不是吧！Google 地球「Create image」刚上线，就被光速紧急撤回？7 月 30 日，Google 地球 网页版正式推出「Create image」功能，接入「Nano Banana 2」 模型，依托大模型的生成能力，用户可以框选地球上任意地点，输入一段提示词，就能基于实景影像进行二次创作：闲置荒地一键改造为商业区，千年古迹直接复原出古文明盛景，官方宣传片充分展现了这项功能的创意潜力。但功能对外开放后，局面却迅速失控，Google 地球被网友们彻底「玩坏了」。先进的「AI 公司」，辜负了 10 亿人的信任Google 地球可以说是世界上最流行的卫星云图服务，通过 Google 地球，我们能查看到关于这个星球最详细的面貌。根据 Google 自己在官方博客透露，Google 地球拥有总计 3600 万平方英里的卫星图像可以供用户浏览，Google 还表示已经这些卫星图像已经覆盖了地球上 98% 的人口。考虑到 Google 地球和 Google 地图极强的关联性，可以说超过 10 亿的 Google 地图用户，也都是 Google 地球的使用者。但就是这样一个权威云图服务，却在短短一天内出现了——「9·11 事件」场景重现、「哥斯拉」入侵城市、「外星生物」降临地表等乱象：图自 X随着事件快速发酵，谷歌火速做出决定，紧急回滚这项新功能。 官方回应称，平台观测到大量外流的生成截图涉嫌违反社区政策，因此决定先下线入口、补上安全防护，等条件成熟后再评估是否重新开放。AI 生图服务下线了，但 Google 地球长达 20 年积累起来的「公信力」也毁于一旦了。这份公信力并非凭空产生，而是在无数现实场景中反复验证、一步步沉淀而来：卡特里娜飓风过后， Google 地球更新的灾区影像被交付给一线救援人员参考；国际特赦组织也曾通过现场视频与 Google 地球卫星影像交叉比对，排查疑似集体埋葬地点。无论是记者核验地理信息、学者追踪地表变化，还是普通用户实景查证，公众早已习惯性将其界面内容视作真实世界的有效参照。也正因如此，当我们打开 Google 地球时，会自然认为：眼前呈现的，是现实世界真实存在过的景象。（承认吧，你也肯定在地图里一点一点扒拉，找过自己家的屋顶。）这份不假思索的信任，是谷歌二十年持续采集影像一点点搭建起来的。可「Create image」上线后，任何人都能借助同一套界面、相同地名、一致观测视角，给凭空捏造的场景附上浓厚的 「现场真实感」。过去，一张 Google 地球截图在网络传播，人们不会第一时间质疑真伪；而往后，怀疑将会成为所有人看图时的本能。信任的裂痕一旦出现，很难修补。既然 AI 随手就能制作出足以乱真的图像，我们还能无条件相信自己看到的画面吗？难道往后每看见一张截图，都要先费劲分辨它究竟是真是假？其实早在 Google 地球这次风波之前， Google Pixel 手机就捅过类似的篓子。两年前，Google Pixel 9 系列上线之际，内置相册搭载了 Reimagine 功能——用户可以框选照片任意区域、输入提示词，就能在原始画面上生成全新内容。The Verge 曾做过测试，在河流里生成一架失控坠毁的直升机，成品细节完整，乍看都找不到 AI 修改痕迹。图自 The Verge这架直升机发在朋友群里，可能只是一场恶作剧；可它要是出现在社交平台里，就可能摇身一变，成为引起社会恐慌的「现场证据」。这不只是 Google 一家公司的问题 ，Meta 最近也整了一出大的。今年七月份上旬，Meta 正式推出 Muse Image，其中一项功能允许用户在 Meta AI 里 @ 公开 Instagram 账号，直接把对方发布的照片拿来做 AI 生图参考。根据 TechCrunch 报道，符合条件的成年公开账号会被默认纳入素材池，照片被调用生成图像时，账号所有者不会收到任何通知。等等，你说什么？难道你是在告诉我，我自己的作品会在我自己不知情的情况下被二创吗？这合理吗？图自 Meta不出意外，仅仅三天，Meta 就紧急撤回了这项功能。看到这里，你可能会问：给 AI 图片加上水印，不就行了吗？水印当然有用，只是它没法包办一切。传统水印很容易被裁切、截图或转发破坏，虽然隐形水印更难去除，但它也有着一定的门槛——需要专门工具才能识别，而且局部修改后仍可能出现漏判。为了补上图片来源和修改记录这部分信息，越来越多的平台开始采用 C2PA 内容凭证：它可以记录一张图片由谁制作、是否经过 AI 生成，以及后来被怎样编辑。可令人头疼的是，即使有了这套凭证，人们能够查清的仍然只是图片的来历。至于画面里的事情是否真的发生过，还需要我们结合新闻来源、现场证据等信息进一步核实——但很多时候，吃瓜群众在不言中就成为了传谣者。图自 C2PA归根结底，水印和溯源技术，都只是事发后的补救手段。而那些真正决定风险边界、守住影像可信度的，从来不是用户的辨别能力，而是平台从功能诞生之初，就设定好的开放规则与安全尺度。让娱乐归于娱乐，让真实归于真实Google 和 Meta 接连出现的功能争议，本质上反映出科技行业一种趋同的产品取舍——以假乱真的生成式 AI，能力的边界在哪里？厂商优先简化 AI 生成流程、降低使用门槛，再依靠后置规则与风控兜底，应对功能开放后产生的滥用问题。无论是直接挪用公开 Instagram 照片作为生图素材、依托真实地理影像开展AI创作，还是将实景照片编辑简化为框选加提示词的极简操作，都是这套产品逻辑的具体体现。这种极致的操作简化，在便利正向创作的同时，也消解了过去天然存在的使用阻力，而这些阻力原本是抵御恶意创作的无形屏障。不过令人费解的是，明明 Nano Banana 和 Google 地球都属于 Google 。在同一类敏感请求下，在 Nano Banana 中会被拒绝，换到 Google 地球里却能顺利生成。可见，Google 在功能上线前，内部并没有对齐安全规则，对于模型能力的调度，不同产品有着不同的选择。对一个依靠真实地理影像建立公信力的平台来说，这恰恰是致命的纰漏。可在争相证明自己是一家「AI 公司」的竞赛里，比起完善前期的安全工作，Google 更急着把功能塞进产品，将安全规则抛之脑后。当争议出现后，Google 给出的解决方案也很无力——让用户可以通过 Gemini 来甄别可疑图像，可这篓子就是自家 AI 捅出来的啊。图自 Gemini显然，风控防线本该优先搭建在平台一侧，把辨别真伪的负担转移到用户肩上，这本身就是一种逃避责任。在这点上，我认为国产手机厂商在引入 AI 能力时的做法，更值得借鉴。以 OPPO 手机的 AI 影像功能为例，诸如人像补光、最佳表情、去反光去拖影等功能，当然是一种对真实的「修改」，但这种修改在私人相册这个环境下，是合理的，是克制的，更是锦上添花的。既不打扰他人，也借助 AI 能力提升了效率、挽救了废片。图自 OPPO想象一下你在一个很漂亮的花园里拍照，偏偏遇上阴天，光线不足，人物和景色都显得灰暗。这时候用 「AI 人像补光」一键提亮画面，就能把一张差点拍坏的照片救回来，也把拍照时的好心情留住。花园、人和那次拍摄都真实存在，AI 只是扮演了打光师的角色。它没有另外编出一个不存在的场景，而是修补一次真实拍摄留下的遗憾，让这张「照片」变成一张「好照片」。即使这是一张经过 AI 处理的照片，这些功能一样会改动像素，有时还会修正局部内容，但 AI 在这里起的只是修饰作用，原本拍下的生活依旧是画面的中心。我想无论是 Google 地球或是 Google 相册，必然也能在入口处、在产品层，做好引导与防护，做好 AI 内容与真实数据的隔离，让娱乐归于娱乐，让真实归于真实。对 Google 来说这绝非难事，但却依然一次次选择拿公信力去冒险——我想这不应该是一个先进的 AI 公司应有的担当。

下线 8 年的 QQ 宠物，这几天居然在手机 QQ 上官宣回归了。这是个旧时代的产物，但它真正的意义，可能是开启一个新的时代。图｜腾讯从外形看，QQ 宠物从以前的二维企鹅，升级成了如今的 3D 毛绒形象。更重要的是：在保留喂食、洗澡、打工等经典老玩法的同时，腾讯还给这些萌物塞进了大模型。以前的 QQ 宠物都靠已有的固定代码规则运行，饿了得喂饭，它出去打工，回来还能领到「赛博薪水」。只是这些机制的触发都是基于固定的计时系统，玩久了之后，你能很轻松滴摸透它什么时候想干啥。新版的 QQ 宠物则接入了腾讯自家最新的「混元 Hy3」：依托大模型的生成能力，玩家可以自由挑选宠物性格，不同的用户做同样的交互，也会得到不同的反馈。同时，新版还新增了主动回应，能记录一天里的行为，自己写下一篇「日记」，以第一人称视角留存日常点滴。相比单纯的「回忆杀」，我想腾讯有另一个隐藏的野心——通过 QQ 宠物这一 IP，在 AI 时代重新占据桌面宠物的市场。当然，喂饭、洗澡，依旧是核心玩法的一部分，固定的养成数值等机制也仍在。但新旧之间的设计哲学，最大的区别在于玩家和宠物之间不再只有单向的点击与反馈。当 QQ 宠物被赋予了记忆，具有专属的性格，降低了过去的「机器」感，让「活感」更强了——这让玩家很容易对它投进去更多感情。原来那串冰冷的数值，终于会抬头看人一眼。有趣的是，这只企鹅回到在手机 QQ 的同时，另一批「桌宠」开始在程序员的屏幕上诞生：它们不等人喂饭，而是替人盯着尚未结束的任务：Agent 运行时跟着忙，等待权限时抬头，遇到错误便停下来。二十年前，人守着 QQ 宠物，等它「下班」、给他喂饭；现在，桌宠开始替人「上班」了。新一代桌宠，从命令行出发对 Agent 桌宠来说，它有着更重要的任务：替人守着一项还没做完的任务。Agent 桌宠的诞生，一开始是在终端/命令行工具里。今年愚人节，Claude Code 曾经短暂加入过一个叫「 buddy 」的彩蛋。图｜Odaily用户在终端里输入命令，就能孵出一只 ASCII 码渲染的小动物。给它取好名字后，它能够留意正在进行的工作：Agent 开始运行，它跟着动；任务卡住，它停下来；轮到用户确认权限，它便抬头等待。最好玩的是，当时的 Claude Code Buddy 具有极强的「抽卡」属性：动物类别、「稀有度」都是随机的。大部分人只能随到「普通」的各种动物，而极少数玩家能抽出「金色传说」。官方设计是领养之后就与用户绑定，无法修改，但当时甚至有人捣鼓出一些歪门邪道的重新刷新机制。当然，Buddy 自始至终是个期间限定的彩蛋，过后官方也很快将其移除。不满足的开发者们很快开源了各种各样的替代版本，将新的宠物直接通过 hook 机制接到 Claude Code 上，让测试结果、权限请求和任务状态变成不同动作。「赛博宠物」开始从命令行爬向桌面。图｜OpenAIOpenAI 为新版 ChatGPT/Codex 桌面端加入了 Pets 入口，用户能够按照自己的喜好选择和创建自定义宠物。官方还收录了孵化宠物的专门 skill，能基于用户上传的参考图，生成新的动作，创建成活灵活现的新桌宠，也备受欢迎。而 Claude 那边也没有完全忽略用户对 Buddy 的喜爱：Anthropic 官方后来开放了面向创客的蓝牙接口，用市面极易获取的 M5Stack 开发板和 ESP32 微控，结合官方开源的 GitHub 项目，就能复刻出一只实体桌宠。（略微讽刺的是，Anthropic 官方对中国用户、企业的恶意人尽皆知，但这个项目不仅有着官方的身份，硬件实现却几乎全部仰赖中国供应链……）图｜Felix Rieseberg每当用户打开客户端点击「新任务」，桌宠就会醒过来。权限请求迟迟没人处理，它会显得不耐烦；没事做了，它便趴下睡觉。模型能力并不会因为拥有了桌宠而增加，只是用户终于可以不用一直守着日志，能够放心切出窗口去运行其它事情。看起来是 AI 大模型时代人机互动的新范式，桌宠却绝非全新的事物。事实上，「把系统状态变成一个角色」，电脑其实已经试了近四十年。桌宠活了四十年，才学会什么时候别出声电脑养宠物的历史，比不少互联网公司都长。上世纪八十年代末，日本程序员为 NEC PC-9801 写下 NEKO.COM ：一只像素猫追着鼠标满屏跑。追累了，它抓抓痒，洗洗脸，最后乖乖趴下睡觉。它不会处理文件，也提高不了效率。唯一做到的，只是给无聊的屏幕添了一点活气。图｜1997 年，微软推出了可能是计算机历史上争议最大的「桌宠」——办公助手「大眼夹」(Clippy)。它真的是一个助手，能够观察用户的操作，提出猜测 ——比如「你似乎正在写一封信」，然后弹出一段帮助提示。比起让角色动起来，让它在正确的时候出现要难得多。微软想给复杂的软件安上一张亲切的脸，最后却造出了电脑史上最出名的「烦人精」。在大眼夹的存续期间，几乎没有人打开 Word 之后的第一件事不是把它关掉。然而在它离开我们一段时间后，风评却发生了逆转。下图是我的同事前几年在微软 Build 大会上拍到的画面，那段时间微软的主线是全新的 AI 助手「Cortana」，但大家却无比想念「大眼夹」……相比于 Neko 和大眼夹，中国用户应该更熟悉瑞星小狮子。它会在桌面上跑动、换衣服、拿道具，给严肃的杀毒软件添了一张脸。隔壁 QQ 宠物走的则是另一条路。它不替人做事，反过来制造了一堆事情：要吃饭，要洗澡，会生病，还要学习和打工。2005 年，腾讯把电子宠物的养成玩法搬进电脑，接上好友、社区和成长系统。软件通常替人减少麻烦，QQ 宠物偏要人每天回来伺候它。意外的是，大家当年都还挺乐意去照顾这只麻烦的企鹅。QQ 宠物以及它的异形同类们，包括并不限于偷菜、种树等产品，尽管几乎毫无任何使用价值，却成为了互联网公司打造的活跃度与粘性最强的产品。后来，电脑桌面越来越挤。搜索框接走了 Clippy 的帮助功能，操作系统的集成安全能力也让杀软不再流行，游戏则提供了完整得多的虚拟世界。QQ 宠物这一套让人疲惫的玩法还要求人不停点击，偶尔挑一个不合适的时间跳出来。这种需要用户过度伺候的陪伴，慢慢成为日渐忙碌的人们，数字生活当中的「负担」。在 2018 年 9 月，QQ 宠物终于停运。但正如你所看到的，桌宠没有因此而彻底消失。进入 AI 时代，它先是从怀旧项目、小众软件和程序员的命令行里重新萌生，然后随着新的人机交互范式的。2026 年，Agent 催生了一个此前从未凸显的交互缺口 ——「进度模糊」。传统电脑任务的交互体验，都是突出「确定性」的：文件复制显示进度条与剩余时长；下载任务标注速度与百分比。估算数值或许存在偏差，但至少有一条清晰的、向前推进的进度线，作为关键参照。可 Agent 的执行过程，特别是在后端采用思考/推理模型、前端采用多 Agent 架构以及复杂工程约束的时候，其不确定性被显著放大了。无论是检索资料、迭代项目还是自动修改代码，用时多久、最终结果都难以预判：可能十几分钟顺利收尾，也会长时间反复碰壁，遭遇测试报错、权限异常，陷入循环重试。进度的边界彻底模糊。哪怕计时器已经走过三十七分钟，没人能确定任务还需要三分钟，或是三小时。「Vibe Coding 像一场蒙着眼睛的长跑。真正磨人的往往不是跑了多久，而是不知道还要跑多久，以及跑出什么结果。」弹窗转瞬消失、提示音一闪而过。这类瞬时「强提醒」只适合告知「某件事刚刚发生」，没办法持续展示一项长周期任务的运行状态。为了解决这个小众但重要的需求，人们曾经发明过许多颇为有趣的方案。其中最有趣的，莫过于久负盛名的施乐研究所 (Xerox PARC) 在 1995 年做的一个用于判断机房服务器负载的小项目：一根塑料悬绳挂在一个马达上，而马达直接连接服务器。当网络繁忙，绳索快速摆动；流量空闲，它偶尔轻微抽动——而这带来的效果就是：办公室人员无需打开监控面板，路过时余光一瞥，或是听见绳索晃动的声响，就能大致判断网络负载。不必调动核心注意力，信息自然在视觉边缘传递。Agent 桌宠填补的，正是这种「余光提醒」的交互空白。过往追踪 Agent 运行状态，程序员必须主动切换窗口、调动中心视觉，而这些操作会打断用户本身的「上下文」进程，且随着 AI 工具的进一步普及，越来越多人每天当中越来越多次被这样打断。加州大学学者 Gloria Mark 的研究证实：人被打断深度工作后，平均需要 23 分钟才能重建完整思路、回归专注。停靠在桌面角落的 AI 桌宠，依靠形象动效、形态变化传递任务状态，打通了余光感知这条极低负荷的信息通道。人眼周边视觉天生擅长捕捉细微的动态变化，开发者仅凭余光就能感知 Agent 进展，无需刻意转移视线、中断编码思考。桌宠的出现和流行，大幅削减窗口切换带来的认知损耗，更长时间守住稳定的心流。任务正常运行，它安静蛰伏；需要人工确认时给出温和提示；运行失败便停下动作；产出结果待核验时，再通过明确的通知来呼唤用户。一只合格的 Agent 桌宠，大部分时间应当安静趴着。倘若每次状态变动都夸张弹跳，它就沦为换了外壳的加载条；如果再叠加无休止的对话、弹窗与卖萌互动，用不了多久，又会变成新的注意力干扰源——所以，如果你想要创建自己的桌宠，不要执迷于给它加过度丰富、复杂的动作，那样只会本末倒置。（关于创建自己桌宠的教程，可以看这篇文章/视频）目光留给 Token，守候交给桌宠当我们使用 AI 产品的时候，总是对于任务执行进度以及 Token 消耗量有很大焦虑：额度不够用的时候，担心活干不完，额度快要重置的时候，又总想干点什么给它利用起来……结果，人就成了一种时常处于「纠结状态」的 Agent 监工。Agent 原本作为替人省力的工具，反倒为用户增添了「FOMO」（错失恐惧）。桌宠的走红，有一部分原因是它披着可爱的皮肤，能够给予用户思绪上的释放，缓解 Token 给用户带来的压力。不少人期待此次回归的 QQ 宠物不止局限于手机端。大众心底的情怀，始终期盼这只经典小企鹅重返 PC 桌面；倘若能够深度接入腾讯自家的 Agent 体系，让怀旧 IP 顺势承接智能体状态提醒的职能，让数码复古的情怀与当下 Agent 风潮碰撞出新的化学反应。图｜小红书 小鱼游游游而且，定制自己专属桌宠的过程，本身也挺解闷的：挑照片、改动作、给角色添一点脾气。它提高不了多少生产力，却是长时间 Vibe Coding 里的一段小小的慰藉。用户可以「赛博抚摸」它，也可以把对进度和 Token 的烦躁暂时丢给它。从二十年前人们守着 QQ 宠物，操心它温饱病痛，到如今轮到桌宠替我们看守 Agent。电脑养了四十年宠物，这次终于能让它帮我干点活了。附录：怎样创建一只属于自己的 Agent 桌宠先准备一张容易辨认的参考图。主体尽量完整，背景简单。真人照片只保留最醒目的外观特征，例如发型或衣服。证件和工牌不要入镜，带有住址、聊天记录的背景也要裁掉。随后在 Codex 中调用 OpenAI 收录的 Hatch Pet skill。不同版本的入口可能不一样，可以直接在对话中明确写出「使用 Hatch Pet 制作一只 Codex 宠物」。提示词同时写清外形和状态动作，例如：Hatch Pet 会生成并校验多组状态，再把动画整理成精灵图。生成结束后，重点检查：每组动作是不是同一个角色；花纹、发型和衣服有没有漂移；waiting、failed 和 review 能不能一眼分清；左右移动的方向是否正确，动作循环有没有闪烁。确认目录后，重新启动 Codex CLI。桌面版可进入 Settings → Appearance → Pets，点击刷新后选择新角色。界面名称可能随版本变化；如果没有看到 Pets，先检查应用版本和角色包路径，不必急着重新生成图片。做到这里，这只 Agent 桌宠就算正式上岗了。别忘了给 Agent 派个短任务，看看这只新来的小家伙什么时候醒来。

好消息，平时骑「电鸡」上班的朋友，可以稍微骑快点了。8 月 25 日，《道路交通安全法》修订草案提请十四届全国人大常委会第二十四次会议初次审议。这是现行道路交通安全法自 2004 年施行以来的一次系统性修订，共 9 章 170 条，涉及电动自行车、「盲驾」、自动驾驶、「暴走团」等多个高频出行话题。要注意，这只是修订草案，尚未正式通过和施行。电动自行车限速，拟从 15km/h 提高至 20km/h先来说每天穿行在城市里「电鸡」，也就是电动自行车。草案拟将电动自行车在非机动车道内行驶的最高时速，从现行的 15km/h 提高至 20km/h。这里调整的是道路通行限速，不是车辆的最高设计车速。目前电动自行车国标规定的最高设计车速仍为 25km/h。换句话说，这次修法主要是缩小一点「车能跑多快」和「路上允许跑多快」之间的落差。但限速放宽，不等于骑行规则一起放宽。草案同时明确，驾驶电动自行车上路，不得逆行、超速、违反交通信号，也不能拨打或接听手持电话、观看视频；驾驶人与乘车人还应按规定佩戴安全头盔。开车看视频，「盲驾」处罚可能加码机动车这边，也多了一条更明确的红线。草案规定，驾驶时拨打或接听手持电话、观看视频等妨碍安全驾驶的行为，如果造成交通事故或者其他严重后果，将处 200 元以上、500 元以下罚款，并可以暂扣三个月机动车驾驶证。过去，酒驾、疲劳驾驶的危险性已经深入人心；如今，手机正在成为驾驶舱里的另一种注意力黑洞。不过需要注意，草案中的上述加重处罚，以「造成交通事故或者其他严重后果」为前提，并非只要开车看一眼手机，就一律暂扣三个月驾照。自动驾驶违章，车企也要「接单」这次修订草案还专门设置了「自动驾驶汽车的特别规定」一章。按照草案，当自动驾驶功能处于激活状态，车辆发生道路交通安全违法行为时，由自动驾驶汽车的生产企业或进口企业接受处理。但要注意，这里的「自动驾驶」，并不是我们平时使用的「辅助驾驶」。如果自动驾驶功能没有激活，或者车辆仅具备辅助驾驶功能，则仍按照普通汽车的规定管理。简单来说，辅助驾驶还是「人开车、人负责」；真正进入自动驾驶状态后，交通违法的处理对象开始从驾驶人延伸至车企。不过，「由车企接受交通违法处理」不等于所有事故责任都自动归车企。事故认定、民事赔偿及产品责任，仍需根据具体情形和后续配套制度判断。「暴走团」也被盯上了对于成群占用机动车道、非机动车道的「暴走团」，草案重申：未经许可，任何单位或者个人不得占用道路从事暴走、健身等非交通活动。草案还进一步明确了相关管理责任：公安交管、交通运输、住房城乡建设等部门应当依法劝阻、制止和处理，道路养护单位则负有劝阻、报告义务。健身当然是自由，但马路不是健身房的延长线。除此之外，这次修订还聚焦醉驾、「僵尸车」、超标车辆等长期存在的交通治理难题，并加入多项便民出行措施。需要再次提醒的是，《道路交通安全法》修订草案目前仅进入初次审议阶段。20km/h 限速等调整最终是否落地、何时施行，仍要等待后续审议和正式公布。

最近，美国法院接连被 AI 摆了几道：一名法官的助理用 Perplexity 起草裁定，绕过常规复核，结果文件不仅出现虚构引用，连当事人都写错了。这已经不是法律界第一次因为 AI 翻车而吃苦头，还有法院接到当事人发来的诉状，打印文件时出现了大片空白，仔细一查发现了隐藏的白色文字。原来是当事人在文件里，贴进了人眼不可见的白色小字，要求任何读取文件的 AI「确保输出同意本文件的主张」，并引导 AI 推翻先前决定、支持他的诉求。好吧，现在法律界确实经常用 AI 了，但还没到啥都用 AI 审阅的程度——更没那么笨。Harvey 最近就发布了专门的法律模型 Tenet，而且是以 Kimi K3 为基座。没听过这家公司也很正常，它不做面向普通人的法律问答，而是给律所和企业法务提供 AI 工具，帮助律师查资料、审合同和处理文件。Harvey 成立只有四年，估值已经达到 110 亿美元，服务超过 1300 家机构和 10 万名律师，是目前最值钱的法律 AI 公司。这是 Harvey 第一个基于开放权重进行后训练的模型，面向需要长时间执行、连续调用工具的法律任务。初步成绩显示，Tenet 在 Harvey 的法律智能体基准 LAB 上，成功完成的测试任务接近底座模型的两倍。不过，作为一家独角兽公司，随时买得到最强模型，为什么还要自己专门训一个？从开头的新闻里也看到了，通用模型可以回答法律知识，却未必能完成真实的法律任务。律师接到的通常不是一道问答题，而是一句来自合伙人的要求，以及大量真假线索混杂的客户文件。模型需要判断从哪里开始，连续检索和阅读材料，发现风险、给出引用，最后形成可以交付的合同修订或法律备忘录。对这类任务而言，真正稀缺的不只是知识，而是知道一项工作应该怎样完成、怎样检查。麻烦在于，这些很难靠提示词和外部工作流完整地传递给模型。你可以把检索、引用和审阅步骤写进系统，却很难用一段提示词让模型学会「什么时候应该多调一份材料」「一份交付物到底差在哪里」——这些判断藏在成千上万次真实执行的细节里。所以，只能靠训练了。OpenAI 投资的百亿独角兽，模型底座来自中国类似选择正在同时发生在更多中国模型身上，一批看起来土生土长的美国 AI 产品，扒开外壳，里面却装着一颗中国模型的心。最为人所知的，要数全球最热门的 AI 编程工具 Cursor，年初时发布了自己的模型 Composer 2。当时 Cursor 只强调它便宜、快速，能够自动完成复杂的编程任务，却没有交代模型究竟从哪里来。直到被抓住，它才在技术报告中承认，Composer 2 是在 Kimi K2.5 的基础上训练出来的。Cursor 一直被视为美国 AI 创业潮中最风光的公司之一。它估值数百亿美元，背后站着一群硅谷顶级投资人，平时还大量使用 Anthropic 的 Claude。这样一家公司第一次推出「自己的模型」，也不是从零开始，而是直接拿了 Kimi 的开放模型继续加工。甚至在随后推出的 Composer 2.5，仍然沿用 Kimi 的底座。照着这个思路，英国 AI 公司 Cosine 也拿 Kimi K2.6 训练出 Lumen Outpost。Cosine 是专门维护银行、航空公司和大型企业仍在使用的古老代码的「修理工」，减少 AI 随手生成但难以维护的垃圾代码，并让模型在完成工作时少说废话、多主动解决问题。这家公司体量远不如 Cursor，但它更现实，小公司没有钱与 OpenAI、Google 竞争，那就可以拿现成的中国模型，专门训练它解决某一类客户愿意付钱的问题——不考高考了，而是直接考职业资格证。最后，连「全球第一位 AI 程序员」的 Devin 也加入了这条队伍，发布 SWE-1.7 时公开承认，它使用的是 Kimi K2.7。在 Curosr 之前，Devin 曾经是硅谷 AI Agent 最受瞩目的明星产品，后来也跟 Cursor 走上了同一条路，现在也用了同一个中国厂商的基座模型。短短半年，Kimi 的不同版本像接力棒一样被海外公司依次拿走：K2.5 进入 Cursor，K2.6 被 Cosine 改造成专攻疑难杂症的程序员，K2.7 进入 Devin，K3 则被 Harvey 训练成法律专家。Kimi 每更新一代，海外就多出一个挂着本地公司招牌的新模型。这些公司当然不是简单地给 Kimi 换个名字。它们仍然需要投入数据、算力和行业经验，才能把通用模型变成真正可用的产品。但它们也不再执着于证明「这个模型完全是我从头训练的」，毕竟在商业世界里，血统没有成本重要，能不能用更少的钱，做出更适合自己客户的模型，才是关键。中国模型抢的，不只是 Claude 的用户过去，AI 创业公司通常只有两条路：要么花费巨资从头训练模型，要么接入 Claude、GPT 等闭源模型，每使用一次就向模型公司交一次钱。后一种办法启动更快，却很容易带来一个尴尬的问题：产品做得越大、用户用得越多，付给上游模型公司的费用也越高，支出收入能勉强打平就不错了。中国开源模型的爆发，则给这些 AI 创业公司提供了第三条路，他们可以直接拿到一套已经训练好的模型，再用自己的数据和业务经验继续加工。它们不需要承担从零造模型的全部成本，也不用永远依赖 Anthropic、OpenAI 的定价和服务。这也由此诞生一种类似 Harvey 的有趣现象，美国的AI产品，由中国模型预制。同样是在法律咨询行业深耕的汤森路透，也发布了首个自研模型 Thomson-1，他们同样使用了中国开源模型。CTO Joel Hron 把这种选择比作租房与买房——调用外部 API 是在交租，而拥有自己的模型，才能让公司的行业数据和知识产权不断沉淀成资产。连 OpenAI 前 CTO Mira Murati 创办的 Thinking Machines，虽然从头训练了自己的基础模型 Inkling，一方面参考了DeepSeek 的 V3 做模型架构，另一方面也使用 Kimi K2.5 生成的合成数据启动监督微调，这家公司目前估值已经超过 120 亿美元。从开放权重、合成数据到直接部署，中国模型正在以不同形式进入美国 AI 产品的供应链。虽然中国开源模型今年杀疯了，甚至开始围攻闭源顶流 Fable 5 ，也屡屡在海外开发者圈子刷屏。但中国模型给硅谷带来最大的变化，其实是海外的这些公司开始用中国模型制造自己的 AI。很多用户大概都不知道底层模型来自中国，但这恰好说明它正在获得另一种更「长期主义」的价值：去成为其他 AI 产品的原料、底座和上游工业品，是真正带来更底层价值的关键。

2026 年最好的 AI PC，刚刚迎来了一大波更新。苹果正式发布全新一代 Mac mini 和 Mac Studio。新一代桌面 Mac 带来了 M6、M5 Pro、M5 Max 与 M5 Ultra 四款芯片选择，也进一步拉高了苹果在本地 AI 计算领域的性能上限。其中，Mac mini 提供 M6 和 M5 Pro 两种版本，起售价分别为 6999 元和 12999 元。针对教育用户，苹果还提供对应优惠价格，M6 版 Mac mini 起售价为 6199 元，M5 Pro 版为 12199 元。Mac Studio 则提供 M5 Max 与 M5 Ultra 两种版本，起售价分别为 19999 元和 46999 元，将模型容量、内存带宽和多机扩展推向更高层级。作为对比，M4 Mac mini 国行起售价在今年 6 月已经由 4499 元涨至 5999 元，M4 Pro 版目前为 12499 元起。新款 M6 和 M5 Pro 版又分别上涨 1000 元和 500 元。四款全新机型均于 8 月 27 日开启预购，9 月 22 日起发售。其中，配备 512GB 统一内存的 Mac Studio 将于 10 月下旬上市。苹果最小的 Mac，正在成为 AI 时代的新入口过去，Mac mini 在苹果产品线里的定位非常明确。它是一台价格相对友好的 Mac，让用户用较低成本进入 macOS 生态。但新款 Mac mini 的任务伴随着年初 OpenClaw 的爆火，它除了承担办公、影音和日常创作，也逐渐成为越来越多用户运行本地 AI 模型和 AI Agent 的设备选择。具体而言，新款 Mac mini 的核心变化，来自全新的 M6 芯片。作为苹果首款采用 2 纳米制程的 M 系列芯片，M6 配备 12 核 CPU、12 核 GPU，以及两组 16 核神经网络引擎。其中，CPU 包含 2 个超级核心、4 个性能核心和 6 个能效核心，核心总数比 M5 增加 2 个。苹果官方给出的数据显示，M6 的多线程 CPU 性能最高达到 M5 的 1.2 倍、M1 的 2.4 倍。放到 Mac mini 中，与上一代 M4 版本相比，其 CPU 性能最高提升 40%，图形性能最高达到 2 倍，AI 性能最高达到 4 倍。M6 的 12 核 GPU 首次在 Mac mini 的每个 GPU 核心中加入神经网络加速器。其 AI 峰值计算能力较 M5 提升接近 30%，较 M1 提升超过 8 倍，主要用于加快大模型的提示词处理。两组 16 核神经网络引擎的峰值计算能力最高达到前代的 2 倍。系统框架可以同时调用两组引擎，提高设备端模型的执行效率。M6 版从 16GB 统一内存起步，最高可选 32GB，内存带宽达到每秒 170GB，较 M5 提高 10%，是 M1 的 2.5 倍。在具体应用中，这款机型使用 LM Studio 处理大模型提示词的速度，最高达到 M1 版 Mac mini 的 13.5 倍、M4 版的 4.8 倍。其 Microsoft Excel 表格计算速度最高达到 M1 版的 2.3 倍、M4 版的 1.5 倍。在支持光线追踪的《赛博朋克 2077：终极版》中，游戏性能最高达到 M4 版的 2 倍。由此来看，M6 版 Mac mini 已经不只是入门办公电脑。它同时面向普通用户、学生、开发者、AI 爱好者和企业用户，可以处理智能编码、图像生成、模型推理和轻量级 Agent 任务。如果你有更复杂的工作负载，苹果还准备了 M5 Pro 版本。M5 Pro 最高配备 18 核 CPU 和 20 核 GPU，每个 GPU 核心同样包含神经网络加速器。统一内存最高达到 64GB，带宽达到每秒 307GB，可以容纳体量更大的模型、复杂三维场景、ProRes RAW 视频文件和科研数据集。在 LM Studio 中，M5 Pro 版 Mac mini 的大模型提示词处理速度最高达到 M2 Pro 版的 8.5 倍、M4 Pro 版的 4 倍。其 Blender 光线追踪渲染性能最高达到 M2 Pro 版的 4.5 倍，Affinity 图像处理性能最高达到 2.1 倍。苹果官方介绍还将其描述为适合 AI Agent 或创意工作流的安静、高效常驻设备。这一定位说明，Mac mini 的使用场景正在从用户主动操作，延伸到后台持续运行。连接能力也围绕这一方向升级。两种版本均支持 Wi-Fi 7、蓝牙 6 和 2.5Gb 以太网，并可选配 10Gb 以太网。机身正面配备两个支持 USB 3 的 USB-C 接口和一个高阻抗耳机插孔。M6 版背面配备三个 Thunderbolt 4 接口，M5 Pro 版则配备三个 Thunderbolt 5 接口，另外还有 HDMI 和以太网接口。借助 Thunderbolt 5，多台 M5 Pro 版 Mac mini 可以组成集群，共同承载超出单机能力的模型。新增的 USB-C 同步锁相功能，则可以让显示设备与 iPhone 17 Pro 等拍摄设备实现精确同步。至此，Mac mini 获得了一个新身份。它既是一台个人桌面电脑，也可以成为连接数据、应用和 Agent 的小型 AI 节点。体型虽小，野心拉满。从单机到集群，Mac Studio 组队越级如果说 Mac mini 提供了个人 AI 计算的入口，那么 Mac Studio 承担的就是更高强度的模型推理、训练与创意工作。新款 Mac Studio 提供 M5 Max 与 M5 Ultra 两种版本。M5 Max 配备 18 核 CPU，其中包括 6 个超级核心和 12 个性能核心。GPU 最高拥有 40 个核心，每个核心都内置神经网络加速器。统一内存最高达到 128GB，带宽达到每秒 614GB。与 M4 Max 相比，M5 Max 在 LM Studio 中处理大模型提示词的速度最高达到 3.9 倍，文生图性能最高达到 3.5 倍，DaVinci Resolve Studio 的 Magic Mask 性能最高达到 3 倍。与更早的 M1 Max 相比，其大模型提示词处理速度最高达到 10.7 倍。到了 M5 Ultra，苹果干脆把「力大砖飞」写进了芯片结构。它通过新一代 UltraFusion 技术，将两颗采用双芯片晶粒设计的 M5 Max 连接起来，形成苹果首个四晶粒 M 系列系统级芯片。UltraFusion 的晶粒间带宽超过每秒 4.4TB，连接密度提升超过 6 倍，使四个晶粒可以像一个统一处理器一样运行。M5 Ultra 最高配备 36 核 CPU 和 80 核 GPU，并首次在 Ultra 芯片的每个 GPU 核心中加入神经网络加速器。其 AI 峰值性能最高达到 M3 Ultra 的 4.3 倍、M1 Ultra 的 9.8 倍。按照芯片层面的峰值 GPU AI 算力计算，其性能最高达到 M3 Ultra 的 4.5 倍。搭载 M5 Ultra 的 Mac Studio 最高支持 512GB 统一内存，带宽达到每秒 1.2TB。这样的容量可以在设备内保存大型数据集，并承载数百亿乃至数千亿参数的模型。在 LM Studio 中，该机型的大模型提示词处理速度最高达到 M1 Ultra 版的 9.8 倍、M3 Ultra 版的 4 倍，文生图性能最高达到 8.2 倍和 4.3 倍；Foundry Nuke 的 CopyCat 训练速度最高达到 M1 Ultra 版的 15.4 倍。M5 Ultra 还配备更强的媒体引擎，可以同时播放最多 33 路每秒 30 帧的 8K ProRes 422 视频。新款 Mac Studio 的存储速度最高提升至 2 倍，采用基于 PCIe 6 的新一代固态存储架构。Mac Studio 首次支持 Wi-Fi 7 和 Bluetooth 6，同时加入 Thunderbolt 5 连接能力，可以连接高速外置存储、PCIe 扩展机箱和其他专业设备。整机最多支持 8 台显示器，或者 4 台以 5K 分辨率、120Hz 刷新率运行的 Studio Display XDR。相比单机性能，多机集群更能体现这次升级对产品逻辑的改变。新款 Mac Studio 支持通过 Thunderbolt 5 和远程直接内存访问技术连接。多台设备可以组成低延迟网络，共同执行分布式 AI 推理。根据苹果公布的数据，4 机集群的推理性能最高可以达到单机的 3 倍。值得一提的是，今年 6 月，苹果在 WWDC26 期间的一场特别活动中，展示了这种集群的实际运行方式。现场的 4 台 Mac Studio 通过 Thunderbolt 5 连接，并利用 RDMA over Thunderbolt 建立低延迟通信网络。借助 LM Studio 当时即将推出、基于 MLX Distributed 的功能，LM Studio 员工加载并运行了 Kimi K2.6 这一万亿参数规模的开放权重模型。其背后的关键是分布式计算。对于一万亿参数模型，如果采用 FP16 精度，仅模型权重理论上就需要约 2TB 内存，尚未计入缓存和其他运行开销。单台个人电脑很难提供如此大的可用空间，多机协同则可以同时扩展计算能力、内存容量与带宽。不过，桌面集群的实际性能仍然受到模型精度、内存配置、通信速度和模型架构影响。下一代个人电脑的用户，未必是人类今年 2 月 6 日，可能是人类最后一次在 AI 服务中消耗了比 AI Agent 更多的 token。OpenRouter 数据显示，此后 Agent 的 token 使用量超过人类，并在约半年内增长至原来的 14 倍，人类当然并没有减少使用 AI，只是越来越多 token 的触发指令被交给了 Agent 代劳。因 OpenClaw 爆火而受到关注的 Mac mini，也展示了一种此前并不突出的硬件需求。以前，人敲打键盘，电脑执行，然后等待下一次指令。Agent 的到来改变了这种供需关系。一台面向 Agent 的设备，需要保留用户的文件、历史记录、应用权限、模型状态和任务上下文。它不仅要完成一次推理，还要知道此前做过什么、当前进行到哪一步，以及接下来可以调用哪些资源。从这个角度看，以 Mac mini 为代表的 Mac 电脑受到关注，不只是因为它体积小、功耗较低或者性能足够强。更深层的原因是，它具备成为这种数字环境的基本条件。它可以接入用户的本地文件和系统应用，也能将敏感数据保留在设备内。不过，外形和能效只能解释它为什么适合常驻桌面，真正决定模型运行能力的，是 Apple Silicon 的统一内存架构。传统电脑通常由 CPU 使用系统内存，独立 GPU 使用显存。模型权重和计算数据需要通过总线在两类内存之间传输。独立显卡虽然拥有很强的峰值算力，但消费级产品的显存通常只有几十 GB，模型规模很容易受到容量限制。Apple Silicon 让 CPU、GPU、神经网络引擎和其他模块共享同一个物理内存池。模型权重、输入数据和中间结果只需要保存一份，减少了重复存储和数据搬运。M6 最高支持 32GB 统一内存，带宽为每秒 170GB。M5 Pro 将两项指标提高至 64GB 和每秒 307GB。M5 Max 进一步达到 128GB 和每秒 614GB。M5 Ultra 则提供最高 512GB 容量与每秒 1.2TB 带宽。统一内存负责容纳模型，芯片提供计算能力，Core AI、Core ML、Metal 和 MLX 等框架负责调度硬件，操作系统与本地应用则向 Agent 提供数据和工具。这些能力结合在一起，构成了 Mac 在 Agent 时代的优势。它提供的不只是一次模型推理，而是一套覆盖上下文、权限、状态和执行过程的本地 AI 环境。电脑角色的变化，也开始影响 Mac 的产品分层。过去，苹果主要按照性能需求、工作负载、预算和便携性划分产品线。在这套体系中，mini、Pro、Max 和 Ultra，不同程度地代表着用户对性能的需求

8 月 25 日，北京越野旗下全新豪华越野品牌泰钽的首款车型泰钽 700 正式上市，共推出三款车型：泰钽 700 豪华版：指导价 27.98 万元，超级焕新价 24.98 万元泰钽 700 乾崑旗舰版：指导价 32.98 万元，超级焕新价 29.98 万元泰钽 700 乾崑巅峰版：指导价 37.98 万元，超级焕新价 34.98 万元此前，三款车型的预售价分别为 29.98 万元、33.98 万元和 38.98 万元，正式指导价分别下调了 1～2 万元，三款车的超级焕新价则在指导价上再减 3 万元，需要使用全品牌置换补贴。上市期间，北京越野还提供七重权益，包括全系 3 万元置换补贴、乾崑车型至高 2.1 万元 ADS Max 高阶功能包补贴，以及限量 1000 台的整车终身质保、首任车主三电终身质保等。首批车辆已经发运，即日起在全国上百个城市开启交付。泰钽是北京越野向上拓展的豪华越野品牌，泰钽 700 是这一品牌下的第一款车。既然定义为「豪华越野」，泰钽 700 当然不只是一台专门面向山野的玩具，传统机械能力之外，座舱与智能化也是泰钽 700 值得关注的部分。用泰钽 700 发布会上的话来说就是：可乘可野。在泰钽 700 开启预售时，我们曾经聊过这台车想把 NOA 开进没有车道线的地方。与常规的「智驾到某地，人驾来越野」不同，泰钽 700 希望把辅助驾驶也融入越野过程，把这个通常被视作驾驶乐趣的部分也给包办了。越野打底，乾崑补位泰钽 700 的长宽高为 5040/1959/1926mm，轴距为 2820mm，采用五座布局和非承载式车身。方正车身、五孔格栅和外挂备胎保留了北京越野一贯的硬派轮廓，而发光格栅、双色车身和尺寸不小的密辐轮圈，则让这台车增加了一些高级感，不至于和传统硬派越野的「傻大黑粗」联系在一起。此前我们也提到过，在北京越野内部，BJ60 在车身尺寸上几乎和泰钽 700 如出一辙。两者的主要区别在新能源动力、座舱配置，以及两款乾崑车型增加的华为乾崑智驾。动力方面，泰钽 700 搭载 1.5T 增程器和前后双电机，综合功率 391kW，综合扭矩 625N·m，最高车速为 180km/h。49.4kWh 的宁德时代三元锂电池带来 220km CLTC 纯电续航，CLTC 综合续航为 1340km，官方 WLTC 馈电油耗为 8.4L/100km。泰钽 700 的整备质量达到 2850kg，8.4L/100km 的馈电油耗，对于这样一台大型 SUV 来说已经是一个相对来说还不错的成绩。离开铺装道路以后，首先承受车身扭转和路面冲击的是大梁，泰钽 700 采用八横两纵高强钢大梁，北京越野称其整车抗扭刚度是普通 SUV 的 3—5 倍。这套结构需要处理交叉轴、炮弹坑等路况下的持续扭转，也是泰钽 700 所有越野能力的物理基础。泰钽 700 采用前双横臂、后多连杆独立悬架，最小离地间隙为 215mm，接近角、离去角和纵向通过角分别为 26°、23°和 22°，最大涉水深度为 800mm。全系标配智电中锁、后桥差速锁和低速四驱，两款乾崑版再增加前桥差速锁。ATS 全地形智电控制系统可以识别雪地、泥地、沙地、岩石、穿越和涉水等路况，并提供 12 挡可调越野蠕行、战术掉头、涉水感应和循迹导航等功能。蠕行模式负责在复杂路面低速控车，涉水感应用于判断水深，循迹导航则能帮助车辆按原路返回。按照官方说法，战术掉头可以将车辆的转弯半径缩短至 3.4m，在山路、林道和临崖窄路上减少来回腾挪。安全方面，泰钽 700 采用笼式车身，整车高强钢占比为 85%，电池包布置在大梁的保护范围内，外部还有铝合金防护，底盘下护板则是全系标配。说完越野，再来看看「可乘可野」中的「可乘」部分。泰钽 700 全系标配双 15.6 英寸前排屏幕和冷暖冰箱，乾崑旗舰版增加 21.4 英寸后排吸顶屏和石墨烯加热「生命光波疗愈座椅」，乾崑巅峰版再加入双模制氧系统、车载卫星通信和氮气减振器。在车内，泰钽 700 还提供经过国家大剧院音效认证的音响系统，以及官方称为「后排隐私声盾」的 ANC 主动降噪功能。屏幕、冰箱和加热座椅照顾城市与家庭长途，制氧和卫星通信面向高原、偏远地区与长距离穿越，氮气减振器则负责更复杂的非铺装道路。但要说泰钽 700 和传统越野车最大的不同，还是得看两款乾崑车型。两款乾崑车型搭载华为乾崑 ADS 5，前向 896 线双光路激光雷达能够同时兼顾广角感知和远距离探测，支持在野外沿着车辙在非铺装路面上开启智驾。按照北京越野公布的数据，它能在 120m 外识别高度 14cm 的障碍物。车尾还有一颗高精度固态激光雷达，官方称其分辨能力达到 3cm，用于识别后方的行人、两轮车、立柱和低矮障碍物。这颗后向雷达也服务于 RAEB 后向自动紧急制动。车辆倒车接近台阶落差、深坑或道路边缘时，系统可以识别后方风险并主动制动。对山路、断头路和非铺装道路上的倒车场景来说，这颗后向雷达的重要性不言而喻。看清路况以后，ADS 5 还需要与车辆的机械系统配合。系统给出路线和车速，ATS 全地形智电控制系统、低速四驱和差速锁负责动作执行。说得直观点，就是让华为负责看路和选路，北京越野负责实际动作。除了越野 NOA，泰钽 700 还增加了「荒野返航」。系统利用多传感器定位和轨迹推算记录车辆走过的路线，在没有清晰道路和标线的环境里辅助车辆沿原路返回，少让驾驶者在穿越后再凭记忆寻找来路。北京越野还公布了一次在重庆巫溪兰英挂壁公路进行的夜间测试。这条路包含无照明、临崖窄路和连续弯道等场景，此前也有网友用特斯拉的 FSD 辅助驾驶在兰英挂壁公路上跑过。按照官方公布的测试结果，泰钽 700 在这条路上夜间完成约 8km 行驶，全程零接管、零退出，途中前向激光雷达识别到路面落石，系统随后调整路线完成避让。对于享受选线、控制油门和脱困过程的熟练越野玩家来说，手动完成这些动作本来就是乐趣的一部分。但对初涉越野圈子的用户或长途旅行者而言，越野 NOA 可以在拿不准路线和车速时提供另一套判断，也能分担长距离非铺装道路上的重复操作。除了攀山野，还得攀市场泰钽 700 的正式指导价已经降到 27.98 万元起，但这个数字对应的是没有激光雷达和 ADS 5 的豪华版。真正配齐非承载式车身、三把锁和华为乾崑智驾的，是指导价 32.98 万元的乾崑旗舰版。但市面上并非只有泰钽 700 这一台把非承载式底盘和智驾挂钩的车。最能和它匹配上的是东风猛士 M817。猛士 M817 当前售价为 29.99 万～39.99 万元，同样采用非承载式车身，五款车型均搭载华为乾崑 ADS 5。不过，29.99 万元的 Mate 和 32.99 万元的 Mate+ 版本使用的是 192 线激光雷达，从 34.99 万元的 Max 开始，才升级为与泰钽 700 乾崑版同为 896 线的激光雷达。按同版本对标，泰钽 700 乾崑旗舰版更接近 34.99 万元的猛士 M817 Max，泰坦 700 乾崑旗舰版相比之下有大约 2 万元的价格优势，这或许能给北京越野带来更加充裕的市场空间。在此之外，泰钽 700 还留了一波后手，就在最近，北京越野与华为引望联合越野中心正式挂牌。按照北京越野的说法，品牌过去 68 年积累的越野经验被整理成 200 多条专家规则，用于帮助系统判断可通行区域、障碍物和复杂路况，双方共同合作，参与越野场景里的感知和决策。随着这个越野中心的不断迭代，泰钽 700 以及品牌后续的其他车型，还有进一步升级的可能。可以说，如今的市场留给新车的单项空白已经越来越少。大梁、差速锁和增程系统并不稀缺，冰箱、屏幕和舒适座椅也早已进入同价位车型，华为乾崑智驾还同时出现在猛士 M817 等车型上。靠一项配置支撑一辆新车的时代已经过去，现在考验的是组合能力。泰钽 700 给出的组合，是北京越野的机械基础、华为的感知与决策，再加上兼顾日常与长途出行的座舱。机械素质决定越野的上限，智能化则让更多人能够在这个框架内享受越野的乐趣。这就是泰钽 700 发布会上所说的「越野平权」，也是北京越野对泰钽 700「豪华越野」定位更准确的解释。

🖥️苹果发布 M6 Mac mini 与 M5 Ultra Mac Studio，国行 6999 元起📋《道路交通安全法》拟大改，自动驾驶违法由车企担责🦿追觅收缩探索阶段业务，聚焦四大主营方向🤖OpenAI 将恢复 Plus 账户 Codex 的 5 小时用量窗口🛍️SK 海力士淘宝旗舰店下架全部商品，拟于 9 月终止经营⚠️星宇股份被曝批量劝退应届生，当地人社局通报🚗大众汽车酝酿史上最大重组，或再削减 5 万个岗位🦿智元子公司临界点在人形机器人运动会获 7 枚金牌🚀SpaceXAI 将采用英伟达 Vera CPU 扩展地面与轨道 AI🤖LinkedIn 产品负责人：用户标记正在压低 AI 低质内容曝光🧠美光 HBM 研究员：AI 算力增速已跑在内存带宽前面💡微软 CEO：企业不能把 AI 思考能力外包给单一模型📱vivo X500 Pro Max 预热影像防抖，新测试机曝光 5.01GHz 芯片💻字节跳动推出「豆包工作」，Agent 可操作虚拟桌面并读取飞书上下文🚙小鹏第二代 VLA 630 版升级，G9L 将首发搭载🤖Google 推出法律行业版 Gemini Enterprise🔧IBM 推出双架构主机处理器，单核原生支持 IBM Z 与 Arm🛍️lululemon 更新 fast and free 跑步系列，增加腰部收纳与通风款式👓王虹同款带火林德伯格眼镜，获奖后门店咨询升温🎮《红色沙漠》入围 2026 科隆游戏展两项大奖苹果发布 M6 Mac mini 与 M5 Ultra Mac Studio，国行 6999 元起苹果 8 月 25 日正式发布新款 Mac mini 与 Mac Studio。Mac mini 提供 M6 和 M5 Pro 版本，国行起售价分别为 6999 元和 12999 元；Mac Studio 提供 M5 Max 和 M5 Ultra 版本，起售价分别为 19999 元和 46999 元。两款新品将于 8 月 27 日在中国大陆开启预购，9 月 22 日发售。Mac mini 首发苹果首款 2 纳米制程芯片 M6，集成 12 核 CPU、12 核 GPU 和双 16 核神经网络引擎，统一内存带宽最高 170GB/s。苹果称，相较 M4 版 Mac mini，新机 AI 性能最高提升 4 倍，图形处理速度最高提升 2 倍，CPU 性能最高提升 40%。新款 Mac mini 还支持 Wi-Fi 7、蓝牙 6 和 2.5Gb 以太网。Mac Studio 的 M5 Ultra 则首次采用四晶粒架构，最高配备 36 核 CPU、80 核 GPU、512GB 统一内存和 1.2TB/s 内存带宽。苹果称，搭载 M5 Ultra 的 Mac Studio AI 峰值计算性能较 M3 Ultra 最高提升 4.3 倍；新机还支持 Wi-Fi 7、蓝牙 6、雷雳 5 与 Genlock。🔗 相关阅读：最全解读 | 跳涨 2500 元！苹果最新 M6 Mac mini 和 Mac Studio 怎么选？《道路交通安全法》拟大改，自动驾驶违法由车企担责8 月 25 日，道路交通安全法修订草案提请十四届全国人大常委会第二十四次会议初次审议。草案共 9 章 170 条，首次设置「自动驾驶汽车的特别规定」专章，区分自动驾驶汽车与辅助驾驶功能。按照草案，车辆在自动驾驶功能激活状态下发生道路交通安全违法行为，由生产企业或进口企业接受处理；未激活自动驾驶功能，或车辆仅具备辅助驾驶功能时，仍按普通汽车规则管理。草案还覆盖上路条件、保险制度，以及「盲驾」「暴走团」和电动自行车等治理问题。草案同时规定，未经许可，任何单位或个人不得占用道路从事非交通活动，用于处理影响通行的「暴走团」等情况。对电动自行车，草案拟调整限速规则，并要求驾驶人和乘车人按规定佩戴安全头盔。此次仍属初次审议，条文还需继续审议。追觅收缩探索阶段业务，聚焦四大主营方向8 月 25 日，追觅科技发布公告称，近期对部分处于探索阶段的业务进行了调整，相关技术积累、研究成果和资源将按实际需要纳入现有业务与研发体系统筹管理。公司将后续聚焦智能家庭、户外庭院、智能出行和具身智能四大方向，并以人工智能、机器人和智能制造为主要技术驱动力。追觅表示，今年以来核心业务和海外业务仍保持增长，研发、生产、销售、交付及售后服务正常进行。这份说明发布前，社交平台上出现了追觅大家电等业务调整的消息。追觅没有在公告中列出被收缩业务的具体名单，而是将技术和资源回收到现有体系，并用四大方向界定接下来的投入边界。全面超越英伟达 GB200 与 GB300，OpenAI 首颗自研芯片 Jalapeño 实测出炉OpenAI 公布首款自研推理芯片 Jalapeño 首批实测成绩，在吞吐、能效与延迟三项指标上全面超越英伟达 GB200 与 GB300。根据 OpenAI 与 SemiAnalysis 在 InferenceX 基准上的测试结果：在 GPT-OSS 120B 上，单用户出词速度达 1459 tokens/s，是 GB200 535 tokens/s 的 2.7 倍；在 DeepSeek R1 670B 上，端到端延迟 1.65 秒，对比 GB300 的 5.99 秒；以 GB300 最快解码速度为基准，每千瓦吞吐达到对方的 104.3 倍；在 Kimi K2.5 1T 上，峰值每瓦吞吐提升约 1.5 倍，延迟降低约 3.4 倍；三款模型整体每瓦 AI 工作量提升 1.5 至 1.9 倍，高交互场景性能提升 2.1 至 4.1 倍。Jalapeño 标称功耗 700W，仅为 GB300 的一半；SemiAnalysis 估算其每芯片每小时总拥有成本约 1.56 美元，与英伟达 H100 基本持平，低于 Vera Rubin 的 3.61 美元。OpenAI 表示，Jalapeño 从设计到流片仅用九个月，过程中借助自研模型 GPT-Astra 与 Codex 加速电路设计与验证，AI 辅助让 SIMD 单元面积减少 8%、矩阵引擎面积减少 10%；在部分注意力与 MoE 模块上，AI 生成的内核比人类专家实现快 1.5 至 1.8 倍。去年 10 月，OpenAI 与博通签署了 10GW 定制加速器合作协议，Jalapeño 是该路线图的第一代产品，Gen 2 已在深度开发，Gen 3 正在成形。官方称将在今年年底前把 Jalapeño 部署进自有算力基础设施。OpenAI 将恢复 Plus 账户 Codex 的 5 小时用量窗口OpenAI 的 Codex 与 ChatGPT 产品负责人 Tibo Sottiaux 表示，公司将从 8 月 26 日起，为 Plus 账户恢复 ChatGPT Work 与 Codex 的 5 小时用量窗口限制；此前他曾预告这一调整，随后又推迟实施。Sottiaux 写道，5 小时窗口可以平滑计算资源负载，使周用量维持相对宽松；他还表示，一些使用频率较低或刚开始使用的 Plus 用户会意外耗尽整周额度，恢复窗口限制是为了减少这类体验混乱。未来数月，Pro 两档订阅暂不启用这层 5 小时窗口限制。Sottiaux 没有在帖文中公布 Plus 账户每个窗口的具体额度。SK 海力士淘宝旗舰店下架全部商品，拟于 9 月终止经营「SKhynix 旗舰店」日前在天猫首页公示，店铺拟于 9 月 9 日自主终止经营，目前已下架全部商品，用户也无法直接通过淘宝搜索到该店铺。部分消费者因此担心，已购内存产品的后续质保可能受影响。据澎湃新闻报道，店铺公示的运营主体为天津海利士科技有限公司，记者尚未联系上该公司。淘宝和京东的多家 SK 海力士经销店表示，各店售后体系相互独立，相关产品的售后由原销售店铺负责。天津海利士科技成立于 2020 年，经营范围包括技术服务和机械设备销售等。由于旗舰店下架时没有同步公布面向历史订单的售后承接方案，消费者关注的核心仍是终止经营后由哪个主体继续履行质保。这次变动目前只能确认为淘宝天猫店铺的终止经营公示，不等同于 SK 海力士退出中国市场。星宇股份被曝批量劝退应届生，当地人社局通报8 月 25 日，常州市人力资源和社会保障局通报星宇股份解聘应届毕业生事件。调查显示，公司共招录 440 名 2026 届高校毕业生，与其中 107 人解除劳动合同。通报认为，企业在协商过程中方法简单生硬、缺乏充分有效沟通，造成不良影响。星宇股份已道歉，并对人力资源总监作出停职处理。人社部门同时确认，公司不存在违规享受就业和人才类政府补贴的情况。当地人社部门已向涉事毕业生提供一对一就业推荐服务。截至 8 月 25 日，107 人中已有 22 人实现就业，14 人正在参加其他企业面试，其余人员将继续获得就业服务。大众汽车酝酿史上最大重组，或再削减 5 万个岗位据路透社与界面新闻报道，大众汽车 CEO Oliver Blume 表示，公司正在推进集团史上规模最大的转型计划，潜在措施包括在既有削减计划之外再减少约 5 万个岗位，并拆分部分业务部门，以降低管理和运营成本。这仍是一套待协商方案。新增裁员规模、业务拆分和工厂安排需要经过监事会、工会及员工代表多轮磋商，德国工会已公开质疑相关方案。Blume 认为，汽车行业压力未来数年仍会加剧，大众需要通过更深的成本削减为电动化转型腾出资源。大众此前还宣布精简车型和技术体系，计划最多减少一半车型，并降低产品配置复杂度。集团希望把平台、电子架构和软件开发进一步整合，同时让年产能更贴近约 900 万辆的实际需求。智元子公司临界点在人形机器人运动会获 7 枚金牌智元子公司临界点宣布，其 OmniHand 灵巧手在 2026 世界人形机器人运动会的 8 个灵巧手专项中全部进入决赛，最终获得 7 枚金牌、4 枚银牌和 3 枚铜牌。其中，3 个项目采用全自主操作完成。OmniHand 以量产版本参加积木搭建、粉末称重和开瓶撬盖等不同赛项。该产品整机重 510 克，拥有 16 个自由度，支持手背触控交互；在电动工具装配项目中，团队通过外层位姿控制与内层触觉控制提高对准精度和现场环境适应性。在与武汉大学的联合参赛项目中，团队使用 OmniHand 完成 20±0.5 克的粉末称重任务并获得冠军。公司称，OmniHand 累计出货量已超过 2 万台，沉淀了超过 5 万小时真实世界数据。SpaceXAI 将采用英伟达 Vera CPU 扩展地面与轨道 AI英伟达宣布，SpaceXAI 将围绕 Vera Rubin 平台扩展下一代 AI 基础设施，从地面数据中心延伸至轨道卫星。Vera CPU 将承担智能体工作流中更依赖 CPU 的任务，包括编排、工具调用、代码执行、数据处理和仿真。同时，英伟达 Groq 3 LPX 推理机架已进入全面量产。在 Artificial Analysis 针对 Gemma 4 31B 和 10 万 Token 长上下文的测试中，系统达到每秒 3400 个输出 Token，英伟达称其速度为最接近替代方案的 4 倍。Vera Rubin 的设计重点是让 CPU、GPU、网络和推理加速器协同工作。智能体需要频繁调用工具、执行代码和维护长上下文，英伟达希望 Vera 承接这些编排与数据处理负载，让 GPU 更多时间用于模型计算。SpaceXAI 的采用因此同时指向地面 AI 工厂和未来的轨道计算场景。LinkedIn 产品负责人：用户标记正在压低 AI 低质内容曝光LinkedIn 首席产品官 Hari Srinivasan 在社交媒体公开帖文中回应了平台的 AI 低质内容问题。他表示，「看起来像 AI 垃圾」反馈入口上线后，不到一个月已有超过 100 万名用户使用该功能。平台将用户反馈与自动检测系统结合，被 LinkedIn 识别为低质 AI 内容的帖子，浏览量已比数周前下降约 40%。单次标记不会直接触发删帖，群体反馈会进入内容分发和自动检测系统。Srinivasan 把平台问题定位为低质生成内容对真实个人经验和专业观

做芯片很难，第一代产品就做到有竞争力更难。OpenAI 这次交出的答案，至少在大模型推理这件事上，已经足够夸张。今天，OpenAI 正式公布了其首款定制推理芯片 Jalapeño（墨西哥辣椒）的首批实测性能数据。在基于自己开源模型 GPT-OSS 120B 的公开基准测试 InferenceX 上，Jalapeño 的每千瓦峰值吞吐量和 Token 延迟都比现有的硬件系统表现要好。要知道，对大多数芯片来说，吞吐和延迟往往是一道只能二选一的难题。而除了针对 OpenAI 的大模型优化明显，芯片在 670B 的 DeepSeek R1 和 1T 的 Kimi K2.5 上表现也更出色，对手都是英伟达 GB200/GB300 等市面上最强的商用 AI 系统。奥特曼在 X 上毫不客气地评价：「我们造了一颗芯片，快得离谱。」知名科技 Newsletter SemiAnalysi 创始人 Dylan Patel 更给了极高的评价，「第一代芯片通常毫无竞争力，但 OpenAI 正在打败英伟达 Blackwell，甚至 Rubin。」更巧的是，OpenAI 并不是这几天唯一一家谈芯片的公司。小米刚刚一口气公布三颗自研芯片，苹果昨天发布首颗 2nm M6，接下来一个月，高通、联发科、苹果和华为的新一代旗舰芯片还会继续扎堆登场。从数据中心到手机，AI 芯片正在成为所有科技巨头共同争夺的一块地盘。一份近乎「不讲理」的成绩单先看 Jalapeño 的数据，OpenAI 这次采用 InferenceX 测试，统一设置为 8K 输入、1K 输出，使用标准单 token 预测，没有开启推测解码。对照系统包括英伟达 GB200 和 GB300。OpenAI 将 DeepSeek R1 与 Kimi K2.5 标为 MXFP4，在 GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 三个模型上的结果显示：峰值吞吐量，每瓦的 AI 工作量是对比系统的 1.5 到 1.9 倍，端到端延迟降低了 1.7 到 3.6 倍，对于高交互性工作负载，其性能更是提升了 2.1 到 4.1 倍。在最极端的对比项里，差距被拉得相当大，GB200 此前最佳的单用户速度（约 535 tok/s）下，Jalapeño 的每千瓦吞吐是前者的 53.7 倍。跑 DeepSeek R1 时，Jalapeño 单用户可达 700 tok/s，对标系统只有 169 tok/s。而 Jalapeño 标称功耗仅 700W，实测持续功耗不超过 550W。对于规模化推理服务来说，芯片最终拼的除了跑得多快，还有花同样的电、占同样的数据中心容量，能服务多少用户。换成云计算生意里的语言，就是一句很直接的话：「每瓦吞吐，最后都会变成成本和收入。」▲跑 DeepSeek R1 时，Jalapeño 单用户生成速度最高约 700 tok/s，GB300 为 169 tok/s。更值得注意的是 OpenAI 这颗辣椒芯片的达成方式：没有多 token 预测（MTP）、没有投机解码、没有 prefill-decode 分离，就这样赢过了软硬件优化的英伟达对手芯片。SemiAnalysis 长篇技术博客里也验证了测试过程，并确认 Jalapeño 跑出的 GSM8k 精度与英伟达芯片持平。▲文章链接：https://newsletter.semianalysis.com/p/openai-jalapeno-better-than-nvidia当然，X 上的讨论也没少泼冷水。daily.dev 的开发者社区就指出，那个疯传的「104.3 倍」只是特定等速解码场景下的单一数据点，而且测试模型和对比基线都是 OpenAI 自己挑的。SemiAnalysis 也承认，Jalapeño 还没跑过多轮长上下文的 AgentX 测试；真正的对手应该是同样用 HBM4 的 Vera Rubin 而非 Blackwell。即便如此，最终的共识依然是：第一代自研芯片就站上帕累托前沿，这在行业里没有先例。Meta 和微软折腾多年始终难产的 AI ASIC 项目，是最好的反证。非 OpenAI 模型独家专用，是通用推理引擎外界一度认为 OpenAI 造芯是给自家模型开小灶，SemiAnalysis 则提到 Jalapeño 是通用推理芯片。测试表现最好的三个模型里，DeepSeek R1 和 Kimi K2.5 根本不在 OpenAI 最初的投产计划内。团队还提到用 Codex 两个月就把它们优化到了高性能，并且在这颗芯片上成功运行了游戏《Doom》，移植全程只用了 Codex 提示词。硬件上，Jalapeño 采用台积电 N3P 工艺，最新的 B0 步进单计算 die 提供 13.4 PFLOPS 的 MXFP4 算力。同工艺、同尺寸的英伟达 Rubin 计算 die 是 17.5 PFLOPS（NVFP4），但 Jalapeño 的 TDP 只有 700W，Rubin 是 900～1150W。再看设计逻辑。要理解 Jalapeño，得先知道大模型推理其实是两种完全不同的活：处理 prompt 的 prefill 阶段吃算力，逐字生成回答的 decode 阶段吃显存带宽，而数据在核心间、芯片间搬来搬去的通信开销则在两边拖后腿。多数系统擅长其中一种，却会在等待数据时把优势浪费掉。Jalapeño 的核心思路，是尽可能让数据待在原地，减少搬运。芯片的核心和 HBM 都被切成一一对应的切片，每个核心切片对自己那片 HBM 拥有低延迟的本地视图；KV cache 和模型权重被显式地安置在原地，生成过程中不再挪窝。切片之间需要同步时，可以走一条专用的高带宽集合通信网络，通用通信则交给另一张简化的 NoC。对比 GPU 里层层穿越的复杂内存体系，这套「极简内存层级」省掉了大量的延迟和功耗。这套方法论可以总结成两步：硬件负责把理论上限拉到最高，AI 负责找到逼近上限的写法。结果是它在各种批量、各种形状下都更接近硬件的屋顶线（roofline），尤其是 GPU 最不擅长的小批量、低延迟场景，而这些又恰好是 agentic 工作负载最在意的地方。系统层面同样贯彻这个思路，OpenAI 没有采用目前热门的优化路线：PD 分离（prefill 和 decode 分池部署），理由是真实流量里输入输出的比例全天都在漂移，固定分池必然一边闲置一边排队，KV cache 跨池搬运还会平添功耗和延迟。统一池子里，128 颗芯片组成一个机架（CPU 托盘叫 Katsu、ASIC 托盘叫 Vindaloo、交换托盘叫 Chana，都是一串咖喱菜名），16 个机架再用铜缆加光交换织成 2048 颗芯片的单一 scale-up 域。整个请求从进来到出去，数据都不需要使用 PD 分离的转移。真正的秘密武器是：用 AI 造芯片如果 Jalapeño 的故事只到这里，它仍然只是一颗性能很强的 ASIC 推理芯片。真正让这件事有点反常识的，是 OpenAI 连「怎么造芯片」这件事本身，也开始交给 AI 加速。Jalapeño 项目 2024 年年中才启动，2025 年 11 月流片，前后约 16 个月；流片后 9 个月、点亮仅 3 个月就交出了上述成绩。OpenAI 提到 AI 深度参与了设计：探索实现方案、缩短验证循环、优化算术电路，SIMD 单元面积缩小 8%、矩阵引擎缩小 10% 都有 AI 的功劳。部分 AI 生成的内核实现比人类专家手写版本快 1.5～1.8 倍。过去几十年，芯片研发一直拥有极高的专业门槛。一套新架构从设计、验证、流片，到建立编译器、内核库和完整的软件生态，通常都需要大量经验丰富的工程师和漫长的迭代周期。CUDA 最坚固的护城河，也恰恰来自这里。就像英伟达真正难被复制的部分，除了 GPU 本身，还有围绕 GPU 积累了十几年的工具链、Kernel、开发者和工程经验。但 Jalapeño 这次 AI 造芯片的经验，展示了另一种可能。硬件工程师可以让模型辅助设计和验证；一颗芯片点亮之后，Codex 又可以帮助工程师写 Kernel、适配新模型，甚至把一个完全没有准备过的模型在几个月内优化到高性能。于是会出现一个很有意思的循环：用英伟达 GPU 训练出来的 AI，正在帮助工程师设计下一颗不依赖英伟达的芯片。SemiAnalysis 对此给出了一个非常激进的判断：CUDA 的护城河，可能正在松动。当然，只是一颗推理芯片的 Jalapeño 还远远不足以宣判 CUDA 的结局。但它至少证明了一件以前很难想象的事情：AI 已经开始进入生产下一代 AI 基础设施的研发循环。模型帮助造芯片，更好的芯片又用来运行下一代模型。当大家都开始造芯也正是在这个背景下，再看最近密集发生的芯片新闻，会发现它们指向的是同一个方向。两天，四家公司，芯片从手机、Mac 延伸到数据中心，小米的「自研芯片+OS+大模型」组合，苹果也是全系芯片都在为 Apple Intelligence 准备好，以及做能跑前沿模型的最好本地设备。高通、联发科两个手机芯片大厂，骁龙 8 Gen 6 与天玑 9600 也双双杀入 2nm；华为的终端与云端路线上，麒麟 9030 和昇腾系列都将迎来更新。还有 Anthropic，虽然还没发布芯片，但已经确认组建内部定制芯片团队。8 月被彭博曝出挖来谷歌 TPU 业务前负责人 Amir Salek，这位老将带队交付了 Google 前七代 TPU；6 月又从 OpenAI 芯片团队挖走二号工程师 Clive Chan，此前在特斯拉参与 Dojo 超级计算机。OpenAI 博客里那句「AI 的进步在整个系统一起变好时复利最快」，放在这些动作上，全部都成立。Jalapeño 的故事，与其说是「OpenAI 造了一颗好芯片」，不如说是在验证一条新路径：当一个团队同时拥有模型、软件栈和最懂负载的场景时，白纸设计反而成了优势——不用背负向后兼容，还可以让 AI 同时担任设计师和程序员。而这个 8 月和即将到来的 9 月将证明，这条路径也并不是 OpenAI 独享：所有人都在把「芯片—系统—模型」的垂直整合推到前所未有的深度。当然，OpenAI 这颗芯片目前仍处在量产验证和软件成熟阶段，测试也没有覆盖真实的长下文、多轮 Agent 工作流等，但整个的方向已经没有悬念。OpenAI 表示 Gen 2 已经在深入开发中，Gen 3 正在成形，今年年底 Jalapeño 将开始进入自有算力基础设施部署，下一个目标是 100MW 规模。芯片的定义权，正在从少数几家芯片公司手里，流向每一家认真对待 AI 的公司。

最近有不少特斯拉车主都留意到了一则新闻——特斯拉位于上海的数据中心已经「人去楼空」，相关对接团队也已撤离。好消息是，《每日经济新闻》向特斯拉中国求证，得到的回应是「不实消息」。目前也没有其他证据能够证明，特斯拉已经撤走 FSD 在华业务。但坏消息是，特斯拉 FSD 的入华进度，仍然是一个黑箱。过去几年里，FSD 在中国进入过马斯克的时间表，出现在特斯拉的官网和车主手册里，甚至在一个批次的中国特斯拉上实装过，但大范围开放的时间线依然是个谜团。「人去楼空」是假的，但等待中的车主是真的。「等待戈多」与上海数据中心传闻同时引发关注的，还有特斯拉海外官网答疑页面中的 FSD 可订阅地区名单。由于中国没有出现在名单中，不少报道据此认为，特斯拉已经将中国移出 FSD 支持范围。但在特斯拉海外官网的 FSD 主页上，中国仍被列为支持地区，两处页面口径并不一致，很难借此判断特斯拉对中国市场的后续规划。这种左右横跳的操作，其实已经不新鲜，或者说，中国的特斯拉车主们早已习惯了这种「叠加态」。回看 FSD 等待入华的这六年，它始终处在一种「看得见进展，等不到落地」的状态：早在 2021 年，特斯拉就建好了上海临港数据中心，被视为入华准备，此后一等就是几年；2023 年 5 月马斯克访华 44 小时，连见重量级人物，但仍无下文。2024 年 4 月，马斯克再度访华，同日通过汽车数据安全四项合规，特斯拉 App 页面把「稍后推出」改成「即将推出」，甚至带动特斯拉股票一度涨超 12%。大家都认为 FSD「真来了」，但两天后特斯拉表示 FSD 入华还没有时间表，又将大家的期待打消了。2025 年 2 月，FSD 迎来了六年里唯一一次真落地，有部分批次搭载 HW4.0 的特斯拉车主收到了 FSD「城市道路 Autopilot」的灰度推送。同年 3 月，特斯拉推出一个月限时免费体验，但约一周后，活动因监管备案要求暂停。2026 年又是一轮完整的横跳，2 月 AI 训练中心投运，4 月特斯拉 CFO 表示目标是第三季度获批。到了 5 月，特斯拉海外社媒官方把中国列入可用地区名单，许多人认为这是一个明确的信号，但过了短短三个月，如今我们甚至在官网的部分支持名单上找不到中国了。中国的特斯拉车主只能看着官方宣传、车内的高算力芯片，以及大洋彼岸层出不穷的 FSD 实测视频干瞪眼，继续使用基础版 Autopilot。海外 FSD 进步越快，这种落差就越明显。不少车主直到换车，也没能用上当初购买时期待的功能。不过特斯拉倒也不是没有努力，早已建成的上海数据中心就是为了中国大陆市场车辆数据合规。此前也有消息称，特斯拉正在与百度加深合作，利用百度提供的车道级导航和地图信息改善在中国的驾驶辅助表现。百度拥有国内测绘资质，对于一套在北美道路上训练起来的系统，这些信息是适应中国道路结构的必要补充。此外，从去年起，特斯拉已经在多个城市招聘驾驶辅助测试和数据相关岗位，工作内容涉及实车测试、数据处理，以及跟踪中国认证和监管规则的变化。从这些公开动作来看，FSD 入华仍在推进，而从马斯克一贯的态度和特斯拉的销售叙事来看，要放弃在中国落地 FSD，并不符合逻辑。但车主什么时候能用上，那就是另一回事了。6.4 万买断的等待2019 年，特斯拉开始在中国销售 FSD 软件包，价格后来从 5.6 万元涨至 6.4 万元。购买页面一直写有功能需要监管批准、未来逐步推出等条件，特斯拉没有向所有车主承诺一个确定的开放日期。这种卖法延续了特斯拉一贯的软件逻辑：先让用户付费，再通过 OTA 不断增加功能。在北美，FSD 本身就是一套持续更新的产品，车主购买的是当前能力，也包括后续版本带来的提升。但在中国市场，监管顺序并不同。驾驶辅助功能需要在上线前完成相应的车型申报、软件变更备案或审批程序，获准之后才能推送给用户。逻辑上的错位造成了如今的结果。特斯拉先出售一项尚未完整开放的能力，再等待软件和审批逐步到位，中国车主付过数万元以后，却只能等待企业完成本地适配，并获得对应版本的推送许可，而这一等就是好几年。尽管特斯拉在购买页面上做了「免责声明」，但车主花了钱却长期得不到产品，显然是不合理的。特斯拉的车主们无须知道特斯拉与监管部门沟通的每一个细节，他们更想知道的是一个准信，但无论是特斯拉还是监管方，目前都没有一个明确答案。与此同时，中国市场对驾驶辅助的评价标准已经改变。工信部公布的数据显示，2026 年以来，搭载驾驶辅助功能的乘用车新车市场渗透率已经达到 70%，其中带有领航驾驶辅助功能的车型超过 30%。高速领航、自动泊车和城市道路辅助不再只出现在少数高价车型上，越来越多十几万元到二十万元的产品，也开始把这些能力作为主要配置。华为、小鹏、理想……中国新能源车企的新车，已经普遍覆盖高速、城区和泊车场景，从地库车位驶出，再停入目的地车位的端到端智驾，在当下也并非什么稀罕事，尽管不同系统的完成度仍有差别，但特斯拉 FSD 已没有太大的差异化能力可言。特斯拉的基础 AP 曾经帮助中国消费者第一次大规模认识辅助驾驶，稳定的主动巡航与车道居中，以及通过 OTA 增加功能的方式，都构成了特斯拉早期的技术优势。但到了今天，仅有跟车和车道保持，已经很难代表一套领先的驾驶辅助系统。这并不意味着中国汽车市场已经不再需要 FSD。早在特斯拉进入中国时，「鲶鱼效应」就是经常被提到的一个词，一个强势的新对手进入市场，会迫使原有参与者加快技术和产品迭代。FSD 入华同样可能成为驾驶辅助市场里的那条鲶鱼。但过去几年，中国市场通常只能拿 FSD 的海外视频与本土系统的实际表现比较。FSD 持续缺位，特斯拉失去了展现能力和进一步提振销量的机会，中国品牌也少了一个能够在同一赛场上检验能力的参照物。数据中心撤离的传闻已经被否认，但 FSD 入华的黑箱并不会消失。尽管其中并非所有变量都由特斯拉单方面决定，数据、地图、训练和审批环环相扣，特斯拉想要在其中辗转腾挪并不容易。但无论是已经付费的车主，还是需要更充分竞争的中国驾驶辅助市场，等待的都不只是下一条「入华传闻」，而是一份能够落实到车型和时间表上的确切答案。当然，如果一切都遥遥无期，要不特斯拉还是提供一个退款渠道吧。

8 月 26 日，一年一度的 gamescom 科隆游戏展正式开幕。今年的科隆游戏展不仅延续了「全球最大游戏展」的体量，甚至第一次把科隆展馆全部可用展览面积提前售罄，超过 1600 家参展商涌入了 23.3 万平方千米的展区。在展会正式开放前夜，重头戏开幕夜直播（Opening Night Live）已经率先放完了颇受关注的一批预告——米哈游首次公布写实新作《源初之结》，CD Projekt RED 为《巫师 3》带来了又一次重制版和新 DLC 《旧时曲》，《最终幻想 VII：Revelation》《地铁：2039》《寂静岭：Townfall》继续补充新内容，两款国产动作游戏《湮灭之潮》和《昭和米国物语》也都开放了现场试玩。如果说往年的科隆总有那么一两个「压轴惊喜」，那今年最明显的感受是：缺少重磅作品，但内容相当密集。熟悉的系列接连回归，临近发售的作品趁机混个脸熟，中国厂商则意外地贡献了几张相对陌生的新面孔。握紧手柄，爱范儿带你看看，今年科隆游戏展上最值得关注的游戏。米哈游「变脸」，中国游戏继续走出去《源初之结》当米哈游的 lgoo 出现在《源初之结》首支预告片中间时，弹幕瞬间打满了问号——很难想象，末世式光照、写实人物、厚重盔甲、扑面而来的巨兽和远处像黄金树一样高耸至天际的恶魔，会出自这家以二次元和明亮色彩闻名的中国公司。官方说明显示，预告混合了游戏实机与过场动画，主要玩法是几名玩家组成小队围攻威严的神话生物。从预告中可以看见，游戏没有追求《鬼泣》式的连招炫技，也不见《只狼》般的格挡架势，更多是围绕巨兽移动、回避重击、用不同武器制造硬直与破绽再抓住机会完成终结，看起来似是混合了老头环美术风格和怪猎战斗模式的作品，但仅凭现有信息一切都未能定论。唯一可以确定的是：《源初之结》想要告诉我们：米哈游游戏，未必要很「米哈游」。从《原神》《崩坏：星穹铁道》到《绝区零》，米哈游已经证明，一套强调动画渲染、角色驱动和持续更新的产品方法，可以被复制到不同题材中。但更强调写实和力量反馈的《源初之结》表明，米哈游同样想要接触那些熟悉传统主机动作游戏的人。当然，鉴于这款游戏还没有公布具体玩法、发售平台与时间、付费模式等信息，我们也大可以把它当成是投石问路——游戏最终能不能问世，很大程度上取决于 FromSoftware 多人合作新作《黄昏之血》的成败。《湮灭之潮》另一款在科隆显露野心的国产游戏，是上海日蚀边缘工作室的《湮灭之潮》。同样选择了写实动作游戏方向，《湮灭之潮》没有选择像《源初之结》一样搭建全新神话体系，而是将亚瑟王传说放入了被超自然灾难摧毁的现代伦敦。超自然力量+圆桌骑士召唤+人神对战，营造出了一种奇特的混杂摩登感。游戏尚未公布发售时间，但从试玩中能看出完成度颇高，官方已经确认将登陆 PS5、Xbox 和 PC。《昭和米国物语》由武汉铃空游戏开发的 RPG《昭和米国物语》则选择了一条奇特的道路。根据设定，在虚构的「昭和 66 年」，经济和文化影响力达到顶峰的日本买下了美国的大部分土地，将整片美国大陆改造为混合了日本昭和文化和美式文化的怪异国度。旧金山挂满日式灯笼、好莱坞变成「新横滨」，昭和末期的日本流行文化与录像厅审美一同塞进了这锅鸳鸯锅里。只看这一段，都能知道这是一款有着制作人强烈个人品味的电波系游戏。不喜欢的人很难接受它莫名其妙的设定和僵硬的战斗，但它的重点毕竟不是战斗而是演出——致死量的哏、滑稽搞怪的演出和无处不在的调侃，恐怕能让喜欢的人也喜欢得要命。毕竟，谁不想拿着美国国旗横扫千军，再把旗子发射上太空呢？把科隆游戏展和上周的《黑神话：钟馗》连在一起看，可以发现一个明显的趋势：硬核动作游戏，中国人能做；写实共斗游戏，中国人能做；以亚文化为主的点子游戏，中国人同样能做。过去以休闲游戏和二次元手游在海外取得成功的中国游戏人，正在证明自己也能做出能够影响世界的端游。杰洛特重回猎魔路，经典系列集体续命《巫师 3》重制版与《旧时歌》DLC在中国厂商带来众多新游戏、新设定的同时，老朋友 CD Projekt RED 又将一些熟悉的元素带回我们面前。《巫师 3：狂猎》将在 9 月 29 日推出重制版（没错，又重制了……），改善画面、性能、战斗、移动、坐骑操控和怪物行为，并调整了技能树、法印效果和照相模式。最重要的是——原版玩家依然可以免费升级！同时，CD Projekt RED 也宣布，只拥有《巫师 3》本体的玩家，现在也可以免费玩《石之心》和《血与酒》DLC 了。更值得关注的，是明年上线的新付费 DLC《旧时曲》。杰洛特将在前往新地区莱滕（Letten），这里表面是丰收庆典之地，地下却埋藏着深重的危险秘密。预告没有泄露太多剧情，但初代《巫师》片头动画出现过的、将敌人勾到面前的锁链成为了杰洛特的新武器。有了它，对付鸟身女妖应该会简单得多。《旧时曲》由 CD Projekt RED 与《巫师》系列老员工出走后创建的独立工作室 Fool’s Theory 联合开发，某种程度上，这是弥补《巫师 4》前空档的过渡产品，也是一次测试新技术管线、让外部团队熟悉 CDPR 最新生产流程的技术演练。《最终幻想 VII：Revelation》另一个「复活」的老游戏是《最终幻想 VII》重制三部曲终章《最终幻想 VII：Revelation》。这款游戏已在今年 6 月的 Summer Game Fest 正式亮相，科隆更多是负责追加宣传，没有透露太多的新信息。游戏将于 2027 年春节发售，并同步登陆 PS5、Xbox、PC 和 Switch 2。《地铁：2039》《地铁：2039》由开发商 4A Games 与原著作者德米特里·格鲁霍夫斯基共同创作新故事，这次系列长期主角阿尔乔姆不再担任主人公，玩家改为操作一位叫「陌路人」的神秘新角色。从这次公布的预告片《Renegade》中可见，和《地铁：离去》开阔的地表相比，新作又重新回到了地下空间的压迫感之中。游戏将于 2027 年 2 月登陆 PS5、Xbox 和 PC。《共鸣：瘟疫传说传承》《瘟疫传说》系列的新作，则已经走到了发售前的最后一步——8 月 27 日就将正式发售，并首日加入 Game Pass（当然，实际上早已偷跑了）。这次的故事发生在《安魂曲》十五年前，主角换成了索菲娅，她将探索一座与米诺斯文明有关的岛屿。站在个人角度来说，得益于 BGM《Enjoy the Silence》，这次的预告片很值得一看。《寂静岭：Townfall》《寂静岭：Townfall》也采用了类似的市场策略。游戏早已确认了背景设定在 1996 年的苏格兰，本届科隆预告片没有提供更多的玩法解释，而是公布了主要演员。游戏将于 9 月 24 日登陆 PS5 和 PC，和《瘟疫传说》一样，它来到科隆的主要任务还是提醒潜在的玩家记得下单。随着 E3 隐入尘烟，科隆游戏展顺理成章地成为了当前最盛大的游戏展会。但真的把开幕夜直播看下来，就不得不说它热闹有余而亮点不足，很少有当年 E3 大作云集的感觉。八字没一撇的新作、续作、重制版和临近发售的作品，明显才是这里的主角。这倒也不奇怪：索尼有 State of Play，任天堂有直面会，微软有 Xbox Games Showcase，育碧、EA 和 CD Projekt RED 也都拥有自己的直播、频道和社区，对于拥有足够用户基数的大厂，把重要内容放在自家活动中明显更划算，也可以自行控制传播节奏。既然大厂有了自己的舞台，科隆也就失去了「游戏预告唯一投放点」的地位。但奇怪的是，今年的科隆游戏展又比过往任何时候规模都大。我想，大概是因为展馆依然无可替代。媒体需要一个场所试玩了解手感，制作人需要接触媒体的渠道，创作者需要现场素材，玩家也想亲自对比预告和实机的区别。游戏新闻已经去中心化，但游戏体验仍然需要一个中心，这就是科隆游戏展存在的意义。