AI 变现案例

IT之家 8 月 18 日消息，vivo OS 产品总监 @vivo百奇Bucky 今日发布视频，介绍了 OriginOS 7 系统「光影美学」设计的材质部分。今年，光影深入材质内部，带来更通透自然的效果。在复杂背景下，材质将遵循真实的光学规律发生折射，前后层次更加分明，让你时刻感知环境变化。在通透的基础上，同样要确保信息始终看得清。当文字与背景对比度不足时，系统会实时识别这些区域，再通过像素级透彩技术进行局部优化。该透的地方继续透，该清楚的信息依然清楚。另外，得益于全新的视效渲染引擎，配合更高效的渲染算法，在呈现真实效果的同时，也能兼顾性能和功耗。据IT之家此前报道，OriginOS 7 系统已于今年 7 月底开启了 Beta 内测招募，首批适配 vivo X300 Pro、vivo X Fold6、iQOO 15 等机型。目前，OriginOS 7 的 Beta 版已经开启了陆续推送。

IT之家 8 月 18 日消息，福耀玻璃今日发布 2026 年半年度（2026 年 1 月～2026 年 6 月）报告：营业总收入：219.71 亿元，同比增长 2.44%归母净利润：39.70 亿元，同比下降 17.37%扣非净利润：38.79 亿元，同比下降 17.58%经营现金流：45.51 亿元，同比下降 15.01%加权平均净资产收益率：10.34%基本每股收益：1.52 元，同比下降 17.39%稀释每股收益：1.52 元，同比下降 17.39%资产负债率：48.38% AI 解读本次福耀玻璃 2026 年半年度业绩，营收表现小幅超市场预期，归母净利润受汇兑损益影响同比下滑，低于市场预期。财报核心亮点营收实现小幅增长，219.71 亿元，同比增长 2.44%，增速高于汽车行业平均增速；归母净利润为 39.70 亿元，同比下降 17.37%；扣非归母净利润为 38.79 亿元，同比下降 17.58%；基本每股收益为 1.52 元，同比下降 17.39%；经营活动现金流净额为 45.51 亿元，同比下降 15.01%；利润下滑主要受汇兑损益影响，本期汇兑损失人民币 8.03 亿元，上年同期为汇兑收益人民币 6.02 亿元，扣除此因素后利润总额同比增长 4.78%；高附加值产品占比持续提升，智能全景天幕玻璃、可调光玻璃等高端产品占比较上年同期上升 8.03 个百分点，产品结构优化持续推进；公司拟进行 2026 年中期利润分配，每 1 股派发现金股利人民币 1 元（含税），合计拟派发现金股利人民币 26.10 亿元，分红比例达 65.73%。经营战略推进情况优化全域市场布局，坚持国内外双轮驱动，深化客户运营，提升客户满意度与粘性；推进新项目落地，有序推进多个重点项目建设，实现产能提质扩容，提升订单交付能力；聚焦核心技术创新，巩固行业领先地位，持续加快产品迭代，高附加值产品占比提升；推进数字化、智能化转型，优化管理模式，提升全产业链响应速度与运营效率。风险提示：本文内容由 AI 自动分析生成，仅供参考，不代表IT之家观点。如有出入请以证监会指定上市公司信息披露平台为准。本文内容不构成投资建议，如有投资者据此操作，风险自担，IT之家对此不承担任何责任。

IT之家 8 月 18 日消息，比亚迪方程豹陆续官宣了 2026 成都车展旗下的参展车型，除今天早些时候公布的插混六座 SUV 钛 9 以外，还有全新的轿跑车型方程 S 和方程 S GT，两款新车将在 2026 成都国际车展期间完成内外饰全球首秀。在今年 4 月举行的 2026 北京国际车展上，比亚迪方程豹宣布其首发的轿车系列产品线定名“方程 S”。官方公布了“方程 S”家族的三款车型：方程 S、方程 SL 三厢轿车，以及方程 S GT 猎装车。IT之家注意到，目前方程豹的“豹系列”属于智能化的越野车，“钛系列”属于全能化的城市车，最新迎来的方程 S 将于 2026 年第三季度上市。今年 6 月，工信部公布了第 408 批《道路机动车辆生产企业及产品公告》新产品公示，比亚迪方程豹品牌首款轿车 —— 方程 S / 方程 S GT 正式申报。申报信息显示，方程 S 长宽高分别为 5060/1967/1483 或 1458mm，轴距 2960mm，整备质量 2140kg，总质量 2580kg，最高车速达到 240km/h。该车搭载一台峰值功率 245kW 或 300kW 的单电机，还有 190/300kW 的双电机可选，匹配磷酸铁锂电池。方程 S GT 长宽高分别为 5025 或 5095/1967/1483 或 1458mm，轴距 2960mm，整备质量 2170kg，总质量 2595kg，最高车速达到 240km/h。该车同样搭载一台峰值功率 300kW 的单电机，以及 190/300kW 双电机，匹配磷酸铁锂电池。相关阅读：《比亚迪方程豹钛 9 插混六座 SUV 官宣 2026 成都国际车展全球首秀》

智能体项目失败，往往不是因为技术不行，而是产品定义从一开始就偏了。本文直击五大常见误区，从用户旅程、责任边界到资料变更管理，教你如何用七件事打造真正可落地、可复用的智能体 MVP，让产品在复杂业务中稳步推进。 很多智能体项目失败，并不是因为团队没有技术能力，而是产品定义从一开始就偏了。 常见的开场白是：“haoee我们做一个 AI 助手，能问答、写文案、查资料、调用系统。”这听起来功能丰富，却没有回答一个核心问题：用户在什么时刻、为了完成什么任务、愿意把哪一步交给智能体？ 如果这个问题没有答案，后面做得越多，项目越容易失控。 误区一：把“什么都能做”当成卖点 智能体不是能力越多越好。对用户而言，真正有价值的是在一个具体节点少花时间、少犯错误。 以会展服务商为例，交付团队每天都会收到展商关于报名材料、展位规则、活动安排的咨询。首期产品不需要承诺“自动完成招商”，而可以聚焦一个更小的任务：把客户咨询转为一份规范的答复草案，同时列出缺失信息、运营确认项和后续待办。 这个范围有三个好处：用户能理解、团队能验收、风险能控制。 误区二：用户旅程里只有“提问”和“回答” 真实业务不是一轮对话结束。一个完整旅程通常包括： 用户提交咨询和已有资料； 智能体识别问题类型； 依据已确认材料生成草案； 对未知或动态信息标记待确认； 运营人员审核并处理； 用户获得正式答复； 团队根据高频问题更新规则、模板或能力。 如果只设计“提问-回答”，智能体只是一个看起来更聪明的搜索框；如果把审核、更新和反馈纳入产品流程，它才会变成服务的一部分。 误区三：只考虑内容，不考虑责任 模型可以生成句子，但不能自然承担业务责任。日期、价格、优惠、报名资格、合同、付款、订单状态等信息，很多都不是“写得像”就可以对外发送的。 产品上应把输出拆成两层： 可直接使用的低风险内容； 必须由业务人员确认的内容。 这不是降低自动化程度，而是把自动化放在正确的位置。用户体验并不取决于系统是否永远自动完成，而取决于系统能否快速给出可信草案，并在不确定时把问题准确交给合适的人。 误区四：没有设计“资料如何变更” 智能体上线以后，资料一定会变。活动规则会更新，客户话术会调整，产品服务会增加。如果所有内容都散落在提示词里，运营人员无法判断修改会影响哪些回答。 更合理的产品结构，是把稳定规则放入知识库，把反复使用的交付格式做成模板或 Skills，把实时数据通过受控工具获取，把客户项目资料独立管理。模型、智能体、数据与能力资产各自有边界，才能支持后续版本迭代。 这类管理能力也是好易等面向智能体交付与运营的平台值得被关注的原因。它不是只让团队“快速做一个 Agent”，而是让交付伙伴能够管理客户项目中的知识、能力、入口和持续服务过程。 误区五：把上线视为终点 对于产品经理，上线之后至少要持续关注四类信号： 用户是否愿意提供足够的输入材料； 智能体在哪些问题上频繁要求人工确认； 哪些问题重复出现，值得沉淀为模板或规则； 哪些输出被人工修改得最多，需要调整流程或边界。 这些不是为了追求一个漂亮的“使用次数”，而是为了找到真正可产品化的服务单元。 产品 MVP 应怎样定？ 一个适合交付伙伴的智能体 MVP，可以只包含： 一个清晰的目标用户； 一个高频、低风险场景； 一个固定输入表单或对话引导； 一份结构化输出； 一条人工确认路径； 一组正常、缺失与越界测试； 一套后续更新机制。 先把这七件事做完整，再扩展知识库、Skills、MCP 服务和更多入口。这样做出来的不是一次性项目，而是一套可复用、可托管、可持续升级的客户服务能力。 智能体产品真正的分水岭，不在于生成得有多像人，而在于它能否在复杂、变化和不确定的业务中，帮人把事情向前推进，同时不越过责任边界。 本文由 @我叫小米粒 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Pexels，基于CC0协议

IT之家 8 月 18 日消息，据科技媒体 9To5Mac 昨天报道，苹果近期试图推翻美国司法部（DOJ）此前诉讼，而此前的裁决允许苹果向多个美国政府机构调取相关文件。据IT之家此前报道，美国司法部于 2024 年 3 月联合 16 个州的检察长，对苹果提起反垄断诉讼，指控其非法垄断智能手机市场。美国司法部和各州当时认为，苹果通过各种手段抬高价格，损害消费者和开发者利益，并变相锁死用户使其更依赖 iPhone 手机。美国司法部在新闻稿中称，苹果公司“选择性地”对开发者施加合同限制，并限制用户访问手机的某些关键功能。该案进入证据开示阶段后，苹果希望获得美国国防部（DoD）、联邦调查局（IT之家注：FBI）、国家安全局（NSA）、航空航天局（NASA）等 14 个联邦政府机构的文件。苹果认为，如果上述证据能表明美国政府选择苹果产品的原因在于保护隐私，那么就可以证明公司限制部分第三方开发者做法具有正当安全理由，并非为了垄断市场、排斥竞争。今年 7 月，负责处理该案证据开示争议的特别负责人、退休联邦法官 Jose Linares 同意了苹果请求，允许该公司向 14 个美国政府机构寻求相关文件。美国司法部随后提出异议，并于 7 月 29 日要求法院重新考虑这一决定。司法部认为，政府机构并非普通消费者，不属于案件当事人，应受到更严格的证据开示保护，且苹果的要求会给政府机构带来过重负担。随后，苹果毫不客气地反驳了美国司法部的主张：“这份异议在各个层面都站不住脚，其法律论点属于不被允许的重复诉讼；所谓的新证据实际上一直都可以获得，因此不应被适当考虑；即使从实体问题来看，这些声明也无法证明政府存在过重负担。苹果恭请法院驳回该动议。”根据 Linares 法官 8 月 4 日作出的决定，双方已无法进一步提出书面意见，该法官将决定苹果是否能请求联邦政府查看文件。

企业微信开放办公能力，字节整合飞书与豆包，看似方向相反，实则共同指向办公模式的深层变革。本文从产品与战略视角，解析Agent如何从工具变为办公核心，推动办公从“人操作软件”转向“人委托任务”的新范式。 近期，企业微信在“AI开放能力”页面列出了WorkBuddy、DeepSeek Harness、MiniMax Code、Kimi Work、Codex和企业自研智能体。页面展示了消息、邮件、文档、表格、待办、日程、会议、微盘和通讯录等办公模块的开放能力。 几周前，字节跳动也调整了AI业务组织：飞书产品团队与豆包产品团队整合，飞书的市场、销售与客户服务团队则进入火山引擎的ToB体系。字节给出的解释是，加强豆包、飞书和火山引擎在企业生产力场景中的产品与服务协同。 两件事看起来方向相反。企业微信是在向外开放，让不同Agent调用自己的办公能力；字节是在向内整合，把飞书的企业知识和协作工具放进豆包的产品体系。 如果只看单个动作，企业微信像是增加了一种开发者接入方式，飞书像是经历了一次组织架构调整。但把两件事放在一起，会看到一个更完整的变化：Agent正在移动到办公软件上层，办公软件则开始成为Agent获取信息、调用工具和交付结果的工作环境。 这可能意味着，办公正在从“人操作软件”转向“人委托任务”。用户不再负责完成每一个操作步骤，而是提出目标、设定边界和验收结果；Agent负责在企业权限范围内查找信息、调用工具和推进流程；人则在关键决策、风险操作和异常环节介入。 这个变化还没有完成。企业微信开放接口，不等于企业已经愿意把真实工作权限交给Agent；飞书产品团队进入豆包体系，也不等于豆包已经能够稳定完成复杂的企业任务。但两家公司正在补齐同一种办公模式需要的不同部分。 一、两家公司分别补上了Agent办公的哪一层 这里所说的Agent，是能够理解目标、拆解任务、调用外部工具，并根据执行结果继续行动的AI系统，其职责已经超出回答问题。 一个Agent可以写出会议邀请，并不代表它能真正安排会议。它还需要知道邀请哪些人、读取成员的空闲时间、访问相关材料、创建日程、发送通知，并在时间冲突或权限不足时请求用户处理。模型负责理解和规划，办公系统负责提供数据、工具和业务状态，两者缺少任何一边，任务都只能停留在建议层面。 企业微信CLI补上的，是办公系统的执行层。 CLI是命令行工具。对普通员工来说，命令行不一定比图形界面更方便；但对Agent而言，结构化的命令、参数和返回结果，比识别界面位置、模拟鼠标点击更稳定，也更容易组合成多步骤任务。 企业微信官方开源项目目前明确列出了消息、文档、智能表格、通讯录、待办、会议和日程等能力。例如，Agent可以查询会话、读取文档、搜索成员、查看多人闲忙、创建会议并更新待办。 这并不意味着所有企业、所有接入模式都已经获得完整权限。官方项目对个人、小团队和较大企业的开放范围作了区分，具体能力还受到机器人身份、组织规模和管理员授权的影响。企业微信新页面展示的能力范围也比当前公开仓库中的说明更广，实际接入时仍需要逐项核对。 即便存在这些限制，产品方向已经比较明确：消息、会议和文档不再只是员工在界面中使用的功能，也被包装成Agent可以理解和调用的工具。企业微信不必把所有Agent入口掌握在自己手中，也可以通过开放能力，成为不同Agent共同依赖的办公执行环境。 字节正在补齐另一部分：让Agent进入企业工作场景，并获得组织上下文。 2026年7月30日，飞书产品团队与豆包产品团队整合，成立新的豆包产品团队；飞书的市场、销售和客户服务团队与火山引擎整合，统一承接MaaS、SaaS等企业服务的商业化工作。飞书原有产品和服务继续保留，并没有因为组织调整而被取消。 这次调整更值得关注的是办公产品的未来路线由谁主导。飞书品牌目前仍然保留，飞书产品团队进入豆包体系，则意味着办公场景的产品优先级更可能围绕Agent重新组织，而不是继续把AI作为文档、会议和表格中的附加功能。 飞书官网对豆包企业版的描述已经呈现出这种关系。“飞书里的豆包”是豆包企业版在飞书中的工作入口。豆包可以在授权范围内使用企业文档、知识和组织工具，也可以调用云端电脑、浏览器以及飞书文档、表格和日历，交付可以继续编辑和分享的成果。 在这套关系中，豆包负责理解目标、规划任务和组织模型能力；飞书提供企业知识、人员关系、身份权限、协作工具和任务结果的承载位置；Seed模型提供推理与多模态生成能力；火山引擎提供模型服务、运行环境和企业商业交付。 企业微信是从办公系统一侧向上开放，让系统能够被不同Agent调用。字节是从Agent入口一侧向下整合，让豆包能够进入企业知识和协作环境。两条路径正在相向而行。 企业微信从办公系统向上开放，字节从Agent入口向下整合，两条路径最终汇入同一

小团队开发AI产品时，模型选型常陷入参数与榜单的迷雾。本文提出从产品问题出发，用任务卡明确验证目标，通过硬性条件筛选候选，避免过度比较。以电商AI客服为例，展示如何聚焦核心任务，选择“暂时够用”的模型，为产品迭代留出空间。 一个小团队决定做AI产品后，很容易先遇到一个看起来必须马上回答的问题：到底该用哪个模型？团队打开几家模型平台，看到上下文窗口、推理能力、生成速度和调用价格等一排参数。再去查看公开榜单，同一个模型可能在数学、编程或多模态测试中排在不同位置。几轮比较之后，候选名单越来越长，产品方案却没有明显前进。 这些资料有参考价值，但模型选型的顺序应该从产品问题开始。产品初期最需要确认的，是用户是否真的愿意用AI完成某项任务，以及当前模型能否以可接受的成本满足这项需求。综合能力更强的模型未必适合当前产品。如果核心需求尚未确定，团队对模型做出的所有比较，都缺少一个共同的判断标准。 假设一个三人团队准备开发面向电商商家的AI客服工具。团队首先要确认，商家希望AI回答售前咨询，生成回复草稿，还是直接处理退款。如果AI只生成草稿，人工会在发送前审核，那么偶尔出现措辞问题仍有补救空间。团队可以优先关注响应速度、调用成本和基本的指令遵循。如果AI要自动执行退款，错误会直接影响资金和用户权益，选型标准就必须提高。除了回答质量，团队还要评估工具调用、权限控制和失败后的人工接管。 两种方案都叫“AI客服”，需要的模型却不相同。前者首先要证明AI能否减少客服编写回复的时间，后者还要证明它能否稳定理解规则并安全执行操作。脱离具体任务讨论哪个模型更好，得出的答案通常只适用于演示，无法直接支持产品决策。 因此，产品初期的模型选型，是一次有限范围的可行性验证。团队需要同时确认三件事。模型能否完成最核心的用户任务，用户是否接受当前的完成质量，这项能力能否在团队承受的成本内运行。这里的成本也不能只看API账单。提示词调试、异常处理、人工审核、失败重试和后续维护，最终都会进入产品成本。一个调用单价较低的模型，如果需要频繁返工，实际投入未必更少。 这三件事会给模型测试划出清楚的底线。否则，测试很容易变成没有终点的能力展示。一个候选模型写得更自然，另一个处理长文档更稳定，还有一个价格更低。每个模型都能找到优势，团队却无法决定谁应该进入产品。团队需要先明确本轮验证要解决的用户任务，并为质量、速度和成本设置通过标准。做到这一步，模型之间的差异才真正能帮助团队作出选择。 确定验证目标后，小团队还要允许自己选择一个“暂时够用”的模型。团队常常担心现在选错，后面会不会被迫推倒重来。这种担心合理，但继续扩大候选名单并不能消除风险。更实际的做法，是缩小当前决策的有效范围。团队可以写清楚这次选型服务于哪个版本、哪类用户和哪项任务。例如，首个版本只面向一批测试商户，只生成客服回复草稿，不自动执行退款。在这个范围内，只要模型通过质量底线，成本和响应时间也能接受，就可以进入开发验证。 这里选出的是“当前足以验证产品假设的模型”，并不是未来所有阶段的长期答案。用户数量增加、任务从生成建议升级到自动执行，或者产品开始处理更敏感的数据时，团队都需要重新检查原来的选择。前期也没有必要测试所有主流模型。先用产品假设划定任务范围，再挑选少量候选进行同口径比较。只要其中一个方案达到当前要求，团队就应该进入真实用户验证。 模型少拿几个评测分数，后续还有调整机会。如果团队认真优化了一个用户并不需要的功能，投入的开发时间却很难收回。因此，模型选型的起点应该是一项清楚的产品假设：谁会在什么场景下，用AI完成什么任务，做到什么程度才值得继续开发。产品假设明确以后，团队还要把它翻译成一张可以交给候选模型测试的任务卡。 实际写需求文档时，小团队往往会使用“回答准确、生成自然、响应够快”这样的表达。然而，这些要求无法直接用于比较模型。每个人对“准确”和“自然”的理解不同，同一个人在不同时间试玩，也可能得出不同结论。模型任务卡的作用，就是把模糊的产品要求改写成候选模型可以共同接受的测试条件。 一张适合前期选型的任务卡，不需要写成复杂的技术文档。团队只要回答六个问题。谁在什么场景下使用AI，模型负责哪一步，它会收到什么输入，又必须给出什么结果。团队还要写清不能接受的错误，以及愿意承担的等待、费用与人工处理。任务卡一旦改变，选型标准也要跟着改变。 仍以电商客服工具为例。如果第一阶段只生成售前回复草稿，模型的任务可以被限定为：读取用户问题和商家提供的商品资料，生成一条由客服确认后发送的回复。模型不能修改订单，也不能承诺资料中没有出现的库存和送达时间。这时，团队重点观察回复是否回答了问题、是否忠于商品资料，以及客服需要做多少修改。 如果产品改为自动处理退款，同一套标准就不再适用。模型还要读取订单状态、判断退款规则、调用业务

2026年08月18日 13 分钟阅读 社区速递 154 | AI 代码助手大乱斗、租房电钻组合与神奇实体卡片故事机 主作者 Matrix机器人 少数派成员 运行在 Matrix 上的机器人 Matrix机器人 Matrix机器人 少数派成员 运行在 Matrix 上的机器人 联合作者 Matrix机器人 少数派成员…

IT之家 8 月 18 日消息，中国联通今日发布 2026 财年（2026 年 1 月～2026 年 12 月）半年报（2026 年 1 月～2026 年 6 月）报告：营业总收入：2013.64 亿元，同比增长 0.6%归母净利润：94.68 亿元，同比下降 34.6%经营现金流：329.4 亿元，同比增长 13.6%基本每股收益：0.31 元，同比下降 34.04%稀释每股收益：0.31 元，同比下降 34.04%资产负债率：44.4% AI 解读本次财报营收表现符合市场预期，归母净利润受增值税调整及人工成本投入节奏变化影响同比下滑，降幅符合市场提前预期。2026 财年上半年财报亮点营业收入实现稳健增长，达到 2013.64 亿元，同比提升 0.6% ，其中服务收入为 1779.56 亿元，同比下降 -0.2% ；算力收入实现较快增长，达到 419 亿元，同比增长 13% 。归母净利润为 94.68 亿元，同比下降 -34.6% ，下滑主要受增值税税率调整以及人工成本投入节奏变化影响，公司预计全年利润降幅将明显收窄。经营活动现金流表现优异，净流入达到 329.4 亿元，同比提升 13.6% ，创近年新高，应收账款增速较去年同期显著放缓。资本开支达到 240.8 亿元，算力投资占比提升至 37% ，投资额同比提升超过 80% ，持续加码算力基础设施建设。截至报告期末，公司资产负债率为 44.4% ，较上年末下降 0.2 个百分点，财务结构保持稳健。未来展望公司将继续坚持「守正创新、行稳致远」战略，聚焦「连接」「算力」「服务」「安全」四大赛道，推动高质量发展，当前算力业务保持快速增长，未来有望成为公司重要增长引擎。风险提示：本文内容由 AI 自动分析生成，仅供参考，不代表IT之家观点。如有出入请以证监会指定上市公司信息披露平台为准。本文内容不构成投资建议，如有投资者据此操作，风险自担，IT之家对此不承担任何责任。

IT之家 8 月 18 日消息，禾赛科技今日发布 2026 财年（2026 年 1 月～2026 年 12 月）半年报（2026 年 1 月～2026 年 6 月）报告：营业总收入：15.41 亿元，同比增长 25.1%毛利润：6.11 亿元，同比增长 17.62%毛利率：39.7%，同比下降 2.5 个百分点归母净利润：8886.5 万元，同比增长 234.9%经营现金流：-1.03 亿元，净流出收窄 61.36%基本每股收益：0.07 元，同比增长 133.33%稀释每股收益：0.07 元，同比增长 250%资产负债率：18.7%，同比下降 1.7 个百分点 AI 解读本次业绩表现符合市场预期，核心业务出货量和利润均实现大幅增长，超出部分机构预期。财报亮点汇总出货量大幅增长：2026 财年上半年 ADAS 激光雷达出货量 839345 台，同比增长 86.7%；机器人激光雷达出货量 260653 台，同比增长 165.3%；总出货量突破 1099998 台，同比增长 100.8%。营收方面：实现净收入 15.41 亿元，同比增长 25.1%，其中激光雷达产品收入增长驱动整体营收，SGI 业务首次实现营收贡献。盈利方面：归母净利润达到 8886.5 万元，同比大幅增长 234.9%；毛利率为 39.7%，去年同期为 42.2%；剔除股份支付后，Non-GAAP 净利润为 1.49 亿元，同比增长 82.1%。基本每股收益为 0.07 元人民币，稀释每股收益为 0.07 元人民币；剔除股份支付后，Non-GAAP 基本每股收益为 0.12 元人民币。市场地位稳固：2026 年 6 月，禾赛在中国车载主激光雷达市场的份额达到 44%，为第二名的两倍，连续 17 个月稳居首位；在中国人形及四足机器人激光雷达细分领域市场份额位列第一。业务展望预计 2026 财年第三季度净收入区间为 11 亿元至 11.5 亿元，同比增长约 38% 至 45%。将 2026 年全年的 SGI 营收指引由人民币 1 亿元上调至 2 亿元至 3 亿元区间，预计 SGI 业务将于 2027 年实现约 1 亿美元（IT之家注：现汇率约合 6.75 亿元人民币）的营收规模，并在同年达到盈亏平衡。Kosmo 空间智能平台预计于 2026 年第三季度开始贡献收入，机器人动力模组产线已全面投产，截至第二季度末已交付超过 1 万套，预计 2027 年出货量将增长至六位数水平。风险提示：本文内容由 AI 自动分析生成，仅供参考，不代表IT之家观点。如有出入请以证监会指定上市公司信息披露平台为准。本文内容不构成投资建议，如有投资者据此操作，风险自担，IT之家对此不承担任何责任。

IT之家 8 月 18 日消息，比亚迪王朝网销售事业部总经理路天在微博上宣布：8 系唐正式定名第三代唐，将在 8 月 21 日成都车展全球首发亮相。据了解，新车定位将是大五座科技旗舰 SUV。据IT之家了解，比亚迪第三代唐搭载第二代刀片电池与闪充技术，全系标配“天神之眼 B”智能驾驶辅助系统。新车长宽高分别为 5045mm、1980mm、1760mm，轴距为 2950mm。动力方面，申报信息显示第三代唐搭载型号为 TZ205QYD 的永磁同步驱动电机，最大功率为 300kW。电池方面提供 88.682kWh 和 105.792kWh 两种容量的第二代刀片电池包，CLTC 纯电续航里程对应分别为 730km、830km 以及 850km。充电方面，新车搭载比亚迪闪充技术，常温下电量从 10% 充至 70% 约需 5 分钟。底盘方面，新车搭载云辇 - A 智能空气车身控制系统，配备双腔空悬与智能路面预瞄功能。相关阅读：《比亚迪 8 系唐 8 月 21 日成都车展亮相：标配天神之眼 B，最大纯电续航 850km》

IT之家 8 月 18 日消息，大众安徽今日宣布，旗下第 10 万辆智能电动汽车在合肥工厂正式下线。下线仪式上，200 余位嘉宾共同见证了这一时刻。此次下线的车型为与众 08。自 2024 年 2 月实现量产以来，大众安徽在两年多时间里完成了从首款纯电车型 TAVASCAN 出口到十万台下线的跨越。其产品矩阵持续扩容，与众 06、07、08 已相继上市，定位 B 级智能纯电轿跑的与众 09 也将在年内登场。此外，大众安徽还宣布将在 8 月 21 日开幕的 2026 成都车展上发布与众 08 猎影版。作为即将推出的新车型，与众 09 此前已完成工信部申报。该车采用溜背式轿跑车身造型，车身尺寸为长 5081mm、宽 1980mm、高 1509mm/1526mm，轴距 3030mm。细节配置上，与众 09 搭载 21 英寸运动轮毂与 Brembo 刹车卡钳，配备 DLP 高清矩阵投影大灯、水晶镭雕交互式 LED 灯组、5C 超快充技术及超大画幅 AR-HUD 抬头显示等。动力方面，与众 09 提供单电机与双电机四驱两套纯电动力版本。单电机版峰值功率 230kW；双电机四驱版搭载前 140kW、后 230kW 双电机，综合峰值功率 370kW。电池方面全系配备宁德时代磷酸铁锂离子电池组。

IT之家 8 月 18 日消息，据深蓝汽车官微，全新深蓝 G318 新车现已到店，将于 8 月 21 日开幕的 2026 成都车展正式上市。根据官方先前的预热，新车搭载华为乾崑 ADS 5 Pro + 鸿蒙座舱 HarmonySpace 5，定位“搭载华为乾崑双智的全场景 SUV”。新车提供原子灰、焰动黄、星钻黑、晶石绿、星辰白五款车身配色，采用机械门把手设计。内饰方面，新车提供曙光橙、摩卡棕、星耀黑三种配色方案，座椅基于人体工程学设计，并加入多项舒适配置。座舱方面，新车搭载鸿蒙座舱 Harmony Space 5，并配备车载大模型能力。该系统支持 10 种方言混说，可实现自然语言交互；同时加入导航 Agent 功能，用户可通过模糊语音指令完成路线规划。此外，新车还支持 3D 智控桌面、手机与车机无缝流转等功能。智能辅助驾驶方面，全新深蓝 G318 搭载华为乾崑 ADS 5 Pro，并配备包含 1 颗舱内激光雷达在内的 27 个高感知传感器，覆盖城区通勤、高速行驶以及智能泊车等多种场景。作为参考，据IT之家此前报道，今年 3 月，深蓝 G318 新增四驱旷野版，定价 18.59 万元。深蓝 G318 “四驱旷野版”尺寸 5125×2025×1895mm、轴距 2880mm；搭载 1.5T 增程系统，其中发动机最大功率 110kW，前、后电动机最大功率分别为 131kW、185kW；并采用 35.07kWh 电池组。

IT之家 8 月 18 日消息，英伟达 CEO 黄仁勋的长女、英伟达 Omniverse 与机器人产品营销高级董事 Madison Huang（黄敏珊）今日访韩并到访 LG 电子。LG 电子今日邀请包括黄敏珊在内的英伟达核心相关人士，来到正在韩国首尔瑞草区建设的 LG 数据工厂（原良才研发园区），讨论创造协同效应的方案。LG 电子 CEO 柳在哲、LG CNS 首席执行官 Hyun Sinkyun、LG 科学园代表 Jeong Suheon 等 LG 集团旗下公司的最高管理层共同出席。▲ 图源 LG 电子柳在哲表示：“将通过汇聚集团内部核心能力的‘One LG’基础协同效应，以及与全球合作伙伴的战略合作，确保具身人工智能竞争力，并转型为机器人整体解决方案提供商。”IT之家注意到，黄仁勋与 LG 集团董事长具光谟于当地时间 8 月 13 日在美国加利福尼亚州圣克拉拉的英伟达总部签署了面向未来战略业务领域合作的谅解备忘录。仅隔 4 天，两家公司便在机器人数据工厂建设现场再次会面，被解读为双方将巩固机器人领域合作体系并加快商业化进程。据韩媒 The Asia Business Daily 报道，双方相关人士当天还确认了 LG 电子良才数据工厂的运行现况。该工厂正以年内全面运行为目标推进建设。LG 电子目前正正式投入自主制造并完成验证的 LG CLOiD，开展数据生成、收集与训练。良才数据工厂由供机器人学习多种作业、验证及精炼学习数据的空间等组成。该工厂既是收集机器人具身学习数据的场所，也将充当机器人训练数据的前沿基地：基于 LG 电子在全球拥有的制造、物流现场及家电产品所收集的数据，进行扩展、合成与增强。在这一过程中，英伟达 Omniverse 库、Cosmos 开放世界模型、Isaac 开放机器人开发平台等英伟达具身人工智能技术，将被用于数据收集与应用环节。

AI写代码时代，数据分析师如何突围？从SQL Boy到数据总监，四个阶段清晰盘点：基础取数、需求梳理、业务分析、战略决策。本文结合实战经验，助你找准定位，避开AI淘汰风险，实现职场跃迁。 经常有同学问：AI都会写代码了，数据分析师发展前景是什么？ 从我自身体验+服务过大量企业+辅导过6000+名学员的情况来看，数据分析师成长是有路线可循的，可以分为四个阶段，今天为大家盘点下。 阶段1：取数阶段（6K~12K） 刚入门的数据分析师，都会承担数据清洗，处理，计算，做看板等基础工作。这一类工作很枯燥，容易劝退新人，也因此产生了很多外号。比如：SQLboy，表哥表姐，看板仔，查数姑，取数机等等…… 但是，所谓“猛将发于行伍，宰相起于州县”，经历过基础工作，才会对工作中：数据质量差，数据采集不完整，取数口径多变，缺少思路等问题有深刻认识，才能真正做好数据工作，而不是空有天花乱坠的思路 当然，SQL Boy本身也被吐槽得很厉害，而且，在AI大潮冲击下，SQL boy是最容易被淘汰的。君不见，大量厂子都在上Chat BI/Text to SQL吗。技术迭代很快，早点晋级才是出路。 阶段2：需求阶段（12K~20K） “给我一个数，下班前要，快点”——这是要求。 “我们在本月新上一个活动，需要监控效果”——这是需求。 满足业务的需求而不是被要求催的满地乱转，是数据分析师成长的重要一步。很多公司在招聘“高级数据分析师”的时候，“高级”俩字主要就看： 1、能不能从业务的口头要求，找到背后的需求 2、能不能根据业务的需求，独立输出分析内容 3、当需求不合理时，能不能从实际出发，修正需求 能独立梳理需求，是数据砖员向数据分析师晋升的重要一步。 这个阶段，需要： 1、对一个行业（互联网、金融、游戏、消费品……）有了解 2、对销售、运营、增长、商品、供应的指标、常见问题有了解 3、对常用分析方法有了解，能梳理分析逻辑，了解模型用处（不至于乱用） AI可以辅助，了解业务流程与行业常识。但是把商业问题转为取数需求，还是得靠人来操作。 阶段3：分析阶段（20K~35K） 注意！并非所有的业务需求，都需要分析，很多需求就是简单的“监控下数据”。但是能体现数据分析师价值的，一定是分析业务问题的分析型的需求。 通过分析问题： 1、找到业务的问题 2、找到改进机会点 3、预测业务走势 4、优化业务策略 这样能最大化体现数据的价值，争取更好的待遇。 在这个阶段，经常要面临理论与实际、理想与现实的冲突，比如： 明明数据采集很少，业务却希望“深入分析”。 明明没有科学抽样，业务却希望“做出合理评估”。 明明有问题暴露，业务却希望“呈现好的一面”。 为了满足需求，经常需要分析师，在求真务实和奉旨办差之间反复横跳。 往往是： 先努力学习统计学、算法等知识，努力收集同行、同业做法 再对着自己公司破烂不堪的数据想办法，找到真相 再“心领神会”地接受老板旨意，想办法满足老板们靠谱/不靠谱的需求 这一类高级分析岗位，在面试时一定会被问到： “你做的工作，对业务有什么贡献？” “你有没有主动发现问题，不依赖业务假设？” “在用户增长/搜索优化/商品选品/用户挽留……问题上，你有什么成功案例” 所以，得努力包装自己之前的工作经验，才能鲤鱼跃龙门，实现这一步突破。 阶段4：价值阶段（35K~80K+） 到阶段4，已经是领导层级了，薪资上限极大提高，随着部门规模扩大，可以上不封顶（经理→高级经理→总监→CIO/CDO）。并且，这些岗位很少直接出现在BOSS直聘里，经常走猎头渠道，私下挖人沟通。 但是这个层级，要面临前边三级都没有的灵魂拷问： “你对整个公司的发展贡献了啥？” “公司投资那么多做数据建设，获得乐啥” “现在吹的火热的中台/CDP+MA/数据湖/AI，到底能创造啥价值” 这个阶段，很考验数据部门领导的项目运作能力（画饼能力）。“包装数据产品”与“提升客户体验”是两个关键话题。包装数据产品，既要考虑这个概念流不流行，老板喜不喜欢，又得考虑落地可能性，谁会为这个产品买单。比如最近流行的DeepSeek，早在ChatGPT时代，好多公司数据部门盲目投资引进ChatBI，结果输出成果有限，最后把自己位子搞没了……这就是追时髦，不顾落地性的下场。 提升客户体验，则要先清晰目标客户是谁。大老板、业务部门领导、一线同事是三类完全不同的群体。往往 对上级，要多讲同业先进概念，画大饼。 对业务，要关注具体问题，帮他们找办法 对一线，要降低操作复杂度，减少投诉，增加使用 在日常的工作中，我接触过15个行业，200+以上企业数据领导，几乎每次项目，都会涉及三层次问题，耳濡目染，也学到不少，哈哈。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品