有一个悖论始终困扰着科技行业。

人们曾经笃信摩尔定律，相信指数增长，相信「更多」一定意味着「更好」。于是，芯片电路越来越密集，屏幕越来越大，功能也越来越多。

但奇怪的是，那些真正让人印象深刻的产品，往往走的是相反的路——iPod 交互只需要一个 clickwheel 即可满足，Google 的首页干净得只有一个框和两个按钮；微信将至繁归于至简，生态的确庞大了，但体验仍然核心且简洁。

这不是偶然。

当行业多数都在做加法时，懂得做减法，也是一种智慧。做加法容易——多一个功能，多一点覆盖，多了商业机会，多了安全感；做减法难——舍弃一些被市场认为理所应当的功能和设计，这是一种关乎取舍的价值选择。

新推出的 AI 产品「灵光」，也做了这样一次「反套路」的减法，以更友好的信息传递，创造一种更高效、顺畅甚至愉悦的信息体验。

你会发现，AI 产品全都在比拼回答长度、模式多样；而灵光的体验则稍有不同：它相对安静，不主动亮出模型选择器、联网开关、深度思考的功能，而是直接回答问题——并且充分利用更轻松的视觉呈现方式：结构化的卡片、可交互的图表，信息的层次一目了然。

这种实现如此简单：蚂蚁是技术不够，还是故意为之？

更接近真实的答案是后者。无论是联网搜索、代码生成，还是深度思考、多轮推理，2025 年下半年的一流 AI 产品所具备的能力，灵光背后的蚂蚁百灵大模型都有。但灵光把这些魔法都藏了起来，在需要的时候才不动声色地展现。

优秀的产品设计，往往始于一个清晰的原点。灵光的原点很朴素：把 AI 做「简单」，让信息呈现更友好，让交互更贴心。

这让它多少有点早期互联网时代产品「连接、开放与共享」的感觉。

简约克制，一场「体验信息」的产品设计

这个时代盛行消费主义，我们习惯了「现在立刻马上」的即时满足。你见到的每一个品牌广告都在教育你如何「释放自我」，社交媒体无处不暗藏着提高留存转化的「CTA 点位」(call to action 行动号召)。

克制不再流行，闭嘴成了难得的智慧。

最直观的灵光对话功能，把复杂性藏起来，用简约的方式诠释内容，点到即止。比侘寂稍多一点，避免了极繁主义带来的认知负担。

我问灵光「如何给孩子选保险」，得到的回应远不如那些佯装在思考的工具复杂。没有三千多字的保险科普、五个参考链接、三个推荐产品，也没有「是否需要我继续为你生成对比表单」的追问。

它给我的回复，逻辑易懂，组织清晰，按预算、年龄、保障类型分类，附带一些少走弯路的轻量建议——的确相当简单，但还算符合预期。感觉像是一个专业的保险顾问，减去了销售动机。在现实中，你需要很好的运气才能碰上这样的顾问。

类似的体验还有很多：比如用「开眼」（视觉）功能看体检报告时，灵光会先给出摘要卡片，再用文字展开，最后总结和提醒；又比如准备出国需要的材料，一旦它理解了你的意图，便会主动生成一个可以照单勾选的 checklist。

对于普通用户来说，这类把信息「先归纳，再展开」的呈现方式，即便难免细节缺失，倒是比一长串论文式的文字炸弹，读起来更省脑力。

这种简洁也有明确的边界。如果你确实需要详尽的背景知识或深入的分析，它可能不如那些更懂「长篇大论」的工具来得全面。但至少对于大多数日常场景，也踩中了效率和不费劲的痛点。

这种相对克制的设计，在早期互联网产品中曾经很常见。Gmail 曾经只是个邮件服务，Airbnb 让人可以轻松在地球对面找到一张沙发。然而随着流量焦虑的蔓延，克制变得越来越稀缺。如今大部分产品沦为极繁主义的奴隶，普遍的逻辑是让用户多停留、多点击、多互动、多提问。

——甚至蚂蚁自己也未能幸免。支付宝的复杂界面呈现，让简洁克制的灵光，显得很不「蚂蚁」。

我更倾向于认为这其实是对「人工智能」的两种理解：不少主流 AI 选择把推理逻辑和信息堆给用户；但非主流的少数首先试图理解对方的需求，然后做高效和简约的表达，让信息清晰「显形」。Show, don’t tell. 

体验的加法：低门槛、更友好的设计

灵光在产品设计上的一些做法，多少让人想起互联网早期产品的友好与直接。

比如对信息的组织方式。

在灵光对话中，抽象的概念可以变成可旋转的 3D 模型、枯燥的数据可生成清晰的趋势图表、复杂的过程则可用一段简短的动画来演示——它把生硬的信息，「翻译」成更易理解的形式，在信息呈现上展现出了明确友好的意图。

已故诺贝尔奖得主、认知科学家司马贺 (Herbert Simon) 曾经提出一个经典论断：信息的丰富导致注意力的匮乏 (A wealth of information creates a poverty of attention.)

在信息爆炸的时代，内容的生产不再是认知的瓶颈——人脑的处理能力才是。

灵光选择把信息「消化」再传递出去，它的呈现信息方式是高度结构化的：关键结论前置，层级清晰，且重度使用图片、图标、交互图来辅助视觉引导。

使用多了之后我发现，它不热衷冗长的文本，更是对经典的 AI 句式——比如「首先、其次、最后」和「不是……而是」——避之不及，尽量舍弃掉了会占据带宽，增加认知负担的元素。

我用灵光尝试给一个孩子讲明白「三星堆金面具的背后故事」——它给我生成的 3D 模型图，让孩子可以自己拖动、放大，再配上浓缩精炼后的概要描述，确实要直观得多。

身边的老人用灵光查看广州天气，得到的不会只是天气数据的罗列，而有可能是一个气温变化图、一份穿衣建议、一份秋日出行指南——不仅易读，而且有用。

而当我问起全运会吉祥物时，灵光精准捕捉并解读了那些在社交媒体上引发共鸣的创意表达，比起其它的 AI 对话最后都给我的「全运会吉祥物演变」的表格、十余届吉祥物的介绍罗列，显得亲切而有趣很多。

抽象理念被拆成一块块可以点、可以看的内容，小份更容易下咽，降低了信息获取和理解的成本。

优秀的工具，是让工具消失，只留下价值。灵光用交互设计，把信息「包装」得更易于消化——清晰的框架、醒目的标题、宽松的行间距、恰当的图标指引、相对有呼吸感的版面布局，对普通用户更友好。

在日常使用里，这些设计会变成非常具体的「减负」时刻。

这一幕让我突然想起二十年前的互联网：那时的网页没有弹窗，搜「天气」就只给温度，查「火车」会得到时刻表，简单、直接、有温度，像邻居递来的一杯水。

海明威曾经提过「冰山」理论：冰山的雄伟壮观，不在表面，而在于你能想象到它只有八分之一在水面上。灵光的回答方式，有点异曲同工，它用更低门槛的答案，来包罗和解构议题的复杂性——这或许就是产品想要实现的「让复杂变简单」。

但如果你希望精确控制每个参数、调整细节，那么灵光不是这样的产品。简约或是复杂功能的设计，没有对错之分——只是服务的人群不同。

无论是 6 岁的孩子，还是 80 岁的老人，都能轻松地学会使用一台桌面或掌上的计算机，都能用上、 用好一个 AI 产品，从中获得价值。

从阅读信息到体验信息

回忆起早期的互联网产品，有一种把「好用」放在首要位置的朴素——设计上，克制让产品保持专注，低门槛的友好设计，让人人皆可从产品中获益，创造出更多可以自由流动的价值。

使用灵光的过程，让我难免想起一些熟悉的产品：聚焦核心体验的微信，混排具有美感的锤子便签，极简且从未过时的 Google 搜索框，等等。

它们的特质在我看来是共通的：在有能力炫技时选择克制，在极繁时代坚持简单。 

这样来看，灵光绝不是一般意义上的完美产品，也不会是所有人的最佳选择。但它让我们看到了另一种产品逻辑：AI 不再制造更多的信息过载，也可以成为懂得取舍的编辑器，让每一次交互对话舒适从容。

如果有更多这样的产品出现，应该会是件很好的事。

#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

对于高通来说，骁龙 8 至尊版的能力已经被各家 Android 阵营的品牌所认可，它已经是旗舰手机的第一选择。关于次旗舰的选择，倒是历来并不统一，有的品牌会选择上一代的骁龙 8 至尊版，比如刚刚发布的荣耀 500 Pro，用到的就是去年发布的第四代骁龙 8 至尊版。有的也会选择定位更低的第四代骁龙 8s 芯片。

今天，高通发布的第五代骁龙 8 芯片，成为了各大品牌次旗舰手机的新选择。

至此，高通也完成了从 4 系到 8 系的全系列布局，每个系列都有高中低三档选择，高通骁龙 8 芯片的定位，在高通的图谱里，就是高于同代的骁龙 8s，低于同代的骁龙 8 至尊版。

CPU 架构上，第五代骁龙 8 和第五代骁龙 8 至尊版类似，采用了 3 nm 制程工艺和 2+6 的架构，即 2 Prime 超级内核+6 Performance 性能内核的全大核架构，有所不同的是，第五代骁龙 8 的核心频率均有所下降。Prime 超级内核的频率为 3.8GHz，性能内核的频率为 3.32GHz。

作为对比，第五代骁龙 8 至尊版的频率组合为 4.6GHz+3.63GHz。

因为去年没有骁龙 8 芯片发布，只有第四代骁龙 8s 和第四代骁龙 8 至尊版，所以高通拿出来跟第五代骁龙 8 芯片进行对比的是在 2023 年发布的第三代骁龙 8，高通表示，相比于第三代骁龙 8 芯片，第五代骁龙 8 的提升幅度为36% 的 CPU 整体性能提升，GPU 提升 11%，AI 任务提升 46%，以及整体 SoC 功耗节省 13%。

在游戏性能上，第五代骁龙 8 的 Adreno GPU 采用与第五代骁龙 8 至尊版相同的切片架构，基于独立着色处理器的核心，可以增强工作分配和并行处理能力，从而提升整体性能。在渲染复杂场景时，数据可以直接存储在 GPU 上，有效减少传输至 DDR 内存的图形数据量，从而简化了处理流程降低了时延。

高通表示，搭载了第五代骁龙 8 移动平台的移动设备，让三角洲行动等战术射击游戏能在 165fps 帧率下持久流畅运行。

相比于 2023 年的产品，第五代骁龙 8 整体 AI 性能提升是最显著的，提升幅度高达46%，从图像分类、物体检测到语言理解，各项任务的性能提升幅度高达 22-52%。这意味着第五代骁龙 8 可以更好地胜任 AI 时代的需求，比如多模态生成式 AI 能力以及手机内置智能助手，或者 AI 智能体的智能程度也会大大增强。

连接性能上，第五代骁龙 8 和第五代骁龙 8 至尊版用到了同款的 X80 5G 调制解调器，峰值下行速度可达 10Gbps，上行速度为 3.5Gbps，X80 5G 调制解调器支持 6 信道，提供更快更稳定的连接，同时这款调制解调器也集成 NB-NTN（窄带物联网非地面网络）功能，这意味着它天然就为卫星通信做好了准备。

相比于数据能够说明的性能，其实大家比较疑惑的还是骁龙 8 家族的定位情况，尤其是第三代骁龙 8 之后其实没有第四代骁龙 8 ，取而代之的是第四代骁龙 8 至尊版。

发布会会后，高通技术公司产品市场高级总监马晓民也接受了爱范儿等媒体的采访，详细回答了这些芯片之间的区别。

马晓民说：

我们现在有两个旗舰，一个标准 8，一个至尊版，至尊版是针对那些对极致性能，极致能效和最新特性有特别需求的消费者，8s 的定位比前两者要更低一些，在标准 8 之下，在 7 系之上，我们会选择性地从上一代的 8 系里提取一些大家认为有价值的特性下放到 8s 上去。

同时，马晓民也否认了第五代骁龙 8 是第五代骁龙 8 至尊版「青春版」的说法，他说：

我觉得很难把第五代骁龙 8 当做一个青春版来区别看待，因为骁龙 8 系旗舰不是刚刚才发布的，骁龙 8 作为高通的旗舰平台，它已经存在了非常长的时间。我们从来不会把我们的 8 当做一个「青春版」来看，只是说在去年的时候，因为整个市场的变化，包括我们厂商对我们芯片要求的变得更高了，包括我们自己 IP 的一些改变，比如说我们第一次引入了我们自己的定制 CPU。所以我们觉得我们可以打造出更强的旗舰，也就是我们的至尊版，它在各个维度，无论是从性能、功耗，包括最新的特性，包括跟厂商的合作度来说，它都是当代最顶的一个旗舰，但是不代表我们的标准版就不是一个旗舰芯片，它还是一个旗舰芯片。

 

我们把骁龙 8 系列还是党组旗舰，至尊版比旗舰更顶，是顶级旗舰。

 

双旗舰发布的目的是因为大家对旗舰本身的定义变得更宽泛了，需求也更宽泛了。

虽然只看文字还是有点难以理解高通骁龙 8 家族的话，那么捋一捋年份就能知道高通是怎么给这个旗舰家族括员并命名的：

• 2020 年 12 月：骁龙 888，最后的三位数骁龙 8 系命名法
• 2021 年 12 月：第一代骁龙 8
• 2022 年 11 月：第二代骁龙 8
• 2023 年 10 月：第三代骁龙 8
• 2024 年 4 月：第三代骁龙 8s，其实也是第一次出现骁龙 8s 系列
• 2024 年 10 月：第四代骁龙 8 至尊版，改了命名，但延续代际
• 2025 年 4 月：第四代骁龙 8s
• 2025 年 9 月：第五代骁龙 8 至尊版
• 2025 年 11 月：第五代骁龙 8

#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

修个 bug 可以来回把同一个错误引回来，写代码能绕一圈又走回原地。

但几乎所有 AI 公司都坚信，只要把模型做大、把数据堆满、把算力扔进去，智能就会自动涌现。这套规模定律（Scaling Law）曾经是硅谷最坚定的信仰。

在隐退许久并创立新公司 SSI（Safe Superintelligence）后，前 OpenAI 首席科学家 Ilya Sutskever 用一种极其冷静的语调，宣告「Scaling 的时代结束了，我们重新回到了研究时代。」

最近一场 Ilya 与 Dwarkesh Patel 的深度对话中，他不仅给出了，对于 AI 未来的技术路线图，更重要的是，他深刻地回答了，为什么现在的 AI 即使再强，也依然不像人。

播客链接：https://x.com/dwarkesh_sp/status/1993371363026125147

为什么 AI 是个高分低能的优等生

我们总觉得现在的 AI 很强，它们能在编程竞赛、数学竞赛、各种榜单上拿金牌，每次有新的模型发布，也是一次次刷新着各种 benchmark。但 Ilya 指出了一个让他感到困惑的现象。

他说我们在用 vibe coding，要 AI 写代码时，AI 可能写到某个地方，出现了一个 Bug。我们直接告诉它：「这儿有个错误。」AI 会说：「天呐你是对的，我马上改。」 然后它解决了这个 Bug，又引入了另一个 Bug。 你再指出，它又改回了第一个 Bug。 它就在这两个 Bug 之间无限循环，显得极其笨拙。

他的解释提到了这说明 AI 的「泛化能力（Generalization）」出了问题。为了解释这个词，Ilya 用不同的学生打了一个比方。

想象两个学生都在学编程，学生 A 代表 AI， 极其刻苦，练了 10000 个小时。他背下了所有的题库，记住了所有的解题套路。考试时，只要见过类似的题，他就能拿满分。

学生 B 代表人类，他只是觉得编程竞赛很酷，花了 100 个小时练习，但他真正理解了编程的逻辑，拥有了某种直觉，也能做得很好。长期来看，谁会在职业生涯中走得更远？他说一定是学生 B。

而现在的 AI 就像学生 A。所谓的智能，很大程度上是靠海量数据强行记忆出来的；它们在特定问题的庞大、增强数据集上过度训练，使它们在任务上表现出色，但不一定擅长泛化到其他领域。

一旦遇到训练数据之外的微小变动，比如修复一个重复出现的 Bug，它缺乏那种举一反三的泛化能力。

从堆算力回归拼创意

但这种海量数据的训练方式也不是完全没有用。在过去五年里，AI 行业的发展基本上都是遵循着所谓的「规模定律 Scaling Law」，从一开始的还是以百万参数来衡量的大模型，现在都来到了万亿参数。GPU 显卡算力的消耗，规模更是未雨绸缪，要卷上天际。

这种把一定量的算力，和一定量的数据混合进一个神经网络里的方案，也成了所有大模型开发的必备流程，即预训练。在预训练阶段，不需要思考用什么数据，因为答案是所有数据，它是人类投射到文本上的整个世界。

而 Ilya 认为，「Scaling」这个词，本身就固定了我们的思维。它暗示着我们只需要做一件事：加算力，加数据，保持配方不变，把锅搞大一点，就能做出好菜。

他说这样的法则，让大公司很舒服，因为这是一种「低风险」的投资。相比于需要灵感和运气的研究，大公司不需要雇佣科学家去苦思冥想，只需要「加数据、加算力」，而模型变强的结果是可预测的。

但现在，瓶颈来了。数据不够了，预训练数据，我们的互联网文本语料是有限的，而且已经快被用光了；有专门的研究结构统计过，现在互联网上 AI 内容的比例，已经是超过我们人类输出的内容。

其次是边际效应，把模型再做大 100 倍，也许会有提升，但不会带来质变。

Ilya 也提到了最近在 X 上，有人说 Gemini 3 似乎解决了预训练的一些问题。而此前 The Information 也曾报道奥特曼担心 Google 的发展会影响 OpenAI，甚至已经让他感受到压力。

其中一部分的原因，正是 GPT-5 的推出，遇到了预训练上的问题，即随着预训练数据的增加，模型并没有像之前一样表现出智能的提升。反而 Gemini 确找到了突破的方法，奥特曼在内部备忘录里说，OpenAI 也必须解决预训练的问题，或许才能再次超过 Google。

我们回到了研究时代。只不过这一次，我们有了更大的计算机。

Ilya 把过去这段时间的研究，分成了两个阶段。2012 年到 2020 年是研究时代，大家都在试错，寻找新方法。而 2020 年到 2025 年，是扩展时代，大家都在盲目扩建，算力在扩建，越来越多的 AI 公司在出现。

而现在，单纯的大力出奇迹已经行不通了，或者说单纯靠 Scaling 的红利吃尽了，我们又回到了研究时代。只不过这一次，我们是在用 Scaling 时代建立起来的巨型计算机来做研究，这是一个有着大型算力的研究时代。

总的来说，Ilya 并没有否认预训练和 Scaling 的巨大成功，但他认为这是一种用钱换智能的，低风险暴力美学，而现在这种模式已经触到了天花板，AI 行业必须回归到拼想法、拼直觉、拼创新的硬核研究阶段。

寻找直觉：AI 缺失的那块拼图

如果单纯的数据堆叠无法产生真正的智能，那人类的秘诀是什么？Ilya 给出的答案是：情感（Emotions）。

他提到了一个脑损伤患者的案例，这个人失去了情感能力，虽然智商正常、能言善辩，却连穿哪双袜子都要纠结几个小时。 这说明情感不仅是情绪，它本质上是一个价值函数（Value Function）。

不过 Ilya 说目前没有找到很合适的概念，来类比情绪在机器学习中的角色，所以用价值函数来替代。

为了解释什么是价值函数，Ilya 提到了少年学开车的例子， 一个青少年，可能只需要练 10 个小时甚至更少，就能学会开车上路。他不需要像现在的自动驾驶 AI 那样，在模拟器里撞车几百万次才能学会避让。

为什么？因为人类自带了一个极其强大的价值函数，这个价值函数就像一个内置评价器，一旦偏离车道，我们人类会感到紧张，而这相当于一种负反馈。

那么依赖情绪的价值函数，和我们之前一直听到的强化学习，区别又是什么呢？

Ilya 说在没有中间价值函数的强化学习里，通常要等到任务彻底结束，AI 才知道自己是赢了还是输了；但价值函数就像是我们的直觉或内心评分系统。当我们下棋丢了一个子，不需要等到这盘棋下完，我们心里立马会「咯噔」一下，这步棋下错了。

那个学开车的少年，不用等到真的压线丢分了才会改正，而是只要开得稍微偏离车道，他立刻会感到紧张或不自信。这种实时的、内在的反馈机制，让他能极其高效地从少量经验中学习。

对于传统的强化学习，他的看法是这是一种天真且低效率做法。在传统的强化学习中，模型需要尝试成千上万次动作或思考步骤，直到产出一个最终的解决方案，然后根据这个最终结果的好坏获得一个评分，即训练信号。

这意味着在得出最终解之前，模型完全没有进行任何学习。这种方法需要消耗大量的计算资源来进行漫长的推演，但每次推演带来的学习量却相对较少。

而价值函数不需要等到最后，它能提供中间过程的评价；在每一步都给出信号，指引方向，从而极大地压缩了搜索空间，提高了学习速度。

目前的 AI 缺乏这种高效的内心评分系统。如果我们能让 AI，拥有类似人类情感或本能的价值判断能力，它就能摆脱对海量数据的依赖，真正像人一样高效学习。

Ilya 的下一步是直通超级智能

既然认定了拼算力的时代已经过去，而强大的价值函数或许又会成为新的 AI 方法，那 Ilya 的新公司 SSI（Safe Superintelligence）打算怎么做？

他的答案带着一种极其理想主义的色彩，直通超智能，他们选择去攻克那个最根本的难题，实现可靠的泛化。

Ilya 直言，现在的 AI 行业陷入了一场老鼠赛跑。为了在市场竞争中存活，公司被迫不断发布半成品，被迫在产品体验和安全性之间做艰难的权衡。SSI 想要做的是从这种商业噪音中抽离出来，闭门造车，直到造出真正的超级智能。

但有趣的是，Ilya 这种「闭关修炼」的想法正在发生动摇。他开始意识到，渐进式发布可能才是安全的必经之路。

为什么？因为人类的想象力是贫瘠的。如果你只是写文章、发论文告诉大家AI 会很强，大家只会觉得这是科幻小说。只有当人们亲眼看到 AI 展现出某种令人不安的力量时，所有人、包括竞争对手，才会真正感到害怕，从而变得更加关注安全 。

Ilya 预言，随着 AI 变得越来越强，现在打得不可开交的科技巨头们，最终会在 AI 安全策略上走向趋同。

播客里他也提到了，SSI 与 OpenAI、Google 那些大型实验室相比，虽然筹集的资金较少，但用于纯研究的计算能力比表面上看是更多的。他说那些大公司将大量的计算资源用于产品推理，并拥有庞大的工程和销售团队，导致其资源分散。Ilya 认为 SSI 拥有足够的计算能力，来证明其想法是正确的。

当被问及盈利模式时，Ilya 只是淡淡地说，我们只专注于研究，赚钱的问题以后自然会有答案。主持也提到了之前 SSI 的前 CEO（联合创始人）选择了离开，然后加入 Meta，在 Meta 希望收购 SSI 时。

Ilya 特意澄清，「他是唯一一个去 Meta 的人。」 他建立 SSI 不是为了在商业市场上套现，而是为了那个唯一的、纯粹的目标，在那个不可逆转的奇点到来之前，把安全的超级智能造出来。

重新定义 AGI，一个 15 岁的少年

那我们距离 AGI 还有多远？Ilya 给出的预测是 5 到 20 年。

但他提醒我们要警惕「AGI」这个词。因为预训练模型让我们产生了一种错觉，以为 AGI 就是一个什么都懂的百科全书。但 Ilya 心目中的超级智能，更像是一个绝顶聪明的 15 岁少年。

这个少年可能还没学过法律或医学，但他拥有极致的学习效率。你让他去学医，他可能几天就能读完人类所有的医学文献，并开始做手术。

而在这一愿景中，最让人细思极恐的概念是融合（Amalgamation）。

人类的悲哀在于知识无法直接复制。这个人学会了开车，另一个人还是得从头练起，但 AI 不一样。Ilya 描述了一个场景，数百万个 AI 分身在经济体的不同角落工作，有的在写代码，有的在打官司。它们在各自学习，然后将所有的经验融合进同一个大脑。

这种集体进化的速度，才是他所认为的 AGI。

面对这样一个能够瞬间融合万千经验的超级大脑，人类又该何去何从？

Ilya 给出了两个层面的思考。首先是给 AI 的设定。不要只让它爱人类，因为这太狭隘了。未来的 AI 自己也将是有知觉的生命体，应该利用同理心的原理，让它关爱所有有知觉的生命，可能是比代码更稳固的安全防线。

其次是人类的退路。如果每个人都有一个比自己聪明百倍的 AI 智能体，人类会不会沦为历史的旁观者？Ilya 给出了一个他坦言「自己并不喜欢，但可能是唯一解」的答案：脑机接口（Neuralink）。

只有当人类选择与 AI 融合，让 AI 的理解直接变成我们的理解，我们才能在那个奇点之后，依然是这个世界的主角。

播客的最后，Dwarkesh 问了那个所有人都想问的问题：作为 AI 领域的传奇，你是如何一次次押对方向的？

Ilya 的回答很像个艺术家：「寻找美感。」

在那些数据都不支持你的至暗时刻，唯有对美、简洁和生物学合理性的自上而下的信念，能支撑你走下去。因为神经网络模仿了大脑，而大脑是美的，所以它一定是通往智能的正确道路。

这或许就是 Ilya 所说的「研究时代」最需要的品质：在算力之外，保留一份对智能本质的诗意直觉。

#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

现在的浏览器，越来越「重」了。

写方案要开着 Word，查资料要切回浏览器，回消息又得跳到微信。屏幕被切得支离破碎，注意力也跟着碎掉。每次想让 AI 帮忙，都要先经历一番「寻找 AI 在哪里」的折腾。

这周，我试着把主力浏览器换成了全面升级的夸克 AI 浏览器。

体验下来，背靠阿里 Qwen 全球大模型，全面融合千问 AI 助手的夸克，发布六大千问 AI 套件，实现系统级「全局 AI」的创新产品形态，随时唤起千问，一句话帮你干活，效率拉满。

用户无需切换标签或应用，就能唤起千问读屏、快捷框、侧边栏、悬浮球、划词、截屏进行提问、协作……主打一个条条大路通千问。

它给我的第一感觉，就是在对标 Chrome 的基础上走得更远，想让 AI 成为你的「最强外脑」和「随身助理」。

体验随时桌面唤起千问方式后，让我彻底告别传统浏览器

先说最核心的，随时桌面唤起千问，这也是夸克和 OpenAI 前不久发布的浏览器 Atlas 最大的差异点。

Atlas 的理念是让 AI 成为操作系统的一部分，但它的实现方式相对保守，更多是在应用间调度。

而夸克则更激进，从底层架构彻底让 AI 融入浏览行为、以全新 AI 交互形态的出现，手撕传统浏览器，随时随地唤起千问 AI 助手，实现「边浏览边对话、边看边总结、即问即答」的丝滑体验。

举个实际场景，只需随手按下快捷键，就能让千问帮我列一个关于「社交媒体对青少年心理健康影响」的论文大纲，从而构建起连贯的学习工作流。

这种「无感接入」的设计，才是系统级 AI 浏览器的真正价值。

一个侧边栏，干掉你一半桌面操作

如果你的日常就是跟一摞摞 AI 技术论文打交道，英文不是很好，我们可以让「千问侧边栏」直接翻译、并总结核心观点。甚至让千问基于文档内容继续深挖准问，完全不用复制-粘贴-复制，也不用离开当前的标签页。

同理，阅读各种新闻资讯时，看到某辆新车发布，我们可以直接问千问侧边栏的「这款车适合哪些人使用？」。千问不仅分析当前页面，还能结合背景知识给出对比，省去了开新标签搜索的麻烦。

刷各种网页自然也是刚需，但信息量一多，自己逐条看、逐个理解既耗时间又费精力。这时候就可以果断交给千问来处理，它也能提炼重点。

千问侧边栏最妙的地方是边浏览边对话、边看边总结。传统浏览器要么让你切标签， 要么跳转新页面， 而夸克 AI 浏览器的设计让交互足够丝滑， 你几乎感觉不到在「使用 AI」。

截图即答案，划词即解释

遇到图表，截个屏，框选区域，千问直接解读数据趋势、图表含义。看到一些复杂的 AI 图片，也可以让它帮忙「整理图片中的动物职业，并翻译成中文」，千问立刻给出结构化总结。

截图提取图片文字也很顺手。

我随手截了一张三宅一生曾经客串出现在苹果「Think Different」广告宣传活动的广告语，它就能准确识别这是苹果的广告词，并给出解释。

在逛知乎时，看到一些不懂的词汇也能直接划词， 千问自会弹出解释。想追问也行，这体验四舍五入等于冲浪时随身带着一个「AI 辟谣器」。

此外，更进阶的场景是「千问读屏」功能。

这个功能的意思是，千问可以「看到」你电脑屏幕上的任何内容，它不仅能与 Microsoft Word 和 WPS 等应用深度联动，还支持快捷划词提问、截屏提问等操作。

简言之，你在用 Word 写文档、在 Excel 做表格、千问都能理解你正在做什么，并基于屏幕内容给出建议。诶，用着用着，真有种生活工作搭子的感觉。

比如我在 Word 写东西，让千问把屏幕上的《蜀道难》改写成剧本，它立马开写。这套联动还能把截屏、划词、共享的内容自动同步到侧边栏，让你能无缝追问。

让 AI 替你干活，一句话的事

除了侧边栏等方式，唤起千问的方式也灵活多样。

比如按下「Alt + 空格」（Mac：option+空格），然后在搜索框里直接说人话就行。

「帮我写一份 iPhone 18 Pro 产品发布会邀请函」「把这段翻译成英文」。这种一句话叫 AI 干活的模式，直接取代传统搜索那堆蓝色链接，从查资料到写文案、从总结到翻译，全程闭眼托管。

它甚至能一句话做表格、一句话生成 PPT，或者直接转换格式，比如把黑板照片里的字直接提取成 Word 文档。

要做到这样其实并不容易，离不开千问对浏览器场景的深度定制。

它能理解你的意图、网页结构、上下文关系， 真正做到即问即答。

除了 AI 能力，浏览体验也没落下。

夸克的标签管理做得很聪明。自动分组、按域名排序，还能识别高内存标签自动优化。实测开 30+ 标签，主打一个纵享丝滑。

还有一个让人特别惊喜的地方，就是连文档的编辑也下了不少功夫。试着直接把 PDF 拖进夸克 AI 浏览器， 直接打开、标注、编辑、转格式，无需下载。

查资料时直接批注，外文 PDF 还能直接对照翻译，省下的时间都是生产力。

从官方 Demo 来看，跨设备隔空传文件更是顺滑。文字、文档、大文件都能手机电脑无缝传输，100G 文件也不怕。网盘整理也变得智能了。一句话就能搜到文件，不用再翻来翻去。

这些听起来都是细节，但加起来就是巨大体验差异。

对齐 Chrome 的性能标准后，夸克给你的是更极简的界面、零广告干扰，以及更轻的内存占用。当你习惯了这种清爽， 再打开某些国内浏览器， 满屏的推荐信息会让你怀疑人生。

哪怕是放在国内一众老牌浏览器里，这种克制也是值得表扬的。而当 AI 成为浏览器的底层能力，配合这些生产力工具，你会发现自己的工作流程被彻底重构了。

标签页的尽头，是 AI 的起点

用了几天夸克之后，我开始思考一个问题：当 AI 真正融入浏览器，它到底在改变什么?

答案可能比想象中更深刻。

过去 20 年里，浏览器的形态几乎没变。1995 年，比尔·盖茨在一份备忘录里写道：微软将操作系统作为人机接口，从而控制整个微机行业，而网景则控制了人们通向互联网的入口。

谁控制了入口，谁就能定义规则、分配流量、获得数据。2010 年，Chrome 成为稳定支持三个平台且拥有书签同步功能的浏览器。但即便如此，它的交互本质仍然是 1995 年的逻辑：

用户负责提出问题，浏览器提供零零碎碎的回答。

你依然要在多个标签页之间来回切换，手动拼凑信息，自己综合结论。这个模式延续了近 30 年，直到 AI 出现。夸克这次做的事情，本质上是在挑战这套交互范式。

通过千问读屏、悬浮球、快捷键，千问已经跨出了浏览器窗口的边界。

你在 Word 里写文章，在 Figma 里调布局，在任何一个应用场景里，千问都能理解你正在做什么，并给出针对性反馈。AI 不再局限于某个应用内部，成为整个系统的基础能力。

为什么是夸克先做出来？有几个原因。

首先，这与夸克的用户基础和战略定位密切相关。

随着阿里千问与夸克 AI 浏览器深度融合，也正式成为超 1 亿电脑用户的桌面级智能助理，这个量级的用户基础，意味着夸克有足够的场景数据和反馈来打磨产品体验。

浏览器作为电脑上最核心的入口，几乎涵盖用户获取信息与执行任务的所有场景。而 AI 在这个场景下的能力空间巨大，也标志着阿里巴巴千问正加速实现对 C 端场景的全面覆盖——从移动端到桌面端，从对话框到操作系统级的全局调用。

此外，浏览器的智能化上限，取决于底座模型的智商。

夸克直接接入了阿里 Qwen 全球领先大模型，这意味着它处理中文长文本和复杂逻辑推理时，天然就有语言理解上的优势。毕竟，模型能否准确理解语境，直接决定了体验的质量。

一键唤起是普通人的刚需，而做到全局唤起千问、千问读屏这类功能，需要深入操作系统底层，依赖于阿里的资源支持，夸克才敢于在这个方向上持续投入，而不是浅尝辄止。

与此同时，在隐私敏感和追求效率的当下，夸克选择了一条「反直觉」的路径——无广告、极简界面、内存优化。对于大多数普通用户，他们不需要 100 个插件，他们只需要一个能搞定 90% 麻烦事的 AI 按钮。

当然，坦诚地说，夸克面临的挑战也很明显。

Chrome 强大的插件生态和用户长期的使用惯性，是任何挑战者都难以短期撼动的壁垒。对于重度依赖特定插件的极客用户，迁移成本依然存在。用户对国内浏览器「大杂烩」的刻板印象，也需要夸克持续的克制来打破。

但无论如何，AI 浏览器显然是个趋势。

Chrome、Perplexity、OpenAI 都在做类似的事，国内浏览器都在跟进。

夸克这次的战略升级，选择主动出击抢占身位。依托通义千问 Qwen 在全球大模型评测中的强劲表现，夸克把浏览器从「浏览网页的辅助工具」变成「系统级的任务助手」，率先给出了 AI 浏览器未来形态该有的样子，也有利于它在这一赛道的早期阶段建立心智优势，并在下一轮竞争中获得更大的主动权。

而这个逻辑一旦成立，接下来的演化就清晰了。

你看论文时可以随时唤起 AI 解释概念。写代码时可以随时让 AI 审查逻辑。做设计时可以随时请 AI 给出建议。所有这些场景的共同点是：AI 理解你正在做什么，知道你需要什么，在你需要的时候出现。

如果说 Chrome 教会了我们什么是好浏览器，夸克则给 AI 浏览器打了个样板，放眼全球，都是领先的产品形态。未来的操作系统，将是以「任务」为中心。当你遇到问题，本能反应不是打开搜索引擎搜一下，而是唤起 AI 问一下。

这条路难走，因为它需要更深的技术积累、更克制的产品设计、更长期的用户教育。 但一旦走通，壁垒也会更高。

毕竟，习惯才是最难被撼动的力量。

#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

11月26日，北京人形机器人企业松延动力完成近2亿元Pre-B+轮融资，本轮融资由中金资本领投，允泰资本、厚为资本跟投。融资将用于加大技术创新与研发投入、拓宽高价值应用场景的生态合作、打通从研发到大规模量产交付的通路。

继10月26日完成由方广资本领投的近3亿元Pre-B轮融资后，本次再获近2亿元加持，两次融资间隔不足一月，总融资金额近5亿。此外，年内累计五轮的融资节奏，清晰地映射出市场对其技术前瞻性的笃定，以及对其商业化落地能力的信心。

在宣布融资的同时，松延动力与编程教育龙头“编程猫”的战略合作正式亮相，双方将共同投入资源，打造前瞻性的 “人形机器人编程教育实验室” 。此举是一次深度的生态合作，松延动力将其人形机器人产品作为核心平台，与编程猫覆盖全国7万余所中小学的渠道网络、成熟的K12编程课程体系以及超过4300万的用户基础进行全面融合。

这不仅是松延动力切教育市场的关键落子，更意味着在产业早期阶段，公司已开始参与并主动定义青少年机器人编程的软硬件标准，为在未来的准消费级市场中抢占用户心智、构建可持续的生态壁垒奠定基础。

支撑松延动力获得资本持续加注的核心，是其清晰而极具前瞻性的战略卡位。公司于近期发布的行业首款万元内人形机器人“小布米”，并非一次价格战，而是一次深思熟虑的产业破局行动。在动辄数十万乃至上百万元的人形机器人市场中，“小布米”以其9998元的颠覆性价格，实证了人形机器人低成本、高性能并行的技术可行性，为行业开辟了一条全新的发展路径。10月23日上线京东平台后，一小时百台售出，2天首批500台售罄，截至11月26日，线上线下累计售出数千台。

“我们坚信，人形机器人的未来在于规模化应用，而规模化的前提是精准的产品定义与明确的用户价值。”松延动力创始人、董事长姜哲源指出。“小布米”的战略意义，在于它精准地切入了一个‘准消费级’蓝海市场。“我们的策略不是去抢存量市场，而是开拓增量市场，拓展市场边界。“万元内”的定价，首次向因价格望而却步的广大潜在用户打开了大门。这不仅是一次商业战略卡位，更是在为整个行业构建可持续的市场基座。”姜哲源认为。

为了实现这一目标，松延动力提高了核心零部件的自研比例，在供应链端进行了深度垂直整合。松延动力采用了自研域控制器，不仅在成本端实现了深度优化，更提高了计算平台的性能和工作效率。此外，在材料与结构方面也进行了探索创新，团队对结构设计进行了全面优化，大量采用复合材料，在保证核心强度的前提下，实现了极致轻量化。重量的降低，能进一步带动成本的降低，这形成了一个良性循环。

这一步，不仅是为公司自身开辟市场，更是为整个行业探索了一条从实验室走向准消费级市场的可行路径。

在硬件端以“小布米”破局的同时，松延动力正通过高维度的生态合作，为产品的规模化落地构建坚实的“护城河”。与知名在线教育品牌“编程猫”共同打造的 “人形机器人编程教育实验室” ，正是这一战略的核心体现。

编程猫作为累计用户数超4300万，社区累计创作超过2.6亿编程作品，服务全国各地7万余所中小学，服务超23万信息科技教师的平台，其庞大的流量入口、成熟的课程研发体系以及深厚的渠道资源，与松延动力领先的硬件平台形成了“内容+硬件+渠道”的黄金三角。

“松延动力在双足人形机器人方面的表现真的让人眼前一亮——他们的机器人不仅走得稳、控得准，更难得的是，在我们真实的教学场景里也特别‘扛打’，稳定又好上手，真正让高精尖的机器人技术走进了课堂。”编程猫创始人李天驰指出。

此次合作双方将一起打造一个全新的“人形机器人编程教育实验室”。编程猫会贡献实践多年的人工智能与编程课程体系——从图形化编程一路进阶到Python、C++，覆盖不同学段孩子的学习节奏，松延动力将提供灵活又扎实的双足机器人平台。

未来，学生可以通过写代码、设计动作亲眼看到自己编的程序如何驱动机器人完成行走、平衡、甚至更复杂的互动任务。这种“虚实结合”的学习方式，会真正点燃孩子对编程和创造的热情。

李天驰指出，“我们一直相信，好的教育不是单向灌输，而是激发。”这次合作，就是希望用顶尖的机器人技术和优质的人工智能与编程教育，做一次“化学反应”，为K12人工智能教育打开一扇新的窗。我们期待和松延动力一起，为下一代打造一个更自由、更开阔、也更有想象力的学习世界。

松延动力持续展现出作为一家科技公司卓越的技术落地能力与多维度市场触达实力。公司始终秉持“高端科研市场保技术领先，消费级市场促规模增长”的双轮驱动策略，在夯实技术壁垒的同时，积极拓展市场边界，构建起可持续发展的内生增长动能。

在教育科研领域，松延动力已与清华大学附属中学建立深度合作、双方共同打造“机器人高研实验室”，开放通用人工智能本体操作系统及配套研发场景，重点围绕机器人运动控制、智能交互等前沿方向展开攻关，致力于培养面向未来的科技创新人才。与此同时，松延动力积极构建多元立体的合作生态，与北京市一零一中昌平实验学校、黄城根小学附属实验分校、北京舞蹈学院及等院校均展开了合作。

在仿生人形机器人这一前沿赛道，松延动力同样积极推进产学研深度融合。公司与西安交通大学、华中科技大学、上海科技大学、华南理工大学、河北大学等多所高校交流合作，聚焦于智能控制、环境感知与仿生结构等核心技术，持续提升在高性能机器人领域的技术储备与创新应用能力。

在商业化落地的关键环节，松延动力同样展现出敏锐的市场洞察与高效的成果转化能力。目前，公司订单量稳步提升，已经完成了今年的销售目标，同时为量产做好了保障准备。预计今年年底，其月交付能力将达到500台。

在当前人形机器人产业从技术探索向规模化应用过渡的关键时期，松延动力的双轮驱动策略展现出极强的预见性和适应性。一方面，通过与顶尖高校和科研机构的深度绑定，公司不仅确保了技术研发的前瞻性与高端性，更在源头处锁定了未来行业的核心人才与创新理念，形成了深厚的“技术护城河”。另一方面，以“小布米”为代表的消费级产品成功破圈，验证了人形机器人并非仅限于工业与实验室场景，其在教育陪伴、家庭娱乐等C端市场同样拥有巨大的潜在需求。这种“研发驱动市场，市场反哺研发”的良性循环，正推动松延动力在“长坡厚雪”的赛道上建立起独特的竞争优势。

查看更多项目信息，请前往「睿兽分析」。

近日，AI4Materials 领域新兴公司 —— 「开物纪」宣布完成亿元级天使轮融资，本轮融资由 IDG 资本、蓝驰创投联合领投，BV 百度风投、高瓴创投跟投。该轮融资将用于加速模型 scale、实验室与底层平台建设，并为材料 IP 孵化奠定坚实基础。

开物纪由在 AI4Materials 领域具有国际影响力的科学家、兼具工程化与产业化落地经验的领军人物陆子恒博士创立。陆博士曾任微软研究院首席研究员、材料团队负责人、剑桥大学材料系博士后，长期专注于大模型与材料科学的交叉研究与应用落地，开发并部署了 MatterSim、MatterGen、DiG 等知名材料大模型，奠定了其在 AI 材料领域的国际领先地位。团队核心成员具有剑桥、牛津、耶鲁、清华、中关村学院、微软、BASF 等顶尖学术与产业机构背景，具备材料科学、人工智能、自动化实验、工程量产等全链条融合能力，是一支在全球范围内稀缺的高度复合型团队。

当前材料研发面临数据稀缺、试错成本高、理论实验断层等结构性难题，导致高价值原始 IP 发现困难、实验室到量产转化路径漫长，关键材料从 “发现” 到 “量产” 往往耗时 10 年以上。依托模型、数据和实验系统的统一能力，开物纪正在打通材料从模型推理、实验验证到吨级量产的全流程，推动材料研发从 “试错驱动” 转向 “智能驱动”，充分释放新材料 IP 的潜在产业价值，实现材料领域的生产力跃迁。

面向未来，开物纪将进一步扩大模型规模与数据体系，构建覆盖 “设计 — 验证 — 中试 — 量产” 全流程的自动化材料研发平台，推动多条材料管线的孵化与产业化交付。公司计划与产业合作伙伴共建联合实验室，建立从需求定义到产品落地的柔性协同机制，以加速关键材料的量产化突破。

创始人陆子恒表示：“高效的新材料发现是科学界与产业界共同追寻的圣杯。过去数十年，关键新材料的突破往往对产业格局产生深远影响，乃至推动人类文明向前跃进。然而，从概念雏形到最终实现商业价值，新材料研发始终面临链条冗长、环节割裂的严峻挑战 —— 原始创新难以稳定产生，实验室成果走向规模化应用更是障碍重重。

我们相信，AI 将系统性地改变这一局面。当前，开物纪致力于发展并运用最先进的人工智能，把材料 IP 的巨量价值释放出来。在这个层面上，我们正在努力的不仅仅是在一两个单点的关键材料上打开突破口，更是建设一套真正面向未来的基础设施。通过构建一体化的模型与实验系统，我们希望让关键材料的突破不再依赖偶然，而成为可复用、可放大的能力。”

BV 百度风投董事总经理刘水表示：“开物纪是百度风投在 AI4Science 领域的又一布局。材料 IP 的价值长期受制于发现与转化的双重不确定性。开物纪通过 AI 材料大模型与高通量湿实验的深度融合，有望解决材料研发中‘高价值 IP 难产生、难落地’的核心问题。团队在陆子恒博士带领下，已展现出全球领先的技术前瞻性与工程化能力。百度风投持续看好 AI 与产业深度融合的长期趋势，我们相信开物纪所构建的平台化能力，将为新材料产业带来指数级的效率跃迁，开启 ‘智能驱动’的新时代。”

高瓴创投（GL Ventures）项目负责人表示：“材料行业的长期核心痛点在于研发高度依赖经验与试错，导致从实验室发现到规模化量产的成本极高、周期极长。因此，能系统性解决这一结构性难题的企业，将释放出巨大的产业价值。开物纪通过构建 ‘AI 大模型 + 自动化实验’ 的完整闭环，致力于将材料研发重塑为一场可计算、可预测的 ‘理性设计’革命。创始人陆子恒博士不仅是领域内国际知名的科学家，还具备了将前沿科研转化为工程与量产成果的卓越领导力。我们期待与开物纪同行，共同推动这一范式变迁，相信其打造的平台级能力，将成为驱动整个材料产业实现效率跃迁和价值释放的关键基础设施。

今年华为开了很多发布会，推出了不少「又新又怪」的产品——「阔折叠」Pura X、「折叠电脑」MateBook Fold、「一目双镜」Pura 80 Ultra 等等……

但今天发布的华为 Mate 80 系列，却是一台相当「板正」的手机，少了几分探索，但分量十足，无论从外观做工还是硬件配置，都称得上今年手机行业的压轴。

除了华为 Mate 80 系列，这场发布会还带来了双折叠手机华为 Mate X7、二合一电脑华为 MatePad Edge 等，这一系列旗舰级新品，构成了华为年末冲刺高端市场的前线。

华为 Mate 80 系列：堆料到极致

华为 Mate 80 系列一共包含四款手机：

• 华为 Mate 80
• 华为 Mate 80 Pro
• 华为 Mate 80 Pro Max
• 华为 Mate 80 RS 非凡大师

这次把以往超大杯「Pro+」后缀改成「Pro Max」，虽然引起了一些舆论，但说实话，看起来直观不少，消费者一眼就知道是顶配型号。

今年 Mate 80 的标准版和几个 Pro 版本之间的差距，比以往要更少：标准版终于用上了 3D 结构光人脸识别，可以用于支付等场景；往年只有标准版独享的直角中框设计，今年全系标配。

爱范儿也提前上手 Mate 80 Pro Max，我们发现这次的中框到背板做了很精致的圆滑过渡，丝毫没有割手的感觉。

背面的双环设计，不仅是为了契合「8」这个意象，也是为了解决全金属机身的无线充电问题，好不好看就见仁见智了。

华为 Mate 80 Pro 的后盖采用一种名为「光绘微纹」的新工艺，全金属背面进行微米级雕刻，精细度是腕表级微纹的十倍。

余承东还提到了一个小彩蛋：Pro Max 版本手机上雕刻了「MATE」字样，大家拿到手机后可以用放大镜找找。

另一个重点，则是华为 Mate 80 Pro Max 的屏幕——这是一块双层 OLED 显示屏，华为将其命名为「灵珑屏」。

由于成本高、良品率低，双层 OLED 以往是最贵的「非凡大师」专属，但今年开始也下放到 Pro Max 型号，意味着相关供应链技术更加成熟。

双层 OLED 最「亮眼」的优势就是超高屏幕亮度，特别是在户外环境，比其他常规 OLED 手机屏幕要明显更透亮，1% APL 峰值亮度达到夸张的 8000nits。

除此之外，双层 OLED 屏幕还具有透亮、功耗低、寿命更长的优点。华为 Mate 80 RS 非凡大师支持业界首发 BT.2020 广色域拓展技术，适配拍照、录像、现实、设计、投屏等等场景，未来将支持第三方头部应用。

和这两年的华为手机发布会不同，华为这次强调了 Mate 80 系列的性能表现，Pro 版本对比 Mate 70 Pro+ 提升 42%，还支持硬件级别光追，每秒光线渲染 2000 万条，支持《三角洲行动》等游戏。

影像能力无疑是华为 Mate 系列的重头戏，华为 Mate Pro Max 搭载了五颗摄像头，主打高动态主摄 + 双长焦配置，除了红枫摄像头皆是 RYYB ：

• 主摄：17.5EV 超高动态，5000 万像素，F1.4-F4.0 十档可变光圈
• 中长焦：4x 光学微距长焦，5000 万像素，F2.1 光圈
• 超长焦：6.2x 光学超长焦，5000 万像素，F3.2 光圈
• 超广角：4000 万像素，F2.2 光圈
• 第二代红枫摄像头

Mate 70 首发的红枫原色摄像头广受好评，Mate 80 搭载的第二代色彩准确度提升 43%，动态范围提升了 300%。

硬件实力够强，Mate 80 系列在影像功能上也没有落下——全新的「动感摇拍」能很好抓拍动态照片，拍摄主体保持清晰，背景动态模糊。

原生色卡有了更多的选择，色彩模式新增仕女图淡雅的「明快」和野兽派强烈的「鲜艳」风格，AI 构图对比 P80 系列在效率和构图丰富度上都有所提升。

华为 Mate 80 系列出厂搭载 HarmonyOS 6 系统，AI 能力更上一层楼，支持 AI 语音修图、小艺再买一单、拍攻略自动识别等等功能。

华为一直都是手机通讯领域的探索者，除了卫星通讯，华为 Mate 80 系列也首次支持「无网应急通讯」。

行业已经有不少手机厂商在做类似的功能，而 Mate 80 系支持最远 13 公里通讯。在救援场景，Mate 80 不只能和手机交流，可作为被救端和搜救端定位，野外失联场景，可以被无人机扫描搜救。

华为 Mate 80 RS 非凡大师延续八边形「星钻设计」，影像配置与 Mate 80 Pro Max 一致，双层 OLED 屏幕支持 BT.2020 广色域拓展技术。

对比 Mate 70 系列，华为 Mate 80 标准版到 Pro Max 的价格都有所下调，和升级的配置一合计，会发现居然在 Mate 80 系列上也能讲究「性价比」了。

由于 Mate 80 系列手机版本较多，我们将售价集中列出，方便大家对比观看：

• 华为 Mate 80，12GB + 256GB 起步，起售价 4699 元
• 华为 Mate 80 Pro，12GB + 256GB 起步，起售价 5999 元
• 华为 Mate 80 Pro Max，16GB + 512GB 起步，起售价 7999 元
• 华为 Mate 80 RS 非凡大师，20GB + 512GB 起步，起售价 11999 元

华为 Mate X7 系列：稳健更新

折叠旗舰华为 Mate X7 系列，同样是一次非常稳健的更新。

外观设计上，Mate X7 摄像头 Deco 换用了新「时空之门」新设计，背板采用了「光织云锦」的新工艺。

对于大折叠手机，厚度和重量是非常重要的参数，华为 Mate X7 展开厚度 4.5mm，折叠厚度 9.5mm，整机重量 235 克。

受制于紧凑的机身空间，折叠屏手机的影像系统限制颇多。凭借模组小型化和手机内部结构优化，华为展开厚度仅有 4.5mm 的华为 Mate X7 典藏版中堆了不少料，包括 Mate 80 Pro Max 同款主摄。

华为 Mate X7 影像典藏版配置如下：

• 主摄：5000 万像素 RYYB 传感器，1/1.28 英寸，F1.4-F4.0 RYD 传感器，17.5 超大集成电容，十档物理可变光圈，支持光学防抖。
• 长焦微距：5000 万像素 RYYB传感器，光圈 F2.2，3.5 倍光学长焦，7 倍光学品质变焦，支持光学防抖。
• 超广角：4000 万像素 RYYB 传感器，光圈 F2.2
• 第二代红枫摄像头

不过，华为 Mate X7 最大的亮点不只是硬件配置，而是自研系统 HarmonyOS6 加持下，折叠大屏的独有的全新交互。

利用鸿蒙应用数据互通的特性，华为 Mate X7 可以实现左边应用点击分享右边，不需要复制粘贴和应用跳转。

像是导航和攻略的场景，左边打开小红书、马蜂窝这些应用，右边打开地图，选择地址后地图可快速识别形成路径规划。

分屏最有潜力的场景，还是 AI 助手。打开小艺分屏之后，可以直接将左边应用的内容传递到小艺，AI 助手就能结合上下文和联想进行回答。

华为 Mate X7 的配置和售价如下：

• 华为 Mate X7，配置 12GB + 256GB 起步，起售价 12999 元
• 华为 Mate X7 典藏版，配置 16GB + 512Gb 起步，起售价 14999 元

华为 MatePad Edge：最佳二合一方案

这台二合一产品，爱范儿已经提前拿到上手，认为它「平板和电脑用起来都是 100%」。

从名字可以看出，这是一台在平板基础上进行创新的二合一形态电脑，屏幕尺寸看齐笔记本电脑来到 14.2 英寸，边框仅有 4.1mm，是华为近年来尺寸最大的平板。

配上高低分频的 6 扬声器，在这块 14.2 寸屏幕上观影——甚至只是看手机录的视频——体验都是相当沉浸的。

MatePad Edge 默认是平板样式的 HarmonyOS，而只要在屏幕上四指滑动一下，界面就能顺滑地从平板模式切换到了 HarmonyOS PC，吸附到配套的「星跃悬浮键盘」，就是一台完完全全的笔记本。

既然能作为一台「笔记本」，性能不能落下。MatePad Edge 搭载两个散热风扇，顶配版本则使用液冷方案。

两种模式本质上是一个底层系统，应用、数据、文件都是共享的，可以互相访问，将 HarmonyOS「一次开发多端部署」的特性发挥得淋漓尽致。

MatePad Edge 售价如下：

• 起步配置 16GB + 256GB，起售价 5999 元
• 星跃悬浮键盘价格 1499 元
• 液冷版本配置 32GB + 2TB，价格 12999 元，包含键盘

全方位的「旗舰手机」

华为 Mate 80 Pro Max，是一台几乎全方位都相当「旗舰」的手机。

提前上手 Mate 80 Pro Max 感受了一番，又看完了发布会，这个观点在我心中愈发强烈。

手机厂商每年都用「最强」来形容旗舰产品，消费者听多了也难免不太当真——毕竟产品迭代，本就不太可能往回走。

但出于众所周知的原因，华为 Mate 系列沉寂了好几年，Mate 50 和 Mate 60 在某种程度，都离经典之作 Mate 40 有一点差距，难担「最强 Mate」旗号。

去年的 Mate 70，更像是一次更扎实更全面的回归尝试，是一次回到顶点的努力。

今年的 Mate 80 Pro Max，通过多个维度的配置堆料，以及独特的工艺，打磨出了一台市场竞争力更甚以往的旗舰手机。

国产手机集体冲高了好几年，如果单论性能和系统，Mate 80 系列未必比其他国产 Android 旗舰更强，但手机的设计和工艺，以及由内到外由软到硬的自研基底，共同塑造了它更高的产品站位，让华为 Mate 80 Pro Max 得以脱颖而出——握在手上的感觉，是最不会骗人的。

得益于长期的技术积累以及品牌调动供应链的能力，华为能在量产机上实现诸如背板金属浮雕、双层 OLED 这类通常只停留在展示阶段的工艺。它们并不只是单纯「整花活」，而是在尝试用更具差异化的做法去定义旗舰应有的质感和存在感。

这同样体现在影像能力上。早年和徕卡合作很好立住了「影像」的招牌，后期经过多年迭代的技术和方案探索，华为将硬件和调校把控回收到自己手中，有底气自立「XMAGE」的体系，也收到了来自市场的正反馈。

华为走的这个路线，其实和苹果有相似之处，两者都通过对供应链、软件、硬件的把控能力，构建起属于自己的体系化逻辑，并由此形成独立且相对稳固的高端形象。

作为「原生鸿蒙设备」元年，今年的华为产品都有一个特质：堆料给够的同时，形态要够创新，用这些不掉队甚至领先行业的硬件，去托举目前还未做到满分的鸿蒙系统和生态。

无论是反常规的 Pura X 和 Mate XTs，还是成熟的 Mate 7，华为已经把折叠屏做成了品牌的重要延展，产品还活用自家系统，实现其他品牌暂时还做不到的场景和交互，形成差异化的竞争优势。

而面向大众市场的 Pura 80 和 Mate 70，用最没有短板的姿态承担起品牌门面的角色，争取最多的高端用户。

时至今日，我们已经可以下一个结论：即使仍需要时间成熟，但鸿蒙系统已经不会失败了，因为华为已经摸索出一个路径，形成了一个如鱼得水的基本盘。

经历巅峰和沉寂，华为不仅在品牌和生态上恢复、甚至超越了以往的号召力，而华为 Mate 80 系列就是最好的证明。

附上本次活动一同发布的其他产品：

• 华为 WATCH ULTIMATE DESIGN 非凡大师手表「紫金」配色，售价 24999 元
• 华为 MateBook Fold 非凡大师折叠电脑「瑞红」配色，起售价 26999 元
• 陪聊 AI 机器人「智能憨憨」，售价 399 元
• 华为 MateBook Pro「拂晓粉」配色，起售价 8999 元
• 华为 WATCH Ultimate 2 非凡探索，起售价 6499 元
• 华为 WATCH D2 腕部动态血压记录仪「星云蓝」配色，价格 2988 元
• 华为 FreeBuds Pro 5 耳机，售价 1499 元
• 华为路由 X3 Pro 日照金山，母路由 1299 元，子路由 799 元，一母一子套装 1999 元
• 华为智慧屏 Mate TV Max 110，售价 64999 元

#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

你有没有过这种体验，想买个东西，先去小红书找了二三十篇笔记，B 站看了十几个测评，然后上什么值得买看了下优惠的渠道，最后，人已经麻到不想买了。

今天，OpenAI 给了一个新的统一入口，让 ChatGPT 直接替我们做「购物研究」。

在 ChatGPT 的聊天页面，点击菜单（+）选择 Shopping reseach 购物研究，告诉它要买什么，它会去全网查资料、比较参数、问我们预算偏好，然后给出一份量身定制的购买指南。

这听起来很简单，实际上是个非常深的产品变化，也是 ChatGPT 一直以来想要引入广告，又一次的小试牛刀。

和我们现在所熟悉的电商推荐、搜索引擎、比价工具都不太一样。传统工具的逻辑是，我们搜什么，它就给我们看什么。而 ChatGPT 购物研究的逻辑是，我们告诉它需求，它会利用我们在 ChatGPT 内的聊天记录，帮我们找到最适合的那个。

为了迎接黑五、感恩节等假期，ChatGPT 购物研究功能，已经向 Free, Plus, Team 和 Pro 等所有登录用户开放。而 Pro 用户的 Pulse 功能，也会个性化地使用购物研究，来推荐一些相关的产品。

不只是搜索，更是在做功课

国内的多个电商平台，淘宝天猫和京东，都上线了 AI 购物的功能，对话框里输入「我想买」，淘宝就能根据我们过往的购物历史，生成一份详细的购物清单。

但是在通用聊天助手里，ChatGPT 是第一个把 AI 购物也加进来的应用。之前用通用助手 ChatGPT、DeepSeek 这些也能询问购物建议，除了推荐的质量，最大的痛点绝对是，给出的链接要么打不开，要么是瞎编的。

新的购物研究功能彻底解决了这个问题，更重要的是把推荐的质量也提上了一个台阶。

进入购物研究模式后，我们可以直接在对话框里输入，「帮我找一款适合小公寓的，静音无线吸尘器」、「我想要找一条看起来，像这个（上传图片）的连衣裙」诸如此类的问题，ChatGPT 就会开始它的调查研究。

和一般的 AI 对话不同，购物研究的体验是 ChatGPT 重新设计的。它会像真人导购一样追问，不会一上来就生成一份报告，而是先要我们做一些选择题，这一点也是和淘宝 AI 购物的区别。

它会弹出多个问题选择框，大致的问题是，「预算大概多少？」ChatGPT 会率先研究，关于要研究的产品，主要的价格分布区间，我们可以单选或多选。还有一些问题，根据不同的购物需求，有具体的了解，像是消费电子类会问「主要看重什么功能？」，很明显是礼物常用商品，它会问「是送人还是自用？」……

更厉害的是，如果开启了 Memory（记忆）功能，它甚至会调取以前的对话细节。比如它的记忆里面，保存了平时爱玩游戏的关键词，在推荐笔记本电脑时，就会自动把显卡性能作为重点考量，而不需要我们重复废话。

初步选择了这些属性之后，ChatGPT 会给我们提供一个可视化的挑选界面。不再是纯文字对话，我们会看到一个包含商品图片、价格和参数的可视化界面。

如果不喜欢某个推荐，可以直接标记 Not interested（不感兴趣）；如果觉得某款不错，可以点 More like this（找相似的）；左滑不喜欢，右滑喜欢，很有交友软件的味道了。

它会根据我们的每一次点击，实时调整购物调研的方向。在最后生成报告的过程中，为了减少等待的「痛苦」，ChatGPT 还会提供很多小 Tips，来解释关于某个产品背后的内容。就像这里研究相机，它会说「像素不是决定照片质量的唯一标准」等。

等了一会儿，最后就是 ChatGPT 生成的这份深度「买家指南」。这是一份完整的调研报告，里面不仅有热门产品推荐，还有关键差异对比、优缺点权衡、以及来自可靠零售商的最新信息（主要是美国常用购物网站）。

它把原本需要我们花几个小时，去搜索、阅读、拉一个 Excel 汇总的过程，压缩成了几分钟的对话和选择。

除了这种直接的询问有什么新的产品，我们还可以在购物研究里面，发送图片，要求 ChatGPT 找到类似的商品，或者要求它帮我们找到相关的优惠，以及多个同类产品的横向比较。

我们直接问他，「我是学生，这个自行车可以送给我吗」？他很认真的帮我找到了学生专属折扣或补贴、还有一些学校提供的相关支持计划。

什么样的东西适合用它买？

OpenAI 在他们官方博客里面提到，对于查个价格这种简单问题，普通对话就够了。Shopping Research 真正大显身手的地方，是那些决策成本高、参数复杂的品类。

• 电子产品： 手机、电脑、相机（这类产品参数多，非专业的小白容易晕）
• 家居与园艺： 吸尘器、扫地机、家具
• 美妆护肤： 需要看成分、对肤质
• 运动与户外： 露营装备、专业运动器械

简单来说，凡是需要我们专门去做功课的东西，现在都可以交给 ChatGPT 的购物研究。

OpenAI 最后也提到，他们没收钱。不会因为谁给钱多，就暗中默默推荐谁。他们表示所有的搜索研究结果，都是基于公开的网页信息，用户与 ChatGPT 的聊天记录，同样也不会分享给任何零售商。

其次，这次购物研究的功能，是由一个经过强化学习训练的 GPT-5 mini 版本支持，专门用于购物任务。他们创建了一个新的评估方法，来衡量模型推荐的商品是否符合用户的需求，最后的结果是购物研究达到了最高的 64% 准确率。

不过，尽管模型很强，OpenAI 还是提到，库存和价格瞬息万变，购物研究也可能会有疏漏，建议大家在下单前，点击 ChatGPT 提供的商家链接，去官网做最终确认。

在未来，甚至可以直接通过 ChatGPT 购买，OpenAI 提到那些已经加入 Instant Checkout（支付平台 Stripe 与 ChatGPT 合作的即时结算），且提供该功能的商家，就能让我们边挑选边下单了。

除了模型存在疏漏，更大的局限是在中文市场，大部分的国产，尤其是没出海的品牌，数据缺失比较严重；同时国内电商页面也无法实时抓取。不过，用来调研一些国际品牌为主的商品，ChatGPT 还是能派得上用场。

再者说，以国产 AI 进步的速度，如果想要跟进类似的功能，接入淘宝京东拼多多大概也是「分分钟」的事。

对于 ChatGPT 新上线的购物研究功能，X 上的网友也是各种意见都有。有人说「OpenAI 又一次快速实现了，我的整个创业想法。」、还有网友给出一张密密麻麻的 AI 订阅费用对比，说「AI 能帮我找到最适合的 AI 订阅吗」，也有人犀利的表示「别再破坏我的 ChatGPT 了」……

回头看 GPT-5 发布后，ChatGPT 这三个多月来的更新，群聊、视频社交、即时结账、购物、浏览器以及即将到来的成人模式等，OpenAI 看准了要利用它的庞大流量留住这些用户。对它来说，当前保持住用户的现有存量，比进一步挖掘用户增量可能更重要。

而购物研究，只是 ChatGPT 牢牢绑住现有用户，很小的一次的探索；电商这块巨大的蛋糕，它才刚刚进来。

#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