Save $270 on this solid 1080p gaming PC with an RTX 5060 from MSI, now under $1,430 — Codex R2 rig packs 32GB DDR5 RAM, a 2TB SSD, and a 10-core Intel CPU
The Swan: Behind The Mirror trailer: The controversial reality TV show is ripe for its reckoning

Reality TV in the 2000s got truly wild, and by that I mean repellent.
Remember the Fox show The Swan, wherein average women were challenged to go to radical extremes to change their appearances, and presumably by extension their lives? Well, Hulu's The Swan: Behind The Mirror not only will dig out these dusty memories of trash TV past, but also reveal what it was like for the so-called "ugly ducklings" who survived it.
From Erin Lee Carr, the documentarian behind Mommy Dead & Dearest, Fanatical: The Catfishing of Tegan and Sara, and Britney vs. Spears, comes a documentary that is sure to get the internet buzzing. Carr is known for intimate interviews with controversial figures, including the "cannibal cop" Gilberto Valle, Gypsy Rose Blanchard, and convicted killer Lois Reiss. So, what secrets might she pry out of the producers of The Swan? From the trailer alone, you can see some folks don't have the sense to hide their inner ugliness. And we can't look away.
The Swan: Behind the Mirror premieres on Hulu and Hulu on Disney+ on Sept. 29.
Enterprises are sweating legacy IT assets as AI investment grows
The Best Movies to Stream This Month (September 2026)
How WebRTC Scales: Signaling, NAT Traversal, and the Mesh/SFU/MCU Tradeoff
Web Real-Time Communication (or WebRTC) is the open standard browsers use to send audio, video, and data straight to each other. There's no plugin or native app, nothing beyond an API that every browser already ships.
WebRTC covers the media path: once two peers have found each other, everything from codec negotiation to encoding to transport is handled. What it never covers is the finding part.
This article discusses the three APIs that make up the spec, why signaling and NAT traversal live outside it, an implementation of a signaling server at scale, and the mesh/SFU/MCU tradeoff that decides how the media itself scales.
Table of Contents
The Building Blocks: Three APIs, One Gap
WebRTC exposes three JavaScript APIs to do this:
RTCPeerConnectionnegotiates codecs between the two peers and handles encoding, decoding, and transmitting the media stream once a connection exists.MediaStreamgets it something to send, wrapping access to a webcam or microphone.RTCDataChannelruns alongside the media connection for anything that isn't audio or video, chat messages, file chunks, game state, or any application data that doesn't need a codec.
None of them know how to find a remote peer on their own. That's the part WebRTC leaves out entirely.
Signaling and the Offer/Answer Exchange
Before two peers can exchange media, they have to exchange a description of what they're capable of: codecs, network info, media types, and encoded as SDP (Session Description Protocol).
WebRTC ships no mechanism for actually delivering that description between peers. That's signaling, and the spec deliberately leaves it up to whoever's building on top, typically over WebSockets or HTTP long polling.
The exchange itself follows a fixed shape, an offer from the peer initiating the call and an answer from the peer receiving it:
// Peer A: create and send the offer
const pc = new RTCPeerConnection({ iceServers });
const offer = await pc.createOffer();
await pc.setLocalDescription(offer);
signalingChannel.send({ type: 'offer', sdp: pc.localDescription });
// Peer B: accept the offer, respond with an answer
await pc.setRemoteDescription(offerFromA);
const answer = await pc.createAnswer();
await pc.setLocalDescription(answer);
signalingChannel.send({ type: 'answer', sdp: pc.localDescription });
// Peer A: complete the handshake
await pc.setRemoteDescription(answerFromB);
setLocalDescription and setRemoteDescription are the only two calls doing any real work here. Everything else is just getting the SDP blob from one peer's signaling connection to the other's.
NAT Traversal: ICE, STUN, and TURN
An SDP exchange tells each peer what the other supports. It doesn't tell them how to reach each other, since most devices sit behind NAT or a firewall with no directly routable address.
ICE (Interactive Connectivity Establishment) is the piece that solves that, gathering every address a peer might be reachable at and testing them until one works. Those addresses, called candidates, come from two kinds of servers: STUN (Session Traversal Utilities for NAT) and TURN (Traversal Using Relays around NAT).
The diagram shows a single peer gathering three candidate types in parallel: a host candidate from its own network interface, a server-reflexive candidate returned by a STUN server (the public IP and port its NAT mapped it to), and a relay candidate allocated on a TURN server. All three are sent to the remote peer as ICE candidates, and whichever pairing connects successfully is the one used for the call.
STUN handles the common case: a peer asks a STUN server what public IP and port the NAT mapped it to, and uses that as a candidate address.
TURN is the fallback for when STUN isn't enough. Symmetric NAT and some firewall configurations block direct connectivity outright, so a TURN server relays traffic between the two peers instead. It works in every network configuration STUN can't, at the cost of routing every packet through a third server instead of directly between peers, adding latency and consuming server bandwidth for the duration of the call.
Candidates can be exchanged two ways. First, regular ICE can wait until every candidate is gathered before sending any of them. This is simple but adds latency up front: the connection can't start negotiating until the slowest candidate finishes gathering.
Second, trickling ICE sends each candidate the moment it's found, so negotiation starts on whichever candidate arrives first instead of waiting on all of them. But this comes at the cost of needing both peers' signaling and ICE implementations to handle candidates arriving incrementally rather than all at once.
For time-sensitive applications, trickling is worth the added implementation complexity. Most modern WebRTC stacks support it by default.
// Sending side: forward each candidate the moment ICE finds it
pc.onicecandidate = (event) => {
if (event.candidate) {
signalingChannel.send({ type: 'ice-candidate', candidate: event.candidate });
}
};
// Receiving side: add each candidate as it arrives, don't wait for the rest
signalingChannel.on('ice-candidate', ({ candidate }) => {
pc.addIceCandidate(candidate);
});
An Example Implementation
To see where these pieces actually cost something at scale, I built a signaling server MVP:
Node.js for the server, since its single-threaded event loop handles many concurrent WebSocket connections without the overhead of a thread per connection, and
Express for routing and Socket.IO
Grab a $560 saving on this 1440p-ready gaming PC with a 9800X3D and RTX 5060 Ti 16GB, now $1,859 — all-white CyberPowerPC desktop ships with one of AMD's best X3D chips, along with 32GB DDR5 and a 2TB SSD
Asus' ludicrous $10,850 20th-anniversary bundle is now the cheapest way to buy an RTX 5090 — Nvidia's flagship GPU stock is so limited that this bundle with a 3000W PSU, X870E board, and open-frame case is actually cheaper than some scalper listings
How to Bring AI into the Business Without Losing the Brand
Featuring Danielle Schmelkin, Chief Information Officer, J.Crew Group and Libby Wadle, CEO, J.Crew Group
Moderated by Elizabeth Segran, Senior Writer, Fast Company.
AI adoption isn’t just a technology challenge—it’s a culture challenge. For creative, customer-focused companies, the question isn’t simply where AI can make the business faster or more efficient, but how to put it to work without flattening the judgment, taste, and human connection that make a brand matter. J.Crew Group CEO Libby Wadle and chief information officer Danielle Schmelkin are tackling that question from both sides of the C-suite, building AI fluency across the organization while helping teams identify practical, secure, and scalable ways to use the technology. In this conversation, they’ll share what it takes to move AI from scattered experimentation to meaningful adoption, how CEOs and CIOs can work together to drive change, and why the companies that get AI right may be the ones that use it to amplify—not automate away—their most human advantages.
从接住告警到自我进化:快手智能运维助手实践|QCon上海
豆包手机“转正”:GUI兜底、AI办公养家
(本文作者为 识礁Farsight,钛媒体经授权发布)
文 | 识礁Farsight
2026年9月14日,豆包正式发布豆包手机助手消费者版本,首发机型为努比亚NaviX Ultra,9月16日发售。
相较2025年末问世的技术预览版,豆包手机助手消费者版本虽然更加强调稳定与安全,但并未抛弃极具争议的“操作手机”能力。基于该功能,豆包手机助手可根据用户的指令跨App执行复杂任务。
由于相较传统智能手机做出了一定的差异化,豆包手机助手消费者版本备受市场关注。截至发稿,努比亚NaviX Ultra在京东平台的预约量约为38万人。据界面新闻报道,努比亚NaviX Ultra整体备货仅约20万台,或将再一次上演发售即售罄的市场表现。
不过,即便备货全部售罄,二十万量级的出货规模,在智能手机行业也显得微不足道。作为一款志在颠覆智能手机行业的产品,数十万销量仅仅是万里长征的第一步。唯有成为像iPhone一样的爆款,并且打通商业化闭环,豆包手机助手才有可能开启全新的AI手机时代。
GUI操控第三方App,初代豆包手机撞上生态墙
其实此前豆包面向开发者推出的豆包手机助手技术预览版,就曾凭借“操作手机”能力引爆市场。
图源:豆包
2025年12月,豆包团队联合中兴推出搭载豆包手机助手技术预览版的努比亚M153工程样机,可通过GUI模拟点击技术实现跨应用自动操作,售价3499元,上架第二天即售罄,二手平台售价一度炒至上万元。
豆包之所以没有在工程样机走红后立即推出消费者版本,一个重要原因在于GUI Agent撞上了应用生态的权限与安全边界。
图源:豆包
由于并非基于官方接口操控第三方软件,而是直接通过GUI识别UI组件,突破了App的流量入口、数据主权与安全风控体系,豆包手机助手技术预览版上线后,很快遭遇微信、淘宝及金融类App的限制,豆包被迫下线部分应用的自动操作能力。

对此,2025年度员工大会上,腾讯创始人、董事会主席、CEO马化腾表示,腾讯一贯旗帜鲜明地反对用黑产外挂的方式,把用户的手机和电脑屏幕录屏传到云端,“因为这是极其不安全、不负责任的”。
意识到GUI模拟点击技术路线阻碍重重后,豆包主动与开发者沟通。
2026年1月,据《智能涌现》报道,豆包手机团队正与主流应用厂商谈判,已拿到打车、外卖、订票等互联网产品的部分常用权限。
最新问世的豆包手机助手消费者版就接入了曹操出行、地图等服务,可通过标准化服务接口,实现“一语直达”。
不过,并非所有开发者都乐于向外部AI工具开放API接口。典型如荣耀,此前一直着力推动MCP、A2A等协议适配,但由于开发者积极性不高,生态扩张速度十分缓慢。
如果仅被动等待官方数据接口适配,豆包手机助手消费者版或将泯然众人。
豆包手机仍采用GUI,但主动权留给开发者
众所周知,2026年以来,AI行业竞争的焦点已从大模型转向Agent。相较仅能提供问答服务的Chatbot,可执行任务的Agent更具想象空间。
手机行业也是一样的道理。升级语音唤醒、记忆、屏幕识别等能力之外,豆包手机助手消费者版并未放弃Agent及任务执行的卖点。
不过如上文所述,有荣耀作为前车之鉴,仅靠有限的开发者提供API接口,豆包手机助手消费者版很难实现真正意义上的“一句话操作手机”。
有鉴于此,豆包手机助手消费者版选择“两条腿走路”,一方面通过官方数据接口执行相应的任务;另一方面让系统级GUI Agent托底。

图源:OpenAI
事实上,强化GUI操作能力,正成为Agent行业的重要技术方向之一。比如,为了提升Agent体验,OpenAI就大幅提升了GPT-6 Astra的GUI操控能力,不光可使用KiCad进行PCB设计,还能在Blender中建立房屋模型。
究其原因,科技行业发展数十年,软件多如牛毛,并非所有开发者都有动力、有能力开放接口。对于没有开放标准接口的长尾软件,GUI是扩大Agent操作边界的重要兜底方案。
不过与电脑端的软件大多具备工具属性,较少涉及信息安全不同,诸多手机端的软件都属于服务型产品,大部分移动互联网公司均对GUI模拟点击技术持抵触态度。
图源:豆包
为避免被第三方应用屏蔽而引发舆论争议,豆包手机助手同步推出了屏幕自动化操作声明协议(SAEP,Screen Automation Execution Protocol),并设置30天公示期。
公示期内,开发者可自主声明是否允许豆包手机助手通过GUI智能体操作自家应用。公示期满后,如果开发者未通过邮件告知且未通过SAEP协议声明拒绝,豆包手机助手将向用户开放GUI智能体操作应用的能力。
此后,如果开发者想调整自家应用与Agent的互动策略,可随时与豆包手机技术团队进行沟通。
可以发现,与技术预览版相比,豆包手机助手消费者版并未针对GUI模拟点击技术进行太多调整。关键的变化在于,豆包将权限开放与否的主动权交给了开发者。相较逐一等待开发者开放接口,SAEP显著降低了GUI Agent操控第三方应用的协调成本。
豆包手机商业化,先从AI办公开始?
豆包手机助手推出屏幕自动化操作声明协议的举措固然值得肯定,但该产品能否一蹴而就开启AI手机时代,也值得反思。
2026年以来,Agent竞赛的焦点主要集中于办公场景。因为该场景下,用户有明确的降本增效需求,Agent的效益可以得到清晰量化。
与PC具备较强的生产力属性不同,智能手机主要承载娱乐、社交和生活服务需求。目前,每天有约7亿人刷两小时抖音,4亿人刷快手,2亿人刷小红书。庞大的内容消费时长说明,移动互联网场景下,相较更快的操作效率,用户更关注内容带来的“情绪价值”。
对此,2019年11月,时任阿里董事局主席马云曾表示,“每天晚上大约有1700万人浏览天猫、淘宝,但是什么东西都不买。我也不知道这些人在干嘛,就是随便瞎逛。所以你的网站不能仅仅是用来购物的,体验、趣味、交流、分享等更重要。”
移动互联网用户娱乐化的偏好,会给豆包手机助手带来两大挑战,其一是Agent功能的实用性大打折扣;其二是商业化难度更高。
GUI Agent需要持续识别屏幕、规划操作路径,并在每一步执行后重新判断界面状态,推理链条更长,因而会比单纯调用标准接口消耗更多算力。在此背景下,由于用户并没有迫切的提效需求,GUI Agent很难通过向用户收费打通商业闭环。
图源:豆包
或许是因为意识到了GUI Agent技术存在结构性矛盾,豆包手机助手消费者版着重强化了办公能力,支持录音纪要、工作任务等功能。用户可通过自然语言,操控豆包手机助手执行信息检索、数据分析、内容生成等任务。

图源:豆包
事实上,通过办公Agent向用户收费,恰恰是当下豆包的发力重点。2026年6月,豆包推出专业版,标准、加强、高级套餐连续包月价格分别为68元、200元和500元。
由此来看,豆包手机助手消费者版真正值得关注的,不只是让Agent进一步获得了“操作手机”的能力,还在于同时触碰到了AI手机两条极为重要的边界:一条是由GUI Agent决定的能力边界;另一条则是依托于办公场景的商业边界。
过去几年,AI手机迟迟未能成为颠覆性产品,并不只是因为模型能力不够强。更深层的问题在于,AI想跨应用完成任务,就必须突破应用之间长期存在的生态壁垒;而当任务执行需要持续调用大模型、视觉理解和多轮推理时,高昂的算力成本又会让厂商望而却步。
这也是豆包手机助手消费者版本的价值所在。基于SAEP的GUI Agent可以以更为温和的方式缝合接口碎片化的问题,办公功能则试图为昂贵的Agent能力找到最先愿意付费的人群。
如果这两条路径可以同时跑通,AI手机就有可能从一场围绕模型和功能的技术竞赛,变成一门可以规模化运行的生意。
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App
小破站砸10亿搞AI,图啥?
(本文作者为 AIX财经,钛媒体经授权发布)
文 | AIX财经(AIXcaiijng),作者 | 陈丹,编辑 | 魏佳
B站刚学会赚钱,就准备把一整年的利润重新押出去。
2025年,这家公司第一次实现全年GAAP盈利,净利润11.9亿元。几个月后,管理层宣布,2026年将额外增加约10亿元AI相关资本开支。
这几乎相当于B站上一年全部净利润。但放进今天的AI竞赛里,10亿元又显得拿不出手。
字节跳动今年被曝将AI基础设施预算进一步上调至2000亿元以上,9月又从近30家银行获得296亿美元贷款,大量资金继续流向芯片和数据中心;腾讯二季度资本开支达到528亿元,同比增长176%,自由现金流二十年来首次转负。
巨头正在用千亿元购买下一张技术船票,B站拿出的,只是它们一个季度花掉的很小一部分。
需要指出的是,B站并不打算参加这场最烧钱的战争。CEO陈睿在二季度财报电话会上划出了一条明确边界:“AI产业链上有很多环节我们不会参与。”钱只投三个方向:视频理解、视频分发和视频创作。
对AI行业来说,这笔钱太小,不足以买来技术领先;对B站来说,它又足够大,大到可以吃掉这家刚刚盈利公司的大部分年度利润。
B站既不想加入军备竞赛,也不能站在军备竞赛之外。
因此问题来了,一家不造大模型的内容平台,为什么仍然必须花这么多钱押AI?这笔钱究竟是在买增长,还是只是在买“不掉队”的资格?
01.10亿买的是什么?
10亿元放在整个AI行业里不算多,但对B站自己来说,是一次明显的投入升级。
2023年,B站用于设备等固定资产的资本开支约1.8亿元,2024年增至约4.8亿元,2025年约5亿元。到2026年,仅AI相关资本开支就计划额外增加约10亿元,这一增量相当于2025年全年设备投入的两倍。到二季度末,这笔预算已执行七八成,主要用于购买服务器和算力。
这也意味着B站这一轮AI投入,主要是在给现有业务补AI基础设施,让它大规模跑进搜索、推荐、内容理解和创作工具里。
这是B站2023年就定下的方向。
当年7月,“百模大战”最热时,互联网公司争夺的是通用基础模型,比参数、比训练规模、比模型能力,再把模型作为独立产品对外提供。B站也发布了自研的bilibili index大模型,但目标并不是参与这场竞争,而是让模型理解B站自己的视频和用户,服务搜索、内容审核、视频总结等内部场景。


图源 / IndexTTS2展示平台
一个月后的二季度财报电话会上,陈睿把这条路线说得更明确:B站不会参加“百模大战”。他举的例子是内容审核——如果大模型能够替代大量重复的人力,对B站来说就已经有实际价值。
此后三年,B站的AI路线基本没有偏离这个方向。在好耶科技创始人吴杰茜看来,这与其说是主动克制,不如说是现实选择。“现在才开始做(视频模型),已经太慢了,B站也不具备这个基因。”
她介绍,从零训练一个视频生成模型,再一路做到可以商用,拼的不只是钱。可灵、Seedance等模型并非短期投入的产物,背后是团队、数据和工程体系的长期积累。即便现在,视频生成模型仍以几个月为周期快速迭代。对后来者来说,增加预算可以买来算力和人才,却很难在短时间内补上已经形成的技术和工程差距。
对B站来说,更划算的办法,是让上游公司承担最昂贵的模型竞争,等能力成熟、调用成本下降,再把它们接进自己最熟悉的视频业务。
最早,AI主要待在后台,做审核、推荐和智能字幕,之后才逐渐走到用户和创作者面前。2024年,B站推出数字分身工具“必剪Studio”;2025年的“AI原声翻译”,则进一步把翻译、语音合成、字幕处理和口型模拟放进同一套流程,让一条中文视频可以更低成本地进入其他语言市场。
到今年,AI开始从辅助工具进入两个核心环节:一端理解内容,一端生产内容。
B站以中长视频为主。一条几十分钟的视频里可能同时包含人物、观点、情绪和复杂的叙事结构。传统推荐算法更多依赖标题、标签、点击和用户行为,却很难真正理解一条视频在讲什么,更难理解用户为什么会喜欢它。陈睿在二季度财报电话会上提到,新一代模型已经可以更深入地理解视频内容和用户意图。
在B站的设想中,如果这件事能成立,就不只是少雇几个审核员、少做几道字幕工序,而是可能改变搜索和推荐本身——平台可以更准确地理解自己拥有的数亿条视频,再把它们匹配给合适的人。
另一端是生产。过去,一条动画或者制作复杂的视频往往需要多人协作;现在,一个创作者借助AI,也可能完成过去需要一个小团队才能完成的工作。B站已经出现个人使用AI制作动画、获得千万级播放的案例。
今年7月,曾在腾讯混元、Anuttacon任职的曾爱玲加入B站负责AI视频生成业务,并直接向陈睿汇报。这也意味着,AI视频成为创始人直接关注的业务。
因此,对B站来说,过去它可以低成本地试用AI,把模型接进几个边缘环节;现在,当AI开始进入内容理解、分发和生产这些核心链条,B站就必须为它配置真正的算力、服务器和组织资源。
02.10亿买得到能力,买不到壁垒
这套路线已经给B站带来了一些可以量化的收益。
2026年一季度,B站广告收入25.9亿元,同比增长30%;二季度增至31.3亿元,同比增长28%。二季度,广告点击和转化综合指标CTCVR同比提高19%,搜索广告收入翻倍。管理层把其中一部分改善归因于AI对内容和用户意图理解能力的提升。
AI公司本身也在贡献增量。一季度,AI行业广告预算在B站同比增长170%,二季度仍保持翻倍增长。
内容端也是如此。二季度,B站日均投稿量同比增长28%,千粉以上创作者数量增长30%;今年5月推出的一项动画创作活动,三个月累计获得超过1.8亿次播放。
从这个角度看,B站确实吃到了“不造模型”的红利:不用承担最昂贵的技术竞赛,也能分享模型进步带来的效率提升和新增需求。
但问题也恰恰出在这里。
B站可以买到更好的视频理解能力,抖音、快手和小红书同样可以买;AI可以提高B站的广告匹配效率,也会同步提高其他平台的效率。当模型越来越接近一种通用基础设施,它首先抬高的是整个行业的效率,而不是某一家公司的独占优势。
也就是说,B站花10亿元可以买到“跟上”,却很难单靠这笔钱买到“领先”。
AI改变的不只是平台内部的效率,还在改变B站所处的竞争环境。
首先是内容供给。过去,视频是一种生产成本很高的内容形态。真人拍摄、动画、配音和剪辑都需要时间和人力,也因此天然限制了供给速度。AI短剧、漫剧和生成式视频出现之后,原本昂贵、低频的视频内容开始变得更便宜,也更容易批量生产。
红果便是一个直接的例子。QuestMobile数据显示,截至2026年7月,红果短剧日活达到1.68亿,已经超过爱奇艺、腾讯视频、优酷和芒果TV四家的日活总和。今年2月,红果人均单日使用时长达到125分钟;相比之下,B站今年一季度创下历史新高的日均使用时长为119分钟。
红果的增长当然不能简单归因于AI。免费模式、字节的流量体系和番茄小说的IP供给,仍然是它更直接的优势。但AI正在进一步放大这套模式的竞争力:当视频生产成本下降、供给速度加快,红果可以用更低的成本持续扩大内容池,再依靠现有的流量和IP体系把新增内容推给用户。
对B站来说,威胁并不只是“市场上的视频变多了”,而是一个已经拥有巨大流量和内容供给能力的竞争对手,可以借助AI更便宜、更快地增加视频供给,继续争夺用户每天有限的观看时间。
“我相信,不会有任何一个内容平台,面对红果飙升的用户数据不感到着急。”吴杰茜说。
竞争压力同样出现在创作者一端。
AI能够帮助UP主提高产能。一个过去需要几天甚至几周完成的视频,现在部分环节可以交给脚本生成、图片生成、配音、翻译和剪辑工具。对B站,这增加了站内供给;对创作者,它也降低了多平台分发的成本。
所以,AI带给B站的是两种同时发生的变化。
它提高平台内部的推荐、广告和创作效率,也提高整个行业的内容供给效率。前一种变化让B站愿意投入,后一种变化让B站很难选择不投入。
在吴杰茜看来,B站这10亿元与其理解为一次主动进攻,不如先把它看成一项防御性工程。这10亿元能解决的是“不掉队”,而不是建立新的护城河。
03.一张必须购买的入场券
这种防御要付出多大的长期成本,又能带来多少额外收益?答案要落在一笔更现实的账上:为了维持竞争力增加的成本,能不能被更高的商业化效率和内容效率覆盖。
这笔账对刚刚盈利的B站并不轻松。
10亿元主要属于资本开支,不会一次性进入利润表。但按照CFO樊欣在财报电话会上的口径,服务器、算力和相关研发投入,预计会增加全年约5亿元研发费用。相比2025年11.9亿元的GAAP净利润,相当于四成以上。
另一方面,截至二季度末,B站持有约243亿元现金及现金等价物、定期存款等资金。10亿元不到这一规模的5%。它不会威胁公司的现金安全,却足以影响刚刚建立起来的盈利水平。
樊欣表示,公司会削减其他运营费用,对冲部分新增成本,40%-45%的长期毛利率目标和15%-20%的营业利润率目标都没有改变。
资本市场也已经开始按照这个逻辑重新计算B站的AI投入。
年初,瑞银、摩根大通、花旗都把AI带来的广告需求和效率改善列为B站新的增长因素。二季度财报后,摩根士丹利和美银维持积极评级,却下调了目标价或盈利预测。大摩提到研发费用增加、毛利率承压,同时指出广告业务面临宏观逆风;美银同样指向研发投资增加和毛利率略低。
市场关心的问题已经从“AI有没有用”,变成了“AI带来的增量,能不能跑赢它持续增加的成本”。
如果每年增加的服务器、算力和研发成本,能够持续换来更高的广告转化率、更好的推荐效率和更多高质量内容,投入就能产生回报。但如果AI最终成为所有平台的标配,服务器和算力就会从“投资”变成一项“税费”——为了不掉队,年年续费。
一位长期关注互联网平台的投资人对10亿元能够创造多少增量价值持谨慎态度。
在他看来,10亿元不足以让B站获得真正的技术优势。对内容平台来说,最终拉开估值差距的仍然是用户规模、社区关系、商业化效率和产品,而不是是否部署了AI。至于B站为什么仍然需要投入,他认为还有资本市场层面的考虑:当AI已经成为科技公司的必答题,完全缺席本身就可能被视为落后。
在他看来,现在很多公司都是为了AI而AI,资本市场和公司“互相配合演出”。
吴杰茜与他的判断既有相似之处,也有分歧。两人都认为,模型本身很难成为B站独有的资产。真正的分歧在于,当同样的AI能力进入不同平台,它能否放大平台原本的差异。
在吴杰茜看来,B站的优势主要来自两端:一端是长期积累的大量C端内容创作者,另一端是黏性很高的二次元用户。AI反而可能让两项资产变得更重要。
生成式AI正在把内容生产变成更小团队的生意。现在不少AI漫剧团队只有1-5人,一个小工作室就可能做出爆款。这与B站原有的创作者结构很接近,大量UP主本来就是个人或小团队。过去需要更完整组织才能完成的内容,如今几个人就能做,B站积累多年的个人创作者供给,也因此有了新的价值。“谁拥有创作者,下一个时代的精品内容就诞生于谁。”吴杰茜说到。
而且,高黏性的用户、弹幕、评论、投币和收藏,不只是消费行为,也构成了一套持续的内容反馈机制。创作者更容易获得反馈,优质内容更容易在这里跑出来。
这是B站更愿意讲述的故事。
目前,B站有近3亿通过社区考试的正式会员,12个月留存率稳定在80%左右,每月产生约170亿次弹幕、评论、投币和收藏。陈睿把这些行为称为AI时代的“真人信号”。今年一季度,他还表示,AI会放大B站在优质内容供给和社区体验上的优势。“AI是十倍放大的历史性机遇,我们将牢牢把握”。
10亿能否撬动10倍价值仍待时间验证,但在今天的科技行业,这已经足够构成一项投资理由。毕竟,当所有公司都必须回答“你准备怎么做AI”时,不花钱本身,也会变成一种需要解释的选择。
*题图来源于哔哩哔哩官方微博。
更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App
初探苹果首款折叠 iPhone Duo 影像体验:智能拍摄、看看镜头、Duo FaceTime 等
IT之家 9 月 16 日消息,科技媒体 MacRumors 昨日(9 月 15 日)发布博文,报道称为了充分利用 iPhone Duo 的双屏设计,苹果针对其首款折叠手机定制推出了全新的拍摄体验。
IT之家援引博文介绍,附上 iPhone Duo 相关拍摄体验如下:
一、智能拍摄(Smart Take)
Smart Take 利用 AI 来判断每个人(包括 iPhone Duo 机主)的就位情况,在用户摆好姿势的瞬间自动按下快门拍照,无需手动按快门或依赖计时器,用户可以将 iPhone Duo 以半折叠的方式立起来,进入镜头,然后等待拍摄集体照。
官方介绍称:
用户再也不会因为充当摄影师,或为了赶在计时器结束前跑回镜头,而错过合照机会。运行在 A20 Pro 芯片上的设备端 AI 模型可以实时分析拍摄场景,并在被摄主体摆好姿势时自动捕捉照片。

二、看看镜头(Kid Cue)
Kid Cue 可于外屏播放《花生漫画》的动画内容,以吸引孩子们的注意力,让他们看向镜头。

三、Duo 预览
iPhone Duo 双屏预览可将实时取景画面显示在外屏上,方便拍摄对象调整姿势、查看构图,并指导拍摄。

四、Duo FaceTime
附近好友可以使用外屏参与 FaceTime 通话,而 iPhone 所有者可以使用内屏,这样就没有人需要围在 iPhone 旁边或传递 iPhone 才能进行视频通话。

官方介绍称:
Duo FaceTime 双屏通话则让身边的朋友可以通过外屏参与视频通话,大家无需围在同一块屏幕前即可共享精彩时刻。
五、独特的外形尺寸特征
在使用方式上,苹果称 iPhone Duo 采用可灵活摆放设计,Duo 可以独立站立,方便用户无需手持即可进行 FaceTime 通话和录制视频。

折叠机制就像内置的三脚架和支架,因此也适用于自拍和长时间曝光拍摄。你还可以使用更高质量的 4800 万像素后置摄像头,同时将外屏用作取景器来拍摄自拍,这是普通 iPhone 无法实现的。
六、相机硬件
iPhone Duo 采用“双融合”双摄像头设计,主摄像头为 4800 万像素。它与 iPhone 17(非 17 Pro)中的摄像头基本相同,默认提供 26mm 焦距的 2400 万像素照片,以及 52mm 焦距的 1200 万像素 2 倍“长焦”照片。
它还配备了一颗 4800 万像素超广角摄像头,焦距为 13 毫米,并支持微距拍摄。由于没有长焦镜头,iPhone Duo 的图像变焦倍数仅限于 2 倍光学变焦(放大和缩小),数码变焦最高可达 10 倍。
七、其它相机功能
与 iPhone 18 Pro 和 Pro Max 一样,iPhone Duo 支持最新的摄影风格(Photographic Styles),全新质感(Texture)和颗粒感(Grain)控制选项,让用户在清晰度与胶片感之间做更精细的创意取舍。
摄影风格(Photographic Styles)是苹果 iPhone 的智能色调预设,用来在按下快门前就决定照片的整体氛围,最早随 iPhone 13 系列推出,提供高对比、鲜艳、暖色、冷色等风格。
苹果公司在 iPhone 16 系列、iPhone 17 系列上引入新一代“摄影风格”,主要提供 Undertones(基调 / 肤色倾向)与 Moods(情绪 / 画面氛围)选项,强调对肤色的识别与保护。

八、视频
iPhone Duo 支持以最高 120 fps 的帧率录制 4K 杜比视界视频,并支持以最高 60 fps 的帧率录制 4K 杜比视界视频的影院模式。此外,Duo 和 iPhone 18 Pro 首次支持在拍摄完成后为视频添加影院模式特效。
九、前置摄像头
iPhone Duo 的前置外置摄像头为 1200 万像素,作为对比,iPhone 17 和 iPhone 18 Pro 机型配备 1800 万像素。此外内屏下方配备了一颗 1080p FaceTime 摄像头。
十、缺少的相机功能
该媒体指出,相比较 iPhone 18 Pro 和 iPhone 18 Pro Max,苹果 iPhone Duo 缺少以下相机功能:
长焦镜头
Apple Reference Image
可变光圈
第二代传感器位移式光学图像稳定技术
Adaptive True Tone 闪光灯
空间照片和视频录制
ProRAW
ProRes
ProRes RAW
Genlock
Apple Log 2 视频录制
录音棚级四麦克风阵列
From Linear to Linearizable Optimization: A Novel Framework with Applications to Stationary and Non-stationary DR-submodular Optimization
Tackling Failure Modes of PINNs and PIKANs Using Conflict-Free Gradients
VIGIL: Tackling Hallucination Detection in Image Recontextualization
SAR-FAH: A Frequency-Adaptive Hybrid Network based on Neural ODEs for Structural-Preserving SAR Despeckling
Tackling GNARLy Problems: Graph Neural Algorithmic Reasoning Reimagined through Reinforcement Learning
Deepfake Detection Accuracy Falls 49% in a Year of AI Video Progress
I note with interest a new Ukraine-led paper indicating that the older generation of deepfake video detectors perform very poorly on current state-of-the-art genAI video, whether those generators are open source, local AI installs such as Alibaba's Wan 2.2 or Hunyuan Video; or API-only, closed-source models such as Grok Imagine or Kling. Click to play (AUDIO CONTENT). Three examples from the 'Direct to camera casual' category in the DF26 dataset. Source Back in 2024, another paper had already…
State of Open Models: Summer 2026 Observations
New Galaxy A18 leak marks several differences from previous leaks
- A leak claims that the Galaxy A18 will come with an Exynos 1610 chip.
- The selfie camera could feature a 13MP lens.
- It’s reported that the price will be €279 (~$322) in France.
Over the last couple of months, Galaxy A18 leaks have been trickling in, telling us about Samsung’s next budget smartphone. Due to those leaks, we’ve been able to piece together what to expect from the device, like the design, two storage options, and three colorways. However, a new leak now puts some of those details into question.
The folks over at Dealabs have leaked the specs for the Galaxy A18, or at least the specs for the model arriving in France. According to the report, there are several differences between this leak and previous leaks.