AI 变现案例

当AI工具迭代快到让人麻木，一位TOB营销人却通过“养”出三个数字员工，将内容生产、审核发布与视觉运营全链路自动化。本文从实战出发，拆解如何将AI从临时工具升级为固化流程的专职员工，并分享踩坑经验与职责隔离的智慧。 翻了一下上一篇“周记”的发布时间，2024 年。第九篇它隔了快两年才来，“周记”都要变“年记”了。 没更的这段时间，一方面是 TOB 业务的营销工作感觉没啥新鲜事儿可写，中途也想过写些 AI 助力营销的东西，又发现落地实践的经验太单薄，效率提升的助力并不大。另一方面——AI 这东西这两年变化太快，快到每隔几周就有新东西炸一圈。我都有点懒得去了解新的东西，身边人讨论 prompt、讨论 Agent，我内心 OS 是“只要你还来不及学，就不用学，因为永远有新的”。 直到 CoWork 类的工具推出后，某天我随手丢了个活给 AI 试了试，被它干出来的东西惊到了——不是那种“哇好炫”的惊，是那种“等等，这活儿我以前跟 AI 对话几轮下来效果都不尽如人意，现在它几分钟就出得有模有样”的惊。那一刻我有点坐不住了。 坐不住之后，心态就慢慢变了：从“不学就不用学”，变成“既然躲不开，不如主动拥抱看看”。再往后，就不只是拥抱了，我开始琢磨怎么让 AI真正融进我的日常工作流，而不是每次都临时开个对话框、用完即弃。 这一琢磨，就琢磨出了三个数字员工——不是写个 prompt 玩玩就算的尝鲜，是真放到工作流里、能替我干活的那种。 先说结论：AI 确实帮我把个人工作效率提上来了。至于怎么养的，养出来能干嘛，且听我慢慢拆解～ 01 为什么是“养”，不是“用” 前面说了，我以前用 AI 写软文就是“临时工”模式：开个对话框、写个 prompt，把需求往里一丢，让它出稿。出来的东西一股“模型味”，发到技术社区一眼被看穿是广告。而且每用一次都要重新描述背景、重新调教语气、重新纠正它别瞎编数据。用着用着就累了——这不是在用工具，是在伺候工具。 与其每次都临时调教一个“临时工”，不如一次性把一个“专职员工”培养好让它固化下来，以后直接派活。 这就是“养”的逻辑。养好了，它就是你的数字员工，带着你沉淀的经验和标准，按你的规矩干活，不用你每次从头教起。 02 三个数字员工，各干各的活 对于内容营销工作来说，说白了就三件事：写软文、审软文、发软文。以前经常遇到内容生产卡点、审核费精力、软文复用率不高等问题。现在，我把这三件事分别交给了三个数字员工。 1号分身软文生产员——专治“写不出来” 痛点：我负责的产品是数据库产品，纯技术软文这东西，门槛挺高。得既懂数据库内核，又懂社区调性，还得写得不像广告。以前一篇客户案例从选题到成稿，得憋好久，而且严重依赖产品、SA、客户的支持。 怎么养的：我把这个数字员工的“脑子”分成了几块—— 产品知识库 把产品的技术卖点、官方文档、演讲材料、SA 的解决方案 PPT，所有涉及到客户案例、产品介绍、解决方案的内容都喂给它，让它“懂产品”。而且定了条铁律——所有卖点必须基于官方文档可核验，不许杜撰数据。AI 最爱瞎编，这条得卡死。 社区调性调研 给它配了联网能力，写稿前先去抓目标社区近期热门技术文的风格。CSDN 是总分总、结论先行；知乎是理性深度长答；阿里云开发者社区偏 ToB 架构视角；腾讯云是手把手实操。一社一格，不能一稿投四平台。 活人写作规范 强制去广告腔、去模型腔，要求像一个真正部署过这产品的开发者在分享经验，卖点融在实战流程里自然带出，不单独列“产品优势”段落。这里我直接接入了开源作者@KKKKhazix的 human-writing Skill（活人感写作），它有一套很严格的中文长帖写作规范，成稿后会自动校验禁用句式（比如动不动就冒号、破折号、“不是…而是…”这种翻案句），保证写出来的东西读着像个真人在分享，而不是机器在念稿。 养好之后：我只要告诉它“写哪个产品、什么主题、发哪个社区、植入什么内容类型的留资链接”，它就能按调性产出成稿，并且在恰当的位置加入超链接，还附赠一份发布清单（标题候选、摘要、标签、分类、发布注意事项）。我从一个“撺稿的”变成了“派活的+把关的”。 2号分身SEO 审核员——专治“审到眼花” 痛点：我们有个 SEO 内容后台，每天躺着一批经 AI 初稿生成的“二审中”待发布文章。人工审核要逐篇过四道关：查竞品拉踩、校对描述、配广告位、更新发布时间。流程机械但容错率低，审久了眼睛发花，特别容易漏——比如把竞品写成拉踩没看出来，比如描述超了字数没发现，比如广告位配错了主题。 怎么养的：这个分身我养得最细，因为它要替我操作浏览器中的发布后台，每一步都得稳。 四道关自动化 登录后台、建任务清单、逐篇循环审核，全程给我同步进度。第一关通读正文查拉踩（还能区分“客观陈述”和“负面拉踩”，对负面描述改写成正

FDE 的核心不是驻场或写 Prompt，而是将模糊业务问题转化为可复用产品能力。本文提出三次关键转换：从诉求到任务、从成功到系统、从现场到资产，并强调用“两本账”衡量项目价值，警惕技术债背后的定义债。 我对 FDE 最明确的判断是：它的核心不是驻场，也不是写 Prompt，而是把一个尚未说清楚的业务问题，逐步变成有人使用、企业敢管、下一次还能复用的产品能力。 现在做出一个 Agent 演示已经不算太难。接入模型，准备几个工具，再设计一段工作流，很快就能让它读文件、查资料、生成结果。 但演示结束以后，更麻烦的问题才刚刚出现： 业务规则由谁定义？ 数据和系统权限怎么接入？ 模型判断错了怎么办？ 任务执行到一半中断，能不能继续？ 哪些动作可以自动完成，哪些必须由人确认？ 这次做完，下一个客户是不是还要从头再来？ 这些问题如果没有答案，Agent 即使成功运行过一次，也只能算一个项目成果，不能算真正的产品。 在我看来，FDE 真正负责的，就是完成三次转换： 把模糊诉求变成可验收的任务； 把一次成功变成可持续运行的系统； 把客户现场的经验变成可以复用的产品资产。 少完成任何一次转换，AI 都很难真正进入业务。 我不把 FDE 看成一个新岗位 FDE 的全称是 Forward Deployed Engineer，通常被翻译为前线部署工程师。 很多人会把它理解成“更懂业务的实施人员”，或者“派到客户现场的高级工程师”。这样的理解并不完全错，但只看到了执行工作，没有看到 FDE 背后的产品机制。 售前主要回答“能不能做、值不值得买”；咨询帮助客户判断“应该解决什么问题”；实施通常从相对明确的范围出发，完成部署、培训和验收。 FDE 面对的情况更复杂：客户知道现状不好，却未必能把问题说清楚；模型具备一些能力，却不知道怎样进入真实流程；标准产品覆盖不了全部需求，但团队又不能为每个客户重新开发一套系统。 所以，我不太愿意把 FDE 定义成一个更全能的人。 我更愿意把它理解为一种发生在客户现场的产品研发机制：当需求和产品边界都不确定时，团队通过快速工程验证，让业务问题与产品能力共同收敛，再把现场得到的经验带回产品。 如果 FDE 只依赖某个能力特别强的人，规模化以后一定会遇到问题。真正需要被建立起来的，是一套能够持续选问题、做验证、管风险和沉淀资产的工作方式。 第一项工作不是写方案，而是缩短证据链 面对一批可以使用 AI 的场景，我不会先问哪个项目看起来最智能，也不会优先选择最适合演示的那个。 我会先问：哪个任务最容易形成完整的价值证据链？ 具体来说，就是五个问题： 谁会使用？ 现在的问题是什么？ 输入从哪里来？ 结果由谁验收？ 多久能够看到变化？ 这些问题越清楚，项目越适合优先验证。 有些场景听起来很有想象力，但结果要经过几个月才能判断，价值还会受到市场、运营和人员变化等多种因素影响。这样的项目即使做出来，也很难证明 AI 到底创造了多少价值。 相反，一个任务可能没有那么“智能”，但它高频发生，有明确负责人，执行前后的时间、成本和错误数量都能比较。这种任务反而更适合作为第一个闭环。 因此，我认为 FDE 的第一项能力不是快速给出方案，而是在大量“看起来都能做”的需求中，选出最值得验证的那个。 第一份交付物也不应该是代码，而应该是一张任务机会卡。至少要写清楚当前成本、发生频率、业务负责人、数据条件、预期收益，以及什么情况下应该停止项目。 没有这张卡，团队很容易用开发进度掩盖问题本身的不确定性。 三次转换，决定 Agent 能不能进入生产 第一次转换：把模糊诉求变成可验收任务 “帮我提高运营效率”“做一个智能客服”“实现自动审核”，都不是可以直接开发的需求。 FDE 必须继续追问： 输入是什么？输出交给谁？业务规则有哪些？哪些情况属于例外？什么错误可以接受？什么错误绝对不能发生？哪些结果必须人工确认？最后用什么标准判断任务完成？ 很多业务专家会说：“这个我们看一眼就知道。” 但人的“看一眼就知道”，通常包含大量没有被说出来的经验。FDE 要做的，就是把这些经验变成团队和机器都能理解的规则、样本、边界与确认节点。 这一阶段应该留下的，不是一份泛泛的需求文档，而是一份任务契约：输入、输出、规则、例外、人工确认点、成功指标和明确不做的范围。 业务专家能够根据代表性样本给出相对一致的判断，任务才算真正被说清楚。 第二次转换：把一次成功变成持续运行 我对“生产可用”的判断很朴素：不是 Agent 能不能成功一次，而是失败以后能不能继续。 真实任务里，文件格式会变化，工具会超时，权限可能失效，模型也可能给出边界之外的判断。一个任务还可能持续数小时，中间出现网络中断、状态丢失或者人工长时间没有响应。 这些问题不一定适合放进演示视频，却决定了企业敢不敢把真实工作交给

AI短剧行业七个月从狂热到团灭，效率提升反而杀死行业。当技术将成本压至地板，供给爆炸而需求刚性，市场沦为运气赌场。本文揭示“效率陷阱”的通用公式，警示所有从业者：效率不是护城河，而是铲平护城河的推土机。 最近听到一个让人头皮发麻的故事。 酱油是个内容创业者，做AI漫剧的。 七个月前他在一档播客里意气风发地讲自己的规划，怎么把团队从几百人扩到三四千人，怎么把产能拉满，怎么用AI把内容生产成本打下来。 那是一个新行业刚被技术撬开的时刻，所有入局的人眼里只有一件事：跑得更快。 上周同一档播客再约他聊，他说的第一句话是：这个行业已经没有了。 不是变卷了，不是变难了，是直接没了。 七个月前还在规划招几千人，现在团队只剩三百个左右。 去年十月进场的公司，他说至少百分之九十五以上已经关门了。 故事本身已经够震撼了，但真正值得聊的，是这件事背后一个所有人都应该警惕的模式。 当技术把生产效率推到极致的时候，它消灭的不是某个公司，它消灭的是一整个行业的生存逻辑。 1. 把所有门槛打掉之后，剩下的就只有运气了 酱油的工厂用AI把一部短剧的制作成本压到了大概四万块钱，其中三万是算力费，人工费不到一万。 这在以前是完全不可想象的成本结构。 传统动画短剧需要原画、分镜、上色、合成十几道工序，每一道都是人力密集型的，一部几分钟的片子成本动辄几十万。 AI把这个成本直接削到了地板以下。 然后发生了什么呢？ 在一个月的时间里，整个平台涌入了十八万部新剧。 一天哪怕什么都不干只看剧，一个人最多能看二十部。 供需彻底失衡了。 不是因为需求不够大，是供给已经被炸到了人类注意力无法消化的量级。 成本可以降到零，但每个人一天只有二十四个小时，看内容的时间是有硬上限的。 当一个市场的供给侧可以无限膨胀而需求侧是刚性的，这个市场就不再是市场了，它是一个靠运气搏出头的赌场。 这件事最讽刺的地方在于，技术升级之前，所有人都在抢着用AI提效，觉得谁先跑到成本最低、产能最高，谁就能赢。 结果所有人都跑到了同一条终点线上。 你花四万做一部剧，我也花四万做一部，他花三万五做一部，质量都差不多，产能够谁都够，成本谁都不比谁高到哪里去。 以前做内容生意，选题能力、制作能力、组织能力这些是值钱的，你能做出比别人明显好的东西，就能比别人活得久。 现在AI把”做出来”这件事拉到了一个所有人都在的平均线上，于是唯一能让你脱颖而出的只剩下一样东西：你的剧有没有被算法选中。 这不是内容生意了，这是彩票生意。 你买的不是能力，是概率。 2. 酱油遇到的这件事，会发生在越来越多的行业里 你现在可能觉得这是AI短剧行业自己的悲剧，跟我没关系。 但把酱油这个故事抽象一下，它其实是一套通用公式。 任何一个行业，只要同时满足三个条件： 第一，核心产出可以被AI高度自动化； 第二，产出的质量在自动化后趋同，无法形成显著差异； 第三，需求端有明确的天花板，无法随着供给无限扩张。 这个行业就会进入跟AI短剧一模一样的死亡螺旋。 先是一波技术红利让人冲进去抢效率，然后效率被所有人拉平，供给爆炸，价格打到地板，最后所有人都不赚钱，只剩下极少数靠运气或靠平台关系活下来的幸存者。 翻译、基础插画、简单代码编写、标准化文案，这些领域已经在走这条路了。 AI把单次产出成本压到几乎为零，Freelancer平台上报价已经卷到不可思议的地步。 广告行业的标准创意物料也在被快速拉平，以前比的是创意和执行力，现在比的是谁的AI工作流搭得更顺滑，而AI工作流这件事，两个月就被大家抄平了。 任何一个行业，只要它的核心竞争壁垒是”我能比你更快更便宜地做出来”，那这个壁垒在AI面前连一张纸都算不上。 AI不会跟你比快比便宜，它直接把”做出来”这个动作本身的价值清零了。 效率从来不是护城河。 效率是铲平护城河的推土机。 当”做出来”不再值钱，你十年积累的”比别人快比别人好”的能力，瞬间清零。 3. 效率从来不是护城河，效率是铲平护城河的推土机 这可能是酱油的故事里最值得被反复琢磨的一句话。 Seedance 2.0出来之后，酱油说它不是让行业欣欣向荣，是让行业进入了慢性死亡。 为什么一个更好的工具反而杀死了行业？ 因为工具越好，门槛越低，门槛越低，所有人的产出越趋同，趋同之后唯一的竞争维度就变成了谁有流量、谁有渠道、谁有平台资源。 而这些东西，跟你的内容质量已经没有关系了。 你看，效率提高了，但钱反而更难赚了。 技术进步了，但从业者更焦虑了。 工具变强了，但行业萎缩了。 这不是某个行业的特例，这是AI时代”效率陷阱”的标准样本。 当”做出来”不再值钱，你过去花十年积累的”比别人做得快做得好”的能力就瞬间贬值。 而你在AI还没来的时候没有去建任何”做出来”之外的能力，品牌、关系、渠道、用户资产，那AI来的那一刻，你手里就只剩下一张已经被技术清零的旧船

面对AI的谄媚与通用建议，如何获得真正有价值的答案？本文从Reddit热帖出发，深入解析“钢人论证法”这一逻辑学概念，并将其转化为实用的双向钢人Prompt。通过真实案例演示，教你如何让AI强化正反观点、找出核心变量，最终逼出明确判断，帮你找到内心最真实的答案。 前几天，我在推特上刷到了一条很有意思的分享。 原文找不到了，只剩下了这张图。 大概意思就是，先不要让大模型直接回答，先进行一些深度思考，再给你回答。 我顺手也试了一下，效果确实还不错。 里面我觉得最有用的那句可能就是： “让最终答案真正对我有用，而不是给出一份谁都能套用的通用建议。” 但是坦诚的讲，毕竟Prompt这玩意已经快3年半了，都比一坤年还多了一整年，这个Prompt在日常用的时候，确实还可以，但是我觉得还没有到能形成一个很棒的方法论的程度。 于是我又去顺手找了一下上面帖子里面说的Reddit的原文，用AI搜索，很容易就找到了。 结果发现，这篇原帖已经是五个月前发的了。 原帖的标题大概是：“这是我找到的，能让Claude真正开始思考的最好用的方法。” 而这个原文的开头，其实英语原句是： Stop asking it for answers. Ask it to steelman your problem first. 我英语虽然很不好，但是最近几年因为看了太多AI的内容了，所以大多数英文单词还是认识的，但是这个steelman确实给我整懵了。 直到往下翻评论区。 不是，steelman这玩意被翻译成钢人法或者钢人论证？这是个啥？为啥都在下面说上面这个Prompt不是那么钢人论证？ 于是我立马去调研学习了一下，这才弄懂。 但弄懂了之后，我想说，这玩意，确实是值得所有人跟AI对话时都值得使用的Prompt宝藏。 steelman这个所谓的钢人论证，其实是从straw man这个词里硬生生造出来的。 straw man是一个逻辑学里非常经典的观点，也是一个很有意思的辩论技巧，叫稻草人谬误。 大概意思就是，两个人争论时，其中一个人故意把对方的观点说得特别蠢、特别极端、特别容易攻击，然后对着这个被篡改过的弱版本一顿输出。 比如你说：“我觉得这台XX手机有点贵。” 对方说：“哦，懂了，你看不起国产手机。” 我相信大家日常生活里经常遇到到这样的人，这就是strawman，稻草人谬误，你真正的观点被削弱、扭曲了。 后来英语里就出现了一个特别形象的反向说法： steelman。 straw是稻草，软弱、一碰就倒。 steel是钢铁，坚固、强壮、难以击败。 于是，钢人论证法出现了，也就是steelman，它完全是稻草人谬误的反面，它要求你先替对方把论点补完整，把其中最合理、最难反驳的部分全部找出来，甚至说得比对方本人还好，然后再开始判断。 这个东西的内核其实在历史上出现过很多次了。 比如现代自由主义思想史上的殿堂级著作《论自由》第二章，就提过一句话： “He who knows only his own side of the case knows little of that.” 翻译过来就是： “一个人如果只知道自己这一边的论点，那他对自己这一边其实也知之甚少。” 所以，底下很多人对原帖的Prompt的批判我觉得是有道理的，因为确实没有把钢人论证表达的更加深入一些。 真正的钢人论证，它会逼着AI暂时放下你的立场，把你最容易忽略、最不愿意面对的那一边，让你直面面对。 因为所有人都知道，直到如今，AI最大的问题依然是谄媚，会不断的顺着你的观点说，即使强如Fable 5和GPT 5.6 Sol，依然如此。 所以，我觉得，钢人论证法这个内核，实在对我们大家来说，太有用了，因为真的能最大程度避免模型的谄媚。 于是，我自己花了一点时间，写了一个双向钢人Prompt： 先别急着回答，也别默认我已经把问题想清楚。请先对这个问题做一次详细思考的“双向钢人论证”：1.用最完整、最有力的方式，重述我真正想解决的问题。2.使用钢人论证法分别给出支持我当前想法、以及反对它的最强论证。3.找出双方真正的分歧，以及最可能改变结论的关键变量。4.只问我一个最关键的问题。等我回答后，再给出明确判断、理由和下一步行动。 我的问题是：[粘贴你的问题] 就这么长。 但是我觉得足够了，在使用体验上也非常的舒适。 之所以叫双向钢人化，本质上不是为了让AI充当什么钢人跟你辩论，而是有一个我自己的小巧思在。 AI = 执行钢人论证这个动作的人。 你的观点 = 第一个被钢人论证强化的对象。 反对你的观点 = 第二个被钢人论证强化的对象。 所以，最后AI手里会得到两个钢人强化后的最强版本。 这样，我觉得能最大程度的，帮我们找到这个问题最本质的答案。 整个Prompt一共做四件事。 第一件事，是重写你的问题。 因为这几年我其实发

IT之家 8 月 18 日消息，科技媒体 Windows Central 昨日（8 月 17 日）发布博文，对比了 Windows 11 发布约 5 年间的前后变化差异。IT之家注：微软于 2021 年 6 月 24 日首次公开展示 Windows 11 系统，首个正式版（21H2）于 2021 年 10 月 5 日发布。过去 5 年间，微软通过年度功能更新、数十次累积更新和数千项漏洞修复，补回任务栏拖放、应用标签等功能，并扩展文件资源管理器、设置、搜索、多任务和辅助功能。该媒体指出 Windows 11 首个版本存在诸多不足，例如文件资源管理器没有标签页；任务栏失去拖放、应用标签和“从不合并”等功能；许多高级设置仍会跳转至控制面板。在体验方面，新版右键菜单打开部分选项需要额外一步点击。早期版本还出现动画迟滞、文件资源管理器响应慢、内存占用较高和新旧界面混杂等问题。一、开始菜单微软于 2021 年推出的首个 Windows 11 版本中，开始菜单处于固定状态，用户无法调整菜单大小，也无法完全隐藏推荐项。2021 年版开始菜单2026 年版本新增“小”“大”和“自动”3 种尺寸选项，并改进固定内容和最近内容的组织方式。2026 年版开始菜单二、任务栏任务栏是首发版本争议最大的部分之一。微软于 2021 年移除了拖放、应用标签、“从不合并”选项，并将右键菜单缩减为单一快捷入口；用户也无法把任务栏移到屏幕其他边缘。2021 年版任务栏设置2026 年版本已恢复拖放、应用标签和“从不合并”功能，并增加系统托盘的自定义选项。文章称，微软还重新支持把任务栏放在屏幕顶部、左侧或右侧。2026 年版任务栏设置三、文件管理器在 2021 年版本中，文件管理器启用新版命令栏和图标，但改动以外观为主。它没有标签页，文件夹切换可能较慢，用户常需额外点选才能访问旧版右键命令。2021 年版文件管理器在最新版本中，文件管理器新增标签页、重新设计的主页、改进缩略图、云服务整合和更清晰的文件大小信息。2026 年版文件管理器用户可通过鼠标中键在新标签页中打开文件夹，微软还改善打开文件夹、切换标签页、加载预览和搜索文件等操作的响应速度。四、设置应用在历经 5 年的迁移，微软已逐步将控制面板相关功能迁移到设置应用中。在 2021 年版本中，许多高级选项仍跳转至控制面板或旧式对话框。2026 年版本已纳入更多设备、个性化、账户和系统功能设置，并改进搜索与页面结构。五、搜索2021 年的 Windows Search 主要依赖关键词和索引。2026 年，文章称其已改进索引、拼写纠错、本地结果和短查询理解，并在受支持设备上增加 AI 驱动能力。微软还计划在任务栏引入 Ask Copilot 功能，补充完善 Windows Search 的搜索体验，让用户用自然语言查找文件、设置和应用。六、Snap 布局微软新版 Windows 11 现已增加布局建议，并改善对大屏幕和多显示器的支持。小组件则从以新闻、天气和微软服务为主的信息面板，增加更多个性化控制和整合选项。2021 年版 Snap 布局2026 年版 Snap 布局七、加速整合 AI2021 年版 Windows 11 没有内置 AI 助手，在兼容设备本地运行的 AI 模型。到 2026 年，微软已将 Copilot 融入系统，并面向配备 NPU（神经处理单元）的 Windows 11 AI+ PC 扩展 AI 功能。八、安全微软将响应速度、资源管理和可靠性列为 Windows K2 工作的重点。文章认为，2026 年版本已改善核心组件、文件资源管理器和动画表现，但该媒体认为 Windows 11 仍有后续优化空间。安全方面，Windows 11 在 2021 年已要求受支持设备配备 TPM 2.0 和 Secure Boot 安全启动。2026 年版本进一步扩展 Windows Hello Enhanced Sign-in Security、通行密钥支持和 Administrator Protection。

IT之家 8 月 18 日消息，根据 MacRumors 在 macOS Tahoe 26.7 RC 中发现的一段视频，证实苹果正在研发配备摄像头的 AirPods，而且这款产品似乎已经接近正式推出。IT之家注意到，在这段简短的演示视频中，一名男子拿起一本书，让 AirPods 上的摄像头拍摄书名。画外音文字写道：“借助视觉智能，你所看到的世界都可以被保存。看到喜欢的东西？只要告诉我，我就能帮你保存下来，以便稍后查看。”AirPods 上的摄像头将把获取的信息提供给“视觉智能”（Visual Intelligence），Siri 则可以回答用户有关周围环境的问题，并记录相关信息。系统代码中还直接出现了在 AirPods 上设置“视觉智能”的相关提示。如果头发遮挡了 AirPods 上的摄像头，用户还会收到提醒。系统提示写道：“为了获得有关周围环境中物体的最准确信息，请确保 AirPods 没有被遮挡。”这款配备摄像头的 AirPods 内部代号为 B790，此前彭博社记者 Mark Gurman 也曾曝光过这一代号。Gurman 此前透露，这款 AirPods 最快可能在今年 9 月发布，因此苹果有可能在以 iPhone 为核心的秋季发布会上推出这款产品。届时，苹果预计还将推出 iPhone 18 Pro、iPhone 18 Pro Max 以及可折叠 iPhone Ultra。macOS Tahoe 26.7 中还多次出现了 B790 的相关信息，同时也曝光了大量其他尚未发布的苹果产品。

IT之家 8 月 18 日消息，荣耀 Robot Phone 今日（8 月 18 日）10:08 正式开售，售价 9,999 元起。12GB RAM + 512GB 存储空间：9,999 元16GB RAM + 1TB 存储空间：12,999 元京东荣耀 Robot Phone9999 元直达链接IT之家附荣耀 Robot Phone 主要亮点如下：行业首创钛合金灵巧云台，4 自由度全新 YOYO 机器人模式，随音而舞，自动追踪首发 ARRI LogC3 录制格式，11 种 ARRI Look，6 种专业运镜荣耀 Robot Phone 可选星轨银 / 月影灰两种配色，整体厚度 9.59mm，重量 248g，正面配备一块 6.3 英寸 2640x1216 分辨率 LTPO 直屏（峰值亮度 6,800 尼特，配备 AR 反射膜）。手机搭载高通骁龙 8 Elite Gen5 处理器，内置 7060mAh 电池。影像方面，荣耀 Robot Phone 行业首发钛合金云台架构，架构采用航空级钛合金，与行业主流云台相比体积缩减 65%；行业首发钛合金云台电机，云台电机最大转速 360°/秒。云台配备 200Mp 1/1.28" F1.6 23mm 超大底传感器。同时手机也拥有 50Mp 122° 超广角、200Mp 1/1.4" 2.7X F2.6 大底潜望长焦。荣耀 Robot Phone 首发自研影像芯片“荣耀驭光 H1”，提供“大师电影”拍摄模式，首次将阿莱 Log-C 编码和 LUT 调色文件引入移动端，支持 C-Log、LUTs 全部可用，同时提供了摄影师和导演常用的锁焦、锁白平衡、锁 AE 和运镜数据等功能。此外，相机支持 AI 物体追踪、AI 视频剪辑与智能拍摄，可实时感知与补偿以确保画面稳定。荣耀 Robot Phone 还首发 YOYO Pro 模式，支持长指令、可实现百轮以上自动执行能力。同时产品具备情感表达能力，能够主动识别用户的情绪状态、使用习惯及当前所处环境。还能在 Skill 商店中自由调用多种技能。京东荣耀 Robot Phone9999 元直达链接

IT之家 8 月 18 日消息，来自美洲、欧洲和中东超高净值人士的家族办公室和投资机构，已经累计持有数十亿美元的 SpaceX 股票敞口，凸显出这些私人资本在争抢热门投资机会方面的强大实力。据彭博社根据 13F 监管文件整理的数据，凯悦酒店继承人 Nick Pritzker 旗下家族办公室截至 6 月底持有价值 18 亿美元（IT之家注：现汇率约合 121.56 亿元人民币）的 SpaceX 股份。SpaceX 是一家由埃隆 · 马斯克创办的火箭、卫星和人工智能公司，而这笔投资发生在其 IPO 后仅数周。监管文件显示，Michael Platt 旗下的 BlueCrest Capital 以及巴西 Moreira Salles 金融世家持有的 SpaceX 股份价值均超过 1 亿美元（现汇率约合 6.75 亿元人民币）。与此同时，阿布扎比统治者谢赫 · 穆罕默德 · 本 · 扎耶德 · 阿勒纳哈扬旗下的一家投资机构，也披露持有这家总部位于得克萨斯州的公司约 6,500 万美元（现汇率约合 4.39 亿元人民币）的股份。截至 2026 年上半年，监管文件显示，超过十家家族办公室合计持有 SpaceX 至少 38 亿美元（现汇率约合 256.62 亿元人民币）的股份。SpaceX 的正式公司名称为 Space Exploration Technologies Corp.，即太空探索技术公司。其中一些投资者，包括 Pritzker 旗下的 Tao Capital 以及控制巴西最大银行之一的 Moreira Salles 家族，也同时是特斯拉的投资者，而特斯拉是马斯克商业帝国中另一家上市公司。这些信息首次让外界得以看到全球一些最具影响力的私人投资者在 SpaceX 上市后的持股情况。SpaceX 于 6 月 12 日正式开始交易，此前一直被视为全球最炙手可热的初创企业之一。其 750 亿美元（现汇率约合 5,064.86 亿元人民币） IPO 的需求超过可发行股份数量的 4 倍。上市后的最初几天，SpaceX 股价一路飙升，但到 8 月初，公司市值累计蒸发超过 1 万亿美元（现汇率约合 6.75 万亿元人民币）。本月原本还有一项针对股东的限售期解除安排，允许部分股东减持股份，一度被认为可能给 SpaceX 股价带来进一步压力，但最终这一因素对股价的影响十分有限。SpaceX 此次 IPO 规模创下历史纪录，是近十年前沙特阿美 294 亿美元（现汇率约合 1,985.43 亿元人民币） IPO 规模的两倍多，同时也让马斯克成为全球首位万亿美元身家的人。家族办公室通常是为超高净值人士管理财富的私人投资机构，过去 20 年来数量迅速增加。这主要得益于科技、金融和医疗保健等行业财富持续增长。由于家族办公室通常只服务于一个或少数几个客户群体，因此相比传统机构投资者，它们往往拥有更高的灵活性，也能够进行更加长期的投资。这使得企业经常主动寻求家族办公室提供资金支持。与此同时，家族办公室雄厚的资金实力也让它们更容易参与 SpaceX IPO 这类备受追捧的投资交易，尽管其中一些机构也可能在 SpaceX 上市之前就已经获得了该公司的股份。本月披露 SpaceX 持股的其他家族办公室还包括为澳大利亚首富 Gina Rinehart 提供服务的投资机构。Rinehart 曾于 6 月表示，她对马斯克旗下公司进行了“一笔重大投资”，但没有透露具体持股规模。数据显示，这笔投资价值接近 14 亿美元（现汇率约合 94.54 亿元人民币），是其旗下 Hancock Prospecting 美国上市股票投资组合中规模最大的单一持仓。全球最大媒体财富家族之一的继承人 David Thomson，则通过自己的私人投资公司持有价值近 100 万美元（现汇率约合 675.3 万元人民币）的 SpaceX 股份。免税购物行业大亨 Alan Parker 旗下家族办公室也披露持有少量 SpaceX 股份，同时还持有约 47.5 万美元（现汇率约合 320.8 万元人民币）的特斯拉股份。根据美国监管规定，管理美国股票资产超过 1 亿美元（现汇率约合 6.75 亿元人民币）的投资机构，必须在每个季度结束后的 45 天内提交 13F 文件，披露其持有的美国交易所上市股票。这些文件是外界了解对冲基金以及部分大型家族办公室投资动向的少数公开渠道之一。第二季度 13F 文件还披露了一些值得关注的投资动向。Stanley Druckenmiller 旗下 Duquesne Family Office 增持了全球最大芯片制造商之一台积电的股份。亿万富翁乔治 · 索罗斯旗下投资机构 Soros Fund Management 减持了电商和云计算巨头亚马逊的股份。David Tepper 旗下

IT之家 8 月 18 日消息，初创企业 Groq 去年 12 月与 NVIDIA（英伟达）签署了一份价值 200 亿美元的非独家技术许可协议，向芯片巨头提供 LPU 推理加速 ASIC 授权。Groq 此后从 AI 芯片开发者转型为新兴 AI 云服务供应商，也就是俗称的 "Neocloud"。而在美国当地时间 8 月 17 日，Groq 宣布以 35 亿美元（IT之家注：现汇率约合 236.36 亿元人民币）估值完成 3.5 亿美元 A 轮融资。本轮融资由 Disruptive 领投，NVIDIA 计划参与。加上今年 6 月的 6.5 亿美元后，Groq 近期累计融资 10 亿美元。Groq 本月 12 日宣布成为 NVIDIA 云合作伙伴。该企业将为用户提供基于中大型 NVIDIA 加速计算集群的训练和推理服务。其算力容量有望从当前的 54MW 提升至 2027 年的 200+MW。

IT之家 8 月 18 日消息，曾任 OpenAI 高管、同时也是生物医药初创公司 ChronicleBio 联合创始人的 Fidji Simo 表示，她相信人工智能最终能够治愈所有疾病，但仅仅让 AI 模型变得更加智能，并不足以实现这一目标。Simo 当地时间周一在 X 上回应了 Anthropic CEO Dario Amodei 此前的言论。Amodei 周末表示，AI 企业需要真正取得具体的突破，才能赢得对这项技术持怀疑态度的公众的认可。Simo 写道：“我在很多事情上都不同意 Dario 的观点，但这句话完全正确：‘现阶段，说 AI 将治愈癌症，与其说令人振奋，不如说已经变成了一句陈词滥调，而且大多数人认为这种说法具有欺骗性。真正有效的方式，是实际治愈癌症。’”她引用了 Amodei 的原话。Amodei 的这番言论，是他为 Anthropic 对 AI 未来发展的判断进行辩护的一部分。上周六，他反驳了外界关于自己过于悲观看待 AI 潜在收益的说法。他表示，AI 行业之所以遭到公众质疑，是因为企业过去做出了许多宏大的承诺，却没有兑现。Simo 认同 Amodei 关于必须真正取得医疗突破的观点。她表示，问题在于，人们往往会简单地把更智能的 AI 模型与疾病治愈直接联系起来，却忽视了两者之间还存在一整套必不可少的基础设施。她认为，目前最大的“瓶颈”在于能否获得“正确的生物学数据”。如果缺乏理解某种特定疾病所需的数据，即使 AI 拥有强大的推理能力，也无法凭空找到治愈方法。Simo 写道：“讽刺的是，这也是为什么我最看好 AI 率先在癌症领域取得巨大进展。几十年来的投入已经积累了规模惊人的数据集，涵盖基因组学、病理学、医学影像、临床治疗结果等多个领域。”她表示，对于更加复杂的慢性疾病，目前还不存在如此完善的基础设施。据IT之家了解，Simo 创办 ChronicleBio 正是希望解决这些问题。2025 年 8 月，在她加入 OpenAI 担任应用业务 CEO 的前后，Simo 联合创办了这家生物科技公司。ChronicleBio 正在建立相关数据集，以便更好地理解复杂的慢性疾病。Simo 此前也曾谈到自己患有体位性心动过速综合征（POTS）。这是一种慢性疾病，往往较难诊断和治疗。今年 7 月，Simo 宣布辞去在 OpenAI 的全职职位。此前她曾因健康原因休假，并表示将把更多精力放在恢复上。Simo 周一写道：“模型智能和生物学基础设施必须同步扩张。我确实相信 AI 能够治愈所有疾病，但前提是我们必须以与模型能力提升相同的速度，建设将 AI 智能转化为实际治疗方案所需的基础设施。”

IT之家 8 月 18 日消息，科技媒体 NeoWin 昨日（8 月 17 日）发布博文，报道称微软 PowerToys 更新至 v0.101.2282.0 预览版，重点修复 Command Palette（命令面板）Dock 错误，并降低 Dock 刷新时的资源占用。IT之家援引博文介绍，用户将 Command Palette Dock 停靠、取消停靠，或通过 Win+P 切换显示模式后，Dock 可能显示为空白，或载入错误配置。微软在本次更新中重点修复该问题。微软在本次更新中，还通过复用项目视图模型、合并多次刷新请求，以及清理已替换或废弃的项目，降低 Dock 刷新过程的资源占用。在扩展管理方面，更新加强了操作结果校验。Command Palette 安装、更新或卸载扩展包若失败，系统不会再将失败操作当作成功变更记录。本次更新中，微软在第三方 Command Palette 插件目录中添加 DevDocs 扩展，用户可在目录中发现并安装该扩展。项目内部还新增 GitHub 自动化功能，包括每日重复议题摘要，以及由 AI 协助处理的拉取请求接入程序。

IT之家 8 月 18 日消息，彭博法律的报道指出，根据 8 月 14 日美国纽约南区破产法院发布的通知，Google（谷歌）以 1,000 万美元（IT之家注：现汇率约合 6,753.1 万元人民币）的价格收购了破产廉价航空公司 Spirit Airlines（精神航空）的一批企业数据。这些数据包含 75 亿条可追溯至 2008 年的乘客交易记录、72 亿条竞争航班定价信息、5 亿条 Microsoft Teams 聊天和协作记录、1 亿封电子邮件、3000 万行代码、最早可追溯至 1986 年的超过 17.5 万条员工记录，此外还有一系列其它业务数据。图源：Pexels上述数据集不包括个人数据和机密材料，交付谷歌前将由第三方进行匿名化处理。谷歌发言人表示这部分企业数据将用于改进其产品与人工智能模型。谷歌在这笔交易中的竞争对手为人工智能人才招聘公司 Mercor，后者开出了 750 万美元的报价。

IT之家 8 月 18 日消息，“华为员工首批阿维塔 07L 交付暨 5,000 台交付仪式”于 8 月 16 日在广东东莞华为松山湖园区举行。阿维塔科技副总裁王金海、华为智能汽车解决方案 BU Marketing 与销售服务部副总裁张守卫等出席仪式，共同为华为员工交付新车。截至目前，阿维塔向华为员工已累计交付超 5,000 台新车。交付仪式现场，阿维塔科技副总裁王金海表示：“华为的伙伴们可以说是最懂科技、最懂产品的一群人，5,000 名华为员工成为阿维塔车主，是对阿维塔产品力最权威的投票。阿维塔从成立第一天起，就是长安、华为、宁德时代三方共创的产物。这种合作不是简单的供需关系，而是真正的联合定义、联合开发。此次交付的阿维塔 07L，从智驾到底盘到座舱，每一个环节，阿维塔团队和华为团队都一起打磨、反复推敲，只为追求最好的表现，这台车本身就是双方‘联合共创’的典范之作。”综合IT之家此前报道，阿维塔与华为最早在 2019 年 1 月达成战略合作；2024 年，双方合作升级为“HI PLUS”模式，合作范围拓展至用户洞察、产品定义、开发、营销全链条；2025 年，阿维塔完成对华为引望 115 亿元战略投资，持股 10% 成为引望外部股东；2026 年 4 月，阿维塔与华为慧通签署战略合作协议，将合作延伸至服务端。

IT之家 8 月 18 日消息，据《金融时报》报道，一项针对亚马逊、谷歌、Meta 和微软目前正在美国建设的 60 座大型数据中心的最新分析显示，这些数据中心全部投入运营后，每年累计可能产生约 1.015 亿吨二氧化碳排放量，相当于 2025 年美国电力行业全年排放量的约 7%。换个更直观的说法，这相当于运行 27 座燃煤电厂，或者让美国道路上再增加 2,400 万辆燃油汽车。IT之家注意到，美国数据中心和人工智能产业快速扩张所引发的反弹已经持续了一段时间，并且围绕用水、土地征用以及噪音投诉等问题不断升温。最近，环保活动人士 Erin Brockovich 开始绘制受到数据中心建设和运营影响的社区地图，而多项民调显示，大多数美国人并不希望 AI 工厂建在自己居住的社区附近。如今，数据中心还可能面临一个迫在眉睫的碳排放问题。仅仅 5 年前，大型科技公司还公开承诺要大幅减少碳排放，现在可以说与当初的承诺背道而驰。《金融时报》发现，亚马逊 2025 年的碳排放量较 2024 年增加 16%，主要原因是数据中心建设以及电力采购量增加 34%。微软同期估算的排放量增长了 25%，而谷歌母公司 Alphabet 根据自身调整后的计算口径公布的排放量则同比增长 18%。研究人员认为，这一变化是多种因素共同作用的结果，包括 AI 基础设施需求规模急剧扩大，以及特朗普政府执政后，美国气候政策环境发生明显变化，大幅削弱气候监管措施和清洁能源税收优惠，同时更加倾向于支持化石燃料。从电网建设情况来看，数据同样反映出类似趋势。2025 年，美国正在开发的燃气发电装机容量接近增长至原来的 3 倍。分析人员预计，如果目前规划中的项目全部建成，美国现有燃气发电基础设施规模最高可能增长 50%。研究人员表示，这并不是说美国清洁能源建设已经完全停滞，而是公用事业公司正在争分夺秒地满足数据中心不断增长的电力需求，而且这些数据中心需要全天候稳定供电。在大规模储能技术取得突破之前，天然气和煤炭等化石燃料相比风能和太阳能更容易满足这种需求。这也导致科技巨头越来越依赖可再生能源证书，以弥补其公开减排承诺与实际电网能源结构之间的差距。不过，这种方式成本高昂，而随着企业盈利压力不断增加，这类支出未来很可能逐步缩减。与此同时，公用事业公司正在扩大电力生产，以应对不断增加以及预计还会进一步增长的需求，并准备在美国各地新增数万兆瓦的发电能力，专门服务数据中心基础设施。在这 60 座数据中心所在地区，约四分之三的电力运营商正在建设或规划新的燃气发电能力；而目前仍在运营燃煤电厂的电力企业中，约三分之一正在推迟原定的退役时间。这轮新增的燃气和煤炭发电项目目前在美国整体能源结构中所占比例仍然不算大，但增长速度非常快，其发展方向与专家几年前的预期恰恰相反。由此带来的环境影响和电网压力正在不断累积，成为 AI 产业高速扩张所付出的又一项成本，而这显然并不是科技行业之外的大多数人主动选择承担的代价。

IT之家 8 月 18 日消息，商务部会同国家发展改革委、财政部、人力资源社会保障部、自然资源部、农业农村部、文化和旅游部、市场监管总局、金融监管总局等部门，今日宣布联合印发《关于进一步激发下沉市场活力 活跃县域消费的意见》（以下简称《意见》），系统部署激发下沉市场活力重点工作。《意见》提出活跃县域消费重点支持措施：一是支持县域消费渠道升级，加快存量商业设施更新，优化商业网点布局，完善商业服务配套，盘活闲置资源资产。二是推动县域商业业态创新和品牌打造，引导连锁企业加速下沉，促进本地品牌守正创新，因地制宜发展新兴业态。三是优化县域商品和服务供给，扩大优质优价商品供应，加快完善“一老一小”等服务业态，促进商农文旅体融合发展。四是进一步提升县域流通现代化水平，提高城乡流通网络效能，引导线上线下协同发展。五是增强消费保障能力，推动稳岗就业拓展增收途径，强化创业安居释放消费潜力。《意见》强化要素集成和营商环境建设。从财政资金、金融服务、用地支持等方面，强化政策保障，通过完善消费纠纷处理机制等措施，营造良好消费环境，推动资源要素、政策措施在下沉市场集聚，进一步活跃县域消费。《意见》提到，支持传统百货、老旧购物中心等升级改造，推动品牌连锁店、折扣零售店、生鲜电商门店等优化布局。深化“千集万店”改造提升，支持乡镇商贸中心、集（农）贸市场、乡镇特色大集等建设升级，标准化、规范化建设改造新型便利店、村级寄递物流综合服务站。《意见》要求推动一批核心商圈、特色商业街区等高能级消费载体建设，合理布局一批大型商业综合体，引进国内外品牌开设区域首店。《意见》还提到，支持县级政府利用腾退办公楼等闲置国有资产改建为便民商业网点。支持农村集体经营性建设用地依法入市发展县域商业，鼓励利用闲置农房发展符合乡村特点的新产业、新业态。《意见》鼓励企业积极引入优质商品进入县域市场，在有条件的县域同步上市新品，促进同品同款商品城乡“同质同享”。引导企业开发符合县域消费特点的优质产品，支持商贸流通企业以“自有品牌 + 以需定产”构建柔性供应链。大力支持新能源汽车、绿色智能产品、绿色建材等下乡，扩大农村充电设施覆盖范围。《意见》还称加强电商供应链建设，拓展乡情民俗、非遗技艺、乡村美食等农村电商应用场景。鼓励供应链企业为县域零售主体提供需求预测、物流优化、库存管理等服务，开展批量集采订制。引导平台企业自觉规范价格和平台补贴行为，对县域新入驻商户、小微商户等合理降低佣金、技术服务等费用。统筹县域电商公共服务资源，建设一批“村播学院”，加大公益培训力度。