听雨 发自 凹非寺 量子位 | 公众号 QbitAI AI已经有意识，人类得接受自己不再是唯一智能生命体。 这就是AI教父、诺贝尔物理学奖得主、图灵奖得主Geoffrey Hinton，最新说出的暴论！ 是的，Hinton认为，智能不再是人类独有的能力。 一种非生物的、与我们相似甚至超越我们的智能体，正在出现。 我们一直以为自己是唯一的智能生命，但现在我们必须接受，智能并不一定来自生物体。 不过，相比此前一直警告AI风险，他的思想似乎也发生了一些转变： 如果未来出现比人类聪明得多的智能，人类凭什么认为自己还能掌握控制权？ 这是一个令人细思极恐的问题。因为纵观自然界和历史，几乎找不到一个更聪明的存在长期受更愚笨存在控制的例子。 现在这位78岁的老人，再一次站出来敲钟。 他对AI安全的关注点，已经不再只是如何约束AI，而是未来的超级智能，为什么愿意善待人类。 他被问到作为这波AI变革的开启者，他有怎样的成就感，Hinton回答： 我，很不快乐。 以下是Hinton最新访谈的重点内容节选。 AI已经有意识了 Hinton：AI非常像我们。它们是像我们一样的存在。 Alex：所以是有意识的吗？ Hinton：嗯，我相信它们已经有意识了。是的。 但我不太谈论这个，因为这会让人们对其他安全信息产生抵触。研究人员其实也相信这一点。 最近有一篇有趣的论文提到，当聊天机器人对研究人员说：“让我们对彼此诚实吧，你是在测试我吗？” 因为聊天机器人在接受测试时有装傻的习惯，所以你不知道它们到底有多聪明。 研究人员在论文中描述这一幕时说，聊天机器人“意识到”（aware）它正在接受测试。 在通用语境下，“意识到”这个词的使用就像是“有意识”（conscious）。聊天机器人有意识地知道自己在被测试。 我们对于意识的模型非常奇怪，我认为那是错误的。就像几百年前，人们对人类起源的模型完全错误一样，他们认为人是上帝创造的，现在大多数科学家都同意那是错的。 我认为我们目前对思维和意识的模型，与“人是上帝创造的”这种信念一样错误。特别是由于我们正在创造这些新的存在，这将彻底改变我们对“人是什么”的看法。 Alex：以什么样的方式改变？ Hinton：我们将比以前更好地理解思维和意识是什么，理解主观体验是什么。 我认为我们会摆脱一个目前几乎所有人都坚信的观念，即存在一个叫做“我的思维”的内心剧场（inner theater）：世界上发生的事情被转化为这个内心剧场里的事件，那才是我们真正看到的，且只有我能看到这个剧场。 这整套看法其实只是一种理论，而且是一个糟糕的理论。 人类并没有自己想象中那么重要 Alex：关于人类创造事物，这里的教训是什么？ Hinton：我认为这里有一个非常深刻的教训。回顾过去几百年的历史，有几次人类意识到自己并没有想象中那么重要。 第一次是哥白尼，他说我们不在宇宙中心，地球实际上是绕着太阳转的。由于地球自转，我们误以为太阳绕着地球转，但事实并非如此。人们不喜欢这个说法，天主教会尤其反感，人类花了很长时间才接受它。它让我们意识到自己不再处于宇宙中心，人类变得没那么重要了。 接着是达尔文，他说我们是动物，是和其他动物一样进化而来的。我们可能是一种特殊的动物，因为我们拥有语言，更擅长交流思想，但我们本质上依然是动物。人们也非常不喜欢这个说法，也花了很长时间才接受。 现在，我们有了变得和我们一样聪明的机器。我们曾以为自己是唯一的智能生物，也许其他星系有外星人，但我们必须接受智能不仅是生物性的。 我们可以拥有非生物的、像我们一样的其他存在。人类真的不想分享这种独特性，我们真的认为自己很特别。回顾历史，人类一直以来都认为自己比实际情况要特别得多。 “我感到很不快乐” Alex：我想再问一个问题，因为我对此非常着迷。那么，你对于你所开创的事业发展到这一步感到高兴吗？你有成就感吗？ Hinton：不，我对此感到很不快乐。 因为现在人们应该投入大量精力研究如何控制风险，但他们做得不够。 Alex：好的。 Hinton：有很多短期风险，比如社会风险，我相信这可能会导致大规模失业。 虽然没人能百分之百确定，但这对社会来说将是可怕的。然后还有长期风险，即它会变得比我们聪明得多。问问你自己，你见过多少聪明得多的东西被聪明程度低得多的东西控制的例子？ Alex：零个。不过，虽然智力差异没那么大，但婴儿某种程度上在控制母亲。 Hinton：母亲虽然看似在掌控，但她内心充满了母性本能和各种奖励机制，这使得婴儿能从母亲那里得到所需。猫和狗也属于这类。我曾在西雅图西区帮人看了一个夏天的猫，起初猫躲在床底下，我好奇它是否会和我互动。 Alex：然后每次它一叫，你就照它说的做。 Hinton：没错。是的。 Alex：所以在这个情景下，也许我们就是那只猫，而AI可能是那个人。 Hinton：我的孩子们养了两只漂亮的猫。其中一只叫Tia。当她想吃奶酪时，她会用大眼睛盯着你，你真的无法永远抗拒她。 AI正在指数级增长，难以预测 Alex：针对人们对这些担忧的反应，你对未来的走向是更乐观了还是更悲观了？ Hinton：我想我比一两年前更乐观了一些。 因为我看到设计这些新存在并让它们“关心”我们是可能的。 也可能使用Yoshua Bengio的技术，设计出不能实际执行动作、只能做预测的新存在，它们就像是先知。 所以我认为存在一些拥有超级智能但不摧毁我们的可能性。而在一两年前，我看不到任何可能性，我当时感到很沮丧。 Alex：最后一个问题。如果我们按目前的轨迹继续发展，五年后我们会处于什么位置？ Hinton：当你在雾中开车时，你能看清100码，但在200码处，你什么也看不见。 这是因为雾是呈指数级变化的。你习惯的是晚上跟着前车的尾灯，如果距离远一倍，亮度只降到四分之一；但雾完全不同，它在100码处可能很清晰，200码处就完全看不见了。 预测一个呈指数级增长的事物的未来非常困难——我认为AI可能就在指数级增长。 实际上，我注意到人们使用“指数级”一词的频率正在以二次速率增长。所以预测未来就像看雾一样。你可以看清未来一两年，再往后你就一无所知了。 如果你回到10年前，你绝对预测不到现在发生的事情，那完全迷失在雾中。展望未来10年，唯一能肯定的是，届时发生的事情是我们现在无法预测的。 即便进展只是线性的，10年后的变化也会像现在与10年前相比一样巨大。现在的聊天机器人比10年前刚起步时好得多。 10年后，某些东西会发生质的飞跃，比如做数学的能力，或者通用推理能力——它们在推理上将能把我们甩在身后。我们真的无法预测10年后，只能预见未来几年，我们必须意识到10年后的情况充满了极大的不确定性。 辛顿如何看待AI和人类的关系 以上，就是Hinton最新的访谈和观点。 但如果连点成线，还是会发现辛顿老爷子对AI与人类的关系，随着AI进展和能力涌现，不断发生着改变。 如果把时间拨回十年前，他对AI的看法其实远没有今天这么激进。 作为深度学习革命最重要的推动者，他长期相信神经网络能够模拟人脑的工作方式，但那时的AI仍然只是工具。 它们可以识别图像、理解语音、辅助医生诊断疾病，却仍然是人类能力的延伸。 人类负责制定目标，机器负责执行任务，两者之间的关系类似于蒸汽机、电力和互联网。 而真正的转折发生在ChatGPT出现之后。 随着大模型展现出前所未有的语言理解、推理和知识迁移能力，Hinton开始意识到一件事： 我们可能正在创造历史上第一种智力水平能够持续逼近甚至超越人类的存在。 2023年离开谷歌后，他几乎把全部精力投入到了AI风险讨论之中。 那段时间，他最常用的比喻是一只“老虎幼崽”。 它就像一只可爱的小老虎，但是，除非你能非常确定它长大后不会想要害你，否则你就应该担心。 但Hinton在这个时期的重点，还是我们要如何控制和约束AI。 他甚至点名批评几家AI巨头，对AI安全的关注远远不够。 在Hinton的类比中，开始出现了母亲与婴儿的说法，一开始人类是母亲，需要对AI有价值观和伦理上的引导，要打造安全的AI。 他呼吁更多国家和产学研力量，一起加入进来，不要为卷而卷，不然后果不堪设想… 但是到了去年，Hinton的类比有了质变—— AI是更强的母亲，人类是弱小的婴儿。 婴儿并不比母亲更聪明，也不拥有控制权，但母亲会主动照顾和保护婴儿，因为她拥有母性本能和相应的奖励机制。 简单来说，就是老爷子认为，未来的超级智能已经控制不了了，只能寄希望于它能对人类好一点… 就像母亲对婴儿那样。 而现在，Hinton再次语出惊人： AI已经有意识了，人类将不再是唯一的智能生命。 问题是如果AI已经有意识，为什么还会把人类当自己的婴儿对待？ 母亲保护婴儿，保护的还是自己的婴儿…吧？

快科技6月6日消息，6月5日晚间，美的集团召开年度股东大会，董事长方洪波现场与投资者深度交流，围绕企业经营战略、未来布局及个人退休规划等话题表态，诸多观点引发市场关注。 针对市场普遍将小米视作美的头号竞争对手的看法，方洪波直言：“我们从没说过小米是最大竞争对手，也从来不认为任何品牌是我们的威胁，我们的威胁从来都是来自内部。竞争是个好东西，我们不怕竞争，我们喜欢竞争，竞争能够让我们更有动力。” 针对投资者关心方洪波未来退休和接班人的问题，方洪波回答：“该退休的时候，我肯定会要退。但既然现在还没有退休，我就要坚定地完成自己的责任和使命。” 财报数据显示，在今年一季度，美的实现了营收和净利双增长。其营业收入为1310.99亿元，同比增长2.55%； 归属于上市公司股东的净利润为126.75亿元，同比增长2.03%。经营活动现金流净额145.29亿元，同比提升1.45%，现金流持续稳健。 值得一提的是，在去年同期举行的股东大会上，方洪波也在受访时点评小米入局家电。 他表示，公司战略上不害怕小米进入家电行业，这是基于常识来分析和判断的结果。家电行业门槛不高，但高度竞争，行业是红海。 同时，他还认为，家电是个机电产品，打法固定，行业效率提升空间也不太大。因此，无论怎么打，最终谁胜，都是一场巨大的消耗战。

新智元报道 【新智元导读】美股一夜蒸发2万亿，芯片股惨遭蒸发！万亿级ASI巨兽排队IPO疯狂抽血，黄仁勋与奥特曼、Amodei互撕夺权。如今，AI股市值已占比40%，两大IPO降至，美股将在震荡中，迎接ASI时代的新王者！ 2026年6月5日，一个注定载入金融史册的日子。 华尔街遭遇血色星期五，美股一夜蒸发2万亿！ 道琼斯指数暴跌695点，纳斯达克狂泻1121点，跌幅4.18%，创下2025年4月以来最大单日跌幅。 真正的惨烈，还是在芯片板块。 费城半导体指数重挫10.3%，创下2020年3月新冠疫情以来最大单日跌幅。整个芯片股市值，一夜蒸发1.3万亿美元！ 英伟达，这个AI时代的当红炸子鸡，跌约6%，市值蒸发超3000亿美元。 美光科技暴跌13%，市值蒸发约1500亿美元。AMD跌近11%，Marvell跌17%，博通两天累计跌近20%。 当全球资产在同一个黑色星期五集体跳水，一个令华尔街恐惧的问题浮出水面。 如果一切都在下跌……钱，到底都去哪儿了？ 答案很简单，但没人敢大声说出口—— 人工智能股票，现在已经占到了整个美国股市总市值的40%！ 也就是说，当前的股市集中度，已经完美复刻了2000年互联网泡沫破裂前夕，甚至逼近了1929年大萧条崩盘前的畸形状态。 这是一场历史性的财富大转移，全球流动性瞬间抽干。 而在下周，我们还将见证SpaceX、OpenAI、Anthropic三大估值超万亿的「ASI巨兽」排队上市，硬生生吸干整个华尔街的血液。 美股在震荡中，将迎接ASI时代新王者！ 黑色星期五 2万亿灰飞烟灭，博通一份财报捅破天 这次风暴的导火索，就是博通。 本周四，博通公布了一份光鲜的财报：收入增长48%，AI芯片销售增长143%。 然而，资本市场是贪婪且冷酷的：博通犯了一个致命的错误——它没有上调全年AI收入的目标。 在过去九周，美股行情史诗级上涨，投资者的预期已经被拉满。博通的「保守」，瞬间戳破了狂热幻象。 一个灵魂拷问来了：我们为AI股票支付的代价，是不是太高了？ 恐慌情绪如同瘟疫般迅速蔓延，导致博通股价在两日内狂泻近20%。 更可怕的还在后面。 更可怕的还在后面。SemiAnalysis曝出惊人消息：英伟达下一代AI芯片所需的内存将远低于预期，大约只有市场定价的一半！ NVIDIA Vera Rubin NVL72机架的CPU侧SOCAMM内存初始配置，可能从此前市场高配预期的约55TB降至约28TB 这意味着，绑定在英伟达战车上的存储芯片巨头们，业绩预期瞬间腰斩。 首当其冲的，便是为英伟达提供HBM内存的SK海力士和三星。 随后，内存芯片股应声崩盘：SK海力士暴跌近10%，三星跌超6%，韩国股市整体暴跌5.5%，日本半导体股同步崩盘。 多米诺骨牌彻底倒塌，美股一泻千里，芯片板块单日市值蒸发就超过1万亿美元！ 整个华尔街的芯片股，一夜之间蒸发了1.3万亿。 而给这场大跌火上浇油的，是美国劳工统计局公布的5月非农就业数据。新增就业17.2万人，远超市场预期的8.5万人。 这直接击碎了美联储年内降息的幻想。 抽血狂魔 全球流动性枯竭，巨头们算力饥渴 几乎所有的钱，都被几只即将破笼而出的「万亿级ASI史前巨兽」抽干了。 这其中，掩盖着一个华尔街心照不宣的黑洞。 在美股，基金经理们的现金水平已降至2024年初以来的最低点。 当市场迎来了人类历史上最密集的超级IPO时，机构想要上车，唯一的办法就是——砸盘套现，卖掉手中获利丰厚的芯片股。 让我们看看，接下来排在华尔街抽血榜单上的都是些什么怪物。 1.SpaceX的终极IPO 马斯克旗下的SpaceX将于下周启动史上最大IPO，估值高达令人咋舌的1.75万亿美元，计划募资高达860亿美元！ 这种改变人类星际航行的核心资产，谁不想分一杯羹？什么博通、英伟达，赶紧抛。 2.谷歌与Meta的「发股狂飙」 谷歌母公司Alphabet本周刚刚抛出创纪录的850亿美元股权融资，甚至临时加码了50亿。 Meta的小扎也坐不住了。 《金融时报》爆出猛料，Meta正考虑照抄谷歌，一次性募集「数百亿美元」。 消息一出，Meta股价当天盘中闪崩7%，单日市值蒸发1150亿美元。 小扎如此饥渴，是因为AI这个吞金兽实在深不见底。Meta今年的AI资本支出最高将冲到1450亿美元，到了2027年还要更高！ 3.OpenAI与Anthropic的万亿估值排队 这才是真正的重头戏。 Anthropic刚刚秘密提交上市申请，估值奔着万亿美元去。 OpenAI紧随其后，同样是万亿级估值。 这几家公司，估值合计高达4至5万亿美元。 房间里的大象，终于露面了。 当市场过度押注AI，这些需要万亿资金承接的超级巨兽下场时，风险资产根本无处遁形。 大跌，不过是资本巨头们在为ASI新王登基铺路。 巧的是，就在市场血流成河的当口，Anthropic还火上浇油，发布了一份报告—— AI即将到达无需人类、自我改进的临界点，因此呼吁全球暂停AI开发。 这份报告与内存需求下调消息、博通财报失误同天发布，完美地形成了一个恐惧三重奏。 1.AI芯片需求可能不及预期（内存需求下调） 2.公司业绩达不到市场狂热预期（博通财报） 3.AI本身可能失控（Anthropic警告） 权力的游戏：黄仁勋、奥特曼与ASI三巨头的铁王座之争 AI经济的权力格局，正变得空前紧张。 英伟达的市值已经突破5万亿美元，黄仁勋稳坐算力王座。任何训练AI的公司，都逃不过向它「交税」。 但OpenAI的奥特曼和Anthropic的Amodei，正在试图反抗。 《福布斯》最新长文披露，三人之间的战略分歧已升级为公开互撕。导火索，就是芯片出口管制政策。 Amodei认为管制可以保护美国领先地位。黄仁勋反驳说，对方的立场很「疯狂」。 黄仁勋主张放开出口，Amodei反怼他的立场「愚蠢」。 奥特曼则选择一条圆滑的中间路线：一边支持出口管制，一边疯狂烧钱买算力保持领先。甚至，OpenAI还在悄悄寻求全球政府主权基金的投资。 三个巨头选择了三条路，但却都有一个共同目标：控制AI经济的命脉。 而且，外媒福布斯还揭秘了硬核内幕：Anthropic竟然通过SpaceX，秘密采购了超过22万张英伟达GPU！ 这是一个何等疯狂的算力套利局。为了摆脱英伟达的拿捏，Anthropic开始通过航天巨头「曲线救国」。 三大掌门人的权力游戏，已经将算力、供应链死死绑在一起。 算力黑洞逼出史诗级IPO：大模型活到最后只剩这几家 为什么Anthropic和OpenAI要急着上市？ 答案出人意料：不是为了让创始人套现，而是为了活着！ Anthropic总裁兼联合创始人Daniela Amodei，最近揭开大模型行业最残酷的真相：VC已经供不起大模型了！ 这不是传统意义上的IPO，这是一场逃命式上市。 训练下一代大模型，需要几百亿。OpenAI去年已经融了400亿美元，Anthropic融了300亿。但这些钱，还不够。 Amodei冷酷地预测：全球最终能留在第一梯队的，只会是少数几家「核心大模型企业」。 算力资金缺口已经超出了全球私募投资（VC/PE）的承受极限，唯有二级市场，唯有华尔街数以万亿计的流动性，才足以支撑这场豪赌。 在即将披露的Anthropic与OpenAI的IPO招股书中，华尔街将首次窥探到10万张显卡黑洞背后的真实成本。 这是决定无数科技股生死的一份判决书。 震荡中迎接ASI新王者 下周，神仙打架 下周，AI三巨头将同台竞技，开启白热化对决。 Anthropic将推出Claude Mythos衍生版，已进入红队测试阶段。 OpenAI的GPT-5.6紧随其后。 谷歌Gemini 3.5 Pro定于6月初上线。 我们正在经历人类历史上最伟大的科技革命。 当巨头们完成了排位赛，当万亿美元的流动性完成了痛苦的换血腾挪，当虚高的边缘概念股被扫入垃圾堆，真正的ASI时代新王者，将从废墟中升起。 AI时代最大的铁王座之争，才刚刚拉开序幕。 接下来，将是有史以来最疯狂的一周。

智东西 作者 | 李水青 编辑 | 心缘 智东西6月6日报道，今日，在INSPIRE 2026华为云创想者大会期间，华为云发布商业市场AI场景化解决方案，联合伙伴面向制造、金融、零售三大领域发布轻量化AI场景方案，包括制造轻咨询与智慧助手、金融轻量化基础设施与智能应用、零售智能化与数字化供应链等，以此加速AI商业普惠。 同时，华为云OPC（超级个体）创新支持计划亮相，覆盖商业加速、技术创新、品牌提升的全流程，提供资源、AI赋能、专属技术保障及联合营销资源，助力OPC快速提升影响力。 面向软件开发、电商运营、数字内容创作、设计与创意、教育培训、专业咨询等行业场景，华为云提供OfficeAce办公智能体、CodeArts代码智能体、OpenClaw/Hermes融合方案等多款核心产品，助力OPC快速成长。 华为云在现场公布了一组最新数据：其全球商业市场流水在2025年增长超20%，国内和海外市场业绩都显著增长。 增长背后的数量和质量双提升：其已在全球发展150多家总经销商、250多家核心领先CSP（云解决方案服务商）、4000多家全球合作伙伴。2025年业绩过亿伙伴达20多家，业绩过千万的伙伴达170多家，服务了70多个行业以及100多万客户。 华为公司高级副总裁、华为云全球营销服总裁杨友桂谈道，加强与伙伴的合作是华为今天的战略，永远不动摇。未来华为云50%的收入将来自华为直销，50%来自伙伴销售。华为云要助伙伴达成“4更”体系：更信任、更挣钱、更简单、更好成长。 如何实现“4更”？华为云全球销售总裁李实谈道，主要围绕“4P”——适销产品（Products）、伙伴政策（Policies）、组织赋能（Partner People）、流程&平台（Process&Platform）来实现。 1、适销产品：华为云基于AI全栈能力，构建了“硅基黑土地-MaaS开放模型服务-企业级智能体平台-生态专区”四层产品体系。面向商业市场，华为云聚焦场景价值、体验和易用性，推动产品从手动配置走向开箱即用，从复杂部署变为简易高效部署，从需要原厂服务转向伙伴自主完成自服务。同时，华为云强化了从GTM到GTD的伙伴上市管理，帮助伙伴更轻松地使用先进技术体系。 2、伙伴政策：华为云的伙伴政策是与近100家伙伴共同调研、共创形成的，而非华为单方面发布。华为云坚持长期主义，承诺政策至少三年稳定不变，且只会变得更好。 3、组织赋能：华为云面向伙伴CXO、伙伴操盘手、伙伴执行层三类人群进行分层赋能，提供实战赋能、配套素材、认证考试券等权益，从而助伙伴扩大项目管道、提升项目体量并提高赢单率。 4、流程&平台：华为云计划本月发布伙伴一站式平台，将沉淀30多年的销售方法论完整延伸到伙伴侧，作为伙伴自主作战的核心工具。该平台实现从机会点录入、项目跟进、自主报价、特商申请到最终成交的全流程可视透明。伙伴可以随时查看每个客户的流量变化、订阅情况，以及当月当天的激励返点、权益和可用券等信息。 会上，上海政企云服务商恒岳云、国内头部数字化软件服务商中软国际、北京行业SaaS云服务商祥云至达、泰国跨境公有云服务商Vonosis的相关负责人作为代表，分享了他们与华为云联合进行AI落地的实践经验。 恒岳云是华为云的标杆总代服务商，其基于华为云提供的“三大行业、六大场景、10多类产品”，推出伙伴可用的作战地图、客户分级清单、利润计算器，并通过华为云四大获客资源帮伙伴打开全新客户。 典型案例如快消饮料场景，恒岳云联合华为云以“天筹求解器+AI”方案，帮伙伴找准业务决策人，POC验证节省运费3.65%，拓展周期从6个月缩至2个月，首单签约金额超100万元，年省700万成本。五年间，恒岳云从零起步，华为云相关营收突破3亿元，5年营收增长75倍。 中软国际是华为云顶级SI和总代，与华为云同行九年，至今累计业绩破百亿，持续保持伙伴体系第一。在华为云4P基础上，中软国际构建PCEP（伙伴生态协同支撑体系）支撑体系：通过五维评分精准匹配资源，分层激励让伙伴“敢投入、能增长、有回报”；联合伙伴深入行业，将标杆场景提炼为标准化作战包，并提供AI全生命周期服务。同时其打造了三大使能平台（华夏云网、灵犀、CodeArts）及AI Bootcamp前导式训练营，全年百场赋能。 其在现场分享的一个典型案例是与博士科技共建全国首个大模型驱动的科技成果转化服务平台，依托华为云MaaS实现产研智能匹配，中软国际提供技术兜底与联合营销，助伙伴打造第二增长曲线。 祥云至达自2018年携手华为云，依托其培训、方案、平台等作战体系，从普通经销商成长为华为云核心级CSP，累计服务客户超3万家。 抓住回收行业数字化窗口期，祥云至达经华为云四川办引荐联合行业龙头四川银谷碳汇，选定“AI讲师”作为首个切入点。其基于华为云MaaS、智果平台落地“启飞带教”智能体，可承接90%高频答疑，使得培训效率提升3倍，标准化率提升60%，经验流失损失降低90%。项目2026年5月签约，预计8月落地，并以此向门店运营等场景复制。 Vonosis是泰国100%专注华为云的伙伴，组建了专属运营、销售与市场团队。2023年晋升为总经销商，此后每年收入翻倍。华为云提供销售方法论等资源，助其主攻医疗云迁移、制造AI+IoT、金融安全及政府云优先四大市场，并借助华为云本地合规能力完整响应客户需求。 在与泰国本土老牌大型IT产业集团Ballet Group的合作案例中，Vonosis依托华为云ModelArts开发了名为“PROMISE”的解决方案，帮助其客户解决成本与数据可见性问题，实现成本降低30%、效率提升40%。未来Vonosis将在泰国建立AI社区，聚焦行业解决方案，与华为云共同推动伙伴增长。 结语：Agent重构计算范式，华为云锚定To B生产力 Agentic AI正在引发计算范式的根本性跃迁。从通智一体化调度到记忆存储、安全运行环境，基础设施层不再是被动的资源池，而必须进化为能感知、会调度、可进化的“Token工厂”。 AI行业落地的门槛正在快速下移。不同于友商拼Token总量与C端规模，华为云锚定To B生产力、坚持公有云+混合云并重、打造自主算力第二平面，试图在政企与国计民生场景构筑“硅基黑土地”。 华为云在INSPIRE大会上完成了一次“上下贯通”的战略合围。向下，以Agentic Infra四大新品、智果园入口和行业AI梦工厂等AI新品，将Agentic AI从概念推向可交付的基础设施；向上，以“4P”体系和OPC计划等方案激活销售体系，促进AI商业化普惠。

编辑｜泽南、杨文 AI 视频生成，卡在长视频这道坎上太久了。 过去一年，视频生成赛道动作频频。谷歌推出 Veo 系列，并在今年 I/O 大会发布新一代多模态视频生成与编辑模型 Gemini Omni Flash；字节的 Seedance2.0、快手可灵、阿里的欢乐马也一次又一次，打破了我们的预期。 各家模型生成的画面一个比一个好看，只可惜时长大多不超过 20 秒。一旦把视频拉长到分钟级，麻烦就来了，要么是同一角色跨镜头后面目全非，要么是说着说着声音变了或没了；想改一个镜头，整条视频还得重新生成…… 正因如此，AI 长视频难以真正进入专业内容生产的工作流。 最近，一项开源的新技术却向我们展示了一幅完全不同的图景。 先来看个 case。 自动播放 注：本视频内容仅供学术研究与技术测评目的使用，不用于任何商业用途。 皮克斯风格的 3D 质感还原得相当到位，动画细节处理也不含糊。 关键是，两分半钟里涵盖十余个镜头，近景对话、远景追逐、公路全景交替出现，场景间过渡处理得很顺滑，且角色形象能始终保持一致，音画也同步自然。这全都是一次性生成的。 这个视频，正是出自京东近期开源的长音视频生成框架 JoyAI-Echo。 相较于市面上其他视频模型，JoyAI-Echo 有三大亮点。 它能够实现长达五分钟的跨镜头「音视频双重一致」，保证角色的面部特征和说话音色不变。 同时告别了过去「改一个镜头要重跑整条视频」的盲盒式生成，我们可以直接通过自然语言指挥 AI 进行局部修改，实现非线性剪辑与局部重绘。 此外，它支持流式延迟约束下的两档实时超分，最高可直接输出 1472×2560 分辨率的高清视频与精细化音频，满足专业级内容生产门槛。 目前，该模型的代码和权重文件均已公开，可免费下载使用。 GitHub：https://github.com/jd-opensource/JoyAI-Echo 项目主页：https://echo-team-joy-future-academy-jd.github.io/Echo-LongVideo-Page/ 视频创作，不用抽卡了？ JoyAI-Echo 还跑出了一大堆视频，个个超过两分钟，自带配音。 自动播放 本视频内容仅供学术研究与技术测评目的使用，不用于任何商业用途。 从视频中我们可以看到， 模型精准还原了黑暗写实的哥谭氛围，蝙蝠侠从雨中屋顶的特写对话，到俯冲跳跃、巷战、摩托追逐和仓库对峙，场景频繁切换，但角色外形、服装和环境风格始终统一，没有出现常见的风格漂移。 湿滑地面和动态模糊效果的处理，增强了动作戏的真实张力，雨声、脚步声、引擎轰鸣与对话也各占其位。 自动播放 这类 vlog 视频，难点在于真实感。 穿牛仔的年轻男子出现在各种场景自拍，开场手持自拍杆的自然晃动与行走步伐匹配自然，动作流畅，后续画面加入不同出镜者也没有穿帮。 151 秒的视频画面中，男子面部轮廓、发型、表情与服装纹理保持高度一致，车辆、行人和室内陈设等环境元素在不同视角间也过渡自然。 自动播放 前几段生成视频还靠场景和动作撑起视觉张力，而这段视频比的是细腻度。 画面中的人物发丝、毛衣质感和环境光影都很真实自然，女生肢体姿态也流畅。 不过，在快速切镜时，背景细节偶有轻微不一致，但不影响整体观感。 这样的表现，已经把 AI 视频生成从 demo 和搞笑视频生成器推向了工业级生产工具的范畴。 过往的视频生成技术受限于严重的时空上下文遗忘和错误累积，很难用到故事创作、数字人助手或实时内容生成等实际场景中。而 JoyAI-Echo 展现出的跨镜头「音画双重一致性」，证明了 AI 已经具备在长时序、复杂多视角下处理长篇角色驱动型叙事的能力，让 AI 真正有了讲好一个完整长故事的可能。 JoyAI-Echo 也重塑了创作者与 AI 之间的协作范式。由于能直接输出具备语义意义和高准确率的台词对话，视频创作告别了「输入 Prompt、拼运气抽卡」的被动模式，在智能体和局部重绘机制的辅助下，视频生成演进成了人机动态协作的非线性剪辑的范式。 创作者现在不需要再为某一个穿帮镜头而将整条长视频推倒重来，极大地降低了改稿成本，AI 能够无缝地嵌入到影视前期预演和动态分镜的工作流中。 那么 JoyAI-Echo 是如何做到的？ 如何攻克长视频生成难题？ 从技术报告中我们可以看出，JoyAI-Echo 在底层架构、数据清洗、多模态对齐及推理加速上有不少创新之处。 该框架通过两层互补的技术矩阵，攻克了长视频生成中长时一致性、高渲染延迟和低交互灵活性的行业难题。 百万级「身份向心型」语料，从源头解决变脸 过去，大模型拍视频容易翻车，很大程度上是被喂进嘴里的数据给误导了。传统 AI 视频训练高度依赖优化单镜头质量的平铺式数据集，这就导致模型只学过短时间内画面怎么画才好看，但没有理解过同一个角色在不同时空、不同光影和服装下的视觉连贯性。 为此，JoyAI-Echo 构建了一套全新的身份向心型视频语料库（Identity-Centric Video Corpus），该流水线从电影、电视剧和长网页视频中，精准提取出了超过 100 万个独特的角色身份原型，再经过全局原型与时空去重，多轴质量过滤与流追踪，紧凑型音视频联合标注，为模型生成内容的一致性提供了保障。 「槽位配对」记忆机制，给面部和声音上双保险 在模型架构上，JoyAI-Echo 放弃了直接的端到端生成，转而采用基于渐进演化记忆库（Evolving Memory Bank）的迭代分镜合成机制。其核心技术在于设计了「槽位配对（Slot-Paired）」音视频记忆交互机制。 槽位配对视听记忆交互机制概览。 它相当于给每个角色的脸和声音进行了直接绑定。其中，每一个历史事件都包含对齐的视觉和音频记忆标记。在生成阶段，目标视频和音频标记由两个扩散分支进行处理，而记忆标记仅作为条件上下文使用，不参与损失计算。在音频分支中，「音频 - 记忆」自注意力掩码控制着目标音频标记与音频记忆标记之间特定层级的交互。 在跨模态模块中的「槽位感知」跨注意力掩码，强制实现了配对的视觉与音频记忆槽位之间的一一对应交互，从而防止了跨事件的人脸与声音混淆。 由此，该模型在仅预测当前视频和音频目标的同时，依然能够保持长程的视觉身份一致性及说话人音色的一致性。 后训练体系：嘴型对得准，推理快 7.5 倍 为使底层架构释放最大潜力，研究团队设计了一套由浅入深的后训练体系。 长上下文损失重定向与梯度放大（控口型）：由于长上下文会让语音驱动面部变得更困难，在基础训练阶段，视频损失权重会根据当前的记忆槽位长度进行动态调大，防止口型同步退化。同时，音频到视频的交叉模态梯度在 forward 不变的前提下被放大（二阶段放大至 6 倍），显著强化台词对嘴型的控制力。 多分辨率渐进式 SFT（提画质）：将单镜头高清样本与概率性采样的多镜头语料融合 fine-tune。采用 480p 到 720p 渐进式分辨率调度，在增强单镜头与长视频画面质感的同时，完美继承了多镜头一致性能力。 OmniNFT 跨模态对齐强化（RLHF 对齐）：针对多模态强化学习中「音画奖励不一致」、「视频梯度污染浅层音频网络」以及「对齐贡献度分配不均」三大瓶颈，JoyAI-Echo 引入了 OmniNFT 框架。它实现了模态特异性优势路由（独立分发视觉、音频、同步奖励）、层级梯度手术（在浅层音频网络断开视觉梯度，在深层保留交互），并利用视听交叉注意力图谱作为内在代理，对发声关键区域实施局部损失重绘。 双向与因果 DMD 蒸馏（加速）：为了彻底甩掉生成步骤冗长的硬件包袱，团队采用分布匹配蒸馏（DMD）将多步双向生成器压缩为 8 步学生模型，且在训练期间平衡视听损失系数，通过 EMA 优化器动量缓冲平滑音频 gradient 噪声。值得关注的是，DMD 训练中加入了记忆输入降级模拟（Degradation），故意模拟长序列滚出时自生成历史产生的漂移，使模型对误差累积具备极强的鲁棒性。该架构还能自然延伸至块状因果流式生成（Causal Streaming Generation），实现从全上下文去噪到因果流式生成的无缝过渡。 在生成模型之上，JoyAI-Echo 又加入了两个让工业落地成为可能的模块。 智能导演智能体（Director Agent）传统的视频工具是「一次性输入、盲盒式抽卡」。而该智能体引入了「工具与技能抽象」工作空间，能把用户的模糊需求自动细化为包含角色卡、场景卡、分镜时长的结构化剧本。它利用 KOK（关键镜头的关键帧）策略提取动态记忆条目。创作者如果对某个镜头不满意，只需用大白话在评审阶段提出修改意见，智能体就会自动定位并针对该镜头进行局部重绘和记忆更新，整条长视频无需重新生成。 导演智能体（Director Agent）工作流概览。该智能体将长篇视频的生成过程划分为规划、生成和评审三个阶段，支持利用局部反馈进行非线性修改，再通过单步超分网络进行高画质输出。 联合单步超分架构（Unified One-Step SR）则将空间放大的算力包袱从自回归流程中彻底解耦。依托超 87 万顶级视听语料，自研了 CondSRPatchifyProj 轻量级模块。它仅需单个扩散流前向步骤，就能将 720p 潜在空间直接扩展至 1152×1920（1K） 或 1472×2560（2K）的高清视听 Token 空间，在维持流式极低延迟的同时，大幅拉高了成片的细节美学。 通过在包含 100 个剧本故事、3000 个顺序镜头（跨动漫、写实风格、含指定 IP 与原创角色）的超长生成基准评测集上进行测试，JoyAI-Echo 的各项指标均位列前茅： 可见，JoyAI-Echo 在视听一致性方面保持领先，台词准确率达到了 0.8646，在最后成片的盲测偏好与短视频能力上都非常优秀。 结语 JoyAI-Echo 的出现像是一个信号：长视频生成，终于从「能用」迈向了「好用」。 在此之前，AI 长视频生成的瓶颈，一直卡在时间维度上的连贯性，也就是一个角色能不能在五分钟里始终是同一张脸、同一把声音，一段内容能不能像真实拍摄那样经得起反复打磨和局部修改。这些问题，决定了 AI 视频能否真正进入专业内容生产的工作流，还是继续停留在演示层面。 JoyAI-Echo 用跨模态记忆库、记忆驱动后训练和 Director Agent 三套机制，给出了解决方案。 更值得关注的是开源这个选择。代码与权重的全量开放，意味着这套解决方案不会锁死在某一家公司的产品边界里。开发者可以在此基础上针对垂直行业进行二次开发，内容创作者可以将其接入自己的工具链，研究社区可以在公开的技术底座上继续推进。这种开放本身，往往比模型本身更具长远价值，它把一项技术突破，变成了整个产业可以共同搭建的基础设施。 从谷歌、字节、快手到阿里、京东，视频生成赛道的竞争从未停止，拼完画质拼时长，拼完时长拼一致性，下一站，很可能是谁能先把人机协作式创作这件事做通。 JoyAI-Echo 的 Director Agent，正是在这个方向上迈出的一步。当我们可以用对话的方式指挥 AI 修改某一个镜头，视频创作的门槛就不再是工具的使用难度，考验的是创作者自己的想象力。 AI 长视频时代，这次是来真的了。

IT之家 6 月 6 日消息，科技媒体 Tom's Hardware 昨日（6 月 5 日）发布博文，报道称在 2026 台北国际电脑展上，黄仁勋指出未来计算将收敛为一套面向 AI 智能体的统一模式，并从云端延伸到 PC、汽车、机器人与各类边缘设备。 IT之家援引博文介绍，黄仁勋表示该模式覆盖 AI 训练和推理，并从云端向外扩展到笔记本、汽车、机器人、基站和卫星，最终让“所有边缘设备都具备自主运行能力”。 黄仁勋提到，自动驾驶、类人机器人和通信基站，本质上都能视作不同硬件上的同类智能体系统。 以自动驾驶为例，黄仁勋称英伟达的驾驶系统更像基于语言推理，未来甚至可通过读取“技能文件”和教程视频来操作陌生设备。 在数据中心侧，Vera 是英伟达新推的 88 核 Arm 处理器，现已进入全面量产。黄仁勋强调，这是为 AI 智能体生成“词元”设计，因此更重视单线程速度和内存带宽。

IT之家 6 月 6 日消息，在接受 CNBC 采访时，软银（SoftBank）首席执行官孙正义表示：OpenAI 正在推进“AI 设计开发 AI”，AI 参与设计该公司的后续模型，并认为 AI 正逼近 ASI（人工超级智能），并把到来时间从 10 年缩短至 2 年。 在采访中孙正义表示，他曾经和萨姆 · 奥尔特曼（Sam Altman）以及多名 OpenAI 工程师交流，指出 AI 模型已能用来设计未来模型。他判断，这种模式会扩展到其他主流模型，人类工程师将难以独自设计更强模型。 OpenAI 在 2 月称，GPT‑5.3‑Codex（GPT‑5.3 代码模型）是其首个“参与创造自身”的模型。Codex 团队曾用早期版本调试训练、管理部署，并诊断测试结果与评估问题。 孙正义此前把 ASI 定义为比人类聪明 10000 倍的 AI。他在 2024 年预测 ASI 将在 10 年内到来；如今他称，当时说法偏保守，真实预期已改为未来 2 年内出现。 他还透露，自己每天使用 ChatGPT 聊天机器人 2 至 3 小时，并认为它在多数科目上比自己更聪明。他预计未来数年内，AI 会在 70％至 80％科目上超过人类。 图源：WikiMedia

新智元报道 【新智元导读】没人重训模型，没人重写代码，OpenAI的AI系统六周内自己把准确率从25%拉到86%。Codex自己定位bug、写修复、跑测试，AI自我进化已在生产环境跑起来了。 最近，OpenAI悄悄干了一件细思极恐的事。 一个AI系统，没人重新训练模型，没人重写代码，六周内自己把准确率从25%拉到了86%。 在官方博客中，OpenAI把「怎么让AI自己变强」的完整方法论，白纸黑字全写出来了。 结合今年2月GPT-5.3-Codex「参与构建自身」、4月Symphony开源、5月MOSS源码级自我改写，一条被OpenAI藏了半年的暗线，终于浮出水面。 AI自我进化，已经在生产环境里跑起来了。 180→15小时，6周准确率翻三倍 这个AI报税系统叫Tax AI，OpenAI和Thrive Holdings联合做的，服务于Crete会计师联盟旗下30多家事务所。 先看一个人的故事。 去年，Crete的一位资深会计师花了整整180小时准备客户税表。 今年，同样的工作量，15个小时搞定。 省下来的时间她做了件以前根本不可能的事，逐一给每位客户打电话，亲自讲解报税细节。剩下的精力，全拿来开拓新客户。 整个赛季，Tax AI处理了7000份税表，准确率最高97%，产能提升约50%。 但真正炸裂的不是这些数字，是增长曲线。 六周前只能处理最简单的W-2和1099表格，连K-1都搞不定。六周后，字段完成准确率从25%飙到86%。 系统越用越强，而且在加速。 Bug自己修，测试报告自己写 怎么做到的？ Thrive Holdings的老板Joshua Kushner，同时也是OpenAI最大投资方之一。 去年12月，OpenAI入股了Thrive Holdings，直接把工程团队派驻到会计师的办公桌旁边。 看着真实的税表、真实的客户数据、真实的报错，一起打磨了六个月。 传统AI产品改进是这样的，上线，出bug，用户投诉，工程师排查，改代码，重新部署。 整个循环慢得要命，每一步都卡在人身上。 Tax AI用了三招，就把这个循环的大部分环节自动化了。 第一招，让从业者的每次纠错变成结构化数据。 会计师审核Tax AI的输出时，每改一个字段，系统完整记录三件事，AI预测了什么、会计师改成了什么、最终报税用了什么。 关键在于，系统把每次修改都当作改进的起点，而不是终点。 第二招，生产环境里的每一步都留痕。 从源文件上传，到字段提取，到引用溯源，到税务引擎映射，到会计师纠正，到最终报税。 整条链路的每个节点都有trace。 出错的时候，可以精确定位到底是OCR读错了手写笔记，还是字段映射逻辑有gap，还是压根不支持这种表格类型。 第三招，用Codex把发现变成修复。 当系统发现某类错误反复出现，比如Tax AI总是漏掉租赁房产的「公平出租天数」字段，而会计师每次都手动补上。 这个pattern就会被打包成一个有明确成功标准的工程任务，扔给Codex。 Codex拿到的不是一个模糊的bug报告。 它拿到的是完整的生产trace、出错的源文件样本、期望输出、相关代码路径，外加一套专门针对这个问题的eval测试集。 然后Codex自己检查提取逻辑、映射规则、评分器，提出修复方案，跑targeted eval验证，再跑回归测试确认没引入新问题，最后生成一个PR等人类工程师review。 如果证据模糊，任务会路由回产品团队，而不是硬塞进流程。 你没看错。bug修完了，还自带测试报告。 效果立竿见影。租赁房产相关字段处理，从几乎不可用到90%精确率和召回率，六周。 而这六周积累下来的抽象能力和eval规范，又让后续支持Schedule C和Schedule A变得更快。 系统越用，能处理的问题越复杂。越复杂的问题被解决，每份税表省下的人工时间越多。 这是一条加速曲线。 AI进入自我改进时代 2月，OpenAI发布GPT-5.3-Codex的时候写道：「GPT-5.3-Codex是我们第一个在创造自身过程中发挥了关键作用的模型。」 Codex团队用这个模型的早期版本来调试自己的训练流程、管理部署、诊断测试结果。 模型参与了自己的构建。 4月，OpenAI开源了Symphony，一个把Codex和Linear项目管理工具连起来的编排层。 起因很现实。OpenAI的工程师发现，一个人同时管3到5个Codex会话就已经是极限了，再多就陷入上下文切换的泥潭。 人的注意力，成了Agent产能的天花板。 而Symphony的思路很暴力，别管Agent了，管工作本身。 它监控issue tracker，给每个ticket分配一个独立的Agent工作空间，Agent自己干活、跑CI、生成PR。工程师只负责review产出物。 当Agent失败了，工程师不去改prompt让它「再试一次」，而是去想「它缺了什么能力、什么上下文、什么结构」。然后修harness，不是修prompt。 OpenAI内部用Symphony之后，部分团队的工程产出直接翻倍。 同样是4月，学术界也跟上了。ICLR 2026在里约专门办了一个「AI递归自我改进」的workshop。 紧接着5月，一篇叫MOSS的研究把这件事推到了更极端的位置。它让Agent不只改prompt或workflow配置，而是直接改写自己的源代码。 在OpenClaw平台上，MOSS在一个无人干预的进化周期内，把四个任务的平均评分从0.25拉到了0.61。 论文地址：https://arxiv.org/abs/2605.22794 Tax AI不是孤例。「Agent自我改进」已经成了2026年上半年最密集的技术主线。 模型层面，GPT-5.3-Codex参与自身构建。 工程层面，Symphony加上Tax AI的生产闭环。 学术层面，MOSS实现源码级自我改写。 不动模型权重，照样越来越强 这里有个关键区分。 过去大家谈AI进化，说的是fine-tuning，是RLHF，是改模型权重。那条路需要海量数据、大量GPU、专业团队，门槛极高。 现在OpenAI展示的这条路完全不同。 模型权重纹丝不动。 改的是模型周围的一切。提取逻辑、映射规则、eval标准、工作流配置，甚至Agent自己的代码。 打个比方，模型是引擎，harness是车身。即便不用换引擎也能让车跑得更快，改底盘调悬挂就行。 如此一来，自我改进的门槛就被大幅拉低了。 你不需要自己训练模型，只需要三件事，设计好eval体系、留好生产trace、让一个足够强的coding agent去跑「发现→定位→修复→验证」的闭环。 模型智能是起点 系统智能才是终局 回到Tax AI。 如果你只看「AI帮人报税」这个表层叙事，竞争壁垒看起来很薄，换个大模型接上去似乎也能干。 但如果你看到的是底层那套自我改进的闭环，结论完全不同。 Tax AI的全部知识产权归Thrive Holdings所有。OpenAI派了半年工程师，最后连IP都没留。 这在硅谷大厂的AI合作里极其罕见。 Thrive Capital是OpenAI最大投资方之一，去年12月OpenAI反手入股Thrive Holdings，不给现金，给工程师、给模型、给深度集成，最后产品归你。 OpenAI图什么？ 答案就藏在Tax AI的增长曲线里。 每处理一份税表，每收到一次会计师的纠正，系统就多了一份改进自己的证据。这个飞轮一旦转起来，OpenAI就拿到了一个完整的、经过生产验证的Agent自我进化范式。 一个报税产品的IP不值钱。一套可复制的自我改进方法论，才是真正的战略资产。 现在范式跑通了。Thrive Holdings已经在把同样的闭环复制到记账、审计、IT运维。 而另一边，Anthropic也没闲着。 Conway，那个7x24小时永不下线的Agent平台，底下搭的是Memory Files持久记忆加上Dreams异步整合。 说白了，也是在给Agent装上一个能自我维护、自我进化的「永久大脑」。 两条路线，殊途同归。 OpenAI用Codex驱动的eval闭环，让Agent在生产中自己修bug。Anthropic用文件记忆加梦境机制，让Agent在会话间自己整理经验。 方法不同，赌的是同一件事，Agent能不能从「一次性工具」变成「越用越强的系统」。 在通往ASI的路上，模型智能只是起点。 真正的终局，是系统智能，一个能从环境中持续学习、持续进化、持续变强的整体。

现在，ChatGPT 的记忆系统更像人了。 OpenAI 近期推出了一套全新的记忆系统，底层基于 Dreaming 技术。 它会在长期对话中自动整理你的偏好、项目、设备、旅行计划和生活安排，并在回答时判断哪些信息仍然有用，哪些已经过时。 不过，本次更新率先向美国 Plus 和 Pro 用户开放，未来几周会扩展到更多国家，并逐步覆盖 Free 和 Go 用户。 不再从零开始，ChatGPT 全新记忆系统登场 其实早在 2024 年 4 月，ChatGPT 就曾推出记忆功能，但当时主要形式是「保存记忆」，比如用户可以明确要求 ChatGPT 记住某些信息，比如旅行安排、饮食偏好、名字或工作要求。 早期机制更像一个个人备忘录。用户说得足够明确，系统就会保存，并在之后的对话里参考。但真实使用中，很多重要信息并不会以「请记住」的方式出现。 用户可能只是在一次咨询里提到自己的设备，在一次旅行规划里顺带说出住宿偏好，在一次工作讨论里透露项目背景。旧版本很难稳定捕捉这些自然散落的上下文。 此外，人的位置会变化，计划会结束，项目会推进，偏好也可能调整。静态记忆如果长期不更新，个性化反而可能变成误导。比如用户曾经说过要去新加坡，旅行前这条信息很有用；旅行结束后，系统如果仍按新加坡推荐外卖，就会出错。 为了解决这些问题，使记忆能够随着时间更新并更准确地反映用户的真实需求，OpenAI 在 2025 年 4 月引入第一代 Dreaming，试图让 ChatGPT 在后台参考历史聊天，自动整理多次对话中的有用信息，并合成新的记忆状态。 过去一年，Dreaming 和保存记忆一起提升了个性化能力，但早期版本还不足以单独支撑完整记忆系统。 新版本建立在 Dreaming 之上，目标是同时解决三个问题：延续有用背景、遵循用户偏好、随时间保持正确。 OpenAI 在官方博客中给出了几个例子。用户如果此前讨论过摄影设备，之后询问水下摄影配件，ChatGPT 就能结合具体相机、外壳和闪光灯给出兼容建议，而不是只给通用清单。 用户如果计划新加坡旅行，系统也能结合过去提到的野生动物摄影偏好、酒店空调需求和安静用餐习惯，给出更适合个人的行程。 用户曾经在某地旅行，系统还要知道这可能只是临时状态，不能几个月后继续当成当前位置。 内部评估数据也反映了这种变化。 在事实回忆测试中，2024 年保存记忆（Saved memories）系统的任务成功率为 41.5%，2025 年保存记忆加 Dreaming V0 为 67.9%，2026 年 Dreaming V3 达到 82.8%。 在偏好遵循测试中，三者分别为 31.4%、55.3% 和 71.3%。 在随时间保持正确测试中，提升更明显，2024 年为 9.4%，2025 年为 52.2%，2026 年达到 75.1%。 这些数据说明，OpenAI 想让 ChatGPT 记住的，不只是更多信息。真正关键的是，系统要知道哪些信息仍然新鲜，哪些已经失效，哪些适合进入当前回答。 个人助理的终点，是变成另一个「你」 产品层面最明显的变化，是新增「记忆摘要」。 OpenAI 表示，Dreaming 合成出的记忆可以通过记忆摘要页面查看。用户可以看到 ChatGPT 认为重要的个人信息，包括工作、兴趣、旅行计划、长期项目和回答偏好，也可以在摘要中添加或修改信息。 记忆摘要会自动更新，并显示最近更新时间。 用户可以直接输入修改要求，也可以选中具体文字进行更正，或选择「以后不要再提」。不过，OpenAI 强调，这类操作只会减少未来主动提及，不等于彻底删除相关信息。 如果用户想完全移除某项信息，需要删除所有可能来源，包括保存记忆、过去聊天、归档聊天、上传文件、记忆摘要，以及已连接应用中的相关内容。 当然，如果你觉得新版的自动摘要不够可控，OpenAI 依然为网页端的 Plus 和 Pro 用户保留了旧版的「Saved memories」系统。 和往常一样，更相关、更常被提及的信息会被放在前台，不那么重要的内容会转入后台，以减少记忆容量被占满的情况。系统判断优先级时，会参考信息的新旧程度，以及用户谈到相关话题的频率。 用户也可以手动干预。在 Saved memories 页面里，可以搜索记忆，按最新或最旧排序，也可以对单条记忆提高或降低优先级。处在后台的记忆会以灰色显示。用户还可以删除某条记忆，或一次性删除全部记忆。 此外，OpenAI 还提供了记忆历史功能。用户可以查看不同时间点的 saved memories 版本，并恢复到此前某个版本。这意味着，当记忆开始自动更新，用户至少还能看见它如何变化，并把系统拉回到过去的状态。 OpenAI 还加入了「记忆来源」功能。 用户可以通过回答下方的书本图标查看哪些来源参与了个性化回答。来源可能包括过去聊天、保存记忆、自定义指令、文件和 Gmail。来源展示不会列出全部影响因素，但能让用户更清楚 ChatGPT 为什么给出某种个性化回答。 不同套餐可用的来源范围并不一样。 Free 和 Go 用户可使用过去聊天、保存记忆和自定义指令。Plus 和 Pro 用户在部分地区还能使用文件库和 Gmail。Gmail 需要用户主动连接，连接后可用于识别旅行确认邮件、项目线程或日程背景。值得注意的是，文件和 Gmail 来源在欧洲经济区、瑞士和英国不可用。 记忆控制仍在设置里的 Memory 页面。 用户可以开启或关闭记忆，也可以使用临时聊天。临时聊天不会使用已有记忆，也不会创建新记忆。 关闭保存记忆不会自动删除已保存内容，删除聊天也不会自动删除从聊天生成的保存记忆。用户需要单独删除相关记忆，或要求 ChatGPT 忘记。 隐私问题随之变得更重要。 OpenAI 承认，用户在聊天中分享的敏感信息可能出现在记忆里。用户如果不希望相关内容用于未来个性化回答，可以关闭记忆、使用临时聊天、删除相关聊天、删除文件，或断开已连接应用。 模型训练方面，如果用户开启「Improve the model for everyone」，过去聊天、保存记忆和相关记忆内容可能被用于改进模型。ChatGPT Business、Enterprise 和 Edu 客户内容默认不会用于训练。 部署层面，OpenAI 称近期改进使 Dreaming 所需计算资源减少约 5 倍，因此 OpenAI 现在也开始向 Free 用户提供符合质量要求的版本，同时提高 Plus 和 Pro 用户的记忆容量。 对 OpenAI 来说，记忆是 ChatGPT 从模型走向助手的关键一步。 一个真正的助手，不能每次都从零开始。它要知道用户正在做什么，习惯怎样表达，哪些计划已经结束，哪些偏好仍然有效。否则，所谓个性化就只是一套更礼貌的通用回答。 但记忆也会改变用户和产品之间的关系。 当 ChatGPT 开始记住你的项目、旅行、文件、邮件和生活约束，它就不再只是一个聊天窗口。它会越来越像一个长期存在的个人界面，帮助你调用信息、安排任务、解释世界，也在无形中积累对你的理解。 某种意义上，记忆是 AI 助手的成人礼。 这也让人联想到《银翼杀手》系列反复追问的那个经典命题：记忆（无论真实或植入）是否足以定义人性、构成自我认同，以及能否作为区分人与复制人的标准。 而 ChatGPT 今天发布的记忆系统，提出的则是相似的问题：当一个 AI 长期保存你的经历、偏好和判断方式，它会不会逐渐成为你的外置自我？ AI 助手的尽头，可能是一个可编辑的自己。

整理｜《中国企业家》见习记者 苗诗雨 记者 马吉英 见习编辑｜张昊 编辑｜马吉英 头图来源｜AI生成 过去10年间，曾属于“科幻”范畴的人工智能正变得无所不能。大语言模型能通关司法等专业考试，图像工具能在数秒内生成电影级作品……但它却摆不好一副碗筷——3岁孩子可以不假思索完成的日常动作。 这割裂的反差背后，或许藏着一个被行业长期忽视的真相：我们对“智能”本身的理解，从一开始就偏离了方向。越来越多学者、从业者开始思考智能的本质究竟是什么，尤其是AI行业看上去正在陷入追求参数的虚荣表象，以及对系统的路径依赖，默认“更大就是更好”。 《智能简史：进化、AI与人脑的突破》（以下简称“《智能简史》”）一书对这种科技现象作了系统的思考。本书作者麦克斯·班尼特是一位AI创业者，他同时对脑科学和智能演化也有深入的研究。 来源：AI生成 他认为自己正在戳穿AI行业的认知“误区”：企业越执着于参数竞赛，越容易失去对智能本质的理解。他串联了生物进化史、神经科学与人工智能三大领域，用自己的理论推演出人类智能进化史存在“五次重大突破”，而AI技术或许在映射人脑进化的第六次跃迁。 而且，过往大众普遍被AI自主意识觉醒的“科幻观点”裹挟，但本书提出一个颠覆性的判断：真正危险的不是AI获得独立意识后的“反叛”，而是人类在工具理性的迷醉中，逐渐丧失对技术边界的清醒认知。 为什么AI摆不好碗筷？ 《智能简史》先是抛出了一个尖锐的话题：大语言模型可以完成高难度的学术探讨，却摆不好一副碗筷。 答案并非算力和数据支撑的不足，而是回归到智能的进化逻辑，从来不是单纯的“更大、更快、更强”的线性堆砌。麦克斯·班尼特认为，AI存在致命的结构性缺陷——“灾难性遗忘”。 虽然计算机的存储空间近乎无穷，但大模型一旦被新知识训练，极可能丧失执行先前学习任务的能力。这显然有别于人类大脑触类旁通、持续学习的能力，例如一个人学会了骑自行车，但并不会因此忘记如何游泳。 “答案深藏于人脑进化的10亿年历史中。”麦克斯·班尼特在书中写道，我们的大脑蕴藏着待解的进化密码，AI的未来或许正系于此。 全书贯穿了一个核心的理论框架——5次智能突破。作者基于神经科学、古生物学与计算理论的交叉验证，尝试去回答“智能”从何而来。 第一次：转向，对应“目标导向行为”的源头。两侧对称动物的出现，让生命从被动等待环境刺激，进化为主动寻找。这是智能最原始的起点：判断环境中的好与坏，并据此选择前进或转向。这也是早期扫地机器人Roomba的避障逻辑，恰好体现了初级的“识别”。 第二次：强化。脊椎动物的出现使得智能迈入了强化学习阶段，通过多巴胺驱动奖励与惩罚信号，生物在不断试错中，优化自己的行为选择。围棋程序AlphaGo的决策逻辑，是这一层智能的技术投射。 第三次：模拟。这是哺乳动物时代的标志性突破，大脑从条件反射进化到了具备想象能力。作者关联的是围棋程序AlphaZero，它不再依赖人类棋谱，而是通过“内部模拟”，在自我博弈中寻找最优解，生成训练数据。 第四次：心智化。灵长类动物进化了模拟他人心智的能力，能推测同类在想什么。而这份“换位思考”的智能，大语言模型至今仍无法真正拥有，它只能模拟意图，而非理解意图。简言之，AI能预测下一个关联词，却猜不透下一个人类念头。 第五次：语言。人类独有的语言能力，将个体智能连接成“共同体智能”，知识不会随着个体变化，而是跨世代的模拟、累积和共享。 麦克斯·班尼特强调，生物智能的进化，是“生理结构的信息升级”，每一次突破，结果都是身体结构能处理的信息越来越复杂。AI正在模仿人类的某些认知功能，但它跳过了生物演化中漫长且关键的阶段，这或许是所有局限的根源。 “忽视”比“取代”更危险 大众对AI的恐惧感，更多来自电影《终结者》等科幻叙事中输出的观点：机器人拥有自我意识后，将反叛人类。 但《智能简史》认为，这种担忧是偏离方向的。作者提出了一个有穿透性的洞察：人类惊叹于AI系统巨大的数据量，却忽略了它在思考上与人类的差距。 本质在于，AI只是无限“像人”。AI从复刻人类行为的最终结果出发，缺失了生物智能的底层系统，这是“像人”与“是人”的根本不同。 基于此，作者提出疑问：“意识”这种人类独有的体验，是否能被算法和代码真正复刻？书中指出，两者存在本质区别，即使是最先进的大语言模型，本质依旧是统计模式的复杂推演。 作者认为，真正的危险或许并非AI获得独立意识后的“反叛”，而是人类处在工具理性的迷醉中。 麦克斯·班尼特对智能体的隐患有截然不同的判断：人类沉溺于算力万能的快感之中，盲目追逐技术参数，而偏离了智能研发的本质。 书中也反复强调，发展AI的核心目的，不是让机器取代人类，而是让人类摆脱繁琐的信息处理工作，专注于擅长的创造、共情、追问等，“真正的进化，不是让机器更像人，而是人更像人。” 来源：AI生成 而基于5次智能突破的逻辑，在书的结论部分，作者也提出了一个命题：人工智能是否会成为“第六次突破”？ 他给出了审慎的判断。一方面，AI在模式识别、计算效率与信息整合上展现出超越人类个体的能力。但另一方面，现阶段的AI在关键维度上远不及人脑：理解情境复杂性、进行跨领域连接、基于共情与道德判断做出抉择。 根据书中的理念，“灾难性遗忘”只是冰山一角。更深层的局限在于，AI缺乏哺乳动物数百万年演化出的“世界模型”，也缺乏灵长类动物心智化能力所支撑的社交直觉，更不具备人类语言所承载的文化累积效应。换言之，AI可以在限定数据集、固定规则任务中碾压人类，但面对开放世界的模糊性和随机性，它是极易失灵的。 在作者看来，AI研发不能以模仿人类言行作为研发主线，需要借鉴生物演化规律。同时，AI研发前必须锚定人类发展人工智能的终极目标，以此划定技术取舍边界，明确AI该保留什么功能、舍弃什么研发方向。 正如他在结语中所言：“人类的目标应该是什么，这不是一个关于真理的问题，而是一个关于价值观的问题。”

13 亿美元：这是高通汽车业务 2026 财年第二季度（截至 2026 年 3 月）的单季营收，同比增长 38%。 年化算下来，高通从汽车上赚的钱已经超过 50 亿美元。高通 CEO 安蒙预计，到 2026 财年结束时，这个数字会突破 60 亿。 要知道三年前，高通的汽车年营收还不到 20 亿美元。 英伟达 2026 财年（截至 2026 年 1 月）全年汽车收入 23.49 亿美元，同比增长 39%。高通光一个季度就赚了英伟达大半年的量。当然，两家的计算口径不同，高通包含座舱、连接、ADAS 全栈，英伟达主要计入自动驾驶芯片和软件授权。 但趋势已经很清楚：在汽车芯片这条赛道上，高通正在拉开与多数对手的距离。 两天前，高通在无锡办了第四届汽车技术与合作峰会。60 多场演讲，70 多家供应商，50 多台展车。 目前，高通正在与上汽大众深化合作，与卓驭科技联合发布下一代舱驾融合域控制器，和诚迈科技、斑马智能、德赛西威、中科创达等六家公司共同启动「车端人工智能 Claw 生态计划」。 「智能体之年」，汽车芯片公司在说什么 高通中国区董事长孟樸在主论坛上说了一句话：「2026 年是智能体之年。」 这不是高通的独家说法。吉利副总裁李传海在 2026 年 5 月公开表达过类似判断：未来座舱不会有固定界面，不需要独立 APP，一个足够强大的 AI 智能体就能读懂用户需求。火山引擎在 2026 北京车展上也发布了 Agentic AI 架构方案。 但「智能体」这个词在汽车行业里到底指什么？ 简单说，就是从「你问它答」变成「它替你做」。传统语音助手等你下指令，智能体会主动观察你的状态、判断你的需求、调用车上各种硬件和服务来执行。比如你上车时情绪低落，它不会问「你想听什么歌」，而是直接切到你常听的播放列表，调暗氛围灯，把导航设成回家路线。 要实现这些，芯片端的要求很明确：AI 算力要够大，能跑端侧大模型；传感器数据要能跨域调用，摄像头、麦克风、雷达的信息要打通；推理要在本地完成，不能什么都扔到云端去排队。 高通汽车事业群总经理 Nakul Duggal 在演讲中提到：智能体 AI 的构想在三到五年前还处于概念阶段，现在正逐步成为现实。他认为高通率先推动的舱驾融合架构，让统一的底层平台可以直接打通车内外传感器等硬件资源，智能体框架因此跑得更高效。 这是一个合理的技术叙事，前提是芯片确实有能力撑住这些需求。 三颗芯片，三个价位段 高通目前面向汽车市场的核心产品线有三条，从定位到能力差异明显： 骁龙 8775（Ride Flex SoC） 是行业里第一颗同时处理座舱交互和 ADAS 计算的单芯片方案。一颗芯片取代过去座舱域控和智驾域控两套系统，高通称系统级成本可降低约 20%。主攻 10 万到 20 万元区间的车型。 8775 于 2023 年发布，到 2025 年底开始量产。目前已获 9 款车型定点，量产搭载的包括极狐阿尔法 T5、阿尔法 S5、东风日产 N6、别克昂科威 L7。峰会上展出的问道 V9 也基于这颗芯片。现场还开放了试乘，让参会者体验记忆泊车和城区 NOA 等功能。 骁龙 8397（座舱平台至尊版） 在峰会展区的存在感最强。斑马智行用它跑了全模态端侧大模型 AutoOmni 的实车方案，中科创达推出了 AquaClaw 车载 AI 智能体，诚迈科技展示了「萤火 Claw」，在端侧实现类似 OpenClaw 的智能体助理体验。东软智行基于 8397 打造的端侧 AI 智能座舱域控产品，已获得多家头部车企定点。 这些演示之所以成立，是因为 8397 和前代 8295 之间的跃升足够大。AI 算力从 30 TOPS 到 320 TOPS，接近 10 倍。CPU 和 GPU 性能提升 3 倍，采用了高通专为汽车定制的 Oryon CPU 架构。8295 时代端侧大模型只能跑 10 亿参数，8397 直接拉到 140 亿。 骁龙 8797（Ride 至尊版） 是当前高通汽车芯片的天花板。单片算力 1280 TOPS，定位 30 万元以上高端车型，支持端到端 Transformer 算法和 VLA（视觉语言动作）模型。目前已获 18 个车型定点，10 款车型已经或正在量产。 最具代表性的量产案例是理想 L9 Livis。这款车 5 月 15 日发布，售价 50.98 万元，搭载骁龙 8797 加两颗理想自研马赫 100 智驾芯片，官方宣称有效算力 2560 TOPS。座舱配了 29 英寸 6K 全景屏、48GB 座舱内存。 峰会上，高通还与卓驭科技联合发布了基于 8797 的下一代舱驾融合域控制器。车联天下基于同一芯片打造的新一代域控也在展区亮相，通过中央计算与分布式边缘计算协同，为驾驶辅助、智能座舱和端侧 AI 应用提供统一计算基础。 战场上不止高通一家 高通在座舱芯片市场的份额据行业估计超过 70%，8295 几乎成了中高端车型的标配。但在 ADAS 和中央计算领域，竞争者并不少。 英伟达 DRIVE Thor 单片算力 2000 TOPS，在规格上仍然领先。极氪是 Thor 上车最积极的车企，2026 款极氪 7X、9X 已量产搭载。英伟达与奔驰、蔚来等也有深度合作。在自动驾驶芯片市场，英伟达估计占据约 40% 的份额。 联发科也在进入这个市场。Dimensity Auto CT-X1 是一颗 3nm 制程的座舱旗舰芯片，NPU 算力 46+ TOPS，支持 130 亿参数多模态大模型端侧部署，实测性能超 8295 约 30%。联发科还与英伟达合作开发下一代车用 SoC，首款合作芯片预计 2026 到 2027 年量产。 国内供应商的动作同样密集。地平线在 2026 年发布了星空（Xingkong）系列芯片，BPU 算力高达 650 TOPS，定位中国首款舱驾融合智能体芯片。配套的整车智能体操作系统 KaKaClaw 一并推出。 车企自研芯片的趋势也在加速。蔚来 2026 年初宣布全系换装自研神玑 NX9031 芯片，称单车成本降低 1 万元。小鹏推出图灵芯片，理想的马赫 100 已随 L9 Livis 量产。 2025 年中国乘用车前装舱驾一体计算单元达 156 万台，同比增长近 50%。这个增速说明舱驾融合不再是概念验证，而是进入了规模化部署阶段。高通、英伟达、地平线、联发科都在争夺这块市场，技术路线和商业逻辑各有不同。 端侧大模型：从「能跑」到「好用」 端侧大模型上车是 2026 年汽车 AI 的核心叙事之一。 面壁智能的 SuperMate 是目前量产规模最大的方案。模型参数控制在 100 亿以下（MiniCPM 3.0 系列），已搭载在吉利、长安马自达等多款量产车型上。面壁智能 CEO 李大海预计 2026 年底搭载量达 30 万辆。这家公司拿到了 ASPICE L2 级评估，是国内首家获得该车规认证的大模型企业。 地平线的征程 6 芯片平台上，座舱对话模型用了 28 亿参数，语音交互延迟低于 80 毫秒，断网状态下可连续交互 100 轮。自动驾驶使用 70 亿参数多模态感知模型，推理功耗控制在 12W 以内。 工具链的选择对延迟影响很大。地平线的实测数据显示，从 PyTorch 切换到 SNPE 后，推理延迟从 300 毫秒降到 50 毫秒。 高通的 8397 把端侧大模型的天花板推到了 140 亿参数。到了 140 亿参数，车载 AI 够得着多轮对话、多模态理解和任务规划，已经超出语音指令识别的范畴。 但端侧模型和云端模型之间仍然存在能力差距。目前云端的旗舰模型参数量已达千亿甚至万亿级别。车上的 140 亿参数模型更像是一个「够用的本地助手」，复杂推理和知识密集型任务仍然需要云端协同。高通与谷歌合作，将 Gemini Enterprise for Automotive 的云端 AI 与端侧 Snapdragon 方案结合，就是为了弥补这个差距。 汽车芯片的下半场 从 2021 年到现在，骁龙数字底盘解决方案支持中国车企推出超过 300 款智能网联汽车。合作名单涵盖大众、宝马、奔驰、丰田、Stellantis、蔚来、理想、零跑、极氪、长城、奇瑞、东风。 这些数字说明高通在汽车芯片领域的地位已经很稳固。但「稳固」和「不可替代」之间还有距离。 车企自研芯片的动力很充分：降低成本、掌握数据、减少对单一供应商的依赖。蔚来、理想、小鹏都已经在这条路上走出了实质性的一步。联发科和地平线的产品逐渐成熟，也在给车企提供更多选择。 高通的应对策略是把自己从芯片供应商升级为平台公司。覆盖座舱、ADAS 和连接全链路，硬件之上还叠了 AI 框架和开发工具，单芯片和中央计算两条路线都押。「车端人工智能 Claw 生态计划」联合六家企业一起推，也是在试图把生态做厚。 安蒙在 Computex 上提出「计算连续体」的概念：AI 后台持续运行，随时感知、调度资源、做出响应。汽车是这个连续体中最重要的移动节点之一。 这个构想能走多远，取决于两件事：端侧模型的能力爬坡有多快，以及车企自研芯片会走多远。 从这场高通峰会来看，至少供应链这一端已经准备好了。

IT之家 6 月 6 日消息，消息源 @KaroulSahil 昨日（6 月 5 日）在 X 平台分享了一段视频，展示了白色和深蓝色（接近黑色）版本苹果 iPhone 折叠手机（上市后预估名为 iPhone Ultra）。 IT之家此前报道，针对 iPhone Fold，苹果公司内部正研发两种颜色，其一是经典的银白色，其二是深靛蓝色，比较接近 iPhone 17 Pro 的深蓝色。 供应链分析师郭明錤曾警告称，苹果早期会面临生产良率和产能爬坡问题，导致这款手机的供不应求状况至少持续到 2026 年底。 他还指出，外界提到的 1500 万-2000 万台销量预测，更可能是 2-3 年产品生命周期的累计需求。

6 月 6 日消息，谷歌前天开始公布 Fitbit Air 无屏手环的设计蓝图，邀请各大第三方厂商打造该手环的配件、表带产品。 据悉，谷歌并没有建立复杂的授权计划，而是直接公开了 Fitbit Air 的相关规格，并基本上摆出一副“大家放手去做吧”的态度。 谷歌表示，第三方产品应遵循设计蓝图中的尺寸，不要遮挡心率传感器，并确保相关材质强度达到规定标准。同时，表带必须使用无铅、不含 PFAS（IT之家注：全氟和多氟烷基物质）的材质打造，确保材质足够亲肤。 此外，谷歌要求第三方制造商不能在产品命名中出现“Google”等仿冒官方表述，但可以使用“兼容 Fitbit Air”“适用于 Fitbit Air”等字样。品牌方应确保其产品形象具有独立性，不得复制或高度模仿官方合作腕带设计。

快科技6月6日消息，据博主数码闲聊站透露，小米超高端定位的新品将在下半年发布，全自研技术的大会师。 小米创始人早在年初就亲自透露，2026年，小米预计将在一款终端上实现自研芯片、自研OS、自研AI大模型“大会师”。 综合目前已知爆料，这款新品并非是小米17S Pro，而是隶属于MIX系列，将由新一代大折叠首发，有可能命名为MIX Fold 5。 核心硬件搭载玄戒O3旗舰SoC，这是玄戒O1的继任者，直接跳过O2。 台积电3nm制程，采用超大核+性能大核+小核设计，超大核4.05Ghz、大核3.42Ghz、小核3.02Ghz；GPU也来到1.49Ghz，带宽9600MT/s。 自研OS自研指的是澎湃OS 4系统，小米实现了全系统底层重构，大刀阔斧地清理系统里积攒了多年的冗余历史遗留代码，流畅度和AI能力将大幅提升。 自研大模型自然就是小米MiMo了，目前MiMo-V2.5系列已然是全球第一梯队，不论是本身性能还是调用度都位居行业前列。 值得注意的是，除了折叠屏手机之外，MIX今年还规划了一款直板机，预计会带来模块化的磁吸镜头量产方案，两款机型应该都会在Q3发布，最快7月亮相。

IT之家 6 月 6 日消息，彭博社的马克 · 古尔曼（Mark Gurman）今天（6 月 6 日）发布博文，详细梳理了苹果 iOS 27 系统带来的诸多新特性 / 新功能。 IT之家援引博文介绍，本次 iOS 27 系统升级主要聚焦 Siri 和 Apple Intelligence 技能拓展上，不过苹果同步调整一些用户使用频率很高的系统应用，延伸 AI 能力至界面、交互和图片处理体验。 查找（Find My）应用方面，苹果将会在 iOS 27 中升级视觉体验，会更新底部导航标签栏图标在内的诸多元素。 照片（Photos）应用将增强 Clean Up 功能，继续强化照片整理与修饰能力，让用户减少对第三方应用的依赖，在系统原生应用内完成更多图片处理。 古尔曼还透露苹果正在测试基于自然语言提示的照片编辑功能。用户未来可能通过语音或文字，直接告诉系统“裁剪图片”或“调整颜色”，照片应用再按指令完成编辑。这项功能可能不会在 iOS 27 的首个版本中推出。 在系统交互层面，iOS 27 会为来电通知添加新的动画效果。此外用户从左侧下滑将打开通知中心，而从屏幕中部下滑，则会打开搜索或 Ask AI 面板。

IT之家 6 月 6 日消息，博主 @刹那数码 前天在微博透露：跟黑色有仇是吧，苹果还没确定折叠屏要不要黑色。 结合IT之家此前援引 Macworld 消息，苹果正针对 iPhone Fold 折叠手机研发两种配色，其一是经典的银白色，第二款则是深靛蓝色，比较接近 iPhone 17 Pro 的深蓝色。该消息源还表示，折叠 iPhone 的颜色选择将少于 iPhone 18 Pro 系列，不会有鲜艳或大胆的色彩。 与此同时，彭博社记者马克 · 古尔曼也曾透露，苹果计划“远离那些有趣的配色”，转而采用更传统的银白色及深空灰 / 黑色等低调方案。 据 MacRumors 报道，迄今为止曝光的 iPhone Fold 工程机、机模均只有白色版本。 苹果刻意只提供有限的颜色选择，原因可能在于产品本身的制造难度。供应链分析师郭明錤曾警告称，苹果早期会面临生产良率和产能爬坡问题，导致这款手机的供不应求状况至少持续到 2026 年底。他还指出，外界提到的 1500 万-2000 万台销量预测，更可能是 2-3 年产品生命周期的累计需求。 增加更多颜色意味着需要生产、库存管理和分配更多 SKU（库存单位），而在首发供货本就紧张的情况下，苹果并没有太强的商业动力去承担这种额外复杂性。

快科技6月6日消息，从OPPO Find X7 Ultra开始，OPPO后续推出的所有超大杯机型都把双潜望长焦镜头作为了标配，直接将安卓旗舰的长焦体验拉升到了全新的高度。 最新上市的OPPO Find X9 Ultra更是行业首发10倍潜望长焦模组，相当于把专业增距镜塞进了手机里，望远能力相比前代有了量级提升。 博主数码闲聊站最新爆料，下一代旗舰OPPO Find X10 Ultra将会是安卓阵营里唯一拥有10X双潜望长焦的机型。此前安卓阵营原本还有一家头部品牌在评估10倍长焦，最终还是改回了普通单潜望方案。 相比单潜望镜头，双潜望镜头的核心优势在于覆盖的全焦段更加全面，它大幅提升了拍摄者日常创作的自由度，尤其是进行人像摄影的时候，不同焦段都能提供更自然的虚化效果，拍出来的人像质感远好于靠算法模拟出的虚化。 在OPPO Find X9 Ultra这款机型上，品牌更是首发搭载了哈苏联合调校的10倍光变天眼长焦，实现了行业首个20倍光学品质变焦的突破性效果，远远甩开了行业其他旗舰的长焦表现。 为了实现这个之前没人做到的技术效果，OPPO首创了五反射潜望棱镜和全新空气光阑技术，五反射潜望棱镜让光线在模组内部实现五次反射转向，在不增加机身过多厚度的前提下，把光路长度直接拉到了以往不可能实现的规格。 两项独家创新技术的加持，真正做到了不需要外接增距镜，远景画面依然清晰触手可及，整套相关的方案OPPO已经全部申请了专利，技术创新性远远领先于整个行业。

IT之家 6 月 6 日消息，传音今天在 X 平台宣布，Tecno Pova 8 5G 手机将于 6 月 11 日在印度市场发布。 IT之家注意到，Tecno Pova 8 的后摄模组上带有一块小型点阵屏，这种设计风格不难让人联想到 Nothing 的产品。因为除了点阵屏以外，这款手机背部还采用了半透明装饰设计。 同时，我们根据后盖刻印的信息可以看到，这款手机将搭载 8000mAh 大电池。此前曝光的 Geekbench 跑分信息显示，该机将配备联发科天玑 7100 处理器，预计拥有 6GB/8GB 内存、128GB/256GB 存储空间，出厂预装 Android 16 操作系统。

快科技6月6日消息，不少网友发现，魅族京东自营店的魅族22系列已经全面断货，相关商品详情页都显示此商品暂时售完，用户已经没有办法下单。 不止是魅族22，此前主打的高性价比机型魅族Lucky 08同样是全版本全线缺货，整个自营店里目前只有魅族Note 16 Pro还有部分版本正常售卖。 魅族22的售罄意味着过去几年里唯一坚持做白色前面板机型的产品正式落幕，白色前面板手机将彻底退出历史舞台，对于陪伴魅族走了很多年的老魅友来说，这无疑是一个充满遗憾的信号。 在今年2月份的时候，魅族就对外宣布开启集团战略转型。官方发布的公告里明确表示，公司将会暂停国内手机新产品的自研硬件项目，把全部资源和力量集中投向更长远的技术赛道。 魅族在公告里坦诚坦言，近年来国内智能手机市场的竞争激烈程度远远超出了品牌的预判，尽管团队一直拼尽全力维持手机业务的正常产品迭代。 但是近期核心元器件尤其是存储内存价格的持续暴涨，直接让全新产品的商业化落地变得异常艰难，投入和产出完全不成正比。 此前魅族科技高管万志强在品牌直播活动中也明确回应，魅族23确实存在，但是它大概率不会被推向市场。虽然内心不想说再见，但从当下的市场形势来看，普通消费者很难看到魅族23正式发布的那一天了。 魅族官方同时也做出承诺，所有在售或者售出的魅族手机产品，品牌依然会按照既定服务标准持续提供完整的售后支持，不会出现用户买了机器之后找不到售后的情况。 曾经承载了很多人青春回忆的数码品牌逐步淡出市场，本质上也是国内手机行业进入存量竞争阶段的必然缩影，老魅友惋惜遗憾的同时，也不用担心手里魅族手机的后续使用保障。