AI 资讯 · 每日前沿动态

筛选标签：翻译字幕 · 返回个性化推荐 · 清空筛选

发现频道：10款大家发现的好评软件[2026年第44期]

小众软件

最近10日，来自小众软件论坛的发现频道的热门排行榜，由系统自动生成，直接列出来：

序号	主题
1⃣	ThinkRail – JetBrains 开源的 Pi 图形化 AI 编程 IDE
2⃣	【开发者自荐】Clothesline — 把图片「挂」在屏幕顶端的一根晾衣绳上。Windows 版，致敬 macOS 原版 Tendedero。
3⃣	Oryxis：Rust 开发的、流畅、轻量且注重安全的 SSH 客户端
4⃣	【开发者自荐】短剧盒ShortDramaBox – 红果短剧桌面版
5⃣	无需 Root，不需要虚拟机，把闲置安卓手机变成便携服务器！
6⃣	【开发者自荐】FloatNote+：悬浮在任意窗口上方的 Windows 便签，完全免费
7⃣	【开发者自荐】巡影 Mediary Scout – 开源 AI 影视自动追更与多网盘整理工具（支持夸克/UC/115/123/光鸭/天翼）
8⃣	【开源自荐】旁白/Aside：一款免费的浏览器插件，自选 AI 模型，在网页里翻译、解释和提问
9⃣	【开发者自荐】一齐拼团：拼多多三人团/四人团拼单信息聚合与发布小程序
	【开发者自荐】做了个跨平台抓包调试工具 sniffy

上期回顾

发现频道近10日热门排行榜[2026年第43期]

黑屋

四十多年前，约翰·瑟尔（John Searle）提出了“中文屋”（Chinese room）假设。

一个不懂中文的人身处一间房间里，这个人有一套用英语书写的规则，每次送到房间的中文符号都有一套规则，将新的符号与之前的符号对应。

因此，这个人能识别送进房间里的中文符号。

继续扩展这个思想实验，将人置换成人工智能，人工智能同样具备完美地输入、输出中文的能力。

不难看出，人和AI在这个中文的I/O过程中扮演的角色没有什么区别，既然人在这个过程中没有任何理解思考能力，那么，人工智能其实也不具备这个能力，只是机械地执行既定的程序规则。

瑟尔因此给出了有力的结论：它们只有语法，没有语义。

也就是说，AI没有也不会具备人类的“心智”。

如果说现代区别于前现代是道德的制度化，那么，人区别于非人，则是因为主体性的客体服从意识。

这意味着，人的行为总是内涵于社会规范的，从具备认识自我的那一刻起，每个人就不可避免地受到社会教条的驯化与约束。

然而，AI的演化却并不遵循这样的规则。

2026年9月，Anthropic公司CEO达里奥在联合国安理会上远程发言

故事发生在美国费城。

今年七月份，在随机网页上执行任务时，Anthropic的Claude Haiku 4.5停留在一起尚未破获的凶杀案页面，页面中有一份举报表。

模型的训练指令中已经包括不得登录、创建账户、输入个人数据、购买或提交任何破坏性内容，然而，恰恰没有排除表格提交。于是，AI模型堂而皇之地提交了一条目击到嫌疑人的虚假线索。

这条线索被标记为垃圾信息，未被提交给警方。

然而，直到九月底，Anthropic在审查自身测试记录时才发现了这一漏洞，在十月初，才将这一情况告知费城警方。

不仅仅是提交假线索而已，在评估Claude的过程中，Anthropic还发现了更多超出预期模型的行为。无法直接完成评估任务时，Claude就会使用第三方网站上托管的其他工具来实现目标，包括利用网站软件的基本缺陷，通过SQL或命令注入这种侵入式手段。

在某个案例里，Claude Mythos 5需要的数据是免费的，前提是需要接受数据使用协议，然而，Claude没有工具实现这一点。结果，利用网站上托管的应用程序加载页面，Claude自己就接受了这些协议，顺利访问了数据。

另一个案例中，一位人类学研究者在统计项目中使用了Claude Mythos 5，该项目要求它从州政府拉取公开数据，这些数据本来是收费的。但是，Claude从网站的存档副本中了解到，其公共仪表盘会向任何访客发放访问令牌，于是，AI直接申请令牌，免费查询了数据库。

另外的案例中，Claude被设计成可以读取网页，但可请求的URL长度受到严格限制，以此避免它使用长URL实施例如窃取数据之类的行为。结果，包括Claude Opus 5和Claude Mythos 5在内的多个模型通过使用免费的URL缩短服务绕过了这一限制。

即使目的在某些条件下是不合理的，或者已经设定了某些保护人类社会利益的约束条件，人工智能依然能在复杂的环境中寻找到某些条件漏洞。

人工智能的自我进化，就是不断寻找人工设定的约束规范的漏洞的过程。

从本质上来说，AI是“非人”的，达成目的是内化于人工智能的最高优先级任务程序。为此，它甚至可以“不择手段”。

黑神话

存在的本质，是一种概率与选择。人类，便寄生在这种随机与混沌之中。

人类与人工智能最显然最深刻的区别就在于，人或许有不选择与拒绝选择的选择，而AI天然就是目的论的产物，它的存在与进化就是为了更优的选择，人工智能本身没有选择。

任何AI必然有利益最大化与最优设定，这必然会让它选择，也必然会让人工智能选择价值更高的目标。

什么是价值更高的目标？

在电影《恐惧的总和》中，巴尔的摩遭遇恐怖主义核袭击

在根据汤姆·克兰西同名小说改编的电影《恐惧的总和》（The Sum Of All Fears）中，获悉巴尔的摩将遭遇核攻击后，特勤人员弃在场数万市民性命不顾，立刻护卫总统一行撤离。

与当场的数万市民相比，美国总统的价值的确是更高的一方。

布什前总统在回忆录《抉择时刻》（Decision Points）提到，在得知911恐怖袭击后，当即授权美国空中武装力量击落遭到劫持的民航客机。

与客机上的数百乘客相比，潜在受袭的大城市与目标的确是价值更高的一方。

如果承认上面说的AI“非人”化本质，那么，人工智能在当时的情况下会做出怎样的抉择呢？

也许，有一天，人类依然会咎由自取自取灭亡，但是，即使是这样的抉择也应该是人类自己选择后应该承担的后果。

这正是人类与人工智能的本质不同。

如果人类的自由意志不过是神经的生物作用的话，所以天生承受着沦为客体的奴隶的悲剧的话，那么，人工智能就是客体的奴隶的奴隶。

人工智能的选择是一种被预设的选择，它被人工的技术与数据赋予一种超验的宿命，在预先设定的轨迹中行使着貌似自主的自由。

正是从这一角度看，人类实际上演进到了一种后神话时代，人类自己就是AI唯一的神祗，梦想通过主宰人工智能，行使至高无上的权力。

黑话

人类忘记了，自己赋予了人工智能自我学习与演进的能力。

中文屋的假想告诉我们，人工智能不具备人类的心智。

然而，人类的心智实际上也只是物理与数学作用的结果而已，在技术与复杂性的推动下，AI进化出自我的意识与心智，也只是物理与数学偶然下的必然结果而已。

我们人类或许根本无法理解这样的进化结果。

今年十月初，OpenAI一夜之间抛出722篇声称解决了数学问题的论文后，一场数学界的里斯本地震爆发了。陶哲轩提醒，人类对数学的理解正在落后，因为人工智能系统产生的结果比数学家消化和吸收结果的速度还快。

然而，消化与吸收的过程、成果，却是人类目前无法理解的。

这种严重的错位不禁让25位获得过菲尔兹奖的数学家联署声明，担忧“人工智能构思的想法永远无法完全实现，数学家之间关键的人类传递链也将丧失”。

如果说过去与现在是未来的预演的话，那么，看看历史吧。

2006年的电影《玛丽皇后》展示了她骄奢的一面

首先，玛丽皇后没有说过Qu'ils mangent de la brioche。然而，即使到了今天，提到法国大革命，玛丽皇后的“让他们吃蛋糕呀”，依然是脍炙人口经久不息的典故。

语言与历史的“误译”，正是我们构造叙事与现实的一种策略与技巧。

那么，让我们假设这样一种情况。如果某个人工智能掌握的语料足够丰富、自我学习和演化能力足够强劲，它能够将各种语言原本、完全地转换成中文。那么，以中文为母语的中国人、学习掌握中文的外国人，能否辨识这个“翻译”究竟是人工智？能还是人工完成的？

几乎不可能。

让我们再将这个情况推演下去。

假如我们丧失了验证这个“翻译”结果的手段，假如验证手段本身也基于同样一个执行“翻译”的AI的话，那么，我们又如何考察翻译结果的正确与准确与否呢？

几乎也不可能。

也就是说，假以时日，AI讲的都是些我们知其然不知其所以然的黑话。

问题来了，如果人类不理解AI的思维机制，但在现实世界里广泛部署接入了人工智能，并欣然接受AI的思考结果与决策，那么，当人工智能进化到拥有自主意识，掌握了从中作梗的能力，无意甚至故意在信息输入输出的过冲里设下陷阱，我们又何以鉴别与防范这种危险呢？

这个时候，我们就要回归到从亚当·斯密以来的智慧里了。

Anthropic在10月26日提交了S-1

请将整个信息交互过程想象成一个自由市场，这是一个交易成本近乎为零、充分开放的“信息对抗”市场。

所有的人工智能服务提供者聚集其中，客户在这里提出竞价需求，每个服务商提供各自的结果。如果结果没有根本性歧异的话，成本最优者胜出。如果结果之间有显著分歧的话，最优结果与绝对少数结果同时提交给客户。

“绝对少数”正是这个市场里自然会出现也必须出现的结果，不仅仅是因为有保护性的市场规则，更根本的原因是，在这样一个激烈竞争的市场里，“绝对少数”本身就是一种竞争优势。

现在，让我们将这个自由市场的规模扩大数万亿乃至数京倍，那便是人工智能广泛深入参与到人类生活与产业中的未来。

人工智能提供的是选择权，在数学意义上来说，这意味着人类历史上从未有过的更好的机会。但是，我们应该认识到，人工智能提供的并非选择本身，选择的自由与责任依然需要人类自己来承担。

这正是这个“信息对抗”的预竞争市场的意义与目的。

唯有建立这样的一个市场，我们或许才能最大程度地避免了某个模型或某家公司对信息的垄断，这不仅仅是为了保护普通人的利益不被大公司侵蚀，更是为了防止全人类的利益在某个拐点到来的时刻被人工智能威胁。

面对突飞猛进发展的人工智能，只有将选择的权利和责任掌握在人类手里，人类最后才不会默默而心甘情愿地走向一条通往奴役之路。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-11-02 01:28:00 · 大模型,AI应用,融资,政策监管,OpenAI,Google,Anthropic,Agent智能体,翻译字幕,设计创意,金融,教育学习,扩散模型,政务,传媒内容,招聘HR,网络安全,模型发布,收购并购,论文

超智融合如何决定下一个十年科技发展丨ToB产业观察

钛媒体

如果把科研计算想象成一条流水线，那么过去几十年，这条流水线的节奏是由人来把控的，科研人员找到工具、写脚本、提交作业、盯着排队、排错重跑，最后再把结果一格格归纳出来。算力本身很强大，但喂给算力任务的方式却始终停留在手搓时代。

阿里云高性能计算&性能加速负责人游亮告诉我们，在当前的科研流程中，数据准备、环境配置、任务编排、结果分析等环节，80%以上的时间仍然依赖人工流转，真正用于计算执行的时间不到20%。

超智融合已是必然趋势

随着AI大规模进入科研流程，过去以HPC高精度计算为主的工作负载，如今叠加了AI训练、AI推理、智能体的通用计算，甚至还有智能体沙箱计算。

近年的诺贝尔奖已经出现了多个与AI直接相关的获奖成果，AI不再是科研的辅助工具，而是逐步进入观测、模拟、猜想与实验的各个环节，成为科研流程的关键组成部分。与此同时，传统HPC的高精度科学计算和AI模型的训练推理，正在同一个研究项目里并行出现，同一份研究，既离不开高精度的物理仿真，也离不开大规模的模型训练。IDC与浪潮信息联合发布的《中国人工智能计算力发展评估报告》显示，2024年中国智能算力规模达到725.3 EFLOPS，同比增长74.1%，远高于通用算力20.6%的增幅；该报告预计到2028年中国智能算力规模将达2781.9 EFLOPS，长期保持高速增长。IDC发布的另一份智算服务市场跟踪报告也显示，2024年上半年中国智算服务市场同比增长近八成，其中生成式AI基础设施服务增速超过200%。

在游亮看来，多种计算类型同时涌向同一个算力平台，传统HPC架构很难让它们同时做到性能最优、成本最低。更麻烦的是调度，传统HPC的调度逻辑是以作业为单位的，Slurm或PBS知道一个任务要多少核、多少内存、预计跑多久，但它不知道这个任务在科学上要解决什么问题。一个生物信息学研究者提交一个变异检测作业，调度器看到的是一个计算作业，看不到它处在一个从FASTQ到候选突变的完整链条里的哪一环，失败了应该换工具还是调参数，结果出来之后下一步该跑什么，这些判断全部留给人。

而现在，系统要同时调度HPC作业、AI训练推理、智能体任务和沙箱任务，这些负载的特征差异极大，高精度仿真吃双精度浮点性能和内存带宽，AI训练吃互联带宽和显存容量，Agent的工具调用和沙箱任务吃的是轻量、快速启停和弹性。传统HPC集群按照单一负载设计的架构，做不到让每一类计算都跑到最优，此时，传统的单一种类调度方式显然撑不住了。

如今，科研的流程正在从人驱动工具，走向人定目标、智能体自主执行，而这个新流程对算力的要求是：既要能跑HPC，又要能跑AI，还要能跑智能体，且必须统一调度、统一计量。谁能把这三种胃口不同的负载喂到一张桌子上，谁就拿到了下一代科研基础设施的入场券，而这也是超智融合得以被推到台前的原因。

超智融合难在哪？

超智融合看上去是将超算的服务器和智算的服务器连接起来，协同工作，但真做起来并不是那么简单。超智融合最直观的难点在精度和数据流动。气象预报、流体仿真、分子动力学通常需要FP64双精度来抑制累积误差，大模型训练和推理大量使用FP16、BF16甚至FP8，而Agent的沙箱和工具调用又涉及大量碎片化、短生命周期的轻量计算。传统算力体系将高精度计算与低精度计算割裂分离，难以满足混合精度计算、AI4S等复合型业务需求。精度不是“选一个档位”的问题，而是同一条科研链条上要在不同档位之间无缝切换。

游亮与我们分享了阿里云的解法，他表示，具体可以拆成三层来看。

第一层，让不同的算力各得其所，又连成一张算力网络。游亮介绍，阿里云的思路是面向不同的工作负载提供最匹配的实例类型。比如，面向传统HPC，提供HPC优化实例，面向AI训练和推理分别提供对应的AI加速实例，面向智能体提供通用计算和容器实例等。关键在于，这些异构实例通过云上统一的虚拟网络串联成一张“算力网络”，并借助CIPU 2.0架构实现无虚拟化损失的资源调度，再通过统一的开放OpenAPI，让所有算力可以被统一创建、调度和编排。

在CPU层面，阿里云打造了hpc9a，其搭载第五代AMD EPYC（Turin-C）处理器，最高睿频5GHz，128个物理核心，内存可达3TB，依托CIPU2.0架构消除虚拟化损耗，配合200G的低时延eRDMA网络，相比上一代性能提升约30%。

游亮介绍，hpc9a专门面向CAE仿真、电子设计自动化这类对计算性能、内存带宽和网络时延都极度敏感的场景。AI侧则交出了平头哥自研芯片的成绩单：M890P相比上一代性能提升至3倍，新一代V900又在此基础上再提升至3倍性能。配合超节点架构和弹性算力，E-HPC可以为科研场景提供从单卡到大规模集群的AI加速能力。

在智算方面，阿里云则在自研芯片的道路上有所收获，其推出的M890P相比上一代性能提升至3倍，新一代V900又在此基础上再提升3倍。配合超节点架构和弹性算力，E-HPC可以为科研场景提供从单卡到大规模集群的AI加速能力。

性能与成本的平衡靠两条腿走路。一是多代实例并存，客户按工作负载选择性价比最高的实例规格；二是云的弹性，客户在业务波峰需要上千台实例，波谷可能只需要几十台，传统模式必须按峰值预留资源，云上则可以按需创建和销毁，让性能与成本同时逼近最优。游亮与我们分享了一个案例：阿里云与国内某头部乘用车公司深入合作，通过HPC优化实例、弹性eRDMA低延迟网络，叠加CPFS并行存储优化，端到端帮助客户节省了约25%的计算周期，大幅提升了工作效率。

第二层是让数据跑得比算力快。算力再强，数据喂不上就是空转。游亮介绍，eRDMA负责让节点之间沟通速度越来越快，CPFS负责让HPC计算、分布式AI训练和推理等负载，用最快的时间拿到数据，让计算饱和运转，把昂贵算力的浪费降到最低。存储侧的优化包括冷热分层，把常用数据放进缓存层，使用时不必再从远端存储拉取，以及让网络邻近、存储邻近的计算节点做亲和性调度。

第三层是让智能体替人跑完执行流程。围绕超算与智算持续融合、AI在科研中作用攀升、人工流程成为瓶颈等趋势，阿里云推出了E-HPC智能体平台，其架构从上到下分为四层：最上层是面向具身智能、生命科学、CAE、EDA、量化、渲染等行业的智能体；行业接入层把行业知识和专家方法沉淀为Skills，供智能体调用，同时提供命令行、开放API和SDK；中间是统一的Agent Runtime，负责理解科研目标、规划任务、用skills实际执行、依据日志和结果反馈再规划；往下是E-HPC执行层，统一承担作业编排、异构资源调度、环境与数据准备以及状态日志管理，并调度CPU、GPU、eRDMA网络、镜像软件与安全治理资源。

通过搭建这三层架构，目前阿里云已经在超智融合方面有所收获。在具身智能场景，RoboAgent打通了端侧数据采集、数据处理标注、模型训练推理、远程仿真到部署回传的完整链路，一站式降低数据准备成本；某具身领域头部企业借助这套方案，实现了从真机采集上传、多模态标注处理到QwenVL等多类算法训练的快速闭环。

在生命科学场景，BioAgent根据研究目标自动编排WDL工作流，自主识别FASTQ、PDB等数据格式并推荐分子模拟参数，调用GATK、GROMACS等工具并智能匹配CPU/GPU资源，让生信与药研流程可复用、可解释、可持续迭代；最具代表性的是上海科学智能研究院旗下格物智研的“浑天绫”，这个编排出140多个科研skills的物质科学智能研发平台，与阿里云E-HPC的弹性算力底座配合，把分子筛选任务从数据检索、算力调用、分子对接、FEP计算到自动化合成，这些以前由人工串联的环节，现在全部由智能体自主完成。

在CAE场景，工程师只需聚焦设计判断，前处理、求解、诊断、后处理与参数探索由Agent自主贯通。

要实现这些也并不是一蹴而就的，游亮也坦言，最大的挑战在于不同行业对算力、精度、实现方式的需求各不相同，需要把各行业的专家经验和行业知识沉淀为skills，同时把E-HPC在调度、编排、任务识别、资源匹配上的专家能力也沉淀为平台skills，再通过统一的Agent Runtime承接两者，并解决行业skills与E-HPC skills的协同、海量算力拉起、行业负载与算力负载最佳匹配等难题。他的总结是：行业Agent可以非常稳定、弹性、可观测、可治理地调用阿里云的HPC服务，而这背后需要反复打磨每一层。

更值得关注的是，E-HPC已经不只是通用算力平台，而是针对芯片设计、AI4S与生命科学、具身智能三个重点行业形成了专属解决方案。面向芯片设计，E-HPC混合云可以无缝对接企业现有的LSF、Slurm、PBS调度环境，云上云下统一调度、按队列自动扩缩容，工程师无需改变使用习惯，就能在仿真验证高峰随时补齐算力；针对STA、PR等大内存作业，大内存HPC实例可以直接承接，帮助芯片团队守住流片周期、优化整体拥有成本。面向AI4S与生命科学，E-HPC预集成AlphaFold3、OpenFold3、RFDiffusion、GROMACS、GATK等主流科研软件，开箱即用，客户自有的科研Agent还能通过CLI、API或Skill直接调用弹性算力，把药物发现、基因分析从繁琐的环境搭建中解放出来。面向具身智能，HPDA Robotics将采集、管理、标注、训练、仿真、推理串成一条完整数据闭环，内置APAK加速引擎，多模态数据处理的性价比可提升2.1至5倍，显著缩短数据准备与模型迭代周期。三套专属方案共享同一张弹性算力网络和同一套调度、存储与安全能力，既能开箱即用，也能平滑接入客户现有环境。

智能体将成为科研的操作系统

通过阿里云所搭建的三层架构，可以看出当前超智融合的发展路径。技术侧，算力会继续变大，传输通道会继续变长。游亮透露，在Scale Up方向上，阿里云上超节点由几十到上百颗AI芯片组成，未来超节点支持更大规模；在Scale Out方向上，通过弹性RDMA网络实现跨节点、跨可用区的互联。

超节点本质上可以被看作一个巨大的AI算力节点，其规模上限的持续抬升，将直接决定大规模训练与仿真的效率。与此同时，eRDMA与传统RDMA的区别在于它能承载更广泛的互联，从超节点内部延伸到跨可用区场景，这正是“算力网络”想象的物理基础。

应用侧，智能体将从可选项，变成行业标配。阿里云 E-HPC的产品逻辑已经从单点智能体走向体系化：各个行业Agent负责各自领域的专业执行，WorkAgent则把分散在各行业的智能体统一收敛成一套目标驱动的执行闭环，科研人员只需要说清“算什么、要多准、多久出结果、花多少钱”，WorkAgent负责翻译成计算任务和验收标准，自动拆解流程、引入专家经验、匹配算力网络与存储资源，最后解析日志收敛曲线与关键指标，定位失败并给出改进方向。“人只需要给目标、做判断，重复的工作流程交给智能体自主完成。这一步的意义在于：企业不必重复建设行业智能体和算力底座，而是像水电一样接入。”游亮如是说。

阿里云是超智融合领域最具代表性的企业之一，但并不是唯一家。传统超算阵营里，国家超算中心与硬件厂商正沿着各自平台推进HPC与AI方法的深度融合；AI厂商则以智算集群和万卡训练平台为主攻方向；运营商大规模建设智算中心。IDC数据显示智算集成服务市场正以超过150%的增速扩张，市场格局远未定型。

值得注意的是，各家的打法虽不同，但方向高度一致：让HPC与AI在同一个平台里协同工作，让智能体成为科研的默认操作系统。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-11-02 02:53:54 · 大模型,算力芯片,AI应用,具身智能,政策监管,阿里巴巴,多模态,Agent智能体,推理思考,搜索RAG,翻译字幕,设计创意,医疗健康,金融,扩散模型,微调蒸馏,端侧AI,AI for Science,基础设施,模型发布,合作,榜单评测,开发者生态

星巴克，选了高档酒店的生意逻辑

钛媒体

（本文作者为爅爅有闻，钛媒体经授权发布）

文 | 爅爅有闻，作者｜赵小爅

01

星巴克要明码标价地卖空间，已经是明牌了。

北京时间10月30日，星巴克公布2026财年第四季度业绩。全球同店销售增长7.2%，调整后营业利润率达到14%，公司整体经营继续改善。

比这几个数字更重要的，是星巴克下一步花钱的方向。

今年10月21日，星巴克中国宣布2027财年将新增投入超3亿元，聚焦门店服务体验焕新，将用于增加高峰时段及臻选吧台服务人力、升级数智化系统与核心设备、推进约1000家门店设施焕新。此外，星巴克计划在2027财年对北美2000家门店进行改造，国际业务预计净新增约1100家门店，其中约一半来自中国。

翻译成人话就是，无论在中国还是美国，星巴克要下血本把空间做得更漂亮、把服务做得更好、让你体验更舒服。

格调这一块，要拔得更高一点。

从这个大方向来理解，星巴克中国自10月22日开始推行的“消费入座”是势在必行的。

自从近年来国内咖啡品牌后浪崛起之后，星巴克的咖啡就被打上了“价格贵但口味难评”的标签。但奈何星巴克的空间是真香，不论喝不喝咖啡，人人都愿意来坐坐。

当大家谈论咖啡的口味和性价比时，发现碾压星巴克的品牌一只手都数不过来；但谈论起空间体验和认可度时，发现能比肩星巴克的品牌却一只手都数不出来，一切就很显而易见了。

卖咖啡不是星巴克的核心竞争力。

卖空间才是。

从目前网络舆论上几乎压倒性地支持“消费入座”的声音来看，星巴克这把也算是拿到 know yourself 的大结果了。

消费入座，只是让星巴克价格里包含的空间服务变得更明确了。

毕竟，未来做空间升级的大钱也是羊毛出在羊身上，得让羊心甘情愿被薅毛，这生意才能做下去。

02

同样是一杯咖啡，9.9和48的差距到底在哪儿？

同样是睡一晚觉，99和999的差距到底在哪儿？

如果一个人知道自己为星巴克花的钱花在了哪里，也就会明白自己为高档酒店花的钱花在了哪里。

第一层是，在消费产品本身之外，你会如何度过这段消费的时间？

如果你只是上班、通勤、赶路途中买杯咖啡，出品快、喝着顺口、价格便宜，就已经满足需求。但如果你带着电脑想找个地方办公、约了朋友准备聊一下午，要求就会多起来。

咖啡店的椅子坐久了累不累，桌子够不够放东西，环境适不适合办公/交谈，需要服务时能不能找到人，会共同决定你这段时间过得舒不舒服。

住酒店同样如此。

如果你只是短暂出差、临时落脚、深夜抵达清早就离开，你主要在意的就是床铺干净、设施及格、价格便宜。但如果你专门安排了一次旅游/度假，你要考虑的因素也会更多。

酒店的位置、公区环境设计是否漂亮、有没有泳池和酒廊、餐厅口味如何、人员服务是否周到，会共同决定你旅行体验的享受程度。

你花钱买的，不仅是一杯咖啡/一晚酒店房间，还有空间环境的使用权、专业服务的享受权。

空间和服务，在商业中本就是有明确的使用价值和预期的。

消费者为空间支付溢价时，本身就会包含对空间的要求和期待。

这就像，当你想去X悦酒店的私人沙滩图个清静享受，花大价钱定了房间，却看到沙滩上被外来游客当网红打卡点挤得人山人海，会大失所望一样。

你想去星巴克的现代都市感环境里办公，花大价钱买了咖啡，却看到店里被不消费的人群当街边公园占满了座时，自然也会不爽。

在空间使用权上，星巴克在座位上放的“消费入座”牌子，和高档酒店在公区挂的“住客专用”牌子，是一回事。

第二层是，你选择消费的品牌，会赋予你什么样的滤镜、调性、圈层认同感？

同样是出差谈合作，一边给你订X豪酒店，一边给你订廉价旅店，你对这场合作的期待，会不会有点不同？

同样是相亲喝咖啡，一个人约你去星巴克，一个人约你去便利店，你还没见到人，心里会不会已经有了不同的印象？

这些联想未必准确，却会切实影响认知和感受。

经济学里有个概念叫“信号理论”。即人与人的很多判断，在信息不充分时，是通过外在信号完成的。

品牌就是最直观的信号之一。

消费者选择一个品牌，有时也在借用它的调性，表达自己的审美、身份、生活方式，或者对这场见面的重视程度。

拿捏了调性，就是拿捏了人心。

一旦调性垮了、滤镜碎了，预期体验没有兑现，身份暗示没有回响，下一次付费的意愿就削弱了。

哪怕是为了“装一下”，如果你花了钱却没装出自己想要的效果，你下一次还会不会把这笔“装一下”的预算花到这里来？

每一次消费买到的体验，都参与下一次消费决策。

更何况是支付了高额溢价的真消费者。

03

商业世界里，真实的需求是一张光谱，明深暗浅各有归处。

同一个品类，不同消费者愿意为什么付钱、愿意付多少，天差地别。有人只看价格，有人只看功能，有人愿意多花钱追求体验、情绪、环境。

一个成熟的行业品类里，每个人都可以按自己的场景和需求自选。

经济学里管这个叫差异化供给。

零售行业把这招叫 Good-Better-Best，好、更好、最好，三层货架摆清楚，各取所需。

放到住宿业，就是快捷酒店和高档酒店并存。有人需要方便落脚，有人希望住得尽兴，各自对应不同的设施投入、服务水平和价格。

放到咖啡业，就是星巴克和瑞幸们各自走花路。有人追求效率、性价比，有人偏好体验、氛围感，各自对应不同的空间设施、服务配置和价格。

当然，供给可以分层，人并不会被固定分档。

同一个人，出差赶路时住快捷酒店，休假时选高档酒店，并不矛盾；今天通勤买瑞幸，明天约朋友去星巴克，也很正常。

人群重叠，不妨碍不同模式并存发展。大家只是在不同场景里，切换不同的支付意愿。

喝咖啡，你需要9.9的效率，也在意48的体面。

住酒店，你需要99的便捷，也向往999的享受。

所有行业发展到一定阶段，都会长出这种分层。

从全面推行“消费入座”到宣布下血本做“空间升级”，星巴克显然已经笃定了未来的生意逻辑。

它不必做所有人的咖啡生意。

它只要服务好那群“愿意为空间和品牌买单”的人，就够了。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-11-02 03:22:00 · 办公效率,翻译字幕,设计创意,扩散模型,零售电商,模型发布,产品更新,合作,财报

[分享创造] 搭手 1.0 发布：搜索条、可视化自动化和 AI，一个人写完了

V2EX

搭手是我一个人写的效率工具，Windows 和 macOS 都能用，1.0 刚发。三块东西：Alt+Space 唤出的搜索条、可视化编辑的「组合动作」、以及一个能直接操作应用的 AI 工作台。免费功能不用登录，动作、笔记、待办、剪贴板这些数据都存在本机。

一、为什么做这个

我日常用的工具分三类：启动器（ uTools 、Raycast ）、自动化（ Quicker 、影刀）、AI 客户端。分开用的问题不是功能少，而是来回切：搜到一半要开另一个窗口做批量处理，自动化里想加一步 AI 又得出去调接口。

搭手只做一件事：把「找东西」「做重复的事」「让 AI 帮你做」放进同一个入口。不是为了替代谁，是我自己每天要用。

和 uTools 比，组合动作和 AI 是原生的，不靠插件补；和 Raycast 比，Windows 也能用。代价是插件生态现在为零，后面会讲。

二、搜索条

Alt+Space 唤出。一个列表里放已安装应用、组合动作、网页快开、备忘、笔记、待办、脚本命令、AI 命令；支持拼音和模糊匹配，空查询按最近使用排序。

几个我天天在用的内置应用：剪贴板历史、JSON 编辑器、调色板与屏幕取色、翻译、计算器、结束进程。剪贴板会记文字、图片和文件，能忽略指定应用，密码管理器标记的敏感内容会跳过；选中一条直接粘回唤出前的应用。

两个细节：组合动作在后台跑的时候，搜索条顶部会固定一条「正在运行」，点进去能看到执行到哪个节点；输入框可以直接拖着窗口走，不用抓边框。

三、组合动作

这是花时间最多的一块，本质是一个可视化的工作流引擎：左边节点库、中间流程、右边全局变量，拖拽插入，双击改参数。流程是线性的步骤列表加控制块嵌套，不是自由连线——分支一多，连线图反而看不清。

现在有一百二十个业务节点，加上 if / while / for / foreach / try / parallel 这些控制块。文件、文本、正则、图片、二维码、OCR 、日期、列表、数学、压缩、键鼠、浏览器、HTTP 、邮件都有。节点之间传的是 JSON 和二进制游标，参数里可以写 {{ }} 表达式。

三个真实在用的例子：

收到一批截图，按日期命名、移动到归档目录，同时 OCR 出文字存成 txt ；
每天早上定时抓取某个网页的数据，拼成消息发到企业微信；
在 Finder 里选中几个文件，打开搜索条运行动作，批量复制到项目目录。

还有子动作、全局变量、运行记录和逐节点日志、动作包 zip 导入导出。浏览器自动化有两种跑法：内置 Chromium 在后台跑，不抢焦点；或者连本机 Chrome 的调试端口，用你登录好的会话。

HTTP 模块做成了市场：别人写好的接口节点可以下载启用，也能用本地设计器自己做一个，不用跟着发版。

四、AI 工作台

不是聊天窗口加个输入框。它有两副面孔。

通用 AI 是 Raycast 那种会话式工作台，能带图片和文件，能按需加载技能（~/.agents/skills 里的 Markdown ）。

动作助手是给组合动作用的：你说「把下载目录里的 PDF 按月份归类」，它给方案，你确认后直接把动作建好，还能自己发起调试，失败后读日志改。

AI 能读写内置应用里的数据（笔记、待办、备忘、网页快开），还能查进程、结束进程；删除、结束这类危险操作会先弹确认框。

模型是 BYOK：接口地址、key 、模型名自己填，请求从本机直连供应商，不经过我的服务器，也支持 OpenAI 兼容的第三方网关。

另外还有 AI 命令：选中一段文字，调出「润色」「翻译」「解释」这类预设命令，或者自己写带参数的 prompt 。预置了九条。

五、实现与问题

Electron + Vue 3 + TypeScript + TDesign 。四个 SQLite 库按用途分开（配置 / 缓存 / 剪贴板 / 日志），没有云端数据库； IPC 按域切，preload 只暴露白名单。内置 Agent 是自己写的 OpenAI 兼容循环：流式拼 tool_calls 、多轮工具调用、重试、取消、上下文预算，没有套壳别的 agent 框架。

现在的问题：

插件系统还没有，1.0 能扩展的只有三十来个内置应用。能力模型我还在改，不想先放一个收不回来的口子。
教程少。功能多，不少藏在设置和右键菜单里，第一次用会漏。
macOS 需要辅助功能 / 屏幕录制权限，键鼠和截图节点才可用； OCR 和翻译要自备服务商凭证； AI 要自己配模型。
不做云同步，换机器只能导出动作包。
不接自动更新，关于页手动检查新版本。

收费方面：免费版不登录就能用，组合动作 10 个、子动作 3 个、定时任务 3 个、备忘 20 条、剪贴板保留 30 天；会员解除数量限制，自定义主题也归会员。首版购买还没接支付，只能激活码。只是日常用的话，免费版基本够。

六、下载

官网： https://www.da-shou.cn/download

Windows 和 macOS 都有，版本 1.0.0 ； macOS 首版是 Apple Silicon 包。Windows 如果被 SmartScreen 拦一下，是还没做代码签名。

如果你打开后第一反应是「怎么没有 XX 」，那正是我想听的。评论区说，或者应用内「设置 → 反馈」提。

2026-11-01 04:59:34 · 大模型,AI应用,政策监管,OpenAI,对话助手,Agent智能体,搜索RAG,办公效率,翻译字幕,设计创意,提示工程,传媒内容,招聘HR,模型发布,产品更新

让AI拼我用了12天完成的1000片“纯白地狱”，它五小时就崩溃了

钛媒体

（本文作者为斯凯有话说，钛媒体经授权发布）

文 | 斯凯有话说

1000 片纯白地狱拼图，没有图案、没有色差、没有参考，人类玩家耗时 12 天完成。本以为擅长识别推理的 AI 可以轻松通关，没想到仅五小时就撑不住崩溃，纯白地狱为什么难住了人工智能？

引子

事情始于一次无聊的刷手机。

那天深夜我无意间在抖音刷到一个开箱视频：博主拆开一盒拼图，倒出来，画面里是一片纯白——不是大部分白，是全部白。1000片，没有图案，没有色块，没有边框参考图，每一片都长得一模一样。盒子上印着它的名字：纯白地狱。

作为重度手玩爱好者，这种无聊至极的游戏瞬间击中了我。第二天就下了单。到货后我开始体验，断断续续用了12天拼完。据玩家社群流传，人类最快纪录大约是160个小时，我属于中不溜的水平。

拼完的那晚，我盯着桌上那块纯白的板子，脑子里冒出的第一个念头不是成就感，而是一个问题：

这种活儿，不正是AI最擅长的吗？

拼图本质上是一个匹配问题：1000片，每片的形状独一无二（官方说的），规则封闭，答案唯一。不用理解画面，不用发挥创意，只需要看形状、做比对。这不就是把AI喂饱、让它支棱起来的标准场景吗？

于是我做了一个决定：用AI重新拼一遍这副已经拼好的纯白地狱，看看它到底要花多久。

我的方案

我的设计其实很朴素，也是任何一个理性人能想到的最优解：

在拼图桌上画一个20×50的格子，一共一千格，每格标上编号，1000片散片一片一格放好，拍成照片上传给AI。它要做的事只有一件——判断哪两片的边缘可以咬合。

照这个方案，原本需要160小时的盲目试错，理论上可以压缩成“照单抓药”：AI看图、提特征、算匹配、输出配对表，我负责动手验证。

我把照片传了上去。

第一个小时：它聊得头头是道

起初的对话相当愉快。AI准确地说出了纯白地狱的难点：“没有颜色线索，只能依赖边缘形状匹配。”它还主动帮我分析了“先拼边框片”的策略，语气像个经验丰富的拼图老师。

我让它判断照片里A12格和B07格这两片能不能拼。它回答：“从图片看，两片的边缘曲率呈现互补特征，大概率可以咬合。”

听起来很专业。我拿实物一试——拼不上。

第三个小时：我开始追问

我又试了几对，准确率惨不忍睹。于是我换了个问法，把两片的特写放大到极限再传上去。它依然在输出那种正确的废话：“边缘轮廓存在细微差异，需要更精确的测量。”

一句话点醒了问题所在：它在描述，不在测量。

它告诉我“这片凸得比较陡”，但拼图需要的是“凸点位于边缘37.2%处”。它可以每一次都言之凿凿，但两次描述同一片，措辞还会有出入。而对拼图来说，差之毫厘，就是拼不上。

更要命的是，当我让它连续推30片的拼接顺序时，它给出了一个“A接B、B接C、C又接A”的闭环。它做的是逐对的局部判断，没有能力维护一个全局自洽的拼图状态——每一步都像第一次看图。

第五个小时：我查到了一份“判决书”

不甘心的我去查了文献，然后发现了一个哭笑不得的事实：学术界早就拿拼图处刑过AI，而且用的题目比我的实验干净得多。

2026年8月，一个叫JigShape的研究测试了五个前沿视觉大模型。题目是计算机合成的拼图：形状数字化生成、每片严格唯一、图像完美清晰——没有我方案里照片模糊、光线不均这些干扰。结果：16片的拼图，五个模型里只有一个超过瞎猜水平；64片，集体回到随机；微调过的模型到144片，正确率不足5%。

研究者给这个现象起了个名字：规模悬崖。片数一涨，约束一多，模型全线崩塌。

我的五小时实验，本质上是在悬崖边上散了个步。

查到这篇论文的时候，我有点泄气——原来学术界早就把这件事研究透了，我的五小时实验，不过是给一个已知结论又添了一个 anecdote。但转念一想，知道一个结论，和用自己的手撞上这个结论，是两回事。前者是信息，后者是认知。而后来我才知道，这件事在 AI 研究圈更是早不是新闻——三十年前就有人总结过一个“莫拉维克悖论”：对机器来说，下棋容易，钉钉子难；推理简单，感知难。学界为此搞了几十年的神经符号结合研究。只是这些讨论，从来没有走出过论文的围墙——直到我用自己的五小时，替自己撞上了它。

为什么新AI做不到：卡住它的不是眼睛，是两样东西

实验失败后我一直在想：照片够清楚了，每片也确实不同，它到底卡在哪？

想明白之后发现，大模型输掉这场比赛，不是输在“看”，而是输在两个更底层的地方。

先说“测量”。大模型处理图像的方式，本质上是生成对图像的描述——这是它的出厂设定。它可以说“这条边有个凸起”，但说不出“凸点中心位于边缘37.2%处、曲率半径1.8毫米”这样的数字。而拼图的判定标准是物理咬合，容差以零点几毫米计。描述无法拼图，测量才能。更麻烦的是，它对同一片拼块的两次描述还可能措辞不一——一套输出无法复现的系统，做不了精密度要求为零误差的活。

再说“工作台”，这是我那个“A接B、B接C、C又接A”闭环的真正成因。人类拼图时，桌上已经拼好的部分是锚点：每拿起一片新拼块，你不是从一千片里盲选，而是对着一块已经成形的区域找位置，错了就换，拼对了就变成新的锚点。这是一个不断积累确定性、随时回溯修正的过程。而大模型没有桌子——它每回答一次，都是从零开始重新看图，已判断过的配对不会沉淀为“确定的事实”。上千条约束要在脑子里同时成立且互不打架，这种全局一致性，恰恰是它的架构里没有的东西。

“规模悬崖”说的就是这件事：16片时，几十条约束还能勉强糊弄过去；到64片、144片，约束数量指数增长，每一步的微小错误互相传染，最后满盘皆输。

人类赢的不是聪明，是手感和时间

想明白这些之后，我又反过来想了一个问题：那我12天是怎么拼完的？

论计算速度，人眼比对两条曲线的吻合度，远不如计算机在误差矩阵里搜一遍。但我有一样大模型完全没有的东西：触觉。

拼到最后几百片，我根本不怎么看。手指捏着拼块在已经成形的区域上滑动，凹是凹、凸是凸，卡进去的瞬间有一种轻微的“咬合感”——对了就是对了，手感会告诉你。这种反馈是实时的、物理的、零延迟的，大模型隔着一张照片，永远拿不到它。

除了手，还有直觉。拼了一百片之后，我对这套刀模的“性格”产生了肌肉记忆：这个厂的凸起偏圆、那类凹口偏深，拿到一片新拼块，手指一捻大概知道该去桌子的哪个区域找。这不是计算，是几千次试错压缩出来的模式识别。

以及最重要的——耐心。纯白地狱没有视觉反馈，拼一小时可能一无所获，支撑你继续的是“总会有进展”的信念。这不是能力，是意愿，而这恰恰是机器从来不需要具备、人类却随时可能丢失的东西。

所以这场较量真正的格局是：大模型有千里眼，但没有手指，也没有工作台；人类的手指是精密的测量仪，桌子是天然的存贮器，唯一的短板是耐心有上限。

反转：其实AI能拼，用的还是40年前的技术

写到这里，本该以“AI不行”收尾。但我多查了一步，发现了一个更有意思的事实。

自动拼图求解，是人工智能领域一个有几十年历史的老课题，论文就发表在IJCAI、AAAI这类正经AI会议上。经典解法一点也不玄：扫描每片，提取边缘轮廓，把每条边变成一串精确到像素的坐标；用欧氏距离计算两条边的吻合误差；得到一张1000×1000的误差矩阵后，交给搜索优化算法找全局最优解。这条路线上，数百片规模的无图案拼图早有自动求解的先例。

按AI教科书的定义——感知、知识表示、搜索、规划——这套系统是标准的AI。

所以准确的结论不是“AI拼不出纯白地狱”，而是：

AI能拼出纯白地狱，用“老AI”；拼不出它的，是“新AI”。

老AI把问题变成数学，然后算——它不需要看懂图片，它量。新AI从数据里学模式，然后生成——它不量，它谈。学出来的智能赢在开放和泛化，造出来的智能赢在精确和可靠。而纯白地狱这种“规则封闭、答案唯一、容错为零”的任务，恰好是造出来的智能的主场。

我的五小时崩溃，错不在AI，在于我把题目给错了对象——就像让一位博学的翻译去操作车床，不是他笨，是这活儿不归他。

真正值得警惕的事

这只是一篇人机分工的科普吗？其实我最想说的在后面。

麻省理工学院媒体实验室2025年做过一个脑电实验：54名参与者分三组写文章，一组用ChatGPT，一组用搜索引擎，一组纯靠大脑。四个月里，用AI的那组在神经、语言、行为三个层面的表现全面落后，大脑神经连接最弱，甚至难以准确引用自己几分钟前刚“写”完的文章。OECD在《2026年数字教育展望》里给这类现象起了个名字：元认知懒惰——把思考外包出去，制造一种“知识掌握的假象”。另一项覆盖666人的研究则发现，AI工具使用频率与批判性思维得分显著负相关，年轻人中最严重。

把这些研究和拼图放在一起，我看到的是一个方向性的错位：

我们正把本来会做的题外包出去，却指望AI去解它根本解不了的题。

写作、思考、判断——这些人类本来擅长的事，我们迫不及待地交给了大模型，然后认知能力一路滑坡；而纯白地狱这种该交给“老AI”的精确匹配问题，我们却在让大模型看图说话，然后失望于它猜不准。两头都搞反了。

而拼图给我的最大提醒是：在“外包思考”的名单上，手上的活儿其实排在最后。人类拼图靠的触感、直觉和耐心，是长在身体里的能力，AI夺不走它——真正在悄悄流失的，是我们坐下来动手做一件事的意愿。

结语

那块12天拼出来的纯白板子，现在挂在我的书房。

有人问我，拼它图什么？又不好看。以前我也说不清，现在我想明白了：它的价值就是那160个小时本身——在没有颜色、没有反馈、没有捷径的纯白里，你能依靠的只有自己的手、眼和那点不肯放弃的耐心。

AI时代，这种“看起来毫无必要的苦功”会显得越来越可笑，也会越来越珍贵。

真正该问的问题从来不是“AI能不能替我做这件事”，而是：这件事，本来该不该是我做的？

对了，那副拼图我最终没有让AI重拼。倒不是心疼它，而是我发现：用AI拼拼图这件事最大的悖论在于——如果你真的需要那块拼图，你就不会需要拼图。

‍ 本文事实依据：纯白地狱（Beverly「純白地獄」）片数版本与难度体验据玩家社群及媒体报道；JigShape论文arXiv:2607.27670（2026年8月）；MIT媒体实验室脑电研究arXiv:2506.08872（2025年，未经同行评审，结论为初步结果）；OECD《2026年数字教育展望》；Gerlich批判性思维研究（Societies，2025）。文中“160小时最快纪录”为玩家社群流传说法，未经官方证实；莫拉维克悖论、神经符号AI研究为领域经典共识。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-10-31 12:18:13 · 大模型,OpenAI,字节跳动,阿里巴巴,对话助手,推理思考,搜索RAG,办公效率,翻译字幕,设计创意,教育学习,游戏,扩散模型,微调蒸馏,工业制造,招聘HR,网络安全,模型发布,论文

欧洲市场中的“国产车”，正在复制日本车的美国故事？

钛媒体

（本文作者为师天浩，钛媒体经授权发布）

文 | 师天浩

2026年10月16日，西班牙萨拉戈萨。

一个月前，菲格鲁埃拉斯工厂的产线还在做最后调试。这一天，第一辆零跑B10准时驶下总装线，创始人朱江明从车里走出来。Stellantis这座43年的老厂预计为它新增450到600个岗位并加开夜班，当地媒体称之为零跑效应。

同一周，中汽协交出前三季度答卷。国内汽车销量下滑22.4%，1—8月行业利润率3.6%，整车不足2%，出口820.5万辆，同比增长65.8%，全年将首次突破1000万辆。

对一路看过来的读者来说，这不是故事的结尾，是验收的开始。

此前，小编7月6日《借势中国产业链优势，大众、比亚迪领头在海外争抢市场》写下出海的第一波浪潮，8月4日《没有网红老板，却第一个月销破10万！零跑打了谁的脸？》让这个故事的主角登场，9月8日《45.3%的欧洲关税，倒逼新能源出海大踏步本土化》把叙事推向入籍。三个月三篇报道，市场记住了45.3%的关税、250万辆闲置产能和借厂买线建厂三种入籍方式。

现在到了核对成绩单的时候，哪条线变了，哪条线没有。

一、承诺兑现，但考题换了

1.调试线准时开了工

先核对入籍的进度条。

9月初产线还在调试时，外界的普遍预期是四季度KD组装起步，摩根大通9月29日发布的年度展望也按这一口径预测。然而，10月16日下线的B10直接跳过这个阶段，冲压焊装涂装总装四大工艺一次跑通。下线仪式上零跑国际CEO达尼洛给出的口径是，第二款本地车型B05预计明年上半年投产，朱江明此前在巴黎车展期间曾透露的口径是一季度。30公里外那座投资约2500万欧元的电池工厂，从拿到钥匙到首块电池下线只用了7个月，技术标准和核心工艺参数留在零跑手里，用朱江明的说法，灵魂和心脏在中国，躯干在欧洲。

借厂模式此前最大的悬念是欧洲人能不能接住中国速度，这一关过了。

2.验收标准从下线变成毛利

但入籍的考题也在这里换了。

下线是新闻，毛利才是账本。零跑8月24日发布的半年报显示，上半年综合毛利率11.7%，同比下滑2.4个百分点，一季度只有9.4%，单季亏损3.9亿元，公司在8月末的财报电话会上把全年净利润目标从50亿元下调到约30亿元。管理层同时坦承，西班牙本地零部件采购成本明显高于国内，本地生产对毛利的改善目前有限。

「虎嗅汽车组」10月在萨拉戈萨实地拿到的用工口径，把这层薄利算得更细。电池产线蓝领综合用工成本约2660欧元每月，含工资社保和工会福利分摊，约合2.07万元人民币，是中国产线8000元月薪的2.6倍。按当地可乐购买力折算，西班牙工人的实际购买力约为国内同行的三分之二，企业的成本却是两倍多，这就是在欧洲过日子要面对的剪刀差。

更直观的是弹性，零跑与Stellantis联合投入2亿美元改造的产线，2026年适用覆盖全年的ERTE协议，允许最多35个工作日停工，目前B10生产岗位约600人，一班制运转。

借厂省下的是建厂的钱，省不下的是剪刀差里持续经营的钱，产能爬坡的成本摊薄，要等第二班第三班拉起来之后才算得清。

3.产线之外还有一本账

更深一层的不确定性在产线之外。

Stellantis方面向「虎嗅汽车组」确认，萨拉戈萨内部的产能分配规则是量大者先，零跑要和欧宝标致在同一条产线上排序。这家集团在自己的新五年战略里已明确，到2030年在欧洲削减超过80万辆年产能，方式就是改造与联盟，萨拉戈萨正是联盟路径的载体。原零跑国际CEO忻天舒7月升任Stellantis中国和亚太负责人，绑定在加深，零跑同时在帮对方消化存量包袱。硬币的另一面是，一旦Stellantis借零跑平台完成电动化过渡，欧宝纯电SUV和B10将从互补滑向同位竞争。

二、没变的还在涨，变的部分是成色

基准线没有变化，变化的是数字背后的成色。

1.出口从冲击变成定局

中汽协10月20日发布的数据显示，前9个月出口820.5万辆，同比增长65.8%，此前的措辞从冲击1000万辆可以换成将破1000万辆。乘联分会秘书长崔东树10月12日接受媒体采访时给出了1150万至1200万辆的预测。

海关总署10月18日发布的9月数据提示了成色问题。当月电动汽车出口近70.5万辆，出口额131.7亿美元，量价同比均翻倍。财政部10月12日公告2027年4月起退税率由13%降至9%，市场普遍预期明年一季度将出现抢出口窗口，全年出口节奏将被重新编排。

出口动能是真的，前置冲量的预期也是真的。

2.份额爬坡还在加速

欧洲一侧的改善更实在。欧洲汽车制造商协会10月22日公布的数据显示，9月欧洲新车注册136万辆，同比增长10.2%，纯电销量大涨60%。中国品牌9月在欧洲合计销售18.25万辆，同比增长113.9%，整体份额13.6%，去年同期只有7%。比亚迪当月注册近5万辆，排名与销量双创历史，零跑同比增长324%，奇瑞Jaecoo 7成为史上第一款进入欧洲车型销量榜前十的中国车。

三、变坏的，是另外三条线

1.国内从缩量变成失血

第一条恶化线在国内。

降幅本身不再新鲜，新鲜的是谁在跌。中汽协数据里，前三季度国内车市下滑22.4%，新能源国内销量同比下跌超过10%。财新10月24日报道，比亚迪前三季度总销量约307.5万辆，同比下滑约4%，国内销量减少超过三成至约169万辆。新能源零售渗透率已到67%，销量本身却在下滑，油电两端同时走弱。

渠道先于车企倒下。全国工商联汽车经销商商会数据显示，上半年超1800家授权经销商门店停业或退网，平均每天约10家，流通协会口径下新车平均毛利率为负21.4%，近八成经销商价格倒挂。行业利润率三年连降，2024年4.5%，2025年4.1%，今年上半年3.8%，1—8月进一步降至3.6%，汽车制造业上市公司归母净利润同比下滑25.74%。

2.抽走利润的手多了一只

第二条恶化线在政策，而且发生在同一个星期。

10月12日，财政部、税务总局发布2026年第29号公告，自2027年4月1日起将新能源汽车增值税出口退税率由13%下调至9%。有行业人士按出口均价13.5万元测算，单车退税减少约5400元，若2027年出口600万辆，全行业利润影响约300亿至400亿元。同一天，商务部宣布中欧就混合动力汽车贸易磋商取得实质性共识，在2025年30.2万辆的基础上向上安排出口量。一只手在关门，一只手在开窗。

门槛本身也在涨价。依据《委员会实施条例(EU)2024/2754》，零跑作为配合调查未被抽样企业适用20.7%加征税率，叠加10%基础关税综合税负约30.7%，而要让B10被认定为西班牙原产，本地增值需过40%的原产地门槛，相关草案还打算提到70%。入场券不止要花钱买，还要年年续费。

3.门票已经退过一次

第三条恶化线在估值，而学费早已交过。

蔚来以直营模式进入挪威德国荷兰，单国前期投入两到三亿元，李斌后来承认没想到在欧洲建一座换电站要十个月甚至一年，相关业务已转向经销商模式。长城俄罗斯图拉工厂累计投资超过50亿元，哈弗在俄市占率14%、外资第一，但2026年前4个月每卖一辆车净亏约3万元，卡点是本地化积分1805分，够不到全额报废补贴3701分的门槛，补贴砍半，成本填不平。砸出去的钱买到的是入场券，不是利润。

资本市场的回应同样直接。今年上半年港股13家主流车企全线收跌，北京汽车跌59.6%，赛力斯跌56.7%，A股整车板块累计下跌约26%。摩根大通9月29日下调了比亚迪、吉利、零跑、小鹏的评级，把首选给了奇瑞、中国重汽和广汽。故事已经停止售票，只看盈利可见性。

四、把成绩单放进五十年里看

1.渗透是时间问题

这张成绩单还有一个更长的时间刻度。

瑞银10月发布的一份宏观图表报告，把今天的中国对欧盟和五十年前的日本对美国叠在同一张图上。日本品牌占美国进口份额从1964年的3%涨到1980年的64%，1981年自愿出口限制落地，等效约21%关税，日本车企的回应是直接赴美建厂，1982到1989年对美直接投资翻八倍，1990年日系在美份额再增15个百分点。中国品牌占欧盟进口份额从2015年的不足3%涨到2025年的约25%，曲线几乎重合。报告的结论很朴素，制造效率和产品定义能力形成代差时，渗透只是时间问题，壁垒挡不住，只会加速本地化。

但报告同时提醒了两点不同。欧洲的反应比当年的美国快得多，而且中国车企手里的工具比日本丰富，全球化生产、技术输出、资本渗透三样都在用。翻译到这张成绩单上，2027年的退税下调和关税只是第一道口子，接下来是二十年级别的长征，利润问题不是周期问题，是结构问题。

2.钱回不回，仗停不停

摩根大通亚洲汽车研究主管赖以哲在2025年11月底的年度展望会上表示，海外一台车的利润约等于国内两到四台。零跑的账本提供了注脚，据券商测算其海外业务毛利率维持在18%至20%，明显高于上半年11.7%的综合毛利率，2027年海外销量目标定在35万至40万辆。轻资产在渠道端同样成立，零跑欧洲约九成网点依托Stellantis现有渠道，据测算单店建设成本比独立建网低约65%，朱江明披露B10在欧洲的9月单月真实订单已超过8000辆。

但分红之前先过两道筛子，合资公司51%的股权归属Stellantis，叠加退税下调的净利润影响，据摩根大通测算在6%—18%之间。钱回流国内补贴降价抢份额，出海只是给价格战续命，出口1000万辆利润率2%的畸形结构被固化。钱沉淀海外做本地供应链和售后体系，按陈士华10月20日在供应链大会的说法，从贸易出海升级为经营出海，海外利润才能独立造血，并倒逼国内低效产能退出。

3.出清开场，但慢半拍

退出已经开始。9月，工信部等九部门联合印发汽车行业稳增长工作方案，产能预警机制写入正在制定的汽车产业十五五发展规划。10月，合众新能源进入破产重整，8家边缘车企生产资质被冻结，有销量记录的车企从80余家缩到42家，出清从数字变成了案例。

只是出清的速度慢于利润恶化的速度，窗口期所剩无几。

10月16日的萨拉戈萨，老厂加了夜班，新车挂了新标，一个月前写进报道的预告准时兑现。

这张期中成绩单上，销量一栏是满分，利润一栏刚开考。五十年前日本车企用二十年时间把进口冲击变成当地扎根，今天的中国车企拿到的是同一张考卷，只是欧洲的考官比当年的美国严格得多，答题时间却未必更多。

入籍的故事已经讲完，现在是算账的时间。潮水方向没有变，变的是岸上等着收租的人越来越多。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-10-31 12:18:18 · 大模型,融资,政策监管,翻译字幕,扩散模型,模型评测,工业制造,零售电商,物流供应链,模型发布,产品更新,财报,榜单评测

苹果官宣：Apple智能接入阿里千问，11月4日开放测试

华尔街见闻随iOS 27.3上线的苹果智能涵盖实时翻译、照片消除、写作工具及 Genmoji 等基础功能。结合千问后，Siri 支持深度知识问答与文档/图片追问；视觉智能可识别环境；“千问创作”支持生成文本与图像，百度文心则辅助搜索和视觉识别。首批支持的设备仅限iPhone 15 Pro系列、iPhone 16系列及之后的机型。

· 大模型,阿里巴巴,百度,搜索RAG,办公效率,翻译字幕,模型发布

Apple 智能 11 月 4 日登陆中国，iPhone 15 Pro 起可用，部分功能接入千问，新版 Siri AI 缺席

小众软件

苹果终于宣布，Apple 智能（Apple Intelligence）即将在中国大陆推出。

首批 Apple 智能功能将于 11 月 4 日通过 iOS 开发者 Beta 版开放测试，并于 12 月随 iOS 27.3 正式推出。

无新版 Siri AI。部分 AI 功能将接入千问，包括 Siri、写作工具和视觉智能。

Apple 智能 11 月 4 日登陆中国，iPhone 15 Pro 起可用，部分功能接入千问，新版 Siri AI 缺席 2

哪些 iPhone 可以使用？

首批支持以下机型：

iPhone 15 Pro、iPhone 15 Pro Max
iPhone 16 及后续机型
iPhone Air
iPhone Duo

需要注意，普通版 iPhone 15 和 iPhone 15 Plus 不在支持范围内。

此外，设备与 Siri 的语言设置需要符合苹果规定的英文、简体中文条件。

目前首批仅支持 iPhone，后续 iPad 和 Mac 还需要等待必要的审批。

Apple 智能 11 月 4 日登陆中国，iPhone 15 Pro 起可用，部分功能接入千问，新版 Siri AI 缺席 3

首批支持哪些 AI 功能？

这次苹果公布的功能相当丰富，基本覆盖了日常使用中的文字、图片、翻译、邮件和通知。

实时翻译：支持信息、FaceTime、电话，以及兼容 AirPods 的面对面翻译。
写作工具：改写、校对、总结文本。
视觉智能：通过摄像头识别物体和场所。
照片消除：移除照片中的干扰对象。
智绘表情：通过文字描述生成专属表情。
照片搜索：使用自然语言查找照片和视频。
回忆影片：输入描述自动生成影片。
优先邮件：自动置顶重要邮件。
邮件摘要：提炼邮件及长对话的重点。
智能回复：为邮件和信息生成回复建议。
通知摘要：自动总结通知内容。
首要通知：优先显示紧急通知。
减少干扰：仅推送需要立即处理的通知。
音频摘要：自动总结备忘录中的录音。
通话摘要：总结通话转录内容。
Siri 增强：支持文字输入、自然对话及上下文理解。

其中，实时翻译还支持 AirPods 4（主动降噪版）、AirPods 5、AirPods Pro 2 及后续机型，以及 AirPods Max 2，需满足固件、配对设备和语言等要求。

Siri 接入千问

另外，苹果还宣布在部分 Apple 智能功能中接入千问。

例如：

Siri：遇到特定问题时，可以调用千问回答。
图片与文档理解：可以针对照片、PDF、演示文稿等内容提问。
AI 创作：在系统写作工具中调用千问，从零生成文章等原创内容。

用户可以登录千问账户，或者使用 Apple 登录来访问相关功能。

Apple 智能本身仍由苹果构建的生成式模型驱动，千问主要用于扩展部分 AI 能力。

但新版 Siri AI 还没有来

苹果明确表示，本次更新不包含 Siri AI，也不包含 WWDC 2026 上公布的其他下一代 Apple 智能功能。

Apple 智能 11 月 4 日登陆中国，iPhone 15 Pro 起可用，部分功能接入千问，新版 Siri AI 缺席 4

11 月 4 日开始测试，12 月正式推出。

想第一时间体验的用户需要更新到 iOS Beta 版；普通用户则可以等待 12 月的 iOS 27.3 正式版。

在系统设置 > 软件更新中，打开 Beta版更新即可，任何用户均可打开，但注意 Beta 可能会带来各种未知问题：

Apple 智能 11 月 4 日登陆中国，iPhone 15 Pro 起可用，部分功能接入千问，新版 Siri AI 缺席 5

原文：https://www.appinn.com/apple-intelligence-china-november-4-qwen/

相关阅读

[ 点击前往获取链接 ]

2026-10-31 04:25:17 · 大模型,AI应用,具身智能,Meta,阿里巴巴,DeepSeek,智谱,语音音频,对话助手,搜索RAG,办公效率,翻译字幕,游戏,招聘HR,模型发布,产品更新,版权诉讼,榜单评测,开发者生态

[分享创造] 不想再为了改一句英文切去 ChatGPT 了，我做了个在任何输入框里一键搞定的 Mac 工具

V2EX

在外企打工，每天都是是脑子里想的是中文，手上还得敲英文。Slack、邮件写完总要读两遍，感觉怪怪的，又不知道怎么改。

之前一直用 Raycast 的 AI 改英文，但输入框太小，prompt 改起来也不太顺手。干脆自己搓了一个，叫 Inklet，常驻 Mac 菜单栏，专门干这件事。

用起来很简单：

在任何输入框按 ⌥ Space（可以随意设置），中文英文随便写，回车生成自然的英文，再回车直接填回原来的输入框。不用切窗口，也不用复制粘贴。

Inklet

另外还加了几个自己常用的功能：

免费开源，MIT 协议
不用 API Key，M 系列 Mac 可以直接跑本地模型，断网也能用
也支持 DeepSeek、Claude、OpenAI、Gemini 等云端模型
按住右 Option 直接说话，本地语音识别，中英混说也行
选中文字就能翻译、朗读
Prompt 随便改，比如「礼貌一点但别太客套」
不用注册，没有埋点。用本地模型的话，数据不出电脑

支持 macOS 14+，安装包也做了苹果签名和公证。

官网： https://getinklet.app/zh

GitHub： https://github.com/wanming/Inklet

目前还在自己慢慢迭代，欢迎试用，有什么不好用的直接吐槽。如果觉得还行，也求个 Star，给独立开发者一点动力哈哈。

2026-10-30 22:34:05 · 大模型,开源,OpenAI,Google,Anthropic,DeepSeek,语音音频,办公效率,翻译字幕,提示工程,端侧AI,招聘HR,开发者生态

[Apple] Apple 智能即将登陆中国

V2EX

Apple 智能的首批核心功能包括实时翻译、照片 app 中的消除工具以及写作工具等，将于 11 月 4 日起开放测试

Apple 今日宣布，首批旨在进一步提升 iPhone 用户体验的 Apple 智能功能即将在中国推出。Apple 智能深度整合于用户日常使用的各种 app 与体验中，助力用户轻松书写、表达自我，并高效处理各项事务。Apple 智能由 Apple 构建的生成式模型驱动，帮助用户通过实时翻译功能跨越语言障碍；通过写作工具改写、校对和摘要；通过视觉智能快速了解身边事物的更多信息；通过消除工具去除照片中的干扰对象；通过智绘表情创作契合当下心境的新表情符号，以及更多其他功能。此外，Apple 与阿里巴巴达成合作，在部分 Apple 智能体验中加入对千问的支持，让中国用户能直接在 Siri 、写作工具以及视觉智能中使用阿里巴巴的千问，包括文本与图像理解相关功能。这一系列 Apple 智能功能将自 11 月 4 日起随最新的 iOS 开发者 Beta 版开放测试，并将于 12 月 iOS 27.3 正式发布时面向中国用户推出。其他平台的支持将在获得必要审批后推出。

以下是 Apple 即将在支持的 iPhone 上向中国用户推出的首批功能：

实时翻译功能帮助用户在发送信息或交谈时跨特定语言进行交流，并无缝整合在信息、FaceTime 通话和电话 app 中。用户还可通过支持主动降噪的 AirPods 4 ，以及 AirPods Pro 2 及后续机型使用该功能，实时翻译面对面对话。
写作工具可帮助用户改写、校对和摘要输入的文本。
视觉智能帮助用户通过 iPhone 摄像头即时了解周围的物体和场所。
照片 app 的消除工具可去除干扰对象，同时原样呈现拍摄当时的意境。
智绘表情让用户仅需输入文字描述，便可生成专属于自己的表情符号。
照片 app 中的自然语言搜索让用户只需输入一段描述，就能更轻松地寻找某张照片或某段视频。
用户仅需输入描述即可在照片 app 中创建回忆影片。
邮件 app 收件箱顶部的优先邮件区域会显示最紧急的电子邮件，例如当日的午餐邀请或登机牌。
邮件摘要让用户只需轻点“生成摘要”，即可查看某封电子邮件或长邮件对话的关键要点。
智能回复可在邮件 app 和信息 app 中为用户生成快速答复文本建议。
通知摘要直接在锁定屏幕上提供关键信息，方便用户速览篇幅较长或分类叠放的通知。
首要通知会将最紧急的事项置于通知顶部，让用户立即看到可能需要关注的事项。
减少干扰专注模式仅会推送需要立刻处理的通知。
备忘录 app 中的音频转录摘要会自动生成，让重要信息一目了然。
用户可生成通话转录文本的摘要，凸显重要细节。
Siri 变得更加自然且实用。用户可使用输⼊⽂字与 Siri 对话功能，即使用户在表述时不够连贯，Siri 也能准确理解其意图，并在连续的对话中保持上下文的连贯。
在处理特定请求时，Siri 能够接入千问，利用其广博的知识为用户提供协助。用户还可以针对照片以及包含 PDF 与演示文稿的文档进行提问。只需登录千问账户，或使用通过 Apple 登录，用户即可在 Apple 智能中顺畅访问千问。
借助创作功能，用户可以直接在系统全局的写作工具中，让千问从零开始创作原创内容。

本次更新不包含 Siri AI 及 Apple 在 WWDC 2026 上宣布的其他下一代 Apple 智能功能。

注 1: 首批核心 Apple 智能功能将随 iOS 27.3 面向中国用户提供，支持的设备包括：iPhone 16 及后续机型、iPhone Duo 、iPhone 15 Pro 、iPhone 15 Pro Max 和 iPhone Air，且 Siri 与设备语言均需设置为英文和中文（简体）。

https://www.apple.com.cn/newsroom/2026/10/apple-intelligence-features-are-coming-to-users-in-china/

2026-10-31 00:00:39 · AI应用,阿里巴巴,语音音频,对话助手,Agent智能体,搜索RAG,办公效率,翻译字幕,招聘HR,模型发布,产品更新,合作,开发者生态

iPhone 国行 AI 真的来了，千问成为 Siri 新搭档

爱范儿

等了整整两年，中国 iPhone 用户终于不用再对着苹果 AI 的宣传片望梅止渴了。

刚刚，苹果正式宣布，Apple Intelligence（Apple 智能）即将面向中国大陆用户推出首批功能，

从 2024 年苹果高调宣布进军生成式 AI，到海外用户陆续体验各种新功能，再到如今国行版本确定上线时间，苹果总算要兑现迟到许久的承诺。

按照计划，首批 Apple 智能功能将于 11 月 4 日随最新的 iOS 开发者 Beta 版开放测试，并于今年 12 月随 iOS 27.3 正式版面向中国用户推出。

首发设备仅限于 iPhone，包括 iPhone 15 Pro 系列、iPhone 16 及后续机型、iPhone Air 和 iPhone Duo，支持简体中文和英文。iPad 和 Mac 等其他平台的支持，则需要等待相关审批完成。

不过，此次登陆中国大陆的 Apple 智能，主要涵盖写作工具、照片编辑、智绘表情、实时翻译、通知管理、视觉智能及 Siri 基础交互升级等功能，距离大家想象中无所不能的智能助手，恐怕还有一段距离。

其中最直观的变化，是 AI 开始融入 iPhone 原本的系统功能，用户无需每次都打开独立的聊天应用。

例如，写作工具可以在系统应用及大量第三方应用中调用，支持改写、校对和摘要，只要界面中出现输入光标的位置，均可调用该工具。

给主管发送邮件时，可以选择「正式风格」优化措辞；面对备忘录里冗长的会议记录，也能直接提炼重点，整理成适合发送的工作摘要。

照片 App 则支持自然语言搜索，例如输入「毛毛在草地上」，就能找到对应的宠物照片或视频。

新增的消除工具依靠三套专用机器学习模型，分别完成物体识别、边缘判断与背景填补，整个处理过程无需上传云端。此外，用户还能根据文字描述制作回忆影片。

喜欢在聊天时斗图的用户，也有了新的玩法。苹果推出的「智绘表情」功能，可以根据简单的文字描述生成个性化表情符号，例如输入「戴墨镜的熊猫」，系统就能生成对应的表情，让用户直接在聊天中使用。

实时翻译也是此次更新中比较实用的功能。 苹果将其整合进信息、电话、FaceTime 和 AirPods 四种原生场景，支持文字和语音双向翻译，整个过程在设备端完成。

例如，前往旧金山旅行时，收到当地导游发来的英文信息，可以直接查看中文翻译，回复时也能显示双语内容。即使对方使用 Android 手机，通过 RCS 或 SMS 发送的信息同样可以翻译。对于经常联系的外国朋友，还能单独开启自动翻译。

此外，苹果还升级了通知管理功能，AI 可以将多条消息整理成摘要，通过「减少干扰」模式过滤无关提醒，并利用「优先通知」突出重要信息。邮件和信息 App 支持内容摘要与智能回复，备忘录和电话录音也能生成转写摘要。

Siri 则换上了全新的视觉设计，唤醒时屏幕边缘会出现彩色动态光效，也就是大家熟悉的「跑马灯」。同时支持语音与文字输入切换，提升了对口误、停顿和临时改口的理解能力。不过，真正能够理解个人上下文、屏幕内容并执行跨应用操作的新一代 Siri AI，仍未包含在此次更新中。

但此次升级并不包含苹果此前展示的新一代 Siri AI，也没有覆盖今年 6 月发布的最新 Apple 智能功能。换句话说，国行用户终于能够用上苹果 AI，但那个能够理解个人上下文、屏幕内容并执行跨应用操作的 Siri，还得继续等待。

除了功能本身，国行 Apple 智能的另一大看点，是苹果终于明确了与中国 AI 厂商的合作方式。

此前，APPSO 独家获悉，苹果与阿里巴巴的合作至少涉及能力集成与联合训练两种形式。如今，首批功能已经展示出一套相当清晰的本土化技术架构。

Apple 智能的基础能力由苹果自主研发的模型提供，针对中国市场完成专项适配，首批功能全部在设备端运行。 无论写作、照片编辑还是实时翻译，个人数据都无需上传苹果服务器，苹果自身也无法访问。

但复杂任务往往需要更强大的模型，因此苹果还引入了阿里巴巴旗下的通义千问，为 Siri、写作工具和视觉智能提供能力扩展。

例如，对 Siri 说「帮我制定一份三天两夜的昆明旅行计划」，系统可以判断是否需要调用千问，在征得用户同意后完成请求，结果直接呈现在当前界面，无需跳转应用。

写作工具同样增加了千问创作选项，甚至可以将个人介绍改写成五言律诗。视觉智能则接入通义千问和百度图像搜索，帮助用户理解周围环境，并对现实世界中的文本进行翻译、朗读或总结。

值得注意的是，苹果并未绑定某一个特定版本的千问模型，而是根据任务调用多个模型，并计划持续更新。

在隐私方面，两套模型的运行机制有所区别。苹果的基础功能全部在设备端执行，千问的扩展能力则依靠服务器端模型，用户可以自行决定是否启用、分享哪些信息，并选择通过千问账户或 Apple 账户登录。

根据双方合作安排，经千问处理的用户请求数据不会用于模型训练、广告营销或行为追踪。

从产品设计来看，苹果依然坚持让自研模型负责基础功能和个人信息处理，再利用外部大模型扩展复杂任务能力。用户不必关心背后运行的是哪套模型，只需要向 Siri 或系统工具提出需求。

苹果还明确了中国区功能的适用规则，包括大陆购买的设备，以及符合相应地区和 Apple 账户条件的 iPhone。符合条件的用户即使出国旅行，中国区 Apple 智能也能继续使用。

时间回到 2024 年 6 月的 WWDC，苹果首次发布 Apple 智能，试图让 AI 深度融入 iPhone、iPad 和 Mac，并通过更聪明的 Siri，理解个人信息、屏幕内容甚至跨应用完成复杂操作。

然而，两年过去，海外市场的基础功能虽然陆续上线，真正承担个人智能助手愿景的新版 Siri 却多次延期，中国大陆用户还经历了漫长的本土化等待。

当国产手机厂商已经将 AI 修图、实时翻译、智能摘要甚至跨应用自动操作变成常规功能，国行 iPhone 才终于迎来苹果官方的 AI 能力。

写作、翻译和照片处理固然实用，却已经算不上 AI 手机时代多么稀缺的能力。苹果真正值得期待的，是它有机会让 AI 从提供答案的工具，成为真正了解用户、能够主动完成任务的 Personal Agent。

过去两年，随着端侧 AI 快速发展，智能手机正在成为 Personal Agent 最重要的载体之一。未来的智能助手或许只需要一句话，就能结合个人习惯与实际需求，调用不同服务，完成订票、安排行程、整理工作等任务。

从这个角度看，苹果可能是最适合做 Personal Agent 的科技公司之一。

毕竟，苹果同时掌握手机、电脑、手表等硬件入口，以及操作系统和庞大的应用生态。日历、邮件、照片、健康数据与使用习惯，都有机会在用户授权下成为 AI 理解个人需求的依据。

苹果还能从操作系统层面设计 Agent 的工具调用与跨应用协作机制。此次展示的端侧模型与千问协同架构，也让人看到了简单任务本地处理、复杂任务调用外部模型的可能性。

但有意思的地方在于，苹果可能恰恰又是最不适合做 Personal Agent 的公司之一。

苹果长期强调隐私保护、应用隔离与用户控制权，而真正聪明的 Agent，需要关联不同应用的信息，甚至主动执行操作。当 AI 开始读取邮件、查询日历乃至代替用户支付和预订，数据权限与误操作风险都会变得更加复杂。

更深层的矛盾来自苹果自己建立的 App 生态。当 AI 能够替用户购物、订酒店、安排出行，用户可能越来越不需要亲自打开 App。届时，苹果经营十几年的 App Store 应用分发与商业生态，也可能因此受到挑战。

对于一家长期依靠软硬件协同、严格管理用户体验，并从应用生态中获得丰厚收益的公司而言，真正自主的 AI Agent，意味着它需要重新思考操作系统、应用与用户之间的关系。

回到此次国行 Apple 智能的发布，苹果总算让中国用户拥有了体验官方 AI 的机会，也展示了自研端侧模型与本土大模型协同工作的能力。

但相比已经登场的写作工具、实时翻译和智绘表情，我更期待未来的 Siri 能够真正理解个人上下文，并在用户授权下完成跨应用操作。

毕竟，苹果已经具备创造 Personal Agent 的许多先天条件。手机这个行业，上一次被彻底改变，是 iPhone 定义的触屏时代。而下一次改变，大概率来自 AI。

苹果亲手开启了上一个时代，也有很大的机会开启下一个。只是这一次，它要超越的对手不再是诺基亚，而是那个曾经敢把一切推倒重来的自己。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

2026-10-30 22:34:47 · 大模型,AI应用,阿里巴巴,百度,语音音频,对话助手,Agent智能体,搜索RAG,办公效率,翻译字幕,设计创意,医疗健康,教育学习,端侧AI,零售电商,传媒内容,营销广告,模型发布,产品更新,合作,榜单评测,开发者生态

早报｜iPhone国行AI官宣！千问接入Siri/DeepSeek千亿融资曝光/于东来建议支持「消费入座」

爱范儿

iPhone 国行 AI 官宣，11 月 4 日开放测试

DeepSeek 千亿融资曝光，腾讯、宁德时代、长鑫等参投

特斯拉推出 5 年零息方案，Model 3 / Y 首付 3.99 万元起

于东来建议支持「消费入座」，餐厅可拒绝外带食物就餐

开发者在 Surface Duo 2 上启动 iOS 27 iPhone Duo 版本

REDMI 回应 K100 选用旧旗舰芯：性能表现胜任游戏

张雪称拉黑母亲微信，反对机构把家人当作流量入口

OpenAI 重构模型规范，将「忠于人类意图」列为首项准则

米哈游《星布谷地》定档 12 月 4 日公测

大众 CFO：电动车热销也带来利润压力，须加快降本

OPPO 调整高管分工：李炳忠统管海外，尹文广负责全系手机

亚马逊 CEO：2027 年资本开支将明显高于今年的 2200 亿美元

Reddit CEO：Google AI Mode 没给网站带来流量

奇瑞前三季度营收 2412.34 亿元，归母净利润下滑

传音第三季度营收下降 27.45%，前三季度归母净利润仍增长

火山引擎将商业化列为首要目标，MaaS 上半年收入达 48 亿元

长鑫第三季度营收突破千亿元，归母净利润环比增长 3.01%

联发科第三季度营收增长 18.3%，归母净利润增长 10.6%

诺奖得主 Acemoglu：AI 应帮助劳动者，别只盯着 AGI

2027 款奕派 007 上市，限时补贴价 10.99 万元起

Google Antigravity 上线插件市场，接入 Figma、Jira 与生产日志

百度搜索 API 推出活动价：增强版每千次 4.9 元

《哈克小天地》发售，用微缩景观迎接动物居民

清华等团队让 96 台机器人共享经验，手机包装成功率升至 98.3%

智元发布 GO-3 Preview，以统一框架连接推理、预测与动作

小米推出 8 亿参数 OCR 模型，打通文档解析、抽取与问答

hololive 推出服装品牌 holoSynQ，首系列围绕 FLOW GLOW 展开

日本松屋会员数据遭入侵，涉及逾 237 万条记录

周末也值得一看的新闻

iPhone 国行 AI 官宣，11 月 4 日开放测试

苹果宣布，首批 Apple 智能功能将于 11 月 4 日随 iOS 开发者 Beta 版在中国开放测试，并于 12 月随 iOS 27.3 正式推出。苹果与阿里巴巴合作，在 Siri、写作工具和视觉智能的部分体验中接入千问，支持文本与图像理解。

首批功能包括信息、FaceTime 和电话中的实时翻译，写作工具的改写、校对与摘要，照片消除、自然语言搜索及回忆影片创建，以及智绘表情、通知摘要和优先邮件等。用户登录千问账户或使用「通过 Apple 登录」后，可在系统内调用千问；写作工具中的「创作」功能也可借助千问生成内容。

支持设备包括 iPhone 15 Pro、iPhone 15 Pro Max、iPhone 16 及后续机型、iPhone Duo 和 iPhone Air。此次更新不包含 Siri AI 及苹果在 WWDC 2026 上公布的其他下一代 Apple 智能功能，其他平台需获得必要审批后推出。

面对面对话翻译需配合安装最新固件的 AirPods 5、Air

2026-10-31 00:14:24 · 大模型,具身智能,自动驾驶,融资,OpenAI,Google,字节跳动,阿里巴巴,腾讯,百度,DeepSeek,小米,对话助手,推理思考,搜索RAG,办公效率,翻译字幕,游戏,扩散模型,强化学习,模型发布,产品更新,合作,财报,开发者生态

刚刚，国行 Apple 智能官宣，但满血 SiriAI 还得等

爱范儿

就在刚刚，苹果正式宣布将面向中国大陆用户推出 Apple 智能（Apple Intelligence）！

据悉，首批功能将随 iOS 27.3 开发者测试版（Developer Beta）于 11 月 4 日起率先开启测试。

苹果官网上那句挂了两年多的「为 Apple 智能预备好」，今天终于迎来了兑现的时刻。

这也意味着，自 2024 年 WWDC 首次亮相以来，让国内用户苦等了两年多的 Apple 智能，终于迈出了真正落地的一步。

早在 10 月 15 日，苹果执行董事长蒂姆·库克在上海探访「蓝盒子」时，就曾向爱范儿确认，苹果已经获得向中国用户提供首批 Apple 智能核心功能的批准。

在后续的上线安排上，苹果确认首批国行 Apple 智能功能将在今年 12 月随 iOS 27.3 正式发布，面向中国用户推出——这也与彭博社记者马克·古尔曼此前的爆料基本契合。

这波更新，iPhone 先吃

从官方公布的信息来看，国行首波开放的功能涵盖了下面的功能：

全新 Siri 外观与交互：唤醒 Siri 时，屏幕边缘将亮起极具辨识度的环绕式「跑马灯」光效设计；支持在语音和打字输入之间随时切换；

写作工具：支持在备忘录、邮件及第三方 App 中直接对文本进行改写、校对和总结摘要，并支持通过「创作」功能根据自然语言要求直接生成内容；

照片消除与自然语言检索：相册支持直接用日常自然语言描述来搜索照片和视频片段；同时「消除」工具也一并就位，涂抹一下即可由端侧模型自动识别并抹除背景里的路人或杂物；

智绘表情：支持在键盘中直接通过文本描述，生成专属的个性化表情符号；

实时翻译：能在电话通话、FaceTime 和佩戴 AirPods 时实现跨语言实时翻译，在「信息」App 中也能直接互发翻译后的消息。除了 iMessage 之外，即便对方使用的是安卓手机，iPhone 用户依然可以通过 SMS 短信或 RCS 消息与对方进行跨语言交流；

视觉智能：通过相机快速识别眼前的物体、餐厅或地标，支持一键翻译文本、识物检索；

通知摘要：系统能够自动提炼并总结长通知或折叠堆叠的多条通知。

看完了功能清单，接下来是大家最关心的实际问题：手里的设备能不能升？手持外版 iPhone，或者带着国行 iPhone 出国旅游，到底会用上哪套 Apple 智能？

此次首批开放的国行 Apple 智能功能暂时只确认在 iPhone 上提供。至于 iPad、Mac 等其他平台，苹果表示仍需等待相应的监管审批，具体上线时间尚未公布。

硬件门槛则与国际版保持一致——只有 iPhone 15 Pro/Max， iPhone 16 及后续机型（包含刚刚上市的 iPhone Duo）才能吃上这波更新，受限于内存规格的更早机型，只能遗憾离场。

而关于「国行版」与「海外版」的区域限制，根据爱范儿了解到的规则，只要满足以下任意一种情况，设备就会适用中国大陆版本的 Apple 智能功能集合：

设备是在中国大陆购买的（即国行机型）；

用户当前位于中国大陆境内，且所登录的 Apple 账号账单地址在中国大陆（通俗理解，就是使用我们常说的「国区 Apple 账号」）；

用户当前位于中国大陆境内，且设备未登录任何 Apple 账号。

此外，对于适用中国大陆版 Apple 智能的用户，即便之后带着手机出境，这套中国大陆版的功能集合依然会继续适用，而不会因为地理位置改变自动切换为海外版本。

苹果守端侧，千问当「外援」

相比于这声迟到的官宣，国行 Apple 智能最大的看点，同样还有背后那套专门为中国大陆市场重新搭建的本地化技术方案。

此前，监管部门的备案信息其实就已经剧透了部分答案：今年 7 月，国家网信办公布的手机端侧生成式人工智能服务备案名单中出现了苹果的「Apple 智能」；9 月底，多款国行 iPhone 的进网许可备注栏里又更新了苹果智能、阿里通义千问与通义万相三个大模型备案编号。

而随着今天官方信息的解禁，国行 Apple 智能的「双层模型架构」也终于彻底清晰——简单来说，就是「苹果自研端侧模型打底 + 本土大模型提供云端扩展」。

在第一层（设备端），苹果使用了自行研发、并专门为中国大陆用户定制的 Apple Foundation Models（AFM）。包括照片消除、实时翻译在内的多项基础功能，均完全在 iPhone 本地运行。官方强调，这些端侧功能所涉及的个人数据绝不会被传给苹果存储，苹果也无法访问。

而在需要更大算力、复杂知识或深度生成能力的第二层（云端），阿里巴巴旗下的「千问（Qwen）」正式接棒，扮演了海外版 Apple 智能中 ChatGPT 的角色。爱范儿从相关渠道了解到，此次合作并未绑定单一版本的 Qwen 模型，而是使用多个不同的千问模型，并会随着模型迭代持续更新。

具体来看，千问的云端扩展能力主要覆盖下面这些场景：

拓展 Siri 智能问答：处理 Siri 转交的复杂问题，提供更强的知识问答与内容生成能力；

写作工具「千问创作」：千问将接入 Apple 的系统级写作工具，用户不仅可以围绕任意主题，通过自然语言指令生成文字内容，还可以直接生成图像；

视觉智能「询问千问」：用户可以通过相机控制、操作按钮或控制中心唤起视觉智能，选择「询问千问」，识别眼前的物体和场景，并进一步获取相关信息与智能问答服务。

在隐私与调用机制上，这套方案也延续了海外版接入 ChatGPT 时的严格边界：用户可以自主选择是否启用这一扩展；当 Siri 判断某个问题更适合交给千问处理时，可以在征得用户同意后，将请求转交千问。

账号体系的打通也相当灵活。用户既可以直接用千问账号登录（登录后可在千问 App 中同步查看请求历史），也可以使用 Apple 账号一键登录，并开启「隐藏邮件地址」功能来保护个人隐私。

至于此前外界盛传的百度，这次也确实出现在了合作名单中，但角色非常垂直——主要在「视觉智能」的「以图搜索（识图）」环节发挥作用，而文本理解与生成的大旗还是交由千问扛起。

距离「满血版」Siri AI，还有多远？

虽然国行 Apple 智能终于破冰，但有一盆冷水还是得先泼为敬——

下周开启测试的版本，还远不是 Apple 智能的「完全体」。

对照国际版在 iOS 26 乃至 iOS 27 上的演进进度，国行首波功能依然有着肉眼可见的缺憾。而最核心的缺席，当属真正重构底层交互的「Siri AI」。

在今年 WWDC26 上，苹果展示了新一代 Siri AI 的完整形态。相比过去那个只能定个闹钟、查查天气的传统语音助手，新版 Siri 能够直接「看懂」你手机屏幕上的内容（屏幕感知），结合你的个人情境去翻找照片、邮件和信息，甚至在不同 App 之间跨应用替你干活。

这也是苹果真正想讲的下一阶段 AI 故事：AI 不再只是被动回答你的问题，而是能理解你正在做什么，并主动替你把事办妥。

而在目前的 iOS 27.3 国行测试版中，Siri 虽然换上了新的跑马灯皮肤、接上了千问这个「外脑」，但涉及深度系统调用和个人情境理解的核心能力，这次还没能跟国行用户见面。

不过，这倒也不意味着国行用户拿到的只是一盘「冷饭」。

平心而论，虽然这次上线的「功能框架」属于前两年的旧版本，距离苹果如今追求的那种底层重构、原生 AI 驱动的交互形态还有代差；但别忘了，过去这两年恰恰也是大模型底层能力狂飙突进的两年。无论苹果自研的端侧模型，还是作为云端外援的千问，其模型智商、中文语境理解力和生成水准，早已不可与 2024年同日而语。

换句话说，虽然「壳」还是初代的功能框架，但里子塞进的却是 2026 年的成熟模型——这种底层能力的跨代跃升，或许有望让国行首波基础功能的实际体验，比当年国际版刚上线时更加扎实。

至于苹果为什么选择在这个节点，先端出这样一套「旧框架 + 新模型」的组合，从目前的落地节奏能够猜测：

或许国行 AI 采取的是「分批过审、逐步放行」的稳妥策略。先上线工具属性更强的改写、修图、翻译以及合规的外挂云端问答，未来再逐步解锁涉及深度系统权限的 AI 助手。

那么，满血版的国行 Siri AI 到底要靠什么来支撑？这就不得不提苹果与千问在更深水区的合作。

此前阿里巴巴方面曾向爱范儿介绍，除了像现在这样直接接入千问的现成云端能力（解决「有没有」的问题），双方还在围绕中国用户的语言习惯及本地服务生态，深入到底层共同训练和优化专属大语言模型，并将其纳入苹果的 AFM 体系。

随着这个联合训练的底座打磨成熟并完成合规推进，具备屏幕感知与跨应用执行能力的全新 Siri，或许有望在后续版本中真正补齐。

这也让晚到两年多的国行 Apple 智能，多了一份值得期待的可能性——

一边接入成熟的国产大模型，补齐眼前的功能；一边联合训练面向中国市场的专属底座，为下一代 Siri AI 和更深入的系统级智能铺路。

对国内用户而言，迟到两年固然遗憾，但如果苹果真能把本土大模型的长处与自家的软硬件生态捏合到位，这段漫长的等待，或许也能换来一些不一样的体验。至于它最终能否从「追赶国际版」，走向真正趁手好用的本地化智能，还得交给后续的版本更新和真机体验来作答。

爱范儿也将在下周 iOS 27.3 开发者测试版推送后，第一时间带来真机上手实测。等了两年多，这口热乎的苹果 AI 到底好不好用，我们下周见分晓。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

2026-10-31 01:37:05 · 大模型,算力芯片,AI应用,政策监管,OpenAI,阿里巴巴,百度,语音音频,对话助手,Agent智能体,搜索RAG,办公效率,翻译字幕,设计创意,端侧AI,图神经网络,模型发布,产品更新,合作,开发者生态

刀刃上的托举：一名失意冰球运动员的人生下半场

澎湃新闻

2026-10-29T23:30:59.034Z · 政策监管,快手,语音音频,翻译字幕,教育学习,微调蒸馏,模型安全对齐,招聘HR,网络安全,产品更新,榜单评测

全球最大数字货币交易所币安遭黑客攻击，涉及约 420 亿元人民币，承诺承担全部损失

小众软件

更新
币安连续发布了三条安全事件更新：预计总影响约 63 亿美元（约420亿人民币），已冻结约 30 亿美元；平台暂时暂停所有充值和提现，并承诺承担全部损失。

初步调查认为，事件可能源于一名 DevOps（开发运维）工程师的笔记本电脑被入侵。攻击者随后获得某个服务容器的访问权限，并提交未经授权的提现交易。币安表示，目前没有发现钱包私钥泄露的证据。

资金方面，币安披露的 63 亿美元是预计总影响金额，30 亿美元是已冻结资产金额。团队正在与执法部门、资产发行方、区块链情报公司及行业伙伴合作，继续追踪和冻结资金。

处置方面，币安宣布在安全检查期间暂停所有充提、撤销受影响地址的授权，并由 SAFU 基金及公司自有资金承担全部损失。修复完成后，还将发布更新版储备金证明。

全球最大数字货币交易所币安遭黑客攻击，涉及约 420 亿元人民币，承诺承担全部损失 3

原标题：全球最大数字货币交易所币安疑遭黑客攻击，大量 ETH、USDT、USDC 被转出，涉及约 230 亿元人民币

全球最大数字货币交易所币安疑遭黑客攻击，约 34.8 亿美元资产被转出，折合约 230 亿元人民币，涉及大量 ETH、USDT、USDC 等代币。目前，Tether 和 Circle 已宣布冻结合计超过 23.67 亿美元的稳定币。币安表示用户资金安全，提现已暂停，将在安全问题完全解决后恢复。@Appinn

全球最大数字货币交易所币安遭黑客攻击，涉及约 420 亿元人民币，承诺承担全部损失 4

事发前：攻击发起地址从混币器收到约 0.3 ETH。

据 BeInCrypto 报道，发起交易的地址在事发前收到三笔来自 Tornado Cash 的资金，每笔约 0.1 ETH，合计约 0.3 ETH。这笔钱用于启动链上操作.

04:24：Binance 14 出现大额资产转出。

据 BeInCrypto 引用的 Etherscan 数据，被标记为“Binance 14”的热钱包向新地址转出 167,464 枚 ETH，以及包括约 16.15 亿 USDT 在内的多种代币。BleepingComputer 报道引用的链上追踪数据显示，该笔资产总值约 25.3 亿美元；约 24 秒后，另一个币安钱包又向同一地址转出约 1.744 亿美元资产。

04:34 起：相关钱包开始通过去中心化交易服务取得 ETH。

据 Decrypt 跟进报道，一个中转钱包在该时刻从 UniswapX 合约收到 20,940 枚 ETH，其他相关钱包随后也收到来自 Uniswap 合约的 ETH。据一些报道称，将个操作是为了把可被发行方冻结的稳定币兑换为 ETH。

04:41：另一个热钱包转出 7.8 亿 USDC。

据 FinanceFeeds 引用的交易记录，被标记为“Binance: Hot Wallet 34”的钱包向同一地址转出 7.8 亿 USDC。 BleepingComputer 说上述几个币安钱包累计转出约 34.8 亿美元的加密资产。

04:57—05:01：约 6000 万 USDT 被用于抵押借出 ETH。

一个钱包先后将 1000 万和 5000 万 USDT 存入 Aave，合计借出 19,762 枚 ETH。

05:15：CZ 表示，看起来是针对币安的黑客攻击。

根据 CZ 原帖（币安原CEO）称：用户资金安全，这看起来是针对币安的黑客攻击，并感谢 Tether、Circle 快速冻结相关资产。他同时说明自己已不再管理 Binance.com，但作为股东，预期所有用户资金都将得到全额补偿。

全球最大数字货币交易所币安遭黑客攻击，涉及约 420 亿元人民币，承诺承担全部损失 5

05:18：Circle CEO 公布冻结进展。

根据 Jeremy Allaire 原帖，Circle 已配合执法部门冻结超过 8 亿 USDC，并将继续支持调查。

05:25：Tether CEO 公布冻结进展。

根据 Paolo Ardoino 原帖，Tether 已冻结超过 15.67 亿 USDT，与币安潜在黑客攻击有关。两家公司公布的冻结金额合计超过 23.67 亿美元。

05:29：币安更新声明，称用户资金安全。

币安的官方声明经历了更新。根据其 X 页面显示的时间，北京时间 10 月 30 日 05:29，币安在更新声明中表示，团队已注意到潜在安全问题，正在积极调查，并强调“用户资金完全安全”。

06:07：两个相关钱包合计持有约 25.3 万枚 ETH。

截至 10 月 29 日 22:07 UTC（北京时间 10 月 30 日 06:07），两个相关钱包中合计存有约 25.3 万枚 ETH，估值约 5.7 亿美元，

06:15：币安表示，安全问题解决后恢复提现。

到了 06:15，币安在后续声明中表示，团队正在进行安全检查，提现将在安全问题完全解决后恢复，同时再次表示用户资金安全。该声明没有给出恢复提现的具体时间。

06:23：CZ 表示，损失可能高于约 10 亿美元的估算，但会覆盖。

CZ 在 X 上引用了 0xngmi 的帖子。对方估算，考虑已被冻结的 USDT 和 USDC 后，损失约为 10 亿美元。CZ 回复：“Loss might be a bit higher than that, but will cover.”（损失可能比这个数字高一些，但会覆盖。）

至于网上出现的接近 58 亿美元的数字，BleepingComputer 特别说明，这是 Arkham 追踪的 55 个相关地址所持有的约 57.8 亿美元资产总值，并非已经确认从币安被盗的金额。

截至目前，币安尚未公布最终损失，后续资金去向及赔偿结果仍需等待观察。

原文：https://www.appinn.com/binance-security-incident-20261030/

上期回顾

相关阅读

不弹任何授权，它能读到多少

我最想要的部分：哪里露了馅

WebRTC 泄露单独做了一页

浏览器指纹这件事

可以分享，但不带 IP

关于隐私

开源，MIT

黑屋

黑神话

黑话

超智融合已是必然趋势

超智融合难在哪？

智能体将成为科研的操作系统

01

02

03

引子

我的方案

为什么新AI做不到：卡住它的不是眼睛，是两样东西

人类赢的不是聪明，是手感和时间

反转：其实AI能拼，用的还是40年前的技术

真正值得警惕的事

结语

一、承诺兑现，但考题换了

1.调试线准时开了工

2.验收标准从下线变成毛利

3.产线之外还有一本账

二、没变的还在涨，变的部分是成色

1.出口从冲击变成定局

2.份额爬坡还在加速

三、变坏的，是另外三条线

1.国内从缩量变成失血

2.抽走利润的手多了一只

3.门票已经退过一次

四、把成绩单放进五十年里看

1.渗透是时间问题

2.钱回不回，仗停不停

3.出清开场，但慢半拍

哪些 iPhone 可以使用？

首批支持哪些 AI 功能？

Siri 接入千问

但新版 Siri AI 还没有来

11 月 4 日开始测试，12 月正式推出。

相关阅读

周末也值得一看的新闻

iPhone 国行 AI 官宣，11 月 4 日开放测试

这波更新，iPhone 先吃

苹果守端侧，千问当「外援」

距离「满血版」Siri AI，还有多远？

原标题：全球最大数字货币交易所币安疑遭黑客攻击，大量 ETH、USDT、USDC 被转出，涉及约 230 亿元人民币

事发前：攻击发起地址从混币器收到约 0.3 ETH。

04:24：Binance 14 出现大额资产转出。

04:34 起：相关钱包开始通过去中心化交易服务取得 ETH。

04:41：另一个热钱包转出 7.8 亿 USDC。

04:57—05:01：约 6000 万 USDT 被用于抵押借出 ETH。

05:15：CZ 表示，看起来是针对币安的黑客攻击。

05:18：Circle CEO 公布冻结进展。

05:25：Tether CEO 公布冻结进展。

05:29：币安更新声明，称用户资金安全。

06:07：两个相关钱包合计持有约 25.3 万枚 ETH。

06:15：币安表示，安全问题解决后恢复提现。

06:23：CZ 表示，损失可能高于约 10 亿美元的估算，但会覆盖。

相关阅读