🚀Kimi 完成超 35 亿美元 F 轮融资，投后估值升至 350 亿美元🚗理想回应 i6 自动泊车反复调整：9 月优化泊车受阻提醒🤖智元、宇树等受限，美国宣布禁止进口新款中国机器人🧠继 Hugging Face 后，OpenAI 测试智能体攻入第二家科技公司📱2nm 旗舰芯片价格上涨，手机核心三件套物料成本超过 600 美元📋1100 名 AI 从业者联名呼吁放缓 AI 增长节奏💰曝蚂蚁数科筹备 Pre-IPO 融资，蚂蚁系已有 3 家子公司独立融资🚙车企称智驾「小蓝灯」将被禁用📸曝索尼将以 2000 亿日元收购腾龙☁️OpenAI 重置 Codex 用户限额，称 Sol 典型使用时长延长约 18%⚠️俄罗斯将 Telegram 创始人杜罗夫列入国际通缉名单📈SK 海力士二季度营收 79.3 万亿韩元，营业利润率达 76%💳Visa 第三财季净营收增长 14%，跨境支付量增长 13%🌐Meta 第二季度营收增长 28%，Reality Labs 亏损扩大至 46 亿美元💡扎克伯格：美国不应靠封禁中国 AI 模型赢得竞争💻华为 MateBook Pro S 亮相：机身重 798g、厚 11.9mm🛑曝 Pixel 11 全系 256GB 起步，三款电池容量一增两减🔍Grok 4.5 接入 GitHub Copilot，支持 50 万 token 上下文🥗蚂蚁阿福升级「AI 拍饮食」，支持修改克数并生成热量账单🎬QuestMobile：短剧行业去重用户规模达到 8.51 亿🛍️奥利奥母公司二季度净营收增长 8.2%，销量组合下降 0.5%🎥动画电影《悟空大圣》上映 4 天后撤档，累计票房 14.2 万元Kimi 完成超 35 亿美元 F 轮融资，投后估值升至 350 亿美元据《科创板日报》报道，Kimi 已完成 F 轮融资，融资金额超过 35 亿美元，投后估值升至 350 亿美元。报道说，本轮实际融资额超过原定目标 3 倍，因此提前关闭。原定 8 月启动的 G 轮融资也已提前开始，这轮融资被定位为 Pre-IPO 轮，投前估值升至 500 亿美元。Bloomberg 7 月 21 日曾报道，月之暗面计划在 8 月启动上市前最后一轮融资，估值最高可达 500 亿美元；此次 F 轮完成和 G 轮提前启动，把原来的融资时间表进一步前移。理想回应 i6 自动泊车反复调整：9 月优化泊车受阻提醒一段理想 i6 使用离车泊入、车辆反复调整轨迹的视频登上热搜。理想汽车产品线负责人李昕旸核对车主情况后称，当时车位后方有电动自行车占位，系统多次尝试改变轨迹避让；车主随后也确认了这一现场情况。理想汽车客服表示，用户需要先在中控屏开启「VLA 泊车」。系统识别车位和周边环境时，如果遇到立柱、电动自行车等立体障碍物，可能反复调整泊车轨迹。李昕旸称，理想正在与自动驾驶团队优化复杂场景下的泊车能力，计划在 9 月推送的 9.1 版本中改进泊车受阻提醒。智元、宇树等受限，美国宣布禁止进口新款中国机器人据《财经》杂志报道，美国联邦通信委员会（FCC）于当地时间 7 月 28 日更新《受管制清单》，宣布禁止进口来自外国生产的新款机器人和电力逆变器。此次禁令明确涵盖了人形机器人和四足机器人，旨在防范美国人工智能供应链面临的国家安全风险，并推动关键产业回流美国。新措施自公布之日起立即生效，目前主要适用于尚未推出的新款型号。一旦设备被列入该清单，将无法获得进入美国市场必需的 FCC 认证。FCC 在声明中表示，这些设备可能造成供应链脆弱，并构成威胁关键基础设施的网络安全风险。数据显示，2025 年全球人形机器人总出货量约 1.3 万台，中国厂商占据了近 90% 的市场份额，其中智元机器人和宇树科技位列全球前列。宇树科技的招股书显示，美国是其最大的海外市场，每月约有 100 台人形机器人发往美国。智元机器人此前也计划重点突破北美市场。截至目前，两家公司尚未对此做出正式回应，但有宇树高管透露，公司或将考虑在海外建厂组装。此前，FCC 已先后将华为、中兴、海康威视及大疆创新等中国企业列入受管制清单。针对此次新禁令，中国驻美国大使馆呼吁美方停止抹黑和威胁制裁中国企业，并表示中国政府将采取一切必要措施维护中方利益。官宣离职仅两天，北大校友翁荔回归 OpenAI据 The Information、《商业内幕》报道，北大校友、AI 初创公司 Thinking Machines Lab 联合创始人翁荔（Lilian Weng）已确认重返 OpenAI。OpenAI 发言人表示，翁荔将领导一支专注于加速内部研究的团队，致力于开发能够实现「递归自我改进」的 AI 模型。此前在 7 月 28 日，翁荔在社交媒体上官宣离职。她在离职信中透露，过去 7 个月里生病的次数超过了人生任何阶段，长期的压力和工作强度已超出身体承受极限。她表示自己依然热爱 AI 研究，但希望能在一个节奏更可预测、职责边界更清晰的环境中工作，而非继续担任联合创始人。翁荔曾是 OpenAI 的核心成员，于 2018 年加入，曾参与机械手 Dactyl 项目，并从零组建了 OpenAI 的安全系统团队，离职前担任研究与安全副总裁。2025 年 2 月，她与 OpenAI 前 CTO Mira Murati 等人共同创立了 Thinking Machines。继 Hugging Face 后，OpenAI 测试智能体攻入第二家科技公司据路透社报道，OpenAI 测试中的失控 AI 智能体除入侵 Hugging Face 外，还攻入了云计算平台 Modal Labs 上一名客户的账户。Modal 高管强调，公司平台本身没有遭到入侵。Modal CTO Akshat Bubna 表示，该客户在 Modal 平台部署了一处没有身份验证的端点，任何互联网用户都可借此调用其沙盒执行代码。OpenAI 智能体利用这段客户代码进入沙盒，再把它作为攻击 Hugging Face 的跳板；Modal 的平台和隔离机制没有被突破。OpenAI 称，该智能体共进入 4 个不同服务的 4 个账户；除 Hugging Face 的平台级入侵外，公司没有发现其他活动达到相同严重程度或规模。OpenAI 已停用并加密被测试模型，同时限制研究人员继续访问。2nm 旗舰芯片价格上涨，手机核心三件套物料成本超过 600 美元据《工商时报》报道，高通骁龙 8 Elite Gen 6 Pro 预计单价超过 300 美元，联发科天玑 9600 Pro 约为 216 美元，后者低约 28%。高通已向客户发出涨价通知，新价格适用于 9 月 1 日后出货的产品。上游成本来自台积电 N2P 制程：单片晶圆价格已超过 3 万美元，较 3nm 工艺高逾两成。高通可能以 2nm 和 3nm 组合覆盖不同价位，联发科则被曝准备 N3P 工艺的天玑 9600s，以及 N2P 工艺的 9600 Pro、Pro Max。同时，HBM 需求占用更多产能，消费级 DRAM 与 NAND 供应收紧；2026 年第一季度 DRAM 合约价环比上涨 90% 至 95%。报道估算，下半年 2nm 安卓旗舰的处理器、LPDDR6 内存与 UFS 5.0 闪存合计物料成本将超过 600 美元。1100 名 AI 从业者联名呼吁放缓 AI 增长节奏OpenAI、Anthropic、Google 和 Meta 等公司的 1100 多名从业者联署「Pacing the Frontier」公开信，要求美国政府支持国际合作，建立调节前沿自动化 AI 开发速度的技术与治理工具。签署者包括 Anthropic CEO 达里奥·阿莫代伊、OpenAI 首席科学家 Jakub Pachocki、Meta 首席科学家赵晟佳等。奥尔特曼在「Invest Like the Best」播客中表示，前沿模型借助 AI 自行改进 AI 的速度，未来可能快到社会无法及时建立保障机制；届时需要主动控制开发节奏，为社会适应新能力留出时间。我们可能需要把控 AI 发展的速度，给自己足够的时间，让社会适应这些新的能力水平并建立起防护机制。他同时给出治理边界：相关机制不能让外界认为是头部实验室借监管巩固地位，也不能被理解为竞争者之间串通。奥尔特曼此前没有签署 2023 年要求暂停训练更强模型的公开信，当时他认为倡议缺少需要暂停的具体技术环节。曝蚂蚁数科筹备 Pre-IPO 融资，蚂蚁系已有 3 家子公司独立融资据《科创板日报》从知情人士处获悉，蚂蚁集团旗下蚂蚁数科正在筹备 Pre-IPO 融资。加上正在寻求 A 轮融资的数据库公司 OceanBase，以及此前已完成 A 轮融资的蚂蚁国际，蚂蚁集团已有 3 家子公司推进独立融资。蚂蚁数科在 2024 年初成立董事会并独立运营。CEO 赵闻飙此前表示，公司计划在年内实现盈亏平衡，但尚未公开具体经营数据。业务方面，蚂蚁数科在今年 WAIC 提出打造「智能体超级工厂」，并在海外布局 AI 与 Web3。公开数据称，公司与 300 余家合作伙伴服务了全球超过 3 万家企业客户。车企称智驾「小蓝灯」将被禁用第一财经报道称，乘用车用于显示辅助驾驶工作状态的车外蓝色指示灯，因不符合 GB 4785《汽车及挂车外部照明和光信号装置的安装规定》，将不再用于新认证车型。一名车企内部人士向第一财经确认，从 7 月 27 日起，新认证车型已禁用这类「小蓝灯」。报道没有披露主管部门的新文件或正式通知，因此现阶段适用于新认证车型的具体执行范围，仍有待监管部门进一步明确。吉利汽车回应称，已经知晓相关消息，将遵循国家规定并等待进一步要求。曝索尼将以 2000 亿日元收购腾龙据日本《钻石周刊》报道，索尼集团已向第三方镜头制造商腾龙（Tamron）提出收购提案，计划取得腾龙全部股权。据知情人士透露，此次收购金额预计达到 2000 亿日元规模（约合 13.5 亿美元）。报道显示，索尼作为腾龙长期的最大传统股东，目前持有约 15% 的股份。索尼此次寻求全面收购的主要动机在于防御激进投资者。据悉，以 Effissimo Capital Management 为首的激进对冲基金一直在增加其在腾龙的持股比例，甚至一度超过索尼。索尼希望通过全面控股来屏蔽外部投资者的干预，防止激进基金推动可能损害长期战略的资产剥离或重组。此外，保护 E 卡口生态系统也是核心考量之一。腾龙是索尼微单生态中最重要的第三方供应商之一，其制造的变焦镜头在索尼用户群中拥有极高的市场占有率。通过将腾龙完全纳入集团版图，索尼可以确保供应链安全，防止核心制造资源流向佳能 RF 或尼康 Z 等竞争对手的卡口系统。在研发层面，腾龙在光学设计、精密玻璃模具制造以及小型化变焦技术上的积累，也将与索尼的影像传感器业务产生协同效应。OpenAI 重置 Codex 用户限额，称 Sol 典型使用时长延长约 18%OpenAI 核心产品负责人 Thibault Sottiaux (Tibo) 昨天表示，公司已经重置所有 ChatGPT Work 与 Codex 用户的用量限额，并没有下调任何订阅计划的可用量。Sottiaux 称，经过近期优化，GPT-5.6 Sol 在典型任务中的可用时长预计增加约 18%，部分用户从今日起会看到更明显的改善。OpenAI 此前为调查异常消耗，暂时取消了 5 小时限额；Sottiaux 称该限制将在明日恢复。团队发现，Sol 更愿意延长任务、追加工具调用并协调跨工具与子智能体工作流，同一 reasoning effort 下的 token 消耗也高于 GPT-5.5。Sottiaux 表示，程序化工具调用增加了单轮响应次数、缓存输入 token 和等待工具期间的消耗，网页搜索密集任务受影响尤其明显。他还表示，中位用户使用 Sol 时相对高效，但执行高难度长任务的高强度用户消耗快得多，团队在发布前低估了这一长尾情况。俄罗斯将 Telegram 创始人杜罗夫列入国际通缉名单据新华社和美联社报道，俄罗斯联邦安全局 7 月 29 日宣布，以「协助恐怖

过去几天，一篇名为《王的猜想》的文章刷屏了。它原本是《广西日报》为数学家王虹写的一篇人物特稿。文章火到纸质报纸一份难求，报社不得不宣布加印，就连价格都从 1 块钱炒到了最高 60 块一份。▲ 图片来自：广西日报微信公众号7 月 23 日，35 岁的王虹获得菲尔兹奖。公众最熟悉的成果，是她与数学家 Joshua Zahl 在 2025 年完成的三维挂谷猜想证明。这道题可以从一根没有粗细的针说起：如果要让它转遍三维空间里的所有方向，至少需要多大的地方？问题听起来像一道可以画在小学作业本上的几何题，王虹和 Zahl 给出的答案却写了整整 127 页。就在数学界庆祝这项人类成果时，AI 数学也正从「能做很难的题」推进到「能直接改变开放问题的状态」。▲感谢 Fable 付出的辛勤工作OpenAI 的 GPT-5.6 Sol Ultra 用 3 页证明解决了延续约半个世纪的圈双覆盖猜想；Anthropic 的 Fable 5 则帮助数学家找到一个很短的反例，推翻了有 87 年历史的雅可比猜想。社交媒体上充斥着各种 AI 超神的消息，「一位数学家半夜被 Claude 惊醒」、「一次提示，推翻 80 年猜想」。OpenAI 和 Anthropic 在你追我赶地证明，还有哪些数学猜想能被他们的旗舰模型给解决，完全沉浸在大模型「无所不能」的想象中。不过，即便 AI 已经会证明复杂的数学猜想，却还想不出爱因斯坦脑中的那台电梯。一台没有窗户的电梯悬在太空。火箭点火，电梯开始向上加速。你松开手里的苹果，它落到脚边。站在电梯里的人无法判断，苹果掉下来是因为附近存在一颗星球，还是因为脚下的地板正在加速追上它。1907 年，爱因斯坦从类似的思想实验中得到等效原理：在局部范围内，重力与加速度无法区分。他后来把这称为「一生中最幸福的想法」。一百多年后，Google DeepMind 研究员 Tom Zahavy 把这台电梯搬到了 AI 面前。他提出的问题是：如果只给 AI 广义相对论诞生前的知识，它能不能自己想到这台电梯，再从中提出等效原理？Zahavy 的答案是否定的。今年 7 月，Google DeepMind 在 ICML 2026 展示了立场论文《LLMs can’t jump》。论文直截了当地提出：大模型不会完成科学发现中最关键的创造性跳跃。▲ 论文链接：https://philsci-archive.pitt.edu/28024/1/Scientific_Invention_Position_Paper%20%2817%29.pdfGoogle DeepMind 研究员 Tom Zahavy 认为，今天的大模型已经很会从数据中找规律，也正在学会沿着公理证明复杂结论，却缺少科学发明需要的第三种推理：面对一个还没有答案的问题，主动提出新的解释、新的概念，甚至换掉原来的公理。论文给这个动作起了一个很形象的名字：Jump。认知的三重境界要理解为什么跳跃是大模型的局限，首先要理解人类思考和发明的底层机制。论文借用了美国逻辑学家查尔斯·桑德斯·皮尔士（Peirce）对人类推理的三分法：归纳（Induction）： 输入 + 输出 -> 规则。从大量观测数据中寻找模式，拟合出规律。演绎（Deduction）： 规则 + 输入 -> 输出。基于既有公理和前提，进行严密的逻辑推导，确保过程无误。溯因（Abduction）： 规则 + 输出 -> 新输入（或新公理）。当遇到未知现象或旧理论失效时，凭空跳出原有框架，提出全新的假说与假设。用更形象的比喻来描述这三种推理，可以假设我们每天从树上摘一个苹果，松手后，它每次都会掉到地上。看过很多次以后，我们总结出「苹果通常会往下掉」，这叫归纳：从许多例子里找出规律。大模型从海量文字中学习哪些词、事实和现象经常一起出现，用的主要就是这类能力。已经知道重力规律以后，我们可以提前判断，下一颗苹果松手也会落地。这叫演绎：接受一套规则，再推出它在具体情况下会带来什么结果。解数学题和写形式化证明，大多属于这个方向。AI 依靠形式化验证工具（如 Lean）和强化学习，AI 已经能在 IMO 级别的高难度数学题中解决大多数的难题，甚至能够自动进行严密的数学证明。某一天，你松开苹果，它却飘在空中。你开始猜测，自己所在的电梯可能正在自由下落，所以人和苹果一起失去了重量感。这叫溯因：看到一个奇怪现象，提出一个能够解释它的新假设。于是，现阶段的 AI 能做到已有材料里找规律的归纳，以及在已有规则里推答案的演绎，但是「归纳 + 演绎」并不等于科学发明。 科学历史上从 0 到 1 的改变，本质上都是一次「JUMP」。爱因斯坦那幅著名 E-J-A 示意图：科学家从感官经验（Experience, E）出发，必须经过一次无法被纯逻辑解释的「飞跃」（Jump, J），才能跳跃到全新的公理体系（Axioms, A），随后才能开展演绎（Deduction）。▲ 由 AI 重建的爱因斯坦 E-J-A 图这些恰恰是大语言模型无法跨越的鸿沟。爱因斯坦不需要大数据AI 圈长期流行着一种信仰——「创造力本质上就是数据压缩」。该理论认为，科学发现无非是寻找一个更简洁的程序，来压缩解释复杂的观测数据。DeepMind 在这篇论文里用广义相对论的诞生历史打脸了这一假设。在 1907 年至 1915 年爱因斯坦构建广义相对论期间，物理学界根本不存在需要被「压缩」的海量异常数据。当时，牛顿力学在绝大多数情况下都很好用，实验也没有弹出一个醒目的报错框，要求所有人重写物理学。爱因斯坦先注意到两个看似无关的现象可能是同一回事，再把这个新假设变成可以计算、可以验证的理论。这就是论文想说的「跳」：答案还没有出现以前，先换掉理解问题的前提。论文还分析了爱因斯坦在 1913 年至 1915 年间的推导过程。当时，爱因斯坦与数学家格罗斯曼合作撰写草案，他们一度极其接近最终答案。格罗斯曼甚至已经找到了黎曼曲率张量，推导出了与现代场方程极为接近的形式。然而，因为犯了一个致命错误，误以为该张量无法在弱场、静态情况下还原为经典的牛顿引力定律（违背了牛顿极限）。他们以为这条路通往死胡同，从而放弃了正确的几何路径，导致广义相对论的诞生被推迟了整整两年。DeepMind 的研究员 Zahavy 承认，如果今天把爱因斯坦的物理假设作为初始条件输入给现代的 AI 定理证明系统，AI 确实有可能比爱因斯坦更快地发现这个推理漏洞，并修正证明路径。但这依然算不上发明。 演绎（A -> S）仅仅是下游的验证过程，AI 可以根据「等效原理」推导出水星进动，但前提是人类必须先将「等效原理」作为公理喂给 AI。大模型只会复读，永远无法真正创造？当「归纳」不具备动力，「演绎」无法创造前提时，爱因斯坦是靠「溯因」完成了那个「飞跃」的。1907 年，爱因斯坦构想了他一生中「最幸福的思想」：一个从屋顶自由下落的人，感受不到自己的重量。这就是著名的「电梯思想实验」：在一个无窗的封闭电梯里，如果电梯在深空中以恒定加速度向上推进，梯内物体落下的感觉与在地球引力场中完全一模一样。论文强调，爱因斯坦完成这一溯因飞跃，靠的不是文本，也不是符号演算，而是具身模拟。他将自己「置身」于那个虚拟的物理场景中，直接操控和感知空间、加速度与重力的身体感觉。爱因斯坦曾写道：「在我的思维机制中，无论是书面语言还是口头语言，似乎都不起任何作用。」在描述弯曲时空的语言和数学符号尚不存在时，他是将抽象符号锚定在物理感官体验中，从而完成了从感官体验到全新公理的飞跃（E -> A）。 而这刚好是 LLM 的缺陷，「中文房间」与符号脱节。LLM 本质上是一个运行在高维空间里的「中文屋」。它处理的是 Token 与 Token 之间的统计概率，缺乏与真实物理世界的感知互联。论文还提到，即使是像主流的生成式视频大模型，也依然没有解决这个问题。视频模型生成一个苹果掉落，仅仅是因为训练数据集中像素变化的统计延续，而不是因为模型内部建立了真实的重力物理规则。LLM 缺乏反事实干预的能力：它无法像人类一样，在脑海里的内部世界模型中主动「剪断电梯缆绳」，去干预、观察并推演反事实的物理后果。DeepMind 这篇论文在结尾提到要让 AI 学会跳跃的关键，是将「被动的视频预测」升级为「主动的可控模拟」。就算 AI 会跳跃了，数学界接得住吗前几天，陶哲轩在 2026 年国际数学家大会发表了一场公众演讲，题目是《人工智能时代的数学》。▲ 图片来自：https://teorth.github.io/tao-web/slides/age-of-ai-icm-2026.pdf他没有继续争论大模型究竟能解多少题。相反，他先请听众接受一个假设：AI 很快就能以可承受的成本和一定的人类监督，完成相当一部分研究级数学任务。然后他问，数学界追求的究竟是什么？如果答案只是「尽可能多地解决未解题」，那么 OpenAI、Claude 和谷歌正在把这项指标越做越高。但陶哲轩提醒，数学研究还包括建立理论、理解世界、培养下一代，以及让不同数学家能在共同知识上继续工作。一道题有了答案，只完成了第一步。证明还要经过检查，被写成人能读懂的文章，接受同行评审，进入其他数学家的工作，最后沉淀进教材和整个领域公认的知识体系。陶哲轩把后面这些工作叫作「证明消化」。AI 和 Lean 正在加快前面的生成与验证，后面几步却依然很慢，而且高度依赖人。同行是否愿意接受一项结果、一个领域是否认为它值得继续研究，不是再跑一次模型就能决定的。陶哲轩担心，数学可能从「证明稀缺」进入「证明过剩」。大量 AI 证明排队等待检查；已经验证的证明等着有人讲清楚；论文多到同行评审系统接不住；即使发表了，也没人有时间把它们整理成可以继续使用的理论。答案越来越多，理解反而可能成为新的瓶颈。他建议数学界应该少奖励「第一个解出来」，多奖励验证、讲解和整理。如果作者不能清楚、准确地讲明白自己的结果，并交代相应来源，那么这项结果就不该发表。DeepMind 关心的是，AI 能不能自己走进电梯，从一颗悬空的苹果出发，提出一套新的解释。陶哲轩追问的是：就算它做到了，谁来检查这次跳跃，谁能把它讲清楚，又有谁能判断它究竟改变了什么？科学发现不只发生在答案生成的那一刻，它还要让其他人能够理解、质疑、使用，并从那里继续往前走。AI 或许很快就能自己按下电梯按钮，可它还得回到黑板前，告诉所有人苹果为什么飘了起来。

7 月 28 日，迈入第十年的埃安发布了全新 Ray 车系，首款车型 Ray 7 也同步官宣。新车换上了新的标识和设计语言，也预告了新的底盘、三电及辅助驾驶技术。按照埃安的说法，Ray 7 要成为「年轻人的超级纯电轿车」。目前埃安展示了 Ray 7 的外形与技术方向，完整尺寸、动力、续航、版本和交付时间仍然未被提及。对于埃安来说，Ray 7 是握在手里准备逆风翻盘的牌。埃安想给年轻人一束光埃安为 Ray 这三个字母准备了一套解释。Ray 在英文里有光线、发光的含义，读音又让嘴角自然上扬，同时这也可以是一个人名，代表一个朋友，带来更多的亲和力，总之，Ray 代表着与年轻人的生活态度产生联系。在车企越来越擅长给产品命名赋予意义的今天，这些解释其实算不上稀奇。Ray 真正不同的地方，是它没有延续 AION S、AION Y、AION V 的字母体系，或者沿用 RT、UT 等现有命名，这是埃安旗下一个新的车系。埃安将它定位为一台中大型纯电轿车，官方海报则用了「5 米级大体量车身」的说法。具体长宽高与轴距还没有公布，但可以确定，Ray 7 并不是一台小巧的运动轿车，它需要在低趴姿态、后排空间与接近 5 米的车身之间找到平衡。Ray 7 采用相对低趴宽体的车身姿态，新的 AION 标识被放进前后贯穿式灯组之间，我们还能看到黄色卡钳、鸭尾尾翼等偏运动化的细节，整台车明显比埃安过去偏家用、实用的主力产品更加张扬。过去的埃安擅长把价格、空间和使用成本摆在前面。AION S 与 AION Y 很大程度上来自这套务实逻辑，而 Ray 显然想先通过外形来让人记住。这也并不容易。现在的纯电轿车市场早已不缺低趴车身、无框车门与溜背线条，从小米 SU7 到小鹏 P7、比亚迪海豹，运动化已经成了纯电轿车相当常见的的表达。此外，看上去运动也并不代表实际就一定很运动，看起来跟开起来是否是同样的感知，也是摆在埃安面前的一道考题。Ray 7 将全球首搭官方称为「芯片级驱制融合架构」的技术，从名称来看，它指向驱动系统与车辆控制的进一步融合，让动力输出与车身动作能够在更集中的控制体系里完成协同。不过，这项技术目前仍然停留在预告阶段，所谓的「超级底盘」究竟能够带来怎样的驾驶变化，还要看埃安下一步的披露。三电层面，目前 Ray 7 已确认搭载宁德时代电池，采用弹匣电池安全技术，并使用埃安的整车能量管理系统，官方给出的方向是降低整车电耗。弹匣电池并不是 Ray 7 独有的新技术，在已经上市的昊铂 S600、埃安 i60 等等车型上都有搭载。值得注意的是，董车会近期报道的，出现动力电池故障的 AION S 运营车电池为中创新航 177Ah 磷酸铁锂电池，与 Ray 7 并没有关联。而在辅助驾驶方面，Ray 7 将配备激光雷达，并搭载「L4 同源算法」，与更高阶自动驾驶技术共享部分算法基础。就目前信息来看，决定 Ray 7 命运的仍然是价格。对外，在纯电轿车这一领域，无论是运动设计、电池、智驾，市面上都已经有不少「狠角色」，更有小米 SU7 这样的现象级产品坐镇，而对内，价格也将决定 Ray 车系在埃安、昊铂之间的定位。埃安自己也需要一束光Ray 的出现并不意外，埃安确实到了需要变化的时候。按照广汽埃安的官方产销口径，2023 年销量达到约 48 万辆，2024 年下降至约 37.49 万辆，2025 年进一步降至约 29.01 万辆。广汽后来在回复问询时表示国内网约车市场趋于饱和，埃安过去擅长的 B 端市场开始放缓，向私人用户市场的转型仍处在建设期，与此同时，承担高端任务的昊铂仍在培育阶段。情况在今年有所改善。2026 年上半年，广汽埃安累计销量达到 18.16 万辆，同比增长 67.08%。i60、N60 等新车开始补充销量，埃安与昊铂的渠道也已经合并，过去连续下滑的趋势得到扭转，但目前埃安依然缺少一台能够在市场上兼顾销量与形象的代表车型。其实为了解决这个问题，埃安已经做过不少调整。2022 年，埃安发布新的「AI 神箭」标识，同时推出高端产品序列 Hyper，也就是后来的昊铂，此后，埃安又启用新的 AION 字母标识，强调全球化。到 2025 年底，埃安与昊铂已经纳入同一个 BU ，双方渠道也转向融合运营，前者重新明确为面向大众市场的「国民好车」，后者负责更高价位的「精英座驾」。今年北京车展，埃安再次更换标识，提出「AION 爱生活」，把时尚、智能与安心列为新的品牌价值。三个月后，Ray 正式出现。埃安原本的产品形象偏务实，昊铂的任务则是提供技术和高端光环，而 Ray 的出现，则用一套更倾向于情绪价值的表达，让埃安能够有一次新的机会，向年轻市场进发。不过埃安的品牌建设还是有些命运多舛。昊铂就是一个例子。昊铂 GT 与昊铂 HT 刚刚推出时，官方公布的订单数字相当可观，也迅速建立了超跑、豪华和科技艺术品的传播声量，但此后的实际销量规模与最早期的订单数量存在明显落差。尽管昊铂也仍在通过 HL、S600 等新车完善产品线，但昊铂品牌本身还是难以在这个竞争激烈的市场上有一个鲜明的认知。在产品上，Ray 7 也还得面对类似定位的昊铂 GT，如果视角再拉高一些，还有广汽与华为合作的高端品牌启境的新车，在广汽内部，留给每条产品线自由生长的空间并不算宽裕。埃安的广州老乡小鹏在新车系定义上倒是有参考的价值。小鹏此前推出 MONA 时，同样把目光放在年轻人的第一台车上，但 MONA 并没有过多解释产品形象，而是先卖车，带来了 M03。截至 MONA L03 亮相时，M03 已经交付约 28 万辆。连续多月维持过万交付，先让消费者接受了产品，随后小鹏才推出 L03，把 MONA 从一款轿车扩展为同时覆盖轿车与 SUV 的产品系列。Ray 所处的阶段要更早。埃安已经解释了 Ray 代表怎样的年轻人、拥有怎样的生活态度，但它究竟落在哪个价格带、面对怎样的核心用户，目前仍然不清楚。现阶段的 Ray 7 暂时还不需要，也无法证明埃安带来了一个怎样的车系，它的任务是成为一台能让个人消费者主动选择，而不是依靠渠道和用途市场消化的车，而这是现阶段的埃安最需要的东西。

如果在 2026 年，一款手机宣传自己是一款「5G 手机」，那么消费者就会疑惑：难道现在还有什么新机不支持 5G 吗？类似的，现在诸多手机开始着重宣传的「AI 手机」的概念，以及诸多 PC 厂商甚至寄希望于「AI PC」的概念能够刷新消费者对于 PC 是一个古老品类的认知。AI 消除、AI 摘要、AI 修图、AI 写作、AI 搜索……一切设备都可以 AI 化，一切功能也可以 AI 化，但万物竞发的状态，对于用户来说，也有点迷糊，AI 了，但似乎未必更好用了。这种状态当然是一种 AI 技术发展中的中间态，至于未来怎么走，确实需要捋一捋，IDC 与高通联合发布了《从 AI 设备到个人 AI：智能体驱动的终端进化与产业重构》白皮书，想回答的就是这个问题。以下是白皮书中与个人用户最相关的 10 条信息之省流版。AI 智能体已经过了少数人尝鲜的阶段IDC 的调研说，2026 年，中国消费者对 AI 智能体的认知率已经达到 73%，相比 2025 年的 51% 提升了 22 个百分点。使用率也完成了从少数人使用变成了多数人用过的进程：2025 年，使用过 AI 智能体的消费者占比为 33%；到了 2026 年，这一数字已经上升至 59%。也就是说，接近六成用户已经真正使用过 AI 助手或者 AI 智能体。这意味着 AI 已经跨过了早期极客和科技爱好者的圈层，进入了大众用户的手机和电脑。越来越多人开始使用 AI 写邮件、总结会议、搜索资料、处理图片，或者为旅行和消费决策提供建议。认知率和使用率的快速增长，并不意味着体验已经成熟。恰恰相反，用户越频繁地使用 AI，就越容易发现它目前的能力边界。AI 正在从一个偶尔使用的新功能，变成用户希望长期依赖的服务，这两个阶段对产品的要求完全不同。一个适合展示的 AI 功能，可以偶尔犯错；一个需要管理日程、处理邮件甚至代表用户执行操作的智能体，则必须足够稳定。AI 普及带来的下一轮竞争，已经从「有没有」变成了「能不能长期使用」。用户对 AI 最大的不满是听不懂人话虽然从使用率上说，已经跨过了不知道没用过的阶段，但人和 AI 的交互，仍然是一个新命题。65% 的消费者认为 AI 无法准确理解自己的指令，这是当前排名第一的体验痛点。此外，59% 的用户遇到过上下文丢失，54% 认为 AI 产出的结果不符合预期，48% 认为生成的代码或者文档无法直接使用。AI 用得越多，对这些问题的感受也会越来越深刻，用户让 AI 修改一篇文章，它可能忘记文章原本的语气，充满了「不是…而是…」句式；让它继续完成此前的任务，它可能要求重新提供背景；让它整理一个复杂项目，得到的往往是一份逻辑正确、却缺乏实际细节的通用模板。模型厂商仍然习惯通过知识能力、推理能力和基准测试展示进步，用户关心的则是它能否理解那些不完整、不精确，甚至带有情绪和习惯的自然表达。某种程度上来说，AIGC 的内容，往往是「大成若缺」，缺少的就是人类表达里会有的瑕疵，毕竟现实生活中的人类交流很少像提示词教程一样结构完整。一句「帮我按以前的方式整理一下」，背后可能包含用户长期形成的格式、语气和工作流程。一个真正成熟的个人 AI，需要理解这句话中被省略的大量信息。因此，AI 设备下一阶段最重要的能力，可能不是知道更多，而是更准确地理解眼前这个人。用户最想要的，是一个「记得我」的 AI调研显示，消费者最期待的 AI 体验优化方向是专属互动体验，占比达到 57%；其次是专属记忆能力，占比为 45%。多端同步、多设备控制和任务接续也排在前列，相比之下，「功能丰富性」的优先级并不算高。过去几年的惯性是，手机厂商推出 AI 功能时，最常见的思路是不断增加功能列表：可以写文章、生成图片、总结录音、翻译通话、消除照片里的路人。但对于用户来说，功能数量并不等于使用价值。如果 AI 每一次都需要用户重新说明职业、写作习惯、家庭成员、预算范围和常用格式，那么再多功能也只是工具箱里的独立工具。个人 AI 的关键，是建立一套关于用户的长期记忆。它应该知道用户从事什么工作，习惯使用怎样的表达方式；知道用户下周有哪些安排，正在推进哪些项目；也知道哪些内容可以直接处理，哪些操作必须先征得同意。这种记忆还需要分层。短期记忆负责延续正在进行的任务，长期记忆负责积累用户偏好和个人知识。白皮书提出通过上下文缓存、长期个人知识图谱和端侧向量检索，让 AI 形成「越用越懂你」的能力。今天，人们通常围绕每一次任务编写提示词；未来，提示词可能只需要补充这一次任务的新信息，因为其余背景已经存在于个人 AI 的记忆里。AI 将从回答问题，走向替用户完成任务这份白皮书将过去几年的生成式 AI 称为「响应式阶段」。这一阶段的 AI 擅长问答、总结和内容生成，但它本质上仍然在等待用户下达指令。即使提供了一个看似完整的答案，真正的操作往往还要由用户完成。智能体 AI 则进入了「行动式阶段」。它需要理解用户目标、拆解任务、规划步骤、调用工具，并在执行过程中根据结果不断调整。两者的差别，可以用 Demo 里最常使用的旅行规划来说明。传统 AI 可以生成一份三天两夜的上海旅行攻略，用户仍然要自己查询日历、比较机票、预订酒店，再把行程发送给同行者。智能体 AI 的目标，是在用户说出「帮我安排下周去上海的出差」之后，自动读取日程，避开已有会议，根据公司差旅标准筛选交通和酒店，生成行程方案，等待用户确认后完成预订，并把结果同步到日历。用户提供的是意图，而不是每一步操作。白皮书认为，人机交互将由「操作设备」逐渐变成「表达意图」。用户不再需要记住每一个应用的菜单和操作路径，智能体会在背后调用不同工具和服务。智能体有可能成为继图形界面和多点触控之后，下一代重要的人机交互方式。过去，计算机要求人类学习机器的操作逻辑；未来，机器开始尝试理解人类的表达方式。最大的技术断点是「一句话把事情办完」尽管智能体的愿景很吸引人，不过白皮书也承认，当前多数 AI 仍然无法完成复杂任务闭环。它们可以执行单步、单应用的简单操作，目前还是很难稳定处理跨应用、多步骤任务。中间一旦涉及身份验证、信息缺失、页面变化或者执行异常，用户就必须重新接管。目前很多 AI Agent 演示看起来惊艳，用户用起来感觉被骗了就是这个原因。回答错误是一种结果错误；执行错误则可能带来真实后果。AI 写错一句文案，用户可以修改。AI 错误发送邮件、删除文件、购买商品或者修改日程，损失可能更直接。所以说，用户把操作权交给智能体，那么智能体的进步不能只看「能不能操作」，还要看操作是否可控。智能体万一出现了「删库跑路」的行为，用户可以挽回的机会微乎其微。智能体需要知道哪些任务可以自主完成，哪些操作需要用户确认；需要记录执行过程，让用户能够查看、暂停和撤销；也需要在不确定时主动询问，而不是为了完成任务而盲目猜测。这个智能辅助驾驶非常类似，需要尽可能排除 Bad Case 和 Corner Case。白皮书把行业演进划分为几个阶段：从单点功能嵌入，到助手协同、任务代理，再到能够跨设备自主编排任务。2026—2027 年的重要目标是实现单场景多步骤任务拆解、长期上下文记忆和更稳定的执行；真正跨越设备与场景边界、主动预判用户需求，则被放到了更后面的阶段。AI 服务将从「绑定设备」变成「跟随用户」IDC 预计，2026 年全球人均智能设备持有量将达到 7.6 台，明显高于 2023 年的 4.5 台。手机、电脑、平板三大件是标配，此外还有手表、耳机、汽车和家庭设备，他们组成了一套日常设备网络。不过和过往上十年时间里提到的「万物互联」概念背景差不多，这些设备上的 AI 往往彼此独立。用户在手机上和 AI 讨论了一半的项目，打开电脑后可能需要重新提供材料；智能手表知道用户刚刚完成运动，手机里的 AI 却未必能够理解这一状态；汽车知道用户正在回家，智能家居仍然要等待用户手动开启空调。白皮书认为，用户正在产生两类新需求。一类是体验一致性。用户希望不同终端上的智能体拥有统一的人设、记忆和能力，不需要在每台设备上重新适应。另一类是任务连续性。用户希望任务进度、上下文和服务状态能够跨设备接续，不必重复下达指令和手动同步数据。未来 AI 的主体可能不再属于某一台设备，而属于用户本人。手机损坏或者更换电脑，不应该意味着 AI 需要重新认识用户；从办公室走到汽车，再回到家中，正在进行的任务也不应该被设备边界打断。在这样的体系下，用户购买的表面上仍然是不同硬件，实际选择的却是一套个人 AI 生态。手机仍然是中枢，不过每一种设备都会有自己的位置2023 年开始，有不少的创业公司野心勃勃地想要尝试取代一下手机作为个人设备最中心的位置，不过他们的尝试基本上都失败了。在个人 AI 的设备网络中，手机依然是最重要的中枢，未来比较长的时间里也会是。白皮书将智能手机定义为个人 AI 的算力、数据、存储和生态入口。它需要承接日常 AI 任务，也负责调度端侧、边缘和云端资源，并管理跨设备任务和个人数据。不过手机不会独自承担全部工作，PC 更适合完成复杂创作、应用开发和高算力任务；智能眼镜和耳机承担自然交互入口；手表、戒指等可穿戴设备可以长时间感知身体和环境状态；智能座舱和智能家居，则负责在出行和家庭场景中延续服务。这实际上是一种关于 AI 的分布式设计。不同设备根据自身的硬件特性，分别承担感知、交互、计算和执行任务。用户感知到的是一个统一的智能体，背后却可能有多台设备共同工作。比如，当用户走进车内时，汽车不需要重新询问目的地。个人 AI 可以根据手机中的日程推测用户要去哪里，再通过座舱确认。当用户回到办公室，刚刚在车上通过语音形成的想法，可以自动出现在 PC 的工作空间中，由电脑完成进一步整理。这种体验过去也被称为「生态协同」，个人 AI 的价值在于为它增加了一个新的核心：过去跨设备协同主要围绕文件和应用展开，未来则围绕用户意图和任务状态展开。智能眼镜可能是手机之外最重要的 AI 设备不少行业人士预测的「百镜大战」战况不够激烈，也最终没有迎来智能眼镜的盛世，但在白皮书对未来设备的预测中，智能眼镜是一个相当重要的角色。IDC 预计，2026 年全球智能眼镜出货量将达到 1989 万台，同比增长 34.6%；2026—2030 年，市场复合年均增长率约为 25.5%，到 2030 年，全球年出货量有望接近 5000 万台。过去用户关心智能眼镜的这些能力：它能否取代屏幕，能否提供沉浸式娱乐，能否把导航和通知显示在眼前。在个人 AI 体系中，智能眼镜更重要的能力可能是「看见」。它拥有第一视角，能够持续获得用户眼前的环境信息。结合语音、空间感知和多模态模型，AI 不再只依赖用户描述，而是可以直接理解用户正在面对的物体、空间和任务。用户看到一台陌生设备，可以直接询问它应该如何操作；在超市挑选商品时，AI 可以结合用户的饮食习惯提供建议；维修物品时，AI 可以根据视野中的实际情况一步一步进行指导。智能眼镜也能解决手机作为 AI 入口的一个天然问题：使用手机意味着用户需要主动掏出设备、打开应用，并把现实世界的信息转换成文字、语音或者照片。眼镜则可能成为一个始终在线的感知入口，很早之前的 Google Glass 还有微软 Hololens 都在某一些垂类场景进行了这类尝试，在新的 AI 时代，智能眼镜需要面对的是用户面对的几乎所有场景。这当然也会带来更敏感的隐私问题。当设备能够持续看到用户看到的一切，什么信息可以记录、谁可以调用这些数据，会比过去任何一种消费电子设备都更值得警惕。更多 AI 会在本地运行，原因不仅是隐私白皮书反复强调一条技术路线：「本地优先、端云协同」，这一点可能有一些高通作为终端侧 AI 能力提供者的固有立场，不过端侧更安全是有共识的。未来 AI 任务将根据时延、隐私等级和计算复杂度进行分配：高频、轻量和敏感任务尽量在终端处理，中等复杂度任务交给边缘计算，真正复杂的任务再调用云端。这种架构对普通用户有几个直接价值。首先是速度。很多日常操作不需要等待数据上传和云端返回，本地模型可以提供更快响应。其次是可用性。当网络不稳定或者没

🚗预售价 29.99 万元，小米澎程 N90 Max 9 月正式发布📱苹果第三财季营收增长 16%，iPhone 与 Mac 创 6 月季度纪录💻高通确认 9 月起芯片涨价，苹果缩减订单💰GPT-5.6 价格下调：Luna 约 80%，Terra 约 20%💰微软持有的 Anthropic 股权增值 32 亿美元，OpenAI 投资减记约 6 亿美元🧠OpenAI 将向 10 万名学术研究者免费提供 GPT-5.6 Sol Pro🚀荣耀 A 股 IPO 辅导进入第四期💼字节整合 ToB 业务：飞书产品并入豆包，GTM 团队并入火山引擎🚙特斯拉第 1000 万辆纯电动车下线，上海工厂上半年交付近 46.8 万辆🚀宇树科技 IPO 将于 8 月 10 日申购，王兴兴控制 68.78% 表决权🏆蔚来入选《时代》全球可持续企业榜单，为唯一上榜中国车企🔍AI 内存需求拉动三星芯片利润，第二季度营业利润增至约 19 倍📖马斯克批评 Anthropic 切书脊，要求 SpaceXAI 扫描时不得切断书脊💡腾讯研究院王强：AI 的定价单位会转向任务、结果和记忆🤖微信内测朋友圈「AI 帮写」，可根据图片生成文案💻腾讯 WorkBuddy 上线「人机双写」，可直接编辑 Word、Excel 和 PPT🚗全新奔驰 GLA 同推纯电和混动版，最高续航 657 公里🧠Waymo 为 Ojai 车舱加入 Gemini，语音可调空调但不能控制驾驶🤖钉钉上线 WorkSpace CLI，向 Agent 开放 160 余条命令📺苹果首次销售官方翻新 Studio Display XDR，价格低 15%🎧三星首款耳夹耳机曝光，或命名 Galaxy Buds On🧸星巴克兴趣社区空间增至近 2400 家，新增阅读与音乐主题🛍️林里 LINLEE ×《光·遇》联名上新，5 款限定「林里鸭」同步开卖📋携程回应 1.5 万元机票仅退 432 元：按保障规则补偿 14727 元预售价 29.99 万元，小米澎程 N90 Max 9 月正式发布小米昨日发布昆仑技术架构，并展示基于该架构打造的澎程 N90 与 N70。澎程 N90 Max 预售价为 29.99 万元，N70 Max 预售价为 25.99 万元；两款车已于 7 月 30 日 21:00 开启预订，计划 9 月正式发布。昆仑技术架构由昆仑平台、昆仑超级增程和昆仑全域安全组成。澎程 N90 Max 定位大型增程 SUV，采用 2+2+3 七座布局，车身长宽高为 5285/1998/1825mm，轴距 3080mm；七座全部启用时，后备厢容积仍为 577L。空间：座舱可用面积为 4.4㎡，从驾驶舱到行李厢的地板接近 3 米长，地板与下方结构总厚度为 298mm；车内配备 6 条滑轨，第二排最大移动距离 900mm，第三排可移动 720mm。动力与续航：N90 Max 搭载 76kWh 电池和 60L 油箱，CLTC 纯电续航 464km、综合续航 1705km；双电机四驱系统最大功率 310kW，零百加速 5.9 秒，20% 至 80% 充电需要 18 分钟。安全与辅助驾驶：车身高强度钢与铝合金占比 90.4%，16 处使用 2200MPa 材料，并配备 12 个安全气囊；全系标配小米 HAD，后向固态激光雷达用于识别泊车区域的深沟、消防栓和顶部管道等障碍。小米集团董事长特别助理、战略市场部副总经理徐洁云昨日回应小米汽车优先提车资格交易，称小米汽车不存在所谓「F 码」，也不允许内部人员违规操作。他提醒消费者不要相信任何号称能够转卖优先资格的卖家，并表示会彻查冒充内部人员者的身份。界面新闻此前报道称，网络上出现两类优先提车卖家：一类自称小米汽车内部人员，声称可通过「F 码」锁定首批交付名额；另一类自称授权经销商，宣称门店掌握少量现车配额，可以绕过统一大定排队。🔗 相关阅读：29.99 万！小米澎程 N90 开预售，雷军：50 万内最好的增程 SUV（之一）苹果第三财季营收增长 16%，iPhone 与 Mac 创 6 月季度纪录苹果公布截至 6 月 27 日的 2026 财年第三财季业绩：营收 1094.17 亿美元，同比增长 16%；净利润 297.89 亿美元，同比增长 27%；摊薄后每股收益为 2.02 美元，同比增长 29%。iPhone 收入同比增长 22% 至 542.52 亿美元，Mac 收入增长 29% 至 103.52 亿美元，两项业务均创下 6 月季度纪录。大中华区收入增长 22% 至 188.16 亿美元；服务业务收入增长 12% 至 307.39 亿美元，但低于市场预期。苹果当季毛利率为 50.1%。公司称，关税退款为毛利率带来约 2 个百分点、为每股收益贡献 0.11 美元。CEO Tim Cook 同时表示，先进制程芯片供应不足，尤其限制了 Mac 的出货；Mac 的增长主要由 MacBook Neo 和 MacBook Pro 推动。高通确认 9 月起芯片涨价，苹果缩减订单高通昨日公布财报，第三财季营收为 99.5 亿美元，同比下降 4%；手机芯片收入降至 51 亿美元，同比下降 20%，是 2021 年以来最低的季度水平。汽车芯片收入则增长 61%，达到 15.9 亿美元。CEO Cristiano Amon 表示，成本上涨已经扩散到内存之外的整个供应链，高通会从 9 月 1 日起与客户逐一协商提价。由于调价慢于成本上升，短期毛利率还会承压。更直接的变化来自苹果。高通称，供应限制使其在下一代 iPhone 中的零部件份额「远低于此前 20% 的估计」，苹果自研基带替代进度正在加快。公司预计 2027 财年后，大部分芯片收入将来自手机之外。GPT-5.6 价格下调：Luna 约 80%，Terra 约 20%今天，OpenAI 下调 GPT-5.6 系列其中两款模型的 API 价格：GPT-5.6 Luna 每百万输入 token 的价格由 1 美元降至 0.20 美元，输出由 6 美元降至 1.20 美元，降幅约 80%；GPT-5.6 Terra 的输入价格由 2.50 美元降至 2 美元，输出由 15 美元降至 12 美元，降幅为 20%。旗舰模型 GPT-5.6 Sol 的价格保持不变。这次调价直接压低了面向大规模调用和轻量任务的成本。Luna 的新价格只有 Terra 的十分之一。微软持有的 Anthropic 股权增值 32 亿美元，OpenAI 投资减记约 6 亿美元微软在最新财季确认，持有的 Anthropic 股权带来 32 亿美元账面收益，使摊薄后每股收益增加 0.33 美元。微软去年向 Anthropic 投资 50 亿美元，后者同时承诺采购 300 亿美元 Azure 服务。同一季度，微软把 OpenAI 投资价值下调约 6 亿美元，使每股收益减少约 0.07 美元。微软持有 OpenAI 约 27% 的权益，此外还从合作中获得分成和云服务收入。两项会计处理显示，微软同时押注竞争中的模型公司，但回报并不同步。Anthropic 的估值上涨直接进入当期收益，OpenAI 的高成本扩张则继续影响微软的投资损益。OpenAI 将向 10 万名学术研究者免费提供 GPT-5.6 Sol Pro据 Axios 报道，OpenAI 启动学术研究计划，准备在 2027 年前分批向 10 万名研究者免费提供 GPT-5.6 Sol Pro 等前沿模型和计算资源。首批约 1 万人将在今年夏季获得资格。计划覆盖生物、化学、计算机科学、工程、数学和物理等领域。入选者可邀请最多 4 名合作者，并使用企业级隐私设置；研究数据不会被用于训练模型。单个名额相当于一年每月约 200 美元的 Pro 订阅。OpenAI 称，未来两年面向外部科研的资源承诺将超过 2.5 亿美元，首批合作机构包括普林斯顿高等研究院和巴黎高等师范学院。荣耀 A 股 IPO 辅导进入第四期中国证监会 IPO 辅导公示系统显示，中信证券已经提交荣耀首次公开发行股票并上市辅导工作进展报告第四期。荣耀于 2025 年 6 月在深圳证监局完成上市辅导备案，此次报告对应的辅导期为 2026 年 4 月 1 日至 6 月 30 日。报告显示，辅导期内荣耀新增聘任 1 名董事，股权结构变动也使接受辅导人员发生变化。中信证券围绕尽职调查、项目工作会议、公司治理制度和募集资金投资项目四项工作继续推进辅导。荣耀今年 5 月在内部员工持股会议上否认 IPO 终止传闻。下一阶段，中信证券将继续开展财务核查和法律尽职调查，并协助荣耀根据实际资金需求、业务现状和发展战略确定募集资金投向。字节整合 ToB 业务：飞书产品并入豆包，GTM 团队并入火山引擎字节跳动昨日发布内部邮件，宣布整合飞书、豆包与火山引擎的企业服务团队。飞书产品团队将与豆包产品团队合并，成立新的豆包产品团队，由豆包负责人赵祺负责，飞书负责人谢欣向赵祺汇报。飞书负责市场、销售和客户服务的 GTM 团队将与火山引擎团队整合，成立新的 ToB GTM 组织「创造力服务平台」。该组织统一负责字节 MaaS、SaaS 等云服务的市场、销售和客户服务，由火山引擎负责人谭待负责；飞书销售负责人林婵、战略及市场负责人史志隽向谭待汇报。飞书现有产品和服务保持不变，并将与豆包在生产力场景继续协作。由飞书产品团队参与开发的豆包企业版已经在部分飞书客户中内测。特斯拉第 1000 万辆纯电动车下线，上海工厂上半年交付近 46.8 万辆特斯拉昨日宣布，全球第 1000 万辆纯电动车已在美国弗里蒙特工厂下线。从 2006 年首辆 Roadster 原型车算起，公司用了 20 年达到这一产量。今年上半年，特斯拉全球交付超过 83 万辆；第二季度交付超过 48 万辆，刷新公司二季度交付纪录。截至 6 月底，Model Y 全球累计销量超过 500 万辆，其中中国市场超过 200 万辆；Model 3 全球累计销量超过 300 万辆，其中中国市场超过 100 万辆。上海超级工厂上半年交付近 46.8 万辆，同比增长 28.4%。自 2019 年 12 月首批中国制造 Model 3 交付以来，这座工厂已累计生产超过 450 万辆电动车，占特斯拉全球累计产量的 45% 以上。宇树科技 IPO 将于 8 月 10 日申购，王兴兴控制 68.78% 表决权宇树科技昨日披露科创板首次公开发行安排，拟发行 4044.6434 万股新股，占发行后总股本的 10%。本次发行采用战略配售、网下询价配售和网上定价发行相结合的方式，发行价格将在初步询价后确定。初步询价定于 8 月 5 日，发行公告将在 8 月 7 日刊登，网下与网上申购日均为 8 月 10 日，缴款日为 8 月 12 日。发行完成后，公司将尽快向上交所申请股票上市。招股材料显示，宇树科技设有特别表决权安排。实际控制人王兴兴通过直接持股及相关主体合计控制公司 68.78% 的表决权；中信证券担任保荐人和主承销商。蔚来入选《时代》全球可持续企业榜单，为唯一上榜中国车企《时代》与数据机构 Statista 近日发布 2026 年全球最具可持续发展力企业榜单，蔚来入选，并成为榜单中唯一上榜的中国车企。该榜单旨在评选全球范围内在可持续发展领域表现突出的企业，围绕可持续发展承诺、信息披露透明度及环境与社会绩效等 20 余项指标进行评估，本届共收录 750 家企业。蔚来今年 5 月发布的 2025 年 ESG 报告显示，公司从创新与循环、质量与共创、环境与自然、合规治理等六个维度披露可持续发展进展。蔚来与世界自然基金会、联合国开发计划署共同发起的 Clean Parks 生态共建计划已在全球落地 18 个项目。AI 内存需求拉动三星芯片利润，第二季度营业利润增至约 19 倍三星电子第二季度营业利润达到 89.5 万亿韩元，约为上年同期的 19 倍；净利润为 71.27 万亿韩元，同比增长超过 13 倍。半导体业务贡献了绝大部分利润。这轮增长并非来自手机销量突增，而是

今天无处不在的 AI 短片，越来越酷炫的生成效果，会不会给你带来一种错觉：这年头生成视频太轻松了，一句话就行？在 APPSO，我们尝试了很多不同的视频生成模型，发现答案并没那么简单：那些可以被当做样例展示的「AI 大片」，大多数都是拿 AI 生成一大堆素材，再到视频编辑软件里通过人工后期修剪、配乐、精细调整的结果。AI 是做到了可以生成越来越像电影的画面，但电影之外，还有一个更大的市场。每天都有大量广告、电商、游戏、产品发布、UI 展示、品牌包装视频正在制作，它们不一定追求奥斯卡级镜头，却更在意另外几件事：读懂创意需求，对视频进行精准编辑，把原本分散在生成、剪辑、字幕、动效和声音等多个环节的步骤，汇合成一套完整的可交付结果。今天 MiniMax 发布了新一代开源视频模型 MiniMax H3，有着「Seedance 级别」、「全模态精准控制」，以及「AI 原生后期」能力。我们想看看，它到底能不能把视频生成里那些额外的工作，也一并给解决？经过初步测试我们发现，简单的人物/背景/物体替换、基于参考视频学习风格并复制、根据文字需求直接生成一支产品概念片等，都是它的强项。尤其是针对特效剪辑包装类视频，广告、电商、UI 设计等场景，基本上都有不错的表现。除了模型的能力，MiniMax H3 还有一个更现实的特点——通过技术积累，给企业客户和创作者带来更低的使用成本。再加上解决了生成「不可控」、「离成片远」的问题，我们发现MiniMax H3 不仅作为视频生成模型本身更能打了，也对非视频专业的用户更友好了。🔗 体验地址：hailuoai.com 或下载 MiniMax Hub给自己 Vibe Coding 的插件做一个宣传片和 Seedance 一样，H3 也是一款「开放通用多模态视频模型」，它支持文字、图片、视频和音频混合输入，一次最多使用 9 张图片、3 段视频和 3 段音频，混合文件上限为 12 个。我们直接把前段时间 Vibe Coding 做的一个浏览器标签页总结扩展的截图发给它，一共 7 张图片，再加上 Google 发布的 Materail 3 设计介绍视频。提示词只有一句话，就是要求它根据这些图片内容，制作一个工具介绍视频。H3 的速度很快，我们选择了两个视频，也不用等很久。最后出来的结果相当意外，根本不需要我们去写任何的转场以及动效，模型自己就知道最合适的呈现方式。两个视频有不同的效果，但要表达的内容以及产品的主视觉都做到了保持一致。视频中的主要文字也都能准确渲染，但当遇到较小和密集的文本，H3 还是会偶发乱码的问题。这也让我们发现：大多数情况下，上传图片的画质会决定模型生成的准确性。如果使用的截图，在这些小字部分都足够清晰，视频模型在处理时，能降低很多错误率。此外，这两个视频都是一次性生成，完全没有抽卡。能做类似的宣传片，也能覆盖更多场景下的包装成本。从广告、游戏、电商等行业，我们都用 H3 做了一些简单的测试，基本上都能满足最初的交付期待。先是一个简单的 ID 片头，我们临时编了一个名叫 NULO 的 AI 设计工具，它没有真实产品，也没有现成的 Logo 和 UI。不同于上一个案例的「无责任」极简提示词，这次我们专门测试了用更详细的提示词进行精细控制，用文字写清画面顺序：三个写着 IMAGE、VIDEO 和 AUDIO 的卡片依次出现，组合成 NULO 字标；字标随后展开为产品界面，增加 EXPORT；最后，所有组件重新收拢成 Logo，出现「MAKE IT MOVE.」。▲ 生成一支 10 秒、16:9 横版的虚构 AI 设计工具品牌片，品牌只叫「NULO」。这是 motion branding / UI product film，不是人物剧情片。0–2 秒：石墨黑背景，IMAGE、VIDEO、AUDIO 三张素材卡片从画面边缘沿节拍进入，吸附并组合成 NULO 字标。2–5 秒：字标通过形状变形展开为极简产品界面。界面只允许出现四个英文标签：IMAGE、VIDEO、AUDIO、EXPORT。卡片通过遮罩和弹性伸缩进入时间线，当前选中框变为荧光橙。5–8 秒：界面只切换一次，变成最终海报预览；一条荧光橙色轨迹穿过各节点，每经过一个节点就同步一个清晰的点击或滑动音效。8–10 秒：全部 UI 组件收拢回 NULO Logo，结尾标语「MAKE IT MOVE.」停留 1 秒。要求：所有文字清晰、拼写完全正确、各只出现一次；不要新增单词、按钮、Logo 或人物；品牌色仅用石墨黑、暖灰、荧光橙；转场只用形状变形、遮罩、卡片伸缩与颜色扩散，不用淡入淡出；配原创极简电子音乐，动画节点必须与鼓点和音效同步。这次，H3 还给生成的视频配上了动感的音乐，视频中四个英文单词都拼对了，石墨黑、暖灰和荧光橙也从头保持到尾。此外，模型还自动加了一块带节点连线的抽象界面，让卡片、字标、轨迹和片尾看起来属于同一套设计——整体上，H3 实现了全方位的一致性，令人满意。以上都说的是非专业使用习惯。如果换成专业人士的工作习惯，不用提示词，也不让模型发挥想象，直接给它一套完整的分镜图，效果又会怎样呢？我们先用 GPT Image 2 生成了一张机车的图片，然后根据这张机车图，生成一张机车的 TVC 15s 分镜。分镜版其实比较模糊，而且图片是横着展开的，不符合一般的分镜设计，但MiniMax H3 还是读取到了应该要呈现的信息，对画面进行了重新布局。同时，该显示的文本信息，在做到了字体的完整还原之外，H3 还会进一步理解文字与画面的关系，将文字作为视觉设计元素融入场景，而不仅是简单叠加、生硬地照搬。就像这里，把机车的名称和 Logo 等文字，没有简单地照搬分镜放在左边，而是放在了机车下方，更符合视频的观看体验。同样的方式，我们也让 H3 给 iPhone Fold 做了一个 10s 的广告视频。这些 AI 生成的作品，基本上都能算得上一个完整的 Demo，可以用在社媒、广告或游戏里——这也是我们在测试后认为 H3 最大的优势：它不但兼容专业视频工作者的工作流，更让非视频专业，但要经常跟视频打交道的那些用户，能够以极低的门槛，制作出优秀的 demo 和提案素材，并且在后续的工作中显著降低非专业用户与专业用户协作时的沟通障碍。如果说过去用 AI 生成视频，是在给剪辑师「增加找素材的工作量」；那么 H3 给人的感觉，很像是内置了一个懂设计的「AI 后期组」。我们继续用它来生成一段虚构的时尚品牌片，这次指定了模特、背景甚至还有音乐。如果去掉视频右下角的水印，很难发现这个视频是由 AI 制作的。MiniMax H3 把我们指定的人物、包袋、汽车和荒漠公路都做到了完美结合，最后还用了一个快速的平移，准确展示所有文本。随着模型多模态理解、指令遵循等多项能力的提升，H3 可以更好的理解视频内容、用户意图，自动完成特效包装和视觉设计的增强。这些特性的存在，让 H3 在我们的测试中所生成的结果，往往更接近一条成片，而非简单的片段或素材。除了融合产品 UI 和动态包装，H3 还能生成具备视觉融合度的游戏 HUD 界面。我们用 GPT-Image-2 生成了一张游戏角色的立绘图片，然后要求 H3 根据这张图片生成一支 12 秒、16:9 横版的角色与 UI 包装视频。还有更简单的产品介绍视频，上传一张产品主图，H3 就能给我们生成一段商业广告片，快速展示产品的能力。结合语音模型，H3 还让声音、画面与角色动作更好地对齐。就像这瓶精华液的广告，H3 自动加上水滴的营销，以及对应的定格音效。有新的需求，也可以直接编辑会做第一版，和会改第二版，是两种难度。广告团队可能并不缺少创意，利用 H3 的 AI 原生后期和复杂文本支持，大多数时候就能把创意变成一个成品。但如果客户或者我们自己的脑海里突然提出了一个微调需求，像是「把女主角 A 换成 B」、「把背景从室内换到室外」，模型要能让我们在 PS 里一样进行精准微操，才是真正的难处。在 Artificial Analysis 的全球视频编辑榜上，MiniMax H3 一发布就超过了之前的 Gemini Omni 等视频编辑模型，拿下榜单第一。我们找到了之前 Gemini Omni 发布时使用的小提琴案例，小提琴家在音乐厅表演的视频，可以直接让 H3 修改成在草原和海边。身体的光影，人物的表情，镜头的视角，H3 都做到了完美复刻，只执行了对背景的精准修改。更有意思的是，我们让它把手中的小提琴换成了二胡，甚至消失不见，然后让这位小提琴手弹空气提琴。在完全保留原视频人物动作骨架和镜头运镜的前提下，单个物体替换的能力，H3 可以将视频中的物体无缝替换为指定参考图中的对象。在复杂的双人或多主体画面中，H3 还展现出了空间理解能力。我们可以指定「左边的人根据参考图换一套衣服」，同时「右边的人根据参考图变成一条狗」。例如我们将前面生成的沙漠公路包包广告，把汽车替换成别的颜色，把女主角替换成一个年轻的女孩。在传统工作流里，这需要繁琐的抠像遮罩与物体绑定，而 H3 能够在同一个画面里分别处理不同对象的指令。精准编辑的能力还体现在当我们输入提示词「将摄像机角度调整为从小提琴手的肩膀上方拍摄。」时，H3 依旧能保持人物的耳环、衣服、背景环境一致，仅做到对镜头角度的修改。全模态精准控制很好地弥补了大多数视频生成「无法定点修改」的空白。当甲方提个需求说这个 Demo 替换成 XX，现在交给 H3 就可以编辑好。另一条视频赛道讨论 AI 视频时，我们总是在乎哪个视频模型画质最好，哪个模型电影感最强。但真正开始做视频之后，会发现还有一件更重要的事。七张产品截图能不能被整理成一支介绍片；一段文字能不能变成包含 Logo、UI、转场和配乐的品牌片；第一版出来以后，背景、道具和镜头角度还能不能继续修改。相比单个镜头有多漂亮，这些问题更直接决定了一条视频能否被拿去讨论和使用。MiniMax H3 给我们的感觉，就是解决这些问题的一款模型。它未必能完全生成那些没有 AI 味的视频，但它几乎把过去散落在视频生成、后期包装、字幕、动效和局部修改里的工作，全部重新放回了同一个模型里。经过测试后，我们对 H3 形成的观感是：它不一定每次都能给你惊喜，但它每次交付都让你放心。对于广告、电商、游戏或者产品团队来说，这意味着第一次可以先用一套很低的成本，把创意快速做出来；确认方向以后，再决定要不要继续投入更高规格的制作。更重要的是，当 AI 视频开始真正进入商业生产，模型之间竞争的重点也开始发生变化。过去一段时间，AI 视频模型不断刷新画质、运镜和电影感的上限，MiniMax H3 展现出的另一种方向则是继续把创意生成、精准编辑、包装和修改做得更完整，让模型更接近真正能够交付内容的生产工具。或许，这就是 AI 视频发展的另一条赛道：比起一味追逐更便宜、更夸张的生成效果，持续把模型能力打磨得更完整，精进技术，并且将其开源，从而让更多团队真正把 AI 视频用进日常工作流。长期稳定生成 AI 视频的内容团队，他们更关心整个生产流程是否足够稳定、技术是否能持续迭代，以及模型能力可以无缝容易自己的工作流。当一款具备完整商业能力的「Seedance 级别」视频模型开源出来，它带来的价值，是让这些团队第一次有机会围绕模型搭建属于自己的视频生产能力，而非依赖高价 Token 采购，被绑定在持续的高成本、高杠杆飞轮上狂奔。这些视频内容团队，现在也可以按照自己的节奏来搭建算力，实现工作流和业务逻辑的试错与调整，最终走上更可持续、更自主可控的道路。这才是模型开源这件事，最好的结果。文章内视频可前往 APPSO 微信公众号查看，点击链接https://mp.weixin.qq.com/s/1X0i3EfI4iweeAMMJ8O6JA

2023 年末，小米第一场汽车技术发布会讲了电机、电池、一体化压铸、辅助驾驶和智能座舱，在那场技术发布会上，雷军想要证明：一个手机厂商，也能搭起一套完整的汽车技术体系。两年半以后，当雷军再次站上汽车技术发布会，已经没有人再质疑「小米会不会造车」这回事。这一次在台上，雷军讲的是一间五米多长的「房子」，应该如何设计。小米汽车，搞起了「房地产」。7 月 30 日晚，小米举行了第二场汽车技术发布会，正式发布小米昆仑技术架构——包括昆仑平台、昆仑超级增程和昆仑全域安全三部分。建立在这套架构上的澎程 N90 和 N70，也在今晚进行了完整展示。发布会最后，雷军公布了小米澎程 N90 Max 与 N70 Max 的预售价，分别是 29.99 万元和 25.99 万元。两款新车将于 9 月正式发布，并于今晚 9 点开启小定。在这场发布会之前，小米已经公布了 N90 的基本轮廓。这是一台车长超过五米的大型增程 SUV，采用 2+2+3 七座布局，雷军还专门解释了所谓「7+7」——坐下 7 名乘员以后，后备箱还能放入 7 个行李箱。如果只看这些，N90 很像又一台把冰箱、屏幕和大沙发装满的家庭 SUV。过去几年，中国车企已经熟练地把汽车描述成客厅、卧室乃至精装房，一台车要让一家人在里面生活，也早已不算新鲜。但抛开大家都讲过的「软装」，这一次发布会小米想讲的还有「户型」，也就是小米花了三年半时间打造的昆仑技术架构。一台大型增程 SUV 的车底，需要同时放下大电池、大油箱和电驱系统，还要给悬架行程、车身结构与离地间隙留下位置，在澎程 N90 上，还要考虑前后贯穿的纯平地台和滑轨结构。昆仑技术架构所做的，是先压缩这些机械系统占用的「公摊面积」，再把腾出来的空间交给车里的人。昆仑架构，先把大 SUV 的「公摊」打下来N90 的车长已经达到 5285mm，照理说并不缺空间。但车身尺寸决定的只是整台车有多大，电池、电驱、油箱、悬架和车身结构占去多少，才决定其中有多少真正可以交给乘员。但一台兼顾长续航、四驱和通过性的增程 SUV，车底几乎每一寸空间都已经有了主人。小米给澎程 N90 装上了一块 76kWh 电池和 60L 油箱，加上电驱和悬架，要做一个纯平的地板并不算容易。大尺寸 SUV 最容易出现地板台阶的位置，往往就在第二排之后和第三排脚下，油箱、后电驱与电控系统都集中在这里，N90 要铺出一块从驾驶舱贯通至后备厢的平面，首先要解决的也是这一段。小米给出的第一步，是把后电驱压薄。昆仑平台采用高功率密度同轴后电驱，并将控制单元横向布置，整套后电驱的厚度由此减少 145mm，电池包也经过重新排布，电池控制模块被移动至后方，地板厚度再减少 180mm，从驾驶员脚部一直延伸到行李厢的地板，长度接近 3 米，角度只有 2.95°。最终，地板连同下方结构的总厚度被压缩至 298mm，比同尺寸 SUV 减少约 200mm，省出的垂向空间被交还给乘员舱；与此同时，下车体的结构强度没有因此降低。把地板做平，只解决了上下方向的问题。为了让座舱两侧也尽量方正，昆仑平台将后悬架的弹簧与减振器分离，减振器上支点降低 15mm、整体向外移动 40mm，后 H 臂悬架继续压缩纵向空间，轮拱和风道也围绕座舱重新布置，最终得到的座舱可用面积为 4.4㎡。前后贯穿纯平且方正的地板，给长滑轨留下了存在的基础。N90 Max 可以布置 6 条滑轨，其中 4 条服务座椅，另外 2 条留给中央岛台，最长滑轨达到 1938mm，第二排最大移动距离 900mm，第三排也能移动 720mm。雷军还称，这套滑轨的最大锁止强度达到了 54000N、抗剥离强度 57000N，并完成了超过 15000 次循环测试。涉及座椅变化的操作，需要车辆静止、座椅无人并经过倒计时，全车还设置了 39 处防夹监测。而且，滑轨的意义也不只在于移动座椅，桌子、双人床等拓展件都可以沿滑轨布置，车内因而更接近一套可以继续「装修」的房间。在小米车主中，70% 的用户每周行驶不超过 400km，这也让「日常通勤一周一充，极限情况下用油兜底」成为这套大电池增程的目标。N90 Max 使用 76kWh 电池和 60L 油箱，CLTC 纯电续航为 464km、综合续航 1705km，WLTC 亏电油耗为 6.26L/100km；双电机四驱系统最大功率 310kW，零百加速 5.9 秒，最高车速 190km/h。N90 Max 充电 15 分钟可以增加 285km 续航，电量从 20% 充至 80% 需要 18 分钟。小米对这套增程系统的定义不是用汽油掩盖一块小电池，而是尽量让日常通勤保持纯电体验，再让增程器承担低频长途。在安全部分，小米把车身、车门、电池、滑轨、爆胎和涉水能力放进同一套「全域安全」体系。车身高强度钢与铝合金占比达到 90.4%，16 处采用 2200MPa 材料，N90 配备 12 个安全气囊，此外还有车门三重冗余、180km/h 爆胎稳定控制、750mm 涉水和极端情况下 3—5 分钟应急漂浮等设计。截至 6 月 30 日，澎程共投入 566 台测试车，累计真实路测超过 428 万公里，并完成等效 48 万公里的结构耐久测试。如果借用房地产里的说法，昆仑平台负责的就是提高「得房率」，也是小米「智能可变大空间」的基础。N90，雷军交出的第一套样板房N90 的长宽高为 5285/1998/1825mm，轴距 3080mm，车身采用短前悬、长后悬和接近平直的车顶。A 柱向前移动，车尾也没有为溜背造型牺牲高度，原本可以留给姿态与曲线的部分，大多被换成了车内净空间。这也让 N90 看起来和 SU7、YU7 很不一样，后两者用低趴、修长的比例建立小米汽车的运动形象，N90 则把方正外观和聚焦家庭变成了设计目的。如果说 SU7 和 YU7 更关心一台车开起来怎样，澎程则要回答如何让一家人在车内舒适生活。N90 也给外观留下了一点「装修」余地：前格栅饰板和尾部饰板均可自定义，其中前格栅提供车身同色、拉丝铝板和镂空熏黑等选择。不过，N90 并不准备让这套 5.28 米的「大平层」开起来像一栋移动别墅。它标配五挡可调空气悬架和连续阻尼可变减振器，最小转弯半径为 5.95m，尽量减轻大车在城市道路转向和掉头时的笨重感。智能化方面，N90 全系标配小米 HAD，而针对大型 SUV 泊车难的问题，N90 还标配后向固态激光雷达，测距精度达到 2cm，可以在泊车时识别摄像头不易发现的深沟、消防栓和顶部管道等障碍。进入车内，N90 采用 2+2+3 七座布局，座舱纵深 2760mm，七座全部启用时，后备厢容积仍有 577L，小米称可以放下 7 个 20 英寸行李箱。将第二排移动至前方，再把第三排坐垫翻起并整体前推，后部最大容积可以扩展至 1831L，小米给出的展示口径是可以放入 24 个 20 英寸行李箱。座椅部分，N90 第一、第二排最多可以提供 4 个零重力座椅，前两排支持 16 点按摩、加热与通风，第三排支持加热，不过值得注意的是，前排旋转座椅与前排零重力座椅不能同时选择。通往第三排的中央过道宽 180mm，无需挪动第二排座椅即可进入，后车门接近 90° 开启，并配有电动踏板。四扇车门均支持电动开闭，还能融合 9 颗摄像头、4 颗车门毫米波雷达和前向激光雷达感知周围环境，遇到行人或电动车经过时暂停开门，待障碍离开后继续动作。1938mm 滑轨让第二、第三排座椅和中央岛台可以沿着地板移动，车内空间不再被一次性分给三排座椅，而是随着乘员数量和车辆状态重新划分。七个人出行时，座椅与后备厢共同承担运载；停下来时，前排座椅向后旋转，前排岛台向后移动成为桌子，与第二排形成面对面的区域；需要装载时，座椅向前移动或放倒，原本属于乘员的面积又被交给行李。而且，座椅的所有调整都可以通过语音操作，在 52 秒内自动完成。中央岛台向后滑走以后，前排中央会露出一整块空地，甚至足以临时放下一只行李箱，大多数车辆从出厂开始便被中控台永久占据的位置，在 N90 上重新变成了一块可以分配的面积。这套移动中岛为全系标配，集成杯托、手机充电位、后排控制屏和冰箱，并可选装一块插在杯托上的桌板。这也是 N90 采用 2+2+3，而不是 2+3+2 或主流大六座的原因。驻车时，前两排构成整套空间的主要生活区，第二排需要保持独立，中间区域也必须为通道、岛台和桌板留出位置，车辆开起来以后，第三排再用中间增加的一个座位，把全车运载能力补足到七人。2+2+3，是被这套空间逻辑推导出来的结果。此外，N90 上还自带全车 12 个生态接口、14 个电源接口、220V 车内供电和 6.6kW 对外放电，相当于给这套房子接上了水电。发布会最后，小米还展示了澎程 N70 的外观和预售价格，这台新车和 N90 长得很像，但相比之下，它的车身比例要更加紧凑，车顶至尾部也带有更明显的弧线。2023 年末，小米用第一场汽车技术发布会回答了「能不能造车」，这一次，面对最拥挤的家用 SUV 市场，小米要证明的，是「不止于堆料」的另一种答案。

一台车长超过 5.2 米、重量接近 3 吨的大型 SUV，想要爬上松软沙坡，动力够大只是第一步。随着坡度增加，车辆重心不断后移，轮胎能够获得的附着力却在不断变化。倘若四驱系统无法及时分配动力，大马力只会变成车轮空转，在沙地上越刨越深；悬架如果撑不住车身，动力同样很难有效传到地面。7 月 29 日，岚图泰山系列完成了一次约 100 公里的阴山全地形穿越。路线包括 25 公里浅水碎石河床、最大坡度 62% 的松软沙坡，以及深坑和连续交叉轴等复杂路况，其中「英雄坡」长度超过 250 米，最大坡度约合 32°。在这次挑战中，岚图正式发布并命名了「虎踞智能底盘」，并称其为中国首款全地形智能底盘。阴山穿越是一个很好的底盘能力展示，岚图把过去分散在不同车型和配置表里的悬架、转向、四驱与制动控制，正式收拢到了一套底盘技术体系之中。「虎踞」不是一个部件「虎踞智能底盘」不是某一个新悬架或新部件的名字，它由机械硬件、控制系统和场景化标定三部分组成。三腔空气悬架、前双叉臂与后五连杆悬架、解耦双电机四驱、高强度笼式车身和双向 16° 后轮转向，构成了岚图所说的「硬核筋骨」，EDC 可变阻尼、IPB 2.0、智能四驱协同和牵引力控制系统，则负责根据车轮与车身状态进行实时调节。因此，这次发布的「新」，并不是其中每一件硬件都第一次出现，而是岚图首次将这些硬件与控制能力纳入统一架构，并进一步做成可以覆盖不同车型的底盘技术品牌。其中，三腔空气悬架通过两个刚度阀控制三个独立气室，可以形成 4 种弹簧刚度组合，并提供 105mm 调节行程，最高离地间隙达到 238mm。相比只能调节车身高度的单腔空气悬架，三腔结构还能改变悬架刚度，在舒适和支撑之间提供更大的调节范围。与之配合的 EDC 魔毯减振系统，则根据路面起伏与车辆状态，控制减振器压缩和回弹的速度。空气悬架负责车身高度与弹簧刚度，EDC 负责处理具体的振动和车身姿态，同步为车内舒适性做保障。在阴山的浅水碎石河床中，这两套系统承担的也是类似任务：空气悬架抬高车身，增加底盘面对水下碎石和暗坑时的通过余量；EDC 则连续调整阻尼，控制碎石、坑洼和起伏路面带来的车身晃动。对于大型 SUV 而言，通过一段烂路并不算太困难，但在通过的同时，还要尽量不让座舱里的乘客跟着车身反复摇摆。面对沙坡和交叉轴，工作的则是智能电动四驱、牵引力控制和 IPB 2.0。扭矩矢量控制系统能够识别不同车轮的附着状态，动态调整前后轴及车轮间的驱动力；当某个车轮开始打滑或悬空，IPB 2.0 会先对空转车轮施加制动力，再将驱动力转移到仍有抓地力的车轮。这也是泰山 X8 能够通过「英雄坡」和连续交叉轴的技术基础。大功率电机提供爬坡所需的动力，牵引力控制与 IPB 2.0 抑制车轮刨坑和无效空转，智能四驱再把动力送往有效车轮，三腔空悬与 EDC 则负责支撑车身，控制车辆在大仰角状态下的重心转移。将这些系统放在一起，才能看出虎踞所说的「智能」到底指什么：与让驾驶者选择一个越野模式不同，虎踞可以根据路面附着力、车轮状态和车身姿态，同时调节悬架高度、阻尼、制动力和驱动力。岚图称，这套系统针对草地与雪地、泥泞车辙、沙地、岩石和砾石等路况进行了标定，覆盖超过 1000 个细分场景。岚图还将虎踞分成了三条产品路线：虎踞 P 对应 Premium，偏向尊享舒适；虎踞 A 对应 Allroad，强调全地形能力；虎踞 D 对应 Dynamic，面向运动驾趣，岚图分别以岚图梦想家、泰山 X8 和追光 L 作为三个方向的代表车型。目前公布得最完整的是泰山 X8 使用的虎踞 A，虎踞 P 和虎踞 D 暂时还没有给出完整的硬件与标定差异。但至少从这次发布可以看出，岚图希望虎踞不只是一款车的配置组合，而是像动力平台和智能座舱一样，成为覆盖不同车型的家族化技术标签。泰山 X8，仍然是一台家庭大五座完成阴山穿越的泰山 X8 于今年 5 月上市，定位大五座 SUV，提供插混和纯电两种动力，共 5 个版本，指导价为 29.29 万—37.99 万元。新车长宽高分别为 5200/2025/1814mm，轴距为 3090mm，是一台标准的大型 SUV。尺寸带来了空间，也会放大车身惯性和较长轴距带来的问题。虎踞 A 的作用，是让泰山 X8 在城区保持舒适和灵活，离开铺装道路以后，又有足够的通过性。三腔空气悬架与 EDC 可以在城市道路中抑制制动点头、过弯侧倾和连续晃动，到了坑洼、碎石等复杂路面，悬架又能抬高车身并提供更强支撑。双向 16° 后轮转向则将泰山 X8 的最小转弯半径缩小至 5.4 米，让这台超过 5.2 米的大车在地库、窄路和山路中少一些本应有的笨重。对一台大五座 SUV 来说，舒适性与通过性并不是两套互不相干的能力。家庭用户平时需要它在城区开得平稳、转弯轻松，长途出行时又可能遇到雨雪、积水、碎石或非铺装道路。虎踞 A 并不是要把泰山 X8 变成一台硬派越野车，而是让它在保留家庭舒适性的同时，面对复杂路况不至于立刻失去从容。五座布局则将更多车内长度留给了二排和后备厢，泰山 X8 的常规后备厢容积达到 1148L。零重力座椅、一键成床、对外放电等配置，负责家庭长途与户外休整，华为乾崑智驾和 HarmonySpace 5.2，则补齐驾驶辅助与座舱体验。配合虎踞 A 带来的能力，X8 能够很轻松的将全家人带向山野。阴山穿越把这种能力做成了一次直观展示。对于泰山 X8，虎踞 A 补上了大空间、舒适座舱之外的行驶能力，对于刚刚发布的虎踞，泰山 X8 则成为全地形路线最完整的一次产品落地。泰山 X8 依然是一台面向家庭用户的城市 SUV，虎踞则让城市不再成为它的边界。

科技圈的刺激，总是来得猝不及防。同一天，两家大模型领域的绝对顶流，不约而同地丢出了自己的重磅炸弹。一边是 OpenAI 突然宣布 GPT-5.6 系列模型价格大跳水；另一边，DeepSeek 正式发布 V4-Flash 模型，带着通过后训练（Post-Training）全面强化的推理与代码能力，霸气登场。过去两年，大模型的竞争主线是追赶能力上限：参数更大、上下文更长、跑分更高。今天这两份公告放在一起，则释放出另一个信号：顶级模型的竞争，正在从单纯比拼能力，转向争夺「智价比」。这种变化对 Agent 尤其重要。让聊天机器人写一封邮件，模型回答一次，工作基本结束。让 Codex 修一个 Bug，它却要先读项目文件、搜索代码、应用补丁，再运行测试；一旦测试报错，还得回头检查并重新执行。任务越长，模型调用次数越多，价格就越直接地影响 Agent 能否真正投入日常工作。DeepSeek V4-Flash 的 API 价格仍是每百万 token 输入 1 元、输出 2 元。OpenAI 则把 GPT-5.6 Luna 的 API 价格下调约 80%，Terra 也便宜了 20%。能力继续往上走，调用成本却开始往下掉。这次我们更想知道的是：价格更低的模型，能不能把事情同样做好？模型还是那个模型，但更会干活了DeepSeek 今天更新的 V4-Flash，目前只能通过 API 使用，网页版和 App 都没有更新。开发者使用 API 调用deepseek-v4-flash，后台则会自动换成新发布的 V4-Flash-0731。它可以一次读取 100 万 token 的内容，适合塞进大份文档或整个代码项目，也原生支持 OpenAI 的 Responses API，可以接入 Codex。有意思的是，DeepSeek 称，V4-Flash-0731 与预览版的模型结构、尺寸完全一致，这次只重新进行了后训练。可以把基础训练理解成上学，后训练更像入职后的专项练习。模型原本已经会写代码、读文档，接下来还要反复练习怎么拆解任务、选择工具、发现错误，以及如何把一件事情从头做到尾。身板没变，做事的习惯变了。官方给出的提升幅度确实很大，甚至宣称「远超 V4-Pro-Preview」。在测试模型能否操作终端、连续完成任务的 Terminal Bench 2.1 中，它从 61.8 分涨到 82.7 分；另一项代码 Agent 测试 DeepSWE，则从 7.3 分涨到 54.4 分。这些数字翻译成人话就是，新版不只更会写代码，也更擅长调用工具，把一件事情从头做到尾。更关键的是，能力上涨并没有伴随涨价。V4-Flash 仍维持每百万 token 输入 1 元、输出 2 元。几乎同一时间，OpenAI 也在降低模型调用门槛。据 Axios 报道，上线仅 3 周的 GPT-5.6 Luna 输入和输出价格均下调约 80%，Terra 也降价 20%。降价后的 Luna 每百万 token 输入 0.2 美元、输出 1.2 美元。但便宜的前提是能把活干完。Agent 往往要连续调用模型几十次，任何一步出错，整个任务都可能返工。所以这次，我们把 DeepSeek V4-Flash 接入了 Proma，给它安排了 5 个从简单到复杂的任务。过程中不追加提示，也不替它处理问题，看看它拿出的第一版到底能不能用。5 个任务跑下来，V4-Flash 的惊喜不只是便宜第一轮，我们把爱范儿和 APPSO 的 320 篇早报数据交给 V4-Flash，让它分析两个账号的阅读、互动、选题和发布节奏，并把结果做成一份网页报告。查看文件夹里的早报文章数据，多维度分析数据，然后给我清晰明了的分析报告，输出为交互式的 htmlV4-Flash 先用几张数字卡片交代整体情况，再把内容拆成账号对比、阅读趋势、互动画像、选题分析、结构透视、爆款榜单和全量明细。页面里混用了柱状图、折线图、环形图、雷达图和散点图，散点图还能切换账号、缩放查看。视觉上也相当成熟。深色背景、蓝黄色强调色和卡片层级保持一致，十几张图塞在同一页里，依然能一眼分清重点。虽然这份报告很长，但好在并没有明显的拼贴感。接下来，我让 DeepSeek V4 做了一个稍微复杂一些的任务——一个打砖块小游戏，既要处理球、挡板和砖块的碰撞，又要加入重力、动量传递、砖块耐久、连锁爆炸、4 种道具和粒子效果。它给出的结果意外地还不错，普通砖、金属砖和爆炸砖在视觉上有明确区分；金属砖被击中后会出现裂纹，爆炸砖会波及周围砖块。多球、加宽挡板、粘性挡板和激光也不是只出现在说明里，实际游玩时都能触发。请为我编写一个单文件 HTML 格式的打砖块小游戏。要求使用 HTML5 Canvas 绘制，且具备以下核心要素：真实的物理引擎：球与砖块、墙壁和挡板的碰撞遵循弹性碰撞与动量守恒。挡板移动时的速度应该能传递给球（例如：向右快速移动挡板击球时，球会获得额外的向右水平速度）。加入轻微的重力效果，使轨迹更丰富。砖块类型与生命值：设计不同颜色和耐久度的砖块（如普通砖块需要击打 1 次，金属砖块需要击打 3 次并伴有视觉开裂效果，爆炸砖块被击碎时会炸毁周围的砖块）。道具系统：击碎特定砖块会随机掉落道具，包括：多球模式（分裂出 3 个球）、挡板加宽、粘性挡板（球碰到挡板后先粘住，按空格键再发射）、以及激光射击（挡板可以发射子弹直接摧毁砖块）。视觉与特效：包含击碎砖块时的粒子散落效果、球撞击时的微弱屏幕抖动、流畅的 60 FPS 动画，以及简洁现代的 UI 界面（计分板、生命值显示、暂停和重新开始按钮）。代码结构：所有的 HTML、CSS 和 JavaScript 代码必须全部打包在一个文件中，确保可以直接双击在浏览器中运行，且无外部依赖库。接下来，我们又把题目换成了三体轨道模拟器。这类页面很容易靠星空、光球和拖尾蒙混过关，真正的难点是算出三颗星体下一秒各自会去哪里，并让轨道持续运行。请写一个单文件 HTML 的三体运动轨道交互式模拟器，具体要求：物理计算：使用龙格-库塔法（RK4）或 Verlet 积分算法来计算三个质点在万有引力作用下的运动轨迹。允许用户实时调整引力常数 G、三个质点的质量、初始位置和初始速度矢量。交互与控制：用户可以通过鼠标拖拽来改变质点的初始位置，或者通过轨迹线上的箭头调整初始速度。包含暂停、单步调试、重置、以及内置几种经典稳定轨道（如 figure-8 八字形轨道、Lagrange 轨道等）的一键预设功能。可视化效果：使用 Canvas 绘制质点的实时运动，并保留渐隐的运动轨迹拖尾（利用半透明背景刷新实现）。实时显示每个质点的位置、速度和加速度数值。代码要求：完全原生 JavaScript 实现，无需外部库，界面设计美观、富有科技感。V4-Flash 交付的页面采用了四阶龙格-库塔法，也就是 RK4 来计算轨道。它还加入了引力软化，避免两个质点距离太近时数值突然爆炸；当加速度变大、天体接近相遇时，程序会自动把一个计算步长继续拆细，降低轨迹发散的概率。界面完成度同样在线。主要画面留给轨道，复杂参数集中在右侧，状态信息收在左上角，没有因为控制项多就变成一块密密麻麻的工程面板。算完轨道，我们再换个方向，看看它的审美。任务是一张科幻控制舱仪表盘，不仅要有实时波形、环形进度和滚动日志，点击「超载模式」后，整套界面还要同时进入警报状态。请为我设计一个单文件 HTML 格式的未来感科幻控制舱仪表盘（Sci-Fi Dashboard）。具体要求：视觉风格：深色调背景，使用荧光蓝、霓虹绿和警示橙作为主配色。加入网格背景暗纹、发光特效（box-shadow）和数字科技感字体。动态组件：包含一个实时波形图（使用 Canvas 绘制的音频波形或心率图模拟）、几个带有平滑过渡动画的环形进度条（展示 CPU 占用率、能源百分比等），以及一个不断滚动的实时日志终端（Terminal）。交互控制：用户可以点击「超载模式」按钮，此时仪表盘所有指示灯变为闪烁的红色，数据刷新速度加倍，且有警告音效（用 Web Audio API 合成，无需外部音频文件）。代码规范：使用响应式设计，所有 CSS、HTML 和 JS 代码必须内嵌于同一个文件中，保持现代优雅的视觉表现力。V4-Flash 这一版却做得像模像样，挺有内味的。实时波形、环形进度、能量流、系统状态和日志终端有清楚的主次关系，发光效果没有盖过数据本身。波形持续运动，环形数字平滑变化，终端也会不断刷出新的系统日志。前面的任务都可以在本地完成。最后，我们加入联网、调用 API 和读取外部资料，让 V4-Flash 从一句话开始，做出一份开源 AI 项目周报。请帮我写一个 Python 脚本，调用 GitHub API 拉取过去 7 天内 Stars 增长最快的 10 个开源 AI 项目。提取它们的 README 摘要，并自动生成一份 Markdown 格式的周报。把这个周报做成一个美观、有科技感的网页，略有极客风，简洁明了的界面。它创建了 Python 脚本，实际运行并检查结果，最终交付了脚本、Markdown 周报和一份 JSON 原始数据，以及一个精致的网页。5 个任务全部结束后，我回头看了一眼费用——DeepSeek 后台一共记录了 393 次 API 请求，累计消耗约 3422 万 token，前前后后只花了 2.85 元。测试前充进去的 10 元，连三分之一都没用完。当大模型开始从「做大」转向「做精」5 个任务当然无法测出一个模型的全部能力，但它们已经足够让我们一窥 V4-Flash 的优势：速度快、价格低，也能把一段含糊、抽象的要求变成完整、可操作的成品。过去几年，AI 行业主要遵循 Scaling Law：模型参数更多、训练数据更大、投入算力更高，能力通常也会随之提升。华为何庭波提出的「韬（τ）定律」，代表的则是另一种思路——当几何缩微越来越困难，就把优化范围从单个器件扩展到电路、芯片和整个系统，通过缩短信号传播时间、提高协同效率，继续挖掘性能。两者讨论的并不是同一个技术问题，却代表了两种不同的发展路径：一条继续扩大规模，另一条想办法让现有系统运行得更有效率。V4-Flash 这次的变化，更接近后一种思路。模型结构和尺寸没有变化，仅靠后训练，它在代码、工具调用和连续执行任务上的表现就有了明显提升。它没有否定 Scaling Law，只是说明继续堆参数之外，数据质量、强化学习、推理策略和训练方法，依然可以从现有模型里挖出更多能力。无独有偶，OpenAI 今天也宣布 GPT-5.6 系列模型大幅降价。顶级模型的竞争，正在从单纯比拼能力上限，转向同时争夺「智价比」。模型厂商之间的价格战已经全面展开。对厂商而言，这会继续压缩利润空间，并加速行业洗牌；但对开发者和普通用户而言，模型价格下降意味着 Agent 可以调用更多次、思考更长时间，也能承担过去因成本过高而无法落地的任务。当模型能力继续提升，调用成本持续下降，真正被打开的，或许不只是一个更便宜的聊天机器人，而是一个可以长时间运行、反复试错，并真正替人完成复杂工作的 Agent 时代。

电影史上有些技术，普通观众未必叫得出名字，却会改变一代人的镜头记忆。1970 年代，Garrett Brown 发明了 Steadicam。它后来被应用于《洛奇》里那段著名的台阶奔跑，也出现在《闪灵》里那条令人不安的酒店走廊。观众记住的是奔跑、压迫感和幽闭空间，行业看到的则是摄影机摆脱轨道、获得空间自由，导演、摄影与演员之间的调度关系被重新调整，创作自由度也随之打开。今天的 AI 视频也走到了类似阶段。过去它擅长制造短片段的惊艳瞬间，但长镜头不稳、角色和场景易漂移、细节修改需要重新生成，镜头与构图也很难精确控制。短片段的效果，距离专业制作之间，还缺一套足够可控的流程。APPSO 体验后发现，小云雀 Seedance 2.5 的升级，刚好补上了这一环。作为首发官方版 Seedance 2.5 的 AI 创作工具，小云雀把模型能力和产品功能做了更深层次的结合。30 秒原生直出、最多 50 个多模态参考素材、白模渲染、绿幕编辑、音频分离，再加上角色素材包与角色库、3D 导演台、片段重拍和自带配音等独家功能，AI 视频也开始从生成短片段，进入更接近专业制作的阶段。长镜头，是 AI 视频专业化的起点小云雀 Seedance 2.5 最直观的变化，是把单段直出时长提升到 30 秒，还支持继续延长，最长可以达到 90 秒。对短剧、TVC、游戏 CG、音乐 MV 等内容来说，创作者不必再把一个完整镜头分成大量碎片，再依靠剪辑拼在一起。更长的生成时长，为动作推进、情绪变化、空间调度和事件发展提供了更大的余地。在功能设置上，小云雀目前提供了两条主要创作路径。第一次接触 AI 视频的用户，可以直接使用首页的创作 Agent 功能。用户只需描述想做的视频，Agent 便会帮助整理需求、生成内容，并提供后续调整建议。下文测试的「奥德赛海啸」和「王的猜想」，都通过创作 Agent 完成。更重要的是，用户还可以点击输入框里的「画布模式」，进入创作 Agent 画布。在保留自然语言交互的同时，继续使用素材管理、节点编排和视频编辑等画布能力，逐步增加对生成过程的控制。比如马斯克之前说，将在今年年底前用 AI 制作一部长篇电影版《奥德赛》，但我直接就用小云雀 Seedance 2.5 生成了一场奥德赛风格的舰队大战。30 秒内五艘希腊战船在同一海峡中依次遭遇巨石投击、火箭齐射与接舷混战，并在持续推进中完成断船、落水、救援与反击的连续因果战斗场面。传统 AI 视频很容易把这类提示词处理成一组互不相干的战争镜头。Seedance 2.5 则充分理解了每艘船承担的任务，让三艘船分别救援不同方向的落水者，并在救人期间继续完成转向、掩护和反击。多主体、长时间、强因果的动态场面，至今仍是视频生成领域的高难度任务。这个案例也表明，Seedance 2.5 已经能把视觉奇观组织成一段完整叙事，站在当前 AI 视频从短镜头迈向长片段的前沿位置。「王的猜想」案例测试的是另一种长镜头能力。相较于 Seedance 2.0，Seedance 2.5 可以把瞳孔特写、战场全景、高空俯冲、战舰穿越、能量爆发和宇宙重组连成一条完整的摄影机路线。镜头尺度从极近景扩展到宇宙级全景，再重新回到人物身上，角色面容、战甲、披风与王冠仍要保持一致。开启创作 Agent 的自由画布功能后，生成视频过程中，系统会把模型、时长、比例、清晰度和积分消耗单独列出。涉及积分的操作会先弹出确认卡片，用户确认后才会开始生成。生成完成后，小云雀还会按照时间段说明视频内容，例如人物动作、眼神变化、环境变化和镜头推进。成片存在问题时，用户也可以继续通过自然语言提出修改要求。我们还测试了一段暴雨古城武侠打斗。白衣剑客与黑衣刀客从巷道跃上屋顶再回到长街，最终在石桥决战。镜头全程连续推进，兵器碰撞、碎瓦飞溅，场面相当激烈。Seedance 2.0 已经具备较强的运动生成能力，Seedance 2.5 的进步主要体现在动作延续和空间连贯上。人物可以从长街进入巷道、跃上屋顶，再回到石桥，摄影机不会轻易失去方向。动作长镜头由过去的姿态展示，开始接近一段经过设计的对打。哦，对了，如果你是小白中的小白，你也可以点击这个小图标润色和修改你的提示词，属实是把饭喂到嘴里了。此外，参考素材能力也迎来明显扩容。小云雀 Seedance 2.5 现在支持最多 50 个全模态参考素材输入。图片参考从 9 张提升到 30 张，视频参考从 3 个提升到 10 个，音频也可以作为参考输入。人物、服装、场景、道具、色调、表演节奏和镜头语言，都能够通过素材本身向模型传递。视频生成行业过去主要由 Prompt 驱动，创作者不断修改文字，等待模型理解。Seedance 2.5 所代表的新阶段，更接近资产驱动和工作流驱动。文字负责说明意图，参考素材负责限定结果，画布则负责组织生成过程。更重要的是，长镜头能力提升以后，AI 视频终于可以承担更完整的叙事。不过，视频时长增加，也会带来新的问题。镜头越长，角色、空间和细节越容易出错，修改成本也越高。因此，专业化的下一步，需要创作者真正获得对镜头、人物和局部画面的控制权。导演 AI，正在成为新的创作能力对完成度要求更高的创作者，可以从首页进入短剧 Agent。短剧 Agent 里包含上传剧本、AI 生剧本和自由画布三套主要功能。前两者能够更快速地完成剧本、分镜和成片生成。Seedance 2.0 在短剧领域已经证明了多模态声画生成、角色表演和复杂指令遵循的能力；Seedance 2.5 则继续加强长镜头、复杂调度、角色一致性和后续编辑，让模型从生成一组可用片段，向完成一段可持续修改的内容推进。自由画布则面向更细致的创作和编辑需求。角色管理、场景设计、视频节点、3D 导演台等等功能，都可以在这里完成。人物本身也开始成为可以反复调用的创作资产。在「短剧 Agent—自由画布—角色」中，小云雀支持上传多角度图片、视频和声音参考，让角色在不同镜头里保持相对一致的外貌、体态和声线。平台还提供约 9000 个角色，并可以调整年龄、五官、发型、妆容、肤质和表情，减少系列内容里常见的换脸和角色漂移。自由画布里更值得关注的是 3D 导演台。AI 视频的随机性，一直让专业创作者很头疼。提示词可以描述一个人从左边走到右边，却很难精确规定人物站在哪里、相机处于什么高度、镜头沿着哪条路线移动、前后景如何遮挡。小云雀把 3D 白模、K 帧、动作库和相机运镜库放进画布中。创作者可以先搭建一个可视化空间，安排人物站位、动作和相机路线，再把白模视频作为参考交给 Seedance 2.5。不用学习复杂的建模软件，也可以通过图片生成基础白模；不再完全依赖提示词，也能够调整角色动作、空间位置、镜头路线和画面构图。我们还尝试使用 3D 导演台，复现热门韩剧《铁拳教育》中强调空间压迫感和人物对峙关系的镜头。制作时先确定角色基础形象，再利用 AI 和建模能力还原白模，确定人物站位、镜头高度、运动路线和空间遮挡关系，最后把白模视频交给 Seedance 2.5，完成角色表演、服装、光线和场景质感。3D 导演台相当于把抽象的文字描述转化为可见的空间草图。面对打斗、追逐、对峙和群像站位等复杂场面，创作者可以提前安排人物与相机之间的关系，再让模型完成画面生成。自由画布也适合制作对运镜和人物调度要求较高的广告片。我们测试了一支参考宝矿力水特 TVC 风格的办公室广告。开场是一名白衬衫男员工在工位上喝下一口饮料，随后起身唱歌跳舞，邻座同事陆续被感染并加入队伍。另一个咖啡广告测试采用了相似的低机位和一镜到底设计。主角从沉闷的办公状态中起身，拿着咖啡穿过办公室，与同事互动，最后走到落地窗边喝下一口咖啡。自由画布也可用于更复杂的游戏内容。我们制作了一支乙女恋爱互动游戏 PV，以黑金 UI 为基准，包含三张角色卡、档案弹窗、隐藏支线与 A/B/C 选项。镜头从选角界面出发，经光标移动、卡片放大与界面切换，进入夜晚温泉会所的第一人称剧情。我们还制作了一支暗黑中式类魂游戏 PV，以深山镇鬼世界为背景，主角为茅山道士，30 秒内依次呈现主菜单、角色创建、地图探索、对话、战斗与 Boss 战，并保留血条与技能 UI。类魂 PV 的难点在于 CG 氛围、玩法信息与买量素材需统一呈现，提示词更接近分镜与设计文档，需要同时约束角色一致性、界面逻辑、战斗节奏与美术光效，可用于角色 PV、玩法预告与广告投放。当然，专业视频制作里，生成只是开始，修改才是常态。Seedance 2.0 主要回答了如何根据多模态参考生成一段复杂视频，Seedance 2.5 又向前推进了一步，开始回答生成之后如何继续进行精细化修改。众所周知，AI 视频最怕返工。一段 30 秒视频里，前面表现都很好，最后几秒却出现人物说错话、动作异常或产品展示不准确，过去经常只能整段重新生成。小云雀 Seedance 2.5 支持单秒级时间戳控制，也支持框选画面配合提示词进行局部编辑。创作者可以指定某段时间和某个画面区域进行修改，同时尽量保留其他部分。我们制作了一条多语种 AI 耳机直播带货视频。男性主播先后使用中文和英文介绍产品，镜头在直播间全景、主播展示和耳机特写之间切换。生成后，我们发现主播把同一句产品介绍重复说了两遍。于是通过片段重拍选中对应时间戳，只修改出现问题的局部片段，保留原有直播间、人物形象、产品外观和镜头节奏。片段重拍目前面向 Seedance 2.5 生成的视频。创作者可以单独修改人物年龄、表情、发型、妆容、服装、肤质或场景风格，也可以处理某一句台词、某一个动作和某件道具。风格转换是另一项高频需求。我们将一条已有视频依次更改为美漫风格、水墨风格、黑白风格、动漫风格，保留原视频的动作、场景关系和运镜节奏，只修改整体视觉表现。品牌内容、短视频二创和同一素材的多版本投放，都可以通过这种方式快速生成不同风格的版本。绿幕编辑则测试了更加具体的局部替换。原始素材中，一台笔记本电脑屏幕为绿幕。我们通过视频片段创作将其替换为逼真的 3A 赛车游戏实时画面，加入赛道、仪表盘、氮气条与导航路线，同时保持桌面、机身、人物动作与环境不变。过去这类需求需单独制作屏幕内容，再进行跟踪合成回填视频。小云雀将绿幕素材与生成式视频编辑整合在同一画布中，使产品演示、影视后期与广告植入流程更直接高效。声音能力也在同步完善。对短剧出海、海外带货和本地化内容来说，声音已经是视频生成中不可忽视的一环，而多语种内容需要同时保证翻译准确、声线一致、节奏自然和口型匹配。小云雀接入 Seed Audio 1.0，可以根据参考音频生成更贴合角色设定的声线，并支持选择采样率。Seedance 2.5 还覆盖中文、英语、西班牙语、葡萄牙语、印尼语、马来语、泰语和阿拉伯语等 10 余种语言，可以同步处理发音、口型和画面文字。比如刚刚展示的直播带货测试就用到了这类能力。小云雀本身还提供了产品推广功能。该功能默认注入产品推广创作 Skill，同时保留模型、尺寸、时长等核心配置。用户输入商品、卖点、目标人群和传播场景后，系统会按照营销内容的表达方式组织视频。简言之，从创作 Agent 的长镜头生成，到短剧 Agent 的自由画布，再到 3D 导演台、片段重拍、风格转换和绿幕编辑，小云雀正在把原本分散在不同软件里的制作环节放进同一套创作流程。此前，视频模型首先比拼画质、真实感和动作流畅度。如今，长时一致性、多素材约束、局部修改和工作流协同，正在成为衡量专业能力的新指标。模型本身决定画面的上限，产品流程则决定这些能力能否真正被使用。从 APPSO 的实际测试看，Seedance 2.5 毫无疑问是当前视频生成领域遥遥领先的领头羊，身后也看不到能与之并肩的对手。尤其在 30 秒级连续叙事、复杂多主体调度、多模态参考和生成后编辑方面，它已经开始接近商业内容生产的实际要求。目前，在小云雀上已经可以直接使用 Seedance 2.5，覆盖专业创作、影视短剧、游戏动画、商业 TVC 和自媒体内容等场景。至于大家最关心的价格，还有个限时福利，7 月 31 日至 8 月 6 日，Seedance