自年初 DeepSeek 爆火后，越来越多企业开始尝试通过 AI 提升效率。此时摆在面前的问题是：到底是通过云服务购买 Token，还是采购 AI 一体机或服务器进行私有化部署？ 多位业内人士对雷峰网表示，从长远看，基于云的 AI 部署方式将成为主流。一方面，AI 能力仍在快速演进；另一方面，企业在探索 AI 应用的过程中，其所需的算力和能力也会不断变化，云计算因而展现出更强的灵活性和部署效率。 在2025火山引擎春季原动力大会的英特尔分论坛上，英特尔技术专家对雷峰网表示：“一些企业的需求长期稳定，一旦现有AI解决方案成功部署，就不需要频繁更换解决方案，这类客户更倾向于私有化部署。” 正如华胜天成助理总裁郭涛在论坛上所言：“**AI 的价值不在技术本身，而在于是否真正帮助客户降本增效。**” 因此，AI 部署方式的选择应依据企业的业务需求和特点而定，甚至可以采用云与私有化结合的混合部署方案。因为英特尔与火山引擎合作，提供既支持私有化、又支持云端部署路径。 值得一提的是，AI部署不是非GPU不可，至强CPU在许多场景中也是非常好的选择。 **云端弹性算力部署 AI，成本最高可节省 83%** 云端部署之所以被认为是未来主流，关键在于其弹性算力和高性价比。 “围绕大模型的负载，不仅需要大量的GPU算力，同时也需要CPU的算力协同配合，这种分工模式要求企业必须同步升级两类算力资源，以满足端到端的AI业务需求。”火山引擎云基础产品经理负责人李越渊指出，火山引擎ECS通过高度协同CPU与GPU，提升数据处理效率；提供高弹性，并且能够保障客户的安全隐私。 **火山引擎2025春季原动力大会上，火山引擎与英特尔联合发布了全新第四代 ECS 实例家族，**基于最新的英特尔至强 6 处理器，性能与架构全面升级。  相较前一代实例，通用计算基础型实例g4i在MySQL数据库与Web应用中分别实现了20% 和19%的性能提升；算力增强型实例在视频解码和图像渲染上分别提升15%和26%；I/O增强型实例在Spark大数据与Redis数据库上实现了13%和30%的提升。 第四代 ECS 实例的网络与存储能力也实现全面升级，整机网络和存储带宽提升100%，IOPS 和PPS提升30%以上，CPU主频提升20%。 **除了通用场景的性能提升，针对AI应用，基于最新四代实例，火山引擎联合英特尔在RAG 应用进行了深度优化**，涵盖上传文档处理、Embedding 向量化、向量检索、Reranking 排序四大环节。借助至强6处理器内置的AMX加速指令集，任务耗时最多可减少90%，显著提升全链路效率。 针对广泛应用于推荐和广告投放的经典 WDL（Wide & Deep Learning）模型，火山引擎与英特尔团队进行了深入研究，通过AMX优化，CPU的推理性能实现了质的飞跃。优化后，CPU实例吞吐能力提升114%，显著提升模型推理效率。  这些提升都以英特尔至强6处理器性能的大幅提升作为基础，在通用计算、Web service及AI等领域，至强6的6900系列CPU性能总体提升高达2倍以上，同时提高了1.4倍的性能功耗比改善。 相同功耗的情况下，至强6处理器相对上一代提升了1.4倍以上的性能。如果核心数固定，除了功耗改善之外，仍然可以提供20%的性能提升。对于云计算，至强6可以实现2倍的核心密度、20%的单核性能提升、60%的性能功耗比，以及最终会实现代际的30%的TCO收益。 结合火山引擎推出了业界首创的"弹性预约实例"售卖模式，客户可以提前预约抖音的潮汐资源，同时获得按量使用的体验以及接近包年包月的价格。  李越渊介绍，**相较常规按量计费实例，弹性预约实例使用方式下，最高能够节省83%的算力成本，**目前弹性预约的售卖方式已全面支持CPU和GPU实例。 **如何降低云端部署 AI 的门槛？** 云计算弹性灵活的另一面，是有一定的开发门槛。降低开发门槛，依赖好的软件栈。 英特尔专家表示，**优秀的软件栈需要具备几个条件：**首先，具备开箱即用性，能在新环境中快速启动并运行一个具有实际价值的“Hello World”示例，帮助用户快速上手； 其次，应具备可观察性与可修改性，核心组件应透明可见、可调整，避免成为“黑盒”，这也是开源的重要价值之一； 最后，考虑到AI应用的复杂性，软件栈应具备良好的模块化与容器化架构，便于灵活组合与高效部署。 综合以上的考量，**英特尔基于开源项目OPEA，将其变成了一个集成类的开源项目，并且在火山云上提供了一个基于OPEA的开发环境**，提供了像聊天机器人的应用，后续还将持续更新。 这只是入门，要落地AI还需要持续进阶。“通过系统化的设计之后，我们在网上推出了‘云端进化论’系列课程，通过在线提供的进阶视频，让开发者看到整个链路里端到端的技能分解评估和优化的手段。”英特尔技术专家介绍。  为进一步应对 AI 的系统复杂性，英特尔将各种服务通过容器化的方式封装，在火山引擎上提供十几种不同的服务，帮助开发者好理解其内在逻辑的同时，后期开发者无论做关键模块的替换、升级或者做多个实例的扩展，微架构的方式都更加方便。 目前，在火山引擎 g4il 实例中，用户可在操作系统选项中看到一个名为“开源大模型应用知识问答”的新镜像，基于 OPEA，经过选择、点击、启动的步骤，即可在两分钟内部署一个可用的聊天机器人实例。 进阶到更复杂的 Agent 应用，英特尔将 RAG 知识库、工具链与多模态组件封装为 MCP Server，通过统一接口向 Agent 开放调用。 “通过和火山引擎的合作，我们提供了低门槛、触手可及的硬件环境，提供了开放、白盒使用的软件栈，提供了丰富的从专门到专家，从简单到复杂全套的培训视频。”英特尔技术专家说，“这些都是为了降低AI在云端部署的门槛。” 当然，AI 普及的仍需要产业协作。 正如**英特尔中国互联网行业总监李志辉所说：“芯云协同已进入新阶段，从技术融合迈向生态共建。我们呼吁更多合作伙伴共同参与，建立跨芯片、云服务、应用层的开放标准，降低生态协作成本。”** **32B 模型：边缘部署 AI 的甜点** 即便云计算足够灵活高效，对于高度关注隐私的企业而言，私有化部署仍是首选，而高性价比的一体机是其理想之选。 这类方案不仅要求硬件平台性价比高，还要确保 AI效果能满足业务需求。 **“32B的模型是一个很好的价值点。”英特尔技术专家说，“32B模型的性能表现出色，远超足够好的范围。另外，因为模型相对小，对算力的需求比较低，使用消费级GPU就能满足一些边缘应用落地的需求。”**  基于英特尔至强处理器和多张英特尔锐炫显卡的一体机解决方案，采用全新的英特尔锐炫 Pro B60，单卡可提供24GB显存，在上下文扩展和并发扩展等场景中，提供更强的处理能力。  不过，硬件只是基础，开发者更关心迁移成本。为此，英特尔提供了包括 vLLM、PyTorch 在内的完整软件栈及服务化企业 AI 平台（EAP），帮助客户顺利迁移至英特尔平台。  “我想强调，除了提供这套服务之外，我们和业界很多的应用打通，比如说英特尔与跟火山引擎的HiAgent合作。”英特尔技术专家表示。 HiAgent 是火山引擎基于 Agent DevOps 理念打造的智能体平台，支持模型接入、推理、精调及私有化集成。在英特尔的一体机方案中，用户可直接部署HiAgent满足企业级AI私有部署需求。 目前，英特尔与火山引擎HiAgent、华胜天成联合打造了基于英特尔锐炫显卡算力平台的HiAgent一体机方案，能够为市场提供高性价比、可扩展性更强的AI一体机方案。 华胜天成在自身的业务中积极推进 AI 落地，并将其服务能力拓展至更多客户。作为拥有 20 年智能呼叫中心经验的企业，华胜天成打造的智能体产品已广泛应用于金融、烟草、汽车等多个行业。  华胜天成的另一个产品投标大王，最早是用于内部，因为华胜天成作为一家集成商，每年要投上千个标，使用了投标大王之后，提高了近50%的效率。 如今，到底如何部署AI的答案已不再模糊。无论是技术上还是生态上，英特尔、火山引擎等合作伙伴均已提供完备的私有化与云端 AI 解决方案，并持续降低部署门槛。 关键在于，企业能否找到适合应用 AI 的业务场景，将其价值真正落地。

如果腾讯真的收购Nexon，可能是出于以下三个目的。

信任，重建远比摧毁难

宜家除了要召回压蒜器外，在中国市场还要做更多。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

价值几十亿的教训。

Momenta用数据驱动和量产复用破局Robotaxi“不可能三角”。

情绪快充式消费火了。

审批流程、成本、风险控制，都在放慢OTA速度。

百亿黄金巨头大动作引争议

  当SLG赛道大吹“降肝减负”风潮之时 ，《三国志·战略版》（以下简称“三战”）在上周末于广州举办的闭门生态战略沟通会上却抛出了截然不同的答案。三战策划沉风面对50多位亲临现场的核心玩家宣布： “我们准备发1个亿现金，加码霸业奖励，一年内发完，单服最高百万。不是游戏币，不是金铢，就是人民币！为的就是让GVG再次激情起来！”广州南粤公证处的工作人员在现场全程见证了沟通会的每一个环节，这同时意味着这场SLG赛道史无前例的现金激励活动正式启动。   这场豪赌背后，代表了三战对SLG赛道现状的尖锐反思——当全行业沉迷“减负”时，GVG（同盟对战）的激情正在消亡。三战发行制作人曾令鹏（猪哥）在接受采访时坦言：“我们内部曾出现过摇摆，但最终达成共识：回归SLG的核心乐趣，先把所有玩家的GVG体验做好，才是一切的大前提。这是三战的选择，也是我们想要走向十年二十年必须要走的路。” ### SLG玩家的核心痛点：GVG不能失去心跳   作为一个经典细分品类，发展至今，依然有大量厂商涌入SLG赛道。用猪哥的话说，这当然是好事，说明这个品类依然是值得挖掘的。然而硬币的另一面，也必须看到，SLG这个成熟品类也面临着一些发展瓶颈。根据易观《2025Q1中国移动游戏市场季度监测报告》数据显示，头部SLG产品赛季后期玩家活跃度会下跌50%以上。当然，赛季制SLG的“长草期”课题堪称老生常谈，像三战这样的长青产品在近年也试图通过推出强调个人策略的“三国演弈”自走棋来寻求解法。   SLG品类更深层的危机在公平性领域蔓延。“开荒工作室帮你打了，夜战脚本帮你熬了，最后连配将都有人代劳，我们到底在玩什么？”这样的质疑恐怕能代表相当大一部分的玩家。真人玩家在睡觉，程序在攻城略地，甚至沙盘战场中一些足以影响战局走向的关键决策也变成了靠“扫码”来实现，GVG如果演变为代码战争，显然多少背离了它的乐趣初衷。    这种困局源于SLG品类的结构性矛盾。而热爱SLG的玩家群体也时常被贴上“硬核”的标签。在猪哥分析看来：“SLG的本质是战争+策略，策略是服务于战争的。我们坚定的认为GVG体验是核心，一个好的体验，对于玩家而言，他是值得去投入的。” 但现在很多产品或许陷入某种误区——将‘降肝减负’当作终极目标，却忽视了游戏本身到底是不是够好玩，够刺激。当GVG失去策略深度和对抗激情，再轻松的体验恐怕也是徒劳。 ### 三剂猛药：重构GVG的激情荣耀   面对行业困局，三战选择从游戏底层逻辑开刀。7月新剧本《长安之乱》彻底重构战场规则——首创10万格立体城池沙盘取代了传统的野外大沙盘，成千上万条巷道将交织出完全不一样的战场新策略。值得注意的是，新剧本还将加入自动铺路、一键迁城等多项优化更新。显然，这也是为了更好的服务于生态沟通会当天的主题——“抛开杂事，专心干架”。    猪哥表示“底层规则的变化才能带来根本上的玩法乐趣的变化，它不是靠简单的地图换皮能做到的。”   事实上，从OB版本的自由行军，到赤壁之战剧本的水面作战和船舰作战，再到襄樊之战剧本的地形变化，以及定军山之战剧本的高低差变化，三战似乎始终坚持着从底层规则的变化出发去设计新剧本，这或许也是三战保持长青的一个重要因素。     在全新的“长安之乱”剧本之外，同步落地的生态革命也堪称直击行业痼疾：   三战首先是挥出一柄技术利剑，直指工作室的大规模团控行为；其次就是针对外交不平衡的痛点，拿出了全新的解决方案，比如通过可视化的组队大厅功能，让对弈双方都能获得更透明的信息。    当然，最重磅的一剂猛药，自然还是用一亿现金为霸业争夺再添一把薪火。 “我们要发得痛快，更要发得公平。”策划沉风在现场交流说出这句话时，明显带着一股决绝和豪情，而所有这一系列举措，也都很坚定的指向了同一个目标——将GVG的激情还给同盟，把同盟的社交还给玩家。 ###   重定价值坐标：SLG的未来之战   在行业普遍追求“轻松化”的浪潮中，三战的逆势之举引发疑问。而猪哥则认为“玩家的首要诉求应该是足够好玩，而不是足够轻松，我们首先要做的是能提供一个是值得玩家投入其中，能真正感受到乐趣的战场。”   更深层的动机在于用户生态的变化。猪哥表示：“三战曾经把SLG的核心盘拓了一圈。但2025年市场切分更明显了——无论是体验上的切分，还是流量上的切分，都更明显了，这意味着每款产品必须在垂直维度做到更极致。”    这场变革不仅关乎单款产品的存续，更触及SLG品类的价值重塑。当被问及“便宜和轻松是否是SLG品类的最优解”时，猪哥直言认为这是个伪命题。“如果游戏本身不好玩，再轻松玩家都不会去玩。我们要做的是让玩家真心觉得他的投入是值得的。”   值得玩味的是，这样的判断在交易猫等账号交易平台也有现实的映射。在SLG账号交易市场整体萎缩的背景下，三战相关账号却呈现出逆势增长的趋势。   对于越来越多新品涌入SLG赛道的现象，猪哥也中肯的提出了自己的建议：“关键还是要想清三个问题：服务哪类用户？构建什么生态？提供何种独特体验？”毕竟三战也是从曾经的新品一路走成了如今的赛道领跑者，这三个问题或许从做产品、做发行的层面提供了很有价值的思路。   在沟通会当天，策划提到新剧本的先锋服体验测试即将到来，相信随着“长安之乱”巷战号角的吹响，这场由1亿现金点燃的GVG复兴运动，也将重新定义SLG的价值坐标。

  这听起来可能有些不可思议，但我刚刚经历了一次最有趣的对话——对话对象竟然是一副由生成式AI赋能的智能眼镜。这不仅仅是一个简单的演示，也让人们得以一窥，高通技术公司正在如何将被视为配件的AI眼镜转变成为独立、全面综合性的终端。  这周二，在全球最大的XR展会AWE USA的舞台上，我通过骁龙技术赋能的雷鸟X3 Pro智能眼镜与AI助手进行了交流。这款设备能够直接在眼镜上完成AI推理，无需依赖云端或互联网连接。  **核心理念很简单：AI眼镜将能够独立运行，无需配对智能手机或连接云端。**  正如我在AWE期间进行的演示，在不久的将来，用户可以把手机放在口袋里或留在车上，仅需佩戴智能眼镜就能完成超市采购。  在台上时，我模拟了在“超市”购物的场景，请智能眼镜帮助我准备女儿生日派对所需的奶油意面。  搭载小语言模型(SLM)Llama 1B的AI助手理解了我的具体要求，并通过语音和镜片显示的文本，向我提供了所需信息。  **这次演示是全球首次完全在一副智能眼镜上运行自回归生成式AI模型。无需手机和云，仅靠眼镜内置处理器完成。**  并且，这是在现场观众面前实现的行业里程碑，标志着智能眼镜技术的重大突破。  不仅如此，高通技术公司宣布推出第一代骁龙AR1+处理器，其相较于前代平台尺寸缩小26%，同时增强了图像质量、优化了尺寸、提升了能效，并具备运行小语言模型（SLM）的能力。这四大特性对紧凑型智能眼镜都至关重要。  这些技术成果共同开启了AI智能眼镜的变革，更薄、更轻、更多样化的眼镜设计，同时具备强大的性能，支持AI助手直接在终端侧运行。  尽管这一演示只是智能眼镜终端侧AI功能的冰山一角，但高通技术公司所开展的这项工作将带来的收益是深远且巨大的。      **扩展和演进** XR头显和智能眼镜的发展方向将不止于一个路径，因为高通技术公司还提供混合现实处理器，比如同样具有强大终端侧推理能力的**第二代骁龙XR2**和**第二代骁龙XR2+**。我预测会有多种不同的终端形态，从足以独立运行AI模型的眼镜设备，到连接手机或附近的小型计算单元（可连接从汽车到平板电脑等一切终端），更轻量化的眼镜设备。高通技术公司的产品组合正在为这一未来做好准备。  无论是云计算、终端侧计算，还是融合两者的混合计算，终端侧AI能力的提升将带来无缝、超低时延、安全的用户体验。这对于AI赋能的智能眼镜进入到任务关键型行业领域至关重要，用户也将更加关注个性化、隐私保护和端到端的智能体体验。  过去一年，我们已看到XR行业取得了显著进展。2024年十二月，**高通联合谷歌和三星推出Android XR，**这是一款以AI为XR体验核心的操作系统。  行业也在持续扩展，Meta推出Ray-Ban眼镜以及更前沿的硬件Meta Orion，这是Meta首款真正具备自主数字叠加功能的AR眼镜。  此外，我们还看到了来自Rokid、雷鸟和XREAL等公司的眼镜发布。今年三月，BleeqUp推出了一款AI赋能的运动眼镜。  试想一下，凭借第一代骁龙AR1+这样更小巧、更强大的平台，在不牺牲AI模型运行支持的同时，赋能更轻薄的终端形态，这些公司将实现怎样的技术突破。      **更智能、更具感知能力** 在智能眼镜的发展过程中，合理的尺寸和舒适的佩戴体验至关重要，而与此同时第一代骁龙AR1+还带来了另一项升级——媲美高端智能手机的影像能力，这对智能眼镜的未来演进发展同样至关重要。  能够洞察用户看到的世界的每个细微之处，将为多模态输入开辟全新路径。这种能力对AI至关重要，它不仅能更好地理解用户所见，还能让AI主动提供建议或提供更多物体或位置信息，提升情境感知能力。  智能眼镜将能够独立运行小语言模型，但这并不意味着它们无法与用户身边的众多设备（无论是智能手机，还是PC）协同工作。实际上，我认为智能手表和智能手环或其他可穿戴传感器等新终端将能够与智能眼镜协同交互，并赋能全新输入模态。  在高通技术公司，我们以广泛的终端组合迎接多元化未来，通过创建模块化架构让我们的合作伙伴能够进入空间计算行业，为消费者打造卓越体验。  因此，我认为这次与智能眼镜AI助手的对话演示象征着行业的一次重要转折点，标志着深远行业变革的开启。高通技术公司的创新工作，正逐步释放更深入、更个性化的智能体体验的颠覆性潜力。   进一步了解第一代骁龙AR1+平台 探索高通技术公司如何重新构想我们所知的现实  骁龙以及其他Snapdragon旗下的产品系高通技术公司和/或其子公司的产品。

 由个人开发者 MonkeyJoke 在业余时间打造的游戏《火烧城》现亮相Steam新品节，并推出了试玩版。《火烧城》融合了回合制战棋+类幸存者，形成了一种独特的游戏体验。玩家将扮演一位超级特工，通过走格子+使用技能攻击的简单操作，就能享受到清图的快感，通过一个又一个关卡，在这座陷入燃烧的赛博都市中幸存下来，挖掘背后的真相。 <内嵌内容，请前往机核查看> 该试玩版包含了游戏的前3个章节，（游戏全流程将有11个章节）。玩家将扮演一位「特工」，利用丰富的技能，在这无尽燃烧的城市中抵御潮水般的暴徒敌人，并击败强大的BOSS，朝混乱的源头前进。 《火烧城》预计今年第三季度正式推出。   <内嵌内容，请前往机核查看>

根据TrendForce集邦咨询的最新报告，**2025年第一季度，全球前十大无晶圆IC设计厂商的营收合计季增约6%，达到774亿美元，创下历史新高。**其中英伟达凭借其在AI数据中心领域的领先地位，**第一季度营收突破423亿美元，季增12%，年增72%，占据总营收的55%，继续稳居第一。** 排名第二的是高通，其第一季度营收为94.7亿美元，由于手机业务受淡季影响下滑，加上苹果自研芯片占比提高的潜在冲击，高通整体营收季减6%。 [](//img1.mydrivers.com/img/20250613/d6596be9-1de4-4004-98ef-09e3accd8854.jpg) 博通凭借其在AI网络互联解决方案领域的深度布局，第一季度半导体营收达到83.4亿美元，年增15%，排名第三。 **AMD则排名第四，第一季度营收为74.4亿美元，季减3%，但同比2024年仍增长36%。** 联发科凭借中国大陆手机客户对其天玑9400+和天玑8000系列的需求增长，以及手机SoC平均销售单价的提高，第一季度营收达到46.6亿美元，排名第五。 瑞昱则因PC客户增加库存，以及Wi-Fi 7渗透率提升和车用以太网需求增长，营收季增31%，达到10.6亿美元以上。 **豪威集团（韦尔股份）因第一季适逢智能手机淡季，营收季减2%，为7.3亿美元，但该公司在图像传感器和汽车电子领域进展显著。** [查看评论](https://m.cnbeta.com.tw/comment/1506602.htm)

今日午间，当当网创始人李国庆公开发文宣布，**“我和俞渝女士已于2023年解除了婚姻关系。近日，双方就相关财产分割也已达成最终和解。一别两宽，各生欢喜！”**李国庆宣布自己将轻装上阵，积极布局AI应用，与大家共同见证科技与人文的交融，探索公益与商业的共生。 值得注意的是，据李国庆一位朋友在社交平台晒出的聊天记录显示，李国庆和俞渝其实在今年**5月**初就已经达成和解。 从李国庆和这位友人聊天的记录来看，当时，李国庆曾表示：**和俞渝和解，她要公司我要现金。**此外，他还特意叮嘱这位友人要保密。 今日，当事人在正式对外公布相关消息后，这位友人才将这张聊天记录公之于众，此举也是遵循了双方当时达成的约定。 [](//img1.mydrivers.com/img/20250613/0d157507296848cc9b3d0967be6b5de1.jpg) [](//img1.mydrivers.com/img/20250613/638f66d9e44f45dcb0188dd098eaff1f.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1506600.htm)

PCIe 7.0 规范现已发布，而我们许多人仍在等待PCIe 6.0 在消费产品中实现。PCI 特别兴趣小组 (PCI-SIG) 周三宣布，[PCIe 7.0 现已](https://www.businesswire.com/news/home/20250611299049/en/PCI-SIG-Releases-PCIe-7.0-Specification-to-Support-the-Bandwidth-Demands-of-Artificial-Intelligence-at-128.0-GTs-Transfer-Rates)向其组织成员开放，通过 x16 连接，理论上最大带宽速度可达 512GB/s（双向）。 PCI-SIG 总裁 Al Yanes 在公告中表示：“PCIe 技术在过去二十多年一直是高带宽、低延迟 IO 互连的首选。我们很高兴宣布发布 PCIe 7.0 规范，这延续了我们每三年将 IO 带宽翻一番的悠久传统。随着人工智能应用的持续快速扩展，下一代 PCIe 技术将满足部署 AI 的数据密集型市场的带宽需求，包括超大规模数据中心、高性能计算 (HPC)、汽车以及军事/航空航天。” 您可能已经注意到，该声明中并未涵盖消费级计算设备——该规范目前的目标客户是数据驱动型应用，例如云计算和量子计算数据中心，甚至要进入这些市场也还需要一段时间。 PCI-SIG 表示，PCIe 7.0 将向后兼容之前的 PCI Express 版本，但并未提及近期将其引入日常桌面 SSD 或 GPU 的计划。考虑到2019 年推出的 PCIe 5.0 规范两年前才开始逐渐应用于消费级硬件，而且目前仍相当少见，这并不令人意外。 [](https://platform.theverge.com/wp-content/uploads/sites/2/2025/06/PCIe_7.0_Announcement_Image_FINAL.jpg?quality=90&strip=all&crop=0，0，100，100) 与此同时，PCI-SIG 表示，PCIe 8.0 的探索“已在进行中”。如果一切顺利，到 2028 年下一代规范最终确定时，PCIe 6.0 将会首次亮相消费者市场。 [查看评论](https://m.cnbeta.com.tw/comment/1506598.htm)

一次强烈的太阳喷发最近引发了地球罕见的“强地磁风暴”警报，美国海军研究实验室捕捉到日冕物质抛射以每秒 1700 公里的速度向我们袭来。这些来自地球的太阳辐射会对卫星、GPS系统甚至电网造成严重破坏。  5月31日，一次强烈的太阳爆发引发了罕见的严重地磁风暴警报。科学家利用实时太空工具追踪日冕物质抛射，强调了它对卫星和通信系统构成的风险。图片来源：美国海军研究实验室 随着极光意外地出现在遥远的南方，科学家们强调了实时数据在保卫基础设施和军事战备方面的关键作用。海军研究实验室数十年来的空间天气研究，包括使用LASCO和CCOR-1等仪器，已被证明在预测和减轻空间天气危害方面发挥着至关重要的作用。 我们都习惯了局部天气预警，但并非每天都有覆盖全球的预警。5月31日，科学家探测到太阳的一次强烈爆发，引发了地球罕见的“强地磁风暴”警告。 美国海军研究实验室（NRL）利用先进的太空仪器实时捕捉到了这一戏剧性事件。他们目睹的是一次强大的日冕物质抛射（CME），即巨大的太阳等离子体和磁能爆发，直直地向我们袭来。 美国海军研究实验室日光层科学部的计算科学家卡尔·巴塔姆斯博士表示：“我们的观测表明，这次喷发是所谓的‘晕日冕物质抛射’，也就是说，它是从地球发出的，我们对数据的初步分析显示，这次喷发的视速度超过每秒 1700 公里。” 美国国家海洋和大气管理局（NOAA ）CCOR-1日冕仪拍摄的图像 ，显示了2025年5月31日的“晕”日冕物质抛射。CCOR-1日冕仪于去年发射升空，由海军研究实验室（NRL）设计和建造，是第一台为NOAA提供关键实时观测数据的可运行日冕仪，用于发布空间天气预报和风暴警报。图片来源：NOAA CCOR-1了解地磁风暴及其触发因素 这类太阳风暴会将太阳风的巨大能量输送到地球周围的太空，扰乱地球磁场。当太阳磁场指向南时，它会剥离地球的保护性磁层，使带电粒子涌入，引发强烈的地磁活动。 美国国家海洋和大气管理局 (NOAA) 将此次[太阳风暴](https://www.swpc.noaa.gov/news/g4-severe-conditions-observed)评定为五级中的 G4 级，属于“严重”类别。 像这样的日冕物质抛射可能会对科技造成巨大的破坏。它们可能会暂时摧毁卫星，扰乱GPS信号，并干扰无线电通信。在极端情况下，它们甚至会损坏航天器，增加卫星的大气阻力，使其偏离轨道。 巴塔姆斯说：“这种干扰可能会损害态势感知，妨碍指挥和控制，影响精确制导系统，甚至影响电网，直接影响军事准备和作战效能。” [](https://static.cnbetacdn.com/article/2025/06/7482cf6a4a5247d.webp) 来自美国海军研究实验室（NRL）LASCO C3日冕仪的图像，显示了导致2025年5月31日G4级地磁风暴的“晕”日冕物质抛射。NRL的LASCO仪器自1996年以来一直在太空运行，并促进了空间天气领域的发展。图片来源：NRL 日冕物质抛射是太阳日冕中等离子体和磁场的巨大喷发，通常携带数十亿吨物质。日冕物质抛射通常需要几天时间才能到达地球，但据观测，最强烈的事件最快仅需18小时即可到达地球。 “日冕物质抛射是太阳低日冕的爆炸性释放，是空间天气的主要驱动因素，在了解地球磁层、电离层和热层的状况方面发挥着核心作用，”海军研究实验室空间科学部先进传感器技术部门的研究物理学家 Arnaud Thernisien 博士解释道。 5月30日的事件中，太阳朝向地球的一侧爆发了一次相对缓慢但威力强大的耀斑。其释放的能量将日冕物质抛射直接击向地球，引发了一场地磁风暴，并在远至新墨西哥州南部的地方产生了极光。 NRL的太空仪器（运行于NASA和NOAA的航天器上）为此次事件提供了至关重要的实时观测。值得一提的是，NRL自1996年以来一直运行的备受赞誉的大角度光谱日冕仪（LASCO）以及2024年发射的紧凑型日冕仪1号（CCOR-1）都传递了关键数据。 此类观测对于实际的空间天气监测至关重要，使预报员能够预测事件到达地球的时间以及它可能引发的地磁风暴。虽然准确预测地磁风暴的严重程度、确切时间或持续时间仍然具有挑战性，但这些预警对于国防部 (DoD) 和其他机构做好准备至关重要。 严重的地磁风暴对国防部和海军部的任务可能造成重大而深远的影响。这些事件可能会破坏或削弱关键系统和能力，包括卫星通信、全球定位系统 (GPS) 导航和授时以及各种遥感系统。 “自该领域诞生以来，NRL一直是太阳物理学和空间天气研究的先驱，其历史可以追溯到1971年NRL通过太空观测首次发现日冕物质抛射，”巴塔姆斯说道。“自那时起，NRL凭借一系列突破性的仪器，始终保持着日冕成像领域的前沿地位，推动了日球层和空间天气的研究。” 其中包括： LASCO 日冕仪自 1996 年起在 ESA-NASA 太阳和日光层探测器 ( SOHO )联合任务中运行 自 2006 年以来，NASA 太阳地关系观测站 (STEREO) 双航天器上安装的日地连接日冕和日球层调查 (SECCHI) 仪器组 自 2018 年起，NASA 帕克太阳探测器 (PSP) 上的帕克太阳探测器宽场成像仪(WISPR) 太阳轨道器日球成像仪 (SoloHI) 自 2019 年起在欧空局的太阳轨道器任务中运行 NOAA 的 CCOR-1 由 NRL 设计和建造，自 2024 年起在 NOAA 的 GOES-19 上运行 这些资产，特别是像 LASCO 和 CCOR-1 这样的仪器，对于提供预报员分析和评估日冕物质抛射、确定地球撞击可能性以及及时发出警告所需的关键实时图像是必不可少的。 “它们构成了我们预测和减轻太空天气影响能力的支柱。随着G4强地磁风暴预警持续进行，我们鼓励公众和关键基础设施运营商访问美国国家海洋和大气管理局（NOAA）的空间天气预报中心，获取最新信息和更新，”瑟尼森说道。 日冕物质抛射从其在太阳上猛烈爆发到抵达约9300万英里外的地球，其历程凸显了太阳系的动态特性，以及海军研究实验室对太阳物理学研究和空间天气防备的持续重要贡献。从此类事件中收集的数据将有助于未来的研究，进一步增强我们的理解和预测能力，并最终增强国家安全和关键基础设施的韧性。 编译自/[ScitechDaily](https://scitechdaily.com/massive-solar-storm-sparks-rare-g4-alert-what-it-means-for-earth/) [查看评论](https://m.cnbeta.com.tw/comment/1506596.htm)

跌宕起伏的估值。

苏超正在成为江苏各大城市的文旅引流密码，是文体联动的典范。

 在世界充满隔阂的时候，小岛秀夫告诉我们连接的含义，而当世界仿佛恢复了往日的秩序，那些连接所带来的问题，作为创作者你不能逃避。 人类应该连接吗？在游戏《死亡搁浅2》发售的前夕，用一支视频帮你回顾《死亡搁浅》1代的哲学命题，和2代将继续围绕哪些故事展开。 汉米尔顿与小岛工作室合作推出的《死亡搁浅2：冥滩之上》联名腕表，仅限量发行2000枚，与游戏《死亡搁浅2》同步发售。 6月26日 00:00，游戏发售的同一时刻，机核网机核商城，将进行大陆地区独家首发，感兴趣的朋友不要错过时间。 [<汉米尔顿 X《死亡搁浅2:冥滩之上》联名腕表 6月26日机核商城限量首发>](https://www.gcores.com/products/991/) 6月29日 20:00，汉米尔顿天猫官方旗舰店、汉米尔顿京东自营旗舰店、汉米尔顿京东官方旗舰店，亦将同步发售，欢迎大家持续关注。

2024年的AI渗透是技术先行、市场自演，但2025年的关键词，必定是“制度回场”。

在无孔不入的挖角和力不从心的专利保护之下，技术优势很难构建护城河，“内卷式”价格战就容易成为行业常态。

面对五花八门的转让信息，如果想接手一家成熟的门店，创业者该如何避坑？

微笑依然是通往出口的钥匙。

 在移动应用中，H5页面的加载速度直接影响用户体验。白屏、卡顿、资源加载延迟等问题，常让用户感到焦躁。如何让H5页面“快”起来？目前的一些优化手段（如懒加载、CDN加速）已逐步普及，但若想进一步突破性能瓶颈，或许需要一种更“聪明”的解决方案——华为[<u>AppGallery Connect</u>](#/)（简称AGC）全新推出的H5预加载组件，通过系统级预处理技术，实现H5页面的极速加载，让加载速度“飞”起来。 ## ****什么是H5预加载组件？**** 华为H5预加载组件是一个高性能Web容器，可以提供预启动、预渲染、预编译、离线资源免拦截注入等能力。  ## ****H5********接入实际效果：**** 官方测试数据显示： - APP首次安装：使用预加载组件后，H5页面加载速度提升49.8%； - APP重新启动：冷启动场景下，加载速度提升39.7%。 ****如何接入H********5********预加载组件？**** - 下载组件：[https://ohpm.openharmony.cn/#/cn/detail/@hw-agconnect%2Ffast-web](https://ohpm.openharmony.cn/#/cn/detail/@hw-agconnect%2Ffast-web) - 预创建组件：  预启动（必选） 预渲染（必选） 预编译JavaScript生成字节码缓存（可选） 离线资源免拦截注入（可选） - 使用组件：  开发者使用华为H5预加载只需简单配置（如标记高频页面、预载资源列表），即可让H5页面获得流畅体验。欢迎广大开发者****立即体验——下载****[**<u>**h5预加载组件**</u>**](#/cn/detail/@hw-agconnect%2Ffast-web?ha_source=rrdscpjl&amp;ha_sourceId=89000499)****，****让你的H5页面“快”人一步。 AppGallery Connect致力于为应用的创意、开发、分发、运营、经营各环节提供一 站式服务，构建全场景智慧化的应用生态体验。为给您带来更好服务，****请扫描下方二维码或者****[**<u>**点击此处**</u>**](#/replyQuestionnaire?preview=false&amp;questionnaireId=1705281074780705728&amp;fromOper=true)****免费咨询********。****  如您有任何疑问，请发送邮件至****agconnect@huawei.com****咨询，感谢您对HUAWEI AppGallery Connect的支持！

那些无法复现的闪退、莫名其妙的卡顿、突如其来的ANR弹窗，是否让您倍感困扰？华为[<u>AppGallery Connect</u>](#/)（简称AGC）推出的[<u>APMS</u>](https://developer.huawei.com/consumer/cn/doc/AppGallery-connect-Guides/agc-apms-overview-0000001055732708?ha_source=rrdscpjl&amp;ha_sourceId=89000499)（Application Performance Management Service，简称APMS）性能监控服务，正在成为广大开发者的”线上急诊室”****。****针对2025年新上架的鸿蒙应用，开发者使用APMS**_**_无需专门申请，默认开通，即点即用_**_**。 作为深度集成于鸿蒙生态的性能管理平台，APMS通过系统级服务实现应用运行状态的实时监测，覆盖崩溃（CPP CRASH/JS ERROR）、无响应（AppFreeze）、启动耗时、页面加载效率及功耗等核心指标，并提供问题发生时的环境上下文、堆栈轨迹及多维分析数据，助力开发者快速定位并修复问题。 ## ****一、如何使用A********PMS********？**** - 登录[AppGallery Connect](#/)平台 - 开发与服务——选择某一项目后左侧菜单栏即有质量模块下的APMS服务，点击菜单栏即可使用。  __异常管理全景__  __性能管理全景图__ ## ****二、********APMS********的典型应用场景**** - ****定位应用********/游戏的闪退问题**** **** **** - ****采集应用性能数据，助力优化改进**** **** **** ****三、实际应用案例**** 某政务APP接入华为AppGallery Connect应用性能管理服务（APMS）后，据开发者统计，通过全链路监控实现显著优化：应用崩溃率从2.3%降至0.17%，用户差评中”闪退”相关反馈减少89%，同时借助帧率分析功能将表单提交场景的响应速度提升40%。在某热门游戏应用实践中，APMS的内存监控模块助力定位并修复资源泄漏问题，使低端机型适配率提升至98%，得益于性能稳定性改善，用户次日留存率较优化前提高21%。 欢迎广大鸿蒙开发者体验APMS服务。如果您是一位鸿蒙开发者，赶快加入体验服务，让我们携手共进，共享鸿蒙发展的无限机遇，点击链接即可体验：[<u>APMS业务</u>](https://developer.huawei.com/consumer/cn/doc/AppGallery-connect-Guides/agc-apms-overview-0000001055732708?ha_source=rrdscpjl&amp;ha_sourceId=89000499) AppGallery Connect致力于为应用的创意、开发、分发、运营、经营各环节提供一 站式服务，构建全场景智慧化的应用生态体验。为给您带来更好服务，****请扫描下方二维码或者****[**<u>**点击此处**</u>**](#/replyQuestionnaire?preview=false&amp;questionnaireId=1705281074780705728&amp;fromOper=true)****免费咨询。****  如您有任何疑问，请发送邮件至****agconnect@huawei.com****咨询，感谢您对HUAWEI AppGallery Connect的支持！

2025 年，是 Agent 按下加速键的一年。 从年初 DeepSeek 引发的惊叹，到 GPT-4o 和 Claude 3.5 接连登场，大模型的边界一次次被重写。但真正让 AI 产业链神经绷紧的，不是模型的性能迭代，而是 Agent 的横空出世。 Manus、Devin 等产品的爆火，都在重申一个共识： 大模型将不再只是工具，而是要成为可以自我调度的智能体 。 Agent 由此成为继大模型之后，全球科技圈最快形成共识的第二个风口。 从巨头的战略重构到创业赛道的快速跟进，Agent 正成为下一个全民下注的方向。但在 C 端产品密集涌现、开发者为其狂热的同时，真正跑通用户价值闭环的项目却凤毛麟角，越来越多的产品陷入了「用老需求套新技术」的焦虑。 热浪过后，市场也回归冷静：Agent 究竟是一场范式的重构，还是一次新的包装？所谓「通用」与「垂直」的路径分野，是否真的带来可持续的市场空间？而「新入口」背后，是交互方式的进化，还是旧世界的投影？ 顺着这些疑问继续下探，我们会发现，Agent 的真正门槛，或许并不在模型能力，而在其赖以生存的底层设施。从可控运行环境，到记忆系统、上下文感知、工具调用，每一个基础模块的缺位，都是 Agent 从演示走向实用的最大阻力。 这些底层工程问题，构成了 Agent 从「潮流玩具」走向「生产力工具」的最大阻碍，也恰恰是当下最确定、最高价值的创业蓝海。 在这样一个供给溢出、需求未明的阶段，我们想借由这场对谈，回答一个越来越紧迫的问题： Agent 的真问题与真机会，究竟藏在哪些地方？ 在本次深度对谈里，我们邀请到了身处一线的 拾象科技 创始人李广密 与 拾象科技 AI Research Lead 钟 凯祺 ，两位从业者将从产品形态、技术路径、商业模式、用户体验乃至 Infra 构建等多个维度，为我们拆解当下 Agent 的真问题与真机会。 我们将跟随他们的思考，探寻在巨头环伺的牌桌上，创业公司的真实机会藏于何处；一条从「Copilot」平滑过渡到「Agent」的务实成长路径是如何被一步步验证的 ；以及为何 Coding（编码）这一看似垂直的领域，却被视作通往 AGI 的「价值高地」与「关键指标」。  最终，这场对话将推向更远的未来，一窥人与 Agent 之间全新的协作关系，以及构建下一代智能基础设施所面临的核心挑战与无限机遇。 要点精选 - 通用 Agent 领域做得最好的是「模型即 Agent」（Model as Agent）。 - 做 Agent 这件事，并不一定要「以终为始」，一开始就瞄着完全自动化的 Agent 去做，它可以先从 Copilot 做起。在这个过程中收集用户数据、做好用户体验、占领用户心智，然后慢慢地转型。 - AGI 有可能最先在 Coding（编码）环境下实现，因为这个环境最简单，它能锻炼 AI 的核心能力。Coding 是这个世界里的「万用之机」，有了它，AI 就可以去构建和创造。Coding 有可能拿走整个大模型产业阶段性 90% 的价值。 - AI Native 的产品不只是给人用的，它必须同时服务于 AI。一个真正的 AI Native 产品，应该是内建了服务 AI 和人类的双向机制。 - 今天的 AI 产品正在从「工具」走向「关系」。人不会和工具建立关系，但会和一个有记忆、懂你、能与你「心有灵犀」的 AI 建立关系。 以下为当天《今夜科技谈》直播沉淀，由极客公园整理。 - - -   # 01 热潮之下，哪些 Agent 产品已崭露头角？   张鹏 ： 在过去一段时间，所有人都在讨论 Agent，认为这可能是现阶段的一个重要议题，也是创业公司的难得发展机会。 我看到拾象科技对 Agent 体系做了比较深入的研究，也体验和分析了很多相关产品。我想先听听两位，最近哪些 Agent 相关的产品给你们留下了比较深刻的印象？为什么？ 李广密 ：我自己印象最深的是两个：一个是 Anthropic 的 Claude 在编程能力上的表现，另一个是 OpenAI ChatGPT 的 Deep Research 功能。 关于 Claude，主要是它的编程能力。我有一个观点： 编程（Coding）是衡量 AGI 最关键的先验指标。 如果 AI 不能规模化、端到端地进行软件应用开发，那么在其他领域的进展也会比较慢。我们必须先在 Coding 这个环境下实现很强的 ASI（Artificial Superintelligence），其他领域才可能加速。或者说，我们先在数字环境下实现 AGI，再拓展到其他领域。  全球首位 AI 程序员 Devin｜图源：Cognition Labs     关于 Deep Research，它对我自己的帮助非常大，我几乎每天都在用。它其实就是一个搜索 Agent，帮我检索了大量的网页和资料，体验很好，极大地拓展了我的研究空间。 张鹏 ： 凯祺 ，从你的视角看，哪些产品给你留下了深刻印象 ？ 钟 凯祺 (Cage) ：我可以介绍一下我平时观察和使用 Agents 的思维模型，然后在每个分类下介绍一两个代表性产品。 首先，大家经常会问：通用 Agent 还是垂直 Agent？ 我们认为通用 Agent 领域做得最好的是「模型即 Agent」（Model as Agent）。 比如广密刚才提到的 OpenAI 的 Deep Research，以及 OpenAI 新发布的 o3 模型，它其实就是一个标准的「模型即 Agent」的范例。它把 Agent 的所有组件——大语言模型（LLM）、上下文（Context）、工具使用（Tool Use）和环境（Environment）——全都缝合到了一起，并进行了端到端的强化学习训练。训练之后的结果就是，各类 Agent 执行信息检索的任务它都能完成。 所以我的一个「暴论」是：通用 Agent 的需求基本上就是信息检索和轻度代码编写这两类，而 GPT-4o 已经完成得非常好了。因此， 通用 Agent 市场基本上是大模型公司的主战场，创业公司很难仅仅服务于通用需求来做大。 让我印象比较深刻的创业公司基本都聚焦在垂直（Vertical）领域。 如果我们先说 ToB 的垂直领域，可以 类比人的工作 分为前台工作和后台工作 。 后台工作的特点是重复性强、对高并发要求高，通常有一条很长的 SOP（Standard Operating Procedure），其中很多任务非常适合 AI Agent 去一对一地执行，并且适合在比较大的探索空间里进行强化学习。这里比较有代表性的，我想分享的是一些面向 AI for Science 的创业公司，他们做的是 Multi-agent system（多智能体系统）。 在这个系统里，各种科研任务都包含在内，比如文献检索、实验规划、预测前沿进展以及数据分析等。它的特点是，不再是像 Deep Research 那样的单个 Agent，而是一个非常复杂的、能针对科研系统做到更高分辨率的系统。它有一个很有意思的功能叫「Contradiction Finding」，可以处理对抗性的任务，例如发现两篇顶级期刊论文之间的矛盾之处。这代表了研究型 Agent 里一种非常有意思的范式。 前台工作很多时候是和人打交道，需要做外联，目前比较适合的是语音 Agent，例如医疗领域的护士电话回访、招聘、物流沟通等。 这里我想分享一家叫 HappyRobot 的公司，他们找到了一个听起来很小的场景，专门在物流和供应链领域做电话沟通。比如，一个卡车司机遇到问题，或者货到了之后，Agent 能快速给他打电话。这里发挥了 AI Agent 一个很特别的能力：7 天 24 小时无间断地响应并快速做出反应。这对于物流的大部分需求来说已经足够了。 除了以上两大类，还有一些比较特别的，比如 Coding Agent。   # 02 从 Copilot 到 Agent， 是否存在一条更务实的成长路径？   钟凯祺： 在代码开发这个领域，最近创业热情很火热，一个很好的例子是 Cursor。Cursor 1.0 的发布，基本上把一个原来看起来是 Copilot（辅助驾驶）的产品，变成了一个完全的 Agent 产品。它能后台异步操作，有记忆功能，这正是我们对 Agent 的想象。 它和 Devin 的对比很有意思，给我们的启发是： 做 Agent 这件事，并不一定要「以终为始」，一开始就瞄着完全自动化的 Agent 去做，它可以先从 Copilot 做起。在这个过程中收集用户数据、做好用户体验、占领用户心智，然后慢慢地转型。 国内做得不错的，像 Minus AI，他们最早的产品也是从 Copilot 形态做起的。 最后，我还会用「环境」这个思维模型来区分不同 Agent。比如，Manus 的环境是虚拟机（Virtual Machine），Devin 的环境是浏览器，flowith 的环境是笔记本，SheetZero 的环境是表格，Lovart 的环境是画布等等。这个「环境」就对应了强化学习里的环境定义，这也是一种值得参考的分类方式。  国内初创团队打造的 flowith ｜图源：flowith     张鹏：我们深入聊聊 Cursor 这个例子，它背后的技术栈和成长路径是怎样的 ？ 钟 凯祺 (Cage) ：自动驾驶的例子就很有意思，直到今天，特斯拉也不敢真的把方向盘、刹车和油门去掉。这说明在很多关键决策上，AI 还没办法完全超越人类。 只要 AI 的能力和人类差不多，一些关键决策就一定需要人类介入。这正是 Cursor 一开始就想得比较明白的地方。 所以他们最早贴合的特性，就是一个人类最需要的功能：自动补全（Autocompletion），它把这个功能做成了 Tab 键触发，随着 Claude 3.5 这样的模型出来，Cursor 把 Tab 的准确率提高到 90% 以上。在这种准确率下，我可以在一个任务流中连续使用 5 到 10 次，心流体验就出现了。这是 Cursor 作为 Copilot 的第一个阶段。 第二个阶段，他们做的功能是代码重构（Code Refactoring）。Devin 和 Cursor 都想做这个需求，但 Cursor 做得更巧妙。它会跳出一个对话框，当我输入需求时，它可以在文件外开启一个平行的修改模式来重构代码。 这个功能刚出来时准确率也不高，但因为用户对它的预期是 Copilot，所以大家都能接受。而且他们很准确地预判到，模型的 coding 能力一定会快速提升。所以他们一边打磨产品功能，一边等待模型能力提升，Agent 能力就很顺利地浮现了。 第三步就是我们今天看到的 Cursor 状态了，一个相对端到端的、在后台（background）运行的 Agent。它背后有一个像沙盒一样的环境，我甚至可以在上班时把不想做的任务布置给它，它可以在后台用我的计算资源去完成，与此同时，我能专注于自己最想做的核心任务。 最后，它以异步交互的形式，像发邮件或飞书消息一样，把结果告诉我。这个过程很顺利地实现了从 Copilot 到 Autopilot（或者说 Agent）的转型。 关键还是要抓住人的交互心智，从一开始让用户更乐于接受同步交互，这样就能收集到大量的用户数据和反馈。   # 03 为何 Coding 是通往 AGI 的「关键试炼场」？   张鹏：广密刚才说「Coding 是通向 AGI 的关键，如果不能在这个领域实现 ASI（超级智能），其他领域也很难。」为什么？ 李广密 ：有几个逻辑。第一，Code 这个数据是最干净、最容易闭环，并且结果是可以验证的。我有一个猜想，Chatbot 可能没有数据飞轮（一种反馈循环机制，通过从交互或流程中收集数据，持续优化 AI 模型，进而产生更优的结果和更有价值的数据）。但 Code 领域有机会跑出数据飞轮，因为它可以进行多轮的强化学习，而 Code 是跑多轮强化学习的关键环境。 我一方面把 Code 理解成编程工具，但更愿意把它理解成一个实现 AGI 的环境。AGI 有可能最先在这个环境下实现，因为这个环境最简单，它能锻炼 AI 的核心能力。如果 AI 连一个端到端的应用软件开发都做不了，那在其他领域就更难了。 如果它在未来一段时间无法大规模替代基础的软件开发工作，那在其他领域也很难。 而且，coding 能力上来了，模型的指令遵循能力也会上来。比如处理很长的 prompt，Claude 就明显要强一些，我们猜测这跟它的 coding 能力有逻辑关系。 另外一个点，我想未来的 AGI 会先在数字世界实现。未来两年，Agent 能做人在手机和电脑上操作的几乎所有事情。一方面通过简单的 coding 完成，如果不行，它还可以调用其他虚拟工具。所以，先在数字世界里实现 AGI，让它跑得比较快，这是一个大的逻辑。   # 04 如何判定一个好 Agent？   张鹏：Coding 是这个世界里的「万用之机」，有了它，AI 就可以去构建和创造。而且编程这个领域相对结构化，适合 AI 发挥。当评价一个 Agent 的好坏时，除了用户体验，你们会从什么视角去评价一个 Agent 的潜力？ 钟 凯祺 (Cage) ：一个好的 Agent 首先得有一个环境来帮助构建数据飞轮，而且这个数据本身要是可验证的。 最近 Anthropic 的研究员提得比较多一个词叫 RLVR（Reinforcement Learning from Verifiable Reward），其中的「V」就是指可验证的回报。代码和数学就是非常标准的可验证领域，任务做完后，立马能验证对错，数据飞轮就自然地建立起来了。  数据飞轮的工作机制｜图源：英伟达     所以，构建一个 Agent 产品，就是要构建这样一个环境。在这个环境里，用户执行任务的成功或失败都不重要，因为现在的 Agent 一定会失败。关键是在失败时，它能收集到有信号的数据，而不是噪音数据，来指导产品本身的优化。这些数据甚至可以作为强化学习环境的冷启动数据。 第二，产品是否做得足够「Agent Native」。就是说，在设计产品时，要同时思考人和 Agent 的需求。一个典型的例子是 The Browser Company，它为什么要做一款新的浏览器？因为之前的 Arc 纯粹是为了提升人类用户的效率而设计的。而他们新的浏览器在设计时，很多新功能未来是能给 AI Agent 自己使用的。当产品的底层设计逻辑发生改变，这就非常重要了。 从结果上来说，客观评估也很关键。 - 任务完成率+成功率 - ：首先任务得能跑完，这样用户至少能收到一个反馈。其次是成功率。一个 10 步的任务，如果每一步准确率都是 90%，那最终成功率只有 35%。所以必须优化好每一步之间的衔接。目前行业里一个及格线可能是五成以上的成功率。 - 成本和效率 - ：包括计算成本（token cost）和用户的时间成本。如果 GPT-4o 跑一个任务 3 分钟，而另一个 Agent 要跑 30 分钟，这对用户是很大的消耗。而且这 30 分钟里，算力消耗是巨大的，这会影响规模效应。 - 用户指标 - ：最典型的是用户粘性。用户在尝鲜后是否愿意反复使用？比如日活/月活（DAU/MAU）比例、次月留存率、付费率等，这些是避免公司只有「虚假繁荣」（five minutes of fame）的根本指标。 李广密 ：我再补充一个视角：Agent 与当前模型能力的匹配程度。今天 Agent 80% 的能力依赖于模型这个引擎。比如，GPT 到了 3.5，多轮对话的通用范式出现了，Chatbot 这种产品形态就行得通了。Cursor 的崛起也是因为模型发展到了 Claude 3.5 的水平，它的代码补全能力才得以成立。 像 Devin 其实出来就得偏早了，所以创始团队对模型能力的边界理解非常重要，要清楚今天以及未来六个月模型能到哪一步，这与 Agent 能实现的目标息息相关。 张鹏：什么叫「AI Native」的产品？我觉得 AI Native 的产品不只是给人用的，它必须同时服务于 AI。 换句话说， 如果一个产品里没有合理的数据去调试，没有为未来 AI 的工作环境做搭建，那它只是把 AI 当成一种降本增效的工具，这样的产品生命力是有限的，很容易被技术浪潮淹没。一个真正的 AI Native 产品，应该是内建了服务 AI 和人类的双向机制。 简单来说，AI 在服务用户的时候，用户有没有也在服务 AI？ 钟 凯祺 (Cage) ：我非常喜欢这个概念。Agent 的数据在现实世界里是不存在的，没有人会在完成任务时把思考过程一步步拆解清楚。那怎么办？一个方法是找专业的标注公司，另一个方法就是要撬动（leverage）用户，把用户的真实使用方式和 Agent 自身的运行过程捕捉下来。 张鹏：那如果要通过 Agent 的方式让人类给 AI「投喂」数据，什么样的任务是最有价值的？ 钟 凯祺 (Cage) ：与其想着用数据服务 AI，不如想 AI 有什么长板应该被放大。比如科学研究，在 AlphaGo 之前，人类觉得围棋和数学是最难的。但用了强化学习之后发现，这些对 AI 反而是最简单的。在科学领域也一样，人类历史上已经很久没有一个学者能通晓每个学科的犄角旮旯了，但 AI 可以。所以我认为，科学研究这类任务对人类来说很难，但对 AI 不一定难。正因如此，我们才要多找一些数据和服务来支持它。这类任务的回报比大部分任务更 verifiable，未来甚至可能是人类帮 AI「摇试管」，然后告诉 AI 结果是对是错，帮助 AI 一起去点亮科技树。 李广密 ：一开始的数据冷启动是必要的。做一个 Agent 就像做一个创业公司，创始人肯定要做冷启动，要亲力亲为。接下来，搭建环境就很重要，决定了 Agent 往哪个方向走。再往后，更重要的是搭建奖励（Reward）系统。我觉得环境和奖励这两个因素非常关键。在这个基础上，Agent 的创业者做好这个 Agent 的「CEO」就好了。今天 AI 已经能写出人类看不懂但能运行的代码，我们不一定非要理解强化学习端到端的逻辑，只要搭好环境、设好奖励就行。   # 05 Agent 的商业模式将走向何方？   张鹏：最近我们看到很多 ToB 领域的 Agent，尤其是在美国，它们的商业模式和增长模式有什么变化吗？还是有新的模式出现？ 钟 凯祺 (Cage) ：现在最大的一个特点就是，有越来越多的产品从偏 C 端切入，在公司组织里自下而上（bottom-up）地被使用。最典型的就是 Cursor。除了它，还有很多 AI Agent 或 Copilot 产品，大家愿意自己先用起来。这就不再是传统 SaaS 那种需要先搞定 CIO、一对一签单的模式了，至少第一步不是这样。 另一个有意思的产品是 OpenEvidence，他们做的是医生这个群体。他们先把医生群体打下来，然后渐渐植入医疗器械和药品的广告。这些业务不需要一开始就和医院谈，因为和医院谈非常慢。AI 创业最关键的就是速度，光靠技术护城河是没用的，需要通过这种自下而上的方式增长。  AI 医疗独角兽 OpenEvidence｜图源：OpenEvidence     关于商业模式，现在有一个趋势，就是慢慢地从基于成本（Cost-based）定价走向基于价值（Value-based）定价。 - 基于成本 - ：这像传统云服务，在 CPU/GPU 成本之上加一层软件价值。 - 按次收费 - ：在 Agent 这边，一种是按「动作」（Action）收费。比如我前面提到的物流 Agent，给卡车司机打一个电话收几毛钱。 - 按工作流收费 - ：更高一层的抽象是按「工作流」（Workflow）收费，比如完成一整个物流订单。这离成本端更远，离价值端更近了，因为它真的参与到了工作中。但这需要一个相对收敛的场景。 - 按结果付费 - ：再往上，就是按「结果」（Result）付费。因为 Agent 成功率不高，用户希望为成功的结果付费。这要求 Agent 公司对产品有极高的打磨能力。 - 按 Agent 本身付费 - ：未来可能会真正地按「Agent」付费。比如，有一家叫 Hippocratic AI 的公司做 AI 护士，在美国招一个人类护士大概是每小时 40 美金，而他们的 AI 护士每小时只要 9 到 10 美金，降了四分之三的成本。在美国这种人力昂贵的市场，这非常合理。如果 Agent 未来能做得更好，我甚至可以给它发奖金、发年终奖。这些都是商业模式上的创新。 李广密 ：我们最期待的是按价值（Value-based）的计价方式。比如 Manus AI 做一个网站，这个价值是不是值 300 美金？它做一个应用，是不是值 5 万美金？但今天的任务价值还不好定价。如何建立一个好的衡量计价方式，是值得创业者去探索的。 另外，刚才凯祺提到按 Agent 付费，这就像企业要和员工签合同一样。未来我们雇佣了 Agent，是不是要给它发「身份证」？是不是要签「劳动合同」？这其实就是智能合约。我比较期待未来 Crypto 领域的智能合约如何应用到数字世界的 Agent 上，当任务完成后，通过一个好的衡量计价手段，去分配经济利益。这可能是 Agent 与 Crypto 智能合约结合的机会。   # 06 人类与 Agent 的协作关系会变成什么形态？   张鹏：最近在 Coding Agent 这个方向，有两个词讨论得比较多：「Human in the loop」和「Human on the loop」，这是在探讨什么？ 钟 凯祺 (Cage) ：「Human on the loop」是指人尽可能减少在循环中的决策，只在关键时刻参与一下。有点像特斯拉的 FSD，当系统遇到危险决策时，会警告人类接管油门刹车。在虚拟世界中，这通常指非即时的、异步的人机协作。人可以对 AI 拿不准的关键决策进行干预。 「Human in the loop」则更偏向于 AI 会时不时地「ping」你一下，来确认某件事。比如 Minus AI，它的右半边有一个虚拟机，我可以实时看到它在浏览器里做什么，这就像一个打开的白盒，我能大概知道 Agent 想做什么。 这两个概念不是非黑即白的关系，而是一个光谱。现在更多的是「in the loop」，人还是要在很多关键点上做审批。原因很简单，软件还没到那个阶段，出了问题总得有人负责。油门和刹车一定是去不掉的。 可以预见的是，未来高重复性的任务，最终结果一定是人只看摘要，自动化程度会非常高。 对于一些难题，比如让 AI 看病理报告，我们可以把 Agent 的「假阳率」调高一点，让它更容易觉得「有问题」，然后「on the loop」地把这些案例作为邮件发给人类医生。这样，虽然人类医生需要复核的案例多了，但 Agent 所有判断为「阴性」的案例都可以被顺利审批掉。如果病理报告中只有 20% 真的有难度，那人类医生的工作带宽就已经放大了 5 倍。所以不用太纠结于「in」还是「on」，只要找到好的结合点，就能把人机协作做得很好。 李广密 ：鹏哥问的这个问题背后，其实有一个巨大的机会，就是「新的交互」以及「人与 Agent 如何协同」。这可以简单理解成在线（同步）和离线（异步）。比如我们开会直播，必须实时在线。但如果我作为一个 CEO 给同事布置任务，项目推进是异步的。 这里面更大的意义在于，当 Agent 大规模落地后，人与 Agent 如何协同交互，以及 Agent 与 Agent 之间如何协同交互，这是非常值得探索的。今天我们还是通过文本与 AI 交互，但未来与 Agent 的交互方式会有很多种。有些可能在后台自动化运行，有些则需要人在前面看着。 探索新的交互是一个巨大的机会。   # 07 能力过剩、需求不足， Agent 的「杀手级应用」何时出现？   张鹏：Coding Agent 总体还是围绕 IDE 的延长线在做。未来会不会有变化？如果大家都挤在这条路上，后来者要如何追赶 Cursor？ 钟 凯祺 (Cage) ：IDE 只是一个环境，再去复刻一个 IDE 本身的价值不大。但在 IDE 或另一个好的环境里做 Agent，本身是有价值的。我会思考它的用户到底只是专业开发者，还是能拓展到专业开发者之外「平民开发者」——那些有很多自动化需求的白领工作者。 现在缺的是什么？不是供给能力，因为 Cursor 这类产品已经把 AI 的 coding 供给能力放大了 10 倍甚至 100 倍。以前我要做一个产品，需要外包一个 IT 团队，试错成本很高。现在理论上我只要说一句话，花 20 美元的月费就能试错。 现在缺的是需求。大家都在用老的需求去套新技术，有点「拿着锤子找钉子」的状态。 目前的需求大多是做落地页（Landing page）或者基础的玩具网站。未来需要找到一个收敛的产品形态。这有点像当年推荐引擎出来的时候，它是一个很好的技术，后来出现了一种叫「信息流」的产品形态，把推荐引擎真正带给了大众。但 AI Coding 领域还没有找到像「信息流」这样的杀手级产品。 李广密 ： 我觉得 Coding 有可能拿走整个大模型产业阶段性 90% 的价值。 这个价值怎么长出来？今天的第一幕还是服务全球 3000 万程序员。我举个例子，Photoshop 服务的是全球两三千万专业设计师，门槛很高。但是当剪映、Canva、美图秀秀出来后，可能有 5 亿甚至更多的用户都可以使用这些工具，并做出更火爆的内容。 Code 有一个好处，它是一个创意的表达平台。这个社会上 90% 以上的任务都可以通过 Code 来表达，所以它有可能变成一个创意平台。以前应用开发门槛非常高，大量的长尾需求没有被满足。当门槛大幅降低后，这些需求就会被激发出来。我期待的是「应用的大爆发」。移动互联网生成的最大数据是内容，而 AI 这一波生成的最大内容可能就是新的应用软件。这就像优酷、爱奇艺这种长视频平台和抖音的区别。你可以把大模型比作摄像头，在它之上还能做出抖音和剪映这样的杀手级应用。这可能就是所谓的「Vibe Coding」（氛围编程）的本质，它是一个新的创意平台。 张鹏：要提升 Agent 的输出价值，输入（input）也变得非常重要。但在产品和技术上，有什么方法可以提升输入质量，从而确保更好的输出呢？ 钟 凯祺 (Cage) ：在产品上，我们不能觉得用户用不好产品是用户的问题。要下功夫最关键的一个词就是「上下文」（Context）。一个 Agent 能否建立「上下文感知」（Context Awareness）？ 举个例子，如果我在互联网大厂里写代码，Agent 不光要看我手头的代码，还要看整个公司相关的代码库（Codebase），甚至要看我在飞书里和产品经理、同事的对话，以及我之前的编码和沟通习惯。把这些上下文都给 Agent，我的输入才能更高效。 所以对于 Agent 开发者来说，最关键的就是要把记忆（Memory）机制和上下文的连接能力做得足够好，这也是 Agent 基础设施（Infra）的一大挑战。  Agent 的挑战：好记忆机制和上下文连接｜图源：零售科学     此外，对于开发者来说，怎么做好强化学习的冷启动数据、怎么定义清晰的奖励（Reward）也很重要。这个奖励背后意味着，当用户表达不清晰时，你怎么把他的需求拆解出来。比如，OpenAI 的 Deep Research 在我问得不清晰时，会先给出四个引导性问题。在和它交互的过程中，我其实也在想清楚自己的需求。 对于今天的用户来说，最主要还是要想怎么清晰地表达需求，以及怎么验收需求。虽然不用做到「以终为始」，但要对好坏有一个大概的预期。 我们写 Prompt 也要像写代码一样，有清晰的指令和逻辑，这样能避免很多无效的输出。 李广密 ：我补充两点。第一，上下文的重要性。 我们内部经常讨论，上下文做好了，会有新的支付宝、PayPal 级别的机会。 以前电商看的是成交总额（GMV），以后看的是任务完成率。而任务完成，一边是智能，另一边就是上下文。比如我要做一个个人网站，如果把我的 Notion 笔记、微信数据、邮件数据都提供给 AI，那我的个人网站内容肯定会非常丰富。 第二，自主学习。搭好环境后，Agent 要能迭代，这非常关键。如果不能持续学习迭代，结果就是被模型本身吃掉，因为模型就是一个学习系统。上一波移动互联网，没有做机器学习和推荐的公司都没做大。这一波如果 Agent 做不好端到端的自主学习和迭代，我觉得也做不起来。   # 08 巨头博弈下，还有哪些变化和机会？   张鹏：我们怎么判断未来 Agent 的能力会以一个超级接口的形式出现，还是离散地分布在各个场景里？ 钟 凯祺 (Cage) ：我看到一个比较大的趋势是，第一，肯定是多智能体（Multi-agent）的。即便是完成一个任务，在 Cursor 这类产品里，做代码补全和做单元测试的可能是不同的 Agent，因为它们需要的「性格」和擅长的点不一样。 第二，入口会不会有变化？我觉得入口是一个二阶的问题。首先要发生的是，大家有很多 Agent，并和它们协作。这些 Agent 背后会支撑起一张网络，我称之为「Botnet」。比如未来购物，60% 以上的固定消费可能都由 Agent 帮我完成。 在生产力场景也一样，未来程序员的每日例会可能会被 Agent 之间的协作所取代，由它们推送指标异常和产品开发进展。当这些发生后，入口的变化才可能出现。那个时候，API 的调用也不再主要是人类调用，而是 Agent 之间互相调用。 张鹏：那些有能力的大厂，比如 OpenAI, Anthropic, Google, Microsoft，在 Agent 上都是什么样的决策和行动状态？ 李广密 ：我脑子里一个关键词是「分化」。 去年大家都在追赶 GPT-4，但现在能做的事更多了，各家都开始分化。 第一个发生分化的就是 Anthropic。因为它比 OpenAI 晚，综合能力没那么强，所以它就专注在 Coding 上。我感觉它摸到了通往 AGI 大方向的第一张大牌，就是 Coding Agent。他们可能认为，通过 Coding 可以实现 AGI，可以带来指令遵循能力和 Agent 能力，这是一个逻辑自洽的闭环。 但 OpenAI 手上的大牌就更多了。第一张是 ChatGPT，Sam Altman 可能想把它做成 10 亿日活的产品。第二张是它的「o」系列模型（GPT-4o 等），预期很高，能带来更多泛化能力。第三张是多模态，它的多模态推理能力上来了，未来在生成上也能体现。所以，Anthropic 摸到了一张大牌，OpenAI 摸到了三张。 另一个大厂是 Google。我觉得到今年年底，Google 可能会在全方位赶上。因为它既有 TPU，又有 Google Cloud，有顶尖的 Gemini 模型，还有 Android 和 Chrome。你在全球找不到第二家拥有所有这些要素，还几乎不依赖外部的公司。 Google 端到端能力是非常强的，很多人担心它的广告业务会被颠覆，但我感觉它未来可能会找到新的产品结合方式，从一个信息引擎变成一个任务引擎。 你看苹果，因为没有自己的 AI 能力，现在迭代就很被动。而微软是以开发者见长的，但 Cursor 和 Claude 其实抢了不少开发者的注意力。当然微软的盘子非常稳，有 GitHub 和 VS Code，但它也必须拥有非常强的 AGI 和模型能力。所以你看它也宣布 GitHub 的首选模型之一变成了 Claude，并迭代自己的开发者产品。微软在开发者这块必须守住，否则根基就没了。 所以大家开始分化了。可能 OpenAI 想成为下一个 Google，Anthropic 想成为下一个 Windows（靠 API 活着）。 张鹏：那与 Agent 相关的基础设施（Infra）有哪些变化和机会？ 钟 凯祺 (Cage) ：Agent 有几个关键组件。除了模型，第一个就是环境（Environment）。 Agent 开发最早期，80% 的问题都出在环境上。 像早期的 AutoGPT，要么用 Docker 启动，非常慢，要么直接在本地电脑部署，非常不安全。如果一个 Agent 要和我一起「上班」，我就得给它配一台「电脑」，所以环境的机会就出来了。 配「电脑」有两大需求： - 虚拟机/沙盒 - ：提供一个安全的执行环境。任务做错了能回退，执行过程不能伤害实际环境，并且要能快速启动、稳定运行。像 E2B、Modal Labs 这样的公司都在提供这类产品。 - 浏览器 - ：信息检索是最大需求，Agent 需要到各种网站上爬取信息。传统的爬虫容易被封，所以需要给 Agent 搭一个专用的、能理解信息的浏览器。这就应运而生了像 Browserbase、Browser Use 这样的公司。 第二个组件是上下文（Context）。这包括： - 信息检索（Retrieval） ：传统的 RAG 公司还在，但也有新的公司，比如 MemGPT，它为 AI Agent 开发轻量化的记忆和上下文管理工具。 - 工具发现 ：未来工具会非常多，需要一个像「大众点评」一样的平台来帮助 Agent 发现和挑选好用的工具。 - 记忆（Memory） ： Agent 需要一套能模拟人类复杂的长短期记忆结合能力的 Infra。 第三个组件是工具（Tools）。包括简单的搜索，也包括复杂的支付、自动化后端开发等。 最后，当 Agent 能力再强一些，一个重要的机会就是 Agent 安全（Agent Security）。 李广密 ：Agent Infra 非常重要。我们可以「以终为始」地想，三年后，当几万亿的 Agent 在数字世界里执行任务，那 Infra 的需求就太大了，这将重构整个云计算和数字化世界。 但今天我们还不知道什么样的 Agent 能做大，它到底需要什么样的 Infra。所以现在对创业者是一个非常好的窗口期，可以和那些做得好的 Agent 公司共同设计（co-design）和共创 Infra 工具。 我觉得今天最重要的，第一是虚拟机，第二是工具。 比如未来的 Agent 搜索肯定和人的搜索不一样，会产生天量的机器搜索需求。现在全网人类的搜索每天可能 200 亿次，未来机器搜索可能是几千亿甚至上万亿次。这种搜索不需要给人类做排序优化，可能一个大的数据库就够了，这里有很大的成本优化和创业机会。   # 09 当 AI 不再只是大模型，它会往哪个方向进化？   张鹏：Agent 始终绕不开模型，站在今天，你觉得模型技术在过去两年里走过了哪些关键的台阶？ 李广密 ：我觉得关键的里程碑（milestone）可能就两个。一个是 GPT-4 代表的规模化定律（Scaling Law）范式，即在预训练阶段，扩大规模仍然是有效的，它能带来通用的泛化能力。 第二个大的里程碑是「o」系列模型所代表的「模型会思考」的范式。它通过更长的思考时间（思维链），显著提升了推理能力。 我觉得这两个范式是今天 AGI 的左膀右臂。在这个基础上，Scaling Law 远远没有停止，思考模式也会继续。比如，在多模态下可以继续 Scaling，也可以把「o」系列的思考能力加到多模态上，这样多模态就能有更长的推理能力，生成的可控性和一致性就会变得非常好。 我自己的感觉是，未来两年可能比过去两年进步要更快。 今天可能正处在一个全球几千名顶尖 AI 科学家，共同推动人类科技文艺复兴的状态 ，资源充足，平台也具备了，很多地方都可能出现突破。 张鹏：你会比较期待接下来一两年，在 AI 领域看到哪些技术台阶的实现和跳跃？ 钟 凯祺 (Cage) ：第一个是多模态。现在多模态的理解和生成还是比较零散的，未来一定会走向「大一统」，即理解和生成一体化。这会极大地打开产品的想象力。 第二个是自主学习。我很喜欢 Richard Sutton（强化学习之父）提出的「经验的时代」（the era of experience）这个概念，即 AI 通过在线执行任务的体验来提升自己的能力。这在以前是看不到影子的，因为没有基座的世界知识。但从今年开始往后，这会是一个持续发生的事情。   2024 年图灵奖获奖者 Richard Sutton ｜图源：Amii     第三个是记忆。如果模型真的能在产品和技术层面把 Agent 的记忆做好，带来的突破会非常大。产品的粘性才真正出现。 我感觉 GPT-4o 开始有记忆的那一刻，我才真正对 ChatGPT 这款应用产生了粘性。 最后是新交互。会不会有不再是文字输入框的新交互？因为打字这个门槛其实挺高的。未来会不会有更符合人类直觉和本能的交互方式？比如，我有一个「永远在线」（Always-on）的 AI 产品，它在后台不断地听我说话、异步思考，在我灵感迸发的那一刻，能捕捉到关键的上下文。我觉得这些都是我比较期待的。 张鹏 ：确实，今天我们面临的挑战和机遇并存。一方面，我们不能被技术发展的速度「拉爆」，要保持持续的关注。另一方面， 今天的 AI 产品正在从「工具」走向「关系」。人不会和工具建立关系，但会和一个有记忆、懂你、能与你「心有灵犀」的 AI 建立关系。 这种关系本质上就是习惯和惯性，这也是未来重要的壁垒。 今天的探讨非常深入，感谢广密和凯祺的精彩分享。也感谢直播间观众的陪伴。我们下期《今夜科技谈》再见。 李广密 ：谢谢。 钟 凯祺 (Cage) ：谢谢。

**近日，Arm CEO Rene Haas公开批评美国对中国的AI芯片出口管制政策，他表示此举可能减缓该技术的整体发展，还会对整个行业和消费者造成负面影响。**在牛津的创始人论坛全球会议上，Haas指出：“如果你缩小了技术获取的范围，迫使其他生态系统成长，这并不好……如果你愿意这么说，这会让蛋糕变小。坦率地说，这对消费者来说也不太好。”  **美国在4月实施了对华出口的新限制措施，这一政策据称已使英伟达损失了约80亿美元，并将其几乎完全排除在中国市场之外。** 黄仁勋曾将美国出口管制措施称为“失败之举”，并警告称这些措施反而促使中国的竞争对手，如华为，加速在人工智能领域的增长和创新，最终导致更具竞争力的产品出现。 **Haas还透露，他在过去一年半中花费了大量时间与美国政府沟通，试图让政策制定者理解出口管制对行业的负面影响。** 他承认，美国政府中有很多“聪明且与行业紧密相连的人”，他认为Arm的声音被听到了。 Rene Haas还对黄仁勋表示赞赏，称他是一位强劲的竞争对手和快速的创新者. [查看评论](https://m.cnbeta.com.tw/comment/1506594.htm)

6月13日，FF创始人贾跃亭在第十七届轩辕汽车蓝皮书论坛2025上发表演讲，他表示，任Co-CEO 50天以来，FFAI股价涨超100%，交易量持续放大，有信心实现“双百”激励目标，为股东股民创造最大价值。在演讲中，贾跃亭称，一把手必须具备五大领域的决断力，才能带领企业赢得日益胶着的淘汰赛： 第一，战略。战略的本质，是做减法和聚焦核心价值，构建你的“决胜五力”。停止包揽一切、一家独享，停止重资本、重负债，缩短经营链条，聚焦战略核心。 第二是产品和技术。产品力和技术力是企业能否突围的根本。要彻底停止抄袭和走捷径，停止卷价格，而要卷价值，卷原创力、产品力和技术力。这不仅是一把手工程，更是“决胜五力”的核心支柱。 第三，用户生态，也就是产品力，销售力、用户力。停止投流、投放和跟风吹牛式营销。聚焦IP价值，打造产品IP、品牌IP、创始人IP和用户IP。停止建店和线下To C卖车，打造最具创新和代表产业发展未来的，共创生态线上直销的用户获取和FX Par线下服务的用户运营生态体系。 第四，出海方式。出海早已不是选择题，但真正决定淘汰赛结果的，是怎么出海，去哪儿出海。 我们认为，美国市场的成功，才是最大的出海成功。全球化3.0时代，要变“卖产品”为“创价值”，停止单打独斗、独赢思维，升级为“合伙人式出海”，与目的地国合作伙伴共同构建中外战略联盟和产业生态共同体。在符合当地法规的前提下，破界化反，高度互补，实现资源配置和效率最大化，真正做到价值共创、共享、共赢。 第五，体系建设。体系是一切的基础。把公司当作AI产品来打造，实现产品化、平台化、AI化，让公司像智能体一样持续进化、自我驱动。  [查看评论](https://m.cnbeta.com.tw/comment/1506590.htm)

以色列对伊朗发动空袭致局势大幅升级后，比特币及其他加密货币价格纷纷下挫。彭博汇编数据显示，周五新加坡时间上午，这一最大数字资产价格一度暴跌 3%，跌破 10.3 万美元，随后跌幅收窄。排名第二的代币以太币一度抹去约 7.6% 的市值。  据当地媒体报道，德黑兰传来爆炸声响后，市场出现抛售潮。以色列国防部长以色列・卡茨表示，鉴于以色列 “对伊朗发动先发制人打击”，他宣布进入特别紧急状态。卡茨称，以色列正预计伊朗将发动无人机与导弹报复袭击。 加密衍生品流动性提供商 Orbit Markets 联合创始人卡罗琳・莫龙指出：“加密货币对以色列袭击伊朗的消息反应消极，与主要风险资产走势一致。我们预计 10.1 万美元附近存在技术支撑，但地缘政治消息短期内将主导价格走势。” 袭击发生后，投资者立即涌入美国国债等避险资产，股市及股指期货同步下跌。原油价格飙升超 9%，黄金也随之上涨。 数字资产机构经纪商 FalconX Ltd 亚太区衍生品交易负责人肖恩・麦克纳尔蒂表示，比特币的下跌表明，尽管其 “偶尔被当作宏观对冲工具，但在这类紧急风险时刻 —— 尤其是涉及军事冲突时，流动性会优先于叙事逻辑。交易员会筹集现金、转向美元，并减少杠杆或高波动敞口。” 根据 Coinglass 数据，过去 24 小时内，所有加密货币价值超 10 亿美元的多头头寸被平仓。 IG 市场分析师托尼・赛科莫尔在一份报告中称，周末前 “风险情绪可能进一步恶化”。 周五新加坡时间上午 10 点 40 分，比特币交易价格为 103540 美元。 [查看评论](https://m.cnbeta.com.tw/comment/1506588.htm)

6月13日，国家市场监督管理总局最新备案信息显示，北京奔驰汽车有限公司近期启动两项召回计划，涉及车辆总数超过1.37万辆，主要针对电池管理系统缺陷和保险丝盒装配问题。 [](https://static.cnbetacdn.com/article/2022/1018/0db8ff2f586858c.png) 根据召回编号S2025M0092I的方案，北京奔驰将于9月27日开始召回13447辆国产EQC电动汽车，生产时间跨度从2018年11月30日至2022年9月17日。召回原因集中在电池管理系统软件设计缺陷，该问题可能导致高压电池在极端工况下发生热失控现象，进而引发车辆起火事故。 这不是奔驰EQC的第一次大规模召回。2022年2月，奔驰EQC因冷却液渗漏导致电机故障，召回了10104辆车辆。 另一项召回编号S2025M0094V涉及257辆进口S级和EQE车型，生产日期为2023年2月8日至2023年10月10日。问题源于此前召回维修过程中使用了错误规格的保险丝盒，可能造成车辆动力系统故障、约束系统失效以及仪表显示异常等多重安全隐患，同时不排除起火风险。 梅赛德斯-奔驰方面表示，将通过全国授权经销商网络为受影响车辆提供免费检修服务。针对EQC车型，将升级电池管理系统软件；对于S级和EQE车型，将检查并更换错误的保险丝盒组件。 [查看评论](https://m.cnbeta.com.tw/comment/1506586.htm)