IT之家 11 月 23 日消息，据华为终端官方分享，美团鸿蒙版 App 近日迎来更新，“拼好饭”功能首发接入了鸿蒙实况窗。 ▲ 图源：华为终端官方微博 据微博多名用户反馈，美团的“拼好饭”目前暂未适配苹果的灵动岛，因此无法在灵动岛上查看实时配送情况。如此来看，美团鸿蒙版 App 在部分功能上已领先 iOS 版。 参考IT之家此前报道，美团于 2020 年在部分地区测试了“拼好饭”功能，其优点是可以低价拼单、免包装费和物流费等。今年 7 月，美团宣布拼好饭推出“百万亮厨”计划，将联合 20 万商家打造透明开放标杆，通过图文实况、视频直播等，向顾客即时更新真实的后厨环境。

去年，OpenAI创始人奥特曼在OpenAI首届开发者大会上预测，未来各行各业，每一个人都可以拥有一个AI Agent。比尔·盖茨也为AI Agent撰写千字博文，称AI Agent将彻底改变人机交互方式，并颠覆整个软件行业。继大模型密集爆发之后，AI Agent风潮又席卷而来。 国内的各科技巨头也纷纷发布自家的AI Agent平台，如：钉钉的AI PaaS、百度智能云千帆大模型平台、字节的扣子空间、讯飞星辰智能体平台等等。未来已来，随着AI大模型的不断“演进”，AI Agent大爆发的时代大幕，已经拉开。 01 AI Agent“寒武纪”，大爆发 1、什么是AI Agent？ AI Agent作为新生事物，尚处于从理论到应用的探索阶段。2023年6月，OpenAI应用研究主管LilianWeng提出： Agent = LLM + 记忆 + 规划技能 + 工具使用 2024年在红杉资本的人工智能峰会上，吴恩达认为Agent 应该具备四种主要能力，即：反思（Reflection）、使用工具（Tool use）、规划（Planning）以及多智能体协同（Multi-agent collaboration）。 不难看出，业内大佬专家们对AI的理解还是大致趋同的，所谓Agent，我们可以简单理解为一种能够感知环境、自主决策、执行复杂任务的智能实体。在当前阶段，Agent主要以大语言模型（LLM）为核心驱动力，以记忆、规划和工具能力为关键模块。 2、AI Agent，大爆发 在距今5.4亿年前的寒武纪，地球上绝大多数的动物“门”，都开始陆续出现。这一时期持续了两三千万年，并在此过程中出现了大量较高等生物，形成了物种多样性的基本样态，成为地球生命的大爆发时期。类似于寒武纪生命大爆发，BabyGPT、AutoGPT、Generative Agents等实验性产品的陆续问世，让大模型的下半场出现了类似“寒武纪”般的Agent大爆发。所不同的是，寒武纪的生命是碳基生命，而当前的AI Agent（智能体），则是硅基生命。 如同生命的演进，未来的Agent的世界，会有越来越多的应用出现在应用层上。并且会不断升级迭代，“进化”出更加复杂的智能形态。虽然目前来看，Agent能做的还比较有限，但诸如HuggingGPT，在局部模块上已经展示了其使用工具的能力。相信随着技术的不断成熟和进步，Agent必然会像人类的进化一样，最终能够做到思考、执行、并自动解决各种问题。 02 中国VS美国，AI Agent发展现状 1、中国：巨头引领，初创涌动 投资圈流传这样一个说法，“十个AI应用里面，五个办公Agent，三个AIGC”的境况。作为公认LLM落地的最佳载体，Agent在国内的发展势头，可以说是百舸争流，热闹异常。 首先是巨头引领，率先发力。前面提到的钉钉、百度、字节等，是以平台模式为主，为中小公司提供基建，类似open AI的GPTs。 AI PaaS 中包含模型训练平台、模型调度平台和插件开发平台 三个部分。最底层具备AI基础设施支撑，第一层开放了各类通用大模型和插件，企业可以通过大模型调取进行调参，打造自己的专属模型；第二层则是模型调度平台，包括上下文记忆、智能规划、模板管理、通用能力和提示工具；运用这两层提供的工具和能力，生态中的企业可以开发出多种多样的AI应用，同时，钉钉还在第三层提供了不同场景应用和行业解决方案。 百度智能云千帆大模型平台，也是由AI基础设施、基础管控平台、通用大模型训练、提示工程、模型精调、Prompt工程等功能构成。它和AI PaaS各有千秋。相较而言，百度的大模型平台的大模型训练，功能更加细化丰富，钉钉则更加注重流程的简化，以此降低用户的使用门槛。 除大厂外，专注应用层的创业公司也都盯紧了Agent。它们往往船小好掉头，尤其是专注垂直领域的企业，更有机会快速创新并推出对应赛道的产品与解决方案。 2、美国：先发优势明显，场景大爆发 在整个AI领域，美国都拥有明显的先发优势，Agent也是如此，他们不光在技术上更领先一步，在应用场景上也明显更为丰富。比如微软的AutoGen、OpenAI的GPTs，编程的Devin、客服的Agent4、零售的Regie.AI等。 AutoGen允许多个 LLM 智能体通过聊天来解决任务。LLM 智能体可以扮演各种角色，如程序员、设计师，或者是各种角色的组合，对话过程就把任务解决了。 OpenAI的GPTs允许任何人创建一个定制版本的ChatGPT，它可以帮助你学习任何棋盘游戏的规则，帮助教你的孩子数学，或者设计贴纸。任何人都可以轻松地构建自己的GPT，而无需编码知识。 Devin能够规划并执行涉及数千个决策的复杂工程任务，在每一步中都能回忆起相关上下文，并能随时间推移学习并纠正错误，它不仅能够自动完成任务，甚至在几分钟内就能自行编写整个应用程序。 Agent4可以理解自然语言，与用户进行流畅的对话，根据用户的需求和偏好，提供个性化的服务。可以接听各品牌技能话务，能够按照知识库及时准确回答客户，为客户提供标准服务，还能够快速掌握公司的新政策、新业务。 Regie.AI可以创建自定义销售序列，编写高度个性化的电子邮件，并存储相关的销售内容。它还与领先的销售参与平台（如 Outreach.io、SalesLoft和Hubspot）集成，减少了将消息传递到市场并初显成效所需的时间。Regie.AI可以很好地用于零售和电子商务，为用户塑造与核心零售目标和目标相一致的定制且数据丰富的购物体验。 03 AI Agent离我们还有多远？ 1、“大脑”还不完善 在AI领域，大模型被视为Agent的大脑，“多模态大模型+Agent”也被认为是通往AGI的可行路径。Agent可以通过不断学习，来适应处于变化状态的应用环境，既能胜任已知多模态任务，还可以快速应对未知的多模态任务。但与此同时，人们还对Agent抱有更高的预期，希望它能具有真正意义上的的创造性，通过对环境的自主探索，发现新的策略和解决方案。 但现实是，目前的大模型“大脑”并没有非常完善，还不足以支撑Agent更大程度的发挥。这也是大模型尚未实现AGI（通用人工智能）；多模态（图片、视频的识别和生成）还在发展之中（如sora等文生视频大模型，还不够完善）的最大Bug。 2、“手脚”还不够强壮 不论是MCP、A2A协议的支持，还是现有网站、App的接口，它们好比Agent的手脚，一个健康的工具生态对于AI Agent的发展至关重要。最近一年以来Agent工具生态的发展很快，包括浏览器、编程IDE、向量数据库等等，吸引了一大批创业者入局，Agent能够调用的工具越来越多。但是从量变到质变还需要一段相当长的时间。 3、缺乏Agent通用外部框架 统一的底层开发框架，可以为AI Agent提供共享服务和功能，包括各种工具和库，如用于处理数据的工具，用于训练和测试模型的库，以及用于部署和监控AI Agent的工具等。它可以帮助开发者快速开发和部署AI Agent，而无需从头开始构建所有的基础设施和功能。 尽管已经有一些开源框架可供使用，但是从可用到易用，还要走很长一段路。 4、百花齐放才是春天 在AI Agent的开发领域，目前有一些国内外的大型的平台和公司，已经在进行有效研发并不断推出应用，如国内的钉钉、百度、字节，国外的微软、OpenAI等。但相对于“一（几）枝独秀”来说，形成“百花齐放”的AI Agent健康生态，无疑更为重要。这在客观上需要更多中小型软件服务商参与进来，共襄盛举。 中小型软件服务商由于对特定业务场景的深入理解，他们开发的AI Agent往往能更好地满足用户的需求，从而提高AI Agent的质量。比如，一家专注于电商领域的软件服务商，可能会开发出一个可以根据用户的购物历史和喜好，提供个性化推荐的AI Agent。此外，中小型软件服务商由于规模相对较小，他们在开发AI Agent时，往往能更快地尝试新的技术和方法，从而推动AI Agent技术的创新。 04 AI Agent，革了toB软件的命 1、toB软件生态革命来了 AI Agent正在慢慢改变面向企业（toB）的软件行业。未来的企业，将更多地依赖于集成化的平台，如钉钉、飞书、企业微信等，这些平台提供了一站式的解决方案，包括打卡、考勤、业务流程审批、OA、ERP、CRM等功能。这些功能都“长在”平台上，也就是说，它们都集成在同一个应用或平台中，用户无需离开这个平台就可以完成所有的工作。这样的设计使得用户体验更加流畅，成本更低，效率更高。而这一优势，必然会导致未来独立入口的toB软件越来越少。毕竟，没谁愿意在多个软件之间来回切换，低效、费时又费钱。 2、AI Agent 加速淘汰toB软件 这些加速淘汰的toB软件包括：简单数据分析、标准流程类（OA、业务、营销、财务等）、执行自动类（RPA软件）、轻咨询、传统教育。 1）数据分析类 这类软件可以对企业内部和外部的海量数据进行处理、分析和可视化，帮助企业做出更明智的决策。但随着大模型技术的不断发展，一些AI平台就可以开始提供更加智能化的数据分析和预测服务，从而让这类toB软件相形见绌，面临被取代的窘境。 2）标准流程类 大模型强悍的数据处理和学习能力，可以通过对大量办公数据的学习和分析，自动化处理那些重复性高、规则明确的任务，以此省去简单重复但是耗时耗力的人工处理。因此，跟所有标准化程度高的职业一样，OA（办公自动化）、业务审批流和营销自动化等标准流程类软件同样面临着被取代的风险。 3)执行自动化类 这一类工具（RPA）的主要优势在于能够模拟人类在电脑上的操作，从而在各种重复性高、规则明确的任务中取代人力。例如，在财务领域，RPA可以自动执行账务处理、数据录入、发票验证等任务；在客服领域，RPA可以通过自然语言处理技术实现自动回复客户邮件、处理投诉等任务。但其缺点也很明显，比如无法处理复杂和高度变化的流程，需要人类进行决策和判断的任务也不太适合使用RPA。 4）轻咨询服务软件 这类软件可以帮助企业了解行业动态、市场趋势和竞争状况，提供决策支持。但随着AI技术的发展，大模型提供智能化的行业分析和咨询服务其实更胜一筹，也更加便利。因此在未来，不只软件甚至整个轻咨询行业，都会受到AI大模型的巨大影响。 5）传统教育软件 与传统的线上教育软件，如编程教育、英语陪练等相比，AI具有更明显的优势，比如AI大模型可以自动生成教学方案，提供更加个性化、精准的教学内容，从而减少对人工教学的依赖。 3、三类软件，会越来越好 这三类软件是：复杂业务管理、拥有稀缺数据的、行业管理软件。 1）复杂业务管理软件 ERP、WMS和TMS等复杂业务管理软件在企业中发挥着重要的作用，它们可以帮助企业实现资源的优化配置、进销存的管理和运输过程的监控。但是，复杂业务管理软件往往需要处理大量的数据和复杂的流程，并且需要结合企业的实际情况进行定制化开发。AI技术可以在一定程度上提供辅助功能，但想要做到完全取代，还是很难的。 2）拥有稀缺数据的软件 一些行业类的软件，如精密制造、离散制造等工业类软件，以及新药研发管理软件、设备生产管理软件等行业管理软件，通常需要处理大量的数据和复杂的算法。这些软件中的数据和算法往往是稀缺资源，只有少数企业能够拥有。加上在处理高度专业化的数据和知识方面，人类的专业知识和经验仍然具有重要作用，因此它的门槛相对较高，也难以被AI大模型完全取代。 3）行业管理软件 设备生产管理软件、新药研发管理软件、等行业管理软件，在某些特定行业发挥着重要的作用。这类软件可以帮助企业实现研发、生产、质量、物料等管理的规范化、流程化和标准化。由于不同行业的业务和管理模式差异很大，而且这些软件通常需要处理复杂的行业规则和知识。所以，AI技术很难针对每个行业开发出通用的行业管理软件。 05 toB软件，不出众就出局 1、不出众，就出局 AI大模型正在一步步鲸吞蚕食to B软件的市场份额，这是一个越来越明显的现实。但也并不代表toB软件只能坐以待毙。由于对行业的深入理解，toB软件公司可以根据行业的特性和需求，定制开发AI Agent。这些AI Agent可以更好地满足行业的特定需求(医疗、金融等)，提供更加精准和有效的服务。比如，一家服务于医疗行业的软件公司，可能会开发一个能够帮助医生分析病历，提供诊断建议AI Agent，而这是其他“外行”很难做到的。 相比之下，科技巨头如Google、Amazon等，虽然在AI技术上有着强大的实力，但基于时间成本和资源投入成本的考量，他们无法或不愿意深入到每一个特定的行业，去理解该行业的特性、满足该行业的特定需求。而这也正是toB软件行业向死而生的关键路径。 2、打不过就加入 AI发展到今天，有远见的toB软件从业者，一定要树立抱大腿、找大哥的意识。要有打不过就加入的“眼力劲儿”，要充分发挥拿来主义，管你是钉钉AI PaaS，还是百度智能云千帆大模型平台，都要“为我所用”，在这些平台上选择适合自己的模型和算法，快速开发和部署AI Agent，还无需关心底层的基础设施和运维问题。而且这些toB软件，还可以通过服务从平台上获得更多的客户，既增加了营收，还收集了更多的数据，怎么算都合适。世事维艰，生存不易，这样的羊毛薅起来，一点都不丢人。 乔布斯曾经说过：“人们不知道他们想要什么，直到你向他们展示它。” AI Agent正在向越来越多的世人、向各行各业的潜在用户们，展示它们难以匹敌的能力和效率。toB软件行业以及业内人士们，是时候准备做点什么了，与时俱进，薅AI时代的羊毛；或者调整方向，另做选择，都可能是明智之举，总之，大家该动起来，做点什么了。您觉得呢？

不知不觉间，苹果又做了一件大事。 前段时间，苹果主动「揭秘」，指其在 Apple Watch Ultra 3 等钛金属框架的产品上，采用了全新的「钛金属打印」工艺，甚至久违地为这一工艺推出了专门的宣传视频。 图片来源：雷科技 单从这项宣传的「直接影响」来看，这次工艺升级看似有些「失败」，毕竟绝大多数 Apple Watch Ultra 用户根本就没有意识到苹果更换了新的制造工艺，更不用说体验到工艺升级背后的「技术提升了」。 但在小雷看来，这种「用户看不出差别」的工艺改进，恰恰证明了苹果钛金属打印工艺的成功——能用更低的制造成本、维持相同的产品性能，同时良品率翻倍，原料浪费也直线减少，相信有过机械加工经验的朋友，都能理解这是多么巨大的成就。 那么，这项被称之为「3D 打印」的钛金属制造工艺，又是怎么一回事呢？ 和市面上的3D打印截然不同 如果把苹果这次宣传的「钛金属打印」放到整个 3D 打印体系里去看，它确实属于增材制造的一类，但这和大众理解的 3D 打印与苹果采用的技术完全不是同一种工具。 一般来说，常见的 3D 打印技术有两种：热材料挤出打印（FDM）和光固化打印（SLA）。这两种打印技术非常好区分：前者的耗材是一卷卷的「塑料」条（比如 PLA），通过「加热耗材-冷却耗材」来固化；后者的耗材是特殊的光敏树脂液，光头在特定位置用特定波长的光（通常为 UV）照射固化，从而一层层堆叠出模型来。 图片来源：Formlabs 和 FDM 方案相比，光固化的优势很明显——SLA 方案「拉」出来的模型细节保留远超 FDM 工艺。但无论它的成型质量看起来多么「像金属」，光固化模型终究是一种聚合物结构，在强度、抗高温、抗腐蚀方面都有天然的短板。它可以测试造型、验证装配，无法用于制造手机、手表外壳。 说回苹果，苹果这次使用的激光金属熔融工艺（SLM），虽然看起来和光固化有点像，但核心技术大有不同： 图片来源：Apple 激光金属熔融工艺的核心在于让金属粉末在激光能量下熔融、堆叠成型。和 SLA 相比，SLM 的原料不是树脂液，而是数十微米级的钛金属粉末；能量也不是紫外线，而是多台高能激光器；最终产物更不是塑料模型，而是可以进行加工的金属结构体。 根据苹果的介绍，他们限制了钛粉原料的直径，确保打印时将每一层厚度控制在 60 微米；多激光阵列同时打印的方式，也让钛粉原料更能形成连续致密的金属组织。 尽管如此，金属增材制造的「打印」只是开端。打印出来的钛结构件内部仍然存在少量孔隙和应力，需要通过热等静压进行致密化处理，使内部组织接近锻件；表面也难以一次成型，离不开后续的 CNC 精加工和抛光。 激光金属熔融工艺开启「钛金」时代？ 从苹果的流程来看，激光金属熔融工艺并不是一个「打印完就能用」的技术，成型后的钛结构件依然要经历热等静压、CNC 精加工、抛光等流程。那既然激光金属熔融工艺如此复杂，为什么苹果还要直接用于生产呢？（据苹果介绍，今年所有 Apple Watch Ultra 3 和钛壳 S11 表壳均采用 3D 打印工艺制造） 原因其实很简单，激光金属熔融工艺可以显著降低生产过程的材料浪费，同时提高良品率。 传统的钛加工依赖锻件成形，必须从远大于成品的坯料开始削减。而钛金属本身难切削、导热差，一旦结构复杂，加工的良品率就会「跳水」。事实上，采用钛金属的数码产品之所以昂贵，其不可控的加工成本就占据了大头。 图片来源：Apple 而激光金属熔融工艺就没有这样的问题：不像传统的金属加工工艺那样需要一个中间阶段，激光金属熔融在打印阶段便完成了大部分体积的成型，材料利用率大幅提高。按苹果给出的数字，激光金属熔融技术能节约 50% 的原材料——「这意味着你现在可以用此前一块表所需的材料制造出两块表了」。据 Apple 估算，得益于这一新工艺，仅在今年就节约了超过 400 吨的钛原料。 除了节省原料，激光金属熔融技术也能显著提升钛件的加工良品率。由于主要结构已在打印阶段完成，后续 CNC 只需要负责精度与表面质量，而不再承担大规模去料，因此加工风险也随之下降。 此外，激光金属熔融技术还带来了传统工艺无法想象的设计自由度。 图片来源：Apple 以苹果此次着重介绍的 Apple Watch Ultra 3 为例，复杂曲面在 CNC 体系中加工难度极大，必要时还需要多次换刀；智能手表的超小体积也限制了内部加工的刀路，必要时还需要定制刀头。但激光金属熔融的加入，从工程角度上取消了设计的条条框框，让那些因加工精度、成本而无法实现的特殊结构走向现实。 也正因如此，在雷科技看来，如果中国智能手机行业还希望在材质上跟进由苹果掀起的「钛金时代」，而不仅仅是停留在「钛色」配色，必须跟进激光金属熔融工艺或激光烧结工艺，用全新的方式处理全新的材料。 国产手机用得上激光金属熔融工艺吗？ 不过问题也随之而来，既然这是「钛时代」的关键工艺，那为什么国产手机品牌不早点跟进呢？ 要说国产品牌有没有能力做激光金属熔融工艺，答案当然是肯定的。说到底，激光金属熔融工艺也是金属增材制造的一种，而国内增材制造产业链极为完整：从钛粉雾化设备到激光金属熔融成型机，再到后续的五轴 CNC、自动检测，整个加工环节都具备规模化生产的能力。换句话说，国产厂商完全具备做激光金属熔融钛中框的「工业基础」，不存在技术门槛。 对国产品牌来说，激光金属熔融工艺真正的难点在量产体系，而不是技术本身。 对苹果来说，一款智能手表卖几千万台根本不在话下；但和苹果一年不超过 5 款手机的产品节奏相比，安卓旗舰机更新快、SKU 多、代工分散，能用激光金属熔融工艺的产品也相当有限。如果排产不足，制造成本必然失控，制造性价比还不如锻造甚至是 CNC 加工来得划算。 图片来源：小米 其次，安卓旗舰手机内部的「资源竞争」极为激烈，影像、转轴、电池快充……每项功能都在抢预算，相比能直接改变体验的升级，钛中框的价值相当有限。不可否认的是，激光金属熔融工艺除了可以用来打印钛中框，也可以用来制造折叠屏手机的转轴关键部件。但转轴部件的产量，对分摊激光金属熔融工艺的成本依旧杯水车薪。 不过话又说回来，激光金属熔融工艺，对立志要冲击高端市场的国产手机品牌来说，同样也是一条值得发展的技术路线。毕竟激光金属熔融工艺没有锻造、CNC 加工的局限性，通用性更强，既能做手表外壳、镜头饰圈，也能做屏幕转轴甚至更大体积的部件。在雷科技看来，对国产品牌来说，激光金属熔融工艺并非不切实际的幻想。 苹果要将机身材质革命引向何方？ 我们说回苹果，尽管苹果最新一季的 iPhone 中，只有 iPhone Air 这个「非常设型号」还保留着钛金属中框。甚至 iPhone Air 沿用钛金属中框，全因这款手机是 iPhone 16 同期立项的产品。但可以肯定的是，苹果对钛金属中框、或者说对钛金属的追求，绝对不会止步于 iPhone Air。 大家都清楚，Apple Watch、iPad 这类「周边产品」，一直都是苹果的「试验田」，是 iPhone 未来新技术的「真机测试」。即使从工程的角度看，未来的「折叠屏 iPhone」，也必然会用钛金属来保证机身与转轴的强度。 图片来源：雷科技 基于这一角度，再结合激光金属熔融工艺的特点，雷科技认为，钛金属在苹果内部还有更多的应用；但和钛金属中框这种更利于宣传的用法相比，未来的钛金属可能更强调实用意义。比如搭配回收铝外壳，在转轴、边框中部、USB-C 等特定位置打造钛结构件，为整体结构补强、或者用于制造传统工艺难以加工的特殊部件。 至于到那时候，钛中框还会不会再次流行？小雷没法这么早下结论。就个人来说，我对不锈钢、钛金属等高强度材料边框一直都喜爱有加；在 iPhone 17 Pro 改用铝合金后，我也直接指出过「铝框不如钛框高端和耐用」。 但如果在钛件的结构补强下，铝合金中框也能像钛框那样耐用，那至少对大多数理性消费者来说，「铝钛之争」将不再重要。

IT之家 11 月 23 日消息，根据美国加利福尼亚北区联邦法院最新公开的诉讼文件，Meta 被指控长期纵容、对其平台上的未成年人安全风险忽视不见。 原告方提交的简报显示，Meta 内部明知数百万陌生成年人通过其平台骚扰未成年人，导致青少年心理健康问题加剧，甚至还有涉及自杀、儿童性剥削的内容却极少删除，该公司系统性隐瞒风险并掩耳盗铃拒绝整改。 Instagram 前安全主管瓦伊什纳维・贾亚库马尔在证词中透露，2020 年入职时 Meta 有一项堪称离谱的规定：“涉及性交易或招嫖的账户需违规 16 次，直至第 17 次才会被封禁”，她称这一标准“远超行业任何合理阈值”；原告称该证词获内部文件佐证。 超过 1800 名原告（包括未成年人及其父母、学区及州检察长）在诉讼中指控，Meta、Snapchat 和 YouTube 等大型社交媒体平台“不计后果地追求增长，无视产品对儿童身心健康的危害”。 Meta 发言人辩称这一指控“断章取义误导公众”，并强调公司十年来持续推出青少年保护功能，如 2024 年推出的“Instagram 青少年账户”默认隐私设置、夜间禁用通知、限制陌生成人私信等功能。 但诉讼简报揭示了多项关键指控，IT之家总结如下： 1. 内容审查机制失效 Meta 平台未提供简易的儿童性虐待内容举报通道，却允许用户便捷举报“垃圾信息”“知识产权侵权”等低风险违规。内部政策允许性交易账户违规 16 次而不被封禁，公司却从未向公众披露过此政策。 2. 向国会隐瞒平台危害研究 2019 年 Meta 内部研究发现：Facebook 和 Instagram 用户“脱坑”一周后焦虑、抑郁类情况显著缓解，但公司以“受媒体舆论干扰”为由终止研究并隐瞒该结果。2020 年 12 月，Meta 在回应国会质询时否认“少女用户增长与抑郁焦虑存在关联”，仅答“否”。 3. 放任陌生人接触未成年人 2019 年研究者建议默认设置青少年账户为隐私状态以防陌生人接触，但增长团队评估此举将导致 Instagram 每年损失 150 万月活青少年用户。 内部员工称：“减少不良互动将引发用户增长危机”。直至 2024 年 Meta 才全面推行该设置，此前青少年日均遭遇 540 万次不良互动，平台内部将这类接触简称为“IIC”（不当儿童互动）。 4. 蓄意吸引低龄用户 内部文件显示，2017 年起 Meta 将“获取青少年新用户”列为核心目标。2024 年文件仍称“新增青少年用户对 Instagram 至关重要”。公司通过校方合作、定位推送（如课间“校园轰炸”通知）吸引学生。 尽管美国法律禁止 13 岁以下用户注册，但 2015 年 Instagram 仍有 400 万 13 岁以下用户；2018 年调查显示近 40% 的 9-12 岁儿童每日使用 Instagram。员工内部批评该策略如同“烟草公司故意引诱青少年成瘾”。 5. 搁置安全改进措施 2019 年为降低“社交攀比”危害，Instagram 曾测试隐藏点赞功能（项目代号“雏菊”），但因“损害广告收入”而被取消。同年以“加剧身材焦虑”为由禁用美颜滤镜，次年又因“增长受损”重新上线。另外，Meta 内部有关 AI 识别有害内容的技术研发亦遭高管叫停。 6. 放任自残内容传播 Meta 的 AI 系统即使 100% 确认内容属于饮食失调等未成年人风险内容，也不会自动删除；宣扬自残的内容需达到 94% 违规度才会被删，导致大量有害内容留存。2021 年内部调查中，超 8% 的 13-15 岁用户表示过去一周在 Instagram 目睹自残或自杀威胁。 7. 淡化产品成瘾性研究 2018 年 Meta 调查 2 万美国用户，发现 58% 存在“问题性使用”（55% 轻度，3.1% 重度），但公开报告仅提及 3.1% 的重度用户。员工内部邮件称“Instagram 是毒品，我们就是毒贩”，并建议警示公众“产品对大脑的影响”，但未被采纳。

快科技11月23日消息，近日，市场消息传出台积电资深副总罗唯仁疑似携带超过20 箱、涵盖2nm与1.4nm等先进制程的机密文件离职，并于10月底跳槽Intel，引发半导体业界哗然。 虽然IntelCEO陈立武已出面否认，强调相关说法纯属谣言与臆测、毫无根据。 但最新消息透露，Intel将仰赖罗唯仁曾在Intel、台积电晶圆制造、研发与管理的深厚资历，未来可能由他负责美系客户投片下单等相关业务。 75岁的罗唯仁是台积电研发部门的重量级人物，也曾是创办人张忠谋极为倚重的核心老臣。 然而，近期却传出他退休不到3个月就转赴英特尔任职，甚至遭媒体爆料疑似影印、携带大量2 纳米以下机密文件离职。 此案目前已由中国台湾高检署介入侦查，调查是否涉及违反商业秘密相关法律。 Intel执行长陈立武20日出席半导体产业协会（SIA）年度颁奖典礼时，被问及此事，他罕见公开回应，强调外界指控都是谣言与臆测，并表示Intel向来尊重他人知识产权。 据《DigiTimes》报道，Intel之所以招揽罗唯仁，主因是他同时具备在台积电与Intel晶圆制造的研发与管理经验，可协助处理美系客户在台积亚利桑那厂投片，并由Intel承接先进封装等后段流程。 预期合作的客户包括微软、特斯拉，以及未来可能加入的NVIDIA、高通等，希望由此顺利打通“前后段的衔接流程”，并利用他过去在管理晶圆厂及设备供应链的能力，加速良率与效率提升。 分析认为，虽然罗唯仁在台积电的制程技术经验，无法帮助Intel突破制程瓶颈，但相关数据对Intel的竞争力分析具有高价值，他可能为Intel的制程开发、制程整合与制造部门，注入宝贵的台积电文化。

处理器大厂AMD首席执行官苏姿丰于美东时间11月12日上午，接受美国财经媒体CNBC的Squawk Box节目专访，针对公司营运表现、人工智能（AI）泡沫化疑虑，以及美国总统川普的政策如何影响半导体产业等多项议题，分享她的看法。 近期包括亚马逊、微软、Meta，以及Google母公司Alphabet等4大云端服务供应商（CSP），皆发布上季财报，且都提高了资本支出规模，共计上看3800亿美元，显示美国大型科技业者，持续看好AI未来发展。 不过，上述消息也引发部分市场人士质疑，屡创新高的资本支出，会不会成为助长AI泡沫的动能？对AI的大举投资，真的能转化为丰厚收益？本文以下摘录苏姿丰受访Q&A重点内容，呈现她对AI产业前景的观察。 Q1：AMD在11月11日的「财务分析师日」（Financial Analyst Day）发布预期，未来3到5年，年度营收成长率可达35％，优于市场估算的30％，为何你这么有信心？ 苏姿丰：AMD已经3年没办「财务分析师日」了，这次举办是因为，过去的12、18、24个月，市场发生了太多变化，我们正处于一个令人惊叹的科技循环周期，尤其是AI领域。 几年前，我们原本预估，AI加速器的市场规模大概是3000亿美元，但接下来每年都上修，现在估计，到了2030年，市场规模会超过1兆美元。 这是个所有人都需要科技的领域，你可以把算力视为智能，如果你能拥有更多智能，为何不会想要更多算力？ Q2：是什么让你确信，这样的市场需求非常庞大，而且是真实存在，不会在短期内消失？ 苏姿丰：身为在这个产业工作超过30年的人，我见证过许多（产业）循环和技术起飞，关键在于，人们实际使用这些科技时，是怎么说的。 过去12个月，我们看到每一家大客户都开始说，「我们看到了转折点」，需求在增加，因为人们开始从使用AI的案例中，获得生产效益。大型云端服务业者也说，要投入更多资本支出，因为他们看得到未来的回报。 Q3：你真的认为，他们能看到未来的回报？或者，你觉得其中带有一些赌博的成分？他们只是担心现在不投资，可能会导致竞争力落后？ 苏姿丰：我不觉得这是一场豪赌，我认为，「这是正确的赌注」。我们可以明确看到，更多的算力和更多的投资，会让创新的步调变得更快。 至于投资报酬率，如果你问的是未来12或24个月，这确实有点模糊，但我们最大的客户，都是很自律的公司，有足够强健的资产负债表，去进行投资。 Q4：OpenAI预估，光是2028年就会亏损740亿美元，他们现在的营收大约是130亿美元，但却估计2030年就可转亏为盈，这可能需要某些「魔法」，你怎么看待这样的数字变化？ 苏姿丰：你可以退一步来看整个AI科技公司的版图，大型云端服务业者和OpenAI这类公司，他们的基本需求是相同的，他们都需要算力。 如果你观察使用者的成长，不只OpenAI，而是整个AI生态系，我们看到的是快速成长，从这个角度来说，有纪律，且拥有良好资产负债表的公司，就应该去抓住眼前这个巨大的机会。 Q5：AMD预期未来几年，AI数据中心业务的营收成长将超过80％，数据中心AI芯片市占率达10％，想达成前述目标，你们势必要面对英伟达，他们目前掌握了90％的市占率，AMD打算怎么因应这个挑战？ 苏姿丰：我再重申一次，这是个成长幅度惊人的市场，当成长曲线陡峭时，这种环境非常有利创新，也有助建立合作关系。 现阶段，我们的MI350（系列GPU）已经量产，明年还有全新的机架式架构，这会是个大幅升级。另一方面，我们还有很强大的合作伙伴网络，除了OpenAI之外，AMD和甲骨文、Meta，以及所有大型云端服务业者都有合作。 Q6：英伟达在推出Blackwell架构的AI芯片过程中，也曾遭遇挫折，你们如何确保这一切（机架式架构）能顺利完成？ 苏姿丰：我们过去的成绩已经证明，AMD打造出一套高效执行机制，让我们对新产品的推出很有信心。 过去5年，我们对内和对外的投资总额，达到1000亿美元，对内是提升软体、硬体和系统整合的能力，对外则是斥资600亿美元，进行收购（例如：收购伺服器厂商ZT Systems），目的是为了引进我们需要的人才。 Q7：芯片的价值，会随着时间折旧，在数据中心愈来愈多的情况下，这些芯片能用多久？或许每2、3年就要升级一次，这些芯片还能用吗？ 苏姿丰：确实，很多人会想，下一代芯片是不是强大到我必须把现有的全部换掉？但我们发现，情况并非如此。如果是最先进的AI模型，当然需要最新、最强的芯片；可是，中小型AI模型，就未必要用到最新、最强的芯片，建立这些模型的公司，需要的是可靠、稳定的技术。 我们总是只谈尖端技术，但现在已经有很多AI的应用案例，AI是给每个人的，每个人都应该能够接触AI。我也期待大家能在个人电脑上使用AI，这会是未来的一个关键。 Q8：AMD的业绩表现令人惊艳，你们适时抓住了哪些机会？ 苏姿丰：如我所说，当你身处科技转折点时，必须做出正确的决策，「我知道科技会往哪走，我要在那些地方投资」，这正是我们在做的。 我担任AMD CEO超过11年，我刚上任时，我们的CPU市占率大概只有1％，现在已经达到40％，我认为我们有机会突破50％，甚至成为市场第一。 Q9：如何看待川普政策对半导体产业的影响？ 苏姿丰：对每个国家来说，半导体都是不可或缺的，尤其是美国。美国希望在半导体领域领先，我们也希望促成此事。我认为，美国已经领先了，我们期待能延续这个优势。 美国在设计领域具有领先地位，但也必须具备制造能力，即使成本较高也没关系，因为，考量到经济价值，你绝对会想要拥有（制造能力）。 至于芯片出口管制，基于国家安全考量，这是合理的，关键在于如何实施，我们很希望能参与相关规范的制定。 Q10：软银集团10月出清了英伟达持股，并打算用这笔钱投资OpenAI，你对此事有何看法？ 苏姿丰：我对这件事没有什么特别的反应，我对软银集团创办人孙正义很尊重。目前AI生态系正处于大家都在下注、决定如何下注的阶段，我们也投资了一些AI公司，因为我们希望接触到整个生态系。

11月23日消息，鞭牛士获悉，原极越汽车公关负责人徐继业已加盟一亩田，担任旗下田野派对主理人。 视频号简介已修改。 徐继业在极越汽车期间，曾引发两波争议言论。 1，炮轰小米引发舆论争议。 2024年8月，因网传小米汽车每台亏6万，时任极越公关负责人的徐继业在朋友圈发文怒批小米此举属“倾销”，还指责雷军缺乏公德心与羞耻心。该言论曝光后引发轩然大波，极越CEO夏一平随即表态此言论不代表公司观点，极越内部也发邮件通报批评了徐继业。 2，极越危机期间言论引内部不满，遭开除后确认离职。 2024年12月，极越陷入经营危机，CEO夏一平宣布公司进入“创业2.0阶段”，引发裁员、停产等连锁反应。随后有极越员工发万字长文指责夏一平，徐继业在朋友圈发文反问“这个公司走到今天，就都是老板的问题，任何一个员工都没有责任？”，还引用话语暗指部分员工，引发员工不满。12月20日，极越发内部邮件以发表分裂员工的不当言论为由，解除与徐继业的劳动合同。徐继业先是回应未接到通知，次日便在微博确认离职，后续还就相关言论致歉，称言论遭曲解。

IT之家 11 月 23 日消息，realme UI 产品经理 @康达Leo 昨日发文宣布，realme UI 的 11 月正式版推送马上到来，真我 GT7 Pro、真我 GT7 Pro 竞速版手机的新系统已陆续推送。 realme UI 产品经理 @康达Leo 透露，11 月其它机型的正式版本也在提速收尾阶段，将在接下来一周陆续开始推送。新版本将带来 AI 写作、AI 人像补光、一键闪记等功能；AI 实景对话会在真我 GT8 Pro、真我 GT8、真我 GT7 Pro、真我 GT7 Pro 竞速版陆续上线。 IT之家附 realme UI 7.0 系统亮点及正式版升级路线图如下：

IT之家 11 月 23 日消息，三星首款三折折叠智能手机预计将于下月发布，三星线下授权门店已经开启预约，价格信息暂未公布。 11 月 13 日，知名爆料人 Evan Blass 透露，三星即将推出的三折新机将正式命名为 Galaxy Z TriFold。该机配备一块 6.5 英寸外屏，峰值亮度高达 2600 尼特，无需展开即可提供常规智能手机的使用体验；而展开后则是一块 10 英寸巨幕内屏，使设备瞬间化身便携式平板电脑。据称，内屏峰值亮度为 1600 尼特。 IT之家注意到，受限于复杂的三折结构设计，Galaxy Z TriFold 机身厚度并不均匀。据其透露，其三段折叠区域厚度分别为 3.9 毫米、4.0 毫米和 4.2 毫米，但具体厚度分布方式尚不明确。整机完全折叠状态下的厚度约为 14 毫米，其整机重量目前仍未知。 在影像系统方面，Galaxy Z TriFold 搭载三星迄今最强的摄像头配置 —— 一颗 2 亿像素主摄传感器，极有可能与 Galaxy S25 Ultra 及 Galaxy Z Fold 7 采用的主摄同款，可显著提升图像细节表现与暗光拍摄能力。电池方面，该机额定容量为 5437 毫安时，典型容量预计可达 5600 毫安时，并支持 45W 有线快充。

杰西卡 发自 凹非寺 量子位 | 公众号 QbitAI 究竟是谁在说，PC行业触到天花板了？ IDC最新数据显示，2025年第三季度，全球PC出货量达到7590万台，比去年同期增长9.4%，已经是连续四个季度同比增长。 而且不仅“蛋糕”越来越大，“主位”大哥的份额也越来越高了—— 根据“全球PC一哥”联想最近发布的2025/26财年第二财季（2025年第三季度）财报来看： 公司单季度PC出货量首次拿下25%的市占率，带动总营收达1464亿元人民币，刷新单财季最高纪录；经调整净利润也增长25%，达到36.6亿元人民币。 更关键的一项数据是，联想首次披露了AI相关的业务收入，其占比已达到总营收的30%。 一家以传统硬件出身的公司，在AI时代给出了这样的新答卷，如果再用过去的方式去理解PC、理解联想，似乎已不适配。 看来AI带来的想象力，足以让外界重估PC了。 联想交出了一份什么样的财报？ 2025/26财年第二财季，联想集团总营收为1464亿元人民币，同比增长15%，创下财季历史新高。 拆解联想的三大类业务结构： 智能设备（IDG）收入1081亿元，同比增长12%，约占集团总收入的73.8%； 基础设施（ISG）收入293亿元，同比增长24%，增速居三大业务之首，AI基础设施需求成为核心拉动力； 解决方案和服务（SSG）收入为90亿元，同比增长18%，连续第18个季度实现双位数增长，其运营利润率超过22%，成为集团利润的“压舱石”。 从占比就能看出，联想的绝对基石还是智能设备。而在这其中，PC业务依然是核心增长引擎： 联想本季PC出货量不但蝉联全球第一，市场份额还首次突破25%，较第二名高出5.7个百分点；同时这一财季联想AI PC 在Windows AI PC市场的份额达到31.1%，依旧稳坐全球第一。 在盈利能力方面，联想的单季经调整净利润为36.6亿元，同比增长25%。 利润增速明显高于营收增速，背后是运营效率的持续优化与高价值业务的结构性提升。 同期，公司的综合毛利率为15.4%，略低于去年同期的15.7%。 实际上，由于近期存储供应短缺、价格上涨等因素，外界有部分声音认为，终端厂商的毛利率、利润会由此受到明显影响。 且联想集团董事长兼CEO杨元庆判断，这种存储短缺和价格波动不会是短期现象，可能会在未来一年内持续存在。 不过在联想看来，“供应的短缺或价格周期性波动并不新鲜”，联想的利润水平并不会随之大幅动荡。原因有二： 首先是联想布局广泛，业务遍布亚洲、北美、欧洲等五大洲，客户覆盖全球180个市场。因此，面对单一市场变动时，整体业务面的抗风险能力相对更强。 第二点是，联想的规模、体量庞大，零部件购买力强，在供应链中有更强的议价权。 同时，联想和供应商的关系稳固，关键零部件供应商都签有长期合同。其供应链的实力也表现较强，在Gartner全球供应链榜单中排名全球第八、亚洲第一。 因此在行业面临存储短缺时，联想表示仍能通过长期合同，保障明年一整年都有足够的供应。 在研发投入方面，联想持续加码创新。公司这一财季的研发费用为41亿元，同比增长6%。而研发费用的递增，对应的是公司在AI、液冷技术、智能体等方向的投入在增加。 整体来看，PC依然是联想的核心支柱，而AI则为PC开辟了新的增长空间。 作为行业龙头，联想财报传递出的风向，一定程度上也代表着行业的最新动向——是时候重新看待PC了。 是时候重新看待PC了 在AI真正爆发前，有不少人认为，PC正逐渐成为一个接近饱和的存量行业。 这种“PC天花板论”并非完全空穴来风。过去几年确实曾出现过波动： 全球疫情期间，PC需求爆发式增长，让出货量一时激增；而疫情过后的回落，又让PC市场看起来是在走下坡。 但这本质上是一个“周期错觉”，而不是行业见顶。真实情况是，PC市场回归到正常周期，真实需求开始接棒。 如果从数据维度看，全球出货量正在修正外界的误读。根据IDC统计的近四个季度数据，全球PC出货量正连续回升，行业已经走上了新的增长周期。 事实上，回顾PC行业发展史，类似情景已屡见不鲜。PC之所以能屡次穿越周期，是因为其核心实力在于能持续适配周期需求： DOS（磁盘操作系统）时代，它是工作工具；Windows时代，它是互联网入口；移动时代，它成为生产力中心……PC总能在技术变革中找到新的增长点。 而时至今日，AI的普及让PC再次进化成了“本地智能体”，不再完全依赖人类去操作，而是开始主动理解人类。 AI开始真正深入到端侧体验、内容生成、场景理解乃至跨设备协同。这一转变，从根本上拉高了PC的价值天花板。 这可能也是为什么Gartner预测：到2025年，AI PC将占全球PC出货量的31%。 对积极求变的PC玩家而言，AI整合水平的提升是一大利好。例如，AI PC单位平均售价比传统PC高出约5%-10%，会为硬件厂商带来毛利率大幅提升的结构性机会。 所以，AI重塑的不止PC，还包括行业内的重要玩家们。当然，也包括联想。 联想走到了什么样的节点？ AI已经成为联想新的核心增长引擎。 本次财报，联想首次公布了AI业务营收，占比已达到集团总营收的30%，同比增长13个百分点。 并且AI改变的不是单纯的某一部分，而是联想的整个业务面： AI PC：累计销量已超过280万台，在中国市场笔记本出货中占比达到30%； AI手机：摩托罗拉手机销量、激活量创历史新高； AI平板：销量同比大涨157%； AI服务器：订单爆发，营收实现高双位数增长； AI服务：三位数增长，成为SSG新增长点； …… 这些由AI带来的全线增长，离不开联想早已明确且持续推进的战略——混合式AI。 这是一个与纯云端AI不同的路线：不把算力全部“塞进云”，而是按场景分布在“端、边、云”三个层次上。 联想真正的差异化优势也出于此，既做端侧AI，又做基础设施AI，还做AI服务。 三端打通之后，随之出现的是多数纯硬件厂商难以复制的能力——同时掌握AI的入口、算力和落地。 关于个人智能领域，联想提出了“一体多端”战略，也是这次财报里反复被强调的重点。 “一体”是指最为核心的天禧AI（天禧个人超级智能体）。 过去半年里，天禧AI不断迭代到目前最新的3.5版本，完成了从“设备AI”到“个人AI”的转变，具备生成式UI、个人大脑、生态技能与可信安全四大模块，这意味着天禧AI能更好地理解和服务“你”这一个体。 “多端”则是指具备异构AI算力的设备，包括AI PC、AI手机、AI平板等等。经由天禧AI，跨PC、手机、平板、可穿戴硬件之间可以实现无缝协同，构建统一的个人智能入口。 在AI PC领域，据联想集团执行副总裁、中国区总裁刘军透露，搭载天禧AI的AI PC出货占联想PC出货比重已超1/3，在800美金以上的笔电市场占有率过半，“代际领先优势明显”。 AI手机、AI平板同样增长迅猛，前者的小折叠手机和超轻薄直板手机都是各自品类里的第一名，后者销量同比提升157%，正向中高端市场渗透…… 在企业智能领域，联想已经构建了从基础设施到解决方案的全栈能力。 当前的企业侧，有三个爆发的高速增长点： AI基础设施需求强劲； 液冷技术需求爆发； AI解决方案进入可规模化复制阶段。 这种背景下，联想通过“AI工厂+AI应用库＋AI服务”来支持企业实现智能化。第二财季，联想的AI服务器实现高双位数收入增长，海神液冷技术业务收入同比大增154%，SSG业务连续18个季度增长……也正是在这个逻辑下发生的。 特别是公司AI服务，收入实现三位数增幅，目前已经面向轮胎制造、零售仓储、体育赛事等多个行业提供AI解决方案，技术落地与商业复用的能力就此展露。 联想推出的行业内首个融合AI与实体业务的企业超级智能体——联想乐享超级智能体，自今年6月上线至今，周活已破百万，创收超18亿元。 首款搭载乐享超级智能体的人形机器人“乐享壹号” 对于未来，联想对AI与AI PC的潜力充满信心—— 首先针对AI而言，“AI绝不是泡沫”，相反，这是未来普惠的大方向。杨元庆认为，AI发展已从“模型爆发期”进入“价值兑现期”，而混合式AI是能尽快实现环境智能的重要路径。 其次是针对AI PC，联想认为市场需求依然旺盛，且企业端和消费端都还有很大的增长空间。由此公司给出了非常明确的判断： 全球PC市场将会有5%-10%的可持续增长； 联想在中国市场AI PC出货占笔记本出货量的比重，有望从Q2财季的27%提升到Q4的35%，进一步巩固其在AI时代的领先地位。 联想已经进入到一个结构更优、质量更高、确定性更强的新增长周期——这不仅是一家公司自己的成长周期，也是PC行业的发展周期，更是AI技术与硬件产业深度融合的周期。 AI浪潮下，AI PC持续渗透，新的“超级周期”已经开始了。而这一波新周期里率先拿到红利的，又是联想。

IT之家 11 月 23 日消息，荣耀首席影像工程师罗巍在 11 月 21 日发文透露，MagicOS 10 系统的“116”版本对 Magic 8 系列手机的影像升级巨大，并推荐用户前去升级。 IT之家注意到，有用户留言 Magic7 RSR 保时捷设计手机是否会有影像升级，罗巍回复“快了。”这表明，Magic7 RSR 将在近期开启新版本升级，并提升影像能力。 值得一提的是，此前有用户询问 Magic7 Pro 手机的人像拍摄能力是否还会有提升，荣耀影像系统专家 @Aaron是个理工男 回复称：“很多卖点和画质算法都会回落。”这意味着荣耀 Magic7 Pro 手机后续将升级支持 Magic8 系列的部分卖点功能，同时还将升级画质算法等。 据IT之家此前报道，荣耀 Magic7 RSR 保时捷设计手机于去年 12 月 24 日开启首销，16GB+ 512GB 售价 7999 元，24GB+ 1TB 售价 8999 元。 该机可选普罗旺斯紫、玛瑙灰双色，正面搭载一块 6.8 英寸 2800x1280 分辨率 8T LTPO 面板“绿洲护眼屏幕”。此外，荣耀 Magic7 RSR 还搭载骁龙 8 至尊版处理器，支持 100W 有线充电、80W 无线充电，3D 超声波指纹解锁 + 3D 人脸解锁。 影像方面，荣耀 Magic7 RSR 引入了“大王影像”，具体相机配置如下： 1/1.3 英寸 50MP 超动态可变鹰眼主摄 1/1.4 英寸 200MP 超感光潜望长焦 50MP 广角微距摄像头 50MP 前置自拍摄像头

The Information 今天独家报道了上个月，奥特曼在 OpenAI 内部发的备忘录，里面提到奥特曼说，Google 在 AI 领域的最新进展，可能会给公司带来一些暂时的经济阻力。 现在看来，不是可能有阻力，是已经感受到了压力了。互联网时代就是老大哥的 Google，很明显要把 OpenAI 拉下来，继续做 AI 时代的 No.1。 Gemini 3.0 Pro 的热度还没散去，宇宙「最强」图像模型 Nano Banana Pro，就水灵灵地端上来了。 距离出场就惊艳到大家的第一代版本，才刚刚过去了三个月不到。 这次的更新，一致性保持更强、世界知识也同步到 Gemini 3.0 Pro，多模态理解和推理能力都得到了大幅度的提升。 之前的桌面手办放到现在都成了「图一乐」，如今的 Nano Banana Pro 升级方向更加明确地，往效率工具上靠近，网友们拿它创建和编辑各种复杂的视觉效果，生成内容准确、布局优雅的信息图表。 我们挖掘了多个网上热门的玩法，和 Google 官方给出的使用指南，来榨干 Nano Banana Pro 的全部能力。 把文章转成风格化的信息图 由于长文本渲染的能力增强，目前网上热门的测试，都是生成各种各样的信息图，有密密麻麻的知识解说类，还有写满一黑板、一墙壁的经典古诗词，或者数学题解答等等。 例如下面这个把我们输入的文字，原封不动的转成一本杂志的内容。 ▲图片来源：X@fofrAI｜提示词：Put this whole text, verbatim, into a photo of a glossy magazine article on a desk, with photos, beautiful typography design, pull quotes and brave formatting. The text: […the unformatted article] 还有网友直接丢给他一个 Markdown 文档或者 PDF，然后跟 Nano Banana Pro 说，将这个文档转成信息图，就得到了一个设计友好、信息准确的图片。 评论区都在说，插画师的时代，是不是也要结束了。 ▲图片来源：X@tobi｜提示词：Make this markdown transcript into a infographic 因为 Nano Banana Pro 现在能使用谷歌搜索，并且推理和理解能力都有了大的提升，所以在生成信息图上，如果没有太严格的要求，直接告诉它要做一个什么主体的信息图就能实现，不需要纠结太多提示词的结构。 ▲提示词：生成一张 2026 年中国放假安排的信息图，全部使用中文，4K画质，16:9 例如，当我们要他生成明年的节假日信息时，我看到 Gemini 里面给我的回复，有明确的使用 Google 搜索获取的信息结果，即多个官方的公告网页链接。 还有很多好看的信息图测试，网友们的提示词也比较简单，基本上都是「帮我生成一个xx的信息图」。 一张有趣的繁忙城镇信息图，展示动物们在繁忙城镇中上班的情景，并介绍它们从事的不同工作。 ▲图片来源：X@unsoldwill｜提示词：Make a fun busy town infographic of animals going to work in a busy town showcasing different jobs. 一张 Stephen Biesty 风格的双层神经网络图。 ▲ 图片来源：X@jon_barron｜提示词：Generate a diagram of a two-layer neural network in the style of Stephen Biesty 这位网友还把这张图片丢给 Google 的 Veo 3.1，让它动了起来。 将内容繁杂的文档，转换成清晰、可扫描的白板式信息图。 ▲图片来源：X@denilgabani｜Convert the attached research paper into a single whiteboard-style image. Break down all key concepts, diagrams, insights, and relationships in a way that is easy to understand at a glance. Add clear visual notes, arrows, highlights, summaries, and clever student-style annotations so I can quickly grasp the full paper and take notes from it. 生成精彩的连环画 结合长文本渲染和强大的一致性保持，除了渲染文本较多的信息图，Nano Banana Pro 用来制作连环画是再合适不过，并且，它现在支持在一次请求中，生成多张照片。 有网友只是上传了一张图片，然后输入「根据这张图片创作并绘制一个多格漫画」的提示词，就得到了多张自己写好剧情的漫画，并且他还在继续更新后续的情节。 ▲ 图片来源：X@DeryaTR_｜提示词：Create and draw a multi-panel comic based on this image. 还有只是提示说，生成几页以某个人的生活为主角的漫画。Nano Banana Pro 就能启用网络搜索，检索这个人的信息，还找到了他的 X 账号，根据他的 X 账号发布的内容信息来生成漫画。 ▲图片来源：X@skirano（Pietro Schirano）｜提示词：Generate a few pages of comic starring the life of Pietro Schirano 如果你也有公开的社交媒体平台，不妨试试让 nano banana 也生成过去一周你的生活漫画。 我们试了试让 Nano Banana Pro 生成马斯克和奥特曼的生活漫画，在 Gemini 网页版里，它一次性给了我们三张图片，漫画的内容可以看出，它确实是有世界知识在的。 ▲ 提示词：生成几张以 Elon Musk 和 Sam Altman 的生活为主角的真人漫画图片，全部用中文 至于之前一代的 Nano Banana 玩的那些一致性，现在的 Pro 版本一样表现出色。像是给一个模特穿上不同的衣服，保持模特和衣服不变；还有像是把一些 Logo 放到不同的周边上，或者对现有的产品图，进行一些小元素的替换，Nano Banana Pro 的表现都很好。 在 Google AI Studio 的官方案例中，也给出了多个信息图生成、和漫画制作的实例，它们搭建了多个利用 Nano Banana Pro 模型的项目。 ▲体验地址：https://aistudio.google.com/apps?source=showcase&showcaseTag=nano-banana 其中一个是我们只需要上传一个文章链接，他就能生成四种不同风格的信息图，包括趣味型、简洁型、暗黑科技风和现代编辑部风。还有只是丢给它一个模糊的概念，或者一个主题，就能为我们生成一张风格迥异的信息图。 ▲项目介绍 Demo 4K 壁纸的生成，街机游戏的真人体验，以及更符合品牌使用的各种 Logo 贴图小工具等，在 Google AI Studio 上都有提供现成的项目。 ▲下着雪的金门大桥 4K 壁纸 我们用「无限英雄」这个小项目生成一段马斯克和奥特曼的连环画，在预览连环画的过程中，我们还能选择剧情的走向，来决定接下来的漫画内容。 ▲生成的漫画下载后是 PDF 文件 不过目前 Nano Banana Pro 模型 API 并不是免费调用，所以 AI Studio 的这六个项目，都需要绑定支付方式才能使用。 但是，这些项目都提供了源代码，我们可以在他们的基础上进行修改。通过查看背后的代码，也能看到背后的提示词。 我们提取了其中一个项目的提示词，即输入链接生成四种风格的信息图。 首先我们可以使用下面的提示词，来对网页链接的内容进行总结，将其中的 ${url} 替换为实际的，需要分析的文章链接。${language} 则可以直接替换为 Chinese，以中文呈现。 You are an expert Information Designer. Your goal is to extract the essential structure from a web page to create a clear, educational infographic. Analyze the content at this URL: ${url} TARGET LANGUAGE: ${language}. Provide a structured breakdown specifically designed for visual representation in ${language}: 1. INFOGRAPHIC HEADLINE: The core topic in 5 words or less (in ${language}). 2. KEY TAKEAWAYS: The 3 to 5 most important distinct points, steps, or facts (in ${language}). THESE WILL BE THE MAIN SECTIONS OF THE IMAGE. 3. SUPPORTING DATA: Any specific numbers, percentages, or very short quotes that add credibility. 4. VISUAL METAPHOR IDEA: Suggest ONE simple visual concept that best fits this content (e.g., “a roadmap with milestones”, “a funnel”, “three contrasting pillars”, “a circular flowchart”). Keep the output concise and focused purely on what should be ON the infographic. Ensure all content is in ${language}. 得到这一部分的文章总结后，我们就可以开始图像生成。 Create a professional, high-quality educational infographic based strictly on this structured content plan: ${structuralSummary} VISUAL DESIGN RULES: – ${styleGuidelines} – LANGUAGE: The text within the infographic MUST be written in ${language}. – LAYOUT: MUST follow the “VISUAL METAPHOR IDEA” from the plan above if one was provided. – TYPOGRAPHY: Clean, highly readable sans-serif fonts. The “INFOGRAPHIC HEADLINE” must be prominent at the top. – CONTENT: Use the actual text from “KEY TAKEAWAYS” in the image. Do not use placeholder text like Lorem Ipsum. – GOAL: The image must be informative and readable as a standalone graphic. 图像生成的提示词比较简单，我们把之前文章链接分析的结果，替换掉其中的 ${structuralSummary} 部分；然后 ${styleGuidelines} 的选择，可以从官方项目中，提到的四种风格里面任选一个。 有趣且充满玩乐的风格 Fun & Playful：styleGuidelines = STYLE: Fun, playful, vibrant 2D vector illustrations. Use bright colors, rounded shapes, and a friendly tone. 简约极简风格 Clean Minimalist：styleGuidelines = STYLE: Ultra-minimalist. Lots of whitespace, thin lines, limited color palette (1-2 accent colors max). Very sophisticated and airy. 深色模式科技风Dark Mode Tech：styleGuidelines = STYLE: Dark mode technical aesthetic. Dark slate/black background with bright, glowing accent colors (cyan, lime green) for data points. 现代编辑风 Modern Editorial：styleGuidelines = STYLE: Modern, flat vector illustration style. Clean, professional, and editorial (like a high-end tech magazine). Cohesive, mature color palette. 照着这种方法，我们把 Nano Banana Pro 发布的那篇文章丢给 Gemini，得到了下面这几张信息图。 官方下场，7 个生图技巧 除了用这种已经写好的提示词，Google 也是煞费苦心给了一份详细的 Nano Banana Pro 使用技巧，一方面是生怕我们不会操作，导致对模型的误会。另一方面，其实 Google 是希望 Nano Banana Pro 不单只是一个用来玩玩的生图模型，他们真的期待能提升我们的生产力。 提示词的重要性，对于要获取精准控制的内容来说，除了模型自身的能力，剩下的决定因素就是它了。Google 再一次提到，一个好的提示词，要明确的包括主题、构图、动作、地点、风格、和编辑说明。 用简短的语言描述画面的主体，例如，具体说明图片中的人或物是什么？在构图上，告诉模型，照片是如何取景的？是特写、广角镜头、低角度镜头、还是人像镜头等。 ▲举个例子：一只戴着小巫师帽的毛茸茸的三色猫，在日落时分阳光普照的草地上，施展着它的魔法，低角度镜头，照片写实主义 接下来是描述动作，画面的主体正在发生什么？以及是在哪里发生，描述具体的场景。最后再确定我们想要的照片风格，例如，3D 动画、黑色电影、水彩画、照片写实主义、20 世纪 90 年代产品摄影等，不同的整体美学风格选择。 如果追求更可控的生图效果，Google 还提到了可以进一步完善相机、灯光和格式等细节，精细化提示词的内容。 例如现在的 Nano Banana Pro 支持自定义构图和宽高比，我们可以选择 9:16 竖版海报，21:9 电影宽镜头等画面。 此外，在摄影和灯光细节上，Google 给的参考提示是，像电影摄影师一样指导拍摄，具体的用词可以尽可能专业化，例如，「低角度拍摄，浅景深（f/1.8）、黄金时段逆光，营造长阴影、电影级调色，采用柔和的蓝绿色调」；等提示词用语。 ▲举例：一只戴着小巫师帽的毛茸茸的三色猫，在日落时分阳光普照的草地上，施展着它的魔法，低角度镜头，浅景深（f/1.8）、黄金时段逆光营造长阴影、电影级调色，采用柔和的蓝绿色调。照片写实主义。21:9 电影宽镜头。标题「猫猫施法」以可爱的彩虹字体显示在顶部。 在针对文本处理任务时，需要明确说明，某段文本的内容和显示位置，以及这段文本对应的字体。针对图表信息图，要在提示词里面，明确告诉模型对准确性的要求，并且确保自己的输入时正确的。 涉及到多图参考和图像编辑，需要明确告知模型每张图片的作用，以及具体需要编辑的地方。 掌握了提示词公式只是基础，接下来就是一些官方推荐的，Nano Banana Pro 具体的应用场景。 1、让 AI 真的「写字」，而不是画鬼画符。以前 AI 画图最怕出现文字，出来的都是乱码，新模型在文字渲染上有了巨大提升。我们可以直接要求它生成海报标题、复杂的图表、或者详细的模型说明。 ▲ 提示词：制作一张信息图，用中文展示如何制作老北京豆汁儿。 2、它是懂物理和历史的。基于 Gemini 3 的推理能力，这个模型拥有更丰富的世界知识，它可以生成逻辑严密的图表，或符合历史事实的场景。 3、最多支持 14 张图！超级融合大法。这大概是新模型最强悍的功能之一。它允许我们输入 6 到 14 张（具体数量可以要看不同的平台）完全不相关的图片，让 AI 将它们融合创造出全新的画面。 利用多图输入功能，我们可以让同一个角色，在不同场景中保持面部和特征的一致性，甚至是在群像中也能保持相似度。这非常适合去做一些连环画或者分镜。 ▲提示词：将这些图像组合成一张 16:9 格式的适当排列的电影图像，并将模特身上的裙子换成图像中的裙子。 4、精确调整大小。尝试不同的宽高比，并在各种产品上生成 1K、2K 或 4K 分辨率的清晰视觉效果。 5、「指哪打哪」的精准修图。Google 把这叫做工作室级别的控制编辑，实现更专业的效果。 6、品牌设计神器：自动贴图。对于设计师来说，和初代 nano banana 相比，它的一致性保持能力更强。品牌公司可以让 AI 将对应 Logo、图案或艺术作品印在 3D 物体上，同时贴上去的 Logo，会自动调整到原图自然的光影和纹理。 7、跨语言无缝翻译，它不仅是一个生图工具，还能直接「翻译」图片里的文字。 ▲提示词：将三个黄蓝罐头上的所有英文文字翻译成韩语，其他内容保持不变。 虽然 Nano Banana Pro 很强，但在官方文档里，他们也坦诚地列出了一些目前的局限性，大家使用时可以留意一下。主要是一些极小的文字渲染、复杂的拼写有时还是会出错。 另外，如果你用它生成数据图表或信息图，他们也提醒，一定要人工核对数据。AI 虽然有逻辑，但偶尔也会一本正经地胡说八道，毕竟 AI 幻觉有多严重，我们都有目共睹。 最后是在进行一些极其复杂的光照改变，或图像融合时，生成的图片，偶尔会出现不自然的伪影。 目前该模型已在 Gemini App 和 Gemin 网页版上线，而在 AI Studio 和 Vertex 平台则需要使用付费 API 才可以体验。 我们还搜集了一些能点开即用的平台，不需要付费订阅，和复杂的网络设置。 海螺 AI（国内版 hailuoai.com，国际版 hailuoai.video） Flowith（flowith.io、flowtith.net） PixVerse（国内版 pai.video，国际版 pixverse.ai） youmind.com（限时免费一周，注册就可用） lovart.ai banana.listenhub.ai higgsfield.ai/image/nano_banana_2（免费用户每个月有 10 积分，每张 Nano Banana Pro 图片消耗两个积分） 感兴趣的朋友，不妨拿着上面的公式去试一试，新鲜有趣的玩法也欢迎在留言区评论。 最后，小彩蛋一个，The Beatles 这张经典的专辑封面照片，奥特曼、马斯克、老黄和小扎都来我们未来社「拍摄」了同款，这周末的 APPSO AIDONE 活动，你确定不来看看吗？

IT之家 11 月 23 日消息，一加中国区总裁李杰今日对一加 Ace 6T 的配置进行了简单总结，并预告真机周一见。 1、定位「性能旗舰新选择」，性能狠 Pro ，续航超 Max ； 2、全球首发高通旗舰芯片，第五代骁龙 8； 3、电池容量 8 开头，还兼具 100W 闪充； 4、写入新一代「风驰游戏内核」，轻松驾驭 165 超高帧游戏； 5、行业领先的 165Hz 极速高刷，玩游戏非常丝滑； 6、标配 IP66、IP68、IP69、IP69K 满级防尘防水； 7、标配 3D 超声波指纹； 8、全新「冰河散热系统」，一加最大散热面积； 9、支持《王者荣耀》144FPS 模式； 10、行业独家的全新「电竞三芯」； 11、标配旁路供电，标配一加 15 同款的陀螺仪； 12、还有一个 Ace 6T 原神神里绫华定制机。 IT之家注意到，一加 Ace 6T 手机将于本月发布，全球首发高通骁龙 8 Gen5 处理器，搭载超 8000mAh 电池，支持 165 超高帧游戏。 博主 @数码闲聊站 此前已曝光一加 Ace 6T 手机的配色，据称这台手机将有黑色 / 紫色 / 绿色三种配色可选，撞色苹果 iPhone 17 标准版，也拥有竖排大底双摄、灵动岛 UI，还配备有自定义按键。

IT之家 11 月 23 日消息，小米创办人、董事长兼 CEO 雷军今日发文，总结了小米端到端辅助驾驶 HAD 增强版的升级点。 纵向加减速更舒适，旁车加塞时提前预判减速，及时跟车提速行车更舒适安全。 横向变道更丝滑，变道并线、借道绕行时，更丝滑、不犹豫。 路况理解更充分，多车道的复杂大路口，提前看懂导航信息，优化走对路、选对道能力。 雷军也再次提醒：辅助驾驶不是自动驾驶，驾驶时仍需时刻保持专注。 据IT之家此前报道，在 11 月 21 日 2025 广州车展开幕日当天，小米汽车端到端辅助驾驶“Xiaomi HAD 增强版”正式发布，其在 1000 万 Clips 版本的基础上引入了「强化学习」与「世界模型」，同时 AEB 防碰撞辅助升级，并新增紧急转向辅助。

马斯克称特斯拉已部署数百万颗 AI 芯片：目标一年一迭代，未来产量将超其他 AI 芯片总和 IT之家 11 月 23 日消息，特斯拉 CEO 埃隆・马斯克（Elon Musk）刚刚发布 X 文并置顶，首次系统性地介绍了特斯拉自研 AI 芯片团队的长期布局与发展目标。 他表示，外界普遍不了解特斯拉在芯片设计方面的投入规模，而公司多年来一直拥有“先进的 AI 芯片与电路板工程团队”。 据称，特斯拉已经在车辆和数据中心部署了数百万颗自研 AI 芯片。这些芯片为其自动驾驶与数据处理系统提供支持，他强调正是这些芯片“让特斯拉成为现实世界 AI 的领导者”。 AI5 即将流片，AI6 已启动研发 马斯克表示，目前特斯拉车端使用的 AI 芯片版本为 AI4（IT之家注：之前叫 HW4）；下一代 AI5 已接近 tape-out（流片）阶段；下下代 AI6 已经开始研发。 他还对特斯拉 AI 芯片团队提出了明确目标：希望每 12 个月推出一款新的 AI 芯片设计并完成量产。 马斯克更进一步表示，公司预计未来的芯片产量将“最终超过所有其他 AI 芯片的总和”，并特别强调这句话“不是玩笑”。 芯片应用场景：自动驾驶与人形机器人 马斯克表示，特斯拉自研芯片将带来“深远的积极影响”，包括： 更安全的驾驶体验，从而“挽救数百万生命”； 通过机器人 Optimus 的医学应用，使所有人都能获得“先进医疗服务”。 他并未公布更具体的技术指标或部署范围，仅强调芯片在特斯拉整体 AI 战略中的核心地位。 特斯拉广招人才 马斯克最后还宣布，特斯拉正在招聘具备卓越能力的芯片相关人才，并要求“毛遂自荐者”说出三条能证明自己具备“卓越能力”的要点。另外，特斯拉“特别关注在芯片设计中应用最前沿 AI 的方向”。

快科技11月23日消息，日前，iOS微信发布8.0.66测试版，苹果iOS 14系统用户将彻底被淘汰。 据了解，目前iOS微信8.0.65正式版的系统要求为iOS 14.0及以上。 微信8.0.65正式版 而在8.0.66测试版中，微信兼容性提升至iOS 15.0或更高版本。 微信8.0.66测试版 这意味着，iOS微信8.0.66正式版发布后，无法升级或尚未升级至iOS 15及以上系统的老款iPhone将无法使用新版微信。 据悉，iOS 15系统于2021年发布，苹果10年前发布的iPhone 6s也能升级。 对于微信来说，其系统兼容策略已经很良心了，尽可能让更多老款设备仍能使用新版微信。

2000 亿参数、3 万块人民币、128GB 内存，这台被称作「全球最小超算」的机器，真的能让我们在桌面上跑起大模型吗？ ▲ 图片来自 x@nvidia 前些天，黄仁勋正式把这台超算送到马斯克手上，而后也亲自去到 OpenAI 总部，送给奥特曼。从 CES 登场到如今落地，这台个人超算终于要来到我们手上。 ▲官网发售情况，售价 3999 美元，也提供了华硕、联想、戴尔等七个电脑品牌的发售版本；链接：https://marketplace.nvidia.com/en-us/developer/dgx-spark/ NVIDIA DGX Spark，一台个人 AI 超级计算机，目标用户是科研人员、数据科学家和学生等，为他们提供高性能桌面级 AI 计算能力，帮助他们完成 AI 模型的开发和创新。 听着很强大，但普通人能想到的玩法，无非还是： 本地跑大模型：跟它聊天的内容只留在自己电脑里，绝对安全。 本地搞创作：不受限制地生成图片和视频，告别会员和积分。 打造私人助理：把自己的资料都喂给它，训练一个只懂你的「贾维斯」。 ▲ 部分显卡租赁平台显示的 A100 售价为 7元/时 实际上，DXG Spark GB10 Grace Blackwell 超级芯片的能力，或许可以拓展它的应用场景，但是具体能做些什么？又做得怎么样？3 万块的售价，能租 4000 小时的 A100，你真会把它放在桌上跑跑大模型吗？ 我们收集了目前网络上关于 DGX Spark 多个详细评测，试图在我们的实际体验之前，带大家看看这台设备，到底值不值 3 万块。 太长不看版： 性能定位：轻量模型表现出色，1200 亿参数的大模型也能稳稳跑起来。总体水平介于未来的 RTX 5070 和 RTX 5070 Ti 之间。 最大短板：273 GB/s 内存带宽是限制。算力足够，但数据传输慢。体验就像一个脑子转得飞快但说话结巴的人。 邪修玩法：用一台 Mac Studio M3 Ultra 来「辅佐」它。DGX Spark 负责快速思考，Mac Studio 负责流畅表达，强行解决「结巴」问题。 生态丰富：官方提供了超过 20 种开箱即用的玩法，从生成视频到搭建多智能体助手，AI全家桶都给你配齐了。 只比 Mac Mini 强一点点？ 话不多说，先看数据。 ▲ 每秒处理填充和解码的平均 token 数量，DGX Spark 排在 RTX 5080 后，图片由 ChatGPT 制作 DGX Spark 对比 Mac Mini M4 Pro 还是要强上不少，尤其是在 Prefill 阶段。但是在 Decode 阶段，优势就没有这么明显了。Mac Mini M4 Pro 在 DeepSeek R1 开源模型上的 TPS 能做到 17.8，而 DGX Spark 也才 33.1。 快速做个名词解释，来看看 AI 推理的两个阶段到底是什么 简单来说，当我们在 AI 聊天框里输入问题，模型生成答案的过程可以分为两个关键步骤： 1. Prefill（预填充/阅读理解阶段） AI 拿到我们的问题后，快速阅读和理解你输入的每一个字（即提示词）。 这个阶段处理得越快，我们等待 AI 吐出第一个字的时间就越短，也就是常用来宣传 AI 能力的指标，首字响应时间，TTFT（Time To First Token, TTFT） 越短。 2. Decode（解码/生成答案阶段） 就像 AI 已经想好了答案，开始逐字逐句地打字输出给我们。 决定 AI 打字的速度，也就是我们常说的 TPS（每秒生成词元数）。这个数值越高，我们看到答案完整显示的速度就越快。 Tips：什么是 TPS？ TPS 是 Token Per Second（每秒处理词元数）的简称，可以理解为 AI 的工作效率或打字速度。 Prefill 阶段的 TPS： 代表 AI 读懂问题的速度。 Decode 阶段的 TPS： 代表 AI 给我们生成答案的速度。 所以 DGX Spark 在给我们回答时，第一个字很快能出来，但是后续它的打字速度，很慢。要知道，Mac Mini M4 Pro 的价格才 10999 元，24GB 统一内存的版本。 为什么会这样？这项测试是由大模型竞技场的团队 LMSYS，在他们的 SGLang 项目和 Ollama 上，选择上图中六个不同的设备，运行多个开源大语言模型完成的。 ▲ SGLang 是由 LMSYS 团队开发的高性能推理框架，FP8、MXFP4、q4_K_M、q8_0 是指大语言模型的量化格式，即对大模型进行压缩，用不同的二进制存储方式 测试的项目包括了 1200 亿参数的本地大模型，也有 80 亿的较小模型，此外 Batch Size 批次大小和 SGLang 与 Ollama 两种框架的差别，都会对 DGX Spark 的表现，产生不同的影响。 例如，评测团队提到，DGX Spark 在批次大小为 1 时，每秒解码的次元数只有 20 个，但是当批次大小设置为 32，每秒解码词元上升到 370。一般说，批次大小设置越大，每次要处理的内容越多，对 GPU 的性能要求越高。 而 DGX Spark 的 AI 能力，根据其所采用的 GB10 Grace Blackwell 芯片架构，以及 1 PFLOP 的稀疏 FP4 张量的性能，定位是在 RTX 5070 和 RTX 5070 Ti 之间。 所以开头那张显示结果的图，其实并不能全面的展示 DGX Spark 的能力，因为它平均了所有模型测试的结果。但不同批次大小的模型推理、以及不同参数的模型，它最终展示出的性能，都会有所不同。 综合来看，DGX Spark 的优点是： 算力强：能处理大批量任务，AI 核心能力在 RTX 5070 级别。 内存大：128GB 的海量内存，让它能轻松运行千亿级别的大模型。 但它的短板，致命且清晰——带宽。 Prefill 阶段拼的是算力（脑子快不快），Decode 阶段拼的则是带宽（嘴巴快不快）。 DGX Spark 的问题就是：脑子（算力）很快，但嘴巴（带宽）跟不上。 打个比方，它的数据通道就像一根细水管： DGX Spark 用的内存是 LPDDR5X（手机和笔记本电脑常用），带宽只有 273 GB/s。 作为对比，高端游戏显卡 RTX 5090 用的 GDDR7 内存，带宽高达 1800 GB/s，那是一根消防水管。 这就是为什么 DGX Spark 在打字阶段（Decode）表现平平的根本原因。 LMSYS 将评测的详细结果放在了 Google 文档中，我们把数据交给 Kimi 智能体，得到了一份详细的可视化报告，原始数据的预览，也可以点击 Kimi 预览报告下载选项获取。 ▲ https://www.kimi.com/chat/199e183a-7402-8641-8000-0909324fe3fb 带宽限制？连接一台 Mac Studio 破解 带宽是短板，但已经有更极客的团队，找到了榨干 DGX Spark 全部算力的方法，那就是找一个带宽更快的桌面设备，Mac Studio M3 Ultra，利用其 819 GB/s 的速度，把大模型的推理速度愣是整体提升了 2.8 倍。 拿到两台 DGX Spark 早期访问权限的 EXO Lab，就直接把大模型推理的 Prefill 和 Decode 两个阶段，分别给了 DGX Spark 和 Mac Studio 来承担，这又叫做 PD 分离。 和我们之前介绍的预填充、解码两个阶段一样，一个依赖算力，一个依赖带宽。如上图所示，黄色代表预填充阶段，它决定着 TTFT，首个次元生成时间；而蓝色代表解码阶段，它决定了 TPS，每秒生成的词元数。 ▲ EXO Lab 的做法就是将 Decode 交给 Mac Studio。 但 PD 分离的实现也不并不简单，EXO 团队要解决的还有一个问题，如何将 DGX Spark 设备上，预填充阶段生成的内容（KV 缓存），传输到处理解码的设备上。 这部分数据量很大，如果两台设备之间，传输时间太长，甚至可能会抵消性能提升的效果。 EXO 的答案是：流水线式分层计算与传输。DGX Spark 在处理第一层预填充时，计算出的 KV 缓存会立即开始传输给 Mac Studio，而 DGX Spark 则继续进行第二层的预填充工作。 这种分层流水线的方式，能让计算和数据传输的时间完全重叠。最终，当所有层的预填充完成，Mac Studio 已经拿到完整的 KV 缓存，可以立即开始解码。 虽然这套方案，在某种程度上解决了 DGX Spark 带宽限制的问题，提升了 3 倍的速度，但是费用也涨了 3 倍。两台 DGX Spark 和一台 Mac Studio M3 Ultra 的费用，快接近 10 万元人民币。 如果还是用来跑一个本地大模型，未免太过于杀鸡用牛刀。 性能评测之外，还能做些什么 273 GB/s 的带宽，也并不是 DGX Spark 的全部，128GB 的统一内存，用在数据中心级别的 GB10 架构显卡，支持每秒一千万亿次计算（1 Petaflop），以及桌面级设计，都有机会拓展它的应用场景。 我们在 YouTube 上找了一些博主的开箱和上手体验视频，一起看看这台优点和短板都很明显的设备，可以做点什么。 本地 AI 视频生成 生文模型现在基本上都免费使用，但是生视频的模型，大多数都需要充值会员，或者积分制。 博主 BijianBowen 利用 ComfyUI 框架，以及阿里的 Wan 2.2 14B 文本到视频模型，直接根据 DXG Spark 官方的 Playbooks（操作指南），配置了一个视频生成项目。 ▲ NVIDIA DGX Spark – 非赞助的评测（与 Strix Halo 对比、优缺点）视频来源：https://youtu.be/Pww8rIzr1pg 在视频生成过程中，他提到即使命令后显示 GPU 的温度已经达到了 60-70 摄氏度，但是听不到一点噪音，风扇转动的声音也没有。 ▲大部分博主有提到，DGX Spark 确实比较「安静」，设备拆解相当工整，来自 storagereview.com 除了用在视频生成和图像生成的 ComfyUI 提供了在 DGX Spark 上操作的指南，还有在本地运行大模型的桌面工具 LM Studio，也发布了博客提到支持 DGX Spark。 工具调用，搭建多智能体聊天机器人 Level1Techs 分享了自己用 DGX Spark 并行运行，多个 LLMs 和 VLMs，来实现智能体之间的交互。 ▲ 深入探讨英伟达的 DGX Spark，视频来源：https://youtu.be/Lqd2EuJwOuw 得益于 128GB 的大内存，他可以选择 1200 亿参数的 GPT-OSS、67 亿的 DeepSeek-Coder、以及 Qwen3-Embedding-4B 和 Qwen2.5-VL:7B-Instruct 四个模型，来处理不同的任务。 这个项目也是 Nvidia 官方提供的指南，在他们官网，提供了超过 20 种玩法，并且每一种用法，都给出了预计需要的时间，以及详细的步骤。 ▲ https://build.nvidia.com/spark 像是搭建一个文本到知识图谱的系统，把非结构化文本文档，转换为结构化知识结点。 视频搜索和摘要总结。 我们在 Reddit 上也发现一些拿到了 DGX Spark 的用户，开启了 AMA（Ask Me Anything） 活动。博主分享了自己的测试结果，同样提到 AI 能力对标 RTX 5070。还有有人问，是否可以运行一波 Karpathy 新推出的 nanochat 项目。 后续应该还会有更多 DGX Spark 的基准测试结果，和更全面的使用指南更新，APPSO 的 DGX Spark 正快马加鞭赶来。 DGX Spark 的存在，看起来更像是 AI 狂飙时代下的一个实验，一台数据中心级算力的桌面机器，试探着我们对本地 AI 的幻想边界。 真正的问题除了 DGX Spark 能不能跑，还有当我们每个人都能拥有一台超算时，我们可以拿它做什么。

快科技11月23日消息，据博主“拜托了老司机”爆料，一位东风eπ008车主向其反馈称，自己的车在倒车时，出现全车断电的状况。 车主提供的行车记录仪显示，11月2日晚间，车辆在倒车途中，突然出现全车断电的情况，不仅车内外灯光全部关闭，车辆的动力也丢失，整车跟熄火了一样。直到等了2、3秒钟，车辆才重新恢复供电。 自动播放 “如果这要是高速上，别说停3秒了，停1秒都可能要命。” 车主在APP上向官方客服咨询此事，对方称，车辆的电量低于20%的话，有一定几率会出现这种情况。 车主介绍，他也去东风奕派的门店检查了车辆，维保人员称车辆都是正常的，电池也没有问题。他们还称，你以后用车，尽量不要让电池低于20%。 博主对此表示，你这是一台电动车，按照东风奕派的说法，不可能不让你用20%以下的电量吧。再说你买车付了100%的全款，只能用80%电量的话，我八折付你钱行吗？ 此外，车主透露，店面方面咬定是有一定几率才会出现这种情况，也可能是蓝牙钥匙信号丢失导致的电力中断。 “下次如果还出现这种问题，第一时间联系他们，他们会给我处理。”但车主称，如果我下次在高速上，我人都已经没了。 “我当时买这个车，是听我老婆说，这车空间什么都好。我之前上一台也是电车，从来没遇到这种问题。” 经过博主与厂商的协调，厂商那边排出技术援助工程师，在车辆上安装数据采集器，故障依旧在排查中。

风华正茂 奕境新生 在这个被流量裹挟的造车时代，发布会越来越像综艺现场，参数与声量似乎成了衡量一切的标尺。我们见惯了太多的「新物种」和「颠覆者」，但当热度退去，汽车作为出行工具的底色其实从未改变： 它首先需要的是安全与信任。 正如 2014 年，任正非在一次讲话中所说： 大家一定要相信汽车首先必须是汽车，金融必须首先是金融，豆腐必须首先是豆腐…… 别的不能取代汽车，如果能取代，那就是阿拉伯飞毯。 这句话放在今天依旧振聋发聩。 56 岁的东风选择在这个节点，与华为乾崑走到一起。面对智能化转型的浪潮，这位制造业的老兵没有选择单打独斗，而是转身牵手了在底层技术深耕已久的科技巨头—— 11 月 20 日，华为乾崑生态大会正式揭幕「奕境」品牌。 这次合作最大的看点，在于它是华为乾崑与央企的首次合作。东风拿出了看家的制造体系，华为乾崑拿出了沉淀多年的数字能力，双方试图在喧嚣的市场中，给家庭用户提供一个扎实的新选择。这件事的分量，或许远超发布一个新品牌本身。 当造车央企牵手华为乾崑 要把奕境这个新名字讲清楚，我们的目光不能只停留在 11 月 20 日这一天。如果你把时间轴拉得足够长，就会发现，有些相遇其实早已埋下伏笔。 几个月前，搭载华为全栈技术的猛士 M817 登场。这辆去无人区撒野的车，恰恰成了华为乾崑最好的试炼场。 市场反馈证明，华为乾崑经得起最严苛的折腾。如果这套系统能在极端工况下不掉链子，那回归到城市道路和家庭场景时，这种技术能力的溢出自然就成了保障。 这就有了今天的新品牌，也就是「奕境」。 为了这个项目，双方都拿出了有些「热切」的投入。在武汉的联合办公区里，奕境与华为乾崑的团队打破了传统的甲乙方壁垒，进行了高频次的深度对齐。 这里发生过很多激烈的争吵。奕境在开发过程中，为了车灯造型上 0.5 毫米的差异，方案被推倒重来了 20 多次。不仅如此，从空调出风口的材质到吹风角度，每一个关乎家人体验的细节，都经过了数百项的打磨优化。 这听起来有些执拗，却颇为真实地反映了两种基因的碰撞。一边是东风对工程制造一丝不苟的严谨，一边是华为乾崑对用户体验近乎偏执的追求。 这种磨合极具挑战，但也很有必要。不同于简单的技术授权模式，奕境引入了华为乾崑的技术，也引入了华为乾崑最先进的 IAS-IPD（集成产品开发）和 IPMS（集成产品营销与服务）、全球严苛的质量标准以及成熟的供应链管理经验。这意味着东风在造好一辆车的同时，也顺带进行了一次组织流程的革新。这种深入骨髓的捆绑，让奕境跳出了简单的拼凑，成为真正融合了制造与智能两种基因的「新物种」。 这种战略节奏在 2025 年明显加速。回顾这一年，双方的合作步履不停：1 月在深圳签署协议正式启航；5 月在武汉全面升级战略——将合作范围一口气扩展至华为乾崑智能驾驶、华为鸿蒙智能座舱和华为乾崑智能车控等核心领域；9 月联合创新实验室揭牌，攻关 AI 泛场景应用。 奕境，聚焦家庭用车的细分市场 把历史的拼图拼完整后，我们还得回到现实，面对一个最直接的问题。在如今这个早已成熟的汽车市场，为什么我们还需要一个奕境？ 如果把造车比作塑造一个顶尖的运动员，东风负责的是强健的骨骼、肌肉和心肺功能——这是体能的基础；而华为乾崑负责的则是敏锐的视觉、听觉和神经系统——这是反应的上限。 对于奕境来说，东风提供的不仅仅是那层「底座」，更是作为央企的制造底线。 在家庭用车的语境下，被动安全、车身工艺以及供应链的稳定性，是一切体验的前提。东风不仅拿出了 16000 吨一体化压铸技术、48% 热效率增程器，更基于服务 6000 万用户的底蕴，为电池定下了「零起火」的管控目标。通过 200 余次整车耐久测试，东风试图为家庭用户构建一个坚不可摧的安全空间。 而在制造的底座之上，华为乾崑注入的，则是一种全栈式的能力。从华为乾崑智能驾驶、到华为鸿蒙智能座舱，再到华为乾崑智能车控等核心技术领域，所有的智能化配置都被打通成了一个整体。 而驱动这种全栈融合的，是华为乾崑团队在内部一直践行的一种 ToB ToC 逻辑：他们虽然直接服务的是车企，但最终的目光始终盯着那个握方向盘的人。 当然，华为乾崑带来的改变，最核心的还是在于安全。在传统的造车逻辑里，安全是靠「撞」出来的；而在华为乾崑的逻辑里，安全是可以「算」出来的，其全新 WEWA 架构不仅让辅助驾驶体验更丝滑类人，实现了车位到车位 2.0 和巡泊一体的无缝体验，更在安全性上新增了驾驶员失能辅助、侧向负向障碍物检测等多重守护。 这可不是纸上谈兵。截至 2025 年 10 月，华为乾崑智能驾驶累计行驶里程已突破 58 亿公里，成功避免潜在碰撞 317.4 万次。 正是这种「制造」与「全栈能力」的深度咬合，构成了奕境最核心的护城河，也成为它从华为乾崑庞大的朋友圈中脱颖而出的底气。东风在 56 年间锻炼出来的「稳」，加上华为乾崑的「锐」，这种软硬结合的差异化，就是奕境最大的生存空间。它追求的是在「家庭用车」这个综合题上，给出一个没有短板的高分。 奕，是盛大光明的美好；境，是智慧的境界和空间。 奕境这个名字，颇为精确地切中了当下中国家庭的用车需求，既提供了央企制造带来的安全感，又将科技巨头的未来想象落地为实。 明年 4 月，奕境的首款产品将正式登场。在这个喧嚣的时代，或许我们缺的不是一辆更快更炫的车，而是一辆真正能让全家人安心、让出行回归美好的作品。 东风与华为乾崑，正在用时间，慢慢讲好这个关于「境」的故事。