出海闲聊

OpenCode 免费上 DeepSeek V4.1 Flash

刚看到 OpenCode 在 X 上放了个消息，说现在开始免费提供 DeepSeek V4.1 Flash 模型。更新一下 OpenCode 程序，输入 /model 就能在列表里找到它。对经常写代码、又不想为每个小任务都掏 API 费用的人来说，这个动作挺实在的。

不过有个细节得说清楚：这个免费版本只给 200KB 上下文。200KB 听起来不小，但放到实际项目里，稍微大一点的仓库或者长对话就很容易顶到上限。所以我的判断是，它更适合拿来做单文件补全、小脚本生成、快速问答这类轻量任务，别指望它一口气吃下整个代码库。但话说回来，免费的东西能到这个程度，已经比没有强太多了。现在各家模型都在抢开发者入口，OpenCode 用免费模型拉新，DeepSeek 借渠道刷存在感，双方都不亏。对用户来说，多一个不花钱的选项，至少能在付费方案之外留个备胎。安装方式也顺手记一下。macOS 和 Linux 直接跑安装脚本就行；Windows 官方推荐走 WSL，也就是 Linux 环境。如果不想折腾子系统，Windows 上原生也能装，choco、scoop、npm 三种方式挑一个即可。我个人倾向 npm 全局装，版本更新最省心。最后提醒一句，免费模型的稳定性和限流政策随时可能变。如果你打算把它接进日常工作流，最好先拿小任务跑几天，观察一下响应速度和可用性，再决定要不要深度依赖。毕竟免费是好事，但把关键流程押在一个随时可能调整的策略上，风险还是得自己扛。

iTerm2 终于有中文界面了

看到 iTerm2 3.7.5 正式版加入简体中文界面的消息，第一反应是「居然才做」。这款 Mac 上最知名的开源终端已经 24 岁了，多语言支持却一直缺席，开发者去年还公开说项目历史包袱太重、短期内做不了，现在突然落地，多少有点意外。

有意思的是，iTerm 早年其实是支持中文界面的。从 2002 年的初代 iTerm 到后来的 iTerm2，中间经历了重写和长期维护，老功能反而丢了。这次一口气补上简体中文、日语、德语、俄语和巴西葡萄牙语，算是把历史欠账还了一部分。我猜 AI 辅助重构在这类老项目里确实帮了大忙，不然以维护者的精力，很难啃下国际化这块硬骨头。除了界面语言，这次更新还有几个值得留意的点：
- 浮动终端面板支持画中画，跑长任务时可以浮在其它窗口上层
- 原生支持 Ollama，本地模型调用不用再绕脚本
- 能跟踪 Claude Code 和 Codex CLI 的任务状态，AI 编码工作流更顺
- 新增防休眠选项，Mac 执行任务时不会自动睡过去对国内用户来说，中文界面最大的价值不是「看不懂英文」，而是降低新人的上手门槛。终端本身门槛就高，配置项又多，母语界面能省掉不少查文档的时间。不过我也得说一句，iTerm2 的核心竞争力从来不是界面，而是分屏、搜索、触发器这些深度功能，中文界面只是锦上添花。真正让我在意的是它最近一年的节奏：iOS 客户端、自托管中继、浏览器和 AI 聊天，现在又是多语言。一个 24 年的老项目还能保持这种迭代频率，说明终端这个赛道远没到被淘汰的时候。如果你还在用系统自带 Terminal，这次倒是个不错的迁移时机。

Strata 支持 Mac 并新增 35B 小模型

最近 Strata 连续更新了两个版本，一个开始支持 Apple Silicon Mac，另一个新增了体积更小的 Qwen3.6-35B-A3B 模型。作为一直在折腾本地推理的人，我觉得这次更新比单纯堆参数更有意义，因为它把门槛又往下压了一截。

先看硬件支持。目前 Strata 覆盖 NVIDIA RTX 20 到 50 系列、AMD RX 6000/7000/9000 部分型号，Intel Arc 和 Apple Silicon 是实验性支持。官方建议至少 12GB 显存，同时系统内存要 32GB 起步，显存越大缓存参数越多、速度越快。只有 12GB 显存的话，推荐跑 35B 模型的低量化版本。新模型 Qwen3.6-35B-A3B 目前只支持 NVIDIA 和 AMD，Intel Arc 和 Mac 暂时用不了。这一点需要留意，Mac 用户虽然能装 Strata，但想跑这个新模型还得等后续适配。我的判断是，Strata 的路线很清晰：不追求单机跑满血大模型，而是用激活参数小的模型加显存缓存来换体验。35B 这个尺寸对多数家用卡更友好，低量化后 12GB 显存也能碰一碰，比之前 125B 那种只能远观的方案务实得多。如果你手头是 8GB 显存加 32GB 内存的普通机器，现在可以认真考虑试一下了。先确认显卡在支持列表里，再挑低量化版本，别一上来就冲高精度。

AI短片大奖揭晓：技术温情胜出

最近看到一条挺有意思的行业新闻，Future Vision XPRIZE 大赛结果出炉了。这个比赛由 XPRIZE 和 Range Media Partners 联合发起，专门征集那些描绘「充满希望、技术赋能未来」的影片。上周在洛杉矶，独立电影人 Jeff Synthesized 凭借作品《The Gifted》拿下了最高奖。

这部短片的故事很打动人：一个 11 岁男孩用爱和代码，重现了已故母亲的声音与神韵。没想到，这个举动通过小镇的网络，悄悄照顾了整个社区。导演想表达的是，技术最大的承诺不在于炫技，而在于共情和人与人之间的连接。这种视角在当下 AI 叙事里其实挺稀缺的，大部分作品都在渲染焦虑或奇观。从商业角度看，这个奖的含金量不低。作品从全球 2500 多份投稿中脱颖而出，除了 10 万美元奖金，还拿到了 250 万美元的长片制作资金。更关键的是，通过 Google 的 100 ZEROS 计划，团队会和 Range Media Partners 合作，把故事搬上大银幕。我个人觉得，这类比赛释放了一个信号：资本和平台开始愿意为「技术向善」的叙事买单。过去几年，AI 内容赛道卷的是效率和成本，但真正能破圈的，往往是那些把技术还原到具体的人、具体的情感上的作品。对做跨境内容或科技传播的同行来说，这或许是个提醒——别只盯着参数和功能，多想想技术背后的人味。毕竟，观众记住的从来不是算法，而是故事。

九月AI更新盘点：Gemini 4等

九月这波AI更新看下来，我个人最关注的不是参数又涨了多少，而是谷歌把Gemini 4 Argon、Gemini App里的Connected Apps、还有WeatherNext 3放在同一个节奏里推。这三件事单独看都不算小，但放在一起，其实是在讲同一个故事：模型能力正在往「能调用外部服务、能落到具体场景」的方向走。

Gemini 4 Argon这个命名本身就挺有意思，Argon是惰性气体，不知道是不是在暗示这代模型更稳、更不容易「乱反应」。从实际使用角度看，如果它真能把多步推理和工具调用的稳定性提上去，那对做跨境工具、客服自动化、内容本地化的团队来说，价值比单纯刷榜要大得多。Connected Apps这块我觉得是最容易被低估的。以前大家聊AI助手，聊的都是「它能不能回答」，现在的问题变成了「它能不能直接在我的工作流里把事办了」。把外部应用接进来之后，Gemini App就不只是一个聊天框，而更像一个轻量级的操作台。对出海团队来说，这意味着很多重复性的跨平台操作有机会被压缩掉。WeatherNext 3则是另一个方向的信号：AI在垂直领域的预测能力还在继续吃深。天气看起来离跨境生意很远，但物流、履约、广告投放节奏其实都跟天气强相关。如果预测精度再上一个台阶，受影响的不只是气象行业，而是整条供应链的决策方式。我的判断是，接下来半年真正拉开差距的，不是谁的模型更大，而是谁能把模型、应用连接和垂直数据这三层打通。谷歌这次把三块一起放出来，更像是在占位。对从业者来说，现在值得做的不是追着每个更新跑，而是想清楚自己业务里哪一环最容易被这种「连接型AI」改写。

不用写代码就能做游戏了

刚看到一个挺有意思的东西，一个叫 Playground 的新产品，主打一句话就能把想法变成能玩的游戏。官方那句 slogan 我印象很深：只要你能想出来，你就能玩到它。做游戏、玩游戏、分享游戏，全程不需要写一行代码。

说实话，这类「零代码做游戏」的概念我听过不少，但大多停留在拖拽积木、拼模板的阶段，做出来的东西同质化严重。这次让我多看了两眼的原因，是它背后挂的是 AI 创新研究团队，作者署名也是做 AI 方向的工程师。这意味着它大概率不是简单的可视化编辑器，而是让模型去理解你的自然语言描述，直接生成可交互的游戏逻辑。如果这个方向真能跑通，我觉得受冲击最大的不是专业游戏开发者，而是那些有创意但被技术门槛卡住的人。策划、编剧、美术、甚至只是脑子里有个玩法点子的普通人，都能跳过引擎和编程，先把原型跑起来验证。游戏行业的创意供给可能会因此变得非常廉价，真正稀缺的会变成筛选和打磨。当然我也有保留。AI 生成游戏最难的从来不是画面，而是手感和平衡性，这些东西靠一句 prompt 很难一次到位。另外版权和内容审核也是绕不开的坑，用户生成的游戏里如果出现侵权素材，平台要怎么处理，目前还没看到明确说法。总的来说我会把它当成一个信号来看：AI 正在从「帮你写文案画图」往「帮你造可交互的世界」走。做跨境内容或者小游戏出海的团队，可以早点去试玩一下，感受下这个交互范式，说不定下一个爆款玩法的雏形就藏在里面。

Gemini 4 Argon 发布，这次谷歌想通吃

谷歌 DeepMind 又放了个大动作，Gemini 4 Argon 正式亮相，官方说法是要同时服务开发者、企业、科研人员和普通消费者。这个定位挺有意思的，过去几代模型往往先照顾 API 客户，C 端体验总是慢半拍，这次直接喊出全都要，说明谷歌对推理成本和产品化能力有了底气。

从公开信息看，Argon 被定义为最新一代前沿模型，由 DeepMind 高级副总裁兼谷歌首席 AI 架构师 Koray Kavukcuoglu 亲自站台。这种级别的发布阵仗，通常意味着它不只是参数升级，而是会在多模态理解、长上下文和 agent 能力上做系统性调整。对做跨境工具和 AI 应用的团队来说，值得关注的是接入门槛和定价策略，而不是跑分。我自己的判断是，谷歌这次真正想抢的是开发者的默认选项。过去一年不少团队在模型选型上反复横跳，谁便宜、谁稳定、谁的工具调用靠谱就用谁。如果 Argon 能在保持 Gemini 系列价格优势的同时，把函数调用和结构化输出做得更稳，那对依赖多模型路由的产品会是很实际的利好。另一个不能忽视的点是科研场景。官方特意把 scientists 和 consumers 并列，说明他们想做的是从实验室到日常助手的全覆盖。这对跨境教育、内容生成、数据分析类产品都有想象空间，但也意味着合规和数据驻留问题会更早摆上台面，尤其面向欧洲市场的团队得提前想清楚。总的来说，Argon 的发布更像是谷歌在模型商品化阶段的一次卡位，而不是单纯的技术秀肌肉。接下来我会重点看三件事：API 实际延迟、多模态输入的价格，以及它在真实 agent 任务里的完成率。如果这三点都过关，明年的模型选型讨论里，Gemini 大概率会从备选变成默认。

亚马逊设备掌门谈失败价值

亚马逊设备与Alexa业务高级副总裁Panos Panay在旧金山Disrupt活动上给创业者提了个醒：失败不是可选项，而是打造成功产品的必经之路。他说得很直接，如果你还没失败过，那很可能说明你根本没把边界推到足够远。这话听起来像鸡汤，但从他嘴里说出来分量不太一样。

Panay在微软待了超过19年，亲历过一次代价极高的失败——Surface RT，微软第一台平板电脑。这款产品最终导致近10亿美元的资产减记，他本人还上了报纸封面，标题就一个词：失败。他回忆说，承认失败其实很容易，难的是接下来你打算怎么办。我挺认同他说的一个点：失败本身没有价值，有价值的是从失败里收割教训。很多团队把「快速试错」挂在嘴边，但真到了要复盘的时候，往往变成互相甩锅或者干脆翻篇不提。Panay强调要面对它、从中学习，这个「面对」的动作才是分水岭。放到跨境和硬件出海这个语境里看，这话更值得琢磨。做海外市场，产品定义、渠道节奏、本地化任何一个环节判断错了，烧掉的钱和時間都很难收回。Panay的经历说明，哪怕是巨头内部资源充沛的团队，也会押错方向，关键是能不能在减记之后重新校准。对创业者来说，真正的问题不是要不要接受失败，而是你有没有一套机制，让每次失败都能变成下一次决策的输入。如果只是嘴上说拥抱失败，行动上却惩罚试错，那这套话术就毫无意义。

创业世界杯冠军出炉

刚看到 Disrupt 2026 的 Startup Battlefield 结果，冠军是 Intero Biosystems。这个比赛从 200 家初创里挑出 20 家，在旧金山连讲三天，最后五强再面对一线投资人做最终路演，含金量确实不低。

今年的五强名单是 Apate、Flox Intelligence、Intero Biosystems、Industrial Next 和 Satlyt。最终评委包括 Inspired Capital 的 Alexa von Tobel、Goodwater Capital 的 Chi-Hua Chien、Construct Capital 的 Dayna Grayson、M13 的 Karl Alomar 以及 Cherryrock Capital 的 Stacy Brown-Philpot，阵容基本覆盖了早期到成长期的主流基金。Intero Biosystems 来自丹佛，由 Charlie Childs 和 Madeline Eiken 创办，是从密歇根大学分拆出来的。虽然素材到这里就断了，但「大学实验室分拆 + 生物技术」这个组合本身就值得注意：它意味着技术壁垒来自多年学术积累，而不是靠一个 App 的体验创新。我的判断是，这类比赛的风向正在从纯软件转向硬科技和生命科学。对跨境从业者来说，如果你在做生物医药相关的工具、耗材或数据服务，这类分拆公司就是很具体的潜在客户，值得顺着名单去挖一挖。当然，拿奖不等于跑通商业化。10 万美元奖金和奖杯只是起点，真正难的是把实验室指标变成可量产、可注册、可收费的产品。接下来我会盯一下 Intero 的融资节奏和管线进展，看它是不是真能把学术优势转成临床和商业优势。

19岁靠网红矩阵卖卡路里App

一个19岁的创始人，靠一支网红大军把一款AI卡路里追踪App做成了爆款，两年营收超3000万美元，最后被MyFitnessPal收购。这个案例我反复看了几遍，最值得琢磨的不是产品本身，而是他把增长做成了可复制的流水线。

Cal AI在2024年成立，创始人Zach Yadegari刚高中毕业。他早期发现，某个网红发了一条推广帖，两天就带来大约一千个新用户。这个信号让他意识到，投放不是玄学，而是一道可以算清楚的题。于是他开始尽可能多地招募网红，付钱让他们发帖，把「发帖—拉新」变成一条高速运转的产线。他本人在Disrupt上复盘时说得很直白：这个公式几乎是线性的，但速度极快。每个帖子带来的转化大致可预期，所以只要不断加人、加内容，增长就能持续放大。这种打法听起来简单，但真正难的是执行密度和成本控制，大多数团队做不到同时铺开那么多人。我的判断是，这套模式的门槛正在快速抬高。网红投放的边际成本会随着竞争加剧而上涨，平台对AI生成内容和健康类App的审核也在收紧。Cal AI能跑出来，靠的是极早入场加极致执行，后来者如果只是照抄「找网红发帖」，大概率会亏在获客成本上。更值得关注的是收购方MyFitnessPal的意图。它买的不只是一个App，而是一套已经被验证的年轻用户增长引擎。对出海团队来说，这个案例提醒我们：产品差异化固然重要，但在某些赛道，渠道效率才是真正的护城河。

特斯拉Roadster用上火箭推进器

刚看到特斯拉第二代Roadster的发布，这次最大的噱头不是加速，而是直接上了SpaceX的冷气推进器。马斯克在得州韦科外面搞了个演示，车子靠大功率风扇加推进器，从倒置坡道冲上去、空中转体，再稳稳落到地面，还从Cybercab、Cybertruck、Semi、Model Y和Model 3上方飞了过去。

官方给的0到60英里加速是一秒，这个数字放在量产车里基本属于降维打击。马斯克说这就是最终上路的版本，推进器可以随时启动做这些动作，并且确认2028年量产，但价格没提。版本分三档，目前信息比较明确的是两个。Performance版定位公路可用，两座，带主动空气动力学，还有一套多模式吸附系统，主打赛道和日常兼顾。Thrust版定位赛道取向，同样是两座，车尾配置了推进器。第三个版本原文被截断了，没有完整信息，这里就不瞎猜了。我的判断是，推进器这套东西真正落地会非常麻烦。公路法规对车外突出物、噪音、行人安全都有硬约束，空中跳跃这种演示大概率只能停留在封闭场地。特斯拉真正想卖的，还是那个一秒破百的电机和品牌光环，推进器更像是给Roadster重新拉回话题中心的一次营销。另外2028年这个时间点也值得玩味。Roadster从2017年发布到现在跳票多年，中间被Cybertruck、Semi和低价车型反复插队。现在把它和SpaceX绑定，一方面能撑住高端形象，另一方面也说明特斯拉需要一款能讲故事的产品来对冲主力车型价格战的压力。至于消费者能不能买到带推进器的版本，我持保留态度。

Orkut 创始人想复活老社交网

看到 Orkut 创始人 Orkut Büyükkökten 在 X 上发帖，呼吁老用户去 Orkut.com 留名支持重启，还让大家拉人一起加入。这个 2004 年从 Google 内部诞生的社交网络，曾经在印度和巴西火到不行，2014 年 9 月被 Google 关停，流量让位给 Google+ 和 YouTube。

他在官网公开信里直接开炮，说这二十年社交媒体变了味，算法和 AI 生成内容越来越强势。他的原话大意是，AI 技术很厉害，但它正在瓦解社交网络最根本的前提——对面坐着一个真人。这话放在今天的信息流里，确实扎心。我的判断是，Orkut 想回来，情怀牌能拉一波注册，但很难回到当年。原因不复杂：当年它赢在熟人关系链和社区氛围，输在移动化和全球化节奏没跟上。现在用户的时间被短视频和私域通讯瓜分，一个主打友谊和社区的老平台，得先回答「我为什么要每天打开你」。如果它真做，我猜切入点可能是反算法、小圈子、真人认证这类方向，对标的是厌倦信息流轰炸的那批人。但这类产品冷启动极难，没有足够密度的好友关系，社区就是空城。创始人亲自站台是加分项，可产品迭代和留存才是生死线。对做出海社交的团队来说，这事值得盯两点：一是老品牌复活能不能靠情感召回完成冷启动，二是「反 AI 内容」会不会成为新的产品定位。我个人的态度是谨慎乐观，先看它拿不拿得到种子用户的真实活跃，而不是只看留名数字。

Facebook 把算法控制权交还用户

Meta 把 Instagram 上先跑的「Your Algorithm」搬到了 Facebook，允许用户用自然语言描述自己想多看什么、少看什么，Feed 和 Reels 的推荐会实时跟着调整。说白了，就是让用户直接跟排序算法对话，而不是只能被动接受一套黑箱推荐。

这个功能本身不算颠覆，但方向值得注意。过去几年平台一直在强调「个性化」，可用户能做的往往只有「不感兴趣」这一个按钮，点完之后效果还未必明显。现在能用一句话告诉系统「我想多看独立开发者做的东西」，反馈链路短了很多，至少把解释权往用户这边挪了一步。另一个细节是三点菜单的更新：在单条帖子下就能直接进「Your Algorithm」，或者标记「感兴趣 / 不感兴趣」。这个改动看起来小，实际是把偏好设置从深埋的设置页拉到了浏览现场，操作成本降下来，愿意用的人才会多。不过我对效果持保留态度。自然语言描述偏好听起来很美好，但平台到底怎么解析、权重怎么给，外界看不到。如果用户说「少看点政治」，系统是减少硬新闻，还是连相关讨论一起压掉，这中间的尺度很关键。透明度不跟上，控制感可能只是心理安慰。对做跨境内容和投放的人来说，这倒是个信号：用户主动表达偏好的数据会越来越值钱，靠纯算法猜兴趣的粗放打法空间在收窄。与其研究怎么钻推荐漏洞，不如想想怎么让内容本身值得被用户亲口说一句「我想多看这个」。

Bluesky 让普通人用 AI 造小应用

刚看到 Bluesky 在 Disrupt 上放出的消息，他们给 Attie 加了一组新能力，让普通用户也能做网站、测验、小游戏和投票这类互动体验。Attie 原本只是用来搭自定义社交信息流的实验产品，现在等于把「开发者才能做的事」直接摊开给所有人。

我觉得这一步的野心不在工具本身，而在它绑定的 AT Protocol。用户做出来的这些小应用、小游戏，全都跑在 ATProto 上，也就是 Bluesky 和整个 Atmosphere 生态共用的那套底层协议。换句话说，创作出来的东西天然带着可迁移、可组合的属性，而不是锁在某一个平台的小程序里。从产品逻辑看，这很像把「无代码建站」和「社交分发」缝在一起。过去做投票或小测验，要么用第三方工具再贴链接，要么自己写页面；现在直接在社交网络里生成，还能按人群分享。对做社群运营、独立创作者、甚至跨境圈里搞用户调研的人来说，门槛确实被拉低了一截。但我也有保留。AI 生成互动内容这件事，做出来容易，做得有人玩很难。平台如果只是堆功能，最后大概率是一堆没人点开的测验和半成品页面。真正决定成败的，是分发机制和发现路径，能不能让好玩的体验被看见，而不是沉在信息流底部。另外，去中心化叙事讲了这么久，始终缺一个让普通用户有感知的落点。如果 Attie 能让非技术用户第一次觉得「我在协议上留下了自己的东西」，那它的意义可能比多一个功能大得多。接下来我会盯着它怎么处理内容审核和垃圾信息，这两块不解决，开放创作很容易变成开放骚扰。

Bluesky 要推支付，不靠广告怎么活

Bluesky 的 CEO Toni Schneider 和 COO Rose Wang 在 Disrupt 上放了个明确信号：未来几个月内要上线支付功能。这不是小打小闹的更新，而是他们整个商业化路线里最关键的一步——不靠广告，靠让用户直接在网络里花钱。

Schneider 说得很直白，平台上已经有人在卖东西、做众筹，而且效果不错，用户之间互相支持的氛围是真实存在的。他们想做的，就是把这种自发的交易行为变得更顺手：你看到喜欢的内容或项目，可以直接掏钱支持，而且这套机制要能跑在整个去中心化网络里，不只服务 Bluesky 自己。这里有个值得琢磨的点。Bluesky 一直强调自己是开放协议上的应用，支付如果真能做到跨应用通用，那它就不只是一个社交产品的变现工具，而更像是在给整个生态修一条资金通道。但反过来看，去中心化支付涉及合规、结算、纠纷处理，这些脏活累活比发帖复杂得多，几个月内落地我持保留态度。另外 Schneider 今年三月从 Automattic 过来接任，当时社区反应挺大，有人直接调侃这是平台完蛋的开始。他本人倒是在台上承认了这种情绪，也理解用户怕领导层换人后产品变味。这种坦诚是好事，但支付一旦上线，商业压力和社区信任之间的拉扯只会更明显。我的判断是，Bluesky 选了一条难但正确的路。广告模式对去中心化社交来说几乎是毒药，会逼着平台去抓用户数据、做算法推荐，跟协议精神直接冲突。支付如果能做成，哪怕规模不大，至少证明另一种活法是存在的。接下来就看他们怎么处理手续费、隐私和跨应用分账这些细节了。

禾赛做三维世界复制引擎

禾赛最近发布了一套叫 Kosmo 的三维世界数据引擎，包括手持空间相机 Kosmo One 和云端平台 Kosmo World。这家公司过去更多以车载激光雷达被大家熟悉，现在明显在往具身智能方向延伸，CTO 向少卿说目标是「把空间建模变成像拍照那样简单」。我第一反应是，这个方向选得挺聪明，因为三维重建真正的门槛从来不在采集，而在重建后的可用性。

Kosmo One 长得像大一号的 Pocket，把激光雷达和摄像头集成在一起。激光雷达负责几何精度，官方说能辨识网球拍上约 5mm 间距的网孔；影像部分用一英寸 CMOS，最高支持 8K 采集，导出最高 6K。比较有意思的是它对 ISP 的调教思路，刻意避免「影调」「风格化」，重点保证跨摄像头、跨时间的画面一致性，让多个视角能拼成连贯的三维场景。效率数据也值得关注。普通室内场景扫描约 100 平方米，大概 15 分钟，支持即开即扫、智能指引和一键续扫，中途暂停还能从不同位置接续。这意味着它瞄准的不是专业测绘，而是更轻量的日常空间数字化。从行业角度看，我觉得禾赛这一步是在给激光雷达找车载之外的第二增长曲线。具身智能、空间计算、数字孪生都需要高质量的三维数据，但过去采集设备要么太贵，要么太重，要么后期处理太麻烦。Kosmo 这套组合如果能真的做到「拍照级」体验，对做机器人训练、室内设计、房产展示的团队都会有不小吸引力。当然，云平台 Kosmo World 的重建和编辑能力才是决定成败的关键，素材里这部分信息还不完整，实际效果得等更多实测。但至少方向对了：让现实世界有一个可编辑的副本，这个需求在多个行业里都真实存在。

宝马大圆柱电池跑出8.8度电耗

昨晚汽车之家在北京环线搞了一场纯电轿车高速续航挑战，结果挺扎心。一台官方标称1008公里的行政轿车只跑了566.4公里，达成率56.2%，表显能耗15.1度。另外两台稍好，达成率分别是63.6%和75.3%，最远那台跑了678.6公里。一千公里续航直接对折，评论区自然炸了锅。

就在大家吵得不可开交时，宝马在沈阳创新日活动上晒了份成绩单：一台新世代i3从沈阳往返大连，全程不充电跑了1213公里，续航达成率118%。当然得说清楚，这场测试不是全程高速，包含大量国道和城市路段，真放到同一场高速测试里，续航肯定也得缩水。但真正让我觉得宝马有点东西的，是它跑出的百公里平均电耗——只有8.8度。这个数字在同级别量产车里基本是史无前例的。要知道新世代i3的电池容量也有113.4度，走的是「大电池+低能耗」路线，跟特斯拉的小电池低能耗方案完全不同，宝马想两头都要。能做到个位数电耗，最大功臣是刚在沈阳下线的第六代动力电池，这也是大圆柱电池第一次在一线豪华品牌里挑大梁。宝马用的46系列大圆柱，其实行业已经摸索了十几年，从18650到21700再到46系列，圆柱电芯一直在变胖。但自从特斯拉2020年发布4680之后，直径就没再变大过。原因也不复杂。早期18650单体容量才2-3Ah，一台车要塞几千节，光钢壳重量就很感人，想提升就得做粗。但太粗了中间散热又成问题，可能加速老化甚至热失控。按特斯拉当年的热力学模型，46毫米恰好是兼顾续航和热管理的物理临界点。我觉得宝马这波真正值得看的不是1213公里这个数字，而是它证明了低电耗和大电池可以并存，接下来就看量产车实际交付后的表现了。

保时捷Mission S：逆电动潮的燃油宣言

保时捷选在10月16日发布Mission S概念车，同一天特斯拉也要发新一代Roadster。这个时间点选得很有意思，保时捷和特斯拉从不同赛道撞到了一起。法拉利已经找Jony Ive做纯电Luce，保时捷却扭头回到内燃机，看起来像个守旧派。但仔细看这台车，我觉得保时捷不是顽固，而是在用另一种方式定义未来。

Mission S定位高于911，是保时捷宣布重返燃油动力后的标志性车型。外观上它保留了圆灯、低矮座舱和中置发动机比例，后盖有致敬917赛车的外露冷却风扇。车顶进气口和开放式C柱风道把气流导向主动式尾翼，这些都不是装饰，是实打实的空气动力学设计。有意思的是，保时捷当年带火了贯穿式尾灯，这次却没用，反而用回了传统分体式。内饰更值得说。五联仪表盘以转速表居中，但切换驾驶模式时两侧仪表筒会后退，中央转速表向驾驶者推近。转速表保留实体指针，内部却是数字化驱动，运动模式和赛道模式下显示信息会变。方向盘下方有一个红色按键，写着On your own，一键关闭所有驾驶辅助。这个细节很保时捷：当所有车企都在吹智驾能力时，它选择让车相信你的驾驶能力。转向柱上有工业褶皱的防尘衬套，换挡杆是机械感调节，门把手是红色阳极氧化拉环。车钥匙彻底回归实体，一块极简铝制钥匙直接插进方向盘左侧钥匙孔，灯光控制旋钮集成在同一个圆环里。设计总监Tobias Sühlmann在绕车讲解中展示了导航功能，但素材到这里就断了，后面内容没有完整信息，我就不瞎猜了。我的判断是，Mission S不是保时捷在开倒车，而是一次精准的品牌防守。它用极致机械感和驾驶参与感，守住燃油超跑最后的情感高地。特斯拉Roadster代表电动性能的极致，Mission S代表内燃机体验的极致，两条路线没有对错，但保时捷至少让选择变得更有趣了。对跨境从业者来说，这种逆潮流的产品策略，反而可能成为高端市场的差异化卖点。

苹果AI国行本月落地，阿里千问入局

库克这次在上海亲口确认，Apple 智能的国行测试版本月晚些时候就会推。首批功能是实时翻译、照片消除和写作工具，全新的 Siri AI 助手不在这一批里。这个节奏比很多人预期的快，但功能上明显是「先上能用、再上想用」的思路。

真正值得关注的是阿里千问的集成方式。按目前透露的信息，千问会作为 AI 能力嵌进 iOS、iPadOS、macOS 和 visionOS，用户不用在应用之间来回切换，就能直接用文本和图像理解、内容生成。这等于苹果在中国市场选了一条「本地模型补位」的路线，而不是硬等自家模型过审。对做跨境和出海工具的人来说，这件事有两个直接影响。一是国行设备的 AI 能力边界被重新划定了，做 iOS 端产品时得重新想哪些功能可以依赖系统级能力，哪些还得自己接模型。二是千问被塞进系统层之后，国内 AI 应用的入口竞争会更卷，独立 App 的获客成本大概率还要往上走。我个人的判断是，苹果这步棋更多是防守。华为、小米、OPPO 的端侧 AI 已经跑了大半年，苹果如果继续让国行用户用不上核心功能，换机理由会越来越薄。但首批不给新 Siri，也说明苹果对本地化体验还没完全放心，先拿低风险功能试水。接下来要盯的是两件事：测试版的实际可用度，以及千问在系统里的调用是不是足够深。如果只是套壳问答，那象征意义大于实际；如果真能打通跨应用的文本和图像理解，那国内 AI 助手的格局会再变一轮。

微软Copilot大改版：三个新能力

今天刷到微软对Copilot做了一次挺大的重构，核心是把Chat和Cowork合并成一个叫Home的入口，同时把Word、Excel、PowerPoint直接嵌进Copilot体验里。这意味着Office不再只是被调用的外部工具，而是Copilot的原生能力，对天天在文档表格里打转的人来说，这个整合方向比单纯加个聊天框实用得多。

另外两个新东西是Code和Autopilot。Code面向所有人，底层和GitHub Copilot同源，主打让非专业开发者也能搭自己的解决方案并安全运行；Autopilot则是一个持久、主动、个性化的agent，你不在的时候它还在干活。我的判断是，Code在抢低代码和内部工具的市场，Autopilot则是在试探「常驻代理」这个形态，两者都比Home更有想象力。节奏上，Home和Code会在未来几周的Frontier项目里开始推送，Autopilot月底扩展到private preview。这个分批策略说明微软自己也没完全跑通，尤其Autopilot这种常驻代理，权限边界、成本控制和误操作风险都还没看到清晰答案，企业IT大概率会先观望。配套还发了FinOps for AI，帮企业管理Copilot和agent的支出。这点其实很关键：agent一旦常驻，token消耗和调用次数会从「人触发」变成「机器持续触发」，账单模型完全变了。没有成本治理，Autopilot这类功能在企业里根本推不动，微软把它和agent一起发，顺序是对的。整体看，这次改版是把Copilot从「助手」往「工作平台」推，Home做入口、Code做生产、Autopilot做执行、FinOps做刹车。对出海团队来说，值得关注的是Office能力原生化和agent计费这两条线，前者影响协作工具选型，后者影响AI预算怎么算。