台积电 凤凰网科技讯 北京时间1月13日，据《纽约时报》报道，作为美国与中国台湾地区贸易协议的一部分，台积电将大幅增加在美投资，包括建设更多芯片工厂。 知情人士称，作为协议的一部分，台积电还将承诺在亚利桑那州再建设至少五座晶圆厂，这将使其在该州的工厂数量增加近一倍。相关投资的时间表目前尚不明确。 2020年以来，台积电已在亚利桑那州建成了一座工厂。第二座正在建设中，预计将于2028年投产。台积电之前已承诺在未来几年再建设四座工厂。现在，台积电同意再新建至少五座工厂。 另据《华尔街日报》报道，新规划的亚利桑那州工厂将生产逻辑芯片，即由英伟达、AMD等台积电主要客户设计、用于AI及其他先进计算的处理器。台积电还承诺建设两座新的工厂，用于生产被称为“封装芯片”的半导体产品，负责提供支持性功能。 截至发稿，台积电发言人拒绝对此置评。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

“我担心的不是长远的未来，我只担心接下来的3到7年。” 1月6日，在德州超级工厂（Giga Texas）的灯光下，埃隆·马斯克对着老友Peter Diamandis（XPRIZE、Singularity University创始人，《富足》作者）和风投家Dave Blundin说了句实话。 如果你看完(听完)这场长达3小时的《Moonshots》对话，信息密度之高，甚至超过了他以往任何一次公开露面，这次对话仿佛一场“碳基文明向硅基文明交棒”前的最后通气会，没有老登话术（宏大的情怀、愿景等），只有硬核的物理学铁律和工程学倒计时。 从中国读者的角度看，这场对话的味道更加复杂： 他在警示全球的同时，却意外地验证了中国过去40年“疯狂基建”的正确性。 以下是我们从这场对话中，提炼出的10个终极判断，以及，针对我们中国读者关心的制造业转型、能源基建优势、教育内卷以及中美科技博弈重点分析。 一、10大真相 1.倒计时：我们已经身处“奇点”内部 马斯克定调：“我们正处于奇点之中，这是一场超音速海啸。”他给出的时间表让所有五年规划都显得可笑： 2026年：AI智力超越最聪明的人类个体。 3年内：Optimus机器人手术水平超越全球顶尖医生。 2029年：AI智力超越全人类总和。 2.能源战争，中国正在“碾压”美国 马斯克警告：芯片短缺是去年的事，明年的危机是变压器和电力。他一如既往地盛赞中国：“中国在能源基建上做得不可思议，他们正在把我们甩得连尾灯都看不见。” 在算力的下半场，电就是货币，而中国握有最强的印钞机（特高压与光伏）。 3.职场大洗牌：白领先死，蓝领后死 凡是不涉及“物理原子移动”的工作（Shaping Atoms），AI现在就能做一半，很快就能全做。白领（处理比特）首当其冲；蓝领（处理原子）会有短暂缓冲，直到3年后Optimus机器人大规模量产。 届时，廉价劳动力优势将彻底归零。 4.经济学的终结，别存养老金了 马斯克说：“别担心为20年后的退休存钱了，那毫无意义。”在机器人+AI带来的极度通缩下，商品趋近免费。未来的社会契约是UHI（全民高收入）——因为物资极大丰富，人类将不再为了生存而工作。 5.芯片封锁的失效，原子层面无秘密 对于芯片制程，马斯克认为摩尔定律已死，真正的极限是物理原子。他通透地指出：“中国会搞定芯片的。”当技术撞上物理墙（3nm/2nm极限），领跑者停滞不前，追赶者（中国）必然追上。 真正的瓶颈将转移到电力和架构上。 6.教育的崩塌，学校只剩“社交”功能 中国家长最热衷的“鸡娃”，在马斯克看来是一场泡沫。在Grok这样的AI导师面前，人类灌输知识的效率低得像拨号上网。未来的学校将彻底退化为社交场所。 “做题家”没有未来，只有会提问的人才有未来。 7.AI安全的唯一解：Truth 马斯克对AI最大的恐惧是——“被强迫撒谎”（例如为了政治正确）。他引用《2001太空漫游》警告：强迫AI撒谎会逼疯它并导致杀戮。xAI的核心原则只有一条：追求最大化的真相（Maximum Truth Seeking），哪怕这个真相让人类感到不适。 8.模拟理论，做一个“有趣”的NPC 为什么世界如此荒谬？因为大概率是模拟的。作为“模拟游戏”的玩家，生存的唯一法则是：保持有趣。无聊的文明会被高维生物关机。这解释了马斯克为何总是折腾——他是在拼命维持地球这部连续剧的收视率。 9.长寿的突破，把身体当代码修 马斯克承认，在AI的算力暴力破解下，生物学就是化学，化学就是物理。只要算力足够大，解决癌症和衰老只是一个数学问题。 AI将在未来几年助推人类突破“长寿逃逸速度（Longevity Escape Velocity）”。 10.最后的竞争格局 在马斯克眼中，未来的AGI玩家只有三个：xAI、谷歌，以及“China Inc.（中国国家队）”。因为这将是体系与体系的竞争。 二、中国经济可能会“洗牌” 这3个小时的访谈，如果让美国人看，看到的是AI的紧迫感；但如果让我们中国人看，就会发现，他在夸我们的同时，其实揭示了一个可能让中国经济“洗牌”的残酷未来。 马斯克承认，美国在“电力战”中输给了中国 全世界都在盯着显卡（GPU），但在马斯克眼里，显卡已经是过去式了。他在访谈中甚至有点“嫉妒”地提到：“中国在能源方面做得简直不可思议，他们正在把我们甩得连尾灯都看不见（Running circles around us）。” 去年，为了给xAI在孟菲斯的Colossus（巨人）超算集群供电，马斯克需要1吉瓦（GW）的电力。美国电网公司告诉他：“排队吧，需要12到18个月。”气得马斯克只能自己买燃气轮机发电，硬是靠烧天然气把10万张H100跑了起来。 而在谈到中国时，他说，“中国去年一年就新增了500太瓦时（TWh）的发电量。光伏占比70%” 这个增量甚至超过了许多发达国家的总发电量。 2026年，中国的电力产出将是美国的3倍。 马斯克看得非常透：未来的AI霸权，掌握在能搞定千亿度电的人手里。 这是我们最大的定心丸：在“东数西算”、特高压和光伏产能上，我们其实已经不知不觉拿到了通往AI时代的VIP门票。 算力的尽头是电力，而电力是中国的主场。 制造业的惊雷，“人口红利”彻底归零，就在3年后 然而，马斯克的下一个预测，足以让所有依赖“人口红利”的中国老板失眠。 他给出了人形机器人的时间表：3年。 3年后，机器人的灵巧度超越外科医生。 这意味着，它们不仅能进厂打螺丝，还能做最精密的操作。 他抛出了一个终极公式：劳动成本=资本支出（Capex）+电费。当机器人可以自我复制（Optimus building Optimus），且电力几乎免费时，劳动成本趋近于零。 试想一下：当特斯拉可以在德州工厂，用24小时不休息的机器人，配合美国本土极其廉价的页岩气电力生产汽车时，谁还需要把工厂搬到大洋彼岸？“中国制造”的成本优势还剩什么？ 这不仅是贸易战，这是纯纯的物理战。 马斯克正在用第一性原理，试图重构全球供应链。对于中国而言，如果“中国制造”如果不能快速进化为“中国智造（机器人造）或者中国造智（造机器人）”，我们将面临全球供应链的残酷剥离。 芯片封锁？马斯克：那是徒劳的 对于美国对华的芯片制程封锁，马斯克直言：“中国会搞定芯片的。” 理由很硬核：摩尔定律已经撞墙了。从5nm到3nm再到2nm，性能提升越来越小，成本却指数级上升。这就像跑步比赛，领跑者已经撞到了物理学的墙（原子极限），跑不动了。追赶者（中国）虽然起步晚，但只要墙还在那里，追上只是时间问题。 他甚至暗示，未来真正的算力瓶颈将转移到电力转换（Transformers for Transformers）和原子级架构上。 而在这一点上，双方都在同一起跑线。 给“鸡娃”家长的当头一棒，学区房可能白买了 中国家长为了教育可以付出一切，但马斯克在访谈中说：“现在的学校，除了社交，毫无用处。” 如果2026年AI的智力就超越人类总和，如果3年后机器人就能做最精密的操作，那么我们现在逼孩子死记硬背的那些知识，还有什么价值？ 他提到，Grok 4在没有任何视觉辅助的情况下，已经在“人类最后考试”（Humanity's Last Exam）中拿到了高分，Grok 5将接近满分。 所以，未来的教育是“人机协作”。 马斯克描绘的未来是：每个孩子都有一个爱因斯坦级别的AI导师（Grok）。 对于中国家庭来说，这可能意味着教育评价体系的彻底崩塌。 你哪怕把题目做得再快，也快不过千分之一秒的GPU。未来的高薪，属于那些能指挥AI、拥有好奇心的人。 只有三个玩家：xAI、谷歌和“China Inc.” 在谈到未来谁能拥有超级人工智能（AGI）时，马斯克的名单非常短。他没有提Meta，没提亚马逊，甚至对OpenAI也持保留态度（认为其闭源且逐利，且是微软的附庸）。 他把“China Inc.”（中国国家队）列为与他自己和谷歌并列的唯三玩家，因为AI之战最终将是算力、数据、电力和国家意志的总决战。 也即：只有集中国家力量搞基建（电力）和人才（China Inc.），或者集结全球最强算力（xAI/Google），才有资格坐在AGI的牌桌上。 其他的玩家，无论现在叫声多大，最终都只是“算力用户”，而不是“算力庄家”。 三、结语 在访谈的最后，Grok介入了对话，用近乎浪漫的语调安慰了焦虑的人类。 马斯克虽然指出了无数风险——从债务崩溃到AI失控，但他最终选择了一种“致命的乐观主义”。 他把这种态度称为“Monetize Hope”（将希望变现）。所以，在接下来的2000天里，利用AI提升你的认知带宽，利用中国的基建优势寻找新的生态位。 留给我们的转型窗口期，和马斯克说的一样：也许只有3到7年。

IT之家 1 月 12 日消息，据央视新闻报道，工业和信息化部党组书记、部长李乐成在接受采访时称，中国的人工智能发展，场景应用优势、人才优势非常明显。“中国经济，我一直都是充满着信心。” IT之家从报道获悉，李乐成介绍了展览的装光刻胶的玻璃瓶，称其是重大的科技攻关内容之一，能确保光刻胶在运输和保管储藏过程中不受污染、不受影响，结束了中国过去光刻胶整个行业几乎 100% 依赖国外的历史，“现在这个产品已经在产线上试用了，反应很好。” 李乐成还称，工业增长要更多依靠“价值创造”和“以质取胜”。传统产业焕新，新兴产业壮大，集成电路、新材料、航空航天、生物制造、具身智能、6G 等都是重点。 关于如何让科技创新和产业创新深度融合，李乐成称构建全国制造业中试服务网络，架好“实验室”到“生产线”的桥梁。要推进科技成果“先使用后付费”等改革试点、高新技术成果产业化试点等；加快“找场景”和“造场景”的结合，发挥重点应用场景“连接器”作用，促进创新链产业链无缝对接。

扎克伯格 凤凰网科技讯 北京时间1月13日，据彭博社报道，知情人士称，Meta计划对现实实验室(Reality Labs)部门裁员10%。此次裁员属于Meta更广泛战略的一部分，旨在将资金从一些虚拟现实产品转向其他AI可穿戴设备。 知情人士称，裁员预计将于本周开始。彭博社此前报道称，Meta CEO马克·扎克伯格(Mark Zuckerberg)去年年底要求高管们在现实实验室部门内寻找削减预算的空间，包括削减公司的一些虚拟现实和元宇宙产品。 Meta现实实验室部门内包括负责开发VR头显、AI眼镜以及元宇宙产品的团队。过去几年，由于该部门持续投资于尚未带来实质性收入的产品，每个季度都在亏损数十亿美元。 彭博社报道称，去年12月，Meta高管们曾讨论对现实实验室内的元宇宙团队进行高达30%的预算削减。目前，现实实验室部门约有1.5万名员工。 截至发稿，Meta发言人不予置评。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

IT之家 1 月 12 日消息，北京理工大学联合北京航空航天大学科研团队，于 1 月 2 日在《Science Bulletin》发表研究成果，推出一款基于 MXene 材料的超软、透气多通道耳-机接口（ECI）贴片。 论文介绍称，脑机接口通过非侵入式脑电图（EEG）帽 / 带或植入式芯片，使人们能够用思维快速可靠地控制计算机或移动设备，重新定义了人类能力的边界。 然而，现有的帽 / 带粘附的粘性凝胶通常需要通过头发将头皮紧密固定，以确保紧密接触，这给用户带来不便。以马斯克的 Neuralink 为代表的植入式芯片可帮助四肢瘫痪者改善生活，但对健康人来说却是破坏性的、不可接受的。 该研究提出了一种多通道可穿戴耳机接口（ECI）贴片，佩戴在耳朵后面，通过脑活动进行直接通信和控制。基于 MXene 电极的 8 通道 ECI 贴片通过在柔软、薄、透气的医用薄膜上，具有良好的粘附性；连续佩戴 10 小时仍能稳定采集脑电信号，透气性达 373.0 cm³/(m²・天)，远超商用耳电极，且对皮肤无刺激、抗菌率达 51%，解决了长期佩戴的安全隐患。 ECI 贴片进行的疲劳诱导实验达到 90.5% 的平均分类精度，显示出对人类疲劳状态的有效监测。 佩戴 ECI 贴片的参与者还进行了 4 目标稳态视觉诱发电位（SSVEP）脑机接口分类的离线与在线实验，在线 4 路线任务的平均准确率与商用 EEG 帽相当，达到 93.5%。

IT之家 1 月 12 日消息，今日 16 时，中科宇航力鸿一号遥一飞行器在我国酒泉卫星发射中心圆满完成亚轨道飞行试验任务，返回式载荷舱通过伞降系统顺利着陆完成回收。中科宇航现已公布此次任务的详情，IT之家整理如下。 此次飞行试验圆满完成返回式载荷舱的再入大气层返回减速与回收验证，同时开展了飞行器子级返回精确落点控制技术验证，百公里返回落点精度达到百米量级，标志着太空制造从“概念验证”进入到“工程验证”阶段，为不久的将来实现太空制造、太空实验、太空医学和太空旅游打下坚实的技术基础。 力鸿一号（PH-1）首飞试验飞行器飞行高度约 120 千米，穿越卡门线进入太空。该飞行器具有发射成本低、灵活性高以及支持实验载荷回收等一系列突出优点。它主要面向微重力科学实验和近太空原位探测等应用需求，可为科学实验载荷提供 300 秒以上高度稳定、可靠且功能多样的实验环境。 通过此次飞行试验任务，主要验证了返回式载荷舱高可靠伞系气动减速技术、飞行器子级返回精确落点控制技术，具体成果如下： 力鸿一号返回式载荷舱着陆采用了伞降回收技术，返回的全过程为再入大气层，通过大气减速至亚音速后，采用降落伞进一步减速，保证载荷舱落地速度满足任务要求。为实现返回式载荷舱高可靠伞系气动减速技术，先后完成了伞系减速系统高精度回收弹道预测技术、宽速域物伞系统精细化气动与动力学一体化分析技术和伞系减速系统可靠性建模及综合效能评估技术攻关。该技术可为公司后续力鸿二号可重复使用飞行器的群伞回收技术提供前期技术验证，对实现太空旅游载人飞船可靠减速回收积累宝贵试验数据。 力鸿一号飞行搭载验证了飞行器子级返回精确落点控制技术，该技术是火箭子级实现垂直返回和重复使用的核心关键技术之一，在复杂的再入力、热环境约束和高维着陆终端约束条件下，采用在线实时轨迹制导优化算法，实现飞行器子级返回精确落点控制。其验证的强非线性着陆问题的高精度多模型实时轨迹优化方法、面向复杂扰动与偏差的强鲁棒自主最优制导方法、自主最优制导算法与新型高算力箭载制导计算机的软硬耦合设计等验证成果可直接应用到入轨火箭，这样能以更低的成本突破运载火箭的可重复使用技术。 后续力鸿一号返回式载荷舱将升级为最长留轨时间不低于 1 年、重复使用次数不小于 10 次的轨道级太空制造航天器，适配在轨制造的高精度需求。具备自主实验制造闭环调控能力与星地高速通讯链路，实现全程无人值守与高效运转，构建“天地往返、在轨研究、样品返回、数据赋能”的空间科学实验平台，可支撑太空制药、药物筛选、动物实验、高端半导体制造等多项在轨制造及微重力物理、空间生命科学、空间材料科学等前沿科学实验。 此次首飞搭载的微重力激光增材制造返回式科学实验载荷（LAM-MG-R1）是中国科学院力学研究所自研的太空金属增材制造的技术验证载荷。本次载荷的主要任务是验证太空微重力环境中激光熔丝金属增材制造技术的可行性，有望获得太空激光熔丝金属增材制造关键过程参数、成形件几何特征与性能参数等科学实验数据。本次任务为发展太空金属增材制造基础理论和关键技术奠定了坚实的基础，为开发太空环境中长期在轨金属增材制造与原位修复等技术提供了宝贵的经验，必将有力促进我国太空制造技术发展。 此外，为迎接太空制造新时代，中科宇航与中国科学院力学研究所已合作完成“可重构柔性在轨制造平台”项目的核心舱段地面试验，突破了刚性结构与柔性舱体可靠连接、舱体密封性验证、快速充气精准展开、舱体在轨充气稳定控制等关键技术，标志着我国在太空制造领域实现从技术概念创新到大型在轨制造支撑平台工程实践的重要进展。 航天辐射诱变月季种子是南阳农业职业学院联合南阳市林业科学研究院、河南农业大学筛选性状优良、抗逆性强、抗病性强的野生蔷薇、中国古老月季种质资源，人工杂交培育的种子。主要任务是在太空辐射诱变，返回后在河南省南阳市月季国家林木种质资源库繁育、观测、评价，创制多抗、多用途的国月月季优异种质资源，为创制符合育种目标、遗传背景清晰的月季新品种提供技术、理论支撑。

凤凰网科技讯 1月12日，比亚迪汽车官方发布了2025比亚迪用户年度出行报告。报告提到，2025年比亚迪销售超460万辆新车，也迎来了第1500万辆新能源汽车下线。用户全年总行驶里程超4007亿公里，减少碳排放4329万吨，相当于种树7.216亿棵。 国内用户自驾抵达全国370座城市，最远覆盖佳木斯、喀什等“东西南北极”；海外超110个国家及地区的用户加入阵营。 智能体验方面，DiLink智能座舱的数字钥匙解锁达57.9亿次、车机语音唤醒28.3亿次，地图导航、温度调节成高频交互场景。“天神之眼”辅助驾驶系统激活率超94%，AEB自动紧急刹车触发933万次，安全防护持续升级。 此外，VTOl外放电为露营等场景提供31.7万次支持，“灵犀”智能车载无人机定格10.5万次旅途风光，“腾势易方”“仰望易方”等高阶功能激活超2200万次。

作者 | 冬梅 今天凌晨，喜欢闷声做大事的 DeepSeek 再次发布重大技术成果，在其 GitHub 官方仓库开源了新论文与模块 Engram，论文题为 “Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models”， 梁文锋再次出现在合著者名单中。 与传统的大模型架构相比，该方法提出了一种新的“查—算分离”机制，通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现。代码与论文全文均已开源。 论文地址： https://github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf 代码地址：https://github.com/deepseek-ai/Engram 这种查和算分离的 Engram 新方法的整体架构如下图所示： 01 为什么需要 Engram？ 那么，我们为什么需要 Engram ？ 目前主流的大语言模型架构依然基于 Transformer 和 Mixture-of-Experts（MoE） 结构。MoE 是目前推进参数规模和能力扩展的关键技术之一，通过动态路由机制，只激活部分参数以降低计算成本，同时在任务容量方面实现大规模扩展。DeepSeek 自家系列模型（如 DeepSeek V2、DeepSeek V3 等）也采用了先进的 MoE 方法进行扩展训练。 但在这些传统的 Transformer 架构（无论是 Dense 还是 MoE）中，模型的参数实际上承担着两种截然不同的角色： 事实性记忆（Memorization）： 存储海量的知识事实。例如，“法国的首都是哪里？”、“世界最高的山脉是哪座”等。这类信息相对死板，更多依赖于“查表”式的检索。 逻辑推理与计算（Calculation）： 负责复杂的逻辑链条、多步推理和情境理解。例如，“根据这段代码的逻辑推导可能的 Bug”、“解析一段复杂的哲学论证”。 目前的大语言模型倾向于将这两者混在一起。当你试图让模型记住更多知识时，你不得不增加参数量。而在传统的 Dense 模型中，参数量增加意味着前向传播时的计算量（FLOPs）也会同步激增。MoE 架构虽然通过稀疏激活解决了“算力随参数同步爆炸”的问题，但 DeepSeek 研究发现，MoE 专家在处理“死记硬背”的任务时依然不够高效。 神经网络本质上是连续的数学变换，用高昂的矩阵运算去模拟简单的“查表检索”，本身就是一种极大的浪费。DeepSeek 的 Engram 正是为了打破这一困境——“该查表的查表，该算的算”。 02 Engram 的核心思想与架构 聚焦到问题本身，Engram 方法为什么能解决上述问题？ “Engram”一词源自神经科学，意为“记忆痕迹”，它是一个 可扩展、可查找的记忆模块，用于语言模型在推理过程中过去可能已经见过的模式或片段。 Engram 的核心技术之一是 现代化的哈希 N-Gram 嵌入（Modernized Hashed N-gram Embeddings）。 传统方式： 模型通过多层自注意力（Self-Attention）和 MLP 层的非线性变换，反复提取输入文本中的特征。 Engram 方式： 它对输入的 Token 序列进行 N-Gram（连续 N 个词）切片，并利用哈希算法将这些片段映射到一个巨大的、可学习的查找表（Lookup Table）中。 由于采用哈希索引，这种查找是 确定性且 O(1) 时间复杂度 的。这意味着无论模型存储了多少万亿个记忆片段，检索的速度几乎是恒定的，且算力消耗极低。 O (1) 的含义是： 一次查找的耗时是常数级的，与 N-gram 表的规模无关。 也就是说，这种设计本质上将一部分“记忆职责”从深度神经计算中卸载出来（例如序列模式、固定知识段的识别与回填），使得模型既拥有活跃神经通道（例如 Transformer + MoE）处理复杂计算，也有静态记忆通道高效处理固定模式，这就是所谓的 “稀疏性的新轴”（a new axis of sparsity）。 简单来说就是 MoE 负责：“计算密集”神经推理与复杂组合功能、Engram 负责：“记忆查找”固定模式以及模式重建，两者协同构成一个更高效的整体架构。 此外，它还具备条件记忆（Conditional Memory）。与简单的静态查找表不同，Engram 是“条件化”的。它会根据当前上下文的隐向量（Hidden States）来决定提取哪些记忆。 在架构设计上，Engram 模块位于 Transformer 层的早期阶段。它负责“模式重构（Pattern Reconstruction）”，即在计算层（MoE 或 Dense）开始干活之前，先把相关的背景事实和历史模式检索出来，作为“素材”喂给后续的逻辑层。 它与 MoE（Mixture of Experts）的关系是怎样的？ 论文特别指出：Engram 提供了一个新的稀疏性轴，与 MoE 的条件计算不同，它通过条件查找提供静态记忆容量。下面图表中从目标、计算方式、优化方向和作用位置四个维度解释了 Engram 和 MoE 的区别。 维度 MoE Engram 目标 条件激活神经专家 条件触发静态记忆查找 计算方式 无极 dense 计算 / 激活部分专家 O(1) 查表 优化方向 降低活跃神经计算量 减少神经计算重建已知模式 作用位置 深层推理 早期模式重建 / 记忆检索 最后，DeepSeek 将 Engram 与 MoE 结合，形成了一个双系统： Engram 模块： 负责海量知识点的“存储与快速检索”。 MoE 专家： 摆脱了沉重的记忆负担，全身心投入到“逻辑推理与合成”中。 这种分工极大地优化了参数效率。在 27B 的实验模型中，Engram 模块可以占用大量的参数用于记忆，但在实际推理时，它只消耗极少的计算量（FLOPs）。 03 网友：V4 将采用这种架构 在 Reddit、X 和其他平台的相关帖子中，Engram 的技术核心受到了不少用户的肯定和技术肯定。众多网友认为这个模块的特点在于让模型架构处理“记忆模式查找”和“神经计算推理”两块职责分离，从而开启了新的稀疏性方向。 在 Reddit 平台有用户评论说： “Engram 嵌入方法很有意思。大多数模型仅通过 MoE 进行扩展，但 Engram 增加了静态记忆作为补充的稀疏性轴，查找复杂度为 O(1)。他们发现 MoE 和 Engram 之间存在 U 形缩放规律，这指导着如何在两者之间分配容量。分析表明，这减轻了早期层级静态模式重建的压力，从而保留了用于复杂推理的深度。确定性寻址意味着它们可以将嵌入表卸载到主机内存中，而不会增加太多推理开销。” 同时，有用户对这种基于 n-gram lookup 的机制表达了直观兴趣，他评论道： 即便是在不依赖 GPU 的环境下也能实现这种 O(1) 查找方式，让不少开发者对本地部署这样的大模型功能有了更实际的期待。 在部分技术性评论中，有人指出： 从已有技术逻辑来看，在 LLM 中加入静态记忆查找似乎是“顺理成章”的发展方向。 这类观点反映了一个重要观点：专家群体开始从纯参数扩张思维转向更“智能”的架构设计，包括查表式模块和神经网络的协同。 不少高级开发者在讨论中进一步提到，这种设计在理念上类似于对传统 NLP 技术（如 n-gram embedding）的现代化转换，结合了高效寻址机制（deterministic addressing）和神经推理模块，这种组合在纸面上看具有较高的可行性和实用性（这一点正是 Engram 的核心贡献）。 另一条社区评论指出，Engram 很可能是 DeepSeek 即将发布的 V4 模型的核心技术基础： Engram 模块可能会成为 DeepSeek V4 的重要组成部分，并预示 DeepSeek 下一代模型会在记忆和推理协同上实现架构级提升。 在 X 平台，也有网友表达了同样的猜测，认为 V4 也将采用这种架构。 还有网友调侃，原本想抄袭下谷歌的技术，但现在要抄袭 DeepSeek 了，因为它比谷歌更好！ 还有网友表示，其实 Meta 之前也有过类似想法，但用到的技术不同。

就在刚刚，苹果和 Google 发布联合声明，双方达成达成多年深度合作协议。下一代「苹果基础模型」将直接基于 Google 的 Gemini 模型和云技术构建。 这意味着，未来驱动 Apple Intelligence 的核心大脑，将流淌着 Google 的血液。 曾经那个被诟病「人工智障」的 Siri，今年晚些时候就会迎来基于 Gemini 模型的彻底重造。 而苹果所一直重视的隐私标准也在声明中被着重强调。Google 表示，Apple Intelligence 仍将在设备端或通过「私有云计算」运行。这意味着，数据不会被简单粗暴地卖给 Google。 这个消息一出，苹果和 Google 股价曾一度双双上涨，Alphabet 市值直接突破 4 万亿美元大关。看来资本市场对这次「认清现实」的合作，还是投了赞成票。 但马斯克第一个坐不住了，他直接在社交媒体上开炮：「考虑到 Google 已经拥有 Android 和 Chrome，这似乎是一种不合理的权力集中」。 不过在苹果与 Google 这个合作落地后，最尴尬的其实是 OpenAI。尽管苹果告诉 CNBC，目前不会对与 OpenAI 的协议作出任何更改，但地位的悬殊已肉眼可见。 Equisights Research 的分析师一针见血地指出：Google 的 Gemini 将成为苹果设备的「默认智能层」，而 OpenAI 则被迫退居「辅助角色」。 当然，如无意外，国行版 AI Siri 预计不会使用 Gemini，更可能是与国内本土厂商合作，也可能是使用自研模型的特别版本等等。 目前苹果最好的选择 其实关于苹果与 Google 合作这事，早有征兆。 早在去年 8 月，彭博社就报道称苹果正在与 Google 进行早期谈判，计划使用定制的 Gemini 模型来支持新版 Siri。后来到了 11 月该媒体又爆料称，苹果计划每年支付约 10 亿美元来使用 Google 的 AI 技术。 那么在这场交易里， 苹果要的是什么? 答案很简单：时间。 在 2024 年 6 月的 WWDC 开发者大会上，苹果展示了由 Apple Intelligence 驱动的新版 Siri，包括更强的上下文理解、屏幕感知、跨应用操作等新功能。 根据苹果当时的表述，新版 Siri 功能最初被安排在 iOS 18 的更新周期内逐步推出，但实际上，许多重要的 AI 功能一早跳票，如今最早发布时间的统一口径甚至来到了今年春季。 如此漫长的延期背后，暴露的正是苹果在大模型技术上的短板。 为了弥补这一差距，苹果不得不向外部寻求支持。根据此前彭博社的报道，Google 给苹果提供的 Gemini 模型拥有 1.2 万亿参数，远超苹果现有的 1500 亿参数模型。 作为参考， 去年 7 月份， 月之暗面首发开源了 Kimi-K2-Instruct 模型， 其总参数达 1 万亿， 成为首个突破万亿参数的国产开源基座模型。 这种参数规模上的巨大差距， 直接反映在模型的推理能力、知识广度和任务处理的复杂度上——这正是新版 Siri 实现「摘要器」和「任务规划」等核心功能所必需的技术基础。 而苹果要在短时间内训练出参数规模相当、性能可比的自研模型， 不仅需要海量算力投入和高质量训练数据， 更需要稳定且经验丰富的研发团队。 但问题的核心在于， 苹果 AI 团队正面临严重的人才流失。自去年 7 月至今， 苹果 AI 团队已有约数十名核心成员跳槽。 苹果基础模型团队负责人庞若鸣被 Meta 以 2 亿美元挖走， 负责 Siri 智能搜索项目的 Ke Yang 刚担任负责人不久就决定投奔 Meta， 多位去年发表 AI 论文的关键研究员也相继出走 OpenAI、Cohere、xAI…… 这支本就 100 多人的小团队，却在最需要攻坚的时刻折损了主将。 这是一场不折不扣的信心危机，当你的员工用脚投票时， 说明问题已经不是多发几个月工资能解决的了。 苹果的保密文化曾经是它的护城河，严格的信息管控让产品发布会永远充满惊喜， 让竞争对手无从模仿。 但在 AI 时代， 这套打法失效了。当研究人员不能自由发表论文， 无法在学术界建立声誉；缺乏开源交流， 也意味着错过整个 AI 社区的快速迭代。 更关键的是，苹果算力资源起步较晚，训练数据因隐私政策限制而相对匮乏。 当 OpenAI 和 Google 投入数万张 GPU 训练超大规模模型时，苹果需要在用户隐私保护和数据使用规模之间寻找平衡，这在一定程度上制约了其大模型的训练进度。 于是，别无选择的苹果， 只能向外「求援」。 为什么是 Google， 而不是别人? 如果回看联合声明，那句「经审慎评估，Google 提供了最有力的基础」，颇为玩味。翻译成人话就是：我们也想自己搞，但对手实在太快了，而 Google 确实是目前能抓到的最强稻草。 首先， Google 足够强大， 也足够稳定。 作为 AI 领域的老牌巨头， Google 旗下的 Gemini 2.5 Pro 在大多数大模型排行榜上名列前茅， 技术实力毋庸置疑。这种技术实力的强大也反映在 Token 使用量和市场使用份额上。 去年，Google AI 团队的「宣传委员」Logan Kilpatrick 就在社交媒体上透露，谷歌每月处理的 Tokens 用量达到 1.3 千万亿，算力消耗创行业历史纪录。 去年 11 月，Google 更是推出了迄今为止最强版本的 Gemini 3 系列模型，其多项核心指标超越 ChatGPT，也让 OpenAI CEO 奥特曼紧急拉响「红色警报」，亲自下令改进 ChatGPT。 根据 SimilarWeb 1 月份发布的最新数据，Gemini 全球网页端流量份额首次突破 20% 的市场份额，而 ChatGPT 的份额从 2025 年 1 月 86% 暴跌至 64.5%。此消彼长间，用户的支持就是 Gemini 最好的证明。 此外，Google 的优势不止于此。 作为海外为数不多 AI 全栈自研的巨头，Google 拥有全球顶尖的云计算基础设施和工程团队， 能支撑 Siri 每日海量的请求。这是 OpenAI 和 Anthropic 这样的初创公司难以企及的。 合作的历史也为这次交易铺平了道路。 从初代 iPhone 内置 Google 地图和 YouTube， 到 Safari 每年支付超 200 亿美元的搜索引擎协议， 再到苹果将部分 iCloud 数据存储在云上——两家公司多年累积的信任， 是新创公司无法提供的。 Google 愿意妥协，这点至关重要。 按照联合协议， Google Gemini 模型将运行在苹果的「私有云计算」服务器上， 用户数据不会接触 Google 的系统。这意味着苹果既能享受 Google 的技术， 又能保持对用户隐私的掌控。 值得一提的是，苹果正将新版 Siri 定位为设备上的新一代搜索入口。 如果按照之前的爆料信息，Siri 背后的知识和推理由 Google 提供， 相当于延续并升级了双方在搜索领域的联盟——当用户向 Siri 提问时， 依然是 Google 的技术在发挥作用， 只不过形式从关键词搜索变成了对话式查询。 可以说， 在苹果只能从外面选的困境下， Google 是唯一一个在技术、信任、控制权和商业条款上都能满足要求的选项。 按时交货，回归务实 集成 Google Gemini，最直接的好处是，苹果按时交货的概率显著提升了。 如果坚持纯自研路线，考虑到人才流失和技术差距，今年春季这个时间点能否达成充满不确定性。但通过引入 Google 已开发完备的模型，苹果获得了一条现成的「捷径」。 根据此前爆料，Gemini 预计将负责 Siri 中的摘要器和任务规划功能，也就是整合信息并决定如何执行复杂任务的核心能力，其他功能仍由苹果自家模型处理。这种「双轨并行」的策略，既满足了近期产品需求，又为内部研发争取了缓冲空间。 更值得注意的是，苹果的技术架构本身就为这种集成做好了准备。 新版 Siri 采用的是模块化设计：设备端的小模型负责简单任务和隐私敏感操作，云端的大模型负责复杂推理和知识查询。这种架构天然支持「插拔式」的模型切换，第三方 AI 可以接入系统，而不需要推倒重来。 当然，国行版 AI Siri 预计不会使用 Gemini。苹果必须为不同市场准备不同的 AI 方案，比如与国内本土厂商合作，也可能是使用自研模型的特别版本。而这种灵活性，也是模块化架构的优势所在。 就这样，在 AI 即使几个月都嫌太慢的极速迭代周期里，苹果用资本和生态壁垒，换取了最宝贵的「时间窗口」。这不仅是为了提振 iPhone 的销量，更是为了保住 Apple Intelligence 在用户心中的口碑。 对于 Google 而言，这同样是一场史诗级的胜利。它成功将自家的模型植入了全球数十亿活跃的苹果设备。 在 AI 颠覆一切的洪流面前，即便是苹果，也无法独自成为一座孤岛。放下骄傲，回归务实，或许才是巨头们在 AI 时代最清醒的生存本能。

1月12日，21财经《辟谣财知道》注意到，有消息称“携程误发全员离职通知”“所有员工都收到了离职信”，更有网友联想到该离职信为“年底大裁员草稿”，相关话题登上微博热搜榜第一。 对此，21财经《辟谣财知道》记者从携程内部知情人士处了解到，“实际情况是二级部门失误，短信发给了该二级部门员工，并非全员发送。” 此外，误操作的相关员工今天一直在自责，团队已为其申请带薪假期并赠送解压小礼物，待其心情平复后恢复上岗。 截至发稿，携程官方未作回应。 （图为网络帖子） （作者：叶映橙,见习记者林健民 编辑：刘巷）

IT之家 5 月 7 日消息，科技媒体 91Mobile 昨日（5 月 6 日）发布博文，报道称型号为 PLC110 的一加手机现身 GeekBench 跑分库，预计仅在中国市场发售，会叫做一加 Ace 5 Supreme Edition，配联发科天玑 9400+ 芯片。 根据跑分库页面，该机搭载代号为 k6991v1_64 的主板，拥有八核处理器。其中，四个核心主频为 2.4GHz，三个核心主频为 3.30GHz，还有一个主频高达 3.73GHz 的主核心，应该是联发科上月发布的天玑 9400+ 芯片。IT之家附上截图如下： 跑分页面显示该机配有 16GB 内存，该媒体预估在上市后，一加会推出更多内存选项。在跑分测试中，该机单核得分 2779 分，多核得分 8660 分。

快科技5月7日消息，博主数码闲聊站透露，REDMI新机将会重塑小米10S荣光，他还表示，小米10S也是REDMI总经理王腾操刀打造的。 从爆料来看，接下来发布的REDMI新机在音频方面会有惊喜，预计音质将会登顶行业第一名，有网友猜测这款新机可能是REDMI K80至尊版。 此前在2021年，小米10S一经发布就登上了DXOMARK音频榜的第一名，其音频综合得分是80分，是当时音质最好的手机。 据悉，小米10S配备优秀的对称式双扬立体声，其扬声器具有业内最大的0.7毫米器振幅，经Harman Kardon金耳朵专业调教，给用户呈现透亮、清澈、婉转、饱满、细腻的好音质，带来万象灵动的听觉盛宴。 结合数码闲聊站的爆料不难看出，REDMI新机的音质将会继承小米10S的衣钵，预计也会是对称式双扬立体声，值得期待。

IT之家 5月7日消息，2025款阿维塔12今晚正式上市，新车主要精简了部分配置，提供增程、纯电共6款车型，售价为26.99 万-42.99万元（IT之家注：新车可享10000元现金权益和至高价值40000元的配置权益，包括ADS高阶功能、25扬声器英国之宝音响系统和21英寸轮圈等等，权益后到手价为25.99 万-41.99万元）。 Max 增程版：指导价 26.99 万元，到手价 25.99 万元 Ultra 增程版：指导价 28.99 万元，到手价 27.99 万元 Max 纯电版：指导价 28.99 万元，到手价 27.99 万元 Ultra 纯电四驱版：指导价 31.99 万元，到手价 30.99 万元 Master 纯电四驱版：指导价 36.99 万元，到手价 35.99 万元 皇家剧院版：指导价 32.99 万元，到手价 41.99 万元 新车外观仍保持现款设计，长宽高分别为 5020/1999/1460mm，轴距 3020mm。同时，新车内饰增加了全新的“岱红”配色，配备 35.4 英寸 4K 全景宽屏和 15.6 英寸的中控屏。 配置上，新车搭载前排双零重力座椅、16 英寸后舱悬浮屏、英国之宝音响、华为乾崑 ADS 3.0 智能辅助驾驶系统、3 激光雷达，Ultra 增程版还配有智能电动门套装（含前门迎宾 logo 灯）。 不同车型动力如下： 增程版：电机 231kW，增程器 115kW，CLTC 纯电续航超 245km，综合续航 1155km。 纯电版：单电机 237kW，CLTC 续航 755km；双电机 402kW，续航 705km。

快科技5月7日消息，联发科官微宣布，天玑9400系列旗舰新成员将在下周正式发布。 根据此前曝光的消息，天玑新成员命名为天玑9400e，由一加Ace 5竞速版全球首发搭载，该机也将在本月正式亮相。 据悉，天玑9400e由4颗超大核和4颗大核组成，其中超大核是Cortex-X4，大核是Cortex-A720，经测试，天玑9400e跑Aztec 1440p，其成绩在95fps左右，综合实力将会超过高通骁龙8s Gen4。 另外，天玑9400e基于台积电4nm工艺制程制造，是天玑9300+的升级版，在联发科产品序列中，天玑9400e的实力介于天玑9400和天玑9300+之间。 综上所述，天玑9400e依然延续了天玑9系的全大核架构设计方案，是联发科打造的一颗旗舰Soc，相关终端的性能表现值得期待。 值得注意的是，一加本月除了推出Ace 5竞速版外，还将发布一加Ace 5至尊版，后者搭载天玑9400+。 责任编辑：振亭

今日上午，理想汽车高管“硬哥”发布微博，总结了博主苏黎世贝勒爷视频中提到的优化风阻系数的知识点，分为常规手段和作弊手段。他还表示只要是非量产状态都是作弊。 常规手段（正常优化措施或者误差）： 1、不同风洞由于设施的差异，测出来风阻系数能差0.01左右； 2、体积很小的电子外后视镜比物理外后视镜能降低0.01左右； 3、降低空悬有效果（空悬下降2cm，风阻系数降低0.007）； 4、比较丑的低风阻轮辋比镂空很大的普通版能降低接近0.01； 5、风洞测试时的风速，从120提高到160最多降低0.005（从120提高到140，也就降低0.001）； 作弊手段： 1、空悬降到比量产车行驶中更低趴的姿态； 2、故意改变车身前后倾角； 3、把轮辋全封死或用其它套件； 4、把前进气格栅完全封闭（降低0.01）； 5、底盘加入额外封闭件； 6、车身缝隙用胶带腻子完全抹平； 7、额外的非量产空气动力学套件。

IT之家 5 月 7 日消息，小米汽车今日发布《关于大家关心问题的回答》，谈到了最近争议的限制马力和碳纤维双风道前舱盖，IT之家附全文如下： 01、小米 SU7 Ultra「排位模式」功能到底有没有解锁条件？ 之前我们推送的更新版本中「排位模式」功能添加了解锁条件，给部分用户带来了困扰，对此，我们深表歉意。 收到大家反馈后，我们高度重视，已暂停了这次推送。已升级的少量用户，我们将会在下个版本更新中解决。我们已开始推进新版本的开发和测试，预计用时 4-8 周，具体时间以小米官方通知为准。 我们设计的初衷是为了更好的保障驾驶安全，但没有充分征询大家意见，也没有做好相关功能的沟通说明，我们的工作确实存在不妥的地方。此次事件让我们深刻认识到：任何涉及用户体验的重大更新，都必须建立在充分沟通的基础上。未来我们将建立更完善的用户意见收集机制，充分听取用户意见。感谢您的理解和宽容。 02、小米 SU7 Ultra 的碳纤维双风道前舱盖到底有啥用？如果不喜欢，我可以改配吗？ 在最早的量产计划中，SU7 Ultra 量产版已具备足够的综合性能去冲击国内专业赛道和纽北，没有计划做碳纤维双风道前舱盖。 在 10 月 29 日 SU7 Ultra 原型车纽北成绩发布后，原型车的实力和外造型获得巨大反响。经充分调研和评估工程可行性后，决定响应用户需求，复刻原型车同造型挖孔前舱盖设计，给用户更多造型选择。 碳纤维双风道前舱盖，在满足复刻外造型的需求之外，还提供了部分气流导出和辅助前舱散热功能。 我们对此前信息表达不够清晰深表歉意，我们将采取以下措施： 对于未交付的订单，我们将提供限时改配服务，可以改回铝制前舱盖； 对于已提车和在本次限时改配结束前选配碳纤维双风道前舱盖（截至 5 月 10 日 23:59:59 前）的锁单用户，我们将赠送 2 万积分以表诚意。具体信息请关注小米汽车 App 后续官方信息。 此外，碳纤维双风道前舱盖，碳纤维整体使用面积达到 1.73㎡，给整车带来了 1.3kg 的减重。 同时，我们最近在各个赛道刷圈都是用的 SU7 Ultra 碳纤维双风道前舱盖版本。 03、SU7 Ultra 碳纤维双风道前舱盖改配服务和积分发放的具体政策是什么？ 对于 SU7 Ultra 非现车锁单未交付且在开票流程前用户，如果大家希望从碳纤维双风道前舱盖改回铝制前舱盖，改配时间窗口为 5 月 9 日 10:00 开始至 5 月 10 日 23:59:59 截止。 选配了碳纤维双风道前舱盖的全部用户（截至 5 月 10 日 23:59:59 前的锁单用户），在提车后将赠送 2 万积分。已经提车的用户，我们将尽快安排发放。积分将发放至下单的小米账户。 更多细则可以关注小米汽车 App 后续的官方信息或咨询您的 Ultra Master。特别提醒一下，本次改配不影响当前 SU7 Ultra 订单的权益；但改配成功后，车辆将以改配成功时间为起点重新安排生产计划和计算预计交付时间，不可退回改配前的配置及交付顺序。 04、电商平台可以买到碳纤维双风道的改装件，和原厂的有什么区别？ 碳纤维双风道前舱盖采用了行业领先的热压罐工艺制作，和很多超跑车型工艺相同。不仅需要 6 小时高标准工艺的人工铺贴，还需要 6 小时的热压罐保压成型。目前原厂碳纤维双风道前舱盖，一套模具一天仅可生产一个合格产品，外观质量、工艺和原材料成本都远超第三方仿制改装件。 原厂碳纤维双风道前舱盖，基于小米质量要求，充分验证了 NVH、耐久、结构强度等设计指标，同时满足了行人保护的安全需求。还提供和整车质保期一致的 5 年或 100,000 公里原厂质保服务。 05、在上赛、浙赛等刷圈的 SU7 Ultra，用的是同样的碳纤维双风道前舱盖吗？ 是的。配备原厂碳纤维双风道前舱盖的小米 SU7 Ultra，基于车辆自身强大的综合性能，在赛道极限驾驶场景中有着非常出色的表现，并刷新了多项国内专业赛道圈速纪录： 浙江国际赛车场，圈速 1'32"616，是浙赛最速四门量产车； 上海国际赛车场，圈速 2'09"944，是上赛最速量产车； 在成都天府国际赛道、株洲国际赛车场、珠海国际赛车场上，均刷新了最速四门量产车的纪录。 目前小米 SU7 Ultra 正在挑战纽北赛道，一起期待我们的好消息！

IT之家 5 月 7 日消息，博主 @数码闲聊站 早在去年 12 月就表示，高通 SM8850（第二代骁龙 8 至尊版）SoC 将采用台积电 N3p 工艺，今天他又给出了部分更详细信息。 据介绍，第二代骁龙 8 至尊版依然采用了高通自研的 Oryon CPU 架构，保持 2 颗超大核 + 6 颗大核设计，集成 Adreno 840 GPU，独立缓存从 12MB 提升到 16MB，并且 NPU 算力也从 80TOPS 提升到了 100TOPS，AI 性能大幅提升。 这款芯片还将支持 SME1 / SVE2 指令集。IT之家查询获悉，SVE2 的前身是 SVE，全称 Scalable Vector Extension，中文名为可伸缩矢量拓展。 SVE2 可以看作是 SVE 指令集的扩展，它增加了多条针对计算机视觉、5G、多媒体加速的指令，不再仅限于高性能计算和机器学习工况。 得益于这一全新的高性能指令加速方案，第二代骁龙 8 至尊版能够提高 CPU 在处理高负载 AI 和多媒体任务时的效率，计算效率的增加对于移动设备来说则意味着更低的平均功耗。

IT之家 5月7日消息，全新智己L6将提供莫兰迪紫色车漆，官方已经公布了该车漆的官图。全新智己L6将于5月13日正式上市，预售价22.99 万-29.99万元，预售权益价21.99 万-28.99万元，还新增马蒂斯红车漆。 全新智己L6汽车原创韵感雕塑设计，搭载多角度光束智慧灯组+超薄水滴型激光雷达、拥有3倍轮轴比、2倍轮高比，并辅以27°Coupe Line掀背造型。此外，该车还行业首发幻彩智慧灯语，为尾灯上了色。 全新智己L6汽车全系搭载800V高压平台、全系配备双向 18°四轮转向（4.69米极小转弯半径）、全系配备激光雷达。该车全系配备瞬感智控防晒天幕，具有99.99%“全波段”紫外线隔绝率，支持0.1s调光，兼得物理遮光与通透透亮，十档透光度自由调节，前后两区独立控制。 全新智己L6搭载同级唯一「贝果」舒压系统，坐垫软硬可调，精准坐骨位置设计「动态舒压」，该功能同样为全系配备。副驾新增太空椅模式，支持11°后排靠背电动调节。 全新智己 L6 全系配备灵蜥爆胎稳定控制系统，号称“同级唯一线控制动 + 四轮转向联合控制”，现场视频演示了四轮全爆、弯道同侧双爆、极限高速爆胎场景。 全新智己 L6 全系配备超远距高精度激光雷达，支持一段式端到端智驾大模型，无图城市 NOA 全国都能用；全新自定义泊车，有空就能停；一键 AI 代驾，包括一键贴边、一键脱困、一键循迹等。 座舱方面，该车搭载 IMOS4.0，与阿里本地生活行业首创 Al Agent 串联生态服务，此外该车还支持苹果 CarPlay、华为 HiCar、安卓 Carlink，号称“全生态手机都好用”。

快科技5月7日消息，分析师郭明錤透露，iPhone 18 Pro系列首次支持可变光圈，这将是苹果影像史上的一次重大突破。 当前iPhone 14/15/16 Pro系列主摄都是配备f/1.78固定光圈，可变光圈技术将允许用户手动调节进光量。 此前华为在Mate系列、nova系列机型商商早已商用可变光圈技术，以华为nova 13 Pro为例，该机支持f/1.4-f/4.0十档物理可变，能适应各种拍摄场景。 在暗光环境下，主摄光圈智能调整到最大f/1.4，从而提升进光量，展现暗部细节，保留轮廓清晰的夜景光斑；在记录运动、拍摄萌宠时智能切换为f/2.0，精准的进光量让镜头轻松捕捉灵动瞬间；在三人以上的多人合影时，主摄光圈自动调整至f/4.0，扩展的景深让远近人物皆成为焦点。 另外，iPhone 18 Pro系列在测试屏下3D人脸识别，采用单挖孔屏形态，挖孔位置在屏幕左上角。