标签: AI硬件

  • 亚马逊做了个AI手环,戴在手上24小时录音,这体验有点诡异

    如果你跟我一样,对隐私这件事有点执念,那听到”AI手环24小时录下你身边发生的一切”这个说法,第一反应大概不会是”哇,好酷”。但这就是亚马逊旗下Bee可穿戴设备正在做的事——它像个体贴又有点 creepy 的小秘书,挂在你手腕上,随时准备把你说过的每句话都记下来。

    不是智能手表,是”声音日记本”

    Bee这个东西,形态上是个腕带设备,核心功能就一个:录音、转写、总结。你开着它,它就把你一整天的对话都录下来,然后App帮你把内容整理成摘要,顺便存一份完整转写稿。忘记刚才开会说了什么?打开App看一眼就行。

    使用逻辑倒不复杂:开机、戴上、和手机App配对、填点基本信息,然后按一下设备上的按钮就开始录了。录制的时候有个绿灯在闪,关掉就灭。录完之后,App自动生成摘要,也会保留完整转写——这套流程本身没什么稀奇的,Otter、Granola 这些工具早就做过了。

    亚马逊Bee AI可穿戴设备
    Bee AI可穿戴设备,图片来源:TechCrunch

    工作上还挺好用,生活里就算了

    TechCrunch作者Lucas Ropek在评测里说,真正让Bee派上用场的是工作场景。有一次他开着Bee打工作电话(当然先征得了对方同意),结束后App很准确地把对话摘要整理出来了,还把不同话题分段呈现,不用再倒回去听完整录音。对于一天要连轴转好几个会的人来说,这东西确实有点用。

    但转写质量嘛,只能说还有进步空间。Bee不会自动识别谁在说话,得你手动标注;评测过程中还出现了漏掉部分对话内容的情况,虽然不是什么大段遗漏,但确实不够完整。

    Bee真正的问题不在功能,而在它要的权限太多了——位置、照片、通讯录、日历、手机通知,甚至连健康数据都可以给它。这些数据都存在云端。

    Bee说自己用了加密,也做了第三方安全审计,这些话听起来都没问题。但问题是,它的母公司是亚马逊。这家公司管着全球那么大一块云基础设施,出过的安全事故也不止一两回。如果你对数字隐私比较敏感,戴着这东西过日子,心里总会觉得有点不对劲。

    有个细节挺有意思:Bee曾经给一位科技YouTuber演示过完全本地运行的版本,不需要把数据传云端。如果这个版本真能做出来,倒确实值得考虑。但亚马逊目前没有透露任何关于这个计划的进展。

    作者拿它去看了场《水库狗》

    评测里有个好玩的片段:作者戴着Bee去跟朋友看电影之夜,放的是《水库狗》。他有点担心这片子里满屏的暴力对话会让Bee误以为发生了什么真实危险,触发什么内部警报。结果Bee还挺聪明,识别出了他们在看昆汀的电影,把那段对话标注成了”塔伦蒂诺电影场景分析”。这一下倒是让人觉得,它对上下文的理解能力比预想中好一些。

    总体来说,Bee在专业场景下有一定价值,特别是对于那些每天会议密集、需要整理谈话要点的人。但如果你指望它融入你的个人生活,那就要先问问自己:你真的愿意让亚马逊掌握你线下活动的绝大部分信息吗?

  • 欧洲机器人创业公司Theker融了8500万美元,不做人形做”变形”

    人形机器人很酷,但工厂可能不需要它们。巴塞罗那初创公司Theker刚完成8500万美元A轮融资,号称是”欧洲史上最大机器人A轮”,做的不是波士顿动力那种固定形态的人形机器人,而是可以随时重新配置的工厂机器人。

    Theker reconfigurable factory robot
    Theker的可重构机器人:手部、手臂、整体形态均可按需更换(图源:TechCrunch)

    不专精任何任务,才是卖点

    创始人Carla Gómez Cano说得很直接:如果你永远只需要把一样的饼干放进一样的盒子里,那固定任务的机器人没问题,但现实不是这样。Theker的机器人可以根据任务更换手部、手臂甚至整体形态——分拣包裹、包装服装、处理仓库里的瓶瓶罐罐,一个平台全搞定。

    Zara母公司Inditex已经签成了早期支持者,但Theker的野心不止零售。公司的更大目标是把场景从零售仓储拓展到更重的工业制造领域,那里的手工任务复杂度和规模都要大得多。

    “We didn’t build Theker to run pilots.”——Carla Gómez Cano,Theker联合创始人

    跳过试点,直接进产线

    这轮由美国VC机构CRV领投,三星和LVMH董事长贝尔纳·阿尔诺旗下的Aglaé Ventures也跟进了。Gómez Cano表示三星目前还不是客户,但双方已在深入洽谈——如果能同时拿下三星作为客户、供应商和投资者,对一家初创公司来说是最理想的三位一体。

    公司总部留在巴塞罗那——这几年那里机器人创业生态起得很快。团队现在几十人,已经收到15000份求职申请,预计到年底扩张到120人。Theker在巴塞罗那市中心有一个展示厅,计划将展厅网络扩展到美国和亚洲。

    Gómez Cano强调他们”不是为了做试点而成立的”,所以直接跳过企业的创新部门,去找物流和运营部门谈——那里的决策更真实,周期也更短。这种打法在工业机器人领域不多见,但是不是更有效,接下来两年就能看出来。


  • 黄仁勋的AI工厂蓝图

    黄仁勋的AI工厂蓝图

    英伟达GTC 2026大会,黄仁勋的演讲信息量巨大。他明确说,两年前播下的生成式AI种子已经结出硕果,”有用的人工智能”已经到来,核心标志就是智能体AI的全面爆发。

    什么叫智能体AI?简单说,就是AI不再只是生成内容,而是能完成实际工作。它有理解、观察、推理、规划能力,能通过”观察→推理→行动→使用工具”的闭环完成实际任务。相比人类用户对响应速度的要求,智能体对低延迟的需求更高,追求纳秒级响应。

    黄仁勋在演讲中强调,AI不是在替代就业,而是能指数级放大工程师的产出,相同的人力投入能创造3倍以上的生产力价值。未来智能体的部署数量将远超过全球人口,将成为数字经济的核心参与主体。

    这次GTC最重磅的发布是Vera Rubin超级计算集群,这是英伟达史上最复杂的端到端机架级集群系统,专为智能体AI量产设计,目前已经进入全面量产阶段。这个集群的供应链规模是Grace Blackwell的2倍,采用无缆化midplane设计,单机架组装时间从2小时压缩至5分钟。

    除了硬件,英伟达还推出了DSX数据中心基础设施蓝图,包含DSX Sim(数字孪生仿真)、DSX OS(工厂运营系统)、DSX MaxLPS(电力效率优化)、DSX Flex(电网调峰适配)四大模块,为AI工厂提供从设计、建设到运营的全流程标准方案。

    在PC生态方面,英伟达与联发科联合研发了N1X芯片,推出RTX Spark智能体计算平台,覆盖笔记本、台式机、DGX Station三种PC形态。微软将联合英伟达重构PC操作系统,实现云端-本地智能体的协同工作。黄仁勋预测,十年后家庭AI超级计算机将像家电一样普及。

    物理AI是另一个重点。英伟达推出Cosmos 3开源世界模型,解决物理AI的数据匮乏问题。这个模型采用自回归Transformer+扩散Transformer混合架构,可生成符合真实物理规律的合成视频,为机器人、自动驾驶等物理AI提供虚拟训练数据。模型、数据、训练方法全部开源。

    从这次GTC释放的信号看,英伟达已经不再满足于只做GPU公司,而是要成为智能体时代无可替代的AI基础设施垄断者。他们的竞争壁垒来自从芯片到软件、从云端到端侧的全栈整合与协同设计能力。

    对于开发者来说,英伟达开放了Nemotron 3 Ultra模型,基于SSM+MoE混合架构,推理速度提升5倍、成本降低30%,同时开放训练脚本和工具调用数据集。他们还推出了开源企业AI工具包,包含OpenShell安全沙盒框架、Hermes编排框架、CUDA-X工具技能包、全平台适配的运行时环境,降低企业部署智能体的门槛。


  • 黑石旗下的AirTrunk砸300亿美元在印度建AI数据中心,目标5GW容量

    数据中心这事儿,最近几年一直是AI行业背后那条看不见的主线。大家都盯着模型参数、聊天能力,但真正卡脖子的,往往是那些耗电、耗水、占地儿的大铁皮房子。6月5日,背靠黑石的澳洲数据中心运营商AirTrunk扔出一颗重磅消息:要在2030年前向印度投资300亿美元,建设总容量5GW的AI数据中心。

    为什么是印度

    这个决定不是拍脑袋做的。印度这几年的AI基础设施吸引力一直在往上走,研究公司Bernstein预测,印度数据中心容量将从当前的约1.5GW增长到2030年的8GW。这个数字背后,是印度政府真金白银的政策支持。

    2026年早些时候,印度宣布对运行在印度数据中心、面向海外销售的算力服务,给予免税政策,一直持续到2047年。这条政策基本上把”在印度建、向全球卖”的商业逻辑给打通了。

    AirTrunk不是拍脑袋进印度的。他们2026年早些时候通过收购Lumina CloudInfra正式进入印度市场,已经在孟买、钦奈、海得拉巴储备了约600MW的开发用地。这次300亿美元的投资,是在这个基础上放的一个大卫星。

    钱花在哪、谁能分到一杯羹

    马哈拉施特拉邦已经和AirTrunk交换了意向书,在Raigad Pen Growth Center划拨土地,用于建设3GW的数据中心,投资额约210亿美元。剩下的部分,会分散到其他邦和地区。

    AI数据中心建设
    数据中心建设现场(图片来源:TechCrunch)

    这个投资计划是在AirTrunk CEO Robin Khuda与印度总理莫迪会面后宣布的。莫迪对此的评价是,这将助力印度成为全球云计算和人工智能枢纽。这句话不是客套,印度确实有这个野心,也正在铺路。

    不是只有AirTrunk在押注印度

    亚马逊、谷歌、微软、OpenAI、Uber这些国际企业,加上信实工业、阿达尼集团、塔塔咨询服务这些印度本土巨头,都已经宣布了各自在印度的数据中心或AI基础设施投资计划。AirTrunk的300亿是其中金额最大的之一,但不是唯一的。

    这里有个细节值得琢磨:为什么是黑石旗下的公司来扛这个旗?黑石是全球最大的另类资产管理公司,它控股AirTrunk,说明机构投资者把数据中心当成长期、稳定、抗通胀的基础设施资产来配置。这个逻辑和买港口、买电网、买高速公路是一样的。

    真正的问题:电从哪来

    行业高管和分析师说得直白:数据中心建设最大的瓶颈不是土地、不是资金,是电。德勤估计,到2030年,亚太地区的数据中心建设可能需要额外数十太瓦时的电力。这个数字什么概念?相当于好几个中等国家的全年用电量。

    印度的优势是有可再生能源资源,太阳能和风能的潜力不小。但电网基础设施的薄弱是另一个问题。建数据中心容易,保证20年后还能稳定供电,这是另一个层面的挑战。


    AirTrunk这个300亿美元的投资,表面上是商业决策,底层其实是全球AI竞赛在基础设施层面的投射。谁先把算力铺够、铺便宜、铺稳定,谁就在下一轮AI竞争里占了先机。印度想当这个枢纽,AirTrunk想当这个铺路人,钱已经摆上桌了,接下来看能不能真的落地。

  • 英伟达发了颗PC芯片,黄仁勋想重新发明你的笔记本电脑

    英伟达这家公司,大多数人想到它的时候,脑子里浮现的还是显卡。游戏显卡、挖矿显卡、AI训练卡,反正都是插在主板上、负责算图的那个东西。但就在2026年6月1日的台北电脑展上,黄仁勋站上台,发布了一颗完全不同的产品——RTX Spark,一颗英伟达自己品牌的PC处理器。

    从显卡厂变成芯片厂

    这件事的意义比乍一听要大。此前英伟达也做过计算卡、做过超算模块,但那些产品说到底还是”加速卡”,主机跑什么CPU跟英伟达没关系。RTX Spark不一样,它是一颗完整的PC主芯片——CPU和GPU合在一起,直接决定了一台电脑能干什么、跑多快。

    按照英伟达产品管理高级总监Mark Aevermann的说法,这块芯片是”有史以来最高效的PC芯片”。他没拿出任何数据或图表来支撑这个说法,但参数本身确实挺吓人的。

    NVIDIA RTX Spark芯片概念图
    RTX Spark超级芯片,CPU和GPU合封在同一颗芯片上(图源:The Verge)

    参数到底有多猛

    RTX Spark本质上就是去年英伟达发布的”个人AI超算”DGX Spark里那颗GB10芯片的消费级版本。旗舰规格是这样的:20个CPU核心、6144个GPU核心、128GB LPDDR5X统一内存。

    这套配置能干嘛?英伟达给出的参考场景包括:渲染一张90GB的3D场景、剪辑12K分辨率的视频、在1440p分辨率下以100帧流畅运行《印第安纳·琼斯与大圆圈》——而且是在一台14毫米厚的笔记本上、不插电的情况下。

    RTX Spark本地可运行1200亿参数的AI智能体。这意味着很多原本需要联网调用云端模型才能做的事,以后在你的笔记本上就能跑。

    Arm架构,Windows on Arm生态终于成熟了

    RTX Spark基于Arm架构,这和苹果M系列、高通骁龙X Elite是同一路线。缺点是那些为英特尔/AMD x86架构编译的旧软件,得通过模拟层才能跑,性能会有损耗。

    但微软这几年没闲着。Prism模拟器已经折腾了好几年,从高通骁龙笔记本开始就在打磨,现在轮到英伟达进场,适配工作已经有底子了。Adobe也已经把Photoshop和Premiere Pro改成了原生支持Arm架构的版本。

    连游戏这边都在跟进。Riot Games正在把《英雄联盟》和《无畏契约》搬到Windows on Arm上;Krafton的《绝地求生》也在路上。之前那些用Easy Anti-Cheat、BattlEye做反作弊的游戏,英伟达说他们正在和开发商逐个谈。


    英伟达的野心:”AI就是用户界面”

    黄仁勋想要的不只是一块更快的芯片。英伟达在宣传材料里写的话很直白:”这是一个新的个人计算范式,AI就是用户界面。”意思是以后你跟电脑说话就行,不用再去记哪个功能藏在哪级菜单里。

    他们举了几个例子:电竞主播说一声”我去吃个饭”,电脑自动关灯、闭麦、切换直播模式;设计师画个草图,AI直接生成完整图像、建好3D模型、再配上一段视频;程序员让AI盯着GitHub项目,有QA问题就自己动手修,还能接管键盘鼠标去做那些”重复且无聊”的活。

    这些场景听起来有点远,但英伟达这次是真的拉了一帮合作伙伴来落地的。微软已经在Build大会上展示了基于RTX Spark的”新Windows安全和容器原语”,让个人AI智能体能在受控环境下运行。

    微软Surface Laptop Ultra
    微软Surface Laptop Ultra,搭载RTX Spark,号称”我们做过的最强机器”(图源:The Verge)

    有多少厂商跟进?

    Aevermann说,英伟达的合作伙伴已经在开发超过30款笔记本和10款桌面主机。首批确认搭载RTX Spark的笔记本厂商包括宏碁、华硕、戴尔、技嘉、惠普、微星和联想。微软也自己做了一台,叫Surface Laptop Ultra。

    价格目前完全没有公布。英伟达只说首批产品”瞄准市场中的较高价位段”,秋季上市。这个”秋季”指的是2026年9-11月之间。

    有几个问题英伟达这次没回答:这颗芯片是在美国生产还是海外?会不会出Linux驱动?能不能和外置独立显卡搭配使用?这些答案可能要等到产品真正上市前后才会揭晓。


    这事为什么重要

    英伟达的市值已经是全球前列,它的每一步动作都会影响整个产业链。这次亲自下场做PC主芯片,直接竞争对手就是英特尔、AMD和高通。对消费者来说,选择变多总是好事;对英伟达来说,这是把AI算力的控制权和利润都揽到自己手里的一步大棋。

    2020年苹果发布M1的时候,也没人拿出”证明”来。但M1一上市,整个笔记本行业隔天就变天了。RTX Spark会不会是下一个M1时刻,今年秋季见分晓。

    📎 原文来源:The Verge — Nvidia announces RTX Spark as ‘the most efficient PC chip ever built’(作者:Sean Hollister,2026-06-01)
  • Meta在帐篷里塞满AI芯片,数据中心的基建狂魔新玩法

    你以为AI数据中心的军备竞赛已经够疯狂了,结果Meta把服务器搬进了帐篷里。不是比喻,是真的在帐篷里。

    Meta AI智能手机应用Logo
    Meta AI应用图标,帐篷数据中心背后的算力指向 | 图片来源:TechCrunch

    科技记者Tim De Chant在TechCrunch上披露了这个让人哭笑不得的细节。Meta在俄亥俄州新奥尔巴尼市外搭了6个帐篷,每个12.5万平方英尺——相当于好几个足球场那么大。Meta自己把这东西叫”快速部署结构”,听起来比”帐篷里放服务器”要体面得多。

    特斯拉开过先例,但Meta玩得更大

    这个主意其实不是Meta原创。特斯拉早在Model 3产能危机的时候,就在弗里蒙特工厂的停车场搭过帐篷来应急。马斯克那会儿被产能逼急了,帐篷里照样造车。xAI后来也用了类似的招数,包括用离网燃气轮机供电——Meta这次也是这个套路。

    但Meta的情况不一样。帐篷里放的不再是汽车装配线,而是价值几十亿美元的AI芯片。这些芯片训练出的模型,最终会变成Meta AI、Facebook动态推送和Instagram广告推荐。换句话说,你手机里那些AI功能,背后可能真有一部分是”帐篷算力”在支撑。

    数据中心追踪机构Cleanview的创始人Michael Thomas通过查阅当地许可证和卫星照片确认了这件事。建设周期缩短了一半——这就是”帐篷方案”的核心卖点。

    650亿美元的背后算盘

    扎克伯格去年在接受The Information采访时其实提到过这个计划,只是当时很多人没当回事。现在看来,他是认真的。

    配合帐篷数据中心的,还有附近的200兆瓦模块化燃气轮机供电系统。这种”离网发电”的方案xAI也在用,好处是不用跟电网运营商扯皮,坏处是环保人士估计又要炸锅了。

    这事发生的时机有点微妙。就在帐篷拔地而起的同时,《华尔街日报》曝出Meta的最新模型Muse Spark已经做完,但开发者用来调用的API却一拖再拖,迟迟不上线。模型做好了,算力也囤了,但交付给开发者的环节卡住了——这不是技术问题,更像是优先级的问题。

    Meta说计划投入高达650亿美元用于数据中心和资本支出。华尔街对这个数字不太满意,Meta的股价今年已经跌了5%。把芯片塞进帐篷里,某种程度上是在向投资人证明:我们在拼命省钱,同时也在拼命建算力。


    至于帐篷能不能长期稳定运行、散热怎么解决、消防过关了吗——这些问题的答案,可能要等下一个爆料人出来才能知道。

  • Meta用帐篷搭建数据中心,效仿特斯拉降本

    当你想到数据中心,脑海里浮现的应该是钢筋混凝土、精密空调、层层安检的那种坚固建筑。但Meta正在做的事,可能会颠覆你对数据中心的全部想象——他们在俄亥俄州新奥尔巴尼市外,搭了至少6个大型帐篷,里面装的是价值数十亿美元的AI芯片。

    Meta AI数据中心概念图
    Meta的AI基础设施布局正在走上一条”非常规”路线

    特斯拉开过先例,这次轮到Meta

    2018年,特斯拉为了救Model 3的产能危机,在弗里蒙特工厂的停车场搭了个”帐篷生产线”。当时不少人觉得埃隆·马斯克疯了——正规汽车工厂哪有在帐篷里生产的?

    但这次,Meta把”帐篷”搬进了数据中心建设现场。根据数据中心追踪机构Cleanview创始人Michael Thomas的追踪,Meta在俄亥俄州新奥尔巴尼市外搭建了至少6个”快速部署结构”(本质上就是大型帐篷),其中5个单体面积达到12.5万平方英尺的帐篷,在2026年4月到6月之间完成建设,卫星图像已经可以清晰观测到这些结构。

    帐篷里装的是什么?答案是AI训练所需的大规模算力集群。这些帐篷内部署了总价值数十亿美元的AI芯片,主要用于支持Meta的Llama系列模型训练和AI相关业务的推理需求。

    为什么要选帐篷?答案就两个字:快、省

    传统数据中心从规划到交付,通常需要3到5年。你要拿地、报批、招标、施工、验收……等建完,AI模型可能已经迭代了三个大版本。

    帐篷方案可以把建设周期压缩到几个月。Meta这次不仅借鉴了特斯拉的帐篷思路,还参考了xAI(马斯克的另一家公司)率先推广的”模块化燃气涡轮机离网供电”方案——帐篷现场配套了200兆瓦的模块化燃气涡轮机供电,不需要依赖当地电网的增容审批,又省了一大笔时间。

    • 传统数据中心建设周期:3到5年
    • 帐篷方案建设周期:压缩到数月
    • 供电方案:200兆瓦模块化燃气涡轮机,离网运行
    • 单帐篷面积:约12.5万平方英尺

    背后是Meta在AI军备竞赛中的集体焦虑

    这事看起来荒诞,但放在Meta当前的处境里,倒是能理解。2026年,Meta的AI模型Llama 4 Spark已经完成训练,但开发者依赖的API却多次推迟发布,导致市场反响相当平淡。

    与此同时,Meta计划投入最高1450亿美元用于数据中心等资本支出,这一激进的投入计划引发了华尔街的不满——2026年Meta股价累计下跌了5%。用帐篷部署数据中心,某种意义上是一场”边打边建”的豪赌,Meta寄希望于通过快速扩充算力来赶上OpenAI和Google在模型能力上的领先优势。

    如果Llama 4的API能在短期内顺利推出并获得开发者认可,这批帐篷数据中心将成为Meta AI反攻的关键资产;反过来,如果产品继续延期或者市场不买账,这些帐篷可能就会沦为昂贵的”帐篷纪念碑”。

    AI基础设施竞赛,已经进入了”疯狂麦克斯”模式

    Michael Thomas把当前的AI基础设施竞赛形容为”疯狂麦克斯”模式——企业为了抢夺算力,正在采取越来越多激进、非常规,甚至有些荒诞的手段。

    Meta的帐篷数据中心,或许只是这场竞赛中最新、也最具视觉冲击力的一幕。无论是特斯拉的帐篷造车,还是Meta的帐篷装芯片,本质上都是在用非常规手段抢时间——算力需求的增长,已经远远超过了传统基建模式能跟上的速度。


  • 台积电CEO说真话了:AI芯片需求太猛,我们真的供不过来

    全球最大芯片制造商台积电,在刚结束的股东大会上给火热的AI市场泼了一盆冷水。CEO魏哲家直言:客户需求太高,我们只能支持到有限的程度,台积电不会成为行业瓶颈,但现实是——真的供不过来。

    AI热潮把整个供应链逼到了墙角

    这已经不是台积电一家的问题。AI应用的爆发性增长,先把内存行业冲垮了。RAM和NAND闪存的产能缺口摆在那里,业内普遍认为要持续至少好几年。德勤的研究报告给出的预测更夸张:到2027年,整个半导体行业的规模有望冲到1万亿美元。

    换句话说,AI这场仗才刚开打,弹药就已经不够用了。台积电作为整个AI算力链条里最上游、也最卡脖子的那道关,压力大到什么程度,外界其实很难完全感知。

    TSMC半导体工厂内部
    台积电的产能扩张速度跟不上AI需求的爆发式增长(图源:The Verge)

    涨价?魏哲家说会涨,但不会猛涨

    路透社在报道中特意提了一个细节:魏哲家表示他”愿意”提高台积电的产品价格,但不会像DRAM和SSD厂商那样突然大幅涨价。这个表态很有意思——一方面承认了供需失衡需要价格机制来调节,另一方面又刻意和内存厂商的激进涨价拉开距离。

    “我们正在尽最大努力确保台积电不会成为行业瓶颈。”——台积电CEO 魏哲家,2026年6月股东大会

    美国工厂救不了近渴

    魏哲家在会上还补了一句:依靠美国本土的产能满足客户需求,可能需要”非常长的时间”。这话听着客气,意思其实很直接——亚利桑那州的工厂确实已经开了,3座芯片厂、2座先进封装设施、1个研发中心的1650亿美元投资计划也摆在台面上,但这些产能真正释放出来,那是好几年后的事情。

    眼下的局面是:AI公司们都在抢产能,英伟达的订单排到了天边,而台积电的产线已经逼近极限。内存短缺又让整个消费电子行业跟着涨价,手机、笔记本的成本压力一层层往下传导。这个局什么时候能解开,目前看没有人能给一个确切的时间表。


    • 台积电CEO公开承认AI芯片需求超过供应能力
    • 内存(RAM/NAND)短缺预计持续数年,消费电子产品已涨价
    • 台积电美国亚利桑那工厂已投产,但全面产能释放仍需数年
    • 魏哲家表示会涨价,但不会像内存厂商那样大幅突涨
  • OpenAI把手机APP全废了,所有界面AI实时生成,2027年量产

    在6月初的Voice Hack Night活动上,OpenAI团队现场演示了一款”Agentic操作系统”手机原型。核心设计只有一句话:手机上不再有传统APP,所有界面都由AI根据你的指令实时生成。演示者全程没碰屏幕,只靠说话就完成了订机票、删日程、查新闻、发邮件、列待办这五件事。

    “UI即系统”——这不是换个launcher,而是把整个移动交互的底层逻辑推倒重来。界面不是被”打开”的,而是被”生成”的。

    端云分工:轻任务本地跑,重推理甩给云端

    这套系统采用端云协同架构。手机本地模型负责即时生成界面、处理轻量交互,反应速度压到毫秒级。遇到需要复杂推理的任务,比如帮你规划跨城行程或者写一封正式邮件,系统会自动把请求转给云端GPT处理,结果回来再渲染成界面。

    这种分工方式其实解决了AI手机一直没绕过去的坎——纯本地模型能力不够,纯云端又太慢还费流量。OpenAI这次把两条路并在一起,逻辑上说得通,工程上能不能跑顺是另一回事。


    时间线比预期更早:2027年上半年量产

    Sam Altman之前在多个场合暗示过OpenAI在做手机,但一直没给时间表。这次原型亮相之后,内部文件显示的量产节点是2027年上半年,比大多数分析师的预期早了至少半年。

    值得注意的是,这次演示是在Voice Hack Night上由一支团队完成的,不一定是OpenAI内部产品团队的正式原型。但Altman此前明确说过”现在是重新思考操作系统和用户界面设计的合适时机”,方向已经定了,剩下的就是工程落地。


    这事如果成了,谁最慌

    如果”无APP手机”真的在2027年落地,受到冲击的不只是苹果和谷歌。APP开发者、应用商店、整个移动广告链条都会被重构。用户以后不需要去应用商店搜软件,直接对手机说需求,界面就出来了。

    • 苹果:iOS的护城河就是APP生态,这套玩法直接绕开
    • 谷歌:Android的商业模式很大程度依赖应用商店分成和搜索广告,都会被波及
    • APP开发者:以后可能不需要开发”应用”了,而是训练”技能”

    当然,现在说这些还早。原型演示和量产上市之间隔着芯片、系统稳定性、隐私合规、生态迁移一大堆坑。但方向已经摆在这了,接下来的看点就是苹果和谷歌怎么接招。

  • OpenAI现场演示无APP手机:所有界面实时生成,推理甩给云端GPT

    把App图标全删了,手机只装一个GPT

    OpenAI 在 Voice Hack Night 活动上搞了个相当激进的演示。一支团队现场展示了一款为手机打造的”智能体操作系统”原型,整场演示看下来,最让人坐不住的点在于:这部手机上没有一个传统 App。

    所有操作界面都是”即时生成”的。你需要订机票,界面就现场画出一个订票界面;你要查日程,它就给你生成一个日程管理视图。不是从手机存储里调出一个安装好的应用,而是需要什么界面,系统就即时画出来什么界面。

    “UI 即系统”——这套原型的核心设计理念,说白了就是把”打开某个 App 才能完成某件事”这个逻辑整个推翻掉。

    技术实现上,这套原型把任务分成了两层。手机本地跑一个小模型,负责实时生成界面——你说出需求,它立刻把对应的操作界面渲染出来。需要重推理的任务(比如理解复杂语义、联网搜索、生成长回复)则交给云端 GPT 处理。

    现场演示里,开发者全程用语音下指令,完成了好几个任务:订机票、删日历日程、查 AI 新闻、发邮件、列待办清单。整个过程没有点开任何一个 App 图标。

    Sam Altman 的”手机梦”动了真格

    这件事的背景是,OpenAI 一直在悄悄推进它的硬件战略。早有消息说它在做手机项目,最近团队已经扩张到了 200 人,核心成员几乎清一色来自苹果。苹果的设计和工程人才被挖走不少,这本身就很说明问题——OpenAI 要做的不只是一款手机,而是重新定义”什么是手机操作系统”。

    Sam Altman 之前好几次暗示过这个方向。他说过”现在是认真重新思考操作系统和用户界面设计的合适时机”,当时很多人以为他只是在说软件层面的改进。现在看来,他脑子里想的是从硬件到操作系统到交互逻辑的全栈重构。

    时间点方面,最新的消息是 OpenAI 把量产目标定在了 2027 年上半年,比外界之前预期的要早。如果这件事真的发生,它可能会改变过去十五年基本没变过的智能手机交互范式。

    当然,现在还只是原型

    现场的演示是在受控环境下做的,真实场景的复杂度远不止此。语音识别在嘈杂环境下的表现、即时生成界面的响应速度、云端推理的延迟和成本——这些都是要解决的问题。

    但方向本身已经很清楚了:OpenAI 不只想做手机上的一个新 App(比如 ChatGPT),它想做的是让”打开 App”这件事本身变得多余。你在手机上要做任何事,直接说、或者直接想,界面随之生成,任务由 AI 智能体完成。

    这对现有的手机操作系统格局(iOS 和 Android 的双寡头)意味着什么,现在下结论还为时过早。但 OpenAI 把200 个硬件人才的团队攒起来这件事本身,已经值得整个行业认真想一想了。