行业分类:
加载中...
头条分类:
加载中...
强制手机预装网络安全应用引争议 印度回应称用户可自行卸载
IT之家 12 月 3 日消息,据彭博社报道,印度政府试图缓解外界对其强制在手机上预装一款网络安全应用程序可能侵犯隐私或用于监控的担忧,强调用户可自行卸载该软件。 11 月 28 日,印度通信部发布指令,要求手机制造商和进口商在设备中预装名为“Sanchar Saathi”的应用程序,旨在遏制网络诈骗。该指令要求企业确保该应用易于访问,并且“其功能不得被禁用或限制”。 印度通信部长乔蒂拉迪亚・辛迪亚(Jyotiraditya Scindia)周二在通信部于社交平台 X 上发布的声明中表示:“如果你不想要 Sanchar Saathi,可以删除它。这是可选的。” 此项强制安装令此前引发强烈争议。反对党国大党领袖马利卡琼・卡尔格(Mallikarjun Kharge)周二在 X 平台上发文称,此举将导致“窥探、监视、扫描和偷窥”,并形容其“近乎独裁”。 不愿具名的印度政府官员表示,该应用程序的设计初衷在于帮助用户防范诈骗、阻止被盗手机被重新使用,以及验证移动连接的真实性。他们指出,该应用可访问通话记录和短信等手机数据,并会向用户请求使用摄像头及其他功能的权限,但从未获取麦克风、位置信息、蓝牙或操作系统层面的访问权限。 在全球人口最多的国家推行任何电信相关强制措施都事关重大。苹果公司和谷歌母公司 Alphabet 对其移动生态系统实施严格管控,通常抵制外部势力干预其平台,理由是必须通过严格监管来保障产品质量和用户隐私。 据路透社报道,苹果公司正考虑正式抵制这一举措。 数据显示,苹果公司上一财年在印度的年销售额创下近 90 亿美元(IT之家注:现汇率约合 637.03 亿元人民币)的历史新高,反映出随着该公司在当地零售布局加速,消费者对其旗舰设备的需求持续增长。 印度政府为该强制令辩护称,自该应用推出以来,已记录 1400 万次下载,并成功追踪到 260 万部丢失或被盗的手机。 辛迪亚强调,该应用并非用于监控,而是保障公民安全的工具。他在周二的声明中表示:“Sanchar Saathi 是自愿、透明的,其唯一目的是保护印度移动用户并提升国家网络安全水平。用户可随时自由启用或卸载该应用,在确保安全的同时绝不牺牲隐私。”
灵活的胖子:保时捷纯电卡宴整备质量超2.6吨 官方称开起来比燃油版更轻盈
IT之家 12 月 3 日消息,纯电卡宴以 2645 千克的整备质量成为保时捷最重的量产车。其之所以如此沉,一大原因来自那块 113kWh 的巨型电池,单独重量就达到 600 千克。作为对比,1951 年的 356 SL 整车也只比这块电池重 40 千克。 不过保时捷强调,纯电卡宴几乎重到接近两台基础版 Cayman 的程度,但驾驶者并不会因此觉得笨重。卡宴产品线负责人 Michael Schaetzle 解释说,电池位于一个“极低的位置”,低于整车重心,反而有助于操控。“有新的轮胎、新的车轴和 Active Ride 系统,开起来比燃油版更轻盈。” 事实上,V8 燃油版卡宴 Turbo 也没轻多少,只比纯电卡宴少 75 千克。卡宴的两种动力将长期共存,保时捷已明确 V8 会延续到 2030 年代,并根据欧 7 排放标准持续升级。 Schaetzle 还认为,纯电卡宴在越野路况上的表现比燃油版更强,得益于电机的即时输出和可调式动力分配。 至于卡宴车主是否真的关心越野能力,那又是另一回事。初代卡宴曾配备低速挡与后差速锁,但后来为了减重被取消,自 2010 年第二代问世以来,几乎没人对此抱怨。 与此同时,保时捷正在开发更大、或许更重的纯电三排旗舰 SUV,代号“K1”。据IT之家了解,该车原定以纯电形式亮相,但因纯电市场升温不如预期,最终会先推燃油版本。
为保住哪吒汽车“造车双资质”,合众新能源公开招募经营管理受托方
IT之家 12 月 3 日消息,哪吒汽车母公司合众新能源 12 月 2 日发布公开招募经营管理受托方的公告。 合众新能源汽车股份有限公司管理人表示,为依法推进合众新能源重整工作,维护债务人的资产价值及“造车双资质”,推动新能源汽车业务可持续健康发展,保障全体债权人利益,管理人依照《中华人民共和国企业破产法》及相关法律规定,现公开招募经营管理受托方。 根据合众新能源提供的财产状况说明及评估机构出具的资产评估报告(初稿)显示,截至 2025 年 6 月 12 日,合众新能源的生产经营资产构成主要包括固定资产、机器设备、知识产权等项目,大致情况如下: 1.三个生产基地及生产车型情况 2.机器设备方面,包括车间内的生产线集成设备、生产模具及工装、运输工具、实验设备等。 3.在知识产权方面,合众新能源拥有自主开发的软件产品以及注册商标“哪吒汽车”等。 IT之家注意到,公告中提到,对委托经营管理的要求包括恢复销售网络,负责整车销售渠道的全面管理,盘活原有经销商网络,并打通新的销售渠道;组织开展售后服务重启与运营的各项工作等。 资格要求方面,经营管理团队的核心管理团队至少有 20 名成员,具备 15 年以上国内主流整车厂管理经验;驻场执行团队必须组建并派遣一支不少于 50 名的生产经营团队常驻合众新能源厂区,相关人员需具备 5 年以上国内主流整车厂生产经营经验。 哪吒汽车早在 2017 年 4 月就获得国家发改委颁发的新能源汽车生产资质,并在一年后获得了工信部颁发的新能源汽车准入资质。 已停工超过 1 年的哪吒汽车,若要保住以上“造车双资质”,根据规定,其必须在 2026 年完成至少两千台车的生产。
超充越来越快,为何还需要换电?乐道汽车总裁沈斐回应
超充的“极限”与换电的“无限”:一场不在同一维度的竞争 即使转到乐道,我仍常被问及:超充越来越快,为何还需要换电?今天系统地阐述我的观点。 核心结论——超充和换电,解决了不同维度的命题 首先需要明确,超充与换电并非“你死我活”的竞争关系,而是面向不同维度的解决方案。乐道蔚来萤火虫的所有车型,都是可充电可换电的,蔚来能源建的换电站,绝大部分也都是充电换电一体站,这本身就说明了二者的互补性。 从根本上说,二者解决的命题不同: 超充,核心是追求单车单次补能速度的极限。这种对“快”的极致追求,有时可能需要在电池寿命、电池安全乃至电网稳定性上做出权衡与取舍。 换电,则旨在构建一个多维的能源生态系统。它不仅要实现“3分钟换电”的快捷,要和加油一样快,更要同步解决电池全生命周期的安全管理、寿命管理、梯次利用,不仅要实现每一块电池的价值最大化,还要让分散的换电站作为分布式储能单元,聚合成为电网的柔性调节资源(虚拟电厂)。 因此,超充是在“补能速度”这一维度上不断逼近物理极限;而换电,则是从系统层面重构能源网络,实现“车-站-电池-电网-用户”的高效协同,构建一个基于电动汽车的智慧能源互联网络。这本质上是一场“单维优化”与“系统重构”的竞争,二者不在同一维度。 电动汽车大规模推广仍面临三大挑战,补能问题不仅是“快慢”之争 电动汽车日益普及,像乐道L90这样的纯电大三排SUV,上市之后连续几个月销量过万,非常受欢迎。但整个行业大规模推广仍面临三大核心挑战,它们相互关联,绝非“充电慢”单一问题,而是构成一个系统性问题: 里程焦虑与补能便利性仍是最大痛点,严重影响用户体验和购车意愿。约40%消费者因电容量限制导致无法报装充电,而根据我自己的统计研究,加上车位等因素,中国能安装家充桩的用户,大约在1/3左右,大量用户依赖公共补能设施,对效率和体验提出极高要求。罗兰贝格的“新能源汽车全生命周期产业发展挑战与展望”中指出,约46%的消费者因补能不便而放弃选择新能源汽车。 电池安全与寿命是信心基石。电池安全是用户最关切的问题,在2025年Q1新能源汽车自燃案例中,电池热失控占58%,静置/充电起火占17%。同时,电池质保期(通常是8年或10~20万公里)远低于车辆服役年限,出保后昂贵的电池更换成本直接影响长期使用经济性。 大规模集中补能对电网产生冲击,影响电网安全稳定性与电网经济性。集中充电导致配电网负荷“峰上加峰”,无序充电与用电高峰重叠度高达85%,加剧电网峰谷差。而超充桩的瞬时高功率对局部电网容量是巨大考验,倒逼电网预留更多备用容量,或者配套昂贵储能设施,大幅降低电网运行经济性,推高社会总成本。 这些挑战说明,电动汽车补能不是简单的“快慢”之争,而是一个涉及用户、车辆、电池、场站、电网五大要素的复杂系统问题。 五维对比——换电如何实现全局最优 换电模式是同时解决上述三大挑战、实现全局最优的中国方案。它不拘泥于解决单个问题,而是统筹考量“用户-车辆-换电站-电池-电网”五大关键要素,它们各自及共同面临的约束条件,以全局性思维推动各环节协同优化,寻求系统性的全局最优解。 用户体验,从“不确定”到确定的“标准化的快捷舒适,省时省心省钱” 超充:实际体验的不确定性较高,受多重外部因素影响。真正的充电功率是电池功率(与SOC即当前电量及BMS即电池管理策略有关)、充电桩功率、电网能提供的功率,三者中的最小值,和厂家宣称的充电桩最大功率、电池最大功率,不能划等号,实际中要达到这些最大功率需要很多额外条件。即使电网和桩的功率都足够,也仅在单车充电的某段过程中能达到最快充电速度,同一场站如果有其他车一起充电也会被分流降速。如果再考虑到前车占位(由于充电时间长,很多用户选择充电时离开车辆去干点别的),还需要下车操作等,整体的不确定性很高。 换电:快捷舒适,省时省心,基本上实现了无差别、高可靠的确定性体验。3分钟换电,和加油一样快。用户无需下车,一键换电,不受天气和环境影响,这在严寒酷暑、刮风下雨的体感尤其明显。即使是深夜去换电,由于全程呆在车里,也十分的安心踏实。智能化的预测与调度,让用户在下单时(不管是在家里,还是在几百公里以外的路上),就能提前知道到站要不要等,前面有没有人。 电池全生命周期健康管理,电池安全与寿命更有保障,用户无需担忧电池衰减及更换成本,省心省钱。 超充:高频次使用大功率快充(如5C/6C)会导致电池内阻增大,加速电池衰减,对长期寿命有负面影响。部分厂家出于电池安全的考虑,对于频繁快充的用户,会在一段时间后,对快充能力加以限制。 换电:每次换电都是一次深度“体检”,便于集中进行健康评估与梯次利用决策,形成电池全生命周期管理闭环。电池在站内采用智能慢充,充放电倍率低(C值小),热失控风险低。由于充电过程与用户解耦,可以做到一块电池一个策略,能结合电池状态,主动均衡保养,从而显著延长电池寿命10%以上。 从用户体验来说,完全不用担心电池衰减,或者出质保期后电池更换的高昂成本,省心省钱。 把车辆和电池解耦,换电实质性地降低了购车与用车成本,也帮助车企多卖车。 超充:为应对偶尔的长途需求,用户通常需在购车时直接购买大容量电池,增加了前期投入。 换电:不仅可以通过“车电分离”模式,化买为租,显著降低购车门槛,换电模式还真正降低了用户全生命周期的电池使用成本。用户购车时不用买大电池,而是根据日常通勤与长途出行需求,灵活租赁不同容量的电池包,完美平衡体验与费用,在电池上少花了很多钱。由于购车用车成本降低,加上为近2/3无家充桩用户提供了媲美加油的便利性,极大拓展了电动汽车市场。 对电网更友好,从电网的“负担”转型为电网的“好帮手” 超充:单桩功率高,对于6C的充电桩,一根桩就需要600kW的配电网容量,在有些地方,这个功率很难获得。大规模集中使用对局部电网构成冲击,需电网进行昂贵的扩容改造。 换电:换电站是天然的分布式储能单元,也是虚拟电厂的节点。它可在电网谷时充电、峰时向电网放电(削峰填谷),极大提升电网容量利用率,成为保障电网安全的正向资产,还能帮助电网消纳更多的风电光伏等新能源。另外,即使只有200kW到300kW的容量,也完全可以建换电站,例如电网功率紧张的核心城区,或者一些供电能力薄弱但补能需求多的偏远地区。 换电站的投入大,但收入多元化,场站整体效益并不低 超充:投资少,其实主要是充电桩本体设备相对于换电站本体设备的投资要少,整个场站的变压器及配电系统投资是相当的,而且很可能要付更多的场地租金。由于充电站收入来源主要依赖服务费,收回投资压力较大。 换电:单位时间服务效率高,设备利用率高。用户换电的过程,和电池充电的过程完全解耦,不管有没有车来,都能给站内电池充电,所有配电设备利用率远高于同类型充电站。当其它非换电车辆到达时,还可以尽可能先给这些车充电,进一步提升了设备利用率。作为分布式储能单元,它还能通过参与电网调节获取额外收益,包括峰谷价差的收益、调频服务等其他收益,商业模式更多元。整体上看,充换一体站虽然投资高,但在大部分情况下,每单位投资的收益要略高于超充站。 总结而言,换电模式致力于实现五大目标的协同共赢:用户体验升级、车辆高效补能、电池安全长寿、场站效益倍增、电网友好互动。 换电模式绝不是仅仅解决“充电慢”这一个问题,它旨在构建一个让所有相关方都获益的智慧能源生态,是面向未来的系统性“中国方案”。 注:这里强调中国方案,并非刻意拔高方案。换电的优势非常明显,但真正推出为市场接受的换电车型、并建成运营一张换电网络,难度极大。此前国外也有公司投入十几亿美金,最终铩羽而归。而最近十多年,中国新能源汽车市场的快速发展,提供了非常好的土壤。加上整个蔚来集团十多年如一日,坚持纯电路线,所推出的乐道L60、L90,蔚来和萤火虫等车型,都受到市场和用户认同,加上换电充电基础设施上十年坚持投入,目前约3,600座换电站,100万台的换电车型保有量,应该说换电模式初具规模。近年来,宁德时代、中石化、中石油纷纷进入换电领域,吉利、上汽、广汽也都推出了换电车型,应该说,整个换电模式,有可能像高铁一样,成为中国特有的新能源汽车发展模式。故把换电模式称为面向未来的系统性“中国方案”。 创新思维的差异——类推式创新与系统性创新 超充与换电的技术路线差异,本质上反映了两种不同层级的创新思维模式:一种是针对局部问题的“类推式创新”,另一种是重构系统的“系统性创新”。理解这一差异,有助于看清补能技术演进的底层逻辑。 类推式创新:在既定框架内优化 超充模式是类推式创新的典型代表。其核心思路是在现有的“充电”范式内,针对“充电速度慢”这一具体痛点进行优化,通过提升电压平台、加大电流强度、改进散热技术等方式,不断逼近补能速度的极限。这种创新路径具有目标明确、见效快的特点,友商推出的兆瓦级超充方案,力图在几分钟内补充数百公里续航,直击用户的里程焦虑。 然而,类推式创新也难免有其局限性,就事论事直接解决表象问题(“充电慢”就追求“充得更快”),有头痛医头脚痛医脚的嫌疑。而且有时在解决一个问题的时候,也会引起其他问题。它主要着眼于解决“点”上的问题,但可能无暇顾及或需要被动适应由这个“点”所引发的系统性约束。例如,为达成极致快充,可能需要电池材料与结构做出妥协,这可能对电池成本或电池长期寿命构成挑战;同时,超充桩瞬时功率极高,对局部电网的承载能力构成巨大压力,往往需要增加配电网投资,或者配套昂贵的储能设施进行缓冲,这增加了全社会的总成本。 “再快的超充,它也不可能比换电快”,并且其对于电池寿命和电网的影响也是类推式创新需要持续应对的课题。 系统性创新:重构能源服务的底层逻辑 换电模式则体现了系统性创新的本质,它强调追本溯源,透过现象看本质,将单一问题放在更大的系统中进行分析求解,力求解决根本矛盾。所以换电并非在原有充电体系内做渐进式改进,而是跳出“充电”这一单一动作,车电分离,把电池从整车中分离出来,让电池回归能源属性,并基于此,重新架构了整个能源服务体系。这种创新不是单一技术的突破,而是技术、流程、组织和生态的协同重构。 其系统性体现在三个层面: 技术融合与流程再造:换电系统将机械工程(自动换电机构)、电化学(电池管理)、电力电子(电网交互)、数据智能(需求预测与调度)等多种技术深度集成。更重要的是,它催生了“车电分离”的商业模式,带来了电池租赁、电池全生命周期健康管理、梯次利用、虚拟电厂等一系列新的业务流程和组织形态。 生态价值构建:换电模式最终构建了一个多方协同的能源生态系统。对用户,它提供接近加油的补能体验和更低的购车用车门槛;对电网,规模化换电站可聚合为“虚拟电厂”,参与削峰填谷,提升电力系统稳定性与新能源消纳能力;对整个社会,则有助于电池资源的集约化管理和循环利用。 动态演进能力:真正的系统性创新具备持续进化的生命力。和传真机、电话、移动互联网类似,换电站数量和车辆保有量的不断增加,使换电模式和换电网络的规模效应越来越强大,越来越有竞争力。而换电网络通过运营中产生的大量数据,可以不断优化充换电服务、电池分析评估算法、电池调度、负荷预测和电网互动策略,使得系统越来越智能、高效。 如上,换电模式正是系统性创新的一个典范。它不仅仅将“换电”视为一个更快的补能动作,而是以此为核心,重新设计了覆盖“用户-车-站-电池-电网”的整个能源体系 ,并且引发链式反应,重塑用户体验、商业模式和产业生态(如车电分离、电池资产管理、电网互动,等) 。 以上我们所探讨的系统性优势,最终都需要通过一款优秀的产品来让用户感知。而乐道汽车,正是这一理念的集大成者。
蓝箭回应朱雀三号火箭发射:取得五项技术突破,一级着陆段异常排查中
凤凰网科技讯(作者/云飞 于雷)12月3日,蓝箭航天官方宣布,北京时间2025年12月3日,朱雀三号遥一运载火箭在东风商业航天创新试验区发射升空,按程序完成了飞行任务,火箭二级进入预定轨道。 据官方介绍,本次任务取得了5项技术突破: 一是在国内首次实现了全新总体布局的重复使用液氧甲烷运载火箭入轨飞行。 二是在国内首次实现九机并联液氧甲烷动力系统的集成应用。 三是在国内首创全新的高强度不锈钢/高性能激光焊接贮箱制造材料和工艺体系。 四是在国内首次实现入轨级重复使用运载火箭高精度返回导航、制导与控制技术的飞行验证。 五是在国内首次实现重复使用运载火箭混合冗余分布式综合电子集成设计与应用。 遗憾的是,火箭一子级在着陆段点火后出现异常,未实现在回收场坪的软着陆,残骸着陆于回收场坪边缘,回收试验失败,具体原因正在进一步排查中。 据了解,朱雀三号是蓝箭航天面向大型星座组网任务,自主研制的新一代低成本、大运力、高频次、可重复使用液氧甲烷运载火箭。动力系统基于蓝箭航天自主研制的天鹊系列液氧甲烷发动机,设计重复使用次数不低于20次,成熟后航区回收状态下近地轨道运载能力不低于18吨,具备互联网星座一箭多星部署能力。
亚马逊发布新一代AI芯片Trainium3:性能提升4倍,能效提升40%
IT之家 12 月 3 日消息,亚马逊云科技(Amazon Web Services,简称 AWS)多年来一直致力于自主研发人工智能(AI)训练芯片,今日正式推出了其最新一代产品 ——Trainium3,其规格令人印象深刻。 在当地时间 12 月 2 日于拉斯维加斯举行的 AWS re:Invent 2025 年度技术大会上,这家云计算巨头不仅正式发布了基于其尖端 3 纳米制程 Trainium3 芯片打造的 Trainium3 UltraServer 系统,还首次透露了其 AI 训练产品路线图上的下一代产品:正在研发中的 Trainium4。据悉,Trainium4 将支持与英伟达(NVIDIA)芯片协同工作。 据 AWS 介绍,这款第三代芯片及其配套系统在 AI 模型训练和推理性能方面相较第二代产品实现了显著提升。具体而言,新系统在训练和高负载推理场景下的速度提升超过 4 倍,内存容量也增至 4 倍。此外,AWS 表示,数千台 UltraServer 可相互连接,构建出搭载最多 100 万颗 Trainium3 芯片的超大规模集群 ,这一规模是上一代系统的 10 倍。每台 UltraServer 最多可容纳 144 颗 Trainium3 芯片。 更值得关注的是,AWS 强调新一代芯片和系统在能效方面较前代提升了 40%。在全球竞相建设耗电量高达数吉瓦(gigawatts)的大型数据中心之际,AWS 正致力于打造“更省电”而非“更耗电”的基础设施。 此举显然符合 AWS 自身的商业利益,但秉承亚马逊一贯的成本意识,该公司同时承诺,这些高效系统也将为使用其 AI 云服务的客户节省开支。 亚马逊表示,包括 Anthropic(亚马逊亦为其投资者)、日本大语言模型公司 Karakuri、SplashMusic 以及 Decart 在内的多家客户已率先采用第三代 Trainium 芯片及系统,并显著降低了推理成本。 此外IT之家注意到,AWS 还简要披露了下一代芯片 Trainium4 的开发进展。该公司承诺,Trainium4 将带来又一次显著的性能飞跃,并将支持英伟达的 NVLink Fusion 高速芯片互连技术。这意味着基于 Trainium4 的系统不仅能与英伟达 GPU 协同运行、扩展整体性能,还能继续利用亚马逊自研的低成本服务器机架技术。 值得注意的是,英伟达的 CUDA(统一计算设备架构)已成为当前主流 AI 应用事实上的标准平台。通过支持 NVLink Fusion,Trainium4 有望降低迁移门槛,吸引更多原本为英伟达 GPU 优化的大型 AI 应用转向亚马逊云平台。 目前,亚马逊尚未公布 Trainium4 的具体发布时间表。若参照以往的产品发布节奏,外界或将在明年(2026 年)的 re:Invent 大会上获得更多关于 Trainium4 的详细信息。
中国第一款可重复火箭,朱雀三号回收失败,有何影响?
来了,中国第一款可重复使用火箭来了,朱雀三号成功完成首飞,并且入轨,但是在最后的一级回收之下,出现了失败,这对中国航天有何影响? 的确,不少人是盼星星盼月亮,等待它的首飞,希望早点到来,在这一路上也是磕磕碰碰不少,主要是时间延期不断,但在延期之下,给不少人留下了疑惑。 但没有想到,在宣布延期之后,很快又进行了复飞,所以,也算是给大家了一波惊喜,下面就先看看这一款火箭,再来看看如何影响我国航天格局的问题,不得不说,还是值得高兴的。 中国第1款可重复火箭,朱雀三号成功入轨回收失败 在发射前,不少人对朱雀三号都是保持“谨慎”的态度,可以说很多人对它并不看好,毕竟首次飞行只是建立在“尽可能做到回收”,也没有说确定一定就要完成,就如很多人说,只要这一款火箭能够成功入轨,这一步就是好事情。 不过,朱雀三号也是进行了大胆挑战,的确也完成了首飞,但是在最后一级回收着陆阶段,出现了问题,没有将一级回收成功,这是有点可惜了。 当然,入轨成功,这也意味着它可以使用了,后面就是继续尝试回收。 而在朱雀三号的前,我国也还没有任何一款可重复火箭的诞生,此前星云系列进行过回收测试,但是最终也是在着陆的时候,出现了失败,可以说有点可惜了,前面所有的步骤都完成了,就最后一步,而过后,也就没有什么快速测试的消息了。 这一次朱雀三号成功入轨,但是回收失败了,也没有创造中国成为美国之后,全球第二个掌握可重复使用火箭技术的国家。 同时,蓝箭航天也没有成为继美国SpaceX、蓝色起源公司外,全球第三家可实现火箭一子级回收的公司。 不过,很多人可能会嘲讽,没回收就不行,怎么说呢,看如何想把。 做到了入轨这一步就是好事情,本身这一款火箭也还是不错,可以说集成了国外不少的可重复使用火箭的优点,它全箭总长76.6米,整流罩直径5.2米,采用蓝箭航天自研天鹊系列液氧甲烷发动机,一子级采用9台TQ-12B发动机,二子级配置1台TQ-15B真空发动机。 根据蓝箭航天的设计,朱雀三号一次性任务低轨运载能力达21.3吨,航区回收任务达18.3吨,返场回收任务达12.5吨,其未来火箭一子级可重复使用次数可达20次。 而在材料方面,不少人都说朱雀三号看起来好像与星舰一样,就是一个复制品,也有类似于猎鹰九号,其实比如都采用了不锈钢,真的是这样吗? 并不是的,还是有自己的特点,就如这个不锈钢,钢不同钢,星舰主要使用304系列不锈钢,而朱雀三号大量采用更加经济的301系列不锈钢(部分资料),这两个也是具有差别的,大家可以查询一下就知道了。 所以,朱雀三号还是不错,虽然实力还差的很远,但我国走出了第一步可回收的路线,那后续的格局转变也就会很快到来了,慢慢来是吧,一口吃不了一个大胖子。 朱雀三号成功入轨,如何影响我国航天?如何变? 对于可重复火箭来说,的确具有改变航天格局的一面,而对于这一款火箭,也是我国多方面具有发展性的影响,比如: 第一、朱雀三号成功之后,将承担我国互联网星座的建设,当下我国GW、G60等星座的发射,就是处于卫星已经到位了,但是火箭速度跟不上,而朱雀三号在此前也披露了卫星发射的问题,在它出来之后,应该会快速推动全面的可重复发射,这下饺子的模式应该要来了。 第二、朱雀三号还要承担我国空间站任务,我们一直都在说昊龙航天飞机,而它就是搭配过朱雀三号的说明,其昊龙航天飞机属于可重复飞船,在未来会承担我国空间站的短期飞行任务。 在这种情况之下,如果进行国外合作,需要进行物资补给等问题,那我国就可以很快实现可重复的发射,然后完成物资补给了,同时也可以配合我国执行航天任务,进行太空实验的样品返回,这样也就可以推动我国神舟飞船在返回之下,实现少量的样品携带了。 所以,从朱雀三号当下的情况来看,至少这两个航天任务是少不了的,这就是它成功之后可能带来的改变。 当然,这一款火箭也是带动了我国商业航天格局的转变,这人也是踏出的重大一步,未来商业航天也会支持我国的半边天了,这没得多大的问题。 不得不说,朱雀三号的到来是令人高兴的,虽然一级回收失败,但发射没有问题,未来的航天任务执行也会变得更多,这几年我们发射都比较多,但很多任务也是推进较为缓慢,那在它出来之后,至少可以执行一部分。同时,还有更好的消息在后面。 中国还有多款火箭首飞 的确,朱雀三号只是当下的一款火箭,在2025年结束前,我国还有多款火箭首飞,包括了长征十二号甲,也是一款可重复火箭,传的照片已经是发射场竖起来了,预计也是要进行首飞并且完成回收测试,还有天龙三号, 也在发射场之中。 其次今年还有力箭二号,双曲线系列等,都在排队之中,虽然没有给出具体的时间节点,但是这几款火箭基本都是要在今年完成发射,所以,大家等待我国航天任务的执行就行,这要是所有的火箭都全面成功了,那后面我国的火箭发射真的是太多了。 只能说2026年我国的航天任务要迎来爆发期,总发射量超过100次,这都是小意思了,这也必然会推动我国整个航天任务的格局。 所以,大家是不是很高兴?我国的可重复火箭在不断爆发了,朱雀三号只是一个起步点,在未来还会看到更多的可重复火箭出来,我国是有多个可重复使用火箭的研究,等出来了,也再来说明一下吧。
朱雀三号首飞入轨一级回收未成,中国火箭如何跨过复用门槛?
原标题:朱雀三号回收任务未能完成,但其验证的每一项技术都是在给我国的商业航天探路 12月3日,观察者网了解到,中国民营企业蓝箭航天自主研发的朱雀三号运载火箭成功实现首飞入轨,但一级火箭回收任务未能成功。 根据任务数据,火箭按时点火发射,顺利将有效载荷送入预定轨道,完成了本次飞行的主要目标。然而在随后进行的一级火箭回收过程中,回收环节出现异常,未能实现计划中的软着陆。 发射现场图片 蓝箭航天官方 朱雀三号是中国首款旨在实现可重复使用的大型液体运载火箭。本次发射被视为中国商业航天迈向可重复使用火箭技术的关键一步。此次发射原定于11月29日进行,因故推迟至今日实施。 据官网披露,朱雀三号全箭总长76.6米,整流罩直径5.2米,采用蓝箭航天自研天鹊系列液氧甲烷发动机,一子级采用9台TQ-12B发动机,二子级配置1台TQ-15B真空发动机。根据蓝箭航天的设计,朱雀三号一次性任务低轨运载能力达21.3吨,航区回收任务达18.3吨,返场回收任务达12.5吨,其未来火箭一子级可重复使用次数可达20次。 2023年8月,朱雀三号项目立项,五个月后完成垂直起降回收百米级飞行试验。去年9月,朱雀三号完成垂直起降回收十公里飞行试验,这是实现回收复用最为关键的节点之一。 在朱雀三号火箭发射前,观察者网特邀航天领域青年创业者、麒麟航天创始人王舸帆分享观点。他对商业航天技术探索与可回收火箭研发颇有见解,此次围绕朱雀三号技术亮点、商业航天发展路径、材料与燃料创新、市场供需格局等方面展开交流。以下为对话全文。 观察者网:从你的角度出发,最关注朱雀三号这次发射的哪些点? 王舸帆:作为一名同样在航天领域探索的创业者和工程师,我非常期待看到朱雀三号的这次发射。因为这不仅仅是一次发射,更像是对我们行业未来发展路径的一次集中验证。如果问我最关注什么,那肯定还是可回收复用这一点,我认为这是降低发射成本、实现商业模式闭环的核心。我特别期待一级火箭的垂直回收,这是对栅格舵、发动机和飞控的一次综合性考验。我们做可回收火箭,终极目标往往就是打造太空中的“货运航班”,而朱雀三号的此次试验,无疑是这条路上的一个重要里程碑和必须跨过的门槛。 除此之外,我也关注它的液氧甲烷发动机和不锈钢壳体。甲烷燃烧干净、不易积碳,可维护性和可复用性高。从复用性、维护性长远来看,具有成本优势。不锈钢壳体也是相当经济的选择,是在为未来火箭极致的成本控制铺路。本次发射将验证一条已经被初步证明的具有颠覆性潜力的技术路线,是否能在我国形成属于自己的低成本、高频次进入太空的能力。本次发射是一个综合的飞行实验室,其验证的每一项技术都是在给我国的商业航天探路。 朱雀三号 蓝箭航天官方 观察者网:朱雀三号经历了多次延期,为什么会出现这样的情况? 王舸帆:天气、空间碎片这类因素对火箭发射影响很大,尤其是试验性的首次发射,必须在最优条件下进行才稳妥。其实火箭延期是再正常不过的事,就像航班也会延误,国外的Space X等企业也经常出现发射延期。而且民企和官方发射的火箭相比,大规模资源调配能力较弱,应对突发情况的弹性不足,所以延期可能性会更高。 观察者网:从整个商业航天发展来看,民企进入航天领域早期,火箭试射频繁延期该如何看待?是否需要用更包容的态度对待商业航天的发展? 王舸帆:应该正常看待,这本质是商业航天摸索和积累经验的过程。企业发展早期或火箭首次试射,遇到问题导致延期很正常,也需要包容。商业航天本身就是高风险、高门槛的领域,没有成熟路径可照搬,民企每一次尝试都是在突破,确实需要更包容的态度。 而且,相关企业在12月底前完成发射,关系到明年的投标指标,即便发射未成功,完成试射也能满足相关要求。 观察者网:如果将朱雀三号放在全世界的火箭体系里进行比较,它目前应该是处于一个什么样的定位中? 王舸帆:朱雀三号是全球可回收火箭赛道上有力的新选手。当前全球的商业航天基本都在追赶可回收与低成本潮流,蓝箭走在前列。 SpaceX的许多火箭具有一定引领地位,开创了新的技术路线。而朱雀三号其核心价值在于,它正通过自主的实践,完整走通这条技术路线,同时走出了自己的创新点。它的出现,标志着中国商业航天正式加入了这场关乎未来太空准入权的核心竞争。 商业火箭对比 观察者网:很多人说中国商业航天公司得益于马斯克“开源”,你怎么看这个问题? 王舸帆:这确实是一个热议的观点。马斯克与其说“开源”了具体的图纸,不如说是公开验证了一条可行的技术路径,并很大程度上改变了资本市场和公众对航天的认知。它点燃了市场的热情,为中国商业航天公司的融资创造了前所未有的外部环境。马斯克像一位提出全新公式的数学家,证明了“可回收火箭”这一命题的可行性。 但是知道公式和独立解出答案,是完全不同的两件事。中国商业航天公司或多或少受到启发,但火箭的每一个零件、每一次计算、每一次试错,都必须靠我们自己的工程师和产业链来完成。理念可以借鉴,但道路必须自己走通。中国商业航天的真正基石,在于庞大的本土市场和完整的工业体系。这不是在复制一个SpaceX,而是在探索一条符合中国市场特质与工业基础的商业化航天之路。 发射现场图片 蓝箭航天官方 观察者网:朱雀三号的主结构材料是不锈钢,与SpaceX旗下的星舰使用的材料相同,为什么商业航天类的火箭都转向使用不锈钢材料?这意味着什么?不锈钢方案牺牲了哪些性能、换回了哪些成本? 王舸帆:这标志着航天的核心逻辑变了:从追求极致的性能,转向追求极致的全生命周期经济性。 不锈钢确实牺牲了推重比和运力,因为它比航天铝合金、碳纤维材料重。但它为我们换回了三样关键优势:制造成本大大降低、优异的耐高温性简化了热防护系统,以及生产周期大幅下降。 这笔账实际上很划算,我们是用一次性的性能损失,换来了可重复使用的根本基石。 观察者网:咱们团队使用的玻璃纤维类材料,与不锈钢材料相比有什么样的区别?为什么会如此选择材料?两种材料各有什么优劣势? 王舸帆:与不锈钢相比,玻璃纤维具备更低的成本、更简单的工艺和极佳的比强度,用于一些导弹弹体、小型探空火箭和火箭整流罩。其主要缺点是耐热性差,通常低于400℃。 我们团队目前主要开发的产品是小型探空火箭,对于探空火箭而言,它的任务通常是一次性的亚轨道飞行,不涉及穿越大气层返回时的极端高温,也不需要重复使用。在这种情况下,设计的首要目标是以最低的成本和最简单的工艺,将有效载荷送到目标高度。玻璃纤维材料具备极佳的减重效益和低成本、简单工艺,非常适合批量生产和快速迭代,火箭也可以携带更多探测设备。这两种材料没有绝对的优劣,只有是否最适合当前的任务目标。通过材料领域的综合考量,综合分析出最合适的选材,才是商业航天最关键的点之一。 观察者网:同时,朱雀三号使用的是液氧甲烷作为燃料,当前包括星舰使用的火箭在内,各类火箭对这一液体燃料的使用正在大规模普及,你的团队也在转向使用液氧作为燃料,这一燃料有什么优势,目前在技术上还有什么不足? 王舸帆:液氧甲烷的优势在于为"重复使用"而生。它燃烧清洁、不易积碳,发动机回收后维护简单、成本低,是实现航班化运营的理想选择。但目前技术挑战在于,大推力甲烷发动机的稳定性、多次点火可靠性,以及与之匹配的低温储存和快速加注技术,仍需更多实际飞行来验证成熟度。 朱雀三号 蓝箭航天官方 观察者网:据介绍,朱雀三号火箭的设计复用次数不少于20次,而2024年的记录显示,猎鹰9号火箭一级复用次数最高已近30次,这一复用次数差距是如何产生的? 王舸帆:猎鹰9号通过高频次的发射和回收,积累了大量的数据,从而不断优化并证明了其可复用性。而朱雀三号作为一款新兴火箭,其可复用能力仍需通过后续的实际飞行来验证和提升。猎鹰九号最早回收一级火箭的1.2 Block3版本理论上只能复用2到3次,现役的Block5版本能做到回收近30次,很大程度上也是实践经验的结果。两者在复用次数上的差异,反映出商业航天器中新晋者与成熟平台在实践经验上的客观距离。 观察者网:天鹊-12A发动机在设计上有什么优劣势,能否展开讲讲? 王舸帆:天鹊-12A体现了当前商业航天对可重复使用和成本控制的核心追求。它与SpaceX的猛禽发动机同属液氧甲烷路线,长远看能显著降低维护成本和周期。不过液氧甲烷路线也伴随许多挑战,例如燃料储罐保温设计和发射前的加注流程。除此之外,发动机多次点火能力和长寿命等关键指标,也需要通过更多次的实际飞行来充分验证。总体而言,天鹊-12A的设计思路非常清晰,就是瞄准了航天的“航班化”运营。它和猛禽一样,都在探索一条兼顾性能与经济性的新路径,这对于整个行业降低进入太空的成本具有积极意义。 观察者网:注意到朱雀三号的边条翼设计相对比较明显,这一特征常用于战斗机和导弹的设计上,在朱雀三号上使用这一设计有什么特别之处? 王舸帆:这对于回收而言确实是一个非常巧妙的设计。当一级火箭从高空返回,以极高速度再入大气层时,会经历极其复杂的气流和姿态变化,也会与大气摩擦产生高温持续积热。这个边条翼的核心作用,是降低了再入时候产生的热量,同时可以以更大的攻角飞行。也就可以使得火箭滑行更远的距离。同时,朱雀三号利用边条翼控制落区,进行可控回收。 观察者网:在可回收的基础上,朱雀三号的介绍中提到,能通过技术创新实现80%-90%的成本降幅,这笔账应该怎么去算?这一成本降低的过程是如何体现的? 王舸帆:这笔账的核心在于,液体火箭最大的成本是一级箭体和发动机。一次性火箭每次都要重造这个最贵的部分。而朱雀三号通过回收复用,相当于把“一次性消耗品”变成了可多次使用的“航空器”。 成本的降低直接体现在:制造一次,使用二十次。这意味着单次发射中,一级箭体的成本被摊薄了95%。再加上液氧甲烷燃料成本低、维护简便,加上每次使用的维护费和燃料加注费,综合来看可以共同实现80%-90%的成本降幅。这本质上是把航天从“定制工艺品”变成了“工业化产品”的账。相当于把“一次性飞机”做成了“货运航班”。 同时,不锈钢箭体等设计也能很大程度上降低单发的制造成本。即使箭体变重了,但从商业化的综合角度考虑,这是划算的。 观察者网:从市场前景来看,目前中国的卫星发射需求与卫星发射能力之间的差距多大?哪类卫星最刚需类似朱雀三号这类火箭? 王舸帆:从市场前景看,当前中国卫星发射的供需差距是数量级的。我们年均运力仅约200吨,但要满足低轨星座组网,年需求预计在1500到2000吨,缺口巨大。 最急需朱雀三号这类大运力可回收火箭的,无疑是低轨宽带通信卫星星座,例如星网和千帆星座。它们单星重量大,且需在短期内部署上万颗卫星,对高密度、低成本的发射服务有最迫切的刚性需求。 朱雀三号 蓝箭航天 观察者网:从市场化进度来看,当前的商业航天企业都在努力推进上市流程,马斯克此前坚持SpaceX不上市,他认为SpaceX一旦上市,必然会在短期盈利压力下偏离甚至放弃长期目标,让马斯克火星殖民的理想化为泡影,你认为这一观点应该如何看待? 王舸帆:马斯克的观点深刻地揭示了资本市场的现实压力。对于航天这种长周期、高风险的领域,上市确实可能让公司陷入季度财报等短期目标,而牺牲掉需要十年磨一剑的颠覆性创新。 但商业航天的可持续发展离不开资本支持。关键在于找到平衡,通过清晰的战略沟通,让市场理解长期价值;或像一些公司那样,在技术里程碑、商业化里程碑取得突破后再上市,以实力赢得定价权。最终,是在理想与现实间找到一条既能活下去,又不忘初心的路。 马斯克与国内大多数商业航天的核心区别是,马斯克创业初期就自持大量资本入场了,同时美国政府与国防部也持续支持了大量资金。他用这些资本扛过了最艰难的初创期,这让他有能力拒绝短期盈利的诱惑,将“火星殖民”这一极度长期的愿景作为公司目标,而不必向资本市场妥协。做到了对“定义长期目标”的绝对控制权。 国内大多数商业航天从诞生起就深度依赖风险投资,这决定了我们必须更早地证明商业模式的可行性和退出路径。因此,我们的路线相对而言往往更务实,会优先聚焦于打造能解决现实市场需求的运载工具。这是在不同土壤下,为实现终极目标所选择的不同路径。 观察者网:在刚刚提到的背景下,你认为中国航天企业应该采取什么样的模式去平衡市场的短期焦虑?在技术路线和商业路线上会有什么考虑? 王舸帆:中国的商业航天企业需要考虑快速地达成各种阶段性的目标,采取“分阶段兑现价值”的模式来平衡。技术上,需要优先选择像可回收火箭这类已被验证、且能快速展现降本成效的路径,用关键里程碑缓解市场焦虑。商业上,优先服务于低轨星座等明确市场,用现实收入支撑长远研发,在实现商业闭环中逐步靠近更宏大的目标。 这的确也是制约颠覆性创新出现的一个重要环境因素。国内资本市场的风险偏好和对失败的容忍度,确实更倾向于支持一条技术路径已被验证、商业模式清晰可见的追赶路线。像星舰那样在爆炸中迭代的“疯狂”试错,其高昂的成本和不确定性,在当前的市场环境下难以被系统性接纳。 但这不完全是资本的问题,也是一个发展阶段的问题。当务之急是先解决“从无到有”的自主可控和商业闭环。我相信,随着首批企业成功立足,建立起健康的现金流,市场和资本才会更有信心去支持那些更前瞻、也更冒险的“从0到1”的探索。生存是创新的前提。 朱雀三号 蓝箭航天官方 观察者网:咱们团队采用的是什么样的路线?有什么样的规划? 王舸帆:我们团队现在的做法也是设立一个个小的阶段性目标,然后一步步达成。我们已经实现量产8公里射高的小型探空火箭,我们计划在近期发射射高40公里的探空火箭,明年打到100公里的卡门线。同时我们今年要开发液氧甲烷和液氧乙醇的2台液体火箭发动机,未来尝试扩大尺寸或进行多机并联,把这台小液机实际运用上去,最终目标同样是达成航班化的空间运输。 我们团队的一个主要特点是在初创期不接受社会资本融资,控制运营成本和规模,利用现有业务及资金支持早期小型火箭开发。达成关键里程碑,有迫切必要进行规模扩张时,再进行下一步的社会融资。 作为初创团队,我们必须在早期保持绝对的自主性和定力,不受外部资本方对短期回报和里程碑的催促,完全按照自身对技术的理解和发展节奏来推进,敢于进行必要的试错和迭代。同时用最务实的方法解决问题,培养出的低成本创新能力和高效执行文化,这将是未来我们面对市场竞争的宝贵财富。 当然,这样的发展模式也会遇到很多困难。发展速度会受到限制,这可能让我们错过一些近期的宝贵市场窗口。有限资源会限制我们在人才引进、高端设备采购和实验频次上的投入,同时也是对战略耐心的极大考验。这无疑是一场高难度的创业,但一旦成功,其示范意义将非同凡响。 但我们相信,人类肯定是要向外走的。商业航天与传统行业的最大区别在于,往大了讲它是没有上限的。当前所有行业局限地球,但商业航天可以走向无尽的宇宙,未来将诞生我们今日无法想象的新业态和新需求。随着几家商业航天公司的上市,有人认为窗口期即将闭合,但我们认为其也会有后续的多个窗口期,在未来几十年内会有大量机遇。我们要做的,就是用时间和内部技术积累来夯实基础、沉淀价值。等待一个时机,不鸣则已,一鸣惊人。
奥特曼发红色警报,大模型走进死胡同了吗?
昨天,OpenAI CEO奥特曼发出了一份内部备忘录,宣布公司进入“Code Red”(红色警报)紧急状态。 表面上看,这是OpenAI针对谷歌、Anthropic这两位强力竞争对手的应急响应。 但更深层的问题是,OpenAI正在面临一个整个行业都无法回避的技术困境。那就是训练成本飙升,模型规模不断扩大,但性能提升却越来越有限。 根据斯坦福大学的《2025年AI指数报告》,2019年到2022年间,训练成本每增加10倍,模型在主流基准测试上的性能平均能提升25%-35%。但到了2023年之后,同样10倍的成本投入,性能提升就只剩下10%-15%。 更糟糕的是,2024年以来,即使训练成本再翻倍,性能提升往往不足5%,投入产出比正在断崖式下跌。 各家头部模型的表现开始趋同,仿佛集体撞上了某种看不见的天花板。 这引发了一个在AI学术界和产业界激烈争论的问题:大语言模型,是否已经走进了死胡同? 01 首先从用户数据来看,OpenAI的领先地位已经开始动摇。 谷歌的Gemini 3模型在基准测试上超越了OpenAI,这使得Gemini的月活用户飙升,谷歌第三季度财报披露,目前Gemini的月活已经从7月的4.5亿增长到10月的6.5亿。 与此同时,Anthropic的Claude也在企业客户中越来越受欢迎。根据OpenRouter的数据,截至2025年11月末,Claude的周访问量达0.41亿人次,较六周前增长17.1%。 但更要命的消息还在后面。 根据半导体行业分析公司SemiAnalysis的爆料,自2024年5月GPT-4o发布以来,OpenAI的顶尖研究人员就再也没有成功完成过一次大规模的全面预训练。 这意味着GPT-5跟GPT-4o之间,其实没有经历真正意义上的代际升级,更像是在GPT-4o基础上做的微调和优化,而不是一个全新训练出来的模型。 SemiAnalysis还在分析中给OpenAI补了一刀:“预训练一个前沿模型,是整个AI研发中最困难、资源最密集的挑战。而谷歌的TPU平台已经决定性地通过了这个测试,可OpenAI并没有。” 预训练是训练大语言模型的第一步,也是最关键的一步。在这个阶段,模型要在海量的文本数据上学习语言的基本规律,比如语法、语义、事实知识等等。 无法完成大规模预训练,就无法升级迭代到下一个时代的模型,这对于OpenAI这种必须保持技术领先的企业来说是致命的。 MMLU的跑分进一步佐证了SemiAnalysis的观点。其全称为大规模多任务语言理解(Massive Multitask Language Understanding),是衡量大模型综合知识与推理能力的核心权威基准测试。 从结果来看,GPT-5的MMLU评分只比GPT-4提升了10%-20%。 要知道,Anthropic CEO 达里奥·阿莫迪(Dario Amodei)曾公开表示,2024-2025年期间的大模型,训练成本是10亿到20亿美元,是一年前大模型训练成本的10倍。而GPT-5的成本更是比GPT-4(约 6000万-1亿美元)高了约20-30倍。 面对如此的双重困境,奥特曼不得不调整策略,将重心转向优化现有产品。 奥特曼在备忘录中表示,公司需要改进ChatGPT的个性化功能、提高速度和可靠性、扩大其可回答的问题范围。 为此,OpenAI决定推迟广告、健康和购物AI代理、名为Pulse的个人助手等其他项目的开发,鼓励员工临时调岗,每天召开专门会议讨论ChatGPT的改进。 在此之前,OpenAI曾于2025年10月拉响过“Code Orange”(橙色警报)。 OpenAI内部的警报分为三个级别:黄色、橙色、红色。颜色越红,就代表事态越严重。而拉响内部警报的标准,是根据OpenAI当前的市场竞争压力和产品危机。 橙色警报对应明确的竞争威胁或产品危机,核心业务已出现 “被动局面”,比如市场份额被蚕食、用户流失。需要OpenAI “局部资源倾斜” 应对。 当时OpenAI的做法是成立 “应急优化小组”,由产品、技术、算法核心负责人牵头,调配 50% 以上的研发资源聚焦核心产品。 02 但OpenAI不是唯一陷入瓶颈的公司,整个行业都在面临同样的困境。 从2024年底到2025年初,顶尖大模型的性能提升曲线出现了明显的平缓。根据LMSYS Chatbot Arena的盲测数据,2024年6月时,排名第一和第十的模型之间Elo评分差距超过150分。 但到2025年11月,这个差距已经收窄到不足50分。更值得注意的是,几乎所有主流模型在关键基准测试上的得分都开始集中在一个狭窄的区间内。这种趋势意味着,即使各家公司投入的资源差异巨大(从数千万美元到数十亿美元不等),但最终产出的模型性能却越来越相似。 在2023年3月,OpenAI刚发布GPT-4时,其在MMLU测试中的得分确实为86.4%。而当时主流竞争对手的成绩大多集中在60%-75%区间,比如同期的Claude v1在该测试中得分仅为75.6%,LLaMA-65则只有 63.4%。 可是到了2025年9月的MMLU-Pro(MMLU的进阶版评测基准,评分标准更严格)中,所有的头部模型都是85%到90%,几乎没有任何差别。 从更新的频率来看,Meta的Llama模型从第二代到第三代间隔约9个月,而Llama 3到计划推出的Llama 4间隔已超15个月;Anthropic从Claude 3到Claude 4的间隔也长达11个月。 种种迹象都在表明,曾经被奉为大语言模型黄金定律的Scaling Law,正在失效。 造成这一结果的原因,其实就来自于大模型本身。 大模型训练的核心任务是“预测下一个词”。 通过在海量文本上反复训练这个任务,模型逐渐学会了语法、常识、推理能力等。当模型已经足够强,明白语法和常识时,语言本身的不确定性就成为了影响模型输出结果的变量。 举个例子:“他把苹果放在桌子上,然后它就不见了。”这里的“它”是指苹果还是桌子?从语法上讲,两种理解都说得通。要搞清楚“它”指什么,需要的不是更好的语法知识,而是对现实世界的常识判断。 但如果换一种说法:“他把手机放在桌子上,然后它就倒了。”这里的“它”可能是手机,也可能是桌子。如果是廉价折叠桌,确实可能因为放了个手机就倒了;如果是手机壳打开了,手机本身也可能倒。没有足够的上下文,连人类也很难做出准确判断。 这种由语言本身的歧义和不确定性造成的误差,在统计学上叫“不可约误差”(Irreducible Error),或者“贝叶斯误差率”(Bayes Error Rate)。 即使你有完美的算法、无限的数据和算力,这个误差也无法消除,它是问题本身固有的特性。 人类语言充满了这种不确定性。我们平时说话,很多信息靠语境、肢体语言、声调、共同背景知识来传递。把这些都去掉,只留下纯文本,信息损失巨大。 大语言模型训练的就是这些纯文本,所以天生就会面临不可约误差的限制。 当模型还比较弱时,它会犯很多低级错误,比如语法错误、事实错误、逻辑错误。解决这些可以通过增加数据、增大模型、改进算法来实现。但当模型已经足够强,不再犯低级错误时,剩下的错误主要就是这种不可约的、由语言本身特性造成的误差。 到这个阶段,再怎么砸钱砸资源,提升也是有限的。 第二个问题是数据枯竭。到GPT-4的时候,OpenAI几乎已经把整个互联网上的高质量文本都学完了。各种百科、数字图书馆、GitHub代码、Reddit讨论、各种专业论文和文档。 能用的高质量数据基本都用完了。剩下的是大量低质量内容,比如广告软文、垃圾帖子、重复内容、机器生成的垃圾信息。 要解决数据不足,一些厂商开始用AI生成数据来训练AI。但这会导致一个严重问题,叫“模型崩溃”(Model Collapse)。简单说,如果一个模型只吃自己或其他模型产出的数据,它的多样性会下降,甚至会放大自身的错误和偏见,最终导致模型变得越来越笨,输出越来越单调。 这个过程有点像生物学上的近亲繁殖。在生物界,如果一个种群长期近亲繁殖,基因多样性会逐渐丧失,遗传缺陷会被放大,最终导致种群退化。模型崩溃也是同样的道理。 2024年发表在Nature上的一篇论文《当 AI 模型在递归生成的数据上训练时,会出现性能崩溃》(AI models collapse when trained on recursively generated data),就系统研究了这个问题。研究人员发现,在早期模型崩溃阶段,模型会首先丢失数据分布尾部的信息。到了后期,整个数据分布会收敛到一个非常狭窄的范围,跟原始数据几乎没有相似之处。 研究人员做过实验:用一个预训练好的语言模型生成一批文本,然后用这批文本训练新模型,再用新模型生成文本,再训练更新的模型……如此反复几代后,模型的输出变得越来越单调、重复,原本数据中那些出现频率较低但很重要的信息(比如专业领域知识、小众但正确的观点)逐渐消失了。 每一代模型生成数据时,都会倾向于生成那些在训练数据中最常见、最“安全”的内容。那些出现频率低的、边缘的信息,在生成的数据中出现概率会更低。经过几代迭代,这些信息就彻底丢失了。 更麻烦的是,现在互联网上已经充斥着大量AI生成的内容。ChatGPT发布后,网络上的文章、社交媒体帖子、甚至学术论文,都开始出现越来越多AI生成痕迹。 如果未来模型通过爬取互联网获取训练数据,不可避免地会把这些AI生成内容也包含进去。这意味着,模型崩溃不再只是实验室里的理论问题,而是整个AI行业都将面临的实际威胁。 03 关于大语言模型是否进入了死胡同,这个问题其实一直充满争议。 以AI教母李飞飞为代表的维新派认为:大语言模型不是万能的,它只是AI系统中的一个组件。要实现真正的人工智能,需要把不同类型的任务分配给不同类型的模型。 李飞飞曾直言不讳地说,AGI是一个营销术语,不是科学术语。现如今真正缺失的不是“通用智能”,而是“空间智能”,也就是理解和操作三维物理世界的能力。 她认为,未来的AI系统可能是“世界模型”(World Model)。它的核心能力是理解三维空间、物理规律和因果关系。它不是通过学习文本理解世界,而是通过观察视频、图像、传感器数据来建立对物理世界的认知。 世界模型使用严格的逻辑规则和数学证明技术,而不是像现在的大语言模型一样依赖统计模式。 谷歌DeepMind开发的AlphaGeometry就是这个方向的例子,它能够解决奥林匹克竞赛级别的几何问题,靠的不是语言模型,而是符号推理系统和神经网络的结合。 图灵奖得主、Meta前首席AI科学家杨立昆(Yann LeCun)对语言模型路径的批评更加直接。他形容这条路径是“给鹦鹉喂更大的芯片”。 在他看来,语言模型只是在学习统计规律,在做模式匹配,并没有真正理解世界。要实现真正的智能,必须让AI建立对物理世界的模型,理解物体、空间、时间、因果关系这些基本概念。 彼时,大语言模型将会成为“翻译官”。当用户用自然语言提出需求时,大语言模型负责理解需求,把它翻译成机器能处理的指令,分配给合适的像是世界模型这样的子系统来执行。 当任务完成后,大语言模型再把结果翻译成自然流畅的人类语言输出给用户。 OpenAI和Anthropic则是守旧派。 奥特曼认为,只要把语言模型继续放大,投入更多数据和算力,智能就会“自动涌现”。 他相信,当模型规模达到某个临界点时,会突然展现出质的飞跃,获得真正的理解能力和推理能力。这个观点在业内被称为“scaling hypothesis”(规模假说)。 OpenAI联合创始人兼首席科学家伊尔亚·苏兹科维(Ilya Sutskever)的观点是压缩就是理解。 他坦言,“如果你能把全世界的数据无损地压缩进一个大语言模型的神经网络,那么这个模型就在内部构建出了一个关于这个世界的真实模型。” Anthropic的联合创始人杰拉德·卡普兰(Jared Kaplan)则认为语言模型本身可能不是智能,但可以成为智能的基础。他认为通过改进训练方法、增强安全性对齐、结合其他技术,语言模型路径仍然有潜力达到AGI。 MIT的认知学家伊芙琳娜·费多林柯(Evelina Fedorenko)以及多位MIT和伯克利的学者,在《Nature》期刊上发表文章,他们指出:语言不是思维,人类的思维是独立于语言的。婴儿在学会说话之前就已经有了对物理世界的理解,对因果关系的认知。盲人和聋人虽然缺失某些感官通道,但思维能力并不受影响。 、
鸿蒙与它的1000万“合伙人”
六月,对大多数人来说只是夏天的开始,但对00后程序员梁裕佳来说,却是他和团队命运的分岔口。 “我们在六月份开始做鸿蒙应用,七月底上架第一款软件,到现在一共有6款,下个月还有2款上线。”10月的最后一个周五,戴着一副黑色宽边眼镜的梁裕佳,略带腼腆地在一个鸿蒙开发者沙龙上轻轻发出一句感慨,“速度还是蛮快的”。 同台的主持人立即抛来三连问:“用户量怎么样?商业模式跑通了吗?赚着钱没?”梁裕佳不徐不急报上一组数据:奇妙工具箱目前有25万用户,1.6万五星好评,接近3万核心付费群体。 梁裕佳的故事并非孤例。 入驻鸿蒙生态时间短,但用户活跃度和收入显著增长——越来越多的开发者都切身感到,自己的代码正融入一股奔涌的国产数字洪流。 今时今日,鸿蒙不再只是一个技术名词,而成为一个共创场:开发者的代码、行业伙伴的投入、消费者的体验反馈,共同推动一个国产操作系统进入加速周期。 在国产基础软件艰难突围的节点上,鸿蒙正从“有没有”的生存命题,转向“一起火”的发展命题。 驱动这一转变的,不是某一家公司的意志,而是一整套开放、共享、低门槛的生态机制,以及无数个体在其中找到机会的真实故事。 鸿蒙生态的飞轮是如何转起来的? 中国操作系统生态建设正进入一个关键的加速期,以鸿蒙为代表的国产操作系统正迅速完成从系统可用到生态繁荣的跃迁。 过去一年,鸿蒙生态实现了爆发式增长: 从2024年10月正式公测,到2025年7月突破1000万台,鸿蒙5(HarmonyOS 5)走了近10个月;而从1000万到2000万,仅用了2个多月。截止今年11月,鸿蒙5/6的终端设备数突破2700万台,覆盖40余款华为产品,成为智能终端史上发展最快的操作系统。 设备数量的跃迁只是表象,更核心的指标在于活跃度与供给效率。截至目前,鸿蒙注册开发者规模已超千万。鸿蒙应用市场已有超过30万个应用和元服务,日均新增2000多项功能。 这种增长呈现出明显的“临界点效应”: 早期10个月的缓慢积累,对应的是基础适配与开发者招募;进入2000万台阶段后,应用生态的质变开始显现。设备基数扩大带来用户流量,流量吸引开发者投入,投入加速了应用的完善,而完善的体验又刺激更多设备销售——飞轮一旦启动,各个环节便自行强化。 鸿蒙生态的繁荣并非头部企业的独角戏,而是呈现出“头部示范+长尾跟进”的同步渗透格局。 在互联网头部公司梯队中,腾讯超过60款产品上架鸿蒙,微信每月进行一次重要版本更新;阿里旗下淘宝、支付宝实现核心功能同步,支付宝“碰一下”支付在鸿蒙设备上流畅度提升超30%;美团外卖鸿蒙版每月迭代,充分利用实时窗、图库安全访问等系统特性;字节跳动系的抖音、今日头条等应用版本快速迭代,功能日趋完善。 政企与民生领域的“鸿蒙化”进程更具战略意义。已有超200款央国企办公应用、数千个政企内部办公应用完成适配;近400款政务民生应用上线鸿蒙,涵盖民政、人社、医保、税务、交管等领域。 头部企业的带动与长尾应用的密集落地形成了互补,使生态既有广度,也有深度:头部应用吸引用户换机,长尾应用则满足用户日常需要,共同构成完整的场景闭环。 鸿蒙生态的飞轮能否持续,取决于应用是否真正“为鸿蒙而生”。 这种重构超越了简单的代码移植,是基于鸿蒙的分布式能力、智能体框架等原生技术实现其他平台所不具备的创新体验。 例如:高德地图基于系统分布式能力,实现了隧道级的精准导航,有效解决了高精度定位在复杂环境中的痛点;京东通过鸿蒙的能力,推出了“AR摆摆看”功能,提升了购物的沉浸感;小红书则打通了花瓣地图与笔记搜索,实现跨应用数据和服务的融合调用。 越来越多的开发者将鸿蒙视为一个独特的创新平台,而非仅仅是一个技术兼容环境。在这些创新的背后,是鸿蒙6带来的战略转向。 如果说鸿蒙5解决了生态“有没有”的基础问题,鸿蒙6的发布就标志着生态重心正从“基础适配”转向“体验领先、三端一致”,推动应用从“能用”迈向“好用、独有”。 回看这一年,鸿蒙生态的飞轮之所以能高速转动,本质是设备、用户、开发者三者之间形成了正向反馈链。当2700万台设备和1000万开发者共同构成一张动态网络,鸿蒙已不再只是华为的系统,而是一个由多方共建、共享、共进的数字基础设施。 飞轮一旦启动,便有了自己的惯性。 中小开发者的时代红利 鸿蒙的崛起,第一次提供了一个由本土力量主导的操作系统级舞台。 回望操作系统发展史,中国开发者长期处在生态追随者的位置。鸿蒙的出现让中国开发者们迎来了属于自己的、操作系统级的“时代红利”。 虹红科技CEO刘虹山在开发者沙龙上坦言,一开始选择鸿蒙,是“被动响应、被客户推着走”。彼时,几家服务过的行业头部企业直接向他询问:“你们能不能支持鸿蒙SDK?”这种迫切的市场需求,让刘虹山迈出了第一步。但在深入适配鸿蒙的过程中,刘虹山完成了一次认知的觉醒。他问自己:“除了满足客户,我们扎根鸿蒙的本质动力是什么?” 答案是:押注“连接”的下一个十年。 在刘虹山看来,过去的操作系统连接的是人与软件。在所有的OS中,只有鸿蒙,从诞生第一天起就是为万物智联而生的。这种连接方式的代际更替,让他看到了重塑服务形态的可能,因而开始主动布局鸿蒙生态。“不是为了赶时髦,而是站在未来的风口上,重新定义服务。” 中小开发者是中国科技最朴素的推动力,越来越多的”刘虹山们“在鸿蒙生态中找到了实现产品爆发和职业跃迁的新路径。 来自农村的独立开发者孙田军,零基础自学鸿蒙,开发出习惯养成应用“补阙”;35岁女设计师高毅转型全职鸿蒙开发,1个月打造女性健康应用“美姨”,半年用户近万;农业跨界开发者周永麒打造了鸿蒙独家应用“轻木鱼”并孵化20多款应用,年入80万,还组建了鸿蒙民间联盟助力开发者成功。 “我们不想做一闪而过的火花,希望能做鸿蒙生态里一棵持续生长的树。”桔子账本开发者杨淋智这样描述她的愿景。这款由情侣搭档开发的记账应用,从上架之初入帐248元到如今月入过万,只用了不到半年时间。 这些开发者的故事不乏共性。在周永麒看来,“鸿蒙是片沃土,好应用会自己破土生长。” 这种自下而上的创新活力,正是鸿蒙生态从0到2700万台设备的关键推力。 梁裕佳经历的半年上线8款应用,背后是鸿蒙技术底座对开发成本和效率的系统性重构。官方数据显示,鸿蒙“一次开发,多端部署”能实现最高90%代码复用率。举个例子,蜻蜓FM手机版开发后仅需4人天即可完成平板适配。这对资源有限的中小开发者而言,意味着将原本需要三四个团队维护多端的成本,压缩至单人或几人即可承担。 更深层的变化在于AI能力的普惠。 华为在2025开发者大会期间发布的DevEco CodeGenie,在代码续写、问题定位、UI生成等高频场景表现优异,成为开发者的超级助手。梁裕佳说,借助AI辅助开发,他与还在读研的舍友能快速完成产品迭代与维护。 鸿蒙智能体框架提供开箱即用的AI能力,开发者无需自建底层算法团队,就能让应用升级为“智能小助手”。目前首批80多个鸿蒙应用智能体已上线,覆盖教育、医疗、娱乐等场景。 针对更广泛的开发者群体,华为通过“鸿蒙星光计划”投入1亿元扶持校园创新,“天工计划”再投10亿元加速AI原生应用孵化,从资金到工具形成全周期支持。梅科尔工作室对此感触颇深:“鸿蒙为我们提供了从学习到展示的完整阶梯,让我们的努力能被行业看见。” 技术底座的赋能最终要转化为商业回报,鸿蒙生态在此也展现出清晰的闭环逻辑。 鸿蒙应用商店的付费转化率更高,独立开发者获客成本相对更低,这为中小开发者提供了更为直接和高效的商业变现路径。梁裕佳在开发者沙龙上直言:“鸿蒙用户中很多是高净值人群,对优质应用的付费意愿远超预期,只要产品够好,小团队也能活得很好。” 对鸿蒙人才的需求也正快速转化为高价值的职业回报。智联招聘2025年第一季度数据显示,鸿蒙开发岗位平均月薪达到1.8万元,领跑行业,显示出市场对鸿蒙原生人才的强烈渴求和高溢价认可。 在开发者生态扩大的同时,鸿蒙还通过推进产学研合作,试图重塑中国软件人才的培养与就业路径。鸿蒙生态学堂吸引732万人学习,超过280所高校参与鸿蒙产学合作项目,课程覆盖系统基础、应用开发和跨终端能力等内容。得益于扎实的技能培养,应用型本科鸿蒙产学班毕业生的起薪过万者已超过50%。 从周永麒的“轻木鱼”到梁裕佳的“奇妙工具箱”,从杨淋智的“桔子账本”到深度参与鸿蒙产业生态建设的梅科尔工作室,这些故事串联起一幅完整图景: 在这里,没有巨头的绝对壁垒,只有产品与创新的公平竞技。当千万开发者不再只是代码的搬运工,而是规则的共建者、场景的架构师,属于中国开发者的时代红利才真正开启。 每一个愿意动手的人,都能在鸿蒙的土壤里,种出自己的果实。 “在一起”的鸿蒙生态哲学 鸿蒙生态的增长速度正在改变中国软件产业的结构性格局,越来越多的企业已将加入鸿蒙视为产业共识。 这种趋势首先来自国家战略方向的明确。在“十五五”规划强调科技自立自强的大背景下,自主可控的基础软件能力成为重要抓手。数字中国建设走过十年,政务、金融、能源等关键领域的数字化全面深化,对系统安全性、可控性和持续演进能力提出更高要求。 鸿蒙作为全栈自研的操作系统,在底层架构、系统能力到生态构建上都具备完整自主性,使其被广泛纳入各类关键应用场景,多个政务和民生服务系统已将鸿蒙作为重要的运行载体。 产业现实的另一侧,是开源鸿蒙带来的杠杆效应。 如果说鸿蒙(HarmonyOS)是面向消费端的增长引擎,那么开源鸿蒙(OpenHarmony)则是撬动千行百业智能化转型的战略杠杆。 OpenHarmony由开放原子开源基金会运作,是鸿蒙生态构建“在一起”哲学的核心体现。它聚合了来自全球近万名贡献者的力量,代码行数已超过1.3亿行。开源生态的繁荣,使得鸿蒙的适用范围得以突破消费电子的边界,下沉到工业制造、能源、交通等实体经济的关键环节。 这种杠杆效应,催生了大量行业定制化发行版,初步实现了千行百业的智能化,其中有代表性的,包括面向矿山场景的“矿鸿”、服务电力行业的“电鸿”、用于公安系统的“警鸿”等。 这些定制发行版基于OpenHarmony的统一技术底座,结合行业特殊需求进行了深度优化和功能扩展。对于行业用户而言,它提升了系统的可塑性,更贴近业务需求;对于产业链而言,这是一次自底向上的共建过程,加速了国产基础软件的扩散。 不过,生态的完善是一场没有终点的长跑。 尽管鸿蒙生态在用户规模上已突破临界点,在头部应用适配上也取得了关键进展,但大量中长尾应用仍停留在“能用”阶段。鸿蒙日均新增功能超2000项,但距离极致体验仍有差距。 何谓“极致体验”? 在存量市场中,用户对于应用的丰富度和功能细节有着极高要求,一些看似微不足道却决定日常流畅度的细节交互、边缘场景与个性化需求,都可能成为决定用户去留的关键。 因而,未来最大的挑战不在主干,而在“毛细血管”。华为提供初始引擎,但飞轮的持续转动,需要更多开发者的投入——从移植到重构,从适配到创新,从满足基本功能到打磨独特体验。 鸿蒙生态建设的下一个阶段,是一场“从1到100”的持续精进。鸿蒙的极致体验之路,呼唤所有创新力量共同奔赴这场数字时代的长跑,实现从“活下去”到“一起火”的宏大叙事。 这也是鸿蒙生态哲学的核心:操作系统不是某一家的战役,而是中国软件基建的集体工程。它的未来,不属于观望者,而属于所有愿意参与共建的人。 在这背后,是一个产业共识的凝聚:万物智联时代,拥有自主可控的操作系统不是奢侈,而是必需。而建设它,不能靠单打独斗,必须“在一起”。 唯有如此,一个真正属于中国的数字基座才可能生长出来
外卖小哥的竞争对手来了!全球首款自动送货自行车现身硅谷
快科技12月4日消息,当地时间本月3日,硅谷初创公司“精灵智行(Genie Mobility) ”正式发布全球首款全自动送货电动自行车“精灵单车(Genie Bike)"。 这款融合自动驾驶与电动自行车技术的创新产品,将重新定义“最后一公里”配送模式,毫不夸张的说,外卖小哥有新的对手了。 “精灵单车”配备定制高扭矩无刷电机,峰值功率750W,最高车速45km/h,最大载重80kg,可满足外卖、快递、生鲜等多种配送需求。 双电池组设计,总容量1344Wh (48V),单次充电可行驶80-100公里,满足全天配送需求,支持快速充电,2小时内可充满,适配标准电动车充电桩。 自动驾驶方面,其采用了多模态感知系统,拥有双目摄像头(1200万像素)+AI视觉算法,可识别200+物体类别,包括交通标志、行人、车辆等。 还使用了前置16线激光雷达,可实时构建3D环境地图,探测距离50米,精度达厘米级,还融合超声波雷达,实现近距离障碍物检测,盲区辅助。 配备英伟达Orin Nano级AI计算平台,专为移动机器人设计,算力达200+TOPS。 内置高精地图+实时GPS定位,可规划最优配送路线,避开拥堵,能有效识别并避开静态和动态障碍物,并严格执行红绿灯、限速等交通法规。 支持车队实时监控、任务分配和数据分析,遇到复杂路况或故障时,可远程接管或自动返回安全区域,当电量低于20%时,自动规划返回充电点路线。 这款自动配送自行车已经迭代了三次,目前正在街头展开实测,团队预计明年初组建首批车队并启用商业试点。
华尔街名嘴谈OpenAI现状:真正的危机并不是谷歌Gemini
谷歌与OpenAI竞争激烈 凤凰网科技讯 北京时间12月3日,OpenAI在内部拉响“红色警报”引发关注。美国CNBC知名财经主持人吉姆·克莱默(Jim Cramer)周二表示,OpenAI真正的“红色警报”是资金问题,而不是谷歌的Gemini。 对于OpenAI担心谷歌Gemini 3在用户吸引力上可能迅速追赶上来,克莱默表示,关键不是看哪个模型回答问题更准确,因为两者都有可能出错,而是关乎分发渠道和使用习惯。 “Gemini 3既容易找到,也容易获得用户信任。”他表示。 克莱默表示,真正令投资者不安的是,如果11月的使用数据显示Gemini已超越ChatGPT,这个市场就可能演变成赢家通吃、输家出局的局面。 但竞争威胁只是一部分。据报道,OpenAI已放缓其他项目的开发进度,包括广告产品、消费者AI智能体以及名为Pulse的个人助手。克莱默指出,这一暂停立即为竞争对手打开了机会窗口:Meta的广告业务压力可能减轻,亚马逊或许能获得更多时间来重新定位Alexa,甚至连Salesforce都可能找到推广自家AI工具的空间。 克莱默指出,OpenAI更大的风险来自资金层面。Alphabet、亚马逊、Meta和微软都能以低成本借贷数百亿美元,而早已负债累累的OpenAI却无法做到。克莱默表示,OpenAI最快的解决方案是与《纽约时报》达成诉讼和解以降低法律成本,或是说服微软进一步增持股份来巩固资产负债表。 克莱默强调,真正的“红色预警”其实是资本战争。“OpenAI所有竞争对手都拥有更好的融资渠道。”他表示。(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”。
英伟达CEO黄仁勋与特朗普会面,讨论芯片出口管制
黄仁勋 凤凰网科技讯 北京时间12月4日,据路透社报道,知情人士称,美国总统特朗普在周三会见了芯片巨头英伟达CEO黄仁勋(Jensen Huang),双方讨论了出口管制问题。 另据彭博社报道,黄仁勋在美国国会大厦对记者表示,他与特朗普讨论了出口管制问题,但拒绝透露具体细节。在黄仁勋与特朗普会面之前,路透社报道称特朗普政府官员正考虑允许英伟达向中国销售H200芯片。 黄仁勋还与美国参议院银行委员会成员举行闭门会议,该委员会对出口管制具有管辖权。他对议员们表示,美国各州推出的监管措施,将拖慢AI技术的发展步伐。 白宫发言人表示,政府不会讨论私人会面。 当天早些时候,播客主持人乔·罗根(Joe Rogan)发布了对黄仁勋的近三小时访谈。黄仁勋在访谈中赞扬了特朗普,并表示他与政府官员保持着定期联系。 “每次我打电话,无论是需要帮助、想倾诉心事还是表达担忧,他们总能及时回应。”黄仁勋在播客中说道。 黄仁勋还对罗根表示,虽然美国抢在其他国家之前发展AI符合其国家安全利益,但这场竞赛可能不存在某个国家胜出的明显转折点。(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”。

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。