1CCF

在对一名高知名度谋杀犯的案件中出现“令人担忧”的错误后，相关部门将对人工智能在假释决定中的潜在应用进行审查。

塔斯马尼亚州司法部周五晚间证实，该审查正在进行中。四天前，已定罪杀手苏珊·尼尔-弗雷泽的一项假释条件被裁定无效。

尼尔-弗雷泽于2009年在自家游艇上杀害伴侣鲍勃·查佩尔，服刑13年后，于2022年获准假释。

州假释委员会随后增加了限制条件，禁止她向媒体声称自己无罪或指控其遭受错误定罪。

订阅《澳大利亚突发新闻》周二，在尼尔-弗雷泽提出法律挑战后，塔斯马尼亚州最高法院裁定该条件无效，且制定过程缺乏程序公正。

法庭上披露，假释委员会依赖一份在人工智能协助下准备的文件，并引用了并不存在的判例法。

司法部发言人表示：“该部门将进行审查，以确定人工智能在多大程度上可能被用于为过往塔斯马尼亚州假释委员会的决定提供依据。”

“在审查进行期间，该部门无法进一步置评。”假释委员会是该部门下属的独立决策机构。

塔斯马尼亚州囚犯法律服务主席格雷格·巴恩斯表示，对尼尔-弗雷泽施加的条件令人深感不安，而所依赖的判例法竟然未经核实，这更是非同寻常。

巴恩斯称，该法律服务机构正在对过去两年的假释委员会决定进行独立审计，以查看是否存在使用人工智能或出现错误的迹象。

代表尼尔-弗雷泽的人权法律中心律师莎拉·施瓦茨表示，此案暴露了严重的缺陷。

周二在法院外，她表示：“塔斯马尼亚州假释委员会……在生成该文件时使用人工智能，这真的令人非常担忧。”

“这严重限制了我们的当事人的基本自由，即她就自身事务发声的自由。”假释委员会的一位发言人表示，该委员会不对个别事务发表评论，也无法回答有关其人工智能使用范围的问题。

尼尔-弗雷泽已多次就其定罪提出上诉但均告失败，她誓言将继续为洗清自己的罪名而抗争。

州总检察长盖伊·巴尼特已致信假释委员会要求作出解释，并表示这一错误不可接受。

复制粘贴时代，就要结束了！以前写周报，写到一半，觉得某段太啰嗦。选中，复制，切到浏览器，粘进ChatGPT，敲一句“帮我精简”，等结果，再复制回来。贴回去一看，字体变了，编号乱了，还得手动调半天。类似这样的动作，我们一天可能要重复十几遍。如今，这套流程被砍掉了。Word的右边，多出一条可以聊天的侧边栏。

选中要改的那段话，打一句“压到三行，数字别改”，改好的内容就落回原位，字体和编号都不用再调。拖延症终于遇到对手了。更让人意外的是，这回几乎没设什么使用门槛。

Free、Go、Plus、Pro、Business、Enterprise，加上面向学校的各类账号，全部计划都能用，全球开放。一分钱不花，你也能在Word里用上ChatGPT。

改稿这件事完全变了ChatGPT这次推出的，是一个官方插件，需要你自己去Microsoft Marketplace安装。

装好之后，它读的是你当前打开的这一篇文档，把随手记的要点，直接理成结构完整的草稿。通读完全文，自动提取结论和关键风险。

官方示例指令是“把这节压缩给管理层看，事实和定义过的术语别动”。标题层级乱了、编号断了，交给它一秒重排。

前面叫“用户”，后面叫“客户”，再往后成了“消费者”，它能一次性列出清单帮你对齐。

如果你是学生，它可以帮你通读论文、统一术语、理顺章节；如果你是老师，你可以拿它改教案、压讲义。

如果你看不懂合同条款，可以选中直接让它翻成大白话，顺带还能帮你列出几个该去问法务的问题。官方演示视频里，还有这样一个细节。

给它发一句“按附件的谈判记录改付款条款，开修订模式”，它不会直接把它还能在段落旁边挂上批注，验收标准该在签字前商定，还是像现在这样放到启动会之后？

审稿人的那套动作它都能替你做，你需要做的，只剩逐条点接受或拒绝。

付费和企业账号，Outlook、SharePoint、Google Workspace、Dropbox里的邮件和文件，都能当写作素材。最实用的是，重复做的活可以存成技能。

用“合同审查”技能，把没解决的风险和待定事项标出来，我要发出去了。

以后每周一份的备忘录、固定格式的合同审阅，不用每次从头交代。免费，但有三笔账第一，免费用户拿到的是入口，不是最强模型。

Free和Go计划可以装，但默认模型是GPT-5.6 Luna（速度最快、成本最低的一档），用不了GPT-5.6 Sol，连点击深度思考跑的也是Luna。第二，企业用户才能拿到真正的免额度福利。

一头把入口门槛降到零，把所有打工人放进来；一头把最贵的模型摆到企业客户桌上。先让人们上手用上，再让公司付钱。第三，写报告和写代码，开始抢同一份额度。

Word按token计费，走你所用模型的I费率，文档越长、来回越多，烧得越快。

更关键的是，它和Codex等高级功能共用同一份额度。官方的说法是，用Word会减少这些功能可用的额度。

白天在Word里大改一份三十页的方案，晚上打开Codex，额度可能已经被吃掉一大截。

一个手很快的新同事官方帮助文档中提到，复杂格式、表格和图表，仍然需要手动调整。

重要的事实、数字，发出去之前必须自己核一遍；大改前记得存副本。

2.它只认眼前这一份文档。你电脑里其他文件它一概看不见，想让它参考，得自己把内容粘进对话框。

插件里的对话和ChatGPT网页版是分开的，记忆和习惯不会带过来。干活利索，但不认识你，也不会替你对结果负责。

同一个Word窗口现在坐着三套AI ChatGPT这次并非一夜杀入，而是补上最后一块拼图。

5月上线Excel，7月上线PowerPoint，9月Word加入。

四个多月，三件套补齐。而且三者共用同一个插件，装一次就能全家桶通用。

两周之后，它就会成为很多公司Word里的标配，员工根本不用再纠结要不要装AI了。不过，和OpenAI相比，Anthropic早到了一步。

Claude for Excel和PowerPoint今年2月上线，Claude for Word在4月开放公测，比OpenAI早了大约5个月补齐三件套。

每一处修改以Word原生的修订痕迹落地，你像审人类同事的稿一样逐条接受或拒绝，还能顺着批注线程回你改了什么、为什么改。代价是，它只给付费计划，没有免费档。微软自己更是从没离开过。

Copilot早就守在这个主场，功能描述高度重合，背后还握着整个组织的权限体系与数据。

主打原生和合规，背靠整个组织的权限体系与数据；•Anthropic（Claude for 主打深度和可控，修改内容以Word原生修订痕迹呈现，支持逐条审阅；•OpenAI（ChatGPT for 主打广度与零门槛，直接把免费用户全放进来。

一家公司的软件里，同时有另外两家模型，而这几家彼此又是最大的伙伴与对手——这是办公软件史上从未有过的场面。办公软件的格局，正在被AI重新洗牌。

省掉的不是几秒钟而且OpenAI这次下手的，不只是Word。

就在Word上线前几天，ChatGPT的W不管你正开着哪个软件，同时按下两个Alt键，当前窗口的截图和里面的文字就会一起发给ChatGPT，连屏幕外没滚到的部分也能带上。

一个从Office内部动手，一个从桌面外部动手，让你少复制粘贴。过去用AI改一段话，值不值得为这点事专门切个窗口？多数时候的答案是，算了，自己改改得了。现在，AI就在你光标旁边等着，一抬手就能用。

调用门槛一消失，用不用AI就从一个需要犹豫的决定，变成了和拼写检查一样的默认动作。几家巨头挤破头抢的，就是这个默认动作。其中变化最大的，是人在写文档这件事里的位置。动手写的部分，会越来越多地交给侧边栏。留给人的，是提要求、审改动、做判断，以及最后拍板。以后，当每份文档旁边都坐着一个AI，写得快就不稀缺了。

你的工作，是想清楚内容方向，给它定标准，把关每一处改动，最后为它负责。

“不管人们怎么描述，2030年都不会是世界末日，”黄仁勋表示，“2030年成为世界末日的可能性是零。” 黄仁勋近日出席多场活动，并重申了自己的立场，即AI可以得到安全管理。黄仁勋的公司英伟达是AI处理器的主要供应商。他还多次表示，没有必要制定新的监管规定。

Anthropic员工雅各布·考克森在本月早些时候的辞职，引发了一波AI焦虑情绪。他警告说，研发AI的研究人员“真心相信，到本十年末，AI可能会把我们全部杀死”。

黄仁勋在接受CBS采访时称，整个行业不应该放慢发展速度。该采访的完整内容将于周日播出。

“我们应该尽可能快地发展，不管其他人怎么做。但我们绝不能、也绝不应该在产品尚未准备好的情况下就将其推出或交付不安全的产品。”

鸿蒙智行微博公号发文截图《鞭牛士》公号文章权责、合同、门店。三天，三步，干净连贯，没有一句多余的话。

受该消息影响，赛力斯股价大跌。截至9月15日收盘，赛力斯A股跌超5%，港股跌超6%。那个曾经被华为“手把手带大”的问界，那个让赛力斯从重庆边缘车企跃升千亿市值的问界，正在被华为从核心圈层中移出。

有人把这次调整解读为“合作模式优化”，有人称之为“问界毕业了”。但如果把过去七年的线索串起来看，华为造车，正在驶向一条结构性的末路。

这不是华为技术不行。恰恰相反，华为的智驾、座舱、电驱依然是行业顶尖。问题出在另一个层面——华为选择的这条“帮助车企造好车”的路径，从商业逻辑上就存在难以调和的矛盾。当这些矛盾积累到一定程度，撤退或许就成了唯一理性的选择。

一个“不平等条约”的七年之痒要理解华为造车为什么走向末路，必须回到双方签约之前的那一年。

2019年，华为与小康股份签署全面合作协议，这是双方合作的起点。到2026年问界合作模式调整，正好七年。

2020年，赛力斯还叫小康股份，全年营收143.02亿元，净亏损17.29亿元，卖了27.36万台车，新能源只占两万多台。挂着赛力斯牌子的车，一年卖出2811台。这是一家在中国汽车工业版图上几乎可以忽略不计的公司。

《好机友》公号文章华为为什么选它？营销、技术、研发全是华为的，这到底是谁的车？传统大厂不愿意把产品定义和品牌命脉交给外部供应商，只有赛力斯这种濒临边缘化的企业，才愿意交出全部话语权。

于是，“智选车”模式诞生了。2021年4月，双方正式签署智选车合作协议；同年12月，问界品牌发布。华为深度参与产品定义、设计、营销、渠道、售后，赛力斯负责制造。余承东亲自站台，华为门店C位展出，问界M5、M7、M9接连成为爆款。2024年，赛力斯营收飙升至1451亿元，净利润59亿元，成为全球第四家盈利的新能源车企。

表面看，这是一场双赢。但翻开赛力斯的账本，另一组数字触目惊心。

根据赛力斯港股招股书披露，2022年至2025年上半年，赛力斯向最大供应商的采购额累计超过750亿元，市场普遍认定这家供应商指向华为体系。2025年全年，这一数字攀升至560亿元，占总采购额的33.8%。这个口径是"商品和服务交易"，含供应方自身成本，不等于华为赚走的利润。

据赛力斯赴港招股书披露，赛力斯只要卖一辆车，就要向引望支付硬件采购费和2%的技术授权费，还要向华为终端BG支付8%的渠道服务费。这两笔加起来，是整整10%的硬性抽成。一辆均价40万元的问界，仅这两项就是4万元。需要说明的是，这一比例从未见于任何正式披露；赛力斯在港股招股书里写明，双方"不涉及任何利润分成安排"。

四年合作下来，赛力斯扣非净利润累计仅约14.82亿元。也就是说，赛力斯卖出去的车越多，流向华为体系的钱就越多，而自己真正落袋的利润薄得可怜。

这种模式在上行期尚能维持。但当行业价格战加剧、原材料涨价、车型迭代加速时，所有经营风险都压在赛力斯身上。2026年上半年，赛力斯营收574.93亿元，同比下降7.87%；归母净利润亏损17.17亿元，去年同期还是盈利29.41亿元。从赚29.41亿到亏17.17亿，一年时间，利润端蒸发46.58亿元。

8月，赛力斯汽车销量20652辆，同比下降49.68%，接近腰斩。

华为始终坚持“华为不造车，帮助车企造好车”。可当“帮助”的成本高到车企无法承受时，这个模式的根基就开始松动了。

合作伙伴的“底子”，决定了华为的上限华为造车模式面临的第二个结构性问题，是合作伙伴的先天不足。

赛力斯的前身是东风小康，主业是微型面包车和低端电动车，巅峰时期年销超20万辆，靠微车业务攒下了完整的四大工艺和成本管控能力。产品长期停留在工具车区间，高端乘用车研发积累几乎为零。2020年，其战略车型SF5全年只卖出732辆。2022年8月，公司正式更名“赛力斯”，意图跳出“小康=微车”的历史标签。这家从摩托车起家、转型新能源的重庆车企，有制造底子，但在制造工艺、品控体系、供应链管理上与主流高端车企存在明显差距。

华为可以输出技术，可以派驻团队，可以把IPD集成产品开发体系带进来，造车是一门需要时间沉淀的硬功夫。

先在亦庄把工厂盖起来，产线自己盯，压铸自己调。从图纸到量产之间那几万个细节，没有一个能外包。

苹果和富士康是最成功的代工组合。多数人以为苹果是甲方所以苹果强势，富士康创始人郭台铭从做电视机旋钮时就死磕模具，做连接器时鸿海申请的专利超过8000项。苹果提的是要求，能不能做到，靠的是富士康二十多年攒下来的工程能力。

华为车BU的工程师可以教赛力斯怎么定义产品、怎么设计座舱、怎么优化智驾算法，但底盘调校、车身防腐、装配精度、耐久性测试这些传统车企需要数十年积累的能力，不是靠一套流程就能速成的。

2026年以来，问界M7、M8、M9在车质网等平台的投诉量急剧攀升。多位车主反映的问题包括驱动电机硬件损坏、智驾系统未能识别侧后方来车、新车方向盘异响、流媒体后视镜故障、车门损坏、车顶掉漆、车内生锈等。有车主投诉反馈半年无人处理。

今年3月，“中国经济网”曾报道，一位问界M8车主花40多万买的车，两个月排气管生锈，中控屏卡顿、全景影像出现波纹。4S店的说法是“排气管生锈不属于产品质量问题”，要出纸质报告得拆解旧件返厂，车主拒绝拆，报告出不了。最后车主自费买了延保。

渠道端的数据同样能说明问题。截至2026年5月，鸿蒙智行全国有1951家销售门店，但售后维保门店只有957家。卖车的地方是修车地方的两倍多。

这些问题的根源，不在于华为的智驾或座舱技术不行，而在于整车的制造品质和品控体系没有跟上。华为可以赋能“灵魂”，但“肉体”的强健需要合作伙伴自己长出来。更关键的是，华为选择的合作伙伴，不止赛力斯一家。

智界的合作方是奇瑞，享界是北汽，尊界是江淮，尚界是上汽。这些企业在传统燃油车时代各有各的积累，但在新能源高端化转型中，大多面临品牌认知、渠道能力、用户运营的短板。华为试图用自己的品牌势能和渠道资源去弥补这些短板，但结果是，华为的资源和注意力被严重稀释。

“华为的能力，支撑两三个界已经不容易，做五个界是非常难的。”华为门店的展车位有限，销售人员的精力有限，余承东一个人不可能同时为五个品牌站台。当问界、智界、享界、尊界、尚界挤在同一个门店里，内部竞争就不可避免。

2026年上半年，问界约16.1万辆，占鸿蒙智行近七成；尚界约3.5万辆，享界约2.1万辆，智界1.93万辆、同比下降56.9%，尊界超过7000辆。除问界之外，没有一家撑得起门面。一个问界吃饱，四个弟弟挨饿，这就是华为造车模式面临的现实。余承东“隐退”华为造车走向末路的第三个信号，来自内部。余承东是华为内部最坚定的"造车派"。

2019年5月，华为智能汽车解决方案BU成立，最高负责人是时任轮值董事长徐直军，总裁是王军，定位为智能网联汽车增量部件供应商，要做“智能电动车时代的博世”。2020年11月，车BU从ICT业务调整到消费者业务。2021年5月，余承东接手车BU，担任消费者BG CEO兼智能汽车解决方案BU CEO。

2021年12月问界M5发布时，他给这个品牌定的目标是五年内进入全球新能源品牌前三。2023年，他亲自推动问界新M7上市，25天大定破5万，“起死回生，真不容易！”问界M9更是把价格拉到50万以上，连续多个月稳居豪华SUV销量榜首。

《上海证券报》公号文章但余承东的野心不止于此。他曾试图在问界车型上使用“HUAWEI”标识，被任正非紧急叫停。2023年，任正非签发文件，重申“华为不造车”，有效期五年，明确要求不能使用“华为问界”“HUAWEI”等字样。

早在2020年，任正非就曾签发文件强调“华为不造车”，摆明了华为的造车立场。

余承东主张深度参与甚至主导造车，任正非坚持“不造车，帮助车企造好车”。两种路线的张力，贯穿了华为汽车业务的整个发展历程。

2023年9月，余承东卸任车BU CEO，由靳玉志接任，他转任车BU董事长。2025年3月，引望完成工商变更，徐直军出任董事长，余承东任副董事长。一个月后，余承东不再担任车BU董事长，微博认证只剩下“华为常务董事、终端BG董事长”，华为官网的介绍也同步更新。

2026年9月的问界合作模式调整，余承东没有出现在官方说明中，也没有像过去那样在社交媒体上发声。

余承东的“退场”，或许意味着华为内部“造车派”的声音被压制。华为不能成为一家汽车公司，汽车业务的定位是“增量部件供应商”，是“中国版博世”。

但问题是，当华为既想做“博世”，又想通过鸿蒙智行深度参与整车定义和销售时，它的角色就变得模糊了。你今天帮我定义产品、在我的门店卖车，明天会不会拿着同样的能力去扶持我的竞争对手？从“造车”到“做供应商”2026年9月的问界合作模式调整，本质上是华为汽车战略的一次系统性收缩。

官方说法是“轻资产模式”，类似于是“鸿蒙智行从运动员变成教练员”。华为不再承担整车运营的重资产风险，退回到技术供应商的位置。这个选择，从华为的整体战略来看是理性的。

华为2025年全年销售收入8809亿元，逼近历史峰值。智能汽车解决方案业务收入450亿元，同比增长72%，是增长最快的业务之一。但华为的核心战场从来不在汽车。芯片、操作系统、通信、AI算力，这些才是华为真正押注的方向。

近日，华为心声社区披露了监事会主席郭平与新员工的座谈纪要。在这份近万字的纪要中，郭平回应了人工智能、大模型战略、6G等热点话题。谈到智能汽车时，华为的核心战略是“聚焦”，深耕擅长的“连接”和“计算”领域，没有业务扩展计划。引望提供的智能汽车部件业务，是华为ICT业务的延伸，华为通过引望直接提供智能驾驶服务，但华为选择“不造车”，车企选择仅在中国销售还是走向全球，取决于各车企自身的战略选择。

“华为做汽车是被逼的。”2019年5月，华为被列入实体清单，手机业务差点没命，同一个月车BU挂牌。它从成立那天起，任务就不是卖车，是给一支庞大的研发队伍找一条活路。

现在，华为的生存问题已经解决。手机业务回归，AI算力业务爆发，华为没有理由在汽车这个重资产、低利润、高风险的行业里继续深度投入。

更何况，华为在汽车行业的“历史作用”已经完成。2019年华为进场时，智能座舱、智驾芯片、算法，几乎全被国外供应商垄断。华为用全栈自研的方式，把智驾从顶配奢侈品变成十几万的车也能配的标配，倒逼国外供应商降价，推动整个行业加速智能化转型。

这个过程中，华为也培养了一批合作伙伴。赛力斯从边缘车企成长为千亿市值公司，奇瑞、北汽、江淮、上汽通过华为赋能补齐了智能化短板。现在，这些车企开始自研智驾、自建渠道、独立运营品牌。华为的技术已经“种”进了行业，剩下的路，车企要自己走。

末路，也是新路的起点华为造车走向“末路”，不是华为的失败，也不是赛力斯的失败。这是商业逻辑的必然。

华为收固定费用旱涝保收，车企扛所有经营风险；华为要规模，车企要独特性；华为希望合作伙伴越多越好，合作伙伴担心华为扶持自己的竞争对手。这些矛盾在行业上行期可以被增长掩盖，一旦增速放缓，就会集中爆发。

赛力斯2026年上半年的亏损、问界销量的腰斩、余承东的退场、合作模式的调整，都是这些矛盾的外化。

但“末路”不意味着终结。华为退回到技术供应商的位置，反而可能打开更大的空间。干昆智驾已经搭载超过25个品牌、60多款车型，累计搭载量突破200万辆。华为80%、赛力斯10%、阿维塔10%，正在形成一个开放的智能汽车技术平台。

余承东在鸿蒙智行发布会上，身后是华为五大技术矩阵赛力斯拿回问界的主导权，短期会经历阵痛，但长期看，它必须证明自己具备独立运营高端品牌的能力。100万辆的底子、25亿买来的品牌资产、115亿入股的引望股权，这些都是实打实的筹码。

中国智能汽车行业需要华为这样的技术底座，但不需要华为成为又一个整车品牌。当华为从“造车”的执念中抽身，专注于自己最擅长的技术领域，它对中国汽车工业的贡献，可能比亲自造车更大。功成身退，才是英雄最好的结局。

一篇技术报告中居然出现了两个看起来风马牛不相及的研究对象，跟着AI真是见世面。

一个是患者来源的类器官，另一个则跨越到了宏观宇宙……先说前者。研究者利用模型学到的内部因子，提出了细胞因子联合抗体阻断的干预方案，并经细胞系、类器官、小鼠实验层层验证。

至于后者，研究者把模拟的行星位置和速度轨迹喂给模型，不告诉它开普勒定律。

等它学完后分析其内部的预测模式，提取出的“轨道频率-半长轴”关系拟合斜率达-1.4991（开普勒第三定律理论值为-1.5），且R²=0.99999999。

肿瘤研究和行星轨道计算两个八竿子打不着的领域，居然能用同一种预测学习方法来搞定。

大千世界千差万别，天气、分子、细胞、病人、机器人乃至行星，各自遵循完全不同的规律。

但AI在理解它们“如何变化”时，有没有可能共享一套更底层的方法？

最近，PhAI Labs联合牛津、斯坦福、普林斯顿、港中文等高校团队最新发布的J-Anything，就在尝试回答这个问题。

论文显示，J-Anything是一个面向不同“世界”学习预测模型的跨领域框架。

每个领域保留自己的观测形式、context-target构造和编码器，但共享后面的预测核心以及一套统一的latent world-state interface。

其中涉及一个叫做OPF（Orthogonal Predictive Factorization，正交预测分解）的关键机制。别把世间各种各样的变化，全都堆在一块去学习建模。

给世界建模，一条预测通路可能不够首先来厘清一个概念，在J-Anything这项研究中，“世界模型”究竟意味着什么？J-Anything论文给出的定义兼具宽泛度与操作性。

论文写道，只要模型能根据现有信息建立内部状态，并以此预测同一系统中的另一个状态，均可归入隐空间世界模型的范畴。

这里的“另一个状态”，既可以是时间上的未来，也可以是空间上的隐藏区域、不同视角，甚至是施加某种干预后的结果。

顺着这一思路，业界在过去几年间已经发展出了日趋成熟的技术路径。

例如，DreamerV3强调先构建环境模型，再在模型内部“构想”行动后果；V-J 2则将视频表征学习与机器人控制结合，让机械臂在规划动作前，先预测不同行为带来的物理反馈。

而J——Joint-Embedding Predictive Architecture，联合嵌入预测架构——是其中颇有代表性的一条路线。

相比直接在原始空间重建目标状态，J选择在表征空间做预测，不必还原每一个像素或细节。

它会将观测信息先编码为隐空间中的内部表征，再在表征空间内完成预测。

这种设计让模型把更多表征能力留给具有预测价值的结构，减少纹理、噪声等原始空间细节的干扰。

不过，标准J通常让信息全部汇入同一个target embedding，走同一条预测路径。但现实世界的变化往往不是单线程的。

举例来说，分子的整体平移往往伴随着内部原子的微观振动；宏观气象系统的缓慢演变中，夹杂着剧烈的局部扰动；生物系统则更为复杂，多尺度、多通路的变化时刻在同步发生。

当不同尺度、不同实体、不同难度的信号强行挤在一起时，那些更容易预测、变化更显著的信号，可能优先占据更多预测容量。

相比之下，那些相对微弱却同样关键的信息，要么在梯度冲突中被抵消，要么被强信号彻底掩盖。

研究人员将其归结为一个“预测容量如何分配”的问题，同时给出了新的解决思路。既然拥挤会导致挤压，那就进行空间解耦。于是就有了J-Anything。

其核心机制OPF（正交预测分解）将原本完整的目标状态切割为多个彼此互补的子空间，交由不同的预测分支独立处理，最终再拼回完整的世界状态。

为了防止多分支演变为“多套人马学同一件事”的冗余状态，OPF引入正交约束，让不同factor尽量占据互不重叠的预测方向，减少多个分支重复学习同一类信息；同时通过因子活性约束和编码器方差约束，避免部分factor失活，并降低表示坍缩风险。

值得注意的是，这些factor并没有被预先规定“你负责速度”“你负责温度”“你负责某条生物通路”。它们学什么由数据中的可预测结构决定。

训练完成后，这些factor也因此留下了一个可供后续分析的内部接口。

同一预测核心，跨七类系统验证方法论说得再漂亮，最终仍需经受跨领域泛化的检验。这就不得不提到J-Anything实验设计的独到之处。

它并未局限于视频表征或机器人控制等传统领域，转而将同一套预测核心直接置于视觉、生物、临床、控制、分子、物理场和天气七类截然不同的系统中进行验证。

所谓“Anything”，并非指强行将所有领域的数据打散重构为同一种输入格式，图像、单细胞序列、分子结构乃至气象数据，依然保留各自最契合的编码器与数据形态。

当数据被转换为隐空间表征之后，预测部分应当如何搭建模型、如何完成学习。

论文先在一个基于简化Pong构造的受控动态环境CITRIS Interventional Pong里做实验，以验证模型能否将复合变化“拆解学习、再行组合”。

在训练阶段，模型仅接收过单一因子的变化数据；测试阶段则需要面对此前从未出现过的多因子组合干预。

如果模型仅仅死板地记录了训练集中的完整模式，面对全新组合必然失效；如果模型学到的是不同变化之间可复用的状态变化规律，就更有机会在未见组合里重新组合它们。

实验结果表明，在分布内的单项干预中，J-Anything相较标准J降低了约11.7%的预测误差；而在未见过的多因子组合干预中，均方误差同样下降了约3.5%，且在五组配对训练seed中全部改善。随后，验证走向了更复杂的真实系统。

论文构建了一套严格对齐的动力学基准，在十项任务中确保标准J与J-Anything使用完全相同的训练数据、编码器、状态转移骨干网络、计算预算及评估切分。

在其中九项预测任务中，J-Anything的性能指标均有所提升。

比如PDEBench里的Burgers方程，MSE下降39.7%；浅水方程下降39.3%；WeatherBench 2下降10.5%。

论文还专门做了多步rollout，让每一次预测继续成为下一次预测的输入，以观察误差不断传递之后会发生什么。分子系统则把时间线拉得更长。

在液态水、α-石英、对乙酰氨基酚和苯四种体系中，模型需要持续预测未来的原子位置和速度，并把自己的输出不断喂回去。

最终，无论是一步预测的MAE，还是100步自由rollout后的最终位置RMSD，J-Anything在四种分子系统中都拿到了最低误差。

不过值得注意的是，实验数据并未呈现出“单一机制全面碾压”的理想化曲线。

在连续控制测试中，在Walker2d和HalfCheetah上，它的平均得分高于标准J；但在Hopper上，标准J表现更好。连续预测的距离越远，误差仍会不断累积。

在额外的Burgers测试中，当预测长度从20步增加到50步时，J-Anything虽然仍然领先，但优势已明显缩小。

因此，这篇报告验证的是“共同预测原则存在跨领域适用性”，而非“已经实现一个统一所有领域的世界模型”。但这些结果至少表明，这套预测原则具备跨领域复用的潜力。J-Anything学到的结构，能否经得起外部检验？

前面的实验主要回答预测和状态表示是否有效。到了第三组实验，模型隐空间中所形成的因子（factor），究竟是否具备科学探索价值？

于是，就有了本文开头那两个画风迥异、却又遥相呼应的研究案例。

从内部因子走向可验证的候选干预在肝癌研究中，研究人员并未将J-Anything简单视作一个“黑盒预测器”，而是对其内部形成的正交因子坐标展开了领域分析，IL-18联合NT5E/CD73阻断。

研究团队把它推进到Huh7-PBMC共培养体系，再到患者来源的肝细胞癌类器官和肿瘤组织碎片，之后还加入免疫健全小鼠验证。

实验数据表明，在3份患者类器官与3份肿瘤组织碎片中，IL-18与CD73阻断剂的组合均展现出最强的肿瘤细胞杀伤力，并伴随着显著增强的免疫细胞激活。

这意味着模型内部的Latent Factor不再只负责让预测数字“变好看”。

它开始成为研究者分析系统状态、提出可实验检验的候选假设的一种接口，由此形成“模型内部结构→领域分析→候选干预→实验验证”的链条。从隐模式走向已知物理规律的“对账”行星轨道案例反过来拿人类早已知道的开普勒第三定律，去检验模型内部学到的东西有没有物理意义。

研究者仅向模型输入模拟产生的行星位置与速度轨迹，未附带任何先验公式。

训练完成后，研究人员对模型的隐模式进行频谱分析，并将提取出的频率与轨道半长轴配对。

结果显示，即使没有人为提前设定公式，研究者还是从模型学到的latent modes中提取出了与这套变量关系高度一致的尺度规律——拟合得到斜率‑1.4991，和理论值‑1.5高度接近，误差极小。

一个案例从内部因子出发，走向湿实验；另一个把内部模式拿出来，与已有物理规律对账。

两者从不同方向为“模型学到的内部结构可以成为科学分析接口”提供了案例证据。

研究者不一定只能在终点看一个预测数字，还可以继续向里追问，它到底捕捉到了哪些变化？这些变化是否对应真实规律？能不能从中形成下一步值得验证的东西？

这也恰好是J-Anything在PhAI Labs整体战略脉络中的定位。

此前，PhAI Labs提出“科学发现大模型”（Discovery Foundation Models, DFM），旨在推动AI向开放式的科学探索迈进。

在DFM设想中，AI需要进一步参与识别未知、形成假设、设计干预，并根据外部证据持续修正的科学发现过程。J-Anything位于这套结构的世界模型层。

它试图把科学trajectory和真实世界变化中可预测的部分，压缩成可以更快速调用的预测能力，在耗时更长、成本更高的真实实验之前，提供一层近似判断。

至此再审视“从癌细胞到行星轨道”的跨度，其意义便不再停留在展示视觉反差或概念噱头。

研究人员探索的是面对机制迥异的复杂系统，AI能否共享同一种学习“演化逻辑”的方法；以及当这些变化被编码进内部状态后，这些内部结构能否被研究者拿出来分析，并接受实验结果与已知规律的检验。这距离“AI理解万物”当然还有相当距离。

世界模型内部学到的结构，除了服务预测，也可以被研究者继续分析，并接受实验和已知规律的检验。

换句话说，模型不只在预测一个世界，也开始把自己学到的“世界”暴露出来，供科学家继续研究。

IT之家 9 月 19 日消息，苹果首款折叠 iPhone Duo 本月发布后，引发全球媒体关注，有盛赞、有质疑，IT之家汇总 12 家海外科技媒体对这款手机的评价和观点。

一、苹果首席执行官约翰 · 特努斯（John在接受外媒《GQ》采访时，苹果新任首席执行官约翰 · 特努斯在谈到 iPhone Duo 时，“史蒂夫曾谈到，[做产品时] 应该交汇融合技术与人文，而我认为，iPhone Duo 正是这一理念的绝佳体现。

在谈到 iPhone Duo 时，“这就是我们工作的意义所在，它 [指 iPhone Duo] 它之所以格外特别，是因为它让我们获得了一次从零开始、以全新方式思考的机会。” 二、The Verge The Verge 认为完成度看起来很高，铰链开合顺滑，并指出设备具备 IP68 防护；内屏折痕几乎无法用手指摸出来，这是它最直接的硬件赞赏之一。

屏幕方面，哑光表面能较好处理现场窗户带来的反光，意味着户外或强光环境下的可读性可能优于常见高反光折叠屏。软硬件过渡有“苹果式精致感”开合时屏幕内容是有渐进、对焦般的动画过渡。

三、CNET CNET “给我一半的 iPhone Duo，只要一半的价格”。Duo 的外屏恰好是 5.4 英寸，与已停产的 iPhone 12 Mini 相同，堪称“小屏党的梦想回归”。

用户不得不为这块外屏再付 1,000 现汇率约合 6,714 元人民币）买一块内屏。尽管折叠工艺精湛、折痕控制出色，但 $1,999 的起售价让它更像“第二台设备”，而非主力机CNET 呼吁苹果推出“单屏版 Duo”，满足单手操作需求。

四、Mashable " 我几乎没注意到折痕。"Mashable 的上手体验盛赞 Duo 的纳米纹理磨砂内屏和屏下摄像头设计，视觉沉浸感远超安卓竞品。

然而，一旦细读规格表，（无长焦）、254 克重量、仅支持两应用分屏、触控笔延迟支持且无压感。

Mashable “它看起来惊艳，但规格让人犹豫，你是在为设计买单，还是为性能？” 五、TechRadar " 我从未如此渴望一台 iPhone，但 $2,000 让我却步 —— 谁会买它？"TechRadar 评论员 Alex Blake 坦言，Duo 的软件适配令人惊艳（Netflix 已完美支持横竖屏 + 半折模式），、无 Action 按钮、用 Touch ID 替代 Face ID、无长焦镜头。" 如果连我这个从 iPhone 3GS 就开始用苹果的人都犹豫，普通人会买吗？" Duo 是 " 早期采用者的玩具 "，而非大众主力机。

六、Tom's Guide 59% 用户选三星 Z Fold 8，仅 26% 选 iPhone Duo。该媒体 Tom's Guide 的读者投票显示，尽管 Duo 声量巨大，但多数消费者更倾向三星。

该媒体认为 Galaxy Z Fold8 更轻薄（201g vs. 254g）、便宜 100 美元（现汇率约合 671.4 元人民币）、支持三应用分屏，且已迭代八代。

Duo 的优势（IP68、更快充电、Apple Pencil 支持）未能抵消其“第一代试水”的疑虑。“苹果的软件体验或许更好，但普通人更在意重量、价格和成熟度”。

七、PCMag该媒体预计 iPhone Duo 会是市面上最出色、最精致的折叠屏之一，却认为折叠形态本身仍难以抵消其高价和日常使用代价。

该媒体认为 iPhone Duo 很可能“技术上优秀”，但“消费上不理性”，除非用户确实高频需要便携大屏与分屏，否则普通 iPhone 是更成熟、舒适且划算的选择。

八、AppleInsider AppleInsider 详细列出 Duo 为厚度牺牲 Face ID（改用 Touch ID）、为重量牺牲三摄（仅双摄 + 屏下前摄）、为成本牺牲 Pro 级视频功能（无 ProRes、Apple Log 2、空间照片）。

但文章也强调，Duo 的 A20 Pro + 均热板、24 小时续航、IP68、Apple Pencil 支持、StandBy 模式等 " 足以弥补这些妥协 "。

九、Android Authority " 我刚用了 iPhone Duo，即使作为安卓用户，我也被震撼了。"Android Authority 编辑坦言，Duo 的折叠手感 " 如梦境般顺滑 "，内屏几乎无折痕，5.4 英寸外屏 + 7.6 英寸内屏的组合 " 完美平衡便携与大屏 "。

他承认自己用了 15 年安卓，但 Duo 的软件体验（iOS 27 分屏、应用连续性）让他 " 准备好转投 iOS"。

十、ZDNet "Duo 是紧凑手机 + 迷你平板的诱人组合，但 $1,999 的价格让人犹豫。"ZDNet 指出，Duo 适合 " 想要一机两用 " 的用户，但 iPhone 18 Pro 在相机、性能、价格上更均衡。

如果用户已有 iPad mini，Duo 的额外屏幕价值有限；如果你经常旅行且需要大屏阅读 / 办公，Duo 才值得考虑。

十一、Engadget iPhone 18 Pro 是“标准制定者”，Duo 是“实验品”。

十二、Wired Wired 的 iPhone 18 Pro 评测中，Duo 被描述为 " 折叠屏的炫目存在 "，但相机表现远逊 Pro 机型。文章强调，Duo 的双摄系统 " 仅相当于 iPhone 17 标准版 "，缺乏 Pro 级的可变光圈、手动控制、焦点追踪等功能。

前几个月，OpenAI和Anthropic轮番把旗舰模型往前推，Google却显得异常安静。Flash几乎3周一更，3.6、3.7、3.8连续往前，但代表最高能力上限的Pro迟迟没有动静。直到这两天，大模型盲测竞技场Arena里，突然冒出一个挂着gemini-3.8-flash名字的模型。

开发者一上手就发现了不对劲，真正的Gemini 3.8 Flash已经发布了，它该是什么水平，大家心里有数。可这个“3.8 Flash”，写代码、做SVG、跑Agent，表现明显又往上跳了一截。

几轮实测之后，这个模型很有可能是Google藏在标签后面的下一代旗舰——Gemini 4 Pro。

紧接着，一张更夸张的benchmark对比图开始疯传。编码、Agent、推理，多项成绩都把GPT-6 Astra和Claude Fable压在下面。

就在几天前，几家最重要的AI公司还在公开讨论，是不是该慢一点。现在，减速的声音还没落地，新一轮竞赛已经开始狂飙。

而这个疑似Gemini 4 Pro的“神级模型”背后，Gemini 4 Pro疑似泄露所以，当Arena里又出现一个同样挂着gemini-3.8-flash名字的模型时，开发者很快就察觉到了异常。

真正的3.8 Flash已经摆在那里，大家有现成的参照物。而这个模型看起来明显更强，分明是Pro模型才会有的实力。最早引发传播的一批实测，集中在SVG、网页和3D场景上。

开发者Harshith让它用SVG画一只侧面的家猫，并把结果与GPT-6 Astra Max和正式版Gemini 3.8 Flash放在一起。Arena里的这个版本，无论轮廓、比例还是细节完整度，都和正式3.8 Flash拉开了肉眼可见的差距。

从左到右依次为“4 Pro”、Astra、3.8 Flash X网友@thtbee_从多个角度连续测试了这个疑似Gemini 4 Pro的模型。

一个Voxel风格宝塔，模型跑了8分钟，直接生成了一整套可交互3D场景。

一架空客H145直升机，它只花大约10分钟就搭出了完整的3D展示页面，细节非常丰富。不过，这位网友表示，页面底部的UI元素“看起来有点糟”。

在网页设计上，模型花了大约14分钟就做出了一套单色主题网站，整体非常干净、完整。过去Gemini经常被吐槽的设计品味问题，这次似乎终于被补上了。

另一位网友@Mr_Salio直接拿这个疑似Gemini 4 Pro的模型去做游戏。成品画面足够流畅，世界生成和游戏设计的完成度也很高。更关键的一条线索来自开发者Qwinah。

他声称自己成功“幽灵路由”到了Gemini 4 Pro的后端，并贴出了一张疑似内部终端信息的截图。

根据他的说法，这个模型的内部标识里直接出现了G4P-ARGON和VIA_3.8_FLASH，最大输出达到256K，上下文窗口超过1000万token，还带有跨会话永久记忆、无需I即可联网、后端自动编译运行脚本，甚至物理机器人控制等能力。

如果这些信息属实，那它显然已经不是一次普通的Flash升级。

与此同时，一张Gemini 4 Pro的benchmark对比表也开始在社区疯传。

按照图里的数据，Gemini 4 Pro在软件工程测试DeepSWE v1.1拿到88.7%，在终端Agent测试Terminal-Bench 2.1达到95.3%，在专家级知识推理测试HLE-Verified冲到72.1%，在电脑操作Agent测试OSWorld 2.0达到86.8%。

更夸张的是，在衡量真实知识工作的GDPval-AA v2上，它被写成2064 Elo，直接突破2000大关。

如果这些数据属实，Gemini 4 Pro简直能“拳打Fable，脚踢Astra”，一举站上前沿模型之巅。但越是夸张，越需要小心。

值得注意的是，这张benchmark表，和Qwinah“挖”出来的那张疑似后端截图，并不完全对得上；benchmark表里作为对照项的Astra，得分也不符合官方数据；两份材料都没有Google、Arena或相关benchmark官方背书，目前仍然只是社区流传的信息。

唯一能被确认的只有那个名叫gemini-3.8-flash名字的模型，和完全不符合Gemini 3.8 Flash的表现。

但大家之所以会迅速把答案指向Gemini 4 Pro，Google的Pro模型，已经空窗太久了。

Gemini 3.5 Pro迟迟没有正式落地，Gemini 4早已确认进入训练，过去几个月，Flash一代代往前推，真正代表能力上限的Pro线始终没有新型号出现。

现在，一个能力明显异常的“3.8 Flash”突然从Arena里钻了出来。

于是，猜测自然越来越像样——Google可能根本没打算把真正的大升级留给3.5 Pro，直接憋到了Gemini 4 Pro。

Gemini 4 Pro背后，更大的关键词是RSI如果说Gemini 4 Pro目前还只是社区传言，那么更值得注意的是，Google正在明显加快AI参与模型研发的速度。

在这一次的Gemini 4 Pro传闻里，RSI这个关键词被反复提及。

RSI全称为Recursive Self-Improvement，递归自我改进，简单来说，就是AI开始参与制造更强的AI，而更强的AI又进一步加快下一代模型的研发。一旦这个循环跑起来，被加速的就不只是模型能力本身。就连模型进化的速度，也会开始被模型自己加速。

今年8月披露，Google联合创始人Sergey Brin近几个月一直在推动Gemini提速，并把递归自我改进列为重点关注方向之一。

虽然Google目前还没有公开宣布自己已经实现了这个闭环，但它正在把越来越多原本属于研究员的工作交给Agent，包括评测模型、寻找改进方向、跑实验，再把结果反馈回模型研发流程。

Google DeepMind研究员姚顺宇（不是腾讯的姚顺雨）则在3.8 Flash发布后，“这是模型的一小步，RSI的一大步。” 就在最近，Google还把“RSI”写进了一篇新论文的标题里。

也正因如此，这次Gemini 4 Pro的传闻才会迅速和RSI绑在一起。

社区里的猜测并没有停留在“Gemini 4 Pro很强”上，也在追问，Google内部到底把RSI做到了什么程度。RSI这条路显然不只Google在走。

美国时间9月17日，Anthropic公开了一组内部AI研发自动化数据。

Anthropic官方表示，他们公开这些指标的原因是，他们认为外界需要知道，前沿实验室里的AI研发到底有多少已经开始由AI自己完成。

数据显示，截至今年8月，Claude已经能够主导26%的Anthropic AI研发任务——也就是人类只需要给出高层目标并监督，Claude基本可以端到端完成任务。这个比例在今年2、3月还不到1%。

与此同时，Anthropic内部超过90%的AI研发任务，至少已经进入AI协作的阶段。

国内，“我们仍远未达到递归自我改进，模型优化系统，系统服务模型。”

唐杰在X上的长文，仅截取开头部分在智谱公开的工程实践中，一个由GLM-5.3驱动的Infra Agent参与了GLM-5.3-Flash推理基础设施的设计、调试和优化。这套系统运行在超过10万张国产AI芯片组成的集群上，从第一次跑通到承接全部生产流量，只用了两周，把端到端吞吐提升到了初始水平的3.2倍。

“减速”最后只剩下警告就在几天前，阿莫迪还呼吁前沿AI公司携手“减速”。他列出的第一个需要警觉的条件，就是RSI。

模型进步本身当然是好事，但问题在于，如果AI开始参与制造下一代AI，模型进步的速度可能越来越快，但人类理解、评估和控制它的速度，未必能同步加快。

所以阿莫迪反复强调，要在能力跨过某些门槛之前，把第三方评测、共同安全标准和减速机制提前建立起来。

因为一旦RSI真正形成正反馈，模型可能已经越过了刹车的“安全距离”。在风险上，几家前沿实验室确实达成了共识。

奥特曼公开认同“放慢前沿AI的发展节奏”，并承诺OpenAI也会引入拥有类似员工权限的独立评测者；马斯克表示“Dario是对的”；哈萨比斯也称这是正确的方向，只是具体怎么做还需要继续讨论。

但那篇倡议里也提到，单独减速没有意义，如果AI研发继续被AI加速，未来真正有效的减速或暂停，比如引入独立评测者，以及让前沿实验室共同设定能力门槛和安全措施，必要时协调放慢研发速度。但到现在，出于各种各样的竞争原因，共同规则并没有被建立。

大家已经可以一起说“应该谨慎”，可一到“具体怎么减速、谁先减、其他国家减不减”，共识就迅速消失了。

实验室之间有最直接的模型竞争，国家之间还有更大的AI竞争。任何一家单独放慢，都要承担把领先窗口让给对手的风险；任何一个国家单独限制，都会担心另一边继续加速。几家前沿AI实验室，因此多少表现得有些言行不一。

Google这边，有前面提到的疑似已经在Arena匿名测试的Gemini 4 Pro。

Anthropic这边，社区最近也开始出现Opus 5.2的灰度痕迹。有Claude Code用户称，通过运行状态和请求路由信息看到了新的claude-opus-5-2模型标识，怀疑部分请求已经被灰度到下一代Opus。

而OpenAI那里，有人称在后台模型列表里看到了gpt-6-sol的模型名，也有人表示自己疑似已经被灰度到新模型。根据目前广为流传的消息，GPT 6 Sol可能会在下周发布，或者，也可能在美国时间9月29日的Dev Day……总之也不远了。

三家前沿AI实验室的下一轮模型，都已经开始在社区里露出测试痕迹。

这轮“减速倡议”到现在最确定的成果，并不是任何一家真的减了速，只是这几家最重要的AI公司，已经把风险提前公开讲了一遍。模型并没有因此放缓。但至少，如果有一天真的出事，我们早就提醒过了。

日媒注意到，日本正寻求安排首相高市早苗与特朗普于下周二前后在纽约举行会晤，企图抢先游说美方，让这位美国总统继续站在日方一边。

据日经亚洲9月19日报道，内阁官房长官木原稔周五在记者会上宣布，高市早苗将于周一至周四访美出席联合国大会，目前正为与特朗普的会晤“进行最后安排”。

报道称，与特朗普会晤不可避免地存在引发不必要要求的风险。尽管如此，东京仍决心先一步举行会谈，这凸显了其对特朗普可能倾向中方的深切担忧。

日本官员担心，随着美国11月中期选举临近，特朗普政府急于向选民交出切实成果，他可能为达成与中国的贸易协议，接受中方在台海或东海、南海问题上的立场。

报道同时指出，东京一方面担忧中美关系日益密切，另一方面也面临着与华盛顿关系中日益增多的矛盾，包括国防开支目标、分担更多驻日美军开支等。特朗普还可能在经济和财政政策上向日本施压。

今年3月，高市以首相身份首次正式访美时，就闹出不少幺蛾子。会谈开场，高市试图用磕磕巴巴的英文发言，直到特朗普说“有翻译”，她才改回日语。更有特朗普当面拿珍珠港事件调侃高市的外交“冥场面”。

特朗普提珍珠港，“搞偷袭确实你们更厉害”，高市表情尴尬高市此次出访的表现招致不少日本网友批评。有网友表示极其厌恶高市的谄媚，批评她访美只是一场作秀，甚至毫无人性原则，以“让特朗普笑了”为胜利，展现了日本外交史上对美国前所未有的卑躬屈膝，让日本的国际形象跌至谷底。

一边是车企为稀土磁体的供应操心，另一边，马斯克说，特斯拉的电机可以不用稀土了。2026年9月，据媒体转引，特斯拉CEO马斯克表示，其无人出租汽车Cybercab的电机不使用稀土，同时保持了续航表现。伴随这项表态受到关注的，还有电驱单元体积缩小18%、重量降低25%等信息。去掉稀土，电机不仅没有变差，反而更小、更轻了。

但对于电机工程师，比较对象是谁？输出功率对应什么转速？能够维持多大扭矩？持续运行时的温升、效率和噪声如何？

《汽车商业评论》认为，马斯克的说法属于企业方面的性能主张，尚不能视为经过独立对比测试的结论。它真正值得讨论的地方，是汽车电驱对稀土的依赖，究竟存在多大的替代空间。

无稀土电机早已进入量产汽车。今天的争议，已经超出了“能不能不用”的范围。磁体采购上的节省，会不会转化为轴承、减速器和冷却系统上的新增投入？相近的峰值功率，能否对应相近的持续输出和整车体验？这些问题，决定了替代方案的适用范围。

电机需要磁场不一定需要稀土电机将电能转化为机械能，磁场在其中发挥着关键作用。永磁体能够提供磁场，通电线圈也能够产生磁场。此外，还可以利用转子不同方向上磁阻的差异产生转矩，不必在转子上配置永磁体或励磁绕组。因此，无稀土汽车电机并非只有一条技术路径。

电励磁同步电机通过转子线圈建立磁场；感应电机利用电磁感应产生转子电流；同步磁阻电机通过转子的磁阻差异产生转矩。永磁电机也可以采用不含稀土的磁体。

稀土永磁体的优势，在于能够以较小体积提供较强磁场，为电机的紧凑化和高效率创造条件。但磁体性能与整机性能不能直接画等号。

例如，磁能积是评价永磁材料的重要指标，却不能按其比例直接推算整台电机的功率、扭矩或体积。磁路设计、电流负荷、磁阻转矩和冷却能力，都会参与决定最终结果。理解替代技术，无重稀土、无稀土，以及无永磁体。

无重稀土，通常指取消镝、铽等重稀土元素，磁体仍可能使用钕、镨等轻稀土。博迈立铖（Proterial，原日立金属）2025年公布的无重稀土钕磁体，就属于这一类。

无稀土，并不意味着必须取消永磁体。未添加稀土的铁氧体磁体，就是一种选择。不过，“铁氧体”本身也不是零稀土的配方保证，部分高性能铁氧体采用镧等元素改性，仍需核对具体材料成分。

无永磁体，则进一步改变了转子的设计。电励磁、感应和纯同步磁阻方案，可以不依赖永磁体工作。

减少特定元素、替换磁体材料和改变电机结构，对制造、控制及供应链的影响各不相同。

已有量产方案尚待确认的特斯拉路径宝马第五代电驱系统采用电励磁方案，通过给转子通电建立磁场，避免使用稀土永磁体。宝马2021年的公告显示，这一代电机自2020年起就已为iX3生产，并将用于iX和i4。

这类方案需要解决向旋转转子供电及转子散热等问题。采埃孚开发的转子轴内感应供能方案，就是围绕供电方式、结构和空间利用进行改进。

另一种方向，是结合永磁转矩与磁阻转矩。采用铁氧体辅助的同步磁阻电机，并不是简单地在原有电机中换一块磁体，而是通过转子结构与磁路设计，让两种转矩共同承担输出。

这些路线都可以讨论，但不能据此认定Cybercab采用了其中某一种。

特斯拉在2023年曾提出下一代无稀土永磁电机计划，这为外界推测提供了背景，却不能替代对Cybercab实际构型和材料的披露。体积、重量与续航几项信息，也不足以排除其他设计可能。

尤其需要注意，公开报道中的体积缩小18%、重量降低25%，针对的是电驱单元。电驱单元可能包含电机之外的部件，其比较范围和输出条件也需要明确。壳体、冷却、传动和系统集成都可能影响结果，不能仅凭减重幅度大于体积缩减幅度，就反推出使用了哪种磁体。

同样，“保持续航”是整车层面的表述。电池容量、车重、风阻、轮胎和电驱效率都参与决定续航，无法据此单独计算电机效率的变化。

功率密度提高不等于扭矩密度提高功率P（千瓦）＝扭矩T（牛·米）×转速n（转/分）÷9549.3。

这意味着，在某个工作点上，获得相同功率，可以采用较低转速与较大扭矩，也可以采用较高转速与较小扭矩。

对于典型径向磁通电机，在电磁负荷等条件相近时，扭矩与转子有效体积存在近似比例关系。但跨越不同材料、冷却和结构方案时，不能只根据整机体积判断扭矩。

提高转速，是改善功率密度的重要手段，但并不意味着扭矩密度同步提高。

假设某方案在同体积下的扭矩是基准的70%，如果它能够在两倍转速下维持这一扭矩比例，输出功率就可以达到基准的140%。

实际电机未必能够做到这一点。进入高速区后，电压、电流、弱磁控制、机械强度和散热都会形成约束。最大扭矩与最高转速通常不在同一个工作点，不能直接相乘，作为最大功率。

提高转速也不是铁氧体电机独有的能力。钕铁硼方案同样可以进行高速化设计。公平的比较，需要明确转速范围、输出要求和热约束，而不能用一台高速电机与另一台不同设计目标的电机，直接比较材料路线的优劣。

博迈立铖2023年7月24日技术公告中的数据，提供了一个具体参照。研究以车用钕铁硼永磁驱动电机作为仿真比较基准，并制作铁氧体样机。公告说明，设计固定了转子、定子直径，并考虑工作温度和高速强度，但未披露基准电机品牌、型号及完整测试工况。

按公告数据计算，样机功率比基准低约7.3%，最大扭矩低37%，最高转速规格提高50%。这是特定设计下的比较，不能推广为所有铁氧体电机的固定性能差距。

在满载起步、城市低速急加速等工况下，车轮端驱动力直接影响动力体验。但电机最大扭矩下降37%，并不意味着整车起步能力同比下降。实际结果还取决于低速扭矩曲线、减速比、供电能力和轮胎附着条件。

增大减速比可以提高车轮端扭矩，却需要同步匹配电机转速范围、最高车速、齿轮负荷和传动损耗。峰值功率接近，只是整车匹配工作的起点。

高速之外还有散热、噪声和低温提高转速，会对转子强度、动平衡、轴承与润滑提出新的要求。其成本也可能体现在NVH和热管理上。

NVH指噪声、振动与声振粗糙度。转速变化会改变电磁和机械激励的频率；如果接近结构的共振区间，就可能放大振动或啸叫。电机、减速器、壳体和悬置，需要作为完整系统评估。

现有Cybercab报道中的重量、体积和续航信息，还不足以判断这些声学问题，也无法说明是否增加了隔振、降噪方面的投入。

热管理同样如此。在其他条件相近时，提高转速可能增加部分铁损、交流绕组损耗和机械损耗，但最终温升取决于全部损耗与散热条件。不能简单断言高转速电机必然更热，也不能因为取消了转子励磁绕组，就认为转子不再产生损耗。

这里的30%对应特定产品的尺寸比较，不能写成所有铁氧体电机都要重30%—40%。它说明的是，材料替代可能伴随结构与冷却方案的共同调整。

如果Cybercab最终确认使用铁氧体磁体，低温退磁裕量也是需要验证的项目。铁氧体在低温下可能出现抗退磁能力下降，是否发生不可逆退磁，还取决于材料牌号、磁路工作点和反向磁场等条件。

这不能被简化为“在寒冷地区停一晚就会损坏”。改善材料、磁路及电流控制都可能提高裕量，添加稀土也不是所有设计唯一的解决方法。

铁氧体作为陶瓷磁体，还需要考虑脆性、固定方式和高速机械载荷。但材料具有脆性，并不能直接推导为整车碰撞时碎片会飞出电驱总成；还需要评估转子约束、壳体防护及整车安装结构。

对于Cybercab，上述内容都是需要获得测试数据的项目，目前不足以据此确认其适用地区，更不能把奥斯汀的运营部署直接解释为规避低温缺陷。

出租车不追求极限加速不代表电驱要求低Cybercab作为专用运营车辆，可能与面向个人消费者的车型采用不同的性能权重。

不以极限加速为卖点，意味着设计可以减少对某些峰值指标的追求，将更多资源用于降低制造成本和运行能耗。但出租车的高使用频率，又会增加对持续运行、频繁启停、噪声和寿命的要求。

同样的效率差异，在高年行驶里程下可能对应更明显的电费差异。维护周期、故障停运时间和维修便利性，也会影响运营收益。因此，“出租车不需要高性能”并不足以推出“使用钕铁硼就是浪费”。车辆实际需要哪些性能，哪些性能值得付出成本。

材料端的经济性也在变化。据Mysteel公开现货行情汇总，2026年9月14日，国内氧化镨钕市场参考报价约为73万元/吨。这是市场报价口径，不是车企长单采购价，更不是成品磁体价格。

金属加工、磁体牌号、重稀土添加量、制造良率和采购合同，都会影响价格传导。上游报价只能提供背景，不能直接换算为一台电机的成本变化。

车企需要比较的，是磁体端节省的费用，能否覆盖其他环节的新增支出。如果需要增加铜和电工钢用量、调整减速器、强化冷却或增加声学处理，材料节省就可能被部分抵消。

供应稳定性也应计入。关键材料价格上升或交付不确定性增加时，降低依赖的价值会提高；价格回落、供应恢复后，替代方案仍需要证明成本竞争力。

新材料的产业化进度也不能忽略。Niron的铁氮化物磁体具有研究和商业化价值，但其2026年9月公告所述、满产年产能可达1500吨的Sartell工厂，计划于2027年投运。这一规划不能作为已经具备相同规模供货能力的证明，更不能用于推定Cybercab的材料来源。

对于整车企业，从材料可用到车型量产，中间还有验证、供应商定点、产线建设和良率提升。一个方案是否值得采用，需要在整个产品周期内计算。

能替代多少要看实际装车和采购车企的选择会改变每辆车平均需要多少稀土，但单车用量下降，并不自动意味着行业需求总量下降。

汽车驱动电机的稀土需求，需求量≈汽车产量×平均每车驱动电机数量×使用稀土的电机比例×每台电机平均稀土用量。

无稀土方案普及，主要影响使用比例；减少稀土的设计，主要影响单机用量。与此同时，汽车产量和电机配置也在变化。因此，替代技术的影响，可能先体现为需求增速放缓。

供给端则有既有产业规模。通向安全和多元化供应链的路径》报告给出的2024年数据显示，中国在磁材用稀土精炼环节约占全球91%，在报告讨论的烧结稀土永磁体生产环节约占94%。这些份额对应特定产品和年份，不能泛化为全部稀土或全部磁性材料。

同时，驱动电机取消稀土，也不能直接等同于整车取消稀土，更不意味着整车供应链已摆脱某个国家或地区。其他电机、电子部件及电池等环节，需要分别核对材料和供应来源。

特斯拉如果能够在满足Cybercab运营要求的同时，降低电驱成本、减少关键材料依赖，仍然是一项有商业价值的工程进展。实现这些目标，并不要求它必须发明一种全新的电机原理；但要称之为普遍适用的技术突破，就需要更完整的构型、性能和成本证据。

汽车电机真的从此不需要稀土了吗？《汽车商业评论》认为，能够确认的是，部分汽车电机已经可以在不使用稀土的条件下满足量产要求；尚不能确认的是，无稀土方案能否在更广泛的车型和工况中持续取得综合优势。

对Cybercab，下一步应看电机的扭矩—转速曲线、效率分布、温度边界和实际运营表现。对产业，则应看新车型定点、量产规模和磁材采购变化。这些信息，才能说明替代究竟推进到了哪一步。

德国罗斯托克，9月19日——沙德·纳吉布至今仍记得在叙利亚内战期间逃离伊斯兰国武装分子时的创伤。在抵达德国寻求庇护十多年后，她现在担心自己可能不再受到这里的欢迎。

“当我想起我们离开叙利亚的那段日子，我依然不知道我们是如何挺过来的，”她在德国波罗的海海岸的罗斯托克家中说道，“那简直是一场噩梦。”纳吉布和她的丈夫马哈茂德·赫穆埃什逃离了他们在叙利亚东部代尔祖尔的家园，并在德国重建了生活。他在一家理发店工作，她在当地学校负责供餐。他们有两个年幼的孩子。

“我们感谢德国人民接纳我们，给予我们和平与安全，”赫穆埃什说，“我们所做的工作，是我们表达感激之情的微小方式。”他们是居住在德国的90多万叙利亚人中的一员，其中大多数是在内战期间作为寻求庇护者抵达的。

然而，随着极右翼政党“德国选择党”获得支持，移民问题重新成为政治辩论的焦点，移民们表示，针对外国人的敌意正在加剧。

记者采访了罗斯托克及邻近城市施韦林20位具有移民背景的人士，其中许多人已成为德国公民，并已在德国生活多年。

大多数人表示，近年来他们遭遇了更多反移民的辱骂，从低声的恶语相向，到被要求返回原籍国。一名女性称，一位邻居从阳台向她泼洒了恶臭的水。他们的担忧正值“德国选择党”在德国东部地区势头增强之际。

在纳吉布和赫穆埃什所在的梅克伦堡-前波美拉尼亚州——这片前共产主义东部地区，民调显示，“德国选择党”有望在周日的选举中成为最大政党。

本月早些时候，该党在另一个东部州萨克森-安哈尔特州赢得了其首次重大地区选举胜利。该党主张限制移民，并谈论“再移民”——即将外国人遣返回其原籍国。

几位受访者（包括从事医疗保健、旅游、教育和食品服务行业的人）表示，如果气候状况继续恶化，他们可能会考虑离开罗斯托克或施韦林。“这个国家是属于德国人的。”

纳吉布坐在罗斯托克北部她家的小公寓里，客厅的一面墙上挂满了孩子们的画作，玩具则整齐地堆放在角落里。她的两个孩子（一个6岁，一个4岁）正在旁边玩耍。纳吉布曾在巴格达学习物理学，后来在叙利亚从事珠宝设计工作。她回忆起有一天，她在接完孩子放学后经过一家杂货店时，一位坐在轮椅上的老人冲她大喊：“你根本不属于德国！”“这个国家是属于德国人的。”老人吼道。

“我在罗斯托克所经历的痛苦是一种我从未感受过的痛苦，”纳吉布说道。

“你感到不公平，是因为你没有做错任何事。我努力为自己创造了一个新的生活，却有人把你当作垃圾一样对待……”她的声音颤抖着。

她还记得她的儿子问她：“妈妈，他为什么要侮辱你？你到底对他做了什么？”由于不知道该如何解释，她只是告诉儿子，那个老人可能身体不舒服。

劳动力市场德国选择党（AfD）最初是一个持欧洲怀疑论的政党。2015年，前总理安格拉·默克尔决定暂时开放德国边境，接纳了约100万名移民和难民（其中约三分之一是逃离内战的叙利亚人），此后该党的反移民立场变得愈发强硬。如今，该党已从一个小众政党发展成为德国最受欢迎的政党，在全国民意调查中领先于弗里德里希·默茨领导的保守派政党。

德国选择党在周日选举中的主要候选人莱夫-埃里克·霍尔姆表示，他对技术工人的移民完全没有反对意见。他认为，真正应该被驱逐出境的是那些在德国没有合法居留权的25万多名外国人。

但批评人士指出，更深层的问题在于，他们所称的针对外国人的言论所营造的氛围。

周三的一场电视辩论中，社会民主党州总理马努埃拉·施韦西格指责德国选择党“通过其关于‘再移民’和来自不同文化背景工人的言论，引发了广泛的恐惧”。她表示：“我认为这非常糟糕，那些在这里工作、做出贡献并缴纳税收和社会保险的人，却感到恐惧和不安。”

在辩论中，她与霍尔姆回答了一位设计工程师的提问。该工程师担心，由于他经常在路上遭遇种族主义侮辱，可能会失去一位宝贵的摩洛哥籍绘图员。

霍尔姆表示，“出现这种氛围自然令人遗憾”。但他将责任归咎于政府，指责其允许非法移民入境，且未能驱逐那些按规定必须离境的少数外国人。这场辩论也带有经济层面的含义。

梅克伦堡-前波美拉尼亚州约有五万名具有移民背景的人员在此工作。经济学家警告称，与其他出生率低、人口老龄化的东部联邦州一样，该州需要更多技术工人。

根据德国劳工局的数据，约有31.6万名叙利亚籍人士在德国工作，不包括已入籍德国的叙利亚人，其中大多数从事缴纳社会保险的全职工作。

他们的失业率超过30%，但数据显示，居留时间越长，找到工作的可能性越大。2023年的数据显示，在德居留七年及以上的人群中，超过60%有工作。

许多叙利亚人表示，如果条件改善，他们希望回国。而包括纳吉布和赫穆埃什在内的其他人，则越来越将未来寄托在德国。

德国选择党的崛起是否会改变这一算式，仍是一个悬而未决的问题。

胡莫埃奇表示，他不希望自己的孩子长大后感到被他们所生活的社会排斥。

“归根结底，家庭才是最重要的。”他说。来源：路透社（Reuters）

西湖大学放弃科研量化指标、不设科研奖励第一财经2026年09月19日 06 来自北京Updated 2026年09月19日 549月19日，在第六届新基石50²论坛上，中国科学院院士、西湖大学校长施一公表示，目前西湖大学师生员工总数5000人，预计2030年达到7200人，规模大约是国内同类研究型大学的十分之一。摒弃“四唯”、放弃科研量化指标、不设任何形式的科研奖励。

西湖大学老师不允许兼职，内部没有任何形式的科技奖励，没有一年一年对助理教授、副教授和教授文章等科研评价，而是采取为科学问题而战的作风。郑栩彤

人工智能行业围绕“标准化”的竞争正在出现新的转折。Anthropic日前宣布，将支持由OpenAI提出的Markdown指令规范，使开发者能够利用统一格式向不同AI模型传递行为规则和指令。这意味着原本属于竞争对手阵营的技术规范，正在逐渐演变为跨平台通用标准。

这项规范的核心目标是为AI系统建立统一的指令描述方式。开发者可以通过特定Markdown结构编写模型行为、任务要求以及运行约束，让不同厂商的大语言模型能够以相似方式理解和执行这些规则。

过去，不同AI平台通常拥有各自独立的提示词格式和配置方法。开发者如果希望将应用迁移到不同模型，往往需要重新编写和调整大量指令内容。而统一规范的出现，则有望减少这种重复工作，提高跨平台兼容性。

Anthropic表示，未来Claude产品将开始支持这一规范，使开发者能够更容易地在OpenAI和Anthropic生态之间共享配置文件和工作流。对于同时使用多家模型服务的企业而言，这将降低部署成本并简化管理流程。

此举具有象征意义。近年来，OpenAI、Anthropic、Google以及Meta等企业虽然在模型能力上展开激烈竞争，但同时也面临着开发者对于互操作性的强烈需求。随着AI应用规模不断扩大，市场越来越希望看到类似互联网协议那样的行业标准出现，而不是每个平台各自为政。

Anthropic之所以愿意采用竞争对手提出的规范，也被视为务实选择。对于开发者来说，统一标准往往比技术来源更重要。当行业中越来越多工具、代理系统以及自动化平台开始支持同一种格式时，兼容该标准就能够获得更广泛的软件生态支持。

这种变化与互联网早期发展过程存在相似之处。当年，不同厂商最终围绕HTTP、HTML等开放标准形成共识，极大促进了网络生态发展。如今，大语言模型领域也正在经历类似阶段。

不过，支持统一规范并不意味着模型能力趋于一致。即使接受同样的Markdown指令，不同AI模型仍然可能基于各自架构、训练数据和安全机制给出不同结果。因此，这项规范更多解决的是“如何表达指令”的问题，而非“如何执行任务”的问题。

随着AI代理、自动化工作流以及跨模型协同应用日益普及，标准化的重要性正在迅速提升。如果开发者能够使用同一套配置同时驱动多个模型，那么选择和切换底层模型的成本将大幅下降。

对于Anthropic而言，支持OpenAI提出的Markdown指令规范既是一项技术决策，也反映出人工智能行业正在从单纯比拼模型能力，逐步迈向生态兼容和基础设施建设的新阶段。

随着越来越多企业开始关注AI系统之间的互联互通，一场围绕行业标准主导权的新竞争也正在展开。而Anthropic此次选择加入这一阵营，意味着人工智能产业距离形成统一开发生态又向前迈进了一步。