头图来源：Fullive.ai

一家成立几个月、第一款产品即将量产的 AI 硬件公司，已经连续融了三轮：高瓴连续三轮加注，智元机器人等机构先后进入股东名单；到了今年 7 月，招商局创投又领投了它的新一轮融资。

这家公司叫 Fullive.ai，创始人郑昊本科就读于清华数学系，此后一路跨过生物统计、因果推断、AI、医学和硬科技投资；联合创始人韦骁龙来自北大计算机，此前曾在华为、荣耀负责消费电子产品。团队里还有参与过华为手环、WHOOP 等穿戴设备的硬件人员，以及来自百度、大疆等公司的算法和商业化老兵。

Fullive.ai 把第一款产品放在了床头。

它叫 Somni，是一款面向高压脑力人群的睡眠硬件。外形上，它不像传统健康硬件，更像一个安静的床头设备：没有屏幕、不需要佩戴，也不要求用户在睡前再学习一套交互。通过毫米波雷达、麦克风阵列和环境传感器，感知人在夜里的呼吸、心率、体动以及卧室环境，再用声音、光线、气味等神经系统调节方式帮助用户更快入睡、减少夜间醒来，并在早晨完成自然唤醒。

睡眠当然已经是一个拥挤的硬件市场。

手环、指环和床垫越来越擅长告诉人们昨晚睡得怎么样，助眠灯、耳机和眼罩也在尝试用声音、光线或触觉让人睡得更好。但这两件事之间，其实一直隔着一个很难解决的问题：知道你没睡好之后，机器到底能做什么？更重要的是，它怎么知道自己做对了？

这正是 Somni 想解决的问题。它其实是一套会在连续夜晚中学习用户响应的闭环系统。

如果前一晚的一套声音和灯光没有达到预期效果，Somni 会根据用户整晚的生理变化，重新调整下一晚的方案；反过来，如果某种干预有效，这次身体反馈也会成为之后调整的依据。

郑昊把每个夜晚都看作一次持续发生的「小型实验」：观察一个人处在什么状态，尝试一次干预，再看身体发生了什么变化。如此循环，设备才有可能慢慢摸清，对这个人来说，什么方法真的有用。

这也是 Fullive.ai 做 Somni 更深一层的原因。

在郑昊看来，今天大量健康硬件已经很擅长「监测人」，但如果 AI 想进一步参与人的健康管理，仅仅知道一个人的心率、呼吸和睡眠分期还不够。它还需要理解，当外部世界发生变化时，人的身体会怎样跟着变化。

从一台放在床头的睡眠设备开始，Fullive.ai 想让 AI 学习的，正是这种「响应」。这家年轻公司将其称为 Response Learning：如果 Somni 能够在真实生活中持续完成感知、干预和反馈，它积累下来的，就不再只有「人是什么状态」的数据，还有「什么东西改变了人，以及人是怎么被改变的」。

一盏床头设备，由此成为了 Fullive.ai 验证这条路线的第一个入口。

一、睡不好的一晚，床头能做什么？

第一眼看到 Somni，最容易被注意到的是它刻意克制的形态。

 

Somni｜图片来源：Fullive.ai

它试图覆盖睡眠的全周期：入睡前帮你放松下来，睡眠中维持稳定的状态，清晨用更自然的方式唤醒。对用户来说，理想状态下只需把它放在床边，其他事情交给设备完成，不需要佩戴手环或头带，也不用主动打卡、频繁操作。

对用户来说，它和普通床头设备的使用感没什么差别；但在系统内部，每一晚的运行都形成了一套完整的闭环：感知状态、判断策略、执行干预、迭代优化。

Somni 使用毫米波雷达、麦克风阵列和环境传感器，持续捕捉呼吸、心率、体动、鼾声及卧室中的温湿度、光照等变化。多组信号融合之后，系统能持续判断用户的睡眠阶段和环境状态。

收集数据是第一步。接下来是判断该在什么时候做什么。传统睡眠监测设备的逻辑是「事后复盘」—— 第二天出一份报告，告诉你睡了多久、醒了几次、深睡比例多少。

Somni 往前走了一步：它要生成一套随时间动态调整的干预方案，比如几点调暗灯光、用什么节奏的声音辅助放松，夜间醒了又该怎么调整动作。

它通过声光味等因子，对夜间神经状态进行低打扰调节。这些方式的共同点是，不需要在用户睡觉时增加明显操作，也不必让人佩戴更多设备。对于工作强度高、容易紧张、同时又对外部刺激较敏感的人群，这种「尽量少打扰」的设计很重要。

最后一步是学习迭代。每一次干预都会对应一组后续反馈：呼吸有没有变平稳？入睡时间有没有缩短？夜里醒的次数少了吗？第二天主观感受有没有变好？系统会对比干预前后的变化，再调整下一晚的执行策略。

郑昊向极客公园把这个过程概括为一场持续发生的「小型实验」：前一晚采取的动作，和用户随后出现的生理变化，都会成为第二天优化方案的依据。

为什么选择床头，而不是做成腕带、头戴设备或智能床垫？这也是一种现实的取舍。头戴设备能够拿到更直接的信号，但很多人难以长期佩戴；手环和指环更适合记录，却很难主动改变周围环境；床垫能做温控，但安装和价格门槛都更高。

床头是一个已经存在于日常生活中的位置：它离人足够近，可以感知环境，也有空间容纳声音、灯光、气味等输出模块。对 Fullive.ai 而言，睡眠是一个相对封闭、干预手段相对有限、又能连续观察数小时的场景，很适合作为第一站。

二、不止是睡眠硬件，还要训练一套「懂人体反应」的响应模型

在这盏床头灯的外壳之下，Fullive.ai 真正想落地的，是一套全新的技术逻辑。

过去几年，AI 在生命科学领域的重要进展，大多建立在对结构、序列、影像和历史记录的学习之上。从蛋白质结构预测到医疗影像识别，模型越来越擅长描述：一个生命系统「现在处于什么状态」。

但健康管理的核心，从来都是「改变状态」，而不是「描述状态」。同样一段音乐、一次光照调节、一项营养补充，对不同的人效果可能天差地别；就算是同一个人，压力水平、作息节奏、身体状态变了，反应也会跟着变。

Fullive.ai 因此把自己的核心数据逻辑定义为「状态 → 干预 → 响应」：先记录人体当前的状态，再施加可控的干预动作，最后观察生理和行为上的真实反馈。由此产生的数据被称为「响应数据」，最终训练出的模型，就是「响应模型」—— 它要学的不是「人现在怎么样」，而是「人对干预会怎么反应」。

图片来源：Fullive.ai

这条路线并不只停留在产品概念上。Fullive.ai 已经围绕人体状态转移建模、响应模型构建和模型推理效率等方向和多家科研院所展开研究。它要解决的问题是让 AI 学会在真实世界中理解「什么改变了人」。对 Fullive.ai 来说，Somni 的意义是在真实家庭场景中持续获得「状态—干预—响应」数据，让模型逐步学习：一个人为什么会进入某种状态，又在什么条件下可能被改变。

只有感知的话，系统拿到的只是一份状态记录；加上干预和反馈，数据才能形成真正的闭环——这也是 Somni 从一开始就同时集成传感器与执行模块的原因。而卧室之所以成为第一个实验场，正是因为这里环境相对稳定，干预动作的边界清晰，生理变化可以被连续观测，用户也不用在白天反复和设备交互。

在系统架构上，公司将 Somni 概括为「传感器 × 基础模型 × Bio-OS Harness」：传感器采集用户与环境信号，模型结合生理先验和医学证据生成干预策略，Bio-OS Harness 负责调度所有感知和执行模块，管理整套闭环的运行。

这套模型不是自由生成一堆健康建议。郑昊认为，在涉及人体的动态干预场景里，生成式模型更适合承担「规划师」的角色，负责提出候选方案；系统还需要一个「模拟器」，在一定的置信区间内推演动作可能带来的影响。而生理先验知识、循证医学依据，以及被严格限定的干预动作范围，共同构成了安全边界，控制模型的动作不会越界。

安全与隐私，是这套系统能否走进卧室的前提。根据 Fullive.ai 的介绍，Somni 采用端云协同方案，雷达采集的原始波形优先保存在本地，需要上传云端的信息会进行加密传输与最小化处理，并尽量避免上传可还原个人隐私的原始数据。效果评估则同时参考睡眠、情绪等主观量表，以及入睡潜伏期、睡眠分期、夜间觉醒等客观指标。

Fullive 正在这条路线上加速迭代。目前 Somni 已完成小批次被试实验，正在持续推进今年的量产与更大规模的临床验证。响应模型能否在不同人群、长期使用中保持稳定的泛化能力，干预效果能否经受随机对照研究的检验，一款卧室硬件能不能让用户愿意长期用下去，都会决定这套闭环最终能走多远。

三、从一个夜间入口出发，Fullive.ai 想走向哪里？

Fullive.ai 将自己定义为一家「模型 × 本体」的 AI4Bio 公司。

在这套逻辑里，模型负责理解状态、推演变化、生成策略；本体负责走进物理世界，完成感知、执行和反馈采集。Somni 是第一个夜间节点，而规划中的日间产品 Cori，会把压力、专注、情绪、恢复、行为、环境等更多上下文，接入同一套系统。

郑昊用特斯拉的路径来类比这件事：汽车的价值不只是硬件销量，更在于它同时具备感知环境、执行动作、回收反馈的能力，真实道路数据由此持续推动模型迭代。映射到生命系统，Fullive.ai 首先要造出能规模化部署的「本体」，再通过这些本体积累人体对外部输入的响应数据。

正是出于对规模化数据闭环的考量，团队放弃了大而全的机器人形态，收敛到睡眠场景。机器人能承载的功能更多，但成本和复杂度也更高，现阶段的出货规模很难支撑模型快速收敛。睡眠有明确的用户需求、相对封闭的场景，还有足够长的连续观测时间，是更合适的切入点。

郑昊的个人经历，也影响了公司的技术选择。他曾在清华学习数学与生物统计，接触因果推断和可穿戴计算；之后又深耕数据科学、人工智能与医学领域，还有成长期科技投资和消费产品的相关经历。这些看似分散的路径，最终都指向同一个长期问题：哪些因素会影响生命系统，这些影响又该如何被解释、推演和规模化验证。

目前 Fullive.ai 已经组建了数十人的成建制团队。公司同时研发模型、硬件和 Bio-OS，意味着要横跨传感器融合、模型架构、工业设计、循证医学、供应链与消费市场多个领域。软硬一体带来了更完整的数据闭环，也抬高了执行难度。

公司的长期目标，是打造 Physiological World Model——「生理世界模型」：一个能学习人体状态如何随环境、行为、摄入、节律和干预动态演化的系统。这个目标仍需要通过真实产品、真实用户和长期数据逐步验证。Fullive.ai 眼下更具体的任务，是先把 Somni 做成一款有效、易用、能被用户持续使用的睡眠产品，在一个有限的场景里把响应模型跑通。

左为创始人兼 CEO 郑昊，右为联合创始人韦骁龙｜图片来源：Fullive.ai

郑昊对极客公园说，他希望 AI 能走进真实世界，理解人的状态，执行物理动作，再从反馈里持续学习。比起大的概念，Somni 要面对的检验很直接：它能不能在用户需要休息的八个小时里，安静地读懂正在发生什么，并找到对这个人真正有效的下一步。

如果这个闭环成立，床头或许会成为 AI4Bio 的一个新入口。而 AI 对生命的理解，也将从识别「此刻是什么」，延伸到推演「接下来会怎样」。

美国核动力航空母舰“亚伯拉罕·林肯号”（USS Abraham Lincoln）在海上连续航行250天、期间未曾停靠港口。9月2日，该母舰终于抵达泰国，近5,000名船员得以上岸休息。

这艘美国航母于去年11月离开圣迭戈港（Port of San Diego），原定在太平洋和南中国海执行为期六个月的任务。然而在美国和以色列于2月底对伊朗展开军事行动后，军舰被调往波斯湾。

部署原定于5月结束，之后获多次延长。据军事新闻媒体报导，航母上的数千名水兵面对食物短缺及恶劣的生活条件，部分人曾出现严重心理健康问题，甚至有人试图跳海。

目前航母预定9月6日离港返回圣迭戈港。其在中东的任务则由“华盛顿号”接替。

美军水兵抵达泰国芭堤雅

乔纳森·赫德（Jonathan Head）

BBC驻东南亚特派记者

9月2日，“林肯号”军舰停靠在泰国海滩度假胜地芭堤雅（Pattaya）附近。

芭堤雅以喧闹的夜生活和性旅游闻名，而对美国来说，这里也有着强烈的历史回忆。

当疲惫的水兵走进市内的酒吧和餐厅时，他们踏足的正是数十年前数十万名美军士兵在越战期间前往休假和放松的地方。

当年，美军的到来令芭堤雅从一个宁静的渔村，变成全球最著名、最喧闹的娱乐城市之一。如今，通往海滩、霓虹灯闪烁的巷道比平日安静许多。市内著名的步行街上的酒吧仍然在墙上播放女子跳钢管舞的影片，试图吸引顾客进店。

但前来光顾的人并不多，而且大多似乎是来自中东的家庭旅客，他们对土耳其雪糕摊的兴趣似乎更胜于那些酒吧。

伊朗战争影响了当地旅游业和消费，令芭堤雅的商户受到沉重打击。如今，数千名在海上执勤九个月、期间几乎没有消费机会的美国水兵即将到来，对当地商户而言，是一个难得的商机。

虽然泰国与中国关系密切，但泰国是美国的条约盟友，美国海军军舰到访当地港口并不罕见。但自1975年西贡陷落（The Fall of Saigon）以来，这次很可能是最大一批直接从战区前往芭堤雅的美军人员。

“这次到访可能是我们最大的希望。”在步行街附近一家珠宝店售卖宝石的阿农·赛提尔（Anon Saiteer）说。他的店舖挂起大型告示，欢迎美国水兵和海军陆战队员到来，并提供特别折扣。“我们没有甚么可以输的——只希望他们能在这里花点钱。”

但美国和泰国官员正努力确保这次访问，不会出现任何与芭堤雅色情娱乐有关的新闻标题。

泰国当局表示，美军人员将不得前往部分地点。其中之一是通往主要海滩的六巷（Soi 6），该处以集中大量成人娱乐酒吧而闻名。

泰国警方已提醒到访的美军人员，卖淫在泰国属于非法行为。不过据估计，芭堤雅实际上有约2.5万至5万名性工作者。其中许多人在六巷工作，她们会站在酒吧外招徕顾客。

芭堤雅众多的大麻店同样被列为美军人员禁区，滑翔伞和水上电单车等海上活动也在禁止之列。

“这是他们自己的决定。”芭堤雅市长帕拉梅斯（Poramase Ngampiches）向BBC表示。“美军已经做足功课。”

美国海军武官克里斯多福·罗宾逊（Kristopher Robinson）拒绝回答BBC有关美军人员被禁止参与哪些活动的问题。

他改为表示，美军人员将“按照美国法律、美国海军规例以及泰国法律行事”。他说：“我们希望尽可能让水兵有更多休息的机会。”

美国海军已安排接驳巴士，在航母停靠泰国期间，每天凌晨5时至翌日凌晨2时往返港口和芭堤雅。

另外，当局指定了两间酒店，供希望在岸上过夜、享受较高消费的人员入住。泰国当局已部署数百名警员，在市内娱乐区巡查，并提醒当地商户不要向美国客人收取过高价格。

芭堤雅市长帕拉梅斯表示：“50至60年前，美军人员到访芭堤雅，把这座城市带向世界，也令它成为旅游景点。”

“我们必须坦白，这座城市以酒吧女郎闻名。我们明白这些刻板印象，也无法阻止这种印象存在。”

“但我们可以做的是展示芭堤雅已经改变。我们现在还有其他东西，例如体育活动、研讨会、健康养生以及适合家庭参与的活动。这是一个各种元素融合的城市。”

两国都希望，当“亚伯拉罕·林肯号”在9月6日开始横越太平洋、踏上漫长回程时，船上的船员已经得到充分休息、恢复精神。

美国海军承认船员的工作条件艰苦，但表示已提供足够支援。不过，海军以行动安全为由，拒绝就航母停靠芭堤雅一事向BBC置评。

“林肯号”由“华盛顿号”接替

美国海军的航母部署通常约为6个月。

7月， 多间军事新闻媒体陆续报导，多名水兵家属表示亲人在船上出现严重心理压力——当时水兵在海上服役时间已连续超过250天。

据报，船上出现卫生条件欠佳、很少靠港、管道故障、疲劳，以及新鲜食物短缺等问题。

一名“林肯号”水兵的亲属稍早前接受BBC访问时表示，其家人在军舰出海后体重下降65磅（29公斤），并因飞机噪音及船身持续震动而感到极度疲惫。

这名亲属因担心遭到报复而要求匿名。他表示，亲人证实船上有人出现严重心理危机。

杰弗逊·凯利（Jefferson Kelly）的儿子杰克逊（Jackson）在“林肯号”服役。他向哥伦比亚广播公司表示，他在儿子出海接近9个月后开始感到担忧。

他说：“他们不应该部署这么长时间。这些都是老旧军舰，并不是甚么最先进的装备。它们需要大量维护工作，而且是全天候的。”他又说，“如果意味着可以让儿子回到母亲、兄弟姊妹及家人身边，我今晚就会坐飞机或直升机前往。”

美国海军曾承认在与伊朗的战争期间，船上物资供应受到“战事行动干扰”，但否认“林肯号”出现心理健康危机。美国总统特朗普亦否认水兵家属对亲人福祉感到忧虑，也否认部署时间过长。他曾向记者表示：“远远不够长。”

民主党国会议员则对船上状况表示关注。康涅狄格州民主党参议员布卢门撒尔（Richard Blumenthal）曾致函国防部长赫格塞斯（Pete Hegseth）和海军部长高雄（Hung Cao），表示有关物资短缺和恶劣生活条件的报导“值得立即关注”。

他又说：“但它们也提出一个更广泛的问题：美国海军能否维持目前对航空母舰部队所要求的作战节奏？”

赫格塞斯则表示，部分媒体报导“完全被歪曲”。他告诉记者，美国政府正确保“每一艘船、每一支船员队伍、每一名舰长，在每一个时刻都能获得我们所能提供的一切”。

目前“乔治·华盛顿号”（USS George Washington）已接替“林肯号”驻守中东。8月21日，美军中央司令部（CENTCOM）在社群媒体平台X发文表示，“华盛顿号”抵达战区执行任务。

“乔治·华盛顿号”原来驻守日本横须贺的海军基地，在太平洋地区巡航。在接替“林肯号”后，美国在太平洋地区没有部署任何航空母舰。而在抵达中东后，美国在当地将有三艘航空母舰，包括“乔治·H·W·布殊号”（USS George HW Bush）。

补充报导：BBC泰语（BBC News ）记者南甘帕特·帕昌（Nongnapat Patcham）

本文原以英文撰写，我们使用了人工智能协助翻译，并由BBC记者在发布前进行审核。了解更多关于我们如何使用人工智能的资讯。

 

头图来源：视觉中国

两家中国大模型公司，在五天里先后交出了上市后的首份中报。

MiniMax 先出：上半年收入 1.17 亿美元，同比增长 283%；8 月 ARR 超过 8 亿美元。智谱随后公布：上半年收入 9.54 亿元人民币，同比增长近 400%；8 月 ARR 达到 16 亿美元。

如果只看 ARR，结论似乎很简单：智谱更高，MiniMax 紧随其后；两家公司都在讲 Token 调用量暴涨、企业客户增加、模型能力开始换来收入。

把数字放回财报，事情会变得复杂一些。

智谱上半年确认收入约 1.42 亿美元，MiniMax 为 1.17 亿美元，两者实际收入规模相差不远；两家的经调整亏损也几乎相同，都接近 3 亿美元。ARR 代表某个时点的收入速度，但无法直接替代收入、毛利和现金流。

两家公司都还没有走到盈利那一页。两份中报里，「期内亏损收窄」都受到上市后优先股转换带来的会计因素影响；如果剥开这层，研发和经营投入其实仍然在高位。

不一样的是两家公司正在把模型卖向哪里。

智谱的 API 收入已经占到总收入的 86.5%，它开始把模型推到 Coding、网安和长程任务的工作现场；MiniMax 的企业服务收入快速增长，同时保留着全球化、多模态和 AI 原生产品的基本盘，它更关心如何把每一单位智能做得更便宜，让更多用户、更多 Agent 和更多创作场景消费它。

两份中报，展现的是中国大模型商业化的一次分层。

一、 智谱：本地化退潮，API 已成主引擎

先看智谱的中报。上半年营收 9.54 亿元，同比增长 399.7%，已超过 2025 年全年 7.24 亿元；毛利 2.52 亿元，毛利率 26.4%；研发支出 21.31 亿元，同比增长 33.6%。

图片来源：智谱中报

增长背后是业务结构的明显转换。开放平台与 API 业务收入 8.25 亿元，同比增长 2735.7%，占总收入 86.5%—— 去年同期这个数字只有 15.2%。过去承担基本盘的本地化部署退到更靠后的位置：企业通用模型相关收入 6704 万元，同比下降 54.6%。

智谱正在从 "把模型部署进客户机房、签一笔项目确认一笔收入"，转向 "把模型放在云上、按调用量持续收费"。前者更像传统项目生意，强调交付、安全和客户关系；后者依赖模型能力、开发者生态和推理成本，更有机会形成持续、可扩张的收入。

截至中报发布时，MaaS 平台 Token 调用量较年初增长超 40 倍，付费日活增长 603%，API 平均售价提升约 101%；开放平台及 API 业务毛利率也从去年同期的 - 0.4% 升至 24.6%。

电话会上，管理层称，按 8 月单月收入乘以 12 计算，MaaS 平台 ARR 达到 16 亿美元；按最近一周收入年化则超过 20 亿美元。ARR 未列入财报，短期年化容易放大某个月的增速，但智谱强调它，反映出希望市场用 "云端模型服务当前的运行速度"，而不只是已确认的半年收入来衡量公司。

API 高速增长，没有改变智谱仍处在高投入期的现实。收入结构从高毛利的本地化部署转向 API，整体毛利率从去年同期的 50.0% 降至 26.4%；期内亏损 20.72 亿元，经调整净亏损 19.64 亿元，经营亏损由 18.99 亿元扩大至 21.47 亿元。亏损数字方向不一，主因是优先股转换：去年同期相关金融负债公允价值变动带来 4.29 亿元损失，今年降至 2209 万元。但更能反映主营业务情况的经营亏损，仍由去年同期的 18.99 亿元扩大至 21.47 亿元。同期研发投入达到 21.31 亿元，是收入的两倍以上，模型训练和推理基础设施仍需要大量资金。

但智谱没有只用传统财务指标解释这笔投入。这份 60 页的中期业绩公告，用相当篇幅讨论模型架构、训练算法、强化学习、推理系统和国产芯片集群，最后还附了一份技术词汇表。

智谱在公告中提出一条公式："AGI 商业价值＝智能上界 ×Token 消耗规模。" 逻辑是，智能上界决定模型能处理什么任务，任务边界决定每个 Token 的价值密度，再由 Token 消耗规模放大。用于日常聊天的 Token，与用于完成软件工程、发现生产系统漏洞的 Token，代表不同的商业价值。公司还自定义了 "算力乘数"，衡量每投入一元训练和推理算力产生多少开放平台及 API 收入，称上半年同比提高约 14 倍—— 虽然未披露绝对值和计算过程，外界暂无法独立验证。

把这些自定义指标写进中报，说明智谱正在争夺大模型公司的估值解释权：除了收入、利润和现金流，也希望投资者关注模型能力、Token 消耗、单位任务成本，以及算力转化为收入的效率。

近期模型动作可以沿着这套方法论理解。

6 月发布的 GLM-5.2 把重点放在长程 Coding 和 Agent 能力；随后的 GLM-5.3 沿用相同底座和参数规模，主要扩大长程任务环境和强化学习投入，自建真实 Coding 评测中端到端任务完成率较 5.2 提升超 50%—— 它试图推高模型独立处理复杂任务的能力上限。

8 月底的 GLM-5.3-Flash 则负责压低大规模调用的成本：3200 亿总参数、180 亿激活参数的稀疏架构，在约 10 万张国产芯片集群上运行，价格约为 GLM-5.2 的十分之一，匿名测试六天累计消耗超 62 万亿 Token。智谱同时披露，单位 Token 推理成本较年初下降约 80%。

GLM-5.3 拓展任务上限，GLM-5.3-Flash 扩大 Token 消费规模，两条产品线分别对应公式的两端。

接下来需要证明的，是这种能力能否继续向更深的工作流延伸。

目前智能体业务收入 5556 万元，同比增长 304.4%，增长很快但体量有限；网络安全已进入 Co-work 验证阶段，法律、金融、教育等方向还在早期。「卖结果」目前更多是一条正在搭建的路径：从卖本地化模型，到卖 API 调用和 Coding 订阅，再让 Agent 进入企业流程，最终按端到端任务收费。API 高速增长验证了其中一段，Co-work 能否成为下一项规模收入，还要等后续财报回答。

二、MiniMax：收入更全球化，先把「单位智能」做得足够便宜

MiniMax 的中报呈现出另一种增长轮廓。

2026 年上半年，MiniMax 实现收入 1.17 亿美元，同比增长 283.1%；毛利 2081 万美元，同比增长 464.8%，毛利率从去年同期的 12.1% 提升至 17.9%。其中，开放平台及其他 AI 企业服务收入 7393 万美元，同比增长 703.1%，占总收入的 63.4%；AI 原生产品收入 4264 万美元，同比增长 100.9%。

图片来源：minimax 中报

与智谱相比，MiniMax 的一项差异很突出：海外已经是收入主体。上半年，MiniMax 海外收入为 7083 万美元，占总收入 60.8%；中国内地收入为 4575 万美元，占 39.2%。电话会上，公司进一步披露，企业和开发者客户超过 200 万，较去年末增长约十倍；其 8 月 ARR 超过 8 亿美元，ToB 业务占 ARR 的比例从一年前约 30% 提升至约 80%。

这同样是高速扩张中的数字。MiniMax 并未在财报中充分说明 8 亿美元 ARR 的具体年化方式，并不能直接与智谱按「8 月收入乘以 12」计算的 16 亿美元相减得出结论。两家的客户定义、收入确认、业务构成和 ARR 口径也都不完全一致。

不过， MiniMax 在电话会中给出的经营逻辑很清晰：模型价格可以继续下降，单位 Token 的毛利依然可以改善。原因来自模型架构、算力调度、供应链和推理效率的共同优化。它把这套思路概括为「Minimize the Cost, Maximize the Intelligence」——在算力和能源仍是稀缺资源的现实里，尽量压低获得同等智能的成本。

这套逻辑也反映在 MiniMax 最近的产品节奏上。

6 月推出的 MiniMax-M3，把重点放在 Coding、Agentic 能力与百万级上下文；公司在业绩会上称，M3 相比前一代模型，在相近价格下带来了更强的能力，这既带来新客户，也推动老客户扩大调用。

随后发布的 H3，则把重点放在视频、音频等原生多模态生成上，并在 8 月开放权重。对 MiniMax 来说，文本模型与多模态模型不是两条互不相干的产品线：前者承接企业开发、代码和智能体需求，后者切入创作、内容生产和更广泛的 AI 原生应用。

MiniMax 也在向国产芯片做适配，并预告 M3.1 将继续降低推理成本。管理层提到，目标是将推理成本降至 M3 初期水平的大约三分之一。这个目标很容易被理解为一场价格战，但 MiniMax 更关心的，是成本下降后能否带动更大的 Token 消耗、更多的开发者和更宽的商业化覆盖面。

它的财报同样提醒市场，增长离盈利还有距离。上半年 MiniMax 的研发开支为 2.97 亿美元，同比增长 138.8%；期内亏损为 3.58 亿美元，同比收窄约 11%，但经调整净亏损 2.93 亿美元，同比扩大 111.2%。期内亏损看上去改善，同样受上市后优先股相关金融负债变动减少影响：该项公允价值损失从去年同期的 2.54 亿美元降至 3100 万美元。

MiniMax 的毛利率确实在改善，收入也在向企业和海外倾斜；但公司还在为模型训练、多模态产品和全球化渠道支付高昂成本。它所押注的并非立刻提高单次调用的价格，而是先把每一单位智能做得更有效率，让更多人用得起、用得更多。

三、财报之后，两家公司在回答不同的问题

把两份财报放在一起看，智谱和 MiniMax 都在证明同一件事：模型能力可以转化成收入，Token 消耗正在成为可追踪的经营指标。两家公司的差别，更多体现在商业化的顺序上。

智谱在推动收费单位向上移动。过去客户购买一套部署在本地的模型，现在按调用量付费，接下来订阅开始成为新的交易方式。它想继续向 Co-work 推进，让模型进入软件工程、网络安全和专业知识工作，最终按一项任务、一段流程或一份可以验收的结果收费。这条路的前提，是模型每跨过一道能力门槛，就能处理更高价值的任务——定价由此逐渐脱离 Token 数量，靠近模型实际完成的工作。

MiniMax 则更关心智能覆盖面的扩张。它选择通过架构和效率优化压低单位智能成本，借助文本、视频、音频的多模态能力，把 AI 送进更多开发者、企业和内容场景——价格下降带来更大调用量，更大调用量反哺成本优化，海外六成收入则给这条规模逻辑提供了足够大的市场半径。

两条路最终会在同一个位置相遇：智谱要让企业愿意按结果付费，需要把完成任务的成本降到可以规模使用；MiniMax 要让低成本智能产生更高价值，也需要模型稳定完成复杂任务。能力决定 AI 可以进入多深的工作，成本决定这种能力可以覆盖多少人。两者缺一不可。

下一份财报需要回答的问题因此更加具体：智谱的 Co-work，什么时候能够成为一项有规模的收入；MiniMax 下降的单位智能成本，能否持续换回更多海外客户和更健康的毛利率。

一家公司把 AI 推向更深的工作，一家公司把 AI 送往更广的市场。等到模型既能把事情办完，又便宜到可以被大规模使用，大模型才真正走过商业化最难的那道门槛。

作者｜Cynthia

编辑｜郑玄

 

2026 年夏天，林氏家居想卖一张布艺床。

然后，阿里妈妈万相点睛给它找到了一群电竞玩家。并建议他们投放那些搜索过「电竞房布置」「游戏房改造」「RGB 灯带」「二次元痛房」的用户。

对于林氏家居这样一家诞生于互联网、长期依赖数据经营的头部品牌来说，这是个让人匪夷所思的抉择。

过去，林氏家居品牌已经积累了超过 5500 万全平台粉丝、上万款在售 SKU 以及一千余家线下门店，是行业里公认的爆款制造机。

而在传统的匹配逻辑下，一张床最自然的消费者应该来自装修、新婚、换房，以及近期购买过家电家居的人。因此， 广告系统用预设的标签匹配受众，商家投流选择装修、家具、地板之类的关联词汇，就成为了团队刻在肌肉中的记忆。相应的，一个搜索电竞房布置的年轻人，怎么看都不像一张床最优先应该争取的消费者。

但常识并不能在一个存量市场中带来增长。

而 万相点睛 看到的并不是「电竞」这个标签，而是标签背后的一整套消费意图：它发现，这群年轻人为了获得更好的游戏体验，本身就有很强的消费意愿：他们会购买人体工学椅、4K 显示器、RGB 氛围灯，把自己的房间改造成一个更舒服、更沉浸、也更符合个人审美的空间。

顺着这条消费链继续推理，对 PC 游戏玩家来说，一张可以舒服躺平的床，是整个电竞房体验的一部分；对于手游玩家而言，床甚至不只是休息场景，靠在柔软的布艺床上玩游戏，本身就是一种更舒适的游戏体验。换句话说他们是在为一种生活方式消费。

想通这一层，团队当即拍板：投！

最终的结果也超过了很多人的预料。 新客点击占比超 80%+，新客成交金额占比高达 83%。 精准选中新客群之外，最令团队惊喜的是：在此之前，还没有任何一个家居品牌发现这片蓝海，因此团队的加购成本还不到传统装修人群的 1/3 。

于是，一张柔软的布艺床，和电竞建立了联系。在这之后，这套打法甚至还被扩展到床头柜品类，帮助林氏家居发现了要收纳睡眠保健品并且拿取方便的助眠新目标客群 。

一个全新的系统，也让广告从存量博弈走向了 AI 驱动的增量时代，并让发现新人群，创造新增量成为可能。

 

01

为什么传统广告定向越来越难找到新增量

数字广告并不是到了大模型时代才开始依赖算法。

近 20 年，基于传统机器学习的「协同过滤」（相似性匹配）就已经大规模进入广告系统。 在这套系统中，商家的「买」和平台的「配」是两件分开的事。 广告系统基于用户看过什么、买过什么的历史行为，来为用户打上标签。然后，商家先买人群包、买关键词，平台再把消费者需求映射成标签去做匹配。

这套方法在增量市场里非常有效。因为一个品牌找到十万名消费者时，市场里往往还有几十万、上百万个与他们相似却尚未被触达的人。只要不断扩大相似人群，增长就可以持续发生。

但一个行业经营得越久，参与者对高营销价值消费者的认识就越接近。家具都在找装修人群，美妆都在争夺高消费女性，母婴都在围绕家庭生命周期经营，运动品牌都知道跑步、骑行、徒步和露营意味着什么。

于是，它所带来的，只有越来越贵的流量费用，以及玩家饱和式投入之后，越来越低的转化效率。

此外，它天然有一个短板。在海量数据实时计算的体系中， 消费者、商品和广告的组合近乎无穷，平台不可能把所有关系都用最高成本算到底。电竞玩家如果一直没有进入「床」的候选范围，后面的 CTR 模型再精确，也没有机会替他打分。 也是因此，历史数据天然会奖励那些已经被证明过的关系。

但消费者本身并不是一个稳定标签。

一个两年前正在装修的人，今天可能已经没有家具需求；一个平时属于运动人群的消费者，也可能因为一次旅行、一场演唱会或者一次搬家突然进入完全不同的购买状态。基于这种历史标签产生的推荐，往往也意味着相当比例的过时流量。

也是因此， 比这个人是谁更重要的问题，是他现在正在解决什么问题。而这，也正是 AI 驱动的「同步匹配」给广告系统带来的新能力： 通过对用户的搜索意图与行为信号识别，以及商品特性的深度理解。AI 可以帮商家找到原来标签之外召回不了的人，商家没有主动买的场景，AI 也能帮商家触达。

于是，一个新的增量蓝海市场开始逐渐浮现在所有人的眼前。

02

人：从他是谁到他现在需要什么

在过去，想要买到一个合适的商品，对买家和卖家来说都是一个充满未知的技术活。

对商家来说，他们只知道，一个人买过了游戏显卡之后，更容易购买显示器；一个人搜索过帐篷，之后更可能购买户外用品。但放远到更多的场景：一个在家里布置了电竞房的人，是否需要一张床？一个精致的年轻女性，每天化妆出门前，她需要什么样的凳子？这就是一个完全超纲的问题了。

商家天然倾向于按照已有场景确定商品类目与 SKU。但消费者并不是按照 SKU 生活的。他们首先会搬家、旅行、结婚、健身、看演唱会、搭游戏房、化妆，然后才产生一连串具体的商品需求。 而在购买行为发生前，他们还需要先把自己的生活需求翻译成商品语言。比如，给老人买手机，要把「声音大、字大、操作简单」拆成一组产品参数；第一次露营，也要先知道帐篷、天幕、睡袋分别是什么，才能进入平台的类目体系。

借助万相点睛，现在商家不仅能知道用户是谁，还可以清楚地了解他在什么场景做什么、需要什么。 比如，在人体工学椅赛道做到头部的艺颂，就是这样进入美妆女孩的视野的。

在一开始，万相点睛基于背后的世界知识体系，先帮助艺颂完成了对需求侧的意图识别，读懂用户下单美甲桌和化妆台背后其实是需要一个可能会长期使用的梳妆空间。

紧接着，大语言模型会推理用户消费动机、偏好与购买阶段，并将用户行为序列编码为结构化消费意图表征——比如，这是一个爱美且对生活品质有追求的女性用户。

再经由语义对齐层完成从标签命中到语义推理的变迁，把卖点向量与意图向量在高维语义空间中映射对齐，同时通过因果推理匹配超越传统相关性逻辑，理解用户「为什么买」的深层动因——比如普通的化妆凳又硬又没有靠背。所以她们需要一把舒服的椅子替代，并且这把椅子一定要足够上镜好看。还要能旋转、升降、滑动，满足化妆、办公、学习之间的灵活切换。

最后，在供给侧万相点睛则通过商品理解洞悉功用，用大语言模型拆解商品卖点构建多维结构化表达，并搭建覆盖品类、功能、场景、人群的细粒度商品属性图谱，从而实现更深层次的供需语义匹配——一个每天愿意花时间打扮自己的女性，在下单化妆台之后，还需要一把椅子。而一把工学椅除了具备办公这个标签之外，同时还能匹配久坐支撑、灵活移动、空间百搭等多重生活场景需求。

借助这种更进一步的用户需求洞察，广告系统开始从 人群扩展 走向 意图扩展， 系统的异步定向匹配也被改变成了基于场景的实时定向匹配。

但只理解人还不够。

如果一把工学椅永远只能被定义成办公家具，那么它依然很难把椅子和梳妆台、美甲桌这些看似无关的场景真正连接起来。一张床如果永远只能被理解成卧室家具，那么无论系统多么理解电竞玩家，它也很难正确出现在电竞爱好者的游戏房中。

AI 定向同时还需要重新理解另一端：

货。

03

货：一件商品，可以属于多少个市场

过去的平台用类目、属性和 SKU 管理供给，这是商业系统能够高效运行的前提。

一张床在系统里首先是一件「家具」，拥有尺寸、材质、颜色、风格等属性，然后，商品会按照它是什么进入市场。

但消费者使用商品的方法，从来不会完全服从企业最初的产品定义： 可口可乐最早被当成药剂出售，微波炉来自雷达技术，运动鞋在不同年代从专业器材变成日常服饰。

商业史里从来不缺用户重新定义商品的故事。只不过，过去的问题发现往往依赖漫长的市场观察、调研或者偶然事件。

现在，借助万相点睛，AI 可以深度理解这种产品能力与用户需求之间的微妙关联。

 

林氏家居卖给电竞爱好者的布艺床、艺颂卖给美妆爱好者的人体工学椅，都只是其中一个案例。

更具代表性的是，万相点睛帮助赫莲娜将产品卖给滑雪与户外人群的过程。

今年 5 月，万相点睛给赫莲娜圈出一批夏天冲浪、潜水，冬天滑雪的潜在客群。团队看到结果时的第一反应是：「AI 会不会跑偏了？」毕竟，这些人的主要消费轨迹基本集中在运动装备方向。

但 AI 敏锐地捕捉到了他们对防晒以及确定性的需求。这群人中，27.35%优先关注品质，40.25%尤其看重材质。他们买雪服、潜水和户外装备时，会反复比较材料、性能和可靠结果，而黑绷带本身恰好来自一套强调「确定性」的产品传统。2008 年，赫莲娜与瑞士 Laclinic 合作开发 Re-Plasty 系列，灵感来自术后护理；Age Recovery Night 后来成为「Black Bandage」，至今仍被 Laclinic 放在术后修护、活性成分和临床护理的脉络里介绍。

那么进一步推论，一个在运动装备上长期追究性能、材料和可靠性的人，进入几千元的护肤决策后，大概率也更容易为临床验证、功效确定性和产品质感付费。

现在最终的经营业绩上，正式投放后，这批户外高价值人群的新客率比其他人群高 2 个百分点，互动和成交转化也更高。

类似的「翻译」也发生在一些其他更日常的商品上。比如借助万相点睛，蕉下将防晒口罩，卖给需要「不闷、不滑、上镜」的健身、骑行人群，两个月后新客成交占比提升 11%，新访客数提升 39%。

而当人从固定标签变成动态意图，货从固定类目变成问题的解决方案之后，最后一个发生变化的就是：人和货究竟如何相遇。

04

场：AI定向，重构供需连接的方式

当 AI 定向已经能够同时理解「人在做什么」和「商品能够解决什么」，搜、广、推之间原本割裂的边界就开始松动。因为本质上，它们面对的是同一件事情： 在一个具体时刻，判断用户正在形成什么需求，以及哪些商品应该参与解决这个需求。

这套变化也重新调整了商家和系统之间的分工。

过去新建一条广告计划，商家通常要先填写关键词、人群、地域和时段，相当于先告诉系统：「我的消费者是谁。」在新的系统中，万相点睛则更多让 AI 先分析商品卖点、潜在需求和可能出现的消费情境，再由商家决定是否采用或者修改。

 

与此同时，后期的创意生成、投放执行也会遵循同一套逻辑完成配套的动作。 借助已有的用户洞察，万相点睛不会把原本针对卧室消费者的床铺广告原封不动地展示给电竞玩家。而是会把链路进一步延伸到创意和出价：先理解生意目标和消费意图，再找到潜在人群，用 AI 生成差异化表达，最后由智能出价决定在哪些流量机会中参与竞争。

最终，让 千群千面的需求，变成千群千面的投放策略与沟通技巧， 并带来更高的新客成交转化与增量价值。 根据官方披露，万相点睛在618阶段上线、7月底全量后，仅关键词推广&人群推广场景累计就有超过15万商家使用；特定周期内，新客点击占比超过91%，新客成交占比超过76%。

最重要的是， 万相点睛背后虽然是一套全新的能力，但商家完全不需要学习新工具，它可以全链路嵌入现有推广场景，从人群推广到关键词推广再到品牌全域、内容种草。

用 阿里巴巴集团高级副总裁，现任天猫事业部总裁、阿里妈妈总裁，淘宝直播及内容事业部负责人刘博（家洛）的话来说就是 「 ( 平台努力 )把自己的长板加长，把难的事情做深，让商家的成本降下来，让他们的经营有确定性」同时， 「 算法团队还有很大的空间可以挖掘，让更好的商品和更好的商家，有机会找到更优质的消费者；反过来，优质的消费者也能在平台上找到个性化匹配更强的商品。 」

当然，更长远来看，这套平台能力全面开放后，它带来的信息差不会永久存在。今天只有一家公司看到电竞玩家的休息需求，不久后，所有家具公司也都可能看到同一批人。于是，问题就从「能不能发现」变成「发现以后怎么办」。

同样看到一个新场景，有的公司会怀疑，有的公司会增加一条投放计划，有的公司会重新设计素材和货盘，还有公司会继续研究消费者的居住空间和真实需求，最终调整产品尺寸、功能甚至新品方向。

在这个过程中，人群发现可以平台化，实时出价可以平台化，一部分创意和消费者洞察也可以平台化。

但商品选择、库存风险、供应链调整和资源配置，仍然只能由企业自己完成。 AI 会让更多公司看见新的机会，却不会让它们拥有同样的反应速度。

*头图来源： 万相点睛 产品片

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

头图来源：视觉中国

 

前段时间，Anthropic 发布了 Model Hardware Standard，尝试给 AI Agent 建立一套与硬件沟通的通用语言。接入这套标准后，显微镜、机械臂等不同厂商、不同接口的设备，可以被 Agent 发现、理解和调用。

这件事指向了 AI 行业正在发生的一次变化。过去一年，竞争主要围绕模型的推理、生成和多模态能力展开；如今，Agent 开始走出聊天窗口，进入实验室、工厂和企业现场。行业的问题随之向下移动：模型已经足够聪明之后，谁来连接工具、硬件、数据和任务？

9 月 2 日，腾讯 WorkBuddy 宣布面向更多伙伴开放合作。通达信、广发证券、北大法宝、腾讯 SSV 教师助手、微盟、北森、云帐房、帆软等应用与软件伙伴进入生态；Plaud、Rokid、影石、优篮子、科大讯飞、安克、猛玛、京造等硬件伙伴，也共同构成了 WorkBuddy 的生态版图。

一款 AI 产品为什么要同时连接专业软件、行业服务和多种硬件？这份名单勾勒出的，其实是 Agent 即将面对的完整工作现场：专业软件提供行业知识和业务动作，智能硬件提供声音、图像与移动中的现场信息，Agent 则要把它们组织成一条可以持续推进的任务链。

过去一年，AI 办公产品已经能写、能搜、能总结，也能处理越来越复杂的内容。但真实工作依然分散在不同软件、不同设备和不同账号体系里。用户获得 AI 的建议之后，往往还要自己完成信息搬运、工具切换和流程衔接。

所以，当 AI 开始参与复杂工作，竞争的其实是谁为 Agent 建立一套工作系统：让它记住上下文，理解任务状态，调度应用与设备，并在可控的权限边界内把用户意图推进成结果。

WorkBuddy 此次开放合作，试图给出的答案是，Agent OS。

会答题之后，AI 得学会把事办完

以一名投资经理准备行业调研为例。他需要回看此前的研究笔记和会议纪要，调取市场数据、公司公告和行业信息；会议结束后，还要整理核心判断、列出待验证问题、分派后续任务，最终沉淀为一份研究报告。

其中每一步都有相应工具：会议内容可能留在录音设备里，市场信息来自专业金融服务，资料散落在本地文件和企业知识库中，协作又发生在文档、邮件和即时通信软件里。AI 可以帮助生成一份摘要，却未必知道用户此前研究过什么、这次讨论解决了哪些问题、哪些结论还需要继续验证。

这正是 Agent 从「回答问题」走向「完成工作」时遇到的主要障碍。腾讯 WorkBuddy 开放生态负责人林佐露在发布会上也谈到，」Agent『能做事 』这道坎已经跨过去了。真正的挑战是，让它在任何设备、任何系统、任何场景里都不中断。」

Agent 要承担复杂任务，需要拥有连续的上下文。它要记住用户已经做过什么，理解任务进行到哪一步，判断该调用哪项工具，也要清楚哪些数据可以读取、哪些操作需要确认。记忆、任务状态、工具连接、身份权限、数据和产物，构成了 Agent 工作所需的基本环境。

早期 PC 也经历过类似阶段。在操作系统和统一接口成熟之前，软件之间难以顺畅交换信息，用户自己充当不同工具之间的连接器。如今，应用、设备与 Agent 之间的割裂，让这种摩擦以新的形式出现。

所谓 Agent OS，解决的就是这层问题。传统操作系统管理文件、窗口和应用，Agent OS 还需要管理任务、记忆、工具和权限。模型提供理解与推理能力，这套系统决定模型能看到多少工作现场，又能把任务推进多远。

上线半年内，WorkBuddy 完成超 50 个版本迭代，落地政务、教育、零售、金融、传媒、出行等 50 多个行业。据腾讯 2026 年 Q1 财报披露，以日活跃账户数计，WorkBuddy 已成为中国最受欢迎的效率 AI 智能体服务；第三方机构易观的数据显示，6 月 PC 端单月访问量超 2000 万，保持市场第一。

当一些 AI 办公产品还在验证单一场景时，WorkBuddy 已经积累了足够多样的真实任务类型，这是它试图做 OS 的前提——OS 从来不是为单一应用设计的。

从 Buddy 应用到智能硬件，一条工作链如何接起来

WorkBuddy 的开放生态，首先是在补齐 Agent 的「手」和「眼」。

通达信、广发证券、北大法宝、微盟、北森、云帐房、帆软等应用与软件伙伴，分别连接金融、法律、商家经营、人力资源、财税和数据分析等专业场景。它们带来的价值，除了应用入口，还有 Agent 完成专业任务时需要的行业知识、业务数据和可执行工具。

以金融投研为例。通达信把自身 30 年的专业投研能力封装进 WorkBuddy，用户一句话提问，分钟级就能输出结构化、可追溯的研报级内容。这套应用内置 26 个专家和 14 个 Skill，运行时通过 MCP 协议自主调度通达信的实时行情、财务数据和板块信息，调用过程中自动弹出标准化数据卡片。并且，当数据存在缺口时，系统会明确标注「待补」，而不是自行填充。

这正是专业场景对 AI 的硬约束。通用大模型可以生成一份看起来完整的分析，但在投研、法律、医疗这类领域，「看起来对」和「可追溯、可复核」是两回事。

Buddy 应用可以看作加载在 WorkBuddy 底座上的垂直工作模式。行业伙伴将自己的知识、工具、流程和品牌形态接入其中，用户得到的则是更贴近职业需求的工作台。投资经理、教师、律师、内容创作者和商家，都可能拥有不同的 Buddy。

图片来源：WorkBuddy

硬件伙伴的加入，则让工作流进一步走出屏幕。Plaud、Rokid、影石、科大讯飞、优篮子等设备，可以把语音、图像、空间交互和移动办公场景中的信息带给 Agent；安克、猛玛、京造等伙伴，则补齐办公与创作现场的终端入口。

硬件接入的逻辑，本质上是在给 Agent OS 写 "驱动程序"—— 硬件负责感知、唤起、显示和交互（相当于 I/O 设备），WorkBuddy 负责理解、规划和调度（相当于内核）。厂商无需自建 AI，也不必改变产品形态，一次接入即可打通硬件、App、PC、Web 多端，让账号、任务、记忆与产物在设备之间无缝流转。

比如，用户携带录音设备或智能眼镜进入会议室，现场发言成为任务输入；会议结束后，内容被转写和归档，待办事项被提取，相关资料被调用，后续邮件与协作任务被推送到对应系统。用户从硬件切换到手机或 PC 时，任务、记忆和产物仍然沿着同一条链路延续。

优篮子的联名款键盘麦提供了另一种入口形态。它把麦克风和小键盘做在一起，按键唤醒、开口说话就能给 WorkBuddy 派活，全程不需要切换到软件窗口。

图片来源：优篮子公众号

这个产品的经典场景是 Vibe Coding—— 开发者用语音描述需求，Agent 自动生成代码片段，手不用离开代码编辑器。对内容创作者和日常办公用户来说，它同样是一个 "always-on" 的语音入口：灵感来了直接说，临时任务随口下，碎片想法自动变成结构化的待办或草稿。

对硬件厂商而言，他们拥有了一条更现实的 AI 路径。从零搭建模型选择、记忆管理、任务规划、工具调用与权限控制，需要庞大的工程投入。如果硬件负责感知、唤起、显示和交互，Agent 平台承担理解、规划和调度，厂商可以把精力留在自身擅长的产品体验上。

WorkBuddy 想承担的，正是这个中间层角色。用户看到的是 Buddy 应用、专家、Skills、连接器和硬件，底层运行的是一套围绕任务组织上下文和能力的调度系统。

伙伴接入得越多，平台能看到的工作上下文就越完整——这既是生态的价值，也是 Agent OS 能否成立的关键变量。

一套工作系统，怎样从产品长成生态？

任何一套 OS 的价值，都不只来自自身功能。它需要为开发者提供稳定的接口，为合作伙伴留出持续经营的空间，也需要让用户在不同应用和设备之间获得一致的体验。Agent OS 同样遵循这套逻辑。

金融、法律、财税、教育和内容创作有各自的知识、数据与工作流程，硬件也承担着不同的感知和交互任务。一家公司很难独自覆盖如此复杂的工作现场。WorkBuddy 此次开放的意义，在于尝试把记忆、任务、工具调用、身份权限和产物管理等公共能力交给平台，再由伙伴补充行业知识、专业软件与终端入口。

这也解释了 WorkBuddy 为什么要从一款产品走向生态。单一 Agent 能看到的上下文，通常受限于一个应用；接入的行业和工具越多，它才越有机会理解一项工作如何发生。

开放平台的技术架构也印证了这一点。除了硬件和 Buddy 应用，平台同步开放了 Skill（技能）、Expert（专家）、Connector（连接器）三大模块。开发者可以把一套行业方法或工作流写成 Skill，把领域知识与判断方式封装为 Expert，通过 Connector 把自有 API 或工具接入。

图片来源：WorkBuddy

这种接入是双向的：外部 AI 能力进入 Buddy 市场服务用户，硬件伙伴也能通过平台获取授权，把 WorkBuddy 的生态能力带进自己的设备。平台的支付能力与分发通路正在加速建设——OS 的历史反复证明，经济系统的设计比技术架构更能决定生态的长期走向。开发者能不能赚到钱、伙伴能不能获得持续回报，直接决定了这套开放体系是活的生态还是一次性的合作展示。

将视角再拉高一步，可以看到，在最新季度财报中，腾讯把 AI 布局概括为智能、应用和基础设施三个层面：混元构成模型能力，WorkBuddy、CodeBuddy 等产品承接真实任务，算力和云基础设施则支撑模型训练与应用推理。腾讯管理层同时将 WorkBuddy 描述为一个灵活的 Agent 工作空间，可以根据任务调度不同模型与 Skills。

这一定位意味着，WorkBuddy 在腾讯体系中的作用，并不止是把混元包装成一个办公产品。它更像模型、工具和用户任务之间的连接层：向下承接混元及其他模型的能力，向上连接具体的生产力场景，再通过真实任务检验模型和 Agent 工程是否可用。

最近发布的 Hy4 Preview，让这条链路变得更加具体。腾讯将其定位于代码、办公与科研等生产力任务，并同步接入 WorkBuddy、CodeBuddy、元宝和 ima。Hy4 Preview 还与 WorkBuddy 等产品进行协同设计，重点优化跨文件协作、数据分析，以及从信息处理到文档、表格和演示文稿交付的完整流程。

过去，大模型研发与产品落地经常是两条相对独立的链路：模型团队在基准测试中提升能力，产品团队再寻找适合的使用场景。WorkBuddy 与混元的关系，呈现出另一种路径。模型先进入真实生产力任务，产品侧的评估、工具调用结果和场景反馈再回到研发环节，帮助模型与 Agent 工程继续迭代。

这构成了腾讯想建立的数据飞轮。模型能力提升后，WorkBuddy 可以处理更复杂、更长链路的任务；任务类型增加，又会暴露模型在规划、工具调用和结果交付中的真实问题；应用、硬件、Skills 与专家继续接入，则进一步提高平台的上下文密度。产品、模型和生态在这一过程中相互推动。

数据飞轮也需要明确边界。对于企业用户来说，任务记忆如何保存、业务数据如何隔离、关键操作如何授权和留痕，都会决定平台能进入多深的工作流。WorkBuddy 获得更多上下文的同时，也要承担更重的治理责任。缺少这层可信基础，生态规模越大，潜在风险也会随之增加。

从这个角度看，开放生态本身就是 Agent OS 成立的条件。腾讯内部已经拥有混元、会议、文档、邮箱、企业微信和云服务，外部伙伴则带来专业知识、行业软件和硬件入口。如果这些能力能够围绕任务被统一调用，WorkBuddy 才可能从腾讯内部的 AI 办公产品，成长为面向更多行业与开发者的工作平台。

OS 无法依靠一次发布完成。开放生态能否让 Agent 在每个用户的工作流里积累出足够密度的上下文，让模型有真实信号可以优化，让伙伴有持续回报愿意留下来——这是比技术架构更根本的问题。

WorkBuddy 可以率先提出 Agent OS 的方向，但这套系统是否真正成立，最终仍取决于它能否把腾讯的模型、产品与连接能力转化为一种可持续的生态秩序。

印度总理纳伦德拉·莫迪（Narendra Modi）是俄罗斯总统弗拉基米尔·普京（Vladimir Putin）的亲密盟友，他敦促普京结束莫斯科对乌克兰发动的战争。

“战争每持续一天，人类文明就倒退一步；而迈向和平的每一步，都会为人类带来新的希望与热情。”莫迪周一（8月31日）如是说。

莫迪所在国家的经济高度依赖自俄罗斯进口的折扣石油。自2022年普京发动对乌克兰的全面入侵以来，莫迪已多次向普京提出过类似的呼吁。

BBC驻德里和莫斯科的记者，分析了莫迪此次重申和平呼吁背后的原因，以及普京的回应。

BBC印度数字编辑维卡斯·潘迪（Vikas Pandey）

德里报导

莫迪有关结束乌克兰战争的表态并不令人意外，也不代表印度外交政策发生任何策略性转变。

事实上，早在2022年，当时冲突爆发不到一年时，莫迪就曾在一场地区峰会的边会上公开对普京表示：“现在不是打仗的时候。”

但若将莫迪此前或当下的表态，解读为对普京或俄罗斯战略的拒斥，未免过于简化。西方国家一直向莫迪施压，要求他对这场战争表明清晰立场——但德里方面大体上保持中立，转而呼吁通过对话结束战争。

这一立场并未讨得多数西方国家欢心，但它们仍持续拉拢莫迪与印度——毕竟印度经济体量庞大、增长迅猛，难以被忽视。

在此背景下，莫迪此次表态不能被视为讨好第三方国家之举。

若要说有什么意涵，这番表态恰恰符合印度长期奉行的战略自主政策。这也引出一个问题：莫迪为何要就这场战争如此公开地表态？

答案在于俄印两国源远流长的关系——即便双方在地缘政治上视角不同，两国通常也能找到合作之道。过去30年间，尽管德里与欧美关系日益密切，莫斯科依然是印度最坚定的盟友之一。

德里是金砖国家（BRICS）机制的创始成员国之一，与俄罗斯、中国同属其中；同时，德里也与这两国同为上海合作组织成员。

但与此同时，德里也是由澳大利亚、日本和美国组成的“四方安全对话”（Quad）成员——莫斯科对此一直心存不满。

尽管如此，莫斯科与德里往往能够化解这些分歧。而且，俄罗斯目前仍供应印度约40%的国防进口，并持续稳定地满足德里的能源需求。

因此，外界预计莫迪此次表态不会在俄印关系中引发裂痕，分析人士也认为，这番言论不太可能让普京及其外交官感到意外。

至于西方国家及莫迪在印度国内的批评者，他们则会认为，这位总理本应在对战争的谴责上表现得更加直接。

BBC俄罗斯编辑史蒂夫·罗森伯格（Steve Rosenberg）

莫斯科报导

这并非外国领导人首次公开敦促普京结束乌克兰战争。

就在五周前，哈萨克斯坦总统卡瑟姆若马尔特·托卡耶夫（Kassym-Jomart Tokayev）曾建议普京冻结冲突、重返谈判桌。

他没有这么做，至今也没有。

没有迹象表明，这些公开的和平呼吁能够改变普京的算盘。

面对莫迪呼吁停止敌对行动的表态，这位克里姆林宫领导人回应道：

“非常感谢，总理先生。我们正沿着这条道路向前推进。”

有礼貌，但含糊其辞，且不作任何承诺。

毕竟，一条道路可以很短，也可以很长——非常长。

“向前推进”，究竟以什么样的速度？

更关键的是，究竟走的是哪一条路？

所有迹象都表明，俄罗斯领导层依然坚信自己正走在通往乌克兰军事胜利的道路上。若以和平的措辞来包装，那便是“向前推进”迈向一种由军事胜利所主导、按俄罗斯条件达成的和平。

因此，眼下这场战斗仍将持续下去。

尽管历经四年半多的战争、承受巨大的军事损失，克里姆林宫至今仍未能取得胜利。

尽管乌克兰已成功将战火带回俄罗斯本土——例如，通过对俄罗斯炼油厂发动的远程无人机打击，在全国各地引发了燃料短缺和加油站排长队的现象。

近日，俄罗斯已加大对乌克兰的攻势。

“在（俄罗斯）加强了对乌克兰军工设施和关键基础设施的打击之后，”《生意人报》（Kommersant）周二（9月1日）早晨写道，“俄方确信，在这场军事对抗中，时间正站在对基辅不利的一边。”

只要普京依然这么认为，他就不太可能愿意暂停这场所谓的“特别军事行动”。

本文原以英文撰写，我们使用了人工智能协助翻译，并由BBC记者在发布前进行审核。了解更多关于我们如何使用人工智能的资讯。

8月28日，《肖申克的救赎》（The Shawshank Redemption，港译《月黑高飞》、台译《刺激1995》）修复版在中国内地公映，官方字幕的多处翻译选择随即引发网路热议。影片翻译、性别学者接受BBC中文采访，阐述了各自的理解。

500码被译成500米，体制化（institutionalized）译成“牢笼驯化”，同性恋（homosexual）译成“不同的人”，queer译成“变态”，就连那句吐槽识字太难、“难得像中文”的台词，也被译成了“天书”。

其中争议最大的，是queer一词。在现代语境中，这个词常被译作“酷儿”，是涵盖非传统顺性别、LGBT社群的伞式名词；在《剑桥词典》中，它作形容词时也译作“怪异的、古怪的”。平权运动之前，queer在英语世界带有明显贬义，是加诸LGBT群体的侮辱性称呼；平权运动之后，这个词被社群主动“解构”，重新赋予身分认同的含义，成为一种自我指称。

影片在中国重映之后，子墨（化名）在小红书、threads等平台发布对此次官方引进译制字幕的异见。子墨目前在浙江读书，曾在版权和“引进文化”问题上饱受争议的人人影视、远鉴字幕组担任翻译，自2018年起已翻译过数十部影片，《肖申克的救赎》正是他最喜爱的作品之一。

“我觉得翻译是一件很严肃的事，也是了解国外知识文化的重要途径，怎么可以把码译成米、英寸译成寸？”子墨告诉BBC中文，“公映版本的翻译和经典版完全不一样，让重看这部电影‘补票’的观众产生了文化差异感，甚至文化冲击。”

这部首映于1994年的奥斯卡经典，在中国内地此前32年间从未公映，观众主要通过人人影视、远鉴字幕组等民间管道观看。它也是豆瓣（中国影视评分网站）评分最高的影片：超过333万名用户为其打出9.7分（满分10分），高居全站榜首。

然而，这部经典之作的票房表现并不理想。据票房统计平台猫眼数据，上映5天（含周末）以来，累计票房仅1322.3万元，上座率仅1.5%，场均人次1.6人。

公开资料显示，此次引进方为中国电影集团公司，字幕翻译由上海电影（集团）公司旗下的上海电影译制厂负责——这是中国历史最悠久的译制厂之一，此前曾译制《简·爱》《巴黎圣母院》等经典影片。32年来首次公映，也意味着这是中国官方首次为这部经典影片提供“官方”翻译版本。

诺丁汉大学副教授包宏伟长期研究中国酷儿文化，他指出，尽管近年中国的酷儿空间持续萎缩、本土酷儿题材作品几乎无法公映，但西方酷儿电影和剧集仍保有有限的公映空间，尤其是那些没有明确酷儿主题的作品。“《肖申克的救赎》是一部带有酷儿隐喻的电影，其解读空间开放，因此在一定程度上规避了审查。”

上海一名长期与影院合作、从事地下放映的影视爱好者告诉BBC中文，他从已购票观影的朋友处得知了这些“不同以往”的译制字幕，感到十分不快。出于隐私和安全考虑，他要求匿名受访。

“翻译成这样还要我去电影院‘补票’？想都别想，这简直是侮辱这部电影，侮辱观众。”他这样告诉BBC中文。

这样翻译，究竟有没有问题？

子墨在小红书发帖质疑后，引来上千条评论，支持与质疑的声音皆有。

包宏伟对BBC中文表示，不能简单为一个翻译版本贴上“好”或“坏”、“对”或“错”的标签。他以queer一词为例：这个词虽然带有偏见色彩，但放在影片设定的时代背景下，它本就是一个带有污名化含义的词，直到平权运动兴起，这个词才被重新解构，被赋予了今天“酷儿”的含义。

“翻译是其自身历史、社会和文化语境的产物，译者似乎运用了特定的语言和文化策略来传达电影信息，有一定文化背景的观众能够理解其中的文化指涉。”

在他看来，以“不同的人”指代同性恋，恰恰体现了译者对社会文化语境的高度敏感；而将“make love under tree”（直译应为“在树下做爱”）译成“许下终身”，则是运用了中国读者熟悉、具有本土色彩的表达方式。

“我认为这些不是带有偏见的翻译，而是有创造性的翻译，能呈现译者的自主性、创造力，以及对本土语境的敏锐感知。”包宏伟称。

子墨说，他也看到了这些评论，也理解背后的考量，但依然认为，这样的处理方式削弱、甚至抹去了LGBT社群的可见度。作为曾经的字幕组译者，他担心这样的翻译会让新一代年轻人意识不到世界上存在这样的可能性、存在这样的社群，也让中国的LGBT社群即便走进影院，依然感觉自己“失声”。

“翻译有一种命名的能力。一个词、一个社群被如何命名，会为观众打开更多的可能性。一个可能被同性吸引的孩子走进影院，看到官方译制成这样，他会问：‘我到底哪里不一样了？’”子墨说。

英国曼彻斯特大学数字社会学讲师葛亮持相近观点。他认为，语言本身具有力量：在内地观众普遍英语水平有限的情况下，他们更依赖字幕理解剧情，若queer被直接译为“变态”，将会对公众、尤其是尚处于自我探索期的年轻人，产生不利影响。

来自政府的审查

观众的呼声，在中国并不容易被听见。一部电影要走正规院线渠道与观众见面，需经过多重审核，其中最严格的两项，分别是发行数量审核和叙事内容审核。

前者是中国长期对进口电影实施的配额制度：它限制了能够通过院线直接触达观众的海外电影数量，客观上也催生了庞大的地下资源交换市场——子墨曾任职的人人影视、远鉴等各民间字幕组自行译制最新海外影视作品并带入国内流传。尽管这些字幕组在版权问题上饱受争议，但对于中国内地的大多数观众而言，它们的译制作品是连接国际影视的重要管道。

内容审核则是所有中外影视、书籍进入中国市场都无法绕开的关卡。在LGBT议题上，中国政府的公开表态一直讳莫如深，但在实际行动上态度明显。子墨认为，此次《肖申克的救赎》的翻译选择，正与这种氛围有关。

2004年，中国互联网协会发布《禁止传播淫秽、色情等不良信息自律规范》，直接将同性性行为定性为“性变态”；2014年“扫黄打非”行动中，LGBT相关内容遭到集中审查、清理；2025年，多地执法机关跨省抓捕海棠文学城的耽美（BL）写手，对描写同性感情的作者展开追捕与处罚，这一做法也被舆论称为“远洋捕捞”，即地方执法机关跨区域办案以创收。

“在当局的主导下，非异性恋、非顺性别的性取向与性别表达，始终处于一种灰色地带。如果官方翻译呈现的是这种态度，其实并不令人意外，它就是在这种逻辑下被制作出来的。”葛亮告诉BBC中文。

他同时指出，queer这个词本身在电影设定的时空语境下无关痛痒，这句台词原本也并非为LGBT群体发声。“很难判断这是否代表官方真正的立场，但我认为它反映的正是官方一贯‘不鼓励、不认可、不表态’的态度。”

“你说它是‘变态’，还是‘酷儿’，其实都无所谓，官方的态度始终是无所谓、不认可。”葛亮说。

子墨表示：“我不是要批判这位译者，我理解他的难处、考量与取舍。但我还是觉得，这么好的一部作品，放在中国大陆的语境下，这个版本留下了一些遗憾。”

他同时强调，不该被忽视的是，对本土LGBT社群，尤其是年轻一代而言，某些表达方式消失后，往往会有另一些表达以转型的方式重新出现。

“一个真实的人，不会因为当局不允许表达情感，就突然没有了欲望，也不会因此失去自己的审美和爱情。他们只会把‘我是gay’转化成‘社会主义兄弟情’之类委婉的说法，继续寻找生存的土壤。就像queer这个词，也是从污名化的称谓，最终演变成了一个社群的自我认同一样。”

谷歌 Gemini 3.8 Flash 模型上线，适用软件工程、智能体任务等场景

9 月 2 日消息，谷歌在 Google DeepMind 网站低调上线了 Gemini 3.8 Flash 模型。其基于 Gemini 3.7 Flash，拥有在软件工程和智能体知识工作流方面的性能提升，并持续支持可定制的努力水平，以控制质量、成本和延迟的组合。

Gemini 3.8 Flash 基于 Gemini 3.7 Flash，具有最高 1M 的 token 上下文窗口，文本支持 64K token 输出。官方还公布了多项基准测试评估结果，涵盖编程、知识处理、多模态处理能力、长上下文处理、计算机使用能力以及科学推理能力。

截至 2026 年 9 月的结果如下：

根据介绍，Gemini 3.8 Flash 面向个人用户、开发者和企业，适合以较低成本大规模部署通用型、可直接用于生产环境的智能体，典型用途包括软件工程、智能体任务以及复杂的知识处理流程。

Gemini 3.8 Flash 的知识截止日期为 2026 年 3 月。部分领域的信息可能更新得更晚，另一些领域的知识则可能仍停留在 2025 年 1 月，与 Gemini 3 模型家族一致。（来源：IT 之家）

马斯克：如果猎鹰 1 号第四次发射也失败，SpaceX 就没了

9 月 2 日消息，埃隆 · 马斯克近日再次提到一个关于 SpaceX 创业历程的事实：如果「猎鹰 1 号」（Falcon 1）第四次发射也失败，SpaceX 就不会存在了。这番话回应了彼得 · 戴曼迪斯的一则推文——在连续三次发射失败后，SpaceX 当时只剩下最后一次尝试的资金。

彼得 · 戴曼迪斯在 X 上表示，如今人们对 SpaceX 成功的认可，并不能抹去这家公司早期经历的艰难。他写道：「几乎没人记得，埃隆的第一枚火箭连续失败了三次，而当时的资金只够再尝试一次。」

马斯克回应道：「如果第四次发射失败，SpaceX 就不会存在。」

（来源：IT 之家）

 

GoPro 拟 2.85 亿美元卖身光学公司

当地时间 9 月 1 日，GoPro 宣布，公司将被美国光通信公司 Starman Optical 用 2.85 亿美元现金收购，这笔钱将帮助 GoPro 还清约 9200 万美元的债务。交易完成后，Starman 将拿到 GoPro 90% 的股份，现有股东持有剩余的 10% 股份。GoPro 不会退市，股票继续留在纳斯达克交易。

根据协议条款，GoPro 股东将合计获得 2.85 亿美元现金，折合每股 1.14 美元。两家公司董事会均已批准该交易，预计于今年年底前完成，尚待监管机构及 GoPro 股东审议通过。

两家公司在联合声明中表示，该交易将更好地帮助依赖于消费市场的 GoPro，利用其超过 2500 项美国专利（包括光学和成像解决方案），进军商用、国防和 AI 市场。

GoPro 创始人兼首席执行官 Nicholas Woodman 表示，此次合并将推动 GoPro 成为「一家领先的美国成像与光学解决方案公司」。

今年 5 月，GoPro 董事会曾宣布正在评估包括向国防行业出售在内的「一系列战略替代方案」，此次并购协议正是这一探索的结果。（来源：澎湃新闻）

 

消息称月之暗面启动港股 IPO 流程，本周已向港交所秘密交表

9 月 2 日消息，晚点 LatePost 晚间爆料称，月之暗面已于本周以保密形式向港交所递交 A1 文件，正式启动港股 IPO 流程。月之暗面对此则回应称：「对于市场传闻不予置评，目前暂无可以披露的信息。」

据悉，A1 是企业申请在港交所上市时提交的正式申请表之一。

消息称月之暗面同时也在以 500 亿美元的投前估值推进新一轮融资，这很有可能是 Kimi IPO 前的最后一轮融资。

今年 7 月，月之暗面完成了超 35 亿美元 F 轮融资，投后估值涨至 350 亿美元。因认购金额超出原定目标 3 倍有余，本轮融资提前关闭。随后有消息称，月之暗面计划最早 8 月以内提交香港 IPO 申请，或募资约 30 亿美元。然而，月之暗面当时回应称消息不实。（来源：IT 之家）

豆包工作功能更新，支持多 Agents 并行、Mac 操作电脑屏幕

豆包工作发布产品功能更新，上线「多 Agents 并行」和 Mac 系统下的「操作电脑」两项新功能，进一步提升复杂任务的处理效率与场景覆盖。

据介绍，多 Agents（智能体）并行功能可让豆包在一个任务下通过分派多个子 Agent 执行不同模块，成倍节省交付时间，提高复杂任务的效果上限。

Mac 系统的操作电脑功能可让豆包实现本地 GUI 操作，在没有 MCP、API、插件和 CLI 的情况下也能看懂界面并完成相应操作，覆盖更多长尾场景。（来源：新浪科技）

 

微软证实 Xbox 发生大规模服务中断，多平台账号登录受影响

9 月 2 日消息，微软 Xbox 已经确认发生一起「大规模服务中断」，PC、Xbox Series X/S 以及其他设备上的用户均受到账号相关问题影响。

如果你发现自己的 Xbox 账号无法登录，无法正常玩游戏，那么并不是只有你遇到了这个问题。今天已经有大量用户报告相关故障，微软也已经正式确认了这一问题。

Xbox Support 服务状态页面显示，此次事件属于「大规模服务中断」。受影响的用户「可能无法登录 Xbox 个人资料，可能会在登录状态下被强制断开连接，或者遇到其他相关问题」。

与此同时，大多数需要登录账号才能使用的功能也将无法正常工作，包括大多数游戏、应用以及社交功能。

目前已知受影响的平台包括 Xbox Series X/S、Xbox One、Xbox 360、Windows 版 Xbox、Android、iPhone、云服务以及网页版服务。（来源：IT 之家）

 

追觅回应放弃汽车量产：未来只做相应技术储备

针对网传造车项目终止的传闻，近日，追觅科技相关人士向媒体表示，公司已放弃汽车业务量产计划，仅保留相关技术储备。

后续汽车相关业务将并入公司产业研究院统一管理，核心聚焦通用技术探索研究，稳步推进技术产业、投资、研发的落地工作。

此前在 2025 年 8 月，追觅科技创始人俞浩正式宣布入局整车赛道，将汽车定义为「工业的王冠、技术的终极战场」。（来源：每日经济新闻）

小米 18Fold 全球首秀

小米将正式亮相德国柏林国际电子消费品展览会（IFA 2026）。首次参展 IFA，小米将以超 3300 平方米展台、380 余款产品，带来迄今最大规模的「人车家全生态」海外展示。

本届 IFA，小米将集中呈现「人车家全生态」落地物理 AI 的最新成果，展示主动感知、复杂执行、主动服务等全生态 AI 三大能力，如何跨越不同设备与生活空间，为用户打造直觉、无缝、聪明的先进智能体验。

小米首款中折叠旗舰手机小米 18 Fold 真机将迎来全球首秀。该产品是小米首款搭载新一代玄戒 O3 芯片的旗舰手机，将于 9 月 7 日正式发布。

小米机器人 CyberOne 也将首次在海外展出。汽车方面，小米 SU7 Max、小米 SU7 Ultra 与小米 Vision GT 三款车型将齐聚 IFA。

小米旗下米家品牌将在 IFA 上亮相，包括小米大家电等众多产品，将正式规模化进入欧洲。今年正值米家品牌十周年。截至目前，米家已覆盖超 130 个品类、2000 多个 SKU，服务全球 1.1 亿用户。（来源：新浪科技）

 

新款理想 MEGA 上市

9 月 2 日晚，理想汽车宣布，新款理想 MEGA 正式上市，全国统一零售价 50.98 万元。

仅推出 Home 一个版本，本周内开启交付。相比首代 55.98 万元降价 5 万，与全新一代理想 L9 顶配同价，理想放下当年「50 万以上销量第一」口号，转向务实走量。（来源：新浪科技）

科学家疑似探测到暗物质首个直接证据，待进一步验证

9 月 2 日消息，科学家近日报告称，他们可能探测到了暗物质的首个直接证据。如果这一发现最终得到证实，将可能成为一项突破性成果。此次潜在探测来自 LUX-ZEPLIN 实验，研究人员发现了一个疑似由弱相互作用大质量粒子（WIMP）与普通物质粒子发生相互作用产生的事件。WIMP 是目前暗物质最主要的假想粒子候选者之一。

暗物质一直是困扰科学家的难题。尽管暗物质约占宇宙总质量的 85%，但科学家至今仍不知道它究竟是什么

这也推动科学家寻找超越所谓「粒子物理学标准模型」的新型粒子。遗憾的是，到目前为止，这项搜索始终没有取得令人信服的结果。不过，LUX-ZEPLIN 实验或许终于捕捉到了重要线索。

研究人员分析了 LUX-ZEPLIN 的数据。该探测器位于美国南达科他州桑福德地下研究设施（SURF）地下约 1 英里深处，内部装有 10 吨超纯液态氙。分析结果显示，研究人员发现了一次无法用普通物质产生的已知背景信号解释的单粒子相互作用事件。

首先，这一信号表明，WIMP 的质量可能约为质子的 200 倍。其次，结果还暗示，WIMP 与普通物质之间的相互作用方式，可能与此前针对这类粒子最简单模型所做出的预测有所不同。

当然，目前还不能确定这一结果。仅凭这一次潜在探测事件，其统计显著性还不足以证明探测到的确实是 WIMP 与普通物质粒子之间的相互作用。目前仍有 0.5% 的概率，这一事件可以由已知的背景信号解释。（来源：IT 之家）