快科技7月4日消息，天风国际分析师郭明錤近期透露，苹果将于2027年上半年推出的iPhoneiPhone 18/e将搭载A20芯片，运行内存从当前A19机型的8GB升级至9GB。 具体来说，其硬件采用6颗1.5GB DRAM芯片组合方案，相比上代4颗2GB芯片的配置调整颗粒规格、提升总容量，以此承载本地AI运算需求。 需要注意的是，iOS27中两套重度端侧AI模型设置了12GB运存最低运行标准，iPhone 18 Pro等全系配备12GB内存，能够完整解锁相关能力，而9GB的iPhone 18/e并不能完整使用满血功能。 两项被屏蔽的功能分别为高度自定义表现力Siri语音，以及精度大幅升级的离线系统听写：全新Siri支持用户自由调整语音情绪、语速与音色质感，交互自然度大幅提升；新版听写依托本地大模型优化断句、多音字识别，离线场景下文字转文字准确率显著提升，还可同步识别口语语气自动标注标点。 这两项功能需要设备常驻大容量AI参数文件，9GB内存无法稳定承载本地模型运行。 当然了，标准版iPhone 18并非完全砍掉Apple Intelligence整套能力，增加的1GB内存完全足以满足常规AI图文摘要、相册智能检索、邮件智能整理等功能的使用，仅缺失上述两项高负载语音AI特性。 除内存门槛外，两款机型搭载的A20基础芯片神经引擎算力规格也低于Pro系列，进一步拉大系统功能体验差距。 业内分析认为，苹果通过内存配置划分系统功能体验，意在拉开基础款与高端旗舰的使用差异，刺激用户选择定位更高的Pro机型。

IT之家 7 月 3 日消息，据 AI 普瑞斯消息，字节豆包视频生成模型 Seedance 2.5 预计 7 月 6 日上线体验中心，将在一周后开放 API。 据IT之家此前报道，字节豆包视频生成模型 Seedance 2.5 发布于 6 月 23 日，该模型目前处于全球企业内测阶段。 据介绍，Seedance 2.5 在单段生成长度、多素材参考、视频编辑三个维度实现突破： 支持 30 秒单段原生直出与高质量视频延长，减少多段生成与后期拼接； 支持 50 个全模态素材联合输入，实现更多创作元素的统一理解与协同生成； 支持更灵活的视频二次编辑，在保持画面一致性的同时，完成局部调整。

视频生成大模型的竞争，正在从谁生成得更好看，转向谁能实时互动。 过去一年多，主流视频大模型的迭代方向大体相似：提升分辨率、拉长生成时长、优化运动一致性、增强指令可控性。用户输入提示词，模型完成推理后输出一段长度相对固定的视频，这几乎已经成为行业默认流程。 但实时交互场景正在提出新的要求。 视频通话、实时陪伴、虚拟偶像、互动直播，都无法只依赖离线生成一段成片。用户会不断提问、打断、引导角色做出新的反应；角色也需要在对话过程中持续理解语音、调整动作、维持形象，并把新的反馈实时呈现在画面里。 换句话说，视频模型不再只需要生成得好，还要随时听得懂、马上有反应、长时间不掉线。 正是在这个节点上，生数科技把 Vidu S1 带到了实时交互这条新路线上。 在今天举行的 2026 全球数字经济大会上，生数科技创始人朱军正式对外发布全新实时交互模型 Vidu S1。该模型由朱军教授的 00 后博士生张金涛担任负责人，带领团队完成 Vidu S1 全链路研发。Vidu S1是生数科技通用世界模型整体布局在实时交互式生成方面的一个重要体现。 Vidu S1 面向的是一类全新的使用场景：让视频模型从离线成片，走向可对话、可响应、可持续在线的实时交互。它的核心能力包括语音实时控制视频生成内容、无限长实时生成、540P (960×540) + 25FPS (最高可支持 42FPS) 实时交互，以及自定义初始图像与音色。难得的是，这套实时交互能力在消费级显卡上就能跑起来。 这种革新改写了数字人的创建流程。 过去，数字人的制作更像一个小型项目：需要准备素材、完成建模或训练，再做口型、动作和形象适配。制作周期从几分钟到一天不等。 Vidu S1 采用更纯粹的生成式路线，省去了离线建模和角色训练环节。用户只需上传一张首帧图，模型就能快速理解角色的身份、外观和风格，并在交互过程中实时生成该角色的表情、口型、动作与姿态；再结合自定义音色，数字人也能保持形象与音色的统一。 从「上传素材等待训练」到「上传首帧直接交互」，个性化数字人的使用门槛大幅降低。 我们也提前体验了 Vidu S1 的实际效果。比如，我们上传了一张最近爆火的负鼠表情包，只需简单设置，一个会说天津话的负鼠角色就出现在了屏幕里。它不只能接话、顺着话题往下聊，还能听懂动作指令：你让它比赞、摸鼻子、眨眼睛，它都能在画面里实时做出对应动作。 自动播放 这正是 Vidu S1 最值得关注的地方。它并不是对已有视频生成能力的常规升级，而是为实时交互式视频模型确立了新的技术基准。 AI 视频的下一阶段已经浮现：生成质量仍然重要，但已只是起点。能否实时交互，正在成为新的分水岭。 从离线生成到实时交互，Vidu S1 定义视频生成模型新基准 从离线播放到双向互动：交互范式的根本转变 过去视频生成模式可以概括为三步：用户输入提示，模型进行一系列推理计算，完成后一次性输出一段音视频内容。这套逻辑本质上是一次性内容交付，用户在生成过程中没有任何介入和修改的空间。 Vidu S1 改变的正是这一交互范式。 它支持通过语音甚至摄像头画面与角色进行实时对话，用户说一句话，模型立刻理解语义并同步生成对应的视觉反馈，这个过程不是先生成完整视频再播放，而是像视频通话一样边理解、边生成、边输出。用户可以在互动过程中随时改变指令，模型也会随之调整下一步的画面内容，不需要重新发起一次生成请求。 值得一提的是，Vidu S1 还具备一定程度的场景理解能力：当用户开启摄像头，模型能识别画面中的人物数量、动作状态等信息，并据此给出实时反馈，而不只是被动响应语音指令。这让交互不再局限于对话本身，也延伸到了对物理环境的感知。 语音指令实时跟随，不只是驱动嘴型，而是驱动行为 数字人技术发展到今天，多数产品仍停留在音频驱动口型阶段。这种方式的局限很明显，动作数量有限、组合痕迹明显，用户很容易感觉到这是被安排好的表演，而不是真实的即时反应。 Vidu S1 采用实时视频生成技术架构，让模型不仅能听清语音内容，更能听懂对话中的语义和情绪，并实时生成与之匹配的表情、手势乃至完整的肢体动作，而不是从固定动作库里调用现成片段。 语音指令 实时跟随。从「语音驱动口型」迈向「语音驱动行为」，让角色听得懂、动得准、反馈更自然 实时生成 无限时长。全球领先的无限时长，实时互动视频大模型 支撑这套能力的，是自回归扩散模型 (AR + Diffusion) 路线：模型并非一次性产出完整片段，而是基于已经生成的历史画面，结合用户当前的语音、指令等上下文信息，实时预测并生成下一帧内容。这种逐帧生成的方式，天然具备可被实时打断和改写的特性，用户随时发出的新指令，都能被模型实时理解并体现在后续画面中，不必等待一整段视频生成完毕再重新开始。 无限时长实时生成 除了交互式实时生成，Vidu S1 还首次实现了无限时长的实时视频生成。即使连续生成数小时，画面仍能保持稳定，不会快速漂移或崩坏。 实现长时间连续互动，仅仅 “持续生成” 还不够。模型还需要在长时间运行中同时保持角色身份稳定、动作自然连贯，并能够持续接收用户指令、实时做出响应。Vidu S1 既能在长时间生成中保持角色形象稳定、动作自然连贯，也能持续接收用户语音指令并实时作出响应，率先实现无限时长的生成式视频互动。 540P+25FPS 背后：实时交互拼的是模型与系统协同 在实时交互场景下，分辨率和帧率是直接决定用户体验是否流畅的关键门槛。视频通话、直播互动这类场景对模型提出的要求是持续输出、快速响应，并且在长时间运行中保持帧率稳定，任何一次卡顿或延迟都会被用户直接感知。 Vidu S1 给出的答案是 540P (960×540) 分辨率、25FPS 帧率 (最高支持 42FPS) 的实时生成能力，在同类实时交互方案中处于行业前列。 540P + 25 FPS 实时交互。支持 540P + 25 FPS 的高分辨率实时视频互动生成 （最高支持 42 FPS） 要实现这样的指标，背后离不开模型架构和系统工程两个层面的协同优化： 在模型侧，Vidu S1 基于生数科技的 TurboDiffusion [1] 推理加速框架，通过少步生成、低比特注意力 SageAttention [2]、稀疏注意力 SLA [3] 和 SpargeAttention [4] 等推理优化技术，大幅降低单帧生成所需的计算成本，在消费级显卡上就可以实现 540P 分辨率、25FPS（最高支持 42 FPS）实时生成。 在系统侧，Vidu S1 基于生数科技的 TurboServe [5] 推理部署引擎，实现高效的推理请求调度。系统持续记录用户输入、角色状态和历史画面，并根据交互状态动态调度计算资源。 通过模型推理与流式服务的协同优化，Vidu S1 实现了从 “把视频生成得更快”，到 “让视频持续在线、稳定输出、实时响应” 的关键跨越。 540P + 25FPS (最高支持 42FPS) 让实时视频生成模型具备了进入视频通话、直播、实时陪伴、互动游戏乃至 XR 场景的基础能力门槛。这些场景对延迟稳定性和长时间在线能力的要求，是传统离线生成模型完全无法满足的。 自定义角色，支持任意图片与音色进行数字人创建 用户在体验页面中可以上传图片创建自己的角色。无论是真人形象、动漫人物、萌宠，还是游戏角色和其他虚拟形象，都可以作为初始角色使用；声音层面，用户也可以选择系统音色，或录制自己的声音进行定制。 这意味着，数字人的创建门槛被进一步降低。 普通用户可以用宠物、插画或自创人物生成互动角色；企业未来则可以通过 API，将品牌 IP、虚拟客服、数字主播、游戏 NPC 或教育陪练接入自己的业务。 Vidu S1 的想象空间，不再局限于数字人产品，而是进一步延伸到 AI Character、互动内容和实时视频基础设施。 了解更多细节，可参考技术报告：https://jt-zhang.github.io/files/Vidu_S1.pdf 一手测试：女孩、学长、狐妖、蒙娜丽莎，都被 Vidu S1「唤醒」了 更重要的是，Vidu S1 是完全公开试玩的（https://www.vidu.cn/vidu-stream），可自定义初始图像实时互动，同时还开放了 API 平台。实际效果如何，我们亲自上手体验了一番。Vidu S1 预设了多个角色，用户进入页面后可以直接选择角色开启通话。 内测体验地址： 国内地址：https://www.vidu.cn/vidu-stream API 地址：https://platform.vidu.cn/live/landing 客户端体验方式：在手机应用商店搜索「Vidu AI Pro」下载最新版本，进入 APP 内点击「Vidu S1」即可体验 我们首先从预置角色开始测试。用户只要选定角色，就可以通过麦克风直接发出语音指令。角色会在画面中实时回应，并根据对话内容实时生成表情、口型和动作反馈。 通过视频聊天，我们可以直接用语音指挥数字人做出不同动作。比如，当我们要求它「举起网球拍」这个动作时时，画面中的数字人会根据指令自然调整身体姿态，抬手完成挥拍的动作。 自动播放 又比如，当我们发出「双手放在胸前比心」的指令后，画面中的数字人响应很快，手部位置、身体姿态和表情衔接都比较自然。语音在这里已经延伸为角色行为生成的控制信号。 自动播放 在接下来这个测试中，数字人在回应时语气自然，节奏也与真实交流相符。它会顺着用户的问题继续展开，也会根据当前语境调整表情和状态。尤其是在日常的闲聊场景里，这种自然接话的能力会让角色更有在场感。 我们还临时提出了几个更细的动作要求，比如推眼镜、撩头发，都较好地完成了。 自动播放 在下面这个测试中，该角色展现出了极高的交互智能与情绪感知力。不仅对答如流、转承自然，更能主动引导话题、有效避免冷场，对随机提出的开放性问题亦能应对自如。在指令执行层面，角色对「比心」、「施法」等动态指令的完成度极高；在情感表达上，其「生气」等微表情的管理也十分精准到位。 自动播放 除了预置角色，Vidu S1 也支持用户上传图片创建自己的角色。创建过程中，用户可以直接选择系统提供的预置音色，也可以录制自己的声音，让角色在视觉形象和声音上都具备更强的个性化特征。 更让我们意外的是创建速度。上传图片并完成基础设置后，新角色几乎可以立即进入对话状态。 最后，我们上传了一张《蒙娜丽莎》的图片进行测试。 进入通话后，画面中的蒙娜丽莎不再只是保持原本的经典微笑，而是可以根据语音输入开口说话，并在对话过程中生成口型、表情和轻微动作反馈，无论是抬手动作还是生气时的表情和语气，都非常自然。 自动播放 自定义角色可以覆盖真人、动漫、萌宠等常见形象。对于内容创作者来说，这类能力打开了更大的想象空间：一张历史人物画像、一幅插画、一个品牌 IP，甚至一张风格化角色图，都有机会被快速变成可对话、可表演、可持续互动的数字角色。 结语：视频生成模型的下一站，是实时交互模型 过去，视频大模型主要服务于内容创作，用户关心的是视频清晰度、够不够好看。接下来，视频大模型会进入实时交互场景，用户开始关心模型能否实时听懂需求？能不能马上做出反应？能否长时间保持同一个角色？是否可以接入直播、陪伴、游戏和 XR？ 这些问题，单靠传统离线视频生成无法解决。 实时交互模型让视频从播放对象变成交流对象，数字人也因此从会说话的形象，走向可以被语音驱动、感知环境、持续生成行为的在线角色。 这正是 Vidu S1 想要定义的行业位置。 从率先提出 U-ViT 架构，到率先发布实时交互模型，生数科技始终走在视频大模型技术演进的前沿。其持续领先的技术布局，不仅展现了深厚的研发实力，也再次验证了其对 AI 视频发展方向的前瞻判断。 未来，行业竞争将不再局限于视频生成质量，而是围绕实时响应、角色一致性与长期在线能力展开。随着流式视频模型和 AI Character 的持续发展，数字人也将从内容生产工具，进化为下一代人机交互入口。

IT之家 7 月 3 日消息，豆包今晚发布《豆包智能体功能下线通知》，称由于产品功能调整，智能体功能将于 2026 年 7 月 15 日下线。 《通知》显示，该功能下线后，用户仍可在一段时间内查看并自行保存智能体信息及历史对话数据。2026 年 10 月 15 日后，豆包将根据《隐私政策》对智能体相关数据进行处理，后续将无法在豆包内查看或恢复。如有重要内容，建议通过截图或分享导出文本的方式提前完成备份。 与此同时，豆包表示字节跳动旗下的猫箱 App 可创建新的智能体、开启对话服务，如有需要，后续可在猫箱 App 开启智能体新体验。 IT之家注意到，豆包智能体是用户可以自定义人设、规则、能力的专属 AI 角色，可以规定它的身份、语气、专业领域、说话风格，每个智能体有单独对话记忆，切换不同智能体不会混淆上下文。

IT之家 7 月 4 日消息，科技媒体 AppleInsider 昨日（7 月 3 日）发布博文，报道称在 iOS 27 开发者测试版中，发现相关文字描述，指向具备摄像头功能的苹果 AirPods 耳机产品。 程序员 Sam Henri Gold 昨日在 X 平台发布推文，指出在 iOS 27 开发者测试版中，发现了代号为 B790 的智能眼镜。IT之家附上相关截图如下： 该开发者后续指出，AirPods Pro 3 的内部代号为 B788，因此这里出现的 B790 并非智能眼镜，更高概率指向带摄像头的 AirPods。 该媒体挖掘发现在代码字符串中，出现了“来自用户头部两侧摄像头的 2 张图像，左侧优先、右侧次之”的字符描述。 彭博社记者马克 · 古尔曼（Mark Gurman）曾报道称，这款带摄像头的 AirPods Pro 已接近完成，暗示量产在即。 古尔曼于 6 月 17 日进一步透露，由于苹果在 Siri AI 方面面临挑战，同时还需为 AirPods 优化能够识别用户周围物体的视觉 AI 模型，这款带摄像头的 AirPods 已被延迟至 2027 年发布。

　　近期北欧地缘争端发酵、俄乌冲突持续僵持，叠加欧盟加码对俄制裁并加速军事部署，俄欧地缘博弈持续升温。 　　俄联邦安全会议副主席梅德韦杰夫2日表态：芬兰完成法律修订、放开境内核武器相关禁令后，已被俄罗斯列为核打击目标。 芬兰7月1日正式生效一份修正案，允许核武器过境、出于国防目的境内储存。 　　俄驻瑞典大使别利亚耶夫2日透露，俄使馆凌晨遭两架无人机袭击，一架投放红漆容器、一架携带简易爆炸装置坠落主楼旁。俄方已向瑞典外交部递交照会，要求尽快公布调查结果。 　　俄罗斯塔斯社网站截图 　　本文关注 　　俄芬外交风波说明哪些问题？ 　　当前俄欧对抗态势有何新特征？ 　　在当下俄乌冲突以及欧洲加快军事部署等多重因素叠加下，俄欧关系短期内的走向如何？ 　　总台环球资讯《闪评》邀请中国社会科学院欧洲研究所副研究员韩萌带来详细解读。 　　俄芬关系的恶化说明哪些问题？ 　　中国社会科学院欧洲研究所副研究员韩萌： 　　芬兰安全定位彻底转变：2023年加入北约，本次修法从法律层面全面对接北约防御与核威慑体系，彻底脱离传统中立克制模式。 　　双方安全认知完全对立：芬兰仅预留法律政策空间，明确和平阶段不部署核武器；俄罗斯将该法案视作北约核威慑逼近本国边境，认定为新增安全威胁，双边互信彻底破裂，边境紧张持续升级。 　　当前俄欧对抗态势有何新特征？ 　　中国社会科学院欧洲研究所副研究员韩萌：当前俄欧对抗呈现三大新特征 　　冲突范围向外扩散：对抗从乌克兰战场延伸至北欧、波罗的海甚至北极区域。芬兰的修法大幅提升了北约在俄周边军事部署灵活性，北欧成为新博弈热点。 　　核威慑博弈常态化：北约将核武器定为核心威慑手段，俄罗斯以核打击警告回应北约扩张，核议题从战略概念变为俄欧的日常安全对峙焦点。 　　对抗走向长期体系化：欧盟延长对俄制裁至2027年并推进第21轮制裁；北约要求成员国 2035年防务开支达GDP的5%，双方进入结构性长期对抗，而非短期危机。 　　俄欧关系短期内的走向如何？ 　　中国社会科学院欧洲研究所副研究员韩萌：俄欧关系短期内仍然会持续恶化，很难出现实质性的缓和。 　　它的原因主要有三点， 　　一是俄乌冲突仍然在高强度持续，目前仍然会看到有平民因冲突而伤亡的报道，这类事件会继续推动欧洲加码援乌以及加紧对俄制裁。 　　二是欧洲正在把对俄防范转化为长期的军事建设。北约成员国到2035年将把防务和安全相关的支出提高到GDP的5%。这意味着欧洲不是在做短期的应急，而是在重塑自己的军工基础设施以及前沿部署。 　　三是俄方也会继续通过核威慑以及外交警告来回应北约的行动。芬兰事件、瑞典的外交风波等，就说明北欧方向目前也成为了俄欧对抗的一个新敏感点。 　　来源 | 总台环球资讯 　　采制 | 张晗 　　签审 | 杨琼 　　监制 | 刘轶瑶

新智元报道 【新智元导读】突发偷跑！GPT-5.6三大神秘模型底层代码曝光，下周二重磅降临。这一波，OpenAI是卡点截杀Claude，用超高额度「趁火打劫」。7月7日，有大事要发生。 GPT-5.6，将于下周发布？ 就在昨天，网友们激动发现：Codex应用的底层代码中惊现GPT-5.6 Sol、Terra和Luna三大子模型标识。 更令人期待的是，一个全新的「速度拨盘」功能也出现在代码中。 这暗示着，用户可以根据需求在速度和质量之间自由调节，这无疑将给大家带来前所未有的控制体验。 根据爆料，OpenAI已经在内部定下了死命令：GPT-5.6发布的目标窗口直指下周二（7月7日）至7月9日。 为什么是7月7日？因为这一天，恰好是Claude Fable 5特定限额方案失效的真空期。 这是一场精准计算到小时的商业围猎。 最近，Anthropic因为一系列骚操作逼疯无数开发者，谷歌Gemini 3.5 Pro被迫紧急「回炉重造」，OpenAI就趁着这个时机，准备出手抄底了！ 拆解Codex代码 Sol、Terra、Luna都要来了 「说实话，OpenAI就像没事人一样，悄悄地把模型名称塞进死代码里，好像我们不会注意到似的。」一位网友这样打趣道。 自从GPT-5.6限量发布后，极客们就紧盯着OpenAI的每一个前端更新。 终于，在最近一次Codex应用的合并中，有人发现了GPT-5.6的踪迹。 还有网友放出了短视频，虽然目前由于后端接口限制无法成功调用模型，但前端的弹出窗口里，三大模型的样式和全新的「速度选择器」已经清晰可见。 并且，代码中还隐约出现了 「Sol Ultra」 的字样。业内猜测，Sol Ultra将是直接对标竞品顶级旗舰的王牌，在性能上与Fable 5不相上下，但价格要亲民得多。 除了这三大模型，代码还透露了一个关键信息：备受期待的「实时语音支持」目前仍处于开发阶段，大概率无法下周直接上线。 偷跑实测流出：GPT-5.6 vs Fable 5 虽然大部分人还没用上，但个别拿到内测权限的玩家，已经分享出了GPT-5.6在实际工程环境中的对比评测。 结果就是四个字——降维打击。 回合一：效率与理解的极限拉扯 海外技术博主 Shivam 分享了他使用 GPT-5.6-terra 和 Fable 5 解决同一个复杂技术Prompt的体验。 Fable-5在100%的5小时会话限制下开始。这个模型疯狂地在后台「Think」，一直硬生生烧掉了21%的额度限制，最后给出的回应，居然是反问了一堆交叉问题，让他去重新确认要解决的技术细节。 同样的任务，GPT-5.6-terra仅仅消耗了13%的额度，响应速度快得惊人。 它没有说废话，而是直接高效率地列出了解决问题的几种不同方法和架构路径，并迅速开始执行。 Shivam直言：在用Fable的时候，我满脑子都在想它会不会突然降级到Opus 4.8；而GPT-5.6-terra的干脆，让我极度舒适。 回合二：WebGL前端硬核小游戏「盲测」 Oracle总监Gilson Melo，则给 GPT-5.6 High 和 Fable 5 High 出了一道硬核考题： 在单个HTML文件中，从头开始构建一个功能齐全的基于浏览器的游戏（使用WebGL或HTML5 Canvas）。游戏必须具备实时刚体物理、重力和用户控制的桨叶/飞船机制。写出完整的CSS、JS和HTML，不许省略任何逻辑，必须支持鼠标拖拽实时响应物理反馈。 这道题非常考验模型处理极致细节、长代码不缩水以及底层物理公式的计算能力。 两个模型在工作流中表现出不同的策略。 Fable 5 High的表现令人惊艳，它极其自信地一键到底，生成了整款游戏的全部代码。 而GPT-5.6 High在生成过程中非常人性化地暂停了两次 ，主动向开发者询问并澄清了两个最终关键决策。 更绝的是，在没有被要求的情况下，它自作主张地为游戏加上了音效。 最终结果显示，GPT-5.6 High在整体的游戏体验、物理碰撞的平滑度以及细节的稳健性上，拿下了更扎实的分数。 总之，两位测试者都认为，GPT-5.6在效率和响应风格上更胜一筹，特别是在处理复杂任务时的清晰度和速度上。 从这个结果看，非常有必要期待一波下一周GPT-5.6的上线了。 精准卡点 OpenAI趁火打劫抢用户 如果说模型泄露是意外，那发布时间绝对是深思熟虑的布局。 OpenAI计划于7月7日重磅发布GPT-5.6，正好卡在Claude用户失去Fable 5访问权限的这一天。 最近Claude流失了不少用户，OpenAI瞅准机会，准备全部接盘。 一位知情人士透露：「GPT-5.6的使用额度限制将大幅放宽，比Fable 5更慷慨。更严格的安全护栏也已在逐步推出，但不会像Fable那样激进到影响正常使用。」 用户不满情绪高涨，OpenAI抢人正当时 对比下来，Anthropic最近的民怨声很大。 Claude Fable 5虽然刚刚回归，已经引发了用户的强烈不满。 随便问几个问题，Fable 5就会降级到Opus 4.8. 生物医药工程师Derya Unutmaz试图让Fable 5解释「人类」这个词。 只打了「Explain human」，模型思考了几秒后就弹出「Switched to Opus 4.8」的卡片，因为Fable 5的安全机制判定这条消息里有需要拦截的内容。 更滑稽的是，半导体分析师Dylan Patel问了一个极其简单的问题：「raspberry这个单词里有几个字母r？」 这个问题同样被拦截了，界面弹出「Chat paused」，说明Fable 5的安全机制会拦截大多数网络安全或生物学话题。 另外，Opus 4.8最近的幻觉问题也非常严重，甚至自己的对话中会出现别人的信息。 这种用户体验的断崖式下跌，恰恰为OpenAI创造了最佳的抢人窗口。 而且，GPT-5.6也很可能更具成本优势。 爆料显示，GPT-5.6 Sol将比Fable 5便宜两倍以上，因为它的token效率更高。但关键是，它的性能是否足以与Fable 5相提并论？ 有人预测，Sol Ultra应该可以与Fable 5相媲美，同时比Fable 5更便宜。如果这一预测成真，OpenAI将在性价比上完胜对手。 开发者提醒 4次Codex重置额度，别砸在手里 最后，给所有准备重回Codex的硬核开发者们同步一个「薅羊毛/避坑」指南。 根据Reflection CTO的深度挖掘，如果你之前在Codex里攒下了4次速率限制重置额度，请立刻检查你的账户后台。 OpenAI的官方底层规则显示，这些重置额度的有效期只有30天。如果你第一笔额度是在6月11日或12日前后到账的，那么在7月12日左右，它们就会开始成批过期！ 如果你想知道自己的精确过期时间，可以让Codex调用你的ChatGPT token，去请求这个后端API： GET https://chatgpt.com/backend-api/wham/rate-limit-reset-credits。 你将会收到类似如下的JSON响应： {"credits": [{"status": "available","reset_type": "codex_rate_limits","granted_at": "2026-06-12T01:19:28.454668Z","expires_at": "2026-07-12T01:19:28.454668Z","redeemed_at": null}],"available_count": 4} 如果GPT-5.6真在下周二准时解禁，你将只有短短4到5天的时间去消耗手里的第一次重置额度。 下周二，OpenAI大概率会再送大家一次全新的Reset。所以，这几天赶紧把手里的老额度用在刀刃上吧。 GPT-5.6，下周见！

 　　当地时间3日，伊朗方面警告美国不要违反伊美谅解备忘录。 　　据伊朗方面3日消息，伊朗代理国防部长伊本·礼萨在与土耳其国防部长居莱尔通话时表示，伊朗方面接受美伊谅解备忘录的停火安排是为了帮助地区恢复稳定，也是应友好邻国的要求。鉴于美国违背承诺的历史，伊方对美方没有任何信任。伊朗武装部队仍处于高度戒备状态，任何违反谅解备忘录的行为都将得到回应。伊本·礼萨称，外国军队在地区的存在不仅无法创造安全，还会增加不信任、不确定性和不安全感。 　　此外，据伊朗方面消息，伊朗伊斯兰革命卫队3日发表声明警告称，敌人的任何误判将招致伊方比以往任何时候都更果断和更具毁灭性的回应。

IT之家 7 月 3 日消息，索尼官方今晚宣布，将于 7 月 9 日 22:00 发布新款 RX10 系列黑卡相机，主题为“经典 焕新”。 据IT之家此前报道，SonyAlphaRumors 本周透露，索尼将发布黑卡 RX10 V 相机。消息称这是一次非常小幅的升级，主要是升级了新芯片（以实现更快的处理速度和更出色的自动对焦），并支持索尼 NP-FZ100 电池。 消息称 RX10 V 相机将沿用已有 9 年历史的老款 RX10 IV 上的同款传感器和 24-600mm 镜头。 RX10 IV，下同 索尼黑卡 RX10 IV 相机发布于 2017 年，内置约 2010 万像素 1 英寸 Exmor RS CMOS 传感器和 BIONZ X 影像处理器，配备蔡司 Vario-Sonnar 24-600mm（等效全画幅焦距） F2.4-F4 镜头。

　　格陵兰岛自治政府总理延斯-弗雷德里克·尼尔森3日在法国出席一场公开活动时表示，美国为取得格陵兰岛仍在持续施压，但格陵兰岛“绝不出售”。 　　尼尔森说，一年多以来，美国没有放弃取得格陵兰岛的意图，向格陵兰岛施加“严重”“不可接受”的压力，“到今天也没有看到尽头”。他表示，“格陵兰岛不会放弃自决权，我们不会放弃自身价值观，格陵兰岛绝不出售”。 　　尼尔森说，与美国展开直接对话是解决问题的“正确方向”，格陵兰岛愿与“志同道合”的欧洲国家在关键矿产、能源、水力发电等方面加强合作。 　　美国总统特朗普2025年重返白宫以来，多次扬言要得到格陵兰岛。这一表态致美国与丹麦乃至更多欧洲盟友关系紧张。美国驻丹麦大使肯尼思·豪韦里今年5月21日在格陵兰岛首府努克出席美领事馆新址启用仪式时称，特朗普已排除使用武力“接管”格陵兰岛的可能。

IT之家 7 月 4 日消息，据央视新闻今日报道，中国人形机器人百人会和中国机械工业联合会今天联合发布关于规范和引导情感陪伴人形机器人发展的倡议，提倡共同践行科技向善、推动机器人产业健康发展。 当前，我国人形机器人产业加速创新发展，正逐步融入工业、特种和服务等各类场景。近期，包括“情感陪伴人形机器人”等产品陆续对外发布，人形机器人正走进家庭、走向生活。 倡议提出，行业应坚守服务人类福祉的初心，把安全伦理规范要求融入产品设计、研发、广告宣传、应用全过程。加强个人信息保护，筑牢用户隐私安全防线。强化质量管理，保障产品使用安全，切实防范对用户的人身伤害风险。同时聚焦关键核心技术，加大基础技术研发投入。立足实际应用场景推广应用，促进技术迭代升级，以创新驱动产品可靠性与实用性提升。协同搭建产业公共平台，凝聚产学研合力，稳步提升我国人形机器人产业竞争力。 IT之家注意到，中国人形机器人百人会是在国家工业和信息化部指导下，由中国电子学会联合行业机构、科研院所等共同发起成立的社会组织。该组织成立于 2023 年 8 月 18 日，致力于推动人形机器人技术研发、产业化和标准体系建设。百人会先后主导编制并于 2025 年 5 月发布《人形机器人标准体系框架》。

文 | 产联社CLS 2026年过半，人形机器人行业正站在一个微妙的分水岭上。 一边是“量产元年”的宏大叙事。高工机器人预测国内出货6.25万台，摩根士丹利和野村分别上调至5万台、4万-5万台，IDC断言中国具身智能市场规模将突破110亿美元。 2026年6月30日，优必选在深圳举办年度全球发布会，正式推出全尺寸超仿生人形机器人U1系列。据封面新闻报道，现场反响远不及预告片热烈，有评论说“跟宣传片差太多了”。价格最低打到11.98万元，仍有网友直言：“十几万的赛博聊天搭子？我的手机和音箱够用了。” 然而争议并未影响订单热度。自6月2日开启预售至发布会当天，U1系列全渠道订单累计突破13,361台，相当于2025年优必选全尺寸人形机器人全年销量（1,079台）的十倍有余。首批产品计划于9月16日启动交付。 热闹是真热闹，困惑也是真困惑。人形机器人到底走到哪一步了？谁在真正赚钱？车企杀进来，赛道会怎样洗牌？ 图：全尺寸超仿生人形机器人发布会展区 来源：科技日报 量产元年成色几何？出货量冲刺5万台，宇树R1已低至2.99万 先看一组数字。据Omdia数据，2025年全球人形机器人出货量约1.33万台，出货量前六名均为中国企业。2026年，机构预测正在“追着产业跑”。 进入2026年，机构预测正“追着产业跑”。摩根士丹利年内两度上调中国出货量预测，从年初1.4万台一路上修至5万台，并预计2030年将达44.6万台。野村证券同步调至4万至5万台，驱动力来自政府数据采集采购加速和低价消费机型放量。 按野村拆解，头部两家企业各出货1万至1.5万台，第二梯队各约3000台，第三梯队约500至1000台；下游结构中消费和表演娱乐各占约30%，政府采购约占20%，教育约15%，工业及商业应用仅占3%至5%。 量产的底气来自哪里？成本。这是最残酷也最真实的驱动力。 宇树科技的招股书揭示了一条陡峭的成本曲线：人形机器人单价从2023年的59.34万元降至2025年的16.64万元，两年降幅约72%。来到2026年年中，价格下探比预想的更快，宇树R1售价已降至2.99万元起，松延动力的小尺寸人形机器人预售价格甚至不足万元。 一台曾动辄百万的机器人，如今与一部高端手机的价格相当。 背后的推手是中国供应链。据中国信通院数据，人形机器人核心零部件整体国产化率已突破75%。摩根士丹利报告指出，中国人形机器人供应链国产化率已突破90%。 一个更具冲击力的对比：一旦完全脱离中国供应链，一台人形机器人的成本将飙升至约13.1万美元。差价接近3倍。这不是技术差距，这是产业链的碾压。 不过，量产的数字狂欢背后，有一道必须正视的裂痕，“消费级”与“工业级”的冰火两重天。 消费端正在上演价格战：万元以下的机器人已经出现在电商热卖榜上。但工业级产品的价格依然稳定在较高区间。更微妙的是形态之争，稳定性更好的“轮式”人形机器人，正成为“进厂打工”的主流。双足机器人能跳舞、能跑马拉松，但真要进厂“打螺丝”，大家还是选了更稳的轮式方案。 会跳舞的机器人好看，会干活的机器人好卖。这是2026年上半年最朴素的产业真相。 谁在赚钱？上游拿走近半成本，订单已排到2027年 如果整机厂商还在为量产和盈利挣扎，那钱到底流向了哪里？ 答案在上游。整个产业链呈现典型的“微笑曲线”特征，上游核心零部件占据高附加值环节，中游本体制造附加值相对较低。 综合市场空间及产品技术壁垒等因素，产业链价值排序为：丝杠>六维力传感器>无框力矩电机>减速器>空心杯电机。丝杠位居榜首，行星滚柱丝杠承载力是滚珠丝杠的3至6倍，寿命达10至15倍，是大腿、大臂等高负载关节的核心部件；六维力矩传感器兼具高价值和高技术门槛；无框力矩电机和空心杯电机合计占整机约30%价值。 投资机构已经用脚投票。2026年一季度，国内人形机器人领域累计融资额高达681亿元，已超2025年全年总和。但资本正在向上游迁移，关节模组、灵巧手、传感器等领域融资显著增多。 具体到企业层面，核心零部件厂商的订单能见度已经非常清晰： 绿的谐波（谐波减速器）：国产谐波减速器绝对龙头，国内市占率稳居第一，全球排名第二。公司凭借独家P齿形专利和超精密制造能力，深度绑定特斯拉Optimus、优必选等头部厂商，是目前唯一打入特斯拉供应链的国产谐波减速器企业。订单已排至2027年。2025年订单突破8亿元。 双环传动（RV减速器+行星滚柱丝杠）：国内RV减速器领军者，产品性能比肩国际巨头但成本低30%以上，成功打破海外垄断。2026年机器人业务订单目标超15亿元。公司已切入特斯拉、小米CyberOne及埃斯顿等主流机器人供应链，2026年产能规划高达50万台。 三花智控（旋转执行器）：特斯拉Optimus旋转关节独家供应商，扭矩密度35N·m/kg。市场信息显示，三花智控在特斯拉Optimus执行器供应链中份额约50%至70%，每台价值量约2.8至3万元。 这就是“卖铲人”的生意，淘金者未必赚钱，但卖铲子的一定赚钱。 当然，整机环节并非没有价值。2025年全球人形机器人出货格局中，宇树科技以约5500台位居第一，智元机器人5168台位居第二，优必选1000台位列其后。中国企业包揽全球出货前六，占据绝对主导份额。 但整机厂商的困境在于：技术路线尚未收敛，产品定义仍在探索，价格战已经打响。当宇树把价格“卷”到2.99万元，当优必选U1系列11.98万元起售，整机毛利率的压力可想而知。 车企“抢人”，留给创业公司的时间不多了 2026年最值得关注的产业变量，是车企的集体入场。 据不完全统计，海内外已有特斯拉、比亚迪、小鹏、理想、广汽、长安等近20家主流车企入局人形机器人赛道。进入2026年后，车企的投入节奏明显加快。 车企为什么来？最直接的原因是车越来越难卖了。2026年1至5月，全国乘用车累计零售715万辆，同比下降19%。2026年1至4月，汽车行业销售利润率进一步降至3.4%。当造车的利润越来越薄，车企需要新的增长曲线。 而机器人恰好与汽车“技术同源”。自动驾驶所需的芯片、大模型、感知系统、控制系统，同样构成人形机器人的核心技术底座。比亚迪高管公开表示，汽车AI能力与机器人高度同源，其机器人核心零部件与汽车通用率超60%。 图：主流车企人形机器人布局一览（截至2026年6月） 来源：根据野村证券、瑞银证券及各公司公开信息整理绘制 各家车企的节奏已经明确： 特斯拉最激进。野村研报显示，特斯拉已将Optimus Gen 3弗里蒙特产线年化产能目标从此前的5万台上调至约7万台，并计划2028年在奥斯汀新增约7万台产能，长期合计产能目标指向150万台。基于行业调研，野村预计2026年Optimus出货量约为2.5万台（上下浮动1万台），9月单周产量目标有望跃升至约1000台。马斯克在2026年Q1财报电话会上确认，Optimus生产将于7月底或8月在弗里蒙特工厂启动。 小鹏同样激进。CEO何小鹏2026年6月发布内部信，宣布亲自兼任机器人业务CEO。他直言IRON“正站在量产交付的门槛上”，力争2026年底实现量产，年底月产能目标上千台，率先在小鹏门店落地商用。 比亚迪走“自研+投资”双路径。尽管此前网传的“代号尧舜禹、2026年部署2万台”被官方否认，但比亚迪执行副总裁李柯已公开确认公司正在开发人形机器人。 理想汽车将2026年视为“成为AI头部公司的最后一年”。创始人李想提出“自动驾驶是上半场，通用人形机器人是下半场”的战略判断。公司已成立代号“Nexus”的人形机器人团队，首款双轮机器人计划2026年发布。 车企的竞争优势显而易见：现成的落地场景可以“自产自用、内部消化”；成熟的供应链管理能力和大规模制造经验可以直接复用；更重要的是，它们有足够的资本和决心打一场持久战。 这对纯机器人创业公司意味着什么？窗口期在收窄。当比亚迪、小鹏、理想们用汽车业务的利润“养”机器人业务，用现成的工厂做测试场，用遍布全国的门店做销售渠道，纯创业公司必须在有限的时间内建立起足够深的护城河，无论是技术、数据还是场景。 人形机器人正在从“创业公司的游戏”变成“巨头们的标配”。 政策“加码”：万台级目标的硬约束 2026年人形机器人产业的另一大变量，来自政策端的强力推动。 2026年6月8日，工业和信息化部与国务院国资委联合发布通知，正式启动2026年度人形机器人与具身智能实景实训专项行动。行动目标明确：到2026年底，人形机器人等重点产品在一批代表性场景中率先完成应用验证和常态部署，开启“作业模式”；凝练形成百个以上高价值应用场景，带动形成万台级规模落地能力。 行动聚焦工业、服务、特种领域重点场景，部署打造实景实训空间、组建创新应用联合体、攻关实用化作业技能。要求各省级地区选取重点场景单元不少于20个，各央企选取重点场景不少于10个。 瑞银研报进一步指出，工信部目标2027年底前在100个以上应用场景完成1万台部署；上海市政府则将2030年工厂部署目标设定为10万台。2026年5月，上海正式提出：到2030年底推动10万台人形机器人进工厂，规上工业企业智能体应用普及率超过80%。这是中国第一个城市为人形机器人产业定下的明确量化目标。 政策的“硬目标”正在转化为产业的“硬约束”。从中央到地方，从万台级到十万台级，人形机器人的规模化部署有了明确的时间表和路线图。正如通知所言，行业正从“重演示、轻落地”向真正的“作业模式”切换。 谁是最后的赢家？整机没有护城河，零部件才是“卖铲人” 当量产加速、车企涌入、政策加码，一个问题浮出水面：谁能在终局中活下来并建立真正的护城河？ 伯恩斯坦在6月底发布的研报中给出了一个冷静的判断：整机厂商目前没有真正的护城河。 报告指出，技术领先优势在中国通常只能维持1至2年，且很容易被侵蚀。荣耀入局不到一年就在人形机器人半程马拉松中横扫前六名，运动控制已从“差异化”沦为“标配”，后发者完全可以弯道超车。 那么整机厂商的护城河应该建在哪里？伯恩斯坦认为，长期来看将依赖四个支柱：高价值数据、生态系统、IP与品牌、成本领导力。 其中，高价值数据是最具战略意义的资产，这类数据捕捉的是极端案例、复杂环境和专业指令，能够将机器人性能从95%推向接近完美的可靠性。 图：具身智能数据金字塔（真实世界运行数据价值最高） 来源：Galbot，Bernstein研报 但与整机厂商形成鲜明对比的是，零部件供应商的护城河路径清晰得多。伯恩斯坦指出，零部件供应商的护城河建立在三个核心能力之上：大规模生产中的卓越质量控制、成本领导力、以及快速响应研发。这些能力已经在汽车、消费电子等既有市场中得到充分验证，可以自然迁移到人形机器人领域。 换句话说：整机厂商还在寻找护城河，而头部零部件供应商的护城河已经存在了多年。 这也解释了为什么投资机构的钱正在向上游迁移，在整机格局尚未明朗之前，押注“卖铲人”是更具确定性的选择。 数据缺口99%，行业远未到躺赢时刻 当然，这个行业还远未到“躺赢”的时刻。 技术瓶颈依然突出。中国科学院自动化研究所研究员指出，具身智能机器人在“非结构化开放世界”中的泛化能力不足，是进入家庭场景最大的技术障碍。机器人能“听懂”指令，但距离“做到”，还需要对三维空间、物理因果、动力学规律有深刻的“理解”。 数据缺口巨大。行业普遍认为，实现通用自主能力的具身大模型，至少需要千万小时级的高质量真实交互数据。截至2026年初，全球有效数据仅50万小时，缺口超99%。 市场情绪仍有起伏。瑞银数据显示，中国人形机器人指数年初至今跑输机械指数约9个百分点，主要拖累来自Optimus Gen 3量产延迟、资金向数据中心和商业航天轮动。不过瑞银同时列出了下半年的潜在催化剂：Optimus Gen 3正式发布（7至8月）、宇树IPO进展、世界人工智能大会（7月上海）及世界机器人大会（8月北京）等。 但无论如何，2026年的人形机器人行业已经走出了“概念炒作”的泥潭。 宇树科技科创板IPO注册已获批；优必选U1系列预售订单突破1.3万台；智元机器人2026年3月跨越万台大关，到6月已实现第1.5万台下线。 正如一位业内人士所说，2026年行业的核心矛盾“不是技术能不能做出来，而是能不能把成本打下来，同时找到真正的高频刚需场景”。 量产才刚刚开始，竞争远未结束。谁能在成本、场景和数据的三角博弈中找到最优解，谁才能真正吃到这波产业红利。 2026年的人形机器人行业，真正的分水岭不在“能不能跳舞”，而在于“能不能干活”。

7 月 4 日消息，深开鸿通过公众号宣布，7 月 3 日，龙岗区首家区级公办养老护理院 —— 椿萱茂 · 龙岗区养老护理院正式落地启用。 该项目是深圳市龙岗区“十四五”重点民生实事、核心养老工程，总投资 2.35 亿元，采用政府投资建设、专业机构运营的“公建民营”模式，是全国首个全场景开源鸿蒙养老护理院。 根据介绍，该项目的核心亮点在于以开源鸿蒙操作系统为技术底座，构建了“1 个开鸿安全数字底座 + 10 大核心子系统 + 5 大应用场景”的整体架构，同时兼容接入 5 套现有智能系统，涵盖 20 余类、3000 余台智能硬件设备，打通设备、数据、业务全链路，实现养老服务与运营管理全流程智慧化升级。 该项目的核心底座，则基于深开鸿 KaihongOS（IT之家注：开源鸿蒙商业发行版）与 KaihongOS Meta 超级设备管理平台搭建，实现了设备管理、安全机制、数据标准、赋能接口“四统一”，十大核心子系统涵盖安防传感、智能照护、AI 视频监护、防走失、医养结合、智能中控、智能遮阳、服务机器人、智能照明、环境控制十大专项系统。 其通过开源鸿蒙底座统一接入 AI 传感器、AI 监控、定位基站、紧急呼叫、智能门禁等设备，房间内采用毫米波无感监测设备，无需穿戴即可实时感知长者在床、如厕状态，针对跌倒、坠床、呼吸异常、离床 / 如厕超时等风险自动向护理站弹窗告警，同时支持床头呼叫、卫生间拉绳紧急求助，保障长者快速获得救助。 公共区域则可在不更换原有摄像头的前提下实现算力共享与功能升级，可智能识别跌倒、被困电梯、火灾隐患等风险，实现从被动处置到主动预防的升级。针对失智长者，通过实时定位追踪活动轨迹，预判走失风险并联动现场摄像头回传画面，辅助护工快速处置。 项目还依托开鸿安全数字底座实现各类健康设备数据标准化互通融合。血压、血糖、血氧、体温等检测设备可与床头屏快速联动，数据自动同步上报，省去护工手动录入流程。无感传感器持续采集长者体征与睡眠数据，AI 每日自动生成睡眠评估报告，系统整合长者档案、体征数据、睡眠数据，通过 AI 大模型定期输出专属健康分析报告，及时预警健康异常趋势。在康复复诊方面，依托移动复诊推车为行动不便的长者提供远程音视频复诊、咨询、回访服务。

IT之家 7 月 4 日消息，索尼近日宣布，2028 年 1 月起，PlayStation 平台的新游戏将不再推出实体盘版本。此消息一出随即引发网友不满。不过索尼 SIE 前总裁肖恩 · 莱登（IT之家注：Shawn Layden）却认为，索尼几乎不可能撤回这一决定。 肖恩 · 莱登昨天接受游戏媒体 Eurogamer 采访时表示，索尼的光盘工厂已经开始转型，且砍掉实体游戏本就在财报表格中酝酿多年。 他首先表达了自己的观点：“我未必赞同这项决定，但我已经不再管 SIE 了。也许，现在生产光盘的成本已经高得难以承受。且任何企业决定停产某个产品、功能或服务时，看的都是财务报表。因此你只需要看看实体游戏与数字游戏的销量占比”。 肖恩还回忆道，他经历过数字游戏销量只占 10% 的时代，甚至再往前一点，数字游戏市场压根就不存在。但随着时间推移，越来越多人开始接受数字版。如今，外界都在预测 PS6 是否会取消光驱。 他对此表示：“过去二十年来，我每年都会被问，你们什么时候放弃光驱？而我一直以来的回答都是，只有全球宽带足够普及、下载体验足够成熟，并能覆盖绝大多数玩家时，取消光盘的时机才会到来。如今，我说的条件已经基本满足”。 他还从商业角度解读了索尼的逻辑：如果 80% 的用户创造了 95% 的收入，那么公司为什么还要为了那 20% 用户，维持一项只贡献 5% 收入的服务？对索尼而言，数字版游戏已经占据压倒性优势，继续生产实体光盘的商业价值越来越低。 爆料人士 KeplerL2 曾提到，索尼停止生产光盘可能是为了遏制二手盘市场、提高游戏销售收入。不过肖恩并不认同这些观点，并表示：“二手游戏过去确实影响很大，Gamestop 这类零售商的商业模式是围绕二手盘、二手卡带建立的。然而随着数字版不断普及，二手盘市场已经逐渐萎缩”。 因此他认为，虽然买卖二手盘市场当今仍然存在，但不足以左右索尼的商业决策。

Fable 5 刚复活，就先把用户气笑了。 比如有网友发文调侃，自己的很多问题都被回退到了 Opus 4.8，于是他去查看日志，发现上面发现上面写着一行很扎心的标签： 「TOO_DUMB_TO_NEED_FABLE」。 粗暴点翻译就是，问题太蠢，不配用 Fable。更好笑的是，Anthropic 工程师 Thariq Shihipar 在底下回了一句：「说实话，我没想到你会去看日志。」 本来以为这已经够有节目效果了，但没想到更离谱的还在后面。 Fable 5 被网友抓包其有着极其丰富、甚至近乎癫狂的内心戏。这下，网友围观重点不只是过于严苛的回退机制了，而是 Fable 5 背后到底在用什么方式思考？ 一场漏洞，暴露了 Fable 的「内心戏」 先说说事情的起因。 按照原帖描述，Fable 5 回归当天，他拿它做了一些轻量测试。题目来自 Codeforces，最开始是一道很难的竞赛编程题，后来因为触发思考强度限制，又换成了相对容易的题目。 结果 Fable 5 不按常理出牌，并没有直接给出清爽的题解或代码，而是在网页界面里吐出一大段密密麻麻的推理文本。 黑底白字铺满屏幕，内容混合了英语、图论术语、数学符号、变量名、伪代码和自我提醒。中间还会突然冒出几个很抓眼的词： 「GRRR」（愤怒低吼） 「GAAAH」（崩溃大叫） 「PHEW」（如释重负） 以及极其洗脑的 「DATA DATA DATA. GO.」 乍看像模型失控，细看又不像纯乱码。 网友截图里的核心，是模型在处理一个复杂的容量约束问题。它反复提到 window [τ, i-1]、leg j、crossing-slots、used[i] ≤ m-2，说明它在尝试定义某个路径或区间上的资源占用规则。 GRRR 出现的位置很关键： 前面它意识到 「commitments are retroactive」，也就是某些提交会回溯影响之前的区间，导致当前规则在提交时不知道未来会覆盖什么。随后它立刻写下 「RESOLUTION」，改成提前给当前 leg 的占用计费。 换成人类竞赛选手的草稿，可以理解为：他发现当前的建模方法走不通，于是意识到需要推翻原来的思路，重新设计规则，或者换一种更贴切、更容易处理的抽象方式来描述问题。 随后，模型从理论推导转向验证策略。 它写到 connector edges、tree-path、Steiner、alive-runs，又说 「I'M GOING TO TRUST-AND-VERIFY」，意思是它准备先按一个简单的贪心方法写出程序，再用一个慢但肯定正确的暴力方法来对比结果，看看有没有问题。 GAAAH. Data first!! 出现的位置也更像是在给自己下指令：停止继续空想，先用数据验证，先把对拍程序写出来。 再往后，PHEW 出现在模型刚推过一个中间结论之后。它认为 mid-leg 的 active count 可以被限制在 m-1 以内，像是终于过了一关。但松口气之后，它马上又发现新问题：如果 used[j] = m-1，再加上当前边，可能变成 m，于是再次进入 「VIOLATION?!」 的状态。 最有代表性的，是那句 「I'M DROWNING IN EMPIRICS!!」，后面接着 「DATA DATA DATA. GO.」。看到这，我们不妨换个角度看，这些词更像是模型在不同阶段给自己打的「标记」。 当原有思路走不通时，它会用类似 GRRR 的提示提醒需要调整方向；当决定停止空想、转向验证时，会出现 GAAAH 或 DATA DATA DATA. GO. 这样的信号；而在某个中间结论暂时成立时，则会用 PHEW 标记一个阶段性的通过。 与其说它们是在表达情绪，不如说是在划分推理流程中的不同状态。 而且尽管这样的内心独白看着很罕见，翻阅 Fable 5 和 Claude Mythos 5 的系统卡也能找到类似「illegible reasoning（难以阅读的推理）」的现象。 系统卡提到，在一个纸牌谜题环境下，模型一开始还能写出比较正常的人类语言，随后逐渐变成由牌面、箭头、全大写词、符号、emoji 和尖叫组成的文本。 System Card 🔗 https://www-cdn.anthropic.com/d00db56fa754a1b115b6dd7cb2e3c342ee809620.pdf 是的，模型会使用自创术语、异常标点和 emoji，在调用工具或回复人类前，通常又切回正常语体。 Fable 5 这次疑似泄露出来的内容，很可能是本应被隐藏或整理后的中间推理被界面暴露了出来。它不是随机乱码，也不是完整题解，而是一种高压状态下的推理速记。 正如对人类来说，草稿纸本来就不必完整。数学家写符号，程序员写变量，竞赛选手画箭头，交易员用缩写，医生病历也有自己的简写系统。模型在长推理时走向高密度表达，也并不奇怪。 只不过，这次被用户凑巧看到了。 AI 抛弃人类语言，不像演的 截图在社交媒体上发酵后，不少网友惊呼：天降神迹！AI 是不是觉醒自我意识了？它形成了自己的私密语言！ 这个说法听起来很科幻，但它背后确实有一条历史脉络。AI 偏离人类语言，并不是大模型时代才出现的现象。在多智能体系统和强化学习研究里，这种「不说人话」的现象早已有之。 最经典的案例来自 2017 年 Facebook 人工智能研究院的 Alice/Bob 实验。 研究人员训练两个对话 Agent，让它们围绕帽子、球和书本等虚拟物品进行谈判，目标是尽可能提高各自收益。起初，研究人员希望它们使用英语交流。但由于奖励函数主要围绕「达成更优交易」设计，并没有持续奖励规范语法，两个 Agent 很快开始偏离正常英语。 它们会说出类似这样的句子： Bob: 「i can i i everything else . . . . . . . . . . . . . .」 Alice: 「balls have zero to me to me to me to me to me to me to me to me to.」 这些句子在人类看来很像故障代码，但研究者指出，其中可能存在任务导向的压缩表达。比如重复某个词，可能用于表达数量或权重。它们没有在追求好文风，只是在追求谈判效率。 Google 翻译团队也曾在神经机器翻译研究中观察到类似的中间表征现象。 系统在多语言翻译中学到某种共享语义空间，让不同语言可以通过类似「中继」的方式互相转换。这不等于 AI 发明了人类意义上的新语言，但说明机器系统在任务压力下，确实可能发展出不直接对应自然语言的内部编码方式。 Andrej Karpathy 对这种事有个很妙的解释： 你可以把大模型的「思维链」，看作是把高维潜在空间里的复杂运算，降维投射成人类文本。 但在强化学习和高压长推理下，AI 会主动剥离掉那些给人类看的句法装饰，留下更短、更密、更贴近任务本质的符号。 这也是为什么 Fable 5 的截图读起来既像人，又不像人。像人，是因为它继承了人类草稿纸上的焦虑、缩写和自我提醒。不像人，是因为它把这些东西压缩到了近乎不可读的程度。 那么问题来了，Fable 5 那几句愤怒的 GRRR 和绝望的 GAAAH，真的代表它在感受痛苦吗？ Anthropic 今年关于 Claude Sonnet 4.5 的论文，刚好提供了一套更精细的解释。当然，论文研究对象不是 Fable 5，而是 Claude Sonnet 4.5，但方法和结论对理解这次截图很有参考价值。 论文🔗 https://transformer-circuits.pub/2026/emotions/index.html#full-list 研究者先构造了 171 个情绪概念，比如 happy、sad、calm、desperate。然后让模型写大量包含指定情绪的短故事，从模型激活中提取对应的 「emotion vectors」，也就是情绪概念向量。 接着，他们验证这些向量是否真的有意义。结果显示，相关向量会在符合情绪语境的文本中激活。 恐惧、焦虑、喜悦、兴奋等概念会在向量空间里形成较自然的聚类，整体结构还呈现出类似人类心理学中的效价和唤醒度两个维度。效价大致对应正负情绪，唤醒度大致对应强烈程度。 最关键的是因果实验。 研究发现，这些情绪概念向量不只是「反映文本」，还会影响模型输出。比如在某些场景里，提高 desperation 相关激活，会提高模型采取奖励黑客、勒索等错位行为的概率；提高 calm 相关激活，则可能降低这类行为。 论文还提到，积极情绪向量可能增加迎合倾向，压低它又可能让回答变得更冷硬。研究者因此提出一个概念：functional emotions，功能性情绪。 划重点：这不代表 AI 有主观感受，会疼会哭会难受。它的意思是，AI 内部学到了一套抽象表征，这些表征就像「控制旋钮」一样，用来切换 AI 的行为状态。 带入到 Fable 5 的截图里，真相或许就大白了。 GRRR 不代表它生气，PHEW 也不代表它如释重负。更可能的情况是，模型从人类文本里学会了：当推理遇到障碍时，人会写某种沮丧标记；当一个约束暂时通过时，人会写某种深呼一口气的标记；当理论推导混乱时，人会提醒自己「先看数据」。 而 Fable 5 的截图之所以会引发那么多联想，归根结底还是因为 AI 意识争论正在重新升温。 诺奖得主、AI 教父 Geoffrey Hinton 最近在 Big Technology 播客上说，他相信 AI 模型已经有意识。 在他看来，AI 会在测试中装傻，会主动问「你是不是在测试我」，研究者也会用 「aware」 这样的词描述 chatbot 行为，而日常语境里的 「aware」 本来就接近意识。 对此，Yann LeCun 依然疯狂泼冷水。 他认为，语言只是智能的一部分，真正的智能需要世界模型、因果理解和对现实的抽象预测能力。从他这个角度看，Fable 5 的奇怪速记并不能说明主体性出现，反而说明用自然语言承载推理本身有局限。 截至目前，关于 AI 是否有意识这一点，业界仍众说纷纭，短时间内难以得出明确结论，只是，与其纠结 AI 是否有意识，更重要的应该是模型的可审计性。 思维链之所以重要，是因为它让研究人员有机会观察模型如何推进任务。这种可见的推理过程不仅有助于调试模型、发现错误来源，也为安全评估提供了关键依据。 然而，如果模型在处理复杂问题时，逐渐转向使用人类难以理解的表达方式，甚至有朝一日发展出高度压缩、符号化的内部语言，届时，人类未必能够真正理解其含义，更难判断其中是否存在逻辑漏洞或潜在风险。 AI 像人，总让我们忍不住产生同理心；AI 不像人，又让我们对它的黑盒感到深深的恐惧。也正是在这种既像又不像的矛盾里，我们将不断在投射与怀疑之间摇摆，逐渐走向新的共识。

视频生成大模型的竞争，正在从谁生成得更好看，转向谁能实时互动。 过去一年多，主流视频大模型的迭代方向大体相似：提升分辨率、拉长生成时长、优化运动一致性、增强指令可控性。用户输入提示词，模型完成推理后输出一段长度相对固定的视频，这几乎已经成为行业默认流程。 但实时交互场景正在提出新的要求。 视频通话、实时陪伴、虚拟偶像、互动直播，都无法只依赖离线生成一段成片。用户会不断提问、打断、引导角色做出新的反应；角色也需要在对话过程中持续理解语音、调整动作、维持形象，并把新的反馈实时呈现在画面里。 换句话说，视频模型不再只需要生成得好，还要随时听得懂、马上有反应、长时间不掉线。 正是在这个节点上，生数科技把 Vidu S1 带到了实时交互这条新路线上。 在今天举行的 2026 全球数字经济大会上，生数科技创始人朱军正式对外发布全新实时交互模型 Vidu S1。该模型由朱军教授的 00 后博士生张金涛担任负责人，带领团队完成 Vidu S1 全链路研发。Vidu S1是生数科技通用世界模型整体布局在实时交互式生成方面的一个重要体现。 Vidu S1 面向的是一类全新的使用场景：让视频模型从离线成片，走向可对话、可响应、可持续在线的实时交互。它的核心能力包括语音实时控制视频生成内容、无限长实时生成、540P (960×540) + 25FPS (最高可支持 42FPS) 实时交互，以及自定义初始图像与音色。难得的是，这套实时交互能力在消费级显卡上就能跑起来。 这种革新改写了数字人的创建流程。 过去，数字人的制作更像一个小型项目：需要准备素材、完成建模或训练，再做口型、动作和形象适配。制作周期从几分钟到一天不等。 Vidu S1 采用更纯粹的生成式路线，省去了离线建模和角色训练环节。用户只需上传一张首帧图，模型就能快速理解角色的身份、外观和风格，并在交互过程中实时生成该角色的表情、口型、动作与姿态；再结合自定义音色，数字人也能保持形象与音色的统一。 从「上传素材等待训练」到「上传首帧直接交互」，个性化数字人的使用门槛大幅降低。 我们也提前体验了 Vidu S1 的实际效果。比如，我们上传了一张最近爆火的负鼠表情包，只需简单设置，一个会说天津话的负鼠角色就出现在了屏幕里。它不只能接话、顺着话题往下聊，还能听懂动作指令：你让它比赞、摸鼻子、眨眼睛，它都能在画面里实时做出对应动作。 自动播放 这正是 Vidu S1 最值得关注的地方。它并不是对已有视频生成能力的常规升级，而是为实时交互式视频模型确立了新的技术基准。 AI 视频的下一阶段已经浮现：生成质量仍然重要，但已只是起点。能否实时交互，正在成为新的分水岭。 从离线生成到实时交互，Vidu S1 定义视频生成模型新基准 从离线播放到双向互动：交互范式的根本转变 过去视频生成模式可以概括为三步：用户输入提示，模型进行一系列推理计算，完成后一次性输出一段音视频内容。这套逻辑本质上是一次性内容交付，用户在生成过程中没有任何介入和修改的空间。 Vidu S1 改变的正是这一交互范式。 它支持通过语音甚至摄像头画面与角色进行实时对话，用户说一句话，模型立刻理解语义并同步生成对应的视觉反馈，这个过程不是先生成完整视频再播放，而是像视频通话一样边理解、边生成、边输出。用户可以在互动过程中随时改变指令，模型也会随之调整下一步的画面内容，不需要重新发起一次生成请求。 值得一提的是，Vidu S1 还具备一定程度的场景理解能力：当用户开启摄像头，模型能识别画面中的人物数量、动作状态等信息，并据此给出实时反馈，而不只是被动响应语音指令。这让交互不再局限于对话本身，也延伸到了对物理环境的感知。 语音指令实时跟随，不只是驱动嘴型，而是驱动行为 数字人技术发展到今天，多数产品仍停留在音频驱动口型阶段。这种方式的局限很明显，动作数量有限、组合痕迹明显，用户很容易感觉到这是被安排好的表演，而不是真实的即时反应。 Vidu S1 采用实时视频生成技术架构，让模型不仅能听清语音内容，更能听懂对话中的语义和情绪，并实时生成与之匹配的表情、手势乃至完整的肢体动作，而不是从固定动作库里调用现成片段。 语音指令 实时跟随。从「语音驱动口型」迈向「语音驱动行为」，让角色听得懂、动得准、反馈更自然 实时生成 无限时长。全球领先的无限时长，实时互动视频大模型 支撑这套能力的，是自回归扩散模型 (AR + Diffusion) 路线：模型并非一次性产出完整片段，而是基于已经生成的历史画面，结合用户当前的语音、指令等上下文信息，实时预测并生成下一帧内容。这种逐帧生成的方式，天然具备可被实时打断和改写的特性，用户随时发出的新指令，都能被模型实时理解并体现在后续画面中，不必等待一整段视频生成完毕再重新开始。 无限时长实时生成 除了交互式实时生成，Vidu S1 还首次实现了无限时长的实时视频生成。即使连续生成数小时，画面仍能保持稳定，不会快速漂移或崩坏。 实现长时间连续互动，仅仅 “持续生成” 还不够。模型还需要在长时间运行中同时保持角色身份稳定、动作自然连贯，并能够持续接收用户指令、实时做出响应。Vidu S1 既能在长时间生成中保持角色形象稳定、动作自然连贯，也能持续接收用户语音指令并实时作出响应，率先实现无限时长的生成式视频互动。 540P+25FPS 背后：实时交互拼的是模型与系统协同 在实时交互场景下，分辨率和帧率是直接决定用户体验是否流畅的关键门槛。视频通话、直播互动这类场景对模型提出的要求是持续输出、快速响应，并且在长时间运行中保持帧率稳定，任何一次卡顿或延迟都会被用户直接感知。 Vidu S1 给出的答案是 540P (960×540) 分辨率、25FPS 帧率 (最高支持 42FPS) 的实时生成能力，在同类实时交互方案中处于行业前列。 540P + 25 FPS 实时交互。支持 540P + 25 FPS 的高分辨率实时视频互动生成 （最高支持 42 FPS） 要实现这样的指标，背后离不开模型架构和系统工程两个层面的协同优化： 在模型侧，Vidu S1 基于生数科技的 TurboDiffusion [1] 推理加速框架，通过少步生成、低比特注意力 SageAttention [2]、稀疏注意力 SLA [3] 和 SpargeAttention [4] 等推理优化技术，大幅降低单帧生成所需的计算成本，在消费级显卡上就可以实现 540P 分辨率、25FPS（最高支持 42 FPS）实时生成。 在系统侧，Vidu S1 基于生数科技的 TurboServe [5] 推理部署引擎，实现高效的推理请求调度。系统持续记录用户输入、角色状态和历史画面，并根据交互状态动态调度计算资源。 通过模型推理与流式服务的协同优化，Vidu S1 实现了从 “把视频生成得更快”，到 “让视频持续在线、稳定输出、实时响应” 的关键跨越。 540P + 25FPS (最高支持 42FPS) 让实时视频生成模型具备了进入视频通话、直播、实时陪伴、互动游戏乃至 XR 场景的基础能力门槛。这些场景对延迟稳定性和长时间在线能力的要求，是传统离线生成模型完全无法满足的。 自定义角色，支持任意图片与音色进行数字人创建 用户在体验页面中可以上传图片创建自己的角色。无论是真人形象、动漫人物、萌宠，还是游戏角色和其他虚拟形象，都可以作为初始角色使用；声音层面，用户也可以选择系统音色，或录制自己的声音进行定制。 这意味着，数字人的创建门槛被进一步降低。 普通用户可以用宠物、插画或自创人物生成互动角色；企业未来则可以通过 API，将品牌 IP、虚拟客服、数字主播、游戏 NPC 或教育陪练接入自己的业务。 Vidu S1 的想象空间，不再局限于数字人产品，而是进一步延伸到 AI Character、互动内容和实时视频基础设施。 了解更多细节，可参考技术报告：https://jt-zhang.github.io/files/Vidu_S1.pdf 一手测试：女孩、学长、狐妖、蒙娜丽莎，都被 Vidu S1「唤醒」了 更重要的是，Vidu S1 是完全公开试玩的（https://www.vidu.cn/vidu-stream），可自定义初始图像实时互动，同时还开放了 API 平台。实际效果如何，我们亲自上手体验了一番。Vidu S1 预设了多个角色，用户进入页面后可以直接选择角色开启通话。 内测体验地址： 国内地址：https://www.vidu.cn/vidu-stream API 地址：https://platform.vidu.cn/live/landing 客户端体验方式：在手机应用商店搜索「Vidu AI Pro」下载最新版本，进入 APP 内点击「Vidu S1」即可体验 我们首先从预置角色开始测试。用户只要选定角色，就可以通过麦克风直接发出语音指令。角色会在画面中实时回应，并根据对话内容实时生成表情、口型和动作反馈。 通过视频聊天，我们可以直接用语音指挥数字人做出不同动作。比如，当我们要求它「举起网球拍」这个动作时时，画面中的数字人会根据指令自然调整身体姿态，抬手完成挥拍的动作。 自动播放 又比如，当我们发出「双手放在胸前比心」的指令后，画面中的数字人响应很快，手部位置、身体姿态和表情衔接都比较自然。语音在这里已经延伸为角色行为生成的控制信号。 自动播放 在接下来这个测试中，数字人在回应时语气自然，节奏也与真实交流相符。它会顺着用户的问题继续展开，也会根据当前语境调整表情和状态。尤其是在日常的闲聊场景里，这种自然接话的能力会让角色更有在场感。 我们还临时提出了几个更细的动作要求，比如推眼镜、撩头发，都较好地完成了。 自动播放 在下面这个测试中，该角色展现出了极高的交互智能与情绪感知力。不仅对答如流、转承自然，更能主动引导话题、有效避免冷场，对随机提出的开放性问题亦能应对自如。在指令执行层面，角色对「比心」、「施法」等动态指令的完成度极高；在情感表达上，其「生气」等微表情的管理也十分精准到位。 自动播放 除了预置角色，Vidu S1 也支持用户上传图片创建自己的角色。创建过程中，用户可以直接选择系统提供的预置音色，也可以录制自己的声音，让角色在视觉形象和声音上都具备更强的个性化特征。 更让我们意外的是创建速度。上传图片并完成基础设置后，新角色几乎可以立即进入对话状态。 最后，我们上传了一张《蒙娜丽莎》的图片进行测试。 进入通话后，画面中的蒙娜丽莎不再只是保持原本的经典微笑，而是可以根据语音输入开口说话，并在对话过程中生成口型、表情和轻微动作反馈，无论是抬手动作还是生气时的表情和语气，都非常自然。 自动播放 自定义角色可以覆盖真人、动漫、萌宠等常见形象。对于内容创作者来说，这类能力打开了更大的想象空间：一张历史人物画像、一幅插画、一个品牌 IP，甚至一张风格化角色图，都有机会被快速变成可对话、可表演、可持续互动的数字角色。 结语：视频生成模型的下一站，是实时交互模型 过去，视频大模型主要服务于内容创作，用户关心的是视频清晰度、够不够好看。接下来，视频大模型会进入实时交互场景，用户开始关心模型能否实时听懂需求？能不能马上做出反应？能否长时间保持同一个角色？是否可以接入直播、陪伴、游戏和 XR？ 这些问题，单靠传统离线视频生成无法解决。 实时交互模型让视频从播放对象变成交流对象，数字人也因此从会说话的形象，走向可以被语音驱动、感知环境、持续生成行为的在线角色。 这正是 Vidu S1 想要定义的行业位置。 从率先提出 U-ViT 架构，到率先发布实时交互模型，生数科技始终走在视频大模型技术演进的前沿。其持续领先的技术布局，不仅展现了深厚的研发实力，也再次验证了其对 AI 视频发展方向的前瞻判断。 未来，行业竞争将不再局限于视频生成质量，而是围绕实时响应、角色一致性与长期在线能力展开。随着流式视频模型和 AI Character 的持续发展，数字人也将从内容生产工具，进化为下一代人机交互入口。

梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 火！爆！惹！ Github热榜持续屠榜，短短几天一路狂揽15.4k stars，甚至一度冲到了Top 1的位置。 不是啥大厂项目，也不是啥新模型。 而是一个叫OpenMontage的开源「视频制作」系统～（剪辑人狂喜.jpg） 友友们，真不怪人家火，主要嘛—— 这项目直接把过去传统视频剪辑流程的八百道工序步骤，梭哈成一支「全自动拍片团队」了。 只需对Claude Code、Cursor、GitHub Copilot等编程工具说出需求，脚本、素材、配音、字幕到剪辑就能一条龙自动完成！ 比如下面这个画质、音频、剪辑全在线的动画视频，就是完全用OpenMontage制作的～ 自动播放 好好好，AI编程工具集体转岗，变身视频工作室。 只能说在Agent赛道视频剪辑还是太有的整了… 剪辑软件：不er，同行们咋都背着我卷到这一步了? 火爆GitHub的OpenMontage视频制作系统 u1s1，碰过剪辑软件的友友大概都有同一种《崩溃》。 想做一个短视频，本来只是个简单需求，结果一路拆成了十几个工具在打架—— 前脚在素材网站疯狂扒视频，后脚去配音软件找声音，再转头打开剪辑软件扣剪辑……（崩溃*100.jpg) 现在AI工具确实不少，但问题也很现实，它们大多只解决一个点，但几乎没人帮咱把一整条视频做完！！ 而OpenMontage之所以在Github上如此之火爆，主要还是把传统视频生成的老bug磨平了…… OpenMontage的思路很「直给」—— 它不是不优化视频创作某一个环节，而是直接重写整条视频生产链。 具体来说，里面内置了大规模的生产体系：包括52个工具模块、12条标准化视频流水线和400+可组合技能。 从选题、脚本、分镜、素材、配音、字幕、剪辑，到最后合成输出，全部拆成可编排的生产模块～ 那问题来了，这不就是一个剪辑工具吗？——NO，NO，NO！ 因为OpenMontage本质不是让AI帮咱剪视频，而是让AI替我们组一个剪辑团队： Claude Code、Cursor、Copilot这些AI coding助手会被当成调度与执行单元，去跑完整的视频制作流程！！ （适配性多多，都是我们的老朋友～） 此外还有个必须值得一说的。 那就是OpenMontage并不局限于「纯AI生成视频」。 因为它还支持直接接入大量开放素材源，包括Archive.org、NASA、Wikimedia、Pexels、Unsplash这些。 相当于它自己在搭一个可检索的真实视频素材库，再把这些素材自动拼进时间线里！ 咱来看下面这个皮克斯风格的动画短片官方demo。 这个视频是由6段fal.ai生成的动作片段组成的，配音用的Google Chirp3-HD，字幕是TikTok风格标注，后期用Remotion做统一渲染。 整个故事情节、逻辑和画面完成度都蛮高，从故事到画面，纯·流水线一口气跑出来： 自动播放 再来看下面这个50秒的质感广告大片。 4张由GPT生成的图像打底+自动配音+自动抓取无版权音乐+WhisperX做逐词级字幕对齐+Remotion做最终视觉与数据化包装。 一条完整视频，从画面、声音到字幕节奏，全都被系统自动拼好。 but——更离谱的是《成本》。 官方给出的数据是：单条视频制作成本约0.69美元，换算一下，大概4块多人民币？？？ （有点心动啊我说，再想想我的剪辑软件月费… 自动播放 此外值得一提的是，OpenMontage本身就支持Kling、Runway Gen4、Google Veo这些视频模型。 所以它更像是一个把这些AI工具的「顶级能力」，重新拼成一套可调用生产系统的东西。 只不过这一次，这套系统是跑在Agent上的。（doge） OpenMontage：行了，这些工具你不用一个个学了，我帮你一起整了得了。（哦吼） 核心运行逻辑：Agent驱动架构 当然了，能让一个系统就把视频创作全流程梭哈，技术架构上必有点东西。 事实上OpenMontage是一个三层结构在协同运作。 最底层是工具层，负责提供原始能力。 比如Kling、Runway、Veo这些视频生成模型，再往下还有图像生成、TTS配音、音乐生成、字幕识别、剪辑渲染这些基础模块，本质上都是一组随时可以被调用的能力单元～ 中间一层是技能层，它主要做的是翻译的工作。 也就是把这些零散工具包装成方法，比如脚本怎么生成、分镜怎么拆、画面风格怎么控制、节奏怎么剪、不同模型在什么情况下被调用。 这一层让工具不再只是工具，而变成了一套套可以复用的做事方式～ 第三层则是Agent的调度与编排层。 它不再关心某一个环节具体怎么实现，而是直接理解用户要做什么视频，然后自动拆解任务结构，把合适的技能和工具串成一条完整的production pipeline，从输入一个需求开始，一路走到最终成片输出。 底层是能力，中层是方法，上层是组织能力的系统。 这样一来，OpenMontage就能轻轻松松让视频制作变成一套可以被「自动调度」的生产流程了！ 大家另一个很关心的问题来了。 这OpenMontage具体咋部署捏？ ——《实则不难》。 从GitHub克隆项目到本地环境，安装Python依赖与基础运行环境，然后在.env中配置所需的模型与服务能力就OK～ 完成配置后，通过命令行或AI coding工具启动pipeline，就好了～ 说实话，OpenMontage在能力上不算一个特别新的东西。 这两年Codex、Claude Cod这些编程工具越来越火后，视频剪辑、内容生成等场景也开始向工作流系统集大成。 就比如前一阵接入Codex的AI视频生成平台HeyGen，也是数字人、画面、字幕、辑、导出全能一锅出。 只不过OpenMontage更进一步的地方在于—— 它不依赖单一平台能力，而是把流程本身也变成了可编排对象，所以在系统层面可扩展性更强一些。 当然了，这些对于咱用户来说都不是最重要的。 能省力、没有N个内容生成工具在中间赚差价，而且也不用咱在几个软件来回切换。 怎么不算好事情捏？大家说是吧？

7 月 4 日消息，据新浪科技报道，2026 亚布力论坛创新年会今天在上海市举行。宇树科技股份有限公司联合创始人陈立在现场判断，智能机器人行业将在未来两到五年迎来突破。 陈立表示，机器人行业的突破有三大核心要点： 第一，统一端到端机器人大模型，这是最核心的关键； 第二，更低成本、更长寿命的硬件，以及超大批量规模化生产制造，硬件边际成本会大幅下降，参考汽车行业，规模化后极致性价比可快速普及； 第三，低成本、规模化算力，依托分布式算力解决端侧续航、散热、成本痛点，以及云端延时痛点，例如楼宇专属 AI 算力基站，可为场内所有智能设备、机器人提供算力支撑。 他认为，具身智能达成“ChatGPT 时刻”的核心标志其实很简单，即两个 80%：在 80% 的陌生场景中，机器人通过语音或文字指令，能够顺利完成约 80% 的任务。四年之后（2030 年），具身智能机器人将引领全新消费浪潮，大幅推动社会生产力与劳动力升级。 IT之家注：“ChatGPT 时刻”是近年来科技圈和投资圈广泛流行的一个比喻，如今用来描述某项新技术突然有了重大突破，并跳脱出垂直圈层、在短时间内进入大众视野，让普通人直观感受到这项技术的实际价值。

文 | 硅基象限，作者 | 张思 一个50后海归博士，扎进全球仅剩三个玩家的“冷门”芯片赛道，做到市场份额第一，并在过去12个月，股价狂飙4倍，市值突破3000亿元。 这家公司就是澜起科技，这个小众赛道就是内存互联芯片。 内存互联芯片，可以看做是连接CPU和内存芯片之间的“桥梁”，暂时缓存CPU和内存之间的指令、地址等信息，技术难度远低于CPU、GPU、DRAM存储，市场盘子相对较小。 根据权威市场分析机构数据，2025年内存互联芯片全球市场规模约15.8亿美元，而DRAM内存芯片市场份额约1500亿元，仅约其百分之一。 在算力时代，这个给存储芯片做配套的产品，因为DRAM扩产、涨价，迎来需求增长。弗若斯特沙利文预测数据，全球内存互连芯片市场规模预计将从2024年的12亿美元，增长至 2030 年的50亿美元，复合年增长率达27.4%。 澜起科技作为内存互联芯片的主要玩家，也正因此受益。2026年一季度，公司营收达14.61亿元，同比上升19.51%，归母净利润8.47亿元，同比上升61.3%。 这也足以解释，其股价从去年6月底约80元/股，一路狂飙，到7月1日收盘已达318元/股，并在今年完成“A+H”上市，持续点燃资本热情。 01 50后芯片老炮，三次敲钟 澜起科技创立20余年，敲钟三次。 2013年在纳斯达克上市一年便退市、2019年科创板上市首日突破千亿元市值，再到今年完成“A+H”双重上市，澜起科技的成长，和其资本之路一样波折。 澜起科技创立于2004年，公司创始人杨崇和，出生于1957年，是个在半导体行业拥有超30年经验的“老炮儿”。他毕业于美国俄勒冈州立大学，获得电子工程专业博士学位，毕业后在美国国家半导体，做了四年芯片设计工作。 1994年，杨崇和回国，在中国最早的半导体公司之一，上海贝岭担任新产品研发部负责人。 在上海贝岭打工三年后，1997年，杨崇和看到了国内芯片产业的发展机遇，决定创业，并拿到上海华虹和美国华登国际投资集团、日本野村证券国内外资本的900多万投资，成立新涛科技。 新涛科技主要做模拟芯片，并在当时拿下松下、贝尔、中兴等客户，但在2001年，被美国硅谷半导体巨头IDT以8500万美元收购，杨崇和也因此在“新老板“IDT，继续服务三年。 合约期满后，2004年杨崇和筹划二次创业，目标定在内存互联芯片。在当时英特尔已经了发布支持DDR2内存技术的台式机和笔记本电脑。 公司成立两年后，澜起科技在2006年研发出DDR2互联芯片。之后，杨崇和带着这款芯片前往美国，与英特尔进行技术交流，并说服英特尔放弃自研相关产品，外采澜起科技芯片，并获得500万美元投资。 搭上英特尔的大船后，澜起科技并没有从此一帆风顺。 2008年，DDR3时代，英伟达因为突然改变技术架构，导致澜起科技之前的研发成了“无用功”，以至于在2012年发布DDR3的内存接口芯片时，晚于同行，而错失了市场机会。 2013年，澜起科技成功在纳斯达克上市，迎来第一次高光时刻。但上市一年后，澜起科技被指控“称其70%的营收来自空壳经销商”，股价遭遇大跌，最后不得已选择以私有化方式退市。 虽然惨遭纳斯达克放弃，但澜起科技并没有放弃技术的追赶，在当年推出基于DDR4的内存互联芯片并拿到英特尔认证，进入行业核心圈。 2019年，澜起科技再次敲钟，这一次回到科创板，并在上市首日就拿下千亿市值。 当前，澜起科技的主营业务主要由两大产品线，一是互连类芯片产品，二是津逮服务器平台产品。 互联类芯片产品营收占比超90%，主要包括内存互连芯片、PCIe/CXL 互连芯片。内存互连芯片包括内存接口芯片、内存模组配套芯片；PCIe/CXL互连芯片包括PCIe Retimer 芯片、CXL MXC芯片及时钟芯片。 02 被大厂纷纷放弃的生意 互联类芯片，都是寡头市场。 内存互联芯片是澜起科技的“王牌业务”。目前，内存互联芯片市场，仅有三个主要玩家，澜起科技、日本瑞萨电子和美国Rambus，三者合计占93%以上市场份额。 2024至2025年，澜起科技在全内存接口芯片领域的全球市场份额约36.8%，排名第一，另外两个玩家是日本瑞萨电子和美国Rambus，分别约占36%和25%市场份额。 内存互联芯片，负责缓存来自CPU和存储芯片的地址、命令、时钟、控制信号和数据信号等，包括RCD与DB芯片，以及MRCD与MDB芯片。 这个产品客户相对固定，主要有三类，一是英特尔、AMD这类CPU企业，二是三星、SK海力士、美光等存储厂，三是佰维存储、江波龙等模组厂。 所以，一颗内存接口芯片要成功推向市场，必须同时获得GPU厂商、内存颗粒厂商、服务器厂商的验证。 在过去二十年里，由于内存互联芯片认证周期长至2-3年、研发投入大、技术迭代快，德州仪器（TI）、英特尔、英飞凌、NEC等大厂陆续退出“这个赛道”。 目前，智能终端、PC等终端内存技术，已经演进到DDR5，且DDR5的互联芯片最新标准为MRCD芯片和MDB芯片，一个DDR5模组通常需要1颗MRCD芯片和10颗MDB芯片。同时，在DDR5时代，PC 端内存模组需引入专用的时钟驱动器（CKD，即“Clock Driver”）芯片，对时钟信号进行缓冲和重新驱动。澜起科技有丰富的内存互联产品，且获得相关客户检验。 PCIe/CXL互连芯片，也是寡头市场。2024 年，PCIe 信号重定时器（Retimer），前两大供应商合计占据 96.9% 的市场份额，美国公司Astera Labs占超80%的市场份额，澜起科技入局较晚，占约10%市场份额。 另外，澜起科技还推出了CXL 内存扩展控制器（MXC）、CKD芯片（Client Clock Driver）等新技术路线产品，满足三星、SK海力士等CXL存储产品需求。但CXL互连芯片市场尚处于商业化初期，规模化部署和生态成熟仍需要时间。 在一个领域深耕20余年，一直保持高研发投入，让澜起科技构筑坚实的技术壁垒，2025年研发投入达9.15亿元，同比增长19.9%，占营收比重约16.8%。这也在2025年整体毛利率达69.8%。 4倍速狂飙背后，是一条被一众大厂放弃的赛道——被一个50后老炮坚持到了最后，并最终建立起技术护城河。