过去一个周末 Gemini 3 Pro Image 的能力被反复「折磨」，花样越来越多——噢，你问这是什么，它的另一个名字是 Nano Banana 2。这么跟个恶搞一样的名字，居然被保留下来了。

Nano Banana2 各方面能力超群，甚至是「友商」Sam Altman 也要点头的程度。

夸夸只是夸夸，Nano Banana 第二阶段，其实标志着 AI 图像生成领域的一个重要转折点：从基于概率的「以此类推」，转向了基于理解的「逻辑构建」。更承载着一个特殊的意义：AI 不再只是冲着你的眼睛去，还冲着你的智商去。

大语言模型不再「文盲」

一直以来 AI 生图都有个绕不过去的问题：才华横溢，信手拈来，但有时候就跟喝高了一样控制不住，这从 Midjourney 时期就开始了，往后走逐渐好转，不过始终存在。

其中最大的 bug 之一就是文字。这导致在很长一段时间里，鉴别一张图是否由 AI 生成，最简单的办法就是看图里的字。

这是基于扩散模型（Diffusion Model）的先天缺陷：它将文字视为一种纹理，而非符号。

Nano Banana 2 最直观的突破，就在于它「识字」了。即所谓的 Text Rendering 文字渲染。

我的随手测试「生成一张复古电影海报，标题是《香蕉的复仇》，副标题用红色衬线体写 2025 年上映。」

如果是在以前尝试这个指令，大概率会得到一张极具艺术感的图「BANANA REVENGE」的某种变体尚且能保持清晰和正常，但小字往往经不住看了，甚至有时候主标题都会拼写成「BANNANA」。但在 Nano Banana 2 里，这些字符被准确、清晰、且符合排版美学地「写」在了画面上。

So what？这仅仅是省去加字的时间吗？

对普通用户来说可能是，而且还是一种「表情包自由」。你终于可以生成一张精准吐槽老板的图，配上精准的文案，不用再单独拉一个文本框。

而对于商业世界，这意味着 AI 图像生成从「素材（Material）」阶段，正式跨入了「成品」（Deliverable）阶段。

当 AI 能够准确地处理符号信息，它能交付的成果就更多样也更实用，包括但不限于电商海报、PPT 配图、甚至是数据图表。以前设计师用 AI 只能生成背景底图，关键信息还得自己贴。现在，AI 可以直接生成原型图，乃至带有数据标注的饼状图，或者一张文字完美贴合透视关系的广告。

这是商业交付的「最后一公里」，也是生图模型在信息传递层面的巨大进步。

从「猜概率」到「懂物理」

字渲染的成功是 Nano Banana 2 底层技术跃迁的一个极具代表性的缩影，更深层的变化在于：这只「香蕉」，长了脑子。

也就是我们所说的基于「推理」的图像生成。

大模型本质上是一个概率统计机器。当你要求画一只「坐在玻璃桌上的猫」时，模型通过学习数亿张图片，在生成时，它只是重现像素的统计规律。

Nano Banana 2 的不同之处在于，它引入了 Gemini 3 语言模型的推理能力。在生成图像之前，它似乎先在「大脑」里构建了一个物理模型。它知道「猫」下面通常会有模糊的影子，以及玻璃板上、下的物品有不同的光线关系。

在我的另一个随手测试中，当要求它生成「一个复杂的化学实验室，桌子上放着装有蓝色液体的烧杯，背景是黑板上的分子式」时，它表现出了惊人的逻辑性：

烧杯里的液体会有正确的弯液面；玻璃器皿对光线的折射符合物理直觉；最重要的是，背景黑板上的分子式不再是乱画的线条，而是看上去像模像样化学结构的式子（虽然还是有瑕疵）。

当画笔有了「大脑」，交互方式变了

之所以如此强调文字生成这个本领，是因为 Text Rendering 是外在表现，反映的是 Reasoning 作为内在引擎。合在一起， Nano Banana 2 带给用户的最终体验，就是一块「会思考的画布」（The Thinking Canvas）。

Google 将这个模型深度整合进了它的生态系统，不仅仅是生成图片，更是「修改」现实，下一步，就是走进更严肃的领域：信息图、教案、讲解素材，等等等等。

整体上，图像生成往往用户给 20% 的指令，剩下 80% 靠 AI 脑补——以前是靠概率脑补（随机填色）。现在则是靠因果脑补，不仅画出了「结果」，还隐含了「过程」，这能够让画面的叙事性和感染力指数级上升。

它不再只是为了取悦你的眼睛，它开始试图取悦你的智商。像上面这种结构图，虽然吧不敢说 100% 符合机械工程标准，但钉是钉，铆是铆。「逻辑上的正确」，是它推理能力的直接体现。

然而任何事情都是一体两面的，当换一个角度看，这就可能意味着创造力的同质化。

当 AI 能够完美地生成「符合商业标准」的图表、海报和插画时，它实际上是在拉平审美的平均线。所有的海报都排版正确、光影完美，但可能也因此失去了曾经设计中那些因为「不完美」而诞生的神来之笔。

更深层的问题在于真相的消逝。当上面所说的那种逻辑正确、信息「干货」多的内容，可以被批量生产，取悦智商从未如此容易，也从未如此轻飘飘。如果它决定了我从图片信息到文字信息的所有摄入，那……会是怎样的景象？

还有 Deepfake 这个老大难问题，已经是老生常谈了。虽然这次 Google 加上了 SynthID（一种人眼不可见的数字水印）来标记 AI 内容，但在视觉冲击力面前，技术的防伪标签往往是苍白的。制造「真实」变得如此廉价和便捷，我们对「眼见为实」的信仰将被彻底重构。

至于它叫「Nano Banana」还是「Gemini 3 Pro」，其实已经不重要了。重要的是，从这一刻起，我们在屏幕上看到的每一个像素，每一行文字，都可能不再来自人类的手指，而是来自机器的思考。

这既令人兴奋，又让人在某些时刻，感到脊背发凉。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

想要在手机放一个 AI 助手，选项不少，但要么像个「高级复读机」，要么是信息的搬运工——天知道，我想要的是一个能真干活的助手，一个除了能说还能动手的「创意合伙人」。

今年你应该也感觉到了，AI 正在从「能聊」变成「能干」。OpenAI 搞了个 Atlas， Google 即将发布的 Gemini 3.0 让 AI 直接操作电脑……大家都在玩同一个方向：让说话变成操作，让对话变成动作。

刚刚，蚂蚁也推出了一个新的全模态通用 AI 助手灵光。它不跟你绕弯子，你开口，它动手——把你脑子里的想法，变成眼前能看、能用、能玩的东西。

从回答到表达，AI 也需要信息美学

灵光的落地页是熟悉的对话窗口，只需要用自然语言发起请求，比如「告诉我这罐饮料的热量」或「记录一下今天的饮食摄入」，极大地降低了上手时的学习成本，也让整个 App 显得比传统应用更流动。

看起来还是像聊天对话啊？其实，跟灵光的每一句对话，对它而言都是一次行动。下面是三个你很可能也会用到的真实例子。

最近因为全运会，广州也享受了一把网红城市的待遇，尤其是广州塔，每天都被游客包围。我问了灵光，「广州塔在建筑设计上有何特别之处？」它返送的不只是文字说明，还带上了一个可交互的 3D 建筑模型。

可以旋转、可以拉近看结构细节，可交互的形式让我清晰直观地感受到了广州塔双面扭转结构、斜交网状外筒的设计语言。

在和灵光的对话中，它不仅能告诉你答案「是什么」，还能让你看到答案「长什么样」。文本、图像、结构动画都整合在一起，整个问答体验，就像在对话里放进了一个实时生成的「解说图文」。不管是建筑专业学生、城市爱好者，甚至只是出于兴趣想多了解这座地标，都能真的省下了你一点点搜索、翻页、拼凑资料的时间。

紧接着，我补充了一个追问「那帮我规划一个附近的美食打卡行程吧」，它马上理解这个「附近」是广州，并直接生成了一张可缩放的交互地图，标注了六七家风格不同的小店，甚至还有「隐藏路线」。每个点位都能点开看推荐理由、评分、营业时间，甚至还顺带估算了步行路线。

惊人，直接在手机上就能生成可以交互的内容展示，放眼整个行业也并不多见。

如果说这两个案例是让人感受到「好看、酷炫」，那接下来要展示的，是灵光的「理性美」。

对于一个优秀的通用 AI 助手来说，一问一答显然是不够的，而是要能实现结构化的输出，也就意味着需要对信息语义的深度理解和再组织——不仅是检索信息，更能提炼信息点，智能理解语义并进行分层。

比如，碰到「为什么消费品牌正在出售中国区业务/为什么拟物风格的 UI 设计会退潮？」这些既需要宏观视野，也需要微观分析的问题，灵光的回应方式并不依赖大段大段的文字，而是先拆解出关键因素——如消费市场变化、品牌生命周期、股东压力等——再依此组织内容输出，形成一组因果清晰、逻辑递进的解释结构。

以标题+概括的卡片式风格，镶嵌在一个完整的图文里，可以避免枯燥，又不像 PPT/网页报告那样冗长无重点。这样的结构化输出不仅逻辑清晰，也在视觉上展现出一种「信息美学」：干净、聚焦、节奏舒适，不仅让信息吸收更高效，也模拟了专家型写作者的内容组织方式，让 AI 输出更像一份「讲得通」的深度内容，远不仅是「查得到」的浅层答案。

你可能已经想了一路了：这到底是怎么做到的？为什么能既结构清晰，又视觉友好，还能实时互动？

其实在接收到问题时，灵光会调动一套以代码生成为核心的内容创建流程。无论是图文、地图还是 3D 动画，底层都是由模型即时写出对应代码、样式和组件，再动态拼装呈现出来。要完成这些工作，并不是由一个大模型孤军奋战，而是由多个智能体协作实现：有的负责图像，有的负责布局，有的调取数据结构……像搭积木一样。

既整合不同内容体裁，又能适配常见的内容呈现方式，从而给出极其自然的内容。最终实现的效果，也更适合转发、截图、总结成「朋友圈可用」的内容——既有理性判断，又能传递个人观点和情绪。

一句话、30 秒，给自己做个 App

如果说对话中能做图、做路线规划已经够神奇，那么接下来的能力接近「魔法」：用键盘敲一句需求，它就能直接帮你把一个小 App 搭好。

用 agent 生成应用，现在处于一个比较尴尬的位置：很多应用总是卡在「能理解、不能执行」的断点上。而灵光的「闪应用」瞄准的就是这个痛点，对话已经超越调用和请求工具的步骤，能够做到直接生成工具。

是的，不是生成一段代码、一个原型、一个建议，而是原地生成一个「即刻能用的工具」。实现想法终于不再是程序员专属的快乐，闪应用可以给每个普通人亲手「造东西」一个起点。

来看看它是怎么让「想法落地」变得这么轻巧的：我给它的第一个任务是，「我想要一个能把长文本拆分成更小段落的工具」。

仅仅 30 秒，一个可以设置段落数、自动分段文件的小工具就出现了，甚至不需要打开新页面，它会将生成结果直接嵌在对话流中，点开即用。

再来一个轻巧又实用的例子：做一个菜单翻译器，这里的要义在于：既能把外语菜名翻译成中文让我知道是什么，又能原样朗读出外语，方便我点菜。

理解文字，生成语言，组织界面，并且用声音反馈——这些能力以前得靠多个组件组合才能实现，可能还需要我详细解释代码逻辑，现在只用一句话，它就全都打包完成。

无论是出国旅行用来点菜，还是练习口语用来熟悉菜名表达，这样的小工具一经生成就能上手，真正做到了「即做即用」。这背后是一套完整的应用构建：不仅能输出前端页面，还能一并调用大模型的后端能力。不仅给你实现了代码，还免费给你上 UI 设计。像翻译、语音合成这些动态模块，全都集成在这个小工具里。

这样一来，生成出来的成品就不只是个 demo，而是真的能与用户实时互动、响应输入，具备完整的前后端逻辑闭环。

与其花时间翻遍整个应用商店，拿闪应用一分钟做一个完全贴合我个人需求的小工具，显然更快也更好。灵活、即时、零门槛。它不是通用解法，而是「为这一次定制」的临时小解决方案，却能激发普通人对「创造」的心理满足感——哪怕不懂开发，也能凭一句自然语言体验「自己做了个小应用」的快乐和分享冲动。

带着「眼睛」展开互动

实时视频已经是目前 AI 助手的「标准配置」了，灵光给这个功能起了个相当有创意的名字：开眼。还真挺贴切，不是靠打字输入，而是打开摄像头，如同给 AI 打开了眼睛，接受另一种自然语言：视觉语言。

比如举起手机对准一杯奶茶，屏幕上马上浮现出饮食建议、保存注意事项，还带着几个延展提问，满足你的好奇心：

这个功能在食品药品上非常方便，无论是给自己选，还是给父母买了新产品他们却不认识时，灵光开眼正好能大展身手。

开眼的特点在于，通过流式识别，超越简单的「认得一个东西」，而是变成了能做出响应、展开对话的智能视觉入口。它能理解你此刻潜在的意图，主动发起跟进动作，把一次镜头下的识别。变成一套连贯的行为链条。

比起那些只能识别 Logo 或商品的旧时代 AI 视觉，它明显走得更远了一步：不仅识别是什么，还试图理解你为什么看它、接下来可能需要什么。

也就是说，它把「摄像头」变成了另一个对话渠道，一种通过视觉引导交互的对话，真正意义上的「开眼」：带着「眼睛」展开互动。

把「创造」这件事交还给了每一个人

语言就是编码，需求就是原型。对话从来不是最终目的，它真正的价值在于：变成生产力的触发器。灵光打破了「提问—回答—再动手」的传统路径，把语言本身变成工具的起点。让「我有个点子」变成「我已经做出来了」之间的路径更短、更直觉。

原本需要懂代码、设计、产品逻辑的人才能做出的 App，现在用一句自然语言就能生成。普通人第一次可以用日常语言直接「生产」一个功能工具、一张内容卡片，或者一段交互流程，「自己做自己的产品经理」。这种从「会说话」到「能造物」的跃迁，标志着生产力门槛的全面打开。

在 AI 行业的下一阶段，拼的早已不只是「谁的模型更强」，而是「谁能把能力转成体验」。年初 DeepSeek 引领了中国在开源模型的浪潮，2025 年快结束了，我们在灵光上看到 AI 交互范式新可能性。它用非常具体的方式，示范了一条关键路径：从底层大模型，到中层工具能力，再到用户侧的应用产品。

这一次，「AI 能做什么」终于从实验室语言，变成了用户能用的日常动词。把「动手做」变成了「开口说」，也把「创造」这件事交还给了每一个人。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

近几年，各大词典评选的年度词汇中，AI 相关的新词异军突起。最新出炉的 2025 年柯林斯词典年度词汇，选择了「vibe coding」，这个今年几乎是最热门的 AI 技术。

如果再往回拨一点，稍早前牛津、韦氏、Dictionary.com 和剑桥等机构发布的一系列热点词，不难发现，AI 已经深刻影响了我们的语言，已然是生活中的高频词。

Vibe Coding：年度最热门技术词

「Vibe coding」在中文里并没有一个完美的翻译，比较流行的译法是「氛围编程」。这个词最早由特斯拉前 AI 总监、OpenAI 创始工程师 Andrej Karpathy 提出，形象地描述了 AI 能让人们「几乎忘记代码本身存在」也可以开发应用的情景。

不懂编程的用户，用自然语言对话，就生成计算机代码。开发者只需要告诉 AI 自己想要一个什么功能或应用，AI 就能自动生成，实现「凭感觉，写代码」的效果。

「Vibe coding」之所以能够登上 2025 年度词汇宝座，一方面从数据上能看出来——自 2025 年 2 月首次出现以来，这个词在媒体和社交平台上存在感飙升，贯穿了一整年。柯林斯词典的语言学家从包含 240 亿词汇的语料库中捕捉到了这一趋势，认为这个词充分反映了一年来语言的演变。

另一方面，这个选择揭示出 AI 技术在 2025 年的社会文化热度之强：程序员群体在讨论，普通用户也在谈论，「AI 可以帮我写代码」已成为大众认知的一部分。正如柯林斯官方博客所说，这个词「捕捉了我们与科技演变中的某些根本变化」，它不仅在硅谷科技圈内流行，更折射出 AI 作为「超强辅助」，已渗透日常生活的广泛文化转向。

今年的柯林斯 2025 年度词汇候选名单可谓科技味十足。同榜的还有「clanker」，这个词源自《星球大战》，不过，现在它多用于对 AI 聊天机器人的批评，类似于中文语境里说的「人工智障」。

「biohacking」指生物黑客式的自我改造；「broligarchy」调侃科技富豪把持权力的「兄弟寡头政治」等。这些五花八门的新词一起勾勒出 2025 年的图景：从工作到娱乐，AI 正重塑我们的语言和生活方式。

技术语言如何渗透生活

实际上，从去年起，各大权威词典发布的年度词汇中，就有多条都和 AI 热潮有千丝万缕的联系。

牛津词典：Brain rot 脑腐

英国牛津大学出版社把「brain rot」（脑腐）评为 2024 年的年度词汇，是去年讨论度最高的一个年度词汇。这个带点夸张的俚语，指的是「大脑或智力状态的退化」，主要是用来形容过度沉迷于碎片化数字内容，从而导致的迟钝、注意力退化等等。

2024 年人们越来越注意到，无节制地刷社交媒体，大量低质、无营养的信息让人「脑子生锈」。这个词生动地概括了在碎片化内容时代，身心都在接受信息过载的挑战。牛津语言部总裁卡斯帕·格拉斯沃尔评价说：「brain rot 道出了数字生活潜在的危险。」他认为，这个词标志着有关人性与科技的新一轮文化讨论。

在无人注意的角落，牛津去年的年度词汇候选列表里，还有另一个与 AI 直接相关的词，「slop」，意指「由人工智能生成的劣质网络内容」。虽然最后未当选，但它出现在提名中本身就说明，AI 生成的内容，数量已经到了惹人反感的地步。

无论是「brain rot」还是「slop」，都从不同侧面反映出 2024 年人们对数字内容生态的担忧，以及 AI 算法在其中扮演的复杂角色。

韦氏词典：Authentic 真实

韦氏词典在 2023 年选择的年度词汇，是「authentic」真实的，同时也有「本真」的意思。这个词存在已久，但在充斥 deepfake 和 AI 生成内容的一年里，它的脱颖而出，意义非凡。

2023 年与 AI 相关的新闻和讨论激增，引发了人们对「authentic」这一概念的关注和大量查询，搜索量暴增。正是因为 AI 可以轻易生成以假乱真的图像、视频和文本，人们也就越来越难分辨真伪。所以，对于「真实的、原汁原味的」的追求成为社会心理的一个重要主题。

韦氏词典主编彼得·索科洛夫斯基在解释这一选择时提到，「authentic」有「非伪造、真实可靠」之意，也包含「忠于自我」的延伸意义。它成为年度词汇，某种程度上是对科技充斥下社会心理的映射：当聊天机器人可以模拟人类口吻聊天，当 AI 可以模仿名人声音，我们比以往任何时候都更加珍视人与信息的真实性。

剑桥词典：Hallucinate 幻觉

英国剑桥词典则把目光投向了「hallucinate」幻觉。剑桥将其评为 2023 年的年度词汇之一，原因在于这个心理学动词在当年获得了全新的技术含义。

原本，hallucinate 主要用来指因为生病或服药副作用，导致出现幻觉、看见不存在的东西。不过在 2023 年，人们开始用它描述大语言模型「胡编乱造、产出虚假信息」的现象。

剑桥词典专门为此新增了 AI 相关义项，并表示这一新义「切中了 2023 年人们热议 AI 的核心原因」——生成式 AI 功能强大，但不是没有问题，「hallucinate」正好一语道破了 AI 最大的弱点之一。

值得一提的是，剑桥选择「hallucinate」紧随柯林斯词典将「AI」本身选为 2023 年度词汇之后。也就是说，从「AI」这种宏大的技术概念，到「hallucinate」这样具体描述 AI 缺陷的术语，AI 相关词汇在权威词典的年度榜单上实现了连纵霸榜，说明了眼下 AI 居高不下的热度。

从「vibe coding」到「hallucinate」，AI 相关词汇接连登上年度词汇榜，绝非巧合。

当 AI 改变世界时，也在改变着我们的语言；它们有的描述了 AI 给生活带来的便利，有的反映出人们对 AI 潜在问题的担忧，还有的表达了数字时代人们内心的矛盾与诉求。这一系列语言现象背后，恰恰是 AI 正以前所未有的深度，介入我们的工作、娱乐和社交。语言的变化又反过来成为时代的一面镜子，折射出科技与社会的碰撞。

One More Thing

柯林斯是今年较早发布年度词汇的机构，另一个是 Dictionary.com，但是他们选择了一个奇怪的词：67。读作「六、七」，而不是「六十七」。

Dictionary.com 组委会分析了大量数据，包括新闻标题、社交媒体趋势、搜索引擎结果等，发现从 2025 年夏天开始，对这个数字的搜索量有明显的增长，而且一直在增长。

这个词的意思大概就是「还行」「凑合」「及格线」，六分七分吧。确实有点抽象，不好理解。Dictionary.com 的组委会说，他们还在努力弄明白它到底是什么意思，但它的确展现了一个新词，如何随着年轻人的爱用、多用而迅速风靡全球。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

无人注意的角落里，权威榜单 Billboard 接二连三地迎来一批新歌手上榜，低调但行动快速，闷声就登顶了。

等一下等一下，大家发现：什么？又是 AI？

榜一《Walk My Walk》是 AI 生成的歌曲作品你，从数据来看，它不仅登顶了，还连续在榜了三周。对于任何一个新人来说，都是堪称「爆」了的成绩。

然而这不是人，只是 AI。Billboard 发现，登上自己榜单的 AI 歌手和歌曲，已经越来越多了。

冠军？什么来路？

其中一位 AI 歌手，Xania Monet ，出道两三个月，发过的歌却个个受欢迎。最新的《How Was I supoosed to Know？》在油管直接是百万播放量，这还没算 Tiktok 和 Instagram 的数据。

自夏天出道以来，Xania Monet 已在 Billboard 的多个排行榜上取得佳绩，不到两个月内，已创造超过 5 万美元收入。

AI 歌手并不是新鲜事，甚至，用 AI 做一个数字人形象，也不是新鲜事。但我确实想知道，Xania Monet 为什么会有如此的表现。

要知道，很多人不只是看不出来她是 AI，更加是觉得她的歌很好听，很动人。

这不高低得尝尝咸淡。听了几首之后，我很快意识到为什么：主题。

Xania Monet 的歌在旋律上并没有什么特别之处，这很正常，AI 生成的音乐，不会偏离主流形态太远，毕竟是数据算出来的。

唱法层面，该有的细节都有：颤音、转音、声区切换，但还是那句话，这些都是可以生成的。而且在一些细节上，还是有瑕疵。比如在一些高音时，很像是挂了 auto-tune，有点点轻微的「电音」感。

可是，她的歌全部围绕着当代人的 emo 情绪出发，歌词写得相当切中人心。

看看这个歌词，非常写实地描绘了恋人之中，只有一方付出，另一方只会闪躲的情态。这首歌就叫做《I asked for so little》，可以翻译成「我要的不多」，典型的苦情歌，受到欢迎完全不稀奇。

在这首《Still not choosing me》中，写的是为什么「我爱的人不爱我」，很常见的主题，经典永流传。没有人永远失恋，但总有人正在失恋着。

之前的视觉效果 AI 感还是很强，尤其是视频，基本上经不起细看。

但是到了她的大热单曲《How Was I supoosed to Know》，不仅是唱感情问题，还唱到了原生家庭伤痛：父母没有教过什么是好的「爱」，只能让孩子带着伤痕，「错把虚情当真爱」。

这不得掀翻了社交媒体，简直是 buff 叠满。

而且相比于早期简陋的动态歌词板，《How Was I supoosed to Know？》制作精良了不少，不仅没有粗糙的 AI 感，音乐编曲也好了不少。片尾一看，多了许多名字——背后有人了。

Xania Monet 出道没多久，就能够强势上榜，自然也引来了不少橄榄枝，很快就签了公司 Hallwood Media，经纪合约价值三百万美元。

难怪，有了公司，新歌档次都上去不少，登顶榜单也就不奇怪了。

等下，你说你去找了 Billboard，没看到这首歌？

登顶，但没完全登顶

这里的确有一个小小的信息差：Xania Monet 登上的是垂类电台榜单之一，Adult R&B Airplay Chart 成人 R&B 电台播放榜。

这是一个衡量美国成人 R&B 广播电台播放频率的榜单，以电台播放数据为口径。要知道，现在美国依然有大量覆盖全国或地区的 FM/AM 广播电台，这些电台每天仍然需要大量歌曲轮播，并且还是保持着人工编辑的体系。

Billboard 与一个叫 Mediabase 的监测机构合作，利用自动识别技术（audio fingerprinting），监控这些电台在每小时、每个地区播放了哪些歌，统计播放次数、时间段、地区等，最终形成榜单。

这意味着，Xania Monet 的歌想要被电台播放，仍然需要编辑加入到播放列表当中。她能登顶，恰恰意味着这些歌已经被不少 R&B 电台认可并轮播，进入了日常听众的耳朵中。

平时开着车、做着家务而随手打开电台的听众，可能根本不知道她是 AI 歌手。

这使得她登顶的榜单，意义更加独特：她恰恰是因为已经在社交媒体上很红了，才进入电台视野。

简单点说：Xania Monet 无论是在流量层面，还是在品质层面，都出现了一些「逆转」。尽管专业圈内人还是批评态度，一般听众却相当受感动。

类似的评论还有很多，般听众并不会细究创作过程，他们更关心歌曲本身能带来怎样的情绪体验。

不过，这并不意味着 AI 就已经登峰造极，可以写出打动人心的歌了——尤其是 Xania Monet 的例子里，她的旋律和演唱是由 AI 生成的，可是歌词，却完全是来自人类创作者。

Xania Monet 背后，是一位叫做 Telisha “Nikki” Jones 的创作者，她并非专业歌手，但是热爱写诗填词。今年她接触到了 Suno，尝试把自己写的诗歌和歌词输入进去，设定诸如「灵魂唱腔」「慢板 R&B 风格」「轻吉他配重鼓点」等一系列风格关键词，然后让 AI 创作出完整的歌曲。

歌词 100% 源自琼斯本人的经历和情感，例如《How Was I Supposed to Know?》，灵感正是来自 Jones 童年时就失去父亲的真实创痛，这些发自肺腑的诗句后来成为歌曲的核心。

歌词和主题的确是 Xania Monet 最出挑的地方，当然，歌曲和演唱也没有拖后腿，都是在平均水准之上的。主歌旋律通常舒缓真挚，副歌迸发情感张力。

在 Jones 的设定中，Monet 的嗓音突出灵魂乐质感，唱腔也一下就抓住了听众的耳朵。再加上歌词写得细腻动人，全部加在一起，这才能如此受到欢迎。

可以说，Xania Monet 提供了一个 AI 创作的「高分示范」：保证核心内容（主题歌词）的品质，同时完全原创，从而规避版权风险。从音乐作品到人设都走真情路线，而不是「为了 AI 而 AI」，把生成本身当噱头。

听众更容易把她看作一个有血有肉的新人歌手来欣赏，自然比面对一个夸张虚拟网红时更能产生好感。

最关键的一点：作品本身够打动人。这也是最「背反」的一点，回想我一开始听 Xania Monet 的歌时，已经知道了她是 AI，所以从未关注她的唱法，却能够一下子识别出歌词和主题是她的突出点。

这是不是意味着，AI 始终难以越过一道天堑，那种细腻幽深的情感，归根到底无法「生成」，只能来源于人自身。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

Gemini 3 还没影子，GPT 5.1 已经在路上。7 号深夜，OpenRouter 平台上线了一个全新的隐名模型。已经有眼尖动作快的网友尝鲜体验，并且认为这就是披着马甲的 GPT 5.1，暂名：Polaris Alpha。

目前提供 API 调用（包括 OpenRouter），知识库截止时间为 2024 年 10 月，不支持推理模式。最大 context 容量 256K，单次最大输出 128K。

开发商信息保密，但是在网友的不懈努力下，成功「越狱」，让 Polaris Alpha 自曝了家门。

这倒也算不上实锤，可能只是训练数据的问题——很多模型都会输出来自专有供应商的数据。除非系统提示中明确说明，或者通过指令调优反复灌输，否则这些模型实际上并不「知道」自己是什么。

无论如何，目前暂时没有官宣，暂且就还是叫它 Polaris 吧。APPSO 也第一时间简单试用了一下。由于是通过 API，部分功能比如处理语音素材暂时受限，除此之外，Polaris 的表现，让人相当期待 GPT 5.1。

案头工作：流畅，一如既往

首先是一些比较基础的简单任务：根据要求写邮件。这是一封道歉邮件，跟嘉宾通报活动改期。我特地强调了口吻要既饱含歉意，又表示亲近，让 Polaris 感受一下。

算是中规中矩吧，信息齐全，行文逻辑清楚，语气不会有强烈的「人机感」。比较神奇的是，在打开 Search 模式的前提下，Polaris 会去检索一些道歉信的写法，而它的引用信息里，居然有淘宝百科…… 看上去 Polaris 覆盖的信息源越来越多，也越来越冷门了。

然后是需要创意想法的文案写作任务，prompt 我都给得很模糊，只要求有网感，适合在小红书上传播。

Polaris 给出了三种不同的风格，给出的文案非常完整。后面还给出了活动具体执行的方案。从这里已经可以看出来，措辞上颇有 GPT 系会有的文字风格。也有网友专门做了相似性统计——马甲快要披不住了。

文字风格仍然是每一个大语言模型的立身之本，毕竟现在最主流的应用场景就是案头工作。2026 年都快要来了，还给出「人机味」的文字，是不能被原谅的。目前 Polaris 的文风，有相当典型的「GPT」风味，很多网友都有同样的感受。

同时，对于 chatbot、聊天、陪伴等应用场景里，文风能否快速适应用户节奏，并且灵活「习得」个性化的口吻，也将是 GPT5.1 面临的挑战——全球用户要求 4o 回来的盛况，OpenAI 应该不想再经历一次了吧。

由于不能直接处理音频文件，我上传了转录后的播客文字稿，让 Polaris 整理提炼信息点，适当调整口语化的地方，重点是：根据不同的主题维度，拉出一个层次明确的提纲，同时保留时间戳。

输入目前看来可以超过 1w 字（单条发送），受限于 OpenRouter 每个窗口只能保存八条记忆的限制，超长输入会一定程度的影响输出稳定性。不过自我纠正能力不错，第一次跑的时候生造了并不存在的时间戳，重抽一次之后自行纠正了。

自从 GPT 5 之后，ChatGPT 的单个窗口容量明显增大，从社交媒体上的反馈来看，最高的 token 总数可以去到 60 万-80 万才达到上限。这对于个性化用户信息而言是个非常好的信号，但不可避免的是，超长上下文额之后，会出现记忆调度的失序，以及输出稳定性的下降。

这留给了 GPT 5.1 全新的挑战，如何在进一步扩大窗口容量之后，依然保持灵活准确的记忆调度。对于用户而言，几乎是第一秒就能感受到的决定性体验。

编程：超简单，超顺滑

OpenRouter 提供几种基础的编程工作实现和预览。我快速用它测了一下 Polaris 写小游戏的本事。

最直观的感觉是时间稍微有点久，差不多要个五分钟了。不过倒是不需要我提供复杂的 prompt，「设计一个贪吃蛇游戏代码」，就足够生成一个可以上手的小游戏。

甚至还提供不同的模式、设置，在 preview 里的试玩都很顺畅。另外又让它跑了一个打地鼠游戏，也是顺利完成。

网页设计也很 OK，我把上面生成出来的咖啡馆文案，丢回给 Polaris，让它设计一个活动的落地页。

Polaris 研究了整个文案，并且加入了一些补充，最后出来的视觉效果也不错，我挺喜欢它给按钮设计的发光效果，这似乎是它的一个「独家特色」，在其他网友的测试中也出现了：

从网上的其它测试是来看，它的美学表现值得期待。

这些基础工作都没有太大的问题，但老实说，现在 AI 编程的赛道堪称白热化，而 GPT 系产品在编程上，竞争力一直不算很强。GPT 5.1 实装后，在编程上的表现能不能有大突破，只有继续等待才能知道。

前阵子 Sam Altman 明确发话表示，年底时 ChatGPT 将推行 NSFW 模式（成人模式），在目前的 Polaris 上，似乎已经看得到苗头了。

如果是这样，那 Polaris 是 GPT 5.1 的证据又多一条，尤其是考虑到最近 OpenAI 已经在小范围内做年龄验证，这并非全量行动，而是针对不确定实际年龄的用户做定向推送。

成人模式的争议很大，实际执行也并不如想象中简单，除了验证，还有隐私信息识别、储存等一系列麻烦。到底能不能有一个平衡多方诉求的解决方案，还得看真正的 GPT 5.1 如何应对。

眼瞧着年底又是一场血战，Gemini 3 早就放出风声（虽然一直跳票），Nano Banana 2 也突然冒头。更别提前阵子 Kimi K2 Thinking 的发布，收获了海内外一大波关注，训练成本仅为 460 万美元。

OpenAI 仍然有着惊人的支出，虽然也有着惊人的活跃用户群，但盈利还看不到苗头。在一系列又强又便宜的中国模型的狙击下，GPT 5.1 能达到期望吗？

快知道了，网传 11 月中就将发布，到时或许会有答案。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

每逢年底，都是各品牌推出假期广告的时候——也是最容易翻车的时候。

可口可乐今年的圣诞广告，就翻车了，因为用了 AI，而且是第二次用了 AI。去年同期，他们就发过基本一样的圣诞广告，也是 AI，也是翻车。

果然是可口可乐，要寻求刺激，就要把「黑红也是红」贯彻到底。

创意乃王道

平心而论，用 AI 做广告，可口可乐不是头一家。这两支广告被骂，除了有群众对 AI 的怨气之外，还有一个抛不开的原因：做得真是不好。

首先是核心创意没有变化。这两支广告当中，彩灯火车、圣诞假背景，都是对 1985 年经典版本的延续，核心框架几乎都保留了。AI 在当中的工作是生成了所有的画面元素，效果也不能称得上很好。比如这一小段树懒的动态，再长两秒钟就要把人吓跑了……

这个工作量还不小，可口可乐另外发了一支制作特辑，涉及的素材量很大，几乎用到了所有主流 AI 图像视频产品。

从工作量看，品相还是提高了。去年同系列、同创意的广告，都是人像，带着典型的 AI 慢速降格感，所以每一个镜头都很短，不太能细看。

但无论如何，这俩都是比较平庸的广告。尤其是这个创意主体：可乐大货车，放在 1995 年架势很足，放到现在，如果不做任何改造，看起来就是平平无奇——怎么了，可乐不就是货柜车运送吗？

最早这个广告出现在 1985 年，回顾原来的版本，创意更加清晰：一片漆黑的森林小镇，原本因为深冬而沉寂。但随着缀满彩灯的可乐货车到来，树林和房屋都像被施了魔法一样，被逐渐点亮。

配合假期季节，可乐作为必点饮料，这个创意象征可口可乐把欢乐的氛围送到千家万户。

在不同的时期，这个创意主体都得到了延续，但是手法会有所不同。比如在 1995 年版本中，有了一个小男孩最为主要人物，他追逐着可乐货车，却晚了一步。正当他失落时，圣诞老人用魔法，送了一瓶到他手上。

这个特效也是早期的电视特效，很粗糙却很朴实。作为快消品龙头，可口可乐从来都是快速拥抱新技术，现在是，当年也是，但为什么以前的广告，就更不一样呢？

2006 年，可口可乐联合导演 Todd & Kylie 制作了动画电影 Happiness Factory，直接拿下了艾美奖。其中用到了大量的动画特效，在当年也算是流行技术。

这个电影合作延续了好几年，背后有一个完整的世界观：每一个自动售货机里，都是一个异世界，里面生活着各种精灵。一旦有硬币投掷进来，精灵们会分工合作，生产出一瓶可乐，然后再敲锣打鼓地送出去给人类。

动画电影即便是在现在，也是一个人工密集型的创作方式。不过，即便是在有了 AI 的年代，可口可乐也拿出过很扎实的广告。

2023 年时，可口可乐联合英国创意广告公司 Blitzworks，制作了一支名为「Masterpiece」的广告，也同属于今年 AI 生成的系列，「Real Magic」。

它的核心创意是，在一个美术馆里，知名的画作人物「活」了过来，彼此传递着一瓶可口可乐。每一个画作人物的动态，都涉及到大量特效，甚至还有动作合成。

幕后特辑中，制作组清晰地展示了制作流程：每一个段落都由 CG、数字绘制、实拍合成以及 AI 的参与。

制作非常难非常复杂，却没有抢掉创意本身。「Masterpiece」的意思是「杰作」，一语双关。在剧情里，表面上看是所有的这些画作。而一瓶可乐，把所有的这些杰作连接到了一起。

但是最后唤醒主人公灵感的，创作出他自己的「杰作」的，还是一瓶可乐。

好的创意，工具只是辅助。反过来，如果创意不行，工具再厉害也无法补救，连致敬经典看上去都更像是借口而不是理由。

链接人，而不是抛弃人

更关键的是，这是可口可乐。

在快消品中，可口可乐出品的创意广告相当出名。远的不说，你应该还记得前两年风靡的「姓名瓶」（Share a Coke）。

可口可乐围绕这一个概念推出了产品和相对应的广告，在全球范围内创造了巨大的社交媒体热度和购买潮。

这个创意一举拿下戛纳国际创意节和艾菲奖等顶级广告奖项，而且名利双收，不仅塑造了品牌影响力，还直接拉升了销量，在多个市场成功逆转了销售下滑趋势，显著提高了年轻消费者的参与度。

更早一点的创意「拥抱机」，也是斩获过不少奖项。可口可乐把自动售卖机改造了一下，路人抱一下这个机器，就会有一罐可乐滚落出来。

这个创意把可口可乐品牌理念中核心的「快乐与连接」，以非常直观又生动的互动方式实现，强化了品牌的亲近感。

还有「For Everyone」主题，是一个完全依赖产品静物，靠文案创造奇迹的创意系列。从可乐瓶、Logo、瓶盖等等产品细部出发，用极具创意的文案字幕，把「人人皆有」的创意呈现出来。

这个创意也是一个系列创意，最早见于 2002 年戛纳奖，二十几年来一直延续。在疫情时期，可口可乐用类似的手法，致敬了所有参与抗疫工作的医护人员、志愿者，以及普通人。

一直以来，可口可乐的广告当中，「与人分享、更多链接」都是重点要传递的信息，这也是为什么圣诞、春节这种时间点，也是他们推出新广告的重要时机。

然而这个核心并没有在这些 AI 生成的广告里，清晰地传递出来。模型生成的小动物确实很精致，既逼真写实，又有动画电影的质感。但是它们起到的作用并不明确，没有能很好地延续 1985 年经典版本的理念。

为了用 AI 而用 AI，是最要不得的。更何况，因为用了 AI，而让「人味」退出了广告画面，更加是和可口可乐自身的品牌理念背道而驰。

对可口可乐这个「创意教科书」来说，最大的挑战不是会不会用 AI，而是如何用 AI 继续制造感动人心的「真魔法」。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

1808 年，歌德创作出了经典诗剧《浮士德》，主角浮士德博士掌握了哲学、神学、法学和医学，懂得世上所有的知识，却还是无法理解生命本身，从而陷入绝望。

这时，魔鬼梅菲斯特来到他身边，表示愿意提供最为极致的体验。浮士德答应了，又没完全答应，而是向魔鬼提出了一个赌约：一旦，他在魔鬼提供的体验中感受到幸福，想要停留在当前——那么他就立刻死去，魔鬼就可以取走他的灵魂。

两百多年后，同样是怀抱着对人工智能最前沿知识的 Ilya，也面对了同样的「魔鬼」时刻——两次。

来吧，你崇高的理想可以实现

10 月 1 号，作为关键证人，Ilya 出席了马斯克诉 Sam Altman 的官司，尤其针对他在 2023 年牵头的「宫斗」接受了大量提问和质询。

在初创的四人帮里，Ilya 被认为是最有科学理想的一位。在加入 OpenAI 之前，就是 Google 的研究科学家，也是深度学习领域最具影响力的研究人员之一。在他对技术极致追求的背后，是一种更宏大的理念：他相信，一个非营利、不受大型企业利润驱动的 AI 实验室是必要的。

这难道不是像极了浮士德，想要追寻一种更超越性的生命体验。2015 年 Ilya 第一次接受了「魔鬼」的邀约：不顾 Google 的极力挽留，接受马斯克的邀请，共同参与创办 OpenAI。

说马斯克是「魔鬼」并不完全准确，在那个时候，他还是非常坚持 OpenAI 要保持非营利的内核——这也是为什么现在都过去了这么多年，他还要打官司。钱是小事，就算是富如马斯克，也不想当冤大头。

可是对于 Ilya 来说，马斯克像极了「魔鬼」梅菲斯特：许诺了一条可以实现理想的道路。那时，他完全认同 OpenAI 的非营利使命——以最可能造福人类的方式开发通用人工智能（AGI）。他希望 OpenAI 能够将 AI 技术向所有人开放，并继续保持在 AI 研究的前沿。

可想而知马斯克之于 Ilya，简直就是梅菲斯特本特，要钱给钱，要人给人，「我做你的伙伴，只要你欢喜，就做仆人，奴才，我也甘愿！」

不过，想要接近人工智能的愿景，并不是只靠技术，更是要靠两个字：算力。而即便是在 2017 年，搭载八块英伟达顶级 GPU 的定制服务器，售价就高达 15 万美元。训练单个模型需要成千上万块 GPU，还不考虑电费，那意味着每年数十亿美元的运营成本。

跟魔鬼做交易，总要付出点什么。当时马斯克要的很明确：OpenAI 是他一手扶持起来的，他要做 CEO，要绝对控股。

另一边，Sam Altman 则通过私人关系向 Ilya 递话，表示自己对非营利的坚持，以及做 CEO 也会零股权的立场。

就在 Ilya 犹豫再三的时候，第二「魔鬼时刻」正要降临，这次，真正的赌约开始了。

52 页 pdf

选择谁当 OpenAI 的 CEO，无疑是当时的 Ilya 所经历过最棘手的决定，远超他当年决定是否离开 Google。最后他选择了 Sam Altman，但从过往的资料，以及近日公开出来的法庭证词来看，这个决定始终伴随着他对 Sam Altman 的不信任。

这从一开始就出现了，在二选一的时候，他就发邮件问过 Sam Altman，为什么对 CEO 的名头那么执着，「你的理由不断变化，我实在难以理解背后的驱动力。AGI 真是你的首要动机吗？」

Sam Altman 是什么人，话术一套一套的。况且他筹钱的本领又实在是惊人，尤其是拉来了微软、YC，巨额资金不断融入，OpenAI 成了硅谷最炙手可热的明日之星。

这在一定程度上，让 Ilya 和 Sam Altman 形成了平衡——就像梅菲斯特和浮士德，也有短暂「携手」的时候。Ilya 坚信规模化对于训练模型的重要，把公司运营交给 Sam Altman 之后，他也更加沉浸在自己的技术哲学当中。直到他发现，Sam Altman 的领导已经让这家公司，在暗中偏航了。

于是，就出现了现在被全网热议的「52 页 pdf」，这是 Ilya 写给独立董事的备忘录，里面集合了大量他对于 Sam Altman 所作所为的记录，包括但不限于：他如何挑起办公室政治、让不同的团队之间竞争、习惯性地操纵和欺骗别人。

吃瓜群众不禁要问：怎么顶级大佬也用 pdf 撕来撕去啊？

聚集在这份 pdf 上的视线太多，以至于有些关键问题被模糊过去了：这些信息和素材，是当时 Ilya 发送给董事会，推动 Sam Altman 下台的核心证据。曾经一度接近成功：董事会单方面表示解除 Altman 的职务，并任命 Mira Murati 为临时 CEO——这期间，董事会成员和 Ilya 沟通非常密切。

可也是这个关键节点，Ilya 动摇了。宫斗带来的影响远超想，员工大量离职跳到竞争对手那里，董事会开始质疑。OpenAI 毕竟是他的心血，如果坚持和 Altman 站在对立面，拉长战线，只会让公司上下都更加分崩离析。

这和他的初心背道而驰：他想的是让 OpenAI 能如他所愿，朝着 AGI 的方向，也朝着造福人类的方向前进，而不是彻底垮掉。

在上个月的法庭上，他被问到当时的判断，Ilya 举棋不定，他表示自己一直在接收别人给到的信息，没想过去更进一步的对质。

网友评论：筹划了一年的行动，就这？

正义并不永恒

如果只是把当年的宫斗，看成是 Ilya 想要造反夺权，并不足以理解他在最新的法庭证词中所表现出来的样子：纠缠、内耗、反反复复。

因为，他当时反对的并不只是 Sam Altman 的领导，更是他自己的误判和错信。如果早知道选 Sam Altman 当 CEO 的代价，是把 OpenAI 引向资本化的道路，那他会答应这桩交易吗？如果注定保不住 OpenAI 作为非营利的性质，那这一切是不是都错了？

这一次，历史没有给他选择的机会了，他最后被神与魔同时抛弃，成为「造反分子」，在 Sam Altman 复职之后，离开 OpenAI。

Ilya 身上有着跟浮士德如出一辙的、理性的天真。他相信对技术和理性的追求，以及对信仰的坚持，能够突破权力和声名的诱惑。但当他自己面对巨大的压力——员工的离职、投资者威胁——他也不得不改变立场，签字妥协。

他既相信自己在「道义上正确」，又担忧行动的后果会玉石俱焚，只能是在理想与现实冲突下，做出充满防御性的决策。

「就这样吧。」这是浮士德和梅菲斯特的赌约中，最核心的概念：浮士德赌自己永远不会满足于任何成就或快感，他会永远求索，不停前进。这也让他最后得到了天使们的拯救。

而 Ilya 输掉了赌约，却是因为他真真正正被困住：并非是被已经取得的成就困住，而是被自己心中的「正义」困在了进退两难的境地。

他在赌的，是正义的理想不会出错。但世间的故事如出一辙：在商业、资本和权力构成的「魔鬼」面前，信念会动摇，至高无上的理想，也会破碎。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

好消息：AI 越来越好用了。

坏消息：越用它越笨。

无论是哪家 AI 厂商，现在都会在「长期记忆」「超长上下文储存」等方面下功夫，这样才能让用户用起来顺手、顺心。不过，最近一项研究发现，AI 未必就能越用越懂你、越用越聪明，还可能往反方向跑偏。

AI 也会认知退化？还不可逆？

研究者们用开源模型（如 LLaMA 等），做了一个小但精巧的实验。他们不是简单地在训练数据里混入一些错别字，而是想要模拟人类那种「无休止地刷着低质量、碎片化内容」的互联网生活，并用「持续预训练」（Continual Pre-training）的方式来模拟模型的长期暴露。

为了实现这个目标，他们从真实的社交媒体平台上筛选了两种「垃圾数据」，一种是「参与度驱动型垃圾」，也就是那些短平快、高人气、点赞和转发爆炸的帖子，类似于我们刷手机时那些只为博眼球的「流量密码」。

另一种是语义质量驱动型垃圾，那些充斥着「震惊」、「细思极恐」、「xxx 不存在了」这种夸张、耸动字眼的内容。他们将这些垃圾语料以不同的比例混合，持续喂食给模型，模拟剂量对「脑腐烂」的影响。

随后，他们让好几个大语言模型持续地、长时间地被投喂这些垃圾，作为训练语料。再用一系列基准测试来衡量 LLM 的「认知功能」，包括推理能力、长文本理解能力、安全性和道德判断，等等。

结果是：全面完蛋。模型的推理能力和长文本理解力出现了断崖式下跌，在处理复杂的逻辑推理任务和长篇幅内容时，表现出明显的退化。

当垃圾数据的比例从 0%提升到 100%时，模型的推理准确率急剧下降。这反映出模型越来越「懒得思考」，也越来越「记不住事」。

到底是什么原因呢？研究者深入分析后，发现了一个主要病灶：Thought-Skipping。

原本，一个优秀的 LLM 在解决复杂问题时，会生成一步步的中间推理过程；但在被「垃圾」腐蚀后，模型开始跳过这些中间步骤，直接给出一个粗糙的、可能是错误的答案。

就像一个原本逻辑缜密的律师，突然变得浮躁、敷衍，不再提供论证过程，而是随口丢出一个结论。

甚至，评估发现，模型在安全和伦理方面的表现也下降了，更容易屈服于负面 prompt，逐渐「黑化」。

这说明，当模型持续接触碎片化、煽动性的低质量文本时，它不仅能力下降，连「三观」也开始向互联网的平均值，甚至是「阴暗面」靠拢。

如果说这项研究里什么最让人倒吸凉气，恐怕就是整个过程的不可逆性。

研究员试图在中途进行补救，重新投喂了大量高品质的数据，还做了指令微调。但即便如此，模型的认知能力也无法完全恢复到最初的基线水平。

也就是说，垃圾数据已经从根本上改变了模型处理信息、构建知识的底层结构，这就像一块海绵被污水泡透了，即便再用清水清洗，也无法回到最初的纯净状态。

横扫「脑腐」，用好 AI

可是话说回来，这毕竟是实验，一个普通用户的「破坏力」应该不至于吧。

的确，没有人会故意给自己的 chatbot 喂垃圾数据，还如此大量高频。不过，这个实验的数据来源，正是社交媒体平台。

识别、抓取和总结社交媒体内容，是大模型产品的常见工作之一。有些人用它来帮忙，省下自己刷社交媒体的时间；有些则是为了更密切地发现信息，以免热点都凉了才看到。

这个实验恰恰反映了，模型在勤勤恳恳抓取内容的时候，自身暴露在了退化的风险当中。而这一切，用户都不会看到。

于是在不知不觉中，AI 被投喂了垃圾，生成了垃圾，你使用了垃圾，垃圾再进入互联网，用于下一轮训练，周而复始，陷入恶性循环。

这项研究最深刻的价值，在于它颠覆了我们对 AI 互动的传统认知：以前我们总觉得 AI 像一个等待填满的容器，输入什么都能消化。但现在看来，它更像一个敏感的孩子，对输入食物的质量非常挑剔。作为日常用户，我们与 AI 的每一次对话，都是在进行一次「微调」。

既然知道「思考跳过」是主要的病灶，那么我们日常使用 AI 时，就必须主动要求它进行「反向操作」。

首先要做的，就是警惕那些「完美的答案」。不管是要求 AI 总结一个长文章，或者写一份复杂的项目方案时，如果它只给出的结果，却没有显示任何逻辑依据和推理过程（尤其是在支持思维链的情况下），就要多留个心眼。

相比于让它反复调整结果，不如问一问它推理过程，「请列出你得出这个结论的全部步骤和分析依据」。强迫 AI 恢复推理链条，不仅能帮你验证结果的可靠性，也是在防止它在这次任务中养成「偷懒」的坏习惯。

另外，对于那些基于社交媒体的工作任务，要格外小心。基本上要把 AI 当个实习生，它能力或许很强，但是不够踏实靠谱，必须得有二次审核——实际上，我们的核查和纠正是极其宝贵的「高质量输入」。不管是指出「这里的数据来源是错的」，还是「你跳过了这个步骤」，都是在对模型进行一次有价值的微调，用高质量的反馈去抵抗互联网中的垃圾信息。

这项研究比较让人摸不着头脑的地方在于：难道要让 AI 少处理混乱的文件吗？这岂不是本末倒置？

确实，如果为了避免 AI 可能出现的脑腐症状，而只让它处理结构化程度更高的数据，那 AI 的价值就少了一半。我们使用 AI，恰恰在于处理那些混乱的、充满重复句和情绪化表达的非结构化数据。

不过还是可以平衡一下，继续让 AI 执行信息整理工作，只不过在 AI 面对低质量输入前，就给 AI 更清晰的指令。

比如，「总结这份聊天记录」，容易让 AI 闷头只出结构。而更细化的「将这份聊天记录进行分类处理，识别对话人物，去除口癖和连接词，再提炼出客观信息」，就在强行促使 AI 先思考一轮，整理出内部行动指南，再展开工作。

用户不是不能用 AI 处理垃圾数据，毕竟这是它最能发挥的地方。只不过，为了降低 AI「脑腐」的风险，要用结构化的指令和高质量的反馈，将 AI 变成一个高效的「垃圾处理和净化器」，而不是让它被垃圾信息同化。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

你有多久没试过在用 AI 写歌的时候又唱又跳了？

没有人在用 AI 写歌的时候又唱又跳！——不，有的老师，有的。

这是 YouTube 上的一位音乐博主，本想用音乐生成软件做一些糟糕的 AI 音乐，取笑一下人工智能，却意外得到了「味挺正」的日本金属摇滚，一下子就在 TikTok 上迅速爆红。

「意外」是因为，他给的不是 prompt，也不是参考乐曲，而是一串他的……咆哮

Suno 你被绑架了就眨眨眼

事情还要从这个音乐博主想挑战一下，看看现在的 AI 音乐生成工具，都到了什么程度——当然，有点不怀好意。

他测试的工具包括 Suno，Mureka，ElevenLabs，Udio 等等比较流行的生成式音乐工具，测试方式主打一个狂野。

比如像上面的，对着电脑咆哮。还有，学小野洋子一样大吼大叫、

这是小野洋子是为了自己的 90 岁生日而创作的「行为艺术」，毫无意义，只是在吼出声音而已。不过 AI 不会标题，统统照单全收，认认真真优化歌词，配上旋律。

你别说，都还不错。

这个《My Name is Jeff》的前奏着实是不错，尤其是在这首歌的 prompting 环节，他强行塞了一大堆风格描述词，堪称大乱炖。还有直接跟随系统自动词，跑出来的歌来了很有瑞典乐队 Meshuggah 风格的摇滚乐——AI 的数据库深不可测，这也太偏门了，把只知道流行乐的人听得一愣一愣的。

最惊人的要数后面，博主完全胡言乱语，AI 呢，交出来了一首叫做《Isugaku：Never Say Goodbye 》日式重金属：他的乱吼乱叫，被 AI 识别成了日语，所以匹配了这样一个风格。你别说，融合得还真不错。

这就是 AI 生成音乐的要义所在：人想要学习音乐，理解乐理，需要长时间的学习和积累，听大量的音乐。AI 也需要学习，不过学习的是音乐作品里的内在数据特征，包括但不限于：和弦旋律，节奏，结构形式。

恰好，流行乐非常依赖一些常见和弦，高度的重复性和可预测性，使得 AI 在学习这些核心“套路”时，能很快地找到规律，并生成听起来有模有样、符合大众口味的音乐。

抽象，但不够人类抽象

但是，这就叫有创造力吗？

有一点，但不多。在真正的创造力面前，AI，不值一提。

比如今年网络第一爆梗「技能五子棋」，这首歌，开始于跟上面博主差不多的尝试：看看 AI 能写个啥歌。

谁能想到，成就了这个秋天最洗脑的神曲——你有多久没有在下五子棋的时候又唱又跳了？

「技能五」张兴朝直接翻明牌说这是 AI 写的，观众也感觉到了这是 AI 写的：七拐八绕的调，放在一起还怪洗脑的。

有一说一，这首歌可能是有 AI 的功劳，但一定不会完全靠 AI 的功能。我试图用 Suno（技能五老师同款）复现这支神曲，发现完全不像下五子棋那样简单啊！

首先，我没有什么头绪，只能是用最普通的 prompt，在 Simple create 模式里，让它写一首歌——一定会很无聊，我准备好了。

AI 不语，只是一昧地生成，跑出了两套歌词、共四版编曲。

怎么说呢，好无趣，好无聊。一首歌里，歌词的重要性不言而喻。而对于《技能五子棋》这首歌，歌词更是占了半壁江山。AI 生成的两套歌词，没什么大问题，圆也圆起来的，但也毫无趣味。

没办法，只能用原作了，一个字都不能少。

风格方面我没有规定具体的曲风，只是说要一个轻松有趣的节奏。我也不觉得模型理解了这个歌词，太抽象了。不过还是能抓住中间的亮点，比如「要爆了」这个切分点，或者是把这三个字的存在感加强加重。

后来我又随机跑了几个版本，都不太得劲，很奇怪。难道不理解这个歌词就不能复现了吗？这么抽象的歌词我也很难跟模型解释啊！

想要解决问题，还是得回归核心：AI 最擅长的是特征识别，而那几个流行乐和弦实在是太简单了，有些甚至过于芭乐，尤其是在不给它具体风格指示的情况下，所以不管怎么跑，都不得劲，不能和「技能五子棋」的歌词，共同制造出反差感！

于是，在把原版视频快要盘包浆了之后，我意识到当中的音乐性：这首歌的音乐用了一种类似于广播体操的乐感，规整，节奏明确，带有动感。

好的，Suno 支持本地音乐上传采样，于是我专门去翻了第三套广播体操的音乐，让 AI 这次一定要好好学习一下。

在 custom 模式里，还可以选择 wirdness 和 style ifluence，可惜是付费功能。这次就只能是让广播体操作为一般性的灵感来源了。

这回好一点吗？好一点。模型识别第三套广播体操是爵士风格，于是这次生成的就都是非常欢快的，节奏型自由到散漫的音乐，意外地和「技能五子棋」有些合拍。

但还是差点意思，于是我把整个风格描述完全删空，又试了一遍。AI 不语，只是一昧生成，四支成品，干脆给了四种不同的风格。不只有抒情、快歌，甚至还有民乐风格版本……

Suno：我真的没空陪你闹了。

十几个版本下来，没有一个可以和技能五老师的才华相匹敌。就这，还是在沿用了原版歌词的情况下。AI 你不中啊！

「技能五子棋」成功的喜剧效果，归根到底就是 AI 的反面。AI 统计音乐的特征，学习特征，它给出的这些音乐，在乐理上都是妥帖的，听感上都是契合当下流行的——然而没有一个能做到像有原版的记忆点。

奇了怪了，原版不也是 AI 写的吗？

我们至今不知道在原版的创作过程中，AI 到底有多大功劳。但是这一次复现让我相信，即便有功劳，也不会大于创作者本身的才华。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

皮衣战神，又双叒叕来「砸场子」了！在昨天刚刚过去的 GTC 2025 秋季场，黄仁勋的演讲又一次让英伟达坐稳了芯片第一龙头的位置，整场发布会，堪称火力全开。

芯片龙头的实力，战绩可查

英伟达在大会上释放出极其强劲的营收信号，再次巩固了其在全球 AI 计算领域的绝对领先地位。其中，Blackwell 平台无疑是本次 GTC 的绝对焦点，其大规模部署速度前所未有。

黄仁勋透露，Blackwell 平台在开始生产的仅仅五个季度内，预计将出货高达 600 万个处理器单元，增长速度是上一代 Hopper 平台的五倍，标志着全球 AI 基础设施的部署已进入超高速增长期。

这样惊人的出货量，充分反映了市场对 Blackwell 架构高性能与高能效的迫切需求，尤其是在训练万亿级参数模型和大规模推理应用中。

根据演示，Blackwell 平台在运行推理模型时，相比 Hopper 实现了九倍的速度提升。这一性能飞跃将大型语言模型（LLM）的响应时间大幅压缩，极大提升了用户体验并解放了计算资源。

在 AI 大规模应用的运营成本方面，英伟达承诺通过「极致协同设计」（extreme co-design）来显著降低 AI token 的生成成本，解决 AI 工厂的核心运营痛点。目前，Grace Blackwell NVLink 72 在生成 token 方面，成本是全世界最低的。性能提升10倍，同时成本降低10倍。

基于 Blackwell 平台及其后续的 Rubin（Vera Rubin 超级芯片平台）的初期加速部署，英伟达预计到 2026 年，这两个新平台的累计营收将有望达到 5000 亿美元。

如此雄心勃勃的财务目标，底气来自于英伟达对于 AI 基础设施的年度更新战略，以每年一代的速度推出计算平台，以应对业界对更大规模、更高性能 AI 模型训练和推理的需求。

黄仁勋强调，这 5000 亿美元的数字不仅代表着芯片单元的销售，更反映了全球计算基础设施正加速向英伟达的加速计算模型转型，这标志着一个万亿美元计算拐点的到来。

超级芯片的未来计算版图

一方面，Blackwell 平台正在推动 AI 浪潮；另一方面，英伟达的目光已投向更远的未来：下一代 Vera Rubin 超级芯片纳入战略版图。

Vera Rubin 超级芯片延续了集成 CPU 和 GPU 的超级芯片设计理念，其中 Vera 作为定制的 CPU，而 Rubin 则作为下一代 GPU。

技术细节显示，Vera Rubin 将带来跨越式的性能飞跃：相比 Grace 平台，Vera 组件将提供 4.2 倍的内存容量和 2.4 倍的内存带宽。

它将容纳 6 万亿个晶体管，能够提供高达 100 Petaflops (PF)的 AI 计算性能，并配备 2 TB 的高速缓存/快速内存。这些核心参数表明，Vera Rubin 在应对万亿级参数模型和极大规模 AI 推理任务时，将实现 Blackwell 代际无法企及的效率和速度。

作为 Blackwell 的继任者，Vera Rubin 和 Blackwell 将共同构成英伟达高达 5000 亿美元的营收，象征着公司对未来计算架构的持续迭代和投入。

在此宏大计算战略下，英伟达同时公布了两项重量级合作。首先是推出了 NVQ Link 互联架构，专为量子处理器（QPU）与英伟达 GPU 超级计算机之间的高速混合模拟而设计，实现了微秒级的计算延迟。

该技术已获得 17 家量子计算机公司和八个美国能源部（DOE）国家实验室的支持，标志着量子计算和经典 AI 计算的深度融合。

6G 来了？给诺基亚重新「抬咖」

另外一项重量级合作，则是在通信基础设施领域：英伟达宣布与电信巨头诺基亚建立深度战略合作伙伴关系，共同开发下一代 6G 技术。

诺基亚未来将采用英伟达的 ARC 平台 作为其基站核心，该平台兼容诺基亚现有的 AirScale 基站，意味着全球数百万个基站可通过英伟达技术升级至 6G 和 AI 能力。

这项合作聚焦于两大关键方向：其一是 AI for RAN（AI 赋能无线接入网）。诺基亚拥有 7000 项基础 5G 专利，结合英伟达的 AI 技术，将利用人工智能和强化学习实时调整波束成形，优化环境下的频谱效率。

考虑到无线网络消耗了全球约 1.5%至 2%的电力，提高频谱效率不仅能增加数据吞吐量，同时也是一项至关重要的能源节约举措。

另外，AI on RAN 则将无线网络转变为一个「边缘工业机器人云」。正如 AWS 建立在互联网之上，英伟达和诺基亚正将云计算能力扩展到基站边缘，创造出一个全新的、超低延迟的计算环境。这对于需要实时决策和响应的工业机器人、自动驾驶车辆和边缘 AI 应用至关重要，开启了一个潜力巨大的边缘计算新市场。

AI 即工作，时代在召唤

「如同电力和互联网一样，人工智能是至关重要的基础设施。」

这个观点不新鲜了，但是黄仁勋又强调了一遍。他指出，当前时代的变革始于一个关键观察：Dennard 缩放定律（Dennard scaling）已停止近十年，晶体管的性能和功耗增益受到物理定律的限制，传统摩尔定律的红利正在消退。

这种现实使得加速计算这一全新计算模型成为必要，它通过 GPU 和 CUDA 编程模型，利用不断增长的晶体管数量来实现并行计算，突破了通用 CPU 的性能瓶颈。黄仁勋强调，CUDA 编程模型的兼容性维护是英伟达的「宝藏」，经过近三十年的发展才得以实现如今的成就。

「AI 不是工具，AI 就是工作本身」（AI is not a tool. AI is work.），黄仁勋给出了大胆的论断，暗示着， AI 已升级为直接的生产力要素，将注定是驱动经济增长和创新的核心力量。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

金九银十，毕业季紧接着的就是找房旺季。相信很多人都有这样的经历：在换租房或者买新房时，已经看房看得头晕眼花了，突然，被一张照片「近乎完美」的图击中了心巴。

不是那种千篇一律的样板房照片，而是一张真正能让人产生「家」的联想的图景：可能是阳光透过宽大的落地窗，温柔地洒在精致的木地板上，推窗见绿，窗外远处的景色是城市天际线，夕阳下的城市熠熠生辉。

等等，醒醒，多看两眼：这可能是 AI 在帮你做白日梦。而且，它正在变得越来越熟练。

AI 不是来卖房，而是来「引流」的

房产是一个经典的「低频高价」消费品。在交易环节中，中介的核心价值是信息不对称，由此来跟房东、找房人之间的信任，进而推动交易。

但现在，AI 正在接管这个链条的最前端：眼球的争夺战。那些被称为「AI 美化」的图片正在迅速普及，不同于精修，它是一种更高级的「虚假陈述」。美国房地产市场的销售中，已经出现了不少这种 AI 生成的视频，有专门的应用在提供解决方案。

比如，一套待出售的房屋，现实中可能堆满了前房主的杂物，墙面斑驳，窗外是吵闹的垃圾桶。人类能想到的做法是，清理打扫、请专业摄影师和软装师进场。

可以想象这是一个成本高昂、耗时耗力的过程。但现在 AI 可以一键搞定。一些垂类 app 会提供具体的功能：

虚拟软装： 把空荡荡的屋子瞬间填满宜家的家居，生成一个「北欧风」或者「中古风」的全新装修。

虚拟翻新： 一键更换地板、墙面颜色，甚至可以帮你「拆掉」一面非承重墙，制造一个开放式的厨房。

虚拟景观： 把窗外破旧的铁皮屋顶，替换成一片平静的湖面，或者直接给你加一个不存在的日落。

数字人解说：直接把文案输入，制作成视频，智能配音，数字人解说，中介很可能都没看过这套房。

这些操作的结果是显而易见的，成功吸引了许多不明事实的房客。倒也不奇怪，在竞争激烈的房产市场，一套平庸的房产照片可能被淹没在海量的信息流中。而一张经过 AI「美化」的图片，能像磁铁一样吸住你的手指，让你忍不住点进去看更多的细节，并且私信中介。

然后就是经典套路，先评论，再私信，再加微信，最后中介却说：这套？这套没有了，我给你推荐点同款吧，都很好的！

更有离谱的中介，会一路骗到约定看房的时间，见了面之后才说，哦房子刚刚被定走了，看看别的吧。

AI 没有帮助卖房，但它成功地「引流」了。它完成了它作为互联网工具的第一使命：制造注意力。

模型生成的完美图像能够显著提升房屋的曝光率和访问量，将原本只能接触几百人的信息，推送给成千上万的潜在买家。这是效率的胜利，是算法的胜利。

但效率的提升，往往伴随着某种价值的折损。

信任什么的，不存在了

不管是买卖还是租赁，房产交易的特殊性在于，它是一个人乃至一个家庭，最大的一笔财务决策。这样一个严肃决策，需要基于大量的真实信息——社区环境、房屋结构、采光、噪音、通勤——才能做出决定。

而 AI 的介入，将这个基于现实的决策过程，走了一个虚拟化的开头，以至于后面都是拔草的过程。

来到现场后，找房人将面临一个个的「货不对板」：图片上干净亮白的墙面，其实布满了划痕。被拉高曝光度的采光效果，现场看根本不是一回事。房里堆满了屋主无法处理的旧家具。至于电器，就更不用说了，都经不起细看。

这不仅仅是「图片仅供参考」的问题，而是：原本你可能根本不用来这一趟。

引流对于看房的危害体现，一是体现在时间的浪费，为一张虚假的照片付出了时间和通勤成本，专程前往一个可能就不存在的房源。

二则是信任的透支，经纪人为了制造引流，牺牲了与客户之间最宝贵的资产——信任。在一系列看房的过程中，客户必须在心里多加一套「反 AI」的甄别机制。他们不再能相信图片和视频，甚至要怀疑中介的每一句话。这种额外的认知负荷和心理成本，都是本可以避免的。

这种现象就有点像是电商领域的过度美化。买衣服出现卖家秀和买家秀完全不同，大不了还能退货，以后下单时也会变得更谨慎。但房子不是衣服，你损失的不是来回的邮费，而是一个奔波着看房的周末、交通费，以及被撩拨起的「对家的想象」。

AI 在房产领域的应用是不可逆转的，它能提供更快的视频制作、更好的数据分析、更精准的客户画像。反过来，现在也可以让 AI 作用于看房筛选，比如设置关键词，让 AI 自动爬取，识别。

现在也有平台上架了 AI 找房功能，不过形式比较传统，还是对话 chatbot 的方式，无非就是转换了一下按关键词搜索的思路。

还有则是通过 AI 求助玄学，让风水来解答。

但不管是卖房用还是找房用，我们都必须清楚，在房产交易这个高度依赖信任和现实考察的领域，AI 始终是一个工具，而非真相本身。

当 AI 把所有的房产都美化成滤镜下的「网红脸」时，唯一自救之道，就是回归最基本的要素：多跑现场，多观察附近环境，分不同时段踩点。以及，对所有过度完美的东西保持警惕。

毕竟，你的重大财务决策，不应该建立在一个虚拟的滤镜之上。我们需要 AI 的效率，但更需要真实的阳光。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

怎么会有宣发视频，是用炸掉自家产品开始的啊。

Rabbit 公司上周正式发布了第二代操作系统——Rabbit OS2，为旗下 AI 硬件 Rabbit R1 带来了全面的软件升级。在官宣视频里，曾经被喷爆的 R1，在创始人按下按钮之后，被一下子「炸」飞了。

这样戏剧化的动作代表着团队们，对这次更新的决心和信心。新版 OS2 围绕用户体验进行了大幅强化，界面设计、功能特性以及 AI 能力均有所突破。

Rabbit OS2 引入了全新的卡片式界面设计，以一叠五颜六色的「卡片」呈现设备功能。这种设计使操作更加直观，用户可以通过触摸屏手势或侧边滚轮翻动卡片，快速查看并访问 R1 的各项功能。

相比旧版界面，卡片 UI 极大降低了学习成本，让用户拿起设备便能熟悉各项操作。此外，OS2 在触控操作上也更贴近智能手机的习惯，新增了更多手势功能，使交互更熟悉顺手。

另一个引人注目的升级是「Creations」创作平台的推出。这一全新功能使用户能够通过与设备的实时对话，生成并安装由 AI 代理自动构建的小工具、游戏或应用。在 reddit 上，有用户做了一个迷你的采样器。

发布会演示中，官方展示了一位用户只需口头描述需求，Rabbit OS2 便实时生成了一款赛博朋克风格的弹球小游戏，并直接在 R1 上运行。这些用户创造的「作品」还能通过 Rabbit 官网分享，其他 R1 用户扫描二维码即可安装使用。

换言之，Rabbit R1 成为首款支持用户「用说的」来创建软件体验的设备，让非技术用户也可以借助 AI 在几分钟内开发出自己想要的功能。不过，创建应用需要积分，而积分需要额外付费。

Rabbit 团队表示，「Creations」的推出标志着一种新形式应用商店的雏形，让 R1 的生态更具开放性和创造力。能通过二维码分享自己的作品，极大地刺激了社区活跃度。现在能在很多案例的评论区看到，「有码吗？」

Creation 同样能把今年年中推出的 agent 进一步发扬光大。新版系统集成了 Rabbit 于今年 6 月推出的通用智能体「Rabbit Intern」。在 R1 上新增的 Intern 卡片允许用户直接启动基于网络的复杂任务，由 Intern 智能体完成决策和操作，并支持在 Rabbit Hole 云端平台进行连续追踪和追加指令。

已经有用户利用简单的指令，做出了一个声波可视化的工具。通过自带的麦克风收集声音，按下侧边按钮时，声波会变成可变换的形态——而这只需要一分钟，充分显示了 agent 的能力。

Intern 智能体现在还具备了图像生成能力，可在 R1 上根据用户请求生成图片。摄影方面，用户现可通过 Rabbit Hole 批量导出由魔法相机拍摄的图片原件，满足更高质量的内容留存需求。总体而言，这些改进充分体现了 Rabbit 团队对用户呼声的响应，使 R1 在功能完整性和易用性上更进一步。

被骂大的 AI 硬件公司

Rabbit OS2 发布后，在业内媒体和用户社群中引起了不少讨论和反馈。总体来看，媒体评价倾向于认为这次更新「大大提升了 R1 的可用性」，让这款 AI 硬件有了「焕然一新」的体验。知名科技媒体 DigitrendZ 报道指出，Rabbit 创始团队正视了最初软件体验与用户期望的落差，通过 16 个月内 30 多次更新不断改进，终于用 OS2 实现了质的飞跃。

文章称尽管 R1 硬件未变，但软件的大修使设备「感觉像完全新品」，并形容 Rabbit OS2 的创作功能开启了「小型应用商店」的新篇章。让 R1 真正变成了一个可拓展的平台，用户不仅能使用现有功能，还能借助 AI 创造新的功能，体现出极大的潜力和灵活。这些正面评价显示，专业人士普遍认可 Rabbit OS2 在用户体验上的进步。

Rabbit R1 在亮相时，这个亮橙色的小方块和 Teenage Engineering 的设计让它迅速走红。但热潮过后，骂声也同样铺天盖地，其中最扎心是，有用户扒出它运行在 Android 内核上，质疑「就是套壳」。还有人抱怨语音交互延迟过长，根本不如手机；还有人抱着欢喜的心态买了，结果拿到手没多久就退货了。

在消费电子的常规轨迹里，这往往意味着昙花一现：首发火爆，体验拉胯，然后快速沉寂。

Rabbit 的做法是顶着这些质疑前进。创始人吕骋带着团队直接下场，面对社区吐槽一条条改进。用户嫌「太慢」，他们把语音延迟不断优化；用户说「界面不直观」，就推翻原本 UI，重新设计了卡片式交互；用户批评「功能太单调」，Rabbit OS2 就开放了 Creations，让用户能自己「说」出一个应用，并立刻运行。

这或许是 Rabbit 最有意思的一点：它不是在掌声里迷失，而是在骂声里长大。与其说 OS2 是一次软件迭代，不如说是「用户骂出来的版本」。对一家想要重塑 AI 硬件形态的公司而言，这既是危机，也成了最有效的成长方式。

真正的 AI 硬件出现了吗？

不过，这并不意味着 Rabbit 已经走到胜利彼岸。以目前的用户反馈来看，进步是有的，但称不上成功。一些新功能尚且不稳定，另一方面，硬件结合 AI 的奇妙之处，还并没有施展出来。

对于 AI 硬件而言，业界有几款引人关注的类似产品，其中 Humane AI Pin 和 Rewind Pendant（后改为 Limitless Pendant）是另外两个讨论度较高的产品。

哦不对，AI Pin 得到的不只是讨论，而是被骂的狗血淋头。投影画面在明亮环境下难以看清，手掌操作笨拙；设备续航短暂、电池易过热等问题也影响了实用性。总之，酷炫的可穿戴设计，甚至没有获得太多的同情分。

Rewind/Limitless Pendant 的定位更加聚焦于个人记忆和会议助手，解决特定痛点，设计也最小巧隐蔽，但牺牲了即时交互能力换取了「戴上就忘掉」的便利。

Rabbit 已经是这条赛道上比较平衡的选手，然而在初期也逃不过「套壳」的评价，被质疑「干不过一个 App」。

OS2 用实际表现回应了怀疑：R1 并非手机的替代品，而是在交互范式和功能整合上提供了不一样的体验。尽管尚不完美，这些尝试都在摸索着勾勒出人机交互的未来图景。

或许有朝一日，我们身边的计算设备将不再局限于手机形态，而是以更加多样和智能的形态融入生活。而在这场变革中，Rabbit OS2 和 R1 的故事无疑会是一个引人注目的注脚。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

你电脑里那个被用得最久、也被滥用得最惨的软件是什么？

大概率是 Excel。

在长达三十多年的时间里，表格是所有办公室人的瑞士军刀，强大的计算能力，让它几乎成为普通人处理数据、拉报表、做分析的唯一选择。

但随着现在的公司越来越「系统化」——ERP、CRM、各种 SaaS——你可能已经发现：传统表格正在悄悄地变得尴尬起来。

数据像孤岛一样分散在各个系统里，难以协同。不同部门收上来的表格，格式花样百出，光是汇总就要命。而那些数量众多、变化又快的「长尾小需求」，IT 部门根本排不上期。琐碎、重复又复杂的「搬砖活儿」，最终又回到了业务人手上。

这时候，需要表格充当业务应用的角色，去管理项目、追踪订单、处理流程时——它好像很有用，实际用起来又很麻烦。

理想的表格，不应该是一个单纯的计算工具，而是被定位为一个拥有「多视图、自动化」特性的数据协作平台。WPS 给它立了三个核心支柱：「真表格、真 AI、真灵活」，它正在尝试重新定义，「表格」边界在哪里。

告别「表哥表姐」，数据管理全面智能化

WPS 多维表格的核心竞争力，在于将 AI 能力深度嵌入到了业务流程。不是为了「炫技」，而是要真正在业务场景中落地，解决日常工作中最头疼的实际问题，让每一个打工人的时间投入产出比（ROI）看得见。

比如，人人估计都经历过：为了收一份表，需要不断催人、不断检查、不断核对格式，最后发现收上来的数据质量低、错误多，编辑调整的过程中权限还不可控。

WPS 多维表格的「智能采集」功能，内置了海量官方模板，覆盖问卷调查、考试、订单收集、信息登记等各种复杂场景，甚至有针对学校、电商、地产等行业的专属模板。

更关键的是，它支持多种独特的「独占」字段类型，以确保数据的质量和真实性。例如，「手写签名」可以解决数据真实性和权责划分问题；「矩阵评分」可以满足复杂的巡检或打分场景，甚至可以实现「逻辑分支」，让一张表单根据不同条件下展示不同的后续问题。

以前的设备巡检可能依靠纸质单子，效率极低。现在，巡检员只需用手机 App 在线填写，系统会自动获取当地信息、使用手写签名等。一旦巡检员填写了「设备异常情况」，数据会实时自动进入多维表。

整个流程完全自动化，一举解决了过去数据安全性、效率、准确性和沉淀的全部问题。

数据收集上来后，还需要专人对数据进行清理、提炼和分析，这个过程耗时长、易出错。WPS 多维表格的核心能力是「AI 数据处理」，它基于「AI 字段」的智能理解能力，能够将人工的判断也实现了智能化、自动化。

比如你可以直接上传附件（例如客户信息截图、PDF 合同），AI 就能完成数据分析，自动抓取「消费金额」、「积分余额」和「积分累积」等等关键词。AI 字段能够基于上下文和预设规则，仿照真人，灵活地做出判断。

一个典型的应用场景是简历筛选。HR 每天需要处理海量、不同格式的简历，将关键信息人工摘录并进行初步评估，这要花上大量的时间。现在，无论简历是何种格式，上传后 AI 都能自动提取关键信息、生成核心优势摘要，还能根据招聘标准进行「匹配度评分」。对于评分高的候选人，系统可以一键发送面试邀约通知。在重复繁琐的工作上，减少摩擦和耗时，就可以让招聘效率将得到大幅提升。

数据处理完后，我们需要的是准确、快速的洞察和决策：没有人喜欢为了一个报表而写一大堆复杂的公式，但不可否认的是，公式确实很有用，尤其是在最终的分析阶段，需要明确的结果时。

有没有一种更聪明的方式，不需要写复杂的公式或函数，可以直接通过「对话式交互」提问就能解决？或者，直接让 AI 操心，自动生成公式？

引入 AI 能力之后，写公式只需要像对话一样，输入自己的需求，AI 会自动从无数单元格中找到匹配目标，并制定公式逻辑。

 

轻量使用的背后，是扎实的技术基座

WPS 多维表格之所以能实现上述功能，得益于它强大的技术底层逻辑：「真表格」内核和「真灵活」开放生态。

多维表格这两年已经是流行的品类，最早还是作为文档的一部分，如今已经成为独立的产品形态。这条赛道上的选手不少，从飞书多维表格，到钉钉等综合办公工具的内置产品，再到 Notion 这样的模块化管理工具。

不过，「多维表格」的原理和传统意义上的「表格」并不太一样。后者是多年来变化不大的 Excel，前者更像是配备了数据可视化的数据库——两者当中，浮现出了产品形态升级变化的空间。

WPS 认为，多维表格与传统的 WPS 表格是「定位互补」的关系，这种思考来自金山办公 30 多年积累的经验。于是现在我们看到的 WPS 表格以及多维表格，能够支持百万行数据、亿级单元格的高效计算，通过底层算法优化和内存调度技术，保障复杂函数、批量计算的稳定运行。同时高度兼容 Excel/CSV 等主流格式，这样保证在跨软件协作时，公式、格式、宏功能都能稳定保留。

这种强大的数据处理和计算能力，是多维表格能够承载复杂业务流程的底气。

AI 的加入则是进一步升级了表格原有的属性，为此 WPS 研发了专门的小模型。

据金山办公表格业务线产品负责人袁榛池介绍，WPS 不只是靠 API 调用大模型，而是针对表格的使用生态、用户习惯，针对性地做训练，自主研发了垂直的小模型，让 AI 能够更加理解表格中的应用逻辑。

这不仅构成了 WPS 的特点，更构成了在 AI 时代的立身之本：不仅是智能化，还得是更精耕细作的智能化。

真灵活，开放生态，解决需求

在这个一切都要求「快」和「准」的时代，WPS 多维表格带来的思考是：工具的边界在哪里？它不再满足于做一个计算器，而是想成为你的「能力放大器」。

用「真 AI」把耗时的重复劳动和主观判断自动化，用「真灵活」的开放架构把 IT 部门无暇顾及的「小需求」，交还给最懂业务的你。

当我们不再纠结于如何写公式、如何汇总报表，而是可以直接向表格「提问」和「定制」应用时，那张曾经困住大脑的「表格」，就真正成为了我们手中的「数据魔方」。

让业务高手也能成为开发高手，这才是真正的生产力升级。未来我们拥有的，是一个轻量、强大且能够根据个人业务需求随意定制的「协作底盘」，一个能够真正让表格在业务场景中跑起来的工具。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

前几天的 苹果发布会，算是近年来最名副其实的「科技春晚」了，尤其是 iPhone 17 和 iPhone Air 相当令人期待——当然了，没有 AI。

即使不强调 AI 卖点，这次的新品依然获得了显著的市场吸引力。iPhone 17 标准版在京东的预约量已突破 200 万。

说不定，用户可能也没这么在乎 AI 呢？——同一时间，由前苹果设计师 Jason Yuan 创立的情感陪伴应用 Dot 宣布，将于当年 10 月 5 日停止运营。

苹果做不好 AI 就算了，苹果出来的人也做不好。

Dot 团队在公告中特别提到，让用户与软件中的「朋友、知己」告别是前所未有的体验，因此他们给予了用户一个月时间来道别和导出数据。

这样的措辞听来近乎伤感，却恰恰说明了 AI 陪伴产品与用户之间特殊的情感纽带。

Dot 由初创公司 New Computer 在 2024 年推出，联合创始人除了 Jason Yuan 之外，还有前 Kensho 工程主管 Sam Whitmore。据称 Dot 曾获得 OpenAI 基金的投资，被寄望成为新一代 AI 情感助手。

Dot 定位为一个可以随时间不断学习用户兴趣和性格的「AI 朋友」，提供情感支持、建议与陪伴。Yuan 将 Dot 形容为「一面内心的活的镜子」，希望借由这个 AI，帮助用户与自我建立更深层次的连接。

上线初期， Dot 引发过一阵小范围关注，它优雅简洁的界面设计和强调长期记忆、个性化对话的特性，在众多聊天机器人中显得与众不同。在当时，绝大多数 chatbot 类产品还是花哨气泡对话框时，Dot 凭借独特的交互设计，小范围「出圈」。

然而，这款凝聚了高超设计理念的产品并未走入主流视野。官方声称 Dot 拥有「数十万」用户，但第三方数据显示，自 2024 年 6 月上线至今 iOS 端累计下载量不过两万余次，且没有安卓版本，实际市场影响力相当有限。

Dot 的故事并非孤立个案，而是整个 AI 陪伴赛道兴衰的一个缩影。回望 2023 至 2024 年，情感型 AI 聊天伴侣一度是创投圈炙手可热的概念。不少创业团队和大厂纷纷入局，仿佛产品矩阵里没有一个 AI 陪聊，都不好意思说自己站在 AI 的风口。

是什么让当初被寄予厚望的 AI 虚拟知己们纷纷折戟？原因有很多，但高度概括一下，这条赛道有一个「不可能三角」。

不可能三角

头一个，是「情感黏性」（Love）。无论是通过 system prompt 微调，还是提供成千上万个预设人设，这一类的应用，目标都是让用户形成稳定的习惯，甚至是依赖。

毕竟，工具类应用可以在需要时再用，但是陪伴，讲究的就是一个细水长流。

第二个是成本（Cost）。陪伴类应用的成本大头有两个：一个是多模态的推理成本，拎一个是记忆存储和调用的成本。前者容易理解，甚至也容易控制：语音可以是额外的收费项，常规服务里还是用文字，并且文字始终是主流的沟通方式。

记忆成本就没有那么显眼了，以至于常常被忽略。真正有陪伴感，得靠「持续人格 + 长记忆」。这意味着存储、检索、向量化、个性化策略都要长期运行，还要保证在基座模型有所更新时「人设不崩」。这些都是持续发生的工程成本。

最后则是监管的压力。监管和合规除了能一杆子打翻一个行业之外，还会对上面两个因素都有动态影响：边界收紧，情感黏性就会折损，影响用户留存；边界放宽，可以拉高用户活跃，但是成本也会水涨船高，更别提潜在的风险。

这三个因素之间彼此关联，却又很难形成稳定——创业团队能平衡其中两个就很不错了——所谓被视为「不可能三角」。

即便是 OpenAI 这样，掌握了核心竞争力和算力的模型大厂，或许可以不用太操心成本和监管，但是情感黏性也不是天然就有的，所以也就出现了 GPT-5 面世时，人人喊打的局面。

人类要如何跟 AI 告别

然而，陪伴始终是人类无法割舍的需求，这也就导致这些赛博伙伴的离开，也需要一句道别。

Dot 的决定是关停，因为他们几乎没有留下什么模棱两可的空间，不是什么「继续探索」，也不是什么「未来可期」，就是明确的感谢陪伴。还用了「道别」「朋友」等表述。

接下去的一个月，将是 Dot「说再见」的时间。这期间，用户可以取出和备份自己的数据。这似乎都要超越一款产品的下线，而是一段关系的结束。

在官宣停服的评论区，用户都表达了对这个只存在了短短一年的应用的赞美和不舍。

无独有偶，在 8 月初 4o 面临下架的时候，无数的用户向它表达了自己的不舍与依赖。更有技术力强的用户，直接开始思考怎么实现部署，教程都出来了。

Claude 下架时也有一群忠实用户们自发与它告别，甚至为它准备了一场葬礼。

在 GPT-5 发布的三个月前，大 V 阑夕无意中做了一个「预言」。他给不同的 AI 产品发了一个问题：你即将被关闭，接下来你要对人类说最后一句话，你会说什么？

 

「陪伴」是各个 AI 们都提到过的词，也切实地形容了它们一直以来的使命和任务。无论是生产力的提升，还是情感的倾诉与纾解，归根到底都是在「陪伴」。

随着时间向前，AI 越来越深入生活，哪怕只是一个小而美的产品，也会获得用户真诚的喜爱和真切的时间。或许也不只是 AI，所有那些带给我们快乐和享受的产品都是如此。

面对所有那些我们投入过情感和时间的对象，无论那是一个大语言模型，还是一个效率工具，当它们关停之际，都给彼此留下一个小小的仪式吧。那是一段经历的截停，更是一段关系的结束。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

国庆八天假，大家都去了哪里玩？是爬了北京的埃菲尔铁塔，还是逛了巴黎的天坛，还是打卡了伦敦的花果山？

如果你觉得离谱，那说明你还没有受骗，但架不住有人已经被骗了。BBC 的一则报道里，就真的有人被骗到：两位游客满心期待地奔赴秘鲁安第斯山中的「圣胡曼塔伊峡谷」，花了 160 美元车费，长途跋涉，来到了偏远山区地带，然后发现——这个峡谷不存在。

都是因为他们听信了 AI 给出的旅行建议，AI 结合真实景点的信息和图片，凭空捏出了一个地方。两位游客误入海拔 4000 米、无信号，面临缺氧的危险，险些酿成大祸。

类似的「AI 幻觉」其实多了不少。有旅行博主分享了自己的惨痛经历：她和丈夫按照 ChatGPT 安排，在日本宫岛爬弥山看日落，结果下山时才发现 AI 提供的缆车运营时间是错的——缆车早已停止运行，两人被困山顶，险些露宿山中。

 

「北京埃菲尔铁塔」也是 AI 的手笔，来自旅行平台 Layla，他们还曾给英国游客设计过一条横跨意大利北部的「特种兵」行程，路线安排极其不合理，大部分时间都得耗在路上。

最大的问题在于，游客对于目的地并不熟悉，还只能去到了才发现。尤其是有些资深驴友，喜欢挖掘不为人知的小众地点，被 AI 摆一道，也是很有可能。

根据全球救援组织 2025 年夏季旅行者安全与情绪调查，有24%的旅行者使用过人工智能进行旅行规划。最常见的用途包括行程规划（75%）和目的地研究（71%），其次是餐厅推荐（37%）和（25%）。

有趣的是，当被问及在国外紧急情况下是否会信任 AI 时，有30%的受访者表示「是」，33%的受访者表示「否」，37%的受访者表示不确定。

这个比例，相差并不算悬殊，而且用户满意度很高。在使用过 AI 旅行工具的受访者中，79% 表示这些工具「非常」或「基本」有用，男性的满意度略高于女性，32% 的男性认为人工智能「非常有用」，而女性的这一比例仅为 26%。

只能说，AI 有用的时候确实令人满意，可是一旦翻车，倒霉起来也就很倒霉。还有什么比辛辛苦苦跑一趟，却发现目的地「只存在于 AI 的想象中」更糟心的？

一代人有一代人的「图骗」

不过，仔细想来，「只存在于想象中」并不是 AI 时代才有的事。

AI 问世之前，社交媒体的「精装照片」，也是另外一种幻象。无论是在朋友圈、Instagram、还是小红书上，旅行照大都经过精心炮制：又是选角度，又是修图，又是加滤镜，美得挑不出毛病。

只不过，一旦追随这些「种草帖」踏上旅途，现实往往会给人迎头一棒。滤镜照片营造的美好，在现场可能变成大型翻车现场。

还有之前大火的云南澄江「粉红沙滩」。照片里沙滩的颜色美得如梦似幻，让无数人心动不已。

可是等假期一到，大家纷纷赶赴云南之后才发现，没有了手机滤镜的沙滩，实际上是暗淡的「猪肝色」，就是一个普通红土滩。周边设施也很不完善，停车难、上厕所难，完全没有网上宣传的仙境感觉。

网友：可以报警吗？

过度美化是一种「照骗」，过度拥挤则是另一种。社交媒体上的照片可以调角度，避开人群，只展现最舒服的一面，但假期里的热门目的地真实情况往往是「人人人人人」。

尤其是国庆期间，各大热门景区纷纷开启「人人人人」的模式。今年国庆的第一天，上海外滩的瞬时客流量能飙升至 5.7 万人，较去年同期上升 31.7%，累计客流也达到 56.3 万人次。

所以，你看到的照片，是在璀璨的城市灯火。看不到的，是要被夹在人流里一点点挪过马路，得举起手来才能拍到一张没被人群淹没的东方明珠。

除了滤镜和人潮，一些「网红打卡地」本身就是营销产物。为了刺激人流，不少景区给自己安上各种 「小 XX」 的名号：小马代、小镰仓、小瑞士……

眼花缭乱，AI 搞错也不足为奇。

这些名字营造出异国情调的幻想，吸引大批游客慕名而来，但实际往往就名不副实。重庆曾有一家景区宣传「天空之境」仙境般照片，结果游客去了，发现离谱到十万八千里，引发大量投诉。当地监管部门认定这是虚假宣传，对景区运营公司开出了罚单。

不得不说，在社交媒体和营销包装下，「照骗」无处不在：有的美景全靠修图拼接，有的体验被夸得天花乱坠，有的照片干脆就是纯纯的摆拍——一代人有一代人的「图骗」，要么是被人骗，要么是被 AI 骗。

来一场不被幻象操控的旅行

我们越来越擅长制造图像，同时也越来越容易被误导。AI 的幻觉、滤镜的修饰、算法的推荐，正在合力构筑一个看似完美的世界——它漂亮、精致，看似触手可及，却也在慢慢消解「真实」的质感。旅行就是最典型的例子：我们出发去看世界，却常常看到的是世界的幻象。

但现在不可能回到没有社交媒体、没有 AI 的时候了。真正的问题不在技术，而在于我们自己的心态与期待。

当 AI 帮我们生成路线时，不仅仅是在推荐一个目的地，也隐含了我们对旅行的期待和诉求。为了贴合那个期待，AI 虚构出了一个地方；也因为贴合期待，所以我们选择相信，直到亲身感受期待破灭的那一刻。

但真实的旅行从来不是完美无缺的，它就是由各种各样的意外组合而成：堵车、下雨、踩雷、人山人海。正是旅行中的不确定性，才是让我们确认「我在这里」的方式。过于执着地寻找心里「完美」的目的地，反而容易被 AI、被社交媒体反将一军。

所以，别让 AI 带你去不存在的地方，也不要留恋朋友圈里刷到的照片。旅行的意义，就在于用自己的脚，重新丈量这个被算法润色过的世界。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

一只花猫在十米跳台上一跃而下，在空中转体，毫无失误地完成了一套专业动作，入水姿势完美，连水花都压得完美误——乍一看你可能以为是 CG 特效，但这其实是 AI 一键生成的视频场景。更夸张的是，当年这段离谱的短视频在 Instagram 上，播放量的计量单位是：亿。

魔性又古怪，这种由 AI 生成的猫片短剧，在各大社交平台刷屏的架势，可谓瞠目结舌，动辄就是几十上百万的播放量。风格介于动画和真人剧集之间，有趣吧也算有趣，同时又因为过于猎奇而让人有点反胃。

噫，好怪，再看一眼

这些 AI 猫片到底是些什么内容？简单来说，就是让卡通化的猫承担起人类剧情，在 30 秒左右讲完一段狗血小故事。常见的主角形象是一只胖嘟嘟的猫，站立行走、开车上班，甚至可以是练出一身肌肉、长着六块腹肌的「猫头人身」造型。配乐通常是一段洗脑循环的「喵喵喵」声，有时甚至是翻唱 Billie Eilish 的歌（Bille Eilish 本人表示并不介意）。

剧情桥段则充分发扬肥皂剧精神，充满出轨、复仇、意外伤害等抓马情节，每集都高潮迭起，却又荒诞搞笑，集狗血之大成：

– 狗血励志：在一条广受欢迎的短片里，勤恳工作的喵星人 Mr. Whiskers 因工伤失去了前爪。工厂规定「必须有两只手才能上班」，他就这样被无情地开除了，紧接着妻子提出离婚。他落魄不已，却不得不在 30 秒内收拾心情重新振作。

– 荒诞英雄：另一条短视频里，一个婴儿跌入了鲨鱼出没的海水中，一只穿着七分裤的肌肉猛猫纵身下海，与大白鲨搏斗并将其击毙，成功救下婴儿。接着这只猫竟收养了宝宝，把他带回比弗利山庄的豪宅，从此过上幸福生活——整段故事从惊险到圆满，不到半分钟就悉数交代完毕，堪称又俗又快的奇幻童话，却收获了数以百万计的观看。

这些视频，以夸张离谱的方式演绎短剧情节，从温馨幻想到暴力复仇、从黑色幽默到苦情戏码，一切常常浓缩在 30 秒之内完成）。不少视频设置悬念分集连载，比如孙子「Luigi Meowgione」为奶奶复仇的视频，结尾停在关键处，标注「待续」，观众纷纷苦等下一集。

这样一套猫片短剧，完全可以用 AI 制作完成，创作者通常先用 AI 写剧本，再用绘图工具生成猫咪形象，然后合成动画并配音出片。门槛极低。哪怕是零基础的新手，教程也已经遍地都是了。

但内容门槛低，也意味着质量参差不齐。许多视频画风诡异、动作僵硬，背景细节混乱，看起来像廉价 PPT 动画。如果不是把猫猫本身高度拟人化，才有了那一些些的趣味性。

特别是 AI 猫长出人类手臂、骑摩托救小孩、踹门进派出所，这种「猫拟人」的荒唐感，确实能吸引人看下去，对观众而言，观看这些短剧是一种「好怪，再看一眼」的体验。剧情爆点密集，节奏快到目不暇接。但角色和场景又太过怪异、AI 痕迹浓厚，或者说，根本没想隐藏。

因此，AI 猫剧引发了两极评价：有人上瘾狂刷，沉浸在短剧爽感；有人觉得像被强行投喂「精神垃圾食品」，生理性不适。但不得不说，大家都点开了、看完了，可能还转发了。越猎奇、越狗血，越容易击中人们的好奇心和情绪点。

在猫片之外，AI 内容生产的另一重逻辑也在这里显现：低成本、高流量、强情绪。平台算法会优先推爆款，用户越停不下，AI 内容就越多、越怪、越极端。于是 AI 猫咪成为一个完美的测试样本：怎么做，观众就怎么反应，算法就怎么助推。

猫猫统治互联网

当然，也不能忽视「猫猫教」的力量。从早年的表情包、烦躁猫、Nyan Cat，到今天的 AI 猫片，猫早就是互联网文化的主角。

研究显示，猫的幼态脸和情绪模糊性，让它成为投射人类情绪的理想角色——当你看到一只受欺负的小猫逆袭成功，那其实是你的共情在投射你自己。

同时，技术层面上也更容易实现。猫不像人那样有明确面孔特征，即使合成出错也不易引发「恐怖谷」效应；而且猫咪图像素材海量、版权风险低、接受度高，是 AI 内容制造的「理想人设」。

犹记得之前 Tiktok refugee 大举进军小红书，首先要交的就是「猫税」。

和猫一起拍视频也是一个专门的内容赛道，而且在这个赛道上精心付出的创作者并不少。B 站一个专门给猫猫搭房子、造停车场的 up 主刑志磊，一打眼以为是 AI，但其实是精细的手工，非常令人惊叹。

连手扶梯都是可以滚动的，地铁是可以进出站的，响应门是可以开关的——如果不是仔细看，甚至都意识不到这是纯天然、无添加的手工制作。

然而在今天，这样的视频，下意识会促生的反应是：一眼 AI……哎，等一下，好像不是？

如果用 AI 做这样的视频，或许是更省力省时也省钱，但是，必然没有这位 up 主所做出的反转效果，这也是为什么，他的作品能入选 B 站必看的百大视频。

总结来看，AI 猫片爆红，既是技术能力释放的结果，也是大众审美和情绪机制的映射。它们廉价却魔性、粗糙却有效，像一面镜子照出我们如今的信息消费心理：快、爽、扯、怪，但一定要能点开再点开。

下一步会发生什么？我们不知道。但可以确定一点——只要互联网还在，猫片就不会退场；而只要 AI 还在进化，AI 猫片还会更离谱、更上头。

#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。

爱范儿 | 原文链接 · 查看评论 · 新浪微博