AI 变现案例

豆包开始让手机远程调动电脑，OpenAI则想让ChatGPT从点击和按键里学会用户的工作习惯。过去我们打开AI，是临时问它一句；现在，助手想记住上下文，再把没做完的事接过去。方便是真的。担心也很具体：它看到了哪些内容，记了多久，做错了能不能撤回。我更愿意把这看成一道信任题，AI越懂你，越要把控制权留在你手里。 一起来看看这两天发生的AI和互联网赛道的大事件吧！ 📌 今日AI互联网大事件速览 1，DeepSeek缓存价格最高涨11倍，长上下文开始补交存储成本 2，阿里发布AI音乐模型HappyShrimp，一句话可以生成完整歌曲 3，豆包工作任务支持手机远控电脑，跨设备智能体走进桌面流程 4，荣耀Robot Phone正式开售，机械云台把手机推向具身交互 5，OpenAI公布Hugging Face入侵时间线，智能体越权风险摆上台面 6，Google让Gemini和Pixel走进五家足球俱乐部，AI贴近比赛现场 7，OpenAI被曝解散Preparedness团队，前沿模型安全治理再受审视 8，ChatGPT Computer History记录点击和按键，桌面助手开始学习工作习惯 9，Anthropic年化收入升至650亿美元，前沿模型商业化继续提速 10，Relay关闭后团队加入Google Chrome，浏览器智能体争夺升温 11，Amazon销毁稀有书训练AI，数据获取与文化保存引发争议 12，Anthropic解释Claude隐形水印，AI内容标识进入产品细节 13，Mistral发布Shieldstral，3B小模型承接多模态安全审核 14，WorkBuddy把资料库升级成网页生成器，AI办公从写文档走向交付 15，人形机器人自己开卡丁车，全身智能开始接受动态任务检验 16，企业微信开放CLI和MCP，AI可以直接操作文档、会议与待办 17，阿里剥离灵犀互娱，游戏资产出售释放聚焦主业信号 18，比亚迪轻型车电池入驻京东一年，二轮锂电成交增长超三成 19，小米车辆助手开启公测，车主服务继续向手机端集中 20，小米18 Ultra国际版或取消，国产超大杯手机收缩海外战线 21，Apple大规模发送间谍软件提醒，高危用户安全告警更前置 22，德国要求Apple调整第三方应用提示，隐私规则不能偏袒自家服务 23，Reddit用AI把帖子变成播客和短视频，社区内容开始自动再包装 24，YouTube修改播放量口径，视频开始播放就计为一次观看 25，Uber把Zipline无人机接入Eats，外卖配送继续向空中延伸 AI赛道观察 1. DeepSeek缓存价格最高涨11倍，长上下文开始补交存储成本 核心内容：DeepSeek调整V4 Pro API的分时价格后，部分缓存命中费用在高峰时段最高上涨约11倍，长上下文调用的存储和数据搬运成本被直接写进价目表。缓存命中原本是开发者压低多轮会话、代码仓库分析和智能体任务费用的重要手段，但上下文越长、调用越频繁，服务商需要长期保留的数据块和调度资源也越多。此次变化不等于DeepSeek全面失去价格优势，却提醒开发者重新计算批处理时段、缓存复用率和任务拆分方式。模型价格战正在从单纯比每百万Token，转向比整套工作流的真实成本。 2. 阿里发布AI音乐模型HappyShrimp，一句话可以生成完整歌曲 核心内容：阿里巴巴发布AI音乐模型HappyShrimp，中文名为“快乐虾米”。用户描述一种情绪、一个故事或一段记忆后，模型可以完成作词、作曲、编曲和演唱，输出一首结构完整的歌曲。产品强调端到端生成、自然语言意图理解和提示词控制，希望把专业音乐制作进一步变成普通人的表达工具。门槛降低之后，真正影响留存的将是歌曲能否反复修改、风格是否稳定、版权如何界定，以及生成作品能不能进入短视频、游戏和商业内容流程。AI音乐的竞争开始从“能出声”走向“能成作品”。 3. 豆包工作任务支持手机远控电脑，跨设备智能体走进桌面流程 核心内容：豆包“工作任务”模式新增手机远程控制电脑功能。用户在同一账号完成授权后，可以从手机下达指令，让连接的电脑读取本地文件、操作软件，并把任务进度和结果回传到手机；一台手机还可以关联多台电脑。官方演示包括外出时查找桌面文件、转换PDF后回传，以及通勤途中继续执行电脑任务。这个更新把智能体从单机操作推进到跨设备协作，也让权限边界变得更具体：哪些目录可以读取、哪些动作需要确认、误操作如何撤回、执行日志保存多久，都会直接影响用户是否敢把真实工作交出去。 4. 荣耀Robot Phone正式开售，机械云台把手机推向具身交互 核心内容：荣耀Robot Phone于8月18日正式开售，售价9999元起。产品把钛合金机械云台、自动追踪、影像系统和YOYO机器人模式装进手机，尝试让设备主动转向、跟随

小红书平台算法与商业化的加速迭代，让品牌营销陷入数据归因与短期效果的迷思。本文作者基于五年观察，剖析平台如何将生态玩法收编为商业产品，警示品牌勿将平台红利误认为自身能力，呼吁在效率之外保留品牌感性与长期坚持。 我从2021年开始写小红书种草营销相关的内容，五年间写了七百多篇文章 前几年我写得最多的是爆文怎么做、达人怎么选、关键词怎么布局、聚光怎么投。那时候我很相信方法论，总觉得只要把平台规则研究得足够透，就能找到一套稳定有效的解法 后来写得越来越多，接触的品牌越来越多，见过的成功和失败也越来越多，我反而没有以前那么确定了 不是说那些方法错了，很多方法在当时确实有效。问题是平台一直在变，用户也在变，参与竞争的人也一直在变。一套方法只要被足够多的人学会，成本就会上升，效果就会下降，最后成为平台的一个基础操作或者过时打法 回头看这七百多篇文章，我真正积累下来的并不是多少个小红书技巧，而是对这个平台越来越深的怀疑、理解和敬畏 1）方法论最大的风险，是它曾经成功过 过去几年，小红书几乎每隔一段时间就会出现一种所谓的新打法 素人铺量、KOC矩阵、搜索卡位、赛马投流、KOS、水下笔记、郑州帮，每一种打法最开始都有自己的窗口期，也都曾经跑出过非常好的结果 接下来就会发生一件很熟悉的事情，有人总结，有人卖课，有人抄作业，大量商家同时涌进来。原来有效的内容迅速同质化，达人价格上涨，流量竞争加剧，用户也慢慢看懂了套路 当所有人都学会同一种方法，红利基本就结束了 更重要的是，平台也会观察生态里哪些玩法正在提高效率，然后把它们做成自己的商业产品，比如你很难相信，平台会把给水下笔记投流变成聚光后台的一个标准产品… 过去靠投手经验完成的事情，后来变成智能投放；过去靠人工筛选的优质内容，后来变成平台标签；过去游离在商业体系之外的素人合作，也会逐步进入平台能够管理和收费的链路 平台最擅长的事情，就是把生态里已经被验证的效率，慢慢收进自己的系统 所以我现在看到一种新打法，第一反应已经不是赶紧复制，而是先判断它为什么有效、依赖什么条件，以及这个窗口还能存在多久 过去的成功经验可以参考，但不能当护身符。市场变化以后，曾经成功过的人往往比从未成功过的人更难改变 2）平台不会负责品牌增长 品牌总喜欢研究平台喜欢什么内容、扶持什么赛道、下一步准备推什么产品，这当然有用，但有一件事情要始终记住，平台做任何调整，首先考虑的都是自己的用户、收入和增长 平台需要更多内容的时候，会鼓励品牌和创作者生产内容；商业化压力上来以后，自然流量会减少，投流产品会越来越丰富；电商能够提供更高的增长想象力，资源就会向买手、店播和交易闭环倾斜 这里面没有谁做的不对，本质就是各取所需罢了 即使一个品牌每年花很多广告费，在内容生态里，它仍然首先是一种供给。平台需要你的时候，会给你流量、案例和方法论；平台找到更重要的增长方向以后，也会很得体的放弃你 很多品牌的问题就在这里。他们把平台阶段性的扶持，当成了自己长期拥有的能力；把一段时间内获得的低价流量，当成了品牌真实的市场竞争力 流量在的时候，所有问题都能被掩盖。流量一贵，产品、内容和组织里的问题会一起暴露出来 3）品牌营销越来越像数字游戏 这些年小红书的数据能力进步很快 从最早只能看互动，到后来可以看回搜、进店、加购、成交，再到小红星、种草直达和各种全链路归因，品牌终于可以看到越来越多过去看不到的结果 但数据不是事实本身，它只是平台和归因规则允许我们看到的一部分 能够被归因的动作，会得到更多预算；暂时无法被归因的价值，会慢慢从投放预算里消失。时间久了以后，品牌会越来越擅长获得一次点击、一次进店和一次成交，最后变成了数字游戏 当然，这个变化也不是说不好，我就是觉得当品牌营销缺少了感性和思考，就偏离了做品牌的初衷。品牌营销不应该变成数字游戏，过于理性的品牌，缺少温度，很难跟用户建立长期粘性 品牌是一门生意，需要销售额，需要利润，也需要对股东和员工负责 但品牌存在的意义不能只剩下提高转化率，用户长期选择一个品牌，有时候来自产品，有时候来自审美、态度、价值观，甚至只是一种说不清楚的感觉。这些东西不一定能在一次投放里形成闭环，却会决定品牌能不能超越功能和价格，建立真正的偏好 小红书本来就是一个非常感性的内容平台，用户愿意停留，很多时候并不是因为一篇笔记的信息效率最高，而是因为里面有具体的人、有真实的生活，也有一些无法被标准化的情绪和表达 如果品牌进入小红书以后，只留下痛点、卖点、参数和购买链接，其实浪费了这个平台最有价值的部分 4）方法论提供确定性，也在排斥意外 这几年大家好像都在追寻方法论和技巧，今天学郑州帮，明天学赛马投流，永远在模仿，永远在追逐，但投到最后好像也没有剩下什么品牌自己的东西 但我始终觉得品牌营销最有价值的部分，很多时候恰恰来自那些没有标准答案的

HarmonyOS 7 将智能体推向应用设计前台，但“能对话”与“能完成任务”之间隔着产品责任。本文提出最小原型验证法，从工具契约、失败场景到产品指标，教你避开 Demo 陷阱，让智能体真正承担任务。 HarmonyOS 7 把“智能体”推到了应用产品设计的前台。对开发团队来说，最有吸引力的想象不是多一个聊天窗口，而是用户说出目标，系统理解意图，调用应用或服务能力，把原本需要多次点击的任务完成。 但“能对话”和“能完成任务”之间，隔着一整套产品责任：信息不完整时谁来追问，涉及权限和费用时谁来确认，执行到一半失败后如何恢复，多个智能体或服务协作时怎样传递上下文，最终结果由谁展示和承担。 所以，第一次探索鸿蒙智能体，不应该以“做出一个很聪明的 Demo”为目标，而应该用一个最小原型验证：某个多步骤任务是否适合交给智能体，以及用户是否仍然能够理解、控制并纠正它。 一、先把三个名字分开 当前官方资料中，有几个相近但不等同的概念。 华为将面向鸿蒙生态的整体框架称为鸿蒙智能体框架，英文为 Harmony Agent Framework，简称 HMAF。官方介绍强调，它定义鸿蒙系统、应用或元服务与智能体之间的交互协同范式。 小艺开放平台则提供智能体开发与分发相关工具。华为官方“天工计划”页面列出的智能体编排方式包括 LLM、Workflow 和 A2A，并将开发、多端调试、部署上架纳入工具链范围。 Agent Framework Kit 是 HarmonyOS SDK 中的一个 Kit。官方文档对它的描述是： 在应用内拉起智能体组合的服务，让用户可以在适当场景下通过 UI 控件能力主动拉起智能体。 它不是“所有智能体能力”的同义词，也不能仅凭名字推断它负责智能体规划、工具调用和跨智能体协商的全部过程。 二、不是所有多步骤任务都适合智能体 最适合做首个原型的，不是步骤最多、想象空间最大的任务，而是边界最清楚的任务。 可以假设一个“安排一次线下服务”的场景：用户提出时间与地点偏好，系统查询可选项，用户选择，确认必要信息，最后提交预约。这个场景只用于建立评估框架，不代表已经完成接入或测试。 它是否适合智能体，要看四个条件。 第一，目标能否清楚表达。用户说“帮我安排一下”可能缺少时间、地点和服务类型，智能体必须知道何时追问，而不是自行补全关键条件。 第二，步骤是否可以被结构化。查询、选择、确认、提交分别需要什么输入，返回什么结果，失败怎样表示，必须可以写成稳定的能力契约。只有人能看懂的页面流程，不会自动变成可靠的智能体工具。 第三，风险是否可控。涉及付款、个人敏感信息、不可撤销操作或专业判断时，不能把流畅度放在知情和确认之前。风险越高，越需要明确确认点、权限边界和人工接管。 第四，结果是否可验证。预约成功应该有可查询的记录和明确状态，而不是智能体说一句“已经为你处理好了”。没有外部可验证结果的任务，很难判断智能体究竟完成了什么。 三、把原型写成一个可证伪的假设 “验证智能体能力”太宽，最后往往只剩演示。更好的原型假设可以写成：在用户给出不完整目标的情况下，智能体能够补齐必要信息，在最终提交前获得明确确认，并在任一步骤失败时保留已确认内容，让用户可以继续或转回普通页面完成。 这句话里包含四个可被推翻的判断：能否识别缺失信息，能否正确追问，能否在高风险动作前停下来，能否从失败中恢复。 原型范围也应该随之收缩。只选择一个任务、一组有限意图、少量明确工具和一种结果卡片。不要同时加入跨设备、多模态、主动推荐和多个智能体协作，否则一旦失败，团队无法判断是意图识别、工具契约、权限、界面还是协作协议出了问题。 最小不是功能少，而是变量少。每一次原型都应该只让一个关键假设暴露出来。 四、能力接入之前，先把工具契约写清楚 智能体能够调用应用能力，并不意味着可以直接复用所有内部接口。面向智能体的工具需要更清楚的边界。 输入字段要区分必填、可选和默认值，不能让模型猜测业务关键参数；枚举和范围要明确，避免自然语言被错误映射；返回结果要包含业务状态和可供用户理解的信息，不能只给一个模糊的成功布尔值；错误要区分可重试、需要补充信息、需要用户处理和不可继续。 更重要的是副作用。查询可选时间通常是只读动作，真正提交预约则会改变外部状态。两者不应拥有相同的调用门槛。对有副作用的动作，应展示将要发生什么，让用户确认关键参数，并为重复调用设置业务防护。 A2A 也不能被理解成“让两个智能体自己商量就行”。华为官方资料确认小艺开放平台提供 A2A 模式，官方文档目录还提供“端 A2A 协议技术规范”和应用内 Agent 接入资料；具体消息规范、身份、权限和可用范围应以当前接入文档为准。产品层仍要决定哪些信息可以传递、传给谁、用户如何知情，以及协作失败后由哪个参与方负责收口。 五、最小原型至

IT之家 8 月 18 日消息，安谋控股（Arm Holdings plc）首席财务官杰森 · 柴尔德（Jason Child）昨日（8 月 17 日）透露，公司正积极寻求收购机会，同时推进战略转型，从授权芯片设计转向自主制造并销售成品处理器。在接受科技媒体 The Information 采访时，柴尔德表示公司继续通过收购 DreamBig 等小型企业来扩大能力，未来也不会排除大型并购交易的可能。Arm 过去 20 年收购了约 20 家公司，其中大多数目标是规模较小的私营企业。柴尔德称，公司评估收购标的时，重点关注交易能否扩大总可寻址市场，或提升内部研发和产品能力。他表示，大型并购属于 Arm 具备的能力，公司会评估所有潜在交易。在财报会议上，柴尔德表示相比较授权芯片设计，销售成品芯片更加复杂、难度也更高，需要 Arm 公司自行确保晶圆代工产能和内存供应，并指出在当前全球内存短缺的背景下，新进入者需要排队获取制造资源。柴尔德表示，Arm 在芯片制造领域从零起步，扩大自身晶圆制造和内存产能份额预计需要 2 年。柴尔德指出，内存是 AI 基础设施面临的主要瓶颈之一。台积电也曾讨论晶圆和吞吐量产能问题，电力供应则是建设大型 AI 数据中心的另一项限制。随着 AI 模型训练需求增长，Arm CPU 还会与英伟达 GPU 搭配用于服务器。Arm 预计，2027 财年和 2028 财年客户对其 AI 芯片的需求将超过 20 亿美元（IT之家注：现汇率约合 135.06 亿元人民币）。Arm 于 2026 年 3 月推出了其 AGI CPU，这是该公司 36 年历史（成立于 1990 年）上首次自主生产芯片。该处理器面向 AI 数据中心的推理工作负载，首批客户包括 Meta、OpenAI、Cloudflare 和 SAP。

IT之家 8 月 18 日消息，由哈佛大学和麻省理工学院牵头，OpenAI 和谷歌 DeepMind 等机构参与的团队在本月推出了 MatrAIx 系统。该系统能够生成 83 亿个 AI 智能体，用于模拟全球人类行为。该项目利用 1,290 个维度对不同背景和生活方式的人群进行建模。这些 AI 智能体能够像真人一样填写问卷、和客服聊天、浏览网页、操作 App 等，测试结果一致性高达 91.5%。团队通过一项包含 400 次测试的对照研究进行了验证，测试涵盖 10 个行为属性和全部四个环境。智能体在 400 次测试中的 366 次表现出了正确的特质，或在不相关时正确地抑制了该特质，即 91.5% 的情况下表现正确。这一数据会随环境变化：在问卷和聊天场景中，一致性升至 92% 到 96% 之间，而在操控 App 测试中的准确度降至 83%。目前，经确定性、质量过滤的百万人格核心集（coreset）已在 Hugging Face 公开发布，供研究使用。IT之家附开源链接：https://github.com/MatrAIx-ai/MatrAIx-Persona-8B

IT之家 8 月 18 日消息，科技媒体 Android Authority 昨日（8 月 17 日）发布博文，报道称继谷歌和三星之后，vivo 将成为第三家支持“诈骗检测”（Scam Detection）功能的手机厂商。IT之家注：诈骗检测是谷歌为安卓手机推出的一项由端侧人工智能（On-device AI）安全功能，在通话过程中在后台运行，利用 AI 识别诈骗分子常用的对话模式（如要求转账、索要礼品卡或敏感个人信息等），并在检测到高风险诈骗倾向后，通过声音、震动及屏幕通知实时提醒用户。该功能于 2024 年 11 月 13 日首次在美国内测上线，目前只有谷歌 Pixel 系列和三星的 Galaxy S26 系列手机支持该功能。该媒体通过拆解 234.0.9 版 Phone by Google 应用，在 Sharpie（诈骗检测的谷歌内部代号）相关代码字符中出现了 vivo 关联信息。目前尚不清楚哪些 vivo 手机会支持该功能，而且上市后可能仅限于国际版。报道提到，vivo X500 系列可能成为首批搭载该选项的机型，vivo X300 系列也可能在后续获得支持。

北京时间 8 月 18 日，据《纽约时报》报道，劣质 AI 垃圾内容已经泛滥成灾：谷歌搜索里到处是“胶水披萨”食谱，亚马逊商品页充斥着虚假传记，脸书信息流里满是“虾仁耶稣”的图片。硅谷公司开始清理 AI 垃圾随着聊天机器人和视频生成工具不断发展，这个“数字污水堆”已经蔓延至各大科技平台，不仅降低了有价值内容的质量，也污染了整个信息生态系统。无法忍受了如今，硅谷开始清理这些垃圾了。音乐流媒体平台 Spotify 表示，去年其删除了 7500 万条批量上传内容、重复歌曲以及其他“垃圾式”曲目，这一数量占其全部音乐库的相当大一部分。领英在 7 月表示，“AI 垃圾内容是我们所有人的首要关注重点”，并开发了一个供用户举报此类内容的按钮。YouTube 母公司谷歌的研究人员描述了该视频服务如何在六个月内清除了 13 万个低质量频道。在整个互联网上，科技公司正在进行一场“生成式垃圾内容大扫除”。许多公司如今不堪重负，因为这些垃圾内容正是由它们自己的 AI 工具催生出来的。移动即时通讯应用、餐厅点评网站、学术档案库和婚恋服务平台都在清除或淡化 AI 生成的垃圾内容，其中许多依靠同一项技术来完成这次清理。人们逐渐厌倦了 AI 对环境造成的影响，以及它对就业和心理健康带来的压力。内容创作者、卡内基国际和平基金会在线趋势研究员艾丹 · 沃克 (Aidan Walker) 表示，AI 垃圾内容只是另一个“正在溃烂的伤口”。该基金会是一家研究全球事务的智库。“用户对此已经越来越不满，”他表示，“舆论风向已经明显发生了变化，所以这些公司终于开始正视这些问题了。”谷歌清除了 5 万个账号集群生成式 AI 如今可以制作越来越逼真的图像、音频和视频，但其中只有一部分可以被称为“垃圾内容”。科技公司主要针对的是那些低质量的“标题党”内容，这类内容制作成本低、传播容易、消费速度快、很快被遗忘。它们就像是挤压高级定制服装市场的快时尚，又像是取代优质牛排的“粉红肉泥”。欧洲研究人员去年写道，如果放任不管，这种网络上的合成内容沼泽可能“挤压人类创造力，腐蚀文化价值，破坏公共话语”。AI 垃圾内容 (slop) 已经泛滥到如此程度，以至于词典出版商梅里亚姆-韦伯斯特将其选为 2025 年的年度词汇。法国流媒体服务 Deezer 今年春天表示，每天更新到其系统的曲目中，近一半是人工生成的，其中许多从未被用户听过。AI 生成的内容占 Apple Music 上传量的三分之一以上。Instagram 负责人亚当 · 莫塞里 (Adam Mosseri) 去年年底表示，追踪“真实媒体”很快将“比追踪虚假媒体更加实际”。在他发表这一观点前不久，Instagram 的母公司 Meta 推出了一款完全由 AI 生成的视频信息流，结果被许多人嘲讽为垃圾内容的展示台。先生成垃圾内容如今，许多正在努力治理 AI 垃圾内容的科技公司，也正是那些一手制造了它的公司。今年 7 月，Meta 承诺支持一项欧洲公约，通过检测、标记和标签等方式使 AI 生成的内容更易于识别。同月，该公司还发布了一款图像生成器，该工具自动将公开的 Instagram 账户纳入作为参考数据源。在遭遇用户连续三天的强烈反对后，Meta 移除了这一功能。“AI 垃圾内容是一把双刃剑，因为很多平台确实因此获得了用户参与度的提升，”俄亥俄大学 AI 专家保罗 · 肖夫林 (Paul Shovlin) 表示，“但后来，它逐渐变成了一种负担，因为平台上充斥着太多‘漂浮物和废弃物’，用户现在很难找到自己真正想要的高质量内容。”例如，谷歌已经全面拥抱 AI，将其 Gemini 模型接入电子邮件、地图、旅行服务以及搜索业务。根据去年由 AI 驱动的在线视频编辑平台 Kapwing 进行的一项实验，YouTube 向新用户推荐的最初短视频中，超过 20% 是 AI 生成的垃圾内容。Kapwing 估计，YouTube 上一个最受欢迎的 AI 垃圾内容频道，年收入高达 425 万美元。该频道此后已被暂停参与 YouTube 的创收计划。YouTube CEO 尼尔 · 莫汉 (Neal Mohan) 在一篇博文中写道，“管理 AI 垃圾内容”是今年的首要任务。最近，谷歌研究人员也开始研究这一挑战。他们没有逐个评估视频，而是分析上传速度、重复性模板以及其他可能表明协同行为滥用的模式。研究人员发现了 5 万个账户集群，并将其移除。不过，一些数字媒体专家担心，这种方法可能会过度干预，同时误伤那些大量发布内容的合法创作者。YouTube 在一份声明中表示：“虽然学术研究有助于推动行业对这一问题的理解，但它并不能反映我们为执行平台政策而采取的多层次防护措施。其中包括强大的保护机制，以确保使用 AI 工具、且出于正当目的创作内容的创作者不会受到影响。”其

IT之家 8 月 18 日消息，共生知行（Symbiosis Robotics）昨日（8 月 17 日）发布双足人形机器人驾驶卡丁车 Demo，并同步上线官方网站。这是共生知行公司成立后首次系统展示其在双足人形机器人“全身智能”方向阶段性进展。该公司表示，赛车只是第一项公开测试，未来还将围绕移动操作、高精度视觉对准、接触式力控和长链条任务推出更多案例。共生知行公司官网列出了“直接感知 — 控制模型”。该公司表示，感知扩展让机器人更懂世界，但理解任务并不自动等于能够可靠行动，共生知行希望把智能模型的边界，从生成一个需要被追踪的运动学目标，推进到生成一个由当前身体状态决定、能够直接执行的物理动作。直接感知 — 控制模型（Direct Perception Control Model）从动作接口、表征耦合与闭环训练三个层面重构执行链。模型彻底移除中间运动表征，不再生成需要独立 Whole-Body Tracker 追踪的运动参考，而是把视觉、语言、身体状态、动作历史与执行反馈直接映射为可执行的关节与手部目标。Symbiotic Attention 则让感知表征与控制表征在共享 action objective 下彼此 attention，使任务理解受到动作可执行性的约束，动作生成也能持续利用语义上下文。在该模型加持下，宇树人形机器人实现了手 — 眼 — 脚协同，可右脚控制油门，并在驶出弯道前快速转向，将视觉时机、精准油门控制与驾驶语义结合起来。据 AI 科技评论报道，共生知行公司由浙江大学与西湖大学联合培养博士生丁鹏翔创立，聚焦具身智能领域的端到端动作生成。该公司试图解决当前具身智能架构中“模型理解任务但动作执行不可靠”的结构性问题。IT之家附技术报告：https://symbiosis-robotics.com/research/dpc/zh/

IT之家 8 月 18 日消息，消息源 @独立摄影师联合会 现已曝光了星曜新品 MF 28mm F2.8 流光银限定版镜头，该镜头主打超薄设计，适配徕卡 M 卡口。该镜头采用 5 组 6 片结构，9 片光圈叶片，最近对焦距离 0.7 米，使用 25.5mm 滤镜接口，带有黄斑联动，凸出机身部分仅厚约 9.9mm，重约 126 克。IT之家随附官方海报如下：

哈喽大家好，我是萤柳！ 做设计、做产品、做落地页，背景太「素」真的很减分。 一张好的渐变背景，能让页面气质提升一截。 最近整理了一份清单，专门收集背景渐变与配色资源。 我觉得挺实用，于是整理成这篇文章，把每个工具都过了一遍。 大家看到合适的可以直接用在AI作品中使用。 话不多说，上清单！ 1. pryzm.design Pryzm：一个面板搞定渐变、玻璃、颗粒。 它是一款在线渐变生成器。左侧是预设库，右侧是参数面板，中间实时预览。 它不只支持普通线性渐变，还能叠加玻璃质感、颗粒噪点、光晕折射等效果。 做一张「有材质感」的背景，在这里点几下就出来了。 2. backgrounds.supply Backgrounds Supply：1000+ 现成背景。 如果你不想自己调参数，只想直接下载一张高品质背景，Backgrounds Supply 更合适。 它提供超过 1000 张渐变、AI 艺术背景和 4K 视频背景，风格从抽象流体到自然风景都有。 免费区也能淘到不少能用的图。 3. grainient.supply Grainient：颗粒、平滑、动态渐变 它的特色是有颗粒感的渐变。 页面以瀑布流展示大量预设，每张图都带着胶片颗粒或噪点纹理，视觉上比普通渐变更耐看。 深色模式、科技感或复古风格的背景可以来这里找灵感。 4. gradientool.com Gradientool：3D 与动态渐变。 它偏向实验性，可以生成带有立体感和动画效果的渐变，支持条纹、环形、轨道等布局，还能导出 PNG 或代码。 landing 页首屏或演示配图想要「会动」的背景，可以试试看。 5. ramps.studio Ramps：做色阶与无障碍配色 它不是做「一张好看背景」的工具，而是帮你建立一套完整的颜色系统。 可以生成中性色、状态色、语义 token，并检查对比度是否满足无障碍标准。 做设计系统或组件库时，这个比单纯找张背景图更重要。 6 studio.zoxilsi.cc Zoxilsi Studio：网格渐变工作室 它也是一个网格渐变工具，特点是预设非常多。 左侧有大量现成渐变样式，点击就能替换到画布上，再用网格点微调。 如果你嫌从零搭网格太麻烦，从这里挑一个预设再改是最快的。 7.tabbied.com Tabbied：免费几何图案生成 Tabbied 专门生成可自定义的几何图案。左侧选配色主题，中间挑图案模板，就能快速得到一套 Bauhaus 风格的背景。它不算传统渐变工具，但这些图案做包装、海报、社交媒体背景都很出彩。 8. pro.beui.dev beUI：React 动态背景与 UI 块 它面向 React 开发者，提供可直接落地的动画背景和 UI 组件块。 它把渐变、shader、流体效果做成了现成组件，复制代码就能用到项目里。 前端或独立开发者想省时间，这个比较对味。 9.Gradient Studio 这是一款「Procedural editorial backgrounds」工具，作者是 Amir Talet。 左侧有丰富的光效处理选项，能生成带高级质感的编辑式背景。 shadergradient.co ShaderGradient 用 WebGL shader 做动态渐变，支持平面、球体、水面等形态。 有 Figma 插件、Framer 组件和 React 包，能直接嵌进设计稿或代码里。 今天的分享就到这里，希望对你有帮助！ 本文由作者@萤柳设计，授权发布于平台，未经许可禁止转载。

IT之家 8 月 18 日消息，消息源卡蒂基 · 辛格（Kartikey Singh）昨日（8 月 17 日）在 X 平台发布推文，指出小米公司可能不会在国际市场上推出小米 18 Ultra 机型。IT之家翻译推文内容如下：小米已取消 18 Ultra 项目，OPPO 和 vivo 品牌也决定不在国际市场上推出下一代 Ultra 机型。在国际市场上，三星 Ultra 可能是全球唯一仍采用 Ultra 名称销售的手机品牌，其它厂商会改为推出 Pro Max 系列。Pro Max 系列智能手机即将上市，这些 Pro Max 仍然比三星的那款更“Ultra”（极致）。这里的“小米已取消 18 Ultra 项目”，根据上下文，应该是指小米不会在国际市场上推出小米 18 Ultra 机型，目前尚不清楚国行版本信息。在后续推文，辛格表示小米内部仍在研发先进成像技术，意味着 Ultra 机型 [应该指国际版] 并未就此消亡。Singh 是活跃在海外社交媒体的数码爆料人，主要关注小米、OPPO、vivo 等中国智能手机品牌及其海外与国内产品线。

什么？Cursor 也做了一个 GitHub？Origin 正式上线，从代码托管走向 Agent-native，Cursor 的野心可能已经不只是做一个 AI IDE 了。

IT之家 8 月 18 日消息，赛昉科技 (StarFive) 今日正式宣布推出 RISC-V HPC CPU 内核设计昉 · 天枢-100 (Dubhe-100)。该 IP 已被希奥端计算 (LECARC) 选为智能边缘服务器 CPU 的基础。赛昉表示，昉 · 天枢-100 专为 HPC（高性能计算）场景设计，旨在满足 AI 智能体等新兴应用对算力的持续攀升需求，其也是国内率先达到可交付状态的服务器级 RISC-V CPU IP。昉 · 天枢-100 性能对标 Arm Cortex-A78，整数 IPC 达 SPECint2006 15/GHz。其采用深度乱序执行架构，配备 15 级流水线、6 发射宽度、256 条指令的乱序窗口，严格遵循 RVA23 规范，率先实现业界领先的乱序执行向量单元。该 CPU 内核支持单核、双核、四核 3 种集群配置，支持 TileLink、AXI、ACE、CHI 等主流互连总线协议，可对接赛昉 NoC IP 昉 · 星路-700 (StarNoC-700)，单裸片可扩展至 256 核。此外，昉 · 天枢-100 已完成对 Type 1 和 Type 2 Hypervisor 的完整支持，Linux 操作系统及 KVM 虚拟化方案均已在该平台上稳定运行。相关阅读：《希奥端计算将基于赛昉 Dubhe-100 CPU IP 打造 RISC-V 服务器 CPU》

IT之家 8 月 18 日消息，科技媒体 91Mobile 昨日（8 月 17 日）发布博文，报道称在 Google Play Console 数据库中，挖掘发现 Galaxy A08 和 Galaxy A07s 两款三星手机踪迹。根据页面信息，三星 Galaxy A08 型号为 SM-A085F。根据信息显示，这款入门级手机将搭载联发科处理器（此前曝光信息为联发科 Helio G99 芯片），并配备双 ARM Mali G57 GPU，配备 8GB 运行内存。IT之家附上相关图片如下：Galaxy A08 将配备 HD 水滴屏，分辨率为 720×1600 像素，屏幕密度为 300DPI，运行安卓 17 系统。三星 Galaxy A07s 型号为 SM-A077M。它将搭载与 Galaxy A08 相同的联发科处理器和 GPU，但只有 4GB 内存，运行安卓 16 系统。

这是苍何的第 578 篇原创！ 大家好，我是苍何。 一夜之间，DeepSeek V4 Pro 正式版发布了。 目前从官方给出的评测数据表现，V4 Pro 各方面表现都优于 V4 Flash， 还没来得