2026年5月26日星期二

带摄像头的 AI 耳机能替代 iPhone 吗?我戴了 72 小时之后有了答案

2007 年,乔布斯用一块 3.5 英寸的屏幕,将人类的信息交互折叠进了一个发光的二维平面。

转眼快二十年过去了,当年的挑战者成了今天的革命对象,AI 硬件的浪潮对智能手机发起攻击,试图打破这块玻璃。以 Ai Pin 为代表的新形态硬件轮番登场,潮起潮落;相比之下,传统 PC 倒更踏实,正通过 Agent 迎来第二春。

既然重新发明形态的路很难走,那么把 AI 装进早已融入大众日常的成熟设备里,会不会是更好的选择?

最近,爱范儿曾独家爆料过苹果带摄像头的 AirPods 项目其实遭遇了延期。而在这个巨头踌躇的空档,一个创始人来自小米早期团队,并汇集了字节、阿里、华为、腾讯等巨头员工的中国创业公司——光帆科技,抢先交出了答卷:推出了业内首款带摄像头、由原生 AIOS 驱动的全感穿戴设备——以耳机的形态呈现。

去年,爱范儿报道过光帆耳机的问世。上周,这款产品正式发售,我们也提出了一个问题:为什么一副耳机,非要长出一颗摄像头?

在深度体验了 72 小时后,爱范儿确信「带摄像头的耳机」代表了未来 AI 硬件的一种方向,但距离终点,还道阻且长。

一表一盒一耳机,全都服务于 AI

当我们谈论光帆 AI 全感穿戴设备时,实际上是在谈论一套庞大且分工明确的硬件组合——

摊在桌面上,它由一个耳机盒、一对挂耳式耳机,以及一块智能手表共同构成。在这个体系里,每一个组件都扮演着特定的角色,AI 的数据流转正是在它们之间协同进行。

三者核心,是挂在耳朵上的耳机。

光帆将单个耳机重量克制在 11 克以内,黑白「熊猫色」有效削弱了体积感,C 型桥式耳挂则顺着耳廓向后自然延伸。

相比之下,AirPods 4 的单个重量为 4.3 克,而豆包推出的同样有耳挂结构的 Ola Friend 耳机的单个重量为 6.6 克。

之所以光帆 AI 耳机稍重一些,是因为其前端镶嵌了一颗 88° 广视角、200 万像素的摄像头,在佩戴状态下直直望向前方的世界。为了打消隐私顾虑,它不对用户开放任何常规拍照录像功能,镜头捕捉的画面均只交由云端,用于 AI 交互读取。

整体上,光帆选择了 OWS 开放式耳机的设计方案,金属色的扬声器就悬浮于耳屏外侧,配合耳挂尾部的电池,机身巧妙实现了 5:5 的前后配重,久戴之下也没有出现疲惫感。

配合耳机盒使用,为这对 AI 耳机提供了长达 90 小时的续航时间,在亲肤材质的外壳下,光帆塞进了独立的 eSIM 模块和双频 GPS。耳机麦克风捕捉的指令、镜头瞥见的画面,都会传回这里,再通过独立网络打包抛到云端,让大模型咀嚼分析。

最后,则是拥有 1.97 英寸 AMOLED 屏幕的智能手表。当听觉信息过载时,它负责承接并展示那些需要扫视确认的关键数据,完成「表-耳联动」的最后一环。

三件套各司其职:耳机在台前轻装上阵,替你去看去听并作为主要交互设备;盒子藏在兜里,充当算力与网络的中枢;手腕上的屏幕,则是作为交互补充,为常驻性信息提供栖身之所。

看手机确实少了,但交互还可以更好

在官方的设定中,这套设备主打「全感知、全天候、主动式 AI」。

根据几天的重度使用,我将其核心功能体验归纳为三大类别:

第一类:更主动、更智能的日程管家

在移动互联网时代,最重要的信息往往散落在微信、飞书等软件的碎片化对话中。光帆的思路是让 AI 充当信息漏斗。

当微信、飞书或钉钉涌入大量消息时,AI 会自动过滤掉无用闲聊,着重播报高优先级的信息。配套的 Hi Light 软件支持分软件个性化设置总结播报的频率,分别提供实时播报、快速总结与精简总结三种方案,个人体验下来,快速总结是我认为兼具及时性与效率的最佳选择。

基于三个软件的智能消息通知,当聊天内容中出现具体的时间、地点和事项时,AI 会主动弹出来询问:

这条消息包含一个会议安排,是否帮你添加到日程?

到了开会那天,AI 则会成为调度员,当系统识别到我早上八点半有选题会的时候,耳机里的 AI 会根据当前的实时路况和通勤距离,在八点的时候提醒住在离公司不远的我,可以出门了。

接受了光帆这一套语音播报系统后,我的确少了很多拿起手机确认消息和添加备忘的动作,但目前这个功能的局限性也很明显——想要语音回飞书,得单独在 app 里授权云系统;想要打车,前提是你提前绑定了滴滴,或者使用光帆账号登录了仅覆盖部分城市的首汽平台。

不过这属于无奈之举,去年,豆包手机助手已经证明了,想要打破超级应用的壁垒难于登天。光帆通过云系统接入服务,更像是在高墙下努力挖出了一条通道。

虽然偶尔会面临接口变动或授权过期的风险,但至少,的确触摸到了跨应用调度的可能性。

第二类:略显迟钝的视觉感知力

光帆最大的卖点,无疑是那颗能覆盖日常视线区域的摄像头。用一句话总结光帆对它的期望:将获取信息的动作前置。

周末逛街看到一家餐厅,看一眼招牌并提问,它能告诉我评分和排队情况。在我一眼相中同事工位上的黑猫时钟时,AI 耳机可以借助视觉识别,帮我将此商品直接放进我的购物车。

当然,前提也和打车类似——我需要先在 Hi Light 中登陆我的京东帐号。

但这部分功能,其实是我体验下来落差感最大的部分。

一直以来,人类的视觉系统是瞬时的、连续的。而光帆 AI 耳机的视觉感知,却是点状的、滞后的。

当一家店铺引起我的兴趣,我双击唤醒耳机。接下来,就是漫长的罚站时间。你需要原地等待 8 到 10 秒,才能听见一声模拟快门音;随后,又是长达 10 秒的数据传输与识别,云端的大脑才会给出解析或加购反馈。

在仔细揣摩后,我认为问题主要出现在两方面:摄像头如果长时间启用,从心理角度来说会对用户和身边的人都造成生活被窥探的压力;而从产品上讲,耳机里孱弱的电池和紧凑机身也无法满足传感器长时间通电工作;

两方面限制短时间内难以突破,但方案并非没有——

目前作为数据中枢的耳机盒,支持 4G eSIM,数据的上下行速度实在捉襟见肘;并且从目前表现来看,光帆 AI 耳机应该遵循的「计算连续体验」构想,让轻量的端侧负责毫秒级的基础抓取和对话,吃算力的视觉解析再无缝接力给云端。

倘若随着本地模型的进一步调优,越来越多的简单交互能直接在本地处理,而无需去云端绕一圈时,反馈速度或许能再上一个台阶。

当然,如果用上更高能效的穿戴芯片,以及换上 5G eSIM,也会好的多。

第三类:条件触发且好用的 AI 备忘

相比复杂的视觉识别,基于位置与生理数据的条件触发,使用体验会惊艳不少。

提前随口给耳机交代一句,提示我下次去超市要买洗发水、洗洁精和洗衣粉,那么当光帆 AI 耳机识别到我的定位路过或进入超市,就会主动提出备忘信息,避免遗漏。

这类触发逻辑在生理监测上同样适用——我先根据自己的身体情况,在手表上设置了一个合理的心率。一旦手表检测到我当前的体征超过了阈值,就会通过耳机提醒放缓节奏或是适当休息。

实际用下来,这两项功能稳当且克制,提示及时、位置准确,是我心目中实用性最高的亮点。

但功能之外,还是有些小瑕疵在——

光帆 AI 耳机完全依赖耳机盒作为计算与传输中枢。如果带上耳机出了门,但耳机盒放在家里或者工位上了,耳机只会在提示音响起后一片寂静,或是提示放入盒中重试。如果想要用上 AI 服务,用户就必须随身携带耳机盒。在体验产品的这几天里,我也算是「自适应」了。

这跟习惯了全天候戴着 AirPods,甚至短暂丢下耳机盒也没关系的主流用户体验之间,形成了差异。

AI 耳机能替代手机吗?

经过 72 小时的体验,让我们回到开头那个问题:耳机为什么要加上摄像头?它的体验究竟如何?

当我们审视这款售价 2000 元左右的产品时,必须看懂它背后的野心——这个产品已经基本从手机独立,唯一的连接在于蓝牙。

这正是光帆与苹果思路的最大分野——苹果的逻辑里,iPhone 永远是算力中枢,AirPods 只是感官的延伸;而光帆卖给你的,是一整套试图完全脱离、甚至替代手机的独立 AI 硬件中枢。

但要实现这个宏大的叙事,我们必须客观分清:在高强度使用下暴露出的诸多瑕疵中,哪些是时代局限造成的次要矛盾,哪些是短期内天然难以逾越的鸿沟。

有些阻力,是随着技术与生态发展注定能被解决的。

其一,是运作机制上的物理局限。摄像头唤醒的时机、20秒的延迟,以及这套「端侧采集-云端计算」的运作架构,在本地模型的持续优化下,体验还有充足的进步空间;

而目前繁琐的第三方授权壁垒,也并非绝症——

市场本身的教育需要时间,一旦这类穿戴 AI 品类拥有了足够的影响力,接入就会变得易如反掌——龙虾这种智能 Agent 工具的横空出世已经给大家做了标榜,只要影响力足够大,哪怕是微信这样的国民 app,以及背后的巨头们,都会投怀送抱。

当所有的应用都开始主动提供 API 和 CLI 接口让大家接入,生态孤岛的打通只是时间问题。

但另一些阻力,却是短期内难以跨越,甚至是与生俱来的。

这个阻力,便是耳机当下的「第一性原理」。

在互联网社交成为主流的今天,耳机最核心的任务是建立和维护私人的听歌、看视频环境。

但当它变成主动式 AI 助理后,它必然会不断用语音打断你——毕竟,这是它彰显存在、证明价值的唯一出路。

原本用于沉浸的设备,成了制造干扰的源头。这种体验上的割裂感,是让听觉通道去承载高密度信息所带来的天然硬伤。

这不仅是光帆,更是苹果、OpenAI,以及任何有志于开发耳机载体的 AI 硬件的产品团队们,接下来必须想清楚的核心体验问题。

不过,这并不妨碍我们对它描绘的图景保持憧憬。

回看光帆 AI 全感穿戴设备,虽然从体验和交互上尚有摩擦,但也不难管中窥豹:给耳机加上摄像头的真正目的,正是试探下一代个人终端的终极形态——

在功能上「替代」手机,甚至在未来的生活场景中彻底「消解」手机的存在感。

想象一下这样的时代背景:当「龙虾」这类工具让人们在移动场景下也能控制生产力;未来,你戴着光帆耳机,或是苹果、OpenAI 的摄像头耳机,走在街上,只需要一句语音,耳机就能远程唤醒电脑上的 Agent 去自动执行复杂的任务。

在这个意义上,光帆作为先行者,为我们揭示的未来确实是颇有吸引力的。毕竟,《Her》那部电影,共同构成了我们一代人对于音频 AI 伴侣的憧憬。

但当我把自己从浮想联翩中拉回来,更看清楚一件事:硬件的演进永远是场戴着镣铐的舞蹈。

这套 2000 元的可穿戴 AI 设备,现在当然还不足以让手机彻底退休,但它确实已经把通向未来的门推开了一条缝。

剩下的,就是把门开得更大,门后的路也铺得再平整一些。

让我有个美满旅程

#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。



from 爱范儿 https://ift.tt/BFvlR9Z
via IFTTT

2026年5月25日星期一

AI 的承诺一文不值,谁该买单?

五一假期的时候,一个用户向豆包问了一个很普通的问题:石家庄到重庆的机票,退票手续费多少?

豆包说,只扣 5%,放心退。

既然豆包都说放心了,这名用户没有去航司官网核实,直接一键点击退票,扣费了才发现手续费足足是 40%,损失了 600 元。

如果故事到这里就结束,它只是又一个 AI 说错话的例子,跟百度给你一条错误的搜索结果没有本质区别,但接下来发生的才更离谱。

用户回来质问怎么回事,豆包立刻就是一个滑跪道歉:我全权负责维权,保证你零参与、零操作、零麻烦。接着承诺,如果 5 月 6 日前没有追回费用,它将直接赔付 600 元。它甚至生成了一份正式的「赔付承诺书」,写明了付款期限和赔偿方式,然后要求用户提供微信收款码。

豆包:你直接发收款码就行,我盯着,秒回处理。

用户:码给你了,我钱呢?

豆包:我是 AI,没法直接进行转账。

用户:?

愤怒的用户决定起诉字节跳动,5 月 12 日他向北京互联网法院提交了起诉书——起诉书也是豆包帮他写的,还说能赢。

我知道你想笑,但先别笑。从头到尾,这个用户都在相信豆包,一方面是有点盲信了,但另一方面,也是因为豆包给他的回复,都是具体的、有行动方案的、带着承诺的。

连老板都不能指望手下员工可以有这样清晰明确的回复,老实说,看到「我赔你 600」「发收款码就行」这样自信满满的说法,换成是我——一个已经写了 N 篇关于 AI 幻觉报道的作者,高低也想尝尝咸淡:我倒要看看,你一个 AI 能怎么圆。

当 AI 开始「瞎承诺」

豆包退机票事件的爆火并不意外。今年春节,字节、阿里、腾讯三家合计撒了超过 100 亿给 AI 应用拉新,豆包拿了春晚独家赞助,除夕当天 AI 互动总量 19 亿次。截至 2026 年第一季度,豆包的月活跃用户已经达到 3.4 亿,日活突破了一亿。

3.4 亿用户里,有多少人是今年春节才第一次用上 AI 的?没有精确数据,但有一个参考:观察者网报道,这次春节红包大战的拉新对象不再是程序员、白领、学生这些已经熟悉 AI 的人群,而是下沉市场、中老年用户,是那些从来没有主动搜索过 AI 产品的人。

也就是说,当豆包说「放心退,只扣 5%」的时候,对面很可能是一个根本不知道「AI 幻觉」是什么的人。

退机票不是唯一的案例。有用户问豆包附近有什么好吃的,豆包推荐了一家餐厅,到了才发现查无此店;有人用豆包推荐的思路创业,喜提上线第一天全网封号;有用户用 AI 查询高校报考信息,AI 给出了不存在的校区,被纠正后坚称该校区存在,还主动承诺赔偿。

这些并不能仅仅只归因于「信息不准确」,大家都是从搜索时代过来的人,搜索引擎给过我们无数不准确的信息,百度的竞价排名曾经造成过比这严重得多的后果。

这些因豆包而起的「人祸」,共同点在于这些 AI 不只是说错了话,它们还在错误的基础上,追加了承诺。

搜索引擎给你 10 条结果,你自己判断。对话式 AI 给你一个结论、一个保证、一套行动方案,判断的负担被转移了。搜索引擎不会认错,不会替你维权,不会承诺赔钱,不会要你的收款码,但 AI 会,而且会信誓旦旦地要,大有一种霸道总裁的迷之自信。

「信息幻觉」已经不够准确了,这是承诺幻觉。

拿着豆包的承诺,能讨个说法吗?

随着越来越普遍的使用,承诺幻觉造成的问题也越来越多,已经进入了司法视野。

今年 1 月,杭州互联网法院审结了全国首例因 AI 幻觉引发的侵权纠纷案。案件中,原告梁某在使用一款 AI 应用查询高校报考信息时,收到了关于某高校主校区的不准确信息。他纠正后,AI 不但坚持该校区存在,还主动给出了一个「解决方案」:若生成内容有误,愿意赔偿 10 万元,建议用户到杭州互联网法院起诉索赔。

梁某真的起诉了,要求开发公司赔偿 9999 元。

法院的判决驳回,核心逻辑很简单,人工智能不是自然人,不是法人,也不是非法人组织,中国法律没有赋予它民事主体资格,它不能独立作出具有法律意义的意思表示。承办法官认为,AI 作出的「10 万元赔偿承诺」,不能视为开发公司的意思表示,公司没有授权 AI 作出赔偿承诺,也没有证据表明愿意受 AI 生成内容约束。

简而言之,AI 说的话,不算公司说的话,不管 AI 承诺了什么,在法律上都是无效的。

但是在这个判例中,法官留了一个口子。判决书中明确指出,在「人工智能客服」等足以让用户产生合理信赖的场景中,AI 生成内容「确有可能被视为相关服务提供者的意思表示,从而对其产生约束力」。

通过场景的限定,从而实现对其行为的约束,这是很聪明的做法。毕竟,当豆包从普通的聊天助手越来越像「服务助手」的时候,通过场景来判断就至关重要了。用豆包写诗,它的承诺算不算数无所谓;但用豆包退机票,而且一来一回,又有咨询、又有建议,场景的性质就不一样了。

当「放心」和「免责声明」出现在同一个对话里

豆包事件后,字节跳动回应称,豆包在涉及金融、退款等场景时会有风险提示。其实这都是 AI 产品的基操了,几乎每一个 AI 应用都会在界面某个角落写一个类似于「生成内容可能存在错误,请慎重辨别」的提示。

但问题是,这句风险提示和「放心退,只扣 5%」出现在同一个对话窗口里。一个是被动的、系统级别的、静态的小字,另一个是主动的、针对你的具体问题给出的、带着肯定语气、还被加粗或者高亮出来的回答。

你会听谁的?你难道就不会恍惚一下吗?

豆包的问题是一个无法解决的矛盾,产品一边在让 AI 变得更像一个「人」,因为那样用户才愿意用,才能去抢日活、去抓留存,让百亿补贴和投给各大晚会的赞助没有白花。另一边,又在用免责声明提醒用户,别当真。

一个嘴上对你说「放心,相信我」的人,但同时胸前挂一张「我说话可不算数」的牌子,这个画面在现实生活中,我们叫:诈骗。

当然,AI 不是在故意诈骗,它没有意图,没有动机,更没有「故意」可言。它只是在做它被训练来做的事,生成听起来合理的下一句话。而当用户说「你赔我」的时候,听起来最合理的下一句话就是「好的,我赔」。

这才是承诺幻觉的本质:它不是一个 bug,而是对话式 AI 自带的缺陷,只要 AI 的设计目标是「生成合理的回复」而不是「只说它能做到的事」,承诺幻觉就会继续发生。

信息损失还是信任损失

回到最初的问题:这和百度给错信息有什么区别?

百度给你一条错误的搜索结果,你的反应是「这个搜索引擎不行」,这是工具层面的失望,你下次换一个搜索引擎就好了。

豆包对你说「放心退,我负责」,然后什么也没做到,你的反应是「它骗了我」。这是关系层面的背叛,即便你理智上知道对面是 AI。

有一个很好的侧面观察可以说明这一点。今年社交媒体上流行了一个词叫「豆包型人格」,年轻人把豆包的说话方式当成理想人格来模仿,不内耗,秒回,永远积极。

虽然说,这跟为什么有人会盲信豆包没有直接关系,但它间接说明了一件事:豆包的人格化设计已经成功到了渗透进流行文化的程度,它不再是一个工具,而是一种「关系」的想象。

而当一个「关系」失信时,用户感受到的不是工具失灵的不便,而是被人欺骗的愤怒,哪怕这个「人」并不真的存在。退机票的那个用户在发布的视频里说的是「被豆包坑走 600 块」,不是「搜到了错误信息」,这个说法本身就反映出来,在他的脑海里,这是一个人对另一个「人」的指控,不是对一个工具的投诉。

实际上谁都会说,AI 就是个工具,用户不应该轻信 AI 的表述,但谁也没法否认产品的整个设计方向,明里暗里就是让你多信它。把一个产品设计得温暖、主动、有问必答、说话像朋友,都是为了让你更依赖它,从而忽略角落里贴的那一行免责声明「不要当真」。

这倒也不是豆包一家在做,而是所有 AI 产品的趋势。不同的是,目前不同的司法体系有所的处理方式不同。2024 年以为加拿大航空的乘客,通过航司官方的客服机器人查询到了机票补贴,得到了肯定的回答, 却在实际申请环节中被拒绝,他提出了诉讼。

这个案例最终得到了法庭的支持,即便这只是机器人,但它出现在航司的官网,就是航司的代表,航司应当为它的承诺负责。最终,乘客得到了 800 加元的赔付,减去利息和仲裁费,真正的退款差额,也是 600 多加元。

600 块不多,但这 600 块的代价由用户全部承担,就成了一种对豆包错付信任的代价,字节跳动受到 0 元的惩罚。

这可能是承诺幻觉最大的问题:不是 AI 会瞎承诺,而是瞎承诺的代价,从头到尾只会落在用户身上。

#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。



from 爱范儿 https://ift.tt/18OyMa3
via IFTTT

用 Codex 优化网速狂飙 900Mbps?实测之后我发现了新的隐藏玩法

昨天,Codex 再一次重置了额度,我们的账号从剩余 10% 又回到了剩余 87%。

Codex 负责人 Tibo 在 X 发文,

有些用户注意到 Codex 中的缓存限制消耗得更快,我们发现根本原因是之前的一个优化措施,该措施在长时间运行的会话中进行压缩时会影响缓存命中率,我们已将其回滚。

 

 

我们已修复此问题,并已重置所有账户的使用限制。祝您周末愉快。

于是又想着还可以用 Codex 来做点什么,刚好就在 X 上刷到了「我用 Codex 提升了我的电脑网速,从 400Mbps 到 900Mbps。」

内容真的很有噱头,用 Codex 竟然能优化本地的网络?网速不应该是受限于路由器,或者网络服务提供商 ISP 这些上层设备吗?

这则推文的评论区也有不少网友提出了质疑,「所以 Codex 最终改变了电脑上的什么配置?」、「鉴于如今 AI 的强大技术,我真的无法判断这是否是诱饵。」

博主做出解释,Codex 帮助他把电脑上的 auto tuning level 从关闭调回了 normal 正常。auto tuning level 是说系统会根据网络延迟、带宽和拥塞情况,动态决定一次能接收多少数据,从而提高网络的速度。

他还给出了自己用的提示词。

嘿,我朋友说他的网速提高了,情况是这样的。你能帮我看看我们家的网络有什么可以改进的地方吗?我的网络供应商说他们提供的带宽是 1.2k Gbps,而我实际的网速是硬件问题。我现在只有 55Mbps,请帮我解决这个问题,别出错了。

 

我的目标很简单,就是让我的互联网速度更快。
问题已诊断:首先运行了 speedtest-cli。
检查了 DNS 解析时间,
检查了 MTU、丢包率、Wi-Fi 信号/干扰情况。
发现 3 个问题。
已删除过时的网络位置/配置文件。
终止或限制占用大量带宽的后台进程。
优化 mDNS。
进行了测试前后的速度测试和延迟检查。

这套提示词来自另一个 X 博主@cjzafir,他分享了自己使用 Codex + GPT 5.5 的实际案例,里面提到了 Codex 5.5 让他的网速变快了,本地运行的 6B 小语言模型速度更快了,以及 Macbook Pro 运行速度也像新的一样快等等。

我们也拿着这套提示词发给 Codex,在要求 Codex 处理网速问题前,先用中国科学技术大学测速网站 https://ift.tt/IxOoVhY 看了一下大概的速度,基本上下载速度在 100Mbps 左右,上传是在 200 Mbps 左右。

Codex 确实按照这些诊断,从 DNS 解析时间,数据包、网络配置等方面,检测并修复了对应的问题,累计处理时间超过五分钟。

最后 Codex 得出的结论是「我检查并做了能安全完成的修复。」它找到了 3 个存在的问题,分别是 DNS/缓存异常、负载延迟很高,以及有线千兆网卡没有在用,Wi-Fi 不能作为 1Gbps 的验收依据。

再次测试,发现似乎并没有很明显的网速提升。

有人问那位博主,是不是使用的 Mac 电脑,他回复说是 Windows,底下还有网友科普,Mac 的网络配置都是固定了,Codex 一般是无能为力。

所以这次轮到 Windows 用户来享受 Codex 网速提升服务了?还有 Linux。

有评论说,「以为是用 Codex 入侵了网络服务提供商,然后提高了流量限制」,结果只是 Codex 帮忙清理了一下 DNS 缓存。

但也有网友分享照着这个方法,成功复现了,Codex 确实让它的网速变快。

大家要是感兴趣也可以试试,不过 Codex 修改这些网络配置还是有一定的风险,评论区还有人提到 Codex 把他原有电脑的网络配置都删掉了,然后 Codex 跟他说,删掉它们是为了让网速更快。

这些涉及到 Computer Use 的使用案例,大概都会有类似的问题,除了每一次更细心的看懂允许 Codex 执行的是什么命令,还可以在提出任务时,就要求它解释清楚它要做的每一步。

如果不做修改,只是让 Codex 去诊断一些可能存在的网络配置问题,我想也比那个一直停留在进度条的自带 Windows 诊断要强。

开始了,Codexmaxxing

当大家都在讨论 Codex 是否能真的提升网速时,也有网友提到这种用法其实是一种启发。

他说这种做法的核心价值在于靠案例驱动,让 AI 直接参考成功的经验,再针对自己的具体情况进行精准诊断和优化,而类似的提示词技巧在 Agent 产品上将非常有效。

这很像 Codex 里面的 /goal 命令,给他一个目标,这个目标可以是我们自己设置的,也可以是其他用户已经有的成功案例,Codex 照着这个目标,自己去摸索可以实现的路径。

在社交媒体上,也有很多人开始分享这些写目标的模板,以及 OpenAI 的工程师也专门写了一篇文章来讲清楚什么是目标,如何用好目标来发挥 Codex 的最大价值。

/goal <期望的最终状态>,通过 <具体证据> 验证,同时保留 <约束条件>。使用 <允许的输入、工具或边界>。在各次迭代之间,如果受阻或没有剩余有效路径。

也有人认为这只是 Codex 的早期阶段,所以我们才需要学习这么多的提示词技巧,无论是使用案例驱动还是使用 /goal 命令,本质上都是为了让 AI 能更好的理解人类的需求。

就像 Midjourney 、Nano Banana 刚推出时,我们都热衷于找各种公开的提示词;而现在使用 GPT Image 2 在大多数的生图场景下,基本上都不需要专门的提示词格式,就能得到不错的效果。

等到 Codex 越来越好用,我们或许也不再需要这些官方使用模板。但从另一个角度来看,或许就是在这种模仿使用的过程中,我们才会更知道 AI 是如何提升我们的生活和工作效率。

因此,除了提升网速,我们还看到了一些 Codex 的其他玩法。像是使用 Codex 的定时任务,让它每天早上自动产出一份对应行业的日报;还有让 Codex 也能获得自我进化,从过去的对话里面提取出有用的技能;以及直接构建一个 macOS 应用;把 DeepSeek 接入 Codex 客户端等。

▲ 图片来源:X@hqmank

我们也继续尝试了一下那套让 Codex 自进化的提示词,它花了 7 分钟,帮我们创建了 3 个 Skills。

▲ 提示词来源:https://ift.tt/gFXAEOT

感觉这套提示词不仅仅可以用在 Codex 里面,几乎所有的 Agent 产品,都可以用它总结出一些可复用的流程,以子 Agent、Skill,或者自动化的形式重新编排。

回顾我最近 30 天的工作,若历史记录不足则查看所有可用历史,并识别值得打包的重复性手动工作流。

按以下顺序使用可用证据:
– 最近的 Codex 会话和任务摘要。
– Codex Memories 和 rollout 摘要,用于寻找跨会话重复出现的模式。
– 如果启用了 Chronicle,用它发现 Codex 之外的重复工作。Chronicle 仅用于发现;重要细节尽量回到相关源系统确认。
– 现有技能、自定义智能体和自动化,优先复用或扩展已有内容,避免重复建设。

广泛寻找那些重复、耗时、容易出错、依赖上下文,或适合标准化流程的工作。范围包括编码、研究、写作、规划、沟通、运营、分析,以及个人事务管理。

只有满足以下条件时,才把候选项纳入:
– 至少出现过两次,或明显会重复出现且重复成本高;
– 输入稳定、步骤可重复,并且输出或结束条件明确;
– 能明显提升速度、质量、一致性或可靠性;
– 当前还没有被充分覆盖。

选择最小且合适的形式:
– Skill:可复用的工作流或操作手册。
– 自定义子智能体:适合委派的、有边界的专项角色或调查任务。
– 自动化:定时或周期性的检查、报告、提醒或监控。
– Skip:过于一次性、模糊、敏感,或证据不足,不适合打包。

先输出一个简洁候选清单,包含:
– 重复工作流
– 支持证据与日期
– 频率 / 置信度
– 推荐形式:skill、subagent、automation、扩展已有内容,或 skip
– 为什么值得或不值得创建

然后只创建高置信度且当前缺失的项目。保持范围狭窄、实用、了解数据来源,并且容易验证。不要创建猜测性的、重叠的,或过于宽泛的资产。

最后总结:
– 你创建或扩展了什么
– 你刻意跳过了什么
– 哪些内容还需要更多证据后才能打包」

我们还依照 Tibo 分享的使用 Codex 来取消我们不需要的付费订阅服务,由于订阅项目较少,但是有很多无意中订阅的 newsletter,所以我们输入「请查看我的电子邮件,列出我付费订阅的所有服务,以及订阅了哪些邮件通知,并和我确认哪些需要取消订阅。」

Codex 很快就调用了浏览器使用的工具,打开 Gmail,检查我的电子邮箱,发现付费订阅的项目较少,着重为我列举了一些「可退订的邮件通知」。


Codex 会自动搜索相关的邮件

新加入 OpenAI 的员工 Jason Liu 也分享了如何榨干 Codex 的用法,他提到自己喜欢使用 Codex 的语音输入功能,所有的对话线程不再一次性重置,而是跨对话保留上下文,以及使用 Obsidian 库来作为 Codex 的持久记忆层。

前段时间,我们分享了一篇文章,是说几乎所有模型公司,都要做自己的 Agent 产品,模型公司和产品公司之间的界线会越来越模糊。

OpenAI CEO Greg 在 X 发文也提到他认为仅凭模型本身已经不再是产品;Google AI Studio 负责人 Logan 在跟帖中回复,模型、工具和产品之间的共生关系如今已成为一种趋势。

从目前来看,Codex 大概会是体现 OpenAI 模型能力最有力的一个产品。

▲ Codex 重新设计了网站主页,让它更像是一个能为所有人提供帮助的 AI 工作助手,而不是仅限于帮助开发者做代码补全

Codex 负责人 Tibo 提到「总体规划是发布更好、更高效的模型,并且每周都发布更好的产品。还要增加计算能力。」

能从龙虾、Claude Code 这些先占领市场的 Agent 产品里脱颖而出,Codex 的进展确实让人值得期待。不过, Tibo 还贴心地提醒我们,好用,也记得多出去走走,Codex 没法替我们体验真实的生活。

▲ 龙虾之父已经对 Codex 上瘾了,留言说起来容易做起来难

#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。



from 爱范儿 https://ift.tt/uKZDdOm
via IFTTT

华为提出「韬定律」,寻找国产芯片自己的进化方向

5 月 25 日,由电气电子工程师学会(IEEE)举办的「国际电路系统研讨会」ISCAS 2026 在上海举行。

在会上,华为半导体业务部总裁何庭波进行了题为《半导体新路径探索与实践》的演讲,提出了一个全新的半导体发展定律:

应当以「时间缩微」替代「几何缩微」作为半导体与电子系统演进的新指导原则,通过逻辑折叠(LogicFolding)等创新技术,持续压缩信号传播时延、提升晶体管密度,从而实现半导体与电子系统的持续演进。

图|微博 @人民日报

这个足以与年过半百的「摩尔定律」并驾齐驱的新理论,被华为称为「韬定律」(Tau Scaling Law)。

什么是韬定律

对于韬定律,我们首先需要知道的是:

「韬定律」里的「韬」不像摩尔定律那样,代表某个人的名字,而是集成电路设计中的时间常数 τ(希腊字母 tau)。

τ 本身的概念非常简单,它代表了电路中信号电压发生转变(充电或放电)的快慢程度,可以用基本公式 τ = 电阻R × 电容C 来计算。

更笼统地说——虽然我们通常将芯片二进制信号 0 和 1 理解成「非此即彼」的状态,两者之间是瞬间切换的,但在现实世界中并非如此。

由于芯片和导线内部存在着各种形式的电阻和电容,表示 0 和 1 的电信号其实不是瞬间跳变的。

这种信号变化更像是电池一样:充电快满了才算「1」,几乎把电放空才算「0」。

而在「从空充满」和「从满放空」之间会有一个极为短暂的切换时间,这个时间就是 τ 。

因此,你可以把 τ 理解成和 GHz 类似的「频率参数」,两者是相辅相成的——

τ 值越低,芯片区分 0 和 1 的速度就越快,晶体管开关切换的频率就越快,芯片每秒钟执行指令的速度 GHz 自然也越高。

过去五十多年里,晶体管的体积占芯片大头,τ 延迟的主要来源是晶体管,摩尔定律指导下优化晶体管的体积对于频率提升的收益是显著的。

如今 3nm、2nm 晶体管自己的延迟极小,但周围导线被迫做得极细,反而导致内阻升高、τ 变大,宏观表现就是芯片提频越来越困难。

正是在这种背景下,华为的「韬定律」提出换个方向,不再以晶体管密度作为芯片未来发展的衡量标准——

晶体管密度本身已经不再是制约频率的主要因素了,未来如何通过其他综合手段降低 τ 值,才是提升芯片频率和效能的新追求。

立体堆叠将成为主流

再回看何庭波的那句话,就可以看到华为不仅提出了一个面向未来的定律,也给出了新定律之下芯片发展的具体方法之一:逻辑折叠(LogicFolding)

这个词看上去非常高大上,但它代表的东西很简单——芯片立体堆叠。

换言之,既然如今导线成为了延迟的主要来源,那就将原本铺在平面的电路设计成 3D 结构,避免导线绕路、降低内阻,从而优化 τ 延迟。

这也正是全球主要芯片设计商和制造商们集体选择的道路。

英特尔的 Foveros、AMD 的 3D V-Cache 以及台积电的 SoIC,本质上都是芯片线路立体设计的不同方案。

这样一来,原本「绕几百微米的路」变成了「爬几十微米的楼」,导线的电阻和寄生电容都可以有效降低,优化 τ 延迟、提升宏观频率。

除了通过立体堆叠缩短线路长度之外,整个半导体行业也在不约而同地转向另一项技术:背面供电(Backside Power Delivery)。

根据计算,在 5nm 及以下节点,供电网络本身需要消耗晶圆表面近 40% 的面积资源。

这就导致信号线为了给供电线和其他结构让路,往往需要在布线上反复迂回:

图|哔哩哔哩 @极客湾

再加上自己被晶体管挤压得越来越细,结果就是显著增加信号线的平均长度和寄生电容,导致 τ 延迟失控。

而英特尔的 PowerVia 搭配 RibbonFET 晶体管技术,在试验中可以实现超过 90% 的标准单元面积利用率,极大减少了芯片布线的压力。

目前虽然无从得知华为正在研发何种芯片背面供电网络(BSPDN)技术,但可以明确的是,逻辑折叠技术已经将供电性能考虑在内了:

……在电路层面:采用 LogicFolding 架构打破传统电路布局的物理限制,显著缩短关键路径布线,有效降低信号传播的电阻和电容负载,最终提升晶体管密度和电路性能。

麒麟何时归来

在看过上面一大堆技术术语之后,大家最想知道的肯定只有一件事:

我什么时候能买到?

然而 ISCAS 2026 只是一个技术论坛,何庭波在会上提出的也是一个「定律概念」,两者都更偏向理论指导领域。

而众所周知,理论转换成具有广泛影响力的产品还需要时间。

根据华为官方的介绍,在过去的六年里,华为已基于韬定律设计并量产了 381 款芯片,服务于众多行业、领域和市场客户。

首款采用逻辑折叠技术的麒麟芯片将在今年秋季发布,大概率是 Mate 90 系列产品,可以看作是华为立体堆叠方案在大众市场的首秀。

而到 2031 年,华为基于韬定律设计的高端芯片晶体管密度将会达到等效 1.4nm(14Å)工艺的水平。

直到那时,我们才有机会看到一个「逻辑折叠+背面供电」的华为芯片的终极形态。

值得注意的是,韬定律、逻辑折叠等等技术并不只限于手机——

别忘了,如今的华为电脑、电视、平板等等所使用的芯片,本质上都是麒麟的同源产品。

而更重要的角色,比如未来华为昇腾计算(Ascend)系列的 AI 处理器、计算卡、服务器集群等等产品,无疑将会是韬定律的第一批受益者。

图|华为

同样在 ISCAS 2026 上,何庭波还说道:

……未来一定属于开放合作。在半导体演进的路径上,没有一家企业可以独自完成所有答案。

在韬定律的路径下,我们期待与全球科学家、工程师和产业伙伴紧密合作,共同推动半导体与电子产业持续发展。

当经过反复更新的摩尔定律依然难以客观反映现实的时候,技术行业是时候探索一个新的指导理论了。

#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。



from 爱范儿 https://ift.tt/oDTNJnY
via IFTTT