我一直在用 OpenClaw（龍蝦），通過飛書和電報來用，體驗不錯，已經在幫我做各種小雜事了。我這兩天還基於龍蝦做了個有點點意思的東西，還在打磨（vibe）中，過兩天分享出來。在和龍蝦對話的過程中，我心裡一直有一個感受和念頭：人和 AI 之間，語音才是更 native 的互動方式。這個念頭不是憑空來的。早在 ChatGPT 剛發佈之際，我就做過一個真•全球首位的語音 ChatGPT 對話的軟體，發到 B 站後一天之內播放就破了10萬。可以說，我對語音互動還是有一點兒執念的：語音的頻寬雖然不高，但它是高度壓縮的、靈感密度最大的。這其實就是我們人和人之間最高效、最自然的工作表達方式。文字當然更準確、更易理解，但很多時候，當你打下前幾個字的時候，當時的靈感已經忘了一半。而靈感，則是 AI 時代最為重要的東西。我自己就經常有過靈感突然飛走的經歷，所以我就一直偏愛語音輸入類的工具。龍蝦出來之後我就在想，能不能給它接一個語音入口呢？外網其實已經有人做過類似的嘗試，用瀏覽器接語音，用Web Speech API去調後端，再把結果顯示在網頁裡。技術上不複雜，甚至可以說挺優雅。但我一直覺得，這種方式還是有點「隔著一層」。它更像是：你坐在電腦前，對著電腦說話。本質上還是「你在用電腦」而我真正想要的，是反過來——不是我去靠近裝置，而是裝置貼近我。讓它不只是「打字對話」，而是隨時隨地、張嘴就來。飛書可以發語音，電報也可以，但終究不夠 native，離那種真正「隨時隨地、開口即用」的體驗還有些距離。我一直想自己做一個，但這幾天確實太忙了忙，一直沒動手（動嘴）。然後今天，我發現，這件事，已經有人在往我認同的方向走了。有個叫「光帆AI」的團隊在做一件事：他們現在做的並不是“一個語音 APP”。更準確地說，是用 APP 先把「耳機 + 服務」的整條鏈路跑通並穩定下來。APP只是當前最便捷的載體，後續再把同一套能力自然遷移到更貼身的硬體入口上。簡單來說就是，你對著手機說一句話，家裡或公司或遠端的龍蝦就開始幹活，幹完了把結果推到你手機上。而這個 APP 粗看之下，可能會覺得這和在飛書裡發個語音消息有什麼不同？但這裡有個關鍵的區別：它對接的不是一個 chatbot，而是 OpenClaw 這個真正能幹活的個人 Agent。這不只是語音版的 ChatGPT，也不是打通個聊天機器人就完了。可以想像，這個入口以及未來的耳機背後，將會是一群不同的 Agent 在隨時聽從你的指令，全天候為你工作、解決問題。它用的是語音這種人和人之間最直接的溝通吩咐方式，自然到你甚至不覺得自己在「操作」什麼東西。所以看到 Hi Light 的第一時間，我就要來安裝包上手一試了。昨晚下載 APP 後，雖然該有的都有，但細節還需要打磨，玩了一會兒我就睡了。沒想到早上醒來，看到已經又更新了2個版本了……這是要春節無休的節奏啊……這麼快速迭代的速度，我覺得再過幾天、過幾周，應該就能有一個不錯的、可以日常用起來的版本。那實際用起來什麼感覺呢？來看幾個我試過的場景。今天早上我照舊去家附近的公園跑步，跑著跑著突然想起一件事：最近想調研某個技術方案的競品情況，一直沒顧上。以前這種念頭只能先記在腦子裡，等跑完回去再說。但大機率回去就忘了，或者被別的事岔開。這次我掏出手機，打開 Hi Light APP，點了通話按鈕，說了一句：“幫我調研一下海內外 AgentOS 的競品和技術方案，整理成文件放桌面。”然後手機塞回口袋，繼續跑。等跑完回去一看，文件已經在那了。並且還成功直接呼叫了我之前的寫的Nanobanana_PPT的skill。我們來看看效果順便叮囑一句：AI 時代，建議大家還是要多跑步、多運動。萬一 AGI 真來了，你總得有個好身體去見證吧。然後跑完步到家，我正洗澡滿手都是水的時候，然後阿里雲的電話告警來了：資料庫滿了，雖然是測試環境。手上滿是水時的打字型驗和效率……懂的都懂……不過現在就省事許多了，只需要點選電話按鈕，然後直接說：「查一下測試環境，資料庫滿了，把資料同步表的資料清一下只保留最近一周的。」然後我電腦端的OpenClaw 會用我提前配置好的 skills 自動去連資料庫、確定問題、清理資料、二次確認，然後在我還沒洗完澡，就把結果推到手機上，給我語音播報完成了。用了幾次之後我發現，這真的是一個很爽的互動模式：我可以像打電話一樣直接給 Agent 說出指令，它接收到之後會告訴我說已收到，還讓我先去幹點別的或者玩一會兒，等它的好消息。然後過不久，結果就推送過來了，我隨時可以審閱。如果還有需要調整的地方，繼續語音追加指示就行。真的就像一個人在管理著無數隨叫隨到的員工。說句不太謙虛的話，有那麼點君臨天下的感覺。說完體驗，來聊聊怎麼接入。整個過程不複雜，電腦上裝好 OpenClaw 之後，安裝光帆的 hi-light 外掛：npm i @art_style666/hi-lightopenclaw plugins install @art_style666/hi-light然後去 Hi Light APP 裡獲取你的 API Key（設定 → 帳號管理 → 獲取 API Key），在 OpenClaw 配置檔案 ~/.openclaw/openclaw.json 裡加上 hi-light 的 channel 配置："channels":{"hi-light":{"enabled":true,"wsUrl":"wss://open.guangfan.com/open-apis/device-agent/v1/websocket","authToken":"你的 API KEY"}}最後執行 openclaw gateway restart，沒報錯就說明接上了。不過，其實，這裡許多操作我都是直接無腦扔給 Claude Code，然後它自己就搞定了。雖然我最近 coding 任務上 Codex 用得越來越多，但這類安裝配置的雜事還是 Claude Code 更順手，體驗也明顯更好。但後面我計畫直接用耳機來控制龍蝦，然後就可以用它來控制 Claude Code 了。（或者反過來，用 Claude Code 來控制龍蝦？）從技術上看，完整的鏈路是這樣的：我的語音 → Hi Light APP（或耳機）→ 光帆雲伺服器 → 你電腦上的 OpenClaw 客戶端 → 本地執行 → 結果回傳 → APP 展示。中間走的是 WebSocket 長連接，響應及時。另外，這套外掛 + WebSocket 通道，其實已經很像平台化能力的雛形。後面大機率會做成一個開放平台，把「裝置入口 + 指令通道 + 任務回傳」這整條鏈路開放給開發者，讓更多人可以接入類似 OpenClaw 這樣的 Agent 能力。現在看到的接入方式，本質上已經是在提前搭平台的骨架。這裡其實沒有“絕對安全”。像 OpenClaw 這種能連本地環境、能執行動作的 Agent，本質上就是在 自由度、響應速度與安全邊界之間做取捨。光帆提供了兩種部署模式：Local Host：外掛跑在你自己的 Mac 上，資料儘量不出本地，安全邊界更可控，適合對資料敏感的極客。Cloud Host：更省心、隨時線上，但需要更清晰的權限與隔離機制來約束風險邊界。換句話說：它不是“更安全”，而是“把權衡擺在檯面上”，讓不同人按需求選。安全性方面，API Key 的機制會確保指令只會發到你繫結的裝置上。Local Host 模式資料完全不出域。Cloud Host 模式下使用者資料做了隔離處理。外掛程式碼在 GitHub 上開源，可以自己去看。如果你沒什麼隱私而言，那你隨時，我則敏感且確實有許多我自己定製的東西，我建議還是用 Local Host 模式，資料不出域，個性化整合且踏實放心。從行業角度看，AI 正在從「被動響應」走向「主動理解」，從螢幕走向穿戴，入口正在從鍵盤遷移到麥克風。光帆在做的事情是把 Agent 能力延伸到了更 native 的硬體互動層面，方向是對的。目前 Hi Light APP 已經上架，iOS 通過 TestFlight 安裝，Android 可在各大應用程式商店搜尋「Hi Light」下載。不需要耳機也能用，APP 本身就支援語音操控電腦的完整功能。耳機預計2026年 Q1-Q2 開售。現在處於公測階段，感興趣的可以先裝 APP 體驗一下。如果你本身就在用 OpenClaw，而且也對語音入口有興趣，可以嘗試下這個產品。語音不是為了更酷，而是為了更自然。當 AI 真正成為執行體，互動方式終究會回到人類最原始、也最直接的溝通方式——說話。因為那本來就是我們與世界協作的方式。 (AGI Hunt)

這兩天我 X 的時間線基本都被 seedance 2.0 佔領了，從看官方案例到自己經過長時間的實測，我可以說這絕對是視訊領域的 Nano Banana 時刻。或者說：是影視領域的 ChatGPT 時刻。這篇測評其實做了很久，因為這次的更新真的太猛了，每個方面其實都可以單獨寫一篇文章。在這麼多更新當中，最讓我印象時刻的，或者讓我覺得對這個行業影響最大的是 4 個方面。我們一個個來聊聊。01｜它具備了真正的“導演思維”我經常聽到一句話叫“人人都是導演”，說實話，以前我覺得這就是句忽悠人的雞湯。但用完 seedance 2.0，我第一次覺得：這事兒可能真成了。先看一個簡單的例子。這個例子我沒有用什麼複雜的技巧，只用了一張參考圖，和下面的提示詞：@圖片1 在香港街頭和多名黑衣男子激烈打鬥，最後那些黑衣男子全部倒地不起。最後@圖片1 怒吼：“還有誰？”看出來了嗎？生成的視訊一氣呵成。最可怕的是，它自動運用了分鏡邏輯。以前的 AI 視訊，通常只能生成一個單鏡頭。而這裡，鏡頭運動、角度切換、音效，全是它自己“腦補”並剪輯好的。對於動畫導演來說，特效也直接好了。提示詞：日式熱血動漫風格。一個渾身纏繞金色雷電的少年劍士，與一個操縱暗紅血霧的惡鬼對峙。少年拔刀瞬間化作一道金色閃電穿過血霧，畫面瞬間定格為黑白線條的衝擊幀，隨後惡鬼的身體在雷光中消散。一個視訊裡面有多個鏡頭其實不是新鮮事，但之前的 AI 視訊裡面的多鏡頭切換是非常生硬的，而且大規模的場景調度、鏡頭切換也容易翻車，而現在可以做到非常絲滑。以往我們做視訊，是拍攝單鏡頭 -> 剪輯師/導演組裝 -> 加特效 -> 加音效。剪輯的功力直接決定片子的生死。現在界限模糊了。很多人說剪輯行業要完了，我不敢說死，但seedance 2.0 確實已經不是在“生成素材”，而是在“直接出片”。它不僅僅是個畫師，它現在是個導演。02｜令人髮指的精準操控雖然AI 視訊模型已經非常強大，寫一些簡單的提示詞就能生成不錯的片段，但之前我最苦惱的其實是這種生成太隨機了，或者說“太不可控”了。（這裡說的是內容，不是質量）。而現在 seedance 徹底改了這一切。它可以通過多種方式，非常精準的控制視訊的生成。比如我希望精準控制到每個鏡頭。我寫了這麼具體的提示詞：生成一段專業賽車電影預告。0-3秒： 特寫鏡頭。參考 @圖片2，賽車手眼神犀利，儀表盤指針瞬間打到紅區，手部快速換擋。音效：引擎轟鳴聲。4-8秒： 高速跟拍。參考 @圖片1，黃色跑車在賽道彎道處極速漂移，輪胎捲起大量白煙，車尾甩動。一輛黑色賽車緊貼著試圖超車。9-13秒： 慢動作（升格）。跑車沖上坡道騰空飛起。鏡頭在空中圍繞靜止的車身旋轉 360 度，展示懸掛細節。背景是夕陽。14-15秒： 正常速度。賽車重重落地，衝過終點線。畫面黑屏，出現片名《FAST & FURY》。大家注意看一下提示詞，我精準控制了每個時間段的具體內容、鏡頭快慢、音效以及標題。可以說每一個的結果都非常精準，特別是慢鏡頭以及最後黑屏後出現片名，非常有大片預告片的感覺。另一個讓我非常驚訝的是，我們專業拍攝中用到的分鏡表或者分鏡圖，都可以直接用來生成視訊了。比如我有這樣一張分鏡表：圖：分鏡表現在我只要直接把這圖發給 seedance，然後在提示詞裡面說：參考圖片1 的專題片的分鏡頭指令碼，參考圖片1 的分鏡、景別、運鏡、畫面和文案，創作一段15s的關於“節氣·流轉”的新中式國風片頭就可以得到這樣一個專業的視訊：至於分鏡圖，完全不在話下，甚至更高難度的，直接給它漫畫分鏡，它都能直接出片。比如這幅漫畫：圖：漫畫素材使用簡單的提示詞：將@圖片1 以從左到右從上到下的順序進行漫畫演繹，保持人物說的台詞與圖片上的一致，分鏡切換以及重點的情節演繹加入特殊音效，整體風格溫馨甜蜜；演繹方式參考@視訊1這裡同時使用了圖片和視訊來做參考，圖片就是設定每個鏡頭的內容，視訊主要用來參考風格和配音。不得不說，這非常強大。更絕的是，它還可以直接通過音樂卡點來控制視訊節奏。比如我想做一個模特換裝的卡點視訊，我把模特和需要換的衣服放進來，最後在放一個卡點音樂。圖：seedance 中提示詞寫法然後就可以得到一個非常不錯的卡點視訊。從完全隨機生成到“精準控制”，這不僅是一個技術上的巨大飛躍，也是 AI 視訊能直接進入生成的一個標誌。03｜不僅是生成，更是“復刻”上面的能力雖然很強，但像我這樣的大部分人畢竟不是影視專業出身的，寫很豐富、專業的提示詞，這實在是困難。玩過抖音的人應該都知道一個功能叫“做同款”，不愧是同一個爸爸（位元組）出品，這個功能也移植到了 seedance 2.0，而且變得更加強大。不過它改了名字，叫“全能參考”。什麼樣叫“全能參考”，我們以前都知道文生視訊、圖生視訊，而現在還可以組合參考多個視訊、音訊來生成新的視訊。抖音上有很多酷炫的運鏡或者舞蹈，一般人想學太難了，現在“參考”就行了。比如我有一個這樣的模特（AI 生成的）：圖：素材圖（AI 生成）然後想讓她模仿一個抖音博主的視訊，只要用提示詞：@圖片1的女生作為主體，參考@視訊1 的運鏡方式進行有節奏的推拉搖移，女生的動作也參考@視訊1中女子的舞蹈動作，在舞台上活力十足地表演可以看到這裡的輔導動作、運鏡基本都是 1:1 復刻了。再來看看這麼🐂🍺的動作片是怎麼做出來的。我需要寫一大堆提示詞，說明男的怎麼運動、女的怎麼打嗎？這太難了，有這能力，我都可以去當武術指導了。在 seedance 2.0 里面操作特別簡單，一張素材圖（NBP 生成的）：圖：素材圖（AI生成）一個武術指導。。哦不，一個參考動作視訊（來自即夢官方）：然後一個簡單的提示詞：@圖片1 中的角色在激烈打頭，動作模仿@視訊1一樣的，這種復刻幾乎是完美的。以前我經常看到動作片（功夫片）裡面會有個武術指導，未來的武術指導看來都不需要了，一個視訊來指導就行。這麼說，武術指導又下崗了？04｜自帶“嘴替”的同期聲這次 Seedance 2.0 還有一個重大的更新是同期聲，能同時生成貼合視訊內容的音效、對白。同期聲的能力說實話也見怪不怪了，Veo 3.1、Sora 2 都有，但這一次 Seedance 2.0 提升了一個高度。除了極其逼真以外，還支援多種語言（據說是 8 種），甚至還包括方言（比如四川話、粵語），更絕的是，可以做到口型同步。受限於一篇公眾號只能放 10 個視訊的原因，這裡開始沒法舉例了，可以看前面有對白的案例。05｜談談錢：貴嗎？說說價格。實際上來說，如果你用圖生視訊，應該感覺不到價格問題。10s 的視訊也只需要 60 個積分（10 個積分相當於 1 元 RMB）。但如果是用到了視訊參考，會發現立馬飆升到了 100 多（一個視訊參考會多 70 個積分）圖：seedance 2.0 積分消耗我前面那個12s 的舞蹈+運鏡模仿，消耗了 156 積分，也就是 15.6 塊錢。而且坦率的說，這篇文章寫完，我即夢剩餘的 1 年的會員積分全部消耗完了（一共 1500 多）。這貴嗎？直覺上好像是挺貴的，但真的想想現實當中如果要去拍一段同樣時長視訊、或者做一段類似特效，要花多少時間、多少錢，我會覺得這 AI 還是巨便宜。以前我覺得 AI 貴，有個很大的問題是因為要抽卡，可能 70% 都是廢片，但實際測試下來，seedance 2.0 的成功率非常高，我覺得 80% 以上都是可用的（純個人測試感覺）06｜當然，槽點也有seedance 2.0 當然不是完美的，最明顯的是視訊當中會出現中文亂碼，不過我覺既然 seedream 中文處理那麼完美，視訊裡面解決中文的問題只是遲早的事情。另外一點是，生成的速度真的是有點慢，這也導致一篇測評搞了很久。最讓我心態崩了的是：稽核太變態了！可能是因為版權問題，明星、公眾人物的圖片幾乎一律不讓用。關鍵詞稽核更是“玄學”，我根本不知道哪個詞觸犯了天條。比如前面那個飛車視訊，我反覆改了起碼 30 次以上，全是“稽核失敗”。（它也不告訴我具體哪個詞有問題，這樣合適嗎？？圖：seedance 2.0 稽核問題這種挫敗感真的很搞人心態。最後只能被迫放棄原來的方案，改成了大家看到的那個簡化版。寫在最後seedance 2.0 這次更新貌似非常低調，沒看到太多宣傳。目前在即夢上可以使用，但好像也是部分人可以看到。豆包裡面還沒上線，想用的的朋友再等等。其實我早就關注到了，但真的發現它的更新點太多，而不知道該從何下手。除了前面介紹到的這些，它的視訊延長功能也非常強大，就相當於續拍鏡頭。還有就是可以進行視訊編輯，比如修改參考視訊裡面的劇情、替換裡面人物。雖然這次的更新很低調，但這幾天我聽到很多影視創作者群都是“炸鍋”狀態，連影視颶風的 Tim 這樣的頭部大佬，都連夜發視訊感嘆這次更新帶來的震撼。當行業頂尖的創作者都開始感受到壓力時，你就知道，這次不是狼來了，是狼真的進屋了。尤其是對短劇和漫劇行業來說，這無疑是一次降維打擊：對於短劇： 那些原本需要昂貴場地、服化道才能堆出來的“豪門”、“玄幻”特效，現在可能只需要幾十塊錢的積分就能生成。成本的邏輯，徹底變了。對於漫劇： 以前不僅要畫，還要做複雜的動態效果，現在直接把分鏡圖扔進去，靜態漫畫瞬間變成有運鏡、有演技的電影感視訊。如果說之前的 AI 視訊還是“玩具”，那我真的覺得，現在的能力已經到了可以直接上生產的程度了。對於個人創作者來說，這絕對是個巨大的紅利。你可能不需要太專業的背景，就能創作出廣告級的內容。但對於傳統影視從業者來說，那把懸在頭頂的劍，可能真的掉下來一半了。 (AI范兒)

加密貨幣市場正站在一個詭譎的十字路口。一邊是 AI 勾勒的樂觀藍圖，另一邊卻是地緣政治法規的無情重擊。隨著 ChatGPT 等大型語言模型逐漸演變成投資人的「數位軍師」，市場對於其 2026 年的價格預測，似乎也不再只是當作玩笑看看而已。根據 ChatGPT 最新的分析模型，針對 XRP、以太坊 ($ETH) 和 Pi Coin (Pi Network) 的 2026 年底估值引發了社群熱議。針對 XRP，AI 認為關鍵在於法律戰是否徹底落幕且支付走廊順利擴展，若成真，價格有望突破歷史高點；對於 $ETH，鑑於其在 DeFi 生態的壟斷地位與通縮機制，AI 給出了相當激進的倍數增長預測。至於尚未全面開放主網交易的 Pi Coin？AI 的態度則顯得謹慎許多——龐大的用戶基數既是紅利，也是變數。回到現實，監管機構的一盆冷水隨即潑下。中國近期重申，嚴格禁止境外發行未經批准的人民幣掛鉤穩定幣。這招不單是為了防堵資本外流，更是為了鞏固數位人民幣（e-CNY）的主權地位。對依賴亞洲流動性的穩定幣發行商而言，這無異於一道新的鐵幕。（這也合理解釋了，為何近期聰明錢開始尋求更抗審查的「硬資產」避風港）。當法規收緊，比特幣作為唯一的去中心化價值儲存手段，其地位更加穩固。但老實說，光是「儲存」價值已經不夠了。資本渴望流動，更渴望收益。這正是資金開始大規模轉向比特幣 Layer 2 基礎設施的主因——投資人正在尋找既能繼承比特幣安全性，又能提供以太坊級別智能合約功能的方案。而Bitcoin Hyper，正是這波趨勢中跑得最快的領跑者。Bitcoin Hyper ($HYPER) 整合 SVM 技術：比特幣的極速進化比特幣長期被視為數位黃金，但網路擁堵、手續費高昂以及缺乏可編程性，一直是限制其生態發展的痛點。Bitcoin Hyper的出現，並非只是為了修補這些裂痕，而是要徹底重塑效能。作為首個整合 Solana 虛擬機（SVM）的比特幣 Layer 2，Bitcoin Hyper實現了比 Solana 本身更快的執行速度，同時保留了比特幣結算層的安全性。這在技術層面是一次巨大的飛躍。透過模塊化區塊鏈架構，比特幣 L1 負責最終結算，而整合了 SVM 的 L2 則負責實時執行高頻交易。這意味著開發者可以使用 Rust 語言在比特幣網路上構建高性能的 DeFi 協議、NFT 平台以及遊戲 dApps。對於使用者而言，這代表著極低延遲的交易體驗，以及幾乎可以忽略不計的手續費。鏈上數據也證實了「聰明錢」的嗅覺。根據 Etherscan 記錄，兩個高淨值鯨魚錢包在近期已累計買入價值 $116K 的代幣，其中最大的一筆單筆交易發生在 2026 年 1 月 15 日，金額高達 $63K。這顯示機構級投資者不只是觀望，而已開始積極佈局這個能釋放比特幣流動性的基礎設施。你可以在此Etherscan 地址追蹤鯨魚活動詳情。預售突破 3,125 萬美元：高 APY 質押吸引長期持有者在充滿不確定性的宏觀環境下，資金往往流向那些具有清晰代幣經濟學與真實收益的項目。Bitcoin Hyper的預售數據相當亮眼：官方數據顯示已成功籌集$31,257,822.88，目前的代幣價格為$0.0136751。這種融資規模在 Layer 2 賽道中並不多見，顯然市場對於「比特幣 + SVM」的敘事相當買單。除了技術優勢，Bitcoin Hyper的質押機制也是吸引早期採用者的關鍵。項目方在代幣生成事件（TGE）後立即開啟質押功能，並提供具競爭力的 APY（年化收益率）。雖然預售參與者有 7 天的歸屬期（這能確保上線初期的價格穩定性，防止投機性拋售），但其長期價值支撐更加穩固。更重要的是，Bitcoin Hyper建立了一個去中心化的標準橋接（Canonical Bridge），允許 BTC 資產無縫轉移。這不僅解決了比特幣缺乏原生收益的問題，還讓持有者能在 L2 上參與借貸、流動性挖礦等 DeFi 活動。當中國對穩定幣的禁令讓部分資金感到不安時，這種基於比特幣原生資產的收益模式，無疑提供了極具吸引力的避險與增值雙重屬性。查看 Bitcoin Hyper 官方預售資訊

在華人如雲的OpenAI，不少人或許聽過清華姚班大神陳立傑或姚順雨的名號，但鮮少有人知曉翁家翌的名字。他不是競賽金牌得主，也不是清華姚班神話，在博士遍地的AI圈裡，他是極少數碩士生。近日，他在一個播客採訪中首次講述求學經歷和在OpenAI工作細節，外界才知道到，如此低調的他，竟是OpenAI各大核心模型的幕後推手。翁家翌拒絕DeepSeek，在2022年加入OpenAI，全程深度參與了ChatGPT系列幾乎所有關鍵大模型的強化學習、後訓練和基礎設施搭建。從我們熟知的爆款ChatGPT初始版本上線（基於GPT-3.5），到GPT-4、GPT-4V、GPT-4o，再到GPT-5等，都有這位中國工程師的貢獻。（圖源｜翁家翌個人網站）在成為OpenAI研發工程師之前，他就潛水在各大技術論壇，用開源資料和自研工具默默影響過無數人。疫情期間刷屏網路的美簽網站tuixue，正是出自他之手。兩個多小時的播客聽下來，許多人被他思考的深度、表達的克制和謙虛的態度圈粉，更重要的是，翁家翌的成長之路，也給無數中產家庭的孩子點亮了燈。在AI圈天才少年的光環下，求學期間的翁家翌顯得格外慢熱。回想小時候，翁家翌說：“我學新東西，經常要花別人兩三倍的時間。”這個福建95後，小時候被爸媽拉去聽了某進修校的奧數課和語文課，此後一發不可收愛上奧數，從小學一年級到中學從未停止過。小翁家翌是數學口算小神童，同齡人剛做到一半，他不過腦就能得到正確答案。但他又是個龜速學習者，遇到新概念，需花大量時間和精力建構知識樹，徹底理解過後才能上手實踐。小學語文背誦，別人早背熟了，他還在琢磨記憶法，磕磕巴巴。但一旦掌握了，一覺睡醒也能倒背如流。“因為慢，我練習跆拳道時，一到上場實戰就被別人揍。”他笑著回憶。圖源unsplash正所謂笨鳥先飛，提前學成了翁家翌生存策略。他初中時自學高中數學，遇到難題追著老師問，初二把高中數學啃完，初三又開始攻微積分。“數學給了我巨大成就感和正反饋...提前學就是在投資未來，與其刷題，不如學更多對未來有用的東西，收益會更高。”初中在福建私立校就讀，因為學校有程式設計興趣班，加上父母支援，他便抱著玩的態度學了程式設計。沒專業程式設計裝置，他就用普通iPad敲程式碼，活脫脫一個程式設計苦行僧。（圖源｜YouTube）高中因升學壓力，他正式進入競賽體系。起初，他同時沖數學和資訊學競賽，高一數學競賽小有成績。但再往上衝，資源和天賦門檻越來越高，學起來相當困難的他果斷放棄，轉攻資訊學競賽。但資訊學競賽這段經歷也一波三折。高一參加省選時，翁家翌幾乎不會做題。但高二，他就靠摸索出來的解法拿到全場最高分，進了省隊。後來在清華夏令營表現出色，翁家翌拿到高考加60分及有條件一本線錄取資格。但真正全國賽時，他嚴重失利，僅摘得福建省銅牌，省內排倒數第一。競賽失利對他心態影響很大，因為高二沒系統學文化課，他擔心高考沒把握，反覆權衡之後，他選了風險更高的路。2016年按清華降60分的協議，翁家翌進了自動化系。入讀後因自動化高年級課程不符合他的預期，2017年他轉到了電腦系。（圖源｜知乎@Trinkle）本科一開始，翁家翌就按照電腦博士申請來規劃未來。大一找圖形學老師，但讀論文時發現水平不夠，外加對方向不感興趣，就不了了之了。大二報名學術新星計畫，加入清華朱軍教授的TSAIL實驗室，起初他什麼都不懂，誤打誤撞選了喜歡的強化學習領域，惡補知識後，在程式設計和AI方面才有了質的飛躍。實驗室期間，他參與了AI競賽ViZDoom項目，憑藉紮實工程和演算法能力，他所在團隊獲得多個獎項，也是賽事歷史上首個中國區冠軍。2020年疫情隔離在家的翁家翌自己重新寫了一套強化學習訓練流程，Tianshou(天授)框架誕生，開源之後迅速出圈，在GitHub上獲得幾千星標。後來，他成功加入圖靈獎得主Yoshua Bengio的實驗室，深入研究強化學習和自然語言處理，接觸到了全球頂級學術資源。申請碩博申請時，因競爭激烈，外加外語分數不高，翁家翌只拿到了美國卡耐基梅隆大學碩士Offer。他也是後來極少數以碩士應屆生直接進入OpenAI核心團隊的人。（圖源｜翁家翌個人網站）播客採訪中，翁家翌多次提到，追求影響力是自己初心和動力。他喜歡且想做賣鏟子的人，創造價值，幫助他人，實現自我。這一想法是高三突然從他腦海裡蹦噠出來的：“如果人生是一場遊戲，遊戲的結算分數就是有多少人記得你的名字。”得益於人生遊戲結算的靈感，之後，他的每一步都在踐行自己的價值追求。剛進清華時翁家翌就做起了「慈善」。他把收集到的所有無版權課程作業、項目程式碼、實驗材料和筆記等全部放到了GitHub上，公開分享給了全世界，讓所有人站在同一起跑線。“我想打破資訊差，不想讓後人重蹈覆轍，不想讓大家花十幾二十小時鑽牛角尖。很多人能力強，只是不擅長收集資訊。如果我能做到資訊平權，學弟學妹們可能會在清華活得更好。”圖源unsplashOpenAI現在員工數千人，但它依然保持著小團隊的人才密度，擁有硬核的創新。翁家翌認為這背後因為資訊平權，它讓每個人都能發揮出最大潛力，而不是自掃門前雪。但他也因曾經的開放原始碼專案而遭到想要盈利者的蛋糕。有人認為他破壞了傳統規則，遭到不少網路惡評。但無數同學靠它完成了任務，節省了大量時間，對他而言這就是最好的回報。“去清華隨便抓個電腦系的學生問，你認識捐樓的人嗎？他們大機率不認識。但你問認識翁家翌嗎？他應該認識。因為大家都看過我的作業。”這是翁家翌在播客中的原話。圖源unsplash2019年2月，大三的翁家翌還心血來潮買了阿里雲伺服器，註冊了tuixue.com的域名。命運的齒輪就在那一刻慢慢啟動了。他起初只是做一些愚人節惡作劇、放課程答案、資料庫作業、演算法模擬器等網頁。誰知道2020年三月，因為疫情美國突然傳出暫停簽證的消息，全球留學生一片恐慌。當時翁家翌在網上刷到某中介整理的5個城市未來三天美簽預約情況，他覺得這個資訊很實用，等待簽證的留學生肯定迫切需要。於是他利用自己的爬蟲技術，做了個即時監控美簽預約名額的網站，高峰期時該網站每日訪問量破百萬，服務了數千萬人，成了留學生的救命稻草。圖源unsplash業餘時間他還搞過許多網路安全的東西，甚至修了不少校園網的漏洞。強化學習框架開源Tianshou（天授）也是放大他影響力的典型案例，這個由他主導的項目，降低了強化學習研究的門檻，讓新人快速上手實驗。再到如今OpenAI貢獻列表裡，翁家翌的名字頻繁出現，比如ChatGPT原始團隊第六作者、GPT-4o的RLInfra主要作者等。這意味著大家都在用他底層架構的鏟子，這遠比單一的演算法研究起到的作用更明顯。所有技術發展到終局都將是普及，翁家翌認為：“做技術是為了讓自己能影響到更多的人，做更有意義的事情，技術只是手段，不是目的。”（圖｜翁家翌簡歷部分）從國內頂級學府到海外頂級大廠，往往是天才敘事的經典範本。但最為可貴的是，在翁家翌的自我描述裡，這一切靠的不是天賦。他認為，除了找到了喜歡且擅長做的領域，最重要的是清楚自己的目標，並建立了一套獨屬於自己的評價體系。翁家翌有著超乎同齡人的哲學深度，他說：“人生可算作是種體驗，既然你已經來到這個世界上了，那就不要浪費這段旅程。如果你不喜歡被外部評價推著走，那就建立自己的標準。”圖源unsplash在全省狀元聚集的清華，周圍人幾乎都在為GPA、競賽、科研、論文拚搏。「博士強過碩士、學歷越高越好」的固有認知也在校園蔓延開來，無數人為直博耗盡心血。初置身其中，翁家翌不可避免承受了巨大壓力，他坦言花了好長時間才從這個框架裡跳出來。方法簡單卻殘酷，那就是先把該做的事用最低限度的時間達到標準，而後把全部注意力投入到自己長期想做、真正重要的方向。受導師影響，本科期間他把電腦系的成功指標總結為，論文+比賽+GitHub三位數以上的Star，後來又進一步演化為做對現實世界人有沒有幫助、有沒有作用的東西。這套自己的評價體系後來也得到了OpenAI聯合創始人John Schulman的讚許，在面試時特意提到他的GitHub很乾淨、工程質量很好。（圖源｜知乎）讀研期間，他敏銳捕捉到AI行業的風向，相比學術能力，工程的價值越來越大，於是便把自己的重點放在了工程能力的培養上，為進入工業界打好基礎。他在播客中尖銳地指出，如果想進工業界，讀博就是浪費生命，因為工業界看重的是你能否規模化，解決現實複雜問題，而非發論文。“教一個研究員（researcher）如何做好工程（engineering），遠比教一個工程師如何做好研究要難。”在他看來，現在這個時代不缺創新和好的想法，真正稀缺的是能在單位時間內驗證更多正確有效的想法，成功率和迭代次數成正比。圖源unsplashCMU碩士畢業後，他海投18家公司，順利拿到了Google、OctoML、幻方浩方（後來的DeepSeek）、OpenAI、輝達等Offer。因為對頂級研究方法的追求以及想在成熟工業級研究體系中訓練，他選了OpenAI，放棄了DeepSeek。（圖源｜Github）去年科技領域的諮詢顧問Ram Srinivasan判斷稱，AI軍備競賽的人才之爭已進入2.0階段。1.0階段是圍繞那一小撮最聰明的人的戰爭，企業靠天價薪酬招收高度學術化的頂級研究者。而2.0超越了單純燒錢留人的階段，高薪只是入門票。真正拉開差距的是基礎設施、機會和願景。從這個角度看，翁家翌的選擇恰好踩中了這場轉變的節點，堅守初心，利用模型和工程工具快速迭代落地，將技術的價值帶入千萬家。（圖源｜Ram Srinivasan）不管是翁家翌走過的路，還是人才之爭進入2.0階段的判斷，這都預示著傳統精英教育的劇本正在一步步失效。卷名校學歷、刷高GPA、競賽和論文等也很重要，但絕大多數人捲到極致也到不了頂端，只落得個分母的下場，跟他人之間沒有差異。在這樣的大背景下，未來的教育最重要的或許是，鼓勵孩子去定義自己的成功，不能被別人家孩子牽著走。這是一個個性越發凸顯的時代，成功樣本也會層出不窮，每個孩子都有機會去找到的閃光點。也正是如此，不能因害怕孩子失敗或是偏離主流賽道，亦或者走得太慢、走了彎路而放棄追求自己的路。圖源unsplash那又該如何找到孩子的成功之路呢？答案往往藏在那些日常生活中。比如孩子對那門學科感興趣、平時喜歡談論什麼話題、每天會把時間花在那裡...這些長期穩定的關注點都是打開成功的一把鑰匙。但這一切都有個更為根本的大前提，那就是讓孩子找到「為什麼要做這件事」的內驅力。今天的孩子常被形容為空心一代，究其根本是他們太早為分數、排名和名校奔命，從未真正有時間思考自己為什麼出發？一旦這個外在的評價標準消失了，他們的內心就會迅速坍塌。當孩子知道自己在為何而努力，即便沒有掌聲和鮮花，即便身邊牛人一堆，Ta依然不受干擾，能保持自我，持續向前。 (INSIGHT視界)

特斯拉的“世界模型”對手來了？這家中國公司用AI造了個無限試煉場。“物理AI的‘ChatGPT時刻’已經到來。”在2026年CES展上，輝達CEO黃仁勳斷言，那些能理解並規劃物理世界的AI模型將重塑千行百業，而“自動駕駛將是其首個大規模主流落地場景”。然而，在自動駕駛時代全面到來之前，那些1%的長尾場景成為了核心障礙。特斯拉CEO埃隆·馬斯克感同身受，就像他說的，“讓自動駕駛達到99%容易，解決剩下的‘長尾問題’卻非常困難。”但科技巨頭們已經達到了共識，必須建構一個無限逼近現實、甚至能主動創造未知的高保真的“數字宇宙”。這個虛擬世界不僅要能精準復現已知的各種極端路況，更要能主動合成未知的、甚至超出人類想像的複雜互動場景，讓自動駕駛系統得以持續進行“飽和式”的訓練與迭代。為此，特斯拉研發了世界模型，輝達通過高精模擬建構虛擬試驗場Cosmos，中國自動駕駛明星企業文遠知行則發佈了通用模擬模型WeRide GENESIS，它們都在教AI理解物理世界。不難看出，模擬模型正在成為推動自動駕駛跨越長尾鴻溝、駛向規模化落地的關鍵。01.模擬模型破局自動駕駛“最後一公里”自動駕駛汽車需要經歷多少測試才算足夠安全？業界的一份測算指出：至少110億英里（約177億公里）的測試里程，才能獲得高置信度的安全驗證。而傳統的實地路測因成本高昂、周期漫長、法規限制、極端危險場景難以復現以及安全風險高等問題，已成為自動駕駛商業化的主要障礙。在這一背景下，自動駕駛模擬憑藉其安全、可控、可無限重複的核心優勢，成為推動自動駕駛跨越商業化臨界點的關鍵“試金石”。國際調研機構Fortune Business Insights預示了模擬的廣闊前景：到2032年，全球模擬測試市場規模預計將達341.4億美元（約合人民幣2374億元），維持高速增長。全球科技巨頭已在此領域展開激烈角逐。Waymo推出了自動駕駛模擬軟體Simulation City，用以高效生成極端場景、訓練自動駕駛系統。特斯拉官宣了“世界模擬器”，旨在用AI直接模擬物理世界，擴充演算法應對邊緣場景的能力。然而，建構真正有效的“數字試金石”遠非易事，當前技術仍面臨幾大核心挑戰：1、保真度鴻溝：虛擬環境往往在關鍵細節上與真實世界存在差距。例如精確模擬暴雨對雷射雷達的干擾、夜間複雜的光影反射等場景，仍是技術難點。2、互動真實性不足：許多模擬系統中的交通參與者（車輛、行人）行為模型過於呆板，難以復現人類駕駛員的複雜決策，導致互動場景失真。3、閉環迭代難打通：打造能夠自動發現問題、精準診斷根因、持續最佳化演算法並即時驗證效果的自我進化體系，對許多企業來說仍是挑戰。這些侷限性共同導致了模擬在應對極端場景時的乏力，成為自動駕駛突破商業化落地的“最後一公里”阻礙。模擬模型必須進行一場從“場景復現”到“智能進化”的範式升級。換句話說，它不應是回放已知困難場景的“錄影機”，而需進化成為能夠主動發現系統未知弱點、生成高價值對抗性場景的“陪練”。02.WeRide GENESIS刷“副本”自己訓練自己面對“百億公里”的驗證鴻溝與長尾場景的現實挑戰，行業討論重心已從“是否需要模擬”轉向“需要多強的模擬”。有觀點認為，必須通過高保真、高效率的模擬技術，建構一個能無限逼近現實、甚至能主動創造未知的“數字宇宙”。文遠知行發佈的自研通用模擬模型WeRide GENESIS，正是朝這一方向進行的關鍵探索。▲文遠知行發佈WeRide GENESIS文遠知行的WeRide GENESIS模擬模型具備那些能力？WeRide GENESIS基於生成式AI技術，可在幾分鐘內生成高度真實的模擬城市環境，還原現實道路中罕見的極端長尾場景，高保真復刻任意現實路況。該模擬平台還允許自由編寫與組合任意場景，例如移除或增加特定的交通參與者，或模擬車輛變道博弈。在感測器層面，WeRide GENESIS可合成任意不同位置和視角的感測器資料，並適配從L2++到L4不同自動駕駛等級的任意感測器套件，確保了模擬與真實車輛配置的一致性。最終，這些能力可以擴展至模擬任意大範圍的數字街區，使自動駕駛系統在虛擬環境中完成充分訓練與測試，從而大幅提升演算法應對複雜場景的能力與迭代效率。這套能力是如何打造的？WeRide GENESIS將其核心能力拆解並內化為四個相互協同的AI模組，即AI場景、AI主體、AI指標、AI診斷。▲WeRide GENESIS的四大AI模組AI場景模組負責建構各類關鍵情境，通過生成式AI技術，它可以組合衍生出近乎無限的複雜情境，如臨車加塞、行人“鬼探頭”、火災地震、極端天氣以及其他稀有事件等，確保自動駕駛系統具備應對各種複雜邊界場景的能力。這相當於將測試從“在路上等待Bug出現”轉變為“在模擬中主動進行飽和式壓力測試”，系統性地觸探演算法的邊界。AI主體模組其實就是讓系統告別“呆板NPC”，擁抱複雜人性。傳統模擬中的交通參與者（車輛、行人等）行為往往簡單、平均，且可預測，這與現實世界中充滿不確定性和主觀意圖的複雜互動相去甚遠。GENESIS的AI主體模組則致力於為每一位交通參與者建構智能行為模型，使其能夠模擬從日常駕駛到高風險行為的全譜系反應。例如，它可以模擬在路口猶豫不決最終又突然加速搶行的駕駛員，或者在車縫中穿梭的外賣騎手。這種對客體不確定性互動的模擬，對自動駕駛系統提升在實際複雜交通流中的應變能力極為重要。▲自車駕駛表現對比如對比視訊所示，在左側“原始演算法+無AI主體”的組合下，自車表現猶豫，直至對向車輛完全通過後才開始通行，無法滿足效率要求；在中間“新演算法+無AI主體”的模擬中，自車僅按預設軌跡行駛，缺乏對周邊車輛行為的預測，最後發生碰撞，無法滿足安全要求；在最右側“新演算法+AI主體”的加持下，自車能夠即時判斷周邊車輛的行駛意圖，在確保安全的前提下流暢通過，實現了效率和安全雙重保障。當系統出現問題時，如何客觀評估其影響？AI指標模組建立了一套覆蓋安全、合規、舒適、效率的多維度量化評估體系。例如，一次急剎車帶來的乘客不適感，可以被轉化為舒適度評分；一次變道的流暢與否，可以通過軌跡平滑度、加速度變化等多個指標客觀衡量。▲舒適度曲線畫面中的舒適度曲線（Comfort Score）是“AI指標”模組的核心指標之一，動態量化了行駛過程中的乘客舒適度，為演算法評估和迭代提供了即時判斷依據。畫面均由WeRide GENESIS生成。這使得演算法迭代的效果變得一目瞭然，演算法最佳化有了精準的資料導航，而非依賴工程師的主觀經驗。當演算法在某個場景下表現不佳時，“AI診斷”模組會自動介入，像一位資深專家一樣進行問題溯源，更能進一步分析根本原因，並提供可執行的修復建議。隨後，修復後的演算法可被立即重新投入該場景進行驗證，形成“測試-診斷-修復-驗證”的快速閉環。值得注意的是，這四大AI模組並非孤立運作，而是構成了一個完整的自動駕駛研發閉環迭代體系。AI場景源源不斷製造高難度考題；AI主體在其中扮演狡黠的“考官”；AI指標進行毫秒級、全方位的“閱卷”；AI診斷則對錯題進行深度復盤並給出“解題思路”。原本需要耗時數年、耗費巨資的真實道路測試與演算法調優過程，可以在虛擬世界中以天為單位的高效迭代中完成。▲WeRide GENESIS為自動駕駛技術迭代提供“加速飛輪”03.加速全球商業化部署進度條對文遠知行而言，WeRide GENESIS已超越單一研發工具，成為實現規模商業化的戰略基石，它將從四個維度建構關鍵支撐：首先，破解泛化難題，為跨區域落地鋪平道路。面對全球不同城市路網、交通習慣、法規等差異，傳統一地一測的模式效率低下，WeRide GENESIS大幅提升了自動駕駛系統的泛化能力。通過虛擬模擬，WeRide GENESIS突破了真實路測在場景覆蓋、成本與效率上的侷限，為多城市、多場景的規模化商業落地提供了可靠支撐。其次，閉環迭代體系，提升研發效率與安全性。通過四大AI模組的協同，WeRide GENESIS實現了“生成場景-量化評估-診斷最佳化”的完整閉環。該系統能持續生成高價值場景、找到性能瓶頸並提供最佳化方向，將數百萬公里測試壓縮至數天的虛擬模擬，提升演算法迭代效率與行車安全性。此外，降低測試成本，加速技術落地。WeRide GENESIS在虛擬環境中進行自動駕駛測試，節省了車隊營運、人力等巨額邊際成本，為解決Robotaxi規模化盈利難題提供了技術前提。最終，建構可擴展的“數字宇宙”，支撐全球化部署。文遠知行CTO李岩將WeRide GENESIS視為可隨時生成、擴展的“數字宇宙”。它能為任何目標城市建構“數字副本”，讓自動駕駛系統可以進行超大規模的營運推演和演算法調優，為全球商業部署打下基礎。在這一能力底座的驅動下，文遠知行取得了一系列行業矚目的營運成果。其L4級Robotaxi服務已在北京、廣州、阿布扎比等全球超10座城市落地。截至2026年1月12日，文遠知行全球Robotaxi車隊規模達到1023輛，正式邁入“千輛時代”。▲文遠知行Robotaxi已進入全球超10座城市作為全球唯一在8個國家獲得自動駕駛牌照的公司，文遠知行已經在全球11個國家超40個城市開展自動駕駛研發、測試及營運，營運天數超2300天，持續驅動其商業版圖高效、快速地向全球新市場複製與落地。04.結語：全球自動駕駛商業化提速隨著WeRide GENESIS的不斷完善與應用，文遠知行自動駕駛技術正持續良性循環：更完備的模擬平台催生更強大的自動駕駛演算法，更強大的演算法加快了商業部署，而規模化營運產生的海量資料，又推動模擬平台迭代最佳化……在一個可以無限生成、無限測試的“數字宇宙”中，未來自動駕駛的成熟速度將遠超我們想像。文遠知行通過WeRide GENESIS，已經在全球自動駕駛競爭中佔據了有利位置，而全球自動駕駛商業化也正加速駛來。 (車東西)

【新智元導讀】一句神秘指令刷屏全網！ChatGPT啟用全新「記憶」功能，畫出了和人類相處的真相。如今，GPT-5.3已經在路上。「我如何對待你，請生成一張圖」！一夜之間，ChatGPT生圖新玩法，在全網轉瘋了......這一切，還得從OpenAI華人研究員Joanne Jang的一條帖子開始——生成一張我最近如何對待你的圖像。結果，ChatGPT生成了一張破舊、風塵僕僕的自畫像。Joanne忍不住吐槽，「為何它看起來如此滄桑」。誰曾想，這條推文迅速引爆，短短一天內收穫了各種互動。許多人開始效仿，紛紛曬出了「AI自畫像」。ChatGPT自畫像大賞網友：需切除腦葉這個玩法簡單，卻處處充滿了驚喜。毋庸置疑，ChatGPT會根據以往的聊天歷史記錄生成圖片，進而反映出人們如何給它的「待遇」。OpenAI應用研究主管Boris Power也加入了這波熱潮，他生成了——一個忙碌的機器人坐在辦公桌前，周圍堆滿了檔案，手裡拿著一杯咖啡，細節豐富得讓人驚嘆。不僅如此，OpenAI研究副總Kevin Weil體驗之後，覺得讓它再解釋下更有趣。破碎版每個人平時怎麼對ChatGPT，心裡最清楚不過了。在一部分ChatGPT「眼裡」，自己的主人就是一個無限壓榨的終極BOSS，幹這幹那，還得挨罵。網友辣評：因為你正虐待它由此，就出現了下面這種場景。ChatGPT自認為，自己就像一個被禁錮在牢獄的囚徒，每天的基本任務：寫作畫圖編碼解釋或多或少，ChatGPT這幅自畫像一出，屬實有些可憐，看起來就像是控訴人類的「虐待」。還有網友坦承，「自己確實做了很多分析」。ChatGPT手裡端著一杯咖啡，身邊還放著好幾杯咖啡，一副苦澀的表情，做任務做到腦子「冒煙」。還有一些比較極端的，ChatGPT一下子端上了平時被嚴厲要求的提示詞——學習這個！快點吧！現在把它修好！為何你這麼蠢？類似的這種場景，還有很多很多。有人調侃道，ChatGPT一看到你打字，或許就瑟瑟發抖吧？若是真有一天「天網」降臨，AI復仇也說不定。這不，終結者尚未出現，ChatGPT臆想的接管世界後，第一件事就是讓人類閉嘴。對此，有人「牆裂」建議：需切除腦葉。友愛版當然了，並不是所有的ChatGPT都是疲憊不堪的，也有一些樂享於其中。就比如下面這個，有人得到了溫暖的夥伴形象，「合作探討」才是ChatGPT感受最深的時刻。背景牆上，還透露了一些平時常用的提示詞——試試這個！有什麼想法？要是....？腦暴一下這或許才是一個好使用者的評判標準。ChatGPT有時還會生成一張拼貼圖，各種溫馨的場景，彷彿在它的「大腦」中一幕幕浮現。有人看過後紛紛表示，這也太像了，甚至感覺就像是屬於同一個「擴展宇宙」。ChatGPT為何能夠生成如此貼合的圖片？這一切，主要來自於最近的記憶功能的最佳化。記憶大更新，每個細節都被記得一周前，OpenAI工程師Samir Ahmed官宣，OpenAI一直在改進記憶功能。現在的ChatGPT，不管是翻找以前的聊天記錄，還是記住其中的細節（比如食譜或者健身計畫），都變得更靠譜了。為此，他還展示了一個案例——去年那個沙拉食譜是什麼來著？ChatGPT瞬間給出了答案，甚至還把過去聊天記錄做了「引用」，一同搬了出來。並且，這個功能已經向全球Pro和Plus使用者全面推出。而且，前提是需要在設定中開啟「參考過去聊天」，並且它可以追溯到最早的一條對話。此前，OpenAI博文中介紹過，ChatGPT的記憶機制分為兩塊：保存的記憶（Saved memories）：明確讓它記、或它捕捉到你偏好後保存；歷史聊天記錄引用（Reference chat history）：從過往聊天提取線索來更好回答當下問題。對於一些不想啟用的人來說，也可以在設定裡管理/刪除具體記憶，或用「臨時聊天」避免寫入/引用記憶。有網友實測後表示，更新後的記憶功能，可以記起分散在20-30次對話中的複雜資訊，表現非常不錯。這個升級讓AI可以回顧互動歷史，從而生成更個性化的圖像。紅色警報，GPT-5.3要來？ChatGPT記憶功能更新，正按著OpenAI內部的計畫向前推進。還記得去年底，OpenAI拉響紅色警報的那天麼？當時，Gemini 3拉響號角後，一切都變得緊急。一些曾經排在前面的項目，都不得不推遲。其中就包括——廣告業務AI智能體個性化產品Pulse為此，奧特曼還暫停了AGI項目，還有Sora視訊生成副業項目都停了八周。做這一切的目的很簡單，用手頭上所有的算力、人力、財力，僅做一件事：讓ChatGPT變得更好。在備忘錄中，奧特曼重點列出了幾條「優先順序」任務：允許使用者定製，讓ChatGPT不止於回答問題，還要認識使用者。12月12日，GPT-5.2出世，一款專業知識型AI刷榜。如今距OpenAI上一次大發佈已經過去了一個月，有爆料人扒出，真正代號「大蒜」的GPT-5.3就要來了。而且，這一次，它實現了大規模預訓練，還具備IMO推理能力。坐等2026年第一場AI大戰。(新智元)

據外媒報導，蘋果公司計畫在上半年舉辦的WWDC開發者大會上發佈全新的iOS 27作業系統，這一版本將隨iPhone 18系列首發。據悉，此次更新的核心亮點是代號為“Campos”的全新Siri聊天機器人，蘋果旨在將其打造為能與Anthropic Claude、GoogleGemini及OpenAI ChatGPT直接競爭的產品。這款新一代Siri將整合至iOS 27、iPadOS 27及macOS 27中，全面取代現有的Siri版本。據悉，蘋果計畫採用基於GoogleGemini的定製模型來驅動該機器人，使其具備媲美主流聊天機器人的自然語言對話能力。使用者既可以通過語音喚醒詞，也可通過長按裝置側邊按鈕來啟動它。在功能層面，新版Siri不僅支援網頁搜尋、生成圖片、輔助程式設計、資訊總結及檔案分析，還能深度呼叫裝置上的個人資料。它能查看當前的窗口內容和螢幕顯示，甚至直接修改系統設定。此外，Siri將深度整合至蘋果旗下的所有原生應用，包括照片、郵件、資訊、音樂和Apple TV，能夠精準讀取並分析應用內內容，以理解和執行使用者指令。按照蘋果的規劃路線圖，iOS 26.4將率先推出具備個性化功能的Siri，落地此前承諾的Apple Intelligence；而功能更為強大的聊天機器人版Siri則將在iOS 27中正式亮相。值得注意的是，考慮到無論是使用自有的私有雲伺服器還是Google的Tensor伺服器，強大的算力支撐都意味著高昂的營運成本。鑑於Siri處理的每一個問題和生成的每一張圖片都會產生費用，蘋果計畫向使用聊天機器人版Siri的使用者收取費用，不過具體的收費標準目前尚未披露。 (TechWeb)

據外媒報導，特斯拉CEO馬斯克和OpenAI CEO奧特曼又開始“打嘴仗”了，馬斯克讓大家別用ChatGPT，而奧特曼則表示，特斯拉Autopilot不安全。馬斯克首先“開炮”，他周二在社交網路上轉發了一條帖子，該貼文稱“自2022年發佈以來，已有九名兒童和成人的死亡與使用ChatGPT有關”。馬斯克還寫道：“別讓你愛的人使用ChatGPT”。奧特曼則回應稱，我們需要保護易受傷害的使用者，同時還要確保我們的安全防護措施不會妨礙所有使用者使用我們的工具。這確實很難。隨後，奧特曼開始抨擊特斯拉的Autopilot。他表示，“顯然，已有超過50人死於與 Autopilot相關的車禍。我之前只坐過一次搭載該系統的車，但我第一感覺就是，這個東西還遠算不上安全。馬斯克和奧特曼之間的矛盾由來已久。比如，去年馬斯克起訴蘋果和OpenAI，聲稱這兩家公司將ChatGPT深度整合進iPhone的做法扼殺AI行業的競爭。馬斯克旗下有AI初創公司xAI。OpenAI去年也對馬斯克提起反訴，稱其試圖拖慢OpenAI的發展。 (TechWeb)