快科技11月15日消息，据国外媒体报道称，美国对出口管制收紧，而这导致应用材料不得不对华断供存储及成熟芯片设备。 上述消息得到了应用材料的证实。 应用材料公司表示，由于美国出口管制收紧限制了其市场准入，预计2026年其在中国的芯片制造设备支出将下降，但下半年整体营收将有所增长。 “我们的客户表明，晶圆制造设备的支出可能会从2026年下半年开始加速增长。”应用材料首席财务官Brice Hill说道。 此外，公司高管们还确认，暂停关联公司规则将使公司在整个财年恢复约6亿美元的销售额。 应用材料CEO Gary Dickerson表示，由于美国加强管制，应用材料公司无法再向中国的存储芯片和成熟芯片制造市场供货设备，但他预计不会对中国出货量设置新的重大限制。 近年来，应用材料在中国的销售额占总营收的比例已从近40%回落至20%左右。Gary Dickerson表示，外国竞争对手仍在向应用材料无法服务的中国企业销售产品。

文 | 少年维特 过去一周，关于AI泡沫的声音，又被推上了一个小高潮。 宏观方面，美股科技公司的资本支出，跟1999年互联网泡沫极其相似。标普500指数涨幅七成以上被少数AI股贡献。 另一边，“大空头”迈克·巴里在最新13F里亮出自己的新下注：买了5万张Palantir的看跌期权，行权价50美金，2027年1月15日到期，期权成本1.84美金，总共掏了大概920万美金，对应名义敞口9亿多。 媒体自然乐于用“做空9亿美金PLTR”的标题来放大这个动作，巴里本人还特意跑到X上纠正算术，但方向没改——在他眼里，这一批最热的AI股，估值里已经掺了不少水分。 Palantir的CEO Alex Karp也比较有意思，在最近几场公开采访里，一边承认现在AI赛道里确实有不少投资“创造不了足够的价值”，一边又强调自己这家公司代表的是另一类：帮美国政府和大企业把AI真的用进系统里的“操作系统”，而不是概念股。他形容做空芯片和本体论（ontology）是“batshit crazy”。 所以现在这家公司站在一个有意思的位置上： 一头连着这轮美国AI基建的大潮——几千亿美金砸进GPU、数据中心、电力和软件；另一头连着“AI会不会重演2000年互联网泡沫”的争论，以及最典型的一位空头代表。Palantir不只是一个股价涨得很猛的ticker，它某种程度上代表了这轮AI情绪的一部分投影。 在这样一轮投资周期里，Palantir到底是一家什么样的公司，它的业务和财务是不是撑得住现在这身价格？更重要的，它在这轮AI基建浪潮里，和2000年那些被推上神坛的互联网公司相比，到底有哪些相似、哪些不同？ Palantir到底在卖什么？ 先把定位厘清。Palantir不做大模型，它不是OpenAI、Anthropic那一挂的，它做的是大模型之上的“业务操作系统”——让一个政府部门或大企业，真的能把AI融进自己的决策链条里。 三个主产品大致对应三块世界： Gotham：给情报、军队、执法系统用的大脑。 起家盘，客户从CIA、国防部到英国国防部、北约，在俄乌战争、反恐、情报分析这种场景里用了很多年，这块业务外界看不透细节，但从美国和英国近期的一些国防AI框架合同来看，Palantir已经基本成了“西方阵营默认的那家做战场/情报软件的公司”。 Foundry：企业版Gotham。大客户里有空客、BP、R1 RCM、能源公司等，它做的是把企业内部所有核心系统的数据打通，建立一个统一的数字孪生——生产、供应链、财务、人力、IoT全部进一个本体模型里。 AIP（Artificial Intelligence Platform）：这一轮AI浪潮的增长发动机。 它对接的是GPT、Claude、Llama这些大模型，在Foundry构建的世界模型之上，把AI嵌进业务流程里：模型调度、权限管理、审计追踪、自动化工作流全包。对企业来说，它解决的是“怎么让AI真正接管一部分决策权”。 跟Walgreens的案例是一个最好理解的样板。Walgreens作为美国第二大药店连锁，自己测算过，要想把几千家门店的库存、补货、人力排班、配送路线做到理论最优，每天要做3840亿次微观决策，光靠人脑+Excel根本不可能。 Palantir上去做的是，先用Foundry把门店、库存、销售、人力、物流等所有关键系统接到一个平台，再用Ontology把门店、商品、员工、仓库、供应商、路线这些对象以及逻辑关系统一建模，最后在AIP上叠加一层AI工作流——需求预测、库存推荐、排班优化、补货和配送调度都交给AI去算、去发指令，门店一线更多是“确认和监督”，而不是“从零做判断”。 官方披露的数据是，8个月时间，Foundry+AIP已经铺到了4000多家门店，原来那3840亿次/日的决策，基本交给系统自动化处理。 AIG的故事类似，只是换成了核保。AIG搭了一套生成式AI核保助手，底层用的是Claude这类大模型，调度和业务流程那一层交给Palantir来做，据他们自己的说法，核保效率提升了3–5倍，准确率从大约70%提升到了90%左右，关键是全链路可审计。 这些案例的共同点是： 第一，场景是真的复杂和“重”，不是搞个问答机器人那么简单；第二，ROI是可以量化的——库存周转、营运成本、核保时效这些财务指标是实打实在改善；第三，Palantir做的是模型之上的世界观和操作系统，这一层本质上比较难替换。 这也是为什么在Analyst Day和各种媒体访问里，Karp总是反复谈ontology、本体、世界模型这些看上去很哲学的词，对他们来说，这确实是区别于普通SaaS的那块护城河。 基本面是一件事，估值又是另一件事 聊完业务，回头看数字到底对不对得上口径。 最新2025年Q3财报，Palantir的几组关键数据是这样： 总营收11.81亿美金，同比+63%，环比+18%；美国商业收入3.97亿，同比+121%，美国政府4.86亿，同比+52%；全球政府业务6.33亿，同比+55%，商业业务5.48亿，同比+73%。 GAAP净利润4.76亿美金，净利率约40%，GAAP营业利润率33%，非GAAP营业利润率51%；按Investopedia的算法，“Rule of 40”达到了114%。 调整后自由现金流单季5.4亿美金，FCF利润率46%；过去12个月滚动FCF接近20亿，账上现金60多亿、长期债务基本可以忽略。 合同方面，Q3新签TCV27.6亿美金，创历史新高，美国商业剩余合同价值（RDV）达36亿，同比翻了近两倍。 管理层第三次上调全年收入指引到43.96–44亿美金，对应全年增速在53%左右。 这几组数字说明：从“赚钱能力”角度，Palantir很难被简单归类为“讲故事的泡沫股”。它现在已经是一个高速增长、稳定盈利、自由现金流充沛的成熟成长股，和很多还在亏损、靠讲ARR/NRR的AI概念比，基本面明显厚实得多。 但估值是另一回事。 今年以来，PLTR股价涨幅在135%–150%区间，自2022年低点算起接近20倍。 汇总MarketBeat主流机构分析师给的目标价，一年平均目标价在172美金附近，Citi、UBS等这一挂给的是中性评级，目标价从170–180调到190–205，美银、Wedbush这样的多头则给到了215–255的高位；有“极端估值”给了18.5最低。 算估值倍数的方式大家各有各的模型，但大致共识是：按收入算，PS在100倍附近；按当前TTM自由现金流看，P/FCF约20–25倍，但若套用部分分析师更前置的2026–2027年FCF预测，估值倍数会被拉高到接近三位数，因此空头才会把Palantir视为板块里最贵的一档。换句话说，市场已经在用“AI时代操作系统+国防软件复合体”的故事来定价，而不是用传统SaaS的样板来套。 这也是为什么巴里那5万张2027年到期的put会显得特别“对情绪”：在他那套框架里，Palantir的问题不在于业务，而在于市场愿意为这些业务付出多高的价格，以及这种意愿能持续多久。 美国AI基建已经卷成什么样了？ 聊“AI泡沫”这件事，如果只盯着几只股价，其实有点片面。如果关注一下美国在AI基建上的动作你会发现，这是近几十年来资本开支最激进、最集中的一轮投资之一。 I/O Fund给出了一组数据，把微软、谷歌、亚马逊、Meta等几家大厂未来几年的CapEx预算加在一起：未来几年Big Tech在“AI基础设施（GPU、CPU、数据中心、电力）上计划投入约4050亿美金”，单微软2025财年的CapEx就同比增长了58%，达到882亿美金，而且管理层已经提示2026财年增长率还会更高。 另外JPMorgan在11月的一份长文里估算，未来五年全球数据中心和AI基建（包括电力配套）总投资将超过5万亿美元，他们甚至专门写了一节讲这件事会如何重塑美国信用债市场，因为公用事业、电网公司也要同步加大资本开支。 IoT Analytics的数据显示，仅数据中心基础设施（IT+机房设施）这一块，到2030年的年支出就有望逼近1万亿美元，AI驱动的服务器、网络、存储占比会提升到接近一半。 电力侧，大型公用事业公司已经开始为“AI要电”重写自己的五年计划。比如美国最大的输电公司之一AEP在10月底把2025–2030年的资本开支计划从540亿美金上调到了720亿，理由很直接，就是为了满足数据中心和工业客户猛增的用电需求，预计峰值负荷要从37GW拉到65GW。 微观一点的例子，比如微软在亚特兰大刚开了一个新的AI“超级工厂”：占地85英亩、建筑面积超100万平方英尺，里面塞了几十万颗GPU，液冷系统、12万英里光纤，把它和全球Fairwater网络上的其他算力中心连起来。单Q1一个季度，微软在数据中心和AI相关基础设施上的CapEx就超过340亿美金，而且管理层在财报会上谈的是“要在两年内把数据中心footprint再翻一倍”。 OpenAI那边，Sam Altman对外讲过一个目标：到2033年希望全球AI计算能力能达到250GW，这意味着需要持续运转6000万颗GPU，每年新增3000万颗，耗电量相当于整个印度的用电水平，排放量是ExxonMobil的两倍。 微软、Alphabet、Meta、亚马逊在全国范围内砸下了数百亿美元建AI数据中心，AI基建已经成了美国经济增长的关键驱动力之一，同时也在挤占土地、电力、地方财政等资源。 从这些数字往回看，所谓“AI泡沫”的一个直观含义不是多了几个“AI概念股”，而是整个美国经济正在被一轮前所未有的“算力基建投资周期”推着走：芯片厂拉着台积电、ASML投巨资，云厂商砸数据中心，公用事业砸电网、变电站和发电厂，连美国能源分析机构都在估算未来AI数据中心可能拉高10%–15%的全国天然气产量和LNG出口。 如果把时间轴再拉长一点，大概只有90年代末那轮互联网+光纤铺设能和现在这一轮AI基建投资的强度相比。那一轮最后被写进教科书的是“互联网泡沫”，但整个通信基础设施的超前铺设，也确实为后来的云计算和移动互联网打好了底子。 现在的问题是：我们在AI上看到的是不是类似的事情？ AI vs dot-com 相似的地方不用多说，当年的互联网和现在的AI都属于“通用目的技术”，都带来了一种“再不跟就要被时代抛弃”的焦虑；资本开支都是一窝蜂上，一边是铺光纤、建交换机、搞机房，现在是建数据中心、买GPU、扩电网；股市结构都是少数科技巨头拉动大盘，普通公司跟涨跟跌；估值都是先看“眼球”和“用户数”，现在换成了“参数量”和“算力规模”。 但不同的地方也非常关键。 第一，现在这拨AI龙头，大多是已经盈利、现金流充沛的大公司。 2000年那会儿，很多dot-com公司还在亏钱，商业模式不清晰，全靠讲“eyeballs”和“clicks”；现在AI龙头里，微软、谷歌、亚马逊、Meta本身已经是有巨大现金牛业务的成熟巨头，它们拿出来砸AI的，更多是过去十年积攒的家底。这使得这轮AI投资，即便出现泡沫，也不太会是“全行业大面积破产”的那种崩法，更多是估值层面的再定价。 第二，这轮AI的硬件、能源成本，是直接落在实体经济上的。 2000年时你上网站，背后当然有服务器和机房，但社会整体感知的是“互联网公司股价涨很多”；现在AI要跑起来，前面是模型，后面是实体电厂、输电线路、水资源，连公用事业公司都在更新资本开支指引，电价、土地、地方财政都被牵着走。AEP这种公司估计自己到2030年峰值负荷要从37GW拉到65GW，很大一块就是数据中心和AI带来的新增负荷。 第三，落地速度不一样。 互联网当年很多商业模式要等十年后才成熟，泡沫破裂的时候，盈利模式还没跑通；现在AI虽然离“全面提升全社会生产率”还有距离，但像Walgreens、AIG这样在具体行业里提升效率的案例已经真实发生，而且是在一两年内完成从试点到规模化部署。从这个意义上讲，AI不是只有“第一层叙事”，已经开始有一部分“第二层现金流”。 第四，投机层面的行为，当然还是一如既往地热闹。 “没有人想在音乐停的时候还在舞池里跳。”这句话放在2000年、放在2021年的加密货币、放在今天的AI股上，大概都适用——人类对新技术的FOMO（害怕错过），其实每一轮都差不多。 回头看Palantir，它有点像这一轮AI投资故事里的一块情绪投影： 一方面，它没有自己的模型，却站在模型之上做操作系统，政府+企业两头吃，踏实落地；另一方面，它的股价表现、估值水平、分析师分歧，又是这一轮AI情绪的缩影：多头觉得它代表的是“AI基建软件层里的长期赢家”，空头觉得它代表的是“在真正回到现金流折现之前，市场愿意预支的那一部分热情”。 现在的AI经济，是一个同时被“地缘政治竞赛”和“资本回报竞赛”驱动的系统。Palantir这家公司，恰好刚好站在这两条赛道的交点上：一条是Karp口中“帮美国打赢AI战争”的叙事，一条是华尔街看报表、看估值、看回报期的冷冰冰的模型。

“外卖+点评”，三大平台这次算是对齐了。 三言发现，近日京东在秒送里上线了“京东点评”功能，目前入口藏的还有点深。 京东点评新板块包含五个频道：找美食、住酒店、挑好物、去哪玩、选家政。 今年九月，阿里旗下的高德地图已推出了“高德扫街榜”，发力本地生活。 京东此时入局，让本地生活服务市场的竞争更加激烈。 这样看来，美团+点评，京东秒送+点评，淘宝闪购+扫街榜，三大平台的集结完毕，策略各有不同，但大方向差不多。 目前来看，京东点评的内容还不丰富，还是以种草笔记为主，也有京东点评榜单，但藏得很深，而且还不够丰富。 总体看起来，京东点评有点和大众点评更像，有榜单有种草，而高德扫街榜更侧重榜单。 虽然都是“外卖+点评”的组合，但它们的底层逻辑和优势各不相同。 美团的优势在于大众点评长期积累的庞大用户评价内容和深厚的用户心智。其必吃榜依赖海量UGC和复杂评级体系，形成了强社交推荐属性。 阿里的高德扫街榜则另辟蹊径。它基于高德地图的海量实时导航和行为数据构建。它强调即时性和地理性，更适合临时决策型消费。 而京东在外卖、酒店、景点游玩等本地生活上还需要更多时间去积累，京东还是强在电商榜单上。外界认为，京东点评更像是一次防守动作。 京东点评要想做好面临挑战。 在餐饮点评领域，大众点评有强大的用户心智和内容生态。高德地图有独特的场景优势。京东需要培养用户通过“京东点评”做消费决策的习惯。 真正的较量，或许才刚刚开始。 平台竞争已从粗放的流量抢夺，转变为对用户信任机制的精细重构。 未来，决定胜负的或许不再是单纯的订单规模，而是谁能更精准地连接内容、商品与服务，在每一次“种草”与“拔草”间，为用户提供更高效、更可信的决策支撑，从而重塑本地生活服务的价值核心。

作者｜李楠 AI创作正在成为B站上新的流量密码。而且诸多信号显示着这种密码的有效性。 首先是B站刚刚披露一组数据。在第三季度，B站上每个月都有接近10万的AI相关UP主活跃于此，AI相关内容的日均投稿量同比增长83%。 更直观的是亲身感受。如果你最近经常浏览B站，那么首页上刷到AI视频的频次可能明显增加。同时反响强烈的AI爆款视频开始密集涌现，视觉效果之好让人不禁感慨：原来AI已经能做到这种程度！ 一种群星涌现的感觉。或者说，八仙过海，各显神通。 有的AI创作走了B站一贯流行的抽象、整活风格，让科比实现“赛博永生”。有的是温情续写，把《你的名字》这样留有遗憾的动画作品进行补完，给粉丝发糖。 西游记依然是内容创作的灵感富矿。有人依据每个角色的性格和故事，量身定制歌曲并拍成MV，引来《黑神话：悟空》制作人冯骥主动安利。还有人从国外综艺寻觅创意，做出了以远古沧龙为食材的《地狱厨房》，并自然融入了“九转大肠”这样的名场面，让人大笑。 当然也有严肃向内容。比如用具备电影质感的AI镜头，讲科普故事。这些创作都会让你对当下的AI创作潜能有真切感知。 我们找到几位AI爆款视频创作者，聊了聊他们的创作思路、故事和技巧。他们多是95后，也有80后，其专业背景都跟AI没有关系，甚至有人曾反感AI。而现在，他们使用AI的态度是一致的坚决。 一次AI创作可以换来几万或更多粉丝。AI不仅改变创作者的生活，也在改变他们的事业。 用Sora接棒新海诚，以及让科比“复活” 龙林，98年出生，大学专业是数字媒体技术，毕业后打理起家里的汽车配件生意。前段时间看到某个UP主谈Sora2对动画二创内容的影响，觉得“太厉害了”，于是立刻下载Sora，搜罗邀请码，想看看效果。 实际龙林一直对内容创作有兴趣。前两年Stable Diffusion刚出来，听说可以直接在本地部署。他查看了一下自己电脑配置参数，感觉也能运行，就尝试生图。虽然效果受显卡算力限制，但图片生成后，让他感慨，“原来AI已经可以做这种事情了”。 这次尝试Sora，龙林便用之前的人物设计图作素材。给到的指令很简单：展现这个女性角色在战场上拼杀。效果之好让他心里浮现一句话：人人可当动画导演！ 龙林把这段Sora首作发在B站，之后连续三天，每天更新一部Sora短片。今天技术上不成限制，龙林有很多创作想法可以尝试。作为资深动漫迷，喜欢的动画IP都成了他的创作源泉。 内敛细腻的《冰菓》，温馨治愈的《轻音少女》，借助Sora，龙林在这些作品基础上构建自己的故事。虽然受限于Sora的限制，不容易把故事做长，只能小小变动一下世界线，但对粉丝来说，见到了圆梦的可能：动画制作组不给做的，咱们自己搓。 续写是龙林的主要创作思路。他的爆款也是由此诞生。10月22日，龙林发布了《你的名字》的AI续写，B站播放量超过450万，投币达到17万。于是一个萌新UP主，立刻拥有了上万粉丝。还有人付费充电，期待后续更新。 《你的名字》是新海诚转折之作，讲述了奇幻的爱情故事，结尾时男女主泷和三叶的重逢，给了观众无尽欣慰与感动。然而重逢之后的故事，影片做了留白，成了不少粉丝的遗憾。我们喜欢某个人，不满足于仅仅知道他或她会有happy ending，还希望看到他们具体的幸福。就像对糖的渴望总是不够，我们想要吃更多糖。 龙林首先做的就是用AI发糖。他让重逢的泷与三叶加上联系方式、约会、逛街、观赏烟花，说出“我喜欢你”，还让泷意识到自己跟三叶早就认识早有联系。粉丝们圆梦了，收获了新的满足和感动。 而龙林也设置了留白，既加强了短片的情感冲击，也给之后的创作留出空间。他告诉硅星人，会继续在《你的名字》这个IP上更新三章，但之后不只是发糖，还要构建完整的故事线。 回过头看，虽然Sora动画的质感远远不及动画原作，但龙林发现，它相比目前市面上其他AI，在还原特定类型或人物动画风格时，表现要好很多。“其他AI软件生成的风格往往带有独特印记，而Sora可能因为训练数据中包含大量新海诚风格的视频，所以能较好地还原。” 同样是被Sora的能力打动，“抽乐个大象”选择了抽象整活之路。 大象从事食品安全相关的技术工作，本来也跟AI没什么关系，但出于对内容创作的兴趣，一直关注AI图形生成和视频生成。Sora2的发布让他有机会把以前的想法落地成真，“如果科比还在世，他看到恶搞视频会作何反应？” 身为80后篮球迷，大象自然了解科比。而他发现Sora生成的视频“真实性很高”，不容易出戏。 具体来说，Sora可以把人物的面相和声音做很好的固定，之后再通过一长串详细的提示词，对衣服颜色、材质，以及场景布置等做详细描述，就可以让整个视频获得不错的一致性。在这个前提下，便可以尽情发挥创意。 其实围绕科比的AI创作密集涌现，大多走了抽象搞笑路数，而大象凭借“牢大受尽凌辱遭老罪Reaction”的思路脱颖而出，爬上了B站全站排行榜的第6名。 这是一部AI套AI的作品。大象用Sora生成的科比端坐在镜头左侧，其他博主用AI做的恶搞科比视频在镜头右侧。由此形成反差，让大象的科比更有真实人类的感觉。 有网友评论，这个科比长时间坐在镜头前，搭配平淡的语调，没有出格的动作，努力试图表现得自然，是一种自己曾经熟悉但又已经逝去的生命，以牙牙学语的孩童形态重生的复杂感觉。还有网友表示，这让科比实现了“赛博复活”。 于是跟龙林续写动画故事类似，大象的创作也让科比粉丝得到了情绪价值的满足。这给他带来了点赞，粉丝，乃至于商业合作。此时他成为UP主才一周时间，连B站的后台操作都不熟。 从这个角度看，Sora既是内容创作的利器，也成了打造副业的工具。不过大象对创作本身的投入也不少，单是包括Sora在内的AI工具订阅费，每月大概2000元。而在时间层面，他每天会投入6到8个小时，比对主业的投入还多。 把远古沧龙做成六道菜，一场另类美食综艺 如果说前面两位创作者主要以创意取胜，那么“黄浦江三文鱼”的AI视频还叠加了更复杂精细的制作，以及更为明确的创作计划。 他的作品《把远古沧龙做成六道菜（上）》已经有700多万播放。有人评论，这达到了真实综艺节目的水准。还有人评论，这是自己看到的最牛X的AI视频。 三文鱼，28岁，上学时学会计，后来做新媒体运营和编辑，再后来跨进AIGC领域。他是几个创作者里，自学AI最久的一个。也是个人创作者里，单部作品工程量最大的一个。一个镜头可以写满一页word文档，而这个镜头所在提示词文档有78页，四万多字。 三文鱼的创作改编自真人秀节目《地狱厨房》。作为厨艺竞赛类内容的粉丝，三文鱼对这档节目中主厨戈登的经典台词和趣味梗印象深刻。当发现AI在视频生成上技术成熟，自然也要尝试——他想把恐龙和沧龙当作食材，没有AI可拍不出来。 创作不是一蹴而就。他先是把霸王龙、翼龙、三角龙们做成三菜一汤，用来验证AI创作的可能性，然后才在10月中下旬，推出《地狱厨房：白垩纪挑战》的正式节目。六位国际小厨挑战地狱厨房的黑袍厨师，任务是把已经灭绝的沧龙做成美食。 不难猜想，三文鱼的视频是奇幻加搞笑的风格。 事实上，已经放出的两期节目都让人捧腹。不同国家的厨师搭配有各自地方特色的剧情、配乐，再融合网络热梗等流行元素，收获了大量好评。比如韩国厨师搭配韩剧，日本厨师结合日漫，而首先出场的印度选手，复刻了“九转大肠”的名场面。 但节目的出彩不仅是搞笑，内容的严谨也是加分项。即便食材是沧龙，三文鱼想让烹饪方法尽量合理。 拿出场的中国厨师为例。因为设定是来自上海的主理人，三文鱼为她设计了融合菜的菜式。又考虑到龙肉质地可能偏老，所以有了先低温慢煮、保持内里鲜嫩，再通过快速爆炒锁住风味的烹饪步骤。 如此多的细节考量，可以想见背后的工程量有多庞大。好在三文鱼对AI的运用已经相当纯熟。 对AI最常见的期待，是让它给自己打工。这就意味着要充分榨取AI能力，尽量减少人的投入。三文鱼的综艺节目，除了基本框架，整个流程都用AI辅助。 大致上，他自己决定故事梗概、胜负结果、厨师形象、菜品及胜负原因，然后把框架丢给AI，生成整体脚本。之后再把六位厨师分成六段故事，逐一细化。 超长的提示词就是在ChatGPT、Gemini等帮助下完成的。通过设定身份（如综艺导演）和期望的氛围，用AI能生成具体提示词内容，远比手工撰写效率要高。之后再用可灵、Veo等工具生成镜头视频，反复打磨。 有意思的是，三文鱼在今年4月发布了B站的第一部AI创作，当时他对AI效果各种吐槽，还说“Ai从入门到放弃”。但只过了5个月，他的AI视频便有了截然不同的质感。 这离不开AI能力的快速迭代。三文鱼说，自己每个月都会被震惊。尤其是今年。Nano Banana在图片编辑上几乎替代PS。Veo3和Sora2神仙打架，生成的视频足够以假乱真。 三文鱼也不断迭代自己的AI技能。顺带一提，这个AI熟手不建议在网上花钱报课来学习AI创作，“亲身经历，骗人的比较多”；在B站或油管找些优质教学视频，自己摸索就好。 凭AI科普收下百万粉丝，AI不是用来降本增效 大圆镜科普的每个镜头都像真实的电影片段，但都不是从电影剪辑而来。 这是个诞生不满一年的新人科普UP主，但粉丝超过104万。从今年4月开始，大圆镜以固定频次发布AIGC科普作品。主要内容分专题展开，先是“生命科学简史”，再是“大脑简史”，最近又推出了“运动与科学”系列。 这展现了AI的另一种广阔可能。起初，大圆镜团队以为AI只是降本增效的工具，不必出门拍摄，只要用AI生成镜头就可以。后来发现，AI其实是创造更多可能性的工具。 观念转变来自一次选题。当时大圆镜准备做大脑意识的科普，发现可以用AI完整展现神经回路和神经元，而这类内容，之前受限于制作工具，很少有科普团队能做出来。 换言之，AI可以轻松进入人的身体、上天入地、穿梭时空。于是靠传统方法很难完成的选题，都可以尝试了。 “比如在穿梭古今这点上，我们可以随意的回到任何一个诺奖时刻，沉浸式带大家那个瞬间，走到那个科学家的生活里，去观察为什么有这个科学事实的诞生，为什么有这个科学成果的诞生。” 大圆镜由此确立了自己的内容优势。 相比娱乐向内容，科普对内容质量的要求更进一步。信息的准确严谨，自不必说，但必须兼顾内容的趣味性和视觉效果的优异，才能达到普及大众的效果。大圆镜同样在全流程上用AI帮忙。过程是这样的： 在确定选题后，先借助GPT等工具搜集海内外资料，撰写文案。再由ElevenLabs生成旁白。 之后回到GPT，让它理解文案，分析文案更接近哪位导演的叙事风格、叙事节奏，以便生成视频可以有更好的电影质感。 接下来制作分镜。先由工作室人员写出部分分镜，定好影片节奏、语调、光线，之后交给AI学习，生成剩下的镜头。 文生图是最繁重的环节。这决定了镜头基本的影调、表达和构图内容。大圆镜用到了Midjourney。 再之后是文生视频。即梦和可灵是主要工具。两个工具各有优势。强调运动和运镜的镜头交给即梦；相对静态、侧重人物情感和镜头质感的镜头交给可灵。 最后，借助剪映等工具完成剪辑和配乐，一部有强电影质感的科普视频便就此成型。需要指出的是，之所以用剪映，也跟它的AI能力有关。 总的来说，大圆镜的案例证明了AI工具在严肃用途的潜能。不过真正的制作过程并不像上述概括那样轻松。在制作分镜时，AI生成的镜头有大约70%要经过人工修改。文生图环节，生成结果基本有10:1的淘汰率。 一支7分钟的影片大概有200个镜头，相当于生成2000张图，选出200张。 不同创作指向同个信号，“人人可做导演”的时候终于到了 关于AI能做什么，对技术有很强信念的人“因为相信所以看见”，但更多人需要看见才能相信。 前面几位AI创作者，题材不同，风格迥异，对工具的挑选和使用也有差异，然而他们的评论区有一个共同的声音：这才是AI的正确用法。显然这里的“正确”不是一种价值判断，而是对视频质量和AI能力的肯定。 不管是续写动画，还是自制综艺；不管是让某个自己喜欢的人物“赛博永生”，还是用AI做出类似实拍电影的效果讲述科普故事，都证明了，AI已经可以做出远超大众预期的作品。不仅是超出普通人预期，也让内容创作者自己惊讶。 龙林在续写《你的名字》之前，先用Sora做了一段新番《绝妙舞步》的跳舞片段，来测试Sora在肢体语言方面的潜力。看过番剧的网友评论：这比原版好。 在之后的创作过程里，龙林感觉每一步都好像把Sora研究到头了，但突然冒出新灵感后再去尝试，发现Sora都可以实现。 还有一个“反常识”的细节。有网友戏称，龙林喂给AI的描述“不亚于一篇博士论文”。而龙林发现，Sora理解能力很强，根本不需要特别多的提示词。尽管对提示词的要求跟具体创作思路有关，但这也说明，AI进化的速度比大部分人所想的更快。 AI加速了这个世界，“快”是它最重要的特质之一。你可以两三天做一个有趣的小视频，也可以用两周时间做一个复杂、精细的长一点的视频。只要你有创作的想法，AI就能把它变成作品。 在围观各种精巧的AI视频后，有一种论断概括了正被AI重塑的视频创作生态：全民制作人的时代来了。或者借用龙林的作品标题，“人人可当动画导演！” 导演曾是看似遥不可及的角色，但创作影视动画已经成了触手可及之事。只要你把AI用起来。

编辑：倾倾 他被12所大学拒绝，签证差点作废。后又被DeepMind拒了三次，在亚马逊做着最不起眼的测试工作。十二年后，这个被世界反复拒绝的人，写出了改变AI格局的PyTorch。 在X上，流传着一个关于PyTorch创始人Soumith Chintala的故事。 他出身普通，数学不好，被美国12所大学拒绝。靠着一张短期签证去美国，无学位、无资金、无计划。 那几年，他被DeepMind拒了三次，连签证都差点失效。 可他没放弃。2017年，他写出了PyTorch。 那个被主流嫌「没前途」的开源项目，一夜之间成了香饽饽。 人们才发现，这个影响全球AI走向的工具，竟出自那个被拒12次的「失败者」之手。 反复被拒的十年 Soumith的起点很普通。 他出生在印度海德拉巴，读一所二本的学校——VIT Vellore。 数学不好、履历普通，这在印度那种内卷到骨子里的教育体系里，意味着前路不太妙。 但他还是想出国读研。那年他拿着1420分的GRE，申请了美国12所大学，可全被拒了。 后来，Soumith Chintala拿到一张J-1签证去了美国，却没有明确的方向，也没钱继续念书。 申请第二轮硕士时，又被拒到只剩南加州大学和NYU。留学梦差点断在签证那一关，那时候几乎所有人都觉得他要放弃了。 可他没有妥协。他选择从亚马逊开始，做一个最不起眼的测试工程师。 Soumith被DeepMind拒了三次，甚至拖了好几个月才拿到豁免签证。 直到后来，他加入Facebook AI Research（FAIR）。 起初只是个L4级别的小工程师，但他在一次ImageNet任务中发现了数值与超参数的错误。 所有高级工程师都拿bug没有办法，而他只用几行代码就解决了。 所有人这才发现，这个平时沉默的同事竟然有这种本事。 从那一刻起，命运的齿轮开始缓缓转动。 没人看好，但偏偏他最争气 最开始进FAIR那几年，Soumith的生活一点都不风光。 他没名气、没头衔、没资源。团队主流都在用Torch7——这个看起来前途渺茫的框架。 管理层多次提议砍掉这个项目，理由很简单：没人用，也看不到收益。 那时候他的团队里已经有两三个人，但压力还是很大。 公司要转向TensorFlow。一旦转型成真，他几年的心血可能付之一炬。 有一次，在一间旧酒吧里崩溃大哭，对着朋友说： 也许这就是终点了。 那是2016年。命运在他生命最灰暗的时刻，悄悄转了个弯。 他和团队决定赌一把——重写Torch7，用更灵活的架构和更友好的接口，让研究者更容易上手。 那就是后来改变整个AI生态的PyTorch。 2017 年，PyTorch正式开源。 没人想到，这个差点被砍掉的项目，一年之内被全球顶尖实验室采用，成为深度学习研究的主流工具。 学界疯狂拥抱，论文数量爆炸式增长；社区自发贡献，生态迅速完善。 Meta内部原本质疑它的管理层，也不得不承认：这一次，他们错了。 从此，Soumith不再是那个「被拒12次的普通人」。 他成了整个AI社区最受尊敬的工程师之一，名字和Yann LeCun一起被写进了PyTorch的诞生史。 但他自己却很平静： 我没想过要创造什么划时代的工具，只是不想让自己那几年白费。 从小众框架到AI信仰：PyTorch改变了谁？ PyTorch诞生时，几乎没人看好它。 那时候的深度学习世界，被谷歌的TensorFlow霸占。 几乎所有论文、课程、模型都写着：「Implemented in TensorFlow.」 可几个月后，形势彻底翻转。研究者开始在论文里换上新的署名——「Implemented in PyTorch.」 到2021年，TensorFlow在谷歌上的搜索量都高于PyTorch。然而，现在PyTorch已经反超，搜索量几乎是TensorFlow的1.8倍。 为什么？因为PyTorch把「灵活」和「直觉」带回了AI。 它不像TensorFlow那样死板，PyTorch能让研究者边写边改，实时调整实验模型。 无数人第一次意识到：机器学习可以这么自由，像是创作。 到了2018年，Facebook官方博客宣布推PyTorch 1.0，让它既能支撑研究，也能支撑生产级别的部署。 这是一个信号：PyTorch不再只是开源社区的玩具，而是AI工业的地基。 之后的几年，产业结构变化肉眼可见。 在NeurIPS、ICML、CVPR等顶级会议上，超过七成的论文选择PyTorch作为实现框架；OpenAI、DeepMind、Anthropic等公司都在使用或基于它构建研究工具。 Hugging Face上的模型数量对比。可以看到，PyTorch经成为AI研究者最常用的框架，而TensorFlow的份额正在快速缩小。 而社区生态更是从几十人，扩展到全球数十万开发者。 PyTorch从学术实验室走进工业界，从开源社区渗透到课堂、课程和科研机构。 许多AI初创公司的第一个原型，都是在PyTorch上完成的。 而Soumith自己，也被推到了舞台中央——从那个被拒12次的学生，变成Meta的副总裁。 他没有成为下一个马斯克，却成了那个「让成千上万人能造出下一个马斯克」的人。 他改变了AI，也改写了「失败」的定义 Soumith 后来成了Meta的副总裁，手握全球最主流的AI框架，开源社区里无数人以他为榜样。 可他始终不是那种典型的「硅谷成功学」主角。 他话不多，不发鸡汤，也不热衷讲「如何逆袭」。更多时候，他只是安静地写代码、审PR、和社区开发者聊天。 他清楚自己来自哪里——一个被拒12次的学生，一个在签证大厅里焦虑等待的人。 他懂得技术的意义：不只是效率，更是给普通人留的一个出口。 如今，PyTorch已被全球数百万人使用，几乎所有顶级AI模型的底层框架都离不开它。 OpenAI的GPT系列、Stability的生成模型、Anthropic的Claude，都在不同阶段依赖PyTorch的生态。 那些站在聚光灯下的产品背后，都藏着他当年写下的一行行匿名代码。 他从未忘记那句话： 我不是最聪明的人，只是那个还在坚持的人。 这句话，后来成了无数开发者桌面上的座右铭。 Soumith的故事没有逆袭的爽点，只有漫长的打磨。他没有在被拒绝时怨恨世界，也没在成功后宣扬奇迹。 也许正因为如此，PyTorch才能成为那个「所有人都能用、所有人都能改」的框架。 因为它的灵魂，从一开始就属于那些「还没被看见」的人。

IT之家 11 月 15 日消息，科技媒体 The Information 昨日（11 月 14 日）发布博文，报道称马斯克旗下的 xAI 公司计划推迟到 2026 年推出 Grok 5 模型，该 AI 模型将拥有 6 万亿个参数，是当前 Grok 3、Grok 4 规模的两倍。 本周五在 Baron Capital 的年度投资会议上，埃隆・马斯克（Elon Musk）毫不掩饰对 Grok 5 模型的信心，他表示：“我认为，Grok 5 将在各项指标上都遥遥领先其它人工智能，成为世界上最智能的人工智能，这一点毋庸置疑。”IT之家附上相关视频如下： 马斯克此前曾多次在 X 社交媒体上，表示将会在 2025 年年底前推出 Grok 5 模型，并自信其性能将“碾压”竞争对手的 GPT-5。 然而，随着开发进程的深入，尤其是在 2025 年 7 月 Grok 4 刚刚问世后不久，xAI 发现 Grok 5 的全面测试和开发工作需要更多时间才能达到预期的高标准。 该媒体指出 xAI 推迟发布 Grok 5，部分原因在于开发过程中遇到的资源限制和极其严格的测试需求。作为迈向通用人工智能（AGI）的关键一步，Grok 5 预计拥有约 6 万亿参数，其训练和优化需要巨大的计算能力。 尽管 xAI 拥有强大的 Colossus 超级计算机，但复杂的 AI 模型开发往往超出预期。此外，确保模型的安全性和可靠性是重中之重，特别是对于旨在自主执行多步任务的 AI 而言，需要进行详尽的安全检查和对齐测试，这无疑延长了开发周期。 此次发布延期，让 OpenAI 的 GPT-5 和 Google 的 AI 模型在市场上拥有了更多发展和巩固优势的时间。在竞争激烈的 AI 领域，发布速度往往是关键因素之一。 xAI 的这一战略性“暂停”可能旨在确保 Grok 5 在最终亮相时能带来颠覆性创新，从而重新定义竞争优势。然而，市场分析人士也指出，xAI 每月高达 10 亿美元的巨额支出，可能会因发布延迟而面临投资人和合作伙伴的压力，需要证明其技术可行性和商业价值。

AGI之路，终于交汇到了世界模型的战场。 李飞飞，发布了旗下首款商用世界模型Marble； 几乎同一时间，Lecun离职Meta，准备创立自己的世界模型公司； 在此之前，谷歌旗下的世界模型Genie 3，也曾掀起业界轰动。 AI界三股大佬力量，虽然同样进军世界模型，却意味着三种截然不同的技术路线赌注—— 世界模型之争 李飞飞刚刚为空间智能举大旗的万字长文发布，她旗下的创业公司World Labs，就紧锣密鼓推出了首款商用世界模型Marble。 业界普遍认为Marble有商业化潜力，是因为它生成的是持久的、可下载的3D环境。 团队表示，这种方式能显著减少场景变形和细节不一致的问题，而且还能把生成的世界导出成高斯斑点、Mesh网格，甚至直接导出视频。 更进一步，Marble还内置一个原生的AI世界编辑器Chisel，用户只需一句提示，就能按自己的想法自由改造世界。 对于做VR或游戏的开发者来说，「一句提示→直接生成3D世界→一键导出到Unity」这样的链路，非常有帮助。 然而，Hacker News的一名机器学习工程师指出，比起所谓的世界模型，Marble看起来更像是一个单纯的3D渲染模型。 这难道不就是高斯Splat模型吗？我在AI行业干了这么久，到现在都还是搞不明白「世界模型」里的「世界」究竟指什么。 Reddit网友的说法则更加直接： 用高斯散射、深度和图像修复把图片转成3D环境，确实很酷，但这就是一套3D高斯生成流水线，不是机器人的大脑。 这里的高斯泼溅，指的是近几年3D建模里最火的一类新技术。 它把一个场景表示成成千上万个漂浮在空间中的彩色模糊小斑点（也就是高斯），再把这些斑点「泼溅」到屏幕上，让它们自然融合成一张图像。 可以这么理解：高斯就像一个漂浮在三维空间里、半透明、带光晕、边缘柔软的小气泡。 单个气泡当然软乎乎的成不了形，但如果成千上万个这样的气泡聚在一起，再从不同角度渲染出来，就能组合出一幅精美的三维画面。 这样做，不需要像传统摄影测量那样走复杂的建模流程，虽然牺牲了一些精度，但速度极快，而且操作更轻松。 Marble采取的正是这样一种路径。 然而，这也意味着，Marble可能并不是大家想的那种、可以直接用于机器人训练的「世界模型」。 Marble确实构建了一个完整世界，但我们看到的其实只是一个能被渲染器直接转成像素的视图。 换句话说，它捕捉的是「表面是什么样子」，而并没有内置「这个世界为什么会这样运作」的物理规律。 这对于人来说是完全够用了，但对于机器人来说，重要的其实不是这些视觉信息，而是背后的因果结构—— 比如，一放在斜坡上的球会滚下来，这对人类来说是看一眼就懂的事； 但机器人想做出类似判断，还需要质量、摩擦、速度……这些信息在Marble里根本不存在。 或许正是因为如此，在Marble自己的博客上，虽然屡屡提及「世界模型」与「导出高斯散射体、网格和视频」，但几乎完全没有提到机器人。 不过在商业化层面，Marble明显更具优势。 相比起被AI圈热议的那类、可孕育具身智能世界模型，Marble已经不是一个遥远的概念，而是一款能够立刻融入游戏开发者日常工作流程的实用工具。 但这也不禁令人有些黯然，难道那条能通往AGI的「世界模型」之路，只是个噱头吗？ 当然不是。 确实存在能与机器人真正互动的世界模型，比如——LeCun的JEPA。 LeCun理解的「世界模型」，根子并不在3D图形学，而是在控制理论和认知科学。 它不需要输出漂亮的画面，因为你根本「看不到」这种世界模型。 这类世界模型的任务，不是渲染精美的像素，是让机器人能提前想几步，学会在行动前预判世界的变化。 JEPA走的正是这条路—— LeCun认为，对于AI来说，只有中间那个抽象表征才重要，模型没必要浪费算力去生成像素，只需专注于捕捉那些能用于AI决策的世界状态。 所以，这类模型虽然没法像Marble那样生成精致的3D图像，看上去不那么「惊艳」，但它更像是在训练机器人的「大脑」。 其优势在于对世界更本质的理解，因此，更适合作为机器人的健身房。 这么一对比，李飞飞和LeCun在「世界模型」上的路线几乎南辕北辙—— 前者做的是一个前端资产生成器；后者则更像一个后端预测系统。 而在这二位神仙打架的中间，还站着一位科技巨头——谷歌。 今年8月，谷歌DeepMind推出了新版世界模型，这就是Genie 3。 只需一句Prompt，模型就能生成一个可交互的视频环境，用户可以在其中自由探索数分钟。 最令人印象深刻的是，Genie 3首次在这一类模型中解决了长时一致性的问题——不会再出现那种「转个身整栋楼消失」的状况。 同时，它还支持触发世界事件，比如「开始下雨」「夜幕降临」等，整个过程就像一款由模型而非传统引擎驱动的电子游戏。 不过，Genie应该更像一款「世界模型式视频生成器」。 尽管Genie 3让「世界动了起来」，它的核心仍然是视频逻辑，而非JEPA那种基于物理和因果的逻辑。 也就是说，它虽然可以生成动态画面，但也不能完全「理解」这些画面背后的物理规律。 依然可以用于机器人训练，但不如JEPA那样直击本质。 与此同时，画面质量和分辨率也有限，难以与Marble那种高精度、可导出的3D资产相提并论。 综上来看，三种「世界模型」虽然都在描绘「世界」，但理解路径完全不同，也因此各有千秋—— Marble渲染「世界长什么样」，Genie 3展示「世界怎么变」，JEPA则探究「世界的结构是什么」。 而市面上几乎所有的「世界模型」，大致也都可归入这三种范式： 世界模型金字塔 第一种：世界模型即界面 以Marble为代表，它让人们能够从文字或二维素材，直接生成可编辑、可分享的三维环境。 在这种模式下，「世界」是呈现在VR头显、显示器或电脑屏幕上的那片可供人观看与游走的空间。 第二种：世界模型即模拟器： 以Genie 3为代表，这类模型能生成连续、可控制的视频式世界，让智能体在其中反复尝试、失败、再尝试。 像SIMA 2这样的智能体，便可把这类世界当作「虚拟健身房」。 第三种：世界模型即认知框架 以JEPA为代表，这是一种高度抽象的形式，没有像前两种一样可供人欣赏的画面。 在这里，关注点不在于渲染，「世界」以潜在变量和状态转移函数的形式呈现，可以说是机器人完美的训练基地。 在智源学者赵昊看来，其实可以将三者拼装为一个「世界模型金字塔」—— 自下而上依次是李飞飞、Genie 3、Lecun。 站在地面仰望这座金字塔： 越往上，模型越抽象、也越贴近AI的思维方式，因此更适合用于机器人训练与推理； 越往下，模型在外观、交互与可视化等方面对人类来说更真实，但却更难被机器人理解。

一种令人兴奋的全新的范式。 谷歌AI掌舵人Jeff Dean点赞了一项新研究，还是出自清华姚班校友钟沛林团队之手。 Nested Learning嵌套学习，给出了大语言模型灾难性遗忘这一问题的最新答案！ 简单来说，Nested Learning（下称NL）就是让模型从扁平的计算网，变成像人脑一样有层次、能自我调整的学习系统。 论文里还提到，甚至人们常用的Transformer，其实本质是NL的简化版，它只是把NL的多层级拆成了单一层级的线性层，并没发挥出多层级的优势。 基于NL范式的Hope模型，在语言建模任务和长上下文记忆任务中的表现均优于Transformer，且论文已经被NeurIPS 2025接收。 下面就来看看这个新范式，究竟突破在何处？ 不再靠堆层、堆参数硬提升 Nested Learning的核心逻辑很明确，即复杂AI模型不是“固定架构+独立算法”的组合，而是由多个嵌套/并行的「优化问题」构成的系统。 在大语言模型领域，一个核心痛点始终制约着技术突破，那就是模型仿佛患上了顺行性遗忘症。 预训练完成后便难以持续吸收新知识，只能依赖有限的上下文窗口或固化的历史参数，无法像人类一样实现知识的动态积累与迭代。 与此同时，传统深度学习依赖的堆层扩参模式也逐渐触及瓶颈，增加网络层数或放大模型规模往往无法带来预期中的能力提升，甚至可能导致训练低效、泛化能力不足等问题。 而嵌套学习NL则开辟了一条模仿人脑认知机制的新路径，灵感就源自于大脑的记忆工作原理。 人类大脑通过在线巩固和离线巩固两个互补的过程实现持续学习，短期内记忆快速更新，长期记忆则缓慢沉淀，不同层级的记忆系统按照各自的节奏协同运作。 NL就是把这一套逻辑数字化，把机器学习模型重构为一套嵌套式的、多层级的优化体系，每个层级都拥有独立的上下文流和更新频率。 不同于传统深度学习，扁平式的参数更新模式，NL中的每个组件都像是一个专属的联想记忆模块，有的快速响应实时输入数据，有的缓慢沉淀长期知识规律，通过层级化协作实现信息的高效处理与存储。 研究团队甚至发现，我们熟知的Transformer架构，本质上只是NL的简化版本，它的线性层结构相当于忽略了NL多层级协同的核心优势，并没有充分释放模型的潜力。 基于NL范式，研究团队推出了三大核心创新成果。 首先是深度优化器。 像Adam、SGD这样的传统优化器，只会按固定的公式处理梯度，并不懂记忆和预判复杂的规律，调参容易陷入僵化。 而NL的深度优化器靠预处理机制提前分辨梯度性质、用MLP神经网络替代线性记忆来存储过往梯度规律，能够预判梯度变化、灵活调参。 其次是自我修改模型。 让模型摆脱固定更新规则的束缚，在训练过程中自主学习“如何调整自身参数”，面对新领域数据时能灵活适配，无需人工干预修改架构。 最后是连续记忆系统。 将传统模型的短期/长期记忆二元结构升级为多尺度记忆链，不同MLP模块按不同频率更新，分别负责存储短期细节与长期规律，实现类似人类的分层记忆管理。 而这些创新最终凝聚为Hope模型。 经过测试，在语言建模与常识推理任务中，从760M到1.3B参数规模的Hope，表现均大幅超越Transformer、RetNet、DeltaNet等主流基线模型。 在Wiki文本困惑度、PIQA物理常识推理、Winograd指代消解等多项指标上，Hope要么以更低的困惑度展现出更优的语言建模能力，要么以更高的准确率证明了更强的推理水平。 嵌套学习NL的提出，本质上是对深度学习核心架构的一次范式重构。 它跳出了堆层扩参的惯性思维，转而从认知科学中汲取灵感，让模型从扁平的计算网络进化为分层协作的智能系统。 这种全新的范式或许能让AI真正摆脱静态模型的桎梏，像人类一样在持续学习中积累经验、优化能力，也可能为大语言模型的终身学习、长上下文推理等关键难题提供全新的解决方案。 而在这样一项研究的团队名单里，令人欣喜的是出现了清华姚班校友钟沛林的名字。 天才少年的成长之路 钟沛林，2016年毕业于清华姚班，2021年拿到哥伦比亚大学的计算机博士学位。并且从2021年起，他就加入了谷歌纽约研究院，担任算法与优化团队的科学家。 实际上，在进入清华姚班之前，他就已经是一位竞赛达人。 据网友透露，钟沛林的外公曾说，当时还在上中学的小钟每到深夜某一时间闹钟响起，题库开放时，就会和全球的小伙伴一起编程做题。 2012年，小钟代表雅礼中学出征国际信息学奥林匹克竞赛，并获得当年的IOI金牌。和钟沛林同年获得金奖的，还有顾昱洲、李超以及同为雅礼中学学子的艾雨青。 有意思的是，钟沛林和艾雨青两人是发小，艾雨青还曾透露自己是在钟沛林的影响下，走上IOI之路，两人并肩成为了那一年雅礼中学的双子星，保送至清华姚班。 虽然在写NL这篇论文时，钟沛林尚在谷歌纽约研究院就职。 左：钟沛林 右：艾雨青 但目前，这对双子星已前后脚入职了Meta，分别担任AI科学家和软件工程师。

IT之家 11 月 15 日消息，OpenAI 首席执行官山姆・奥尔特曼（Sam Altman）昨日（11 月 14 日）在 X 平台发布推文，宣布已经成功解决 ChatGPT 在生成文本时频繁使用“长破折号”（em dash）的问题。 IT之家注：长破折号是一种长度比连字符（hyphen）和 en dash（短破折号）都长的标点符号（—）。在英文写作中，它常用于分隔句子中的插入语、表示突然的转折或强调，或在句子末尾起到总结作用。在 AI 生成文本中，其过度使用曾被视为一种特征。 长破折号虽然是比较常见的符号，其使用历史悠久，远早于大型语言模型（LLMs）的出现，但是在 AI 聊天中，在生成学校论文、电子邮件、评论、客服聊天、社交媒体帖子以及广告文案等时，非常容易出现滥用情况，成为一种新的、令人反感的文本特征。 用户长期以来一直试图阻止 ChatGPT 使用长破折号，即使在提示词中明确提出要求，模型也未能按指令执行，这一难题一度令 OpenAI 感到棘手。相关问题和用户反馈在 OpenAI 的社区论坛上引起了广泛讨论。 奥尔特曼在最新推文中表示：“如果你在 ChatGPT 的自定义指令中告知它不要使用长破折号，它现在终于会按要求执行了”，并称这个修复为“小而快乐的胜利”。 OpenAI 在 Threads 平台上的官方账号也解释了这一更新。公司表示，通过自定义指令设置，用户将能更好地控制长破折号在 ChatGPT 输出中的出现频率。 这意味着 ChatGPT 不会默认完全消除 em dash，但用户将拥有更多自主权来调整其使用，从而使 AI 生成的内容更符合个人写作偏好和需求。

快科技11月15日消息，日前，市场监管总局起草了《互联网平台反垄断合规指引（征求意见稿）》，今天面向社会公开征求意见，意见反馈截止日期为2025年11月29日。 《指引》如何引导平台经营者识别滥用市场支配地位风险？ 《指引》指出，市场力量较大的平台经营者要定期评估是否在相关市场具有市场支配地位，避免在提供平台服务或者开展自营业务等过程中从事滥用市场支配地位行为。 一是明晰基本分析框架。 平台经营者识别滥用市场支配地位行为风险，通常首先界定相关市场，评估在相关市场是否具有市场支配地位、是否实施相关行为，再结合是否具有正当理由以及相关行为是否排除、限制市场竞争，具体分析是否构成滥用市场支配地位行为。 二是细化认定市场支配地位的考虑因素。 《指引》指出，平台经营者评估是否具有市场支配地位时，可以结合自身的情况以及平台内经营者、其他平台经营者的情况进行综合考虑，具体可以考量平台经营者的市场份额以及相关市场竞争状况、控制市场的能力、财力和技术条件，以及平台内经营者等其他经营者对其在交易上的依赖程度、其他平台经营者进入相关市场的难易程度等因素。 三是列举具体行为方式。 《指引》结合互联网平台主要业务模式，详细列举不公平高价或者不公平低价、低于成本销售、拒绝交易、限定交易、搭售或者附加其他不合理条件、差别待遇等典型滥用市场支配地位行为的具体方式。 同时，归纳总结认定具有“正当理由”时的考量因素以及常见的不属于“正当理由”的具体情形，为平台经营者提供清晰的行为指引。 四是提供滥用市场支配地位行为风险示例。 《指引》结合监管执法实践和互联网平台特点，以示例的形式对平台不公平高价、平台低于成本销售、封禁屏蔽、“二选一”行为、“全网最低价”、平台差别待遇6个场景中的新型垄断风险作出特别提示，为平台经营者加强反垄断合规管理提供有益参考。

想象一下，你到一个非常小众的山林景点旅游，拿出 iPhone 想把照片发给家人，却只看到「无服务」三个字。 至少对于外国人来说，这样的尴尬现状很快就要改变。根据彭博社最新爆料，苹果正在探究如何实现更丰富的 iPhone 卫星通讯功能，甚至包括 5G 网络，而不仅仅停留在目前的急救场景。 虽然和国行 iPhone 关系不大，但这只是整个手机行业的一个缩影。 苹果的卫星大计划 十年前苹果开始研究卫星通讯时，他们具有相当的野心：使用卫星网络来取代地面基站，让用户在全球范围内都有网可上。 当时并没有能实现这种愿景的技术能力，苹果决定一步步走起。三年前发布的 iPhone 14，苹果卫星的初尝试仅限于无网联系救援人员。 不过从此之后，苹果一直持续为 iPhone 卫星通讯能力添砖加瓦，去年还实现了无网卫星 iMessage 通信，让这个功能在 iPhone 上首次脱离救援的场景，更贴近日常。今年发布的 Apple Watch Ultra 3 也开始支持卫星通讯能力。 这也是苹果一直以来做新产品的哲学——先把基础的功能推向市场，然后持续迭代增加新特性，不断靠近最终的完全体。 根据彭博社，苹果内部已经在开发数个卫星通讯功能： 第三方应用卫星框架：允许开发者通过 API 将卫星连接添加到自己的应用中，具体方式由应用开发者自行决定 卫星地图：将卫星通讯能力引入苹果地图中，用户可以在没有蜂窝网络和 Wi-Fi 连接下进行导航 图片短信：进一步增强卫星 iMessage，用户可以发送图片 自然使用：让 iPhone 在口袋、车里甚至室内都能连接卫星，目前所有的卫星通讯需要在天空无遮挡的情况下才能使用 非地面网络 5G（NTN）：硬件方面，明年的 iPhone 将支持 5G NTN 能力，这将使蜂窝基站能够利用卫星网络来扩大覆盖范围。 可以看出，苹果接下来打算进一步减少卫星通讯的限制，丰富使用场景，利用这些服务让 iPhone 进一步获得优势。 不过彭博社也指出，苹果目前没有计划为 iPhone 提供第一方的卫星通话、视频聊天或网页浏览等能力，5G NTN 更多是一种硬件和协议的能力准备。 为 iPhone 提供为卫星通讯服务的是一家名为 Globalstar 的企业，规模不大，卫星网络也比较老化，目前还能满足苹果的需求，但很难带来领先的体验。 当下最好的卫星通讯服务提供商则是马斯克的 Starlink，巧合的是，他们正在寻求以 100 亿美元收购 。 这三家企业之间的故事颇有种复仇记的意味：根据 The Information 报道，实际上在 iPhone 14 发布之前，马斯克也曾经向苹果抛出合作的橄榄枝，希望 SpaceX 和 Starlink 能成为 iPhone 的独家卫星供应商，为期 18 个月。 苹果拒绝了马斯克，最终选择了 Globalstar。 如果并购发生，苹果就要面临一个选择难题：继续和 Starlink 合作，还是自己提供卫星通讯服务，或者寻求其他服务商。 The Information 预计，即使苹果和马斯克之间由于卫星通讯和其他问题关系紧张，但如果苹果想要实现拿到的卫星通讯技术，那最好的选择还是 Starlink。 虽然将用户体验掌握在手是苹果一直以来的传统，也能确保功能的隐私符合标准，只是要不要亲自下场提供第一方的卫星通讯服务，苹果内部一直没有定论。 彭博社称，从项目初期开始，一些高管就认为苹果不应该成为运营商，随着其他第三方服务商的快速扩张，反对的观点在苹果内部更加强烈。 成为运营商，对于苹果来说并不会带来太多收益，反而会招致有关部门的监管。苹果甚至选择继续延期免费卫星服务一年，来规避被认定为运营商的风险。 也由于类似的原因，即使苹果已经给 Globalstar 投资了约 20 亿美元，并且可以根据合约抢先收购这家企业，他们大概率也不会收购。 ▲ Globalstar 卫星 苹果很可能会继续将现有的和上面即将到来的新功能作为基础体验，免费开放给用户；而更进阶的其他服务，则允许用户通过付费给 Starlink 这样的第三方运营商获得。 由于市场上有竞争力的选择并不多，苹果可能最终还是会选择和 Starlink 联手。由于后者积极探索卫星访问完全网络的能力，这也会为苹果带来计划之外的新机遇。 就在本周，日本的 KDDI 和加拿大的 Rogers 运营商都宣布，将为蜂窝版 Apple Watch S11、SE3 和 Ultra 3 提供 Starlink 付费服务支持，手表在没有信号的情况下，可以利用 Starlink 收发短信。 目前的智能手机想要直接使用 Starlink，只能实现最基础的短信服务能力，完整的网络需要架设额外的天线。 因此 Starlink 正在调整自己的卫星，通过频率协调和调制技术，让卫星主动适配手机的频段，明年将开始发射第三代蜂窝网络卫星。同时 Starlink 在也寻求合作，想要将连接互联网的功能直接集成到手机芯片之中。 十年前那个 iPhone 靠卫星网络上网，实现网络服务全覆盖的愿景，或许真的要来了。 探索通讯的边界 其实早在上世纪 90 年代，手机厂商就已经开始了对卫星通讯的探索。 为了解决当时基站数量还比较稀少的问题，摩托罗拉开始了「铱星计划」，意图通过发射全球卫星组网，实现手机信号的全地区覆盖。 ▲ 铱星全球卫星网络 高昂的使用成本，让铱星计划用户寥寥，而同时移动网络迅速普及、基站覆盖扩大，最终铱星公司从开通卫星通讯到破产只持续了 9 个月。 在 5G 基站都已经深入沙漠腹地的当下，各个手机厂商又重新捡起摩托罗拉放弃的「落后方案」，目前也不算好用，使用场景还很稀少，难免让人对厂商的推进节奏产生质疑。 但手机本质上还是一台通讯工具，探索通讯能力边界一直是手机厂商与生俱来的使命。 在这条道路上，苹果并不算孤单，实际上华为几乎是与苹果同时在 2022 年推出了首台支持卫星通讯的手机，并且后续更多国产手机也加入了国内卫星通讯的支持。 在技术上，甚至国产手机的卫星通信能力还更胜苹果一筹，华为已经实现了图片消息传输和卫星通话能力。 在极端天气频发的当下，各种无网通讯真的不再是一个专属少数探险家的功能，而是对每个人来说都是「有备无患」的救命稻草，消费者也已经将功能有无作为手机选购的重要决策依据。 并且，即使在基站服务范围之内，像车库、人流密集这些弱信号场景也偶尔能在生活中遇到，这些场景不一定适合卫星通话，国产厂商有另一套应对方案。 从去年开始，国产手机基本都搭载了一些「无网通信」功能：无需卫星和基站，两台手机之间靠蓝牙连接实现近网通信，或者利用周边的其他手机成为通讯的中间人，接力将信息传递更远的距离。 除了卫星通讯，苹果也在 2018 年左右被爆料正在布局无需 Wi-Fi 和蜂窝数据的「对讲机」功能，但因为相关技术和英特尔基带深度绑定，而苹果当时已经决定转投高通，相关计划无限期搁置。 而现在，英特尔基带团队已经被苹果吸收，未来苹果的 iPhone 和 iPad 产品将全部搭载 C 系列自研基带，「对讲机」功能很可能会再次回归。 无论是卫星通信还是其他无网方案，现阶段只能是一种「非主流」的通讯方式，作为目前常规的地表基站通讯的补充方式。 最终的目标，也和当年的摩托罗拉别无二致，让使用手机不再受信号限制。 因此，对手机厂商来说，探索通讯的边界不是为了卖更多产品的噱头，而是回到手机诞生之初人们对它的憧憬： 无论何时何地，都能不受限制地沟通世界。

IT之家 11 月 15 日消息，科技媒体 Android Authority 昨日（11 月 14 日）发布博文，报道称谷歌正为安卓系统开发一项类似苹果 NameDrop 的新功能，内部代号为“手势交换”（Gesture Exchange），支持用户通过手势近距离交换联系人信息，包括照片、电话和邮箱，并支持设置为“仅接收”模式。 该媒体指出长期以来，安卓与 iOS 两大移动操作系统相互借鉴已是行业常态。继谷歌推出类似苹果“联系人海报”（Contact Posters）的“通话名片”（Calling Cards）功能后，谷歌现在似乎又将目光投向了苹果的 NameDrop 功能。 该媒体拆解 Google Play 服务测试版应用的 APK，发现谷歌正在开发一项内部代号为“手势交换”（Gesture Exchange）和“联系人交换”（Contact Exchange）的新功能，其核心体验与 NameDrop 高度相似。 苹果 NameDrop IT之家援引博文介绍，这项新功能旨在让安卓用户通过简单的手势，近距离分享彼此的联系人信息。根据已曝光的早期界面截图，用户在触发该功能后，会看到一个分享选项页面。 在此页面上，用户可以选择分享自己的头像照片、电话号码和电子邮件地址。同时，界面还提供了一个“仅接收”按钮，用户点击后可以在不分享自己任何信息的情况下，单方面接收对方的联系人资料，这为用户提供了灵活的隐私控制选项。 信息交换完成后，系统会跳转至一个新界面，集中展示对方分享的联系人信息。接收到的头像会自动设为联系人照片，电话和邮箱等信息也一目了然。 用户只需点击“保存”按钮，即可快速将这些信息创建为新的联系人条目存入手机。该界面还集成了视频通话和发送短信的快捷按钮，不过考虑到用户此时很可能正与对方当面交流，这些按钮的实际用途可能有限。 从技术层面分析，代码字符串中出现的“ndef”字样，极有可能指向“NFC 数据交换格式”（NFC Data Exchange Format），这表明该功能很可能基于 NFC 技术。 目前尚不确定联系人信息是完全通过 NFC 传输，还是仅用 NFC 进行初始“握手”以建立连接，然后再切换到蓝牙或 Wi-Fi 进行数据交换，考虑到分享联系人头像会涉及图片文件传输，后者方案的可能性更大。 需要强调的是，这项功能目前仍处于早期开发阶段，其最终的零售品牌名称也尚未确定，“手势交换”和“联系人交换”仅为内部开发代号。与所有通过 APK 拆解发现的功能一样，它最终能否正式向所有用户发布，仍存在不确定性。

从2018 年首款量产机型柔宇FlexPai发布，已经过去了6年多。从早期技术破冰到如今成熟竞争，中国折叠屏市场交出了一份稳健的成绩单，并呈现出“一超多强”的格局。 行业权威市场调研数据机构IDC Q3最新公布数据显示，华为在2025年前三季度中国折叠屏手机市场以接近70%的份额领跑，且在600美元以上高端市场中占据约三分之一份额，规模与高端双丰收。 无论是在市场表现、商业声量，还是技术影响力上，华为都表现卓越。这一现象的本质，是当折叠屏行业从“拓荒期”进入“深耕期”，早期在技术研发、生态构建和产品矩阵上投入最坚决、布局最完整的品牌，开始收获最大的用户信任复利。 反映在用户端，这几年，朋友圈里晒的、身边朋友用的，凡是折叠屏十有八九是华为，从小巧精致到商务全能，能够适配不同场景几细分人群的需求。从双折叠到小折叠、阔折叠再到三折叠，华为Mate X6、Pocket系列、Mate XT非凡大师与Pura X系列等明星机型相继问世，华为也因此成为行业唯一一家拥有全形态折叠产品的手机厂商。 累计出货超千万台，从“单品爆款”到“森林生态”，折叠屏品类从需要市场教育的“尝鲜品”，成长为由用户体验和品牌信任驱动的“主流选择”。华为也因此从折叠形态的技术探索者，成为“中国品牌如何在高端领域通过体系化创新，构建起难以逾越的竞争壁垒”的现实样本。 01 持续领跑，折叠屏市场呈现“华为现象” 从全球市场数据来看，折叠屏手机的发展速度明显放缓。IDC数据显示，2025年全球折叠屏出货量预计1983万台，同比仅增长6%，远低于2023年26%的增速；品牌表现层面，受产品周期、技术红利、宏观经济等因素影响，普遍具有高度波动的特点，没有长期固定格局。 但华为凭借强大的技术实力和品牌影响力，以几近70%的份额、超行业3倍增速断崖式领先，其它品牌则在剩余份额中激烈缠斗。这一现象背后，是华为技术创新与用户需求的精准契合，既体现在产品矩阵的全面性上，也反映在对市场认知的持续引导中，这让华为在折叠屏赛道形成了难以复制的竞争优势。 1.全家桶布局，对用户需求精确到毫厘。 从华为终端的发展进程中可以明显看出，单一产品实现技术突破之后，会快速布局产品矩阵，在折叠屏上也不例外。当其他品牌以单款试水时，华为已经通过Mate X、Pocket、MateXT、Pura X系列等多条产品线，完成了对商务、时尚、科技探索等不同用户圈层的精准覆盖。 这种布局不仅最大化地捕捉了潜在客群，更在消费者心智中建立起“华为即折叠屏”的强关联。折叠屏市场的竞争，由此从单一爆款的偶然性博弈，演变成了体系化产品力驱动的必然。 2.从“尝鲜”到“主流”，高端定位持续上探。 发展初期，折叠屏因高昂价格、技术不成熟等问题，长期停留在小众尝鲜阶段，价格也居高不下。随着牌桌上的“玩家”越来越多，逐渐进入“平民化”阶段。2021年开始，包括小米、vivo、oppo、摩托罗拉等头部品牌纷纷开始价格下探。价格下来了，但痛点仍在，折痕明显、配置阉割、机型厚重、折叠体验不足。 华为则通过多代产品的迭代，逐步解决了上述问题，持续向上探索，巩固高端定位。例如其三折叠屏手机MateXTs非凡大师定价高达17999元起，把 “折叠难题” 变成 “体验亮点”，惊艳四座、蜚声行业内外，让不用折叠屏的人也开始关注这个品类。 产品升级、冲击高端的策略，也在市场表现上拿到了验证成果：IDC数据显示，华为在600美元以上高端市场中占据约三分之一份额。通过实际产品体验，华为让原本存疑的消费者逐渐认识到折叠屏的实用价值和技术潜力。 相关数据显示，越来越多消费者将折叠屏作为主力设备使用，而华为凭借产品成熟度成为这一趋势的重要推动者。大众认知转变的背后，是华为持续六年的技术投入，每一代产品的进步都在夯实折叠屏的高端定位，同时提升用户接受度，最终推动整个品类走向成熟。 02 从“技术探索”到“体验为王”，研发创新是通关密码 市场表现领先、消费者认可度高，根植于技术创新的深度，产品更懂用户。 华为折叠屏的成果，并非依靠单一的技术突破，而是通过一套覆盖硬件、软件与生态的“组合拳”，将折叠形态的潜在优势，转化成为用户每天都能感知到的差异化体验。 其一是硬件攻坚：为折叠体验筑牢基石，给用户一颗品质“定心丸”。 硬件首要解决的是“可靠”这一基本诉求，这些在材质、结构和屏幕盖板上的持续创新，看似无声，却是用户放心购买、安心使用的决定性前提。 拿折叠屏的“顽疾”铰链技术来说，从最初的鹰翼铰链，到Mate XT 非凡大师的天工铰链系统，华为铰链结构历经多代改进，在提升耐用性的同时，显著改善了折痕与开合手感； 轻薄方面，当华为Mate X6通过分布式玄武架构将机身重量与厚度逐步逼近传统直板旗舰时，“厚重”的刻板印象被打破；到了“Mate XT 非凡大师“时代，支持“外折+内折”双重折叠，整机最薄处3.6mm，采用内嵌式铰链与一体连杆结构，成为全球最薄的三折叠机型。 屏幕创新上，将超薄软性玻璃与非牛顿流体相结合，用非牛顿流体遇强则强的特性提升屏幕的抗冲击性，又利用超薄软性玻璃保障日常使用中的强度，让折叠屏屏幕做到耐磨、耐摔、耐用，走在折叠屏屏幕研究的前列。 此外，华为将其在通信领域数十年的技术积累深度赋能折叠屏产品。重新设计信号天线分布，运用灵犀通信系统让信号更强劲，通信更畅快；同时引入华为先进的双星通信系统，即使在地面失去网络信号，也能通过天通卫星与北斗卫星通信自如，无论何时何地，都能安心畅连。 其二是鸿蒙生态的“灵魂”赋能，让折叠屏有了振翅高飞的“翅膀”。 如果说优秀的硬件是骨骼，那么操作系统就是灵魂。华为折叠屏的独特体验，很大程度上归功于鸿蒙系统对折叠形态的深度理解和原生适配。 交互效率上，鸿蒙系统独有的"智慧多窗"功能，允许用户轻松实现多任务并行。在华为Mate XTs非凡大师上，查阅邮件时可直接侧滑拖出微信窗口沟通，并能将邮件中的图片或文字直接拖拽至聊天窗口。这种在PC上司空见惯的操作，在折叠屏上实现了流畅的移动端转化，彻底改变了以往在手机端频繁切换应用的步骤。 应用体验的无缝流转上，基于其“分布式技术”，应用能够智能识别屏幕形态的变化。在用华为Pura X外屏浏览新闻App，展开手机后应用会自动适配大屏布局，展示更多栏目和内容，而非简单的界面拉伸。这种"展开即进化"的体验，精准传达了折叠屏的核心价值。 更重要的是，鸿蒙生态开始主动定义折叠体验的标准。华为通过系统的底层优化和与开发者的紧密合作，推动头部应用为折叠大屏进行专属适配。 从资讯类App的信息瀑布流，到社交软件的双列布局，再到视频App的评论区悬窗，这些适配都旨在提升内屏使用率。在华为Mate XTs上，飞书应用能根据单屏、双屏、三屏不同形态自动切换界面布局，三屏完全展开时支持多窗口并行和跨窗拖拽，实现了真正的PC级交互。 从行业多方获悉，即将发布的华为 Mate X7或将配备第四代“玄武水滴铰链”，搭载全新的鸿蒙6操作系统，还将是智能机AI交互深化的下一站。至于在形态层面，三折叠是不是折叠屏发展的尽头，没人能说得准。从华为公布的专利来看，未来出现四折叠也不是不可能。 03 爬坡高端，中国高端智能制造的“体系性胜利” 华为在折叠屏领域的持续领跑，其意义已超越单一品类的商业成功，它印证了中国科技企业在高端制造领域实现"体系性胜利"的可能性。这套体系的核心，是技术研发、供应链赋能与品牌建设的高效协同，其影响辐射至整个产业链的升级与转型。 1.产业链赋能：从"单点突破"到"集群作战" 华为折叠屏的领先，直接带动了国内柔性屏、精密铰链、特种材料等一整条高端产业链的崛起与成熟。京东方、维信诺等国内面板企业正是在华为的高标准下，实现了柔性OLED屏幕在折叠寿命、亮度和色彩表现上的快速进步；而铰链供应商如科森科技、长盈精密等，也通过与华为的深度合作，在精密加工领域达到国际领先水平。 全球累计1500万台出货量，不仅是市场的选择，更是对一条以技术创新驱动产业升级路径的肯定。这条路径的成功，构建了一种可复制的"系统化能力"——它涵盖了市场洞察、技术研发、供应链整合、品牌塑造与生态建设。 2.标准定义：从"技术探索"到"规则制定" 华为折叠屏的领先成绩，还推动其从“技术探索者”蜕变为“标准的定义者”。华为Mate XT非凡大师作为全球首款三折叠屏手机，其“三形态自由切换”理念重新定义了移动办公的物理基础。而华为Mate XTs非凡大师首次将PC级多窗交互装入手机，支持PC版WPS、Wind金融终端等专业应用在移动端运行，通过软件生态定义了下一代折叠屏的核心体验标准。 从折叠屏技术的探索者，成长为定义行业规则、引领市场走向的核心力量，华为验证了一套可持续的商业模式：通过前瞻性的、几乎不计成本的研发投入，创造出具有绝对差异化的产品，从而赢得技术先发优势与市场定价权，进而反哺下一轮研发，形成健康的正向循环。 从自身产品的迭代升级，到带动整个产业链的技术成长，华为用六年时间，为折叠屏行业指明了发展方向。未来，随着AI技术的深度融入、应用生态的持续完善，折叠屏将在移动办公、影音娱乐、专业创作等更多场景释放价值，真正成为大众消费者的主力选择。 可以看出，在冲击高端的道路上，最坚固的护城河不是单一的技术专利，而是将技术、产品、生态融合一体的、能够持续自我演进的完善系统。当折叠的形态终将趋同，这套系统的健康与活力，才是决定未来格局的底层代码。

IT之家 11 月 15 日消息，据博主 @数码闲聊站 今日爆料，realme 真我貌似又开了一块三星屏，6.78"±1.5K LTPS 大 R 角直屏，有超声波指纹，测试机定位不低。 IT之家注意到，去年 11 月发布的真我 GT7 Pro 手机首发三星定制 Eco² 苍穹屏，全局最高亮度 2000nit，全球首发非偏振自然光护眼技术，首发硬件级全亮度类 DC，支持高频 PWM 调光。 不过，今年发布的真我 GT8 Pro 手机今年又回归了国产屏，采用京东方定制发光材料 Q10+，支持 7000nit 峰值亮度、2000nit 全局亮度。 目前，尚不清楚 realme 真我新机的具体型号。

快科技11月15日消息，近期，TCL华星公布了全球首款Real Stripe RGB OLED手机显示屏的demo。 屏幕尺寸为5.65英寸，采用高精度OLED打印技术，拥有390PPI，视觉等效钻石排列490PPI，能呈现更加精细的视觉效果。 这也就是今年小米17 Pro Max、REDMI K90/K90 Pro Max上的同款技术。 通过全RGB像素独立排布，在OLED领域克服了高PPI与低良率之间的难题，彻底告别“像素公摊”问题，每一颗子像素都能精准发光。 每颗像素都拥有独立的红、绿、蓝三色子像素，相比传统OLED，不需要一直借用相邻子像素。 小米17系列搭载的超级像素屏幕，就是由TCL华星提供，双方合作开发了这项全新技术。 保证了媲美传统2K屏的总子像素数量与超清晰显示效果，又使功耗较传统方案降低26%，实现显示精度与能效表现的双重突破。 从目前用户反馈来看，小米超级像素屏幕备受好评，TCL此次发布的Real Stripe RGB OLED手机显示屏未来应该会有更多厂商配备，给用户带来更清晰、低功耗的屏幕体验。

汽车圈的「极限挑战」总能吸引眼球，高处坠落、卡车对撞、滚下山崖，为了话题和流量，各家的活整得是越来越狠。 现在甚至发展到了硬抗 TNT 炸药…… 奇瑞风云 X3L 最近在张家界天门山的挑战，则以一种意想不到的方式获得了关注。 11 月 12 日，风云 X3L 在攀爬天门山 999 级天梯的过程中下滑，最终撞断了景区的护栏，场面一度有些尴尬。 奇瑞在 13 日凌晨快速发布了致歉声明，将事故原因归结为「测试装置的安全防护绳固定点卸扣意外脱落」。但这个卸扣显然没能平息风波。相反，围绕这次事件的讨论，才刚刚开始。 奇瑞这次的翻车，很难只用执行失误来概括。 它折射出的是当下车圈普遍的营销焦虑，以及一种用力过猛的趋势。当营销的野心跑得太快，超出了团队的实际把控能力，甚至开始影响到公众的正常体验时，就很有必要聊聊这个「度」的问题了。 从「超越巅峰」到「硬抗 TNT」 看到奇瑞在天门山的这次尝试，很多人都会立刻想到 2018 年路虎揽胜的那场挑战。 当年，揽胜运动版 P400e 作为首款挑战天门山天梯的车型，成功登顶。那次事件在当时被公认为一次非常成功的营销，它将路虎的越野性能和那种「无所不能」的品牌形象，与天门山的险峻紧密联系起来，获得了非常高的曝光。 有了这个成功的先例，奇瑞再去模仿，风险就变得很高。 当一个品牌试图复制另一个品牌的标志性事件时，就免不了被拿来直接比较。如果成功了，外界最好的评价大概也只是「不错，但路虎才是第一个」；而一旦失败，这种鲜明的对比就会让所有的准备不足都显得尤其刺眼。 很不幸，风云 X3L 成了后者。 而在事故发生后，那份凌晨发布的致歉声明，更是让整件事变得耐人寻味。奇瑞将原因归结为「测试装置的安全防护绳固定点卸扣意外脱落」，试图将问题的焦点，从「车不行」引导向「工具不行」，从产品力不足转向执行疏忽。 但这个理由，缺乏足够的说服力。 如果声明所言即为事实，那么，问题就出在了团队的专业度上。一场关乎品牌形象、公共安全、耗资不菲的公开挑战，竟然在最基础的安全保障环节出了纰漏，这本就是极其业余的。 但，如果说这只是一个「借口」，如果车辆在攀爬过程中，本身就出现了动力中断、电控系统失效或轮胎抓地力不足，导致车辆下滑，安全绳介入后才因承受不住冲击力导致卸扣脱落。那么，这份声明就是在用一个执行层面的失误，去掩盖产品性能可能存在的短板。 无论是哪一种可能，奇瑞在此次事件中都显露了不专业的一面。 相比挑战失败和公关上的苍白，翻车的更深层原因，在于品牌对公共资源的态度。 张家界天门山是 5A 级国家森林公园，999 级天梯更是核心游览通道。为了这次商业活动，景区将天梯封闭了两天，这本身就是对公共资源的占用。 这种行为就像一场高风险的公关赌博。赌赢了，成功的「奇观」或许能盖过公众对资源被占用的不满。但一旦赌输了，「奇观」不复存在，只剩下了占用、失败和损坏。 这个时候，公众对资源被占用的潜在不满，就会和对「作秀失败」的嘲讽叠加爆发。 奇瑞对这种对极端场景的偏爱可不是个例。就在不久前，奇瑞旗下的另一个品牌捷途，也上演了一场极限营销，只不过换了一个剧本，也就是前文提到的「硬抗 TNT 炸药」。没错，那也是奇瑞的杰作。 前不久，捷途 X70L 在南京某高校的一个科研实验中心，打着「联合央视」的旗号，对车辆进行了一场「安全军标测试」。 与天门山挑战形成鲜明对比的是，这是一场高度可控的剧场。 它更像是一部事先写好脚本、精心编排、注定会成功的广告。在视频里，车辆的 B 柱抵挡住了不同口径的子弹；在车身周围 3 米位置引爆 2 公斤、4 公斤乃至 6 公斤的 TNT 炸药后，车辆的 ABC 柱「均未出现明显变形」。 我们甚至能在他们的话术中发现一个有趣的细节：在经受 6 公斤 TNT 侧面引爆后，「对点火启动键线路检修后，车辆可正常点火启动」。这在他们的叙事体系里，依然算「挑战成功」。 说到底，这次「军标测试」的本质无非就是通过偷换概念来制造爽点。 挡子弹、抗炸药，这对普通消费者在日常驾驶中有多大的实际意义？它迎合的不是用户对真实交通事故的安全需求，而是短视频平台用户对所谓大场面的感官刺激。 这对吗？这不对。 不是谁都有资格创造「奇观」 天门山事件的狼狈，和捷途军标测试的「成功」，表面看截然不同。但细究起来，这两件营销事件都源于一种共同的心态——急于求成，都想「走捷径」来快速塑造品牌形象。这种急切，透露出了奇瑞的焦虑。 就拿军标测试来说，在过去，一台车能在 C-NCAP 或 CIASI 中保研的碰撞测试中拿到全优成绩，是值得大书特书的卖点。但现在，随着行业整体技术进步和安全标准的趋同，能在常规测试中拿到好成绩，已经从加分项变成了及格线。 当常规的安全和性能测试已经无法吸引眼球时，奇瑞想到了 TNT。 其实在广告行业里，这类做法有一个更通用的名字，叫事件营销（Event Marketing）。 但同样是事件营销，最终的效果却天差地别。做得好了，它就升华为品牌内容（Branded Content），成为品牌资产的一部分；做得不好的，就沦为了公关噱头，甚至带来负面效果。 奇瑞的这两次，显然都离「品牌内容」相去甚远。 一个常见的误区是，认为所有事件营销都是脱离产品、自嗨的噱头，但我们看看那些成功的案例。最典型的是红牛，这家卖饮料的公司，可以说是事件营销的集大成者。2012 年，菲利克斯·鲍姆加特纳从 3.9 万米的太空边缘一跃而下，完成了平流层跳伞。这件事，和他卖的饮料有任何产品功能上的关系吗？没有。 但它为什么能成为经典？ 首先，是品牌的一致性。红牛花了数十年时间，持之以恒地赞助各种极限运动：F1、滑板、跑酷、翼装飞行……「Gives You Wings（为你添翼）」这句口号，已经深入人心。平流层跳伞，不只是一次突发奇想，也是红牛品牌精神的一次表达。同样地，路虎挑战天门山也是其「豪华全地形」品牌形象的自然表达。 而且往大了说，它还拓展了人类的边界。鲍姆加特纳的纵身一跃打破了多项世界纪录，带有强烈的探索属性。它不是在炫技，而是在挑战不可能，公众从中感受到的是震撼和激励。耐克助力基普乔格挑战马拉松「破 2」大关是如此，特斯拉把一台 Roadster 送上太空，也是如此。 奇瑞的这两次营销，显然不在此列。 能够成为经典的「奇观」无一不是来自长期的品牌积累，而奇瑞风云 X3L 的天门山挑战，其「奇观」来自哪里？来自对路虎的模仿。 风云是一个新生的新能源系列，它在消费者心中还没有建立起「硬核越野」或「极限性能」的品牌认知。所以这场挑战显得非常突兀，它不是品牌长成后的自然表达，而是一次急于求成的赌博。 至于捷途的防爆测试，错位感就更强了。捷途的主打标签是「家庭旅行」，是家用、舒适、大空间。它的目标用户，是在意后备箱能不能放下婴儿车和帐篷的家庭。而奇瑞却给这群人上演了一出「防弹防爆」的战争片。这样的表达，和用户的真实需求南辕北辙。 捷途 X70L 两者的第二个关键区别在于，红牛跳伞，是在无人区，是与科学团队的合作；耐克破 2，是在专业赛道，是对运动极限的挑战。它们都为这个世界增加了新的东西——一个新的世界纪录，一个新的可能性。 而风云 X3L 在天门山，纯粹是在「占用」。它占用了 5A 级景区的核心通道，让普通游客在两天内无法正常游览。它不像路虎那样制造了新的话题，反而影响了公众的体验。当一场事件营销是以「制造麻烦」为代价时，它就从品牌内容异化成了公关灾难。 营销的「度」到底在哪里？ 关键不在于要不要办一场惊人的活动，而在于品牌有没有这个「资格」。 这种「资格」不看花了多少钱，而是看品牌积淀是否到位，看这场活动究竟是真实的品牌表达，还是拙劣的模仿；是在拓展新的叙事，还是在占用公共资源。 捷途与其去表演「防弹」，不如从场景出发，回归实用价值。风云与其去模仿路虎，不如去开创一个属于电动时代的、全新的性能图腾。 空洞的营销，无法真正成就品牌。 文 | 李华

IT之家 11 月 15 日消息，博主 @数码闲聊站 今日爆料，荣耀开始评估阔折叠手机，大折叠的新方向。 IT之家注意到，该博主 11 月 13 日曾曝光 Top5 某厂明年的一款折叠工程机，据称“大概率也是行业首台大尺寸的横向阔折叠”。该机现阶段主屏开案 7.6 英寸左右，副屏开案 5.5 英寸左右，类似 14:10 定制阔屏比例，搭载“N 代旗舰芯”，电池目前试模不到 6000mAh，后置潜望镜镜头。 目前尚不清楚以上机型的型号信息。 在售的华为 Pura X 系列阔折叠手机于今年 3 月 20 日正式发布，新机出厂搭载鸿蒙 HarmonyOS 5 系统，同时首发鸿蒙 AI、全新小艺，定价 7499 元起。

IT之家 11 月 15 日消息，科技媒体 Golem 昨日（11 月 14 日）发布博文，报道称诺基亚计划在 2030 年前关闭其位于德国慕尼黑的重要研发中心，并计划裁撤超过 700 个工作岗位。 据德国金属工业工会（IG Metall）透露数据，仅慕尼黑一家工厂就有超过 700 名员工受到此决定的影响。裁员将分两批进行：最早在 2026 年，德国范围内将裁减 300 多个工作岗位；其余慕尼黑的岗位将在 2030 年前完成削减。 德国金属工业工会称，诺基亚目前在德国拥有约 2500 名员工，是欧洲为数不多的网络设备供应商之一。 IT之家援引博文介绍，诺基亚方面称，这是一个艰难但必要的决定，旨在确保公司能够保持长期的市场竞争力。针对此次调整，诺基亚解释称，这是公司全球基地战略的一部分，目的是将投资集中在德国及全球范围内可持续发展的关键枢纽上。 图源：诺基亚 公司表示：“这将增强我们的长期增长能力和客户忠诚度，同时确保我们的团队拥有成功所需的框架条件。”诺基亚同时确认，虽然关闭慕尼黑基地，但德国其他地区的业务将继续保留并发挥关键作用，例如纽伦堡和乌尔姆将继续作为光网络和移动网络的研发中心。 德国金属工业工会对此决定表达了强烈反对，认为诺基亚撤出慕尼黑是一个“战略性错误”，将危及公司的竞争力和技术领导地位。 工人委员会主席克莱门斯・苏尔鲍姆（Clemens Suerbaum）也警告了此举可能带来的连锁反应。他表示，慕尼黑是诺基亚在欧洲的“高科技和人工智能之城”，更是其专利和标准的主要来源地。如果这个源头被“毫无意义地切断”，那么斯图加特、杜塞尔多夫、乌尔姆和纽伦堡等其他德国基地的未来也将岌岌可危。

没有一句再见，索尼手机就这么悄无声息退出中国市场。 2025年11月6日，索尼Xperia官方微信公众号注销，主页显示已停止使用。而在今年8月，索尼手机中国官网域名已停止使用，官网虽然仍保留几款机型的展示页面，但已无法链接至商品详情页。 （图源：索尼中国官网） 尽管索尼Xperia在短短几个月时间就完成了注销品牌官方账号、从官网下架商品、停止更新微博这一系列举措有些突然，但这并不是一个突发事件，而是索尼手机在中国市场长久「水土不服」导致的必然结果。 一场拖了十年的告别 如果要给索尼手机在中国找一个最闪亮的时期，那必然是索尼Xperia仍是索尼爱立信的时代。 2005至2010年间，在非智能手机时期，索尼爱立信在中国市场可以说是最受年轻消费者欢迎的手机品牌。论拍照，K750i为消费者带来了高像素拍照；论音乐，W800、W995自带Walkman音效。在先进性上，索尼爱立信也打造了800万像素的C905一代影像神机。 （图源：Sony） 进入智能手机时代，索尼Xperia登场。在最开始的几年时间里，索尼手机在中国的表现也算不错，数据显示，索尼在2011年出货量仍能排中国市场前五。索尼在中国发布的Xperia Arc，以独特的透明腰线设计，还是吸引到不少消费者的关注。 随后，索尼Xperia Z系列成为正统旗舰，Z1、Z2、Z3一连四代旗舰，均凭借出色的工业设计、三防特性和索尼独家的影像技术，再次吸引了一批发烧用户。但那时候中国市场已经出现极具竞争力的品牌，华为Ascend P7、vivo X Shot这类主打高端设计、影像的旗舰机已经登场，索尼定价高且没有太突出的亮点，颓势初现。 （图源：Sony） 真正的转折点出现在2016-2018年，中国品牌突飞猛进：华为与徕卡联名达成、OPPO和vivo的旗舰系列找到市场定位、具有划时代意义的小米手机6发布。这时候的索尼，尽管发布了XZ Premium这类堆料感十足的旗舰机，但高昂的售价，类原生的系统体验，完全不适应中国本土市场。 这个时期的索尼Xperia已经开始沦为「小众品牌」。 索尼始终坚持一种“工程师视角”的旗舰标准，例如 Xperia 1系列的4K屏幕、21:9比例、强调专业参数的Cinema Pro与Photo Pro模式、保留独立快门键、坚持轻度定制的近原生系统。这些功能很有个性，也很专业，但手机摄影更注重算法，也就是更简单地拍出一张符合大众审美的照片，索尼显然不懂这个道理。或者说，索尼有自己的坚持。 本土化能力薄弱，其实才是击垮索尼的核心原因。Xperia UI虽然保留原生Android的清爽风格，但代价是与中国主流生态格格不入。NFC交通卡不支持、本地云服务体验弱、权限系统不符合国产应用需求、微信视频拍摄优化不到位、支付与生活服务功能缺失。虽然索尼曾尝试与魅族建立深度合作，后者负责系统中应用和互联的改进与优化，但也仅仅只是改变其中一小部分体验。 （图源：Sony） 换句话说，这样一台定价近万元，且本地服务几乎丧失、影像能力不出众、性能也并非卓越的手机，你会愿意掏钱支持吗？ 这一切直接反映在市场表现上：中国信息通信研究院（CAICT）的数据中，索尼手机近五年在中国的份额几乎低到无法单独列出；IDC的2023年全年报告也显示，索尼在中国智能手机市场的份额不足0.1%。 假如索尼选择在十年前就放弃挣扎，或许这场告别仪式会更体面一些。 「One索尼」战略生效，手机却未能受益 历史上很多品牌的消亡原因总被归结为没有及时发现问题，但索尼手机业务却恰恰相反。早在2012年，时任索尼集团总裁的平井一夫就察觉到索尼集团拥有音乐、游戏、电影、半导体、硬件等等海量业务，但却各自为营，没有整合资源能力的问题，随即提出「One Sony」战略，意在打通各业务的优势，为集团取得更大的胜利。 在此战略下，手机业务理应是最大的受益者。2013年，索尼推出了第一款One Sony战略的手机Xperia Z1。它集合了影像业务提供的G镜头、电视业务提供的TRILUMINOS特丽魅彩移动显示技术以及X-Reality迅锐图像处理引擎移动版、半导体部门提供最强的CIS 索尼IMX220。但最终并未获得成功。 不仅仅是在中国市场不受认可，One Sony战略部署后的Xperia在全球市场，甚至是日本老家也节节败退。 （图源：Sony-WordPress） 在日本市场，索尼手机曾一度占据两位数份额，但近年来被iPhone全面压制；在欧洲市场，其份额也长期低于2%；在北美，索尼手机几乎被边缘化。与其说索尼手机是在“选择小众市场”，不如说它逐渐被主流市场淘汰，只是在用有限的专业用户维系口碑。 更关键的是，在当今智能手机竞争进入“AI Phone”时代后，索尼的优势进一步缩小。国产旗舰已经在系统层面引入大模型，用语义理解、智能场景识别、端侧AI计算来优化拍照、整理内容、增强搜索体验，而索尼至今没有明确规划这部分能力。 或许很多朋友也会好奇，同样在中国大陆暂未部署AI，为何苹果却能一路高歌？ 苹果在中国成功，也不完全是因为“品牌光环”，而是因为生态的完整性。iOS的体验稳定、一致性强、性能释放优秀，从应用质量到隐私机制都有极强的壁垒，更重要的是它在中国做了大量本土化投入，地图单独开发中国版本、云服务与本地运营商合作、支付体系深度整合、售后网络覆盖一二线城市、直营店提供极高服务标准。而这些，都是索尼手机在中国市场缺少的。 归根结底，索尼手机在中国最核心的问题依然是软件/系统的问题。正如前面所提到，One Sony战略的确给手机业务提供了海量资源，但这些资源其实是没有包含太多软件支持的。即便是到了索尼近期发布的Xperia I VII，各部门在软件上的支持，也只是提供了专业录影、专业拍照的软件，并非涉及系统体验的优化。 （图源：Sony） 这其实也能解释为何近几年中国手机品牌的发布会总要为系统体验这部分留足空间，因为在硬件趋同的情况下，谁更流畅、谁提供更多便捷服务、谁能将系统级AI做得更好，谁就能拿下更大的市场份额。索尼手机在中国几乎没有系统体验可言，这就是业务败走的原因之一。 距离索尼手机彻底消失还有多久？ 索尼手机退出中国，那么它会彻底退出全球手机市场吗？就像LG一样。 根据Counterpoint的统计，近五年Xperia全球市场份额都徘徊在0.2%–0.3%，在多数国家甚至无法进入前十。 这说明，对于索尼而言，手机早已不是需要盈利的业务，更像是一个技术窗口。这就不得不提到，索尼的移动图像传感器，正在制霸手机领域了。索尼在全世界影像传感器市场占据50%以上份额，手机端的CMOS研发速度极快，需要一个能随时部署新技术的产品平台，而Xperia正好承担这个角色。像1英寸大底、可变焦潜望镜、实时眼控对焦等技术，往往都是先在Xperia上试水。 （图源：Sony） 不过，近两年来，索尼移动图像业务与vivo、OPPO、小米等中国品牌的合作似乎更加紧密一些，LYT900、LYT818、LYT828等传感器都交由中国品牌首发。这也不免让人为索尼Xperia的存亡捏一把汗。一旦索尼影像部门不再需要手机作为验证平台，Xperia就可能成为下一个LG。 至于索尼是否会考虑放弃在全球的手机业务，可能还需要交给时间来验证。