凤凰网科技讯 11月26日，中策知识产权研究院近日发布《2025中策-中国企业专利创新百强榜》，其中华为、国家电网和腾讯位列前三。 该榜单聚焦人工智能、绿色技术、智慧生活等产业领域，统计过去5年中国企业申请并公开的创新专利数量。 在中国企业专利创新百强榜TOP10榜单中，华为、国家电网、腾讯、中国石油、美的、南方电网、格力、OPPO、京东方和百度分列其中。 在中国企业发明专利授权榜TOP10榜单中，国家电网排名第一，而华为和腾讯分列第2和第3。 此前，华为副总裁、知识产权部部长樊志勇表示，2024年华为专利许可收入约6.3亿美元（约合44.6亿元），而截至2024年底，在蜂窝标准领域，已经有超过27亿部5G设备获得了华为的专利授权；在Wi-Fi领域，超过12亿部消费类电子设备获得了华为的专利授权。

IT之家 11 月 26 日消息，据可靠内幕人士蒂姆・库尔潘（Tim Culpan）透露，9 月下旬，台积电（TSMC）位于美国亚利桑那州的晶圆厂 Fab 21 因一家供应商突发停电而生产中断，导致公司不得不报废当时正处于加工流程中的部分晶圆。对此，台积电发言人向 Tom's Hardware 证实，确实有一家供应商发生了停电事件，但并未确认是否因此造成损失。 据IT之家了解，此次供电中断源头为英国工业气体巨头林德集团（Linde），该公司受聘为 Fab 21 提供关键气体支持服务。尽管此次停电并未导致 Fab 21 本身断电（与其他半导体制造厂类似，该厂配备自有备用发电机，可在电网中断时维持基本运行），但停电确实中断了多项关键生产材料的供应。据库尔潘称，台积电因此被迫停产数小时，并遭受经济损失。不过，公司迄今未披露报废晶圆的具体数量（若有）及此次事件造成的财务影响。 在台湾地区，台积电对气体供应基础设施（以及诸多其他关键基础设施）拥有直接管控权；但在美国，公司则需将此类职能外包。某种程度上，这使得 Fab 21 厂区更易受其直接控制范围之外的环节故障影响。然而，此次事件使晶圆厂认清了这一薄弱环节，未来不仅可在 Fab 21 第一阶段运营中予以改进，更可提前防范后续第二、第三阶段建设中的类似风险。对于一座新建晶圆厂而言，早期识别产线本身及供应链中的潜在弱点实属必然。若能及早发现并加以优化，对台积电在该厂区即将推进的 Fab 21 第二、第三阶段项目而言，不失为积极信号。 需要指出的是，在台积电及其他先进芯片制造商的运营中，生产中断并不罕见，但其诱因通常为自然灾害（如地震）或人为操作失误，而非供应商环节故障。 此类相对可控的中断事件，究竟会在财务层面如何影响台积电及其客户？对此，台积电发言人表示，Fab 21 在第三季度几近盈亏平衡，主要原因在于当季启动了 Fab 21 第三阶段的建设工作，从而产生了大量初期投入成本。该说法的合理性尚待本季度财报数据加以验证；但需强调的是，一旦现代先进半导体晶圆厂被迫停摆，其代价往往极为高昂。

IT之家 11 月 26 日消息，神舟二十号载人飞船原计划 11 月 5 日实施返回任务，但疑似遭空间微小碎片的撞击，舷窗出现裂纹。经专家团队综合研判，指挥部作出决策：神舟二十号不再执行原定返回任务，转为留轨继续开展科学试验。 据介绍，神舟飞船的舷窗是由三层玻璃组成的：最外层防热窗负责抵御再入大气层时的高温烧蚀；中间层承压窗和内层防护窗，共同保证舱内气密性并防护空间碎片。央视新闻报道称，11 月 25 日发射的神舟二十二号飞船已经上行了专门针对舷窗裂纹的处置装置，为未来在轨维修技术的验证做好准备。 神舟二十一号乘组将会利用出舱活动的时机，对神舟二十号飞船前窗受损的情况再次进行检查评估。根据评估情况，维修可能会有两种方式： 在舱外使用新型复合材料对外层玻璃进行修复试验 从舱内实施结构加固与密封处理 IT之家从报道获悉，神舟二十号即便外层玻璃在返回过程中无法完全承受高温高压，最内层仍可提供可靠的安全保障。此次应对，也意味着我国正在构建“撞击应对 + 在轨维护”的能力，为长期太空驻留积累关键技术基础。未来神舟二十号还将以“无人模式”自主返回地球。其返回后的科研价值不可估量： 科研团队将会对受损舷窗进行撞击机理的“解剖调查”，分析裂纹扩展路径，检测隐蔽损伤。同时，经历撞击与长期在轨运行的关键设备的性能数据，将为后续“设备寿命预测”与可靠性提供珍贵依据。这些数据，无疑将成为新一代载人飞船防护设计的重要参考。

作者 杨睿琪  编辑 刘毓坤 凤凰网科技讯 11月26日，近日，华为联合上海交通大学、西安交通大学、厦门大学，在“2025AI容器应用落地与发展论坛”上正式发布并开源AI容器技术Flex:ai。这一技术旨在通过虚拟化与资源池化，实现算力资源的精细化管理与智能调度，推动AI从“高大上”走向“平民化”。 “人工智能是非常高大上的名词。我们在过去两年当中听到了万亿级参数，百万亿级的参数，我们也听到了某某公司买了多少千张卡，多少万张卡……”华为公司副总裁、数据存储产品线总裁周跃峰在论坛上直言，“但让AI能够平民化，让所有企业甚至家庭都能够享受AI带来的便利与高效率，依然是一个话题，依然有很多挑战。”他以医疗行业为例指出，一个医院的某一科室通常仅配备4张、8张或最多16张算力卡，ICT年投入经费仅数千万人民币。“在这样的集群中，很难进行粗放的GPU或NPU调度。”周跃峰强调，“我们能不能把一张卡虚拟化成多张卡？让每一张卡的算力能力充分释放？” 华为数据存储产品线DCS AI首席架构师刘淼进一步指出三大核心痛点：小任务单卡算力用不完，例如使用Llama3.0 3B模型进行文本总结时，单卡算力利用率极低，RAG模型仅占用3%-5%；大任务单机算力不够用，需跨节点聚合资源；多任务并发调度难题，如医院多名病理医生同时进行AI诊断，资源争抢严重。“我们发现，在模型开发阶段，许多企业仅拥有有限算力卡，却需同时支持开发、训练与推理。”刘淼表示，“如何让算力‘活’起来，是Flex:ai要解决的根本问题。” 针对上述问题，华为与三所高校分别从资源切分、跨节点聚合与智能调度三个维度展开攻关。上海交通大学软件学院戚正伟教授介绍了XPU资源池化框架的核心原理：“我们通过API劫持与转发，将单张GPU或NPU切分为1/4、1/8、1/16等虚拟算力单元，实现空间共享与资源隔离。”他展示了在交大网络中心的测试数据：未进行虚拟化时，训练任务资源利用率仅为20%，训练耗时1小时；通过虚拟化与调度优化后，利用率提升至80%，虽单任务耗时增至3小时，但支持多任务并行，整体训练效率显著提升。“我们在NPU上的初步实验显示，资源利用率可达99%。”戚正伟补充道，“通过细粒度切分与隔离，不同任务在同一张卡上运行时互不干扰，实现‘用多少，切多少’的弹性分配。” 厦门大学信息学院/上海交通大学计算机学院张一鸣教授指出，当前企业中存在大量缺乏GPU/NPU的通用服务器，形成“算力孤岛”。“我们与华为研发的跨节点拉远虚拟化技术，通过API劫持与RDMA高速网络，将集群中各节点的空闲XPU算力聚合为‘共享算力池’。”张一鸣解释，“通用服务器可透明地将AI任务转发至远端算力卡执行，实现通算与智算的融合。”在端到端实验中，该方案相比现有最优技术提升67%高优先级作业吞吐量，并有效利用17%的内部碎片资源。张一鸣强调：“通过将XPU上下文从CPU进程中解耦，我们实现了跨节点的灵活映射与性能感知的时空复用。” 西安交通大学计算机科学与技术学院院长张兴军教授将调度系统比喻为“算力网络的交通系统”。他指出，AI模型训练与推理本质是计算与数据的协同，需从底层算力资源入手实现细粒度调度。“我们与华为共同研发的Hi Scheduler调度器，支持对国产GPU、NPU等异构算力进行时分与空分切分。”张兴军介绍，“通过分层调度机制，离线计算最优资源分配策略，在线执行动态调度，有效应对负载波动。”在实际场景中，该调度器使集群整体资源利用率提升30%，并保障多租户环境下的公平性与隔离性。 “光靠华为公司的软件工程师的力量是远远难以完成AI行业化落地的。”周跃峰在发布仪式上坦言。为此，华为将Flex:ai全栈技术开源，并联合三所高校持续迭代。刘淼进一步阐述了开源路径：“开源模块包括智能调度器与算力虚拟化组件，支持与Kubernetes等主流框架集成。未来我们将推动南向异构算力兼容，构建标准化接口。”戚正伟指出，开源能加速技术普及与生态共建：“RunAI等方案受限于商业合作与硬件绑定，而Flex:ai面向异构硬件开放，更具通用性。”张一鸣透露，厦门大学已在布局拓扑感知调度、推理负载优化等后续研究方向，推动Flex:ai在复杂场景中落地。 华为2012实验室理论研究部首席研究员张弓从底层技术挑战切入，指出企业部署AI推理面临“高服务质量与低资源利用率”的根本矛盾。“以医院为例，白天推理服务器负载峰值，夜间闲置，资源利用率极低。”张弓表示，“要实现动态扩缩、任务迁移与细粒度资源分配，需突破三大技术：保序流图、细粒度资源隔离与安全点协议。”他分享了初步实验结果：通过算子劫持、状态同步与分层调度，在单卡场景下实现故障迁移与性能隔离，开销控制在5%以内。“但跨节点迁移与大规模集群调度仍是待攻克难点。”张弓坦言。

凤凰网科技讯 11月26日，“罗永浩 华杉”“罗永浩 录音”“罗永浩怒怼华与华创始人”等相关话题霸榜热搜。对此，罗永浩发文称，“其实挺疲劳的，打的话浪费时间，不打吧网友和朋友们不答应。今天本来我们有重大的年底事件的官宣，因为这个插曲都被迫改到明天上午了。” 这两天，西贝危机事件再起波澜。事件缘起“华与华”的华杉再次点评西贝事件，引发罗永浩回怼。华杉称西贝被人算计，暗示罗永浩是罗刹国。 对此，罗永浩在微博置顶发言，要求华杉公开道歉，否则要给点颜色看看。

11月26日，罗永浩设定的“华杉下午6点前公开道歉”期限已过，华与华营销咨询有限公司董事长华杉未通过任何渠道发布公开致歉声明。 罗永浩发飙后，下午转发一名网友截图称，“罗永浩的流量太牛了，热搜一整天都被他霸榜了 ”。 对此，罗永浩转发并评论表示，“其实挺疲劳的，打的话浪费时间，又不是瓜农，老是免费供瓜，牵扯精力又显得不务正业。不打吧，好像网友和朋友们都不答应……” 此外，据罗永浩透露，本来今天打算官宣重大的年底事件，因为这个插曲被迫改到明天上午了。 今日，罗永浩在微博置顶发文，明确表示华杉必须公开道歉，“西贝正在整改，这次跟西贝无关，是我和华杉之间的事”，强调此前华杉的私下道歉已无效，要求必须公开致歉。 他还放出狠话，若超时未道歉，“未来中国市场公关行业只会记得罗与华，不会记得华与华”，同时透露已购买华与华全集，计划给 “被忽悠的中国土老板们上营销防诈课”。 而此前的凌晨，罗永浩已针对华杉 “西贝遭人算计” 的言论连发三问，并称 “说不清楚就公布录音”。

一向为格力带货的董明珠，最近走进了别人的直播间，卖起了羊绒大衣。 11月21日，董明珠出现在服装品牌“三只小山羊”的抖音直播间，为羊绒大衣带货。当晚，该直播间冲到抖音女装榜前十。此前，董明珠还曾为男装品牌“霞湖世家”带货。 不过，董明珠给“三只小山羊”带来的直播间热度，并未完全体现在销量增长上，第三方平台数据显示，当天销售额约为100万元。 抖音“带货一哥”董宇辉，此前也拓宽了带货品类。 董宇辉以带货农产品起家，如今将服饰打造成与辉同行的第二大品类，还踏入董明珠的“腹地”，带货家电产品。 不过，董宇辉的跨品类带货能力，远非董明珠所能比肩。 以家电为例，董宇辉已成为抖音家电领域的带货顶流。双十一期间，他的一场家电直播销售额突破一亿元。 相比之下，董明珠麾下的格力布局家电直播为时已久，但销售额仍不及董宇辉。抖音账号“明珠格力精选”将董明珠的名字与企业名称绑定，近一个月吸引300万人次观看，最高带货5000万元。双十一当天，董明珠拉来千万粉丝博主“乌啦啦”助阵，直播间表现依旧平淡。 拉长时间线，在直播带货这条赛道上，董明珠与董宇辉的差距更大。 2025年上半年，在董明珠等格力高层的带领下，格力直播电商销售额突破50亿元。而第三方平台显示，与辉同行2025年上半年，直播229场次，按照其场均销售额2500万-5000万元估算，与辉同行上半年销售额累计约57亿元-114亿元。若仅看线上，恐怕格力已经被董宇辉甩在了身后。 不过，与辉同行方面表示，数据不对外公布，一般情况第三方数据都不准确。此外，据新榜数据显示，与辉同行2024年的销售额约为百亿元。 A 今年双十一，与辉同行做了多场双十一抢先购，其中一场是家电专场。董宇辉为其搭建了一个双11“大卖场”，陈列冰箱、空调、电视等各类产品，一口气连播4个多小时，直至深夜，最终实现单日销售额破亿元。 第三方平台数据显示，在董宇辉直播间，一款海尔洗衣机单日卖出5000台，预估销售额为2500万元；海尔品牌的单日销售额达到7500万元。 除了海尔，其他家电品牌也已经进入董宇辉直播间。在多个家电品牌的直播销售贡献榜中，与辉同行都名列前茅。 飞瓜数据显示，近一个月内，董宇辉是海尔在抖音平台的最大销售贡献者，预估带来超1亿元销售额；在美的、海信、小天鹅等头部品牌的抖音销售贡献中，“与辉同行”也稳居前列。比如，2025年至今，与辉同行位于海信直播贡献榜的第四名，是小天鹅直播贡献榜的第二名，其余位于前列的账号均为店铺自播。 董宇辉能成功跨界，首先得益于其庞大的流量，从农产品自然延伸至其他品类并非难事。 另一方面，董宇辉已经逐渐走出了“知识带货”的范畴，其带货技巧越来越像其他大主播靠拢。“和品牌现场谈判”的直播路数，如今也出现在了他的直播间里。 在带货某品牌电视时，商家要收取200元的安装费，董宇辉当场回绝，称“你要这样，我不讲了”，最终商家表态免费安装。类似场景，经常在董宇辉带货大家电时上演。 至少从结果上看，这种方式是有效的。董宇辉在大家电专场屡次创造过亿销售额，和大家电品类客单价高有一定关系，但他通过效仿其他直播间的成熟套路，吸引尽可能多的潜在消费者，也是销售额高企的原因之一。 目前，董宇辉已经在家电直播带货赛道处于领跑位置。 达多多数据显示，最近三个月，交个朋友家装家电的GMV为2500万—5000万元；明珠格力精选直播间的GMV为5000万—7500万元；而与辉同行在厨卫家电品类的带货额则超过1亿元。 一位做家电直播的主播向字母榜表示，作为顶流主播，董宇辉给家电直播带来积极影响，尤其在拉动家电销售方面。在她看来，通过董宇辉等顶流主播的讲解，培养了用户在直播间购买家电产品的习惯，对行业是有益的推动。 B 董宇辉跳出农产品、在家电赛道高歌猛进，董明珠也开始涉足其他领域。 “这衣服穿最好的感觉是在哪里？外面下着雪，这时候站在雪地里，那种感觉就棒了。”为羊绒大衣带货时，董明珠一连试了几件大衣，还向品牌方打趣道“要给我降温费，已经热得冒汗了。” 董明珠并非第一次为格力之外的其他品牌带货。去年，董明珠就多次出现在服饰品牌“霞湖世家”直播间，为男装带货。 走进别人直播间、为其他品牌带货，身为格力一号位的董明珠看重的显然不是佣金，而是个人IP影响力的破圈。 董明珠个人IP是格力线上营销的重要元素。这一IP能够覆盖多少受众，在一定程度上影响了格力品牌的线上覆盖率。倘若只做家电相关的直播，董明珠终究只能影响一部分人；只有跨界到其他领域，董明珠才能把更多圈层的消费者纳入“射程”，进而转化为格力产品的潜在买家。 最合适跨界的品类，自然是服饰。 一方面，服饰的市场空间足够大、消费群体足够宽阔。它至今仍是电商的核心品类之一。董明珠给服装带货，无论是什么品牌、男装女装、战绩如何，都能触达一大波家电消费者之外的人群。 另一方面，服饰带货的门槛足够低，适合董明珠这样的“局外人”。 作为带货主播，董明珠扮演的角色其实是“衣架子”，再加上以个人IP为之背书，基本上就大功告成；倘若涉足家电之外更专业、细分的商品品类，董明珠不可能有精力弄清楚产品和技术细节，难免力有不逮。 作为网红IP，董明珠影响力并不小，但是在直播带货上，她距离董宇辉还有明显差距。 带货羊绒大衣当天，董明珠整场卖出了最多250件大衣，销售额达100万元。为霞湖世家带货时，“源Sight”根据蝉妈妈数据统计称，董明珠出镜的3场直播累计观看人次超800万，销售总额突破1000万元。成绩不错，但远未到顶流水平。 原因不难理解：董宇辉是全职带货，而董明珠只是挤出时间来“兼职”。 从目前直播带货行业来看，能够跻身大主播行列的带货主播们，从薇娅、李佳琦，到辛巴、罗永浩，没有一个是靠兼职成功的。 零售电商行业专家、百联咨询创始人庄帅向字母榜分析称，“成为大主播必须职业化，本来主播就是一个职业，卖货就是专业且职业的事情。” 成功转型头部主播的明星贾乃亮，背后有专业MCN机构的托举；东方甄选直播间走红的是董宇辉，而不是俞敏洪。罗永浩直播还债那几年，主要工作就是坐在直播间带货，直到2022年基本还清债务后，罗永浩才从全职变成兼职主播。 董明珠是格力董事长，注定不可能将重心放在直播带货上。同时，格力也远未走到需要董事长全职带货的境地。 当下走进直播间的企业家，大多被挂上“失意”二字，不是需要还债，就是企业面临生存危机。例如美特斯邦威、钟薛高的创始人直播带货。字母榜此前曾建议黄光裕走进直播间，是基于国美的困境给出的建议。但是对于董明珠来说，局势并未严峻至此。 C 不过，董明珠还是主动走进其他直播间，甚至一改格力“不请明星代言”的传统，开始邀请明星、网红来直播间助阵。 今年下半年，多位明星和网红走进“明珠格力精选”直播间，如主持人杨迪、杜海涛，抖音千万粉丝博主乌啦啦，流量明星颜安，格力还给了演员万鹏“格力电器品牌挚友”的头衔。 明星助阵有一定效果。飞瓜数据显示，今年上半年，格力明珠精选直播间有1600万人次观看，到了下半年已经有2700万人次观看；月销售额也从最高2500万元提升至5000万元。 但是长期来看，外援并非根本之策。格力需要一个能常态化支撑直播，或具备持续爆发力的人，而这个人大概率仍是董明珠自己。 打造大主播，是董明珠这些年的执念。 过去几年间，董明珠曾经将希望寄托在孟羽童身上，也曾想过公开选拔优秀主播，甚至后来一度和孟羽童同台直播，但打造“格力版董宇辉”的想法都没能实现，最终仍是自己扛起大旗。她曾表示，“格力的产品很好，但没有优秀的主播。” 当下，董明珠把格力直播带货继续做大的动力更强了。今年三季度，格力营收和净利润双双下滑；此外，格力空调在线上的市占率，正面临小米的挑战。 今年7月，空调的全渠道份额中，格力仍超过小米；但是奥维云网数据显示，小米空调的线上销量市占率达到16.71%，首次超越格力的15.22%。 尽管双方各执一词，但此消彼长已是事实。而格力面临挑战的关键阵地，显然是线上。 董明珠曾在采访中表示，格力要坚守品质，消费者总有一天会看到。 问题是，格力缺少一座让消费者快速看到的“桥梁”。这座桥，要么是董明珠自己，要么是另一个超级IP。正如董明珠说，格力技术好，但宣传不足，“语言包装和宣传推广上却略显‘笨拙’”。 如今，董明珠选择“曲线救国”，到其他直播间一边带货，一边宣传格力，再反哺格力直播间。但是过程太慢，也太间接。 董明珠手握一把好牌：有流量，懂家电，有渠道，但是却缺少一个专业的运作体系。而一个专业的MCN机构恰好能够补上这些短板。 纵观当前闯入直播间做出成绩的企业家和明星，要么是举公司之力打造企业家IP，要么是背后有专业MCN机构的托举，单打独斗的生存空间太小。专业的MCN机构能够提供策划、营销、推广等方面的助力。 独木不成林。董明珠或应该考虑合作一个专业MCN团队，或者组建一个工作室，只服务董明珠，将个人流量最大化，并实现持续稳定的带货输出。 过去几年，董明珠都未能培养出一个属于自己的“董宇辉”，如今再次选择亲自上阵。既然已有决心迈出一步，何不再向前一步，建立专业化的内容与运营团队，再辅以线下门店直播，形成直播带货矩阵。 家电直播这一赛道，能容得下董宇辉，想必，也还有机会能再容纳一个董明珠。

快科技11月26日消息，今日，宇树科技股份有限公司创始人、首席执行官、首席技术官王兴兴在2025年高水平人才高地建设论坛上，作了题为 《汇才长三角 弄潮新时代》的主旨演讲。 演讲中，王兴兴谈到了对机器人干活儿的展望：“有些人可能好奇，宇树的机器人为什么不干活？” 他强调“其实，我们花了很多的时间让机器人干活，我们的终极目标是机器人真正干活、走进千家万户，帮忙解决生活中的问题，但当下的AI和机器人技术差一点火候。” 王兴兴指出“我们的目标是希望机器人可以做各种复杂动作，如果机器人能做各种复杂动作以后，再把这些动作组合一下，某种意义上就可以干活了。” 他表示未来大规模真正干活的机器人，肯定是各种动作都可以做。

凤凰网科技讯（作者/于雷）11月26日，在过去几年，工业互联网常常被批评为“只有展示度，没有生产力”的“盆景”工程。然而，在11月26日的华为中国政企业务油气矿山2025媒体沟通会上，华为试图用一系列核心生产数据打破这一刻板印象。华为油气矿山军团正在通过一场“自下而上”的技术渗透，将AI大模型从辅助系统推向核心生产流程。这不仅是一场技术的迭代，更是一场关于传统重工业如何计算投入产出比的精算游戏。 核心生产系统的“黑箱”突围 长期以来，AI在工业领域的应用多停留在视觉识别等外围辅助环节，难以触及核心工艺。华为油气矿山军团副总裁吴海宇在会上指出，智能化正在从单点应用的“盆景”变为规模化复制的“风景”，必须深入业务痛点解决实际问题。 华为油气矿山军团副总裁吴海宇 这一转变的标志是AI开始接管工业“黑箱”。以钢铁行业为例，高炉内部反应极度复杂，拥有1400多个耦合参数，传统依赖老师傅的经验操作。吴海宇在演讲中透露，华为通过融合大模型实现了炉温的精准预测，有效平抑了温度波动。对于一座高炉而言，这种基于AI的精细化温控，意味着每年有望节省约1000万元人民币的成本。这种从“经验主导”向“数据驱动”的转变，正是重工业数字化转型的核心商业价值所在。 算得清的账：极致效率下的降本增效 对于资本市场和企业主而言，技术先进性必须让位于财务报表的改善。华为中国政企油气矿山系统部部长金伟锋列举了一组详实的数据，直接回应了关于“智能化是否划算”的质疑。在中铝材料应用研究院，华为基于盘古大模型打造的有色金属行业L1大模型——“坤安”大模型及“金属智眼”系统，将铝合金显微组织分析的时间从人工的3-5分钟压缩至10秒以内，效率提升90%以上，且分析结果精度可达99.5%。 华为中国政企油气矿山系统部部长金伟锋 在更为粗犷的矿山场景中，经济效益的提升同样直观。吴海宇分享了内蒙古伊敏露天矿的案例：在零下40度的极寒条件下，300台无人矿卡实现了自主穿梭，不仅摆脱了对驾驶员的依赖，还将综合运输效率提升了20%（即达到人工效率的120%）。更关键的是，该项目每年可节省燃油1.5万吨，折合人民币约1亿元。这一案例强有力地证明了，AI不仅能挖煤，还能比人更省钱。 破解“碎片化”困局与安全红线 尽管单点突破令人兴奋，但中国油气矿山行业仍面临严峻的“烟囱式”建设难题。企业内部系统林立，数据难以互通，导致智能化项目容易陷入“碎片化”陷阱。华为的解题思路是构建统一的架构与底座。通过“矿鸿”操作系统统一设备接口与数据格式，华为帮助中煤集团将数据采集完整率从不足60%提升至90%以上，为AI应用打通了数据“任督二脉”。 与此同时，安全始终是能源行业的头悬利剑。华为试图用技术重构安全边界，将“人防”升级为“技防”。吴海宇形象地比喻道：“我们不是需要扁鹊（治大病），我们需要找的是‘扁鹊大哥’（治未病）。”他介绍，在长庆油田，通过AI技术，特殊作业隐患的智能识别率达到94.1%，比传统方式提升了近18个百分点。这种技术替代方案，正在逐步将矿工从高危作业面撤离，也印证了吴海宇关于“从业者转型为数字化操作员”的判断——数字化转型不仅是效率革命，更是一场涉及数百万产业工人角色的社会变革。 生态博弈与落地方法论 面对即将到来的“十五五”规划，华为明确了其“黑土地”的定位。吴海宇强调，华为的目标是“把AI时代的黑土地做厚做实”，坚持“伙伴+华为”的双轮驱动模式。 针对行业Know-How（行业诀窍）与AI融合难的问题，华为中国政企油气矿山Marketing与解决方案销售部部长邹国栋给出了华为的解题范式。他表示，华为采用与头部客户“联合创新”的模式，让AI真正落地真实场景。 华为中国政企油气矿山Marketing与解决方案销售部部长邹国栋 邹国栋以宝武钢铁为例指出，作为产业链链主单位，宝武与华为联合构建了高炉大模型，将AI能力深度植入炼钢这一核心工艺环节。他强调，这种模式让AI不再止步于辅助系统，而是升级为“核心生产智能引擎”。通过与中铝、宝武等行业龙头的深度适配，华为正在将通用的AI技术转化为特定场景下的生产力工具。 展望2025，华为的战略意图清晰可见：从试点示范走向全产业链的规模化落地。通过云边协同架构，让企业能够基于通用大模型快速开发场景应用，大幅降低AI使用门槛。这预示着，工业AI将告别昂贵的“定制奢侈品”时代，进入“工业必需品”的普及阶段。

Kimi和月之暗面，又一次站上资本风口。 据媒体披露，月之暗面正与IDG资本、腾讯等投资方洽谈新一轮约6亿美元新融资，公司估值将推高到38–40亿美元，预计年底前完成交割。 在AI六小龙们已经出现有人掉队，并放弃基座模型业务的这一年，月之暗面成为依然有资本愿意买单的幸运儿之一。 但同样是这一年，外部环境已经悄然变化。 六小龙之上，DeepSeek在2025年初引发了全球AI科技圈的震动。另一方面，字节阿里腾讯百度等大厂多线并进，在大模型技术和AI应用层面不断开花结果。 巨头开始构筑护城河，中国AI创业公司的估值与融资正面临重新洗牌。 目前，六小龙中的MiniMax和智谱都已进入IPO上市申报/辅导流程，紧随其后的月之暗面，无疑也想通过这一轮融资为IPO铺路。 不过，和几位“小龙”一样，月之暗面当下正身处一个略显尴尬的局面——估值还在往上走，技术上也没有明显掉队，但一方面IPO的远水解不了近渴，另一方面，IPO只是融资手段，并不能直接解决商业化和产品定位的问题。 对于月之暗面而言，真正的难题不在于能否讲完一个40亿美元的资本故事，而在于在六小龙集体改打法、大厂重新拿回话语权的下一局里，它的位置究竟在哪里。 A 两年前，“AI六小龙”还是资本故事里最抢眼的主角。 据新浪财经此前披露，“六小龙”们2023年合计拿下超过60亿元人民币融资。“谁能做出中国的OpenAI”，是市场对这六家AI创业公司长期以来的期待。 而月之暗面无疑是这组故事里的“加速样本”。 2023年10月，刚刚成立的月之暗面拿下红杉中国、今日资本等机构近20亿元投资；2024年初，又完成由阿里等参与的10亿美元巨额融资，投后估值约25亿美元。随着本轮融资完成，Kimi在不到两年的时间里，完成了从3亿到40亿美元的估值跃迁。 在月之暗面之前，仍能维持大额融资、向IPO发起冲击“小龙”只有智谱和MiniMax。 智谱在今年7月拿下成立以来的第16笔融资，并进入A股上市辅导流程；MiniMax则在今年9月迎来一轮约3亿美元的新融资，估值同样突破40亿美元，并传出已向港交所秘密递交招股书。 40亿美元的市值，乍一看不算少，但在2025年的AI创业版图里，只能算是“二线选手”的体量。 国内大厂中，百度、阿里在AI战略加码下带动股价冲高：前者依靠大模型和AI云业务，股价创下近四年新高；后者在大幅提高AI和云基础设施投入后，美港股涨幅均超过六成。 另一位巨头级选手字节跳动，凭借在大模型技术和应用上的投入，最近一轮场外股权交易给出的估值已接近5000亿美元。 与国内“AI六小龙”相比，硅谷的AI创业同行们生存环境要“滋润”得多。 Anthropic在2025年刚完成35亿美元融资后，估值直冲约615亿美元，成为全球炙手可热的AI“独角兽”之一。与此同时，一些前沿AI创业公司，如SafeSuperintelligence，凭借创始团队背景和对前沿通用AI的布局，也获得数十亿美元估值。相比之下，中国多数AI初创企业在资本市场的“魔力”要逊色一些。 2025年初，DeepSeek横空出世，成为洗牌业态重要触发点。其中受到最大冲击的便是主营C端业务的Kimi。 QuestMobile数据显示：在今年1月DeepSeek R1发布后的两个月时间里，国内AI原生App行业前三从“豆包、Kimi、文小言”，改写成“DeepSeek、豆包、元宝”。 另一方面，2025年的AI行业叙事，已经完全不同于两年前的“百模大战”。 大厂高调在原生AI领域攻城略地，根据QuestMobile数据，豆包在三季度月活达到1.72亿，反超DeepSeek夺回C端AI榜首，腾讯元宝则紧随二者之后领跑第二阵营；Kimi虽然仍位列第五，但9月月活仅为967万。 大厂和DeepSeek“围剿”下，“六小龙”对于基座模型训练的态度出现松动。 零一万物、百川相继传出缩减甚至放弃基座模型训练，把资源转向“小参数模型+行业解决方案”，试图用更轻的技术栈去换来更快的现金流。 头部竞争对手“卷”到了应用层，让两年前的那种“只要做大模型，就一定有好估值”的乐观主义正在退潮。面对AI行业的持续高投入，“六小龙”不得不面对这样一个问题：在新格局里，AI企业到底应该潜心修炼“技术资产”，还是成为一门能赚钱的生意？ 另一方面，在DeepSeek率先跑通了AI独角兽的路径后，资本市场对于AI“新神话”的态度更加谨慎，随着AI泡沫风险的论调在业内浮现，市场也更警惕那些只讲参数、不讲盈利模型的公司。 这两天，面对外界关于“上市时间表”的追问，月之暗面的态度明显更为谨慎。 在曝出其“最早2026年赴美上市”后，月之暗面迅速对外澄清称：“我们没有向投资者传达任何具体的IPO时间表，报道中的细节并不代表我们的计划或表述。” 此外，一个难以回避的现实是，在这样一个被巨头通吃算力、渠道与分发，被DeepSeek等“新神话”占据叙事中心的夹层里，六小龙即便叩开IPO的大门，也很难再被市场视为“能够独立改写规则”的绝对主角。 要不要转向，成为进入2025年以来“六小龙”共同的难题。 B 2025年，“六小龙”的打法出现转向趋势，越来越强调开源+To B，配合行业方案、私有化部署，同时对于模型更新方向也更加聚焦，更多服务于自家业务场景，而非和大厂全模型矩阵正面硬刚。 这种转向在几家公司的路径上有非常具体的体现：智谱一边推动GLM系列向开源社区持续释放，一边在政企侧拿下超过30个大模型项目，重点布局金融、政务、能源等行业云。 MiniMax则围绕对话陪伴和视频生成两条线，更多以“能力方”的身份出现在B端方案里，而不是硬刚一个“超级APP”。 在行业叙事里，“六小龙”逐渐从“通用大模型厂”变成了一批提供模型、工具和解决方案的基础设施公司。 六小龙“转向”的背景，是大厂产品能力的全面压制。 字节方面去年披露的数据显示，字节将豆包大模型已经接入抖音电商、剪映、番茄小说、飞书、巨量引擎等50余个内部业务场景，日均处理文本tokens超过1200亿，生成图片3000万张。大厂不只是在模型指标和创业公司竞争，还天然拥有几亿量级的现成用户、完整的内容与广告生态。 在有望冲击IPO的三家“小龙”中，相比Minimax和智谱，月之暗面是在“大厂打法”这条路上坚持最久的一家。出身清华和硅谷的技术派杨植麟，更习惯用算力和论文说话，坚守基座模型优先的技术路径。 2024年，Kimi靠“长文本处理”“会读文献”的差异化定位，一度在原生AIApp榜单上冲进前三，成为六小龙里唯一真正跑通通用C端AI产品的企业。为了抢占窗口期，KIMI团队持续维持重金投放，一度被业内视为“最舍得砸钱买量”的大模型公司之一。 但DeepSeek的出现，让这一打法不得不踩了刹车，据《南方+》报道，今年2月开始，月之暗面已决定大幅收缩产品投放预算，暂停多个安卓渠道和第三方广告平台的合作。 减少投放的同时，月之暗面开始更认真地思考“垂直方向”。 今年5月，业内传出月之暗面在“AI+医疗”方向展开布局，自2024年底开始组建医疗产品团队，并在今年3月加大对医疗背景人才的招聘。月之暗面回应称，这些举措本质上是持续优化财经、法律、医学等专业领域的搜索信源质量，在这些高风险场景里给出更可信的回答。 另一方面，当业内都在质疑六小龙对于基模训练的态度时，月之暗面成为六小龙中，为数不多还在坚持迭代超大参数模型的选手。 今年以来，月之暗面推出万亿级别参数K2、K2 Thinking，押注长上下文、推理和Agent架构。K2系列在数个公开基准测试中取得优异成绩，在著名基准 “BrowseComp”（考察网页搜索 + 多轮推理能力）测评中，K2得分甚至压了GPT-5一头。 不过，能造出好模型，和能用好模型赚钱，是存在本质差异的两个命题。 凤凰网此前报道援引知情人士称，月之暗面2023年营收约为2.1亿元人民币，主要来自企业API调用和定制化解决方案，而C端订阅与打赏贡献极为有限。 几周之前，Kimi开启了会员订阅计划：海外为19美元、39美元、199美元三档；国内则分为49/99/199元三档。权益主要围绕在输出速度更快的K2 Turbo模型、深度研究和OKComputer三项服务的使用次数。 近期消息显示，月之暗面预期在一年内，通过国内外C端市场实现约1亿美元的收入。但这一愿景能否顺利实现，能否在IPO筹备的节点被资本市场所接受，仍有待进一步观察。 从产品设计上看，这套会员体系其实还是延续了杨植麟和月之暗面一贯的风格：打造“帮你干活”AI助手——K2 Turbo对应的是更快的推理速度，OKComputer对应的是能接手复杂任务的智能体。显然，这套“个体生产力AI工具”体系，赌的是那些愿意为时间和效率付费的中高端用户群体。 C 如果说六小龙在2025年的集体困惑，是如何实现从“技术愿景”到“商业现实”的迁徙，那么站在这场迁徙最前端的人之一，就是杨植麟。 2023年初，他算了这样一笔账：如果要认真做一家以AGI为目标的大模型公司，“入场券”就是先筹到1亿美元；一年后，这个数字膨胀到13亿。于是他得出结论：大模型公司的竞争，“首先是一场残酷的金钱角力”。 两年以来，杨植麟被反复刻画为AI创业公司创始人里的“技术+理想主义代表”。“有点像开车在路上，前面有延绵的雪山，但你不知道里面是什么，你在一步一步往前走。”杨植麟这样形容月之暗面的发展历程。 但来到即将迈入2026年的时间节点，在AI商业市场上，Kimi和六小龙面前的雪山，并非基座模型技术层面的竞争，而是字节、DeepSeek、腾讯吃掉的C端市场份额，以及在B端攻城略地的阿里和百度。 在DeepSeek进入大众视野后，杨植麟在AI创业圈一度占据的“技术明星C位”，也不可避免地被梁文锋抢走了一部分注意力。梁文锋和DeepSeek被认为是从量化走向大模型、用极致工程和成本控制打动市场的“性价比派”，这样的形象无疑在AI产业短期投入/回报遭受质疑的2025年更受市场欢迎。 与此同时，在2025年初，DeepSeek与字节掀起的“厘时代”价格战，把主流大模型API输入价格压到每千tokens0.5–0.8厘，Kimi也被迫跟进，将旗下模型输入价格从0.012元/千tokens降到0.002（2厘）元/千tokens，但相较字节等企业仍谈不上价格优势。 在这样的大背景下，月之暗面做出的选择，既像是顺势而为，好像又带有一些杨植麟的执念：一边持续迭代基座模型，从长上下文走向更复杂的Agent架构，在K2、K2 Thinking上押注“能做真正复杂任务的通用模型”；一边又收紧广告投放、尝试医疗与法律等高门槛场景的能力升级，并推出会员订阅，开始学着向C端和开发者收钱。 Kimi的问题似乎从来都不是模型技术层面。 字母榜在《着急上市的智谱和六小龙，得证明自己能赚钱》一文中这样概括六小龙的处境：“不管是六小龙还是OpenAI，当一家公司的主营业务都是围绕模型驱动，就意味着在相当长一段时间内，必须烧掉巨额现金来支撑技术迭代。” 这句话同样适用于月之暗面——尤其在降价潮和算力成本双重压力下，Kimi所依赖的长上下文、MoE架构与复杂推理能力，本身就是一条成本极高的赛道。 目前，AI六小龙的叙事正在从“谁最像OpenAI”，转向“谁能最先跑出一条可复制的盈利路径”。对月之暗面而言，这意味着杨植麟也许要重新分配在技术的“雪山”和财报之间的注意力。 可以肯定的只有一点：在一个即将迈入2026年、由大厂与DeepSeek重新排位的市场里，哪怕是最坚持技术理想主义的团队，也不得不开始讲出一套足够务实的生意经。 找准方向、增强盈利，将是月之暗面和“小龙”们在2026年的重要课题。

IT之家 11 月 26 日消息，消息源 Nima Zeighami 昨日（11 月 25 日）在 X 平台发布推文，爆料称 Meta 正在开发下一代 XR 头显，但可能不再命名为 Quest 4。 消息源指出为实现轻量化目标，新品预计将采用分体式设计，该头显会分离计算单元和电池部分，集成到一个外置的“计算盒”（puck）中。通过这种方式，可以显著降低佩戴在头部的重量。 作为参考，目前一体式的 Meta Quest 3 重 515 克，而采用类似分体式设计的其他轻量化头显，其本体重量可控制在 200 克以内。 在核心配置方面，新款头显标配眼动追踪和面部追踪功能，看齐 Meta Quest Pro、三星 Galaxy XR 以及苹果 Vision Pro 等高端设备。 其次，其显示屏的像素密度（PPD）将高于 Quest 3，为用户提供更清晰的视觉体验，不过分辨率可能仍低于 Galaxy XR 和 Vision Pro。 售价方面，这款高端头显的售价可能为 800 美元（IT之家注：现汇率约合 5673 元人民币），并且可能不标配手柄，这一定价远低于苹果 Vision Pro（3500 美元）和三星 Galaxy XR（1800 美元）。

快科技11月26日消息，今日，阿里千问与全新的夸克AI浏览器深度融合，成为具备全局能力的的桌面级智能助理，旨在把浏览器打造为下一阶段千问能力的核心载体。 据接近项目的人士透露，夸克AI浏览器在电脑上的安装量已高达1.1亿。 浏览器作为电脑上最核心的入口，几乎涵盖用户获取信息与执行任务的所有场景，AI助手的能力空间巨大。 然而，目前全球AI浏览器赛道看似激烈，但尚未出现领跑者。 其中，谷歌旗下的 Chrome 虽占据全球浏览器约七成份额，但推进AI的进程较为保守，只是将AI作为“附加项”。 而千问则直接成为了夸克AI浏览器的“系统底座”，这种深度融合使得千问从“浏览网页的辅助工具”升级为“系统级的任务助手”。 目前，用户在夸克首页搜索框和侧边栏可直接调用千问，无需切换标签页便可完成“边浏览边对话、边看边总结、即问即答”的流畅交互。 更具突破性的是，用户可选择将千问“常驻桌面”。 在无需打开夸克AI浏览器的情况下，用户可直接唤起六大“千问智能套件”能力——读屏、快捷框、侧边栏、悬浮球、划词和截屏，将AI能力贯穿于搜索、阅读、文档撰写、文件处理等高频场景。 数据显示，千问APP公测一周时间，下载量已经突破1000万。 此次与夸克AI浏览器的深度融合，标志着千问正跳出单一APP的维度，转而作为阿里C端的核心AI引擎，系统性重塑旗下产品的底层能力。

凤凰网科技讯 11月26日，前特斯拉Optimus灵巧手团队成员卢泽宇已加入小米机器人团队，负责灵巧手。他在个人社交平台上表示，希望能和更多志同道合的优秀同学一起加速灵巧手技术路径收敛和工程化落地。 在卢泽宇的个人社交平台上，其自我介绍为小米机器人灵巧手负责人。 据媒体报道，11月12日，“AI才女”罗福莉在朋友圈宣布加入小米，她表示正与一群优秀的研究员致力于构建从语言到物理世界的智能未来，全力奔赴AGI。 与此同时，小米机器人团队正在积极扩张，目前与“机器人”相关的在招职位达257个，其中与“灵巧手”相关的在招职位有12个，涵盖机器人灵巧手设计、机器人仿真工程师、机器人具身灵巧抓取与操作算法研究员等岗位。

继丰田宣布 GR Supra 停产之后，其「孪生兄弟」宝马 Z4 也迎来了终章。 近日，宝马确认将在 2026 年春季正式结束 Z4（G29 世代）的生产。自 1995 年 Z3 问世以来，宝马持续近三十年的双座敞篷跑车产品线，或将就此画上句号。 回顾 Z 系列的历史，几乎就是一部宝马对驾驶乐趣的执着书写。 1995 年，Z3 凭借圆润线条和詹姆斯·邦德电影《黄金眼》一炮而红；2002 年推出的 Z4（E85 ） 则转向锋利设计，并诞生了搭载 3.2 升直六引擎、输出 336 马力的 Z4 M Roadster——至今仍被不少车迷奉为经典。 ▲ 2007 BMW Z4 M Roadster 2009 年的第二代 Z4（E89）首次采用折叠硬顶，试图兼顾日常实用性；而 2018 年回归的第三代 Z4（G29），则重新拥抱轻量化的织物软顶，并与丰田联合开发，共享平台与动力总成，催生出如今广为人知的 GR Supra。 ▲ 采用折叠硬顶的 BMW Z4 E89 事实上，早在 2022 年，坊间便有传闻称 Z4 将在当前一代生命周期结束后停产。尽管宝马决定让这款车多延续一个年款，但始终未公布任何换代计划。 Z4 之所以能「续命」至今，很大程度上要归功于手动挡的坚持。宝马原本认为这种传统配置在当今市场已无多少受众，但美国用户的实际选择给出了截然不同的答案：只要有手动挡，就仍有人愿意为它买单。 作为告别之作，宝马最后为 Z4 打造了一款名为「Final Edition」的限量特别版，将将高配选项整合为出厂即满配的状态，让最后一台 Z4 拥有最完整的姿态。 Z4 Final Edition 将全系标配宝马 Individual 部门调制的 Frozen Black 哑光黑车漆，搭配 M Shadowline 高光黑套件和红色 M Sport 刹车卡钳，以及熏黑格栅、外后视镜、进气口及排气尾喉，软顶则采用 Moonlight Black 深灰黑色，试图营造一种低调而凌厉的告别氛围。 车辆内饰则以黑色 Vernasca 真皮与 Alcantara 材质为主调，辅以贯穿仪表台、中控、门板、座椅乃至脚垫的红色缝线，专属门槛饰板刻有「Final Edition」字样。 配置方面，Harman Kardon 音响、抬头显示、环境氛围灯、驾驶辅助系统等此前需额外选装的高端功能，全部作为标准装备提供。 不过，这款特别版仅基于顶配 M40i 打造，将由奥地利麦格纳斯太尔工厂在 2026 年 2 月至 4 月间小批量生产，主要在欧洲和北美市场提供。 Z4 Final Edition 将继续搭载 3.0 升涡轮增压直列六缸发动机，最大输出 382 马力、500 牛·米扭矩，用户可在八速 Steptronic 自动变速箱与六速手动变速箱之间选择。 选择手动挡的用户将获得「Edition Handschalter」专属套件，包含重新调校的减震器阻尼、转向逻辑、牵引力控制系统，以及强化型防倾杆支架，这些细节虽不提升账面性能，却能显著增强人车沟通感，满足纯粹驾驶爱好者的需求。 自动挡车型虽无缘这套底盘优化，却可以获得前后轮尺寸不同的「Staggered」轮圈设定（前 19 英寸/后 20 英寸），此前这一设定在普通 M40i 上仅限手动挡可选。 性能表现上，Z4 Final Edition 自动挡零百加速为 3.9 秒，手动挡为 4.2 秒。 在北美市场，Z4 Final Edition 起售价为 78,675 美元，相比普通版 M40i 的 69,575 美元高出约 9,100 美元。 但若将 Final Edition 所含的 Individual 哑光漆、Shadowline 套件、手动挡专属底盘调校、Premium 包、驾驶辅助包等逐一加到普通 M40i 上，最终价格将与 Final Edition 相差无几。 目前，宝马中国官网的 Z4 车型并未下架，sDrive 25i M 运动曜夜套装的指导价为 52.39 万元，有 197 马力和 340 马力两种动力版本可选，不过仅提供仅 8 速运动型手自一体变速箱。 Z4 的停产，标志着一个时代的落幕。过去三十年，它承载了无数人对敞篷、后驱、直六引擎的浪漫想象。但在当下，这类小众跑车在全球市场的销量始终有限，Z4 与 Supra 的联合项目，也从未真正「卖爆」。 不过，宝马并未彻底关闭跑车的大门。一位高管近期向媒体透露，基于全新「Neue Klasse」（新世代）纯电平台开发一款全新运动车型「是可行的」。 ▲ 网友渲染的 「Neue Klasse」版 Z4 这意味着，Z4 的精神或许将以纯电身份延续，只是不再与丰田共享，也不再是那台熟悉的燃油敞篷。

快科技11月26日消息，今日，空间推理基准测试SpatialBench更新了最新一期榜单，阿里千问的视觉理解模型Qwen3-VL、Qwen2.5-VL位列头两名，超越Gemini 3、GPT-5.1、Claude Sonnet4.5等国际顶尖模型。 SpatialBench榜单显示，Qwen3-VL-235B和Qwen2.5-VL-72B分别斩获13.5和12.9分，领先于Gemini 3.0 Pro Preview（9.6） 、GPT-5.1（7.5）、Claude Sonnet 4.5等海外顶尖模型。 然而，AI大模型的整体表现距离人类仍有差距，人类基准线约为80分左右，可专业处理电路分析、CAD 工程和分子生物学等复杂空间推理任务，目前大模型还无法完全自动化完成此类工作。 据悉，Qwen2.5-VL于2024年开源，Qwen3-VL是阿里在2025年开源的新一代视觉理解模型。 Qwen3-VL在视觉感知和多模态推理方面实现重大突破，在32项核心能力测评中超过Gemini2.5-Pro和GPT-5，不但可调用抠图、搜索等工具完成“带图推理”，也可以凭借一张设计草图或一段小游戏视频直接“视觉编程”。 同时，Qwen3-VL专门增强了3D检测能力，可以更好地感知空间，基于Qwen3-VL，机器人更好地判断物体方位、视角变化和遮挡关系，实现远处苹果的精准抓取。 目前，Qwen3-VL已开源不同版本，包括2B、4B、8B、32B等密集模型以及30B-A3B、235B-A22B等MoE模型，每个模型都有指令版和推理版两款，是当下最受企业和开发者欢迎的开源视觉理解模型。同时，Qwen3-VL模型也已上线千问APP，用户可免费体验。 据了解，SpatialBench是一项近年来兴起的第三方空间推理基准测试榜单，主要聚焦多模态模型在空间、结构、路径等方面的综合推理能力，被AI社区视为是衡量“具身智能”进展的新兴测试标准之一。 SpatialBench不仅测试模型已知的知识，还测试模型在二维和三维空间中“感知”和操控抽象概念的能力，这对具身智能的落地尤为关键。

凤凰网科技讯 11月26日，天眼查显示，近日，广州小鹏汽车科技有限公司申请的“机器人关节”专利获授权。 摘要显示，本发明的机器人关节包括：安装座；解耦机构。根据本发明实施例的机器人关节，通过设置分别与解耦轮和解耦轴连接的解耦线，可以降低解耦轮和解耦轴之间传动结构的刚性，可以减小传动结构的磨损，且可以提高传动结构的传动精度，从而可以提高机器人关节的活动精度，可以提高机器人关节的抗冲击性能。

作者 | 王涵 编辑 | 漠影 昨晚，国内AI编程标杆应用TRAE直播公布SOLO模式正式登陆中国版！ 11月12日，TRAE在国际版中上线SOLO模式，将Coding Agent带入大众视野。一经上线，该模式就获得了海内外专业开发者的一致好评。（字节TRAE SOLO正式版来了！上下文压缩腾空间，Agent也能分头干活） 此次，SOLO模式正式登录TRAE中国版，新增SOLO Coder（含Plan和SubAgent）、多任务、上下文压缩、代码变更等核心功能，覆盖最全开发场景，而且完全免费。 SOLO模式是一种高度自动化的开发方式，以AI为主导，可理解目标、承接上下文并调度工具，独立推进各阶段开发任务。 市面上更常见的IDE模式，则是指提供智能问答、代码自动补全以及基于智能体的 AI 自动编程能力。 此次更新后，中国的专业开发者也可以享受到双重开发模式：IDE模式保留原有流程，控制感更强；SOLO模式让AI主导任务，自动推进开发任务。 一、AI编程赛道竞争加剧，TRAE如何破局？ 当前，AI编程已成为全球科技竞争最激烈的赛道之一。 据公开融资信息显示，2025年11月13日，知名AI代码编辑器Cursor宣布完成高达23亿美元（约合人民币163亿元）的D轮融资，并披露其年化收入已突破10亿美元（约合人民币71亿元）大关。 放眼整个市场，其增长潜力同样不容小觑。根据ResearchAndMarkets调研报告，2024年全球生成式AI编程助手市场规模达到了2590万美元（约合人民币1.8亿元）。预计至2030年，这一数字将激增至9790万美元（约合人民币6.9亿元），复合年增长率高达24.8%。 在中国市场，复合年增长率预计为23.5%，推动市场规模在2030年达到1490万美元（约合人民币1.1亿元）。 正是看到了这一点，字节跳动旗下AI编程助手TRAE的入场备受瞩目。其国际版上线SOLO后，凭借卓越的性能快速获得市场认可。 根据Product Hunt及G2等第三方平台数据，TRAE国际版在发布当月即登上趋势榜前列，并积累了首批坚实的用户口碑，为它的全球征程奠定了良好开局。 这一市场表现，也为TRAE中国版SOLO模式的发布进行了充分预热与铺垫。 就在昨天晚上的直播中，TRAE中国版正式上线SOLO模式。与海外工具相比，TRAE中国版的SOLO模式进行了深度的本土化优化，在中文需求理解、本土框架适配及服务稳定性上更具优势。 更引人注目的是其定价策略。TRAE中国版宣布在发布期完全免费使用，并支持超长上下文窗口。 二、TRAE SOLO以多智能体协作，攻克最难的开发场景 TRAE SOLO官方定位为“The Resoponsive Coding Agent”，称其能够覆盖最全开发场景，轻松应对复杂项目。 首先先理清一个概念：什么是复杂项目？ “复杂任务”是指无法通过单一指令或简单堆叠功能来完成的项目，具体来说，可以是项目迭代、问题修复与架构重构等具有结构性、逻辑性、状态管理和长期维护需求的项目。 为应对此类挑战，TRAE SOLO模式内置了其核心智能体——SOLO Coder。该智能体采用“主Agent-子Agent”协同架构，能够有效调度资源，将复杂的“1到N”型项目层层分解、有序执行。 在此架构中，主Agent（SOLO Coder）作为“总指挥”，负责处理复杂任务逻辑与整体调度。然而，当任务链条过长、上下文信息过载时，单一智能体执行具体任务的精准度可能受到影响。此时，子Agent的作用就出现了。 这些子Agent作为专注于特定“垂直领域”的专家，在主Agent的智能调度下，分别承担被拆解后的精细化任务，实现了“让专业的智能体做专业的事”。 并且，每个子Agent在工作时拥有独立的上下文环境，能够有效避免长对话中常见的“上下文污染”问题，确保了任务执行的专注与精确。 在配置方式上，该体系兼具灵活性与易用性。开发者仅需提供对子Agent能力的简短描述，系统即可自动生成功能完整的专属智能体；也支持直接输入完整配置进行手动创建，满足深度定制需求。 在实际运用中，开发者可在指令中明确指定调用某个子Agent，也可将任务全权交由主Agent，由其自主分析、智能编排最合适的子Agent团队协作完成，真正实现了智能化的人机分工。 三、实时感知、全局掌控、多任务并行，TRAE重新定义智能编程 有了Agent加持，TRAE SOLO展现出三大核心特征，即“实时有感知”“随时可掌控”与“多任务并行”，具体表现在功能层面的升级中： TRAE SOLO 引入了全新的代码变更查看工具“代码变更”，支持多维度查看代码变动，用户可按需回溯至多15个会话记录。 该工具以独立标签页形式，集中展示代码的历史变更记录，使开发者能够快速掌握AI所作的全部新增与修改，从而强化对开发流程的感知与控制，贴合专业开发者的使用习惯。 代码变更具备两种核心使用场景： 其一，整体审查。当AI根据某一需求同时修改多个文件后，开发者可在对话流末尾点击“查看变更”汇总卡片，在代码变更中一次性审阅所有文件的变更内容，实现高效整体验收。 其二，步骤追溯。如在回顾过程中对某一步的具体修改产生疑问，开发者可直接点击对应步骤的文件卡片，代码变更将立即展示仅属于该步操作的代码差异，实现精准定位与排查。 在界面布局上，SOLO模式在原有对话流与工具面板基础上，新增了多任务面板，形成清晰的三栏视图。 多任务列表支持同时并行开发不同功能模块，例如前端与后端开发、技术咨询与问题解答等任务可同步推进，显著提升多线开发效率。 同时，SOLO模式对对话流进行了智能化改造。AI在完成关键步骤或功能模块后，会自动将执行过程折叠为简洁摘要，使复杂任务条理化，执行全程一目了然。 为增强开发节奏的可控性，SOLO内置了“To-Do List”功能，可智能拆解任务并标记完成进度，用户能够实时追踪AI的执行状态与后续计划。此外，系统还提供一键跳转至对话顶部/底部、快速切换会话等快捷操作，极大优化了长对话场景下的浏览体验。 在任务执行前，用户可勾选“Plan”模式。在此模式下，AI接收到任务后将首先输出实施方案，用户可与AI反复沟通、调整计划，待确认满意后AI才会进入具体开发阶段，从而有效前置风险把控，确保执行路径符合预期。 面对长上下文场景下模型可能出现的“失焦”与幻觉问题，SOLO Coder提供了上下文压缩与管理能力。用户可主动触发压缩功能，精炼对话内容，提升模型输出效果的同时，显著降低token消耗与使用成本。当上下文超出窗口限制，或用户切换智能体与模型时，系统也会自动执行压缩操作，以适应多样化使用场景。 四、做一个真正的AI工程师，是TRAE的初心也是目标 “The Real AI Engineer”是TRAE名字的由来，也是其给自己的定下的目标。 在AI编程助手日益成为开发者标准配件的今天，区别于聚焦单点代码补全的传统工具，TRAE的愿景是构建一个能深度理解项目上下文、贯穿软件开发全生命周期的协作者，做真正的AI工程师。 这一雄心的背后，是TRAE强大的技术基因与海量实战场景。 作为诞生于字节跳动这个互联网大厂的产品，TRAE的核心能力并非实验室产物，而是经过了多年的技术积淀，其AI模型所学习的代码规范与解决方案具备工业级的可靠性与实用性。 更为关键的是，TRAE并非在传统开发环境上简单“外挂”AI功能，而是从底层构建了AI原生的架构。这使得它能够突破单文件限制，实现跨模块、跨仓库的深度上下文感知，并将代码生成、智能评审、运维建议等环节整合为一个由自然语言驱动的无缝工作流。 在TRAE主页有一篇博客，很坦诚地说清了TRAE的发展愿景，即通过推进人工智能驱动的编码，实现人与人工智能之间的无缝协作，使开发人员能够更智能、更快速、更有创造力地工作。 TRAE认为，在AI能力指数级增长的时代，核心挑战已不再是让AI更擅长写代码，而是构建最优的协作模式，让人与AI各展所长。这种伙伴关系将释放出两者都无法独自实现的潜能。 TRAE的核心使命正是回应这一根本需求：构建一个无缝的协作框架，让AI成为开发者思维的延伸，而非替代。 结语：拥抱AI编程的黄金时代 TRAE中国版SOLO以“自主编程+本土化+免费”三大核心，为中国开发者提供了一个切实可行的新选择。 它的上线，表明国内的AI编程工具正在逐步摆脱对海外产品的单纯模仿与依赖，转而开始针对本地开发者的具体需求，提供更贴合实际场景的解决方案。这一变化，有助于推动国内开发环境的整体效率提升与自动化进程。 AI编程，迎来黄金时代。

IT之家 11 月 26 日消息，华为 Mate 80/Pro/ Pro Max 手机微泵液冷壳现已推出，相比 Mate 70/60 系列的液冷壳升级成全包设计，可让手机在长时间高负载状态下温度更低，售价均为 299 元。 ▲ Mate 80/Pro 款 据介绍，这款手机壳采用超清纤薄设计，手感“轻盈舒适”，背部下方拥有科技背透视窗，让液冷循环清晰可见，流动线条增添一丝未来科技感。 ▲ Mate 80 Pro Max 款 硬件方面，这款手机壳配备超薄液冷层，搭载超精密微泵，拥有“高能吸热层”，可让手机表面在游戏竞技等高负载场景下温度更低，握感更加舒适。 IT之家注意到，这款保护壳可根据手机温度及使用场景自动启停降温功能，无需手动开关，其电力源于手机本体的反向无线充电，无需连接任何线缆就能使用。壳身由华为原厂打造，确保摄像头等孔位精准对齐，不遮挡摄像头。

修个 bug 可以来回把同一个错误引回来，写代码能绕一圈又走回原地。 但几乎所有 AI 公司都坚信，只要把模型做大、把数据堆满、把算力扔进去，智能就会自动涌现。这套规模定律（Scaling Law）曾经是硅谷最坚定的信仰。 在隐退许久并创立新公司 SSI（Safe Superintelligence）后，前 OpenAI 首席科学家 Ilya Sutskever 用一种极其冷静的语调，宣告「Scaling 的时代结束了，我们重新回到了研究时代。」 最近一场 Ilya 与 Dwarkesh Patel 的深度对话中，他不仅给出了，对于 AI 未来的技术路线图，更重要的是，他深刻地回答了，为什么现在的 AI 即使再强，也依然不像人。 为什么 AI 是个高分低能的优等生 我们总觉得现在的 AI 很强，它们能在编程竞赛、数学竞赛、各种榜单上拿金牌，每次有新的模型发布，也是一次次刷新着各种 benchmark。但 Ilya 指出了一个让他感到困惑的现象。 最新发布的 Claude 4.5 Opus 模型，在编程相关的榜单，已经拿到了 80.9 分 他说我们在用 vibe coding，要 AI 写代码时，AI 可能写到某个地方，出现了一个 Bug。我们直接告诉它：「这儿有个错误。」AI 会说：「天呐你是对的，我马上改。」 然后它解决了这个 Bug，又引入了另一个 Bug。 你再指出，它又改回了第一个 Bug。 它就在这两个 Bug 之间无限循环，显得极其笨拙。 他的解释提到了这说明 AI 的「泛化能力（Generalization）」出了问题。为了解释这个词，Ilya 用不同的学生打了一个比方。 想象两个学生都在学编程，学生 A 代表 AI， 极其刻苦，练了 10000 个小时。他背下了所有的题库，记住了所有的解题套路。考试时，只要见过类似的题，他就能拿满分。 学生 B 代表人类，他只是觉得编程竞赛很酷，花了 100 个小时联系，但他真正理解了编程的逻辑，拥有了某种直觉，也能做得很好。长期来看，谁会在职业生涯中走得更远？他说一定是学生 B。 而现在的 AI 就像学生 A。所谓的智能，很大程度上是靠海量数据强行记忆出来的；它们在特定问题的庞大、增强数据集上过度训练，使它们在任务上表现出色，但不一定擅长泛化到其他领域。 一旦遇到训练数据之外的微小变动，比如修复一个重复出现的 Bug，它缺乏那种举一反三的泛化能力。 从堆算力回归拼创意 但这种海量数据的训练方式也不是完全没有用。在过去五年里，AI 行业的发展基本上都是遵循着所谓的「规模定律 Scaling Law」，从一开始的还是以百万参数来衡量的大模型，现在都来到了万亿参数。GPU 显卡算力的消耗，规模更是未雨绸缪，要卷上天际。 这种把一定量的算力，和一定量的数据混合进一个神经网络里的方案，也成了所有大模型开发的必备流程，即预训练。在预训练阶段，不需要思考用什么数据，因为答案是所有数据，它是人类投射到文本上的整个世界。 而 Ilya 认为，「Scaling」这个词，本身就固定了我们的思维。它暗示着我们只需要做一件事：加算力，加数据，保持配方不变，把锅搞大一点，就能做出好菜。 他说这样的法则，让大公司很舒服，因为这是一种「低风险」的投资。相比于需要灵感和运气的研究，大公司不需要雇佣科学家去苦思冥想，只需要「加数据、加算力」，而模型变强的结果是可预测的。 但现在，瓶颈来了。数据不够了，预训练数据，我们的互联网文本语料是有限的，而且已经快被用光了；有专门的研究结构统计过，现在互联网上 AI 内容的比例，已经是超过我们人类输出的内容。 其次是边际效应，把模型再做大 100 倍，也许会有提升，但不会带来质变。 Ilya 也提到了最近在 X 上，有人说 Gemini 3 似乎解决了预训练的一些问题。而此前 The Information 也曾报道奥特曼担心 Google 的发展会影响 OpenAI，甚至已经让他感受到压力。 其中一部分的原因，正是 GPT-5 的推出，遇到了预训练上的问题，即随着预训练数据的增加，模型并没有像之前一样表现出智能的提升。反而 Gemini 确找到了突破的方法，奥特曼在内部备忘录里说，OpenAI 也必须解决预训练的问题，或许才能再次超过 Google。 Google DeepMind 研究副总裁 Oriol Vinyals 提到 Gemini 3 的秘密，是解决了预训练的问题 我们回到了研究时代。只不过这一次，我们有了更大的计算机。 Ilya 把过去这段时间的研究，分成了两个阶段。2012 年到 2020 年是研究时代，大家都在试错，寻找新方法。而 2020 年到 2025 年，是扩展时代，大家都在盲目扩建，算力在扩建，越来越多的 AI 公司在出现。 而现在，单纯的大力出奇迹已经行不通了，或者说单纯靠 Scaling 的红利吃尽了，我们又回到了研究时代。只不过这一次，我们是在用 Scaling 时代建立起来的巨型计算机来做研究，这是一个有着大型算力的研究时代。 总的来说，Ilya 并没有否认预训练和 Scaling 的巨大成功，但他认为这是一种用钱换智能的，低风险暴力美学，而现在这种模式已经触到了天花板，AI 行业必须回归到拼想法、拼直觉、拼创新的硬核研究阶段。 寻找直觉：AI 缺失的那块拼图 如果单纯的数据堆叠无法产生真正的智能，那人类的秘诀是什么？Ilya 给出的答案是：情感（Emotions）。 他提到了一个脑损伤患者的案例，这个人失去了情感能力，虽然智商正常、能言善辩，却连穿哪双袜子都要纠结几个小时。 这说明情感不仅是情绪，它本质上是一个价值函数（Value Function）。 不过 Ilya 说目前没有找到很合适的概念，来类比情绪在机器学习中的角色，所以用价值函数来替代。 为了解释什么是价值函数，Ilya 提到了少年学开车的例子， 一个青少年，可能只需要练 10 个小时甚至更少，就能学会开车上路。他不需要像现在的自动驾驶 AI 那样，在模拟器里撞车几百万次才能学会避让。 为什么？因为人类自带了一个极其强大的价值函数，这个价值函数就像一个内置评价器，一旦偏离车道，我们人类会感到紧张，而这相当于一种负反馈。 那么依赖情绪的价值函数，和我们之前一直听到的强化学习，区别又是什么呢？ Ilya 说在没有中间价值函数的强化学习里，通常要等到任务彻底结束，AI 才知道自己是赢了还是输了；但价值函数就像是我们的直觉或内心评分系统。当我们下棋丢了一个子，不需要等到这盘棋下完，我们心里立马会「咯噔」一下，这步棋下错了。 那个学开车的少年，不用等到真的压线丢分了才会改正，而是只要开得稍微偏离车道，他立刻会感到紧张或不自信。这种实时的、内在的反馈机制，让他能极其高效地从少量经验中学习。 对于传统的强化学习，他的看法是这是一种天真且低效率做法。在传统的强化学习中，模型需要尝试成千上万次动作或思考步骤，直到产出一个最终的解决方案，然后根据这个最终结果的好坏获得一个评分，即训练信号。 这意味着在得出最终解之前，模型完全没有进行任何学习。这种方法需要消耗大量的计算资源来进行漫长的推演，但每次推演带来的学习量却相对较少。 而价值函数不需要等到最后，它能提供中间过程的评价；在每一步都给出信号，指引方向，从而极大地压缩了搜索空间，提高了学习速度。 目前的 AI 缺乏这种高效的内心评分系统。如果我们能让 AI，拥有类似人类情感或本能的价值判断能力，它就能摆脱对海量数据的依赖，真正像人一样高效学习。 Ilya 的下一步是直通超级智能 既然认定了拼算力的时代已经过去，而强大的价值函数或许又会成为新的 AI 方法，那 Ilya 的新公司 SSI（Safe Superintelligence）打算怎么做？ 他的答案带着一种极其理想主义的色彩，直通超智能，他们选择去攻克那个最根本的难题，实现可靠的泛化。 Ilya 直言，现在的 AI 行业陷入了一场老鼠赛跑。为了在市场竞争中存活，公司被迫不断发布半成品，被迫在产品体验和安全性之间做艰难的权衡。SSI 想要做的是从这种商业噪音中抽离出来，闭门造车，直到造出真正的超级智能。 但有趣的是，Ilya 这种「闭关修炼」的想法正在发生动摇。他开始意识到，渐进式发布可能才是安全的必经之路。 为什么？因为人类的想象力是贫瘠的。如果你只是写文章、发论文告诉大家AI 会很强，大家只会觉得这是科幻小说。只有当人们亲眼看到 AI 展现出某种令人不安的力量时，所有人、包括竞争对手，才会真正感到害怕，从而变得更加关注安全 。 Ilya 预言，随着 AI 变得越来越强，现在打得不可开交的科技巨头们，最终会在 AI 安全策略上走向趋同。 播客里他也提到了，SSI 与 OpenAI、Google 那些大型实验室相比，虽然筹集的资金较少，但用于纯研究的计算能力比表面上看是更多的。他说那些大公司将大量的计算资源用于产品推理，并拥有庞大的工程和销售团队，导致其资源分散。Ilya 认为 SSI 拥有足够的计算能力，来证明其想法是正确的。 当被问及盈利模式时，Ilya 只是淡淡地说，我们只专注于研究，赚钱的问题以后自然会有答案。主持也提到了之前 SSI 的前 CEO（联合创始人）选择了离开，然后加入 Meta，在 Meta 希望收购 SSI 时。 Ilya 特意澄清，「他是唯一一个去 Meta 的人。」 他建立 SSI 不是为了在商业市场上套现，而是为了那个唯一的、纯粹的目标，在那个不可逆转的奇点到来之前，把安全的超级智能造出来。 重新定义 AGI，一个 15 岁的少年 那我们距离 AGI 还有多远？Ilya 给出的预测是 5 到 20 年。 但他提醒我们要警惕「AGI」这个词。因为预训练模型让我们产生了一种错觉，以为 AGI 就是一个什么都懂的百科全书。但 Ilya 心目中的超级智能，更像是一个绝顶聪明的 15 岁少年。 这个少年可能还没学过法律或医学，但他拥有极致的学习效率。你让他去学医，他可能几天就能读完人类所有的医学文献，并开始做手术。 而在这一愿景中，最让人细思极恐的概念是融合（Amalgamation）。 人类的悲哀在于知识无法直接复制。这个人学会了开车，另一个人还是得从头练起，但 AI 不一样。Ilya 描述了一个场景，数百万个 AI 分身在经济体的不同角落工作，有的在写代码，有的在打官司。它们在各自学习，然后将所有的经验融合进同一个大脑。 这种集体进化的速度，才是他所认为的 AGI。 面对这样一个能够瞬间融合万千经验的超级大脑，人类又该何去何从？ Ilya 给出了两个层面的思考。首先是给 AI 的设定。不要只让它爱人类，因为这太狭隘了。未来的 AI 自己也将是有知觉的生命体，应该利用同理心的原理，让它关爱所有有知觉的生命，可能是比代码更稳固的安全防线。 其次是人类的退路。如果每个人都有一个比自己聪明百倍的 AI 智能体，人类会不会沦为历史的旁观者？Ilya 给出了一个他坦言「自己并不喜欢，但可能是唯一解」的答案：脑机接口（Neuralink）。 只有当人类选择与 AI 融合，让 AI 的理解直接变成我们的理解，我们才能在那个奇点之后，依然是这个世界的主角。 播客的最后，Dwarkesh 问了那个所有人都想问的问题：作为 AI 领域的传奇，你是如何一次次押对方向的？ Ilya 的回答很像个艺术家：「寻找美感。」 在那些数据都不支持你的至暗时刻，唯有对美、简洁和生物学合理性的自上而下的信念，能支撑你走下去。因为神经网络模仿了大脑，而大脑是美的，所以它一定是通往智能的正确道路。 这或许就是 Ilya 所说的「研究时代」最需要的品质：在算力之外，保留一份对智能本质的诗意直觉。