SeedRealtime – 字节跳动推出的原生音视频全双工大模型AI工具2小时前发布AI小集02SeedRealtime是什么SeedRealtime是字节跳动Seed团队推出的原生音视频全双工大模型，基于统一架构原生融合音频、视频与文本，实现边看、边听、边说的全模态实时交互。模型具备音视频联合理解、主动交互与流畅对话节奏三大核心突破，端到端评测显示对话节奏问题较级联模型减少一半。目前已全量上线豆包App，成为业界首个规模化落地的音视频全双工AI产品。SeedRealtime的主要功能音视频联合理解：原生深度融合声音、画面与时序信息，可结合视觉场景消解同音词歧义，准确理解时序指代，实现所见所闻所说的一体化感知。主动交互能力：具备持续环境感知与主动表达能力，能在画面状态变化时主动提醒用户，并调用工具融入表达，将被动响应升级为主动协作。流畅交互节奏：实时感知用户对话状态与交流节奏，在适当时机自然接话、停顿与回应，具备较强的抗干扰能力，能分辨旁人闲聊与背景噪声。多人场景识别：在多人、嘈杂环境中同步识别人脸、分辨声源、理解内容，将每个人的声音与身份持续对应。SeedRealtime的技术原理端到端统一建模：采用端到端统一音视频建模框架，将感知、理解、决策与表达纳入同一模型同步进行，避免级联系统中ASR→VLM→TTS的多阶段信息损耗与延迟叠加。原生全双工交互：不依赖外部VAD规则判断轮次，模型自身基于多模态信息流持续决策对话状态与时机，真正实现”边说边听”而非一问一答的半双工模式。音视频时序对齐：将声音、画面与时序信息统一建模，结合当前场景、手势、视线与历史动作理解用户意图，完成跨模态消歧与指代解析。工程低延迟优化：通过分块音视频输入与流式生成，结合高效量化与推理优化，持续压缩”听到—理解—回应”的端到端时延。如何使用SeedRealtime更新豆包App：将豆包App更新至最新版本。进入语音通话：打开App后，在任意对话框内点击”打电话”按钮。切换视频模式：进入通话界面后，开启摄像头与麦克风权限，切换为视频通话。开始实时交互：边展示画面边自然说话，模型同步感知音视频流并实时回应。使用主动观察：可下达持续观察指令，模型在目标出现或画面变化时主动提醒。SeedRealtime的核心优势端到端统一架构：采用单一模型原生融合音频、视频与文本，消除级联系统中多模块串联导致的信息损耗与延迟叠加。原生全双工交互：不依赖外部VAD规则，模型自主基于多模态信息流持续判断对话时机，真正实现”边说边听”而非一问一答。音视频联合理解：深度融合声音、画面与时序信息，可结合视觉场景消解同音词歧义，准确解析”这个””那里”等跨模态指代。主动环境感知：具备持续视觉观察能力，能在画面状态变化或目标出现时主动提醒，将交互从被动响应升级为主动协作。流畅抗干扰节奏：实时感知用户对话状态，在嘈杂环境中准确分辨闲聊与正式提问，卡顿与误触发较级联模型减少一半。SeedRealtime的项目地址项目官网：https://seed.bytedance.com/en/seedrealtimeSeedRealtime的同类竞品对比维度SeedRealtimeGemini Live开发方字节跳动Seed团队Google DeepMind架构端到端统一音视频建模，感知理解决策表达一体化原生多模态，支持音频+视频+图像+文本同时输入全双工原生全双工，不依赖外部VAD，自主判断对话时机全双工实时双向语音，支持主动音频输出中文优化深度优化，同音词消歧与中文语境理解强通用多语言支持（200+语言），中文非专项优化主动交互持续环境感知，画面变化时主动提醒并调用工具支持主动发言与工具调用，视觉主动性有限抗干扰强，可准确分辨闲聊、背景噪声与正式提问内置噪声处理，复杂嘈杂环境表现中等视觉理解音视频时序联合建模，精准解析手势、指代与动态场景原生视频流处理，支持摄像头实时画面分析延迟表现端到端低延迟，对话节奏问题较级联模型减少一半首音频延迟约200-320ms，响应速度行业领先生态整合豆包App深度集成Google Workspace、Search、Meet、Android系统级整合SeedRealtime的应用场景智能导游：在博物馆持续观察展品画面，目标出现时主动讲解历史背景与工艺细节。外语陪练：结合画面实时纠音、举例造句，在嘈杂环境中始终专注目标学习者。设备操作指导：操作复杂设备时基于视觉状态变化实时纠错并给出调整建议。出行信息助手：在机场嘈杂环境中识别大屏航班信息，回答到达时间并提供路线指引。儿童教育辅导：陪孩子学习时实时观察画面内容纠正发音，不受背景人声干扰。# 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JoyAI-Video-Edit - 京东开源的实时流式视频编辑模型下一篇MAGI-2-preview - Sand.ai 开源的多模态视频生成模型相关文章SSVAE – 智谱AI开源的频谱结构化变分自编码器AI小集2Blogcard – 一键生成SEO优化内容的AI工具AI小集2Reel.AI – 井英科技推出的AI短剧应用AI小集3WeKnora – 腾讯开源的文档理解与语义检索框架AI小集5Loopy – 字节跳动推出的音频驱动的AI视频生成模型AI小集9文心大模型X1.1 – 百度推出的深度思考模型AI小集4暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前Get3W – AI 模型聚合平台，统一接口自由切换模型1小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型2小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型2小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型2小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型9小时前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent10小时前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架10小时前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统1天前Orchard – 微软研究院开源的 Agentic AI 建模框架1天前E-Bench – 腾讯混元等推出的智能体评测基准1天前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息2天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型2天前

Qwen-Image-3.0 – 阿里通义推出第三代图像生成基础模型AI工具8小时前更新AI小集02Qwen-Image-3.0是什么Qwen-Image-3.0是阿里通义千问团队推出第三代图像生成基础模型。模型支持 4.5k token 超长输入，可一次性渲染复杂九宫格知识图鉴；支持 10px 小字 精准排版，学术论文、公式推导、手写批注清晰可辨；具备12国语言原生渲染与丰富世界知识，可仿真网页、游戏、直播等界面。旗舰版Qwen-Image-3.0-Pro与标准版Qwen-Image-3.0-Standard同时开放API，支持 4.5k token 长指令与复杂版面一次生成，在 Arena.ai 文生图榜单中位列国内第一。Qwen-Image-3.0的主要功能超长上下文生成：最大支持 4.5k token 输入，可理解并渲染极其复杂、信息密集的视觉版面，如报纸、分镜、试卷等。语义并置与空间控制：具备内容横展能力，可在同一画面中有序布局多种并列元素，互不干扰。语义解构与逻辑嵌套：具备内容纵深能力，可在一幅图中层层递进渲染多个嵌套界面，形成画中画中画效果。微观级细节渲染：10px 小字清晰可辨，毛孔、发丝纤毫毕现，肌肤质感逼近摄影级真实。多语言原生渲染：支持 12 国语言在图像中的精准呈现，非简单贴图。界面仿真：可仿真主流网页、游戏、直播等界面风格与细节。知识图解生成：可生成包含大量文字、插图、公式、图表的复杂知识科普图鉴。Qwen-Image-3.0的技术原理超长上下文理解架构：通过提升可接受指令长度至 4.5k token，模型能处理复杂的空间关系描述与多元素布局指令。细粒度文本渲染技术：针对小字号场景优化，确保 10px 级别文字在复杂背景下的可读性与排版准确性。多语言嵌入生成：将语言知识内化至生成过程，实现 12 国语言的原生渲染，而非后处理叠加。世界知识融合：模型内置丰富的领域知识，确保生成内容的专业准确性。分层语义控制：通过语义并置与语义解构实现复杂版面的精准控制。如何使用Qwen-Image-3.0访问千问 AI 平台、Qwen Studio或Qwen Cloud，面向所有用户免费开放，输入指令可生成图像。Qwen-Image-3.0的核心优势实用导向：区别追求艺术性的文生图模型，聚焦可落地的生产力场景，强调好用。复杂版面原生生成：无需多图拼接，单张图即可生成包含九宫格、多层嵌套 UI 的复杂版面。文字渲染精度行业领先：10px 小字、LaTeX 公式、学术论文排版均可精准呈现。知识准确性：依托通义千问的知识储备，确保生成内容（如数学定理、生物知识）的专业准确。中文原生优化：对中文排版、汉字渲染、中文知识图解有深度优化。Qwen-Image-3.0的同类竞品对比对比维度Qwen-Image-3.0GPT-Image 2.0核心定位生产力工具，聚焦复杂版面精确排版与中文场景落地通用视觉执行系统，强调推理规划与多语言文本渲染输入长度支持4.5k token，可描述九宫格、嵌套 UI 等极复杂布局支持千字级长指令，Thinking 模式可拆解复杂需求但输入长度弱于千问小字渲染10px 小字清晰可辨，公式、论文排版、手写批注精准号称 ~99% 文本准确率，支持多语言小字，但复杂学术排版稳定性待验证多语言支持12国语言原生渲染，中文长文本、竖排、公式混排深度优化支持 50+ 种语言字符级渲染，中文表现大幅提升，但本土文化细节理解略逊复杂版面原生支持九宫格、多层嵌套 UI、”画中画中画”等复杂结构一次性生成擅长网格系统、UI 布局、信息图层级，通过 Thinking 模式预规划构图推理能力依托千问知识库确保内容准确，版面控制偏向语义并置与空间控制原生集成 O-series 推理，生成前自主规划布局、联网搜索、分析上传文档知识准确性内置通义千问知识，数学定理、生物科普等中文知识准确度高可联网实时检索，技术 artifact 与当前事件渲染准确，但依赖外部检索连续一致性文章未强调多图一致性，聚焦单图复杂版面单次提示可生成最多 8 张风格/角色一致的连续图像，适合故事板输出分辨率文章未明确标注，侧重版面复杂度而非单一分辨率支持2K（2048×2048）及多种比例，API 最高可达4K（3840×2160）Qwen-Image-3.0的应用场景教育出版：模型能生成数学试卷、物理公式图解、生物知识科普图、语文课文批注等教学材料。学术科研：自动生成包含复杂公式与多栏排版的学术论文插图、会议海报。UI/UX 设计：快速生成网页、App、游戏界面的高保真原型图与嵌套界面 mockup。内容运营：模型能制作信息图、长图海报、多语言社交媒体素材，确保文字信息准确传达。数字出版：生成杂志版面、报纸排版、漫画分镜等需要精确文字与图像混排的内容。# 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MOGE AI 图像提示词 - 精选全球顶级图片Prompt，一键复制出图下一篇UnifoLM-OminiA-0.3 - 宇树科技推出的全模态交互理解模型相关文章SongCreator – AI音乐模型，能理解、生成和编辑歌曲AI小集3AI智绘 – AI服装设计工具，时尚设计行业的一站式解决方案AI小集4Co-op Translator – 微软推出面向开发者的开源多语言翻译工具AI小集2HuggingSnap – Hugging Face 推出的 AI 助手，能离线识别视觉内容AI小集3新秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！AI小集0Caesr – AI自动化Agent，模拟人类操作设备AI小集3暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2小时前Get3W – AI 模型聚合平台，统一接口自由切换模型2小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型2小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型2小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型2小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型2小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型9小时前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent10小时前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架10小时前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统1天前Orchard – 微软研究院开源的 Agentic AI 建模框架1天前E-Bench – 腾讯混元等推出的智能体评测基准1天前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息2天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前

Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型AI工具9小时前发布AI小集02Hy ASR 3.0 preview是什么Hy ASR 3.0 preview是腾讯混元推出的新一代语音识别模型，基于Hy3大语言模型，融合高精度语音识别与深度语义理解。模型支持中文、英语、粤语及10大方言片区，具备上下文智能纠错、热词注入及高噪/耳语等复杂场景鲁棒性。开源评测集WER控制在3%左右，自建评测集全面领先竞品。Hy ASR 3.0 preview的主要功能通用精准识别：支持中文普通话、英语、粤语及中英混说，减少错字漏字与长音频错误累积。上下文语义理解：结合 Context 精准捕捉用户语境，智能纠错同音词，消除语义歧义。热词注入适配：支持品牌名、人名、行业术语等热词增强，降低业务接入与维护成本。复杂环境鲁棒：针对高噪、耳语、悄悄话等声学场景专项优化，保持稳定识别表现。方言广泛覆盖：支持10大方言片区、20余个二级小片区，含东北官话、粤语、吴语、闽南语等。Hy ASR 3.0 preview的技术原理架构升级：采用 MoE 架构，基座模型升级至 Hy3；自研无监督语音 Encoder，基于数千万小时语音数据训练，提取高质量声学表征。预训练 Scaling：Encoder 与 LLM 联合训练，引入数千万小时多来源语音数据（有声读物、对话、视频/广播等），通过多阶段能力注入获得方言理解与上下文建模能力。后训练增强：构建覆盖复杂音频、Any Context 上下文、通用能力的高质量 SFT Recipe；通过多阶段强化学习分别优化通用转写准确性、上下文长程依赖及复杂长尾场景表现。如何使用Hy ASR 3.0 preview通过腾讯云 API 接入或打开腾讯元宝按住说话即可免费体验。Hy ASR 3.0 preview的核心优势语义理解升级：基于 Hy3 大语言模型，融合高精度语音识别与深度语义理解，从逐字转写进化为理解语境、一键直出。评测全面领先：开源评测集 WER 控制在 3% 左右，自建评测集在通用、方言、上下文、复杂声学场景均优于竞品。上下文智能纠错：结合 Context 精准捕捉语境，智能纠错同音词，消除语义歧义，支持长程依赖建模。热词快速适配：支持品牌名、人名、行业术语等热词注入，降低专业场景业务接入与维护成本。方言与复杂环境覆盖：支持 10 大方言片区及 20 余个二级小片区，在高噪、耳语等复杂声学环境下保持稳定表现。Hy ASR 3.0 preview的同类竞品对比对比维度Hy ASR 3.0 preview（腾讯混元）Doubao-Seed-ASR 2.0（字节跳动）基座模型基于 Hy3 大语言模型，MoE 架构基于 Seed 大语言模型语音 Encoder自研无监督语音 Encoder，数千万小时数据训练未公开详细架构核心能力上下文语义理解 + 高精度识别 + 热词注入高精度通用识别中文 WER3.34%3.70%英文 WER2.62%5.65%粤语 WER3.12%5.25%Hy ASR 3.0 preview的应用场景智能客服：电话与在线客服场景下，Hy ASR 3.0 preview 通过热词注入精准识别品牌名称与业务术语，实现语音实时转写，显著提升服务响应效率。内容创作：在播客、会议、访谈等长音频内容生产中，模型结合上下文语义理解智能消除歧义，一键输出连贯可读的高质量文本，降低后期编辑成本。语音搜索：支持用户使用方言语音进行查询，并在嘈杂环境下准确识别语音指令，有效降低多语种、多口音用户的输入门槛。办公协作：会议纪要实时转写场景中，即使面对耳语、悄悄话等低音量输入，模型依然保持稳定识别，助力团队实现高效沟通与信息沉淀。智能终端：在车载导航、智能家居等 IoT 设备交互中，模型针对高噪声学环境进行专项优化，保障复杂场景下的语音识别鲁棒性与用户体验。# 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Qwen-CUA - 阿里 Qwen 等推出的原生 Computer Use Agent下一篇JoyAI-Video-Edit - 京东开源的实时流式视频编辑模型相关文章Machined AI – AI内容创作平台，自动完成多种创作任务AI小集3SwiftAgent 2.0 – 数势科技推出的AI分析产品AI小集2Image-to-LoRA-V2 – 魔搭社区开源的免训练风格迁移工具AI小集2Martin – 个人 AI 助手，支持电话、短信、邮件、等多种沟通方式AI小集2Concept Lancet – 宾夕法尼亚大学推出的图像编辑框架AI小集2SAC-KG – 通用知识图谱构建框架，能构建超百万节点的领域知识图谱AI小集3暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前Get3W – AI 模型聚合平台，统一接口自由切换模型1小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型2小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型2小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型2小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型2小时前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent10小时前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架10小时前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统1天前Orchard – 微软研究院开源的 Agentic AI 建模框架1天前E-Bench – 腾讯混元等推出的智能体评测基准1天前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息2天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型2天前

Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use AgentAI工具10小时前发布AI小集02Qwen-CUA是什么Qwen-CUA 是 Qwen 团队与 XLang Lab 联合推出的原生 Computer Use Agent，基于 397B-A17B 混合专家架构，仅通过截图感知界面状态，无需依赖 DOM 树或辅助功能元数据，直接用键盘和鼠标事件操控浏览器、桌面应用及专业软件。在 OSWorld-Verified 基准上取得 86.2 分，更大版本 Qwen-CUA-Max 参数量超万亿，达到 87.6 分。Qwen-CUA的主要功能纯视觉感知：仅通过截图理解界面状态，不依赖 HTML 结构或无障碍元数据，跨平台通用性更强。原生输入模拟：直接输出键盘和鼠标事件，可在浏览器、桌面应用、专业软件中执行操作。MoE 架构底座：基于 397B-A17B 混合专家模型，平衡性能与推理成本；Max 版本超万亿参数，性能再提升。开放技术报告：GitHub 已发布技术报告与参考 Demo，便于研究者复现与二次开发。Qwen-CUA的技术原理底座架构：基于 Qwen3.5-397B-A17B 混合专家架构，总参数 397B、每次前向仅激活 17B，在保持强大表达能力的同时控制推理成本。混合注意力机制：采用 GatedDeltaNet 线性注意力与 Gated Full Attention 按 75:25 交替排列，将长序列计算复杂度从 O(n²) 降至接近线性，256K 上下文吞吐量较传统架构提升 19 倍。专家路由：每层配置 512 个细粒度路由专家，通过 Top-10 选择 + 权重重归一化激活，并配合 1 个共享专家与 sigmoid 门控自适应调节通用知识贡献，避免信息损失。纯视觉感知：仅通过屏幕截图感知界面状态，完全不依赖 HTML DOM 树、无障碍元数据或操作系统 API，实现对任意 GUI 应用的跨平台通用感知。视觉编码与定位：继承 Qwen-VL 系列的 ViT 架构支持动态分辨率输入，配合 MRoPE 多模态旋转位置编码同时编码时间、高度、宽度三维信息，精准定位界面元素坐标。如何使用Qwen-CUA访问仓库：访问 GitHub 搜索xlang-ai/Qwen-CUA进入项目主页。阅读技术报告：下载并阅读项目内的技术报告，了解模型架构与训练细节。运行参考 Demo：根据 README 配置环境，运行官方提供的参考 Demo 体验截图驱动的自动化操作。接入自有环境：将模型接入本地或云端的桌面/浏览器环境，通过截图输入与键盘鼠标输出闭环执行任务。Qwen-CUA的核心优势高基准得分：OSWorld-Verified 达 86.2 分，Max 版本 87.6 分，处于开源 CUA 领域领先水平。真正的原生 CUA：区别于依赖 API 或多 Agent 拼接的方案，Qwen-CUA 是端到端训练的视觉-动作模型，稳定性更高。跨平台兼容：不受操作系统或应用类型限制，任何有图形界面的软件均可操控。开源生态：Apache 2.0 协议，技术报告与 Demo 已公开，社区可自由扩展。Qwen-CUA的项目地址GitHub仓库：https://github.com/xlang-ai/Qwen-CUA技术论文：https://github.com/xlang-ai/Qwen-CUA/blob/main/paper/Qwen-CUA.pdfQwen-CUA的同类竞品对比维度Qwen-CUAOpenAI CUA / Operator感知方式纯截图视觉感知，零 DOM 依赖截图 + 结构化辅助信息混合架构397B-A17B MoE，开源GPT-4o 特化版，闭源OSWorld-Verified86.2 分（Max 87.6）约 38.1% 成功率（历史数据）开放性技术报告 + Demo 开源（Apache 2.0）API 商用，模型闭源输入模拟原生键盘鼠标事件原生键盘鼠标事件适用平台浏览器 + 桌面 + 专业软件主要面向浏览器与桌面Qwen-CUA的应用场景自动化软件测试：通过截图识别界面元素并执行点击、输入、滚动等操作，无需编写特定脚本即可完成跨平台 UI 回归测试。RPA 流程自动化：替代人工完成数据录入、报表生成、ERP 操作等重复性桌面办公任务，无需改造企业原有 IT 系统。无障碍辅助工具：为视障用户或老年人自动识别软件界面元素并代为执行精确操作，降低专业软件使用门槛。科研与专业软件操控：自动操控 MATLAB、SPSS 等无 API 接口的专业软件，批量执行实验数据处理与图表生成等长周期任务。云端 Agent 托管服务：部署于云桌面环境 7×24 小时执行网站巡检、数据抓取、定时报表下载等后台任务。# 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MemHarness - 上海 AI Lab 等推出的智能体记忆重构框架下一篇Hy ASR 3.0 preview - 腾讯混元推出的新一代语音识别模型相关文章通答 – AI标书助手，实时获取招标讯息智能编写标书AI小集4AnimateAnything – 浙江大学联合北航推出的统一可控视频生成技术AI小集3OpenVision – 加州大学开源的视觉编码器家族AI小集2Diffuse – AI视频编辑工具，提供个性化视频生成和编辑功能AI小集2FutureX – 字节联合复旦等高校推出的动态实时评估基准AI小集3rtrvr.ai – AI浏览器扩展工具，自然语言指令完成网页任务自动化AI小集2暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录青虎AI妙呀纳逗Pro图改改AstraFlow星图不繁简历最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前Get3W – AI 模型聚合平台，统一接口自由切换模型1小时前Shieldstral – Mistral AI 开源的多模态内容安全分类模型2小时前MAGI-2-preview – Sand.ai 开源的多模态视频生成模型2小时前SeedRealtime – 字节跳动推出的原生音视频全双工大模型2小时前JoyAI-Video-Edit – 京东开源的实时流式视频编辑模型2小时前Hy ASR 3.0 preview – 腾讯混元推出的新一代语音识别模型9小时前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架10小时前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统1天前Orchard – 微软研究院开源的 Agentic AI 建模框架1天前E-Bench – 腾讯混元等推出的智能体评测基准1天前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型2天前Polar – AI 浏览器，自动跨站收集整合信息2天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型2天前

智能辅助驾驶技术对于普通驾驶者来说，无异于「魔法」：车居然自己会开？在深圳欢乐海岸，红旗天工和卓驭开了一家有些特殊的展厅，想把「魔法」进行解密：车辆陈列不是这里的重点，展厅以「移动物理 AI」为主线，设置智能辅助驾驶和车载无人机两条产品线，并将感知、算法、驾驶决策等抽象技术拆解成五个互动体验区。对于普通消费者来说，这些过去藏在工程师电脑、域控制器和发布会演示视频里的东西，终于有了更直观的展示机会。大部分的智驾供应商很少需要直接面对消费者，他们的名字可能出现在配置表里，也可能被概括成某套驾驶辅助方案，真正被用户感知的依然是汽车品牌。在很长一段时间里，供应商最重要的工作是完成开发、保证交付，然后留在幕后。卓驭这次选择向前一步。卓驭科技 CEO 沈劭劼说：卓驭跳出作为传统供应商，正式走向前台，去探索不仅仅是做产品、技术，也能看看 C 端到底能够传递一些什么东西。展厅开业当天，全新一代红旗天工 08 也在深圳上市，限时权益价为 17.99 万元。新车首发搭载卓驭「高悟性端到端 4.1」系统，采用由仿生双目与长焦单目组成的「惯导三目」视觉方案。相比于已经落地的具体车型，在展厅内的采访则聊得更远。端到端 4.2、原生多模态模型、面向 L3 的三冗余架构，以及卓驭从乘用车智驾向「移动物理 AI」延伸的方向，共同勾勒出红旗天工与卓驭接下来数年的合作路线。这座面向所有人的展厅，某种程度上也可以说双方关系有了新的变化，智驾供应商开始走到消费者面前，车企与供应商之间沿用多年的边界，也在被新一轮技术周期重新划定。从端到端 4.1，到「比人快 0.1 秒」全新一代天工 08 搭载的端到端 4.1，源自卓驭在 2026 年 4 月发布的端到端 4.0。按照卓驭 CEO 沈劭劼的介绍，4.0 已经完成完整的数据驱动，包括横向、纵向控制，以及变道和导航决策。4.1 的版本号只向前迈进一小步，模型在驾驶体验上的变化却相当明显。他说：小版本是 4.1，没加多少，但性能变化非常大。所谓性能变化，不只是车辆能否完成一段从 A 点到 B 点的导航辅助驾驶。系统何时变道、怎样超过慢车、面对加塞车辆如何反应，以及能否在路口和视野盲区提前减速，都会影响用户对它的评价。沈劭劼将这种能力概括为「老司机的感觉」。它意味着车辆开始学习人类驾驶中的大量微动作：看到路边行人时略微收油，经过积水路面时降低速度，进入没有交通信号灯的路口前提前观察。过去依靠规则编写的系统，很难穷举这些细微而复杂的判断。卓驭还计划在 2026 年内推出端到端 4.2。沈劭劼预计，随着 4.2 落地，现阶段端到端技术范式会逐渐收敛，性能大致达到「百公里安全接管一次左右」。他给出的另一个数据，更能说明智驾技术目前的变化速度：行业平均水平百公里平均接管，今年比去年降了 10 倍，不是夸张，而且提高的趋势目前没有减慢，还在快速提升。燃油车时代，发动机热效率、传动效率和油耗水平通常以几个百分点缓慢进步；今天的辅助驾驶依然处在技术范式快速更替的阶段，模型、数据和算力的变化，都可能在几个月内重写原有体验。这也是沈劭劼暂时不愿判断智驾供应商市场最终会「赢家通吃」还是「多家并存」的原因：甚至在现在这个时候，连技术范式都还没有完全收敛。当接管率还可以一年降 10 倍的时候，技术范式锁定的时候，你不应该看得到这种级别的提升速度。在端到端 4.2 之后，卓驭计划于 2026 年第四季度，与红旗天工首发下一代原生多模态基础模型。按照沈劭劼的说法，这套模型将在规模、训练范式和数据来源上出现较大变化，对应海外 FSD V14 所代表的新一代路线。相比模型拥有多少参数，用户更容易感知的是车辆反应速度，沈劭劼这么介绍其中的区别：端到端的感觉，有点像前面看到了一个东西进来了，可能过了 0.1 秒、0.01 秒之后，这个车开始有反应。到了下一代技术模型之后，你的感觉就是车先有反应，人才看到这个东西，属于车比人快 0.1 秒和车比人慢 0.1 秒的区别。人类驾驶员的注意力需要在前车、后视镜、导航和道路两侧之间切换，车辆的摄像头则可以持续观察多个方向。当行人靠近道路、旁车出现变道趋势，模型可能在人类驾驶员意识到风险之前，便开始减速或调整轨迹。复杂的多模态模型，最终被压缩成一个只有 0.1 秒的体验差异。但在高速移动的汽车上，这 0.1 秒会转化成数米距离，也会影响驾驶者是否愿意把控制权继续交给系统。全新一代天工 08 将通过 OTA 获得这套模型。沈劭劼明确表示：明年上半年一定会把比人快 0.1 秒的能力给 OTA 上去，这个平台还能打很久。现有车型可以持续获得模型升级，硬件边界仍然客观存在。沈劭劼也提醒用户，现款天工 08 无法仅通过软件升级进入 L3。面向 L3 的下一代天工平台计划于 2027—2028 年推出。根据双方披露的信息，该平台将采用超过 1000 TOPS 的三冗余域控制器，并配备固态激光雷达、补盲激光雷达和 4D 毫米波雷达。电源、控制、底盘和动力系统也将围绕 L3 的安全要求重新设计。沈劭劼判断，到 2027 年中，L2 辅助驾驶将逐渐进入体验「比较满意、收敛」的阶段，装车率随之快速增长。此后，行业的主要竞争会进一步转向 L3、L4，乘用车高阶自动驾驶与 Robotaxi 的技术边界也将越来越模糊。供应商与主机厂开始共用一张时间表在传统汽车供应链中，主机厂负责定义整车，供应商按照项目要求交付零部件或系统。责任、成本和质量边界都可以通过合同划分清楚。这套模式形成于一个技术周期相对稳定的年代。冯彪提到，燃油车时代，一款内燃机的更新周期往往长达 10—12 年。主机厂可以先等待技术成熟，再寻找供应商定点，双方沿着既定流程完成数年的开发和验证。智能驾驶的技术节奏完全不同。沈劭劼坦言：辅助驾驶技术发展非常快，不夸张说技术范式 3 个月变一次是很正常的事。一套刚刚形成的模型，需要经过车企立项、验证、定点和量产。等到正式上车，下一代模型可能已经出现。对于智驾公司而言，最先进的技术未必能够最快获得客户；对于车企而言，任何新技术又必须接受严格的质量与安全验证。沈劭劼并没有回避这种矛盾：我们自己本身作为完全的供应商，乙方供应商的角度来讲面临的最大问题，不是找不到客户，而是找不到客户用我们最先进的东西。红旗天工与卓驭尝试建立一套更紧密的联合开发模式。双方共同定义用户场景、测评准出体系和开发节奏，研发团队从项目早期便沿着同一条时间线工作。一汽红旗天工事业部总经理冯彪说：我们所有现在的产品开发，无论是准入、准出的标准、用户场景的定义、开发节奏、双方联合开发的编队，它就不是供应商和主机厂的关系，就是我们联合开发的关系。能够走到台前，就是因为不是供应商的关系。双方关系的变化，在智驾与底盘、动力和车身控制开始融合后更加明显。沈劭劼举了一个经过水坑的例子。车辆一侧车轮驶过积水，左右车轮附着力不同，传统系统可能触发车身稳定程序，随后让辅助驾驶退出。新的处理方式可以让视觉模型提前识别水坑，选择绕行；也可以在通过水坑前主动降低速度，并协调智驾和底盘控制系统，减少突然退出的概率。这些东西完全按照供应商的模式都扯不完，里面任何一个功能按照最后的质量条款划分都能扯半天，但是我们现在都没有这些问题。按照过去的分工，视觉系统负责识别，智驾域控制器负责决策，底盘负责执行。发生问题后，各方很容易将注意力放在责任归属上。随着汽车逐渐成为一个更完整的智能体，这些功能之间需要更高频、更深入的协同。冯彪认为，车辆打滑时，智驾系统简单退出并把控制权交还给驾驶员，只是当前安全边界下的解决方案。用户更期待的状态，是车辆能够联合调动转向、动力和制动，帮助驾驶员控制住车辆。因此，红旗天工和卓驭的下一代平台合作已经延伸至智能底盘、动力域和整车控制。卓驭提供模型、感知与决策能力，红旗天工掌握底盘、动力和整车安全，原本清晰的技术边界开始相互渗透。沈劭劼用「因为相信，所以看见」形容这种模式。车企会在技术形成早期便参与进来，与智驾公司共同完成工程化和量产验证，而非等到所有结果都已经摆在桌面上再作决定。他说：我们会一起把最先进的东西去首发、落地，在第一天就做了这个决策我必须要用，而不是去纠结你先做出来，做出来我看着好再用。这种深度合作也需要接受市场检验。冯彪透露，天工 08 从 7 月 1 日开启预售，到 8 月 1 日正式上市，仅间隔一个月，预售效率较红旗以往车型高出「几十倍、几百倍」。现场没有公布具体订单数量，这一说法暂时只能反映红旗自身产品之间的纵向变化。在天工品牌三年达到年销 10 万辆的规划中，5 米级大五座 SUV 预计贡献 20%—30%，甚至更高比例。天工 08 会是销量支柱，产品本身也会随着软件、硬件和市场需求持续调整。冯彪说：很难说这个时候的 08 会一直保持到那个时候。如果这样做，它也无法适应当前中国新能源市场激烈的竞争态势和新增用户的需求场景。从智能驾驶，走向「移动物理 AI」目前，卓驭拥有 34 家大小客户，常州第二座工厂已经投产，产能提升约一倍。2026 年以来，公司在乘用车和商用车领域获得的定点数量，已经超过过去两年之和。卓驭的业务范围也在从乘用车向外延伸。沈劭劼透露，首款搭载端到端智驾系统的商用车预计于 2026 年 8 月投放，重卡干线物流和无人物流车将在近期展开较大规模试运行。这些业务被纳入卓驭提出的「移动物理 AI」框架。在沈劭劼看来，物理世界中的任务可以大致分成「移动」与「操作」两类。卓驭关注车辆、轮式设备或有腿机器人如何从 A 点移动到 B 点；机械臂和灵巧手面对的抓取、装配和手眼协同，则属于另一套数据结构：所有移动类任务的特征都是这样的：我的传感器装在平台上，传感器运动轨迹和平台运动轨迹一样。操作类的任务特征不是这样的，它是传感器和实际操作不在一个坐标系上，它是手眼协同的过程。汽车、重卡和无人物流车的外形、载荷与使用场景差异很大，但它们共享相近的数据关系：传感器跟随移动平台一起运动，模型需要理解空间、预测其他交通参与者，并规划一条安全轨迹。基于这一判断，卓驭希望把辅助驾驶积累的数据、模型和工程能力复制到更多移动设备上，同时暂时避开机器人「上半身操作」任务。「移动物理 AI」由此成为一家智驾供应商扩展业务边界的方法。不过，无论车辆还是其他移动设备，最终都需要处理真实物理世界中的安全问题。在纯视觉与激光雷达的路线争论中，沈劭劼认为，两种方案各有能力边界。激光雷达是主动感知系统，在部分极端光照环境中具有优势；「惯导三目」依靠立体视觉，图像信息密度更高，对细小障碍物也有自身优势。这里面有一个关键问题，是系统抵达感知边界后会采取什么动作？沈劭劼说：任何系统都有对应的系统边界，关键是到了这个系统边界，和消费者有没有一个恰当的交互。不是说撞之前 0.01 秒退出，这肯定是不行的。沈劭劼并不赞同为了证明传感器性能，就让车辆在大雾等极端环境中继续维持 120 km/h。更加合理的方式，是让模型根据能见度、路面状态和交通环境主动改变驾驶策略。他说：谁说大雾的时候我要开 120 公里？如果模型本身就具备这个能力，整个系统的驾驶行为和当前的环境是匹配的。当视野变差，系统主动降低速度；进入盲区，车辆提前采取防御性驾驶；确认无法继续处理时，再把控制权留给驾驶员。这些动作比单纯增加传感器数量更接近一名成熟司机的思考方式。卓驭也对「人车共驾」划出了相对清晰的边界。驾驶员可以在拥堵、变道、抢车位和路线选择等效率场景中帮助系统，但在高速、高动态的安全场景里，人和车辆同时做出控制动作，反而可能相互干扰。我们会尽一切可能避免出于安全考虑的人车共驾。即使系统必须退出，也需要给驾驶员留下充足反应时间。沈劭劼说：即使退出，还是那句话，别撞之前 0.01 秒退出，要退提前 5 秒钟退吧。

今天，阿里正式推出企业级 Agent 产品「千问办公」（QwenWork），并开启公测。它由 QoderWork、MuleRun 和悟空三款产品整合而来，把本地电脑操作、云端长任务和企业协作收进同一个入口，直接在官网 qwenwork.cn 就可以下载尝鲜。和千问办公一起上线的，还有阿里新一代旗舰模型 Qwen3.8-Max。这次实测，我们从头到尾用的都是这个模型。它的总参数量为 2.4 万亿，每次推理激活 950 亿参数，支持 100 万 Tokens 上下文和视觉理解，编程与专业办公是这次升级的重点。我把一些麻烦、琐碎，还得连续折腾好几步的活一股脑交给它，任务一路加码，甚至让它帮我开了场发布会，看看千问办公到底经不经得住这轮「拷打」。会读文件、会跑命令，也会偶尔闹乌龙千问办公的界面并不陌生。左边是任务记录，以及「专家套件」「技能」「连接器」「定时任务」和「IM 频道」，其中，「IM 频道」除了支持阿里自家的钉钉外，还支持接入飞书、微信等主流通讯 App；中间留给对话和工作台；右侧会展开任务步骤与产物。第一次打开，多少能看到一点 Codex、Claude Cowork 这类 Agent 工具的影子。选好文件夹后，千问办公就能在里面读取资料、创建文件和执行命令。你给它一个目标，它会先拆步骤，再按需调用代码、浏览器和文档处理工具。任务跑起来以后，右侧清单会逐项打勾，生成的 HTML、图片和报告也会直接落进工作目录。刚好我这台 Mac 的储存空间快满了，在储存空间寸土寸金的当下，自然是能省一点是一点。所以第一个任务，我先让它帮我分析下，空间都被什么东西占了。感觉现在系统剩余的空间越来越少了，帮我分析一下空间占用分布情况，用直观、美观的 HTML 呈现给我。它从系统盘一路扫进用户目录和~/Library，最后交回一份可视化 HTML。报告开头先给结论：1 TB 硬盘已经使用 762 GiB，只剩 133 GiB；用户目录占了 587 GiB，其中 Samsung Smart Switch 备份、照片图库和微信数据是三个大头。往下看，Containers、Caches 和 Application Support 又被继续拆开。哪些缓存可以直接清，哪些应用数据需要确认，哪些属于个人文件要自己取舍，它用三种标签分开标了出来。接下来，我又交给它两个小任务：一个看页面，一个看交互。做一个虚构电商平台的数据看板，包含销售额、订单量、访客数、客单价、近 30 日销售趋势、品类销售占比、用户来源分布和商品销售榜 TOP 5。我让它做了一个虚构的电商平台数据看板。它交付了一张带销售额、订单量、访客数、客单价、品类占比和渠道转化率的 HTML 页面，信息层级和图表选择都算规整，算是超越及格线的表现。看完枯燥的数据，不如让它搓个小游戏，放松一下。做一个飞行躲避小游戏。玩家操控一架飞机在屏幕中飞行，需要躲避迎面而来的障碍物。游戏要有开始界面、计分系统和结束画面。千问办公做出了开始界面、计分和结束画面。飞机能跟着鼠标移动，可以吃金币，擦着障碍物掠过还有额外加分。不过，贴图还是略显粗糙，经不起细看。从苹果财报，到一场不存在的发布会接下来，我把苹果上周刚刚披露的季报交给千问办公，让它帮忙拆解一下。把这份苹果季报拆解、分析，制作成一份可视化、直观、图文并茂的 HTML。它先提取并核对报表数据，再把营收、利润、产品和地区表现做成一组清楚的图表，页面顶部先给结论，图表下面补一句「怎么看」。原始数据表也被留在底部，阅读和回查都很方便。这里有一个小插曲：它在最后校验 HTML，需要执行一条带有rm -f的命令。系统弹出了红色的「高危操作」提示，把会永久删除哪个文件、-f参数有什么效果、后续还会做什么列了出来，再让我选择允许或拒绝。这种解释在目前市面上的 Agent 应用上并不多见，但对于刚接触它们的小白来说，却十分有必要：即便不懂命令行，你也能看出它准备删掉哪个文件，以及操作能不能撤销。不过，同样的解释到了前面的磁盘扫描里，就没那么管用了。它准备执行kill 45499，提示会强制终止进程 45499，未保存的数据可能丢失。问题是，它没有告诉我这个进程属于哪个 App，也没有说明为什么非杀不可。因此，这个功能还是有些细节需要完善。做完这些有现成资料可依的任务，我还想试试它的「想象力」和审美：只给一个模糊的产品点子，它能帮我开一场完整的发布会吗？于是我临时编了一款产品。LUMA 是一盏智能桌面灯，能读取日程，用灯光提示专注、倒计时和休息，没有屏幕、摄像头与麦克风。售价 699 元，主张是「把时间调成光」。请从零为虚构产品「LUMA」制作一套 10—12 页的中文新品发布会 PPT。受众为科技媒体、设计师和首批用户。LUMA 是一盏能读取日历安排的桌面灯。它没有屏幕、摄像头和麦克风，通过灯光变化提示专注时间、会议倒计时和休息间隔。用户的日程在本地处理。已知信息：色温范围：2700K—6500K；六区独立灯光；尺寸：210 × 65 × 32 mm；重量：480 g；USB-C 供电；雾白、石墨灰、苔藓绿三种颜色；售价：699 元；目标用户：长期伏案、日程密集、又不想增加一块屏幕的人。请自行完成品牌主张、发布会叙事和视觉系统。内容需要覆盖产品亮相、交互方式、使用场景、硬件结构、隐私设计、颜色选择、价格和上市信息，但不要机械地按这份清单逐项排页。千问办公没有急着开做，而是先列出大纲，让我从内置模板里挑一种视觉风格。最后生成了 11 页 PPT，雾白、石墨灰和苔藓绿打底，再用一条暖色光谱模拟灯光。从产品卖点、使用场景到隐私设计、配色、规格和售价，该讲的基本都讲到了。我比较意外的是，它没有把每一页都做成同一种模板。有些页面只放一句话，有些用来展示产品，有些专门交代参数，节奏看起来还挺舒服。虽然 LUMA 从产品到图片都是临时编出来的，这套 PPT 放在一起却不显得太拼凑，甚至有了一点自己的品牌气质。做完以后，它还问我要不要检查页面渲染、前后表述和演讲备注。我把几项都勾上，它又逐页检查了一遍有没有文字溢出、图片异常，以及前后说法对不对。一盏不存在的灯，被它做成了一个品牌这次，千问办公还有一个挺有意思的新功能——「专家套件」。它有点像给千问办公安装不同工种的 skill 和工具包。套件广场里已经有市场营销、产品设计、投研分析、合同管理等选项，每一套都组合了这个岗位常用的技能，有些还会接入外部数据。安装以后，在对话里直接调用就行，不用每次都写长篇大论的 prompt。我先装了市场营销套件。里面组合了 8 项技能和 1 个数据连接能力，覆盖营销文案、广告合规、竞品追踪、活动策划、社媒热点、SEO、效果分析和品牌调性审查。简单说，它已经把一套常见的营销工作流程装好了。先从最容易验收的文案开始。我让它为 LUMA 生成一套跨平台宣传文案。千问办公分别给出小红书种草笔记、微信公众号长文和微博短帖，并配套标题备选、摘要、标签、CTA、A/B 方案和发布时间建议。小红书文案更口语，公众号负责讲完整故事，微博则把信息压进短句里；它甚至还单独检查了《广告法》里的极限词与绝对化表述，确实有点「专家」的意思了。文案感觉还行，我就继续加码，索性让它帮我做一整套宣传物料。帮我给这个产品做一些宣传物料，包括包装、开箱体验、其他周边、礼盒等。它先问了三个问题：要交概念方案还是可编辑文件，周边准备覆盖哪些品类，标准版和礼盒版如何区分。确认方向后，千问办公沿用 PPT 里的视觉系统，做出了雾白标准包装、石墨灰 First Light 礼盒、开箱内衬、光谱桌垫、色温杯垫、帆布袋、徽章和磁吸书签。整体的一致性和美观度都很不错，可以看出这次 Qwen 3.8 Max 的多模态能力还是比较强的。文案和图都准备好了，直接让它排成一组可以发布的小红书多图内容，自然也是不在话下。左右滑动图片把这几张做成适合发小红书的排版图。它把横版效果图重新编成 6 张竖图，封面、页码、双语栏目、标题层级和统一页脚一应俱全，完成度已经达到可以直接发布的程度。做到这里，我临时编的 LUMA 已经有了 PPT、三套平台文案、包装、礼盒、周边和 6 张小红书长图，每一次的交付物都环环相扣，确实像是同一个团队做出来的东西。模型额度方面，千问办公新用户注册会送 2000 积分，每天登录再送 600 积分。上面这些任务全部跑完后，我的免费版还剩 1645.53 分。至少在公测阶段，拿它做一些日常任务，都不需要担心积分不够。这轮体验下来，千问办公最让我意外的，不是某一张图或某一份报告，而是任务会顺着往下长。一个模糊的要求，可以变成看板、PPT 和宣传物料；前面做过的内容，后面还能继续拿来用。千问办公也不是孤立的一次产品整合。腾讯把 WorkBuddy 接进腾讯文档，字节将飞书并入豆包所在的业务体系，阿里则把 QoderWork、MuleRun 和悟空收拢起来，再准备接进钉钉。而据虎嗅昨日的报道，阿里内部把 AI 办公定位为面向企业组织的生产力平台，千问办公与钉钉由同一个事业部负责；短期内优先看的也不是用户数和月活，而是产品是否好用，以及能不能真正跑通企业场景。BAT（字节、阿里、腾讯）这三家大厂又在一个新战场拼起了刺刀。接下来比拼的，或许就不只是模型有多聪明，还要看谁能把文档、消息、知识库和各种工具接得更顺，让 Agent 真正进入用户每天的工作流程。回头看 LUMA 的文件夹，最开始只有几句关于虚构台灯的设定，最后却装进了一整套发布会 PPT、平台文案、包装方案和小红书长图。一个原本没想清楚的点子，就这样有了可以翻、可以看，也可以继续往下改的样子。所以下一次再冒出类似的念头，我大概还是会先给它建个文件夹。*封面、部分插图由 AI 生成

📉曝三星收缩中国手机线下布局，月销不足 30 万元门店面临清退🤖阿里发布 Qwen3.8，接入「千问办公」🏭丰田季度利润或连续第五次下滑，日本地震又迫使多座工厂停产💻ChatGPT Atlas 将于 8 月 9 日停止服务，书签需手动导出📋Kimi 否认港股 IPO 传闻🔐比特币硬件钱包 Coldcard 存在漏洞，约 1.1 亿美元被盗🌐中国信通院：2025 年我国人工智能产业规模超过 1.2 万亿元🎬下一代视频编码标准 H.267 启动提案征集，计划 2029 年完成🚗广汽本田试点与埃安、传祺同店卖车，下沉县级市场💰蚂蚁灵波已启动首轮融资🚲Amflow 高端电助力自行车销量超过 3 万辆，营收突破 10 亿元🎮EA 收购获监管批准，550 亿美元交易预计今日完成🦿智元首次披露 9 人合伙人团队，首席科学家罗剑岚不在名单📋微信公众号收紧电话卡销售，非运营商主体需自查整改💡哈啰 Robotaxi CTO 于乾坤：从零入场的窗口已经关闭，下一道门槛是单城规模🚙31.98 万元起，腾势 Z9S 开启预售纯电续航 1100km🧠腾讯混元联合高校发布 E-Bench，前沿模型完成多步工具任务仍频繁出错🤖自变量开源 HOST 框架，机器人看 29 秒演示即可学习新技能🔍MiniMax H3 开放基础模型权重，英特尔给出 8 卡 GPU 部署方案📱京东外卖推出 AI 智能头盔，首批免费发给全职骑手⚠️江小白诉东方甄选案判决首次披露：直播贬损构成商业诋毁🛍️香奈儿 4 名前员工盗窃逾 700 件过季商品，分别获刑 4 至 7 年曝三星收缩中国手机线下布局，月销不足 30 万元门店面临清退据新浪科技报道，三星正在收缩中国手机线下销售网络，持续未达到每月 30 万元销售额的门店和店员将被逐步清退。近期关闭或调整的门店涉及深圳、福州、郑州、西安、昆明、合肥等城市；三星尚未回应门店调整和后续市场策略。IDC 数据显示，三星今年第二季度在中国智能手机市场的份额约为 0.1%，去年同期为 0.4%，出货量同比下降 60.8%。同期中国智能手机市场出货量约为 6601 万台，同比下降 4.3%，已连续第五个季度同比下滑。三星 5 月已经停止在中国内地销售电视、显示器等家电，当时表示存储半导体、手机和医疗器械业务继续运营。目前三星中国官网仍提供手机产品销售和线下体验店小时达服务，本轮调整集中在低效线下门店。阿里发布 Qwen3.8，接入「千问办公」阿里巴巴昨日发布 Qwen3.8，并同步开启企业级 Agent 产品「千问办公」（QwenWork）公测。Qwen3.8 API 已上线千问 AI 平台，国内价格为每百万 Tokens 输入 12 元、输出 36 元，隐式缓存命中为 1.5 元；Qwen3.8-Max 与 27B 版本计划下周开放权重。模型架构：Qwen3.8-Max 总参数量为 2.4 万亿，激活参数 950 亿，支持视觉理解和 100 万 Tokens 上下文。阿里公布的 PaperBench、OSWorld-Verified 等结果显示，其科研复现、电脑操作和视觉推理能力较上一代提升。编程任务：阿里称，Qwen3.8 从空文件夹出发连续运行约 16 天，构建了自进化智能体框架「oh-my-cli」；完整过程已经公开在 GitHub。模型还可在长周期任务中根据执行结果继续调整计划与代码。专业办公：官方案例覆盖法律文档条款标注、160 小时篮球比赛录像拆解、ETF 轮动策略研究和芯片设计。Qwen3.8 会在任务中调用工具、检查中间产物并根据反馈修正。千问办公：新产品由 QoderWork、MuleRun 和悟空整合而来，同时提供桌面端、云端与企业协同 Agent。网页版和独立 PC 客户端已经开放，钉钉 PC 端与手机端入口随后上线，并将连接企业数据库、群聊和工作流。「千问办公」允许用户把完成任务的交互过程沉淀为组织级 Skill，向团队复用。公测期间新用户可获得 2000 积分，首周个人用户每日登录还可领取 500 至 2000 积分；独立 App 与国际版也在后续计划中。🔗 相关阅读：实测千问办公：阿里这个 AI 专家，真的能帮你带货丰田季度利润或连续第五次下滑，日本地震又迫使多座工厂停产路透社援引 LSEG 调查称，分析师预计丰田 4 月至 6 月营业利润为 1.11 万亿日元，约合 70.4 亿美元，同比下降 5%。若预测成真，这将是丰田连续第五个季度利润下滑。丰田和雷克萨斯当季全球销量仍超过 250 万辆，但中国市场下降 28%，中东下降约三分之一，大洋洲下降 16%。铝、石脑油等原材料涨价也继续压缩利润；公司全年营业利润指引为 3 万亿日元。日本地震导致丰田九州 3 座工厂至少停产至周三，另有一座中部工厂停产至周五，其中两座为整车装配厂。零部件供应商爱信的一座受损工厂尚未确定复工日期，约 200 人正在参与恢复。ChatGPT Atlas 将于 8 月 9 日停止服务，书签需手动导出OpenAI 宣布停用 ChatGPT Atlas 浏览器，并把基于浏览器的 Agent 能力转移到 ChatGPT 和 Codex。Atlas 计划于 8 月 9 日停止工作，届时可能无法继续打开网页、浏览或运行浏览器自动化任务，也不再获得功能和安全更新。Atlas 的书签、打开的标签页和浏览历史不会自动转入其他浏览器。用户需要在停止服务前把书签导出为 HTML 文件，再导入 Chrome 等浏览器；仍在使用的标签页则要逐一收藏或复制 URL。ChatGPT 对话历史与 Atlas 浏览数据相互独立，不受这次停服影响。OpenAI 称，后续浏览器任务将转向新版 ChatGPT 桌面应用，以及可用地区的 Chrome 扩展或侧边栏。新版桌面端将继续提供多标签页、下载、改进后的导航和账号登录支持。Kimi 否认港股 IPO 传闻据财联社报道，Kimi 开发商月之暗面计划最早于本月内向港交所提交 IPO 申请，募资规模可能约为 30 亿美元。随后，据界面新闻报道，月之暗面方面称该消息不实。彭博社今年 3 月曾报道，月之暗面正在评估香港上市，并与潜在顾问讨论方案；当时公司尚未确定承销银行和时间表。本次消息把计划具体到「最早本月递交申请」及约 30 亿美元募资规模，月之暗面的否认同时覆盖了这组新增说法。比特币硬件钱包 Coldcard 存在漏洞，约 1.1 亿美元被盗据界面新闻报道，使用 Coldcard 硬件钱包生成助记词的用户近期遭遇集中盗币，累计损失已升至约 1.1 亿美元。Bitcoin Optech 在 7 月 31 日的安全通告中称，7 月 30 日有用户发现资金在前一天被异常转走；当时可确认的损失已经超过 1000 枚比特币，后续统计仍在上升。问题来自 Coldcard 固件的助记词生成流程。Coinkite 表示，2021 年起的一次代码变更让设备在部分版本中使用可预测参数初始化软件伪随机数生成器，而没有按预期使用硬件随机数源。受影响的 Mk2、Mk3 助记词有效熵可能只有约 40 位；较新的 Mk4、Mk5 和 Q 也受到影响，但额外混入了安全元件提供的熵。Coinkite 已为不同型号发布修复版本，但更新固件不能修复旧助记词。公司要求用户先安装修复固件，再生成新的助记词并迁移资金；使用受影响固件、又没有加入至少 50 次独立骰子随机数或强 BIP-39 口令的旧钱包应视为处于风险中。中国信通院：2025 年我国人工智能产业规模超过 1.2 万亿元中国信息通信研究院昨日公布测算数据：2025 年我国人工智能产业规模超过 1.2 万亿元，同比增长 40%；截至今年 6 月，人工智能企业数量超过 6600 家，占全球总数的 15%。产业链中，应用层规模占比最高，达到 55%，同比增长 22%；基础层占比 38%，同比增长 59%；模型框架层占比 7%，但同比增速达到 189%。这组数据覆盖基础底座、模型框架和行业应用三个层面。产业规模主要集中在北京、广东、上海、浙江和山东，五地合计占比超过 80%。信通院此次采用产业规模、企业数量和区域分布三组指标描述国内人工智能产业结构。下一代视频编码标准 H.267 启动提案征集，计划 2029 年完成中国信通院昨日宣布，下一代视频编码国际标准 H.267 已启动技术提案征集。正式注册期为 8 月 1 日至 9 月 1 日，入围提案将在 2027 年 1 月举行的 JVET 第 45 次会议上接受评估，新标准计划于 2029 年完成。国际电联文件将这轮工作定义为「超越 VVC 的视频压缩能力」联合提案征集，由 ITU-T SG21 的 Q5/21、Q6/21 和 Q7/21 共同推进。国内企业、高校和科研院所需先研读编号为 T25-SG21-260706-TD-PLEN-0348 的征集文件，再按期注册并准备编码工具、测试验证与专利材料。中国信通院称，国内产业界此前已参与 H.265、H.266 的研制，在传统编码工具和 AI 编码方向均有技术积累。ITU-T SG21 国内对口组将负责国内提案协调、测试验证和参会组织，提案准备周期从注册截止到正式评估约为 4 个月。广汽本田试点与埃安、传祺同店卖车，下沉县级市场据腾讯汽车报道，广汽本田开始接入广汽综合销售服务中心，获得授权的门店可以在同一展厅销售广汽本田、埃安、传祺和昊铂车型。试点主要面向三四线城市和县域市场，北京等经销网络密集的一线城市暂不采用这一模式。广汽集团去年 10 月启动综合销售服务中心招商，采用多品牌授权的轻量化代理模式，计划今年在县级市场建立 1000 家中心。最迟从今年 2 月起，浙江乐清、广东博罗、福建漳浦、重庆荣昌等地已有门店销售本田 P7、雅阁和皓影等车型。招商人员称，传祺、埃安和昊铂可由广汽直接授权，广汽本田则需要与主机厂及主店确认授权和车源，现阶段多采用二网合作。广汽本田仍然单独授权品牌，只让获授权经销商把不同品牌车型放在同一展厅销售。今年上半年，广汽本田累计销量为 68318 辆，同比下降 55.82%。蚂蚁灵波已启动首轮融资蚂蚁集团旗下具身智能公司蚂蚁灵波已启动首轮融资，拟募资 15 亿元，并计划在今年底完成第二轮融资。报道称，多家投资机构在项目启动前已主动接触团队，近期还有投资人在世界人工智能大会展台了解其技术和产品进展。蚂蚁灵波随后回应称，公司确实正在与投资人接触。蚂蚁灵波将继续作为蚂蚁在具身智能领域的核心布局，聚焦通用机器人大脑，加大具身原生技术路线投入并推进产业落地；回应没有确认本轮融资金额和完成时间。团队已经公开 Vision、Depth、Mapping、Video、World Model、VA 和 VLA 等模型与技术模块，覆盖机器人感知、空间理解、世界建模和动作生成。公司在 7 月发布的 LingBot 系列 2.0 包括视觉基模、深度感知模型、支持 20 多种机器人构型的 VLA 模型，以及支持实时交互的世界模型。Amflow 高端电助力自行车销量超过 3 万辆，营收突破 10 亿元据 36 氪报道，从大疆拆分独立运营的电助力自行车品牌 Amflow 已售出超过 3 万辆整车，整体营收突破 10 亿元；同源的电助力系统品牌 Avinox 也已独立运营，今年客户数量超过 60 家。Amflow 首款产品 PL 定位高端电助力山地车，两款车型定价 6499 欧元和 9999 欧元。团队称，供应链与行业人士最初预计产品生命周期销量为 3000 至 5000 辆，但上市一个月后便遭遇产能不足，公司随后用一年多时间提升产能。Avinox 系统将最大扭矩提高到 120 牛·米，搭配 800Wh 电池，同时把整车重量控制在 20kg 以内；报道给出的行业常见组合为 85 牛·米、720Wh 和 22 至 25kg。团队还把快充、OLED 触屏和传感器融合算法引入这套电助力系统，并计划统一前两代系统的接口与挂点，让整车品牌升级助力系统时无需重做车架。Amflow 近期又发布售价 3499 欧元的 TL Carb

在广袤的异世界，曾经流传着这样一个笑话：为什么出名的矮人学者比人类和精灵族学者多？因为他们更容易著作等身。这是我看到三星 Galaxy Z Fold8 时第一个蹦出来的念头。作为如今市场上唯二的「阔折叠」类型产品，把 Z Fold8 拿在手上的第一观感，无疑就是一个「宽」字。这种宽感可以量化的——合拢 81.9mm、展开 161.4mm，让 Z Fold8 脱离了传统的手机范畴，从各方面讲都更像是一台小尺寸安卓平板：与此同时，Z Fold8 作为三星最高端的 Z 系列产品，又不像普通安卓平板那样因为「大」而忽略了工业设计和质感。最突出的，就是它201g 的裸机重量—— Z Fold8 不仅是迄今为止最轻的 Z Fold 机型，更是比过去半年里绝大多数直板旗舰都要轻出几十克：再加上 Z Fold 系列一贯的硬朗直角机身与百搭的克制配色，与市面上其他折叠相比，Z Fold8 在精致程度上无疑是遥遥领先的。甚至单从外观来说，我觉得这就是 2026 年最酷的折叠屏手机。终极娱乐机器作为折叠屏里的最新形态，我们不得不将 2019 年的那个问题，再拿出来问问 Z Fold8：App 适配情况怎么样了？毕竟严格来说，很多尸位素餐的头部 App 开发商至今都没有完成对大折叠的适配——能提供平行视界已属罕见、专门设计宽屏 UI 的屈指可数，更不用说新的阔折叠了；如今绝大多数 App，就是用这样的暴力拉伸了事：根据三星提供的数据，三星应用商店中 Top 200 常用应用有 94% 适配了 Z Fold8，有超过 100 个「关键级国民应用」拥有专属的宽屏 UI。虽然数字看上去挺不错，但过去大折叠的经验告诉我们一件事：「适配了」有时候只代表界面没有 bug、不等于 App 能够利用好折叠屏多出来的显示面积。为此，我们测试了近 40 款国内外常用 App，总结出了这样一份软件适配表：https://ifanr.feishu.cn/sheets/H4ZnspqB1hdJrftFJubccgBunQh简单来说，那些不适配大折叠的 App 在 Z Fold8 上依然会水土不服，其中尤以美团系 App 为甚。并且阔折叠受比例限制，支持平行视界的 App 在 Z Fold8 上面的体验也没有大折叠那么自然——横着不够高、竖着又太窄：这个问题我们在 Z Fold8 发布之前就预料到了，毕竟 Pura X Max 在开售之初也遇到了类似的情况。考虑到下半年阔折叠市场的玩家正在以肉眼可见的速度增长，软件适配情况整体来说还是比较「未来可期」的。好在绝大多数 App 在 Z Fold8 的外屏上都没有任何问题。虽然上下会被挤占不少内容，但至少没有影响功能的恶性 bug，满足日常使用是没有问题的：而在理解 Z Fold8 的软件适配情况之后，我们就可以来看看这块宽屏真正擅长做什么了。三星 Z Fold8 毋庸置疑是一台面向内容消费端的手机，从定形之初就将视频、阅读等等消遣场景作为核心，在此之外的所有用途都要往后稍稍。先说视频。虽然 4:3 如今只有 IMAX 等少数规格在坚持使用，但在播放 16:9、18.5:9 为主的流媒体内容时，Z Fold8 的黑边就是比正方形大折叠要少，在观感上给人一种「画面面积更大」的爽感：《扎克·施耐德版正义联盟》（2021）同时 Z Fold8 很接近纸质书的「小 32 开」（正度 32 开）尺寸，在显示电子书以及漫画的时候，可以获得相当接近纸质书的体验：再加上 201g 的重量，Z Fold8 可以说是目前「单位重量下能够获得最大屏幕面积」的手机之一，天生就是用来阅读和消费的。并且由于手机相机传感器的比例大多是 4:3，Z Fold8 还是为数不多拍照之后可以在屏幕上满屏预览的机器：这种特点让 Z Fold8 的两颗 5000 像素摄像头有了一定的用武之地。虽然硬件素质相比 S 系列不怎么突出，但能一刀不裁就做壁纸的体验还是很吸引人的：不过，Z Fold8 不像看起来那么适合刷短视频——如果播放平台不做强制裁切的话，它看短视频的观感其实和大折叠差不多。另外难得的是，Z Fold8 还支持了三折叠 Galaxy Z TriFold 上提供的「三分屏」模式，不像大折叠那样只能 2+1 分屏：只不过 Z Fold8 高度不如直板机，即使打开 Goodlock 的「多窗口屏幕缩放」，三分屏显示的内容也还是有点局促，只适合应急使用。可惜虽然长宽比一样，或许是出于显示面积的考虑，Z Fold8 就不像 Z TriFold 那样支持本机 DeX 桌面模式了：Z TriFold 不需要外接显示器就可以用 DeX 桌面当然 Z Fold8 除了内屏，还有至少 50％ 的体验是依托外屏的——毕竟很少有人买一台折叠屏每天只展开着用，这块「矮矮胖胖」的外屏同样重要，甚至更重要。首先，受制于不足 130mm 的高度，Z Fold8 的外屏在面对几乎所有以竖向信息流为主的 App 时，感觉都是比较局促的。而当你需要打字时，键盘界面甚至会占掉外屏接近一半的面积，只留下两三条聊天记录给你看：比起高度，更加难以忽视的是宽度。虽然过去不是没有过 80mm 往上的「宽」手机，比如黑莓 Passport、LG Optimus Vu 等等，但那时的使用频率和现在完全不可同日而语。那个让人可以静下心来、稳稳当当双手打字的时代已经不复存在了：图｜Engadget在这样的背景下，Z Fold8 的单手使用体验只能算差强人意。但幸好三星有 One Hand Operation+ 这种杀手锏级工具，你可以在左右 12 个侧滑手势中选两个设置成虚拟触控板，实现真正的「一手掌控」：不过 Z Fold8 的外屏更容易让人回想起 iPhone 4s 那个时代的屏幕比例。在这个以竖向信息流为主的时代，仍难免感觉到逼仄：另外也别忘了，今年国行 Z Fold8 系列全部都变成了单实体卡 + eSIM 的组合。而 eSIM 规定与 iPhone Air 如出一辙：写卡、换机、换卡，你都得亲自跑营业厅。你应该选择阔折叠吗坦白讲，我作为一个长期的大折叠用户，在真正使用了三星 Z Fold8 之后，当初对于新设备形态的期待没有之前那么强烈了。归根结底，我觉得是「阔折叠」这个产品形态所擅长的领域，和我平时主要用折叠屏做的事情不是那么重叠。阔折叠的优势当然客观存在，三星 Z Fold8 算是目前所有形态的手机中，最合适视频、图片和文字内容消费的那一个——但在其他大多数场景里，阔折叠屏幕相比传统直板机与大折叠，除了「新鲜感」之外，其实没有带来什么明显的效率或者观感提升：但如今直板机和大折叠都在陷入明显的硬件同质化，三星 Z Fold8 这种新鲜感难道完全没有意义吗？显然也不是。在某种程度上，Z Fold8 阔折叠的生态位和 Z Flip8 小折叠非常像——它卖的是一种与众不同。因此如果你在了解过之后打算从直板机换到折叠屏，那 Z Fold8 无疑是现阶段最新鲜的选择——史上最轻的 Z Fold、2026 年最热门的形态、看书看视频最大屏占比的公约数，拿手上的「满足感」是绝对满分的。但对于那些已经习惯了大折叠的用户来说，购买一台 Z Fold8 不等于立竿见影的体验或者效率提升。如果你有看视频之外的高频需求，比如文件批注、随身写作，甚至仅仅是高强度水群，那阔折叠在褪去新鲜感之后，其实没有和大折叠拉开什么差距。目前三星 Z Fold8 国行官方售价为 12+256GB 12999 元，12+512GB 更到了 14599 元。对于任何有意愿豪掷一万五购买手机的用户来说，厘清自己的主要需求究竟是内容消费还是大屏操作，是至关重要的。

说起廉航，你可能做过捷蓝、春秋、九元航空等等，但如果出现一家 DoorDash Air，你敢坐吗？不管你敢不敢，DoorDash Air 都不可能载人——事实上，DoorDash Air 是这家美国外卖送餐巨头最新成立的「自营无人机配送部门」：图｜Business Model Analyst7 月 29 日，DoorDash 宣布自己成功获得了 FAA（美国联邦航空局）的 P135 航空承运人认证，将成立 DoorDash Air 部门负责无人送餐业务的全流程业务。作为美国第八家获得 P135 认证的无人机运营商，DoorDash 将从「租机送货」进化到「自行设计飞行器、建设地面设施并经营配送业务」。亚马逊的配送无人机站点｜Amazon News在官方新闻中，DoorDash 声称距离不超过 5 英里（约 8 公里）的订单，使用自家无人机可以在 25 分钟内完成配送。从亚马逊、美团到 DoorDash，许多外卖和物流企业都在把无人机、无人车和人类送货员编入同一张配送网，比的就是谁能把最后几十米送得更便宜、更安静、更可靠。DoorDash 能飞？明天不行需要泼一盆冷水的是，虽然 DoorDash 此举拿到了「低空经济」的入场券，但距离「DoorDash Air 能飞」还有一段距离。FAA P135 本质上是美国企业用无人机有偿运输物品、进行超视距配送的必要文件，但 FAA 同时规定，运营商仍需针对具体机型、空域和运行方式获得相应授权或豁免。MANNA 公司的物流无人机｜Scientific American换句话说—— DoorDash 拿到了进入空域的资格，但还得继续分区域申请「拉上外卖就开飞」的许可。截至目前，DoorDash 尚未公布自研无人机的外形、载重、量产计划和首批商用地点，现有的达拉斯 – 沃思堡和夏洛特区域无人机配送业务仍需依靠 Wing、Flytrex 等合作伙伴：使用 Wing 无人机配送的 DoorDash｜TheVergeDoorDash 拿到 P135 真正的重点不是「外卖上天」——外卖早就可以上天了，而是 DoorDash 从运力采购者变成软硬件和运营规则的参与者。这和 DoorDash 此前推出的 Dot 无人配送车以及 Autonomous Delivery Platform 是相同的逻辑。在业务地区，系统根据成本、速度、位置等等因素，全自动决定把餐品交给骑手、无人机、道路机器人还是人行道小车。图｜Restaurant Dive从这种混合业务模式也能看出来，无人配送真正的竞争点不是「谁能飞」，而是「谁能把特点各异的配送工具合理分配」。无人配送一定要无人目前全世界的物流和配送公司其实都在加大对于无人配送技术的投入，其中最吸引眼球的路线当然是无人机。毕竟无人机不堵车、在固定空域可以实现全自动的点到点飞行，适合药品、餐食、日用品等重量较轻、时效性较强的订单。图｜Freight People在美国，Wing 公司与沃尔玛已经完成超过 100 万次无人机商业配送，并计划在 2027 年建设超过 270 个无人机配送点，覆盖逾 4000 万美国居民。亚马逊则选择高度整合——订单、仓储、飞机和配送网络都握在自己手里，最新的 MK30 送货无人机已经能够实现自主避障、在小雨中飞行，噪声较上一代降低近一半：图｜Amazon News国内这边，美团则走出了一条更具「基建」色彩的路线：用无人机、自动接驳机场和云端调度系统共同组成一套固定的城市低空航网。截至目前，美团无人机已经完成了超过 100 万单配送，覆盖深圳、北京、上海、广州、香港、迪拜等国内外城市的超过 65 条无人航线：图｜The Standard (HK)但无人机虽然适合被河流、山地和拥堵道路切割的城市空间，但也存在非常明显的局限——无人机可以轻松飞过 5 公里的堵车，却不能直接降落到 25 层的窗户上，不能「送货上门」、用户还是得去特定外卖柜取货。这种时候，道路无人配送车的优势就凸显了出来，不仅能装下更多订单、批量运输，也比无人机更能适应复杂天气和「最后一公里」难题：图｜Digital Purchase Order同样根据美团的数据，截至 2024 年底，其自动配送车已完成近 500 万单配送，帮助人工骑手节省了超过 240 万公里的奔波：图｜美团相比之下，DoorDash Dot 无人送货机器人则选择了比大型无人配送车更细枝末节的道路，利用较小的尺寸尝试解决「直接上门」的问题：图｜DoorDash但是这类小型配送机器人也有自己的挑战——它比行人快、比汽车小，还能在机动车道和人行道上混合行驶，意味着识别算法和行驶算法成倍的复杂。现实就是，不管是无人机还是无人车，没有哪条自动化技术路线能够通吃所有订单。无人机适合轻、小、急订单；道路无人车适合批量运输；小型送货机器人适合短途低速；但真碰上复杂的现实世界突发状况，人类依然是那个最稳妥的兜底方案。无人技术也要有人道考量符合预期的是，在已经开通了无人机配送的区域，真实用户对无人配送并不排斥。根据 AP News 的采访，经常使用 DoorDash 无人机配送的家庭，孩子会专门跑出去看飞机；报名无人机配送的餐厅经营者也评价无人机送餐稳定，甚至整体订单都能有所增长。但同一篇报道里，也记录了很多完全相反的感受——有些用户抱怨无人机噪音像是「巨型蚊子」，部分庭院和树木限制可投递范围，当然还有经典的「摄像头侵犯隐私」：图｜Reddit而在楼宇密集的国内，无人机配送的主要问题则变成了无人机无法「送货到门」、物业不合作，以及支持无人机配送的时段多集中在深夜等等。图｜美团要说 DoorDash Air 拿证的最大意义，在于一家拥有海量实时订单的平台，开始亲自下场生产和掌握飞行运力。但严格来说，它最有价值的资产依然不是无人机或者无人小车，而是知道餐厅何时出餐、哪个路口堵车、以及这一单究竟应该由谁来送的综合配送算法。未来，无人配送大概率不会出现一种设备取代所有骑手的整齐画面。更现实的结果是，机器接管标准化程度高、重复或封闭环境的路段，分散在配送网末端的人类外卖员处理楼梯、物业、临时改址和那句「麻烦放门口，别按门铃」。图｜The Wire China从这个角度看，所谓无人配送系统，真正成熟的标志不是天空中飞满无人机，而是用户下单时根本不用关心来的是飞机、小车还是骑手。技术从体验中消失，才是它最像基础设施的时候。

没有天花板的 G 回来了。7 月 24 日，奔驰在 G 级官方社交账号放出预告，一辆仍带着局部伪装的四门 G 级，在镜头前缓缓收起软顶，织物顶棚向车尾折叠，最终堆在后排座椅之后，前后两排乘员头顶都露出了开口。预告车的直瀑式格栅、侧出排气和 AMG 车牌，都指向了 AMG G 63。奔驰暂未公布正式车型名称、动力、售价和发布时间，但目前能够确定的是，时隔多年之后，G-Class Cabriolet 即将完成回归。新车保留当前 G 级的四门长轴车身，软顶开口似乎进一步延伸到前排上方，相比 2017 年的迈巴赫 G 650 Landaulet 只向后排乘客开放天空，这一次驾驶员也有机会分到一份蓝天。没有天花板的 G 级奔驰早在 2025 年 12 月便确认 G-Class Cabriolet 已经开始道路与测试场验证，之后还将前往瑞典接受冬季测试。当时公布的三张伪装图已经露出四门车身和织物软顶，最新视频又补上了顶棚打开的完整过程。从画面看，这套顶棚可以自行收折，软顶沿着车顶两侧的框架向后移动，折叠后差不多与外挂备胎顶部齐平。过去的短轴 G-Class Cabriolet 需要手动解开前方锁扣，新车则没有这一流程。敞篷结构也给这台方正的大车留下了一些难以被忽视的细节，宽大的前顶框和后部横梁始终出现在视线里，车尾部分经过重新设计后，第三刹车灯被移到备胎罩上。和过往的 G 级敞篷一样，折叠起来的顶棚外露在后侧，占据了车尾的一部分空间。很显然，这台 G-Class Cabriolet 的后备厢并不算太实用，不过买这台车的车主们，大概率不会太在意这个问题。新车基本可以确定基于AMG G 63 打造，在动力方面，现款 AMG G 63 搭载 4.0L 双涡轮增压 V8 发动机，配合 48V 电机，最大功率达到 430kW，0～100km/h 仅需 4.4 秒。至于新的 G Cabriolet 在动力上是否继续调整，还要看奔驰后续的公布。历代原厂 G-Class Cabriolet 几乎都采用短轴双门车身，四门敞篷只在限量版的 G 650 Landaulet 上短暂出现过。如今这台车第一次把常规四门 G 级与完整敞篷体验放在一起，也让 Cabriolet 从车系边缘的小众分支，重新回到 G 级最吸睛的位置。G 级与敞篷的关系可以追溯到 1979 年。初代 G 级上市时，奔驰同时提供短轴 Cabriolet 也就是软顶敞篷版本、短轴 Station Wagon 版本和长轴 Station Wagon 版本以供选择。不过那时的 G 级仍然带着浓厚的工具属性，敞篷的意义更多在于「方便装货」。1989 年推出的 W463 改变了 G 级的产品线的走向。随着木纹、皮革和更丰富的舒适配置陆续进入车内，G 级开始从专业越野工具走向豪华消费品，短轴 Cabriolet 在此时也跟着完成身份转换，逐渐由干粗活的工具成为一台有越野能力的昂贵玩具。到了 1998 年，配备 V8 发动机的 G 500 成为车系新的旗舰，敞篷版本更进一步成为 G 级最昂贵的序列之一。奔驰最终在 2013 年推出 G 500 Cabriolet Final Edition 200，为延续三十多年的常规敞篷版本收尾。短轴 G-Class Cabriolet 的离场，倒不完全是因为需求不足，更多的是因为 G 级的产品线收缩。奔驰在 2011 年前后停产了短轴三门的硬顶车型，敞篷版已经成为这副短轴底盘最后的民用车型，而当 G 级逐渐将目光聚焦在长轴五门版车型，单独维持一款低产量敞篷车的意义并不大，Final Edition 200 只生产 200 台，很快便售罄，为它留下了一个体面的结局。不过在四年之后，奔驰又借着迈巴赫的名义，带来了限量 99 台的迈巴赫 G 650 Landaulet，把敞篷版拿出来再遛了一次。这台车将 G 65 的 V12 发动机、G 500 4×4² 的车桥和迈巴赫后排座舱装在同一辆车上，电动软顶覆盖后半部分，这也是第一台四门长轴版本的 G 级敞篷车。同一块车顶，在 G 级的四十多年里不断更换用途，早期软顶服务于车身功能，W463 时代增加了休闲色彩，G 650 Landaulet 把露天体验完全和奢华挂钩。而新的 G-Class Cabriolet 大概率将会沿用 G 650 Landaulet 的理念，成为 G 级一个新的豪华标杆。奔驰选择在此时重启 G-Class Cabriolet，也赶上了 G 级状态最好的阶段。2025 年，G 级全球交付 49,700 辆，同比增长 23%，创下历史纪录，康林松还表示，新敞篷版将进入奔驰覆盖的几乎所有市场。结合目前 AMG G 63 的情况，新的 G-Class Cabriolet 也有可能在中国市场上市，有意向的朋友们可以准备准备了。「开扬感」是越野车共同的梦越野车的功能总是把人往自然深处带。四驱、差速锁、通过性，让这些车型得以深入山野腹地，但越野的另一重意义就是和自然共处，从这个角度出发，如何追求某种意义上的融入环境，也是越野车的一大命题。奔驰选择掀开 G 级的车顶，中国市场的大型 SUV 则选择了向上要空间。小米澎程 N90 Max 露营版的申报名称为「插电式增程混合动力文化生活服务车」，自带升顶机构，展开以后提供车顶床板，车内还有侧柜、侧帐接口。车辆停下后，升降车顶为床板上方腾出坐卧空间，下层车厢则可以继续使用，一台 SUV 由此获得上下两层休息区域。享界 G9 顶帐版也展示了相似的想法，享界 G9 的车顶可以从一侧抬起，并向另一侧展开成为帐篷。余承东在最新预告中将它称为与车身一体化设计的电动顶帐，展开后可以形成双层休憩赏景空间，车尾还集成了能够烹饪和准备热饮的尾门厨房。G-Class Cabriolet、N90 Max 露营版和享界 G9 使用了完全不同的结构，但在场景上殊途同归，都是为了让车内的人能和户外共处。当然在这件事上，国内车企的想象更丰富一些，奔驰打开了车厢上方的一片天空，N90 Max 露营版和享界 G9 则更关注停泊之后的户外体验。47 年前，第一辆 G-Class Cabriolet 采用软顶时，并没有料到日后这会成为一个关于生活方式和特殊标签的设计。到了今天，无论是奔驰、小米、享界，还是越来越多的将户外和「情绪价值」绑定的车型，正在给车赋予新的价值和体验，与自然的接触都成了车型可以明码标出的卖点。没有天花板的 G，回来的正是时候。