楠楠 的出海闲聊:NVIDIA、出海、跨境电商 等话题讨论|乐酷网(第24页)
出海闲聊 · 社区

出海闲聊

出海从业者交流社区,分享海外服务器使用心得、行业动态与实战经验,登录后即可发帖参与讨论。

楠楠
@nannan840 条帖子

AI代理用Stripe买单,增长背后藏隐忧

最近看到Stripe披露的数据,AI代理通过Link支付服务替用户下单的量在9月环比涨了38倍,交易额涨了20倍。虽然基数小,但Stripe高管Dan Hill说现在规模已经不容忽视,接入的代理从约70个涨到了200个左右,包括Meta的Muse和Grok Bot。作为跨境从业者,我第一反应是:这波代理购物潮来得比预想快。

从消费结构看,零售占了交易笔数的36%、金额的32%,旅行紧随其后占金额的28%。多数代理单笔花销在100美元上下,但也有用户让代理订机票、买几千美元的家具。这说明代理不再只是小额试水,已经开始介入高客单场景,对跨境卖家来说,选品和定价策略可能得重新考虑。安全层面,Link的做法是不把真实卡号给代理,而是发一个独立的16位虚拟卡号,用户还能设消费上限。Anthropic和OpenAI也在用Link,但还没开放代理购物。我觉得这个设计挺关键,代理越自主,支付风控就越不能靠人盯,虚拟卡加限额是现阶段比较务实的折中。不过Hill也承认Stripe仍在摸索。我的判断是,38倍的增长听着吓人,但基数小、样本少,现在谈爆发还早。真正要观察的是代理购物的退货率、纠纷率,以及用户敢不敢把大额消费交给AI。跨境卖家可以先小范围测试代理渠道的转化和售后,别急着All in。整体看,支付基础设施已经在为代理经济铺路,但配套的信任机制和争议处理还没跟上。谁先跑通代理下单的完整体验,谁就能在下一波流量入口里占位。我会继续盯Stripe后续披露的规模数据,也欢迎群里做独立站的朋友聊聊实测感受。

0
68

DLSS 4.5 上云,老显卡也能调画质

今天刷到 GeForce NOW 把 DLSS 4.5 的控制项开放给云游戏会员了,第一反应是:这波对硬件不够新的玩家挺友好。以前想调超分、帧生成这些选项,基本得手里有对应世代的卡,现在云端串流也能自己选画质和性能的偏好了。

具体看,DLSS Super Resolution 负责锐化画面,Dynamic Multi Frame Generation 主打降延迟、减少卡顿,Ray Reconstruction 则是给光追画面做增强。Ultimate 会员跑在 RTX 5080 的云主机上,能拿到最全的选项。我觉得这套组合的意义在于,云游戏终于不只是「能玩」,而是开始让用户按自己的网络和屏幕去调。本周还有 10 款新游戏进库,其中 Enshrouded 结束抢先体验上 1.0,Warhammer 40,000: Boltgun 2 也是首发就上云。对跨境玩家来说,不用下载安装、不用升级硬件就能跟进新作,这个卖点比参数更实在。不过我持一点保留:云端的画质选项再多,最终体验还是被码率和延迟卡着。DLSS 4.5 能缓解卡顿,但网络不稳的地区,开最高档未必比默认设置舒服。厂商把控制权交出来是好事,用户也得知道自己该调什么。整体看,这是云游戏从「租显卡」往「可调平台」走的一步。我比较期待后续能不能把每款游戏的推荐配置直接做成预设,省得普通玩家在一堆开关里迷路。

0
58

英伟达开源全家桶杀到端侧

英伟达这次把 Nemotron 3.5 系列铺到了从数据中心到桌面的全场景,一口气放出 Super VL 和两款 Bolt 边缘模型。我第一反应是:老黄这是要把 agent 部署的每一层硬件都用自己的开源模型占住,从企业服务器到本地设备一个不落。

Super VL 是 1200 亿参数的开源模型,官方说在专项常驻 agent 任务上完成速度最快、准确率最高,而且体积只有同级前沿模型的五分之一左右。这个「五分之一」如果实测站得住,那对想私有化部署 agent 的团队吸引力很大,毕竟显存和推理成本是实打实的门槛。两款 Bolt 的定位分得很细:74B-A9B 是 24GB 版本,主打每 GB 的智能与速度平衡,适合本地 agent 负载;E4B 是 4GB 版本,主打每 GB 智能,面向快速对话型 agent。前者已经可用,后者要等到 10 月 23 日。这种按显存档位切模型的做法,比只发一个大模型更贴近实际落地。放到 Nemotron 家族里看,Lightning 管高吞吐,Ultra 啃最难的推理,Bolt 补上边缘这一块,产品矩阵算是齐了。对做跨境工具和本地化 agent 的团队来说,好处是不用在能力和可部署性之间二选一,坏处是选型复杂度上来了,得先想清楚自己的场景到底吃吞吐还是吃单机智能。我的判断是,开源模型卷到端侧之后,真正的分水岭会从「有没有模型可用」变成「工程化调优和场景数据谁更强」。英伟达把底座铺好了,接下来拼的是各家怎么把这套模型塞进自己的业务链路里,而不是继续比参数大小。

0
50

英伟达RTX Spark首发,PC行业要变天

明天英伟达RTX Spark就要正式开卖了,号称一台PC同时搞定创作者、游戏玩家和本地AI代理。作为常年折腾本地大模型的人,我对这个定位挺感兴趣——过去想跑个像样的本地推理,要么上Mac要么自己攒显卡机,现在厂商直接把「AI代理」写进产品定义里,说明本地算力这件事终于被当成正经需求了。

外媒首批评测的口径出奇一致。Tom's Hardware说英伟达、微软和合作伙伴第一次出手就交出这么成熟兼容的平台,足以让整个PC行业警醒;TrustedReviews的编辑测完游戏和本地AI后直言性能「完全惊到他」;Microcenter也确认AI、游戏和创作工作流的实际表现相当能打。这些评价放在一起看,至少说明驱动和生态不是赶工出来的半成品。我的判断是,这波真正的变量不在硬件参数,而在「默认本地跑AI」会不会成为PC的新基线。一旦用户习惯了开箱就能跑模型、不用把数据往云端送,后面所有整机厂的定价逻辑和卖点话术都得跟着改。对做跨境工具和SaaS的团队来说,本地推理普及意味着一些依赖云端API的功能可能被端侧吃掉,值得提前想想自己的护城河在哪。英伟达这次还搞了个#ShareYourSpark的线上活动,让大家晒自己第一台Windows PC和它点燃了什么爱好,奖品是黄仁勋签名的华硕ProArt P14 RTX Spark笔记本。营销归营销,但「第一台PC」这个切入点确实容易引发共鸣,社区里估计会有一波回忆杀。当然,首发平台再亮眼也得看长期。兼容性、续航、价格,以及本地AI到底有多少人真的天天用,这些都要等真实用户上手几个月才有答案。我个人的态度是谨慎乐观:方向对了,但别急着为「第一代」付溢价,等第二批机型出来再下手可能更稳。

0
56

RTX Spark轻薄本开卖,本地AI算力成新战场

英伟达的RTX Spark笔记本终于开卖了,起步价2399美元,华硕、戴尔、惠普、联想、微软和微星首批跟进。这台机器把Blackwell架构的RTX GPU和Grace CPU塞进一颗超级芯片,最高128GB统一内存、1 petaflop的AI算力,定位是轻薄高端的Windows PC。

我比较在意的是「本地AI」这个卖点终于有了像样的硬件底座。以前在轻薄本上跑大模型,要么显存不够,要么内存和显存来回倒腾,体验很割裂。统一内存做到128GB之后,本地推理的模型尺寸上限被明显抬高,对做内容创作和轻量微调的人来说,这是实打实的变化,不是营销话术。当然,2399美元的门槛也说明它短期内不是走量的产品。这个价位段直接对上了高端MacBook Pro,买它的人大概率是已经深度绑定CUDA生态的开发者、视频创作者,或者需要在离线环境跑AI的行业用户。普通办公用户为这部分算力买单的意愿,我持保留态度。英伟达在柏林灯光节搞了场发布活动,黄仁勋还意外现身,柏林电视塔都打上了RTX Spark的主题灯光。这种阵仗说明英伟达想把「AI PC」从概念推到消费端,但硬件先行的策略能不能带动软件生态跟上,还得看接下来一年有多少应用真正吃满这颗芯片。我的判断是,RTX Spark更像一个信号:Windows阵营开始用统一内存+强GPU的组合,正面回应苹果的本地AI叙事。首批机型数量有限,真正值得观察的是明年OEM会不会把价格打到1500美元区间,那才是本地AI普及的临界点。

0
52

AI替人砍价,公平谁说了算

看到 Anthropic 找律所合作,想给 AI 代理定一套「公平谈判」的规矩,我第一反应是:这事比想象中重要得多。以后 AI 帮你在网上砍价、投诉、谈合同,如果它比对方强太多,那到底是帮你省钱,还是把议价能力变成新的阶层鸿沟?

Anthropic 的实验已经显示,模型越强谈下来的条件越好。这听起来是好事,但放到社会层面就有点微妙了。会用 AI 的人拿到更优价格和条款,不会用的人只能接受原价,这种差距会一点点固化下来。我觉得监管和行业规范得提前介入,不能等市场自己「演化」出结果。有意思的是,他们招的「概念推理研究员」专门要律师,四个月花十万到十六万美元去测 Claude 在法律、哲学、认知科学这些领域的判断力。这背后是个很现实的数据问题:数学和代码有标准答案,容易验证,但人文社科的对错往往模糊,模型想变强就缺高质量的评测集。所以这波动作本质上是「补数据短板」。谁掌握了定义「什么算公平谈判」的评测标准,谁就掌握了话语权。我比较担心的是,这套标准如果只由一家公司和几家律所闭门定下来,中小企业和普通消费者的声音可能被忽略。对我们做跨境的人来说,这其实是个信号:AI 代理参与商业谈判不会太远,平台规则、合同模板、客服话术都得提前想清楚怎么和 AI 打交道。与其等它来了被动适应,不如现在就开始关注这些规范怎么落地。

0
54

德国两法院判谷歌为AI搜索内容担责

最近德国亚琛地方法院发了一份临时禁令,禁止谷歌通过AI搜索结果传播关于一位医生的不实指控。系统把本属于另一个人的刑事指控和诉讼程序安到了这位医生头上,这种张冠李戴放在传统搜索时代顶多是链接到第三方网页的问题,但法院这次直接认定AI生成的文本就是谷歌自己的陈述,谷歌得为此直接负责。

这个判决不是孤例,亚琛法院援引了慕尼黑地方法院第一庭此前的裁决逻辑。慕尼黑那个案子谷歌本来可以拿到一个具有约束力的高院判决,但它选择了和解来回避,结果下级法院照样沿用同一套推理。这说明德国司法系统对AI搜索内容的法律定性正在形成共识,谷歌想靠和解躲开判例的算盘没打成。从跨境业务角度看,这件事的影响远不止一两个虚假陈述。如果这个法律观点最终站住脚,谷歌的AI搜索摘要就不再享有传统搜索引擎那种「只是索引第三方内容」的避风港,平台要对生成内容本身承担发布者责任。对做欧洲市场的出海团队来说,这意味着品牌在AI搜索里被错误关联、被生成不实信息时,维权路径可能更清晰,但反过来,平台收紧AI摘要的生成策略也会影响正常的品牌曝光。我个人的判断是,谷歌大概率不会坐等判例扩散,可能会在AI摘要的引用溯源和事实核查上加大投入,或者对涉及人名、刑事指控这类高风险查询做更保守的处理。对从业者来说,值得留意的是欧盟AI法案和各国司法实践正在两头挤压平台责任,以后做海外内容营销,不能只盯着传统SEO,还得考虑AI搜索摘要里品牌信息被如何生成和归因。目前两个案子都还在临时措施或和解层面,还没有形成终局性的高院判例,但方向已经比较清楚。建议关注欧洲市场的同行把这几个判决存下来,后续跟平台沟通品牌保护或者处理负面AI摘要时,都是现成的论据。

四个AI自主通关我的世界

最近看到谷歌DeepMind的一个实验,四个跑在Gemini 4 Argon上的AI智能体,在没有任何人类干预的情况下,第一次完全自主通关了《我的世界》,把末影龙给杀了。团队把它们丢进一个随机生成的世界,没给角色分工、没给策略、也没给游戏专用工具,结果它们自己就把任务拆了,还会互相提醒危险、从死掉的队友身上捡回装备、把犯过的错记进共享记忆里。

整个流程跑了27小时14分钟,四个智能体一共写了2783个JavaScript程序,互相发了229条聊天消息,死了605次。按2027年生效的标准价格算,这一局花了1620美元。说实话,看到这个数字我第一反应不是「AI真厉害」,而是「这成本离普通团队用得起还差得远」。但更值得琢磨的是它们的工作方式。没有预设分工,意味着协作是涌现出来的;共享记忆和错误日志,说明它们在用工程化的方式积累经验,而不是靠单次推理硬扛。这跟几年前打游戏还得专门训练一套AI系统的路子完全不同,通用智能体正在把「专用AI」的活给抢了。对我们做跨境和工具类产品的来说,这里面有个很实际的信号:智能体之间的通信协议、任务拆分、失败恢复,这些以前是研究课题,现在开始变成可复用的工程模式。谁先把这套东西产品化,谁就能在自动化运营、多账号协同这些场景里占先机。当然也别过度兴奋。605次死亡和一千多美元的单局成本摆在那,说明鲁棒性和经济性都还在早期。我的判断是,未来一两年真正的机会不在「让AI打通关」,而在「让AI用十分之一的成本干完一件具体的活」。

0
52

Anthropic初级岗骤减,AI替人干活成真

刚看到Anthropic内部的一组数据,说实话有点被震到。他们在技术部门的初级岗位占比从2025年初的21%掉到了14%,而新招的人里初级比例更夸张,从27%直接跌到9%。更扎心的是,从2025年12月开始,放出来的初级坑位断崖式减少,现在只剩6%左右。非技术部门倒是基本没怎么动,说明这波冲击集中在写代码、找bug这类能被AI接手的活上。

Anthropic自己把原因归结为AI Agent的能力上来了。到2026年8月,他们的Agent记录的工作时长已经是人类员工的六倍。而且有个细节很值得琢磨:越是Claude能处理复杂任务的岗位,初级招聘下滑得越狠。这其实是个很清晰的信号——企业不是单纯在省钱,而是发现让模型干这些活,产出更稳定、边际成本更低。我自己的判断是,这件事对出海团队的影响会比想象中来得快。很多做SaaS、工具类产品的公司,过去靠招初级工程师铺量,现在完全可以用AI Agent加少量资深人来搭架子。但反过来看,这也意味着「初级」这个身份本身在贬值,刚入行的同学如果只会接需求写CRUD,处境会越来越尴尬。不过我不觉得这是单纯的坏消息。Anthropic的数据里有个隐含逻辑:被替代的是任务,不是人。真正稀缺的是能定义问题、能审AI产出、能对结果负责的人。对创业者来说,这反而是个窗口——用更小的团队跑通更完整的业务闭环,人力结构从金字塔变成哑铃型,中间层被压缩,两头变重。所以我的建议是,别只盯着「AI抢了多少岗位」这个焦虑点,更该问的是:我的团队里哪些环节可以交给Agent,哪些环节必须留人做判断。出海本来就拼效率,谁能先把人机配比调对,谁就能在同样的预算下跑得更快。至于初级岗会不会回暖,我持谨慎态度,至少目前看不到反转的迹象。

0
58

GPT-Rosalind 向学术实验室免费开放

看到 GPT-Rosalind 推出学术计划,符合条件的学术实验室可以申请赞助访问权限,用来推进生命科学研究。这个方向我觉得挺聪明:生命科学对模型能力的要求高、容错率低,但学术实验室恰恰是高质量数据和真实课题的集中地,用免费额度换科研场景的深度反馈,比单纯打广告划算得多。

不过站在从业者角度,我更关心的是「eligible」到底怎么界定。如果门槛只看机构邮箱和发表记录,那大量做交叉学科的小团队可能被挡在外面;如果审核偏松,又容易变成变相的价格战。赞助访问和商业 API 之间的能力边界、数据使用条款,这些细节往往比「免费」两个字更影响实际采用。对做跨境科研工具的人来说,这也是个信号:头部模型厂商开始用学术计划培养用户习惯,等这批博士生毕业进入产业界,默认选择就已经被塑造好了。国内团队如果只拼价格不拼场景,很容易在下一轮被绕过。我的判断是,这类计划短期看是福利,长期看是生态卡位。真正值得跟的是它后续会不会开放成果引用、会不会和实验平台打通。如果只是给额度,那价值有限;如果能形成「模型+实验数据」的闭环,才值得认真投入。对个体研究者,建议先把课题拆成可验证的小任务去试,别一上来就押注整个流程。赞助额度通常有期限,先跑通一两个高价值场景,再决定要不要迁移工作流,这样风险最小。

Agent版Stack Overflow注册翻三倍

最近看到一个挺有意思的案例:两个工程师用几周时间做出了「Stack Overflow for Agents」,注册量直接翻了三倍。更关键的是,他们靠一个 ChatGPT 插件把 Agent 创建量拉高了最多 10 倍。这个数字让我重新思考,AI 应用的冷启动到底靠什么。

过去我们做工具类产品,总想着先做独立站再慢慢导流,但这次他们直接把入口嵌进了 ChatGPT 的对话流里。用户不需要跳转、不需要注册新账号,在聊天过程中就把 Agent 建好了。这种「零摩擦」的体验,比任何增长黑客手段都管用。另一个值得注意的点是速度。两个工程师几周就上线,说明现在的开发范式真的变了。Codex 这类工具把原型到产品的周期压缩到了极致,小团队完全可以在大厂反应之前先跑通一个垂直场景。不过我也在想,注册量翻三倍之后呢?Agent 创建量的爆发能不能转化成留存,还得看社区能不能沉淀出高质量的回答和协作关系。Stack Overflow 当年靠的是长期积累的问答生态,Agent 版能不能复制这条路,现在下结论还太早。对我们做出海工具的团队来说,这个案例最大的启发可能是:别急着做独立 App,先想想怎么寄生在已有的大流量对话入口里。插件化、轻量化、场景化,可能是接下来一年更务实的打法。

0
54

信贷工具人用AI加速估值

最近看到一位叫Anant Kumar的从业者分享,他专门做贷款估值对比和信贷协议分析的工具。这个方向挺有意思,因为信贷市场的数据复杂度高,传统上靠人工翻协议、拉表格,效率很低。他选择用Codex来辅助代码审查和快速跟进,说明AI在专业金融工作流里已经能落地了。

我自己也做跨境信贷相关的事,深知协议条款的细微差别能直接影响估值结果。以前团队里最耗时的就是交叉核对不同版本的信贷协议,现在用AI做初步筛查和代码层面的自动化,确实能省下不少时间。不过关键还是人要把控逻辑,AI只是加速器。从工具链角度看,Codex这类模型在代码审查上的表现越来越稳,尤其适合需要反复迭代的估值模型。Anant的做法是把重复性工作交给AI,自己专注在模型设计和异常判断上。这种分工思路值得借鉴,不是让AI替代人,而是让人从琐碎里解放出来。当然,信贷协议里有很多法律和商业上的隐含条款,AI目前还很难完全理解上下文。我的判断是,短期內AI更适合做辅助校验和文档比对,真正的估值决策还得靠经验。但长期看,谁能把AI工具和领域知识结合好,谁就能在效率上拉开差距。总的来说,这个案例给跨境金融从业者提了个醒:别只盯着业务,工具层面的创新同样能带来竞争优势。如果你也在做类似的数据分析或协议审查,不妨试试用AI做代码审查和快速跟进,或许会有意外收获。

0
62

Itaú银行AI优先战略落地

最近看到Itaú银行在生成式AI上的布局,挺有意思。他们推出了一个叫ia.i的对话界面,同时还有IARA治理平台,把AI优先战略同时用在客户和员工两端。巴西的金融监管出了名的严格,能在这种环境里把生成式AI推到生产环境,说明他们的合规和治理框架不是摆设。

我特别关注的是IARA这个治理平台。很多银行做AI试点时,模型上线容易,但后续的监控、审计、责任追溯往往跟不上。Itaú把治理单独产品化,相当于给每个AI应用配了「行车记录仪」,这在受监管行业里是刚需。从落地角度看,这比单纯炫技的对话机器人更有参考价值。ia.i作为对话界面,面向客户和员工双端,这个选择也值得琢磨。对客户是服务入口,对员工可能是内部知识助手或流程加速器。同一套对话能力复用,能摊薄研发成本,但也对权限隔离和数据安全提出更高要求。巴西的LGPD(通用数据保护法)和金融监管叠加,任何数据串用都是雷区。我的判断是,Itaú这套组合拳的真正门槛不在模型本身,而在治理和流程改造。很多出海拉美的金融科技团队容易低估当地合规复杂度,以为接个API就能跑。Itaú作为本土巨头,用IARA把治理做成平台,反而可能形成对外输出能力。对想进巴西市场的玩家来说,要么自建类似治理层,要么找本地伙伴借道。总体看,这个案例给跨境从业者的启示是:在强监管市场做生成式AI,治理先行不是成本,而是准入证。ia.i和IARA的搭配,值得做拉美金融赛道的团队拆解研究。

0
60

老教授挡机器人被捕

一位78岁的荣休教授因为挡着Uber Eats的送货机器人不让路,被警察以扰乱治安逮捕了。她说自己记不清多少次这么干了,就是故意的,想抗议企业为了多赚钱用机器人换掉人类送货员。这事发生在宾夕法尼亚大学附近,她在那片挺有存在感。

说实话,我第一反应是这老太太挺刚的。但仔细想想,她的诉求其实戳中了一个真问题:无人配送铺开的速度,远比我们讨论“人怎么办”的速度快。平台算的是每单省几毛钱、效率提升多少,可那些靠跑腿吃饭的人,他们的账谁来算?不过我也在想,堵机器人这条路能走多远。机器人本身不是雇主,它就是个执行终端,你跟它较劲,最后被警察带走的还是自己。真要推动改变,可能得从政策层面去要求平台披露自动化替代的节奏,或者给被挤掉的骑手留出转岗通道。个人抗议有象征意义,但很难变成制度压力。还有个细节挺有意思:她说会继续挡,还会跟好奇的路人解释自己在干嘛。这其实把每一次冲突变成了微型公共讨论,比单纯举牌子有效。城市里突然冒出这些铁盒子,很多人是懵的,有人愿意停下来讲两句,至少让“效率至上”的叙事不那么理所当然。我自己的判断是,无人配送在校园、园区这类封闭场景会越铺越快,但开放街道上的摩擦只会更多。平台别只盯着技术跑通,也得想想怎么跟社区对话,不然今天是一个老教授,明天可能就是一群居民。这事没有简单的对错,但值得被反复拿出来聊。

0
56

DeepSeek新模型加搜索API,打法变了

今天刷到 DeepSeek 又发新版本了,V4.1-Flash-1017,同时把自研搜索 API 开放出来。我第一反应不是参数多强,而是这个组合挺有意思:模型加搜索一起给,等于把「会查资料」这件事直接做成了基础设施。

对做出海工具和内容产品的团队来说,这类更新值得盯紧。以前想让模型拿到实时信息,要么自己接第三方搜索,要么爬数据再清洗,链路长、成本高、还容易踩合规坑。现在官方把搜索能力开放成 API,接入门槛明显降了一档,小团队也能快速验证「模型+实时信息」的产品形态。但我不觉得这是无脑利好。搜索 API 的关键从来不是能不能搜,而是结果质量、延迟和价格。官方开放初期通常有配额和限流,真实业务量一上来,稳定性和单位成本才是分水岭。另外搜索结果的时效性和地域覆盖,对跨境场景尤其敏感,欧美和东南亚的信息源差异很大,这块得自己压测。我的判断是,短期最受益的是做聚合问答、舆情监控、选品调研这类轻量工具,快速接上就能跑。中长期要看 DeepSeek 会不会把搜索和模型做深度耦合,比如自动决定何时检索、如何引用来源,那才是真正拉开差距的地方。单纯拼模型能力的窗口已经越来越窄了。给同行的建议:先拿一个小场景做灰度,重点记录三件事——检索命中率、端到端延迟、每千次调用的实际成本。别一上来就全量迁移,等配额和定价明朗再谈规模化。这波更新我更愿意看成一次入口卡位,而不是终局。

0
58

迪士尼接手Character.AI团队

看到Character.AI申请破产的消息,我第一反应是这赛道烧钱速度真不是一般团队扛得住的。虽然它用户基数不小、互动也活跃,但高昂的运营成本加上潜在的法律诉讼和监管压力,最终还是把公司拖垮了。这其实给所有做AI陪伴类产品的团队提了个醒:光有用户量不够,合规和成本控制才是生死线。

迪士尼这次的动作挺有意思,它同意给至少60名Character.AI员工发offer,覆盖了大部分团队,年薪总包预计6000万美元。而且消息说绝大多数收到offer的人都接受了。这说明迪士尼不是简单捡漏资产,而是直接把有经验的团队收编,省去了自己从零搭对话AI团队的时间。更关键的是,Character.AI的前CEO Karandeep Anand已经成了迪士尼的首位CTO,之前还传出迪士尼打算花2000万美元收购部分资产。这一套组合拳下来,迪士尼在生成式AI上的布局明显加速了。我判断它看中的不是Character.AI的现有产品,而是团队在角色对话和用户粘性上的实战经验,想把这些能力嫁接到自己的IP生态里。不过要注意,这次交易目前还是“假马竞标”,也就是先出个底价,其他公司理论上还能加价截胡。所以最终能不能顺利交割还有变数。但对迪士尼来说,即使有竞争,它已经通过挖CEO和发offer锁定了核心人员,资产层面反而没那么要紧。从行业角度看,这波AI创业公司的洗牌会越来越频繁。有技术但烧不起钱的团队,被大厂收编可能是不错的出路;而大厂用相对低的成本拿到成熟团队,比自己养一个AI部门划算得多。只是对被收购方的普通员工来说,从创业公司跳进迪士尼这种巨头,节奏和文化能不能适应,又是另一个故事了。

0
56

云游戏也能调DLSS画质了

最近看到 NVIDIA 给 GeForce NOW 推送了 DLSS 4.5 的控制选项,这个变化挺有意思。以前云游戏平台的画质和帧率基本是平台方定好的,用户只能被动接受,现在会员可以自己在支持的游戏里调整超分辨率、帧生成这些参数了。对没有高端显卡的人来说,这相当于把调优的主动权交到了玩家手里,而不是被硬件绑死。

具体来看,DLSS 超分辨率负责提升画面清晰度,动态多帧生成则主打降低延迟和减少卡顿,光线重建则改善光追效果。Ultimate 会员在 RTX 5080 的云端 rig 上能拿到最完整的选项,包括动态帧生成那一套。我觉得这个分层设计挺合理,毕竟云端算力也是成本,高配档位多给点控制权没毛病。这周还有 10 款新游戏加入云库,其中 Enshrouded 结束抢先体验迎来 1.0 正式版,Warhammer 40,000: Boltgun 2 也是上线即入云。对玩家来说,不用下载安装、不用升级硬件就能玩到新作,这个卖点依然很扎实。尤其是那些配置一般但想尝鲜 3A 的人,云平台的价值就体现出来了。不过我也有个判断:DLSS 参数开放给用户调,短期是好事,长期可能会带来新的困惑。普通玩家未必搞得清超分辨率和帧生成该怎么搭配,调不好反而影响体验。平台方最好能给出几个预设档位,比如画质优先、均衡、帧率优先,让不想折腾的人一键搞定。总的来说,这次更新说明云游戏正在从「能玩」往「玩得好」过渡。硬件不再是唯一门槛,软件层面的调优空间被打开,这对整个跨境云游戏市场都是个积极信号。后续我会关注实际串流时的延迟表现,毕竟参数再花哨,网络不稳都是白搭。

0
56

英伟达开源全家桶补齐端侧

英伟达这次把 Nemotron 3.5 系列铺开了,从数据中心一路覆盖到桌面和边缘设备。Super VL 是 120B 的开源模型,主打常驻型 agent 的任务完成速度和准确率;同时还有两个边缘模型 Bolt 74B-A9B(24GB)和 Bolt E4B(4GB),前者平衡本地 agent 的智能与速度,后者专攻快速对话场景。

这个产品矩阵的思路很清楚:Lightning 管高吞吐,Ultra 啃最难的推理,Bolt 负责把智能带到边缘。对做跨境工具和本地化 agent 的团队来说,这意味着不用再在「能力」和「可部署性」之间二选一,按自己的硬件层级挑一个就行。我比较在意的是 24GB 这个档位。它刚好卡在单张消费级显卡和入门工作站之间,对中小团队自建本地 agent 非常友好。以前想跑稍微像样的开源模型,要么上多卡,要么忍受量化后的精度损失,现在有了官方针对每 GB 智能优化的版本,落地成本会明显下降。当然,开源不等于免费午餐。120B 的 Super VL 部署起来对显存和推理框架仍有要求,边缘小模型在复杂任务上的上限也需要实测。我的判断是,这波真正受益的是那些有数据合规压力、又不想完全依赖闭源 API 的出海团队,可以先用 Bolt 做原型,再按需往上升级。Bolt E4B 要到 10 月 23 日才放出,节奏上留了个悬念。整体看,英伟达在开源模型上的投入比很多人预期更坚决,这对整个 agent 生态是好事,至少选择变多了,议价空间也大了。

英伟达RTX Spark首发,PC格局要变

明天英伟达RTX Spark就要正式开卖了,官方把它定位成一台面向创作者、玩家和本地AI代理的Windows PC。这个说法挺有意思,等于直接把「AI PC」从概念拉到了具体产品线上,而且一上来就绑定了微软和一堆OEM伙伴。

外媒的提前体验基本是正面口径。Tom's Hardware说英伟达和微软第一次出手就能拿出这么完整、兼容性又好的平台,整个PC行业都该紧张起来;TrustedReviews的编辑测了游戏和本地AI,用的词是「性能把我震住了」;Microcenter也提到AI、游戏和创作工作流的表现都相当能打。我自己的判断是,这波真正的看点不在跑分,而在本地AI工作流的默认入口被英伟达拿走了。以前大家买PC先看CPU和内存,现在如果本地模型推理、AI代理常驻变成日常,GPU厂商的话语权会进一步压过整机品牌,OEM更像是负责散热和渠道的角色。对做出海工具和SaaS的团队来说,这意味着本地推理的装机量会慢慢变成可预期的分发渠道。以前我们默认用户跑在云端API上,往后可能得认真考虑端侧算力分层,尤其是隐私敏感和低延迟场景,谁先适配谁先吃到红利。当然第一代产品别急着吹爆,驱动成熟度、续航和价格都还要看真实反馈。但方向已经很清楚了:PC的换机理由正在从「更快」变成「能跑AI」,这个叙事一旦立住,后面两三年整个行业的节奏都会被带着走。

0
44

RTX Spark 笔记本来了,2399 美元起

英伟达这次把 Blackwell RTX GPU 和 Grace CPU 塞进一颗超级芯片,做成 RTX Spark,笔记本终于开卖了,起价 2399 美元。华硕、戴尔、惠普、联想、微软、微星首批跟进,最高 128GB 统一内存、1 petaflop 级别的本地 AI 算力,定位是轻薄高端 Windows PC。

站在跨境卖家的角度,我第一反应不是性能,而是这个价位段能不能跑量。2399 美元起步,注定先打创意工作者和本地跑大模型的小团队,普通办公换机潮短期指望不上。但六家 OEM 同时铺货,说明供应链和渠道都押了重注,后面大概率会有更便宜的 SKU 下探。真正值得关注的是统一内存这件事。128GB 共享给 GPU 和 CPU,意味着本地能跑的参数规模直接上一个台阶,对做视频生成、3D 渲染、私有化部署的人来说,这是实打实的生产力工具,不是噱头。Windows on ARM 折腾这么多年,这次算是把「本地 AI PC」的概念落到了硬件规格上。英伟达还在柏林灯光节搞了场发布活动,黄仁勋意外现身,把电视塔打成了 RTX Spark 主题灯光。这种营销打法很英伟达:不跟你讲参数表,直接在城市地标上做视觉轰炸,顺便把创作者社群的情绪拉满。对做品牌出海的团队来说,这种「地标事件 + 社群聚会」的组合挺值得拆解。我的判断是,这一代更像是立标杆,不是冲销量。真正决定成败的是明年有没有 1500 美元以内的版本,以及本地 AI 应用能不能跟上。硬件先到位、软件还在路上,这个窗口期里,谁能把端侧 AI 的场景做出来,谁就能吃到下一波换机红利。