PixVerse R1 – 爱诗科技推出的全球首个通用实时世界模型AI工具5个月前更新AI小集03PixVerse R1是什么PixVerse R1 是爱诗科技（PixVerse）推出的全球首个通用实时世界模型，标志着AI视频生成从“预录制”迈向“实时动态生成”的重大突破。R1通过三大核心技术实现创新：Omni原生多模态基础模型，将文本、图像、音频与视频融合为单一生成序列；自回归流式生成机制，解决长时序一致性问题，支持用户实时插入指令；瞬时响应引擎（IRE），大幅提升计算效率，实现即时响应。 访问PixVerse平台可直接体验PixVerse R1 的最新能力。PixVerse R1的主要功能实时视频生成：能即时生成连续的视频内容，支持最高1080P分辨率，用户可在生成过程中随时插入新指令，视频会即时响应并调整画面。自回归流式生成：解决了长时序一致性问题，即使在不干预的情况下，视频也能自主发展剧情，实现无限连续的视觉流式传输。多模态融合：采用Omni原生多模态基础模型，将文本、图像、音频与视频融合为单一生成序列，避免了传统上采样带来的模糊与伪影问题。高效计算引擎：通过瞬时响应引擎（IRE），大幅压缩采样步数，计算效率提升数百倍，实现低延迟的实时交互体验。数字分身系统：上传照片能生成三种风格（写实/动漫/赛博朋克）虚拟角色，可在不同场景中探索互动。多人互动直播：支持多人在同一虚拟空间实时创作，Prompt以弹幕形式触发画面变化，所有人可见。实时聊天：Live Chat功能支持创作者即时交流创意。PixVerse R1的技术原理Omni原生多模态基础模型：采用Transformer架构，将文本、图像、音频与视频融合为一个统一的生成序列，避免了传统方法中因上采样导致的模糊和伪影问题，提升了生成内容的质量和一致性。自回归流式生成机制：通过自回归的方式实现视频的连续生成，解决了长时序一致性问题。用户可以在生成过程中实时插入新的指令，系统能即时响应并动态调整视频内容，使生成的视频能够根据用户的输入灵活变化。瞬时响应引擎（IRE）：通过时间轨迹折叠、引导校正和自适应稀疏采样等技术，大幅压缩了传统扩散模型所需的采样步数，显著提升了计算效率，实现了低延迟的即时响应能力，为实时交互提供了技术支撑。实时交互与决策：PixVerse R1支持用户在视频生成过程中随时输入新的指令（Prompt），系统会根据这些指令即时调整视频的叙事方向，在没有用户干预时，模型能自主生成后续内容，实现“无限流”的视频生成体验。高效算力优化：针对实时生成的高算力需求，PixVerse R1通过优化算法和架构设计，降低了单次生成的资源消耗，使得长时间的实时视频生成成为可能，保持了高质量的生成效果。PixVerse R1的项目地址项目官网：https://pixverse.ai/en/blog/pixverse-r1-next-generation-real-time-world-modelPixVerse R1的应用场景实时互动娱乐：可用于创建实时互动的视频内容，如互动剧情游戏，观众可以通过输入指令即时改变故事走向，带来全新的沉浸式娱乐体验。直播与内容创作：支持实时生成视频内容，创作者可以根据观众反馈即时调整直播画面或视频剧情，为直播和短视频创作带来更多创意和互动性。教育与培训：在教育领域，可用于生成实时的虚拟场景或模拟环境，帮助学生更好地理解和参与学习内容，如历史事件重现、科学实验模拟等。广告与营销：品牌可以用PixVerse R1生成个性化的广告视频，根据用户行为或偏好实时调整广告内容，提升广告的吸引力和效果。游戏开发：为游戏开发者提供实时生成的游戏世界和剧情，实现更灵活的游戏设计和更丰富的玩家体验，尤其是在开放世界和沙盒游戏中。影视制作：在影视后期制作中，可用于快速生成特效镜头或预览场景，提高制作效率，同时为创意探索提供更多可能性。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇BabyVision - UniPat AI团队推出的多模态理解评测集下一篇司农 - 南京农业大学开源的农业领域大模型相关文章Happy – 开源AI编程远程控制工具，实时查看状态AI小集4Magic Hour – AI视频创作平台，支持AI换脸、对口型AI小集2MiniMates – 轻量级AI数字人项目，支持语音和表情两种驱动模式AI小集2HunyuanVideo 1.5 – 腾讯混元开源的轻量级视频生成模型AI小集2InfiMM-WebMath-40B – 字节联合中科院开源的超大规模多模态数据集AI小集2Gemini 3.5 Flash Cyber – 谷歌推出的网络安全专用模型AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录造剧立刻成片OJO海艺剧场豆包工作精挑翻译最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！8小时前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具8小时前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态9小时前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作10小时前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集10小时前PixVerse R2 – 爱诗科技推出的实时全模态世界模型13小时前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型13小时前QuickDesk – 开源 AI 原生远程桌面，首款内置 MCP Server13小时前AlphaVow – 一站式 AI 批量图像处理工具1天前Agnes 2.5 Pro Alpha – Agnes AI 开源的多模态推理模型1天前OpenStory – 开源 AI 视频制作平台，一键生成短剧视频1天前Newtake – LiblibAI 推出的海外 AI 视频创作平台1天前ScienceClaw – 中科紫东太初推出的科研原生智能体平台1天前豆包工作 – 字节跳动推出的 AI Agent 办公产品2天前FireRedTTS3 – 小红书开源的统一语音生成与编辑模型2天前

PixVerse R2 – 爱诗科技推出的实时全模态世界模型AI工具10小时前发布AI小集02PixVerse R2是什么PixVerse R2 是爱诗科技推出的实时全模态世界模型，为PixVerse R1的升级版本。模型支持文字、图像、音频及动作信号等多模态输入，能在运行中持续接收用户控制、实时更新世界状态并连续输出同步音视频。模型通过 Omni Causal AR 架构与实时加速技术，PixVerse R2 在保持长程一致性的同时实现低延迟交互，让视频生成从固定片段进化为可持续演化的动态世界。PixVerse R2的主要功能实时全模态世界生成：支持文本、图像、音频、动作信号等多模态输入，在运行中持续接收用户控制并实时输出同步音视频。长程世界状态保持：通过多时间尺度记忆体系，在长时间运行中维持角色身份、场景设定和关键事件的统一性。动态交互控制：用户可通过 WASD 等动作信号或音频指令，在生成过程中实时操控世界演化方向。自适应时间粒度：根据控制信号的语义边界自动调整音视频生成块大小，兼顾响应速度与表达完整度。错误状态自纠正：通过 Error Bank 机制主动学习并修复历史生成中的偏差，提升长期运行稳定性。PixVerse R2的技术原理全模态因果自回归：将双向时空生成先验转化为单向因果自回归架构，统一处理短视频、长视频与交互轨迹，使画质、音视频表达、长程生成和多模态控制在同一模型中共同扩展。动态分块生成：根据控制信号的时间尺度自适应切分音视频序列，短块提升动作响应精度，长块保留语义完整结构，实现不同任务共享同一因果生成接口。混合教师强制与扩散强制：混合干净历史与带噪历史进行训练，配合因果注意力掩码与相对时间位置编码，缩小训练与推理的分布差距，提升长程稳定性。多时间尺度记忆：由固定锚点记忆、滚动历史记忆和对象键值缓存组成，在固定预算内协同保持世界身份与局部连续性。误差库：将代表性错误历史沉淀为训练样本并回放，使模型主动学习识别和修复偏差，将长期漂移从被动问题转化为主动优化目标。对抗正则去噪分布匹配蒸馏：用全模态因果自回归同时作为学生模型初始化与蒸馏教师，通过条件对齐、分布匹配与对抗正则三信号联合优化，在极少步数下保持控制精度与世界真实感。块稀疏注意力：通过块级相关性路由将注意力稀疏度提升至 90% 以上，集中计算关键依赖，显著降低长上下文开销且效果基本无损。如何使用PixVerse R2目前 PixVerse R2 处于内测阶段，用户需扫码填写体验申请表获取提前体验和 API 接入资格。PixVerse R2的核心优势统一训练范式：采用全模态因果自回归与实时加速层的两阶段统一训练，避免了传统多阶段 Pipeline 的能力折损。全模态实时交互：支持文本、图像、音频、动作信号等全模态输入，能够在生成过程中持续接收用户控制并实时输出同步音视频。长程状态保持：通过多时间尺度记忆体系与误差库机制，在长时间运行中有效保持世界状态统一性并主动纠正漂移。自适应生成粒度：动态分块技术可根据控制信号语义自适应调整生成粒度，兼顾交互响应速度与内容表达完整度。高效无损加速：基于块稀疏注意力与金字塔式超少步蒸馏，在 90% 以上稀疏度下实现低延迟实时生成且效果基本无损。PixVerse R2的同类竞品对比对比维度PixVerse R2Matrix-Game 3.0（昆仑万维）核心定位实时全模态世界模型，面向沉浸式内容与交互体验实时交互世界模型，面向 AI 游戏与虚拟世界构建核心架构Omni Causal AR + 实时加速蒸馏记忆增强的交互式世界模型（Patch 级记忆注入）输入模态文本、图像/视频参考、音频、动作信号（WASD）文本提示、键盘/鼠标动作控制输出内容同步音视频流（Video + Audio）可交互的 3D 游戏世界画面生成性能低延迟流式生成，支持持续交互720p @ 40 FPS（3.0）；单张消费级显卡 20 FPS（3.5）记忆机制多时间尺度记忆（Sink + Rolling + Object KV）+ 误差库纠错Patch 级记忆注入架构，分钟级长程一致性长程一致性通过 Error Bank 主动修复漂移，亮度漂移降低 35.8%分钟级记忆保持，支持数分钟连续探索PixVerse R2的应用场景实时交互式虚拟游戏世界：玩家通过 WASD 等动作信号实时操控第一人称或第三人称视角，模型即时生成对应场景与音画反馈，打造无限延展的开放世界体验。沉浸式影视实时预演：导演在拍摄前通过文本描述和实时动作调整，即时生成分镜动态画面与同步音效，快速验证镜头语言与叙事节奏，大幅降低试错成本。虚拟角色直播与互动娱乐：数字主播或虚拟偶像在直播中实时接收弹幕文本、语音指令或礼物动作信号，动态调整表情、动作与场景，实现真正意义上的实时人机共创内容。实时广告与营销内容生成：品牌方根据用户画像或实时热点，输入产品参考图与简短文案，模型即时生成多版本广告短片并同步配音，支持投放前快速迭代与 A/B 测试。教育培训与仿真模拟：在医学、驾驶或应急演练场景中，学员通过语音或操作设备发出动作指令，模型实时生成对应仿真环境与反馈画面，提供低成本、可重复的沉浸式训练体验。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Breeze TTS 2 - BreezeBlue 推出的新一代语音合成模型下一篇EgoSuite-Open100K - 光轮智能开源的全模态人类行为数据集相关文章Star Office UI – 开源 AI 可视化看板，Agent实时工作状态AI小集2Story-Adapter – 无需额外训练的长篇故事可视化框架AI小集3Gen CLI – AI命令行编程助手，Gemini-CLI平替项目AI小集3Grok 4 Fast – xAI推出的快速版AI模型AI小集2蚂小财 – 蚂蚁集团推出的AI金融管家，你的智能理财助手AI小集7Office-PowerPoint-MCP-Server – 基于MCP的开源PPT生成与编辑工具AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录造剧立刻成片OJO海艺剧场豆包工作精挑翻译最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！5小时前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具5小时前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态7小时前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作7小时前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集7小时前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型10小时前QuickDesk – 开源 AI 原生远程桌面，首款内置 MCP Server10小时前AlphaVow – 一站式 AI 批量图像处理工具1天前Agnes 2.5 Pro Alpha – Agnes AI 开源的多模态推理模型1天前OpenStory – 开源 AI 视频制作平台，一键生成短剧视频1天前Newtake – LiblibAI 推出的海外 AI 视频创作平台1天前ScienceClaw – 中科紫东太初推出的科研原生智能体平台1天前豆包工作 – 字节跳动推出的 AI Agent 办公产品1天前FireRedTTS3 – 小红书开源的统一语音生成与编辑模型1天前huashu-excel – 花叔开源的 AI 数据分析 Skill1天前

编者按：当我们想喝可乐的时候，在极长的时间都只有两个选择：百事可乐和可口可乐。当我们选择手机的时候，有 90%的概率在苹果和华米 OV 等品牌里辗转。当我们买运动服饰的时候，曾经第一时间想到的，大概率是 Nike、Adidas。但世界之所以缤纷多彩，是因为在这些巨头之外，有一些不遵从传统，力求创造不同，注重设计和功能，着眼于明日的公司存在。它们有着非主流的商业模式，设计与产品能提供独特的用户价值，和足够的社交谈资。重点是，它们没有大公司的包袱，敢于不顾一切的进步。它们，是「多样性公司」。多样性，是开放世界的关键。爱范儿相信，只有真正关注和理解多样性公司才能比更多人更早地看见未来。在同名栏目中，爱范儿将以专访的形式，与你一同见证这些多样性公司，如何重塑未来，定义新常态。本文是「多样性公司」栏目第 13 篇。雷鸟创新（RayNeo）成⽴于 2021 年 10 ⽉， 致⼒于通过 AR 眼镜改变全球 10 亿⼈的⽣活。他们在近眼显示光学设计、⾃研 AI 算法模型，以及多模态⼈机交互上有深厚积累，也是业内唯⼀拥有核⼼光学⽅案全链路⾃研及量产能⼒的 AR 企业。同时，他们在智能眼镜领域有几乎最广的产品线，拥有 X 系列全功能智能眼镜，GT 和 Air 系列观影眼镜，V 系列拍摄眼镜，多条产品线。最近还带来了为 AI 而生的全新 iO 系列。首款产品雷鸟 iO 定位为人类增强 AI 眼镜，关键 AI 能力在于补强人类知识、强化人类表达、留存人类记忆。专为应对高信息密度、高认知负荷的效率人群打造全天在眼前的 AI 体验。在这副与普通近视眼镜几乎无异的智能眼镜里，雷鸟 iO 还内置了千问 3.7 Max 和 DeepSeek V4 Pro 版本模型，能快速准确回答问题，提供主动提醒、翻译提词、全天智记等全天 AI 能力。作为核心 AI 能力的全天智记以极低功耗持续运行，将用户全天的沟通与灵感统统记录。一天结束后生成每日总结，从海量对话中提炼出关键节点。雷鸟 iO 从日常碎片中逐渐提炼出用户的习惯、偏好与人脉关系，实现越用越懂用户。这是一款从产品定义上就把 AI 功能放在原点的产品，雷鸟创新也希望在这款产品上找到智能眼镜的杀手级应用，让智能眼镜成为对用户日常生活有所增益的一部分。在雷鸟 iO 眼镜发布前夕，我们与雷鸟创新创始人兼 CEO 李宏伟，雷鸟创新 AI 负责人程思婕聊了聊这个即将被 AI 重新定义的产品以及行业。▲ 雷鸟创新创始人兼 CEO 李宏伟AI 发展比我们预想的快，它改变了智能眼镜和雷鸟创新Q：你过去做过处理器、IoT、电视、OS，某种程度上一直在不同终端上寻找计算的入口。2021 年你判断 AR 会成为下一代通用计算平台。五年之后，站在 2026 年，你觉得当年这个判断里，哪些比你预想得发展得更快，哪些明显比预想慢？毕竟眼镜的风口提了很多年，但市场规模始终无法跟智能手机乃至智能手表相比。A：AI 的发展比预想快，但整体的发展比预想慢。在 2021 年的时候，我觉得智能眼镜的「iPhone 时刻」大概在三五年后，也就是 2025 年是不是差不多就来了？当时其实已经觉得 2025 年是个比较远的未来了，但是现在来看，这个「iPhone 时刻」可能要到 2027 年才到。其实在彼时彼刻，大家的判断都差不多，包括 Meta 这些公司也是这么认为的。造成这种延迟的主要原因还是核心技术的突破比预想的要慢一些，第一块就是光学显示，这是技术突破本身和产业互动的结果，如果产业的需求更强，那技术突破也会快一点。雷鸟创新目前是在 iO 眼镜上做到了无感显示，戴上去之后，看上去和普通眼镜基本没什么区别，彩虹纹几乎没有，透光率也很高，不会有其他一些光波导眼镜显示区域变黄的问题。AR 技术的发展依托芯片，这块的发展也不够快。AI 的底层技术发展比预想快，但 AI 应用的场景，所谓的杀手级应用其实也没有大家想象的那么快，大家广泛认同的只有 Vibe Coding，加一个搜索。所以整体来看，光学显示、芯片和空间计算，包括眼镜端的 AI 杀手级应用都还没有本质上的突破，但我们认为快了。雷鸟创新这块，希望能在光学显示上做到突破，在 AI 的杀手级应用上做到突破。Q：2022 年年底发生了一个很大的变量：大模型技术开始走向普通用户了。以前我们讨论 AR，核心是「把数字世界叠加到现实世界」；现在可能变成「如何让 AI 时时刻刻理解现实世界」。大模型的出现，有没有改变你对智能眼镜终局的定义？A：AI 技术的发展其实并没有改变我们对智能眼镜终局的定义。2021 年雷鸟创新开始创业的时候，我们就画过一个智能眼镜的象限图，横轴是 AI，纵轴是 AR，我们很早明确智能眼镜作为下一代计算平台的基石，就是 AI+AR。当时也定义了 3 大场景，一是手机场景迁移，而是 AI 助理，三是虚拟和显示融合。当时的判断如今变化并不大，只是说顺序有变化，以前会认为 AI 和 AR 发展速度差不多，现在看 AI 进度比 AR 快，那么眼镜上的第一个杀手级应用就该是 AI 助理。雷鸟创新现在有一个 40 多个人的 AI Native 团队，是有模型训练能力的，主要做两大类事情，一大类是偏重 Agent 能力，另一大类是我们也在做一个模型，核心是理解物理世界。如果智能眼镜要把物理世界和数字世界打通，光靠大语言模型还不够，基座模型的能力主要是理解连续的数据，但我们双眼看到的现实世界数据是大规模，不连续不规则的数据。比如我们下班回家的一段路，我也不说话，没有语言文字数据，但是画面在不断变化，这个画面数据有用吗？其实也没太大用，因为我每天上下班都走这条路。这种现实世界的数据怎么处理，是我们这个模型要做的工作。▲ 雷鸟 V4 AI 智能拍摄眼镜Q：雷鸟现在同时有 GT 观影眼镜、V 系列 AI 拍摄眼镜、X 系列 AR 计算平台，再加上 iO 眼镜。这其实意味着智能眼镜的产品形态到今天仍然没有像智能手机一样收敛。你认为现在是「不同物种共同进化」的阶段，还是它们最终一定会重新汇聚成一种产品？A：「不同物种共同进化」和「产品路线收敛」其实不冲突，我认为还需要一点时间，产品形态才会真的汇总成一个，2029 年甚至更远一点。相比于智能手机，智能眼镜的约束条件还是很大，最简单的道理，要性能和续航那就得做重，做重了戴起来就不舒服。眼镜产品形态能不能收敛，首先要一个个的解决这些约束条件。还有一个原因也可以讲讲，手机收编了几乎其他所有电子设备的功能，让它变成了一个不得不用的东西。现在你也可以用一个更小，存储更多，音质更好的 MP3，但大多数人不会再用 MP3，是因为手机本身就有很多杀手级应用，必须要有，在此基础上增加一个听歌的功能没有什么成本。现在的情况是，因为眼镜面临各种强约束条件，产品形态多样化，但我认为在 2029 年左右，眼镜上的杀手级应用们会让雷鸟 X 系列这样的全功能智能眼镜有让用户不得不用的理由。那么在这个前提下，用户使用别的眼镜的概率就会变低。在这个过程中，我们就得找到这些让用户不得不用的理由。中欧商学院有个案例就是在追踪雷鸟创新，现在还没有走到下结论这一步，就是看雷鸟创新的做法对不对。我可以先说为什么我认为雷鸟创新可能是对的，或者为什么我是这么选的。我自始至终都觉得智能眼镜这个赛道最后还是大厂的竞争，到最后的时候，会变成各个维度综合实力的竞争，所以在前面就不得不积累各种能力，各种资源，形成优势，让自己比较快地变成大厂。如果在智能眼镜赛道只做一类产品，会面临 2 个问题，一是在某个时间段发展还可以，但长远来看单产品无法累计足够的用户；第二个就是我说的大厂逻辑，到后面缺乏终局竞争的全面能力。所以说，智能眼镜最后会比较像智能手机一样，最终不会有很多品牌，但它又是个大方向，所以竞争很激烈，从创业赚钱的角度来看，它不是一个好的创业方向，我们如果不是有改变 10 亿人生活方式的理想，其实不该做这个的。Q：如果最终会收敛，你觉得那副「完全体智能眼镜」还缺哪几个最关键的技术突破？其中哪一个是最难靠堆钱和堆工程师解决的？雷鸟有没有为此做好准备？A：核心的需要 3 个技术突破，第一个是光学显示的技术，它做在眼镜里面，是一个技术含量占比和成本占比都很高的技术。第二个是 AI，眼镜上的 AI 和基础大模型还有区别，更需要第一视角的多模态模型，这个模型够不够聪明很重要。第三个是芯片电池以及伴随而来的空间计算技术。这三个核心技术分别代表了有没有很好的信息输出能力，有没有杀手级应用，以及能不能跑一个强大的系统进行虚拟和显示的融合。最难的我觉得还是 AI，虽然前面我说 AI 的发展比预期快，但眼镜端的 AI 有自己的复杂性，它跟数据关联很大，但需要的是新数据，这跟光学显示和芯片不一样。第一视角多模态数据，过去没有，不像大语言模型在过去的互联网上积累足够多的数据。其实跟具身智能目前的情况也有点像，用在训练机器人的数据也很少。这里也有关系，如果智能眼镜没起来，具身智能的大脑也没戏，这里有个循环的过程，眼镜，数据和模型三者的循环。我们已经在这里做比较深入的工作了，比如成立专门的多模态模型团队，开始在眼镜上收集数据训练模型，包括和机器人公司的合作。现在还是一个从 0 到 1 的阶段，虽然互联网上的视频数据很多很丰富，但是对于训练第一视角多模态模型帮助不大，因为他们大多是不连续。比如做饭的时候，你舀一勺盐拍下来了，把盐放锅里拍下来了，但是盐的移动过程没有拍。互联网上过去很少有这种按照人的视角去完整拍摄的视频数据。Meta 也在做类似的工作，Meta Reality 累计的数据量比较大了，他们也专门出了用作数据采集的眼镜 Project Aria。本质上来说，道理大家都认同，但区别是谁有能力？谁有足够多的用户戴你的眼镜去采集数据，谁有能力把数据处理好。归根到底，这又回到了大厂逻辑，数据和处理数据的能力，是有门槛的。为了让 AI 一直在场，雷鸟的 iO 眼镜先学会了「消失」Q：Google Glass 当年有很强的 Geek Fashion，它甚至刻意让别人知道「我戴着一台能拍照的微型电脑」，以至于当年有些时尚走秀也会戴着这个眼镜。雷鸟的 iO 眼镜却走向另一个方向，希望它看起来尽量像普通眼镜。你们什么时候得出这个结论：真正大众化的智能眼镜，首先要学会隐藏自己的科技感？A：如果我们的理想是要「改变 10 亿人的生活」，那么我们的产品就应该是一个大众能接受的样子，最终要符合大众审美。当然也有人会喜欢更有设计感，更特别的眼镜，尤其是墨镜，就会更个性，但大众层面大家还是喜欢简约的产品，当我们确定科技应该服务于人，应该隐于无声，那么产品就应该做成现在这个样子。不过这也不是我们做 iO 眼镜的出发点，我们的出发点是要在这款眼镜上打造一个「AI 的杀手级应用」，要达成这个目的，先决条件就是全天候佩戴，如果用户一会儿戴一会儿不戴，对于 AI 发挥作用会产生很重要的不连续影响。以此反推，就需要是现在适合长时间佩戴的这个形态。毕竟我们的出发点是打造「AI 的杀手级应用」，不是造一个时尚的智能眼镜。Q：当前做智能眼镜，一定要做取舍。显示面积、算力、电池、重量、摄像头、续航没有办法同时拉满。iO 眼镜最开始立项时，你们主动放弃了什么？比如 iO 眼镜就没有视觉能力，有哪些能力虽然技术上可以做，但你判断现阶段「不应该做」？A：首先主动放弃的是摄像头。核心原因有 2 个，第一个是我们看到还没有好的多模态模型能够支撑起杀手级应用，行业和我们都没有准备好，可能很快就有进展，但至少目前没有。同时，我们有希望眼镜是全时段佩戴，增加摄像头会带来隐私压力，以及功耗挑战。所以我们主动把摄像头放弃了。其次，我们放弃了大芯片，等于是我们在眼镜上放弃了非 AI 的部分。从能力上讲，我们可以放一个大芯片装 Android 系统，可以在上面搞出视频播放功能各种应用出来。但这个事情不符合我刚才说的逻辑，我们希望聚焦在 AI 上，希望它能有全天续航，所以大芯片和 Android 系统我们也放弃了。扬声器是我们非常纠结的一个点，我们的雷鸟 V4 眼镜的扬声器是和 B&O 合作的，音质业界

刚刚，豆包正式发布了一款新产品——豆包工作。全新 Logo、独立的桌面客户端，它的定位很明确：一个面向生产力场景的全新 Agent 产品与品牌。▲ 豆包工作 APP说实话，第一反应并不意外，三家大厂都在主打自己的 Agent，但是豆包工作，能带来什么新的惊喜？过去两年，豆包是国内 C 端用户量最大的 AI 助手。而最近一两个月，随着「工作任务」能力的密集更新，它已经不再只是一个聊天 Bot，而是一个真正能干活的 Agent—— 交互更丝滑，交付能力也更强。现在，它干脆把「工作模式」独立成了豆包工作，并且放到飞书里。文档、表格、PPT、网页、应用、多模态生成和电脑操作，你能想到的 Agent 能力，它都有。得益于 Seedance 和 Seedream 的接入，豆包工作交付的内容也比其他 Agent 要更丰富。但豆包工作真正和其他办公 Agent 拉开差异的地方，是它和飞书的深度打通。Agent 不只是在一个独立对话框里处理文件，基于飞书账号登录后，它可以直接进入团队原本的文档、消息、任务和组织关系。APPSO 提前拿到了测试资格，用日常办公任务完整体验了一遍，也重点测试了这项最特别的能力：用飞书账号登录之后，豆包工作到底能干什么。目前，豆包工作已可以在豆包 App 和飞书内体验，此外我们还可以前往豆包官网 doubao.com/work 下载专门的豆包工作 App 体验。现在下载豆包工作电脑版，还免费送 30 天订阅权益，如果本身就是豆包付费会员，则会自动延期 30 天。同样是 Agent，豆包工作还有这些不一样文档、PPT、表格、网页、小应用，再加上出图、视频和电脑操作，这一轮办公 Agent 能做的事情已经高度同质化。我们把这些常见任务都在豆包工作上跑了一遍，完成度已经非常高，生成结果可以直接拿来用。另一个比较明显的体感，是这次豆包工作还把额度消耗压了下来。同样是个人订阅的加强套餐，现在可以连续跑更多复杂任务，不太需要像以前一样，每做几个重任务就开始盯着剩余额度。例如我们让它根据一份已有的活动 Brief、报名明细和供应商报价，生成三份原生可编辑文件：活动执行方案 Word、报名与预算分析 Excel、内部提案 PPT；5h 额度只用了 1%。▲ 生成的 PPT 还自动添加了演讲者备注比较特别的是，因为我们是直接使用飞书登录，所以豆包交付的文档都是飞书云文档。无论 PPT 还是 Word、Excel，我们都可以直接在豆包工作内，像使用飞书文档一样，设置分享权限，直接@同事协同编辑等等。除了和真人同事协同编辑，豆包工作这次还增加了 AI 协同编辑。尤其是生成的网页和应用，豆包工作的局部修改，几乎做到了全方位支持。我们可以直接选中要修改的地方，或是通过对话就能进行定点或局部编辑。就像我们上传了一个工单表格，要求豆包工作根据工单数据整理为一个可视化的网页。生成后还能直接修改内容、样式和布局，也可以让 AI 定点编辑。对于网页生成，豆包工作还内置了超过 80 种设计风格，生成的网页样式不满意，一键就能替换。大多数办公 Agent 的「网页生成」，HTML 一旦生成，数据不会跟着源文档自动更新。豆包工作能做的则是，网页可以直接带数据库，生成完就是一个上线可用的服务。这类能力真正省下来的，是 Agent 交付之后的「返工成本」。以前 AI 生成一个 PPT、表格或者网页只是第一步，接下来还要自己改格式、调布局、重新导出；豆包工作开始把修改本身也留在同一个工作流里。如果说处理文档网页这些是办公 Agent 的基础工作，那多模态生成就是豆包工作的自留地了。我们用豆包工作直接安装 GitHub 上的插画 Skill，发图后就能直接调用。视频的生成同样如此，当我们需要生成一整套的营销物料时，统一图片海报、宣传视频的主视觉，现在也能透过豆包工作，直接得到图片和视频。▲ 一份活动 brief 和品牌使用规范，可以生成一套多媒体传播方案Agent 除了会连接本地文件，进行各种创作，还要会操作本地电脑。现在我们可以直接在手机上遥控电脑上的豆包工作，操作本地电脑，远程把文件发给我们，或是执行其他任务。连接飞书之后，豆包工作才算真正的 AI 同事先说一句，就算你不用飞书，豆包工作也完全能用，上面的所有能力都不依赖飞书。但我要必须要说，用飞书账号登录或者使用飞书连接器，才能把它的全部潜力都榨干。如果你的团队恰好用飞书，用飞书企业账号登录豆包工作，它会自动和你飞书里的信息、数据和工具打通。任何 Agent 都需要一个「工作现场」。我们可以给 Agent 写一万字 prompt 描述背景，但它始终很难清楚我们的项目群是哪个、事情由谁审批、流程是什么样、也不知道上周会上到底定了什么，而这些，在飞书里都可以找到。APPSO 平时的工作稿件以及其他的工作，都是在飞书内完成，我们可以直接在豆包工作内了解最近的稿件写作情况，例如快速总结我们最近发布的产品工作稿件，它就能定位到 DeepSeek Harness 的上手指南，并对文章内容进行总结。甚至直接让它把我的所有文章，做成一个作品集，用来提升我的职场竞争力。它会自己总结出哪些文章值得放上去，以及从具体文章的内容明确我的定位，用一个酷炫的网页呈现。这些文档的链接，也是同步继承了原有飞书文档的权限，豆包工作不会因为要做作品集，就未经允许修改这些文档的访问权限。紧接着，我们还能把这份 AI 整理的网页让自己上级审核一下是否准确。豆包工作会自动编辑好聊天文案，并加上「由豆包发送」来区别于真人消息。豆包工作能够读取组织信息，很快就可以知道我的上级是谁，应该怎么编辑这条消息，发给谁。这些能进入聊天的能力，让豆包工作在文档之外，也能应对各种办公场景。就像飞书群对很多团队来说，也承载了大量的工作任务，各种各样的文件发在群里，还有通知，还有各种问题的讨论，我们可以让它总结一个群聊，它自己去读群聊记录，还原出事情的完整脉络——包括群里面谁说了算。对比一下使用那些没打通群聊的 Agent，我们只能不断复制粘贴「王总今天说了什么」，信息似乎永远是散的、滞后的。这里开始能看出「连接飞书」和普通知识库检索的区别。豆包工作拿到的不只是几份可以搜索的文件，它还能理解人、消息、文档和权限之间的关系，所以我们不需要每次开新任务，都重新给 AI 介绍一遍「谁是谁、事情做到哪了」。多维表格也是飞书的一项重要功能，它本来就是很多公司承载业务的小型系统。现在配合豆包工作，我们可以把它直接变成实时网页看板，数据刷新看板跟着刷新；也可以把它当素材库——我们让它批量读取表里的内容，批量生成宣传图和视频。我们曾经用多维表格智能体搭建了一个每日热点追踪，飞书会自动推送当天的 AI 热点追加到多维表格。现在豆包工作可以基于该多维表格搭建一个实时更新的 AI 热点追踪网页，智能体定时抓取到的新闻会实时同步到网页显示。但是多维表格对很多飞书小白用户来说，是比较有门槛的一个工具，从零开始搭建一个类似的热点新闻多维表格数据库，可能也并不简单。现在我们可以选择让豆包工作来完成这项复杂的工作。针对该多维表格的编辑修改，它也可以很快就把这张原来单一的多维表格，变成了有多种视图的高级多维表格。除了多维表格，和会议纪要的结合是另一项非常值得一提的体验，以往开完选题会，各式各样的办公 Agent 都是在争取给一份尽可能完善的总结。豆包工作打通飞书之后最特别的地方在于，豆包工作会基于结论继续推进：给对应负责人创建任务、完成后更新状态、卡住会告诉你审批走到哪了。甚至可以像之前我要求豆包给我的负责人发私信一样，直接找到对应负责人，主动替我们发私信提醒任务进度。从这个角度看，大多数 Agent 交付的单位还是单纯的 「产物」——一篇文档、一张图。豆包工作交付的是进展，做到了真正地从「帮我们记录」到「帮我们工作」，这中间隔着的，正是飞书里团队沉淀下来的那些真实任务流和审批流。豆包工作和飞书能力深度打通后，把很多真实的办公场景都串起来了，这种跨对象的组合或许才是 Agent 常说的「打通」二字，真正的分量。目前豆包和豆包工作采用的额度控制是滚动重置，即按照 5 小时或周进行自动恢复。也就是说豆包工作不是积分消耗完就用不了，在会员有效期内我们可以天天用、一直用，但短时间内的使用强度有个上限，达到上限后，等时间一到自动回满。当然，免费用户也可以使用 Turbo 模型体验豆包工作。我们实际体验下来，Pro 版的窗口额度基本可以完成大量的日常办公，Turbo 免费版额度有限，但用来入门体验和简单的任务完全够。AI 办公真正难的，是进入工作现场测试了这么多 AI 办公，即便一个编辑的办公场景有限，但我们还是设计了不同的任务来考验一个办公 Agent 是否合格。豆包工作给我最大的感受是，是它似乎真正开始理解我正在做什么工作、和谁一起做，以及事情已经推进到了哪一步。现在不少 Agent 都可以通过 CLI、MCP 或连接器调用办公软件，但更多时候，它们接入的是某一个工具、某一份文件，或者某一种能力。豆包工作和飞书做得更深，用飞书账号登录之后，它可以直接继承我们原本已经沉淀在飞书里的工作上下文，在已有权限范围内调用聊天记录、文档、会议纪要、任务、组织关系等信息。很多 Agent 接入的是办公软件的能力，豆包工作接入的则是一个人在飞书里的工作。现实生活中，我们面对的工作，从来不会像用那些办公 Agent 一样，先给它指定一个文件夹，然后把需要的文档都放在里面。更真实的场景是有冗长的聊天记录要复制，各式各样的文档，会议纪要、日历和项目表等等，这些来自不同应用不同数据格式的内容，都是我们工作的一部分。要让 AI 真正进入工作场景，难的是怎么把这些很难整理好的「上下文」交给 AI，让它知道这些知识属于谁、发生在什么时候、现在是否还有效，以及自己能不能使用。即便是 OpenAI CEO Sam Altman ，在最新的访谈里也提到。今天明明已经有 Codex，他却还是会在消息应用之间复制粘贴、翻邮件、维护待办。他把原因归结为长期形成的「什么才叫工作、什么才叫有生产力」的心理习惯。技术已经走到了前面，人和产品的使用方式还没有完全跟上。问题开始从「AI 能不能做」，变成了怎么让 AI 自己走进人们原来的工作流。这恰好是豆包工作尝试做的事，豆包提供完成任务的能力，飞书则提供了一套已经存在的工作环境。飞书内的组织架构告诉它谁是谁，聊天和文档会记录公司过去发生了什么，任务和多维表格保存项目当前的状态，账号和权限决定它能够进入哪些地方，最终生成的结果还能重新写回工作流，继续成为下一次任务的上下文。AI 已经开始帮人跨出自己的专业边界，而组织上下文决定了它能不能继续跨进一家公司的真实边界。这也是我们体验豆包工作之后觉得最有意思的变化：AI 开始知道自己在为谁工作、为什么工作、事情已经做到哪一步，以及做完以后应该把结果留在哪里。模型决定 AI 有多聪明，组织上下文决定它能不能成为同事。真正改变办公方式的那一刻，可能不是 AI 又学会了一项新技能，而是它终于不再等着我们把工作搬给它，开始自己走进工作发生的地方。

一台没有摇杆、外形酷似任天堂 GBA 的安卓掌机，在 2026 年卖到断货。KONKR Pocket Advance（KPA）上市后市场反响格外亮眼。这款定位复古取向的掌机，在小众圈层里收获了不俗的关注度，出货量稳步攀升，成为今年复古掌机里颇具代表性的机型。对于小众的复古掌机赛道而言，这份成绩出人意料。大家为何会在 2026 年，选择入手一台形态源自二十多年前的游戏机？上手直呼「爷青回」拿到 KPA 的第一眼，我几乎误以为这是一台重新量产的 GBA。横向机身、左侧十字键，还有敦实的握持轮廓，整体尺寸也和初代机型高度相近。细细端详便能察觉，它并没有一味复刻往昔布局：原先仅有的两颗功能键升级为 ABXY 四键，机身中央搭载一块更大的 3:2 屏幕，侧边还保留了可供拇指直接操控的音量滚轮。十字键与四颗功能键左右分立，正面布局十分均衡——双手握持时，拇指能够自然落在按键区域。按键反馈清脆利落，键程适中，熟悉感扑面而来。几乎无需思考，手指便本能地清楚该如何操控角色移动，或是在弹出对话框时快速按下确认。我觉得 KPA 没有配备摇杆，这是它最聪明的取舍。如今多数安卓掌机热衷于把十字键、双摇杆、功能键全部堆砌在正面，力求兼顾大型手游与 PS5 串流，追求一机全能。KPA 明明同样可以加装摇杆，去宣称能够运行《原神》，但它主动选择收窄自身的使用场景，将自身聚焦在原汁原味的复古上。这台设备最舒服的归宿，就是静下心体验经典老游戏。拿到机器当天，我本只想在工位简单测试屏幕与按键。可当《口袋妖怪》的 BGM 响起，不知不觉，我就这样玩了整整一个下午：「大木博士照常招呼我前去报到，小茂依旧一副争强好胜的模样，抢先夺走了本该属于我的精灵球。」小时候玩到这里，我肯定已经在心里给他记上了一笔：行，你给我等着，后面一定赢回来。二十多年后再看到这一幕，我却忍不住笑了——怎么还是你，一点都没变。游戏里的少年依旧莽撞，游戏机前的少年早已长大。只是玩耍的地点从家里走廊变成办公室，手中的设备也不再是当年那台 GBA。当我低头，拨动十字键操控角色穿行在像素世界，儿时坐在小板凳上、一边啃西瓜一边玩《口袋妖怪》的那个午后，瞬间清晰地浮现在眼前，我直呼爷青回。KPA 内部当然已经换成了现代硬件，我手上这台搭载联发科 Helio G90T，最高可以运行 PS2 端游戏，采用 960×640 分辨率的 3:2 屏幕，刚好能以四倍整数缩放呈现 GBA 原始的 240×160 画面。游戏的人物、文字与场景轮廓通透清晰，原生像素质感完整保留，不会因强行拉伸画面产生模糊毛边。高亮背光屏幕彻底改善了初代GBA画面昏暗、观感吃力的通病，4000 毫安大容量电池更是能支撑六七个小时的长线复古游戏体验。纯粹的像素复古质感被完整留存，而老式掌机的所有短板与不便，都被彻底留在了过去。AI 给这些旧玩具「附了魔」KPA 的独特魅力，一半源于精良的硬件适配，另一半则来自鲜活的玩家社区生态。依托安卓开放属性，这台掌机支持自定义前端、调试模拟器，也能安装各类常规安卓应用。玩家们专门制作了还原 GBA 卡带陈列风格的游戏前端，把分散在不同模拟器的游戏资源统一整合，规整出一套整洁统一、氛围感拉满的复古游戏界面。图｜Reddit也正因为大家对这台游戏机的痴迷，社区玩家们自发地持续产出汉化补丁、改版游戏与模拟器等优化配置。以至于现在的玩家启动一款二十多年前的老游戏，体验到的往往是经过汉化、修复 BUG，甚至追加全新内容的改良版本。而我觉得其中「最神」的社区成果，莫过于「Apollo AI 灵动岛」。它平时收纳在屏幕侧边，不会持续遮挡画面：游玩外文原版游戏时，灵动岛能够识别画面实现实时翻译；遇上地图错综复杂的游戏，还能直接调取预先挂载的攻略页面，缩放地图、查找行进路线，无需退出游戏拿起手机检索。图｜哔哩哔哩 掌机天下接入视觉 AI 之后，灵动岛更能读取游戏画面，讲解剧情脉络、梳理人物关系，或是将道具清单、待完成任务整理成清晰列表。儿时摆在游戏机旁、翻到卷边的攻略书，在 2026 年，被搬进了屏幕边缘。但这和开外挂有着本质区别，AI 不会代替我们赢得战斗，更不会篡改游戏数值。它仅仅翻译晦涩的对白，迷路时调出攻略，或是陷入僵局时给出一点线索。该去往何处、如何战胜对手，最终按下按键做出选择的，始终握在玩家自己手中。旧玩具回来，不只是因为怀旧KPA 并非这一轮复古回潮中的孤例。在过去二十年里，智能手机不断吸纳融合各类设备的功能——拍照、听歌、游戏全都汇聚在同一块屏幕里，操作愈发便捷，可不同体验之间的边界也随之模糊。不过当我们重新将这些功能摘出来，让它们回归到一台专用设备里，这条界限就能够轻易地重新划出：拿起相机，代表接下来专注拍摄；戴上耳机，意味着静心聆听音乐；握住掌机，则是暂时隔绝消息打扰，沉浸到游戏之中。它们功能远不如手机全面，却更容易让人进入目标清晰的专注状态。小岛工作室与 KM5 合作推出的《死亡搁浅 2》联名 CD 播放器，保留透明机身与实体光盘的形态，同时搭载蓝牙模块与现代化电池。蓝牙能够适配新式耳机，但使用者依旧需要取出碟片、放入机身。这些看似繁琐的步骤，恰恰构筑起独一份的使用仪式感。图｜TechNoid人们重新偏爱实体载体，本质是渴望拿回属于自己的体验与掌控感，也正因如此，索尼近期的官宣才格外让人唏嘘。索尼前段时间正式宣布，2028 年起将不再为 PlayStation 新游戏生产实体光盘，未来新作仅保留数字版本。消息一出，引发了大量玩家与实体发行商的惋惜与不满。玩家真正舍不得的，从来不止是一张薄薄的光盘。实体游戏可以陈列书架、借给好友，通关后还能自由转手流转，是实实在在握在手里的收藏。图｜X Sony如果说 CD 播放器守住了实体操作的仪式感，那柯达 Charmera 的走红，则诠释了复古回潮的另一种打开方式。这是一台可以挂在钥匙上的迷你数码相机，论解析力、清晰度，完全比不上智能手机。它反而刻意保留低像素质感、复古胶片滤镜与松弛随性的成像氛围，不追求极致精致，只还原老式数码的独特氛围感。整机以盲盒形式发售，多款撞色机身随机出货，拆开之前，永远不知道自己收获哪一款配色。图｜Kodak人们入手 Charmera，从来不是为了拍出更专业的照片。它的魅力，早已跳出纯粹的拍摄功能——随手从钥匙扣取下、按下快门，定格一张略带颗粒感、不可精准预判的松弛画面，这份随性与不确定性，是手机精修摄影给不了的温柔。而盲盒的玩法，又让这台小相机变成了可收集、可交换、可展示的趣味潮玩，让拍照这件事，重新多了分享与收藏的温度。图｜Kodak同样的逻辑，也能解释有线耳机的再度流行。无需繁琐配对，不用焦虑电量，插上接口即刻出声。曾经被诟病累赘的线材，如今反倒成为穿搭里随性的装饰细节，兼具实用与氛围感。这些复古设备的回潮，从来不是旧技术战胜了新技术。它们真正的价值，是带来了手机无法替代的专属仪式感、使用边界与实体触感。而现代科技恰好补齐了它们昔日的短板：CD 机升级蓝牙、复古相机支持手机快速传图，KPA 复古掌机则搭载高清屏幕、开放安卓系统与智能 AI 工具。对于亲历过像素时代的玩家而言，这是情怀怀旧；而对于没有时代记忆的年轻人来说，GBA、CCD 相机、CD 播放器，都是值得全新探索的新鲜事物。我们没有忘记这些旧玩具。过去只是缺少一个继续留下它们的理由。现在，它们已经升级了，怀旧也不再需要妥协。

刚拿到影石的 Insta360 X6 时，我对这个产品的体验是有些苦恼的——说起全景相机，最先联想到的总是极限运动：山路骑行、雪场滑雪或下海潜泳。囿于纤长机身、超广镜头和繁重后期的体验，全景相机对于记录日常是总有不便的。但半个多月体验下来，我发现 X6 的产品迭代思路，与前几代产品相比，变得更「普通」了——不是说参数或形态变化不大，恰恰相反，X6 是近几代影石全景相机里迭代最大的版本，褪去了专业设备的距离感，并逐渐成为一台拿起就能拍的 vlog 相机。简而言之，这是一台更适合普通人的 Vlog 相机。做全景相机中的 Vlog 机很多人选购数码产品时容易陷入参数竞赛，但现实往往是：出门时，一台设备能不能被顺手塞进包里，比纸面参数更能决定它的使用频率。想要改变用户的使用习惯，首先就要从外观形态打破固有印象。X6 做出的第一个改变就是重塑机身轮廓：机身缩短、横向加宽——原本的实体按键被压感触控区域取代，整机外形更接近常规运动相机，握持重心顺势收回到掌心，单手操作的平衡感明显提升。过往不少全景相机的传感器，沿用自手机的供应链，因此大多是长方形，画面边缘感光区域得不到充分利用，画质自然也有所折损。这一次，影石联合索尼定制了双1/1.1 英寸方形传感器，在提升感光面积使用率的同时，整机的元器件排布更为紧凑小巧，但使用功能的升级却是巨大的：譬如可更换镜片设计升级为了** 2.0，更换镜头更加的方便；裸机支持 20 米防水、2.32 英寸的 OLED 屏幕**在亮度和色彩方面也算优秀，即便是广州 36 度的大晴天，也能清晰预览画面。更让人惊喜的是，影石还为 X6 搭配了充电折叠自拍杆，装上配件后，X6 的握持方式、操作逻辑会更接近于手持云台相机，而得益于全景相机 360 ° 拍摄的特性，又比手持云台相机多了一些便利：手指拨动摇杆，画面随之转向；想要回看身后发生的画面，前后视角也可以快速切换；在新传感器的加持下，X6 的取景画面也得到了优化，提供了畸变更小、画质更好的选项。不过二者底层逻辑存在本质区别：传统云台相机依靠机械结构扭动镜头完成跟随，X6 摇杆并不驱动硬件，只是调取全景素材内不同方向的画面，全程没有机械运转噪音，还可以实现 360 度追踪/跟随，整套操作更加「无感」。相较于口袋手持云台相机，「先拍摄再取景」的全景相机，实际使用门槛更低，能取到更多有意思的画面和景别。完成收纳后，也可以直接放进背包或裤兜，用起来是比较方便的。无论是手机，还是常见的 Vlog 相机，都遵循固定拍摄逻辑：先构图，再拍摄。开拍前要对准主体，录制过程中还要紧盯画面，提防人物出框、运镜失衡、焦点偏移。拍摄者注意力常常被屏幕束缚，难以沉浸在现场之中，我经常会为了追求画面完美而紧盯取景器，结果错失当下真实的情绪氛围。但生活里真实动人的瞬间大多是突如其来，想起来拍摄时往往没有功夫精雕细琢——而全景相机「先拍摄，再构图」的摄影逻辑，则很好解决了这个问题。在 X6 之前，我身边已经有不少朋友会带着 X4 或 X5 当日常 vlog 机使用，譬如徒步、钓鱼都是不错的情景。而 X6 显然进一步满足了这些记录日常的诉求，便携机身、防水性能和内置存储（可用约 47GB）……都是为了拿起来就能拍所做的设计。拍摄时，我习惯于选择 360° 模式，同一段视频，既能保留拍摄时的正面视角，也可自由转向，查看镜头后方的画面，视角能够灵活切换，同一段素材，很轻易就能得到风格迥异的镜头：记录风景的广角镜头：录制的 vlog 镜头：营造奇观的小行星镜头：而且得益于泛焦的 360° 取景方式，我几乎不需要时刻留意画面拍到了什么，能够把注意力更多聚焦到风景当中，对于日常生活来说，也可以弥补很多转瞬即逝的画面。云台模式 2.0 的加入，则进一步简化后期操作：X6 可自动追踪人物、宠物等主体目标，直接输出稳定的 4K 30fps 成片，同时完整留存 8K 全景原始素材。广角镜头又解锁另一套创作思路，超宽视野带来更强画面沉浸感，直出平面画面省去全景裁切步骤，适配户外运动、旅行随拍等追求即时出片的场景。可谓是「一机三用」，可玩性拉满了。倘若直出画面的构图与追踪效果满意，拍完就能直接导出分享；如果拍摄时主体移出画面，或是一旁出现更值得记录的场景，也无需舍弃整条素材，随时调取全景原片重新选择视角、裁切画面。打开相机后，能够专注于眼前的风景，而非取景器画面，我有一种久违的解脱感。让全景相机走进生活即便是在全景相机领域，「底大一级压死人」依然是金科玉律。这也是以往影石 X 系列无法作为 vlog 机来使用的根本原因——天色渐暗，夜景能力还是差点意思。构图失误、取景偏差，都能够依靠后期裁切补救，但暗光环境下拍出糊成一片、噪点泛滥的画面，无论借助任何算法，都无法从根本上修复。原生画质上限，直接决定成片最终质感。更何况，我们日常拍摄 Vlog，很少拥有光线充足的理想环境：暖光笼罩的室内、人流喧闹的夜市、黄昏逆光的街道……这些都是生活中高频的拍摄场景，却也是过往全景相机最棘手的短板。在传感器得以升级后，X6 的夜拍能力有了肉眼可见的提升，即便是在黄昏，甚至极限的弱光环境下，依然有不错的观感：尽管前代 X5 同样支持 8K 30fps，但依托全新传感器底子，这一代 8K 30fps 的实际成像水准实现明显跨越。就算身处比较昏暗的场景，也不至于抓瞎，噪点控制、动态范围表现更加靠谱，这无论对拍照还是录像都大有裨益。▲ 上｜X5 、下｜X6除了硬件画质提升外，影石也在这一代持续优化普通人的后期体验：依托PanoMind 智能算法与AI 导演功能，相机能够自动识别人物、互动画面、高光瞬间，自动生成流畅运镜与成片脚本。拍完之后把相机接上电，它会在充电时自动分析素材，识别人、动作和一些高光片段，然后剪出一版初稿，再推送到手机上。非常适合那种拍得很长，自己又很难筛选好角度的日常视频，出门钓鱼、玩水这种日常生活是够用了。实际体验下来，虽然这个功能很好用，但还有一些美中不足。有时候，想指望 AI 快速出片，但屏幕页面只会给出一个预估时间，而等到时间到了，推送的成片却没有如期出现，多少让人有些失落。总的来说，一系列软硬件优化叠加在一起，让 X6 顺利跳出过往全景相机是极限运动专用机的刻板印象。它不再局限于滑雪、骑行这类门槛较高的户外场景，在旅行出游、朋友聚会的时候，我也会更多选择把这样一台全景相机揣到包里，去拍一些有趣好看，其乐融融的画面。成立十多年来，影石成功的秘诀，就在于如何把手机之外的第二台相机，塞到普通人的口袋里——拇指相机、运动相机、全景相机和手持云台相机，不外如是。我想 Insta360 X6 确实是一次绝佳的尝试，通过技术进步、产品定义和功能打磨，影石又一次成功地将一台本不属于普通人的口袋相机，揣进了你我的口袋里。客观来说，作为一台 vlog 机，Insta360 X6 确实还有一些使用不便的地方，譬如全景素材会占用更多存储空间，后期整理也需要投入时间成本。但换取拍摄全程松弛自在的体验，允许我们事后补救各种意外漏拍，这笔取舍对于热爱记录生活的人而言，也是值得考量的卖点。也许下次，你在选购拍照手机或 vlog 相机的时候，一台面向普通人的全景相机，也会成为其中的一个候选项。

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。