IT之家 4 月 13 日消息，谷歌 DeepMind 首席执行官 Demis Hassabis 在由领英联合创始人 Reid Hoffman 共同主持的播客节目 Possible 中透露，谷歌计划将旗下的 Gemini AI 模型与 Veo 视频生成模型进行融合，以此提升 Gemini 对物理世界的理解能力。 Hassabis 表示：“我们从一开始就将 Gemini 这一基础模型打造为多模态模型，因为我们有着构建一个通用数字助手的愿景，这个助手能够在现实世界中真正为你提供帮助。” 目前，整个 AI 行业正逐渐朝着“全能”模型的方向发展，这些模型能够理解和整合多种媒体形式。谷歌最新的 Gemini 模型不仅可以生成图像和文本，还能生成音频；而 OpenAI 在 ChatGPT 中的默认模型如今也能创建图像，包括宫崎骏风格的艺术作品。亚马逊也宣布计划在今年晚些时候推出一款“任意到任意”的模型。 据IT之家了解，这些“全能”模型需要大量的训练数据，包括图像、视频、音频、文本等。Hassabis 暗示，Veo 的视频数据主要来源于谷歌旗下的 YouTube 平台。他说道：“通过观看大量的 YouTube 视频，Veo 2 能够了解世界的物理规律。”此前，谷歌曾向 TechCrunch 表示，其模型可能会根据与 YouTube 创作者达成的协议，使用“部分”YouTube 内容进行训练。据报道，该公司去年扩大了服务条款的部分内容，以便获取更多数据来训练其 AI 模型。

米拉·穆拉蒂（Mira Murati）自从去年9月离开OpenAI，就一直在创造惊喜。先是还没成立公司就有投资者排队，紧接着Thinking Machine Labs成立，有三分之二的成员来自OpenAI。 如今，传闻中的10亿美元融资目标，已经提高到了20亿美元，目标估值约100亿美元。要知道，这是一个什么产品都没有的初创企业，如果融资成功，这将创下AI公司种子轮的纪录。 今年不过37岁的穆拉蒂，正在创造一支硅谷的新兴力量。 她不像OpenAI前首席科学家、同样创业并备受关注的苏茨克维那样带着“学院派”的气息，也不像马斯克那样激进和聒噪。从求学时代起就培养起来的多视角、多领域融合的能力，让穆拉蒂成为“六边形战士”。 人工智能、机械工程与人文，前沿技术与产品落地的能力，科技伦理安全与商业化的重视，理性与亲和力，都在穆拉蒂身上融合。 而她的初创公司TML，也没有走“创造超级牛的模型”的路，而是宣称要解决人类与AI协作的问题。 没有人知道，她的团队究竟会捧上怎样的成果，也没有人知道，奥特曼是否会面临出其不意的挑战，而他又该如何应对。 01 从阿尔巴尼亚到硅谷的权力之路 穆拉蒂出镜时总是穿着休闲，长发随意地散着，或者简单地扎起马尾辫，说话间深入浅出，状态松弛。能明显地听出来，她带有某种特别的异域口音。 那是由她的成长背景决定的。1988年，穆拉蒂出生于阿尔巴尼亚的一个小镇。后来她回忆时说，彼时的环境下，“一切都是平等的，知识的竞争非常激烈。”同时，数学和物理非常受重视，人文学科则不然。 而穆拉蒂的父母教文学，这也决定了穆拉蒂一方面对计算机、机械有浓厚的兴趣，另一方面也兼具多元的视角。 16岁时，穆拉蒂赢得奖学金，踏上异乡求学之旅。先是在加拿大佩尔森学院读计算机，后赴美深造，先后获得科尔比学院的文学学士学位和达特茅斯学院的工程学学士学位。跨国家、跨学科的教育背景为她奠定了扎实的理工基础和国际化视野。 2013年，25岁的穆拉蒂完成学业，进入特斯拉，担任Model X的产品经理。 与此同时，特斯拉正在开发AI自动驾驶辅助软件Autopilot的早期版本，穆拉蒂对AI在现实世界的更广泛应用产生了兴趣。 机械工程也好，人工智能也罢，抑或历史、哲学、科幻……在穆拉蒂的世界中，这一切并非泾渭分明的独立学科，一切都是可以求索的。同样地，“大厂”还是初创公司，对于穆拉蒂来说也并不重要。 三年之后，她选择奔赴下一站，进入增强现实初创公司Leap Motion（现更名为Ultraleap）工作，从事虚拟现实和人机交互方面的产品研发。 虚拟现实很激动人心，穆拉蒂看到了和计算机互动“像玩球一样直观”。但她也很快意识到，虚拟现实技术还远远没有成熟。 是时候重新起航了，这一次，穆拉蒂选中了OpenAI。 穆拉蒂的加入恰逢其时，立刻担起重任，成为“应用人工智能及合作伙伴关系副总裁”。那是在2018年，OpenAI正处在特殊的时期。他们用大规模数据和超算训练AI模型，但是钱是一个问题。联合创始人马斯克因为分歧在年初离开OpenAI，前Y Combinaor走到台前出任CEO，OpenAI经历了转型，拉来了微软这个大金主。穆拉蒂利用自己在产品管理和商业合作方面的经验，帮助OpenAI探索将AI技术产品化并建立外部合作伙伴关系。 随后的几年，穆拉蒂逐渐成为公司技术战略和产品开发的核心人物，并于2022年5月正式成为CTO。 ChatGPT在2022年11月底向大众推出，这个决定正是在穆拉蒂的推动下做出的。 这个做法不可谓不激进。在当时，科技公司对大众开放的，更多是一些工具类的应用，如谷歌助手的语音机器人版本Google Duplex。但OpenAI一直以来以组建基础设施，调整模型为主，并直接将大模型驱动的对话机器人推出市场，人人可用，免费。 “对话”，就是为了更好地收获反馈。 穆拉蒂认为，如果一直在AI实验室里“真空”研究AGI（通用人工智能），一来缺少大众反馈，难以确定方向是否正确，二来如果真的研究出AGI，再向大众释放，也会造成过大的冲击。 “我认为，以负责任、安全的方式将这些技术引入公众意识非常重要。” 穆拉蒂不仅是AGI 的信徒，更积极地致力于将其变为现实。AGI 本质上是具有更多人类特征和智能的人工智能，或者用 Sam Altman 的定义来说，是“我们尚未完全拥有的东西”。 这种方法使她成为“实践派”技术领导者，有别于谷歌和其他倾向于将研究限制在封闭群体内的公司。 这个技术决策，一举将OpenAI送上“神坛”。在大量的关注下，OpenAI获得了愈发重组的资金，收获了更多合作伙伴，也推动其产品加速研发。 02 权力斗争中的决断力与平衡术 OpenAI这家公司也好，人工智能本身也好，规模和影响力都在急速膨胀。 争议与分歧也在急速膨胀。 科研、使命与商业化之间如何权衡，人工智能发展与人工智能安全之间如何平衡，以及人工智能与人类之间如何和谐共处，众说纷纭。 尤其是在2023年，这样的争议带来巨大的噪声。马斯克联名呼吁暂停训练大型AI模型以评估安全，后创办了自己的AI公司xAI，旨在追求“可解释和对齐”的通用人工智能。在OpenAI内部，也有以苏茨克维为代表的研究者非常担忧AI安全性的问题。而奥特曼，则被外界认为更加醉心于公司的商业化，或者说，对于公司如何获得充足的资金继续前行表现出了极大的热情。 不同于大呼“AI毁灭人类”，也不同于“OpenAI使命不再”“商业化和安全相悖”，穆拉蒂依然秉持“融合”之道。一方面，穆拉蒂曾在马斯克执掌的特斯拉工作，这意味着她对马斯克崇尚的“大胆创新、快速行动”文化不陌生。另一方面，穆拉蒂也很关注AI安全问题，在OpenAI长时间和苏茨克维密切合作，后者侧重前沿研究突破，她侧重将研究转化为产品和推进安全措施。穆拉蒂多次在公开场合直言不讳，主张引入AI监管，在GPT-4出厂时表示“如果少一些炒作会更好”。 可以说，马斯克（尤其是在成立xAI之前）强调“控制AI以确保安全”，而穆拉蒂则更倾向于“在前进中解决问题”。 按理说，穆拉蒂的技术策略和奥特曼是高度吻合的——不排斥商业化，快速前进，同时尽量促进合规。 在2023年11月OpenAI那场震惊世人的“宫变”之前，穆拉蒂还没有那么大的知名度。 人们惊讶地得知，OpenAI的CEO居然被解职，而穆拉蒂被任命为临时CEO。更令人惊讶的是，很快，穆拉蒂带领员工反抗董事会作出的决定，呼吁奥特曼回归。苏茨克维很快被“揪出来”，成为这场“宫变”的“幕后推手”。 随着媒体的不断挖掘，背后的故事愈发复杂。 去年3月，《纽约时报》曾援引知情人士称，实际上，穆拉蒂曾向奥特曼发邮件，质疑其管理能力，并向董事会表达了她的担忧，直接促成了董事会的罢免行动。 彼时，穆拉蒂驳斥了这个说法，并称是前董事会的一些成员拉她当替罪羊。 随后，《华尔街日报》也发布报道，披露了更多细节，称是穆拉蒂和苏茨克维两个人向董事会质疑奥特曼的管理能力。穆拉蒂实际上提供了大量的事例来向董事会说明这一点。 其中一个事例是，奥特曼有害的管理风格多年来一直在给穆拉蒂制造问题，比如布洛克曼（另一位OpenAI联合创始人，且一直在研发前线奋斗）向她汇报工作，但每当她试图约束他时，他就会去找奥特曼。这让她几乎无法完成工作。 但有意思的地方在于，董事会开除奥特曼的动作太过突然，且语焉不详，导致OpenAI员工反弹剧烈。在这个时候，穆拉蒂和苏茨克维意识到，要让OpenAI不四分五裂的唯一方式就是奥特曼回归。于是，穆拉蒂要求董事会披露开除奥特曼的细节，后者没有做到后，她毅然站在了奥特曼一边。 也就是说，即便穆拉蒂和奥特曼在公司的技术战略上基本一致，但日常管理当中仍旧有很多分歧。在这样的背景下，穆拉蒂既向奥特曼直言，也向董事会反馈。但当董事会处理不当的时候，她选择支持奥特曼。 她知道什么是自己认同的，什么是自己不能苟同的，但同时，她对局势有非常敏锐的判断力，知道什么时候应该调整优先级。 在这样一通闹剧之后，苏茨克维陷入沉默，并最终离开，成立专注于AI安全的公司。穆拉蒂却通过出色的平衡与融合的本事，更加频繁地活跃在前台。 奥特曼回归OpenAI之后的将近一年时间里，两个人的合作甚至更加紧密。穆拉蒂更多地在台前为OpenAI的新产品宣传，经常面对一些很棘手的问题。同时，在外界穆拉蒂逐渐被人们所熟知，人们发现了ChatGPT背后隐秘的大佬，也发现了她不可思议的平衡术。 即便是谈话本身也透露着这一点，穆拉蒂可以谈得很深入，但同时说得清晰易懂。她不仅深入人工智能本身，也引入哲学家、社会科学家、艺术家等。她不向人们保证AI绝对不会替代人类工作，而是直言有些工作本身就不应该人类来做。 媒体开始将她称为“人工智能领域最有趣的人”，《时代》杂志评价她：“米拉·穆拉蒂可以非常直接地和你讨论人工智能的危险，同时还让你觉得一切都会好的。” 03 该走了 去年9月的一个早晨，穆拉蒂告诉奥特曼，她决定离开公司。 这对奥特曼来说是一个很糟糕的消息。 OpenAI刚发布了首个推理模型o1，且传出了将转型为营利性公司的消息，正在创新与转变的关键时期。另一方面，高管震荡已经持续有一段时间，就在几个月前，苏茨克维也离开了。 而穆拉蒂成为OpenAI的代言人式人物，在奥特曼应对一个又一个危机、公众信任度下降的同时，穆拉蒂的亲和力是一种中和力量。 “我当然不会假装这次变动如此突然是理所当然的”，但他别无它法，只能答应，并且为穆拉蒂送上祝福。 穆拉蒂在给员工的备忘录中表示，离开自己珍爱的地方永远没有理想的时机。之所以要离开，是要“进行自己的探索”。她特别提到，她当时在OpenAI的首要任务是确保平稳过渡，保持已经建立的势头。 在这次官宣离职之中，穆拉蒂和奥特曼之间的纠葛成了“房间里的大象”。而从穆拉蒂的字里行间，不难看出在OpenAI“维稳”已经不能满足她。 也许一切已经在《纽约时报》爆料穆拉蒂参与了“宫变”时注定。这无关乎奥特曼是否会“记恨”穆拉蒂，而是穆拉蒂已经准备好再进一步。就像从阿尔巴尼亚到加拿大、美国求学，就像从机械工程到文学、人工智能的多重跨越，就像从特斯拉到初创小公司的选择。 在OpenAI后续即将来临的重组中，穆拉蒂势必需要更努力地“维稳”，在产品发布、外界质疑、员工变动中艰难保持技术步伐。在这里，管理和公关的压力足以盖过“探索”的欢欣。 而她已经收获了巨大的声誉，在OpenAI内部也积累了丰富的人才资源，创业是一个有广阔可能性的选择。苏茨克维在离开后的新公司“安全超级智能（SSI）”致力于在确保安全与道德的基础上开发超级智能，筹集了超过10亿美元，估值高达300亿美元规模。 在穆拉蒂刚离开OpenAI的时候，只是传出可能要创业，就已经有人排着队想要投资。人们也好奇穆拉蒂的“探索”会是什么。 最终，在今年2月，穆拉蒂终于揭晓她的新公司名叫Thinking Machines Labs，宗旨是开发以人机协作为中心的下一代AI系统，而非追求完全自主的超强AI。 穆拉蒂表示，新公司的愿景是在保持最前沿能力的同时，让AI更灵活地适应人类的各种需求，让AI技术“更广泛可及”地为人所用。 这和OpenAI、Anthropic，抑或苏茨克维的SSI都非常不同，他们追求更强大的模型，而穆拉蒂希望填补AI能力和用户使用、社会理解之间的鸿沟。在她看来，AI要做的不是替代人类，超越人类，而是与人类达成真正的协作关系。 这种公司愿景的差异化，叠加穆拉蒂本人在OpenAI作为技术领导者的号召力，对人才有非常大的吸引力。 此前官宣的29人团队阵容里，有三分之二来自OpenAI。首席科学家是OpenAI联合创始人约翰·舒尔曼（John Schulman），CTO巴雷特·佐夫（Barret Zoph）则是OpenAI前研究副总裁，领导后训练研究工作，直接参与ChatGPT的核心开发。 今年2月，TML计划以90亿美元估值进行10亿美元融资，但最新消息显示，TML正在寻求高达20亿美元的种子轮融资，估值可能高达100亿美元。这一规模前所未有，远超传统初创公司的融资范畴。如果成功，将创下AI创业公司种子轮的纪录。 投资者与OpenAI旧部对穆拉蒂的认可和信心可见一斑，AI版图上正在崛起一支新的重要力量。 只是创业与在明星公司当高管终究有很大的不同，穆拉蒂的新公司尚未推出任何产品。实际上，人们甚至不清楚TML的产品大概会是怎样的。 作为创业者的穆拉蒂，是否还能很好地平衡技术与伦理，融合不同的视角，兼顾伦理与商业化？这都需要时间的检验。 但对于奥特曼来说，穆拉蒂已经成为“OpenAI叛将”中最有威胁力的存在之一。她有产品落地和商业化的经验，处事圆滑且建立了良好口碑和大众形象，差异化的打法很可能出其不意，让OpenAI难预判也难防守。 穆拉蒂“新的探索”，奥特曼“新的挑战”，都在路上了。

终于，华为盘古大模型系列上新了，而且是昇腾原生的通用千亿级语言大模型。 我们知道，如今各大科技公司纷纷发布百亿、千亿级模型。但这些大部分模型训练主要依赖英伟达的 GPU。 而现在的情形下，国内研究团队很难获得足够的计算资源，这也制约了国内大模型技术的快速发展。 我们看到华为盘古发布的这篇新研究，证明了基于全国产的昇腾也可以实现领先的大规模语言模型的研究与开发。 技术报告标题：Pangu Ultra: Pushing the Limits of Dense Large Language Models on Ascend NPUs 技术报告地址：https://github.com/pangu-tech/pangu-ultra/blob/main/pangu-ultra-report.pdf 研究称华为盘古团队成功开发出基于昇腾算力训练的千亿级通用语言大模型 Pangu Ultra。在效果上，Pangu Ultra 在多个领域和评测上超越之前 Llama 405B 和 Mistral Large 2 等稠密模型，并可以与 DeepSeek-R1 等更大规模的稀疏模型一较高下。 Pangu Ultra 是一个拥有 94 层架构、总参数量达 135B 的超大稠密模型。针对超深千亿级大模型的训练稳定性问题，研究团队提出了新的稳定性架构和初始化方法，成功实现了在 13.2T 高质量数据上的全流程无 loss 突刺长稳训练。同时，在系统实现层面，团队通过一系列系统优化策略，在 8192 张昇腾 NPU 构建的大规模集群上将算力利用率（MFU）提升至 50%。 接下来，让我们从模型架构、模型训练等方面，详细了解下 Pangu Ultra 的技术细节。 模型架构 基础架构信息：Pangu Ultra 包含 1350 亿参数、采用了 94 层的 Transformer 结构。其中 FFN 采用 SwiGLU 激活。注意力层采用 GQA 降低 KV 缓存占用。 Pangu Ultra 针对大规模极深模型的训练稳定性问题提出了 Depth-scaled sandwich-norm 和 TinyInit 初始化两项技术。 Depth-scaled sandwich-norm：与混合专家模型（MoE）侧重在宽度上扩展不同，大规模稠密模型通常采用更深的层数。然而，深度增加会加剧训练稳定性的挑战。考虑到预训练的巨大成本，保证大模型的稳定训练至关重要。 Pre-LN 在基于 Transformer 的大语言模型架构中被广泛应用，但采用 Pre-LN 的模型中，各子层输出尺度的波动容易导致训练不稳定。为解决此问题，Sandwich-Norm 在残差连接前对每个子层输出额外施加 layer norm。虽然 Sandwich-Norm 能保持单个子层输出的尺度稳定性，但跨越多层的残差连接仍会导致输出范数逐渐累积，进而引发训练不稳定。 为此，Pangu Ultra 提出 Depth-Scaled Sandwich-Norm（DSSN）。该技术通过对每个子层输出的 layer norm 的 gamma 参数来调控各层输出尺度，通过把 gamma 参数初始化为与网络深度的平方根倒数成比例。下图展示了 Depth-Scaled Sandwich-Norm 与 Pre-LN 架构的差异。实验结果表明所提出方法相比基准方法在稳定性和收敛性都具有较大优势（见模型结果与分析）。 Pre-LN 与 DSSN 架构对比。相比 Sandiwich norm，DSSN 对 layer norm 系数做了特殊的 re-scale TinyInit: 模型初始化对训练稳定性和性能具有关键影响。基于 Transformer 的大语言模型普遍采用 small init 策略，即所有权重初始化为标准差为 的正态分布。另外有工作将残差层权重在初始化时缩放 倍。 Pangu 提出了同时根据模型深度和宽度缩放的参数初始化策略 TinyInit，所有权重初始化标准差 ，能加速 loss 收敛并提升下游任务性能。TinyInit 能使模型各部分的参数尺度更加一致，从而有利于优化和收敛（见模型结果与分析）。 Pangu Tokenizer：在 Pangu Ultra 的中，作者优化了分词器（Tokenizer）。传统方法在构建词汇表时，常因数据分布导致通用文本占比过高，而代码、数学等专业领域的词元代表性不足。为解决此问题，Pangu Ultra 采用了「领域感知」的分词词表策略： 对通用中文、通用英文、代码、数学等多个关键领域的数据独立进行词频分析，生成领域专属词汇表。 随后，将这些词汇表合并与去重，形成了一个包含 153376 词元的分词词表。 这种方法提升了词汇表在不同领域间的均衡性，确保了模型在处理文本、代码、数学等多样化任务时，都能获得更精准、高效的理解基础，同时保持了良好的整体压缩效率。 各领域词在 Pangu 词表中的分布 模型训练 预训练策略与数据：Pangu Ultra 的预训练过程的三个阶段：12T tokens 的通用能力训练、0.8T tokens 的推理能力增训以及 0.4T tokens 的退火阶段。 Pangu Ultra 预训练各个阶段的数据配比 Pangu Ultra 模型的预训练语料覆盖了高质量、多样化的 13.2T tokens，如上表所示，整个预训练过程分为三个阶段：通用阶段（General）、推理阶段（Reasoning）和退火阶段（Annealing）。 通用阶段（12T）旨在帮助模型积累知识和语言表达能力，推理阶段（0.8T）旨在强化模型推理技能，而退火阶段（0.4T）则进一步教会模型如何运用已学到的知识和推理技能。 团队为训练语料打了质量与难度的标签分数，并在上述三个阶段中采用课程式的数据采样策略，即完成一个从易到难的学习过程： 通用阶段覆盖了大量的书籍、网页、百科、多语言以及各行各业的语料，实际训练中分成了两个子阶段，训练量分别为 7.4T 和 4.6T tokens； 推理阶段重点提高泛数学、理科以及代码数据的比重，强推理数据占比超过 60%； 退火阶段将指令类数据占比提高到 20%，旨在激发模型更好的应用知识和推理技能。团队设计了大量的指令类问答对，并且包含长、短思维链，这些推理路径经过精心优化，以确保内容清晰且逻辑连贯。 数据质量评估是提升模型训练效果的核心环节，Pangu Ultra 结合规则筛选与 AI 评估优化数据质量。团队设计人工标注数据，微调盘古系列模型作为质量评估器，从数据干净度、流畅性、教育价值和信息密度四个维度，对超过 10T 语料进行打分，并且赋予高质量语料更高的采样概率。 团队基于 Pangu 26 亿参数的代理模型进行了大量的消融实验，结果表明基于低质量数据训练的模型需要多 1.6 倍训练量才能达成基于高质量数据的同等效果，进一步印证了数据质量对于提升训练效率的关键价值。 长序列扩展：Pangu Ultra 模型通过两阶段长度扩展训练将可支持的输入 token 数增加到 128K，可以输入约 10 万英语单词或者 17 万中文汉字。针对长序列训练中 RoPE 基础频率这一重要参数，在训练前首先在目标扩展长度的特定验证集上对不同的参数进行评测来搜索出最优的参数，保证了长度扩展的效果。 后训练策略与数据：在模型后训练阶段，通过两阶段优化实现能力跃升：首先采用监督微调（SFT）建立基础指令跟随能力，随后引入基于结果的强化学习（RL）框架，显著提升模型的复杂推理、价值对齐和指令执行能力。为充分发挥昇腾算力优势，研究团队特别设计了具有延迟容忍特性的强化学习框架，配合融合确定性信号与模型评估的混合奖励系统，在数学推导、代码生成和通用问题解决三大领域构建精准反馈机制，确保大规模策略优化的效率与稳定性。 模型在 AIME 2024、MATH-500、GPQA Diamond 和 LiveCodeBench 等核心推理基准上取得了理想的性能，验证了后训练架构的有效性，这既得益于预训练阶段 0.8T 规模的专项推理数据积累，也源于强化学习阶段对模型潜力的深度激发。同时模型仍保持强大的通用语言理解能力（MMLU-pro 和 ArenaHard），彰显了技术路径的均衡性，结果见模型结果与分析部分。 系统优化 Pangu Ultra 135B 的训练环境是一个配备了 8192 个昇腾 NPU 的大规模计算集群。团队通过混合并行策略、细粒度负载均衡调优、高效融合算子、子序列切分以及数据缓存共享等技术手段，在 8192 卡规模的集群中实现了超过 50% 的 MFU（Model FLOPs Utilization）。 并行策略：为了扩展 Pangu Ultra 的训练规模并提升集群线性度，团队采用了混合并行策略。在 8192 卡规模的集群中，使用了 128 路数据并行（Data Parallelism）、8 路张量并行（Tensor Parallelism）和 8 路流水线并行（Pipeline Parallelism），同时结合了 ZeRO 和序列并行（Sequence Parallelism），以降低模型参数、优化器状态和激活值的显存占用。由于 batch-size 的限制，大规模集群训练中每个数据并行（DP）组的批次较小，导致较高的流水线空泡率。为解决这一问题，团队引入了 6 路虚拟流水线（Virtual Pipeline）调度算法，将训练空泡率从 30.45% 降低至 6.8%。通过一系列精细的负载均衡优化，在 BF16 训练精度下实现了 43% 的 MFU。 系统优化：为了进一步提升大规模集群的训练效率，团队从多个方面进行了系统优化，将 8192 卡训练的 MFU 从 43% 提升至 52%。关键优化技术包括： MC2（Merged Compute and Communication）通算融合 通过将训练中的矩阵乘法（MatMul）计算与张量并行（TP）切分引入的通信操作细粒度拆分，并对计算和通信操作进行深度流水线编排，实现了通信与矩阵乘法的高效重叠，显著提升了资源利用率和训练效率。 NPU Fusion Attention（NFA） 针对昇腾 NPU 优化的自注意力（Self-Attention）融合算子，支持 Attention Mask 压缩，避免了显式构造 Attention Mask 带来的计算和显存开销。在 Pangu Ultra 训练中，根据每个样本的结束标记（EOD）计算出实际序列长度（actual_seq_len），并将其传入 NFA。NFA 内部使用一个 2048×2048 的下三角矩阵作为素材库，根据 actual_seq_len 动态构造训练时的 Attention Mask，从而在重置 Attention Mask 的场景下实现高效的自注意力计算。 其他融合算子 除了 MC2 和 NFA，训练还采用了 RMSNorm、SwiGLU、RoPE 融合算子、梯度累加融合以及 PP send/recv 融合等技术，进一步提升了系统性能。 子序列切分 上下文并行（Context Parallelism，CP）是长序列训练中常用的优化方法。为了实现 CP 切分下的负载均衡，Megatron-LM 将序列切分为 2×CP 个子序列，每个设备负责计算上下两个 chunk 的数据（见图 1.(b)）。然而，这种切分方式在重置 Attention Mask 的场景下仍会导致负载不均（见图 1.(c)）。Pangu Ultra 采用了改进的子序列切分并行方式，针对每个样本中的子序列采用负载均衡的切分策略，每个节点负责计算子序列中的两个 chunks（见图 1.(d)）。 图 1. 子序列切分的序列并行方式 显存优化 允许同一计算设备上的不同 vpp stage 之间共享 attention mask/actual_seq_len，RoPE sin/cos， position embedding 等数据。避免重复的计算和显存开销。 模型结果与分析 Pangu Ultra 实现了昇腾近万卡大集群上约 13T 数据的长稳训练，DSSN 和 TinyInit 保障训练全程没有出现任何 loss 突刺，如下图： Pangu Ultra 预训练 Loss，全流程无 loss 突刺 Pangu Ultra 的预训练基座模型测评结果如下。对比稠密架构的代表 Qwen2.5-72B 和 Llama 405B 以及 MoE 架构的代表 DeepSeek V3。Pangu Ultra 在大多数 benchmark 上取得了最好的效果，和同为稠密架构的模型对比优势更加明显。 Pangu Ultra Base 测评结果，粗体表明最好结果，下划线表明该模型在 dense 中最好 经过后训练之后，Pangu Ultra 在主要的 Reasoning benchmark 上的表现如下所示。 Pangu Ultra 在 Reasoning Benchmarks 上的表现 Pangu Ultra 在 AIME24，MATH-500，GPQA，MMLU-Pro 等指标上超越 DeepSeek R1。关于盘古后训练使用的相关技术将在之后的报告中发布。 针对训练稳定性，团队发现 DSSN 和常见的 Pre-Norm（Pre-LN）架构对比能够完全杜绝训练中的 loss 突刺现象。在 gradient norm 上，使用 DSSN 的模型也更加平稳，突刺更少。经过测评，DSSN 架构的模型效果也超出 Pre-LN 架构，说明避免训练突刺的重要性。 DSSN 与 Pre-LN 的训练对比 DSSN 架构和 Pre-LN 架构的测评效果对比 使用 Sandwich-Norm 架构时，RMSNorm 的 affine 参数 \gamma 初始化非常重要，该研究提出的 DSSN 方案与普通 Sandwich-Norm 架构对比训练 loss 也更加平稳，且收敛更快，如下图所示。 DSSN 对比普通 Sandwich-Norm 关于 TinyInit，团队在 135B 的模型规模上训练了约 100B tokens，和经典基线初始化方案相比取得了较为明显的优势。 TinyInit 对比普通初始化的模型测评效果

IT之家 4 月 13 日消息，OpenAI、Anthropic 和其他顶尖人工智能实验室的人工智能模型越来越多地被用于协助编程任务，谷歌首席执行官桑达尔・皮查伊在去年 10 月透露，该公司 25% 的新代码由 AI 生成；而 Meta 首席执行官马克・扎克伯格也表达了在公司内部广泛部署 AI 编码模型的雄心壮志。 然而，即便是一些目前最先进的 AI 模型，在解决软件漏洞这一问题上，仍然无法与经验丰富的开发者相媲美。微软研究院（微软的研发部门）的一项新研究表明，包括 Anthropic 的 Claude 3.7 Sonnet 和 OpenAI 的 o3-mini 在内的多款模型，在一个名为 SWE-bench Lite 的软件开发基准测试中，无法成功调试许多问题。 研究的共同作者们测试了九种不同的模型，这些模型作为“基于单个提示词的智能体”的核心，能够使用包括 Python 调试器在内的一系列调试工具。他们给这个智能体分配了一组经过筛选的 300 项软件调试任务，这些任务均来自 SWE-bench Lite。 据共同作者们介绍，即使配备了更强大、更先进的模型，他们的智能体成功完成的调试任务也极少超过一半。其中，Claude 3.7 Sonnet 的平均成功率最高，为 48.4%；其次是 OpenAI 的 o1，成功率为 30.2%；而 o3-mini 的成功率为 22.1%。 为何这些 AI 模型的表现如此不尽如人意？部分模型在使用可用的调试工具以及理解不同工具如何帮助解决不同问题方面存在困难。然而，共同作者们认为，更大的问题在于数据稀缺。他们推测，当前模型的训练数据中，缺乏足够多的“顺序决策过程”数据，即人类调试痕迹的数据。 “我们坚信，训练或微调这些模型可以使它们成为更好的交互式调试器。”共同作者们在研究报告中写道，“然而，这需要专门的数据来满足此类模型训练的需求，例如记录智能体与调试器交互以收集必要信息、随后提出漏洞修复建议的轨迹数据。” 这一发现其实并不令人意外。许多研究都表明，代码生成型 AI 往往会引入安全漏洞和错误，这是由于它们在理解编程逻辑等领域的薄弱环节所导致的。最近对一款流行的 AI 编程工具 Devin 的评估发现，它只能完成 20 项编程测试中的 3 项。 不过，微软的这项研究是迄今为止对模型在这一持续存在问题领域最为详细的剖析之一。尽管它可能不会削弱投资者对 AI 辅助编程工具的热情，但愿它能让开发者及其上级领导三思而后行，不再轻易将编程工作完全交给 AI 来主导。 IT之家注意到，越来越多的科技界领袖对 AI 会取代编程工作的观点提出了质疑。微软联合创始人比尔・盖茨曾表示，他认为编程作为一种职业将会长期存在。与他持相同观点的还有 Replit 首席执行官阿姆贾德・马萨德、 Okta 首席执行官托德・麦金农以及 IBM 首席执行官阿尔温德・克里希纳。

屏幕上沾了点油脂和指纹，咋办？疫情过后家中常备酒精棉片，我立刻撕一张棉片随手一擦，屏幕焕然一新。 可怎么总有人说“千万别用酒精清洁电脑屏幕“啊！还经常有网友称使用酒精擦拭电脑屏幕后，屏幕出现了严重的损坏。 随后各类科普都出来了，有的说用酒精会破坏屏幕涂层，有的说酒精会直接腐蚀屏幕。 酒精：我是王水吗？？？ 酒精这么可怕吗？为什么我用了这么久也一直没事？要是想擦擦手机给它消毒也不行了？ 擦擦就坏的 不是屏幕，是涂层 你要是去网上搜索“能否使用酒精擦屏幕”，答案是“不能”的文章中，几乎都会提到涂层。对于到底能不能用酒精擦，这里先说结论：手机屏幕没啥问题，电脑、电视屏幕不建议使用。 显示器表面的涂层脱落丨appleinsider 对于电视、电脑屏幕来说，为了避免反光、改善显示效果，会在屏幕表面覆上一层“抗反射涂层”。不过这个涂层并不是与屏幕“融为一体”，它就像一层膜一样“贴”在你的屏幕上。 不同厂商设计的涂层材料并不相同，酒精作为良好的溶剂，确实会损坏可溶的涂层，从而导致屏幕亮度不均匀、明显可见的涂层脱落等情况。而且非触控的电脑、电视屏幕一般也不会出现指纹印，所以厂商一般都建议用水蘸湿软布轻轻擦拭即可。 电脑不用酒精擦好像问题不大，不过作为经常带出门使用的手机，能不能用酒精消消毒呢？手机作为触控产品，通常会在屏幕表面增加“疏水疏油涂层”，以避免变成“指纹收集器”影响使用。目前常见的疏水疏油层使用的是含氟涂料，这类涂料性质稳定，不会与酒精反应。华为、苹果官方的清洁指南中，都提到了可以使用酒精软布、湿巾对屏幕进行清洁。 华为手机清洁消毒注意事项丨华为官方客户服务内容 如何清洁 Apple 产品丨苹果 让你用酒精擦， 没让你直接喷酒精啊！ 不对啊，媒体报道里的电脑屏幕，可不只是涂层没了那么简单啊，那一整块屏幕是完全没法正常显示啊。 坏了的屏幕丨微博@新闻晨报 几乎没有任何一家公司会建议你直接把酒精或者是清洁剂喷在屏幕上，就算是水也不行啊！虽然现在的设备一体化做得还不错，部分还达到了较高的防水等级，但这不代表你可以直接把酒精泼上去。 直接在屏幕上喷洒，液体可能会流到边缘接缝处，从而渗入机器内部，就算是防水的设备，接缝处的防水胶遇到酒精、清洁剂后也可能被溶解。 正确的清理方式是喷湿布料丨samsung.com 所以不管清理什么屏幕，如果需要使用液体（水、酒精、清洁剂等）时，都应该将液体喷洒在清洁软布上，轻捏清洁布使其挤不出液滴时，再去擦拭屏幕。 关键不是酒精 而是用啥布 你可能会觉得，不管用不用酒精擦屏幕，手机总是会变得越来越“油”。针对大部分屏幕涂层的最大杀器并不是酒精，而是摩擦。 几乎所有品牌的清洁指南中，都对清洁使用的擦拭物有明确的要求：使用无绒软布（比如买电脑时附送的清洁软布），避免使用粗糙的布、毛巾、纸巾或类似物品。 苹果产品清洁指南丨Apple 其实，屏幕涂层的效果本身就会随着使用时间的减弱，如果使用了粗糙的布料、纸巾，就算直接使用清水擦拭屏幕，涂层也可能因为过度摩擦而加速脱落。 同时对于笔记本电脑来说，如果你使用了键盘膜，合上盖子时凸出的键盘膜会直接接触屏幕，如果键盘膜本身材质粗糙，或者上面残留了较硬的尘埃颗粒，都会对涂层造成磨损。 对于才购买的新设备来说，不需要过度清洁，清洁时使用合适的软布最为重要。而对于老旧设备，可以在网上购买到各类“修复膜”，其实本质上就是在屏幕表面再形成一层涂层，但这类方法持续时间并不长。 如果实在影响正常使用了，可以去品牌官方售后咨询和申请换修服务。 非必要不擦它！丨pixabay 简单来说，如果以清洁为目的，没有必要使用酒精，使用柔软的清洁布对屏幕进行擦拭即可，如有必要可以打湿软布并挤干至不滴水。 如果以消毒为目的，华为、苹果都表明可以使用酒精棉片对手机屏幕进行擦拭消毒，但需避免酒精进入孔隙，同时如果有皮质材料后壳请不要使用酒精。 噢，如果你贴了膜，那就放心大胆用吧，大不了重贴一张。 顺带一提：电脑、电视等大尺寸屏幕产品，对于视觉效果追求更加严格，各家使用的涂层也不相同，需要以官方文档或客服咨询为准。（比如苹果纳米纹理玻璃显示器只能使用 Pro Display XDR 或 iMac 随附的抛光布清洁）

IT之家 4 月 13 日消息，华为 MateBook 14 笔记本 Linux 版现已在官网上架，可选三种版本，定价为 5999 元起，IT之家整理价格信息如下： Ultra 5 - 125H + 16GB RAM + 1TB 存储空间：5999 元 Ultra 5 - 125H + 32GB RAM + 1TB 存储空间：6699 元 Ultra 7 - 155H + 32GB RAM + 1TB 存储空间：7999 元 该机大致上和 Windows 版相同，主要将笔记本的 Windows 徽标键改成了 Start 键，并且键盘右下方不再粘贴英特尔徽标，不过目前官网展示的机型配图依然为 Windows 版。 ▲ 目前官网展示的机型配图依然为 Windows 版 ▲ IT之家图赏：Windows 版华为 MateBook 14 设计上，华为 MateBook 14 主打原野绿配色，清新且富有活力，超顺微弧曲线与楔形设计，轻至 1.31kg，薄至 14.5mm，配备无界一体键盘，无束缚打字体验，外观简洁大气。底部 D 壳采用了“波点艺术”进风孔设计，工艺更精密，强度更高更精致。 屏幕规格上，华为 MateBook 14 搭载一块 14.2 英寸 2.8K 120Hz OLED 面板，最高亮度 450nit、10.7 亿色显示；这块屏幕还具备三色域高色准，sRGB、P3、Adobe RGB 三色域下均达到了∆E＜1。

IT之家 4 月 13 日消息，美国司法部于本周三宣布，Nate 的创始人兼前首席执行官 Albert Saniger 被控欺诈投资者。Nate 是一款声称能提供“通用”结账体验的人工智能购物应用，然而，其背后的真实运营模式却与宣传大相径庭。 Nate 成立于 2018 年，从 Coatue 和 Forerunner Ventures 等投资者处筹集了超过 5000 万美元（IT之家注：现汇率约合 3.65 亿元人民币）的资金，其在 2021 年完成了一轮由 Renegade Partners 领投的 3800 万美元 A 轮融资。 该应用声称用户可以通过单次点击从任何电子商务网站购买商品，这一切都得益于人工智能技术。然而，美国司法部纽约南区检察院却指出，Nate 在很大程度上依赖于在菲律宾呼叫中心工作的数百名人工承包商来手动完成这些购买，而非真正依靠 AI 实现自动化。 据称，Saniger 在筹集风险投资时声称 Nate 能够“无需人工干预”进行在线交易，只有在 AI 无法完成交易的极端情况下才会有人工介入。尽管 Nate 确实获得了一些 AI 技术并聘请了数据科学家，但美国司法部声称其应用的实际自动化率实际上为 0%。 2022 年，《The Information》曾对 Nate 大量使用人工承包商的情况进行了调查。当时，Saniger 未对置评请求作出回应。目前，他已不再担任 Nate 的首席执行官，其 LinkedIn 资料显示自 2023 年起他已成为纽约风险投资公司 Buttercore Partners 的管理合伙人，而该公司也未对置评请求作出回应。 美国司法部的起诉书指出，Nate 在 2023 年 1 月耗尽资金，被迫出售资产，导致投资者遭受了“近乎全部”的损失。 Nate 并非唯一一家被指控夸大其人工智能能力的初创公司。2023 年，《The Verge》曾报道，一家所谓的“AI”免下车软件初创公司实际上也主要依靠在菲律宾的人工来运作。更近一些，据《Business Insider》报道，AI 法律科技独角兽公司 EvenUp 也大量依赖人工来完成工作。

SSD作为PC和服务器设备的存储器，用于数据的长期存储 1~3月份的价格比上一季度下降8%。PC存储器的需求较弱，服务器存储器的势头也有所减弱…… 配置在个人电脑（PC）上的存储器固态硬盘（SSD）的大宗交易价格连续2个季度下跌。1~3月份的价格比上一季度下降8%。PC存储器的需求较弱，服务器存储器的势头也有所减弱。低价的中国产存储器的存在也逐渐引起关注。 固态硬盘作为PC和服务器设备等的存储器，用于数据的长期存储。大宗交易价格由作为卖方的日本国内外存储器制造商和作为买方的设备制造商等按季度决定。 1~3月，SSD中作为指标的TLC（三电平单元）的256GB产品为每件约29.9美元。容量较大的512GB产品为每件约56.0美元。均比2024年10~12月便宜了8%左右。有声音表示，部分交易比10~12月下降了15%左右。 PC存储器需求持续低迷，无法达成预期交易、商品过剩的情况仍在持续。虽然市场看好10月美国微软停止支持“Windows10”系统后的PC更新换代需求，但目前整体上“复苏趋势比去年弱”（大型电脑厂商）。 SSD的主要零部件NAND闪存的行情也受到了影响。NAND用于智能手机等设备的数据长期存储。据悉，“搭载NAND的智能手机需求减少导致了SSD价格的下跌”（日本电子商社）。 日本调查公司TSR（Techno Systems Research）的助理总监楠本一博指出，面向服务器的需求正在放缓。该公司表示，2024年10~12月，面向服务器（企业）的SSD出货量为1420万个，比上一季度增长4%，“与最初的预期相比仍存在不足”（楠本）。 来自生成式AI（人工智能）服务器的需求此前一直保持强劲。许多相关人士指出，2025年1~3月，服务器用SSD价格从持平转为下降5%左右。 近来，长江存储科技（YMTC）等中国NAND企业的崛起被认为是结构性行情下行因素。由于中企以优待本国产品的补贴政策为东风，在本国低价销售产品，“中国以外的企业不得不通过降价来对抗”（日本电子商社负责人）。 同为半导体存储器、用于数据短期存储的DRAM领域的世界领先企业为韩国的三星电子等3家企业。而NAND和SSD的全球领先企业有三星、韩国的SK海力士、美国的美光技术和西部数据、日本的铠侠控股（Kioxia Holdings、原东芝存储器）等5家企业，数量较多。 除了卖家众多之外，中国企业的存在感提高，日本电子商社的高管表示“相比DRAM更容易发生价格竞争”。

IT之家 4 月 12 日消息，VideoCardz 今日曝光了索泰 6 款尚未发布的 RTX 5060 Ti 显卡（预计英伟达将于 4 月 15 日发布该系列产品），均采用双槽双风扇设计，并且均支持 SFF 规格。 RTX 5060 Ti 是一款 180W TDP 的中端显卡，采用单 8-pin 供电、这款显卡具备 4608 个 CUDA 核心（IT之家注：与移动版 RTX 5070 持平）；另外还配备 16GB 128bit 28Gbps GDDR7 显存。 博板堂本周三爆料称，英伟达已向各大 AIC 合作伙伴通知 RTX 5060 Ti 系列显卡的指导价，其中 8GB 版本指导价为 3199 元，16GB 版本则为 3599 元。 索泰 GEFORCE RTX 5060 Ti 16GB AMP ZT-B50620F-10M：2632 MHz 索泰 GEFORCE RTX 5060 Ti 16GB TWIN EDGE OC ZT-B50620H-10M：2602 MHz 索泰 GEFORCE RTX 5060 Ti 16GB TWIN EDGE ZT-B50620E-10M：2572 MHz 索泰 GEFORCE RTX 5060 Ti 8GB AMP ZT-B50610F-10M：2632 MHz 索泰 GEFORCE RTX 5060 Ti 8GB TWIN EDGE OC ZT-B50610H-10M：2602 MHz 索泰 GEFORCE RTX 5060 Ti 8GB TWIN EDGE ZT-B50620E-10M：2572 MHz

自从美国总统特朗普宣布上调对华关税，我们进行对等反制之后，笔吧的评论区里每天都有读者问：“上调关税会不会导致笔记本电脑涨价？” 毕竟笔记本产业的上游公司都以美国为主，微软、英特尔、超威(AMD)、英伟达都是美国企业。 软件我们有的是办法，而核心硬件占整机成本大头，它们如果被征收关税的话，电脑最终售价很难不涨。 那么「关税战」究竟会对笔电行业造成多大影响呢？ 今天我们就用一台电脑为例，来简单分析一下： REDMI Book Pro 16 2025 它的配置如下： Ultra 7 255H 处理器 32GB LPDDR5x 8400MT/s 内存 1TB 固态硬盘 16英寸 3072×1920分辨率 100%DCI-P3色域 165Hz刷新率 IPS屏 电池容量 99Wh 厚度 16.2~18.7mm 重量 1.89kg 适配器重量 379g 参考售价6159.2元 它的优缺点如下： 优点！ 1，屏幕规格较高 2，电池容量大，离电性能强 3，智能互联、AI软件比较完善 缺点！ 1，同尺寸机器中接口较少，内部空间利用率不高 2，屏幕响应时间较长 3，16寸机型没有数字小键盘 【升级建议】 这台笔记本电脑拆机并不难，卸下D壳的螺丝后即可取下后盖。 双通道32GB LPDDR5x 8400MT/s内存能满足大部分用途的需求，内存为板载无法更换。 测试机的固态硬盘容量为1TB，型号为长江存储PC411，支持PCIe4.0×4和NVMe，机器有两个2242规格的M.2插槽，如有需要可以自行更换固态硬盘。 【购买建议】 1，对屏幕素质的要求较高 2，对续航时长的要求很高 3，对内部扩展便利性要求不高 REDMI Book Pro 16和14的差别不算小，16拥有更高规格的屏幕、更大的电池、更强的性能释放、更贵的价格。 屏幕方面，实测色域容积104.0% DCI-P3，色域覆盖99.0% DCI-P3，屏幕最大亮度约539nits，支持色域切换： 以DCI-P3为参考，平均ΔE 0.74，最大ΔE 2.94； 以sRGB为参考，平均ΔE 2.17，最大ΔE 4.77。 接口方面，机身左侧有一个USB-C 10Gbps（支持最大140W私有、100W PD充电、DP1.4视频输出）、雷电4（支持最大140W私有、100W PD充电、DP1.4视频输出）、HDMI2.0和3.5mm耳麦接口； 机身右侧有两个USB-A 5Gbps接口。 续航方面，日常应用仿真脚本的测试成绩为11小时53分。 噪音方面，它的满载人位分贝值为51.9dB。（环境噪音为33.8dB） REDMI Book Pro 16的Ultra 7高配版首发7499元，国补后5999.2元，如今首发期过后价格上调至7699元，国补后6159.2元，最终有160元的涨幅。 所以如果你想要一台拥有大尺寸屏幕且续航很长的笔记本，那么这台笔记本可以考虑一下。 但如果你想要更便携的机身，或者更强的扩展性，那么这台电脑可能不太适合你。 【散热分析】 上图是REDMI Book Pro 16 2025的拆机实拍图，双风扇三热管的组合。 室温 25℃ 反射率 1.0 BIOS版本：RMAAR6B0P0505 针对标压处理器，我们使用Stress FPU进行压力测试。 在满载状态下，开启狂暴模式，CPU温度稳定在96℃，功耗80W，P核频率4.0~4.2GHz，E核频率3.7GHz，LPE核频率2.1GHz。 左滑看烤机背面温度 机身背面温度 表面温度如上图所示，键盘键帽最高40.7℃出现在“Y”键上，WASD键为35.8℃，方向键30.0℃。左腕托温度为30.0℃，背面中心点34.5℃。 总的来说，REDMI Book Pro 16的散热表现不错，尺寸变大、散热增强后，整体温度低了不少，但噪音也偏高，建议日常不要开启狂暴模式使用。 【猪王的良心结语】 回到开头的问题：“笔记本电脑会涨价吗？” 答案是——会，但因“关税战”涨价的占比并不高。 原因有一下几个： 1，重点芯片不在美国生产 芯片的“原产地”判定标准各不相同，根据《中华人民共和国进出口货物原产地条例》，原产地需满足“完全获得”或“实质性加工”。（如制造工序、增值30%以上） 而Intel、AMD、NVIDIA的芯片主要产地并非在美国（主要在中国台湾、马来西亚、韩国等等），本质上属于“在美国设计，在其他地区生产”，美国制造的占比很低，所以很难被加征关税。 关税影响可能涉及部分来自美国亚利桑那州的intel 7工艺的芯片。但英特尔在以色列也有intel 7的生产能力。因此可以避开关税。 2，笔记本售价会日常波动 即便没有关税战，笔记本的价格也会随着“首发期、促销节、淡季”等因素调整价格。 就比如今天这款红米笔记本，非首发促销季的时候会上调200元，有活动了就再降回来，这是很普遍的操作。 3，有美国产的零件，但成本不高 笔记本电脑是一个“全球供应链”一同完成的数码产品，是由全球各地的零部件一起组装完成的。美国本土产的零件会不可避免地涨价，但本身采购成本并不高。 比如1美金的零件即便被加征100%关税，最终也就变为2美金，对整机影响比较小。 综上所述，个人目前判断，笔记本会因为关税而涨价的可能性较小，企业利润会自动覆盖掉这部分。 但成本不止体现在硬件价格上，如今笔电产业正在忙着申报各种零部件的原产地，对于税率的计算是一件庞大而又复杂的工程，这件“多出来的事情”会影响后续新品的上市节奏，产生额外的管理成本。 至于这点额外的管理成本最终是否会体现在售价上，那就得看618的促销力度了 （目前库存撑1个月左右）

快科技4月13日消息，据报道，捷豹路虎（JLR）近期申请了一项新技术专利，据称可以利用激光束使燃料燃烧更充分。 专利文件披露，多个激光发射器位于燃烧室周围的不同位置，可以指向燃烧室的不同部分，部分方案还包含分束器，用于增强激光效能。 其基本原理是在发动机的空气-燃料混合物中创造多个点火点，以便更快、更彻底地燃烧燃料。这类似于预燃室点火技术，但效果更好。一套系统中最多可配置六个激光发射器。 专利中提到激光在“优于”火花塞方面具有优势，因此它可能完全取代火花塞。尽管火花塞成本较低，但简化车辆部件会让用户受益。 此外，这种燃烧循环更彻底、更完整，不仅可以提高整体效率，还能降低积碳的可能性，从而进一步提高发动机的寿命和性能。 但也有人指出，在发动机舱和燃烧室高温高压环境下，此类系统的安装组件必须非常坚固，以避免变形，同时仍需提供绝对精度。 虽然当前车企都在积极向新能源阵营专营，但捷豹路虎仍在研究升级内燃机技术，这对于内燃机行业也具有积极意义。

IT之家 4 月 13 日消息，消息源 smashx_60 发文，透露 HMD Global 将在诺基亚品牌授权到期前继续发布几款功能机，具体列表如下： 诺基亚 3510 4G 诺基亚 5710XA 4G（2025） 诺基亚 130 Music（2G） 诺基亚 150 Music（2G） 诺基亚 8310 4G 消息源同时暗示，HMD Global 和诺基亚将在 2026 年“彻底分手”。 作为比较，现款诺基亚 130/150 Music 功能机于 3 月 2 日发布，两款手机外观简约，主打音乐功能，后置大喇叭和专用播放控制按钮，主要规格差别就是 HMD 130 Music 没有摄像头、HMD 150 Music 有一个 30 万像素摄像头。 两款手机都采用 2.4 英寸 IPS LCD 显示屏，分辨率为 240 × 320，配备 48MB RAM 和 128MB 存储空间，电池容量为 1450mAh，并支持 USB-C 2.75W 充电，带有 3.5mm 音频接口。 预计消息源提到的诺基亚 130/150 Music（2G）机型就是上述机型的 2G 网络版本，外形方面应保持不变。 而现款诺基亚 5710XA 4G 功能机于 2022 年 8 月发布，该机内置一款真无线耳机，屏幕两边带有播放控制按钮，当年IT之家评测组还进行了一番介绍。 ▲ 图源IT之家开箱：诺基亚 5710XA 4G 功能机 该机采用 2.4 英寸 IPS LCD 显示屏，分辨率为 240 × 320，拥有 30 万像素摄像头，配备 48MB RAM 和 128MB 存储空间，电池容量为 1450mAh，并支持 Micro USB 2.75W 充电，带有 3.5mm 音频接口。 参考 HMD 近来功能机年度改款，预计诺基亚 5710XA 4G（2025）功能机将取消 Nokia Pure 字体，同时换成 USB-C 2.75W 接口，其他方面保持不变。 如今，HMD Global 正在逐步放弃“诺基亚”品牌，该公司现已停产停售诺基亚品牌智能手机。未来，HMD Global 还将继续销售一段时间的“诺基亚”品牌贴牌功能手机，即一款功能机同时拥有“HMD”和“诺基亚”品牌双版本。而在 2026 年（明年）后，HMD 也将停止销售诺基亚品牌功能手机。 IT之家获悉，HMD Global 的“诺基亚”品牌授权将于 2026 年 3 月结束。

快科技4月13日消息，今日，小米集团总裁卢伟冰转发数码博主“数码闲聊站”发布的手机激活量数据。 数据显示，截止至4月6日，REDMI K80系列累计激活量超332万，超过友商两大系列机型的总和。 卢伟冰表示：“K系列近几代除了保持配置和性能的领先外，持续打磨用户体验，提升外观设计的精致度，强化影像，用户越来越认可，领先优势也越来越强。” REDMI K80系列于2024年11月27日发布，发布即开售，今年2月，REDMI品牌总经理王腾透露，K80系列累计激活超240万。 REDMI首销战报显示，K80系列1天销量就超过66万台，刷新K系列首销纪录；10天销量便突破100万台，刷新K系列最快达到百万销量的纪录。 REDMI K80系列是REDMI史上最强的旗舰，在性能、续航、影像等全面升级。 全系采用2K华星LTPS直屏，M9发光材料，全系支持全亮度DC调光、圆偏振光技术、AON质感护眼、超声波指纹解锁。 搭载首个6000mAh小米金沙江电池，采用旗舰硅碳技术，同体积容量提升850mAh，更耐低温，更长使用寿命，支持120W有线快充和50W无线秒充。

IT之家 4 月 13 日消息，极氪智慧工厂宣布，极氪 007 GT 全球首批量产下线，4 月 15 日杭州上市发布会见。 IT之家注意到，该车基本延续了极氪家族式的设计语言，车身前半段与轿车版 007 基本一致，提供绿色、黑色、白色、淡紫色、深紫色等多款配色。内饰则提供分别为紫白、白绿、白棕及红黑等配色。 座舱方面，这款新车搭载智能感应无框自动门、新一代 EC 光感天幕、琴键式中控物理按键、TOSA 中央扶手、ZEEKR Sound Pro 高级音响系统、后排舒享大空间、外接 PAD 互联、电容式按键真皮方向盘、二排雪橇洞、旅行家魔术后备箱。 极氪 007 GT 将基于 800V 高压架构打造，并搭载 800V 极充技术，支持最高 500kW 的充电功率。配合吉利自研的金砖电池，新车充电 15 分钟即可增加 500 公里以上的续航里程。

IT之家 4 月 13 日消息，据外媒 Carscoops 报道，Verge 品牌的 TS Pro 纯电动摩托车创下了吉尼斯世界纪录，成为电动摩托车行驶最远距离的纪录保持者。它在 16 个小时内环绕伦敦行驶了 310.6 公里，结束时电池仍剩余 7% 的电量。 电动摩托车的普及速度远逊色于电动汽车，部分原因在于电池组重量较重，而在两轮车上，重量是关键限制因素。然而，TS Pro 展示了在兼具强大动力、足够续航和可控重量的基础上，打造一款令人信服的电动摩托车是完全可行的。 IT之家从报道中获悉，TS Pro 配备了后轮的“无轮毂”电机（hub-less electric motor），功率为 137 马力，扭矩达到 1000N・m。仅需 3.5 秒便可加速至 100km/h，表现足以与某些高性能跑车媲美。其重量为 245kg，在同类尺寸的摩托车中算是偏重，但依然在可接受范围内，官方续航为 350km。 为了验证 TS Pro 在现实中的表现，Verge 邀请了两位摩托车网红，带着他们在伦敦市区以平均时速 19km 的速度骑行 16 小时。最终，他们成功骑行了 311 公里，创下了新纪录。 报道称，低速行驶对电动摩托车的续航表现大有裨益。如果这辆车尝试在高速公路上进行纪录挑战，TS Pro 的行驶距离绝对无法达到这样的水平。

近期的手机市场，新品不断涌现，为广大消费者提供了更多的选择，但也让其陷入了“选择困难症”，比如：全新OPPO Find X8系列的三款新品，不知道该怎么选？所以，这篇文章就来简单讲讲它们各自的配置，告诉大家该选哪一款新品。 ·OPPO Find X8 Ultra OPPO Find X8 Ultra是一款全能顶级旗舰，主打影像，尤其是夜景人像拍摄体验。它采用后置五摄的影像系统，分别为：一英寸的超大底镜头LYT900、大光圈超广角镜头JN5、夜景人像专业镜头LYT600、夜景人像专业镜头LYT700以及丹霞原彩镜头。 Find X8 Ultra以这样五颗顶级镜头构建全焦段人像矩阵，覆盖15mm超广角至300mm超长焦的黄金拍摄范围，让每一段距离、每一个场景都能找到专属的人像解决方案。 与此同时，OPPO LUMO凝光影像也集成了行业最强70mm人像主摄、首个丹霞原彩镜头、全新一代计算光学虚化引擎，以及全球首个全链路原彩ProXDR，为用户带来前所未有的夜景人像拍摄体验。 基础配置方面，OPPO Find X8 Ultra将会搭载高通骁龙8至尊版、新一代2K钻石屏、6100mAh超大冰川电池、100W有线+50W无线的双超级闪充等配置，同样是一款性能、显示、续航均出众的全能旗舰。 ·OPPO Find X8s OPPO Find X8s是一款小屏旗舰，它在解决性能与续航两个行业痛点之余，还在外观设计与影像体验方面进一步深入打磨，打造了一款拥有“轻薄小直屏，人像小能手”称号的优异产品。 OPPO Find X8s采用6.3英寸的黄金尺寸直屏设计，无论是握持手感还是视觉观感，都能很好的兼顾到。它也采用了OPPO第二代芯片级屏幕封装工艺，将黑边缩窄至惊人的1.25mm，刷新了全球最窄屏幕边框的记录。同时，OPPO Find X8s机身薄至7.73mm，轻至179g，“轻薄小直屏”名副其实。 核心配置方面，OPPO Find X8s首发全新的天玑9400+，搭配自研芯片级性能解决方案「潮汐引擎」，整机性能足以跃居目前手机行业的顶级水平。续航方面，它内置了一块5700mAh的OPPO冰川电池，完全能够为用户带来更智能、更稳定、更持久、更流畅的性能体验。 至于影像，它的影像配置由5000万像素的LYT-700的广角镜头、JN5超广角镜头、JN5潜望长焦镜头以及3200万像素的IMX615的前置镜头组成，搭配Ultra同款专业哈苏人像，软硬兼施，随手一拍都是氛围感人像大片。 ·OPPO Find X8s+ OPPO Find X8s⁺在OPPO Find X8s的基础上，主要提升了续航和屏幕尺寸，它更像是OPPO Find X8的升级版。核心配置采用全新的天玑9400+与「潮汐引擎」，整机性能同样是行业领先水准。 同时，它的屏幕尺寸为6.59英寸，进一步满足用户对于大屏的需求。更为重要的是，OPPO Find X8s⁺内置6000mAh大电池，整机的续航能力进一步得到提升，保证了手机的长时间在线需求。 除此之外，OPPO Find X8s⁺同样拥有全新的AI灵感成片、AI一键闪记、DeepSeek深度融合等多项实用功能，影像配置也与OPPO Find X8s一致，所以在续航和显示方面的体验会更好。 ·总结 总体来看，OPPO Find X8系列的这三款新品，都有着各自的优势与特色。OPPO Find X8 Ultra是全能旗舰，主打影像拍摄，侧重夜景人像拍摄，其他配置也与同档产品体验一致。OPPO Find X8s主打轻薄小直屏的舒适手感，同时在续航、影像以及性能上也没有落下，是一款有颜有料的小屏旗舰。而OPPO Find X8s⁺则是OPPO Find X8s或OPPO Find X8的进阶产品，有了更好地续航、性能等体验。所以，如何选购这三款产品，大家可以根据它的优势与特点去选择，相信它们都不会让你失望的。

IT之家 4 月 13 日消息，据外媒 AutoCar 11 日报道，比亚迪计划在五年内成为英国销量最大的汽车品牌。在上市仅两年后，比亚迪的销量已超越雪铁龙、达契亚和铃木等知名品牌。 今年第一季度，比亚迪在英国交付了 9271 辆汽车，已经超过了 2024 年全年销售总量。比亚迪英国销售和市场总监史蒂夫・比蒂（Steve Beattie）认为，品牌还有巨大的成长空间。 比蒂在接受采访时表示：“比亚迪的目标是成为全球最大汽车制造商，但如果在许多国家不占据第一位，就无法实现全球第一的目标。因此，我们的目标就是成为这些国家的领跑者。” 他认为，比亚迪的战略基础已经建立：“首先是提升品牌知名度；我们需要不断壮大品牌，扩大零售网络。” 第二个要素，则是迅速扩展产品线。比亚迪 2023 年 3 月在当地推出了 Atto 3 跨界车，并迅速增加了与特斯拉 Model 3 对标的 Seal 轿车和与大众 ID 3 竞争的 Dolphin 掀背车。 过去一年里，比亚迪还在当地推出了唯一的插电混合动力车型 Seal U 和与特斯拉 Model Y 对抗的 Sealion 7。 IT之家注：上述车型分别依序对应元 PLUS、海豹、海豚、宋 PLUS DM-i、海狮 07 EV。 比蒂特别提到，Dolphin 和 Seal U 在零售市场中尤其受欢迎，Dolphin 的几乎已经售罄。 他预计，随着 Atto 2 小型跨界车、Dolphin Surf 城市车（分别对应元 UP、海鸥）以及可能的第三款新车型的发布，比亚迪的零售和车队销量将在今年大幅增长。 比蒂表示，Dolphin Surf 将成为比亚迪最小、最具竞争力的车型，这将“帮助我们攀登新的高峰”。 他解释道：“如今几乎没有汽车厂商再做 A 级车。许多品牌已经放弃了这个市场，因为 A 级车成本高、盈利少，难以推向市场。将这款车从中国引入对我来说非常兴奋，因为它大大降低了比亚迪的入门门槛。我相信它能够吸引更多年轻消费者。”

IT之家 4 月 13 日消息，据路透社报道，当地时间 4 月 11 日，大众汽车集团的卡车制造商斯堪尼亚宣布，已达成协议收购破产的 Northvolt 公司下属的重工业电池包生产部门，重新启动了 2 月首次提出的交易，具体交易金额未公开。 Northvolt 上个月在瑞典申请破产，成为该国历史上最大规模的企业倒闭之一，也宣告了欧洲“开发能够与亚洲制造商竞争的电池”这一希望的破灭。 作为大众卡车部门特拉顿（Traton）的一部分，斯堪尼亚原计划以 600 万美元（IT之家注：现汇率约合 4378.2 万元人民币）收购 Northvolt 系统工业公司，但由于 Northvolt 破产，该计划曾一度暂停。 斯堪尼亚是 Northvolt 的股东和客户。当日，斯堪尼亚表示已与破产受托人达成协议，成功完成收购交易，这也是 Northvolt 破产后首次出售资产。 Northvolt 的这一部门在波兰拥有一座工厂，主要为建筑、矿业等重型工业设备生产电池系统，并且在瑞典设有研发中心，现有员工约 260 人。 在破产之前，Northvolt 曾多次尝试出售一些非核心业务，希望能够挽救其专注于电动车电池生产的核心业务。 斯堪尼亚表示，此次收购符合其战略计划，旨在发展互补性业务，从而提升公司长期的市场竞争力。“通过这笔收购，斯堪尼亚将进一步增强其在越野领域的电气化产品供应。”同时，Northvolt 系统工业的日常运营将照常进行。

快科技4月12日消息，苹果正积极推进在国行版iPhone上引入AI功能的计划，预计这一目标将在2025年中期之前实现。 报道指出，苹果最快计划在iOS 18.5版本中推出专为中国市场打造的Apple Intelligence功能。 值得一提的是，苹果这次并没有与百度或者阿里签署独占协议，而是都有合作。 爆料指出，由于GPT和Gemini等海外大模型无法直接在中国提供服务，百度文心大模型将成为中国版Apple Intelligence的云端“大脑”，为其提供关键的智能支持。 此前，百度一直在开发一种能处理图片和文本的人工智能搜索功能，并对中文版Siri语音助手进行升级。 与此同时，中国版Apple Intelligence还会安装由阿里巴巴支持的审查引擎，确保AI生成的内容符合中国的本地法规要求。