哈？你还不知道 “加州库老头” 已经退休了、苹果已经换人当 CEO 了？？？罚你去看之前的文章！

咳咳，言归正传 ——

看我们文章的差友估计都是老数码宝贝了，应该都知道每年的 6月 苹果都会召开全球开发者大会，今年也不例外，时间定在了北京时间 6月 9 日的凌晨。

虽说叫开发者大会，但每年的 WWDC ，苹果都会更新 iOS、macOS、iPadOS 等系统。

这些更新不但会影响 9月份的新 iPhone，也会影响我们手里现有苹果设备的体验。

每年到了这个时候，我都会提前带大家过一遍网上的各种爆料和各种传闻，帮大家判断WWDC 那天晚上还有没有必要熬夜。

今年也不例外，我们在盘了一遍各个渠道的爆料和消息之后，发现今年 WWDC ，不但有很多软件和系统上的看点，也有很多跟苹果未来硬件产品相关的细节。

别急，我们一个个来看。

# iOS 27：为折叠屏iPhone做好准备

要是用一句话总结这次的 iOS 27，那就是“ 为折叠屏做好准备 ”。

据多方爆料，iOS 27 大概率会引入类似 iPad 的“应用并排”多任务处理功能 。

简单来说，以后 iPhone 上的 APP 也能像电脑窗口一样，随意调整大小，还能一键最大化、最小化 。

这种级别的多任务交互，摆明了是给那台传闻中的折叠屏 iPhone 量身定制的，而且这个并排功能甚至可能由折叠屏 iPhone 独享 。

换句话说，只有即将成为尊贵的苹果折叠屏的高净值差友们能在手机上用到这个功能啦 (狗头

而对于那些没有预算上 iPhone 折叠屏的人，还有下面这些更新 ——

首先据爆料，iOS 27 上接入了 Apple Intelligence 的 Siri 将迎来史诗级重构，直接变成了一个拥有独立 APP 的 AI 助手。

具体的 APP 界面大概率会跟现在的 ChatGPT、豆包、DeepSeek 聊天界面一样。

至于唤醒动画，大概率会跟之前的跑马灯差不多，即使没见过 Apple Intelligence的正宗跑马灯，大伙儿看看现在几个安卓做的大概也能了解个七七八八了。

而 Siri 的能力也会迎来一波大升级 —— 这次苹果会推出一个叫 “ Extensions ” 的全新底层框架 ，方便 Apple

Intelligence 接入更多第三方大模型。

这玩意儿说白了就是一个“AI大模型插座”。

以前苹果的 Apple Intelligence 只能用 ChatGPT，现在格局打开了，Gemini、Claude 等第三方云端大模型排队等着用户翻牌子 ，跟换输入法一样简单。

除了 Siri 和 Apple Intelligence，iOS 27 的相册也硬气了一回。

AI 扩图、 AI 智能改善光影和清晰度全安排上了 。

图片由 Nano Banana生成

虽说这两年安卓这边各家的相册早就陆陆续续地集成了这些 AI 功能，苹果这时候才跟进难免会被说抄都赶不上热的。

不过目前安卓阵营在做AI 图像处理时，不少功能还是需要借助云端的 AI 算力才能完成。

但是对于注重隐私的苹果来说，上述这些功能大概率全都是能在端侧实现的。

不过话又说回来了 —— 以上我提到的这些 AI 功能全都不保证在咱们国内可用。。。

国行版本iPhone能不能用上新版的Siri、上了之后可以接哪些第三方大模型，这些问题可能都得到 WWDC 当晚才能知道答案了。

当然啦，WWDC也会有一些所有版本的iPhone都有望吃上的新特性，比方说 iOS 26 里那个被骂花里胡哨的 Liquid Glass 动效，这次苹果终于妥协了。

图片由 Nano Banana生成

搞了个系统级透明度调节滑块 。。。

喜欢炫酷你就拉满，觉得晃眼你就把透明度拉低点。

托尼认为把选择权交还给用户，绝对是件好事，尤其是还在用老机型的用户，毕竟 Liquid Glass 对算力和电量的消耗都不算低。

老 iPhone 升级 iOS 27 后，如果嫌开 Liquid Glass 太容易发烫、太耗电，那就可以把效果调低一点，甚至直接关掉。

不过也得加一个限定条件，因为并非所有的老 iPhone 都能吃上 iOS27 的更新：

几乎可以确定的是 iPhone 11 系列和第二代 iPhone SE 用户，以及更老的机型，大概率是收不到 iOS 27 的更新推送了 。

也能理解，毕竟 iPhone 11 已经是七年前的发布的手机了，就连第二代 iPhone SE 也发布 6 年了，支持了这么多年了系统大版本更新，果果已经很够意思了。

# macOS：介绍全新可触控 MacBook

相比起 iOS 27，macOS 27 的更新计划可能要更激进一点。

苹果很有可能在今年WWDC上宣布， macOS 27 将不支持所有搭载 Intel 处理器的 Mac 机型 。

2019 款的 16 英寸 MacBook Pro、2019 款 Mac Pro，以及 2020 年初的 iMac，当然啦，还有这些之前的机型，通通无缘最新的 macOS。

这也意味着苹果全面转向 M 系列芯片，如果你手上还持有当年 M1 版本的 MacBook Air，那它将会成为支持 macOS 27 的最老机型。

除了停止支持 “ 老成员 ” 以外，macOS 还得为 MacBook 新型号做好准备：

多方爆料确认，苹果计划在今年晚些时候推出首款触屏版的 MacBook。

图片由 Nano Banana生成

根据著名分析师郭明錤的爆料，这代 MacBook 会引入 On-Cell 触屏。

同时为了适配这块触控屏，macOS 27 也会在底层内置触控支持模块 。

不过大会结束后推送的测试版，大概率会把触屏的功能藏起来。得等到年末触屏版 MacBook 真正发布的时候，我们才能体验上。

随着高端 OLED 屏幕技术的成熟，苹果想给 MacBook 找新的突破点，上触屏是一个性价比很高的选择。

但这也算是苹果又一次做出了违背祖宗的决定了—— 早在2010 年苹果举行的 "Back to the Mac" 特别活动上，乔布斯就公开表明MacBook绝不做触屏。

没想到16年后苹果又一次跟他反着来了。

除此之外，MacBook 支持触控之后，MacBook 跟 iPad 之间的界限会进一步模糊。

不过目前来看，苹果给出的解决办法非常的 “库克” —— 只有 MacBook Pro 这样的高端型号才能吃上触屏功能 —— 绝大多数和 iPad 售价重合的 MacBook Air 依旧是不支持触屏的。

但是即使这样 ，也同样存在定位打架的问题，目前搭载M5 芯片（10核CPU，10核GPU） 、14寸标准显示屏和1TB固态硬盘的 MacBook Pro 官网售价是 13499元。

而搭载 M5 处理器（9核CPU，10核GPU）、13寸标准玻璃面板和 256GB 内存的 iPad Pro， 加上妙控键盘最少也要 14298 元。

这样看来，为了避免定价冲突进一步增大，最新款支持触控屏的 MacBook Pro 大概率就要涨价，保守估计起售价会比现在不支持触控的 MacBook Pro 贵一千元以上。

至于其他的几个系统，像 iPadOS 和 watchOS，目前来看都不会有大的更新，我们就不给大家展开来聊了。

# 其他硬件

最后我们来看看其他硬件的情况，这次新的硬件产品传闻也不少。

处理器这边，M5 Ultra 大概率会在这次WWDC亮相 ，传闻它的规格相当炸裂，有 36 个 CPU 核心和 80 个 GPU 核心，最高 512GB 统一内存。

图片由豆包 AI 生成

而且按以往的经验，M5 Ultra 大概率会搭载在新的 Mac Studio上，另外新的 Mac Studio 还会有搭载 M5 Max 的低配版。

往年这个性能级别的电脑我可能只会推荐给富哥或者小型的创意工作室。

但今年年初龙虾浪潮来的时候，苹果的 M 系列处理器连带着 Mac Studio 又重新进入了大众的视野。

主要是因为大家逐渐发现，统一内存架构和大核显等等特点特别适合用来跑本地 AI，而且同性能下 Mac 阵营的产品相对来说价格也更低。

当然啦，对我们普通人来说，这次估计也会有新的 Mac mini 。

新 Mac mini 大概率会跟 Mac mini M4 用同一套模具，同时把处理器换成 M5 或者 M5 Pro。

6月3日，媒体报道称，DeepSeek计划募集约500亿元人民币，投后估值达3500亿至4000亿元。相比上月底传闻的700亿元，最新传出的融资规模略有收缩。

除了DeepSeek创始人梁文锋承诺投入200亿元外，腾讯考虑投资100亿元，宁德时代也可能投资50亿元。综合多方消息，其他潜在投资方包括国家集成电路产业投资基金、网易、京东、砺思资本、IDG资本、基石资本等。

DeepSeek是国内唯一尚未融资的主要AI公司。等到这笔资金到位后，它的财务压力将减轻不少。不过，和梁文锋的理想和大众对于 DeepSeek的期待相比，这笔钱显然远远不够。

再大的公司，搞 AI 都缺钱。豆包已经确定要收费，DeepSeek或许可以学习一下。

豆包5月初更新了App Store应用商店页面，公布了即将收费的消息，设置三档订阅价格，最低68元/月。

6月3日晚间，豆包发布消息称，计划推出专业版，将包含软件开发等多项专业服务。用户日常使用的功能，包含搜索问答、写作生图，以及语音和视频对话等，将保持目前的免费服务。专业版的服务也将在一定额度内免费。

豆包App启动收费，并不令人意外。

AI App烧钱严重、收入却非常少，现金流转正遥遥无期，是所有AI公司都面临的难题。坐拥3.45亿MAU、1.45亿DAU的豆包，同样逃不开这一行业现实。

更深层的难题是，互联网产品的边际效应不适用于AI产品。他们并不能像互联网产品那样，熬到用户量跨过某个节点后，立刻绝地逢生、扭亏为盈。恰恰相反，AI App的用户量越大，token使用量越高，亏损就越严重。

赚钱，已经成为AI App的头等大事。直接收取会员费，则是最简单直接、立竿见影的手段之一。

在国外，ChatGPT、Gemini、Claude、Grok等AI App早已搭建了一整套付费会员体系，同时对“白嫖”用户施加越来越多限制，形同“逼氪”。在国内，各大AI App吃相好看一些，但底层玩法并无二致。

如今，国内活得最好的豆包，也把收会员费提上日程。

但与同行相比，豆包背靠抖音这头现金牛，能够获得集团的资金支持。同时，字节多次上调火山引擎MaaS业务的全年营收目标，今年4月已达150亿元，相比去年底调高50亿元，侧面反映出字节AI的整体赚钱能力相当强劲。

真正该快马加鞭、向C端用户收费的，或许是一直对商业化不太着急的DeepSeek。

表面上看，DeepSeek在幻方量化的羽翼之下并不缺钱，数百亿元巨额融资也在路上。但豆包尚且需要靠卖会员“补贴家用”，DeepSeek资金实力更弱，也有必要广开财源。

收费的另一重好处是，一直顺风顺水的DeepSeek，能够借机逼自己一把，在研发新模型之余，深入AI编程为核心的生产力场景，真正具备“干活”能力。相比技术、工程方面的创新突破，补齐这一短板的战略价值并不逊色。

此前，DeepSeek违背“祖训”、引入外部股东，实现第一次自我突破。如今，一个敢于向C端收费的DeepSeek，将有机会再次完成“成人礼”。

A

DeepSeek的可用资金并不宽裕，表现之一是算力资源明显不足。

主要AI App中，DeepSeek几乎是宕机次数最多的。特别是今年5月V4系列模型上线后，DeepSeek多次服务中断，相比前几个月更加频繁。

宕机的部分原因是token消耗量飙升。根据AI模型聚合平台OpenRouter的数据，5月最后一周，DeepSeek V4 Flash的token消耗量高达3.65万亿，环比增长32%，高居行业第一。

解决算力瓶颈并不困难：增加服务器、购买更多云端算力即可。不过，这也意味着更高的日常运营费用。DeepSeek若要不再频频宕机，就得多赚钱。

在B端，DeepSeek已经具备加大收费力度的条件。

最新发布的V4系列大模型虽然不算全方位SOTA，但性价比极为出色，吸引了大量专业用户和企业使用。再加上此前沉淀的口碑，DeepSeek完全有资格通过涨价赚得盆满钵丰。

但DeepSeek显然还不想马上“收割”。

在竞争对手纷纷涨价的情况下，DeepSeek一个月里四次调低V4模型的价格，5月底更是永久降价75%，每百万token输入（缓存命中）0.025元，输入（缓存未命中）3元，输出6元，堪称今年AI圈的“价格屠夫”。

DeepSeek释放的信号是：它希望聚拢尽可能多的B端用户，哪怕暂时赚不到钱，也要全力扩大用户规模。

这与DeepSeek下一步计划——在生产力场景落地相契合。

此前有报道称，DeepSeek组建了一个Agent Harness团队，方向是编程智能体，对标Anthropic旗下的Claude Code。与此同时，DeepSeek启动了相关职位的招聘。

不难看出，DeepSeek对于B端市场期待很高，希望通过超低价跑马圈地，并不急于盈利。这也意味着，现阶段，C端收入需要扛起DeepSeek的商业化大旗。

C端用户每天消耗token，却很少贡献收入，长期是AI App的亏损黑洞。

以豆包为例，其日均token消耗量从2024年5月的1200亿，飙升至今年3月的120万亿，增长约1000倍，其中很大一部分源自C端用户。但由于AI App的chatbot功能均为免费、不限量，巨量的token消耗并不能直接转化为收入，只会带来亏损。

在高峰期，这一矛盾更加突出。DeepSeek此前就有点儿“绷不住了”。5月29日下午，不少网友发现，DeepSeek重新生成、修改有次数限制了。有消息称，DeepSeek算力压力太大，采取了临时限制措施。

但只靠临时限流，无法真正解决问题。更何况，DeepSeek正在添加多模态能力，图片、视频、音频的token消耗量百倍、千倍于文字，算力需求更大，带来的亏损也更严重。

DeepSeek已经在找钱。但500亿的融资规模，比不上在港股市场狂飙的智谱、MiniMax，更比不上动辄融资千亿美元的OpenAI、Anthropic等巨鳄。只靠外部输血，DeepSeek迟早供不上仍在快速上升的C端用量。

破局之道，恐怕只有直接向用户收钱，为高消耗的高阶功能设置付费墙。

这其实是把B端的API商业模式移植到了C端。唯有如此，DeepSeek才能让token用量与收入规模真正挂钩，算力瓶颈才有机会被真正化解。

B

向C端用户收费，除了能够立竿见影地获得收入，还能以商业化倒逼产品落地，帮助DeepSeek补齐生产力场景的短板。

与国内AI公司相比，DeepSeek的长板是技术理念、模型能力、工程实现和性价比。每次发布新模型，它总是能够在这些维度上刷新行业认知，建立新的标杆。

坐拥高性能、高性价比模型，DeepSeek对于AI生产力的挖掘却并不充分。在产品落地上，DeepSeek尚有不少短板。

以AI编程为例，DeepSeek最新模型居于行业前列。按照DeepSeek的说法，V4的Agentic编程能力是开源模型里最强的，还针对Claude Code等进行了专项优化。V4发布后调用量迅速跃居行业前列，也从侧面印证了码农对于这一新模型的喜爱。

问题是，DeepSeek缺少Codex、Claude Code这样的独立AI编程产品，开发者大都通过第三方工具调用DeepSeek V4等模型。这一定程度上限制了DeepSeek的商业前景，也让DeepSeek App的功能矩阵止步不前。

当豆包、千问等想尽办法在App内塞入各种办公功能，并与电商、本地生活、学习教育等模块打通时，DeepSeek依然停留在chatbot的朴素形态，就连多模态都不支持。

面向生产力场景，DeepSee手握好牌，却慢了好几步。而这种慢，又导致了App的商业化进展有限。两者互相拖累，形成恶性循环。

如今，AI App纷纷开始收会员费，为DeepSeek提供了一个契机：以C端收费为切入点，让商业化先行一步，把产品侧的速度带起来。

AI App卖会员，基础功能chatbot肯定还是免费，卖点只能是高阶功能。这类功能是否好用、够用，很大程度上决定了用户是否愿意花钱。

以豆包为例，专业版将包含软件开发、数据分析、专业设计、流程自动化、金融分析、科学研究等专业服务。

会员体系更成熟的AI App，则往往以AI编程为主打项。

比如Kimi划分四档付费套餐，入门版本为连续包月每月49元，最高版本则为699元。不同档位的差距主要是Agent额度、是否支持Agent多任务并行、能否调用AI编程、是否支持专业数据库、能否“养虾”等。

DeepSeek要想卖会员，就得效仿其他AI App，主动补齐生产力相关的能力矩阵。如今几乎白板一块的DeepSeek App，势必要经历一番大改造，才能端到用户面前。

这一改造的技术难度不大，却高度契合高价值用户的需求，并与Agent时代注重工作能力的潮流相吻合。DeepSeek很早就应该做了，却在种种原因下，始终没有迈出第一步。

后果已经显现：DeepSeek去年初击败一众玩家，登顶国内AI App榜首；如今却又被豆包反超，甚至落在了千问身后。这固然有其他App大举砸钱推广的因素，但DeepSeek功能单一，外加时常宕机，也是其热度下滑的重要原因。

所幸，DeepSeek仍然拥有大量忠实拥趸。

今年5月初，一个叫 DeepSeek-TUI的开源项目在GitHub引发关注，一天时间就收获1.6万颗星。它是一款基于DeepSeek V4的终端原生编程智能体，不少开发者称其“DeepSeek版Claude Code”。

官方无法提供的生产力，粉丝就自己造。热情的粉丝，不仅为DeepSeek缓解了生产力的短板，也让它在开收会员费时有了更好的基础。

C

DeepSeek向用户收费，将是梁文锋的又一场“成人礼”。

上一场“成人礼”，是它不再对外部资本说“不”。

在风险投资驱动的AI行业，DeepSeek是一家颇为特立独行的公司：不接受外部融资、不稀释股权、不被任何人的商业化时间表绑架。“三不”原则造就了DeepSeek的独特气质和过往成功。

但进入2026年，DeepSeek出人意料地抛弃了这些原则，转而与众多巨头和风投基金接洽。

摆在梁文锋和DeepSeek面前的，是一个越来越清晰的事实：仅靠幻方量化每年7亿美元的收入，DeepSeek很难继续领跑，甚至会沦为二线选手。

资金薄弱的影响正在显现。App用户量被反超；万众期待的DeepSeek V4，虽然依然是开源模型的SOTA，但与一众闭源旗舰模型相比并无优势；罗福莉、郭达雅等核心人员投奔巨头，更是DeepSeek难以弥补的损失。

在资本市场上，DeepSeek最高4000亿元的投后估值，相当于两个MiniMax，却比智谱低了2500亿；相比万亿美元的OpenAI、Anthropic等，更是有两个数量级的差距。

于是，DeepSeek改弦更张，腾讯、宁德时代等即将成为新的股东。外部投资者除了带来丰裕的资金，也可以给DeepSeek创造更宽阔的用户入口和落地场景，并将自家的生产力工具矩阵“嫁接”到DeepSeek上。

但除了改变对于资本的看法，DeepSeek还需要商业化层面的“成人礼”——从“不赔不赚”，到“努力搞钱”。

过去，梁文锋和DeepSeek对于盈利的态度非常谨慎。在他的构想中，DeepSeek将继续推进开源AI模型，并以实现通用人工智能（AGI）为目标。利润并非公司的首要目标。

早在 2024年宣布DeepSeek V2降价时，梁文锋就表示，DeepSeek 只是按照自己的节奏做事，核算成本后定价，原则是不贴钱，也不赚取暴利，希望在成本之上稍微有点利润。

这套带有理想主义气息的逻辑，与OpenAI早年间的理念颇为相似。只不过，OpenAI几年前就抛弃了这一路线，转而朝着一家“正常”的公司转型，在赚钱的道路上狂奔；DeepSeek则尚未完成这一转变。

另一方面，追求“不赔不赚”意味着，DeepSeek需要更加依靠技术、工程等方面的突破来保持领先，去年的R1、今年的V4系列模型就是这样。但在激烈竞争中，这并非最快的发展路径，也并不会总是能够成功。

抱着旧思维的DeepSeek，面临新的竞争环境：AI已经从SOTA模型的对决，变成了既看产品和技术，更要赚钱逻辑的自洽、商业闭环的成立。

国内外AI公司已经充分意识到这一点。他们在集体迈向资本市场时，都把商业化能力摆在重中之重，客户比用户更重要，而ARR（年度经常性收入）是关键指标。

同时，资本市场正在奖励那些赚到钱的AI公司。Anthropic不仅收入规模超越OpenAI，还有望在今年第二季度首次扭亏为盈。在华尔街力挺下，Anthropic的估值已经反超OpenAI。

DeepSeek无法改变这一趋势，只能改变自己、迅速适应。和其他AI公司一样，DeepSeek到了“努力搞钱”的时刻了。

DeepSeek以往沿着梁文锋的想法前行，商业化怎么走、赚不赚钱，在于一念之间。但随着DeepSeek引入外部股东，这家公司的理想主义色彩注定消散，商业化进程势必加速。

今年以来，DeepSeek已经在加大AI编程方面的努力。在这一大动作产生效益之前，效仿豆包及其他对手，向C端用户收费，将是一举多得的举措，也可以推动DeepSeek再一次完成战略思维的跃迁。

具身智能的赛道上，迎来了一位重磅玩家——比亚迪。

近期，比亚迪执行副总裁李柯在接受比亚迪股东星球《有请》栏目采访时表示：比亚迪目前正在推进人形机器人项目。

她在采访中称，现阶段比亚迪在机器人方面聚焦的是工业机器人，而比亚迪自身，也是其工业机器人最大的用户，同时，比亚迪也在推进人形机器人的研发。

（图源：比亚迪）

李柯表示，中国的机器人“缺一个大脑”，而美国的机器人“大脑很发达，四肢不发达”。比亚迪在未来需要解决“大脑和四肢都发达的、真正可用的机器人”，并且这类机器人如果真正走向市场，比亚迪自身也会是最大买家，让机器人进入国外门店做导购，解决人力短缺问题。

至于在人形机器人的生产制造上，李柯表示，比亚迪的人形机器人不一定需要自己做，而是通过打造开放平台，打造自研机器人或与其他公司合作研发机器人。但李柯又表示，比亚迪的营销体系是“最牛的”“最全球化”的，并且其还有强大的生产制造能力和超强的执行力。

这是比亚迪首度披露人形机器人业务相关内容。而在此之前，比亚迪已经深耕四年。

根据《工业机器人》报道，比亚迪的人形机器人代号“尧舜禹”，于2022年正式启动，隶属于负责电子集成与智能化的第十五事业部。此外，比亚迪2025年的硕博毕业生招聘中，就有负责具身智能研究的相关岗位，研究方向为人形与双足机器人。

作为横跨电池、汽车、电子等业务的集团，比亚迪选择踏入具身智能行业，有什么自身优势，又会给行业带来怎样的变化？现在车企纷纷下场具身智能，又是为何呢？

N次跨界的比亚迪，从技术鱼池里面捞出了什么?

看到比亚迪披露踏入具身智能赛道，可能有人会觉得，比亚迪怎么在“不务正业”，不专心造车，却搞起了机器人？

但其实，比亚迪的造车，本身也是从跨界业务起步的。

比亚迪创立之初，是一家电池公司，从研发二次充电的镍镉电池起家到后来的锂离子电池，并为摩托罗拉、诺基亚等品牌供应电池。

2003年，比亚迪收购西安秦川汽车有限责任公司，踏入汽车行业，2005年，比亚迪F3发布。

一家电池厂，收购汽车品牌，按照常规的剧本来说，电池业务和汽车业务可能就没什么交叉，各自发展。

但后来的故事大家也都了解了，从第一辆插混车型F3DM到电动客车、出租车，再到现在坐稳新能源汽车品牌的头部地位，比亚迪不仅把跨界的汽车业务做成了主营业务之一，还和“老本行”电池业务协同发展，一同做大做强。

（图源：比亚迪）

回到当下，在汽车行业电动化、智能化竞争的下半场，比亚迪也开始持续在智能化方向发力。

2024年，王传福就曾公开表示，比亚迪在当时已建立了拥有4000名工程师的智驾团队。同年，王传福称，将投入1000亿元用于发展人工智能和汽车相结合的智能化技术，实现整车全面智能化进阶。

选择进军具身智能行业，也是比亚迪向人工智能的转型的重要方向之一。

并且，比亚迪作为横跨电池、汽车、3C、消费电子、芯片等领域的大型制造业集团，在制造机器人领域，更是有着先天的优势。电机、电控、电池、处理器……甚至就连代工组装，比亚迪都有相关业务覆盖。

这样来看，比亚迪选择进军具身智能，还是有些人说的“不务正业”吗？

并且，比亚迪现在向外界展露出来的技术，也并非其实力的全部。比亚迪的“技术鱼池”里，指不定藏着什么好东西。

在文章开头中提到的比亚迪股东星球对李柯的采访中，李柯也表示，等技术鱼池的鱼长大了，就捞出来放在平台里，直接就是“点亮”的。

可以看出，比亚迪在技术研发上，很多时候并不是等到出现行业需求时，再开始研发，而是先进行技术预研，等到行业或者自身出现需求时，再把“鱼”从“鱼池”中捞出来，快速将技术投入应用之中。

这几年比亚迪官宣的云辇、天神之眼、第五代DM技术、闪充……也都是技术鱼池的落地体现。

所以在具身智能这个方向，比亚迪是否又会从技术鱼池里面“捞”出“大鱼”，给行业一点比亚迪式震撼？

按照比亚迪的风格，电车通（ID：dianchetong233）猜测，比亚迪说不定正在人形机器人方面憋个大的？

新能源车企，纷纷拥抱人形机器人

除了比亚迪之外，不少新能源车企也已开展了对人形机器人方向的研发，并且已经有部分品牌推出了具体的成果。

最早起步的特斯拉，在今年5月于加州弗里蒙特工厂启动了人形机器人Optimus Gen-3（特斯拉第三代通用人形机器人）的首批量产。

（图源：特斯拉）

而根据媒体报道，就在Optimus Gen-3首批量产前的4月，已经有50台Optimus Gen-3正式交付给了特斯拉上海超级工厂，负责车辆的座椅安装、内饰装配、零部件搬运和质量检测四大工序，其工作效率达人类的85%，连续作业时长可达10小时。

国内新势力车企中，小鹏的首款人形机器人IRON也在2025年的小鹏科技日上正式亮相。

在今年小鹏集团的一季度财报通稿中，小鹏官宣，面向量产版本的新一代IRON计划今年三季度亮相，目标今年年底实现高阶人形机器人量产，首先在小鹏门店试商用，明年起面向客户交付。

何小鹏表示：“从明年起，人形机器人的硬件收入和AI模型收入会是小鹏集团收入和毛利增长的重要驱动力之一。”

理想的人形机器人项目，目前也正在推进中。今年1月，李想在线上全员会议中就官宣进军人形机器人领域，并且要推动产品尽快完成首秀和实际应用。

今年3月，根据媒体“一见Auto”报道，理想的人形机器人团队代号“Nexus”，已经秘密研发产品近一年，已经规划了双轮机器人和双足机器人两款产品，其中双轮机器人主要面向工厂场景，计划年内公开发布。

而李想本人也在与罗永浩的访谈播客节目中表示“具身智能有两个阶段，自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场。”

也就是说，车企们刚刚完成了电动汽车的“上半场”的电动化转型，正在“下半场”的智能化程度推进的时候，有些品牌已经开始布局具身智能领域的“下半场”了？

从智驾到芯片再到机器人，车企间新一轮“军备竞赛”已开启

比亚迪、特斯拉、小鹏、理想纷纷进军人形机器人赛道，新能源汽车之间的竞争已经踏入了新领域。

从前些年各家车企“卷”充电、续航、能耗，再到近几年车企们开始“卷”辅助驾驶、自研芯片、车载大模型，再到现如今的具身智能，车企们竞争技术高点的周期越来越短，强度却越来越高。

这或将意味着，未来汽车领域的“淘汰赛”将会异常惨烈，没有技术含量，或者技术含量落后于时代的车企，将会被时代无情淘汰。

并且，这一次，车企间的竞争已经跨行业到了具身智能领域，那么车企们的竞争对具身智能行业的“老玩家”们又会有何冲击，会不会有机器人品牌因为汽车行业的冲击而倒下？

未来的战况可能很激烈，祝各位玩家好运。

过去60余年，全球半导体的发展大致遵循着英特尔联合创始人戈登·摩尔提出的“摩尔定律”：集成电路上可容纳的晶体管数量会以大约18至24个月翻一番的速度增长。

然而，随着先进制程逼近物理和成本极限，“摩尔定律”的发展空间正在收窄，产业界也开始寻找后摩尔时代的新方向。

在5月25日的IEEE国际电路与系统研讨会（ISCAS 2026）上，华为公司董事、半导体业务部总裁何庭波正式发布“韬（τ）定律”（Tau Scaling Law），旨在跳出缩小晶体管的传统路线，预计到2031年，基于“韬（τ）定律”的高端芯片晶体管密度将达到1.4纳米制程的同等水平。

6月1日，全球芯片设计自动化和半导体技术路线图领域的重要学者Andrew B. Kahng（安德鲁·姜）接受《每日经济新闻》记者专访，对“韬（τ）定律”的真实价值与前景进行了解读。

Andrew B. Kahng现为加州大学圣地亚哥分校计算机科学与工程、电气与计算机工程双聘杰出教授，也是国际计算机学会（ACM）和国际电气与电子工程师协会（IEEE）会士，2019年获得“韩国诺贝尔奖”韩国湖岩工程奖。

Andrew B. Kahng 图片来源：加州大学圣地亚哥分校官网

NBD：请问应如何理解华为提出的“韬（τ）定律”？

Andrew B. Kahng：在我看来，华为提出的“韬（τ）定律”首先可以被理解为一种面向全球半导体生态系统的公开表态：它既体现出华为继续推进半导体技术演进的决心和信心，也构成了对传统路线的一种挑战。

“韬（τ）定律”的核心目标只有一个，就是打造在应用市场中具有竞争力的系统产品价值。要实现这一目标，不能只依靠某一个技术环节，而需要从系统到技术的全栈协同优化与协同推进。系统产品价值不是仅来自于光刻技术，还包括软件、封装、芯片设计、产业生态以及工程能力等多个方面。

NBD：如果芯片进步不再主要依靠缩小晶体管尺寸，现代芯片下一步优化的方向是什么呢？

Andrew B. Kahng：从根本上说，真正需要作为优化目标并持续提升的是系统价值。

不过，价值这一概念本身包含商业和经济层面的考量，相比单纯的技术指标要更加复杂，也更难被精确衡量。从历史上看，半导体产业往往借助一系列技术指标来大致反映经济价值的提升，例如密度。在整个“摩尔定律”时代，这些代理指标也在不断演进，不仅包括晶体管沟道长度、栅极间距，也包括金属互连间距、能效、电路速度、成本等多个维度。（注：在半导体领域，缩放指的是通过优化设计、工艺或系统手段，使芯片在性能、功耗、面积和成本等方面持续提升的过程。）

类似地，“韬（τ）定律”或许也可以被理解为一种元定律，它是一个新提出的概念，旨在反映半导体产业对于持续提升系统价值的根本需求。

需要指出的是，“摩尔定律”与几何缩放之间的简单绑定，实际上很早以前就已经突破。二十多年前，等效缩放和基于设计的缩放就已经被纳入半导体产业路线图。

与此同时，“超越摩尔”（More Than Moore）这一概念已经存在约二十年。该理念从系统和应用需求出发，而不是单纯关注晶体管尺寸。早在约四分之一个世纪前，半导体产业路线图中就已经加入了“系统驱动因素”（System Drivers）相关内容。

还应注意的是，当前半导体产业路线图已经预计，最迟到2036年，3D多层技术节点将成为产业发展的重要方向。此后，3D集成将成为延续芯片缩放进程的必要组成部分。

华为自2019年以来便已在紧迫探索如何通过3D集成继续实现缩放，这一行动很可能早于许多其他公司将该问题视为关乎生存的战略挑战。至于这种提前布局最终会带来怎样的结果，目前仍有待观察。

NBD：从电子设计自动化（EDA，指利用计算机辅助设计软件来完成超大规模集成电路芯片的功能设计、综合、验证、物理设计等流程的设计方式）和物理设计角度看，缩短信号路径、优化布局、改进互连，以及推动设计与技术协同优化，对于后摩尔时代继续提升芯片性能有多重要？

Andrew B. Kahng：这些都是持续提升系统价值的关键因素。更小、更快、更节能的芯片，意味着能够以更低成本提供更高价值。在传统“摩尔定律”带来的“顺风”逐渐减弱后，EDA和物理设计中的这些基本目标将变得更加重要。

在我看来，EDA和芯片落地环节仍然存在巨大提升空间。过去在依靠“摩尔定律”向前推进的过程中，两个完整技术节点的潜在价值尚未被充分挖掘。未来，重新获取这些价值的机会将分布在设计工具、设计方法学、优化技术等多个方面，并且会与机器学习和智能体式AI深度结合。

我经常用“摩尔定律”可以理解为‘每周带来百分之一的改进’”来说明产业过去的进步速度。随着技术提升放缓，最后的缩放杠杆将不可避免地来自质量、周期和成本的改善，而这些改善主要依赖设计和EDA。同时，机器学习和AI也将在其中发挥越来越大的作用。

NBD：随着传统光刻技术进步变得越来越困难、成本越来越高，系统级设计、先进封装、3D集成以及软硬件协同优化，在延续半导体性能和能效提升方面能够发挥多大作用？

Andrew B. Kahng：上述方向本身就是“超越摩尔”框架下必须发挥作用的关键杠杆，它们必须帮助半导体产业继续提升系统和产品价值。

我对此持乐观态度。我认为，这些技术路径以及其他相关手段，将在未来多年继续延展半导体缩放及其带来的技术红利。其原因在于，人类社会在能源、健康、气候、基础设施、可持续发展和科学发现等方面面临的需求极其迫切且规模庞大，我们不能让半导体技术的发展停滞下来。

NBD：华为预计，基于“韬（τ）定律”，到2031年将设计出等效于晶体管密度达到1.4纳米制程的高端芯片。从设计和实现角度看，应该如何理解“等效于1.4纳米”？

Andrew B. Kahng：2031年距离现在只有5年时间，因此可以推测，华为至少已经掌握了一条能够支撑这一说法的验证路径。

还需要注意的是，先进制程前沿的功耗、性能和面积指标从约5纳米推进到3纳米、2纳米和1.4纳米时，其改善幅度已经放缓。这意味着，“韬（τ）定律”需要弥合的差距可能小于外界直观想象。

在我看来，“等效于1.4纳米”更可能意味着一套基准测试标准。这些标准既能够体现“韬（τ）定律”的关键优势，同时暴露现在先进芯片在某些方面的局限，例如SRAM（静态随机存取存储器芯片）密度缩放不足，仍须嵌入纯二维平面布局，或者受限于同质化芯片架构。

这类对比指标可能围绕更低的功耗包络（power envelope）、更高的存储容量和带宽、单位封装面积的等效晶体管数量，以及同等功耗下的系统级吞吐量来设定，适用场景可能包括移动处理、边缘计算或AI加速器。

话虽如此，“等效于1.4纳米”很可能并不是指在版图密度、最高频率、制造良率、封装系统成本以及其他诸多指标上都达到1.4纳米水平。

我认为，上述指标都可以被量化和测量。如果相关标准能够被提前、清晰地提出，并在之后接受验证，那么“等效于1.4纳米”的说法将更有说服力。此外，“韬（τ）定律”的某些维度，可能具备更短的研发周期，更低的资本开支需求和更小的技术风险。这也会使这一说法具备一定的内在稳健性。

NBD：如果“韬（τ）定律”或类似路径取得成功，将对AI芯片、数据中心计算、芯片设计自动化，以及整个后摩尔时代转型产生哪些积极影响？

Andrew B. Kahng：只要能够继续推动基于半导体的系统价值提升，本身就具有积极影响。

这一概念的价值还在于，它提醒整个产业生态，系统价值是一个共同目标，要实现这一目标，多个技术领域必须协同合作，才能真正实现一种关于价值缩放的“元定律”。

此外，如果这一讨论能够邀请产业界再次思考指标、基准测试和技术路线图，即行业可以如何衡量和改进，并做得更好，而不是仅仅依靠过去经验“看后视镜开车”，这同样将产生积极影响。

（免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。）

记者|岳楚鹏

过去很多年，一直都是海外手握核心技术壁垒，通过各类技术限制、出口管控，死死卡住我们高端产业的发展节奏，国内企业只能埋头攻坚、被动突围。

但现在，风向彻底变了。国内顶尖科研智库联合重磅发声，梳理敲定了一份涵盖63项核心技术的管控清单，这也是中国首个相对比较完整且系统的出口管制技术框架，它明确对63项国内领跑、全球稀缺的顶尖技术，实施出口约束管控。简单来说，属于我们的独家核心技术、顶尖产业成果，也要对美及其盟友国出口管制。这就是“以其人之道还施其人之身”。

这份清单源自权威科研平台的深度研究，由国内多家顶级科研机构联合打磨而成，绝非随口提议，涵盖的领域几乎覆盖国内所有优势赛道，含金量直接拉满。大家熟知的电磁弹射、卫星量子保密通信、稀土尾矿回收技术全部上榜，还有超大型海上风电机组、北斗星间链路、自由空间光通信、高端人工智能硬件、前沿生物技术、航空航天制造等顶尖技术，每一项都是我们数十年深耕、实打实跑赢全球的硬核成果。

为了保证管控精准合理，研究团队还搭建了一套科学完善的评级体系，从价值、稀缺性、产业影响力等多个维度打分，划分出三级管控梯队。其中，量子保密通信、电磁弹射这类全球独一档、无可替代的顶尖技术，直接划入最高等级管控，严防技术外流，牢牢守住独家产业优势。

很多人可能疑惑，为什么现在要大力推进技术管控？核心原因只有一个：中国科技产业的身份，已经彻底变了。

放在十几年前，我们绝大多数领域都是跟跑状态，很多技术需要引进、学习、借鉴，只能被动遵守海外的技术规则。但如今格局彻底逆转，经过数十年深耕攻坚，国内科技产业早已摆脱全面追赶的局面，实现了整体并跑、多项领跑。

在量子信息、高端制造、人工智能、新能源、新材料等核心赛道，我们的技术成熟度、量产能力、产业链完整性，已经稳稳站在全球第一梯队，拥有了专属的技术壁垒和产业话语权。以前我们没有技术可以守，现在手握大量独家王牌，自然要做好防护，守住来之不易的产业优势。

熟悉行业的人都清楚，过去我们吃过太多技术外流的亏。早年为了抢占海外市场、拓展合作渠道，不少国内企业只顾短期利润，把整套成熟产线、核心工艺技术全盘对外输出。最后结果就是，亲手帮海外对手完善产业链，培养出强劲竞品，反过来挤压我们本土企业的市场空间，出现“徒弟超越师傅”的内卷局面。

这份63项技术清单的出炉，就是为了彻底终结这种无序内耗的局面。不再为了短期订单出让核心技术，不再用自家的科研积淀，成全别人的产业升级，把所有技术优势、产业红利、溢价权牢牢留在国内。

当然，目前这套清单还属于行业前瞻性研究和战略参考，是为国内产业长远发展铺路的前瞻性布局，并非即刻落地的硬性政策。但这背后释放的产业信号，已经足够清晰。

其实近几年，国内早已开始稳步推进核心技术保护工作。从稀土提炼工艺、光伏核心技术，到各类高端两用材料、精密制造技术，都在逐步收紧出口管控，一步步搭建属于自己的技术保护体系。

客观来说，我们的技术管控体系还在持续完善升级中。如何精准把控管控尺度，既能严防核心技术外流，又不影响正常的国际产业合作、外贸往来，兼顾安全与发展，是接下来行业深耕的重点。

但不可否认的是，这是中国科技产业一次里程碑式的转折。我们终于跳出了被动受限的局面，从跟随规则、适应规则，变成主动搭建规则、主导产业节奏。这份63项技术清单，不是封闭保守，而是对数十年科研成果的最大敬畏，也是中国从制造大国、科技追赶者，彻底迈向产业强国、技术领跑者的最好证明。未来，核心技术只会越来越值钱，属于中国科技的黄金时代，才刚刚拉开序幕。

这事儿的荒诞程度，放电视剧里编剧都不敢这么写。美国气势汹汹对中国AI搞芯片封锁，恨不得连一颗螺丝钉都焊死。结果呢？近一年时间，几十万枚最尖端的英伟达、AMD芯片，绕过万水千山，安安静静地躺进了中国AI公司的服务器里。而替中国打开这扇后门的，不是别人，正是特朗普政府自己留下的政策天窗。

你细品这个场面。美国商务部现在急得跳脚，紧急发布新指引要堵漏洞，可这笔账，怎么算都是一记甩在自己脸上的耳光。

咱们先把这个漏洞到底有多大，给它算清楚。根据知情人士透露的数字，过去近一年，可能有多达几十万颗高端芯片流入了中国。

几十万颗是什么概念？一颗英伟达H100芯片，市场价两万到三万美元，这还不算你有钱买不到的溢价。折算下来，这就是几十亿甚至上百亿美元的货，在美国商务部的眼皮子底下，完成了乾坤大挪移。路线怎么走的？说出来简单到让人想笑。

中国企业在新加坡、马来西亚这些东南亚国家设子公司、建数据中心，以海外业务的名义采购，然后这些芯片就顺着产业链，流向了真正需要算力的地方。整个过程合法合规，发票、合同、报关单，一应俱全。美国商务部站在海关门口查了个寂寞，货早就从另一个门大摇大摆地出去了。

那这个天窗是谁开出来的？这事儿就得把特朗普请出来挨打了。当初那套出口管制框架，留了一个致命的弹性空间：它管的是卖给谁，却管不了买走之后去了哪。翻译成大白话就是，你可以不让我在美国买，但你架不住我在新加坡开个公司，以新加坡企业的名义买。

而新加坡是什么地方？城市国家，弹丸之地，它一年买走的英伟达芯片数量一度飙到总营收的百分之十几，比整个美国的采购量还猛。你觉得它买回去是搞智慧红绿灯吗？这话连英伟达CEO黄仁勋自己都不信。他之前公开说过一句话，原话是美国的出口管制是“失败的”。这不是阴阳怪气，这是摊牌了：你定的规矩管不住市场，只要这地球上还有人买芯片，你就拦不住它最终流向出价最高、需求最旺的地方。

这就捅破了整件事最扎心的一层窗户纸。美国商务部的这次紧急制裁，表面看是在堵漏洞，本质上是一次公开承认失败的遮羞行动。你一个政策执行了一年多，被发现漏成了筛子，几十万枚最尖端芯片已经送到对手嘴里了，你才反应过来要补墙。

这就好比你家大门安了十把锁，结果小偷从你亲自留的侧门光明正大搬空了客厅。你现在跑出来说侧门以后也要锁，可东西已经没了。所以你要问中国真的买了这几十万枚芯片吗？答案是，这根本不是“买不买”的问题，而是当一道堤坝处处漏水的时候，水往低处流，那是物理规律，拦不住的。

而更深的那层讽刺，你得从特朗普的处境去看。他当初放松管制，打的是什么算盘？让美国芯片企业赚钱，同时锁死中国AI。结果钱倒是赚了，英伟达的财报漂亮得像美颜过的自拍。可锁没锁住？几十万枚芯片涌入中国，中国的AI大模型一个接一个地出来。这就是典型的“一边吃肉一边出事”的美梦破灭了。市场规律这个巴掌，比商务部部长的签字管用得多。

现在回头看，这道新禁令砸下来，确实会让那些走海外路子搞芯片的公司短期难受一阵子。但真正的信号已经再明确不过了：当最极端的封锁手段都用上了，这个博弈就进入了明牌阶段。你堵你的，我建我的。几十万枚芯片已经在服务器里运转了，那是抢回来的时间，是国产芯片替代路上最宝贵的那块垫脚石。特朗普挖的坑，美国商务部填；美国商务部填的坑，中国AI踩着实实在在往上走。这笔账，谁亏谁赚，心里没点数吗？

图源：英伟达官网

一场横跨中美科技明星企业的合作，这两天吸引着很多人的关注。

6月1日，英伟达宣布将旗下Isaac GR00T人形机器人参考设计的“身体”选定为宇树H2 Plus机器人。消息发布之后，英伟达市值一夜大增3190亿美元，人形机器人概念股在昨日集体走强。

如今，这个事件再次有了进展。据中新社报道，宇树科技市场部总监黄嘉玮透露，该产品将于今年下半年正式上市，其核心特点是搭载了英伟达高性能算力平台，旨在为人形机器人打造更强大的“智能大脑”。

记者从宇树科技官网看到，H2 Plus在设计上结合了宇树H2人形机器人、用于灵巧操作的Sharpa五指手、用于先进推理与控制的NVIDIA Jetson Thor平台，以及全新的NVIDIA Isaac GR00T开发平台。

浙江工业大学机械学院执行院长谭大鹏告诉记者，英伟达急需“身体”来落地它的“大脑”，宇树急需“大脑”让“身体”更智能。双方各有所求，但最根本的驱动，是共同瞄准了人形机器人这一未来的万亿级市场。

对于这个说法，宇树科技并不否认。“基于英伟达的算力平台，我们希望推动人形机器人整个行业进步。”黄嘉玮表示，宇树科技期待相关数据能真正应用于未来算力平台的迭代，从而让人形机器人的“智能大脑”更加智能，这也是该企业持续发力的方向。

克雷西 发自 凹非寺

量子位 | 公众号 QbitAI

两个三十岁出头的年轻人，正在靠AI向华尔街收 每节课2.5万美元的学费，合人民币17万。

他们在纽约一家风险投资基金的办公室里支起台子，先演示了一套用AI分析创业公司创始人路演视频的方法。

接着是第二套，他们把财报电话会议的录音记录丢进AI，从几万字里抓出最可能撬动股价的那几句话，再把管理层含糊其辞的措辞拆解成可以填进财务模型的具体数字。

△图片由AI生成

两套演示做完，这2.5万美元就被他们收走了。

为这2.5万美元买单的，是花旗、美国银行、T. Rowe Price这样的顶级金融机构。

这些机构在AI上砸了几十亿，工具买了一堆，却发现员工根本不知道怎么用。

于是他们把这两个人请来，帮自己的人补上这一课。

一堂AI课，17万到手

这家开口就向华尔街要价2.5万美元的公司，叫 Wall Street Prompt，创立它的两个年轻人是 Felipe Sinisterra和Dave Wang。

Sinisterra是哥伦比亚人，6岁跟父母移民美国。

他大学毕业后去Facebook做工程师，办公桌离扎克伯格只有6米，后来转行进了高盛和美国银行，再后来加入SoftBank拉美基金做fintech负责人，手里过了超过15亿美元的投资。

Wang则是在纽约出生，8岁搬去俄亥俄州。

他在哈佛上学时，给一家网约车公司做校园推广，自己写脚本爬了周边高校的学生邮箱，群发定向优惠码，靠推荐佣金把学费挣出来了。

毕业后，Wang进了摩根士丹利，后来加入SoftBank的同一只基金，主导加密投资，离开后自己创了个数字资产基金，给投资人赚了一笔，把基金卖了走人。

两人在SoftBank共事期间，各自摸出了一套用AI做投资决策的工作流。Wang后来说那是他职业生涯回报最好的一年，觉得自己应该把100%的时间都花在这上面。

2025年夏天，两人飞去旧金山，合租了一套公寓，窝在附近的共享办公室里写newsletter、发帖子。

他们 本来想做数据生意，但留下来的读者——对冲基金经理、金融分析师——对他们的数据并不感冒，反而期望两人能教他们用AI。

“我们有工具，就是不知道怎么用。”这句话，从不同的人嘴里说出来太多次。

这让两人意识到，他们找到的那个需求，根本不是他们出发时以为的那个。

于是2025年7月，Wall Street Prompt正式成立。不到两个月，第一个大客户就主动找上门了。

两人订了票，坐两小时火车去对方总部，推开会议室的门，发现股票、固收、宏观三个团队全到齐了，正在等着他们开讲。

那一天讲完，对方当场就问能不能再约。

后来花旗和美国银行也把他们请去给外部基金客户办专场，T. Rowe Price更是把他们带进来训自己的投资团队。

总之，听过他们课的客户， 几乎都成了回头客。

华尔街员工身陷AI焦虑

华尔街对AI的态度，其实是近两年才彻底翻转的。

2022年ChatGPT刚出的时候，各大金融机构的第一反应是封，内网禁止访问，理由是安全隐患。

但没过多久，这些机构就开始“真香”了，争先恐后地往AI里砸钱。

摩根大通给几乎全员铺开了自己的AI工具LLM Suite，高盛在跟Anthropic合作开发AI Agent，美国银行则宣称旗下1.8万名开发者在用了AI之后生产力提升了20%到25%。

钱是砸下去了，但裂缝也随之暴露出来。

普通银行员工的AI能力远远没跟上，要么根本不会用，要么还停在一年前的旧版本上摸索。

一边是高管层在拼命推，一边是基层员工跟不上，这个落差让银行陷入了一种集体焦虑。

△图片由AI生成

这种焦虑在裁员数字里体现得更赤裸。

花旗、富国银行、美国银行在2026年第一季度合计裁了超过5000人，而同期三家银行的业绩都创了历史新高。

钱赚得越来越多，岗位却在同步消失。

这个信号对每一个在银行上班的人来说都足够清晰，强劲的资产负债表已经不再是保住工作的护身符。

对身处这场风暴的人来说， 学AI的目的已经谈不上进步，单单想不被淘汰，就必须要学习。

正是这种弥漫在整个行业里的焦虑，给了Sinisterra和Wang最肥沃的土壤。

银行买了工具，员工不会用；员工知道自己必须学，却不知道从哪里学起；高管想推动转型，却找不到足够懂金融业务又懂AI的人来领这个头。

Sinisterra和Wang恰好两头都占着，他们既有多年的一线投资经验，又真正在实战里跑通了AI工作流。

于是他们的课，就成了这个行业焦虑的出口。

AI培训赛道，正在变拥挤

这块市场飘来的香味，旁人当然也闻到了。

Multiverse是一家总部在伦敦的职业技能培训平台，它承诺在两年内培训1.5万名AI学徒，客户里有花旗、微软和毕马威；

Rogo Technologies是一家纽约初创公司，创始团队里有前Lazard和摩根大通的银行家，专门做自动化分析师研究和尽调工作的软件，今年完成了D轮融资，拿了1.6亿美元，估值20亿美元。

总之， 越来越多的人盯上了同一个问题，这条赛道正在变得拥挤。

Sinisterra和Wang的应对方式，是把自己的护城河往更深处挖。

他们搭了一套专门理解金融机构思维方式的AI Agent库，目标是让AI扛下90%的事务性和技术性工作，把人从这些工作里解放出来，去做判断、维护关系、拍那些真正影响回报的决策。

与此同时，他们也在把课堂从线下搬到线上，针对那些觉得自己AI没学够、又付不起企业课学费的个人金融从业者，开发定价约1500美元一人的直播课。

两人甚至在考虑搬去新加坡，在那个AI焦虑烧得更旺的地方，把生意再往前推一步。

华为在影像方面，发展越来越成熟，而且推出红枫原色镜头、2亿像素、AI智拍、达芬奇人像引擎、实况功能等，覆盖到影像各方面，全方位提升影像体验。

其中旗舰机系列，达到专业影像水平，其它机型同步发展。影像的需求逐步提升，尤其是画质、色彩、拍摄距离等方面，所以各大品牌不断提升影像配置，甚至是支持外置镜头，实现超远拍摄。

全新推出的华为nova 16系列新机，现已开售，最高版本是华为nova 16 Ultra，可达高端机水平，多方面配置大升级，尤其是影像、屏幕方面。

新机亮点较多，比如双红枫影像、巨鲸电池、超亮屏、机身硬核、经典设计等方面，同比上代显著提升。华为现在的新机，开始全方位发展，所以新配置、新功能、新技术较多，可带来全新体验，对比同档机型自然更有优势。

新机采用Kirin 9010s，再加上方舟引擎，让性能更上一层，应用响应速度更快，游戏帧率更稳，而且画面流畅丝滑。整体性能表现，接近高端水平，日常使用或玩手游足矣。

散热方面，在微米级不锈钢蚀刻技术加持下，打造出超薄的一体化VC中框，实现整体散热。在智能手机上，采用结构散热方案的机型较少，更多是导热介质、均热散热、进阶散热等方案，还有外置风冷/液冷。

新机搭载一块6.84英寸的超动态臻彩护眼屏，具备2856*1320超高像素，密度达到460 PPI，显示画面更细腻。刷新率为1-120Hz LTPO，流畅与节流兼得。高亮度为6000nits，户外阳光、室内高光均可应对。

作为Ultra版本，面板升级到昆仑玻璃，而且融入长效纳米镀晶工艺，主要是提升耐摔能力。前置拥有双摄，所以采用胶囊打孔+大直屏设计，可以融下多个硬件。

前置双摄为50MP超聚光人像+红枫原色，再加上达芬奇人像引擎，让色彩、光影、细节更丰富自然。

后置四摄，分别是2亿像素主摄，画面通透、层次分明，适合多场景拍摄；50MP潜望长焦，远景清晰，适合远距离纪实、风光、建筑等；50MP超广角微距，大景与特写即可拍，比如花草、合影等；红枫原色镜头，主要是助力前面三摄提升色彩表现。应市场需求，新机支持实况功能、AI修图、3D动态照片等。

新机采用巨鲸电池，容量同为7000mAh，支持100W有线超级快充、50W无线超级快充，使用有线充电，约1小时充满。

通信方面，支持天通卫星通话、北斗卫星消息、5A速度、精准定位（GPS双频、北斗三频）等，让各大场景通信能力更强。

机身方面，中框自然是金属材质（铝合金），主打坚固耐造，而防水提升到IP68、IP69级，不愧是硬核机身。新机拥有12GB+256GB/512GB/1TB版本，起步价为4699元。

[注：图片来自网络/官方，如侵权删图；本文为原创，侵权必究。]

IT之家 6 月 7 日消息，据外媒《纽约邮报》昨天报道，非政府组织“国际宇航科学院（IAA）”最近公布八条外星文明指导准则，其中最引人注目的一条建议是这样的：不要擅自回复外星文明消息。

据报道，IAA 与搜寻外星组织 SETI Institute 于 2022-2025 年期间制定这八条准则，并于本月完成更新后公布。新协议规定，研究人员如果探测到疑似外星文明的信号，必须进行严格核查。使用不同设备重复观测、与其他团队协作验证，并与多个独立机构进行交叉验证，整个过程必须保持最高标准学术诚信。

如果研究团队最终确认信号来自智慧外星文明，则必须立刻通知全球公众、国际科学界及联合国。无论最终结果是否来自外星，对外发布的消息都应做到及时、准确和真实。

该协议还特别强调，研究团队在与国际社会达成充分协商之前，不得擅自回复外星人 / 外星文明。文件中明确写着：“在相关磋商完成之前，不应发送任何回复”。

IAA 认为，此类协商应通过联合国或其他具备广泛代表性的国际组织进行。具体沟通过程应透过单独的协议、宣言或安排，并采取负责任的方式处理此类事件。换言之，即使人类真的收到外星人消息，也不应由某个国家、组织或个人决定如何回应。

IT之家从原报道获悉，该协议还要求团队发现疑似外星文明信号时，应立即保护好原始数据，以免受到篡改或干扰。各国应建立国际合作机制，并将数据副本保存在全球多个安全档案库中。

相关文件还指出，发现外星人的科学家很可能成为公众焦点，因此各大机构必须严格保护研究人员，确保其免受网络骚扰、人身威胁和职业报复。IAA 在文件中警告，社交媒体可能是外星人谣言的重要传播平台，因此各组织必须尽早澄清事实，在谣言扩散前主动发布权威信息。

产品更好用了，但最关键的问题没解决。

定焦One（dingjiaoone）原创

作者 | 王璐

编辑 | 魏佳

又是一年高考季。考场内，千万考生奋笔疾书；考场外，几家互联网大厂的AI正围绕高考展开新一轮比拼。

腾讯元宝与QQ浏览器联合发布“元宝高考通”，并称其为行业首个高考咨询师Agent；夸克推出全新升级的高考频道，为考生免费提供“高考搜索”“智能选志愿”“志愿表”“志愿报告”等功能；百度APP内，2026高考模块已经嵌入到文心助手的核心位置。

这并非大厂第一次盯上高考。早在2025年，夸克、QQ浏览器、百度、豆包就都上线了志愿填报功能。一年过去，这些产品几乎都做了升级。从考前复习、考中安全限制到考后志愿填报，大厂AI正被更深地嵌入高考服务的每一个环，各家的投入也在持续增加。

从产品的能力上看，今年的工具确实更进一步，从单轮问答升级为多轮对话，从关键词检索升级为Agent式的深度搜索，用起来更简单。但是，使用门槛的降低，并不意味着结果更可靠。有人用AI备考，精准锁定薄弱知识点；也曾有人用AI报志愿，差点滑档。

带着这些观察，「定焦One」与多位考生、报志愿工具开发者聊了聊。大厂AI为什么集体押注高考这个场景？这些越做越“聪明”的工具，优点和局限分别在哪儿？以及，在技术被快速推向市场时，其决策的“黑箱”问题是否被忽略？

01.从备考到填志愿，大厂AI疯狂入局

今年的高考季，各大厂的AI布局比往年更猛，表现最突出的是阿里、腾讯、百度、字节四家。

腾讯今年主打“元宝高考通”，定位为“行业首个高考咨询师Agent”，重点突出多轮对话、个性化规划与权威数据支持，试图在“AI顾问”的定位上形成差异。阿里旗下的夸克今年在高考服务上继续加码，不仅覆盖“模拟选志愿”“志愿表”和“志愿报告”等全流程功能，还全部免费，背后同样依赖的是Agent能力。

百度高考则依托搜索入口与文心大模型，意图在用户“搜答案”的过程中，将其转化为使用AI高考服务的起点。字节的豆包并未在考前专门上线“高考专区”，但用户仍可通过其通用对话入口获取志愿预测与报考建议。参考去年在志愿填报阶段上线专区的节奏，今年它大概率也会在相应节点推出针对性 服务。

尽管这些产品并非今年才首次亮相，但均基于过往版本实现了重要升级。

从产品能力看，今年的工具更强调多轮对话、个性化推荐和更权威的数据资源。比如，AI工具会主动追问细节，结合用户的多轮输入，动态调整方案。同时，在数据上，各平台不仅提供基础信息，也接入了更权威、及时的招考数据，让结果更准、更稳。

从服务环节来看，这些工具覆盖了备考、考中乃至考后志愿填报的全阶段。

先看考前。几家大厂的AI聊天机器人、AI浏览器等明星产品中均支持调取全国高考真题，考生可以让大模型分析命题规律、核心考点，也可以让它梳理错题、归纳薄弱知识点。

2025届的考生“猜想”，在复习阶段一直用AI工具锁定自己的薄弱知识点，“比如语文文本阅读里我一直搞不定叙述节奏这类题，我就直接让AI帮我找相关例题。”

类似的用法还有很多。有考生用AI整理政治大题的答题模板，让其从大量真题中抽取高频答题句式；有人用AI模拟英语作文批改，打磨固定句型；也有人把历年数学压轴题的解题思路让AI逐步拆解、总结方法。从单个知识点到不同学科规划，大厂AI工具的复习用法千人千面。

考生陈艾说，自己高三最后冲刺阶段几乎每天都在用AI做文言文专项练习。“我把自己做过的错题发给它，让它给我出五道同类型的题，再帮我归纳这一类题的审题方法，比自己翻书找题快多了。”

到了考试期间，AI的姿态变了。今年高考期间，豆包、元宝等AI工具普遍启动了功能管控，限制拍题识图等类似功能。

高考期间豆包的拍照答疑功能无法使用

这算是高考期间的惯例动作，目的是保持考试公平。

不过，高考期间，用户依旧可以用AI工具识别风景、美食，且文字对话也不受影响。猜想就在去年物理考试结束后、下一场开始前的间隙，用AI做了一次临时的“心理咨询”。

他考完物理后，感觉自己只能得70多分，几乎崩溃，于是向AI求助。AI告诉他“物理已成定局，如何带着这个遗憾去专注考下一科，是接下来真正的考题”，并建议他快速切割对上一科的纠结，并提醒要防止“优势学科翻车”的意外。这番话成了他调整状态的关键。他觉得虽然AI给出的建议道理浅显，但在失利真实发生的那个时刻，自己也需要一个绝对冷静的“旁观者”来点明。

而报志愿，才是大厂这场较量真正的主战场。

目前大厂的AI报志愿工具产品形态大体一致：用户输入所在省份、科目组合、高考成绩，再设置院校类型和专业偏好，AI生成便能“冲、稳、保”三档推荐清单，并附上历年录取分数线、排名走势和专业就业分析。部分产品还支持多轮对话，用户可进一步追问相关问题。

在收费上，主流工具目前基本都基础功能免费，这也是它们能快速铺开的关键。但涉及专家咨询、一键填报等功能部分工具则需要VIP。

尽管框架相似，四家大厂的侧重点各有不同。

阿里夸克脱胎于搜索、深耕高考场景多年，主打数据的精准和深度，是其中唯一推出自研高考志愿大模型的大厂；腾讯则把志愿填报放进QQ浏览器和元宝，提供渐进式、对话化的填报体验，背靠社交流量做触达；百度同样依托搜索生态，打的是“信息广度”牌；字节豆包则侧重快速触达与功能补充。

个人AI志愿填报工具开发者Michael指出，“各家的核心推荐逻辑其实很像，真正的差距不在模型，而在数据、产品定位和生态。”他解释，技术上，主流工具都已采用智能工作流，内核都是通过“自动规划-搜索-反思”的循环，来替代传统的人工查找。

02.有人靠AI逆袭，有人因此差点滑档

大厂如此密集地布局，考生最关心的是，这些工具是否真的好用。而不同用户的感受区别很大，这恰恰划出了AI能力的边界。

一方面，凡是涉及整理、归类、匹配的活儿，AI都做得又快又好，能把考生的焦虑迅速转化成具体行动。

猜想表示，AI更大的价值，在于化解了他有时“无从下手”的复习焦虑。“AI的检索和分析能力，用在趋势预测、脉络梳理上很有帮助，尤其是对文科学习。它能把散落的信息快速整合，帮你抓住重点。”这也解释了为什么他在考试心态崩溃时会转向AI，在之前的学习中，AI已扮演了一个相对高效、可信的“信息整理者”的角色。

陈艾则用AI来提升英语写作。“我把自己的作文发给它批改，它不只纠正语法，还会建议更地道的表达、更清晰的逻辑结构。这种反馈以前只能靠老师，但老师很难每天兼顾到每个人。”

在这些场景中，AI的优势很明显，它能对结构化信息进行快速处理、归类与匹配，从而高效完成那些以往需消耗大量时间的任务。在这一点上，它确实是个称职的效率工具。

但换到另一种任务，一旦涉及深度理解和复杂决策的场景时，尤其涉及准确性和严谨性时，AI的短板就暴露出来了。

考生林子涵就有过不愉快的经历。他在核对报考数据时，发现了数据误差：AI推荐院校的最低录取分数虽与官方一致，但其对应的录取排名却比实际落后了上百名。这个偏差足以让“冲”的学校希望渺茫，也让“稳”的选择不再稳妥，很有可能滑档，好在最后一天他发现了这个问题，重新调整了方案。

猜想也使用了AI报志愿工具。他认为这类工具在信息检索和整合上确实方便，能快速生成基于分数与位次的备选列表，省去了手动查询的麻烦。但短板同样突出，推荐结果缺乏个性化与针对性。他最终被录取的大学，也不在AI此前推荐的名单中。

在他看来，AI的推荐逻辑过度依赖分数匹配，同一套方案往往被推送给分数相近的大批考生，极易导致他们在那些只招1至2人的专业上形成“志愿扎堆”，反而降低了录取概率。此外，AI也难以细致结合考生的个人条件。比如猜想的选科是“物化政”，并未选考生物，可AI仍反复推荐与生物强相关的专业，而他几乎无法有效过滤这类明显不匹配的推荐。

即便是相对简单的学科答疑，AI也并非万无一失。

有考生反映，用AI解答数学题时，AI给出的解法明显超出了高中考纲范围。比如，让AI解一道基本不等式的题，常规做法是代数变形，但AI给出了“求导”的思路，而求导是大学微积分的内容。

大模型从业者方芳表示，出现该问题的原因可能在于，虽然大模型拥有丰富的知识，但缺乏对特定场景的深度理解与严格遵守的能力，导致给出正确但无效甚至误导性的建议。

可以看出，AI在帮助 考生整理错题、归纳考点、改作文这类“处理信息”的任务时，确实能帮考生省下大量时间，但涉及复杂决策的判断以及精准决策的环节，它给出的答案仍然需要人来兜底。

03.AI高考工具：有进步，但局限更大

需要客观指出的是，经过一年的迭代，大厂的AI高考工具在交互体验和信息丰富性上确实有所提升。Michael表示，仅仅将底层大模型更新到最新版，志愿推荐的结果就会明显改善。“基座模型进化太快了，我们甚至不需要做太多针对性优化。”

实际上，AI高考工具确实在变“强”，但这种变强更像是一个“搭了顺风车”的自动升级。而真正决定工具能力天花板的，是数据完整性、算法、对推荐结果的长期追踪验证等核心问题，这些都很难靠单一的模型升级解决。

首先是大模型固有的“逻辑幻觉”问题没解决。

“逻辑幻觉”并非程序漏洞，而是大模型基于概率生成的特性所致。在高考辅导场景中，它体现为AI给出的题目解析，推理过程可能存在漏洞或错误，最终答案却可能是正确的。

“这在架构层面无法彻底消除，是技术特性决定的。”方芳表示。但这也意味着，学生可能面对的是一份逻辑有误却被呈现为“标准思路”的解析。照着学下去，其风险远大于单纯做错一道题。

其次是错题分析的“表面化”。

目前AI的错题分析，大多停留在“识别错误”，还不能“追溯成因”。比如它能指出“这道题考查的是等比数列求和公式”，却回答不了“你为什么在这里出错”。

原因在于AI只能获取题目文本和最终答案，但看不到用户的思考过程，因此AI往往只能给出“加强这个知识点”这类通用建议，本质还是一个高效的信息识别工具，做不了真正能进行认知诊断的学习助手。

最后是志愿推荐中存在“数据黑箱”问题。这或许是所有局限中最为关键、也最受争议的一环。

志愿推荐工具的底层逻辑通常是一个不透明的系统，各平台所使用的历史录取数据来源、清洗规则、预测模型，均被视为商业机密，缺乏统一标准，也缺少第三方监督。

这导致的后果是，同一份成绩输入不同AI报志愿平台，推荐结果可能大相径庭。比如，「定焦One」以一位江苏考生（选科历地政，总分627分）为例，用不同AI平台进行模拟填报，为了在不同平台间进行更聚焦的对比，我们特意限定了报考地区为北京、上海，结果显示，在“冲”的院校档位上，因可选项有限，各家结果有一定重合；可到了“稳”的院校档位，各家给出的名单差异明显。

夸克高考、元宝高考通、百度高考给出的部分较可稳妥报考的学校

这主要是因为，“稳”在志愿填报中并没有统一的官方标准，省考试院每年只公布各校的最低投档线，至于“高出多少分才算稳”，由各平台自行把握。尤其当考生将目标限定在北京、上海这类热门地区时，可选的院校数量本就有限，此时哪怕不同平台对“稳”的判定只差三五分，最终生成的推荐名单也可能截然不同。

这种差异究竟是因为某家平台采用了更保守的预测模型、还是接入了未公开的数据，又或是算法在排序时受到了商业合作因素的影响，外界都难以知晓。Michael表示，平台虽然可以通过“技术约束”让结果更准，但“约束”具体是技术优化，还是商业考量，是一个难以被验证的问题。

方芳则指出了更深的问题，“当推荐结果出现偏差时，AI报志愿工具可将其归因于数据复杂或算法概率，用户却难以追溯真正原因，这也让用户很难信任AI工具。一个无法被追责的系统，很难赢得真正的信任。

这三道坎叠加在一起，决定了当下的AI高考工具本质上还是一个辅助工具，而非可靠的决策建议者。

但即便如此，大厂还是会持续投入。高考是几乎不能出错的人生大事，谁能证明自家工具可靠、有用，谁就能赢得用户长期的信任。而每年上千万考生家庭，本身就是一个高频又高价值的入口。所以，大厂表面上比的是高考工具，争的却是未来的用户、数据、生态，以及AI服务的主导权。

只不过，考生在把人生选择交给AI之前，还得多留个心眼。

余承东先用“栅格动画”举例：一匹特殊绘制的马，放在条纹后面慢慢拉动，就会造成视觉的错觉，让人看起来在奔跑，但其实画本身没有变动。风扇快速运转时，我们看到的不是一片片扇叶，而是连续的残影。在不同的光线条件下，甚至还会看到风扇静止的或者倒转的情况，这就是“频闪现象”。

余承东表示，屏幕快速闪烁，大脑察觉不到，但眼部却在一直承受着高频的刺激，肌肉会持续紧张，时间一长，眼睛就容易干涩疲劳。

余承东还提到，现在市场上大多数 Mini LED 电视用的都是 PWM 调光，它通过快速开关光源来调节亮度；而 DC 调光是通过控制电流的大小来调节亮度，光源一直稳稳地亮着，对人眼更友好。

其他电视之所以不采用 DC 调光，是因为存在一个普遍的行业技术难题 —— 用户晚上看电视时，会习惯性调低亮度，这时候电视的 DC 调光就会调低电流，灯珠会出现色温偏差，画面容易偏色。所以很多厂家干脆放弃了这个方案。

IT之家注意到，余承东最后还分享了几个护眼技巧，包括观看电视的适宜距离、“20-20-20”法则等。

“PC正在被重新定义，这次重塑的意义堪比当年手机向智能手机的变革。”

6月1日，英伟达CEO黄仁勋在COMPUTEX 2026（台北国际电脑展）上进行了一场近2小时的主题演讲。在演讲中，他从口袋里掏出了一块面向个人 AI 电脑的超级芯片—RTX Spark，宣告智能体AI（Agentic AI）时代已全面到来。

整个PC行业迎来一次久违的震动。在英伟达的定义里，AI时代，PC将承担全新的角色，从单纯的工具跃升为并肩协作的智能搭档，这无疑为AI PC的未来发展形态提供了真正意义上的参考，不再只是在传统 PC 上加了一个 NPU。而当AI PC真的能帮助我们去完成工作，这种颠覆性变革产生的影响，不难想象。

只是，持续疲软的、早已失去想象力的PC行业真的能被一颗“芯”改变吗？

涨价，阻挡AI “拯救”PC市场

在经过了连年的低迷后，2025年PC市场终于迎来了一次令业内感到惊喜的复苏。根据调研机构Omdia的数据，2025年全球PC出货量达到2.795亿台，相较于2024年同比增长9.2%，其中笔记本电脑出货量达到2.204亿台，同比增长8%，而台式机出货量达到5900万台，同比增长高达14.4%。

PC厂商们也获得了难得的增长。如联想，全年出货量达到7085.1万台，市场份额高达25.4%，实现了14.6%的年增长率；惠普全年出货量达到5744万台，市场份额20.6%，年增长率为8.4%。

原本按照AI PC渗透率加速提升的预测，今年PC市场或许仍将保持增长，但是，一场席卷全球电子消费产业链的涨价潮，彻底打乱了节奏。

2025年以来，全球AI大模型训练需求爆发，高带宽内存（HBM）和企业级SSD成为抢手货。三星、SK海力士等存储巨头将产能向利润率更高的服务器芯片倾斜，直接导致消费级DDR5和SSD价格飙升。如今存储芯片价格虽有回调但仍处高位，直接推高了整机BOM（物料清单）成本。

芯片涨价，已经慢慢从供应链传导至消费市场，尤其是今年，在消化完去年的库存后，终端售价会迎来更大幅度的上涨，而多数消费者拒绝为涨价买单。来自洛图科技的一组数据显示，2026年1—2月，中国笔记本电脑线上零售销量仅为94.7万台，同比暴跌40.5%；销售额59.9亿元，降幅同样超过40%。

随着涨价潮的来临，PC市场将陷于一个尴尬的境地，高端AI PC价格居高不下，中端机型大幅调价，入门级产品逐步退市，普通消费者的换机意愿被进一步压制。这些压力直接作用在PC厂商身上，令其无论是面对上游供应商还是市场消费者都越发被动。

更令他们担心的是，这场由上游供应紧缺带来的“灾难”可能还要持续较长一段时间。根据Counterpoint Research数据显示，一季度，存储价格环比上涨50%—55%，预计二季度还将进一步环比上涨80%—85%。业内判断，当前产能释放仍滞后于需求增长，行业高景气周期有望延续至2027年以后。

在这轮涨价潮尚未结束前，AI PC通过价格下探加快渗透、提振PC市场，基本成为了不可能。

英伟达或许能定义AI PC，但它离我们依旧很远

当AI 的故事落地在PC行业，应运而生的AI PC确实成了提振PC市场的一个新希望。但回顾去年PC市场的增长，我们或许可以发现，这种增长不是来源于AI PC，而是来源于新的换机周期到来以及Windows 10的停止运营。

而从根本上讲，在业界对AI PC没有一个统一明确的定义、消费者也对AI PC尚未形成清晰认知的时候，AI PC是无法真正拯救 PC行业的。不过，在黄仁勋的演讲中，透过一颗芯片，我们看到了AI PC作为生产力工具走向革命性进步的可能性，这和PC厂商对外极力宣扬的新故事是一致的。

据介绍，这款基于台积电3纳米先进制程工艺打造的芯片，内部拥有高达700亿个晶体管，其硬件规格堪称强悍：集成了拥有6144个CUDA核心的Blackwell架构RTX GPU，以及一颗定制的20核Grace CPU，可爆发出1 Petaflop（千万亿次浮点运算）的顶级本地AI算力，并配备128GB统一内存。

英伟达不是只给AI PC加一块更强的显卡，而是在把GPU、Arm CPU、统一内存、AI软件栈和Agent运行环境打包为一个新平台。在官方表述中，该平台能够轻松平替并胜任极高负载的专业工作流，包括在本地流畅运行高级AI智能体、渲染超大规模3D场景以及剪辑12K超高清视频。

相比一台仅仅加了NPU的AI PC，英伟达所描述的AI PC无疑极具跨越性，可一个最大的疑问是AI真的能够跨应用完成信息搜索、文档处理、内容创作乃至复杂工作流协同吗？更长远一些，智能体能不能稳定调用应用、出了错谁负责、用户是否愿意把权限交给它等诸多问题，都可能困扰着未来AI PC的发展。

就像前段时间爆火的“龙虾”（OpenClaw），现在已经渐渐降温。美国“贴吧”Reddit上有人总结观察到的“三周流失路径”：许多新用户第一周热情高涨，第二周开始遇到循环调用、插件报错、费用上涨等问题，第三周就暂时搁置。

“龙虾热”熄火，一部分原因是养虾的实际成本比我们想象得要高得多，而更关键的则在于AI智能体的核心短板依然明显——稳定性不足、实用性脱节。事实上，对绝大部分用户而言，大部分人的工作，根本没有复杂到需要AI去承接工作流，这可能使AI智能体的功能、价值与用户需求存在一定的错位。

具体到PC这一硬件产品，这或许意味着用户为之买单的，仍是产品的价格、设计与生态，而非单纯的设备端AI能力。

当然，由英伟达RTX Spark所驱动的AI PC，要想真正带领PC行业进入下一时代，最关键的还是把价格打下来。毕竟，抛开价格，谈配置、谈升级、谈变革行业，在商业逻辑上是讲不通的，更无法拯救消沉的PC市场。

据业内人士猜测，虽然终端的售价还没出来，但参考现有配置的成本以及苹果本的定价，搭载RTX Spark的AI PC售价会在3万元左右，顶配或许要6万多，这意味着和多数人没什么关系。天风国际证券分析师郭明錤近日也发文称，供应链调查显示，配备RTX Spark（N1X）芯片的设备未来两年出货量大约为1000万台。

AI PC，本质上还是芯片巨头的战争？

RTX Spark的出现，宣告英伟达正式进军个人电脑核心处理器市场，直接挑战英特尔与AMD长期把持的行业格局。而在英伟达“宣战”之时，英特尔同步释放重磅产品与规划。当日，英特尔正式推出全新至强6+处理器，这也是英特尔首款采用Intel 18A制程开发的数据中心CPU。

不单单是英伟达与英特尔，我们看到，几乎所有的芯片巨头都在杀入彼此的腹地。比如高通从移动芯片杀入Windows PC，并继续向数据中心寻找新机会；Arm不再只是底层架构授权者，也在向芯片进军，今年它发布了Arm AGI CPU。

随着英伟达的这一重大动作，一个可以预测的变化是，在AI时代，CPU不再被忽略，将成为芯片巨头争抢的下一个战场。这背后的推动力就是Agent，Agent任务的执行和规划等高度依赖单线程性能、低延迟响应和高内存带宽，这是CPU的优势所在。

但在PC这一载体上，英特尔与AMD的霸主地位很难轻易被打破。长期以来，Windows生态主要围绕x86架构展开，英特尔长期占据PC CPU主导位置，AMD作为追赶者不断抢占份额，而英伟达则处在传统PC平台的外围。虽说黄仁勋拿出的这颗超级芯片看似具有颠覆性，可打破现有格局最难的在于软件。

长期以来，Windows系统基于x86架构深度开发，很多软件均无原生Arm版本，而大量存量软件Arm适配是个长期工程，尤其是商用市场，几十年积累的软件不是一两年能迁移完的。

像高通联合微软搞了好几年的「Windows on Arm」，目前软件适配率不足30%。

芯片巨头把“战争”打到CPU上，PC厂商无疑乐见其成。在移动互联网的冲击下，PC行业已经太久没有新故事了，而英伟达重磅推出RTX Spark，令所有PC厂商感到前所未有的兴奋，这将给他们带来真正意义上的AI PC。

只是，无论是这次的上游存储价格上涨还是芯片厂商之间的大乱斗，作为“组装厂”的PC厂商们处在这样一个急速变化的新时代下仍旧非常被动。因为PC产业链上掌握核心技术的，始终是英特尔、英伟达、微软等巨头。就像AI PC这个产品概念被抛出两三年了，PC厂商没能搞出什么水花，最终还是只能等着英特尔、英伟达这些巨头去改变。

在AI时代，PC厂商们需要再次思考如何跳出“组装厂”困境的问题。

值得肯定的是，PC厂商已经在寻找答案。如联想，联想的ISG所提供的AI服务器、存储设备、液冷解决方案等硬件基础设施，在AI产业链中处于上游位置，该业务在2025/26财季成功实现了扭亏。

在PC行业，英伟达的押注，或将让AI PC的发展迎来新的拐点，尽管谁都无法预测这究竟会不会带动PC实现真正的飞跃，但黄仁勋画的这张“饼”起码令业内看到一种希望。

作者：道总有理，科技创新与商业趋势观察家。深耕科技商业领域 15 年，完整跨越 PC 互联网、移动互联网、AI 产业三大变革周期。坚持独立立场，坚守产业理性。本文为原创内容，未经授权谢绝任何形式转载、摘编与修改，欢迎转发分享。

这就是商业，它有时候有清晰的脉络，但有时候也有非常强的随机性。

作者|杨知潮

当一个网红、公司拥有太多路人粉的时候，即便他什么都没做错，翻车也只是时间问题。

12块钱、60块钱、28块钱。

短短三年里，小米的股价坐上了一辆先翻五倍，再腰斩的过山车。它的业绩经历了两年的狂飙，又在今年一季度出现了全线的衰退。

即便站在上帝视角的今天去复盘，也有一种模糊的感觉：我们很难清楚地找出小米做对了什么事情，能支撑它的市值翻了五倍。

又很难清楚地找出小米做了什么离谱错事，能让它的市值腰斩，业绩全线下滑。雷军也从近乎没有负面评价的全民偶像，变成了褒贬不一的正常公众人物。

也许小米一直是那个小米，它一直有它的价值，也有它的不足。但命运拼了命地塞给它热度，让人们狂热地喜欢小米，然后又收走了这种狂热。

01 12块钱的小米，莫名其妙地上天

小米SU7上市之前，很少有人看好小米的造车计划。

那是2024年年初，前一年，国内新能源头部车企几乎只有比亚迪和理想盈利，其他全部亏损。其中，蔚来亏了200亿、小鹏亏了100亿。至于领跑、哪吒等二线新势力，毛利率更低，经营状况更加严峻。

有先发优势的玩家都过得不好，小米这种入局偏晚的新人只会更加艰难。与小米接近时间入局的是牛创汽车，由小牛电动车创始人李一男创立，当时就被普遍认为入局太晚，并因为生产资质问题无法交车。这又为即将上市的小米SU7增加了一个坏讯号。

小米手机在当时的处境也并不算乐观，受全球智能手机销量下滑的影响，小米的2023年收入出现下滑。也让这家公司的股价在12港元左右徘徊。

但小米SU7的成功，出乎了所有人的意料。小米SU7已经发售很快成为当时全球最难拿到实车的汽车。小米手机和家电也都吃到了汽车外溢的品牌价值，让小米的高端手机和大家电大幅度增长。

2024年，小米收入大涨35%。2025年，小米收入又大涨25%。与此同时，整个2024年，雷军抖音涨了2500万粉，成为了中国最大的企业家网红。

即便站在两年重新复盘，当时的小米仍然让人疑惑：怎么可以这么火？

小米SU7的确是非常优秀的产品，但国产新能源汽车有那么多好车，真的都完全比不上小米SU7吗？手机XAIOT的生态真的在这两年产生了突破性进展吗？汽车的出现真的给所谓的“人车家生态”带来了质变吗？

很难把这种爆发全部归结于商业和产品，它有着很多天时地利的因素：

比如，马云之后，人们需要一个新的商业偶像。这是一个社会的真实需求，无论是作为茶余饭后的谈资，还是作为青年和全社会的精神信仰，人们都需要这样一个角色。

然而，腾讯的Pony一向低调，腾讯的产品也不够“酷”。百度的Robin形象良好，但百度的规模限制了掌门人的影响力。至于美团、拼多多、京东的掌门人，也都有成为全民网红的局限。

而雷军形象良好、极具亲和力、人品正直，小米SU7的发布成为了雷军本人的“爆款作品”，让他迅速填补了这个空位。那2500万的抖音粉丝，都需要这样一个“偶像”。

与此同时，国产新能源汽车，有很多好车，但无论是理想L系列，还是比亚迪的王朝系列，都太“实用”，没有一辆年轻人心中的“dream car”。

也许是两者的合力，共同创造了中国最大的消费品神话之一。

不过，对于品牌的流行趋势，事后归因的价值总是有限的——哪怕读过无数品牌案例的MBA教授们，也很难做出一个成功的品牌。也正因为难以归因，难以复刻，才让好的品牌变得珍贵，值钱。

因此，对于小米过去两年的极度成功，“不知道”三个字，才是对现实最有敬畏心的答案。

02 60块钱的小米，没有根本的改变

到2025年3月的最高点，小米的股价已经逼近60块，相比于小米SU7上市前翻了约五倍。

但抛开充满不理性的股价，一个产品，能从根本上改变一家企业吗？

也是可以的，比如iPhone就彻底把苹果从一个普通的数码制造商，变成了全世界最赚钱的平台型公司。

其实在2007年乔布斯发布iPhone之前，苹果的商业模式很难算得上优秀。电脑的更新换代太快，3C产品的竞争太激烈，资产又太重，这让苹果在1997年濒临倒闭，靠着微软的一笔投资才度过危机。

巴菲特说，好生意是傻子都可以当CEO的生意。那么反过来说，烂生意就是天才乔布斯都能陷入困境的生意。1985年，乔布斯执掌的苹果面临严重的业绩下滑，再加上与董事会其他成员的矛盾，乔布斯本人也被赶出了苹果公司。

但到了iPhone时代之后，苹果再没有经历过这样严重的危机——它几乎年年增长，不受大环境的严重影响。哪怕手机市场的表现很差， 苹果自己也不会亏损。

这就是商业模式的力量，乔布斯一直是天才，苹果一直都具备创新力，但直到iPhone发布，尤其是IOS那套软件护城河建立起来，它才真正变成一门高利润率、深护城河的生意。到库克时代，苹果几乎不用做太多动作，躺着就可以数钱。

可是，小米SU7的发布，真的像iPhone发布一样，让公司的商业模式发生了天翻地覆的变化，内生价值翻了几倍吗？

答案是显而易见的：并没有。

2024年开始，随着小米SU7的爆火，小米的业绩开始狂飙。到2025年年中达到股价巅峰——60港元。相比于小米SU7发布前，大概翻了五倍。

从最低8块，到最高60块，但小米并没有完全褪去8块钱时候的缺点——

第一，小米手机仍然是一个“安卓生意”。

小米股价常年低迷的根本原因，在于安卓手机是一个竞争激烈，利润有限的生意。

而在小米SU7之后，小米手机本身的议价权和利润率，并没有发生翻天覆地的变化。甚至在内存、SOC涨价的大背景下，小米手机的毛利率还出现了下滑。以2025年四季度为例，小米智能手机的毛利率从去年同期的12%下滑到了8.3%。今年一季度有所复苏，但也只有10.1%。

而苹果同样面临原材料涨价，但一季度（第二财季）的产品毛利率，也就是硬件毛利率还同比提升了2.8个百分点，达到了38.7%——这就是苹果的能力。

苹果是独一无二的，不能要求每个手机厂商都能具备苹果一样的定价权，但对于一个股价翻过五倍的公司，标尺抬高一点，并不算过分。

小米SU7的能量外溢给了小米手机，这当然是事实，毕竟平均单价的提升是实打实的。

但要说小米SU7彻底改变了小米的手机生意，这种判断恐怕为时尚早。它并没有像iPhone那样，彻底改变苹果这个公司的利润率、利润稳定性、议价权。

相反，利润还在流向上游，定价权仍然不足，利润率仍然有限。

第二，相比于智能手机，汽车是一个竞争同样激烈，利润更加有限的生意。

过去，小米所在的安卓智能手机生意总被认为商业模式不好，但对比头部车企和智能手机企业的财报不难发现一件事：汽车是比安卓手机更加糟糕的生意。

小米、三星、华为这类智能手机企业的利润率经常能维持10%左右，甚至更高。更重要的是，智能手机的利润率比较稳定，就算有下滑，也极少出现亏损。

而汽车行业除了丰田、比亚迪这种王者，以及保时捷这种超豪华品牌，净利率大多在个位数徘徊。即便是本田、日产这种头部车企，也经常出现亏损。

小米SU7的毛利率的确很高，盈利的确很快。但这不代表它未来的盈利能力就会非常乐观，毕竟即便是全球最强的丰田，净利率也就是10%左右。

如果常年能维持10%，那也算是很好了。但汽车这门生意的残酷就在于：哪怕什么没做错，也会突然出现掉队甚至亏损。

iPhone从发布以来就是最赚钱的智能手机，可口可乐100年来都是最赚钱的饮料，但汽车行业没这事——今天你是全球老大，明天你可能就会在破产边缘。

这种天堂地狱之间切换的故事，在汽车的世界里一点都不稀奇：哪吒当过新势力销量第一，两年后倒闭。美国三大汽车集团，两个倒闭过。理想前些年还是毫无争议的新势力老大，如今已经深陷困境。

技术再强品牌再好，也没人知道下一款车能不能成功。

手机、汽车、家电的生意苦，从来不是什么秘密，而是一个小米SU7发布之前就众所周知的事实。但在小米SU7爆火之后，却被漫天的热度，和那个光鲜亮丽的“人车家生态”所掩盖了。

但好在，商业里的生态护城河并不是个玄学，它可以被财报论证。

03 28块钱的小米，莫名其妙地摔下来

2026年一季度，小米汽车尝到了汽车行业的苦头，再次提醒人们汽车行业是个苦生意：价格战让小米汽车的单价下滑了5.9%。小米YU7连续4个月遭遇销量下滑。

更糟糕的是，“人车家”生态在下滑这件事上表现出了很强的协同效应。

手机方面，按照Counterpoint的数据，一季度，小米手机国内出货量暴跌35%，直接跌出前五。

家电方面，按照TrendForce的数据，小米一季度的电视销量也下滑了22%，是全球前五的品牌中唯一一个下滑的。

甚至连雷军本人的口碑都出现了下滑，社交媒体上的反对声音不绝于耳。在2025年下半年出现了几十万的掉粉。

三方面的受阻，共同造就了小米最新的一季度糟糕财报。

为什么表现这么差？

媒体和分析师可以像模像样的分析出一堆原因，产品力、营销节奏、舆情等。但真正的答案也许是：不知道。

就像我们不知道为什么小米SU7就能那样爆火，产品力也十分优秀的小米YU7就不行。就像我们不知道为什么小米SU7成功后人们会开始喜欢小米电视和小米手机，而很多企业却不能展现出这种协同效应。

这就是商业，它有时候有清晰的脉络，但有时候也有非常强的随机性。

如果一定要为米的陨落，找一个起点，是从一次汽车起火开始的。从那次起火事件开始，小米的主观舆论和客观销量都开始松动。

但这是小米的问题吗？

目前公开资料里还没有明确的调查结果。我们只知道：从德国人卡尔本茨造出第一辆汽车开始，每一个大车企都有车祸、起火、车辆失控、气囊无法正常弹出、偷工减料等丑闻。并且规模越大、实力越强的车企，类似的丑闻就越多。

尤其是年轻的新能源汽车，每一个新势力都经历过类似车祸、起火之类的事件，但唯独小米的起火事件影响最大，甚至还影响到了整个品牌的评价和老板的个人舆论。

这看起来像偶然，但也是必然：小到抖音小网红、中到明星、大到苹果和特斯拉这样的万亿企业，当拥有太多路人粉的时候，即便他们什么都没做错，翻车也只是时间问题。

但“翻车”以后，才是见证真正实力的时候。

头图来源|AI制图

科技媒体 MacRumors 在体验后指出，苹果正把日历和提醒事项从“手动填写”推向“自然输入”，用户点按日历应用的“＋”按钮后，可直接输入类似“周四晚上 8 点和女友 Sarah 看电影”的文字，系统会自动识别时间、日期和事件内容，生成对应安排，省去逐项填写的步骤。

用户不必先跳到某一天再新建事件，只需要在输入过程中，直接点按系统给出的日期和时间建议即可完成创建。

若文字中包含“每周”这类频率描述，系统还能同步设定重复事件，适合例会、课程和固定行程管理。

IT之家援引博文介绍，提醒事项应用也采用相同逻辑，比如输入“周四下午 2 点提醒我去买菜”，系统会自动提取任务内容与提醒时间，快速生成待办。

苹果还简化了日历事件编辑。若某个会议原本设为每周重复，后续改成每隔 2 周一次，日历应用会智能调整未来事件的重复频率。

苹果还增强 Visual Intelligence（视觉智能）与日历、提醒事项的联动，用户在网上查看活动信息并截图，或用 iPhone 拍下一张活动传单，系统可识别其中的相关内容，并自动加入日历应用。

iOS 27 对咱们来说，就是 5 秒能看完的存在，毕竟新版 Siri 和苹果智能暂不支持中国大陆。

虽说编辑部同事有外版 iPhone，但升级后发现要通过候补名单才能体验 Siri App，暂不清楚如何突破。我们目前能体验上的苹果智能，就是相册里的几个 AI 功能，后面会讲到。

国行版 iPhone 是少了很多重头戏，不过在体验了一天iOS 27 之后，我觉得：只要你是 iOS26，等正式版出来后你一定要升级 iOS27！

今天的 iOS 27 beta 1，可能是我体验过最流畅的一版开发者测试系统了。

不管是打开 App、回到主页，还是添加组件，iOS 27 beta 的动画和体验都比 iOS 26.5，不对，是比任何一个 iOS 26 版本都流畅。

尤其是隔空投送，丝滑太多了。

今天我把素材从 iPhone 投送到 Mac 起码有 40 次，没有出现过一次失败&卡顿，除非是稍大点的视频，其他都是秒投，速度很快。

要知道，AirDrop 已经经历了几年不稳定。一会是找不到设备，一会找到设备了点投送没反应，一会是取消投送了，接收端不断报错，用户们怨声载道。

看来这次是真修复了啊。

这种变丝滑的感觉可不只有世超有。

在小红书和微信群聊，都有用户明显感知到变流畅了。何况这还是第一个开发者版本啊，真有点罕见了。

当然，世超能有这么大感触，可能也是体验了史上最差、到处都是掉帧和卡顿的 iOS26 一年后产生的体感错位，苹果只是做回了一点点自己就让我觉得不得了了。

OK 接下来，咱们详细说说目前能体验到的一些新功能。

首先就是闹钟支持调休啦！

打开「闹钟-重复」，就能看出工作日后面加了一个括号：含调休。

真是史诗级更新了，iPhone 逢年过节不能设置调休的热搜传统，应该要终结了。

但要注意，我们测试后发现：

只有在「设置-通用-语言与地区」把地区设置为「中国大陆」，才会有调休选项出现。

即便你是国行 iPhone，但地区换成了其他国家（比如美国，澳大利亚），也看不到调休。

除非你先在中国大陆地区新增一个调休闹钟，然后换到其他地区，那可以保留这一个调休闹钟。

也就是说：闹钟调休，是中国大陆地区独享的 moment！

太好了，俺们也拥有了别人无法拥有的功能！一时不知道是该开心呢，还是该开心呢？

另外，闹钟音量、铃声音量、提醒音量可以分开设置了。

这下终于解决了“总被闹钟吓半死，但调小了声音又听不到电话铃声”的烦恼了。

接着我们说说 AI。

注意下面 3 个功能国行设备暂时无法体验，我们先带大家提前感受下。

目前编辑部体验到的 AI 功能包括相册里的消除、扩展、重构。

消除其实在 iOS18 那会就有了，但那会苹果 AI 消除非常拉。这张图片里它去掉路人后，并没有补上库克的腿子。

那 iOS27 的苹果 AI 呢？

鉴于消耗时间太久，世超直接截取关键部分给大家看，腿成功补上了！

最终效果是这样的，嗯两年了果子哥的 AI 确实有进步了。

接下来说说重构。

这个功能可能是很多男生的救星，毕竟你拍完的照片总会被嫌弃角度不会找。

但利用重构，你可以直接调整照片角度，然后苹果 AI 就会自动优化、补全新角度下的人物和背景，就像这样：

来看下对比（左前右后），效果我觉得 OK。

至于扩展没啥好说的了，在重构和消除里都已经展现出相关能力了，再测试一张给大家看看，挺合理的。

就是扩展后整体过曝了。

最后就是一些外观上的更新。

过去，键盘是否有液态玻璃效果，会跟着当前 App 走。如果 App 没适配液态效果，那键盘也不会有。

但 iOS 27 开始强制键盘显示液态玻璃效果。比如「微信键盘」在未适配液态玻璃的「微信」里，也能看到液态玻璃效果。

根据我们刷到一些开发消息，要不了多久，iOS27 上每个 App 都会强制适配液态玻璃效果。

原因也不复杂。去年 iOS 26 推液态玻璃时，苹果在 Xcode 26 里给开发者留了个后门，Info.plist 里有个「UIDesignRequiresCompatibility」的开关，打开就能暂时跳过液态玻璃适配。

但这只是苹果给开发者一年的缓冲期，如今用 Xcode 27 编译的 App，液态玻璃就是标配，没得选了。根据惯例，开发者们得在明年 4 月之前迁移到 Xcode 27。

不知到那时，微信团队该如何应对呢？

当然了，一定也有很多用户不喜欢大玻璃效果，好在果子哥也留了一手后路。

在 iOS 26.1 时，他们给了大家 2 个选择，要么模糊，要么透明👇

iOS 26.1

这次 iOS 27，他们又掏出一个更精细化的滑块，给你 12 个档位调节（如果我没数错的话）。

这下好了，喜欢玻璃的，不喜欢玻璃的，喜欢一半玻璃的，3/4玻璃的，都能沉默了。

果子哥：说话！

另外，我们还发现了几个全新的超大组件。

像天气/日历组件可以大到覆盖一页屏幕，这个尺寸，应该是为折叠屏 iPhone 做准备的。

同样能看出折叠屏 iPhone 痕迹的，是 macOS 上的 iPhone 镜像支持拉伸成 iPad 镜像。。。

那还说啥，各位阔少们 9 月份怎么也得开冲一个吧。

来源推特@Aaron

天气 App 这次也迎来小更新，你可以直观看到未来这段时间内，每天降水量和风力的分布。

在 iOS26 上，锁屏上的时间数字可以拉伸半个屏幕那么大，大概就是 1 公里开外都能看到自己 iPhone 上的时间吧。

更新到 iOS27 后，果子哥来了一个两极反转，时间可以缩进日期栏了。。。

如果你想拥有一个沉浸式锁屏效果，不放试试这个功能，感觉还挺好看的。

OK，以上除了 AI 部分，就是 iOS27 国行限定版的体验，真是哥们写过最少的一次功能更新了，如果有我没提到的新功能，大家可以在评论区讨论。

说实话，如果你不把它当做一个大版本来看，其实真挺好的，各项优化真不错。

但当成大版本，那些 AI 功能又离我们遥遥无期，可用的新功能又屈指可数。

现阶段，我不建议大家升级，可能会遇到各种 bug，世超测试时也遇到了偶尔卡顿、重启、截图无法裁剪、信号栏完全丢失。差友想体验的话，还是建议等一个月后公开测试版。

最后还是那句话：如果你已经是 iOS26 了，那么我推荐你在正式版时必升 iOS27。

撰文：刺猬

编辑：面线

美编：素描

AI部分素材：小陈

图片、资料来源

经过三个月的公测，美团AI原生浏览器Tabbit 1.0正式上线。

6月9日，美团旗下GN06团队宣布Tabbit 1.0正式上线。据介绍，Tabbit是浏览器形式的AI入口，内置DeepSeek、LongCat、智谱GLM、Kimi等多款国内头部大模型，用户输入需求后，Tabbit可自动执行跨软件、跨网页等各类复杂任务。

南都N视频了解到，目前Tabbit 1.0的基础对话、网页阅读、常用妙招等核心功能都免费向用户开放。所谓的“妙招”，其实是一个个能帮用户干活的“skill”，Tabbit的“妙招广场”上涵盖了包括简历优化、语言学习、新闻查询助手、比赛试题推测助手、长文发布助手，甚至还有麦当劳自动领券助手等。

Tabbit 1.0的妙招广场。

据Tabbit负责人刘炯介绍，Tabbit于今年3月2日发起公测。公测期间，Tabbit根据用户反馈保持每周迭代，累计更新了超百项新功能，Agent任务成功率从3月的53.1%提升至目前的91.8%。

“基于用户反馈，Tabbit经历了从‘地址栏’到‘搜索框’，再到‘对话框’，最终进化为‘智能体’的跨越。”刘炯表示，“这一进化不仅体现在技术指标上，更反映在用户使用习惯的深度转变。5月数据显示，单用户月均Token使用量已达853万，这表明用户正持续、高频地将Tabbit应用于较重的任务处理和工作流中。”

南都记者了解到，有用户利用Tabbit帮今年高考的表妹做大学专业推荐方案，以往这需要人工翻查对应专业的院校分布、翻录取分数、看就业率和保研率等，这些信息分散在十几个不同的网页里，现在只需要将所查到的所有资料“丢进”Tabbit，几轮对话下来就生成了一份匹配学校、专业的推荐方案。

有学生临考试前用Tabbit突击网课，原本动辄40分钟以上的网课加上做笔记和回看，整理下来要花上四五个小时，现在将视频连接发给Tabbit并且提出自己的复习需求后，3分钟就能生成一份带核心概念、定理、方法和自测题的资料。

“优质AI产品的前提，是易于上手、足够简单。”刘炯表示，公测期间，Tabbit收获了大量真实用户的多样化使用场景，包括视障用户通过Tabbit直接生成了自己的第一份专属PPT。

据刘炯介绍，Tabbit面向大众用户的基础对话、网页阅读、常用妙招等核心功能将永久免费。针对高频的Agent自动化调用及高级定制化场景，Tabbit将探索差异化的订阅制模式，以平衡算力成本。

此外，针对当下普遍的“AI应用强绑定单一模型”这一用户痛点，Tabbit 1.0内置了LongCat、DeepSeek、智谱GLM、Kimi 等多款国内头部大模型，并会实时接入新模型API。公测数据显示，超过60%的活跃用户会根据不同场景切换基座模型，或利用“多模型对比”功能相互验证、获得更多灵感。

目前，Windows、macOS版本的Tabbit已同步上架，移动端也已开启测试。用户可前往官网下载使用。近期，Tabbit还已启动“妙招大赛”，通过线上比赛、校园共创等形式，扶持优质的AI应用创作人，并提供奖金、认证等长期激励。

采写：南都N视频记者 徐冰倩

朱雀二号改进型遥六运载火箭在东风商业航天创新试验区以“一箭双星”方式成功发射了两颗通信卫星。其中，一颗试验卫星主要用于开展手机直连卫星、天地网络融合等技术试验验证。发这么多通信卫星，跟我们有什么关系呢？记者带你了解！

朱雀二号改进型遥六火箭发射成功，将千帆DTC 01星和中国移动02星顺利送入预定轨道，它们都是通信卫星。发这么多通信卫星，和你我的生活有什么关系呢？

先来看一组数据：2025年，全球太空经济规模达到4290亿美元，其中卫星商业收入3030亿美元，占了71%。为什么？因为卫星互联网正在解决全球网络覆盖的难题。其中，“手机直连卫星”——不用额外设备，普通手机就能直接连上卫星，就像基站上了天。

什么是卫星互联网？目前，卫星互联网主要有两种方式：

第一种，宽带卫星通信，有点像家庭宽带入户。但它不能直接连手机，上网需要装一个额外的卫星终端，类似路由器。

第二种，手机直连卫星，这也是目前最受关注的方向。简单说：不用任何外接设备，手里那台普通手机直接就能连卫星、享服务。它的本质，就好比基站上天或者光纤上天。

平时刷视频、打视频电话，靠的是地面上一座座基站。那手机直连卫星，就是把基站搬到太空——让卫星当“太空基站”，信号就能覆盖到沙漠、海洋、深山这些地面网络到不了的地方。

说到底，手机直连卫星的真正意义，就是让地面网络覆盖不到的地方也被纳入同一张通信网络。

技术难点在哪儿？

卫星天线是核心。它要在几百公里外的太空，“听清”手机发来的微弱信号，再“喊”回去。

市场有多大？

据预测，到2030年，全球卫星直连服务的月活跃用户数将达到4.11亿，收入规模接近120亿美元。

而从更高维度看，手机直连卫星的价值远不止商业市场。它是通向天地融合网络的关键入口，也是未来全球通信基础设施竞争的制高点。当普通手机真能直连卫星，卫星互联网就不再只是“天上的网络”，而会成为每个人都能感知的新型基础设施。

我国进展如何？

当前，我国卫星互联网建设正在不断提速，进入规模化组网、产业化提速的关键阶段。一些卫星企业也在发力，比如银河航天，已经发射了具备手机直连功能的卫星。

未来，随着更多卫星发射入轨，更多应用场景落地，卫星互联网将真正走向规模化应用，天地一体网络加速建成，让“无论何时、无论何地都能连接”一步步成为现实。

（央视新闻）

记者 钱玉娟

在大搞组织变革与业务重组之后，阿里巴巴集团再度因其内部文化管理问题站上了舆论的风口浪尖。

6月10日，阿里巴巴合伙人委员会罕见地在内网发布了一篇题为《有情有义有成长，才是阿里文化》的文章，直指钉钉现行的管理模式“不是阿里文化该有的样子”。

这场风暴的导火索，是一名钉钉产品经理在阿里内网发布了一篇长达7万字的离职长文《置身钉内》。该文指出钉钉内部存在上层高压管理、团队恶性内卷、员工机械执行等问题，在阿里内外部引发同频共振与激烈讨论。

“相互尊重，视人为人，有情有义，是我们的文化底色。”阿里合伙人委员会在文中重申，无论时代如何改变，技术如何发展，这些底色阿里巴巴一定不能改变。阿里巴巴合伙人委员会是阿里顶层治理机制的核心环节，由马云、蔡崇信等核心管理成员构成，此前几乎从不就具体业务线的管理问题公开发声。

作为阿里旗下企业级办公与协同工具，钉钉在外界眼中一直扮演着效率利器的角色。《置身钉内》一文曝光后，钉钉内部长期积压的管理矛盾也被推向公众视野。

作为一款办公协同工具，钉钉天然带有极强的“KPI导向”与“流程追踪”属性。在近年来互联网红利见顶、各业务线狠抓人效的背景下，这种工具属性很容易反噬回组织内部，演变成过度追求数据、缺乏人文关怀的高压管理。

例如，这篇离职长文提到钉钉的用户算法和用户的关系：当AI被用来催办、督办和绝对触达用户（普通员工），后者感受到的并不是“智能的平权”，⽽是“被凝视的加剧”——AI削弱了员⼯在⼯作流中用于喘息的⼼理缓冲带。这将矛头从钉钉的内部管理，延伸到了产品基因与愿景层面。

阿里合伙人委员会及时踩刹车，实际上是给全集团的管理者敲响警钟——不能为了短期的效率，而异化了“视人为人”的底层逻辑。

值得注意的是，在前述阿里合伙人委员会内部信中，“AI时代”成为了一个高频出现的关键词。内部信指出，阿里的未来在于创新，但是创新依靠的从来不是高压和机械执行，AI时代更是如此。

这也是当前大厂在全面拥抱大模型与AI转型期面临的集体困境。过去，PC和移动互联网时代，互联网大厂依靠人海战术和赛马机制，通过强有力的制度执行与疯狂加班，迅速建立起商业壁垒。然而，进入智能化时代，AI已经能够高效替代重复性的机械工作。此时，企业最核心的护城河，已经转移到极其稀缺的原发性创新和情感创造力上，相应的管理模式也不该停留在工业时代的“拧螺丝”思维。

如果靠高压来逼迫员工输出，不仅无法产生真正的AI创新，甚至会逼走那些最具创造力的顶尖人才。

阿里合伙人委员会此次发文，表面上是整顿职场风气，实则是从集团战略层面，对AI时代的新型组织关系作进一步明确，并警醒各级管理者，“团队氛围如何，各级管理者是第一责任人……培养人、激发人是每个Leader的责任。”

一位接近阿里管理层人士透露，在阿里此前的敏捷组织变革中，各业务单元（BU）获得更大的自主权后，部分业务线管理者在独立生存过程中可能出现管理动作变形，尤其在面临业绩压力时，出现与阿里倡导的“有情有义”相背离的管理模式。

作为一家拥有近27年历史的互联网巨头，阿里的企业文化曾被视为其打赢多场市场竞争的软实力。经历了一系列组织分拆与市场激战后，这场由一篇离职长文引发的文化寻根与组织自省，将如何影响钉钉乃至整个阿里集团的组织走向，备受关注。

北京时间6月9日凌晨，苹果全球开发者大会（WWDC）如期举行，正式宣布Siri全面升级为AI助手，发布了iOS 27等一系列系统更新，首次引入谷歌Gemini模型。

这是库克的“告别大会”，看起来是一个完美的收官故事，功勋CEO在告别时刻，亲手为苹果的未来十年铺好AI路基。

但没有惊喜，只有追赶。资本市场的反应却极其诚实，股价由涨转跌，市值一夜之间蒸发超过850亿美元（约合人民币5766亿元）。

那个曾经定义了智能手机时代的苹果，在AI时代，似乎真的走下了神坛。

苹果接下来的重担，落在了约翰·特努斯身上，如何追赶AI，如何继续充当科技创新的领先者，特努斯的担子，并不轻。

-01- 苹果AI引入外援

本次大会，最大的看点无疑是“Siri AI”的全面重构。

终于，Siri不再是市场印象中那个只能设闹钟、问天气的“人工智障”。根据现场演示，新一代Siri拥有了更强的个人情境理解能力。

它还能“看懂”屏幕了。比如，当朋友发短信告诉你“我刚把地址发你邮箱了”，你不再需要退出去手动翻找，Siri会自动关联邮箱提取确认码。

Siri能跨App执行任务，能“把上周旅行的照片发给Mike”，甚至能像ChatGPT一样，拥有独立的App界面，支持连续对话和文本交互。

比如，新版Siri能把搜索、音乐、导航等关联起来。比如，你在查询世界杯赛程的同时，可以让它策划观赛派对；也可以追问它，演出的购票方式。

为了改变用户习惯，苹果甚至在系统层级为Siri开通了“超级入口”，iPhone用户可以通过灵动岛随时唤醒，Mac用户能通过Spotlight直接调用。

图：苹果展示的多屏联动

来源：苹果官网 《听筒Tech》截图

这一切看起来很美，但遗憾的是，驱动这一切的核心大脑，不是苹果自己。

这也是本届WWDC最耐人寻味的地方。库克在任的最后一次发布会上，宣布放弃自研AI模型，深度引入竞争对手谷歌的Gemini模型。

苹果将这套全新AI架构命名为“Apple Foundation”。虽然，苹果强调还有自研的端侧模型，但在最核心的通用模型和云端能力上，苹果承认了自研的失败，转而将底层能力外包给了谷歌。

苹果软件工程高级副总裁克雷格·费德里吉这样解释，这是为了“给用户带来更丰富的世界知识”。

但业内分析师们将其解读为，“苹果放弃了从零开始的追赶，开始借助外部力量补齐短板，把重心放在封装体验上。”

发布会后，有分析指出，WWDC2026的重点，不是“苹果自研AI有多强”，而是 “同样用Gemini，苹果能否做出比谷歌更好的AI体验”。

这意味着，如果苹果做不出来，那Gemini本身就决定了苹果AI体验的天花板。对于一向以软硬一体、自研至上为傲的苹果来说，这无疑是一次体面的“认输”。

更关键的是，市场心心念念的国行版本，Siri AI和其他新的Apple Intelligence功能也暂时不会上线。这是苹果进入中国十余年来，在核心软件体验上，与中国市场脱节最严重的一次。

-02- 牵手谷歌的背后

本届WWDC被称为“库克最后一舞”，但市场私下称其为“AI还账大会”。这不是没有原因的。

于市场而言，如果将AI赛道的竞争比作一场军备竞赛，苹果这几年干的事情大概是，不停地数钱，数到别人都将武器造出来了，发现自己连枪还没装上。

为什么会走到这一步？表面看是一系列精明的商业决策，背后是一条清晰的技术焦虑链条。

时间倒回2024年WWDC，苹果高调发布Apple Intelligence，向全世界承诺一场“AI革命”。

然而，在随后的两年里，备受期待的新Siri功能被数次推迟，团队深陷研发泥潭，产品落地严重不及预期。

与此同时，苹果遭遇了更致命的问题，AI团队人才大流失。AFM团队负责人庞若明、后训练负责人王子瑞等十余名AI研究员相继离职，分别加盟Meta和谷歌DeepMind。

更重要的是，从AI精英人才的集中度来看，苹果已经不再是AI精英的首选技术高地。对一家以“软硬一体”为核心竞争力的公司来说，这无异于釜底抽薪。

对于苹果AI的短板，市场诸多分析直言，外包决策直接导致多个预研项目终止、基础模型团队士气受挫。

于是，苹果做出了过去十余年最不可思议的决定，向宿敌低头。

图：苹果官宣“与Google”深入合作

来源：苹果官网 《听筒Tech》截图

2026年初，苹果正式宣布与谷歌达成多年期AI合作协议，下一代苹果基础模型将基于谷歌Gemini构建。据媒体报道，苹果每年向谷歌支付约10亿美元的技术许可费。

有分析师直言，苹果选择牵手谷歌，是迫于短期挑战和压力，苹果的AI“不允许再失败”。

这一切的潜台词再清晰不过，苹果承认了，它自己做不好AI这件事。

-03- 用户和资本都不买账

尴尬的是，苹果付出如此大代价换来的“体面认输”，用户和资本市场却没有给出掌声。

发布会当天，苹果股价一度冲高超3%，随后突然跳水，截至收盘跌约1.9%，市值蒸发超850亿美元（约合人民币5766亿元）。

图：苹果股价走势

来源：老虎证券 《听筒Tech》截图

资本市场的犹疑从何而来？

很明显，苹果的认输，意味着对底层核心技术从此失去了控制权，其AI能力的天花板将被Google Gemini锁死了。苹果的AI进展，从此要看谷歌的迭代节奏。

用户这边同样不乐观。

先是用户对Siri AI功能的失望。不少用户评论指出，“Siri AI几乎感觉不到什么新鲜的东西，基本上我们看到的所有功能，以前都见过”。

更有早期测试用户反馈，新版Siri AI经常记错日程、返回错误答案、响应速度过慢。

更重要的是，不仅仅是“更新不达预期”，就连什么时候会落地，也“只是画了一个饼”。

苹果宣布，新版Siri AI初期仅支持英语，且将以“测试版”形式推出。

对于经历了无数次跳票的市场来说，“Beta”这个词意味着，想用上真正成熟的AI Siri，可能还要等到明年甚至更久。

尤其是对于苹果中国大陆用户而言，更是失望。不少用户在社交平台上调侃“通宵守候却一场空”“全程高能，唯独我们被跳过”。

虽然iOS 27为了解决所谓的“本土化痛点”，甚至破天荒地加入了“节假日与调休闹钟”功能，被部分网友戏称为“史诗级更新”，但这在颠覆性的AI浪潮面前，显得格外苍白。

这对苹果公司而言，不是好消息，毕竟，大中华地区，是苹果公司重要的“收入奶源”。

当然，也并不全是悲观的消息。美国银行分析师认为，如果Siri AI能作为用户与AI智能体交互的核心入口，即便苹果不掌握顶尖大模型，也能从中大幅受益，预计到2030财年能带来150亿-300亿美元的增量收入。

只是，在市场看来，这一分析显得苍白。至少，从目前的股价和用户情绪来看，这次考验的结果，不尽如人意。

退出自研、外包给谷歌、拿钱买时间，这一切的布置，都将“认输”包装成了“务实的选择”，这是一次相当体面的战略后退。

但这种体面是有代价的。当苹果最核心的差异化能力，软硬件的垂直整合，在AI时代被稀释成“别人的基础设施+苹果的界面”，苹果还剩下什么？

3个月后，特努斯将成为苹果的新任CEO。他要面对的，不仅是AI竞赛中苹果的落后身位，还有一家“体面认输”过之后，需要重新找回赢家姿态的公司。

WWDC2026的帷幕落下，库克走出Apple Park的那一刻，苹果AI的新剧本，才刚刚开始写。

（头图来自官网截图。）

（声明：本文仅作为信息交流，不构成任何投资参考建议。）

▲中国移动研究院未来研究院前沿技术研究员张雨童。董宁 摄

中国移动研究院未来研究院前沿技术研究员张雨童是公司6G网络与AI融合团队的一员。她的工作是研究如何让无线信号传得更快更稳，同时让网络建设变得更经济、更高效。2024年7月，她从北京大学毕业，来到行业一线。

现在正值6G标准化的关键阶段。面向6G，张雨童主要研究方向是网络化协作传输技术，最终目的是让基站学会团队作战，让原本相互干扰的多个基站默契配合，协同传输。“未来大家无论是在演唱会、体育馆这样的人员密集场所，还是在远离基站的边缘位置都能够获得流畅稳定的体验。”

张雨童谈到，在工作当中遇到最大的挑战是，如何把学校里学到的理论真正变成实际网络当中好用的技术。

理论落地产业的距离远超张雨童最开始的设想。以网络化协作传输技术为例，张雨童表示，其原理并不复杂，就是让多个基站协同收发信号，但是真正到实现时候就发现每一个环节都困难重重。例如，想让两个基站一起发一个信号，首先要让它们同步。理论上很简单，即提前让这两个基站分别发一个信号，用户收到之后算一下差，再把差反馈给基站，等基站真正发信号的时候把这个差补上。

“真正实现的时候，提前发一个信号就涉及到整个协议流程的更改，用户算一下差还得对终端的代码做修改，反馈给基站又要再次牵扯到协议流程，基站来补这个差，还需要对基站的算法进行优化升级。好不容易调通了，过了一会儿用户移动了，这个同步又要重新来做。我们同步的时间间隔设置成多少合适呢？设太短，开销会很大；设长了，又不准了。仅仅是这样一个协同传输的准备工作就已经是步履维艰了，网络当中的各个环节都要跟着做相应的调整和修改，可谓是牵一发而动全身。”

张雨童谈到，就是从那个时候开始，她逐渐认识到，科研真正的难点不在于推导出多么优美的数学公式，而是要让技术在真实的、复杂多变的网络环境当中稳定运行。于是，她开始主动调整工作方式，开始学着从系统工程的角度来审视每一项技术。

“现在，当我再去研究一个新的理论方案的时候，我会先问自己：这个方案在真实的网络环境当中有可能会遇到哪些问题？它的部署成本是不是可控？以及它和网络当中其他的设备能不能很好兼容？这种视角上的转变也帮助我对技术的全链条有了更全面更深刻的理解。”