快科技8月14日消息，影石Insta360 X6支持3D时光舱功能，它也是目前市场上唯一支持App内生成3D高斯泼溅模型的全景相机。 可以把你旅行去过的地方都可以通过简单拍摄一键建模，并通过微信分享。 依托高斯泼溅模型，用户拿着全景相机简单走动拍摄，就能把现实场景转换成可自由穿梭的3D立体空间，给全景素材开辟了全新玩法。 想要生成3D时光舱，操作门槛很低。用户使用X6拍摄8K全景视频，只需要平稳走完想要记录的场景，不需要复杂走位、专业扫描设备。 拍摄完成之后，打开Insta360 App，一键就能把视频素材渲染成3D高斯泼溅空间。整套流程不用额外学习专业建模软件，普通爱好者也能轻松上手。 和传统三维重建方案对比，这项技术优势很明显。常规建模大多依靠大量图片定点拍摄，很容易出现孔洞、模型扭曲，渲染耗时很长。 3D高斯泼溅依托全景视频连续采集的画面信息，场景纹理还原更加自然，空间深度信息完整，最终生成的3D场景观感更加真实流畅。 生成后的3D时光舱不只是静态模型。打开文件可以自由移动视角、前后穿梭，随意调整观察位置，重新回味当时现场的环境氛围。 旅行打卡、探店、家庭聚会、户外营地这类场景都很适合记录，把转瞬即逝的现场，保存成可以随时重返的立体回忆空间。 不过这项功能也存在一些限制，场景尽量保证光线稳定，明暗剧烈变化、大面积透明玻璃、持续快速移动的人群，会在一定程度影响最终建模效果。 长久以来，全景相机大多停留在拍摄全景照片、视频、后期二次构图。3D时光舱相当于打破了传统全景素材的观看形式，不再局限平面画面裁剪，多出一种更有沉浸感的内容创作方式。 影石创始人刘靖康特意分享了一张3D时光舱，大家感受下。

Jay 发自 凹非寺 量子位 | 公众号 QbitAI DeepSeek Harness，终于发布，并且将源代码开源了。 为啥说终于呢？因为我已经内测了快半个月，现在也是终于能发了。。。 这段时间里，为了测试，我几乎把我所有Vibe Coding项目，都从Codex迁移到了黑鲸（是的，logo黑化了）。 深度体验这么久，又把官方Repo从头到尾翻了个底朝天之后，我最大的感触是—— 这简直是套彻头彻尾为自进化和DIY而生的马鞍啊。 内测群里，有大佬直接给改成了这样。。。 这样。 还有这样的TUI。 而DSH真正能做的，远远不止这些。 事实上，DSH的一切：模型、工具、策略、存储、上下文管理……都是可插拔的积木。 这意味着，如果你想，完全可以自己上手改造，或者针对特定场景定制运行时。 目前，官方已经内置了一百多个插件。后续社区会提供更多。 Agent时代的安卓，来了。 DSH最不绕弯子说明书 但在说底层技术相关的内容前，咱们还是先讲讲产品体验本身。 官方给出了两个安装方法： 快速体验：在已安装Node.js开发工具链的系统中，可以使用npx命令快速启动DeepSeek Harness的Web UI。 npx @deepseek-ai/dsh web 源码安装：获取完整项目源码，并按照仓库说明完成安装。 git clone https://github.com/deepseek-ai/deepseek-harness 其实可以更简单，直接把仓库链接（见文末）丢给AI，让它帮你全部搞定（doge）。 但暂时没有Electron APP，启动服务后，得通过浏览器Web UI用。 打开后，会先让你填模型API Key，没有的话直接到DeepSeek开发平台买一个。 但梁圣这次可能不止收你电费钱了，17号要大涨价，尤其是缓存。。。 不过，你也是可以接入其他模型的。 之后就能看到黑鲸真容了，基本和DeepSeek网页版长得一模一样，只不过现在对话列表成了本地项目管理列表。 使用上也和主流Agent有些区别。 开启会话前，你需要额外选择工作目录，以及—— Agent预设。 这是DSH比较新鲜的功能，目前官方有四类预设供你选择—— 标准模式：功能完整的编码Agent，涵盖文件编辑、Shell、文件与网页检索、Skills、计划模式、目标追踪、子代理和工作流等全部能力 PTC模式：在标准模式全部能力之上，额外提供Code Mode SDK，允许模型编写TypeScript程序来组合多步操作。 极简模式：仅保留bash和str_replace_editor两个工具，用于基准测试和最小化复现。 创造模式：在标准模式全部能力之上，额外提供运行时检查、插件实验和preset创作指导，用于自定义Agent预设。 此外，也支持自定义预设。 这也是DSH带给我最深的印象——这是一个非常极客，甚至可以说是开发者天选的马鞍。 很多设计都围绕这个第一性原理展开。 比如有个叫轨迹的功能。 众所周知，随着Agent跑得越久、工具链越复杂，Chat摘要就越来越黑盒，根本搞不清楚模型在背后干啥。 DSH做的这个轨迹，就是一个能随时监控Agent的回放窗口。 和Chat视图的是润色后的对话不同，Trajectory能直接看到原始事件级记录，你可以随时回放，查看会话内部到底发生了什么。 这样，能更直观地看到模型究竟是在哪栽了跟头，每个环节都烧了多少钱。 此外，DeepSeek还在仓库里内置了一堆Skill，专为开发而生。 看了一眼MD，功能大概有这些—— dsh-code-review：审PR用的。按本仓库的规范检查代码里看不出来的问题。 dsh-find-simplifications：找可以简化代码的地方，并把简化想法写成Agent Note。 dsh-doc-standards：写/审文档用的。管文档层级、区分教程和参考、砍「文档废话」。 dsh-prose-standard：全仓库文字品控。Markdown、JSDoc、代码注释、提示词、CLI/UI文案该不该写、怎么写。 ...... 不过，我不是重度开发者用户，日常确实不太用得着这些。 但多轮交互下来，我发现DSH有一个非常好用的小设计—— 即便不开计划模式，黑鲸在遇见用户指令不明确的情况时，也会主动拉起提问。 这点和Codex很不一样。在DSH的鞭策下，黑鲸会非常主动地开启头脑风暴，并且给出建议选项。 说实话，太爽了，能节省巨多脑力，少吃很多根香蕉（bushi）。 当然，你也可以哪个都不选，自己巴拉巴拉语音输出一堆上下文给它。 其他就和Codex没啥区别。 你可以用/，调用上下文压缩、设置目标、计划模式等功能，或者调用Skills。 像任务清单这种功能，也是有的。 比较遗憾的是，经典Agent三列表中右侧栏还没做出来，体验上还是有些不方便。 这点Codex就非常吃香了，内置浏览器、文件管理、预览…… 甚至能直接在对话中播放视频。。。 诸如此类，反正就是很多UI和交互上的小细节，跟Codex比起来肯定还是有差距，可能也得等后续更新打磨吧。 对了，DSH是支持图片作为附件上传的。 但众所周知，V4是个瞎子啊o(╥﹏╥)o，这个功能需要额外搭配多模态模型食用。 最后聊聊Token消耗。 也是很神了，DSH专门在屏幕最下方搞了个统计表，你可以随时在这里查看Token消耗量、缓存命中率，以防一不留神给信用卡刷爆掉。 缓存命中方面，也是很猛的，大多处于99%左右，有几次直接干到100%了。 当然，也是遇到过几次掉到60-70%的情况的。 但奈何内测的时候DeepSeek是真便宜啊！ 说实话，我真就没咋关注过这个仪表盘。 感谢梁叔叔。 一手实测 最后就来拴上这套原生马具后，黑鲸的表现吧。 我让V4 Flash分别用Codex和DeepSeek自己的harness跑了几个demo，大家可以自行对比一下。 左边是DSH，右边是Codex。模型、推理强度完全一致。 首先是鹈鹕自行车。 比较经典的一个测试了，说实话，没太大差别，甚至右边Codex的审美更好。 但这个猪八戒3D白模就很离谱了。 同样是只简单嘱咐了一句任务，没有写复杂提示词，右边Codex马鞍一把梭的产物简直不像个生物。 从《后室》逃出来的是吧。 至于原因，我个人感觉是：DSH驾驭下，模型的长程任务能力会强非常非常多。 像猪八戒这个demo，就一句生成猪八戒3D白模，DS直接猛跑了20min。 反观Codex，几乎就没怎么返工，6分钟就跑完了，异常自信。 甚至最开始还以为是要生成图片，还管我要GPT-Image-2的API。。。 搁这带货来了啊？？ 这也是社区比较一致的反馈，听有个哥们说，他最长跑了10个小时。。。 我自己的体验也差不多，基本都是一句prompt直出，很少出现直接、不绕弯子地交付半成品的情况。 比如这个第一人称射击游戏，我真就啥prompt没给，下蹲、换弹、瞄准、NPC……所有功能都它自己做的。 也建议大家不用让AI单独生成一遍Prompt，直接语音输入把需求讲清楚就行，太过详细反而会限制模型发挥。 对了，这有个黑鲸给自己做的思考gif，欢迎大家拿去当表情包。 所以，买了梁叔叔的API，接DSH还是Codex？ 结论很简单：自家模型肯定是优先搭配自家Harness。 不然也没必要单独做一个了。。。 Agent时代的安卓 实测的部分就先到这，主要聊的还是产品设计上的细节。至于模型能力，市面上已经有太多demo了，这里不再赘述。 我更想聊的，是藏在这个对话框之下的东西。 打开官方Repo，你会发现README里反复出现同一个词——Cordis。 啥意思？我看了一下，大概可以理解为乐高的底座板。 你玩乐高的时候，不会从零开始捏，你有一块带凸点的底板，然后往上插各种零件。 Cordis，就是程序员写代码时的那块底板。在设计Agent框架时，它将整体拆解为一个个独立插件，各司其职。 这样，可以最大程度避免重复造轮子。 开发者若有魔改需求，只需按规则 Vibe Coding 一个新插件，直接插到底板上即可；若对现有插件不满，也能随时拔下替换。 说实话，这是一种相当AI-Native的设计思路。 要知道，Skill只是Prompt Engineering的范畴，已经爆发出如此强大的影响力。 而Cordis插件，允许用户自定义整个Agent运行时。 这也是DSH架构文档所说的—— 它采用了一切皆插件的架构。 这个主流Agent的思路很不一样，虽然Codex的Harness也开源了，但骨子里还是iPhone这类闭源哲学—— Rust写单体核心，依靠外部挂件做App Store扩展，MCP工具、hooks、skills，统统挂在核心外面，你不能随意触碰主干。 优点当然很明显。 Rust直接控制内存和并发，比插件框架的抽象层更快；一体化封装，可控性也更高、更极致。 缺点嘛，就是封闭，社区没啥插手空间。 而DSH，我觉得，就是Agent时代的安卓。 它以Cordis为一等公民，打造了一套彻底开放的操作系统。在仓库的Doc文件夹中，甚至有手把手教你从零构建插件、接入官方Harness的完整教程。 甚至还内置了一个魔改Cordis的Skill。 这意味着，任何人、在任何时候遇到Bug或需要新功能，都可以直接动手实现，然后再开源出来。 未来，其他用户遇到相似问题时，也能直接安装社区已有的DSH插件，就像《我的世界》装模组一样。 比如前面说到困扰我很久的侧边栏功能，社区里就有老哥做了插件。 事实上，DeepSeek Harness已经预留好了Plugin Store，光是官方，现在就已经内置了100多个插件。 公众号宣发物料里，也披露了不少社区开发者所做的插件。有大鲸鱼TUI、上古QQ风皮肤、鲸鱼专属emoji…… 这也是DeepSeek Harness团队呼吁的事情： 我们期待与全球开发者一起，在开源、开放、可复用、可组合的基础设施之上，共同探索智能上限。欢迎全球Harness开发者加入DSH插件生态。 剑指自进化 我感觉DeepSeek可能在下一盘大棋。 今年自从Anthropic那篇self-improvement博客发出来之后，大家一直在聊自进化，但说实话，始终没有一个很清晰的路线图。 DeepSeek这套思路，是我目前看到的比较可落地的实现方式—— 普通用户也能参与AI的自进化。 Cordist协议下，模型可以在不打断任务的前提下，自己写个插件、自己安上。 再配上用户生态，你想想：从成百上千万个Agent实例里，筛出魔改得比较好的插件，再融回主线…… 这不得起飞了啊！ 什么？你问说了这么多，这Cordis对用户体验到底有啥帮助？？ 好问题。 在社区里问了一圈，目前看来，对普通用户而言，暂时是没太大帮助。。。 毕竟是个吃生态的feature，也许要等后面大量高质量插件沉淀下来后，才能体现出差异。 当然，如果你是极客选手，欢迎，为后人种点树。 DSH链接：https://github.com/deepseek-ai/deepseek-harness

IT之家 8 月 14 日消息，OpenAI 公司今天（8 月 14 日）发布公告，宣布以预览形式，针对其最强 AI 模型 GPT-5.6 Sol 推出 Ultrafast（超高速）模式，是标准处理速度的 14 倍，最高每秒输出 750 个词元（Token）。 在服务支持方面，OpenAI 公司表示该模式由 Cerebras 提供，目标是在用户工作流中，进一步提高模型的响应速度。 OpenAI 公司表示，在过去模型速度和能力两者不可兼得，如果用户需要更快的输出速度，通常需要牺牲模型能力，转而选择更小或更专用的模型。 而 Ultrafast 可以实现两者兼得，让“每秒完成更多有价值工作”成为新的方向。OpenAI 列出的早期应用场景包括：事故响应与可靠性分析、金融研究与安全分析、客服与语音交互、电商场景中的商品问答与库存查询，以及实时研究和实验。IT之家附上相关截图如下： OpenAI 称，这一模式面向对实时性要求极高的业务场景，当前处于有限预览，仅向一小批客户开放。公司表示，这些早期测试有助于判断速度提升在什么环节价值最大，也有助于观察模型能否跟上用户操作节奏。

快科技8月14日消息，据ChannelNews报道，苹果首款折叠屏手机iPhone Ultra受量产良率、零部件供应制约，初期产能十分有限，新品计划采用分区域阶梯上市策略，首批现货优先供给美国市场。 澳大利亚等区域零售商与运营商已经确认，首发阶段无法拿到该机型现货。 造成产能不足的核心原因包含三点，一是全新铰链、柔性屏幕组装工艺复杂，整机生产良率持续承压；二是部分零部件交付存在缺口；三是量产机型测试环节暴露品质问题，进一步压缩可出货整机数量。 根据爆料，iPhone Ultra采用4:3宽幅阔折叠方案，展开后内屏尺寸达到7.76英寸，分辨率2713 x 1920，视觉比例对标iPad mini，横向浏览文档、分屏办公、观影时视野更舒展，也是苹果首款主打平板级大屏体验的手机产品。 搭配5.49英寸外屏，分辨率2088 x 1422，日常无需展开机身，就能完成通讯、消息回复、拍照等基础操作，外屏仅保留单挖孔前置镜头，取消灵动岛设计，正面视觉更加简洁。 机身材质选用轻量化钛合金框架，受力铰链区域搭配不锈钢与压铸液态金属结构，整机重量控制在250g以内，完全展开状态仅4.8mm，折叠闭合后厚度9.6mm。 铰链iPhone Ultra的研发重点，苹果连续攻关多年，内部增加金属应力分散板材，搭配屏幕表面自修复涂层，大幅弱化折叠产生的屏幕折痕，同时经过数十万次开合耐久测试，解决折叠屏长期使用易松动、出现明显折痕的行业痛点。 硬件配置上，iPhone Ultra搭载台积电2nm工艺A20 Pro旗舰芯片，标配12GB运行内存，深度适配iOS 27专属折叠分屏系统，多窗口并行、跨应用拖拽流转等生产力功能全面优化。

Gemini 新官上任后的第一把火，来了。 距离 3.6 Flash 发布才过去 3 周，Google 又端上了 Gemini 3.7 Flash。 刚刚接掌 Google DeepMind 的 Koray Kavukcuoglu 发文介绍，这是新一代面向 Coding 和 Agent 工作流的主力模型，首发价格只有 Gemini 3.6 Flash 原始价格的一半。 随后，他还专门晒出了一组过去 3 个月的进化曲线。 DeepSWE v1.1 从 37.0% 涨到 65.3%，Web Development 的 Code Arena Elo 从 1506 涨到 1588，企业自动化 AutomationBench 则从 13.4% 提高到 30.4%。 短短 3 个月，Flash 已经从 3.5 一路更新到 3.7，原本主打便宜大碗的它，现在明显被赋予了更多任务，Coding、Agent、企业自动化都成了它的主战场。 三周一更，Flash 不满足于便宜好用了 先看看 Gemini 3.7 Flash 到底升级了什么。 按照 Google 官方的说法，它是目前 Flash 系列中最智能的 Coding 和 Agent 主力模型，其中软件工程能力的提升尤其明显。 相比 3.6 Flash，Gemini 3.7 Flash 在 FrontierCode 1.1 Main 上从 34.4% 提高到 43.6%，DeepSWE v1.1 则从 49.0% 提高到 65.3%。 放进 Google 官方公布的横向成绩里看，结果多少有些出人意料。 FrontierCode 1.1 Main 上，3.7 Flash 的 43.6% 已经略高于 Claude Sonnet 5 的 42.7% 和 GPT-5.6 Terra 的 41.3%； WebDev Code Arena 上，它拿到 1588 Elo，同样超过 Claude Sonnet 5 的 1541 和 GPT-5.6 Terra 的 1523。 过去主要靠速度和价格打市场的 Flash，如今已经能在部分 Coding 和 Web Development 测试里，和旗舰模型坐到一张桌子上。 当然，全面反超还远远谈不上。 DeepSWE v1.1 上，Gemini 3.7 Flash 的 65.3% 仍低于 GPT-5.6 Terra 的 69.6%；Terminal-bench 2.1 上，3.7 Flash 的 85.8% 也稍逊于后者的 87.4%。 真正值得关注的是，Flash 的能力上限正在快速提高，同时 Google 并没有因此丢掉它原本最重要的优势：速度和价格。 相比跑分，Google 最近对 Agentic workflows 的强调甚至更加频繁。 3.7 Flash 在多步骤规划、Tool Call、遇到障碍后的调整以及指令遵循等方面都有提升。面对复杂任务时，模型会投入更多推理资源，Google 希望借此减少人工监督，以及失败之后反复重试的次数。 企业自动化测试 AutomationBench 很能说明 Flash 的主打方向。 Gemini 3.6 Flash 的成绩只有 17.0%，到了 3.7 Flash 已经提高到 30.4%。Google model card 公布的同项成绩中，Claude Sonnet 5 为 10.7%，GPT-5.6 Terra 为 23.6%。 跑分成绩和真实生产环境之间当然还有距离，但最近几代 Flash 的产品定位已经越来越清楚：Google 希望它承担更多 Coding、工具调用和复杂工作流，逐渐成为 Agent 后台那个长期在线、持续干活的主力模型。 进入 Agent 阶段以后，Flash 原本的成本优势也变得更加关键。 3.6 Flash 发布时的原始价格分别是 1.5 美元和 7.5 美元。现在到今年年底之前，Gemini 3.7 Flash 的推广价为输入 0.75 美元 / 100 万 Tokens，输出 3.75 美元 / 100 万 Tokens。 Google 一方面持续把 Flash 的能力向旗舰级别靠拢，另一方面又将首发调用成本直接砍到了上一代的一半。 在聊天类应用中，这种价格差异或许还不算显眼；但一旦进入每天执行数万甚至数百万次调用的 Agent 和企业级工作流场景，最终的成本差距就会被迅速放大。 很明显，Google 已经在围绕这类高频使用场景进行产品布局了。 比如，Gemini 3.7 Flash 配合 Nano Banana，可以从一段文字开始动态生成角色、道具和纹理，最终做出一个可以直接玩的 3D 游戏。 到了 Web Development 场景，它还能调度多个 sub-agents，再结合 Gemini Omni 生成带有交互视差效果的网页。无论输入是截图、图片还是完整 Design System，新模型都能用更少的 Prompt 生成完成度更高的页面。 机器人训练同样被纳入了 Flash 的能力版图。 Google 展示了一个由三个 Agent 组成的闭环系统，让 Gemini 3.7 Flash 借助多模态理解参与到机器人训练流程中；与此同时，一份原本静态的 PDF 年报，也能被直接转化为带有图表、数据汇总以及交互功能的网页。 从写代码、跑企业流程，再到训练机器人，Flash 能干的工种明显越来越多了。 与此同时，Google 在 I/O 上推出的 24/7 个人 Agent Gemini Spark，也会从今天开始换用 3.7 Flash。 升级之后，Spark 面向 Google Workspace 的 Tool Use 能力也会加强，可以处理整理文件、起草邮件、更新状态文档等任务。 开发者可以通过 Gemini API、Google AI Studio、Android Studio 和 Google Antigravity 使用 3.7 Flash；企业端则能从 Gemini Enterprise Agent Platform 和 Gemini Enterprise App 接入。 Google 给 Flash 准备的入口其实已经足够多了。Workspace、Cloud、Android，再加上 Gemini 自己的消费者产品，一旦模型能力成熟，马上就能进入 Google 现成的产品体系和企业工作流。 Sergey Brin 下场催更，Google AI 内部开始重新排兵布阵 就在 3.7 Flash 发布前一周，Google DeepMind 刚刚完成了一次相当大的权力调整。 Demis Hassabis 转任 Google DeepMind 主席，减少日常管理职责；Koray Kavukcuoglu 则进一步上位，并拥有 DeepMind 重大决策的最终决定权。 一周之后发布的 Gemini 3.7 Flash，也因此成了 Koray 掌权之后第一款正式亮相的 Gemini 模型。 当然，一款大模型不可能在一周内临时训练出来，人事调整和 3.7 Flash 的研发之间也不存在这样的直接因果关系。 可两个时间点撞在一起，还是很有节目效果。尤其是路透社随后又披露了一系列 Google 内部细节。报道称，Google 联合创始人 Sergey Brin 最近几个月一直在亲自给 Gemini 团队施压。 今年 4 月，面对 Anthropic Claude Mythos 带来的竞争，Brin 曾在一次面向数百名员工的内部会议上要求 Google DeepMind 加快速度，并把更多注意力集中到 Gemini 上。 虽然 Brin 已经没有正式管理职位，但作为 Google 联合创始人，他依然能够影响部分重要资源的分配。按照路透社的报道，Brin 还在推动 recursive self-improvement，也就是递归式自我改进等方向，希望 Google 尽快重新回到前沿位置。 Google 确实有着急的理由。 去年 11 月，Gemini 3 一度帮助 Google 追上第一梯队，但随着 Anthropic 和 OpenAI 持续更新新模型，领先位置很快又发生变化。 更麻烦的是，Google 原计划推出的新一代旗舰 Gemini 还延期了。 旗舰没能按计划推出，组织内部还有不少积累已久的问题。 按照路透社采访的多位知情人士说法，算力资源紧张、Gemini 多位负责人之间存在意见分歧，再加上 Google 庞大的决策流程，都曾拖慢模型研发。其中，Coding 等后来被证明越来越重要的能力，也一度没有获得足够资源。 Koray Kavukcuoglu Koray 的上位，正发生在这样的背景之下。 他过去长期负责 DeepMind 与 Google Cloud 之间的沟通，后来又被 Pichai 任命为 Google 首席 AI 架构师，核心任务之一就是推动 Gemini 进入 Google 各条产品线。 路透社称，随着 Koray 权力扩大，一些 DeepMind 原有管理者对 Gemini 技术路线的影响已经减弱；DeepMind 的部分非技术团队，也开始转入 Google 公司体系。 Gemini 的权力中心正在进一步向美国山景城移动，DeepMind 原本相对独立的研究机构属性，也在继续淡化。 再回头看 Gemini 3.7 Flash，意味就不太一样了。能力暂时还做不到处处绝对领先，就用更高的迭代频率、更低的调用成本，再叠加 Workspace、Cloud、Android 这些早已存在的入口，提前去抢真实生产环境。 Google 手里恰好握着这样的分发优势。相比几个月憋一次 Pro 旗舰模型，一个三周更新一次、性能继续上涨、价格还能减半的 Gemini Flash，既是无奈之举，也显然更像眼下的 Google 真正需要的东西。

快科技8月14日消息，小米汽车发布最新一期答网友问，专门讲解龙甲电池的防水能力，打消大家暴雨、积水路段开车的安全顾虑。 小米龙甲电池是小米全程主导研发的整套动力电池方案，从电芯、电池包设计到出厂质检，全部由小米把控，各项安全标准都比现行国标严苛很多，防水只是它众多安全优势里的一项。 防水层面，这套电池同时达到 IPX8、IPX9K双等级标准。简单说，静态状态下丢进1米深水里浸泡24小时不会进水损坏。 日常洗车 80℃高温高压水枪冲洗，内部电路也不会短路，城市积水、雨天行车、高压洗车这类常规场景完全不用发愁。 小米澎程全系车型都配备专属应急涉水模式，两款车型涉水上限不一样，N90 Max最高能通过750mm深积水，N70 Max支持650mm深度，日常城市内涝路段基本都能正常通行。 开启模式后车辆会自动做电气防护，搭配全车防水线束，大幅降低涉水故障概率。 除防水外，龙甲电池其他安全指标也全面拉高门槛。底部撞击测试国标只用30mm撞击头、150J能量，小米标准换成25mm细头、500J高能量冲击，撞击后不仅不能起火漏水，电池还要保持正常工作。 热失控测试国标仅常温95%电量，小米要求55℃满电状态下单颗电芯起火，整包不蔓延、不爆炸。 电气上配备毫秒级机械闸刀，碰撞、短路瞬间切断高压；云端巡检采集频率是国标的10倍，全天24小时监控电池状态。电芯循环寿命、全流程质检标准也同步升级，每一块电芯的生产数据都会存档15年，出现问题可以完整溯源。 官方也给出涉水行车提醒，开启涉水模式后低速平稳通过，不要长时间、长距离泡在水里。涉水结束后，最好去门店做一次整车检测，避免隐藏故障留下隐患。 对经常遇到雨季、城市积水的车主来说，龙甲电池这套双重防水加多重安全防护，日常雨天通勤、短途过水足够安心。

IT之家 8 月 14 日消息，彭博社今天（8 月 14 日）发布博文，报道称在收 IPO（首次公开募股）上市前，OpenAI 的发展势头良好，2026 有望实现年化收入超过 400 亿美元（IT之家注：现汇率约合 2,702.76 亿元人民币），比 2025 年收入（约 200 亿美元（现汇率约合 1,351.38 亿元人民币））翻一番。 据彭博社报道，联合创始人兼总裁格雷格 · 布罗克曼在内部公告中告知员工，仅 7 月份，月度营收增长率就增长了 20% 以上。首席财务官莎拉 · 弗莱尔此前曾指出，公司经历了快速扩张期，2025 年的年化营收增长率超过 200 亿美元（现汇率约合 1,351.38 亿元人民币）。 在市场竞争方面，Anthropic 在今年 5 月公布的年化营收为 470 亿美元（现汇率约合 3,175.75 亿元人民币），不过彭博社指出由于两家公司在计算统计上存在差异，很难直观、公平对比两家公司的年化营收。 在市场竞争策略方面，OpenAI 公司为抵御外部竞争对手的冲击，捍卫市场份额，积极调整其市场策略和定价策略，通过降低部分 AI 模型的价格，从而吸引注重成本的开发者。OpenAI 公司还聘请了一位经验丰富的网络安全高管，以提振企业销售。

IT之家 8 月 14 日消息，3D 打印厂商拓竹昨晚官宣将于 9 月推出“拓竹 R1”产品，官方宣传语为“万千想象，一点灵光”。 另据《科创板日报》报道，拓竹科技将于 9 月推出消费级激光设备。拓竹科技希望利用在消费级 3D 打印领域的经验为其入局激光加工市场奠定基础，在消费级激光设备复刻 3D 打印机的成功路径。 综合IT之家此前报道，3D 打印厂商拓竹科技成立于 2020 年，首款产品于 2022 年面向市场发售。2024 年 11 月底，在 Formnext 2024 展会上，拓竹创始人兼 CEO 陶冶曾对外透露，公司当时全球累计销量已达约 100 万台。 截至 6 月 17 日，拓竹消费级 3D 打印机国内累计销量已突破 100 万台，距其首款产品上市仅约 4 年。拓竹方面确认，2025 年公司营收已突破百亿元。

图注：库克与卢特尼克 凤凰网科技讯 北京时间8月14日，据《华尔街日报》报道，苹果CEO蒂姆·库克(Tim Cook)陪同美国商务部长霍华德·卢特尼克(Howard Lutnick)参观了苹果位于得州的一家工厂，展示了一所新的制造培训学校以及一条装配生产线，该生产线将于今年晚些时候开始生产Mac Mini电脑。库克即将在9月卸任苹果CEO，这是他的最后几次公开露面活动之一。 此次参观展示了苹果与特朗普政府之间的密切关系。美国政府一直将苹果承诺在美国投资作为总统特朗普重振美国制造业努力的核心成果之一进行宣传。苹果已成功避免了美国政府征收的部分高额关税。 “先进制造业就是未来的方向，”卢特尼克对一屋子正在学习苹果制造技术的工人说道，“问题在于我们需要培训美国人。” 库克在演讲中表示：“我们相信这个国家的潜力，也自豪于说到做到、用投资兑现承诺。” 苹果的大部分供应链仍分布在海外。这所制造培训学校背后的理念，是将苹果的部分专业技术分享给美国的中小型企业。此前，苹果已经在底特律开设了一个以课堂教学为主的制造培训项目，而新的设施则更加注重实际操作培训。 Mac Mini的装配线位于富士康工厂内一处占地17万平方英尺的新区域，该工厂已在为苹果生产AI服务器。过去一年，Mac Mini的销量有所增长，因为它在那些希望在家运行AI模型的用户中颇受欢迎。 卢特尼克此次到访富士康，是他为期一周的促进美国制造业发展之旅的一部分。此前，他已与丰田和福特汽车共同出席活动，以凸显美国国内汽车产量的提升。 特朗普曾施压苹果在美国生产iPhone，但该公司尚未宣布任何相关计划，反而正在扩大iPhone在印度的组装。 库克将于下月卸任苹果CEO，并出任董事长。长期担任苹果硬件工程负责人的约翰·特努斯(John Ternus)将接任CEO。(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”。

DeepSeek Harness发布。 作者 | 毕伟豪 编辑 | 漠影 智东西8月14日报道，昨夜，DeepSeek Harness的开发者预览版（v0.1版本）正式公测，并同步开源。 DeepSeek Harness团队负责人崔添翼在社交媒体上表示，这是一个预览版本，可能存在很多粗糙之处，希望大家多提意见。消息一出，半小时DeepSeek Harness的GitHub仓库星数就超过了一万，截至发稿已经超过了3万。 而就在宣布公测两小时前，DeepSeek官方才宣布了DeepSeek-V4-Pro正式版上线以及价格即将大幅上涨的消息，这套闪电二连击引爆了社交媒体。 国内外社交媒体上很多内测成员纷纷发表“解密感言”，还晒出了内测成员大合影，但也有开发者认为这更像是一个开发框架，而非Coding Agent。 原因在于，与社区先前猜测不同的是，DeepSeek Harness并没有采用Pi Agent架构，也没有套用DeepSeek模型缓存命中率超高的Reasonix。 据DeepSeek Harness团队称，DeepSeek Harness采用“一切皆插件”的设计思路，模型、工具、技能、会话、沙箱、存储、循环、调度、UI等所有Agent能力，都由插件组合而成，可自由替换、灵活重组。 底层是Cordis插件系统，这个元框架只负责插件的加载、卸载和依赖关系，Agent Harness的所有具体组件都是不同的Cordis插件，元框架的理念来自北京大学和DeepSeek联合署名的一篇论文《A Programming Paradigm for Spatiotemporal Composability》。 仓库地址： https://github.com/deepseek-ai/deepseek-harness 论文地址： https://github.com/cordiverse/paper/blob/main/paper.pdf 看到消息的第一时间，智东西就拉取源码安装了DeepSeek Harness，用上了这个期待许久的Agent底层框架。 01. 一切皆插件，内置四种模式 默认加载不同插件集 安装其实也非常简单，如果你有常用的Agent，直接把下面这段代码丢给它即可： git clone https://github.com/deepseek-ai/deepseek-harness.git cd deepseek-harness pnpm install pnpm run build pnpm dsh web 安装完成后，打开本地网关，可以看到这样的界面，输入DeepSeek的API Key即可进入DeepSeek Harness。 映入眼帘的是一个非常干净，但又有点熟悉的界面，不得不说和网页版DeepSeek还是挺像的，不太一样的地方在于DeepSeek Harness的鲸鱼是黑色的。 页面左侧是新建对话的菜单栏，右侧是输入框和模式选择区域，设置中可以选择一些内置的插件，其他就什么都没有了。 如开头所说，DeepSeek Harness采用“一切皆插件”的设计思路，而这种设计思路反映在Agent上，演化成了标准、极简、创造和PTC（程序化工具调用）四种模式，每种模式默认加载不同插件集合，开发者可以根据不同使用场景自由选择。 标准模式提供完整工具组合； PTC模式由模型生成一段代码组合多轮工具调用； 极简模式只留一个shell工具和一个文件编辑工具，专门给最小环境下的模型基准测试使用； 创造模式可以检查当前运行时、在内存中试验 Cordis 插件，并据此组合和创作新的模式。 DeepSeek Harness团队强调“每一次运行都有迹可循”，这个有迹可循体现在一个非常有意思的设计上——轨迹。 模型看到的一切都会写入仅追加（append-only）设计的会话日志，包括系统提示词、思维链、工具调用与结果、子Agent调度，以及每一次上下文注入。在轨迹视图中可以按来源查看这些信息，恢复、分叉、检索与回放也都共享这一事件流。 下方的每一个彩色读条都对应着一个运行节点，鼠标选中读条即可查看对应部分的具体运行过程。 02. 体验：88页论文翻译耗时22分钟 做贪吃蛇游戏只要50秒 智东西也是在标准模式下，给了DeepSeek Harness一个非常简单的任务，翻译PDF文件，源文件是前文提到的Cordis元框架那篇论文，DeepSeek Harness确实是一穷二白，首次执行任务PDF提取工具也需要先安装一下。 很快DeepSeek Harness提取了PDF文件，但它识别出我桌面上存在一个对该论文的翻译文件，只不过创建时间有点不太对，它推荐我在原文件的基础上进行补充。 其实DeepSeek Harness的任务执行过程还是很顺畅的，而且整体流程很透明，任务拆分比较合理，在补齐论文的过程中派发了10个子代理，对我原本的翻译文件进行了复制、修正以及补齐。 最后得到了一份格式比较完整、内容严谨的翻译文件。 从数据上看，DeepSeek Harness的任务执行速度尚可，88页论文翻译任务耗时22分钟，首Token启动速度平均在1.4秒，缓存命中率98%，输入6.6M，输出72.7k。 任务完成后再打开轨迹页面，可以看到密密麻麻的一片进度条，所有的工具调用、子代理派发都一览无余，所有过程都可以在这里面查看，报错信息亦然，对于开发者来说非常便利。 此外，我还分别使用极简模式和PTC模式写了贪吃蛇游戏，极简模式下，DeepSeek Harness仅用50多秒就完成了任务，而PTC用时一分零五秒，但极简模式中的游戏并没有写成HTML的格式，需要在python中运行。 可以看到的是，极简模式是专门为模型测试准备的，完全不会去做多余动作。 03. 结语：一款与用户期待不太一样的产品 初次体验下来，DeepSeek Harness似乎真的不是一款面向C端用户的产品，就像崔添翼所说，面向全球开发者进行测试。 DeepSeek Harness所提供的功能非常简洁，极简模式、创造模式包括这个插件系统的架构，都是为开发者自主创造而设计的。 但这并不意味着DeepSeek Harness不是一款好产品，相反，它对于喜欢Agent的人来说，就像一款乐高玩具，你可以随自己的心意将它组装成任何样子。 的确，它现在不管是从生态，还是从功能上都算不上“顶尖”，但它是开源的，是可塑的，能够随着使用的过程不断进化为用户想要的样子。 闭源为用户提供现在，开源让用户自己掌握未来。

摘要： DeepSeek最具潜力项目登场，一切皆可插件。Harness不是要模仿谁，而是要把定义的权限交给开源社区。 凤凰网科技 出品 作者｜Dale 编辑｜董雨晴 8月13日傍晚，DeepSeek官方终于发声，两个重要信息发布。其一，是DeepSeek V4 Pro正式版发布，并同步在 APP、网页端和 API 更新上线。用户可以通过 APP 或网页端选择“专家模式”使用全新的 V4 Pro 正式版模型，API 模型名不变。 其二，有着一只黑色鲸鱼头像的“DeepSeek Harness团队”迎来首次发文，宣布Harness开发者预览版正式上线，并以MIT协议开放源代码。 如此前预告，V4 Pro正式版与官方自研Harness同步亮相，由于我们此前已经着重介绍过V4 Pro，本篇文章将重点为大家解析，DeepSeek Harness为什么有看点。 以及经过今天，DeepSeek会不会从一家模型公司，变成一家更难定义的公司。 同一个模型，换套外壳像换了个人 要理解Harness为什么重要，得先理解一个反直觉的事实：在Agent时代，决定一个AI能不能干活的，不只是模型。 8月6日和11日，智能体工具公司Composio通过两次测试实验，试图证明Harness的价值。研究者把同一个DeepSeek V4-Flash接入八种不同的Harness，也就是套在模型外面的执行系统，让它们分别完成三十项多步骤任务。这些任务不是问答，而是要求Agent进入Gmail、Google Calendar、GitHub、Slack等真实应用，调用工具并改变应用状态，每项最长运行十五分钟，全部检查通过才算成功。 结果差距不小。完成最多的Pi Agent通过了二十项，最少的OpenCode只通过十四项；八种Harness总共运行二百四十次，仅一百二十九次成功；三十项任务中，只有六项被所有Harness完成。在成本方面，同样完成十六项任务的Claude Code、Codex和DeepAgents，每完成一项成功任务的估算成本分别约为0.195美元、0.081美元和0.045美元。同一个模型，差了四倍多。 这意味着，模型划定能力的上限，Harness决定这份上限最终能兑现多少、要花多少钱兑现。一项长任务跑下来，执行系统要不停地做判断，上下文里留什么、丢什么，什么时候调哪个工具，工具报错了是重试还是换路，模型说做完了到底信不信、要不要再验一遍。任何一步处理不好，模型就算思路对，也可能在真正改文件、提交代码时功亏一篑。 值得一提的是，这是DeepSeek走红以来，极少数提前开放内测的项目。 多个开发者在发布前就拿到了Harness内测资格，有人内测发现，让同一个V4-Flash分别在DeepSeek Harness、Reasonix和Codex中完成同一款游戏，会跑出截然不同的结果。这说明，当模型完全相同，执行系统提供的工具、提示词、上下文组织和执行策略，足以显著改变最终产物。 这恰恰是DeepSeek重视自研Harness的原因。DeepSeek内部曾认为，Agent要解决持续学习问题，最终让AI加快AI研发。顺着这条线看，Harness就不是一个外挂的编程工具，而是模型进入真实研发任务的工作台。 除此之外，一家靠低价和模型能力立足的公司，如果任务交付、失败反馈和开发者入口长期挂在别人的系统里，即便其在价格上再有优势，却决定不了一个任务究竟烧掉多少Token、要重试几次、什么时候才算真正完成。 一切皆插件，DeepSeek不做谁的替代品 Harness到底是什么？市面上最省事的说法是“DeepSeek版Claude Code”。但用完内测版的人普遍认为，这个定位不准确。 据DeepSeek官方文档，Harness的核心设计哲学是“Everything is a plugin”——一切皆插件。它基于Cordis插件系统构建，模型、工具、技能、会话、沙箱、存储、循环、调度、UI，所有Agent能力均由插件组合而成。开发者不需要改动Harness源码，就能在配置中选择、替换或扩展任意一项能力。 这和通常理解的插件不是一个量级。VS Code的插件是给编辑器加功能，Codex的插件是给Agent加工具；而Harness的插件可以换掉Agent的大脑、工具箱、规则乃至整张脸。 据多位参与内测的人士透露，内测期间开发者在做插件这件事上玩疯了，“大伙都不好好内测了，跑去写插件了”，在短短几天内就出现了几百个插件——有人直接改了整个工作界面，有人用纯插件实现了“跨会话长期记忆加后台自我进化”，让模型定期回头审视自己的工作记录，把临时经验压缩成长久知识。 还有人评价称，开源社区治理可能也是DeepSeek接下来要面临的难题。 另一处关键设计是可追溯性。Harness采用只追加（append-only）的会话日志，模型看到的一切——系统提示词、思维链、工具调用与结果、子Agent调度、每一次上下文注入都会被完整记录。上下文压缩不会删除原始历史，只是用替换事件改变模型此后看到的表象。开发者可以在Trajectory视图中按来源追溯，支持恢复、分叉、检索和回放。官方文档把这一原则概括为“模型可见，即已记录”。 这背后是一种典型的系统工程思维。据报道，DeepSeek Harness团队负责人崔添翼本科毕业于浙江大学计算机系，曾在量化交易机构Jane Street任职九年，2026年3月加入DeepSeek，5月Harness内部立项。高频量化交易系统的核心壁垒从来不是策略多聪明，而是极端复杂环境下的稳定执行、异常兜底、全程日志追溯和风险可控——这恰好是AI Agent从演示走向生产最缺的那块拼图。有内测开发者用“稳如老狗”形容它跑长任务时的表现：任务断了自动存档，下次接着跑，不用从头再来。 值得注意的是，Harness没有把自己关在DeepSeek模型的围墙里。它默认支持接入Kimi、OpenAI、Anthropic、Google等近四十家大模型。可能别家倾向于做一个现成的Agent，但DeepSeek Harness更像一套组件，开发者可以自己决定Agent应该是什么样子，怎么工作。 当然，官方保持了清醒。公告表示，作为早期预览版本，“当前仍有许多细节有待改进和打磨，核心插件与基础接口也将在后续快速迭代”。事实上，这次内测的媒体之一爱范儿就感叹，很难想象，以快著称的DeepSeek有一天运行一项编程任务的时间也会来到半个多小时。v0.1的版本号也说明，这条黑鲸刚出水，远没到畅游的时候。 从卖Token到交结果，黑鲸的野心 Harness的浮出水面，暗合着整个AI行业的一次转向。 过去数年，大模型公司的竞争集中在参数规模和基准跑分上。但进入2026年，头部模型的基础能力快速收敛，单次问答的差距不断缩小，价格战却愈演愈烈。单纯卖Token的商业模式，天花板已经肉眼可见。行业逐渐意识到，AI产业的核心价值不在模型输出，而在场景落地——同样的Token消耗，闲聊问答价值微薄，而修复一个Bug、完成一次功能开发，可以创造数倍的商业价值。 DeepSeek的新发布，意味着其从卖算力走向交结果。在旧模式下，客户按Token调用量付费，不管模型有没有真正解决问题；在新模式下，付费的锚点从消耗了多少算力转向完成了什么任务。 这次DeepSeek Harness发布，广受开发者好评还在于另一重原因。DeepSeek不定义Agent本身，而是利用开源社区的扩散能力，去推崇一种Harness方案。这是一条更宏大，也更难的路径。 并且，Harness面对的是Claude Code和Codex已经验证过的成熟市场，后两者背靠Anthropic和OpenAI的模型迭代与商业资源，先发优势明显。开源之后，插件生态能否自发繁荣、开发者是否愿意把生产环境托付给一个0.1版本、国内市场的付费习惯能否支撑“按结果付费”的新逻辑，都是悬而未决的问题。DeepSeek自己也表示，核心插件和API仍将快速演进，这意味着早期接入者要承担接口变动的成本。 8月13日这一天，太平洋两岸各有一场发布。马斯克为Grok 4.6站台，称其“智能、快速且性价比极高” ；DeepSeek什么都没说，只是一味丢更新。 喧嚣与沉默之间，是两种商业哲学的分野。 我们想要称其为DeepSeek“史上最具潜力项目”，不是因为它今天已经最强。V4 Pro与sota模型仍有差距，Harness还只是v0.1的开发者预览版，涨价后的市场反应有待观察，生态建设更是长路漫漫。潜力之所以是潜力，恰恰因为它尚未兑现。 但如果把时间线拉长，从R1到V4，从模型到Harness，DeepSeek走的每一步都踩在同一个方向上：把前沿能力压到可负担的成本，再把可负担的能力接入可落地的系统。 黑鲸已经出水。至于它能游多远，在属于开源社区的未来里。

IT之家 8 月 14 日消息，据《商业内幕》今天（14 日）报道，围绕科技亿万富豪埃隆 · 马斯克，就连纪念碑都分成了两派：有人真心致敬，也有人专门建碑讽刺他。 SpaceX 庞大的火箭发射和研发基地 Starbase 位于美国与墨西哥边境以北，靠近得克萨斯州布朗斯维尔。 2025 年，基地周边正式设立为 Starbase 市，常住人口超过 500 人，整个基地还有数千名工作人员。 最近，Starbase 附近陆续出现多座与马斯克有关的纪念碑。有些被视作纪念他的公司取得的成就，有些也可以理解为记录那些公司的种种“过分”行为。 法国铸造团队 Atelier Missor 上周在 X 公布照片，展示了一座正在 Starbase 附近竖立的雕像。据IT之家了解，雕像高约 15.2 米，表现希腊神话中的普罗米修斯手持火炬。该团队去年曾在 X 提出，希望向 Starbase 赠送一座巨型钛制普罗米修斯雕像，并称“SpaceX 让人类心怀梦想”。 推动另一座马斯克纪念碑的团体，建碑原因则截然不同。粗俗填空卡牌游戏《反人类卡牌》的制作方启动公开募款，要建造一座专门“给马斯克找不痛快”的纪念碑。发言人称，SpaceX 在 Starbase 的活动损坏了公司 2017 年买下的一块土地。 随后，《反人类卡牌》一直试图恢复土地原貌，SpaceX 为员工新建的住房又给恢复工作增加了困难。 土地纠纷在 2024 年闹上法庭，《反人类卡牌》起诉 SpaceX，双方于 2025 年达成保密和解。据称，SpaceX 随后已经撤走放在该土地上的设备。 发言人写道：“我们刚买下这块土地时，那里景色很美，周围只有宁静的河流和开阔田野。现在，周围变成了一个叫‘Starbase’的‘城镇’—— 彻头彻尾的企业地狱，到处是破损的火箭，还有给马斯克那些吃屎高管住的丑陋豪宅。” 《反人类卡牌》还成立了一个名为“‘马斯克是个没朋友的可怜人儿’纪念碑设计委员会”的组织，每名参与者出资 10 美元（IT之家注：现汇率约合 67.6 元人民币）。截至当地时间周四晚间，已有超过 1.2 万人加入，筹款金额约 15 万美元（现汇率约合 101.4 万元人民币）。 被问到马斯克在《反人类卡牌》中代表什么时，发言人称：“正是我们真正反对的那种人。”

当监管收紧、行业洗牌，占据的半壁江山的高息助贷业务，不是一朝一夕就能解决。而只有调整业务结构、回归合规的难关过去，才轮得到如何讲好AI故事这一关。 作者 | 大 饼 编辑 | 金 晓 2021年3月，“百融云创”在香港联交所挂牌上市，公开发售获得150倍超额认购，募资近40亿港元，被誉为“AI金融科技第一股”，与美团、小米、快手并列为同股不同权架构的港交所明星企业。 五年后，百融云创更名为“百融智能”（以下统一称为“百融”），英文名直接加入了AI，变为“Bairong AI Inc.”。试图通过更名，向外界撇开金融科技的标签，加重AI的信号。 然而，更名很难掩盖公司现有业务上的困境。2025年，其净利润同比暴跌72%，不足巅峰时期的四分之一；股价较上市高点大幅缩水，市值跌至不足23亿港元。 从资本市场的“香饽饽”到如今窘境，百融经历了什么？ 01 清华学霸的金融科技梦 百融智能从一开始就具备技术基因。 创始人张韶峰，拥有典型的“技术精英”履历。他毕业于清华大学电气工程自动化专业，毕业后，先后进入甲骨文（Oracle）和IBM两家世界500强科技巨头公司工作，从事数据挖掘与商业智能领域相关工作。 这段经历为他奠定了技术视野和行业积累。2010年8月，他初次尝试水了创业，担任百分点科技的董事、合伙人兼数据总监，负责大数据产品的开发及营运。百分点科技是国内早期从事数据智能技术的企业之一，这段创业经历让张韶峰近距离接触了大数据在商业场景中的应用。 2014年3月，张韶峰创办了百融云创科技股份有限公司，也就是如今的百融智能。公司成立之初，正值中国互联网金融行业热潮，传统金融机构对线上获客、信用评估的需求快速增长。 据张韶峰回忆，当时有3家股份制银行向其寻求帮助，核心诉求是通过技术手段线上识别用户的真实身份和信用等级。在使用人工智能、机器学习模型等前沿科技进行尝试后，银行发现效果显著，百融也“尝到了科技的甜头”。 百融智能最初定位为独立的金融科技服务商，核心业务是通过大数据和AI技术，为银行、消费金融公司等金融机构提供信用评估和风控服务。公司的业务体系分为MaaS（模型即服务）和BaaS（业务即服务）两大板块。 MaaS业务是“技术门面”——通过大数据模型和AI算法为金融机构输出风控能力，按调用次数收费。 BaaS业务则更接近助贷撮合——帮助金融机构连接借款人，按促成的信贷交易规模收取技术服务费。 相比于单纯的技术输出，显然助贷业务收益更大，随着公司规模扩张和资本市场对业绩增长的持续要求，百融智能的业务重心逐渐从MaaS向BaaS倾斜。 BaaS金融行业云的收入占比逐年攀升：2022年占比约36%，2023年升至44.20%，2024年达到48.17%，到2025年更是突破65%，成为名副其实的“营收压舱石”。 代表技术创新的MaaS业务，同期收入占比仅为34.9%。 这种结构性的演变，意味着百融智能的业绩越来越依赖助贷导流业务，其“AI科技公司”的标签开始淡化。 2021年3月31日，百融智能在港交所上市。上市当年，公司实现营收16.23亿元，同比增长43%；但受可赎回可转换优先股公允价值变动影响，全年亏损36.04亿元。 此后两年，百融智能迎来了短暂的盈利“黄金期”：2022年扭亏为盈，实现净利润2.29亿元；2023年净利润同比增长46%至3.35亿元，营收也同步增长31%至26.81亿元。资本市场对其报以厚望，股价一度达到较高水平。 但隐忧已然埋下。一方面，助贷业务占比持续攀升，对监管政策的敏感度越来越高；另一方面，2023年，百融智能因违反个人信息保护法被监管部门处以罚款，数据合规问题开始浮出水面。2024年，净利润首次出现下滑，同比下降21%至2.66亿元。 02 “冰火两重天” 2025年上半年，百融智能交出了一份令市场振奋的成绩单。实现营收16.12亿元，同比增长22%；净利润2.01亿元，同比增幅高达41%。 彼时，市场普遍看好其AI转型与业务扩张的潜力，认为公司已摆脱2024年净利润首次下滑的阴霾，步入稳健增长通道。 然而，这份乐观仅维持了不到半年。 2026年2月26日夜间，百融智能发布盈利警告公告，预计2025年全年净利润约为6650万元至7980万元，较2024年的2.66亿元大幅下滑70%至75%。这意味着2025年下半年，公司净亏损约1.21亿元至1.35亿元，相当于亏掉了上半年利润的六成以上。 2026年3月26日，正式发布的2025年财报确认了这一惨淡局面：全年营收29.20亿元，同比下降0.31%，增长陷入停滞；净利润7387.3万元，同比暴跌72%。经营溢利从2.85亿元骤降至0.60亿元，净利润率从上年的9%降至约3%。 业绩预告发布次日，百融智能股价应声大跌18.78%，随后股价一路向下，今年7月，创造历史新低，较当初最高点跌去85%。 2025年业绩的断崖式下滑，并非偶然，而是两大核心因素叠加作用的结果。 核心业务遭遇困境时其一。2025年4月，国家金融监督管理总局发布《关于加强商业银行互联网助贷业务管理提升金融服务质效的通知》（即“助贷9号文”），并于当年10月1日正式实施。 这份文件从合作机构准入、综合融资成本管控、信息披露等多个维度，对互联网助贷业务进行了全面规范。新规明确要求商业银行将助贷平台的服务费、增信费等全部纳入借款人综合融资成本，不得突破法定利率红线，同时禁止金融机构将核心风控环节外包。 对于百融智能而言，这意味占其总收入超过六成的BaaS金融行业云业务受到影响，这部分业务是助贷导流与撮合服务，直接暴露在政策影响范围内。 2025年全年，百融智能BaaS金融行业云收入13.71亿元，同比下降3%。公司在财报中明确解释：部分合作金融行业客户因第9号文要求调整产品策略、下架相关产品，直接影响了其助贷导流相关收入。 新规实施的时间节点与百融智能的业绩拐点高度吻合——4月新规发布后合作机构开始调整，10月正式落地后收缩效应集中显现，直接导致上半年盈利、下半年巨亏的极端分化格局。 另一个原因则是其AI转型太“烧钱”。 在政策收紧的大背景下，百融智能的BaaS业务注定无法长期持续下去，百融智能试图向AI靠拢。 2025年，其在AI领域的投入大幅增加。全年研发开支达6.37亿元，同比增长25%，占收入比重升至22%。公司明确表示，这些投入集中在AI领域高端人才招聘、数据算法成本增加、IDC机房等基础设施建设。 这些大额投入尚未形成规模化收入回报，反而推高了运营成本。2025年，公司销售成本因AI相关数据算法成本增加而上升4%，毛利和毛利率相应下降。一面是核心业务的收入下滑，一面是AI投入的成本攀升，两面夹击之下，利润被严重挤压。 03 拥抱AI与助贷乱象 现阶段，百融智能面临的状况便是：坚守助贷，可能是温水煮青蛙。选择AI，找不到落脚点，看不清未来方向，而且要承担转型阵痛。 从更名看，百融智能选择了后者。那么处理助贷的遗留问题成为不得不应对的问题。 百融智能旗下“榕树贷款”“钱小乐”等平台自其上市以来就饱受争议。榕树贷款APP曾多次被投诉导流高利贷、暴力催收、收取高额利息和服务费。 根据公开资料，公司通过全资控股的广州数融互联网小额贷款有限公司运营贷款超市榕树贷款。榕树贷款为用户提供包括现金分期、消费贷款、信用卡申请等一系列线上金融服务，为金融机构和个人搭建起智慧金融互联桥梁。 这种亲自操盘贷款业务，往往伴随着诸多乱象。 在黑猫投诉和啄木鸟投诉等平台上，关于榕树贷款、钱小乐的投诉量持续堆积。截至2026年4月，相关投诉累计超过1.2万条，其中仅榕树贷款一个平台的投诉量就已突破8800条。投诉的核心问题集中在“利率虚标”“隐性收费”“提前还款违约金”等问题上。 根据黑猫投诉，暴力催收是榕树贷和钱小乐最常见的投诉。根据投诉，榕树贷款不仅短话短信骚扰，还打电话威胁借款人，并向紧急联系人发消息威胁，不仅威胁，甚至辱骂。还有此前涉嫌高利贷和违规收取担保费、服务费等变相提高综合成本。 比高息本身更值得警惕的，是百融智能旗下产品在利率披露上的“隐身术”。榕树贷款小程序和APP首页最显眼处只能看到“最高可借款20万元”的提示，年化费率并未标注清楚。即使点开“息费透明”界面也未查询到贷款利率。 问及客服具体贷款利率，客服闪烁其词，需要点击“定制方案”，才能在产品详情页了解费用说明。 不仅如此，为了激活贷款额度，借款人必须毫无保留地填写身份证号、家庭住址与工作单位地址，甚至连家人及朋友的紧急联系方式也需要全盘托出，并上传身份证件的正反两面照片。 平台在未明示贷款利率的情况下，就要求用户交出极为敏感的个人数据，这种“信息索取先行、费用公开滞后”的机制，实际上将用户暴露在了隐私风险与债务陷阱面前，即便官方表示会“严格保密”，但很难真正让人感到安心。 更名之后，百融智能的核心问题，或许并不在于技术能力，而是眼前的阵痛问题。当监管收紧、行业洗牌，占据的半壁江山的高息助贷业务，不是一朝一夕就能解决。而只有调整业务结构、回归合规的难关过去，才轮得到如何讲好AI故事这一关。

快科技8月14日消息，Intel副总裁Robert Hallock日前接受采访时表示，Raptor Lake处理器未来几年仍将是Intel产品线的核心组成部分，DDR5内存价格持续暴涨，大量预算有限的玩家退回DDR4平台，LGA 1700接口的Raptor Lake需求猛增，Intel自己也没料到。 Hallock表示：“10nm工艺的Raptor Lake是未来几年要持续供应的核心产品，LGA 1700仍然是好接口，很多人对DDR4还有需求，Intel会继续供货，价格也会逐步回归正常。” 这番表态的大背景是DRAM价格一路飙升，DDR5平台升级成本越来越高，带动支持DDR4的Raptor Lake的价格已经出现明显波动。 如酷睿i5-14600K去年大部分时间售价不到200美元，现在涨到250美元上下，Newegg缺货，Amazon标价262美元。酷睿i7-14700K正常应该卖330美元左右，Newegg现在标价380美元，Amazon直接售罄。 Hallock解释，价格和库存波动的原因是DRAM涨价之后，Raptor Lake需求突然涌入，用户要选更实惠的硬件，自然想买同价位最快的处理器，Alder Lake和Raptor Lake恰好就是符合要求的条件。但晶圆投产是提前很久排好的，这种需求涌入根本没法预测。 另外Intel正在筹备代号为Raptor Lake Next的第三代猛禽湖处理器，本质上是14代酷睿的优化重制版，预计2027年第一季度正式上市，主打极致性价比与DDR4内存兼容性。 Raptor Lake Next将沿用P+E混合架构，继续采用LGA1700插槽，与现有的600系和700系主板完全兼容。产品线覆盖移动和桌面平台，最高提供125WTDP的桌面型号和HX系列移动处理器。 Hallock还透露，Intel和整个行业正在考虑把主流和发烧友产品线进一步分层，应对市场其他环节的价格压力。

IT之家 8 月 14 日消息，据路透社今天（14 日）报道，谷歌、Meta、Snapchat 和 TikTok 等主要社交媒体平台向澳大利亚政府发出呼吁，不要因为早期数据显示大多数儿童仍在使用社交媒体，就过早判断 16 岁以下用户禁令的成效。 澳大利亚议员目前正考虑进一步提高违规处罚，并赋予监管机构更大的调查权限。 四家平台的代表出席了参议院调查听证会，议员援引多项研究向企业提出质询。此前研究显示，禁令生效数月后，仍有约 80% 的 16 岁以下未成年人使用社交媒体。 电子安全专员朱莉 · 因曼 · 格兰特称，3 月的数据表明，平台未能阻止用户注册或重新注册，但未成年人账户数量已经出现小幅下降，说明禁令初步显现成效。“我们已经看到变化，但还需要给禁令一些时间。一旦主动执法开始，行为才会开始改变。” 参议院此次还在审议修法方案，计划将最高罚款提高一倍至 9,900 万澳元（IT之家注：现汇率约合 4.72 亿元人民币），并扩大电子安全专员的调查权限，使监管机构能够要求社媒平台及其第三方年龄验证服务提供商提交信息和文件。 YouTube 政府关系负责人蕾切尔 · 洛德表示：“这些数据只能反映一个时间点的情况，而且禁令实施时间还很短，我们提醒各方不要过度依赖这些数据。” 她指出，澳大利亚政府最近公布的合规数据仍停留在 3 月。现有年龄验证技术大多围绕 18 岁这一界限开发，因为许多司法辖区把 18 岁视为从儿童进入成年的分界线，目前用于识别 16 岁年龄界限用户的技术仍在不断发展。 Meta 澳大利亚公共政策负责人米娅 · 加利克称，即使未成年人声称使用某个平台，研究数据也不一定能证明他们实际拥有账户。“访问平台和拥有账户并不是一回事。有时调查中的自述情况与实际行为也会存在差异。” Meta 一天前公布数据显示，公司已经停用 75.6 万个疑似属于未成年用户的 Instagram 和 Facebook 账户，高于 3 月时的约 50 万个。洛德称，谷歌已经阻止约 74 万名 Google 账户持有人使用自己的账户访问 YouTube。 TikTok 澳大利亚公共政策负责人杰西卡 · 洛夫斯泰特表示，公司的合规工作是一个“持续迭代的过程”。TikTok 在禁令生效时删除了 55 万个账户，此后平均每月再删除约 2.4 万个账户。

快科技8月14日消息，兆芯近日进一步公开了ZX86自主指令集体系的成果，相关负责人表示，ZX86并非简单兼容，而是兆芯在x86架构基础上深度自主研发的成果，兆芯已完整掌握x86处理器全部源代码，已实现国产CPU技术自主可控。 x86架构问世40多年来，市场长期被美国企业把控，国产CPU始终受制于人。兆芯系统构建ZX86自主指令集知识产权体系，对传统x86指令集双重兼容，摆脱海外技术授权的痛点。 ZX86还可适配2018年后新增的扩展指令集，并新增SM2、SM3、SM4国密算法加速指令，实现国家密码体系与CPU硬件深度融合。 产品方面，兆芯推出主频3.0GHz的开先KX-6000处理器，推动国产CPU实现从能用向好用的关键跨越。 开胜KH-50000是兆芯面向高端算力市场的旗舰产品，单颗最高集成96个高性能计算核心，配备384MB三级缓存，支持DDR5内存与128路PCIe 5.0高速IO。 此外，兆芯组建了近600人专业研发团队，在上海、北京、西安布局研发中心，累计投入数十亿元，聚焦自主指令集、自主微架构与芯片安全增强等核心领域。 资料显示，兆芯已形成11项CPU关键核心技术，量产6代高性能CPU及配套芯片，累计申请专利超1600项，手握1461项授权专利，还有17项软件著作权和52项集成电路布图设计专有权。 技术积累的厚度，最终要由市场来验证。搭载兆芯CPU的桌面终端产品在行业信创市场已占据近半份额。

　　目前距离2026年11月的中期选举还有不到三个月，美国两党已展开激烈的“烧钱大战”。 　　消息称，与美国参议院多数党领袖、共和党人约翰·图恩有关的超级政治行动委员会“参议院领导力基金会”最新斥资600万美元，自12日起在美国知名“摇摆州”密歇根州投放电视和数字竞选广告，阻击该州民主党推出的联邦参议员候选人阿卜杜勒·赛义德。据悉，包括这600万美元，“参议院领导力基金会”迄今已在密歇根州投入约5100万美元竞选资金。 　　民主党人同样投入重金。在上周举行的密歇根州民主党联邦参议员初选中，赛义德以微弱优势胜出。美国广告影响力公司的数据显示，他获得了大约750万美元的广告支持，而其对手、民主党内建制派人士史蒂文斯获得超过6000万美元的广告支持，而其背后的最大金主就是一家与美国-以色列公共事务委员会联系紧密的团体。 　　美国中期选举背后的“钱规则” 　　美国两党在密歇根州的巨额资金投入只是选举“烧钱大战”的一个缩影。根据预估，今年美国中期选举的广告耗资水平将刷新纪录。 　　报告预估今年中期选举广告耗资将再刷纪录 　　据了解，截至目前，“参议院领导力基金会”已为中期选举在全国范围投入3.54亿美元。该基金会这么早就着手备战中期选举，很不寻常，因为关联共和党的超级政治行动委员会通常要到9月才大举投入资金。 　　美国广告影响力公司6月发布的一份预估报告显示，定于今年11月举行的美国中期选举广告耗资预计达116亿美元，“烧钱”水平将刷新包括总统选举在内的联邦选举周期同类支出纪录，其部分原因在于一些州的联邦参议员竞选支出激增。报告预估，今年中期选举广告耗资金额将超过2024年总统选举的112亿美元和2022年中期选举的89亿美元。 　　据悉，选举资金将集中在数场“激战”中。其中，俄亥俄、阿拉斯加、艾奥瓦、得克萨斯和缅因等州的联邦参议员和州长竞选选情胶着，导致竞选广告花销激增。 　　如此巨额资金是从哪里来呢？绝大部分的竞选资金都来自筹款，包括个人以及一些政治行动委员会。此前消息显示，单是美国的富豪已经向2026年中期选举投入了数亿美元。 　　美“金钱政治”的实质是利益交换 　　特约评论员 苏晓晖：表面上看，超级政治委员会在提前进行布局，如在摇摆州加大投入，以换取选票，争取优势。但超级政治委员会其实是巨额竞选资金的通道或后门，其背后真正发挥作用的仍然是形形色色的利益集团。比如说美国全国步枪协会一直在进行投入，其核心目标是影响美国的枪支政策，为自己保留获益的空间。另外，近年来加密货币行业也在加大投入。同时在当前美伊冲突仍然处于僵局的背景下，在美国国内，亲以色列的游说团体通过间接甚至是隐秘的方式对今年的中期选举、对美国政治施加影响。 　　特约评论员 苏晓晖：我们看到，美国金钱政治的实质其实是利益交换。对于行业相关的利益集团来说，如果投入能够进一步影响美国国内的政治版图，为自身推进立法以及争取法律支持获得更大空间，那么他们就获取了预期收益。 　　特约评论员 苏晓晖：我们看到，金钱政治带给美国的并不是团结和稳定，反而是加剧政治斗争，同样也在加剧撕裂。今天政治的核心诉求并不是回应民众的需要和利益，而是在刻意忽视美国民众真正希望改变的一些最基本的问题。而金钱政治，包括今年的中期选举，其实它的代表性是不足的，也不平等，这再次暴露出美国政治体制的痼疾，以及对美国后续造成的深远负面的影响。

　　大美中国，江山如画。五千多年来，先人借景生情、托物言志，留下了“湖阔数千里，湖光摇碧山”“红红白白花临水，碧碧黄黄麦际天”等无数传世佳句，也积淀了“取之有度，用之有节”“草木植成，国之富也”等丰富生态智慧。 　　今年8月15日既是全国生态日，也是生态环境法典施行之日，法治网《良法善治·回响》栏目，诚邀您一起品读《习近平生态文明文选》第一卷里的用“典”，感受绵延千年的生态治理智慧，自觉尊法学法守法用法，共同守护身边的绿水青山。 指导单位 中央政法委宣传教育局 出品 法治网 监制：蒲建安 策划：余飞 刘青 统筹：张运恒 童悦敏 海报：李全一

快科技8月14日消息，龙芯中科联合砺算科技与挚科推出的乾启ZK3C60S-W全自研国产专业工作站近日公布最新适配测试结果。 该工作站搭载龙芯3C6000处理器与砺算LX PRO 24G专业显卡，配合麒麟V11操作系统，实现了CPU、GPU与操作系统的全栈国产化适配与协同优化。 龙芯3C6000基于完全自主的龙架构（LoongArch）打造，单硅片16核32线程，主频2.0-2.2GHz，可通过自研龙链技术扩展至32核64线程乃至64核128线程。 砺算LX PRO 24G显卡专为高端图形工作站设计，配备24GB GDDR6显存与PCIe 4.0×16高速接口。该显卡基于自研TrueGPU天图架构，全面兼容DirectX 12、Vulkan 1.3、OpenGL 4.6、OpenCL 3.0等主流图形与计算接口。 测试结果显示，中望CAD 2026的27项功能全部通过，大型图纸加载不卡顿、建模渲染不闪退，打破了进口工作站对专业算力市场的垄断。 同时，中望3D V2025的19项功能测试同样全部通过，零件建模、装配设计、仿真分析、工程图导出等核心功能运行流畅，验证了产品商用落地能力。 龙芯联合砺算、挚科完成了主流国产工业设计软件全维度兼容性验证。挚科方面表示，该方案彻底解决了行业用户在国产化转型中软硬件兼容性差、运行不稳定、部署难度大等痛点。