工用起来之后， 账单开始反过来改造工作流 当然，特斯拉并不是个例。 404 Media拿到的Slack聊天记录、内部看板和邮件显示，从科技公司到娱乐公司、银行，很多企业都在限制员工使用AI工具。 更具体地说，它们不只是简单让员工“少用AI”，也在反复要求员工改用能力没那么强、但成本更低的模型。 过去一年，企业推广AI时，最常见的问题是员工愿不愿意用、会不会用、能不能把AI放进日常工作流。 于是公司开权限、做培训、发内部指南，有的甚至把AI使用量做成排行榜，鼓励员工尽可能多用。 亚马逊就是一个很典型的例子。 早在2025年，亚马逊CEO Andy Jassy就在给员工的内部信中说，随着公司推出更多生成式AI和Agent，工作方式会被改变；未来几年，AI带来的效率提升，可能会让亚马逊不再需要现在这么多办公室员工。他同时要求员工学习AI、参与实验，思考如何用AI改造自己的工作。 后来，亚马逊内部又出现了一个叫KiroRank的AI使用排行榜。按照Business Insider的报道，这个排行榜会追踪员工使用AI工具的情况。 但问题在于，只要使用量被可视化，压力就会出现。相关报道显示，一些员工开始感到自己需要提高AI使用量，甚至出现所谓tokenmaxxing的情况。 排行榜后来被关掉了，多名亚马逊员工告诉404 Media，他们怀疑原因正是这个排行榜鼓励了浪费且昂贵的AI使用行为。 但事情并未结束，排行榜关闭后，又有员工发现自己触发了此前似乎并不知道的token使用限制。 一名亚马逊员工在Slack里吐槽：“太疯狂了，我们从‘不再搞排行榜’，到‘真的开始限制使用’，中间只过了两周。” 这句话几乎可以概括企业用AI的第一轮反转——公司先担心员工不用AI，后来又开始担心员工太会用AI。 问题就在这里：用得多，并不等于产出高。 在企业用AI的第一阶段，“用起来”本身就是成功。员工开始用AI写代码、做总结、改文档、生成汇报，管理层就可以证明这项技术正在被组织吸收。可到了第二阶段，公司才发现，AI使用量和真实产出之间并没有画上等号。 协作软件公司Atlassian的情况更能说明这种断裂。 这家公司结束了内部AI工具的无限制使用，并上线了成本看板。看板显示，它的AI月度支出从2025年8月的约500万美元，涨到了2026年5月的超过1500万美元。对于员工来说，这个变化直接影响到了他们已经改好的工作方式。 一名Atlassian员工告诉404 Media，很多人已经改变了自己的工作流，让自己尽可能多地使用AI。而现在，尤其是使用Agent或最新版Claude模型时，他们两三天就可能把额度用完。于是Slack里出现了很多焦虑的消息，类似于“那我现在还怎么干活？” 公司先鼓励员工把AI变成工作方式，等员工真的改了流程，公司又发现这套流程太贵。 于是额度开始收紧，模型开始降级，使用开始被监控。 员工已经习惯了把部分工作交给AI，现在却要重新学习怎样“省着用AI”。 花旗银行则展示了另一个“AI降本”的方向：拆分模型等级。 据404 Media报道，花旗银行一度关闭Claude Opus 4.6、Claude Opus 4.7和GPT-5.5等高价模型访问，并要求员工“为任务选择合适模型”。邮件里明确提醒员工减少使用Opus 4.7，因为这类模型每一次交互都会比标准或中档模型消耗更多额度。 （看吧，好用归好用，Claude烧额度都要成行业共识了。） 可以认为，企业AI的使用规则发生了变化。以前，员工默认能用最强模型就用最强模型，但现在，公司开始提醒他们：不是每个问题都值得调用最贵的模型。简单任务用中低档模型，复杂任务才上高价模型。 所谓“会用AI”，不再只是会拿AI解决问题，也包括知道什么时候不要拿大炮打蚊子。 Adobe也在做类似的调整。404 Media报道称，Adobe不再续订Claude的无限制访问权限。 一名Adobe员工说，很多人之前确实想过，某些任务可以改用推理能力低一点的模型，从而减少token消耗。但他不确定大家是否真的消化了这个消息，也不确定新政策生效后，完整影响会不会才真正显现出来。 这轮变化最微妙的地方就在于此：企业当然不会说自己不需要AI，相反，它们仍然希望员工使用AI，只是不再愿意让每个人都以最高成本使用AI。 如果说过去的问题是“怎么让员工用上AI”，现在的问题就变成了“怎么让员工用AI用得划算”。 毕竟，被烧掉的token并不总是对应高价值任务。 404 Media报道称，一家娱乐公司的员工说，公司这个月第一次用完了ChatGPT token配额，其中一个开发者一个人就用了全公司将近一半额度，而且看不出明显ROI。 咨询公司Accenture也发现，很多token消耗并不是来自写出大量代码的超级工程师，而是把PDF转成演示文稿这类普通任务。 因此，企业很难继续只用“使用率”来讲AI成功。 如果员工用AI写出了关键代码、缩短了研发周期，这笔账还算好解释，但如果大量token被消耗在反复试错里，ROI就会变得模糊。 用AI，用得少不如用得巧 企业用AI的下一阶段，开始算ROI了。 过去企业鼓励AI进入工作流，已经卓有成效。现在，正是AI已经进入真实工作流，企业才更需要去认真管理。 第一步是模型分层。 花旗银行的做法就很典型。它没有对所有的模型一刀切，而是要求员工为任务选择合适的模型：简单提问、概念解释、普通代码生成，用相对便宜的模型；代码审查、标准聊天，用中档模型；只有到了架构推理这类更复杂的任务，才使用更高能力的模型。 这背后的逻辑很简单：不是每个任务都值得调用最贵的模型。 而且，不只是企业在推动这种分层，模型提供方自己也在引导用户这么用。OpenAI、Anthropic、Google等公司都在把模型拆成不同档位，它们一边推出最强模型证明自己的技术上限；另一边也在不断推出便宜、快速、更适合高频调用的模型，告诉客户：简单任务不用每次都上最贵的那一个。 企业内部的模型分层，本质上就是把这套外部产品货架，翻译成自己的使用规则。 过去，员工可能默认“能用最强就用最强”，但在企业成本体系里，这种习惯会越来越难维持。写一段简单解释、总结一份文档、修改一小段代码，未必都需要旗舰模型，用快速版本可能还更加顺手。 企业AI的成熟，比起买到一个更强的模型，更重要的是建立一套更精细的模型使用秩序。 第二步是额度管理。 特斯拉的每人每周200美元，就是一种很直接的员工级预算；Atlassian上线成本看板，则是让员工看见自己的 AI 使用到底给公司带来了多少支出。 据404 Media报道，GitHub也在考虑测试按用户计费，把AI工具使用预算分配到具体个人，而不是继续放在团队、项目或不限量池子里。 可以认为，AI使用会越来越像云计算资源。 云服务刚开始流行时，很多团队也经历过类似的阶段：资源开起来很方便，但账单涨起来也很快。后来，企业才逐渐建立预算、监控、成本归因和FinOps机制。 AI现在也在走这条路，只不过它管理是模型、token、Agent和上下文窗口。 第三步，也是最难的一步，是算ROI。 企业要回答一个更麻烦的问题：我付给AI的这些钱，到底换来了什么？ 它可能是开发周期缩短、客服响应变快、内部文档处理的效率提高，也可能只是让原本就复杂的流程多了一层自动化。前者容易解释，后者就需要更细的评估。 这一点，AI编程Agent公司Cognition已经开始主动往前走。 一般情况下，ROI往往是客户内部采购部门、业务部门或财务部门需要自己计算的事。软件公司只负责卖工具，至于工具有没有真正提升效率、节省成本，更多要靠客户自己证明，买了、用了、效果不好，通常也是客户自己消化。 但Cognition把这件事揽了过来，在销售阶段就主动帮客户把这笔账算清楚，还用Productivity Guarantee把一部分风险接了过去——如果Devin创造的工程价值低于客户支付的费用，公司会返还一定额度的使用credits，最高价值1000万美元。 一个PR到底带来多少商业价值，一个Bug修复到底避免了多少损失，本来很难精确归因。至少Cognition把问题往前推了一步，点出企业真正关心的不是AI消耗了多少token，而是这些token最后替企业完成了多少工作。 这正好对应了眼下这轮企业AI收紧。 一边是特斯拉、Atlassian、Adobe、花旗银行这些公司开始限制员工AI使用、拆分模型等级、上线成本看板；另一边，是Cognition这样的AI Agent公司开始主动帮客户把AI产出翻译成工程时间和美元价值。 企业对AI的考核也因此而发生变化。过去，“会用AI”意味着会写prompt、会调工具、愿意尝试新流程，能用AI解决实际问题。接下来，“会用AI”还会包括另一种能力：知道在什么时候、用正确的AI工具。 真正的AI-first公司，并不是最舍得烧token的公司，而是最清楚哪些token值得烧的公司。 真正的精明，是能花小钱、办大事。

财联社7月6日讯（编辑 牛占林）联合国秘书长古特雷斯周一警告称，人工智能(AI)的发展速度已经快到任何人都难以跟上，包括开发者自身。他呼吁建立全球统一协调的AI监管规则，以降低潜在风险，尤其要加强对儿童的保护。 古特雷斯当天在日内瓦举行的首届政府级全球AI治理对话上表示：“一项能够重塑全球经济、改变劳动市场、左右选举结果、甚至影响全球安全格局的技术，其部署速度已经快到任何人——包括开发这项技术的人，都难以跟上。” 他强调：“创新需要护栏。如果AI要真正发挥强大作用，就必须接受有效治理。” 此次为期两天的联合国全球AI治理对话，并非旨在推动达成具有法律约束力的国际条约，而是希望围绕如何建立AI治理规则展开讨论，以降低AI可能带来的风险，同时充分释放其发展机遇。 据悉， 约1500名来自世界各地的代表将开展对话，此次会议汇聚了企业、研究人员、技术专家和民间社会代表，共同探讨如何将人类置于这项变革性技术的核心。。 会议期间，各国代表还将审议一份由联合国支持、40位国际专家组成的独立科学小组提交的报告。这份报告是全球首份独立开展的AI科学评估成果。 联合国计划于明年发布更加全面的评估报告，并将在纽约举行第二届全球AI治理会议。 呼吁建立全球统一AI监管框架 古特雷斯强调，全球统一的AI监管规则必须将儿童安全置于首位。他指出，目前已有案例显示，未成年人在使用AI过程中被诱导产生自残倾向，或者受到伪装成朋友的AI系统误导。 "我们不会让药物在证明安全之前到达儿童手中。我们会对每一个玩具进行测试。然而，AI已经触及我们的孩子——他们的学习、他们的友谊、他们最私密的问题，却没有任何人事先问过这对他们会产生什么影响。" 他呼吁制定AI儿童安全承诺书，要求构建系统的公司必须在向儿童开放之前证明其安全性。 虽然AI在医疗保健等领域带来重大机遇，但古特雷斯表示，世界各国的机构尚未为机器做出决策做好准备，而且AI的飞速发展意味着机器越来越多地在几乎没有人类或政府监督的情况下做出选择。 古特雷斯指出：“互联网用了15年时间才覆盖10亿用户，而AI仅用了两年就达到了这一规模。” 他还警告称，最先进的AI系统集中在少数公司和少数国家手中，这意味着发展中国家在AI进展中几乎没有发言权，并面临被甩在后面的风险。 联合国支持的独立科学专家报告显示，AI的发展实际上更加集中，虽然全球每周有超过10亿人使用对话式AI，但发展中国家的采用率仍然滞后。 "AI的影响太过重大，不应由少数人来塑造。我们需要一场全球性、包容性强且基于证据的对话，"联合国数字与新兴技术特使阿曼迪普·辛格·吉尔表示。

IT之家 7 月 6 日消息，据《卫报》昨天报道，英国外交大臣伊薇特 · 库珀警告称 AI 或将成为未来 10 年最大安全挑战，如果各国政府不能就人工智能发展制定国际准则，那么 AI 对人类的威胁堪比美国当年核爆日本广岛、长崎。 库珀表示，全球正处在危险之中，美国正寻求退出“世界秩序维护者”角色。并且全球人民都有同样的感受：AI 拥有惊人潜力，同时伴随着巨大的风险。 她指出，目前已经有大量利用先进技术的恶意行为者，这些人有的是犯罪团伙，有的是极端组织，还有国家级犯罪组织。未来，全世界将不会期盼美国扮演过去那样的角色，并且世界各国依然会和美国意见不同。但总体来看，减少单一盟友依赖只会让英国更加强大。 库珀认为，英国应该与欧洲建立长期稳定的合作关系，而不是针对贸易问题不断谈判。并且欧洲需要全新的关系，而不是不断讨价还价。 此外库珀还表示，未来两年内，AI 将成为各国外交最重要的议题。因此，美国和中国等国家应共同制定全球性 AI 监管原则。

机器人前瞻（公众号：robot_pro） 作者 | 许丽思 编辑 | 漠影 前几天，马斯克发布了在弗里蒙特工厂参观Optimus机器人生产线的大合照，又一次点燃了外界关于特斯拉的人形机器人Optimus量产情况的讨论。 不过，他也坦言，Optimus的生产初期会非常缓慢，因为一切都是全新的，这不像制造汽车那样简单。 这样的表态也揭示了具身智能行业正在面对的现实。造出一台能干活的机器人已经不容易了，要把它变成一批性能一致、质量稳定、成本可控的产品，那更是难上加难。 长期以来，具身智能行业的聚光灯更多落在模型能力、炫酷的动作技能演示上。但随着机器人开始走向落地，竞争标准正在转向更具体的问题，那就是能否批量制造、快速部署、稳定运行，并真正融入客户的生产流程。 今天，至简动力宣布首款全场景机器人i7 Pro完成首批百台交付，并落成CNC智能化具身机器人产线，迈过了从实验室验证走向真实产线部署、从单台试点走向规模化交付的门槛。 一、不到一年交付百台，机器人从Demo走进工厂、商超、物流领域 成立不到一年，至简动力就完成首款全场景机器人i7 Pro百台交付。这个速度放在具身智能行业里并不常见，它意味着这家创企已经跨过了样机研发、产品定义、供应链组织、整机制造和交付部署等多个阶段。 相较于一台机器人在Demo里完成任务，百台交付更考验整机一致性、长期稳定性、快速维护能力以及不同客户现场的复制能力等。 至简动力CEO兼CTO贾鹏在接受媒体采访时谈道，这100台机器人并不是集中交付给单一客户，而是分布在多个真实场景中。 其中，最大一部分落在机器人核心部件相关的工业客户场景；另一类重要落点，则是光模块、柔性PCB等AI基础设施相关产线，此外还包括科研、生态伙伴和开发者客户。 其中，在CNC场景中，i7Pro已经能够承担CNC上下料等连续作业任务。CNC是检验机器人综合能力的高价值场景，同时对机器人的移动、精细操作能力提出了极高的要求。 在绿的谐波的CNC产线上，多台i7 Pro能够在不同机床之间移动，完成上料、取料、定位、插入等连续动作，同时满足高精度、长时间稳定运行和现场安全要求。 除此之外，i7 Pro还在商超零售、智慧物流等领域开展应用验证，逐步开拓能力边界。 机器人前瞻在现场看到，用户线上下单后，i7 Pro就能够快速移动到货架旁，准确定位所需商品，并把商品依次放入框中，最后将商品送至用户手中； 在快递分拣流水线上，两台i7 Pro还能互相协作，完成移动分拣、包裹翻面等多样化任务。 相比工厂场景，商超、物流场景的货品形态更为多样、任务流程变化快、现场环境更开放，更能检验机器人的通用泛化和快速部署能力。这些场景不是各自为战的定制项目，而是至简动力的同一套技术体系在不同场景里的自然延伸。 当前，具身智能落地的一大难题，是通用能力与客户愿意付费的具体价值之间仍存在距离。 贾鹏解释，至简动力之所以优先选择CNC、柔性PCB、光模块等场景，核心原因还是这些场景有真实需求。 一方面，如果机器人能参与机器人核心部件制造，就能一边验证真实工厂作业能力，一边推动关键部件成本下降；另一方面，光模块、柔性PCB等场景，具备需求明确、工艺复杂、价值可量化等特点。 这类任务边界明确、痛点突出、生产价值容易量化，天然更适合作为具身机器人商业化早期落地的突破口。 这其实也反映出行业落地逻辑正在发生变化，企业不再等待一个无所不能的通用机器人，而是先打通工业、物流、零售等高价值场景，在真实任务中积累数据和经验，再逐步扩大机器人的能力边界。 据了解，i 系列机器人还将向更开放、更高频的服务场景延展，承担迎宾接待、智能导览、信息咨询、物品递送等任务，逐步进入社区、展馆、园区、酒店、家庭等日常生活空间。 二、全栈自研技术协同，构筑快速交付底座 至简动力能够快速完成百台交付的背后，在于其从成立以来就坚持全栈自研和软硬一体，让模型、本体、数据和软件平台协同设计。 贾鹏觉得，未来真正的竞争，不会是⼀项单点技术的竞争，⽽是整个⽣态协同能⼒的竞争。所以，⾄简动⼒希望呈现给⼤家的，是⼀套完整的具⾝智能体系和平台。 在模型层面，至简动力自研LaST₀具身基座模型，定位为原生多模态理解与生成一体化模型。围绕LaST₀，该公司搭建了从预训练到后训练的完整技术体系。LaST-R1将强化学习引入隐空间特征推理，在LIBERO标准测试中取得99.9%的成功率；LaST-HD则面向人手操作数据向机器人任务迁移，建立了可规模化的数据构建与模型训练方法。 而模型的迭代进化，还依赖于真实环境中源源不断的数据。所以，至简动力构建了从便携式数据采集设备、数据治理、自动标注、训练验证到模型迭代的完整数据闭环，通过真实场景数据持续提升机器人的泛化能力、任务成功率和场景适应能力。 贾鹏强调，至简动力一直以来就坚持“模型定义本体”，遵循车规级系统工程标准打造通用本体平台。i7 Pro集成移动、操作、360 度感知、交互与计算能力，面向真实场景设计，采用分层模块化架构，核心组件可通用复用，能够更快适配各类新场景。 更关键的是，i7 Pro实现了一小时开箱即用，减少长周期工程改造和复杂调试流程。依托通用软硬件体系和轻量化部署流程，i7Pro能够在不同产线、工况和任务之间迁移适配，低成本、快速地进入新场景。 “未来真正重要的，不是什么都会干，而是换场景、换工件、换任务以后，能不能快速进入新场景，学习新技能，产生新价值，这个可能才是具身智能最核心的竞争力。”贾鹏说道。 同时，至简动力还面向开发者和合作伙伴打造机器人开发平台，集成Agent框架、Skill库、底层SDK、仿真验证与真机部署工具，降低机器人应用开发门槛，让机器人应用能够更快开发、更快验证、更快落地。 从交付角度看，全栈自研的价值在于减少外部系统拼接产生的适配成本，模型、本体、数据和软件平台从一开始就协同设计，机器人从样机开发到客户现场稳定运行的周期才可能被压缩。 更深一层看，掌握完整技术栈，至简动力能够更快速地将落地现场产生的数据、失败案例和部署经验反哺模型与本体，将单个项目中的经验沉淀为可复用、可迭代、可规模复制的产品能力。 三、从造出一台到稳定造出一批 全栈自研打通了机器人从模型训练、本体开发到现场部署的技术链路，但是百台交付还有另一道隐蔽的门槛。那就是把一台能够完成任务的样机，变成一批性能稳定、质量一致且能够持续交付的产品。 具身机器人涉及多个复杂环节，真正批量交付、规模落地，要求每台机器人的精度、可靠性和运行表现保持一致，任何偏差都可能在百台规模下被进一步放大。 至简动力带有深厚的工业量产基因，核心团队来自智能汽车、自动驾驶和供应链体系，经历过硬件产品从研发验证到规模量产的完整周期。 董事长王凯曾任理想汽车CTO，拥有近20年智能汽车全链条研发经验；CEO兼CTO贾鹏曾任理想汽车自动驾驶技术研发负责人，也曾是NVIDIA自动驾驶中国团队第一号员工；COO王佳佳曾任理想汽车自动驾驶量产研发负责人，也曾在博世中国从零搭建辅助驾驶系统工程团队。 所以，团队能够将智能汽车行业形成的车规级研发流程、质量管理体系和量产交付方法迁移至具身机器人，持续提升关键零部件协同、整机制造、BOM优化和质量管理能力，降低产品从样机进入批量生产的不确定性。 产品的迭代速度与产业链协同速度息息相关。至简动力所在的苏州吴中区及周边2小时制造业经济圈，拥有成熟的制造业基础，汇集了绿的谐波、东山精密、汇川科技、爱合发等企业，为其提供了关键零部件供应、加工制造、整机装配与调试验证的支持，深入真实的客户现场。 至简动力的研发中心距离绿的谐波只有8分钟的车程，如果机器人在客户现场出现问题，工程师甚至只需要骑着小电驴，就能快速完成验证、调整和迭代。 结语：进入产线之后，新的考验又将开始 至简动力的百台交付与真实产线落地，为行业划定了一条清晰的分水岭，具身智能的竞争已经从拼Demo的上半场，进入了拼工程量产、拼BOM成本与一致性的下半场。 不过，进入产线只是第一步，真正的考验在于机器人能否跨过长期运行这一关。贾鹏也坦言，百台交付的价值，是把东西交给真实用户，真实生产现场一定会暴露问题，但这个过程必须经历。 毕竟对工业场景而言，短时间跑通任务并不难，难的是在复杂工况下持续保持稳定、可靠，并为客户创造长期的生产价值。走入真实产线后，新一轮更严苛的实战考验，才拉开序幕。

快科技7月6日消息，海康机器人官方发布消息，今天，品牌第20万台移动机器人完成下线，是一台F4叉取机器人。 对比此前数据，两个月前品牌累计下线量才到18万台，短短两个月又产出2万台，能看出市场需求和工厂产能都在快速提升。 如今，在国内市场每3台移动机器人，就有1台来自海康机器人，2025年，实现全球市占率第一。 品牌从2014年启动机器人相关研发，到如今产品线覆盖潜伏、叉取、重载、料箱搬运等上千款机型，不管是小型仓库转运，还是汽车、光伏工厂重载物料输送，都有对应机型可用。 整套导航、调度、控制软件全部自主研发，经过多轮更新优化，多台机器人同时作业也能顺畅避障、规划路线。 产品落地场景十分广泛，3C电子、锂电、快递仓储、医药、商超等上千个细分行业都有批量部署，全球合作客户超过2万家。 从0到10万，海康威视用了8年，从10万台到20万台只用了2年，增长速度持续走高。 随着制造业、物流行业智能化改造提速，移动机器人的市场空间还会继续扩大，海康接下来也会持续扩充机型，适配更多新型生产场景。

智东西 作者 | 王涵 编辑 | 漠影 AI行业的竞争重心，已经落到算力基建的比拼上。 2025年1月，OpenAI联合甲骨文、软银抛出“星际之门”项目，计划四年投入5000亿美元，在美国建成总功率10吉瓦的算力配套设施。 可仅仅一年半过去，项目推进过程并不顺利，不断暴露出融资、建设、电力配套等问题，像德州阿比林核心园区扩建叫停，项目负责人陆续离开，原本全额自建的方案也改成了租用算力。 ▲OpenAI“星际之门”项目 此外，美国各地的数据中心建设还面临层层政策与环保阻力。全美三十多个州出台了三百多条相关法规，两百多家环保机构也联名呼吁，暂缓全国范围内的数据中心新建审批。 地面算力扩张受电力、政策双重限制，马斯克由此想到了另一条出路：把算力搬去太空。 SpaceX已向美国联邦通信委员会提交方案，拟发射上百万颗卫星，AI计算容量达100吉瓦，在近地轨道搭建在轨数据中心。马斯克认为电力供给是制约算力发展的核心短板，依靠太阳能供电的太空算力中心，能够绕开地面供电的局限。 海外算力建设暴露的各类瓶颈，也让国内厂商看清行业共性难题，纷纷开始寻找适配自身的发展路径，试图在地面上寻找一个从芯片到电网、从单柜到AI工厂、从单点突破到开放系统协同，系统性重构AI基础设施的方法。 正是在这样的背景下，7月9日，2026年开放计算技术大会（OCTS 2026）将在北京举行。 本届大会汇聚OCP、OCTC、SPEC、CXL联盟、UALink联盟、UCIe联盟、固件产业技术创新联盟等全球开放组织，以及浪潮信息、阿里云、字节跳动、英伟达、三星、中国移动、百度等超50家AI创新企业，围绕数据中心基础设施、算电协同、可持续计算、开放系统设计、GW级开放智算中心、智算固件生态等前沿方向展开交流。 这场大会上，你能听到中国AI基建新前沿的声音。 一、重构供电链路，从芯片到电网 GW级AI数据中心的崛起，让电力变为制约算力释放的物理天花板。从芯片到机柜到电网，三个层级需要同步变革。 在芯片侧，AI芯片功耗正从数百瓦迈向1500W+。英伟达Rubin平台的GPU功耗已突破1500W，未来甚至可能达到2000W以上。传统供电回路从主板到芯片的路径过长，PCB铜箔损耗以及电压调节器到芯片引脚的阻抗巨大。 垂直供电可以将供电回路长度从厘米级缩短至毫米级，大幅降低传输损耗与阻抗，使GPU能够从1000W升级到1500W+，同时保持供电效率在90%以上。 这一议题将在“数据中心基础设施论坛”、“算电协同发展论坛”中深入探讨，其中，晶丰明源将分享高密度集成式VRM方案，长工微电子将探讨数据中心多相电源方案趋势，英飞凌将解析高密高集成IBC和垂直供电如何重塑AI数据中心电源架构。 在机柜配电侧，传统数据中心的主流采用220V交流供电，前几年国内兴起了240V直流供电方案，在单机柜数十kW的传统数据中心，240V直流供电能够降低交直流转换次数，对传统220V交流设备的良好兼容性，数据中心改造运维成本较低。但当AI机柜功率密度跃升至100kW乃至1MW以上时，机柜母线上的电流将达到数千安培，铜排损耗飙升至20%以上。 面对这一难题，2026年新建的GW级智算中心中，头部云服务商已开始采用800V HVDC架构，整体供电效率可从传统方案的80%左右提升至95%以上，万卡集群每年可节省数千万度电力成本。 在会上，捷蒽迪将分享AI服务器800V直流供电架构下的数字电源解决方案，伟创力将系统阐述向±400V、800V DC母线电压演进的多级电源转换技术路径。 在电网侧，一个GW级智算中心的年用电量相当于一座中型城市的全社会用电量，对电网冲击不可忽视。 2026年政府工作报告首次提出“算电协同”，其本质是让算力调度与电力供给实现动态匹配——算力跟着电力走，电力调度靠算力。 在“算电协同发展”专题分论坛上，潍柴重机将解析AIDC高密供电与备用电源方案，阳光电源将分享从电力基石到算力引擎的转型，阿里云将分享超大规模智算数据中心电力架构演进方向。 二、两相液冷与原生液冷，突破散热天花板 AI芯片的功率迈向1500W+，机柜功率密度将从100+kW跃升至1MW以上，散热已升级为算力释放的决定性因素。 单相液冷依靠冷却液的温升带走热量，当单芯片功耗突破1000W时，需要极大的流量和流速，系统复杂度和能耗急剧上升。 两相液冷则可以利用冷却液沸腾与冷凝过程中的相变潜热，散热效率是单相液冷的数倍，可在全球大部分地区实现自然冷却，无需额外机械制冷，能够支持3000W以上高功耗芯片散热，系统PUE可低至1.1以下。两相冷板已被定义为新一代算力芯片的标配散热方案。 在“可持续计算发展”专题分论坛上，斯特林将分享两相液冷兼容与泄漏解决方案，钛芯智冷将探讨泵驱两相冷却技术，合肥新沪将分享液冷创新实践，百度也将分享液冷如何赋能超密度算力时代的冷却之道。 原生液冷是整个系统的创新。传统的“风液混合”的拼凑模式，受限于气冷数据中心的地板高度、机柜间距等先天约束，液冷效率无法充分发挥。原生液冷是在服务器、机柜及数据中心设计初期即统一考虑计算单元、散热系统、供电与互连网络。 大会上，中航光电将解析智算中心整机柜液冷散热方案，浪潮信息也将在主论坛系统阐述包括原生液冷在内的前沿创新实践。 三、AI工厂的“神经系统”如何升级？ AI算力集群从万卡迈向十万卡，互连带宽从800G/1.6T飙升至3.2T、6.4T乃至12.8T。互连成为决定集群算力线性扩展效率的“神经系统”。 重构的方向是明确的：Scale-up（机柜内）走向448G超高速铜互连，Scale-out（机柜间）走向硅光与OCS光（光电路交换）互连。 在Scale-up场景下，机柜内XPU通信对延时极度敏感，链路距离小于1米，光互连成本高、功耗大、延时反而更差。铜互连凭借极低延时（<1ns）和成熟供应链，依然是机柜内部的首选，功耗仅为同速率光互连的十分之一。材料科学与信号完整性设计的突破，让铜缆在448G速率下依然保持信号可靠性。 大会上，庆虹电子将分享AI超节点高速互连系统方案与实践思考，支撑224G/448G下一代速率演进；立讯将分享ACC（有源铜缆）、AEC（有源电缆）、CPC（共封装铜互连）等铜互连的前沿方向；中国移动研究院、阿里云也将介绍面向Scale-up场景下的智算中心最新高速互连架构。 在Scale-out场景下，机柜间传输（>10米）必须依赖光互连。传统可插拔光模块在端口密度、功耗和成本上遭遇瓶颈。光模块与芯片共封装（CPO）可将功耗降低50%以上，端口密度提升2-3倍。OCS则用全光交换替代电交换，实现毫秒级拓扑重构。 大会上，立讯技术将围绕NPO、CPO与XPO等下一代AI光互连路线，解析性能、可维护性、散热和成本的差异。孛璞半导体将带来高端口密度硅光OCS技术——面向AI集群的新一代光交换技术。英伟达也将在主论坛分享网络创新如何推动AI工厂走向Gigascale规模。 四、从GPU-Centric到CPU-GPU协同，算力架构重构 Agentic AI的爆发，正从根本上改变AI基础设施的设计逻辑。 AI应用从面向单模型训练优化，转向支撑多智能体协同、自主决策和持续推理。AI基础设施也要围绕计算与存储架构展开系统性重构。 从系统层面来看，大会主论坛上，OCP Foundation首席执行官George Tchaparian将分享全球开放计算社区如何以“从芯片到电网”的全栈创新重塑AI数据中心建设范式；OCTC秘书长陈海将围绕开放计算标准体系建设，解析超节点、整机柜、液冷、GW级AIDC等关键方向的演进趋势。 在计算架构上，Agent工作流中规划、编排、反思等逻辑密集型任务占比急剧上升，若全部交由GPU处理，Token成本会非常高昂。CPU凭借强大的单核性能与逻辑处理能力，重新成为Agent编排与执行的最佳选择，Agent基础设施正在走向“GPU专注模型张量计算、Token生产；CPU负责推理调度与Agent编排”的分工协同。 在存储架构上，超长上下文成为Agent刚需，KV Cache爆发式增长，若全部走昂贵的高带宽内存，成本将失控。将KV Cache按活跃与归档分层，即热数据走DRAM/CXL，冷数据走向定制化SSD，存储成本可降低60%-80%。 大会上，三星电子将分享针对“活跃KV缓存”与“归档KV缓存”分层定制的下一代SSD解决方案，还将探讨CXL内存池化与计算卸载如何支撑Agent AI的分层内存架构。 此外，智能体要实现群体智能意味着大量Agent之间需要频繁的交流、同步与协同，封闭的私有协议栈已无法应对这种复杂性。 国内厂商给出的解决方案是以UALink、CXL、UCIe等开放标准构建统一计算域，打破供应商锁定，让CPU、GPU、内存、互连自由组合，让Agent Swarming像集群操作系统调度进程一样高效。 大会上，UALink联盟与CXL联盟董事会成员Chris Petersen将展示首个符合OCP开放标准的极低延时机架架构，基于PCIe支持多达256个XPU，并介绍Hypercast与在网计算如何通过在互连网络中卸载集合通信来降低Token成本。字节跳动将分享GPU/NPU模组标准化接口设计，让异构算力即插即用。 开放系统层面，SPEC、TÜV莱茵等机构将在大会可持续计算分论坛中分享能效评估与标准化的前沿进展；浪潮信息、百度等也将在GW-Scale Open AIDC分论坛中呈现各自的前沿探索。 此外，智算固件产业发展论坛上，阿里云、字节、凌思微电子等将聚焦未来数据中心服务器等IT基础设施智能管理场景，探讨基于BMC智能运维等前沿固件创新技术展开交流，旨在推动构建安全、开放的智能管理生态。 结语：在地面上解决问题，在开放中寻求协同 这场全球AI基建竞赛走到今天，产业已经逐渐意识到：算力的天花板在电网上；竞争力的分水岭在系统效率上。 在这方面，中国拥有天生优势：全球规模最大、最稳定的电网基础设施，完整且具有弹性的IT供应链，以及从芯片设计到系统集成的全栈工程能力。更重要的是，“算电协同”已经被写入政府工作报告，这是一种其他国家很难复制的顶层设计与执行效率。 中国选择了一条更偏工程化、系统化的路径：用系统思维把供电、散热、互连、计算、存储每一个环节的效率差、成本差、时间差抹平。 7月9日，2026年开放计算技术大会（OCTS 2026）即将举行。这场大会的意义，正在于它标志着中国AI基建正从单点突破走向系统重构。 当全球算力竞赛进入深水区，真正能拉开差距的，不再是某一块芯片，而是一整个能持续进化的开放系统，以及支撑这个系统运转的完整产业生态。

先向IT之家的读者老爷们提个问题：华为最后一款在官方参数中明确标注 5G 网络制式的手机，究竟是哪一款？ 若论直板机型，答案是 Mate 40 系列，若论折叠屏，则是 Mate X2，它们曾一度被视为华为 5G 手机的“绝唱”。 由于众所周知的原因，导致华为在很长一段时间内无法获得生产 5G 手机所需的芯片等关键零部件，以至于 Mate 50、P60 等仅支持 4G。 直到 2023 年，Mate 60 系列突袭上架，5G 也随之低调回归，后续推出的多款机型虽在初始阶段未明示网络制式，实际网速却已达到 5G 水准；而随着系统升级，不仅实装 5A 通信技术，信号栏中也亮出了对应的标识。 只是，不同于国行版“5A”上机，华为手机海外版在过去几年间始终处于“无 G”状态，因此有不少网友期待华为能在国际市场点亮 5G 或 5A 标识。 本以为 5G 重返海外尚需漫长等待，未曾料到，华为手机竟已悄然吹响反攻号角，具体动向如何？小编这就为大家细细道来。 一、海外，5G！ 就在今天（7 月 6 日），华为官方宣布，将于 7 月 14 日在马来西亚吉隆坡举行主题为“Now is Your Moment”的旗舰产品发布会，届时将面向国际市场推出 Pura 90 系列手机。 自华为将 P 系列升级为 Pura 品牌后，Pura 70 和 Pura 80 两代旗舰均已在海外市场上市，只是机型不如国行完整。 以 Pura 80 系列为例，国行提供了标准版、Pro 版、Pro+ 版和 Ultra 版四款，而海外版则缺少 Pro+ 版。 反观这次 Pura 90 系列海外版，情况更不一样了，@huaweimobile 于海外发布的视频中，露出的照片水印机型为 Pura 90s Pro Max。 这个带有“s”的版本，不清楚具体的配置，是否会在国内同步上架，目前也是个悬念。 由于华为海外机型在软件服务上存在一定限制，外界起初对这次官方宣发并未给予太多关注。 然而，随着一则短视频的走红，舆论场瞬间被点燃，关注度急剧升温 —— 沙特阿拉伯 TikTok 账号 @superrmas 上传了一段视频，展示了华为 Pura 90s Pro Max 海外版机型。 画面中，该机状态栏清晰显示 5G 网络标识，同时测速软件录得下载速率突破 1100Mbps，标识与速度双双到位，标志着 5G 在华为国际版机型上回归。 值得一提的是，有IT之家网友提到，早前发售的 Mate 80 Pro 国际版实际上已搭载 5G，只是未在界面中明示。 从彼时的隐性支持到如今的显性标识，这种变化意味深长，基本可以说在时隔数年后，华为 5G 终于杀回海外市场！ 二、国内，5A！ 眼看着华为手机在海外重新点亮了 5G 标识，不少网友心里也开始犯嘀咕：国内这边，是不是也该迎回 5G 了？ 正如IT之家小编在前文提到的那般，现今华为的国行版手机，虽具备 5G 级别的网速，但是信号栏标注的则是“5A”。 “5A”这一概念最早可追溯至 Pura X 发布会，彼时，余承东在介绍该机搭载的第二代灵犀通信时，首次提出“5A 速度，快人一步”，并明确表示“我们的 5A 速度也是最快的蜂窝通信网络”。 及至今年 4 月 Pura 90 系列发布会，余承东再度放出豪言：“我们的 5A 速度比别人 5G 速度更加流畅，更快。” 从 Pura X 到 Pura 90 系列，这期间发布的华为手机基本都支持 5A 速度。 而 Mate 80 系列则成为一个关键转折点 ——5A 首次在信号栏中实现“转正”，标志着无 G 时代的正式终结。 此后推出的新机，出厂即直接显示 5A 标识；此前亮相的老机型，则通过系统更新逐步获得这一显示能力。 在华为官网“5A 相关问题汇总”中，明确了当前有哪些机型支持 5A： 至于后续登场的华为新机，是否会将状态栏的“5A”切换回“5G”显示，目前尚不得而知。 这一悬念的答案，也许就藏在 9 月即将亮相的 Mate 90 系列之中。 三、5A≠5G≠5.5G 事实上，自华为抛出“5A”这一概念后，不少网友便认为这不过是 5G 的“马甲”—— 本质上是 5G，只因美国制裁的施压，暂时无法以真名示人。 当然，还有一部分网友不认同“马甲说”，觉得 5A 本质上就是 5G-A，也就是大家常说的 5.5G—— 毕竟实测下来，它的网速确实比不少 5G 手机都要猛。 那么问题来了，5A 究竟是 5G 还是 5.5G？答案是：都不是。 华为在官网中明确表示，5G 是第 5 代通信技术，是一种网络制式，而 5G-A（5GA）/5.5G 则是 5G 的演进版本。 至于 5A，代表的是华为终端先进的通信技术，而非网络制式，是指 5A 级的优质网络体验。 所以，5A 不等同于 5G-A（5GA），也不等同于 5.5G，但可以带来更快接入、更快网速、更低时延、更稳定连接的综合通信体验。 以及在 nova 15 系列发布会中，何刚也曾正式公开介绍 5A，表示由 5 个英文首字母均为“A”的词组成：Ahead Access-接入快、Accelerated Throughput-速率高、Advanced Low Latency-时延低、Amplified Antenna-覆盖广、Adaptive Networking 切换稳。 其中，接入快是解决信号差的地方联网慢的问题，速率高则是注重传输的速度，时延低便是降低延迟，覆盖广是让信号覆盖范围更广泛，切换稳是针对网络切换卡顿。 由此可见，5A 和 5G 还有 5.5G 都不是一回事，因为其本质就不是网络制式。 作为聚焦于提升网络体验的通信技术，显示“5A”而非“5G”，其实还挺特别的。 四、总结 关于华为手机 5G 杀回海外，以及华为 5A 的真相，IT之家小编就聊到这里。 接下来，我们不妨将目光聚焦于三个关键问题：其一，华为 5G 在海外市场的实际落地应用情况；其二，Pura 90s Pro Max 的规格配置；其三，国行版是否将迎来 5G 标识的回归。 从公开麒麟芯片型号，到发布“半导体韬定律”，不难看出，曾经捆在华为身上的枷锁正被逐一挣脱。 若 5G 也能完成从“暗示”到“明牌”的蜕变，或许就意味着 —— 真正的反攻，已正式打响。

机器人前瞻（公众号：robot_pro） 编译 | 周加琦 编辑 | 漠影 机器人前瞻7月6日报道，近日，海外科技媒体TechCrunch，分享了与Agility Robotics首席执行官Peggy Johnson的访谈内容。 Agility 成立于2015年，专注双足人形机器人Digit研发，聚焦物流、仓储、工厂等场景。访谈中，Johnson解释了Agility为什么选择通过SPAC上市，并透露公司融资用途、采用的商业模式以及发展方向。 此前该公司宣布，计划通过与Michael Klein旗下的Churchill Capital Corp. XI合并上市，估值约25亿美元，预计将募集超过6.2亿美元，将成为人形机器人领域最大规模的一笔融资。但该交易尚未完成，仍需等待股东批准和SEC审查。 Agility的首席执行官Peggy Johnson，曾任微软业务发展执行副总裁，协助推动260亿美元收购领英的交易，后担任AR公司MagicLeap的CEO。 谈及Agility为何选择通过SPAC方式上市，而非传统的私募融资或IPO时，Johnson解释，此举动是为了抢占行业先机，拿下先发优势。 ▲Peggy Johnson（图源：TechCrunch） Johnson透露，Agility在俄勒冈州塞勒姆拥有70000平方英尺的工厂，这笔资金将助力公司在该地扩大生产规模，加速交付现有客户订单。 此外，针对2021年多家企业借SPAC上市失败、股价大跌的现状，Johnson表示并不担心。她坦言：“我们潜心深耕，服务好每一位客户，造好每一个机器人，希望不会经历那样的波动。眼下我们最大的竞争对手是自己，比拼的是落地执行的速度，以及持续迭代升级技术的效率。” Johnson还向TechCrunch透露，Agility的订单远不止试点项目。目前，该公司已锁定超3亿美元长期签约营收，机器人订单规模约1000台。 另外，Agility采用“机器人即服务”（RaaS）的部署模式，即客户通过按月支付租金的方式，并非直接买断设备。Johnson称，公司现有的客户在概念验证（POC）后都有部署计划。据了解，Agility的客户包括GXO Logistics、亚马逊、丰田汽车、舍弗勒以及Mercado Libre等行业巨头。 硬件层面，Agility推出的产品Digit，身高约1.75米，体重约72.5公斤，主要用于仓储重物搬运、堆垛等自动化作业。该产品最大亮点是反向弯曲膝关节设计，可灵活完成地面至高层货架的取放动作，运作时膝盖不会撞到仓库货架。此外，Digit的手部也进行了优化，专门为重型塑料箱抓取设计，即便箱内货品发生晃动，也能保持稳固抓握。 ▲Digit（图源：Agility Robotics） 软件层面，Johnson介绍，Agility会调用Claude和Gemini等多种大语言模型，来处理将人类指令转化为机器人行为的“语义层”。她直接分享了最近一项测试，工程师将不同类型垃圾散落在地上，然后对Digit下达了“清理干净”的指令，机器人可自主完成判断、分类和收纳。 在核心技术布局上，Johnson强调，Agility真正的核心竞争力聚焦于物理技术层面。她直言Agility拥有行业内最大规模的真机数据集。而除海量实景数据外，严苛的安全标准是Agility和同行拉开差距的核心。该公司机器人必须通过全套工业安全认证，各项安全指标全部达标后，才会正式交付客户投入使用。 最后，谈及到家庭场景，Johnson认为人形机器人终将进入家庭，并且Agility也会在时机成熟时入局。但目前体力劳动岗位缺口大，年轻人不愿意从事体力劳动，因此，Agility现阶段会全力专注于仓储、物流市场。 总的来看，Johnson此次访谈传递的信号是：Agility准备通过上市来抢占资本先机，同时凭借订单、硬件和多年的数据安全积累，在仓储物流这一垂直场景中稳扎稳打。

十年磨一剑，两月一模型。 四月份的时候 Hy3 Preview 上线，这个被冠上了「姚顺雨腾讯首秀」的大模型，开始能接住一些用户的真实需求，但在具体的编程实测表现上，对比同期的几款大模型，还是有一定的差距。 姚顺雨在之前的「腾讯 AI 下半场」和汤道生对话中曾说，「我们先发一个 Preview 模型最主要的目的之一，是希望获得真实世界反馈，修复榜单里发现不了的问题。」 ▲ WorkBuddy 内 Hy 3 限时免费中 两个月的时间，混元 3 正式版上线。结合了用户对预览版的反馈以及对模型稳定性和可用性的提升，Hy3 在 Agent 和 Coding 能力上有了实质的提升。 我们做了多个前端网页的生成测试，大多数都包含复杂的 3D 网页模拟、严格的游戏逻辑，以及需要调用不同的框架和库文件，Hy3 交付的内容要比预览版好上一个等级。 最明显的例子是「旧金山金门大桥 3D 体验」，我们在 WorkBuddy 内输入此前相同的提示词，选择 Hy3 模型。WorkBuddy 会和 Codex 一样，先将我们的要求分解成包含多个进程的子任务，然后一步一步实现、验证再交付。 直接看最后的效果，Hy3 设计了近距穿梭、中景环绕、高空俯瞰、自动环绕，以及电影巡游几种不同的视角，对桥面的设计、桥面上的汽车以及水面的倒影，其呈现效果都比预览版更加真实。 作为对比，当时的预览版更像是一个未完成的中途项目，又粗糙又很局限。 前端能力的提升，是基于模型底层的进化，而这些优化也让 Hy3 在综合的 Coding Agent 任务和办公场景中有了更通用的能力。 我们使用 WorkBuddy 测试其办公能力时，面对一些复杂的工作流，Hy3 的任务规划、长文本信息处理和多工具的调用等，相比预览版都得到了强化，交付的成果更符合我们的期待。 而官方的模型发布博客显示，Hy3 的推理和 STEM 复杂推理、数理能力也得到了显著提升。现在，使用 Hy3 也可以帮助我们完成高阶数据分析、科学研究等更加硬核的任务。 ▲ WorkBuddy 会将我们的任务进行详细的规划，一步一步完成。 目前，我们可以在 WorkBuddy 和元宝内使用 Hy3，WorkBuddy 是腾讯早前推出的全场景 AI 工作台，和 Codex 类似，它可以直接从我们的本地文件出发，快速处理电脑上的各种任务。 元宝也提供了 Agent 能力，使用混元模型，选择快速思考模式，当我们输入明确的要求，告诉模型我们最终需要的文件类结果，元宝会自动触发 Agent 能力。 像是 PPT、Word、Excel、PDF，以及 HTML 等文件，现在都可以直接在元宝内，使用 Hy3 的 Agent 能力进行生成。 API 调用上，Hy 3 的定价为输入 1 元/百万 tokens，输出 4 元/百万 tokens，输入命中缓存价格是 0.25 元/百万 tokens。作为对比，DeepSeek V4 Pro 对应的价格是 3 元、6 元和 0.025 元。 我们做了更多的测试，可视化的结果能看到，Hy3 确实更不一样了。 可以跟其他旗舰模型比肩的网页效果 除了开头提到的「金门大桥」变化，在 benchmark 的表现上，Hy3 这次同样是延续了此前预览版本的快速提升。在经典的 SWE-bench、HLE、BrowseComp 等榜单上，Hy3 几乎是进步最显著的模型。 而在完整的 Benchmark 表现上，Hy 3 主要和 DeepSeek V4 Pro、GLM 5.2、Qwen 3.7 Max、GPT 5.5、Opus 4.8 以及豆包 Seed 2.1 Pro 进行了对比。 能看到对比预览版，Hy3 要更接近国内外旗舰模型的表现，甚至超过了部分模型，整体水平来到了 GLM 5.2 附近。 我们继续测试了上次用在预览版上的提示词，同样的提示词，同样的设置，Hy3 这次的表现还有哪些提升？ 就像这个主题公园的场景，预览版交付的是一个能看能用，但不那么美观、交互也不够友好的产品。但 Hy3 从启动页面，就能看到它在美术设计上下了功夫。 点击开始建造，网页终于不再是那套用烂了的 Emoji 小符号，从小图标到大的场景，都开始使用 AI 生成的图片。不过模型在如何搭配这些图片上还是犯难了，似乎贴到公园里，并不是那么搭配。 我们在里面玩了一会儿，所有的资金、评级、游客、满意度和清洁度等信息，背后都有一套完整的游戏逻辑在支撑运作。 就像一开始一直没有增加洗手间和游客服务中心，满意度总是维持在较低的水平，但是修建了更多的路和增加更多建筑后，满意度会慢慢上升。 此前，同样一套提示词，预览版的效果是这样的。 还有 SVG 测试，之前一个开着汽车的长颈鹿的动态 SVG，预览版给的是一个完全平面 2D 的动画，Hy3 不仅增加了更多的细节，同时让整个 SVG 看起来也更自然了，太阳、长颈鹿、汽车、风景等，也更具动画质感。 ▲ Hy3 Preview 生成 ▲ Hy3 生成 而之前用于测试 GLM 5.2 的多个游戏复刻任务，现在使用 Hy3 基本上都能达到同一水平的效果，甚至部分表现还更好。 例如复刻一个我的世界，虽然这个场景下没有看到水域，但是这些砖块还原的像素世界，基本上和之前 GPT-5.5 生成的游戏相当。 ▲ Hy3 生成 ▲ GLM 5.2 生成 还有复刻黑神话：悟空，这是最让人惊喜的一部分。之前的测试，无论是 GLM 5.2 还是 Opus 4.8 都偏向于使用 2D 或者较暗、较黑的风格来呈现最终的网页，但是 Hy 3 给的游戏算是完成度比较高的一个。 ▲ Hy3 生成 ▲GLM 5.2 生成 其他的游戏，像是地铁跑酷，我们用 Hy3 生成游戏，对比之前在测试省 Token 策略中，使用 GPT-5.5 生成的效果，也要好上不少。无论是可玩性还是可以直接上线的可能性，Hy 3 交付的网页都更强。 而针对具体代码项目的任务，我们从 GitHub 上找到了一篇经典论文的代码文件，交给 Hy3 进行分析，要求它找到里面的 Bug，以及其他可以优化的方向。 其实在提示词里面根本没有要求它交付任何文档，但是 Hy3 还是给了一份详细的 Markdown 报告，里面清晰地列明了项目在研究什么、已经确认的 Bug、潜在的问题与 Robust 风险，以及从性能和架构上给出的可优化方向。 针对项目的修改，Coding Agent 能力的提升，也可以让 Hy3 很快就把一个 Matlab 语言的项目转成其他语言，或是把一个 Python 项目转成能运行在 Google Colab 上的 ipynb 格式，以及修复它自己发现的那些 Bug。 代码之外，我们也在 WorkBuddy 内要求 Hy3 完成一份深度调研的报告，看看计算机科学与技术这个专业如何，最后交付一份网页报告、PPT 文档和 Markdown 文档。 可能我们想到的无非是就业前景、院校排名、薪资等方面，但 Hy3 的联网搜索、推理分析的能力，还给了我们专业课、考研、算法工程的技术方面的内容。 多文件处理的能力，可以让 Hy3 一次性处理多个文件的同时，也能交付多种不同格式的文件。 根据官方的描述，Hy 3 在 WorkBuddy 办公场景下的任务成功率，从 72% 升到了 90%。大到一个超长的网页开发项目，小到各种小游戏、小程序，Hy3 现在都有了稳定交付的能力。 一番实测下来，可以很确定地说，相比之前的 Hy3 Preview，Hy3 进步非常明显。如果你手边没有趁手的工具，Hy3+WorkBuddy 现在或许会是一个不错的选择。 不过，就像开头说的「两个月一更新」，有些模型甚至不用两个月就会迭代。等到 GPT-5.6 全面开放、Gemini 3.5 Pro 上线，到时候的基准又是一个新的标杆。 从 Preview 到正式版，Hy3 用两个月完成了一次肉眼可见的迭代，加上 。下一次还能不能保持这样的速度，可能比这一代模型本身更值得关注。 反正现在越来越多的工作，我们是可以放心交给 AI 了，大模型也有了越来越多的选择。

IT之家 7 月 6 日消息，日本芯片设计初创企业 TokyoArtisan Intelligence (TAI) 当地时间今日宣布，其基于 FPGA 的 40nm 边缘物理 AI 芯片原型 "Sting Ray" 已完成验证，迈向量产阶段。 "Sting Ray" 架构上的灵活性使其能同时优化适配多种模型。其采用低功耗快响应设计，面向基础设施、工业、机器人领域的 AI 转型需求。 TAI 同时表示，其下一代量产芯片 "Manta Ray" 也将采用联电 40nm 工艺制程，目标 2027Q1 完成 α 版设计软件、2027Q2 完成工程样品 (ES) 芯片制造、2027Q3 推出 ES 评估板、2027Q4 完成量产 (MP) 芯片制造，2028Q1 推出 MP 评估板。

快科技7月6日消息，联想正式上架开售一款定位学生群体的AI专属手机，整机售价仅339元。 据了解，这款机型是联想专门针对未成年学生使用场景打磨的小巧手机，预装了完全没有内置任何游戏的纯净系统，配备1.83英寸触控屏，内置1850mAh纯钴大容量电池，支持4G全网通，完美兼容移动、联通、电信、广电四大运营商的网络，不用强制绑定专用物联卡，还支持VOLTE高清通话功能。 机身特意设置了专属AI按键，孩子只要按住AI键就能随时语音提问，相当于随身配了个轻量学习助手，可以随时解答各类常识问题、课内学习疑问，辅助孩子利用碎片化时间提升学习效率。 除此之外，联想AI学生手机L1还搭载了GPS精准定位功能，家长可以随时查看孩子的实时位置，掌握出行动态；同时支持电子围栏报警功能，家长可以手动在地图上划分安全区域和危险区域，孩子出入对应区域的时候，手机会自动向家长端推送提醒消息。 孩子出门在外可以直接用手机出示付款码扫码完成日常小额消费，家长端还能给消费账户设置每日、每月消费额度上限，完全不用担心孩子乱花钱。同时手机支持高清视频通话功能，孩子不管走到哪里，都能随时随地一键联系上家人。 学习资源储备上，这款手机内置了覆盖多维度的适龄学习内容，包含算术口诀、汉字认读、拼音拼读、单词背诵、古诗词积累、音标学习等各类基础内容，能够辅助孩子做好日常课前预习、课后复习，不用额外带厚重的学习机出门。 整机核心的管控系统做的非常完善，支持家长端后台APP全维度管控，家长可以随时查看孩子的使用状态，还能按需设置上课禁用、定时开关机、远程重启、拒接陌生来电、自定义SOS亲情号码等实用功能。在设置好的上课禁用时段内，孩子仅能拨打预设的SOS求救电话和查看时间，从源头上避免分心，充分保障孩子的课堂专注度。

立讯精密为苹果组装iPhone 凤凰网科技讯 北京时间7月6日，据彭博社报道，知情人士称，苹果公司供应商立讯精密已告知潜在投资者，希望将其中国香港上市股票的发行价定在此前设定的最高上限，预计将融资243亿港元(约合31亿美元)。 据知情人士透露，立讯精密计划将发行价定为每股63.28港元，这一发行价较立讯精密周一在深圳交易所62.88元人民币的收盘价折让约13%。 知情人士还称，立讯精密将发行3.835亿股股票，并已于上周五停止接受投资者认购订单，而不是本周一。 立讯精密此次上市将成为中国香港今年规模最大的首次公开招股(IPO)，超过胜宏科技(惠州)股份有限公司4月份上市时募资的231亿港元。胜宏科技是一家印刷电路板制造商。 立讯精密定于周二正式确定其上市发行价格，股票将于周四开始交易。该公司吸引了包括新加坡淡马锡控股、新加坡政府投资公司和高瓴投资在内的多家基石投资者。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

近日，据路透社报道，苹果印度供应商塔塔电子的服务器遭受大规模黑客入侵，共计超204,000余份独立文件，存储总容量突破630GB数据泄露，并被挂至暗网“明码标签”售卖。 外泄数据涵盖大量苹果未公开的核心机密，包括iPhone 18 Pro的测试数据、机械尺寸、内部质检标准、供应商底价等产品信息。甚至包含苹果员工内部邮件、个人身份信息，甚至波及台积电、高通等上游合作厂商的相关文件。此次泄密程度之深，对芯片等领域的同行来说近乎于技术开源。 事件曝光后引发网友纷纷吐槽。 有网友调侃，苹果把核心生产相关业务交给印度，说白了就没把这活当回事。 也有网友戏称，没想到对苹果最 “严厉” 的居然是印度人。 就在业界还在讨论泄密影响时，华强北的商家已经率先行动。作为国内消费电子产业的核心聚集地，华强北素来以响应速度快著称。例如此前美版iPhone取消实体卡槽后，华强北直接上激光雕刻机开槽，更换微型震动单元，飞线焊接卡座等方案让机型恢复实体SIM卡功能，让“阉割版”原地复活。 而此次数据泄露后，华强北商家再次提前行动。博主 “华强北锤哥数码” 发布视频称，已提前拿到iPhone 18 Pro的内部资料，开始着手研究美版机型的实体卡槽加装方案。 据了解，今年iPhone 18 Pro系列仍将执行区域差异化策略，美版机型仅支持eSIM，无法在国内直接插卡使用。 相关内容下网友纷纷玩梗： 有网友称华强北即将迎来史上最牛产品。 有网友称华强北同款只需2800，还有256个颜色可以选。 更有网友戏称，如果不是法律限制，华强北怕是能赶在苹果之前召开发布会。 那么问题来了，图纸数据模型都给你了，华强北能不能干脆造出一台完整的iPhone 18 Pro呢？有公开资料显示，华强北核心区域占地约1.45平方公里，聚集超11.5万家商铺，消费电子配件从开模到量产最快仅需 72 小时，小批量原型打样周期普遍不超过 48 小时，产业响应速度快的惊人。 但是答案是否定的，因为手机有两把关键的“钥匙”，分别是芯片和ios系统。iPhone 18 Pro搭载的A20芯片为苹果独家定制，全球只有苹果可以购买，缺少核心芯片的仿制机型无法实现原有功能，只有型没有神，一打开游戏就露馅。iOS系统则需要苹果官方服务器在线输入激化码，没有官方私钥与权限，根本无法搭载正版系统。 虽然理论上华强北无法1：1复刻iOS以及A20芯片，但是或许通过安卓系统深度定制等方式，可以伪造“高仿iOS系统”。因此，今年计划购买iPhone的用户，一定要选择官方渠道。 值得一提的是，今年的iPhone 18系列将是苹果新任CEO约翰・特努斯上任后的第一款iPhone。开局便遭遇如此大规模的核心机密泄露，属实给他来了一记 “下马威”。这也可以说是iPhone问世以来性质最严重的产品泄密事件。苹果后续将如何做，我们拭目以待。 对此你怎么看？

机器人前瞻（公众号：robot_pro） 作者 | 刘俐杉 编辑 | 许丽思 机器人前瞻7月6日报道，今日，通用世界模型企业生数科技已宣布完成新一轮5亿美金（约合人民币34亿元）的B+轮融资。这是迄今为止国内通用世界模型领域最大的单笔融资。 今年4月，生数科技宣布B轮融资达20亿元。该轮融资由阿⾥云领投，九安创投、中⽹投、好未来、光合创投等投资⼈战略投资，星连资本、达泰资本、BV百度风投等原有股东持续追加投资。 生数科技成立于2023年3月，是全球首个实现数字世界与物理世界统一的通用世界模型公司，致力于构建具备建模、推理、预测和行动能力的通用智能框架。 该公司创始人兼首席科学家朱军，毕业于清华大学计算机系，担任清华人工智能研究院副院长、清华智能技术与系统国家重点实验室主任、智源首席科学家。朱军长期致力于机器学习和人工智能领域的研究。 ▲生数科技创始人朱军（图源：生数科技） 生数科技CEO骆怡航，毕业于清华大学自动化系，曾在字节跳动火山引擎担任AI应用产品线负责人，于2025年3月加入生数科技。 生数科技以基座世界模型（Foundation World Model）为核⼼底层，推出应⽤于数字世界的世界⽣成模型（WGM）与应⽤于物理世界的世界⾏动模型（WAM）。 在数字空间，生数科技基于世界生成模型（WGM）打造了视频大模型产品Vidu。Vidu具备文生视频、图生视频等生成能力，支持高保真内容创作。该产品同步强化了物理逻辑合理性与交互性，推动模型由单一数字内容生成工具，进阶为能够理解底层世界运行规律的智能载体。 在物理空间，2025年12月，生数科技联合清华大学发布了基于世界行动模型（WAM）架构的通用基座世界模型Motus。Motus基于UniDiffuser统⼀建模框架，整合多模态知识，实现语⾔、视频与动作的统⼀表达与⽣成。 Motus作为真实世界具身智能的“大脑”，致力于解决传统具身智能链路割裂、数据稀缺、泛化能力弱等核心痛点，可实现真实世界下的零样本泛化与跨本体适配。 朱军称，以视频为核心的可扩展异构数据体系，是构建通用世界模型最可行的路径。该路径已逐步形成行业共识。随着统一模型架构、数据范式与训练体系的持续成熟，通用世界模型的技术路径日益清晰，行业正进入由规模驱动的能力跃迁阶段。

IT之家 7 月 6 日消息，荣耀MagicOS 今日发布七月版本升级预告，YOYO 新增支持一语微信功能，远程协助应用也在本月上线。 IT之家整理如下： 丝滑动效 最近任务样式 (堆叠模式) 新增支持点击应用启动 / 左右滑动列表 / 连续删除任务等多个场景的并行响应操作，让您的任务管理体验更流畅。 优化最近任务样式 (堆叠模式) 回弹效果、滑动体验，交互体验更丝滑。 新增支持桌面卡片启动退出连续打断的并行响应操作，让您的桌面操作更随心、更流畅。 新增支持桌面滑动过程中点击卡片的并行响应操作，让您的桌面操作更跟手。 三方应用内页面转场增加一镜到底效果，从哪儿回哪儿去，转场更丝滑。本次支持 6 个应用，小红书、哔哩哔哩、拼多多、爱奇艺、腾讯视频、闲鱼 控制中心长按打开应用转场支持一镜到底效果，转场体验更丝滑。 侧边栏点击启动应用到悬浮窗过渡动画支持一镜到底效果，转场过渡更流畅。 mini 窗横竖屏旋转时，支持一镜到底效果，转场过渡更流畅。 灵动胶囊 新增支持滑动交互，支持滑动隐藏胶囊、切换多胶囊显示顺序，隐藏后再次滑动即可快速唤回，让胶囊管理更随心、更高效。 新增支持多胶囊场景下自定义堆叠样式，让您的胶囊显示更个性。 新增 YOYO 帮记接入灵动胶囊，会议前灵动胶囊推荐开启，会议中灵动胶囊可便捷控制录制状态。 优化灵动胶囊展开态下拉悬浮窗动效。 优化荣耀分享、耳机连接等部分场景的视觉效果，让您的胶囊体验更具活力与质感。 锁屏 新增支持 3D 照片锁屏，晃动设备感受身临其境，让您的锁屏界面更具个性与活力。 锁屏小组件新增蓝牙耳机电量、世界时钟、计时器、秒表、YOYO 帮记、百度搜索、百度扫一扫、小红书、扇贝单词、番茄 ToDo 等场景，关键功能一键直达，信息呈现更高效。 锁屏小组件新增支持在区域内自定义位置，搭配壁纸排布更自由，让您的锁屏界面更具风格。 荣耀 AI & YOYO YOYO 新增支持一语微信功能，支持通过语音指令直接发送微信消息或发起音视频通话，无需繁琐操作，让您的沟通更高效，情感传递更便捷。YOYO 智能体版本更新至 90.10.30.063 及以上，微信版本更新至 8.0.72 及以上 YOYO 新增漫画故事玩法，一键将照片转化为漫画章节，支持单图或多图生成并自动添加对话框，让生活瞬间化作精彩剧情，每一帧都值得被连载。 YOYO 新增 Live 盲盒玩法，一拍、二传、三开盲盒，动态惊喜即刻呈现，让您的朋友圈互动体验全面升级，社交分享更具趣味与吸引力。 YOYO 智能体版本更新至 90.10.29.030 3D 照片 新增 3D 空间效果查看与动态照片转换导出功能，一键赋予静态照片立体动感，沉浸式视觉体验触手可及，让您的珍贵瞬间更有生命力。 智慧互联 新增远程协助应用，一键连接亲友设备解决用机难题，即时响应与贴心指导触手可及，让您的远程支持更高效。 无线投屏新增单应用投屏功能，一键投射特定应用至大屏，独立显示与手机自由操作互不干扰，让您的投屏体验更专注。 屏幕共享新增 120Fps 高刷投屏，手机投屏到荣耀 PC，丝滑显示与超清画质触手可及，让您的跨屏协作更流畅。 跨设备文件管理新增自动回传功能，在 Mac 端荣耀超级工作台内编辑文档，保存后可自动同步到手机。 荣耀分享新增免开关互传功能，一键连接同账号同局域网的 Mac 或其他品牌 Windows 设备，无需开启手机侧荣耀分享开关即可互传，让您的跨设备协作更顺畅。 一碰传新增更多应用，打开哔哩哔哩、快手一碰分享视频，打开小红书一碰分享笔记，打开淘宝一碰分享商品，在“设置 > 更多连接 > 一碰传”可查看详情。 应用分身 游戏可以开启分身并打开，提升您的应用使用体验。 游戏管家 智慧更新新增支持更多游戏，支持在夜间空闲、熄屏、充电且连接 WLAN 条件下自动更新游戏资源包，打开即刻畅玩，让您的游戏体验更省心 相机 新增动态照片水印拍摄功能，并支持在图库中编辑更换水印。支持荣耀 Magic V6、荣耀 Magic8 RSR 保时捷设计、荣耀 Magic8 Pro、荣耀 Magic8、荣耀 Magic8 Pro Air 隐私和安全 优化平行空间水印样式，且支持在平行空间设置里关闭水印。 任意门 优化任意门表情包 GIF 拖拽分享体验，支持表情包 GIF 在更多应用间便捷流转; 优化动态照片拖拽保存体验，让动态照片保存更高效。 功耗与发热 夏日高温环境下手机发热感知增加属于正常现象，本次系统更新已优化部分场景功耗，进一步改善了高温下的发热与续航体验稳定性。建议您避免在高温或阳光直射下长时间高负荷使用，可通过清理后台、降低屏幕亮度等方式缓解发热。