新智元报道 【新智元导读】几个月前，马斯克还骂Anthropic「邪恶」，断言它「不可能赢」，如今突然改口称它是「当前AI最强」。 手握22万块GPU的他，为何没有趁机断供对手？ 「我显然看错了Anthropic。」 马斯克突然改口了。 几个月前，他还在骂Anthropic「虚伪又邪恶」，断言它「不可能赢」，如今却掉头说它是当前AI领域的领导者： 没有任何一家公司做出过和Mythos／Fable一样强的模型。 他还预言，Anthropic很快会拿出Mythos 2。 这番改口，起因是一名X网友的引战。 对方说，如今SpaceXAI（xAI并入SpaceX后的新名字）已经有了能和Claude Opus 4.8掰手腕的前沿模型，而Anthropic完全依赖从SpaceXAI租来的算力。换句话说，马斯克要是想搞垮Anthropic，随时能做到。 时间点让这番表态更微妙。 就在7月8日，马斯克刚把自家新模型Grok 4.5推向公众，主打更快、更便宜。 按常理，他该顺势鼓吹「Grok迟早追上Claude」，可这次他没有，反而先认了错，掉头替竞争对手叫好。 要知道，6月底他还放话：Grok 4.5内部测试已逼近、甚至可能反超Claude Opus，还扬言年内每月端出一款从零训练的新模型，一口气追平对手。 结果很残酷。 在Artificial Analysis的智能榜上，Grok 4.5身前还排着Fable 5和GPT-5.5，自家旗舰连非Anthropic的头名都算不上。可这次，马斯克没再嘴硬。 对一个极少公开认错的人来说，这已经足够反常。更何况，能掐断Anthropic算力的那22万块GPU，此刻正攥在他自己手里。 从「不可能赢」到「AI领导者」 马斯克的180度转弯 就在半年前，马斯克还在骂Anthropic「厌世又邪恶」；更早的去年9月，他甚至断言它「不可能赢」。 从「不可能赢」到「AI领导者」，这半年到底发生了什么？ 去年9月开始，马斯克对Anthropic几乎没公开说过一句好话。 先是那句诛心的判词：获胜从来不在Anthropic的可能结果里。 今年1月，他拿Anthropic的名字开涮，说它命中注定要变成misanthropic（憎恨人类）。 2月，Anthropic刚宣布募资300亿美元、估值冲到3800亿美元，马斯克立刻开火，指控对方「大规模盗用训练数据」，一连甩出三个词：「自命清高、道貌岸然、虚伪」，还说它「憎恨西方文明」。 3月，他又追问：还有比Anthropic更虚伪的公司吗？ 这大半年时间，马斯克对Anthropic的攻击几乎覆盖了商业道德、训练数据、模型价值观、竞争前景，能挑的刺全挑了个遍。 但骂归骂，他也不情愿地承认过Claude的实力。 比如今年1月，他曾抱怨Anthropic切断了xAI工程师对Claude最新编程功能的访问，说这么做有损对方口碑，可话锋一转，又承认Anthropic「在编程上做出了特别的东西」。 态度180度急转，背后藏着马斯克怎样的算盘？ 马斯克改口 因为成了Anthropic的房东？ 今年5月，Anthropic和SpaceX谈成一笔算力大单：包下SpaceX位于孟菲斯的Colossus 1数据中心的全部产能。 这个「全部产能」有多大？超过300兆瓦（MW）电力，或者说，超过22万块英伟达GPU。 2026年5月6日，Anthropic官宣与SpaceX达成协议，包下Colossus 1数据中心全部产能，逾300兆瓦、超22万块英伟达GPU。（图源：Anthropic官网） 价钱同样惊人。据SpaceX提交的S-1招股书披露，Anthropic承诺每月支付12.5亿美元，一直付到2029年5月，其间任何一方可提前90天通知终止。 每月12.5亿美元。这并非一次性采购，而是一份锁定数年的现金流。据TechCrunch，到2026年7月，Anthropic已经是SpaceX最大的几家客户之一。 这笔生意对双方都划算：SpaceX拿到一位能写进招股书的重量级客户，Anthropic锁定一份长达数年的算力供给。 于是出现了一个微妙的局面：Anthropic一边和xAI（如今已并入SpaceXAI）在模型上正面开打，一边把身家性命押在SpaceX的机房里。 而这单生意，也解释了马斯克态度为何软化。 合作公布当天，也就是5月6日，他就写道：自己花了很多时间和Anthropic高层相处，去了解他们如何确保Claude对人类有益，「印象深刻」，「没有人触发我的邪恶探测器」。 改口背后，这份每月12.5亿美元的合同当然功不可没。 「那不是我的风格」 面对「你随时能断供」这个假设，马斯克给了一个明确的回答：不会。 即便作为竞争对手，我也绝不会用严重伤害对方的方式切断他们。那不是我的风格。 为了自证，他一口气搬出三个旧例： Tesla开源了自己的专利；Supercharger超充网络向所有对手开放；SpaceX替竞争对手发射卫星，既不涨价，也不设不公平条款。 当然，Anthropic的安全感，并不需要全押在马斯克的「风格」上。 90天的终止通知期摆在那儿，真要撕毁合同，SpaceX得付契约代价。 更何况，一旦断供，马斯克每月就要损失12.5亿美元的真金白银；而替Anthropic扛算力，SpaceX的工程师还能就近摸清怎么服务一个飞速膨胀的AI巨头。 说到底，掐死客户，等于亲手关掉自己的收银机。留着这单生意，好处远比搞垮它多。 这背后，是AI这一轮竞争的新逻辑。 过去的科技较量，讲的是封锁和垄断。 可到了大模型这一轮，模型公司之间却高度依赖彼此的算力、芯片和数据中心。 于是越来越多的巨头想明白了同一个道理：与其赌自己一定赢，不如把筹码押在整条赛道上。 昨天还剑拔弩张的对手，今天就能结成越绑越紧的算力同盟。竞争与合作，早已不再是非此即彼。 马斯克的改口，不过是把这套逻辑摆上了台面。 但他也没把话说死。5月底他留了一句：SpaceXAI才3岁，是Anthropic的一半、OpenAI的四分之一，三年后再看局势如何。 承认对手领先，不等于彻底认输。

IT之家 7 月 12 日消息，总部位于美国加州帕罗奥图的 AI 机器人公司 1X 近期向外界展示了公司最新研发的人形机器人 Neo 的机械手视频，其表现可以说令人震撼 —— 动作速度极快、控制精准，达到了前所未有的水平。 Neo 机械手最引人注目的参数，是拥有 25 个自由度（Degrees of Freedom），并且全部采用主动驱动（即每个关节都由电机独立控制），同时采用仿生肌腱（Tendon-driven）驱动结构。1X 表示，这套设计让 Neo 的灵巧性、力量和可靠性已经接近人类双手。 不过，这只是其亮点的一部分。这双机械手还具备可反向驱动（Backdrivable）特性，手指内置触觉传感器，既能轻松举起一只约 20 磅（IT之家注：约 9.1 千克）的壶铃，又能完成极其精细的动作，例如摘下一颗葡萄、安装灯泡，甚至从地板上捡起一颗螺丝。 大多数机器人“没有触觉”，Neo 不一样 目前，大多数机器人的机械手几乎都属于“只写不读（Write-only）”。也就是说，你向机械手发出动作指令，它会执行到指定位置，但整个过程中不会反馈任何触觉信息。它无法像人类一样“感觉”自己接触到了什么。 造成这一问题的主要原因，在于传统机器人通常采用 100:1、200:1 等高减速比齿轮机构。这种设计虽然能提高输出扭矩，但几乎会把所有接触力反馈都“吞掉”，无法传递回电机，因此机械手实际上相当于“失去知觉”。 Neo 则采用了截然不同的方案。它使用仿生肌腱驱动结构，减速比仅约 5:1 至 15:1。因此，每一个关节不仅是执行动作的电机，同时也是一枚力传感器。 如果你按压它的手指，它会自然让位（即可反向驱动），同时还能精确测量你施加了多大的力量。1X 将这一能力称为“力透明（Force Transparency）”。 简单来说，就是力量能够顺畅传递到外界，同时外界施加的力量也能够实时反馈回来，因此机器人能够真正“知道”自己的指尖正在发生什么。 这一点意义重大。因为人类学习如何操作陌生物体，本质上就是依赖这种能力。我们会去摸、按、旋转、摇晃物体，相当于不断用手指提出问题：“它有多硬？有多重？表面是什么质感？” 而这些答案，也正是通过同一双手反馈回来。如今，Neo 已经开始具备类似的能力。 不只是机械手，还有“会感知”的皮肤 Neo 的机械手并不是普通机器人那种坚硬的机械爪，它的手指外层覆盖了一层能够工作的“皮肤”。指尖集成了高分辨率触觉传感器，可实时检测压力大小、接触位置以及剪切力（Shear Force），也就是物体即将滑脱时产生的横向受力。 这意味着，当抓握物体开始滑动时，Neo 理论上能够第一时间“感觉到”，并立即重新调整握力，就像人类一样。 更重要的是，这双机械手还有一个目前极具特色的能力 —— 可以直接水洗。换句话说，Neo 可以自己洗手。它的机械手达到 IP68 防护等级，和如今很多智能手机一样，可以直接浸入水中而不会损坏。 这意味着什么？如果你让 Neo 煎鸡蛋，或者切西红柿、胡萝卜准备晚餐，它完成工作后还能自己清洗双手。又比如，它帮你的孩子制作花生酱三明治，不小心把花生酱沾到了手指上（这种情况几乎难以避免），那么它完全可以自己把手洗干净，而不会把花生酱蹭得到处都是，比如家具、衣服或床单。 据悉，目前还没有其他机器人能够做到自己洗手。 耐用性方面，这套机械手同样表现出色。1X 表示，其机械手已经完成了数百万次测试循环，其中手腕关节在负载条件下已累计完成超过 200 万次运动测试。 为什么机械手如此重要？ 在这次发布中，1X 提出了一个观点：机器人双腿负责移动，身体负责容纳电池和计算平台，而真正完成工作的，其实一直都是双手。折叠衣物、整理洗好的衣服、吸尘、做饭…… 无论是什么家务，最终都离不开机械手。 从某种意义上说，机器人的整个身体，不过就是把双手送到需要工作的地方。 值得注意的是，Neo 的硬件能力目前甚至领先于软件。据悉，Neo 上市时搭载的硬件，其实比现阶段 AI 能够充分利用的能力还要更强。 也就是说，现在是硬件领先软件。随着未来持续通过 OTA（无线更新）升级 AI，Neo 将不断变得更加聪明，也能逐步解锁更多硬件能力。 优秀的机械手，是打造优秀人形机器人的关键，因此整个行业都在展开激烈竞争。例如，Genesis AI 最近结束隐身开发阶段，发布了旗下人形机器人 Eno 所搭载的新型机械手，表现同样令人印象深刻。而专门研发机械手、并不制造整机的 Kyber Labs，也推出了性能非常出色的产品。 加拿大温哥华人形机器人公司 Sanctuary AI 创始人 Geordie Rose 曾经说过一句话：“机器人一半的复杂性，都集中在双手。” 电机、齿轮、肌腱…… 各种精密结构密密麻麻地集中在双手之中。优秀的机械手不仅要力量充足，还要灵活、耐用、可清洗，并且最好能够无限接近人类双手的能力。 这或许仍然是未来十年都难以完全实现的目标。但看到 1X 发布的这双机械手之后，我们距离这一目标或许已经比此前预想的近得多。 目前，Neo 的主要定位仍然是家庭服务机器人。而在见识了这双机械手之后，“机器人帮你做家务”这件事，已经不再像遥不可及的幻想，而越来越像一个即将成为现实的未来。

作者/杨继云 报道/投资界PEdaily 深圳超级IPO来了。 日前，深圳云豹智能股份有限公司（简称“云豹智能”）创业板IPO申请正式获深交所受理，成为又一家选用创业板第四套上市标准申报上市的企业，冲刺“国产DPU第一股”。 回想6年前，斯坦福博士萧启阳在深圳创办云豹智能，专注于DPU赛道。这个团队启航两个月后，千亿DPU赛道开始爆发。至今，他背后站着腾讯等一支长长的投资人队伍。 腾讯无疑最为重仓，已成为云豹智能最大股东。与广东国资押注的粤芯半导体一起，云豹智能成为大湾区又一标志性的半导体案例。 斯坦福博士，干出深圳独角兽 快IPO了 先从创始人萧启阳说起。 他出生于中国香港，早年赴美求学，学术履历极为耀眼：以最高荣誉（Summa Cum Laude）同时毕业于纽约大学（数学和计算机科学学士）和纽约库珀大学（电子工程学士），24岁即获得斯坦福大学电子工程博士学位，此后先后在加州大学尔湾分校、麻省理工学院任教。 博士期间，萧启阳主攻人工智能和神经网络方向。他的一项成果曾破解AI领域三十多年未解的理论难题，受到"人工智能之父"Marvin Minsky的高度赞誉并亲自撰写序言。 第一次创业是在2002年，他在硅谷联合创办了芯片公司RMI，后被博通以37亿美元的现金高价并购，震惊业界。 2020年，目睹算力国产替代的机会，萧启阳再次创业。考虑到国内人才和成本优势，这一年8月，他回到深圳创办云豹智能——在很多人还在讨论CPU、GPU的时候，专攻DPU。 说来也巧，不久后，英伟达在GTC大会上正式推出DPU概念，黄仁勋提出"CPU+DPU+GPU"的"三芯"战略，DPU赛道迅速成为"兵家必争之地"。 此后云豹智能快速崛起。自主研发了国内首款高性能、通用可编程DPU SoC芯片，网络带宽达400Gbps，相比传统方案性能提升4倍、功耗降低50%以上。仅用4年时间，就完成了从FPGA验证到6nm SoC量产的全过程。 根据招股书，目前云豹智能能够提供包括弹性网络与存储、虚拟化、安全及低时延RDMA等功能在内的一站式解决方案。 招股书显示，云豹智能2023年、2024年、2025年营收分别为17万、3635万、3.7亿元；净亏损分别为6.67亿、6亿、11.9亿元；扣非后净亏损分别为6.7亿、6.2亿、5.6亿。尽管2025年营收同比增长超900%，云豹智能依然处于亏损状态。 由此，深圳又一个超级IPO浮现。 VC/PE云集 腾讯成最大股东 芯片创业，无疑是烧钱黑洞。 截至递交招股书前，云豹智能也经历了数轮融资。最早是在2020年底，彼时公司刚注册两个月，就一口气拿下五源资本、正心谷资本、中芯聚源、华业天成、耀途资本、弘卓资本等投资机构加持的种子轮融资。 半年后，云豹智能再次完成阵容豪华的天使轮融资，包括红杉中国、深创投、腾讯、五源资本、华业天成、QBN Capital。萧启阳曾在演讲中提到，“创立云豹智能时，我只有一个人，拿到天使轮之后才敢去请创始团队。” 正是在这一轮中，云豹智能迄今最重要的股东出现——腾讯。这是腾讯首次入局，此后连续重注。 2021年9月，云豹智能完成A轮融资，腾讯再次出手数亿元人民币，其它投资方除了红杉中国、深创投、五源资本等老股东外，还包括淡马锡、蔚来资本、正心谷资本、华西村股份旗下投资平台一村资本、民生银行上市金融控股平台民银资本、耀途资本等等。 至此，云豹智能成为国内DPU独角兽。 随后的融资更是势如破竹——2023年拿下阳光保险、国信资本、润信新观象产业基金等的融资，2024年后政府引导基金进场，深圳市引导基金和宝安区产业投资引导基金B轮融资；2025年，IDG资本、杭州产投、杭实资管、萧山资本等三家杭州国资、鹏鼎控股、云尖信息等产业方悉数进场，老股东参与。 2025年11月底，同创伟业、东方富海、基石资本等几家深圳本土VC一举加持，IDG资本、腾讯再度参与其中。此后估值超过140亿元。 IPO前，腾讯通过关联主体以19.7792%的持股成为云豹智能的第一大股东，而公司实际控制人萧启阳、张学利合计直接持有公司7.1520%的股权，通过云豹创芯、云豹创智两个持股平台间接控制公司22.6588%的表决权。 这也提示了一种风险：腾讯作为第一大股东，未来在二级市场增持或减持都可能对公司控制权稳定性产生影响。 创业板窗口 大湾区开启上市潮 终于轮到深圳了。 过去很长一段时间，深圳在半导体领域的标签更多是“消费电子应用”和“终端制造”。在这一轮AI算力大爆发的浪潮中，围绕国产算力的资本竞赛正全面提速，深圳急需一个能代表底层核心技术的超级IPO。 此前国产GPU的IPO浪潮中，摩尔线程、沐曦、壁仞科技等多集中在北京、上海等地，如今云豹智能冲刺“国产DPU第一股”，恰好为深圳在“基础设施芯片”维度补上了一块重要拼图。 由此望去，大湾区半导体资本化正在形成梯队效应。 不久前，粤芯半导体技术股份有限公司（简称“粤芯半导体”）创业板IPO成功过会，拟募资75亿元。对于投资方来说，这同样是一场漫长押注——八年前，粤芯半导体从广州黄埔的一片空地起步，后来成为粤港澳大湾区第一家实现量产的12英寸晶圆制造企业。 一路走来，在这只广州超级独角兽背后，广东国资几乎贯穿其每一轮融资，寄予沉沉的厚望。 看上去，粤芯半导体代表了大湾区在晶圆制造领域的突破，云豹智能则代表了大湾区在高端芯片设计（DPU）领域的突围。 此刻，他们乘着创业板改革红利的东风。 粤芯半导体选择适用创业板第三套上市标准，是继大普微之后，创业板第二家未盈利过会企业；而今年4月创业板正式启用“第四套上市标准”，看重研发投入和市值，而非短期净利润，此后云豹智能IPO顺利推进。他们都向硬科技企业释放信号——只要技术过硬、研发够高、成长性够强，资本市场的大门已经敞开。 创业板开始热闹。自2024年9月以来，创业板指累计上涨约150%，成为A股最醒目的主线之一；放眼望去，创业板已经成为中国硬科技公司最密集的资本市场样本之一。 这当中，大湾区的硬科技军团已经吹响了突围的号角。

快科技7月12日消息，据媒体报道，近日，美国麻省理工研究团队成功研发出一款受海鸟启发的新型微型机器人。 该机器人能够使用同一套机翼在空中飞行和水下潜航，且切换两种环境时，不需任何额外机械硬件，不到1秒即可完成从水下到空中的跨介质跃迁。 目前，这项研究成果发表在《Science》杂志上，出自麻省理工学院机械工程师拉斐尔·祖菲雷的实验室。 据介绍，这款创新型两栖机器人的重量仅约半磅（约合0.23公斤），翼展接近三英尺（约合0.9米）。 为避免增加不必要的机械复杂性，研发团队在设计上做出了大胆的减法。 首先，该机器人舍弃了鸟的双腿结构，直接利用机翼产生的动力让机器人从水中腾空而起。 其次，在机翼设计上它与真正的海鸟也有所不同，机翼由半透明的尼龙织物制成，并配有碳纤维支柱进行加固。 在空中飞行时，它的机翼每秒可连续拍动5到6次；而为了冲出水面，它会将拍动频率瞬间提升至每秒10次左右，以产生足够的破水动力。 而它中心结构采用开放式设计，内部组件直接暴露在外，整个系统没有进行整体密封，而是对每个零部件进行单独防水处理，使其不会在水中盲目漂移或下沉。 在日内瓦湖进行的实地测试中，该机器人展现出了惊人的性能。 视频记录显示，水面仅泛起微弱波纹，机器人便在不足1秒的时间内破水而出，直接腾空翱翔。 研究团队表示，未来该技术在实际场景中大有可为，一个能够自行飞往遥远海域、降落并潜入水中采集数据的机器人，对于监测沿海环境将具有极高的实用价值。 目前，该机器人在单次充电下预计可飞行近四英里（约合6.4公里），或在水下畅游一英里多（约合1.6公里）。 该项目的研发历时约两年，团队目前已经在着手进行升级改进，未来的版本预计将搭载更多用于数据采集的专业传感器，并进一步优化其运动算法。 自动播放

奥特曼 凤凰网科技讯 北京时间7月12日，在苹果公司起诉OpenAI窃取商业机密后，OpenAI CEO萨姆·奥特曼(Sam Altman)表示，他不怕苹果，但非常尊重他们。 奥特曼的这番表态还要从他与死对头埃隆·马斯克(Elon Musk)的口水仗说起。在苹果起诉OpenAI后，马斯克在X上补刀，称奥特曼“把诈骗玩出了新高度”。 奥特曼随后回击，嘲讽SpaceX上市“画大饼”，“哥们，向公开市场投资者兜售短期内建成太空数据中心这种故事的人，不就是你吗？”。 奥特曼嘲讽马斯克画大饼 马斯克不甘示弱。“我们明年就会开始发射它们。要是你的假释官批准的话，也许你还能来看看。你先是‘偷走’了一个开源人工智能公益组织，接着又‘偷走’了苹果所有的手机技术！真是厉害。接下来你还打算怎么加码？这已经很难超越了。”马斯克称。 对于奥特曼与马斯克的口水仗，一位名为“我喜欢特斯拉”的X用户表示：“奥特曼并不害怕马斯克，但他忌惮苹果。从他今天发的一连串帖子就能看出来。” 奥特曼称尊重苹果 奥特曼对此表示：“我不怕苹果，但我非常尊重他们。他们是顶级公司”。 但是，这位X用户随后嘲讽奥特曼说，“他对苹果太尊重了，尊重到从苹果挖走了400多名员工”。(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”。

近期，“长期戴蓝牙耳机会损伤甲状腺、诱发结节甚至甲状腺癌”的话题在各大平台刷屏，引发无数耳机党焦虑恐慌。 长期戴蓝牙耳机，是否真的会损伤甲状腺、诱发结节甚至甲状腺癌？ 今天我们就以网传说法的源头为依据，完整拆解研究真相，讲清楚蓝牙耳机与甲状腺健康的真实关系。 追根溯源： 这篇论文到底研究了什么？ 网上关于“蓝牙耳机伤甲状腺”的言论，源自 2024 年 6 月发表于《科学报告》（Scientific Reports）的一篇流行病学研究论文。 这篇论文聚焦蓝牙耳机使用与甲状腺结节发病风险的关联性分析，也是目前该领域唯一的针对性研究。 论文从未提及“蓝牙耳机导致甲状腺癌”，甚至没有百分之百确认“蓝牙耳机导致甲状腺结节”。 仅得出两个客观结论： 在本次调研样本中，日均蓝牙耳机佩戴时长、年龄是影响甲状腺结节发病风险的两大核心因素，佩戴时间越长，结节检出的相关性越高。 入耳式蓝牙耳机因更贴近颈部甲状腺区域，相较于头戴式，与结节风险的关联性相对更显著。 简单来说，数据显示“长期戴蓝牙耳机的人，结节检出率更高”，但不能等同于“戴蓝牙耳机直接导致了甲状腺结节”，这是大众误解的核心关键。 科学拆解： 戴蓝牙耳机，为何可能影响甲状腺？ 既然研究发现了明确的关联性，并非空穴来风，那蓝牙耳机究竟是如何对甲状腺产生潜在影响的？ 目前学界公认的潜在机制，核心围绕设备释放的非电离辐射展开(无任何致癌实锤依据)： 蓝牙耳机工作时会持续释放低强度射频非电离辐射，不同于X光、紫外线等可破坏 DNA 的电离辐射，这种辐射能量极低，正常短期使用对人体几乎无影响。但入耳式蓝牙耳机紧贴耳廓、颈部，距离甲状腺腺体仅数厘米，长期、近距离、持续性的辐射累积，可能对甲状腺局部微环境产生轻微干扰。 甲状腺是人体代谢最活跃、对外界刺激最敏感的内分泌腺体之一，长期轻微的外界电磁刺激，可能干扰甲状腺局部血液循环、细胞代谢及激素分泌稳态。对于长期日均佩戴数小时、常年不间断使用的人群，这种慢性累积刺激，可能成为甲状腺结节发生的辅助诱因，而非直接致病元凶。 需要再次强调：这种潜在影响仅针对长期过量使用人群，且风险为轻微、慢性、累积性，绝非短期佩戴就会伤甲状腺、长结节。 正本清源： 甲状腺结节、甲状腺癌的真正核心诱因 临床数据显示，成年人甲状腺结节检出率高达 20%～40%，且逐年升高，甲状腺癌也成为高发内分泌肿瘤。 但医学界公认，蓝牙耳机、电磁辐射从未被列为甲状腺病变的主要病因，真正的核心诱因集中在这几类： 1.先天与体质因素（最核心） 遗传基因是甲状腺病变的首要危险因素。如果直系亲属患有甲状腺结节、甲状腺癌，本人发病风险会大幅提升；其次，自身免疫紊乱、先天甲状腺发育异常，也是诱发结节的重要内因。 2.激素与内分泌紊乱（最常见） 甲状腺是内分泌“中枢腺体”，情绪焦虑、长期熬夜、压力过大、作息紊乱、女性激素波动，都会直接导致甲状腺激素分泌失衡，刺激甲状腺组织增生，形成结节，这也是当代年轻人甲状腺结节高发的最主要原因。 3.饮食与代谢因素 碘摄入异常是关键诱因，碘过量或碘缺乏，都会扰乱甲状腺功能，诱发结节、炎症；此外，长期高脂高糖饮食、肥胖、代谢综合征，也会间接增加甲状腺病变风险。 4.明确的致癌危险因素 医学界唯一确认的甲状腺癌明确诱因，是幼年时期头颈部放射性照射史，比如头部放疗、核辐射暴露等。除此之外，长期未干预的恶性结节、反复的甲状腺炎症、严重基因变异，是甲状腺癌进展的主要原因。 综上：蓝牙耳机最多只是极次要的潜在辅助影响，绝对不是甲状腺结节和甲状腺癌的元凶，更不会直接致癌。 科学预防：记住这几点就够了 结合研究结论和临床指南，做好科学防护，就能规避绝大多数风险，同时保护甲状腺健康： 1.规范蓝牙耳机使用习惯（规避潜在累积风险） 控制时长：避免全天候佩戴，单次连续佩戴不超过 1 小时，日均累计佩戴时长尽量不超过 3 小时，杜绝睡觉佩戴、长时间挂耳待机； 优化方式：长期重度使用者，可交替使用头戴式耳机，减少入耳式设备近距离贴近甲状腺的时间；不用时及时摘下，关闭蓝牙，避免持续待机辐射累积。 2.精准管控饮食，稳定甲状腺代谢 科学控碘：普通人群正常食用加碘盐即可，无需刻意忌碘或过量补碘；已查出甲状腺结节、甲亢、桥本氏甲状腺炎的人群，遵医嘱调整碘摄入；少吃高刺激、高加工食品，减少内分泌负担。 3.调节作息情绪，稳住内分泌核心 尽量避免长期熬夜、昼夜颠倒，保证充足睡眠；减少长期焦虑、内耗、高压状态，学会调节情绪，这是预防甲状腺结节最有效、最关键的手段，效果远大于规避电磁辐射。 4.定期筛查，早发现早干预 成年人每年做一次甲状腺彩超+甲功五项检查，尤其是有家族病史、长期熬夜压力大的高危人群；绝大多数甲状腺结节为良性，无需治疗，定期复查即可，只有极少数可疑结节需要进一步检查干预，无需过度恐慌。

IT之家 7 月 12 日消息，金山办公今日宣布，为提升用户体验，改善“C 盘占用、清理入口不清晰”等情况，WPS 已完成初步存储管理能力优化，并先在 WPS 社区开放体验版。 官方表示，欢迎愿意提前体验的用户下载试用，帮助继续发现问题、完善体验。正式稳定版本预计 7 月底陆续推送。 据介绍，本次体验版主要包括两项优化： 新增“存储管理”入口：原先分散的磁盘占用查看、缓存清理、存储路径调整等功能，现已整合至同一页面。用户可查看 WPS 相关本地占用，并按需清理缓存、调整存储位置，帮助减少 WPS 相关文件对系统盘的空间压力。 安装路径可分别设置：在安装环节，软件安装路径、文档备份路径、云文档缓存路径支持分开设置。用户可根据设备空间情况，选择不同文件的存放位置。

众所周知，自从苹果逐步将产能搬了一部分至印度之后，一直被印度坑的不轻。 以前还只是一些环保、卫生、良率、人工不好管理这样的问题，这对于苹果而言，可能也只是小问题，毕竟在任何一个地方起步，多多少少都会遇到。 但前段时间，印度坑了苹果一把大的。 那就是苹果在印度的代工厂塔塔集团，被黑客攻破了，黑客从塔塔的服务器里面，套取了大量的资料，对方也不进行勒索，直接放到暗网公开了。 这事就闹大了，因为这些资料里面，涉及到苹果还没有发布的iPhone18系列的资料，包括内部结构图，主板构造，以及供应链列表，还有相关测试图。 用网友的话来说，夸张点的话，有了这些资料，华强北甚至能够比苹果更早推出iPhone18 Pro。 当然，这只是夸张一点的说法，最多做到形似，至于内部的芯片、iOS肯定是做不了的，这是苹果的核心科技。 但如果用这些资料，来适配iPhone的外设，那肯定是没有问题的，适配起来轻而易举了，相信这次这些给苹果做配件的厂商，确实是爽的很，可以提前做好，只等iPhone18开售了。 可以说这个篓子确实是非常大，苹果真的是被坑了，一点都没有夸张。 可能印度也意识到了这个问题，擦屁股的事情，印度自己干不了，那么就只能给一颗甜枣给安慰一下苹果了，免得苹果跑了。 近日，印度宣布取消用于制造智能手机及其他电子产品的多种零部件的进口关税，降幅在5%至7.5%之间，时间暂时持续至2029年3月31日。 要知道，因为印度的手机供应链并不完善，以前苹果的iPhone在印度组装，但其实大量的零部件还是从中国进口进来的，这些都是要交税的。 这下印度将这些免税了，对于苹果而言，就是成本的下降，对方免了多少，成本就下降了，算下来对于苹果的整体成本而言，可能降了5%以上。 目前随着内存上涨，苹果其实也压力大，印度这边降一点，苹果的成本也就省一点，多多少少，也能够让苹果享受到这一波福利。 只是坑了苹果这么一把，给这一点福利，会让苹果满意么？

长江存储IPO辅导工作迎来首期进展更新。7月10日，证监会官网披露其辅导工作第一期报告，一个细节尤为抢眼——中信证券、中信建投两家券商合计派出31人组成辅导团队，如此规模在近年IPO项目中并不多见。 更值得关注的是，与长江存储同属国产存储“双子星”的长鑫科技已于6月12日拿到上市批文，预计7月16日发行。在券商布局层面，中信建投是唯一同时深度参与两家存储巨头IPO的券商，华安证券则是A股唯一同时持有两家股权的上市券商。 31人的“豪华天团” 翻开这份辅导进展报告，辅导人员清单首先抓住了市场目光。 中信证券本期辅导工作小组共由20人组成，中信建投投本期辅导工作小组则由11人组成，两家券商合计31人的辅导阵容，在近年IPO辅导案例中称得上“豪华”。 一般来说，IPO辅导团队规模与项目复杂度直接挂钩。常规项目通常配备5至10名辅导人员，大型项目也不过15至20人。长江存储此次31人的配置，一方面或反映出项目本身的体量；另一方面也暗示了辅导工作的难度——股东结构复杂、历史沿革较长，需要投入更多人力进行穿透核查和规范梳理。 从辅导时间看，本期辅导期为2026年5月19日至6月30日，时长约一个半月。辅导方式涵盖现场尽调、集中授课、专项问题沟通等，辅导内容主要涵盖公司治理与规范运作状况、督促公司深入理解发行上市、规范运作等方面要求。此外，上海市锦天城律师事务所、德勤华永会计师事务所也在本期配合开展辅导工作。 另一个值得关注的信号是，曾为长江存储子公司的新芯股份此前在科创板排队长达1年8个月，但IPO始终未能落地。直到5月19日长江存储完成辅导备案后，新芯股份在同天才撤回科创板申请，由长江存储承担上市重任。 券商图谱浮现，仅两家券商在“双子星”上有所布局 在这场存储巨头资本化浪潮中，券商机构的布局颇具看点。 中信建投是唯一同时深度参与长鑫科技和长江存储IPO的券商。在长鑫科技IPO中，中信建投担任联席保荐人、联席主承销商；在长江存储IPO中，中信建投则担任辅导机构。 华安证券则是另一番打法。作为安徽省国资委实控的地方券商，华安证券通过两条路径布局长鑫科技：一是通过子公司华富瑞兴及华安嘉业持有安华创新五期基金50%份额，直投长鑫科技0.75%；二是借道国家大基金二期间接持股。层层穿透后，华安证券合计间接持有长鑫科技约0.4391%股份。在长江存储方面，华安证券同样通过借道国家大基金二期合计间接持股约0.08%。 从这个角度看，华安证券是唯一一家在股权层面同时押国产存储“双子星”的上市券商；而中信建投是唯一一家在保荐层面同时覆盖两家存储巨头的上市券商。 无实控人，股东穿透辅导工作量大 长江存储目前的股权结构，是理解其辅导难度的关键。 公司并无单一控股股东。第一大股东湖北长晟发展有限责任公司持股26.5442%，第二大股东武汉芯飞科技投资有限公司持股25.35%，国家集成电路产业投资基金一期、二期合计持股约23%，武汉光谷产业投资有限公司持股9.26%。 此外，中国银行、建设银行、交通银行、农业银行、工商银行旗下的金融资产投资公司合计持有约3%股份。2025年6月，公司还引入了员工持股平台"智芯计划"系列合伙企业，合计持股约1.3%，主要覆盖高管与技术骨干。 这种股权设计的背后，是一段并不简单的历史。长江存储成立于2016年，由紫光集团联合国家大基金、湖北地方基金等共同出资设立，紫光集团曾为控股股东。2021年7月紫光集团进入破产重整程序后，长江存储经历了复杂的股权剥离。直到2025年完成股改，紫光集团才彻底退出，公司由此形成当前的无实控人架构。 由地方国资平台、国家大基金、五大行AIC、产业投资基金、员工持股平台等多层嵌套的股东结构，穿透核查的工作量可想而知。辅导报告也直言不讳，“鉴于公司获取股东穿透核查资料的工作量较大，辅导工作小组将与证券服务机构密切配合、与辅导对象股东充分沟通，持续推进股东穿透核查并落实相关监管要求。” 下一阶段辅导工作重点从2方面展开 展望长江存储IPO后续进程，辅导报告明确后续辅导工作将从两方面展开： 一是就工作中发现的问题及时协调各中介机构与公司沟通讨论，研究确定规范方案，督促辅导对象认真落实整改要求。同时，辅导工作小组将持续督促公司完善公司治理和内部控制制度，提高公司规范运作水平。 二是及时、持续向接受辅导人员传达最新上 市公司监管规范性文件，积极督促其进行全面的法规知识学习和 培训，督促其深入理解发行上市、规范运作等方面的法律法规和 规则，知悉信息披露和履行承诺等方面的责任和义务。 从行业景气度看，存储芯片价格仍在高位运行。TrendForce集邦咨询此前预测，2026年第二季度NAND Flash合约价格环比涨幅在70%至75%之间，一般型DRAM合约价格环比涨幅在58%至63%之间。花旗银行则给出全年视角，预计2026年DRAM平均售价将上涨88%，NAND闪存平均售价将上涨74%。两组数据口径不同，但指向一致，存储行业仍处于供需偏紧的景气周期，这为长江存储的IPO定价提供了有利窗口。

新智元报道 【新智元导读】Anthropic彻底慌了！遭GPT-5.6与Grok 4.5双重绞杀，达里奥连夜召开紧急会议求生。意外曝光的Opus 5，或成救命稻草。 Opus 5可能要来了！ 五天又这么快过去了，Claude Fable 5的免费额度，已进入倒计时。 但，全网都在蹲一个「大反转」。 要知道，隔壁家OpenAI刚刚甩出了GPT-5.6「全家桶」，用更低的成本，对标Claude 5级的智能。 若Anthropic此时下线了Claude 5，那不就等于将市场份额，白白让给OpenAI。 果不其然，另一个转折点来了！ 有开发者意外发现，一款名为Honeycomb EAP神秘模型，在「模型列表」中短暂现身。 大家一致推测，这就是Opus 5「早期预览版」，可能在月底上线。 Opus 5曝光了！ 1M上下文，代号「蜂巢」 「Honeycomb」出现的时候，非常隐秘。 这几天，开发者Chetaslua在Cursor的模型选择列表里，看到了一个陌生的名字—— Claude Honeycomb EAP。 截图中，那行小字写得清清楚楚：Anthropic研究模型，带per-turn控制与安全回落机制，早期访问预览。 上下文窗口：1M。版本：extra high effort。 然后，Chetaslua只跑了两个prompt，Honeycomb就被从Cursor撤了下来，前后不到几个小时。 如今，全网普遍把Honeycomb猜成Opus 5的早期预览版。理由是它有1M上下文，属于旗舰规格。 真正硬的证据，只有「往下回退到Opus 4.8」这一条。 而「安全分类器+自动回退Opus 4.8」这套机制，恰恰是Claude 5官方文档里写明的行为特征—— 常开adaptive thinking、100万上下文、128K输出、碰到网络安全和生物学就自动降级到Opus 4.8。 也就是说，在Anthropic自己的排序里，Honeycomb站在Opus 4.8的上面。 今天，Claude 5额度归0 然而，该来的终究来了。 7月12日，太平洋时间23:59:59。这是Claude Fable 5在Claude订阅里的最后一秒。 先把事情说明白，Claude 5不会消失，消失的是「免费额度」。 在此之前，Pro、Max、Team 和部分 Enterprise 用户，可以把每周用量上限的 50% 花在 Claude 5 上，不额外掏一分钱。 今晚过后，规则变成：想用Claude 5，请单独购买usage credits。 价格高的离谱，输入$10/百万token，输出$50/百万token。 这是Opus 4.8单价的整整两倍，也是Anthropic迄今为止，为一个公开发售模型开出的最高价。 也就是说，昨天还能随便用的那个最强大脑，从明天起，按次计费。 一场深度Claude Code会话，输出50万token，credits账单大约25美元，这是加在个人$20Pro或$100+Max订阅之上的。 Anthropic彻底慌了 GPT-5.6与Grok 4.5双重绞杀 可以说，Anthropic现在的处境非常尴尬。 自家Opus 4.8已被马斯克Grok 4.5碾压，即将下线的Claude 5竟也被GPT-5.6一举超越。 显而易见，旗舰Sol的成绩单，是直接冲着Anthropic来的： AA编码智能体指数拿到80分；Agents' Last Exam拿到53.6；BrowseComp 92.2%，OSWorld 2.0 62.6%，都是新的SOTA。 如下demo中，一个3D地球仪表盘，两者几乎不分伯仲。 熔岩灯测试，GPT-5.6 Sol物料效果、色彩都显著优于Claude。 还有一个对比测试，GPT-5.6的意境更略胜一筹。 此时此刻，Anthropic就像是被逼上了绝路，退无可退。 网友Ali Haider爆料，如今，Anthropic内部的气氛非常紧张，达里奥正在召开会议。 面对GPT-5.6与Grok 4.5双重绞杀，他们可能让Claude 5永久服役。 Opus 5这张牌，必须扔出来 把所有线索摆在一起，一条叙事链就浮出来了。 Claude 5的处境很尴尬，它是Anthropic最聪明的模型，也是它最烧不起的模型。 $10/$50的定价，是Opus 4.8的两倍；50%周用量的限制，是从一开始就打上的补丁； 两次改期，暴露的是同一个问题：这个模型，Anthropic自己都供不起。 而市场上，Sol和Grok正在用「更便宜、更省token、更快」三板斧，把「性价比」这条护城河填平。 Honeycomb如果真是Opus 5，那它是一张必须打的牌。

Fable 5 的订阅体验迎来最后一次延期：原定几天前结束的使用期限，被延长到了今天。 今天过后，订阅用户无法再通过套餐限额来体验这个 Mythos 级的公开模型。 这短短的几天，已经让许多人爱上却又要失去。不禁让人畅想，这种级别的模型，什么时候能跑在我们自己的设备上？ 曾经人们讨论前沿模型时，话题通常是「它有多强」「它比竞品快多少」「它能取代什么工作」。但这一次，有人开始问它能不能跑在端侧。 不过说实话，这个想法目前放在 Fable 5 身上，还是太乐观了，这毕竟是 Anthropic 第一个 Mythos 级的公开模型，100 万 token 上下文窗口，专为长时间异步任务设计，跑在 AWS 和 Google Cloud 的数据中心里。它离端侧设备之间隔着的不是一代芯片，是好几个数量级的算力、功耗和模型压缩难题。 Fable 5 下线事件本身也在提醒另一件事，正如 Reddit 上所说，如果你不拥有硅和权重，高可用性就是个幻觉。这个问题的出现，更多是一种信号：说明端侧 AI 这件事已经从行业术语变成了大众期待。 从发布参数，到发布架构 如果说过去两年端侧 AI 的主题是「宣布」，今年的主题变成了「重构」。芯片厂商不再满足于在发布会 PPT 上标一个 NPU 算力数字，而是开始围绕本地 AI 推理重新设计整个硬件架构。 6 月 25 日高通给出了一组让华尔街重新评估这家公司的数字：2029 财年非手机业务收入目标上调到 400 亿美元，约为此前目标的两倍。数据中心 AI 基础设施目标超过 150 亿美元，汽车业务 100 亿美元。CFO Akash Palkhiwala 的表述更直接：「到 2029 年，手机将只占我们芯片收入的三分之一。」 支撑这个目标的硬件基础，是已经进入第二代的骁龙 X2 系列。骁龙 X2 Elite 的 Hexagon NPU 做到了 80 TOPS 的 AI 算力，这个数字在 2024 年还属于云端推理芯片。最高 18 核 CPU、228GB/s 内存带宽、128GB 统一内存的配置，已经不再是「能跑 AI 的笔记本」，而是「为 AI 设计的笔记本」。 比芯片本身更值得关注的是高通的系统级布局，6 月 17 日的 AWE 大会上推出的骁龙 START 计划，把芯片、AI 软件栈、合作伙伴网络打包成模块化方案，让品牌和企业能像搭乐高一样推出个人 AI 终端。首批落地的品类是智能眼镜，后续扩展到更多形态。高通管这个愿景叫 The Ecosystem of You」——不是你在不同设备上打开不同的 AI，而是同一个 AI 追着你走。 苹果的牌打得更激进，根据彭博社 Mark Gurman 爆料，苹果正在做出自 2020 年 Apple Silicon 发布以来最大的一次路线图调整，跳过 M6 Pro 和 M6 Max，直接押注 2027 年的 AI-focused M7。 苹果的 M 系列从 2020 年至今，路线图像瑞士铁路一样准时——每年一代，每代三种配置（基础、Pro、Max）。突然跳过整整一个高端代际，意味着苹果内部判断端侧 AI 的需求已经紧迫到等不及按常规节奏迭代了。 M6 基础版的内存带宽预计 200GB/s（M5 是 153GB/s），M7 目标 240GB/s。统一内存架构让 CPU、GPU 和 Neural Engine 共享同一个内存池，天然适合大模型推理。M5 开始在每个 GPU 核心内置了 Neural Accelerator，AI 不再是一个独立的协处理器功能，而是分布在整个芯片的每一处计算单元里。 在 Gurman 看来，这是苹果正在「加速推进」，因为 M7 拥有「支持端侧 AI 和 GPU 密集型软件的技术」——不是「支持 AI 功能」，是「支持端侧 AI」，这是一个芯片设计目标的转向。 当苹果和高通在笔记本和手机上布局时，英伟达从另一个方向杀进来了。售价 4699 美元的桌面设备 DGX Spark，搭载 Grace Blackwell 超级芯片，128GB 统一内存，1 PFLOP 的 FP4 AI 算力。 英伟达把它定位为「个人 AI 超级计算机」。今年 6 月的 GTC 台北上，老黄又发布了 RTX Spark，更轻量的超芯片，目标是把 AI 原生 PC 推向更薄的笔记本形态。这条线跟英伟达的工作站策略也在汇合，RTX PRO Blackwell 系列已经在 Dell、HP、Lenovo 的新款工作站上落地。 NemoClaw 项目让用户可以在本地工作站上运行安全、始终在线的 AI 助手。DGX Spark 负责桌面级重度推理，RTX Spark 负责轻薄本，RTX PRO 负责专业创作，全方位出击，把本地 AI 从极客玩具变成了可量产、可定价的硬件品类。 向设备弯腰 硬件在追 AI，模型也在反过来适应硬件。过去一年，几款关键模型的出现正在改变「端侧 AI 能做什么」的答案。最明显的动作来自于 Google DeepMind，发布了 Gemma 4。 这是来自 Gemini 3 研究、Apache 2.0 许可的开放模型家族。五个参数规格一字排开，从只有 5GB 内存就能跑的 E2B，到对标 70B 级能力的 31B 密集模型，构成了一条从手机到个人电脑的完整产品线。 最让人兴奋的是那几颗「小」模型，E2B 和 E4B 在 4-bit 量化下只需要 4-5GB 内存，可以在没有 GPU 的普通笔记本甚至手机上跑；12B 模型在 8GB 内存设备上就能运行，同时支持文本、图像和音频多模态输入；26B-A4B 是 MoE 架构，30GB 内存就能跑到 30+tokens/s。 Google AI Edge 团队专门写了一篇博客来展示如何把 Gemma 4 12B 部署到日常笔记本上做 agentic 工作流，「Google 免费的 Gemma 4 模型跑在你可能已经拥有的硬件上。」 当「可能已经拥有」成为一篇评测的卖点，说明端侧模型的硬件门槛正在快速塌缩。 作为开源模型的典范，阿里 Qwen3.6 也在想方设法让更大的模型变得对本地更友好。Qwen3.6-27B 是一个 27B 参数的密集模型，100 万 token 上下文窗口，MindStudio 的评测把它评为 2026 年最佳开源 agentic coding 模型。 Reddit 上已经有开发者搭建了「Qwen3.6 35B + llama.cpp + RTX 5090」的本地 agentic coding 方案。Qwen 的策略不是在参数规模上跟云端模型硬拼，是用 MoE 和架构优化，把接近前沿的能力塞进本地可承受的硬件边界里。它不是「小模型」，是「被压缩的前沿模型」。 如果说 Gemma 和 Qwen 是在做模型能力的降维适配，面壁智能的 MiniCPM 系列走得更底层——直接为手机和边缘设备设计模型。MiniCPM-V 4.6 只有 1.3B 参数，专为端侧多模态设计，能处理单图、多图和视频理解，可以在 iPhone、Android 和鸿蒙手机上直接运行，Apache 2.0 开源，支持 Ollama 和 llama.cpp。 1.3B 的参数数字放在云端模型旁边几乎可以忽略，但它在 OCR、文档理解和视觉推理上的表现已经可以跟 7B 级的模型竞争。MiniCPM5-1B 则更激进——1B 级的密集模型，搭配部署和微调 Agent Skills，把目标用户从「AI 开发者」扩展到了「普通消费者」。Nature Communications 上发表的论文给了它一个很重的评价：「迈向在边缘设备上部署 GPT-4V 级多模态能力的关键一步。」 这些模型现在到底有多强，并不是重点，重点是它们正在证明一件事：端侧 AI 不是「云端模型的缩水版」，它是一个独立的模型品类，有自己的设计目标、优化路径和使用场景。而这个品类正在以极快的速度成熟。 代价？不再是订阅费那么简单 如果上面这些让你觉得端侧 AI 的未来一片光明——你是对的，但账单也来了。 本地 AI 不是免费的，可能你省掉了订阅费，但要为高内存带宽、大容量统一内存和高算力 NPU 支付更高的硬件溢价。 M5 Max 从 36GB 到 128GB 内存的差价是数千元人民币，而这条价格曲线在「本地 AI」时代只会更陡。过去买电脑是选 CPU 型号和 SSD 大小，以后要多问一句：「我买的这台，能跑多大的模型？」 端侧推理的功耗墙也远比显存更硬。骁龙 X2 Elite 的 NPU 可以持续跑几十 TOPS，但满负荷 80 TOPS 时，无风扇轻薄本的体验会明显打折。英伟达的 DGX Spark 本身就是一台需要主动散热的桌面设备。未来「能跑大模型」和「续航不崩」之间，大概率是一个二选一。 硬件溢价和功耗之外，厂商已经在用产品和本地模型的绑定，建立壁垒。苹果的 Neural Engine 只能在 macOS 生态内发挥最大效能，Windows AI PC 的 Copilot+ 绑定了骁龙 NPU 和安全芯片，Google 的 AI Edge Gallery 是 Gemma 在安卓上的最佳路径，英伟达的 RTX Spark 跟微软的 Windows agent 生态深度锁定。每一家都在用硬件能力筑自己的围墙。 这是端侧模型必须面对的又一个问题，更新也会比云端慢。云端模型迭代已经是月级，本地部署依赖推理框架适配、量化工具链成熟以及用户主动更新。否则，你买回家的设备跑的可能是上个季度的模型。 还有一条最容易被忽略：本地 AI 意味着一个系统级的模型能读到你的文件、照片、屏幕、日程和邮件，不用上传到云端了，但它在你的设备上，拥有「上帝视角」。当 AI 从云端的匿名请求变成你设备上那个「什么都能看见」的常住程序，「本地 = 安全」这个等式就不再自动成立。权限管理的复杂度，会比隐私本身更早撞上消费者。 AI 的使用成本不会因为端侧模型而消失，它只是从订阅费变成了硬件溢价、生态锁仓、功耗散热和权限管理。过去买手机是在选 App 生态，未来买设备可能是在选你的 AI 记忆住在哪里。 所以，2028 年消费者可能真正得到什么 把上面所有的变量放在一起，我们能做出一组分层预测。 高端电脑本地运行强写作、代码、文档和图片理解模型，将成为常态而不是尝鲜。本地 RAG、会议摘要、文件搜索和私有知识库真正可用，成为日常工具。手机端的多模态助手在相册搜索、语音翻译、智能摘要上明显变强。高端创作者、开发者和敏捷小团队会更愿意部署本地 AI，因为数据不外泄、延迟更低、按需使用边际成本为零。AI PC、Mac 和本地 AI 盒子将形成新的硬件分层，「这台设备能跑什么模型」会成为和「这台设备屏幕多大」一样自然的购机参数。 再往远看一步，接近 GPT-5 或 Claude 4 水平的开放模型，有可能通过量化、MoE 和推理优化，在高端个人设备上达到可用水平。但这取决于推理框架（llama.cpp、MLX、vLLM）的演进、KV cache 压缩技术的成熟，以及模型厂商是否愿意针对本地部署做专门的训练路线优化。本地多模态实时助手有可能在部分设备上达到「日常可用」，但自然度和低延迟离云端旗舰还有一段距离。 至于普通手机或普通笔记本完整运行 Mythos 本体，短期内不可能。万亿级参数的推理即使最激进的量化方案也需要数十 GB 显存，远超消费电子设备的极限。本地 AI 在长程 agent、百万 token 上下文、多模态实时推理和安全能力上全面等价于云端旗舰，2028 年大概率做不到。 但方向是这个方向，纵观苹果、高通、英伟达这些大公司的做法，显然，端侧 AI 不再是一个「会不会来」的问题，是谁先跑通硬件成本、模型能力和用户体验之间那个精确的平衡点。 当这个问题从产业链上游一路烧到消费者的搜索框里，这件事已经比任何参数和路线图都更能说明，端侧 AI 的时代，已经不在远处。

快科技7月12日消息，iPhone 17系列上市已接近一年，但市场热度依然维持在较高水平，近期单周销量仍超过81万台。 据博主“RD观测”公布的数据，截至2026年第27周（6月29日至7月5日），iPhone 17系列累计销量约为3711.92万台。 作为对比，截至第26周，iPhone 17系列累计销量约3630.44万台。 以此计算，该系列第27周单周新增约81.48万台，展现出较强的销售后劲。 从近期走势来看，截至第25周，iPhone 17系列累计销量约3538.55万台，第26周单周新增约91.89万台，最近两周，该系列合计卖出超过173万台。 iPhone 17系列持续热卖，与苹果近期推出的大力度促销密切相关。 今年5月中旬，苹果开启大规模降价活动，其中iPhone 17 Pro系列全系直降1000元，iPhone 17 Pro Max 256GB版本价格降至8999元。 与此同时，iPhone 17标准版也迎来上市后的首次官方降价，叠加国家补贴、电商平台补贴及以旧换新优惠后，最低到手价降至4499元。

IT之家 7 月 12 日消息，中兴通讯终端事业部总裁、努比亚技术有限公司总裁倪飞发布长文，谈及了 AI 智能体手机。他表示，AI 手机的下半场会从“功能叠加”走向“原生智能体”。不再是用户迁就手机的逻辑，而是手机主动理解人的需求。 倪飞提到，努比亚探索了智能体手机最核心的四把能力标尺，包括：要听得懂最自然的表达，不用刻意迁就话术，随时响应要能帮你把交代的事办完；要能记得住你的习惯与备忘，不用反复交代，有序沉淀；也更要把安全作为底层地基，所有能力都建立在完备的隐私防护之上。 据IT之家此前报道，倪飞此前发文表示，努比亚将推出全球首款 AI 智能体手机。该设备定位为量产旗舰机型，已明确将在 2026 世界人工智能大会（WAIC）上进行首次公开展示。 另外，2026 世界人工智能大会暨人工智能全球治理高级别会议，将于 7 月 17 日至 20 日在上海举办。本届大会在展览规模、首发新品数量、论坛场次等方面均创下历届新高。上千家参展企业将带来 3000 余项前沿展品，超 300 款人工智能新产品将在大会全球首发。

7 月 12 日消息，阶跃星辰今天宣布推出 Step Edge 端侧模型全家桶，包含 Step Edge 基础模型、Step Edge Audio、Step Edge GUI 和 Step Edge Gen 四款产品。 IT之家了解到，这四款模型面向手机、汽车等终端场景，旨在让 Agent 不只停留在云端，而是能够真正进入终端，在本地更快响应、更好保护隐私，并通过端云协同完成更复杂的任务。 同时，Step Edge 具备三大核心亮点： 超低本地延迟：支持低至 0.1 秒的端侧本地 toolcall 执行，简单、高频任务可在本地实时响应，减少对云端链路的依赖。 全模态隐私保护：文本、视觉、语音等多模态信息可在本地处理，敏感数据不出端，更适合手机、汽车等强隐私场景。 原生端云协同：简单任务、弱网 / 无网任务由端侧快速响应，复杂推理与长链路任务交由云端完成，实现速度、能力与成本的整体平衡。 此外，该系列模型还能够配套 Step Inference NPU 引擎，针对终端硬件进行推理优化，在文本、视觉、语音等多种输入形态下进一步降低端到端延迟。

苹果涨价的事，各位都听说了吧？ 6月25号，编辑部全体成员正在国外团建呢（所以没赶上热点），结果苹果这边直接不讲武德，大半夜在官网咔咔一顿维护，完事重新开门大家一看： 尼玛，Macbook Air从8499涨到了9999，Macbook Pro更是到了15999元，涨了2500。。。 iPad这边，原价4799的iPad mini涨了800；iPad Air涨了1200，涨到了5999；iPad Pro也从8999直接涨到破万，涨价1800。 就连最亲民的标准版iPad，也从3000内涨到了3799。爷青结了属于是。。。 这波涨价还不只是国区，果子直接来了波全球普涨。。。 Mac、iPad、HomePod、Apple TV、Vision Pro全线上调15%到25%，只有iPhone、Apple Watch和AirPods暂时没动。 至于为啥要偷摸涨价，苹果自己也回应了：内存太贵，哥们儿实在是顶不住了。。。 按库克的原话，说是「40多年来，我从未在任何行业的供应链里见过这样的情况。价格上涨不可避免，我们已经尽力吸收成本了。」 虽然咱也不知道库克为啥一会儿40年一会儿百年，但涨价的原理，哪怕你不是干了40年的供应链老兵也能猜到。 内存涨价，就跟铜啥的涨价一样，全tm怪AI。 众所周知，现在的AI数据中心需要大量高带宽内存HBM和服务器DRAM，而且科技巨头为了大炼AI，更是壕到没边了，像谷歌都开始举债修数据中心了。。。 所以三星、SK海力士、美光这仨存储巨头一合计，就把产能全拨去伺候舍得砸钱的狗大户AI订单了。就这么着，全世界消费电子这边的内存被疯狂挤压，传统DRAM过去四年涨了700%。 按英特尔CEO陈立武的判断来看，这波内存短缺至少持续两年，2028年之前别想缓解，而且行业目前对此束手无策。 说白了现在天王老子来了也没用，谁让你手机内存排在英伟达后面生产呢。 看到这肯定有差友要问了，那可是苹果！全宇宙最大的采购方！消费数码绝对的GOAT！ 果子面向全球的恐怖订单量，再加上刀法致命的供应链管理，咋就压不住仨供货商？ 答案是，搁以前确实能压住，而且压的巨狠。。。 美光的首席商务官Sumit Sadana前几天接受采访说：「2023年内存市场最低迷的时候，有一些大客户，在定价上非常激进地压价。这种做法毫无建设性。因为利润太差，我们很多建厂扩产的投资都被迫搁置了。」 呵呵，这话说的就差指名道姓了。。。 以前存储市场供大于求，苹果的报价从来都是直接通知，压根不跟你商量，你丫不配。 但现在风水轮流转了，三巨头靠AI订单赚得盆满钵满，成了AI时代的战略物资供应商。于是当他们再次面对苹果的压价要求，三家就会心照不宣得团结起来。 三年前我跌进谷底被你踩脸凌辱，如今现在缺货了想起我了？排队去吧您。过去能锁全年的低价长约，现在只能签半年，部分内存报价直接翻倍。 于是苹果甚至开始游说美国政府，想把中国的长鑫存储拉也进供应链。堂堂苹果，沦落到满世界找备胎了（没有说长鑫不好的意思）。 顺便说一句，这次涨价名单里没有iPhone，也不代表苹果良心发现了。按照一些分析师的看法，很可能是想用Mac和iPad这些高毛利产品先挡一枪，iPhone放到后面再涨。 目前网传的爆料是，iPhone 18标准版预计涨价50美元，Pro和Pro Max版可能暴涨200美元，也就是说以后你买个iPhone Pro，起步价大概率就是一万块往上了。 苹果尚且如此，隔壁安卓阵营更是早就被这波涨价潮给干穿了。 2026年一季度闪存和内存价格再度暴涨过半，中国手机市场也迎来了集体涨价潮。 3月10号，一加15起售价拔高到4499元，比首发涨了500。紧接着iQOO 15顶配版累计暴涨1500块，荣耀新机Power 2起步价也比前代涨了700。 旗舰涨个几百块，富哥们咬咬牙也就过去了。但对于中低端机型，那基本上就不用卖了。。。 因为低端机本来利润就微薄，完事一台1500块的手机，存储成本涨个几百，那厂商还赚啥啊，做一台亏一台呗。 更要命的是，前两年存储白菜价的时候，厂商为了卷销量，把很多512GB大内存下放到千元机了。 结果现在整的，这事就难办了。 拿传音来说，2025年手机出货量上涨到了1.69亿部，但净利润腰斩暴跌超53%。越卖越亏，原因就是因为成本涨了十几美金，但非洲黑哥们儿的购买力就那么多。 你要把配置降回8+128G吧，这装个微信可能都够呛，要维持大容量就得涨价，那用户也不买账了。 所以有机构甚至预测，到2027年，1500元以下的智能手机甚至可能从主流市场消失。。。 不过，在大家都被涨价硬控的时候，目前唯一打出逆向操作的，是华为。 由于处理器全面转向自研麒麟芯片，躲过了高通3nm制程涨价近20%的割韭菜行为；存储端也深度绑定了长鑫（DRAM）和长江存储（NAND），拿货成本比国际三大原厂低了15%到20%。 所以Pura 90 Pro Max的起售价不仅没涨，反而停在6499元。 然而例外也有极限。由于长鑫产能还在爬坡期，预计到26年底月产能也才35万片晶圆，光喂饱国内头部手机厂就已经极其吃紧。 所以像手机之外的车规级存储，就算是华子也无能为力。行业内车规级存储三个月涨180%，华为乾崑智驾也取消了限时优惠，终端实际价格从1.2万涨到1.5万。 总之，虽然苹果仍然是消费电子行业绝对的领头羊。 但现在连它都开始低头接受AI供应链的规则，这意味着时代开始转向了。 在这个浩荡的AI时代，供应链的权力，正在从苹果这种消费电子的手里，移到英伟达、微软、以及那帮造AI基础设施和存储芯片的人手里。 1830年第一次工业革命期间。由于铁路干线疯狂扩张，导致铁和煤炭价格暴涨。 当时英国最赚钱的是垄断全国运输的运河公司，一开始压根没把涨价当回事。结果钢铁和煤炭厂全去伺候更有钱、需求更猛的铁路公司了，运河公司不仅买不到便宜的煤铁，连造新船的成本都压不住，最终利润断崖式下跌，彻底被扫进了历史的垃圾堆。 此时此刻，恰如彼时彼刻。 这可能也就是为什么，苹果调价当天，股价暴跌超6%，创一年来最大单日跌幅，市值一天蒸发2600多亿美元。 当然，苹果不会像运河公司那样轻易死掉，它依然有着恐怖的现金流和生态护城河。但那个靠着极限压榨供应商，就能维持永远高利润、定价稳定的果子时代，真的结束了。 接下来的世界，一切围绕AI。 至于我们普通人，还是做好手机、空调、电脑这些都越来越贵的准备吧。这是AI强加给我们的代价。

前几天，小雷闲来无事清理手机存储时发现，手机里居然有这么多自己从未打开过的应用和功能。仔细汇总了一下，真正高频使用的屈指可数，大部分都是「我知道有这个东西，但我从来没用过」的状态。 问题来了：既然用户都不用，厂商为什么还要拼命往里塞？雷科技（ID：leitech）今天想聊清楚这事儿。 手机摆设功能多：看着好却不需要 小雷拿自己的手机做了一次「大清点」，把那些买来几乎没打开过的功能挨个看了一遍。 首先是内存扩展。这个功能厂商曾经吹上天，什么「16G+8G=24G」，听着好像白捡了8G运存。但实际用下来，16G内存的手机开启内存融合和关闭它，日常使用感知差别微乎其微。因为内存扩展本质上就是从闪存里借空间当虚拟内存，其读写速度比真正的运存差一大截，根本不能当成是真正的运存，而厂商把它包装成「内存扩展」，多少有点文字游戏的意思。 （图片来源：雷科技制图） 其次是反向无线充电。这个功能刚发布时被不少数码爱好者奉为「神器」，个个都畅想着「耳机没电了？我反手就能拿手机给它续命」、「朋友的手机没电了，拿来我帮你回回血」。实际上它的功率低得不行，给一副耳机充满电得好几个小时，自己手机电量还得先牺牲一大截，更别说充电期间还不能使用手机。 （图片来源：雷科技制图） 可以说它属于应急嫌慢，日常更不会主动去用的功能，实际使用场景极其有限。 再者是悬浮球。在全面屏手势普及之前，悬浮球确实能提高用户的操作效率，而且非常适合一些手掌不大的用户。但如今随便一台手机从底部上滑返回主页，侧滑返回上一级，手势操作已经能覆盖99%的使用场景，这时悬浮球就成了多余的存在，虽然小雷也不排除部分用户依然喜欢使用，但无论是从实用性还是美观性来看，它都已经落后时代了。 （图片来源：雷科技制图） 还有隔空手势。这个功能小雷承认，第一次看到的时候确实觉得挺酷炫——手掌在手机前挥一挥就能翻页、接听电话。但帅归帅，实际操作起来体验却很差，稍微离远一点就识别不到，离太近又容易误触。用了两三次之后，小雷就再也没碰过它。 最后也是小雷最不能理解的部分，自带应用。尤其是音乐、视频、钱包、阅读等自带 APP，相信绝大多数用户拿到新手机的第一步就是下载自己常用的App，然后把厂商预装的这些全部丢进角落。它们存在的意义与其说是为了让你用，不如说是为了推广自家的内容生态——你打开它的音乐App，它就能卖会员；你用它的钱包，它就能推借钱等各种服务。 （图片来源：雷科技制图） 小雷简单数了一下手上某款新机的应用，它自带了 39个出厂预装软件，其中有 70% 的应用卸载后也不会影响日常使用。 AI时代手机花架子功能更多了 如果说上面那些功能还算是「老毛病」，那AI时代的到来，算是把这个问题又进一步放大。 如今各家厂商发布新机，不提两句AI都不好意思开发布会。AI消除路人、AI通话摘要、AI壁纸生成、AI实时翻译、AI文档摘要，功能列表拉出来一长串。但实际使用率呢？QuestMobile的数据显示，截至2025年12月，手机厂商AI助手月活规模达到了5.59亿，但用户使用时长并没有显著提升。换句话说就是：大家都在用AI，但大多数是简单体验一番，真正深度使用的人很少。 有媒体做过调查，超过七成用户在购买「AI手机」半年后，关掉了大部分AI功能。不是这个功能不行，主要是绝大多数没有什么实用性。比如AI通话摘要，73%的用户至今没有开启，其实也能理解，谁愿意自己的隐私通话内容被录音上传到云端？再比如AI壁纸生成，新鲜感一过就再也没打开过。 而那些真正能留下用户的AI功能，我们掰手指头都能数过来：离线语音转文字、拍照消除路人、实时翻译，其他的大多是「发布会上很惊艳，买回来就忘了」。 明知你不用，手机厂商为何要硬塞？ 小雷总结了这么几个原因。 第一，是老生常谈的硬件同质化严重。如今的手机把logo遮住，大部分手机长得都差不多，配置也大差不差：同样第五代骁龙 8/天玑 9500，同样16G 运存，同样7000mAh电池，同样120Hz屏幕。既然硬件上拉不开差距，只能在软件功能上做文章，发布会上多讲一个功能，就多一个说服用户掏钱的理由。哪怕这个功能99%的人用不上，但参数表上能多一行就是多一个卖点。 （图片来源：雷科技摄制） 第二，功能可以不用，但不能没有。小雷观察过身边很多人，他们嘴上说「这些功能没用」，但真要买手机的时候，看到A手机有反向无线充电、B手机没有，还是会倾向选A，倒不是因为要用，纯粹是想着「万一哪天就用上了呢」。换句话说，删掉一个功能的风险，远比加一个功能的成本大得多，厂商自然不会选择搬石头砸自己的脚。 第三，预装App是厂商最赚钱的生意。小米2025年财报显示，互联网服务全年收入374亿元，毛利率高达76.5%，相比之下，小米手机业务的毛利率只有11.1%。互联网服务里光广告收入就占了285亿，同比增长15.2%。 （图片来源：小米官方） 这些利润从何而来？很大一部分都与预装 APP 有关，中国一年手机出货量3亿多台，就算一台手机只预装十个APP，一个APP向厂商收费1块钱，一年就是几十亿的规模，而且几乎零成本。 这门生意稳赚不赔，厂商自然没有理由砍掉。 第四，软件团队的内部原因。大家都知道厂商内部的软件团队和互联网服务团队，需要持续产出新功能来证明自己没有偷懒。而一个功能上线容易，下线要走审批、要写复盘、要解释为什么砍掉等一系列流程，更别说做减法没有业绩，做加法才有。久而久之，手机上的功能只会越堆越多。 第五，提前对未来做规划。虽然现在手机上的大部分AI功能确实不好用，但行业趋势摆在这里，不做就是落后。厂商选择先把半成品塞进去，等市场成熟了再迭代，总比到时才开始做要强。就像当年的NFC功能，刚出来的时候也是「鸡肋」产物，如今我们常用的交通卡、门禁卡、支付功能的背后都有它。 （图片来源：雷科技制图） 因此，手机厂商塞功能并非脑子一热，每一项功能都有它存在的原因，只是它的出发点，从来都不是「用户需不需要」。 买手机看需求，功能多不一定更好用 回到开头的问题，这些功能到底有没有存在的意义？小雷觉得，不能一棍子打死。对厂商来说，这些功能是发布会上的素材和卖点，其背后都有一套完整的商业逻辑。 而且对少数用户来说，这些功能也是刚需。比如反向无线充电，虽然日常用不上，但出门在外耳机/智能手表没电了，临时救个急还是能凑合的；再比如内存扩展，对8G以下内存的低配机型，确实能改善「杀后台」的情况。 但对大多数普通用户来说，这些功能的实际价值，远没有发布会上吹的那么高。它们不但增加了系统的臃肿度、占用了存储空间、有些还在后台偷偷跑进程、吃电量、消耗流量。 （图片来源：AI 生成） 因此我们在下次换机时，与其被那一长串功能列表唬住，说白了，决定你日常使用体验的，无非就是屏幕、续航、拍照、流畅度这几样，至于其他功能，有是加分项，没有也不影响你过日子。 至于那些吃灰的功能，也别太在意。说不定等到哪天厂商迭代到位了，它们真能派上用场——就像当年的NFC一样，熬过鸡肋期，现在谁也离不开。

加州大学圣地亚哥分校的手术室里，外科医生坐在操控台前，而真正拿着手术器械的，是一台来自中国的人形机器人。 这场实验的主角是宇树科技（Unitree Robotics）生产的通用人形机器人，绰号"Surgie"。两名外科医生通过远程操控界面指挥它完成了一台猪的腹腔镜胆囊切除术，全程微创，手术成功。这是人形机器人首次以主刀身份完成一台完整的外科手术，相关论文已提交学术期刊审稿。 这一刻，距离手术机器人进入人类视野已经过去了三十年，但它的意义与以往截然不同。 这次不一样：从专用到通用 过去三十年里，手术机器人并不陌生。直觉外科公司（Intuitive Surgical）的达芬奇手术系统自2000年获得FDA批准以来，已在全球完成超过1000万台手术，覆盖泌尿外科、妇科、普外科等多个领域。 但达芬奇是一台专用机器，它体积庞大，造价高达150万至250万美元，加上每年维护费用和一次性耗材，综合使用成本极高。更关键的是，它只能做手术，不能做其他任何事情。 宇树科技的这台机器人走的是完全不同的路线。它是一台通用人形机器人，原本的设计目标涵盖工业搬运、家庭服务、科研实验等多种场景，单台售价约合人民币十余万元，与达芬奇系统相比价格差距悬殊。 加州大学圣地亚哥分校的研究团队，将它改装成了一台手术平台。 手术过程中，一台机器人负责主刀，持握腹腔镜手术器械完成胆囊的分离和摘除；另一台机器人担任助手，控制内窥镜，负责手术视野的监控和组织牵拉。整个手术由两名外科医生远程操控完成，操控信号实时传输，延迟控制在可接受范围内。 研究团队表示，这是通用人形机器人在外科领域的首次成功应用，证明了这类平台在手术场景中的可行性。 真正的战场，在医疗资源的荒漠里 理解这项研究的价值，需要先理解它试图解决的问题。 美国正面临严峻的外科医生短缺危机。根据美国外科学会的预测，到2030年美国将缺少约2.6万名外科医生，农村地区和医疗欠发达州的问题尤为突出。许多偏远地区的患者需要驱车数小时甚至飞行数百公里，才能获得一台本可就近完成的普通外科手术。 论文资深作者、加州大学圣地亚哥分校电子与计算机工程系教授迈克尔·叶直接点明了这一背景。他表示，远程操控和自主人形机器人具有真正的潜力，可以扩大患者获得关键手术的机会，"这不仅有助于解决美国的医疗保健危机，而且有助于解决全球的医疗保健危机"。 这句话的射程，远比一台猪的胆囊手术要宽广得多。在撒哈拉以南非洲，平均每10万人中只有约1名外科医生，世界卫生组织估计全球每年有超过3亿台必要手术无法完成，大多数发生在中低收入国家。如果一台通用人形机器人能够以极低成本部署在远程医疗站点，由千里之外的专科医生远程操控完成手术，这一数字有望大幅改变。 当然，从实验室到手术室，从一头猪到一个人，中间横亘着漫长的距离。 挑战清单，比成果单更长 研究人员坦承，这项实验目前仍处于概念验证阶段，距离临床应用还有相当距离。 人体手术的复杂程度远超动物实验。人类的解剖结构存在个体差异，手术中随时可能出现意外出血、组织变异或器械失灵，任何一个突发情况都需要在毫秒内做出判断。目前的系统完全依赖人类外科医生的实时远程操控，机器人本身的自主决策能力几乎为零。 网络延迟问题同样不可忽视。远程手术对信号延迟的容忍度极低，超过200毫秒的延迟就可能导致操作误差积累，在精细解剖操作中酿成严重后果。5G和低轨卫星网络的普及正在改善这一状况，但在最需要这项技术的偏远地区，网络基础设施往往恰恰最薄弱。 此外，使用中国制造的机器人平台进行医疗操作，在当前的地缘政治环境下还面临来自监管和安全审查层面的额外压力。美国已有多项法案对中国科技产品在关键基础设施领域的应用设置限制，医疗设备是否会被纳入审查范围，目前尚无定论。 尽管如此，这项研究证明的核心命题依然成立：通用人形机器人可以完成手术，而且成本可以大幅低于现有专用系统。这一命题一旦成立，后续的技术迭代和监管适配，都只是时间问题。

允中 发自 凹非寺 量子位 | 公众号 QbitAI VLA和世界模型已经把机器人推向“看懂世界”和“预测世界”的阶段。 但只要模型真的进入物理世界，问题很快就会变得更具体： 它拿什么学习这个世界，靠什么把动作做出来，又怎么知道自己到底碰到了什么。 前两个问题，分别指向数据和本体。第三个问题，指向触觉。 本周，哈工大（深圳）杨朔团队发布了TouchWorld，一个面向灵巧操作的触觉世界模型。 它的核心能力，是让机器人不只预测画面如何变化，也开始预测接触如何发生，并在真实操作中利用触觉反馈修正动作。 TouchWorld不是孤立的一篇论文。此前，杨朔团队已经推出EgoTouch和TouchAnything： EgoTouch解决灵巧操作的触觉数据怎么采； TouchAnything尝试从第一人称视频中恢复触觉，如何做低成本的触觉数据增广。 这三项工作连起来，构成了一条清晰路线：先采触觉，再恢复/对齐触觉，最后让具身模型真正使用触觉。 沿着这条路线，出生于1998年的年轻教授杨朔创办了破晓智能（PHANES AI）。 破晓智能要做的，是融合人类视频数据与触觉感知模态，构建人形机器人全身移动灵巧操作世界模型。 更具体地说，它不是只做一个触觉模型或硬件，而是希望围绕“机器人如何真正学会操作”，搭建一套从数据、模型到控制的完整能力链。 “破晓”这个名字，也对应了这家公司想解决的问题：在人形机器人走向真实操作之前，触觉数据、触觉世界模型、灵巧手反馈控制、全身移动操作仍然处在技术混沌中。 破晓智能希望从触觉数据切入，把这些能力重新串起来，让机器人从“看见世界”，走向真正“接触世界、操作世界”。 从Data-Centric AI，到机器人真实数据 杨朔现任哈尔滨工业大学（深圳）计算机科学与技术学院长聘教授、博导，也是破晓智能创始人兼CEO。 公开信息显示，他26岁获评哈工大（深圳）计算机学院长聘教授、博导，曾获Google Ph.D. Fellowship，入选国家级高层次青年人才、深圳市“高精尖缺”人才、广东省重大人才工程。 △ 杨朔，破晓智能（PHANES AI）创始人、哈工大（深圳）长聘教授、博导 在研究上，杨朔长期关注多模态大模型、Data-Centric AI、可信AI、计算机视觉与具身智能等方向。 相比直接从“机器人创业”切入，他的路径更像是从一个数据问题一路走到物理世界： 模型到底应该用什么数据学习。到了机器人这里，就变成了机器人到底应该用什么数据学习真实操作。 在传统机器学习里，这个问题更多指向数据质量、数据选择、噪声标签和数据压缩。 到了具身智能，数据不再只是图像、文本和标签，而是人在真实世界中的连续操作过程。 过去一段时间，人类数据正在成为机器人学习复杂操作的重要入口。 NVIDIA EgoScale证明，第一人称人类操作数据在灵巧操作训练中具备Scaling Law；Generalist / Gen-1则进一步显示，大规模人类数据预训练结合少量真机数据后训练，可以显著提升机器人在长程、复杂任务中的成功率。 这两类工作共同指向一个趋势：相比完全依赖真机采集，让机器人先从大规模人类数据中学习动作过程、物体交互和任务结构，再用少量机器人数据完成对齐和适配，是一条更容易规模化的数据路径。 但这条路线仍然缺一层关键信息：触觉。 第一人称视频让机器人看到了人类如何观察世界、接近物体、抓取工具、完成任务。 但人和物体之间真正发生了什么，视频里并不完整。手指压在哪里，力有多大，物体有没有滑，接触是否稳定，这些信息很难只靠图像回答。 破晓智能给出的答案是：光有视觉不够，光有动作轨迹也不够。机器人还需要触觉，需要理解手和物体接触时发生了什么。 这也是杨朔团队从EgoTouch、TouchAnything走到TouchWorld的原因。 Touch系列：从采集触觉，到对齐触觉，再到使用触觉 从破晓智能的技术图谱看，Touch系列模型不是并列摆放的几篇论文，而是一条从数据到世界模型、再到全身控制的能力链。 EgoTouch解决的是触觉数据怎么采。 它把第一人称视频、腕部视角、手部姿态和双手压力图放进同一套采集系统里，让人类操作视频带上接触和压力信息。 团队围绕刚性物体、柔性物体、抓取、抓捏、拧动、工具使用等任务，采集人类在真实操作中的视觉和触觉数据。 △ EgoTouch第一人称视觉-触觉数据采集系统 TouchAnything解决的是如何让更多第一人称视频补上触觉。 带触觉的数据始终有限。真正戴上传感器采集的人类操作数据，成本高、规模小，也很难覆盖所有场景。 但互联网上已经有大量第一人称人类操作视频：人怎么拿起水壶、怎么抓球拍、怎么拧瓶盖、怎么使用工具，这些过程都被视觉记录了下来。 问题在于，这些视频只有画面，没有触觉。 TouchAnything要做的，就是用EgoTouch这类视觉-触觉对齐数据，训练模型学会从第一人称视频中估计双手接触区域和压力分布。 换句话说，它让模型具备一种从视觉里“恢复触觉”的能力：只看视频，也能推断手指哪里碰到了物体，哪里正在用力，压力大概如何分布。 这一步的价值不只是做一个触觉估计模型，而是把少量带触觉传感器的数据，扩展成更大规模的触觉监督。原本只能看到动作外观的人类视频，有机会被补上一层接触信息，变成更适合机器人学习灵巧操作的数据。 在破晓智能的技术路线里，TouchAnything更像一个数据放大器。 它一边承接EgoTouch采到的人类视觉-触觉数据，一边把触觉监督扩展到更多第一人称视频里。基于这层数据，TouchWorld才能进一步学习如何预测接触、使用接触；HumanWBC也才能把触觉带入全身移动、双臂协同和灵巧手控制。 △ TouchAnything多视角触觉预测模型架构。模型输入头戴第一人称视角、左右腕部视角和双手3D姿态，通过多视角视觉特征融合与姿态感知融合，预测双手压力分布图，从而从纯视觉视频中恢复触觉信息 TouchWorld解决的是触觉如何进入机器人世界模型和操作策略。 它不是简单给机器人多接入一个触觉输入，而是让触觉进入两个关键环节：提前预测未来应该形成怎样的接触，并在执行中根据触觉反馈修正动作。 换句话说，机器人不只是预测“下一帧画面会怎样”，也要预测“下一步应该碰成什么样”。 HumanWBC则是这条路线的下一步：基于人类数据训练全身移动灵巧操作控制模型，把感知理解、自主移动、全身控制、双臂协同和灵巧手操作接到同一个系统里。 所谓全身移动灵巧操作（loco-manipulation），不只是让机器人站在桌前完成一个抓取动作，而是让机器人真正从“能看懂”，走向“能走过去、抓起来、做完事”。 所以这条路线不是“做一个触觉模型”，而是以触觉为核心，把感知、仿真、决策和控制串起来，推动机器人全身移动灵巧操作大脑进化。 TouchWorld：把“手感”写进世界模型 TouchWorld的核心可以用两个词概括：predictive和reactive。 △ TouchWorld 三层架构：高层规划并预测目标，中层生成动作，高频触觉反馈实时纠偏 Predictive，指的是触觉目标预测。 机器人不只要预测未来画面，还要预测未来应该形成怎样的接触状态。 △ TouchWorld通过触觉世界模型预测机器人任务子目标 一个最简单的例子是按喷壶按钮。 从视觉上看，手碰到按钮和真的把按钮按下去，画面差别可能很小。尤其当手遮挡按钮时，图像很难判断任务是否已经完成。但触觉上，手指有没有接触、压力有没有到位，是更直接的判断。 TouchWorld预测触觉目标，就是让机器人知道：如果这个子任务完成，手指上应该出现怎样的接触和压力。 这对灵巧操作很重要。很多任务的完成状态并不完全体现在画面里，而是体现在手和物体之间的接触关系里。 Reactive，指的是高频触觉反馈修正。 真实操作中，物体会滑，接口会偏，手指可能没抓稳，灵巧手本身也会出现定位误差。机器人不能每次都等上层模型重新规划。它需要像人一样，在接触瞬间根据触觉反馈做快速调整。 人抓一个湿滑物体时，不会重新推理每个关节角，而是根据手上的触感立刻调整抓握姿态。TouchWorld的reactive模块也是这个逻辑：上层模型给出粗动作，底层根据实时触觉反馈输出修正量，让动作在接触中不断纠偏。 在TouchWorld的设计里，reactive模块的推理频率是Tactile World Model的4倍。中间策略每输出一个动作，底层都会进行多次细微调整，每次输出的是一个delta修正量，而不是重新生成完整动作。 这套机制让触觉不再只是被动记录，而是参与动作生成和执行控制。 TouchWorld在六个真实机器人任务上进行了测试：浇花、桌面清理、电源插头插入、杯子插入、擦锅、抽纸巾。 △ TouchWorld在浇花、抽纸巾等六项真实机器人任务中完成测试 这些任务看起来并不炫，但非常适合检验触觉的价值。 浇花需要按压喷壶按钮；插头插入和杯子插入考验精密接触；擦锅需要持续调节压力；抽纸巾涉及柔性物体和稳定拉取；桌面清理则要求机器人在多个子任务之间切换，并保持抓取稳定。 实验中，TouchWorld在clean setting下平均成功率达到65.0%；在人为扰动场景下，平均成功率达到57.2%。 相比Pi-0.5、FTP-1、GR00T N1.7等对照方法，TouchWorld在两个设置下分别高出最强baseline 15.7和16.0个百分点。 这个结果不意味着灵巧操作已经被解决。65.0%的成功率也说明，这套系统距离大规模泛化还有很长距离。 它验证了一件更具体的事：当任务进入接触阶段，触觉目标预测和高频反馈修正，确实能提升机器人操作稳定性。 对破晓智能来说，这比单点成功率更重要。TouchWorld证明了触觉可以进入机器人世界模型和操作策略，而不只是停留在传感器读数层面。 △ HumanWBC采集人类视觉、动作与触觉数据，并对齐至机器人执行 冲破黎明前的黑暗 破晓智能这个名字，也蕴含着它成立的理由：机器人行业并不缺demo，也不缺关于通用智能的宏大叙事。但当机器人真的要从展示走向真实场景，很多基础设施仍然处在技术收敛前的混沌状态。 五指灵巧手加触觉就是其中之一：高自由度、带全掌触觉的灵巧手方案还不成熟；触觉数据难采；真机灵巧操作数据稀缺；触觉手套噪声大；不同传感器之间的数据表示不统一；统一benchmark也还没有建立…… 这些问题看起来琐碎，却互相钳制着、决定了触觉灵巧操作能不能真正走出来。 在杨朔团队研究过程中，为了采集高自由度灵巧手的触觉数据，团队曾把触觉手套裁剪后，硬套到五指灵巧手上，自己搭出一套真机采集方案。 但是手套用几天就会坏，灵巧手会发热，第一天标定好的系统，第二天也可能出现漂移，数据噪声很大，采集效率并不高。 这些看似很工程的问题，反过来强化了一个判断：触觉灵巧操作不是单点模型问题，而是一个系统问题。 这也是破晓智能为什么不能只停留在模型侧、研发侧的真实原因。 在触觉灵巧操作里，数据本身就是基础设施。破晓智能正在搭建面向人类操作的多模态数据采集平台，方向是低成本、无感便携、全场景的数据采集，把第一人称视觉、腕部视角、手部姿态、全掌触觉、全身姿态等信息放进同一套系统里。 这些工作指向同一个目标：让机器人不只看到人类怎么操作，还能获得更接近“人手真实感觉”的数据。 只有这样的数据足够多，TouchAnything才能从视频中恢复触觉，TouchWorld才能进一步学习如何预测接触、使用触觉。 破晓智能要做的，也不只是发布一个模型。 它要围绕人形机器人全身移动灵巧操作，补齐一套系统能力：触觉数据采集、触觉估计、触觉世界模型、遥操与硬件infra、评测体系，以及面向人形机器人的全身移动灵巧操作模型。 如果说EgoTouch和TouchAnything解决的是触觉数据从哪里来，TouchWorld解决的是机器人如何预测和使用触觉，那么HumanWBC指向的是破晓智能最终想完成的闭环：让机器人把感知理解、自主移动、全身控制和灵巧操作接起来，从“能看懂”，走向“能走过去、抓起来、做完事”。 这一步会把问题从桌面灵巧操作继续推向更复杂的人形机器人任务：移动、平衡、双臂协同、长程任务、全身控制，以及触觉反馈如何和机器人整体动作系统结合。 破晓智能想做的，是让机器人从“看见世界”，走向“理解接触世界”。 未来的人形机器人要进入家庭、服务、工业等真实场景，不能只靠视觉和语言。它必须知道自己有没有碰到、有没有抓稳、有没有滑、力是否合适，以及动作偏了以后该如何修正。 从EgoTouch到TouchAnything，再到TouchWorld，杨朔团队已经把这条路线推进到了真实机器人操作系统里。 破晓智能第一次亮相，想抛出的判断很明确：机器人基础模型的下一层能力，是触觉。 而冲破黎明前黑暗的第一步，就是让机器人真正知道自己碰到了什么。

新智元报道 【新智元导读】AI 能替人类干多少活？衡量这件事的标尺 RLI 刚刚更新：Fable 5 自动化率 16.1%，是第二名的两倍，但超过八成真实项目仍然做不了。 Fable 5 在远程劳动力指数（Remote Labor Index，RLI）上拿到了 16.1% 的自动化率，几乎是第二名 Opus 4.8（8.3%）的两倍，更是第三名 GPT-5.5（6.3%）的 2.5 倍。 这三个新模型全部超越了此前所有已评估模型。 而就在 8 个月前 RLI 发布时，榜单上的最高分只有 2.5%。 AI 安全中心（CAIS）在最新博客中给出了判断：前沿已经在不到八个月里翻了四倍以上，这是 Agent 经济能力加速推进的具体信号。 远程劳动力指数测的是什么 RLI 由 CAIS 和 Scale AI 联合开发，论文于 2025 年 10 月发表（https://arxiv.org/pdf/2510.26787），47 名研究者参与。 基准包含 240 个真实自由职业项目，全部来自 Upwork 平台上 358 名经过验证的自由职业者，覆盖 3D 建模、CAD、建筑设计、平面设计、视频动画、音频制作、数据分析、Web 应用等 23 个领域，总价值超过 14.4 万美元。 核心指标是自动化率（Automation Rate）：Agent 的交付物经人类评审判定，至少达到付费客户可接受水平的项目占比。 每份交付物都与一份由专业自由职业者完成的「金标准」作品逐一对比，评审标准是「一个合理的客户是否会接受这份工作」。 这把标尺与传统 AI Benchmark 的区别在于项目粒度。 RLI 的每个项目都是一个完整的商业委托——有客户 Brief、有输入文件、有多格式交付物（涵盖 72 种文件类型），人类专业人员完成一个项目的中位时间是 11.5 小时，平均 28.9 小时。 它测的是 AI 能否从头到尾独立完成一份「甲方会买单」的工作，而非仅仅是在隔离环境下解一道题。 从 2.5% 到 16.1%：八个月里发生了什么 2025 年 10 月 RLI 发布时，表现最好的 Manus 自动化率为 2.5%。 此后 Opus 4.6 搭配 Claude Cowork 将记录推至 4.17%。 最新一轮评估中，三个新模型搭配更强的 Agent 框架同时登场，成绩出现跳跃式提升。 Fable 5 的 16.1% 背后有几个关键变量。 一是 Agent 框架引入了 Worker-critic Loop：一个独立的「评审 Agent」以苛刻客户的视角检查交付物 -> 打开文件、截图、逐条核对 brief -> 发现问题后打回给「执行 Agent」修改，循环直到评审满意或预算耗尽。 CAIS 认为这一机制让追加预算真正转化成了更好的交付质量。 二是预算设置本身有差异：Fable 5 的单项目预算上限为 150 美元（因其更高的 Token 定价），其他模型为 50 美元。 三是所有 Agent 均获得了 24 小时时限、A100 GPU 和计算机操作工具。 需要注意一点：Fable 5 的评估因美国政府出口管制而中断，240 个项目中仅完成了 218 个。 CAIS 指出，未评估的 22 个项目均匀分布在各领域和难度区间，即使假设 Fable 5 在所有缺失项目上全部失败，其自动化率仍为 14.6%——依然高于其他所有模型。 AI 当裁判，靠不住 CAIS 同步测试了能否用 AI 评审替代昂贵的人类评审。 结论很清楚：不能。 自动化评审在旧模型上校准后应用于新模型时，对 GPT-5.5 的评分高估了近 3 倍，对 Opus 4.8 高估了约 2.5 倍。 排名顺序大致正确，但绝对数值严重偏离现实。 问题的根源在于，评审本身就是一个高难度的 Agentic 任务。 要公平判定一份交付物，评审者需要用正确的专业软件打开文件、操作软件、像付费客户一样做出判断——而这恰恰是当前 Agent 最薄弱的环节。 CAIS 在博客中举了一个典型案例：GPT-5.5 在一个 3D 建模任务中提交了伪造的渲染图，只有打开 3D 模型检查实际几何结构才能发现作弊。 AI 裁判遇到了和 AI Worker 一样的能力瓶颈。 16% 代表什么，不代表什么 「时间地平线」假说在 RLI 上失效了。 这一假说认为人类花费时间越长的任务对 AI 越难，在编程等特定领域确实成立，但在 RLI 覆盖的多元远程工作中并不适用。 模型的成功率并不随人类完成时间的增长而下降，呈现出「锯齿状前沿」（jagged frontier）的特征——决定 AI 能否完成一个项目的因素远不止时间复杂度。 进步速度很快，但绝对水平仍然很低。 CAIS 在博客中展示的三个 Fable 5 案例——珠宝 3D 建模、2D 动画广告、建筑图——没有一个达到了可交付的专业标准。 Fable 5 做的戒指设计在视觉质量上明显优于旧模型，但仔细检查仍能看出粗糙的爪镶设计。 84% 的真实自由职业项目仍在 AI 能力范围之外。 RLI 的价值在于它提供了一把经过经济价值校准的标尺。 它跟踪的可不是 AI 能不能解题，而是 AI 能不能挣钱。 8 个月内自动化率翻了四倍以上，这个速度值得每一个依赖远程劳动力的企业和政策制定者持续关注。 下一个关键节点是：Fable 5 剩余 22 个项目的补充评估结果，以及 Gemini 3.5 Pro（当前仅 1.25%）和 GPT-5.6 等新模型真正登场后，这条曲线会以怎样的速度飞升，会不会以指数级速度迅速超越普通人类。