AI动态

分类：AI动态 标签：人工智能、大模型、DeepSeek、算子优化 在人工智能狂飙突进的时代，身处技术最前沿的工程师们，感受往往最为深刻也最为主观。近日，DeepSeek v4.1 主 Attention 算子负责人刘胜与发表了一篇名为《我不得不把才华埋葬在昨天》的文章，在科技圈与社交媒体上引发了现象级的讨论。从微信公众号的 10 万加阅读量到冲上知乎热榜第一，这篇文章之所以破圈，不仅因为它揭示了 AI 浪潮下程序员的职业阵痛，更因为它触及了一个终极命题：当人类亲手创造出能够超越自身的工具时，我们该如何面对自己的热爱与未来？ 算子优化的“终极加速” 在文章中，刘胜与坦言，AI 在算子设计与编写领域的进步速度远超预期。在短短一年的时间里，AI 已经从一个只能辅助查阅文档、寻找 Bug 的初级工具，进化成为能够独立阅读 CUDA、PTX 与 SASS 编码，并通过专业工具分析指令停顿时间、进而独立优化算子的“算子大师”。 对于身处一线的工程师而言，这种体验是复杂的。一方面，作为 DeepSeek v4.1 成功的参与者，刘胜与对技术的突破感到骄傲；但另一方面，他清醒地意识到，再过半年或一年，AI 编写的算子大概率将在水平上追平甚至超越人类。这种技术迭代的速度，让曾经引以为傲的手写算子能力，正在迅速失去其不可替代的产业价值。 为什么明知会被取代，还要拼命加速？ 人类在面临生存威胁时往往会选择抵抗，但在 AI 军备竞赛中，工程师们却展现出了一种奇妙的“自我革命”姿态。刘胜与抛出了一个直击灵魂的问题：既然算子写得越好，模型迭代越快，自己被取代的时间就会提前，为什么还要拼尽全力去优化它？ 他的回答充满了一种极客式的浪漫与残酷： 纯粹的快感：对技术人员而言，攻克高难度的算子如同打游戏速通，当看到自己优化的算子性能超越厂商官方版本时，能够获得极大的心理满足与自豪感。 无法逃避的洪流：哪怕自己选择“摆烂”或者消极怠工，行业内的其他模型也会照常发展，最终将所有人远远甩在身后。“我当然希望自己不要被革命，但如果非被革命不可的话，我希望革我自己命的人是我自己。” 这种将个人热爱投入残酷军备竞赛的选择，折射出了当代 AI 从业者无法逃避的时代宿命。 从生产力到娱乐活动：告别手写算子的时代 面对外界关于失业焦虑的猜测，刘胜与随后发布了补充说明，澄清这篇文章的初衷并非贩卖焦虑，而是想和过去手写算子的那段时光“说句再见”。 在他看来，未来有一天，“手写算子”乃至更广泛的“编程”，可能会从严肃的生产力活动降维成一种娱乐活动。这就像今天的人们不再用标枪打猎，而是将其作为竞技体育一样。这种转变意味着从业者不得不被迫放弃曾经热爱的事物，强行转向未知的方向。哪怕新方向同样充满机遇，那种挥别过往的失落感依然真实存在。 此外，他也特意强调，文章中关于开源与全球AI生态的个人愿景仅代表个人立场，不代表任何所在公司的官方态度。 科技编辑的思考与总结 刘胜与的感慨之所以能引发全网共鸣，是因为他撕开了大模型狂欢背后的另一面：技术进步的代价，往往是由那些最先拥抱它、推动它的人来承担的。 感知 -> 进化 -> 重塑，这是技术发展的必然规律。AI 不会因为人类的留恋而放慢脚步，而程序员和开发者们正在经历的，是一场深刻的职业身份重构。正如文章标题所言，把才华埋葬在昨天，是为了在废墟与新生之间，迎接那个由代码自己书写明天的全新时代。

分类：AI动态 标签：人工智能、大模型、智能体、支付安全 在人工智能深入渗透日常工作流的今天，编写代码、梳理汇报、提炼会议纪要等任务，AI 几乎可以全权接管。然而，一旦涉及真金白银的交易，比如调用付费数据接口或预订服务，人们往往会本能地卡死权限。这种现象揭示了智能体（Agent）商业化进程中的核心痛点：当智能体开始替人花钱，我们如何证明「它是谁」，又该如何确保钱包安全？ 换了台电脑，商家还认识你吗？ 过去二十年，商业交易的身份确认依赖物理实体、官方加密签名以及生物识别。但在智能体时代，这套规则失效了。 例如，开发者在本地电脑上用开源框架搭建了一个购物助手，随后将其代码镜像、运行配置与记忆上下文打包迁移到了云端容器中。当这串代码去调用商户服务时，对方仅凭一个静态的 API Key，很难确认眼前的程序究竟是获批的助手，还是被克隆篡改的仿冒品。 为了解决代码流转带来的身份模糊问题，蚂蚁集团发布的 APASS（面向智能体商业活动的信任基础设施）提供了三个维度的核验依据： 软件特征：系统会校验 Agent 的代码指纹、软件版本及挂载的 Skill 清单，确认核心组件是否遭到替换。 运行环境状态：通过硬件级可信根运行环境检测，核验宿主设备及环境是否可信。 真实责任主体：将 Agent 标识与既有的个人认证（KYC）或企业认证（KYB）体系关联，确保发生纠纷时能追溯到现实中的自然人或法人。 免密支付买PPT模板，会不会变成买黄金？ 确认了身份后，下一个难题是控制 Agent 的行为边界。在制作行业汇报 PPT 等复合任务中，智能体需要自主跨商家执行多笔微额交易。如果每笔交易都要人工弹窗确认，效率将大打折扣；但若完全开放免密权限，又面临资金失控风险。 APASS 通过结构化的授权策略（Scope）来平衡效率与安全。用户可以在任务启动前圈定清晰的边界，例如锁定单笔与累计消费预算、限定消费类目、绑定商户白名单并设置有效时间窗口。 此外，针对「买 PPT 素材演变成数码硬件」这类中途意图漂移或恶意劫持风险，APASS 在调用链路上设置了交叉校验： 意图安全模型：实时将交易动作与用户最初下达的 Prompt 和核心约束进行语义比对。 分级处置机制：常规采买直接静默放行，边界模糊的调用暂缓并要求二次确认，而高危恶意偏离则直接在底层阻断交易并推送警报。 AI 自助下单，出了差错谁兜底？ 当智能体参与的交易出现偏差时，多方协作的复杂链条容易导致踢皮球现象。APASS 在其中扮演了交易全流程的「飞行黑匣子」角色。 通过可信存证机制，系统会留存任务执行中的关键信息，包括用户授权权限、运行环境核验结果、服务调用及交易处置记录。这不仅有助于厘清大模型理解偏差、商品选择失误或商户履约质量等不同性质的问题，也为责任追溯和纠纷处理提供了客观依据。 结语 随着智能体加速走向真实的商业交易闭环，商业交互的起点正从搜索页面演进为意图发展的服务调度。当委托边界可被精密界定、流动的代码拥有可靠的身份锚点、执行链路有了实时防护与追责依据，人们才敢真正把钱包交出。信任基础设施的完善，正是让 AI 从单纯的对话框走向替人办妥现实商业交易的必经之路。

分类：科技 标签：人工智能、特斯拉、自动驾驶、大模型 特斯拉近期低调举行了一场备受瞩目的发布会，正式推出了被外界戏称为“三无车型”的 Robotaxi 纯自动驾驶出租车——Cybercab。没有方向盘、没有踏板、甚至没有传统意义上的侧后视镜，这款新车从设计之初就彻底打破了传统汽车的逻辑，其核心目标只有一个：将单车成本和每英里运营成本压榨到极致。 作为特斯拉支撑未来市值与商业想象力的核心业务，Cybercab 的登场不仅标志着马斯克十年自动驾驶故事的实质性兑现，也正式拉开了全球 Robotaxi 领域技术与规模化落地的大洗牌序幕。 一、 “三无”设计的硬核技术底子 虽然官方未进行全球直播，但通过现场流出的技术细节来看，Cybercab 在硬件架构上做出了诸多针对无人驾驶场景的安全与效率冗余： 底盘与驱动：采用线控刹车系统，每个车轮均配备独立执行器，确保在无人驾驶状态下的绝对安全冗余；前轮驱动配合高齿轮比，并针对电机噪音进行了深度隔绝优化。 三电与电气：搭载寿命可达 50 万英里的 4680 电芯，能够从容应对高频直流快充、剧烈温度波动与持续振动；采用 48V 低压电气架构，自动驾驶计算平台则与最新的 HW4 一脉相承。 在商业化设想中，Cybercab 未来将支撑起一张庞大的全球无人驾驶出租车网络。车主在闲置车辆时，甚至可以将其一键投入特斯拉的车队进行跑单，让沉没资产转变为持续的现金流。目前，奥斯汀的用户已经可以通过特斯拉应用抢先预约体验这项服务。 二、 路线之争：纯视觉端到端 VS 多传感器融合 Cybercab 的发布，恰逢自动驾驶行业持续十年的“技术路线之争”迎来摊牌窗口。以 Waymo 和特斯拉为代表的两大阵营，在技术哲学上走向了截然不同的方向： 传感器之争：特斯拉将纯视觉路线推向极致，坚信“摄像头加人工智能”足以应付一切路况；而 Waymo 在跑完数亿英里真实里程后断言，纯视觉远远不够，必须同时依赖摄像头、激光雷达和毫米波雷达的三重融合。 AI 架构之争：特斯拉全力押注端到端神经网络，试图用单一模型搞定从感知到控制的全过程；Waymo 则公开警惕纯端到端的“黑箱”风险，强调 L4 级别系统必须从零构建，绝不能仅仅依靠 L2 数据的不断放大。 这两种路线孰优孰劣，过去的争论已经持续了近十年。而接下来，单纯的理论辩论已无意义，真正的胜负将由真实的道路体验和商业化数据来决定。 三、 规模化运营：远未结束的硬仗 对于当前的 Cybercab 而言，技术已经不再是唯一的最大难题，真正的硬仗在于法规放行与规模化运营。 一方面，由于没有方向盘和踏板，Cybercab 天然踩在现行交通法规的边缘。尽管监管机构（如美国 NHTSA）正在逐步酝酿新规以适应新技术，但现有的豁免额度距离特斯拉百万级的宏伟愿景依然相去甚远。 另一方面，外界常常低估了 Robotaxi 的真实运营成本。硬件造价只是冰山一角，生命周期中的隐性开支更为庞大： 车辆充电调度与日常清洁维护 远程安全操作员与突发情况的现场应急团队 不可忽视的保险与事故成本 正如业内专家所言，过去行业考核的核心指标是 MPI（每次接管前行驶里程），而真正决定生死存亡的关键指标已经变成了 CPM（每英里成本）。 总结 特斯拉 Cybercab 的发布，不仅是一款前卫新车的问世，更标志着马斯克十年自动驾驶蓝图正式进入残酷的落地检验期。从纯视觉与多传感器的路线博弈，到合规门槛与每英里成本的商业化厮杀，Robotaxi 正在从概念走向深水区。谁能率先在实际运营中把成本降到可大规模复制的区间，谁就将成为这个万亿赛道的最终赢家。

分类：AI动态 标签：人工智能、大模型、AI办公、开源项目 2026年的夏天，中国科技巨头发起了 Agent（智能体）时代的第一次正面交锋。从豆包工作正式发布，到 TRAE、扣子团队整体并入豆包体系，再到腾讯 WorkBuddy 跑出千万月活，以及阿里加速整合云端 Agent 与钉钉能力——大厂们正不惜重金，争夺通往下一代生产力时代的入场券。 创新工场联合首席执行官汪华直言：「这仗打错了，最多是白烧几十亿；但如果不打，可能是生死问题。」在这场被业内称为中国 Agent 的「ChatGPT 时刻」背后，AI 办公领域正在经历怎样的演变与逻辑重构？ 一、 从极客玩具到大众消费品：中国 Agent 爆发的原点 年初曾引发热议的「小龙虾热」，在业内人士看来本质上只是一场极客的自我狂欢。由于模型不够强、配置门槛高、Harness（框架）不成熟，普通用户被彻底挡在了门外。 真正的转折点发生在最近几个月。随着 GLM-5.3-Flash、DeepSeek-V4-Flash 等国产模型不仅将指令遵循能力提升到新高度，更关键的是把成本彻底打了下来。大厂通过将 PPT、绘画、办公等场景预设包装，推出了如 WorkBuddy、豆包工作等易用性极高的产品，相当于给全市场做了一次 Agent 的普及教育。 Floatboat.ai 创始人兼 CEO 谭少卿认为，巨头入场不仅教育了市场，也让国内用户的付费习惯迎来了突破。过去中国用户习惯了免费模式，而现在程序员和专家用户已经能够坦然接受 68 至 98 元的月费档位，重度用户甚至愿意为真正能提升生产力的工具高额充值。 二、 巨头的恐惧与算力博弈：为什么选择 AI 办公？ 移动互联网时代，千万月活根本不值得巨头兴师动众，为什么这次大厂要打「会战」？ 恐惧驱动：以 Claude Code 为例，在达到千万月活之前，其 ARR（年度经常性收入）就已经达到 200 亿美金。法律、财务等高价值专业工作一旦被 Agent 重新定义，丢掉的将是整个赛道的未来船票。 算力可控：C 端产品（如通用对话豆包）算力负担极重，只能被迫使用压缩的小模型；而办公 Agent 恰好卡在一个理想区间，既能体现大模型真实能力，又不会因为用户规模过大导致算力崩盘，同时能够跑通商业模式。 汪华指出，大厂在 AI 办公领域的赛马机制异常残酷，WorkBuddy 往往是踩在众多失败项目的尸体上活下来的幸存者。 三、 交互形态的颠覆：当 Agent 走向自主性 随着长程任务能力的提升，AI 办公产品的形态也在快速迭代。 从传统的聊天面板加文件夹，到如今通过 Skills 包装成「专家」模式，产品的易用性大幅提升。然而，业内专家预测，当前的 WorkBuddy 或 Cowork 类工作台可能依然只是过渡形态。 在实际的深度实践中，Agent 已经不再只是被动的聊天工具，而是展现出了极强的主动性。它们可以自主拉取信息、拆解任务、排查 Bug、测试代码，甚至在人机协同中向 CTO 或 COO 的角色过渡。人类的核心动作正在转变为「授权」和「确权」，人与 Agent 共同优化整个协同系统。 ...

分类：AI动态 标签：人工智能、大模型、开源项目、商业化 在人工智能赛道进入商业化深水区的当下，国内头部大模型企业交出了一份亮眼的成绩单。近日，智谱在面向分析师和投资人的电话交流会上透露，凭借与多家国内外头部云服务商的深度合作，公司已将年末年度经常性收入（ARR）指引大幅上调25%至30亿美元。 业务增长强劲，全年目标大幅上调 据智谱官方披露，目前公司全业务口径的年度经常性收入（ARR）已经达到18亿美金。基于强劲的业务增长势头以及即将落地的新收入确认节点，智谱果断将原定24亿美元的年末ARR指引上调至30亿美元，展现出极高的市场扩张速度与商业化变现能力。 深度绑定云服务商，全面加速海外布局 此次业绩指引上调的核心驱动力，来自于智谱在生态合作上的重大突破。智谱已与多家国内外头部云服务商正式签署收入分成协议，相关商业化收入将从10月份开始全面确认。 在具体的合作模式上，智谱采取了“开源生态 + 云端托管”的策略： GLM系列开源模型 -> 海外云平台托管API -> 商业化收入分成 通过将GLM系列开源模型以托管API的形式输送到各大海外云平台，智谱不仅极大地降低了全球开发者和企业用户的接入门槛，更成功打通了海外市场的商业化闭环，实现了从技术开源到生态溢价的跨越。 科技编辑点评 智谱此次上调ARR指引，不仅印证了优质大模型在全球市场的强劲需求，也为国产AI商业化探索出了一条清晰的路径。通过“开源扩大影响力 + 商业云服务变现”的双轮驱动模式，大模型厂商正在摆脱单纯烧钱的研发阶段，迈向高质量、可持续的商业化新周期。

分类：AI动态 标签：人工智能、大模型、智能手机、字节跳动 AI大模型的落地正在从云端走向更贴近用户的终端硬件。9月16日，搭载豆包AI手机助手的努比亚 NaviX Ultra 正式发售，标志着基于屏幕自动化操作的 AI Agent（智能体）开始真正进入消费级手机市场。 终端AI新体验：屏幕自动化与协议支撑 作为该款手机的核心亮点，豆包AI手机助手依托于新推出的屏幕自动化操作声明协议（SAEP）机制。与传统的语音助手只能进行简单的天气查询或闹钟设置不同，AI Agent 能够通过模拟用户的屏幕点击与滑动操作，实现更深层次的应用内交互。 在实际体验中，这种“感知 -> 执行 -> 反馈”的链条让手机真正具备了“动手”能力，用户只需通过自然语言指令，就能让手机自动完成复杂的应用内操作。 优先覆盖字节系，生态拓展仍需时日 在现阶段的功能适配上，豆包AI手机助手采取了集中资源、重点突破的策略： 深度打通：语音操作 Agent 现阶段优先覆盖字节跳动旗下全系列产品，能够实现生态内的无缝调用。 第三方拓展：目前仅支持包括曹操出行在内的少量第三方应用。 这种“先自研、后生态”的策略，反映出当前 AI 手机在跨应用操作（Cross-App Integration）上面临的技术与安全挑战。要实现全行业 App 的无缝调度，各大厂商和开发者仍需在接口开放与安全协议上达成更多共识。 数码编辑点评 豆包AI手机的正式发售，是字节跳动在 AI 硬件落地上的重要一步。当大模型能力与手机操作系统深度结合，手机不再只是一个被动接收指令的工具，而是逐渐演变为具备自主执行力的智能终端。不过，对于消费者而言，其生态丰富度与操作稳定性仍需在后续的实际使用中接受市场检验。

分类：科技 标签：iPadOS、Apple、数码评测、平板电脑 Apple 正式发布了新一代操作系统。其中，iPadOS 27 在视觉设计、交互逻辑、Apple Pencil 协作以及整体性能上都迎来了显著的升级。随着系统不断打磨，iPadOS 与 macOS 在形态上的融合似乎正在悄然加速。以下带你一览新系统中的核心新特性。 系统界面与设计改进：Liquid Glass 的细节打磨 「Liquid Glass」设计语言在 iPadOS 27 中得到了进一步优化，虽然没有带来颠覆性的视觉重构，但在易用性和质感上做了不少加法。 1. 边到边的侧边栏与图标重构 经历了此前版本的「悬浮」侧边栏设计后，iPadOS 27 重新回归了与 macOS 27 保持一致的「边到边」设计，视觉上显得更为简洁开阔。此外，地图、邮件、照片、天气等系统自带 App 的图标全部经过了重构，融入了更多的 Liquid Glass 元素，搭配第三方 App 更加锐利立体边缘的渲染，整体观感更加精致。 2. 组件光影与透明度调节 新系统采用了全新的光影渲染方式，按钮、通知、文本输入框等组件的立体感更强，且下方内容的折射效果减弱，有效提升了文本的可读性。同时，系统新增了 Liquid Glass 的透明度无级调节滑块（位于“设置-外观”中），用户可以根据喜好调出类似旧版系统的乳白色毛玻璃效果。 3. 菜单栏优化与窗口管理 顶部菜单栏：默认在顶部状态栏显示 App 名称，轻点即可呼出菜单，既避免了误操作，也为全新的 Siri AI 手势让出了空间。 iPhone App 窗口自由缩放：在 iPad 上运行 iOS App 时，用户现在可以更加自由地调整窗口大小，不再局限于以往固定的尺寸。 Apple Pencil 与笔记功能：手写搜索与 Markdown 支持 iPadOS 27 针对生产力场景和手写笔体验带来了几项实用更新： 手写字 Spotlight 索引：得益于 PencilKit 功能，手写字符现在可以加入系统索引，直接在 Spotlight 中全局搜索「备忘录」中的手写笔记全文，第三方支持 PencilKit 的笔记软件同样受益。 一键复制为 Markdown：备忘录 App 中的内容现在支持直接拷贝为 Markdown 格式，对于习惯使用 AI 工具或进行数字笔记管理的效率控来说堪称刚需。 充电新提示音：吸附并连接 Apple Pencil 时，系统会播放全新且独具质感的充电提示音。 性能大提速：外设传输与系统流畅度 除了视觉与功能，iPadOS 27 在底层性能上的提升同样感知明显： ...

分类：AI动态 标签：大模型、人工智能、DeepSeek、算子优化 在人工智能狂飙突进的时代，身处技术最前沿的工程师们，正在经历怎样的心理激荡？近日，DeepSeek v4.1 主 Attention 算子负责人刘胜与发表了一篇题为《我不得不把才华埋葬在昨天》的文章，在中文互联网与海外社交媒体 X 上引发了广泛热议。这篇文章不仅登上了知乎热榜第一，更触动了无数身处技术浪潮中的从业者的神经。 从助手到大师：AI 进化速度超乎想象 作为一名深耕底层算子设计与编写的资深工程师，刘胜与在文中坦言，AI 的进化速度彻底超出了他的预料。 在短短一年的时间里，AI 已经从最初只能查阅文档、阅读代码、寻找 bug 的初级助手，蜕变成为能够独立阅读 CUDA、PTX 与 SASS 编码的“算子大师”。它能够通过专业工具分析每条指令的停顿时间，进而独立优化算子。刘胜与断言，在不久的将来，AI 甚至将拥有独立设计算子调度、评估不同方案性能并将其实现优化的能力。 面对自己为之骄傲的 DeepSeek v4.1 成果，他有着清醒的认识：再过半年到一年，AI 写的算子大概率就会和人类写得一样优秀，甚至将其超越。 为什么明知被取代，还要加速推进？ 人类在面临自我淘汰时，为何还要亲手按下加速键？刘胜与在文中给出了两个极其真实且带有浪漫主义色彩的理由： 极致的快感与自豪感：编写算子对他而言就像打游戏一样，发明新技术、看到算子性能上升带来的精神反馈，不亚于速通玩家打破记录。 无法阻挡的历史车轮：哪怕自己选择“摆烂”甚至故意阻挠，其他竞争对手的模型也会照常发展并最终实现超越。“我当然希望自己不要被革命，但如果非被革命不可的话，准希望革我自己命的人是我自己。” 在刘胜与看来，虽然自己的饭碗暂能保住，但未来不得不“转业”，这意味着他可能再也没有机会从事那份曾深爱过的工作。 官方立场与个人告别 随着文章的全网爆火，刘胜与在 9 月 15 日晚间发布了补充说明。他澄清道，自己写这篇文章的初衷并非表达对失业的焦虑，也不是为了输出公司立场的竞争观点，而仅仅是想和自己过去手写算子的那段时光说一声再见。 他将未来“手写算子”或“编程”的命运比喻为现代人玩标枪——不再是为了生产狩猎，而是变成了一种娱乐或竞技活动。这种被时代逼迫放弃热爱的感觉并不好受，正如文章标题所言：“我不得不把才华埋葬在昨天。”同时他也强调，文章中的部分观点仅代表个人，不代表任何所在公司的立场。 科技编辑总结 刘胜与的真情流露之所以能引发共鸣，是因为它具象化了当下整个科技行业对 AGI（通用人工智能）的复杂心态：既有对技术突破的极客狂热，也有对个体价值被重塑的失落与迷茫。当 AI 开始反哺并优化自身的诞生工具，人类工程师正站在历史的转折点上。正如刘胜与所选择的那样，与其被动接受时代洪流的湮没，不如亲手推开新世界的大门，哪怕这意味着要将昨天的才华与热爱，永远封存在回忆之中。

分类：科技 标签：小米、大模型、折叠屏、智能汽车 发布会开场，雷军站在国家会议中心的长廊中央，讲了整整两个半小时。这并非一场常规的秋季新品推介，而是小米近年来技术野心与商业布局的一次集中交底。 造车、造芯、造高端旗舰，每一项都是硬骨头。而小米选择把它们同时摆上桌面：四款澎程系列新车、三颗自研玄戒芯片、史上首款破万的小米 18 Fold 折叠屏，以及剑指专业生产力的小米平板 9 Pro Max。这背后，是一个清晰且庞大的故事：小米在用自研底层算力作为支点，试图将手机、汽车、平板全线接入同一个 AI 时代。 一、 汽车唱主角：四款新车与原厂露营舱 整场发布会中，车业务占据了长达一个半小时的时间，分量不言而喻。发布会后仅 4 分钟，小米澎程系列新车便实现锁单突破 10000 台。 此次登场的 N70 系列聚焦大五座市场，涵盖 N70 Pro、N70 Max 等车型，起售价分别为 20.99 万元与 23.99 万元。车身尺寸方面，车长 4960mm、轴距 2950mm，全系标配高通 4nm 旗舰 SoC 芯片、英伟达 Thor-U 辅助驾驶芯片以及激光雷达。续航上，N70 Max 搭载 76 度三元锂电池，CLTC 纯电续航达 505km，成为目前市面上纯电续航最长的增程车型之一。 而最受瞩目的当属售价 29.99 万元的 N90 Max 探索版。该车打破了传统车顶帐篷需要打孔、抗风阻的繁琐逻辑，国内首创原厂原生电动升降顶舱。车辆静止时，车顶可匀速自动升起，车内挑高达到 2.29 米，内部甚至配有木纹地板与地暖，将户外露营体验直接推向了量产车的全新维度。 二、 三颗玄戒芯片：打通端侧 AI 算力链 在底层核心技术上，小米一口气亮出三颗已完成流片验证的自研玄戒芯片，它们共同构成了小米硬件生态的算力底座： 玄戒 O3：作为第二代 AI 旗舰 SoC，采用十核全大核架构，主频最高达 4.35GHz，安兔兔跑分突破 500 万分。行业首发支持 LPDDR6 内存，专为端侧大语言模型深度优化。 玄戒 O100：全球首款 6nm 3D 晶圆级堆叠先进封装的高带宽 AI 加速芯片，提供 1.22TB/s 的恐怖带宽，端侧推理速度达到 330 TPS，直击大模型落地的内存带宽瓶颈。 玄戒 D100：国内首款 3nm 智驾高算力 AI 芯片，内置 20 核 CPU 与 16 核 NPU，支持车端本地部署 200B 参数大模型，为人车协同提供底层计算支持。 这三颗芯片分别对应手机、端侧 AI 加速与汽车智驾，形成了一套完整的端侧算力闭环。 ...

分类：科技 标签：特斯拉、自动驾驶、AI大模型、Robotaxi 近日，特斯拉悄然举办了一场备受瞩目的内部发布会，正式推出了那台被外界戏称为“三无车型”的无人驾驶出租车——Cybercab。这款新车没有方向盘、没有踏板，甚至连传统意义上的侧后视镜都没有，彻底打破了传统汽车的设计逻辑，旨在将单车成本和每英里运营成本压到极致。 作为特斯拉撑起宏大估值的核心业务，Cybercab 的落地不仅标志着马斯克十年故事开始兑现，也宣告了全球自动驾驶行业正式进入短兵相接的摊牌时刻。 极致的硬件精简与工程设计 虽然没有举行全球大范围的直播，但通过现场流出的技术细节来看，Cybercab 在底层硬件上做出了大量针对无人驾驶场景的安全冗余设计。 在底盘与动力方面，新车采用线控刹车系统，每个车轮都配备了独立的执行器，大幅提升了极端情况下的安全性；前轮驱动配合较高的齿轮比，兼顾了空间利用率与车厢静谧性。电池则选用了能够支撑 50 万英里使用寿命的 4680 电芯，完美适应高频直流快充与高强度运营环境，配合 48V 低压电气架构与类似 HW4 的自动驾驶大脑，构成了整车的核心骨架。 目前，特斯拉已经在官网上线了针对车队采购的联系表格，而奥斯汀的用户也已经可以通过特斯拉的 Robotaxi 应用率先预约乘坐。 纯视觉 vs 多传感器：技术路线迎来终局对决 Cybercab 的发布，恰逢自动驾驶行业两条技术路线争论最激烈的十字路口。 在此之前，Waymo 车载软件副总裁发表长文，总结了跑过 2 亿多英里真实里程的经验，直指特斯拉的核心痛点。行业目前的争议主要集中在三个维度： 传感器路线之争：Waymo 坚持必须同时依赖摄像头、激光雷达和毫米波雷达的多传感器融合；而特斯拉则将纯视觉路线推向极致，坚信仅靠摄像头和人工智能就能实现完全自动驾驶。 端到端黑箱风险：特斯拉全力押注的 FSD V14 与 V15 采用了端到端神经网络，用单个模型搞定感知到控制的全过程；而业内则对这种难以审计的“黑箱”架构抱有警惕心理。 L2 升级 L4 的伪命题：Waymo 认为从 L2 一路升级到 L4 是一条虚假的山顶，真正的 L4 必须从零开始专门构建。与之相反，特斯拉则依靠数百万辆车在人类监督下跑出的数据飞轮，反向推演其具备通往 L4 的潜力。 这两种截然不同的技术哲学争论了近十年，而随着 Cybercab 的规模化上路，争论的裁决标准已经从PPT上的宣讲，彻底转变为真实的道路体验。 走向规模化：比拼的不仅是技术，更是每英里成本 对目前的特斯拉而言，技术已经不再是唯一的最大难题，法规和规模化运营才是横亘在眼前的真正大山。 从法规来看，像 Cybercab 这种没有方向盘和踏板的设计天然踩在现行规则的边缘。尽管美国国家公路交通安全管理局 (NHTSA) 正在酝酿新规放宽限制，但目前的豁免名额距离百万级愿景仍有相当大的差距。 更深层的挑战则隐藏在运营和售后环节。业内专家指出，很多人误以为无人驾驶的成本仅等于硬件造价，但实际上，全生命周期里的保险、充电调度、清洁维护、远程操作员配置以及事故兜底成本，才是真正的隐形大头。 行业此前的核心指标是每次接管前能跑多少英里的 MPI，但真正决定商业模式能否跑通的关键，其实是每英里成本 (CPM)。安全、效率与成本三关缺一不可。 随着 Cybercab 的正式登场，自动驾驶已不再是资本市场上的概念游戏。谁能率先在实际运营中把成本降到可规模化落地的水平，谁就能在这场万亿级别的赛道中笑到最后。