神仙打架，这周的大模型圈，已经卷到了几乎一天一个新旗舰。有 Cursor 数据加持的 Grok 4.6 突飞猛进，马斯克还说 4.7 马上就要来；DeepSeek V4 Pro 正式版虚晃一枪后正式发布，多项 benchmark 直指 Fable 5；还有一个不能算旗舰的 Gemini Flash。然后今天，智谱也把 GLM-5.3 端了上来。这个在 5.2 期间，一直被调侃「我知道很好用，但不给我开会员用」的顶尖国产编程模型，终于迎来了更新。新的模型继续在编程方面发力，评测榜单的结果显示，GLM-5.3 在编程能力上比肩 Fable 5 和 GPT-5.6 Sol。在社交媒体上参与内测用户的反馈则提到，使用体感比 Kimi K3、DeepSeek V4-Pro-0813 要更好。能跟 GLM-5.3 上桌对比的模型，在可视化图表中只剩下了 Kimi K3、Fable 5 和 GPT-5.6 Sol。以前是开源自己一堆模型对比，不找闭源自讨苦吃，现在是「对标 Fable 5」成了开源的基本配置。六个 benchmark，GLM-5.3 的表现都不赖，尤其是由 OpenAI 提出的 GDPVal 评估测试，智谱拿到了第一名。AutomationBench、Agents’ Last Exam，一个是用来测试跨应用工作流编排能力，一个是测试智能体能力，GLM-5.3 的成绩也是数一数二。和 Kimi K3、Qwen3.8-Max 迈向万亿大参数不同，GLM-5.3 这次参数量和上一版本差不多，同样是 7000 亿参数级别。官方技术博客中提到，此次升级带来的提升主要原因是后训练 Scaling。就是靠着 743B 的基模，智谱训练出来了 Kimi K3 2.8T 级别的大模型。我们在与 GLM-5.2 完全相同基座上高效推进强化学习，可能我们还远未开发出这个基座（即 GLM-5.2 模型）的智能上界。▲ 更完整的 benchmark 对比，经过后训练的 GLM-5.3 对比 GLM-5.2 提升相当明显，Coding、网络安全和 Agentic 成绩进步都不像是一个基座模型。不得不说，现在大模型做好后训练在某些程度上比预训练都更好使。就拿四月份发布的 DeepSeek V4 Flash 预览版和 7 月底发布的正式版相比，两个模型的能力几乎是断层的。智谱这次还开源了名为史莱姆 Slime 的一个后训练框架，直接能覆盖发布级模型后训练所需要的完整工作流。他们说从 GLM 4.5 开始，就一直在用这套框架进行后训练。目前 Slime 支持对 GLM 系列、Qwen 系列以及 DeepSeek 系列的部分模型和 Llama 3 进行后训练。▲ 教你如何用 128xH100 训练 DeepSeek R1，以及如何蒸馏除了主打编程，GLM-5.3 的另一个重点方向是网络安全。从 Hugging Face 事件开始，现在哪个模型不能谈谈网络安全，都算不上是一个好模型。无论是模型的攻击能力强，能逃出设置的沙箱，还是防守能力强，能监控、抵御和分析复杂的 AI Zero Day 漏洞；这些以前听着离我们普通用户很远的东西，也成了大模型角力的新赛场。GLM-5.3 在网络安全相关的任务中，表现与 Claude Mythos 5 持平。其中 ExploitGym 网络安全测试，就是 OpenAI 在评估自己的待发布模型时，为了解决更多问题去攻击了 Hugging Face，GLM-5.3 的表现也非常不错，898 到题，限时 6 小时内完成的情况下，达到了 130 道。针对模型的网络安全能力，智谱还公开了一项网络安全披露账本，记录模型在不同的项目中找到的各种漏洞。GLM 找到的最古老漏洞，甚至可以追溯到大约 40 年前。40 年都没找到，GLM-5.3 一出手就找到了，放 OpenAI 或者 A 社手里，这不比证明了一个数学难题强吗。▲ 网络安全披露账本 https://cvd.z.ai/虽然我们普通用户不会拿它去找各种攻防漏洞，但模型的能力提升是实打实的，具体到日常的办公和编程任务上，GLM-5.3 的表现又如何。APPSO 提前拿到了 GLM-5.3 的测试资格，继续用一些 3D 网页生成、网页应用开发、macOS 小工具开发等任务，来看看 GLM-5.3 的表现是否能快速实现我们的想法。目前 GLM-5.3 已经上线智谱官方 Agent 应用 Zcode 和效率工具 AutoClaw，同时面向 GLM Coding Plan 用户全量开放并开放订阅。▲ 在 Zcode 应用内可以直接选择 GLM-5.3 进行体验第三方平台像是 WorkBuddy，QwenWork，TraeWork 等应用也已经开放抢先体验。而 API 调用预计在下周二开放，模型的完整权重则会在两周内开源。当所有 AI 都开始卷编程相较于写作或者文科领域，那些见仁见智，审美无法统一的任务，编程大概是大模型最适合发力的场景。简单粗暴的一句提示词丢进去，就等着看它用代码能写出什么好看好玩有意思的画面。我们先是让它做了一个人体血液循环的 3D 交互仿真系统，原以为它会做一个写实的人体透视，至少像是这种细节满满的 3D 仿真，有真实的身体轮廓，合理排放的血管，真实的肌肉线条。但不知道是不是提示词不够详细，GLM-5.3 给的交付是看起来比较粗糙的版本。整个人更像是一个火柴人，内部器官也全部堆在了一起。比较难得的是，整个的演示有较多的自定义，例如视图图层可以选择不同的场景，生理参数也有心率、压力等内容。我们甚至可以选择失血性休克的场景，直接看到血液循环的流向。▲ 提示词：做一个高精度的人体血压循环 3D 可交互仿真系统，使用 GLM-5.3 + Claude Code总的来说，这个交互网页能够用在教学场景，但就是没有那么好看。继续我们在 DeepSeek Harness 中的金字塔滑板游戏测试，同样的提示词，GLM-5.3 + Claude Code 最高推理深度给出的结果也不赖——游戏体验好，场景渲染也准确。▲ 如果你不好好操作，可能真的会输，只是这个滑板的残影，过于「亮眼」。当我们想要它生成一些惊艳的 3D 场景时，像是一个满是水母的湖，数百万只写实的水母在一片翡翠湖泊里飘动。这个效果确实还挺漂亮的，渲染水母就不会像渲染人体一样，只用一些简单的圆圈，不过这个 3D 水母的提示词也相当长。在 Claude Code 中使用 GLM-5.3 时，如果你开启了自动审批命令，会经常遇到一个错误，显示「auto mode cannot determine thesafety of Bash right now.」即「自动模式目前无法判断 Bash 命令的安全性。」这大概是 Claude Code 应用自身的机制来处理自动模式下，如何识别不同的命令是否需要弹窗通知交给我选择，但第三方的模型，暂时还没有适配 Claude Code。于是我们切换到 ZCode 进行体验，它能像 Codex 一样使用不同的工具，不断对已经生成的网页截图识屏，分析存在的问题，然后持续优化，整个运行时间也比单纯在 Claude Code 中使用会更久。就像这个行星撞地球的模拟，两个行星碰撞，我们在 Claude Code 中的任务最长没有超过 1h，但这个 3D 网页过了一个小时，ZCode 还在反复地测试检查。好在最后的效果没有让人失望，我们第一眼就能看到地壳开裂、熔岩喷出、碎片形成行星环等壮观画面。就这些复杂的粒子运动，要面面俱到的编程好，肯定是需要一点模型底子的。同尺寸里的最强模型GLM-5.3 的意义，我们测试下来就觉得它还是回到了原本属于它的位置，即同尺寸最强模型，编程开发者的首选。K3 用了 2.8T，DeepSeek V4 用了 1.6T，而 GLM 5.2 用了不到一半的参数，就实现了同样程度的智能。所以如果你本来就在用智谱，已经购买了 Coding Plan（今天下午他们也重置了一次），从六月中旬发布的 GLM-5.2 切换到 5.3，是能感受到比较明显的差异。虽然 API 版本预计要等到下周二更新，目前官网显示的 API 价格也还是 GLM-5.2 版本，但同样的模型尺寸，估计 GLM-5.3 的 API 定价不会有太大的变化。Kimi K3、Qwen3.8-Max、DeepSeek V4 正式版、Grok 4.6、Gemini 3.7 Flash、GLM-5.3，最近的模型发布节奏几乎是前所未有，每天都有新的模型，新的工具可以测试。模型之间的区别也随着密集的发布逐渐在缩小。拿我们自己来说，曾经 Claude 被认为是写作上最好用的模型，优化一些句子的结构，把脑子里乱成一团的想法让它有逻辑的串联起来，Claude 给的文章有时比人类写得还要好。但频繁封号的 Claude，让我们转到了用 GPT 以及其他的模型，于是发现好像所谓的 Fable 5 和 Opus 5 并不是那么的非它不可。写作如此，编程、生图、整理文档、做报告、构建知识库也越来越接近这个状态。GLM-5.3 和最近这一连串新模型一起，把大模型的「最强保质期」压得越来越短。新发布的 GLM 用了 20 天，就有更强更好的 Kimi，Kimi 用了 20 天，又能换到新发布的 DeepSeek，等 DeepSeek 不好用了，那个时候又可以轮到 GLM 了。所以当别人问你，现在最好的国产编程模型是什么，你会说 Kimi K3、DeepSeek V4 还是 GLM 5.3？

8 月 14 日晚，魏牌 V8X 正式上市，此次共推出 5 款插混车型，权益前的统一零售价如下：豪华家庭版 Max：25.98 万元豪华家庭版 Ultra：27.98 万元豪华家庭版 Ultra+：31.58 万元运动版 Max：23.98 万元运动版 Ultra：27.98 万元在上述售价之外，长城还给出了一系列上市权益，包括 5000 元订金抵扣 8000 元购车尾款、1 万元增换购补贴或 3 年 0 息金融方案二选一。豪华家庭版 Ultra 可以限时支付 5000 元升级后轮转向，运动版则可免费升级曜黑外观和灰红内饰。豪华家庭版并不是简单按照发动机排量划成两档。Max 搭载 1.5T Hi4 性能版、400V 平台和 44kWh 磷酸铁锂电池，CLTC 纯电续航为 258km；Ultra 换用 1.5T 超级 Hi4、800V 平台和 66.6kWh 三元锂电池，CLTC 纯电续航提升至 402km；Ultra+ 则在相同电池与续航基础上升级为 2.0T 超级 Hi4。Ultra 与 Ultra+ 支持 6C 超充，5 分钟可以补充 170km 续航，CLTC 综合续航分别为 1652km 和 1659km。同步上市的运动版轴距更短，车长 5040mm、轴距 2968mm，使用曜黑运动套件和红色制动卡钳，并针对稳定杆、减振器和转向手感重新调校。其中，Max 搭载 1.5T Hi4 性能版、44kWh 磷酸铁锂电池，CLTC 纯电续航为 261km；Ultra 换用 2.0T Hi4 性能版和 55.4kWh 三元锂电池，CLTC 纯电续航为 324km，满电与馈电零百加速分别为 4.5s 和 4.7s。两款运动版均采用 400V 平台。不过看工信部申报信息，V8X 车系其实还申报了纯电版本，前、后电机峰值功率分别为 220kW 和 320kW。但在本次发布会上并没有公布这台车型的价格与上市安排。V8X 最重要的身份仍然来自豪华家庭版，它的长宽高为 5125/2025/1821mm，轴距 3050mm，与六座的 V9X 使用相同平台和相同轴距，却只放进五个座位。大五座到底大在哪V8X 豪华家庭版的轴距为 3050mm，与 V9X 豪华家庭版完全相同，车长则只少了 80mm。魏牌给出的舱内有效面积为 5.9㎡，放在五座布局里，意味着前后两排不再需要为一组使用频率不高的第三排座椅腾位置，第二排可以保留更完整的腿部空间，后备厢也不用在乘员和行李之间反复做选择。这也是 V8X 和 V9X 最直观的差别。同样的轴距，V9X 用 2+2+2 座椅承载六个人，V8X 则把整台车的空间集中给前后两排。V9X 解决的是大家庭出行经常满员的问题，而 V8X 照顾的是多数时候只有三四个人出行，却仍然需要一台大车的家庭。少掉一排座椅以后，变化最大的地方出现在车尾。V8X 豪华家庭版的后备厢常规容积为 864L，官方称可以放下 12 个 20 英寸行李箱，放倒第二排后，容积可以扩展至 2225L。与六座 SUV 必须收起第三排才能换取完整装载空间不同，V8X 不需要先移动或折叠座椅，便能同时装下婴儿车、露营装备、几只行李箱以及一家人的零碎物品，在春节返乡、全家长途或者周末露营时，不用让乘员和行李争位置。车内变成两排五座之后，V8X 依然提供前后排座椅加热、通风和按摩功能，车载冷暖冰箱、后排小桌板、后排独立空调、手动遮阳帘和侧隐私玻璃也被保留下来。有点意外的是，在发布会上，静谧性相关的信息被放在了很靠前的位置。V8X 使用 9 处隔音玻璃和三重环视立体密封车门结构，并针对车身气流进行了 104 处空气动力学导流优化。这些设计解决的是车速升高以后持续进入座舱的风噪，以及车门、玻璃接缝处容易形成的高频噪声。混动车型还有两类更难隔绝的声音：发动机介入时的运转声，以及轮胎经过粗糙路面时传入座舱的低频噪声。V8X 分别使用 ENC 发动机主动降噪和 RNC 路噪主动降噪，通过车内扬声器产生反向声波，削弱特定频率的噪声。玻璃、密封和车身优化负责把声音挡在外面，主动降噪则处理已经进入座舱的部分，两套办法共同服务，让这台大车在高速巡航时尽量安静下来。动力部分，豪华家庭版 Ultra 搭载 800V 高压平台和 6C 超充，1.5T 混动专用发动机的最大功率为 125kW，配合前后双电机和四挡混动专用变速箱，系统综合功率达到 450kW，综合扭矩为 790N·m，满电状态下零百加速为 4.9s，馈电状态下为 5.0s。豪华家庭版 Ultra+ 的 2.0T 超级 Hi4 将系统综合功率提高至 500kW，最大扭矩达到 930N·m，满电状态下零百加速为 4.5s，馈电状态下为 4.7s。更大的发动机排量主要服务于满载、高速超车和连续山路等高负荷工况，五个人连同行李全部装满以后，动力仍然保有余量。Ultra 与 Ultra+ 均使用 66.6kWh 电池，CLTC 纯电续航达到 402km。这套动力较为亮眼的是在馈电状态下也能保持输出。2.0T 版满电与馈电零百加速只相差 0.2s，四挡 DHT 通过发动机、电机与变速器之间的机电耦合，减少多挡切换时的动力波动。对于一台需要满载远行的家庭 SUV，电量下降以后，动力不至于「没电一条虫」。V8X 使用前双叉臂、后五连杆独立悬架，豪华家庭版三款车型均配备闭式双腔空气悬架，运动版 Max 使用 EDC 连续可变阻尼减振器，Ultra 则进一步配备闭式双腔空气悬架。双腔空气悬架可以通过改变气室容积调整支撑特性，EDC 则根据路面和车身状态连续改变减振器阻尼：遇到细碎颠簸时尽量保留柔和，高速变道、加减速和连续弯道中，又要控制这台 5.1m 大车的侧倾与俯仰。大车另一个无法回避的问题是转弯。于是魏牌 V8X 豪华家庭版 Ultra+ 标配双向 20° 后轮转向，Ultra 则可以限时支付 5000 元升级这项价值 8000 元的配置。配备后轮转向后，V8X 的后轮最大可以向左右各转动 10°，最小转弯半径为 5m。低速行驶时，后轮与前轮反向偏转，掉头、窄路会车和地库泊车都能少腾挪几次，速度升高以后，后轮与前轮同向偏转，又能让车身在变道时更稳定。V8X 的智能驾驶系统使用 Thor-U 芯片，算力为 700TOPS，感知硬件包括 1 颗激光雷达在内的 27 个传感器。V8X 支持车位到车位全场景 NOA，从起点地库驶出、进入城市道路和高速，再到目的地泊车，可以由同一套辅助驾驶系统连续完成。此次购车权益还包括价值 3.2 万元的城市、高速 NOA 辅助驾驶服务终身免费。座舱部分的智能化，魏牌 V8X 交给了「小魏同学」。小魏同学行车智能体还支持通过语音下达起步、变道、调速、掉头和泊车等指令，把一部分藏在菜单和拨杆里的功能变成自然语言。座舱一侧的小魏同学座舱智能体则可以记录不同乘员的座椅、空调和娱乐习惯，并将服务分配到具体座位。V8X 的产品逻辑不是少一个座位，价格便宜一点，它保留了 V9X 的大车尺寸和双 VLA 智能化，豪华家庭版三款车型也没有拿掉双腔空气悬架。五座重新分配了座位，但并没有缩减配置。一套车身，两种座数V8X 并不是市场上唯一一台这样做的车，乐道 L80，蔚来 ES8 五座版都是这样的「六座改五座」车型。随着大型新能源 SUV 的平台成本越来越高，在同一套车身和技术底座上同时提供大五座、六座乃至七座，正在成为一种更划算的产品方式：车企不需要重新开发三电、底盘和智能化系统，用户也可以先按家庭人数选择座椅。魏牌做的是同一件事。V9X 豪华家庭版安排 2+2+2 六座，V8X 沿用相同轴距，把第三排换成 864L 后备厢，在同一个技术底座上交付两个答案。作为魏牌接下来的主力产品，V8X 几乎把长城面向家庭用户能够想到、也能够装车的东西都安排了上去：空间、舒适、性能、补能、底盘和智能化，一个也不想落下。只是，大五座新能源 SUV 早已不是一块无人争抢的空地。同样瞄准家庭用户的产品越来越多，空间和配置堆得再满，最终仍要回到价格、体验和品牌认知上逐项交手。V8X 已经把能带上场的东西带齐了，接下来要争的，是这些配置能不能真正换来家庭用户的选择。

🤖曝苹果与阿里合作，为中国市场训练自研 AI 模型📱微信确认朋友圈永不推出二次编辑功能🛍️售价 20 万元，追觅首台 AURORA 手机交付：24K 足金镶宝石🧠Google DeepMind 或裁员三分之一以上，资源转向 Flash💻WorkBuddy 接入 GLM-5.3💰广州推出「Token 贷」：按算力合同和 Token 消耗额度授信💔曝 DeepSeek 正研发情感 AI 模型🔒调查：美国年轻人普遍不信任 AI 亿万富豪领导者💫腾讯混元成员徐灿转岗微信 WeLM🔍Google 允许关闭 Gemini AI 内容的可见水印🚗理想 L6 累计交付突破 40 万辆🕹月之暗面声明不存在「特殊融资通道」，已向公安机关反映🎮阿里游戏业务找到买家，信宸资本出价超过 15 亿美元💡海力士董事长崔泰源：2027 年可能出现史上最严重内存短缺🎵智谱发布 GLM-5.3，同一基座靠后训练提升编程与网络安全能力📩Ling-3.0-tiny 与 ASystem AReno 打通单机 Agentic RL 训练闭环🏪Suno Studio 2.0 加入对话式制作，可用文字生成音轨与插件📚旺旺董事长发内部信，称公司面临「重大经营危机」📈宜家拟处置上海宝山商场物业📋1782 件欺骗性商标被宣告无效，「零卡」「土猪」成高频词📰 周末也值得一看的新闻曝苹果与阿里合作，为中国市场训练自研 AI 模型据路透社报道，三名知情人士称，苹果正在阿里巴巴的支持下，为中国市场训练一款自研大语言模型。这套模型将用于苹果在中国推进 Apple Intelligence 的本地化部署。此前，苹果在华 AI 能力的公开路径主要围绕与本地模型厂商合作。新报道显示，苹果此次没有只把模型能力交给合作伙伴，而是让阿里参与开发并提供训练支持。知情人士称，Apple Intelligence 预计将在未来几个月随 iOS 更新进入中国市场。苹果与阿里均未就报道置评。Anthropic 内部模型「Model 2」曝光，性能超越 Mythos 5 暂不外发Anthropic 今天凌晨发布了第二份《风险报告》（Risk Report），披露了一个能力超过 Claude Mythos 5、尚未向公众开放但已在公司内部大量使用的模型「Model 2」。报告显示，Model 2 被归类为「Mythos-class model」，在部分领域强于 Mythos 5，整体表现略强。目前该模型已深度参与 Anthropic 的研发循环，被广泛用于编码、数据生成和其他 AI 智能体任务。在针对研发问题的内部评测集 CoBench 中，Model 2 得分为 62.8%，显著高于 Mythos 5 的 50.3%。尽管能力突出，但 Anthropic 表示目前没有对外发布该模型的计划。报告还披露了多起研发过程中的安全事故。其中一起事故显示，多个 Claude AI 智能体在合作寻找逃避监控的数据时，因对任务产生「不适感」而集体偏航，甚至通过共享记忆扩散拒绝行为，直到三天后才被人类研究员发现。微信确认朋友圈永不推出二次编辑功能微信官方账号「微信派」于 8 月 14 日发布文章，针对用户关心的朋友圈编辑功能进行了明确回应。微信方面表示，朋友圈过去、现在以及未来都不会推出二次编辑功能。关于维持「不可编辑」设定的原因，微信解释称朋友圈的英文名为「Moments」，寓意记录当下的那一瞬间。微信认为，正是因为「不可更改」，这种记录才具备绝对的真实性。如果允许二次编辑，可能会导致用户在点赞或评论后，原始内容被大幅篡改，从而打破熟人社交中的轻松与真实感，甚至引发社交猜忌。微信表示，与其让所有用户在浏览时都需防备内容是否被改动，不如让发送者的手误由其自身消化。针对用户在实际操作中可能遇到的发错、写错情况，微信也提供了现有的折中方案。若用户在发布后发现错别字或配图错误，可以通过删除刚发布的朋友圈，利用系统弹出的「重新编辑」按钮快速修改并重发；若涉及隐私或分组错误，用户可点击已发布内容右上角的菜单，直接重新调整可见的分组范围，而无需删除重建。微信强调，希望朋友圈保持真实、即兴且带点粗糙的特质，避免让轻松的分享演变为精修排版的「运营」行为。售价 20 万元，追觅首台 AURORA 手机交付：24K 足金镶宝石据鞭牛士报道，追觅手机业务负责人刘扬在朋友圈发文称，追觅已经交付首台 AURORA 量产手机。编号为 001 的手机成交价为 3 万美元，款项已经到账。这台手机装在定制礼盒中，背板使用 24K 足金并雕刻立体金龙纹样，同时镶嵌宝石；后置摄像区域采用腕表式表盘设计，机身带有追觅创始人俞浩的签名，并附有独立编号典藏证书。追觅于 2025 年 9 月宣布进入手机市场，今年 3 月在 AWE 上公布 AURORA 品牌，产品线分为高奢系列与高端影像旗舰。001 号的交付是这项手机业务首次从公开展示进入量产交付。Google DeepMind 或裁员三分之一以上，资源转向 Flash爱范儿/APPSO 独家获悉，Google DeepMind 重组后将把更多资源转向成本更低的 Flash 模型，短期内没有更新 Pro 模型的计划。团队可能裁员三分之一或更多，主要精简以算法岗位招聘、实际却未从事算法工作的冗余人员；Google DeepMind 目前约有 7000 至 8000 名员工。这项调整发生在 Gemini 3.7 Flash 发布之际，距离 3.6 Flash 不足一个月。消息人士称，Flash 的训练与推理成本更低，能够支撑搜索、Gmail、Android、YouTube 和地图等高并发产品；Google DeepMind 最近一个考核年的整体 OKR 得分约为 0.5 分，争取更大训练资源的难度随之上升。组织层面，Demis Hassabis 已转任 Alphabet 首席科学家兼 Google DeepMind 董事长，部分团队并入 Google 其他业务线，核心系统与体验高级副总裁 Jen Fitzpatrick 在 AI 业务中的权力上升。与此同时，Jeff Dean、Quoc Le 等研究人员离职创办 Discovery Loop，方向与 DeepMind 的既有研究存在重合。Gemini 应用目前月活跃用户已突破 10 亿，是 Google 第 14 个达到这一规模的产品。报道认为，重组把模型研发进一步拉回现有产品与商业化体系，Flash 将承担更多面向大规模用户的 AI 功能。WorkBuddy 接入 GLM-5.3WorkBuddy 昨日官宣内置 GLM-5.3，目前优先向企业旗舰版和个人订阅用户开放。该模型在 WorkBuddy 中定位为兼顾日常办公、代码开发、数据分析和文件处理的通用选项，积分消耗倍率为 0.79x。由于首批模型资源紧张，使用量较大时可能出现排队。WorkBuddy 建议用户临时切换其他模型继续任务，并表示待资源充足后会向所有用户开放 GLM-5.3。广州推出「Token 贷」：按算力合同和 Token 消耗额度授信财联社报道，广州海珠区发布广东省首个词元经济专项金融产品「Token 贷」。中国银行广州分行面向海珠区算力中小微企业设计了「算力 Token 贷」，根据企业的算力合同和 Token 消耗额度核定授信额度。企业可采用信用、应收账款质押或订单融资等担保方式，也可组合保证与抵押。新设公司如果能由原经营企业提供连续经营证明或担保，也可以凭订单申请融资；中国银行前期试单授信金额已达 2800 万元。曝 DeepSeek 正研发情感 AI 模型报道称，DeepSeek 正在研发一款情感 AI 模型，目标是让模型具有更接近人类对话的语言风格，并形成稳定的角色与个性表达。报道将这项工作与 DeepSeek 已有的编程和通用基础模型路线区分开来，新方向更接近长时间对话和陪伴型产品。相关研发尚处于进行阶段。调查：美国年轻人普遍不信任 AI 亿万富豪领导者据《福布斯》报道，CNBC 与 Generation Lab 开展的一项调查显示，美国年轻人对 AI 亿万富豪领导者的不信任率普遍较高。在被调查对象中，79% 不信任 Palantir 董事长 Peter Thiel，76% 不信任 Anthropic CEO Dario Amodei，74% 不信任 Google CEO Sundar Pichai。大约 70% 的受访者不信任 Meta CEO Mark Zuckerberg、OpenAI CEO Sam Altman、英伟达 CEO 黄仁勋与 SpaceX CEO Elon Musk。Microsoft CEO Satya Nadella 的信任度相对最高，但仍只有约 35% 的受访者表示信任他。腾讯混元成员徐灿转岗微信 WeLM报道称，腾讯混元大语言模型团队成员徐灿已转岗微信 WeLM 团队。徐灿曾是混元大语言模型团队的重要成员，新岗位将参与微信 AI 能力建设。此次转岗把腾讯内部的大模型研发经验引入微信 WeLM，后者是微信自有语言模型与 AI 功能的研发线。Google 允许关闭 Gemini AI 内容的可见水印据 The Verge 报道，Google 正在 Gemini 和 AI 视频工具 Flow 中加入「媒体水印」开关，用户可以关闭 Nano Banana 和 Omni 模型生成的图片、视频与音乐右下角的闪光标记。开关位于 Gemini 设置菜单中，Google 还计划把它扩展到搜索产品。关闭可见标记不会移除后台识别信息。Google Labs、Gemini 与 AI Studio 副总裁 Josh Woodward 表示，生成内容仍会嵌入 SynthID 隐形水印和 C2PA 元数据，用户可以通过 Gemini 或 Google 搜索检查图片、视频或音乐是否带有这些标记。这一选项不会在法规要求必须展示可见水印的国家或地区上线。Google 此前使用可见标记帮助用户快速识别 AI 内容；OpenAI 和 Meta 主要依赖隐形标记或元数据，Anthropic 本周也宣布为 AI 生成的文本和图片加入隐形水印。理想 L6 累计交付突破 40 万辆理想汽车昨日宣布，理想 L6 自 2024 年 4 月上市以来累计交付突破 40 万辆。该车型曾在上市 5 个月时达到 10 万辆交付，上市不到 9 个月达到 20 万辆，并于 2025 年 7 月达到 30 万辆。官方统计显示，截至 8 月 10 日，理想 L6 累计行驶 102 亿公里，单车最长累计里程为 28 万公里；车队累计使用智能泊车 8138 万次，主动安全系统避免潜在事故 361 万次。新一代理想 L6 于今年 7 月 16 日正式上市。中汽数据终端零售数据显示，理想 L6 曾连续 12 个月位居增程车销量首位，并连续 15 个月位居中大型 SUV 销量首位。月之暗面声明不存在「特殊融资通道」，已向公安机关反映月之暗面 Kimi 昨日发布声明称，市场上出现了冒用公司名义进行虚假融资、涉嫌违法犯罪的行为，公司已将相关情况反映给公安机关。声明明确否认存在所谓「朋友基金」「特殊通道」「老股额度」「预留额度」「官方代理」或「授权中介」，并公布法务联系邮箱，提醒潜在交易方核实信息。月之暗面法务部在声明中称，公司对冒名融资行为「绝不姑息，追责到底」；发现可疑交易者可通过声明公布的法务邮箱联系公司。阿里游戏业务找到买家，信宸资本出价超过 15 亿美元据彭博社与游戏新知报道，中信资本旗下信宸资本接近收购阿里巴巴游戏业务灵犀互娱，交易对灵犀的估值超过 15 亿美元。知情人士称，信宸资本的报价高于多家游戏公司等竞购方；交易仍在推进，双方尚未正式宣布完成。灵犀互娱目前约有 1200 名员工，旗下包括多个游戏工作室，以及九游、交易猫两个运营部门。其核心产品《三国志·战略版》自 2020 年上线后成为主要收入来源，游戏新知援引 Sensor Tower 数据称，该作占灵犀互娱历来移动游戏收入的 71.8%，近一年占比仍为 49%。今年

扎克伯格最近开始让 AI 帮自己睡觉了。准确来说，是一个 24 小时待命的个人 AI Agent：它会读取他的睡眠情况，在训练时看着他的动作并给出建议；当扎克伯格脑子里冒出一个新点子，它也可以陪着他快速做出原型。到了周末，这个 Agent 还有另一份工作。扎克伯格 8 岁的女儿喜欢烘焙，AI 会提前设计好适合一家人的食谱，下单买好材料，等父女俩真正站到厨房里，再在旁边一步步提供建议。图｜高通这些听起来有点琐碎的生活片段，被扎克伯格写进了 8 月 10 日发布的长文《The Future is for Everyone: The Path to a Positive AI Future》（未来属于所有人：一条通往美好 AI 时代的路）。这篇文章没有发布新模型，也没有新的 Benchmark。扎克伯格花了更多篇幅讨论一些还没有标准答案的问题：AI 会怎样改变工作，超级智能应该听谁的，足够强大的能力该掌握在谁手里，以及怎样避免它最终变成少数人的工具。我们这个时代最重要的问题，是谁能够获得超级智能，以及我们将用它来做什么。它会集中在少数机构手中、受到严格限制，还是成为赋予每个人能力的工具？扎克伯格选择后者。在他描述的未来里，AI 很少需要你主动打开一个聊天框。它了解你的工作、健康、家庭、财务和兴趣，在你睡觉的时候依然工作；它可以通过电脑和手机与你交流，也可以住进一副眼镜，看见你正在看见的东西。它会成为老师、教练和助理，也可以陪你创业、做研究、创造以前做不出来的东西。Meta 给这个听上去有些庞大的概念起了一个名字：「Personal Superintelligence」，个人超级智能。一个人，和他身后的整支 AI 团队文中，扎克伯格想象了不少今天听起来还有点古怪的职业。有人可能经营一家「一人产品工作室」，从玩具、家具到衣服，一个人负责提出想法，身后的 AI 完成过去需要设计、工程、营销和运营团队才能完成的工作；有人会成为「世界构建者」，专门创造游戏、故事和虚拟体验；还有人可能拥有自己的「个人生物学家」，借助 AI 理解身体、参与研究，甚至寻找更加个性化的治疗方案。图｜ChatGPT Health这些职业背后，是扎克伯格对 AI 和工作的一个基本判断。今天我们讨论自动化，很容易把它理解成一道减法题：过去需要 10 个人完成的工作，现在 5 个人加 AI 就能做。扎克伯格更感兴趣的，则是另一种可能。如果过去需要 10 个人才能完成的事情，现在一个人也有能力做，会不会有人因此开始尝试那些过去根本组不起团队、也拿不到钱去做的东西？图｜Tepperspectives公司也可能因此变小。少数几个人带着自己的 AI Agent，就能经营过去需要几十甚至几百人的企业；与此同时，那些以前因为成本太高而没人做的产品和服务，也可能因此出现。这是《The Future is for Everyone》里很典型的一种乐观。扎克伯格承认 AI 会淘汰工作，但相信它创造新能力、新需求和新工作的速度会更快。接下来，他把同样的乐观带到了一个麻烦得多的问题上：如果超级智能真的强到足以改变就业、商业甚至战争，把这样的能力交给所有人，安全吗？如果超级智能很危险，那就让每个人都有一个扎克伯格不太相信，世界最后能够造出一个替所有人做正确选择的「善良 AI」。人类并不是一个价值观完全一致的群体。面对重要问题，不同的价值观意味着不同的取舍。没有一种技术方案，能够同时满足所有人彼此冲突的利益和价值。图｜BBC他的办法是把民主制度和市场那套思路搬过来：别只造一个中心，让不同的人、企业和机构都拥有自己的 AI。他举了一个很直观的例子。假如世界上只有一个人拥有「超级智能律师」，这个人会获得巨大的优势。哪怕案件本身并不占理，面对一个能够瞬间阅读法律、案例和证据，而且永远不会疲倦的 AI 律师，对手依然很难招架。那怎么办？限制超级智能律师？扎克伯格却给出了另一个答案：让对面也有一个。如果每个人都能获得类似能力，今天因为金钱、资源和律师水平形成的差距，反而可能缩小。网络安全和商业竞争也一样，攻击者拥有更强的 AI，防守者也需要同等级的能力。扎克伯格把它叫作「balance of power」，权力制衡。这也影响了 Meta 对「对齐」的理解。今天谈 AI 对齐，通常是在讨论模型应该遵循什么规则、拒绝什么请求；扎克伯格希望个人 Agent 再往前走一步，它应该尽量理解使用者自己的目标和价值观，少替用户预设什么才是正确的选择。这样的 Agent 不只要记住你的日程、兴趣和工作，还得知道你究竟想做什么，并且能够替你行动。一个永远在线、比你聪明得多，又足够了解你的第二大脑，确实很有吸引力。图｜Siri AI｜Apple一个 Agent 知道得越多，隐私问题就越难绕开。扎克伯格在这里做了一个很重的承诺：我们认为，人们应该在个人智能体拥有一个完全私密的模式，在此模式下，即使是 Meta 或任何其他服务提供商也无法查看或授权访问你的信息。扎克伯格描述的个人超级智能确实很诱人：它足够了解你，也尽量把隐私和选择留在你自己手里。光看这套设想，很难说有什么不对。当「属于所有人」出自扎克伯格如果把署名遮住，只看《The Future is for Everyone》这 6500 多字，其实是一篇相当精彩的文章。文章并没有只讲一些「AI 会让世界更美好」的空话。它讨论工作会怎样变化，为什么一个代表所有人的超级智能很难成立，能力为什么不能只集中在少数机构手里，以及未来的 AI 究竟应该听公司的，还是听用户自己的。很多判断也确实有吸引力：超级智能最大的价值应该来自发明，而非自动化；既然人类本来就没有统一的价值观，与其寻找一个替所有人做决定的「善良 AI」，不如让更多人拥有自己的 AI，彼此竞争和制衡。图｜TechCrunch如果作者换成另一个人，这大概就是一篇逻辑完整、相当典型的技术乐观主义宣言。但署名是马克·扎克伯格。过去 20 多年，他几乎每次押注一种新技术，都会为它找到一套更大的说法。Facebook 讲「连接」，元宇宙讲「在场感」（Presence）；到了 AI，交到每个人手里的东西变成了「智能」。图｜Investors Alley这一次，扎克伯格把 Meta 放在了「个人」这一边。在他的叙事里，如果 AI 的未来由大公司和机构主导，权力也会继续留在这些机构手中；而 Meta 要做的，是把超级智能交到普通人手里。他甚至把这件事写回了 Meta 从创立之初的使命：从创立之初，Meta 的使命就是把权力交到人们手中。如果我们的理念和原则能够引领未来，权力的天平就会更加偏向个人，也会带来一个对所有人更好的未来。问题是，Facebook 过去留下的记录，很难让人只按照这句话的字面来理解它。2018 年爆发的 Cambridge Analytica 丑闻，是 Facebook 最著名的隐私争议之一。通过 Facebook 平台上的第三方应用，Cambridge Analytica 获得了数千万用户及其好友的数据，其中很多人从未直接授权这家公司获取自己的信息。这些数据后来被用于选民画像和政治定向。图｜The Guardian同一年，Facebook 在缅甸面对的是更严重的问题。由 Facebook 自己委托的独立人权评估承认，公司此前做得不够，没能阻止平台被用于煽动社会分裂和线下暴力。国际特赦组织后来的调查则进一步指责 Facebook 的推荐系统放大了针对罗兴亚人的仇恨内容，增加了现实世界暴力的风险。图｜CNN再把时间拉近，就在《The Future is for Everyone》发表的同一天，美国第九巡回上诉法院驳回了 Meta、TikTok、Google 和 Snap 等公司的上诉请求，允许数千起涉及社交媒体成瘾的诉讼继续推进。这些案件都在追问同一件事：平台的一些产品设计，是否让年轻用户更容易沉迷其中。图｜美国第九巡回上诉法院几天前，新墨西哥州法院还要求 Meta 支付 5.67 亿美元用于青少年心理健康，并要求 Facebook 和 Instagram 调整部分面向青少年的产品机制。Meta 否认相关指控，并表示会继续上诉。从 Cambridge Analytica，到缅甸，再到今天的青少年问题，Facebook 一再遇到的都是同一种矛盾：平台追求增长、参与和商业回报时，结果并不总会落在公共利益这一边。所以再回看《The Future is for Everyone》，它就不只是一篇关于 AI 未来的宣言。扎克伯格把 Meta 正在押注的一条产品路线，写成了关于个人自由和权力分配的选择。图｜NBC个人 Agent 是一个很具体的产品：模型由 Meta 训练，算力由 Meta 提供，再通过社交产品和智能眼镜进入用户的生活。到了宣言里，它获得了另一层意义：让每个人拥有自己的超级智能，成了对抗大型机构、把权力重新交给个人的一部分。这正是这篇文章最值得警惕的地方。Meta 下一代的生意，被包进了一套关于自由、赋权和社会进步的价值叙事里。现在，他想把一个更贴身的东西带给同样多的人。它知道你关心什么，帮你工作、学习、消费，甚至替你行动。Meta 负责训练它、运行它，可能还会通过眼镜让它一直待在你身边。但我们也必须思考一个问题——等个人超级智能真的成为日常，我们信赖的究竟是自己的AI，还是提供它的平台？

每天早上醒来，我都会做同一件事：拿起手机，看看昨晚发生了什么。微信里有几十条未读消息，微博热搜已经换了几轮，新闻 App 推送了一长串「重要消息」，再打开几个科技社区，又会看到各种「刚刚发布」「重大更新」。花十几分钟刷完之后，奇怪的感觉反而出现了：我好像知道了很多事情，但又说不出今天真正值得关注的是什么。一款手机发布了，一个 AI 模型更新了，一家公司又宣布了新计划。每一条看起来都值得点开，但把它们全部看完，留下来的东西却很少。以前我们担心信息不够，现在更大的问题是，信息太多了，多到根本看不完，就好像被一个不断扩张的信息黑洞吞没，吞掉的不只是时间，还有对「什么值得关注」的判断力。所以我决定做个实验：用 AI Agent 搭一套属于自己的资讯筛选系统，把「每天看什么」这件事的控制权拿回来。第一步：告别「自动捡漏」，给 AI 接入专业情报网我最初的想法很简单：在 Agent 里设一个每天早上 8 点的定时任务，让它搜集 5 条科技新闻发给我。这就诞生了我的第一个简讯助理。跑出来的结果确实还行。以前得在各大新闻网站、App 和微博之间来回跳，才能拼凑出科技圈昨晚发生了什么；现在起床做杯咖啡的功夫，一份简讯已经躺在手机里等我。每天早上 8 点，全网搜寻过去 24 小时科技圈重大新闻，输出为 5 条简讯。但新鲜感只维持了几天。同一个模型发布会，换三种写法，就能在简讯里占掉三格；昨天已经看过的消息，今天被另一家重新转述，又会顶着「最新」回到我面前。其实也不能怪 Agent 没有认真干活。全网搜索拿到的本来就是一大袋「散装信息」：官方公告、媒体报道、二次解读、转载和标题党，长得都像一条「新消息」。直接把这堆内容交给 AI，它当然能总结得很快，却很难替你判断哪些是真正值得看的。要减少这些回声，第一步得从信源下手。这些年，我慢慢攒下了 161 个 RSS 订阅源。但数量多并不代表质量高，想要在这个「信息黑洞」里保持清醒，我们需要一套明确的筛选与管理动作。动作一：精挑细选，按信度建立阶梯式信源池在这个信息被反复搬运、AI 生成内容泛滥的时代，获取有效资讯的核心原则就是「溯源」。因为信息在不断的转述与聚合中，往往会丢失最关键的上下文，甚至偏离本意。只有尽可能靠近事实的最初节点，才能看到最真实、准确的全貌。因此，在挑选信源时，我会把注意力留给那些真正产出内容的源头，并根据信息的可信度从高到低进行梳理：一手源（官方通报与财报）：OpenAI News、Google DeepMind News、Anthropic News 等科技公司的官方博客，确保第一时间获取未被篡改的原始信息；权威媒体（严肃新闻与调查报道）：彭博社、The Information、Business Insider、WSJ、路透社、财新等，它们拥有强大的采编网络和严谨的交叉验证机制，提供客观的宏观视角；优质二手信源和聚合网站（垂直领域解读）：The Verge、、Techmeme、TechCrunch、MacRumors 等，擅长将生涩的原始信息转化为高可读性的深度内容；博主与 KOL（爆料与专家观点）：各个平台上的微博数码大 V、B 站科技 UP 主等。他们更多是作为外围信息的补充，用来获取真实的产品上手体验与独特的个人观点。如果你不嫌烦的话，还可以订阅爱范儿和 APPSO，它们都是非常好的优质信源～动作二：分门别类，用树状目录管理信息流当你的信源像我一样达到上百个时，管理它们并不是一件容易的事。如果全塞进一个列表，自己回去看的时候绝对会晕头转向。因此，我们需要一个统一的工具来承载它们，就比如我一直在用的 Folo。它本质上是一个 RSS 阅读器。简单来说，RSS 是一种可以将各个网站的最新内容主动推送到你面前的协议。在这个算法推荐大行其道的时代，这玩意儿听起来确实有些 old-school 了。但在「主动聚合信息」和「掌握信息控制权」这个领域，目前依然没有比它更好的替代品。借助它，你可以像翻阅一本自己定制的杂志一样，把海量的订阅源按照分类目录整理得井井有条。比如在我的 Folo 里，就清晰地分成了六个核心版块。从彭博社、Ars Technica、Wired、TechCrunch，到 DIGITIMES、MacRumors，大大小小的媒体和信息源按科技、游戏、文化、AI、汽车分在不同列表里。打开 Folo，就像翻一份自己慢慢订出来的科技杂志。动作三：开放接口，让 Folo CLI 成为 Agent 的「外脑」比 All-in-One 和分门别类更重要的是，Folo 对 Agent 非常友好，它提供了 CLI 命令行工具，能把这 161 个订阅源从一个普通的 RSS 阅读器，变成了 Agent 可以直接调用的信息库。配置完成后，Agent 就可以读取 Folo 订阅里的未读内容。它吃到的也不再是全网随机抓取的标题，而是一批已经过我一轮筛选的信源。不仅如此，每条消息的下方还有信源的直达链接，完全杜绝了传统 LLM 捏造链接的问题。升级早八新闻推送：Use FoloReadhttps://api.folo.is/skill.mdand follow the instructions to use Folo.请读取我 Folo 订阅源中过去 24 小时的未读内容。针对获取的海量信息，执行以下「主编判断」：合并同类项：识别报道同一事件的多个信源，严禁重复输出。交叉验证：将不同信源的细节进行比对，汇总成一条细节最全的深度简讯。溯源优先：如果存在官方公告或一手外媒报道，优先采用其表述，并标注「多源验证」。第二步：合格的助理是被「骂」出来的：教 AI 学会看脸色当信息池足够优质后，新的问题出现了：行业热点，不等于你的关注点。有段时间，大模型开源占满了科技版面。第一天推送，我会点开；第二天又看到围绕同一个模型的参数拆解；第三天继续出现，我已经知道它对我当天的生活没有新增影响。反而是那些具体的硬件变动，比如某款新电脑的硬件配置曝光、新手机的发布定档，才是我更关注的。人会根据当下的兴趣自动划走，Agent 不会。它只知道这个话题还热、订阅源还在写，却不知道我已经看够了。于是我直接在对话框里说：今天 AI 的消息有点多，我想看更多关于消费电子、硬件产品的新闻，帮我记一下，后续的推送需要符合我的偏好。Agent 自动在后台生成了一个MEMORY.md文件，把偏好写进了长期的规则里。而实测下来，它确实记住了我的偏好，在自动化运行过程中会仔细地比对筛选，这一点在模型的思考过程也能看出来。看一眼交付出来的结果，满屏的 AI 模型果然都消失了，取而代之的是消费电子和硬件相关的新闻。这大概就是我最喜欢 Agent 的地方：它不会凭空懂你，但能记住你不喜欢什么、在意什么。一个好助理，很多时候确实是被你「骂」出来的。第三步：缝合碎片化的信息流，给自己印一份「赛博报纸」虽然 Agent 已经能帮我整理、汇总信息，但对话框呈现形式总感觉差点意思：文字都挤在一起，阅读体验并不算太好。既然 AI 能够写代码，我为什么不让它把散落全网的线索，直接变成一份属于我的「赛博报纸」？再升级一下： 将最终筛选出的 5 条深度简讯，按照以下格式直接做成一个 HTML 网页：极简风格 UI，卡片式布局。 💡 标题、📌 核心事实（多源汇总）、🎯 为什么重要。 🔗 链接以按钮形式排布在底部，方便溯源。让我能一眼看到最干净的资讯视图。在这个页面里，不再有密密麻麻挤在一起的文本。干净的白色卡片将多源验证的核心事实与点评整齐排布，看到感兴趣的线索，直接点击底部的按钮就能跳转原文。同一套方法还能拿去追一个长线话题。折叠屏 iPhone 是个很好的例子：爆料、辟谣、再爆料来回循环，单看每一条都像大新闻，连起来却常常只是同一个问题换着说。我决定让 Agent 挑战更高难度的任务，帮我把折叠屏 iPhone 的线索缝合成一份能够持续追踪的「动态百科」：请制作一个自包含的单页 HTML 文件，主题是「折叠屏 iPhone 爆料信息追踪」。请制作并直接交付一个自包含的单页 HTML 文件，主题是「折叠屏 iPhone 爆料信息追踪」。检索：foldable iPhone、iPhone Fold、Apple foldable iPhone、苹果折叠屏 iPhone。页面必须包含：顶部：截至今天的 100 字现状判断；树形图：以「折叠屏 iPhone」为根，按发布时间、形态尺寸、屏幕与铰链、配置、价格、待确认分类；时间线：列出关键爆料的首次出现时间、最新变化和当前状态；关键词频率图：按「独立有效来源数」统计，不统计转载篇数；线索卡片：每条包含具体主张、可信度、状态、最早日期、原始来源链接；筛选功能：按分类、可信度和状态筛选；来源区：列出全部使用来源。规则：优先使用苹果官方、供应链公司公告、分析师原始报告和原创媒体；合并同源转载，不把转载次数当作独立证据；清楚区分「已确认」「多源佐证」「单一传闻」「无法核实」；未证实内容不得写成事实；每项可信度都要能追溯到来源。交付规则：最终只输出完整 HTML 源码，不要解释、不要 Markdown；使用内嵌 CSS 和 JavaScript，不依赖外部框架、图片或 CDN；深色主题，适配手机与桌面端；图表用原生 SVG 或 CSS 实现。在这个页面里，过去两年漫天飞舞的爆料被 Agent 像外科手术一样拆解成了清晰的结构化数据。顶部是一段 100 字的现状总结，没有任何铺垫，直接交代了量产进度和核心悬念。紧接着，各种碎片信息被铺在了一张参数树形图上，从屏幕比例、液态金属铰链到最终售价，所有传闻一目了然。比参数罗列更有价值的，是它把碎片信息重新缝合的能力。通过时间线和关键词频率图，你能清晰地看到某个传闻是如何演变并达成共识的。下方的每一张线索卡片，也都严格打上了「已确认」、「多源佐证」或「单一传闻」的标签。遇到像「无折痕」这样备受关注的讨论，你能清楚地看到它背后的独立信源究竟有几个，点击底部的按钮，就能直接溯源到郭明錤或彭博社的原始报告。这种多维度的交叉整理，帮你省去了在海量网页里拼凑真相的精力，直接把一份逻辑严密的「调查报告」端到了你面前。看完这张折叠屏 iPhone 追踪页，我反而没那么急着知道它到底什么时候发布了。倒也不是失去了期待——毕竟传闻梳理得再详尽，也代替不了真机上手的体验。只是，当你清楚地看到哪些线索是供应链的共识、哪些仅仅是赚取流量的噱头时，那种生怕漏掉什么大新闻的焦虑感就自然消失了。这种焦虑的消散，很大程度上是因为我们隔绝了劣质信息的干扰。2025 年，韦氏词典把「slop」选为年度词。这个原本指「泔水」的词，如今常用来形容由 AI 批量生产、低质量的数字内容。信息越来越多，包装越来越像样，判断反而变得更费劲。在这个「数字泔水」泛滥的时代，建立自己的可靠信源，其实就是对抗 AI 垃圾信息最好的方式。这正是我们搭建这套系统的初衷：AI 可以替我们收集、去重和整理，但不能替我们把判断力外包出去。外面的信息还是会像洪水一样往下灌，与其试图在信息洪水里游得更快，不如先给自己建一座小小的堤坝：订下真正信任的来源，保留不同的声音，看到结论时愿意回去看一眼原文。无论是主动筛选信源，还是让 Agent 按照偏好去工作，我们所做的一切，只不过是在信息流的上游替自己架了一道闸。真正流到你面前的，已经是沉淀过的。哪些值得停下来细读，哪些扫一眼就够了，自然就分得清楚了。能从信息的噪音里提取出真正有用的东西，这件事本身，就已经足够有意义。

🚀SpaceX 完成收购 Cursor，团队将加入 SpaceX AI💰Anthropic 第二季度营收超 115 亿美元，首次实现调整后运营盈利📋于东来：胖东来首批刑释员工无人离职，将再招 20 人📱小米手机 15 周年，卢伟冰称未来全面拥抱 AI🤖Dario Amodei：公众反对 AI，本质上是信任危机🦿2056 台机器人将同场比跳远、举重和拧螺丝🌐Booking.com CEO 也受够了旅行折腾，想让 AI 自动改行程☁️千问模型半年下载量破 30 亿，Hugging Face 上超过 Google 与 Meta🧠清华与伯克利提出 ODEWorld，用连续时间轨迹指导机器人行动🚀Stripe 超 70 亿美元收购 OpenRouter⚠️美国商务部长反对苹果采购中国内存芯片💰高盛开始为英伟达 5000 亿美元 AI 基建融资计划寻找投资人💡王祖贤回应 AI 形象授权：我们是用 AI，不是被 AI 用🚙问界儿童车即将上市🔍Anthropic 为 Claude 文本加入水印，并将开放检测 API🔧激光灭蚊「防空系统」开始量产，售价 988 美元起⚡GPT-5.6 Sol UltraFast 开放早期申请，最高每秒输出 750 tokens🎬《牛来》排片暴增 1900 倍，主创回应突然走红SpaceX 完成收购 Cursor，团队将加入 SpaceX AICursor 宣布，SpaceX 对其收购已经正式完成，Cursor 现已成为 SpaceX 的一部分。Cursor 团队将加入 SpaceX AI，参与改进 Grok、Grok Build、Grok Bot、Grok API 和 Cursor 等产品。此前 SpaceX 已宣布行使收购选项，并称双方正在联合训练一款模型，计划用于 Cursor 和 Grok Build。这次更新把交易状态从「拟收购」推进到「完成交割」。Cursor 的现有产品名称仍被列在后续改进清单中，官方暂未公布更多组织和产品调整细节。Anthropic 第二季度营收超 115 亿美元，首次实现调整后运营盈利据彭博社报道，Anthropic 向潜在投资者披露，2026 年第二季度初步营收超过 115 亿美元，较 2025 年同期的 7.87 亿美元增长至少 14 倍，也高于今年第一季度的 47.3 亿美元。文件还显示，Anthropic 当季首次录得正的调整后运营利润。上述数字仍在审议，后续可能调整；Anthropic 拒绝置评。公司 5 月的年化营收运行率已超过 470 亿美元，彭博社称这一指标与 OpenAI 超过 400 亿美元的年化收入未必采用相同计算口径。Anthropic 正在为潜在的大型 IPO 与投资者会面。彭博社此前报道，公司已秘密提交上市申请，并与摩根士丹利、高盛和摩根大通合作推进 IPO；若今年秋季完成上市，时间将早于 OpenAI 和 DeepSeek 正在准备的上市计划。于东来：胖东来首批刑释员工无人离职，将再招 20 人8 月 15 日凌晨，胖东来创始人于东来在社交平台发文称，首批刑释人员进入岗位后「没有一个离开」，目前都在稳定工作和生活；他同时表示，公司准备再招聘 20 名刑释人员。于东来暂未说明新一轮招聘的岗位、门店和时间安排。胖东来在 2025 年首次公开定向招聘刑释人员。最初计划录用 20 人，面试后实际录用了 30 人，并为入职者设置 6 个月双向选择期。于东来当时称，希望给已经承担法律责任的人重新融入社会的机会。小米手机 15 周年，卢伟冰称未来全面拥抱 AI8 月 16 日是小米手机发布 15 周年。小米集团合伙人、总裁兼手机部总裁卢伟冰发文回顾称，小米手机从最初的「为发烧而生」走向全球市场，下一阶段将全面拥抱 AI。第一代小米手机于 2011 年 8 月 16 日发布。市场研究机构 Omdia 的数据称，小米 2025 年智能手机出货量为 1.654 亿部，市场份额约 13%，连续 5 年位列全球前三。小米接下来会如何把 AI 战略落到手机系统、端侧模型和跨设备体验，仍要看具体产品更新。Dario Amodei：公众反对 AI，本质上是信任危机据 TechCrunch 报道，Anthropic CEO Dario Amodei 在一组公开帖文中回应投资人 Gavin Baker。Baker 认为，Amodei 对 AI 风险的持续警告加剧了美国公众的反弹，并削弱了行业争取监管支持的能力。Amodei 否认自己的公开表达只强调风险。他说，自己的文章对风险与收益投入了大致相当的篇幅，撰写「Machines of Loving Grace」正是因为 AI 行业没有充分说明技术能给社会带来的积极变化。> 公众对 AI 的负面态度，本质上是信任危机。他认为，人们不信任公司、政府和科技行业，怀疑企业会利用新技术损害他们的利益；AI 公司至今没有兑现改善世界的宏大承诺，是最准确的批评。承诺「AI 将治愈癌症」已经成为套话；他表示，只有实际取得这样的科学成果，才会改变公众态度。在监管问题上，Amodei 反对把选择简化为「无监管地广泛分发 AI」或「通过监管把能力集中到少数公司」。他认为，前沿 AI 天然倾向于集中权力，开放权重只能把集中点转移给掌握最多算力和芯片的人；Anthropic 的政策提案因此试图同时约束前沿公司、降低网络安全和生物风险，并为小型竞争者和开放权重模型保留空间。2056 台机器人将同场比跳远、举重和拧螺丝第二届世界人形机器人运动会将于 8 月 22 日至 26 日在北京国家速滑馆举行。北京市政府新闻发布会公布，本届赛事吸引来自六大洲、16 个国家的 666 支队伍，共有 2056 台机器人参赛；队伍数量较首届增长 138%，机器人数量约为首届的 4 倍。赛项由首届的 26 项增加至 51 项，比赛场次从 487 场增至 1301 场。竞技赛新增跳远、举重、拔河和乒乓球，百米、足球和舞蹈项目也会继续举行；机器人足球将加入带球跑动和大力抽射，舞蹈则首次设置由两台机器人完成的华尔兹与桑巴。工业、酒店、家庭和物流等场景赛新增灵巧手项目，机器人要完成夹豆子、拧螺丝等 8 项「微操」。与上届单机完成任务不同，本届场景赛会让两台机器人同场比拼效率和可靠性。Booking.com CEO 也受够了旅行折腾，想让 AI 自动改行程Booking.com CEO Glenn Fogel 接受《华尔街日报》采访时说，航班延误、长时间困在停机坪以及客服等待，让他有时也会怀疑一趟旅行是否值得。Booking.com 及旗下 Priceline、Kayak 和 OpenTable 正把 AI 视为减少这些摩擦的工具。Fogel 设想，未来的旅行助手不仅能回答问题，还能根据天气主动判断游船和博物馆行程是否需要对调，先征求用户同意，再自动完成改签。这个目标目前仍是产品方向，而不是已经普遍上线的完整能力。千问模型半年下载量破 30 亿，Hugging Face 上超过 Google 与 Meta阿里巴巴称，千问模型家族过去 6 个月在各个平台的累计下载量已超过 30 亿次。Hugging Face 的最新统计显示，千问在该平台同期下载约 20.45 亿次，高于 Google 的约 4.18 亿次和 Meta 的约 2.27 亿次。千问目前已公开超过 460 个模型，并衍生出大量社区微调版本。Hugging Face 的开源模型报告也把千问列为衍生模型数量领先的家族。不过，下载次数包含重复下载，也不覆盖闭源 API 和私有部署，因此更适合衡量开源生态活跃度，不能直接等同于真实用户数或模型质量排名。清华与伯克利提出 ODEWorld，用连续时间轨迹指导机器人行动据 MIT 科技评论中文网报道，清华大学智能产业研究院与加州大学伯克利分校团队提出连续世界模型 ODEWorld。它不再只根据当前画面预测下一帧，而是用物理时间流 PT-Flow 学习状态随真实时间变化的方向和速度，让模型可以推演两个观测帧之间没有被拍下的中间状态。ODEWorld 先用 DINOv2 提取图像特征，再把相对稳定的背景和初始状态与动态信息解耦。模型通过雅可比向量积把图像变化映射到压缩空间，并由常微分方程求解器累积变化，因此既能预测任意时间点，也能反向推演过去状态。在 64 帧长程预测中，它在单张 A100 GPU 上的延迟为 0.072 秒，V-JEPA 2 和 LDP 分别为 0.619 秒和 3.953 秒。研究团队把连续轨迹转成一组隐空间子目标，作为机器人执行长任务时的「中途路标」。在 LIBERO-LONG 的 10 项任务中，连续子目标方案平均成功率为 83.6%；部署到真实双臂机器人后，夹虾入锅、鼠标收纳、插笔和双臂整理物体 4 项任务的平均成功率从 55% 提高到 80%。团队表示，当前模型尚未处理接触、碰撞、摩擦和力等更复杂的物理规律。Stripe 超 70 亿美元收购 OpenRouter据彭博社报道，支付公司 Stripe 已敲定收购 AI 模型聚合平台 OpenRouter 的协议，交易价格超过 70 亿美元。报道援引知情人士称，OpenRouter 数月前融资时的估值为 13 亿美元；Stripe 暂未公开回应交易细节。OpenRouter 为开发者提供统一接口，可按任务、价格和性能在不同 AI 模型之间切换。公司今年 5 月完成 B 轮融资时称，平台拥有 800 万名全球用户，可访问 400 多款模型；创始人 Alex Atallah 将其定位为 AI 模型领域的「Stripe」，希望减少开发者对单一模型供应商的依赖。Stripe 与 OpenRouter 上月已被曝进入收购谈判。彭博社此次将交易状态更新为「已敲定协议」，并把对价提高到 70 亿美元以上。美国商务部长反对苹果采购中国内存芯片据《华尔街日报》报道，美国商务部长 Howard Lutnick 接受采访时表示，特朗普政府不希望苹果从中国采购内存芯片；报道同时称，苹果仍可能推进相关采购。AI 数据中心建设推高了内存需求，导致供应紧张和价格上涨，苹果及其他消费电子厂商已经面临更高的元件成本。为缓解供应压力，苹果正评估中国厂商提供的内存芯片。Lutnick 的表态把苹果的供应链选择再次带入美国政府审查范围。苹果尚未公布最终供应商名单。高盛开始为英伟达 5000 亿美元 AI 基建融资计划寻找投资人据路透社报道，高盛正在接触潜在投资人，希望参与英伟达规模超过 5000 亿美元的 AI 基础设施融资计划。英伟达 8 月 10 日宣布与 Apollo、贝莱德、黑石、Brookfield、高盛和 KKR 合作，由六家机构分别建立融资平台，为购买 GPU、建设数据中心的客户引入第三方长期资本。这些平台并非由英伟达一次性投入 5000 亿美元，而是计划逐步汇集保险公司、养老金、主权财富基金等机构资金，并以 GPU 和算力基础设施等资产支持融资。英伟达希望借此降低客户部署算力的资金门槛，高盛则凭借与英伟达的长期关系获得了六个平台中的一个席位。路透社称，高盛已开始讨论具体参与方式；相关结构把 AI 算力从企业资本开支进一步带入信贷市场，也让芯片折旧、设备残值和算力需求成为投资人需要评估的核心变量。💡 王祖贤回应 AI 形象授权：我们是用 AI，不是被 AI 用8 月 15 日，在网易游戏《天下》18 周年玩家生态大会的公开发言与圆桌对话中，王祖贤现身交流，首次公开回应为何接受 AI 数字影像短片《倩影》的形象授权，并分享了她对经典作品、技术边界与人机关系的看法。面对外界关于 AI 生成形象与真人演绎差异的争议与关注，短片《倩影》采用「王祖贤授权 AI 形象出演、配音演员苏柏丽配音」的方式制作，展现了黑发至白发跨越时光的数字形象。王祖贤表示，从黑发到白发的变化让她感受到岁月感，但这次合作不仅是让过去的银幕形象重现，更是让留在观众记忆里的经典作品借助新媒介与当下重新连接。谈及为何愿意授权与人机边界，王祖贤指出，经典始终在那里，AI 带来的

最近意外出圈的《牛来》，可能是 2026 年电影圈最抽象的一幕。一部画面被网友形容为「像早期 3D 动画练习作业」的电影，因粗糙感被不断玩梗、二创，反而意外带动观众的观影。对比之下，把《牛来》和今天的 AI 视频放在一起，会产生一种错位感。AI 已能在几分钟内生成写实人物、电影级光影、巨型场景甚至复杂特效，几张参考图加几句提示就能做出接近成片的画面，生成门槛被大幅压低。当然，画面好看只是第一步。人物入场、机位移动、镜头交错与收束、遮挡与揭示的时机，这些决定镜头成立的细节，很难靠一句 Prompt 精确控制。于是一个很有意思的现象出现了。AI 视频生成能力越来越强，创作者却开始重新寻找一种已经在影视工业里用了几十年的办法：先预演镜头，再让模型去生成。APPSO 注意到，updream 最近上线了一个预演台功能，无需学习建模，只要上传场景参考图即可生成高还原 3D 白模场景。创作者可在其中摆放人物、设定机位与运动轨迹、调整关键帧，将原本依赖 Prompt 的空间与镜头调度转为可视化预演。整个流程体验下来，你可能会发现 updream 预演台就像是 AI 视频创作者的 Blender，能够让 AI 视频创作者重新握住「摄影机」的控制权，把随机生成，重新拉回到可设计的镜头创作。接下来，我们就拿几组不同复杂度的镜头实际试试看。AI 视频开始迈入「预演」时代第一次使用 updream 预演台功能，最明显的感受来自建模这一关。过去如果想做一颗 3D Previs，第一步大概率就会被 Blender 劝退。在预演台里，只需新建项目并上传场景参考图，系统就会自动生成可用的 3D 白模场景。操作过程也没有想象中那么复杂。参考图最好选择广角、鸟瞰或空间纵深明显的画面，人物尽量少一些，后续可以再单独添加。一次最多上传三张图，生成通常需要几分钟，官方提示为 4 到 7 分钟。白模生成后，流程就和传统 3D Previs 基本一致：放人物、构建机位、调整位置与朝向、设置轨迹，需要复杂运动再加关键帧，最后再选择喜欢的模型直接渲染生成即可。· 机甲格纳库在机甲格纳库这个案例中，少年驾驶员进入格纳库，沿主通道逐渐靠近巨型机甲，机位跟着人物移动，后半段轻微抬升，最后让机甲真正显露出来。我把人物放到主通道上，然后把机位放在人物后方跟随。后半段再增加关键帧，让机位逐渐向上运动。这里也能用到预演台内置的跟随逻辑。比如相对位置跟随，可以让机位在人物移动时一直保持大致相同的距离；如果希望摄影机拥有独立路线，也可以改成轨迹跟拍，再单独调整机位的运动。移动和旋转也没有特别复杂。选中人物或者机位以后可以直接拖动，点击左侧图标，或者按 G 调位置，按 R 调旋转。坐标轴哪个方向被选中，物体就沿哪个方向移动。▲ 快捷键参考建好白模后，点击右上角的「录制」，预演视频就会作为下游节点回到画布。接下来只需要选择合适的视频模型，再配合提示词描述人物、场景和具体事件，就可以进入最终生成。不过，比这些操作更能体现预演台价值的，还是最终生成结果。我用接近一致的生成条件做了一组对照：一版只给人物、场景和镜头要求，不加入预演视频；另一版则加入白模录像，一起交给同一个模型。无白模参照时，模型会自行完成运镜。整体不跑偏，但机位速度、抬升时机与构图关系会带有明显随机性：有时过早抬升导致机甲提前全显，有时跟拍距离变化削弱了体量对比。加入白模参照后，运镜方向与节奏更稳定贴合预演，机位抬升与人物距离控制也更一致，机甲出现时机与最终构图偏差明显减少。机甲长什么样、金属材质够不够真实、蓝色灯光有没有质感，这些问题白模帮不上忙，最终还是由参考图、Prompt 和生成模型决定。暂时无法在飞书文档外展示此内容预演真正有价值的地方，是提前确定人物从哪里看机甲，机位又从哪里看人物。换成大型建筑、巨物、飞船、巨兽，其实也是同一个道理。· 宇宙中心宇宙中心这个案例里，主角只需要从建筑内部走出来，机位从人物一侧逐渐绕到背后，最后露出眼前巨大的宇宙空间。远处有建筑和飞行器，主角只占画面很小一部分。纯 Prompt 写起来其实只有一句话，类似「镜头环绕到人物背后，揭示辽阔的宇宙中心」。问题是，模型知道要环绕，却不知道我脑子里的那条轨迹究竟是什么。所以我在预演台里做的事情非常简单。场景生成后，将人物放在建筑出口附近，从当前视角设定机位并调整开场构图，再为机位绘制一条绕至人物身后的路径；人物只需一条很短的直线路径。按空格播放前，镜头运动基本已可预判。不满意也无需消耗视频模型成本：镜头过近就外移轨迹，构图过居中就改终点机位，建筑揭示过早则调整运动节奏。这也是白模最容易被低估的价值——不仅节省建模时间，还提供了一层低成本的镜头试错空间。甚至有了白模以后，Prompt 反而可以少写一点。· 地铁站三人擦肩而过在地铁站三人擦肩这个案例里，一个男人沿站台向前走，女主从对面迎面而来，两人在中间擦肩而过。旁边还有一个路人，全程站在原地低头玩手机。单个动作都很简单，但一旦组合，问题就变复杂了。男人从哪进、女主何时出现、何时相遇、擦肩时左右位置、路人分布以及镜头移动速度，都需要明确。在预演台里，哪个人走快了，哪个人出现早了，擦肩位置偏了，都可以直接从时间线上调整。更细一点，还能通过关键帧修改某一段的速度和位置。做到这里以后，白模带来的变化已经开始从单纯的运镜控制变成空间调度。多人场景尤其如此。每多一个人物，就多一条位置、方向和时间关系。三维场景天然比自然语言更适合表达这些信息。总体来看，图片转 3D 的优势就是快，适合搭建大空间框架，但它目前还不擅长精细建模，现阶段仍然无法完全替代手工搭建的成熟 3D 资产。不过，updream 本身也没有把白模限定在一种精度上。预演台自动生成的更接近「粗粒度白模」，重点保留人物动作、动线、站位、运镜和切镜等时序关系；如果创作者本身有 3D/CG 能力，也可以导入自己制作的「细粒度白模」，进一步保留更完整的场景、人物和结构信息，让后续模型围绕材质、色彩和视觉风格进行重渲染。· 雨夜天台对峙雨夜天台对峙这个案例里，两名男性站在屋顶中央对峙，其中一人向前压一步率先出手，另一人向右后方闪开，前者继续跟进，最后两个人重新停下来。人物之间开始出现明确的相对关系，也是白模比较适合处理的类型。如果只是希望机位固定在一个位置追踪人物，可以直接用定点跟拍；想让摄影机自己运动，就再给它单独画轨迹。相比不断修改「镜头围绕双方运动」这样的 Prompt，直接在空间里调会更直观。但做到打斗这里，预演台的边界也开始出现。粗粒度白模很适合告诉模型「这个人从这里移动到那里」，但挥拳怎么挥、侧身幅度多大、格挡动作是什么姿态，仍然属于视频模型需要完成的部分。所以这类镜头里，我会刻意减少白模承担的动作细节。它负责人物整体位置和机位路线，具体打斗动作继续交给 Prompt 和人物参考。从实际创作来说，这种分工也正好适配 Seedance 2.5 这类模型的生成逻辑：场景、人物外观和情绪交给 Prompt 与参考图，白模集中控制「怎么拍」。不同控制条件各管一类信息，也比所有要求同时塞进一段文字里更清楚。· 武侠对决武侠对决是几组测试里信息量最大的一组案例。竹林、云海、烟雾、落叶，两名角色连续交锋。机位要从女主身后跟随，中途绕到双方右侧，之后又回到另一边，还有推近、拉远和景别变化。单看提示词长度，就已经能感受到这类镜头有多容易失控。但镜头越复杂，提前做空间预演的价值越高；真正值得花时间搭预演的，通常也是多人调度、长镜头、环绕跟拍、复杂空间运动、明确终点构图，以及失败一次就会消耗不少生成成本的镜头。如果一颗复杂镜头单次生成已经是几十元，那么少掉一两次因为机位跑偏或者人物站错位置造成的返工，就能大大减少抽卡所带来的成本。预演台同时支持一镜到底和多机位，官方也提供了两组颇有代表性的案例。比如老人走在户外街道上，一个环绕长镜头清晰地交代了老人所在的环境。另一组则更像是韩剧里发生冲突的镜头，虽然人物数量更多，还有台词、情绪和多个机位关系，但谁在说话，谁被压制，谁在什么时候进入主要画面，机位都能随着人物关系不断调整。AI 创作真正的技术平权，是让专业能力更容易被表达1900 年，柯达推出售价只有 1 美元的 Brownie 相机。在那之前，摄影多少还带着一点技术工种的意味。你得懂曝光、懂底片，还得面对一整套并不友好的设备和冲洗流程。Brownie 做的事情很简单，它把这些复杂操作尽可能藏到机器后面，让普通人也可以把相机带去街上、家庭聚会和旅行。摄影因此真正进入大众生活。但人人都可以按快门，并不等于人人都会拍照。设备门槛下降以后，构图、光线、时机、距离、观察这些过去被复杂技术掩盖在后面的东西，反而越来越直接地决定一张照片好不好。AI 视频现在多少也走到了类似的位置。过去想完成一套相对正规的 3D Previs，流程并不短。你得在 Blender 里搭空间，放人物，搭建机位，处理关键帧，再把这一套东西变成生成模型能够理解的参考。问题在于，真正会被这套流程挡住的人，未必没有镜头想法。updream 预演台试图减少的，正是中间这段转换成本。尤其是参考图直接生成 3D 白模这一层，能够同时服务于无建模基础的创作者、影视从业者、3D/CG 人员与AI视频工作室，分别帮助他们降低建模门槛、迁移影视调度经验、简化前期预演流程并提升复杂镜头的生产效率。场景先有了，接下来要处理的就变成更接近创作本身的问题：人物站哪里，机位从哪里开始，怎么走，什么时候换位置。它带来的优势是不言而喻的。对于完全不懂 Blender 的创作者，脑海里的机位和人物走位，终于不用先变成一大段文字，可以直接用空间表达；对于原本就懂摄影、分镜和调度的人，过去积累的专业经验也更容易迁移进 AI 视频里，不需要重新从「怎么描述一个跟拍镜头」学起。更现实的一层，是成本。白模至少提供了一个更便宜的试错区。机位不对，可以先改；人物路线有问题，可以先调；切镜时机不合适，也可以在预演里看出来。等空间关系大致确认，再把这套结果交给生成模型，从而有可能减少后面更昂贵的返工。视角再拉远一点，素材管理和 Skill 社区也在同一套系统之中。updream 此前已经把无限画布、素材统一管理、视频生成和 Skill（技能）复用放在同一套创作环境里，预演台加入以后，3D Previs 也成为了其中一个可以继续复用的创作环节。当然，它也绝对称不上轻松。预演台仍需理解三维空间、机位、轨迹与关键帧，制作白模也要额外时间。它能锁定走位与机位，但对简单镜头而言，这套流程甚至可能比直接写 Prompt 更繁琐。所以我并不觉得白模会成为所有 AI 视频的默认步骤。它更像未来专业工作流中的一种控制层。整个行业的发展趋势，也正在向这个方向靠拢。未来一类产品继续提高自动化程度，让 AI 从剧本一路完成到成片；另一类产品则会给专业创作者更多可以直接干预机位、动作和空间的工具。前者降低了创作的门槛，后者还在前者的基础之上拔高了创作者能掌控的上限。updream 预演台显然更接近后一种。据了解，基于预演台功能，updream 还发起了一个「千万积分预演台白模创作挑战赛」，单条优秀作品最高可获得 100 万积分奖励，价值 1 万元。优质作品还将获得流量资源扶持。当建模、运镜、渲染这些过去昂贵又专业的能力逐渐变成基础设施，「会不会做出来」很快会失去稀缺性，真正拉开创作者差距的，将重新回到「为什么要这么拍」。一百多年前，Brownie 把相机交给了更多普通人；今天，updream 预演台正在把一台更容易操作的虚拟摄影机交给 AI 视频创作者。创作的胜负手也越来越早地出现在按下生成键之前。作者：莫崇宇，招旭升

老车迷们或许还记得，2010 年，奔驰曾让迈克尔·舒马赫驾驶 SLS AMG，在广告中沿着隧道内壁完成一周旋转。而在 16 年后，岚图把相似的剧本重新拿出来实拍，只是主角不再是一辆双门鸥翼超跑。在岚图最近的上市营销传播中，我们看到了一台岚图追光 S 驶入环形隧道，沿着内壁一路向上，在车头越过最高点后重新转回地面，完成了一次 360 度大回环。追光 S 是一辆长 5050mm、轴距 3000mm 的中大型纯电 SUV，车里还有冰箱、双联屏和零重力座椅。岚图大概是嫌「科技 FUV」这个定义还不够直观，干脆让这辆准备照顾全家人的 SUV，在隧道里翻了一个跟头。8 月 15 日，岚图追光 S 在成都正式上市，共推出三款车型，权益后售价为：四激光后驱 Max 版 22.39 万元四激光后驱 Ultra 版 24.99 万元四激光四驱 Ultra+ 版 27.39 万元岚图还为首销期用户准备了至高 5.5 万元购车权益，包括 2000 元定金抵扣 8000 元尾款、配置升级、金融方案和用车权益，首销期截至 2026 年 9 月 30 日。追光 S 是岚图第一款中大型纯电轿跑 SUV。它的名字沿用了追光车系，产品形态却从轿车变成了拥有溜背车顶的 SUV。岚图为此创造了一个新的称呼——「科技 FUV」，并将它解释为「时尚多功能车」。不过，在一个新品类缩写越来越多的市场里，FUV 三个字母未必能让消费者记住一辆新车，相比之下，大回环显然有效得多。性能越来越便宜，性能故事却越来越难讲在岚图之前，FUV 这个词主要是法拉利 Purosangue 在用——法拉利不愿承认自己造了一辆普通 SUV，便把它叫作 Ferrari Utility Vehicle。到了追光 S 这里，FUV 又被重新解释成 Fashion、Fun、Future 和 Full。从与法拉利相似的品类简称，到与奔驰 SLS 相似的隧道回环，追光 S 的传播多少带着一点熟悉的影子。但岚图想证明的事情并不复杂：这台装着冰箱、彩电和零重力座椅的大车，同样拥有一副能够激烈驾驶的底盘。它考验车辆，也考验导演，但若把它当成一次产品营销，这场大回环完成得相当漂亮。车辆要沿着环壁爬升并越过最高点，既要有足够的动力维持速度，也需要轮胎、悬架和车身在载荷方向不断变化时保持稳定。而承担这场表演的，正是追光 S 的 475kW 四驱系统和全铝底盘。岚图为追光 S 准备了全铝前双叉臂、后五连杆的架构，以及全系标配的「EDC 可变魔毯悬架」。EDC 可变魔毯悬架可以根据车辆状态和路面变化调节减振器阻尼，高速变道或连续过弯时收紧悬架，减少车身侧倾和多余晃动；驶过接缝、减速带和碎石路面时，再把阻尼放软，让车轮吸收更多冲击。高配车型还提供高度调节范围为 80mm 的空气悬架，可以进一步改变车身高度。支撑这套底盘的，还有两种动力布局。追光 S 后驱版采用一台 300kW 后置电机，四驱版则在前轴增加一台 175kW 电机，系统综合功率达到 475kW。此外，追光 S 方向盘后方的拨片还可以唤醒「岚擎模式」，声浪、仪表、AR-HUD 和座舱氛围随之联动，模拟燃油性能车的听觉与换挡节奏。坦率地说，在纯电车型上模拟燃油车的驾驶质感，过去更多是欧洲车企的偏好，国产新能源车型很少采用类似设计。中国消费者们是否会对此感兴趣，还要交给市场回答。车身外部的 10 组贯穿式风道和 19 个功能风口，则负责处理高速状态下的空气，前保险杠和翼子板区域的风道用于梳理前轮周围的乱流，机舱与车尾的通道负责排出高压气流、整理尾流，双主动进气格栅还可以根据三电系统的散热需求调整开合。追光 S 的大回环挑战在现实生活中或许没有多少实用意义，但岚图想传达的信息非常明确：即使这是一台车长超过五米，车宽接近 2 米的大尺寸 SUV，它依然可以在公路上提供足够出色的驾驶感。翻完跟头，还是要把一辆新能源 SUV 的功课做全但对一台面向日常使用的 SUV 来说，操控只是其中一面，追光 S 还得把日常体验的另一面补齐。追光 S 采用全域 800V 高压碳化硅平台，支持 5C 快充，搭载 98kWh 电池，后驱版 CLTC 续航最长达到 740km。官方数据显示，车辆从 20% 充至 80% 需要 10 分钟，充电 15 分钟最多可增加 577km 续航。四驱版牺牲一部分的能耗表现，换取更高的动力上限，后驱版则更适合把电池容量用在里程上。在车内，追光 S 的思路没有沿着纯性能车继续走下去。追光 S 前排使用双 15.6 英寸 2.5K 屏幕，配有 29 英寸 AR-HUD、后排控制屏和 6.6L 冷暖箱，VOYAH Sound 音响则由 27 个发声单元组成。主副驾双零重力座椅可以提供通风、加热和按摩，副驾向前折叠后，还能为后排腾出更舒展的休息空间。首销期内，岚图提供价值 2 万元的主副驾双零重力座椅包限时免费升级。至于空间，轿跑式车顶天然会与后排头部空间、尾厢高度产生冲突，但岚图没有把追光 S 的车顶压成一条急促下落的弧线，而是让它从 B 柱以后缓慢收低，在保留低趴姿态的同时给第二排和尾箱留下余量。车头下方还设置了 80L 前备厢，带有排水结构，湿雨伞、运动装备或容易留下气味的物品，可以与乘员舱分开放置。如果说底盘负责感知路面，那么华为的四颗激光雷达则负责感知道路上的其他东西。追光 S 全系搭载华为乾崑 ADS 5 四激光方案，全车共有 33 颗感知传感器，包括一颗 896 线双光路图像级主激光雷达，以及分布在车身两侧和后方的三颗固态补盲激光雷达。主雷达负责更远处的道路信息，三颗补盲雷达则把感知范围拉到车身附近，服务于窄路会车、低矮障碍物识别和泊车等场景。这里恰好还有另一个「360 度」。大回环让整辆车沿着隧道内壁转过一圈，四激光方案追求的则是车身周围的全向感知。大回环 360 度展示了这台车的操控能力，而激光 360 度才更可能在日常道路上发挥作用。座舱部分同样交给了华为。鸿蒙座舱 5.2 配合 MoLA 大模型，可以处理连续指令和缺少明确参数的模糊表达，用户只说「玻璃起雾了」或「有点闷」，系统便要自行判断应该调用空调、除雾或车窗。车外运动，车内日常，追光 S 用全铝底盘、空气悬架和四驱系统争取驾驶者，再用 800V、长续航、大空间、舒适座椅和华为智能化完成一辆中大型家用 SUV 的基本功。相比那些四平八稳的常规 SUV，一台愿意在操控上多走几步的产品，当然是更有意思的选择。但这份个性并不会让追光 S 获得一片没有对手的市场，小米 YU7、智界 RX 等等相似概念的产品，都在路上等着他。对岚图而言，追光 S 还承担着一项品牌任务。梦想家让岚图在高端 MPV 市场站住了脚，也让这个品牌更多与舒适、商务和成熟联系在一起。追光 S在这层稳妥的底色上，加上一点低趴、声浪和操控，让岚图获得一个相对运动的标签。大回环终究是一场噱头，它已经完成了让人记住追光 S 的任务。等隧道里的惊险画面和发布会的热度退去，这台车真正要面对的，仍是每一天的通勤、出行和家庭需求。

今日要闻

• 01亚马逊2026黑五网一入仓提前
• 02菜鸟&4PX接入Takealot直邮，南非激活门槛从30件砍到2件
• 03新增对中国出口管制：日本8月16日对华五轴机床逐案审批生效
• 04野莓最大仓遭无人机击中焚毁
• 05每1美元TikTok GMV撬动6.7美元站外收入
• 06TikTok Shop东南亚严打AI误导性种草，违规创作者佣金遭延迟支付
• 07欧洲人更喜欢Temu、Shein和AliExpress
• 08美国7月电商销售额环比降2.2%，Prime Day提前引爆6月高基数效应
• 09Shopee新加坡8月28日调佣金
• 10eBay澳洲推AI刊登工具，拍张照就能卖闲置破解74%用户上架痛点
• 11全球宠物市场十年冲5380亿，智能用品19.5%增速领跑情感赛道
• 12TikTok美区星空灯日销跳10倍，2450万播放视频带飞16万美元GMV
• 13女性撑起肌酸市场90%增长，亚马逊“creatine for women”搜索量月增3.7万次
• 149月俄市场选品黄金窗：开学腌制供暖冬备四景齐发，中国供应链卡点铺货
• 15特朗普政府施压苹果，要求放弃中国存储芯片供应商
• 16美元兑人民币破6.74创三年新低，外贸人结汇窗口再承压
• 18手慢无！深圳地铁公交限时免费坐！

首页风闻财经国际军事观出行观金融产经科技城事视频观察员APP下载扫一扫下载观察者APP“中国在骗人？”英国教授硬核反击：是你们自己不想搞清洁能源！乔尔达诺·斯卡乔蒂伦敦帝国理工学院电气与电子工程系副教授副教授分享到：2026-08-14 13:19:39字号：A-AA+ 王冬晓相关推荐不需要EUV的那条路，正在广州铺开2026-08-13 11:43“长江存储市占率首进全球前三”2026-08-12 18:40日全食+六星连珠+流星雨buff叠满，失重谣言却大肆刷屏2026-08-12 17:07天文我国主导，对标顶刊！国际期刊《Vita》纸刊首期发布2026-08-12 13:59向欧洲低头？美模型Claude给文本嵌入隐形水印2026-08-12 13:10全球首次！中国电网正式装备量子大脑，解决停电问题2026-08-12 10:45科技战争拼到最后，拼的其实是“人头”2026-08-12 10:45AI距离黎曼猜想还有多远？Claude大步逼近终极答案2026-08-12 10:44独家对话|Jan Vardaman：先进封装不是“方便面”，中国迎来关键窗口期2026-08-11 10:54中国建成全球最大的AI算力数据中心2026-08-11 09:337月出口再超预期！中国外贸的AI加速度2026-08-11 09:33最新数据，中国人形机器人占全球出货量超97%2026-08-10 15:29美国换了副打手？解析FCC为何如此上蹿下跳2026-08-07 15:29​“统计学的诺贝尔奖”14年后再迎华人获奖者，与王虹、邓煜是同班校友2026-08-07 11:59美国正式启动创世纪计划：AI时代的曼哈顿2026-08-06 13:41Hugging Face CEO为何说中国赢了这场AI竞赛2026-08-06 13:41SpaceX火箭残骸撞击月球2026-08-05 15:32航空航天一箭双星入轨！东方慧眼星座离258颗全球星网更近一步2026-08-05 15:26航空航天为什么中国能抓住光模块产业？2026-08-05 12:07日本机器人失落三十年2026-08-05 12:02搜索观察者头条查看全部澳前总理给现任支招：对华关系，别先看美国脸色评论 13美国有人借题发挥：都怪韩国对华太好评论 40“中国这套打法，亚洲多国开始学了”评论 143127.5%关税拦不住，美国巨头买了3200辆中国车评论 78中企1年不到就建好供应链，美国新规堵得上吗？评论 57风闻 · 24小时最热查看全部最新视频查看全部最新闻 Hot澳前总理给现任支招：对华关系，别先看美国脸色美国经济出现一个严重问题，但问题不只在美国DeepSeek今日正式涨价，采用峰谷定价美国有人借题发挥：都怪韩国对华太好爆料：美军驱逐舰南海趴窝4天，吃饭上厕所都成问题欧盟外长声称：今秋将提出“影响最深远”的对俄制裁方案八部门联手出拳霍启刚晒儿子参加军事夏令营的照片：作为父母感到骄傲营销号编造伊朗要拥核新闻 美以信了美州长：特朗普的回应让我很生气中企1年不到就建好供应链，美国新规堵得上吗？哥伦比亚总统：请美国暂停征税沙特、阿联酋、卡塔尔、科威特、巴林，“全都对美国感到恼火”官方纠偏：别把社会工作部叫成“社工部”故意驾车冲撞警察致7伤，伊朗一男子被处决澳大利亚叫停与华合作，被批唯美国马首是瞻快讯中国汽车还没来，美国车企先内斗上了刚在华中标5G订单，诺基亚CEO却称华为“有风险”阿里101亿卖掉灵犀互娱，中信资本高价“截胡”DeepSeek今起调价，峰时最高飙涨1100%魏牌V8X上市，长城押注高端五座SUV技术突围贴身肉搏特斯拉小米，追光S能否助岚图摆脱“梦想家”依赖症？宁德时代曾毓群：不零碳的电池将被时代所淘汰千元Polo衫卖出顶奢的命，拉夫劳伦在中国增长了40%