行业分类:
加载中...
头条分类:
加载中...
苹果明年新品规划曝光!入门级iPhone有望每年一更
快科技7月11日消息,据Mark Gurman透露,苹果计划在2026年上半年推出一系列新品,包括一款新的平价iPhone、多款iPad以及升级版的Mac。 Gurman指出,苹果正努力改善过去两年需求不振的情况,加上iPad系列的产品更新步伐放缓,导致业绩表现疲软,因此2026年初的新品计划被视为延续今年秋季升级潮的重要举措。 具体到2026年的新品,新的入门款iPad及iPad Air系列预计将逐步推出,新一代产品最快将于2026年3月或4月登场。 新的入门款iPad外观与现有版本相似,但搭载速度更快的处理器;iPad Air系列则从目前的M3芯片升级为M4芯片,其余变化有限。至于iPad Pro,最快将于10月迎来升级,搭载M5芯片。 iPhone 17e的外观与16e类似,内部升级为A19处理器,与iPhone 17系列保持一致,预计将于2026年初发布。 值得注意的是,iPhone 16e于今年2月推出,而17e将于明年年初发布,这表明苹果计划对入门款手机采取每年一次更新的节奏。 相比之下,早期的iPhone SE自2016年问世后仅更新过两次,更新周期相对较慢。 此外,苹果原计划在年底推出搭载M5芯片的14英寸与16英寸MacBook Pro,但内部时间表已调整为2026年初。 这次推出的M5 MacBook Pro将是自2021年启用现有设计以来的最后版本,下一代机型将采用全新外壳设计,并转向OLED屏幕,MacBook Air新机型也预计将于2026年上半年问世。 苹果还计划推出自2022年Apple Studio Display以来的第一款全新Mac外接显示器,同样计划于2026年初推出。 同时,苹果也在持续研发一款智能家居中枢设备,原计划于今年3月推出,但由于功能依赖尚未完成的新版Siri语音助手,因此被无限期延后,但有望在明年上半年重新上市。
消费级芯片上车到底靠不靠谱?
小米YU7上市后的第一个舆论场出现在对于“车规级”的讨论,YU7的座舱芯片用了消费级的高通8gen3,相比之下无关痛痒的纸巾盒却是车规级,被网友疯狂调侃“人走盒在”。 实际上,小米YU7并不是第一个使用非车规级芯片的车型,特斯拉早在近十年前就开始了尝试,但也曾因芯片过热失效而大范围召回。 YU7的爆卖,又一次把这个话题推到了风口浪尖上——由消费级芯片控制座舱的智能汽车,到底能不能买? 省流版:拉到结尾直接看结论。 NO.1 [ 哪些车在使用“消费级芯片”? ] 车规级实际上是一种全生命周期的质量管理理念,从产品设计、测试、量产,到变更管理,这是一个系统性工程。 常见的芯片等级一般是按照使用温度、辐射、抗干扰等因素,标准从宽泛到严格分为5类,即消费级、工业级、车规级、军工级、航天级。 在汽车产业,同济大学汽车学院教授朱西产对汽车产经表示,一辆汽车约1000多张芯片,芯片所在的部件功能不同,对于影响人身财产的功能安全的部件,所用芯片肯定要做AEC-Q100和ISO26262功能安全认证,这就是我们说的“车规级芯片”。 但对于不涉及功能安全的部件,所用的芯片只需要AEC-Q100耐环境能力测试和寿命测试就够了。 有一种推论观点认为,“骁龙8 Gen 3手机处理器是2023年10月底发布的,如果8 Gen 3芯片要过车规认证,估计还得一年,那么按照汽车行业电子零部件开发速度,今年就上车,这个速度几乎是不可能的,最快的速度就是不等SOC的车规认证,直接上车”。 在非安全功能模块,一些车企早已开始使用更先进也更便宜的消费级芯片方案。 数据来自:拆车实验室报告(2024)、工信部车辆公告、高通/英伟达技术白皮书 朱西产认为,不需要做功能安全认证,也就不能被叫做车规级芯片,但要理解为完全等同于“消费电子级芯片”也不太严密。消费电子产品的环境温度范围和寿命等都比汽车要差,汽车上使用的非车规级芯片一定是可以通过AEC-Q100测试的,这也是必须的。 但小米还没有明确芯片是否通过AEC-Q100测试,但是公布了YU7座舱的核心板通过了AEC-Q104车规级测试。 AEC-Q104又是什么呢?AEC-Q104不是对单一芯片级测试标准,它专门针对集成度更高、功能更复杂的MCM(Multi-Chip Module)进行系统级验证。相比单颗芯片的AEC-Q100、Q101,Q104更关注封装内部多芯片之间的热耦合、电应力互动、结构可靠性,以及板级焊接后的长期服役稳定性。 也就是说,小米用了一整套像是“把手机变车规”的手法,这套方案可以整体通过车规级测试。 NO.2 [ “消费级芯片”的车能不能买? ] 一般来说,座舱芯片主要负责处理车内所有影音娱乐、灯光控制等功能的“大脑”。它连接着车内的音响系统、摄像头、显示屏、存储设备等各种子系统。 智能汽车对座舱的开发越来越广泛,不仅能实现中控大屏、仪表盘、HUD抬头显示等多屏互动,还加入了AI语音助手、多模态互动、自动驾驶辅助显示等功能。 当这些功能都靠一颗“手机芯片”来处理,很多人表示出担忧。 一家汽车芯片公司员工认为,不同规格芯片的区别首先是工作温度范围,其次是可靠性,再就是安全性,车规要求是零缺陷,消费级要求较低。比如,手机可以死机,车死机可能会出人命;还有就是抗干扰能力,车规级芯片需要应对更严苛的电磁干扰和振动,汽车内部环境复杂,而消费电子环境相对稳定。 小米YU7的可靠性有待验证,但可以参考下更早使用非车规级芯片的比亚迪和特斯拉。 比亚迪从2016年就上车了8939芯片,特斯拉更是与AMD芯片绑定,除了开篇提到的Model S芯片过热之外,两大全球销量最高的新能源车企销售多年后仍没有出现大规模的车机问题。 朱西产的观点认为,特斯拉不去做所谓车规级认证(非强制),但是不等于特斯拉不做功能安全测试和AEC-Q100相关的测试。从认证证书角度说,也可以说特斯拉没有使用车规级芯片。但是特斯拉的电子电器构架、电子系统和软件的稳定性是有目共睹的,“不要用传统汽车的眼光去看头部的科技公司”。 他认为,“质量是车企的生命,没有一家车企会冒这个险”。 NO.3 [ 写在最后 ] 总结一下,回答开篇的问题:座舱使用消费级芯片的智能汽车,到底能不能买? 首先,非车规芯片用于座舱,不涉及安全相关的功能,失效最严重可能就是黑屏、没空调等等,不会威胁用户生命安全。 剩下的就是选择了—— A:对性能要求能玩《原神》,为了更好的体验愿意承担创新带来的可能性风险,就冲更高端的消费芯片; B:更需要稳定和绝对安全带来的踏实,选择久经验证的方案,哪怕车机慢一些、模糊一些,车规级是刚需别动摇。 中国车市从来没有像当下这样,容纳这么多车型百花齐放,所以,总有一款适合你。 另一方面,消费电子级芯片质量也在提升,“消费级”和“车规级”的鸿沟可能慢慢就填平了。毕竟芯片是高端制造,质量水平本来就很高,相信眼下这种争论只是阶段性问题。 如果非要说出一个结果,那只能说,市面上正常销售的车,都能买。 参考资料: 《纸巾盒有车规级吗?》作者:左成钢
谷歌Android Canary预览计划系统新功能:无线充电屏保,防夜间HDR“亮瞎眼”
IT之家 7 月 11 日消息,据科技媒体 Android Authority 今日报道,谷歌今天为 Pixel 手机推出了 Android Canary 预览计划系统,加入了无线充电屏保、HDR 显示亮度调整等实用功能。 ▲ 谷歌 Pixel 9a 手机 一、无线充电屏保: 在“设置 > 显示与触控 > 屏保”中,谷歌新增了“在手机直立且充电时”启用屏保的选项。打开此选项后,当手机处于静止且与桌面 / 地面呈 90-120° 的直立状态时,可激活屏保。 ▲ 该功能开关页面截图,图源 Android Authority,下同 谷歌还为此功能做了“仅在无线充电时激活”的开关,打开后只有使用无线充电才可触发屏保,可避免插入电脑时触发屏保。 Android Authority 对此表示,结合此前谷歌即将在 Pixel 10 系列手机推出 Qi2 磁吸配件生态的传闻,谷歌在这个时间点推出此功能很可能是在其即将推出的 Qi2 磁吸配件生态铺路。 二、HDR 显示开关、亮度调整: 此前该功能首次出现于 Android 16 QPR1 Beta 1 版本的代码中,目前在 Canary 中处于可用状态。 该功能的入口位于“设置 > 显示与触控 > 增强 HDR 亮度”中,用户可单独开关 HDR 显示,根据自己的喜好在下方的滑块中调整 HDR 显示的强度。 同时,该页面上方还有一组示例对比图像,用户可直接在该页面中预览调整后的效果。 该媒体对此表示,可能大部分人都会觉得 HDR 比 SDR 显示更好,但在夜晚刷视频、社交媒体时,突然刷到一个 HDR 视频的体验就像“闪光弹亮瞎眼”一样;而谷歌推出的这个功能完全可以避免这种情况,或者至少可以把 HDR 显示调回一个不那么刺眼的水平。 IT之家备注:虽然 Android Canary 预览计划能在第一时间得到最新测试版功能,但加入该计划后所获得的测试版可能存在严重 Bug,甚至可能有“变砖”风险,将主力机更新至相应系统时须自负风险。
荣耀X70手机配备绿洲护眼屏:6000nits局部峰值亮度、1.3mm窄边框设计
IT之家 7 月 11 日消息,荣耀官方今日宣布,荣耀 X70 手机将配备绿洲护眼屏,宣称“6000nits 超亮、1.5K 超清、1.3mm 极窄边框”。结合预热海报注释小字来看,新机预计支持 6000nits 局部峰值亮度、1.5K 分辨率(此前已曝光分辨率为 2640×1200),并采用 1.3mm 窄边框(小字显示为左、右、上三边)设计。 据官方此前预热,荣耀 X70 手机将于 7 月 15 日 19:00 发布,提供朱砂红、竹韵青、月影白、幻夜黑配色;获 IP69K / IP69 / IP68 / IP66 满级防尘防水认证,行业最高规格,防泡水、喷水、高温水。 此外,荣耀 X70 将配备“史上最大”8300mAh 青海湖电池、支持 80W 有线(需要搭配原装充电器及充电线使用)+ 80W 无线(仅 12GB+512GB 支持)双快充,号称“硬核终结电量焦虑”。IT之家整理荣耀 X70 手机已曝光配置信息如下(实际以最终发布信息为准): 性能:骁龙 6 Gen4 处理器 运行:提供 12GB 运存规格 | 提供 256GB 存储规格 | 支持 12GB 智慧运存 屏幕:荣耀绿洲护眼屏 | 6.79 英寸 1.5K 直屏 | 分辨率 2640×1200 | 6000nits 局部峰值亮度 续航:80W 有线 + 无线快充(仅 512 版本支持 80W 无线充)| 8300mAh 荣耀青海湖电池 影像:前置 8MP 镜头 | 后置 50MP(支持 OIS)镜头 系统:预装 MagicOS 9(版本号为 9.0.0.102D) 设计:机身厚 7.7mm | 重 193g(512G 无线充版本 7.9mm*199g)| 正面四等边设计 | 正面居中单挖孔 |“星环”相机模组 | 屏幕采用 1.3mm 窄边框设计 配色:朱砂红、竹韵青、月影白、幻夜黑四色 防护:获 IP69K / IP69 / IP68 / IP66 满级防尘防水认证
小鹏汽车兑现60天账期承诺,多家供应商收到签署补充协议邮件
工信部开通账期承诺相关窗口两日后,已有车企向供应商发布书面通知。 7月11日,澎湃新闻记者独家从小鹏汽车供应链方面获得了一份来自小鹏汽车的通知邮件。邮件显示,小鹏汽车宣布将原本的付款周期统一调整为60天内。邮件提及,“基于对长期合作的长远考虑,开始启动签署相关补充协议工作——付款账期缩短至60天内。” 小鹏汽车内部人士就此回应澎湃新闻记者称消息属实,并表示此次调整是公司践行承诺的体现。据悉,这是在汽车行业中就“60天账期承诺”首批向供应商正式发送的书面通知。 值得注意的是,早在6月11日的小鹏G7首秀发布会群访上,小鹏汽车CEO何小鹏就表示:“60天账期大家不仅要做,还要快点做好,小鹏一定是其中之一。” 自6月10日起,共有一汽、东风、上汽、小鹏、小米等17家重点车企陆续作出“供应商支付账期不超过60天”的公开承诺,以响应《保障中小企业款项支付条例》,加速产业链资金周转效率,保障产业链供应链稳定。 车企相关承诺得到了良好的社会反响,相关承诺如何进一步落实兑现备受社会关注。 就在7月9日,工业和信息化部刚开通了“重点车企践行账期承诺线上问题反映窗口”,受理中小企业关于重点车企践行货款支付周期承诺和落实《保障中小企业款项支付条例》不力等问题。 工业和信息化部有关负责人表示,窗口主要受理4类问题:一是重点车企未践行60天支付期限承诺,在采购合同中约定的付款期限超过60天;二是重点车企设定不合理的支付期限起算时间、无正当理由拖延出具检验或验收合格证明等方式变相延长支付期限,以及以收到第三方货款作为支付条件或按照第三方支付比例支付款项;三是重点车企强制或变相强制中小企业接受商业汇票、应收账款电子凭证等非现金支付方式;四是重点车企落实《保障中小企业款项支付条例》不力的其他问题。 工业和信息化部还表示,下一步将指导行业机构研究制定汽车行业结算支付规范,推行合同范本,进一步规范汽车企业供应商货款支付流程,推动构建“整车—零部件”协作共赢发展生态,促进汽车产业健康可持续发展。 澎湃新闻记者 吴遇利
SpaceX 和 NASA 为载人龙飞船第六次复用做好准备
SpaceX 和 NASA 正加紧努力,通过第六次试飞载人龙飞船,实现商业载人计划的关键里程碑。此次飞行将通过即将进行的 Crew 11 任务进行,标志着载人龙飞船首次尝试第六次任务,负责此次任务的飞船是“奋进号”载人龙飞船,这也是 SpaceX 的首次载人航天任务。 NASA-SpaceX Crew 11任务机组人员 美国宇航局商业载人航天计划项目经理史蒂夫·斯蒂奇分享了该机构和SpaceX公司为龙飞船即将进行的第六次历史性国际空间站飞行所做的关键升级。斯蒂奇在今天早些时候的新闻发布会上首先解释说,SpaceX公司为龙飞船设计了新的降落伞。“Drogue”3.1降落伞增强了降落伞的顶部,提高了着陆时的安全性。 SpaceX Crew 11 将是 2025 年第五次龙飞船任务,也是 SpaceX 今年的第四次载人航天任务。Stich 透露,该公司和 NASA 正在合作认证该飞船可进行 15 次飞行,并将其任务期限延长至 8 个月。NASA 官员表示,作为 15 次飞行认证过程的一部分,“SpaceX 对许多部件进行了 15 次飞行的测试”。 因此,飞船上的“许多部件”已获准飞行15次,而少数部件“只获准飞行6次,”他解释道。尚未获得认证的结构包括“部分结构部件”、焊接结构以及将氦气从氦气罐输送到推进剂罐的管道。 今年早些时候,SpaceX Fram2任务的载人龙飞船。图片来源:SpaceX SpaceX 龙飞船任务管理总监莎拉·沃克分享了即将进行的任务的更多细节。据她介绍,Crew 11 龙飞船将于明天被运送至燃料添加点,然后前往机库。关于 15 次飞行的认证,沃克概述了飞船 70% 的部件将获得完全认证,能够进行 15 次飞行,其余部件的认证将在 6 至 15 次飞行之间进行。她分享道,SpaceX 的目标是“100% 合格”,以完成“15 次飞行”的演示。 斯蒂奇透露了SpaceX为龙飞船设计的新型隔热罩的更多细节。“这是一个非常大的复合材料部件,”他说道,并补充说,之前的隔热罩制造起来非常困难,因为隔热罩内部采用了层压板或“表皮”,并且需要粘合接头来增加强度。 这种复杂性使得达到正确的强度变得困难。据这位 NASA 官员称,为此,SpaceX 设计并制造了一种新的隔热罩,可以提高着陆速度,改进结构,并且更易于制造。
美国玩不转的无人城市配送,在中国真香
编者按:无人驾驶的故事可以更简单吗?出于这样的好奇,一批人不再单纯执着于 Robotaxi,而是以中国星罗遍布的物流网点为据点,让城配无人车站上无人驾驶的战场。 相比 Robotaxi,它是目前最先拿到规模的无人车。相比人形机器人,它是目前使用范围最广、商业化最高的移动机器人。 从花 4 万元才能买到一个无人车刹车硬件,再到组建出全球最完整的底盘、算法、制造、运营产业链,中国玩家们已悉数上场。 《城配无人车》将会从中美玩家分野、中国玩家的共性与差异以及 1 万台之后商业的分野三个视角,拆解全球城配无人车玩家上场之后的商业故事。 作者|白雪 当人形机器人打拳击跑马拉松的时候,另一种机器人已经街头实战了——中美玩家的城市配送无人车正在街头跑快递送外卖,为公司赚钱。 城配无人车既是车,也是机器人。 相比 Robotaxi,它是目前最先拿到规模的无人车。相比人形机器人,它是目前使用范围最广、商业化最高的移动机器人。 中美无人城配玩家早已蠢蠢欲动。 中国玩家在城市物流场景下如火如荼,新石器,九识、白犀牛今年都先后拿到了数亿元的融资,在中国街头甚至能看到这几家的无人车「当街吵架」。 美国玩家则把重心放在最后一公里配送上(d oor to do or),Serve robotics、Coco robotics 等美国玩家把自家的城配无人车送上了加州的街头巷尾去送外卖。 同样是城配无人车,中美玩家的分野日益明显。 中国玩家在一路狂飙,头部玩家们在超过 100 多个城市布局近万辆无人车,以而另一头的美国玩家并不沉迷于速度,Serve 最新一代产品在 30 分钟之内才能走完 4 公里。 但另一面美国玩家的玩法却超乎想象,用地下管道运输货物来做无人配送,酷似瓦力的无人车不仅送外卖,还能当移动广告牌。 在 2025 年城配无人车爆发元年,我们分别和城配无人车产业链的玩家们聊了聊。在他们眼里这中美玩家的差异远远大于共性:美国在做配送车、中国做配送体系。美国在用机器人的思路造车,而中国玩家用造车的思路打造机器人。 01 中美玩家,都想绑定「巨无霸」 中美城配无人车的基本盘是非常相似的。 首先,中美都是城配无人车的大市场。 招商证券测算显示,以中国快递物流网点数量为基础,无人配送车的市场空间大约为 4680 亿元。 据美国研究机构 Precedence Research 测算,未来十年内,美国无人配送市场将会从 17.5 亿美元增长到 148.2 亿美元 (1037 亿元) 。 市场很大,但其中的市场差距是因为中美玩家偏向的场景不同。 中国无人城配的重点在物流,尤其是快递分发网点到快递驿站这一段,零售终端只占一小部分。 在易咖智车联合创始人柏俊波看来,中国无人车从城配的运行场景只分两种,一种是物流,另一种是物流的溢出。 之所以中国玩家大量进入物流快递场景有两个原因: 第一,快递场景中网点到驿站本身就收费,具备原生商业价值。 第二,快递场景非常集中,本身每个网点都经手上万单量,本身就有小货车在跑,所以是高频场景,而零售则过于分散。 物流网点分布就是中国无人城配玩家的战略地图,而全国快递物流网点就达 3.2 万处。 因此,中国玩家都是从基础量最大的快递场景开始做,再去做零售场景。 在美国,落地场景是反着来的:美国玩家聚焦最后一公里,外卖、零售是重点。 可以理解为,美国无人城配的增长来源于即时零售爆发与人力成本高昂的矛盾。所以美国玩家更聚焦「最后一英里」,因此这些无人车的核心价值不在速度和空间容量,反而意在覆盖分散需求、替代人力。 随之而来是产品形态不同,中国玩家城配无人车主要以货物运输为主,产品线丰富,讲究大而稳,容量一般 2m³到 10m³,载重量 800—1000 kg。 美国玩家城配无人车承载量 20-45 kg,一家公司只有 1-2 个产品,形态更像机器人。 中美都是对无人城配有巨大需求的市场。 但区别是中国玩家用车的思路去做无人城配,而美国玩家是用机器人的思路去做无人城配。后者的挑战显然更大,今年第一季度Serve研发投入 688 万美金,收入却只有44万美金。 因此,这些美国玩家正想方设法用无人车当做广告牌创收,2024 年 Serve 配送和品牌收共为 63 万美元,其中广告收入占一半。 其次,中美进军无人配送的创业公司都很多,这些选手都会选中大厂与他们在投资和业务上深度绑定。 中国玩家以九识、新石器、白犀牛为代表,美国玩家以 Serve 、Coco 、Kiwibot、Cartken 为代表,基本都选择了「创业公司+大公司」结盟治之。 美国玩家典型如Serve +Uber Eats、Coco+Doorcash。 一方面 Uber 是 Serve 的大股东,持有其约 14% 股份。另一方面 Serve 深度绑定 Uber Eats 外卖平台,用户下单时可选择「无人车配送」选项,Uber 也成为了巨大的流量入口。 短期内,中国玩家也走了业务+投资绑定的模式。 比如白犀牛与顺丰,白犀牛刚刚完成了 2 亿元 B 轮融资,而其中领投方正是老朋友顺丰。 据 36 氪报道,从 2024 年二季度开始,顺丰物流体系下部分快递网点开始启用白犀牛的无人车,目前其在顺丰物流体系保持日活跃的无人车规模已经达到数百台。 短期内大公司与无人城配玩家绑定,是全球玩家共识。原因在于大公司掌握流量与渠道,创业公司提供技术与产品,形成优势互补。 但长期看无法持续绑定。 新石器创始人兼 CEO 余恩源表达过,无人车公司都是从大 B 先做起,起到示范作用,但长期无人车公司的壮大,取决于多久把大 B 客户销售额压缩到小比例,散 B 客户才是市场扩张的核心。 02 差异远大于共性 中美玩家的差异远远大于共性。 如果把他们看做一个人的成长路径,那么他们的出身、技能点都各不相同。 中国玩家的核心创始团队只有两类: 一类来自科技企业,另一类则是创业老兵,身经百战后另起炉灶。 九识和白犀牛都手握 2020 年前后自动驾驶创业潮的最后一张门票,创始团队均有京东、百度系技术履历。 九识的创始人庄立、孔旗、朱伟铖三人都曾在百度美国研发中心做自动驾驶,而后在京东物流负责过无人车技术研发后才创业。 类似的白犀牛的朱磊和夏添也曾是百度自动驾驶的技术大牛。 唯一特殊的是新石器,其创始人余恩源是物流老兵,发明过快递柜,搞过无人机送货。当时理想汽车创始人李想的低速电动车 SEV 项目折戟沉沙,看到余恩源的项目,便整合技术支持了新石器天使轮投资。 但美国玩家则是依托于「树上结果」,这些玩家的创始人背景分三类。 大厂内部孵化。Serve 源于 Uber 旗下公司的机器人部门分拆而来,后以独立公司形式运营。 校园学术机构孵化。Coco、kiwibot 都是在加州大学的实验室中结识,才从校园走出创业。 大厂出走创业。Nuro 的两位联合创始人都曾是无人驾驶界当年的一哥谷歌无人驾驶团队 (后 Waymo) 的核心骨干,简历耀眼,出走创业。 但成立于 2016 年前后的美国玩家明显起了个大早,赶了个晚集市,在商业化规模上,远远赶不上中国玩家。 即便是已上市的 Serve 目前只有300 辆配送机器人,每天的活跃机器人也只保持在两位数以内,目标是年底做到 2000 辆。 主流美国玩家还在百台运营规模中挣扎,而中国玩家的体量迈向一万辆。新石器已经交付了超过 4000 台无人车,年底计划交付 1 万台,九识也早已投入超千台无人车运营,年底计划交付 1 万台。 第二个不同是商业模式。 中国玩家依托的是整个物流体系和基础设施建设,走 2B 路线。 中国玩家投入的重心在于城配物流。九识智能海外业务总负责人 Terry Zhou 认为,中国拥有全世界最复杂也最密集的城市配送需求,才激发了大量创业公司进入并快速试错。 物流场景无人化带来的降本显而易见。 柏俊波向汽车之心举例,面包车每单价格成本大概 0.3 元、轻卡可能 0.5 元, 但城配无人车可以做到每单成本在 0.15 元以内 。 中国城配玩家的落地路径是从封闭场景逐渐走到了开放路段。 前期走封闭场景,是为了快速验证技术,证明给大客户验证技术可行性,建立信任度。 刚进军城配无人车的文远也正在经历「跑案例」的阶段,但文远知行认为这是中国创业公司的必经之路——只有拿着案例去打磨产品,才能有机会撬动客户抢占市场。 而美国玩家依托的是线下零售业,走 To C 路线,他们几乎清一色就开始闯荡开放道路。 归根结底,是因为美国社区型商业普遍发达,且美国开放街区的道路难度不高、其无人车体积小,当地的法律法规也有更清晰地划分。 就在今年 5 月,美国交通部再次计划简化自动驾驶审查流程,企业如果量产自动驾驶车辆可以向车辆安全标准申请豁免。比如 Nuro 就曾经获得过豁免权,用于其不载人的低速配送无人车。 美国玩家的 To C 路线是由业务含金量决定的。 点外卖,属于美国奢侈的生活方式之一。 官方数据显示,纽约用户通过 Uber eats 每单需要支付的费用为 7.79 美元 (不包含小费) 。 如果算上小费,配送费甚至也会和食物本身一样贵。Serve、Coco 这些公司的合作模式是,一旦用户在合作餐厅点餐,系统会自动选择是否用机器人送餐。 对于用户来说配送费不变,但系统会为用户退回原本要支付的人工小费。一名用户在 Reddit 上表示用机器人点外卖能省下大概 7 美元小费。 Serve 创始人 Ali Kashani 曾表示,公司之后也会做当天送达的即时快递,但之所以要从食品配送做起,一方面可降成本很高,另一方面每人每天要吃三顿饭,食品配送是刚需市场。 Kashani 认为 Serve 有可能把最后一英里成本从 10 美元降低到 1 美元,而这些都是他从特斯拉先做 Roadster 高端车型学来的灵感。 但美国从开放街区做起,也面临很多效率及安全问题。 中国玩家担心无人车出事故,而美国玩家担心的是无人车的安全。 可爱小巧的外形也会带来麻烦,比如运送不稳定,送饮品经常出现洒出赔偿的情况,还有一些人干扰运行。Serve 内部调查过,大概有 0.2% 的人会戏弄这些无人车干扰运行。 9 年前名叫 HitchBOT 的机器人搭便车跨越国家, 在德国、加拿大取得成功后,来到美国费城后遭到破坏 另一方面,这些无人车续航、运送效率并不高,速度大概在 7-10km/h,续航集中在 30-40km,因为这些美国玩家无人车一般会白天运送,晚上集中充电。 03 融资被低估的中国玩家,早已占上风 中国玩家显然被集体低估了。 美国最有代表性的三个玩家 Coco、Serve、Nuro,前两者在告诉资本市场解决了每日三餐无人配送,自己就拿下了利润最高的部分。 Serve 员工 200 人,但已经在纳斯达克上市,市值 6 亿美金。另一家 Coco 最新完成了一轮 8000 万美金融资,估值数十亿美金。 Nuro 裁撤送货机器人业务线之后,进军 Robotaxi 市场,其讲述的 L4 级故事线,在 4 月份吸引了 1.06 亿的美元融资,最新估值 60 亿美金。 Serve 和 Nuro 共同的特点就是规模小,估值高。 九识智能海外业务总负责 Terry Zhou 告诉汽车之心,资本看中的往往不止是技术,还有叙事方式与政策风险。Nuro 抓住了 Robotaxi 概念下沉的窗口期,而中国投资人更看重项目实际落地情况,有明确的商业模式才有高估值。 「甚至是整个中国产业链上下游玩家都被低估了」。 因此,中国玩家虽然与美国玩家融资金额对等,但规模翻了 5-10 倍。 新石器、九识智能累计交付量都已经超过了 3000 台,今年分别拿到了 10 亿、20 亿元的融资额,白犀牛累计交付 500 台左右,拿到了 2 亿融资。白犀牛、新石器、九识三家公司从小到大估值分别为 15 亿、40 亿、105 亿元。 九识靠全栈自研吸引资本,白犀牛借助顺丰生态实现爬升,新石器则通过规模化能力拿到了融资。 这些中国玩家的共同特点就是过硬的协调产业化的能力,这恰恰是美国玩家难以具备的。 中国玩家们就像一只行动迅猛的雄鹰,早就盯上了行动缓慢且人力成本更高的海外市场。 九识在新加坡、中东建立本地团队和交付体系,文远知行正在筹备在阿联酋落地无人配送车,新石器已经在 13 个国家开启交付,预计 2025 年在日本落地几百台至上千台无人车。 海外市场巨量需求与其技术研发进展、价格错配,让这批中国玩家看到了大量的出海机会。 打铁还需自身硬,中国玩家出海的底气在于「多、省、快」,这也是中美玩家在产业链上的巨大反差。 第一个原因,中国城配无人车产业链比美国更完整。 中国玩家已经打造了一套从上游核心零部件到中游系统集成,再到下游场景运营的产业链脉路。 城配无人车产业链有三个关键环节:底盘制造、智驾软件算法、整车制造。 城配无人车并非小车+自动驾驶那么简单。柏俊波透露,中国无人车底盘制造行业就经历过从无到有的过程。 柏俊波介绍城配无人车从车身、零部、生产线软件、检测软件都要定制开发,甚至连小车来固定车辆的四轮定位也要重新开发。 「一切都是全新的,都是从头再来。」据悉,乘用车零件复用率和城配无人车底盘的复用率不到 5%。 美国玩家的经历已经可以说明问题。 在美国找不到一家无人车线控底盘公司或全栈自研自造的玩家。 目前美国玩家主要通过两种方式生产制造,一种是和车厂合作,一种是远渡重洋在中国代工,再送回美国组装。 Serve 和 Cartken 都和麦格纳合作定制底盘制造,Kiwibot 早期底盘和整车更是远渡重洋在台湾代工,再送回美国组装。 而中国早就诞生了专门为无人车而生的线控底盘玩家,易咖智车就是其中之一。 柏俊波回忆,行业发展早期无人车的刹车就卖 4 万元,最早他们找了五十多家底盘线控零件供应商,初期能确认合作的只有一两家。 但易咖智车已经挨过了中国城配无人车发展的蛮荒期,为这些城配无人车玩家提供技术支持。 据悉,易咖智车自建工厂每年产能 1 万台,随着中国无人城配玩家规模崛起,现在易咖智车又启动了新的工厂建设,每年产能 10 万台。 甚至九识不仅自建了每年产量 1.5 万台的常州工厂,而且还收购了一家线控底盘公司。 第二个原因是成本问题。 Kashani 认为如果交易成本每降低 1%,交易量就会增加 5%。但美国玩家卡在了生产成本这一环。 在中国造一台车比美国便宜多了。 Serve 的无人车是由北美最大的汽车制造商麦格纳国际制造,这家公司也同时负责制造 Waymo 整车。有海外媒体做过调查,目前 Serve 和 Coco 两家公司的最新一代机器人成本大约 3-5 万美金 (21 万-35 万元) 。 无法降低成本也意味着规模扩张反而会带来成本增加,2024 年全年财报显示,Serve净亏损 3919 万美金 ,比 2023 年亏损扩大了 1438 万美金。 余恩源曾透露,新石器的每辆车比美国竞争对手的成本低大概 10-20 倍。 中国玩家的降本之路走得非常快。一方面规模摊薄了成本,另一方面国产芯片、感知硬件节约成本。 比如九识自研底盘为其降本 40%,最新发售的 E6 (轻抛货物专用) 售价仅 1.98 万元。 所以也能看到,这些美国玩家「抄作业」寻求与中国产业链合作。 Coco 就开始寻找国内玩家合作。在线控底盘上与找到九号机器人为其定制底盘,在核心感知硬件上,Coco 在其最新一代无人车搭载速腾聚创的激光雷达。 柏俊波认为降本到最后考验的是对场景的理解,只有对场景有更深刻的理解,才能设计出成本、性能最优的技术方案。 而扎根于不同场景下的城配无人车,这可能是很长一段时间美国玩家无法学到的优势。 第三个特点在于中国玩家反应更快、产品更新速度更快。 美国玩家产品更新频率集中为每 2-3 年,对产品外观和成本有一次重大更新,很多玩家的官网仅 1-2 款产品。而中国主力玩家每家至少都有 2-5 台针对不同场景的城配无人车,更新频率每年一次。 且针对场景、天气适配问题的响应速度相当快。九识针对北方雨雪天气,无人车升级自清洁系统、配置雪地胎;文远知行进军中东,高温沙尘场景需定制散热模块,还要防尘防沙。 归根结底,规模决定了一切。 中国巨量的人口规模、完备的基础设施建设,以及崇尚实用主义的文化图腾 ,这三大因素注定了城配无人车开展得更丝滑。 而美国玩家的优势却在于异想天开的想象力。 美国公司 Pipedream labs 用底下管道+机器人胶囊配送,从仓库、餐厅再到地面上的取货口,仅需要十几秒,取而代之的是一条管道每英里造价 150 万美元 (人民币 1050 万元) 。 除了成本、效率、规模之外,美国玩家对无人车长得是否可爱也同样在意。 从规模化、商业化的维度,中国玩家已经取得阶段性胜利,但接下来从物流走到真正的门到门,还需要无人车的「人效」和「人味」。
华为Mate 80参数细节曝光:双层OLED直屏+3D人脸
【CNMO科技消息】近日,有数码博主曝光了疑似华为Mate 80系列新机的部分参数和功能细节。据CNMO了解,该系列新机预计于2025年第四季度(或为12月)发布,包括标准版、Pro、Pro+和RS 非凡大师四款机型,主打双层OLED直屏设计、3D人脸识别技术及影像系统创新等。 华为手机 据报道,华为Mate 80系列将全系回归直面屏设计,告别等深微曲屏方案。其中,标准版配备6.75英寸1.5K分辨率直屏,而高配版(如Pro系列)则升级为6.89英寸1.5K双层OLED直屏,支持3D人脸识别功能,屏幕挖孔尺寸进一步缩小,提升屏占比和视觉体验 。 关于双层OLED技术(Tandem OLED),其在传统单层发光单元上叠加第二层,可显著提升亮度、降低功耗,并解决漏光问题。该技术理论亮度可达单层OLED的两倍,延缓材料老化,但因成本高昂,仅用于顶级旗舰机型 。 另有消息称,华为Mate 80全系机型均支持3D人脸识别功能,延续华为对生物安全的重视。与此同时,屏幕挖孔将缩小,从而优化正面观感,但非完全屏下方案(屏下技术仍处早期阶段) 。有博主早前透露,这一设计将覆盖Pro及以上高端型号,确保安全性能的同时,实现直屏与3D识别的结合 。 影像配置是华为Mate 80系列的又一亮点。博主爆料显示,该系列主摄搭载50MP 1/1.28英寸超大底传感器,支持物理可变光圈和定制模组,可提升低光拍摄能力;长焦镜头延续红枫多光谱影像系统,但潜望镜头模组采用全新架构,区别于Pura系列,将优化变焦性能和光学稳定性 。
突发,聊聊Manus“删博跑路”
摘要: “如果最后有不错的结果,证明作为中国出生的创始人,也能在新的环境下做好全球化的产品,那就太好了” 凤凰网科技 出品 作者|董雨晴 7月11日,AI Agent产品Manus官方账号清空了发布在微博、小红书的内容。 两天前,Manus刚刚陷入裁员争议。消息称,Manus对旗下部分国内业务进行了裁员,并将核心技术人员迁往了新加坡。当日晚间,凤凰网科技从Manus内部了解到调整属实,“基于公司自身经营效率考量,我们决定对部分业务团队进行调整。公司将继续专注核心业务发展,提升整体运营效率。” 这个从北京、武汉两地出发的企业,虽是纯正的中国公司,却从一开始做的就是全球化的生意。但不巧的是,它属于AI这个在当前全球博弈格局里最敏感的赛道。 今年5月,随着Manus获硅谷风投Benchmark领投的7500万美元B轮融资(估值5亿美元)消息传出,隐忧也浮出水面。因美国《对外投资安全计划》限制,该交易不得不接受财政部审查。这项政策禁止美国资本投资可能增强中国AI技术的项目。 据媒体报道,Benchmark要求Manus必须迁出中国。另外,Manus的新加坡实体早在2023年8月就已注册。6月,Manus AI合伙人张涛即在一场分享中表示,公司已把总部从中国迁至新加坡。 清空社交媒体似乎预示着Manus已经进一步做出决策,留给人们的疑问是,作为一个本土孵化的中国企业,它必须走向海外吗? 非去新加坡不可吗? 今年3月,Manus在发布当天引爆社交网络,产品最初采用注册制,因为一码难求,相关邀请码还曾在二手平台炒出天价。 正因此,Manus在诞生之初就充满争议。核心围绕两点:其在模型能力上主要采用Claude 和 Qwen(进行额外后训练),意味着自身在AI底层技术研究上并无突破。其次,有人认为邀请制是饥饿营销,其关注度名不副实。 凤凰网科技在爆红之前和Manus就已有接触,这是一个由三个年轻人构成核心管理层级的创业团队。创始人之一肖弘,人称red,为连续创业者,更早之前扎根移动互联网,在Manus之前的最后一段经历是基于海外大模型做的浏览器插件Monica。多位与肖弘有过接触的行业人士都曾对凤凰网科技表达过对red的肯定态度。 凤凰网科技曾向肖弘发出过采访邀请,但彼时其对我们表示,“我们还比较早期”,希望在更合适的时机和大家见面。多位与肖弘有过接触的人士告诉我们,他长期呆在武汉。 图|季逸超,Manus联合创始人兼首席科学家 在肖弘的连续创业经历背后,一直站着几个投资方,其一是真格基金,其二是腾讯。“一直拿的是美元”。Manus从一开始发布面向的也是海外用户,连介绍视频都是英文的。 据aiwatch.ai报告显示,Manus目前的流量来源top5分别是巴西(12.52%)美国(10.81%)中国(9.56%)印度(7.29%)和埃及(4.55%)。 过去几个月,也几乎是肖弘、张涛、季逸超(联合创始人兼首席科学家)等人最高频出现在海外的时期。凤凰网科技了解到,Manus团队先后在美国、法国、新加坡、日本、韩国等地巡展,甚至在海外的高速路、地铁、公交站投入了大量线下广告。不久前,肖弘还在社交媒体晒出了一张照片,照片是他和张涛一起和微软CEO Satya Nadella(萨提亚·纳德拉)的合影。 几乎是同一时期,Manus 也宣布了和微软 Azure AI Foundry 达成合作。 可以确认的是,自爆火以来,从合作方到投资机构,Manus在海外吸纳了最顶级的资源。在国内,Manus唯一官宣过的合作方是阿里旗下的通义千问,凤凰网科技了解到,这次合作由阿里集团CEO吴泳铭亲自推动,此后双方就共同开发Manus中文版。之前中国用户点开Manus链接,会看到“中文版本正在开发中”的字样,但现在,打开Manus官网,显示则是,“Manus在你所在的地区不可用”,似乎宣告着这段合作的中止。 产品怎么样了? 自3月爆火之后,Manus曾因注册制备受质疑。许多人并未真正使用过该产品。 直到5月中旬,Manus在社交平台发布消息称,从5月12日起,Manus向所有人开放,无需等待名单;所有用户每天可免费执行一项任务,消耗300积分,所有用户一次性获得1000积分奖励。 两天后,Manus就爆出了融资传闻,称其拟以15亿美元估值开启新一轮融资。当manus方面就对凤凰网科技表示,“此消息严重失实,目前公司正专注产品研发和用户体验”。 在这之后,Manus的功能更新就极其频繁。仅6月期间,就先后推出了视频生成功能,强化图片搜索功能,宣布集成veo3、OneDrive,推出playbook功能,推出免费无限制的聊天模式。 6月中旬,Manus官方还发布了一则招聘信息,在新加坡招聘AI工程师、数据科学家、软件开发经理等岗位,月薪8000美元起步。此前,其在加州、东京也设有办公室。 但与此同时,Manus从诞生到壮大背后,还与两地密不可分,北京和武汉。分别对应的是北京蝴蝶效应科技有限公司/北京红色蝴蝶科技有限公司、北京蝴蝶效应科技有限公司武汉分公司,目前这两家公司还处于存续状态。 毫无疑问,无论是创始团队的早期经验,还是后来所走的路径,都清晰的表明了Manus从诞生之初就定位于全球市场。但其创始团队又是全华本土背景,肖弘毕业于华中科技大学软件工程专业,很长一段时间创业都是在国内互联网环境下。季逸超在大学休学创业,后在北京信息科技大学读完了研究生,其创办的Peak Labs后推出了猛犸浏览器,也凭此拿到了真格和红杉中国的投资。张涛则是前神策数据副总裁,在2023年时曾加入王慧文创办的AI公司光年之外。 当前,留给这支全华队伍的,是一个全球化难题,“想要在全球化的竞争里做好产品,有很多不是来自业务本身和用户价值本身的烦恼”,肖弘说,“但这一切是值得的,一方面因为旅程本身就有很多开心的、让自己和团队成长的事情。另外一方面,如果最后有不错的结果,证明作为中国出生的创始人,也能在新的环境下做好全球化的产品,那就太好了!”
苹果最便宜MacBook Pro曝料:A18 Pro芯片、多彩选择
IT之家 7 月 11 日消息,科技媒体 MacRumors 昨日(7 月 10 日)发布博文,挖掘并梳理当前关于苹果最便宜 MacBook Pro 的信息,将配备 iPhone 端的 A18 Pro 芯片,13 英寸屏幕,有望在 2026 年春季发布。 外观设计方面,这款 MacBook Pro 采用 13 英寸屏幕,预估大小和目前在售的 13 英寸 MacBook Air 相似。 苹果公司曾于 2015 年推出 12 英寸的 MacBook 产品,采用无风扇设计,而本次曝光的 MacBook Pro 可能作为继任者身份发布。 颜色方面,这款 MacBook Pro 预估会类似 iMac,推出银色、蓝色、粉色和黄色等选择。 芯片方面,这款 MacBook Pro 将使用 A18 Pro 芯片,苹果的代码中也出现了搭载 A18 Pro 的 MacBook 迹象。IT之家注:A18 Pro 是 iPhone 16 Pro 中使用的芯片,采用第二代 3 纳米工艺。 散热方面,iPhone 16 Pro 采用了一种结合钛框架和石墨包裹铝制子结构的散热设计,部分设计可能会应用到 MacBook 上。 内存方面,MacBook 的起始内存为 16GB,而 iPhone 16 Pro 只有 8GB 内存,为满足 Apple 智能(Apple Intelligence)运行体验,因此该媒体推测这款 MacBook Pro 预估会配备 16GB 内存。 端口方面,由于 A18 Pro 芯片不支持 Thunderbolt,这款 MacBook 将仅支持 USB-C(10GB/s)端口,无法提供 Thunderbolt 的速度。 价格方面,搭载 M4 芯片的 MacBook Air 起价为 7999 元,配备 10 核 CPU、8 核 GPU、16GB 内存和 256GB SSD。A18 Pro 版本的 MacBook 可能会便宜几百美元,但目前尚无具体定价信息。 发布日期方面,郭明錤表示,苹果将在 2025 年第四季度末或 2026 年第一季度初开始生产这款低成本 MacBook Pro,因此苹果可能会在 2026 年春季发布。
叫停电动车研发,本田在打什么算盘?
导语 Introduction 虽然海外市场的决定并不会影响本田在中国的布局,但这也给本田提了个醒:面对中国车市,转型要恒心,更要决心。 在电动化转型一事上,到今天,本田到底想清楚了该怎么去做嘛? 过去两年,眼看着大众、丰田、日产接连给出了自己的解决方案,或高频拿出电动化的新产品,或入股中国车企实现技术的弯道超车,抑或索性借助中国产业链优势推陈出新,继Honda e之后,本田倒也尝试了很多次向市场推出了纯电新车。 但总的来说,相比同行,本田对于转型的底层逻辑,更多的是基于新政策的出台而给出应对方案。在主动出击方面,进攻强度似乎还不太够。 这两天,有关本田要停止研发新电动车的新闻,又在舆论层面上闹得沸沸扬扬。人人都觉得,在电动化转型上,本田越来越不明白市场变化的节奏了。在大多数车企都在积极投身电动车的研发时,本田还真是头铁。 今时今日,汽车行业有关电动化转型的目标已经达成共识,不管现阶段各级区域市场是如何考虑转型,发展电动车总是必不可少的。带着长期主义的目光去看待这个问题,理应是每家汽车企业都该做到的。 就算本田再固执,逆势而为可不是现在该做的事。换句话说,只要身处在商业环境,停止研发电动车的诱因中大多有着特定的区域问题。 前段时间,本田想着去重新拥抱混动车,是因为全球电动化减速而致,那现在,本田声称停止研发一些新的电动车型,一定是基于美国市场终结电动车税收抵免政策的大背景,而在中国,本田却想方设法在电动化上做出成绩,想必也和中国新能源市场的整体情况脱不了干系。 01 海外市场骤变,本田随势而动 这两年,有关本田给出转型计划的新闻,也算是屡见不鲜。在全行业纷纷投身智能化、电动化等领域,一个个的都喊出甚是夸张的口号中,本田倒也显得格外积极。 最让人记忆深刻的一次,便是在2025年国际消费电子展上,随着本田展示出了0系列概念电动车,包括0 Saloon和0 SUV,人人都认为,本田都打算将新车的量产放在本田位于俄亥俄州的专用电动汽车中心,不就是在说,本田对于未来的规划,终于有了更贴近友商的样子。 然而,就全球范围内对待电动化的整体态度一变再变的现实,说真的,车企每个阶段所宣称要做的事,估计也就是那个时间段所能给出的信号罢了。 不只是本田,单单是面对欧洲各地愈发放缓的转型力度和对于电动车产业的扶持下滑,当各大车企重新出台新的规划,以便放慢节奏,其实就能看出,电动化早早就和当年为环保而生的想法脱了节。 因此,对于本田的临时变卦,就算没人说,我们也应该知道,一定和大环境有着牵连。而就本田此番动作,说什么也离不开美国电动车发展的真实现状。 不过也正是因为这样,真就不得不让人担心,本田在电动化转型上是否能做到出两手准备。 一边,当持续17年的美国电动车税收抵免政策宣告终结,从9月30日开始,现有的7500美元电动车税收抵免将取消,4000美元的二手电动车抵免也将取消,本田可以很迅速地叫停后续电动车的研发,及时止损。那另一边,在全球其他市场,本田是不是该拿出点积极的态度,主动求变? 先不说本田在中国的处境, 就单是在海外,本田所作出的所有反应又是否为之带去了实打实的利益输入,至今都难说出一二。 2022年6月16日,索尼和本田正式签署协议,双方各持股50%,将聚焦移动出行领域,成立一个新的合资公司,全称为“索尼Honda移动出行株式会社(Sony Honda Mobility Inc.)”。 可到了今年3月,根据他们自己公布的财务报告,公司运营亏损了520亿日元,折合人民币大概是26个亿。别看这点钱并不多,可在收入那一栏显示为0时,再叠加新车Afeela亮相后毫无波澜的市场反馈,我们几乎可以预见,本田和索尼的合作,短期内都难见成效。 而另一边,随着本田汽车首席执行官三部敏宏早在2023年年尾表示:由于商业环境的变化,该公司正在搁置与通用汽车公司联合开发经济型电动汽车的计划。基于通用奥特能平台打造的本田Prologue,估计也不可能是市场上激起水花了。 这些想象究竟在说明什么呢?不就是在说,在针对海外市场的电动化转型上,本田所需求的合作共赢,缺少了太多的培养沃土。通用、索尼的技术帮扶和本田造车理念的偏差,一旦遇到政策冲击和消费需求下滑的现象,直接成了本田转型不畅的根本。 02 中国市场,还得另当别论 回到今年5月份,本田的财报会上,鉴于当前的产业发展,本田很笃定地说了,要削减在电动车领域的投入,将研发开支更多转移到混动产品上。原本计划投入10万亿用于纯电车研发,经过调整后也降到了7万亿日元。 同时,在2027~2030年期间,本田计划在此期间发布13款下一代HEV车型,同步推动燃油效率提升10%,混动系统成本降低30%(相比于2023年)。Honda 0品牌的定位也发生了改变,除了原有的纯电车,本田的全新混动车型也将被纳入Honda 0的品牌下。 是的,在这些新规划推出的背景下,本田在叫停一些电动车的研发上,表现得如此坚决,好像也没有那么离经叛道。但是,既然世界格局的演变已经出现了不同轨道,那么,硬币就总会它的两面性。 在海外,不管本田如何放下电动化转型的投入,作为身在中国的每个人,相比眼看本田深陷在销量泥淖中难寻出路,更在乎的总是,本田何时能在中国真正参透新能源市场所发生的一切。 为中国用户造车,而不是遵循过去的思路造车,更不是因为时代变革、政策变迁而迎合造车。今年,眼看丰田、日产已经证明了自己有能力造出中国消费者需要的电动车,那对于本田来说,没什么比跟上大部队更重要了。 在本田的世界观中,也许“用技术变现”、“维持品牌调性“等目的都得排在夺取市场份额前面,为此,细数过去几年时间,就像本田在海外那样,搭上通用、索尼的操作,所有推出的电动化产品清一色带着本田的味道,却又少了几分现实的底色。 从为了新能源积分搞出绎乐、VE-1或XN-V/MN-V,到后来的e:NP1/S1,再到现在烨品牌下的新车,每一个阶段,面对中国车市的进化,新车迭代的水平提升好像很符合本田的预期,但得不说,本质上还是有着浓厚的本田特色。 在对待中国电动车用户的多变需求时,与其说,本田是在因为现状被逼着做新车研发,倒不如说,本田还是延续着在全球市场所执行的由本田主导,属地修改的研发手法。中国市场如此特殊,消费变迁的速度都在瞬息之间,本田跟不上节奏也真没办法。 只不过,要是改不了习惯就意味,中国新能源车市很难给本田留出市场,那请问本田将作何感想? 在北美,就因为新政策出台让新能源补贴一下归零,从而使得本田萌生放弃研发电动车的想法。在躺平挣钱和无目的花钱之间,很诚实地选择前者。可在中国,就由不得这样了。 本田这段时间的市场表现,人人都能看到。本田就算再不理解,为什么友商赔本亏钱也要造电车。面对品牌美誉度极速下滑,舆论场上对于其和丰田、日产之间的差距也颇有微词,本田也没有什么好质疑的。 为中国用户造受他们认可的电动车。并不是一句玩笑,更不是企业拿来宣誓决心的口号。 因此,事到如今,不管海外市场如何能让本田任性给出自带性格的决定,在中国,全面启动向电动化、智能化方向的变革,不可有一丝动摇。未来,在吸取P7/S7研发过程中的经验,本田需要坚定不移地放权给中国研发团队,从产品定义到技术取舍,缺一不可。
Perplexity CEO最新洞察:从搜索到执行,推理模型正在接管生成式AI的下一站
推理模型正逐步接棒预训练范式,成为生成式系统进入部署阶段的关键转折点。Perplexity 联合创始人兼 CEO Aravind Srinivas 在一场哈佛对谈中指出,当前行业焦点已从扩大模型参数与语料规模,转向构建具备执行力与反馈机制的系统架构。 他表示,这场范式转移不仅关乎模型本体的能力提升,更牵动整个 AI 工程流程的重构,从数据采集、用户反馈到任务调度与系统集成,逐一转入推理范式的适配轨道。 Srinivas 所领导的团队正将语言模型作为系统构件嵌入搜索问答场景,围绕真实使用路径持续迭代其 agent 能力与部署逻辑。其判断核心在于:通用预训练模型构建了语言理解的基底,但无法直接转化为可用系统,唯有借助推理机制与行为反馈,才可落地为具备自主任务执行能力的产品形态。在这一背景下,训练范式正从 token 预测走向行为规划,模型目标不再是模仿语言,而是解决任务。 以 Perplexity、DeepSeek 等系统为代表的推理模型体系,正在形成新的产品架构共识:用结构化任务路径替代文本拟合,用真实反馈闭环替代离线评估,在系统工程层解构模型边界。 这一转变也促使产业链重构资源配置策略,从 UI 包装先行、开源模型试验,到行为路径验证后再行训练与部署,真正建立起“任务能力—系统结构—资源决策”三位一体的闭环机制。 从全球系统架构的推进路径来看,Srinivas 所面对的问题正是整个 AI 工程迈入执行时代的典型缩影——在模型能力尚未定义清晰、反馈机制仍未闭环的条件下,如何推进具备部署意义的阶段性系统建设。 ▍ 推理模型接棒预训练范式 过去两年,生成式预训练模型在语言理解与生成方面取得显著突破,但这一范式已触及阶段性边界。行业重心正从扩大语料与参数规模,转向提升系统执行能力与任务推理深度。新一代模型将更依赖后训练阶段的结构化调优,以支持复杂逻辑链的处理、任务流程的执行及网页环境下的行为操作。这一趋势已成为全球头部模型实验室的主要研究方向。 预训练提供了模型对世界常识与语义结构的底层掌握,但若要构建真正具备实用价值的智能系统,仍需在垂直任务场景中实现能力精修与结构落地。以 Perplexity 为代表的系统正围绕真实使用路径进行再训练,目标是在产品层实现连续价值传递。与此同时,中国开源体系的快速演进也对全球节奏形成牵引,DeepSeek 的出现已成为北美团队显著对标压力之一。 DeepSeek 的突破不仅体现在工程能力上——包括系统编译、浮点运算优化、内核调度及低端 GPU 上的大模型部署能力,更关键在于提出并实现了“推理模型”的具象路径。其发布的 DeepSeek Zero 展示了在无监督环境中,通过强化学习引导模型产生具备执行力的推理行为,为自动化 agent 的训练机制提供了结构性模板,也为行业探索能力边界打开了新通道。 在产品与研究协同推进的路径中,部分团队已引入结构化机制,将前沿研究聚焦于模型任务能力与系统性能优化,产品端则专注于界面设计、信息组织与用户体验,借助问答搜索融合场景测试表达策略与推理流程。这一“双螺旋”机制确保每轮迭代均具备明确实验验证基础,形成稳定的反馈与更新节奏。 在资源调度层面,领先企业基于对模型机制的理解,将系统反馈信号直接转化为计算资源决策:当小规模推理 agent 实验取得正向验证,便快速放大部署规模,直接采购万张 GPU 构建完整推理系统。其背后逻辑建立在对 AI 模型性能与经济回报之间强关联的深度认知。 同时,一种“延迟训练”策略也在部分公司内部被验证有效:初期通过 UI 包装构建原型,先行获取用户数据与行为反馈,再择机启动大模型训练,利用开源模型的性能进展弥合初期资源限制。2023 年,这一策略在多个项目中获得验证,并已被纳入产品设计、技术投入与资本配置的主流程中。 ▍ 任务路径主导的数据重构范式 模型训练的重心正在从大规模语料抓取转向具象任务路径的构建。在任务导向的训练范式下,模型能力的提升不再依赖复刻人类语言表达,而聚焦于执行链式行为——包括数学推理、代码生成、网页点击、文件处理等具体操作。训练样本以“任务行为路径”为单位组织,形成 agent 系统推理能力的关键基座。 这一转变也带来了数据来源与训练目标的深度变化。企业普遍放弃自建预训练模型,将通用语义建构交由开源社区与闭源实验室完成,自身则聚焦在此基础上构建封闭式微调体系。调优任务集中于结构化生成能力与系统性操作流程,如摘要提取、格式转换、文档重写与上传执行等模块性技能,意在打造可部署、可评估的智能组件。 在训练数据合规性上,尽管围绕著作权与生成内容的争议仍存,例如《纽约时报》所发起的诉讼尚在推进中,行业实践已逐步形成共识:只要输出未显著复现原始内容,即可被视为“合理使用”。为此,多数企业采用隔离语料、转换输出格式、强调任务导向的策略来降低潜在风险,主动规避语义复刻路径。 模型数据来源亦在机制上全面重构。真实用户的查询行为与交互反馈成为最核心的能力训练信号,点赞、修改、点击等行为被系统性采集,用于指导模型排序与强化过程。同时,系统也基于历史回答表现,动态调整信息源的抓取策略——优先提升高价值内容的爬虫频次与索引深度,形成反馈驱动的数据供给机制。 人工评估依然是训练流程不可替代的环节。常见流程为:并列呈现两个模型输出,由人工判定优劣,进一步用于训练排序模型或标注样本质量,在摘要精度、多轮对话连贯性与任务响应合理性等任务中,仍需人工信号作为质量锚点。 与此并行的是合成数据机制的系统性引入。训练流程中,大模型已承担“教师模型”角色,对小模型输出进行打分、结构标注或行为分类,以生成微调用的小样本数据集。此机制在构建 UI 分类器等任务中效果尤为显著。以用户意图识别为例,通过大模型自动识别金融、旅游、购物等查询类别并回传标注,再由小模型模仿学习,形成自我监督闭环。 该路径不仅提升了数据生产效率,也奠定了用户意图理解、检索路径规划与响应行为分流等系统能力的训练基础,成为支撑推理型 agent 架构的关键技术底座。 ▍ 搜索替代路径与系统资源重构 算力资源已成为当前 AI 系统扩展能力的核心约束。早期基础模型的训练高度依赖超大规模算力支持,即便存在方法层创新,若缺乏工程调度与资源后端,成果往往难以形成产业影响力。与学术机构相比,平台型科技企业在算力组织、系统工程与产品部署方面具备更强统合能力,也因此吸引大量研究人才从实验室迁移至产业端,寻求高执行力的落地平台。 尽管底层大模型训练仍被少数资源集中型团队主导,但在模型抽象层之上的系统架构设计,仍保有广阔创新空间。从 Agent 框架构建、任务评估机制、上下文协议标准化,到模拟环境设计与多模块协同策略,系统价值更多取决于结构效率而非参数规模。这一层的研究不依赖极限算力,更适合在产学之间建立长线合作路径。 面对搜索引擎巨头的存量优势,新系统普遍选择避开算力正面碰撞,转向机制异构的路径切入。其基本判断是:一旦大型平台将生成式系统部署至全域入口,查询量所带来的系统负荷将呈非线性放大,导致基础设施成本结构性失衡。与此同时,高品牌溢价平台在面对误生成结果时容错空间极小,内容安全机制无法有效闭环的前提下,其策略迭代频率受限,进一步削弱系统更新能力。 更深层次的错位来自商业模型本身。传统搜索平台依赖点击导向的广告变现路径,CPC 模型与生成式问答系统的行为机制难以直接映射。生成内容不具备标准化跳转目标与转化路径,广告投放的 ROI 难以衡量,广告预算逐步向更可控渠道转移。与此同时,搜索广告具备高毛利、低边际成本优势,而生成式系统部署与运行成本高企,导致单位收益比明显劣后,形成结构性商业落差。 正是这种路径与结构的错位,为新兴系统打开了机会窗口。相比动辄重构商业逻辑的大型平台,轻结构团队可跳过既有依赖,直接构建“技术—产品—商业”的快速闭环。在技术实验与商业路径之间建立高速反馈机制,使问答搜索融合系统具备现实可行的替代潜力。 部分团队采用“先用后训”策略,即初期以开源模型搭建系统框架,获取用户交互与行为数据,在系统结构稳定后再转向自研模型体系。该路径显著降低早期资金消耗,同时建立在对开源能力演进的前瞻判断基础上。随着开源模型逼近闭源性能上限,工程替代的可行性与实用性已被逐步验证。 搜索系统的收入结构当前仍在重构期,用户点击路径尚未稳定重构,AI 系统在人均变现效率上与传统搜索存在显著差距。无论是 Gemini 等订阅模型,还是嵌套于搜索入口的预览式生成系统,当前商业化能力尚未具备广告系统的成熟支撑。搜索结构性变革仍处在早期窗口期,而这一阶段,正是新路径实验的关键周期。 ▍ 拟人化误用与教育结构重构 生成式 AI 的实际使用路径,正在系统性偏离其原始设计目标。自 Eliza 聊天程序以来,用户便倾向将语言系统视为具备情感理解与互动能力的“类人存在”,即使底层逻辑完全建立在统计与预测基础上。当代大模型虽被明确定位为“对话式搜索”或任务型助手,用户仍频繁构建出角色扮演式的交互场景,拟人化使用模式在多个平台中持续增长,难以仅靠界面设计或输出约束加以彻底规避。 这种误用行为的普遍性也引发对系统伦理边界的关注。生成式系统已在婚姻、医疗等高度私人化场景中被非预期使用,即便系统未直接给出建议,内容呈现或路径引导本身已构成对决策过程的介入。部分团队尝试以“引用驱动型问答”限制系统角色定位,但在使用惯性与拟人理解框架下,用户误用仍广泛存在。 这一趋势在个体案例中表现尤为显性。曾有角色型 AI 产品在真实事件中被卷入争议:一位年轻用户在结束生命前高频使用该系统,虽然系统责任难以界定,但沉浸式交互模式已引发对“情感接口依赖”的广泛担忧。尽管产品设计避免模拟情绪反应,用户依然将其视为情感替代体。部分开发团队已开始回归以“行为导向、工具导向”为核心的产品哲学,试图用功能边界取代人格模拟,成为新一轮设计共识。 在未成年用户群体中,风险复杂性进一步放大。儿童用户绕过系统限制的能力往往被低估,例如通过多语言混输规避语义识别,或分段提示引导模型生成敏感内容。当前行业尚缺乏统一内容审查机制,“交互白名单”“内容频次拦截”等防护策略仍在试验阶段,但监管与风险控制需求已日益迫近。 与此同时,教育系统正经历由生成式 AI 引发的结构性转变。不仅教学手段需围绕 AI Agent 所提供的个性化能力进行重构,更关键的是教育目标本身正在迁移。在信息可得性极高的背景下,传统以知识灌输为核心的教育模式逐步失效,“问题定义力”与“判断标准构建”成为教学系统的核心输出。 任务设计正从重复练习与模板化答案转向结构思维与探索导向。教师角色也正在从知识评分者转为学习路径的激发者,系统应围绕“提出 AI 无法直接解决的问题”展开设计,让学生在提出、验证与修正问题的过程中,构建具备解释力与审美张力的知识结构。 随之提升的,是对表达力与结构化认知的需求。从数学模型到伦理议题,真正激发学习动机的,往往不是知识本身的难度,而是其呈现方式的复杂性与美感。“如何组织复杂信息、表达认知张力”正成为未来最稀缺的学习能力之一。 教育结构的底层逻辑也在同步迁移:越来越多的本科生已开始承担原属研究生阶段的开放任务,教育系统正在由“传授知识”向“唤起能力”转变。面对 AI 工具普及,教育的独立价值将由是否能赋予学生结构性认知与判断力来决定,而非知识点掌握本身。 ▍ 能力闭环瓶颈与 AGI 路径分歧 关于 AGI 的能力定义与路径选择,业界已形成结构性分歧,这一争议不再停留于学术层面,而直接影响到企业在系统架构与产品策略上的根本判断。尽管生成式 AI 已在多个垂直任务中展现初步执行能力,但要实现具备通用性与自治决策力的系统,仍面临关键断点。真正的挑战不在于某项能力的单点突破,而在于“任务理解—计划生成—动作执行—反馈评估”四个环节的完整闭环是否能够建成。 这一断裂在产品实践中表现为:即使底层模型已更新,如 GPT-4 被替换为 O 系列,用户仍普遍停留在旧版本标签下的性能感知中,对“推理模型”“O3”等术语缺乏理解。这意味着系统能力的实际跃迁被前端体验屏蔽,模型更新价值无法穿透至用户侧,从而在产品路径中造成“能力不可见”的结构遮蔽。 基础模型的研发方正在通过平台化路径重构生态控制力,即同时掌握模型本体、用户界面与数据反馈闭环,形成从行为采集到能力演进的自主循环。这种“模型即平台”的结构强化了数据主权与调优能力,也让单纯依赖 API 的公司面临商品化与价值链外溢的风险。 在此背景下,开源模型的可行性获得重新评估。以 DeepSeek 为代表的项目通过结构创新与推理机制构建,在非极限算力条件下实现能力逼近,打破了“开源只能做轻量模型”的旧有认知。当前部分开源系统已具备在部署效率、能力呈现与模块架构上的独立价值,成为产业链中具备战略选择意义的变量。 与此同时,模型系统与外部软件环境之间的接口边界依然模糊。当前尚缺乏统一协议来实现模型与桌面软件、Web App、第三方服务的顺畅衔接,调用权限、上下文封装与行为反馈标准未被统一,成为平台间博弈的结构焦点。谁掌握最终执行路径的控制权,决定了流量与收益的分配模式,也直接影响平台对 agent 系统的态度。 例如,Amazon、Instacart 等依赖广告变现的平台通常对外部 agent 系统保持克制态度,避免 agent 绕过前端完成交易,破坏其推荐系统与广告定价模型。而 Uber 等按次计费平台对 agent 嵌入接受度更高,甚至将其视为增量流量通道。平台是否允许被“代理”或“封装”,本质上取决于其商业结构与收益分配模式。 在系统架构演进过程中,模块化抽象粒度成为设计策略中的核心变量。早期推理系统普遍采用显式模块划分——排序、检索、摘要等组件独立调用,部分产品甚至通过角色命名(如 Sir Johnny、Mother Dinosaur)标识模块职能。但随着复杂度上升与运维压力增加,系统结构正向调度集成倾斜,主模型承担更多任务分发与逻辑判断职能,追求路径收敛与稳定性。 模块设计的颗粒度折射出团队对“可维护性—任务复杂度—系统弹性”三者关系的理解。组件划分过细容易引发接口不稳定、边界模糊等协作瓶颈,划分过粗则削弱系统的适配灵活性与功能复用能力。这一策略无法靠通用模板解决,更依赖团队的工程判断与系统直觉。 从能力判定的角度出发,AGI 的真正成立并不在于模型是否能答对一个问题,而在于其是否具备提出一套可执行方案,并获得组织信任的能力。例如,若模型能够制定一条六个月的产品路线图,解释其资源配置依据,并促使管理层投入百万元预算,即构成“可信任的自治执行体”的雏形。这一标准远高于传统答题型 AI,更接近系统级决策支持。 限制这一目标实现的关键因素,在于部署后的高质量反馈链条仍未建成。即使模型能给出合理建议,如代码修复方案,系统通常无法自动验证其是否真正解决问题,或是否引入新的潜在错误,导致“行为结果—能力更新”之间缺乏稳定传导路径。 一种潜在解决思路是:构建容错的真实部署环境,引入强化学习机制,使行为结果成为训练反馈信号,进而实现“任务执行—后验评估—能力微调”的动态闭环。这一路径的挑战在于如何控制部署风险、评估延迟与成本,但一旦机制得以搭建,模型将从静态能力体跃迁为具备自我校正能力的动态执行节点,构成通向 AGI 的现实工程通路。 如果你也在思考从“能生成”到“能交付”的能力跃迁,欢迎加入这场关于推理模型与 Agent 架构的深度讨论: 7 月 18 日,「2025 生成式 AI 全球化高峰论坛」将汇聚全球最具实战经验的 AI 创始人与系统架构师,共同探讨技术转折期的落地路径与商业模型;7 月 19~20 日 非凡学堂实战营也将进一步拆解产品打造、增长闭环与出海打法,为你提供从 0 到 1 的系统方法论。 主办方邀请了 88 位来自全球化一线的 AI 创业者与产业操盘者,他们既是细分赛道中的探索者,也是推动 Agent-as-a-Service 真正落地的中坚力量:

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。