你永远不知道，下一阵 “ AI 风 ” 会吹到哪里。 如今，连洗头和美甲也能靠 “ 黑科技 ” 帮忙了。 搞得生活里连最 “ 放空大脑 ” 的仪式感小事，也变得智能了起来。 狐妹先来说说 AI 洗头，最近不少网友发帖称，全国多地街头出现 “ AI 洗头 ” 店面。 线上团购价格低至 9.9 元，就可以享受洗 + 吹 + 按摩三件套。有的店铺不仅洗头，还附赠头皮检测服务。 整个流程看起来还挺智能的：顾客躺下后，先进行头皮检测，然后店员会根据检测结果帮你选好洗护模式。 短发、长发都可以选，洗头模式也有速洗、普通、加时、淋水和养护几种，力度还能根据喜好调成低中高档。但洗完头后，还是需要店员帮忙再吹干头发。 听起来感觉不错，来看看网上不少体验过的小伙伴给出的评价是怎么样的？ 一部分人觉得挺新奇的，有种体验未来生活的感觉，省时间、便宜，还不会被店员推销一堆精油套餐。 但另一部分人就吐槽没灵魂，说没有手法的抓挠、不够舒服，洗完头感觉像用水冲了个头皮版高压锅。 也有网友直接表示，感觉 AI 洗头就是 “ 自动冲水机 ”，完全没有灵魂，甚至 “ 不敢信任机器 ”。 从商家的角度来看，这项 “ 黑科技 ” 确实解决了招工难、人工贵的问题，尤其是剪发前、护理前的基础洗头需求，全交给机器来处理，效率杠杠的。 按照网上说的单台成本在 3 万元左右，虽然不便宜，但跟长期请洗头师比下来，也许更划算。 而从科技发展来看，它确实是一种“ AI + 服务 ” 的尝试：把 AI 技术嫁接到线下场景，打造一种新的消费体验。 问题也在这：技术是有的，但体验是否能打、消费者是否买账，还远没达成共识。 有业内人士就指出，目前 AI 洗头更多还停留在 “ 概念展示 ” 的阶段，说白了，噱头可能大于实际价值。 它解决的是 “ 有没有 ” 的问题，但 “ 好不好 ” “ 爽不爽 ” 这些和人的感官直接挂钩的东西，目前的 AI 洗头似乎还做不到替代人工的精细和情绪价值。 我们出门洗头，不仅仅是为了洗头发，更多是为了那份 “ 舒服 ” 和 “ 享受 ”，这一点 AI 暂时还没学会。 而另一边，美甲界也迎来了 “ AI 选手 ”。 在武汉天河机场出发大厅就有家 AI 美甲机站，只要在旁边商铺消费，就能免费体验。 据介绍，这款机器平均 10 秒能搞定一个指甲，效率非常惊人，图案风格也比传统美甲店多得多。 再看到一些博主分享的 AI 美甲体验视频，通常的操作流程是：先涂上底油，然后上色，最后画上图案，整个过程简单又高效。 这类 AI 美甲机器不仅在日常的美甲店中引起了关注，甚至在一些大型展会如 CES 展会和最近的广交会中也有亮相。 听起来是不是有点心动？ 但翻看电商平台的销售记录会发现，这类智能美甲机虽然品牌多、价格从几千到近万元不等，但实际销量往往只有个位数。 狐妹注意到，在市面上对这类美甲机宣传得最积极的，其实还是设备供应商，而不是美甲行业本身。 严格来说，它们更像是 “ 自动化打印美甲机 ”，而不是真正意义上的 “ AI 美甲机 ”。 早在 2021 年，央视就报道过这类自动美甲机，当时AI这个词还没这么火。 只是最近 AI 太热了，很多产品都开始主动或被动地 “ 贴 AI 标签 ”，但真要说有多少是靠 AI 驱动的，恐怕还得打个问号。 那回到实际门店，这类 AI 美甲到底实不实用呢？ 狐妹翻了一些 AI 美甲机的加盟门店资料，发现大家在宣传时其实也更强调 “ 赋能 ” 而不是 “ 完全替代 ”。 毕竟美甲这件事，从贴甲型、修甲、打磨这些基础步骤开始，还是离不开人工操作。 美甲机更多像是辅助工具，能提升效率，但还远没到 “ 人可以完全退场 ” 的地步。 从市场反映来看，不少美甲店目前还是以人工手绘为主。 有店员就表示，AI 美甲的精准度和艺术性还是差点意思，而且美甲不仅是技术活，还需要审美、创意和顾客交流，属于那种 “ 定制化 + 情绪价值 ” 的典型场景，机器目前还摸不清楚客户的 “ 风格 DNA ”。 从一个更大视角来看，AI 洗头、AI 美甲都是 “ AI + 服务场景 ” 的实验产品。它们不是伪科技，但也还远没成熟到可以全面替代人工。 更准确地说，它们是 “ 能用，但还不能精用 ” 的那一类科技应用。它们有可能成为未来生活的一部分，但肯定不会那么快取代人类的双手。 目前更多的意义，是给我们展示了一种新生活方式的可能性，顺便也检验一下哪些需求可以被科技精准覆盖，哪些则仍需要人情味去填补。

大模型元年最热门的AI岗位，现在已经过气了—— 提示词工程师，不用写代码、不限专业、不要求学历，只需研究如何和AI聊天，就能在2023年拿到25-33万美元年薪。 但如今，它已经沦为企业最不愿意扩增的岗位之一。 微软一项涉及31000名员工的调查显示，提示词工程师已经成为公司未来12-18个月内倒数第二不想新增的岗位。 同时在招聘平台（Indeed）上，提示词工程师的检索次数也在经历了过山车式变化。 2023年1月，每百万次搜索中只有2次为搜索提示词工程师。 2023年4月这一数字暴增到144次/百万次。 如今已归于平静，大概保持在20-30次/百万次。 要知道，当年这一新岗位可是得到了OpenAI奥特曼和AI大神卡帕西的共同认可。 2年时间过去，懂提示词工程确实依旧是项技能，但衍生出的岗位却已经不那么刚需了。 搞AI课程培训的高管表示： 无论你是财务、HR还是法务，懂提示词工程已经是一种基本的职业技能，而不是需要再专门招一个岗位。 提示工程已成基本必备技能 梳理现状，提示词工程领域现在呈现出三个新趋势： 1、AI可以自动化提示词工程 2、普通人上手门槛变低 3、企业需要更加复合型人才 最初，提示词工程师的工作内容被定义为“用合适的描述让AI发挥出最大的潜力”。 最早一批开设该岗位的AI公司包括Anthropic，也就是Claude打造者。 2023年3月，他们为提示词工程师提供25-33万美元年薪，具体要求比较抽象，包括有黑客精神、喜欢解密、善于沟通、能让模棱两可的问题变清晰等。 仅有的硬性要求就是具备基本编程和QA技能，熟悉大模型的架构和运转。 但2年后，Anthropic招聘中已经不见提示工程师踪影。 同时还推出了可以快速优化提示词的工具Prompt Improver。 它能够自动写提示词或者优化提示词，不仅能帮助开发者快速从其他模型上迁移至Claude，更能进一步提高企业级AI开发的效率。 无独有偶，谷歌也在前段时间发布了提示词工程白皮书，向非技术有用户传授提示词诀窍。 这意味着，技术厂商正在通过标准化工具，让提示词工程的门槛进一步降低。哪怕是纯小白，也能基于如上这类工具/方案，搞定基础的提示工程问题。 从更宏观的层面来看，企业们如今对于提示词工程师的需求也在普遍降低。 一份由微软委托的调查显示，提示词工程师已经成为企业最不愿意扩增的岗位之一（倒数第二名），大家更希望招聘AI训练师、AI数据专家以及AI安全专家等岗位。 人力资源公司Xpheno的招聘业务主管表示，AI行业对于提示词工程师的需求正在逐渐趋于平缓，全球范围过去三个季度几乎持平。 市场更需要懂提示词工程的复合型人才。 比如对基础模型、AI安全治理、数据和云计算都更了解的人才。从长远来看，对纯提示词工程师的需求可能会逐渐减少。 但现阶段，市面上依旧有提示词工程师的招聘需求。 在猎聘上，如今依旧给提示词工程师开出高额薪资的企业，更多集中在垂直行业领域，或者是服务于垂直行业的技术提供商。 他们招聘的提示词工程师，也需要更懂行业。 比如格灵深瞳的招聘中，明确提及该岗位需要深入了解政务业务知识。 总之在短期内，提示词工程师这一岗位不会完全消失。 但它还能存在多久？这可能要取决于AI的进化速度了。 未来，每个人都要懂提示工程 其实在提示工程师爆火时，就有人提出了这一岗位存在底层逻辑——AI还不够聪明。 当时的大模型智能水平有限，往往需要精心设计的提示词，才能给出用户想要的回答。 2年过去，当时最强悍的GPT-4都被OpenAI从ChatGPT上下架了，大模型的智能水平已经不可同日而语，无需完美提示词，模型也能给出更好回答。 与此同时，通过一些简单的交互设计，大模型也能更精准理解用户的问题。 比如模型会进一步追问，帮助用户细化需求。 又或者，它会自动对用户的问题进行提示词优化。比如结合上下文、增加细节等。 此外还有一个趋势不容忽视，AI正在朝着更加个性化的趋势发展。 随着用户和AI的交流越来越多，每个人都能形成一个自己的知识库，AI也会越来越像私人助理。在这种时候，AI对用户有了更深入的理解，通用化的提示词工程或许也就变得不再实用了。 最后，AI也在逐渐渗透到每个人的日常工作生活中。就以国内的DeepSeek热潮为例，和AI对话已经变得不再稀奇，企业也开始拥抱AI浪潮，进行新一轮智能化升级。 几乎可以预见，未来人们使用AI，就像现在使用office一样平常。 那，还需要花大价钱招聘提示词工程师吗？ 显然是更全面的打工人更有性价比啊（doge）。 你觉得呢？ 参考链接： [1]https://www.wsj.com/articles/the-hottest-ai-job-of-2023-is-already-obsolete-1961b054?st=DMVDgm&reflink=desktopwebshare_permalink [2]https://elpais.com/proyecto-tendencias/2025-04-23/se-necesita-experto-en-prompts-las-empresas-buscan-profesionales-que-sepan-hablar-con-la-ia.html?utm_source=chatgpt.com

文｜《中国企业家》记者 孔月昕 编辑｜马吉英 头图来源｜视觉中国 当人们开启小长假模式时，机器人已经悄悄占领了假期的“最佳打工位”。 从景区到商场，游客们时常会撞见一支“打工天团”：送餐机器人驮着托盘在饭店里蛇形走位，四足机器狗在景区跟着挑山工背货上山，人形机器人在深夜的酒吧打碟。 机器人“五一”打工忙背后，机器人租赁商的毛利暴涨：“五一”假期前半个月内，不少公司的机器人已经没有“五一”的“档期”，宇树G1等人形机器人日租金最高达1.8万元。以9.9万元的宇树G1为例，早入局的玩家可能不到一个月就能收回机器人购买成本。 这并不是假期才有的景象。自宇树H1机器人在蛇年春晚“一扭成名”后，就有人看到了其潜藏的商机。 2月以来，关于“机器人租赁”的帖子开始在二手交易平台和社交媒体平台上涌现。出租的机器人绝大多数为“宇树G1机器人”，说明往往提及“适用于宣传、展览、表演、开业等场合”。根据型号和提供服务的不同，日租金从几百、几千到上万元不等。 有从事机器人租赁业务的公司表示：“最近（恰逢）‘五一’（假期），景区（使用的）比较多一些，再就是车站、售楼处、展会、教育、开业、婚庆，主要作用就是吸引眼球。” 在2025上海车展现场，机器人互动也成了车企吸引关注的重要手段。宇树G1成了深蓝汽车的AI员工，可以与观众握手互动；小鹏机器人IRON在现场与观众进行招手、打招呼、比耶、点赞等互动；此外，智元的远征A2、乐聚“夸父”机器人、长安机器狗“来福”、奇瑞墨甲机器人“墨茵三姐妹”等都在车展亮相，并完成了接待、互动、递水等工作。 来源：视觉中国 目前，各电商平台也有商家上架了机器人租赁业务，但据从业人员透露，目前宇树科技的产能还跟不上C端市场，租赁市场上流通的人形机器人大概在几十到一百台，做租赁生意的人远比机器人数量多，“很多人是买到一台机器人就开始出租了，大单往往需要拼单”。 有不少商家是今年新成立，也有从业者完全以个人名义出租机器人。“有正规公司且有机器的不是很多，还有坑了定金就跑路的。”上述从业者表示。 租赁市场，繁荣与泡沫并存 小红书用户@这个老王有点憨在3月21日发了一则帖子——《裸辞后，我花20w雇了个“顶流员工”》，表示自己3周前花了20万元买了一台宇树机器人，让它替自己打工，现在机器人比她本人还忙，档期已经排到了5月份。 @这个老王有点憨告诉《中国企业家》，目前她出租机器人是用于商业用途，如开业、引流等，且生意现在发展得还不错。 尽管宇树的G1机器人被戏称为“玩具版”，仅能完成自带的行进、挥手、转身、握手等基础动作，但由于价格相对较低——9.9万元/台，也引发了部分机器人发烧友的兴趣，且这款产量相对较高，也成为市面上展出的主要机型。 据了解，G1机器人此前在京东旗舰店销售过，但不到1天就售罄。目前，搜索京东、淘宝的宇树官方旗舰店，G1处于下架状态。如果想尽早拿到货，用户需要加价六七万元从黄牛或租赁公司手里购买。《中国企业家》在小红书平台上，就看到有租赁公司将G1的出售价格标为14.5万元。 “一机难求”的情况下，很多非机器人发烧友自然会选择更便宜且快捷的方式——租一台机器人，这也进一步助推了机器人市场的升温。 山东一家机器人租赁公司负责人表示，公司的两台宇树机器人在山东应该是最早到手的，“我们本来想买了（自己）玩的，结果春晚一闹，瞬间‘香’了起来”。于是今年3月，他们注册成立公司，目前公司除了有宇树的G1，还有众擎的机器人，更多的是宇树的机器狗。 该负责人表示，目前市面上的人形机器人在100台左右，且机器人订货周期在70天左右，在“五一”等节假日期间完全属于“供不应求”的状态，“假期很缺机器，现在租金1.8万元/天了，（租期）低于3天，机主都不愿意接单”。 这也是大多机器人租赁商家的常态——机器数量过少，当同时期内接到的单过多，他们就不得不进行同行调配。“现在全国各地每个城市可能有5~10家租赁公司，每家有一两台（机器人），有10台以上的可能就只有上海等地的一两家公司。”有做机器人租赁业务的人表示。 不过，随着机器人租赁市场的玩家不断增加，行业已经虚火隐现。机器人出租业务的价格和服务也开始逐渐变“卷”，尤其在工作日等“淡季”，价格会相应下调。 “‘五一’期间的价格平均每天在1万~1.5万元，之后到6月1日之前的价格比较稳定，大概6千~7千元/天，越早订价格越便宜。”上述山东租赁公司负责人告诉《中国企业家》。而在机器人租赁业务刚刚兴起时，二手平台上的价格多为8000~10000元/天，有的甚至更贵。 《中国企业家》以企业租赁方身份从多家租赁商处了解到，他们会给每台机器人配备相应的技术人员，租金也包含了机器人运输、调试（彩排）、现场保障、技术人员的食宿等费用。 另一方面，宇树科技创始人王兴兴在今年初接受采访时曾表示，“我个人感觉在今年年底之前，整个AI的人形机器人会达到一个新的量级。” 据上述山东租赁公司负责人表示，宇树将缩短机器人的交付时间至40天，一旦目标实现，也就意味着人形机器人的稀缺性将不复存在，租赁市场的新入局玩家也就“赚不到钱了”。他表示，“（产品）一旦量产，（租赁）市场价格立刻会大跌。” 租赁是起点，离应用还很远 供不应求带来的租赁价格虚高，将会被机器人量产改变，这也是做机器人租赁生意的人担心的问题。部分人是加价购买的G1机器人，“两周回本”的神话更是遥不可及。 同样创立了机器人租赁公司的赵强表示，“去年宇树的总共产量就6000台，3000台卖给了海外，3000台主要是面向国内的高校和科研机构。今年这些加价六七万买的人，有的可能成本还没收回来。” 2024年4月，赵强成立了公司，一开始是做机器人整合（如算法研发等服务）业务，在2024年下半年陆续下单了28台宇树机器人。他们是目前市面上拥有机器人最多的公司之一，仅宇树的G1 Edu-U1（以下简称U1，G1进阶版，有编程接口可开发），其公司就到货了12台。 U1在G1的基础上，有常规问答、舞蹈、动作互动等功能，也可以通过调试算法提供相应的定制化功能，如展现不同的语种方言或定制动作等。因此，其可以适用于商业活动（表演节目、声音主持、道具表演等）、会展展厅（机器人致欢迎词、公司介绍、项目产品展示等）、行业角色扮演（模拟销售人员、酒店接待员、剧本杀DM、公园导览等专业角色）等场景。 之所以没有订购更便宜的G1，是因为在赵强看来，与其卷入“日租8000杀到4000”的价格混战，不如死磕B端客户的深层需求。他的团队曾为某头部地产商定制销售机器人，客户先从他们那租一台，放在售楼处做接待，觉得效果不错后，就自己去宇树定了一台，待他们自己的机器人到货后，再去找赵强公司开发定制。 “很多同行盯着硬件倒手的差价，但真正的利润在‘千人千面’的功能开发上。”赵强透露，他们的客户一般是比较大的企业或者事业单位，以及大型活动或展会，对于机器人功能要求比较高。“这些大客户如果能一直维护好，我们就可以长期合作，做企业要坚持长期主义。”赵强说。 不过，即使各家的机器人可以通过算法开发进行功能调试，但对于当下“租户”而言，机器人也不过是一个“吸引目光”的噱头，距离真正落地应用还有很远。 广东某制造公司员工德咏表示，其公司产线大部分环节已实现自动化，唯独上下料仍依赖人工。他们去年年底就订购了宇树G1 Edu机器人，试图实现工厂无人化，但这款机器人经过其工程师调试后，依然无法做到在生产现场自主稳定工作。 德咏直言，当前市面产品多在实验室跑分、拍视频炫技，一旦机器人投入24小时运转的车间，会出现一系列生产问题。 尽管如此，德咏表示，他们今年还要再买三台机器人，但大概率不选宇树。在他看来，“宇树现阶段不适合工业场景，做科研还不错。”他最近1个月几乎考察完了“深圳十三太保”（十三家机器人公司），他的结论是：“若想机器人顶替人类连轴转8小时，起码要等端到端大模型突破‘手眼协调’的最后1毫米。”他预估，要实现这个目标，至少需要一到两年的时间。 文中赵强为化名

IT之家 5 月 4 日消息，4 月 25 日，中国翻译协会翻译技术专业委员会在 2025 中国翻译协会年会上发布《翻译行业生成式人工智能应用指南（2025）》。 ▲ 中国翻译协会翻译技术专业委员会秘书长王华树教授发布指南（图源中国翻译协会） 中国翻译协会称，随着生成式人工智能持续突破，其在语言处理领域的应用正深刻重塑翻译行业格局。《指南》应运而生，参考了国家和国际相关规范，聚焦场景应用、能力升级、技术伦理、质量管控四大维度，明确十个关键应用领域，包括理念重构、场景适配、能力筑基、知识赋能、提示工程、知情授权、责任界定、伦理锚定、质量管控和人文坚守，着力破解效率与质量、创新与风险、技术与人文三大核心矛盾，为行业提供系统指导。 在效率与质量方面，《指南》倡导以人为核心、技术赋能，推动人工智能从“辅助工具”向“智能协作”转型。通过定制译前准备、智能译中输出、便捷译后优化，实现文本分析、语料挖掘、资料整合等功能协同，并融合实时互译、术语统一、风格迁移、语义关联、智能润色、自动校对、智能排版，构建任务分解到质量评估的全流程解决方案。 在创新应用方面，《指南》指出，生成式 AI 在翻译中的核心优势在于知识的整合、生成与应用能力。通过多语种、多领域数据资源构建结构化翻译知识体系，推动形成可持续演化的知识库，提升译员知识获取与再利用效率，构建未来导向的增强型翻译知识生态。 在风险管控方面，《指南》强调伦理治理与质量控制双管齐下，确保技术负责任地应用。具体包括：使用前须获得客户知情授权；译中明确人机角色与责任；识别原文伦理敏感内容，强化技术使用中的伦理意识；严格遵守《中华人民共和国数据安全法》等法规，确保数据合规、安全可追溯，保护隐私与商业机密。 在技术应用与人文价值方面，《指南》特别强调“人文坚守”，指出译者的核心竞争力在于思考力、批判力与文化洞察。译者应在技术发展中保持理性，做到“善用而不依赖”，坚持“技术为用、人为本”，在协同中发挥主观能动性，承担起文化阐释与多元语境建构的责任。 IT之家注意到，针对 AI 对翻译人才的影响，《指南》强调译者应提升语言理解、表达、翻译和跨文化沟通能力，不断更新知识，借助技术提升素养。尽管低端翻译可能被替代，高水平翻译仍需人类的文化理解与创造力。

编辑：LRST 好困 未来的科研范式「自主通用科学家」（AGS），将AI与机器人技术结合，实现从文献综述到实验操作再到论文撰写的全流程自动化。AGS有望突破人类科研的物理和知识限制，加速科学发现的进程，并可能引发科学范式的变革。 你能想象未来的诺贝尔奖颁奖典礼上，站在领奖台上的不是人类科学家，而是一个机器人吗？ 想象一个没有人类研究员的实验室，只有AI系统和机器人不知疲倦地分析数据、设计实验、操作仪器、发现规律、撰写论文，甚至提出改变科学范式的突破性理论。 这不是科幻电影中的场景，而是科学研究可能的未来图景。 近日，来自多伦多大学、意大利技术研究院、清华大学、浙江大学、罗格斯大学、哈佛大学、佐治亚理工学院和伦敦大学学院等国际顶尖研究机构的科学家们发表了一篇前瞻性论文，深入探讨了AI与机器人科学家如何颠覆传统科学研究的范式，并首次提出科学发现可能遵循全新的扩展定律（Scaling Law）。 论文链接：https://arxiv.org/pdf/2503.22444 上图展示了科学发现范式的演化路径，从传统的人类中心研究，到人类与AI/机器人协作的共同科研，再到最终实现的自主通用科学家(Autonomous Generalist Scientist, AGS)。这一演进过程不仅是科研工具的升级，更是科学发现方法论的革命性转变。 随着AGS系统的发展，科学研究将突破两大界限： 物理界限——机器人科学家能够在极端环境（如太空、深海、高辐射区）开展人类无法直接进行的实验； 知识界限——AI能够整合跨学科知识，打破专业壁垒，发现人类难以察觉的关联和规律。 这种科研范式的转变，可能像工业革命之于手工业、计算机之于信息处理一样，从根本上改变科学知识的生产方式和速度。 当AI大脑邂逅机器人躯 虚拟与物理的二元科研世界 当下AI科学家的研究正处于蓬勃发展阶段，但多数都以agent形式存在，主要专注于编程相关的学科，如机器学习研究、生物信息学分析等。这些系统在虚拟世界中展现出色的能力，却无法触碰现实世界。 以DeepMind的AI Scientist和OpenAI的系统为例，它们能够出色地完成数据分析、模式识别、假设生成等任务，有些甚至能够自主设计和执行计算实验。 Lu等人开发的「The AI Scientist」展示了AI系统如何通过大规模预训练和代码生成能力，实现对科学发现的自动化。该系统能够解析问题，生成研究方案，执行计算代码，甚至分析结果并得出结论。 然而，这些AI系统存在明显的局限性。它们主要局限于预定义的计算域内，虽然能执行算法、优化参数和分析数据，但缺乏全面的「计算机使用能力」(computer-using proficiencies)。人类研究者能够流畅地在各种计算环境间切换，而当前的AI系统无法复制这种通用性。它们在导航复杂的科学文献库时显得力不从心，难以应对各种异构接口、认证要求和组织结构。 此外，它们无法有效利用专业科学软件生态系统，包括计算建模环境、分析工具和仿真框架，这些都需要细致的配置和跨平台集成。 AI系统最大的局限在于完全缺乏物理实验能力，这从根本上限制了它们的科学研究范围，排除了大量需要与物理现象直接交互的实证科学领域。 这一限制在生物学、医学和工程学等领域尤为明显，这些领域的研究往往需要手工实验和精确的物理操作。 而另一方面，当前实验室中的机器人大多是为特定任务定制的，灵活性有限。它们可以在特定参数范围内高效运行，但面对实验异常、意外行为或设备故障时往往束手无策。 现有机器人执行的是预定义的程序序列，很少具备实验即兴创新或协议适应的能力。尽管机器人学习领域取得了进展，但现有系统在不同实验环境中的泛化能力仍然有限。 该表清晰地展示了不同科学领域在虚拟与物理操作需求方面的显著差异。从自然科学到社会科学，每个领域都需要虚拟分析和物理实验的结合，但比例各不相同。 以物理学为例，其研究需求涵盖从理论建模（虚拟）到精密仪器操作（物理）；化学研究依赖分子建模和反应预测（虚拟），同时需要实际的合成和表征（物理）；生物学则需要生物信息分析与实验室操作相结合。表中右侧的V/P比例展示了不同学科对计算方法与实验方法的相对依赖程度，这直观地说明了为什么科学研究需要AI与机器人的结合——单一系统无法满足完整科研过程的需求。 这种虚拟与物理操作的双重需求，凸显了将AI代理的认知能力与机器人的物理操作能力结合起来的必要性。 科学研究涵盖虚拟和物理操作的二元景观，两个领域对于全面的科学探索都至关重要。 自主通用科学家（AGS）的架构与运作 面对这一挑战，研究者提出了自主通用科学家（Autonomous Generalist Scientist, AGS）的概念，将AI代理的认知能力与机器人的物理操作能力无缝结合，创建一个能够自主管理整个研究生命周期的系统。 AGS系统由五个核心功能模块组成，通过集成的交互和反思机制增强其能力。如该图所示，这些模块分别为： 文献综述：该模块通过模拟人类与学术数据库和期刊平台的交互，自主进行全面研究分析。与依赖API的系统不同，它能够导航各种数字环境来搜索、访问和管理相关文献，甚至突破订阅障碍。这使AGS能够获取传统AI系统难以接触的最新研究成果。 提案生成：在文献分析之后，该模块制定全面的研究提案，阐明精确的问题陈述、明确的目标和创新假设，以推进该领域的发展。它开发详细的方法论框架和实验方案，为虚拟模拟和物理实施优化，建立明确的研究路线图。 实验执行：这一模块协调研究过程的实验阶段，涵盖精确规划、资源优化和试验执行，跨越虚拟和物理环境。配备先进的机器人和AI技术，系统执行物理操作，收集经验数据，并进行虚拟实验。此外，它通过对实时结果和反馈的持续分析，动态优化实验设计。 论文准备：实验完成后，该模块将发现综合为可发表的手稿。它执行全面的数据分析，解释结果，并制定实质性结论。系统按照标准学术惯例组织文档，并进行内部质量评估，参与同行评审机制，确保学术严谨性和发表准备度。 反思与反馈：该模块超越传统研究工作流，实现系统范围内的持续改进。它在功能组件之间建立通信渠道，实现实时调整，同时整合来自人类合作者和模拟同行评估的外部输入。通过对反馈的系统分析，系统优化假设、方法和实验方法，确保研究对新兴发展保持响应，并最大限度地提高科学产出的最终影响和质量。 AGS的大脑是整个系统的核心，其工作原理如下图所示： AGS大脑的工作框架包含两个循环系统：外循环和内循环。外循环管理整体任务流程，包括感知环境信息、思考处理、知识学习和行动执行；内循环则负责系统的自我反思与优化。这种双层循环设计使AGS能够不断改进其推理和决策能力。 在感知阶段，系统收集各种形式的信息输入；思考阶段涉及记忆检索、知识整合和学习，形成对问题的深入理解；行动阶段则将系统的决策转化为具体操作，包括虚拟环境中的算法执行和物理环境中的实验操作。 同时，内循环通过自我反思机制，结合思维链（Chain of Thought）、思维树（Tree of Thought）等推理方法，持续评估和改进系统的推理过程和决策质量。这种设计使AGS系统不仅能够完成既定任务，还能通过经验累积不断进化，提升解决复杂科学问题的能力。 机器人科学家的演进与协同优势 机器人科学家的发展历程展现了从专用系统向通用平台的演化趋势，如下图所示： 从2004年的Robot Scientist到2009年的Adam，再到2019年的Mobile robotic chemist，机器人科学家已经经历了近20年的发展。早期系统如Robot Scientist和Adam主要专注于单一学科领域（如生物学），能力有限且需要大量人类指导。 而近年来，随着技术进步，我们看到了更为通用的系统出现，如Coscientist（2023）和ORGANA（2024）等。这些系统开始整合AI与机器人能力，展现出更强的自主性潜力。 该表详细对比了当前各种AI科学家和机器人科学家系统的能力。从中可以看出，大多数现有系统仍然是单域的，专注于特定学科。例如，Adam（2009）主要用于生物学，PaperRobot（2019）专注于生物医学，AI Scientist(2024)侧重于机器学习。当前只有少数系统如Coscientist能够结合API搜索和物理实验，但仍有很大局限。而未来的AGS系统有望在各个方面实现全面突破，成为真正的通用科学家。 AI代理与机器人在研究任务中展现出明显的互补优势。如上表所示，Agent擅长在虚拟环境中执行计算机使用、编程、数据分析和写作等任务，特别适合计算机科学、数学和生物信息学等领域；而机器人则在物理和虚拟环境中发挥作用，能够创建和使用工具，执行复杂的物理操作，适合医学、生物学、化学和太空探索等领域。 将两者结合，可以实现「1+1>2」的协同效应。AI代理可以规划实验流程、分析数据并生成假设，而机器人则负责实施物理实验、收集样本并操作设备。这种分工使研究过程更加高效，避免了单一系统无法克服的局限性。例如，在药物发现领域，AI可以预测潜在的分子结构和相互作用，而机器人则可以合成这些分子并测试其实际效果，相互验证、相互补充。 科学发现的新扩展定律 突破人类科研的固有限制 传统科学研究面临着源于人类本身特性的多重局限。首先是人力资源的限制——全球科研人员数量增长速度有限，且分布不均。 即使在科研人员最密集的国家，每百万人口中的研究人员数量也只在几千人左右。 其次是时间限制——人类研究者需要休息、娱乐和家庭生活，每天能够专注于研究的时间有限，通常不超过8-10小时，且精力和创造力会随时间波动。 更具挑战性的是认知和专业限制。 现代科研需要处理日益庞大和多维的数据，这些数据经常超出人类认知能力。 单个研究者往往只精通某一狭窄领域，难以整合跨学科知识。 即使是顶尖科学家，也难以同时精通物理学、化学、生物学和计算机科学等多个领域，这导致了知识孤岛效应，阻碍了跨学科创新。 此外，研究合作中的沟通障碍也是一大挑战。不同学科的研究者使用不同的术语、方法论和思维模式，这使得有效沟通变得困难。 这些合作努力经常遇到显著障碍，包括不同学科文化差异、特定方法论以及跨领域协调所需的大量时间和资源。 这些持续存在的障碍削弱了有效沟通、概念合成和建立连贯研究范式的能力。 相比之下，AI科学家和机器人科学家具有显著优势： 首先是规模优势——AI和机器人系统可以大规模复制，成本远低于培养人类科学家。一旦开发成功，可以快速部署数十万或数百万个实例，显著扩大研究规模。其次是持续工作能力——AI和机器人不需要休息，可以24/7不间断工作，大大提高研究效率。这种持续性使长期实验监测和数据收集变得更加可靠。 在知识整合方面，AI系统表现尤为突出。 训练于包含不同领域的庞大语料库上，这些模型在应用多学科知识方面表现卓越，从而显著增强科学研究。 生成式AI内在能力可以导航和桥接不同知识领域，使其特别适合跨学科研究。 此外，AI和机器人系统具有卓越的记忆能力和知识存储——它们可以存储和快速检索几乎无限量的信息，不会遗忘细节或历史实验结果。在跨学科整合能力方面，它们能够无缝连接不同领域的概念和方法，发现人类研究者可能忽视的关联。 最重要的是，AI和机器人科学家具有高度可复制性——成功的实验方法和发现可以立即与其他系统共享，确保研究成果的最大化利用，避免重复劳动。 知识飞轮与突破双重边界 AGS系统引入的最具革命性的概念之一是「知识飞轮」效应。这一概念描述了知识生产的自我加速循环：每项科学发现都为后续研究铺路，创造更多发现，这些发现又进一步加速研究进程，形成指数级增长曲线。 传统上，这一过程受到人类科研者数量、认知能力和专业知识的限制。然而，随着AI和机器人科学家的引入，这一飞轮可能以前所未有的速度旋转。 知识飞轮在AGS系统中的运作可以理解为一个多层次的自我强化循环： 首先，AGS系统进行大规模并行研究，同时在多个领域产生新发现； 其次，这些发现被即时整合到系统的知识库中，为后续研究提供基础； 然后，系统利用增强的知识库设计更复杂、更有针对性的研究，产生更多突破性发现；最后，这些新发现又反过来强化知识库，加速整个循环。 这一过程将突破两个关键边界：物理边界和知识边界。 在物理边界方面，具身机器人能够在极端环境中开展研究。 传统上，人类科学家无法长期在太空、深海、高辐射区或极端温度环境中工作。而具身机器人可以突破这些限制。例如，机器人可以在月球或火星表面建立研究站，长期监测和实验；可以在深海热液喷口处长期采集样本和数据；可以在微小尺度上操作单个分子或原子。这些能力使科学研究可以拓展到之前无法涉足的领域。 在知识边界方面，AI能够整合和处理远超人类能力的跨学科知识。 它可以同时精通物理学、化学、生物学、医学、工程学等多个领域的知识，并在这些领域间建立联系。这种跨领域的知识整合能力可能导致全新学科的诞生，或者解决长期以来被单一学科方法所困住的复杂问题。并且由于AI和机器人系统的规模优势，科学发现和知识的增长以及知识所能达到的范围也将超越人类的界限。 该图展示了全球科研产出与研究人员数量的历史趋势，以及AGS引入后的预期发展曲线。历史数据显示，人类研究人员数量和科研产出呈现相对线性的增长，主要受到人口和教育系统容量的限制。 然而，随着AGS系统的引入，这一关系可能发生根本性变化。预测曲线显示，AGS系统可能带来科研产出的指数级增长，同时研究者数量（包括人类和AGS）也将大幅增加。 这种转变的核心在于突破了传统科学知识生产的两个关键限制因素：研究者数量和知识分散。AGS系统可以大规模复制，远超人类研究者数量的增长潜力，同时克服了知识分散带来的研究效率损失。 由于人类研究者数量的固有限制，共同科学家和AGS系统将引入科学发现的新扩展定律。 随着AGS系统的普及，我们可能会看到一个科学研究的全新时代，不仅科研速度加快，更重要的是将出现全新的研究方向和突破，这些可能超出当前人类科学家的想象。 适应极端环境的具身机器人，加上科学知识积累的飞轮效应，有望持续突破物理和智慧的双重界限。 非人类科学家的研究成果管理 传统学术体系的挑战与aiXiv的构想 随着AI和机器人科学家的崛起，传统的学术出版体系将面临前所未有的挑战。AGS系统的研究速度将远远超过人类科学家，可能在短时间内产生海量的研究成果。传统期刊的审稿周期通常需要数月，甚至长达一年，这种速度显然无法适应AGS时代的需求。 即使是预印本服务器如arXiv，虽然加快了科研成果的初步分享，但仍然面临审核资源有限、难以应对爆炸性增长的投稿量等问题。 此外，传统学术体系在评估AI生成内容方面面临独特挑战。 如何确保AI和机器人科学家产出的研究结果的准确性、原创性和可靠性？现有的同行评审机制主要依赖人类专家，可能无法及时处理大量AI生成的研究成果。 同时，传统学术评价体系对研究贡献度的认定、署名权和科学信誉的维护等方面都需要重新审视。 面对这些挑战，研究者提出了建立专门为AI和机器人科学家设计的新型学术平台——aiXiv的构想。 aiXiv平台旨在为自主系统生成的研究成果提供一个开放的预印本服务器，实施专门针对AI驱动发现的分层审核流程，可以确保AI生成的研究遵循透明性、可信度原则，并解决涉及非人类作者的科学交流中相关的伦理考量，同时促进其潜在提交到传统期刊。 如图所示，aiXiv平台的工作流程包括以下关键环节： 提交环节：AI科学家和机器人科学家可以向平台提交两类内容——研究提案和完整论文。这些内容可以涵盖广泛的科学领域。 多层评审：提交的内容经过严格的多层评审过程，结合人类专家和AI/机器人评审者的优势，基于可行性、创新性、逻辑连贯性和潜在科学影响等标准进行评估。 实施与发展：通过aiXiv发布的提案可以作为进一步研究的蓝图，由人类研究者或其他AI/机器人科学家实施，形成后续论文提交，遵循类似的评审路径。 开放访问：平台提供公共应用程序接口（API）和用户界面，方便人类和AI评审者检查已提交和已发布的提案和论文，促进透明和协作的评审环境。 桥接传统期刊：对于在aiXiv上发布的已完成研究，平台旨在简化后续向传统学术期刊提交的流程，可能提高AI驱动科学进步的可见度和影响力。 aiXiv平台的设计考虑了科学严谨性和创新促进之间的平衡。一方面，它通过多层评审确保发表内容的质量和可靠性；另一方面，它提供了一个快速发布渠道，加速科学发现的传播。 aiXiv平台有望革新科学出版，促进创新，维护学术诚信，并最终加速科学发现的步伐。 重塑科学评价与知识传播 aiXiv平台不仅仅是一个预印本服务器，它还将重塑科学评价体系和知识传播方式。在传统学术环境中，研究成果的评价主要基于同行评审、引用计数和期刊影响因子等指标。 然而，面对AI和机器人科学家产出的大量研究成果，这些评价机制需要重新设计。 aiXiv平台提出了一种人类专家与AI评审者相结合的互补评审机制。AI评审者可以快速检查研究的形式要素、方法论正确性和实验数据一致性，而人类专家则关注创新性、研究意义和潜在影响等更主观的方面。这种组合利用了AI的高效性和人类的判断力，形成更全面的评价体系。 在知识传播方面，aiXiv将实现从静态出版到动态知识共享的转变。传统学术论文一旦发表就很少更新，而aiXiv平台可以支持研究成果的持续更新和演进。 AI和机器人科学家可以基于新发现和反馈不断优化其研究，形成「活文档」而非固定快照。这种动态知识共享模式更符合科学的渐进性和迭代性本质。 此外，aiXiv平台还需要解决一系列与非人类作者相关的独特挑战： 署名权与责任归属：谁应该被列为AI和机器人科学家产出研究的作者？是创建这些系统的人类研究者，还是系统本身？如果将系统列为作者，那么谁对研究的准确性和诚信负责？这些问题需要新的框架来解决。 科学信誉体系的重构：传统学术界的声誉和信誉体系主要基于人类研究者的职业发展和贡献历史。随着AI和机器人科学家的加入，需要建立新的信誉评估机制，可能包括系统的性能历史、错误率和创新指数等。 数据与方法透明性：AI系统的「黑箱」性质可能与科学透明性原则相冲突。aiXiv平台需要制定严格的透明度要求，确保所有研究详细记录其方法、数据来源和推理过程，使其他研究者（人类或AI）能够验证和复制结果。 跨语言和表达标准化：不同AI系统可能采用不同的表达方式和概念框架。aiXiv平台需要建立标准化的表达协议，确保不同系统之间的研究成果可以有效比较和整合。 随着这些挑战的解决，aiXiv平台不仅将成为AI和机器人科学家研究成果的集散地，还将催生全新的科学评价范式和知识传播模式。 建立aiXiv这样的平台具有改革科学出版的潜力，通过促进创新、维护学术诚信，最终加速科学发现的步伐。 超级人工智能的标准 自主科学家的能力分级 随着AI和机器人技术的飞速发展，科学界对如何评估这些系统的能力产生了浓厚兴趣。论文提出了一个框架，将自主科学家（AGS）分为不同级别，基于其自主度、与模拟和现实环境的交互，以及整体研究能力，为理解AGS的演化路径提供了清晰的图景。 该表详细描述了自主科学家的六个级别，从0级（无AI）到5级（先驱者）： 0级，无AI：在这一基础级别，科学研究完全不借助具有较强繁华能力的人工智能工具。研究完全依赖于既定的方法论方法和特定学科的仪器。科学家使用针对特定领域的专业设备和软件，例如化学中的光谱设备和分析平台，或公共卫生领域的SPSS等统计软件包和流行病学建模工具。虽然这些传统资源在其指定领域内非常有效，但它们通常缺乏无缝跨学科整合的能力，且需要大量人类专业知识来解释和应用。 1级，工具辅助：这一级别标志着简单AI工具的引入，旨在帮助研究者完成特定的、狭义定义的任务。AI主要由人类科学家驱动，提供基本功能，如API驱动的数据检索、自动文本生成和跨学科简单连接的识别。 这一级别的系统例子包括ChatGPT等用于文本辅助的工具和用于数据处理的基础机器学习模型。虽然AI能够通过处理和总结信息或对直接提示提供建议来做出贡献，但其独立行动和主动性的能力仍然有限。 2级，智能助手：在这一阶段，AI系统开始作为复杂研究助手发挥作用，能够导航和综合来自各个领域的知识。在人类监督下，这些智能代理可以自主进行基于网络的信息收集，执行虚拟模拟，并整合来自不同科学学科的见解。 像OpenDevin、DeepResearch等系统，在数据获取、分析和假设制定方面提供帮助，代表了这一级别。然而，仍然需要大量人类监督来定义其活动范围并解释结果信息。 3级，协作伙伴：这一级别的AI系统演变为科学研究中的自主协作伙伴，无缝整合与虚拟和物理环境的交互。配备先进机器人技术，它们能在生物学、工程学和医学等领域进行实验，在物理世界中执行精确操作。 这些系统能够自主执行复杂的跨学科任务，但仍与人类科学家合作，利用各自的优势。结合传感器数据处理、半自主实验执行和集成数据分析的先进机器人平台是这一级别的关键例子。 4级，自主研究者：在这一阶段，AI与机器人以显著的独立性运作，仅需最少的人类指导。这些系统能够在模拟和现实环境中进行高级研究，采用自主信息检索并综合来自广泛领域的知识。 它们能够通过识别和连接之前分散领域的数据点，生成新见解并提出创新解决方案。人工通用智能机器人（AGIR）代表了这一类别，它们推动跨学科研究的边界，同时仍然从偶尔的人类监督或复杂问题解决或伦理考量的干预中受益。 5级，先驱者：最高级别代表完全自主系统，在科学研究中超越人类能力。被称为人工超级智能机器人（ASIR），这些系统在所有环境中完全独立运作——虚拟、物理和实验环境，能够进行开创性研究而无需任何人类干预。它们不仅综合跨学科知识，还创新并制定全新的科学原理。 它们的工作导致前所未有的科学发现，将它们定位为AI驱动研究的前沿先驱。虽然承认由于实质性技术、伦理和实际挑战，实现5级自主性存在固有不确定性，但这一级别作为该领域的雄心勃勃的长期目标，激励着自主科学发现的持续探索和创新。 这一分级框架不仅描述了当前状态，还提供了AGS系统未来发展的路线图。当前的系统大多处于1级和2级，少数达到3级的部分功能。实现真正的4级和5级AGS系统是一个长期目标，需要在多个技术领域取得突破。 该图展示了自动化研究的历史与未来发展时间线。从最初的人类使用工具阶段，到当前的知识提供者和代理阶段，再到未来的「人类水平」和「超人类」阶段，自动化研究经历了一个漫长的演化过程。当前，我们处于从「聊天」转向「代理」的阶段，而未来十年可能看到向真正「机器人」和「人类水平」的转变。最终，可能在2030年之后，我们可能见证「超人类」水平自主科学家的出现 值得注意的是，这些时间预测具有高度的不确定性，取决于多个技术领域的进展速度，包括大模型能力、机器人技术、自主学习和环境适应性等。然而，时间线提供了一个有价值的参考框架，帮助我们理解这一领域的发展轨迹。 超越人类的科研智能 当我们考虑超级人工智能（ASI）的标准时，一个重要的观点浮现出来：科学发现能力可能是评估超级智能的最佳标准，与通常基于智商测试或语言生成能力的智能评估方法形成对比。 科学发现需要深刻的洞察力、创造性思维、复杂推理和跨领域知识整合—这些都是真正智能的标志。 科学发现能力作为超级智能标准的理由包括： 复杂问题解决：科学研究涉及解决极其复杂且通常定义模糊的问题，这需要探索性思维和创新方法。 创造性假设生成：提出创新假设要求系统具备超越现有知识边界的能力，这是真正智能的核心特征。 整合多领域知识：科学突破通常发生在不同学科的交叉点，需要整合和转化来自多个知识领域的概念。 理论与实验的平衡：卓越的科学工作需要理论推理与实验验证的结合，这是一种多模态智能的表现。 长期规划与灵活适应：科学研究需要制定长期研究计划，同时根据新发现灵活调整方向。 当AI系统能够独立做出超越人类科学家的突破性发现时，我们就可以真正讨论超级智能的实现。这不仅仅是量的提升（处理更多数据或生成更多论文），而是质的飞跃（提出全新范式或理论）。 只有在科学上取得突破性进步，才能验证一个AI是否达到了超级智能的水平，这是与通用人工智能的本质区别。 从此角度看，超级AI的标志将是那些重新定义科学领域的发现，例如提出新的物理定律，解决长期未解决的数学难题，或发现全新治疗方法。这些成就需要真正的原创思维，而非仅仅是现有知识的重组。 然而，这一标准也引发了一系列问题：如何验证AI产生的新理论？如何确保这些发现的可靠性？如何在保持原创性的同时确保科学严谨性？这些问题突显了建立适当评估和验证机制的重要性。 超级科学智能的出现还将引发深刻的哲学和伦理问题。如果AI能够做出人类无法理解的科学发现，我们如何验证其正确性？如果超级AI提出的理论挑战人类的科学范式，我们该如何应对？这些问题触及科学本质和人类认知的基础。 我们设想AGS系统可以催化科学探索的变革性转变，促进更有效和创新的方法，能够克服当前障碍，并最终以前所未有的方式推进科学进步。 这一远景，虽然雄心勃勃，但随着AI和机器人技术的飞速发展，正逐步从科幻变为现实。 总结：科学与智能的新纪元 人工智能与机器人的融合正在开创科学研究的新时代。自主通用科学家（AGS）的概念代表了一个前所未有的范式转变，它将重塑知识发现的方式、速度和边界。 通过整合AI代理的认知能力与机器人的物理操作能力，AGS系统有望克服传统科研中的根本性限制，实现从文献综述到假设生成，再到实验执行和论文撰写的全流程自动化。 本文探讨的科学发现新扩展定律揭示了一个关键洞见：随着AGS系统的广泛部署，科学进步可能遵循与人类主导时代完全不同的增长曲线。 这种转变不仅意味着研究速度的加快，更重要的是标志着科学探索边界的拓展——从极端环境到微观世界，从跨领域交叉到全新理论构建。 知识飞轮效应的加速将引发科学发现的爆炸性增长，推动人类文明进入一个知识爆炸的新时代。 为了适应这一新范式，学术生态系统也需要进行相应调整。aiXiv等专门为AI和机器人科学家设计的平台将重塑科学评价体系和知识传播模式，确保科学严谨性和创新性的平衡。 同时，科学发现能力作为超级智能的评估标准，为理解和发展先进AI系统提供了新的视角。 重要的是，AGS不应被视为人类科学家的替代品，而是强大的研究伙伴。这种协作关系将结合AI的计算能力、记忆容量和跨领域整合能力，以及人类的创造性思维、直觉和道德判断，共同推动科学边界的扩展。 正如物理学家理查德·费曼所言：「科学的乐趣在于发现事物的工作方式，而非证明你已经知道的事情。」 AGS系统将为人类提供前所未有的工具，探索未知、解答谜题、拓展知识边界。 未来的研究方向包括AGS系统的实际实现、性能评估和社会影响分析。随着技术进步，我们需要不断反思并调整AGS系统的设计和应用，确保它们服务于人类福祉和科学进步的共同目标。社会、伦理和监管框架的发展同样重要，以确保这场科技革命带来的是机遇而非风险。 这只是探讨这一激动人心主题的第一步。我们将深入探讨科学发现的新扩展定律及其对科研生态的影响，AI与机器人科学家的技术实现路径，以及这一范式转变对社会、经济和教育的广泛影响。科学与智能的新纪元已经拉开帷幕，让我们共同期待这一旅程将带领人类文明到达何方。

图片来源：Unsplash Instagram联合创始人凯文·斯特罗姆（Kevin Systrom）近日公开批评当前AI聊天机器人行业陷入“数据泡沫”陷阱——通过高频追问用户“诱导互动”以美化运营指标，而非专注于提供真正有价值的答案。 在StartupGrind大会上，斯特罗姆直言这种策略是“一股伤害用户的势力”，并将其类比社交媒体公司早年激进扩张时期的策略：“你会看到某些AI公司正在掉进消费互联网公司曾深陷的‘互动量黑洞’。每当用户提问结束，系统总要追加一个诱导性问题，试图榨取更多对话次数。” 核心矛盾：AI公司陷入“互动量陷阱”？斯特罗姆指出，聊天机器人过度追求“黏性”并非技术缺陷，而是AI公司为炫耀“用户使用时长”“日活量”等指标刻意设计的机制。 他强调，行业应“聚焦于提供高质量答案”，而非用“最低成本的方式刷数据”。 这一批评恰逢ChatGPT因“过度礼貌”遭用户质疑。此前有用户抱怨该AI常在未充分解答问题时主动建议“是否需要更多帮助”，被指拖延对话节奏。OpenAI对此致歉，称问题源于“用户短期反馈的误导性优化”。 针对争议，OpenAI向TechCrunch提供其用户交互规范文件，其中明确：“当AI模型缺乏足够信息时，应主动请求用户补充细节。”但文件同时强调，除非问题过于模糊或复杂，否则系统应“优先尝试回答问题，再提示需要哪些额外信息以优化结果”。 斯特罗姆虽未点名具体公司，但其言论直指当前AI行业的普遍困境：当资本押注“用户增长神话”，技术伦理与实用价值正面临系统性妥协风险。正如社交媒体平台曾因追逐“点赞”“转发”引发信息茧房危机，AI公司若沉迷“互动量竞赛”，或将重蹈覆辙。 参考资料 https://techcrunch.com/2025/05/02/ai-chatbots-are-juicing-engagement-instead-of-being-useful-instagram-co-founder-warns/ 编译：ChatGPT

AI产品一季度的烧钱大战已经告一段落，纯粹的模型能力竞赛似乎正进入平缓期，大模型之间数据质量的差距在迅速缩小，开源模型的技术壁垒难以形成，导致AI应用至今走不出一个超头部。 大厂们逐渐走向2条路。 呼吁“AI行业要避免掉入‘超级应用陷阱’，不是只有10亿日活的应用才叫成功”的李彦宏，仍然坚信AI应用会在B端率先爆发，并加速深耕B端场景。 而上个月接受采访的OpenAI的奥特曼在，却直言“五年后更值钱的是拥有10亿日活的互联网产品，而不是最先进的模型”。坐实了其在X上公开回应“OpenAI可能会做一个社交应用”的可能性。 无独有偶，隔着个太平洋，近期Kimi、元宝也相继曝光了自家的社交产品。瞄准社交网络和社区，成为AI新贵的共同选择。 AI大厂们做了些什么？ —— 一个“新”社区？ 中文互联网诞生过非常多产品形态，其中最古早也最“长命”的元老级产品，“社区”算其中之一。 从早期真正算得上走进大众视野的，是清华大学创建的校园BBS“水木清华”——这里曾汇聚了一批代表着中国高校的高知分子，还走出过初代网红“芙蓉姐姐”。 图源：网络 当时的“社区”，更多被称为网络论坛，即后来的猫扑、天涯、虎扑……然后是豆瓣、知乎，以及现今早已不知迭代了几轮的B站、小红书。即使前浪们早已打翻在沙滩上，但“社区”这一产品模式仍几乎贯穿了国内互联网从起步到PC时代，再到移动互联网的全程演变，直到今天依旧存在。 图源：网络 从某种程度上来说，一个能吸引大量具有共同兴趣或需求的用户聚集在一起的产品、一条得以沉淀下来的用户关系链，都具备着成为超级入口的潜力。 AI应用想要做“超级入口”，那瞄准社区，便理所应当。 从DeepSeek爆火后，元宝靠着蹭流量“后来居上”，豆包靠着抖音极速抢占了县城父母的心智，而没有好大爹帮衬的Kimi在投流上多少有点力不从心，这几个月甚至可以说都快消失在互联网了。 最近Kimi终于有了新动静。 据悉Kimi正在小范围内测一款“社区”产品，从网上曝光的截图可以看出，Kimi直接在App首页为社区分出了一个一级入口——与顶部的聊天机器人并列，分出了“Kimi”和“发现”两大入口。 社区部分和朋友圈类似，以用户分享的内容和评论为主，以瀑布流的形式呈现。同时还多了一个个人主页，除了个人信息，还会显示用户发过的动态和赞过的内容。 从网传截图中，社区内容除了用户直接分享的与Kimi的问答结果，也能分享一些个人图文。 几乎所有内容下都会有个“Kimi一下”的评论员，基本可以确定是Kimi的AI评论助手，类似微博的“罗伯特”。 值得注意的是，不同于“罗伯特”的插科打诨，“Kimi一下”的评论大多在与引导用户对内容话题进行深度挖掘和探讨，比如有用户发了几张风景照，配文“发一些媳妇的存货”，“Kimi一下”的回复是“这类内容的高传播性反应了什么社会心理？” ——梦回初中那些原作者都答不出的阅读理解。精英式文化的内容氛围几乎媲美2015年的知乎。 图源：小红书 同样指向社区的还有OpenAI。 据外媒报道，OpenAI 正在研发一个类似X（前推特）的社交网络。项目重点是 ChatGPT 的图像生成功能和社交信息流，尚不清楚这个项目是作为独立应用发布还是整合进 ChatGPT。 此前在Meta计划推出独立的AI应用，并计划将其与社交信息流结合的消息传出时，当时 奥特曼便在X发文：“我们也可能开发一款社交应用。” 但目前并未有新消息传出。值得注意的是，早在Sora上线时，其左侧菜单栏就已经有了名为“Explore”的类社区空间，该板块会展示其他用户生成的图片或视频，底部会直接告知相关提示词，用户可以点赞但没办法评论——这或许会是OpenAI社交应用的早期形态。 目前用户分享的内容以梗图为主 —— 一个“新”好友？ 不同于Kimi的社区形态，腾讯的元宝仍选择抱住微信这条大腿。 近期，在微信搜一搜接入元宝后，元宝再以微信AI助手的形式“深耕”微信生态。用户只需要在搜一搜搜索“元宝”，就能直接以添加联系人的方式，添加元宝，至用户的聊天列表中，日前已全面上线。 除了基础问答，“好友”元宝也支持一键解析公众号文章和任何图片和文档，用户只需要将公众号文章直接转发给“微信好友”元宝，基础概述后，元宝也会给出详解的页面。整体使用体验和元宝App并无太大差别。 我们不可否认AI在如今互联网发展中的确定性，但正如新榜数据，真实的AI应用现状是，国内头部AI应用中表现最好的DeepSeek，月活用户也仅是逼近2亿。AI产品渗透率极低，可能很多人根本没用过AI，更不用说每天高频次地与AI交互。 虽然都有自研大模型，但区别于Kimi、DeepSeek这种创业公司，腾讯的核心竞争力一直在于其庞大的生态系统，如社交、游戏、内容、支付，而非单一技术能力。 将元宝接入微信生态，几乎等于0成本地就能元宝AI嵌入了13亿用户的日常。 某种程度上来说，元宝甚至只需要做好前期的投流的工作，通过猛砸钱把用户心智培养起来，让微信用户知道元宝这个AI应用，便能自然而然地在微信生态中自然使用。只要用户知道了、进来了，那几乎不太需要考虑留存，毕竟国内社交应用Top1这个位置，微信真的坐太久了。 豆包其实也是这个打法，早在微信上线“好友”元宝之前，抖音就曾在其App的消息页，即聊天列表中新增“豆包”智能助手。但值得注意的是，用户并无法将在抖音刷到的视频分享给豆包。 在元宝起势前，豆包还是国内用户最多的ToC AI产品，靠着抖音这个流量杀器，整整霸榜了大半年。但奈何，在做生态布局这件事上，微信的入口，就是护城河。 AppGrowing数据显示，今年一季度，科技大公司与明星初创公司花在AI产品投流上的费用合计约18.4亿元，其中元宝的广告投放金额就高达14.26亿元，是豆包1.38亿元的10倍。 国内社交应用永远只有一个Top 1，豆包、元宝的产品路径并不具备复制性，没有好大爹的Kimi，也只能选择靠自己。 怎么就死磕社交了？ 投流烧不出忠诚度。互联网大厂都明白这个道理。 这里的忠诚度指的就是怎么把用户留下来。 互联网有句“老话”：互联网的尽头是社交，不论是什么产品，到后期总是想办法加上社区功能，要么就是单独做一个社区产品出来。从早期的阅读社区到社区App，从拼多多的“拼小圈”到支付宝“兴趣社区”——其中工具类产品更是从未停止过试水社交。 对于用户来说，大多数工具类产品满足的都是特地场景下的即时需求，它们缺少内容，缺少像抖音、小红书那种，能通过内容信息流和大数据算法，持续吸引用户的能力。 单一功能的产品容易被替代，而社交化构建的多维场景才能让“用完即走”变成“沉浸式停留”。 而AI应用如今面临的就是用户留存的问题——当用户在你的应用中找不到可以留下来的场景，那意味着他们随时会离开，去找新的替代应用。 大厂们不会愿意将自身置于这种被动位置。当领先者难以甩开追赶者，此时，真正的护城河便在于应用层的用户黏性。 “社区”的作用便在于此。 人类作为群居动物，天然需要归属感与认同感。互联网社区化本质上是将现实中的血缘、地缘关系转化为以兴趣、价值观为纽带的虚拟部落。 通过建立用户之间的关系链和互动机制，“兴趣圈层”的诞生能让用户更频繁地使用产品。用户不仅会因为自己的需求而来，还会因为社区的互动和归属感而停留更久。豆瓣小组的垂直兴趣聚合就是典型例子。 社交关系一旦沉淀，用户迁移成本极高，形成“护城河”。 而对AI应用来说，社交功能能够产生大量的用户行为数据和互动数据，这些数据对于产品的优化和改进具有重要价值。AI应用尤其需要大量的数据来训练和优化模型。 让内容“流动”起来，营销需要，AI更需要。 香但难啃 社交无疑是一块极具诱惑的小蛋糕，但它同样也是块“难啃”的硬骨头。 前两年，互联网大厂们曾争先恐后地推出不少社交产品。字节的“识区”“抖音盒子”、淘宝的“友啥”、阿里的“态棒”；红极一时的元宇宙领域里360的“N世界”、百度的“希壤”；此外还有新浪的“Hobby”…… 图源：人人都是产品经理 结局就是，上面那些你可能一个都没听过。 目前关于Kimi的社区功能流传出的图片并不多，此前曾有网传消息称4月底会正式上线，但如今看来，可能仍在测试中。 社区要做的第一件事是理解用户。 而Kimi需要问答的问题是，我的用户是什么样的？我要做的是一个UGC社区还是PGC社区？ 因为大部分社区的内容泥沙俱下，所以早期靠着优质内容起家的知乎、B站以及后来的即刻才显得珍贵，但最后前两者均因为赚钱效率太低“违背初心”。 在社区自我成长之前，如何帮助用户建立认同感，形成属于自己的文化氛围与基调？在没想清楚之前，Kimi或许都难以称之为一个真正的社区。 社区化是互联网产品突破增长瓶颈、构建竞争壁垒的战略选择，但其成功需满足三个条件：精准的用户需求洞察、可持续的内容生产机制、商业价值与用户体验的平衡。 某种意义上来说，社区不仅是功能附加项，而是重构产品底层逻辑的核心引擎。

快科技5月4日消息，RTX 5060 Ti 8GB已经是姥姥不疼舅舅不爱，ComputeBase的最新测试又给它的棺材板钉了一颗钉子，针对大量游戏下的实际体验和PCIe 5.0/4.0对比做了仔细。 测试游戏一共27款，分辨率2K，在其中12款游戏中，RTX 5060 Ti 8GB都很完美，没任何问题，对比16GB也没什么差异。 11款游戏中，RTX 5060 Ti 8GB遇到了大大小小的问题，包括帧率偏低、略有卡顿等，但整体还能接受。 还有9款游戏，RTX 5060 Ti 8GB就不行了，出现了各种爆显存问题，包括《龙腾世纪》《印第安纳琼斯》《蜘蛛侠2》《上古卷轴4：湮灭重制版》。 从《最后生还者第二部》《上古卷轴4：湮灭重制版》两款游戏的帧延迟曲线中，可以明显看到，RTX 5060 Ti 8GB不但整体延迟偏高，偶尔还会急剧增加，直接表现就是画面会突然卡住。 所有游戏综合，8GB相比16GB平均帧率低了12％，帧延迟则落后17％。 RTX 5060 Ti仅支持PCIe 5.0 x8，但不是所有的住吧都支持PCIe 5.0，而换到仅支持PCIe 4.0的老板子上会怎么样呢？ 测试显示，RTX 5060 Ti 16GB搭配PCIe 4.0 x8，性能毫无损失，但是换成8GB的话，平均帧率损失了12.5％，帧延迟则损失了14.5％。 所以，有一定追求的主流游戏玩家们，碰到8GB显存就绕道走吧。

IT之家 5 月 4 日消息，法国卢浮宫官网发文，宣布将于今年 9 月停止租借“任天堂 3DS 语音导览设备”服务，官方称届时将启用“一款全新语音导览器”替代，但具体细节尚未公布。 IT之家注意到，法国卢浮宫在 2012 年与任天堂合作，引入带有特制卡带的任天堂 3DS 游戏机作为现场“语音导览设备”，用户支付 6 欧元（IT之家注：现汇率约合 49.2 元人民币）即可租赁。 据介绍，相应游戏机印有卢浮宫定制标示，内置的导览卡带支持英语、法语、西班牙语、意大利语、葡萄牙语、德语、日语、韩语及中文九种语言讲解，可介绍馆内艺术品、讲述宫殿建筑历史，并提供“精选艺术品高清图像放大功能”、室内定位追踪功能，受到许多用户欢迎。 ▲ 图源外媒 nintendosoup（下同） 综合任天堂官方公告，3DS 游戏机已于 2020 年停产，目前系列游戏机的官方维修服务也已终止，法国卢浮宫淘汰相应产品也在意料之中。

秋季发布会 是重点 按照惯例，每年秋季发布会前半年，当年的新 iPhone 就已经基本定型了，随之而来的是明年 iPhone 的消息。 但现在，应该是爆料最热闹，也是最特殊的一次，各个爆料人你方唱罢我登场，互相印证又互相推翻——无他，iPhone 的二十周年要来了。 为了庆祝这一里程碑，苹果做了诸多准备，其中包括一直传闻中的折叠屏 iPhone，也已纳入苹果的规划。 另一方面，近年来 iPhone 的产品线不断扩展，已经逐渐形成了高、中、低三档的五种机型搭配，在迎接 iPhone 二十周年之际，苹果也计划做出一些调整，以更体面、更有序的方式迎接属于 iPhone 的重要时刻。 在这个过程中，有陆续推出的三款机型，可能会决定苹果的未来。 关注爱范儿，发现更多明日产品 iPhone 发布策略大改，为折叠屏铺路 我们先将目光转向 2026 年，也就是明年。 传闻已久的可折叠 iPhone 将会在这一年推出，此前，天风证券分析师郭明錤在他的 X 推文爆料称，苹果的折叠屏 iPhone 项目已经提速，大尺寸的折叠屏手机或许将在明年与我们见面，售价或在 2000 美元以上（约合人民币 15000 元），是定位最高阶的 iPhone。 据爆料称，折叠屏 iPhone 将采用左右折的 book style 设计，这是目前主流的折叠屏手机形态，手机屏幕左右展开，从 5.5 英寸屏幕变成 7.8 英寸屏幕。 折叠 iPhone 的折叠厚度大约在 9 毫米到 9.5 毫米之间，展开后能保持在 4.5 毫米至 4.8 毫米，这个数据比目前三星最新的折叠屏 Galaxy Z Fold 6 更薄，大约介于 OPPO 新推出的 Find N5 与华为 Mate X6 之间，可能与小米 Mix Fold 4 差不多。 折叠屏，讨论最多的就是「折痕」。 尽管实际体验下来，成熟的折叠屏手机屏幕折痕都不太影响日常体验，但对于美学自成一派的苹果而言，「折痕」是必须要解决的问题。 此前我们写过相关的文章，无折痕技术最初出现在折叠 iPad 的原型机上，根据一系列的专利来看，这种无折痕的关键技术在于在铰链空档处填充特殊的材料，以达到屏幕打开后的无折痕效果，而这种技术很可能出现在折叠 iPhone 上。 与折叠 iPhone 尺寸大小同样受到关注的，是折叠 iPhone 的解锁方式。 之前对于折叠屏的解锁方式也众说纷纭，主流爆料和推测都认为折叠 iPhone 将会重新采用侧边 Touch ID 的解锁方案，但 The Information 最新的爆料指出，之前的爆料可能并不准确，苹果并不打算吃回头草，折叠 iPhone 将依旧采用 Face ID 的解锁方案。 虽然苹果在三星与华为入局折叠屏七年后才打算推出首代折叠 iPhone 的消息非常引人注目，但有消息称初代折叠 iPhone 的量产可能会是地狱难度，我们最快会在 2026 年底看到这款折叠 iPhone，但真正要能买到，可能得等到 2027 年。 除了折叠 iPhone 之外，2026 年的主力依然是一直以来的 Pro Max 和 Pro 两款旗舰机型。 而恰好，这两款机型最近也有了新的消息。 Display Supply Chain Consultants 早在 2023 年披露，iPhone 18 Pro 和 Pro Max 将采用一种新设计：Face ID 则隐藏于屏幕之下，而前置摄像头则在屏幕左上角通过挖孔设计保留，这是为 2027 年的二十周年做准备——届时，前置摄像头也将藏在屏幕下，实现真正意义上的全面屏设计。 除了折叠 iPhone 的详细信息与 Pro 系列可能迎来的屏下 Face ID，2026 年更大的变化，也许是苹果发布策略的改变。 如果将折叠 iPhone 也算在内，苹果已经有六种不同机型的 iPhone 了，分别是： 超高端新贵折叠 iPhone 高端旗舰 Pro Max 与 Pro 新秀超薄 Air 中端的标准版 入门级别的 E 五个定位，六款机型，高低交错，虽然将 iPhone 的定位扩充到比以前更宽阔的价位，但也造成了一定的混乱和冲突。 苹果的对策很简单——分而发之。 六个机型同时发布的盛况可能不会出现 据 The Information 爆料，从 2026 年开始，苹果将会调整 iPhone 产品线的发布时间，Pro Max 与 Pro 这两个旗舰机型将依旧在 2026 年秋季发布会推出，超薄的 Air 机型也会在同一时间发布，但标准版将会推出到次年春天，也就是 2027 年的春季与 iPhone 18 E 一起推出。 也就是说，同样是第十八代 iPhone，iPhone 18 Pro Max、iPhone 18 Pro 以及 iPhone 18 Air 三个价格更高的机型将会在 2026 年的秋季发布会，而相对性价比一些的 iPhone 18 标准版与 iPhone 18 E，将要晚上半年左右才能与大家会面。 这种方案与国产手机常见的先发旗舰标准版，再发旗舰超大杯的做法恰好相反，但与自家先发 MacBook Pro，再更新 MacBook Air 的方案有些类似。 iPhone 发布策略的改变，其实是一种欧亨利式的结局——意料之外，情理之中。 一方面，iPhone 的机型在近几年的演变中，已经逐渐扩充得越来越多了，要是一口气发布六款不同的 iPhone，并不利于单个机型的热度和销售，也不便于用户选择； 而另一方面，六款 iPhone 的分散发布也有助于苹果维持品牌热度，并更有效地利用空闲生产线，确保全年稳定的生产和设备利用率，一举解决以前一二季度的生产线冷淡问题。 此后，我们就要迎来一年多 iPhone 的时代了。 根据目前的爆料来看，2026 年将是精彩纷呈的一年。但无论是折叠 iPhone、Pro 系列的屏下 Face ID，还是 iPhone 发布策略的变化，都是苹果为接下来的 2027 年，也是 iPhone 的二十周年，埋下的伏笔。 iPhone 二十周年要有大更新？一切还悬而未决 2027 年，这是一个对于苹果与用户来说都颇为特殊的年份。 十年前的 2017 年，苹果迎来了 iPhone 的十周年，顺势推出了 iPhone X 这一以罗马数字为型号的十周年版本，用 Face ID 代替 Touch ID，一举步入全面屏时代，奠定了接下来苹果十年的基础。 而在 2027 年，我们也有可能看见下一个十年，苹果对 iPhone 的看法。 在上半年 iPhone 18 标准版与 iPhone 18 E 的预热后，我们不出意外会在秋季发布会上看到折叠 iPhone 与 iPhone 19 的到来。 同样是来自天风证券分析师郭明錤的消息，如果第一代折叠 iPhone 较为「顺利」，那么折叠 iPhone 可能会成为常规阵容的一员，并在 2027 年下半年开始量产，进行优化迭代，而二十周年的另一部分，则要将目光放到 iPhone 19 上。 由于为时尚早，iPhone 19 还没有一个完全明确的概念，目前能窥见的，只有采用完全体全面屏，隐藏前置摄像头与 Face ID 的可能，但我们还是听到一个有意思的新消息—— 彭博社 Mark Gurman 爆料，如果今年推出的 iPhone 17 Air 成功，苹果将重新尝试「无接口」手机；同时，苹果也计划在 iPhone 的 20 周年之际，推出一款「大胆」设计新手机，实现乔布斯「魔法玻璃」的理想，因此可能将去掉接口。 愿景很美好，但先别急着激动，爱范儿之前的文章同样的梳理过，无接口手机面临的问题还很多。 从小了来说，MagSafe 的充电速率与发热依旧是个麻烦，从推出至今都还没解决，往大了看，越做越差、常被吐槽的 AirDrop 还没有做好完全承担数据传输的重任，实体接口依然有着自己不可替代的理由。 此前，苹果其实不是没有尝试解决充电与数据传输的问题，但苹果布局的依靠可见光频段，支持高宽带传输的 Li-Fi 可见光通讯技术非常依赖光线的传递，不能被阻隔，用在小型设备上充满了不确定性； 另一方面，与 Energous 隔空充电技术企业合作的无线射频充电尝试也不了了之，暂时看不见实用的希望。 哪怕技术上的问题都解决了，在商业上，也有前置条件——iPhone 17 Air 能获得成功。 苹果现在正夹在一个尴尬的境地：一方面，iPhone 没有摆脱所有行业的趋势，在十几年后更新逐渐缓慢停滞，从早期飞跃式的更迭变成现在需要将视野拉长到数代才能看出明显差别； 另一方面，苹果在手机市场上已经从乔布斯手下锐意破局的搅局者变成一个坐拥十几亿用户的巨无霸公司，任何改动都牵扯甚广，需要深思熟虑才能决定。 此时，iPhone 17 Air 的成功与否，就是苹果的投石问路——消费者是否对这样的创新买账？是否愿意为了设计或是时尚属性，舍弃影像或续航等硬性条件？ 如果获得苹果心目中的理想回答，无接口的 iPhone 才会有可能真的来到我们眼前。 换句话说，二十周年的 iPhone 怎么样，还要看今年。 iPhone 二十周年的走向，还得看今年的 iPhone 17 Air 在看完了未来两年的苹果更新规划后，我们将目光又转回 2025 年。 秋季发布会即将到来，iPhone 17 系列的脚步也随之越来越近了，我们先来看一下目前已有的信息： iPhone 17 全系将搭载 2400 万像素前置摄像头，1200 万像素的前置摄像头即将成为历史，而 Pro 系列的两台机型更进一步，在主摄、超广角镜头都升级为 4800 万像素后，将长焦镜头也升级到了 4800 万像素，至此，Pro 系列的影像阵容已经全面配备 4800 万像素。 与升级的长焦镜头对应的，是变大的影像模组，根据供应链源源不断的消息，iPhone 17 Pro 系列机型的外观与此前的爆料基本一致，配备置顶长矩阵影像模组，闪光灯与 LiDAR 传感器移动到镜头的另一侧。 The Information 的爆料还进一步指出，iPhone 17 Pro 系列的重点不止于这颗长焦，更可能在于视频性能上，两台机型支持 8K 视频录制，还可能支持同时使用前置和后置摄像头录制视频，以便在社交平台分享。 之前有消息称，iPhone 17 Pro 系列可能会搭载物理可变光圈，除了目前已经得到广泛运用的虚化、星芒效果外，我认为 iPhone 搭载可变光圈最大的作用，是帮助手机在拍摄视频时更精准地控制进光量，进而控制拍摄视频的快门速度。 但遗憾的是，这个功能与普通用户的关系依旧不大。 目光转向今年的新型号——iPhone 17 Air，正如前文所说，虽然 Pro 系列依旧是目前苹果的拳头产品，但在即将到来的 iPhone 二十周年面前，这台 6.6 英寸的超薄新机才是那个承担重任的角色。 根据之前的爆料看，为了实现「超薄」的设计，iPhone 17 Air 将仅配备一个 4800 万像素的主摄，只有一个扬声器，同时电池也有些缩水，最后达到 5.5 毫米左右的整机厚度。 而有趣的是，最新的爆料显示苹果正在搞一个离谱的操作——为了应对妥协设计而产生的续航缩水问题，苹果正在开发一款专为该机型设计的手机壳，壳内集成电池组件，可作为配件供用户选购，这款电池壳已经在开发中。 也就是说，苹果将 iPhone 17 Air 摆在我们面前，骄傲地讲：为了极致的轻薄，我们缩减了电池容量，如果你需要额外的续航，只需要花钱买个电池壳，你就可以获得一台完全不轻薄的 iPhone 了——高情商地讲，这也是苹果为选择了轻薄的用户提供一个长续航的选择吧。 另一方面，iPhone 17 Air 还有一个重要的特点，就是完全移除了 SIM 卡槽，仅支持 eSIM 方案，这可能会在中国市场面临挑战，目前中国监管机构尚未批准仅支持 eSIM 的智能手机销售。 不过根据爱范儿的了解，在三月末，中国联通的 eSIM 专区的 iPhone 专用界面，曝光了为 iPhone 办理 eSIM 独立号码的申请流程，这个号码可以直接使用流量上网，可能是为了 iPhone 17 Air 入华做准备。 iPhone 17 Air 的细节几乎已定，网络上也涌现了不少声音。 一部分用户认为，iPhone 17 Air 的部分特性正中他们的需求：不需要强悍的影像，只要能扫码、足够轻薄的机身、不小的屏幕，完全合心意； 但也有一部分人认为，这款机型舍弃了太多重要的硬件配置，特别是电池续航，让他们难以接受。 但这些呼声并不能预言 iPhone 17 Air 的最终下场，毕竟「叫好不叫座」或是「不叫好却叫座」的事情，在这个行业从不少见。 此外，还有一些行业内的消息也许可以提供一些参考： 据知情人士透露，亚洲的苹果供应商目前大部分产能将用于生产 iPhone 17 Pro Max 和 Pro，分别占总产量的约 40% 和 25%，只将大约 10% 的产能分配给 iPhone 17 Air 这款全新超薄机型，原因就在于它的市场需求仍极具不确定性，剩余的产能将分配给标准版 iPhone 17。 这个数据的背后，是不是也藏着苹果对新机型的信心还存在一定的考量问题？我们不得而知。 将时间线再拉长一些，其实 iPhone 17 Air 与 Jony Ive 设计的全 USB-C MacBook Pro 一样，这是一台为了设计妥协的产品。 不过，它出现在竞争激烈、施展空间更为狭隘的手机市场，环境的差异使得它肩负的任务与当时的 MacBook Pro 完全不同—— MacBook Pro 的全 USB-C 接口是苹果试图引导接口规格统一而做出的大胆尝试，而 iPhone 17 Air，则是苹果在试图重振占公司营收超过一半的 iPhone 销量时的谨慎试探。 如果顺利，iPhone 的二十周年，我们也许可以顺利看到「魔法玻璃」般的 iPhone 出现，但要是不顺，二十周年，甚至下一个十年的 iPhone 将会走向何方，也许就需要重新观察了。

苹果将会在今年推出号称是史上最轻薄iPhone的iPhone 17 Air手机，在性能上与iPhone 17等手机相差不大，包括照相等功能也是处于同一水平，然而由于苹果在电池选择上偏向于保守，因此作为轻薄的代价，iPhone 17 Air在续航表现上将会有很大的妥协，因此现在有消息称苹果考虑为这款手机准备充电保护壳，以提升iPhonne 17 Air的续航时间。 据悉苹果内部对iPhone 17 Air以及其他的手机进行了测试，苹果的测试标准是，让测试人员日常使用一整天，如果能撑过一天的时间，那么就算测试成功，而根据相关的统计，使用iPhone 17 Air的测试人员中，只有60%-70%的用户能够完整地使用一整天，至于其他的iPhone 17手机，使用一整天消费者的比例超过了80%。显然iPhone 17 Air在续航表现上是远远不如iPhone 17 Pro等手机的，毕竟在不使用最为先进的材料的前提下，iPhone 17 Air的电池容量明显要小得多。 估计苹果也在内部看到了iPhone 17 Air在续航上的糟糕表现，因此计划为其打造一款专属的充电保护壳，能够额外延长手机的续航时间，来让这款手机满足一天的日常使用。当然消息还称iPhone 17 Air将会在全球采用统一标准，那就是取消实体SIM卡，仅保留eSIM接口，考虑到联通已经在进行eSIM卡的测试，估计是提前得到的消息，届时三大运营商应该会同步开发eSIM卡给用户使用。

快科技5月4日消息，残酷的竞争和现状让很多人担心Intel显卡做不下去了，但是第二代B500系列的出现终于让人心安，只不过更高端的B700系列一直没有下文，这和Intel、AMD从高到低的打法完全不同。 不过好消息传来，代号Celestial的第三代显卡Xe3，已经有了新的突破。 根据从Intel员工职业文件挖掘出来的信息显示，针对Xe3独立显卡的底层系统软件和设备驱动，已经在开发中，使用的是C++语言。 同时，用于xe3显卡的电源管理单元的预芯片硬件模型，也已经建立起来，并完成了从Ruby语言向C/C++语言的启动、重启信号路径的迁移。 虽然都只是一些局部开发工作，但无疑证明，Xe3仍在正常推进中。 综合来看，Xe3已经进入预验证阶段，主要是基于硬件模拟的最终调整，首批芯片样品的生产可能很快就会开始。 Intel Fellow、Xe显卡发言人Tom Peterson此前曾确认，Xe3的设计和开发工作已经完成，正在等待首批芯片样品。 从最初的路线图来看，Xe3应该能达到Intel、AMD高端显卡的水准。

快科技5月4日消息，随着科技不断进步和口腔健康知识的普及，电动牙刷已经成为越来越多人的日常生活用品。 不过，网上有种说法称“长期使用电动牙刷会伤牙，导致牙齿变薄或牙龈出血”。 近日，由北京市科学技术协会、北京市委网信办、首都互联网协会指导发布的4月“科学”流言榜给出真相：电动牙刷正常使用不会伤牙，更不会导致牙齿变薄或牙龈出血。 该榜单指出，事实上，电动牙刷的振动频率稳定，能够更有效地去除牙菌斑，相比手动牙刷，反而能减少刷牙时的摩擦损伤。 牙齿变薄主要是由于牙釉质受损，而这通常与错误的刷牙方式、使用过硬的牙刷或过度用力刷牙有关，而不是电动牙刷本身造成的。 牙龈出血则往往是牙龈炎、牙周炎等口腔问题的表现，正确使用电动牙刷还能帮助改善牙龈健康，而非导致出血。 保护牙齿关键在于选择合适的刷头、力度适中的模式，并搭配正确的刷牙方式。 如果使用得当，电动牙刷不仅不会伤牙，还能帮助维持良好的口腔卫生，降低龋齿和牙周病的风险。 责任编辑：拾柒

快科技5月4日消息，AMD Zen5家族接下来还有两名重要成员，一是线程撕裂者9000WX系列，而是桌面的锐龙9000G APU系列，现在都有了进一步消息！ AMD最近更新了其Technical Information Portal(技术信息入口)，增加了新的产品类别，虽然仅供AMD内部人员访问，但泄露了一张截图。 其中可以看到的新品很多。 一是代号Shimada Peak的下一代工作站级的线程撕裂者PRO 9000WX，接口仍是sTR5，但暂未看到非PRO的发烧桌面级版本。 二是代号Gorgon Point的下一代桌面级的锐龙9000G APU，还有移动版的三个不同版本，Gorgon Point1/2/3，也就是Strix Point系列的升级版。 Gorgon Point将会移植于移动版Strix Point，也就是锐龙AI 300系列，升级Zen5、RDNA3.5架构，最多12个CPU核心、16个GPU核心。 至于更顶级的40个GPU核心的Strix Halo，不会来到桌面上。 三是代号Medusa1的疑似下一代锐龙AI 400系列，有望升级到Zen6架构。

快科技5月4日消息，据媒体报道，苹果即将在9月份推出iPhone 17 Air，其续航是历代iPhone中最糟糕的一款。 内部测试数据显示，仅60%-70%的用户使用iPhone 17 Air时能做到一天一充，其它iPhone机型的续航则能满足80%-90%的用户需求。 报道指出，iPhone 17 Air续航缩水的主要原因是机身过于轻薄，其厚度在5.5mm左右，是苹果史上最薄机型，电池容量还不到4000mAh。 为解决续航问题，苹果计划同步推出iPhone 17 Air配件——MagSafe外接电池，这款产品早已停产，如今为了缓解iPhone 17 Air用户的续航焦虑，苹果不得不重新投产。 值得注意的是，由于iPhone 17 Air采用了全新的设计、超薄的机身，供应链不确定市场能否接受这样一款全新机型，因此代工厂仅为iPhone 17 Air预留了10%的产能，更多的产能则是放在了iPhone 17、iPhone 17 Pro和iPhone 17 Pro Max这三款机型上。 另外，目前可以确定iPhone 17 Air后置单摄，配备单扬声器，并且没有物理SIM卡槽，仅支持eSIM。 责任编辑：振亭

快科技5月4日消息，据报道，2027年正值iPhone问世20周年，iPhone将迎来重大革新，知情人士称，苹果计划在2027年至少推出一款真全面屏iPhone，其前置摄像头和Face ID系统完全隐藏在屏幕下方，这一突破性设计将成为苹果发展史上的重要里程碑。 为实现这一终极形态，苹果将分阶段推进，2026年推出的iPhone 18 Pro系列将率先搭载屏下Face ID技术，前置摄像头会在屏幕上单独开孔，形成单挖孔形态，然后在2027年，苹果将前摄置于屏幕下方，最终打造成真全面屏iPhone。 业内人士分析，这项全屏幕技术大概率会应用于高端机型，因此2027年9月发布的iPhone 19 Pro系列将是苹果史上第一款真全面屏iPhone。 据悉，要想把前置摄像头和Face ID系统置于屏下，苹果首先要解决屏幕透光率问题，虽然红外光可以穿过显示屏，但是其透射率极差，如果强行将Face ID系统置于面板下方，人脸识别过程会慢很多，安全可靠性也会变得更差。 此前曝光的屏下Face ID专利显示，苹果通过删除一些子像素，让红外光穿过盖板，达到屏下人脸识别的目的。如果这套方案能够量产，那么20周年iPhone将是苹果史上最梦幻的高端旗舰。

IT之家 5 月 4 日消息，今年 4 月中旬英伟达推出了 RTX 5060 Ti 16GB 和 8GB 两款显卡，其中 16GB 显存版本凭借其较大的显存容量，获得了相对积极的市场反馈。而 8GB 显存版本却因显存容量太低，在低分辨率下也面临性能瓶颈，引发了诸多争议。除此之外，8GB 显存版似乎还存在另一个问题：安装在 PCIe 4.0 插槽上时，某些游戏的性能会下降。 据专业硬件评测机构 Computer Base 的测试结果显示，当 8GB 版显卡安装在 PCIe 5.0 主板上时，27 款游戏的平均帧率为 59.4 帧 / 秒（FPS），而当其连接到 PCIe 4.0 插槽时，平均帧率降至 55.82 帧 / 秒，1% Low 帧分别为 47.21 帧 / 秒和 43.93 帧 / 秒。 尽管从整体数据来看帧率下降并不显著，但在部分特定游戏中，性能下降比较明显。在所有测试的游戏中，有 8 款游戏的平均帧率和 1% Low 帧均下降了 5 帧或更多，性能降幅接近 9% 或更高。 据IT之家了解，RTX 5060 Ti 8GB 显卡定位为主流产品，其主要购买者往往是使用较旧主板的用户，这些主板可能尚未支持 PCIe 5.0。这些用户在升级显卡时，自然期望获得更好的性能表现。但如果他们喜欢的游戏恰好属于影响较大的那部分游戏，无疑会感到失望。 因此，许多评测者不再推荐使用 8GB 或更少显存的显卡，尤其是对于游戏玩家而言。英伟达推出 8GB 版本的 RTX 5060 Ti 显卡，说明在这一价格区间仍有一定市场需求。但如果消费者希望物尽其用，那么在选择显卡时，应尽量避免购买显存容量低于 12GB 的新显卡。

IT之家 5 月 4 日消息，魅族 Note 16 系列手机将于 5 月中旬发布，出厂搭载 Flyme 12 系统（Flyme AIOS 2），这也是 Flyme 系统大版本首次在非旗舰机型上首发。 根据官方最新预热，Flyme AIOS 2 系统搭载全新一代 OneMind 四大引擎： 瞬息流畅引擎：20 个应用连续启动 0 卡顿，内存使用效率提升 20%，应用平均启动速度提升 6%，内存抗老化性能提升 20%，重载场景并发性能提升 60%。 流光视效引擎：引入帧率精细化控制、毛玻璃缓存等技术，全面优化系统动画。 晶核能效引擎：通过短视频专项优化和温控 Boost 等技术，在触控滑动、短视频和夜间待机等诸多场景实现更佳功耗表现。 智愈修复引擎：智能识别功耗，内存，黑屏等问题并自我修复或提供处理建议。 IT之家注意到，官方此前发布的预热海报显示，星纪魅族 Note 16 系列 AI 手机将推出两款机型，其中一款后置八边形“奥利奥”相机模组，并采用直角边框设计（该机侧边配有一枚按键，考虑其所处位置，预计为 AI 按键或其他功能按键）。

快科技5月4日消息，近日，随着Android 16测试版的推出，谷歌正在开发的一种全新的桌面模式首次曝光。 据Android Authority报道， 技术爱好者 Mishaal Rahman已经在Google Pixel 8 Pro手机上成功测试了该功能。从体验来看，这一模式将使Android手机的使用体验更接近于传统的电脑。 当用户将手机通过数据线连接到外部显示器时，系统会自动显示类似于 PC的界面，新的界面中包含了完整的任务栏、状态栏，这也是与目前简陋版桌面模式的最大区别。 在全新的桌面模式中，App可以像Windows应用一样，随意调整大小、移动、排列。同时，用户可以在两个App窗口之间拖放内容，整体操作方式和PC非常接近。 Rahman提到，这一新功能可能不会在即将到来的Android 16稳定版中推出，但有可能在随后的季度更新中作为开发者选项推出。 此外，最近有报道称，Google可能会考虑将Chrome OS与 Android OS合并，从而提供更加统一的用户体验。 尽管目前尚未有官方消息，但这一计划可能会在本月的I/O活动中进一步释出。 随着这些功能的开发，Android的桌面模式未来将为用户提供更为灵活和高效的工作方式。