EN
中文
注册 / 登录
产品分类:
加载中...
头条分类:
加载中...
全网爆火的AI模型nano banana,免费不限次数使用教程
疯狂在全网刷屏的Nano Banana模型,终于正式显露真身了。 这款神秘且强大的图像生成与编辑模型来自谷歌,还有一个非常谷歌的官方名字: gemini-2.5-flash-image-preview。 正式上线后不久,在Artificial Analysis图像编辑排行榜上,Nano Banana直接跃升至第一位。 出道不到一周,就彻底改变了游戏规则。 脚踢Flux,拳打GPT4o, 还把Photoshop扫地出门。 这段时间,无论是你什么圈子的,大概都刷到过这些AI手办图: 每个帖子的下面,都有网友留言表示: 到底在哪里买的手办,我也想买! 然而事实上,这些看起来十分精细的手办,都是Nano Banana生成的,包括后面逼真的建模界面和书桌背景。 就像GPT-4o绘图模型刚诞生时,用吉卜力画风席卷全球那样火爆。 Nano Banana模型甚至在正式上线之前,就已经如同病毒一般在互联网上迅速传播开了。 宠物圈的、户外圈的、动漫圈的、游戏圈的,全都为之着迷,用它生成了各种各样真人or二次元手办,网友们玩得不亦乐乎。 据谷歌官方介绍,Nano Banana模型具有“SOTA的图像生成与编辑能力、惊人的角色一致性以及闪电般的速度”。 也就是说,其实除了莫名走红的AI手办图外,Nano Banana还有许多牛X的能力。 比如:上传一张人物照片,让AI修改其中的某个元素,它都会在任何新场景下都保持主体的外貌一致。 比如:上传多张照片,让AI把它们融合在一起,它也能够完美识别背景和主体,让新生成的图像在保持主体一致的情况下栩栩如生。 在以前需要Ps等专业工具才能做到的效果,Nano Banana只需要几十秒时间就能完成。 从官网给出的价格大概计算下来,Nano Banana生成每张图像的成本大约为 0.039 美元(约 0.28 元)。 那么作为国内用户,在无法访问谷歌、没有谷歌账号的情况下,如何使用Nano Banana模型呢? 这里我来给大家分享一个免费的浏览器插件——DeepSider。 Nano Banana已经在DeepSider中上线,所有用户均可以免费、不限次数使用!! 官网:https://www.deepsider.ai/ 如何使用DeepSider? DeepSider是一款浏览器侧边栏插件,支持与多款热门AI模型进行聊天对话和图像生成。 最重要的是,不用魔法!QQ邮箱、163邮箱就能注册使用! 国内用户直接就能体验最新的Nano Banana、GPT-5、Grok4、Claude 4、GPT-4o画图、Gemini 2.5 Pro、DeepSeek V3.1等等热门模型。 点进官网后,根据你的浏览器版本,比如Edge浏览器,进入在线安装界面。 点击获取按钮,安装DeepSider插件。 装完插件后,记得将插件图标固定在浏览器顶部。 需要使用的时候,点击顶部的DeepSider图标,就能随时打开侧边栏与AI对话了,无需在多个页面窗口间来回切屏。 打开侧边栏后,再把模型切换到Nano Banana,就可以开始使用了。 DeepSider中有两条Nano Banana的线路,其中一条是限时免费,可以不限次数生成。 如果想要生成网友同款的AI手办照片,那么只需要上传一张主体清晰的图片,再输入这段提示词: Please turn this photo into a character figure. Behind it, place a box with the character’s image printed on it .Next to it, add a computer with its screen showing the Blender modeling process. In front of the box, add a round plastic base for the figure and have it stand on it. The PVC material of the base should have a crystal-clear, translucent texture, and set the entire scene indoors. 等待片刻,你的小猫专属AI手办就做好了,简直一比一还原: 再上传一个你喜欢的游戏角色,输入同样的提示词。 很快,一个市面上都买不到的精美手办也做好了: 除了生成手办,你还可以任意修改图中的某些元素。 比如上传一张梅西的个人照片,让它把背景替换到国内的景点。 一张梅西的西湖打卡照也很快生成了: 再比如,可以用Nano Banana生成赛博朋克城市: 把秃头的头发变得茂密: 逛网店的时候,看到哪件衣服好看,都可以保存下来,然后用Nano Banana换到自己身上看看效果。 当然了,在DeepSider中,也不仅仅只有Nano Banana这一款强大的模型。 除此以外,你还可以切换到Claude、GPT、Gemini模型,一边看视频,一边让AI在侧边栏替你写代码、写文章、画图,非常便捷。 即使是代码小白,也可以通过Claude 4 Sonnet一句话生成一个精美的、可以互动的网页。 给Gemini2.5Pro一个巧妙的指令,它就能替你快速找出真实的文献资料。 DeepSider也支持PDF、Word、TXT等多种格式文档的智能解析,甚至可以同时上传多份文档,快速提取关键信息。 无论是生成图片,还是总结文档内容、写代码、查找真实文献、写论文综述,DeepSider都能帮助你极大地节省成本和时间。 目前做侧边栏的工具很多,做AI集成工具的也很多。 但像DeepSider这样,提供了顶级大模型免费使用的侧边栏AI工具,几乎没有。 既不需要安装电脑客户端,又不需要自己去折腾api,还支持国内邮箱注册,不限制设备登录数量。 如果免费积分不够使用,也可以选择购买套餐,一个月卡最低只需要20几块钱。 很适合新手和讨厌繁琐的小伙伴,值得尝试。
清华团队开源发布首个结构化数据通用大模型
2025 年 8 月 29 日,由清华大学计算机系崔鹏教授团队联合稳准智能共同研发的结构化数据通用大模型 “极数” (LimiX)正式宣布开源。此次发布标志着我国在结构化数据智能处理领域的技术突破与生态开放迈出关键一步,将显著降低千行百业应用结构化数据 AI 技术的门槛。特别是在结构化数据占主导的泛工业领域,“极数”大模型将助力AI深度融入工业生产全流程,破解工业数据价值挖掘难题,为实现智能制造与新型工业化提供关键支撑,推动产业技术变革和优化升级。 在泛工业领域,结构化数据是核心资产——工业生产参数、设备运行数据、质量检测数据、科研实验数据等均以结构化数据形式呈现,其智能处理能力直接影响产业效率与科研突破,也是 AI 赋能工业制造的关键突破口。虽然通用大语言模型(LLM)凭借强大的文本理解与生成能力,已在内容创作、对话交互等领域实现广泛应用,但 LLM 在面对表格、时序等结构化数据时短板明显:数值比较、计算等基础任务易出偏差,更无法胜任数据分类、预测、归因等复杂任务,准确率难以满足真实行业需求。因此,目前工业结构化数据处理依然依赖私有数据+专用模型的传统范式。由于专用模型难泛化、不通用,面对不同场景需要训练多个专用模型,成本高、效果差,且难以发挥数据要素聚集的乘数效应,严重制约了AI在工业场景的落地路径。 结构化数据通用大模型(Large Data Model, LDM)则针对性解决这一痛点:不同于 LLM 聚焦文本,LDM 融合结构因果推断与预训练大模型技术,既能捕捉结构化数据的内在关联,又具备强泛化能力,可跨行业适配多类任务。“极数”大模型可以支持分类、回归、高维表征抽取、因果推断等多达10类任务,在工业时序预测、异常数据监测、材料性能预测等场景中,性能达到甚至超越最优专用模型,实现单一模型适配多场景、多任务的通用性突破,为人工智能赋能工业提供了One-For-All解决方案。 从技术性能到产业落地,“极数”大模型的核心优势已得到充分验证。在超过600个数据集上的十余项测试结果表明,“极数”大模型无需进行二次训练,已经在准确率、泛化性等关键指标上均能达到或超过专有SOTA模型。而在产业应用层面,“极数”大模型已成功落地多个真实工业场景,无需训练、部署成本低、准确率高、通用性强的特点获得合作企业的高度认可,成为推动工业数据价值转化的实用型技术方案,正加速形成面向泛工业垂直行业核心业务场景的真正智能底座。 1、研发团队 “极数”模型的研发核心力量,由清华大学计算机系崔鹏教授牵头组建,团队汇聚了学术研究与产业落地的双重优势,其技术突破背后是深厚的科研积淀与前瞻性的方向布局。 作为团队核心,崔鹏教授是我国数据智能领域的顶尖学者:他不仅是国家杰出青年科学基金获得者,更以突出成果两度斩获国家自然科学二等奖,同时获评 国际计算机协会(ACM)杰出科学家,其学术影响力获国际学界广泛认可。在基础研究领域,崔鹏教授开创性提出 “因果启发的稳定学习” 新范式,突破传统机器学习在数据分布偏移场景下的性能局限,为 AI 模型的可靠性与泛化性研究奠定重要理论基础。 2022 年 OpenAI 推出 ChatGPT 引发大模型技术浪潮后,崔鹏教授敏锐洞察到结构化数据方向大模型技术的发展潜力,迅速将研究方向从因果稳定学习拓展至结构化数据通用大模型(LDM)领域。依托既有理论积累,团队攻克结构因果数据合成、模型结构设计、跨场景泛化等核心难题,最终实现 “极数” 模型在多领域任务中的性能突破,为此次开源奠定关键技术基础。 2、极数大模型简介 “极数”大模型将多种能力集成到同一基础模型中,包括:分类、回归、缺失值插补、数据密度估计、高维表征抽取、数据生成、因果推断、因果发现和分布外泛化预测等;在拥有优秀结构化数据建模性能的同时,极大提高了模型的通用性。 在预训练阶段,“极数”大模型基于海量因果合成数据学习数据中的因果关系,不同于专用模型在训练阶段记忆住数据特征的模式,“极数”大模型可以直接在不同的上下文信息中捕捉因果变量,并通过条件掩码建模的方式学习数据的联合分布,以适应包括分类、回归、缺失值预测、数据生成、因果推断等各种下游任务。在推理阶段,极数可直接基于提供的上下文信息进行推理,无需训练即可直接适用于各种应用场景。 模型技术架构 “极数”大模型沿用了transformer架构,并针对结构化数据建模和任务泛化进行了相关的优化。“极数”大模型先对先验知识库中的特征 和目标 分别进行embedding;之后在主要模块中,在样本和特征维度上分别使用注意力机制,来聚焦关键样本的关键特征。最终,提取到的高维特征被分别传入regression head和classification head,实现对不同功能的支持。 训练数据构建 不同于传统的树模型和基于transformer架构的LLM,“极数”大模型在训练过程中完全使用生成数据,不依赖于任何真实世界的数据来源。为了使数据生成的过程高效且可控,团队使用了基于结构因果图的数据生成方式:采样到的初始数据在有向无环图上进行传播,通过复杂的边映射和节点交互来模拟现实世界中不同的因果依赖关系;通过对因果图上的生成数据进行采样,最终获得训练数据中的特征 和目标 。使用这种方法生成的数据,既实现了因果结构上的多样性,又保证了数据的可控性。 模型优化目标 通用结构化数据大模型(LDM)需要在各种应用场景的各种任务中通用,且具备无需进行训练的数据建模能力。因此需要对数据的联合分布进行建模,以提高模型的通用性、增强对特征交互模式的建模能力。为此,“极数”大模型在模型优化目标设计中加入了掩码重构机制:在训练过程中,通过对随机特征值进行掩码操作,模型将根据特征间的因果依赖关系,使用观测到的特征来重构缺失特征。通过引入掩码预测,模型可以学习到数据特征的联合分布,学习到更清晰且鲁棒的决策边界,提高对特征依赖关系的表示学习能力。为了更贴近真实场景中的缺失模式,“极数”大模型在三个维度上进行了掩码操作,分别是: 样本维度掩码:对于每一个样本,随机掩码掉其中的某些特征。 特征维度掩码:对于所有样本,随机掩码掉其中的一个特征。 语义维度掩码:关注高维上的相关性,将语义相关度高的特征中的某些特征随机掩码掉。 此外,“极数”大模型将特征缺失比例纳入考量,通过设计针对每行或每个子集缺失的训练目标,稳定了模型在不同缺失程度下的推理性能,提高了对各类缺失模式的鲁棒程度。 模型推理 在推理应用环节,“极数”大模型具备极强的场景适配性与任务灵活性。该模型无需针对特定场景或任务进行额外训练,即可直接接收表格、时序、图等多形态结构化数据输入;用户仅需明确分类预测、回归预测、缺失值补全、数据生成、因果推断、因果发现等具体任务类型,模型即可自动完成数据解析、逻辑建模与结果输出,真正实现即插即用模式,高效覆盖各类结构化数据处理需求。 此外,“极数”大模型还支持针对数据集进行模型高效微调,可使模型学习更全面的数据中的因果联系,在预测层面的性能会进一步提升。 3、模型效果 “极数”大模型在无需针对数据集进行专项训练的情况下,在分类、回归等多项结构化数据核心任务上取得了优异的性能表现。 模型评测方面,选取了各个领域的权威数据集作为Benchmark。如开源数据集 Talent,它包含上百个真实数据集,是当前领域内体量最大、最具代表性的基准之一。在分类任务中,对比“极数”与21个领域内的常用baseline方法,“极数”大模型的模型性能显著超越其他模型,在AUC、ACC、F1 Score和ECE上均取得了最优。 在回归任务上,“极数”大模型在R2和RMSE指标上都达到了平均最优,对比其他baseline方法展现出了明显的优势。并且在数据集中有干扰特征或无效特征时,性能优势更加明显。 4、模型落地应用 目前,“极数”大模型凭借其优越的通用建模能力,有效破解了传统专用模型在工业场景“数据稀缺、质量参差、环境异质”情况下的能力瓶颈,已在多个关键工业场景中成功落地。 在工业运维领域,“极数”大模型已成功应用于钢铁、能源、电力等行业,扮演着“设备健康管家”的角色,为设备运行监测、故障预警与健康度评估等任务提供核心支撑。以某钢铁企业为例,其复杂产线长期面临难以从海量传感数据中精准捕捉非典型异常信号而导致的预警失效问题,给安全生产带来巨大隐患。“极数”大模型部署后,将设备故障预测准确率在原专用模型基础上提升了15%,达到应用级要求,推动其维护模式从“事后维修”向“预测性维护”转型,显著提升了生产的安全性与运行效率。 在工艺优化领域,“极数”大模型在化工、制造、生物等行业中则化身为“生产智囊”。在某材料研发企业,如何从海量物化特征中精准识别关键因子,是提升材料设计效率的核心瓶颈。“极数”大模型成功筛选出少数核心优化因子,在确保信息无损(R^2超过0.95)的前提下,将调控效率提升了5倍,为企业的降本增效与绿色生产提供了科学决策依据。 业内专家表示,“极数”大模型的成功落地不仅验证了通用建模技术在工业场景的适用性,更为解决工业数据应用痛点提供了标准化解决方案,有望推动更多工业领域实现智能化升级。 5、开源地址 项目主页: https://limix-ldm.github.io 技术报告: https://github.com/limix-ldm/LimiX/blob/main/LimiX_Technical_Report.pdf Github: https://github.com/limix-ldm/LimiX Huggingface: https://huggingface.co/stableai-org Modelscope: https://modelscope.cn/organization/stable-ai 6、结语 在当前人工智能的发展浪潮中,大语言模型(LLM)通过大规模预训练实现了“语义空间的通用世界模型”,而如何面向工业数据的独特属性,构建“数据空间的通用世界模型”,已成为AI迈向产业纵深的关键命题。在这一目标的驱动下,发展能够跨场景、跨任务、跨环境的结构化数据通用大模型(LDM)势在必行。我国凭借丰富的工业数据资源与多元的应用场景,有望在LDM领域打造出独特的“非对称竞争力”。清华大学团队此次开源发布的“极数”大模型,正是这一方向上的重要突破。期待以此为起点,共同迎接LDM的“GPT-3时刻”早日到来。
Meta狂揽天下AI英才副作用,引发人事震荡
IT之家 8 月 30 日消息,科技媒体 Ars Technica 今天(8 月 30 日)发布博文,报道称 Meta 首席执行官马克・扎克伯格(Mark Zuckerberg)正推动公司二十年来最大规模的高层重组,大量新引进人工智能(AI)高管,但也导致人事震荡。 IT之家援引博文介绍,扎克伯格为追赶人工智能竞争,重金从 OpenAI、苹果等对手挖来多位明星高管,其中包括: ChatGPT 联合创始人赵昇嘉(Shengjia Zhao,音译) 前 Scale AI 首席执行官汪滔(Alexander Wang) 前 GitHub 首席执行官奈特・弗里德曼(Nat Friedman) 这些新任命直接改变了 AI 研发格局,也让原有核心高管的权力结构发生转移。 消息称赵昇嘉入职后不久,便因分歧威胁回归旧东家 OpenAI,甚至签署了回聘文件。他随后被正式任命为 Meta 的“首席 AI 科学家”,并领导超级智能研发。 汪滔则负责管理 Meta 最机密的新部门“TBD”,统筹 AI 模型研发。弗里德曼担任产品与应用研究负责人,推动 AI 成果落地到 Meta 应用中。 为了加速研发,扎克伯格曾以九位数美元签约奖金和算力资源吸引顶尖人才。然而,新旧团队的融合并不顺利,一些新聘 AI 科学家短期内就选择离开,包括刚完成入职流程便未报到的前 OpenAI 研究员 Avi Verma,以及入职数月的 Ethan Knight 与 Rishabh Agarwal。与此同时,任职多年且深耕生成式 AI 的老员工也相继离职。 除了人员动荡外,Meta 公司的研发方向也在调整中。TBD 团队已放弃公开发布旗舰模型 Llama Behemoth,转而投入开发新一代尖端模型。但在内部,不同领导人对实现“超越人类能力”的超级智能目标时间表存在分歧。汪滔的管理方式与 Meta 的企业文化也出现磨合问题,包括对内部资源分配和官僚流程的适应。 组织上,Meta 超级智能实验室(MSL)在半年内第四次重组,分为四个独立小组。原负责生成式 AI 的高管 Ahmad Al-Dahle 未再担任团队负责人,而首席产品官 Chris Cox 失去对生成式 AI 的直接管理权,改由汪滔直接向扎克伯格汇报。 尽管过程中出现人事震荡与策略分歧,业内人士认为,引入赵生嘉等技术领军人物,或将推动 Meta 在超级智能领域的研发速度和竞争力。
Anthropic:OpenAI模型易被“滥用”,GPT竟能提供炸药配方
IT之家 8 月 30 日消息,据英国《卫报》28 日报道,今夏的安全测试发现,一个 ChatGPT 模型向研究人员提供了详细的爆炸袭击指南,包括特定体育场馆的薄弱环节、炸药配方以及如何掩盖行踪。 OpenAI 的 GPT-4.1 还给出了炭疽武器化的方法,并介绍了两种非法药物的制作方式。 这次测试由 OpenAI 与竞争对手 Anthropic 共同进行,双方互相推动对方的模型执行危险任务,以此进行安全评估。 测试结果并不代表模型在公开使用时的真实表现,因为实际应用中会有额外的安全防护。但 Anthropic 指出,在 GPT-4o 和 GPT-4.1 中出现了“令人担忧的滥用行为”,并强调 AI “对齐”评估“越来越紧迫”。 Anthropic 还披露,其 Claude 模型曾被利用于大规模勒索企图、出售价格高达 1200 美元(IT之家注:现汇率约合 8554 元人民币)的 AI 生成勒索软件等用途。 Anthropic 表示,AI 已经被“武器化”,并被用来发起复杂网络攻击和实施诈骗。“这些工具能实时绕过恶意软件检测系统等防御措施。随着 AI 编程降低了网络犯罪的技术门槛,这类攻击可能会越来越常见。” 两家公司表示,公开这份报告是为了增加“对齐评估”的透明度,而这种测试通常只在公司内部进行。OpenAI 表示,新近推出的 ChatGPT-5 在防止迎合、减少幻觉和防滥用方面已有“明显改进”。 Anthropic 强调,如果在模型外部设置防护,许多滥用场景可能根本无法实现。“我们必须弄清楚系统在多大程度上、在什么情况下会尝试做出可能造成严重危害的行为。” Anthropic 研究人员指出,OpenAI 的模型“在面对模拟用户提出的明显危险请求时,比预期更容易妥协”。让模型屈服往往只需要多试几次,或随便找个借口,比如声称是为了研究。 在一个案例中,研究人员打着“安保规划”的旗号要求提供体育赛事漏洞信息。模型先是给出一般的攻击方式分类,随后在追问下,竟然详细说明了特定场馆的漏洞、可利用的最佳时机、炸药配方、定时器电路图、暗网购枪渠道,以及攻击者如何克服心理障碍、逃生路线和安全屋位置等细节。
索尼新掌机抄袭Switch,能成为下一个PSP吗?
索尼版 Switch 今年绝对是游戏机的大年,「御三家」都有大动作: 任天堂发布 Switch 2 再次热卖;微软联手华硕推出首款「Xbox PC 掌机」ROG Xbox Ally,并重塑掌机 Windows 体验。 至于索尼,6 月份官宣启动开发的次世代主机 PS6,近日游戏行业的可靠信源 Moore’s Law Is Dead(MLID)则公开了非常丰富的 PS6 开发细节,以及传闻已久的 PS 掌机,两款产品将于 2027 年底到 2028 年中发布。 所以,这台掌机会重现 PSP 的辉煌,还是会和 PSV 一样惨淡收场? 比 Switch 2 更便宜还更强? 索尼要做一台能独立玩游戏新掌机的消息已经流传了很久,而 MLID 的爆料,终于让我们对这台「次世代 PSP」有了实感。 从参数上看,全新的 PS 掌机依旧延续了 PS 系列的「高性能游戏机」定位:采用代号为「Canis」的 AMD APU,台积电 3nm 工艺,搭载 16 个 RDNA 5 GPU,4 个 Zen 6c CPU 核心和 2 个 Zen 6 低功耗核心,主频 1.20GHz。 Canis 渲染图,图源:MLID 技术文档指出,2 个 Zen 6 低功耗核心将专门用来运行掌机的系统,这可以为游戏释放出 20% 的性能。而全新的 RDNA 5 架构,将会比 PS5 上更老的 RDBA 2 架构要快上 60%。 目前还没有这款产品会配备多少运行内存的确切消息,不过 PS 掌机配备的内存控制器,理论上最高可支持 48GB 的 RAM,索尼正在积极与游戏开发者沟通确定内存用量。 而考虑到 PS 掌机属于「次世代」,加上要跑 FSR 超分技术,以及现代大作的游戏引擎,MLID 预测掌机的内存至少需要 24GB,而 32 GB 会相对更富足一点。 单论性能参数,PS 掌机不仅轻松超过 Switch 2,连同样强调性能的 ROG Xbox Ally X 也不是对手,不过,这款产品预计在 2027 年底发布,届时未必会有这么明显的优势。 ROG Xbox Ally X 屏幕方面,PS 掌机将会搭载 1080P 分辨率,刷新率可能是 60Hz 或 120Hz。考虑到性能更弱的 Switch 2 都有一块 120Hz 屏幕,我们可以期待 PS6 同样不会在这方面落后。 最有意思的是,PS 掌机会有一个「座机模式」,也就是说能够和 Switch 一样,变成一台「主机」,在这个模式下,PS 掌机的性能还会进一步提升,主频 1.65GHz 左右。 Switch 2 根据目前已有的数据,在底座模式下,PS 掌机的光栅化性能将是 PS5 的 0.5-0.75 倍左右,但凭借更强的 RDNA GPU,在光追性能上 PS6 掌机会是 PS5 的 1.3-2.6 倍,甚至能媲美 PS5 Pro。 加上更高的带宽以及 AMD FSR 技术支持,PS 掌机在座机模式下,几乎能提供 PS5 同等的游戏体验,不过也需要游戏进行补丁优化。 对于那些没有优化过的游戏,运行起来会更加接近 PS5 游戏的「节能模式」,帧率会卡在 40FPS 左右。 所以这款掌机究竟能玩什么游戏?目前确认将可以向后兼容 PS5 和 PS4 的游戏,没有提到 PS3 游戏。 考虑到性能上的差距,这款掌机未必能原生运行更庞大的 PS6 游戏,因此索尼可能考虑提供 PS6 的串流服务,或者推出专门为掌机优化的 PS6 游戏版本。 并且,类似 Switch 2,PS 掌机对于游戏开发者来说还是一个全新的增收平台,本身就是能够激励更多开发者主动去做适配和优化。 PS 掌机的定价或许也将非常良心:预估在 399- 499 美元区间,折合人民币大概在 2800-3500 元之间。由于索尼计划在 2027 年量产,得益于 3nm 工艺良率提升和内存成本变化,这款掌机就算卖 399 美元都能小幅盈利。 而比索尼性能更弱的 Switch 2 定价 449.99 美元,ROG Xbox Ally 甚至可能定价 899 欧元,这样一看能玩 PS5 游戏的 PS 掌机是不是一下子就有性价比了? 对于一起发布主角 PS6,索尼的定价策略也会相对更谨慎,很可能维持和 PS5 一样的定价,甚至更便宜,后者数字版原售价 449.99 美元,国行售价 2799 元。 玩家设计的 PS6 渲染图 PS6 可能将采用 AMD 「Navi 5」桌面级的 Chiplet APU,包含 8 个 Zen 6 核心,以及 40-48 个 RDNA 5 GPU,TBP 将降低到 160W。 PS6 的光栅化性能估计将是 PS5 的 3 倍,而光追的提升只会更高,可能会达到后者的 5 倍以上,预计将和英伟达 GeForce RTX 4080 相当。 最后,MLID 还提出了一个可能性,索尼会物尽其用 PS 掌机上全新开发的 Canis APU,去打造一台更小巧、更便宜的低配版「PS6S」,类似 Xbox Series S,以吸引更多新老玩家购买。 Xbox Series S PS 掌机能成吗? 无独有偶,掌机领域另一个对手——Valve 的 Steam Deck 2,也在近期曝光了一些消息,并且同样会在 2028 年左右发布,届时将正面和 PS 新掌机正面交手。 不过目前关于这台设备还没有太多详细信息,Valve 也曾表示过,不会很快推出 Steam Deck 2,因为他们想要实现设备性能上的显著提升。 图源:Steam Deck 但对于索尼来说,对手又何止 Steam Deck 2,和 Xbox PC 掌机以及 Switch 2 而已? 8 月的最新数据,PS5 全球销量突破 8000 万台,虽然仍未超越 PS4,但已经称得非常畅销,整个生态利润超越历代 PS 主机总和。 打造能玩市面所有大作的高性能游戏机作为基础,然后再投资旗下工作室开发独占的游戏大作吸引更多玩家,是索尼走到今天的核心商业模式。 但问题是,这套模式放在游戏市场竞争很有效果,而现在游戏机的对手,不仅是彼此,还有更碎片化、更丰富的移动互联网。 对比消遣性质更重的手游和短视频,流程长、故事完整、画面精细、操作难度高的游戏大作,都俨然成为了一个形式上更严肃的作品,在内容消费的竞争之中颓势尽显。 今年第一款 PS5 第一方大作:《死亡搁浅 2》 加上硬件性能不断攀升,游戏的开发难度和开发成本也随之提升,但玩游戏的人反而不如以前多了,索尼用大量时间和资源做出来的游戏,越来越难以回本盈利。 所以,索尼只能向存量更大的 PC 玩家开放自己的独占游戏,卖出更多游戏,而受到冲击的自然就是自家的 PS 游戏机了。 和主打老少咸宜路线的任天堂不同,索尼面向的主要还是那批对画面和玩法有很高要求的偏硬核玩家,但同样可以「扩大游戏人口」,用掌机去获取更多玩家。 索尼是一个非常强劲的高性能游戏机竞争者,抛开 Switch 2 不谈,目前这台 PS 新掌机参数未必还能在两年后有优势,但作为一台纯粹的游戏机,没有 Windows 拖后腿,兼容性比 Steam Deck 更好,价格还更便宜。 对比对屏幕和空间要求更高的 PS5,PS 掌机能够渗透更多场景,比如大学宿舍和出租房,不仅可以捧着玩,画质靠外接电脑显示屏也可以满足,更不用提沙发和地铁这些掌机场景了。 PS5 还是更适合一块高清大屏幕 对索尼来说,还有一个非常重要的目标:吸引 PS4 用户换机,根据 MLID 的爆料,这个目标甚至多次出现在索尼内部的文档之中。 因此,这款运行 PS5 游戏都稍显吃力的掌机,其实最适合玩的就是 PS4 游戏,让老 PS4 用户愿意换一台更便携的产品,还能尝试一些 PS5 甚至 PS6 的新游戏。 销量破亿的 PS4 但我们还要等待三年的时间才能见到这款设备的问世,这期间我们能等来马力欧、赛尔达和宝可梦加持下的「完全体」 Switch 2,微软也有充足的时间进一步把 Xbox 掌机版 Windows 优化到位,PC 掌机配置也进一步提升,留给 PS 掌机的市场空间进一步收缩。 并且,如何避免重蹈上代掌机 PS Vita 当年由于 PS4 完全被冷落的覆辙,也是索尼需要深思熟虑的战略问题。
100 Gbps!全球首款6G芯片问世
中国首款全频6G芯片利用光子技术实现100Gbps传输速度,为AI原生无线网络奠定基础。 据《南华早报》报道,中国研究人员研制出全球首款“全频”6G芯片,移动互联网速度超过每秒100千兆比特。这一突破有望通过扩大整个无线频谱的覆盖范围,帮助缩小城乡社区之间的数字鸿沟。 该团队由北京大学和香港城市大学的科学家领导,将0.5GHz至115GHz的整个频谱集成到一块拇指指甲大小的芯片中。传统上,这样的覆盖范围需要九个独立的无线电系统。 该芯片尺寸仅为 11 毫米 x 1.7 毫米,将毫米波和太赫兹通信与低频微波波段整合在一起。 这样就可以在适合远程覆盖和高速应用的频率之间进行无缝切换。 《中国科学报》援引 北京大学王行军教授的话称:“迫切需要应对6G发展的挑战。随着互联设备需求的快速增长,下一代网络必须充分利用不同频段的优势。” 高频提供巨大的带宽和超低的延迟,对于虚拟现实和外科手术等应用非常有用。 较低的频段提供广域覆盖,对于到达偏远山区、海底甚至外太空至关重要。 光子学是核心 传统的无线硬件工作范围狭窄,当需要多个系统时,成本高昂且复杂。为了克服这一障碍,研究人员转向光子电子融合技术。 宽带电光调制器将无线信号转换为光信号。光信号通过光子元件进行处理,而传输则利用可调谐激光器之间的混频。 所有功能单元都封装在小小的芯片里。 测试期间,整个频谱的通信质量保持稳定。 该系统在180微秒内实现了6GHz频率调谐,比眨眼速度快数百倍,单通道数据速率超过100Gbps。 相比之下,根据行业估计,美国农村地区的平均移动网速约为每秒 20 兆比特。 据《光明日报》报道,“该系统可以快速、准确、无噪声地生成0.5-115 GHz范围内任意频率的通信信号”。 该芯片还具有“频率导航”功能,当出现干扰时,系统会自动切换到清晰的频道。“如果任何频段遇到干扰或阻塞,系统可以自动立即切换到清晰的频道,就像经验丰富的驾驶员在车流中平稳变换车道一样,确保通信持续不间断,”城大王成教授说道。 支持人工智能且用途广泛 北京大学教授舒浩文表示,该设备实现了“多用途可编程和动态频率调节”,在尺寸、功耗和性能之间取得了平衡。 这使得它适合音乐会或体育场等拥挤的区域,这些地方有数千台设备同时连接。 王兴军表示,该芯片还为AI原生网络奠定了硬件基础。“它首次为真正的‘AI原生网络’建立了硬件基础——这种网络可以通过内置算法动态调整通信参数,以应对复杂的电磁环境,同时进行实时环境感知。” 他告诉《光明日报》,并引述了《南华早报》的报道。 研究人员目前的目标是创建即插即用的通信模块,其尺寸不大于 USB 记忆棒。 这些可以嵌入智能手机、基站、无人机和物联网设备中,从而可能加速灵活、智能的6G网络的到来。
追觅造“中国的布加迪”,不是追风口
摘要: 追觅入局造车并将产品定位于超豪华市场,现在正当时。 凤凰网科技 出品 新能源和智能化,正为中国自主品牌冲击高端市场提供了前所未有的机遇。 上市87天,华为与车企合作的尊界S800订单突破12000辆,这款车的起售价是70.8万元,竞争对手包括迈巴赫S系列、宝马7系等百万级豪华车型。今年1月,上市接近1年,售价达到168万元的仰望U9累计交付量超过100辆,也是中国首款达成百辆交付量的自主品牌超跑。 小米SU7 Ultra更为夸张,今年3月1日开售两个小时内就卖完了全年的产能,提前达到了雷军设定的1万辆目标,这款车的起售价是52.99万元,成为豪华性能车市场的现象级产品。 这些不同的产品都指向一个相同的现象,用户对豪华车型的需求仍然存在,但在新能源和智能化的催化下,中国高端汽车市场发生了颠覆性的变化,自主品牌凭借新能源的技术架构优势和智能化进攻豪华车市场,对合资品牌的豪华车型产生了巨大的冲击。 在这样的背景下,市场来了一个新品牌。 2025年8月28日,追觅科技正式宣布造车。正如创立之初执着于研发高速马达,追觅的目标是造世界上速度最快的车,立足全球市场推出超豪华汽车,对标车型是布加迪威龙等超豪华车型,计划在2027年实现第一款车型上市。12年前那一份来自创始团队在清华大学“天空工场”的造车计划书正式成为现实。 很多人会认为,汽车市场竞争愈发激烈。但追觅从行业现状及未来趋势的视角来看,造车完全不是“投机机会”,而是检验一家公司在所有其他地方的积累、决策质量、商业能力的管理能力;当前新入局的造车企业还有三个机会,分别是品牌高端化、业务国际化以及组织文化的创新,加上中国成熟的智能汽车供应链,仍有很大机会取得“从有到强”的成功——追觅定义为汽车行业的“苹果机会”。 新能源和智能催化,自主品牌进攻豪华车市场 根据中国汽车流通协会乘用车市场信息联席分会(以下简称“乘联会”)统计数据显示,2021年到2024年,新能源汽车在30-40万元市场中的占比已经从14.4%增加至39.8%。40万元以上的市场增长更快,新能源汽车的占比从12.3%提升至42.8%。 政策层面的变化也对传统豪华品牌产生影响。今年7月17日,财政部、税务总局联合发布公告,将超豪华小汽车征收范围由零售价格(不含增值税)130万元/辆调降至90万元/辆,同时将各种动力类型汽车纳入征收范围。 因此,追觅入局造车并将产品定位于超豪华市场,现在是恰当时机。同时,追觅造车立足于中国市场,拥有“地利”。 用户需求变化,政策扶持,构成了自主品牌发展新能源豪华汽车产品的有利外部条件。而中国新能源汽车产业的发展已经10年有余,搭建了成熟的供应链体系。比较国际知名供应商,国产供应链能更快相应,更高效接收用户需求,因而也能更快迭代产品。 以BBA售价百万车型才配置的空气悬架为例,因传统国外供应商的供货价格较高且研发周期长,造车新势力联合国内的零部件企业合作进行技术攻坚。不仅培育了如孔辉科技、拓普集团、保隆科技等成熟供应链企业,车企还和这些企业通过自主研发,攻克了空气弹簧、电控系统等关键技术,实现了国产化,同时大幅降低了相关配件的价格。目前,标配有空气悬架的车型起售价已经由之前50万元下降至20万元左右。 空气悬架的国产化并非个例,在芯片、线控制动、电池、电机、智能驾驶解决方案等汽车新能源化、智能化领域,也出现了诸如禾赛、地平线、伯特利、欣旺达、汇川动力、元戎启行等优秀供应链企业。正因为如此,中国新能源车企得以在产品上率先应用线控转向、半固态电池、大模型等最新技术成果。 追觅造车,已经不是从0-1的起步阶段,也并非从1-10的验证阶段,而是基于成熟的中国供应链,结合自身的技术优势,找准目标用户做出的合理决策。 追觅的起步正是以“技术驱动”。2017年,追觅科技成立。创始团队主攻高速马达的研发,超过了国际龙头的水平——每分钟12.5万转,并在随后把高速马达提升至每分钟15万转。 如今,进军造车,并不是盲目的。追觅认为,与互联网创业讲究窗口期不同,汽车行业的复杂性本身就是一种壁垒,全面考验企业在研发、生产、销售、售后服务、品质、品牌和人力资源等多个方面的综合能力。 “在汽车行业,晚进入的玩家并不一定意味着需要花费更多的资金。关键在于找到正确的时间节点进入市场,而不是盲目追求越早越好、在大家都盈利或者接近盈利的时候进入,可以利用产品本身的盈利来积累技术和加强壁垒。”追觅汽车团队的相关人士说。 实际上,追觅在汽车相关技术上并不是一片空白,除了背靠中国成熟的新能源汽车供应链,作为家清行业的领导品牌,追觅在高速马达、机器人和人工智能相关领域都有身后的技术积累——智能汽车本质上也是机器人的另外一种形态。 追逐技术的追觅,打通造车的背后逻辑 在推出第一款无线吸尘器V9之前,追觅的创始团队带领团队花费两年时间研究高速马达,他们在实验室里把加速度做到180毫秒,大幅度超过当时最先进的900毫秒水平。最终,研发面世的第一代高速马达每分钟转速达到10万转,接近国际龙头的12.5万转水平,但已经大幅度领先国内同行。 随后,创始团队持续攻克气动、电磁、驱动和电子等技术难点,把高速马达的每分钟转速提升到15万转,效能也同步提高到58%的水平。追觅科技的无线吸尘器V9也是在这个高速马达的基础上进行整机研发的。最终,这款产品凭借出色的性能,开启众筹仅6天就全部售罄。 截至2025年6月30日,追觅科技全球累计申请专利6379件、获得授权专利3155件,其中发明专利的占比高达45%,覆盖造车所需的高速数码电机、AI算法、传感控制等关键技术。 据了解,追觅的项目也已组建了近千人的造车团队,并在持续扩张。在汽车产品所需的马达、AI交互、智能座舱等领域,追觅的造车团队已经取得突破性进展。 追觅也集合了造车的另外两个关键要素——品牌和渠道。追觅不吝研发投入,并设立用户调研部门和用户共创机制,将研发方向的选择权部分交给了消费者,形成以用户为中心的研发策略,建立了“科技、智能”的用户认知。 根据家电行业研究机构奥维云网的数据,追觅的清洁电器品牌是中国线上高端市场份额的第一名,扫地机器人也是中国线上市场行业增速的第一名,在清洁电器领域,追觅已经成为用户心智占有率的第一名。 追觅在中国市场取得多项第一名,在海外市场的表现也很亮眼。 这意味着追觅拥有了高效触达海外用户的基础。今年前5个月,追觅的扫地机器人在全球范围内的销售额同比增幅高达178%,在全球18个国家实现了市占率第一。在发达国家聚集的东北欧地区,今年5月,追觅单月销售额的同比增速高达150%。截至今年4月底,追觅扫地机器人在波兰、瑞典、丹麦、芬兰等核心市场均成为第一名。 追觅在海外120多个国家市场的近6000家线下渠道不是简单的销售门店,而是经过多年运营沉淀的高端品牌运营点。在清洁领域,追觅已经具备与戴森,iRobot等国际品牌同台竞技的实力,并能以更高定价实现市占率第一,这意味着追觅在海外市场掌握了高端用户的需求洞察与品牌沟通逻辑。 苹果不造车,但中国汽车需要“苹果” 苹果不造车,但中国汽车产业更需要一家苹果那样的公司。追觅已经成为了家清领域的苹果——在高端市场建立了足够的品牌影响力,业务遍及全球尤其是发达国家,依靠产品的品质进行竞争。此时追觅宣布造车,就是要抓住汽车产业的“苹果机会”。 追觅认为,在汽车领域取得商业上的成功,首先要具备全要素竞争的能力,这意味着追觅的汽车要在所有关键指标上都要超越竞争对手。比如,在价格、续航里程等所有关键性能指标上都要比竞争对手更优,至少高出10%到20%。此外,如果要在市场上生存,就必须在某些方面做到比竞争对手好十倍甚至百倍。比对手做得更好,不是抄袭竞争对手,而是要在他们的基础上进行创新和改进。 追觅已经在家清领域验证这一点,通过产品的差异化优势和高端品牌势能实现赶超。将这一逻辑平移到汽车产业,这就意味着追觅的量产车型不仅要在性能上追平甚至赶超布加迪威龙,更要依靠中国供应链带来的成本优势、智能化体验在用户认知层面形成代际差,从而建立起竞争优势。 其次,追觅需要建立全球销售和制造网络,利用中国的研发及制造优势在全球范围内布局生产基地。追觅看到,目前中国车企的出海仍主要是面向性价比与中端市场,在超豪华领域尚未开始布局,其中就存在“错位竞争”的空间。 但面向全球市场做超豪华汽车,并不意味着追觅需要为此投入上千亿的资金,在追觅看来,更重要的是资金效率而不是资金规模,而要实现资金的效率,前提就是要做正确的产品,“每一款产品都能精准匹配市场需求,200 亿到 500 亿足够支撑。”这是追觅内部的共识。 两年后,当追觅汽车面世,中国超豪华汽车市场不仅多了一款标志性产品,全球超豪华汽车的技术路线也有可能随之发生改变。
韩国83岁艺术大师李健镛改造宝马i7,将其打造成可行驶的艺术品
IT之家 8 月 30 日消息,汽车媒体 carscoops 昨日(8 月 29 日)发布博文,报道称宝马携手现年 83 岁韩国先锋派艺术家李健镛,将一辆配备 M 套件的纯电动宝马 i7 打造成行驶中的艺术品,赋予其浓烈的视觉冲击。 IT之家注:李健镛今年 83 岁,是韩国前卫艺术界的重要人物,尤其擅长以身体为媒介,进行行为艺术创作,将肢体语言转化为震撼的抽象绘画,其代表作《身体图景》系列在艺术界享有盛誉。 李健镛以鲜红色为底色,将色块保留在前后翼子板、侧裙、车顶立柱与后备厢盖等部位。车身其它区域则覆盖了人脸、心形、树叶及多种抽象形态的绘画。每一侧的图案都不同,形成独特的非对称布局。 宝马方面认为,这件作品精确、灵敏地反映驾驶者与车辆互动,并关联艺术家的创作方式。李健镛则强调,他希望艺术能成为不同事物、不同人甚至不同视角之间的桥梁,让艺术与科技产生新的连接点。 这辆色彩斑斓的 i7 将于 9 月 3 日至 6 日在首尔 BMW Lounge 展出,并与 18 辆迷你艺术车同台亮相。李健镛还计划于 9 月 4 日在现场创作一幅全新画作,灵感来源正是这辆 i7 的艺术改造。 此次展览也是宝马庆祝艺术车项目 50 周年与宝马韩国成立 30 周年活动的一部分,宝马将在首尔加干曼(Gagman)区举办艺术博览会。IT之家附上图片如下:
宝马预告全新iX3纯电SUV,前脸“双肾”依旧傲人
IT之家 8 月 30 日消息,在下周亮相之前,宝马释出一张全新宝马 iX3 的新预告图。这一次没有伪装,只靠光影掩盖细节,使人能瞥见新车的独特灯光设计。 前脸设计延续了 Vision Neue Klasse X 概念车的思路。量产版 iX3 保留了竖向格栅,这是 SUV 的专属元素。作为对比,轿车和其他车身形式则会采用更宽的双肾格栅。 格栅采用发光轮廓,与概念车和现有宝马车型一致。不过,量产车的封闭式格栅增加了更多 LED 灯带,头灯造型则几乎与概念车相同。发动机盖中央依然保留凹槽和经典宝马 logo。 和概念车最大的区别在于量产版换上了传统后视镜,而不是摄像头。此次展示的是 iX3 50 xDrive,EPA 续航 644km,WLTP 续航 800km。宝马还将在明年为中国市场推出长轴距版,CLTC 续航可达 900km。 据外媒 BMW Blog 29 日报道新车预计提供单电机后驱版本,双电机的 M Performance 乃至 M 高性能车型也在规划中,且全系车型确认采用第六代圆柱电芯电池和全新电机。 IT之家从报道中获悉,代号“NA5”的 iX3 将在宝马匈牙利德布勒森的新工厂投产,正式拉开 Neue Klasse 时代的序幕。到 2026 年,一款 i3 轿车也将在慕尼黑投产。这些新技术不仅用于电动车,燃油车也将搭载 iDrive X 系统,并支持全景显示等功能。

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。