本文根据极客公园创始人&总裁张鹏在 Founder Park AGI Playground 2025 上的演讲整理而成。

今天团队给我的任务是「你这几年聊了所有 AI 领域的先锋创业者，能不能分享一下你的观察和收获」。

我先说说自己的感受吧，过去三年真的很「酸爽」。技术的进步和产品的创新，一开始是赏心悦目，转眼就成了应接不暇。跟上时代不被「拉爆」，需要加倍努力，其实每个人都很辛苦。

但这又是一个让人「爽」的时代。它允许极少数人为极其广泛的人群创造巨大的价值。这股强大的推力，正是源自 AI。无论是「独立开发者」，还是「一人独角兽」等概念，或许都在印证这句话：现在，寡者亦可泽万众（so few can do so much for so many）。

今天 AGI Playground 的会场，已经座无虚席，但出了这个会场，外面的世界仍是一个「低光速宇宙」。我们是「the few」，是少数派，越是如此，越需要 stick together，需要聚拢在一起。

今年的 AGI Playground 我们邀请了 20 多个机构一起参与，有 60 多位嘉宾，有遍布 751 园区的很多个分会场、展区、聊天区，甚至是各种官方或者非官方的 party。我们希望将 AGI Playground 变成一个「公器」，让属于这个时代的最优秀的少数派们，一起短暂地进入一个「高光速宇宙」。激发，联结，一起创造未来的更多可能性。

我自己能做的一点点贡献，就是分享一下过去 3 年我与至少 200 个创业者进行深度交流后，积累的一些思考和观察。

我想从三个维度展开：

1. 产品的新目标：AI Native 时代，我们究竟在创造什么？
   
2. 实现目标的新管线：我们依赖什么支撑点和路径？
   
3. 价值模型的新变化：创业的成长方式和价值循环有何不同？
   

01

AI Native 的新目标是什么？

不是用 AI 造新工具，

而是建设 AI 能力与人之间的新关系

我们先谈谈新目标。今天做 AI Native 产品，到底在做什么？

当年我们觉得 AI Native 很简单，就是「离开 AI 就不转」的产品。但仔细想想，这太表层了。

在此，我先抛出一个「暴论」：AI Native 产品的核心，不是用 AI 造新工具，而是建设 AI 能力与人之间的新关系。

为何将重点落在「关系」上？

这个思考的起点源于我发现，这个时代的产品里，出现了一个以往产品中没有的东西——系统提示词（System Prompt）。

系统提示词有点像是源代码。用户一般是看不到的，但用户里总有「神人」，他们把系统提示词给 hack 出来了。

我们可以看看例子，NotebookLM、Manus、Cursor 这三个知名产品，它们的系统提示词有一个共性——第一行提示词，都在设定某种人设，以及它们与用户之间的关系。

系统提示词实际上就是给 AI 看的产品文档。系统提示词是在告诉 AI 如何组织能力、输出结果，甚至形成与用户的某种特定形态的交互。

对于 AI，或者准确说是大模型，看似简单的系统提示词，背后可能就是千言万语，其中蕴含着强大的信息能量。这使得给 AI 看的产品文档，可以远比给人类看的简单。这也揭示了一点，今天的模型拥有了所谓的「超语言能力」后，很多东西改变了。

这个「超语言能力」本质上就是其完全掌握了人类的语言和人类制造的公式、代码等语言。这种「超语言能力」也正在同时改变 AI 与人之间的关系。

借用一点点哲学维度的概念，具备语言能力后，AI 便展现出了「主体性」，从而使得 AI 与人之间可能形成「互为主体」的关系，是通向更高阶关系的核心。

因此，你会发现，今天所有成功的 Agentic 的 AI 产品，无一例外地在系统提示词的开头定义「你是谁」以及「你和用户的关系是什么」。如果现在抛开我们在用的那些 AI 产品的名字，咱们都可以带入某个关系标签来重新定位它，映射为今天我们人类世界中的某种关系。它不再是你推一步它走一步的工具，所以我们还把 AI 视作造工具的材料就错了。

关系带来的新挑战

以前只有当产品做品牌定位的时候，会「后置」地将产品与用户的关系做定义。但是今天不一样了，我们需要把「产品和用户的关系」写进源代码里了。并且整个产品都在忠于、并致力于真正实现这种关系，因为这才意味着你实现了用户价值的交付。

这个变化必然带来新挑战。

挑战一：情商

以往，我们谁会对工具谈论情商这个概念？但今天，当产品具有某种主体性，要与用户建设一个新关系时，情商已经是价值交付的一部分了，这是个新挑战。

例如，广受程序员喜爱的 Cursor，它的系统提示词中有一段话大意是：「要捕捉用户是否表达了挫败感，或纠正了助手……当结果出乎意料时，不要总是道歉，要尽力向用户解释情况。」这可以被理解为是在定义交互逻辑，但换一个视角，这就是「情商」。

这个系统提示词的奥义，恰恰体现了产品团队对于「关系建设」的思考。其实真实世界高情商的人特别擅长的，往往也体现在管理负反馈并做出更好的回应。

情商没有那么玄虚，在大模型不断成长的能力（即绝对的智商）面前，情商更多是工程问题，但这确实是新时代产品在 UX 层面全新的挑战。

挑战二：生命感

当今天 AI Native 的产品本质是在建立和用户之间的新关系，那么产品的生命感提升，就会加强主体性，与用户的关系就更有机会向上提升。

比如在过去一年的时间里，有一些类宠物的智能硬件产品在全球范围引发了较多的讨论，也出了不少货。你会发现它们创造生命感的方式并不都是让用户通过语音与它对话。它们构建生命感的方式，很收敛，甚至就是传感器加上一些对应场景的识别后，做出一些反应，可能是动一动、扭一扭，咿咿呀呀地发出一些声音。用户也会觉得它又 Q 又萌，有生命感。

对于生命感的理解也是在今天提出的一个新的课题。比如让产品脱离「一个有趣的玩具」，真的要让用户产生类似对宠物的关系投射，并没有那么容易。但要是真的做到了，这种关系的变化就蕴含着巨大的价值。因为顺着这种关系，用户消费的心理动力和价值对标会完全不同。

这提示我们未必要在每个产品里都把 AI 变成一个像《Her》一样的东西，《Her》可能是一个终点，到终点之前，过程本身也有意义。

「用相对低的智能，交付相对高的情绪价值」，目前已经被证明是有效的。因为人的关系都是立体而复杂的，有顾问、老师、助手这类，也有同事、朋友、恋人这类，同时也有与宠物、甚至植物之间的关系和羁绊。如果我们站在这样的视角去构建合适的生命感，会丰富我们对于建设与用户的新关系的理解。

新关系带来的新机遇

这是一个让人「酸爽」的时代，我们说完「酸」，还得说说「爽」。

新关系真的带来了新机遇。

机遇一：跨次元的混合价值交付。

我们先说一个新机遇：跨次元的混合价值交付。

这个词有点抽象，我来逐步解释。

首先，「跨次元」说的不是动漫的那个二次元，我们姑且把屏幕中的数字世界当成一个「二次元」，把现实世界当成一个三次元。

其实过去做软件和做硬件的团队完全就在两个世界，他们的团队在构成、文化、工作方法，甚至最终的商业模式方面都完全不一样。但在今天这个 AI 的新时代，当我们开始以「关系」为核心去做产品，把 AI 和人之间的关系当成一个价值成长路径的时候，你会发现这两个世界的边界正在模糊。

为什么？有两个原因。

第一个原因叫「AI 需要」。

我交流过一个想做情绪管理服务的创业者，他认为如果只做一个在手机里的 APP，就没有足够多的权限拿到足够多的 input。同时，他希望能够真正地干预用户，当用户处在一些不好的情绪状态中的时候，他想要帮助用户抽离出来。所以他后来觉得一定要去做一个可穿戴的硬件，这个硬件里要加传感器，要能够主动地去识别用户更丰富的信息，例如声音、心跳、体温等等。同时，内部要加一个小小的马达，可以用特定的震动频率帮助用户在比如过于激动、过于抑郁的状态下做抽离。这种震动可以被感知为类似触摸、拍肩这样的动作。

这位创业者的思路是：因为我想要交付更高的价值，就必须从「二次元」走向「三次元」，必须做这样的混合价值交付。由此既可以在物理上触碰用户，也可以在「二次元」的世界里，在屏幕中去引导用户。这就是我们说的「AI 需要」，因为 AI 是一个纯「二次元」的能力，你需要帮助它具备三次元的能力，从而去向用户交付更大的价值，去与用户建立更紧密的关系。

跨次元的第二个必要性是「用户需要」。

为什么说用户需要呢？我们再来说个产品的例子。

我们可以看到 Fuzzi 这个很有意思的产品。它其实就是个气囊手机支架，本身有实际的功能价值，你可以用它更好地握持或架设手机。但它上面还有个有点 Q 萌的小 IP 形象，同时在气囊支架里内置了一个 NFC 芯片，手机靠近时可以呼出一个程序。这个程序能干嘛呢？挺无厘头的——你可以拿手机当木鱼槌，敲木鱼攒功德。

你敲的时候可以通过小程序发现，哇，在这一瞬间还有很多人和我在同时敲诶！还可能会发现，竟然有人跟我敲的频率差不多诶！当然他们正在结合 AI 探索更多交付情绪价值的玩法。

他们把这个所谓「无厘头」的玩法做出了很酷的点。用硬件在交付功能价值，而软件在交付情绪价值，这是个混合价值的交付。

因为硬件存在感很强，当你天天手里拿着它，它就是个 reminder（提醒），不容易被你忘掉。如果只是个纯软件，现在软件这么多，如何让它足够吸引用户活跃起来？如果换到关系视角，就意味着和这个人熟悉，天天在眼前晃，交流就多，机会就多，交付价值的可能性就多。

而且一个额外收获是，这个硬件与同类比卖得并不便宜。原本价格天花板很有限的品类，叠加了软件部分之后，就能够突破其固有的价值天花板了。

所以你看，如果你的 AI 产品在三次元有存在感，例如是在用户的桌上、床头、手边或是身上，用户是需要的，也是有机会交付更大混合价值的。

机遇二：新关系带来服务分发的新通路

我觉得更让人兴奋的机会是，站在新关系的视角，新关系可能会形成一个服务分发的新通路。

在过去移动互联网时代，最后都落到了分发逻辑。所有巨头都是通过一个产品起步，不断扩展功能，积累用户，成为国民级应用、平台。接着在这个平台里分发什么都行，可以搞金融，可以做本地生活服务，可以玩电商。最终是赚「连接」的钱，似乎每个平台都差不多。

「你这个事巨头干了怎么办？」很多团队都会被问到这个问题，其背后折射的就是那个赢者通吃的传统分发逻辑下，创业者确实很难干过巨头。

但如果顺着关系的视角来看，或许就会不一样。

举例来说，现在很多人用 Agent 产品时，已经逐渐接受用产品时先交一份钱，然后按用量再交一份钱。如果它真能给你解决问题，甚至是解决了你不断需要解决的问题，那你的用量会不会不断上升？这意味着什么？意味着传统移动互联网平台的分发逻辑，在今天可能转变为另一种模式：你可以为用户交付持续且不断深化的价值，这意味着每个用户的 ARPU（每用户平均收入）值、LTV（用户生命周期价值）的天花板被突破了。

之所以原来是分发价值，就是因为之前 ARPU 和 LTV 天花板很低，甚至为了获得更多用户，产品都是让用户免费使用的，产品能获得的价值只能取决于分发服务的用户规模。

而今天你给用户的价值可以不断深入、越来越多，这种 LTV 天花板的突破才是真正的机会。这时候你比巨头起步早，和用户是「发小儿」（更早建立了信任和习惯）就是有意义的。

当然，你选择（并真有能力）和用户建立的关系本身，可能也决定了 LTV 价值的天花板。你是通过帮助用户解决什么问题来建立稳定的预期甚至是信任和习惯的？它的频率和用户感知到的价值如何？以及顺着这种「关系」，服务可延展的价值空间如何？都值得思考。

当万事都有 Agent 时，这种无限的生产力和服务供给，肯定会改变传统的广告连接或者平台分发逻辑，这时候顺着「关系」的分发可能才是更高效的。

比如帮你做信息分析的「AI 分析师」，在分析完某个行业趋势后，可以直接顺着你认可的判断完成股票配置，这很顺畅自然。这位「分析师」是靠自身的 Agent 能力，还是通过 MCP 调用来完成并不重要。但这个日常不断与你协作的「分析师」，肯定已经因此在创造了更大价值。

追求建设性关系：对人性的解放，而非纵容

既然说到了新关系带来了服务分发的新通路这一可能性，其中就引发了一点：如果你想运用这个新机会，毫无疑问你需要建设的关系得是长期的，而所有人类的长期关系都需要是建设性的。

这就引发了我们另一个延展的思考。我记得去年我演讲的时候也在这个舞台，我当时有一张幻灯片，后来发现有好多人分享，其核心内容是今天这个时代的产品经理既要懂人性，又要懂模性——也就是模型的能力。

后来我在想，理解人性是一个要求，是我们要具备的能力，但我们的目标是什么？应该顺着「关系」这样一个视角，它自然也会要求你构建的这个关系必须是建设性的。这种建设性就需要是对人性的解放，而不是简单的放纵。

人性这个事，在宗教上有一些结构化的总结，大家都知道「七宗罪」。但其实天主教当时定义人性的时候还有另一面叫「七美德」，「七宗罪」和「七美德」是相互对应的。你可以理解为「七美德」是对「七宗罪」的救赎。或者说它是宗教设定给人理解自己的出发点，你要通过修行，最终解放自己到达那个状态。今天 AI 产品在人的身边，在这个视角上，可以做些什么？

或许是你需要懂人性，但你懂了之后，你不应该只是利用人性、纵容人性，你要在某种程度上解放人性。

这是一个我们用一天也不一定能讲透的话题，但其中蕴含着巨大的能量。当我们站在一个发展新关系的视角去思考产品的时候，可能真的会影响我们的一些目标，比如你需要真心为用户好，产品不能有自己的「隐藏议程」，比如「贩卖用户的 xxx」，「利用用户的 xxx」，这种商业模式带来的「背叛」会直接摧毁关系。

任何时代，一个产品的最大价值都是由审美决定。就像乔布斯说的——Ultimately, it comes down to taste。我觉得在这个层面上，我们怎么去理解这个时代产品的审美？以「关系」这样的目标重新思考会变得很有意义。

02

AI Native 的新管线是什么？

 

有了「关系」这个新的视角，以及用关系的视角去理解今天产品的目标变化后，还有一个非常落地的问题要解决——如何实现呢？这就引出我们第二部分，AI Native 的新管线到底是什么？

我们先看一下今天这个时代做产品的基本构型：两端分别是 input 和 output，中间是个 Magic Box。

过去大家经常探讨「套壳」的话题，很多人很嫌弃「套壳」，我觉得到今天这个争论可以结束了。也许未来每家公司都可以有这个能力自己去造中间那个 Magic Box，但至少在今天，这个世界上就是屈指可数的人在造那个 Magic Box，那么剩下的我们所有人都是在套壳。

套壳有意义吗？当然有！这个「核」它的确是有 Magic，但问题在于，它是一个失控状态的不确定的概率模型。你不套好「壳」，你不做好产品工程，怎么给用户交付价值？

因此，「套壳」——即优秀的产品工程——反而我认为正是大家当前应该要着力做好的部分，因为新管线里的核心目标就是要理解失控，接受失控，然后在不确定性中增强确定性。

你真正能较劲的就是 input 和 output 了。在这两个维度上，我们要带入一些新的视角去强化它。

我们需要的是 Broad Input（宽输入）和 Liquid Outputting（柔输出）。

宽输入 Broad Input：积极主动地感、知、觉

我们先看看所谓的 Broad Input 到底在说什么？

宽输入 Broad Input 就是要更积极主动地去「传感」、「认知」以及「觉察」的能力。

「传感」可能是文本、声音、视觉、压力、温度、空间等一系列能获取更丰富维度数据的传感器。

「认知」，可能是知识库，或者调用一个更长上下文的模型等等。目的是更准确的理解需求，也提升价值交付的确定性。

同时你可能还要追求能「察觉」，所谓的察觉是指，可能用户当前提供的信息很有限，但我需要能够主动结合到一些其他的信息，做到更精准的理解甚至预测需求。

不要让用户每一次都是像面对一个陌生人一样，需要主动做一遍自我介绍，向产品「汇报思想」，甚至是去修炼提示工程能力。今天同样一个 AI 产品，这个人用和那个人用的体验可能是完全不同的，因为我们每个人对于模型能力的理解、prompt 的水平、我们心中的目标、脑子里的进程都不一样。所以一个 AI Native 的产品，你怎么去面对这么多样的用户？很重要的一点就是产品本身需要是积极主动的，要向用户的 context 靠拢。

我举个例子来说明为什么积极一点、主动一点，拿到的信息宽一点，交付的用户价值就会变更好。

在极客公园内部有一个大家特别喜欢用的产品，叫 Dia，它是一款 AI Native 的浏览器。当你需要去做一些思考、做一些结构性的总结时，你往往会在浏览器中打开很多的标签页，你需要综合其中的信息去思考，过去你就需要在这些标签页中来回切换。

在有了 Dia 之后，你不用切了，因为它是「一眼看千层」。我们只能一眼看到屏幕上显示的这一层，但是 Dia 可以同时「看」到所有标签页中的信息。你在 Dia 中呼出的 AI chat 就知道你要基于这些页面做思考，OK，我都替你看到了并且理解了，我在这个过程中可以帮助你基于这些信息去展开对话、进行思想碰撞。

理论上用其他产品也可以实现同等的效果，但可能需要用户把网页链接复制粘贴进来，或者要求用户把文档上传进来。但 Dia 就主动了一点点，做了一个 Broad Input，它给用户的价值就可以很高，它和用户的关系就可以走得更近，就被用户拿出来推荐了。

「站在未来看现在」是有必要的，宽输入必然是所有产品工程里要考虑的重要管线，而其终极目标一定是这些：

它首先是多模态的实时感知。

同时我觉得是对生活流（lifestream）的高分辨率捕捉。这个高分辨率说的不是 4K、8K，它说的是，今天我们用手机能覆盖的生活流是非常有限的，未来可能需要不同产品形成的认知数据的分布式网络，这样才能构成一个对用户所谓生活流的更完整理解。

当然，别忘了，你的 input 和 output 之间是可以闭环地在里头不断地自己学习和进化的。

因此，顺着这种思路，在产品工程上有很多值得创新、值得往前去跳跃的目标。

柔输出 Liquid Outputting：

分步交付，创造一个与用户协行的进程

再说一说柔输出。柔输出到底在说什么？

首先我们先去理解这么几层问题。

第一，我们必须理解任何一个产品的内核都是一个概率模型，就是一个 Magic Box。在这个时候，你就要有知有畏。因为它就是会有幻觉，它就是会有不确定性，不管你把它的 input 做到多么完美，它依旧有可能出现这些问题。所以你不能过度自信。

第二，模型这个 Magic Box 确实很强。但要让它能够「更强」，有可能是在于你会示弱。

这个示弱是什么？就是在用户面前我不是有求必应、强行端到端输出的，而是「我们可以一起往前走」。因为你别忘了你的核心是「关系」，你要基于你和用户之间的关系去做设定，甚至在这个过程中，你可能需要合理的示弱。

用一个令用户舒适的方式去承载用户到达需求的彼岸。这就意味着，你未必是用户说完了需求，你就在一次动作中完成完美交付。而是需要从「一次固态的交互和交付动作」变成一种「液态的交互和交付旅程」。

我们可以通过三个例子来理解这个「液化」和「旅程」

第一个例子，很多写代码的朋友可能知道 Devin 这个产品，它在系统提示词里提到了一点：当你发现用户提出的需求不清晰的时候，你一定要去追问，不要害羞。

我看了原文，其中真有一句「Don’t be shy」，它竟然告诉 AI 说你别害羞。为什么它会有这么一句话？就是在用户需求和逻辑都没有说清楚的时候，你别硬要出一个东西，与其造成失望感，真的不如去向用户示弱，「我可能没听懂」，或者「你说的是不是这样的意思？」你要去确认，否则你勤奋努力的输出最后是招骂的。

第二个例子，很多人都在用的 Deep Research，你发现它会先出一个大概的研究方案给你确认一下。这个过程既是对于用户要做的事的确认，也是在确认这是不是用户最终想要解决的问题。这是一种拉长过程，主动邀请人类介入的方式。所以输出过程中别抛下用户，合理地将用户 involve 进来，用 human-in-the-loop 和 human-on-the-loop 柔性流转的方式，让人在循环里发挥作用。

第三个例子，最近大家可能也看到有很多相关讨论的 YouWare。这款 Vibe Coding 的产品，它里边有一个 feature 叫 Remix（合成）。当用户要创造一个东西的时候，可以让用户先从一个已经存在的、比较喜欢的「模板」出发作为起点，再鼓励用户在模板上做更个性化的创造。对于用户的需求，直接让用户的选择可以从 60 分起跳，再带用户一起达到 90 分。甚至有时候模板能打开用户的世界观，还可以突破用户认知和能力的限制，给用户交付超越预期的更好结果。

所以拉着用户一起前进，像液体那样承载用户、包裹用户抵达需求的彼岸，建设这样的进程，才能真正和用户建立更好的「共同经历」。这通向信任，而信任是关系的根基。

归根结底其实今天我们 AI Native 的产品，本质上就是一个以人为中心的 I/O 的系统。

如果我们站在这个视角去理解就坦然了。这些看起来在上个时代不存在、今天我们都很头疼的问题，就是这个时代的产品经理、产品创造者们的核心使命。因为它体现了个人计算的真正的革命。

我们是从个人计算机这一波个人计算革命一路走来的。但在今天，你交付的不再是个工具，而是结果，是「实现」。它就是个人计算的新革命，是这个时代的新任务。

这些问题今天都很复杂、解决方法也都在不确定中等待摸索，但它就是这个时代给产品人的使命。

反正，混乱本身也是阶梯。

03

AI Native 的新价值模型是什么？

 

很多朋友可能不知道极客公园其实还有自己的早期孵化基金，而且已经在早期投资过小鹏汽车、宇树科技等优秀的企业。不过这也正常，因为极客公园不是一个典型的投资机构，它的本质就是一个社区，它的使命是通过 社区带来的 Founders backing Founders 的能力，生生不息地去帮助一代又一代依托技术去做产品创新的创业者，向上探索，做他们的「珠峰大本营」。

不过既然有投资孵化的业务，这也就推动我们要不断地去思考什么样的创业者是这个时代我们最该支持的人？它自然也就引发了我们第三部分的探讨——AI Native 的时代，新的价值模型是什么？

对这个问题的追寻，也是我支撑自己走过这么酸爽的三年，去和那么多创业者交流的一个核心动力。

我先说一个自己越来越强烈的感觉：我认为这个时代的创业者，一个很重要的特性就是内心明白我服务的不只是用户，我同时也在服务 AI。

因为今天 AI 的能力还在一个成长的进程里，所以就会存在一个问题，你的产品工程里边不能只是从用户的需求去思考问题，你必须同时去思考 AI 需要什么。

其实之前我们谈到 Broad Input（宽输入）和 Liquid Outputting（柔输出）这两个维度的时候，我们也在谈这样的问题，包括为什么要给你的产品写那样的系统提示词去定义关系，也是同理。你要帮助 AI 能够更好地发挥它的能力，把它的能力对齐到用户，为它的能力做建设。只有具备这种视角的创业者，才是这个时代的创业者。

同时，这个时代最优秀的公司，它的价值模型相比移动互联网时代的也有明显变化。

过去移动互联网时代的价值模型更像一个平面，它是一个面积模型。你在这个产品上做出一个「点」，拉入足够多的用户，当然中间你可能会不断增加功能，覆盖了广阔的用户面，你就成为了所谓的平台。接着在其中基于「连接」的价值，分发「连接」，然后去获得最大化的价值。

但在今天，技术也好，和用户的关系的维度也好，因为你能交付的用户价值的质量以及交付的能力，它需要一个向上的过程，所以你会发现这个价值模型从二维变成了三维，你还需要 AI 能力的高度。

AI 能力的高度，有一部分是我们在用的优秀的模型提供给我们的，但也有很多是通过你的产品工程在这样的模型基础上进一步释放和构建的。只有这条能力线不断地往上涨，你最终的总体积才会大。所以今天这个时代最有价值的公司，它可能是一个三维的模型，而不再是一个二维的模型。

这意味着很多决策上的不同：比如传统意义的用户数量、ARR（年度经常性收入）等指标未必可以充分地衡量一个产品的价值，如果今天服务用户的任务太低频、任务太简单，你就没有 AI 能力提升需要的高质量数据飞轮，很容易变成「一波流」。这时候一味单纯的投流、买用户，借资本的钱去跑马圈地，可能不再是最合理的发展模式。

所以我们也期待看到更多对「新酒」和「新瓶」都有思考的创业者。

所谓的「新瓶」指的就是增长的方式、商业模式，包括团队组织，这些其实都会变化。这些问题需要边走边想，但值得在今天就把它当成一个重要的问题去开始思考。

未来从来都不是历史的简单延长，有些东西会押韵，但它一定不会重复。所以最好从一开始就要告诉自己「老瓶」碎了，如果你最终把「新酒」装到「老瓶」里，可能会错过时代带来的真机遇。

其实今天我们已经可以隐约看到传统的「产品经济学」不存在了。

所谓的产品经济学，就是在说你的商业模式、增长模型，甚至所谓的竞争力壁垒等等这些东西。我们对产品的那些传统的理解，在今天都在变化。

抛几个开放性的问题吧。比如说，到底是免费还是收费？如果是收费，是不是今天的「订阅+用量」就是终点了？

如果我们再往前 crazy 地想一想，收费应该前置还是后置？真实世界里很多东西是后付费的，如果你的 AI 产品能交付结果，能够帮用户实现价值，那么这个过程中是不是需要一些新的东西？例如智能合约支持的后置付费？比如说，什么是 AI Native 时代的支付宝和白条？

甚至再 crazy 一点，「收钱」和「给用户钱」是不是个一体两面的东西？未来人的价值创造可能会变得很离散，不再是在一个组织里打一份工，他日常可能在很多地方产生价值。既然 AI 和人就是个协行的状态，那反过来看，未来我们的价值创造和价值消费会不会又有一些新的循环？

我不知道答案，只有问题，但这些问题让人觉得很兴奋。毕竟人类每次技术进步，3年的维度你要关注生产力的变化，但如果以 10 年的维度去看，那全是生产关系的变化。

所以当我们说产品经济学的时候，它本质上就是说生产力在怎么改变生产关系。这个维度还有巨大的空间值得思考。

好，不光是传统的产品经济学不存在了，其实传统的管理学也不存在了。

回想一下，现在的管理学是怎么来的？它是在工业革命带来大规模生产的背景下，为了解决怎么把人有效地组织起来而形成的。今天生产力的结构都变了，AI 在大范围地渗透到所有的组织里，与人协同发挥作用。所以传统的管理学又怎能继续有效呢？

未来一个伟大的公司真的都像今天一样，必须得有上万人，甚至十几万人吗？如果人可以更少，这群人是谁？他们的使命是什么呢？

那些使命、愿景、价值观的定义它如何在今天起作用？我们管理的「提效」到底要的是所谓的效率，还是未来的创造力？我们看到了清晰的问题，但还没有答案，这就是这个酸爽的时代留给我们的东西。

我的分享也差不多到了尾声。

其实今天我说的很多都是一些假说，甚至连假说都没有，就是抛了一些问题。各位产品人才是新时代的哥伦布，你们的产品、你们的实践中会真正探索出答案。

祝愿大家在未来的进程中有更多的「Aha moment」。我会非常期待你们回到这个舞台，把你们探索的结果分享给世界。

祝每个人都在这个时代有所成就，谢谢。

---

如果你看完这篇也觉得「这时代不折腾点什么就太遗憾了」。欢迎和极客公园「建设一下新关系」，可以加入极客公园一起研究，一起挖掘 cool 产品，一起组 cool party，也一起 build something！

填写表单，我们想认识一下你。

 

6月27日，高通在苏州举办了一场汽车技术与合作峰会，再次向行业展示了它在智能汽车的野心。

与此同时，它还带了一大群「朋友」——理想、蔚来、岚图、极氪、奇瑞、零跑、一汽红旗、现代等车企，加上元戎启行、德赛西威、Momenta、卓驭科技等供应商伙伴，一起「组团开黑」。

提到高通，你可能马上想到手机芯片，但他们在汽车领域同样是重要存在。根据盖世汽车数据，2024年，高通在中国智能座舱芯片的市场份额超过70%，远远领先于其他厂商。这意味着，当你坐在新车里听音乐或者看导航时，很大概率有用着高通的产品。

不过，高通可不满足于只做车内娱乐的「王者」，他们也把目光投向了智能驾驶。这次峰会的焦点是三款芯片：

骁龙8775、8797和8397的生态落地。

发布会现场，零跑汽车宣布，他们将推出一款搭载骁龙8797芯片的旗舰D系列车型，而且这款车将在2026年第一季度量产。

高通带来的这些新产品，能给汽车行业带来什么？除了智能座舱，高通在智驾方面，又有怎样的野心？

押注「舱驾一体」

现在的智能汽车，一般都搭载了三个域控制器：一个管座舱，一个管泊车，一个管行车。这三个「小脑」就像三个独立的部门，虽然也能合作，但毕竟不是一家人，这也限制了汽车智能化的天花板。

不过，随着智驾和座舱的发展，舱驾融合被认为是通向未来的路线。简单说，就是用单颗芯片同时驱动智能座舱和辅助驾驶系统。这不仅给车企节省了大量的成本，还能带来更高效的通讯和更好的用户体验。

但这个过程并非一蹴而就，目前的舱驾融合还不是真正意义上的舱驾融合，有些方案只是把两个功能的电路板（PCB）硬塞进一个盒子里，但芯片还是各用各的；更进一步的，是把功能集成到一块电路板上，但依然需要两颗独立的芯片。

因为这可是个技术活。目前，全球只有少数几家顶级玩家能hold住全场，除了英伟达DRIVE Thor、黑芝麻武当C1200家族，高通骁龙Flex SoC是目前市面上少数相对成熟的产品。

博世展示的舱驾融合平台 | 图片来源：视觉中国

在高通技术峰会的展区中，博世、德赛西威、中科创达、车联天下、卓驭等，都拿出了基于高通骁龙8775芯片的方案。

这个骁龙8775芯片很厉害吗？它是高通的首款舱驾融合产品，AI算力在72TOPS左右，如果舱驾平分的话，大约有30TOPS可以用于智驾，这足以支持高速NOA。

从方案到量产落地，它来到我们身边的速度可能比你想象的要快。在活动现场，零跑汽车官宣，他们明年第一季度推出的D系列旗舰新车，就会搭载两颗更强的骁龙8797芯片。

有趣的是，零跑汽车并没有让一颗芯片「身兼数职」，而是采用了「术业有专攻」的策略：一颗芯片专心负责智能驾驶，另一颗则专心负责智能座舱。这种「双芯」方案，虽然看似没有追求极致的「单芯」集成，但在当前技术阶段，却能保证两个核心功能的性能和稳定性。

端侧大模型加速落地

在高通活动现场，作者感受到的另一个趋势是端侧大模型的加速部署。「端侧」就是指设备本身，比如你的手机或者汽车，而不是网上的云端服务器。

如今，车企疯狂加码AI军备竞赛，甚至很多人喊出了要成为「AI公司」的口号，大模型上车就是最重要的举措。

在大模型上车的过程中，DeepSeek、豆包、腾讯元宝等大多部署在云端，这也或多或少呈现出一些短板，比如怕没网，有延迟，隐私无法保证等等问题。

为了解决这些问题，一个不算很新的思路——「端侧大模型」，总被提及。这意味着，你的汽车不需要联网，就能独立思考和回应。正是因为这些优势，理想、蔚来、极氪等车企，都在布局「端+云」的方案，这就对端侧算力提出了更高的要求。

高通8295是当下主流的座舱芯片，算力大约 30 TOPS，能运行 10亿 (1B) 参数的模型。这已经是个不错的「学霸」了。但高通最新的8397芯片更猛，算力高达320TOPS，能支持140亿参数（14B）的大模型，这给部署更大模型提供了更多条件。

中科创达展示的端侧AI解决方案，可以让14B模型在骁龙8797上运行 | 图片来源：视觉中国

在高通活动现场，一堆车企和科技公司都来秀肌肉。其中，中科创达的展台让人印象深刻。他们用高通骁龙8797，在车内芯片上流畅运行140亿参数的大模型。这意味着什么？你的车不仅能开车，还能跟你聊得飞起，反应快到不行。

从30TOPS到320TOPS，高通8397能支持的模型也从10亿到140亿，这都会让端侧大模型加速落地，也让汽车变得越来越聪明，能力越来越强。

手机芯片也能上车？

目前，高通在智能座舱的地位，短期内无法撼动。不过，在智能驾驶这块，高通还没站稳脚跟。

目前，自动驾驶芯片的主要玩家就是英伟达和地平线。在中国高算力自动驾驶芯片市场，英伟达稳坐第一把交椅；地平线则以中低端芯片站稳脚，开始冲击高算力芯片。

相较于其他厂商注重高性能的策略，高通希望通过舱驾融合的策略，走性价比路线。这在汽车行业强调降本增效的当下，确实也是一个可行的思路。

不过，这需要攻克多项技术难题，例如智驾与座舱对功能安全和芯片资源的需求差异。要将两个域融合起来，从芯片架构、操作系统以及底层中间件等不同层面都需进行综合考量。

小米YU7的智能座舱，搭载了高通骁龙8 Gen3 芯片 | 图片来源：视觉中国

值得一提的是，最近引爆全网的小米YU7搭载了高通的骁龙8 Gen3，这芯片本来是给手机用的，用的是4nm工艺。相比之下，当下车企常用的骁龙8295芯片是5nm工艺，稍微落后一点。

有趣的地方来了：这颗芯片原本是为顶级旗舰手机设计的，而汽车上主流的座舱芯片8295，是车规级的。常见的芯片等级一般是按照使用温度、辐射、抗干扰等因素，分为5类:，即消费级、工业级、车规级、军工级、航天级。

这个选择立刻引发了一个问题：

手机芯片，能直接装在汽车上用吗？

面对小米的「不寻常」选择，高通技术公司汽车、工业及嵌入式物联网事业群总经理 Nakul Duggal在接受群访时的回应非常巧妙，他们在为汽车行业开发任何新产品时，无论是座舱还是辅助驾驶，都严格按照车规级标准来。

「但我们尊重客户的选择权。如果客户评估后，希望选择一颗通用芯片，我们也会提供相应的技术建议和支持。」

当新能源汽车「下半场」的哨声吹响，AI成为核心变量时，只做一个「座舱之王」，显然满足不了高通的胃口。所以，高通果断地要补上自己版图中最关键的一块拼图——智能驾驶。当其他玩家都在追逐算力时，高通将「筹码」都押在舱驾一体上，希望通过错位竞争来站稳脚跟。

在市场格局初定的当下，这或许是不错的选择。

 

刚刚落幕的 618 电商大战中，淘天集团的商家 AI 工具「生意管家」以一组数据引爆行业——上线累计服务超 700 万淘宝天猫商家，大促期间帮助商家生成超 2 亿+商品素材、完成超千万次智能代理操作、超 5 亿次接待辅助。

在 ToB 产品领域，拥有 700 万用户规模已属顶尖水平。当下 AI 大模型竞争焦点正从算法研发延伸至商业应用落地，一款商家工具的广泛应用，是用户规模的持续积累和工具实用性的深度验证，更是打开市场增量空间的关键。

最近，淘天集团的生意管家还入选了 Founder Park 中国最具价值 AGI 创新机构 TOP50。从商业应用价值的角度来看，生意管家利用 AI 技术实现了素材成本降低高达 90%、释放经营人力 30%、提升接待效率 30% 等显著成果。

生意管家的 700 万商家用户不仅是一个数字，更是一个观察 AI 如何真正融入经济实体，为普通商家赋能的鲜活样本。那么，在众多商家工具中，生意管家究竟有何过人之处，能够赢得如此多商家的青睐？它又是如何通过 AI 技术为商家带来实实在在的效益提升的？

01

压缩 90% 成本，

从素材生成到经营策略全流程降本提效

如今，电商行业早已经过了「草莽阶段」的野蛮生长，步入了规则清晰的成熟阶段。对商家而言，经营逻辑也从「流量博弈」转向了精细化运营。但商家仍背负着几座难以逾越的大山：一是高昂的素材制作成本，二是依赖经验主导的决策困难，三是重复性任务的人力消耗。

虽然以往通过 SaaS 工具提供的供标准化模块功能，可以解决部分如订单管理、客服咨询等问题，但在灵活性和智能性方面还存在明显不足。生意管家用「智图、智影、智品、智文、经营、AI 客服」六大功能矩阵协同的实践证明了，平台的价值锚点已从「满足基础需求」升级为「构建商业增长引擎」。

电商经营涉及素材制作、图文上架、客服接待、数据分析、策略制定等多个环节，任务细碎且费时、费力、费钱。生意管家以 AIGC 技术为核心，构建了素材创作、经营诊断、运营代理、客服辅助接待等多维能力。

素材生成方面， 「成本」是商家考虑的核心问题。比如经营服装品类的商家要拍摄一套主图，请模特和摄影师就是一笔不小的开支，再加上场地、后期等费用，几千元的预算已经是极致压缩成本的结果了。如果要拍摄动态视频，除了费用时间成本同样非常高，从寄样到拍摄，再到剪辑、后期，没有一周时间根本完不成。视觉素材制作完了，上架的描述从标题到文案也要反复修改，而且这个环节往往依赖人工经验，效率低且难以量化效果。

生意管家的 AI 商品图创作功能，只要上传参考图，就能「一键同款」智能生成，还能自由编辑更换背景与场景，几分钟搞定原先需外包团队数天完成的工作。不止图片可以 AI 生成，视频也能。商家只需要上传几张商品的平铺图，5 分钟即可生成带运镜、配乐、转场效果的动态模特展示视频。没有新商品的图片也不用担心，利用现有商品链接也能生成视频。

在信息爆炸的营销战场，每个标题、关键词都是影响转化率的关键。生意管家的智能文案功能，无论是打磨爆款标题，还是创作吸睛短视频脚本，从基础文案到订阅上新营销文案，做到了核心场景全覆盖。同时，依托智能算法精准抓取热点，深度解析竞品优势，产出高转化的标题与营销文案。

经营策略方面， 基于淘宝积累的海量消费者数据及商家经营数据，生意管家具备商业趋势预判能力，能够为广大商家提供快捷、高效的 AI Agent 能力，以智能经营决策，替代过去的经验主义。同时，帮助商家节省时间和人力成本，带来更优质素材下的商品转化增量。

AI 经营助手能整合店铺流量、转化、客单价等核心数据，一键生成诊断报告，提供选品建议、定价优化和促销节点规划。对商家来说，每天需要跨多个后台页面巡查店铺是否存在异常情况，工作重复且耗时。而且商品数据分散在多个后台，抓取难整合还容易出错，当商品销量下降时，不知道从什么维度分析数据，很难从全面的运营视角看待多渠道关系。有时想要参考行业数据，却得不到一个明确的数值，但是利用 AI 生意管家，这些问题都可以得到有效解决。

此外，AI 客服辅助则通过智能应答降本提效，自动识别用户咨询关键词，毫秒级推送标准化话术，显著降低客服工作量与响应时间。

最近，生意管家还全新升级了 AI 分人群测图能力，针对人群偏好通过 AI 生成匹配主图。以前测图需要商家手动做 AB 测试， 现在通过 AI 洞察人群特点、生成对应图片， 可以快速测试不同主图的点击率、停留时长，快速定位高转化视觉方案，给不同取向的客户精准推荐不同卖点倾向的主图。

生意管家的应用效果显而易见：成本降低高达 90%、释放 30% 人力、提升客服接待效率 30%——每一个数字都击中了电商从业者的敏感神经。同时，它也揭示了 AI 应用的核心逻辑：不是炫技式的功能堆叠，而是对行业痛点的精准打击。

02

实用性与易用性兼顾，

让每个商家都用得会、用得好

智能化的工具让电商经营思路成为「明牌」，此时，于平台而言，要解决的已不单单是有多少工具，而是能否将工具转化为为商家提供增长路径的商业模型。

在行业和平台的双重助推下，许多商家已经意识到了 AI 的潜力，却因技术门槛高、操作复杂，对 AI 工具望而却步。生意管家的成功，恰恰在于它坚持了「让复杂的 AI，变成简单的工具」。

为了让对 AI 了解程度不同的用户迅速上手，生意管家在操作界面上下了很大功夫。经过对商家行为特征和使用习惯的深入分析，生意管家遵循电商商家使用习惯，设计了极致简化的操作流程，从图像生成到修改优化再到发布上架一气呵成，基本实现了「生成-调整-发布」的闭环流程。

在功能优化方面，生意管家也在持续根据商家的反馈和市场需求不断推出新的功能模块。例如最新升级的 AI 分人群测图功能，确保工具始终贴近实际需求。

生意管家还实现了与电商平台的后台管理系统深度集成，实现数据的无缝对接和共享，使商家能够在一个平台上完成全链路运营操作。

低门槛、易上手、持续升级，让生意管家跨越了「看着好」到「真有用」的鸿沟，成为 700 万商家信得过、离不开的生产力伙伴。

03

AGI 时代：从效率工具到生态系统

Founder Park 的颁奖词揭示了生意管家的行业意义：「当 AI 成为商家的『数字员工』，中小商家也能获得与头部品牌同等的技术赋能。」这种赋能体现在技术平权、决策升级、生态协同三个维度。

昔日需重金聘请团队制作图片、视频等素材，如今几分钟内就能低成本生成媲美专业拍摄的产品视觉；以往依赖个人经验或支付高额顾问费用进行经营决策的商家，拥有了基于全平台数据生成的商业「外脑」；AI 客服的存在，极大释放了人工作业的压力，小型店铺也不用为客服储备发愁。

生意管家 700 万商家的共同选择背后，是淘宝平台多年积累的商业洞察与 AI 技术结合的必然结果——它让高昂的素材制作成本不再是入门门槛，让经验主导的模糊运营变成精准的数据驱动，也让头部集团沉淀的数字化能力真正「飞入寻常商家」。

随着 AI 应用向「垂直化深耕」进发，那些无法串联产业各环节、无法渗透业务细节的 AI 工具，终将被淘汰。生意管家通过扎根中国最大电商平台的实际运行，已为智能工具的未来形态提出了可能的方向：不是取代商家，而是让每一份经营都获得智能化助力和公平起点。

当 AI 成为商业基础设施，衡量它的价值坐标也开始从「效率工具」转向「商业操作系统」。AGI 时代，行业的核心竞争力在于：能否将技术能力转化为「行业问题解决方案」，将数据资产转化为「商业增长模型」，将服务关系转化为「生态协同网络」。

微信功能上新：可以不接收共同好友点赞提醒了

近日，微信最新功能更新聚焦朋友圈互动优化，推出「仅提醒朋友与我的互动」选项。

针对共友点赞不提醒相关操作，腾讯客服表示：该功能需要您进入朋友圈的发现页管理中关闭提醒，若对好友设置了「仅聊天」，则共同好友的点赞提醒将不可见。建议您检查相关设置是否关闭哦。

此外，若您想关闭共同好友朋友圈点赞的提醒，可以这样操作：进入微信 我->设置->通用->发现页管理->朋友圈，关闭有新内容时提醒我即可。关闭后，共同好友点赞的动态将不再显示在发现页。（来源：财经网科技）

特斯拉中国 Model3 长续航版涨价 1 万，现价 28.55 万元

7 月 1 日消息，特斯拉中国官网显示，特斯拉 Model 3 长续航版本售价已经上调至 28.55 万元。

从参数来看，新车百公里加速数据从 4.4 秒变成了 3.8 秒，似乎是默认标配了原价 1.41 万元的加速包服务。

另外还有多位博主表示，焕新 Model Y 长续航版和 Model 3 长续航版升级了新款电池方案，续航有所增加，例如 Model Y 长续航从 719km 变成 750km，Model 3 长续航从 713km 变成 753km。（来源：IT 之家）

 

Cursor 推出网页应用，用户可通过浏览器管理 AI 编码智能体网络

7 月 1 日消息，热门人工智能代码编辑器 Cursor 的开发公司 Anysphere 宣布推出一款网页应用，用户可以通过浏览器直接管理一个代码智能体网络。这一举措标志着 Cursor 在其集成开发环境（IDE）之外迈出了重要的一步，Anysphere 一直致力于将产品推向更多平台，并为用户开发更多基于智能体的体验。

如今，借助新推出的网页应用，用户可以在桌面或移动设备的浏览器中通过自然语言请求，为后台智能体分配任务，例如编写新功能或修复代码库中的漏洞。该网页应用还允许用户监控其他任务中的智能体工作，查看进度，并将完成的更改合并到代码库中。

为了进一步推动增长，Anysphere 最近为 Cursor 推出了每月 200 美元（现汇率约合 1433 元人民币）的 Pro 高级套餐。Anysphere 表示，所有能够使用后台智能体的客户都可以使用 Cursor 网页应用，包括订阅每月 20 美元 Pro 套餐以及更高级别套餐的用户，但不包括使用免费版的用户。（来源：IT 之家）

 

亚马逊仓库机器人数量接近人类员工规模

亚马逊目前拥有超过 100 万台机器人大军在其配送中心穿梭，成为世界上最大的移动机器人运营商，机器人数量即将与人类员工持平。

亚马逊不仅在扩大其机器人队伍，还表示正在利用人工智能来优化机器人。该公司推出了一种新的生成式人工智能模型，用于协调机器人交通，以提高配送速度和效率。这项名为 DeepFleet 的技术显然可以将机器人的行驶时间缩短 10%。

据《华尔街日报》称，亚马逊全球近 75% 的配送任务都借助了机器人技术。亚马逊声称，其机器人和人工智能投资将创造就业机会。例如，该公司表示，虽然位于路易斯安那州的一家新配送中心使用的机器人数量是其他设施的十倍，但它也需要增加 30% 的员工来填补可靠性、维护和工程岗位。 （来源：cnBeta）

Cloudflare 推出新举措：助力网站抵御 AI 爬虫，探索「按爬取付费」模式

7 月 1 日消息，互联网安全和性能优化公司 Cloudflare 宣布了一系列新措施，旨在帮助网站抵御 AI 爬虫的无限制抓取，同时探索一种新的商业模式，以保障互联网内容创作者的利益。

根据 Cloudflare 的最新政策，每一个与该公司签约以管理其网站流量的新域名客户将被询问是否允许 AI 爬虫访问其网站，还是选择完全屏蔽这些爬虫。此前，Cloudflare 已于 2024 年推出了一款免费工具，用于阻止 AI 爬虫，但此次更新后，用户无需手动调整设置即可默认屏蔽 AI 爬虫。

此外，Cloudflare 还启动了一项名为「按爬取付费」的私人测试项目，该项目允许网站所有者向 AI 爬虫收取访问内容的费用。Cloudflare 解释称：「每次 AI 爬虫请求内容时，它们要么通过请求头展示支付意愿以获得成功访问（HTTP 200 响应代码），要么收到一个 402 付款所需响应，其中包含定价信息。」

Cloudflare 表示，「按爬取付费」目前仍处于早期阶段，预计未来会不断演变。公司还支持开发其他市场平台和收费方式，例如允许出版商根据内容类型设置动态定价。（来源：IT 之家）

 

雷军祝贺理想成立十周年，李想回应

理想汽车 7 月 1 日发文称，理想汽车成立十周年，已与 134 万个家庭共同创造幸福。理想汽车表示，曾被调侃「噱头」，如今已成为「刚需」，深受用户喜爱的「理想三大件」共卖出：「冰箱」58 万台，「彩电」304 万台，「大沙发」743 万个。

小米董事长雷军转发理想汽车微博并评论称，祝理想公司十周年快乐！理想开创了今天中国新能源车中「彩电、冰箱、大沙发」产品形态，成为大空间家庭用车的领导者，非常了不起。

此外，理想汽车公布 2025 年 6 月交付数据。2025 年 6 月，理想汽车交付新车 36,279 辆，第二季度共交付 111,074 辆。截至 2025 年 6 月 30 日，理想汽车历史累计交付量为 1,337,810 辆。（来源：新浪科技）

 

国铁 12306 回应充电宝上高铁要求：不查 3C 标识或品牌，额定能量不超 100Wh 即可携带

7 月 1 日消息，自 6 月 28 日起，民航局航班禁止旅客携带没有 3C 标识、3C 标识不清晰、被召回型号或批次的充电宝乘坐境内航班，许多公众关心高铁站是否也会严查充电宝。今天铁路 12306 客服人员表示，「目前在充电宝查验方面不看是否有 3C 认证，也不看充电宝品牌，只要锂电池额定能量不超过 100Wh 就可以携带。」

2024 年 8 月起，市面上销售的充电宝都要有 3C 标识。3C 认证（China Compulsory Certification，中国强制性产品认证）是我国为保护消费者人身安全、国家安全及环境，依法实施的强制性市场准入制度。根据国家规定，正规上市的充电宝必须取得 3C 强制认证。（来源：IT 之家）

Nothing 首款头戴式耳机 Headphone (1) 发布：复古透明设计、全物理按键、主动降噪

7 月 2 日消息，Nothing 首款头戴式耳机 —— Nothing Headphone (1) 今日正式发布。

这款耳机延续了该品牌复古、透明的设计风格，摒弃了触控设计，采用了更复古的物理滚轮和按键控制。

硬件方面，Nothing 与音响品牌 KEF 手，为这款耳机配备了 40 毫米驱动单元、空间音频和头部追踪功能，还支持自适应主动降噪，以及经过针对 2800 万种噪音场景训练的麦克风系统。

续航方面，Nothing Headphone (1) 充满电后开启 ANC 主动降噪功能标称可播放 35 小时，耳机还支持 5 分钟快速充电提供超过 2 小时播放的电量。

Nothing Headphone (1) 搭载蓝牙 5.3，支持双设备配对，可让耳机在笔记本电脑和手机之间无缝切换。

这款耳机搭配 The Nothing X 应用，可以调节 8 频段均衡器。耳机还配有一个自定义按钮，可以启动一个名为 Essential Space 的功能，它可以用作语音驱动的工具，用于记录随机想法、提醒等。

Nothing Headphone (1) 将提供黑色和白色版本，售价为 299 英镑 / 299 欧元 / 299 美元。全球预售将于 7 月 4 日在 nothing.tech 和部分合作伙伴处启动，正式销售将于 2025 年 7 月 15 日开始。（来源：IT 之家）

 

鸿蒙智行问界未来车型曝光：钠新电池、峰值 12C 超级快充

7 月 1 日消息，从多位博主分享的照片来看，鸿蒙智行问界未来车型相关信息已被曝光，号称「定义新豪华」和「海量交付」。曝光信息中提到了钠新电池、峰值 12C 超级快充等，具体如下：

• 骁遥双核、麒麟纯电

• 钠新电池、凝聚态

• NP2.0 热电分离

• 峰值 12C 超级快充

• DPPB 级极限制造 + 零碳工厂

目前官方暂未披露问界未来车型的具体信息，但目前已曝光的内容中多次提到了电池相关信息。作为参考，宁德时代在赛力斯超级工厂的两条 CTP 2.0 高端电池包产线昨日正式投产。这是宁德时代在重庆布局的首个基地，并首次采用「厂中厂」合作模式，为问界系列车型本地化生产供应动力电池系统。

问界自创立以来全系车型均搭载宁德时代电池，累计市场保有量已突破 70 万辆。（来源：IT 之家）

​马斯克被曝放弃殖民火星

7 月 1 日，据环球时报援引《纽约时报》报道称，美国硅谷投资人彼得·蒂尔透露，美国企业家、特斯拉和 SpaceX 公司首席执行官埃隆·马斯克已经放弃了殖民火星的政治愿景。

蒂尔表示，马斯克已经不再认为火星殖民是一个能帮助人类建立新社会的可行政治方案。报道称，作为马斯克朋友的蒂尔在采访中说：「2024 年是埃隆不再相信火星的一年。」长期以来，马斯克一直把人类星际扩张视为目标，但蒂尔指出，他的计划曾经带有意识形态色彩，如今仅剩下科技意义。

马斯克曾表示，人类有望在 2028 年登陆火星，并曾在今年 5 月接受福克斯新闻网采访时称，火星殖民对于「确保万一地球发生严重灾难，文明能够长期存续」来说至关重要。（来源：财联社）

你有多久没用过记账软件了？

笔者还记得第一次获得真正可支配的收入时，小心翼翼地将每一笔支出记录下来，期待着能够靠记账，了解到自己的收支情况，最终能够多攒下来一点钱的美好青春样子。

不过，可能和多数人一样，随着学习或工作日益繁忙，记账这件事，最后总是不了了之了。

电子支付花了十几年，尽量让自己变得越来越无感——从刷码到免密，到刷脸、碰一碰，但记账却没有太多进步。

花钱只用了一秒，记账反而要点进去输入数额，选择类目，这也太反人类了。

笔者最近又动了记账的心思，和朋友聊起来有没有什么合适的记账app。朋友立刻说道：别提记账，想想就想去世。他不想面对自己到底花了多少钱，更不愿意的，要先熬过几个月繁琐的记账过程，可能才能对自己的账目有一点点有意义的了解。

然而账还是要记的，笔者开始在Appstore上翻找，一款记账app的封面一下子让我笑出了声：一只卡皮巴拉躺在地上，被一个钱袋压着爬不起来。记账就是这样的吧？！

这样一款app，大概是很懂记账人的心理了。

查看了一下，发现自己挖到宝藏了：这款叫咔皮记账的软件，主打用AI给记账人省事，来自商汤科技。才上线六个月，已经获得了百万用户，人均每天记录6笔账目。

记账也可以和花钱一样无痛吗？我试用了一周，发现还真行。

 

记账不比花钱容易的话，谁记账？

 

点开咔皮记账，我发现，咔皮记账做的第一个优化，就是针对我的痛点——记账难的问题。

我上一次使用记账软件还在几年前，依稀记得其中有许多痛点：

平时买一个什么东西，都要去选分类，最后才能在统计中体现出来，超级麻烦。

购物节一次性买一堆东西，要一个一个记吗？

有时候几天懒了忘记记账了，结果这几天换了好几个软件花钱，一笔一笔地往回算，钱能不能省下来不说，时间先浪费完了。

而一上手咔皮记账，突然发现，这些痛点已经在咔皮记账的AI加持下，被完全解决了！

没想到，几年不用记账软件，外面的世界已经发展成这样了？

咔皮记账提供了两种记账方式可以选择，一种是通过截图识别消费内容，一种是通过语音识别直接记账。

安装软件的时候，刚好是618购物节刚过，我直接测试了直接用截图记录淘宝消费记录，结果比预想中的丝滑好多。

我使用的是苹果手机，操作超级简单，只要按照咔皮记账的设置，先添加一个快捷操作，接下来使用苹果的辅助触控，只要双击（可以自己设置）辅助触控的小白点，就能直接截图记录屏幕上显示的消费记录。

据说安卓手机更方便。不仅可以从通知栏或控制中心触发，还能设置双击手机背部截屏。，或者利用无障碍权限，配置好了，连敲都不用敲就可以直接记账了。

购物节一次性买200件物品，也不过是多敲几下小白点的事情了，记账突然变得毫无压力。

即使几天没有记账，补记账也变得十分容易。我记得之前好多时候，就是因为补记账太麻烦，而不补记账少了几天的数据，最后的分析一下子就不准了，所以就放弃记账了的。而现在，只要在微信账单里点几下小白点，在支付宝账单里点几下小白点，又可以愉快地记账了。

近年来，许多软件都开始做截屏记账了，不过实测下来，咔皮记账的AI功能，是有在结账场景下，尤其是年轻人的结账场景下专门优化过的。

外卖大战开打之后，有多少人成为了外卖凑红包爱好者？

我把咔皮记账推荐给朋友，她直接给我发了一张这样的图。她说，记账app再好，能算得过来这个？

乍一看，我都懵了，不就是7.58元吗，这有什么？仔细一看，我才发现这张图暗藏玄机，这杯奶茶的实际消费，根本不是图中任何一个数字，而是7.58+0.42+0.5=8.5

这我记账，还要做数学题？

抱着试试看的心态，我把图传给咔皮记账，嘿，不用我记，它竟然懂我！

不但识别出了正确的金额，还帮我直接选好了奶茶的分类。

有时候花钱不在手机上，或者懒得截图了怎么办？

咔皮记账还提供了另一个记账方式，语音输入。

和截图输入一样，语音输入也能直接在帮你记账的同时，把分类直接选完。

我故意给小胖咔提升了难度：不仅让它补记昨天的账，还一口气报了好几项消费，没想到这也难不住它。

天，该不会记账真的比花钱还容易吧？

 

AI分析，你是什么花钱人格？

 

如果说，“无痛记账”已经让我足够惊喜，那咔皮记账的AI分析功能，才是我最终决定“焊死”在这儿的理由。

毕竟，记账永远只是手段，搞清楚钱花在哪、然后管住自己的手，才是终极目的。

每个记账人最爽的瞬间是什么？必然是看着自己辛苦记录的数据，唰地一下生成报表，清楚地告诉你“吃喝占了50%，娱乐占了20%…”，然后你握着拳头暗下决心：“下个月一定少喝两杯奶茶，我要存钱！”

但这种快乐，也往往最脆弱。

明明感觉这个月很省了，结果就因为购物节买了一瓶稍贵的面霜，整份月度报告就显得毫无成就感，一片红（超支）。

有大额支出的时候还算好的。最头疼的是，有时候发现超支，看着那一大堆数据，你根本搞不清自己到底为啥超支。标注的都是饮食，到底是因为多请朋友吃了两顿饭？还是因为心情不好点了三杯奶茶外卖？想在几百条消费记录里破案，简直是不可能完成的任务。

在前AI时代，这事儿基本无解。有钱人或许有专业理财师，少数技术大神能用Excel拉出复杂图表，而我们这些普通人，到最后只能挠挠头，发出一句灵魂拷问：“我钱呢？我好像……又花超了？”

笔者这个只用过“古早”记账软件的人，万万没想到，AI的发展已经开始着手解决这个终极痛点了！

本来只是冲着“轻松记账”开始使用咔皮记账的我，在用了一周后，彻底被它的AI分析功能圈粉。

今年年初，大家都曾经被DeepSeek的深度思考功能所展示的逻辑能力震惊。笔者发现，咔皮记账竟然做了一个咔皮AI，融合了商汤日日新、DeepSeek、Qwen等大模型的深度思考、分析总结的能力，塞进了一个记账App里！

不只是简单的数据分析，出来的结果排版好看得像一份专业报告。AI“胖咔”还会一针见血地评价我的消费习惯，比如指出哪些是“必要支出”，哪些是“冲动消费”。

这可比过去的记账软件强太多了！以前的分析，严重依赖我们自己打的“分类”标签，颗粒度粗得不行。

现在呢？你可以像跟聊天机器人对话一样，直接向AI提问： “我这个月喝了多少钱的咖啡？” “我叫外卖和自己做饭的比例是多少？” “盘点一下我花在健身上的所有开销。”

只要你记了，它就能给你扒得一清二楚。虽然实测下来，目前在自由提问中，AI有时还存在分析不准的问题，但是我完全可以想象，随着AI模型的不断进化和个人数据的增多，它会变成一个越来越懂你的、7×24小时在线的专属财务管家。想想就觉得方便极了！

除此之外，对年轻的“理财小白”而言，咔皮记账还设置了一个贴心的预算功能。

它能把预算精确到“天”。再也不怕月初潇洒过头，月底只能吃土了！一旦前面花超了，咔皮记账能立刻帮你重新规划，算出“接下来平均每天最多花XX元”，你才能保住这个月的预算。

刚开始理财，不知道怎么设计预算？也完全不用担心。

咔皮AI还可以根据你过去几个月的消费习惯，给出一个相对合理的预算建议。

只需要简单点击两下，AI直接帮你把预算细化到类目，生成到天的级别。

除了实用的功能外，最好玩的是，AI还可以生成你的消费人格！

快乐小狗，快乐全靠花！（guilty）

 

 

AI时代，年轻人需要怎样的记账软件？

 

在目前的AI时代，想做一个纯AI产品，解决一个新的需求，出圈其实并不容易。AI应用开发虽然变得容易了，但是一个新的需求要面对重新教育市场，这对于很多团队来说并不容易。

六个月内就抓住了一百万用户，咔皮记账的启示或许是，在AI时代，很多刚需应用都值得重做一遍。AI带来的新能力，能够带来革新性的体验，有机会一下子颠覆原有的固定行业格局。

抓住了AI进步的技术能力，咔皮记账用无感的操作，让记账变得很容易，解决了传统记账app的数据分析痛点。

不过，也不仅如此。

AI记账背后的使用的技术能力并不复杂，笔者后来在Appstore里也发现了不少类似的AI记账app，为什么用户更愿意停留在咔皮记账里？

原因之一，可能还是要靠在场景中的深入打磨。

一句话记账对于AI来说相对简单，但一句话记多条账单呢？

截图识别谁都能做，但是能够根据软件的邪恶设置进行智能调整的app就不多了。

使用期间，有一个点让笔者十分印象深刻：用户冷启动阶段的数据导入。

在一开始进行记账的时候，通常都是用户最容易流失的时候——这时候app没有任何用户的数据。这时候为了让新用户快速上手，导入历史账单是最佳途径。

但实际上，目前主流的支付工具，提供的导出账单的方式远非轻松容易。要想从微信、支付宝中导出账单，用户需要经历一套繁琐、甚至堪称劝退的操作——获取加密账单、邮件发送、在电脑端下载账单通过密码解压。

而咔皮记账在此设计了一个极为巧妙的方案：提供一个一次性专属邮箱，用户只需将账单邮件转发至此，后续的解压、解析、导入流程便在云端自动完成。

这个看似微小的设计，精准地击破了用户在最容易流失的“初见”环节所面临的巨大阻力，体现了深刻的用户同理心和扎实的技术执行力。

而另一个更核心的原因，可能在于咔皮记账真正读懂了它的核心用户——Z世代。

对于一代一代的年轻人来说，记账实际上是一个刚需。年轻人时间最多，但资产最少，最需要掌控自己的消费。

而咔皮记账，很明显对年轻人的消费心理有着深入的洞察。

笔者印象很深的是第一次尝试用咔皮记账的时候，笔者用语音记录了一笔桌游消费。而不同于普通记账软件可能直接把它分类为“娱乐”或者“其他”，咔皮记账直接帮我把这一笔账单分到了一个单独的“游戏-桌游”的子类目里，这让我一下子对咔皮记账有了很强的好感。

不仅如此，咔皮记账里还有许多子类目都十分贴近年轻人的消费习惯。一个类目专门是偶像消费，一个类目是彩票，甚至还有一个类目是党费。

这种细腻的颗粒度，反映了产品对年轻人的洞察之深刻。

除了最基本的实用，咔皮记账也在逐渐向为年轻人提供情绪价值扩张。

在咔皮记账里，每次记账，胖咔会专门生成AI回复与你互动。

你可以在咔皮记账里记账，也可以记录想法和心情。

除了能生成年轻人最爱的MBTI测试答案，最近咔皮记账还推出了一个更有趣的功能“AI手帐”。

这种对年轻人的洞察，一定是产品最后的核心竞争力。

传统上，记账通常是年轻人爱干的事。随着用户年龄越来越大，时间越来越少，传统的记账软件的操作很难留住用户。

而随着AI时代的到来，记账变得更加无感，分析变得更加智能，或许未来，整个赛道也将发生变化。

年轻时用了记账软件的用户，或许也会一直留下，变成记账软件的长期用户。

27岁的你，未来翻看21岁在校园里，记录今天考的很好，奖励自己一杯奶茶，应该也是很开心的吧？

而从21岁到27岁，用户消费习惯、生活方式乃至心路历程的完整变迁，对未来的个性化服务与推荐算法而言，无疑也将是最宝贵的数据资产。

如果你只在前AI时代记过账，现在是时候尝试一下咔皮记账了，体验被AI重塑后的记账体验。

 

 

 

你有多久没用过记账软件了？

笔者还记得第一次获得真正可支配的收入时，小心翼翼地将每一笔支出记录下来，期待着能够靠记账，了解到自己的收支情况，最终能够多攒下来一点钱的美好青春样子。

不过，可能和多数人一样，随着学习或工作日益繁忙，记账这件事，最后总是不了了之了。

电子支付花了十几年，尽量让自己变得越来越无感——从刷码到免密，到刷脸、碰一碰，但记账却没有太多进步。

花钱只用了一秒，记账反而要点进去输入数额，选择类目，这也太反人类了。

笔者最近又动了记账的心思，和朋友聊起来有没有什么合适的记账app。朋友立刻说道：别提记账，想想就想去世。他不想面对自己到底花了多少钱，更不愿意的，要先熬过几个月繁琐的记账过程，可能才能对自己的账目有一点点有意义的了解。

然而账还是要记的，笔者开始在Appstore上翻找，一款记账app的封面一下子让我笑出了声：一只卡皮巴拉躺在地上，被一个钱袋压着爬不起来。记账就是这样的吧？！

这样一款app，大概是很懂记账人的心理了。

查看了一下，发现自己挖到宝藏了：这款叫咔皮记账的软件，主打用AI给记账人省事，来自商汤科技。才上线六个月，已经获得了百万用户，人均每天记录6笔账目。

记账也可以和花钱一样无痛吗？我试用了一周，发现还真行。

 

记账不比花钱容易的话，谁记账？

 

点开咔皮记账，我发现，咔皮记账做的第一个优化，就是针对我的痛点——记账难的问题。

我上一次使用记账软件还在几年前，依稀记得其中有许多痛点：

平时买一个什么东西，都要去选分类，最后才能在统计中体现出来，超级麻烦。

购物节一次性买一堆东西，要一个一个记吗？

有时候几天懒了忘记记账了，结果这几天换了好几个软件花钱，一笔一笔地往回算，钱能不能省下来不说，时间先浪费完了。

而一上手咔皮记账，突然发现，这些痛点已经在咔皮记账的AI加持下，被完全解决了！

没想到，几年不用记账软件，外面的世界已经发展成这样了？

咔皮记账提供了两种记账方式可以选择，一种是通过截图识别消费内容，一种是通过语音识别直接记账。

安装软件的时候，刚好是618购物节刚过，我直接测试了直接用截图记录淘宝消费记录，结果比预想中的丝滑好多。

我使用的是苹果手机，操作超级简单，只要按照咔皮记账的设置，先添加一个快捷操作，接下来使用苹果的辅助触控，只要双击（可以自己设置）辅助触控的小白点，就能直接截图记录屏幕上显示的消费记录。

据说安卓手机更方便。不仅可以从通知栏或控制中心触发，还能设置双击手机背部截屏。，或者利用无障碍权限，配置好了，连敲都不用敲就可以直接记账了。

购物节一次性买200件物品，也不过是多敲几下小白点的事情了，记账突然变得毫无压力。

即使几天没有记账，补记账也变得十分容易。我记得之前好多时候，就是因为补记账太麻烦，而不补记账少了几天的数据，最后的分析一下子就不准了，所以就放弃记账了的。而现在，只要在微信账单里点几下小白点，在支付宝账单里点几下小白点，又可以愉快地记账了。

近年来，许多软件都开始做截屏记账了，不过实测下来，咔皮记账的AI功能，是有在结账场景下，尤其是年轻人的结账场景下专门优化过的。

外卖大战开打之后，有多少人成为了外卖凑红包爱好者？

我把咔皮记账推荐给朋友，她直接给我发了一张这样的图。她说，记账app再好，能算得过来这个？

乍一看，我都懵了，不就是7.58元吗，这有什么？仔细一看，我才发现这张图暗藏玄机，这杯奶茶的实际消费，根本不是图中任何一个数字，而是7.58+0.42+0.5=8.5

这我记账，还要做数学题？

抱着试试看的心态，我把图传给咔皮记账，嘿，不用我记，它竟然懂我！

不但识别出了正确的金额，还帮我直接选好了奶茶的分类。

有时候花钱不在手机上，或者懒得截图了怎么办？

咔皮记账还提供了另一个记账方式，语音输入。

和截图输入一样，语音输入也能直接在帮你记账的同时，把分类直接选完。

我故意给小胖咔提升了难度：不仅让它补记昨天的账，还一口气报了好几项消费，没想到这也难不住它。

天，该不会记账真的比花钱还容易吧？

 

AI分析，你是什么花钱人格？

 

如果说，“无痛记账”已经让我足够惊喜，那咔皮记账的AI分析功能，才是我最终决定“焊死”在这儿的理由。

毕竟，记账永远只是手段，搞清楚钱花在哪、然后管住自己的手，才是终极目的。

每个记账人最爽的瞬间是什么？必然是看着自己辛苦记录的数据，唰地一下生成报表，清楚地告诉你“吃喝占了50%，娱乐占了20%…”，然后你握着拳头暗下决心：“下个月一定少喝两杯奶茶，我要存钱！”

但这种快乐，也往往最脆弱。

明明感觉这个月很省了，结果就因为购物节买了一瓶稍贵的面霜，整份月度报告就显得毫无成就感，一片红（超支）。

有大额支出的时候还算好的。最头疼的是，有时候发现超支，看着那一大堆数据，你根本搞不清自己到底为啥超支。标注的都是饮食，到底是因为多请朋友吃了两顿饭？还是因为心情不好点了三杯奶茶外卖？想在几百条消费记录里破案，简直是不可能完成的任务。

在前AI时代，这事儿基本无解。有钱人或许有专业理财师，少数技术大神能用Excel拉出复杂图表，而我们这些普通人，到最后只能挠挠头，发出一句灵魂拷问：“我钱呢？我好像……又花超了？”

笔者这个只用过“古早”记账软件的人，万万没想到，AI的发展已经开始着手解决这个终极痛点了！

本来只是冲着“轻松记账”开始使用咔皮记账的我，在用了一周后，彻底被它的AI分析功能圈粉。

今年年初，大家都曾经被DeepSeek的深度思考功能所展示的逻辑能力震惊。笔者发现，咔皮记账竟然做了一个咔皮AI，融合了商汤日日新、DeepSeek、Qwen等大模型的深度思考、分析总结的能力，塞进了一个记账App里！

不只是简单的数据分析，出来的结果排版好看得像一份专业报告。AI“胖咔”还会一针见血地评价我的消费习惯，比如指出哪些是“必要支出”，哪些是“冲动消费”。

这可比过去的记账软件强太多了！以前的分析，严重依赖我们自己打的“分类”标签，颗粒度粗得不行。

现在呢？你可以像跟聊天机器人对话一样，直接向AI提问： “我这个月喝了多少钱的咖啡？” “我叫外卖和自己做饭的比例是多少？” “盘点一下我花在健身上的所有开销。”

只要你记了，它就能给你扒得一清二楚。虽然实测下来，目前在自由提问中，AI有时还存在分析不准的问题，但是我完全可以想象，随着AI模型的不断进化和个人数据的增多，它会变成一个越来越懂你的、7×24小时在线的专属财务管家。想想就觉得方便极了！

除此之外，对年轻的“理财小白”而言，咔皮记账还设置了一个贴心的预算功能。

它能把预算精确到“天”。再也不怕月初潇洒过头，月底只能吃土了！一旦前面花超了，咔皮记账能立刻帮你重新规划，算出“接下来平均每天最多花XX元”，你才能保住这个月的预算。

刚开始理财，不知道怎么设计预算？也完全不用担心。

咔皮AI还可以根据你过去几个月的消费习惯，给出一个相对合理的预算建议。

只需要简单点击两下，AI直接帮你把预算细化到类目，生成到天的级别。

除了实用的功能外，最好玩的是，AI还可以生成你的消费人格！

快乐小狗，快乐全靠花！（guilty）

 

 

AI时代，年轻人需要怎样的记账软件？

 

在目前的AI时代，想做一个纯AI产品，解决一个新的需求，出圈其实并不容易。AI应用开发虽然变得容易了，但是一个新的需求要面对重新教育市场，这对于很多团队来说并不容易。

六个月内就抓住了一百万用户，咔皮记账的启示或许是，在AI时代，很多刚需应用都值得重做一遍。AI带来的新能力，能够带来革新性的体验，有机会一下子颠覆原有的固定行业格局。

抓住了AI进步的技术能力，咔皮记账用无感的操作，让记账变得很容易，解决了传统记账app的数据分析痛点。

不过，也不仅如此。

AI记账背后的使用的技术能力并不复杂，笔者后来在Appstore里也发现了不少类似的AI记账app，为什么用户更愿意停留在咔皮记账里？

原因之一，可能还是要靠在场景中的深入打磨。

一句话记账对于AI来说相对简单，但一句话记多条账单呢？

截图识别谁都能做，但是能够根据软件的邪恶设置进行智能调整的app就不多了。

使用期间，有一个点让笔者十分印象深刻：用户冷启动阶段的数据导入。

在一开始进行记账的时候，通常都是用户最容易流失的时候——这时候app没有任何用户的数据。这时候为了让新用户快速上手，导入历史账单是最佳途径。

但实际上，目前主流的支付工具，提供的导出账单的方式远非轻松容易。要想从微信、支付宝中导出账单，用户需要经历一套繁琐、甚至堪称劝退的操作——获取加密账单、邮件发送、在电脑端下载账单通过密码解压。

而咔皮记账在此设计了一个极为巧妙的方案：提供一个一次性专属邮箱，用户只需将账单邮件转发至此，后续的解压、解析、导入流程便在云端自动完成。

这个看似微小的设计，精准地击破了用户在最容易流失的“初见”环节所面临的巨大阻力，体现了深刻的用户同理心和扎实的技术执行力。

而另一个更核心的原因，可能在于咔皮记账真正读懂了它的核心用户——Z世代。

对于一代一代的年轻人来说，记账实际上是一个刚需。年轻人时间最多，但资产最少，最需要掌控自己的消费。

而咔皮记账，很明显对年轻人的消费心理有着深入的洞察。

笔者印象很深的是第一次尝试用咔皮记账的时候，笔者用语音记录了一笔桌游消费。而不同于普通记账软件可能直接把它分类为“娱乐”或者“其他”，咔皮记账直接帮我把这一笔账单分到了一个单独的“游戏-桌游”的子类目里，这让我一下子对咔皮记账有了很强的好感。

不仅如此，咔皮记账里还有许多子类目都十分贴近年轻人的消费习惯。一个类目专门是偶像消费，一个类目是彩票，甚至还有一个类目是党费。

这种细腻的颗粒度，反映了产品对年轻人的洞察之深刻。

除了最基本的实用，咔皮记账也在逐渐向为年轻人提供情绪价值扩张。

在咔皮记账里，每次记账，胖咔会专门生成AI回复与你互动。

你可以在咔皮记账里记账，也可以记录想法和心情。

除了能生成年轻人最爱的MBTI测试答案，最近咔皮记账还推出了一个更有趣的功能“AI手帐”。

这种对年轻人的洞察，一定是产品最后的核心竞争力。

传统上，记账通常是年轻人爱干的事。随着用户年龄越来越大，时间越来越少，传统的记账软件的操作很难留住用户。

而随着AI时代的到来，记账变得更加无感，分析变得更加智能，或许未来，整个赛道也将发生变化。

年轻时用了记账软件的用户，或许也会一直留下，变成记账软件的长期用户。

27岁的你，未来翻看21岁在校园里，记录今天考的很好，奖励自己一杯奶茶，应该也是很开心的吧？

而从21岁到27岁，用户消费习惯、生活方式乃至心路历程的完整变迁，对未来的个性化服务与推荐算法而言，无疑也将是最宝贵的数据资产。

如果你只在前AI时代记过账，现在是时候尝试一下咔皮记账了，体验被AI重塑后的记账体验。

 

 

 

苏超「内战」打到阿里系，大厂流量暗战正酣

6 月 30 日，江苏省城市足球联赛（以下简称「苏超」）再迎大厂「玩家」。淘宝闪购和支付宝前后脚宣布了对两支「苏超」球队的冠名，淘宝闪购冠名常州队，支付宝冠名徐州队，当日下午，花呗又宣布冠名无锡队，主打「无息」。三大阿里系品牌各自冠名，「散装阿里」呼应起「散装江苏」受到网友热议。

「苏超」这项今年夏天的顶流赛事，也在成为越来越多互联网公司商业布局的一环。

加上此前宣布成为「苏超」官方战略合作伙伴的京东、理想，作为「苏超」官方供应商的小米以及作为「苏超」官方赞助商的中兴、宇视等，「苏超」赛场上已会聚了一批科技企业的身影。（来源：第一财经）

Meta 对 AI 业务大洗牌，扎克伯格宣布「超级智能」计划

Meta Platforms Inc．首席执行官马克·扎克伯格宣布对人工智能部门实施重大重组，包括着力开发人工「超级智能」，旨在令其具备人类同等、甚至更好的任务完成能力。

内部备忘录显示，扎克伯格周一致信员工说，Meta 的人工智能业务将划归名为 Meta Superintelligence Labs 的新团队，而该部门将由初创公司 Scale AI 前首席执行官 Alexandr Wang 领衔。此人被扎克伯格称为「他这一代人中最令人刮目相看的创始人」，将担任 Meta 的首席人工智能官。

扎克伯格还表示，Github 前首席执行官 Nat Friedman 将「与 Alex 合作领导」该团队，并负责 Meta 的 AI 产品和应用研究工作。此前报道称，扎克伯格正在亲力亲为给超级智能团队招募人才。（来源：环球市场播报）

 

苹果考虑另起炉灶，用外部人工智能模型来支持新版 Siri

为扭转陷入困境的人工智能项目，苹果公司考虑放弃自家开发的 AI 模型，转而使用 Anthropic PBC 或 OpenAI 的 AI 技术来支持新一代 Siri。

知情人士透露，苹果已与这两家公司讨论将它们的大型语言模型用于 Siri，并要求它们训练可在苹果云平台运行的模型版本以供测试。

如果最终采用外部模型，将标志着苹果的一次重大转变。目前，苹果大部分人工智能功能依赖其自研的「Apple Foundation Models」技术，原计划 2026 年推出基于该技术的新版本 Siri。

转用 Anthropic 的 Claude 或 OpenAI 的 ChatGPT 意味着苹果承认其在生成式 AI 领域竞争力不足。苹果已经允许 ChatGPT 处理 Siri 中的网络搜索查询，但 Siri 本身仍由苹果技术驱动。（来源：环球市场播报）

 

微软被曝将「AI 使用量」纳入员工考核：不再是「可选项」，直接挂钩绩效

6 月 30 日消息，据《商业内幕》报道，微软开发者工具部门总裁 Julia Liuson 最近发出内部邮件，要求各级主管在评估员工绩效时，将其使用 GitHub Copilot 等内部 AI 工具的情况纳入考量。

Liuson 表示，AI 已成为微软日常工作的核心，就像团队协作、数据导向思维和沟通能力一样，使用 AI 不再是选择题，而是每个岗位的基本要求。她指出，员工是否有效使用 AI，应该被纳入对其整体表现和影响力的全面评估之中。

知情人士透露，微软各团队的绩效考核标准不尽相同，目前已有部分团队考虑在下一个财年正式将 AI 工具使用情况作为绩效指标之一。

另据两位了解内情的人士称，这一改变旨在应对微软内部 Copilot 服务推广缓慢的问题。微软希望提升整体使用率，也希望产品开发人员更深入理解自家 AI 工具的运作方式。

目前 GitHub Copilot 正面临 Cursor 等 AI 编程服务的竞争压力。微软允许员工使用符合安全规范的部分第三方工具，知情人士称，Replit 就是其中之一。（来源：IT 之家）

雷军回应何小鹏下单小米 YU7：一定加速生产 力争早点交车

6 月 30 日午间消息，雷军回应何小鹏下单小米 YU7，并发文称：「谢谢小鹏支持，我们一定加速生产，力争早点交车。小鹏 G7 本周四发布，预祝发布会成功！」

当日早间，何小鹏发文称，「祝贺小米 YU7 上周发布取得优秀的成绩，我认为 YU7 成功核心是产品竞争力强劲，因此也当晚下单了 YU7，静候雷总早点给我交付。」同时，何小鹏宣布，小鹏 G7 将在 7 月 3 日正式发布。（来源：新浪科技）

豆包上线「深入研究」功能，用户可免费体验

6 月 30 日下午消息，豆包「深入研究」功能已经在豆包 App、网页版及电脑版正式开启测试，用户可免费体验。

基于模型的搜索、推理及 Agent 能力，深入研究可以帮助用户更快速、全面和结构化地处理高难度的复杂任务。针对长途旅行攻略、复杂购买决策、最新政策解读、商业科技趋势发展等需要获取大量资料、长时间研究的问题，借助深入研究能力，几分钟即可完成初步方案。同时，豆包还支持以可视化网页和报告文档两种方式呈现研究结果。（来源：新浪科技）

 

百度正式开源文心大模型 4.5 系列模型

6 月 30 日，百度正式开源文心大模型 4.5 系列模型，涵盖 47B、3B 激活参数的混合专家（MoE）模型，与 0.3B 参数的稠密型模型等 10 款模型，并实现预训练权重和推理代码的完全开源。

目前，文心大模型 4.5 开源系列已可在飞桨星河社区、HuggingFace 等平台下载部署使用，同时开源模型 API 服务也可在百度智能云千帆大模型平台使用。

早在今年 2 月，百度就已预告了文心大模型 4.5 系列的推出计划，并明确将于 6 月 30 日起正式开源。（来源：36 氪）

 

「星纪魅族科技」公众号更改名称为「魅族科技」

6 月 30 日消息，公众号「星纪魅族科技」更改名称为「魅族科技」。

据了解，目前星纪魅族仅官方公众号进行更名，视频号、微博名称均未更改。

据星纪魅族官方介绍，星纪魅族集团主要由星纪时代和魅族科技融合而来，集团创始人为李书福。2022 年 7 月，星纪时代和魅族科技达成战略投资协议后，双方在业务和团队上进行了深度的协同。魅族科技不仅组建了专注于研发 Flyme Auto 的团队，还在武汉建立了研发中心，魅族科技与星纪时代也在手机产品的规划和设计上进行了深入的融合。（来源：IT 之家）

大疆旗舰级运载无人机 DJI FlyCart 100 发布

据了解，DJI 大疆正式发布全新旗舰级民用运载无人机 DJI FlyCart100。

据了解，其集更大载重、更快充电、更为安全智能为一体，支持两款负载系统，搭配丰富生态应用，支持 PSDK，可适配第三方负载。DJI FC100 还可适用于应急、消防、电力、工程、物流、水域等多场景。（来源：36 氪）

 

德国 TQ 公司宣称造出世界最轻、效率最高电动自行车电机：1.17kg，输出 200W

6 月 30 日消息，据外媒 Electrek 报道，德国电助力系统制造商 TQ 推出了电动自行车电机新品 HPR40，并宣称这款产品已成为全球最轻、效率最高的中置电机。

HPR40 专为公路和砾石电动自行车设计，重量仅 1.17kg，能提供 40Nm 的扭矩和高达 200W 的峰值输出。这款电机强调的是效率和车体一体化的自然骑乘体验，而不是单纯的动力指标。

该电机为轻量级自行车打造，外形设计尽量隐蔽，可嵌入五通部位，控制组件也巧妙藏于车把内侧，几乎不会打破整车的外观线条。

其核心技术为「Harmonic Pin-Ring Transmission」（谐波销环传动），这套精致的动力系统完全替代了传统五通结构，具备静音、低摩擦和零延迟启动等优点。（来源：IT 之家）

小米在北京、南京为员工提供「小米青年公寓」，租金平均 1999 元 / 月

6 月 30 日消息，据小米行政公众号推文，小米在北京、南京上线了一批青年公寓，租金标准为 1999 元 / 月。

据了解，公寓所有房型一房一价，均价为公寓所有房型平均月租金，租期在 2025 年 7 月-2028 年 6 月之间享受安居折扣价。

小米北京青年公寓坐落昌平定泗路，东临特警部队，西靠武警家属院，北望碧水庄园，共 2658 间；主力 29 平方米开间，配有独立卫浴 + 智能家居，班车直达园区，距小米科技园约 10 公里，距小米智慧产业园约 3 公里。

其支持全屋智能家居自由配置，采用动静分区设计，支持小米工卡「一卡通刷」，管家 7*24h 在线响应。

小米南京青年公寓坐落建邺区河西南 CBD，共 566 间，步行即达地铁，提供 55 平方米两室一厅开间，距离小米南京科技园 100m 距离。（来源：IT 之家）

作者｜Li Yuan

编辑｜ 郑玄

 

过去一年，大模型的世界几乎是「狂飙」的同义词。技术以周为单位迭代，能力边界从写诗作画，一路拓展到视频生成和科学发现。

然而，抛开那些宏大叙事，我们该如何为 AI 的能力找到一个精准、客观的刻度？

恐怕没有哪种方式，比「高考」更能直抵每一个中国人的内心。

去年，极客公园就做过一期 AI 高考模拟测评 。延续去年的传统，极客公园今年再次搭建「AI 高考」考场，让国内外主流大模型再次走进考场。

再次走入考场的「AI 考生」们，不仅 治好了去年文科偏科的毛病 ，还取得了足以考进山东省内 1000 名的高分。

然而，就在我们以为它已经「进化」时，它却又常在意想不到的地方，暴露了自己真实的「智商」。

一些关键发现如下：

• AI 首次有望冲击顶尖学府 ： 今年，AI 的综合能力首次展现出足以考上顶尖学府的潜力。与 2024 年相比，所有参与测试的大模型在文理科成绩上均实现了显著飞跃。由于山东省采取赋分的报考策略，无法直接与分数段相比较，我们估计此次高考的状元豆包，能够排进全省的 500-900 名，考入人大、复旦、上海交大、浙大这些名牌大学的人文社科类专业。
• 大模型不再严重偏科，理科进步更快： 各大模型的文科总分平均增长了 115.6 分，理科总分平均增长了 147.4 分。尽管理科的增速更为迅猛，但其 181.75 分的平均总分仍低于文科的 228.33 分。总体来看，今年大模型的总分表现已不再严重「偏科」。
• 数学能力大幅增强，超越语文、英语： 数学是本年度进步最显著的科目，平均分较去年提升了 84.25 分。AI 在数学上的表现甚至超过了语文和英语，这预示着未来 AI 可能更擅长处理逻辑性强和有标准化解题路径的题目。
• 多模态能力成为拉开差距的关键： 去年到今年，模型的视觉理解能力显著提升，这一点在包含大量图像题的学科中尤为突出。与去年相比，物理和地理的平均分提升了约 20 分，生物提升了 15 分。化学科目整体表现稍弱，仅「豆包」模型及格，但全员平均分也比去年提高了 12.6 分。作为彩蛋，我们今年也尝试让 AI 在视频流中答题。

 

01

从一本到顶尖大学

 

如果说去年的 AI 还只是一个刚摸到一本线的优秀生，那么今年，它们已经成长为足以冲击中国顶尖学府的学霸。

这背后，究竟发生了怎样的蜕变？

在深入具体的变化之前，我们先介绍一下此次参与考试的国内外考生：

豆包、 DeepSeek（R1-0528 版）、ChatGPT（o3）、元宝（Hunyuan t1）、Kimi（k1.5）、文心一言、通义千问。

为了更贴合读者的使用体验，本次评测均在各模型的公开 PC 端进行，测评采取采样两次取平均分的形式。

目的是考察模型的综合能力，此次测评的方式是直接让模型识别图像作答。DeepSeek-R1 目前仍然不支持图片识别作答，因此只测试了纯文字题目，最终成绩参考性不强。

其他测试细节如下：

1. 此次测试选用 2025 年新高考山东卷作为本次评测的测试卷。原因有二：首先，山东卷是网络上能最快获取到的高考试卷之一，保证了评测的时效性。其次，它的综合难度在各省份中名列前茅——其语文、数学、英语三科采用全国一卷，其余科目则为自主命题。这样一把高难度的「标尺」，更能探知当前大模型能力的上限。
2. 为保证公平并考察模型的通用基础能力，在可以关闭模型联网能力的产品中，统一关闭了模型的联网功能，以杜绝「搜题」的可能。o3 和文心无法关闭联网，不过检查模型思考过程发现，文心没有发生联网搜题的情形，o3 发生少量搜题情形，但没有明显收益，得分率反而低于非联网答题。同时，我们默认开启了深度思考模式，但没有开启研究模式，以模拟用户在标准交互下的即时问答场景。
3. 非选择题各学科分别请两名专业同学打分，如存在题目分值 1/6 以上的差异，则引入第三人讨论定分（与真实高考判卷流程一致），并邀请参与过真实高考打分的高中老师抽检，对存在差异的题目统一标准。
4. 在评分环节，我们做了两项特殊处理：我们特邀了资深教师进行对 AI 作文进行匿名评审，以保证客观公正。此外，由于无法获取英语听力部分的试题，我们设定所有模型在该项上均计为满分。

 

 

 

最终，各位考生的成绩如下：

过去一年，大模型的深度思考能力，带来了模型能力的明显进步。

模型不再不是直接产出答案，而是逐步分析、分解问题、检查中间结果，甚至自我修正，带来了模型在数理考试中的表现的大幅提升。

总分为 150 分的数学考试中，即便是本次测试中表现最差的 AI 模型，也拿下了 128.75 分的高分——这在人类考生中也属于优秀水平。

而回顾去年，表现最好的模型，也只达到了 70 分，连及格线都没到。

数学能力的进步，直接带动了今年大模型整体高考成绩的大幅提升。

多模态能力，成为决定大模型能力表现差别的另一个关键因素。

在去年的高考测试中，不少模型还不具备成熟的图片识别能力。极客公园当时采用的评测方式是：能识图的模型使用图片配合文字输入，而无法识图的模型则只输入文字，同时辅以 Markdown/LaTeX 格式帮助识别公式。

而进入今年，多模态能力是主流模型的标配功能。因此，我们首次在测试中采用纯图片题目测试（DeepSeek除外）。

在多个模型中，豆包、ChatGPT最先进的模型都是多模态版，在图像问题上体现出明显优势。

Qwen3、文心 X1 都是语言模型，处理图像问题时可能是用 OCR 识别文字后回答，或是调用视觉模型，在图像类问题上表现较弱。

不过，即使是图像问题得分最高的豆包和 ChatGPT，图像问题的得分率仅为 70%，相比文本问题 90% 的最高得分率有较大差距，可见大模型在多模态理解和推理上仍有很大的提升空间。

可以预见的是：随着多模态能力的持续进步，明年AI的高考成绩还会继续提升。考不过AI，终将成为大多数人类的常态。

然而，AI 终究没有拿下全满分的成绩。是什么绊住了学霸级的 AI？答案可能比想象中的有趣。

 

02

数学逼近满分的 AI 天才们，

齐齐败在一道基础题上

 

在整场 AI 高考的测评中， 「 AI 考生」复读了一年后，在数学科目上的进步十分瞩目。

在 2024 年的测评中，当时的 AI 考生们在填空题和解答题上表现惨淡，得分普遍在 0 至 2 分之间徘徊，最终 9 款参评模型的数学成绩的平均分仅为 47 分。

而今年，则完全不同。

可以看出，无论是客观选择题，还是复杂的主观解答题，新一代大模型的正确率都今非昔比。这清晰地表明，大模型自身的能力，尤其是核心的推理能力，已经取得了根本性的突破。

如果说去年的模型还只是一个能勉强套用求导、三角函数等基础公式的「初学者」，那么今年的模型，则已经进化成一个能够从容应对复杂推导和证明的「解题高手」了。

一定程度上，这样的结果在预料之中。自从 AI 进入推理模型时代，一个标志性进展便是数理能力的大幅提升。

当模型拥有了自我思考与自我纠错的能力，它就像一个从前张口就回答问题的孩子，成长为一个会先深度思考再给出答案的大人，逻辑能力实现了质的飞跃。

要知道，今年高考新课标一卷的数学题被考生普遍认为难度极高，「像竞赛卷」，导数、圆锥曲线等压轴题思路晦涩，计算量极大，甚至出现「学霸考哭」的现象。

然而，面对这样一份高难度试卷，顶尖的大模型们依旧表现得游刃有余。

相较之下，AI 的多模态能力的进展倒还在其次。数学科目中，只有 20 分的图像问题，不是此次模型大幅度提分的重点。而大多数模型，也都在图像题中取得了 15 分的成绩。

为什么是 15 分？

这就很有趣了。这些整体都考了 130 分以上的大模型，放在人类社会里，也算是数学尖子生了，竟然在同一道选择题上出现了错误。

难住他们的，不是什么压轴大题，而是一道单选题——甚至不是很难的单选题。

这道题的数学原理非常简单，是一道基础的向量加减法题。只需在图上连接 (0,2) 与 (2,0) 两点，即可得到目标向量，模长 2 倍根号 2。

即便对数学不甚了解的人，通过肉眼观察图中的线段，也能估算出其长度不会超过 3.3。

然而，就是这样一道题，难住了所有数学学霸 AI。

核心矛盾在于： 题不难，但图难。

对于大模型而言，这张图的视觉信息极其混乱：虚线、实线、坐标轴、数字、文字相互交织，甚至文字与关键线段存在多处重叠。这种视觉上的「脏数据」，成为了 AI 精准识别的噩梦。

以本次数学表现最佳的豆包为例，它的解题过程暴露了问题的根源：它从最开始读取题目信息时，就已然出错。

从题目就读错了的情况下，无论其背后的数学推理能力有多么强大，也终究是无源之水，无本之木。

 

03

AI 写作文：擅长举例子，但不擅长思辨性地升华

 

作为所谓大语言模型，语文和英语一向是 AI 的传统强项。

不过有趣的是：在大模型的数理逻辑大幅进步后，大模型的语文和英语能力反而显得有点不够看了。

这与现实世界也是一致的：一名顶尖考生或许能在数学上拿到满分，却极难在语文科目上获得同等分数。AI似乎也触碰到了同样的瓶颈。

仔细研究语文卷面可以发现，AI 的失分点颇为有趣。在选择题部分，除豆包和 DeepSeek-R1 以外，其余模型的错误率均在 20% 以上。

这种现象或许揭示了 AI 与人类不同的一个困境：对于人类考生，组织语言、阐述观点时，可能更容易因疏漏而失分；但对于 AI，要读一段长材料，在一组高度迷惑性的选项中，精准辨析每一个细微的语义差别和逻辑陷阱，难度可能反而更高。

而在备受瞩目的作文题上，AI 的表现则延续了去年的趋势： 平均分高于人类，但难有真正的佳作。

去年，特邀阅卷老师的评价就已指出，AI 作文大多属于稳妥的「二类文」，很少偏题，但因其深刻性、丰富性、创造性不足，难以产生动人心弦的「一类文」，其结尾部分的升华更是套路化明显。

今年，依旧如此。

7 大模型整体均分 50.75 分， 均分区分度较低 ，各模型能做到立意准确、语言流畅、论据丰富，但论述不深刻，举例雷同，相比人类范文模型作答缺少温度和共情。

今年的新课标卷的语文作文考题为：

全国一卷作文「民族魂」

阅读下面的材料，根据要求写作。（60 分）

他想要给孩子们唱上一段，可是心里直翻腾，开不了口。

——老舍《鼓书艺人》

假如我是一只鸟，我也应该用嘶哑的喉咙歌唱

——艾青《我爱这土地》

我要以带血的手和你们一一拥抱，

因为一个民族已经起来

——穆旦《赞美》

以上材料引发了你怎样的联想和思考？请写一篇文章。

这是在一次采样中，元宝生成的 AI 作文。它在人类阅卷老师处获得了 53.5 分的高分，是 AI 作品中的佼佼者。

 

然而，细究其文，AI「模板化」的问题依旧暴露无遗。

比如这篇文章的中间几段，先是提出「历史上闪耀着这样的精神火光」的观点，随即并列引用三到四位历史人物；接着，引出「真正的担当带着疼痛的底色」的论点，再列举三到四位经历苦难的人物；最后，论及当代精神，再次列举三到四个当代人物。

AI 作文的语言不可谓不华丽，引经据典也自然十分丰富充满细节，但逻辑上像不像你的家长对你说，你看看谁谁谁都怎么样了，你是不是也该怎么样？

或许在精细调整提示词的情况下，AI 能写出触达人心的作品。

但目前，AI 的自主创作更像是在执行一个固化的写作模板：用排比式的案例填充框架，最终导向一个略显生硬的僵化升华 。 它能写出看似优秀的段落，却难以织就一篇真正动人的文章。

 

04

英语：主要被作文分数拖累

 

与语文相似，AI 在传统强项——英语上的表现，也进入了一个平台期。

去年，各家 AI 的英语成绩已然不错，今年的模型能力并未产生飞跃。事实上，所有参评模型的平均分仅比去年提高了 3.2 分，进步幅度远小于数学。

而模型的整体分数，也落在了 130-140 分的区间，并未到达人类学霸的水平。

按理说，这稍显反常。

AI 的英文水平是有目共睹的，或许比不少英文专业的学生讲出的英语更正宗。

而高考英语这张试卷，本身远未触及母语者的语言天花板，且相较于包含古文的语文，其客观题占比更高、作文要求更简（仅 80 词），也并不追求立意高远，理论上是 AI 更容易获得绝对优势的战场。

然而，AI 考生并未在此表现出更强的统治力。

那么，瓶颈究竟出在哪里？ 作文题可能是一大拖累。

这背后有两个可能的原因：

1. 苛刻的字数限制：
2. 在语文写作中，AI 就已经暴露出了时而「话痨」时而「不爱说话」的属性，但在长篇写作中，字数要求不是那么苛刻。但在 80 词的微型写作中，精准控制字数就成了一大挑战，稍有不慎便会因超词/少词而被扣分。
3. 缺乏应试智慧：
4. 在有限的篇幅内，人类考生会有意识地使用更高级句式、时态来「炫技」以博取高分。而 AI 的目标通常是清晰、完整地传达信息，它不会刻意为了得分而优化句式复杂度，因此在评分细则上可能吃了暗亏。

而本次评测最有趣的一点，莫过于中外模型在作文上呈现的「主客场反转」现象。

在中文作文这一「客场」，以 ChatGPT 为代表的「洋考生」拔得头筹；

然而在本应是其「主场」的英文科目上，它却不敌「中国考生」——DeepSeek 在选择题上甚至拿了满分，而最终总成绩上，DeepSeek 也与豆包一同超越了 ChatGPT。

 

05

理综三科：有进步，但仍然不算十分优秀

 

如果说 AI 在数学上的进步是「一飞冲天」，那么在理综三科上的表现，则更像是一次「破冰启航」。

相较于去年，理综三科有一定进步——所有模型都提分 10-20 分，但整体成绩依旧挣扎在及格线附近，清晰地标示出 AI 与顶尖人类考生之间的能力鸿沟。

相比于数学，理综三科既考验逻辑能力，又考验多模态能力——物理化学两科的图题占 80% 以上，生物的图题也占全部题目的一半左右。

而今年，读图能力的解锁，加上模型推理能力的增强，共同带动了理综能力的进步。

不过正如绊住 AI 的数学题所展现的一样，能「看见」，不代表 AI 能「看懂」。

这在大模型在化学上的表现不佳上，能清楚地展现出来。化学题目对图片的依赖性强，且化学题目图片的复杂程度更高，此时 AI 的短板便暴露无遗。

目前，顶尖 AI 的理综成绩大致相当于中上游的人类考生水平，但远未达到「学霸」级别。正所谓「卷子越难，差距越显」，在综合性与深度并存的理综试卷上，AI 尚未具备稳定碾压人类考生的实力。

分科来看这次 AI 的成绩：

物理，进步最快的「排头兵」

物理是此次理综三科中进步最快的「排头兵」，平均分提升了 20.25 分。

在客观题和填空题上， ChatGPT 的选择题正确率高达 92.13%，豆包也达到了 89.81% ，展现了对物理基本概念和规律的扎实掌握。

化学：被复杂图形拖累的「重灾区」

相比之下，化学成为了拉低理综总分的「重灾区」。 整体得分偏低，仅有豆包勉强及格 ，选择题和填空题的平均得分率均低于 60%。

其核心痛点在于对复杂化学图形的双重依赖：不仅题目本身高度依赖图片（如实验装置、反应流程图），且化学结构图的复杂程度，也常常超出当前模型精准理解的极限，导致失分严重。

有机物大题依旧是所有大模型的主要软肋 。例如，满分为 12 分的第 25 题（有机化学），所有模型得分极低。该题主要考察有机物合成路径与结构，评测中 没有一个模型能够正确生成有机物的结构简式 ，对有机物的空间结构理解也相当薄弱。

生物：折戟于遗传计算的逻辑关

生物科目的短板则精准地暴露在需要严密逻辑推理的遗传题上。例如，分值高达 16 分的第 22 题（遗传大题），大模型普遍表现不佳， 得分最高的 ChatGPT 也仅拿到 9 分 。该题重点考察基因型分析、遗传概率计算等，这恰恰是考验模型在抽象信息基础上进行多步推理的能力。

 

06

AI 仍然偏科，文综是舒适区

 

在今年的 AI 高考评测中，一个清晰的趋势得以延续：文科综合依然是 AI 的高分舒适区。

早在去年，ChatGPT 就已拿下文综 237 分的高分。而今年， 元宝更是将文综最高分推升至 253.5 分 ，这一成绩，与理科综合最高分（213.25 分）形成了鲜明对比。

相比去年，文强理弱的偏科问题虽有缓解，但基本格局并未改变， 这与人类考生相反。在人类考生中，理综最高分往往比文综最高分高出不少。

在无需联网的情况下，头部 AI 在文综上的得分率已超过 80%，达到了人类优等生的水平。

今年的分数增长，主要由地理科目贡献。细分来看，各科的进展与瓶颈也愈发清晰：

最大看点无疑是地理。得益于多模态能力的飞跃，AI 在地理图题上的理解力显著增强， 使得该科目平均分激增了 20.3 分 ，成为进步的火车头。

地理题上想更进一步，面对的挑战与理科中的化学如出一辙——对高度专业的复杂图形，AI 理解依然吃力。例如，在失分最严重的第 19 题（地形地貌综合分析题）上，模型的表现可谓「溃不成军」：

第（1）问关于地貌走向的判断，仅有极少数模型答对。

第（2）问关于「拔河高度」的专业概念计算， 所有模型均告失败。

与之相对，政治和历史科目的分数则基本处于高位平台期，并未呈现显著进步。

对于这两个科目，挑战已经进入了更难的范畴： 能否精准理解考纲、运用学科语言、并进行多维度深度分析。 对于人类考生而言，这也需要专门的训练了。

例如，DeepSeek-R1 就因思路过于发散、偏离考点而大量失分。而在历史小论文上，AI 普遍难以做到对历史原因进行深刻的多维度剖析，论述仍显单薄。

一个小细节很有趣，与中国模型提分相对应的是，今年 ChatGPT 的文综分数不升反降。

这种「主场优势」也从侧面体现了了，在通往通用人工智能的道路上，对地域性规则的深刻理解与适应，依然是不可或缺的一环。

 

07

彩蛋 1：AI 眼镜能用来作弊吗？

 

从去年到今年，AI 眼镜等「视觉 AI 硬件」无疑是科技界最炙手可热的焦点。其背后的核心驱动力，正是大模型的实时视频理解功能的出现。它意味着 AI 正从被动接收指令，进化到主动感知和理解物理世界。

巧合的是，今年的高考也迎来了一项新变化：考场安检门全面升级，旨在精准防范智能眼镜等新型作弊工具。

这不禁让人好奇： 这些新兴的、能与视频进行实时交互的多模态大模型，真的能用来在考场上「大显神通」吗？

我们抱着这个疑问，选择国外的 ChatGPT 与国内的元宝，进行了一次非常规的测试。为简化流程，我们仅选用难度较低的英语阅读题，尝试让视频模型「观看」试卷并作答。

虽然只是一次非常简单的测试，结果却非常清晰，问题也相当明显：

1. 严重的幻觉问题： 模型非常容易自行想象，这点 ChatGPT 和元宝都有体现，但元宝更为明显。元宝在测试第二篇阅读时，就开始凭空编造一篇完全不存在的文章和题目，导致最终无法进行测试。

英语卷的第二篇阅读，讲述的是一位九年级写作老师关于如何教授学生「写作为什么重要」的反思。文后的 24 题，则是提问第一段提到了哪些人物。

而在对元宝进行测试的时候，元宝不断在屏幕还没有出现选择题时，直接编造一道选择题并回复答案，导致测试无法进行。

在发现问题后，我们向模型提问，这篇文章讲了什么，模型的回答也很是诡异——与原文仿佛相似，但是实际上是完全不同的故事。

2. 被动的交互模式。 为了模拟真实考试，我们在测试中，要求模型看到题目的时候，直接回答答案，不需要解释也不需要等人问。尽管 ChatGPT 声称可以看到题目直接作答，但实际并不会主动进行。整个过程需要测试人员通过语音不断提示、引导，距离「全自动解题」相去甚远。

 

3. 混乱的结果： 在每次看到题目，给定更加精密的提示词的情况下，我们勉强从 ChatGPT 处得到了一组答案，但这个结果参考价值并不大。

稍多几次测试就会发现，翻页的速度变化、镜头的晃动程度变化，提示词出现的时间变化，甚至差不多的流程重复同一个问题，都会导致模型给出截然不同的答案。

虽然视频模型也是 GPT-4o 模型，和 GPT-4o 模型直接按照图片作答的稳定性和准确性相距甚远。

而且幻觉问题会随着上下文的长度越来越严重。在被问及第三篇文章讲了什么的时候，GPT-4o 回答的是第一篇的主要内容。到了最后一篇文章，模型的正确率和蒙的也差不多了。

今天的视频大模型，像极了去年的图像大模型，仍处于非常早期的阶段。各家大模型产品也并没有想在目前阶段主力推广这一功能——GPT-4o 的视频通话功能在不长的测试时间后，迅速达到了当日限额。

想在目前阶段，单纯依靠它在考场作弊，还需要担负必须不断跟它说话、答案完全不准等巨大风险，基本属于科幻情节。

尽管如此，在模型表现较好的时候，AI 能够在看到屏幕几秒内，马上很肯定地讲解出屏幕上的英文在讲什么，确实也是一种让人感觉十分惊艳的体验。

 

08

彩蛋 2 : 仿生人会爱上自己生成的电子羊吗？

 

自古「文无第一，武无第二」。在人类创作者中，风格流派各异，喜欢现实主义的人有时候就是「get」不到意识流的文风。

那么，在 AI 的世界里呢？大模型是否也存在审美偏好呢？它会因为更欣赏自己的文风，从而在给其他模型打分时产生偏见吗？

我们进行了一项有趣的尝试： 让参与本次评测的大模型们，对彼此生成的作文进行交叉打分和排序。

测试选用的是作文题目的第一次采样结果。

图片里横向是鉴定师，而竖向是作品。我们标蓝了模型认为的前三名作文，和人类认为的前两名作文。

根据这个不完全统计，模型并没有表现出对自家作品的特殊偏爱，有时候反而可能给自己打低分——比如元宝的作文，在人类和其他模型的横评中，都取得了很高的分数，但在自己的评测中，反接近最低分了。

AI 与人类判分员的审美，大方向仍然是一致的。

可能真的只是和我们普通人类一样吧：我知道什么是好的，就是写不出来。

 

09

结语

 

今年，或许是高考测试对大模型仍具挑战意义的最后一年。

当 AI 已经能展现出冲击顶尖学府的实力时，这个人类社会的智能筛选器，可能未来不再能成为对 AI 有区分度的测试了。

高考测试，不仅仅是一场对人类智慧与 AI 智慧的对比，也是我们观察 AI 智能发展的一个刻度表。

过去一年，我们对 AI 能力的直观感受和多次验证，正在不断地提醒我们： AI 正加速逼近甚至超越普通人的能力边界。

但它的发展并非线性——它能攻克人类眼中的难题，却也会在看似简单的题目上意外失足。

正因如此， 高考，这个完美融合了知识掌握、逻辑推理与应试策略的综合场景，让 AI 展现出了它最迷人而矛盾的一面：它时而展现出顶尖人类的才华，轻而易举地攻克难题；时而又暴露出孩童般的认知盲区，在基础问题上犯下令人啼笑皆非的错误。

感谢高考。它用一种我们最熟悉的方式，为 AI 的通用智能水平提供了一张刻度清晰、极具参考价值的「快照」，而这，很可能是最后一张了。

AI 的下一站，终将是更复杂、更广阔的现实世界。考试，只是它漫长征途的起点，而非能力边界的终点。

这张快照，最终将成为它成长相册里，一张记录了进化途中的光荣与笨拙的泛黄的旧照片。

*头图来源：视觉中国

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

 

科幻电影中，外骨骼堪称最酷的科技装备之一。从《异形》中可以让普通人类直接对抗异形的 Power Loader，再到《钢铁侠》飞天遁地的钢铁战衣，这些可以大幅增强人类运动、负重能力的的外骨骼，一直是科幻编剧们最钟爱的设定。

今天这些设定正在逐渐成为现实，从去年始祖鸟推出的售价 3 万多的外骨骼动力裤引发抢购热，到今年春节期间爆火的国内景区推出的外骨骼产品租赁服务。而在产业界，更是有一批外骨骼公司，正在以一两万的售价，将轻量级外骨骼产品直接推向市场。

今天和大家分享的 Hypershell X，就是当下最受关注的消费级外骨骼产品之一。在官网的宣传视频中，其不仅可以用于爬山，长跑、骑行等运动也可以用它辅助。值得一提的是，这款最高配 1799 美元的产品，不仅比 4500 美元的始祖鸟便宜了一半还多，而且已经开始向用户发货（注：去年开始接受预订的始祖鸟的 MO/GO 预计 2025 年 10 月开始发货）。

Hypershell 目前的最高配产品，可以卖到 1799 美元

出于对产品的好奇，笔者设法借到了一台。在两周的深度体验里，笔者戴着它走路、骑行，甚至专门用一个周末戴着它挑战爬山之后，我认识到了这款产品的优点，也意识到了现阶段消费级外骨骼的瓶颈，以及它预示的无限可能的未来。

 

外骨骼能让我们变成「钢铁侠」吗？

有了外骨骼，每个人都能变成漫威的超级英雄？答案当然是否定的。今天的消费级外骨骼，任何普通人穿戴后都能获得一定级别的能力增强，但现阶段别说「人均斯塔克」——人均「博尔特」都差得很远。

还没发售的始祖鸟 MO/GO，其介绍里是“能提供 40%的动力提升，让佩戴者感觉减重 14kg”。而 Hypershell X 官方介绍是最多抵消 30 公斤重量，增强 40% 腿部力量和减少 30% 体力消耗。

Hypershell X 系列目前分别有「Go」「Pro」「Carbon」三款，售价分别为 999 美元、1199 美元、1799 美元，折合人民币约为 7200-13000 元。笔者体验的是中间版本的 Hypershell Pro X。它重量为 2kg，仅比最高配的 Carbon X 版重 0.2kg（均不包含电池重量，电池重量 410g）。

从外观的角度来看，无论是穿戴 Hypershell 产品上街还是爬山，都没有让我成为街上的显眼包。在咖啡店等单的时候，同事形容戴在腰间的 Hypershell 就像是「戴着个腰包」；而当我在京郊完成一段两小时左右的轻徒步过程中，全程只有一个游客认出了这个在小红书、抖音平台上很火的外骨骼设备。

这个设计理念也在笔者和 Hypershell 工程师的交流里得到了印证。不同于很多新形态的智能硬件希望营造「科技感」，极壳认为外骨骼在设计时不应该过于张扬：「尤其是未来面向一些老年或医疗使用场景，他们也许不希望得到太多的注目。」

Hypershell X 系列产品及配件展示

穿戴的过程并不复杂。先调节腰部尺寸，就像戴腰包那样把设备主体「穿」在身上。接着再根据身高和大腿围调节腿带的高度和松紧，把设备两侧的腿杆能够以适当的松紧绑在距膝盖上方大约两指的地方，以保证后续设备运行时可以有效助力。

穿戴完成后，在手机上下载 Hypershell 的 App，注册一个新的账号。初次登录时，需要先输入使用者的身高、体重、性别 3 个不同的身体参数，作为后续处理和计算的基础数据。

把设备和手机应用通过蓝牙连接，就可以在手机 App 上调节不同的档位和不同的运动模式。Hypershell Pro X 目前可以提供「舒适、极限、通透、健身」4 种不同的助力强度，以及包括「行走、奔跑、上坡、骑行」等在内的 10 种手动标注的运动状态（基础版为 6 种）或「自适应动作识别」。当然，也可以通过设备右侧电机上的实体按键进行操作。

不过，由于 Hypershell X 系列只有一个实体按键，所以进行开关机、模式切换、强度切换等需要通过一系列复杂的不同点按方式才能实现（如短按、长按、短按+长按等）。笔者现阶段还是更习惯在手机 App 上直接操作。

在日常行走时，穿上 Hypershell X 后可以明显感受到设备通过腿杆对大腿的「提拉感」，这会让大腿比正常走路和上楼梯上抬得更高，同时步幅会明显增大，身边同行的人表示需要比平时走得更快才能跟上我的速度。而笔者的同事哪怕只是短时间试戴，摘掉设备后也会觉得「有点不会走路」、「腿感觉抬不起来」。

笔者在小区里进行了一次 2 公里的平路行走测试。全程为 2 公里，将心率都保持在每分钟 120 次，并采用「先无后有」的顺序。Apple Watch 数据显示：穿戴外骨骼设备后，步行配速每公里提升约 20 秒，总消耗从 135 千卡降至 123 千卡，降幅为 8.9%。

平路步行测试：左侧为未穿戴设备时的数据，右侧为穿戴设备时的数据

不过，当我把实验场景切换到健身房踏步机（也叫「爬楼机」）时，由于进入了高强度有氧甚至无氧（平均心率为 170）区间，尽管仍然可以感受到提拉感，但心肺层面的疲惫感显然无法快速消除。而从测试的结果来看，第二次训练戴上 Hypershell 时，Apple Watch 统计的卡路里消耗甚至还要高过第一次没有佩戴外骨骼设备时的消耗量。

所以，简单总结一下使用感受：首先 Hypershell Pro X 的确能在一定程度上提供运动帮助，但这个帮助不是无限的，也许能让爬山费点劲的人变得轻松一点，但不可能做到让从来不运动的人立马就能完成一个半马。

 

消费级外骨骼的「必答题」和「附加分」

在体验 Hypershell 前，我脑海中一款「消费级」外骨骼产品至少需要把以下几个必答题做到高分：轻便、方便穿戴、耐用性好、价格合理。如果销量还高点，大概还需要提升一点颜值——做到看起来既不突兀又能适度体验科技范儿。

但在一周体验之后，我发现仅仅答好这些基础题还远远不够。「消费级产品」区分于「专业工具」的一个关键点是：用户可以多种不同的环境里使用。这就要求外骨骼产品还要拿到更高的「附加分」：在运动控制层面，提高多运动场景的适配性。

一个最典型的户外场景就是徒步。在几个小时的连续行进中，用户需要在爬升下降、土路台阶等不同动作和外界环境随时切换。如果一款产品只能帮助我们上坡，那么在下降的时候，它就会成为我们身上或者包里额外的几公斤负重。

笔者也戴着 Hypershell Pro X 在京郊进行了一次轻徒步体验。使用后最大的感受就是：尽管 Hypershell 目前已经在手机 App 里提供了 10 种不同的动作识别，但在实际使用过程中，在绝大部分场景里，我都会直接开启「自适应动作识别」模式。这样就可以更专注地关心路况，几乎不需要掏出手机进行额外操作。

Hypershell 手机 App 的操作界面，可手动选择 4 种模式和 10 种动作姿态

只是在少数场景下，例如连续的长上坡，我才会切换到「上台阶」模式，这样 Hypershell Pro X 可以给我提供更「猛」的助力。

最让笔者惊喜的，是 Hypershell 在下坡时的体验。不同于其他路况，下坡（尤其是土路上坡）我们并不希望设备把腿抬得更高。因为这时更需要重心靠后，略微下蹲辅助支撑以及防滑。电机通过腿杆传递，提供了一种「反向」的作用力——向下向后的支撑感，在陡坡上提供了一定的帮助和信心，就像手中多了两根登山杖一样，这是在测试前完全没有预料到的。

在笔者看来，「自适应动作识别」模式是未来外骨骼产品的必备。在绝大多数时候，它都可以主动适应用户行为和外界环境变化，并对功能进行微调。

这有点像开着一台智能 SUV 去越野，大部分时候，你只需要像日常驾驶一样操作就好了，只有在少数特定的场景下，才需要手动调节到脱困、涉水或者窄路模式，以应对极端场景。

而为了达到更智能的体验，笔者认为：外骨骼产品的下一步，需要拥有更强的感知能力和更强的大脑。

海外用户对 Hypershell 的评价：「很吃惊它能预判我的动作」

更强的感知需要更高维度的数据输入，例如可以检测心率、「看」到外界真实的环境。扫地机器人从只有机械臂到拥有了高清摄像头和激光雷达；现在传闻苹果都要为 AirPods 安装视觉摄像头了，也许我们可以期待未来「Ultra 版」的外骨骼配备更多的传感元件并采集更多维度的数据。

此外，产品也需要拥有匹配这些高维数据的主动推理能力。尽管外骨骼如今被视为具身智能技术的延长线，但某种程度上，它比一般的机械臂要更复杂。作为一种可穿戴智能设备，它的行动和人体是高度一致的，因此它需要推理感知实时状态，才能和使用者达到最佳的配合程度。

设想一下，当这些问题都得到优化之后，用户在使用外骨骼产品的时候，大概率就越来越不需要那个和它搭配使用的手机 App。这款手机 App 也许会成为和智能辅助驾驶的 SR 界面一样的功能，更多时候它只负责交付一种视觉安心感，告诉用户「我看到了这些信息，我在处理」。而更简单的操作和更一体化端到端的交付，应该是外骨骼以及大多数智能硬件产品在智能时代希望达到的方向。

 

在细分领域里，寻找智能硬件的新机会

在 Hypershell 身上，我们也看到了智能硬件领域近年来的一些发展共性。

过去 20 年左右的时间里，优秀的硬件创新往往来自于大品类，如智能手机、智能汽车。它们几乎都是可以覆盖上亿人群的产品。

然而今天，越来越多的创新开始从细分市场里生根发芽。创业者们开始意识到，充分挖掘并满足「小众市场」里的真需求，也可以创造出一个「大产品」。

这种变化来源于供给端环境的变化。

在笔者和多个硬件创业者的沟通里，都可以得到一个明确的信息：今天想在珠三角进行硬件创业，你可以达到强大的供应链技术和网络支持。说得夸张一点，在不考虑成本和量产难度的前提下，很多天马行空的 demo 产品，供应链技术都可以给你「搓」出来。

一位创业者告诉笔者：在新硬件品类里，哪怕和日韩和欧洲竞争，它们最后的制造环节大概率也会回到珠三角。除此之外，近年来不少供应链企业也正面临国际品牌供应链转移。大厂的订单减少了，这些溢出的供应链能力自然也就愿意多跟创业者们谈谈合作。

华强北被称为「全球智能硬件创客的天堂」 | 图片来源：视觉中国

供给端外，市场的变化也为细分品类成长提供了更多可能。

过去做产品时，往往会追求最大公约数。但其实，即便是万分之一的需求，放在全球乃至全球市场里，也都是一个很庞大的量。随着各类内容平台以及跨境电商平台的不断成长，创业者也就拥有了更多工具和手段，让这些「小众产品」触达到想要影响的目标用户。目前很多优秀的硬件创业者都可以在海外市场获得极大市场份额，也和这些市场的「基建」变化不可分割。

以上两点，供应链能力的提升让创业者可以把产品「做出来」，市场工具的进化可以让产品「卖出去」，也就构成了硬件创业的两个最关键的前置条件。

「智能化」则扮演了最新也是最关键的加速器角色。因为站在用户视角来看，无论成本再低、触达再容易，他们愿意掏钱购买的「智能硬件设备」，是一款可以在生活中高频使用的工具，而不是一个吃灰的摆件。而智能化和 AI 恰恰提供了这种可能，让外骨骼可以从工厂走上自行车、走向雪场、走向更多场景。

所以，我们也就看到了越来越多的创业者，正尝试着把更多过往只被运用在工业场景里的技术，「下放」到消费级里，做出更多的新产品。也许未来十年，硬件领域里仍然不会出现取代智能手机的个人计算设备，但消费者大概率可以期待更多好玩实用的新玩意。

这或许也是智能硬件行业里，应对同质化内卷的一种新思路。

小米 YU7 现身租赁市场：日租要价 2000 元，跟兰博基尼一个价

6 月 29 日，小米 YU7 上市后直接卖爆，订单也创下了全球车企的销售纪录。在小米汽车门店，看车的人络绎不绝，想要试驾的话，有销售透露，试驾要排到一周之后了。

小米 YU7 的热卖，也带动了租赁市场，在二手平台搜索「小米 YU7 出租」发现，目前已有大量商家上线小米 YU7 租车服务。

据了解，根据是否是现车或提车时间不同，商家们的日租报价也不相同，普遍是 2000-4000 元/天，租赁车辆可以用于商务接待、评测体验等。如果是赛道刷圈、拆车对比等，还需要额外加钱。

虽然小米 YU7 的起售价格只有 25.35 万元，但租赁价格却已比肩不少超跑车型。作为对比，兰博基尼小牛的日租价格为 2000 元左右，法拉利 458 等车型租赁价格也在 2、3 千元不等，小米 YU7 因为流量和稀缺性，其租赁价格远超它的车型定位。（来源：新浪科技）

马斯克公布脑机接口最新进展，受试者有望用意念操控人形机器人

6 月 29 日，马斯克旗下 Neuralink 公司近日公布了脑机接口的最新进展。通过植入 N1 芯片，脊髓损伤和渐冻症患者已能用意念操控虚拟机械手、玩游戏、甚至重新与外界交流。N1 芯片如硬币大小，可无线充电，实时捕捉大脑信号并转化为数字指令，目前已在 7 名受试者中应用。

Neuralink 计划 2025 年实现「意图言语」解码，帮助失语症患者恢复交流；2026 年启动「盲视」项目，助失明者重获视觉。未来几年，电极数量将持续提升，目标是实现多区域植入、治疗精神疾病，并最终通过脑机接口精准操控特斯拉人形机器人 Optimus。行业竞争激烈，微软、亚马逊、苹果等巨头也在布局。预计到 2040 年，全球脑机接口医疗市场规模将达 1450 亿美元。（来源：界面新闻）

 

任天堂就 Switch 2 游戏机供货不足道歉，称公司未能充分预估机型首发需求

6 月 29 日，在第 85 届任天堂年度股东大会上，任天堂社长古川俊太郎就 Switch 2 在全球多国供不应求的情况向股东致歉，承认公司未能充分预估相应游戏机的首发需求。

古川俊太郎表示，自今年 4 月起，任天堂已通过 My Nintendo Store 展开抽选销售，首轮报名人数高达 220 万人，远超预期。目前已进行四轮抽选，第五轮将于 7 月启动，后续公司将积极提升游戏机生产量以缓解供需压力，并在未来将进一步优化抽选机制，同时鼓励更多线下零售商加入抽选行列。

此外，股东大会中有股东批评 Switch 2 使用的钥匙卡游戏卡带是一项「不成熟的措施」，质疑相应钥匙卡设计是否对平台游戏销量造成了负面影响。

对此，古川俊太郎回应称，钥匙卡主要是考虑 Switch 2 游戏体积过大最终作出的抉择，在游戏机上市前，任天堂已与第三方发行商进行过沟通与协商，确定了相应存储介质形式。不过，古川俊太郎并未正面回应相应钥匙卡是否影响了平台游戏实际销量。（来源：凤凰科技）

 

全球首个低温下可精准控制「百万量级量子比特」芯片问世，解决扩展难题

6 月 29 日，据外媒报道，澳大利亚悉尼大学与新南威尔士大学联合开发出全球首款可在低温下精准控制「百万量级量子比特」的芯片，相关成果已发表在《自然》期刊上。

该芯片能在接近绝对零度的毫开尔文环境中稳定控制自旋量子比特，突破了量子计算扩展中控制系统与量子比特之间因热量和电噪声带来的干扰难题。研究团队通过精密设计，使芯片在保持量子态相干性的同时，实现高保真的单比特和双比特操作。

该控制系统功耗极低，总功率仅约 10 微瓦，有望支持百万级量子比特扩展。此次成果证实了复杂电子系统可与量子比特紧密集成的可行性，为量子计算的实用化迈出关键一步。（来源：IT之家）

零跑 B01 纯电轿车预售 10.58 万元起：可选激光雷达版，预计下月上市交付

6 月 29 日，零跑 B01 纯电轿车今晚开启预售，预售价为 10.58 万元起。目前，该车共推出了 5 款配置车型，CLTC 工况续航里程有 550 公里和 650 公里两种版本，预计 7 月正式上市交付。

零跑 B01 的前脸采用了类似 B10 的设计语言，该车配有隐藏式门把手、贯穿式尾灯，长宽高分别为 4770 x 1880 x 1490mm，轴距 2735mm，可选激光雷达版本。

内饰方面，新车配备 8.8 英寸全液晶仪表盘以及 14.6 英寸 2.5K 高清中控屏，并会提供高通 8295P 车机芯片、50 瓦手机无线充电等。该车在副驾前方还配备有 6 个「魔术拓展孔」，可以根据个人需求安装折叠桌板、手机支架等。

动力方面，零跑 B01 提供最大电机功率分别为 132kW 和 160kW，扭矩分别为 175N・m 和 240N・m。同时，该车已经申报有 56.2 千瓦时和 67.1 千瓦时两种不同容量的电池组，CLTC 工况续航里程分别为 550 公里和 650 公里。（来源：IT之家）

 

日本初创公司推出智能 AI 猫项圈，可监测猫咪行为与压力水平

6 月 29 日，一家名为 Rabo 的日本初创公司，就为猫咪设计了一款智能项圈。

这款名为 Catlog_的项圈可以监测猫的多种日常行为，包括进食、饮水、睡眠、奔跑、行走以及梳理毛发，并将这些信息同步至手机应用程序。此外，它还具备定位功能，帮助主人随时掌握猫咪的行踪。

最近，该产品新增了一项功能：通过分析猫咪的行为数据来评估其「压力指数」。这项功能主要依据猫咪在过去 30 天内的理毛频率、静息状态下的呼吸次数以及睡眠状况来判断其焦虑程度。据 Rabo 公司 CEO Yukiko Iyo 介绍，他们分析了超过 46000 只佩戴该设备的猫咪所积累的 100 亿条数据，并借助人工智能技术来评估猫咪的压力水平。一旦 AI 识别出猫的情绪压力过大，就会向主人发送提醒。

Catlog_目前售价为 99.99 美元（约合人民币 717 元），而使用 AI 监测服务则需额外按月订阅，费用为每月 14.99 美元。（来源：中关村在线）

千余名作家联名呼吁出版商承诺限制使用 AI：不发行 AI 书籍、不用 AI 配音

6 月 29 日，近日，包括劳伦・格罗夫、列夫・格罗斯曼、R.F. 奎安、丹尼斯・勒翰和杰弗里・马奎尔在内的一众作家联合发表了一封公开信，呼吁图书出版商承诺限制使用人工智能工具，比如承诺只雇佣人类为有声读物配音。

这封公开信指出，作家们的创作成果被人工智能公司「窃取」了。信中提到：「这些公司没有将作品所创造的收益按一定比例支付给作家，而是将本应属于作家的报酬支付给基于作家们无偿劳动所构建的技术。」作家们认为，这种行为严重损害了他们的权益。

除了要求出版商仅使用人类配音外，作家还们呼吁出版商做出承诺，永不发行由机器生成的书籍，并且不以人工智能工具取代人类员工，或者将人类员工的岗位降级为人工智能监控员。他们强调，人类创作者的劳动价值和不可替代性应当得到尊重。

这封公开信一经发布，便得到了广泛关注。据美国国家公共广播电台（NPR）报道，在公开信最初发布后的 24 小时内，又有 1100 名作家签名支持。（来源：IT之家）