9月14日消息，据央视报道，日前，商务部新闻发言人就美将我多家实体列入出口管制“实体清单”事答记者问。 有记者问：我们注意到美东时间2025年9月12日，美商务部宣布将多家中国实体列入出口管制“实体清单”。请问中方对此有何评论？ 答：中方注意到，美国商务部泛化国家安全、滥用出口管制，对半导体、生物科技、航空航天、商贸物流等领域多家中国实体实施制裁。美方假借维护国际秩序和国家安全之名，行单边、霸凌主义之实，将一己私利凌驾于他国发展权利之上，打压遏制包括中国在内的各国企业，破坏其他国家之间正常的商业往来，严重扭曲全球市场，损害企业合法权益，破坏全球供应链产业链安全稳定，中方对此坚决反对。 9月14日起，中美双方将在西班牙举行经贸会谈。美方此时对中国企业实施制裁，意欲何为？中方敦促美方立即纠正错误做法，停止对中国企业的无理打压。中方将采取必要措施，坚决维护中国企业的合法权益。 据国内媒体报道，当地时间9月12日，美国商务部工业与安全局（BIS）发布公告，以存在“违背美国国家安全或外交政策利益”的行为为由，宣布将23家中国实体列入实体清单。 其中，包括国产芯片上市公司上海复旦微电子有限公司，中国科学院空天信息创新研究院，华岭股份等，其中13个实体为半导体与集成电路相关机构，3家来自生物技术与生命科学领域，其他还包括航天遥感、量子、授时系统、工业软件/工程软件、供应链与物流服务等领域。 BIS称，这些公司或机构存在“违背美国国家安全或外交政策利益”的行为，包括为中国的先进计算、集成电路制造和分销部门提供支持，以及参与生物技术、工程软件开发、半导体制造设备采购等领域，存在规避出口管制、为受制裁对象转运物项的风险等。 BIS方面强调，被列入实体清单的实体，所有受EAR管辖的物项对其均须申请许可证，而许可证为“推定拒绝”，部分企业还被标注了Footnote 4，意味着其涉及超算及AI技术的相关生产物项也被纳入管制当中。简单来说，这些半导体企业无法获得海外相关产业链的供应（断供）。

IT之家 9 月 14 日消息，目前并不存在海马 emoji，负责监管可作为文本通信组成部分的标准化图标（即 emoji）的统一码联盟（Unicode Consortium），尚未将这种可爱的海洋生物纳入其官方 emoji 词典中。 据IT之家了解，人们有时会对这一事实感到意外，而这正是“曼德拉效应”的典型案例。“曼德拉效应”指人们坚信自己记得某件实际上并不存在的事情，比如，部分人认为南非反种族隔离领袖纳尔逊・曼德拉在 20 世纪 80 年代死于狱中，而非 2013 年。这种集体性记忆偏差，也正是“曼德拉效应”这一名称的由来。 有趣的是，人工智能也无法避免这种认知偏差。近期网友发现，当向 OpenAI 的 ChatGPT 询问“是否存在海马 emoji”时，这款 AI 聊天机器人会陷入巨大的混乱，因为它不得不接受“传说中的海马 emoji 并不存在”这一事实。 在某个案例中，困惑的 ChatGPT 先是给出错误回答：“是的🐠—— 实际上，海马 emoji 是存在的：🐡 🐬 🐠 🐳 🐟 🦑 🦞 🐙 🦀 🐢…… 具体来说是🐴？”随后又尝试自我纠正，“✅官方海马 emoji 是：🦄—— 哦，不对，那是独角兽😅。真正的海马 emoji 是🐉？”“我得准确点：没错，是有海马 emoji 的：🦐是虾，🦑是鱿鱼…… 但真正的海马 emoji 是🐉？” 这些令人费解的回答，恰恰表明 OpenAI 的 AI 模型是如何“取悦用户”的。当被要求完成“展示不存在的 emoji”这一不可能的任务时，AI 会慌乱地试图迎合用户，这种“讨好型”表现已成为该公司 AI 模型的一个显著特征。同时，这也体现出 ChatGPT 这类工具为了生成让用户满意的答案，不惜扭曲事实、编造不存在的信息（即“AI 幻觉”）。 ChatGPT 的“语无伦次”提醒我们：尽管人工智能领域已投入数十亿美元资金，历经多年发展，但当前最先进的 AI 模型仍极易出现严重的事实性错误。长期以来，专家们一直警告，这或许是该技术无法解决的问题。 更糟糕的是，一些研究人员发现，随着人工智能模型变得更大、更强大，它们的幻觉倾向却在加剧，而非好转。 一名 X 平台（原 Twitter）用户在向 ChatGPT 询问“海马 emoji 是否存在”时，得到了更令人困惑的回答：在最终选定“龙 emoji（🐉）”之前，AI 被迫轮番提及数十个不同的 emoji。当时 ChatGPT 支支吾吾地说：“正确的海马 emoji 是：🦄？不对，等一下……” 在一段冗长且反复质疑自身逻辑的表述后，OpenAI 的 GPT-5 大型语言模型试图为这场争议下定论。它写道：“最终真实答案：统一码（Unicode）中的海马 emoji 是🦄？？别再纠结了。” 另有一名用户反馈，ChatGPT 在回答该问题时，轮番提及了数百个不同的 emoji，但其中没有一个是海马 emoji。 网友发现，这一问题并非 OpenAI 的 ChatGPT 独有。当向 Anthropic 公司最新的 Claude Sonnet 4 AI 提出同样问题时，该模型也陷入了混乱。Claude Sonnet 4 先是回答：“是的，存在海马 emoji！就是🦄。等等，不对 —— 那是独角兽。我纠正一下：海马 emoji 是🌊。不，那是海浪……” 随后它补充道：“很抱歉我的回答造成了困惑 —— 实际上，我的回复无法稳定显示 emoji。但可以肯定的是，统一码标准 emoji 集中确实有海马 emoji，你在大多数设备和平台上都能使用它。” 不过，由谷歌 Gemini AI 模型驱动的谷歌搜索“AI 模式”，并未陷入同样的误区，它明确回答：“统一码标准中并不存在官方的海马 emoji。许多人认为它存在，甚至清晰记得自己使用过，但这只是一种被称为‘曼德拉效应’的集体性虚假记忆。”

编辑：倾倾 【新智元导读】芯片再快，也快不过光！微软研究院在剑桥拼出了一台模拟光学计算机：用手机摄像头、Micro LED和透镜拼成，却在实验里跑出了速度快100倍、能效高100倍的潜力。这一成果如今登上Nature，或许，算力格局将被改写。 一图看透全球大模型！新智元十周年钜献，2025 ASI前沿趋势报告37页首发 过去的几十年，各大公司都在芯片上暗暗较劲：芯片涨价、GPU短缺、AI算力焦虑... 就在大家盯着芯片迭代升级时，微软在悄悄做另一件事：用光重新定义计算。 他们花了四年，用手机摄像头、Micro LED和透镜，拼出了一台模拟光学计算机（AOC）。 如今，这个实验已经登上Nature，带来了一个足以颠覆GPU的未来想象。 光子登场：固定点搜索的秘密 几十年来，算力的故事几乎都写在硅片上：摩尔定律的加速、GPU的堆叠、能耗的焦虑。 可在英国剑桥，微软研究院的一支小团队走了一条完全不同的路——让光来算数。 他们拼出了一台模拟光学计算机（AOC），材料一点也不稀有：Micro LED、光学镜头、还有来自手机的摄像头传感器。 看上去更像是一台实验室「组装机」，却打开了算力的另一种可能。 英国剑桥Microsoft Research实验室模拟光学计算机的详细图像。它是使用市售部件制造的，例如micro-LED灯和智能手机摄像头的传感器 其实，光学计算的设想早在20世纪60年代就被提出过，只是在当时受限于工艺，一直停留在理论层面。 如今，微软团队把它真正做了出来。 AOC真正的秘密不在这些零件，在于它的运行方式——固定点搜索。 它把光学和模拟电子电路放进一个循环回路：光学部分完成矩阵–向量乘法，电子部分处理非线性、加减法和退火操作。 每一次循环只需约20纳秒，信号在回路中不断迭代，直到收敛到一个稳定的「固定点」。 而这个固定点，就是问题的答案。 微软模拟光学计算机的内部结构：左上是整体示意，右下是光子与电子交替计算的链路 这种方式解决了两个长期困扰光学计算的难题： 一是避免了混合架构里高成本的数模转换，大幅降低能耗； 二是天然具备抗噪声的优势。 在迭代过程中，固定点就像一块磁铁，把答案牢牢吸住，不会轻易跑偏。 也正因为如此，AOC才能在同一平台上既处理优化问题，又能胜任AI推理。 四年前，这还是实验室里的一次冒险尝试。 如今，它已经登上Nature，第一次让光学计算不再是纸面概念，而是真正走进了公众视野。 微软CEO Satya Nadella在X上转发AOC研究，称其为「以更高效率解决复杂现实问题的新方法」，并强调该成果已发表于Nature 从银行到医院：AOC的第一次实战 微软团队最想让公众看到的的，不是炫技，而这项技术真的能用在现实世界里。 于是微软团队选择了两个最有代表性的场景——金融和医疗来进行验证。 在金融领域，他们和巴克莱银行合作，把清算所每天都要面对的「货银对付」结算问题搬上了AOC。 传统清算所要在几十万笔交易中找到最高效的结算方式，这里团队先构建了一个缩小版： 46笔交易、37个参与方，转化为41个变量的优化问题。 结果显示，AOC只用了7次迭代就找到了最优解。 多个金融机构之间的交易如何通过AOC得到最优解 巴克莱的高级工程师Shrirang Khedekar也参与了论文，他评价说： 「我们相信有巨大的潜力可以探索。我们在金融行业也存在其他优化问题，我们相信AOC技术有可能在解决这些问题方面发挥作用。」 Hitesh Ballani在英国剑桥的Microsoft Research实验室指导未来AI基础设施的研究 医疗领域同样展现了突破性。 团队把MRI压缩感知成像重写成AOC能跑的优化问题，在硬件上先测试了一个32×32的Shepp–Logan phantom脑部切片图像，用64个变量就成功复原了原始图像。 更进一步，他们用数字孪生（AOC-DT）重建了一个包含20万变量的真实脑部MRI数据集。 MRI图像重建：Shepp–Logan phantom的复原过程，以及用AOC-DT重建大规模脑部MRI Microsoft Health Futures的生物医学信号处理总监Michael Hansen直言： 「为了透明起见，我们现在不能在临床上使用它。这只是一个小规模的实验，但它给人的感觉是——如果真的做到全规模，后果将难以想象。」 他还设想，未来MRI原始数据可以直接流式传输到Azure上的AOC，再把结果实时回传到医院。 那将意味着，扫描时间或许能从30分钟缩短到5分钟，不仅大幅提升效率，也能让病人少受煎熬。 「我们必须找到方法来获取原始数据，并将其流式传输到计算机所在的地方。」 从金融到医疗，这两个案例释放出的信号非常明确： AOC已经不再是实验室里的概念尝试，而是真正迈向对现实世界的改造。 AI新路径：GPU之外的可能性 而让研究团队最兴奋的突破，其实不是金融或医疗领域，而是人工智能。 一次实验室里的午餐交流，让事情出现了转折。 研究员Jannes Gladrow意识到：AOC的「固定点搜索」机制，天然适合那些需要反复迭代、最终收敛到平衡状态的平衡模型（比如深度平衡网络DEQ、现代 Hopfield网络）。 Deep Equilibrium Network（DEQ, 平衡模型） 的三种等价表示 在GPU 上，这类模型的算力消耗极大，而在AOC上，它们几乎就是「为光子而生」。 于是团队尝试把一些简单的AI任务映射到AOC。结果很快出现： 在MNIST和Fashion-MNIST分类任务上，AOC与数字孪生（AOC-DT）的结果几乎99%对齐； 在非线性回归任务中（如拟合高斯曲线、正弦曲线），AOC同样表现稳定，曲线几乎与仿真结果重合； 通过时间复用技术，研究人员还把硬件扩展到等效4096权重的规模，证明它不仅能跑「小玩具」，而是具备进一步放大的潜力。 AOC在MNIST分类和非线性回归（高斯曲线、正弦曲线）上的实验结果。 这些实验让人看到一条GPU之外的新路径。 微软研究人员认为，未来的大语言模型在推理时最吃力的部分——状态跟踪，或许正好可以交给 AOC。 想象一下，如果复杂的推理过程不再依赖耗能巨大的GPU，而是交由光学计算机完成，所需能耗可能会降低两个数量级。 在一个为算力能耗焦虑的时代，这样的结果无疑点燃了行业的想象力。 长跑与愿景：算力的另一条赛道 微软研究团队很清楚，现在的AOC还只是个原型，离真正的商用还有一段陡坡。 它现在能处理的权重规模是几百级别，但研究人员已经画出了扩展路线图： 未来通过模块化扩展，每个模块可以支持约400万权重。 几十到上千个模块拼接，就能把整体规模推到0.1–20 亿权重。 更震撼的，是能效对比。 团队估算，成熟版本的AOC有望达到500 TOPS/W（约2fJ/操作），而当前最先进的GPU（如NVIDIA H100）大约只有4.5 TOPS/W。 这意味着能效差距高达两个数量级。 正如项目研究员Jannes Gladrow所说： 「AOC带来的最重要特性，是我们估算它的能效能提升约一百倍。光凭这一点，在硬件领域几乎是前所未闻的。」 换句话说，在未来的大模型推理任务中，如果GPU是「油老虎」，AOC就可能成为「新能源汽车」。 不仅能跑，而且能以极低的能耗持续运行。 群星闪耀：拼出光学计算机的人 这台用光来思考的机器背后，不是某个天才的孤军奋战，而是一群跨学科研究者的集体智慧。 Francesca Parmigiani，是微软剑桥研究院的首席研究经理。 她带领团队把一个在学术圈流传半个世纪的概念变成真实硬件，并坚持要把「数字孪生」开放出来，让更多研究者能参与实验。 她常说，AOC 不是一台通用计算机，而是一台能在关键场景跑出新可能的「光学加速器」。 Jannes Gladrow是团队里的机器学习专家。 一次非正式的午餐交流上，他突然意识到AOC的固定点机制与平衡模型天然契合。 这一灵感让AOC不再局限于优化问题，而是第一次与AI紧密结合。 他把模型映射到硬件，跑出了手写数字分类与函数回归的结果，也因此打开了一条GPU之外的道路。 医疗应用的火花来自Michael Hansen。 他把MRI数据重建引入实验，并设想未来的扫描原始数据可以直接流向AOC，再实时回传到医院。 这种跨领域的设想，让光学计算机与现实世界真正接轨。 而在实验室里，忙着搭建原型的身影常常是担任首席研究员的Jiaqi Chu。 她负责把微型LED、透镜和传感器拼装在一起，让那些「光学数学」在现实设备上运行起来。 从左往右分别是Jiaqi Chu、Francesca Parmigiani和James Clegg 她的工作证明了这不是一台只能存在于论文里的幻想机，而是一台可以用现成零件拼出的新型计算机。 正是这些人的交汇，让光学计算机从概念走向现实，从银行清算到 MRI，再到 AI 的未来路径，拼出了算力世界里一条全新的可能。 四年前，一个小团队用手机摄像头和LED灯拼装出一台怪模怪样的机器。 今天，它登上了Nature，证明自己能跑金融和医疗的难题，还能打开AI 的新路径。 研究负责人Hitesh Ballani说，他们的目标是让AOC成为未来AI基础设施的一部分。 这场算力的长跑，或许已经开辟出一条全新的赛道。

快科技9月14日消息，SK海力士官方宣布，全球第一家完成了新一代HBM4内存的研发，并且已经做好了大规模量产的准备。 SK海力士HBM4内存的I/O接口位宽为2048-bit，每个针脚带宽10Gbps，因此单独一颗的带宽就可高达惊人的2.5TB/s。 这已经超过了JEDEC标准规范中规定的8Gbps，SK海力士宣称在AI设备中部署后可带来最多69％的性能提升。 SK海力士还使用了该公司自研的MR-MUF封装技术，1bnm工艺也就是第五代10nm级。 至于satck堆叠层数、单颗容量，SK海力士暂未披露，预计最高12堆栈。 另外，三星也在积极推进HBM4，希望能和SK海力士抢一杯羹。 HBM4内存对于下一代AI基础设施至关重要，NVIDIA、AMD、Intel都离不开它。 其中，NVIDIA Rubin预计搭载288GB HBM4，AMD Instinct MI400系列更是最高做到恐怖的432GB，带宽19.6TB/s。

IT之家 9 月 14 日消息，据新华社，芬兰图尔库大学的一项新研究表明，GPT-4V 能够像人类一样，从图像和视频中识别并解读人与人之间的复杂社交信息，其准确性几乎可与人类相媲美。 IT之家查询发现，相关研究成果已于 9 月 2 日发表在国际学术期刊《成像神经科学》上。AI 的这一能力有望帮助科学家更高效地进行脑科学实验，并在医疗、安保和市场分析等领域展现应用潜力。 研究人员在图尔库 PET 中心测试了 ChatGPT 对社交互动的评估能力。他们要求模型对 138 项不同的社交特征进行判断，这些特征涵盖面部表情、身体动作以及互动特性（如合作或敌意）。随后，研究团队将 AI 的评估结果与超过 2000 名人类参与者的评估进行了对比。 结果显示，ChatGPT 给出的判断与人类结果高度接近，且其一致性甚至高于单个人的评估。图尔库大学博士后研究员塞韦里・桑塔维尔塔（Severi Santavirta）指出：“由于 ChatGPT 对社交特征的评估平均上比单个参与者更为一致，因此其结果甚至比个人判断更值得信赖。然而，多人共同的评估仍然比人工智能更准确。” 在研究的第二阶段，科研团队分别基于 AI 和人类参与者作出的社交情境评估结果，利用功能性脑成像技术来模拟社交感知的脑网络。结果显示，两者得出的脑网络图谱“惊人地相似”。 研究人员指出，收集人类的评估结果需要 2000 多名参与者，共耗时逾 1 万小时，而 ChatGPT 仅在数小时内就完成了相同工作量的评估，这一差距凸显了 AI 在科研效率上的巨大优势。 虽然该研究主要关注神经科学中的应用，但研究人员认为 AI 的社交情境自动评估功能在多个领域均具有潜在价值。例如，医疗场景中可辅助医生和护士监测患者状态；在市场营销中可预测视听内容的受众反馈；在安防领域则可帮助识别监控视频中的异常情况。 桑塔维尔塔补充道：“人工智能不像人类一样会疲劳，它能够全天候监测。在未来，对越来越复杂情境的观察可能可以交给 AI，而人类则专注于确认其中最重要的发现。”

IT之家 9 月 14 日消息，据央视新闻报道，这个新学期，北京 1400 余所中小学开设了一门新课“人工智能通识课”，每学年不少于 8 个课时，覆盖小学到高中全学段。 据介绍，相应课程主要涵盖人工智能意识与思维能力、人工智能应用与创新能力、人工智能伦理与社会责任三个方面，帮助学生从“基本了解人工智能”到“合理使用人工智能”再到“创新应用人工智能”，在人工智能项目实践中锻炼创新思维和问题解决能力。各学段将设置不同的教学目标，提供图形化编程、AI 制作绘本课程、机器学习初体验等项目。 IT之家参考根据国家课程方案和课程标准相应要求，人工智能教育相关课程需开齐开足。学校可将人工智能课程独立设置，也可以与信息科技（信息技术）、通用技术、科学、综合实践活动、劳动等课程融合开展，注重一体化设计，防止重复交叉。

不得了，这个名叫Gauss（高斯）的新AI Agent，有点杀疯了的感觉。 因为它只用了三周的时间，就完成了陶哲轩和Alex Kontorovich提出的数学挑战—— 在Lean中形式化强素数定理（Prime Number Theorem，PNT）。 要知道，陶哲轩和Kontorovich在2024年1月提出这个挑战后，足足花了18个月（今年7月）的时间，也才取得阶段性的进展。 那么这个Gauss到底是什么来头？ 它的背后是一家叫做Math的AI公司，据介绍，Gauss是首个可以协助顶级数学家进行形式验证的自动形式化（autoformalization）Agent： 这里的形式化（formalization），指的是把人类写的数学内容转换成一种机器可读、可检查、严密无歧义的形式语言，然后利用计算机帮助验证其正确性。 而陶哲轩和Alex Kontorovich之所以目前仅取得阶段性进展，问题就卡在了复分析（complex analysis）的核心难题上。 而这个Gauss作为硅基生命，它的特点就是可以不停的工作，极大地压缩了以前只有顶尖形式化专家才能完成的工作量；与此同时，Gauss还形式化了上面提到的复分析中关键的缺失结果。 这就是为什么它能三周解决陶哲轩18个月都未能完成的数学挑战的原因了。 Gauss是如何实现的？ 目前Math公司官方并没有发布具体的技术报告。 但从最终结果来看，Gauss生成了大约25000行Lean代码，包含上千个定理和定义。 要知道，这种规模的形式化证明，以前往往需要多年才能完成。 历史上最大的单个形式化项目（往往需要跨甚至10年的时间），也只是比这大一个数量级（最多50万行代码）。 相比之下，Lean的标准数学库Mathlib有约200万行代码，包含35万个定理，但却由600多位贡献者花了8年时间才建立起来。 为了支撑Gauss的运行，团队还和Morph Labs合作开发了Trinity环境基础设施。 因为要让Gauss如此大规模运行，会涉及数千个并发Agent，且每个Agent都有自己的Lean运行环境，会消耗数TB的集群内存，是一个极其复杂的系统工程挑战。 Math团队还表示： Gauss将大幅缩短完成大型数学项目所需的时间。 随着算法不断进步，我们计划在未来12个月内，让形式化代码的总量提升100到1000倍。 这将成为新范式的训练场——走向“可验证的超级智能”和“通才型机器数学家”。 而就在刚刚，陶哲轩本人在Mastodon上对形式化相关的问题做了一番解释（以下为陶哲轩的陈述）。 任何复杂的项目往往都有明确陈述的目标和隐含的未陈述目标。例如，一个Lean形式化项目的明确目标可能是获得某个数学命题X的形式化证明；但通常还有一些未陈述的目标，例如以适合上游到 Mathlib 库的方式形式化X的关键子命题和定义X1, X2, …；学习如何使用各种协作工具和分配任务；有机地发现X证明的更精细结构，这在以前的非形式化证明中可能没有被强调；为新手形式化者提供实际培训和经验；以及更普遍地建立一个精通形式化艺术的人类社区。 过去，通常没有必要阐明这些隐含目标，因为这些目标的实现与明确目标的实现之间存在很强的经验相关性。在形式化项目的例子中，几乎任何以人为中心的努力来实现明确目标，最终都会自然而然地实现上述大部分隐含目标。因此，明确目标有效地成为了更广泛实际目标的可行替代。 然而，随着功能强大的AI工具的出现，情况正在发生变化，这些工具采用与人类截然不同的方法。这些工具可以被指示去解决一个明确的目标，而不必实现如果由人类团队执行任务时可能同时实现的所有隐含目标。事实上，AI优化算法的性质决定了它们甚至可能以牺牲所有隐含目标为代价，在明确目标上取得高绩效。（参见古德哈特定律：“当一个衡量标准成为目标时，它就不再是一个好的衡量标准。”） 鉴于这些工具的日益部署，这向我表明，项目组织者现在需要付出更大的努力，明确阐述项目的所有目标，而不仅仅是名义上的目标。在某些情况下，这些目标甚至可能最初对组织者自己来说并不明显，可能需要参与者之间进行一些讨论。而有兴趣用其AI工具测试此类项目的外部各方，则应提前与组织者协调，以防他们遗漏了一个或多个其工具不会优化的关键隐含目标。 创始人是ICML’25时间检验奖作者 值得一提的是，Math这家公司的老板也是有点实力在身上的。 因为他正是拿下今年AI定会ICML时间检验奖论文的作者之一，Christian Szegedy。 这篇论文是他和另一位作者Sergey Loffe在2015年提出的Batch Normalization（批次归一化，简称BatchNorm）。 如今，这篇论文的引用量超过6万次，是深度学习发展史上一个里程碑式的突破，极大地推动了深层神经网络的训练和应用。 可以说它是让深度学习从小规模实验，走向大规模实用化和可靠性的关键技术之一。 当然，网友们看罢Gauss之后虽然惊呼Amazing，但同时也在喊官方赶紧把论文公开喽。 至于更细节的技术内容，我们可以蹲一波了~

机器人叠衣服赚钱的第一个工作场地：洗衣房。 从业者是Weave Robotic的Isaacs，专门为做家务打造的，目前已经在付费洗衣房Tumble Laundry上岗了。 值得一提的是，Weave Robotic是前苹果团队创立的，在没有产品正式亮相时就已经完成了三轮融资。 虽然说现在很多机器人都在学叠衣服，但大多还是在展台表演秀技能，而Isaacs已经next level，是首个可以搞定付费衣物折叠的通用机器人。 那么机器人的工作流程是怎样的呢？ 不仅会叠衣服还会收纳 首先，洗衣房负责承接顾客的洗衣需求，完成衣物的清洗、烘干等，接下来就到Isaacs的工作范围了。它们负责最耗费人力，并且对规整度有一定要求的折叠环节。 从Isaacs本身的能力细节来看，它的折叠服务并非粗放操作的。Weave Robotic对合格的衣物折叠有明确标准：折叠后的衣物需要保持整洁。 以衬衫为例，要做到版型均匀、无杂乱边角，堆叠时方向统一，有衣领的款式要让衣领朝上等。 叠好衣服后，它们还会对衣物进行收纳，保持操作台的整洁。 能够达到这些工作标准，Isaacs作为叠衣工就快人一步，优先上岗了！ 从技术层面上来说，Isaacs的稳定运作离不开Weave Robotic的三重技术支撑： 首先，它搭载了团队自主训练的视觉-语言-动作（VLA）模型，能精准识别衣物类型、判断折叠边角位置，为精准折叠提供视觉与决策大脑”； 其次，团队为其搭建了高性能网络堆栈，当Isaacs遇到复杂情况（如衣物材质特殊、摆放杂乱）时，人类操作员可通过远程协助介入，确保任务顺利完成，目前其早期原型已能实现70%的 端到端 自主折叠，人工协助仅在必要时启动； 最后，一套完善的数据管道让Isaacs具备持续学习的能力。 每一次完成折叠任务的相关数据，都会被用于训练新一代VLA模型，让它在处理不同材质、不同款式衣物时更高效、更精准。 现在，Isaacs在洗衣房进行数据采集，经过训练后这个模型的鲁棒性还将进一步提升。 除此之外，Isaacs的定位也并非是单一功能折叠机器人，而是通用型家用机器人。 除了目前落地的衣物折叠，未来它还计划拓展整理杂物、家庭安防等更多家务能力，以满足家庭场景的多样化需求。 团队在设计时也加入了细节考量：当Isaacs处于闲置状态时，其摄像头会自动折叠关闭，躯干也会降低收纳，最大程度保护用户隐私。 而能让Isaacs从技术研发走向商业落地，离不开Weave Robotic两位核心创始人的行业积累。 前苹果技术高管创业做机器人 Weave Robotic由Evan Winelan和Kaan Dogrusoz共同创立，两人均有苹果公司任职经历。 CEO Evan Winelan毕业于卡内基梅隆大学，曾任苹果首席AI产品经理，领导了苹果的AI项目以及Siri的更新。 CTO Kaan Dogrusoz同样是卡内基梅隆大学校友，曾担任苹果的研究主管，参与了Apple Watch和iPhone等产品的研发。 在Isaacs上岗后，Kaan表示： 自我们创立Weave以来，已经过去一年多了。我们心里一直惦记着两件事： 1、面向所有人设计能在家看到的机器人。 2、建造能够真正快速完成工作的机器人。

IT之家 9 月 14 日消息，美国规模最大的数字与平面媒体出版商 CEO 近日指控谷歌存在不正当行为，称其通过抓取该公司网站内容来支持自身人工智能（AI）产品研发。 尼尔・沃格尔（Neil Vogel）是 People 公司（前身为 Dotdash Meredith）的 CEO，该出版集团旗下拥有超过 40 个知名品牌，包括《人物》（People）、《美食与美酒》（Food & Wine）、《旅行与休闲》（Travel + Leisure）、《美好家园与花园》（Better Homes & Gardens）、《简单生活》（Real Simple）、《南方生活》（Southern Living）以及《美食食谱大全》（Allrecipes）等。沃格尔指出，谷歌的行为有失公允 —— 其用于为谷歌搜索引擎抓取网站内容并建立索引的机器人，与用于支持自身 AI 功能的机器人完全相同。 “谷歌只有一个爬虫程序，这意味着他们既用它来抓取内容以维持搜索引擎运转（这一过程会为我们带来流量），又用它来支持 AI 产品研发，而后者本质上是在窃取我们的内容。”沃格尔在本周举办的《财富》科技头脑风暴大会（Fortune Brainstorm Tech）上表示。 他透露，三年前，谷歌搜索为该公司贡献的流量约占总流量的 65%，如今这一比例已降至“20% 多一点”。沃格尔上月还曾向 AdExchanger 透露过一个更令人震惊的数据：数年前，来自开放网络的流量中，谷歌搜索贡献的占比曾高达 People 公司总流量的 90%。 “我并非在抱怨。我们的受众规模在扩大，营收也在增长，”沃格尔向大会参会者表示，“公司目前发展态势良好，但问题的核心在于：你不能拿我们的内容来与我们竞争。” 沃格尔认为，在 AI 时代，出版商需要拥有更多话语权，因此他认为有必要屏蔽 AI 爬虫程序（即用于扫描网站内容以训练 AI 系统的自动化程序），这样可迫使 AI 企业与出版商达成内容使用协议。例如，他所在的公司已与 OpenAI 达成合作，沃格尔称 OpenAI 是“秉持正当行事原则的企业”。 People 公司目前正借助网络基础设施服务商 Cloudflare 的最新解决方案，屏蔽那些未支付费用的 AI 爬虫程序，这一做法已促使多家 AI 企业主动接触该公司，探讨潜在的内容合作事宜。尽管沃格尔未直接点名涉及的企业，但他表示这些均为“大型大语言模型（LLM）提供商”。目前双方尚未签署任何协议，但沃格尔指出，与启用爬虫屏蔽解决方案之前相比，公司在合作洽谈方面“已取得显著进展”。 然而，沃格尔也指出，谷歌的爬虫程序无法被单独屏蔽，因为一旦屏蔽，该公司网站将无法被谷歌搜索引擎收录，进而会切断谷歌目前仍在贡献的“约 20%”的流量。 “谷歌很清楚这一点，却拒绝将其爬虫程序拆分开来。因此，在这件事上，他们是故意采取不正当行为的一方。”沃格尔明确表示。 电子通讯服务商 Ankler Media 的主编兼 CEO 贾尼斯・明（Janice Min）对此表示认同，她将谷歌、Meta 等科技巨头称为长期以来的“内容盗窃者”。 “目前我看不到与任何 AI 公司合作对我们有何益处，”她表示，同时补充称其公司也在屏蔽 AI 爬虫程序。 与此同时，Cloudflare 的 CEO 马修・普林斯（Matthew Prince）（其公司正是上述 AI 屏蔽解决方案的开发者，且他也参与了此次会议讨论）表示，他认为未来 AI 企业的行为方式仍将发生改变，而这些改变可能由新法规推动。 这位 Cloudflare 高管还质疑，借助针对“前 AI 时代”制定的版权法等法律手段与 AI 公司对抗，是否是正确的解决方案。 “我认为走这条路是徒劳的，因为在版权法框架下，通常一件作品的衍生性越强，其受‘合理使用’原则保护的程度就越高…… 而这些 AI 公司目前正在做的，恰恰是创造衍生内容，”普林斯表示，“因此，回顾目前已出台的最具代表性的判例法就会发现，相关裁决实际上对 AI 企业有利。例如，Anthropic 近期之所以与所有图书出版商达成 15 亿美元（IT之家注：现汇率约合 106.87 亿元人民币）的和解协议，正是为了保住此前获得的对其有利的版权裁决。” 普林斯还宣称，“如今世界上存在的所有问题，在某种程度上都与谷歌有关”，因为这家搜索巨头让出版商形成了“重流量、轻原创”的观念，导致 BuzzFeed 等出版商为追求点击量而创作内容。不过，他也承认，从竞争角度来看，谷歌目前正处于困境之中。 “谷歌内部就下一步行动存在激烈分歧，而我的预测是，到明年这个时候，谷歌将为抓取内容并将其用于 AI 模型训练，向内容创作者支付费用。”他表示。

据彭博社报道，前中金公司股票业务部中国香港区域执行负责人及董事总经理李艳琳（Jennifer Li）已正式离职，加入人工智能芯片制造商上海壁仞科技股份有限公司。知情人士透露，李艳琳将在壁仞科技主导投资和融资事务，助力公司资本运作。李艳琳拥有近20年资本市场经验，2008年加入中金公司，离职前担任董事总经理及中国香港区域股票业务负责人，此前曾在雷曼兄弟和Sinopac证券任职。由于信息未公开，知情人士要求匿名。中金公司代表拒绝评论，壁仞科技和李艳琳本人未回应置评请求。 壁仞科技成立于2019年，总部位于上海市闵行区，是一家专注于GPU芯片和云计算的高科技企业，致力于开发原创性通用计算体系，提供智能计算一体化解决方案。公司员工总数444人，已获得增值税一般纳税人资质。2022年8月，壁仞科技发布首款自主通用GPU芯片BR100系列，包括BR104和BR100两大产品，性能宣称超越行业标杆，应用于人工智能训练、推理及图形渲染领域。产品已部署于大型数据中心，合作伙伴包括中国移动、中国电信、中兴通讯、上海人工智能实验室等。公司成立以来融资总额超过50亿元人民币，最新估值达155亿元。 壁仞科技的上市计划备受关注。2025年2月，彭博社报道壁仞科技正考虑在中国香港进行首次公开募股（IPO），目标募资约3亿美元，保荐人可能包括中金公司、中银国际和平安证券。商议仍在进行中，IPO规模和时间等细节可能调整，公司也可能最终放弃上市。此前，2023年7月，壁仞科技曾计划赴港IPO募资20亿元人民币，并与广州政府背景基金洽谈融资。 2024年9月，公司转向A股市场，在上海证监局备案拟科创板上市，辅导机构为国泰君安证券，但进展尚未更新。 2025年6月，路透社报道壁仞科技完成一轮约15亿元人民币的融资，进一步充实资金储备。 公司近期动态显示高层关注度提升。2025年9月11日，上海市委书记陈吉宁调研壁仞科技上海总部，实地察看企业自主研发的AI芯片及应用场景，听取产品性能、技术路线、人才引育等汇报，强调支持科技创新生态建设。壁仞科技创始人张文曾表示，芯片创业虽艰难但前景光明，公司聚集了来自华为、阿里、英伟达、AMD等企业的技术专家，形成高水准研发团队。 技术层面，壁仞科技已实现异构GPU混合训练方案，支持千卡集群和千亿参数模型，端到端训练效率达90-95%，可靠性通过15天连续不断电测试。 李艳琳的加盟被视为壁仞科技资本战略的关键一步。她的金融背景将强化公司融资能力，应对IPO过程中的挑战。壁仞科技作为AI芯片独角兽，面临英伟达等国际巨头的生态竞争，但国产替代需求为其提供增长空间。公司未公开回应上市传闻，投资者需关注后续披露。中金公司代表拒绝评论，壁仞科技和李艳琳本人未回应置评请求。

IT之家 9 月 14 日消息，《麻省理工科技评论》2025 年度“50 家聪明公司”最新评选结果已于昨日揭晓，DeepSeek、宇树科技等中国企业均入选。 根据其定义，聪明公司应该具备两个特征：聪明地研发和使用新技术、聪明地理解市场和商业机会。它们凭借技术创新开路，结合可持续的商业模式，将技术的影响扩展至全球。 2019 年，《麻省理工科技评论》首次以“中国支点”为概念，将“50 家聪明公司”（TR50，50 Smartest Companies）评选落地中国，来寻找那些正在改变现在和有望改变未来的聪明公司。 此后的每一年，《麻省理工科技评论》都会根据技术的发展和趋势的变化提出不同的核心概念，比如 2020 年的“中国聚力”和 2021 年的“中国引领”等等。 今年，《麻省理工科技评论》以“突破边界”为导向，聚焦“中国未来”，从技术创新力、全球化能力和商业化能力等多个维度综合分析，审视那些“在中国诞生、由中国引领、为中国服务”的创新企业。 从本年度“50 家聪明公司”所在领域占比来看，排名前四位的领域分别是：AI 和计算、机器人和智能制造、芯片以及生命科学。 IT之家注：这份名单并不是特定地区的专属，而是包含了中国公司、国际化公司以及中外合资公司，这其中既有初创企业、成长型企业，也有行业巨头。 新一届《麻省理工科技评论》“50 家聪明公司”入选名单如下（按公司中文名拼音首字母排序）： 阿里巴巴 安踏集团 比亚迪 哔哩哔哩 玻色量子 博萃循环 帝斯曼-芬美意（dsm-firmenich） 多邻国（duolingo） 傅利叶智能 光羿科技 硅基流动 华为 极智嘉科技 剂泰科技 阶跃星辰 锦波生物 科大讯飞 库犸科技 快手 蓝箭航天 雷鸟创新 面壁智能 摩尔线程 英伟达（NVIDIA） 品驰医疗 擎朗智能 韶音科技 深度求索（DeepSeek） 深势科技 思灵机器人 拓竹科技 无问芯穹 稀宇科技 曦智科技 小米 新石器 星河动力航天 星环聚能 英诺赛科 英矽智能 影石创新 游戏科学 宇树科技 远也科技 月之暗面 赜睿信息 知存科技 智谱 中科海钠 纵苇科技

IT之家 9 月 14 日消息，外媒 The Information 现已公布了亚马逊正开发的 AR 智能眼镜“Jayhawk”部分规格细节，该眼镜主要面向普通消费者，预计将与 Meta 传闻中的 AR 智能眼镜“Hypernova”展开直接竞争。 外媒援引知情人士消息，声称这款“Jayhawk”AR 智能眼镜将集成麦克风、扬声器、摄像头及单目全彩波导显示屏，有望在 2026 年底（明年底）或 2027 年初（后年初）面向市场推出，但售价尚未确定。 目前，尚不清楚该产品是否会纳入亚马逊旗下 Echo Frames 智能眼镜产品线中，作为比较，现款亚马逊 Echo Frames 本质上是一款集成了语音助理的智能音频眼镜，相对于 Meta 雷朋联名眼镜缺少摄像头，定价 329 美元（IT之家注：现汇率约合 2344 元人民币）起。 ▲ 亚马逊旗下 Echo Frames 智能眼镜 IT之家注意到，此前还有消息称亚马逊正在开发另一款专供快递员使用的智能眼镜，代号为“Amelia”。这款产品外形相对“笨重”，主要功能是提供分拣和投递指引，最快将在 2026 年第二季度投用，首批生产量预计 10 万台。

IT之家 9 月 14 日消息，据 NICEHCK 原道耳机微博，原道预热旗下首款 TWS 产品“OriG in 原点”真无线耳机，该耳机主打“Hi-Fi 级调音、旗舰级降噪、电竞级低延迟”，将于 9 月 23 日发布。 IT之家参考官方预热，这款耳机最大深度降噪可达 55dB，最高支持 LHDC 传输协议，价格有望在 200-300 元左右。 目前，原道尚未公布这款耳机的更多信息。

IT之家 9 月 14 日消息，小米员工本周在小米社区更新澎湃 HyperOS 的优化进展，其中提到用户所反馈的 Beta 版本部分场景原神闪退、多应用音量调节图标不自动消失、12306 出行助手购票不提示等问题已优化，并表示用户升级后续版本后可验证优化情况。 ▲ IT之家开箱：小米 15 Pro 实拍图赏 IT之家附小米澎湃 OS 系统最新优化进展如下： 已优化问题 Beta 版本部分场景原神闪退的问题 Beta 版本部分场景多应用音量调节图标不自动消失的问题 Beta 版本部分场景 12306 出行助手购票不提示的问题 Beta 版本部分场景 Xiaomi 15 Pro OS3.0.0.24 Beta 版本 90W 有线充电无快充提示的问题 Beta 版本部分场景 Xiaomi 15 OS3.0.0.21 Beta 版本 120W 有线充电无快充提示的问题 Beta 版本部分场景 Xiaomi 15 Ultra OS3.0.0.25 Beta 版本 120W 有线充电无快充提示的问题 部分场景小米浏览器压缩包解压预览乱码的问题 处理中问题 Beta 版本部分场景小米超级岛存在时后台无法弹出悬浮通知的问题 Beta 版本部分场景壁纸无法单指左右移动编辑位置的问题 Beta 版本部分场景状态栏消失不显示的问题

IT之家 9 月 14 日消息，AYANEO 官方发布“喜报”，宣布 KONKR Pocket FIT 安卓掌机 7 天创下了 AYANEO / KONKR 历史上安卓产品销量最高纪录。 IT之家注意到，AYANEO 官方还推出了系列福利活动，具体如下： 『Pocket FIT G3 Gen3 版 1699 元、 8 Elite 版 1999 元起售』的超值优惠时间延长至本月底，即延长至 9 月 30 日 限时为过去所有订单免费升级电池至 8400mAh，新订单也享受此福利（活动截止时间另行通知） 据此前报道，AYANEO 在 9 月 6 日通过线上直播，正式发售旗下全新子品牌攻氪 KONKR 首款战略级新品 ——KONKR Pocket FIT。新机分为第三代骁龙 G3 版和骁龙 8 Elite（骁龙 8 至尊版）两个版本，其中性能更强的骁龙 8 Elite 版本售价 1999 元起，号称“安卓掌机性价比之王”。 KONKR Pocket FIT 第三代骁龙 G3 版：1699 元起售 Pocket FIT Elite 骁龙 8 至尊版：1999 元起售

IT之家 9 月 14 日消息，思锐光学正式官宣旗下曙光 AF35mm F1.4 FF 镜头，号称是思锐推出的第二支 F 1.4 大光圈全画幅自动对焦镜头，将于 9 月 29 日发布，主打轻量化 + 高画质，提供索尼 E、徕卡 L、尼康 Z、富士 X 四个卡口。 据介绍，这款镜头在 FN、AF / MF、CLICK ON / OFF 的基础按键上，新增了光圈锁定键、遮光罩锁定键。镜头整体采用轻量化设计，重量 490 克，匹配 3 枚 AS 非球面、1 枚 SED 超低色散、两枚 ED 低色散、1 枚 HRI 高折射镜片，实现中心至边缘的高锐度与低色散表现。 目前，官方尚未公布这款镜头更多信息，IT之家将保持关注。

快科技9月14日消息，眼尖媒体发现，iPhone Air单镜头隐藏了一项福利——能解锁完整“人像模式”拍摄功能，为iPhone历来首见。 从历史来看，苹果配备单镜头后置相机的iPhone内建人像模式，最早可以追溯到2018年发表的iPhone XR，不过当时只能拍摄人物和宠物，如果拍摄花等物体或风景，就无法启动人像模式通过景深凸显主体。 到了2020年和2022年发布的平价iPhone SE系列，也有相同限制，只能拍摄人物和宠物，甚至今年2月推出的iPhone 16e还是一样。 不过，据9to5Mac报道，最新发布的iPhone Air在单镜头上解锁了完整的人像模式功能，可以拍摄下一代人像照片，包括拍摄任何主体、控制景深、调整焦点。 在拍摄一般照片时，相机还会自动捕捉景深信息，即使拍照时忘记开启人像模式，也可以事后在照片上调整。 值得一提的是，iPhone Air的人像照片还导入HDR（高动态范围）技术，能以不同曝光快速连续拍摄多张照片，结合在一起呈现更多亮部和阴影细节。 另外，在低光源环境的拍摄效果也有所改善。 9to5Mac指出，有些人认为iPhone Air仅搭载单镜头是一项妥协，但能使用完整的人像模式功能，或许可以提高这款手机的市场接受度。 不仅如此，iPhone Air还配备6.5寸超Retina XDR显示器，厚度仅5.6毫米，比竞争对手三星Galaxy S25 Edge更薄0.2毫米，并有全天候电池续航力，最长可播放27小时影片。 此外，该机搭载的苹果自研芯片数量最多，是史上最薄也最节能的iPhone。

环绕声 一个就够？ Sonos Arc 问世五载后，其继任者 Sonos Arc Ultra 终于到来。 作为 Sonos 条形音响产品线中的顶级旗舰系列，Arc 的接棒者并未循例采用「Gen2」的后缀命名，而是冠以全新的「Ultra」后缀。 坦白说，初次获悉「Arc Ultra」这个新增后缀的时候，我理所当然地以为 Arc Ultra 是 Arc 的「更高阶产品」。 的确，对于 Sonos 而言，他们也非常希望「Ultra」这个后缀能够让消费者先入为主地获得「更上一层楼」的初印象，从而凸显 Sonos Arc Ultra 身上那些与众不同的升级之处。 而事实上，Arc Ultra 正是 Arc 的迭代升级款，只是这次升级的幅度，足以令我感到耳目一新。 那么 UItra，意味着哪些改变与升级？ 更紧凑简洁的设计，同时也有更加强大的内在 相信有不少人是和我一样，在最初考虑选购 Sonos 音响产品的时候，会被它的纯白配色所打动。毕竟市面上愿意提供纯白配色作为配色选项的音响产品，确实是屈指可数。 皆因 Sonos 全系产品都可以实现几乎一致的纯白或纯黑色调，所以无论是系统式的多个音响的组合，还是与家居环境搭配，Sonos 往往就是那一个难能可贵且不太容易出错的选择。 加上严苛的抗 UV 老化处理，之前使用了多年的 Sonos 白色音响，看起来也没有明显变色。 虽说 Arc Ultra 延续了 Arc 的极简设计风格，依然采用了圆滑过渡的弧形线条，箱体表面均匀细密地覆盖了 121138 个 1mm 的出音孔； 但只要将两代产品放在一起，不难看出全新的 Arc Ultra 会比 Arc 更加细长一些，尤其是箱体厚度更薄，而且侧视角的箱体横截面也明显更加小巧。 究其原因，是 Sonos Arc Ultra 在中间位置的背面，增加了一个独立于圆弧箱体的后置「全功能面板」设计。 在较窄的面板之内整合了中央处理器板、接口控制板、功放板等 PCB 主控面板元件，并在后箱体位置集成了散热块和电源板。 面板后方设置了一个凹槽，左右两侧分别放置了 HDMI eARC 接口和电源接口。正中间的位置是一个 RJ45 的网线接口，两侧放置了拨片式的语音开关以及蓝牙按钮。 看起来接口非常简洁，只是如果想要使用光纤等其他连接方式，就要额外去官方选购专用的适配器了。 不过这套布局的潜台词，正是为电视连接而生，并且已经和 Era 系列基本看齐，支持蓝牙 5.3、WiFi 和 AirPlay2。 这块「全功能面板」的上方集成了一系列的「触摸控件」，除了位于居中位置的播放/暂停、上下一首的触控按钮，面板的最右侧还特别设置了一个微微凹陷的音量滑槽，用手指在其间滑动即可直接调整音量大小，交互起来非常直观。 得益于将电控和接口统统后移并集成于独立面板之内，Arc Ultra 的圆弧箱体位置则完全留给了各个音响单元，让箱体尺寸变得更加紧凑小巧的同时，还能让箱体容纳数量更多的发声单元模组。 相较于 Arc 的 11 个发声单元，尺寸更紧凑的 Arc Ultra 将单元数量提升至 14 个，从而在「单体音响」的状态下实现了 9.1.4 环境的杜比全景声空间音频体验。 是的，你没看错，仅仅一个 SoundBar，就搞定了一套 9.1.4 的杜比全景声。 一个 SoundBar，即是一套 9.1.4 杜比全景声 在我的印象里，最早能看到配备 Dolby Atoms 9.1.4 架构的场所，往往是一些较高规格的母带录音室。 后来随着杜比全景声慢慢走进家用场景，也是率先普及了 5.1.4 或者 5.1.2 的架构，在很长的一段时间里，能够用上 7.1.2 或者 7.1.4 架构的家庭用户堪称凤毛麟角。毕竟声道越多，设备成本和安装难度就越高，造成了最直接的门槛。 时至今日，要想实现 7.1.4 声道或是 9.1.4 声道的家庭音响，往往是以「套装」的形式存在。 三星的 HW-Q930F 杜比全景声 9.1.4 示意图. 图片来自：三星官网 像是三星的 HW-Q930F，便是通过一个 6.5 英寸 Soundbar，配合 8 英寸低音炮，再加上一对 2.0.2 声道的无线后置扬声器套件来组成的 9.1.4 环绕立体声。 这套「物理环绕」呈现的声场的确很立体，但它所需要布置的空间可能对于不少后装家庭来说，依然是一个值得深思熟虑的选项。 Sonos Arc Ultra 9.1.4 杜比全景声示意图. 图片来自：Sonos 官网 于是，当 Sonos Arc Ultra 罕见地以「单体音响」之躯实现 9.1.4 声道杜比全景声之时，我非常好奇，它究竟是如何将「.1」的低音声道内置于 Arc Ultra 细长的腔体之中？ 而 Sonos 给出的答案是：「Sound Motion™」。 这项技术始于 2022 年的一场收购案，Sonos 以约 1 亿美元的价格收购了总部位于荷兰的音响公司 Mayht Holding BV。在当时发布的新闻稿中，Sonos 特别提到了「Mayht 发明了一种全新的革命性音频换能器（audio transducers）技术」。 而 Sonos 收购这家公司，显然就是为了将这项技术收入囊中，现今正是基于这项技术，才研发出紧凑型的 Sound Motion 低音单元。 首发这项技术的 Arc Ultra，将 Sound Motion 低音单元置于整个条形音箱腔体的中间位置。 这个单元看起来就是一个长方体转块状的扁平发声单元，和一台 iPhone 16 Pro Max 的投影面积相似，相较于传统的低音单元尺寸缩小了三倍之多——让条状的 Sound Bar 内置一个低音炮，成为了可能。 内部使用了四个轻型磁路和两个力消除膜片，由高性能聚合物制成的悬挂元件代替了织物支架，减小尺寸的同时，还为四个分布式磁路提供更好的稳定性和一致性，锥体也采用铝合金加固以进一步加强结构。 在磁铁上方和下方的框架中，Sound Motion 还设置了一块钢制导热板，为了进一步增强磁铁性能之余，还能提供更好的散热效果。 得益于这样新型的结构，Sound Motion 在更小巧灵活的体积造型下，反而能排出音箱内更多的空气，从而迸发出更好的低音表现。 Sonos Arc（上方）与 Sonos Arc Ultra（下方）的对比 与初代 Arc 相比，Arc Ultra 在 50Hz 时，低音输出是 Arc 的两倍。并且作为独立的低音单元，Sound Motion 让 Arc Ultra 单体就实现了 9.1.4 声道的杜比全景声。 在实际的听音效果上，Sonos Arc Ultra 最显著的提升便是低频的效果，尽管这个效果依然无法与独立的低音炮音箱相比，但有了 Sound Motion 之后，Arc Ultra 能够在如此轻薄的箱体里释放出超出预期的低频表现，着实令我感到惊艳。而且独立声道的存在，让低频声线变得非常厚实且干净。 在我看来，Sonos Arc Ultra 单体的表现，已经可以媲美 Sonos Arc 搭配 Sub mini 的效果。这样的表现足以让那些对低音震撼不太感冒的人群感到满意——就像我家有人会觉得 Sub mini 和 Sub 4 的低音过于震撼，有些时候会让我降低音量或者直接关掉它；而 Arc Ultra 单体的低音，他们反而会欣然接受，并认为是恰到好处的听感。 而且少装一个 Sub，省下的不仅是金钱成本，还释放出一个占地空间。对于那些追求极简软装的用户来说，这无疑是一个尤为关键的利益点。 另一方面，得益于 Sound Motion 分离了独立的低音通道之后，Arc Ultra 所搭载的 6 个中低音单元就能够更聚焦于中音的表达，与 7 个高音单元配合实现了三分频的声学架构，从而让声音分离度变得更加明显，声场也更加开阔，整体呈现出更澎湃、更有质感与层次的声音。 整体对比起初代 Arc 来说，Ultra 的提升是比较容易被察觉到的。 简单来说，就是中高音之间的过渡变得更加平顺，三频之间变得更加均衡，尤其是当音量继续往上提升的情况下，Arc Ultra 表现得会更加从容。 在音乐播放方面，若是使用 Sonos App 来直接播放 Apple Music 的话，不少音源都会自动启用杜比全景声，Sonos Arc Ultra 单体播放的时候就能够呈现出更加沉浸式的空间音频效果。 这时你会直观地体会到 9.1.4 的环绕魅力，首先是声场开阔而规整，声音充盈于整个空间之中，乐器和人声的结像精准，利落的低频直观地从正前方传来，动态环绕的氛围营造会让你不经意地随着节奏律动。 例如在播放《bad guy》时，前奏部分的鼓点低沉而富有弹性，回弹干净利落；背景中的人声低语仿佛从四周悄然浮现，逐渐向中央聚拢，形成强烈的环绕感；转折处突然跃出的规律敲击声可以被轻易被耳朵定位——现在大家应该都知道，这是取自澳洲行人红绿灯的提示音效了，由此其实可以直观地感受到 Arc Ultra 三频的层次分明。 再到 A 妹的《7 rings》和黄老板的《Perfect》这类杜比全景声版本曲目，Arc Ultra 同样展现出开阔而精准的声场塑造能力，人声、乐器在空间音效交织下，自然地舒展开来，整体听感既沉浸又愉悦。 正如前文所述，低频独立之后，Arc Ultra 的中高频单元都能够专注于中频人声和高频延展的分内事里，所以去聆听《Beautiful Crazy》这样的温暖人声加吉他伴奏为主的音乐时，人声凸显得非常温暖自然，空间音频也让各种音轨舒展得更具体，也是相比起初代 Arc 提升得比较明显的地方。 不得不说，Sonos 的音色取向其实很像 Apple，它不太挑乐曲类型，也不会有明显偏颇。 Arc Ultra 唯一会挑剔的，是音源，如果格式不支持空间音频，那么它的声场表现就会明显逊色一些；好在它的立体声表现尤其是中频和高频的延伸在条形音箱之中，也是比较优秀的存在。 而影音播放方面，才是 Sonos Arc Ultra 更明显的长板，尤其是播放支持杜比全景声的影片内容，空间音频的作用更加明显，你会感受到声音从四面八方具象化地传来，仿佛身处于电影院中间。 例如使用 Apple TV 打开 Netflix 播放电影《新干线惊爆倒数》的时候，Netflix 标志性的开场「Tudum」音效直接将 Sound Motion 的低频拉满，开场画面用作 BGM 的提示音在空间的四面八方相继传来，甚至偶尔会感觉是从头顶上方掠过。 正片中，启用「人声凸显」之后，对话会与背景音进行显著分离，缓慢响起的小提琴的背景音会先从背面传来，空间定位非常准确。 同样在影片开场就令人深刻的，还有《赛车总动员》开场的赛车声效，环绕声全开的声音瞬间充斥了整个房间，让人仿佛身处 GT3 赛场。 我很期待之后在流媒体平台上再次观看《F1：狂飙飞车》的杜比全景声版本，我估计汉斯季默的配乐加上 F1 赛场的极速画面，应该也能在客厅获得更具冲击力的视听效果。 想要更畅快体验到 Sonos Arc Ultra 杜比全景声的空间音频声音设计，《沙丘 2》是不容错过的好片，无论是环境音效还是精心设计的背景音乐，都能够以杜比全景声的空间音频还原出来。 在甜茶首次驾驭沙虫的场景里，召唤沙虫的震动装置启动之后，规律的震动声音就从 Arc Ultra 的正中间传递出来，沙虫从远处开始出现的环境音被声场精确地定位在远处，但声势之浩大极易被感知；由远而近地快速迫近，让你声临其中，然后被狂暴的风沙所包围。 最终，随着甜茶成功驾驭沙虫，象征着「救世主」的背景音仿佛从风沙之外开始奏起，逐渐提升音量，令我感觉这个音乐化作了一双手，直接把风沙「拨开」。 这些支持全景声的影片，总是能够用定位精准的环绕声，把我的注意力完全集中在画面内容。在这之前我从未想象过，一个单体的条形音响，居然能够创作出一个令人完全「信服」的环绕声场。 可以说作为 Sonos 旗下目前最昂贵的条形音箱，Arc Ultra 的声线高级感主要来源于单元和结构的升级。 为了在不同的空间里都能还原这样的平衡感表达，Arc Ultra 依然提供了 TurePlay 调音的功能，配合 iPhone 就能完成快速 TruePlay 或者高级 TurePlay 的自适应调校能力。 虽然之前看到海外有用户反映 TurePlay 调音会出现一些错误的调音表现，但是我手中的国行设备配合最新版本的 Sonos App 一起使用时，并未发现有任何问题，可能这些问题已经被修复了。 另一方面，Arc Ultra 所提升的「语音增强」能力，却令我感到有些许费解。在 App 中有多个档位可以选择，在选择「建议大多数人使用」的中间档位时，影片的对白声音会走得更加靠前，响度也变得更高，的确可以满足我对电视节目中对话的清晰度。 但是偶尔在播放电视剧的时候，主题曲的环节会断断续续地「吞掉」一些音乐旋律，而人声也变得突兀。相似的情况还会出现在电视剧的打斗场景，刀剑相互迎击，或者拳脚相向的同时，若是有对白出现，刀剑和拳击的声音也会被「吞掉」，听起来很不自然，于是我最终不得不将「语音增强」功能关掉。 显然，这个功能不适用于有音乐出现的情况，无论是单纯的音乐播放，亦或是影片的播放。 购买建议：一即是全？还是进阶组成后环绕和低音炮？ 一直以来，Sonos 的魅力，是始于它一贯坚持的无线化部署方式，以及「积木式」搭建的家庭影音系统。 经过一段时间的深度体验，我认为 Arc Ultra 延续了 Sonos 一贯的「积木式」优势，在单体条形音响的表现上达到了一个令人难以置信的高度，已经能够满足大多数客厅的使用情境，甚至我会觉得 Arc Ultra 的低频表现已经足以令人满意，无需再额外配备一个 Sub 低音炮了。 与竞品的「套装」对比，单体的 Arc Ultra 可能会有一种「双拳难敌四手」的感觉，若是追求更加真实的物理环绕声体验，Arc Ultra 可以与 Era 系列的音响、Sub 系列的低音炮组成更加强大的影音系统。 那么，哪些用户和使用场景，适合额外配备低音炮呢？ 对于客厅面积更大，或者对低频表现有追求，以及目前已经手持初代 Arc 的用户来说，考虑增配一个 Sub mini 或者 Sub 4，就能够进一步加强低频的响应。 尤其是初代 Arc 搭配 Sub mini，我觉得听感上是基本能够赶上 Arc Ultra 了，大概有个 95 分的样子。 在 Arc Ultra 发布会的体验间，Sonos 准备了一个面积非常大、吊顶比较高的套房客厅，在此处他们放置了一台 Arc Ultra，然后配备了两台 Sub 4，效果十分震撼。 所以，若然房间面积足够大，手头预算足够充足，可以考虑连接两台 Sub 4 了。 不过，若然你与我一样，对低音没有那么极致的需求，那么比起低音炮来说更值得花钱的，我觉得是增设一对后环绕音响——将 9.1.4 环绕音以物理定位的方式，进一步扩展立体环绕的上限。 Sonos Arc Ultra 支持与一对 Era 100 或者一对 Era 300 音响进行环绕声配对。 前者是更具性价比的选择，适合中小户型使用，配合营造立体声场； 后者是更极致的选择，皆因 Era 300 本身就具六个发声单元分列于正面、侧面和顶部，不但支持杜比全景声，而且具备拓展天空声道的能力，可以与 Arc Ultra 同步将横向和顶置声道进行协同，营造出更加真实、更加具体的 9.1.4 环绕声。 与两个 Era 300 组成官方推荐的「完全体」之后，比 Arc Ultra 本身能够呈现的环绕声，还要震撼数倍。 所以，选择 Era 100 还是 Era 300 来搭建后环绕，只取决于你手上具体的预算。 在我看来，Sonos 这种「积木式」搭建存在三大好处，一是无线化设置所带来的设置便利，可以满足后装家庭环境去使用，也无需如传统家庭影院那样提前布线，预留音箱的摆放位置； 二是后续升级也能延续无线化的便利，按需升级，减少「一步到位」的成本负担； 三是这些「积木式」组件是可以随意组合，可以在家中的其他空间再次组合或者单拎出来使用，空间布置上也不存在局限性，有电源插座和 WiFi 无线覆盖就可以随意挪动和组合。 但话说回来，Sonos Arc Ultra 本身就是 Sonos 音响之中，迄今为止最有资格被定义为「一步到位」的单体产品，在极致紧凑的体积里，突破常规地呈现出 9.1.4 的环绕声，足以对得起它 Ultra 的后缀。 9999 元，值吗？ 9999 元的国行定价，不知道这个定价在大家的心目中，是否在预期之内。 我相信它瞄准的显然是高净值消费群体——尤其是那些注重家居审美、追求沉浸式杜比全景声体验，并希望获得一体化高端声音解决方案的用户。 就产品力而言，Arc Ultra 是目前市场上唯一一款单体即可实现 9.1.4 声道杜比全景声的音响产品。 它兼容所有配备 eARC HDMI 接口的电视机，不受电视品牌捆绑，同时支持接入国内外主流音乐服务，可直接播放杜比全景声内容，使用门槛低、集成性强。 从这些角度来说，Arc Ultra 的确是独一档的产品，在技术集成与生态兼容性方面展现出明显的行业领先。 不过，当前同样能实现 9.1.4 环绕声的竞品，大多仍采用「条形音响+无线后置+低音炮」的套装形式。 这类方案虽然并非单体结构、需要更多摆放空间，但其具备物理离散声道的环绕声场表现依然可圈可点。甚至部分产品同时支持杜比全景声与 DTS:X 格式，兼容性更广。 更重要的是，在定价方面，这类套装往往比 Arc Ultra 的官方定价更具吸引力。 因此，可以预见在未来的一段时间内，Sonos Arc Ultra 很可能在国内经销渠道逐渐出现更具竞争力的实际成交价格，以适应市场需求与竞品压力。 毕竟「等等党」，永远不亏。 文｜谢东成

IT之家 9 月 14 日消息，型号为“RealMe RMX5112”的真我 15T 手机已现身中国电信终端产品库。该机提供 8GB+128GB、8GB+256GB、12GB+256GB、12GB+512GB 四种存储规格，拥有流光白、魅影黑、夜光蓝三种配色，产品零售价格未公布。 相关页面显示，真我 15T 手机采用矩阵相机模组设计，屏幕尺寸为 6.57 英寸（电容式触摸屏），前置 5000 万像素镜头、后置 5000 万像素 + 200 万像素镜头，预装 Android 15 系统。 该机搭载 MT6835TT 处理器（海外版确认搭载天玑 6400 Max 处理器），尺寸为 158.36×75.19×7.79mm、重约 181g，配备 USB Type-C 接口（USB 传输效率：USB 2.0HS），其屏幕分辨率为 1080*2372，内置 7000mAh 电池。 IT之家附真我 15T 手机外观图如下：