科技产业的发展过程中，似乎经常有这样的桥段——第一代产品负责破局，后续版本负责走量。

前者靠技术突破、价格冲击，或者足够抓眼的表达快速打开市场；后者则在前代基础上补齐短板、打磨细节，真正把产品推向更大范围的用户。

小米自己就经历过这样的故事。小米 2 靠性能和定价一炮而红，但真正承担起走量任务的，其实是完成度更高的小米 2S。

十年后，类似的故事又发生在小米 SU7 身上。

初代小米 SU7，显然就是那个锋芒毕露的「破局者」。作为小米进入汽车行业的第一款产品，它靠成熟的驾驶质感和出色的设计，迅速打开关注度，也完成了一次足够漂亮的登场。

但随着交付量不断攀升，初代 SU7 的一些问题也逐渐暴露出来：智驾能力仍有明显短板，电气架构开始显出代际压力，几场事故中引发的安全讨论，也成为用户反馈中最集中的焦点之一。

而新一代 SU7 更像是拿到了当年小米 2S 的剧本。

相比 2024 年初那台负责惊艳市场的初代 SU7，新一代 SU7 或许少了几分横空出世的锋芒，但却补齐了短板、修正了问题，把一台已经足够出色的车，继续推向更高的完成度。

除了价格小小的上涨了一点。

标准版 21.99 万元，Pro 版 24.99 万元，Max 版 30.39 万元。

全面补强

小米之所以在外观变化不大的情况下，仍将其称为「新一代」，核心还是这次升级幅度确实够大。尤其是走量的标准版和 Pro 版，很多关键配置直接拉满，基本做到了「入门即顶配」。

先看最关键的电子电气架构。

新一代 SU7 标准版和 Pro 版升级到了 752 V 碳化硅高压平台，其中 Pro 版匹配一块 96.3 kWh 的电池 CLTC 综合续航达到 902 km。Max 版则搭载 897 V 碳化硅高压平台，在常温环境下，使用小米自营超充桩实测，15 分钟最快可补能 670 km 的 CLTC 续航。

安全部分也是这次升级的重点。

小米做了一套体系化提升，重点覆盖车身结构、被动安全、电池防护，以及极端情况下的逃生冗余。

新车全系标配由 2200 MPa 小米超强钢打造的「内嵌式防滚架」，从 A 柱延伸至 C 柱，四门防撞梁也采用同规格材料。

作为参照，普通高强度钢一般在 500 到 800 MPa 左右，热成型钢通常在 1500 MPa 左右，2200 MPa 已经属于当前量产车里的高强度水平。

气囊配置也进一步增加。新一代 SU7 全系标配 9 个气囊，包括主副驾侧气囊、两条 2040 mm 超长侧气帘、远端气囊、异形副驾气囊，以及新增的两个后排侧气囊。相比上一代，后排侧气囊是这次比较明显的补充。

车辆电池包底部采用的是与 SU7 Ultra 同款的「防弹涂层」，相较传统 PVC 涂层，耐刮擦、耐撕裂能力提升 10 倍，耐穿刺能力提升 13 倍。

底盘前部还新增了一根 1500 MPa 防刮底横梁，与底部涂层一起构成双层防护。高压绝缘防护做到了 17 层，并按照更高的热失控安全标准进行设计。

另外，大家比较关注的门把手部分，这一代也做了补强。

新一代 SU7 标配三重冗余车门把手，包括车外机械拉手、门锁冗余备份电源，以及车内应急机械拉手。再加上大电池 + DCDC、小电池、备份电源三重供电保障，即便在异常情况下，四个车门依然都能通过机械方式开启。

在新一代 SU7 上，小米首次发布了「小米蛟龙底盘」，官方定义是「软件、硬件深度融合的高性能智能底盘系统」。

从命名和定义就能看出来，这套系统想强调的，不只是底盘硬件本身，更是软硬件协同之后的整体能力。

先看机械层面。新车全系标配前双叉臂独立悬架和后五连杆独立悬架，轮胎规格为前 245 mm、后 265 mm，同时配备前四活塞固定制动卡钳。动力部分，全系搭载 V6s Plus 小米超级电机。Pro 版和 Max 版则进一步配备闭式双腔空气弹簧和 CDC® 阻尼可变减振器，悬架支持高低可调，也支持软硬可调。

调校上，这一代 SU7 也对几个基础体验重新做了梳理。制动踏板参考了 SU7 Ultra 的脚感风格，并重新优化了制动点；转向系统经过重新调校，响应更直接；悬架在滤振和支撑之间的平衡，也做了更细致的优化。

和底盘相关的辅助能力同样有所增强。

防滑协同控制系统可以进一步降低低附着路面上的打滑概率；新增的湿滑模式则支持通过 AI 多模态感知识别路面状态，在检测到冰雪或湿滑环境后，主动提醒驾驶员切换模式。

而在此前常被认为是小米汽车短板的辅助驾驶部分，新一代 SU7 这次采用了全系统一配置的策略。

激光雷达、4D 毫米波雷达、700 TOPS 辅助驾驶算力，以及小米 HAD 端到端辅助驾驶系统，全部实现全系标配，25 项安全辅助功能也不再区分版本。

同时，新车也升级了「小米 XLA 认知大模型」，引入多模态输入，并结合具身基座模型，主要提升的是辅助驾驶系统在决策层的处理能力。简单说，就是在感知之外，进一步加强对场景的理解和应对能力。

在当前新能源市场里，这种做法并不算常见。很多车型仍然会把激光雷达、高算力平台或高阶辅助驾驶能力放在高配版本上。新一代 SU7 则把这部分配置直接下放到全系。

体验进化

说完里子，再来看看面子。

外观方面，新一代 SU7 整体延续了第一代车型的设计语言，主要变化集中在配色和细节扩展上。

新车新增 3 款颜色：卡布里蓝、赤霞红和靛石绿。加上第一代延续下来的「霞光紫」「雅灰」「璀璨洋红」「珍珠白」，以及来自 SU7 Ultra 的「曜石黑」和小米 YU7 的「流金粉」，全系共提供 9 款外观颜色。

同时，新车增加全新 21 英寸的锻造梅花轮毂，总计有 6 款可选。

内饰部分，新一代 SU7 新增了暗夜黑配色，方向盘更偏向 YU7 的造型、中控台改为对称设计、座椅和氛围灯也都采用了新的设计方案。

整车玻璃也有升级。天幕玻璃采用双层镀银，前风挡采用三层镀银，四门则升级为夹层防晒车窗。同时，全系标配四门静音夹胶玻璃，包含静音夹层前风挡，以及前后门玻璃。

座椅舒适性也同步做了调整。主驾座椅全系标配 18 向运动调节，前排座垫支撑性提升 24%，舒适性提升 33%；后排高频接触区域的填充厚度增加了 20 mm，躺倒角度 121°，并且增加了睡眠头枕。

智能座舱方面，超级小爱语音目前已经可以覆盖 95% 的车控功能；模糊语义导航重新进行了调校；全系标配车外语音，并支持声纹识别；同时还新增了情绪感知对话能力。

在一些拓展性配置上，小米为前后的摄像头增加了高压清洗的功能，在恶劣环境和天气下有效的提升了辅助驾驶和泊车的安全；内置 ETC 模块也做到了全系标配，并支持免费激活；也像小米 YU7 一样支持了各种各样的磁吸配件。

发布会的最后，小米同时带来了阔别四年的笔记本新品 Xiaomi Book Pro 14 ，主打轻薄性能，售价 8499 元起。

Xiaomi Book Pro 14，起步为英特尔第三代酷睿 Ultra 5 338H 处理器，最高可选 Ultra X7 358H，整机 TDP 达 50W，重 1.08kg，厚 14.95mm。

以及可以在疲劳驾驶、超速等情况下振动提醒，在过红绿灯等节点，提醒导航路线的小米 Watch S5，售价 1199 元起。

这两款产品的更多信息，请关注我们后续的评测文章。

做打动人心的产品

春节期间，小米上线了一支短片，叫做《献给汽修工人李尚国》。

李尚国是一位修了一辈子车的老师傅。光听发动机声音他就能诊断故障，奔驰、宝马、保时捷，每一台别人眼里的天花板，都在他手里拆解过、复原过

虽然他修了一辈子车，但却很少为自己握一次方向盘。

随着父亲退休，他和儿子之间也像大多数中国式父子一样，失去了原本就不多的共同语境，变得越来越没话讲。这种客气的疏离，直到儿子开着一辆小米 SU7 回家才被打破。

父亲接过方向盘，用自己那套积累了半生的标准去感受，然后给出了一个老师傅式的评判：「这是好车」。

整支影片想表达的其实只有 4 个字——「打动人心」。

这句小米从手机时代就在反复强调的话，放到新一代 SU7 身上，依然成立。雷军过去 3 个月讲了很多，归根到底，无非是在反复说明一件事：新一代 SU7，是一件认真做出来的产品。

当一辆车有足够扎实的产品力，叠加配置诚意，叠加技术进步，又能让人感受到它和自己的生活发生的链接，就是雷军对这辆新 Dream Car 的完整表达。

当下的中国汽车市场，其实不缺产品，很多车单看参数、配置，其实相当能打。

但一台车做得够不够好是一回事，一个品牌能不能被记住、被相信，是另一回事。

后者靠的，不只是功能，也不只是一次两次有情绪煽动的传播，而是有没有稳定地传递出一种态度：你到底怎么看用户，怎么看生活，怎么看自己造出来的东西？

放到新一代 SU7 上，这点会特别明显。

它想传递的，不只是「我又升级了多少配置」，而是「把这些升级做出来之后，最终想成为一辆什么样的车」，又想卖给「什么样的人」。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

最近有一组被热议的数字，值得在文章开头先放出来——

一条 2 分钟科幻短片，从概念到成片，总成本不到 200 块。而今年春节档里正在厮杀的重工业视效片，3 到 5 亿是起步价。

这两个数字。同时存在于 2026 年的中国。

对于像我这样的非专业创作者而言，这个数字不只是「成本下降」，它更像是一道门槛轰然倒塌的声音。

虽然今天手机的拍摄能力已经开始媲美专业级设备，而 AI 视频生成更是强到可以在几小时的时间内，就做出堪比影院的特效，但你会发现，影视创作依然把大多数人拦在门外。

确实，过去用 AI 工具的经历里，我跑出过好的视频片段已经不计其数，但 —— 代价是什么呢？

要么需要大片且十分专业的提示词，光是学习撰写它们就浪费难以估量的时间；要么是是片段虽然都很好，但叙事一塌糊涂，前言不搭后语；要么是其中有几帧出错，整条链路得重来一遍……

哪怕我已经习惯了「抽卡」的等待和重来，还有我的钱包在前面拦着我，让我别冲动。毕竟 AI 烧的不止是 token，更是每一个创作者真实的 money。

另一方面，OpenClaw 的爆火也让我意识到，既然我们已经能指挥 AI Agent 帮我们完成各项任务，那为什么不能让它们去做视频？

但现在，门终于要被推开了。这次带来改变的，是一款叫 LibTV 的产品。

作为一款诞生于 Agent 浪潮的视频创作平台，它并没有把自己局限在一个传统的软件外壳里，在给「人类」的创作提供了一个趁手且极具性价比的专业工具之余，它还从底层架构上为 OpenClaw 这类智能体预留了执行接口。

在体验完 LibTV 后，它可能我是目前用过的，最接近未来的视频创作工具。

一个人，就是一支专业影视团队

过去我是个文字创作者，不是导演，更不是后期。但脑海里从来不缺画面——那种充满电影质感的镜头、皮克斯风格的色调、某个只有三秒钟却让人屏息的特写。

过去，这些东西只能在脑子里飞一圈，然后消失。

学摄影、学构图、学剪辑软件，光是入门就要烧掉你半年。更别说 3D 建模、渲染、后期合成——每一个环节都是一个新的专业壁垒，心有余而力不足。

但第一次打开 LibTV，给我的感觉和其他视频创作软件完全不同。

LibTV 没有复杂的多个子窗口，也没有一眼看不到头的工具栏。出现在眼前的，是一个类似于 Figma 或 Miro 的自由空间，没有传统视频创作流程那种「门槛」很高的心理的负担。

我可以在画布上自由地排布 5 种基础节点：有负责大纲与调度的「文本」、用来确立视觉基调的「图片」、承接动态演绎的「视频」，也有掌控情绪节奏的「音频」，以及为结构化故事准备的「脚本」。

我只需要顺着我的直觉去把这些节点连接起来，一切就能运转。这不仅可以厘清我脑海中不停涌出的却杂乱的思绪，又能对任何一个节点进行发散性的创造。

看着空白的画布，我有一个念头闪过：过去那些只能停留在脑海的画面，是不是可以成真了？

比如，最近刚搬家，有次累得在沙发上睡着，梦见自己走进了《爱丽丝梦游仙境》那样的世界里，然后突然从精灵的城堡掉落，没想到被小猫接住。被吓醒的一瞬间，发现窗外的夜色正好，而小猫就在身边安静地睡着……这样幸福的感受，我总忍不住想要将它做成一个皮克斯风格的短片，与身边的朋友分享。

过去，这对我来说是不可想象的工作量。但在 LibTV 的画布上，我只需要轻装上阵，把创作变成一次有趣的「画图」。

首先，通过图片节点，轻松将我和小猫转换成了动漫风格。为了确保后期风格的一致性，我调用了 LibTV 独家的「角色三视图生成」功能。几秒钟后，人物与猫的三视图便出现在了画布中央，避免「角色崩坏」问题。

有了主角后，我向 LibTV 给出整体的视觉风格和故事大纲，便可以调用文本模型来生成详细的分镜。

当然，「一次过」这种事情在 AI 的角度来看也不容易。好在 LibTV 面对我这个挑剔的「老板」毫无怨言，点击重新生成，LibTV 就会迅速返工，直到给出我满意的脚本为止。

有了分镜脚本和素材后，只需要几分钟时间，LibTV 就能生成多机位 9/25 宫格分镜图 —— 瞬间，画布上铺开了一整套拥有大全景、中景镜头、特写切换的连贯故事板。我仿佛坐在监视器后，扫视着不同机位的预演画面。

当然，我也顺手试了试用 Prompt 来操作，也能有不错的效果。总之，怎么顺手怎么来就行。

生成的多机位图，LibTV 还能一键把它们拆分，将分镜宫格图转换为可供制作的视频静帧。

但在制作的过程中，有些镜头之间的画面衔接还不够好。这时候，我就可以用 LibTV 的前 3 秒 / 后 5 秒画面延展功能，推算镜头画面的前后连贯内容，让画面的连接更顺畅。

很快，一个简单流畅的动画视频，就搞定了。

看着我一个人真的一点一点在 LibTV 里把这个短片做出来，我第一时间并不是激动，而是多年的愿望成真时的难以置信。

这次创作的过程，让我第一次真实地感受到，原来有了好的 AI 工具加持，一个人是真的可以成为一个专业的影视团队。

但更让我惊喜的是，这套创作流程可以被打包成可复用的工作流。下一次，替换几张原素材，质感极高的影片就能自动流转产出。

LibTV 的创作者社区，也能成为我的素材来源。不用苦苦用提示词「开盲盒」，轻轻一点，便可将优秀的 skill 融入自己的工作流。

让「龙虾」替你开一家影视公司

如果说无限画布是为人类导演准备的监视器，那么 LibTV 最具野心的地方，是它还专为当下最火的各类龙虾 Agent 开发了 Skill，让我可以直接在聊天框里和龙虾对话，让它把视频生成这事给干了。

在 LibTV 的系统里，Agent 和人类天然享有同等的优先级。

想来也是，给 AI Agent 准备 Skill，其实特别契合当下的日常状态。我早就习惯了把手头的琐事外包出去，让 AI 去处理繁杂的文档，或者是处理文档、记录生活重要事项。在调度各种工具干活这件事上，这个看不见的数字助手，往往比我本人还要能干。

顺着这个思路，当我给自己的「龙虾」接入 LibTV 的 Skill 后，一切就变得水到渠成了：它直接绕过了繁琐的操作门槛，把一整套专业的视频制作能力纳为了己用。

现在，我连 LibTV 的画布都不再需要打开，直接在 Agent 对话框里下达指令就行 ——「调用 libtv-skill，新建一个 libtv 的项目，给我一个30秒的《守株待兔》动漫，绒布动画风格」。

收到指令后，它立刻就能开工，再也不用担心打工人拖延症。

没一会，一个完整的影片就出来了。

考虑到这是一条全程零人工干预、完全由「龙虾」自己一手包办的产物，它所展现出的交付级水准，确实让人有些意外。

哪怕其中有些帧出错了也没关系，因为这个项目会完整地保存在后台。如果后续需要调整，我可以在此基础上快速完善迭代，省去前期大量的制作时间。

再举个例子，假如你正在为一款新设计的美妆产品筹备上线宣传，你只需要在对话框里丢出产品图片和依据简单的 Prompt：「帮我给这个粉底液做个宣传片。」

接下来发生的事情，足以让任何传统制片人感到战栗。

龙虾会通过 LibTV 的接口，自动解析图片的风格气质，撰写符合产品调性的转成与运镜，再在后台静默调用目前市面上最顶级的模型矩阵（包括可灵 3.0 以及 Wan 2.6 等），自行完成素材生成、分镜设计、视频生成和卡点剪辑。

喝完一杯咖啡的时间，一支光影交织、画面华丽的交付级成片已经静静躺在你的聊天窗口里。

如果说之前的 AI Agent 都是帮助我处理日常事务，更像是「管家」的角色，那么有了 LibTV Skill 加持的 Agent，已经具备了真正的生产力 —— 一个人在一天的时间里完成过去一个团队都达不到的工作量，这何尝不是质变呢？

没有试错压力，创作才能自由

如果问我过去用 AI 视频生成工具最大的痛点，我绝对不会说是「抽卡」、一致性不足等问题，毕竟这些都能靠时间和提示词优化来解决。

相反，困扰我最大的问题，是我的钱包「真的不够鼓」。

当前的主流视频模型，每一次生成都伴随着高昂的算力成本。由于 AI 生成的随机性，为了得到一个满意的 5 秒镜头，我需要忍受极高的废片率，甚至直接导致了创作成本的失控。

面对这样的困境，LibTV 直接给出了一个生猛的回应：做一次彻底的「价格屠夫」。

现在，年卡优惠最低可达 39 折，部分模型还有最低 2 折左右的优惠。核心会员的 SKU 价格，硬生生比同类竞品拉低了 76%。模型积分的单价更是断崖式下跌，比竞品低了惊人的 92%。

此外，订阅后尊享版还可以直接获得 300 条可灵 3 系列的免费生成额度，不需要再额外付费。

它传达出一个非常清晰的信号：如果「抽卡」不可避免，那不如将「抽卡」的自由彻底还给创作者。

只有我的试错成本被摊薄，我才敢于去挑战更边缘的审美，去测试更极限的镜头调度，真正跑出属于个人的独特视觉风格。

工具向后，创作才能向前

在这个 AI 技术按月迭代的周期里，有一种情绪几乎无处不在——FOMO。

每天，新模型冲上热搜，越来越逼真的视频在各个群里刷屏。面对这些应接不暇的新技术，很多时候我们产生的第一反应，早就不是好奇或兴奋，而是纯粹的焦虑：慢了一拍，手里的技能被一键替代，这套剧本是不是已经在悄悄发生？

但当我真正静下心来用 LibTV 这类产品时，那种被算法追赶的压迫感，会非常自然地消散。

看着眼前这块完全自由的画布，以及那个随时待命的 Agent，我脑海里完全没有「AI 将替代人类」的紧迫感。

有的，是一种久违的、单纯的表达冲动——我多么想把以前那些天马行空的灵感，真正具象化。

这就是 AI 工具与人类创造力之间应该有的关系：AI 不是来取代你的判断力和审美的，它是来帮你清除那些挡在你与表达之间的障碍的。

当技术工具人人可用，创作视野才是稀缺品。

这正是 LibTV 给我最深的感受：一款真正优秀的工具，不应该用晦涩的技术壁垒制造焦虑，它只会安静地为你搭建好趁手的工作台，然后把你心底那股想要创造点什么的原始动力，重新点燃。

AI 的终点不是让人变成机器的附庸，而是让人更像人——有更多时间去构想、去表达、去创造那些只有人才能创造的东西。

在影视这个曾经门槛极高的领域里，LibTV 正在做的事，是把那扇门，为每一个有故事想讲的个体，彻底打开。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

2026 年 1 月，OpenClaw 席卷中文互联网。仅仅两个月后，龙虾已经进入了「全民卸载」周期。

龙虾的问题不是它不够强，而是它很难服务于每一个普通人。

从安装到卸载，第一批「养虾人」的故事，暴露了 OpenClaw 的尴尬：Agent 怎么能产生真正的生产力价值？

今天，飞书的新品发布会，想给每个人一个答案。

给每个人的智能伙伴

OpenClaw 爆火之后，有着开放、易用的机器人机制的飞书，也跟着走红了。

API 调用额度从 1 万次提到 5 万次，再到目前的 100 万次；3 月 5 日推出官方插件，让 Agent 可以直接读写飞书文档、日历和多维表格,把「养虾」的门槛从「会写代码」降到「会用飞书」。

这些动作，确实让龙虾更好养了。但 OpenClaw 本身的弊端，飞书仍然解决不了：配置复杂、普通用户上手门槛高、原生部署安全隐患大，等等。

结论是：Agent 要真正落地，必须是一个上手即用的智能伙伴。它的安全是基本线，更要能直接与每个人的工作流丝滑融合。

今天正式升级的 飞书 aily，就是飞书给出的答案。

飞书 aily 是什么？官方定位是「每个人的智能伙伴」。形态上，它以 Bot 的方式常驻在飞书联系人列表里，打开飞书就能找到，对话即交互。30 秒激活，零配置。

• 飞书 aily 有长期记忆，会随着你的使用逐渐记住你负责什么业务、偏好怎么沟通、喜欢什么格式。
• 它的权限与你的飞书账户完全一致——你能看什么文档，它就能操作什么文档，敏感操作需要你确认，所有动作全程可追溯。
• 它还有官方认证的技能市场，经过安全扫描，可以按需安装。

可以说，飞书 aily 是 OpenClaw，或者更广泛定义上「龙虾」理念的一种呈现方式。但它又跟开源的原生版 OpenClaw 有着本质的区别：

龙虾是你自己养的宠物，飞书 aily 是公司给你配的同事，入职了，开权限了，准备好和你一起开始工作了。

对于需要处理更复杂工作流的用户，还有独立的飞书 aily 专业版（aily.feishu.cn），有图形界面，可以让有需求的开发者、公司 IT 管理员去构建多步骤的自动化任务。

接下来的实测，我们会聚焦在普通人更好用的 Bot 形态，但两者底层逻辑相同。

龙虾承诺的太多，其实 aily 就够了

把飞书 aily 放进了实际工作流里，我们测了几个最日常的用法。

先来一个极高频的场景：飞书拉会。

在任务过程中，飞书 aily 直接查询了 APPSO 组织架构内的用户 ID——这一步放在别的 AI 工具里根本做不到。它能做这件事，是因为统一的权限机制。你在飞书里能看到的，它就能看到。

确认了人、确认了时间，调用飞书日历技能，一个会议就建好了。

从任务发起，到创建完成，大约半分钟。不敢说比飞书达人手搓更快，至少主打一句话搞定。

让打工人感觉痛苦，但又不得不做的事情，做月报肯定算一个。

我们把自己的社媒平台数据，先上传到了飞书云盘，然后交给飞书 aily。提示词很简单：查找不同媒体平台数据生成多维表格；再跟员工汇报文档结合，生成一份团队月报。

它整理了一共 9 份不同格式的文件，交付了一份月度汇报，以及可以作为附件的多维表格——时间只用了不到 4 分钟。同样的工作，APPSO 去年还在纯手搓，要用至少两个小时。

顺便一提，如果你想从零搭一套数据追踪的业务系统，子产品飞书妙搭也支持用自然语言描述需求，直接生成一套业务系统应用。

不一定每次都用得上，但有飞书 aily 在，你知道自己不用再求人了。

接下来，我们再看一个相对更复杂、偏创作/生成向的任务，看看飞书 aily 作为自媒体搭子好不好用。

作为 APPSO 的深度报道作者，我会写很多晦涩难懂的文章，在社媒平台传播的时候就需要生成有针对性的、更浅显易懂的版本。

我们还是可以直接在飞书 app 里，通过设定好的机器人来发指令。不过，这个任务其实更适合用飞书 aily 的专业版来完成。有图形界面 (GUI) 的辅助，可以精细化输入和调整，还可以更方便地调用原生支持的各种工具、技能和插件。

飞书里直接搜索飞书 aily，或者打开 aily.feishu.cn，就进入到了专业版界面。

它支持用户上传自定义 skill。虽然官方技能库非常丰富，但我还是想上传一个我之前经常用的「content-creator」（内容创作者）技能。

装完 skill 之后，我们只需要在对话框里输入 /content-creator（具体的 skill 命令因人而异），就能唤醒它。再把文件链接给到，它就能开始帮我写稿去了。

这种技能/插件的调用方式，和 Claude Code、Cowork、OpenClaw 等产品相同，熟悉度拉满。

开始工作后，我们能够在后台看到，飞书 aily 先是做了一个 plan，将任务分解成 5 个步骤。

即便是不指名到具体的 skill 上，飞书 aily 仍然可以判断我的意图然后调用对应的技能来完成工作。

APPSO 在这里其实还做了 A/B 测试，激活或不激活技能，任务完成时间分别是一分半和三分钟——都不算特别久，但显然调用 skill 工作更快，而且利用技能写出来的感觉更好。

无论是各种官方还是第三方的 skill，飞书 aily 都能完美适配。不过这里 APPSO 还是建议大家不要在不熟悉的情况下乱装 skill，尽量以官方的技能商城为准。

工作完成后，点击右上角的工作区，能够查看生成的内容了。

三个场景测下来，有一个感受越来越清晰：飞书 aily 跟那些「AI 生成一个文件发给你」的工具，体验差异还是很明显的。它的交付物是文档、表格、任务，可以继续被协作、被引用、被追踪。

龙虾当初让大家兴奋的那个期待，其实一直都很具体：帮我做完一件费时、费力的小事，让我能腾出脑子去处理真正重要的东西，别让心流被一堆琐碎打断。飞书 aily 做到了这一点，龙虾没有。

当然，OpenClaw 有很多「出格」的操作，它还做不到：操控本地文件系统、执行任意命令等。但换一个角度，这种「克制」本身就是企业场景的必要条件。哪怕一个新实习生学历再高、能力再强、多有灵气，公司不会给 ta 配上服务器根权限——这很正常。

飞书本就是个强有力的生产力工具。飞书来做龙虾/agent，当然不是为了实现什么 AGI。在各种宏大的叙事之外，先让普通人的打工人生更轻松，才是更重要的。

Agent 落地企业，其实并不难

企业 Agent 的竞争，正在往一个很多人还没意识到的维度转移。

过去两年，行业的注意力主要在两件事上：模型能力（谁的参数更大、基准跑分更高），以及 C 端爆发（谁的 Agent 更酷、更会演示）。

OpenClaw 的火爆是这个逻辑的顶点——一个开源框架，凭借「能干活」的形象引爆全民。

但龙虾从爆火，到卸载，仅用了两个月就快走完了一个周期，里面有一个不能更朴素、更明显的道理：

「能干活」是必要条件，绝非充分条件。

Agent 要在企业环境里真正落地，需要的远不止一个会执行命令的 AI——它需要懂业务，需要匹配组织的权限构架，需要嵌入团队已有的工作流，而不是在旁边开一个新窗口，重新训练一个昂贵且笨的「实习生」。

诚然，中国绝大部分的工作发生在微信上——团队工作的本质是沟通，这个道理上过班的人基本都明白。但飞书、钉钉、企微的流行，从侧面证明了工作绝不仅仅是沟通那么简单。

聪明人在一起工作，沟通早已不是问题。聪明人开始发现，那些聪明人也不得不干的「笨事情」，才是效率提升的真正空间所在。

Agent 的上限，取决于它能「读懂」多少你的工作。但在工作的语境下，「读懂」并不意味着你要把自己的电脑交给它。

而读懂，靠的是上下文——你留下过的笔记，开过的会和会议纪要，跟谁在群里讨论过什么，哪些项目在推进，哪些决策已经做出。

这些东西，叫做企业上下文数据，其实正是一个商业机构运转的引擎。它不存在于模型里，也不能从网上抓取，它在企业内部的协作平台上，以消息、文档、日历、审批的形式慢慢沉淀，日积月累。

飞书沉淀这些东西，已经好几年了。

OpenClaw 爆火后，中文开发者自发聚集到飞书，原因很简单——Bot 创建不需要审批，不需要公网 IP，摩擦最少。社区发起人杨明锋在自己的分支里先实现了飞书扩展，2 月 4 日被官方合并。

把 OpenClaw 的门槛从「会写代码」降到「会用飞书」，是飞书能做的事，也是其他平台很难复制的动作。

飞书大概率没有预料到这一切，但它一直在做的那套东西——足够开放、接口通畅、数据互通——恰好就是龙虾最需要的基础设施。

当在飞书中激活飞书 aily ，它读到的上下文，远比文档里的文字、表格里的数据更多。它知道这份文档是上周评审会讨论的结果，知道那个多维表格由哪个团队维护，知道@你的消息通常意味着什么优先级。

——这些，都是外部的 Agent 产品，难以复制的东西。你可以在后端接入强大的模型，可以用各种服务框架、插件、技能、hook 来强化体验。但你的工作记录，专属于你的公司、属于你的上下文，是不可被替换、很难被简单搬运走的。

竞争对手可以做出一个功能相近的 Agent，但它接入的只是空壳；而飞书 aily 面前的，是一个已经蓄满水的池塘。

这个逻辑延伸出去，还有一个更大的判断：企业 Agent 的竞争格局，最终将由「谁的地盘里的上下文最充裕」，而不是「谁的模型最强」来决定。

模型能力不是不重要，但模型的高度商品化，是既成事实；多年沉淀的上下文生态，才成了真正的护城河。

企业 Agent 时代的入口，应该是上下文最深的平台。飞书已经成为了这个入口。

钉钉有更大的用户基数，腾讯有 QQ 和微信的社交图谱，企业微信有腾讯的 B 端关系链。飞书的优势，在这三者里反而是最「纵深」的：它的用户群以科技、互联网和成长型企业为主，这批人对 AI 的接受度高，工作上下文的数字化程度也最高。

换句话说，飞书的地盘虽然不是最大的，但上下文密度可能是最高的。你在哪个平台留下了最多的工作痕迹，那个平台的 Agent 就最懂你。

究其根本，大多数人们对于龙虾的期待，并不能通过 OpenClaw 来解决。

两年后的办公 AI，会变成什么样子，没人知道。但至少今天的答案，就在工作已经在发生的地方，在飞书 aily 的身上。

飞书一直是对 agent 最友好的工作台，无论 AI 怎么进化，其实万变不离其宗。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

2026 年 3 月 17 日，一位网友在社交平台 X 上这样写道：

坏结局：现在所有的游戏，都变成 AI 泔水（AI slop）了。

这里所指的，不是马斯克那个「全 AI 开发」的游戏，而是英伟达刚刚公布的一个技术预览。

这项技术预览，就是英伟达 GTC（GPU Technology Conference, GPU 技术大会）上公布的 DLSS 5：

▲ 图｜Quartz

作为帮助老游戏和中低端显卡焕发新活力的技术，DLSS 在过去几年的口碑还算不错，为什么偏偏 DLSS 5「一石激起千层浪」了呢？

原因很简单：DLSS 5 跨过了「在原有画面上做加强」的底线，开始在游戏画面内叠加「基于 AI 模型生成的新细节了」。

经历过 2025 年末图像 AI 的野蛮生长之后，大家原本就对 AIGC 类内容的「入侵」高度敏感。

而英伟达在 DLSS 5 中尝试的技术路径，在大多数游戏玩家和开发者看来，刚好跨过了那条禁忌的边界线。

▲ 图｜Nvidia

实际上，虽然 DLSS 5 因为 AIGC（AI 生成内容）而被大家炎上，但 DLSS 技术本身就是重度基于 AI 学习的，这一点从它的全称「深度学习超采样」就能看出。

但是，相比上一代的 DLSS 4/4.5，英伟达是这样介绍 DLSS 5 的：

DLSS 5 以游戏每一帧的色彩和运动矢量作为输入，并利用 AI 模型为场景注入逼真的光照和材质，这些光照和材质与源 3D 内容紧密关联，确保帧与帧之间的一致性。

其中最出格的，莫过于「利用 AI 模型注入逼真的光照和材质」——

这与 DLSS 4 的几个技术路线，比如多帧生成、光线重构、DLAA 等等，产生了质的差别。

▲ 图｜Nvidia

实际上，如果根据英伟达自己的描述，DLSS 5 在处理的「目的」上相比 DLSS 4 就已经截然不同了——

DLSS 4 是在 GPU 有限的前提下，补全分辨率、帧率等等外围参数。

而 DLSS 5，则是以游戏生成的画面为基础，利用 AI 生成本来不存在的材质、光照和反射细节，让画面变得更具真实感：

…… DLSS 5 随后利用其深度理解能力，生成精准的图像，能够处理复杂的元素，例如皮肤的次表面散射、织物的微妙光泽以及头发上的光与材质的相互作用，同时保留原始场景的结构和语义。

更直白一点说——在 DLSS 4 的时候，如果画面原始帧里面，角色的牛仔裤没什么材质细节，处理之后顶多干净一点，但不会让牛仔布凭空变得更精细。

而打开 DLSS 5 之后，算法模型会知道「画面这里是一条牛仔裤」，然后主动加入更精细的牛仔布纹理和材质，哪怕游戏的模型贴图里没有这些细节。

▲ 图｜YouTube @ElAnalistaDeBits

而英伟达作为硬件厂商，却跨过了从「加强细节」到「创造细节」的行为，结合之前对于 AI 泔水的反感，才引发了玩家、用户和开发商们的普遍担忧。

这种担心是不无道理的——

老黄又不是游戏创作者或开发商，英伟达越俎代庖之后，DLSS 5 改变了开发者原本想要呈现的画面效果怎么办？

而英伟达官网上的 DLSS 5 演示片，也侧面印证了一部分观众的担忧。

从目前版本的 demo 来看，DLSS 5 的确在「场景感」和「材质细节」上的确让游戏画面变得更真实了。

但抛开氛围不谈，DLSS 5 对于画面主体的修改却非常让人不安：

▲ 图｜Nvidia

在官网 demo 中我们能够看到：格蕾丝的颧骨相比原始建模明显更突出了一些，嘴唇也变成了「Ins 风」的泡泡唇。

画面的第一观感，就是 FBI 青涩新人突然变成了在 Onlyfans 晒沙滩豪车大豪斯的欧美女网红——

▲ 图｜Nvidia

甚至于这种「通过 AI 强行美化」的行为在英文里还有一个专门的说法，叫做 yassify ——

▲ 图｜网络

当然，在看过那么多 AI 泔水之后，原因也不难猜测——

英伟达训练模型所使用的素材，无非是巨量的互联网数据，其中有多少 yassify 的「人造泔水」混进去影响了模型，英伟达既没办法知道、也很难控制。

而 DLSS 5 读取原始帧，感觉「这里有个人脸」之后，就会注入高颧骨、泡泡唇、影棚光等等原本不存在的要素，和原始画面混合在一起。

这种 「DLSS 幻觉」最明显的例子，则来自《星空》demo（超级小陶本人在 GTC 上表示非常支持 DLSS 5）。

原始画面中，人物打光明明是个硬顶光 + 面前漫光的组合，但 DLSS 5 打开之后，竟然凭空多出了一块右侧高光：

▲ 图｜Nvidia

这种没有细节硬造细节的问题，正是大多数玩家对 DLSS 5 表示反对的原因。

哪怕老黄在公布当天，以及后续的采访中反复表示：

游戏开发者可以自由调节和修改 DLSS 5 细节，让处理后的画面符合原本的艺术风格。

也没能让大家放下心来。

但 DLSS 5 尚未正式发布，GTC 上展示的仅仅是个预览，开发者究竟能够以何种自由度对 DLSS 5 进行调节，仍然是个未知数。

只不过虽然网友们在过去 24 小时内制作了大量 DLSS 5 的梗图，但单纯从应用角度出发，DLSS 5 还是有一定可取之处的——

它的真正发挥空间，不是最近几年的新游戏，反而是一些使用旧引擎的经典作品。

尤其对于贝塞斯达（Bethesda）这类开发商来说，Creation 引擎因为历史原因导致角色建模诡异的问题，被玩家诟病已经不是一天两天了：

▲ 图｜TheGamer

刚好在英伟达选出的 DLSS 5 演示里，就有来自《星空》的 demo。

除了增加莫须有的光源和颜色细节之外，我们不得不承认—— DLSS 5 还真让 Creation 引擎的 NPC 变得更「耐看」了一点……

▲ 图｜Nvidia

当然，《星空》还是很新的游戏，如果 DLSS 5 能够被正确用在比如《辐射 4》或者《上古卷轴：湮灭重制版》里面，是的确能带来一些体验提升的。

前提是 DLSS 5 正式版发布的时候，能够把这个骇人的「动态画面 bug」给解决掉：

▲ 图｜YouTube @Vex

总的来说，DLSS 5 有可取之处吗？

有。

至少以「纯技术」的视角来看，从之前 DLSS 单纯加强原始帧，转向通过 AI 理解画面内容然后针对性优化，在「某些特定情况下」，是可以让一些存在「技术限制」的游戏得到提升的……

比如，DLSS 5 虽然 AI 味精味溢出屏幕，但对冲一下，说不定能让《消逝的光芒 2》变得好接受一点：

▲ 图｜SVG

只不过从上面连篇累牍的定语也能知道，现在仅从 DLSS 5 有限的演示片段来看，这东西依然是非常让人担忧的。

目前来看，玩家们最需要关注的，是英伟达能给游戏开发者们提供多少控制权限，以控制 DLSS 5 的算法。

而开发者也需要基于不同类型、不同美术风格、不同角色特点的游戏，有针对性地微调 DLSS 5，才能发挥出恰当的效果。

▲ 图｜GamesRadar

但如果 DLSS 5 就是拿个固定的训练集往所有游戏上生搬硬套，那无疑是另一次 AI 泔水的向上污染。

但如果把目光放到 DLSS 5 以外，英伟达在本次 GTC 上释放出的信号，其实是没有脱离 DLSS 的本源的：

除了游戏开发者之外，计算机硬件同样可以参与到「游戏美学」的构建中，两者的重要性甚至不相上下。

如果 DLSS 1-4 解决的是分辨率和帧数问题，而 DLSS 5（如果发展顺利的话）解决画面质量问题，就提供了这样一种可能性——

开发者不再需要头疼由于引擎或者技术导致的各种「艺术审美」问题（比如首发版《赛博朋克 2077》），而是可以把精力放在玩法创新和剧情创作上。

换句话说：贝塞斯达万一出了支持 DLSS 5 甚至 DLSS 6 的老滚 5 重制版，依然可以支持曾经的 mod，而角色外观终于可以更现代化一些了。

那岂不是杯赛玩家狂喜？而老滚 6 又可以多苟几年。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

上周，两个没有署名的匿名模型悄然上架知名 API 聚合平台 OpenRouter，代号分别是「Hunter Alpha」和「Healer Alpha」。它们没有任何宣传，调用量却开始以一种不寻常的速度持续攀升。

其中，Hunter Alpha 更是多天登顶日榜，累计调用量突破 1T tokens。社区开始议论。最主流的猜测指向 DeepSeek，认为这是 DeepSeek V4 的内测版本。

OpenClaw 创始人 Peter Steinberger 也在 X 平台发文打听，进一步点燃了社区的猜测热情。

小米官方正式宣布，Hunter Alpha 和 Healer Alpha 均为小米 MiMo 大模型的早期内测版本。谜底揭晓的同时，小米 MiMo 大模型负责人罗福莉也在 X 平台公开认领。

巧合的是，罗福莉正是 DeepSeek 的前研究员，换句话说，来自 DeepSeek 的她，在小米做了让全网以为是 DeepSeek 的模型。

划重点，小米此次一口气发布三款模型，虽各有侧重，但共同指向同一个方向：让 AI 从「会对话」进化为「能完成任务」：

• MiMo-V2-Pro 是旗舰文本基座，专为高强度 Agent 工作场景而生，主打推理、规划与工具调用。
• MiMo-V2-Omni 是全模态 Agent 基座，原生融合文本、视觉与音频感知，打通从理解到执行的完整链路。
• MiMo-V2-TTS 是语音合成大模型，为 Agent 赋予有温度、有情感的声音表达能力，构成全栈的最后一环。

MiMo-V2-Pro：量大管饱，定价只要竞品的五分之一

MiMo-V2-Pro 的总参数量突破 1T，激活参数为 42B，较前代 MiMo-V2-Flash 扩大约 3 倍。

参数量大幅增长，但推理效率并未因此下降，这得益于其创新的混合注意力架构（Hybrid Attention）。

该架构的混合比例从前代的 5:1 进一步提升至 7:1，轻量 MTP（Multi Token Prediction）层的引入也加快了实际生成速度。

同时，MiMo-V2-Pro 支持高达 1M 的超长上下文窗口，这在处理长程 Agent 任务时具有明显的结构性优势。

在全球权威大模型综合智能排行榜 Artificial Analysis 上，MiMo-V2-Pro 目前位列全球第八，国内第二。

基准测评之外，小米更强调「实际体感」。在 Coding Agent、通用 Agent 和 Tool Use 等维度，MiMo-V2-Pro 与 Claude Sonnet 4.6 处于同一梯队。

在小米内部工程师的深度评测中，MiMo-V2-Pro 的代码工程能力已接近 Claude Opus 4.6，拥有更出色的系统设计能力与更优雅的代码风格。

Hunter Alpha 匿名内测期间，调用量最高的几类应用多为编程专用工具，这一数据本身就是对模型能力最直接的市场验证。

在 OpenClaw 框架内，MiMo-V2-Pro 还展示了前端开发能力，能够一步生成设计精致、功能完备的网页，兼顾视觉质感与实际可用性。

定价层面，MiMo-V2-Pro 的 API 价格仅为同级别竞品的 1/5。256K 上下文以内，输入每百万 tokens 定价 1 美元，输出 3 美元；1M 上下文范围内，则为输入 2 美元，输出 6 美元。

这个定价策略的信号很明确：小米希望以价格优势快速推动 MiMo-V2-Pro 在开发者生态中的渗透。

为此，小米还联合 OpenClaw、OpenCode、KiloCode、Blackbox 及 Cline 五大 Agent 框架团队，提供为期一周的限时免费接口支持，各框架的具体限免信息可关注 MiMo 官方与 MiMo 开放平台公告。

目前，MiMo-V2-Pro 已正式开放 API 服务，开发者可前往 https://platform.xiaomimimo.com 接入体验。官方模型体验页面 https://aistudio.xiaomimimo.com 同步上线了 MiMo Claw 功能，支持免费体验 MiMo-V2-Pro 的 Agent 能力。

MiMo-V2-Omni：能看、能听、还能自己砍价

如果说 MiMo-V2-Pro 是大脑，MiMo-V2-Omni 的野心则更大，它试图让这个大脑同时拥有眼睛、耳朵和手。

MiMo-V2-Omni 是小米首个在基座层面统一感知与行动的全模态模型，从底层架构开始就将文本、视觉与音频深度融合。

音频理解是 MiMo-V2-Omni 最具差异化的能力之一。它支持超过 10 小时的连续长音频理解，覆盖从环境声分类到多说话人分离的复杂场景，综合表现超越 Gemini 3 Pro。

图像理解方面，MiMo-V2-Omni 在多学科视觉推理与复杂图表分析上超越 Claude Opus 4.6，逼近 Gemini 3 Pro 等顶尖闭源模型水平。

视频理解方面，模型支持原生音视频联合输入，而非将音频和视频分开处理，在架构层面带来了真正的多模态理解优势。

在 Agent 实操场景中，MiMo-V2-Omni 展现出令人印象深刻的端到端任务完成能力。

结合 OpenClaw 框架，它可以像真人一样操控浏览器：在小红书翻阅评测内容，整理购买建议，切换到京东跨店比价，联系客服争取优惠，直到完成下单，遇到多标签页切换、实时交互要求，均能见招拆招。

还有一个更具代表性的演示：用户只需说一句「做一个介绍视频，配上科技感音效，发到 TikTok 上」，模型就能完成全流程，包括自动修复渲染中的字体报错，最终确认视频审核通过、成功上线。

在纯文本智能体任务上，MiMo-V2-Omni 同样保持了高度竞争力，在 OpenClaw 榜单 PinchBench 上的表现比肩 Gemini 3 Pro。

Healer Alpha 匿名内测期间，模型在 PinchBench 上拿下均分第一，社区用户好评与基准测评结果形成了难得的双向印证。

办公场景方面，MiMo-V2-Omni 已与金山办公展开合作，接入 WPS 灵犀，支持直接生成高质量的 Word 文档、结构化 Excel、排版规范的 PDF 与完整 PPT。MiMo Studio 的 Claw 模块也已全面打通金山 WebOffice 生态，原生支持 Word、Excel、PPT、PDF 四大主流格式，覆盖超 95% 的日常文档类型。

WPS 灵犀体验地址：lingxi.wps.cn

MiMo-V2-Omni 已开放 API，支持 256K 上下文长度，输入定价每百万 tokens 0.4 美元，输出 2 美元，同样可在 https://platform.xiaomimimo.com 接入。

MiMo-V2-TTS：会打哈欠、会醉酒、还能唱歌

一个完整的 Agent，不应该只会思考和行动，它还需要开口说话。MiMo-V2-TTS 正是为了填补这个缺口。

MiMo-V2-TTS 基于小米自研 Audio Tokenizer 和多码本语音文本联合建模架构，经过上亿小时语音数据的大规模预训练。

「上亿小时」这个数据量级，意味着模型得以覆盖极为丰富的说话风格、口音与场景，这是泛化能力的基础。

多维度强化学习后训练阶段，模型围绕韵律自然度、音质稳定性、音色克隆质量与场景语气适配等多个维度持续优化。

得益于多层码本建模架构，强化学习阶段可以直接利用语音相关奖励信号对模型进行优化，而非依赖间接的文本侧反馈，这让多维奖励信号能够更有效地作用于生成过程。

MiMo-V2-TTS 支持从整体基调定调到句内局部情绪的多粒度控制，能在同一句话内完成语气转折与情感递变，这在同类产品中并不多见。

模型能够智能识别标点符号、语气词、强调标记等格式信号，并将其自动转化为自然的语音表达，全程无需用户手动标注。

方言支持涵盖东北话、四川话、河南话、粤语、台湾腔等，同时具备角色扮演式风格演绎与高质量歌声合成能力，让同一个模型既能说、能演、也能唱。

官方表示，未来 MiMo-V2-TTS 将与 MiMo-V2-Omni 深度融合，让 Agent 不仅能看懂世界、理解世界，更能用富有表现力的声音去讲述这个世界。

AI，才是真正打通人车家全生态的那根线

三款模型集中发布，时间节点和产品组合都不是偶然。罗福莉在声明中坦言，从聊天范式到 Agent 范式的转变发生得太快，「连我们自己都难以置信」。

但小米 MiMo 团队其实早有布局。罗福莉披露，1T 基础模型在数月前就已开始训练，最初目标是提升长上下文推理效率。混合注意力架构、1M 超长上下文窗口、MTP 低延迟推理，这些架构决策并非追随潮流，而是在需要之前就构建好的结构性优势。

推动团队加速转向 Agent 方向，源于一个关键时刻。罗福莉第一次体验到复杂 Agent 框架时受到强烈冲击，随即对团队下达强硬指令：MiMo 团队中，明天对话次数少于 100 次的成员可以辞职。

这个有些极端的要求背后，是她对 Agent 范式的坚定判断。结果是，团队的想象力被彻底激发，研究速度随之大幅提升。

这种研发节奏，叠加上小米本就拥有的生态基础，让这次发布的意义超出了单纯的模型竞赛。

小米集团长期推进「人车家全生态」战略，通过澎湃 OS 将手机、汽车（SU7 系列）与智能家居设备全面打通。这套生态的物理层面早已互联，但此前缺少一个真正意义上能跨设备理解意图、自主规划并完成任务的智能中枢。

现在，MiMo-V2-Pro 负责推理规划，MiMo-V2-Omni 负责多模态感知与执行，MiMo-V2-TTS 负责语音表达，三者叠加，构成了驱动整个生态运转的完整 AI 能力栈。

miclaw（小米手机端 AI 智能体）已接入 MiMo 大模型，具备系统级执行能力与「人车家全生态」的深度集成，是这套能力栈落地的第一个具体形态。WPS 灵犀、小米浏览器相继接入，也在说明同一件事：MiMo 不只是一个对话产品，而是正在被嵌入进各类应用场景的基础能力层。

多年来，各大科技公司都在描述「AI 将打通一切」的愿景，而带着 Agent 基因的 MiMo-V2 系列模型和深谙生态打法的小米，显然已经做好了准备。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

你觉得，我应该买 M4 iPad Air，还是买刚出的 MacBook Neo？

在决定写这篇文章之前，一个大学同学把这个问题抛给我时，我的第一反应是错愕的。

放在以往，iPad 是 iPad，MacBook 是 MacBook，井水不犯河水。设备形态、交互方式、能力边界都不论，单看价位区间就难以将 iPad 和 MacBook 放在同一起跑线上。

更何况苹果声嘶力竭地叫嚣「你的下一台电脑何必是电脑」，已经好几年了。然而营销的归营销，事实很清楚：真正能搞定工作的「生产力」，依然只存在于桌面级的 macOS 里。

于是， iPad 更像是一个称职的「配角」，待在比 Mac 更低的价位段里，去填补那些关于触控、书写与创意的空白。

然而今年，将这两款设备摆在一起讨论，突然变得极具现实意义。

莫非 iPad 终于进化出了堪比 Mac 的生产力？并没有……只是 MacBook Neo 的定价，破天荒地杀入了 iPad Air 价格舒适区。

更戏剧性的是，硬件配置上也开始「倒反天罡」了：

• 主打轻薄移动的 iPad Air，迭代搭载了 Mac 同款的 M4 桌面级芯片；
• 但真正运行着 macOS 的 MacBook Neo，却用上了一颗由 iPhone 16 Pro 首发的 A18 Pro 移动端芯片。

所以回到开头的问题：选 Mac 还是选 iPad？

这次，还真得好好盘算一下。

TL;DR 太长不看版

• 无论是 M4 之于 iPad Air 还是 A18 Pro之于 MacBook Neo，性能都够用；
• 交互重点在「触控」选 iPad；交互重点在「键鼠」选 MacBook Neo；
• 买 iPad Air：前提是你的需求非常明确前置（必须画画、重度手写笔记，或已有主力电脑作为互补）；
•  买 MacBook Neo：如果你的预算有限且需求模糊（日常办公、上课、做 PPT），别犹豫直接入。放弃「既要还要」的执念，是对钱包最大的尊重。

硬件的「倒反天罡」，与性能的「绝对够用」

从参数表上看，iPad Air M4 的性能似乎对 MacBook Neo 构成了碾压之势。

但实际上，在五千元以内这个价位段，两者的性能都出现了不同维度的「溢出」。

尽管 iPad Air 的 M4 芯片并非 MacBook Air 上的「满血版」M4 芯片，在 CPU 和 GPU 核心数量上都有所减少，但把它塞进如此轻薄的机身内，依然是一头不折不扣的性能猛兽。

在绝大多数平板应用场景里，M4 的算力都显得有些「杀鸡用牛刀」。

配合高达 12GB 的统一内存，这套配置显然不是为了应对当下的需求，而是为了放眼未来。

实际体验下来，iPad Air 优秀的屏幕素质和立体声扬声器，足以完美胜任玩游戏、看视频等一切娱乐需求。

更重要的是，12GB 的统一内存赋予了它近乎桌面级的多任务并行能力。得益于全新的窗口化机制，即便同时开启多个应用，系统依然丝滑流畅，体感上进一步逼近了 MacBook Air 的体验。

尤其是 iPad Air 依然搭载了 60Hz 的屏幕，这更是让 M4 芯片的图形性能显得绰绰有余甚至有点大材小用。

从这个角度来看，这种当下略显过剩的性能余量，足以让它从容扛过未来好几代系统的大版本迭代，历久弥新。

相比起 iPad Air 按步就班的换「芯」升级，用上智能手机芯片的 MacBook Neo 才是近期苹果最出人意料、最具战略意义的一步棋。

Neo 并未搭载 MacBook 家族常用的 M 系列处理器，而是直接用上了 iPhone 16 Pro 首发搭载的 A18 Pro 处理器。爱范儿认为，这也是苹果在 A 芯片耕耘超过 15 年，以及 ARM Mac 布局 6 年后水到渠成的结果。

只不过，Neo 所搭载的也并非「满血版」A18 Pro，而是 6 CPU 核心 + 5 GPU 核心的配置，比「满血版」少了一颗 GPU 核心。

即便如此，从 GeekBench 跑分来看，这颗 A18 Pro 的综合性能稳稳地卡在了 M1 和 M2 之间。

虽然 M1 已经是 6 年前的芯片，但时至今日，M1 轻度办公体验依旧相当能打，编辑部依然有不少编辑还在主力使用 M1 MacBook Air 工作。

所以说，一颗比 M1 芯片更强的 A18 Pro 芯片，确实有了流畅运行 macOS 的底气。

更重要的是，MacBook Neo 搭载了与 MacBook Pro 毫无二致的完整版 macOS，在系统层面未作任何妥协。这恰恰印证了 MacBook Neo 纯正且完整的 Mac 属性。

在实际体验中，它足以轻松拿捏所有常规的文字办公需求；而饱受吐槽的 8GB 统一内存，也并没有预想中那么捉襟见肘。

无论是应用的快速冷启动，还是在几十个浏览器标签页之间反复横跳，它都表现得游刃有余。甚至用剪映拖拽 1080P 素材、剪辑一条几分钟的 Vlog，时间线操作也丝滑顺畅，毫无拖泥带水之感。

只是客观来说这个 8GB 统一内存，必然没有 M4 iPad Air 那 12GB 统一内存来得那么宽裕与流畅，对我来说很容易就能摸清 MacBook Neo 的性能边界。

同样也会有点担心，MacBook Neo 能不能撑过后续几年的系统版本更新。

不过话说回来，那些更为严苛的「Pro 级」生产力需求，理应交由更高阶的 Pro 产品线去攻克，这本就不是「Neo」该操心的事。Neo 在「入门级」MacBook 这个角色里，确实做得相当好了。

iPadOS 仍然无法成为 macOS，反之亦然

也许芯片决定了一台设备能跑多快，但系统决定了它能跑多远。

自从 iPad 用上 Mac 同款的 M 系芯片之后，iPad 作为平板电脑和 Mac 电脑之间的差距，几乎就只剩下 macOS 了。

我们之前的文章讨论过很多次 iPadOS，从人机交互的宏观视角来看，iPad 绝对是苹果过去 30 年科技树中最具野心、也最多样化的集大成者。比起不能触摸的 macOS 和不能用笔的 iOS，iPad 做到了「前可伸手点屏幕、中可提笔画批注、退可键鼠移窗口」。

假设你身处大学图书馆，面对几百页晦涩的 PDF 英文文献时，你需要的是一支 Apple Pencil 随心所欲地高亮批注，是一根手指就能流畅翻页的直觉。

对于考研党、医学生或是学术研究者来说，iPad 加上 Goodnotes，就是一座可以捧在手心里、随时随地可以被涂鸦的随身图书馆。

这般独特的交互形态，对于画师、设计师等创意工作者而言，更是无可替代的生产力。

然而，万物皆有代价。当一个电子产品的交互形态越是丰富，它在某一种特定工具上的极致体验就会被稀释。

如果说电脑是一种「专用工具」，那么 iPad 绝对是一种「泛用工具」。

虽然每年的 iPadOS 更新都让它变得更像 macOS，但 iPadOS 依然是 iPad 最大的掣肘。

这就好比最新款 iPad Air 空有一台 M4 的「超跑引擎」，却只能憋屈地跑在 iPadOS 这条限速 60 的「乡间小道」上。

繁琐甚至反直觉的多任务处理机制、依然不够开放的文件管理系统、以及部分缺失的桌面级专业软件，让它依然只能稳坐「最强平板」的宝座，而无法越雷池一步成为大众意义上真正的电脑。

更不用说，iPad Air 要想配齐一套好用的「妙控键盘」，用户需要额外掏出 2199 元；如果想发挥它的手写优势，一支 Apple Pencil Pro 又要加上 999 元（哪怕选基础的 USB-C 版也要 649 元）。

这笔账算下来，绝非一笔小数目。

反观 MacBook Neo，A18 Pro 的绝对参数或许不如 M4 耀眼，但 macOS 却赋予了它降维打击的能力。如果说 iPad 是用来捕捉灵感的，那么 MacBook 就是用来将灵感「变现」并最终交付的。

自由的多个窗口重叠并行、几乎不受限制的后台任务挂机、海量的 Mac 程序支持……这些都是属于 macOS 的纯正「桌面级生产力」，也是 iPadOS 难以企及的桌面级交互体验。

想象一下，如果你坐在逼仄的会议室角落，或者是网约车的后排，膝上就是你唯一的办公桌。

此时，如果你掏出的是装配着妙控键盘的 iPad，头重脚轻的配重会让你时刻提心吊胆，狭窄的触控板和受限的屏幕开合角度更是让人束手束脚。

相反，如果你掏出的是一台 MacBook Neo，稳固阻尼的金属转轴和实体键盘能够直接让你把它安稳地平放在双腿上（Lapability 膝上办公能力），相对来说能够更容易进入工作状态。这不仅是物理形态上的安定，也是使用习惯上的从容。

所以，抛开参数，我们更应该审视的是：你最常处于什么状态？

答案是，不要看这两台设备「能」做什么，要看你「需要」它们做什么。

iPad Air 的不可替代性在于「灵动」： 一指禅的直觉触控、Apple Pencil 原笔迹书写的快感、瘫在沙发上单手看 PDF 批注的惬意，以及分离键盘后极其纯粹的娱乐属性。它是创作者的数字草稿本，也是考研党和大学生的终极无纸化终端。

MacBook Neo 的纯粹性在于「稳固」： 可以随时把它放在双腿上而不易翻倒的转轴、全尺寸实体键盘带来的肌肉记忆、以及碾压平板的极限续航。它是文字工作者、办公室职员、以及学生用户的绝对利器。

除了预算的考量，如果要用一个最直观的标准来做决定，那就是看你的核心输出方式：究竟是依赖「笔尖与指尖」，还是依赖「键盘」？

说到底，选 iPad，买的是「屏幕的自由」；选 MacBook Neo，买的是「键盘的安稳」。

如果需求还是模糊，那么就选 Neo

让我们回到文章开头的那个问题：为什么今年， 有不少人在这两款设备之间如此纠结？

答案似乎藏在消费心理学中：预算越少，想要的越多；预算充足，反而更专注单一需求。

你见过有人拿 iPad Pro 和 MacBook Pro 纠结吗？极少。因为买 Pro 的人，需求是前置的。

他们清楚地知道自己需要用 Xcode 敲代码（买 Mac），或者需要用 Procreate 画插画（买 iPad）。

毕竟，高阶设备是赚钱的工具，工具的形态由工作流决定。

但买 iPad Air 和 MacBook Neo 的人，预算是前置的。

我们尝试代入一下，当你手里紧紧攥着五六千块钱，需求往往会变得模糊且贪心。

在社交媒体上最常见的提问莫过于：「我要一台设备，上课能记笔记、回宿舍能做 PPT，周末还能躺床上看剧打游戏……」正因为预算有限，你极度害怕「选错」，从而在脑海中勾勒出一台「既能当电脑干重活，又能当平板享乐」的完美神机。

以往，这个幻象会被价格无情打碎——MacBook 太贵，买不起，只能买 iPad。

但现在，MacBook Neo 彻底放下了身段。它的起售价甚至比 iPad Air M4 单机还要便宜。

当一台出厂自带键盘、触控板，拥有完整 macOS 生态的笔记本，卖得比一台还要额外花两三千块钱配齐妙控键盘和 Apple Pencil 的平板还便宜时，消费者的心理防线是时候被击穿了。

我们总会陷入一种错觉：iPad Air 加上妙控键盘就像是一把无所不能的「瑞士军刀」。

但现实是，瑞士军刀上的那把小剪刀，永远不如一把真正的剪刀好用。

相对而言，即便 MacBook Neo 比起它的「老大哥」们有着些许妥协，但它就是那把真正锋利、称手的剪刀。

它扒下了平板「假装生产力」的伪装，给了你这个价位段最扎实、最不妥协的桌面级体验。

所以，如果你的需求依然模糊，预算有限又害怕出错，别犹豫，去买 MacBook Neo 吧。在这个价位段，放弃「既要还要」的执念，是对钱包最大的尊重。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

宝马今晚为我们带来了一辆新 3 系。

一辆宣告 G20 的时代落幕，从此转向 Neue Klasse（新世代）的 3 系。

一辆拥有新的内外设计、车身结构、电驱技术、人机交互的 3 系。

一辆代表这家公司最典型的驾驶立场、设计语言与品牌认知的 3 系。

也是一辆和我们记忆中的样子完全不同的 3 系。

大胆、精致又「宽厚」的新世代

让我们闭上眼睛，想象一辆经典的 3 系轿车。

不管你想到的是 E46、E90 还是 G20，大概率你脑子里浮现的，是一种「起跑」的感觉。

钣金面与面之间的张力，侧腰线精准的走势，车头那双眼睛专注而蓄势的眼神。那是弓弦拉满但尚未松开的瞬间，是一个运动员在起跑线上深呼吸的姿态。

这种气质很难用文字或者数据准确的描述，但你只需要看一眼就能知道，这种张力，是 3 系区别于同价位一切对手最本质的东西。

好了，现在睁眼，再来看看全新的 i3。

车长 4760mm，车宽 1865mm，车高 1480mm，轴距 2897mm，宽阔、厚重，充满技术感，和车灯对视的时候，甚至能感受到一种压迫感。

前脸，传统的进气格栅被一组横向展开的发光「双肾」所取代；侧面，宝马传统的短前悬和长轴距比例依然都在，经典的霍夫迈斯特拐角也得以留存，但车身表面处理更为极致简洁，线条更加平滑流畅；尾部，尾灯变得细长，向车标处衍生，进一步凸显了车身的宽度。

虽然然有人会喜欢这个造型，很科幻、很新颖、很有未来感，但从个人情感上讲，这套设计语言与「宝马 3 系」四个字之间，关系不大。

那种灵动，那种紧绷，那种随时准备扑出去的气质，在新 i3 身上已经看不到了。

它或许仍然是一辆不错的车，但气质上，和「3 系」并不沾边。

带着这个遗憾，来看看车内。

进入车内的第一秒，你会感觉刚才的不爽，稍稍被弥补了一些。

全新 i3 的座舱是 Neue Klasse 设计理念执行得最彻底的地方，也是这辆车最让人刮目相看的部分。

新的 iDrive 系统的核心组件——天际屏、17.9 英寸中央显示屏、HUD、以及新款多功能方向盘，共同构成了一套逻辑上高度自洽的驾驶信息系统。

天际屏是这是整套系统里最值得深聊的部分。

它把驾驶信息投影在风挡玻璃下方的专用镀膜区域，从左侧 A 柱一直延伸到右侧 A 柱，横贯整个风挡宽度。

内容分配上，速度、导航、辅助驾驶信息显示在左侧驾驶员视线区，始终可见；中央和右侧区域则可供全车乘员查看，内容可自定义，用户可以从中央显示屏把常用功能小部件直接拖拽过来，最多自由排列 6 个。

这套系统背后的设计哲学是「注意力不应该离开路面」，而它的实现方式比传统 HUD 更直接。

17.9 英寸的中央显示屏采用矩阵背光技术，分辨率达到 3,340×1,440 像素，屏幕向驾驶员方向额外倾斜了 3 度，以便让驾驶员减少颈部转动、降低视线转移幅度。

方向盘的改动值得单独一提。

新 i3 引入了方中央辐条设计，集成了隐藏式功能按键，按键只在对应功能可用时点亮，不可用时消隐，减少信息噪音。

左侧控制驾驶辅助系统，右侧控制信息娱乐，分区清晰，配合触觉反馈，驾驶员可以做到真正的「手不离轮」操作。

这套座舱系统是真诚的、是用心的、是技术实力过硬的。它是宝马这几年在人机交互领域积累的一次集中释放。

但我还是不得不说，当你坐进来，沉浸在这些精致的界面里，你会忘记刚才从外面看到的那个令人沮丧的外壳。

走出座舱之后，那种遗憾感又会回来。

更远、更快、更轻

如果说座舱是宝马情感上的补救，那么第六代 BMW eDrive 技术（Gen6）才是这辆车真正的技术底气所在。

Gen6 的核心在于三个关键词：更远、更快、更轻。

在此之前，这三者在工程上往往是相互制约的，更大的电池带来更多里程，但也带来更重的整车；更快的充电需要更高的热管理代价。

而 G6 则是从电芯层面重构了整个系统。

新宝马 i3 搭载了新型锂离子圆柱形电芯，直径 46 毫米，高度 95 毫米。这颗电芯的体积能量密度比 Gen5 的棱柱电芯提升了 20%，意味着同等空间可以装入更多能量。

一体化封装技术取消了传统的模组层，电芯直接集成进电池包，节省了重量和空间，同时电池包外壳同时承担车身底板的结构功能，整车重心进一步降低，车身扭转刚性也因此得到额外提升。

续航数据是 Gen6 最直观的成果，全新 i3 的 WLTP 综合续航最高可达 900 公里，即使放在国内市场，也是毫无疑问的佼佼者。

新车的充电速度同样达到了当前量产车的顶级水准，800V 架构支持最高 400kW 直流快充，10 分钟可补能最高 400 公里续航。

电机方面，目前所知的 BMW i3 50 xDrive 版本后轴是专为 800V 架构设计的电励磁同步电机（EESM），可以在低负载时降低磁场强度以减少能量损耗，高负载时增强磁场以最大化扭矩输出。前轴则是辅助异步电机，结构更紧凑、更轻量。

两种电机组合之下，能量损耗降低 40%，驱动系统重量降低 10%，制造成本降低 20%。

当然，宝马也没有忘记在 i3 上装上那颗「Heart of Joy（欢乐之心）」。它是四颗 Superbrain 高性能计算机之一，负责控制驱动力、制动、部分转向、充电与能量回收的协同工作，响应速度比上一代系统快 10 倍。

这 10 倍的提升直接反映在弯道中车辆对方向盘输入的响应延迟上，更快的响应意味着车辆行为更接近驾驶员的直觉预期，过弯时的线路更准确，修正动作更少，驾驶员会感觉车更「听话」，更像是手脚的延伸。

此外，新 i3 还通过电机精准控制实现了无顿挫、无制动噪音的平顺停车，日常行驶中几乎全部制动操作都由动能回收系统完成，传统摩擦制动仅在运动驾驶或紧急制动时介入。

底盘上，全新 i3 延续了前双节点弹簧支柱加后五连杆的组合配合前后横向稳定杆，构成了一套「先天条件良好」的底盘基础。

总之，即使在纯电时代，宝马依然强调驾驶乐趣的本质不是控制权，而是参与感。

微小的火花

全新宝马 i3 是一辆在几乎所有可以量化的维度上都令人信服的车。

900 公里的续航消解了里程焦虑，400kW 的充电速度重新定义了补能效率，新的电机和结构设计在效率、重量、成本三个维度同时实现了对上一代的超越，座舱人机交互有跨越式的提升，「Heart of Joy」也捍卫了「宝马绝不背叛」这个命题。

在所有这些实实在在的工程成就面前，说它的外观设计令人失望，似乎显得苛刻。

但 3 系从来就不只是一辆工程作品，它是一种态度的载体。

宝马此前曾经讲过这么几句话——

FREUDE is in our brand theme for almost 60 years.

（喜悦，是我们近 60 年来的品牌主题。）

Simple. And at the same time so much more than joy.

（简单。同时也远远不止于乐趣。）

More than happiness or delight, exhilaration and bliss. Moren than just a smile.

（不仅仅是幸福或开心、兴高采烈、欣喜若狂。不仅仅是一个微笑。）

All of them and none of them.

（以上都是，也都不是。）

It is freedom and self-actualization.

（它是自由和自我实现。）

Covering the little moments and the big ones. It comes like a spark and goes as fast; and while we can not hold it forever, we can always strive for it.

（囊括细微时刻和重大时刻。它来得像火花，去得也很快；虽然我们不能永远拥有，但我们可以一直为之奋斗。）

这也是为什么我们总讲「人生绕不过一台 3 系」的原因。

人们买 3 系，从来不是因为它的参数在同级最优，而是因为它让你在每次看到它的瞬间心里有一点微小的火花。

一点灵动的、紧绷的、时刻准备爆发的火花。

宝马试图在 i3 上面提供给你很多买它的理由，每一条似乎也都站得住脚。

但它没能给你那个瞬间。

Neue Klasse 解决了宝马 3 系的所有问题，除了「何为 3 系」。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

在三星与苹果轮番发布新机的间隙，爱范儿编辑部的桌面上，出现了一台与这个时代格格不入的非主流怪东西——

它小得有些滑稽，不到一根食指的长度，仅仅 30g 重。但在局促的机身里，闪光灯、彩色屏幕、USB-C 接口和 TF 卡槽一样不缺，甚至还在顶部煞有介事地留出了一个镂空的旁轴取景器。它的发售形式同样有趣——你买的时候根本不知道它长什么样，抽中什么配色、什么外观全凭运气，还藏着一款隐藏版。

这是柯达 Charmera 盲盒相机。

在把它挂在背包上把玩了一小段时间后，我心里冒出一个相当确凿的念头：这或许是过去一年里最值得买、也是最好玩的数码相机。

相机虽小，五脏俱全

1987 年，相机绝对是家庭重要资产。柯达却反其道而行之，推出了一台门槛相对较低、用纸壳作为机身材质，且不需要配备额外镜头的快拍胶片机 Fling，里面内置了 200 感光度的 110 格式胶片。

这台 Fling 胶片快拍机，开创了一次性相机的先河，后者在数码时代，也凭借低成本低门槛吸引了不少的用户感受胶片魅力。

同时，Fling 胶片快拍机，也成为柯达 Charmera 设计灵感与盲盒相机包装上 1987 字样的来源。

柯达 Charmera 的包装以明黄色为主，整体设计呈现出非常鲜明的美式复古风格，包装正面除了机身主要特点的文字介绍外，还有 Charmera 的主打款，编号 Type 01——以「柯达黄」为主色系，配合由暗到亮、由冷到暖的横向色条，几乎完全对应近四十年前的 Fling 快拍胶片机。

包装侧面，以图案的形式展现了共六个不同的款式，以及一个隐藏款。不同款式之间的区别，只在于不同的机身颜色、不同的正面图案设计，而隐藏款则是将整个机身设计为半透明风格，可以隐约看到里面的电路板。

包装顶部，预留了供玩家撕开的横条，一旦撕开就无法再恢复原状，是经典的盲盒机制特征。爱范儿抽到的是编号为 Type 05 的黑色款，表面设计有镜头光斑与三原色组成的彩虹色斜条，这也是我个人认为除了透明隐藏款外，最为好看的一款。

机身材质毫不意外是轻飘飘的工程塑料，但这恰恰符合它作为随身挂饰的定位。做工并不粗糙，接缝处的倒角处理得很圆润，表面甚至做了一层细腻的磨砂涂层，握在手里把玩时，不仅不会留下指纹，还颇有几分盘手串的乐趣。

麻雀虽小，五脏俱全。机身正面的微型镜头被一圈装饰环包裹，机身边缘狭长的开孔内放置了一枚闪光灯，在暗光环境下，它勉强能照亮半米内的一张脸；转到背面，是一块仅有指甲盖大小的彩色屏幕，不要指望能在这上面看到视网膜级别的细腻画质，不过用来确认画面构图和回放照片，倒也完全够用；此外，背面还有一对上下按键以及一个回放键，用于简单地操控相机。

虽然说这个相机的玩具属性非常重，但始终是要用来拍照的，Charmera 搭载了 1/4 英寸 CMOS，可以拍摄 160 万像素的 JPG 照片，具体分辨率为 1440 × 1080——这个分辨率换个更为通俗的说法，叫 1080P，没错，这台小相机，还支持以每秒 30 帧的规格拍摄视频。镜头方面，它选用了一枚等效 35mm F2.4 的镜头，这是一个进可攻退可守的经典人文焦段，相比于目前大多数手机默认的 24mm 广角，35mm 显然更容易避开杂乱的背景，变相降低了构图的门槛。

Charmera 从设计到成像都显得非常复古，但它在某些配置上，比我想像中要现代——机身底部配备了主流的 USB-C 接口和 TF 卡槽。内置的 200mAh 电池虽然不大，但随便摸出一根手机充电线就能随时回血；在存储容量上，Charmera 也治好了很多古早 CCD 只认小容量内存卡的「挑食病」，实测塞进一张 32GB 的 TF 卡也能正常读取。

现代化的接口和友好的焦段，让它稳稳守住了作为一台「现代相机」的底线，也足以让它成为一个精致的背包挂饰。但仅凭这些就能让人爱不释手吗？显然还缺乏一些说服力。

直到把它揣进口袋，真正带出去扫了几次街，我对它的喜爱，才又推到了一个新的高度。

逻辑简单，乐趣内置

长按机身顶部的开机键，分辨率极低的显示屏跳出经典的柯达 Logo，随后进入相机模式选择菜单，在这个界面，共有三个选项：

• 拍照模式
• 视频模式
• 时间戳设置

进入照片模式，中间 4:3 的区域勉强能让你看清取景画面，画面右上角同步显示当前储存空间还能拍摄多少照片，以我们插入的 32GB 储存卡来看，剩余可拍摄张数直接顶到了显示上限的 99999 张，极具视觉冲击力。

预览画面左边是模式图标，右侧从上到下分别为系统语言、储存卡和电池状态，在实际体验后，我认为这台机身最有趣的地方，就藏在屏幕右侧的方向按键里——进入照片拍摄模式，按下屏幕右侧的上下键，你会发现预览框中的画面风格出现了明显的变化，柯达相当大方地在系统里塞进了 4 款复古边框和 7 种特色滤镜，极大程度地丰富了相机的可玩性和照片的丰富度。

总共十一种风格中，我最喜欢的是像素滤镜（红色）与画家边框，前者提供无与伦比的视觉冲击力，后者则像把景物放进了千禧年的电脑中。

稍显遗憾的是，这套好玩的滤镜并没有下放到视频模式中。好在它本身那 160 万像素的 CMOS 实在算不上清晰，带有些许拖影的原始画质，反而阴差阳错地拍出了一种千禧年早期古早 DV 的味道。

继续翻找菜单，第三个选项里藏着一个极具年代感的功能：时间戳。

切到菜单中的第三个选项，时间戳设置允许你为 Charmera 拍摄的照片打上拍摄日期，由于这个钥匙扣大小的相机没有任何联网功能，所以日期需要你手动设置，并手动选择是否在拍照或视频模式下打上时间水印。

上次在照片右下角看到橘红色的数字，还是在家里三个世纪末买的胶片机与千禧年后推出的卡片机上，这个久违的元素也为 Charmera 进一步提供了复古感。

其实在体验的第一时间，我感到到一种难言的焦虑——Charmera 作为一台照相机，它的所有设置都与曝光参数无关，你没有任何办法控制快门速度、感光度，进而无法参与到成像之中，哪怕有个简陋的预览画面，对于我这样久浸于摄影的玩家来说，无法掌控画面，难免让人心里有些不踏实。

但转个头想想，这种矛盾感其实与 Charmera 本身的定位相得益彰——别忘了，这是一个玩具属性很大的盲盒相机，无法控制的成片效果，也略带有一些盲盒属性；完全无需控制的参数极大程度地拉低了它的把玩门槛，不会摄影的用户也没有任何心理压力。

也正是这种微妙的矛盾之处，引出了我开头的观点：这或许是过去一年最值得买、也是最好玩的数码相机。

两百元的快乐，百年巨头的文化哲学

当然，情绪价值给得再足，如果这台不受控的塑料小机器卖上一千块，它大概率会被骂成智商税。真正支撑起这个高评价的，是 Charmera 极其狡猾的定价策略——

两百多元的售价，恰好卡在一个非常巧妙的心理阈值上。花两百多块钱买个纯粹的塑料背包挂饰，大部分人难免会觉得有些肉痛；但如果花同样的钱，买到的是一台外观精致、具备盲盒开箱属性、还能真正拍出照片的柯达小相机，这笔账瞬间就划算起来。（如果抽到隐藏款，那么转手就能卖 800+，超过三倍的收益率）

几乎为零的决策压力，是这台盲盒相机讨喜的第一步，而第二步，则是它恰好击中当下社媒的关注点。

必须坦诚地说，Charmera 的成像质量非常糟糕——像素低得可怜，宽容度极窄。稍微遇到大光比的环境，高光就会糊成一片，暗部则爬满噪点，比这几年在社交媒体上被炒到天价的 CCD 还要劣质。但从另一个角度来说，过很落后于时代的传感器与成像风格，反而成了最稀缺的风格（甚至你都不知道成像这么差的相机还能从哪里买到）。

在各大社交媒体上，充满噪点、色彩偏移、边缘模糊的低像素照片，轻易就能击穿精美却千篇一律的九宫格，获得意想不到的追捧与共鸣。

从另一个角度来看，这也是柯达在当下找到的一条绝佳出路。

商业世界里，有一条用无数产品堆出来的经验：打造产品，充其量只能在牌桌上赢下几个回合；打造文化，才能真正跨越时代的周期。

千禧年后，亲手催化了数码相机的柯达多少带着点英雄迟暮的悲凉，推出过 DCS 系列，也打造过 CMOS 传感器，却再没出现 Retina 那般统领高端市场、惊艳世人的传世之作。

但百年巨头的底蕴并没有消亡，从胶片时代延续下来的精品招牌和「柯达黄」符号，依然深植于几代人的集体记忆中。借助巨大的品牌惯性，柯达彻底放下曾经作为专业影像霸主的包袱，转而推出这种轻摄影、重乐趣，带有强烈周边性质的潮流玩具，目标群体，也注定随之扩大。

身份的转变，产品到文化的转向，不要求用户懂相机、会参数、了解算法、取舍模式，只邀请你毫无负担地去玩。这其实相当契合《小王子》作者圣埃克絮佩里的「海洋论」：

如果你想造一艘船，不要先去招募人手收集木头，你要先去激发人们对浩瀚海洋的渴望。

当所有人都在拼命造「木头」时，柯达脱下长衫，打算用一个连对焦都省了的塑料盒子，重新唤醒人们毫无顾忌地记录生活的快乐。

一条轻巧、体面且聪明的路。

旧时代的影像巨头没能赶上计算摄影的列车，但每个时代的影像，都不止一种形式。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

3 月 17 日，亚布力论坛年会现场，宇树科技创始人王兴兴被问及中国 AI 进展时，点名表扬了一款国产 AI：「今年一月份字节跳动 Seedance 2.0 视频生成软件，我觉得是全球目前最好的，全球遥遥领先。」

事实上，Seedance 2.0 的爆火速度也的确出乎许多人的预料。创作者们争相用它生成视频、制作内容，相关作品密集涌现。但热潮之下，各行各业的从业者也在认真盘算同一件事：

短剧公司、品牌营销、影视制作，这项技术究竟能不能真正嵌入自己的工作流，切实改变制作流程、拉升内容质量、压缩生产成本？今天，这个问题有了一个务实的回答。

APPSO 注意到，字节跳动旗下一站式内容创作平台小云雀 AI，正式推出行业首个搭载 Seedance 2.0 的短剧漫剧 Agent，支持剧本一键直出视频成片。

伴随着 AI 视频技术向垂直行业落地迈出实质一步，小云雀为短剧创作者备下的远不止 Seedance 2.0 这张牌，围绕短剧制作全流程，平台还提供了诸多实用工具……

作为短剧爱好者，我们也第一时间上手体验了小云雀 AI 这些新功能。

我把一部武侠剧本丢进去，它给了我一部漫剧

为了测试这个功能的真实上限，我选了一个难度不低的原创剧本——《墨影惊锋》，武侠题材，人物关系复杂，主角洛风和女刺客颜如玉在废弃客栈里的一场打斗，涉及大量动作细节、特效描写和角色形象的交叉出现。

这种本子拿去考 AI，相当于直接去考压轴题。

系统目前支持上传标准格式的 .docx 剧本文件。上传完成后，点击「开始创作」，Agent 即开始解析并生成大纲。

如暂无现成剧本，也可使用 AI 剧本生成功能：输入一句话故事创意，系统即可自动生成剧本，首次使用免费，无需消耗积分。

接下来需要做几个选择：画面风格选哪种、是否需要旁白改编、横屏还是竖屏。系统会根据选题自动推荐五种画风，也支持自定义输入，风格覆盖 2D、3D 和真人三大类。

《墨影惊锋》这种国风武侠，我选了 2D 国风半厚涂，气质比较搭。

然后是整个流程里最考验耐心的部分：等待。Agent 开始构建故事骨架，同时进行全局角色设计。官方提示预计半小时以上，实际体验中等待时间因剧本复杂程度而有所不同。

等待结束后，眼前出现了一份完整的「故事蓝图」。

这是整个体验里让我最意外的部分。Agent 不只是把剧本拆解成了分镜，它也真正读懂了剧本里的人物关系。

一个角色在第一集懦弱，第三幕果决，行为变了，但 Agent 始终知道那是同一个人——说话的方式、面对某类处境时的惯性反应、和特定角色之间的相处模式，这些细节它都记得，也都对得上。

这些对得上的细节，是过去需要人工逐字阅读几万字剧本才能提炼和比对出来的东西。

再比如它对人物形象一致性的处理。同一个角色出现在不同场景里，服装、神态、细节特征都对得上，不会因为换了一场戏就像换了一个人。这件事听起来简单，但在实际的分镜生成里很容易出问题，也是过去 AI 图像生成里最常见的毛病之一。

资产库里还附带类似人物小传的介绍。如果对系统生成的角色图片不满意，可以替换图片，确认之后，便正式进入分镜脚本编辑环节。

我们可以逐个分镜修改提示词和角色引用，也可以跳过直接生成视频。系统支持多个生成任务，如果是多集连载，只需完成一次剧本解析就可以逐集生成，不用每集都重来一遍。

最终跑出来的成片，打斗节奏、墨迹特效、角色形象的还原程度都超出了预期。

为了避免幸存者偏差，我们又拉着小云雀 AI 跑了几个截然不同的剧本。

《我在古代装神仙的日常》讲的是一个现代程序员穿越古代，还没搞清楚状况就跪在了刑场，眼看一刀落下，千钧一发之际激活了超级 AI，从此开始在古代装神仙的故事。

穿越爽文的核心在于「绝境逆袭」，主角从一脸懵到发现自己「带挂」，情绪转折又快又狠。生成的成片节奏稳，关键帧都卡在情绪高点，轻喜剧基调下整体比预期流畅不少。

龙王赘婿的案例则完全是另一个方向。这类爽剧本身靠的是节奏和情绪爆点，「恭迎龙王归位」那一幕，黑衣人涌入、BGM 骤变，生成结果整体是对味的，它极其精准地抓住了这种类型片的叙事套路。

相对而言，走动画路线的龙虾安装案例表现也很不错。日常感是极难伪造的。没有大开大合的镜头调度撑场面，背景里的路人、街角的招牌、主角细微的肢体协调性，一旦经不起推敲，就会散发出浓烈的廉价感。

好在最终成片的节奏足够轻快，人物动态自然，直接扔进短视频信息流里，大概率不会被一眼识破。

整体来看，对于一个刚刚上线的功能，这个完成度是真心不低。

当然，体验过程中也遇到了一些小瑕疵，比如等待时间偏长，一致性方面也偶有瑕疵，文字乱码现象、分镜编辑的自由度也还有成长空间等等。比如《墨影惊锋》的打斗场景里，也出现了类似穿模的现象。不过，好在可以局部生成，可以大大节省我们这些创作者的精力。

再换个角度想，AI 把生成过程压缩到了一个小时内。当试错成本无限趋近于零时，「反复抽卡」本身就成为了一种极具性价比的生产力。你觉得这场戏情绪不对？没关系，重新跑一次，大不了再等半小时。

这种容错率，是传统剧组想都不敢想的。

这恰恰是小云雀 AI 这次更新最硬核的价值判断：它没有死磕如何让某一帧画面绝对完美，而是把资源砸向了长文本理解、全局角色管理和工作流自动化。它知道创作者的痛点在哪里，也知道自己要往哪个方向走。

全链路提效，AI 短剧元年来了

去年这时候，AI 短剧最大的问题是「一眼假」，看两秒就知道是机器生成的。但这次体验下来，感觉有些东西确实不一样了。不是说已经做到无懈可击，瑕疵还是有的，但其中有相当一部分内容，随手刷到的话，多数人大概不会多想。

这个变化听起来不大，但对整个行业来说，意味着一道门正在慢慢打开。

过去，想做一部短剧，你得先凑齐剧本、演员、摄制组、后期团队，资金到位才能开机。这道门槛把很多有故事的人挡在了外面，不是因为他们没有创意，而是因为他们没有钱。

现在情况变了。传统真人短剧单集制作成本在几十万到上百万之间，而全链路 AI 自动化可以将这一成本进一步压缩。一个人，一台电脑，一份写好的剧本，剩下的交给 AI 就够了。

这扇门的松动，专业内容公司也感受到了。小云雀 AI 官宣上线短剧 Agent 后，华策影视、柠萌影视等头部影视制作方也相继公开表态。华策影视表示，华策始终相信好故事值得被更好地讲述，言下之意，工具升级了，但内容本身的分量没有变。

柠萌影视则更直接地点出了产业逻辑：降低制作成本、优化创作流程、提升 IP 转化效率。这三件事，正是过去制约短剧规模化的三道卡口。

当然，他们的入场，某种程度上说明：AI 短剧已经不只是独立创作者的游乐场，而是值得被严肃对待的下一个生产方式。

对大公司来说这是提效工具，对普通人来说则是一张入场券。你可以说这是技术进步，但我更愿意把它理解成一种技术平权，就像印刷术让知识走向民间；摄影术让图像记录从画家手中交还给普通人；互联网让创意扩散到每一个有网络的角落。

AI 短剧这件事，大概也是如此。

当然，门槛低了之后，涌进来的内容会良莠不齐，这是可以预见的事情。当大家都在用同一套工具生产故事，画面可以越来越精，但雷同的感觉也会越来越强。观众的注意力是有限的，也是会疲劳的。

到那个时候，真正能留住人的，大概还是故事本身有没有说到心坎里去。

如果说在过去，你可以把片子的难看归咎于「剧组太穷」「演员面瘫」「特效五毛」。那么现在，当 AI 把最顶级的皮相免费端到你面前时，如果你的短剧依然没人看，你又该把锅甩给谁？

AI 负责把故事搬上屏幕。让故事值得被搬上屏幕的，是人。

这件事没有捷径，也没有 Agent 可以替代。所以创作者真正需要守住的，是对生活的感受力，以及把这种感受力转化成故事的能力。AI 可以帮你把故事搬上屏幕，但它替代不了你坐在那里想清楚「我到底想说什么」这件事。

而小云雀 AI 在这个节点推出生成漫剧短剧的新功能，既是视频生成模型进步的结果，也是整个行业在往前奔涌时必然会发生的事。它现在还有需要打磨的地方，但它所指向的方向，是让好故事真正不再被资源和门槛所困。

每个心里藏着故事的人，现在都有机会把它讲出来。而这，才是小云雀 AI 真正有意思的地方。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

库克否认退休传言：「无法想象没有苹果的生活」

昨天，苹果 CEO Tim Cook 在接受 ABC《早安美国》节目采访时，否认了外界关于他即将退休的传言。

卸任说法纯属传闻，我深爱着我所做的事情……28 年前我走进苹果，此后每一天我都深爱着这份工作。我无法想象没有苹果的生活。

此外，苹果昨天在成都太古里 Apple Store 举办苹果 50 周年庆祝活动，这也是继上周纽约第五大道旗舰店首场活动后的全球第二站，亚洲第一站。

库克与多位苹果高管亲临现场，并邀请中国歌手李宇春现场登台表演，连唱《蜀绣》多首歌曲点燃气氛。

随后，库克与李宇春一同现身门店，向到场媒体与嘉宾表达祝贺。

微信灰度测试「折叠发图」功能：3 张以上图片可合并展示

近日，有网友在社交平台发文称，微信正在灰度测试「折叠发图」新功能，用户在聊天界面发送 3 张及以上图片或视频时，底部将出现「合并发送」选项，发送后内容将以可左右滑动的折叠卡片形式展示。

接收方可点击「展开」查看全部原图，也可点击「收起」恢复折叠视图，交互逻辑与苹果 iMessage 的多图展示方式类似。据悉，该功能目前仅限 iOS 8.0.69 版本的部分内测用户使用，Android 端暂未开放。

SK 集团会长：DRAM 短缺将持续到 2030 年，缺口超 20%

据路透社报道，SK 集团会长崔泰源在英伟达 GTC 2026 大会上接受媒体采访时表示，全球 DRAM 芯片短缺的状况预计将持续至 2030 年，基础 DRAM 晶圆的短缺幅度将超过 20%。

他认为，DRAM 产业至少需要「四到五年」来完成产能扩张，「不管到哪里，情况都是一样，即使在韩国之外建立产能，也需要同样的时间」。

在产能扩张策略上，崔泰源表示，SK 海力士目前将优先在韩国本土新建晶圆厂，而非向海外扩张。他解释称，制约海外扩产的核心障碍并非资金或政府补贴，而是能源、水资源供应以及当地产业生态系统的成熟度。

崔泰源还透露，SK 海力士正在准备一项稳定 DRAM 价格的计划，具体方案将由公司 CEO 对外公布。他同时提醒，若过度聚焦 HBM 生产，通用 DRAM 的短缺将进一步加剧，并对智能手机、笔记本电脑等消费电子市场造成冲击。

Kimi 首披 K2.5 技术路线图：三大底层重构，马斯克点赞「令人印象深刻」

昨天，月之暗面 Kimi 创始人杨植麟在英伟达 GTC 2026 大会上发表主题演讲《How We Scaled Kimi K2.5》，首次系统性披露了 Kimi 的完整技术路线图，围绕三项底层架构重构展开：

• MuonClip 优化器：针对沿用自 2014 年的 Adam 优化器，团队在 Muon 优化器基础上引入 Newton-Schulz 迭代与 QK-Clip 机制，解决了万亿参数规模训练中的 Logits 爆炸问题，实现了 2 倍于传统 AdamW 的计算效率；
• Kimi Linear：基于 KDA 架构的混合线性注意力架构，挑战「所有层必须使用全注意力」的惯例，在 128K 乃至 1M 超长上下文场景中，将解码速度提升 5 到 6 倍；
• AttentionResiduals：针对沿用十年的残差连接，将传统的等权叠加替换为跨层的 Softmax 注意力，让每一层主动、有选择性地从前序层提取信息。

其中，Attention Residuals 发布后在业界引发广泛关注：马斯克评论称「令人印象深刻」，前 OpenAI 联合创始人 Karpathy 感慨「看来我们还没把『Attention is All You Need』按字面意思理解透」，OpenAI o1 主要发明者 Jerry Tworek 称其为「深度学习 2.0」的开端。

杨植麟表示，Kimi 将坚持开源路径，把 MuonClip、Kimi Linear 和 Attention Residuals 等底层创新贡献给开源社区。

小米深夜发布三款模型

今天凌晨，小米集中发布了 MiMo V2 系列三款模型：旗舰语言基座 MiMo-V2-Pro、全模态 Agent 基座 MiMo-V2-Omni，以及语音合成模型 MiMo-V2-TTS。

MiMo-V2-Pro：

• 总参数量超过 1T，激活参数为 42B，采用混合注意力（Hybrid Attention）架构，混合比例从前代的 5:1 提升至 7:1，并支持 1M 超长上下文窗口；
• 在 OpenClaw、Claude Code 等智能体框架中，可在无人工干预条件下完成复杂工作流编排、长程规划与精准工具调用；
• Coding 能力方面，小米内部工程师评测体感接近 Claude Opus 4.6，具备更强的系统设计与任务规划能力；
• API 定价为 Claude 同级模型的约 1/5，256K 上下文以内输入 $1 / 百万 token，输出 $3 / 百万 token；1M 上下文以内输入 $2 / 百万 token，输出 $6 / 百万 token。

MiMo-V2-Omni 则是小米首个在基座层面统一感知与行动的全模态模型，融合文本、视觉与语音输入，支持 256K 上下文，定价为输入 $0.4 / 百万 token，输出 $2 / 百万 token。

官方宣称其音频理解综合表现超越 Gemini 3 Pro，图像理解超越 Claude Opus 4.6；在实际应用场景中，MiMo-V2-Omni 可结合 OpenClaw 框架实现浏览器自动化操作，包括跨平台比价下单、短视频制作与发布等端到端任务。

MiMo-V2-TTS 语音合成模型支持从整体风格到句内局部情绪的多粒度控制，能够自然处理标点、语气词等格式信号，并支持东北话、四川话、粤语等多种方言，以及角色扮演式风格化演绎和歌声合成。

三款模型均已接入金山 WPS 灵犀，MiMo-V2-Pro 同步上线小米手机端 Agent 产品 miclaw 及小米浏览器。

苹果叫停多款 Vibe Coding 工具更新

据《The Information》报道，苹果正在悄然向 Replit、Vibecode 等 AI「氛围编程」（vibe coding）应用施压，要求它们在 App Store 上架更新前进行修改，否则将暂停其更新。

苹果发言人表示，该政策并非专门针对 Vibe Coding 类应用，而是对现行审核准则的一贯执行：应用若发生功能性重大变更，必须重新提交审核，而 AI 生成的代码可能引入从未经过苹果审查的新功能。

具体而言，苹果审核团队援引了 App Store 审核准则第 2.5.2 条，该条款要求应用「必须在其自身包内自足运行」，不得「下载、安装或执行引入或改变应用功能的代码」。

Replit 对此提出申诉，认为其 AI 生成的应用运行于独立虚拟机中，并通过应用内 Web 视图呈现预览，与 X、Facebook 等应用内置网页浏览的方式并无本质区别。

经过数月的申诉拉锯，苹果审核团队目前倾向于批准 Replit 的更新，但要求其将 AI 生成应用的预览改为在独立浏览器中打开，而非嵌入应用内部。Vibecode 则被告知，若移除生成苹果设备原生应用的功能，其更新大概率将获批。

曝网易使用 AI 清退上千外包员工，官方回应：不实

昨天，社交平台上流传出大量关于网易将「使用 AI 清退全部外包员工」的传闻，引发广泛关注。

流传最广的多张聊天截图及帖子中，出现了「4 月 1 日裁 30%」「5 月 1 日全裁」等带有明确时间节点和裁员比例的说法，部分传闻还将此次调整与 AI 技术的大规模应用直接挂钩。

对此，网易向《新京报》回应称，该信息不实。网易表示，近期发生的人员变动仅为部分项目的正常业务调整与人员汰换，属于企业日常运营管理的一部分，不会对公司整体及各业务线的正常运营造成任何影响。

不过，据游戏新知，此次调整的传闻在 3 月初即已在网易内部流传。一位行业人士透露，管理层曾于 3 月初通过网易内部沟通软件 POPO 告知部分负责人，计划清理外编策划和程序人员，美术板块的外编乃至部分正职员工也在影响范围之内。

按照网易游戏外编人数估算，此轮调整涉及人数或超过 1000 人。

与此同时，也有内部消息指出，网易部分项目正在将表现突出的外编员工转为正职，进入「优化」名单的反而是部分被认为工作效率较低的正职员工，并非单纯的大规模裁员。

据悉，网易在今年复工后即要求所有员工必须使用 AI 工具，新项目须全流程接入 AI，老项目的 AI 使用率也须超过 50%。

在今年公布的 2025 年财报中，网易披露其 AI 原生管线已在美术、策划、编程、动画等环节实现大规模部署，部分环节效能提升达 300%。CEO 丁磊亦表示，「AI 已成为我们研发与运营的基础核心能力。」

蔚来分拆芯片业务，寻求对外供货

据 36 氪报道，蔚来旗下芯片子公司神玑科技正积极向外部车企拓展芯片供应业务。

知情人士透露，神玑与爱芯元智合作研发的芯片 M97 完成流片后，双方已开始接触零跑、吉利等车企。M97 算力超 700 TOPS，性能对标地平线征程 J6P（官方标称 560 TOPS），预计于今年三季度正式发布。

蔚来于去年 6 月将芯片业务独立拆分，成立安徽神玑技术公司。

去年 11 月，神玑与爱芯元智及其母公司豪威集成电路共同出资，在重庆成立合资公司「重庆创元智航科技有限公司」。M97 芯片将从该合资公司出货，标志着蔚来辅助驾驶芯片技术首次对外供应。

接近爱芯元智的行业人士描述了这次合作的特殊性：「既不是买 IP，也不是直接采购原版芯片，可以理解为是两边的人联手做了一个新的芯片，然后重新流片。」

这颗新芯片沿用了蔚来神玑芯片的核心模块与架构，但爱芯元智将规格从原版 NX9031 的逾 1000 TOPS 削减至约 700 TOPS，以控制成本并提升市场竞争力。据悉，蔚来通过此次技术授权合作获得了数亿元授权费收入。

在 M97 之外，神玑与爱芯元智还在规划一款低端芯片，项目代号为 9031e，性能对标地平线征程 J6M（官方标称 128 TOPS），旨在进一步拓展外供版图。

乐天「日本最强 AI」塌房：扒开代码全是 DeepSeek，还删了开源协议

日本乐天集团（Rakuten）于 3 月 17 日高调发布了旗下大语言模型 Rakuten AI 3.0，官方将其定位为「日本国内最大规模」的高性能 AI 模型，并声称该模型「融合了开源社区的精华」。

然而，该模型不到 12 小时后便遭遇滑铁卢，开源社区在 Hugging Face 平台上的模型配置文件（config.json）中发现，其「架构」字段明确标注为 DeepseekV3ForCausalLM，model_type 字段同样写明 deepseek_v3；

总参数量 671B、激活参数量 37B 等核心指标与 DeepSeek V3 原版完全吻合，实质为基于 DeepSeek V3 进行日语数据微调的版本。

更为严重的是，社区成员在 Hugging Face 的提交历史中发现，乐天在最初上传模型文件时，删除了 DeepSeek 的开源许可证文件，并声称采用 Apache 2.0 协议开源。

DeepSeek V3 所采用的 MIT 开源协议允许任意商用、修改乃至闭源，唯一的要求是保留原作者的版权与许可声明。乐天抹去许可文件的行为，直接违反了这一最低限度的开源义务。

事件曝光后，乐天才以「NOTICE」（通告）文件的形式重新补上相关内容。

相关阅读：「日本最强AI」塌房了！扒开代码全是DeepSeek，日本网友集体破防

腾讯全年砸 792 亿押注 AI，马化腾首次公开谈「养虾」

昨天，腾讯发布 2025 年第四季度及全年财报。

全年来看：

• 总收入达 7517.7 亿元，同比增长 14%；
• 非国际财务报告准则下归母净利润为 2596.3 亿元，同比增长 17%；
• 全年毛利 4225.9 亿元，同比增长 21%，毛利率由 53% 提升至 56%。

第四季度：

• 收入 1943.7 亿元，同比增长 13%；
• 毛利 1082.9 亿元，增长 19%；
• 非国际财务报告准则下归母净利润为 646.9 亿元，同比增长 17%。
• 受季节性因素及 AI 战略投入加大影响，Q4 归母净利润环比下滑 8%，销售开支同比激增 26%。

分业务板块来看：

• 增值服务全年收入同比增长 16% 至 3692.8 亿元；
• 其中本土市场游戏收入 1642 亿元，增长 18%；国际市场游戏收入 774 亿元，同比增长 33%，年收入首次突破 100 亿美元；
• 营销服务全年收入同比增长 19% 至 1449.7 亿元，毛利率从 55% 提升至 58%；
• 金融科技及企业服务全年收入同比增长 8% 至 2294.3 亿元，其中企业服务（主要为云业务）增速接近 20%，毛利率从 47% 跃升至 51%。

腾讯云在本次财报中被重点提及。受益于 AI 相关需求上升、PaaS 及 SaaS 产品贡献增长以及供应链持续优化，腾讯云全年实现规模化盈利，管理层将其定性为里程碑式进展。

AI 方面：

• 全年研发投入达 857.5 亿元，同比增长 21%；
• 全年资本开支 792 亿元，第四季度单季资本开支高达 196 亿元，主要用于 AI 基础设施建设。

股东回报方面，董事会建议派发末期股息每股 5.30 港元，同比增长 18%。全年公司以约 800 亿港元回购并注销逾 1.53 亿股股份。截至年末，现金净额为 1071.5 亿元，较年初大幅增长。

员工方面，截至 2025 年 12 月 31 日，腾讯集团共有员工 115849 名，较上年增加超 5000 人。全年总薪酬成本达 1307 亿元，同比增长约 15.9%，按此计算人均年薪成本约为 112.8 万元。

微信及 WeChat 合并月活跃账户数达 14.18 亿，同比增长 2%。

值得注意的是，马化腾在昨晚的腾讯控股 2025 年业绩沟通会上首次公开谈及其对「养虾」战略的思考。

马化腾表示，「龙虾」应用能够让 AI 落地到各种丰富的场景中，而非像过去那样完全集中在 ChatBot 里。他认为，这一方向能够更好地发挥腾讯的资源优势，让各战线联合发力，同时也为正在开发中的微信 Agent 带来了新的启发。

马化腾明确表示，未来腾讯「养虾」将把中心化与去中心化结合起来推进——Agent 伙伴希望拥有自己的流量和入口，同时也不愿被单纯地调用。

对于外界的期待，马化腾保持了审慎态度。「这是一个更长远的考虑，大家可能要有点耐心，这个不是匆忙就能出来的。」

百度搜索负责人离职，大模型算法负责人何径舟接管 APP 研发

据凤凰网科技报道，百度原大模型算法部负责人何径舟，自基础模型研发部（BMU）轮岗至移动生态事业群组（MEG），出任百度 APP 研发中心组织负责人，向 MEG 负责人罗戎汇报。原搜索负责人赵世奇则因个人原因离职。

据知情人士透露，何径舟是百度自主培养的技术与管理型人才，在大模型算法领域积累深厚。此次轮岗的核心意图，在于推动大模型与搜索、推荐业务的深度融合，强化前沿 AI 技术在搜索、推荐等核心场景中的落地应用。

此前，百度 MEG 已启动组织架构调整，将 PC 端与移动端的全部搜索业务合并，由李小婉统一负责用户产品与运营业务。

阿里云、百度智能云官宣上调 AI 算力产品价格

昨天，阿里云宣布将于 4 月 18 日起对旗下 AI 算力及存储产品进行价格调整，涨幅最高达 34%。

官方公告显示，此次涨价的直接原因是全球 AI 需求持续爆发，叠加供应链成本上行，导致行业核心硬件采购成本显著攀升。

具体来看，平头哥真武 810E 等算力卡产品价格上涨幅度为 5%~34%，文件存储产品 CPFS（智算版）上涨 30%。

随后，百度智能云也发布了 AI 算力及存储产品调价公告，宣布将于 4 月 18 日 00:00 起对部分产品价格进行结构性上调。其中，AI 算力相关产品服务上调约 5%~30%，并行文件存储等产品上调约 30%。

黄仁勋：Token 将成为企业预算标配，智能体时代算力消耗将爆发式增长

据《商业内幕》报道，英伟达 CEO 黄仁勋在日前的 GTC 大会上反复提及一个概念：Token。

黄仁勋将未来的计算机定义为「生产 Token 的制造设备」，并预言 Token 将像笔记本电脑或软件订阅一样，成为企业预算中的固定支出项。

他表示，工程师未来可能会获得「Token 预算」以提升生产力，并在主题演讲中抛出了一个颇具话题性的设想——为英伟达工程师提供价值相当于其年薪一半的 Token 作为额外激励，以此吸引人才。

在谈及投入产出时，黄仁勋表示这笔费用完全值得，尤其是对于薪酬较高、借助 AI 智能体能够带来显著生产力提升的工程师而言。

如果每天额外投入 100 美元的推理成本——也就是 Token 成本，我会非常乐意……就算在冲刺阶段每天投入 1000 美元，也完全没问题

他同时补充，更强大、更节能的英伟达硬件将持续降低 Token 的生成成本。

黄仁勋还指出，AI 智能体的兴起将大幅推高 Token 消耗量。由于智能体可以在无人监督的情况下自主运行，未来计算机将全天候不间断地运转。

现在我们的笔记本电脑大多处于闲置状态，但未来计算机将 7×24 小时运行、持续生成 Token，因为你的智能体一直在处理任务。

一加 15T 定档 3 月 24 日，起售价或相比前代涨 500 元

昨天，一加 15T 发布会官宣定档 3 月 24 日（下周二）19:00。配置前瞻如下：

• 搭载第五代骁龙 8 至尊版处理器；
• 搭载 6.32 英寸 1.5K、165Hz 小直屏，边框宽度 1.1mm；
• 内置 7500mAh 电池，支持 100W 有线 + 50W 无线充电；
• 后置三摄，配备 3.5 倍潜望式长焦
• 支持满级防水、超声波指纹识别；
• 提供「治愈白巧」「松弛抹茶」「纯粹可可」三款配色。

值得关注的是，当前国内手机市场正经历普遍涨价，一加 15 发布约半年后售价已从首发价上调 500 元至 4499 元起，一加 15T 预计同样会涨价。

LiblibAI 推出 LibTV：首个同时服务人类创作者与 Agent 的 AI 视频平台

LiblibAI 昨天正式推出旗下首款专业 AI 视频创作产品 LibTV，官方将其定位为「目前唯一一个同时为人类创作者和 Agent 设计的视频创作系统」。

LibTV 的核心形态是一块无限画布，创作者可在其上自由摆放文本、图片、视频、音频与脚本五类基础节点，以空间结构替代线性工作流，将剧本拆解、分镜管理、成片预览全部纳入单一工具完成。

• 内置逾 20 项 AI 能力，覆盖角色三视图、360 度呈现、多机位 9 宫格、灯光控制、相机控制、大师运镜、多分镜 / 多帧生成等专业创作需求，并集成 LLM、图片、视频、音频各类 SOTA 模型。
• 通过 Skill 接口向 OpenClaw 等 Personal Agent 开放创作能力，目前已支持一句话生成最长 5 分钟的短剧或漫剧、输入视频 URL 复刻同款风格、上传音乐文件生成 MV、以及通过产品官网链接自动生成展示片等场景。

定价方面，LibTV 年卡最低可至 39 折，部分模型支持约 6 折的额外优惠，官方称会员 SKU 价格较竞品低 76%，模型积分定价可较竞品低 92%。

QClaw 更新：微信入口升级为小程序，「灵感广场」同步上线

昨天，腾讯 QClaw 宣布「重大更新」，将微信入口从原有的微信客服号升级为微信小程序「QClaw 管家」，用户可在小程序中直接接收 QClaw 发送的电脑端文件。

官方表示，小程序后续将陆续支持语音、图片传输等微信原生多模态交互能力，以及快速创建定时任务、实时接收任务消息、远程切换底层模型等功能。

本次更新同步上线「灵感广场」，围绕办公提效、深度研究、娱乐游戏、自律生活等场景预置常用任务与 skills，用户无需手动编写指令，点击「立即使用」即可一键运行对应 skills。

MiniMax 发布可「自我进化」的模型 M2.7

昨天，MiniMax 稀宇科技正式发布了首个「深度参与自身迭代过程」的 AI 模型 M2.7。

据介绍，M2.7 能够自行构建复杂 Agent Harness，在强化学习、代码优化、评测分析等环节直接参与自身的训练迭代，MiniMax 将其定位为「开启模型自我进化」的里程碑。

• 软件工程：SWE-Pro 得分 56.22%，追平 GPT-5.3-Codex；VIBE-Pro（端到端项目交付）得分 55.6%，与 Opus 4.6 基本持平；Terminal Bench 2 得分 57.0%。官方表示，M2.7 已多次将线上生产系统故障恢复时间压缩至三分钟以内；
• 自主迭代能力：M2.7 曾全程无人工干预，执行超过 100 轮「分析 → 修改 → 评测 → 回退」循环，最终将内部软件工程评测集效果提升 30%；
• 专业办公：GDPval-AA 评测 ELO 得分 1495，为开源模型最高；Toolathon 工具调用正确率 46.3%，达全球第一梯队；40 个复杂 Skills 场景下遵循率仍维持 97%；Excel、PPT、Word 复杂编辑能力显著提升，支持多轮高保真编辑。

目前，M2.7 已在 MiniMax Agent（agent.minimaxi.com）与开放平台（platform.minimaxi.com）全量上线，同时提供面向开发者的 Coding Plan 订阅服务。

男子比亚迪 4S 店薅羊毛被拉黑

据红星新闻、搜狐新闻报道，合肥一比亚迪 4S 店近日因一起「薅羊毛」纠纷引发广泛关注，目前警方已介入调查。

庞先生购车时，4S 店客服承诺提供免费洗车、充电及用餐等服务。然而其使用频率远超店方预期——2025 年全年到店用餐超过 260 次，不仅堂食，还自带饭盒打包带走。

此外，庞先生还将家中电动车置于汽车后备箱，带至该店员工充电区充电。店方表示，「一个月来个两三次正常，但他去年 365 天应该超过了 260 次」，随后将其拉黑。

今年 3 月，双方矛盾再度升级。庞先生将车停入店内新车交付专区充电，员工要求挪车，双方随即发生冲突，庞先生回应称「狗拿耗子多管闲事」。

此后庞先生提出条件：若店方履行免费洗车、用餐、充电承诺，并将 4 张共计 1592 元纸质保养卡折现，他将不再到店。店方表示愿意一次性买断维修基金、保险券以终止双方关系，但庞先生最终未签署调解协议。

昨日，红星新闻记者联系到该 4S 店，工作人员确认视频内容基本属实。相关负责人表示，随着视频持续发酵，庞先生再次选择报警，店方正配合警方处理，暂不便进一步沟通。

工信部发布第二十八批新能源汽车购置税减免目录，小米 YU7、小鹏 GX 等多款车型在列

昨天，工业和信息化部发布 2026 年第 6 号公告，正式公布《减免车辆购置税的新能源汽车车型目录》（第二十八批），小米 YU7、小鹏 GX、问界 M6 EV、方程豹钛 7、腾势 D9 等多款新能源车型入列。

此次公告为合并公告，同步包含《道路机动车辆生产企业及产品》（第 404 批）及《享受车船税减免优惠的节约能源 使用新能源汽车车型目录》（第八十三批）两份附件，覆盖范围较为全面。

《蜘蛛侠：崭新之日》首曝预告：彼得·帕克重生回归

《蜘蛛侠：崭新之日》昨日正式发布全球首支预告片，汤姆·霍兰德饰演的彼得·帕克重磅回归，影片定档 7 月 31 日北美上映，并将于 7 月全球大银幕献映。

本片故事直接承接《蜘蛛侠：英雄无归》的结局：奇异博士的遗忘咒语生效后，全世界的人都忘记了彼得·帕克的真实身份，他与挚爱 MJ 沦为最熟悉的陌生人，只能以匿名状态继续守护纽约。

因基因突变失去超能力的蜘蛛侠，不得不向「绿巨人」求助，整体故事走向更加孤独且充满张力。

《沙丘 3》发布首支预告

昨天，《沙丘 3》发布首支官方预告片。

预告片呈现出强烈的暗黑质感，保罗（光头造型）与契妮正面对峙，战争与权力的主题贯穿其中。台词「你的父亲从未挑起战争」与「我还……不能死」已在预告中亮相。

影片故事改编自弗兰克·赫伯特原著小说《沙丘救世主》，设定在《沙丘 2》事件的 17 年后。导演丹尼斯·维伦纽瓦继续执掌本片，他表示这是自己迄今为止「最个人化」的一部电影。影片将于 12 月 18 日在北美上映。

《拆弹专家2》重映定档 3 月 28 日

由邱礼涛执导、刘德华监制并领衔主演的电影《拆弹专家2》宣布将于 3 月 28 日重映，距其首映已过去约五年时间。

影片讲述香港某处发生连环爆炸案，前拆弹专家潘乘风（刘德华 饰）因昏迷于案发现场而遭警方怀疑。

苏醒后失去记忆的他只能一边逃亡、一边查明真相，而好友董卓文（刘青云 饰）与前女友庞玲（倪妮 饰）却向他讲述了两段截然不同的经历。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

现在，你的微信里也能养「龙虾」了。

龙虾爆火后，在 AI 牌桌上一向低调的腾讯，罕见打出一套快拳，迅速端出三款「龙虾」，其中最值得拿上台面聊聊的，当数 QClaw——

这是腾讯电脑管家基于 OpenClaw 打造的一款本地 AI 助手，它最特别的地方在于你可以支持直接在微信与「龙虾」对话，让它帮你干活。

今天，QClaw 正式更新 v0.1.9 版本，用户可以通过小程序接收电脑端文件，同时上线了足以充当龙虾指南的「灵感广场」。

APPSO 第一时间实测了微信养龙虾，看看实际体验如何。

一只对小白友好的腾讯龙虾

QClaw 的界面长了一张大家都很熟悉的「AI 脸」：左边聊天，右边干活。为了让你最快上手，它在主界面的 C 位甩出了几个预设选项。点击「安装你的第一个 Skill」，这只龙虾就会手把手教你如何点亮它的技能树。

背靠 ClawHub 和 GitHub ，QClaw 拥有的 Skill 储备超过 5000 种。面对这么庞大的库，该怎么挑？腾讯给出的答案很直接：别挑，直接开口。你只需要用大白话描述你想干啥，它就会自动把合适的 Skill 端到你面前。

傻瓜式的交互，极大抹平了新手的学习曲线。但对喜欢掌控感的人来说，难免会有一点隐秘的焦虑——总得有个完整菜单让我看看有什么菜吧？

稍微翻找一下，你会发现它藏在设置的「技能管理」中。在这里，你能总览所有技能，甚至可以直接从 GitHub 粘贴导入。但耐人寻味的是，哪怕在这个稍显硬核的管理界面里，排在最前面的添加方式，依然是「通过对话创建」。

可以看出来的是，在决定基础体验与 QClaw 能干什么的事情上，腾讯想尽量将事情做简单——刚刚 QClaw 回复 Skill 列表的第三点，依旧在鼓励我直接告诉它想要什么样的 Skill。

微信养虾很有趣，只是这虾有点生

部署好电脑端之后，我们直奔重头戏——微信遥控。

先在主界面左下角用微信登录 QClaw。注意：目前内测仍需填写邀请码，没有邀请码的话，就算微信登录成功也是一个空壳，什么都做不了。

不过，光在电脑端完成登录，还不足以召唤出这只「龙虾」的完全体。要想真正把它装进口袋，还得进行一次关键的跨屏连线。

在界面左下角的头像旁唤醒「微信远程」，掏出手机微信扫一扫，界面会丝滑地跳转到微信里的 QClaw 客服对话框，另一头的电脑屏幕也会默契地亮起连接成功的提示。

不需要任何复杂的内网穿透或代码配置，你的微信聊天框，此刻已经正式变成了一个能随时使唤电脑干活的随身遥控器。

我相信大多数人面对这只一举一动都要花钱的龙虾（当然，目前内测期间 Token 免费），图的绝不仅是多一个代发微信的聊天搭子，而是能实打实分担工作压力、能帮我干活儿的数字员工。

对于我也是如此——尤其是当我不在办公电脑前，又急需一些文件和图片的时候。

QClaw 最大的亮点就是免去麻烦的部署，可以通过微信对话框指挥电脑上的 QClaw，而在 v0.1.9 版本，QClaw 上线小程序文件传输能力，用户可以直接通过小程序接收电脑端文件，灵活性进一步提升。

那它的实际表现如何呢？

在我的电脑下载中，有几张拍摄的样片急需放进推文中，但我此时离公司十万八千里，于是我通过客服号中的 QClaw 对话框下达指令，请 QClaw 将照片传递过来。结果——

啊？

不死心，重试一次。这次成功了，但只能算「基本成功」——从消息内容来看，QClaw 似乎只回过来了后半段，前半段被悄无声息地吞掉了。

为了搞清楚发生了什么，我火速赶回公司，看看电脑端的对话框里是怎么呈现的这次任务：

也就是说，其实第一次下达指令后，QClaw 是成功响应了，但没有顺利反馈到手机微信里的对话框中；而第二次更是提示我可以在 QClaw 小程序中随时查看，但消息却没发送全，唯一幸运的是后半部分的链接顺利递到了我的对话框中，让我至少能正常下载需要的照片。

对于工作来说，文件的任何信息都很重要，所以我打算进一步拷打一下 QClaw：

我需要的这些照片，会被 QClaw 偷偷压缩吗？小程序中保存的照片，与链接中的照片是否一致？有没有丢失 Exif 信息呢？

抱着这样的疑问，我用手机打开「QClaw 管家」小程序，照片确实秒速送达了。令人无奈的是，QClaw 自作主张地将三张照片打成了压缩包，文件不支持点击选中，也不给任何下载到本地再想办法解压的余地。

最后的结果是这份急需的资料就这样死死僵在了列表里，没有任何办法增删查改。折腾了半天，我唯一能做的，就是隔着手机屏幕和它干瞪眼。

此时一定有人提问：不是还有链接吗？人家说小程序是用来查看的，你用链接下载不就好了。

没毛病，但我用手机返回客服号对话框，重新找到下载链接时，发生的一幕让我血压暴涨——

这个链接，是用来跳转到 QClaw 管家小程序的。

当一个事情离谱到超出我意料的时候，我会非常执着地想看看它到底能离谱到什么地步。

于是我又不信邪，用电脑点击 QClaw 给我的那条下载链接。

可喜可贺——这一次没有出任何差错，文件下载下来了。不仅下载下来了，而且图片还没有任何压缩，Exif 信息也没有任何丢失。

但是我怎么就是高兴不起来呢？

让我们看看我最初是想干什么？

因为我不在办公电脑前，所以我找 QClaw 给我发文件；
QClaw 给我发到小程序里，还给我发了链接，相当周全；
小程序里是压缩包，我打不开、看不了、下不动、删不掉；
手机打开的下载链接也跳转到小程序，我打不开、看不了、下不动、删不掉；
最后只能用电脑点击下载链接，才能顺利看到文件。
……

好，可能是文件夹里三张图片对于 QClaw 这样刚蹒跚学步的龙虾来说太多了，我只留一张，再来一次。

在我特别叮嘱「别压缩」的前提下，成了！并且 Exif 信息没有任何丢失，大成特成！

顺带一提，刚刚这一顿操作下来，又是 20 万 Token 没有了。

灵感广场，教你怎么养龙虾

对没碰过「龙虾」的小白来说，前期的本地部署就像在徒手拼装一台发动机，费尽心思终于熬过了复杂配置，满心欢喜地准备拥抱赛博未来，迎面撞上的却只有一个光秃秃的代码框——我真不知道这玩意能干什么， 或者说我不知道它能怎么帮到我。

老天给你发了一把绝世好剑，却忘了给剑谱，而 v0.1.9 上线的「灵感广场」，刚好充当了剑谱作用。

腾讯在灵感广场中预设了 15 种任务模式。说实话，其中大部分任务并不能直观体现出龙虾的想象力，以前的大语言模型 AI 也能做到看看八字、梳理知识点框架。于是，在一众应用中，我找了一个较为本地化的操作：发票/单据智能归档。

我的电脑里刚好存放着去年大半年的发票准备报销，但直接在电脑上用预设功能实在没什么意思，我打算用微信通知 QClaw 帮我智能归类，并输出为 Excel 表格：

把电脑上下载中发票报销文件夹里的发票都帮我整理成报销明细 Excel 表格

不知道是不是我在发票报销的文件夹中根据项目分出了近十个小文件夹的原因，QClaw 执行整个指令用了约五分钟的时间，最终输出的 Excel 表格通过文字反馈给了微信客服号的对话框中，并同样附上了小程序的链接。

美中不足的是，QClaw 出现了部分发票识别不了的情况——我所有的发票都是 PDF 格式，但由拍摄转为 PDF 的实体发票识别无一例外都失败了，结果差强人意。

随后，我又用电脑端单独输入了一遍同样的指令，得到的结果保持一致——由照片转来的五张发票无法顺利识别。

打开设置看看用量统计，电脑整理发票这条指令消耗了 839,061 Token，是单条简单对话的 20 倍左右，而手机微信远程指挥的消耗则为 459,501，Token 消耗比较不稳定。

不过在折腾这个任务时，我也踩到了微信遥控 QClaw 的弊端——

你在手机微信里下发的所有指令，到了电脑端并不会根据任务自动分流，全都简单粗暴地把消息塞进了一个对话框里。：一旦你想回到电脑端复盘之前的任务进度，面对的就是一个深不见底的文字瀑布。没有标签，没有分类，你唯一能做的，就是疯狂搓动鼠标滚轮，在海量的历史记录里苦苦打捞你需要的回答。

预设任务完成得尚可，更个人、更日常的任务呢？

我打算从最简单的入手——发微信。

我请 QClaw 帮我叫女朋友起床，按道理，在 v0.1.9 版本中，QClaw 已经接入微信了，发个微信应该不是什么难事儿。但意外的是，接入微信的 QClaw，找不到我的微信联系人。

面对这种窘境，QClaw 反复尝试挣扎，在经过备注、用户名、微信号三重查找后，浪费了近 20 万 Token 的 QClaw 终于找到了问题所在：

看到问题了！微信渠道虽然启用了，但 guid 和 userId 都是空的，说明微信账号还没有完成绑定/授权。

看起来很合理，但我目前已经绑定了微信，并退出重新登陆过一次，依旧无法成功，换到手机微信客服号远程指挥电脑上的 QClaw，也依旧失败。

于是我继续追问如何填充 guid 与 userld，又花费了近 20 万 Token 的 QClaw 这样回答：

看起来头头是道，逻辑正确、方案合理，但我翻遍了设置也没有找到其中任何一个解决办法的入口，而截止本篇体验完稿时，我依旧没能叫她起床……

关掉 QClaw，读者们大概会分成两拨——乐观者会期待，悲观者会批评。

但我并不打算对一个版本号仅为 v0.1.9 的初生牛犊过于苛刻。这是一个相当年轻的版本，从产品逻辑上，能看出腾讯在尽力降低龙虾的准入门槛，但一旦触及到细分需求，它就会出现零零散散的不如意。

这很符合逻辑，易用需要大众，而生产力则天生偏向极致细分，解决这样的矛盾还需要时间。目前的 QClaw 只是呈现一个粗糙的框架，向我们掀起未来一角。

跳出 QClaw 这盘「小龙虾」，也许我们还可以有一些更大的猜想——

之前我们在文章《OpenClaw 让每个聊天软件都有机会变成微信》中提到：

当一个聊天窗口可以调用任意 agent 完成从订票、编程到数据分析的任意任务时，它已经不只是一条管道——它正在变成一个超级接口。

有意思的是，这个让全球开发者兴奋不已的叙事，对中国用户来说却充满着强烈的既视感。用一个封闭生态实现「全服务覆盖」，这不就是微信当年用小程序做过的事吗？

QClaw 在体验上的种种不如意，以及未来可以预见的权限摩擦，本质上是开放工具撞上封闭生态时的必然代价。它费尽心思想绕过的那堵权限墙，对微信自己来说，不过是底层架构里的一行代码。

第三方工具在缝隙里挣扎的每一步，对平台原生能力来说都只是举手之劳。

能力的边界，往往就是入场资格的起点。

QClaw 只是掀开了一角，让我们看到了 IM 平台向「通用交互层」进化的可能性。而真正的问题是：当微信亲自下场，把原生 Agent 融入其中，那个版本的体验会是什么样的？

想象一下，不需要邀请码，不需要跨屏连线，不需要在压缩包和跳转链接之间反复横跳——只需要打开一个你每天都在用的聊天框，说一句话，事情就办完了。

这才是那个 AI 时代真正意义上的「超级接口」。

QClaw 让我们预习了这道题，但最终交卷的人，可能另有其人。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

同样的算力，同样的数据，凭什么效果不一样？大多数人的直觉是：模型更大、数据更好、工程师更厉害。但 Kimi 给出了一个更出人意料的答案。

3 月 16 日，月之暗面 Kimi 发布了一项重磅技术报告《Attention Residuals》（注意力残差）。

这项技术针对几乎所有现代大模型都在使用的残差连接结构进行了改造，并在实验中证明，用同样多的算力，新方法训练出的模型效果相当于基线模型花费 1.25 倍算力才能达到的效果。

报告发布后，也毫无意外得到了许多硅谷顶尖 AI 人物的点赞背书。

比如马斯克通过社交媒体表示「「Impressive work from Kimi」（令人印象深刻的工作）」OpenAI o1 主要发明者 Jerry Tworek 称其为「深度学习 2.0」的开端。

前 OpenAI 联创 Andrej Karpathy 说「看来我们还没把『Attention is All You Need』这句话按字面意思理解透。」但比起这些夸奖，技术论文背后的信号或许更值得关注：深度学习最基础的范式，正在发生变化。

十年没人动过的地基，被撬动了

过去两年，大模型的竞争主要在「上层建筑」展开：更好的注意力变体、更聪明的 MoE 路由策略、更精巧的对齐方法，大家都在 Transformer 这栋大楼的高层精装修。

唯独有一样东西，从 2015 年 ResNet 论文发表以来，几乎没人动过：残差连接（Residual Connections）。

要理解这项技术，得先知道大模型内部的基本结构。

现代大模型，其实都是由很多层神经网络叠加而成的，少则几十层，多则上百层。信息从底部输入，一层一层往上传递，每一层都对信息做一次加工，最终在顶部输出结果。

可以把它想象成一条流水线上的工人：原材料从第一道工序进来，每个工人对它加工一遍，再传给下一个，最终出来成品。问题是，流水线越长，越难训练。

假设第 50 道工序的工人犯了错，你想纠正他，就得把这个「纠错信号」一路往回传，经过 49 个工人才能传到第 1 个。传着传着，信号就消失了，底层的工人根本不知道自己哪里出了问题。

为了让这么深的网络能够训练起来，知名学者何恺明团队在 2015 年发表了一篇题为《Deep Residual Learning for Image Recognition》的论文，引入了一个关键设计，叫做残差连接（Residual Connections）：

每一层在加工信息的同时，还会保留一条「直通道」，把原始输入原封不动地加到加工结果上，再往下传。这条直通道让梯度在反向传播时可以绕过中间的变换，一路流回底层，从根本上解决了深层网络难以训练的问题。

比较通俗的理解是，在每道工序旁边加一条「直通道」，把原材料原封不动地绕过这道工序，直接和加工结果合并，再往下传。这样纠错信号就可以沿着直通道一路畅通无阻地传回底层，不会消失。

这篇论文后来成为计算机视觉乃至整个深度学习领域引用次数最多的论文之一，残差连接也沿用至今，是几乎所有大模型的基石。

残差连接虽然好用，但它做信息聚合的方式非常粗暴：把所有前面层的输出，无差别地等权相加。

还是用流水线来比喻。到了第 51 道工序，这个工人手里拿到的，是前面 50 道工序所有产出物的等量混合，每道工序的产出各占一份，不多不少。他没有办法说「我想多要一点第 3 道工序的原料」，也没有办法说「第 20 道工序的东西对我没用，少给我一点」。

这带来了一个名为 PreNorm 稀释的实际问题 ：随着网络越来越深，累积叠加的信息越来越多，每一层自己的贡献在庞大的总量里越来越微不足道。越靠后的层，想要让自己的声音被「听见」，就得输出越来越大的数值，否则就会被淹没。

结果就是，很多中间层其实没在认真干活。已有研究发现，大模型里相当一部分层直接删掉，效果几乎不变，这说明这些层的贡献实际上极为有限。

大多数团队早就知道这个问题，选择绕开它，转而在在现有架构上叠加更好的数据配比、更精巧的训练策略、更长的上下文窗口。这些工作当然有价值，但本质上是在一个已有的技术框架内做增量优化。

Kimi 选择的是一条更孤独也更难的路：回到最基础的结构，用第一性原理重新审视那些「理所当然」的设计。

今天凌晨，Kimi 创始人杨植麟在 GTC 2026 演讲中提到：「行业目前普遍使用的很多技术标准，本质上是八九年前的产物，正逐渐成为 Scaling 的瓶颈。」

杨植麟认为，要推动大模型智能上限的持续突破，必须对优化器、注意力机制及残差连接等底层基石进行重构。

一次优雅的「旋转」

Kimi 团队这篇论文的核心突破，其实也来自一个优雅的类比发现。

处理文字序列时，早期的循环神经网络（RNN）也有类似的额外问题：记性差。它读完一整段话之后，早期读到的内容会被后来的内容不断覆盖，等读到最后一个词，前几句说了什么已经模糊了。

后来 Transformer 用注意力机制解决了这个问题，相当于给模型配了一张「全文笔记」，处理每个词的时候，都可以翻回去查任意一个之前出现过的词，而且查哪里、查多少，由当前的内容自己决定。

研究人员发现，残差连接在深度方向上碰到的问题，和 RNN 在时间方向上碰到的问题，数学结构完全一样。换句话说，把 Transformer 想象成一张二维的网格：

横轴是序列方向，一句话里从左到右的每个词；纵轴是深度方向，从底层到顶层的每一层网络。传统的注意力机制是沿着横轴工作的，处理某个词时去查同一层里其他词的信息。

而 Attention Residuals 做的事情，就是把完全相同的机制转到纵轴上去，处理某一层时去查前面所有层的输出，决定要参考哪些层、参考多少。操作对象从「同一层里的不同词」变成了「同一个词在不同层里的状态」，机制本身一模一样，好比方向转了 90 度。

既然注意力机制解决了序列方向的问题，旋转一下搬到深度方向上，同样有效。

这里有一个更深层的理论发现值得一提。研究人员通过数学分析发现，过去十年里所有对残差连接的改进，包括标准残差、Highway 网络、mHC 等各种变体，在数学上其实都是同一件事的不同形式，都等价于某种「深度方向的线性注意力」。换句话说，大家一直在朝同一个方向努力，只是当时没意识到。

而 AttnRes 的核心思路在于，把注意力机制从「处理文字序列」的维度，移植到「跨越网络深度」的维度上。

具体做法是，给每一层配备一个小小的「查询向量」，就像给每道工序的工人配了一张需求单。工人在开工前，先拿着需求单去翻所有前面工序的产出，根据相关度算出一套取用比例，再按这个比例把需要的原料混合起来。

这样一来，每一层不再是被动接受所有前面层输出的等权叠加，而是主动、有选择性地决定要从哪些层提取多少信息，比例还会根据当前任务的内容动态变化。每层只新增一个向量和一个归一化操作，参数量的增加对整个模型来说几乎可以忽略不计。

为了保证训练初期稳定，这个查询向量必须初始化为全零，相当于让工人一开始什么偏好都没有、平等对待所有前序产出，等训练推进了再慢慢形成自己的判断。

值得一提的是，研究人员也测试过一个更激进的版本：让查询向量不再是固定参数，而是根据每一层当前的输入内容动态生成。这个版本效果确实更好，损失值进一步下降。

但最终没有采用，原因是推理时这种方式需要顺序读取内存，会增加延迟。这个取舍体现了贯穿整篇论文的工程哲学，理论上更优的方案，不一定是实用上应该选的方案。

大模型的新技术，最后都得过这一关

全量 AttnRes 在小规模实验中很好用，但一到大规模训练就遇到了麻烦。

它需要每一层都能访问所有前面层的输出。模型有一百多层，每层的输出都得保存在内存里，还要在不同计算节点之间来回传输，内存和通信开销随层数线性增长，在大模型上根本承受不起。

Kimi 团队的解法很实在：Block AttnRes。把网络所有层划分为若干个 Block（48B 模型中分了 8-9 个 Block，每个 Block 约 6 层），Block 内部沿用传统残差连接，Block 之间使用 softmax 注意力。打个比方——不必给每层楼都装电梯，在关键楼层之间架设快速通道就够了。

这样，需要保存和传输的数据量，从「所有层的数量」降低到「块的数量」，开销大幅缩小。实验发现，分成约 8 个块就能保留全量方法绝大部分的性能提升。

在具体的工程实现上，团队还做了两项优化。

训练端设计了跨阶段缓存机制，在流水线并行训练中每次切换阶段时只传输新增的那一小部分块数据，而不是每次都把全部历史重新传一遍，实测整体训练额外开销不超过 4%。

推理端设计了两阶段计算策略，把一个块内所有层的查询打包成一次矩阵运算统一处理，把重复的内存访问摊销掉，最终推理延迟增加不超过 2%。

那实验效果怎么样呢？研究人员测了五个不同规模的模型。

结果显示，Block AttnRes 在全部规模上均以更低的验证损失领先于基线，且改善幅度随规模增大而稳定保持。按拟合曲线推算，在相同的计算量下，Block AttnRes 相当于基线模型用 1.25 倍算力才能达到的效果。

在 48B 参数（3B 激活）规模的 Kimi Linear 架构实验中，Block AttnRes 展现了极强的泛化性：在全部 15 项主流评测基准中，其表现均持平或优于 PreNorm 基线模型。

例如，在博士级科学推理 GPQA-Diamond 上实现了 7.5% 的飞跃，在数学 Math (+3.6%) 及代码生成 HumanEval (+3.1%) 任务中也录得了显著增益 。

从训练过程来看，基线模型的各层输出数值随深度单调增大，印证了 PreNorm 稀释问题；而 AttnRes 的各层输出数值在块边界处得到重置，呈现周期性变化，各层梯度分布也更加均匀，说明更多的层真正参与到了有效的学习中。

此外，研究人员还可视化了训练后模型学到的注意力权重，发现了几个有趣的规律。

每一层仍然最依赖直接前一层的输出，局部性依然是主要的信息流通方式。但同时出现了一些跳跃性的连接，比如某些层会稳定地回溯到很早期的层，还有些层会特别关注最初的词嵌入输出。

另一个规律是，注意力层和 MLP 层的「回望」模式不同：注意力层倾向于关注更广泛的历史，MLP 层则更依赖近邻层。这与两者在模型中的功能分工是吻合的。

AttnRes还带来了一个对未来模型设计有参考价值的发现。研究人员在固定总计算量和参数量的前提下，枚举了 25 种不同的深度与宽度组合，对比基线模型和 AttnRes 各自偏好的最优架构。

结果发现，标准残差连接偏好「更宽、层数更少」的模型，而 AttnRes 的最优点偏向「更窄、层数更多」的模型。这说明 AttnRes 能够更有效地利用深度，让每增加一层都真正产生价值，而不是让深度变成一种边际效益递减的堆砌。

这个发现的含义不止于此。它意味着 AttnRes 不只是在原有架构上打了一个补丁，而是从根本上改变了网络深度的利用效率，也为未来设计大模型时如何分配深度与宽度的资源提供了新的参考依据。

杨植麟曾提到，十年前不是没有好想法，而是没有算力去验证。现在有了足够的资源和「缩放阶梯（Scaling Ladder）」，那些被搁置的问题才终于能被认真答一遍。

大佬点赞的背后，是一个时代在转弯

一个中国团队在最底层的架构创新上获得硅谷顶级人物的实质性认可，这件事本身十分罕见，他们认可的不只是论文成果本身，更在于Kimi 这篇论文指向了一个全新的方向：优化已经从 attention、MoE 这些上层模块，深入到了最底层的残差连接。

在 GTC 2026 演讲中，杨植麟还披露了一连串底层技术创新：MuonClip 优化器实现了相比 AdamW 2 倍的计算效率提升——要知道 Adam 优化器自 2014 年以来几乎未被撼动，属于深度学习的「不可触碰之物」；Kimi Linear（KDA 架构）在 128K 到百万级超长上下文下实现 5-6 倍的解码加速；Vision RL 的跨模态训练甚至让纯文本 benchmark 也提升了约 2.1%。

杨植麟把这些创新概括为三个维度的 Scaling 框架：Token 效率 × 长上下文 × Agent Swarms。

「当前的 Scaling 已经不再是单纯的资源堆砌，而是要在计算效率、长程记忆和自动化协作上同时寻找规模效应。」

一家公司，同时在优化器、残差连接、注意力架构、跨模态训练这些底层战场上全线推进，这种打法在行业里相当特立独行。

这也是为什么 Jerry Tworek 会说出「深度学习 2.0」这样的判断。当然不是说 Attention Residuals 这篇论文就能颠覆一切，更多是它代表了一种方法论的回归：不再满足于在已有框架上修修补补，去重新审视那些被所有人当作「已解决问题」的基础设施。

如果残差连接可以被重新设计，那么 Adam 优化器呢？层归一化呢？位置编码呢？深度学习的基础范式本身正在发生变化，这扇门一旦推开，后面的故事就不再是线性外推能预测的了。

Karpathy 那句「Attention is All You Need 还没被理解透」的感慨，大概也是这个意思。

过去几年，中国 AI 团队的贡献更多集中在工程落地和应用创新上，在底层架构理论方面的原创性突破相对稀缺。Kimi 这篇论文走的是一条完全不同的路线——一个统一的理论框架，一个优雅的工程实现，加上严谨的大规模实验验证。

当然，Kimi 这篇论文还有留下不少需要解决的问题。论文的大规模验证是在 48B 总参数（3B 激活参数）的模型上完成的，这个规模放在今天的第一梯队里并不算大。在真正的千亿乃至万亿参数模型上，1.25 倍的等效优势能否稳住，目前还是个问号。

同时论文展示的也只是预训练阶段的收益，经过指令微调、RLHF 等后训练步骤后，AttnRes 的优势是否会被稀释，缺乏数据。

但话说回来，这些局限恰恰也是想象力的来源。一个仅需约 100 行代码改动、增加不到 4% 训练开销的轻量修改，就能在 48B 规模上带来这样的提升。

当它被应用到更大规模的下一代模型上时，收益的天花板在哪里，谁也说不准。

Attention Residuals 抬高了 Token 效率的天花板，Kimi Linear 拓展了长上下文的边界，Agent Swarms 指向智能体协作的未来。当这三条技术线在下一代模型中汇合，呈现出的可能就是新的范式转变。

在 AI 这座通天塔的工程上，所有人都在争着往上添砖加瓦，而 Kimi 低头往路基重重地凿了一锹，恰好撬动了深度学习的地基。

作者：莫崇宇，李超凡

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

对比换芯不换型的 MacBook Pro 和 MacBook Air，不管是设计、新品还是定位都完全新款的 MacBook Neo，自然成为了今年开年最受关注的 MacBook 新品。

如果说 MacBook Neo 圆润可爱，没有刘海的设计已经足够讨喜，那么当我们把它拆开之后，我们还能看到更多更有意思的变化。

MacBook Neo 是 14 年来最好拆修的 MacBook，并且其内部有不少新的设计和趋势，或许将会出现在未来更多的 Mac 产品上。

14 年来最好拆的 MacBook

首先，在「开盖」上，MacBook Neo 就已经大幅降低了拆机门槛，只要用对应的螺丝刀卸下笔记本 D 面的五角螺丝，就能徒手将后盖卸下，而以往的 MacBook 还需要用吸盘、翘板等工具打开卡扣。

总体来说，MacBook Neo 的内部结构与 MacBook Air 比较相似，都是无风扇的轴对称设计， 零部件从上到下依次摆放。

有趣的是，除了大面积的电池和触控板，位于机身下方两侧的扬声器体积也异常巨大，不过比较轻，意味着腔体内部有不少剩余空间。

机械结构的触控板在设计上类似 Windows 阵营的同类设计，机制比压感要简单，在触控板的下方中央有一个按钮结构，两块铰链也确保了整块触控板都有着相对一致的扎实手感。

以往的 MacBook，电池都会用胶水固定在机身内部，这导致用户更换起来相当困难，MacBook Neo 居然很罕见使用了 18 颗螺丝来固定电池。

iFixit 认为，MacBook Neo 是苹果为应对欧盟新规的一次试水：2027 年，所有在欧盟销售的便携式产品必须配备用户可更换的电池。今年年底，MacBook Pro 也将更换全新模具，届时很可能也换采用这种螺丝电池架的结构。

对于「做工」这件事，苹果的态度相当认真。MacBook Neo 的电池托架上的加强结构，以及数量远超常规的 18 颗螺丝，作用不仅仅只是为了固定电池，还能充当笔记本的结构部件，使得上方的电池不会太薄弱，于是实测中我们发现，MacBook Neo 的机身维持了以往的强韧。

同样让人惊喜的是，MacBook Neo 的屏幕、接口也采用了相对容易拆卸的设计，至于键盘，即使结构相对独立，没有被连接到电池上，但同样需要处理一些胶带和粘合剂，以及拧下 41 颗螺丝。

YouTube 博主 TECH RE-NU 将整台 MacBook Neo 所有部件拆下，总计花了 6 分钟左右的时间，比拆一台 iPhone 还快。iFixit 则给出了 6 分的可维修分数，同样是近年来 MacBook 的最高。

iPad 自行维修难度不低，官方维修报价高昂，这都是它在教育市场被冷落的重要原因，毕竟熊孩子们很容易就能导致设备故障，在 MacBook Neo 身上，苹果明显吸取了教训。

但 MacBook Neo 最有意思的部分，是这个比电池、扬声器，甚至天线还要小的主板。

超小主板，解锁未来 Mac 新形态

MacBook Neo 的主板，形态上就像一把尺子，不仅要远小于 MacBook Air M3，甚至还要略小于 iPad 10——不过比起同款 A18 Pro 的 iPhone 16 Pro 双层主板，还是要大上不少的。

和以往的 MacBook 一样，存储芯片焊接在主板上，内存颗粒直接集成于芯片之中，都是用户无法自行更换的。不过国内 UP 主@冯主任手机维修 已经成功尝试更换一颗 1TB 的硬盘，可以正常开机使用。

拆开主板的贴纸，我们还能发现 MacBook Neo 确实使用了一颗联发科的 Wi-Fi 与网络芯片，而并非博通或者苹果自研。对于这么一款入门产品来说，苹果正在通过多元化供应商，来进一步控制成本。

有意思的是，对比 iPhone 16 Pro 和 MacBook Neo 的 A18 Pro 芯片，会发现两者在大小、尺寸都基本一致，Neo 上这颗芯片很可能是当时生产缺少一颗 GPU 核心的次品。

比起这个主板设计，其实更有趣的讨论在于，苹果真的将电脑主板做得比平板还小，成本反而还比常规的产品更低，完全可以在此基础上，进一步开发更多全新 Mac 形态。

比如说，一个比 Mac mini 性能更小更弱，价格比 MacBook Neo 更低的 Mac mini Neo，是不是能成为更多人的第一台 Mac？

甚至可以更极简一点，将主板压缩到一个 U 盘的大小，连接电源插在显示器上启动完整 macOS——没错，就是当年英特尔想做的那种「计算棒」的形态，有桌面级算力的手机芯片 A18 Pro 完全能够实现。

当价格、性能、和便携性三者都不拖后腿，有趣又实用的产品形态，也会得以诞生。

MacBook Neo，是一次全新尝试

苹果在 MacBook Neo 中，埋进了不少小彩蛋。

比如说，覆盖在 MacBook Neo 新机上的保护纸，有一个「hello」的提手，并且字体的颜色还和机身匹配。

系统强调色，以及机身下方的脚垫，也都特意换成了和机身一样的颜色。

关于 Mac 的壁纸，其实一直以来都有个小巧思，乍一看看起来是抽象的花纹，但其实都隐藏了产品名信息，比如 MacBook Air 上的「AIR」，iMac 上的「iMac」。

但 MacBook Neo 那几张异彩纷呈的壁纸，隐藏的却是「MAC」，而不是「Neo」字样。

于是外界纷纷猜测，很可能 MacBook Neo 一开始就是叫无后缀的「MacBook」，但最终苹果决定将其命名为 Neo。

无论真相究竟如何，从这个全新的外部造型，到内部元器件的排布，以及苹果准备的小彩蛋，都足以可以看出，苹果在构建和物料上省了成本，却在产品设计上给足心思。

对于苹果来说，做一款低价产品，最好的方式是从现存的 MacBook Air 模具上动刀，砍掉一堆现有的配置，塞进去更便宜的 A18 Pro，而不是从头到尾设计一个全新的模具，还给内部的电池、键盘和屏幕结构采用全新设计。

而凭借强大的供应链管理，以及自研处理器和系统，苹果成为了地球上唯二有能力，做出像 MacBook Neo 这样的电脑——另外一家，是情况有点不同的华为。

多数人不知道的是，MacBook Neo 其实不是第一台搭载 A 芯片的 Mac 产品。2020 年 WWDC 上，苹果宣布 Mac 将向自研芯片和 ARM 架构过渡，一起推出的还有一个开发者样机，Mac mini 的外壳搭载了 A12Z 处理器。

某种程度上说，A12Z 的开发者样机上已经注定了 MacBook Neo 的诞生，苹果只是在等待一颗性能足够强大的 iPhone 芯片正式问世，直到两年前的 iPhone 16 Pro 的 A18 Pro 反超了 M1。

不过，我总觉得目前的 MacBook Neo 还略显青涩，下一代或许会在形态和配置上更加成熟。

目前 iPhone 17 Pro 上的 A19 Pro 处理器，集成 12GB 的运行内存，如果用在下一代 MacBook Neo 上，想必是更多人更乐于见到的配置。键盘背光这种重要配置的缺失，也很可能在下一代补上。

但鉴于芯片产能和产品定位，MacBook Neo 可能不会一年一更。如果你对 MacBook Neo 心动不已，现在的它，也已经足够优秀。

更重要的是，它为未来的 Mac 产品线，甚至说所有苹果产品，都打开了全新的可能性：电脑的体积、性能与形态，都还有进一步变化的空间。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「终于到日本用中国 AI 来冒充日本产 AI 的时代了」

最近这件事在日本的 X 讨论炸了，起因是昨天日本一家科技公司乐天集团（Rakuten）在日本经济产业省（METI）的 GENIAC 项目（日本 AI 政府资助项目）支持下，高调发布了号称「日本最大、性能最强」的 7000 亿参数大模型 Rakuten AI 3.0。

但发布后不久，开源社区就迅速扒出，该模型的底层架构实际上是来自我们的 DeepSeek-V3，乐天仅仅是做了日文数据的微调。

在知名的 AI 开源库 Hugging Face 上，Rukuten AI 3.0 赫然在自己的配置文件里面写着架构来自 DeepSeek V3。

而在 Rakuten AI 3.0 模型的发布新闻稿里，丝毫没有提到任何关于 DeepSeek 的信息，只是含糊的说「它融合了开源社区的精华」，让一众网友以为这款模型就是日本自主研发的。

更致命的是，乐天为了掩盖这一事实，在开源时偷偷删除了 DeepSeek 的 MIT 开源协议文件。在被社区实锤后，才灰溜溜地以「NOTICE」文件名重新补上。

日本网友纷纷表示，「这让人无法接受」，拿着日本政府补贴，竟然只是微调了一波中国的 DeepSeek，还有人说，用 DeepSeek 就算了，还要偷偷藏藏真的很逊。

掩耳盗铃的「日本最强」

单看 Rakuten 公司发布的公关稿，这个模型确实算得上是日本在 LLMs 领域的一次比较有实力的发布。

这是一款拥有约 7000 亿参数的混合专家（MoE）模型，经开源社区确认，是和 DeepSeek V3 一样的671B 总参数，激活 37B。乐天首席 AI 官 Ting Cai 将其形容为「数据、工程和创新架构在规模上的杰出结合」。

Ting Cai 这名字一听就不像是日本当地人，有日本网友在评论区说，用 DeepSeek 很过分，更过分的是，主导这个模型的大老板，是个彻头彻尾的移民强硬派。

我们发现 Ting Cai 曾在美国 Google、苹果公司工作过，并在微软待了超过 15 年，本科在美国石溪大学，计算机科学就读。他曾在采访中表示，十八岁他第一次出国，去的就是日本，确实是个「移民强硬派」。

关于 Rakuten AI 3.0 的模型表现，在官方公布的各项基准测试中，它在日语文化知识、历史、研究生水平推理、甚至竞技数学和指令遵循等维度上，得分表现都极其优异，大有横扫日本本土大模型圈的架势。

不过，用来对比的模型，是已经被下架了的 GPT 4o、只有 1200 亿参数的 GPT OSS，还有日本的新兴另一个 AI 开发企业 ABEJA 基于千问推出的 ABEJA QwQ 32b 模型。

7000 亿和最多 1200 亿比，Rakuten AI 3.0 确实是赢了不少。同时作为经产省 GENIAC 项目的重点扶持对象，乐天获得了大量的算力资源支持。GENIAC 这个项目设立的初衷，正是为了建立日本本土的生成式 AI 生态，缓解对海外巨头技术依赖的焦虑。

日本最大的参数规模，再加上这层「国家队」的滤镜，让 Rakuten AI 3.0 一出场就戴上了「全村希望」的光环。

还得是 DeepSeek

但光环褪去得比想象中更快。

先不说 7000 亿参数、MoE 架构，这几个关键词组合在一起，在当今的开源大模型圈子里，指向性实在太强了。等到开源社区的开发者们，到 Hugging Face 上一看详细的代码配置文件，竟然直接就写着 DeepSeek V3。

从底层逻辑来看，这就是「中国架构 + 日本微调」。DeepSeek 提供了那套被全球验证过、极其高效的底层架构和推理能力，而乐天则利用其本土优势，用高质量的日文语料对其进行了微调，让它变得更懂日本文化。

客观来说，拿开源模型做本土化微调，在技术圈是一件极其正常且合理的事情。就像他们拿来作为对比的 ABEJA QwQ 32b 模型一样，连代号都不改，直接用 Qwen 的 QwQ。

如果乐天这次也坦坦荡荡地承认使用了 DeepSeek 的底座，顶多是一次缺乏新意的「套壳」发布，兴许还能蹭一波 DeepSeek 的热度。

但他们偏偏选择了掩藏。

之前我们分享美团浏览器使用开源项目时，曾提到不同的开源协议，其中 DeepSeek 采用的 MIT 协议，堪称开源界「最卑微、最宽容」的协议。它允许用户免费拿去商用、修改、甚至闭源赚钱。它唯一的请求只有一个：在项目里，保留原作者的版权声明和许可声明。

而乐天不仅在模型发布博客中对 DeepSeek 绝口不提，更是直接在代码库里抹除了这份协议文件，还高调宣布自己采用的是 Apache 2.0 协议开源。虽然 Apache 2.0 同样是对商业极度友好的开源协议，但它更正式，常被大厂用来建立自己的开源生态和专利护城河。

乐天的算盘打得很精，抹掉 DeepSeek 的名字，套上自己的 Apache 2.0 协议，再把自己包装成「慷慨开源 7000 亿参数大模型」的日本 AI 救世主。

喊了一年多的欧洲版 DeepSeek、美国版 DeepSeek，最后好像都没有做出来。

乐天也想做日本版 DeepSeek，但在算力和训练成本的压力下，在当前全球大模型飞速发展的局面下，既想要中国技术的极致性价比，又放不下打造「本土巨头」的身段，显然是难上加难。

不如和我们一起等等 DeepSeek V4 吧。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

OPPO 发布新一代大折叠 OPPO Find N6 的同时，推出了新款智能手表 OPPO Watch X3，定价 2799 元。

新款延续了 OPPO Watch X 系列硬朗的男士腕表设计风格，机身边缘加入了十二变形设计，在不同角度的角度下能够带出不同的光线质感，多边形的棱角也加强了手表的硬朗机械感。

机身采用了 TC4 钛合金材质，TC4 钛合金机身硬度更高，比上一代更耐刮耐磨，也能够防御海水、盐水侵蚀。它支持 IP69+IP69+5ATM 的防水防尘，表面的蓝宝石水晶同样耐刮耐磨，日常使用不必担心人体汗液油脂的腐蚀，游泳时也能够使用。

机身厚度为 10.99mm，重 43g，比上一代再轻薄一点。

这次提供了无限钛、寰宇星橙和引力黑三种配色，寰宇星橙和无线钛一样用了钛原色的表面，有淡淡香槟效果的金属原色和橙色表搭配，金属表冠的底部加入了橙色细圈，还有对应配色的新款表盘，质感和外观的一体性很强。

除此之外，OPPO 推出了全新的超级模块系列表盘，有显示 C 位给到时间的精准模式，给到多天天气的专注模式，以及中心是天气和待办事件的效率模式。

这次用于显示表盘的是一块 1.5 英寸 LTPO OLED 柔性屏，典型亮度为 600nit，日常状态下峰值亮度是 1500nits，最高能够达到 3000nits，在大阳光的户外也能够看清楚屏幕。

表带靠近连接手表位置加入了金属竹节设计，能让表带连接机身的位置位置也能够顺应佩戴调整，用户佩戴手表就能够更加贴合了。

机身底部集中了各种类型的传感器和充电触点，这一代用上了相同的磁吸充电设计，充电器能够和前两代 OPPO Watch X 兼容，对升级的老用户来说很友好。

配置方面，OPPO Watch X3 搭载了高通骁龙 W5 + BES2800BP 的处理器组合，内置 2GB RAM 和 32GB ROM 储存组合，运行 ColorOS Watch 16.0 操作系统。

手表支持蓝牙 5.2，支持主副手机双连接，可以同时连接两台 Android 手机，或一台 Android 一台 iPhone。

OPPO Watch X3 支持手机手表双远程互找功能，OTA 更新后在周边有 OPPO 手机的手表在离线后也能够确定位置，手表手机在断连的状态下也能够互查位置。

这一代也支持语音控车功能，像是基本的开关门锁车尾箱和前备箱以及充电口，提前开空调车窗，还有闪灯鸣笛寻车等功能都能在手表里面操作，目前支持比亚迪、特斯拉、理想、小鹏等 16 个品牌。

续航部分，手表内置 632mAh 的电池，全智能模式可以用 5 天，长续航模式下能够坚持 16 天，支持「充电 10 分钟，使用 24 小时」的快充模式，日常使用不需要担心续航的问题。

健康监测方面，这一代手表支持全天血压波动检测，用户需要每天佩戴 4 小时以上，坚持佩戴七天后能够输出检测结果。

手表配合 OPPO 健康应用，能够显示每天续页偏高的时段，提升用户注意，也会结合其他数据分析出影响血压变化原因，结合运动功能提供对应改善方向。

睡眠检测部分则将原有的「鼾症风险评估」升级到医疗级准确度的「睡眠呼吸暂停」的级别。内置的 60 秒体检加入了 AI 分析，输出结果后分析能更加详细。

运动部分，OPPO Watch X3 针对运动场景做了优化，OPPO 调整了手表底盖 LED 和 PD 视窗大小来健少光干扰，提升心率数据采集的准度。加上这一代心率算法升级，OPPO Watch X3 的运动心率精准度能够达到 98.3%。

手表内搭载了 L1+L5 的双频 5 星 GPS，支持北斗、GPS、Galileo、GLONASS、QZSS 五星协同，提升定位的精准度和响应速度，能够画出更准确的运动轨迹。

这一代升级了专业跑模式，有更详细的数据分析和指导。内置的「户外跑模式」重点展示乳酸阈心率和乳酸阈配速数据，「爬楼模式」可以直接显示累计爬升层数、预估楼层以及消耗的卡路里数值，模式开启就能够看到。

手表还内置了 100 多种运动模式和 11 种专业模式，以满足不同类型运动用户的运动记录需求。

最后来看看价格，OPPO Watch X3 定价为 2799 元，目前已经上线官网，有三款配色可选。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

苹果家庭硬件负责人离职，加入智能戒指公司 Oura

据彭博社报道，苹果负责家庭设备硬件工程的高级总监 Brian Lynch 已正式离职，加入智能戒指公司 Oura Health，出任硬件工程高级副总裁一职。

Lynch 自 2022 年起主导苹果家庭设备部门的硬件工作，此前还曾担任苹果自动驾驶汽车项目（2024 年终止）的核心工程管理职位。更早期，他曾参与多款 iPod 产品的研发。

据悉，苹果的智能家居业务正处于关键产品推进阶段：一款搭载 AI 与人脸识别功能的智能显示屏、一台配备 9 英寸屏幕的桌面机器人设备，以及一款家庭安防与自动化传感器均在研发之中，Lynch 正是这些产品硬件端的主要负责人。

值得注意的是，报道还提到苹果正在布局多条 AI 可穿戴设备产品线，包括智能眼镜、新一代 AirPods，以及一款可挂在衬衫或项链的 AI 挂坠，三款设备均将搭载计算机视觉摄像头，以向 Siri 提供环境数据。

其中，智能显示屏因 Siri 大规模重构工作迟迟未能完成而多次推迟，目前最早预计于今年 9 月发布；桌面机器人和传感器则计划于明年推出。

这也是苹果家庭硬件团队近年来第二次出现重大人事变动。项目管理副总裁 DJ Novotney 已于 2024 年初离职。目前该团队由 Matt Costello 统领，他同时负责音频工程及 Beats 产品线，向硬件工程高级副总裁 John Ternus 汇报。

Oura 近年来持续从苹果引进人才。这家公司去年完成融资后估值达 110 亿美元，此前已从苹果健康团队挖来首席医疗官 Ricky Bloomfield，其设计总监 Miklu Silvanto 同样有苹果设计部门的从业背景。

过去数月，用户界面负责人 Alan Dye、环境与政府事务负责人 Lisa Jackson 相继离职，前 AI 负责人 John Giannandrea 及总法律顾问也将于今年晚些时候离任。

9999 元起，OPPO Find N6 正式发布

昨天，OPPO 正式发布 Find N6 折叠屏手机，先看价格：12GB + 256GB：9999 元；16GB + 512GB：10999 元；16GB + 1TB 卫星版：11999 元。

• 搭载高通骁龙 8 Elite Gen5（7 核版）+ LPDDR5X 内存 + UFS 4.1 闪存；
• 外屏 6.62 英寸 2616×1140 120Hz LTPO OLED，峰值 3600nit；
• 内屏 8.12 英寸 2480×2248 120Hz LTPO OLED，峰值 2500nit、支持 OPPO AI 手写笔；
• 主摄 200MP 1/1.56” HP5 23mm f/1.8 OIS、长焦 50MP 1/2.75” JN5 70mm f/2.7 OIS、超广角 50MP 1/2.75” JN5 15mm f/2.0、内外屏前摄 20MP f/2.4 21mm、丹霞色彩还原镜头；
• 内置 6000mAh 电池，支持 80W 有线 + 50W 无线充电；
• 钛合金天穹铰链 + 复合玻纤后盖 + 钛合金边框，展开 4.21，合上 8.93mm、重量 225g。

OPPO Find N6 提供金橙、原钛、深黑三个配色，将于 3 月 20 日开售。

相关阅读：第一台「无折痕」手机，为所有「不敢折」的人而来｜OPPO Find N6 评测

等四年终于用上，国行 Apple Watch 房颤历史正式上线

昨天，苹果官宣中国大陆的 Apple Watch 正式推出移动脉率房颤迹象记录软件功能。

相关阅读：专访苹果医学家：房颤患者，为什么应该戴一块 Apple Watch？

被诊断患有心房颤动（房颤）的用户，可以打开房颤历史功能。用户可以查看心率显示房颤迹象的估算频率等重要信息，每周获得通知，了解预估房颤发作频率，通过健康 app 查看详细历史记录，包括可能影响房颤的生活方式因素，如睡眠、酒精摄入、运动等。

用户还可以下载包含详细房颤历史记录和生活方式因素的 PDF 文档，轻松共享给医护人员，以进行更深入有效的交流。

这个功能适用于 Apple Watch Series 6 及后续表款、Apple Watch Ultra 及后续表款和 Apple Watch SE 2，在 2022 年 6 月 7 日的 WWDC 上，随 watchOS 9 系统正式宣布推出，至今已四年。

曝 iPhone 19e 在 2028 年迎来高刷屏

据韩国媒体 ZDNet 报道，苹果计划在 2028 年春季推出的 iPhone 19e 上，首次为其低价系列产品引入 120Hz LTPO OLED 显示屏。

按照苹果在 e 系列产品上的一贯策略，新机很可能沿用旗舰机型的「降级」面板以控制成本。

报道称，iPhone 19e 预计将采用与 iPhone 17 相同规格的 6.3 英寸 LTPO OLED 面板，分辨率为 2622 × 1206，刷新率可在 1Hz 至 120Hz 之间动态调节，全屏亮度达 1600 尼特，峰值 HDR 亮度为 3000 尼特。

在更高端的产品线上，苹果据悉正在研发 LTPO+ 技术，计划用于 2028 年的旗舰机型。LTPO+ 在功耗与亮度方面均优于现有的 LTPO 方案。

雷军谈很早停售第一代 SU7：牺牲销量也不愿背刺老车主

昨天，雷军发布《答网友问（第二集）》，就外界关注的小米汽车相关问题作出回应。

视频中，针对第一代 SU7 较早停售一事，雷军坦言此举「确实对我们前三个月的销售产生了影响」，但他表示「不想背刺老用户」，这是做出该决定的核心原因。

回顾过去两年小米汽车的发展历程，雷军用「跌宕起伏、冰火两重天」来形容，称「所取得的成绩远超想象，但我们也收到很多批评和质疑，有些批评也是非常中肯的，但也有很多误解」。

他还表示，作为后来者，小米汽车「还有很长的路要走」，「造车是一场马拉松」。

荣耀手机偷偷涨价，起步价最高上调 500 元

昨天，荣耀悄然对旗下多款机型完成了价格调整。

据悉，此次涉及调价的机型共四款：荣耀 WIN RT、荣耀 500 标准版、荣耀 X70 起步价均上调 300 元，分别调整至 2999 元、2999 元和 1699 元；

入门机型 Play 10C 涨幅更为明显，整体上调 450 至 500 元，4+128GB 起步配置现价 1099 元，而其发售价仅为 649 元。目前部分机型配置仍处于缺货状态。

与此同时，荣耀商城还上架了荣耀 500 和荣耀 X70 的焕新版。荣耀在线客服对此解释称，荣耀 500 焕新版「是基于新的成本采购和新元器件生产的全新机器，用于区分产品名称」。

荣耀 X70 焕新版仅将软件版本升级至 MagicOS 10.0，硬件配置不变。

此前，OPPO、vivo、三星等厂商均已相继宣布调整部分机型的建议零售价。

OpenAI 发布「最强小模型」GPT-5.4 mini 与 nano

今天，OpenAI 正式发布了 GPT-5.4 mini 与 GPT-5.4 nano 两款新模型，官方称其为「迄今为止能力最强的小型模型」。这两款模型将 GPT-5.4 的核心能力引入更轻量的架构，专为高吞吐量、对延迟敏感的工作负载而设计。

• GPT-5.4 mini 在代码编写、推理、多模态理解及工具调用方面均较 GPT-5 mini 有显著提升，运行速度提升超过 2 倍。能够快速解析复杂用户界面截图，完成相关操作任务；在多项基准测试中，其表现已接近体量更大的旗舰模型 GPT-5.4；
• GPT-5.4 nano 则是 GPT-5.4 系列中最轻量、速度最快的版本，定位于分类、数据提取、内容排序以及处理简单辅助任务的子智能体场景。在 SWE-bench Pro 上，nano 显著优于上一代 GPT-5 mini。

OpenAI 将这两款模型的核心应用场景定位于「子智能体」架构：由 GPT-5.4 等大模型负责任务规划与最终判定，将具体子任务并行分配给 GPT-5.4 mini 执行，例如代码库搜索、大文件审阅及辅助文档处理。这一模式在 Codex 中已得到实际应用。

定价方面，GPT-5.4 mini 的 API 定价为每 100 万输入 token 0.75 美元、每 100 万输出 token 4.50 美元，上下文窗口为 400K。相比之下，GPT-5.4 的定价为每 100 万输入 token 2.50 美元、输出 15.00 美元，成本差距悬殊。

GPT-5.4 nano 仅面向 API 用户开放，定价更低，每 100 万输入 token 0.20 美元，每 100 万输出 token 1.25 美元。

任天堂 Switch 2 升级新增「官方超频」模式

任天堂 Switch 2 昨日推送了 22.0.0 版本系统更新，其中最值得注意的是「掌上模式增强」功能。开启后，以掌机模式或桌面模式游玩时，任天堂 Switch 将能以与底座模式相同的性能运行。

不过，该功能目前仅支持上代 Switch 的软件，Switch 2 原生软件则暂不支持。任天堂同时提示，虽然此功能可改善画面表现，但会相应增加主机功耗。用户需前往「系统设置 → 主机 → Switch 软件的运行模式」手动开启该选项。

英伟达 DLSS 5「AI 垃圾」引发玩家强烈反弹，黄仁勋：你们完全错了

英伟达 CEO 黄仁勋在 GTC 2026 大会的问答环节中，正面回应了玩家对 DLSS 5「AI 垃圾」的批评，直言「他们的说法完全错误」。

对于改变游戏艺术风格的质疑，黄仁勋在回应 Tom’s Hardware 记者时表示，DLSS 5 将几何体、纹理等游戏内容的可控性与生成式 AI 融合在一起，「不是在帧层面的后期处理，而是在几何层面的生成式控制」，开发者可以「对 AI 进行微调以适应自己的风格」，艺术上的掌控权不会因此改变。

他将这套机制称为「内容控制生成式 AI」（content-control），强调输入数据来自开发者提供的 3D 骨架、运动向量和场景深度等结构化信息，而非无依据的「猜测式」生成。

与以往主要用于提升分辨率和帧率不同，DLSS 5 借助神经渲染技术，能够直接改变游戏画面表现，为角色头发、面部、游戏环境和光照添加细节，黄仁勋将其称为图形领域的「GPT 时刻」。

然而，这项技术的亮相却引发了意外强烈的负面反响。在《生化危机：安魂曲》的演示对比中，启用 DLSS 5 后角色格蕾丝的嘴唇更丰满、妆容更浓重，整体呈现出明显异于原版的质感；《星空》中的角色和环境也出现了类似的「AI 美化」效果。

大量玩家在社交媒体和 Reddit 上批评这是「AI 垃圾」，认为该技术会让游戏画面趋于同质化，抹杀艺术家的原创意图。

B 社（Bethesda）随后也在回复科技媒体 Digital Foundry 相关文章时发表声明，承诺目前展示的仅为「非常早期的版本」，美术团队将进一步调整光照与最终效果，所有 DLSS 5 效果均由美术团队把控，且对玩家而言「完全可选」。

微软电脑管家上线「一键卸载龙虾」功能

据快科技报道，微软电脑管家昨日宣布上线「一键卸载龙虾」新功能，目前已支持 OpenClaw 与 EasyClaw 两款平台，后续将陆续覆盖更多「龙虾」平台。

对于暂时不想彻底卸载的用户，微软电脑管家还提供「一键停止」功能，可自动识别并停止本地龙虾相关进程与服务，同时确认相关端口已释放，不再对外暴露。

官方表示，使用上述功能前，需将微软电脑管家更新至 3.20.7.0 及以上版本。目前新功能正在灰度上线中。

360 回应「安全龙虾」安装包意外暴露 SSL 私钥

据界面新闻报道，360 公司近日就旗下产品「360 安全龙虾」私钥泄露事件作出正式回应，表示已第一时间吊销涉事 SSL 证书，目前该证书已完全失效，普通用户不受影响。

360 方面解释，此次泄露源于产品发布环节的操作失误，导致内部域名的网站证书被意外打包至公开安装包中。公司已启动内部排查流程，并将进一步优化安全管理机制，防范类似疏漏再次发生。

上周，360 集团宣布推出「360 安全龙虾」智能体应用客户端及「360 安全龙虾 Box」硬件终端，核心功能是降低 AI 智能体的本地部署门槛。

同日，360 在总部园区特设免费装「龙虾」活动，创始人周鸿祎亲赴现场为用户演示安装部署流程。

然而两天后，安全社区研究人员在解压该产品安装包时，发现其特定路径下存在明文存储的泛域名 SSL 证书及对应 RSA 私钥。

私钥一旦泄露，攻击者理论上可借此伪造相关域名的 HTTPS 服务，实施中间人攻击，进而窃取用户数据或传播恶意程序。

不过，蓝点网的报道也指出，这份证书仅用于 *.myclaw.360.cn，这个域名仅监听 127.0.0.1 回环地址，不对外提供访问，因此没有安全风险。

阿里钉钉发布企业级 Agent 平台「悟空」

昨天，阿里巴巴正式发布全球首个企业级 AI 原生工作平台「悟空」。

据介绍，悟空是一款独立应用，即日起开启邀测，也会直接内置到钉钉之中，全面支持连接用户在企业中的钉钉账号、安全访问权限和应用系统。

• 其内置企业级运行环境，AI Agent 自动继承企业权限规则，所有操作在安全沙箱中运行，token 消耗与成本实时可见。悟空 Agent 能够原生操作钉钉上千项能力，而非模拟人类点击图形界面，实现「沟通即执行」；
• 悟空同步推出 AI 能力市场，提供从开发、审核、上架到分发的全链路体系，并全面兼容开源 Skill 体系，目标打造「全球最大的 toB Skill 市场」。
• 悟空还发布了 OPT（One Person Team，一人团队）十大行业解决方案，首批覆盖电商、跨境电商、知识类博主、开发、门店、设计、制造、法律、财税、猎头十大场景。

钉钉 CEO 陈航在发布会上表示：「今天，我们把钉钉打碎，用 AI 重建，炼出『悟空』。过去是人用钉钉来工作，未来是 AI 用钉钉来工作。」

在全球化布局上，悟空后续将支持连接微信、Slack 等全球主流 IM 平台，用户可在电脑和手机上远程唤起悟空完成工作。

相关阅读：刚刚，阿里ATH事业群甩出王炸「悟空」！企业级正规军下场，龙虾们这次真要炸了

尼康召回部分 Z6 III、Z5 II 和 ZR：制造缺陷或致相机故障

据 PetaPixel 报道，尼康昨天正式发布技术服务公告（TSA），确认部分 Z6 III、Z5 II 和 ZR 相机存在制造工艺问题，可能导致相机无法正常使用。

尼康已确定受影响产品的序列号范围，并承诺无论是否在保修期内，均提供免费维修服务，同时承担往返运费。

根据尼康美国官方公告，此次问题涉及特定批次的 Z6 III、Z5 II 和 ZR 机型，官方表示已锁定受影响的序列号区间。

用户可通过相机后背显示屏背面的机身标签查询序列号，并前往 nikonusa.com/service-advisories/z-tsa-3-2026 核查自己的设备是否在召回范围之内。尼康方面目前未披露具体故障原因，也未公布受影响设备的总数量。

值得注意的是，由尼康映像仪器销售（中国）有限公司及中国大陆授权经销渠道销售的 Z6 III 和 ZR 相机不在此次召回范围之内，用户可放心使用。

Netflix 联席 CEO：AI 不能只让影视「更便宜」，必须让内容「更好」才有意义

据《商业内幕》报道，Netflix 联席 CEO Ted Sarandos 近日在接受 POLITICO 采访时表示，AI 对影视行业的真正价值并不在于降低成本或加快生产速度，而在于能否切实提升内容质量。

更快更便宜，如果做出来的东西没有更好，那就毫无意义……现在是媒体史上竞争最激烈的时期，每一次出手都必须比上一次更好。

Sarandos 将 AI 定位为「创作者的工具」，类比于影视制作工具长期以来的技术演进。他强调，优质内容的产出依然离不开编剧、演员和灯光技师等人类创作者，AI 的角色是辅助而非取代。

在配音领域，Sarandos 明确指出 AI 目前仍无法替代人类演员。

配音最重要的部分是表演，而表演是极具人类属性的能力。用 AI 配音确实便宜得多，但没有表演质感，反而会拉低整部作品的品质。

不过他同时看到了 AI 在该领域的务实应用空间——利用 AI 技术在拍摄结束数月后补录台词，无需召回全体演员重新录制，从而提升后期制作的灵活性与最终质量。

45.99 万元起，岚图泰山 Ultra 下线交付

昨天，完成 L3 级道路实测与极限挑战的岚图泰山 Ultra 宣布下线交付，官方售价 45.99 万元；岚图泰山黑武士同步上市，售价 50.99 万元。

• 两款车型均搭载全车 34 颗感知传感器，包括 4 颗激光雷达与 5 颗 4D 毫米波雷达，构成 360° 全天候感知网络；
• 在转向、制动、电源、通讯、感知五大关键系统上均实现全冗余设计，以应对 L3 级有条件自动驾驶对系统可靠性的更高要求；
• 采用华为乾崑智驾 ADS 4.1 智驾方案，搭载魔毯底盘、双向 16° 后轮转向及三腔空气悬架；
• 均搭载岚海智能超混系统，配备 65 度大电池与 5C 超充技术，并配合专属混合热泵系统，官方称可在零下 40℃ 极寒环境中稳定运行。

泰山黑武士在此基础上着重强调工艺与美学表达，以「藏锋」为设计哲学，采用航空级碳纤维套件、PVD 工艺天地星芒轮毂（历经 10 道工序）、手工编织 598 颗灯珠星空顶，以及可实现 10 档精细调节的智能调光玻璃。

最强「龙虾」模型上车：极氪 8X 首发搭载阶跃星辰 Step 3.5 Flash

在昨天的英伟达 GTC 2026 大会上，吉利汽车集团正式发布超级 Eva——一个打通智能座舱、智能辅助驾驶与数字生态的超级智能体，极氪 8X 将首发搭载，成为国内首款实现类「Grok 上车 Tesla」原生 AI 体验的量产车型。

超级 Eva 由吉利、千里科技与阶跃星辰联合研发，其核心驱动来自阶跃星辰自研的 Step 3.5 Flash 基座模型。超级 Eva 与智能辅助驾驶、底盘、动力等底层系统原生融合，能够主动理解模糊指令并自主规划执行。

用户只需说「带我去接孩子放学，顺便帮我找一家麦当劳，5 点前我要到学校」，超级 Eva 便可精准解析意图、自主规划路线，完成行车、途经麦当劳、到学校门口自主泊车等全链路操作，无需依赖明确的逐步指令。

百度发布「龙虾」全家桶：手机、电脑、家居全覆盖

百度昨日在 AI DAY 活动现场正式发布了旗下「龙虾」系列 AI 智能体产品全家桶，涵盖桌面端、移动端、云端及家居端多个场景。包括四款核心形态：

• 桌面端的 DuMate 主打全链路办公自动化，具备企业级安全管控能力，并能持续学习用户工作习惯；
• 移动端的 RedClaw（原「红手指 Operator」正式更名）主打零部署、零配置，支持跨 App 交互，面向通勤、出差等移动使用场景；
• 云端的 DuClaw 以订阅制提供一键部署能力，降低使用门槛；
• 小度科技则发布了全球首款「家用小龙虾」，将 OpenClaw 的复杂任务能力引入家庭空间，支持全家人共用，并实现线上线下全链路打通。

在 Skills 生态方面，百度智能云展示了搜索、伐谋、秒哒三大技能。

• 搜索 Skill 专为生成式 AI 提供实时全网检索服务；
• 伐谋 Skill 面向科研与算法场景，支持算法自演化、实验管理与结果可视化；
• 秒哒 Skill（Miaoda App Builder）已作为 API 开放，用户通过自然语言即可完成网页、小程序及游戏的创建与发布。

安全机制方面，百度安全副总经理冯景辉介绍，安全体系覆盖数据层至系统层、云端至移动端，核心原则包括环境隔离、技能管控、权限控制与记忆管理，确保智能体仅访问最小必要数据，权限可审计、可控制。

理想汽车发布下一代自动驾驶大模型 MindVLA-o1

理想汽车昨日在英伟达 GTC 2026 大会上发布下一代自动驾驶基础模型 MindVLA-o1。

该模型以原生多模态 MoE Transformer 为核心，将视觉、语言与行动决策统一至同一架构，是理想辅助驾驶技术自 2021 年自研以来最大规模的架构升级。

• 看得更准：引入 3D ViT Encoder 与激光雷达点云融合，模型能在单一表示中同时理解语义与三维空间结构，对复杂路况的感知能力显著提升；
• 判断更深：模型具备「多模态思考」能力，可在隐空间中提前模拟未来几秒的场景演化，驾驶决策不再只是对当前画面的反应，而是基于对未来的预判；
• 行驶更稳：统一行为生成机制结合并行解码与离散扩散优化，生成的驾驶轨迹在空间连续性和时间稳定性上更有保障，实际驾驶体验更顺滑；
• 迭代更快：闭环强化学习框架使训练成本降低约 75%，意味着理想可以更频繁地通过 OTA 推送能力更强的辅助驾驶版本；
• 部署更高效：软硬件协同设计将架构探索时间从数月压缩至数天，新模型上车的周期大幅缩短。

理想汽车表示，该框架未来还将扩展至机器人等物理系统，自动驾驶只是其更大野心的起点。

索尼发布首款 LOFIC 传感器 IMX908

昨天，索尼半导体解决方案公司发布了面向安防摄像头领域的全新 CMOS 图像传感器 IMX908。

• 采用 1.45μm LOFIC（横向溢流积分电容）像素技术，支持 4K 分辨率拍摄，并可在单次曝光下实现 96dB 的高动态范围。
• 搭载索尼自主研发的「STARVIS 3」LOFIC 像素技术，相比上一代 1/2.8 英寸产品 IMX778，饱和电荷量提升约 20 倍，低照度性能（SNR1s 指标）改善约 27%，达到 0.53 lx。
• 图像尺寸为对角线 6.42mm（1/2.8 英寸），有效像素约为 840 万（3856 × 2180），帧速率最高支持 90fps（10bit），输出接口为 MIPI D-PHY 2/4 Lane，并支持 Clear HDR、DOL 等多种 HDR 模式。

索尼表示，IMX908 的推出意在满足传感器在复杂光照条件下稳定输出高质量图像的要求，并计划持续扩大兼顾高分辨率与高动态范围的安防传感器产品线。IMX908 样品预计于今年 3 月末开始发货。

1799 元起，浩瀚发布 MT3 系列 AI 稳定器

昨天，浩瀚 Hohem 发布旗舰新品 MT3 系列相机稳定器，定位「专业创作 AI 稳定器」，其中 MT3 Pro 是全球首款支持任意目标追踪的相机 AI 稳定器。

MT3 Pro：

• 承重 2.5 kg，官方实测可完美适配 Sony A7M5 + FE 24-105mm F4、Canon R5 II / R6 III + RF 24-70mm F2.8、Nikon Z7 II / Z8 + Z 24-70mm F2.8 等主流全画幅标准变焦组合，并可同时承载麦克风、跟焦器等专业配件；
• 增稳系统升级至第十代 iSteady，电机扭矩较上一代提升 40%；
• 内置 200 万像素 AI 摄像头与百万级场景 AI 大模型，追踪能力从传统的单一人像扩展至任意目标，如车辆、宠物、静态建筑；
• 搭载可拆卸监看控制器和 1.4 英寸触控彩屏，支持 10 米范围内无线监看，搭载第二代原生横竖拍快切功能；
• 支持 20 小时长续航，快充 30 分钟可续航 5 小时。

此外，浩瀚同步推出标准版 MT3，定位「轻量创作 AI 稳定器」，以 765 克机身集成 AI 追踪构图、特氟龙顺滑调平、横竖拍快切及四合一兼容等功能。

定价方面，MT3 Pro 售价 2399 元，首发价 2299 元；套装版 MT3 Pro Kit 售价 2999 元，首发价 2899 元；标准版 MT3 售价 1799 元。

Beats x Nike 推出联名版 Powerbeats Pro 2

昨天，Beats 与耐克宣布推出耐克特别版 Powerbeats Pro 2，这也是 Beats 历史上首次在产品硬件上与合作品牌共享 Logo 位置。

新品采用荧光黄与哑光黑配色，右耳机刻有耐克 Swoosh 标志，左耳机保留 Beats 标志性的「b」字 Logo，两个品牌在硬件上各占一席。充电盒外壳带有黄色点缀，盒盖内侧印有耐克经典口号「JUST DO IT」。

在性能规格上，耐克特别版完整继承了标准版 Powerbeats Pro 2 的全部配置：IPX4 级防汗防水、高强度运动中也能稳固贴合的耳挂设计，以及内置心率传感器。

目前，Beats 与耐克均未公布该款产品的零售价及发售时间。作为参考，标准版 Powerbeats Pro 2 在国内售价为 2099 元，联名款价格或略高。

星巴克推出「茉莉100」系列

昨天，星巴克官宣春季限定「茉莉100」系列饮品正式上市，主打「一杯饱含100朵茉莉的天然花露」。

本次推出的三款饮品为茉莉100拿铁、New茉莉100美式以及New茉莉100碧螺春茶拿铁。其中，碧螺春茶拿铁使用了千目研磨的碧螺春茶粉，并在顶部搭配了茉莉花造型的巧克力装饰。

据悉，该系列饮品的「天然花露」萃取自中国广西横州的双瓣茉莉。每杯标准份饮品所含的茉莉花露，其风味物质约来自100朵茉莉花。

周深献唱《挽救计划》中文主题曲

科幻惊悚电影《挽救计划》昨日宣布，歌手周深将为该片献唱中文主题曲，歌曲将于今天正式上线，影片将于 3 月 20 日上映。

《挽救计划》改编自科幻作家安迪·威尔（Andy Weir）于 2021 年出版的同名畅销小说，由菲尔·罗德（Phil Lord）与克里斯托弗·米勒（Christopher Miller）联合执导，《火星救援》编剧德鲁·戈达德（Drew Goddard）操刀剧本。

故事讲述一名普通中学教师瑞恩·格雷斯（Ryland Grace）在太阳遭外星微生物「光噬菌」侵蚀、地球面临灭顶之灾的背景下，被强制送入太空执行孤注一掷的拯救任务，并在旅途中意外结识来自另一星系、同样深陷困境的外星工程师「洛基」（Rocky），两者携手破解科学谜题、共同寻找希望的故事。

《小黄人大眼萌 3》公布配音阵容

据博主「守望好莱坞」消息，《神偷奶爸》衍生动画电影《小黄人大眼萌 3》正式公布配音阵容，多位好莱坞知名演员加盟。

确认参演的配音演员包括艾莉森·珍妮、克里斯托弗·瓦尔兹、杰夫·布里吉斯、杰西·艾森伯格、佐伊·达奇及特雷·帕克，另有一位演员信息尚未完全披露。

本片故事背景设定于 1920 年代的好莱坞，讲述小黄人们追逐演艺梦想、试图拍摄一部怪兽电影的冒险经历。影片定于今年 7 月 1 日在北美正式上映。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

一百多年的汽车工业史经历过几次明显的代际更迭。早期的机械结构解放了人类的体力，随后的宽大空间与舒适配置改善了出行体验。到了当下的 AI 时代，智能技术要解决的核心议题，是把人在车里的时间真正还给生活。

在今晚的广州南沙大湾区文体中心，启境汽车 CEO 刘嘉铭在发布会开场阐述了这段行业观察。

这个由广汽集团与华为乾崑联合打造的全新品牌正式公开亮相。作为双方合力的首款量产车型，定位智能猎装轿跑的启境 GT7 在今晚完成了首秀。

华为乾崑和车企联手打造出来的产品，其实已经并不少见了，我们好奇的是，启境这次拿出来的 GT7，和以往的产品相比到底有何不同。

广汽定好机械下限，华为乾崑负责智能体验

启境 GT7 整车的物理参数，能够非常直观地体现在它的车身姿态上。

为了在一台底部塞满电池的新能源车上压低视觉高度，启境的工程团队在比例上定下了颇为严苛的指标。

根据官方提供的数据，启境 GT7 实现了 4 倍的轮轴比，车高严格控制在低于两倍轮高的范围内，整车轴长比达到了 59.4%。

启境 GT7 具体的长宽高数据分别为 5050mm、1980mm 与 1470mm，搭配 3000mm 的轴距以及车尾 21.5° 的倾角设计。这套外观方案在保留座舱内部物理空间的前提下，尽可能地减弱了电动车由于底盘厚度带来的臃肿感。

它的前机盖采用了一整块宽度达到 1975mm 的一体冲压全铝材料。发布会上专门提到，这是目前行业同级车型中最宽的全铝蚌式机盖。

为了承载宽大的车身，启境 GT7 的底盘用料给到了比较高的规格。

新车全系标配双腔空气悬架，并且配备了 21 寸黑色运动轮毂以及德国大陆四活塞固定卡钳。原厂的倍耐力 P Zero 轮胎选用了前轮宽 255 毫米、后轮宽 275 毫米的方案。

这样的胎宽搭配通常出现在追求动态表现的车型上，与 GT7 猎装轿跑的定位倒是比较契合。

在传统的机械底盘之上，华为乾崑主导的光学感知硬件构成了车辆的智能基础。启境 GT7 搭载了华为乾崑 896 线双光路激光雷达，没错，就是新款尊界 S800 和问界 M9 用的那颗。

在行业主流配置还停留在一百到两百线左右的阶段时，这个硬件参数确实拉开了明显的量级。长焦和广角两套接收单元同时工作，增加了系统对微小障碍物以及各类异构目标的物理探测距离。

配合这颗高规格雷达，整车配备了面向 L3 级自动驾驶的底层硬件冗余架构。系统将主动安全和被动安全等功能整合在一起，构成了一套覆盖整车的防护机制。

外部的光学配置也延伸到了车灯交互层面。

启境 GT7 车头配备了一套双百万像素投影大灯，尾部则采用了分段式漫反射光源。和特斯拉 Model Y L 尾灯那种整体的漫反射效果不太一样，启境 GT7 在这里做成了分段式的结构。此外车身外部还专门设计了华为 ADS 小蓝灯。

华为智能汽车解决方案 BU CEO 靳玉志在现场专门强调，这是目前市面上能够见到的最大尺寸的小蓝灯。

坐进车内，头顶那块 2.2 平方米的全景天幕承担了物理防晒的任务。它采用了三层纳米镀银工艺并结合 PDLC 分区智能调光技术，乘客可以直接在屏幕上划定区域迅速调整透光率。

座舱内部的交互核心落在了新一代小艺智能体，大概可以把它理解为启境的 NOMI——中控区域放置了一个支持多角度旋转和点头动作的实体模块。

动力上，启境 GT7 规划了纯电和增程两种路线。纯电版本基于 800V 高压平台打造，搭载由宁德时代与华为联合定制的新一代麒麟电池，最高支持 6C 快充技术。

车辆的动态控制交给了首发搭载的华为乾崑赤兔平台。

发布会上，靳玉志提到，GT7 的底盘标定由一位来自欧洲的「大师」负责。至于是哪位大师他并未透露，只是讲到这位大师参与过迈凯伦和阿斯顿·马丁的调校工作。

他随后对这款底盘表现给出了非常直接的评价：「我们内部测试完以后，对它的评价是弯道王、跑山王、麋鹿王。」

广汽握紧主导权，三年推出五款新车

启境 GT7 能够最终落地，依靠的是广汽和华为摸索出的一套全新合作机制。

启境汽车 CEO 刘嘉铭在发布会上聊到了一些双方前期磨合的细节。

他表示，为了这个项目，广汽倾注了集团内部最高优先级的资源，华为乾崑也直接安排了几百人的精锐研发团队前往广州常驻。

面对汽车与科技产业思维方式的天然差异，早期的激烈争论在所难免。但这套全链条合署办公的模式，确实打破了传统车企与技术供应商之间的沟通壁垒。

双方团队在产品定义初期就早早完成了技术对接。凭借全面引入的 IPD 集成产品开发体系，这台智能汽车的开发周期被大幅压缩到了 18 到 24 个月内。

在具体的市场规划上，启境把目光明确锁定了 30 万元以上的高端新能源区间。面对如此高规格的合作，如何界定两家巨头的主次关系一直是行业关注的焦点。

从目前的治理架构来看，广汽集团掌握着启境绝对的品牌主导权。官方对外的规范标识统一采用了华为乾崑与启境的字样组合，中间那道竖线划定了整车所有者与技术赋能方之间的边界。

在这个框架下，华为负责提供智能技术底座，广汽则把控整车制造与品质体系。

这种由车企掌握绝对主导权的思路，同样延续到了销售渠道的建设路线上。

启境没有选择全面进驻华为零售门店，而是决定建立完全独立的专属销售服务网络。根据官方公布的规划，启境目前已经在全国 76 个核心城市启动了 300 多家专属门店的建设。到了下个月，启境 GT7 就会陆续进驻各地的门店开启实车展示与体验。

渠道铺开之后，剩下的就是新产品的投放节奏。

启境官方在发布会最后给出了一个相当紧凑的时间表：

今年年内，品牌的第二款新车就会正式发布，那会是一台主打内部宽适空间的中大型 SUV。另外，启境还会在未来三年内推出 5 款全新车型，来快速覆盖高频的家庭出行与个人驾驶需求。

至于启境 GT7 的更多具体信息，4 月份的北京国际车展将会是下一个重要的时间节点。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「平坦」一直是我们对于屏幕的追求。

这种从 CRT 延续到 LCD、再到 OLED 的追求，在折叠屏的时代的重要性，更是有过之而无不及。

只不过碍于折叠屏的形态，「平坦」和「弯折」这两个词在过去就像水火不容一样，始终无法在手机上找到平衡点。

——直到我们遇见了手里这台 OPPO Find N6。

「无感折痕」为谁而来

在爱范儿拿到这台 Find N6 评测样机、几位编辑轮流当主力机使用过后，竟然罕见地达成了共识：

「无感折痕」的真正受众，不是折叠屏用户，而是没用过折叠屏、仍在犹豫的观望用户们。

道理也很简单，人们对于折痕的观感，会因为视角不同产生天差地别的变化——

比如从正常使用手机的角度观看亮屏的折叠屏时，只要没有强烈的条状光源或者反射，用户自己是完全看不到折痕的：

但如果以路人的视角，斜着看过去，原本不深的折痕也会因为光线折射的缘故，产生比实际深好几倍的视觉效果：

▲ 某友商折叠屏

此时再看相同角度的 Find N6，浅到几乎不可见的折痕，一下就拉开了和上面对照组的差距：

根据 OPPO 的介绍，Find N6 之所以能够做到「莱茵 TÜV 认证」的无感折痕，主要是通过优化铰链支撑结构，以及改良屏幕玻璃基材实现的。

其中，对于起到支撑作用的铰链中板，OPPO 通过重复 3D 扫描 + 超高精度喷射打印 + 紫外固化的流程，尽可能消除了铰链中板上的微观凹凸结构：

至于 Find N6 的「新款天穹记忆玻璃」——虽然名字很唬人，但本质是借助新的超薄玻璃（UTG）基材和叠层技术，减小了屏幕复合层在折叠时发生的拉扯和蠕变。

更加耐人寻味的是，Find N6 的新屏幕材料还可以让内屏和记忆金属一样，展开静置的时候缓缓「回弹」，淡化已有的折痕。

换言之，Find N6 的折痕之所以「无感」，还真不是展开或者合拢某个瞬间的事情，而是由使用期间每时每刻的细微变化构成的。

至少对于爱范儿编辑部几位用折叠屏做主力机的编辑来说，Find N6 的折痕表现难得地获得了一致好评。

而有了这样一块字面意义上「一马平川」的屏幕之后，Find N6 也带回了一个我们曾经非常熟悉的配件——手写笔。

具体来说，Find N6 借助更平整的屏幕，重新打通了手写笔 + ColorOS 全景自由窗的组合，让折叠屏分屏和小窗的好用程度更上一层楼。

毕竟折叠屏手写笔最大的敌人，就是划过折痕时带来的不安感。

而当折痕同时在「视觉」和「触觉」上消失之后，用笔尖在上面书写的芥蒂也就随之消失了：

此外，Find N6 的手写笔也扮演着和 ColorOS AI 功能交互的统一入口的角色。

通过「按住笔杆按钮圈选」的动作，就可以在几乎任何种类的内容上呼出 AI 功能窗口——圈住手绘的表格、脑图和文字，就可以一键转换成电子版图表：

▲ 录屏经过加速处理

甚至你还可以用它来画画。比起文生图模型需要你绞尽脑汁地描述画面，甚至上传参考图；在 Find N6 上你可以直接用笔画个线稿，然后圈选并告诉 AI 生成指定风格的图片：

▲ 录屏经过加速处理

作为一个每日高强度网上冲浪的用户，已经可以想象到这个功能在生成表情包时候的恐怖效率了。

除了这些生成式功能之外，Find N6 的手写笔在日常记录方面也有一些让人「爱不释手」的功能。

比如在评测期间，我们使用最多的就是 AI 字迹美化，可以让开会时随手写下来的灵感和想法变成工整、清晰的正式记录。

这样无论是阅读还是 OCR 转文字，效率都是大增：

▲ zh-MS

可惜这个功能目前的效果还比较简朴，只能优化「水平排版的简体中文和英文」，不支持繁体或者竖排文本。

不过需要注意：这次的 OPPO AI 手写笔是一个需要单独购买的配件，折叠键盘也是。两者售价均为 549 元，首销优惠价为 499 元：

影像不弱，但 N3 难再

虽然我们对 Find N6 的整体评价偏向正面，但在影像这个旗舰机的兵家必争之地，它的表现依旧需要重点拎出来聊聊。

Find N6 背面基本延续了上一代简洁利落的 Deco 风格，最大的改动反而是布局——

在 Find N5 的评测里，我们曾吐槽「把闪光灯硬塞进镜头模组是个败笔」。Find N6 由于丹霞色彩还原镜头的加入，闪光灯又回到了背面角落，值得好评。

而我们也可以大胆猜测：这种闪光灯位于机身角落凸起的设计，估计会成为接下来 OPPO Find X9 Ultra 和 X10 系列的标准。

有了丹霞色彩还原镜头的加入，Find N6 的后置镜头也来到了熟悉的四摄阵容，分别是：

• 5000 万像素超广角镜头
• 两亿像素主摄
• 5000 万像素潜望长焦镜头
• 丹霞色彩还原摄像头

纸面配置看起来不错，落到实际出片表现如何呢？

对主摄来说，虽然比不上一英寸大底的扎实感，但有两亿像素兜底，哪怕是裁切到 28 或 35mm 这种经典人文焦段，画面解析力依然经得起放大细看：

Fine N6 的长焦原生焦段是 3 倍，光圈来到了 f2.7，并且在近距离拍摄时可以提供一定的微距能力，背景虚化过渡也还不错。

此外，OPPO 还在这颗 3 倍长焦的基础上给出了一个类光学变焦的 6 倍选项，与超广角、1 倍、3 倍组成四个预设焦段。

等效 139mm 的焦段可以提供强烈的画面空间压缩感。实测素质相比 iPhone 17 Pro 上的 8 倍变焦稍弱，但作为一台折叠屏的拓展焦段，基本可以满足日常使用。

不过用折叠屏拍照，不只是硬件素质决定的，体验也是不可忽视的一环——不知道有多少人跟我有同感，非常排斥展开内屏拍照。

按理说，用大屏幕取景应该很震撼。但现实恰恰相反，取景框预览的画质会随着尺寸陡然变大而剧烈劣化：

▲ 使用相同倍率放大

这不仅是 OPPO 面临的问题，更是整个折叠屏行业的通病——要在这么大的屏幕上跑满预处理算法，手机的功耗和发热根本压不住。

理智上，我完全理解这种算力与功耗的平衡术。

但在实际体验中，展开一台万元折叠屏，取景框观感却只有个 720P，的确很影响拍照时的「心流」。

在功能生态上，Find N6 几乎照搬了当家的 X9 系列的全部家当。其中最直观的感知，在于丹霞色彩还原镜头这个硬件的加入。

面对霓虹闪烁或明暗交错的复杂光线，Find N6 的色彩表现比上一代 N5 稳了太多；配备哈苏自然色彩科学的大师模式也如约而至。

另一个细节是，根据我们实测来看，Find N6 的 XPAN 模式似乎悄悄换了底层逻辑，默认调用的不再是常规算法，而换成了大师模式的内核，行为更接近传统相机的「全局测光」。

换句话说，Find N6 的 XPAN 模式相比前代，光影过渡显得更自然、更有质感了不少：

有趣的是，在 OPPO 折叠屏手机的报道中，评论区永远有人在怀念 N3。

这部三年前发布的手机将彼时接近旗舰的硬件塞到了手机背面，给不少读者留下了深刻印象，但很遗憾——

Find N3 推出的年代，折叠屏这个形态还在探索的路途中，各家厂商各有下注，颇有「乱拳打死老师傅」的试探感。

这也才有了 N3 作为折叠屏，竟然有双层晶体管像素技术的 LYT-T808 做主摄、超广角与长焦尺寸都处于第一梯队或领先的盛况。

而时至今日，跳出单款产品去看整个折叠机大盘，目前悬在厂商头顶的达摩克利斯之剑已经得到共识。

在越来越薄的机身里，折痕的优化、电池密度的突破以及系统交互的易用性这些关乎日常体验的痛点被彻底抹平之前，影像性能的优先级只能被迫让步。

等待地基彻底打牢，高楼才能平地而起。

当年 Find N3 试图在折叠形态下打造巅峰影像的疯狂，可能短期内很难重演。

折叠屏的入坑机

实话说，相比去年突破厚度极限的 Find N5，今年的 Find N6 实际上在尺寸三围与 N5 并无差异，背板从素皮换成玻纤带来的减重倒是实打实的。

但在相同的机身里，Find N6 塞下了一块 6000 毫安时的电池、全局峰值亮度 1600 尼特的内外双屏、IP58/59 防水，以及最重要的——

一块几乎可以算是「无可感折痕」的屏幕。

从各个角度来看，这都是那些之前对折叠屏持犹豫态度的人真正「入坑」的好时机：几乎和直板机相同表现的电池，有独特影调的相机，以及终于不再是阻碍的屏幕体验。

同时，ColorOS 在目前的主流折叠屏市场中也算是一股清流。

相比另外几个主打「雍容华贵」和「水土不服」的折叠屏系统，我们认为 ColorOS 是目前综合本地化功能、设计审美和 AI 实用程度之后，能够在折叠屏手机上获得的最佳体验。

当然，折叠屏的体验同样是靠价格换来的。在存储大涨价的时代背景下，OPPO Find N6 的价格算不上有惊喜——

起步版本 12+256GB 售价 9999 元，16+512GB 则来到了 10999 元，顶配的 16+1TB 卫星通讯版更是上探到了 11999 的价位段：

不过对于那些原本就有计划换机的人来说，这样一台功能不瘸腿、审美更青春、影像有兜底，且屏幕体验出奇好的 OPPO Find N6 ，称得上是 2026 年迄今「最适合观望用户入场」的一台折叠屏——

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

今天，苹果为中国大陆的 Apple Watch 带来了一个全新功能：移动脉率房颤迹象记录软件功能。

想要打开「房颤迹象」功能的用户，不需要更新到最新的 iOS 或 watchOS 系统，功能后续会逐步开放。

开启路径如下：打开 iPhone 上面的健康 App，点击底栏「搜索」的放大镜图标（iOS 26）或「浏览」图标（iOS 18 及之前版本），然后在「健康类别」中选择「心脏」一栏，往底下拉就能看到「房颤历史」。

看到这里，你是不是已经准备按照步骤操作开启了？且慢！这个功能没那么简单，屏幕前的你，大概率用不上。

所以，房颤迹象记录究竟是什么？又为谁而来？借着新功能上线之际，爱范儿和苹果健康团队的科学家 Asha Chesnutt 聊了聊。

Asha Chesnutt 博士是一名美国内科医学委员会资格认证的医师，曾经在俄勒冈诊所工作，现任苹果的临床专科医生。

隐形杀手：房颤

在聊新功能之前，先要弄清一个问题：什么是房颤，为什么需要记录它？

我们每个人的心脏中都有一个天然「起搏器」，名为「窦房结」，它会定期发出电信号告知心脏跳动。

当心房出现异常电信号，导致心房与心室的节律失去同步，产生高频但无效的收缩，这就是「心房颤动」，属于最常见的一种心律失常。

正常人的心率一般在每分钟 60–100 次，而房颤患者的静息心率通常会升高到 100–120 次，极端情况下甚至可能达到 300 次。

Nature 的一篇文献显示，亚太地区 2023 年共有 8000 万房颤患者，中国是患病率最高的国家之一，有 3275 万患者，并且这个数字还会不断上升。为了提高房颤预防和认知，每年的 6 月 6 日，都是中国的「房颤日」。

虽然房颤通常被视作是一个「老龄病」，但匹兹堡心血管研究中心调查发现，65 岁以下房颤患者的案例数量占总数四分之一以上，在吸烟、肥胖、高血压、睡眠障碍、精神压力大这些因素影响下，房颤已经开始盯上了年轻人。

更棘手的是，房颤往往具有隐匿性。40% 的患者几乎没有明显症状，仍然可以正常生活；但在部分情况下，也可能出现心悸、疲劳、气短或心跳过快等表现。

真正的风险在于并发症。长期未被发现或治疗的房颤，可能增加血栓、心力衰竭等风险，其中中风的概率会提高约 4～5 倍。因此，及时发现并记录房颤迹象，对预防严重后果尤为关键。

有研究发现，即使为 65 岁以上人群进行常规心电图检查，也没有明显提升房颤的检出率。想要更准确地筛查房颤，往往仍需要依赖更专业的设备，甚至是植入式监测装置。

这也意味着，不少房颤患者在没有明显不适的情况下，难以主动就医，而常规体检也难以及时发现问题。房颤如果长期未被识别和干预，就可能在不知不觉中增加更严重并发症的风险。

首都医科大学附属北京安贞医院心律失常中心主任龙德勇教授认为，许多患者对房颤危害认识不足，除了加强普及和早期筛查，也应推广智能手表这样的可穿戴便携式心电监测设备。

移动心电图房颤提示，以及移动脉率房颤提示，这两个 Apple Watch 功能主要的功能就是「预警」，能够帮助用户识别房颤的心率不齐迹象，相关功能已经在 2021 年随着 watchOS 8.3 和 iOS 15.2 上线国行，在 iPhone 上「手表」App 的「心脏」页面中可以打开。

几乎全天被佩戴在身上的 Apple Watch，即使无法准确检测心脏病问题，也能及时检测到身体细微的病变，提醒用户去进行专业筛查，是对房颤「隐蔽性」的一种辅助解决方案。

但预警仅仅是针对未确诊的大众用户，经过专业医学检查后确诊房颤的患者，他们是一个同样需要帮助的群体。

记录房颤，很重要

这次上线的新功能，全称为「房颤迹象记录」，它不是一个「预警」，而是一个「记录」的功能。

Chesnutt 博士表示，「心率不齐通知」功能与这次更新的「房颤迹象」功能，两者是互斥的，两个只能打开一个。因此对于非患者用户来说，只需要打开房颤提示功能，帮助检测潜在的风险。

开启「房颤迹象记录」后，用户需要一周内至少佩戴 Apple Watch 5 天，每天佩戴时长不低于 12 小时，手表会综合多种参数，估算患者在一周的时间内，有多少比例的时间心脏是处于房颤的状态中，也就是所谓的「房颤负荷」，是针对「房颤」这一疾病的辅助工具。

当收集了足够的数据，Apple Watch 会在每周一显示每周的提示信息，提醒用户前一周出现房颤的时间百分比估算，将这个「隐形杀手」变为「有形记录」。

Chestnutt 博士告诉爱范儿，这个功能的诞生，也建立在苹果长时间以来对数字健康的洞察：

以往，佩戴 Apple Watch 的用户，当它们收到 IRN 的心率不齐的提示，经过专业诊断确诊后，Apple Watch 好像就失去了作用。而「房颤迹象记录」，就是着眼于确诊后继续跟踪和检测相关病情。

针对房颤这个慢性病，长期观测更是治疗的关键。

研究发现，房颤负荷与未来中风风险之间可能存在线性关系，两者之间存在剂量效应，房颤发病时长的累积会带来更高的卒中风险。

因此，医生需要结合患者的房颤负担情况，判断是否需要使用口服抗凝药来预防卒中。

由于房颤发作的症状比较隐蔽，单纯依赖「房颤是否复发」难以全面评估治疗效果，而量化的房颤负荷监测，能够作为心房颤动消融术和其他治疗方案的有效性参考依据。

但房颤是一个「阵发型」的疾病，可能一周只会发作一次，每次只有几分钟，症状也许会相当隐蔽，但患者不可能 24 小时都在医院接受专业的检测治疗，他们需要一个能随身长时间佩戴的检测仪器。

贴片式检测器虽然专业，但体型较大，使用起来也不方便；Apple Watch 不能当作诊断依据，好处在于可以长时间佩戴，并且不会让患者自我感觉像一个病人。

Apple Watch 记录的房颤负荷数据，可以以专业的 PDF 图表数据导出、分享。方便专业的医生参考，根据房颤的发作频率，设计治疗方案。

在专访过程中，Chestnutt 博士多次强调了 Apple Watch 在房颤迹象记录上的准确性。苹果的临床试验中，会将 Apple Watch 和美国食药监局推荐的检测仪器验证对比，两者数据相差不到 1%，这些试验报告都能被公开检索。

据爱范儿了解，在一些大型三甲医院中，包括 Apple Watch 在内的智能手表，已经成为了心血管医生推荐患者佩戴的工具，用来帮助患者进行预警和初筛。

至于 Apple Watch 的房颤迹象检测功能，Chesnutt 博士也认为它能在专业治疗中起到作用：

苹果的所有健康功能，核心作用都是为患者提供更充分的健康信息，让他们在就医时能和医生进行更有依据的沟通，而非替代诊断或医患互动。对于一些患者来说，他们每次就诊的时间很有限，因此为主治医师提供尽可能多的信息很重要。

在传统医疗体系中，房颤管理往往由医生主导，但这种疾病与患者的日常生活习惯密切相关，因此同样需要患者在日常生活中参与。

以往，医生只能建议患者写日志记录，复诊时描述症状，不仅受主观影响，而且也不够准确。要想进行症状的记录，就必须佩戴侵入式的检测仪。

这正是 Apple Watch 能发挥价值的地方。Chesnutt 博士指出，房颤发作和生活方式密切相关，而房颤迹象记录功能，除了收集心脏数据，还会结合用户的运动时长、睡眠、体重、酒精摄入量以及正念时长等信息，方便用户回溯，交叉对比房颤发作和哪些生活因素有关。

从异常心率检测，到房颤负荷，苹果围绕「房颤」这个隐形的杀手，打造了一个闭环的、可感的、量化的健康管理方案：Apple Watch 替用户发现风险，用户去医院体检，如果确诊了，还能继续记录数据，用于临床治疗参考。

从患者成为健康主理人

Apple Watch 房颤迹象的记录，不能代替完全的医疗诊断，更重要的意义在于，它「赋能」了患者，让他们进一步参与疾病管理。

国家药监局官网的公示中，Apple Watch 房颤迹象记录功能被注册为「第二类」医疗器械，与体温计、口罩这些公共卫生产品并列。

这类产品不能直接作为治疗处方和诊断依据，更大的意义，在于将普通人的「生病焦虑」，转化成了「确切的答案」。

除了症状带来的影响，心理上对病况的未知，同样会为患者带来焦虑。体温计的诞生，让普罗大众即时就能判断自己的身体状况，是否恶化好转，需不需要进一步治疗和就医，不用再去「猜」，确切的体温数字会帮你决策。

Apple Watch 扮演的就是这种角色，将症状更为隐蔽的房颤，以一种相对简单的方式，被进一步检测，并被量化成一个具体的数值，还能和其他身体数据进行交叉对比。

患者在这个过程中，也从相对被动的角色，转变为自身健康的管理者，而这种「掌控感」本身，就能为他们带来实实在在的心理助力。

不少人买 Apple Watch，是为了多一份「心安」：在风险来临之前被提醒，在异常出现之初被看见。那些从体征波动中捕捉到的细微信号，或许不能直接替代诊断，也能让人更早迈出回到健康的那一步。

但当我们把期待从「预警」推向「管理」，门槛也随之陡然升高，需要更高的准确性、更长期的数据积累，以及更贴近医疗体系的能力，这些都让智能穿戴一度止步于边缘。而真正需要这些能力的人，恰恰是那些无法被频繁、持续监测覆盖的患者。

变化正在发生，依托长期积累的海量健康数据，以及与医疗研究体系的协作，苹果正一点点把可穿戴设备推向更深的水域，「房颤迹象记录」就是其中一个成果。

Apple Watch 从来不为取代医生而来，它更聚焦于「患者」，或者说用户：你不再只是那个等待被诊断的人，可以更早一步，理解和掌控自己的身体健康。

文献参考：

Yang SY, Huang M, Wang AL, Ge G, Ma M, Zhi H, Wang LN. Atrial fibrillation burden and the risk of stroke: A systematic review and dose-response meta-analysis. World J Clin Cases. 2022 Jan 21;10(3):939-953. doi: 10.12998/wjcc.v10.i3.939. PMID: 35127908; PMCID: PMC8790433.

Wong, C.X., Tse, H.F., Choi, EK. et al. The burden of atrial fibrillation in the Asia–Pacific region. Nat Rev Cardiol 21, 841–843 (2024). https://doi.org/10.1038/s41569-024-01091-1

Uittenbogaart SB, Verbiest-van Gurp N, Lucassen WAM, Winkens B, Nielen M, Erkens PMG, Knottnerus JA, van Weert HCPM, Stoffers HEJH. Opportunistic screening versus usual care for detection of atrial fibrillation in primary care: cluster randomised controlled trial. BMJ. 2020 Sep 16;370:m3208. doi: 10.1136/bmj.m3208. PMID: 32938633; PMCID: PMC7492823.

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。