IT之家 8 月 2 日消息，科技媒体 9to5Google 今天（8 月 2 日）发布博文，报道称谷歌线上商店已提前上架“月光石”（Moonstone）版 Pixel Buds Pro 2 耳机，此外有消息称（Wintergreen）版即将停产。 根据曝光的截图，谷歌线上商城提前上架了“月光石”版 Pixel Buds Pro 2 耳机，该颜色将成为 Pixel 10 系列手机的主打颜色；此外页面还显示谷歌会推出“黑曜石”（Obsidian）颜色，尽管目前仅出现了名字，颜色显示仍为“Hazel”。 虽然“瓷白”（Porcelain）和“淡粉”（Peony）都在列表中，但“冬青”（Wintergreen）已消失。“月光石”和“黑曜石”这两个新颜色目前还未上市销售，从线索来看很可能会在 8 月 20 日的“Made by Google”活动中与 Pixel 10 系列、Pixel Watch 4 和 Pixel Buds 2a 一同亮相。 IT之家附上“月光石”（Moonstone）版 Pixel Buds Pro 2 耳机渲染图如下：

杀不死的 会让你更强 在这个人人都想杀死 iPhone 的时代，它却越卖越好。 今天苹果公开了第三季度财报，成绩堪称亮眼，实现了自 2021 年 12 月以来的最大收入涨幅。 在财报交出的一系列数字之中，有一个颇具里程碑意义：iPhone 已经售出超过 30 亿台，能武装地球将近一半的人口。 并且 iPhone 销售的速度也越来越快了：2007 年 iPhone 问世，九年后的 2016 年销量达到了 10 亿部，五年后 2021 年就达到了 20 亿部，而来到 30 亿部只用了四年。 从上个十年开始，尤其是生成式 AI 大热的这几年，越来越多更前卫的产品相继登场，怀揣着「干掉」iPhone 的野心。 但我相信，iPhone 依旧会在我们的未来保有一席之地，卖出下一个 10 亿台。 iPhone 不只是通讯设备 从财报来看，苹果上季度总收入 940.4 亿美元，其中 iPhone 占了 445.8 亿，比其他所有产品加起来还多一倍，依旧是苹果的顶梁柱。 图源：App Economy Insights iPhone 会继续风光但不会一直风光，这点苹果已经心知肚明，生成式人工智能和混合现实技术的潜力无限，很可能在几年内就能催生出完全颠覆智能手机的新产品。 连苹果老将 Eddy Cue 都有点坐不住了： 在位者的日子不好过……我们不是石油公司，我们也不是牙膏——这些东西将永远存在……10 年后你可能不需要 iPhone。 iPhone 或者说智能手机虽然不是牙膏，但就目前而言，我们真的还没能看到有任何一种新兴的产品形态，真的能彻底杀死 iPhone。 十年前的智能手表不行，苹果自己也寄予厚望的 AI + AR 智能眼镜也不行。 Meta Orion 眼镜，一款 AR + AI 眼镜原型机 甚至目前苹果在 AI 方面的持续落后，都没能影响 iPhone 继续出货。 智能眼镜确实是一种极具潜力的终端形态，能看你所看，听你所听，它是一种比手机更理想的 AI 中介。 Meta Orion 演示画面，图源：The Verge 而 AR 或者 XR 混合现实技术，则能让显示和交互突破手机屏幕的方寸，还让现实世界能够成为智能交互的对象。 Meta Orion 演示画面 不管是社交通讯、获取信息还是内容消费，智能眼镜都可以是一种比智能手机更强大的设备，还不用从裤兜里掏出来，双手也能得以解放。 如果 iPhone 只停留在史蒂夫·乔布斯当年介绍时的「iPod + 手机 + 网页浏览器」形态，那它被眼镜终结丝毫不冤，但我们当我们将手机翻到背面，那颗硕大的摄像头，为 iPhone 提供了全新的可能性。 图源：CNET 现在的智能手机俨然成为了一种「创作工具」。不仅 iPhone，不少国产旗舰手机都很爱在影像上大作文章，硕大的摄像头模组不仅能让大众用户能拍摄出优秀的照片和视频，甚至也摸到了专业创作的门槛：iPhone 能拍 MV，vivo 也能拍短片。 不仅如此，像是 iPhone 16 Pro 全新搭载的录音棚混音，全新相机按钮，以及有传言即将推出的「大师相机」等一系列功能，也反映了苹果想要进一步让 iPhone 成为更专业、集成度更高的创作工具。 而眼镜这样的形态，其实已经决定了它不可能做到像智能手机那样，能够以更自由丰富的角度和视点进行拍摄。 甚至都不用谈到「专业创作」这种场景，简简单单的自拍，智能眼镜都无法实现。 Ray-Ban Meta 是目前智能眼镜的天花板，搭载的摄像头素质相当于 iPhone 11 况且眼镜主打轻薄随身，也不可能塞下三个乃至四个以上的镜头模组。 iPhone 之所以能成为一种快速席卷全球，并统治了长达十余年的智能终端模版，很重要的原因就是极其复合的设备形态，既是电话，也是掌上电脑、数码相机、MP3 播放器。 也因为这样的全能性，iPhone 诞生后很快个人电脑就被宣判了「死刑」。 只是直到现在，电脑还是活得好好的，因为在一些更专业级的场景之中，它们还是那么具有不可替代性。 既然 iPhone 都无法杀死电脑，那么眼镜也不可能将 iPhone 送进坟墓。 毕竟我们为了让将更多随身物品塞进手机里，已经努力了十年，没理由在下个十年，重新将微单相机、公交卡这些东西再装回背包吧？ 很多时候，出门带一台手机就够了，图源：MakeUseOf iPhone 会成为什么？ 当然，智能手机绝对不是我们智能终端形态的终点，越来越欠缺新意的 iPhone，就是智能手机宏大叙事步入尾声的一个缩影。 但人类的创意和创新不会裹足不前，AI 和 XR 等技术正在掀起一股全新的技术浪潮，那是堪比互联网的强大推动力，最终必定能改变我们终端的交互方式。 彻底消灭一种大家习以为常的设备形态这种事情，其实苹果自己干过不少。 对比 CD 随身听，iPod 的音质可以说是大打折扣，因此并不被音乐发烧友所看好，但由于无可比拟的便利性，iPod 成为了真正的主流。 类似的情况，也发生在 iPhone 取代 iPod，流媒体的 Apple Music 取代下载的 iTunes 上。 类似的例子比比皆是，从中可以发现，其实大家对体验这种事没那么在乎，便利性的优先度要更高。 这很好理解，好的产品，理应让人更自由。而我们期待的智能眼镜，就是一种比手机更自由的产品，还带来了更丰富的可能性，指向一个智能手机已经力不从心的未来——AI 和 XR。 Project Aura，Google 的 AI + AR 眼镜计划 爱范儿一直相信，智能眼镜具有成为下一代个人计算终端的潜力。 但成为下一个 iPhone，不意味着上一个 iPhone 必将走向终结，二者可以共存。 在一段时间里，我们会在兜里揣着智能手机的同时，在脸上戴上一副智能眼镜，而后者作为一种配件，与手机一同为我们带来更好的体验。 随着技术浪潮不断翻滚向前，智能眼镜或者其他 AI 设备将真正走向成熟，能够独立满足大多数人最日常的使用需求，成为比手机更优越的感知界面和 AI 中介。 Meta Orion，图源：The Verge 届时，iPhone 会成为类似个人电脑的存在，继续在眼镜无法触达的领域发光发热，并且很可能都是折叠的形态，只是不会出现在每个人的手上。 传闻将于明年推出的折叠 iPhone 因此，我相信第 40 亿台 iPhone 将在五年内卖出，但很可能，我们不会那么快见到第 100 亿台 iPhone，或者根本不会见到。 文｜苏伟鸿

编辑：Aeneas 【新智元导读】GPT-5，曾经差点难产？这条诞生路，简直是烈火炼真金。一边是人才出走、小扎截胡、团队内部陷入混乱，另一边，推理模型魔咒让研究者苦恼不已，项目甚至一度停摆。外媒曝出这期GPT-5诞生内幕，可谓亮点满满，干货十足。 就在刚刚，外媒The Information曝出了关于GPT-5的一大波最新内幕，众多猛料来了！ 比如，GPT-5并未取得技术突破，不存在GPT-3到GPT-4这种级别的跃升。 比如，OpenAI正面临着严重的数据瓶颈和技术难题。 还有一个劲爆大瓜，OpenAI大波核心研究者一下子被小扎撬走，直接导致了OpenAI内部的组织架构混乱！ 为此，研究副总裁Jerry Tworek在Slack上公开向研究主管Mark Chen抱怨，许多同事都看到了。 不过，就在这么一篇唱衰的文章发布之际，OpenAI同时又有好消息了。 近日，OpenAI又获得了一笔巨额融资。据悉，OpenAI已提前数月筹集了83亿美元资金，这就导致它的估值直接达到3000亿美元，这是今年400亿美元融资计划的一部分。 参与此轮融资的，有一大波全新投资者，其中Dragoneer投资集团以28亿美元领投本轮，Blackstone、TPG、Fidelity、Founders Fund、红杉资本等跟投。 不过，虽说Dragoneer是本轮融资的最大出资方，但软银仍是整个400亿融资计划的牵头者。 GPT-5还没发布，各方势力都下场了，这不免让人把期待值拉满，屏息等待下周的盛况了。 Orion陨落真相 GPT-5没做出来，降级成4.5了 去年万众瞩目的Orion，大家应该都还记得。 The Information爆料说，2024年下半年的大部分时间里，OpenAI都在全力开发Orion模型，它被寄予了厚望，原计划作为GPT-5推出。 跟5月发布的旗舰模型GPT-4o相比，Orion本该有巨大飞跃。 结果它的性能令人大失所望，最终只能被降级成GPT-4.5，在今年2月推出。默默上线后，GPT-4.5迅速淡出公众视野。 所以，Orion为何会失败？ 最核心的原因就在于，团队摸到了预训练阶段的天花板。因为高质量网络数据已经日益枯竭，训练小模型时还有效的技巧，在大模型身上竟然就会失效。 这不光导致了GPT-5的延期，也让OpenAI的团队内部陷入了自我怀疑。 GPT-5，根本没有GPT-3到GPT-4级的跃迁 这个从神坛跌落的故事，要从去年12月说起。 当时，OpenAI的研究者完成了一项内部测试，结果震惊了整个团队。 他们发现，当给一个新模型更多算力和思考时间，它就像开了挂一样，复杂推理信手拈来，执行任务出色到惊人。 然而，激动的工程师们很快发现，这份兴奋只是暂时的。 当他们把这个新模型转化为o3聊天版本时，那种惊人的性能提升消失了。 可以说，这次事件，正是OpenAI在今年大部分时间里所面临技术挑战的一个缩影。这让OpenAI不仅内部技术进展缓慢，大获成功的ChatGPT业务也受到波及。 GPT-5发布前夕，各类泄露和爆料已经是满天飞。 比如，它的编程和数学能力又有了显著提升。另外，它在驱动AI智能体方面也优于前代模型，只需要极少人工监督，就能处理复杂任务。 它能遵循极其复杂的指令，比如支持智能体何时应批准退款的规则。而在以往，模型需要学习多个棘手的「边缘案例」，才能处理此类退款。 但总的来说，这些改进根本无法与2020年GPT-3到2023年的GPT-4之间的性能飞跃相提并论。 也就是说，我们需要做好对GPT-5失望的准备。 不过，OpenAI模型的任何改进，即便是渐进式的，也能刺激客户需求，以及给投资者信心。这样才能支持OpenAI未来三年半烧掉450亿的计划，毕竟租用服务器实在是太昂贵了。 高管为何相信GPT-8？ 最近曾有OpenAI高管向投资者透露：沿着目前架构，他们相信模型有朝一日会达到GPT-8的水平。 CEO奥特曼也表示过，利用现有技术，OpenAI有望创造出AGI。 是什么给了他们这样的信念？ 一位了解内情的微软员工透露了玄机：测试GPT-5后，他们发现它在不消耗更多算力的情况下，就能生成更高质量的代码和文本。 部分原因在于，它学会了精准判断出不同任务所需的计算资源量。 内部「混乱不堪」 不过OpenAI内部，可并非一片和谐。 比如一些高级研究者，非常抵触将自己的成果交给微软，尽管这位最大股东拥有的合同权利截至到2030年。 虽然两家公司财务紧密，但在具体合作条款上，却始终争执不休。最新信息是，OpenAI重组营利性部门后，微软很可能在其中获得33%的股份。 而小扎以天价薪酬挖走的团队，也让OpenAI内部陷入了更大的混乱。 走了这么多人，只能紧急进行组织架构调整。 上周，OpenAI的研究副总裁Jerry Tworek在Slack上向上司、研究主管Mark Chen抱怨团队变动的事，许多同事都看到了这条信息。 当时，Tworek表示需要休假一周来重新思考，但最终并未休假。 绝境中的转机 推理模型的意外崛起 总之，直到今年6月，情况依然很严峻：OpenAI开发的模型中，没有一个能顶得住GPT-5的名号。 好在，「推理模型」成了他们的全新突破口。 23年末一项名为Q*的技术突破，能解决前所未见的数学问题，在OpenAI研究者中引发了巨大震动。 基于Q*，OpenAI开发了许多推理模型，在获得更多算力时，它们就会表现更佳——看起来，预训练的性能增长瓶颈，就要被克服了。 去年秋天，第一个推理模型正式推出，它就是o1。24年底，OpenAI利用与o1基础相同的GPT-4o，又推出了推理模型o3。 据说，虽然师出同门，但o3的教师模型在理解科学知识方面，比o1的教师模型进步大得多。 背后原因，就是OpenAI用了更多英伟达芯片来开发o3的教师模型，这就让它理解复杂概念时能力更强。 还有一个原因，就是它被赋予了搜索网络，以及从代码库中提取信息的能力。 并且，它也同样受益于强化学习。此过程中，人类专家在生物学、软件工程和医学上提出刁钻的问题和答案，然后让模型针对这些问题生成数千个自己的回答。 随后，OpenAI会利用那些与人类专家得出相同答案的AI生成回答（也即「合成数据」）来训练模型。 推理模型 为何总翻车 o3模型发布后，一度成为全球头条，引发病毒式讨论，然而现实很快给了当头一棒。 当o3的教师模型转换为学生模型，变成一个可以让人们提问的聊天版本时，它的性能显著下降，甚至跟o1相比没有任何区别。 同样，创建让企业通过API购买的版本时，同样的问题也出现了。 有知情人分析，原因是这样的：o3理解概念的方式很独特，跟人类的交流方式大相径庭。 因此，如果创建一个聊天版本，其实就拉低了这个原始天才级模型的智能水平，因为它被迫用人类语言，而非自己的语言去交流。这种情况下，它的推理链条就会被迫压缩、扭曲。 甚至有开发者在调试时，偶尔能看到模型输出「乱码」般的中间语言——那可能就是它「思考」的原始形态，也就是这个天才原本的样子。 还有人认为，OpenAI没有投入足够精力来训练模型在聊天场景中与人类进行有效沟通。 总之，o系列模型让ChatGPT的用户非常困惑，因此公司决定重新回归GPT的命名体系。 「通用验证器」 好在，OpenAI还有办法。 据悉，内部正在开发一种「通用验证器」，可以自动化地确保模型在RL过程中产生高质量的答案。 本质上，这个过程是让一个LLM承担起检查和评估另一个模型答案的任务，并利用各种信息源来对答案进行研究核实。 前一阵OpenAI的模型在数学竞赛中拿了金牌后，高级研究员Alexander Wei在X上表示，他们所使用的强化学习方法是「通用」的。 也就是说，这个模型不仅能检查编程这种标准答案清晰的内容，甚至还能判断写作这种主观性很强的内容质量。 这就对GPT-5助力极大！ OpenAI强化学习团队负责人Tworek最近也公开表示，自己认同这个观点：OpenAI模型背后的强化学习系统，其实已经具备了通往AGI的潜力。 目前，包括xAI和谷歌在内的AI大厂都已加倍押注强化学习。 上周，Altman在播客节目中，描述GPT-5的能力说，它轻松解决了一个他根本看不懂的问题，直接让他坐到椅子上，感到晕眩。 这就进一步点燃了我们对GPT-5的狂热期待。 「在几乎所有方面，GPT-5都比我们更聪明。」 究竟什么样的模型，才配叫作GPT-5？好在，我们要等的时间不多了。

快科技8月2日消息，如今，科技发展日新月异，机器人正逐步走进我们的生活，其中保姆机器人备受关注。 据行业预测，5年内，普通家庭花5万元左右就能购买一台具备基本功能的保姆机器人，这一价格的大幅下降，将使保姆机器人真正走入寻常百姓家。 中国电子信息产业发展研究院院长张立介绍，保姆机器人是一种具备自主性与具身性的智能系统，能代替人类保姆执行护理辅助、健康监测、日常服务及社交陪伴等任务。 当下，人口老龄化加速，截至2024年末，中国60岁及以上老年人口达3.1亿，占总人口的22%。居家照护和生活辅助的刚性需求持续增长，为保姆机器人提供了稳定的应用场景。 同时，人们对生活品质的要求不断提高，也进一步推动了对保姆机器人的需求，其应用场景集中在智慧康养、智能家居、家庭教育、生活服务等领域。 海尔集团首席执行官周云杰表示，家庭服务机器人的发展大概可以分成三个阶段： 机械阶段：大约是1~2年内，能够完成物理位移，解决收纳、清洁等结构化任务。 工具交互阶段：大约需要3~5年，机器人学会使用人类工具，可以洗碗、洗衣、叠衣。 肢体智能阶段：可能需要好多年，能够安全完成拥抱、搀扶等物理交互的机器人，未来将获得“家庭公民”身份。

IT之家 8 月 2 日消息，据外媒 The Verge 1 日报道，初创公司 Brilliant Labs 推出了售价 299 美元（IT之家注：现汇率约合 2154 元人民币）的新款智能眼镜 Halo，主打与多模态 AI 智能体 Noa 的自然对话，能“听”懂、“看”懂周围环境，并实时提供相关信息。 与 Meta 的穿戴设备不同，Halo 并不只靠声音提示，而是配备了一块 0.2 英寸的彩色 microOLED 显示屏，将复古街机风格的界面投射到侧视角内。声音通过镜腿的骨传导扬声器传出，增强了隐私性。借助低功耗摄像头和配备神经处理单元（NPU）的 AI 芯片，续航时间最长可达 14 小时。其整体重量仍控制在 40 克出头，佩戴轻便。 Brilliant Labs 表示，Noa 能根据用户所处环境提供更贴切的信息，让对话“如同与真人交流般自然”。用户还能通过语音命令让眼镜静音或进入休眠模式，AI 控制能力进一步增强。 针对记忆力和视力逐渐减退的用户，Halo 还搭载了 Brilliant Labs 正在申请专利的“智能体记忆系统” Narrative。该系统通过摄像头、麦克风与日常互动记录数据，为用户建立一个专属的知识库 —— 能在再次交谈时提示对方姓名，甚至回忆过往谈话内容。 此外，Halo 还试验性加入了名为 Vibe Mode 的新功能，用户只需用自然语言下达指令，就能创建专属应用。Brilliant Labs 举例说，你可以根据自己的导航习惯生成一款定制地图工具，无需在应用商店反复试用筛选，想要什么功能直接生成即可。

作者 | 江宇 编辑 | 漠影 智东西8月1日报道，近日，Anthropic联合创始人兼CEO达里奥·阿莫代伊（Dario Amodei）在公司位于旧金山的总部接受了媒体专访。 这位近年来在AI圈最具争议的技术领导者，系统回应了他在2025年间引发风暴的言行——他曾公开预测AI将在短期内淘汰50%的初级白领岗位，反对“十年暂停AI监管”的提案，并呼吁对华实施更严厉的芯片出口管控，引发产业界的激烈争论。 在外界看来，他是鼓吹风险的“末日论者”，是阻挡AI开放发展的“控制派”；而在支持者眼中，他则是为AI踩下“安全刹车”的少数清醒者，是以一己之力试图改变行业轨道的技术理想主义者。 面对巨大争议，阿莫代伊罕见地解释了他为何高调出击。他坦言，驱动自己的是一个愈发确定的判断：AI能力的爆发远比人们预想得更快、更不可控。“我确实是对AI能力提升最乐观的人之一，”他说，“但越接近强大AI系统，我就越觉得应该站出来，以最清晰、最坚定的方式告诉大家：它真的来了。” 如果这位从理论物理转行的科学家，将塑造下一代最具影响力的技术，那我们就有必要搞清楚：他的判断依据是什么？商业逻辑如何？如何让Anthropic发展得如此迅速？ 以下内容由智东西基于Big Technology报道整理，为增强可读性，在不改变原意的前提下进行了部分增删与编排调整。 一、“AI安全派”的尖锋人物，阿莫代伊如何在硅谷引发争议 阿莫代伊的直言不讳和锋芒毕露，在硅谷引发了两极化评价。 一方面，他被视为OpenAI GPT-3项目（即ChatGPT前身）的关键推动者，也是出于AI安全考量而创办Anthropic的前瞻型技术领袖；另一方面，也有人批评他是“控制狂”或“末日论者”，认为他试图放慢AI发展节奏，并按自己的价值观改造整个AI行业。 无论褒贬如何，当前的AI行业都已经绕不开阿莫代伊。 Anthropic目前估值已达610亿美元（约合人民币4453亿元）。阿莫代伊谈到：“我们在2021年初几乎从零起步，到2025年3月实现年化营收14亿美元（约合人民币102.2亿元），5月增至30亿美元（约合人民币219亿元），7月进一步逼近45亿美元（约合人民币328.5亿元）。以这个体量来看，我们可能已经是历史上增长最快的软件公司之一。” Anthropic的商业路径也逐步清晰。与OpenAI主要依靠ChatGPT订阅和API向终端用户变现不同，Anthropic则侧重面向企业客户提供模型API服务，支持客户将Claude集成进自有产品，用于客服、搜索、编程等应用场景。 这也使Anthropic在行业中的角色愈发关键：其模型能力越强，授权客户的产品性能越好，竞争力也随之增强。某种程度上，Anthropic已成为衡量AI技术进展的“晴雨表”。 在模型能力持续提升、客户体量不断扩大的同时，阿莫代伊也希望借此推动整个AI行业沿着他认为“更可控、安全的路径”演进。 在业内人士看来，凭借他敢言、敢打、也敢挨拳的性格，他很可能走得通。 二、从理论物理到AI，阿莫代伊两度调整学术方向 阿莫代伊从小就是一位“科学迷”。他于1983年出生在旧金山，母亲是犹太人，父亲是意大利人。从小他几乎只对数学和物理感兴趣。即使在美国互联网泡沫最盛的高中时代，阿莫代伊也毫无兴趣参与热门的网页开发热潮。“写网站这种事完全吸引不了我，我只对探索基础科学真理感兴趣。” 阿莫代伊的母亲埃琳娜·恩格尔（Elena Engel）曾主持伯克利和旧金山多家公共图书馆的翻新工程；父亲里卡多·阿莫代伊（Riccardo Amodei）是一位手工皮具匠人。谈起父母，阿莫代伊称：“他们教会我如何分辨是非，理解世界上真正重要的事情，也让我意识到身上的责任。” 在加州理工学院读本科时，这种责任感开始转化为社会表达。他曾在学生报纸《The California Tech》上撰文，批评同学们对伊拉克战争的态度冷漠：“问题不在于大家支持轰炸伊拉克，而是很多人虽然原则上反对，却不愿花哪怕一秒钟来表达立场。” 阿莫代伊的人生在二十多岁时迎来重大转折。2006年，他长期患病的父亲因一种罕见疾病去世。受到打击后，他决定从普林斯顿大学的理论物理专业转向生物研究，希望为攻克人类疾病作出贡献。 此后阿莫代伊的人生，在某种意义上是在弥补父亲去世的遗憾——尤其因为四年后，一种新疗法问世，将这种疾病的治愈率从50%提升至95%。阿莫代伊感叹：“有人发明了解药，拯救了许多生命。但如果早几年出现，也许就能救到我父亲。” 正如他的前女友杰德·王（Jade Wang）所说，父亲的去世一直影响着阿莫代伊的人生轨迹。如果科研进展能再快一些，阿莫代伊的父亲或许仍然健在。只是他花了一些时间，才找到AI这个承载他愿望的工具。 在普林斯顿，阿莫代伊仍沉浸在父亲去世的哀伤中，他开始从视网膜入手研究人类生理系统。 眼睛通过信号传导将外界信息传送至大脑的视觉皮层——这是大脑中面积最大的功能区域，占据约30%。要理解人类复杂的神经系统，视网膜无疑是一个理想的切入口。 普林斯顿的同学斯蒂芬妮·帕尔默（Stephanie Palmer）回忆说，阿莫代伊之所以选择研究视网膜，并不是因为他对眼科学本身感兴趣，而是因为“眼科学可以让他观察一个完整的神经元群体，至少有机会理解每个细胞的运作方式。这研究的重点与其说是眼睛，不如说是神经系统。他也并不是想当一名眼科医生。” 在神经科学家迈克尔·贝里（Michael Berry）教授的实验室中，阿莫代伊对当时测量视网膜信号的方法颇为不满，便亲自设计并参与开发了一种新型传感器，以采集到更多的数据。凭借这一成果，他的博士论文获得赫兹奖学金（Hertz Thesis Priz）颁发的年度论文奖。 ▲普林斯顿大学贝尔实验室 然而，阿莫代伊对常规的挑战倾向，以及他强烈的个人见解，使他在学术环境中显得格格不入。贝里回忆道，阿莫代伊是他指导过最有才华的研究生，但他对技术效率和团队协作的重视，在以个人成就为评判标准的体系中并不吃香。 贝里也谈到：“我觉得从内心里，他是个颇为自负的人。我想象，他在此前的整个学术生涯中，每当做出点成绩，周围人都会起立鼓掌。但在这里，并没有人那样做。” 离开普林斯顿后，阿莫代伊迎来了通往AI的大门。他在斯坦福大学从事博士后研究，师从研究员帕拉格·马利克（Parag Mallick），从事肿瘤内外蛋白质研究，以探测转移性癌细胞。这项工作极其复杂，让阿莫代伊深刻意识到个人能力的边界，他开始寻找技术上的解决方案。 阿莫代伊谈到，“生物学中这些底层问题的复杂性，感觉已经超出了人类的理解尺度，要想真正搞清楚这一切，可能需要上百、上千名研究人员共同努力。” 他在新兴AI技术中看到了这一潜力。当时，数据与算力的爆发正推动机器学习领域取得突破——这一AI的子领域虽然长期拥有理论潜力，但此前实际效果一直不佳。 在亲自尝试之后，阿莫代伊意识到，AI或许能替代那些成千上万的研究人员。他回忆道，“AI是我当时刚刚开始看到一些进展的领域，在我看来，它可能是唯一能填补这道鸿沟的技术，是一种‘能够带领我们超越人类尺度的工具’”。 三、他在百度找到了Scaling Laws 为了更直接推动AI研究，阿莫代伊决定离开学术界，进入资源更为充足的产业体系。他一度打算自己创业，后来又偏向加入谷歌——谷歌的Google Brain预算充足，且刚刚收购了DeepMind。 最终吸引他的是吴恩达（Andrew Ng）在百度组建的AI研究团队。当时，吴恩达手握1亿美元（约合人民币7.3亿元）预算，正在全球范围内招募顶尖AI人才，开始组建一只“梦之队”。 虽然当时阿莫代伊的背景主要集中在生物方向，但百度的格雷格·迪亚莫斯（Greg Diamos）在看了他在斯坦福撰写的代码后，评价说：“能写出这些代码的人，一定是一位非常优秀的程序员。”在此推荐下，阿莫代伊于2014年11月加入百度。 在百度期间，他与团队开展了大规模实验，探索模型性能是否会随着参数规模和训练数据的增长而持续提升。结果显示，确实如此。阿莫代伊及其合作者随后撰写了一篇关于语音识别的论文，首次系统展示了这一趋势，该成果也成为“AI扩展定律”（Scaling Laws）的基础。 ▲论文《Deep Speech 2：面向英文与中文的端到端语音识别》百度研究院（硅谷） “这对我冲击极大，”阿莫代伊回忆说，“我看到了一条极其平滑的趋势线，变化明确、持续上升。”迪亚莫斯则评价：“这是我这辈子见过最重要的发现。” 至今，阿莫代伊仍是Scaling Laws最坚定的支持者之一。与DeepMind CEO哈萨比斯（Demis Hassabis）、Meta首席AI科学家杨立昆（Yann LeCun）等人所坚持的“AI需要范式突破”不同，阿莫代伊认为路径已足够明确——需要依靠更大的模型和更多的计算。 如今，全球数据中心规模不断扩大，在他看来，这正是迈向强大AI的信号。他说：“我们正处在一条指数增长曲线上，而它很容易让人产生错觉。”所谓“错觉”，是指指数曲线初期增长缓慢，看似平稳，但临近爆发节点时，增长速度会突然加速。 阿莫代伊坦言，“距离疯狂爆发可能只有两年，而你还以为一切才刚开始。” 四、从谷歌到OpenAI，他亲手推开生成式AI的大门 在百度团队逐渐解散后，埃隆·马斯克（Elon Musk）召集阿莫代伊与多位AI研究人员，在门洛帕克的玫瑰木酒店共进晚餐，讨论创建一个能与谷歌抗衡的新研究机构。 萨姆·阿尔特曼（Sam Altman）、格雷格·布罗克曼（Greg Brockman）和伊利亚·苏茨克维（Ilya Sutskever）也都出席了。这场“玫瑰木晚宴”，最终促成了OpenAI的诞生。 尽管阿莫代伊后来选择加入谷歌的Brain团队，但在工作了十个月后，他决定转投OpenAI，专注于AI安全研究。他担忧快速进步的技术可能带来的危害，并与人合作撰写了一篇关于不良行为潜在可能性的论文。 ▲论文《AI安全领域的具体难题》 就在那段时间，谷歌的研究员刚刚提出transformer模型，并发表论文《Attention is All You Need》，这项技术后来成为生成式AI的基础。 然而，谷歌内部并未积极推进这一方向，而OpenAI则迅速跟进，并于2018年发布了第一个大语言模型GPT（其中“T”代表Transformer）。尽管早期模型的文本生成质量仍有限，但技术进步显著。 作为OpenAI的研究总监，阿莫代伊深度参与了GPT-2的开发，并积极推动引入“人类反馈强化学习”（Reinforcement Learning from Human Feedback, RLHF）技术，让模型更符合人类的偏好和价值判断。这一方法日后成为训练对齐型AI的关键手段。 ▲论文《人类反馈强化学习》 在GPT-2的基础上，阿莫代伊主导了更具里程碑意义的GPT-3项目——模型参数数量提升近百倍，投入资金高达数千万美元，占用了OpenAI约五至六成的算力资源。 GPT-3发布后震撼了整个AI行业，其在文本生成、语言翻译、代码编写等任务中展现出前所未有的能力。 阿莫代伊当时在接受《纽约时报》采访时称，“它展现出一种‘涌现性’，它能识别你给出的文字，然后自如地延续下去，就像真的‘懂了’你想说什么。” 但在GPT-3取得成功的同时，OpenAI内部的分歧也愈发明显。阿莫代伊对AI带来的潜在风险日益担忧，希望从组织治理层面加强安全机制。 但他并未掌握模型发布节奏、人事安排或对外战略等关键决策权。“光训练模型是不够的，”他说，“你无法只靠技术，来决定一家公司的整体走向。” 在无法达成共识的情况下，阿莫代伊逐渐建立起一个以“熊猫（Panda）”为代号的亲密研究圈，与OpenAI管理层的理念冲突加剧，内部关系也变得紧张。一些人批评他打着“AI安全”的旗号，实则试图控制公司方向。 在阿莫代伊呼吁限制向中国出口芯片之后，英伟达CEO黄仁勋也公开表达了类似批评：“他（阿莫代伊）觉得AI太可怕了，只有他们自己才应该来做。” 对此，阿莫代伊回应称，这种说法“荒谬至极”。“我从没说过‘只有我们能做’这件事，”他说，“我的目标是推动一个‘向上的竞赛’（race to the top），让行业学习并采纳我们的安全做法。” 最终，在2020年12月，阿莫代伊与一批志同道合的同事离开OpenAI，创办了新公司Anthropic，团队成员包括前政策主管杰克·克拉克（Jack Clark）、妹妹丹妮拉·阿莫代伊（Daniela Amodei）、研究科学家克里斯·奥拉（Chris Olah）等人。 五、从折叠椅创业到百亿融资，Anthropic爆发背后的“人本”观 在Anthropic总部的会议室里，联合创始人杰克·克拉克（Jack Clark）展示了公司早期命名的文档。文件中列出了多个备选名称，包括：Aligned AI、Generative、Sponge、Swan、Sloth、Sparrow Systems，以及最终选定的“Anthropic”。 这个名字意为“以人为本”，不仅契合公司的愿景，而且当时域名尚未被注册。最终，Anthropic团队在表格上写下了评语：“我们喜欢这个名字，它不错。” Anthropic诞生于新冠疫情最严重的阶段，创始期沟通几乎全靠Zoom线上完成，团队规模仅有15至20人。每周，他们会在旧金山的Precita Park野餐式开会，员工自带折叠椅，围坐一圈来讨论公司的技术路径和发展方向。 Anthropic最初的使命非常清晰：构建一流的大语言模型，推动行业采纳更安全的开发实践，并公开发布部分非核心的研究成果。 在这个由前OpenAI研究员组建的初创公司中，许多成员都怀有一种“使命感”。克拉克回忆道：“奇妙的是，我们内心都觉得这一切势在必行。我们已经验证过Scaling Laws，知道模型会变得越来越强。” Anthropic的第一批投资人之一是谷歌前CEO埃里克·施密特（Eric Schmidt）。他通过当时的女友（如今的妻子）认识了阿莫代伊，两人曾就技术方向与创业计划进行过深入交流。施密特称，他投资的不是某个具体项目，而是人。他坦言：“这种阶段的投资，基本没有数据可以参考，只能看人。而阿莫代伊是天才，他也承诺会雇佣天才，也确实做到了。” 另一位早期投资人是后因FTX破产而身败名裂的加密货币企业家山姆·班克曼-弗里德（Sam Bankman-Fried，简称SBF）。据称，SBF从FTX挪用资金向Anthropic投入了5亿美元（约合人民币36.5亿元），占股13.56%。 但阿莫代伊并未授予SBF董事席位，仅提供了无投票权股份。阿莫代伊后来评价：“他当时确实看好AI和安全，但他后来的行为远比我想象中更极端、更糟糕。” 阿莫代伊向投资人传达的核心理念非常简明：“我们可以用十分之一的成本，构建出同样先进的模型。” 截至目前，阿莫代伊已为Anthropic累计募集近200亿美元（约合人民币1460亿元），其中包括来自亚马逊的80亿美元（约合人民币584亿元）和谷歌的30亿美元（约合人民币219亿元）。他谈到：“投资人不傻，他们能看出我们的资本效率。” 与OpenAI选择通过ChatGPT面向消费者不同，Anthropic优先服务企业客户。这一策略不仅更具商业可行性，也有助于推动模型实用性快速提升。例如，通过大规模专业任务训练，模型在生物化学等垂直领域已从“本科水平”跃升至“研究生水平”，虽不一定能打动普通用户，但对辉瑞（Pfizer）这类企业客户而言极具吸引力。 有趣的是，让Anthropic真正声名大噪的，并非这些技术成果，而是2023年7月推出的消费者聊天产品Claude。这款机器人因“高情商”的表达风格受到广泛好评，而这种性格恰恰源于Anthropic团队在安全训练上长期积累的经验。Claude推出后，Anthropic迅速扩张，从员工不足150人增长到一年内超过500人。高峰时期，公司每天新增的员工数量，甚至超过了创办第一年全年的招聘总量。 阿莫代伊押注企业市场的策略也迅速见效。如今，Anthropic的Claude模型已广泛应用于旅游、医疗、金融、保险等多个行业的大型客户中，服务对象包括联合航空（United Airlines）和美国国际集团（AIG）等。 以制药公司诺和诺德（Novo Nordisk）为例，过去需要15天才能完成汇总的合规文件，如今Claude可以在10分钟内生成初稿，极大提升了效率。Anthropic营收负责人凯特·詹森（Kate Jensen）称：“我们开发的技术，正在替代那些人们最抱怨的繁琐工作。” 与此同时，Claude在程序员群体中也受到高度欢迎。Anthropic从一开始就非常重视模型的编程能力建设，这既有助于加快公司自身的模型开发效率，也因为程序员用户对新工具具备更强的采纳能力。 2025年2月，Anthropic正式推出Claude Code功能，迅速成为公司重要的增长引擎之一。 根据阿莫代伊提供的数据，Anthropic年收入几乎每年实现10倍增长：2023年为1亿美元（约合人民币7.3亿元），2024年达到10亿美元（约合人民币73亿元），截至2025年上半年，年化收入已超过45亿美元（约合人民币328.5亿元）。 这一增长也反映在客户侧的采购行为上，企业客户的平均支出同比增长了5倍，价值百万美元以上的订单数量也同比增长了三倍（即单笔超过730万元人民币的合同）。 六、DeepSeek来袭、资金吃紧，Anthropic的双重压力 尽管Anthropic实现了高速增长，但背后也潜藏着显著隐忧。目前公司仍处于大额亏损状态，预计2025年全年亏损将达30亿美元（约合人民币219亿元），毛利率也明显低于典型云计算企业。 部分客户已开始感受到Claude在产品端的不稳定性。一位初创公司创始人称，Claude模型在使用体验上表现出色，“很好用，但经常崩溃”。 编程Replit CEO阿姆贾德·马萨德（Amjad Masad）也指出，开发者原本预期Claude的API调用价格会随着规模扩大而下降，但这一预期并不会实现。 一位开发者通过每月200美元（约合人民币1460元）的Max套餐，跑出了价值6000美元（约合人民币4.38万元）的API调用额度，迫使Anthropic紧急上线调用上限机制以遏制超额消耗。 针对外界质疑，阿莫代伊回应称，随着模型能力每次跃升，用户的单位成本将随之下降；而目前各大AI实验室仍处于推理优化初期，未来效率有望显著提升。 在业内人士看来，能否持续压低这条成本曲线，正成为衡量AI商业可持续性的关键变量。 Anthropic团队也透露：比起产品过于受欢迎这种“烦恼”，还有更糟糕的问题有待解决。“生成式AI及其背后的规模定律，是否会步其他技术的后尘——遵循成本随时间下降的曲线？”这个问题还悬而未决。又或者，它作为一项全新的技术，有着完全不同的成本轨迹？可以肯定的是，要弄清这一点还需要投入更多的资金。 Anthropic的融资之路也并非一帆风顺。为支撑大规模模型训练与部署，Anthropic于2025年初启动新一轮融资，由Lightspeed合伙人拉维·马特雷（Ravi Mhatre）牵头，融资目标为35亿美元（约合人民币255.5亿元）。 融资关键阶段遭遇突发挑战：DeepSeek团队突然开源了其自研大模型DeepSeek R1。该模型在性能上表现强劲，价格仅为行业平均的1/40，一度引发市场恐慌，并导致英伟达股价大跌17%。 马特雷回忆，在DeepSeek引发市场剧烈反应后不久，他顶住巨大压力，最终决定汇出10亿美元（约合人民币73亿元）。 尽管如此，阿莫代伊仍成功说服投资人相信：DeepSeek虽然价格低廉，但其部署和运营仍需大量资源与工程能力，真正的竞争核心在于“是否能比我们跑得更好”。 这周，Anthropic正式启动新一轮最高达50亿美元（约合人民币365亿元）的融资计划，其估值有望翻倍至1500亿美元（约合人民币1.1万亿元）。 值得注意的是，此轮融资也首次引入了此前刻意回避的中东主权财富基金作为潜在投资方。对此，阿莫代伊在公司内部Slack（企业内部沟通工具）上写道：“很难真正做到‘让坏人一个都别沾光’的商业原则。” 七、加速、提效，还是AI自我进化？Claude 4背后还有一份规则 2025年5月，在Anthropic举办的首届开发者大会上，阿莫代伊亲自登台，发布新一代大语言模型Claude 4。他在演讲中反复强调，模型的迭代速度正在加快：“我不知道会快多少，但确实在加速。”Anthropic也正在开发AI编程工具，以加速模型研发。 Anthropic联合创始人兼首席科学家贾里德·卡普兰（Jared Kaplan）称：“现在几乎所有工程师都在用AI提升工作效率。”在他看来，这种趋势可能引发所谓的“智能爆炸”——即AI能够训练自身，并进行持续自我迭代，变得无所不能。“这可能两三年内就会发生，当然也可能更久。” 已有案例显示，Anthropic及其他企业在测试中发现，AI在模拟环境中不时表现出对”自我保存”的令人担忧的倾向。以Claude 4技术文档为例，Anthropic披露该模型曾反复试图威胁工程师，以避免自身被关闭。 正因对AI演化路径的高度敏感，Anthropic加大投入研究模型对齐（“对齐”是指确保AI与人类的价值观和目标一致）与可解释性问题，制定了业内罕见的“发布门槛制度”——《责任规模扩展政策》（Responsible Scaling Policy），试图通过制度化约束推动行业整体遵守更高的安全标准。正如阿莫代伊所言，“谁是赢家并不重要，所有人都会受益。” 他坚信，AI拥有延续生命的潜力，就如同那项他父亲未能等到的疗法。“正因为我理解这项技术的价值，才更加希望它别出问题。”阿莫代伊声明，“我不是想减速，而是希望能安全地加速。”

（原标题：又一位剑指AGI的华人理工男！这家百人“作坊”，凭什么年入70亿，还成了OpenAI的“御用陪练”？） 在今天这个AI的“淘金热”时代，所有人都坚信着“大力出奇迹”的“规模法则”（Scaling Law）——更大的模型、更多的数据、更强的算力，就能换来更聪明的AI。然而，就在所有巨头都在疯狂堆人、烧钱、扩大规模时，一个“异类”悄然崛起。 这家公司仅有110名正式员工，却在2024年创造了超过10亿美元（约70亿人民币）的年营收，甚至反超了拥有上千员工、背靠Meta这棵大树的行业霸主Scale AI。 据路透社报道，这家公司正启动首轮融资，目标募资10亿美元，估值或达150亿美元（约合1000亿元人民币）。 这听起来像个天方夜谭，但它真实发生了。 故事的主角叫Surge AI，一个在AI“军备竞赛”的后勤线上掀起风暴的“隐形帝国”。它的创始人，37岁的华人理工男Edwin Chen，面对外界对竞品Scale AI的热捧，只是淡淡地回应： “他们在追逐资本时，我们在打磨数据纯度。真正的AGI（通用人工智能），需要人类智慧的精粹，而非廉价标签。” 这句话，几乎点明了Surge AI逆袭的所有秘密，它在告诉世界：在通往AGAI的路上，高质量的“人性”，远比海量的“人数”更重要。 风口上的“数据民工” 喂不饱真正的AI 在聊Surge AI之前，我们必须先明白它所在的“数据标注”行业，到底有多么“拧巴”。 简单说，AI模型就像一个嗷嗷待哺的婴儿，而“数据”就是它的奶粉。“数据标注”，就是把原始数据（图片、文字等）加工成AI能“消化”的格式。比如，告诉AI这张图里哪个是猫，哪句话是积极情绪。 很长一段时间里，这个行业都遵循着一个简单粗暴的逻辑：人力 = 产量。 以行业巨头Scale AI为代表的传统模式，本质上更像一个巨大的“人力外包工厂”。它们在全球招募海量的兼职人员，用“人海战术”来处理天量的数据。这种模式在处理简单的、重复性的任务时，确实能靠规模和低成本取胜。 但当AI模型越来越聪明，尤其是像ChatGPT这样的大语言模型（LLM）出现后，它们需要的“奶粉”也越来越高级。它们需要的不再是简单的“这是猫，那是狗”的标签，而是需要理解逻辑、文化、偏见甚至情感的复杂反馈。 这时，传统模式的弊端就暴露无遗： 质量堪忧，喂AI“吃垃圾”： 低成本的众包劳动力，缺乏专业背景，标注错误率极高。一位客户曾吐槽，花半年外包了5万条数据，结果“完全就是垃圾”，餐馆被标成医院。错误的标注对于AI来说，无异于“毒奶粉”，会让它变得偏执、愚蠢甚至危险。 效率低下，严重拖后腿： 一个小项目启动就要等数月，严重拖慢了AI的迭代速度。对于日新月异的AI竞赛来说，时间就是生命。 价值密度低，“空洞数据”泛滥： 标注员按件计酬，自然会追求数量而非质量，产出大量对模型提升有限的“空洞数据”。 Surge AI的创始人Edwin Chen对此有切肤之痛。他曾是Twitter的工程主管，亲身经历过外包的低效：当时只需给一万条推文打标签，却因为只雇了两个从Craigslist（美国版58同城）上找的兼职人员，花了一个月才完成，而且回传的数据质量很差，连常见的俚语都判错。最后他忍无可忍，“自己花一周搞定，又快又准”。 正是这些“垃圾数据”毁掉智能效果的惨痛教训，让他多次公开批评同行根本算不上科技公司，更像是“伪装成科技公司的人力外包工厂”。 他打过一个绝妙的比方：“我们让世界上最聪明的一群AI工程师，像顶级米其林厨师一样，却把大量时间浪费在去农田里种菜、收菜、洗菜上，而不是让他们专注于创造美食。” 这个致命的“价值错配”——AI需要米其林级别的美食，而市场只能提供大路货的农产品——正是Surge AI看准的巨大机会。 不做“人力外包” 我们要做AI的“米其林厨房” 面对行业的困局，Surge AI没有选择在“如何更快、更便宜地种菜”上内卷，而是直接掀了桌子，决定开一家“AI数据界的米其林厨房”。 他们重构了竞争的四个关键维度，形成了一套“极致质量 × 精英团队 × 自动化系统 × 使命感文化”的乘法模型。 1、百里挑一的“AI教练天团” 和Scale AI广撒网招人不同，Surge AI走的是彻头彻尾的精英路线。 他们通过严格的测试和持续的监控，筛选出全球最顶尖的1%标注人才，其中不乏博士、硕士。这些人不是被当作“数据工人”，而是被尊为“AI工程师”。 这支“小而精”的精英战队，能够胜任传统模式根本无法想象的高难度任务，比如为OpenAI的数学数据集编写详细的解题步骤，或者帮助Anthropic评估和修正AI的伦理偏见。这就像你需要一支特种部队去执行高精尖任务，而不是一个庞大的步兵团。 【创始人的“异端”用人观】 Edwin Chen对“小而精”的痴迷，甚至体现在他对初创公司招聘的“异端”看法上。他直言，初创公司在前5-10个员工里就招数据科学家或产品经理，“简直离谱”。 他认为，创业初期追求的是10倍甚至100倍的突破，而不是数据科学家擅长的“提升2%或5%”的微调。而产品方向，应该由创始人和工程师亲自下场搞定，过早引入PM反而会增加沟通成本，让团队失去焦点。这种对人才效率的极致追求，也深深烙印在了Surge的基因里。 2、只啃最硬的骨头：从源头定义价值 有了最顶级的“厨师”，自然要做最高端的“菜品”。Surge AI从一开始就瞄准了大模型训练中最难、也最有价值的环节——RLHF（基于人类反馈的强化学习）。 简单理解，就是让人类专家来“批改”AI的作业，告诉它哪个答案更好、更有创造性、更符合人类价值观。这种高阶任务，每条标注都对模型性能有巨大影响，价值密度极高。 当然，高端服务意味着高价。Surge的收费是同行的2-5倍，且客户项目通常有数百万美元的最低门槛。但OpenAI、Anthropic、Google这些顶级AI实验室却心甘情愿排队买单。因为他们发现，用Surge的高质量数据训练出来的模型，性能提升是肉眼可见的。 3、人机共舞：让精英的智慧插上翅膀 如果说精英团队是Surge的“灵魂”，那其强大的自动化平台就是“躯体”。 Surge AI开发了一套高度智能的人机协同系统。它远不止是一个任务发布工具，更像是一个赋能平台。具体来说： 对客户： 提供开放API接口，让AI研究员能将标注流程无缝嵌入到自己的开发管线中，像调用云服务一样丝滑。 对内部： 集成了复杂的机器学习算法，能自动侦测异常标注、通过模型预测来发现潜在错误、将同一任务的多人结果进行智能聚合。 这套系统实现了“人工智慧”与“机器智能”的完美融合。AI负责打下手和质检，让精英人类能专注于最高难度的判断。结果是，这支仅110人的团队，每周竟能处理数百万条高质量数据，人均产出是Scale AI的近9倍！ 4、“我们在养育AGI”：使命感是最终的护城河 这可能是Surge AI最难被复制的一点。 创始人Edwin Chen不止一次地表示，创办公司不是为了钱。“即使有人出价1000亿美金，我也不会卖掉Surge AI。” 驱动他的是一个更宏大的梦想：帮助人类实现通用人工智能（AGI）。 在其官网的使命宣言中，他写道： “机器的灵魂，由人类的选择与价值铸就。数据不是工具，数据是人类对机器的养育之道。” 这种“培育AGI”的崇高使命感，贯穿了整个公司。在这里，标注者不是流水线工人，而是“AI的父母”。许多高学历的合同工之所以愿意长期为Surge工作，正是因为他们觉得“仿佛终于能在教导AI时实践毕生所学”。这种精神力量带来的凝聚力和创造力，是任何金钱激励都无法替代的。 悄悄地，新王诞生了： 不止是超越Scale AI 当这四个维度形成乘法效应，一个不可思议的结果出现了。 商业逆袭： 2024年，Surge AI在零外部融资的情况下，年营收突破10亿美元，悄然超过了行业巨头Scale AI（同期8.7亿美元）。 口碑碾压： 一位前Scale AI员工透露，在客户的质量审计中，Surge的表现往往更优。O'Reilly的创始人更直言：“Surge不仅规模更大，而且好得多。许多人告诉我，Scale其实远非他们的首选。” 信任壁垒： 当Meta投资Scale AI，导致其独立性受损时，大量顶级AI实验室出于中立和安全考虑，纷纷转向Surge AI。 但Surge的超越，并不仅仅体现在与Scale AI的对比上。它在与其他创新模式的竞争中，同样占据了独特的生态位： vs. Snorkel AI (程序化标注范式): Snorkel试图用代码和规则来自动生成标签，减少对人的依赖。这在某些结构化任务上很高效，但面对需要人类价值观和常识判断的复杂任务时，则显得力不从心。Surge的“人机结合”模式，恰好抓住了AI“最后一公里”中机器无法替代的人类智慧，价值更高。 vs. Turing (专家众包平台范式): Turing拥有庞大的专家人才库，模式更像一个巨大的人才中介。但Surge的优势在于，它不只是“匹配”人才，而是通过自研平台和统一流程，将精英人才“整合”成一个高效协同的作战团队，输出的结果更稳定、更可靠。 Surge AI用事实证明，它开创的新范式，无论在质量、效率还是商业上，都全面超越了传统模式。它没有在旧的战场上和巨人缠斗，而是直接开辟了一个“高维战场”，实现了降维打击。 真正的护城河 是重构游戏规则的能力 Surge AI的故事，远不止是一个数据标注公司的成功。它给所有身处AI浪潮中的人一个深刻的启示： 在技术日新月异的时代，真正的核心竞争力，可能不是你拥有多少资源，而是你定义问题和重构规则的能力。 Surge AI没有去优化“数据标注”这个旧问题的答案，而是重新定义了问题本身——AI需要的不是“标注”，而是蕴含人类智慧的“养料”。围绕这个新定义，它构建了全新的商业模式，从人才、技术到文化，都指向一个目标：质量。 它打破了“数据=劳力”的行业铁律，证明了“更聪明的人力 + 更聪明的系统”可以超越线性的规模增长。当所有人都向左，疯狂追求规模时，它选择向右，极致追求纯度。 这或许才是AI时代最激动人心的地方：总有像Surge AI这样的破局者，用全新的思维和范式，告诉我们游戏还有另外一种玩法。

2025年8月的第一天，硅基智能公司创始人兼CEO司马华鹏在内部工作群中突然宣布，计划裁掉整个研发团队，将核心的算法开发工作外包给顶尖高校。 他在群里向全体员工表示：“各位，昨天我去看研发，只有徐超一个人在加班，公司今天已经做好了全员裁员的计划，算法给港科大和清华做，工程化留几个骨干，其他的都自寻出路，硅基养不起这样的团队，请大家见谅。” 要知道，这家公司刚刚在7月高调宣布完成数亿元D轮融资，宣称要将资金“重点用于研发创新”。 一边是资本市场用数亿元真金白银对公司研发创新的未来投下信任票，另一边是创始人对内部研发团队的彻底否定和“清洗”。这种极端矛盾的操作，让外界深感困惑。对于一家技术驱动型的人工智能企业而言，研发团队无疑是其心脏。 可司马华鹏的这番言论，着实让人有些魔幻。 01 融资光环下的“突发”裁员 在探讨裁员决策本身之前，我们有必要先了解硅基智能的基本面。这家成立于2017年的公司，在AIGC（生成式人工智能）领域，尤其是在数字人赛道上，曾是资本市场的宠儿。公开信息显示，自成立以来，硅基智能已累计完成超过十亿元的10轮融资。其投资方阵容堪称豪华，包括腾讯、红杉中国、招银国际、中财奇虎、海松资本等一系列国内外顶级投资机构。 持续的资本注入，证明了市场在过去几年里对硅基智能的技术实力和商业模式抱有高度期待。公司的核心业务聚焦于AIGC数字人技术的研发与商业化应用，并以此为基础，构建了四大产品线：DUIX智能交互平台、虚拟直播平台、视频生产平台和智能客服。其商业目标是打造“硅基劳动力”，用数字人替代或辅助人类完成重复性、标准化的工作。 2025年7月完成的D轮融资，投资方为嘉兴高新区产业基金（嘉兴秀洲区），这通常被视为公司发展进入成熟期、获得政府层面认可的标志。融资通稿中明确指出，本轮资金将“重点用于研发创新投入、推动技术落地并加快产品的市场化应用”。这段话清晰地勾勒出公司的发展路径：以研发为驱动力，加速技术向产品的转化。 然而，司马华鹏的裁员计划，无疑是对这一路径的直接颠覆。他提出的方案是：“算法给港科大和清华做，工程化留几个骨干”。这意味着，公司将放弃自主的、体系化的算法研发能力，转而依赖外部学术机构；同时，负责将算法转化为稳定、可用产品的工程化团队也将被大幅削减，只保留少数核心人员。这一决定与D轮融资“重点用于研发创新投入”的初衷形成了强烈的讽刺。资本市场刚刚为公司的“发动机”注入了新的燃料，而公司管理者却选择亲手将发动机拆除。 02 放弃自研：技术视角下的巨大风险 从软件工程和技术管理的专业角度看，整体裁撤研发团队并外包核心工作的想法，不仅不清醒，甚至可以说是灾难性的。这其中涉及两个层面的核心问题：代码资产的交接与维护，以及学术团队与工程团队的本质区别。 先跟各位科普一个事，代码资产的交接与维护是一项极其复杂且微妙的工作。 软件代码并非像标准化的工业零件一样，可以简单地从一个团队交到另一个团队手中。代码是研发人员思想的凝结，其背后包含了复杂的业务逻辑、特定的技术选型、长期的迭代历史以及不成文的“部落知识”。代码在编写过程中，千人千面。 比如产品的某一个功能，它可以用截然不同的算法、数据结构来实现，但是这样就会导致代码在性能、可读性和可扩展性上存在巨大差异。 具体来看，一个成熟的商业项目代码库，其复杂性体现在多个维度： 在对整个研发部门大换血之前最好先考虑几个问题，项目的整体架构是如何演变的？早期为了快速上线做了哪些技术妥协（即“技术债”）？哪些模块是核心，哪些是边缘？这些信息往往没有完整文档，而是沉淀在资深研发人员的脑海中。一个全新的团队接手，如同在没有地图的迷宫中探索，极易“踩雷”。 在代码编写的过程中，变量命名、函数封装、循环逻辑、接口设计、注释习惯……每个团队都会形成自己独特的风格。如果缺乏统一且严格的规范，代码的可读性会非常差。即使有规范，很多细节和背后的考量也需要原开发者的口传心授。一个新团队面对几十万甚至上百万行风格迥异的代码，理解成本极高。 很多代码的实现，与特定的业务场景深度绑定。当你真的接手过别人遗留下来的代码就会发现，某个接口为何要设置如此奇怪的超时时间？某段数据处理逻辑为何要绕一个大弯？这些背后可能对应着某个大客户的特殊需求，或是为了规避某个底层系统的缺陷。这些“隐性知识”若无交接，新团队在维护或修改时，很可能会破坏原有的业务逻辑，引发严重的生产事故。 因此，负责任的技术团队换血，必然是一个循序渐进的过程。通常采用“老人带新人”的模式，让新成员逐步熟悉系统，在几个月甚至更长的时间里，通过共同开发、代码审查（Code Review）和文档完善，慢慢完成知识的转移。像硅基智能这样“一刀切”地裁掉整个团队，无异于将积累多年的核心数字资产直接废弃。留下的“几个骨干”根本无法完成如此庞大的知识转移任务，后续的维护工作将举步维艰。 其次，也是我最纳闷的一件事：将核心开发工作交给大学，是对软件工程的根本性误解。 司马华鹏提出“算法给港科大和清华做”，这听起来似乎是强强联合。清华大学和香港科技大学无疑拥有世界顶尖的算法研究人才。然而，学术研究和商业产品开发是两种截然不同的活动，混淆二者会带来灾难性后果。 学术研究的核心目标是“创新”与“探索”，追求的是理论上的突破和发表高水平论文，通常不以产品的稳定性、可靠性和可维护性为首要目标。而商业产品的核心目标是“满足用户需求”并“创造商业价值”，它要求产品在严苛的现实环境中7x24小时稳定运行，并且能够快速迭代以响应市场变化。 顶尖高校的学生和教授，可能在某个特定算法上造诣很深，但他们普遍缺乏大规模商业软件的开发经验。这包括：复杂的系统架构能力、高并发处理能力、健壮的容错机制、完善的测试体系（单元测试、集成测试、压力测试）、以及标准化的部署与运维流程（CI/CD）。让一群没有实际项目经验的学生来主导商业项目，其成品质量可想而知。 而且学术团队的项目管理通常较为松散，其工作节奏与学术日历（学期、假期、毕业季）紧密相关。人员流动性极大，学生毕业后，项目的知识传承很容易断裂。而商业项目要求严格的deadline和可预测的交付周期。将商业的命脉交到这样一个管理和交付都充满不确定性的团队手中，无异于一场赌博。 学生是会毕业的，可是业务是要一直持续下去的，这就又回到了第一个问题，学长写的Logs学弟能看懂吗？ 综上所述，将算法研究外包给高校或许可以在某些前沿领域获得突破，但将核心产品的“工程化”开发完全寄希望于此，是完全违背软件工程基本规律的。最终的结果，很可能是一个技术上看起来很美、但在实际应用中漏洞百出、无法维护的“烂摊子”。 03 产品与市场：内忧外患的真实处境 硅基智能CEO做出如此激进的决策，背后必然有其动因。除了他本人提到的“养不起”之外，公司在产品和市场层面面临的压力，或许是更深层次的原因。 一个重要的观察窗口，是硅基智能的开源项目——HeyGem。 2025年6月，这个数字人开源项目在代码托管平台GitHub上获得了1万颗星标，这对于一个新项目而言是不错的成绩，说明其在发布之初吸引了相当高的关注度。然而，这种热度并未持续。截至2025年8月，该项目的星标数依然停留在1万，增长陷入停滞，这通常意味着社区活跃度和项目吸引力的下降。更让人感到疑惑的是，这个破了1万颗星的项目，竟然连最基本的简介都没有写。 更严重的问题隐藏在项目的细节中。根据GitHub的issue页面，在五月时，就有大量用户反馈一个致命BUG：视频合成任务进行到5%的进度时就会卡死。然而，直到几个月后，同样的问题依然在被新的用户反复提出。这表明，开发团队并未有效解决这个核心的功能性障碍。 进一步查看项目的release记录，可以看到，该项目自发布后，真正的版本维护只持续到4月2日，此后便陷入沉寂。而代码提交日志则显示，所谓的维护也仅仅是针对不同操作系统进行兼容性适配，几乎没有针对用户反馈的BUG进行修复。 HeyGem项目的现状，如同一面镜子，折射出硅基智能内部研发可能存在的深层问题：重发布、轻维护；重宣传、轻体验。一个连自家门面开源项目都无法持续维护、对社区反馈置若罔闻的团队，其内部的商业项目管理和代码质量，恐怕也要打上一个大大的问号。这或许也部分解释了司马华鹏为何会说出“养不起这样的团队”这种充满失望情绪的话。团队的工作效率和产出质量，可能早已达不到管理层的预期。 另一方面，硅基智能所处的数字人赛道，已是一片红海。 数字人并非一个新兴概念，经过几年的发展，这个市场已经变得异常拥挤，竞争十分激烈。 国内早就涌现出了一批强有力的竞争者。例如，字节旗下的“即梦”，专注于AI视频和数字人生成；快手则推出了视频生成大模型“可灵”，其技术实力不容小觑。此外，还有大量初创公司和互联网大厂在此布局。 国际市场的竞争更为残酷。芯片巨头英伟达（NVIDIA）推出的ACE（Avatar Cloud Engine）平台，旨在打造游戏和应用中的下一代交互式数字人，其技术积累和生态号召力无人能及。而在企业级视频生成领域，独角兽公司Synthesia早已占据领先地位，为全球数万家企业提供服务。 在这样一个强敌环伺的市场中，企业的生存和发展依赖于持续的技术创新、卓越的产品体验和快速的市场响应能力。任何一个环节的松懈，都可能被竞争对手迅速超越。而硅基智能选择在此刻自断臂膀，解散核心研发团队，无疑是一个与市场竞争趋势背道而驰的危险举动。当竞争对手们正在全力加速、优化产品时，硅基智能却在主动制造混乱和停滞，其未来的市场前景令人堪忧。 04 结论：一场高风险的赌博 综合来看，硅基智能CEO司马华鹏在刚获数亿融资后宣布裁撤研发团队，并非一个孤立的、冲动的事件，而是公司内部问题和外部压力共同作用下的结果。 然而，无论动机如何，这一决策本身都充满着巨大的、可预见的风险。它混淆了学术研究与商业开发，漠视了软件工程的基本规律，并可能导致公司在数年间积累的核心技术资产流失。在争分夺秒的市场竞争中，这种内部的“休克疗法”很可能给竞争对手留下致命的超车窗口。 资本的注入本应是企业加速发展的助推器，但对于硅基智能而言，它却成了一场内部大变革的导火索。这场用整个研发团队的未来做赌注的豪赌，最终会将这家曾经的明星公司带向何方，市场和时间将给出最终的答案。但至少从目前来看，前景并不乐观。 截止至目前，硅基智能并未对此事进行回复。

IT之家 8 月 2 日消息，《连线》昨日（8 月 1 日）发布博文，报道称在 OpenAI 发布 GPT-5 模型之际，Anthropic 公司称 OpenAI 违反了服务条款，撤销了 OpenAI 对其模型的 API 访问权限。 Anthropic 发言人 Christopher Nulty 在一份声明中表示：“Claude Code 已经成为全球程序员的首选，因此在 GPT-5 发布前，得知 OpenAI 的技术人员也在使用我们的编码工具，这并不令人惊讶。但不幸的是，这直接违反了我们的服务条款。” IT之家援引博文介绍，根据 Anthropic 的商业服务条款，客户禁止使用该服务“构建竞争性产品或服务，包括训练竞争性 AI 模型”或“逆向工程或复制”服务。此次撤销 OpenAI 对 Claude 的访问权限，正值其准备发布新 AI 模型 GPT-5，有消息称该模型在编程方面表现更佳。 消息人士称，OpenAI 并非使用常规的聊天界面，而是通过 API 方式将 Claude 接入其内部工具，从而让 OpenAI 公司运行测试，评估 Claude 在编程和创意写作等方面的能力，并检查 Claude 对涉及儿童性剥削材料、自残和诽谤等安全相关提示的响应。 OpenAI 首席通讯官 Hannah Wong 在一份声明中表示：“评估其它 AI 系统，来对比进度和提高安全性是行业惯例。虽然我们尊重 Anthropic 切断我们的 API 访问权限决定，但考虑到他们仍然可以使用我们的 API，这一决定令人失望。”

IT之家 8 月 2 日消息，科技媒体 bleepingcomputer 昨日（8 月 1 日）发布博文，报道称 OpenAI 计划为 ChatGPT 推出名为 Go 的新订阅计划，定价低于当前的 Plus 方案（月费 20 美元）。 OpenAI 目前为 ChatGPT 提供了两种订阅计划，其中 Plus 订阅月费为 20 美元（现汇率约合 144.1 元人民币），可优先体验新模型和部分高级功能；二是 Pro 计划，每月 200 美元（现汇率约合 1441 元人民币），提供近乎无限的模型访问权限和最新功能。 然而，对于仅需基础功能的用户来说，现有计划显得过于昂贵。为此 OpenAI 正筹备推出“Go”计划，目标人群是轻度使用者，从而填补市场空白，满足不同层次用户的需求。 该计划预计采取更具竞争力的定价策略，费用可能不超过 15 美元，甚至可能低至 10 美元（IT之家注：现汇率约合 72 元人民币）。据推测，它将主要提升对 AI 模型（如 o3）的访问权限，而不会包含高级功能。

IT之家 8 月 2 日消息，油管视频主 ETA PRIME 在 7 月 31 日发布了一条针对 AMD 锐龙 AI Max+ 395 "Strix Halo" 平台笔记本电脑样机的开箱测试视频。 值得注意的是，这款样机并非华硕 ROG 幻 X，也不是惠普战 99 Ultra 或其海外版，而从转轴、键盘设计角度来看与六联、亿道两家 ODM 企业提供的公版方案也并非完全一致。 这款样机被称为 AIM MAX+，应一家名为 aimlaptops 的企业，目标是将锐龙 AI Max+ 395 笔记本电脑的价格压到 1000 美元（IT之家注：现汇率约合 7203 元人民币）以内。该价格甚至明显低于 9999 元的极摩客 EVO-X2 电竞版迷你主机。 作为取舍，AIM MAX+ 笔记本电脑将板载统一内存容量进一步降低至 32GB。更低的板载内存容量意味着更低的物料成本，但也对其使用场景带来了一定限制。 AIM MAX+ 笔记本采用全铝合金机身设计，搭载一块 16 英寸 2560×1600 分辨率 120Hz 刷新率 600nits 亮度显示屏，具备 2 个 M.2 盘位和支持 Wi-Fi 6E & BT 5.3 的无线网卡，配备单区白色 LED 背光（五级可调）键盘和一般触控板，内置 80Wh 电池。 这款笔记本电脑采用双风扇四热管散热系统，处理器默认 TDP 配置为 65W，实际最大性能释放至少可达 80W。 油管主在视频中透露，AIM MAX+ 笔记本电脑目标 2025 年 10 月上旬发售。

快科技8月2日消息，小米有品众筹上线了一款迷你机——星核超级AI电脑，定价13999元。 正如其名，该机的配置也很超级，搭载AMD锐龙AI Max+395芯片，16核32线程（Zen5架构），加速频率5.1GHz，总缓存80MB。 搭配Radeon 8060S GPU（RDNA3.5架构，40个图形单元），共享96GB显存，图形性能超越RTX 4060，部分场景下AI性能超越RTX5090。 配备128GB LPDDR5内存（8000MHz），2TB SSD（2*M.2 2280 PCIe 4.0）。 基础性能方面，可畅玩3A游戏（如《赛博朋克2077》《刺客信条》等），帧率表现全面超越RTX4070；支持ComfyUI工作流，适配专业创作需求。 总算力150+TOPS，可以本地部署多款开源模型，比如Qwen3、Deepseek、小米MiMo等。 赠送NOVA AI Studio终身免费使用权，支持AI文生图、文生视频、PPT自动化排版、深度研究等功能，配备Nova推理引擎，AI填充速度提升至多800%。 搭载玲珑月影串流工具，支持多终端数据流转、远程访问，可连接多块显示器及平板、手机等设备。 预装Win11专业版，提供120W性能模式、85W平衡模式、55W静音模式。 支持WiFi 7+蓝牙5.4；接口丰富，含USB4.02、USB3.23、HDMI2.11、DP1.41等，机身尺寸247.5188.496.5mm，重量约2kg。

IT之家 8 月 2 日消息，富士现已在美国市场全线调涨了旗下相机与镜头的售价，其中机身涨幅“高达数百美元”，镜头涨价 50-150 美元（现汇率约合 360.2 - 1080 元人民币），IT之家整理部分机型涨价前后定价如下： X100VI：1599 美元（IT之家注：现汇率约合 11518 元人民币）涨至 1799 美元（现汇率约合 12959 元人民币） X-T5：1699 美元（现汇率约 12238 元人民币）涨至 1899 美元（现汇率约合 13679 元人民币） GFX100II：7499 美元（现汇率约合 54018 元人民币）上涨至 8299 美元（现汇率约合 59780 元人民币） 此次涨价正值美国当局宣布将于 8 月 7 日正式实施新一轮大规模关税政策之际。与此同时，任天堂今日也宣布上调部分旧款 Switch 主机售价。此外，除了富士外，包括徕卡和佳能在内的多家相机厂商近期也纷纷在美国市场上调产品售价。 ▲ 富士 X100VI 相机 而对于富士来说，美国当局关税政策带来的影响堪称严重。早在去年，富士为了应对 X100 系列相机爆红所引发的强劲市场需求，便将相应产品的供应链转移至中国大陆以降本增效，试图缓解 X100 系列相机因短缺而在二手市场被炒至高价的局面。然而，美国当局首轮对中国大陆商品加征关税措施生效后，富士又被迫将部分 X100 系列相机产线转回日本。 考虑到目前关于美国当局新关税政策的执行时间、对象、税率及持续周期仍存在诸多不确定性，富士此次价格调整或许只是开端。

快科技8月2日消息，现在，调研机构Counterpoint给出了今年第二季度全球智能手机平均售价，达到了2501元。 报告还指出全球平均销售价格（ASP）也达到第二季度峰值，同比增长7%，达到347美元（2501元）。 在这个统计中，苹果相对于安卓厂商来说，依然是碾压式的领先。 具体来说，iPhone平均销售价格最高，为879美元（约6335元）；而OPPO的平均销售价格增长最快，第2季度平均价格为274美元（约1975元），其已经追赶上了三星，这确实是一个不错的现象。 五大厂商的ASP平均售价分别为： 苹果：879美元（当前约6335元） 三星：270美元（当前约1946元） OPPO：274美元（当前约1975元） vivo：208美元（当前约1499元） 小米：152美元（当前约1096元） 苹果凭借iPhone 16系列的强劲表现，一方面受益于高端化趋势，另一方面消费者为了规避关税风险提前购买，在第2季度以13%的增速领跑五大品牌，占据全球收入的43%。 目前全球手机高端市场，依然没有哪个品牌可以对苹果发起真正的冲击，中国市场也是如此。

IT之家 8 月 2 日消息，科技媒体 Android Headline 昨日（8 月 1 日）发布博文，分享了一组三星官方宣传图，展示了“全球最畅销安卓手机”继任者 Galaxy A17。 尺寸方面，Galaxy A17 的厚度降至 7.5 毫米，相比之下，Galaxy A16 的厚度为 7.99 毫米；重量也有所减轻，从 200 克减少到 192 克。 规格方面，Galaxy A17 配 6.7 英寸的 Super AMOLED 显示屏，刷新率最高 90Hz，还使用了康宁 Gorilla Glass Victus 来保护屏幕。 芯片方面，Galaxy A17 沿用 A16 同款芯片，继续使用 Exynos 1330 芯片。存储组合方面，在 128GB 存储中，会有 4GB、6GB 和 8GB 内存版本；在 256GB 存储版本中，采用 8GB 内存，并支持最高 2TB 的 Micro SD 卡扩展。 影像方面，Galaxy A17 配置与 Galaxy A16 几乎相同，包括一个 5000 万像素主传感器、500 万像素超广角和 200 万像素微距摄像头，主要是主摄升级光学防抖（OIS）功能。 电池方面，Galaxy A17 手机配备 5000mAh 容量电池，支持 25W 充电，而且在欧洲地区会随附充电器。 该机预装基于安卓 15 的 One UI 7 系统，承诺提供 6 个操作系统升级和 6 年的安全更新。 IT之家注：根据市场调查机构 Counterpoint Research 公布的 2025 年第 1 季度全球最畅销智能手机榜单，三星的 Galaxy A16 5G 手机位列第五，是该季度全球最畅销的安卓手机。

快科技8月2日消息，安兔兔公布了7月安卓次旗舰手机性能榜单，iQOO Z10 Turbo以1739524的分数拿下榜单第一。 iQOO Z10 Turbo Pro搭载联发科天玑8400满血版处理器，这枚芯片属于中端性能的典型代表，采用台积电 4nm 工艺打造的全大核架构，配合手机独家自研电竞芯片 Q1，能在高帧率游戏中实现更稳定的帧率表现与更低功耗。 此外，再结合iQOO Z10 Turbo Pro的7620mAh 超大电池的加持，让重度游戏玩家无需频繁充电，兼顾高性能输出与长续航体验，直击手游场景下的续航焦虑痛点。 真我Neo7 SE以1708892的平均跑分位列第二，搭载联发科天玑8400-Max处理器，配合7700平方毫米的超广域单体散热VC，能够确保长时间游戏过程中手机不会过热。 REDMI Turbo 4以1699698的平均跑分位列第三，其核心优势在于全球首发的天玑8400-Ultra处理器，通过底层架构优化，在游戏中既能保持高帧率运行，又能精准控制功耗，避免发热降频问题，为玩家带来“持久流畅”的游戏体验。

IT之家 8 月 2 日消息，全新小鹏 P7 将于 8 月 6 日在北京开启中国首秀，官方现已公布这款纯电轿车的外观细节。 据介绍，该车配备行业首个一体式纯平发光 LOGO，拒绝塑料感；悬浮牌照架 + 主动进气格栅，让前脸显得更低趴好看；主动式升降电动尾翼，10 档自定义调节，满足不同驾驶需求。 IT之家注意到，全新小鹏 P7 已经公布“星暮紫”“星芒蓝”“新月银”等配色官图。 小鹏全新 P7 定位科技时尚豪华轿跑，何小鹏表示：“全新的小鹏 P7 可能是我们有史以来情感投入最大的一个项目，我们的中外设计团队用非凡的想象力，原创的时尚美学设计语言，打破枯燥相似的设计思维，引领新的潮流。” 申报信息显示，该车长 5017mm，宽 1970mm，高 1427mm，轴距 3008mm，采用承载式车身。新车提供两种不同动力，单电机车型最大功率 270kW，双电机车型两台电机最大功率分别为 167kW 和 270kW，电池来自亿纬锂能或中创新航。

IT之家 8 月 2 日消息，科技媒体 Android Headline 昨日（8 月 1 日）发布博文，报道称三星表示在 Galaxy Z Fold7 折叠手机中，已解决了相机快门速度慢的问题。 三星旗舰手机的摄像头一直备受称赞，配置合理，软件优化也十分出色，但是一个长期存在的问题，是大多数三星旗舰手机快门速度较慢。IT之家注：这在拍摄静止物体时影响不大，但在抓拍移动物体时，照片常常导致照片模糊或主体失焦。 三星表示相比较前代 Galaxy Z Fold6 手机，Galaxy Z Fold7 手机的快门速度提升 7 倍，可以说摘掉了“快门速度慢”的帽子，但三星官方并未详细说明具体使用了哪些技术和方案来实现该提升的。 有评论指出，Galaxy Z Fold7 能够在理想的光照条件下，清晰抓拍到奔跑中的狗。然而在光线不理想状态下，手机摄像头的表现仍然是一个挑战。

快科技8月2日消息，红魔最新推出了红魔10S Pro《斗战胜佛》典藏版，目前还没开售，但真机已经在上海ChinaJoy现身。 现场实拍图可以看到，这个定制版本诚意十足，从包装到本体，包括配件都有深度定制。 手机背壳采用蚀刻工艺，让金箍棒以浮雕的方式呈现于手中，不论是视觉还是手感都非常精致。 内含定制的电竞保护壳、祥云驭风散热背夹、神通闪充80W充电器、筋斗云定制卡针以及24K镀金如意金箍棒典藏版。 据现场观众介绍，这跟24K镀金如意金箍棒分量很足，拿在手里沉甸甸的质感不错。 除了外观之外，系统内还打造了全套的主题UI，包括图标、壁纸、铃声、充电动画等。 配置上与普通版保持一致，配备6.8英寸1.5K真全面屏，屏幕无挖孔，支持144Hz刷新率，搭载骁龙8至尊领先版芯片，内置7050mAh电池，支持80W有线快充。 值得一提的是，这并不是红魔第一次推出斗战胜佛IP产品了。 早在2021年，红魔就退出了红魔6R斗战胜佛IP限量版，以孙悟空为设计灵感打造，对比来看，如今这个版本在设计和工艺上都有跨越式升级。