IT之家 8 月 13 日消息，据德国《经济周刊》今天（13 日）报道，保时捷计划最迟在 2030 年前停产纯电动车型 Taycan。 知情人士消息称，保时捷最初考虑过把 Taycan 转移到莱比锡工厂生产，因为斯图加特总部工厂的 Taycan 产能利用率极低。 公司也研究过尽快停产的方案，最终决定让 Taycan 在 2030 年前逐步退出市场，在此之前仍由斯图加特工厂继续生产。保时捷已经与企业职工委员会就这一安排取得共识，但目前还没有正式形成书面协议。 保时捷 CEO 迈克尔 · 莱特斯 7 月底接受《法兰克福汇报》采访时说：“短期内，我们没有停产 Taycan 的计划。我们已经为这款车型投入了大量资金，希望先看看市场需求接下来如何变化。” 对于最迟在 2030 年前停产 Taycan 的计划，保时捷没有作出更多回应。 据IT之家了解，Taycan 是保时捷最具代表性的纯电产品。保时捷 2022 年 IPO 上市时，该车型还曾被视为产品阵容全面电动化的重要象征。按照当时的规划，到 2030 年，公司销量中 80% 应来自纯电车型。 Taycan 在上市初期经历过一轮销量快速增长，此后市场表现明显转弱。2023 年，Taycan 销量接近 4.1 万辆，去年已降至约 1.6 万辆。2026 年上半年，销量进一步下滑至 6000 多辆。需求持续疲软也影响了生产，过去几个月斯图加特工厂已经多次暂停 Taycan 生产。 今年早些时候，英媒 Autocar 曾称，保时捷正在评估一项重大产品调整方案：将 Taycan 和 Panamera 整合为一个统一车型系列，并在同一车系中提供燃油、插混和纯电三种动力。

快科技8月13日消息，据报道，近期，西班牙国防部发言人表示，该部不反对中国上汽集团在加利西亚地区建设汽车工厂。 该项目选址距离费罗尔海军基地仅5公里，这座港口承担的是北约护卫舰维护、部署任务。当地情报部门曾担忧厂区存在搜集舰船动态信息的潜在风险，一度引发舆论争议。 不过经过数月多轮磋商与综合评估，国防部判定相关安全风险可通过配套管控措施妥善化解，不会对国防设施造成实质威胁。 从项目体量来看，上汽计划投入2亿欧元打造欧洲首座生产基地，预计明年动工、2028年实现投产，主打名爵新能源车型，规划年产12万辆整车。 项目落地后能直接提供千余个稳定工作岗位，叠加上下游配套产业，将极大提振当地经济。近年西班牙多处传统车企厂房关停，制造业就业缺口明显，加利西亚地方政府始终将该项目视作区域复兴的关键项目，明确承诺在内阁审议环节会全力支持。 放眼整个西班牙市场，已有奇瑞、零跑等多家中国车企落地生产，中资车企填补了本土产能空缺，带动当地汽车电动化转型。而对上汽而言，本地建厂能够规避欧盟对华电动车进口关税，贴近欧洲消费市场，完善海外产业链布局。 此外，中国外交部发言人表示乐见西方释放公平营商环境的信号，期待两国继续秉持互利共赢原则深化经贸合作。

◎ 采写丨科技日报记者 沈唯 ◎ 策划丨刘恕 李坤 在位于广东省深圳市的福田中心区，5栋写字楼的水冷中央空调在统一调度下悄然上调了出水温度。楼内埋头工作的人们几乎毫无察觉，室温变化被精准控制在0.6℃以内。就在这“无感”的十几分钟里，2.1万千瓦时的电力被削减，大大缓解了电网压力。 “作为虚拟电厂的运营商，我们在这次需求响应中获得了5.88万元的响应补贴。”深圳恒实盛景科技有限责任公司（以下简称“恒实盛景”）常务副总经理宋子鑫说。 这是虚拟电厂最典型的运行场景，没有厂房、不烧煤、不排烟，却像一个真正的发电厂一样，为电网运行“削峰填谷”。 深圳市福田CBD中心区。图片来源：视觉中国 国家发展改革委、国家能源局日前发布的《新型能源体系建设“十五五”规划》提出，构建灵活弹性的电力负荷生态，加快推进虚拟电厂规模化发展，2030年虚拟电厂调节能力达到5000万千瓦以上。 国家能源局数据显示，截至2025年底，全国虚拟电厂项目已达470个，经测试的最大调节能力达到1685万千瓦，同比增长约70%。 作为电力系统的新业态、新模式，虚拟电厂进入快速发展期。然而，记者在调研中发现，由于用户参与不积极、技术标准不统一、市场规则不完善等问题，虚拟电厂的实际可调用能力仅能达到最大调节能力的20%—30%。两者之间的差距，日渐制约着虚拟电厂的发展。 1 发展势头日渐强劲 随着新能源技术的发展，其间歇性、随机性、波动性给电力系统的安全稳定调度带来巨大挑战。为此，国外学者提出一种设想，即通过现代信息通信和系统集成控制等技术，将分布式电源、可调节负荷、储能等各类分散资源聚合起来，在协同控制下，让这些分散资源像传统发电厂一样可以灵活调度，以此提高能源供给调配的效率和电网负荷响应的精准性。 在此背景下，1997年，英国经济学家西蒙·阿韦布赫首次提出“虚拟电厂”的概念。如今，许多国家把虚拟电厂作为电力系统建设中必不可少的一类新型资源纳入规划和运行决策。2016年，虚拟电厂被引入我国新型能源体系框架。 “虚拟电厂并不是真正意义上的发电厂，而是一个线上平台。”重庆大学电气工程学院教授方斯顿介绍，与传统意义上的发电厂不同，虚拟电厂本身不生产电，更像是电的“搬运工”。之所以将其称为“电厂”，是因为运营商能将分布式资源整合起来，既可以打包资源向电网供电，也可以在电网电力冗余时消纳电力。 目前，参与虚拟电厂的运营主体既有电网侧企业，也有市场化服务公司。不同主体发挥各自所长，共同推动虚拟电厂发展。 2025年3月，国家发展改革委和国家能源局联合印发首个针对虚拟电厂的国家层面专项政策《关于加快推进虚拟电厂发展的指导意见》，要求各地结合实际制定虚拟电厂发展方案，加快培育虚拟电厂主体；明确到2027年，全国虚拟电厂调节能力达到2000万千瓦以上。 深圳这座自带创新基因的城市，在虚拟电厂建设的探索中走在了全国前列。2022年8月，中国南方电网有限责任公司（以下简称“南方电网”）联合深圳市政府打造全国首家虚拟电厂管理中心；2026年初，全国首个以社区为载体的“虚拟电厂小镇”示范工程在深圳宝安区正式投运。 深圳虚拟电厂小镇的光储充放一体化超充站。 深圳虚拟电厂管理中心管理经理李江南介绍，虚拟电厂小镇现已整合分布式光伏、工商业储能、智能充电桩和经过数字化改造的用户侧可调节负荷，覆盖“源、网、荷、储”全要素。目前，小镇一期工程已经完工投运，预计2027年三期全部完工后，每年可发出绿电超6000万千瓦时，年营收将超亿元。 作为被聚合的参与主体，虚拟电厂的用户可以是企业、园区，也可以是居民个人。车网互动（V2G）就是居民参与虚拟电厂的关键技术之一。通过该技术，新能源车车主能够在电价高峰时将汽车电池中存储的电反向卖给电网，并通过虚拟电厂运营商的统一调度赚取峰谷差价。 2025年夏季，全国首张居民个人V2G结算单在广州诞生。随后，全国范围内的V2G探索广泛铺开。2026年7月1日，武汉私人车位家用充电桩V2G反向售电试点正式上线。 近年来，在一系列的政策支持下，我国虚拟电厂的建设规模不断扩大，工程应用场景快速拓展。数据显示，2025年，我国虚拟电厂市场规模已突破百亿元。截至2026年初，全国已有15个省份发布虚拟电厂参与电力市场实施细则，12个省出台电力中长期交易配套政策。蓬勃发展的虚拟电厂正在点亮全国版图。 2 实际调用能力未达预期 虚拟电厂本质上是把分散的资源聚合起来，再打包卖给需要的人。但在实际调用资源时，用户响应意愿却成了虚拟电厂参与交易的最大变数之一。 对于虚拟电厂而言，最大调节能力仅是理论上的“纸面实力”，真正投入“实战”还要看实际可调用能力。数据显示，深圳虚拟电厂管理平台接入容量规模已达510万千瓦，而实时可调负荷约140万千瓦。李江南介绍，尽管深圳各家虚拟电厂运营商接入的资源类型丰富，但实际可调用能力仅为接入容量的30%左右。 深圳市和光智慧能源科技有限公司（以下简称“和光智慧”）是深圳虚拟电厂小镇的运营商。和光智慧董事长黄子奇介绍，公司盘活了社区村集体30多万平方米可利用的屋顶和闲置空地，仅一期样板工程光伏施工面积就达2.1万平方米，投放储能设备18个、充电桩45个、构网型光储充放一体站1座。当电网需要支撑时，这些由公司投资持有的基础设施实际可调用能力达100%。这也是小镇内参与电网调度的核心主力。 深圳虚拟电厂小镇。 “自己的资产好管，别人的资源难调。”黄子奇告诉记者，这其实是行业普遍面临的痛点——分散的用户侧负荷资源涉及众多独立用能主体，想在关键时刻统一调度，需要将产权方、用能企业、资产投资方、电网调度乃至地方政府节能降碳要求等多元需求通盘纳入调度策略设计，“只有兼顾所有参与方的利益，后期调度时各方才愿意主动配合，实现资源可控可调”。 电力规划设计总院能源政策与市场研究院院长凡鹏飞认为，虚拟电厂理论最大调节能力与实际可调用能力存在差距，是多重因素共同作用的结果。 “在实际调度场景中，虚拟电厂的调度能力受用户生产需求、天气环境情况、用户参与意愿、电力市场价格信号等多种因素影响，虚拟电厂聚合的各类资源往往无法同时发挥最大调节能力，最终导致两者存在差距。”凡鹏飞说。 “虚拟电厂调用资源时，还要面临‘一户一策略、一地区一方案’的差异化难题。”南方电网科学研究院用电计量所研究员曹望璋介绍，由于每个用户、每个地区的用电习惯和设备条件都不一样，因此需要个性化定制调度方案。很多运营商的技术积累和资金实力有限，有的聚合控制平台不够成熟，有的缺乏智能化的优化决策工具，因此管理成本高、响应能力有限，进一步扩大了理论调节能力与实际可调用能力之间的差距。 随着虚拟电厂发展驶入快车道，行业逐渐意识到，聚合资源只是第一步。真正要解决的，是如何让这些资源“活”起来。 AI等新技术日趋成熟，成为提升虚拟电厂可调用能力的关键变量。黄子奇告诉记者，和光智慧已经开始探索依托智慧能源管理平台，通过AI算法实现对用户侧负荷的动态预测、分类管控与智能优化。 “AI等相关技术降低了技术门槛，使更多中小主体有能力、有底气参与市场竞争。”曹望璋认为，AI或将是虚拟电厂运营破局的关键点之一。通过精准的负荷预测和报价决策，运营商可以在现货市场中捕捉价差收益，将虚拟电厂从“被动响应”推向“主动交易”。 3 技术标准尚不统一 虚拟电厂聚合的存量资源类型众多，由于各种设备来自不同厂商、年代各异，面临通信协议等技术标准不统一、难以通过指令调度协同运行等难题。 “增强虚拟电厂的实际可调用能力，重点不是去做‘增量’，而是盘活海量的存量资源。”方斯顿道出了这一关键问题。 凡鹏飞认为，虚拟电厂可以通过数字化技术聚合海量分散的分布式资源，这一做法的一个显著优势就是低成本。虚拟电厂最理想的发展路径不是大量投入资金去新建发电设施，而是要想办法打破已有设备容量小、分布散、无法参与电网调度的局限，从而降低投资成本。 “运营商应充分挖掘各类负荷资源的可调用能力，通过加装低成本通信、计量与控制模块，推进存量设备的数字化、智能化升级，将潜在资源转化为可远程精准调控的有效资源。”凡鹏飞说。 在2025国际数字能源展上拍摄的深圳虚拟电厂管理中心展区。新华社记者 王丰 摄 然而对虚拟电厂运营商来说，盘活这部分存量资源并不容易。 黄子奇告诉记者，公司在前期投入了大量研发与技术调试成本，攻克数据格式统一、通信频次适配、安全加密传输等多项技术细节，才实现了从设备数据采集到平台整合再到调度对接的全链条互通。 “存量设备往往在前期终端改造环节投入较大，因此许多运营商对盘活资源望而却步。”曹望璋认为，宜制定轻量级、开放式的指导性标准，明确数据项等基本交互要求，通过网关一类终端适配存量设备接口，降低设备接入成本。 今年2月，曹望璋参与编制的《虚拟电厂技术导则》正式发布，填补了虚拟电厂全流程技术规范的空白。该导则将于9月1日起正式实施，成为虚拟电厂相关技术标准从碎片化走向系统化的关键一步。 “虚拟电厂的标准体系还需持续完善，市场交易、能力评估等关键环节的标准也要加快编制落地实施。”凡鹏飞认为，在此基础上，还要建立完善的虚拟电厂调节能力评估体系，提升虚拟电厂对聚合分布式资源的实时监测与动态调控水平。 此外，业内有关专家还提出，建立健全虚拟电厂的技术标准，一方面要强化技术标准编制的质量管控与工程适配，另一方面还要强化软硬件产品的标准化应用，推动与国际标准的对接或引领，逐步让虚拟电厂软硬件产品走进国际市场。 为进一步推动虚拟电厂学术界和产业界达成共识，多家有关单位先后在中国能源研究会、中国电机工程学会联合成立了“虚拟电厂专业委员会”和“新型电力负荷与虚拟电厂专业委员会”，共同探索虚拟电厂的可持续发展路径。 4 市场机制亟待完善 记者在采访中了解到，在当前的虚拟电厂运营中，“需求响应补贴占收益大头”是普遍现状。 “尽管虚拟电厂的经营主体地位基本得到认可，但其想要靠市场盈利依然困难。”方斯顿分析，运营模式单一、跨省交易存在壁垒是主要原因。 宋子鑫告诉记者，公司在福田中心区获得的一次响应收益中，需求响应补贴的5.88万元占了86%，蓄冷价差套利仅占14%。 近年来，恒实盛景陆续将近万台空调主机接入平台，覆盖上百栋楼宇，业务拓展至广东、湖南、上海等多地。“在广东地区，夏季空调需求响应补贴是我们盈利的基本盘，全年超半数收益都靠这部分。”宋子鑫坦言，空调负荷夏旺冬淡、春秋调节空间萎缩是行业的共性痛点。 深圳市福田区接入的空调水冷主机。 目前，运营商大多通过需求响应获取收益，商业模式较为单一。宋子鑫坦言，行业规模化发展还需要政策层面的支持。比如拓宽多元收益渠道，需打通虚拟电厂与碳资产、绿电交易联动机制，把负荷调节能量转化为额外收益，进一步降低虚拟电厂对短期削峰补贴的依赖。 “推进虚拟电厂规模化发展的关键在于市场机制的完善。”方斯顿告诉记者，各地在虚拟电厂的准入机制、调度规则、结算标准等方面都有自己的一套体系，政策也各不相同。 为下好“全国一盘棋”，今年2月，国务院办公厅印发《关于完善全国统一电力市场体系的实施意见》，明确到2030年基本建成，到2035年全面建成全国统一电力市场体系的目标。 “这份文件提出要有序推动新型经营主体参与电力市场，其中特别明确在确保安全前提下，推动虚拟电厂等新型经营主体灵活参与电力市场，加快制修订新型经营主体运行监控、并网运行、双向计量、信息交互等标准。”凡鹏飞说。 6月18日，全国统一电力市场体系建设取得一项标志性成果——全国首笔输电权市场化交易成功达成，安徽通过市场交易获得了“云霄直流”的使用权，利用国家电网到南方电网的送电通道，将超过2100万度电量送到广东，填补了跨区送电通道市场化分配的空白。 在这笔交易中，安徽省的亳州益源电力有限责任公司的虚拟电厂也参与其中，贡献了3.86万度绿电。这为虚拟电厂开辟了跨省盈利的新赛道，也证明了虚拟电厂在全国统一电力市场中发挥作用的潜力。 按照有关政策规划，“十五五”期间，虚拟电厂仍有3000多万千瓦的需求侧能力亟待挖掘和建设。目前，上海、深圳等地都出台了虚拟电厂建设成本补偿机制，鼓励更多社会资本加大投入。 从政策框架到地方实践，从标准建设到技术更新，虚拟电厂的“四梁八柱”正在搭建。这个“看不见的电厂”的产业生态，正在全国范围内加速构建起来。 （科技日报记者刘园园、孙明源对此文亦有贡献） 科技日报•深瞳工作室出品 图片除标注外均由受访单位提供 版面编辑丨苏菁菁 版面审核丨徐玢 微信编辑丨宋慈 微信审核丨张爽

经过24小时竞拍，哪吒汽车南宁工厂机械设备一批二次流拍。 据阿里资产网站消息，8月12日上午10点，南宁市青秀区人民法院在阿里司法拍卖平台公开第二次拍卖“存放于南宁市青秀区伶俐镇昌隆路88号机械设备一批”，起拍价约4824.63万元。 图片来源：阿里司法拍卖平台截图 截至8月13日上午10点竞价结束，有2128次围观，117人设置提醒，但报名状态栏显示“0人”，页面显示“本场已流拍，无人出价”。 《每日经济新闻》记者从一位辅拍机构的相关负责人处了解到，此次拍卖标的地址为哪吒汽车南宁生产基地所在地，拍卖物为哪吒汽车南宁工厂内的设备，但并非所有设备都参与拍卖。 7月27日，南宁市青秀区人民法院在阿里司法拍卖平台第一次公开拍卖“存放于南宁市青秀区伶俐镇昌隆路88号机械设备一批”，起拍价约6030.79万元，2700多人次围观，160人设置提醒，但因无人报名，一拍最终以流拍收场。 从第二次拍卖价格来看，这次起拍价较首次拍卖下降超1200万元，降幅超20%。 “哪吒汽车南宁基地设备第一次拍卖流拍，反映出的是市场真实需求。首次法拍无人报名，二次法拍价格只能进行下调处理。”北方工业大学汽车产业创新研究中心主任纪雪洪表示。 根据南宁市青秀区人民法院拍卖公告，二次拍卖竞价期间，“当次拍卖流拍的，进行变卖；当次拍卖成交的，后续变卖自动取消”。 上述辅拍机构的相关负责人向记者提供的“26-178号执行拍卖物清单明细表”显示，本次拍卖物共计438项467台套，包括冲压车间的自动化线、无轨车；总装车间的内饰输送线、底盘输送线、后悬线、总装拧紧设备；工具车间的电动弯角扳手、电动螺丝刀；模具车间的左/右翼子板、前舱盖外板等。 一位哪吒汽车离职员工向记者透露，南宁生产基地是哪吒汽车的KD件（散件组装）生产工厂，主要为产品出海服务，该生产基地主体为广西宁达汽车科技有限公司（以下简称广西宁达）。 天眼查信息显示，广西宁达成立于2019年，由哪吒汽车母公司合众新能源汽车股份有限公司（以下简称合众新能源）与南宁雍合投资有限公司合资成立，双方分别持股85.29%和14.71%。目前，广西宁达已被列为被执行人，被执行总金额超1.83亿元。 图片来源：天眼查 据悉，本次拍卖由南宁市青秀区人民法院执行，案件案号为（2026）桂0103执178号，系买卖合同欠款逾期未清偿。该案件申请执行人为南宁智宏科技有限责任公司，被执行人包含广西宁达、合众新能源、南宁宁达新能源汽车有限公司、南宁雍合投资有限公司四家企业，执行标的约4568.66万元。 哪吒汽车是合众新能源旗下的汽车品牌，创立于2014年，是最早获得新能源乘用车“双资质”的企业之一，拥有浙江桐乡、江西宜春和广西南宁三处整车制造基地。其中，哪吒汽车南宁生产基地曾是地方国资与造车新势力合作的重点项目。 公开信息显示，2019年，南宁市政府与合众新能源签署战略合作协议，合众公司计划投资35亿元，在南宁建设纯电动乘用车项目，达产后计划实现10万辆整车的生产规模，年产值约120亿元。 对于流拍结果，纪雪洪在接受记者采访时表示，当前国内汽车产业的生产能力已非常充裕，导致生产设备的市场实际需求走弱。反映到投资端，国内车企已鲜有新建工厂的意愿，转而采用存量厂房改造。这既是成本考量，也是行业竞争加剧、淘汰赛提速的一个信号。

杰西卡 发自 凹非寺 《蜘蛛侠》里的绿魔滑翔翼，走进现实了？！ 经过相应培训，站上飞行平台，你自己就能飞起来。 这不是电影特效。 来自杭州的飞行器技术公司酷飞，刚刚发布了站姿个人飞行器Urban、坐姿个人飞行器Dream、自研NA80飞控系统。 整个过程没有复杂的仪表盘，也不需要驾驶者反复调整机身姿态。 这个场景，或许你会觉得似曾相识——在2026年央视春晚哈尔滨分会场，当时零下三十多度的天气下，唯一出镜进行载人表演的飞行器就来自酷飞。 在春晚过后，酷飞的产品已经开始接受市场检验，在海外作为消费级产品获得了近百台已支付定金的订单。 在海外一些已经建立了超轻型航空器规则的市场，符合当地定义及运行条件的特定产品，可以依据相应规则运行，其驾驶资质和航空器认证要求相较传统航空器更为简化。 以美国为例，符合FAA Part 103定义及运行条件的超轻型产品，不需要按照普通航空器完成适航认证，驾驶者也无需持有传统飞行员执照。 针对载人飞行最受关注的安全问题，酷飞还为个人飞行器构建了一个多重冗余、主被动结合的综合防护体系。 甚至连这种新产品过去最稀缺的一环——保险，现在也已经被补齐。酷飞已经与人保、太保共同建立了行业首个涵盖飞行器、机上人员与第三者的一揽子保险方案。 飞行器、飞控、订单、渠道、保险陆续出现，意味着近年来走热的低空经济，在个人载人飞行这条路线上开始显露商业化苗头。 不过，普通人能够轻松上手，并不意味着这种产品技术简单。 恰恰相反，为了把操作门槛降下来，飞行器内部需要承担的稳定控制、意图判断和安全兜底反而越多。 事实上，这远不只是给一架大号无人机装上载人平台那么简单。 01 普通人能上手的飞行器，长什么样？ 酷飞此次发布的Urban和Dream，都属于单人电动垂直起降飞行器。两款产品采用了截然不同的形态。 Dream系列采用更常见的坐姿布局，在多旋翼平台中央设置单人座椅，驾驶者坐进机身，通过操纵杆发出方向和升降指令，更符合大众对载人航空器的理解。 Dream系列不同型号在飞行时间、重量和应用方向上有所区别。 其中，Dream ST是入门级的产品，主要面向美国超轻型飞行市场；Dream Pro则提供更大的载重、更长的载人飞行时间和更高的综合性能，其最大载重120公斤，最高速度100公里/小时，在由一名70KG的飞行员驾驶情况下，最长飞行时间可达40分钟。 Urban则几乎脱离了传统飞行器的外观，没有机翼，也没有完整座舱和座椅，黑色机身被压成一块扁平的平台，多组桨扇舱向四周展开，旋翼被蜂窝状防护结构包裹。 机身中央留出一块站立区域，前方设置操纵杆，驾驶者穿戴头盔和护具后站在机身上，看起来就像踩着一块放大版的“飞行滑板”。 当前在基于70kg飞行员的载人飞行下，预计Urban飞行时间在11分钟。 与坐姿飞行器不同，站姿飞行中驾驶者身体位置的变化会持续影响整机重心，因此飞控还需要实时补偿人体移动和外界扰动，在响应驾驶指令的同时维持飞行器稳定。 酷飞后续还将推出重心感应功能，由传感器捕捉人体与整机的重心变化；飞控经过姿态解算后，调整各组动力单元的推力。 飞行器向前移动、左右转向、悬停和减速，都会由系统按照这套逻辑完成，操作体感上更类似平衡车。 两款产品在酷飞内部有着明确分工： Dream采用更符合现有用户认知的坐姿布局，用户理解和学习成本相对更低，更适合率先进入娱乐飞行、低空文旅、户外探索、游艇及封闭园区等场景； Urban当前同样可以进入娱乐飞行和体验场景，同时还承载着酷飞进一步推进轻量化、小型化和便携化的长期方向，更接近其对未来个人交通工具的设想。 而这两大飞行产品的核心底座，都来自酷飞自研的eVTOL专用飞控NA80。 NA80采用双余度飞控架构，两套飞控单元相互独立、互为冗余；每套飞控单元集成三个航空级IMU（IMU用于测量飞行器的角速度和加速度，相当于飞控感知机身运动的“内耳”）。 多组IMU可以同时输出数据，系统通过交叉验证识别传感器漂移和异常；一套飞控出现故障后，另一套飞控能够接替控制任务，据酷飞介绍，可以实现毫秒级故障检测和热切换。 从外部直观来看，站姿布局的操作更自然，设计似乎也更简洁，但其背后的核心技术，却是一套相较于坐姿设计难度更高的体系。 坐姿飞行器可以通过座椅和安全带限制驾驶者移动，人在飞行中的位置相对固定；而在站姿飞行器上，驾驶者的每一次身体移动，都可能改变整机重心，对人机协同提出更高要求。 飞控不仅要响应驾驶者的操作，还需要持续识别人体移动、气流变化等因素对机身姿态造成的扰动，并实时进行修正。 换句话说，对Urban而言，飞控面对的不只是飞行器本身，还是驾驶者与飞行器共同组成的动态系统。 正因如此，站姿形态对安全性提出了更高的要求。而酷飞的安全理念，则是从系统架构、主动控制到极端情况下的被动防护，构建起一套完整的多层安全体系。 第一层，是把安全写进架构。 Urban与Dream均搭载酷飞自研NA80飞控系统，采用双余度飞控架构。 两套独立飞控系统同步运行、相互监督，系统内部通过多组航空级IMU等传感器进行交叉校验。当其中一套飞控出现异常时，系统可以在毫秒级完成故障检测，并由另一套飞控接管控制。 这并不仅仅是简单地多装一套飞控，而是从系统架构层面降低单点失效的风险，尽可能避免任何一个关键部件的异常，直接演变成整机失控。 这种冗余思路还延伸到了不同产品的整机设计中。Dream ST和Dream Pro均采用四轴八桨动力布局，通过多组动力单元形成动力冗余；在部分动力单元出现异常时，系统仍可以根据整机状态重新调整推力。Dream Pro还进一步在关键供电环节增加冗余设计。 但真正构成门槛的，并不是多几个备份。 酷飞从一开始就按照载人飞行器的逻辑进行正向设计。从飞控、航电、动力、结构等各个子系统围绕整机目标统一设计和匹配，而不是将来自不同供应商的成熟模块简单拼装到一起。 更重要的是，即使超轻型飞行器在部分市场可以获得适航审定豁免，酷飞仍主动将更高的标准引入产品设计和生产环节。 在环境适应性、电磁兼容、元器件选型、抗振动与冲击、生产质量以及全生命周期追溯等环节，酷飞的航电系统和生产体系对标军工级标准。极寒、高温、持续振动、电磁干扰、湿热盐雾等复杂工况，都在产品设计之初被纳入考虑。 这也是酷飞安全体系中最耗费时间、成本，同时也最难被快速复制的一部分。 安全气囊、降落伞等装置，可以通过成熟供应链获得；但要建立一套双余度飞控架构，并进一步将这种安全理念贯穿整机设计、测试验证、生产制造和质量体系，需要长期的研发投入和工程积累。 在目前的个人载人飞行器行业中，真正将多备份、多冗余的系统架构，与军工级设计和生产体系同时做到这个程度的企业仍然极少。 第二层，是主动安全。 如果第一层解决的是尽量不让故障发生，那么主动安全解决的就是：当飞行正在接近风险边界时，系统能不能提前发现，并主动介入。 飞行过程中，系统会持续读取驾驶输入、机身姿态、传感器状态和剩余电量，并通过机载感知系统持续获取周围环境信息，对飞行器自身状态和外部环境进行实时判断。 在此基础上，系统会对速度、高度、倾斜角度等关键状态设置安全边界，并结合360°感知、避障、地形判断等能力，对潜在风险进行主动识别。 当用户操作超出系统设定的安全范围时，飞控不会简单机械地执行全部指令，而会对响应进行限制；当检测到障碍物、异常姿态或其他风险状态时，系统也可以根据预设策略进行干预。 电量下降到相应阈值后，飞行器还可以进入预设的降落策略。 酷飞通过“感知—判断—干预”形成主动安全闭环，尽可能在风险真正演变为事故之前先一步介入。 第三层，则是在极端情况下的被动安全防线。 Urban采用封闭式桨扇和相应的防护结构，首先从物理层面降低高速旋翼与驾驶者以及外部物体发生直接接触的风险。 除此之外，酷飞还根据不同机型和产品定位配置了进一步的被动安全措施，包括机体安全气囊、飞行员全身气囊安全服，以及在部分机型上配置的整机降落伞等。 如果把酷飞的安全体系拆开来看，它的逻辑其实非常清楚： 先通过双余度架构、正向设计和高标准制造，尽量不让问题发生；再通过主动安全，尽量不让问题扩大；最后通过安全气囊、安全服、降落伞等被动防护，为极端情况留下最后一道兜底。 今年央视春晚哈尔滨分会场的飞行演示，给这套体系提供了一次公开验证。 当时，两架搭载表演人员的飞行器在舞台上平稳升起，并与灯光、焰火和地面表演同步移动。现场气温低至零下30摄氏度，还伴随持续风雪和复杂气流。 对于电动载人飞行器而言，极寒意味着电池性能衰减、材料特性变化，也会对传感器、航电系统以及飞控能力提出更高要求。 因此，这次面向全国观众的公开飞行，是对飞控、航电、动力、结构以及整机可靠性的一次复杂环境综合验证。 而正是因为这样的技术难度，在目前的个人载人飞行器市场中，站姿设计至今仍是一条相对少见的技术路线，当前较具代表性的Jetson ONE、Pivotal Helix等产品均采用坐姿布局。 既然站姿方案难度更高、坐姿方案又已经相对成熟，酷飞为什么还要投入更多时间和资源，开发一款站姿飞行器？ 原因，可能还要先从这家公司说起。 02 一群无人机老兵，从头做载人飞行 酷飞，全名“酷飞（浙江）飞行器技术有限公司”，成立于2022年底，总部位于杭州，是一支拥有双院士背景的团队。 公司创立之初，酷飞就有一个长期设想：打造一种面向未来城市个人出行的交通工具，可以承担起一定距离内的个人短途移动。 这种飞行器需要支持单人直接使用，能够垂直起降，不依赖跑道；同时还要足够轻便，方便运输、折叠收纳和快速部署。 沿着这个产品定义往下推，市场中相对更常见的坐姿个人飞行方案，都需要座椅、座舱和相应承力结构。这些部件会占据空间，增加重量，也限制整机进一步折叠和缩小。 而省去完整座舱，采用站姿布局，可以让整机结构更加紧凑，也能为机身折叠、快速收纳和便携运输留下更多空间，有着更大的轻量化和便携化潜力。 酷飞敢于选择一条更难的路线，与团队过去的经历有关。 酷飞的创始人兼CEO李伟，早在2013年就开始无人机和航空技术创业，次年还考取了ASFC轻型运动固定翼航空驾驶证。 此后几年，他陆续参与无人机、航空科技和应急装备创业，还在山东推动成立无人机产业技术创新战略联盟。 到2022年创办酷飞之前，他已经在无人机产业里摸索了十余年。 一边造无人机，一边亲自学习驾驶航空器，让李伟看到了两套截然不同的使用体验。 消费无人机经过多年迭代，已经可以自动悬停、抵抗风扰、规划航线和低电返航，普通用户拿起遥控器便能操作；载人飞行依然需要专业航空器、专业机场和长期训练，个人距离真正掌握飞行能力仍然很远。 酷飞最初要解决的问题，由此逐渐明确：无人机飞控已经能够替人完成大量复杂操作，这套技术演进，能否继续向载人飞行延伸？ 酷飞联合创始人，欧洲工程院院士王志胜教授，则从控制系统的另一端进入这个问题。 他长期在南京航空航天大学从事无人机工业应用、机电模拟、工业机器人和融合控制研究，主持过国家自然科学基金项目、863计划子项目及20多项国防科研院所合作项目，发表论文60余篇。 李伟长期面对飞行器怎样被制造和使用，王志胜研究机器怎样感知状态、处理扰动并保持稳定。 两种深耕无人机多年的经验，最终在个人飞行器上交汇：李伟提出产品应该足够轻、足够直接，让个人可以真正使用；王志胜及技术团队则要回答，怎样把一个不断移动重心的人纳入飞控闭环，同时保证整机稳定和安全。 同时，中国科学院院士吴宏鑫还是酷飞的技术顾问。 这就解释了酷飞为什么不去直接采购一套成熟的无人机飞控方案。 大多数成熟多旋翼平台的载荷和重心变化范围相对可控，也可以采用经过验证的通用模块；站姿个人飞行器则把不断移动的人体纳入控制闭环，故障后果也直接涉及乘员安全，因此需要从整机层面重新设计飞控、动力和安全系统。 而个人飞行器的所有设计，都要先围绕人的安全展开，站姿飞行器的机身、动力、交互和控制逻辑，需要从一开始就紧密耦合。 因此，酷飞从产品立项开始就选择全栈研发，围绕整机总体设计、机身结构、动力系统、飞控、人机交互和安全策略进行一体化开发，让各个模块在产品立项阶段就共同定义。 这种全栈能力，为酷飞带来了几个明显的差异化优势： 首先是自研飞控带来的价值——让飞控适配产品，而不是让产品迁就通用飞控。 如果飞控来自外部通用方案，产品设计很容易受到现有算法框架限制；采用自研飞控，就可以根据不同飞行器的结构、动力布局和操控方式，重新定义各种控制逻辑。 全栈能力的第二个价值，是把安全放在整机层面统一设计。 增加备用电源会提高可靠性，也会增加重量；加入更多动力单元可以提高容错能力，同时会改变机架结构和气流关系；弹道降落伞需要足够牢固的安装点，也会影响整机重心……这些问题都无法靠采购单个安全零部件解决。 飞控、结构、供电和动力同步开发后，主动控制与被动防护才能真正融合为一套系统，形成连续的防护链路。 最后一层优势在于，全栈能力可以为产品继续轻量化留下空间。 个人飞行器每减少一部分重量，都可以换来更长续航、更小体积，或者更多安全冗余。 但结构减重之后，飞控参数就需要重新标定；动力效率提升后，电池和散热方案也要随之变化。 只有整机、动力和飞控共同迭代，产品才有可能持续缩小体积、降低重量，并逐步接近一款真正的个人交通工具。 不过，一架载人飞行器从设想，到demo，再到被造出来，距离真正进入市场，仍需要越过最后一道门槛。 03 低空经济载人市场，更早商业化的产品出现了 推出产品的同时，酷飞还宣布与中国人保、中国太保合作，正式落地超轻型飞行器行业首创的一体化保险方案： 本次方案是一套完整的一揽子方案，而非单一险种的叠加：第三者责任提供每次事故200万元责任限额，上机人员责任提供累计最高300万元责任限额，叠加机身财产损失保障，实现对飞行器、机上人员与第三方的一体化覆盖。 这套保险体系的意义，不单单是事故兜底的承诺，还需要从更深维度去理解。 保险机构愿意承保新兴产品，代表其背后的风险已经被清晰拆解。 机身可能发生怎样的损失，驾驶者和乘员面临哪些风险，损失可能扩展到什么范围……只有这些问题相对清晰，保险机构才可能对风险进行划分和定价。 这意味着，个人飞行器开始从一项难以量化风险的前沿技术，进入可以讨论使用责任、损失范围和运营保障的产品阶段，同时开始被视作一种可以明确界定风险、计算损失，未来可能长期投入使用的商品。 这一点实际上和当年汽车走过的路径非常类似。保险、驾培、维修、补能和道路体系共同建立后，汽车才从少数人的机械设备逐渐成为大众交通工具。 至此，个人飞行器产品化所需要的几项关键要素开始同时出现： 有多种类型的整机，有能够支撑持续迭代的自研飞控，有面向真实客户的订单和渠道，也有覆盖机身、人员与第三方责任的保险。 真正实现商业化所需的从体验、培训、交付、维修、备件和售后体系，已经在酷飞这里初步搭建起了一条路径。 把视野放到整个低空经济行业，载人eVTOL已经分化出不同的产品路线和商业模式。 目前大众更熟悉的一类，是面向专业化运营的多人载客eVTOL，也就是大家常说的“空中出租车”。 海外较为出名的Joby、Archer等企业，已经开发出能够搭载多名乘客的eVTOL，以期在城市起降点之间提供空中交通服务。 △图源：Joby 国内玩家里，进度较快的亿航智能，通过无人驾驶的亿航EH216-S产品，也取得了型号合格证、生产许可证、标准适航证和运营合格证，并开始在获批运营点提供收费载人服务。 这类产品最终出售的是运力，用户买一次飞行服务，由专业运营商负责飞行器、航线、调度、维护和安全管理，往往面向机场接驳、城市通勤、低空观光及区域中短途交通等场景。 其背后需要整机、适航、运营资质、起降设施和城市空域体系共同成熟。 而酷飞、Jetson等个人飞行器制造商，对应另一种产品关系——将单人飞行器直接交给个人或场景运营方，将来用户可以自行满足短途飞行需求。 不过同样由于法规、基础设施及城市运行体系等限制，个人飞行器在当下还无法直接进入大规模城市通勤，现阶段将优先从娱乐飞行、文旅体验、户外及封闭场景探索应用。 个人飞行器可能更早完成消费端产品化验证，并逐步建立相应商业模式。 海外市场已经提供了初步证明。Jetson ONE目前的官方售价是14.8万美元，且未来两年的产能已经售罄，Pivotal、LIFT等企业也开始建立预订、培训、交付和体验一整套体系。 消费者愿意为个人飞行支付十几万美元，说明这项需求已经从科幻想象转化为真实订单。 一片新市场形成的起点，往往不是所有人同时进入，而是先让需求最明确、付费意愿最高的用户开始使用。 所以，就先让一部分人飞起来吧。

快科技8月13日消息，奔驰发明，理想发扬光大，后续各家车企纷纷跟进却没有统一标准的“智驾小蓝灯”要迎来大整改。 近日，多名博主分享了一条疑似针对小蓝灯的整改方案，具体要求如下： 1、全面排查： 彻底梳理已获证、在产、在售、库存及待出厂车辆，形成包含车型、数量、生产批次等信息的完整排查台账。 2、分类整改： （1）已出厂、在售及库存车辆：制定专项处置方案，明确整改、召回、技术取缔、对外公示等具体措施及完成时限； （2）在产车型：立即停产整改，拆除违规蓝色灯光装置，整改完成前不得恢复生产及销售； （3）待认证申报车型：取消“小蓝灯”违规配置，整改合格后方可重新提交CCC认证申请。 至于为何要突然对小蓝灯出手，日前中国汽车标准化研究院已经进行开回应： 部分车辆产品安装使用“小蓝灯”，向其他道路参与者显示本车驾驶辅助系统处于工作状态，但当前“小蓝灯”存在灯光滥用情况，易引发安全风险。 研究院指出，夜间开启的“小蓝灯”容易让其他道路参与者产生眩光，观感刺眼，特别是干扰周边驾驶员对路况的判断；同时带有该指示灯的车辆更容易被其他车主借机加塞、近距离跟车，增加路面通行风险。

快科技8月13日消息，凯迪拉克日前宣布，全新XT5 PHEV正式成为首款量产搭载Momenta R7世界模型的豪华混动SUV，新车交付即解锁高阶辅助驾驶能力。即日起，展车已全面登陆全国凯迪拉克授权经销商门店。 据悉，Momenta R7世界模型被称为“物理AI”技术，核心在于让系统从感知走向理解，模型基于Momenta超过120亿公里实车里程提炼的1亿段黄金数据训练而成，历经百余版本反复精调后首次实现量产搭载。 目前Momenta已交付超过70款量产车型，累计定点车型超200款，量产车辆规模超过80万台。 硬件层面，XT5 PHEV配备1颗激光雷达、3颗毫米波雷达、12颗超声波雷达和11颗摄像头，搭配算力320 TOPS的智驾芯片，通过全新电子架构打通感知、决策与执行全链路，为R7世界模型的落地提供硬件支撑。 官方表示，凯迪拉克超级辅助驾驶系统全球累计安全行驶里程已近17亿公里，此次搭载R7世界模型后，高速及城市辅助驾驶能力在交付时即可使用，无需等待后续OTA升级。 解决“新手司机”焦虑的早高峰通勤，复杂道路停车入库、窄路会车、循迹倒车等复杂用车场景。 动力方面，XT5 PHEV搭载1.5T发动机与前后双电机组成的插混系统，发动机最大功率115kW，前后电机最大功率分别为160kW和110kW，支持四驱。 电池采用奥特能5C三元锂电池组，容量35.5kWh，WLTC纯电续航155km，综合油耗6.05L/100km，支持5C超充。 美系豪华品牌搭载中国智驾方案，在合资阵营中并不多见。此前Momenta的合作方以自主品牌和部分合资品牌为主，此次与凯迪拉克的合作意味着其技术方案开始向传统豪华品牌渗透。 按照官方规划，凯迪拉克XT5 PHEV将于三季度上市，价格预计会在40万级左右。

快科技8月13日消息，据报道，此前，特斯拉为老旧车型推出精简版FSD模型，适配算力更强的HW4平台算法经压缩后强行搭载在HW3设备上。 这款老款自动驾驶计算机仅配备8GB内存，数据带宽仅有新一代硬件的八分之一，散热设计本就存在短板。更新后主板长期满负荷运转，温度最高飙升至96℃，车辆频繁弹出高温故障提示。FSD辅助驾驶功能也被强制关闭，车主只能停靠路边等待硬件降温。 故障隐患不止过热，新版本算法还存在感知漏洞，倒车场景下无法精准识别后方行人与障碍物。部分超出原厂质保的车辆因长期高温烧毁整套自动驾驶主机，车主还得自行承担高额更换费用。 这次大范围集中爆发的硬件故障，并不是车辆自然老化导致的巧合。特斯拉早前就对外承认，当年随车搭载的HW3车载计算硬件，硬件上限根本达不到品牌宣传里承诺的完全无监督自动驾驶能力。 从法律层面来说，品牌本身就对这400万持有HW3车型的车主负有责任，要么免费为车主升级性能更强的车载电脑，要么提供对应经济补偿，整体赔付规模预计达到数十亿美元。 但特斯拉迟迟没有出台统一的补偿、置换方案，反而直接向这批算力先天不足的老硬件推送负载大幅提升的FSD更新程序。持续高负荷运行直接加速主板过热、损毁，相当于主动放大了原本就存在的硬件缺陷。 如今大量车辆出现烧毁故障，只会让特斯拉后续要承担的维修、赔偿成本进一步增加。如果品牌仅仅把故障原因简单归咎于“车子使用时间久”，完全回避OTA更新带来的额外负荷问题，这样的说辞很难让车主接受。 此次事件也凸显中美智能汽车OTA监管的巨大差异。美国暂无智驾软件升级前置备案机制，车企可自主推送大版本更新，事后再处理安全事故。 而我国2026年已接连落地两项智能驾驶强制国标，实行“先审核、后推送”的监管模式，明确禁止向算力、散热不达标的老旧硬件推送重载算法，同时要求升级不得削弱倒车探测等基础安全功能，从源头规避同类大规模风险。

快科技8月13日消息，据报道，针对近期网络上关于领克多款车型激光雷达故障的讨论，领克汽车内部人士8月12日回应称，正在与供应商分析原因。 近日，据多家自媒体报道，有多位领克车主反映，领克10、领克900等车型出现激光雷达异常，车辆在行驶过程中车机频繁弹出“辅助驾驶限限中”“前激光雷达功能故障”等提示信息，导致部分高阶辅助驾驶功能受到影响。4S门店远程检测后，判定为激光雷达数据异常。 车质网投诉数据显示，同类激光雷达故障并非个别案例。自今年7月以来，关于领克激光雷达故障的投诉集中爆发。 从投诉记录来看，7月30日至8月3日短短5天内，仅领克10和领克900两款车型就出现至少11条激光雷达相关投诉，涉及2025款120四驱Ultra、2026款10+四驱竞速版、2025款1.5T Ultra 6座、2025款2.0T Ultra 6座等多个配置版本。 故障表现高度趋同：车辆在正常行驶过程中无物理遮挡场景下，系统误判激光雷达被遮挡，高阶智驾功能直接强制退出，重启车机后故障仍然存在。 部分车主在社交平台及领克APP中反映，车辆此前可以正常使用激光雷达及相关辅助驾驶功能，但随后突然出现异常提示。 还有车主称，车辆重启后问题仍然存在。有车主在领克社区发文表示：“买车的时候就是因为颜值好看自驾厉害，现在车子出现问题了，经销商也没打电话解决也没问过，真的很失望。” 目前，领克售后方面给出的主要解决方案是更换激光雷达总成。 部分授权4S店向车主表示，如果车辆仍处于质保期内，可以免费更换整套激光雷达。但这一处理方式并未完全平息车主不满。 有车主认为，厂家尚未明确披露故障的具体原因、涉及批次以及发生范围，仅通过更换零部件解决问题不足以消除疑虑。 如果故障具有批次特征，车主希望厂家及时说明相关情况，避免信息不对称影响消费者知情权。 还有车主担心，车辆因激光雷达故障更换过相关部件，未来二手车交易时可能因维修记录影响车辆残值。 公开信息显示，本次出现问题的领克相关车型所搭载的激光雷达，均为速腾聚创M系列车顶激光雷达。 速腾聚创成立于2014年，2024年在香港交易所上市，2025年6月宣布第100万台车载激光雷达交付，成为全球首家达成该数据的科技企业。 2026年上半年，速腾聚创激光雷达总销量71.92万台，同比增长170%，其中ADAS领域销量约43.66万台。公司已累计获得36家车企及Tier 1的177款车型定点，其中69款车型已量产，在手订单超过900万台。 领克10 EM-P是领克首款中大型插电式混合动力轿车，限时起售价16.99万元，搭载英伟达Thor芯片及千里浩瀚智能辅助驾驶H7。 领克900定位大型SUV，官方指导价29.98至41.69万元，2025年累计销量51372辆，但2026年6月销量仅2025辆，同比下降63.8%。

凤凰网科技讯 8月13日，针对近期行业对车企与华为合作的讨论，启境汽车CEO刘嘉铭公开发文表态，强调启境品牌将“坚定不移携手华为乾崑”的大原则不会改变。 刘嘉铭表示，作为广汽集团与华为乾崑联合打造的高端智能电动车品牌，启境享有华为乾崑“最新、最全、最强”的全栈智能技术支持。他透露，即将亮相的新车启境GX7将搭载满血版ADS 5、全新鸿蒙座舱HarmonySpace 6、四激光雷达及多项安全冗余设计，定位“好用、好开、好智能、好安全”的新一代电动化产品。 此前，岚图汽车高管也在直播中公开表示，当前市场中华为乾崑智驾是“TOP1”，并认为在复杂路况下能实现零接管的智能辅助驾驶是“必选项”。

IT之家 8 月 13 日消息，中国科学技术大学官宣，近日，中国科学技术大学潘建伟、包小辉、张强等与济南量子技术研究院、中国科学院上海微系统与信息技术研究所等单位的研究人员合作，在远距离量子中继研究中取得重要突破，成功实现了两个冷原子量子存储器间跨越 420 公里光纤的量子纠缠，并在 230 公里以上距离突破无中继量子纠缠分发的理论极限。 这一成果大幅提升了物质量子比特间的纠缠距离，为城际尺度量子网络构建奠定了基础。8 月 11 日，相关研究以编辑推荐（Editors' Suggestion）的形式发表在《物理评论快报》上。 量子存储器间的远距离纠缠是构建量子互联网的技术基础，有望应用于基于量子中继的远程量子通信、分布式量子计算、分布式量子传感等方向。中国科大潘建伟、包小辉团队近年来在该研究方向持续取得突破： 2020 年该团队成功实现经由 50 公里光纤的双节点量子存储器间纠缠。 2024 年该团队以此为基础在合肥市构建了国际首个城域三节点量子存储网络。 2026 年该团队又进一步实现了百公里高保真双节点纠缠和器件无关量子密码分发。 拓展量子存储器间纠缠距离的关键在于提升纠缠成功率。为此该团队多年来持续开展基于单光子干涉的纠缠连接研究，解决了长光纤相位锁定、独立激光器远程相位同步、高效率低噪声量子频率转换等技术难题。为进一步将纠缠距离提升至几百公里，还需进一步降低信道传输损耗，并提升单光子相位锁定的长期稳定性。 在该实验中，团队将量子存储器的波长由 795 纳米切换至 780 纳米，并更换量子频率转换方案，使信号光子能够匹配光纤的超低损耗传输窗口。在单光子锁相方面，团队发展了结合全时与分时的双波长三频相位锁定技术，大幅提升了超长光纤情形下光子锁相的长期稳定度。 结合这两项新技术，团队在不同长度光纤链路下开展了双节点纠缠实验研究。实验发现，直至 420 公里来自两个冷原子量子存储器的出射光子均能保持稳定的单光子干涉，存储器间的量子纠缠也得到了直接验证。 ▲ 纠缠成功概率 该实验不仅实现了存储器间纠缠距离的大幅提升，也在纠缠分发成功率上取得重要突破。直接纠缠分发的成功率正比于整个信道的传输效率，而该实验采用单光子干涉进行纠缠连接，因此纠缠成功概率仅正比于一半信道的传输效率，所以在远距离情形（230 公里以上）下可以突破量子纠缠直接分发的理论界限（PLOB 界限）。该实验及相关技术使得构建城际尺度量子网络并开展相关应用研究成为可能。 该论文共同第一作者是罗曦宇、王朝阳、郑名扬。该工作得到国家科技重大专项、国家自然科学基金委、中国科学院及安徽省等的支持。 IT之家附论文链接： https://doi.org/10.1103/ccd6-rf1s

快科技8月13日消息，当下新能源汽车行业内卷加剧，部分车企一味追逐上市速度，大幅压缩研发验证流程，将未经充分测试的车辆推向市场，让购车车主成为了免费的试车员。针对这一行业顽疾，标准制定与产业监管部门接连出台管控举措，全面为“速成车”踩下刹车。 工业和信息化部作为机动车生产准入主管部门，从源头筑牢门槛。通过新版企业准入审查要求，明确新车可靠性试验硬性条件，把耐久测试纳入车企申报新品的必备条件。 同时开展生产一致性专项督查，深入车企现场抽查整车、动力电池等核心部件，甄别激进创新带来的安全风险，对测试流程缩水、生产管控不达标的企业，依法开展处置，限制新品申报资格，压实车企主体责任。 全国汽车标准化技术委员会负责技术规则修订，补齐测试标准短板。目前已公开征求意见，计划将新能源整车可靠性试验里程提升至3万公里，和燃油车标准拉平。 纯电车型测试里程里快充工况占比需要达到九成以上，改变过去新能源车测试标准更宽松的旧规，从国标层面堵住删减路试的漏洞，明确定型试验的完整工况要求。 国家市场监督管理总局承担缺陷产品监管职责。一方面推动电动汽车强制安全国标落地，把动力电池热扩散升级为不起火、不爆炸的硬性指标。 另一方面依托缺陷召回体系，收集车主投诉、故障线索，开展缺陷调查，督促车企对批量问题车辆实施召回。同时依托 12315 渠道接收消费者质量投诉，维护购车用户合法权益。 过快造车也埋下多重隐患。2026上半年汽车召回公告达50起，新能源车召回占比持续走高，软件漏洞、电池鼓包、高温趴窝等故障频发。行业数据显示，上半年车企整体利润同比下滑两成，行业利润率仅3.8%，陷入“拼速度、降品质、越卖越亏”的恶性循环。 业内专家表示，统一3万公里测试标准能充分暴露三电、底盘长期老化隐患，倒逼企业回归正向研发。抬高行业门槛并非限制创新速度，而是淘汰投机速成企业，给深耕技术的品牌留出发展空间。

快科技8月13日消息，国内航天团队发布全新研究方案，打算未来在月球基地投放四足机器狗，代替宇航员完成采矿、搭建居住舱等繁重危险工作。 这套方案由中国航天科技研究院团队提出，目标服务2035年建成的国际月球科研站。 月球环境条件很差，低重力、强辐射、昼夜温差极大，还有漫天月尘，只靠宇航员很难长期开展作业，所以研究人员设计人机分工模式。宇航员负责复杂判断、精细操作，机器狗包揽重复、高危体力活。 四足机器狗相比轮式月球车优势很明显，坑洼碎石、熔岩管道这类复杂地形都能顺利通行，轮式设备很容易卡住。 标准出舱配置是3名宇航员搭配2台机器狗，1名航天员操控机器狗提前探路，排查危险区域；第2人采集岩石样本、做精细科研；第3人留在加压舱内统筹全部设备。 机器狗要承担四大类任务，首先是资源开采，搜寻并挖掘月球水冰，就地提炼矿物原料。其次是基地建造，利用月壤就地加工建材，改造熔岩管道，搭建宇航员庇护住所。 日常还要负责基地巡检，监测空气、温度，清理舱内、照料培育植物，甚至简单制备食物。 除此之外机器狗还有陪伴功能，长期远离地球容易产生心理压力，机器狗可以和航天员对话，缓解独处带来的负面情绪。 整套协同系统分四层架构，从环境感知、决策规划到执行操作全覆盖，支持四级操控模式，平时自主运行，遇到特殊情况才呼叫人工干预。 按照规划，初步月球基地2035年落地，2045年完成更大规模月面设施建设。 不少网友觉得这个设计很科幻，过去月球机器人只负责拍照采样，未来机器狗直接参与造基地、挖资源，大幅降低航天员的工作风险。 目前该方案还处于理论规划阶段，样机还需要完成辐射、极端温度等大量模拟测试，距离真正登月部署还有不少技术攻关要完成。

IT之家 8 月 13 日消息，一项新研究发现，一种用于抵御辐射的防护背心未来或许能够保护宇航员免受太阳突发强烈辐射的伤害。 距离最后一次阿波罗任务已经过去 50 多年，美国宇航局（NASA）的“阿尔忒弥斯”计划正准备让人类重返月球。要实现这一目标，首先必须保护宇航员免受太阳辐射的伤害，尤其是太阳风暴产生的强烈且难以预测的辐射。 由于重量限制，在整个航天器外覆盖一层足够厚、能够产生明显防护效果的辐射屏蔽材料仍然不切实际。不过，让宇航员穿上防护服装或许能够提供一定帮助。 在这项新研究中，研究人员测试了一款名为 AstroRad 的防护背心。这款背心由以色列初创公司 StemRad 设计，并得到以色列航天局和航空航天巨头洛克希德 · 马丁的支持。其设计目的，是保护宇航员免受太阳爆发产生的太阳粒子事件（SPE）伤害。 “太空中的辐射是无法避免的，而一次重大的太阳粒子事件就可能显著增加宇航员一生罹患辐射诱发癌症的风险。”研究共同作者、StemRad CEO 兼联合创始人 Oren Milstein 告诉 Space.com，“如果能够大幅降低这部分风险，个人辐射防护装备对于未来的月球和火星任务可能尤其重要。” 在辐射防护方面，铅非常擅长阻挡 X 射线和伽马射线等有害辐射。不过，对于那些能够高速穿越太空、并对人体造成伤害的高能粒子，铅的防护效果反而没有那么理想。 例如，当高速高能电子，也就是所谓的 β 粒子撞击高密度的铅原子时，可能引发一连串 X 射线，而这些 X 射线造成的伤害甚至可能超过 β 粒子本身。如果中子撞击铅原子，还可能从原子核中撞出大量中子，从而进一步加剧辐射影响。 AstroRad 采用的则是一种富含氢元素的高密度塑料。在各种元素中，氢原子单位原子拥有最高的电子密度，这有助于形成致密的屏障，阻挡进入人体的高能粒子。同时，普通氢原子不含中子，因此当中子撞击氢原子时，也不会产生类似撞击铅原子后出现的危险中子喷流。 此外，AstroRad 所使用的塑料重量远低于铅，因此更适合用于制作可以穿戴的防护装备，也更加符合太空任务对重量的严格要求。 研究人员将数千根六边形硬质塑料棒像鱼鳞一样组合在一起，制成了一种柔性防护服装。每件背心的重量约为 57 磅，也就是 26 千克。 研究人员之所以选择制作背心，而不是覆盖全身的防护服或头盔，是因为“不同器官和组织对辐射的敏感程度存在很大差异，因此对身体各个部位采用完全相同的屏蔽强度，并不是最有效的方法”。研究共同作者、StemRad 太空探索首席科学家 Jordan Houri 告诉 Space.com，“与此同时，全身防护服也会更加难以穿戴和活动。” AstroRad 背心不同部位的屏蔽厚度，是根据其下方器官对辐射的敏感程度设计的。Houri 表示，与将相同数量的屏蔽材料均匀分布在全身相比，这种针对不同器官进行重点防护的策略，可以额外降低约 30% 的人体辐射剂量。 研究人员在 2022 年底 NASA 无人驾驶“阿尔忒弥斯 1 号”月球任务期间测试了这款背心。他们使用了两个极其复杂的人体模型，也就是所谓的“人体仿真体”。 这些人造躯干由密度与人体组织、骨骼和器官相近的塑料制成，并且每个模型内外都安装了超过 5,600 个辐射传感器。 两个仿真体均按照成年女性设计，因为此前研究发现，女性的乳房和卵巢尤其容易受到辐射损伤。 “预计女性面临辐射诱发癌症的风险更高。”Milstein 表示，“针对性辐射屏蔽有助于缩小男女宇航员之间的这种风险差距。” 由于两个仿真体模拟的是女性，因此研究人员也为它们取了女性名字：Zohar 和 Helga。 “Helga 是由德国航空航天中心提供的，这是一个传统的德国名字。”Milstein 说，“Zohar 则由以色列航天局提供，并通过一项面向公众的活动选出了这个名字。Zohar 是一个传统的希伯来语名字，意思是‘光辉’，我们认为这个名字特别合适。” Zohar 和 Helga 都乘坐 NASA 的“猎户座”飞船飞行。Zohar 穿着 AstroRad 防护背心，而 Helga 没有穿。 尽管“猎户座”飞船在为期 26 天的月球轨道往返任务中没有遭遇明显的太阳爆发，但研究人员可以根据两个仿真体穿越环绕地球的内范艾伦辐射带时所受到的辐射剂量，推算宇航员在太阳爆发期间可能遭遇的太阳辐射。 研究人员分析过去发生的太阳粒子事件后发现，AstroRad 背心可以显著降低人体受到的辐射剂量。例如，对于 1972 年 8 月发生的一次太阳粒子事件，背心可以将辐射剂量降低近 60%。 “我们最初预计降低幅度会接近 45%，所以第一次看到这个结果时，我们还以为必须回去检查是不是哪里出了错误。”Houri 说，“但详细分析最终表明，AstroRad 针对最容易受到辐射伤害的器官和组织进行重点防护的方法，比我们此前预测的效果还要好。” 这样的辐射剂量降低幅度，相当于可以让宇航员免受相当于最多 193 天深空辐射暴露的影响。 “最重要的意义在于，AstroRad 有望帮助解决限制人类长期开展地外探索的一项主要健康挑战。”Milstein 表示。 不过，宇航员并不会在整个任务期间一直穿着 AstroRad。Houri 表示：“AstroRad 最初是作为应对太阳粒子事件的紧急措施开发的，因此宇航员只会在辐射水平升高时穿戴它，通常持续几个小时或几天。” 不过，Milstein 表示：“虽然宇航员不需要在整个任务期间一直穿着它，但我们设计这款背心时考虑到了连续穿戴数小时的需求。”在国际空间站进行背心测试期间，“甚至有几名宇航员穿着它睡觉。” Houri 表示，AstroRad 背心提供的辐射防护水平，与“猎户座”飞船内部的防辐射避难舱大致相当，但宇航员穿着背心后可以离开避难舱，继续执行关键任务。 “AstroRad 可以单独使用，也可以与避难舱配合使用。但它的一大优势在于，宇航员可以在机舱内自由活动、执行必要任务的同时继续获得辐射防护，而不必始终待在避难舱内。” 目前，研究人员正在进一步研究，能否利用航天器上的材料直接在太空中制造辐射屏蔽材料。 例如，Milstein 表示，他们与美国佛罗里达州航空航天公司 Redwire 合作，“已经证明可以在国际空间站上利用回收的聚乙烯，通过 3D 打印制造 AstroRad 的部分组件”。

家庭，是人形机器人最向往的落地场景，也是技术难度最高的考场。 工厂里的机器人面对的是结构化的流水线，每一步操作都可以提前规划；而家庭环境充满变量，桌面可能堆满杂物，地面可能散落玩具，从冰箱取物时需要侧身绕过椅子，擦桌子时需要随着擦拭范围不断调整站位。这些看似寻常的家务，对人形机器人而言却是巨大的挑战。 近日，由南洋理工大学、北京大学、香港科技大学（广州）和智源研究院联合提出了ω-0，一款隐空间预测世界动作模型。 据悉，输入语言指令后，ω-0可同步识别环境、感知自身状态，直接输出底层控制系统可读取的精简动作特征，支撑机器人完成“边移动边操作”的全身协同任务。 研发团队对ω - 0模型进行了全方位真机测评，选取了11项高难度居家实操任务，重点考核机器人的动态协同、环境适配与自主决策能力，涵盖了跨区域物品收纳、高低位杂物清理、床上衣物拾取等典型复合场景。 实测结果展现出了ω - 0模型卓越的性能，ω - 0 Ego第一视角任务成功率达79.1%，ω - 0 Omni全场景模式成功率高达81.8%，全面超越了π - 0.5、EgoVLA、GR00T - N1.7、ψ - 0等主流行业基线模型，它的出现似乎正在重塑人形机器人的居家作业模式。 从“先走后做”到“边走边做”，ω-0的破局之道 过去几年，机器人的行走能力和操作能力都取得了长足进步。但当这两项能力被部署到人形机器人身上时，一个尴尬的问题浮现了，大多数系统采用“分步走”的策略，即机器人先移动到目标附近站稳后，再启动手臂完成操作。 这种模式在简单场景下尚可应付，一旦遇到需要连续作业的家庭任务，弊端就暴露无遗。擦一张大尺寸桌子时，机械臂伸到极限后必须迈步才能继续，但迈步的同时还要保持抹布始终贴住桌面；拖地时，拖把的运动直接影响身体受力，双腿必须随手臂动作不断调整重心。任何一个环节独立决策，都可能造成动作卡顿、接触中断甚至失去平衡。 基于这些问题，ω-0选择直接摒弃了耗时的视频到动作（video-to-action）逆向转换，转而构建了一个统一的查询表征（Query-based Representation）。 在这一架构中，未来视觉特征提供了任务进度和场景演变的宏观指引，而动作分支则直接生成可供底层控制器执行的全身动作潜在指令。 并且为了让人形机器人能够更好地适配真实居家场景的复杂需求，研发团队还搭建了三阶段递进式训练体系。在第一阶段，进行全身动作VLM专属预训练；第二阶段是人机动作隐变量融合预训练，此阶段模型借鉴V - JEPA先进技术思路，融合视觉、语言、机器人本体多维数据，通过视频查询预判未来环境特征，将场景动态变化信息注入动作表征体系；第三阶段为真实场景精细化微调，基于前两阶段的训练成果，团队引入海量真实居家移动操作数据，让机器人能够自主适配各类居家场景。 与此同时，为了支撑庞大的训练需求，研究团队还开源了一个真实世界家庭人形机器人数据集ω-HOME，降低了下游任务训练对示范数据的依赖。 该数据集包含40.3小时的真实环境数据、4827条任务轨迹、24项任务。其中，每条轨迹均包含同步采集的语言指令、第一视角与第三视角、本体状态、全身运动轨迹等数据。 总而言之，81.8%的成功率是一个令人振奋的数字，但它远不是终点。距离一个能真正融入家庭、长期自主运行的机器人的出现，还有很长的路要走。但它的出现，却为整个行业指明了一个方向，那就是将机器人的全身成为一个整体来思考，而不是把腿和手当作两个各自为政的部门。当机器人学会在移动中操作、在操作中调整姿态，才有了从“实验室演示”走向“生活化服务”的可能。

多数我们接触的从业者，并不认为这违背他们技术信念。 文丨程曼祺 编辑丨宋玮 所有人都不愿意公开谈论它，但所有人都在默默地关注它。 有人认为，这是一种不体面的偷窃行为。也有人认为，这是少数领先者为了自身利益而污名化的对象，它本身只是一种优化手段。 过去数月，AI 领域的诸多线头指向同一个节点——蒸馏。 和它相关的变化与事件有：开源模型逼近最强闭源模型；美国 77 家公司签署公开信，反对仓促限制开源模型；Anthropic 两次指责中国公司以大量欺诈账户套取数据；15 亿美元的侵权诉讼和解；张一鸣在字节 Seed 全员会上关于 “不蒸馏” 的正面回应…… 这种诞生多年的技术，在 2026 年反复被提及、讨论，也被误解和曲解。蒸馏到底是什么？大规模蒸馏如何实现？蒸馏能否成为一个模型研发团队的壁垒？它的代价又是什么？ 我们访谈了来自不同公司的近十位模型领域研究员、从业者，也结合公开研究和技术报告，还原蒸馏的过去、现状，和它正在带来的更多改变。 蒸馏的起点：为了压缩，而非为了变强 蒸馏不是抄袭，不是窃取软件代码，它也无法直接获得另一个模型的权重和完整训练数据。 现在处于争议中的那种蒸馏，即让模型变强的蒸馏，技术上是一种获得高质量数据的方式：即反复向一个更强的 “教师模型” 提问，得到回答，再用这些 “题目—回答” 数据对训练另一个 “学生模型”，让后者达到相近的表现。 蒸馏的想法由来已久。2015 年，刚加入 Google Brain 不久的 Geoffrey Hinton，与当时 Google Brain 的负责人 Jeff Dean 和年轻研究员 Oriol Vinyals 一起发表了《神经网络中的知识蒸馏》（Distilling the Knowledge in a Neural Network），第一次把之前出现的模型压缩（Model Compression，2006）等思路总结为蒸馏，Distillation。 那时距离 Google 提出 Transformer（如今大语言模型的架构基础）还有将近 2 年半，Hinton 他们把蒸馏的思路用到了图像识别模型：方法是，让学生模型学习教师模型输出的概率分布。比如识别猫是猫，这对深度学习是一个统计过程：0.7 是猫，0.2 是狐狸，0.1 是狗→ 是猫。 学生模型能看到教师输出的这组概率分布，这便是学到 “logits”，即所谓 “软蒸馏”（logits 是一组原始分数，经过 Softmax 转换后即是概率分布）。 软蒸馏通常是 “白盒蒸馏”：因为它需要教师模型的输出概率对学生模型完全开放。 这种蒸馏通常发生在同一组织内，它的出发点不是变强，而是 “压缩”——用较小参数的模型逼近更大参数模型的能力。这会损失一些性能，但能让推理更快、更便宜。 直到今天，“压缩” 仍是蒸馏最典型的用途之一。 比如在自动驾驶领域，就会先做出性能更强的云端大模型，再用蒸馏、剪枝等方法，让它变成能在车端芯片上跑的更小的模型。理想、小鹏等公司都有这类实践。 更近的例子是 2025 年年初的 DeepSeek-R1。当时 DeepSeek 还同时发布了六个小尺寸的蒸馏模型，它们的教师模型都是总参数 6710 亿的 R1 本身。学生模型中，4 个以阿里的 Qwen2.5 为底座，2 个以 Meta 的 Llama 3 为底座，参数量最小 15 亿，最大 700 亿。 DeepSeek 先让 R1 生成约 60 万条 “题目—推理过程—答案” 的推理数据和约 20 万条非推理数据，再在后训练阶段用这些数据去监督微调（SFT）6 个小的基座模型。这些模型都获得了更强的推理能力。 《晚点》曾报道，2026 年春节后，R1 的核心作者之一郭达雅加入了字节 Seed。 “工业化规模的蒸馏攻击” 在为了压缩的目的中，蒸馏是一个中性的技术方法，而到 2026 年 2 月，Google 和 Anthropic 连续发文，将 “蒸馏” 和 “攻击” 并用，直指部分公司利用蒸馏进行不正当竞争。 Google 认为这是一种 IP 偷窃： 过去一年里，“蒸馏攻击” 作为一种窃取知识产权（ intellectual property theft）的手段日益增多。 ——GTIG AI Threat Tracker: Distillation, Experimentation, and (Continued) Integration of AI for Adversarial Use Anthropic 分别在 2 月和 6 月称 DeepSeek、月之暗面（Kimi）、MiniMax 和阿里千问（Qwen），总计通过约 5 万个欺诈账户与 Claude 进行了超 4480 万次交互，试图提取 Claude 的能力。（2 月：Detecting and preventing distillation attacks，6 月：Anthropic 致美国参议院的信。）被提及的公司未作出正面回应。 对闭源领先模型的蒸馏何以大规模开展？变化的源头还是在于技术，可以看到 3 条脉络： 从软蒸馏到硬蒸馏，从白盒蒸馏到黑盒蒸馏 2016 年，在哈佛读博士的 Yoon Kim 和导师 Sasha Rush 提出了序列级知识蒸馏，把最初用在图像识别上的这种方法用到了翻译这一语言任务上。 序列级蒸馏不再学习模型每一步输出的概率分布，而是让教师模型先生成高质量译文，再让学生模型学习完整的 “原文-译文” 序列对。 提出这个技术，本来是为了压缩庞大的翻译模型，提高解码速度，但它也带来一个效果：就是让蒸馏不再需要知道教师模型逐步输出的概率分布，可以只看 “最终答案” 就实现蒸馏。 这就是 “硬蒸馏”，它可以黑盒进行，也就是通过调用 API，直接获得教师模型的回答即可。 Sasha Rush 后在 2025 年 3 月加入 AI 编程公司 Cursor。今年 6 月，Cursor 被 SpaceXAI（SpaceX 和 xAI 合并后的新名字）以 600 亿美元收购，团队也已并入。 推理模型的崛起 2024 年 9 月，就在 Scaling Law 撞墙的讨论弥漫之时，OpenAI 发布 o1 推理模型。o1 带来两个变化： - 在后训练阶段做大规模强化学习（RL），可教会模型形成推理（resoning）策略； - 在模型的推理（inference）阶段，即模型使用阶段，用更多测试时计算让模型在回答复杂问题时生成更长的思维链，可让模型表现继续提升。 这两个变化都能放大蒸馏的效果：首先大规模蒸馏是一种主要用在后训练阶段的方法，后训练重要性提升，蒸馏的投入回报也提升。同时，测试时计算让模型在产出最终回答外，也产出思维链和推理轨迹（包含思维链、工具调用、搜索过程和纠错过程等）等长推理过程。这些产出可被作为蒸馏的数据原料。 4 个月后，DeepSeek 在 R1 技术报告中公布的蒸馏过程，更详细展示了蒸馏让模型变强的机制。R1 有几个具体实践和发现： 首先，蒸馏过程主要使用的是 R1 生成的 “题目-推理过程-回答” 数据对。这是目前蒸馏最理想的状态，效果比只有 “题目-回答” 的数据对更好。 开放程度颇高的 DeepSeek 在发布 R1 时直接展示了完整思维链，“希望有助于社区蒸馏更好的小模型”。 而领先的闭源模型公司，OpenAI、Anthropic 和 Google DeepMind 都一直对用户隐藏完整的思维链和推理轨迹。 所以从业者提及蒸馏时常会说：“谁谁破解了谁的思维链”。 本周一（8 月 10 日），德国图宾根大学等机构的研究者发布了《从闭源大语言模型 API 中偷取推理轨迹》（Stealing Reasoning Traces from Proprietary LLM APIs）一文，展示了他们发现的还原推理轨迹的一些方法。 该研究的网页 stolen-thoughts.com 其实这早就不是秘密——即使闭源模型公司刻意隐藏，思维链和推理轨迹也可以通过技术手段被还原。 这本质是因为，它们都是模型输出的一部分，是模型使用阶段的产物，只要你去用一个模型，思维链和推理过程就会被生成，会留下痕迹。这仍属于黑盒蒸馏和硬蒸馏。 R1 对蒸馏的另一个发现是：在后训练阶段，直接蒸馏带来的提升大于让模型自己做强化学习。 DeepSeek 当时用 Qwen2.5-32B 做了一组对照实验： - 在 Qwen-32B-Base 上做超过 1 万步大规模强化学习，得到的模型在 AIME 2024（评测数学解题能力）上得分 47.0%； - 用 80 万条 R1 生成的数据监督微调 Qwen-32B-Base，得到的模型在 AIME 2024 上得分 72.6%，比 RL 方法高出超 25 个百分点。 我们证明了可以将大模型的推理模式蒸馏到小模型中，这比小模型通过强化学习习得的推理模式有更优的性能。——R1 技术报告 虽然这是一个特定实验下的结果，不一定能外推到所有情形，但仍是一个很有吸引力的发现。因为长步数强化学习的训练难度本就高于监督微调，它对 Infra 有更多要求，速度往往也更慢、算力成本更高。 DeepSeek 公开了一种让更小或性能更弱的模型，相对经济、高效，且确定性强的提升推理能力的方法。 多位从业者称，近期出现的一些实践是，在后训练阶段主要做监督微调，几乎不做或做很少的强化学习，也可以取得很好的效果。 也是在 DeepSeek-R1 之后的整个 2025 年至今，Anthropic、OpenAI 和 Google 等公司称，他们监测到的 “蒸馏攻击” 行为日益增加。 同期，对后训练的更多探索也推广了另一种不涉及争议的蒸馏实践：目前主要用于后训练能力合并的 on-policy（在线策略）蒸馏。 On-policy 和 off-policy（离线策略）蒸馏的区别在于数据由谁生成。前面提到的让模型学习另一个闭源模型的蒸馏，多数是 off-policy 蒸馏，数据由教师模型生成；而 on-policy 蒸馏是让学生模型生成推理和回答，教师模型提供反馈。反馈可以是逐个 token 生成的分布概率（白盒），也可以是对推理轨迹和回答作评判（黑盒）。 2025 年下半年至今，阿里 Qwen、Thinking Machines Lab、小米 MiMo 都贡献了 on-policy 蒸馏的实践和改进。 小米在今年初的 MiMo V2-Flash 技术报告中介绍了 MOPD（多教师 on-policy 蒸馏）方法，6 月又发布了单独的文章（Multi-Teacher On-Policy Distillation for Capability Integration in LLM Post-Training）：先分别训练数学、代码、工具调用等方向的教师模型，再让学生模型自己生成轨迹，按任务接受不同教师的反馈。它要解决的是一个后训练的新问题：如果直接把多个方向的能力混在一起做强化学习，常会互相干扰、此消彼长。 DeepSeek-V4 和 Kimi K3 技术报告中，都称在后训练阶段用 MOPD 思路合并了多个专家模型。 用 AI 加速 AI 蒸馏规模化的第三条脉络是，蒸馏本身也在随 AI 能力变强而更加自动化。 回到蒸馏的关键——“题目-推理过程-回答” 数据对。 首先，提问这个环节，可以从人变成 AI：2022 年以来的 Self-Instruct 等诸多研究都是在解决高质量提问少且贵的问题。 实践中，各公司可以先从获得授权的用户使用行为中筛选出高质量的真实提问，然后再基于这些真实提问扩增更多 AI 生成的提问，更高频地去问教师模型，获得更多回答。这就像，你先有一些酵母（真实数据），再用它发酵出更大的面团。 “题目-推理过程-回答” 的整体数据对也可以做这样的改写、扩增。 这本质上是现在 AI 领域的一种基础思维：用 AI 和模型来自动化和加速 AI 本身。 整个蒸馏流程里，还有很多具体步骤都可以用到 AI，比如从海量真实提问里筛选高质量题目，评估 “何谓高质量数据”，提升合成数据的多样性……有些环节可以用模型来做，有些可以用越来越强的 AI 编程能力更快构造和改进各种系统来加速和优化。 可以说，2025 年至今，大规模蒸馏的各种方法和实践积累逐渐成熟，它的效果和必要性也随后训练重要性的提升而愈加显现。 围绕 “蒸馏” 的讨论也逐步走出了 AI 技术圈，在传播中被简化、误解，乃至曲解。蒸馏不再是一个单纯的技术议题，它走向了风暴中心。 对蒸馏的误解：它不是银弹也不是秘密 梳理了蒸馏的大致原理后，我们有了更好的基础来展开关于蒸馏的各种讨论。 · 蒸馏不是银弹，不是决定模型性能的最重要环节 前文已反复提到，让大语言模型变强的蒸馏主要发生在后训练（也包括中训练）阶段。而一个模型的整体效果来自预训练到后训练的完整训练过程。一般认为，预训练的重要性更大。 所以蒸馏不是银弹，不是决定一个模型性能的最重要环节。 在 DeepSeek-R1 的技术报告中，同样是用 80 万条 R1 数据做蒸馏，Qwen2.5-32B 基座模型经过蒸馏后，在 AIME 2024 上得分 72.6%，高于 Llama-3.3-70B-Instruct 蒸馏后的 70.0%，而后者的参数是前者的两倍多。 在 K3 发布后，Ai2 研究员 Nathan Lambert 在回复 K3 登顶 Frontend Code Arena 榜单（评测前端代码能力）的一条推文时说：到这个时候，关于 “蒸馏” 的那套论调该停止了；人们该承认，中国也非常擅长造模型。 预训练达到一定水平，是 K3、GLM-5.2、DeepSeek-V4 等中国开源模型能取得目前性能的基础条件。 · 蒸馏需要相当多运营、经验和工程 know-how 蒸馏常被类比为一种捷径，捷径往往指向轻松、省力。但实际上，现在要大规模展开蒸馏是一个比较复杂的系统工程。 综合多位从业者的描述，大规模蒸馏有几个比较有难度的环节： 一是能稳定、高频、大量地调用领先模型和做用户运营。 一种被提及的做法是：建大量中转站，以折扣或其它方式吸引一批有真实使用行为的特定用户——他们可能是高级程序员或需要处理大量科研问题的理工科学生和研究者。在日常使用中，他们会自然而然地产生真实场景、真实任务下的高质量多轮提问，再得到模型的回答。这些提问及回答的数据按照一定方式筛选、处理后，可以作为发酵和扩增更多数据的源头。 这既考验团队的运营能力——是否知道高质量的用户在哪儿，以及如何触达；也考验构建这套系统的工程能力，比如能否让系统足够稳定；也需要一些生态能力，整个过程可能需要与第三方公司或机构合作。 二是团队自己来构造高质量题目和任务的能力。这需要对任务、对数据，对当前领先模型的性能边界有深入的理解。它和大模型训练本身所需的一些能力是重合的。 三是怎么用好数据。这需要建立一套数据管线——任务分布是否合理、怎么采样、筛选、过滤、去重、扩增、纠错，怎么定形式和配比。这套管线有一些可衡量的优化指标，比如从获得的原始数据中，最后有多少比例的数据能被用到后训练；扩增的效率和质量如何等。数据管线的质量既影响效果，也影响效率和成本。 持续做蒸馏也非常昂贵。关于业内公司今年在蒸馏上的花费和预算，有一些流传的说法，分布在上 1 亿美元到 10 亿美元不等。 一位 AI 领域投资人说：蒸馏不是一个简单的按钮，不是你点一下，模型性能就会突飞猛进。其中还有大量实现问题。蒸馏也需要计算投入回报比。 · 蒸馏是一个模型团队的壁垒吗？ 那么，实现起来相对复杂的大规模蒸馏，能否成为一个模型研发团队的壁垒？ 我们接触的多数从业者，不管他们来自传闻中做了蒸馏的公司，还是不做蒸馏的公司，想法都比较一致：对第一梯队的公司来说，蒸馏不构成长期壁垒。 像大模型的诸多技术一样，蒸馏的思路和实践会逐渐扩散。人员流动、开源分享、会议交流、想寻找更多客户的第三方服务方……AI 圈的人和信息时常流动。我们反复从研究员口中听到那句相似的感叹：大模型领域没有真正的秘密。 技术方法本身能带来的竞争优势，大部分是先发优势，先做的人会有更多经验，但它不是网络效应那样不可逾越、胜者通吃的强壁垒。 大模型领域，真正被认为有较强竞争壁垒的现象是 “数据飞轮”：如果某一个公司的模型足够强，能触达大量用户用它做高难度任务，它就会获得更多高质量数据回流，而且这些数据是独特的、非公开的、其它人没有的；这些数据经过一定的处理，又可以被用来帮助训练更强的模型，再吸引更多用户处理更难的任务。 在这个飞轮逻辑里，直接接触用户的应用有很大价值。比如根据用户协议和权限设置，Cursor、Devin、Manus 等应用可能可以获得比它们调用的模型更完整的数据和用户行为。 昨日（8 月 12 日）Grok 4.6 发布后，马斯克在回复 Devin 已接入 Grok 4.6 的推文时说：“Grok 4.7 会超越所有现在的模型。”“SpaceX 的训练语料库（training corpus）太棒、太独特了。”600 亿收购 Cursor，看来很值得。 不过数据飞轮也有自己的争议：模型和应用公司能获得数据，但能否用这些数据来训练？越难的任务、越高价值的场景，客户和用户是否会越倾向于自己掌握这些数据？同时，当模型的用户数量继续扩大，用户类型和场景会更加多元化，沙里淘金是否还值得？ 有从业者认为：在一些偏生活助手和娱乐休闲的 AI 应用中，用户产生的绝大部分数据对训练更强的模型而言都是垃圾。 那条内心的评判线：黑盒还是白盒 关于蒸馏，最有意思的一个现象是：所有人都不愿意公开谈论它，但是多数我们接触的从业者，也并不从心底认为这是一个十分可耻的、违背他们技术信念的做法。 这条内心评判的分界线在于黑盒与白盒。 目前对闭源模型展开的蒸馏都是黑盒蒸馏，它获得的的数据，都是这些模型发布后在使用中产生的数据，是这个模型作为产品的产物。 那么其它公司为何不能作为用户去向这个模型提问，获得回答呢？何况，为了这些问题和回答，大家也付出了真金白银。（当然，实践中会通过各种方式 “薅羊毛”，压低成本。） 这里面更有争议的部分是推理轨迹，大部分模型隐藏了完整的推理轨迹，蒸馏方需要通过一些技术手段去推测和还原。但推理轨迹仍是模型使用阶段的产物。 Anthropic、Google、OpenAI 会说：我的用户协议明确规定了，其他竞争对手不能为了训练和提升自己的模型来使用我的模型。 可是，是谁被《纽约时报》起诉，指控其未经许可，复制并使用了这家报纸历经 170 多年，由数代记者、评论员和作者积累的新闻档案库？是 OpenAI。 是谁从盗版平台下载了海量图书，不愿为其中任何一本付费，被数位美国作家集体诉讼，刚刚达成 15 亿美元的和解？是 Anthropic。 甚至一些美国 AI 从业者都认为 Anthropic 等公司十分双标。这有点像诺兰新片《奥德赛》中的情境：你把木马送进了特洛伊城，你的故乡如今也被海上来者侵袭。 大规模蒸馏，是新技术发展之后出现的新议题。很难因为几个公司说这违反了自己的用户协议，就让其他多数人心服口服地接受这是一个不可取、不道德，甚至可耻、邪恶的行为。 而且违反用户协议并不等于构成法律上的侵权，这还涉及其他法律规定和司法管辖权等问题。 最为广义的蒸馏，也就是使用数据来提升模型，已经变得无处不在。 一个广为传播的验证蒸馏的方式其实是无效的：当你问一个模型 “你是谁”？如果 A 模型说自己是 B 模型，这并不是 A 蒸馏了 B 的铁证。在预训练阶段，大家都会使用大量公开互联网数据，而其中已有很多是各模型自己生成的数据。 今年 7 月，英伟达创始人黄仁勋在接受 Axios 采访时被问及蒸馏，他说：“（广义的）蒸馏，向 AI 学习、向其他知识来源学习，这是智能的基本原理。” 对多数模型公司来说，包括一些美国模型公司，蒸馏的油门已经踩下，少有人会在短时间内主动放弃蒸馏。 为什么张一鸣选择不蒸馏 大多数公司不愿意公开谈论蒸馏，字节是一个例外。 在约半个月前（7 月底）的最近一次 Seed 全员会上，字节创始人张一鸣明确说：他反对蒸馏。 字节在蒸馏上经历过调整。2023 年底，字节是中国主要大模型厂商中，第一个被 OpenAI 指出，疑似不合规地使用 GPT 模型的输出来提升自己模型的公司。当时还没有大规模蒸馏。OpenAI 自己也说，字节对其 API 的使用量很小（minimal）。 字节后来回应，GPT 生成的数据曾被用于模型标注和评估，但相关数据已在 2023 年年中被从训练集里删除。 据《晚点》了解，这之后两年多里，包括蒸馏规模快速扩大的整个 2025 年，字节 Seed 没有蒸馏领先的闭源模型，而是通过其他方式获得数据，比如高薪聘请数学、计算机等理工科竞赛的获奖选手来构造和标注数据。 同期，TikTok 在美国的业务争议尚未解决。直到 2026 年 1 月底，TikTok 美国业务重组交易正式完成。 到 2026 年春节前后，Seed 一度经历摇摆。当时 OpenClaw 风行、Anthropic 收入激增，GLM-5 等中国开源模型用量大涨，编程能力提升的量变已引起质变，而字节的模型在编程能力上相对落后。 经过一段时间的抉择后，从张一鸣在 Seed 全员会的发言看，字节已经做出了选择，不蒸馏外部的领先模型。 据《晚点》独家报道，张一鸣在全员会上的观点是： - 蒸馏能在短期内改善模型表现，但本质上仍是在复制 Claude 已有的能力。沿着这条路走，最多只能不断逼近对方，很难真正实现超越。 - 他也希望 Seed 可以从更底层的维度去构建自己在 AGI 上的壁垒。 - 即使不蒸馏意味着公司在技术上会短暂落后国内竞争对手，也不会采用这一捷径来推进字节的模型能力。 这引出对蒸馏的另一个讨论：蒸馏真的不能超越教师模型吗？ 我们也问了多位从业者这个问题，回答比较相似：技术上并非不可能，但有潜在的组织隐患。 蒸馏有一些内在的技术问题，比如它可能使学生模型学到教师模型的一些错误、偏见、拒答习惯和表达模式。 但蒸馏只是模型训练的环节之一，完整的模型训练过程还有很多可以改进的环节：预训练数据、架构、算法、 Infra……多个优化累加，是否有可能让一个学生模型好于某个教师模型？ 一些研究已显示，在某些具体任务上，学生模型可以超越教师模型。如 2024 年 12 月，微软发布 140 亿参数的 Phi-4，它的大量训练数据是 GPT-4o 等教师模型合成的。Phi-4 在两个 benchmark 上超过了 GPT-4o： - GPQA（研究生和博士级别的科学知识与推理能力）：Phi-4 为 56.1%，GPT-4o 为 50.6%； - MATH（数学解题和推理能力）：Phi-4 为 80.4%，GPT-4o 为 74.6%。 比较特别的是，作为一个小参数模型，Phi-4 也直接把教师模型生成的数据用到了预训练中，而真正训练数 T 参数的超大规模模型时，需要庞大数据的预训练环节很难用上蒸馏得来的数据，相比直接处理各种网页、代码、书籍，逐条调取教师模型生成数据缓慢而昂贵。 不过这也带来一个设想：当模型推理速度大幅提升、价格大幅降低时，蒸馏或者说借助更强模型构造的数据是否也可以更多进入预训练？ 同时，多教师蒸馏等思路是否也可以用来让模型变强？理论上，一个学生模型可以同时学习 Claude 和 GPT 等不同的最强模型。这可能会带来一些新的技术问题，比如蒸馏不同的基座模型，可能会导致训练不稳定和不同能力之间的相互干扰。 更激进的一些想象还包括：那些最领先的公司能否通过自己蒸馏自己的模型，实现 “左脚踩右脚” 的原地飞升？ 纯粹从研究视角看，“一个使用了蒸馏方法的模型能否超越教师模型” 至少是一个有待验证和探索的课题。 而张一鸣和字节用行动给出了他们的答案，他认为无法超越。 这可能和多位从业者提及的组织隐患有关。蒸馏是一种相对经济且见效快的方式。一个运动员当然可以既嗑兴奋剂，又勤于训练。但这在现实中往往难以两全，因为会侥幸，有惰性。 当一个团队一个阶段内的注意力和资源重心比较大比例地放在蒸馏上之后，那些探索更不确定、更长期方向的项目和个体可能得不到足够的资源和认可。 字节在下注：掌握不依赖外部对手的数据能力，能构建更稳健和长期的模型技术优势。 从今年 6 月起，据《智能涌现》报道，字节开始重组数据团队，成立了与 Seed 和 Flow 平行的一级 AI 部门 “AI 数据与安全”。 前文也已提到，多数人不认为蒸馏这套方法构成长期壁垒。大模型领域真正有可能形成强壁垒的是数据飞轮。 数据也已成为一个高价值的独立环节。如美国公司 Mercor，主要业务就是帮大模型公司找科学家、各学科博士等专业人士做数据构造、标注和模型评估任务。据报道，今年 7 月，Mercor 正在以 200 亿美元估值寻求新一轮融资。 在中国，也有以数据构造为起点的公司，估值已来到 30 亿美元。 在我们关于 “字节不做蒸馏” 的那条独家报道之下有这样一条留言：他（张一鸣）可能不是最懂技术的，但大概率是最懂人性的。 没人能轻易踩下刹车 当别人指责你犯错时，你回敬 “你不也曾这样吗？” 并不解决矛盾。 此时此刻，开源模型在性能上越发逼近最领先的闭源模型。而且客观事实是，最强的开源模型来自中国，最强的闭源模型来自美国。 此前，智谱已在 2025 年 1 月被美国商务部列入实体清单。同年底生效的《2026 财年情报授权法》则要求从美国情报系统、国家安全系统和相关供应商中移除 DeepSeek。 到今年 4 月，美国众议院国土安全委员会和美中战略竞争特别委员会开始调查美国企业使用中国模型的情况，问 Cursor 为何要把 Kimi K2.5 当做 Composer 的底座，问 Airbnb 为何要在客服业务中使用阿里 Qwen。 7 月 16 日 Kimi K3 发布后，据报道，美国政府正考虑限制乃至禁止部分中国开源模型。7 月 24 日，微软、英伟达、Meta、Fireworks AI 等 77 家公司和机构陆续联名签署公开信《开放权重与美国 AI 领导力》，反对仓促限制开源模型。 黄仁勋在 Twitter 的第一条推文就是分享这封公开信。 最近几个月的新限制手段仍在讨论中，尚未落地。 Anthropic、OpenAI 和 Google 等公司也正采取更严苛的技术手段识别和封禁疑似用于蒸馏的账号。比如 Anthropic 称，它已经建立了识别蒸馏流量的分类器和行为指纹系统，可以发现跨账号协同、重复提问以及套取思维链的行为；同时会加强对教育、研究和创业公司账号的身份验证。 前文提到的图宾根大学的 “stealing reasoning tracks” 研究中还原推理轨迹的方式，已被这个研究团队报告给相关闭源模型公司，在他们上传文章时，其中的部分方法已失效。 参与其中的各方都在做出自己的选择和准备，而接下来的变化会改变从算力、云服务、Infra、再到模型、应用和客户部署的整个产业链条。 风暴还在继续，下一个风眼不一定还是蒸馏，它本身也只是优化模型的方法之一。 这么多公司投入这么多资源，如此争先恐后地投入这场智能竞赛，是为了什么？今年上半年，是编程和 Agent 的爆发式增长，扭转了市场预期。再往后，如果大模型应用扩散的规模与速度无法接续，那么，模型研发竞赛的未来会如何波动？这是另一些人已经在关心的问题。 题图来源：《致命魔术》

近日，最高人民法院《刑事审判参考》期刊总第152辑公开刊登了三体宇宙（上海）文化发展有限公司（下称“三体公司”）原CEO许垚故意杀人、投放危险物质案死刑复核刑事裁定书，这份权威司法文书首次完整披露案件闭环证据链条。 司法机关认定，三体公司实控人林奇决定由他人接替许垚任CEO，2020年12月15日高层会议明确解雇许垚，彻底激化矛盾。裁定书收录许垚手机备忘录、写给妻子的私信等内心记录，多处流露屈辱、仇视情绪，直言陷入“你死我活”的极端心态，提前开始筹划危险报复行为。 ▲庭审现场 红星新闻记者梳理发现，裁定书完整还原嫌疑人利用多重身份伪装、分两类剧毒实施连环投毒的全过程：因股权、管理权积怨，许垚精密筹备河豚毒素、鹅膏毒肽毒杀公司实控人林奇；又因职场竞争，长期向两名高管饮品投放甲基汞，并殃及另两名受害者（含孕妇）慢性中毒。 案件办理过程中，许垚自始至终拒不认罪，复核阶段还试图栽赃第三方，但公检法机关凭借全套物证、痕迹、毒物鉴定、轨迹证据等，形成闭环，最高法最终核准死刑。 矛盾源于股权承诺： 热门IP操盘手与实控人一步步走向决裂 红星新闻查证，出版于今年7月的《刑事审判参考》总第152辑“裁判文书选登”栏目刊载了这份三体公司原CEO许垚投毒杀死公司实控人林奇的死刑复核刑事裁定书。该裁定日期为今年5月13日。文书中将许垚化名为许甲。 背景资料显示，林奇控股的游族网络股份有限公司（下称“游族网络”）是A股主板第一游戏股，林奇是董事长。2017年，许垚入职林奇实际控制的游族集团，任上海游族信息技术有限公司首席风控官。 案件材料显示，许垚1981年生，硕士学历，三体公司原CEO，在担任首席风控官期间，与北京某文化发展公司商谈关于《三体》小说版权事项，并成功将这家北京公司整体收购，拿下《三体》小说所有版权。2018年8月，游族网络成立三体公司，开发《三体》小说的所有项目，包括动漫、电影、剧集、舞台剧等。林奇自任法定代表人，许垚任CEO职务。 ▲（资料图）三体公司 双方的矛盾恶化源于股权承诺和兑现。法院文书显示，林奇明确表示过给许垚三体公司股份，但没有落实。许垚向林奇要过公司股份，并将拟写的电子版协议发给林奇，林奇一直未签批。2020年3月1日、4月1日，许垚的薪资分别被降低5万元。 林奇和许垚还因管理理念以及裁员等产生分歧。微信聊天记录显示，林奇与许垚在2019年3月因离职员工的补偿、管理思路等产生冲突，林奇批评许垚“你这官当得有点大”“谁允许你这么算的，反正不是你的钱是吧”等。 林奇逐渐对许垚不满，打算换人，招聘了法务、财务、人力管理人员来制约许垚，让赵某甲绕过许垚汇报工作，把许垚的财务权等全部收走。许垚认为自己没有必要继续留在三体公司并提出要休假。 10月，林奇明确说许垚作为CEO不能完成交办任务，并在许垚和公司与员工面前宣布由赵某甲负责审批公司所有事项，引发许垚恨意。 许垚多次表达出对林奇的不满，他在手机备忘录里写下“利益：负，降薪；尊重：负，快四十岁的人，还号称上市公司高管，出差订机票却要拉着脸苦求”“xx（注：疑指三体）的事本来一直在做重大贡献，但又一直被排除在外，如果现在要我走直说就行，没必要这么羞辱人”“最失望的，努力三年了，为了他不被坑还要被骂，但是仍然无法获得信任”等言语。 2020年5月22日、23日，许垚在给妻子黄某某的道歉信中写道：“到了xx公司，坏的地方是有一个非常令我恶心的老板，我甚至不想提他的名字。对我的人身攻击，侮辱谩骂，我回家也不想提……我其实是心里比较煎熬……要想一些很危险的事吧……不用像囚徒困兽一样，在一个封闭无解的环境里只能想你死我活的事。” 2020年12月15日，林奇在办公室和赵某甲、赵某乙讨论决定解雇许垚。在一次外界采访中，林奇和许垚就许垚以CEO身份接受采访产生矛盾。随后，林奇又与赵某乙就许垚离职问题进行商讨。 这一系列的积怨，让许垚产生了极端心态，开始筹划危险的报复行为。 被戳破的伪装： 伪造资质、隔离身份，租赁仓库打造“毒物工坊” 区别于普通冲动作案，法院文书证实许垚的犯罪筹备极具计划性，且全程努力规避侦查痕迹。 法院文书显示，许垚提供了某大学医学部、上海某生物公司的公章、单位证明函，以科研课题名义向试剂商家批量采购三类高危毒物：急性致死类河豚毒素、肝毒性鹅膏毒肽、慢性神经毒氯化甲基汞，同步网购胶囊灌装器、防毒面罩、防化服、502胶水全套作案工具。同时，他设立独立藏匿加工据点仓库，作为毒物分装、胶囊改造的专用场地。 2020年12月18日，公安人员在北京市西城区一家酒店门口抓获许垚时，从他身上搜出两个手机号的苹果手机。其中一个182开头的手机号，是许垚母亲在贵阳办理后，将该手机卡及绑定的银行卡邮寄给许垚。许垚使用该手机号注册微信、淘宝、支付宝等，专门用于在网上查询、购买河豚毒素、α-鹅膏毒肽、氯化甲基汞、四乙基铅、氟乙酰胺、百草枯等各类剧毒物质。 网购记录显示，2020年10月21日，许垚使用上述手机号，在某网站注册账号，发布求购河豚毒素、氯化甲基汞等的信息。证人彭某称，许垚提供了某大学医学部教师刁某某、陈甲等因与上海一家生物技术公司研究课题需要采购河豚毒素的情况说明，收货地址为上海市徐汇区某地丰巢快递。其称，许垚分两批共购买了105支河豚毒素，“第三批60支还没发货。” 2020年10月下旬，许垚又在网上求购鹅膏毒试剂，借武汉某信息科技公司向上海某生物技术公司出售并邮寄的鹅膏毒试剂订单，通过朱某某将货物寄至上述丰巢快递，分两次获得了95毫克鹅膏毒试剂。上述快递均被182手机号签收。 2020年9月至12月，淘宝账号订单记录显示，许垚购买了胶爽灌装器、多功能漏斗小号口径长嘴、德国进口UHU大容量胶水、3M防毒面罩等物品。 公安机关查证，2020年5月23日，许垚租赁了位于上海闵行区的一处仓库，并将挂锁的密码设为自己的生日。2020年12月20日，公安机关搜查该仓库，发现了有“余某某”“刁某某”等字样的身份证、加盖某大学医学部印章的“证明函”、有“某大学医学部”字样的印章、有“上海某某生物技术有限公司”字样的印章。经鉴定，防毒面罩内侧斑迹检出许垚的DNA，两枚印章均为伪造。 ▲资料图 图文无关 同时，公安机关还在仓库中发现多种化学容器，包括有字样的锡纸袋、内有粉末的棕色小瓶、内有2毫升液体的棕色玻璃瓶、装在胶囊盒中的红黄色胶囊（培菲康）、72孔蓝白相间试管盒、圆形透明带孔塑料灌装器、防毒面具、3M防毒面罩、防化服、防化手套、棕色玻璃瓶、研磨棒、协议书等。检验报告证实上述物品中检见氟乙酰胺、氯化甲基汞、河豚毒素、α-鹅膏毒肽成分。 公安机关在搜查时发现，这个隐秘的仓库贴着膜和广告画，从外面看不到里面。 此外，在许垚办公室的冰箱里，警方搜寻到装有22粒胶囊的培菲康1瓶（规格为1瓶36粒）、内有白色粉末的无色透明玻璃瓶4个，在吊柜内的纸箱中发现2片3M滤棉。为了保护自己不受伤害，许垚还在办公室安置了空气净化器、空调滤网等。检验报告证实上述无色透明玻璃瓶中、3M滤棉片上、空气净化器上、空调滤网上均检见河豚毒素成分。 第一条毒杀线： 长期“布局”，混合剧毒致被害人多器官衰竭 警方侦查证实，许垚长期刻意向林奇推荐日常服用的培菲康益生菌，摸清对方固定服用习惯，多次潜入办公餐厅踩点、拍摄药瓶存放位置，找准投放时机，借林奇生活秘书之手，多次误导林奇服用含有河豚毒素和α-鹅膏毒肽的培菲康胶囊。 微信聊天记录显示，许垚多次向林奇及其生活秘书王某某推荐培菲康，王某某后通过淘宝购买并将5盒培菲康放在19楼餐厅的冰箱里。在林奇没有坚持服用培菲康时，许垚继续通过微信向林奇、王某某推荐，称培菲康很好。林奇于2020年12月14日在王某某的安排下开始服用培菲康。 林奇的生活秘书王某某称，他从2020年12月14日开始给林奇服用培菲康胶囊。该胶囊是他新开瓶的，开瓶时瓶内装有36粒。14日至16日，林奇先后4次服用了8粒培菲康胶。案发时该瓶内还剩有29粒，多出1粒。 最后一次是2020年12月16日。当天，林奇与他人共用早饭、午饭、咖啡、茶水、水果等，他人均无异常，而下午13时57分，林奇在办公室最后一次单独服用了王某某送来的2粒培菲康胶囊。 16日18时许，林奇下班坐车途中呕吐，后到上海嘉会国际医院就诊，当日22时18分转至复旦大学附属华山医院急诊。 林奇在医院接受救治了9天，12月25日17时36分经抢救无效死亡。检验报告证实他的呕吐物中检见α-鹅膏毒肽成分，其体内检见河豚毒素、α-鹅膏毒肽成分。尸体鉴定意见证实，林奇因河豚毒素和α-鹅膏毒肽中毒致多器官功能衰竭而死亡。 专家证人证实，河豚毒素的毒性非常高，致人死亡最晚不超过6小时，致死量为7微克/千克，口服河豚毒素口唇会立刻有反应，“（涉案）河豚毒素应为装入胶爽中吃下，但胶爽有崩解过程，人体反应会延迟。” 上海市药物研究所出具的关于鹅膏毒素的调研报告等证实，α-鹅膏毒肽致死量为0.1毫克/千克。3名相关证人证实，培菲康胶囊壳的装量为210毫克，3号小林胶壳的装量为170毫克。专家断定，“服用1粒培菲康胶囊或1粒小林胶爽装人的河豚毒素、α-鹅膏毒肽或二者的混合，则足以致人死亡”。 第二条连环投毒线： 咖啡酒水藏甲基汞，四人慢性汞中毒 许垚的第二项罪名是投放危险物质罪。除了图谋毒杀林奇，许垚迁怒两名与其有竞争的高管赵某甲（案发时30岁）、赵某乙（案发时38岁），长期在二人办公室日常饮品中投下氯化甲基汞，并波及无辜家属、来访客户。 赵某甲先后担任公司财务总监、国际部负责人。2020年8月，林奇准备让赵某甲接替许垚任CEO，并让赵某甲不通过许垚直接汇报工作。此后，许垚和赵某甲的关系开始恶化。 案发后，警方搜查了许垚的电脑，发现其在网站上搜索、浏览许多关于氯化甲基汞的内容。并假冒上海某生物技术公司员工“陈先生”的身份，分7次购买了氯化甲基汞25支（每支100毫克）、氟乙酰胺21支、百草枯8支等。 2020年9月至12月，许垚又网购三顿半速溶咖啡、格兰菲迪威士忌酒、附子理中丸等物品。9月17日至12月8日，许垚多次单独出入赵某甲办公室，并拍摄格兰菲迪威士忌酒、圣牧有机牛奶、三顿半速溶咖啡、附子理中丸等物品，并有带入、带出物品。 赵某甲事后陈述，2020年12月2日，他办公室的格兰菲迪威士忌比11月18日明显减少、已开盒的三顿半速溶咖啡比11月18日减少1粒。此外，监控和许垚手机的相册证实，2020年11月14日至12月4日，许垚多次单独进出赵某乙的办公室，并对矿泉水瓶等进行拍摄。 后来，警方在赵某甲办公室的格兰菲迪威士忌酒、附子理中丸、解酒药、3罐三顿半速溶咖啡中，均检见氯化甲基汞成分。而许垚租赁的仓库中也有相同的威士忌酒、附子理中丸。 2020年9月至12月，赵某甲饮用了三顿半速溶咖啡。12月26日，赵某甲前往医院抽血化验得知体内汞含量超标。检验报告证实赵某甲的血中检见氯化甲基汞成分；毒物检测报告证实赵某甲血液中汞含量为26.5纳克/毫升。 赵某乙于2021年1月13日到医院进行检测，得知体内汞含量超标。检验报告证实其血中检见氯化甲基汞成分，毒物检测报告证实其血液中汞含量为12.5纳克/毫升。 而置身事外的另外两人也在不知情的情况下中毒。宋某某于2020年11月26日因工作事宜到赵某甲办公室，两人边聊边喝了桌上开封的格兰菲迪威士忌酒。后来赵某甲告诉宋某某办公室的东西被人投毒，宋前往医院抽血化验得知体内汞含量超标，其血液和尿液中均检见氯化甲基汞成分，血液中汞含量为41.5纳克/毫升。 赵某甲的怀孕的妻子张某丁于11月28日在丈夫办公室饮用了三顿半速溶咖啡，后来在医院抽血化验得知血液中汞含量超标，血液中汞含量为4.6纳克/毫升。 上海市药物研究所证实，氯化甲基汞是白色结晶微溶于水，具有强烈的神经毒性，代谢很慢，会在人的肝脏和肾脏中长期存在，对下一代的生育产生很大影响，“孕妇在怀孕期间吃了含有氯化甲基汞的毒物，出生的孩子可能检出氯化甲基汞，致死量为31.3毫克/千克~50毫克/千克。危险化学品目录证实氯化甲基汞为危险化学品。” 同时，警方还在许垚的仓库中查获了与赵某甲的北京办公室相同的圣牧有机牛奶，也检见氯化甲基汞成分。同时，警方在赵某甲办公室里的三顿半速溶咖啡塑料杯与密封铝箔纸拉手相对应的位置，发现一层疑似外来的黏合剂，形成方式为从咖啡胶囊拉手处揭开密封铝箔纸后使用胶水重新密封。 许垚直到被抓的那一刻，身上还带着毒物。2020年12月18日，公安机关抓获许垚时在其身上查获4个深色玻璃瓶，瓶内的晶体中检见氯化甲基汞成分。当天和2021年1月7日、1月28日，公安机关在许垚的上海办公室查获了透明塑料袋包装的褐色液体，检见氯化甲基汞成分；还查获3瓶瓶盖已开封的矿泉水中，均检见氯化甲基汞成分。 “全案用间接证据定案，形成完整、闭合锁链” 2024年3月，上海市第一中级人民法院判决，许垚以故意杀人罪判处死刑，剥夺政治权利终身；以投放危险物质罪判处有期徒刑六年，决定执行死刑，剥夺政治权利终身。许垚不服，提起上诉。 2025年1月，上海市高级人民法院公开审理此案，驳回许垚的上诉，维持原判。随后，这一裁定报请最高人民法院核准。 ▲庭审现场 司法程序过程中，许垚不承认相关事实，否认犯罪。其中，二审期间，许垚供述其将毒物交给了林奇的生活秘书王某某，辩解其没有实施投毒杀人、投放危险物质的行为。但法院认为，在案证据能够形成完整的证据锁链，足以认定许垚实施了投放毒物致人死亡、投放危险物质致多人中毒的事实。 死刑复核期间，许垚又试图栽赃他人。许垚手写了多份申诉材料，并在提讯时供述其预谋投毒报复林奇，并为此进行了准备，后王某某要向林奇投毒，他将1粒或2粒混装有河豚毒素和α-鹅膏毒肽的胶囊交给了王某某，林奇也许是服用了他给王某某的胶囊。他还供述他向被害人赵某乙饮用的格兰菲迪威士忌酒中投放了氯化甲基汞。 公安机关随即对王某某以及能够接触到林奇的人员进行全面排查，排除了许垚之外的人员有犯罪嫌疑。“除许垚的供述之外，没有在案证据指向王某某参与作案，许垚关于王某某参与作案的辩解不能成立。”复核期间，许垚的辩护律师为其进行了充分辩护，均未被采纳。 据媒体报道，今年5月21日，许垚被执行死刑。 《刑事审判参考》“编者按”评论称，最高人民法院死刑复核裁定书的重点内容，是认定许垚实施故意杀人、投放危险物质犯罪事实部分。“全案虽系运用间接证据定案，但证据已形成完整、闭合锁链，认定许垚实施本案已排除合理怀疑，达到证据确实、充分的证明标准。文书对被告人的辩解、辩护律师的辩护意见也进行了回应，并论证许垚罪行极其严重，依法应当适用死刑。文书格式规范，层次清晰，论证缜密，说理充分。” 红星新闻记者 陈龙 编辑 张寻 审核 任志江

◎ 科技日报记者 张佳欣 据最新一期《自然》杂志报道，美国麻省理工学院、奥地利科学技术研究院等机构研究人员利用詹姆斯·韦布空间望远镜（JWST），在宇宙诞生后约6.6亿年的宇宙黎明时期发现了迄今已知最早的“黑洞星”。这一由快速成长黑洞及致密气体构成的奇特天体，或有助于揭开神秘“小红点”的真实身份，并为解释早期宇宙超大质量黑洞的快速形成提供线索。 超大质量黑洞通常潜伏在大质量星系中心，质量可达太阳的数百万至数十亿倍。然而，科学家一直难以解释，为何在宇宙诞生后仅数亿年，就已经出现了一些质量巨大的黑洞。 天文学家发现了一颗“黑洞星”，它是早期宇宙中一个极其明亮的红色斑点，似乎是一种新型天体。它类似于一颗巨大的恒星，但其能量产生更接近于黑洞。图源：美国麻省理工学院 此次发现的天体被命名为“MoM-BH*-1”。研究人员原本利用JWST寻找宇宙早期星系，却在观测数据中发现一个异常明亮、颜色偏红的光点。它的尺度只有太阳系大小，但能量输出却约为普通恒星产生的能量上限的1000亿倍，远超普通恒星核聚变所能达到的水平。 与此同时，MoM-BH*-1的光谱还呈现出一种异常强烈的“巴耳末跳跃”，这种光谱特征通常与恒星大气中的致密气体有关。同时，其光谱中几乎没有金属元素的明显痕迹，主要表现为氢和氦的特征。 研究人员模拟发现，极其致密的氢气可形成类似“巨大恒星表面”的气体包层，吸收特定波长的光，从而解释其特殊光谱。 通过詹姆斯·韦伯太空望远镜的视角观察黑洞星 MoM-BH*-1。图片来源：奥地利科学技术研究院 但这仍无法解释它惊人的亮度。进一步分析显示，最符合观测结果的情景是：MoM-BH*-1中心有一个约为太阳质量10万倍的黑洞，周围包裹着近似太阳系大小的致密氢气。黑洞吸积物质释放的能量为整个系统提供动力，外围气体则让它看起来像一颗巨大的恒星——研究人员因此将其称为“黑洞星”。 “黑洞星”的发现还有助于解释JWST近年来频繁发现的神秘“小红点”。这些紧凑、明亮且偏红的天体在早期宇宙中似乎随处可见，却在今天的宇宙中消失殆尽。研究人员发现，如果将类似MoM-BH*-1的天体置于早期星系中，其整体光谱可能与“小红点”高度相似。 来源：科技日报 编辑：郭炘蔚 审核：张爽

摘要： 过去，高性能模型遥遥领先，而即便是性能较差的模型也可能依靠低价拿下一定市场份额。但在DeepSeekV4系列、Gork4.6等主打性价比的高性能模型发布后，这种单纯的发展路线大概是要正式告吹了。 凤凰网科技 出品 作者｜Dale 编辑｜董雨晴 酝酿了多时，DeepSeek最强模型终于揭开面纱。 8 月 12 日深夜，DeepSeek 官网 API 文档悄然换版——模型版本从 V4-Pro 预览版切换为“DeepSeek-V4-Pro-0813”。 最先发现变化的依旧是开发者们。随后，一张评测对比表从 DeepSeek 官方群流出，AI 圈的深夜被彻底点亮。 需要注意的是，备受关注的Harness依旧保持悬念。凤凰网科技检索平台信息发现，“DeepSeek Harness团队”公众号已于今年7月6日正式注册，公众号认证主体为“北京深度求索人工智能基础技术研究有限公司”。 8月1日，DeepSeek内部Harness团队负责人崔添翼曾面向全球公开征集Harness内测用户，优先筛选具备Agent Harness开源项目经验的开发者，申请人需提交代码托管平台账号与代表作品。 据测试过的开发者表述，“参与内测并深度体验2天后，我愿称DeepSeek Harness为宇宙最强”。 就在V4 Pro正式发布六天前，DeepSeek刚宣布计划近期整体上调 API 服务定价，“预计涨幅较大”。而DeepSeek V4 Flash的极致性价比，才刚刚在海外留下深刻的印象。 一边是性能追平全球顶尖模型，一边是预告大幅涨价。这家以性价比横扫市场的公司，正在讲述一个截然不同的新故事。 0.1 分的距离，与全球最强模型厮杀 这张刷屏的评测表显示，Terminal Bench 2.1，一项衡量 AI 智能体在真实终端环境中完成复杂任务能力的测试，V4 Pro 正式版拿到 87.9 分。全球第一的 Anthropic Fable 5 是 88.0 分。差距只剩0.1。 作为参照，上一版 V4 Pro 预览版的成绩是 72.1 分。三个月，有了15.8 分的跃升。 此外，还有两项反超。在 AI 安全智能体基准 Cybergym 上，V4 Pro 拿到 83.3 分，以 0.2 分的微弱优势压过 Fable 5 的 83.1；在工作流智能体测试 AutomationBench 中，31.8 分对 29.1 分，同样胜出。而在衡量软件工程能力的 DeepSWE 上，分数从预览版的 12.8 分跃升至 62.7 分，接近原来的五倍，超过了 Anthropic 上一代旗舰 Opus 4.8 的 58.0 分。 需要说明的是，这些数据目前来自 DeepSeek 官方群及社区流传，官方尚未发布 V4-Pro-0813 的正式更新日志，严格来说应视为非官方披露。但多个信源交叉体验印证，提升幅度真实可感。 智能体是理解这次升级的关键词。与传统大模型比拼知识问答和数学推理不同，Terminal Bench、DeepSWE 这类测试考察的是 AI 能不能真正干活—— 调用工具、执行多步骤任务、编写和修改代码、在长链条中持续推进直到交付结果。这正是大模型从聊天玩具走向生产工具的核心门槛。 据DeepSeek官方API文档，V4 Pro 正式版支持 1M（百万）Token 上下文长度，最大输出 384K Token，支持非思考与思考两种模式，并兼容 OpenAI 和 Anthropic 两种 API 格式。这意味着开发者几乎不需要修改代码，就能把原本调用 Claude 的应用切换到 DeepSeek 上。 这一次更新的时间点也非常有意思。就在 V4 Pro 上线前几个小时，马斯克旗下 SpaceXAI 发布了 Grok 4.6，在面向真实知识工作的 GDPVal-AA v2 评估中以 1753 Elo 登顶，超过 Fable 5 的 1741 和 GPT-5.6 Sol Max 的 1728。两款主打高性价比的模型同夜撞车，不约而同地将矛头指向同一件事：让 AI 在长任务中稳定交付可用成果。梁文锋与马斯克双强对垒，纷纷拿出兼具高性能与高性价比的产品，真正感到有压力的恐怕还是OpenAI与Anthropic。 目前，Fable 5 每百万输出 Token 定价 50 美元，GPT-5.6 Sol Max 为 30 美元，Grok 4.6 为 6 美元，而 DeepSeek V4 Pro 仅为 0.87 美元 —— 约为 Fable 5 的五十七分之一。 0.1 分的跑分差距背后，是五十七倍的价格鸿沟。这个等式，足以让每一个开发者重新审视自己的技术选型。 一张涨价预告函的底气 此次DeepSeekV4 Pro的性能表现，也在一定程度上解释了六天前涨价的底气。 8 月 6 日，不少开发者登录 DeepSeek API 后台时看到一行提示：“计划近期整体上调 DeepSeek API 服务的定价，预计涨幅较大，请合理安排您的使用。具体方案以正式通知为准。” 这也是 DeepSeek 首次预告整体上调 API 价格，而非此前针对高峰时段的局部调整。 市场之所以震动，是因为 DeepSeek 过去一年的形象，恰恰是“价格屠夫”。 梳理其今年的定价时间线：4 月 V4 发布时，V4 Pro API 以 2.5 折优惠上线；5 月 31 日优惠结束后，直接永久降至原价的四分之一，输入（缓存未命中）3 元 / 百万 Token、输出 6 元 / 百万 Token，较首发价降幅达 75%；6 月 29 日又引入峰谷计费，工作日高峰时段价格翻倍。 从永久降价到预告大涨，中间只隔了两个多月。 DeepSeek 当然有自己的难处。OpenRouter 的数据显示，7 月 27 日至 8 月 2 日当周，DeepSeek V4 Flash 以 7.11万亿 Token 的调用量位居全球第一；另据开源项目 OpenCode 统计，仅 8 月 1 日一天，V4 Flash 处理量就达到 8 万亿 Token。8 月 4 日，该模型甚至因前所未有的访问量出现容量不足。 调用量是蜜糖，也是负担。每一次 API 调用背后都是真金白银的算力消耗，长时间低价跑量，持续吞噬的是现金流。 但如果只把涨价理解为“扛不住成本”，可能低估了DeepSeek的意图。 一个容易被忽略的细节是：仅仅两个月前的 6 月 16 日，DeepSeek 刚刚完成成立以来首轮外部融资，募资总额超过 500 亿元人民币（约 74 亿美元），投后估值突破 500 亿美元，创下中国 AI 行业单轮融资纪录。其中，创始人梁文锋个人出资约 200 亿元，为最大出资方。最新消息显示，DeepSeek已在推动第二轮保底 100 亿元的融资。 手握重金却选择涨价，这更像是一次主动的定价策略切换，而非被动的成本转嫁。 摩根士丹利 8 月 9 日发布的研报给出了三个驱动因素：其一，V4 模型需求旺盛，支撑了更强的定价能力；其二，厂商需要在市场份额与毛利率之间寻求平衡，以持续投入前沿模型研发；其三，更多使用国产芯片可能带来更高的推理成本。 报告认为，模型智能，而非价格，才是大模型竞争的终极壁垒。当 V4 Pro 在 Terminal Bench 上距 Fable 5 仅差 0.1 分时，DeepSeek 已经有资格为这份“足够接近”收取溢价。 价格战的终局信号 DeepSeek 的涨价，不是孤例。 把视野拉到整个行业，这条涨价曲线也已经浮现。据摩根士丹利统计，以字节跳动、阿里、百度、腾讯、智谱、月之暗面、MiniMax 及 DeepSeek 为样本，中国大模型平均 API 输出价格已从 2025 年一季度的约 12.2 元 / 百万 Token，回升至 2026 年二季度的 21.9 元 / 百万 Token。 拐点早已出现。今年一季度，智谱 API 定价较去年底累计上调约 83%，但调用量反而增长了 400%—— 量价齐升，说明开发者愿意为更强的模型付费。7 月，月之暗面发布 Kimi K3 后 48 小时内请求量超出预估，逼近集群承载极限，直接暂停 C 端新用户订阅以全力扩容。腾讯在 3 月至 4 月间两轮上调模型 API 价格，部分涨幅高达 463%。MiniMax、阿里云等也相继收紧免费额度、调整计费方式。 据 36 氪报道，过去两年国内大模型赛道深陷 Token 价格厮杀，厂商靠压低接口报价抢占开发者与企业客户。但进入 2026 年下半年，算力供需、芯片采购成本、运营成本持续走高，单纯靠低价换规模的模式难以为继。 逻辑其实并不复杂。有行业分析指出，Agent 任务的算力消耗是普通对话的十到一百倍，而当模型开始真正进入企业的生产流程——写代码、做分析、跑流程——客户对价格的敏感度会让位于对可靠性和能力的要求。智谱涨了 83% 依然供不应求，已经说明了问题。 摩根士丹利将其概括为一个飞轮：更强的模型带来更多收入，更多收入支撑更大投入，更大投入再次推高模型能力。头部厂商可以随时推出低价轻量版本覆盖大众市场，但中等厂商想要向上突破至顶尖水平，难度完全不在一个量级。 这或许才是 DeepSeek 深夜换版的真正注脚。它先用 V4 Pro 证明自己“能干活”，拿到了与全球顶尖模型同台竞技的入场券；再用一纸涨价预告，测试市场对“中国智能”的支付意愿。 当然，考题也随之而来。涨价之后，那些对成本极度敏感的中小开发者是否会迁移？“涨幅较大”究竟是多大？在 Grok 4.6 等同梯队选手仍以低价猛攻的背景下，DeepSeek 的定价权能维持多久？ 这些问题，会在涨价正式落地后才能回答。但有一点可以确定：当最擅长打价格战的玩家开始收枪，中国大模型行业的竞争逻辑，已经翻过了一页。 （本文题图为AI生成）