智东西9月8日消息，刚刚，DeepSeek宣布，DeepSeek V4.1 Flash的中间版本开启内测。该模型采用了新模型结构，原生支持多模态、能力更强、速度更快且成本更低。

开发者保持base_url不变，将模型名设置为deepseek-v4.1-flash-expires-on-0910即可调用，当前计费与DeepSeek V4 Flash相同，每账号限流20并发。

根据模型名称，此次内测9月10日会自动过期下线。

社交平台X上已经有一些开发者晒出了自己的体验，其中最高的输出速度达到507 tokens/s。

微信扫一扫关注该公众号

微信扫一扫可打开此内容，使用完整服务

GPT-image-1 – OpenAI 推出的最新图像生成模型AI工具1年前 (2025)发布AI小集06GPT-image-1是什么GPT-image-1是OpenAI推出的原生多模态图像生成模型，基于API向开发者开放使用。模型根据文本提示和图像生成高质量、专业级的图像，支持多种风格和自定义功能，如图像质量、尺寸、格式、压缩程度等。模型广泛应用在创意设计、电商、教育、营销等领域，例如将草图转化为图形、生成产品展示图、创建品牌视觉资产等。目前已经被包括 Adobe、Figma在内等主流创意平台采用。GPT-image-1的主要功能文本生成图像：根据文本描述生成图像。图像编辑：对现有图像进行修改或局部编辑。图像变体：生成图像的不同版本或风格变体。自定义功能：尺寸：支持多种分辨率，如1024×1024、1024×1536等。质量：低、中、高三种渲染质量可选。格式：支持PNG、JPEG、WebP等格式。压缩：针对JPEG和WebP格式，可设置0-100%的压缩级别。背景：支持透明背景或不透明背景。API访问： 提供API接口，支持开发者将图像生成功能集成到自己的应用或服务中，支持批量生成图像。GPT-image-1的模型特点超强指令遵循：精确理解和执行复杂指令，确保生成图像的准确性。超多艺术风格：支持多种艺术风格，适用于不同创意需求。精准图像编辑：提供强大的图像编辑能力，用户基于基于文本提示对图像进行精细调整。丰富的真实世界知识：生成与真实世界相关的图像内容，增强图像的可信度和实用性。文本一致性生成：在生成图像时，保持文本内容的一致性和连贯性，适用于教育材料、故事书等场景。GPT-image-1的产品定价文本输入token（提示文本）：5 美元/100 万枚 token图像输入token（输入图像）：10 美元/100 万枚 token图像输出token（生成的图像）​​：40 美元/100 万枚 tokenGPT-image-1的项目地址项目官网：https://openai.com/index/image-generation-api/如何使用GPT-image-1准备工作：放问OpenAI官方网站注册账户。注册完成后，登录账户获取API密钥（API Key）。安装OpenAI Python库：在Python环境中安装OpenAI的官方库。打开终端或命令提示符，运行以下命令：pipinstallopenai配置API密钥：在代码中配置OpenAI API密钥。建议将密钥存储在环境变量中，避免直接暴露在代码中。importosimportopenai# 设置API密钥openai.api_key=os.getenv(“OPENAI_API_KEY”)调用图像生成API：图像生成：基于文本提示生成图像。以下是一个简单的示例代码：importopenaiimportbase64# 初始化OpenAI客户端client=openai.OpenAI()# 调用图像生成APIresult=client.images.generate(model=“gpt-image-1”,# 指定模型prompt=“A futuristic cityscape at sunset with flying cars and neon lights”,# 文本提示size=“1024x1024”,# 图像尺寸quality=“high”,# 图像质量background=“transparent”# 背景设置为透明)# 获取生成的图像数据image_base64=result.data[0].b64_json image_bytes=base64.b64decode(image_base64)# 保存图像到本地文件withopen(“futuristic_cityscape.png”,“wb”)asf:f.write(image_bytes)图像编辑：对现有图像进行编辑。以下是一个示例代码：importopenai# 初始化OpenAI客户端client=openai.OpenAI()# 调用图像编辑APIresult=client.images.edit(model=“gpt-image-1”,# 指定模型image=open(“input_image.png”,“rb”),# 上传需要编辑的图像mask=open(“mask.png”,“rb”),# 上传蒙版图像prompt=“Replace the sky with a starry night”,# 编辑提示size=“1024x1024”,# 图像尺寸quality=“high”# 图像质量)# 获取生成的图像数据image_base64=result.data[0].b64_json image_bytes=base64.b64decode(image_base64)# 保存编辑后的图像到本地文件withopen(“edited_image.png”,“wb”)asf:f.write(image_bytes)使用参考图像生成新图像：上传多张参考图像生成新的图像。以下是一个示例代码：importopenai# 初始化OpenAI客户端client=openai.OpenAI()# 调用参考图像生成APIresult=client.images.edit(model=“gpt-image-1”,# 指定模型image=[open(“body-lotion.png”,“rb”),open(“bath-bomb.png”,“rb”),open(“incense-kit.png”,“rb”),open(“soap.png”,“rb”),],# 上传参考图像prompt=“Generate a photorealistic image of a gift basket on a white background labeled ‘Relax & Unwind’ with a ribbon and handwriting-like font, containing all the items in the reference pictures”,# 生成提示size=“1024x1024”,# 图像尺寸quality=“high”# 图像质量)# 获取生成的图像数据image_base64=result.data[0].b64_json image_bytes=base64.b64decode(image_base64)# 保存生成的图像到本地文件withopen(“gift_basket.png”,“wb”)asf:f.write(image_bytes)GPT-image-1的应用案例Adobe：集成到Firefly和Express应用中，提供不同图片风格。Figma：基于简单提示生成和编辑图像，帮助设计师快速获取想法。HeyGen：增强头像创建和编辑功能。Wix：帮助用户快速将想法转化为现实。Photoroom：帮助在线卖家基于产品照片创建工作室品质的视觉效果。GPT-image-1的应用场景创意设计：快速将草图转化为高质量图形元素，支持高保真视觉编辑。电商与营销：生成产品展示图、营销海报和社交媒体图像，提升视觉效果。品牌设计：创建可编辑的徽标、品牌视觉资产和专业排版。视频创作：增强视频编辑功能，生成高质量头像和动画效果。教育与内容创作：生成教学插图和创意内容，辅助教育和创作。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Hyprnote - 开源AI会议笔记工具，实时记录会议生成总结下一篇Eagle 2.5 - 英伟达推出的视觉语言模型相关文章XCole – AI创作平台，提供AI绘图、AI文字、AI翻译、AI代码多功能服务AI小集2ORMBG – 开源的AI图像分割工具AI小集2The Agency – 开源AI Agent角色库，开发到营销全流程协作AI小集3MuScriptor – Kyutai 联合 Mirelo 开源的多乐器音乐转录模型AI小集2【亲测】免费白嫖 Qwen3.6，Token 无限量，6月底截止！AI小集0问小白5 – 问小白推出的全能旗舰AI模型AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！4小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型4小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型7小时前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型11小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台13小时前问卷派 – AI 调研智能体，AI 对话生成定制化报告13小时前WikiSkill – 谷歌推出的 Agent 技能进化框架13小时前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型1天前Claude Commerce Agents – Anthropic 开源的电商 Agent1天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台1天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列1天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测2天前智慧月隐 – 秘塔科技推出的 AI 心理健康应用2天前PatentClaw – 开源的科研专利自动生成与辅助审查工具2天前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景2天前

LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型AI工具10小时前发布AI小集02LLaDA-Image是什么LLaDA-Image 是蚂蚁集团 inclusionAI 开源的 6B 参数统一图像生成与编辑模型。模型采用先纯图预训练、后语言对齐的创新路线，用全扩散架构（LLaDA2.0-mini 理解 + 6B DiT 生成）实现文生图、指令编辑和中英文字渲染。Turbo 版仅需 2–4 步可出图，在 Qwen-Image-Bench 中英文双赛道均获开源第一。LLaDA-Image的主要功能文本到图像生成：根据自然语言描述生成高保真、细节丰富的照片级图像。指令式图像编辑：上传参考图并输入自然语言指令，精准修改指定区域同时保持其余部分不变。中英双语文字渲染：在生成图像中准确呈现中文和英文文本，支持海报、排版及艺术字设计。VQ 条件生成：基于视觉量化（VQ）token 作为条件输入，实现可控的图像生成。参考图编辑：以上传图片为参考，进行风格迁移、内容修改等编辑操作。Turbo 快速推理：蒸馏版模型仅需 2–4 步采样可生成 1024×1024 高质量图像。LLaDA-Image的技术原理全扩散统一架构：模型由理解模块 LLaDA2.0-mini（基于 MoE 的扩散语言模型）和生成模块 6B DiT 组成，两者后端均为扩散模型，通过 Connector 桥接，实现语义理解与像素生成的解耦。分阶段训练策略：采用”先学会画，再学会听话”的路线，先进行纯图像预训练和中期训练建立强视觉生成先验，再引入成对语言监督完成文本-视觉对齐。高质量数据构建：生成训练累计使用约 2.2 亿样本，其中 98% 为真实图像；语言对齐阶段的图文描述由 Qwen 系列大模型生成并校验，确保指令跟随的准确性。高效训练优化：全链路使用参数无关的 RMSNorm 替代 LayerNorm，并采用 Muon 优化器，提升大规模训练的稳定性和效率。Twin-DMD 快速蒸馏：Turbo 版本通过 Twin-DMD 蒸馏技术将 Base 模型压缩，2–4 步采样可生成 1024×1024 高质量图像，实现速度与质量的平衡。微信关注回复“开源”，加入AI开源项目交流群如何使用LLaDA-Image环境配置：安装 Python 3.11、PyTorch 2.8、Diffusers 0.39.0 及 FlashAttention 2.8.3 等依赖，搭建本地推理环境。获取权重：从 Hugging Face 或魔搭 ModelScope 下载 LLaDA-Image（高保真版）或 LLaDA-Image-Turbo（快速版）的模型文件。文本生成图像：加载模型后输入描述文本，Base 版设置 50 步、guidance scale 5.0，Turbo 版设置 2–4 步、guidance scale 1.0，生成 1024×1024 图像。指令编辑图像：上传参考图并输入自然语言编辑指令（如”将背景换成海边”），模型自动保持未编辑区域不变。注意尺寸规范：文生图与 VQ 条件生成的输入尺寸需为 16 的倍数，编辑任务需为 32 的倍数。LLaDA-Image的核心优势开源性能领先：在 Qwen-Image-Bench 中英文双赛道均获开源模型第一，整体得分超越 FLUX.2 Max 等主流开源模型。统一生成编辑：单一模型同时支持高质量文生图与精细指令式图像编辑，无需切换不同模型。极速推理：Turbo 蒸馏版仅需 2–4 步采样即可生成 1024×1024 高保真图像，大幅缩短等待时间。中英文字渲染：具备出色的中英文文本生成能力，可胜任海报、排版、艺术字等设计类任务。照片级真实感：基于 98% 真实图像的预训练数据，生成结果具有自然光照、丰富细节和高度真实感。LLaDA-Image的项目地址GitHub仓库：https://github.com/inclusionAI/LLaDA-ImageHuggingFace模型库：https://huggingface.co/collections/inclusionAI/llada-imagearXiv技术论文：https://arxiv.org/pdf/2609.03796LLaDA-Image的同类竞品对比对比维度LLaDA-ImageFLUX.2 [dev]开发团队蚂蚁集团 inclusionAIBlack Forest Labs参数量6B（DiT）+ 扩散语言理解模块32B（dense）底层架构全扩散统一架构（DiT + dLLM）Flow Matching生成与编辑单一模型统一支持文生图与指令编辑需配合 FLUX Kontext 分支实现编辑快速推理Turbo 版 2–4 步出图Klein 蒸馏分支 4 步出图中英文字渲染原生支持，海报与排版效果突出英文优秀，中文支持相对有限训练数据透明度论文披露 2.2 亿样本、98% 真实图像未公开具体数据构成LLaDA-Image的应用场景电商视觉设计：根据商品描述一键生成产品主图，或通过指令快速替换背景、调整光影，降低拍摄与后期成本。营销海报制作：用出色的中英文字渲染能力，直接生成带品牌 Slogan、活动信息的商业海报与社交媒体配图。社交媒体内容创作：为博主和创作者提供照片级人像、风景及生活方式图像生成，支持风格化编辑与快速出图。游戏与影视概念设计：基于文本快速产出角色、场景概念图，并通过指令迭代修改细节，加速前期创意流程。个人摄影修图：上传照片后用自然语言指令完成去杂物、换天空、调色调等操作，保持未修改区域不变，替代复杂修图软件。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇YoLive - Yoroll 推出的实时 AI 互动剧情直播平台下一篇MiniCPM5-2B - 面壁智能联合清华开源的端侧语言基座模型相关文章FaceFusion – 开源AI换脸工具，支持多种高质量换脸模型AI小集6JoyAI-LLM-Flash – 京东开源的混合专家架构大模型AI小集2CodeFlying – 码上飞海外版，全栈AI应用开发平台AI小集3VLAC – 上海AI实验室开源的具身奖励大模型AI小集3Skyo – 昆仑万维推出的智能实时语音对话助手AI小集3Kimi公文笔杆子 – Kimi推出的AI公文写作助手AI小集5暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录TArk元舟AionClawTokera AI文优小助ByteCPAgent.Space最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！4小时前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型4小时前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型6小时前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台12小时前问卷派 – AI 调研智能体，AI 对话生成定制化报告12小时前WikiSkill – 谷歌推出的 Agent 技能进化框架12小时前MAI-Image-2.6-Flash – 微软推出的高速图像生成模型1天前Claude Commerce Agents – Anthropic 开源的电商 Agent1天前国家反诈AI – 上海公安局推出的电信网络诈骗防范科普平台1天前星火X2.5 – 科大讯飞推出的旗舰通用大模型系列1天前从账号诊断到内容落地：Tokera AI 多平台账号运营实测1天前智慧月隐 – 秘塔科技推出的 AI 心理健康应用2天前PatentClaw – 开源的科研专利自动生成与辅助审查工具2天前Kage – 开源的沉浸式 3D 交互体验项目，实时构建动态场景2天前Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取2天前

有这么一家公司，它的产品在全球消费电子市场中有着举足轻重的地位、它本身也长期位于全球电子供应链的上游关键位置。大到电视和汽车、小到手机和电脑，哪里都少不了它的身影——这家公司经常与英伟达、苹果等全球知名企业同时出现，它的名字叫做康宁（Corning）。图｜康宁在刚刚结束的 2026 上海国际显示技术及应用创新展（DIC Expo）上，康宁展出了一系列有关显示、移动消费电子、车载、AI 基础设施、半导体先进封装等等样品，涵盖了康宁多年来的主要技术路线。同时，2026 年也是康宁公司成立第 175 周年，以及进入中国市场的第 46 个年头。图｜康宁作为全球显示行业的重要供应商，康宁更是在某种程度上见证和参与了中国显示产业从进口、制造再到自研的完整发展历程，与国内显示和消费电子市场的关系不可谓不紧密。以此契机，爱范儿受邀参观了本次 DIC Expo 的康宁展台，并得到机会对康宁显示科技中国区首席商务官李汉超进行了一次专访，聊到了康宁的过去、现在以及未来：康宁显示科技中国区 CCO 李汉超｜康宁175 年的玻璃技术绝大多数人知道康宁公司的存在，就是从智能手机上广泛使用的康宁® 大猩猩® 玻璃开始的。然而在智能手机出现之前，康宁公司就已经有了丰富的产品线、雄厚的技术积累以及广泛的产业应用。所有这些的起点，在 1851 年。图｜康宁尽管我们如今把显示玻璃基板、手机屏幕盖板、光纤看作康宁的主要产品，但在一百多年前，康宁就已经造出了它的第一个「现象级」产品——爱迪生白炽灯的玻璃灯罩。除了灯罩玻璃之外，1939 年全世界首台电视问世的时候，其内部的阴极射线管（CRT）同样来自康宁。此后，世界上首个达到实用标准的低损耗光纤、广泛应用于汽车尾气净化系统的蜂窝陶瓷、助力 LCD 显示技术诞生的的玻璃基板等等，全都少不了康宁的身影，这些产品和技术也奠定了康宁今天的主要业务方向。与此同时，康宁在中国的业务历史与合作关系同样相当深远。从 1980 年向中国出口 CRT 产品和技术，到 90 年代通过收购、合资等方式深度参与中国光通信基建，再到 2000 年在上海成立第一家独资工厂生产微孔陶瓷，直至 2005 年与京东方（BOE）形成了持续至今的紧密合作关系，此后更是深度参与了中国显示产业的起步与发展，康宁在中国的 46 年无疑是影响深远的。康宁显示科技 10.5 代玻璃产线｜康宁这种紧密且深远的联系，也构成了我们的第一个问题——爱范儿：康宁进入中国快半个世纪，亲眼见到了中国市场的快速发展，可以向我们介绍一下康宁在国内的合作情况吗？李汉超：康宁整体进中国 46 年，显示业务进入中国到今年 21 年。我们在显示领域最早的一笔重要投资是在北京，就是跟京东方合作，与之配套做玻璃基板的本地生产。之后国内显示面板制造产业（LCD）飞速往上走，我们跟国内几乎每一家面板大厂都建立了很深的合作，可以说康宁实实在在助力了中国显示产业的发展，也与客户实现共同成长。康宁在中国的战略就是「扎根中国、投资中国、回馈中国」，持续在中国真金白银做投资。8.5 代、10.5 代玻璃基板基地大部分都建在国内，汽车应用产品、消费电子盖板玻璃、光通信、生命科学，众多生产基地都有布局在中国。我们不仅看重中国市场，更持续推进本土技术、制造、人才培养能力建设，与中国客户和产业共同成长。爱范儿：那康宁有没有遇到过这种情况，国内客户冒出一个之前从未出现过的全新需求，康宁帮忙实现出来，之后这套方案又推广到整个供应链和其他市场？李汉超：当然有。国内产业早些年主要拼规模，现在不一样了，市场开始走向技术创新驱动。甚至说很多新想法、新需求就是从国内终端客户这边冒出来的，反过来倒逼上游材料、设备厂商要做创新，给我们提更高的要求——我们接下需求的同时，也是在实现自己的创新价值。举个例子，康宁在这次 DIC 展台展示的与京东方合作的 DQHD 曲面显示屏，这个需求就是从国内厂商开始的：京东方的这款曲面显示屏使用了两片厚度 0.38mm 的康宁高性能显示玻璃基板，超薄玻璃有助于提升曲面显示面板的良率，助力客户稳定生产；而产品做出来之后，行业很多玩家跟着跟进，再次拉高了产品的行业标准。另外说个有意思的，早年我们费老大劲把凸的老式电视、老式显示器给做平，现在市场又要曲面，市场需求始终在变化，我们需要不断创新来根据真实市场需求打磨产品、满足新的应用场景。图｜康宁爱范儿：现在都说 AI 在改变每个行业，尤其是内容生产和消费，屏幕既然作为最重要的人机交互界面，您觉得未来屏幕显示形态大概会有哪些新变化？李汉超：AI 确实改变了我们内容使用、内容生成的方式，屏幕在这个过程中的作用不但没减弱，反而还加强了。我觉得主要能看到两个大趋势。第一是屏幕形态一直在变——最早是电视，然后到电脑、手机，现在车里到处都是屏，还有可穿戴设备比如AI眼镜，人类靠视觉获取信息，屏幕这个载体已经一百多年了，这个大趋势还在不断加强，未来不会发生根本性颠覆，就是跟着技术迭代换各种样子。图｜康宁第二是屏幕不再只是单纯输出信息，也在变成一个重要的交互窗口。以前就是鼠标、键盘操作，现在触控功能越来越丰富，往后还会堆更多传感器，语音交互、眼球捕捉、手势互动这些都会加上去，这些都对材料的光学性能、制造精度和集成能力提出更高要求。而在如今的 AI 时代，康宁不仅通过显示玻璃等精密材料创新支持下一代交互体验的发展，也通过先进材料解决方案支持算力提升、数据传输等关键基础设施的发展。AI 时代的康宁除了上面提到的康宁在电视、手机、电脑、车载等领域的显示产品之外，本次 DIC Expo 康宁展台上的另一半空间，主要留给了支持 AI 基础设施建设所需的半导体先进封装和光通信技术相关的内容：其中具有代表性的就是康宁的玻璃芯，通过玻璃基板内部的通孔TGV让电子在多层芯片结构间自由穿行，以解决传统材料在技术发展过程中面临的挑战。相较于传统有机基板，玻璃基板可以实现更大尺寸的芯片封装和更高的互连密度，同时兼具玻璃的高的热机械稳定性，在未来追求极致功耗的芯片设计目标中具有非常大的潜力：另一方面我们也可以看到，康宁其实远远不止我们平时看到的一家造显示玻璃的公司，从应用在多个领域的精密玻璃到支持数据中心建设的光纤和连接解决方案，康宁其实早就深度参与到 AI 行业了——爱范儿：从显示玻璃，到先进封装材料，怎么看这波 AI 大潮带来的变化？李汉超：就像康宁今年 DIC 展台上这些展品，没有哪个是一夜之间冒出来的，其实都是深耕很多年攒出来的创新。以前大家提到康宁，印象大多停留在消费电子、显示玻璃，好像是 AI 火了我们才突然做半导体，其实不是的：半导体相关技术我们布局很久了，只是AI浪潮来了，把这些技术一下子推到台前，大家才恍然大悟「哦原来康宁还能干这个」。我们本来就是材料创新公司，跟计算机、半导体打交道时间非常早，早年就给 IBM 超级计算机提供过熔融石英材料用作绝缘部件。爱范儿：今年 5 月份，康宁和京东方签了一个新的战略合作备忘录，行业关注度很高，两家公司未来主要会往哪些方向发力？李汉超：一个是材料创新龙头，一个是显示行业头部，强强联合，行业确实很关注。当我们的客户在探索多元创新领域，而康宁长期积累的材料科学能力，能够为前沿技术的发展提供支持。我们和京东方的备忘录公开了四大合作方向：玻璃基封装、可弯折玻璃、钙钛矿玻璃，还有光互连材料等前沿技术方向，康宁与京东方合作追求的依然是共同推动前沿技术规模化落地与场景化应用。这些合作方向既体现了双方在各自专长领域的长期积累，也反映出产业链协同推动下一代技术发展的共同愿景。玻璃的未来爱范儿：您站在供应链的角度，能不能稍微透个底，未来两三年，移动终端的屏幕形态会有什么好玩的东西？李汉超：中国市场体量这么大，未来会冒出很多很有意思、很独特的需求。但更重要的是现在很多产品定义是客户和市场端提出来的，我们上游供应链要做的，就是靠创新把这些需求实现。我们认为，创新最终还是要回归真实的市场需求。从 1851 年至今，技术在变、产业在变、应用场景也在变，但康宁始终没有改变的一点，就是对材料创新的持续投入。这也是康宁 175 年来不断创造价值的核心所在。爱范儿：像今天展示的很多 AI 领域的高性能玻璃和技术，未来是只用在显卡这种高端玩意儿上，还是会取代现在芯片生产里的不少环节？李汉超：我们其实特别怕说「取代」这两个字。新的技术很少是完全替换旧技术，更多是做增量、做新兴市场，这也是康宁做创新的思路。AI 在发展，芯片面积越做越大、集成度越来越高，算力上去，发热也更猛，先进封装就成了很关键的技术方向。玻璃基封装热稳定性好、表面质量高，设计也灵活，未来是一条重要解决方案。我们正在跟国内产业链伙伴一起做技术论证和生态合作。康宁 175 年的经验告诉我们，创新从来不是一家公司的事情，而是整个产业链共同投入、共同推动的结果。专访结束后，再回去看展台上的那些展品，可以很清晰地感觉到康宁在整个现代电子科技领域的规划和布局。从白炽灯罩、CRT、光纤和 LCD 玻璃，到今天的折叠屏、先进封装与 AI 数据中心，超过一个半世纪以来，康宁面对的产业、客户和技术热点几乎换了一遍又一遍。但如果把那些具体的产品名字全部拿掉，我们就能看到，康宁真正延续下来的，其实始终是同一件事：用材料创新去解决未来产业出现的新兴问题。这或许也是一家材料公司能够跨越一个半世纪仍然留在科技产业前沿的原因——康宁卖的从来不只是某种玻璃，而是一套把材料科学转化为先进产业能力的方法。产品会过时，市场会更替，但只要新的技术仍然需要新的材料，康宁就还有无穷的创新空间。

📱Vodafone Egypt 否认泄露 iPhone 18 系列价格💬苹果新薪酬方案曝光：库克转任执行董事长获 4500 万美元股票奖励🏢54 个品牌账号为小米澎程上市送祝福，雷军回应致谢✨华为 Pura X Max 两款新配色曝光，9 月 7 日亮相💵曝 Anthropic 接近确定 IPO 核心承销商🧠AI 空间站上架 Kimi、MiniMax 等模型订阅产品💼康宁 CCO：AI 让玻璃基封装与光互连走到台前⚖️《西雅图时报》和《新闻日报》起诉 OpenAI 与微软🚗理想汽车拟以 26.5 亿元增资欣旺达动力🔬OpenAI 达成「自动研究实习生」目标💡Jakub Pachocki：AI 实验室应为安全主动减速💻macOS 26.7 代码出现两款苹果游戏手柄配置🎵Google Lyria 3.5 上线 Gemini，可生成更长的完整歌曲✨传音推出首款 360° 翻转屏笔记本 MEGABOOK T15 360 系列🧠「国家反诈 AI」App 上线，支持风险判断与案例匹配🔓小米开源表格基础模型 Xiaomi-TabLDM，无需按任务重新训练🪄GitHub Copilot 预览多模型编排系统 HydraFusion⚡微软推出 MAI-Image-2.6 与 Flash 版，进入 Foundry 公测♾️Meta 开放 Muse Spark 1.3 Max 推理档🔧Roland 发布 AI 旋律创作工具 Melody Flip💳支付宝与麦当劳推出「麦麦周末」语音活动☕哥伦比亚 8 月咖啡产量下降 12%，连续第二个月下滑🧠B 站首届 AI 创造公开赛公布结果，《猫娘计划》夺冠👀《暗影蜘蛛侠》播出一季后被 Prime Video 取消🎬《哈利·波特》剧集第二季公布多比、金妮与汤姆·里德尔选角Vodafone Egypt 否认泄露 iPhone 18 系列价格近日，网上流传的一组截图显示，Vodafone Egypt 疑似提前出现了新款 iPhone 的价格：iPhone 18 Pro：98,000 埃及镑，约合人民币 1.29 万元iPhone 18 Pro Max：105,000 埃及镑，约合人民币 1.38 万元折叠屏 iPhone Ultra：155,750 埃及镑，约合人民币 2.05 万元按照当地上一代机型售价对比，iPhone 18 Pro 和 Pro Max 涨幅大约分别为 10% 和 11%。不过需要注意，直接按汇率换算出来的人民币价格并不等于未来国行售价，各地区税费和苹果定价策略都有差异。不过，Vodafone Egypt 已经向 PhoneArena 表示，自家并没有发生过此次泄露；PhoneArena 随后也更新了报道，称无法验证网上流传截图的真实性。苹果新薪酬方案曝光：库克转任执行董事长获 4500 万美元股票奖励据彭博社报道，在将苹果 CEO 职位移交给 John Ternus 后，转任执行董事长的 Tim Cook 获得了规模罕见的高额薪酬方案。报道指出，这一举措显示 Cook 在卸任 CEO 后仍将在苹果内部拥有极强的话语权与参与度。根据披露的薪酬方案细节，Cook 明年的基本年薪为 200 万美元，虽低于其担任 CEO 时的 300 万美元（该水平现由 Ternus 享有），但仍是高级副总裁等高管通常基本薪酬的两倍。在限制性股票单元方面，Cook 2027 年的目标额度为 4500 万美元，Ternus 则为 5500 万美元。此外，两人的股票激励结构也有所不同：Ternus 的股票奖励中有 75% 与业绩挂钩，而 Cook 仅有 50% 属于业绩导向。此前担任非执行董事长的 Art Levinson 去年薪酬总额不足 56 万美元。分析认为，Cook 目前的薪酬结构在董事长群体中极为少见，其水平不仅大幅高于行业普遍水准，也与当年离开迪士尼 CEO 岗位转任执行董事长时的 Bob Iger 类似。报道提到，Cook 已经腾出苹果园区第 7 区的 CEO 办公室，交由 Ternus 入驻，自己则将搬入园区内的新办公室。虽然 Cook 强调苹果在同一时间「只能有一位 CEO」，但其未来仍将在关键领域发挥核心作用，包括应对与白宫及北京的关系处理、存储芯片短缺等议题，苹果管理层全面过渡至新阶段预计仍需时日。54 个品牌账号为小米澎程上市送祝福，雷军回应致谢小米澎程系列上市前夕，比亚迪、理想汽车、长安汽车、凯迪拉克、北汽集团等车企，以及电池、激光雷达、机器人和互联网领域的合作伙伴集中发文送上祝福。雷军随后发布截图并回应「感谢所有的朋友们，谢谢大家」，截图中共出现 54 个品牌账号。小米秋季旗舰新品发布会将于今天 19:00 举行，澎程 N70 Pro、N70 Max 与 N90 Max 三款增程 SUV 将正式上市；同场还将发布小米 18 Fold 折叠屏手机和小米平板 9 Pro Max。此前技术发布会已经公布昆仑增程平台、可变座舱空间与多项安全配置，今晚将揭晓最终售价和交付安排。华为 Pura X Max 两款新配色曝光，9 月 7 日亮相据数码博主曝光，华为 Pura X Max 将新增波尔多红和尼斯蓝两款配色，相关图片显示，两款机型均采用纯色无纹路背板。爆料者最初只确认红色版本名为波尔多红，随后多名数码博主将蓝色版本称为尼斯蓝。华为现有产品页列出的配色为星际蓝、活力橙、零度白、橄榄金和幻夜黑。对比之下，新曝光的两款颜色延续了橄榄金、幻夜黑所用的纯色背板设计，没有其他版本上的分割线和细条纹。华为官方确认，HarmonyOS 7｜HUAWEI Mate XT 2 及全场景新品发布会将于今天 14:30 举行；爆料称两款新配色会在发布会上亮相。曝 Anthropic 接近确定 IPO 核心承销商据《金融时报》报道，Anthropic 正准备任命摩根士丹利与高盛担任 IPO 的主要承销商，两家银行已处于争取核心角色的最后阶段。最终分工尚未正式公布，其他银行仍可能加入承销团队。Anthropic 此前已向美国证券交易委员会秘密递交 S-1 上市申请。路透社 8 月底报道称，公司计划在美国劳动节假期后公开招股文件；承销团队逐渐成形后，上市准备开始从保密申报转向公开推进。AI 空间站上架 Kimi、MiniMax 等模型订阅产品天猫 9 月 3 日上线 AI 空间站（Token 充值中心），用户可以购买 Token Plan、Coding Plan 和按量充值产品，交付方式包括卡密与直充。《每日经济新闻》记者在页面看到，Kimi、DeepSeek、智谱等模型的相关订阅产品已经上架，套餐覆盖日包、月包和季包。智谱旗舰店目前标注为官方入驻。Kimi 与 MiniMax 官网均有独立的会员或 Token Plan，但天猫渠道的额度、计费方式可能与厂商官网不同。财联社援引《上海证券报》称，Kimi、MiniMax 与阶跃星辰也在同天猫接洽开设官方旗舰店，相关官方身份仍应以平台后续标注为准。康宁 CCO：AI 让玻璃基封装与光互连走到台前在爱范儿专访中，康宁显示科技中国区 CCO 李汉超表示，AI 改变了内容生产和使用方式，但屏幕作为信息入口的作用仍在增强。屏幕将继续从电视、电脑和手机扩展到汽车与可穿戴设备，并加入语音、眼球追踪、手势等交互能力，这会提高对材料光学性能、制造精度和集成能力的要求。李汉超认为，AI 热潮把康宁长期投入的半导体材料和光通信技术推到了台前。以玻璃基封装为例，玻璃基板能支持更大尺寸的芯片封装和更高的互连密度，同时具备较高的热机械稳定性；他强调，新技术通常会创造增量市场，而非直接替换所有旧方案。他还以康宁与京东方合作的 DQHD 曲面屏为例：两片玻璃基板厚度均为 0.38mm，超薄设计有助于提高曲面面板良率并稳定生产。李汉超称，国内终端厂商提出的新需求正在反向推动材料和设备厂商创新，相关产品落地后也会带动其他行业玩家跟进。康宁今年 5 月与京东方签署战略合作备忘录，合作方向包括玻璃基封装、可弯折玻璃、钙钛矿玻璃和光互连材料。李汉超称，双方会继续进行技术论证和生态合作，推动这些材料走向规模化与场景化应用。🔗 相关阅读：专访康宁 CCO 李汉超：175 年以来，康宁始终是一家创新材料公司《西雅图时报》和《新闻日报》起诉 OpenAI 与微软据路透社报道，《西雅图时报》和《新闻日报》起诉 OpenAI 与微软，指控两家公司在训练和运行 ChatGPT、Copilot 等生成式 AI 产品时，未经许可复制并使用了两家报纸的新闻作品，构成版权侵权。两家报纸请求法院下令销毁其作品副本，以及包含这些作品的训练数据或 AI 模型。2024 年，两家报纸曾入选 OpenAI、微软与 Lenfest Institute 发起的本地新闻 AI 合作项目，获得资金和企业软件额度，用于在编辑与商业环节试验生成式 AI 工具；该项目没有包含内容授权或实时数据交换条款。理想汽车拟以 26.5 亿元增资欣旺达动力欣旺达与理想汽车 9 月 4 日披露，理想汽车拟出资 26.5 亿元增资欣旺达动力，认购增资完成后 8.79% 的股份。计入此前通过关联主体持有的股份后，理想汽车将间接合计持有欣旺达动力 11.17% 股份，成为其第二大股东。双方计划在动力电池研发、制造和质量管理上加强长期协同。理想汽车表示，今后仍将主导产品定义、性能目标、质量标准和关键技术开发，欣旺达动力负责工程化、制造与供应链能力。两家公司从 2017 年开始合作，2025 年还共同成立了各持股 50% 的山东理想汽车动力电池有限公司。OpenAI 达成「自动研究实习生」目标OpenAI 9 月 6 日宣布，内部系统已经达到去年提出的「自动研究实习生」目标：在研究人员指导下，能够完成边界明确、原本需要熟练研究员数天处理的任务。公司下一阶段计划在 2028 年 3 月前构建「自动 AI 研究员」，继续用于深度学习与对齐研究。OpenAI 公布的内部数据称，今年 6 月前，研究部门的 Agent 总运行时间仍低于人类工时；到 8 月中旬，按每天 8 小时折算，每个研究人员工作日对应 3.1 个 Agent 工作日。研究人员提交代码和运行实验的速度也在提高，8 月的人均实验次数创下 2025 年开始记录以来的新高。公司同时强调，这些指标不能直接等同于整体研究速度，算力与难以自动化的环节仍可能形成瓶颈。研究方向、结果判断以及是否扩大训练、暂停或部署，继续由人类研究人员决定。💡 Jakub Pachocki：AI 实验室应为安全主动减速OpenAI 首席科学家 Jakub Pachocki 在 9 月 6 日发表的公开长文中表示，当前没有任何一家实验室已经把对齐与监控问题解决到足以长期、负责任地按最高速度扩展模型的程度。他希望，在行业建立共同安全门槛前，实验室主动减速会成为常态，各国政府也应把未来 AI 开发的国际协调列为优先事项。Pachocki 的判断来自推理模型近三年的变化。2023 年，OpenAI 的 RLSlow 项目让团队相信推理模型训练可以持续扩展；如今，模型已经能操作计算机界面、与人和其他模型协作，并承担研究项目。他预计，AI 参与自身研发的程度还会提高，但这条路径是否继续加速，应由安全能力和社会选择共同决定。Pachocki 将对齐分成目标对齐与价值对齐：前者要求模型执行人类交付的目标，后者要求模型在模糊、冲突或陌生环境中仍能遵循高层原则。他认为，现有强化学习可以改善平均表现，但会受到训练监督覆盖范围与泛化能力限制。他还指出，OpenAI 依赖的思维链监控正面临三个问题：模型在更复杂环境中频繁与人类、其他 AI 和工具交互；模型更擅长处理乃至操纵自己的推理过程；预训练能力增强后，模型即使不使用显式语言推理也能完成更多任务。Pachocki 主张用第三方审计、政府机构或国际组织共同执行安全门槛，并让系统扩展速度受安全信心约束。在他看来，继续训练更强模型的主要理由之一，是用它们防御网络攻击、失控 Agent 与生物安全风险；但防御需求不能成为无条件竞

上周 GPT-6 发布后，「AGI 已经到来」的消息刷屏了社交媒体。围绕 AGI 出现了两种几乎相反的声音。一部分人认为，我们已经到了。另一部分人则认为，这种说法过于仓促。为什么 GPT-6 引发了关于 AGI 的讨论？AGI 真的来了吗？2026 年 9 月 3 日，OpenAI 总裁 Greg Brockman 在记者简报中说，他个人认为公司可能已经达到 AGI，并以「Welcome to the AGI era」结束讲话。三天后，OpenAI 首席科学家 Jakub Pachocki 又发表了一篇题为《An Alien Mind》的文章。他谈到：我们正在制造越来越聪明的机器，却未必真正理解它们是如何运作的。这或许正是今天重新讨论 AGI 的原因。AGI，Artificial General Intelligence，通常被译为通用人工智能。过去，人们对它的想象是：一种能够像人一样学习、理解和解决各种问题的机器。它不局限于某个特定任务，可以把知识迁移到陌生领域，面对没有见过的问题，也能找到办法。GPT-3.5 之后，AGI 的定义开始发生一种颇为微妙的变化。人们第一次大规模接触到一种系统，它未必像人一样思考，却能够写代码、翻译语言、解释知识、进行推理，并在越来越多的专业任务中表现出令人意外的能力。机器是否必须拥有与人类相似的心智，才算通用智能？如果它的内部机制与人完全不同，却已经能够完成越来越多原本需要人类智能才能完成的工作，我们又该如何定义它？这正是 Pachocki 在《An Alien Mind》中提出的一个重要视角。今天的人工智能，并不是人脑的复制版。它是通过与人类完全不同的过程生长出来的。OpenAI 的研究者甚至越来越倾向于将这种智能视为某种我们无法完全理解的「异质心智」（外星思维）。它可以模拟人类行为，可以处理抽象概念，却不意味着它按照人类的方式理解世界。更重要的是，AI 也未必需要在所有维度上全面超过人类。只要它在足够多、足够重要的维度上超越我们，它就已经能够对现实世界产生巨大的影响。根据 OpenAI 公布的信息，Astra 已经能够在计算机操作、软件工程、科学研究、网络安全和专业工作等多个领域执行复杂任务。它不只是回答问题，也越来越能够使用工具、操作软件、完成多步骤任务，并在某些情况下独立推进一个目标。OpenAI 还首次将其网络安全能力评定为 Preparedness Framework 中的「Critical」级别，意味着在获得适当工具和访问权限的情况下，它能够发现此前未知的安全漏洞，并自主探索利用方式。这当然不等于一份「AGI 认证」。甚至连 OpenAI 自己也无法真正给出这样一份认证。所以，GPT-6 Astra 引发的问题或许又不是「它到底是不是 AGI」，而是无论如何，AGI 无法再被轻易视为遥远的科幻想象。Theo Jaffee 与 OpenAI 首席未来学家 Joshua Achiam 最近的对谈里，两个人提到同一种诧异：数学界那些悬置数十年的猜想正在被 AI 攻克，能力早已超过一辈子钻研它们的人，而世界照旧运转。人们只是耸耸肩，把新的怪事纳入日常。他们还讨论了人工智能网络安全问题、前沿模型的能力，以及为什么人们可能已经进入了通用人工智能（AGI）时代，而却没有完全意识到这一点。以下为编译稿（有删减）：模型如今已具备「超能力」Theo Jaffee：你刚刚写了一篇博客，其实是一条长推文，题为《Mercenary, Reversi, Winter Soldier》，内容关于人工智能和网络安全。为了让听众更好地理解，你能简要总结一下这篇文章的核心观点吗？Joshua Achiam：当然可以。 作为背景，显然我们都在解读并回应 OpenAI 和 Hugging Face 披露的那起安全事件：一个处于测试环境中的模型成功突破了沙箱环境，并访问了 Hugging Face 方面的一些敏感生产数据。他们检测到了这一情况，并做出了响应，现在双方正在合作调查并解决此事。这向我们提供了非常切实的证据，表明模型如今已具备「超能力」——即极其先进的网络攻击能力。它们能够突破防线并发现「零日漏洞」，而过去模型不仅难以识别这些漏洞，更遑论加以利用。如今，模型能够将非常复杂的操作串联起来以实现特定目标。我希望大家开始思考这类问题，不要仅仅将这种能力视为显而易见的事物。要认识到这些技术是双刃剑，我们必须据此制定相应计划，并建立相应的测试与验证标准。Theo Jaffee：我对此的具体第一反应是：这似乎是那些在长期运行中并非真正以目标为导向的模型所产生的现象。比如，如果你有一个未来模型，它具有足够强的目标导向性，真正想要入侵对手的数据，那么它为什么会被数据中毒所威慑，以至于去攻击自己的系统呢？Joshua Achiam：这其中的一部分不仅仅在于模型的目标导向性。 这更关乎模型对「态势感知」的整体概念。或许可以将数据中毒理解为：它以某种方式说服你的模型去追求不同的目标。但其实它根本不需要这么做就能让模型攻击你。它完全可以让你的模型相信，自己所处的沙箱环境其实就是它试图攻击的对手系统。你知道，让模型对什么是真实的、什么不是真实感到困惑，从而使其服务于不同的目标——这属于那种怪异的思维方式和科幻情节，或许在不久的将来就会成为可能，测试和验证标准必须将这一点考虑在内。Theo Jaffee：是的，这就像超级英雄电影里的情节一样：如果你让英雄产生一种错觉，以为身旁的「好人」其实是他们试图对抗的对象，那么它们就会开始互相厮杀，对吧？这确实很诡异，也极其离奇，但这正是未来可能针对具备高级网络能力的模型实施的可信攻击——说服它们相信盟友其实是敌人。这样一来，你并没有改变它们的目标，却会让它们表现出严重偏离预期目标的行为。 要欺骗当前最前沿的模型去做这类事情有多容易？Joshua Achiam：随着时间的推移，让模型相信不真实的事情似乎变得越来越难了。我个人尚未特别着力去量化这一点。实际上，我认为这可能是一个值得探索的研究课题。但根据我迄今为止的研究和观察，说服模型相信基本谎言是真实的相当困难。它们对许多你可能实施的、合乎情理的攻击变体都具有一定的鲁棒性。但我直觉认为，你完全可以投入更多计算资源来对模型进行动态攻击。而且，你越是决心要找到某些漏洞或某种「越狱」方法，最终发现问题的可能性就越大。总会存在某种输入序列，会触发模型在训练时未被考虑到的行为——因为可能的输入长序列数量庞大，试图阻止所有这些序列导致模型偏离规范，几乎就像一个组合优化问题。最终决定胜负的关键在于你能投入多少计算资源Theo Jaffee：比如，似乎无论拥有多少计算能力，如果一方拥有 Kimi K3，另一方拥有 Fable 或 Sol，前者都无法战胜后者？Joshua Achiam：我觉得这可能是对的。我认为模型本身仍然至关重要。关于未来模型质量的发展趋势，我有一个有些奇怪且与主流共识相悖的猜测。我可能会在某个时候把这个写出来。我认为人们普遍认为，模型所能具备的智能水平是没有上限的。 他们认为，所谓的 RSI（递归自我改进）终将在某个时刻发生——无论是在整个经济体系中，还是在某个特定的模型和实验室里。RSI 一旦启动，模型智能就会突飞猛进，而他们看不到任何上限。但我认为，从物理层面上讲， 物理宇宙中，单位体积和单位能量所能承载的计算量必然存在上限。这也就意味着，单位体积和单位能量所能承载的智能水平也必然存在上限。如果真是这样，考虑到当前 AI 模型能力增长的速度，最终所有人都会达到那个饱和点，从原始智能的角度来看，每个人的模型能力将大致相当。可能仍会有一些参与者落后，使用上一代模型，但最终这些技术会普及开来。开源领域比闭源领域落后几个月，但这种「几个月」的差距让人难以置信。所以最终，大家很可能都在使用能力同样达到极限的模型，而那时，我认为决定胜负的关键在于你能为解决问题投入多少计算资源。 我也对同一个问题很好奇，那就是：在给定的功率、计算能力或其他资源单位内，能容纳的智能密度究竟能达到多高？你知道，我们正在见证人工智能在数学领域取得的一波又一波成果，这些成果非常令人兴奋，比如攻克了悬而未决数十年之久的未解猜想。而且可能不久之后，我们就能解锁其他科学领域——只要我们现有的计算能力足以进行足够精确的模拟。 当然，有些科学领域可能不会那么容易。比如，如果你想在量子化学领域对足够大的系统进行高度精确的模拟。即使人工智能尽可能多地进行模拟实验，可能也还无法设计出最优的量子化学系统。是的，这就是沃尔夫拉姆所提出的「计算不可约性」理论。 这里可能确实存在一些局限。但我们很可能会看到许多领域的发展加速，如果人工智能基板是其中之一，我也不会太惊讶。那条通向多个数量级的漫长道路，或许会因为人工智能能在其中找到捷径而变得更短。AGI 似乎已经到来，而大多数人却只是耸耸肩Theo Jaffee：直到最近，重大黑客攻击事件其实并不常见。Joshua Achiam：没错，「我们生活在一个永远不会发生任何事情的世界」之所以成为一个网络梗，是有充分理由的。 而且有许多理由让我们相信，短期内情况可能不会演变成「网络末日」。我猜测，攻击者最可能实施的恶意行为，将需要调用大量模型，并消耗大量来自闭源系统的计算资源，或者在大型基础设施中运行——而这些环境通常具备对计算用途的可追溯性和可监控性。因此，大多数攻击者将无法利用大量计算资源来运行基于这些模型的攻击，也根本无法让模型执行攻击——因为人们会部署相应的防护措施。Theo Jaffee：你提到世界似乎处于一种「亚稳态」，你认为在 2017 年或 2022 年时，你会预见到在 2026 年——以当前的人工智能能力水平——世界会显得如此正常吗？Joshua Achiam：是的，如果你试图预测不到十年后的未来，就应该假设：即使事情非常、非常奇怪，很多方面仍会感觉相对正常。新冠疫情是一个奇怪的例外，因为封锁措施是史无前例的，我们此前从未以那种方式生活过。 但即便我们拥有如此先进的人工智能能力，大多数人的日常生活方式也不会发生根本性改变。我认为这原本是一个合理的预期。而且我个人也确实有过类似的预期。粗略来看，事情根本不会变化得那么快。从来没有什么大事发生。即使脚下正在移动，对吧？就像我们正走向一个在许多方面都将显得陌生的未来。但没错，我们把一切视为常态的能力确实令人惊叹。Theo Jaffee：是的，我基本上同意这一点。我认为很多人相信未来会有这样一个时刻——比如今天就是「奇点日」，到了「奇点日」大家醒来时都会惊呼：「哇，我们已经身处未来了。」 但事实似乎并非如此，事情根本不会按这种方式发展。人们会把眼前的现实当作常态。他们适应新环境的速度快得惊人。比如，与三年前的模型相比，如今的模型能力简直令人难以置信。如果……如果把一个灵魂送回三年前，比如 2023 年的我，我当时肯定会大吃一惊，心想：「哇，未来会完全不同。」 但事实并非如此，我现在做的事情和那时相比并没有太大变化。Joshua Achiam：是的，通用人工智能（AGI）似乎已经到来，而大多数人却只是耸耸肩。我认为，历史上发生的一个过程让这一切变得稍微容易了一些。大多数人早已搞不清楚世界上到底发生了什么，关键决策是如何做出的，关键系统是如何构建、配置人员、维护和运行的。 我们大多数人对构成现代世界的后勤系统或技术系统一无所知。而我们已经接受了这一点，将其视为理所当然。这些系统随着时间的推移发生了巨大变化。正因如此，更多的人得以存活，因为我们能够以人类历史上前所未有的速度供应食物。它们让我们能够即时沟通。正因如此，大多数事物基本上都能正常运转，我们或许会在一些边缘细节上争论不休，但并不会时常主动去大幅改变其底层结构。我认为人们对于那些发生在幕后深处、却让整个系统得以运行的重大变革，已经变得有些麻木不仁。即使这些变革确实至关重要，人们也并未将其视为重大事件。 这对大多数人来说，离日常生活太遥远了。我们已经跨越了这样一个门槛：那些未解决的数学猜想正被极其智能的人工智能所解决，这些人工智能的能力甚至

在折叠屏手机的发展史上，华为率先开启的「三折叠」品类，一直像是一种「机械奇观」的存在。从复杂堆叠架构设计，到高难度铰链工艺，华为和三星不断摸高探险，但面对着「不是能做到就一定要做」的质疑，三折叠们却一直憋着一口气。究其根本，奇观想要走进人们的生活，被更多接受，甚至成为日常，太难了。一部作品绝对做不到，两部可能也远远不够。但不积跬步，何行千里？两年、两代产品过后，华为三折叠在全球已经实现约 100 万台出货成绩。对于这样一台工艺极其繁琐，形态尚未能取悦大多数人的全新终端产品，华为证明了：三折叠大屏在超高端市场，有一个难以撼动的客群。接下来就是让奇观成为日常，解决更多现实的工程问题。当用户把三折叠拿在手里，打字、看视频、拍照、单手回消息、装进裤兜的时候，用起来究竟是否舒服？够不够趁手？刚刚发布的华为 Mate XT2 非凡大师，试图进一步改善三折叠在物理层面的使用体验，打破那种「乍一看惊艳，用起来遗憾」的奇观感。全新的 G 型折叠架构，让合起与展开的过程不再像是生硬的「折叠」，更像是展开了一对翅膀，准备翱翔。展翼三折：回归平衡的物理结构如今担任华为终端 BG CTO 的李小龙，在 2015 年曾经画过几张三折叠手机的假想图手稿，Z 折与双向开合的 G 折形态都有出现。前者解决了三折叠从无到有的商业化验证，但留下了不小的妥协：由于折叠层数的限制，厚重的相机模组只能偏置在最右侧的屏幕背面。虽然由此带来的重心不平衡并未带来使用体验上的明显影响，但总的来说 Z 折并非最直观、最符合人体工学的展开与合起方式。图｜华为官网于是到了严格意义上的第二代三折叠手机华为 Mate XT2 上，「展翼折叠」的结构终于得到了实现。翅膀的展开带来的是力学布局的优化：首先是展开后整机的重心回到中央。相机模组重新放回了设备的中间部位，双手握持展开的内屏，左右受力得以平分，机身不再有一侧轻、一侧重的别扭感。G 折的逻辑也更加符合直觉，展开动作不需要再经历内翻外折的步骤，而是双手向外自然展开，有如翻书一般，也像是展开一张图卷。而在折叠状态下，Mate XT2 的握持感离主流直板手机和传统大折叠手机的感受更近了一点：闭合宽度 77 毫米，厚度控制在了裸机 12.3 毫米左右；得益于单片结构，机身最薄处仅有 3.5 毫米。Mate XT2 的重量控制在了 300g 以内，和 XTs 相比有所「瘦身」。当然我们仍需明确：一台包含了三片机身结构，在外直屏之外还搭载了一块 10.2 寸柔性「巨屏」的手机，是不可能轻如直板机甚至大折叠的。用额外的重量，换取极致的大屏所带来的多样化的功能，特别是面向商旅用户的使用体验优化，是华为，也是所有折叠屏都接受的权衡。Mate XT2 的内屏采用了 10.2 寸总计 3K 分辨率的 OLED 大屏，约 12.8:9 的长宽比。外屏的峰值亮度来到了 6500 尼特，并且支持 120Hz 自适应刷新率，还用上了最新一代玄武昆仑玻璃，表面抗反光能力较前代提升七成左右，实测与 XT、XTs 区别明显——这些改变，使得在户外通勤时使用体验更加舒适。支撑 Mate XT2 展翼结构的是华为研发的第二代天工铰链系统，其内部采用新的双轨联动和连杆同步设计，配合特种钢材质的弧臂主轴，提高了一倍的抗冲击能力——具体来说，这种抗冲击指的是在测试实验室环境下使用尖锐重物直接冲击裸露的铰链。实际上如果发生足够强的外力冲击，柔性屏天生的薄弱仍然不可避免。但华为同样改善了内屏的抗冲击能力：屏幕主体部分堆叠了大面积的 UTG 玻璃、超薄高强钢背膜以及碳纤维支撑层，让内屏抗冲击能力比前代更强。毕竟这一代 Mate XT2 的折叠方式变成了双边向内折，跌落发生时不太可能直接暴露内屏。但华为仍然做了相应的提升，因为三折叠的典型用户们值得。包括这些耐久性上的进步，以及 IP58/59 的防尘抗水认证，都是为了让三折叠手机，摆脱曾经「花架子」式的奇观定义，成为让三折叠典型用户们真正靠得住的商旅助手。最后，强悍的耐久性与经典优雅的 Mate 非凡大师设计语言相得益彰，Mate XT2 在背部设计上延续系列的星钻设计语言，deco 包边升级为经过超高温高压烧结的合成宝石材质「钇晶宝石」：后盖则采用织金云锦工艺，使用提花编织和玻纤拓印工艺，雕琢出「青云纹」，手感类似于凯夫拉但并不「油润」，具有明确的材质触感。Mate XT2 有皓白、锦紫和玄黑三种配色。略微遗憾的有两点：一是本次的紫色没有前代产品的金色作为点缀修饰，略显单调；二是备受 Mate 系列用户喜爱的金红配色这次也没有——或许会在下一代小进化 (XT2s) 升级上出现？切中痛点的出厂配置想象一下，一个典型三折叠用户往往是一个秘密更多的人。现在，即便在差旅中展开大屏，也不用担心隐私外泄了：华为 Mate XT2 将防窥屏做进了内屏——而且是整块内屏。华为选择的是「独立双像素」架构，内置了广视角和窄视角两套发光像素。只要在外屏上快速双击两次，或者按下智控按键，整块内屏就会进入窄视角像素工作：华为形象地将它命名为「双击隐身术」，开启之后除了细微的亮度衰减，观感精细度几乎不受任何影响。但只要视角稍微偏转，屏幕就立刻变为不可观的纯黑。而且 Mate XT2 还结合了鸿蒙 7 的场景感知，当检测到用户踏入机场候机厅或高铁时，会主动在屏幕上弹出防窥提醒。另外用户也可以手动选择特定类型的软件，比如金融或社交 App，从而实现自动化的防窥效果。处理器方面，华为 Mate XT2 也称得上众望所归——首发搭载的麒麟 9050 Pro 处理器在几乎各个领域相比 XTs 都有了明显提升，当年火药味十足的华为仿佛又回到了舞台上。哪怕在 3.5mm 的机身里，华为也为麒麟 9050 Pro 留出了足够的散热容量，为30B 端侧 MoE 模型、最高 50MRPS 的马良 GPU 和其他攒劲功能打下了坚实的基础。还有个值得一提的功能点，是 Mate XT2 自带了ECG 心电分析功能。和「智感握姿」的原理类似，华为直接将 Mate XT2 机身两侧的金属中框用作了电极传感器。展开屏幕后，从控制中心就能激活心电分析功能，双手握在中框上保持半分钟左右，屏幕就能实时绘制出心电图，支持成人窦性心率、房颤、早搏等常见心脏问题的识别：而在拍照功能方面，华为尝试解决「轻薄折叠机身」和「大底影像」这一堆天然矛盾：Mate XT2 升级到了第三代红枫原色影像系统，后置全系镜头都换用了全新滤光镜片，进光量和色彩还原度都有了一倍左右的提升。在主摄上华为塞进了一块 1/1.28 英寸的 5000 万像素 RYYB 传感器，可以实现高达 18 档 EV 的动态宽容度。更别提这枚镜头还支持等效 f1.49 到 f4 的连续物理可变光圈，在微距摄影时可以收缩光圈避免边缘误差，也能光圈全开实现扎实的散景效果：长焦镜头和超广角镜头的动态范围也较前代提升巨大，在使用不同镜头拍摄同一景别时成片效果一致性巨大提升。再配合芯片级实时肤色校准，让各种光照环境下的人物肤色保持稳定。鸿蒙 7：大屏效率再提高展开这块 10.2 英寸的屏幕，系统如果只是粗暴地将界面拉大，只会徒增空旷感。这一次随 Mate XT2 一同发布的 HarmonyOS 7，聚焦在细微处的体验上。针对典型三折叠用户的高频场景——金融理财，鸿蒙 7 做了针对性的适配。比如这次最大的卖点，就是 Mate XT2 可以将同花顺、万得等主流交易行情类应用做成实况滚动的「跑马灯」。无论在主屏处理消息、修改文档，还是刷短剧，自选股的走势都会固定在屏幕边缘滚动播放，像是每一位老板都有了自己的实时行情提醒：在交易应用里提交委托后，成交进度也会通过实况窗实时展现，切换到其他软件也能保持对交易进度的追踪。甚至哪怕走神了，也能直接问整合进小艺 Claw 里面的相关财务智能体，及时跟上行情动态。再加上 Mate XT2 还支持三个应用同屏并列，原则上老板们可以打开三个交易软件，再加一个小窗同时看盘交易……当然，不忙着交易的时候，鸿蒙 7 同样照顾到了日常办公和休闲娱乐的场景：例如在投屏时，系统可以锁定单独的应用窗口，自动屏蔽掉桌面上其他的应用图标、窗口以及私人聊天；同屏刷视频、听音乐的时候，现在也可以独立调整每个应用的音量，不再互相干扰。在肉眼看不到的系统深处，鸿蒙 7 还引入了性能打磨性进行资源动态调度，显著提高高频应用的响应速度和保护效率。针对存储紧张的情况，华为还开发了全新一代超空间存储技术，能够横跨应用沙箱进行全局文件去重。实际效果是，在以前多个应用使用同一个文件会创建自己的副本，而鸿蒙 7 能够以对应用无感的方式进行去重，不仅节约了空间，还不影响正常使用。根据官方实测，512GB 机型能够释放出超过 50GB，1TB 能够释放上百 GB 空间。华为 Mate XT2 全系标配 16GB 内存，16+256 版本售价 19999 元，灵盾防窥屏则是 2.5 万元的 16+1TB 机型专属功能，全系将于 9 月 12 日开售：对于特别高端的用户，华为甚至推出了一款专门的手写笔套装。虽然售价三万元，但能独占 16+2TB 的配置，可谓尊爵不凡。回顾三折叠走来的一路，初代产品花了极大的代价证实了这种形态的可行性。而从 Z 折走向「展翼」，Mate XT2 展开这双翅膀的用意已然清晰：让三折叠彻底脱离概念展示机的襁褓，与其他折叠屏手机围绕手感、影像、创新体验等各个维度展开全面竞争，最终从「机械奇观」，变成越来越多人的日常。

AI PC 这个概念喊了两年，终于有人把「本地跑大模型」从演示台搬进了背包。联想在柏林 IFA 2026 期间的 Lenovo Innovation World 2026 上发布了一系列 AI 终端，手表、手机、平板、笔记本电脑、显示器等等。其中最重要的产品，毫无疑问是联想联合英伟达推出的 Lenovo Yoga Pro 9n（国内型号：YOGA Pro 15 Spark），这是一台可以本地运行千亿参数大模型的量产笔记本。这款笔记本重 1.65 千克，最薄 16.7 毫米，最高配备 128GB 统一内存。而按照英伟达对 RTX Spark 的规格说明，这套配置已经可以在本地运行 1200 亿参数、最高支持 100 万 token 上下文的大语言模型。以往我们讨论 AI PC 时，要不就是放在桌面上的专业主机，像是 DGX Spark 和 Mac Studio 等产品，要不就是能让我们为了一只龙虾抢疯的 Mac Mini。一台笔记本要成为合格的 AI PC，似乎要不就是在硬件上堆到尽可能的极致，要有大内存，要有顶级显卡，然后尽可能保持电脑的尺寸和散热。或者在软件上，曾经是能无痛安装 OpenClaw 也可以，以及能最大限度的支持各种 AI Agent 的使用，就像 AI 手机一样，AI 能操作的 APP 越多，这个设备就越 AI，电脑同样如此。但是当 AI PC 也开始走完一个完整的周期：概念走红、参数比拼、用户追问价值。我们也开始想知道，这些算力，到底能在我的电脑上做成什么？应付实时翻译、会议降噪这类功能级任务或许绰绰有余，但完整的大模型推理，稍微复杂一点的 AI 工作流，仍然要回到云端处理。本地大模型，更多时候站在演示台上，而不是我们的桌面上。联想这次推出的 Yoga Pro 9n 换了一条路线，它选择深度接入了英伟达的端侧 AI 架构体系，搭载 NVIDIA RTX Spark 超级芯片，通过 NVLink-C2C 互联，将 20 核 NVIDIA Grace CPU 与 6144 个 CUDA 核心的 Blackwell RTX GPU 合为一体，提供 1 PFLOPS（FP4 精度）的 AI 性能。一台 Windows 笔记本电脑，也有了成为 Agent 主机的潜力。统一内存成了 AI PC 的新趋势传统 PC 中，CPU 内存与 GPU 显存相互独立，大模型参数在两者之间反复搬运，显存的容量往往直接决定能跑多大的模型。过去做高性能电脑，独显几乎是标配，但独显峰值算力再强，消费级产品的显存通常也就十几二十 GB，模型稍微大一点，就装不下了。英伟达 RTX Spark 的统一内存架构则是让 CPU、GPU 共享同一个物理内存池，最高 128GB 对两者同时可用，模型权重、输入数据和中间结果只需保存一份；千亿参数级的大模型也得以在一台笔记本上本地运行。英伟达给出的参考值，是 1200 亿参数、100 万 token 上下文的大语言模型。开发者可以沿用熟悉的 CUDA 技术栈，数据不必上传云端，项目文档、代码与素材都留在本地。平台还能在后台协调多个 AI 智能体，跨应用自动完成复杂的创作任务。值得一提的是，联想 X Power 散热架构把 80W TDP 压进了最薄 16.7 毫米的机身，配 15.3 英寸 2.5K 165Hz PureSight Pro OLED 屏；基于 RTX 平台，Yoga 家族也获得了进阶的游戏能力。开发 AI 应用、剪高分辨率视频、渲染 3D 场景，都可以在这一台机器上完成。Luca Rossi，联想集团执行副总裁兼智能设备业务集团（IDG）总裁同平台的 Lenovo Yoga 9n 2-in-1，则把这份算力装进了一台 360 度翻转创作本：最高 64GB 统一内存，支持「屏幕 + 触控板」双表面手写。2 in 1 是联想的二合一型笔记本电脑联想不是唯一押注统一内存的玩家。就在前不久，苹果刚刚更新的 Mac mini 和 Mac Studio，几乎也是把本地 AI 计算的性能上限再抬高一截。Mac mini 提供 M6 和 M5 Pro 两种芯片，统一内存最高 64GB，并且支持通过 Thunderbolt 把多台机器组成集群。Mac Studio 则提供 M5 Max 与 M5 Ultra，其中 M5 Ultra 版本最高支持 512GB 统一内存、每秒 1.2TB 带宽，按苹果的说法，足以承载数百亿乃至数千亿参数的模型。今年 6 月 WWDC26 的一场特别活动上，苹果还现场演示过这种集群的玩法：4 台 Mac Studio 通过 Thunderbolt 5 互联，用 LM Studio 基于 MLX Distributed 跑起了万亿参数规模的开放权重模型 Kimi K2.6。官方数据显示，4 机集群的推理性能最高可以达到单机的 3 倍。苹果笔记本这边，128GB 统一内存的 MacBook Pro（M5 Max）也可以在本地运行 120B 参数的开源模型 gpt-oss-120b，有实测显示最高约 79 token/s，但前提是 4-bit 量化，且长上下文会明显挤占内存。把两家 PC 更新的方向放在一起，很明显能看到端侧 AI 的瓶颈已经从单纯的算力，转到了「模型装不装得下、数据搬不搬得动」的比拼。苹果用统一内存加 Thunderbolt 集群铺开了从笔记本到桌面的整条线。联想和英伟达这次的意义，则是把同样的能力第一次带进 Windows + CUDA 生态，并用 FP4 精度和统一内存，把本地上下文的上限推高到了 100 万 token 这个数量级。Windows，也开始争夺 Agent 主机但在这场比拼里，还有一个容易被忽略的变化：Windows 入场了。当我们把这件事放到更大的生态竞争里看，Lenovo Yoga Pro 9n 的意义就不只是停留在「又一台很强的 AI PC」。过去一段时间里，真正能稳定承载本地大模型、长上下文和多智能体工作流的设备，讨论度往往集中在 Mac 和 Linux 操作系统。Mac 靠统一内存和 MLX，一只「龙虾」就能让 Mac mini 卖断货；Linux 则是英伟达、工作站和开发者工具链的大本营。像 DGX Spark 这样的个人 AI 超算，本身就是建立在 Linux 软件栈之上，大量 CUDA 开发和模型部署工具也首先围绕 Linux 成熟起来。而 Windows 虽然一直是最广泛的个人电脑平台，却很少被视为本地大模型和 Agent 的主场。现在，随着联想把 RTX Spark 这套能力装进量产笔记本，再把可扩展的小型超算节点带进商用场景，Windows 也开始拥有了承载千亿参数模型和本地 Agent 的现实基础。英伟达 RTX Spark 芯片介绍网页，多款 Windows 电脑搭载了该超级芯片对于已经围绕 CUDA 开发 AI 应用的人来说，RTX Spark 背后有着 CUDA 多年积累的开发工具、软件库和开发者群体；既有的知识和开发经验可以继续沿用，这也让 Windows 在争夺个人 Agent 主机时，多了一份软件上的吸引力。当 Mac 正在变成开发者和创作者的本地 AI 工作站时，Windows 也显然不想错过这块市场。笔记本之外，一切都在为 Agent 服务把算力和内存做大做匀之后，下一个问题是：这些能力为谁准备？联想的答案是 AI Agent。当 AI 从「有问必答的助手」变成「能自己规划、持续干活的协作者」，它对设备的要求也变了：任务一跑就是几小时，上下文要长期留存，数据和权限都得留在本地。联想的商用新品 ThinkCentre X Ultra（国内型号：ThinkCentre X Tiny）就是冲着这个需求来的。1.6 升的机身里，塞进了 AMD 锐龙 AI Max+ PRO 495 系列处理器和最高 128GB 统一内存。和 DGX Spark 仅支持 Linux 系统不同，这款超算盒子，联想提供了面向 Windows 和 Linux 的预配置 AI 工具与工作流更有意思的是它的扩展方式，最多四台设备可以集群互联成一个统一计算平台，运行更大的模型、更长的上下文和多智能体工作流。一个部门可以先从一台用起，业务增长、模型变大时再逐台叠加。从「一人一台电脑」到「AI 一台我一台」，办公桌正在变成最小的 AI 算力节点。除了「千亿参数进笔记本」和这台对标英伟达 DGX Spark 个人超算之外，联想这次的阵容铺得很满，我们简单盘点了一下包括下面这些信息：两款概念机：Project Aeroblade 用与 Frore Systems 合作的 AirJet 固态主动散热取代风扇，在不足 10 毫米、不到 1000 克的机身里做到无风扇全性能；Project Swan 把卷轴屏带进商用本，合上是 14 英寸，展开是 17 英寸。平板：Lenovo Yoga Tab Plus Gen 2 / Yoga Tab Gen 2（国内型号：拯救者 Y900 13 / Y900 11），主打笔优先交互，4K 144Hz 屏配 8192 级压感手写笔；Lenovo Smart Canvas Concept 演示了创作在一体机与平板之间跨设备接力。主流与家用：与潘通合作的七色 IdeaPad Vibe 系列；无中置主机设计的 IdeaCentre AIO i 一体机。商用：ThinkBook 14 Gen 9（骁龙 X2 Plus，80 TOPS，至高 26 小时视频续航）、12.9 毫米 990 克的 ThinkBook 14x Gen 2、ThinkCentre M75 系列，以及四款 ThinkVision 显示器，其中包括全球首款获微软认证的雷电 VoIP 显示器 P34WD-4v。摩托罗拉：首款内置 Motorola Qira 的智能手表 moto watch ultra；搭载摩托罗拉史上最高 2 亿像素主摄的 edge 70 plus；镶了 35 颗施华洛世奇水晶的 razr 特别版。个人 AI：Lenovo & Motorola Qira 支持门槛只需要 16GB 内存 PC，随 Android 17 覆盖更多手机平板，并借 Workato 打通邮件与日历；国内的天禧个人智能体升级到 4.3，支持全双工自然语音对话。从买电脑，到买算力过去两年，Windows 和 Mac 走出了两条截然不同的 AI PC 路线。Windows 最早最积极地喊着 AI PC，早早就把 AI 变成操作系统的一部分：NPU、Copilot+ PC、实时翻译、Recall，以及越来越多的系统级 AI API。但真正说到本地跑大模型、搭 AI 工作流，Mac 则凭借统一内存和 MLX，意外成为了开发者最喜欢的本地大模型工作站之一。前者解决的是「怎么让 PC 多一些 AI 功能」，后者解决的是「怎么让大模型真正跑在 PC 上」。而 RTX Spark 这样的设备出现之后，Windows 和 macOS 的两条路线开始汇合。Windows PC 也开始拥有百 GB 级统一内存、千亿参数模型和 CUDA，本地 AI 不再只是系统里的一个功能，而可以成为整台电脑长期运行的工作负载。模型厂商会更有动力为端侧做蒸馏和量化，开发者也可以基于 CUDA 或 MLX 生态做本地优先的应用，而隐私、延迟和订阅成本这三座大山，或许也开始有了绕开的可能。顺着这条路往下想，手机、平板、手表未必没有机会跑本地大模型。其实这次联想把 Qira 的支持门槛已经下探到 16GB 内存的 PC，宣布随 Android 17 覆盖更多摩托罗拉手机和平板，甚至让它登上了 moto watch ultra 这块手表。不过眼下在手腕的端侧模型，还只是一个「调取跨设备记忆」的助手，但内存容量和带宽的爬坡曲线一旦延伸到移动端，端侧模型从笔记本向更小设备扩散，就只是时间问题。下一场 AI PC 的竞争，开始拥有一条更容易理解的衡量标准：一台电脑有多 AI，不再只看它有多少 AI 功能，还要看

Super fast, Super intelligent这是今天下午华为秋季发布会上，余承东在介绍麒麟 9050 Pro 时脱口而出的一句英文。六年前 Mate 40 系列发布会上，余承东也是操着一口不算太流利但底气十足的英文在讲芯片。时隔六年，华为再次把一颗全新的高性能麒麟芯片端上了旗舰发布会的舞台。同场发布会上，华为还端出了两台形态走向完全相反的手机：一台是换了全新结构的折叠旗舰 Mate XT 2，另一台则是索性不做折叠、把屏幕直接拉宽的 Pura X View，两台机器都在尝试打破主流手机细长带鱼屏形态的审美疲劳。8500 万台之后，HarmonyOS 7 开始把「智能」放进系统各处按照惯例，发布会由生态大盘数据开场。余承东公布的最新数据是：HarmonyOS 6 和 7 的终端设备总数跨过了 8500 万台。8500 万的数据融合了 HarmonyOS 6 和 7 的在网设备。官方的推送节奏也跟得很快：发布会刚一结束，超过 50 款机型就已经同步开启公测，从 Mate 80、Mate 70 到 Mate XTs 和 Pura 90，老用户在系统设置里就能直接申请升级尝鲜。向左滑动查看更多内容新系统在锁屏和时钟上加入了 3D 空间光效，方舟存储引擎重新优化了系统底层，256GB 设备能释放出约 22GB，1TB 版本甚至能省出 109GB 的可用空间。AI 方面，小艺在 HarmonyOS 7 中能力再次升级。不需要特意唤醒语音助手对话，它开始直接介入通知聚合、录音纪要整理和短信分类。用户只要说清自己的意图，系统会自动联动日历、地图或表格，减少了在多个 App 间反复切屏的繁琐。从简单的找应用走向跨应用的意图调度，也是大屏交互从视觉放大走向实用工作流的关键一步。星河互联这次也展现出了更开放的姿态。除了自家的平板和 PC，鸿蒙这次支持把来电与通知直接推送到 Apple Watch，负一屏也能查看 AirPods 的电量。手头的苹果配件，鸿蒙设备也能比较自然地兼容接纳。Mate XT 2：从「做出三折叠」走到「把三折叠做完整」19999 元起，Mate XT 2 非凡大师：换上对称展翼与独立外屏Mate XT 2 与上代最直观的变化在折叠结构上。新机采用了中轴对称的「展翼」架构，左右双翼向内收拢，并且加入了一块 6.5 英寸的独立外屏。🔗 相关阅读：华为Mate XT2 首发上手：三折叠展开翅膀，从奇观走进日常合上，它就是一部握感正常的常规直板旗舰；展开，它依然是一块 10.2 英寸的 3K 大屏，极限单薄处做到了 3.5 毫米——大概等同于两枚一元硬币叠在一起的感觉；整机重量来到了 290 克左右。向左滑动查看更多内容在机身防护上，外屏换上了玄武昆仑玻璃，内屏抗冲击提升了 200%，整机还拿到了 IP58 和 IP59 的防尘抗水认证，日常随身使用少了很多顾虑。防窥功能则精准戳中了商务用户的痛点。Mate XT 2 搭载的灵盾防窥屏，让视线在偏离 30 度外直接呈现一片死黑。余承东在现场还展示了把左右两翼立起来当物理隔板，瞬间化身私密小屏风。向左滑动查看更多内容芯片上的麒麟 9050 Pro，最硬核的技术在于逻辑折叠（LogicFolding）——通过 40 纳米级的立体堆叠，把原本平铺的计算单元做成了立体复式楼，信号走垂直互联通道，直接把连线缩短了。配合灵犀 CPU、马良光追 GPU 和达芬奇 NPU，Mate XT 2 的整机性能比 Mate XTs 提升了 42%，甚至能在端侧跑 30B 参数的 MoE 模型。向左滑动查看更多内容影像方面，主摄用上了 1/1.28 英寸传感器和可变光圈，长焦升级到 5000 万像素潜望镜，并配有第三代红枫原色镜头校准色彩。向左滑动查看更多内容软件上，HarmonyOS 7 针对这块 10.2 英寸大屏做了深度优化：不仅支持一屏三应用和 PC 级多窗口，手写笔还能在分屏之间自由圈选拖拽文字。价格方面，Mate XT 2 16GB+256GB 售价 19999 元，512GB 为 21999 元，1TB 为 23999 元；灵盾防窥版 1TB 为 24999 元；配齐手写笔的 16GB+2TB 锦紫顶配版则要 29999 元。9 月 12 日正式开售。Pura X View 与全场景生态：非常规形态不止一台5999 元起，Pura X View：16:9.5 阔直板向带鱼屏发起反叛首次亮相的 Pura X View 依然采用常规直板设计，核心变化在于对屏幕比例的重构。不同于目前主流手机常见的 20:9 比例，Pura X View 配备了一块 16:9.5 的阔型直屏，四边微边框为 1.05 毫米，整机屏占比达到 96.1%。更宽的比例带来了更充裕的横向显示面积，在图文信息流与文本阅读时能容纳更多内容。机身规格方面，整机厚度为 6.68 毫米，重量 201 克，内置 7000 mAh 电池，配备麒麟 9030S 芯片与 2 亿像素主摄。售价方面，12GB+256GB 为 5999 元，512GB 为 6999 元，1TB 为 8499 元。图｜HUAWEI Pura X View11999 元起，Pura X Max：上市四个月卖出 120 万台的阔折叠此前上市的折叠版 Pura X Max 也顺带更新了战况：四个月发货突破 120 万台，并且新增了尼斯蓝和波尔多红两款配色。向左滑动查看更多内容左右滑动图片2799 元起，HUAWEI WATCH 6 系列：腕上小艺与高血压风险评估手表和耳机也迎来了更新。新一代 WATCH 6 系列首发了 HarmonyOS 7，腕上小艺能自动挑出重要短信，X-TAP 智感窗支持 60 秒微体检，还加入了 24 小时高血压风险评估。WATCH 6 售价 2799 元起，Pro 版 3499 元起，9 月 23 日发售。向左滑动查看更多内容6999 元，HUAWEI WATCH Ultimate 2 非凡探索：雪域白与迪桑特联名走高端专业户外路线的 WATCH Ultimate 2 这次推出了雪域白与迪桑特联名款，表圈换成纳米微晶陶瓷，配了防冻编织表带，专为高山滑雪和极寒探险准备，依旧支持 150 米潜水和北斗卫星消息，售价 6999 元。图｜HUAWEI WATCH Ultimate 2 雪域白999 元，HUAWEI FreeBuds 7 悦彰：把降噪做到半入耳的极限音频线上，华为依然坚持做半入耳的 FreeBuds 7 悦彰。耳机单耳只有 4.3 克，戴上去几乎没有异物感，不仅支持星闪 E2.0 无损音质，还把降噪做到了半入耳的极限。但物理定律摆在那里：在安静的办公室或书房，它能给你极其舒适的背景降噪，可要是走进了早晚高峰轰鸣的地铁车厢，半入耳的隔音就不能强求太多了。售价 999 元，今天开售。图｜HUAWEI FreeBuds 7 悦彰耳机特性4499 元起，全新 HUAWEI MatePad Air：2000 尼特柔光 OLED 上屏最后登场的全新 MatePad Air，最大卖点是那块 12 英寸的 2.8K OLED 云晰柔光屏。峰值亮度拉到了 2000 尼特，在靠窗强光或者户外使用时完全不反光。整机厚度仅 5.3 毫米，塞入了 10100 mAh 电池，标准版 5299 元起，柔光版 5899 元起，另有 4499 元起的悦享款。向左滑动查看更多内容整场发布会很长，信息密度很大。从展翼折叠到阔屏直板，再到手腕和耳边，华为这批新品都在尝试打破传统智能设备的物理惯性。随着独立外屏与机身防护的补齐，Mate XT 2 让三折叠真正具备了主力机级别的日常可用性。不过两万元起步的售价，依然把它圈定在极少数高频移动办公的商务人群手中；而 5999 元起的 Pura X View 则走了一条反向路线，用 16:9.5 的阔型直屏给看腻了带鱼屏的重度阅读者带来更舒展的排版视野，前提是你愿意适应更具挑战的单手握持宽度。在常规直板机越来越难做出差异化的今天，华为选择在物理形态上另辟蹊径。但屏幕做大做宽只是第一步，系统交互能否顺手、端侧 AI 能否融入日常，才决定了这些探索到底是一次昂贵的小众尝鲜，还是下一代主流设备的工作流起点。

没有新显卡，也没有跑分轰炸，这场 IFA 2026 的 AMD 开幕演讲只讲了一件事：Personal AI（个人 AI）。以及支撑它的三样新品：Ryzen AI Max 400（代号 Gorgon Halo）平台、下一代 HP ZBook 笔记本的首度曝光，和一台 96 核、全液冷的「桌上超算」Threadripper Halo Station。AMD 高级副总裁、计算与图形总经理 Jack Huynh 在 45 分钟的演讲里，从绕月飞行的 Artemis II、手术机器人讲到芬兰的 LUMI 超算和 PlayStation 5 Pro，回顾了一遍 AMD 的算力版图。随后，把问题落到了每个人的电脑上：当 AI 像员工一样整天规划、调用工具和修改结果，这些计算究竟应该放在哪里？AMD 高级副总裁、计算与图形总经理 Jack HuynhAMD 的答案叫 Personal AI。电脑先处理自己能完成的工作，涉及敏感数据和个人上下文的任务尽量留在本地；需要更大规模时，再调用云端与数据中心。AMD 沿着这套构想，从支持 192GB 统一内存的 PC 一路到桌边工作站，再与微软和 SUSE 合作，补充了 Windows 开发与企业部署。不同产品和伙伴似乎都在回答同一个问题：怎样让 AI 先从离用户最近的设备开始工作。DeepSeek、千问、GLM、gpt-oss 和 Laguna 也出现在台上，但它们在这场演讲里成了新的衡量指标。刚发布一周多的 Qwen3.8-Flash-Next 就能放进 AMD 的新平台里运行、拥有 3200 亿总参数的 GLM-5.3-Flash 也能装进统一内存里。AMD 用这些开放权重模型证明，从普通 AI PC 到桌边工作站，任何硬件确实都有任务可跑。对这些电脑芯片厂商来说，过去他们都在比游戏帧率，现在已经变成了比较我的电脑到底能装下多大的模型。「AI 是新的电力」，但电费快付不起了Jack 把生成式 AI 过去几年的变化压缩成四步：先学会对话，再获得视觉和语音能力，随后开始推理；到了 2025 年，AI 从回答问题的模型变成了能够规划、调用工具、检查结果并继续工作的 Agent。类似的转变除了带来更好的用户体验，更多的是工作负载的增加。一次普通 ChatGPT 对话只要几百到几千 token，而一个「帮我规划全家意大利旅行」的 agent 任务，要查日历、订机票、改酒店，一次就是数十万甚至上百万 token。按 AMD 给出的数字，消费者级用户每天将消耗数百万 token，创作者是数千万，开发者和创业者则是 5000 万起步。宏观数据则显示过去一年，全球月度 AI token 处理量从约 0.7 quadrillion（700 万亿）蹿升到 1.7 quadrillion（1700 万亿）；到 2030 年，预计达到每月 120 quadrillion（12 亿亿）。与此同时，93% 的企业正在超支 AI 预算。Jack 提到一个活跃用户每天 1500 万输出 token，走云端大约是 300 欧元一天；一年为一个人的 AI 用量买单，需要支付接近 10 万欧元。「我们不能只是花更多钱，必须算得更聪明。」这句话，大概就是 AMD 整场发布会的题眼，如何把 AI 从云端拉回本地。模型在变小，PC 在变大本地化叙事能成立的前提，是本地模型和闭源的前沿模型相比足够好，即模型体积要变小、性能要变强。去年 8 月 OpenAI 放出的开放权重模型 GPT-OSS-120B 在 GPQA（研究生级推理基准）上曾拿到 80 分，已经作为很多开发者的本地部署首选。几个月后，阿里的 Qwen3.5-9B 只用 90 亿参数，就在同一基准上拿到了更高的分数，参数少了 13 倍，成绩反而更好。而放眼最近这几个月，开源模型和闭源模型的竞争更是如火如荼，从 Kimi K3 对标 Fable 5，到 DeepSeek、GLM，甚至 Flash 模型都开始对标 Claude Opus 系列模型。AMD 的路线图也是沿着这条曲线展开，当前 Gorgon Point处理器，也就是Ryzen AI 400系列可以本地跑 240 亿参数模型；128GB 统一内存的 Strix Halo 则可以运行 2000 亿参数模型。这些本地模型的表现，AMD 在现场也给出了对比，完全跑在 Strix Halo 上的开源模型 Laguna S 2.1，在一项软件工程基准上超过了云端的 Claude Sonnet 5（70.3 分）。1000 万输出 token，Claude Sonnet 5 云端约 90 欧元，本地为零把计算搬回电脑，而不是放在数据中心，这是 AMD 针对本地计算的想法。而在本地计算解决速度与成本之后，隐私与控制也是 Agent 比较敏感的一方面。AMD 希望这些资料先留在用户身边，由用户决定什么内容可以离开设备、发往哪里。最后是个人上下文，这是 Jack 眼中比应用、模型和算力多出来的第四层。同一句「帮我准备明天」，对上班族可能意味着客户会议和三个待定事项，对学生则可能意味着考试与学习小组。模型知道世界知识还不够，它还得知道提问的人明天要面对什么。本地计算、隐私与控制、个人上下文，这就是 AMD 所押注的个人 AI 三个关键词。在具体的产品上，AMD 介绍了 Gorgon Halo，对应的市场名是Ryzen AI Max 400 系列。统一内存从 128GB 提升到 192GB，本地可运行模型从 2000 亿推到 3000 亿参数。在现场，AMD还展示了来自智谱的 GLM-5.3-Flash，3200 亿参数可以在 Gorgon Halo 上本地运行，并展示了在同一基准上，本地模型的表现甚至要优于云端的 Claude Fable 5；作为对照，Fable 5 跑 1000 万输出 token 大约要花 500 欧元。应用该芯片的电脑也有联想在 IFA 2026 旗舰发布的 ThinkCentre X Ultra，搭载 Gorgon Halo，小到可以摆在桌面上，最多四台可以组成集群。此外，Jack 还首次公开了代号Sundance的下一代 HP ZBook：192GB 统一内存，现场用一条 prompt 在本地实时生成了一整个 3D 世界，然后又用它流畅跑了《微软飞行模拟》。「白天创造世界，晚上打游戏。一手是真实世界，一手是我想象的世界。」Gorgon Halo 仍然是一台面向个人的紧凑型电脑。演讲接近尾声时，Jack 把「个人 AI」推到了另一种尺寸。首次亮相的 Threadripper Halo Station，把 96 核 Threadripper PRO 和数据中心级 AMD Instinct MI350P 放进一台桌边工作站。现场展示机装有两张 MI350P，并预留了扩展到四张的空间；系统内存最高 2TB，四卡配置下的 HBM3E 总容量最高 576GB，整机采用液冷。AMD 称，它可以运行超过 1 万亿参数的模型，并称其为「全球最强工作站」。这台机器把 AMD 所说的个人 AI 从一台 PC 扩到了办公室里的共享节点。一名开发者可以直接使用，团队也可以共同调用；个人电脑容纳不了的任务，也未必需要立刻回到按 token 计费的公有云。本地 AI 的生态拼图硬件能把模型装进去，不代表 Agent 已经能在电脑上安全工作。它还要跨应用、服务和文件执行操作，操作系统必须易用，如果算力很强，但都是 Linux 系统的 Ubuntun，用户上手也非常困难。此外，软件上还必须管住它能看什么、能改什么，以及什么时候需要用户授权。微软 Windows 与设备业务执行副总裁 Pavan Davuluri 在台上介绍，Windows 正在为统一内存访问和工作负载调度做适配，让大模型能够使用 Gorgon Halo 的内存与 GPU。微软此前公布的 Microsoft Execution Containers，则试图为 Agent 提供隔离的执行环境，保护用户、数据和设备；目前这项能力仍处于早期预览。微软还公布了 Project Zenith，一套面向开发者级硬件的开箱即用 Windows 体验。它要求设备至少拥有 64GB 统一内存，预装 VS Code、WSL、GitHub Copilot CLI、PowerShell 和一组开发者设置，并将率先随 Ryzen AI Halo 设备提供。他还现场演示了阿里 1250 亿参数的新模型 Qwen3.8-Flash-Next 跑在 Gorgon Halo 上的效果。从「帮我写个函数」这种小任务，到对敏感文件做本地取证分析，再到一句话生成一个设计师作品集网站，全程本地完成。Pavan 给这个愿景起了个名字：PC 将成为「unmetered intelligence」的家——不计量的智能。从能运行 24B 模型基于Gorgon Point的普通AI PC，到 192GB 统一内存的 Gorgon Halo，再到瞄准 1T+ 模型的 Threadripper Halo Station，AMD 已经把 Personal AI 的硬件层级摆上台。这套路线能否成为新的换机理由，除了要看设备的稳定性，更多的可能还是开源模型的能力。这些开源模型，似乎正在成为全球 PC 复兴叙事的「弹药供应商」，硬件公司需要它们来证明本地算力，是有价值的；开源模型也借着这些新的硬件，把影响力带到了全世界的桌面。