Industry 3205 articles

全球消费电子产业的“风向标”——德国柏林国际消费电子展（IFA 2026）将于9月4日在柏林展览中心启幕。智能户外庭院科技企业耐士劳，将以双展台联动形式，面向全球客户与合作伙伴，带来旗下DREAME、MOVA、NexLawn三大户外庭院品牌的科技产品及创新成果，全面展示其在全球智能割草赛道的技术积淀与多元化庭院场景服务能力。 自布局户外庭院赛道以来，耐士劳坚持硬核自研路线，持续攻克复杂庭院环境作业难题，刷新行业技术高位。从OmniSense超感系统、EdgeMaster沿边切割系统，到UltraView™环境感知技术、UltraTrim™智能修边系统等系列创新，耐士劳依托多项自研首创技术，搭建起覆盖感知‑决策‑执行全链路的技术矩阵，为割草机器人在非结构化户外场景稳定作业筑牢技术底座。 今年IFA，耐士劳将实现家用智能割草机器人全系焕新，并正式推出首款商用专业割草机器人、自研的96线激光雷达；发布首款自主研发的四足具身机器人EVOiX‑X1，实现从整机产品到核心零部件，再到前沿具身智能新物种的全栈能力集中亮相。 作为全球智能户外庭院领跑者，耐士劳激光雷达割草机器人销售量与销售额双线位居全…

WorkBuddy免费版每月只送500积分，用Kimi K3跑一个任务就烧光最低档额度。不必充值：每月3500积分、接DeepSeek API十块钱用一个月、按模型分工把调用花在刀刃上，三条路皆0成本。趁Hy3、Hy4限时免费，快囤积分。 最近后台被问得最多的一句话：WorkBuddy的积分，怎么又没了？ 我先给你算笔账：免费版每月赠送500积分。听着不少？用Kimi K3这种旗舰模型全程跑，一个正经任务就能把最低档套餐的积分额度烧完。一个月下来，杯水车薪。 充值当然能解决。但我把账扒完发现，根本不用充——每月3500积分的白嫖入口、10块钱用一个月的API接法、还有让每次调用都物尽其用的分工法，三条路全都是0成本起步。更巧的是现在正好是窗口期：Hy3、Hy4 标着「限时免费」，聊天不花钱，但「限时」二字就是倒计时；就算模型免费，AI 作图、生成视频、长文档分析这些重活照样烧积分——趁现在零成本把积分囤满，才是真聪明。 这篇我挨个拆给你看，建议先收藏再照做，你的WorkBuddy基本能一直续命。 01 先算账：你的积分是怎么烧光的 先说清楚一个事实：WorkBuddy的积分，不是“不知…

Fast-fashion retailer Shein fell on its Hong Kong trading debut as the unprofitable company contends with rising competition and the loss of tax breaks in key markets. Its shares dropped 0.1 per cent from the initial public offering (IPO) price to close at HK$48.50. They earlier slumped as much as 10 per cent. The company raised HK$13.6 billion (US$1.7 billion) in its IPO, the fourth biggest in Hong Kong this year. The sale valued Shein at about US$26 billion, compared with a peak of about...

数据分析建议不被采纳？学学三国军师的智慧！本文结合《三国演义》案例，拆解答疑、建议、提醒、总结四种指导姿势，教你用AI多方案测算提升建议说服力，让运营真正听你的。 “数据分析要指导运营决策，提供可落地的建议”是很多企业对数据分析师的要求。很多同学直接用大模型生成分析、写建议，以为数据够全、算得够快，运营就会照做。 可真做起来，很多同学叫苦连天：我提的建议，运营都不听！也不按我说的做！让我咋落地呀…… 那到底该咋办？ 一个通俗的例子，看懂指导方式 我们看《三国演义》里边的军师是怎么指导主公决策的。凡是那种喊着：“主公不听我言，必遭大败”的军师，都被主公拖出去咔嚓了。此时主公的内心独白都是：“我是主公还是你是主公！”而真正受主公信任的军师，则在用这4种方式发言。 方式1：答疑 主公问：敌方摆的是啥阵型呀？ 军师答：敌方摆的是八门金锁阵，这个阵法分为…… 此时主公不了解情况，军师给主公科普，讲清楚事情就是“支持”决策。 方式2：建议 主公问：军师有何退敌良策呀？ 军师答：上策是趁敌人远道而来，疲惫困顿，粮草不济，坚壁清野。中策是……下策是…… 这里有很多细节： 1、军师给建议，是分析+结论一…

Israeli startup DataAgent Ltd. formally launched today with $10 million in pre-seed funding and a platform that repairs production faults inside a customer’s own Kubernetes clusters. DataAgent plans to spend the money to accelerate customer adoption in North America. Ishay Yaari and Nati Shalom started the company in January as chief executive and chief technology officer. […] The post DataAgent raises $10M to let AI fix production faults inside Kubernetes clusters appeared first on SiliconANGLE…

除了首页时间流和侧栏的精选展位，少数派Matrix社区还有很多优秀内容因条件所限无法得到有效曝光，因此我们决定重启Matrix周报，并在此基础上添加更多社区内容、作者投稿新玩意呈现给大家。上周社区速递 ...查看全文

Fertilizer is crucial for the global food supply, but making it uses a lot of energy and produces a lot of emissions. Some companies hope microbes can help. A growing body of research shows that seeding the soil around a crop’s roots with beneficial microbes can help feed the plant, providing crucial nitrogen to help…

Learn how medical data annotation powers healthcare AI, from imaging and surgery to clinical LLMs, and why quality labeled data drives accurate models. The post Medical Data Annotation: Powering the Next Generation of Healthcare AI appeared first on iMerit.

Beijing-based Galactic Energy successfully launched its first liquid-fueled rocket, the 52-meter Zhishenxing-1, from the Jiuquan commercial launch zone on September 1, marking the start of the company's solid-and-liquid dual-track launch business.

Tencent's operating-system-level AI assistant Marvis rolled out a custom-model feature on September 1, letting users connect third-party models—including Kimi, Zhipu GLM, DeepSeek and MiniMax—or run local open-source models, synced across devices.

Chinese startup Direct Drive argues the bottleneck for embodied robots is not a smarter brain but physical access to the real world, pairing direct-drive actuators with wheel-legged designs to cross curbs, slopes and mixed indoor-outdoor spaces.

From Beijing Capital to San Francisco International, airport terminal billboards have become the stage where Chinese and global cloud vendors advertise their AI capabilities—and a new generation of AI-native 'neocloud' providers is now taking its seat at that table.

2026年夏天，中国AI应用创业公司同时感受到了两股压力。一边，大厂开始陆续推出通用的办公Agent；另一边，一级市场对AI应用的态度正在转冷，持续看AI应用项目的投资人林望，提到模型能力的升级很容易覆盖AI应用的能力，他把这种处境形容为“在流沙上盖房子”。（雷峰网） 流沙是不断变化的模型能力，房子则是建立在模型之上的AI应用。创业公司刚刚围绕模型能力的缺口做出一个产品，模型再往前走一步，原来的缺口就可能消失。 如果把视野放大，过去一年AI应用公司大致出现了三种迁移方向：一类继续进入专业工作流，把模型嵌进更完整的生产过程，典型如Cursor嵌入编程工作流、Lovart嵌入设计工作流；一类不断扩大任务边界，争夺更通用的工作入口，典型产品如Manus、Genspark；还有一类试图把知识、工具、Agent和用户上下文组织成长期工作的系统，例如Notion AI、FlowithOS、WorkBuddy等。 三条路线不同，背后却都面临着同一个问题：当模型厂和互联网大厂都开始向应用层推进，独立AI应用公司还能留下什么，才不至于在下一次模型升级后重新开始？ 序章丨如果模型厂也做，你怎么办？ 202…

小红书商家账号安全告急！一个月内179.9万账号被处置，封号+注销手机号双重处罚直击生意命脉。本文拆解导流、低质内容、违规营销、商品服务四大核心违规场景，提供识别信号与防御方案，助你守住账号安全底线。 前几天小红书薯管家公布了一组数据，过去一个月累计处置违规账号179.9万个 小红书大概是账号违规管理最高压的平台了，对小红书商家而言，账号是生意的核心载体，一旦遭遇“封号 + 注销手机号”的双重处罚，不仅前期积累的粉丝、内容资产清零，还可能导致店铺关停、资金冻结，直接阻断生意增长路径。 其实这类高风险违规并非无迹可寻，大多源于对平台规则的漠视或操作边界的模糊。 本文将拆解核心违规场景、识别信号与防御方案，帮商家守住账号安全底线。 一、四大高风险违规场景直接触发“封号 + 注销”红线 1）站外导流违规：闭环生态的绝对红线 违背小红书“社区 + 交易”闭环生态核心诉求，通过各类场景诱导用户脱离平台完成交易，直接损害平台流量价值与消费者权益保障体系，是平台零容忍的一级违规行为 直接导流场景 私信 / 评论区明示联系方式：如“V信XXX”“QQ号XXXX”“电话 138XXXX”，或使用谐音（喂…

距离 DeepSeek Harness 开源已经有一段时间，「Everything is a Plugin」的口号也已经在各种领域开枝散叶，坊间涌现出了特别多的插件和社区。（雷峰网） 十几天后的现在，GitHub 上【 dsh-plugin 】标签下有一万多个仓库。我们花了几天时间，把这一万多个仓库拆开数了一遍，写了一个探针插件装进去试探，又装了二十几个下载量最高的插件跑了一夜。 「一切皆插件」是把内核的每一颗螺丝都交到你手里。 但实际上绝大多数人对螺丝毫无兴趣；而整个插件生态没人管理也没人负责。（注：整个生态数据变化很快，本文中所有数据仅截至 2026 年 8 月 25 日实查。 01 1.1 万个插件，到底有多少是真的？ 不同的统计方式差挺多 同一天，同一个生态，不同网站统计的插件数量是这样的： 造成这个现象的原因是「插件」这个词在这个生态里还没有公认的定义，谁都可以合理地说自己那个数是对的。如果把整个 dsh 的插件生态做成漏斗大概是这样的： 从第一层到第三层掉了 81%，从第三层到第五层又掉了 55%。也就是说 DeepSeek Harness 插件生态目前有 1.1 万个插件…

不管哪个时代，人都会遇到同一道题：无论宏大叙事还是人生决策，面前问题太复杂，资源和时间却不够，必须决定先做哪个、放弃哪个。（雷峰网） 从 1812 年黑格尔的辩证法，到马克思、列宁，再到 1915 年毛泽东在延安写下的《矛盾论》，一百多年里，这套思想最终落到了一个很实际的问题上：复杂事物中矛盾很多，但真正重要的是找到决定其他矛盾的主要矛盾。 今天的大模型行业也不例外，当前大模型行业面临的主要问题有以下这些： 1.模型能力的增长速度，同把这种能力转化成可靠产出的能力之间的矛盾（模型强，但产出物没价值）。 2.算力资源受限，同能力需求无限之间的矛盾（人们总吐槽 AI 太傻）。 3.单价在快速下降，同真实账单在上涨之间的矛盾（模型便宜了，但每个月花的更多了）。 4.要做通用智能，同要交付一个能用的产品之间矛盾（简单的不好用，好用的不简单）。 这些矛盾才构成了交错向上发展的行业和机会。没有人能逃避这些选项，DeepSeek 也一样。 我们对 deepseek-v4-Pro以及 Harness 做了几轮实测：直接打接口的探针、七次编码任务运行（其中四次是只改一个变量的对照）、把上下文压到 92 …

官方强调 GLM 5.3 安全能力大幅提升，实测却发现这套安全机制在自动化工具链中频繁触发拒绝，导致开发流程中断。 作者丨吴海明 编辑丨李 娜 大家还记得《极限竞速：地平线》里那种在开放世界中自由驾驶、穿梭城市与道路的体验吗？ 地平线游戏图 这次，我们用一个类似思路、但更贴近真实工程开发的题目来考一考 GLM 5.3：从零开发一款基于 OpenStreetMap 真实数据的「北京国贸 → 望京」区域 3D 开放世界驾驶游戏，5.3 需要在浏览器中单机运行，不依赖任何在线服务，并且最终交付一个可启动、可验证、可断网运行的完整项目。 GLM 5.3 是智谱在 2026 年 8 月 13 日发布的最新旗舰模型，对比上一代旗舰 GLM 5.2，GLM 5.3 使用同一个底座，主要通过更大规模、更贴近真实工程场景的后训练，增强复杂编程、长程任务、工具调用和项目交付能力。同时，GLM 5.3 还有一个值得关注的变化：官方强调其网络安全能力明显增强，模型在风险识别、安全判断和复杂系统分析上更强。 网络社区对于GLM5.3安全能力的评价 能力增强之后，也带来了新的使用感受，最近有小红书用户吐槽，GLM…

Max长程Agent能力的背后，是精雕细琢的典范，还是算力黑洞的失控？ 作者丨李娜 编辑丨岑峰 我让Qwen 3.8-Max从零搭建了一个3D大模型演进宇宙网站，又和GPT-5.6做了迭代对比。 （Qwen3.8-Max运行成果截图） 效果上限方面，Qwen 3.8-Max 展现了远超 GPT-5.6 的交付细节； 效率和成本代价方面，Max高完成度背后是低效，而且因为无法自主判断任务终点导致了额度耗尽中断； 适用场景方面， 追求快速迭代、低成本原型，GPT 依然是首选，但在不计成本追求极致性能的场景，Qwen 3.8-Max 提供了一个昂贵但有效的国产替代。（雷峰网） 01 2.4万亿参数之后， Max3.8为什么开始强调Agent? 8月3日，阿里正式发布Qwen 3.8-Max。 从规格看，它依然足够醒目：2.4万亿总参数、约950亿激活参数、100万Token上下文，覆盖文本、代码和视觉任务，并计划开放Max权重和27B小模型。榜单、规模、价格和开源，延续着Qwen过去几年的竞争路线。 （阿里Qwen3.8 max官方技术博客截图） 但到了这一代，仅靠这些已经很难解释Max的差…

从部署到实测：覆盖标准部署、量化部署、Agent场景三大维度。 作者丨吴海明 何宇轩 编辑丨李娜 岑峰 8月14日，阿里 Qwen 团队开源了 Qwen3.8-27B 模型，紧接着社区里的声音从“能不能跑”变成了“是不是新的模型斩杀线”，有人把它叫作本地 Opus，也有人直接给出更刺激的判断：一个 27B 开源模型，已经能在部分代码和 Agent 任务上达到顶级闭源模型的水平。那么，一个 27B 开源模型，体验到底怎么样呢? 根据官方数据，27B dense、Apache 2.0、262K 原生上下文、可扩展到 100 万 token、支持视觉理解、思考默认开启，低比特量化后还能压到十几 GB 级 GGUF 文件，这说明 Qwen3.8-27B 是一个试图把代码、长上下文、多模态和 Agent 工作流一起拉到本地的开源底座。 因此，我们从适配 Agent 出发，先后测试标准化部署、量化部署和接入 Agent 框架。其中，标准部署看 vLLM、SGLang 和 Llama.cpp 谁更能榨干 GPU，将推理速度提到最快；量化部署从 2bit 测到 16bit，看文件体积、速度和质量怎么取…

Qwen3.8-27B开始和顶级闭源模型正面叫板，过度思考是最大问题。 作者丨李娜 编辑丨岑峰 8月17日，阿里发布的Qwen3.8-27B 成为 Hugging Face 上排名第一的热门模型。Qwen正在成为全球开源社区的Base Model。 01 一个 27B 的模型， 为什么突然让全球 AI 社区兴奋？ 如果只看参数，Qwen3.8-27B 并不像一个会制造太大声量的模型。27B参数，在今天动辄数千亿甚至万亿参数的旗舰模型面前，甚至显得有些“小”。但2026年8月14日，阿里千问正式开源Qwen3.8-27B之后，海外AI社区的反应却异常热烈。 原因恰恰就在这个“小”字上。 在Qwen官方公布的成绩里，Qwen3.8-27B 已经开始在部分 Coding 和 Agent 测试中，与 Claude Opus 4.6 Max 这样的前沿闭源模型放在同一张表格里比较。与此同时，4bit 量化后约 17.1GB，一张 RTX 4090 或 3090 就能完整装下，进入了个人设备能够尝试本地运行的范围。 这形成了一种过去并不常见的反差：一边是消费级硬件能够承受的模型尺寸，另一边却开始出…

H3 不是物理仿真最强的模型，但它是开放权重视频模型的一道分水岭。 作者丨吴海明 编辑丨李娜 岑峰 MiniMax 选择开放 H3 权重，对视频生成行业来说是一个值得关注的信号。过去，高质量视频生成能力大多集中在闭源平台中，开发者和内容团队更多是在 API 或网页产品里调用模型；而 H3 的开放，让一部分高阶视频生成能力进入本地环境，使研究者可以测试模型边界，开发者可以接入自己的工作流，内容团队也能围绕特定风格和场景做更细的实验。 还记得《名侦探柯南》吗？每次案件发生后，现场看起来往往都很简单：一个人倒下了，一件东西碎了，一个密室出现了，核心考验是从现场不起眼的细节里还原完整的案发细节。 这次，我们把一道柯南式推理题交给了 MiniMax H3。 在《失窃宝物之谜》的故事线里，一只误闯进工作室的猫导致了陶罐破碎，那么猫是怎么进来的？它有没有蹭到窗框？台座为什么会晃？陶罐是被直接撞碎，还是先倾斜、滑落、坠地，再因撞击裂开？现场的碎片、痕迹和动线，能不能串成一条完整因果链？ 基于这个背景，我们把任务改造成一次图文生成视频实测：给 H3 一张破碎陶罐的参考图，再用分镜描述补充高窗、猫、台座、…