IT之家 3 月 19 日消息，苹果 CEO 蒂姆 · 库克 3 月 18 日再次来到中国，先在四川成都参加了苹果 50 周年全球庆典活动。 今日（3 月 19 日），库克又现身北京，与众多游戏开发者分享交流。IT之家附活动现场实拍图： 库克与《逃离鸭科夫》游戏工作人员对话交流 苹果集结 8 家游戏开发者，带来《明日方舟：终末地》、《鸣潮》、《绝区零》、《无限暖暖》、《异环》、《无畏契约：源能行动》、《逃离鸭科夫》、《Elu Legend》的最新游戏内容和更新。 苹果团队和游戏开发者也介绍了各个平台的硬件、软件、生态以及开发者工具方面为游戏带来的巨大机会。

在小米正式发布了MiMo-V2-Pro大模型以后，第一个出现在我脑子里的人不是雷军，而是马斯克。 因为他的xAI现在实在太尴尬了。2023年成立，融资超过500亿美元，联创团队更是涵盖了OpenAI、Deep Mind、微软以及谷歌大脑。 最新的Grok 4.20 Beta，还搞了个四agent并行的多智能体架构，通过Grok、Harper、Benjamin、Lucas这四个 agent内部辩论，提高输出答案。 结果呢？Grok 4.20 Beta在Artificial Analysis Intelligence Index上只拿了48分，反观雷军这边，小米的MiMo-V2-Pro则拿到了49分。 小米大模型Core团队第一次发布模型是在2025年4月30日，初代MiMo，参数量只有7B，属于是“玩具级”。 不过MiMo在数学推理和代码生成上打赢了OpenAI o1-mini，算是小米在AI赛道上的第一声响。 随后，小米用一个匿名代号“Hunter Alpha”悄悄上线OpenRouter，一周之内调用量自然增长到日榜第一、总量破1T tokens，全球开发者在不知道品牌的情况下用脚投票，然后小米公众号深夜发微信说“对，这是小米做的。” 论大模型，马斯克确实该拜雷军为师。 01 MiMo-V2-Pro 凭什么站上牌桌 在业务上，雷军比马斯克还晚启动了一年。 2023年4月雷军推动成立小米AI实验室大模型团队，栾剑担任首任负责人。只不过这个AI跟我们现在说的大语言模型、agent，并非一回事。 直到2024年底、2025年初，小米才成立了通用基础大模型相关的Core团队。 这个团队同样也是雷军亲自主导、亲自推动，并且对大模型业务投入不设上限。 如果只看架构层面，MiMo-V2-Pro并没有什么让人眼前一亮的东西。1T参数、42B激活参数、100万token上下文，这些放在今天都不稀奇。 MiMo-V2-Pro采用的MoE（混合专家）、混合注意力机制、MTP（多token预测），这些也都是大模型领域的通用技术方案，DeepSeek在用，谷歌也在用。 真正让这个模型区别于同行的，是后训练阶段的三项技术。 第一项是MOPD，全称Multi-Teacher On-Policy Distillation，多教师在线策略蒸馏。这是小米在MiMo-V2-Flash技术报告中首次提出的后训练范式。 要理解MOPD的价值，得先理解它要解决的问题。 大模型后训练有一个通病，俗名叫“跷跷板效应”。就是说你把数学能力练强了，代码能力就退化；你把agent能力拉上来，通用对话又变差。 这不是说某个团队的技术不够，这是整个产业都在面临的问题。 目前大家比较认可的对应方法有两种，第一种是训练多个领域专家模型，然后通过参数合并把它们糅在一起。不过这种方法的效果不是很理想。 另一种是让专家模型生成大量离线数据，再让学生模型去学，但这种方式存在严重的“分布偏移”问题。可是学生只学会了教师的答题方式，模型根本没有建立自己的思考方式，一旦遇到教师没覆盖的场景就会失灵。 MOPD的做法分三个阶段。第一阶段是通用 SFT，用高质量指令数据做基础微调，激活模型的指令跟随能力，这一步没什么特别的。 第二阶段是分别训练多个领域专家教师，比如说代码agent教师、搜索agent教师、数学推理教师、安全对齐教师，每个教师在自己的领域做到极致，不用管其他领域。 第三阶段是关键创新，让学生模型自己生成回答，然后同时接受多个教师的token级实时监督。学生从自身分布采样，接收自领域教师的KL散度奖励和可验证的结果奖励这两类信号，前者告诉模型“这个字应该怎么写”，后者告诉模型“最终答案对不对”。 小米公布的数据显示，经过MOPD训练的学生模型在AIME 2025数学竞赛上达到94.1分，不仅保住了最强数学教师的水平，在部分项目上甚至超越了教师本身。 第二项是真实环境的agentic RL训练。 尽管说现在大模型都会强调自己的agent能力如何如何，但是绝大多数模型在强化学习过程中，都是非agent相关的。 模型看一道题，输出一个答案，对完答案给个奖励，整个过程是单轮的、封闭的。 现实世界的任务可不是这样运作的。一个真正的agent需要读代码、改bug、跑测试、看报错、再改、再跑，这是一个包含了多种情况的完整过程。 小米为此构建了一套覆盖四大类场景、总计超过12万个真实交互环境的agent训练体系。 代码agent的训练数据从真实GitHub Issues中提取，模型需要在agent循环中读文件、改代码、跑命令、看测试结果，奖励来自可验证的单元测试。 终端agent从Stack Overflow和Stack Exchange中筛选需要高级技术专长的问题，转化为带有完整Docker环境和测试用例的计算任务。 网页开发agent用Playwright执行生成代码并录制视频，再用多模态视觉判别器评估质量——用视频而非静态截图来评估，因为视频能捕捉交互动画和响应式布局等动态特性。 通用agent覆盖搜索和函数调用两个方向。 其结果就是，在多样化agent 环境中增加强化学习计算量，收益会泛化到数学推理、通用推理等其他任务。也就是说，agent训练培养的不是某个特定技能，而是一种通用的问题解决能力。 别的大模型是在教室里做卷子，MiMo-V2-Pro 是直接被扔进许多个真实工作场景里实习，做错了有真实的测试结果告诉你哪里错了。 实习锻炼出来的模型，比做卷子练出来的，更懂得如何处理问题。 第三项是ARL-Tangram，这是小米与北京大学计算机学院联合研发的Agent RL训练基础设施系统，也是罗福莉作为通讯作者所参与的研究。 MOPD和Agentic RL解决的是“怎么训练”的问题，ARL-Tangram解决的是“用什么训练”的问题。 agent需要频繁调用外部资源，代码执行需要CPU，奖励模型需要GPU，网页搜索需要API配额。 传统的RL框架，它的做法是静态资源预留，给每条训练轨迹分配一套固定资源，从头占到尾。 这就导致说即便没有任务，这条通道也被占用，别人想走也走不了。 ARL-Tangram的实测数据显示，在AI编程任务中，外部资源平均只有47%的时间在被使用，剩下53%完全闲置。 在MOPD训练场景中更夸张，12个教师模型各自占着一组GPU提供奖励服务，但这些GPU的平均流式多处理器活跃率不到3%，相当于97%的算力在空转。 ARL-Tangram继承了小米性价比之王的基因，它的核心思路就是细化资源管理，让每一份算力都跑得更有价值。 每次外部调用被视为一个原子动作，动作结束后资源立即释放，供其他轨迹使用。 实测效果：动作完成时间提升最高4.3倍，RL训练步骤时间加速最高1.5 倍，外部资源消耗降低71.2%。 同样的硬件投入，能支撑多得多的训练量。 雷军在V2-Pro发布当天的微博里写了一句话：“我们在 AI 领域上相对比较低调，实际进展可能比大家看到的要快很多。” 确实，小米在AI上的进展，远远超过了我的认知。 02 MiMo-V2-Pro对小米意味着什么 MiMo-V2-Pro出现之前，小米在软件和AI领域的技术存在感很低。 提到智能驾驶，人们想到的是特斯拉、华为、小鹏；提到大模型，是字节、阿里、腾讯。小米的标签始终是“硬件性价比之王”，雷军的手机、IoT 设备、汽车，都是硬件叙事。 诚然，这个标签帮小米卖出了很多产品，但也把它牢牢钉在了“组装厂”的认知框架里。 雷军自己也清楚这一点。 2023年年度演讲上，他提出了一个新公式：“（软件×硬件）^AI”，宣布小米未来五年研发投入超过1000亿元，重点攻坚芯片、AI和操作系统。 这个公式当时听起来以为雷军是说着玩玩的，结果人家这回来真的。 MiMo-V2-Pro的诞生，第一次让小米在纯技术维度上获得了一个全球级的排名。 Artificial Analysis Intelligence Index全球前十，中国第二。 事实上，我觉得只要能在全球大模型排行榜上占有一席之地，都相当于在资本市场、人才招募、合作谈判中都多了一张手牌。 至少当雷军说“小米是一家AI公司”的时候，能拿出这样一个成果来支撑观点。 但排名只是表面。更值得关注的是 MiMo-V2-Pro 与小米其他业务线之间的潜在协同。 小米汽车的智能驾驶团队在2026年3月刚刚完成组织架构调整，将“感知”和“规控”两个部门合并为“端到端算法与功能部”，全面转向端到端大模型技术路线，目标年内实现端到端智驾交付。 与此同时，小米早在2025年11月就发布了MiMo-Embodied，同步覆盖具身智能和自动驾驶的核心任务——环境感知、状态预测、驾驶规划。 所以MiMo-V2-Pro的这些成绩，说白了那都是给小米汽车打的广告。 MiMo-V2-Pro本身作为1T参数的云端模型，显然无法直接部署到车端，没有哪块车载芯片跑得动这个体量。 但小米的布局逻辑是“云-边-端”协同：云端用V2-Pro级别的大模型做训练、仿真和复杂决策，端侧用压缩后的轻量模型做实时推理。 MiMo-V2-Pro的价值不在于直接上车，而在于作为“教师模型”，通过前面提到的MOPD，将V2-Pro的能力蒸馏到端侧小模型中。 马斯克这边，情况就微妙多了。 Grok在2025年底的一次Holiday Update正式住进了特斯拉的车机里，然而它却只能设导航目、聊聊天，相当于是一个语音助手，它跟FSD之间只有导航链路的浅层联动。 与此同时，特斯拉本身车内控制座舱的AI，是来自于特斯拉自己的，跟xAI关系不大。 2026年3月，马斯克宣布了一个叫“Digital Optimus”的联合项目，说是要让Grok充当“高层推理大脑”。 他用了卡尼曼的双系统理论来类比，Grok是慢思考的System 2，特斯拉AI是快反应的System 1，也就是实时感知和动作执行。 然而仅凭马斯克的想法，我认为它们之间的协同远没有小米“云端大模型蒸馏到车端小模型”这条路径来得清晰。 03 我给MiMo-V2-Pro挑刺 本文并不是小米的软文，我只是一个AI产业的观察者，所以我在这部分准备给小米挑挑刺，以示公正。 先看Benchmark。 MiMo-V2-Pro公布的SWE-bench Verified得分为78.0%，接近Claude 4.6 Sonnet的79.6%，这是一份关于AI编程的测试集，MiMo-V2-Pro的数字也确实好看。 但这里有一个行业内已经公开的秘密，SWE-bench Verified这个测试集本身已经不再可靠。 OpenAI的Frontier Evals团队在2026年2月23日明确表示，SWE-bench Verified“实际上已经饱和且高度被污染”，并且建议行业转向更难的SWE-bench Pro。 OpenAI的研究人员发现，包括GPT-5.2、Claude Opus 4.5和Gemini 3 Flash Preview在内的多个前沿模型，仅凭 SWE-bench Verified的Task ID就能复述出原始的gold patch，这就相当于你考试的时候，不用看题目，只看题目的编号就能给出答案。 这意味着测试题目很可能已经进入了训练数据。在这样一个被污染的测试集上拿高分，说服力大打折扣。 MiMo-V2-Pro没有公布SWE-bench Pro的成绩。这个更难、更抗污染的版本才是2026年衡量编码能力的真正标尺。 作为参考，目前SWE-bench Pro上表现最好的模型是OpenAI GPT-5.4，得分仅为57.7%，与SWE-bench Verified上动辄70%以上的成绩形成鲜明对比。 不止SWE-bench Pro。 MiMo-V2-Pro还缺席了另外几个关键的新一代测试集：ARC-AGI-2，专门测试推理泛化能力，纯LLM得分为1%，最佳推理系统仅54%，人类平均60%；Frontier Math，前沿数学推理；LiveCodeBench v6，按月更新的编程评测，几乎不可能被训练数据污染。 一个模型选择公布哪些benchmark、不公布哪些benchmark，本身就是一种信息筛选。 还有一个容易被忽略的问题：MiMo-V2-Flash是MIT开源的，但MiMo-V2-Pro的权重并未开源。 罗福莉在发布声明中说“会开源——当模型足够稳定值得开源的时候”，但在那之前，说明V2-Pro的性能还不够稳定。 雷军说“我们模型刚刚完成，未来一段时间，还会快速迭代增强”。这句话既是承诺，也是对现状的坦率承认。 MiMo-V2-Pro确实还有不少短板需要补。 它是小米从“硬件公司”到“AI公司”叙事转型中最重要的一块拼图，但这块拼图能否真正嵌入小米的商业版图，而不只是挂在墙上供人观赏，还需要时间来回答。

凤凰网科技讯 3月19日，华为中国合作伙伴大会2026今日在深圳举行。面对AI引发的算力需求爆发与Token消耗激增，华为宣布将围绕鲲鹏、昇腾及鸿蒙生态加大投入，通过调整“伙伴+华为”体系，推动行业智能化在企业核心生产环节落地。 大会披露，行业智能化应用部署正带动算力基础设施成为企业首要投资方向，预计未来海量智能体互联将使网络流量实现十年百倍的增长。华为常务董事汪涛指出，华为将全量开源昇腾CANN生态为开发者提供基础平台，并针对三类政企市场推出具体举措：在NA市场，聚焦核心生产场景解题；在商业市场，面向十大行业打造95个场景化基线方案并推出60多款新产品；在分销市场，则全面落地钻石分销商机制，推广“4+10+N”一站式方案。 华为常务董事汪涛发表主题演讲 华为高级副总裁李鹏表示，当前产业已步入Token经济时代，AI正从通用模型转向行业应用，由辅助工具转变为企业的核心生产环节。华为将投入专家资源深耕细分场景，用AI技术提升合作伙伴的商业竞争力。华为中国政企业务总裁吴辉与副总裁许超随后明确了2026年的政策走向，强调重构合作范式以应对AI带来的增量市场。 华为高级副总裁李鹏发表主题演讲 据悉，本次大会规模庞大，共设立10余场峰会、50多场分论坛及3万平方米展厅，集中展示ICT基础设施与场景化落地路径。

IT之家 3 月 19 日消息，人工智能模型的飞速发展及其不断增强的自主能力，无疑加剧了一些人的恐惧，也让“人工智能会抢走所有工作”“自主武器会杀死人类”等最惊悚的言论四处蔓延。 本周，推动人工智能崛起的关键人物之一、英伟达 CEO 黄仁勋表示，这种恐慌必须停止。 IT之家注意到，在加州 GTC 大会主题演讲中，黄仁勋花了近三个小时介绍英伟达全新的 Vera Rubin 人工智能平台。随后他接受了科技媒体 Stratechery 的长篇专访，并发出明确警告。 当被问及在华盛顿的经历带来了哪些启示时，黄仁勋直言，华盛顿内部早已被大量“末日论者”渗透。他指出那些耸人听闻的说法都是“编造出来的故事”，只会吓到政策制定者。 在黄仁勋看来，关键是要认清：这些工具和平台是真实存在、能解决实际问题的，而非“某种神秘的科幻产物”。 “我不喜欢末日论者到处制造恐慌，”黄仁勋说，“真正的担忧与警示，和刻意渲染言论吓唬人，是完全不同的两回事。” 显然，作为卖出绝大多数支撑新模型训练、云端推理芯片的公司，黄仁勋在人工智能的存续和发展中拥有既得利益。不过，他的话也有一定道理。和众多快速发展、撼动社会的创新一样，人工智能既非全善，也非全恶。如同此前的互联网与工业革命，我们会借助人工智能实现巨大进步，但也会经历显著阵痛。

IT之家 3 月 19 日消息，据彭博社报道，汇丰控股正计划在未来数年大幅裁员，首席执行官乔治 · 埃尔赫德里押注人工智能精简其中后台部门，这是该技术重塑华尔街人力格局的首批迹象之一。 据知情人士透露，全球服务中心内不直接面向客户的岗位预计受影响最大，不过相关评估仍处于初期阶段。其中一位人士称，调整最终可能影响约 2 万个岗位，占汇丰总员工数的 10% 左右。 部分知情人士表示，相关讨论在中东近期冲突爆发前便已启动，目前尚未作出最终决定。 自 2024 年上任以来，埃尔赫德里已对这家银行开展激进重组。他已裁撤数千个岗位，同时出售部分业务、合并或关闭其他业务。截至 2025 年末，汇丰拥有约 21 万名员工。 知情人士称，此次评估包含不再补聘空缺岗位的方案，目前仍未敲定最终决定。另有人士表示，部分裁员也可能通过出售或退出业务的方式实现。 彭博情报去年一份报告显示，随着人工智能逐步替代人工任务，全球银行业未来三至五年将削减多达 20 万个岗位。该报告调研的首席信息与技术官表示，他们平均预计员工数量将净减少 3%。 知情人士称，汇丰此次裁员将纳入一项为期三至五年的中期计划。 面对本土与国际同行竞争，这位首席执行官还试图推动企业文化变革。该行正转向更贴近华尔街的薪酬模式：业绩顶尖员工可分享更大比例奖金，而表现不佳者将被敦促另寻出路。 埃尔赫德里还加码前任的聚焦亚洲战略，将香港子公司恒生银行私有化，大举押注这座亚洲金融中心的增长潜力。 汇丰近期表示，预计上半年将实现 15 亿美元（IT之家注：现汇率约合 103.34 亿元人民币）的成本削减目标，较原计划提前半年完成。 汇丰首席财务官帕姆 · 考尔周三在摩根士丹利一场会议上表示，该行看到人工智能既能降本、又能提升员工效率的机会。考尔称，公司可将人工智能应用于客服中心、客户尽职调查团队及交易监控等领域，提升运营成本效益。

凤凰网科技讯 3月19日，小米在今日的SU7发布会上详细披露了其在AI大模型领域的最新核心数据与研发进展。雷军透露，小米正致力于硬核科技的底层技术研发，未来三年在AI领域的投资计划将至少达到600亿元，而今年的AI研发与资本开支已超过160亿元。 在核心大模型基座方面，小米推出了面向Agent（智能体）时代的旗舰大模型。该模型为总参数达1万亿的MoE架构，激活参数为420亿，并采用了小米自研的混合注意力架构，支持百万级上下文长度。在全球权威的大模型综合智能排行榜中，该模型位列全球总榜第八，按品牌排名位居全球第五。针对Agent复杂工作流的编排与长流程规划能力，该模型平均任务完成率达到81%，在全球相关评测中与行业头部主流模型处于同一领先梯队。此外，该模型在上线全球API聚合平台仅一周后，凭借快速精准的任务执行能力，便登顶了模型调用量周榜第一。 在多模态与交互应用层面，小米同步发布了全模态模型及全新的语音大模型。全模态模型优化了推理速度，具备视觉、听觉与执行的综合处理能力。语音模型则重点提升了自然度，能够根据文字内容和上下文输出带有喜怒哀乐情感的拟人化声音，这些功能未来均将整合接入超级小爱系统中。在物联网与智能家居场景下，结合大模型的全生态可实现包含灯光、窗帘、空气净化器及音箱播报在内的复杂多设备联动与“全屋欢迎模式”等自动化编排。 小米的AI核心研发团队呈现显著的年轻化与高学历特征。该团队平均年龄仅为25岁，其中博士学历人员占比高达55%，核心团队中最年轻的研究员为19岁的大学实习生。

IT之家 3 月 19 日消息，AI 圈最近有一个高频词 ——token，几乎所有科技公司 CEO 的讨论都离不开它。 据《商业内幕》今日报道，在 GTC 2026 大会上，英伟达 CEO 黄仁勋把这个概念进一步推向现实应用层面：他提出，token 甚至可以成为工程师薪酬的一部分。“在硅谷，招聘时已经有人会直接问，这份工作能分到多少 token？原因很简单，只要工程师能用 token，生产效率就会提升。” token 本质上是 AI 处理信息的基本单位。大模型会把文本拆分为数值形式，每个 token 大约相当于四分之三个单词。围绕 token 计费，也已经成为主流商业模式 —— 用多少、生成多少，就付多少。 OpenAI CEO 奥尔特曼的设想更激进。他认为，未来甚至可能出现“全民基础算力”，取代传统意义上的“全民基本收入”。他在 2024 年一档播客中说，‘每个人都能分到 GPT-7 的一部分算力，可以自己用、转卖，或者捐出去。你获得的不是钱，而是生产力的一部分。’ 他还进一步指出，AI 产出的“智能”会逐渐演变成类似水、电一样的基础资源。“从本质上看，我们以及其他模型公司的业务，都会变成销售 token。” 这一逻辑的前提，是大规模数据中心的建设。黄仁勋称这些设施为“token 工厂”，本质就是把算力转化为 token 输出。 不过，微软 CEO 纳德拉的态度更为谨慎。他在达沃斯论坛上强调，如果 AI 无法在医疗、教育、公共服务和企业效率等领域带来实际改善，社会很快就不会再接受消耗大量能源来生产 tokens。 IT之家从报道中获悉，另一边，现实问题已经开始显现 —— 成本。随着 AI 应用复杂度不断提升，企业的 token 消耗迅速增加，费用也随之飙升。风险投资人查马斯 · 帕利哈皮蒂亚提到，自己创立的公司原本希望重写传统软件体系，但 AI 支出却已开始失控。“自 2025 年 11 月以来，我们的成本已经翻了三倍以上。光是 AWS 推理费用，加上 Cursor 和 Anthropic 的支出，就已经达到数百万规模。”

快科技3月19日消息，腾讯正式启动2026青云计划实习生招聘，面向全球优秀学子开放招募，招聘通道全年持续开放，同时给出极具吸引力的薪酬政策：实习生薪酬上不封顶。 据了解，青云计划是腾讯面向顶尖学子打造的高端人才专项，聚焦AI大模型、基础架构、大数据、多媒体、安全、游戏引擎、量子计算、金融科技等前沿技术领域，开放上百个核心技术课题，让实习生直接参与关键项目研发，接触行业最前沿的技术方向。 本次招聘覆盖本硕博多个学历层次，面向2026年9月以后毕业的所有在校大学生，工作地点包括深圳、北京、上海、广州、成都、杭州等多个核心城市，以及美国、新加坡、英国、荷兰等国家。 入选者可获得定制化培养方案，由行业资深科学家与技术专家一对一指导，深度参与真实业务场景，快速提升实战能力。 薪酬福利方面，青云计划实习生享受行业顶格待遇，薪酬不设上限，充分匹配个人能力与贡献。同时配套完善的生活保障，包含餐饮、住宿补贴、交通支持等，全方位为实习生活保驾护航。

快科技3月19日消息，近日，山姆会员商店在官方 APP 发布《退货政策》更新征求意见稿，拟将线上渠道无理由退货期限从90 天大幅缩短至7 天，引发热议。 19日，一家山姆门店工作人员回应，“目前还只是处于征求意见的阶段，并非最终结论。当前针对一般商品，例如干货、零食之类的，未拆封、不影响二次销售的，90天仍是目前最长的售后时效。” 至于退货时限更改原因，该工作人员表示不太清楚。 据退货政策意见稿，消费者通过山姆会员商店App，山姆会员商店SamsClub小程序购买的商品，自商品收货之日起，若商品符合完好标准，则可享受“7天无理由退货”。 但根据法律规定及商品性质，部分商品不享受“7天无理由退货”，相关商品页面会标注“不支持7天无理由退货”，提交订单时请确认。 此外，在山姆会员商店实体店线下购买的商品退货，按照山姆会员商店实体店线下公示的退货政策办理。 除无理由退货外，意见稿还对有质量问题的商品作出细化规定。 普通商品及鲜活易腐品可在保质期内退货； 电子电器产品7天内质量问题可退、15天内可换；酒类（除啤酒）和奶粉无质量问题不支持退货； 珠宝黄金仅在国家权威机构鉴定存在质量问题时可退；定制眼镜30日内完好可退，镜架两年、镜片一年内质量问题可免费维修或更换；助听器90日内完好可全额退货。 该意见征求期为7日，期满如无更改，则于今年3月25日生效，并于4月1日开始执行，如有修改，将另行公示。 对此，有网友表示不满，希望改为七天的前提是30天价保。也有网友吐槽，“万一降价了超过七天，消费者不就损失了？”

罗福莉交上了在小米的第二份答卷。 3月19日，小米发布「面向Agent时代」的旗舰基座模型Xiaomi MiMo-V2-Pro，以及全模态基座模型Xiaomi MiMo-V2-Omni和语音合成模型Xiaomi MiMo-V2-TTS。 此前，罗福莉的第一份答卷，是去年12月小米发布的MiMo-V2-Flash，对标DeepSeek-V3.2。彼时，距离罗福莉刚正式宣布加入小米刚过去一个月。 颇具戏剧性的是，这次的新模型MiMo-V2-Pro、MiMo-V2-Omni的早期测试版在OpenRouter上匿名发布，API调用量多天登顶日榜，外界都在猜测是不是DeepSeek的新模型。 雷军发微博表示，Mimo-V2-Pro，在Artificial Analysis上位列全球第八，如果按照大模型品牌来看，位列全球第五，超过了xAI的Grok。 “我们在AI领域上相对比较低调，实际进展可能比大家看到的要快很多。” 原本是低调的匿名测试，却反而因为外界的“错认”得到了肯定。从雷军的表态不难看出，小米在AI领域的野心高筑。 而雷军的底气，大概很大程度上来自于如今小米AI的一员干将——小米MiMo大模型负责人罗福莉。 小米在AI领域发力很早，但并未跻身第一梯队。去年12月，前DeepSeek核心成员、人称“天才少女”的罗福莉加入小米，被外界视为小米AI研发“正规军化”的里程碑。 此次模型发布，罗福莉在社交媒体上发文，形容新模型的发布：“我称之为悄无声息的伏击。” 罗福莉解释，这并非是团队事先策划了“伏击”，而是从 Chat 到 Agent 的范式转变来得太快，快到连团队自己都有点难以置信。 但即便是刻意为之的“伏击”又如何？在AI战场上落后的小米，需要的正是一鸣惊人的能力与勇气。 更妙的是，罗福莉最擅长的，正是从落后到拔尖、悄无声息的伏击。 01 低起点的“天才少女” 罗福莉最为人所熟知的称号是“天才少女”，她自己却并不认可。 “天才少女”的称号始于2019年罗福莉第一次火出圈。 当时有人发现，北京大学计算机系的硕士研究生罗福莉，居然有“八篇ACL论文”。ACL是自然语言处理（NLP）领域的顶级国际会议，含金量极高，被誉为“NLP界奥斯卡”。这件事在知乎上发酵，崇拜、赞许、质疑的声音同时涌来。 罗福莉亲自在知乎发文解释，称自己向ACL投了两篇论文，其他只是“部分参与了实验室同学的研究”。之后罗福莉还曾回忆那段往事，认为2019年正逢AI论文集中爆发的时代，这也是她被关注到的一个背景。 六年后，罗福莉重新回到公众视野，就是传闻小米“千万薪酬”招她加入之时。 人们回溯罗福莉从北大硕士毕业之后的轨迹——作为“阿里星”的身份直通阿里达摩院，然后加入DeepSeek，是DeepSeek-V2的关键开发者，如今又被小米高薪挖走，更加深了对她“天才少女”标签的认同。 但罗福莉并不喜欢这个称号。 加入小米，罗福莉发了个朋友圈：“请互联网还我一片安安静静做事的氛围吧，我不是天才少女，只想安安静静做难而正确的事情。” 罗福莉并非自谦，她绝对优秀，但绝非“天才”。 罗福莉1995年出生于四川宜宾，小时候并非尖子生，甚至经常排名靠后。好在父母不是打压式教育，而是陪着罗福莉制定阶段性的小目标，一步一步往上“挪”，真就逐渐成为了尖子生。 后来，罗福莉一心想去一线城市开拓视野，考入北京师范大学，读电子专业，又转专业进入了计算机系。在这里，罗福莉又要重走一遍小时候的路，她又排名靠后了。 五十个人左右的班级，罗福莉连前三十都进不去。编码题别人三分钟能做出来，她得用三个小时。 但是罗福莉当时已经盯上了保研北大的名额，每年只选三四个。用了一年的时间，罗福莉的成绩稳在了保研线以上，又盯上了北大计算机系。 刚升到大三，罗福莉就开始试图联系北大的导师，成功进入了北大语言计算实验室实习。十个实习生，只有一个保研到北大计算机系的名额。 而罗福莉，又垫底了。 同期的其他实习生都是北大本校的，她的专业基础根本不够用，连“人人都会”的通用编程语言Python都不会。 于是又是艰苦的“蜗牛爬”，罗福莉后来回忆那段日子，七天入门Python，四个月后以二作发了第一篇顶会论文，苦是真苦，值也是真值——她真的拿到了那唯一一个保研名额。 了解了罗福莉的这些经历，就不难理解她对“天才少女”的拒绝。被称作天才，实际上也是被抹杀了一路的努力，也抹杀了她最大的优势。 02 从DeepSeek到小米 落后了，没关系，追上去。这样的罗福莉，和去年的小米是天作之合。加入小米之前，罗福莉还完成了一轮自我进化。 从北大研究生毕业之后，罗福莉没有继续读博，而是进入了阿里达摩院。 专门针对顶尖毕业生的“阿里星”项目，江湖传闻录取率不到1%，罗福莉就是其中之一。 在阿里达摩院，罗福莉主导开发了多语言预训练模型VECO，这个模型直接服务于跨境电商场景，重要性不言而喻。 罗福莉曾感慨“阿里一年，人间十年”，在阿里达摩院并不全是胜利和喜悦，也有挫败和落寞。比如她很早就参与过千亿参数模型训练，但第一次做1750亿参数规模的模型，数据清洗不到位、框架效率低下，最后喂出来的模型很大，却臃肿不堪，并不“聪明”。 转机出现在 ChatGPT 之后。行业补完了那一课，她也把之前踩过的坑一一理清。 2022年，罗福莉加入了当时连官网都没有的、DeepSeek的母公司幻方量化。在DeepSeek，她开始重新审视科学的研究路径：如何精准地Scaling参数与数据？如何设计高效的训练架构？ 罗福莉主导开发DeepSeek-V2，2024年5月发布，将推理成本降低至每百万tokens仅1元人民币，是GPT-4 Turbo的七十分之一，一度被称为“AI界的拼多多”。 等到2025年，国内大厂掀起人才大战的时候，罗福莉已经完成了从学术到工业的进化。 03 悄无声息的伏击 小米入局AI并不算晚，早在2023年8月，小米就曾发布MiLM-6B模型。去年6月发售的AI眼镜，也曾在京东旗舰店打出五日销量破万的好成绩。如果泛化到更广阔的场景，小米在2021年就布局具身智能。 但是小米尚未跻身第一梯队。 2023年5月，小米公开发声“不会做OpenAI类的通用大模型”，但是时间到了2025年，雷军显然变了主意。 去年，一波人才抢夺战在大厂打响。谷歌DeepMind原研究副总裁吴永辉出任字节AI研究部门Seed新负责人，字节还请来了谷歌原VideoPoet项目负责人蒋路，零一万物原预训练负责人黄文灏、阿里通义大模型原技术负责人周畅。 而雷军也出手，重金从DeepSeek请来了罗福莉。传闻中的“千亿薪酬”，也让罗福莉再一次成为舆论争议的焦点。 小米的情况是复杂的。 难点在于要同时推进两类不同方向的AI：一类是以应用和交互为核心的数字智能，另一类是面向真实场景的智能系统。前者更依赖模型能力与产品体验，后者则涉及感知、决策与工程落地，技术路径差异明显。 大多数公司只聚焦其中一条，而小米需要同时探索两条路径，并思考它们之间的协同方式。国内需要这样思考的公司不多。 去年12月，2025小米“人车家全生态”合作伙伴大会上，罗福莉作为第三位嘉宾上台演讲。 当天除了发布MiMo-V2-Flash之外，小米自研MiMo系列大模型家族赫然呈现：推理大模型、视觉推理大模型、原生端到端音频生成模型、端侧视觉语言大模型、具身大模型。 罗福莉直言有一些紧张，但是却在台上金句频出。 罗福莉认为，下一代智能体系统不是一个“语言模拟器”，而是一个真正理解人类世界，并与之共存的“智能体”。 在她看来，AI进化的下个起点，一定是有一个能跟物理世界交互的模型。 AI不仅要看懂画面，还要理解背后的物理规律；AI不仅要推理文本，而是理解世界的运作逻辑。 这不禁让人想到李飞飞、杨立昆等顶尖学者所选择的“世界模型”的路径。 罗福莉说，这一点并非共识。 比如OpenAI的联创之一、前首席科学家伊利亚·苏茨克维（Ilya Sutskever）就认为，通过文本学习，模型也能内化出对世界的抽象认知和推理能力。换句话说，单靠语言就可以逼近通用智能。 罗福莉的野心，可见一斑。 罗福莉面临的挑战也更大，如果说之前的经历让她完成了从学术到工业应用的进化，那么在小米如此规模的企业担任MiMo大模型负责人，她势必还需要蹚过管理与协同的河。 她负责的团队是大模型Core，直接归属于小米集团技术委员会管理。真正要落地，得面对的是各条已经跑起来的业务线——无论是终端，还是自动驾驶，背后都有自己成熟的研发团队和既定节奏。 遥想十几年前，小米第一次尝试造芯，全资子公司松果电子研发，手机团队并不买账。2021年小米重启造芯计划的时候，就干脆放在了手机部之下。 小米连发三个模型，还只是个开始，模型能力还需进一步检验。罗福莉能否最终协助小米，如同她自己在人生中完成很多次的那样，完成一场从落后到顶峰的“逆袭”，尚未可知。 这场悄无声息的伏击，能不能从一次漂亮的出手，变成长期的战斗力？ 参考资料： 1、北大人：《对话北大校友罗福莉：在自由的风里，做难而正确的事》 2、最人物：《年薪千万，天才少女求放过》 3、智东西：《金句媲美雷军！罗福莉首次站台小米演讲，揭秘MiMo大模型和背后团队》 4、腾讯科技：《“雷军的AI秘密武器”罗福莉首秀：详解小米AGI之路》 5、新皮层NewNewThing：《入职小米后，罗福莉交卷了｜大公司》

IT之家 3 月 19 日消息，代号为“Hunter Alpha”的神秘模型本月（3 月）在全球最大 API 聚合平台 OpenRouter 引发热议，一度登上大模型调用榜第一，不少网友猜测是“DeepSeek V4”早期版本。 今天（19 日）凌晨，小米正式认领“Hunter Alpha”，宣布推出三款大模型 —— MiMo-V2-Pro & Omni & TTS，可限时免费体验一周。 随后，小米 MiMo 大模型负责人罗福莉发布长文，表示这是小米首款真正为智能体时代打造的全栈产品系列。 我称之为一次悄无声息的伏击 —— 并非因为我们事先策划，而是因为从聊天模式到智能代理模式的转变发生得太快，连我们自己都难以置信。在这两者之间，经历了一个既激动人心又痛苦不堪，同时又引人入胜的过程。 1T 基础模型几个月前就开始训练了。最初的目标是提高长上下文推理的效率。混合注意力机制带来了真正的创新，却又不至于过度扩张 —— 事实证明，它正是智能体时代最合适的基石。1M 上下文窗口。MTP 推理实现超低延迟和成本。这些架构决策并非一时兴起，而是我们在需要之前就构建的结构性优势。 真正改变一切的是我第一次体验到复杂的智能体框架 —— 我称之为“精心编排的语境”。第一天我就震惊了。我试图说服团队使用它，但没有成功。于是我下达了一条强硬指令：MiMo 团队中，明天对话次数少于 100 次的成员可以辞职。这招奏效了。一旦团队的想象力被智能体系统的功能所激发，这种想象力便直接转化为研究速度。 人们问我们为什么发展如此迅速。我在构建 DeepSeek R1 时亲身经历了这一点。我的真实总结是： —— 骨干网和基础设施研究周期很长。你需要一年的战略决心才能看到回报。 —— 训练后敏捷性是一种不同的能力：产品直觉驱动评估，迭代周期缩短，范式转变及早发生。 —— 以及不变的：好奇心、敏锐的技术直觉、果断的执行力、全身心的投入。 —— 还有一点很容易被低估：对你所创造的世界的真挚热爱。 罗福莉还承诺，新的 MiMo-V2 系列模型会开源 —— 当模型足够稳定，值得开源的时候。

【CNMO科技】2026年，OpenClaw让AI第一次真正具备了“动手能力”——它不再停留在对话层面，而是能够自主调用工具、操作软件、执行任务。这一跨越迅速引发技术圈的热议，短短数月间，围绕OpenClaw的讨论从装机教程延伸到监管边界，从应用场景拓展到路线之争，越来越多的人开始思考：当AI从“参谋”变成“员工”，它会带来哪些改变，又会暴露哪些问题？ 在这个过程中，几个问题逐渐浮出水面：监管部门为何密集提示风险？用户“装完即吃灰”的困惑从何而来？Perplexity与OpenClaw两条技术路线孰优孰劣？阿里、字节、腾讯、百度为何摆出截然不同的布局姿态？这些问题相互交织，共同指向智能体时代最核心的追问——当技术狂奔时，产业、监管与用户能否同步跟上。 基于此，CNMO推出“潮水退去，谁在‘养虾’？”深度专题，而本文将聚焦的话题是“阿里、字节、腾讯、百度的‘龙虾’生态”。 AI正从“对话式工具”向“实干型助手”跨越，而开源AI智能体OpenClaw的爆发，彻底点燃了这场产业革命。这款曾历经三次更名、凭借“可塑性”与“本地化部署”优势登顶GitHub星标榜首的开源框架，以“龙虾”为视觉标识与精神内核，其“开源开放、社区驱动”的特性，迅速吸引腾讯、字节、阿里、百度纷纷入局，围绕OpenClaw打造专属“龙虾”生态。 腾讯：打造全场景“龙虾”矩阵 3月9日，腾讯宣布，全场景AI智能体WorkBuddy正式上线，该产品能力与OpenClaw类似，完全兼容其功能且更易用，安装过程类似于普通的App安装，无需复杂部署，可调用国内不同的模型。 3月10日，腾讯发布全系“龙虾”产品矩阵，支持大众用户、开发者、企业级用户一键“养虾”。产品矩阵包括WorkBuddy、QClaw、腾讯云Lighthouse、智能体开发平台ADP、腾讯云桌面等。次日，腾讯CEO马化腾在朋友圈转发腾讯全系“龙虾”矩阵产品相关内容，并介绍：自研龙虾、本地虾、云端虾、企业虾、云桌面虾，安全隔离虾房、云保安、知识库……还有一批产品陆续赶来。 据CNMO了解，在个人用户层面，腾讯除WorkBuddy外，还推出了QClaw。QClaw是腾讯基于OpenClaw开源生态打造的本地AI助手，也是首个实现微信互联的“龙虾”。 QClaw 值得一提的是，3月14日，腾讯官方宣布，“龙虾”全国巡装计划全面启动，推出覆盖全国17座城市、为期40天的OpenClaw免费安装与技术支援服务。腾讯云Lighthouse、ADP、WorkBuddy、QClaw、云安全、云存储等“龙虾”产品团队，将陆续前往深圳、上海、北京等城市，为用户提供安装部署、模型配置、技能安装、卸载清理一站式全流程服务。同步启动的还有AI百校行“高校龙虾专列”，面向师生分享AI智能体使用、安全防护、实操技巧等科普与实践内容。 字节：云端SaaS+飞书深度融合 与腾讯全场景布局不同，字节跳动精准聚焦办公场景，推出一款开箱即用的云端SaaS版OpenClaw平台——ArkClaw。用户打开网页即可使用7×24小时在线的AI助手，可实现部署、调教、使用开源AI智能体OpenClaw。ArkClaw还可畅享Doubao-Seed-2.0系列、Kimi2.5、MiniMax2.5和GLM等主流模型。 ArkClaw 除了在网页端进行交互，ArkClaw已支持多种主流即时通讯APP，并深度适配飞书OpenClaw官方插件。用户使用飞书处理任务更丝滑，无需反复配置权限或者复制上下文给ArkClaw，即可轻松处理飞书日程安排和提醒、复杂文档/表格处理等任务。 阿里：以电商与算力为护城河 阿里的CoPaw主打"本地+云端"统一体验。其一大亮点是高度可定制化：用户可自定义智能体的名字、身份、风格，甚至通过对话逐步塑造其人格特质，系统还会主动记录并维护长期记忆，沉淀用户个性化偏好与专属知识体系。在能力扩展层面，用户可自行添加或编写自定义Skill，无需修改底层代码即可实现功能拓展。 近日，阿里发布全球首个企业级AI原生工作平台——悟空。钉钉CEO陈航表示："我们把钉钉打碎，用AI重建，炼出‘悟空’。过去是人用钉钉来工作，未来是AI用钉钉来工作。和市面上所有的龙虾Agent不一样，悟空天然就长在企业组织中，可以在真实的企业环境中安全使用" 。 据悉，悟空内置企业级运行环境，AI Agent自动继承企业权限规则，所有操作在安全沙箱中运行，token消耗和成本一目了然，像管预算一样管AI开支。 在场景落地方面，悟空将AI Skill从技术概念转化为行业级开箱即用产品，首批覆盖电商、跨境电商、知识类博主、开发、门店、设计、制造、法律、财税、猎头十大核心场景。以电商场景为例，店主搭配悟空，可实现1688选品找货源的全流程优化，悟空可帮助商家对供应商进行全景式背景调查，AI Agent帮助店家自动排雷，锁定靠谱的合作伙伴。 百度：做移动与服务入口 近日，在百度AIDAY龙虾专场上，百度“龙虾”全家桶正式亮相，包括“云端虾”“手机虾”“安全虾”多款产品上新。百度还发布了全新自研“桌面虾”产品DuMate和全球首款“家用小龙虾”小度龙虾，并宣布上新多款Skills。 小度龙虾将OpenClaw复杂任务能力引入家庭空间，通过自然语音交互，让用户只需开口即可发起复杂任务，降低AI Agent使用门槛，可做到“随时可用”。同时，依托小度设备，小度龙虾突破个人设备限制，进入家庭生活场景，成为全家共享的智能助手。 在此之前，百度智能云已推出多款“龙虾”产品，包括“零部署”产品DuClaw，用户仅需订阅服务即可直接使用“龙虾”；全球首款手机龙虾应用“红手指 Operator”（已更名为RedClaw），将 “养虾” 体验延伸至手机端。 写在最后 OpenClaw的崛起，不仅重构了AI智能体的产品形态，更重塑了国内科技巨头的竞争赛道，四巨头的“龙虾”生态布局，本质上是自身核心优势与OpenClaw开源特性的深度融合，没有绝对的优劣之分，只有适配自身生态的差异化选择。 从行业趋势来看，随着OpenClaw生态的持续完善，以及AI安全监管与技术迭代的推进，智能体赛道将从“产品比拼”转向“生态协同”的高阶竞争，端云协同、多模型适配、安全合规将成为未来布局的核心关键词。

IT之家 3 月 19 日消息，外媒 PCWorld 表示，根据其从 OEM 合作伙伴处了解到的情况，搭载英特尔酷睿 Ultra 200HX Plus 处理器的游戏本将分批推向市场，初期的可用性将相对有限。 对于该媒体所在的北美区域，第一时间发售的仅有联想和雷蛇的型号。而在中国大陆市场，机械革命耀世 18 Pro 则是消费者可买到的首款产品。 IT之家注意到，微星泰坦 16 MAX (Raider 16 Max HX) 就在英特尔官网列出的型号列表中，而最近上架的 2026 款初期型号仍搭载的是非 Plus 款处理器。宏碁则是在新闻稿中明确表示，三款掠夺者 Predator Helios Neo 将从 2026 年 6 月开始在全球市场上市。 对于其它 OEM，戴尔的 Alienware 18 Area-51 将于 3 月 31 日发货就绪；华硕发言人则表示美国客户可能至少需要等到今年 5 月底。

凤凰网科技讯（作者/于雷）3月19日，宇树科技创始人王兴兴现身小米新一代SU7发布会现场，并与小米集团创始人雷军进行了合影与交流互动。 王兴兴表示，团队在此前的研发中重点攻克了武术动作的呈现，通过搜集国内具备文化符号的武术解说与动作数据，成功让机器人复刻了双截棍等经典招式。 针对明年的产品演进与技术迭代，双方在现场公开向外界征集创新想法，并对未来人机协作的更多落地场景表达了期待。

快科技3月19日消息，近期不少苹果用户在网上抱怨，iPhone键盘变得难用，打字容易出现漏字、错字，引起不少讨论。 不过现在终于有好消息传出，苹果确认在iOS 26.4版本中进行修复。 苹果今天发布了iOS 26.4公测版，并在更新说明中指出，将“优化键盘算法，提升快速打字时的输入准确率”，等于间接证实先前的键盘问题确实存在，且已着手改善。 iPhone这项问题主要出现在输入时，键盘明明有检测到按键、画面也有反应，但实际上却没有成功输入文字，使得出现漏字情形，系统无法准确预测用户想输入的内容，导致后续错字变多。 事实上，苹果在之前的iOS 26.4测试版中，就已悄悄引入相关修复，部分用户也反应打字准确度有明显改善。 苹果预计在下周推送iOS 26.4正式版，届时困扰iPhone用户的打字问题有望解决，不过是否能彻底解决所有键盘打字问题，仍有待后续观察。

2026 年 1 月，OpenClaw 席卷中文互联网。仅仅两个月后，龙虾已经进入了「全民卸载」周期。 龙虾的问题不是它不够强，而是它很难服务于每一个普通人。 从安装到卸载，第一批「养虾人」的故事，暴露了 OpenClaw 的尴尬：Agent 怎么能产生真正的生产力价值？ 今天，飞书的新品发布会，想给每个人一个答案。 给每个人的智能伙伴 OpenClaw 爆火之后，有着开放、易用的机器人机制的飞书，也跟着走红了。 API 调用额度从 1 万次提到 5 万次，再到目前的 100 万次；3 月 5 日推出官方插件，让 Agent 可以直接读写飞书文档、日历和多维表格,把「养虾」的门槛从「会写代码」降到「会用飞书」。 这些动作，确实让龙虾更好养了。但 OpenClaw 本身的弊端，飞书仍然解决不了：配置复杂、普通用户上手门槛高、原生部署安全隐患大，等等。 结论是：Agent 要真正落地，必须是一个上手即用的智能伙伴。它的安全是基本线，更要能直接与每个人的工作流丝滑融合。 今天正式升级的 飞书 aily，就是飞书给出的答案。 飞书 aily 是什么？官方定位是「每个人的智能伙伴」。形态上，它以 Bot 的方式常驻在飞书联系人列表里，打开飞书就能找到，对话即交互。30 秒激活，零配置。 飞书 aily 有长期记忆，会随着你的使用逐渐记住你负责什么业务、偏好怎么沟通、喜欢什么格式。 它的权限与你的飞书账户完全一致——你能看什么文档，它就能操作什么文档，敏感操作需要你确认，所有动作全程可追溯。 它还有官方认证的技能市场，经过安全扫描，可以按需安装。 可以说，飞书 aily 是 OpenClaw，或者更广泛定义上「龙虾」理念的一种呈现方式。但它又跟开源的原生版 OpenClaw 有着本质的区别： 龙虾是你自己养的宠物，飞书 aily 是公司给你配的同事，入职了，开权限了，准备好和你一起开始工作了。 对于需要处理更复杂工作流的用户，还有独立的飞书 aily 专业版（aily.feishu.cn），有图形界面，可以让有需求的开发者、公司 IT 管理员去构建多步骤的自动化任务。 接下来的实测，我们会聚焦在普通人更好用的 Bot 形态，但两者底层逻辑相同。 龙虾承诺的太多，其实 aily 就够了 把飞书 aily 放进了实际工作流里，我们测了几个最日常的用法。 先来一个极高频的场景：飞书拉会。 在任务过程中，飞书 aily 直接查询了 APPSO 组织架构内的用户 ID——这一步放在别的 AI 工具里根本做不到。它能做这件事，是因为统一的权限机制。你在飞书里能看到的，它就能看到。 确认了人、确认了时间，调用飞书日历技能，一个会议就建好了。 从任务发起，到创建完成，大约半分钟。不敢说比飞书达人手搓更快，至少主打一句话搞定。 让打工人感觉痛苦，但又不得不做的事情，做月报肯定算一个。 我们把自己的社媒平台数据，先上传到了飞书云盘，然后交给飞书 aily。提示词很简单：查找不同媒体平台数据生成多维表格；再跟员工汇报文档结合，生成一份团队月报。 它整理了一共 9 份不同格式的文件，交付了一份月度汇报，以及可以作为附件的多维表格——时间只用了不到 4 分钟。同样的工作，APPSO 去年还在纯手搓，要用至少两个小时。 顺便一提，如果你想从零搭一套数据追踪的业务系统，子产品飞书妙搭也支持用自然语言描述需求，直接生成一套业务系统应用。 不一定每次都用得上，但有飞书 aily 在，你知道自己不用再求人了。 接下来，我们再看一个相对更复杂、偏创作/生成向的任务，看看飞书 aily 作为自媒体搭子好不好用。 作为 APPSO 的深度报道作者，我会写很多晦涩难懂的文章，在社媒平台传播的时候就需要生成有针对性的、更浅显易懂的版本。 我们还是可以直接在飞书 app 里，通过设定好的机器人来发指令。不过，这个任务其实更适合用飞书 aily 的专业版来完成。有图形界面 (GUI) 的辅助，可以精细化输入和调整，还可以更方便地调用原生支持的各种工具、技能和插件。 飞书里直接搜索飞书 aily，或者打开 aily.feishu.cn，就进入到了专业版界面。 它支持用户上传自定义 skill。虽然官方技能库非常丰富，但我还是想上传一个我之前经常用的「content-creator」（内容创作者）技能。 装完 skill 之后，我们只需要在对话框里输入 /content-creator（具体的 skill 命令因人而异），就能唤醒它。再把文件链接给到，它就能开始帮我写稿去了。 这种技能/插件的调用方式，和 Claude Code、Cowork、OpenClaw 等产品相同，熟悉度拉满。 开始工作后，我们能够在后台看到，飞书 aily 先是做了一个 plan，将任务分解成 5 个步骤。 即便是不指名到具体的 skill 上，飞书 aily 仍然可以判断我的意图然后调用对应的技能来完成工作。 APPSO 在这里其实还做了 A/B 测试，激活或不激活技能，任务完成时间分别是一分半和三分钟——都不算特别久，但显然调用 skill 工作更快，而且利用技能写出来的感觉更好。 无论是各种官方还是第三方的 skill，飞书 aily 都能完美适配。不过这里 APPSO 还是建议大家不要在不熟悉的情况下乱装 skill，尽量以官方的技能商城为准。 工作完成后，点击右上角的工作区，能够查看生成的内容了。 三个场景测下来，有一个感受越来越清晰：飞书 aily 跟那些「AI 生成一个文件发给你」的工具，体验差异还是很明显的。它的交付物是文档、表格、任务，可以继续被协作、被引用、被追踪。 龙虾当初让大家兴奋的那个期待，其实一直都很具体：帮我做完一件费时、费力的小事，让我能腾出脑子去处理真正重要的东西，别让心流被一堆琐碎打断。飞书 aily 做到了这一点，龙虾没有。 当然，OpenClaw 有很多「出格」的操作，它还做不到：操控本地文件系统、执行任意命令等。但换一个角度，这种「克制」本身就是企业场景的必要条件。哪怕一个新实习生学历再高、能力再强、多有灵气，公司不会给 ta 配上服务器根权限——这很正常。 飞书本就是个强有力的生产力工具。飞书来做龙虾/agent，当然不是为了实现什么 AGI。在各种宏大的叙事之外，先让普通人的打工人生更轻松，才是更重要的。 飞书 aily 支持定时任务创建，交互比 OpenClaw 更轻松 Agent 落地企业，其实并不难 企业 Agent 的竞争，正在往一个很多人还没意识到的维度转移。 过去两年，行业的注意力主要在两件事上：模型能力（谁的参数更大、基准跑分更高），以及 C 端爆发（谁的 Agent 更酷、更会演示）。 OpenClaw 的火爆是这个逻辑的顶点——一个开源框架，凭借「能干活」的形象引爆全民。 但龙虾从爆火，到卸载，仅用了两个月就快走完了一个周期，里面有一个不能更朴素、更明显的道理： 「能干活」是必要条件，绝非充分条件。 Agent 要在企业环境里真正落地，需要的远不止一个会执行命令的 AI——它需要懂业务，需要匹配组织的权限构架，需要嵌入团队已有的工作流，而不是在旁边开一个新窗口，重新训练一个昂贵且笨的「实习生」。 诚然，中国绝大部分的工作发生在微信上——团队工作的本质是沟通，这个道理上过班的人基本都明白。但飞书、钉钉、企微的流行，从侧面证明了工作绝不仅仅是沟通那么简单。 聪明人在一起工作，沟通早已不是问题。聪明人开始发现，那些聪明人也不得不干的「笨事情」，才是效率提升的真正空间所在。 Agent 的上限，取决于它能「读懂」多少你的工作。但在工作的语境下，「读懂」并不意味着你要把自己的电脑交给它。 而读懂，靠的是上下文——你留下过的笔记，开过的会和会议纪要，跟谁在群里讨论过什么，哪些项目在推进，哪些决策已经做出。 这些东西，叫做企业上下文数据，其实正是一个商业机构运转的引擎。它不存在于模型里，也不能从网上抓取，它在企业内部的协作平台上，以消息、文档、日历、审批的形式慢慢沉淀，日积月累。 飞书沉淀这些东西，已经好几年了。 OpenClaw 爆火后，中文开发者自发聚集到飞书，原因很简单——Bot 创建不需要审批，不需要公网 IP，摩擦最少。社区发起人杨明锋在自己的分支里先实现了飞书扩展，2 月 4 日被官方合并。 把 OpenClaw 的门槛从「会写代码」降到「会用飞书」，是飞书能做的事，也是其他平台很难复制的动作。 飞书目前是 OpenClaw 官方唯一原生支持的中国 IM 软件 飞书大概率没有预料到这一切，但它一直在做的那套东西——足够开放、接口通畅、数据互通——恰好就是龙虾最需要的基础设施。 当在飞书中激活飞书 aily ，它读到的上下文，远比文档里的文字、表格里的数据更多。它知道这份文档是上周评审会讨论的结果，知道那个多维表格由哪个团队维护，知道@你的消息通常意味着什么优先级。 ——这些，都是外部的 Agent 产品，难以复制的东西。你可以在后端接入强大的模型，可以用各种服务框架、插件、技能、hook 来强化体验。但你的工作记录，专属于你的公司、属于你的上下文，是不可被替换、很难被简单搬运走的。 竞争对手可以做出一个功能相近的 Agent，但它接入的只是空壳；而飞书 aily 面前的，是一个已经蓄满水的池塘。 这个逻辑延伸出去，还有一个更大的判断：企业 Agent 的竞争格局，最终将由「谁的地盘里的上下文最充裕」，而不是「谁的模型最强」来决定。 模型能力不是不重要，但模型的高度商品化，是既成事实；多年沉淀的上下文生态，才成了真正的护城河。 企业 Agent 时代的入口，应该是上下文最深的平台。飞书已经成为了这个入口。 钉钉有更大的用户基数，腾讯有 QQ 和微信的社交图谱，企业微信有腾讯的 B 端关系链。飞书的优势，在这三者里反而是最「纵深」的：它的用户群以科技、互联网和成长型企业为主，这批人对 AI 的接受度高，工作上下文的数字化程度也最高。 换句话说，飞书的地盘虽然不是最大的，但上下文密度可能是最高的。你在哪个平台留下了最多的工作痕迹，那个平台的 Agent 就最懂你。 究其根本，大多数人们对于龙虾的期待，并不能通过 OpenClaw 来解决。 两年后的办公 AI，会变成什么样子，没人知道。但至少今天的答案，就在工作已经在发生的地方，在飞书 aily 的身上。 飞书一直是对 agent 最友好的工作台，无论 AI 怎么进化，其实万变不离其宗。

【CNMO科技消息】3月19日，小米正式推出小米笔记本Pro 14。据CNMO了解，这款产品以超轻薄设计为基础，搭载强劲硬件配置，起售价为8499元。 小米笔记本Pro 14 外观设计上，小米笔记本Pro 14秉持轻量化理念，整机轻至1.08kg，薄约14.95mm，便于用户日常携带出行。机身采用丝绒镁合金材质打造，不仅带来亲肤细腻的手感，还具备不易粘指纹的优势。配色方面，该机型提供柔雾蓝、白色、雅灰和柔光粉四种配色。 性能表现上，小米笔记本Pro 14至高搭载第三代英特尔酷睿Ultra X7 358H处理器，搭配10000mm2VC散热模组，性能释放可达50W，能够轻松应对办公、创作、游戏等多种场景。 续航能力同样表现出色，小米笔记本Pro 14内置72Wh大电池，能量密度高达800Wh/L，可本地播放1080p视频达19.8小时。同时，该机标配100W氮化镓电源适配器，体积小巧，可实现疾速补能。 显示与操作体验上，小米笔记本Pro 14配备14.6英寸OLED屏幕，拥有3.1K分辨率与120Hz高刷新率，峰值亮度达1600尼特；搭载全域压感触控板，支持多种快捷手势操作。存储拓展方面，该机预留M.2 2280硬盘位，最高可支持4TB容量扩展。 此外，小米笔记本Pro 14还内置小米网络模组，支持一键远程开机、远程跨端文档编辑及文件传输，同时可实现与小米汽车热点直连，为用户带来更便捷的使用体验。

【CNMO科技消息】3月19日，iQOO官方公布了“性能续航小超人”iQOO Z11的全新外观设计。新机带来沧浪浮光、天光白和极夜黑三款高颜值配色，并采用旗舰感的大R角+阶梯式缓坡Deco设计，在拥有6.83英寸大屏和9020mAh巨量电池的同时，依然将机身控制在轻至216.5g、薄至8.25mm。 iQOO Z11 CNMO注意到，iQOO Z11此次公布的三款配色各有特色。作为iQOO Z11的主打配色，沧浪浮光的设计灵感或源自电竞意境——“沧浪”是团战的冷静轨迹与翻盘的澎湃，“浮光"是技能残影与胜利的神采。背板采用高精密纳米级光刻工艺。天光白采用纯净的白色基调，极夜黑彰显低调的高级感。 根据爆料和官方信息，除外观外，iQOO Z11的核心配置同样“越级”： 性能核心：iQOO Z11预计将搭载主频高达3.4GHz的天玑8500满血版芯片，采用4nm制程与全大核架构，Geekbench单核1717分、多核6795分，提供16GB内存。 屏幕越级：iQOO Z11搭载iQOO首款165Hz护眼电竞屏，提供1.5K分辨率，在FPS枪战手游中可实现“断层领先”的流畅体验。 续航快充：iQOO Z11内置9020mAh蓝海电池，支持90W有线快充和支持旁路供电。

凤凰网科技讯 3月19日，华硕近日在其官网公布了搭载骁龙X2 Elite Extreme芯片的Zenbook A16笔记本的宣传物料，并将其多项性能指标与苹果M5 MacBook Pro进行了直接对比。数据显示，华硕在多核工作负载、办公效率及AI性能等方面均给出了领先优势，但部分测试标准的客观性引发了业界的关注与讨论，报道该事件的科技媒体wccftech甚至使用了“无耻”的严厉表述。 在游戏性能方面，华硕官方数据显示，Zenbook A16在运行《暗黑破坏神4》时的帧率是M5 MacBook Pro的1.31倍。然而，由于该游戏目前尚未推出macOS原生版本，苹果设备必须依赖如CrossOver等转译软件运行，这种兼容层的存在会带来不可避免的性能损耗，导致该项对比并非在同等原生环境下进行。 在数据传输能力的表述上，华硕宣传物料展示Zenbook A16具备228 GB/s的“超高速传输”，并对比了M5的153 GB/s。这一表述将系统级芯片（SoC）内部共享内存池的统一内存带宽理论峰值，与实际的外部数据传输率相混淆。业界指出，日常程序运行极难触及这一理论带宽上限，且两个概念在技术本质上存在显著差异。 此外，宣传图还展示了该设备在Geekbench 6.5多核测试（1.26倍）、Excel处理（1.55倍）、Cinebench R24代码编译（1.45倍）、Blender 3D渲染（1.7倍）以及AI性能基准测试（1.85倍）上的领先倍数，并指出其拥有18个核心对比苹果的10核。 据了解，搭载该款骁龙芯片的设备目前尚未正式上市发售。与此同时，配备16GB统一内存和512GB固态硬盘的M5 MacBook Pro目前在亚马逊平台已出现200美元的降价，起售价降至1399.99美元。（作者/于雷） 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。