智东西 编译 | 佳扬 编辑 | 云鹏 智东西6月1日消息，据福布斯报道，2030年，硬盘出货容量将实现约3倍增长，AI带来的额外硬盘容量需求将占总出货量的58%。 以上数据来源于存储分析师Thomas Coughlin对全球硬盘容量出货趋势的分析。 在当前AI浪潮到来之前，全球存储市场已经经历过一次剧烈波动。2021年，受疫情期间远程办公、云服务和数字化需求激增影响，存储需求出现大幅增长。然而随后两年，数据中心运营商开始消化此前积累的大量库存，导致2022年至2023年市场需求明显下滑。 进入2024年和2025年后，随着库存逐步恢复正常水平，市场需求重新回升。但此次复苏与以往不同，除了传统存储需求恢复外，大规模AI训练基础设施建设正在带来新的增量需求。 为量化这一影响，Thomas Coughlin对2011年至2019年的全球硬盘容量出货数据进行了拟合，并以此建立基准增长模型，再将实际和预测数据与历史趋势进行比较，从而估算AI所带来的额外需求。 硬盘出货容量趋势（来源：福布斯） 根据分析结果，如果不考虑AI数据中心建设，2026年全球HDD容量需求预计约为1654EB。而AI基础设施建设带来的新增需求预计将达到363EB，这意味着AI相关需求将占2026年全球硬盘总容量出货量的约18%。如果当前增长趋势持续，到2030年，超过一半的新出货硬盘容量将服务于AI相关应用。 在AI工作流程中，采用NAND闪存的SSD（固态硬盘）用作主存储，为HBM内存提供支持，用于存储即时AI训练或推理的数据。机械硬盘的读写性能较低，但价格要便宜得多，通常用作辅助存储，用于保存较旧的训练数据、训练日志以及AI训练或推理过程中创建的其他内容。因此，AI对HDD存储的需求与SSD存储的需求大致相当，但由于HDD需要存储随着时间推移而不断增长的旧数据，其需求倍数更高。目前，超过85%的数据中心数据存储在HDD上。 研究指出，未来硬盘市场增长的主要驱动力并非出货数量增加，而是单盘容量的持续提升。预测显示，2025年至2030年间，单块硬盘平均容量将提升约2.7倍； 到2030年，硬盘出货数量仅比2025年增加约13%；相比2022年水平，2030年的硬盘出货量甚至仍将低约19%。 希捷（Seagate）首席执行官Dave Mosley近期说，公司当前的重点并非扩建生产线，而是提升单盘存储密度。其核心路径是推进HAMR（热辅助磁记录）技术，通过提高单碟存储密度来实现容量增长。按照希捷的规划，到2030年，硬盘出货容量有望实现约3倍增长，这与本次研究预测的2.7倍平均容量增长基本一致。 莫斯利认为，将大量资源投入建设新工厂可能会拖慢技术创新速度，而提升存储密度则能够更有效地满足未来市场需求。 综合分析显示，未来几年AI基础设施建设将持续推动存储容量需求增长，而这种增长主要体现为更高容量硬盘的部署，而非硬盘数量的大幅扩张。 结语：AI持续改变存储市场 AI带来的存储需求，改变了HBM、高性能固态硬盘和机械硬盘的供需市场。过去两年，受AI服务器需求带动，HBM供不应求，三星和SK海力士等存储厂商从中受益，市值大幅增长。 如今，随着AI训练和推理产生的数据越来越多，承担海量数据存储任务的机械硬盘需求也在快速提升。未来几年，AI将继续成为推动整个存储产业增长的重要动力，存储产业链各环节都将持续受益。

上证报中国证券网讯（记者 黎灵希）5月27日至30日，2026澳门BEYOND国际科技创新博览会在澳门威尼斯人金光会展中心举办。通用人形机器人企业矩阵超智携旗下全能旗舰机型MATRIX-3参展，集中展示公司在具身智能、运动控制、精密操作、工程化量产等领域的核心突破。 展会现场，MATRIX-3进行了双足行走、灵活转向等步态展示，充分展现自研仿生超能直线关节与运动控制算法的高稳定性与高可靠性。同时，MATRIX-3现场完成模型橙子、水果等物品的抓握、夹持、旋转等，依托27维自由度灵巧手实现微米级操作精度，可广泛适配高端制造、商业服务、物流分拣、医疗辅助及家庭服务等多元场景。 据悉，MATRIX-3身高1.7米、体重65公斤，搭载WAVE物理基座大模型、仿生超能直线关节、27维自由度灵巧手、3D针织仿生安全皮肤四大核心技术，具备4小时持续作业能力、双臂15kg负载能力与零样本泛化智能，可快速落地多场景实用化作业。 资料显示，矩阵超智由前特斯拉中国设计研究中心创始领导者张海星领衔，团队具备全球顶尖人形机器人研发与工程化经验。公司此前正式发布MATRIX-3全能旗舰机型，并启用上海张江MFH超智工厂，以全链路自主生产推动产业化落地。 目前，矩阵超智已具备年内5000台交付能力，2027年将冲刺10万台级量产规模，以规模化效应持续降低成本，推动人形机器人从科技展品走向通用劳动力。 矩阵超智表示，本次亮相是MATRIX-3面向国际市场的重要展示，进一步夯实矩阵超智在全球人形机器人赛道的领先地位，推动技术合作、场景拓展与生态共建。未来，公司将持续以第一性原理推进技术创新与工程落地，依托中国完整产业链优势，开放行业伙伴计划与RAAS生态体系，让中国智造的具身智能成为服务全球、走进千家万户的通用智能体。

凤凰网科技讯 （作者/许婧）6月1日，在华为nova 16系列及全场景新品发布会上，华为终端BG CEO何刚正式推出旗舰平板MatePad Pro Max。该机首次在平板上搭载红枫原色摄像头与麒麟T93 Pro处理器，去除了此前大屏平板上的刘海设计，售价5999元起。 MatePad Pro Max机身厚度约4.7mm，重量约499g，配备13.2英寸OLED云晰柔光全面屏，屏占比达94%，无刘海。后置第二代红枫原色摄像头（色彩准确度提升120%）及5000万像素主摄，支持全像素对焦与2倍光学品质变焦。 其搭载麒麟T93 Pro旗舰芯片，软硬协同下整机性能较前代提升45%，电脑桌面模式最多支持打开20个窗口，WPS、亿图图示等PC级应用可1秒启动。内置10400mAh电池，支持66W快充及40W反向快充。 此外，平板还搭载鸿蒙双桌面系统，适配超200款PC级应用，六扬声器经中央音乐学院调校，并内置自研专业音乐编创软件“音悦家”，今日开启公测。

今年除了 Agent 赛道，世界模型也成为 AI 行业新的必争之地，前段时间李飞飞和杨立昆相继宣布获得 10 亿美元融资，世界模型也走到了一个十字路口。 APPSO 曾分析过当前世界模型的五大门派，它们有着不同的技术路线，如杨立昆的 JEPA 派，是做抽象表征预测；李飞飞的空间智能派，用 World Labs 的 Marble 在做显式 3D 重建；DeepMind 的学习型仿真派，推出 Genie 实现可交互虚拟环境等。 ▲ 图片由 AI 生成 这些早在 ChatGPT 出现前的 AI 学者，甚至是 AI 教父/教母，都在说大语言模型的文本训练范式已到瓶颈，AI 要理解物理世界必须靠世界模型，但到底要做什么样的「世界模型」，没有一个达成共识的定义。 这几天，AI 公司 VAST 完成了 A+ 及 A++ 轮的融资，合计金额近 2 亿美元。而在今年三月初，VAST 才完成了 5000 万美元的 A 轮融资。 提到 VAST，可能会有点陌生，但是 Tripo 3D 生成是不是很耳熟？我们之前分享的 Seedance 2.0 x GPT Image 2 两大模型的组合玩法，就曾多次提到过利用 Tripo AI 将 GPT Image 2 生成的多视角图片，转成一个 3D 模型。 ▲ Tripo 是 VAST 旗下的通用 3D 大模型 VAST 首席科学家曹炎培表示，从第一天开始，VAST 真正在做的，就是解锁下一代互动内容的底层基础设施，也是为通用人工智能打造专属世界底座。 这件事被拆成了两步，第一步完成 「造万物」；第二步实现动态 「造世界」，为用户和智能体提供可演化、可试错的完整虚拟环境。 造万物，是用 AI 3D 生成那些符合管线标准的资产；造世界，才是世界模型要干的事，理解空间尺度、状态演化，从而支持多人交互。 单纯的 3D 静态资产撑不起一个可交互的世界，曹炎培认为，资产只是「世界底层的状态」，离一个会运转的世界还差着一整套规则。 和五大门派都不一样的地方在于，过去的世界模型把状态和画面压在一个模型里一起预测，VAST 把这两件事拆开，底层单独维护一个世界状态，上层按需渲染画面。 这样做的好处是，状态独立存在，物体离开镜头不会消失；一个状态可以同时给多个人渲染不同视角，多人交互并发自然成立；用户对世界的改变会真实留在状态里，下一个进来的人看到同样的结果。 VAST 推出的 Project Eden，正是用这套逻辑把世界模型重做了一遍。它也成为全球首个允许对世界状态进行独立维护与确定性控制的世界模型。 那问题也来了，世界模型的状态和画面为什么要拆开，又为什么是 VAST 先采取这样的方式？ 画面流畅不等于世界在运转 视频生成做得更流畅，可以叫世界模型。静态 3D 场景能走动，叫世界模型。能控制视角，也能叫世界模型。 世界模型这个词，似乎什么都能往里装了。 Google Genie 的演示视频里，玩家在里面操控一个角色，往前走，画面跟着生成。但可能一转身，背后的场景就改变了，或者出现从没存在过的东西，因为 Genie 是靠最近几帧的记忆猜我们身后有什么。 ▲ Genie 这一类世界模型，本质上是生成了一段视觉上连贯的视频 我们把这一类称为视频生成派，在他们的技术实现里，世界模型就是预测下一帧，给模型喂动作输入，让它生成接下来的画面，反复接龙，就能模拟一个世界。 曹炎培管这种叫「一镜到底」，空间、事件、视角、外观全被压进一段自回归视频的历史帧里。镜头一移开，那个位置的状态没人保管，等你回头，模型只能靠 Transformer 里的 KV cache 重新幻想一遍。 说白了，它记住的不是世界，是几帧画面。 而另一类是李飞飞的 World Labs、腾讯的 HY World，可以被称为空间智能派，能够导出可复用的 3D 资产是这类模型最常见的特征。 他们尝试先把三维空间构建出来，让 AI 真正理解几何和物理关系，再谈其他。 例如，World Labs 的 Marble 能生成一段有限范围的世界，我们可以在里面自由游览。在这个生成的固定世界里，视角一致性解决了，因为 3D 资产是静态的。但同时，这个世界也丢失了时间维度，场景永远停在生成那一刻，没有物理变化，没有事件发生，没有因果关系。 ▲ 生成的世界是固定的，灯不会随着时间的流逝熄灭，天也不会亮 我们能走进去，但什么都改变不了，也没有什么会因为我们的行为而变化。 对 VAST 来说，世界模型不能只是去生成像素，也不能只是一个静态空间。 一个可交互的世界模型，必须有一个跨时间持续存在、能被多视角同时观察和查询的底层状态，而且这个状态是在不断被更新的。 像做大世界游戏一样做世界模型 既然无法把空间、事件、视角等状态压缩进单一的视觉信息里，那就彻底把它们拆开。 就像我们玩的大世界游戏一样，游戏的服务器会维护着一套世界状态，谁在哪里、什么东西被打坏了、哪个宝箱被开启了。我们的电脑屏幕只是基于这套状态，结合本地文件夹里上百 G 的游戏文件，做一次实时渲染。 地图数据和画面渲染是两套完全分开的系统，有人进入我们的大世界，大家还是共享同一个静态文件的底层世界，各自的画面只是不同视角的渲染结果。 VAST Project Eden 做的，就是把这套逻辑用生成式 AI 重写一遍。他们放弃了传统模型大一统的黑盒逻辑，设计了一套「状态与渲染原生解耦」的三层算法结构。 底层是结构化状态，管的是这个世界里有什么、发生了什么——场景几何、物体身份、事件逻辑，完全独立于任何相机视角。当玩家在世界模型里做出任何行为动作，系统首先更新的就是这套底层状态。 中间是转换层，它会根据「当前是谁在观察、从哪个视角观察」，把世界状态转换成一组局部条件信息。像是做了这个动作之后，这个视角下能看到哪些物体、它们的大致空间关系、当前发生了哪些事件变化等。 上层才是生成式渲染，基于这些条件，把画面真正「画」出来，补足光照、材质、动态细节。 这么一分拆，视频模型的职责就只剩一件事：当一个高质量的渲染器。它不用记住整个世界，也不用猜某个物体还在不在，那些都交给底层状态。它擅长的本来就是画得好看，现在让它专心画得好看就行。 当世界模型开始维护一个持续存在的底层状态后，训练数据也跟着变了。 在 Project Eden 的定义里，真正适合训练世界模型的数据，得同时包含两层信息：底层的推演状态，和高质量的视觉画面。两层对不齐，就不算「原生数据」。 数据从哪来？ VAST 利用 Tripo 长期积累的 3D 基础模型能力，对海量的互联网 2D 视频进行反向解构，恢复深度、相机位姿、几何轨迹等信息，重新还原背后的空间状态。 曹炎培直言，如果没有这套 3D 理解和生成能力，「我们可能都没法开始做世界模型」。 另一方面，从游戏引擎中找到物体坐标、碰撞关系、动作输入等合成数据，形成「状态-结果」的完全对应数据，模型便能学到，一个动作发生之后，世界状态会如何演化。 互联网视频负责泛化和广度，引擎数据负责精准和控制，缺了哪一头都不成立。 这或许是未来的 AI 世界 当世界状态成为一个持续存在的独立系统后，这种架构层面的差异，在能力层面直接体现出来。 最明显的变化就是环境持久化。用户在 Project Eden 里进入一个场景，往前走或是做出其他动作，都是在原有的场景上进行活动。底层状态一直在那里，从没消失过，不需要从历史帧重建。 这件事听起来平淡，对视频生成路线却是一道至今难以迈过的坎。 多人共享同一个世界，也是同样的道理。两个玩家进入同一个底层状态，玩家 A 推动箱子到达了点位，玩家 B 看到的也是同步的箱子位置。在这套解耦架构里，多个玩家共享的是同一个世界底座，状态只有一份，渲染各算各的。 根据一些 Demo 的表现，VAST 已经跑通了两个玩家共同推箱子、两辆赛车在同一赛道竞速（不同屏幕）的场景。在纯视频框架下，几乎没有办法做这件事，它必须依靠一个唯一的全局状态。 打靶的例子更能说明问题。当玩家用水枪发射，系统可以确定性地判断当前朝向和靶子的相对位置，精确计算是否击中，记录得分，这个结果永久留在状态里。 同样一件事丢给视频生成，它能生成一段「水柱击中靶子」的画面，却无法把这个结果可靠地存下来。 视频生成模型擅长的是像不像，不是对不对。世界模型要的恰恰是后者，曹炎培说，一个模型如果没法对动作做出正确的预测和推演，「也很难叫它世界模型」。 还有动作类型的泛化。以往大多数世界模型能支持的动作，说白了就是上下左右加跳跃，方向键能做的那几种。 在 Project Eden 的 Demo 里还有赶羊、灭火、划船这类动作。这背后同样是解耦架构带来的训练效率优势，状态推演只需要学「给定这个动作，下一个状态是什么」，不用同时学「这个过程看起来怎样」，比搅在一起学省力得多。 这些能力拼在一起，才像一个真正在运转的世界，而不是一段画质很高的动态视频。 Eden 的架构，为世界模型提供了新可能 虽然 Project Eden 只是 VAST 团队提出的一次世界模型研究预览，但其背后的架构选择，为行业提供了一条值得长期关注的探索方向。 世界模型这个词现在人人都在说，但说的不是同一件事。谁能做持久化、谁能做多人、谁能高效拓展，除了有算力和融资量的因素，路线本身也在筛选玩家。 纯视频路线的世界模型，消耗的算力可能是生成一段 Sora 视频的成百倍，结局可能会像 Sora 一样在商业上此路不通。 但如果状态维护放云端，画面渲染做到端侧，像本地图形渲染一样，用户不必为每一帧付费，事情就不一样了。 VAST 提到他们现有的 3D 生成技术积累，恰好是训练世界模型数据的核心来源。用 3D 基础模型能力对海量互联网视频进行反向解构，提取深度和几何轨迹，把普通视频转化成带状态标注的训练数据。 而随着 Project Eden 的推进，在未来，随着多人并发问题在工程层面进一步解决，它或许还将颠覆现有的传统 DCC 工具，如 Blender，与类似 UE、Unity 等游戏引擎。 世界模型将不再按单次生成收费，是作为基础设施在内容分发、运行时进行，类似游戏引擎或云服务商的座席模式。 一方面，它是一个 AI 原生的沙盒平台，用户只需要通过自然语言或简易动作，就能一键创作出可供多人共享的、具备物理逻辑的互动数字世界，极大地降低了内容创作的门槛。 VAST 想做的，是把造世界这件事的门槛，压到拍照那么低。类似于 UGC 互动内容平台，生成的世界也可能像短视频一样进入我们的生活，成为新的互动娱乐生态。 另一方面针对科研和产业，它能够提供具备完整物理规则、长时序一致性、且可自由干预的仿真环境，能成为适配具身智能训练与性能评测的高质量仿真基座。 世界模型，就这样越来越接近一个真正持续运转的世界底座。 曹炎培在内部把路线划成三个里程碑： 第一步，验证状态推演和画面呈现真能完美解耦，Project Eden 放出的 Demo 就是在交这份答卷； 第二步，攻克状态预测的泛化，让模型对「弹指打碎一面墙」这种泛化的动作也能推演出自洽的结果； 第三步，才是多人并发和推理成本这些工程上的硬骨头。至于真正的商业化，他预计是一件非常中长期的事。 与最早人们还会争论 AI 生成的图片/视频像不像，到现在 AI 可以一次性直出，海报、宣传视频，AI 都能搞定这件事一样，世界模型大概也在这条路上，从谁的画面更真实，变成谁的世界能够持续运转、更稳定承载多人交互，以及沉淀越来越多用户创造的内容。 从预测下一帧像素，到推演下一个状态，世界模型的终点开始清晰了。

AI PC的战场上，又多了一个重量级玩家。 5月30日，英伟达、微软、Arm几乎同时在社交平台预热“A new era of PC”，坐标指向台北电脑展。 今天，英伟达正式发布了RTX Spark，一款面向个人AI Agent的新型Windows PC超级芯片。微软也同步发布博客，称双方推出了由NVIDIA RTX Spark加速的新一代Windows PC，面向开发者、创作者和高端用户，为新一波Agent应用而设计。 首批RTX Spark设备包括Microsoft Surface Laptop Ultra、Dell XPS 16、Lenovo Yoga Pro 9N、HP OmniBook X14/Ultra 16、Asus ProArt P14/P16、MSI Prestige N16 Flip AI等，预计今年秋季上市。 过去，PC更多是英特尔、AMD和整机厂的主场；而现在，英伟达、微软和Arm一起站到台前，让AI PC不再只是一个联网调用云端模型的终端，开始变成承载本地AI计算和系统级Agent的工作台。 资本市场已经提前开始为这轮AI硬件重估定价。据路透社报道，戴尔将2027财年AI服务器收入预期从500亿美元上调至约600亿美元，第一财季营收438亿美元，同比增长88%，盘后股价一度上涨约39%。 同样反应热烈的还有联想。5月22日发布超预期财报后，联想股价跳涨15%。财报显示，公司第四财季收入超过预期，PC销售强劲，基础设施方案业务收入增长37%。到5月底，据财经媒体统计，联想股价在AI服务器和AI PC叙事推动下单月涨幅一度超过100%，成为AI硬件重估里最典型的PC厂商样本之一。 AI服务器让联想、戴尔这样的传统PC厂商重新被资本市场看见；英伟达、微软和Arm联手押注Windows PC，则把这轮AI硬件重估进一步推向个人电脑。 另一边，手机增长正在经历寒冬。 IDC最新预测显示，2026年全球智能手机出货量将同比下降13.9%，降至10.9亿部。这可能成为智能手机史上最严重的一次年度收缩，比IDC今年2月给出的12.9%跌幅更加悲观。与此同时，智能手机平均售价预计升至550美元，比2025年高出约100美元。手机市场正在出现一个很尴尬的组合：卖得更少，卖得更贵。 卖得更贵，主要因为成本压力已经传导到了手机厂商身上。小米2026年一季度净利润同比下降43%，主要受到内存芯片等零部件成本上升和国内竞争加剧影响；其中智能手机出货量同比下降19%至3380万台，手机收入同比下降12.5%至443亿元，手机毛利率也从去年同期的12.4%降至10.1%。 端侧AI体验确实需要更大的内存、更强的算力和更高的存储配置。问题在于，成本已经先行，AI带来的换机拉力却还没能得到证明，手机厂商一边要为AI配置买单，一边还没完全拿到AI溢价。 对小米、华为这类全生态公司来说，手机之外的下一块主屏，正在指向PC。 01 英伟达、微软、Arm联手，把AI PC推上主桌 过去几年，AI硬件的主桌一直摆在数据中心。英伟达2027财年一季度数据中心收入达到752亿美元，同比增长92%；戴尔也把全年AI服务器收入预期上调至600亿美元；HBM市场则被预计将在2026年翻倍至760亿美元。GPU、AI服务器、HBM，才是资本市场最熟悉的AI硬件关键词。PC更多像一个访问入口，用户打开浏览器，调用云端模型，本地设备本身并没有承担太多AI计算。 但在Agent时代，PC的角色发生了变化。 在之前的文章里，我们写过Googlebook。谷歌已经意识到，Agent时代，PC正在变成AI工作流的主战场。手机适合随时调用AI，但电脑更适合让AI真正进入文件、浏览器、应用和系统操作里。 微软、英伟达和Arm三家联手下场，意味着AI PC正在从单家公司的产品叙事，变成一场更大的产业合流。 对英伟达来说，这是AI算力从数据中心向个人电脑的延伸。英伟达几乎吃遍了AI基建最核心的红利，云厂商、模型公司、企业客户都在抢GPU，AI服务器让英伟达成了整个AI时代最典型的卖铲人。 但Agent要进入个人工作流，算力不能只堆在数据中心。越来越多的本地Agent任务，需要PC具备更强的本地能力，尤其是对隐私、延迟和连续运行有要求的场景，电脑本身必须具备更强的本地执行力。 英伟达正式入局PC芯片，带来的不只是处理器，还有GPU、AI计算、驱动、开发者生态和本地模型能力。它过去在数据中心吃到了AI基建红利，现在要继续把这套能力放进个人电脑里。 按照英伟达的说法，RTX Spark最高可提供1 petaflop AI算力和128GB统一内存，足够支撑更复杂的端侧Agent任务。同时，英伟达还会把OpenShell运行时带到Windows上，并结合微软新的Agent安全机制，让Agent在本地运行时仍然处于用户可控的安全环境里。Hermes Agent、OpenClaw等应用也会接入这套能力。 而对微软来说，这是Windows AI体验继续往前走的一步。Copilot+ PC已经把AI电脑的概念打了出来，但目前很多AI PC体验仍然偏轻。要让Copilot从云端问答进一步进入Windows本地工作流，微软需要更强的芯片、更统一的硬件平台，以及更能打动开发者和高端用户的设备。 Arm同样需要这个机会，让Windows PC市场的破圈成为可能。Windows on Arm并不是新故事，微软和高通已经为此推进了很多年，骁龙X Elite也曾被寄予厚望。但Windows用户对Arm PC一直有顾虑，性能强度、软件兼容、游戏生态、开发工具……这些问题直接影响Windows on Arm的普及。 英伟达进入之后，Arm PC的叙事不再只围绕低功耗和长续航。The Verge报道称，首批确认的RTX Spark设备包括Microsoft Surface Laptop Ultra、Dell XPS 16、Lenovo Yoga Pro 9N、Asus ProArt P14/P16、HP OmniBook X14/Ultra 16、MSI Prestige N16 Flip AI等。英伟达也强调Adobe、Blender、DaVinci Resolve、Maxon等创作软件已经支持或优化Arm平台，微软和游戏厂商也在推进Windows on Arm的游戏兼容。 英伟达要把AI算力带到PC，微软要把Windows变成Agent时代的工作入口，Arm要借此打进高性能个人电脑市场。三方的利益，在AI PC上形成了交集。 三方同时站到PC前台，同时也意味着AI PC不再只是整机厂往笔记本里塞一个AI功能，芯片架构、GPU能力、操作系统、开发者生态、应用兼容和本地模型能力，都要一起往前推。 Agent时代，PC正在重新靠近AI产业链的核心位置。过去它是云端AI的访问终端，而现在，它正在变成Agent工作的本地入口。 02 手机厂商需要下一块主屏 相比AI PC的升温，手机厂商正在经历另一种境遇。 手机不仅仅是一门硬件生意，更是用户和品牌之间最高频的连接点。它代表着入口、账号、支付、内容消费和系统服务，几乎是整个IoT生态的遥控器。小米讲“人车家全生态”，华为讲鸿蒙生态，OPPO、vivo也都在围绕手机延展耳机、手表、平板、车机和系统服务。 一旦手机增长放缓，受影响的不仅仅是手机业务本身，还有整套生态的增长。 小米的财报已经把这种压力写得很清楚：2026年一季度，小米收入同比下降10.9%至991亿元，经调整净利润同比下降43.1%；智能手机出货量同比下降19.0%至3380万台，手机收入同比下降12.5%至443亿元，手机毛利率也从去年同期的12.4%降至10.1%。 这组数据背后，是AI+手机（在原有智能手机框架里叠加AI能力）的现实困境。端侧AI体验需要更大的内存、更强的算力和更高的存储配置，而这些东西都会进入BOM成本。手机厂商要讲AI，就必须给配置加码；配置加上去，成本也跟着上去。 但目前看来，用户对AI功能的感知并没有那么直接，至少还没能强到明显拉动换机需求。 OPPO、vivo的压力没有完整财报那么透明，但调价动作已经很说明问题。 3月以来，OPPO、一加、vivo、iQOO等品牌陆续调整了部分机型的价格。相关报道提到，涨价原因主要指向存储和半导体成本上涨，部分机型涨幅达到500至1000元。 这类涨价最容易影响中端机和大存储版本。旗舰机还能靠影像、屏幕、芯片和品牌溢价消化一部分成本，但中端机的用户对涨价更加敏感。过去国产安卓厂商最擅长的打法，是在1999元、2499元、2999元这些价格带里把配置塞满，内存和存储一涨，这套打法就会承受较大的成本压力。 在Agent时代，传统手机厂商变得有些尴尬。 手机仍然是最大众、使用最高频的屏幕。豆包手机2.0已传出推进消息，中兴在业绩说明会上提到，正与字节跳动等生态伙伴推进新一代豆包AI手机的研发与认证；OpenAI的手机传闻也在升温，郭明錤称OpenAI正在与联发科、高通合作开发智能手机处理器，并可能将AI手机量产时间提前到2027年上半年（最初爆料为2028年）。 AI公司仍然盯着手机这块入口，但对OPPO、vivo这类传统手机厂商来说，AI+手机先带来了配置和成本压力。 它们要讲AI，要跟上系统级助手、端侧模型和跨应用操作这些新功能，可这些功能落到硬件上，就是更大的内存、更高的存储、更强的芯片，以及更复杂的软件适配。成本先上去了，但用户愿不愿意为这些功能多付钱，答案还不够明确。 小米的情况又比OPPO、vivo更复杂一些，它的手机业务同样承压，但它不是只把AI放进手机。雷军此前宣布，未来三年小米将在AI领域投入至少600亿元，这一表态发生在MiMo-V2-Pro发布之后，最新的MiMo-V2.5-Pro也在Agent和本地工作流能力上继续加强。 手机并不是不再重要，但它更擅长承接随身、生活化的AI需求，比如拍照、语音、翻译、支付和智能家居控制。真正复杂、连续的Agent任务，则更容易发生在PC上。 过去手机厂商做PC，更多是补产品线、办公场景以及多屏协同，电脑像手机生态的外围设备，用来让手机、平板、手表之间的体验更完整。但到了Agent时代，PC变成了承接长任务、复杂文件和多应用协作的重要工作台。 对小米来说，AI PC可以把手机、汽车、家电、IoT和MiMo模型接到更完整的工作流里。用户在手机上发起需求，在PC上处理复杂任务，在车和家里延续服务，这套场景更接近“人车家全生态”的完整形态。 华为甚至更适合承接这套逻辑：华为本来就有手机、MateBook、平板、鸿蒙、车机和办公协同，根据报道，鸿蒙电脑已经把AI能力放到了系统层，接入了盘古大模型和DeepSeek。AI PC如果进一步成熟，将成为鸿蒙生态里更重要的工作入口，把手机、平板、车机和办公场景串得更紧。 手机仍然是最广泛的个人入口，但在Agent时代，只有手机还不够。对小米、华为这类全生态公司来说，PC正在成为手机之外更关键的生产力入口。 03 AI正在重新定义每一块屏幕 AI硬件的分化，表面上是服务器厂商和PC厂商获利、手机厂商承压，但往深了看，重点是AI正在重新分配每一块屏幕的价值。 移动互联网时代手机是绝对中心，它吃掉了相机、音乐播放器、导航、钱包，也吃掉了大量电脑时间。在移动互联网时代，谁掌握手机，谁就掌握用户的入口。 但Agent时代，入口不能只看使用频率。 手机依然是最随身的设备，适合唤醒AI、处理碎片化需求；汽车会承载移动空间里的智能，适合导航和出行服务；家电负责生活场景，适合围绕家庭环境、安全和日常服务做家生态。 而PC的价值，则回到了工作流的中心。它是最适合处理复杂任务的屏幕，连接文件、浏览器、企业系统和本地数据，也拥有更大的显示空间和更稳定的任务运行环境。 AI PC重新上桌的根本原因就在于此，不是因为PC突然重新流行，也不是因为笔记本需要一个新的营销词。真正发生变化的是，AI从“回答问题”走向“执行任务”之后，需要更适合承载Agent的办公设备，让Agent更好地进入工作流。 在很长一段时间里，做生态的核心是把设备串起来。手机、平板、手表、耳机之间能互联互通，就足够讲一个完整故事。 但Agent时代的需求不再只是把手机里的照片传到电脑上，或者让手表提醒电脑开会；现在用户真正想要的是，AI能理解他的任务，调用合适的设备和应用，把事情推进下去。 PC不再只是生态里的一块屏幕，更是任务真正发生的地方。 对小米、华为这样的全生态公司来说，AI PC的价值也不只是多卖一类硬件。它更像是生态从生活场景进入生产力场景的接口。 没有PC，全生态更多停留在生活入口，手机控制家电、汽车连接手机、手表记录身体数据、耳机接入语音助手。有了AI PC，全生态才更容易进入工作入口，资料整理、代码修改、设计创作、企业协同，都可以被纳入同一套AI系统里。 这一轮AI硬件重估不会平均分给所有终端，谁能进入AI工作流，谁才有更高的定价权。只能承接成本的厂商注定先被供应链挤压。 手机仍然重要，但它很难独自完成全生态公司的下一轮增长，对小米、华为来说，AI PC不是手机之外的一条可有可无的副线，是走向生产力场景的必经之路。 往远了看，未来比拼的不会只是手机电脑卖了多少台、车卖了多少辆，还有谁能把这些设备组织成一套真正可执行的AI工作流。 手机负责感知和连接，汽车负责移动和空间，家电负责生活和环境，PC负责工作和执行。谁能把这几块屏幕串起来，谁才更接近Agent时代的生态入口。

6 月 1 日，华为在成都举行了 nova 16 系列及全场景新品发布会，带来了 4 款 nova 16 系列新机，以及更多全新产品。 转眼间，华为 nova 这颗「新星」，也已经燃烧了十年。 十年时间，足以让一款手机彻底改变模样。在华为 nova 16 系列身上，我们自然能看到属于今天华为的全新表达，但细看之下，你依然能够发现十年前那台初代 nova 留下的影子。 华为 nova 16 系列：2 亿主摄，红枫影像 华为 nova 16 系列一共包含 4 款手机： 华为 nova 16z 华为 nova 16 华为 nova 16 Pro 华为 nova 16 Ultra 有意思的是，nova 系列没有跟随 Mate 和 Pura 的步伐，推出「Pro Max」机型，继续保留了「Ultra」的后缀。 这次华为 nova 16 系列显得很有诚意，除了「线上机」nova 16z，另外三款 nova 16 都搭载了麒麟 9010S、7000mAh 电池、100W 有线快充和畅连/运营商北斗卫星消息支持。 先来看看主打的华为 nova 16 Pro 版本，这次提供了 4 款配色：晴空蓝、幻彩贝母、天际白和星空黑，背板采用丝绒 AG 玻璃。 华为 nova 16 Pro 的影像配置，颇有「越级」的意思： 主摄：2 亿像素 F1.8 光圈 RYYB 镜头，1/1.28 大底 长焦：5000 万像素F2.6 光圈 RYYB 潜望长焦镜头 超广角：5000 万超广角微距 红枫原色镜头 这个 2 亿像素的主摄，是 Pura 90 Pro 都无缘的配置，1/1.28 的传感器尺寸，也让这颗镜头的可用性更强，不会过于受到环境光条件的制约。 自拍也是华为 nova 系列的特色，这次 nova 16 Pro 将「红枫影像」也引入了前置镜头，与 5000 万像素的主镜头配合使用，能更好把握各种环境下的皮肤色准。 硬件配置给足，影像玩法也没有落下：魔法移图，利用 AI 实现更自然的抠图合成；3D 动态，将静态 2D 图转化成 3D 视角；以及当下很火的实况拼图。 华为 nova 16 Pro 还搭载了「nova 史上最亮屏幕」，尺寸为 6.84 英寸，支持 6000nits 峰值亮度，以及 1-120Hz LTPO 自适应动态刷新率。 系统方面，华为 nova 16 Pro 搭载 HarmonyOS 6.1 系统，支持能将课堂板书跨设备同步的「全景智记6」、课程表导入和小艺深度解题等非常适合学生用户的功能。 超大杯华为 nova 16 Ultra 则提供天际白、星空黑、晴空蓝三种配色，背板采用素皮 + 玻璃拼接背板和一体成型工艺，配置和 nova 16 Pro 接近，主要在影像、充电和卫星通信上有所区分。 华为 nova 16 Ultra 搭载全系 RYYB 影像，主摄同为 2 亿像素 1/1.28 大底摄像头，升级集中在另外两个镜头： 长焦：5000 万像素 RYYB F2.2 大光圈镜头，光圈更大 超广角：5000 万像素 RYYB 超广角微距镜头 前置摄像头：5000 万像素 F2.0光圈镜头+ 红枫原色镜头，光圈更大 华为 nova 16 Ultra 也是 nova 16 系列中唯一一台支持无线充电的设备，最高 50W 华为无线超级快充，和 7.5W 无线反向充电。 在畅连和运营商北斗卫星短信的基础上， 华为 nova 16 Ultra 还增加了天通卫星通信的能力，能够实现无网语音电话。 华为 nova 16 堪称史上最好的 nova 数字旗舰，在电池、芯片和快充的配置上都看齐两个大杯。 影像配置上，华为 nova 16 仅搭载两颗 5000 万像素的主摄和 RYBB 潜望长焦镜头，以及一个红枫原色镜头，对比 Pro 版本少了一个超广角镜头。 华为 nova 16z 主打线上渠道，搭载麒麟 8020 芯片，影像配置为 5000 万像素主摄 + 1200 万像素 RYYB 长焦镜头，电池大小为 6000mAh。 在元器件涨价的潮流下，华为 nova 16 系列也不能避免涨价，每个版本对比上一代基本上涨 300 到 500 元不等。 nova 16 系列手机版本较多，我们将售价集中列出，方便大家对比观看，发布会现场并未给出产品的运行内存信息： 华为 nova 16z，256GB 起步，起售价 2699 元 华为 nova 16，256GB 起步，起售价 2999 元 华为 nova 16 Pro，256GB 起步，起售价 3899 元 华为 nova 16 Ultra，256GB 起步，起售价 4699 元 其他新品：超大杯平板、耳夹耳机升级款 这场发布会的主角是华为 nova 16 系列，属于中高端次旗舰系列，平板新品华为 MatePad Pro Max，则属于华为旗舰平板的集大成之作。 华为 MatePad Pro Max 屏幕尺寸为 13.2 英寸，厚度仅有 4.7mm，重量为 499 克，是目前全球最轻薄的大尺寸平板。 值得一提的是，华为 MatePad Pro Max 采用了一块超窄边框全面 OLED 屏幕，并且为无刘海设计，屏占比高达 94%，支持最高 144Hz 刷新率和 1600nits 亮度。 华为 MatePad Pro Max 还支持「鸿蒙双桌面」的特性，可以在平板界面和 PC 界面之间切换，满足不同的使用场景。 华为 MatePad Pro Max 悦享版搭载麒麟 T93 处理器，起步配置为 12GB + 256GB，售价 5999 元；T93 Pro 处理器版本起步配置 12GB +256GB，售价 6199 元。 和华为 MatePad Pro Max 一同推出的，还有华为第一方专业音乐编创软件「音悦家」，支持作曲、录音、编曲、混音、导出的全链路音乐创作，亮点为中国传统乐器音色的高精度还原，6 月开启华为 MatePad Pro Max 公测，未来还将在更多设备上推出。 口碑和销量都不错的华为 FreeClip 耳机也推出小改款——华为 FreeClip 2 典藏版，充电仓采用全新珠宝盒设计，耳机 C 桥升级鎏光云感材质，支持耳机作为相机快门交互，售价 1499 元。 华为 AI 眼镜也推出了全新的「钛丝半框光学镜方形款」，钛银灰配色，价格为 2499 元。 发布会的最后，华为也预热了今年的华为开发者大会 HDC 2026，将于 6 月 12 日-14 日，在松山湖举办，届时将分享更多关于鸿蒙系统生态的最新进展。 nova 十年，变与不变 华为 nova 16 系列有一个看似与产品无关，却颇具象征意义的变化：代言人从易烊千玺换成了时代少年团。 巧合的是，双方恰好有着「师兄弟」的关系。他们所代表的受众群体高度重叠，只是在年龄层和成长阶段上有所延续与更替。 这种代言人的接力，某种程度上也是 nova 品牌十年发展的缩影：年轻人始终在变，一代又一代新的面孔不断登场；但表达年轻化的初心，却始终没变。 最早的 nova，解决的是消费者人群之间的区隔问题。当时的华为，已经有了商务旗舰 Mate 和影像旗舰 P 两个高端系列，以及荣耀作为性价比路线。 在这之间就空出了一个「中高端」的次旗舰定位，一个主要面向青年群体品牌，于是 nova 系列应运而生，门槛比 Mate 和 P 更低，外观设计也更偏向年轻时尚，卖点主打性价比和自拍。 初代华为 nova 到了华为「黑科技」频出的时期，nova 还有了另一重职责——将这些前沿的技术探索，进行包装，下放给更多人群。 像是华为 nova 4 的「极点全面屏」、nova 5 的夜景自拍以及 nova 9 Pro 的 100 瓦快充，这些卖点本质上都是来自 Mate 和 P 系列的技术，借由 nova 触达更多大众消费者。 而在 2023 年，华为进入全新阶段之后，负责走量的 nova 系列，职责进一步升级。 它不再只是新技术的展示窗口，更成为华为核心技术规模化普及的重要通道，让折叠屏、卫星通信、麒麟芯片和原生鸿蒙走出旗舰机，触达更多对手机可能不太了解的用户。 华为 nova Flip 华为 nova 16 系列依旧如此，我们能看到 Pura 90 系列的 2 亿像素镜头探索，以及 RYYB 红枫原色镜头；更深层次，则是麒麟 9010S 芯片和 HarmonyOS 6.1 的全链路软硬结合，使其「华为手机」的地位毋庸置疑。 但从初代华为 nova 到 nova 16，这个品牌，又好像从未改变。 它依旧是华为最「青春」的产品系列，瞄准年轻和女性的核心用户群体，主打时尚潮流的质感设计，希望称为年轻人的第一台 nova 手机。 在这些品牌底色之下，它传达的理念，结合华为的现状来看，非但没有改变，反而历久弥新： 把最先进的技术，用最年轻的方式讲出来。

快科技6月1日消息，据行业人士爆料，国内多家主流手机品牌接下来的迭代旗舰产品线，都会新增Pro Max版本，而且这个全新段位会成为各家接下来主推的核心旗舰机型。 定位比Pro Max版还要高一级的Ultra影像旗舰，会直接瞄准万元以上的价格段发力。这也意味着安卓阵营最顶尖的产品定价，将会直接追平同期发布的iPhone 18 Pro Max，整个安卓超高端手机市场的准入门槛被直接抬升到了新的层级。 此前小米集团总裁卢伟冰就公开表示，受到内存成本大幅上涨的影响，今年下半年国产直板旗舰手机的价格很有可能会突破万元大关。 知名市调机构Counterpoint Research的最新报告也印证了上游的涨价趋势，2026年第一季度全球通用存储芯片的价格环比上涨幅度达到80%到90%，创下了近十年以来的历史新高，成本压力直接从芯片端传导到了整个消费电子终端。 不少业内分析师表示，这一轮存储芯片涨价潮什么时候才能彻底收尾，核心取决于全球范围内的AI算力投资热度什么时候降温。如果AI相关的大额资本开支节奏逐步放缓，通用存储芯片的供需失衡关系才有可能得到实质性缓解，终端硬件的成本压力才会逐步松绑。 过去多年国产旗舰长期卡在四千到六千元的价格区间，接下来国产旗舰的产品力和定价体系，都会和苹果旗舰手机看齐。

凤凰网科技讯 6月1日，在BEYOND澳门科技展上，zdeer左点公开展示了全国首张适用范围为“经授权培训人员指导下，通过助听器验配软件完成测听验配”的医疗器械注册证。这意味着助听器验配不再局限于传统门店，药房等具备医疗器械销售资质的网点经左点标准化培训后，其工作人员可借助手机App为用户完成合规验配。 同期，左点发布了首款RIC助听器及一款适老化吊坠式助听器。RIC机型采用海思芯片（主频300MHz），端到端延时7毫秒，支持48/64通道宽动态范围压缩，单只机身重量控制在5克以内，可通过蓝牙连接手机接听电话或收听流媒体音频。 根据弗若斯特沙利文及尚普咨询认证，左点助听器获2025年“中国助听器线上销量第一”及2026年“全国销量第一”。公司已累计申请247项发明专利、38项实用新型专利。

1492 年，哥伦布驶向大西洋深处。远洋航行当然需要速度，但真正决定船队能否抵达彼岸的，是淡水、食物、船体、桅杆和帆索能否撑过漫长风暴。改写跨洋贸易的，正是这种并不浪漫的工程逻辑。 后来，荷兰人设计出「福禄特」商船：造价更低、船员更少、货舱更大，能在大西洋航线上稳定往返。远洋航行由此从冒险家的孤勇，变成一门可复制、可计算、可扩张的生意。 今天的 AI 模型竞争，也走到了类似的十字路口。 过去，人们谈模型，习惯谈参数、榜单和峰值能力，但 APPSO 在使用 Claude Code、Codex 这类 coding agent 之后，明显感觉到当 AI Agent 开始走向生产环境，真正在乎的问题变得有些不一样了：能不能持续处理高频请求，能不能稳定调用工具，能不能理解复杂界面，能不能嵌入企业既有流程并长期运转。 这些问题的答案，往往不在跑分榜单里。 最近，阶跃星辰正式发布并开源 Step 3.7 Flash。作为面向生产级 Agent 的新一代 Flash 模型，它主要服务 Agent、Coding、Search 与多模态工作流。 它出现的时机，恰好踩在这个路口上。生产级 Agent 要的早就不只是快和便宜，更重要的是够可靠、够好用、够容易部署，还能在真实工作流里一天天产出结果。 Flash 模型，不再是旗舰的平替 过去，Flash 模型常被当成旗舰模型的轻量版，卖点无非就是快和便宜。但当 Agent 成为工作流的核心，Flash 模型的角色就变了。 如果模型在多轮任务中容易偏离目标，无论是企业还是个人都很难放心采用。相反，一个模型若能在速度、成本、工具调用、多模态理解和生态兼容之间取得平衡，才有机会成为 Agent 系统真正可依赖的基础能力。 某种意义上，Agent 时代要的 Flash 模型，已经从「更快的小模型」升级成了「生产效率最高的基座模型」。 它既要够得着旗舰模型的能力上限，又要扛得住大规模 Agent 调用的效率压力。Step 3.7 Flash 的定位，正是后者——新一代 Agentic 基座模型。 而生产级 Agent 的第一道门槛，是理解真实工作环境。 大量 Agent 任务分布在复杂界面、办公文档、图表系统、浏览器页面、专业软件和内部工具之间。只擅长文本问答的 Agent，很难真正处理这些任务。 Step 3.7 Flash 重点强化的，正是原生多模态理解与执行能力。 它可以理解 UI、图表、文档、图片和应用界面，也可以在复杂视觉问题中自主裁剪、放大、重读图像。遇到信息不确定的情况，模型还能主动发起搜索，并对文本和图像信息进行交叉验证。 这里有个反直觉的设计思路。对一个 11B 激活的 Flash 模型来说，把海量视觉知识硬塞进权重是不划算的。阶跃反其道而行：权重里只留最核心的推理引擎，把感知边界和世界知识外推到推理阶段，靠极快的速度，用「多看几眼、多查几遍」去换「参数本来不够用」的那部分能力。 低延迟和高吞吐，到这里就不只是部署时的优势，直接变成了能力本身的一部分，巧妙且机智。 比如在这个驾驶舱操作的演示中，用户只输入「如何起飞」，模型就会自动框选驾驶舱区域，识别仪表、按钮和关键操作信息，理解当前界面的操作逻辑，并生成分步骤教程。 这里的重点不止在于它能识别一张驾驶舱图片，更关键的是，它能把一个密集、陌生、强依赖上下文的视觉环境，转换成一个人可以照着做的任务指引。 能看懂，和能教你动手，难度系数完全不一样。 我们还把 Step 3.7 Flash 接入了一套手机 GUI Agent 流程，并用一台 vivo 手机完成演示。 手机通过 USB 连接 Mac，打开 ADB 调试授权后，终端就可以获取手机当前截图，并通过 scrcpy 同步显示手机画面。随后，脚本把这张截图发送给 Step 3.7 Flash，让模型判断屏幕里正在发生什么。 比如我们让 Step 3.7 Flash 看了一眼手机里的微信读书热搜榜。它不只是把页面上的字读出来，还能理解榜单结构：哪些是书名，哪些是封面，当前排名是多少，有多少人在读，推荐值又对应哪本书。 这类能力的意义在于，Agent 面对的是真实 App，而不是整理干净的截图。它要先看懂页面，才有可能继续帮用户找书、比对热度、整理榜单，甚至执行下一步操作。 我们又把它放到美团小判官这样的页面里，让它处理一条商家申诉场景。页面里同时有用户评价、图片证据、商户回复，以及「用户更有理」「商家更有理」这样的处理按钮。 对模型来说，这已经不是简单的 OCR，它是在理解一段业务流程：谁在投诉、争议点是什么、证据是什么、平台接下来允许做什么。多模态 Agent 要进入真实工作流，遇到的往往就是这种混合了文本、图片、判断和操作入口的界面。 换到 Blender 场景里，用户输入「怎么删除这个方块」，模型会识别 Blender 的界面结构、图层、工具栏和当前编辑状态，再给出删除指定方块的操作步骤。 再看应用界面设计分析。当用户要求模型说明「这些设计有什么有趣之处」，模型会识别不同图片中的信息内容，理解设计元素之间的关系，并生成专业分析。 Step 3.7 Flash 另一项关键能力，是联网与视觉搜索增强。 Agent 在真实业务里碰到的问题，往往牵扯动态信息、外部资料、多源证据，还有一堆残缺的输入。模型要是只啃自己肚子里那点知识，时效性和准确性上很容易翻车。 「瑞石楼」这个演示就很典型。模型先从用户上传的图片里读出可见的线索，围绕这些线索生成检索词，用网页抓取工具去外面查资料，最后把图里的视觉信息和网上的文字信息拼成一个完整回答。 搜索到这里，已经不是返回一串网页链接那么简单，模型是围着任务目标，主动去找、去筛、去对、去组织证据。这正是 Search Agent 和 Research Agent 真正需要的干活方式。 官方提到，Step 3.7 Flash 在 SimpleVQA Search、V* (Python) 等复杂视觉任务 Benchmark 上，展现出接近更大规模旗舰模型的表现。这也意味着模型能够在信息不充分的情况下继续推进任务，并减少未经验证的回答。 让 40 个 Agent 同时开工，这才是大模型下场干活的正确姿势 Agent 与普通聊天机器人的区别，在于调用密度更高。 一次普通问答往往只有一轮交互，而 Agent 完成任务时，需要反复观察环境、调用工具和读取结果。Coding Agent 要读代码、改文件、运行命令；Search Agent 要检索、核对和整理信息；办公 Agent 要处理表格、文档和邮件。 调用次数一旦大幅增加，模型速度和成本就会成为系统级问题。 Step 3.7 Flash 采用稀疏 MoE 架构，总参数为 196B 加 1.8B ViT，激活参数仅 11B，最高生成速度可达 400 Tokens/s。对于高频 Agent、Coding Agent、Search Agent、多模态 Agent 和企业知识工作 Agent，这意味着同样时间内可以完成更多轮观察、调用和推理。 比如，Step 3.7 Flash 可以构建 Agent 集群，让 40 个不同身份的虚拟 persona 扮演产品评测团，对一个产品问题进行并行判断，并实时汇总它们对 5 个 MVP 方向的偏好。 批量跑 Agent 的价值，就在这里了。 过去一个模型做一次分析，成本和延迟都还能忍。可一旦企业同时跑几十个 Agent，分别扮演用户、专家、销售、产品、运营、客服，吞吐能力立马成了前提。速度不够，反馈就慢；价格太高，规模化根本无法成立。 类似地，Agent 并行实时构建大型知识图谱，同样属于高频、多步骤任务。模型价值不仅体现在生成速度，更体现在单位时间内完成更多观察、检索和推理。 再看信息整理。我丢给它一句「我要写一篇自动驾驶的综述，分头去查技术路线、政策法规、市场格局、代表公司四个方向」。 这类任务看似只是汇总资料，实际运行时会触发多轮搜索、来源核对、内容归类和结构化输出。任务链条越长，调用次数越密，模型吞吐的差距就越容易被放大。 Step 3.7 Flash 给我的直观感受是快，但快的同时质量没有打折——从全网搜集四个方向的资料各自归到对应板块，技术路线讲得清楚，政策法规和市场格局的信息也分得开，没有出现把不同方向揉成一团的情况，结构化输出该有的层级都在。 值得一提的是，Step 3.7 Flash 完成任务的性价比极高，尤其是对 Agent 这种高频任务形态更友好。 一次 Agent 任务往往包含拆解、检索、读网页、调工具、比对结果和整理输出，调用次数远高于普通问答。单次成本差异，放到完整任务链里会被迅速放大。 官方数据显示，开启 Advisor Mode 后，Step 3.7 Flash 的编程能力达到 Claude Opus 4.6 的 97%，但每个任务成本大约只有后者的九分之一。 也正因为如此，Step 3.7 Flash 的价值不能只用「快」来概括。放到 Agent 工作负载里看，它同时解决了三件事：高吞吐减少等待，更低任务成本支撑规模化运行，接近头部模型的编程能力则让它有机会进入真实工作流，承担持续、复杂的任务。 此外，Agent 要进入生产系统，关键还在于稳定调用工具。Step 3.7 Flash 在高可靠工具调用与编排上做了优化。官方称，它可以在长程多轮 Agent 工作流中稳定调用 API、浏览器、终端、Office 工具和外部系统，并保持任务轨迹一致，降低任务偏移和执行失败的概率。 官方披露了几组数据。Step 3.7 Flash 在考察多工具协同的 Toolathlon 上达到 49.5%，在考察真实环境下日常自主任务执行的 ClawEval 1.1 上达到 67.1%，在横跨 44 种职业任务的 GDPval 上达到 45.8%。在 τ²-bench Telecom 的低、中、高三档推理难度下，通过率均超过 98%。 当然，Agent 生产化还有一个容易被低估的条件：模型必须适配工作流。模型通常被放进一套 harness 里，周围有提示词模板、工具协议、浏览器环境、文件系统、代码执行器、评测集、权限系统和业务流程。 对此，Step 3.7 Flash 针对 Claude Code、Kilo Code、Roo Code、OpenCode、Hermes Agent、OpenClaw 等主流 Coding 和 Agent 工具做了兼容优化，也面向 MCP、Skills 等工具调用协议和开发链路进行适配。 开发者因此可以更容易地把模型放进已有 Agent 框架中，而不必重新改造整套流程。对企业来说，适配价值不言而喻：模型越容易进入既有系统，试用和部署周期越短，工程成本越低。 目前，Step 3.7 Flash 已在 Kilo Code、Nous Research、Lemonade 等 Agent 与开发者生态项目中完成接入验证。阶跃星辰也在与 Fireworks AI、DeepInfra、Modal Labs 等 AI 基础设施与推理平台推进适配，后续还会接入 OpenRouter、ZenMux 等海外模型聚合与开发者平台。 ▲ https://huggingface.co/stepfun-ai/Step-3.7-Flash 截至目前，官方还提供关于 Step 3.7 Flash 的 Model Page、GitHub、Hugging Face、ModelScope、国内开放平台 API、海外开放平台 API、Studio 在线体验，以及阶跃 AI App 入口。 这些入口意味着，它同时面向开发者试用、企业 API 接入和开源生态使用。更重要的是，Step 3.7 Flash 支持云端和本地部署。官方还提供了端侧多精度版本，面向个人工作站和本地环境进行优化。 海外开发者的实测反馈，也补上了官方数据之外的视角。有人在本地 MoE 测试中对比 DeepSeek V4 Flash、Step 3.7Flash 和 Minimax M2.7，Step 3.7 Flash 在 agg@64 下运行速度超越其它模型，达到 2123.13 tok/s； 也有开发者提到，自己用 Gemini 3.5 Flash 写代码后，再让 Step 3.7 Flash 检查，能找出 7 个以上小 bug 和错误。无论是指向本地吞吐，还是指向代码排错，都切实地说明 Step 3.7 Flash 已经开始进入真实开发流程，并被开发者当成可以长期使用的生产力工具。 基座模型，就该为 Agent 而生 体验完 Step 3.7 Flash，APPSO 发现它比起追求某个维度的跑分，更强调工程实用性。 多模态、联网搜索、工具调用、框架兼容、本地部署、低成本、高吞吐。这些单拎出来都不算新鲜，可它们凑在一起，恰好补上了 Agent 在生产环境里最需要的短板。 这条路径并不花哨，但很适合 Agent 当前所处的阶段。我们过去问一个模型，问的是它够不够聪明。可 Agent 时代，真正该问的是另一个问题：这个模型，是为谁设计的。 这两个提问背后的出发点就不一样。 一个是模型为人优化，意味着它默认面对的是一个会读、会等、会自己脑补的人类。你问一句，它答一句，慢几秒没关系，偶尔含糊也能靠你补上。 但 Agent 不会，Agent 要在观察、调用、推理、纠错的循环里连轴转，它一天发出的请求，可能比一个人一年说的话还多。它不会替模型打圆场，模型跑偏了，它就跟着跑偏。 为人优化的模型，未必适合 Agent 。这也是为什么 Flash 这个词，在 Agent 时代有了新的含义。它不再只是旗舰的廉价替身，而要从头按 Agent 的脾气重新设计了一遍。 Step 3.7 Flash 这些特点恰好对应了这个逻辑。 原生多模态，是因为 Agent 得先看见任务现场；400 Tokens/s，是因为高频调用经不起慢；工具调用的稳定性，是因为长程任务断一环就全断；harness 适配，是因为模型再强，进不去现成的系统也白搭。 它不是冲着榜单去的，是冲着「Agent 究竟怎么高效、高性价比干活」去的。从 Step 3.5 Flash 到 Step 3.7 Flash，阶跃星辰一路强化的，其实都是同一件事：让模型为 Agent 而生，推动 Agent 进入规模化商用。 这也会成为模型今后一个重要的进化路线，Step 3.7 Flash 也还不是终点。但它让我们看到了一个变化：评判 Agent 时代的模型，不该只盯着它有多聪明，而要看它愿不愿意把那些琐碎的工程账，一笔一笔算明白。 1492 年真正改变世界的，其实不是哥伦布那一次惊险的横渡。反而是后来那些福禄特商船能一趟趟稳稳地出海、返航、装货，然后再出发。冒险家负责抵达彼岸，商船负责让彼岸变成航线。 模型竞争走到 Agent 这个阶段，道理也类似。真正拉开距离的，不只是跑分上的惊艳，更是那些能让 Agent 反复出发、可靠抵达，并把能力沉淀成航线的模型。

Windows PC 阵营，已经很久没有遇到真正有分量的闯入者了。 ▲Windows 用户 belike 过去四十年，这个市场的基本分工相对稳定：微软定义操作系统和软件入口，Intel 与 AMD 长期把守 x86 处理器平台，英伟达则从图形计算出发，后来又把 AI 加速推到更高的位置。 而就在黄仁勋刚刚结束的 2026 年 COMPUTEX 主题演讲上，英伟达沿着 AI 基础设施这条主线，进入更多产业的核心环节。 除了 GPU 、AI 工厂、物理 AI 等老生常态的话题，还有被微软和 ARM 提前预热、打着「A new era of PC」旗号的 RTX Spark。所有产品背后，都围绕同一个关键词展开： Agent、Agent，还是 Agent。 联手微软，英伟达要重新定义个人 PC 在 Agent（智能体）叙事里，PC 被放到了一个新位置。 四十年来，Windows、开放 BIOS、芯片组、驱动、多媒体 API 一起塑造了个人计算。Windows 95 让 PC 从企业设备变成消费电子产品，几乎每个人都需要一台电脑。 现在，微软和英伟达将重新定义 AI PC ，目标是要让 PC 原生运行智能体，让个人电脑从传统应用入口变成个人 AI 平台。 今天推出的英伟达 RTX Spark 处理器是这套新 PC 体系的核心。 它搭载 Blackwell RTX GPU，FP4 AI 性能达到 1 petaflop；CPU 部分是与联发科合作定制的 20 核 Grace CPU；内存为 128 GB 统一内存，并通过 NVLink C2C 提供 600 GB/s 带宽。软件层面，完整栈包括 CUDA、TensorRT、NVFP4、RTX Ray Tracing、DLSS、Reflex 和 G-SYNC。 在产品形态上，英伟达把 RTX Spark 放进了更接近主流 Windows PC 的尺寸里： 笔记本厚度可做到 14 毫米，重量约 3 磅，覆盖 14 英寸到 16 英寸机型；机身采用精密加工铝合金，屏幕部分则配备色彩准确的 tandem OLED，并支持 NVIDIA G-SYNC，既服务创意工作，也兼顾游戏和高帧率视觉体验。 换言之，RTX Spark 面向的场景不只是端侧语音助手或轻量办公场景，它试图把部分数据中心 AI 能力、游戏图形能力和专业创作能力，放进个人电脑形态里。 黄仁勋说，这台电脑要运行「所有东西」。传统 Windows 应用要能跑，CUDA 软件栈要能跑，图形工作流、数字生物、地震处理、天体物理、基因组学和 AI 应用也要继续运行，它既可以连接本地模型，也可以连接云端模型。 在现场演示视频中，用户给出场地、草图、风格参考和需求后，运行在 RTX Spark 上的智能体会调用 Rhino 完成建筑与室内方案设计，并导入 Blender 结合 Flux 2 生成多角度渲染图，过程中用户可随时修改。 演示传递的信号不言而喻，PC 将从人手动操作软件转向智能体围绕目标调度工具，而典型案例是，Adobe Photoshop、Premiere 等应用也正为 RTX Spark 优化，并通过 MCP 接入本地智能体，成为自动化工作流的一部分。 RTX Spark 只是新 PC 产品线的起点。黄仁勋还展示了三种形态：笔记本、台式机和工作站。它们共同兼容 Windows、CUDA 和 AI 软件栈，面向的使用场景各不相同。 笔记本对应移动办公、游戏和创作。 它可以本地运行 Nemotron 3 Ultra，也可以连接 Claude、Codex 或其他云端模型。台式机更像家庭里的个人 AI 主机，可以 24 小时运行智能体，连接笔记本、显示器、摄像头、安防系统、家电和其他设备。 工作站面向模型开发者和智能体开发者。 DGX Station for Windows 配备 748 GB 内存、20 petaflops 算力和 8 TB 每秒内存带宽，可以在桌面环境中运行万亿参数模型。开发者可以在本地完成模型开发、调试和测试，再部署到云端。 黄仁勋把这一变化类比为手机变成智能手机，打电话已经不再是今天智能手机最重要的功能。他认为，10 年后的 PC 也会经历类似变化。它会从打开应用、点击和输入的工具，变成家庭和个人工作流里的 AI 超级计算机。 而我们能感受到最直接的变化，大概就是未来的 Windows 电脑，或许会是一台真正的 AI Agent 电脑。 对于想在本地跑 LLM、又需要大内存和较强 AI 算力的人来说，RTX Spark 的出现，可能会成为除 Mac 之外的另一个选项。 有用 AI 时代到来，一切为 Agent 而生 如果把过去两年的行业变化归纳为一句话，那就是有用的 AI （useful AI）已经到来。而 Agentic AI 的第一批应用场景，正是软件开发。 全球有 3000 万到 4000 万职业开发者，GitHub commit 数量也在持续增长：2023 年约 3 亿，2024 年约 4 亿，2025 年前几个月达到 5 亿，2026 年前几个月接近翻了三倍。 黄仁勋借此反驳了「AI 会减少就业岗位」的说法。在他看来，AI 提高了工程师的产出，企业反而更愿意招聘更多工程师。究其原因，同样的人力成本可以创造更高生产力，软件开发的价值也会继续扩大。 更深层的变化发生在应用形态上。 过去的软件由应用、代码和操作系统组成，但智能体时代的计算方式则换了一套流程：用户给出目标，模型理解意图，运行环境调度流程，工具执行任务，记忆系统保存上下文，最后产出结果。 整个过程包含观察、理解、推理、规划、行动和工具调用。 在这个框架下，LLM 只是 Agentic 系统中的「思考模块」。完整的智能体还需要 harness，也就是调度和编排层；需要浏览器、电子表格、数据库、编译器、CAD 软件和数据处理引擎等工具；也需要短期记忆、长期记忆和运行环境。而这种 LLM+harness=Agent，再加工具、记忆和运行环境的模式将会是未来十年的应用基础。 智能体成为新的应用形态后，支撑智能体运行的计算底座也要重新设计。 发布会上，黄仁勋宣布，英伟达下一代 AI 超级芯片平台 Vera Rubin 已进入全面投产阶段。它是英伟达迄今规模最大的 POD 级平台之一，也是面向 Agentic AI 设计的新一代 AI 工厂核心系统。 Vera Rubin 由 Rubin GPU、Vera CPU、NVLink 72、BlueField、ConnectX 9、Spectrum X 以太网、存储处理系统、安全处理系统和完整软件栈共同组成，目标是支撑 AI 工厂级别的系统运行。 它面向的是智能体从输入到执行的完整流程。 智能体处理提示词、理解上下文、推理规划、调用工具、访问数据库、运行代码和检索长期记忆时，会同时牵动 GPU、CPU、网络、内存、存储和安全系统，因此 Rubin GPU 负责主要计算，Vera CPU 负责调度和数据管线，BlueField 4 处理安全隔离与存储，Spectrum X 负责大规模联网。 Vera Rubin 之后，黄仁勋还单独讲了 Vera CPU。 在他看来，过去的 CPU 主要服务于人类用户和传统云计算租赁，计算资源按核心、按时间出租，响应速度以秒为单位衡量。但智能体的运行节奏完全不同： 它们会频繁调用工具、访问数据库、运行代码、检索记忆，每一步都要求更低延迟。 这也让 CPU 在 AI 工厂里的角色变得更关键。智能体数量越多，工具调用和数据流转越频繁，CPU 越容易成为瓶颈。尤其是 GPU 已经成为 AI 工厂最昂贵的资产，CPU 的延迟和吞吐会直接影响 GPU 利用率，最终影响 Token 产出。 Vera CPU 的设计逻辑正在于此。 过去 CPU 为人服务，Vera CPU 则面向数量远多于人类的智能体。它采用自研 Olympus Core，重点放在单线程性能、核心间带宽、总带宽和能效。它有神经分支预测器、10 路解码引擎、大型乱序执行引擎和先进预取机制。内存部分采用 LPDDR5X，并支持多错误校正。 这颗 CPU 包含 88 个 Olympus 核心，使用单片网格结构连接，没有把核心分散到多个 chiplet 上。这样的设计减少了跨芯片通信带来的延迟。它支持 PCI Express Gen 6，内部通信能力达到 3.6 TB 每秒，内存带宽达到 1.2 TB 每秒。 相比 x86 CPU，Vera 在部分场景中峰值内存延迟降低 40%，智能体 sandbox 性能达到 1.8 倍，SQL 性能达到 3 倍，实时流处理性能达到 6 倍。 Agent 是新的工作负载，CPU 的角色也随之变化。它不再只是云计算里可出租的通用核心，而是 AI 工厂里调度模型、工具、内存、数据库和安全系统的关键部件。 现在买电脑，是用来打造 AI 工厂 黄仁勋反复强调，AI 的商业逻辑已经改变。过去算力常被视为成本，现在 token 是可以带来收入的单位。只要 token 能产生收入，算力就成了生产能力。 想用 Token 赚钱，就来看看英伟达的 AI 工厂。NVIDIA DSX 是构建并运营 AI 工厂的蓝图与参考设计，基于 Omniverse，用数字孪生提前模拟 AI 工厂的布局、电力、冷却、网络和系统集成。 黄仁勋提到，未来 1 GW 级 AI 工厂的投资可能达到 500 亿、600 亿美元，甚至进一步上升到 800 亿至 1000 亿美元。资本成本越高，系统上线速度、吞吐效率、可靠性和生命周期越关键。 RTX 面向我们的 GPU，DGX 面向我们的系统，而如今，DSX 则构成了整个基础设施的核心。 而 NVIDIA DSX 这套生态系统囊括了一大批的云服务公司和 AI 基础设施企业，包括 CoreWeave、Nebius、Nscale、Naver Cloud 等，以及服务的客户包括 Cursor、World Labs、Revolut、Shopify、Google 等等，帮助所有的企业用户用 Token 来获得收入。 硬件之外，企业如何真正用上智能体，是另一条线。 黄仁勋把企业构建智能体所需能力分为四类：模型、调度系统、工具与技能、运行环境。对应到产品上，就是 Nemotron、OpenShelf、CUDA X libraries 和 AI 平台。 Nemotron 3 Ultra 是此次发布的新开放模型。它采用 SSM 状态空间模型与 MoE 混合专家架构，目标是让模型跑得更快、推理成本更低。 按照现场说法，相比其他开放模型如 Kimi K2.6、Qwen 3.5 和智谱 GLM 5.1，它速度提升 5 倍，整体运行成本降低约 30%。 黄仁勋还提到，Nemotron 3 Ultra 模型、训练脚本和训练数据都会开放，企业可以在此基础上加入自己的行业数据和专有知识。 演讲尾声，黄仁勋把全场内容重新收回到一个核心模式：模型、harness、工具、技能和运行环境。 这套模式可以运行在云端，也可以运行在企业本地；可以运行在 PC 上，也可以运行在汽车、机器人、卫星、通信基站、工厂和边缘设备上。不同场景会使用不同模型、不同 harness、不同工具和不同 runtime，但计算模式是相同的。 云端需要 Vera Rubin 和 AI 工厂。PC 需要 RTX Spark 和 Windows 智能体平台。企业需要 Nemotron、OpenShelf 和 CUDA X 工具链。汽车需要 Alpamayo、Hyperion 和自动驾驶 runtime。人形机器人需要 Isaac Groot、Thor、仿真和数据生成系统。 当我们把整场演讲连起来看，将近两个小时的超长发布，黄仁勋讲的主题已经超出常规新品发布。 AI PC 和 RTX Spark 面向个人设备，把智能体带到用户桌面和家庭。Vera Rubin 面向数据中心，承接大规模智能体负载。Vera CPU 解决智能体调用工具和访问数据时的延迟问题。 DSX 面向 AI 工厂建设，把电力、冷却、网络和运维也纳入系统设计。Nemotron、OpenShelf 和 CUDA X libraries 面向企业智能体开发。Cosmos 3 把智能体推进物理世界。Alpamayo 2 和 Hyperion 面向自动驾驶，Isaac Groot 则把人形机器人也放进同一套平台逻辑。 NVIDIA 过去最核心的身份是 GPU 供应商，后来变成系统公司，现在又试图成为 AI 基础设施公司。 黄仁勋在这场大会想讲清楚的，也正是这件事：AI 竞争已经从模型扩展到一整套计算体系，覆盖个人电脑、企业软件、数据中心和物理设备。 文｜莫崇宇、张子豪

快科技6月1日消息，继4月交付量站稳三万台阶之后，刚刚过去的5月份，小米汽车的单月交付成绩依旧超过3万台，市场表现持续向好。 小米汽车官方今天正式对外披露相关数据，2026年5月，品牌单月交付量持续站稳三万台阶，连续多个月交付数据突破30000台，整体市场走势保持非常稳定的上升态势。 梳理今年以来公开的交付数据可以发现，小米汽车2月、3月的交付量均突破2万台大关，4月、5月已经连续两个自然月交付量跨过3万台门槛，产品销量的爬坡进度远超行业初期的普遍预期。 不少关注新能源赛道的业内人士都注意到，小米汽车近几个月始终只对外公布交付量的区间数据，从来没有披露过当月的精准交付数值，这个操作细节此前也引发过不少网友的好奇讨论。 此前在小米YU7 GT的相关媒体交流活动中，雷军也特意对外解释了这么做的考量。 他表示，自己不想让小米汽车的月度交付成绩陷入和其他同行刻意比拼数字的内卷怪圈，觉得数据达到预期目标就足够了。好几次团队已经统计出当月精确到个位的交付数字，比如36700台，他都直接拍板说对外统一报3万台就可以，实际数值和公开披露的区间大差不差，没必要抠得太细。

快科技6月1日消息，小米17T系列国行版已经官宣，将于6月8日发布。 刚刚官方晒出了一组官方图，揭晓了国行版的外观设计，整体与海外版保持一致。 正面采用超窄边+大R角的屏幕，全系统一采用2D纯直屏方案，对于贴膜十分友好。 中框是直边方案，采用四曲包裹式，这也是目前小米手机通用的做法，让中框微微向背壳衍生，过渡更自然，避免硌手。 官方晒出的配色有粉色、蓝色两种，都是非常克制的纯色方案，没有花里胡哨的炫彩、渐变和纹理。 镜头也是极简设计，与小米17标准版类似的排列，但从玻璃材质换成了一体化金属镜头Deco，质感不错，中间有徕卡标识。 作为参考，海外版小米17T采用6.59英寸120Hz高刷屏，搭载天玑8500-Ultra芯片，配备徕卡三摄组合，内置6500mAh电池，支持67W有线快充。 定位更高的小米17T Pro则升级为6.83英寸144Hz高刷屏，搭载天玑9500旗舰芯片。 影像方面，小米17T Pro后置全焦段徕卡三摄，包括5000万像素超大底主摄、5000万像素潜望长焦以及5000万像素超广角，支持5倍光学变焦。 此外，该机内置7000mAh电池，支持100W有线快充和50W无线快充。

IT之家 6 月 1 日消息，小鹏 P7+ 迎来 OTA 6.2.0 更新，新增第二代 VLA 智能辅助驾驶系统。 据介绍，小鹏 P7+ 迎来 OTA 6.2.0 更新新增三大功能： VLA2.0 全场景辅助驾驶 无导航 NGP 漫游 全场景原地起步，P 挡直启 NGP 据IT之家了解，以上功能均适配 26 款 P7+Utra / Ultra SE 车型。

图片来源：视觉中国 蓝鲸新闻6月1日讯（记者 李卓玲）赛力斯和字节跳动旗下火山引擎深度合作的新汽车品牌快要来了。 6月1日，蓝鲸汽车记者从知情人士处独家获悉，赛豆科技旗下首款车型预计今年内推出，或为跨界车，即介于SUV和轿车之间，并预计将推纯电+增程双动力。据前述知情人士透露，该车预计将在赛力斯凤凰工厂生产，后者目前已处于改线阶段。 据天眼查显示，5月29日，重庆蓝电科技有限公司（下称蓝电科技）出现多个变更记录，包括投资人、名称、注册资本等。其中，蓝电科技正式更名为重庆赛豆科技有限公司（下称赛豆科技），变更后，其不再为赛力斯汽车（湖北）有限公司100%（下称赛湖公司）控股，重庆沙坪坝国资委控股的重庆沙磁致远新能源科技合伙企业（有限合伙）（下称“沙磁致远”）等成为股东方。 今年5月25日，赛力斯发布关于子公司增资扩股的进展公告，称下属子公司蓝电科技已与多家公司签署了《增资协议》及《股东协议》，沙磁致远、岳行嘉升、问鼎投资、博俊科技及星宇股份拟向蓝电科技增资合计66.7059亿元。在此次增资控股中，赛力斯放弃对蓝电科技新增注册资本的优先认购权。 本次增资扩股后，蓝电科技股权结构中，沙磁致远出资比例为34.5005%；赛湖公司比例为32.9557%，赛力斯不再具有对蓝电科技的控制权；宁德时代全资子公司问鼎投资比例约9.89%。 图片来源：赛力斯公告 据“沙坪坝发布”官微5月30日发文称，此次蓝电科技更名为赛豆科技，标志着沙坪坝区与赛力斯集团共同推进的蓝电汽车业务重组与转型项目进入全新发展阶段，未来赛豆科技将抢抓汽车产业与人工智能深度融合的战略机遇，聚焦智能网联新能源乘用车领域，打造差异化竞争优势，助推沙坪坝区加快建成千亿级新能源汽车产业集群。 更早前，今年2月8日，赛力斯与重庆市沙坪坝区人民政府（下称沙坪坝区政府）签署《合作协议》，宣布以蓝电汽车相关存量资产剥离出资设立标的公司，沙坪坝区政府组建或引入有限合伙企业（或基金）与其他投资人及经营团队以现金对标的公司增资。赛力斯彼时称，本次合作剥离存量资产旨在优化公司资产结构，符合公司的战略发展，有利于公司的长远发展。 “赛豆科技相关车型主要与火山引擎合作车机交互大模型等，双方会定期交流等，智驾方案预计不会用华为乾崑。”前述知情人士向蓝鲸汽车记者透露。 另据市场传闻，火山引擎此次介入深度或会超过之前与上汽荣威的合作。对此，官方并未有相关回应。今年4月21日，在2026荣威品牌之夜，荣威宣布与火山引擎达成合作，从源头联合定义体验、联合开发AI平台。双方并联手合作推出AI原生汽车序列家越。 4月24日，火山引擎发布基于Agentic AI架构的新一代汽车AI解决方案，包含AI座舱套件方案、豆包座舱助手方案两大体系。火山引擎方面称，在新一代汽车AI解决方案中，公司将对话推理引擎、目标驱动引擎、学习成长引擎三大引擎融入统一的“汽车大脑”。 对于是否会介入智驾领域，火山引擎总裁谭待回应蓝鲸汽车记者表示，“我们不考虑，已经多次否认了。”不过，其一直在给智驾提供底层的云和基础设施服务，帮助提升训练效率。另外，关于火山引擎的商业化问题，火山引擎副总裁杨立伟称，“核心就是，是否因为我们的方案，让车子更好卖了。” 数据显示，截至4月下旬，搭载豆包大模型的智能汽车已超过700万辆，搭载量稳居行业第一。具体车型包括：梅赛德斯-奔驰纯电GLC、上汽奥迪E7X、上汽大众ID.ERA 9X、奇瑞星途EX7、一汽红旗HS6 PHEV、别克至境 E7、荣威新序列“家越”等。 对于前述消息，蓝鲸汽车记者也向赛力斯方面发去求证，对方并未置评。

快科技6月1日消息，高德地图里藏着一个实用的救命功能，上线两年多已经帮助近150人成功脱险，经常户外出行、跑山路的朋友一定要提前了解。 不久前山西太原就发生过真实救援，两辆汽车在雨天泥泞山路被困，一辆车半个轮子悬空，情况十分危险。 车主没有盲目自救，直接打开高德地图使用卫星求救，通过卫星把精准坐标、人数、险情同步给救援力量。山西蓝天救援队接到信息后冒雨徒步进山，最终成功救出所有人员和车辆。 这个功能最实用的地方，就是在无信号、无路网、无网络的绝境里也能用。有普通手机信号时，国内和港澳无路网区域所有手机都能用。完全没信号时，在高德地图里搜索卫星求救，就能通过卫星通信发起求助。 目前支持中国移动、中国电信非1740号段用户，荣耀、OPPO、vivo等十余款机型已经可以无网求救。 使用起来也很简单，遇到危险不用复杂操作，打开高德地图找到卫星求救入口，按提示填写情况，系统会自动把位置、海拔、险情等关键信息发给附近救援机构，还能在救援聊天室里实时沟通，大幅提升救援效率。 这个功能平时不起眼，但关键时刻能救命。希望大家永远用不到，但一定要知道它的存在，出行前可以简单熟悉一下，给自己和家人多一份安全保障。

IT之家 6 月 1 日消息，小米汽车今日公布 YU7 车型 6 月购车权益：标准版至高享 4.6 万元购车权益，长续航 / Pro 版至高享 5.2 万元购车权益，Max 版至高享 6.3 万元购车权益，YU7 GT 至高享 8.5 万元购车权益；可享 5 年低息，首付 4.99 万元起；老车主复购可得 20000 积分。 IT之家整理具体权益如下： YU7 标准版 Nappa 真皮，价值 8000 元免费送 连续阻尼可变减振器，价值 5000 元免费送 电动前备箱，价值 2000 元免费送 HEPA 高效空气净化系统，价值 1000 元免费送 后排移动控制屏，价值 1000 元免费送 Xiaomi HAD 辅助驾驶，价值 26000 元免费送 车漆选装券，优惠 3000 元 YU7 长续航 / Pro 版 副驾零重力座椅，价值 9000 元免费送 Nappa 真皮，价值 8000 元免费送 电动前备箱，价值 2000 元免费送 HEPA 高效空气净化系统，价值 1000 元免费送 Xiaomi HAD 辅助驾驶，价值 26000 元免费送 车漆选装券优惠 3000 元或主驾零重力座椅优惠 6000 元 YU7 Max 版 在长续航版 / Pro 版同等权益基础上，再送： 碳纤维后视镜，价值 8000 元免费送 碳纤维迎宾踏板，价值 3000 元免费送 YU7 GT 鸢尾紫 / 夜焰黑内饰，价值 28000 元免费送 碳纤维后视镜，价值 8000 元免费送 碳纤维迎宾踏板，价值 3000 元免费送 车载智能冰箱，价值 2000 元免费送 24K 金碳纤维车标，价值 2000 元免费送 电动前备箱，价值 2000 元免费送 HEPA 高效空气净化系统，价值 1000 元免费送 Xiaomi HAD 辅助驾驶，价值 26000 元免费送 轮毂选装券，优惠 10000 元 车漆选装券，优惠 3000 元 赛道红内饰（红黑双色），限时优惠价 10000 元 GT 运动套装，限时优惠价 14000 元

凤凰网科技讯 6月1日，比亚迪方程豹发布“方程S系列答网友问”，回应了为何推出轿车产品线。方程豹表示，布局轿车是完善产品序列、补齐品类版图的必然一步，自2023年品牌发布时便确立了越野与跑车双线规划，轿车产品的推出是长期战略的落地。 今年4月北京车展期间，方程豹发布了全新“方程”系列，包含方程S（三厢轿车、猎装车方程S GT、更大尺寸的三厢轿车方程SL）以及FORMULAX概念跑车。官方透露，方程S系列预计于2026年第三季度上市，FORMULAX概念车的量产版还原度超80%，计划明年上市。

凤凰网科技讯 （作者/许婧）6月1日，在华为全场景新品发布会上，nova 16 Pro和nova 16 Ultra正式亮相。新机搭载麒麟9010S芯片，配备业界独家2亿像素红枫影像系统，售价3899元起，将于6月5日10:08开售。 nova 16 Pro提供天际白、幻彩贝母、晴空蓝、星空黑四种配色，机身厚度7.1mm，正面覆盖昆仑玻璃。Ultra版本采用素皮+玻璃拼接背板，支持IP68和IP69级防尘抗水 影像上，两款机型后置2亿像素1/1.28英寸RYYB超大底主摄（f/1.8光圈，OIS+AIS防抖）及5000万像素RYYB潜望长焦（3.7倍光变），前置5000万像素红枫影像系统，并配备150万多光谱通道。新机全系支持AI修图功能，包括人像精修、3D动态照片、小艺修图等。 屏幕方面，nova 16 Pro采用6.84英寸2856×1320分辨率LTPO屏，支持1-120Hz刷新率，峰值亮度6000nit。内置7000mAh电池，支持100W超级快充，Ultra版额外支持50W无线充电。其他特性包括Wi-Fi 7、星闪、北斗卫星消息，搭载鸿蒙HarmonyOS 6.1操作系统。 华为 nova 16 Pro / Ultra 价格如下： nova 16 Pro ： 256GB：3899 元 512GB：4399 元 1TB：4999 元 nova 16 Ultra： 256GB：4699 元 512GB：5199 元 1TB：5799 元

凤凰网科技讯 6月1日，在华为全场景新品发布会上，nova 16z正式亮相。该机搭载麒麟8020芯片，后置5000万像素红枫影像系统，定价2699元起，将于6月5日10:08开售。 nova 16z提供天际白、幻彩贝母、星空黑三种配色，采用6.7英寸OLED护眼屏。影像方面，后置5000万像素红枫影像系统，前置5000万像素超清人像镜头，支持AI修图及时光手记主题。 该机内置6000mAh硅负极大电池，支持100W有线快充，并配备北斗卫星消息功能。操作系统为鸿蒙HarmonyOS 6.1。售价上，256GB版本2699元，512GB版本3199元。