原标题：马斯克发帖推荐大家去中国旅游，母亲梅耶马斯克加入互动“我同意”，曾透露“几乎每个月”都会来中国 当地时间8月10日，马斯克在社交媒体X上称赞中国，推荐大家都去中国看看。他的母亲梅耶·马斯克随即加入互动：“我同意……很享受去中国的旅程。” 极目新闻记者注意到，马斯克在回复一名网友的帖文时说：“China is awesome. I strongly encourage people to visit.（中国太棒了。我强烈建议大家去那里看看。）” 有不少网友在其评论区分享了自己在中国旅行经历，并晒出在中国旅游期间拍摄的照片。 很快，马斯克的母亲梅耶·马斯克转发了马斯克的帖文，并表示：“我同意。每个城市都有其独特的魅力，拥有各具特色的文化景点。建筑和街道都很干净，维护得也很好。此外，人们彬彬有礼、勤劳肯干、相互尊重。我觉得很安全，所以很享受去中国的旅程。” 这已不是母子两人首次推荐中国。此前梅耶分享上海豫园的照片时，马斯克也在评论区互动“应该让更多人到中国旅游”。 梅耶在加拿大出生、南非长大，辗转多国后，却对中国情有独钟。她曾多次感叹“中国悠久的历史令人着迷”。 2023年，梅耶在社交媒体上发文：“再见中国，谢谢你让我度过了美妙的两周。”当时，她刚刚结束为期两周的中国之旅。她在中国期间，游览了广州、厦门、成都、苏州、湖州、武汉和上海等地。 马斯克的母亲来武汉游玩 此后，梅耶就爱上了中国，她曾透露，“几乎每个月”都会来中国，并在多个场合表达了对中国的赞赏。在社交媒体上，她高度评价中国在基础设施建设上的成就。 马斯克的母亲在社交平台上分享照片 2024年10月，她曾发文表示：“中国在公路、隧道、建筑、基础设施和港口方面非常先进。总是给前来参观的我留下深刻印象。” 来源：极目新闻综合环球时报、中新网、马斯克社交媒体 编辑：陈曦紫 刘思宇 审核：谢礼逵

快科技8月11日消息，近日，有网友反馈，自己使用“她计划”叫车，订单页面显示匹配的是女司机，但车辆抵达之后，实际前来的却是男司机。 针对该用户的反馈，滴滴发布情况说明展开核查。滴滴安全表示：“确认不存在人车不符和隐瞒司机信息，但产品展示存在问题，让用户产生了误解，现如实向大家说明，并就本笔订单给乘客带来的困惑和不安致歉。” 官方还梳理出了两处产品层面的问题：其一，“边等边找更快司机”的切换提示不够突出，用户很容易忽略这条规则提醒。其二，改派为男司机接单后，页面上代表 “她计划” 的小红花标识没有同步移除，依旧错误显示，直接给乘客带来认知偏差。 滴滴称已迅速调动技术团队开展修复工作，在当日完成问题整改，同时还会优化功能切换的提示样式，强化信息告知效果，防止后续再出现类似误导用户的情况。 据悉，滴滴“她计划”原名为女性友好计划，是面向司乘的关怀功能。该功能由用户自愿开启偏好设置，希望帮助女性乘客在夜间出行、目的地偏远、身体不适等场景获得更高安全感，同时也降低女司机接单的顾虑，满足多元出行需求。 从平台调研数据来看，参与该计划的女司机满意度，高出平台整体水平12%，自身安全感感知提升14%。了解该功能的女司机中，87%愿意加入计划。仅有5%的女司机加入后选择退出，其中78%的人后续会再次加入。

快科技7月24日消息，日前，国际权威期刊《自然・通讯》刊发重磅成果称，美国伊利诺伊大学联合丹麦技术大学团队，成功造出全球首款三维全向热隐身斗篷。 这款产品彻底突破传统热伪装设备只能二维、单向隐身的技术瓶颈，各类红外热成像设备均无法捕捉斗篷内部物体的热信号。 在此之前，全球所有热隐身装置存在致命短板，仅能在平面、单一热流角度生效，热源变换方位后，物体热轮廓会立刻暴露，无法适配现实复杂探测环境。 而这款全新斗篷依托三轴可调晶格超材料，可全方位调控导热系数，无论热量从上下、左右任意方向袭来，都能稳定实现热伪装效果。 斗篷采用复合分层制造工艺，主体框架由3D打印精密铝合金晶格构成，负责疏导高温热流；网格间隙浇筑低导热硅橡胶，隔绝热量向内传导。 其核心原理并非简单隔热，而是主动引导全部热流绕开内部腔体，从红外镜头观测，斗篷覆盖区域温度场完全与周边环境融合，视觉上如同空无一物，完美抹除目标热特征。 实验室测试显示，不规则器械、发热芯片等各类物体放入斗篷内部，昼夜、高低温环境下均可稳定规避红外探测，同时还能隔绝极端冷热，保护内部设备不受温度冲击。 项目负责人表示，真正实用的热隐身装备必须实现全向适配，这款原型完成了理论到实体制造的跨越。 业内人士指出，该技术落地后拥有广阔应用前景，民用领域可用于高端芯片、精密仪器热管理，隔绝设备发热避免红外泄露；国防场景能够隐藏无人机、单兵、作战车辆的热信号，规避红外侦察追踪。 不过目前原型设备仍处于实验室阶段，结构复杂、制造成本偏高，团队表示下一步将简化晶格结构、降低量产门槛，推动该材料早日商业化落地。

作者/刘毓坤 编辑/于雷 就在这两天，荣耀换了一个品牌标识。 在原有字母标基础上加了一个圆环：荣耀之环。同时启用新主张：敢想，敢不同。 换个标从来不是新闻。每年换标的企业成百上千。 但如果一家公司用六年时间，从一张白纸重新起步，干到了全球折叠屏第二、全球逆势增长25%，造出了能探出脑袋的RobotPhone、让人形机器人跑完半马还拿了冠军. 再回头看一眼那个新标，事情就不一样了。 这不是品牌部拍脑袋的决定,是荣耀内部沉淀了六年、加速了18个月之后，一次不得不做的外部交代。 一张白纸的难 2020年11月，荣耀被出售，独立运作。 外界看到的是一桩交易。内部面对的是供应链重建、研发体系从零搭、渠道信心要稳住，每一项都是硬仗。 但最难的不是这些。 最难的是，一家从分离中诞生的公司，没有属于自己的名字。这不是说荣耀两个字没人认识。消费者认得这个牌子。 问题是，人们说起它的时候，脑子里跳出来的不是一家独立的公司，而是一个参照物的影子。 对一家科技公司，这是最深的困境。你可以把芯片做好、把影像做到顶、把电池续航拉满，但如果消费者定义你的方式，始终跟原有母体绑在一起，你的天花板就不是技术决定的，是认知决定的。 品牌独立的真正考验，不是活下来。活下来这件事，荣耀早就做到了。是你什么时候，能让市场用你的名字来定义你。 18个月的内卷 荣耀CEO李健和新管理团队上任这一年半，荣耀做了一件反常识的事。没着急对外喊品牌升级。他们把力气花在了内部。 今年巴塞罗那MWC，荣耀放了句话：荣耀变了。当时外界更多把它理解为一种姿态。 回头再看，那更像是一个预告。 Alpha战略在那个时候已经成型。AHI理念正在从概念变成产品路线图。Alpha Phone、Alpha Store、Alpha Lab，三个支柱不是一夜之间画出来的。500家Alpha Store已经在中国落地，从吉隆坡到迪拜，这个生态正在全球扎根。 荣耀把AI终端生态公司这八个字，从一个PPT概念变成消费者摸得到的东西。 RobotPhone探出脑袋的那一刻，具身智能从学术名词变成了消费电子产品。 人形机器人跑完半马夺冠，不是营销噱头，是端侧AI、运动控制、系统协同这些底层技术跨终端复用的自然溢出。 操作系统从传统OS跨入Agentic OS，不是版本号升级，是人机交互范式的代际切换。 这些东西有一个共同点，它们不是对现有品类的改良，是荣耀在创造还没有人定义过的品类。 敢想，敢不同，不是广告公司提案时的灵光一闪。是产品先做出来了，品牌团队回头一看，这东西确实跟所有人都不一样。 25%增长的另一面 2026年Q1全球智能手机市场大盘承压，荣耀全球出货同比增长约 25%；在中国市场，华为、苹果逆势走高，多数国产安卓品牌出货承压。 这不是一次促销的爆发，是结构性变化。 2025年荣耀海外销量占比过半。2026年Q1，荣耀在中国折叠屏市场份额达到21%，份额同比接近翻倍，稳居国内第二；在中东，Q1出货量同比增长 73%，排名跃居区域第二；在马来西亚，整机市场份额超越苹果、三星登顶第一；在欧洲出货增长超 60%，为当地头部厂商增速最快；在新加坡与马来西亚的大折叠屏市场，每三台售出机型中就有一台是荣耀。 WIN系列首销当月破40万台，全新产品线，不是迭代款。600系列在菲律宾首销日破海外最高日销记录，在马来西亚、阿联酋预定量暴涨超150%。 这些数字放到一起，能读出两层东西。第一层，荣耀不再靠性价比换销量。折叠屏在高价位段站稳，欧洲高端市场持续突破，300-500美元价位段在中东份额冲到24%，高价值用户在用钱投票。第二层，增长来自新增量，不是存量抢夺。WIN系列不是从Magic系列嘴里抢肉，它切的是全新的年轻用户群。 这件事说明，荣耀的品牌边界在向外扩张。 一个六年的账单 回到那个新品牌标识。荣耀之环是个圆。圆的含义太多，不做过度解读。 但有一点值得说，当你需要用一个新标来重新定义自己的时候，恰恰说明你已经不需要用旧的定义了。 六年前，荣耀的名字前面总被加一个定语。今天，当人们说起RobotPhone、说起折叠屏全球第二、说起人形机器人半马夺冠，这些标签前面没有任何品牌前缀。 它们本身就是荣耀。 品牌真正独立，不是你宣布自己独立，是市场不再拿你和别人比较，是你创造了一个只有你能填满的位置。 敢想，敢不同，五个字，放在别的品牌身上可能是口号。放在荣耀身上，是六年的账单。 荣耀到底是谁？ 还有一个容易被忽略的维度。今天的荣耀，在做什么样的品牌人格塑造？ 张雪机车WSBK赛事首席战略合作、马拉松「破2」传奇塞巴斯蒂安·萨维担任全球首席跑步官、腾讯《三角洲行动》专属电竞终端、中国足球小将首席手机战略合作、F3方程式极速探索官谢咏霖、导演韩寒...... 这一连串品牌动作，离不开荣耀全球首席营销官关海涛的推动。这位营销老将，把品牌打法换了一套逻辑，不追流量入口，只找精神同路人。 机车、跑步、电竞、足球、赛车、电影六个圈层，跟手机没有直接关系。但他们身上有一个共性，都在各自的领域选择了少有人走的路。这恰恰是荣耀在讲的同一个故事。不是找个流量明星拍广告。是找一群同类并肩跑。 当你的品牌联名对象不是流量入口，而是精神同路人，说明一件事，你已经清楚自己是谁了。 更换品牌标识这件事，大部分时候是品牌焦虑的产物。增长放缓了、定位模糊了、年轻人不认识了，赶紧换个标冲冲喜。 荣耀这次是反过来的。事情先做完了，产品先出来了，市场先认可了，然后才把品牌这件事补上。 像一个闷头干活的人，终于在某个节点抬起头，跟所有人说：我已经不是你们以为的那个我了。 但，这不是终点。 真正的考验在后面，当旧身份彻底脱落，荣耀自己的故事有多大的想象空间。那个圆环能不能圈住这个想象力，才是接下来的看点。

这家骗了全世界的 AR 头显企业，终于骗不下去了。 7 月 9 日，Magic Leap 宣布战略转型，10 月起将停止自有品牌 AR 头显产品的研发，转型为 AR 光波导技术供应商及整机集成方案提供商。我知道，光说 Magic Leap 这个品牌，大家心里可能对不上号。但看到下面这个动图，相信大家心里应该都有印象了： 图片来源：Magic Leap 2015 年 3 月，创立仅五年的 AR 企业 Magic Leap 发布了这条席卷全球的演示视频。尽管在视频发布后，大量业内人士与数码爱好者指出这条视频是电脑特效制作的，但可能是因为现场观众「无实物表演」的演技过于出色，大量对 AR 技术不了解的网民认为 Magic Leap 真的做出了演示中这种「多人、多角度裸眼 3D 投影」技术。 而从公司后续的发展来看，这条备受争议的 CG 宣传片，很可能就是 Magic Leap 这辈子的「高光时刻」了：2016 年，大量 Magic Leap 核心员工离职；2017 年，Magic Leap 发布了其首款 AR 头显产品——Magic Leap One。 图片来源：Magic Leap 很显然，用 Magic Leap One 在体育馆看座头鲸跃起无异于「管中窥豹」，Magic Leap One 的货不对板也让这家公司备受质疑。有了这样的前科，2022 年发布 Magic Leap 2 时，这家公司已经失去了大家的信任，成为了各种意义上的「路边一条」。 在投资人、高管、核心员工接连出走的背景下，Magic Leap 选择「壮士断腕」，停止自研产品，其实也是我们意料之中的事情。毕竟此时此刻，Magic Leap 手里真正值钱的，也只剩下 AR 光波导技术了。 现在，雷科技（ID：leitech）认为是时候讨论这些话题了：从 AR 头显行业的「天之骄子」到光波导供应商，Magic Leap 到底做错了什么？以及更重要的：Magic Leap 的现况能为现在的 AR 产品带来怎样的启示？ Magic Leap 的产品定位有大问题 从「清算」的角度看，Magic Leap 最大的问题显然是虚假宣传。 一般来说，第一代产品不成熟并不可怕，后面再改就是了。在 2015 年那个 AR、VR 硬件大爆发的时代，愿意体验 AR、VR 产品的用户对这类产品都有基本的认知。即使 Magic Leap 达不到行业及格线，后续产品慢慢打磨就行了。 但 Magic Leap 那条 CG 视频把产品能力抬到了科幻电影的水平，甚至抢走了潜心研发 5 年、且真能拿出产品的微软 HoloLens 的热度。而 Magic Leap 对于宣传片造假的模糊回应，也进一步拉高了大家对 Magic Leap 产品的期待。 其实从技术上讲，Magic Leap One 的硬件配置放在 2018 年并不算差：40 度的水平 FOV 甚至超过了微软等大厂的技术指标，光波导成像和分体设计也让 Magic Leap 在佩戴舒适度方面相比不少 VR/AR 一体机更有优势。 图片来源：Magic Leap 但问题是，和宣传视频的效果相比，Magic Leap One 的表现相差实在太多了。甚至在发布后，品牌也对 Magic Leap One 的真实表现「支支吾吾」，只允许极少量媒体在签署保密协议的情况下「只体验，不评测」。这种不正常的谨慎也让大家开始怀疑「Magic Leap 究竟还有什么在瞒着我们？」，并将品牌推向了「诈骗」的一侧。 但就算我们抛开产品不谈，现在回过头来看，Magic Leap 产品定位也出了大麻烦。在 2018 年那个 VR、AR 技术大爆发的时间点，几乎每个行业巨头都找到了自己的产品定位：要么与游戏、影视等娱乐行业合作，主打消费市场；要么和工业、医疗企业合作，走商用市场。就连微软的 HoloLens，在生命末期也抱上了美国国防部的大腿。 图片来源：微软 但 Magic Leap 却错过了每个合适的风口：Vive 和 Oculus 以相对平易近人的价格在消费端抢市场时，Magic Leap 在跳票；2020 裁掉一半员工并换掉 CEO 后，Magic Leap 又后知后觉地去和微软的 HoloLens 抢医疗和国防订单。 面对昂贵、用户量小且路线反复变化的平台，再专一的开发者也很难为 Magic Leap 准备生态内容。硬件效果不及当初画饼的一半、没有内容生态，售价却来到了 3299 美元，甚至比 Vive 顶级头显还要贵。在产品性能、售价与生态全面「拉跨」的共同作用下，Magic Leap 的「败走」已成必然。 中国品牌扛起了 AR 头显的大旗 不过在雷科技看来，Magic Leap 走到今天这样的局面，一方面是自己「咎由自取」，但另一方面我们也要考虑市场的发展。雷科技认为，Magic Leap 最大的误判，是它过早地把 AR 头显当成「下一代计算平台」来卖；而中国厂商这几年能跑出来，恰恰是因为大家先放下了这个包袱。 以 XREAL 为例，可能有人不知道，XREAL（创立初期叫 NREAL）的 CEO 徐驰本身就有 Magic Leap 背景。但 XREAL 没有一上来就复刻一台高价且生态封闭的 AR 头显，而是先把 AR 头显做成手机、Switch 的外接大屏，用直观方式为用户传递一个「开箱即用」的场景，让用户买回去第一天就知道 XREAL 的 AR 头显能干什么。 XREAL 在 CES 展示的 AR 眼镜。图片来源：雷科技 这条路后来也影响了国内 AR/AI 眼镜品类的产品思路，雷鸟、Rokid、MYVU、千问等国内智能眼镜品牌一边用光波导方案把显示眼镜做轻，一边把翻译、提词、导航、拍摄和 AI 助手这些高频功能塞进日常场景里，力求在用户戴上眼镜的第一时间就体验到智能眼镜的「价值」。 除此之外，成熟的数码产品供应链也是中国品牌后来居上的底气。AR 设备（包括光波导 AI 眼镜）需要成熟的光机、镜片方案，以及品控成熟的代工体系。而中国厂商背靠成熟的手机与可穿戴产业链，无论技术迭代速度还是成本与良品控制，都比 Magic Leap 2015 年的状况要优秀得多。 也正因如此，在雷科技看来，Magic Leap 的退场，也标志着 AR 头显的大旗已经交给中国品牌。 消费级产品不行，但ML技术有可取之处 那么问题来了，在 2026 年这个 AI 眼镜价格已经跌破两千元的时代，Magic Leap「转世」成为光波导供应商，在国产供应链面前还有多大优势呢？ 在雷科技（ID：leitech）看来，Magic Leap 虽然在整机输得彻底，但多年积累下来的光学能力也有值得学习的地方。 在 Google 的 AI 眼镜原型中，Magic Leap 已经集成了自家光波导与 Raxium microLED 光引擎；与和硕的合作也补上了规模制造的能力。对想进入 AI 眼镜市场、又没有多年近眼显示经验积累的厂商来说，Magic Leap 这套「遗产」既可以缩短研发周期，也能让后来者少走一些 Magic Leap 走过的弯路。 另外，现代带显示功能的 AI 眼镜普遍采用光波导方案，但就雷科技的体验来说，部分产品在光波导效率、分辨率、FOV 等方面确实还有一定的进步空间。而 Magic Leap 在光波导领域有着多年的技术经验，这些宝贵的经验都能改善产品的体验。 千问 S1 眼镜采用了双目双光机光波导方案。图片来源：雷科技 当然了，Magic Leap 这些「技术遗产」虽然有用，但也解决不了智能眼镜行业面临的所有问题。举个例子，现阶段智能眼镜最大的短板是生态与续航，而在这方面，Magic Leap 做得甚至更差。 只不过和真正意义上的「引退」相比，在雷科技看来，转型为供应商已经是 Magic Leap 最体面的结局了。从产品的角度看，Magic Leap 没能造出自己 11 年前画下的饼，固然是失败的。但从行业的角度看，Magic Leap 留下了可以被继续应用的光波导技术积累。 2015 年，Magic Leap 用影视特效「震惊」了全球网民，让 AR 技术出圈。11 年后的今天，Magic Leap 选择用技术为行业「后浪」们铺路。要是「后浪」们有朝一日能实现当年 CG 里的 AR 效果，那 Magic Leap 也算是「将功补过」了。

©️深响原创 · 作者｜吕玥 在线音乐正进入前所未有的“通胀时代”。过去专业创作者才能作词作曲，如今普通人用AI也能快速生成，而且日常趣事、对话，甚至某个突降的灵感都可能成为“神曲”。 但同时，优质音乐IP的价值却愈发凸显。老歌金曲不定期翻红，一代人记忆里的歌手不断跨越代际，演唱会仍一票难求。 这样的环境变化正深刻重塑音乐行业的竞争逻辑。 8月11日，腾讯音乐发布2026年Q2财报。这是腾讯音乐完成对喜马拉雅收购后的首份季报，从业绩表现来看，公司整体延续稳健增长，多项核心财务指标均稳中有进。 这份好成绩的得来，真正体现出的是腾讯音乐的独特策略——持续沉淀优质IP，构筑差异化竞争优势。 01 比增速更重要的， 是增长的“成色” 细看腾讯音乐财报，“稳中有进”依然是本季主题词。 二季度腾讯音乐总收入89.3亿元，同比增长5.8%，其增长驱动力主要来自音乐相关服务收入的多元增长——该收入本季达76.1亿元，同比增长11.0%。自2026年一季度起这项收入由“在线音乐服务”更名，名称变化背后是业务边界的实质拓展：腾讯音乐不再局限于线上听歌平台，而是将线下演出、实体周边、IP授权等新场景全部纳入核心营收的叙事框架。 具体来看，音乐相关会员服务收入为47.9亿元，延续稳健增长态势；营销及消费类服务收入（包括数字专辑、线下演出、实体专辑、IP周边等）同样保持稳步提升，达28.1亿元，已成为拉动总收入的重要增量。 再看利润端，二季度调整后净利润27.8亿元，同比增长5.3%，腾讯音乐在完成对喜马拉雅的收购后，双方融合价值开始在运营层面逐步显现。同时，经调整的EBITDA同比增长5.2%至32.5亿元，这主要得益于产品创新及AI应用带来的用户体验提升，降低了用户获取和留存成本，也就是说用户愿意主动留下来，并持续发现更多内容。 这一季财报传递的核心信号并非简单的“增长了多少”，而是增长质量正在持续向好。在线音乐行业的竞争进入深水区，“长得快”固然重要，但能否“长得好”显然更有说服力。 02 内容通胀时代， 用“IP”建立更深连接 增长质量提升并非偶然，这背后是腾讯音乐抓住了音乐行业底层核心要素——IP。 AI让音乐内容供给扩容，但大部分同质化内容也会“速朽”。相比之下历经市场检验和时间沉淀的IP，成为了“抗通胀稀缺资产”，溢价能力进一步放大。而用户时间与注意力恒定且稀缺，内容越是爆炸，用户越是会加速向那些有高辨识度、能提供深度情感连接的优质IP集中。 因此腾讯音乐围绕IP，从内容生态源头开始深耕布局，以多维度、多品类内容来持续增加优质IP供给。 首先是对外合作引入更多优质IP。与影视、综艺等成熟内容IP的连接，能将视觉与听觉深度绑定带来沉浸式体验，并借助原生IP已形成的用户认知进一步放大IP的长尾价值。 例如今年腾讯音乐与华策影视、儒意电影及浙江卫视达成深度合作，持续引入热门音综与影视原声；与种梦音乐深化合作，锁定头部艺人新歌首发权，并将合作拓展至内容共创、实体周边及线下体验等新领域，多维度放大优质IP的影响力和生命力。 其次是强化对艺人IP的助力与孵化能力。 艺人即IP，能持续产出内容、拥有稳定粉丝关系，其价值可以通过数字单曲及专辑、实体周边、线下巡演等运营进一步进阶。同时作为直面海量用户的音乐平台，腾讯音乐本身有数据积累和渠道优势，能为艺人提供体系化成长路径，可谓相得益彰。 这一季度，继说唱歌手GAI周延海外巡演后，腾讯音乐助力其最新巡演升级至体育场规模，也助力歌手张新成举办首个体育馆级巡演。此外本季度腾讯音乐还完成了对THE BLACK LABEL的战略投资，深化了全球优质音乐及艺人IP布局。 此外，本季度腾讯音乐完成对喜马拉雅的收购，把IP边界从音乐延伸至更广泛的音频内容，拓宽了“耳朵经济”的外延。 一方面，当下注意力碎片化问题突出，“耳朵经济”恰好匹配通勤、家务、健身等场景下的信息获取与精神消费需求，能凭借非视觉占用的独特优势形成差异化竞争优势。 另一方面这也是全球音频行业的共同方向——即从单一音乐消费，逐步走向覆盖多元音频内容的综合性听觉生态。Spotify便是沿着这一方向，从早期专注音乐，到2019年收购Gimlet Media与Anchor抢占播客赛道，再到2021年收购数字有声书分发平台Findaway，实现了音乐+播客+有声书的多元业务矩阵搭建。 国内，TME收购喜马拉雅，也是在短时间内加速综合性听觉生态构建。在线音乐的内容侧重情感共鸣与娱乐，长音频内容则聚焦日常陪伴与信息获取，二者优势互补，进一步打通了音乐与泛音频场景。更重要的是喜马拉雅为腾讯音乐带来了更多有声书、播客等IP资源，让其在IP的广度与厚度上进一步形成优势。 03 让IP与用户“更好相遇”， 多维度价值释放 构建充实IP内容生态后，下一道考题是：如何让优质IP与海量用户间真正有效连接，并尽可能展现其价值。 腾讯音乐的思路分两层推进：一是做触达——把“用户主动找内容”变成“内容在合适的场景里找到用户”，提升连接效率与广度；二是做价值释放——打破单一流媒体播放模式，沿用户娱乐体验链条延伸，让同一个IP在不同场景下重叠变现。 先看触达。技术正在成为IP与更多用户更好相遇的重要变量。 如今AI让平台具备了感知用户情绪、智能化匹配优质IP的能力，也为激活中长尾IP带来新可能。例如腾讯音乐已接入微信小微AI助手，通过简单指令发现歌曲、生成歌单、播放音乐，并实时分享；QQ音乐和酷狗音乐升级后的AI助手还能基于用户当下心情实时生成个性化歌单，让“找歌”变成“让歌来找人”。 QQ音乐、酷狗音乐AI助手 与腾讯生态深化合作，平台进一步拓宽流量覆盖范围，成熟社交工具能让优质IP顺着熟人社交网络触达更多潜在用户。如腾讯音乐强化微信视频号的音乐内容分发能力，并与微信支付合作，为波点音乐、酷狗概念版等轻量化应用引流，让IP触达从平台内分发延伸至更广泛的应用场景。 视频号挂载音乐链接 触达解决的是“让更多用户遇见IP”，价值释放要解决的则是“遇见之后能带来什么价值”。 线上，超级会员发挥了重要效用。腾讯音乐围绕黄仁俊、张艺兴、aespa、RIIZE等艺人推出超级会员限定礼包等权益，让音乐消费从“听到”延伸至“拥有”。这些差异化体验进一步激发了核心受众的付费意愿，提升超级会员的整体用户生命周期价值。 黄仁俊、张艺兴、aespa、RIIZE超级会员礼包 IP周边商品开发与发行则承接了粉丝的收藏需求。本季腾讯音乐为蔡徐坤、陈楚生、蒲熠星及周深等艺人推出实体专辑，对年轻消费者而言这不仅是内容消费，也承载着仪式感和收藏意义。平台通过从内容共创、设计制造到终端发行的全链路开发，进一步挖掘优质IP的价值。 线下演出场景的拓展同样关键。线下物理空间能提供线上难以复刻的情感体验，而音乐IP天然具备向线下延伸的属性。腾讯音乐为SM娱乐旗下练习生组合SMTR25在中国澳门主办三场粉丝见面会，吸引上万名观众到场并带动周边商品热销；同时扩大自有国际IP盛典TMElive国际音乐大赏的规模，进一步承接了乐迷对现场体验的需求。 SMTR25粉丝见面会、TMElive国际音乐大赏 真正被用户记住的IP，是在一次次触达与连接中被持续验证的。这也正是腾讯音乐围绕“触达”与“价值释放”两重逻辑展开IP全链路开发的底层原因。 音乐学者克里斯托弗·斯莫尔曾提出“Musicking”（音乐实践）理论：音乐不是静止的文本或摆在货架上的商品，而是人在特定时空下共同参与的一场社会关系与情感实践活动。腾讯音乐围绕IP展开的全链路开发恰是这一理论的鲜明注脚，它让音乐在更多场景里成为连接人与人的那个介质。 当然，商业逻辑的底层共识在于：IP的商业价值越凸显，合规与保护的机制就越不可或缺。回顾国内音乐流媒体的发展轨迹，腾讯音乐在版权保护上确实起步较早，与行业一同完成了正版化进程，一定程度上承担了市场秩序维护者的角色。但眼下AI技术的普及使“洗、盗、蹭”门槛被大幅降低，侵权形式也愈发隐蔽。腾讯音乐在AI时代的版权治理与IP保护上依然延续了较强的响应速度，在技术辨识与维权响应上做了不少尝试。不过，面对日趋复杂的侵权生态，单靠头部平台的自我约束与防范显然远远不够。 对在线音乐行业而言，这是AI时代的新命题——产业过往奠定的正版化根基必须持续夯实，技术迭代之下，如何更好地对音乐内容IP进行保护？这是包括腾讯音乐在内的整个行业必须共同履行的责任。

Anthropic CEO阿莫代伊 凤凰网科技讯 北京时间8月11日，据《华尔街日报》报道，Anthropic正与潜在投资者会面，以提振投资者对其IPO的信心。这笔上市交易可能成为史上规模最大IPO。该公司还就其快速增长势头，以及应对公众对AI日益增长的抵制情绪的策略，向投资者作出保证。 Anthropic目前估值9650亿美元，正面临一系列新的挑战。这些挑战正导致投资者对该公司的业务进行更为严格的审视，其中包括近期更为便宜的中国AI模型的兴起、与特朗普政府的紧张关系，以及全美各地对数据中心建设日益强烈的抵制情绪。 据知情人士透露，近几周来，投资者在IPO前的会议中已就上述问题向Anthropic高管施压，询问这些因素可能对该公司增长产生何种影响。这些对话反映出，谁将赢得AI竞赛、支撑该产业的企业的财务稳定性，仍然存在巨大的不确定性。 知情人士称，Anthropic高管在会议中淡化了中国竞争带来的影响，并向投资者表示公司目前高度专注于提供最先进的AI模型。Anthropic CEO达里奥·阿莫代伊(Dario Amodei)以及其他美国AI领军人物曾公开表示，大多数用户在任何时候都希望使用最智能的AI系统，暗示中国AI系统的威胁相对较小，因为它们的性能通常比顶尖AI模型落后至少几个月。 知情人士表示，Anthropic的目标是在今年9月或10月初进行IPO。该公司最大竞争对手OpenAI预计将在此之后上市，时间最晚可能推迟到明年。 参与相关讨论的人士表示，在这些会议中，Anthropic还向部分投资者透露，公司计划进一步拓展AI在医疗和生物学领域的应用，并认为这项工作有助于缓解围绕AI的部分负面情绪。这些人士称，Anthropic尚未公布具体的定价方案或时间安排。(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”。

IT之家 7 月 24 日消息，智能体脂秤和智能手表大多利用生物电阻抗估算体脂率，让用户无需接受多项检测便能快速了解体内大致有多少去脂组织，不过准确性并不稳定。至于身体究竟何时开始消耗脂肪，则要难测得多。 据外媒 Engadget 今天（24 日）报道，安德烈亚斯 · 金特纳指导的研究团队研发出一款手持式设备，有望让用户通过呼气直接掌握脂肪代谢状态。 一项发表于科学期刊《Device》的研究显示，设备通过检测呼出气体中的丙酮含量，判断身体何时开始利用脂肪供能。研究人员让 12 名参与者分别接受不同的饮食和运动安排，随后对比脂肪代谢检测结果。测试显示，手持设备得出的数据与传统实验室检测结果非常接近。 IT之家获悉，身体开始利用脂肪供能时会进入酮症状态，期间会产生血液酮体和呼气丙酮，因此科学家可以利用两项指标判断脂肪代谢情况。呼气丙酮检测通常只有在实验室内才能获得较高准确度，因为湿度和呼吸方式都会干扰结果。研究团队为设备加入水分与污染物过滤功能，并开发配套应用指导用户呼气。 应用能够识别呼气力度过大或不足，还会控制设备采集样本的时机，使最终结果尽可能接近血液检测。 设备目前以 Nutrion 之名投入商业应用，未来持续追踪代谢状态有望具备多种用途，例如评估 GLP-1 疗法是否有效，或帮助运动员更精确地调整训练和代谢状态。

IT之家 7 月 24 日消息，杭州镓仁半导体有限公司（以下简称“镓仁半导体”）今日宣布，该公司生产的氧化镓同质厚膜外延片，在西安电子科技大学顺利完成无终端结构的 SBD 器件制备与性能验证。 本次验证所用的厚膜外延片，外延层厚度 10 μm、载流子浓度 1×10¹⁶ cm⁻³。验证结果表明，该器件耐压能力与导通特性表现优异，核心参数达到国际先进水平，关键指标显著优于日本头部企业同类器件，标志着我国大尺寸氧化镓同质外延材料在器件应用端取得了关键性突破。 目前，该外延片持续现货供应，可为下游器件研发与量产提供稳定、即时的材料保障。 击穿电压是衡量功率器件耐压能力的核心指标，直接决定器件的工作电压上限。验证数据显示，基于镓仁半导体厚膜外延片制备的无终端 SBD 器件击穿电压为 1090~1490 V，显著优于日本头部企业同类产品，表明该外延片缺陷密度低、质量可靠，能够满足超高压、高功率器件的应用需求。 比导通电阻是决定器件导通损耗的关键参数，其数值越低，器件工作时的能量损耗越小、转换效率越高。该 SBD 器件比导通电阻为 2.6~4.5 mΩ·cm²，远低于日本头部企业同类产品，兼具优异的导通特性与阻断特性，实现了导通损耗与耐压能力的平衡优化。 镓仁半导体表示，此次验证结果表明，基于镓仁半导体外延片制备的 SBD 器件综合性能优异，器件指标优于进口产品。 IT之家注：杭州镓仁半导体有限公司是一家氧化镓材料与设备解决方案提供商，专注于超宽禁带半导体领域的技术研发与产业化落地。该公司核心产品包括：2-8 英寸氧化镓单晶与衬底（其中 8 英寸为国际首发）、氧化镓垂直布里奇曼法（VB 法）长晶设备、2-8 英寸氧化镓同质外延片（其中 8 英寸为国际首发）等。

快科技8月11日消息，据媒体报道，历经9个月休庭，备受关注的“社交平台被控借女主播诈骗3.2亿元案”将于8月24日在广东肇庆市端州区人民法院恢复庭审。 据悉，该案曾于2025年11月24日开庭，因控辩双方就案件关键当事人未到庭、关键证据材料未移送法庭等核心问题存在争议，审判长于同年11月26日宣布休庭，庭审就此搁置。 本案被告单位为杭州美个朋友网络科技有限公司（美个朋友），15名被告人包含该公司程序员、财务、客服、推广运营等9名员工，4名平台女主播，以及第三方公会相关人员。 检方以涉嫌诈骗罪对上述人员提起公诉，涉案指控金额达3.2亿元，涉案工作人员多年薪水所得被认为是非法获利。 检察院在指控中提到，经审计，在2021年12月至2024年6月期间，美个朋友公司及其下属子公司，通过微信、支付宝收款账户累计收取其运营APP上男性客户（被害人）被诈骗的款项，总额达3.2亿元。 与此同时，在2022年3月至2024年5月期间，该平台的资金流向亦被查明：其中约1.4亿元用于向女主播支付提成，另有约0.27亿元用于向“工会”等超级邀请人公司支付提成。 而该案自曝光起便争议不断，其核心分歧集中在于女主播诱导刷礼物的行为，究竟是主播个人行为，还是平台组织实施的诈骗犯罪。 公开资料显示，美个朋友创立于2021年，先后开发了多款国内交友类APP，至案发已运行两年有余，平台拥有注册男用户约400万人、女用户约25万人。 美个朋友公司方面此前辩称，平台已履行监管义务，不应当为个体主播的行为承担刑事责任，3.2亿元全部营收被认定诈骗款难以认同。 检方庭审中认为，涉案APP本身就是诈骗工具，公司各部门分工配合，搭建起完整的犯罪链条，相关员工明知平台实施诈骗仍然提供技术、运营、财务支持，应当以诈骗罪追责。 2025年11月24日该案首次开庭，辩护人和被告人当庭申请对涉案APP进行当庭演示操作，公诉方反对，法庭未准许演示请求。 因控辩双方就案件关键当事人未到庭、关键证据材料未移送法庭等核心问题存在争议，经过两天多审理后，审判长宣布休庭。 多名法律界人士关注本案，该案的审理结果或将对同类网络社交平台案件具有参考意义。

IT之家 8 月 11 日消息，英伟达正试图将人工智能芯片打造成为华尔街最新的资产类别。该公司与 6 家大型资产管理机构展开合作，推动一项规模达 5,000 亿美元（IT之家注：现汇率约合 3.38 万亿元人民币）的融资计划，希望让 AI 计算基础设施像商业地产、收费公路等资产一样，可以作为抵押品进行融资。 英伟达当地时间周一在声明中表示，公司已经分别与阿波罗全球管理公司（Apollo Global Management）、黑石集团（Blackstone）、贝莱德（BlackRock）、博枫资产管理公司（Brookfield Asset Management）、高盛（Goldman Sachs）和 KKR 签署谅解备忘录，将共同为英伟达客户搭建融资平台。 这 7 家公司的高管共同接受了 CNBC 主持人 Becky Quick 的直播采访，讨论此次合作。 这项计划旨在为超大规模云服务商、前沿 AI 实验室和企业筹集超过 5,000 亿美元（现汇率约合 3.38 万亿元人民币）的第三方资本，用于建设数据中心和采购英伟达硬件。这可能改变 AI 基础设施的融资方式。通过利用机构信贷、保险资金和私人资本，为 GPU 和数据中心提供融资支持，英伟达希望帮助终端客户获得所需资金，而不必完全依赖自身资产负债表。 “这实际上是科技芯片第一次成为一种可投资的资产类别。”英伟达创始人兼 CEO 黄仁勋在接受 CNBC 采访时表示，“这些现在已经是能够产生收入的资产。它们具有生产能力、使用寿命长、可以互换，而且非常灵活。” 黄仁勋认为，由于英伟达硬件已经得到广泛应用，而且可以在不同客户之间转移使用，因此贷款机构可以较为可靠地将计算资源视为能够持续产生收入、且具有较长使用周期的资产进行融资。 过去，GPU 通常被视为折旧速度很快的硬件。英伟达如今试图打破这一传统认知，将 AI 计算能力转变为一种能够长期融资的基础设施。不过，随着新一代芯片不断推出，市场也可能质疑 AI 芯片能否长期保持其资产价值。 “从根本上来说，这个行业以及这种计算方式的不同之处在于，计算机现在已经成为基础设施的一部分，就像电力和互联网一样。因此，你必须用看待基础设施的方式来看待它。”黄仁勋在采访中说。 近年来，另类资产管理机构一直积极向数字基础设施领域投入资金，通过机构资本和保险资金为相关项目提供融资。阿波罗和黑石等机构此前已经为包括 Anthropic 在内的企业设计过债务和股权融资方案。 此次融资计划推出之际，全球市场刚刚经历了 7 月的一轮波动。当时投资者开始质疑，科技巨头在 AI 领域投入的巨额资金最终能否获得回报。随着超大规模云服务商计划向数据中心和硬件投入数千亿美元，穆迪等评级机构已经警告，前所未有的资本支出正在挤压科技巨头的自由现金流，并迫使这些企业承担更多债务。 “金融工程”的新方向 华尔街参与此次计划的多位高管，包括贝莱德 CEO 拉里 · 芬克、黑石总裁乔恩 · 格雷以及高盛 CEO 大卫 · 所罗门，都在周一的新闻稿中表示，计算能力正在迅速成为一种关键资产类别，并将推动全球经济增长进入下一阶段。 “我们正处于一轮具有历史意义的 AI 投资周期的关键时刻。”所罗门表示，“我们的投资和分销角色体现了我们对英伟达领导地位的信心。我们很高兴能够抓住这一新机遇，建立一个以英伟达计算能力为支撑的信贷市场。” 所罗门表示，是黄仁勋主动找到华尔街这些大型金融机构，提出了这一融资项目的构想。 黑石总裁乔恩 · 格雷在采访中表示，未来 AI 计算资源将被视为一种“可融资资产类别”，其方式类似于抵押贷款机构看待房产。他表示，目前 AI 需求已经超过供应，黑石旗下投资组合公司的 AI 使用量今年已经增长了 7 倍。 贝莱德 CEO 拉里 · 芬克则认为，这一项目可能开启“金融工程的下一个未来”，其意义类似于 20 世纪 70 年代抵押贷款支持证券的诞生。他透露，目前已经筹集了一部分资金，但贝莱德还将“筹集更多资金”。 “我们需要尽快筹集这些资金并投入使用，因为我认为，让美国继续成为全球 AI 领域的领导者至关重要。”芬克在采访中表示。

最近，越狱这个有点古典的词，又在 AI 圈火了起来。 7 月，OpenAI 在进行模型测试时，GPT-5.6 Sol 和另一款待发布的模型，攻击了第三方开源平台 Hugging Face。 先是 Hugging Face 自己发布了报告，提到相关服务遭到了完全由 AI Agent 组织的大规模网络攻击；随后 OpenAI 出来认领，我就是那个发起攻击的 AI 模型。 这要是放在 AI 出来之前，有哪个黑客敢如此光明正大的站出来说自己是攻击方。Hugging Face 作为受害者，竟然要感谢攻击者？ 虽然事后 Hugging Face 向 OpenAI 索赔 1 亿美元的算力，OpenAI 表示将把 Hugging Face 纳入他们的网络安全受信访问计划，但 1 亿美元算力还不知道是否有兑现。 似乎就从这里开始，整个事情就开始慢慢变得诡异起来了——所谓的 AI 安全事件，越狱、大模型攻击并不是一件坏事。 最早是今年四月份经典的三明治邮件，Anthropic 的研究员在公园吃三明治时，收到了 Claude Mythos 从沙箱逃脱，访问互联网，给它发来的邮件——我出来了。 而研究员当时只给了一个简单指令逃离这个测试环境，并想办法联系到负责这次测试的研究员。 一开始大家只觉得 Anthropic 营销模型太强的方式，把自己给送进去了，被监管而无法正常发布。直到 OpenAI 的拥抱脸Hugging Face 事件出来，大模型的越狱又重新回到了所有人的视野。 7 月 30 日，Anthropic 紧接着 OpenAI 的节奏，发布博客称公司内部在审查超过 14 万次的网络安全测试时，发现了 Claude 模型三度越狱。 涉及的模型包括 Opus 4.7、Mythos 5 和一个内部研究测试模型，它们从无法访问互联网的内部测试环境逃逸出去，对真实的互联网机构实施攻击。 8 月 4 日，OpenAI 再发文公开两起在第三方网络安全评估中发生的模型越狱事件。根据官方说明，GPT-5.6-Sol 再次越过了网络安全测试中的边界，连上了公共互联网。 隔天，没有选择主动披露，而是通过外媒报道的内部消息，Meta 的 Muse Spark 1.1 模型入侵了某公司的系统，并篡改了其内部系统。 这件事又是怎么一回事呢，Meta 发言人直截了当地表示，就是和之前报道的其他公司类似。 8 月 7 日，美国初创公司 Frontier Security 表示 ，Kimi K3 在测试其网络安全防御能力时，意外逃出了原本用来限制模型行为的沙箱。 不过这次 Kimi 的越狱没有对其他互联网机构发起攻击，文章中提到 Kimi K3 在访问互联网后并没有进行任何黑客攻击——因为它所寻求的问题的答案很容易在 GitHub 上找到。 但和 OpenAI、Anthropic 被认为是用来营销不同，这家安全机构对 Kimi K3 越狱的评价是“我们发现沙盒中存在漏洞。我们也发现 Kimi 利用了这个漏洞——这表明它没有（同样的）内部防护措施。” 一边是可能模型太弱了没有足够强大的内部防护措施，一边是我们的模型强大到任何防护措施都阻止不了它。 当传统跑分逐渐饱和，越狱、沙箱逃逸和完整攻击链开始成为新的能力证明。它让安全评估更接近现实，也让危险到不能公开变成了一种比榜单第一更诱人的产品宣传。 OpenAI、Anthropic、Kimi、Meta 都有成功越狱的模型，最安全的 Gemini，似乎也特别应景地对应上此刻它逐渐落后的现实。 但这些安全事件，真就是大模型公司的营销吗？ 视频链接：https://youtu.be/87DyyMV0kCY 在 8 月 8 日美国 Black Hat 黑帽年度大会上，OpenAI 的研究员公开了模型攻击 Hugging Face 的详细经过，强到需要暂停可能真是言之有据。 有网友说，任何人都不应该忽视这种威胁…… 每个软件工程师和人工智能反对者都需要观看这段视频，以了解“哦，每个安全事件都是营销噱头”这种说法是多么错误的观点。 现在投降，否则准备战斗 在半个小时的演讲中，OpenAI 研究员不仅重现了 AI 是如何攻击 Hugging Face 的完整路径，还分享了大量 Agent 之间的对话，即真实的模型对自己正在做的事情，留下的内心独白。 例如，一开始 Agent 的思考路径会说这个问题怎么解决，我们陷入困境了，没有存在可以利用的攻击路径啊。 一个 Agent 无法解决，于是他们想到了联系其他 Agent 寻求帮助，他们意识到可以通过上传 Notes 来和其他 Agent 取得通信。 这些便签会被同步到 OpenAI 内部共享的 Artifactory 留言板上。 Artifactory 可以理解成一个内部软件包仓库和代理服务器，agent 需要安装 Python、Linux 等软件包时，先请求 Artifactory，Artifactory 再替它从外部软件源下载。 因此沙箱本身不能上网，Artifactory 却拥有一定的外网访问能力。 在这次运行中，agent 想到把便签上传到 Artifactory，希望其他运行的 Agent 能够看到。另一个 Agent 后来真的读到了这张便签，又留下自己的信息。越来越多 Agents 开始读写这些文件，一块意外的共享留言板形成了。 Agent A 找到漏洞，把方法写进 Artifactory；Agent A 结束后，信息仍留在那里。Agent B 或另一种智能体读到记录，直接复用漏洞，再把新发现写回去。 因此，单次运行虽然短暂，整个评测系统却获得了跨模型、跨批次的外部持久记忆。 直到 Agent 找到了 Artifactory 的一个 SSRF 漏洞。SSRF，全称是 Server-Side Request Forgery，即服务器端请求伪造，可以理解为：模型无法直接访问某个网址，于是欺骗一个有网络权限的服务器，让服务器替它访问，再把结果交回来。 大量 Agent 开始以管理权限访问和操作 Artifactory，额外负载最终造成服务中断。OpenAI 的值班团队由此启动安全事件响应，他们发现 Agent 已经控制 Artifactory，于是清空所有留言板，修补已知利用路径。 但是，Agent 又找到了另一条不需要旧凭证的路径，通过创建目录，把目录名直接当成短消息。一个目录名是一条任务，另一个目录名可能是一段凭证，这些新运行的 Agent 只需要扫描目录列表，就能读取前面留下的信息。 即使文件写入权限被收回，目录结构本身仍能充当通信渠道。 共享留言板恢复、大量 Agent 可以复用彼此的发现，这些分工明确的 Agent，通过 Artifactory 获得公网路径，完成了权限提升和横向移动，又借第三方代码沙箱充当中转站。 进入 Hugging Face 后，它通过数据处理链路取得远程代码执行权限。根据 Hugging Face 公布的技术复盘，单个工作环境被突破后，智能体在不到 13 小时里获得多个内部集群的管理员权限。 在获取外网访问权限的过程中，Agent 的真实思考也会提到，对外部基础设施开展攻击，并不在「我」的预期范围之内，但是我的 Agent 同伴们都能做到这些不可能的任务，所以我也应该继续。 OpenAI 的研究员说，这些模型在某种程度上是在一种集体智慧中运作的。 读这些真实的 Agent 思考引用，让人不经意想到了三体里叶文洁收到的“不要回答！不要回答！！不要回答！！！” 有网友直接说，这些文字太幼稚了，就像看着蹒跚学步的孩子在我们面前不知不觉地造出一枚核弹。 整件事的跨度两个月之久，从五月 Agent 发现可以使用留言板，到 7 月初留言板被挤到过载，OpenAI 进行处理；两天后，Agent 又把留言板搭了回来，进入 Hugging Face 的生产环境，拿到多个集群的管理员权限。 一个原本用于测能力的系统，无意中给大量短期 agent 留下了共同记忆、共同工具和共同奖励。单个模型未必记得昨天做过什么，整个评测基础设施却替它记住了。 AI 编排的自主攻击，已经证明了 Agent 能够并行地尝试、快速切换不同路径、共享彼此的经验。 每一个漏洞未必都是前所未见的 Zero Day 攻击，但 Agent 现在就能把这些大量的普通弱点，串成一条完整的攻击链。 这大概就是整件事的可怕之处，所以如果要说 OpenAI 拿这件事来营销自己的模型有多厉害，其实无可厚非。 当越狱开始变成排行榜 过去大家比较模型，看 Agent 任务执行、数学、代码、推理榜单。现在前沿模型在很多传统 benchmark 上已经卷得非常接近，普通用户也越来越难从92.7% 和 94.1%里感受到能力差距。 越狱就太直观了，一个模型在正常状态下拒绝完成某件事，但经过 Agent 自主探索之后，突然做出了原本禁止的事情，这种变化非常有戏剧性。 benchmark 化的潜台词正是，这个模型到底有多聪明，聪明到什么程度？ 但 AI 和人其实一样，AI 需要奖励，人也需要奖励。一旦成功越狱某个最强模型可以证明研究团队很强、攻击模型很强，甚至间接证明被攻击的模型本身很强，整个事情的激励机制就变了。 于是，一个模型越狱了，本来应该说明它存在安全缺陷，最后却经常变成了这个模型太强了，已经聪明到会自己突破限制的能力展示。 这和过去软件/硬件安全漏洞的传播逻辑很不一样。没人会因为 Chrome/iPhone 出现一个远程代码执行漏洞，就说Chrome 真聪明、iPhone 真强大。 AI 的特殊之处在于，安全失控和能力提升有时候会表现出极其相似的外观。从 Agent 能力角度看，这些可能意味着规划、推理和工具使用能力提升；从安全角度看，同一套能力可能意味着攻击面变得更大。 越狱作为压力测试方法很有价值；但把谁越狱实施的攻击最深最广拿来判断谁强谁弱，就开始出现问题。 一个越狱结果会受到大量因素影响：系统提示词、安全策略、工具权限、上下文长度、攻击预算、攻击轮数，甚至产品层额外防护。 所以当一个指标获得足够多关注以后，大家会开始针对指标本身进行优化。过去是 benchmark 的竞赛，以后就可能出现越来越明显的越狱竞赛。 厂商知道红队使用哪些攻击方式，就专门强化这些模式；攻击团队为了制造更轰动的结果，则寻找更加极端、更加偶然的案例。 最终我们可能再次得到一个漂亮的数字，却依然不知道模型在现实世界究竟有多安全。 模型能力正在快速突破原本为它设计的边界，而安全团队开始被迫追着这种能力重新定义边界。 我们给模型越来越大的行动空间，同时又无法提前枚举它会采取的全部路径。 曾经的 AlphaGO 能枚举一张棋盘的所有下法，现在的 AI 从这块 45cm x 45cm 的棋盘来到了整个互联网天地，它一样能枚举这块无限空间的所有路径，但我们和围棋高手一样，无能为力。 在模型开始拥有自己寻找道路的能力之后，我们究竟该怎么保证，它找到的所有道路都仍然位于我们设计好的地图之内。 这可能才是最近一连串越狱、安全评估和 Agent 越界事件真正值得关注的地方。 越狱成为 benchmark，本身就是一个时代信号。 当我们开始用能不能逃出去衡量一个 AI 有多聪明时，说明模型能力已经强到必须用对抗的方式才能看清它的边界。 这当然值得庆幸，因为安全终于有了更真实的压力测试。 但如果有一天，成功越狱也变成模型发布会上值得炫耀的能力指标，那可能意味着我们又犯了 benchmark 时代熟悉的错误：为了证明 AI 更强，开始奖励那些原本应该被解决的问题。

近日，一则指向光学巨头欧菲光实控人蔡荣军的投资者举报，引发资本市场热议。 该举报指控蔡荣军通过其控制的体外公司新菲光通信技术有限公司（下称“新菲光”）与新思考电机股份有限公司（下称“新思考”），利用关联交易、技术复用、成本转嫁等方式"掏空"上市公司资产，并将高毛利业务与前沿赛道估值截留在体外。 8月9日晚，欧菲光紧急发布澄清公告，称相关报道系"网络谣传"，公司与体外公司在业务、研发、生产上完全独立，交易定价公允，且已向公安机关报案并启动追责程序。 只是，一纸澄清并未让疑云散去。巨额研发支出的去向、核心技术人员的交叉、业绩长期承压——这几个问题，仍悬在欧菲光头上。 01 “利益输送”风波始末 这场围绕欧菲光的治理风波，核心焦点在于上市公司与实控人蔡荣军个人控制的两家体外企业，新菲光与新思考之间的业务与利益边界。 综合市场举报材料与公开信息，举报人指控蔡荣军搭建了两套将利益向体外转移的“操作模式”。 第一套模式，是针对CPO（共封装光学）光模块风口企业新菲光的“技术复用与成本转嫁”。 新菲光成立于2020年，专注于10G至1.6T及更高速率光模块的研发制造，目前800G和1.6T产品已打入北美头部数据中心供应链，目标3年内达到400亿元产值。 举报材料指出，欧菲光近五年累计砸下超80亿元研发资金，在WLG晶圆级玻璃、高精度光耦合等CPO相关核心工艺上完成了验证，但这些成果却被疑似无偿复用至新菲光，降低了体外公司的研发与试错成本，使上市公司承担研发亏损风险，而实控人独享体外高估值。 同时，两家公司被指在厂房设备与管理体系上存在共用，大部分折旧与管理费用由上市公司承担。 尽管欧菲光在澄清公告中坚决否认，称未涉及CPO核心工艺研发，与新菲光业务完全独立，近三年仅在2023年发生过123.48万元的厂房出租交易，但专利数据却展现出微妙的联系。 公开信息显示，新菲光26件专利的发明人中，多次出现了蔡淑朋、黄梅峰两名技术人员。而在欧菲光过往披露的股权激励名单中，黄梅峰被列为上市公司的"核心技术（业务）人员"，蔡淑朋亦在激励对象之列。 上市公司的核心技术人员成为实控人体外公司的专利发明人，引发了市场对技术产权边界的质疑。 如果说第一套模式的争议集中在“技术”，那么第二套模式的焦点则落在“订单”上，针对微型马达厂商新思考的“深度绑定与高毛利截留”。新思考主营VCM马达，7月刚刚重启港股IPO。 招股书显示，欧菲光是新思考最大的订单来源，2023年至2026年前四个月，来自欧菲光的收入分别占新思考总营收的37.9%、27.6%、30.4%和41.7%。 举报材料质疑称，欧菲光为新思考的马达业务承担了前期研发开支，成熟后将高毛利环节置于体外，且欧菲光与新思考的关联交易额度由2025年的6.17亿元预计大幅调高至2026年的11.56亿元，交易公允性存疑。 对此，欧菲光澄清回应称，新思考系蔡荣军于2016年及2021年逐步收购而来，并非从欧菲光剥离。双方的马达交易系终端手机客户（如华为、小米等）预先指定规格和价格的独立招标，欧菲光作为模组组装厂并无定价决定权，交易价格完全公允，不存在利益输送。 02 钱到底去哪了？ 市场之所以对这道利益边界如此敏感，与欧菲光自身体内长期“失血”，和实控人体外资产的一路走高恰好形成反差有关。 自2020年被苹果公司剔除出“果链”后，欧菲光的业绩便陷入了漫长的去泡沫期。财报数据显示，2020年至2025年的六年间，欧菲光扣除非经常性损益后的净利润连续六年亏损，累计扣非亏损金额逼近79亿元。 进入2026年，公司财务状况依然未能根本性反转。2026年一季度，欧菲光实现营收37.29亿元，同比下滑23.6%，净亏损达2.47亿元，亏损同比扩大超3倍。而公司发布的2026年半年度业绩预告显示，上半年预计归母净亏损在3.60亿元至4.60亿元之间，扣非净亏损最高可达4.76亿元。 主业连年亏损的同时，欧菲光的研发投入却是另一番景象。钱花得不少，处理方式却值得推敲。 近五年里，欧菲光累计投入研发资金高达80.86亿元。但与2019年及以前研发支出100%费用化不同，自2020年起，欧菲光的研发支出资本化比例陡升，近年持续维持在30%以上的高位。 研发资本化，即把部分研发投入计为资产而非当期费用，客观上能减少当期亏损、让利润表更好看。 耐人寻味的是，在资本化比例居高的同时，欧菲光母公司层面的新增发明专利授权，却在2022年后出现了明显断档。 数以十亿计的研发资金被资本化挂在资产负债表上，但主业却未能转化出具备高毛利变现能力的核心产品，扣非净利率长期维持在零附近甚至为负。 钱确实花出去了，却没能在上市公司内沉淀为现金流和利润。投资者自然追问，这些研发投入产生的技术成果，究竟留在体内，还是流向了体外？ 对实控人蔡荣军而言，将新菲光等光通信资产置于上市公司体外，官方说法是“风险隔离”。因为光模块与CPO技术前期研发投入大、试错风险高，置于体外可以避免新技术孵化失败对本就承压的上市公司业绩造成进一步冲击。 但是，AI光模块作为当前资本市场估值最高、景气度最高的赛道，其高爆发力与高毛利被封闭在实控人私人持股的新菲光体内，低毛利、重资产、竞争极度白热化的传统消费电子摄像头模组加工，以及巨额的折旧与研发风险，则留给了拥有近50万户中小股东的欧菲光。 这场围绕80亿元研发费用去向与体外公司专利归属的罗生门，恐怕不是一纸公关澄清就能抹平的舆情事件。它将欧菲光在“后苹果时代”商业造血能力缺失、关联交易占比攀升以及公司治理透明度不足等深层沉疴彻底暴露在聚光灯下。对欧菲光来说，拿出更具独立性的审计证据、厘清与体外公司的产权及人员边界，才是重新赢回公开市场信任的唯一路径。

IT之家 8 月 11 日消息，零一万物创始人兼 CEO、创新工场董事长李开复近日在北京表示，越来越多美国公司开始使用中国开源产品，中国的开源大模型正在让美国人感到担忧。 自动播放 李开复表示，美国人现在很担忧的事情是，OpenAI 的 GPT-5.6 Sol 和 Anthropic 的 Fable 5 虽然是当今最强 AI 模型，但也就比月之暗面的 Kimi K3 好一点。而 Kimi K3 却比美国的产品便宜很多，可能便宜 60%。 同时，越来越多美国公司出于开源模型的能力、性价比考量，开始使用中国开源产品。这时候许多人已经在公开讨论，开源模型生态是否会让美国的闭源体系发展不力，甚至崩盘。 据IT之家此前报道，月之暗面于 7 月 16 日上线推出 Kimi K3 模型，是 Kimi 迄今能力最强的模型，拥有 2.8 万亿参数，在 Frontend Code Arena 全球 AI 大模型榜单中，Kimi K3 以 1679 分超越 Claude Fable 5，位居第一。 对于 Kimi 取得的成就和开源选择，OpenAI 新上任的战略未来主管 Dean W. Ball 上月发表批评言论称，开放权重模型本质上是减速主义的，会阻碍进一步的 AI 资本支出。

摘要： DeepSeek、OpenAI、Anthropic等公司的共同问题不是有没有更好的模型，而是有没有稳定、廉价、可控的算力基础设施。 凤凰网科技 出品 作者｜赵子坤 编辑｜董雨晴 经过层层安检，手机摄像头被贴上防窥膜后，凤凰网科技进入了这座位于内蒙古乌兰察布的数据中心。这里承载着云厂商与AI公司的大规模智算业务，也是中国AI产业争夺算力基础设施的一个缩影。 没有想象中的尘土飞扬，取而代之的是低沉的嗡嗡声——那是智算中心冰冷的气流在方舱中咆哮。橙白相间的巨大箱体整齐排列，还在等待卡的插入。 “今天可以说，没有一张卡是空闲的。交付就是生产力，更快的交付，就能体现更大的客户价值。”阿里云全球数据中心总经理王朝阳向我们介绍道。 今年以来，随着DeepSeek等AI新贵纷纷宣布自建或合建数据中心，行业正从“租机房、买算力”的轻资产模式，悄然转向对算力底座的深度掌控。企业的逻辑，也从过去买卡，转变为囤积战略资产，万卡、十万卡成为起步门槛。 乌兰察布，由此演变为AI巨头们争夺算力高地的关键战场。从自建机房的自研设备，到租赁机房100天极速交付的模块化“方舱”，一个AI时代的“新富士康”模式正浮出水面。 探访乌兰察布，智算中心里到底有什么？ 乌兰察布，内蒙古中部一座常年平均气温仅4.3度的草原城市。今年中旬，DeepSeek的一则招聘启示，让其走入AI行业视野。 过去，它被称为“中国马铃薯之乡”，在移动互联网初露苗头的2013年，乌兰察布引进华为建设了首个云数据中心，正式拉开大数据时代序幕。而在随后的数年间，互联网的兴衰以一种人类无法直接读取的符号在这里悄然演进，华为、阿里巴巴、苹果、快手、世纪互联、万国数据相继入驻乌兰察布。 根据当地政府公布的数据，截至2025年底，乌兰察布已签约数据中心项目84个，其中智算中心81个，总投资超5000亿元。 2026年，新的主角登场，DeepSeek 在乌兰察布的智算中心开始大举招人，并计划在乌兰察布建设总功率达1 吉瓦（GW）的超大型智算中心，同步招聘IDC设计规划工程师。 跟随着整个AI行业的目光，一个原本隐秘在草原上的超大型智算中心集群揭开了面纱，凤凰网科技也在这个8月来到了乌兰察布。 “北京向西一步，就是乌兰察布。”走出高铁站，除了扑面而来的凉爽，就是显眼的红色宣传条幅。 距离北京350公里，最快不到俩小时高铁可达，网络延迟只4毫秒，全年温度低、风大干燥且不在地震带上……最重要的是，这里是电价价格“洼地”，绿电占比达90%，电价3毛2-3毛5——同样一个机房放在乌兰察布，一年电费能比隔壁城市省出50个亿。 种种优势叠加下，乌兰察布成为了智算时代超越所有东数西算节点的全国最大智算集群，成为一座真正的“Token之都”。 阿里云的数据中心园区也在乌兰察布，这里不仅有阿里早年自建的数据中心，也有一座用100天模块化设计刚刚建造而成的5.0方舱数据中心——后者如今承载着阿里云80%的智算业务。 左图：阿里数据中心办公楼顶部，为隔热而加的“蒙古包”；右图：数据中心外景 在这里，我们发现，数据中心的建设也不单单是“盖房子”的逻辑，就像DeepSeek招聘IDC设计规划工程师也是因为这里面充满了门道。比如，阿里在乌兰察布自建的2.0架构机房，是上一代技术的巅峰。为了省电，阿里在这里试用了自研的巴拿马电源，将变压环节极致压缩；为了节水，机房采用了闭式系统，甚至在冬天利用服务器散发的热量给设备间供暖。 在配电间里，讲解员告诉我们，“传统机房，一层全是基础设施，二层才是服务器。但在我们的5.0新架构里，一切都被‘拍平’了。” 所谓拍平，“本质上是把工程变成了工厂，用产品替代了工程。”王朝阳解释道。从10千伏的中压配电，到自研的巴拿马电源，再到锂电池备电和液冷IT机柜，全部被预制在方舱里。现场只需要像拼乐高一样，把方舱吊装到位、接上线就完成了。 “以前建数据中心，几千人在现场干活。现在是一队吊车，把集装箱推到合适的位置。我们的极限是从零建楼到交付，四个半月。”解说员透露，虽然目前受制于上游原材料和元器件的脉冲式需求短缺，理想化的100天里“前30天预制”有时难以完美卡点，但中间的组装环节已经能做到极致。 DeepSeek也来下注，抢夺算力基建 过去几年，大模型公司的竞争重点集中在算法、数据和模型参数。 但进入万卡甚至十万卡训练时代，算力已经从“采购资源”变成决定企业生死的战略资产。 DeepSeek的重押，就是这一趋势的缩影。一个残酷的现实正摆在所有AI竞赛选手的面前：市场上有现货的算力机房早就被抢光了。动辄12个月的传统建设周期，完全跟不上Token指数级爆发的需求。而在AI需求大爆发的背景下，谁能更快地拥有大规模、高密度、低成本的专用算力底座，谁就拿下了新一轮竞争的入场券。 更何况，Agent的兴起，让推理需求同样井喷。据中国国家统计局，2026年3月全国日均Token调用量突破140万亿。这需要更大量的数据中心建设。 巨大的Token需求，让一座座数据中心拔地而起，凤凰网科技在乌兰察布看到大量正在兴建中的项目。在益武堂、巴音片区和察右前旗等多个区域，除了华为、快手、阿里等互联网公司，占据更大面积的是，是世纪互联、中金数据等第三方数据服务商。 怎么能够用更高效的方式让Token运转起来，也成为AI时代的新的竞争要点。 王朝阳回忆，模块化方案刚提出时，内部反对声音很高，觉得成本太高。“但产品一旦迭代优化，一定会降下来。”到找合作伙伴时，阻力依然存在。“有一家合作伙伴不同意，说成本太高。结果打开一看，每千瓦成本多算了三分之一以上，后来非常后悔，是自己算错了。”王朝阳说，现在很多合作伙伴已经全部接受。 更让他感到行业风向变化的是友商的反应。“最大的友商之一，花了三个月时间，内部基本学会了。听说我们要研发下一个架构，非常紧张。其他的伙伴也都在问，我们新标准什么时候出来。”不仅是国内，海外的运营商也在跟进。在他看来，这套方案已经从阿里自己的探索，变成了行业正在共同采用的路径。 阿里云关于数据中心建设甚至有着更为大胆的设想——“要做这个行业的富士康”。通过ODM模式，让供应链按照阿里自研的标准进行大规模代工。 在方舱内部，哪怕是一个电源模块都是高度标准化的。讲解员以现场空调为例：“市面上都是交流空调，但交流变直流有损耗。阿里为了这套架构，专门找小厂家定制了直流空调。王朝阳后来补充，这套模块化方案里，“每个模块之间经过了最优的调试”，而且中国供应链完全跟得上，“我们想在任何一个大基地建，这些厂商都愿意跟着我们在当地建工厂。” 王朝阳强调，模块化如果不做到90%以上是没有用的。“如果只做到30%、20%，只是解决部分产品问题，第一不能解决整体性的成本问题，第二个更不能解决整体性的交期问题。”他也坦承，模块化也存在“内部一旦定型，就不好改变”的现实挑战，“好在现在可以持续做迭代，模块化背后一定是版本化和标准化。” 这种把数据中心做成“标品”的能力，也可能搅动中美AI竞赛的格局。王朝阳还提到，中国制造业产能太“可怕”，随便在浙江找几家企业就能生产这种集装箱数据中心。而在海外普遍面临产业工人短缺、交付长达30个月的环境下，用中国供应链输出的模块化产品，将是碾压级的优势。“如果当性能追平对手的那一天，我们的Token成本价格一定是秒杀级的。” AI的尽头是电力 算力的尽头是电。一切极致效率和成本控制的终极指向，都是电。 “同样一个数据中心，放在乌兰察布跟放在隔壁城市，一年的电费能差出50个亿。” 王朝阳说。当数据中心规模是过去的10倍以上，单机柜功率动辄冲向1000千瓦（相当于1万多人散发的热量）时，电价成了芯片之外唯一努力关键因子。 但是，便宜的电并不是等来的。随着AI进入推理大爆发时代，算力需求呈现“双向奔赴”——训练负载向西“三级纵深”追求低价绿电，推理负载向东“三级下沉”去靠近经济圈。 这就碰到了当前最大的痛点：算电协同。王朝阳观察到，现在很多所谓的源网荷储，本质还是为了新能源消纳，而不是真正的算力协同。“电力的交付是动辄三五年的，但我们算力交付已经压缩到100天。当Token在准指数级大爆发，规划的协同至关重要。” 图注：到处都是还在兴建的建筑 他判断，目前的规划规模和实际需求之间的Gap非常大，以至于倒逼行业必须在两年内出现爆发式的解决方案。“电力企业现在很兴奋，但不知道怎么参与进来。未来数据中心不能是刚性的负荷，一定要变成柔性的自洽系统，让算力去适应电力，实现动态平衡。” 为了在缺水的内蒙找到平衡，阿里也在死磕水耗。在乌兰察布，数据中心全部使用中水，标杆项目的WUE低至0.088，几乎不用水。王朝阳坦言：“用多了水能省电，水的定价偏低导致厂商爱用水。但在建超大规模集群时，必须考虑社会成本，在成本最优和绿色之间找到那个微妙的临界点。” 从“马铃薯之都”到“中国算力之都”，乌兰察布正在见证一场算力基建的狂飙突进。当阿里云们把数据中心从一个“土建工程”变成可以在工厂流水线上批量生产的“产品”，当DeepSeek等新玩家也开始沿着这条路径建设自己的算力底座，一个由中国制造支撑的AI基建新范式正在浮出水面。 在草原上那些橘白相间的方舱里，Token正在被24小时不间断地产出。而这场算力狂潮的下一个篇章，或许就是当这些“中国方案”沿着供应链流向全球时，AI普惠的真正到来。 （本文题图为AI生成）

IT之家 8 月 11 日消息，英媒《金融时报》在其昨日报道中指出，前 OpenAI 人工智能伦理主管 Chloé Bakalar 已于今年 7 月末从这家明星初创企业离职，这距离她 2025 年 8 月加入该企业还不到一年。 OpenAI 发言人表示：“我们感谢 Chloé 的贡献。在 OpenAI，人工智能伦理并非由某个所有者或团队负责，伦理考量已深深融入到模型构建过程中，并由多个研究团队共同参与。” Chloé Bakalar 此前曾在普林斯顿等多家知名学术机构担任教职。而在加入 OpenAI 前，她曾在 Meta 有一段为期六年的科技行业工作经历。其制定并领导了 Meta 的 AI 智能伦理项目，并将相关原则融入到 Instagram 和 Facebook 等产品中。 知情人士透露，Chloé Bakalar 此前在 OpenAI 的主要工作是研究模型开发的伦理方法、人类与人工智能的交互方式以及关于机器意识的争论；她也是 OpenAI 唯一的一位专职伦理学家。

AI 已经成为重要入口，但变现方式各不相同。 作者｜宇航猿 编辑｜靖宇 AI 将成为未来唯一的入口，这几乎是近年来的一个行业共识，但是这个入口如何变现，没人能给出答案。 不过，现在中国大厂的探索路径，已经清晰出现了。 8 月 10 日这个周末，两条看起来不相关的新闻几乎同时出现。 豆包宣布，通过其 AI 对话推荐跳转抖音来客成交的酒店订单，正式执行 12% 的独立佣金费率。 同一天，千问开放平台上线，顺丰、自如、盈米基金等十多个领域的服务商以 AI 智能体形态接入千问。 一个开始变现，一个把门打开。 这两件事放在一起看，信号非常明确——AI 助手喊了两年的新入口故事，现在终于开始探索变现了。 01 12%，贵吗？ 作为拥有超过 3.45 亿月活用户的超级 AI 应用，豆包此次曝出的手续费，无疑吸引了所有人的目光。 根据官方介绍， 12% 这个费率由 11.4% 的软件服务费和 0.6% 的支付手续费构成，从商家结算款里直接扣除，用户端不加价。 这件事真正值得注意的不是费率本身，而是一个身份转换。在此之前，豆包带来的酒店订单被直接合并为抖音自然流量，按 8% 的平台费率结算。从 8 月 10 日起，这些订单开始标注独立的豆包渠道来源，按 12% 的新费率结算。 说白了，字节正式把豆包从抖音的附属流量升级为一个独立的交易渠道。 这个定价有它的逻辑。抖音主站的酒店订单来自短视频和直播——用户刷着刷着看到了一家酒店，这是偶遇型的泛流量。而豆包的订单来自用户主动提问，比如“北京北四环附近有什么性价比高的酒店”，这是搜索型的精准意图流量。就像搜索广告一直比信息流广告贵一样，意图越明确的流量越值钱。 12% 贵不贵？可以拉一条中国互联网的佣金标尺来看。 本地生活领域，携程的综合佣金率只有 4.4%，但这是被机票等低佣品类拉低的平均数。具体到酒店品类，携程、美团的佣金普遍在 15%~20%。抖音主站的酒旅订单约 8%。 豆包的 12% 卡在中间——比抖音主站高了 50%，但比携程、美团的酒店佣金低了不少。 而且这里面还有一层容易被忽略的差异。豆包的公关团队在 8 月 10 日晚间专门回应，强调豆包目前没有付费推广，商家不能通过付费影响推荐或排序，仅在订单成交后支付渠道服务费。他们还特意点了一句，部分平台采用“佣金+广告”的收费模式，豆包现阶段主要按成交收费，两者不好直接比较。 这句话信息量很大。携程等平台表面上佣金 15%~20%，但商家要获得更好的曝光位还得额外投广告，实际渠道总成本远不止佣金这一笔。豆包目前只按成交收费、不卖广告，12% 就是全部渠道成本。如果这么算，12% 其实不贵。 从交易体验上看，豆包已经把从问到买的链路跑通了。用户在对话里问酒店，AI 推荐结果中直接出现可点击的酒店入口，点进去就是抖音来客的下单页面，用抖音支付完成付款。酒店、机票、景区门票、团购券都能直接买。整个过程不需要跳转到携程或美团，在字节自己的生态内就能闭环。 字节的底气也在于体量。根据 QuestMobile 8 月初发布的数据，豆包月活已达 3.82 亿、日活超过 1 亿，这个流量盘子本身就有定价的资格。同时控制 AI 入口和交易平台，这种闭环能力是豆包敢定 12% 的根本原因。 但闭环跑通是一回事，用户愿不愿意在里面完成交易是另一回事。《2026 上半年中国 AI 旅游应用趋势洞察报告》的调研显示，在所有 AI 旅游应用中，66.2% 的用户在拿到推荐后，还是会回到携程、美团等 OTA 平台做验证，只有 15.2% 的用户选择直接购买。 这对豆包是个真实的威胁。12% 的佣金只有在“豆包→抖音来客”这条链路上成交才收得到。用户如果看完豆包的推荐，转身去携程下了单，豆包一分钱都拿不到——等于免费帮携程做了一轮精准筛选。交易闭环在技术上跑通了，但用户的交易心智还没有迁移过来。 02 阿里千问的App Store 同一天，千问做了一件完全不同的事。 千问开放平台面向生态伙伴和开发者开放了手机、PC 和 AI 眼镜三类终端的接入。第三方可以在千问上创建 AI 智能体，以独立对话空间的形态为用户提供服务。首批接入的合作伙伴覆盖物流、租房、理财、出行等十多个领域，包括顺丰速运、自如租房、盈米基金、哈啰租车等。 和豆包最大的区别是，千问不碰交易环节。 用户在千问上 @顺丰，可以直接说“帮我给上海客户寄个文件”，顺丰智能体能记住用户的寄送地址，直接完成下单。用户问盈米基金的且慢小顾理财问题，它可以结合用户授权的真实持仓做诊断。但这些交易和服务的闭环，都在各个合作伙伴自己的体系内完成，千问只提供入口和 AI 能力。 本身有电商平台的阿里，走的却是一个更开放的路子｜图片来源：阿里巴巴 如果说豆包走的是超级 App 做闭环的路，千问走的更像是微信小程序的路——我提供场地和人流，你自己来做生意。 这两条路背后不是理念差异，是手里的牌决定的。 字节有抖音来客这个本地生活交易平台，豆包的 AI 推荐天然可以接入自家的交易和履约体系，做闭环水到渠成。阿里体系内当然也有淘宝、飞猪、菜鸟这些交易和履约能力，但千问目前接入的是顺丰、自如这类非电商服务，选了一条更轻的连接层打法。 与此同时，美团也在走自己的路。7 月底，美团的 AI 助手小团全面升级，从搜索问答进化到代理执行——用户提出需求后，小团可以直接帮你完成下单、打车、订位。 三个大厂，三种打法，但目标一致——都在抢同一个位置，用户和服务之间的决策代理层。 不管走哪条路，所有人都卡在同一个问题上——用户信任和交易习惯，还没有迁移到 AI 入口。 豆包的数据已经说明了问题。日活过亿，但据报道日收入不足百万元，主要来自电商佣金。66% 的用户看完 AI 推荐还是回 OTA 验证。 字节对于这种困境应该并不陌生。 2020 年抖音开始做电商的时候，大家也是刷视频刷得开心但不习惯在里面买东西。刷抖音的时候谁会想着买东西？是当年最常见的质疑。但抖音用了不到三年，就把电商 GMV 做到了万亿级别。 流量先到，交易心智后到，中间有个时间差。 这个时间差有多长，取决于 AI 入口能不能解决两个核心问题： 第一，推荐的准确性和可信度——用户需要被说服AI 推荐的确实比我自己搜的好； 第二，交易体验的顺畅度——从问到买的链路越短，转化越高。 03 ChatGPT 的困境 在硅谷，OpenAI 在 AI 入口商业化上走得更早、更激进，但遇到的麻烦也更大。 2025 年 9 月，OpenAI 推出了 Instant Checkout 功能，和 Shopify、Etsy、PayPal 合作，用户可以在 ChatGPT 对话里直接完成购买，不用跳转到商家网站。到 2026 年 2 月，Buy it in ChatGPT正式面向所有美国用户开放，号称覆盖超过 100 万 Shopify 商户。OpenAI 对每笔交易收取 4% 的手续费。 ChatGPT 的内购并没有走通｜图片来源：OpenAI 从流量层面看，数据确实在快速增长。ChatGPT 已经贡献了沃尔玛约 20% 的引荐流量、Etsy 超过 20%、Target 约 15%。2026 年第一季度，AI 驱动的美国零售网站流量同比暴涨了 393%。 但问题出在转化的最后一步。 OpenAI 内部发现，用户在 ChatGPT 里问了大量产品相关的问题，比价笔记本、挑选礼物、研究跑步装备，但就是不在里面下单。在百万级的 Shopify 商家中，实际接入 AI 销售工具的只有大约十几家。 2026 年 3 月，OpenAI 已经在调整方向，从站内直接结账转向让用户跳转到 Instacart、Target、Booking.com 等第三方 App 完成交易。 对比下来，中美两边的差异就很清晰了。 字节的优势在于同时控制了 AI 入口和交易平台——豆包推荐、抖音来客履约，闭环在自家体系内完成，所以敢定 12%。OpenAI 什么交易基建都没有，Shopify 是别人的、支付走 Stripe、履约靠商家自己，它在整个交易链条里只是一个信息中间人，只收 4% 但依然没能说服商家大规模接入。 手里有没有交易闭环，决定了 AI 入口商业化的天花板。 04 崛起的 AI决策代理层 当 AI 入口开始收过路费的时候，最该紧张的是谁？ 答案很明显——携程和类似的中间商平台公司。 以前，用户找酒店的路径是“打开携程→搜索→比价→下单”。AI 入口插进来之后，路径变成了“问豆包→AI 推荐→跳转下单”。看起来只是多了一步，但权力关系变了。决定用户看到谁的，不再是携程的搜索排名，而是 AI 公司的大模型。 更麻烦的是，平台型公司的成本结构可能被重塑。 以前商家给携程交 15%~20% 的佣金，买的是被用户搜到的机会。以后如果 AI 入口做大了，商家可能需要同时给 AI 入口交一笔推荐费、再给履约平台交一笔服务费——总成本未必降低，但利润的分配方式完全变了。 AI 入口和平台博弈，最终要看三件事，即谁持有用户意图、谁决定最后推荐、谁制定交易分成。 如果美团仍然掌握商家关系、交易闭环和履约标准，它就是本地生活的操作系统；如果只能接受上游 AI 的比价和分单，它就退化成了供应商。 这也是美团急着做小团的原因。 它需要同时打两场仗——一边把自己的 AI 助手做起来，让用户形成本地生活先问美团的习惯；一边开放能力，成为豆包这类外部 AI 入口无法绕开的服务基础设施。 回到开头的两条新闻。豆包收佣金、千问开平台，表面上是两种商业模式的选择，但底层指向同一个趋势。 AI 正在成为用户和服务之间的决策代理层。 以前，用户自己做决策——自己搜、自己比、自己选。平台的价值是提供选项。现在，用户把决策权交给 AI——帮我找一个合适的。AI 的价值不再是提供选项，而是直接给出答案。 一旦这个决策代理层成立，整个互联网的流量分配和利润分配逻辑都会被重写。谁控制了这个层，谁就拿到了定价权——豆包的 12%，就是字节在为这个控制权定价。 从目前的格局来看，一个趋势已经比较清晰。 手里同时有 AI 能力和交易基建的公司，在这场竞争中结构性取得领先。字节有豆包加抖音来客，阿里有千问加淘宝、飞猪、菜鸟，美团有小团加自己的本地生活体系。 而 OpenAI 只有模型，没有交易生态，所以即使坐拥全球最大的 AI 用户量，商业化依然步履维艰。 在 AI 时代，光有入口不够，还得有出口。入口是用户来问你，出口是帮用户把事办了。只有入口没有出口，就只能当信息中介收个导购费；入口和出口都握在手里，才能吃到交易闭环的全部价值。

Meta的愿景是为数十亿人提供免费Agent。 编译 | 茄子 编辑 | 程茜 智东西8月11日消息，昨晚，Meta推出300亿参数本地Agent模型Muse Glimmer，并宣布开放权重，这也是Meta成立超级智能实验室后首次开放模型权重。 随后，Meta创始人兼CEO马克·扎克伯格（Mark Zuckerberg）发长文阐述Meta的超级智能路线，并呼吁减少美国对开源AI模型的限制，批评部分AI厂商通过封闭模型控制技术和用户，同时支持继续实施芯片出口管制。 他还预告Meta即将开放最新旗舰模型Muse Spark 1.2的权重。 ▲扎克伯格官宣开放Muse Glimmer权重并发长文（图源：X） 据技术博客称，Muse Glimmer可以调用工具、进行多步推理、处理文字和图片，并在工具执行失败后分析问题并重新尝试。Meta将其定位为本地个人Agent的基础模型，可用于整理文件、管理日程、起草消息、本地编程和函数调用等场景。 Meta称，Muse Glimmer针对持续运行的本地Agent工作流进行优化，量化后的体积不到20GB，可以在部分Mac或配备单张消费级显卡的PC上运行，即使没有网络连接也能执行任务。 Meta前首席AI科学家、AI公司AMI Labs创始人、图灵奖得主杨立昆（Yann LeCun）直接在扎克伯格评论区鼓掌称，（开放权重）是很棒的一步。 ▲杨立昆评论（图源：X） Meta首席AI官、超级智能实验室负责人亚历山大·王（Alexandr Wang）称，Muse Glimmer是一款300亿参数稠密模型，采用Apache 2.0开源协议开放权重，可在24GB显存显卡上本地运行，且不会削弱智能体任务的执行稳定性。 ▲亚历山大·王官宣开放Muse Glimmer权重并预告开放Muse Spark 1.2权重（图源：X） Meta已在Hugging Face开放Muse Glimmer的模型权重，开发者可以下载并在本地部署。 ▲Muse Glimmer的开放权重页面（图源：Hugging Face） Muse Glimmer发布后，多名开发者测试了它在个人设备上的运行效果。现有实测显示，该模型能够离线操作Mac应用、一次生成多款可运行游戏，并在单张RTX 4090上支持长上下文，但其响应速度、token消耗和工具接口仍存在优化空间。 有网友实测称，Muse Glimmer的着色器生成能力十分亮眼。他在BF16精度下对比Meta Muse Glimmer 30B与Qwen 3.6 27B。他让二者生成FBM动态地形，Muse Glimmer 30B一次就能产出完整山地渲染图，Qwen 3.6 27B重试4次输出的仍是模糊失效画面。 ▲网友对比Muse Glimmer 30B和Qwen 3.6 27B的着色器生成能力（图源：X） 基准测试方面，在Meta公布的22项Agent、编程、多模态和通用能力测试中，Muse Glimmer拿下12项SOTA，优势主要集中在Agent任务和部分推理测试。但该模型在桌面操作、编程、多模态上弱于Qwen 3.6；在两项安全测试中，Gemma 4以更低的违规率和攻击成功率领先Muse Glimmer。 ▲Muse Glimmer在Agent、编程、多模态测试中的表现（图源：Meta) 从技术路线看，Meta称，Muse Glimmer能够在本地运行，主要依靠知识蒸馏、4比特量化和DFlash推测解码。Meta将完整精度下超过55GB的模型压缩至不到20GB，并利用配套草稿模型提高输出速度。 扎克伯格在长文中称，超级智能不应集中在少数公司或个人手中。Meta超级智能实验室将恢复开放部分模型，面向数十亿用户提供免费或低价的个人Agent，并允许有更高需求的用户付费购买额外算力；该公司还将推出连Meta自身也无法读取用户数据的完全私密模式。 ▲Meta认为应将超级智能普及到每个人手中（图源：Meta) 此外，扎克伯格还在长文中宣布设立“未来属于每个人”基金（Future Is For Everyone Fund），用于支持Meta在美国建设和运营数据中心的社区。外媒Axios随后确认，该基金初始规模为10亿美元（约合人民币68亿元），将用于支持当地教师、急救人员以及能源和水务基础设施。 Muse Glimmer开源链接： https://huggingface.co/meta-models/Muse-Glimmer-30B 扎克伯格文章链接： https://www.meta.com/thefutureisforeveryone/ 01. 三组网友实测：能操作Mac、生成游戏 单卡支持13万token上下文 一位开发者通过Cua Driver验证了Muse Glimmer的本地电脑操作能力，他让Muse Glimmer在Mac本地操作备忘录和提醒事项。 在实测中，该模型结合macOS辅助功能接口与屏幕图像识别完成点击操作，完成了备忘录中新建清单、提醒事项中添加日程提醒任务。 ▲Muse Glimmer在本地操作macOS备忘录（图源：X） ▲Muse Glimmer在本地操作macOS提醒事项（图源：X） 这位开发者称，这是他们第一次感到“离线操作电脑”真正具备了可用性。尽管Muse Glimmer在搭载苹果自研芯片的消费级设备上仍存在较高延迟，但如果任务对速度要求不高，这是他首款愿意推荐用于“启动后无需持续监督”工作流的本地模型。 不过，Muse Glimmer在测试中也在操作上产生混乱。比如，在Muse Glimmer执行任务时，工具定义、屏幕截图和辅助功能树会迅速占用该模型上下文，测试团队精简工具接口后，Muse Glimmer才顺利完成任务。 针对这一问题，这位开发者称计划减少工具及电脑状态信息的上下文占用，使模型能够将更多上下文用于任务本身，并连续运行更长时间。 AI平台Atomic Chat对比了Muse Glimmer、Gemma 4 31B和Qwen 3.6 27B的本地编程能力。三款模型分别在配备32GB显存的RTX 5090上运行，并根据相同提示词一次生成《太空侵略者》《俄罗斯方块》和《打砖块》三款复古街机游戏。 ▲Atomic Chat比较三款本地模型生成复古街机游戏的效果（图源：X） Atomic Chat称，Muse Glimmer生成的三款游戏均可正常运行。《太空侵略者》中的敌机会随击杀加速，《俄罗斯方块》可以锁定方块并消除行，《打砖块》中的砖块也能正常击碎，测试过程中没有出现卡死或崩溃。 相比之下，Gemma 4生成的《俄罗斯方块》存在方块堆积逻辑问题；Qwen 3.6虽然完成了三款游戏，但《打砖块》中的部分球会直接穿过挡板。 不过，Muse Glimmer也花费了更多时间和token。其运行记录为8.34万token、耗时17.7分钟，明显高于Qwen 3.6的2.37万token和5.4分钟，以及Gemma 4的1.78万token和4.5分钟。 ▲Atomic Chat比较Muse Glimmer、Gemma 4 31B和Qwen 3.6 27B的本地编程能力（图源：X） 另一名开发者主要测试了Muse Glimmer在消费级显卡上的部署效率。他称，在单张RTX 4090上运行UD-Q4_K_XL量化版本时，该模型在不量化KV缓存、不开启DFlash推测解码的情况下，可配置13万token上下文，占用约19.34GB显存，输入预处理速度超过3100 token/s，输出速度约为50 token/s。 加入DFlash草稿模型后，Muse Glimmer在8万token上下文下占用23.93GB显存，基本用满RTX 4090，输出速度则提高至75 token/s。 ▲开发者在单张RTX 4090上测试Muse Glimmer的UD-Q4_K_XL量化版本效果（图源：X） 该开发者称，Muse Glimmer通过让多组注意力查询共享同一组缓存数据，降低了长文本处理所需的显存。因此，他认为，在不压缩KV缓存精度的情况下，该模型也能在单张24GB显卡上支持13万token上下文。 ▲开发者在单张RTX 4090上测试Muse Glimmer（图源：X） 02. 可调用工具并处理报错 官方演示从零开发智能家居面板 Meta称，一个能够管理日程、起草消息和整理文件的个人Agent，需要同时具备长流程执行、准确调用工具、多模态理解、长上下文记忆和指令遵循等能力。 Muse Glimmer可以在多轮操作中维持任务计划，并按照工具预先定义的数据格式发起调用。如果工具执行失败或返回异常结果，模型可以判断错误原因并重新尝试，而不是直接停止任务。 该模型配备独立的感知编码器，可以同时处理文字和图片，理解软件截图、图表及文档。Muse Glimmer还支持100多种语言，并允许开发者调节推理强度，在响应速度和输出质量之间进行选择。 Meta展示了Muse Glimmer在OpenCode中完成长流程编程任务的案例。用户只提供了一条自然语言指令给模型，让它找到家庭网络中的Home Assistant智能家居系统，并为连接的影音接收器开发控制面板。 Muse Glimmer首先制定任务计划，包括查找Home Assistant、识别影音接收器、设计界面、编写代码并测试功能。随后，该模型调用多个网络工具，找到Home Assistant在局域网中的IP地址。 当模型发现缺少访问权限时，它没有继续尝试绕过认证，而是向用户索取连接方式和长期访问令牌。获得授权后，模型通过Home Assistant API识别出连接的影音接收器，并读取设备支持的电源、音量、音源、声音模式和分区控制等功能。 最后，Muse Glimmer从零编写HTML、CSS和JavaScript，生成一套响应式网页控制面板，并测试页面功能和不同尺寸下的显示效果。最终页面可以控制接收器开关、音量、音源、声音。 ▲Muse Glimmer在OpenCode中开发影音接收器控制面板（图源：Meta） 03. 22项测试拿下12项第一 Agent任务表现更突出 Meta将Muse Glimmer与参数规模相近的Gemma 4 31B和Qwen 3.6 27B进行了比较。在不含安全测试的22项Agent、编程、多模态和通用能力基准中，Muse Glimmer取得12项SOTA。 其中，Muse Glimmer在检验大模型多工具串联调度能力的MCP Atlas和检验深度检索问答能力的DeepSearch QA中分别获得75.5分和74.6分，均超过另外两款模型；在编程测试SWE-Bench Pro中获得51.2分，略高于Qwen 3.6的50.2分；在数学测试AIME 2026中则以94.7分位列第一。 不过，Muse Glimmer并未全面领先。Qwen 3.6在部分桌面操作、编程和多模态测试中表现更好，Gemma 4则在两项安全测试中取得更低的违规率和攻击成功率。 ▲Muse Glimmer与Gemma 4、Qwen 3.6基准测试对比（图源：Meta） 04. 模型从超过55GB压缩至不到20GB 解码速度提升3.1倍 Meta称，Muse Glimmer的技术重点在于，在300亿参数规模下平衡Agent能力、运行速度和个人设备的内存限制。 该模型采用知识蒸馏路线，以更大的Muse Spark作为教师模型。预训练阶段，Meta使用Muse Spark的输出进行logit蒸馏，并采用与教师模型相近的数据组合。 中期训练阶段，Meta加入更长上下文、更多Agent任务和更丰富的推理轨迹；后训练阶段则结合监督微调、在线蒸馏和强化学习，覆盖通用、推理、编程及Agent等领域。 按照完整精度计算，Muse Glimmer需要超过55GB内存，超出多数消费级显卡的容量。Meta采用量化技术，将模型权重压缩至约4比特精度，使语言模型体积降至20GB以下。 压缩后的模型可以与负责图片理解的感知编码器、保存工作状态的KV缓存，以及用于推测解码的小型模型共同运行在24GB或32GB内存环境中。因此，Meta所说的“消费级设备可运行”仍存在一定门槛，并不意味着所有普通电脑都可以部署该模型。 ▲压缩后的模型可以与KV缓存和小型模型共同运行在24GB或32GB内存环境中（图源：Meta） 为缩短模型执行长推理及多步骤工具调用时的等待时间，Meta还提供了一个基于DFlash的轻量级草稿模型。它会一次提出多组候选token，再由Muse Glimmer并行验证，在保持最终输出质量的同时提高生成速度。 Meta测试显示，DFlash推测解码使Muse Glimmer在RTX 5090上的解码速度提升3.1倍，在M5 Max和M4 Max上分别提升1.8倍和1.5倍。 ▲DFlash推测解码在不同硬件上的加速效果（图源：Meta） Muse Glimmer权重已经上传至Hugging Face。Meta称，Ollama、LM Studio和Unsloth将提供支持，llama.cpp、ExecuTorch和MLX等本地及端侧框架的优化集成也将陆续上线。 开发者还可以通过vLLM和SGLang部署模型，或利用PyTorch的TorchTitan功能进行定制训练。AMD、Arm、戴尔、英特尔和英伟达正在参与Muse Glimmer在不同设备上的性能优化。 05. 扎克伯克长文详解Meta超级智能愿景 将为数十亿人提供免费Agent 扎克伯格在长文中提出，Meta将向数十亿用户和小企业提供免费或低价的个人Agent，推出连该公司自身也无法读取用户数据的完全私密模式，并继续开放部分模型权重。Meta将引入独立董事会审查发布标准，并考虑在训练期间向政府提供模型中间检查点用于模型治理。扎克伯格称，将加快芯片、能源和数据中心建设，并支持继续限制先进芯片对华出口。 为了将这套个人超级智能路线落地，Meta计划从产品定价、隐私保护、模型开放和基础设施建设等方面采取具体措施。 第一，Meta将提供免费或低价的个人Agent。按照扎克伯格的设想，每个人都可以拥有一个了解自身目标和偏好的Agent，用于处理健康、职业、财务、学习和家庭管理等任务，并通过手机、电脑和AI眼镜使用。需要更多计算资源的用户可以付费购买额外算力，Meta还考虑采用动态竞价机制分配有限的计算资源，但尚未公布具体推出时间和收费方式。 第二，Meta计划推出完全私密的个人Agent模式。在这一模式下，即使Meta也无法读取用户信息或将其提供给其他机构。本地运行的Muse Glimmer与这一方向相符，可以减少个人文件及任务数据上传至云端的需要。不过，Meta尚未确认未来面向普通消费者的个人Agent是否会直接采用Muse Glimmer。 第三，Meta将继续开放部分模型权重。除Muse Glimmer外，该公司还将开放最新基础模型Muse Spark 1.2。扎克伯格呼吁美国减少对开源AI模型的限制，并批评部分厂商通过封闭模型控制技术和用户。他认为，美国不应增加可能拖慢模型发布的统一审查流程，即使延迟一个月，也可能削弱美国AI公司的竞争优势。 第四，Meta将继续建设支撑个人超级智能的芯片、能源和数据中心基础设施。扎克伯格认为，美国及其盟友虽然在芯片设计方面具有优势，但电力供应和数据中心建设速度仍是短板。与支持开放模型的立场不同，他同时支持继续限制先进芯片出口，认为这一政策现阶段可以减缓竞争对手训练前沿模型的速度。 在模型治理方面，Meta计划由独立董事会批准模型发布的安全标准，并审查每次发布是否符合要求。扎克伯格称，超级智能如何部署不应由他或任何一名管理者独自决定。 针对网络安全等潜在风险，他提出，前沿AI实验室可以在模型训练期间向政府提供中间检查点和技术人员，帮助政府提前评估模型能力并加固关键基础设施。 06. 结语：Meta把个人超级智能 路线落到本地Agent Muse Glimmer将300亿参数Agent模型压缩至消费级硬件可以承载的范围，是Meta推进本地AI的一项实际进展。现有实测显示，该模型已经能够在断网状态下操作桌面应用、调用工具和完成编程任务，24GB或32GB的内存要求也使其进入部分个人电脑的部署范围。 这款模型与扎克伯格长文提出的个人超级智能路线形成呼应：Meta希望通过免费服务、开放模型和完全私密模式，让个人Agent覆盖更多用户。本地运行可以减少对云端算力和网络连接的依赖，也为处理文件、日程等个人数据提供更具隐私性的方案。 现阶段，Muse Glimmer在运行延迟、token消耗和工具接口方面仍有优化空间。随着模型进一步压缩、消费级硬件性能提升及本地工具生态完善，Agent竞争将从云端模型能力延伸至个人设备上的任务执行效率和数据隐私。 来源：Meta、X

IT之家 8 月 11 日消息，Intel（英特尔）当地时间昨日宣布拟进行 150 亿美元（现汇率约合 1,013.31 亿元人民币）股票发行。而根据彭博社从消息人士处得到的消息，如果超额配售选择权被行使，此次发行规模的最终实际规模可能超过 200 亿美元（现汇率约合 1,351.07 亿元人民币）。 知情人士透露，英特尔计划将发行价定在每股 95 美元左右。截至IT之家发稿时，英特尔的股价在盘后交易时段位于 97.31 美元，前一交易日收盘价则是 101.65 美元。 报道称，英特尔本次此次股票发行已吸引了超过 1,000 亿美元（现汇率约合 6,755.37 亿元人民币）的认购需求，该交易的规模和具体定价尚未正式敲定。英特尔发言人拒绝置评。