财联社11月25日讯（编辑 赵昊）当地时间周一（11月24日），美国人工智能初创企业Anthropic在官网宣布，公司推出了最新的AI模型“Claude Opus 4.5”。 Anthropic表示，该模型智能高效，“是目前全球在编码、智能代理和计算机应用方面表现最佳的模型，它在深度研究、处理幻灯片和电子表格等日常任务方面也显著优于其他模型。” 据了解，Opus 4.5是Anthropic在短短两个月内发布的第三个重大模型版本，该公司9月下旬发布了Sonnet 4.5，又在10月推出了Haiku 4.5。这再次体现了AI行业惊人的发展速度。 Anthropic最出名的是其名为Claude的一系列AI模型，通常其中最大的模型被称为Opus，中等规模的模型为Sonnet，最小的模型为Haiku。此前发布的Opus模型是在今年8月，名为Opus 4.1。 Anthropic旗下Claude.ai的产品负责人Scott White在接受采访时说道：“我们向市场发布产品的速度，以及由此产生的反馈循环，让我感到无比兴奋。” White表示，Opus 4.5的理想用户是专业软件开发人员以及金融分析师、顾问、会计师等知识型工作者。他补充说，那些“希望激发自身创造力、打造新事物、拓展职业边界”的人，同样会觉得这款模型非常有用。 在“代理式编程”（agentic coding）方面，Opus 4.5达到了当前的最先进水平。根据用于衡量AI编程能力的测试集SWE-bench，Opus 4.5的表现要优于谷歌上周发布的Gemini 3 Pro以及OpenAI的GPT-5.1。 Anthropic还表示，他们让Opus 4.5参加了一项难度极高的闭卷测验，这套考题通常用于选拔优秀的软件工程，该模型的得分超过了历史上所有人类候选者。 新闻稿表示，Opus 4.5将在所有平台上线，并成为Anthropic 的Pro、Max和Enterprise（企业版）产品的默认模型。除了新模型外，公司还宣布了多项产品和功能更新。 Anthropic表示，允许Claude在不同浏览器标签之间执行操作的扩展工具Claude for Chrome现已向所有Max用户开放；能够理解和编辑电子表格的Claude for Excel，也已向所有付费用户推出。 此外，Anthropic还将Claude Code引入其桌面应用，并为开发者平台增加了新的功能。

亚马逊周一表示，将投资高达500亿美元，以提升亚马逊云科技（Amazon Web Services）面向美国政府客户的人工智能（AI）和超级计算能力，这是针对公共部门最大规模的云基础设施承诺之一。 该项目预计于2026年开工，将通过建设配备先进计算和网络技术的数据中心，在 AWS Top Secret、AWS Secret 和 AWS GovCloud 区域新增近1.3吉瓦的人工智能和高性能计算能力。 AWS面向美国政府的云区域是根据数据敏感性等级划分的。目前，该云业务已为超过11000家美国政府机构提供服务。 AWS首席执行官Matt Garman称，这项投资消除了阻碍政府发展的技术壁垒。亚马逊没有透露这笔支出的时间表。 根据最新计划，联邦机构将能够使用AWS全面的人工智能服务套件，包括用于模型训练和定制的Amazon SageMaker，用于部署模型和智能体的Amazon Bedrock，以及基础模型，如Amazon Nova和Anthropic Claude。 联邦政府希望通过利用AWS专属且扩展的算力，开发定制化的人工智能解决方案，并实现成本节约。

IT之家 11 月 24 日消息，一加今年尚未结束其新品发布节奏。该公司刚刚宣布，将于下月推出两款全新产品，并且这两款产品都将登陆美国市场。 即将发布的机型为一加 15R 和一加 Pad Go 2。其中，一加 Pad Go 2 将成为一加首款面向美国市场推出的“Pad Go”系列平板电脑。 值得注意的是，一加 15R 将完整继承一加 15 的全套 IP 防护等级，包括 IP66、IP68、IP69 以及 IP69K，使其成为一款极为坚固耐用的设备。 IT之家注意到，从外观设计来看，一加 15R 与一加 15 高度相似，仅缺少第三颗摄像头。此次一加似乎回归了其广受欢迎的配色方案 —— 黑色与绿色，该机采用平直金属中框设计。 据推测，一加 15R 将与此前已在中国发布的一加 Ace 6 基本一致，后者搭载高通骁龙 8 Elite 芯片，不过面向北美市场的版本预计将采用传闻已久的骁龙 8 Gen 5 处理器。 与此同时，一加 Pad Go 2 今年也将迎来显著升级，首次加入对触控笔的支持。一加强调，这款产品远不止是一款入门级平板，其机身设计也颇为精致。针对美国市场，该平板仅提供“影黑”（Shadow Black）配色，并仅支持 Wi-Fi 版本。 一加 15R 与一加 Pad Go 2 计划于 12 月 17 日正式面向美国和加拿大市场发布。中国市场可能会更早公布相关信息，具体仍需持续关注。

IT之家 11 月 24 日消息，消息源 Photo Rumors 上周（11 月 21 日）发布博文，曝光索尼 FX8 电影机的详细参数，显示这款相机将搭载 12K CMOS 传感器，有望支持全画幅 8K 30P 视频录制。 IT之家附该机传闻参数如下： 体积相比 FX9 更小 搭载 12K CMOS 传感器，水平像素数可达 12032 支持双原生 ISO，整体感光性能类似索尼 FX6 动态范围可达 16 档，基准 ISO 分别为 500、2000、8000 在全画幅 / Super 35 格式下可录制 8K 30P（17:9）视频和 4K 60P（16:9）视频，在 1.04x 裁切的情况下可录制 16:9 4K 120P 视频 虽然按照行业惯例，这款电影机的 CMOS 将被标记为 8100 万有效像素（16:9），但实际上它的全画幅像素数可达 9600 万 它在索尼产品线里的定位类似 FX30 和 Alpha 6700，索尼似乎计划首先在 CineLine 产品线内首发 9600 万像素 CMOS，然后等待一段时间再在 Alpha 7S/Alpha 7R 系列中推出 9600 万像素全画幅新机 不过遗憾的是，索尼没有计划让这台相机支持片门全开（Open Gate），就连 CineAlta 产品线的 BURANO 都不会支持

快科技11月25日消息，据华为官方介绍，华为查找设备新增“关机验证密码”功能，设备丢失后不用担心被恶意关机，可增加被找回的概率。 符合条件的手机升级到HarmonyOS6之后，即可体验。 开启路径：进入设置>查找设备>打开“关机验证密码”开关。 需要注意的是，该功能仅适用于锁屏状态下关机，若设备已经解锁，则关机时无需验证密码。 此外，重启设备、强制关机、强制恢复出厂设备时，也无需验证锁屏密码。 值得注意的是，华为Pura 80系列等机型还加入了星闪查找”功能，后续应该会成为华为旗舰的标配。 在查找设备App中开启“查找我的手机”功能之后，能随时查看手机的具体位置，甚至还可以通过星闪查找精准定位设备的方向与距离，甚至还支持楼层定位。 当通过定位和楼层信息到达丢失设备附近时，查找设备界面中的“导航”按钮会自动变成“精确查找”按钮。 点击并与设备建立连接后，界面上会直观显示丢失手机所在的精确方向和距离，只需要跟着箭头的指引就能找回手机。 最关键的是还华为Pura80系列还支持关机星闪查找，哪怕手机关机或离线了，也可以通过星闪技术准确定位设备位置。 关机星闪查找与关机验证密码功能相互配合，让手机丢时候找回的概率大大增加。

快科技11月25日消息，日前，REDMI产品经理笋寸微博发文，详细解析了REDMI K90系列屏幕的三大优势：清晰、省电、护眼。 她介绍，K90系列采用全RGB独立像素排列，通过重构像素逻辑，从底层实现屏幕更高的清晰度、更低的功耗以及更强的护眼效果。 清晰：子像素密度超2K，文字边缘锐利不模糊 和传统的屏幕像素排列不同，全RGB屏幕的每颗像素均配备独立红、绿、蓝三子像素，无需依赖相邻像素补偿。同标称分辨率下，子像素总数达938万，超越多数传统2K屏（920万），因为不需要“借像素”，文字边缘锐度实测提升12%，直接改善红色小字模糊、彩边等问题，画面细节呈现更细腻。 省电：软硬融合，同亮度同分辨率比1.5K更省电 软件层，采用全新分辨率渲染逻辑，相比传统2K屏降低18%的GPU负载，减少图形处理过程中的能耗； 硬件层，联合TCL华星定制M10发光材料与专用驱动电路，将红色子像素发光效率提升至82.1cd/A，达到全球顶尖水平，子像素整体发光效率提升30%，实现 “更低电压达到同等亮度”。 最终，屏幕功耗降至436mW，较传统2K屏降低26%-30%，在相同亮度、刷新率设置下，功耗表现甚至优于同分辨率的iPhone 17 Pro Max。 护眼：减轻眼部负担，夜间看手机不疲劳 得益于全RGB像素排列底层结构优势，眼睛不用被迫额外加班，因为子像素总数更多，文字边缘更锐、细节更均匀。 此外，RGB排列的画面清晰度是全域均衡，几乎没有模糊死角，因此眼球无需频繁转动或偏移来弥补视觉缺失，转动更平稳，降低眼睛酸胀、疲劳感。

经过一年多的蛰伏，谷歌带着全新升级的多模态Gemini3来袭，前端UI升级性能拉满，虽然深度推理、上下文一致性等与ChatGPT5.1 thinking相比还有差距，但总体上已经能满足绝大多数用户的基本AI需求。 Gemini 3是如何训练的？是完全基于谷歌TPU吗？大家都在关注这些核心问题！ Gemini 3 = 稀疏 Mixture-of-Experts（MoE）Transformer + 原生多模态（文本/图像/音频/视频）+ 超长上下文（输入最多 1M token、输出 64k）+ RL 强化“多步推理/定理证明”的一整套栈，并且是用 Google 自家 TPU Pod + JAX + Pathways 从零训练出来的新模型。 下面分几层讲：架构、训练数据与流程、算力/系统设计，再讲一下“这套设计背后的逻辑”。 架构：稀疏 MoE Transformer + 原生多模态 + 超长上下文 1. 核心骨架：Sparse Mixture-of-Experts Transformer 官方模型卡直接写了： 架构 = 稀疏 Mixture-of-Experts（MoE）Transformer 原生支持文本、视觉（图像）、音频输入（视频通常拆成图像帧+音频序列送进来）。 MoE 的关键点： 每一层有很多“专家子网络”（experts）； 前面有个 routing/gating 子网络，对每个 token 决定送到哪几个专家； 每个 token 只激活少数几个专家，不是所有参数都跑一遍； 这样可以做到：总参数量很大（外界估计总体容量>1T 级）但单次推理算力成本可控。 相当于，不是每个问题都叫公司里所有员工一起开会，而是路由到 2–3 个最合适的小组来处理。 2. 原生多模态（Text + Vision + Audio + Video） 模型从设计上就是 “多模态优先”，而不是 “先做文本，再外挂一个视觉编码器”。文本 token、图像 patch、音频帧，都会进同一个 Transformer 主干，只是前端有不同的编码器，把不同模态统一到同一向量空间。Google 还在此基础上做了 Nano Banana Pro 这种图像模型，直接把 Gemini 3 Pro 当成图像生成/编辑的“主脑”。 这类原生多模态的好处： 可以跨模态推理：例如看视频+讲解文字，一起理解“这个实验为什么失败”； 对产品场景（搜索界面截图、代码+报错截图、讲课视频+PDF）非常友好。 3. 超长上下文：1M Token 输入、64k 输出 官方模型卡：输入上下文上限 1,000,000 token，输出上限 64,000 token。 MarkTechPost 文章也确认了这点，并强调它是“让 agent 能吃完整代码库/长文档/多小时视频”的关键。 在实现上，Google 没公开全部细节，但结合他们开源的 Gemma 3 报告可以看出最近的思路：更多 local attention 层 + 更短的 local span，减少 KV-cache 爆炸；把“少量 global attention 层”用在关键信息汇总上。 所以你可以理解为：局部窗口里用 cheap 的 local attention，偶尔插一层“全局视角”做信息整合，再配合 MoE 把计算分散到不同专家上，共同支撑 1M context。 4. 和 Gemini 2.5 的差异 官方说得很清楚： 不是 2.5 的微调版，而是从头训练的新一代架构。 在各种推理、多模态、长上下文基准上，都显著超过 2.5 Pro。 训练数据：多模态 + 多来源 + 大规模清洗 1. 预训练数据构成 模型卡里披露得相当详细： 多模态、多领域的大规模语料： 公开网页文档 & 文本 代码（多种语言） 图像 音频（含语音和其他音频类型） 视频 数据来源类型： 公共可下载数据集 爬虫抓取数据（遵守 robots.txt） 商业授权数据（licensed） Google 产品中的用户数据 & 与模型的交互数据（在对应 TOS/隐私政策和用户控制下） Google 内部业务产生的数据 AI 合成数据（synthetic data） 所以整体可以理解为：“公共互联网 + 授权版权库 + 自家产品行为日志 + 内部 & 合成数据” 的大杂烩，而且是多模态同步喂的。 2. 数据清洗与安全过滤 同一份模型卡也写了数据处理流程： 去重（deduplication） 遵守 robots.txt 各类 安全过滤（屏蔽色情、暴力、CSAM 等内容） 质量过滤，去掉垃圾/无关内容 这些既是安全要求，也是为了稳定训练（脏数据太多会直接拉垮收敛）。 训练流程：预训练 + 指令微调 + RL（人类 & critic 反馈） 官方没有给出超细节的损失函数和 schedule，但框架是比较典型的“三阶段”： 1. 阶段一：自监督预训练（大模型基座） 在上面那堆多模态数据上，做类似「下一个 token 预测」的自监督训练；文本/代码用标准的 autoregressive objective；图像/音频/视频通过适配的编码方式，把 patch/帧也当 token 来预测。 目标：学到通用语言+世界知识+多模态表征，不管任务、不管指令。 2. 阶段二：监督式指令微调（SFT） 用“人类写的高质量多模态指令数据”进行微调： 问答、对话、代码生成、推理题目 图文问答、视频理解、音频理解 这一步类似于把“会说话的大脑”变成“会听指令做事的助手”。 模型卡把这部分统称为 instruction tuning data。 3. 阶段三：强化学习 + 安全部署 Gemini 3 在 RL 上写得比之前代更直白：使用 reinforcement learning from human and critic feedback： 人类标注哪种回答更好；再加“critic 模型”自动给出评分；强化学习用到的内容特别强调： 多步推理数据 问题求解数据 定理证明类数据 也就是说，他们专门用 RL 把模型往“会慢慢推理、拆解问题、做数学/证明”这个方向拉。这也解释了：Gemini 3 在 Humanity’s Last Exam、ARC AGI 2 等高难度推理 benchmark 上比 2.5 和不少竞品强。 安全相关：他们把 数据过滤 + 条件预训练 + SFT + RLHF + 产品级安全过滤 都当成安全“层级防护”。并按照自家的 Frontier Safety Framework 做红队和能力评估。 算力与系统：TPU 全栈 + JAX + Pathways 这次 Gemini 3 的一个重要“元叙事”是：“不用 NVIDIA 也能在前沿”。 1. 硬件：完全用 Google 自家 TPU 训练 模型卡写得很清楚： 训练全部在 Google Tensor Processing Units（TPUs） 上完成； 使用 TPU Pods（大规模 TPU 集群），支持多设备分布式训练； 利用 TPU 的高带宽内存和大 batch 做到了更好的模型质量 + 能效。 外部文章因此强调：Gemini 3 证明了一条“自研芯片+自家云”的完整路径，可以在不依赖 GPU 供应链的情况下做到 frontier 级别。 2. 软件栈：JAX + ML Pathways 模型卡：训练用的是 JAX + ML Pathways。Pathways 是 Google 自己的多机多任务训练框架，比较适合这种 MoE + 超长上下文的大模型并行。结合 MoE 架构，你可以想象它在系统层面需要解决： 专家参数在 TPU Pod 上怎么切片/放置； token 的 routing 怎么跨设备做负载均衡； 超长上下文的 KV cache 怎么 sharding 和回收； 在这些约束下还要保证训练吞吐和稳定性。 这些实现细节没公开，但从他们强调的“sparse MoE + 1M context 实用化”可以看出，系统工程占了很大比重。 从“设计选择”看 Gemini 3 的几个洞察： 站在方法论角度，可以大概总结出 Google 这代模型的取向： 容量 vs 成本：用 MoE 换算力效率 想要万亿级参数的表达力，但又不能每 token 都烧满；Sparse MoE = “只叫对这件事最有用的几个专家出来”，能在相同算力下塞进更多知识和能力。 场景优先：原生多模态 + 超长上下文 + agent 能力 多模态 + 1M context，是为了直接吃：代码库、产品文档、UI 截图、视频课程、系统日志； 再配合 Antigravity 这类 agent IDE 和“Generative UI”，把模型变成真正的“操作系统级助手”，而不是只会聊天。 推理优先：在 RL 里刻意强化多步推理和定理证明 很多 frontier bench（ARC AGI、GPQA、数学竞赛）都强调“要一步步想”；所以他们显式用这类数据做 RL，把 reward 设计成“慢想但答对”。 安全与合规：从数据到产品的多层防护 数据侧就做过滤；模型训练阶段用安全相关的目标和 RL 惩罚项；部署时再加 policy + 安全过滤 + Frontier Safety 评估。 全栈一体化：TPU + 框架 + 模型 + 产品的协同优化 完全在自家 TPU 上训练，用 JAX + Pathways 深度绑定硬件特性；再纵向整合到 Search、Workspace、Antigravity IDE、AI Studio 等产品里。 Gemini 3 更像是“用 TPUs 驱动的 MoE 多模态大脑”，通过庞杂但干净的多模态数据预训练，再用 RL 把“多步推理+Agent 行为”打磨到实战可用。 为何谷歌选择Sparse MoE 而不是 Dense LLM？ Sparse MoE vs Dense LLM：到底换来了什么，又付出了什么？ Sparse MoE = 拿“更多参数容量”换“更复杂的系统工程”； Dense LLM = 拿“简单稳定”换“更高的推理成本 / 更有限的容量”。 1. 参数容量 vs 计算成本 设想一个简化例子： Dense 模型：400B 参数，每一层所有 token 都用到全部参数。 Sparse MoE：假设有 32 个专家（experts），每个 expert 有 50B 参数。模型“总容量”≈ 32 × 50B = 1.6T 参数；但路由策略：每个 token 只激活 2 个 expert。那么一次前向计算用到的参数 ≈ 2 × 50B = 100B 参数。 所以，对「单次推理」来说： Dense 400B：固定用 400B； Sparse MoE：逻辑容量 1.6T，但每个 token 实际只跑 100B 左右。 这就是 MoE 的核心吸引力： 在「算力可承受」的前提下，把总容量做得远超 Dense，强化“记忆 & 专业化能力”。 2. 路由 & 负载均衡：MoE 的第一大坑 但换来的是非常难搞的一堆工程问题： Routing/gating 的选择 每个 token 要选出“最合适”的 1–2 个专家。路由器本身也是一个小网络，要学习“哪个 token 该找哪类专家”。训练前期很容易变成：少数几个专家被疯狂点名，其余专家闲置 → 训练不收敛。 Load balancing（负载均衡） 为了防止“热门专家爆满”，通常加一个正则/损失项，强制各专家被用得更均匀。太强 → 路由“被拉平”，失去“专家专长”；太弱 → 过度偏好少数专家，参数利用率低。 跨设备通信成本 专家通常分布在不同 TPU/GPU 上；每一层都要把 token 按路由结果“打散 + 聚合 + 再拼回”，需要大量 All-to-All 通信；通信没设计好，MoE 直接变成一个巨大的网络风暴制造机，吞吐掉到谷底。 Dense LLM 就简单很多： 所有层 & 参数按顺序切片，数据并行 / tensor 并行就行； 没有额外路由逻辑，也没有 All-to-All 的专家分发。 3. 表达能力：通才 vs 专才 MoE 的“理论卖点”是：不同专家可以学不同的“风格 / 领域 / 任务”： 有的更擅长代码； 有的更擅长数学； 有的更擅长对话/闲聊； 对于特定 token/任务，只调用那些“最适合”的专家。 这会带来几个有意思的现象： “专家人格”，在可视化路由模式时，能看到某些专家只在「代码块 + 错误信息」附近被激活；另一些专家在「多段数学推导」里用得更多。 局部过拟合 vs 全局泛化 好处：细分任务的表现可以很强（因为专家参数多，专注范围窄）； 风险：如果路由器没学好，有的专家可能对“某些写法/数据分布”过拟合，换个表达就表现下降。 Dense LLM 则是完全的“通才模式”：所有 token 都用同一套参数；更容易在分布迁移时保持稳健，但对容量和算力要求更高。 4. 训练 & 推理的稳定性 Dense LLM 优点： 实现简单，优化稳定； 不会出现“专家闲置”、“路由崩坏”的问题； 调参 & debug 难度低很多。 Sparse MoE 的典型麻烦： 训练稳定性更差 路由器一旦 bias 到几个专家上，训练会偏；需要 carefully 的 warmup、损失设计、甚至 curriculum 才能稳住。 调参维度更多 专家数量、每 token 激活专家数、capacity factor（每个 expert 能接多少 token）、负载均衡 loss 权重等等，都是额外的超参数。 部署 & 推理复杂度高 多设备专家部署布局；路由所带来的延迟和显存碎片问题；实时服务时要和 KV cache / batching 配合，这些都比 Dense 麻烦一大截。 但到了 Gemini 3 这种规模： Dense 再往上堆，推理成本会非常夸张； 在 TPU 上做全栈 MoE 优化对 Google 来说是可控的； 所以他们选了「更高系统复杂度，换更大容量和更低推理成本」这条路。 所以，谷歌使用MoE 是把“模型容量的 scaling law”从“全靠花算力”变成“花更多系统工程 + 一部分算力”。 幻觉情况如何？ Gemini 3 在“知道的事情答得很强”上是 SOTA，但在“不知道时老老实实说不知道”上，做得并不好。 几个关键 benchmark： SimpleQA Verified（事实问答准确率） 也就是说：在简单事实题上，它比竞品明显更“知道得多”。 Gemini 3 Pro：72.1% 正确率 Gemini 2.5 Pro：52.9% GPT-5.1：大约 35% 左右，Claude Sonnet 4.5 更低。 AA-Omniscience（知识 + 幻觉联合测评） 这 88% 是啥意思？大意是：当它没有答对时，~88% 的情况都会硬给一个自信的错误答案，而不是说“我不知道 / 没法确认”。 Gemini 3 Pro 在 Omniscience Index 总分和 Accuracy（正确率）都是第一。但同一个评测里，它的 Hallucination Rate ≈ 88%，而且和 Gemini 2.5 Pro 差不多。 所以： “Gemini 3 确实比上一代、也比很多竞品更常给出正确答案”； 但也的确 “一旦不知道，它依然很爱乱编，而且看起来很自信”。 不少媒体和分析直接点名这一点——“在可靠性 benchmark 里拿第一，但幻觉率仍然很高”。所以，Gemini 3 的幻觉问题现在看起来“挺严重”，而且和 2.5 相比在“会说不知道”这块几乎没进步。但与此同时，它在很多 推理、多模态和事实准确率 benchmark 上又明显领先。 所以更合理的定位可能是： 这是一个“知识多、推理强，但自我认知（知道自己不知道）还很差”的巨大大脑。 对如何使用Gemini用法，我会建议：把它当作“生成研究结构 + 发掘盲区 + 做 scenario/ontology 的 co-pilot”更为恰当合适。

财联社11月25日讯（编辑 史正丞）随着特斯拉的电动汽车业务陷入困境，世界首富马斯克正在试图给这家上市公司打上新标签——先进AI芯片设计和制造商。 这种尝试正中特斯拉股民的心头好。截至发稿，特斯拉周一开盘后涨幅最高突破7%。 作为最新动向的背景，马斯克上周末在社交平台X发文称，大多数人并不知道，特斯拉多年来一直拥有一支“先进的AI芯片与主板工程团队”，这支团队已经为汽车与数据中心设计并部署了数百万颗AI芯片，使特斯拉成为“真实世界AI”的领导者。 （来源：X） 马斯克披露： 特斯拉的AI5芯片（目前车上使用的是AI4芯片）已进入流片阶段，同时AI6芯片研发已启动； 公司目标是：每12个月推出一代全新AI芯片设计； 特斯拉预计其芯片出货量会高到一个程度——超过所有其他AI芯片加起来的总和。 马斯克更直言，这些芯片将“以积极方式深刻改变世界”，不仅提升行车安全、避免数百万生命损失，还能助力Optimus机器人，带来更先进的医疗辅助能力。 值得一提的是，从11月股东大会公开表示“要和英特尔谈谈”开始，马斯克已经多次提及“特斯拉要自己造芯片厂”一事。 举例而言，马斯克上周曾表示，鉴于全自动驾驶将变得更加普及，特斯拉的芯片需求将大幅增长，而台积电和三星等供应商无法满足这一需求。 他补充称，三星和台积电向他表示，从破土动工到建成一座新的芯片工厂需要大概五年的时间，让他感觉像是“陷入了无尽的等待”，因为他预期在一两年内就完成这项任务。 华尔街同步站台：特斯拉是“必须拥有”的品种 值得注意的是，同一天特斯拉还获卖方机构助攻。 Melius在报告中重申看多评级，称特斯拉正站在“自动化与AI大爆发”的前夜，是投资者“必须持有的品种”。 该机构分析师Rob Wertheimer及其团队认为，特斯拉在芯片、全链条垂直整合以及软件设计方面的领先优势正在不断拉大，而传统车企因架构落后，已经不可能追上这一代际差距。

IT之家 11 月 25 日消息，游戏作为广受欢迎的娱乐形式，在为玩家提供休闲体验的同时，也需警惕其中潜藏的国家安全风险。 国家安全部刚刚发文，讲述了个别境外势力试图利用游戏平台传播有害信息，实施危害我国国家安全的行为，值得引起关注。 具体风险表现在多个方面，国家安全部将其分为三大方面，IT之家附原文如下： 文化歧视，掺杂偏见的“软刀子”。个别境外出品的游戏在角色设定、剧情构建及美术风格中，或明或暗地掺杂对华人群体特别是我国人民的歧视与偏见。如将涉及中国元素的角色设定为阴险狡诈的形象，在游戏中扮演施暴者，从事各种违背当地法律的恶劣行为。 —— 践踏红线，混淆是非的“伪坐标”。个别境外出品的游戏在涉及中国版图时蓄意错绘，恶意标注，涉嫌危害我国国家统一、主权和领土完整。如某境外游戏公司在一款二战模拟游戏中公然将西藏列为英属印度的“核心领土”，扭曲西藏自古是中国一部分的事实，个别游戏配套地图存在错绘阿克赛钦、藏南地区国界，将台湾从中国“划分”出去等问题。 —— 包藏祸心，渗透策反的“狩猎场”。个别境外间谍情报机关对我人员渗透策反的手段与途径不断“推陈出新”，甚至将触角伸向游戏领域。某款境外出品的游戏绕过我审查监管，利用“看广告得道具奖励”的机制，向玩家精准投放“间谍招募”广告，随后以“合作”“兼职”的名义掩盖其真实意图，以“高薪”“知识变现”等话术诱导玩家达成进一步合作，是极具迷惑性的新型手段。 针对这些风险，国家安全部提示公众应提高防范意识，不能“娱乐至上”，忽视其深层风险，要树立底线思维，主动作为，抵制游戏中“夹带私货”、威胁我国家安全的险恶图谋。 慧眼识珠，谨防“偷梁换柱”。正确的国家版图是国家主权和领土完整的象征，是国家主权的体现形式。在游戏等文化产品涉及我地图边界、标识时，要提高警惕、正确辨别，确保国家版图完整无缺，是必须坚守的底线与红线。 健康游戏，勿要“娱乐至上”。选择官方应用商店等正规渠道下载游戏，避免使用来源不明的下载链接、安装包；要平衡好生活与娱乐，让游戏成为我们生活中的调味品、解压器。 抵制诱惑，小心“精准狩猎”。面对境外间谍情报机关隐藏在游戏中的“合作邀约”，要认清其策反拉拢、危害我国家安全的居心。自觉提高网络安全防范意识，常敲警钟，抵制诱惑，为自己的数字生活筑牢“防火墙”。 国家安全部强调，游戏虽小，战场却大；一屏之隔，思想交锋。面对暗流涌动的渗透策反，我们必须保持头脑清醒，坚持“零容忍”态度，切实筑牢新时代国家安全的“数字长城”。如在游戏、社交媒体或其他网络平台发现可能危害我国家安全的情况，请务必保持警惕，并通过官方渠道进行举报。

快科技11月25日消息，日前，豆包输入法宣布正式上线，安卓用户可在官网和安卓应用商店搜索下载，iOS版近期即将上线。 豆包输入法基于豆包App同款语音模型，语音识别和语义理解更准确，键盘输入体验和效率也有相应提升。 据了解，豆包输入法支持多种方言、英语以及中英混合输入，可适应轻声、快速说话，及嘈杂环境。 官方表示，语音结束后可自动纠正标点符号和断句，错误率比其他输入法低20%-50%不等。 豆包输入法安卓版支持点击输入和长按输入多种方式，支持一键撤销、一键发送。 此外，与其他语音输入需频繁跳转的第三方输入法不同，豆包输入法iOS版无需来回切换，更加省心。 键盘输入方面，豆包输入法可结合语境自动纠错，长句输入准确率提升明显。 同时，它还能结合上下文智能预测后续可能输入的文字、符号、emoji表情和日期，安卓版甚至支持联想常用计算公式。 据悉，豆包输入法页面整洁，界面无广告，支持下载智能离线模型，在无网或弱网环境也能使用语音。

IT之家 11 月 25 日消息，光量子（简称光子）是传递电磁相互作用的基本粒子，也是光的最小能量单元。 据央视报道，我国首个光量子计算机制造工厂昨日正式在广东深圳南山区落成，并已产出第一台计算能力达到 1000 个量子比特的光量子计算机。 IT之家查询获悉，该制造工厂占地面积约 5000 平方米，集研发、制造与测试功能于一体，目标在于实现光量子计算机的工程化、标准化与规模化生产。 光量子计算机的制造过程复杂精密，包含 7 大制程、223 道工序及超过 1000 个具体工步。其核心技术原理在于引导光子有序进入特定计算空间，保持间距并进行高速持续运动，再通过测量实现在毫秒级时间内完成单次计算任务，整机每日可执行数万次运算。 此工厂的建成与投产，标志着我国在量子计算领域实现了从实验室研发向工业化量产的重要跨越。 据玻色量子创始人马寅介绍，光量子计算机技术的应用已逐步引入多个行业领域，产生了数以百计的具体应用场景。该技术可显著提升人工智能模型的训练精度，推动基于量子计算的人工智能算法在应用层面取得进展。

快科技11月25日消息，据报道，小鹏汽车已向供应链发出《小鹏X9超级增程供应能力保障通知》，要求在今年年底前紧急追加5000套备料。 供应链核心人士透露，此举是为应对上市后的强劲订单需求，确保交付节奏不受影响。 小鹏X9超级增程于11月20日正式上市。此前小鹏方面宣布，新车上市1小时即突破X9历史全天大定纪录；北方地区订单占比首次突破50%；1602 Ultra版本占整体销量79%。 目前，小鹏汽车APP显示，X9 Max版交付周期已延长至 3-5 周，Ultra版本部分新增配色需4-6周。 行业人士指出，小鹏此番快速扩产动作，反映其对 X9 超级增程市场表现的强预期，以及对年底交付能力的进一步加码。 据悉，小鹏X9超级增程于11月20日正式上市，推出Max和Ultra两种版本，价格为30.98-32.98万。 作为小鹏首款增程动力车型，小鹏X9超级增程拥有60升大油箱和63.3度大电池，纯电CLTC续航里程452公里，一周通勤毫无压力，综合续航里程更是达到1602公里。 同时，车辆搭载800V高压平台与5C超充，10分钟可补能306km，纯电续航和充电速度都是强项。 此外，新车还具备“全球首个零重力座椅专属气囊”、“支持130km/h AEB+AES主动安全系统”、“三排电动三折叠” 等硬核产品力。

IT之家 11 月 24 日消息，据 BBC 报道，英国政府宣布，将追加 13 亿英镑（IT之家注：现汇率约合 121.06 亿元人民币）电动汽车补贴，同时投入 2 亿英镑（现汇率约合 18.62 亿元人民币）加快充电桩布局，进一步推动汽车产业向零排放转型。 该“电动汽车购车补贴计划”（Electric Car Grant scheme）于今年 7 月启动，是英国向零排放交通转型的重要举措之一。英国政府表示，该计划已帮助 3.5 万名消费者转购电动汽车。然而，初步研究显示，目前尚无明确证据表明该计划成功吸引了原本无意购车的新用户。 除购车补贴外，预算案还将包含用于增设充电设施的资金，并就如何帮助没有私人车道的居民充电问题展开公众咨询。值得注意的是，电动汽车车主也可能在周三公布的预算案中面临一项新的税收措施 —— 自 2028 年起实施的“按里程计费”制度，以替代传统燃油车所缴纳的燃油税。 英国通大臣海蒂・亚历山大（Heidi Alexander）表示，对电动汽车销售提供补贴有助于推动经济增长。“这是对国家未来的投资，也是对相关高质量制造业岗位的投资，”她举例指出日产 Leaf 车型在桑德兰的生产，“确保民众在希望购买新车时能够选择电动汽车，同时加大对充电基础设施的投资，是一项正确的长期决策。” 根据现行法规，自 2030 年起，英国将禁止销售新的汽油和柴油汽车，届时所有新车必须为纯电或混合动力车型。 目前英国的电动汽车购车补贴计划为符合条件的车辆提供最高 3,750 英镑（现汇率约合 34921 元人民币）的补贴，初始资金规模为 6.5 亿英镑（现汇率约合 60.53 亿元人民币）。然而，致力于推动英国电动化转型的非营利组织 New AutoMotive 近期研究发现，该计划尚未有效扩大电动汽车市场。数据显示，9 月份受补贴覆盖的电动汽车占新车注册量的 23.8%，与补贴政策公布前的市场份额持平。 此外，预算案预计将再拨款 2 亿英镑，用于加速全英充电网络的部署。据 Zapmap 平台数据，目前英国已有约 87,000 个充电桩，分布于约 44,000 个地点，包括超市停车场和路灯式充电桩等。 英国政府表示：“拟议中的资金将支持新建数千个充电桩，并为地方当局提供更多资源，加快在居民街道上建设充电设施，使包括无私人停车位居民在内的所有人都能更便捷地获得可靠的充电服务。” 英国财政大臣蕾切尔・里夫斯（Rachel Reeves）还预计将就“许可开发权”（Permitted Development Rights）发布公众咨询，旨在简化流程、降低成本，让无私人车道的居民更容易安装家用充电桩。

IT之家 11 月 24 日消息，巧克力换电官方今日分享，时代电服（宁德时代全资子公司）联合龙昇新能源控股有限公司、一汽进出口、时代小桔签订四方战略合作协议，并在香港启德北龙昇新能源换电生态展厅开幕仪式上正式亮相全球首台右舵可换电新能源出租车 —— 红旗 E-QM5。 据介绍，红旗 E-QM5 右舵版搭载巧克力换电技术，支持 99 秒极速换电补能；配备 56kWh 宁德时代巧克力电池块，具备 500kmCLTC 续航里程，可满足香港全城运营需求。 IT之家从据巧克力换电官方获悉，香港首座巧克力换电站新界粉岭站将投入服务。根据规划，2026 年底前巧克力换电将在香港建成 6 座换电站、2027 年将实现全港 14 座巧克力换电站覆盖核心区域。

中美贸易战就像路易十六，根本看不到头。 川子这边刚和咱们签完一年期 “ 停战协议 ” ，结果美国车企就又来上压力了。 前几天，美国《华尔街日报》就报道说，特斯拉很有可能在未来一到两年内，不再使用中国生产的零部件制造美国本土汽车，咱们国内的一些企业，估计又要被 gank 一波。 不是，老马，你想干嘛？这边吃着中国的饭，回去就想砸咱们的碗？ 其实说实话，这事儿还真由不得他。在今年 5 月的时候，特朗普就表示，美国汽车制造商必须在美国本土完成整车和零部件的全部生产，否则就是各种关税伺候。 说白了，背后还是川子在暗戳戳搞事情。 他的目的当然是制造业回流，以及那句 Make America Great Again 。既然我没法降低美国供应链的成本，那就只好让中国进口的成本更高了。 所以为了规避风险，几乎所有美国车企都在积极 “ 去中国化 ” 。更早些时候，路透社就爆出了通用汽车准备放弃中国供应链的新闻。 虽然在正式场面，通用是顾左右而言它，没有正面回应，但有消息称，在 2024 年起，通用就已经对供应商提出类似要求。 说明特斯拉、通用这些美国车企的 “ 去中国化 ” 策略，并非最近才下决定，而是过去一直在发生。 原因就是美国一直以来的政策。比如在 2023 年，老美出台的《通胀削减法案》，直接包含了对咱们电池产品的禁令。 法案里明确要求，美国车企使用的电池组件和关键矿物（比如锂、镍、钴、石墨），不能有中国、俄罗斯、朝鲜、伊朗等企业的成分，否则就拿不到 7500 美元的税收减免。 先不说为啥是这么几个国家放一起，关键你指了这么一大圈的国家，里面能卖动力电池给美国的，还不只有咱们嘛？所以这玩意儿的目的，就是为了让美国车企对中国电池死心。 于是在政策压力下，特斯拉就在北美放弃宁德时代，彻底投奔松下和 LG 。 然而，为了让美国车企彻底戒断中国零部件，这些法案还都只是前戏，川子又准备靠关税大力出奇迹。 在今年 3 月份，特朗普就签署行政令，准备对所有进口汽车和零部件征收 25% 的关税（232 关税），直接让美产 Model Y 的成本增加了 10000 美元左右。 甚至他还威胁，如果不进一步把产业转移到美国，还会再提高到 50% 。 说实话，这就有点过了，到头来成本不还得加在老百姓身上？ 不过没想到的是，这事儿最先开始急的却是很多欧洲车企，因为这波不仅是咱们和美国的事，连欧洲也被同等制裁了。比如美国从意大利进口的法拉利，就因为关税成本，立即宣布涨价 10% 。 我只能说，川子还是厚道，对事不对人。总之，在全球一片骂声下，关税还是实行了下去。 但老美还是心善，最后还开了道口子，只要你在北美自贸区（美国、加拿大、墨西哥）生产，仍然算是 “ 国产 ” ，一些中国供应商是通过墨西哥转口，持续把产品输送到美国车企。 只不过这事儿有个前提，就是你在墨西哥或者加拿大过一手的时候，要在当地建工厂，这个增值的部分至少占到产品总价值的 75% 。至少，国内供应商的核心技术没外流，钱也还是能赚。 然而事到如今，川子开始又发现有点不对劲，整半天国内汽车都搞涨价了，最后肥了墨西哥？所以为了防止咱们继续 “ 伪装 ” 成其它国家的本土产品进入美国市场， “ 转口贸易 ” 这个口子将会越收越紧。 对各家车企来说，那就只剩一条路：彻底放弃中国供应商。 但这毕竟是一件双输的事情，车企压根没动力实行下去，一开始大伙儿也是左右为难。 而现在这些车企突然加快脚步，被各大媒体曝光，主要是因为最近的稀土和安世事件，让它们越发担心，零件被断供。 这两件事儿大伙儿应该都清楚，不管是咱们主动收紧监管，还是突如其来的国际纠纷，面对中国供应商在关键领域的不可替代性，美国和欧洲车企都有些慌了。 所以，大伙儿都在想办法应对。不仅是特斯拉、通用这些美国车企准备与中国供应链 “ 脱钩 ” ，宝马、大众、奔驰、Steellantis 等等欧洲车企也宣布将摆脱中国供应链。 这绝非什么好事，但对此，咱们的一些网友可能有点太过应激。 比如网上不少人看到这个消息，就开始担心相关供应商股票会不会跌停，对咱们汽车行业的未来也不太看好。 我觉得吧，大伙儿真没必要太过悲观。 首先，这事儿和咱们并没有直接关系。上述这些新闻原稿里，都特别强调了 “ 美产汽车 ” ，这说明换供应商的事只会发生在美国，国内生产的美系车当然还是咱们自家的零件。 不存在以后特斯拉价格上涨，或者买不到宁德电池的问题，通用和上汽的合作也是按原计划进行，更别说上汽通用五菱了。。。 而对于国内的供应商来说，虽然一定程度上会受到影响，但海外车企未必真能快速完成替代。 比如说稀土这些战略级别的产业，不是你要不要的问题，咱们给不给都还另说。实际上，国际车企们想要彻底和中国供应商 “ 脱钩 ” ，是有很大难度的。 就拿特斯拉来说，目前在美国出售的车型，已经 100% 由北美工厂生产，但依然有 50% 左右的零件和中国相关。如果它能替代，早就替代了，还能等到今天？ 像特斯拉的热管理系统，主要来自三花智控，尽管它和法雷奥、电装等国际巨头存在竞争，但三花在热管理集成组件上处于绝对领先，很难被取代。 另外，还有拓普集团的 9800 吨大压铸，以及福耀玻璃的天窗、前挡风等等，这些企业的产品可以做到比欧美竞品低 30% 以上。 你硬要把这 50% 的部分全部抹平，美国汽车的价格将会大幅上升，到时候，咱们直接出口四轮老头乐岂不是更香？ 所以两年后，这波 “ 脱钩 ” 究竟能到怎样的程度，还真不好说。 毕竟，谁在逃避竞争，谁在拥抱竞争，明眼人应该都看得清。 责任编辑：随心

IT之家 11 月 24 日消息，据汽车媒体 AutoCar 今天报道，奔驰曾在今年 9 月宣布开发“小 G”入门级 SUV 汽车，形成类似路虎揽胜 / 卫士的产品线布局。 目前该车的伪装车已上路，“小 G”在车身高度上非常迷你，与旁边高 1718mm 的 EQS SUV 相比，小 G 显得更矮，而标准版的“大 G”（G-Class）高 1969mm。 外观方面，“小 G”整体延续了“大 G”经典的方盒子造型，拥有标志性的三片侧窗设计和外挂式“小书包”备胎，不过它搭载了全新的大灯，定位更加细分。 奔驰前技术负责人曾表示，这款入门级车型将基于全新独立架构打造，尽可能实现真实可靠，并且大部分车身组件都将采用独有设计，该平台被称为“微型梯形车架底盘”，虽然没有“大 G”那么硬核，但悬挂、车轮尺寸方面与“大 G”有几分相似。 结合IT之家此前援引 Autocar 消息，奔驰董事长康林松曾在 9 月透露测试车即将上路，并展示了新车尾部预览图，“小 G”预计将仅提供纯电动版本，与“大 G”油电并行的策略不同。

文章开头先问大家一个场景。 作为一个 iPhone 用户，当你在微信里跟朋友约好“明天上午 11 点去商场吃饭”，你会怎么把它存进日历里？ 通常的流程是这样的：长按消息 > 复制 > 退出微信 > 滑动屏幕找日历 App > 新建日程 > 粘贴 > 手动拨弄那个滚轮设置时间 > 点击添加。 这一套连招下来，饭还没吃，人已经累了。 有时我也纳闷为什么这么简单的事情，2025 年了还没有能自动化一点的处理方案？ 不过最近，我发现了一个叫“Todoo！记忆土豆”的 App，似乎可以解决这个问题。 它的作用就是，把 iPhone 那个平时没啥存在感的操作按钮（反正我是不用），直接变成一个“一键记忆”的按钮。 简单来说，它的逻辑是这样的： 当你按一下按钮，App 会自动帮你在后台截个屏，然后利用 AI 识别图片里的文字，理解你的意图，最后把关键信息提取出来，直接塞进你的日程表里。 这给人的感觉，有点像隔壁绿厂的小布记忆。。。行，果子哥不做，人家独立开发者给它安排了。 我们来测试下。 比如你正和朋友在微信里聊得火热，敲定了明天上午去西溪天街猛吃一顿。 这时，你不用退出微信，只要按住操作按钮，此时屏幕会微微闪一下，然后它就在灵动岛上面开始识别意图。 等你再打开 Todoo，就会发现西溪天街的行程已经被安排上了，时间锁定在 10 点半。 要知道，全程我们只做了一个动作，按按钮。 第二天到点后，日历和 App 都会发来通知提醒你。 你可能会说怎么到点才提醒啊，哥们都迟到了。 不慌，这些日程默认都是 2 次提醒：15 分钟之前+正点。 你要是觉得 15 分钟太紧，可以在日程详情里修改。 反正世超建议改为 1 个小时，毕竟从床上爬起来到出门，没个把小时真不行。 当然，有人会说这事 Siri 也能做啊，一嗓子喊出来说两句呗。 确实，但 Todoo 能做的远不止这些。 像大家平时在猫眼、淘票票买电影票，界面上也有影院、时间、座位号、票价这一堆信息。 你只要在购票时按一下按钮，Todoo 就能把“哪个电影院、哪个厅、什么时间”全部识别出来，自动生成一个观影日程。 备注也会很详细，花了多少钱，用了多少优惠。 或者，你刷小红书看到 GTA 6 又延期到了明年 11 月 19 日（ R 星你最好是 ），对象发微信让你几点顺路去驿站拿个快递，这些都能用 Todoo 一键保存。 甚至，你还可以用它来识别取餐码。 只要按一下操作按钮，它就会把取餐码置顶在灵动岛上。 这个是真的好。 但不知道啥情况，世超并没有测试成功，看看下一个版本能不能优化下。下面截图来自开发者本人。 所有这些存下的日程既可以在 App 里查看，也可以选择尘封起来。 以后回顾时，就能一眼看出哪一天最充实，安排了啥啥活动。 此外，App 支持小组件，挂在桌面上随时提醒，防止你忘事。 目前由于系统权限问题，App 要想正常使用，需要设置一波。 你要先在 Todoo 里添加一个快捷指令，接着把操作按钮映射为这个快捷指令就行。 听到这，肯定有手持老款 iPhone 的差友要说了：咋滴，我没有操作按钮，不配用是不？ 别急，能用。 Todoo 的核心触发机制其实是那个快捷指令。你完全可以利用 iOS 的辅助功能，在设置-辅助功能-触控-轻点背部，把“轻点背面两下/三下”设置为触发这个指令。 要召唤 Todoo，就轻敲手机背盖两下，这操作看着还更极客一点。 但是，注意我说但是了。 世超提醒大家，目前 App 还是非常初期阶段，有不少体验问题。 比如 App 对多轮对话的理解还是差点意思。 举个例子，我在微信里说：11 点见 朋友说 10 点半吧 我说不行，我是你爹，得听我的 最后朋友回了个“ OK ”。 按人类的逻辑，这时间肯定是 11 点对吧？但 Todoo 似乎只会抓取“日期”，最后给你定个 10 点半。 这锅可能得算在接入的模型能力上，也可能是 App 的分析逻辑还得优化。 目前 App 完全免费。 但咱也知道，大模型跑一次 API 都是要烧钱的，为爱发电不太现实。我觉得后续大概率会转收费，或者推出高级版。 说实话，如果开发者能换个更聪明的模型，优化下识别逻辑，解决掉复杂对话识别的痛点，掏钱我真愿意。 责任编辑：随心

快科技11月25日消息，基于嫦娥六号月壤样品，中国科学院地质与地球物理研究所祁生文研究员团队系统揭示了月球背面月壤表现出的较高黏性特征的物理机制，从颗粒力学层面完整阐释了嫦娥六号月壤“为什么这么黏”的科学谜题。 相关研究成果今天在国际学术期刊《自然·天文》发表。 这一研究源于2024年6月嫦娥六号任务的意外发现——任务总设计师胡浩在国新办新闻发布会上提及，月球背面着陆区采样时，月壤表现出“稍微黏稠一点、还有点结块”的特征，与月球正面嫦娥五号带回的月壤物理特性存在明显差异。 这一现象迅速引发科研团队关注，经过一年多系统研究，终于厘清背后机制。 研究团队通过固定漏斗实验、滚筒实验等一系列测试，精确测定了嫦娥六号月壤的休止角（衡量颗粒材料流动性的核心指标）。 结果显示，其休止角显著大于嫦娥五号及阿波罗任务带回的月壤样品，流动特性更接近地球上的黏性土体，直接证实了“月壤更黏稠”的直观感受。 在成分分析环节，科研人员发现月壤中仅含极少量磁性矿物，且完全不含黏土矿物，由此排除了磁力吸附和胶结作用对黏性的影响。 进一步研究表明，月壤的高黏性由摩擦力、范德华力、静电力三种粒间力协同控制：摩擦力与颗粒表面粗糙度正相关，范德华力和静电力则随颗粒尺寸减小而显著增强，且当颗粒D60值（小于该粒径的颗粒重量占总重量60%时的粒径）低于100微米时，后两种力的作用会大幅凸显，让非黏性矿物颗粒呈现出黏性特征。 为验证这一结论，团队对嫦娥六号月壤样品进行了1微米高空间分辨CT扫描，对超过29万个颗粒的尺寸与形态进行精准分析。 对比发现，嫦娥六号月壤的D60值仅为48.4微米，是三类月壤中最小的，且颗粒形态更复杂、球度显著偏低——这一“细而不圆”的反常特征，与月壤中富含易破碎的长石矿物（占比32.6%）以及月球背面经历更强的太空风化作用密切相关。 细颗粒与复杂粗糙的表面形态，进一步放大了三种粒间力的协同效应，最终导致月壤表现出高黏性。 该研究首次从颗粒力学角度系统阐释月壤的黏聚行为，不仅解答了嫦娥六号月壤的特性谜题，更为未来月球探测任务设计、月球基地建设、月面资源开发利用等提供了重要科学依据，助力我国在月球科学研究领域持续突破。 【本文结束】如需转载请务必注明出处：快科技 责任编辑：建嘉

毫末智行官方 去年11月底，毫末智行董事长张凯、CEO顾维灏发了一封名为《毫末智行，“前进四”》的内部信。 在这封信的开篇这样写道： 5年前的11月29日，我们在北京注册了毫末智行科技有限公司。那天北京很冷，我们几个去注册的同事，注册完后在寒风中啃着汉堡庆祝。回来后他们跟我们说，虽然天气很冷，但是无比开心，因为内心充满了希望。对毫末而言，这是意义重大的日子。在将来，也一定会变成对自动驾驶行业不可忽视的一天。 “前进四”是《三体》小说里“自然选择号”飞船的最大加速度档位，即光速的百分之十五。在“前进四”状态下，全员必须进入深海状态，以承受极高的加速度带来的巨大压力。“前进四”正是全体毫末人需要进入的状态。我们需要咬紧牙关、努力再努力，用比别人多几倍的努力，把毫末的名字牢牢刻在智驾发展的里程碑上。 让人没想到的是一年之后，距离六周年还有5天的这个周一，也是在北京的寒风中，毫末却进入停摆之中，陨落在智驾发展的历史长河之中。 网上的调侃很刺耳：“人在加班中，公司没了。” 11月22日，还在办公室加班的毫末员工收到了一封内部邮件，通知自11月24日起，公司及分公司全部在职员工进入停工放假状态。 没有正式公告，也没有明确的善后方案。毫末的倒下，都在预料之中，又来得有点让人猝不及防。 曾经估值超10亿美元的自动驾驶独角兽，曾经资本的宠儿以及长城汽车的“亲儿子”，却以这样的方式结束，这让人始料未及。 毫末的困局：从“亲儿子”到边缘化 毫末智行前身是长城汽车技术中心的智能驾驶前瞻分部，成立于2019年11月，核心团队由董事长张凯、CEO顾维灏、COO侯军、CIO甄龙豹组成，其中董事长和CIO均来自长城汽车，CEO和COO则来自百度和华为。 有知情人士告诉笔者，至少在一两年前就听说长城内部放弃了毫末。毫末内部管理层很多来自长城体系，“一群老人”对于智驾往哪做、怎么做，跟市场脱节得比较严重。 这也是一直会有说法“毫末的智驾竞争不过元戎启行”。也因此，长城汽车转而去向外求，2024年11月，元戎启行获得了由长城汽车独家领投的C1轮1亿美元融资。今年7月，有媒体报道，长城汽车相关主体公司计划再向元戎启行进行一笔投资，预计投资8亿—10亿元人民币。 为何会如此？可能和毫末的城市NOH一直“跳票”有关。 在成立之初，毫末的规划本来是首款落地车型为魏牌旗舰车型，然后在长城汽车全品牌、全系列车型陆续搭载。 作为比较早宣布要将城市NOH落地的智驾公司，毫末却迟迟未能兑现量产落地目标。 早在2022年8月的成都车展上，毫末就宣布要在长城魏牌摩卡DHT-PHEV激光雷达版上推出城市NOH，预计在当年四季度上车交付，年底在10个城市落地，2023年使用范围计划扩大到100城。 但到了2023年5月，毫末智行又宣布，随着具备城市NOH功能的魏牌新摩卡DHT-PHEV和蓝山上市，毫末城市NOH将首批落地在北京、保定、上海等城市，并于2024年开拓100个城市，2025年底实现100万台装机量，但截至2024年底，并未完成上述目标。 毫末城市NOH的多次“跳票”，直接影响了长城汽车对其技术实力的信任。同时，随着市场对于智驾能力的比拼越来越激烈，也直接导致长城汽车逐渐对其失去了耐心。 正是在这样的背景条件之下，从2024年开始，毫末被撤去主力地位，长城汽车转而启用外部智能驾驶方案商。2024年8月上市的魏牌蓝山、2025年5月上市的魏牌高山，其智驾版本端到端高阶智驾算法由元戎启行提供。 除了与元戎启行合作外，长城汽车还引入了卓驭科技（原大疆车载），为其平价车型开发智驾方案，该方案将率先应用于哈弗、欧拉等主力车型。哈弗二代枭龙MAX的智驾方案则采用了卓驭科技7V+32TOPS的中算力方案。 而到了2025年5月份，在乘用车辅助驾驶业务上，毫末仅有现代汽车两款车型项目，主要提供记忆行车与泊车等功能，但功能开发缓慢。 随着毫末的倒下，与现代汽车合作的项目也随之蒙上了阴影。关于北京现代首款纯电平台SUV EO 羿欧是否最终搭载了毫末的智能辅助驾驶解决方案，北京现代并未对笔者做出回应，且对于智能辅助驾驶具体用的谁家方案闭口不谈。 有业内人士向笔者表示，毫末的倒下，早已在城市NOH迟迟不能落地时就埋下了伏笔。在竞争如此激烈的车市里，长城汽车等不起，其他的合作厂商也等不起。对于智驾供应商而言，不只是要能按时量产落地，还要技术能力过硬，能够真正为厂商产品添彩，才能抱紧车企的大腿，其他任何画饼在这个时代都无法生存下去。 IPO受阻，资金链告急 相比一些自动驾驶初创公司，毫末的起点很高，含着金钥匙出生，不缺钱也不缺订单。 在资本市场，毫末智行曾吸引了大量投资。2021年2月，毫末智行完成了3亿元的Pre-A轮融资，由美团战略投资部领投；2021年12月，毫末智行又完成了近10亿元的A轮融资，投后估值超过10亿美元（约合人民币71亿元），成功跻身独角兽行列。 2024年2月22日，毫末智行宣布获超亿元B1轮融资，此轮融资由成都武发基金投资，募得资金将主要用于毫末大模型等AI自动驾驶技术的研发投入。 两个月后，毫末又获得了 3 亿元人民币 B2 轮融资，此轮融资由老股东九智资本和湖州长兴设立产业招商基金共同投资。 连续获得融资，看起来毫末的一切都在向好发展，IPO也在稳步推进之中。 但到了2024年10月份，有媒体报道称，长城汽车董事长魏建军内部暂时叫停毫末智行的港股IPO。当时张凯对外回应表示，“毫末智行没有暂停赴港IPO计划，仍在进行中。具体的IPO时间应该是2025年”。 不过，接下来11月份，毫末就被传出裁员的消息，称职能部门已裁员约30%—50%，将按照“N+1”的标准向被裁员工进行补偿。不过，毫末对此回应称“这是公司进行正常的组织架构调整。” 从巅峰时期有超过千人的团队，到进入2025年之后，慢慢只剩下200余人，而毫末IPO的推进情况也再未对外披露。 而在2024年，有多家自动驾驶公司顺利完成上市，包括如祺出行、黑芝麻智能、文远知行、地平线、小马智行、佑驾创新等。 2025年6月，甚至传出毫末的董事长张凯已提出离职。尽管张凯对外否认了该传言，但在今年4月，毫末的技术副总裁艾锐、产品副总裁蔡娜等核心高管都已离开。 毫末中高层的人事动荡，曾引发行业的热议与关注。而在这次停摆之前，毫末公关部人员早已全部离开，而自今年8月起，有员工透露，毫末就不再按时发工资，截至目前，公司已拖欠两个月工资。 多种迹象表明，毫末智行如今的情形，早已埋下伏笔。也因此，有人对笔者说，“那些留下的人，为何还会存有侥幸心理以为公司能挺过去呢？如果早离开了，也不至于沦落到如今被动的地步。” 敲响警钟：行业洗牌加速 世事难料，当初毫末初成立时，也曾豪情满志，计划2022年实现盈利，2023年科创板上市。谁承想梦想依旧还是那个梦想，但时代也在短短五六年间，发生了翻天覆地的变化。 曾经野蛮生长的自动驾驶行业，再也不能靠吹牛皮讲PPT赢得资本的青睐，行业资源开始加剧向头部公司聚集，不能真正实现量产上车的公司将会率先被淘汰出局。 对于自动驾驶公司的要求也越来越高，技术路线选对是入场券，资本生态做对是生存权，而量产落地做好才能拿到通行证。 随着智能驾驶从“加分项”变为“核心产品力”，市场竞争已进入“成本与体验竞赛”的残酷淘汰赛阶段。自动驾驶公司想要继续活下来，后面就只能拼真本事了。 也许正如毫末智行去年发布的内部信所预言的那样：智驾市场进入你死我活竞争期，稍有不慎就会落后，挑战层出不穷，唯有迎难而上。 智驾市场已经进入深水区，毫末不是第一个倒下的，也不会是最后一个，明年市场竞争只会更加激烈，行业洗牌也在加速。（作者｜张敏，编辑｜李玉鹏） 更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站