浭深

xAI正式发布Grok 4.7，还是没赶上这一代顶尖模型

Tue, 22 Sep 2026 16:42:52 +0800

　　美国当地时间9月21日，埃隆·马斯克旗下的xAI正式发布了新一代旗舰模型Grok 4.7。此前，xAI已先后至少5次推迟了该模型的发布时间。

　　作为xAI至今为止能力最强的编码与知识工作模型，Grok 4.7的参数量提升至2.1万亿，相比上一代Grok 4.6的 1.5万亿增长了约40%。在保持输入每百万Token 2美元、输出每百万Token 6美元(与Grok 4.6一致)的价格前提下，实现了输出速度与长时程推理能力的明显提升。

马斯克发帖截图

　　对于这次发布，马斯克在X上评价称，Grok 4.7实现了“智能、速度与低成本的强力结合”。

　　即日起，Grok 4.7已在Cursor、Grok应用、Grok Build中正式上线，同时也已通过Grok API、第三方编码工具框架以及主流云平台全面开放供开发者与企业使用。

　　然而，科技媒体与行业分析师的反应却相对温和甚至克制。多家媒体指出，尽管 Grok 4.7相比Grok 4.6有所进步，但在顶尖模型纷纷跨越新门槛的当前阶段，它的登场更像是一场“反响平平的晚到派对”，依然没能打破由Anthropic Fable 5.1和OpenAI GPT-6 Astra占据的第一梯队格局。

01 跑分比GPT 5.6强，但够不到最前沿

　　从主要跑分轴上来看，模型的整体水平是在上一代OpenAI和Anthropic旗舰和这一代旗舰之间。

　　在多项核心基准测试中，Grok 4.7表现出全面超越前代的进阶实力。在软件工程基准 CursorBench 4.0中取得46.3%得分，虽低于Fable 5.1 Max(51.8%)，但超越了 GPT-5.6 Sol Max(41.7%);在DeepSWE v1.1(高努力模式)和AA Briefcase v1.1(多小时办公)测试中，得分分别达到71.0%与1,657分，均优于前代及部分同级竞品，逼近第一梯队顶尖模型。

　　然而，Grok 4.7 依然栽在了二线模型普遍和一线模型差异最大的Terminal-Bench 4.0上。

　　在多小时终端工作基准Terminal-Bench 4.0测试中，Grok 4.7得分为38.0%，略高于GPT-5.6 Sol Max的37.3%。但远低于Anthropic Claude Fable 5.1的57.9%，甚至不如GLM、Qwen、DeepSeek最新的模型。

　　在具体垂直领域的Benchmark上，Grok 4.7则下了不少功夫，取得的成绩还不错。

　　在电气工程基准EEBench(64.0%)与法律基准Harvey Legal Agent(19.6%)测试中均取得领先，超越了前代及Fable 5.1 Max、GPT-5.6 Sol Max等主要竞品;在临床推理基准HealthBench Professional中得分达56.7%，较前代(48.5%)明显提升，但仍落后于GPT-5.6 Sol Max(60.5%)与Fable 5.1 Max(62.1%)。

　　在模拟专业人员日常文档与演示文稿创建的GDPval评估中，Grok 4.7取得了1,695的Elo得分，超越前代Grok 4.6的1,605与GPT-6 Astra Max的 1,542，仅次于Claude Fable 5.1的1,735。

　　综合来看，在Artificial Analysis综合智能指数上，Grok 4.7取得了46分，在第二梯队上名列第一。

02 训练层面，进步有限

　　就目前发布页的情况看，Grok 4.7整体在训练期间创新不太多。

　　比较明确的策略有，强化学习向高难复杂任务倾斜，采用更长的强化学习(RL)训练阶段，大幅加权了需要数小时才能完成的复杂长任务。

　　原生集成Grok Bot Harness，首次将模型与底层的Grok Bot工具运行环境(Harness)进行原生深度融合训练。

　　注重自我验证与长上下文管理，模型在自我结果验证与长序列上下文保持上的能力得到加强，能够更及时地在错误积累前发现并纠正偏误。

　　这些都是现在前沿模型训练的标准操作。

　　除此之外，Grok 4.7还在训练阶段引入SpaceX独家工程数据，训练集融入了来自SpaceX的星链(Starlink)卫星遥测数据、制造记录与工程故障日志。

　　这也是为什么它在工程Benchmark上表现亮眼的原因，因为自家有数据。

03 便宜这张牌，也不好打

　　从当下来看，价格可能是它相对第一梯队的主要优势。但这个优势其实非常脆弱。

　　Grok 4.7的API基础定价为输入每百万Token 2美元、输出每百万Token 6美元。相比之下，GPT-5.6 Sol Max输入价格为每百万4美元、输出价格为每百万20美元;Fable 5.1 Max输入价格达每百万10美元、输出价格则是每百万50美元。

　　这意味着，Grok 4.7的Token成本仅为GPT-5.6 Sol Max的三分之一到二分之一，仅为Fable 5.1 Max的五分之一到八分之一。

　　但相对于实际能力与Grok 4.7相当的国产模型，这个价格其实整体优势不算大。除了相对于Kimi K3有一些明显价格优势，相对其他模型而言依然很贵。

　　这就使Grok 4.7的定价定位略显尴尬。

　　而且Grok 4.7 本身也有非常严重的过度思考问题。

　　科技媒体The New Stack在分析中特别指出，由于Grok 4.7在长推理阶段输出了更多Token(平均每项任务约8.1万个Token，高于Grok 4.6的3.6万个)，虽然单价较低，但实际复杂任务中的单次总开销可能会因Token输出膨胀而有所上升。

04 马斯克没能fake it until make it

　　“Fake it until you make it”(先装模作样，直到弄假成真)，马斯克一直是这句话最忠实的践行者，但在这个刚刚发布的 Grok 4.7 上，他的预期管理魔法似乎失灵了。

　　按照马斯克一贯的营销节奏，Grok 4.7 的预热原本也是冲着秒杀全场去的。

　　7 月底，他先抛出了硬指标：2.1 万亿参数，规模比上一代大 40%。除了响应速度稍慢，其他方面都会更好。到了 8 月中旬，他直接在社交平台上放话：4.7 将超过市面上所有模型。为了增加说服力，他甚至搬出了 SpaceX 的独家训练数据背书，表示如果在真实工程能力上比不过别人，他“会很吃惊”。

　　但大模型的玄学就在于，哪怕是马斯克，也得向微调低头。

　　9 月初，原本承诺的上线时间变成了“十天后”;到了 9 月 11 日，期限又被推迟成了“还得再煮几天”。马斯克的解释倒是很实在：训练时对长回答的惩罚太狠了，导致模型遇到本能解出的难题也提前罢工，自我检查也漏洞百出。

　　到了 9 月 14 日，官方的“降调”正式开始。马斯克在发帖时话锋一转，把 4.7 的对标对象从“超越所有”默默改成了“大致相当于 Opus 5.0，而不是 5.1”，并承认多模态能力还得继续修补。

　　更有意思的是，他顺手把那些没能兑现的承诺，打包递给了未来的版本：4.8 会有明显提升，4.9 大概能摸到 Astra 或者 Fable 的水平，至于那个“比所有模型都强”的究极形态，可能得等 Grok 5 了。曾经斩钉截铁的“会超过”，变成了满屏的“大概”和“可能”。

　　等到 9 月 21 日正式发布时，马斯克已经完全接受了现实。

　　在宣发上，他不再提什么全面领先，而是坦承公司在智能体编程方面排在 Anthropic 和 OpenAI 后面。如今 Grok 4.7 的核心卖点，已经变成了四个字：便宜好用(速度快、成本低，适合日常干活)。

智谱回应AI编程工具ZCode隐私争议

Tue, 22 Sep 2026 16:40:26 +0800

　　近日有报道显示，多名使用人工智能科技企业智谱开发的AI编程工具ZCode的用户称，发现该工具会未经用户许可，“静默上传”用户的编程开发数据到第三方云服务器，且上传的数据包括整个编程开发过程的历史数据，其中可能有密钥、内部业务信息等对开发者高度敏感的研发资产与隐私信息。

　　记者21日获悉，智谱宣布ZCode正式开源，并就此前社区关注的数据安全问题完成整改。中国信息通信研究院与绿盟科技分别开展安全审计，确认zcode-prod阿里云OSS存储桶及全部数据对象已删除，处于云端零数据状态;ZCode v3.14.0已移除Repo Wiki及本地仓库快照上传链路。

　　智谱同时承诺加强数据保护，MaaS平台近期上线“数据内容不留存”功能，用户输入输出原则上不作静态持久化保存，仅用于当次模型调用。公司将持续发布安全报告并建立漏洞反馈和奖励机制。

　　据此前报道，智谱方面已于18日回应“偷传数据”相关问题称，此事由ZCode“代码库索引”功能引发，该功能在上线后默认开启，但上传的数据只会用于在云端生成Repo Wiki(代码仓库知识库)页面，随后便会被销毁，不会保存。智谱方面同时向受影响的用户道歉，并表示后续会开源ZCode代码库，邀请第三方对系统进行审查并公布审查进展，还会为全体ZCode用户“额外提供一次周额度重置”作为补偿。

宇树科技发布 Dex5-S 五指仿生灵巧手售价 3.99 万元起

Tue, 22 Sep 2026 16:34:31 +0800

　　昨日，宇树科技正式推出 Dex5-S 五指仿生灵巧手。该产品为 Dex5 系列迭代款，采用真人手掌 1:1 尺寸、22 个主动自由度，分标准版与 Pro 版，标准版定价 3.99 万元起;Pro 版搭载触觉感知，支持反向驱动与关节冲击保护，最大瞬时负载 2kg，可完成拧瓶盖、抓取易拉罐等精细操作，原生适配宇树 G1 人形机器人并开放接口兼容第三方本体，面向科研机构、算法实验室与人形整机厂商，服务具身智能物理交互训练。

外观和自由度全面升级

　　Dex5-S 在外形与运动自由度上做了针对性升级，整机重量 620g，尺寸对标成年人手掌，便于在人类生活环境中开展作业。相比上一代产品，新增小拇指侧摆自由度，全手共 22 个主动自由度，拇指 5 自由度，食指、中指、无名指各 4 自由度，五指协同的运动姿态更加贴近人手，能够实现曲面贴合、多姿态抓取，提升机器人处理非规则物体的能力。

　　产品分为标准版和 Pro 版两套配置，满足不同研发需求。标准版主打性价比，基础售价 3.99 万元起，适合常规算法训练与基础实操验证;Pro 版本内置触觉感知阵列，可以获取接触位置与压力信息，实现柔性自适应抓取，能够稳妥拾取玻璃、软质材料等容易破损、形变的物品。

　　性能与安全设计上，Dex5-S 单手最大瞬时负载 2kg，持续作业负载 1kg，采用全关节直驱方案，支持反向驱动，研发人员可手动拨动关节完成物理示教与调试。每个关节配备力矩冲击保护，当发生碰撞、挤压时可缓冲卸力，降低电机、减速器在高强度训练下损坏的风险。供电支持 15–65V 宽电压，配备千兆网口、USB、485 高速通信接口，同时优化热管理，减少长时间连续强化学习训练时的过热问题。

　　官方演示场景中，Dex5-S 可稳定执行拧瓶盖、抓取易拉罐、剪刀裁纸、抛接小型物件等任务，覆盖居家、办公等环境下常见的基础操作。硬件层面原生适配宇树 G1 人形机器人，软硬件可直接配套使用;同时对外开放通信协议和控制接口，支持接入其他品牌人形本体，客户群体覆盖高校科研院所、具身智能实验室、人形机器人整机企业。

　　灵巧手是人形机器人实现物理交互的末端核心部件，也是现阶段行业落地的主要难点。海外同类型高自由度仿生灵巧手普遍存在价格高、交付周期长的问题，一定程度上抬高了国内团队做物理世界实操训练的成本。Dex5-S 没有单纯追求单一性能参数，而是在仿生形态、负载能力、可靠性和采购成本之间寻找平衡点，降低高自由度灵巧手的使用门槛，引导行业研发从单纯的步态验证，逐步转向手部精细操作、真实环境交互的研究。

　　作为宇树人形硬件生态的重要组成部分，Dex5-S 依托企业在关节、机器人本体上的自研积累推出。随着具身世界模型不断迭代，物理世界实操训练的需求持续增长，这类高性价比仿生灵巧手，将为人形机器人在居家服务、商用辅助、轻量化工业作业等场景的后续研发，提供可靠的末端硬件支撑。

刚刚，OpenAI成立独立数学顾问团！100+「已攻克」开放问题待审

Tue, 22 Sep 2026 16:29:17 +0800

　　在一道千禧年大奖难题的解答还在接受数学界审视的同时，超过 100 道长期开放问题也已经被内部模型解决。OpenAI 最新公布的信息描绘了这样的局面。

　　今天早上，OpenAI 宣布与一个独立数学顾问组合作。该组织名为「数学与人工智能顾问组」(Advisory Group on Mathematics and Artificial Intelligence，AGMAI)，由普林斯顿高等研究院托管。它眼下的一项任务，是针对 OpenAI 内部模型产生的大量数学结果，就评估、审查和发布方式提出建议。

　　OpenAI 此举回答了一个更棘手的问题：当 AI 生成数学成果的速度超过同行评议和学术传播能够承受的速度，数学界该怎样接住这些结果?

百道难题，突然变成了发布难题

　　OpenAI 称，公司从 8 月 28 日开始训练一款新的内部模型。除了此前公布的纳维 — 斯托克斯方程千禧年大奖难题解答，这款模型已经解决了横跨数学多个领域的 100 多道长期开放问题。其进展速度甚至令 OpenAI 内部的数学家感到意外。

　　9 月 8 日，OpenAI 公开了纳维 — 斯托克斯问题的论文和 Lean 形式化证明。按照公司的说明，内部系统构造了一个有限时间内形成奇点的解，由此证明克雷数学研究所官方表述中的 C 和 D 两种情形。OpenAI 同时表示，无意申请这项千禧年大奖。

　　这里需要保留一个重要限定。「解决 100 多道开放问题」目前是 OpenAI 对内部研究结果的陈述，相关成果尚未全部公开，也没有全部完成数学共同体的独立审查。顾问组自己的措辞同样谨慎：这些结果是 OpenAI「报告称」由其内部模型产生的。

　　这种谨慎有现实原因。一份证明从生成到成为公认的数学成果，中间还要经历专家核查、补充论证、追溯相关工作和公开讨论。即使形式化工具能够检查推导过程，也无法独自回答成果是否真正新颖、采用了哪些已有思想，以及怎样把证明转化为数学家可以理解和继续使用的知识。

　　模型解决问题的速度越快，这段看似传统的学术流程就越容易成为新的瓶颈。

数学家担心，难题会变成 AI 的「耗材」

　　这次合作出现之前，数学界已经公开表达不安。

　　9 月 11 日，多位菲尔兹奖得主参与发布公开信《人工智能在数学领域的严重错位》。信中批评 AI 公司把开放问题当作能力基准，认为这种竞争可能给数学研究和数学共同体带来负面影响。

　　争议的核心并非要把 AI 挡在数学之外。公开信承认，AI 有望加速真正的数学研究与理解。数学家们担忧的是，持续追逐「又解决了多少道题」，可能让结果数量压过概念理解。

　　一项重要成果通常需要在报告、讨论和反复修改中逐渐成熟。研究者会辨认其中的新方法，将它放进已有知识体系，厘清与前人工作的关系，再把复杂证明整理成同行和学生能够掌握的形式。如果解答集中出现，学界很难及时完成这些工作。仓促公布也容易引发归属、引用和学术信用方面的争议。

　　开放问题在数学研究中还有教育价值。许多问题经过精心选择，被用于训练年轻研究者的判断力和创造力。当它们被批量转化为模型测试集，原有的研究生态也会受到影响。

　　OpenAI 在公告中直接回应了这封公开信，并承认 AI 公司需要与数学界进行更审慎的沟通。AGMAI 正是在这一背景下走到台前。

九位数学家，将参与决定成果如何进入公共视野

　　顾问组的首批成员共有九人，包括 François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten 和 Melanie Matchett Wood。成员分别来自巴黎高等师范学院、普林斯顿高等研究院、剑桥大学、洛桑联邦理工学院、加州大学伯克利分校、牛津大学、斯坦福大学和哈佛大学等机构。

　　按照 OpenAI 公布的安排，顾问组将协助判断新成果的重要性，讨论结果如何协调发布，并就数学研究应遵守的学术与职业规范提供意见。它也会关注 AI 工具怎样支持数学研究和教学，让数学家能够用这些工具继续发展自己的问题和想法。

　　顾问组网站给出了更明确的独立性安排。成员不接受 AI 公司的报酬，面向 AI 公司的建议将公开发布;其服务对象也不限于 OpenAI，只要一家公司的模型可能对数学产生重大影响，顾问组都愿意提供建议。该组织可以自行调整成员，并邀请数学界就 OpenAI 这批成果的发布问题提交意见。

　　这份独立性也有清晰边界。顾问组没有任何 AI 公司的决策权，最终责任仍由公司承担。它也不会参与决定 OpenAI 内部数学能力的发展速度。

　　换言之，数学家获得的是发言、评议和公开批评的空间，没有成果发布的否决权，更无法控制模型继续推进研究的节奏。这一安排能发挥多大作用，将取决于 OpenAI 是否采纳建议，以及双方出现分歧时，信息能否得到充分披露。

数学研究正在迎来一个新的治理问题

　　过去，人们讨论 AI 与数学，注意力往往集中在模型能不能证明一道题。如今，问题的重心开始向后移动。

　　一篇机器生成的证明需要由谁核验，验证工作如何获得学术认可，相关思想怎样追溯来源，集中出现的成果以何种顺序公开，都将影响数学共同体能否消化这轮能力跃升。处理失当，研究人员可能被海量证明淹没;处理得当，AI 有机会成为拓展数学理解的研究工具。

　　AGMAI 的成立说明，开放问题已经无法继续充当一把简单的模型能力标尺。每一道被「解决」的难题背后，都连接着研究传统、人才培养和知识传播。答案出现得更快，并不会自动带来更深的理解。

　　这个顾问组只是第一步。真正的考验，将发生在首批成果陆续公开之后：数学界能否独立验证这些证明，研究者能否从中提炼出可理解、可复用的新思想，AI 公司又是否愿意为严谨的学术过程留出足够时间。

　　如果 OpenAI 对百余道开放问题的判断最终得到确认，数学研究面对的将是一场罕见的速度冲击。届时，最稀缺的资源可能不再是给出答案的能力，而是人类理解、审查并承接这些答案的时间。

AMD市值突破1万亿美元！

Tue, 22 Sep 2026 16:23:26 +0800

　　一天暴涨将近 10%，AMD 的市值冲过了 1 万亿美元。

　　就在昨天，AMD 收盘报 615.52 美元，历史新高。盘中一度摸到 616.69 美元，市值站上万亿。

　　AMD 自此成为第四家市值过万亿的美国芯片公司。前三位分别是英伟达、博通和美光。

　　放眼全球，台积电和三星今年先后破了万亿，AMD 排在第六。但它是第一家同时做 CPU 和 GPU、靠「卖整套系统」挤进这个圈子的。

　　英伟达 2023 年就过了万亿，如今市值超 5.4 万亿美元，全球最值钱。

　　AMD 这张入场券，晚了整整三年。

　　2014 年苏姿丰刚接手 AMD 的时候，股价一度跌到 2 美元以下。

　　那几年业内讨论的话题是：这公司还能撑多久?

　　当时，英特尔的市值大约是 AMD 的 30 倍。

　　十二年过去，AMD 股价涨到了 600 多美元。英特尔现在市值约 6440 亿美元，反过来被 AMD 超了。

　　30 倍的差距，倒过来了。

　　AMD这波涨势很猛，连涨 5 个交易日，5 天累计涨了约四分之一，周一一天成交量就有 4400 万股。

　　今年以来涨幅约 185%，同期纳斯达克只涨了 15.8%。

　　假设年初拿 1 万美元买 AMD，现在值 2.85 万。

　　周一不止 AMD 一家大涨。英特尔涨了约 12%，Arm 涨超 15%，费城半导体指数涨 2.7%，创一个多月新高。

　　整个芯片板块集体沸腾。

　　Great Hill Capital 的董事长 Thomas Hayes 说了句大实话：钱正在重新回到 AI 交易里，AMD 就是代表。

　　在他看来，经济放缓的时候，投资者只敢把钱押在确定还在长的东西上——今年的答案还是 AI。

　　那 AMD 凭什么接住这笔热钱?

从卖芯片到卖整柜

　　这是最关键的一步棋。

　　以前 AMD 卖的是一颗颗芯片：CPU 或者 GPU，客户拿回去自己攒机器。

　　现在不一样了。

　　今年 7 月，AMD 正式发布了 Helios 机架方案，把自家的 MI455X GPU、EPYC「Venice」CPU、Pensando 网络设备和 ROCm 软件打包成一整个机柜。

　　72 颗 GPU、18 颗 CPU、31TB 的 HBM4 内存，单柜算力达到 2.9 EFLOPS。

　　打个比方：以前它只卖发动机，现在直接卖整车。而且是性能车。

　　这一步，AMD就是冲着英伟达的腹地去的。

　　英伟达这些年赚大钱，靠的就是整套系统加上 CUDA 软件生态，客户买回去插上电就能跑。

　　现在 AMD 也端出了自己的全家桶。

　　客户已经排上队了。

　　OpenAI 签了 6GW 的多代合约，Meta 也是 6GW，Anthropic 承诺部署最多 2GW，微软和 Oracle 也上了车。

　　对模型公司来说，多一家能整柜交货的供应商，跟英伟达砍价的时候手里就多了一张牌。

　　更有意思的是软件那道坎也在松动。

　　有个故事在圈子里传得很广：AMD 给 Anthropic 送去一台 MI355X 机架，工程师让 Claude 自己去把这台机器调通。

　　一个周末过去，人回来一看——

　　Claude 已经把 Anthropic 最强的模型跑在了 AMD 硬件上，全程没有人写一行代码。周一看性能曲线，整个周末一直在往上爬。

　　英伟达花 20 年攒下的 CUDA 生态，一直被认为是别家芯片最难跨过去的护城河。

　　现在 AI 自己能做适配，这道护城河就不那么宽了。

Agent 时代，CPU 翻身

　　以前，大家习惯把 AI 等同于 GPU。

　　没错，训练模型靠 GPU。

　　但模型上线干活——也就是推理，服务器里一定要有 CPU 跟 GPU 搭档。

　　Agent 帮你搜网页、比价格、填表单、下订单、调各种 API。模型负责「想」，但很多具体动作，发网络请求、处理数据、调用工具全是 CPU 在跑。

　　Agent 越多，CPU 就越吃香。

　　就在 AMD 破万亿这天，周一芯片股集体爆发的导火索之一，就是 Meta 的 AI Agent 应用 Muse 冲上了苹果 App Store 美区免费榜第一。

　　上线 12 天，下载量超 90 万，超过了 ChatGPT。

　　这个信号太直接了——用户真的在用 Agent，推理需求是真的，CPU 的需求也是真的。

　　而服务器 CPU 这个市场，过去基本是英特尔一家的地盘。AMD 的 EPYC 芯片正借着这股东风，一口一口地抢下份额。

　　今年二季度 AMD 营收 115.4 亿美元，同比涨 50%。

　　其中数据中心业务 67 亿美元，同比暴涨 107%——一年翻了一倍还多。

　　苏姿丰在财报电话会上说，预计 2027 年数据中心业务还能再翻倍到 700 亿美元左右。

地基又多了一家

　　话说回来，AMD 现在的远期市盈率约 41 倍。按未来一年预期利润算，投资者愿意为它每赚 1 美元先付 41 美元。

　　这个数字看着不离谱，比它自己过去十年均值 44 倍还低一点。

　　可英伟达才 16 倍左右。同样赚 1 美元，市场给 AMD 的定价是英伟达的两倍半。

　　英伟达的市值是 AMD 的五倍多，它们之间还有很远的距离。

　　但 AMD 破万亿真正的分量在于：资本开始相信，AI 算力这门生意养得活不止一家万亿公司。

　　Agent 越来越多，它们跑在芯片上、机柜里、数据中心里。

　　做模型的公司谁都不想把全部身家押在一个供应商身上，这给了 AMD 机会——英伟达之外，第二家拿到万亿估值的算力公司出现了。

　　通往 ASI 的这段路，算力是地基。

　　现在地基上站着的万亿公司，又多了一家。

消息称iPhone Duo的整机良率仅为60%多

Tue, 22 Sep 2026 16:16:41 +0800

　　9月21日消息，iPhone Duo还没上市，量产难题已经摆上了桌面。

　　据界面新闻报道称，目前富士康组装iPhone Duo的整机良率仅为60%多。按照苹果现有的质量标准，整机良率达到成熟水平可能还需要半年甚至一年。

良率偏低不是技术没解决，是产线还没跑顺

　　良率偏低并不完全是某项技术没有解决，而是苹果首次量产折叠屏手机，生产线仍需要在实际运行中反复调整设备、工序和参数。产线不是有技术、有设备就能直接做好，需要一边生产一边调试。

　　这句话点出了折叠屏量产的核心问题。技术方案可以在实验室验证，但量产能力只能在产线上磨出来。iPhone Duo增加了折叠OLED面板、铰链、双电池等全新零部件，每一个都是新的变量，变量叠加后误差控制难度呈指数级上升。

　　普通iPhone经过多年迭代，生产线和工艺参数已经相对成熟。iPhone Duo相当于重新建立一套制造体系。压力、温度、贴合位置、铰链装配精度以及不同批次材料之间的微小差异，都可能影响最终结果。

上游延误压缩下游时间

　　除了富士康整机组装良率仍在爬坡，三星显示提供的OLED面板以及铰链相关零部件，此前也曾出现良率不足、交付推迟和方案调整。任何一个上游环节延误，都压缩了后续组装厂调试产线的时间。

　　据瑞穗证券9月3日的研报提到，铰链规格、屏幕折痕问题拖累苹果折叠屏整机量产进度，苹果需要权衡品质标准，才能推进全面量产。

　　苹果一度测试在部分铰链零件中使用液态金属，但相关方案在量产前仍经历了重新评估。一旦中间切换零部件材料或者生产工艺，其他供应商就需要重新打样、验证和生产，新供应商不可能马上把产量顶上来。

苹果预留了更长的爬坡期

　　iPhone Duo的上市节奏明显慢于往年。9月10日发布，10月16日预售，10月23日发售。从发布到预售36天，从发布到上市43天，比以往多出约一个月。

　　过去五年，苹果秋季旗舰iPhone从发布到预售平均只有约3天，从发布到上市平均约10天。iPhone Duo的时间间隔被大幅拉长，说明苹果对量产难度有充分预期。

　　今年的备货目标约为600万至800万台。相比之下，一款主流的Pro或Pro Max机型，单个产品周期的出货量通常能达到2000万至3000万台。苹果给出的销售指引超过500万台，约占2025年全球折叠屏市场总量的四分之一。

一块屏幕占整机成本1/8

　　折叠屏的成本结构跟直板机完全不同。据显示产业供应链消息，三星显示和苹果签下三年独家供货协议，单块折叠OLED面板采购成本高达250美元，折合人民币约1800元，占整机成本的1/8。

　　250美元的定价背后是制造门槛。折叠面板要做超薄柔性玻璃复合贴合，优化微观偏光层，反复做弯折疲劳测试。前期品控标准拉满，良品率偏低，报废损耗居高不下，制造成本是普通直板OLED面板的好几倍。

　　这块7.6英寸内屏还首次用上代号M16的全新发光材料体系，在峰值亮度、色彩纯净度、发光元件寿命和功耗控制上实现跨越式升级。但新材料意味着新工艺，新工艺意味着新风险。

10层薄膜的复杂堆叠

　　iPhone Duo内屏由10层超薄薄膜组成，每一层各司其职。最外层特制聚合物硬度比行业竞品高出40%，表层叠加抗刮专用涂层。纳米蚀刻做出磨砂漫射效果，弱化折痕视觉痕迹，但会降低透光率，苹果主动拉高屏幕基础亮度弥补，进一步抬高成本。

　　屏幕上下两片基板均使用超薄玻璃UTG，底部嵌入钛金属支撑板，增设碳纤维补强层。层与层之间采用自研粘弹性粘合剂，让各层材料在机身开合时像翻书页一样小幅滑移，卸掉剪切应力。

　　这套复杂结构能否经受住长年累月的反复开合考验，仍需要更长时间的实测验证。

中国供应链的关键角色

　　iPhone Duo的量产离不开中国供应链的深度参与。

　　蓝思科技独家开发纳米纹理UTG玻璃，全面供应UTG玻璃、CPI膜、UTG玻璃支撑板及3D玻璃盖板。领益智造供应铰链精密结构件、屏幕支撑板、超薄VC均热板以及带法兰超薄不锈钢电池壳模组。珠海冠宇供应电芯，强瑞技术参与检测设备和精密治具，荣旗科技参与VC散热检测。

　　屏幕支撑板需要在展开时提供支撑、防止中间区域下陷，折叠时又不能阻碍屏幕按设定半径弯曲。铰链由100多个零件组成，需要控制开合阻力、决定弯折半径、托平屏幕中央，还要兼顾轻薄、耐用和防尘防水。

　　双电池分布在机身两侧，电池壳采用超薄不锈钢板精密冲压或深拉伸制成，边缘形成法兰用于焊接密封。太薄容易起皱开裂，太厚占用电池空间。两块电池壳外形和空间条件不同，对尺寸精度和平整度要求更高。

Kimi首次通过分成模式，向美国云巨头输出模型能力

Tue, 22 Sep 2026 16:12:29 +0800

　　亚马逊云科技(AWS)当地时间9月18日宣布，月之暗面开源大模型Kimi K3正式登陆其人工智能(AI)大模型平台Amazon Bedrock。全球企业开发者可通过该平台直接调用。此举标志着此前传闻的Kimi与海外云厂商收入分成合作正式落地。

　　这也是中国大模型公司首次以分成模式向全球三大云厂商输出模型能力。

　　据第一财经21日报道，月之暗面还在与其他多家海外云厂商推进收入分成合作。

　　根据AWS网站发布的信息，Kimi K3是月之暗面目前能力最强的模型，也是首个参数规模达到2.8万亿的开放权重模型，支持原生视觉能力，并配备100万Token上下文窗口，可用于大型代码库编程、多文档分析以及AI智能体工作流。与上一代Kimi K2相比，其扩展效率提升约2.5倍。

　　AWS表示，在Amazon Bedrock上运行Kimi K3时，该模型与闭源专有模型处于相同的安全边界内，用户可以针对模型组合使用统一的访问控制、加密和审计机制。此外，Kimi K3还是Amazon Bedrock首个支持显式提示词缓存的开放权重模型，可以通过重复利用上下文降低延迟和输入成本。

　　Kimi K3正式入驻Amazon Bedrock，标志着月之暗面为Kimi探索出一种新的海外商业模式，即将模型交由海外云厂商部署，产生商业收入后，再从中分成。通过这种类似“模型收租”的模式，月之暗面正在尝试把Kimi的海外使用量变成一种商业资产。

　　过去一年，中国模型出海的首要目标是让海外开发者先“用起来”，通过开放权重、降低API价格、进入Hugging Face和OpenRouter，尽可能地进入更多平台。

　　但当模型在海外形成规模后，如何持续赚钱成为新的问题。

　　此前，月之暗面已与中国IT服务商中软国际达成了类似协议，对Kimi大模型产生的Token收益及其他合作衍生收入进行分成。

　　有此作为铺垫，外媒8月底爆料称，月之暗面正在与微软、亚马逊和谷歌等海外厂商洽谈，希望让Kimi K3进入Azure、AWS和Google Cloud，并按照云平台销售K3相关服务产生的收入进行分成，月之暗面提出的比例最高可达30%。

　　与此同时，月之暗面已经开始在规模较小的云平台上试水类似模式。

　　目前，Kimi K3已经进入Together AI、Fireworks、DigitalOcean、Modal、Baseten、DeepInfra等一批海外推理服务商，公开可见的Provider已超过10家。

　　其中，一部分并非简单的API转售商，而是直接拿到K3开放权重，使用自己的GPU集群部署模型，自行负责模型并行、推理优化、显存管理和扩缩容，再向客户出售Token服务。

　　例如，Together AI此前宣布使用美国本地基础设施原生提供Kimi模型;Modal则与月之暗面及vLLM合作，为K3提供上线即用的支持;DigitalOcean也披露，其上线K3需要自行选择硬件、调整推理技术栈并完成模型优化。

　　这意味着月之暗面可以借助海外云平台的算力和客户渠道扩大模型的使用规模，同时减少自己在全球铺设推理基础设施的成本。

　　这种思路并非月之暗面独有。据报道，阿里也在考虑针对大型Qwen商业用户采用收入分成模式，并对大型MaaS及AI办公助手业务设置额外商业授权条件。MiniMax同样对达到一定收入规模的商业用户设置重新授权要求。

　　不过，也有一批中国AI企业采取了不同的路线。腾讯的Hy4 preview和阶跃星辰Step 3.7 Flash均采用标准Apache 2.0协议，DeepSeek V4 Pro继续使用MIT License，均没有针对大型MaaS业务设置类似的收入门槛。

　　对模型公司而言，“开放权重+收入分成”模式的吸引力在于，可以把全球云厂商变成自己的销售和基础设施伙伴，获得收入分成，而无需独自承担全部推理成本。

　　但这套模式能否长期成立，仍取决于模型的竞争力和不可替代程度。随着开放模型迭代速度越来越快，如果其他模型能够以更低成本提供相近性能，同时采用更宽松的许可证，云厂商和开发者就可能会选择替代选项。

拿下开源生图第一，千问Qwen-Image-2.1把生图卷出新高度

Mon, 21 Sep 2026 16:19:38 +0800

　　AI 写代码的能力经常能让开发者「双手离开键盘」，但对于设计师而言，AI 生成的图片距离能交稿总是差了好几步。

　　在图像设计的工作流中，人物需要抠图、素材需要改字、各种商品的摆放要时不时调整，但包装上的字、瓶身的形状不能跟着变。如果需求不停调整，还得继续修改局部，让整张图保持协调。

　　这些细节决定了 AI 生图能否进入真正的创作流程。对设计师、电商运营和内容创作者来说，如今图像模型的瓶颈，在于每一次提出的修改指令能否准确完成。

　　本周日，阿里千问正式开源图片生成模型 Qwen-Image-2.1，以小模型的体量解决了大部分生产力难题：它实现了文生图与图像编辑一体化，原生支持透明图生成，最高可以接收 10 张参考图，还进一步强化了局部编辑、人像与商品保真。

　　它成为了千问图像系列当前最平衡、性价比最高开源生图模型。公开评测结果显示，Qwen-Image-2.1 取得开源模型第一，得分甚至超过了 Nano Banana 2.0。要知道，这个模型的视觉生成部分参数量仅为 7B。

　　在 X 等平台上，已经有提前获得体验资格的用户放出了生成结果，大家一阵好评。有包含大量文字内容的效果图：

　　生成出真实照片质感图片的：

　　也有尝试各种不同滤镜、打光风格的：

　　人们认为 Qwen-Image-2.1 在指令遵循、抽卡成功率以及实际效果上都令人印象深刻。基于新模型的能力，我们已经可以串起素材生成、组合与修改的工作流，用 AI 来解决很多复杂的修图问题。

能力与效率

　　据介绍，Qwen-Image-2.1 的视觉生成部分采用 20 层 Single-Stream DiT，参数量为 7B，原生支持 2K。该模型在评测基准中实现了超越体量的水平：Qwen-Image-2.1 的总分为 60.28。相比之下，Nano Banana 2.0 为 59.82，GPT Image 1.5 为 59.65。它已经能够与多款闭源图像模型同场竞争。

Qwen-Image-Bench 评测图表。

　　视觉生成部分仅有 7B 参数，也让这样的能力水平更值得关注：其在较小的生成模块中同时容纳了生图、透明素材生成与多图编辑能力(生成和编辑统一管线)，为开发者部署和定制图像工具提供了更轻量的起点。

　　性能不错的同时，Qwen-Image-2.1 还对模型的推理过程进行了优化，核心思路是减少不必要的重复计算。

　　在一次图像编辑中，输入的参考图和编辑指令不会随着每一步生成而改变。因此，新模型使用混合粒度注意力结构，文本部分(系统前缀、编辑指令)遵循传统 Token 级因果掩码，逐词进行严格的序列计算以保证语义逻辑理解的连贯性，图像生成部分则采用 Chunk 级掩码，并通过 KV Cache 的机制在首步计算后缓存这些静态上下文，供后续生成步骤复用。

　　这意味着 AI 现在会先处理好参考材料，在逐步生成目标图片时重复利用已有结果，这种优化在多图片输入时效果更为明显，有助于提升推理效率、降低显存开销。

　　因为现在 Qwen-Image-2.1 最多支持 10 张参考图了，这项优化就显得至关重要。输入内容越丰富，如何处理参考信息、控制重复计算就越值得关注。至于具体能节省多少时间和显存，还需要结合硬件、精度、分辨率与输入数量来判断。

直接生成可用透明素材

　　要说新版本 Qwen-Image 最贴近设计需求的能力，那就是透明图生成了。

　　常规的图片素材通常带有完整背景。要把其中的主体用到海报、商品详情页或另一张图片里，往往需要先抠图，处理轮廓、缝隙和边缘。透明图片则包含额外的透明度信息，能让背景从主体周围或部分区域透出来，方便后续叠放和组合。

　　Qwen-Image-2.1 原生支持透明图生成，可以依据提示词自动决定生成的是普通图片还是透明图，用户在描述素材时就能提出透明背景的要求。目前展示的样例包括节庆插画、人物素材、装饰元素，以及由多个对象构成的复杂组合，对应的都是设计工作里常见的素材需求。我们也尝试了一下：

　　对于创作者来说这是个好消息，现在我们可以得到直接可用的素材了，工作直接少了几道工序。

　　当然，这些透明素材生成之后也能继续修改。比如同一个插画人物可以调整表情，图片中的文字可以修改内容。编辑对象既可以是人物的视觉细节，也可以是素材中的文字。

　　这与设计时的真实修改需求很接近：活动名称换了，图案仍然需要保留;表情要更轻松一些，人物仍然要能被识别为同一个角色。生成与编辑被放进同一模型后，这些后续要求也有了统一的处理入口。

　　当然，Qwen-Image-2.1 支持对已有照片进行处理。

　　官方给出了从真实照片中提取所需内容、得到 RGBA 透明图的案例。其中的 A 代表透明度通道，用来描述图片各处的透明程度。

　　可见，这项能力既服务于从零开始生成，也覆盖了已有图片的再利用。创作者可以先提供照片，再要求模型提取其中需要的主体，作为后续设计的素材。

　　Qwen-Image 系列此前曾推出独立的 Qwen-Image-Layered，探索透明图相关能力。此次 Qwen-Image-2.1 则将原生透明图生成与编辑整合进通用图像模型，进一步提升了便利性。

多图编辑需要的准确，开源 AI 模型也有了

　　当一张图的需求来自多个对象，编辑任务会进一步复杂化。

　　例如，如果想把指定的衣服、鞋子、包包和帽子穿戴到同一位模特身上，每一张参考图都有不同作用，模型就需要区分人物与商品，将它们放到合理的位置，并尽可能保留各自的特征。

　　Qwen-Image-2.1 最高支持 10 张参考图输入。我们试了试，让奥特曼和达里奥坐下来谈谈。使用了 7 张图片：两个人对峙的照片(改个表情)、背景房间、单人沙发、咖啡杯(倒上咖啡)、落地灯、电壁炉、矮桌，最终生成一张完整的效果图。

　　不同的衣饰穿戴现在也能快速给一个人穿搭上看效果，你现在也能把不同的单人拍照组合成多人合照。

　　技术上，它们考验的不只是 AI 模型能接收多少张图片的输入，还包括参考对象能否在最终画面中各就其位，比例、位置和整体风格是否协调。

　　组合出了整体画面，接下来通常还有局部调整。

　　Qwen-Image-2.1 提供圈选、涂抹和独立掩码等方式，让用户更明确地表达编辑位置。比如你可以用几种颜色标出不同区域，要求一次修改同时去掉照片中人物的部分穿戴、把头发改色。

　　这种交互让空间位置与文字要求建立起对应关系。对于涉及多个区域的编辑，用户可以分别指出哪里需要删除、哪里需要替换，以及希望改成什么。

　　涂抹方式则适合直接标出新增对象的位置，但直接在原图上圈选或涂抹也会遮住一部分画面。为此，模型还支持通过额外的掩码图片指定编辑区域，这让原图信息能够完整地输入模型。对于包含人物和商品的设计来说，这种保留能力尤为关键。

文字准确性、画面质感

　　换了发型或场景，人像仍应保有原来的身份特征;商品换了摆放环境，包装文字、纹理和形状也需要尽可能一致。否则，画面即使好看，也可能无法用于原本的展示任务。Qwen-Image-2.1 重点介绍了人像与商品两类场景的编辑保真能力，看起来效果还不错。

　　我们尝试了一下，比如让它把小学《信息科技三年级上册》的这页截图里面，DeepSeek 的欢迎语「我是 DeepSeek，很高兴见到你!」改成「你好，我能帮上什么忙吗?」，再把深度思考(R1)改成最新版本的深度思考按钮，再点亮：

　　在生成和编辑之外，Qwen-Image-2.1 也继续改善了在文字与人物上的表现。不论是文字密集的图文页面、信息图、论文配图，内容的准确性和排版美观程度都被提升到了一个可观的程度。

　　人像部分，Qwen-Image-2.1 进一步增强了光影与细节表现。现在 AI 生成的图像不论是人物的发丝、服装纹理、面部细节还是环境光线都变得更加协调，画面质感更加细腻了。

　　另外还有更好的全景图生成、信息图、三视图、分镜图生成能力，它们拓展了静态图像生成和编辑的应用范围，为角色展示、视觉策划等任务提供了更多可能。我们试了一下，使用社区制作的 Qwen 二次元形象生成一系列分镜插画：

　　这些能力组合在一起，让 Qwen-Image-2.1 覆盖了更为完整的图片处理链条，现在我们可以基于一个 AI 模型完成大量工作，先使用多张参考图组织画面，再对区域进行调整，同时尽量保留人物与商品的关键特征。一个视觉生成部分仅有 7B 的开源 AI 最终能把返工减少到什么程度，将是后续实测中值得关注的问题。

应用空间有多大?

　　Qwen-Image-2.1 的发布让我们看到，图像模型正在覆盖创作流程中更多的细化环节，而且这个趋势在变得越来越快。

　　不论是透明素材的输出，多图参考、局部编辑与保真度能力的提升，都增加了 AI 模型进入实际工作流程的可能性。对于创作者而言，这意味着更多的素材制作和调整工作，都可以通过更简单的方式交给开源生图模型完成;而对开发者们来说，新模型开源也为围绕这些能力构建设计工具、应用和定制工作流提供了新的基础。

　　我们可以大胆预测下，随着 Qwen-Image-2.1 这类图像模型的开源，社区还会进一步把生成与编辑能力融入更多内容制作场景，让更多人用上适合自己需求的创作工具。当这些 AI 能力成为日常软件中随手可用的功能，从想法到视觉作品的门槛，或许就能再次大幅降低。

　　目前，Qwen-Image-2.1 的开放权重已发布至 Hugging Face 与 ModelScope，技术报告已上传至 GitHub 仓库。

黄仁勋：“AI末日论”纯属别有用心

Mon, 21 Sep 2026 16:16:29 +0800

　　在美国科技圈就AI潜在威胁的话题辩论不休之际，英伟达CEO黄仁勋坚定且高调地站在“AI末日论”的反对方一边，并且指责当前美国头部前沿AI实验室负责人的警告过于虚伪、别有用心。

AI科技企业领袖的警告“别有用心”?

　　就在上周，美国一众头部前沿AI实验室负责人集体发声，主张放缓AI研发节奏，直至完善风险防控措施。这些人声称，如果不对AI加强监管，他们所研发的产品可能将以多种方式危害人类。

　　美东时间周日，黄仁勋在接受电视新闻采访时，指责这些AI科技圈领袖的警告过于虚伪。

　　“读懂字里行间的潜台词就知道，”黄仁勋谈及AI行业领袖呼吁政府监管行业时说道，“他们实际上不是要求出台更多新法规，而是希望豁免现有法律的约束。”

　　“他们这么做必定别有用心。”他补充道。

　　黄仁勋表示，自己并不清楚这些背后动机究竟是什么，但拿这项技术恐吓大众的做法，既不负责任，也毫无必要。

　　在采访中，黄仁勋还重申此前的担忧：若美国本土实验室放慢研发脚步，将在全球AI竞赛中拱手让出优势;而且AI实验室无需政府指令，自行就能决定放缓进度。

　　“我们不需要更多监管，”黄仁勋表示，“我们需要落实好现有的监管法规。”

特朗普政府站在相同立场

　　黄仁勋周日的此番表态与特朗普观点相呼应。特朗普上周六称，无需出台新监管规则，就能保障这项技术安全。

　　“我们绝不会以任何方式阻碍、扼杀这个非凡产业的发展。”总统在其社交平台Truth Social上发文表示。

　　白宫科技政策办公室主任迈克尔·克拉齐奥斯(Michael Kratsios,)还公开反驳了科技企业领袖们的另一观点：科技企业需要政府介入，才能保证AI模型安全。

　　他在周日接受采访时称，如果AI实验室认为自家产品存在危险，大可以直接停止研发。

美国关于AI监管形成两大阵营

　　上周，美国AI界领头羊、Anthropic首席执行官达里奥·阿莫迪发表了一篇题为《我们必须把控前沿发展节奏》的文章。在他看来，该方案能够强化安全防护，确保AI始终处于人类工程师的掌控之下。

　　这篇文章提出了三点方案，其中一条就是呼吁美国政府出于反垄断考量，对前沿AI实验室实施监管。

　　阿莫迪的文章得到OpenAI首席执行官萨姆·奥尔特曼与SpaceX首席执行官马斯克的转发支持。

　　然而，曾经与这些AI领军企业亲密合作的英伟达，这次却站在了这些科技企业的对立面。英伟达CEO黄仁勋已成为当前美国科技圈反对AI新增监管的核心声音，与特朗普政府立场一致。

　　这意味着当前美国科技圈就AI监管问题已经分为了泾渭分明的两大阵营。

Apple Watch 睡眠呼吸暂停提示获批，国内上线又近一步！

Mon, 21 Sep 2026 16:10:45 +0800

　　很多人买 Apple Watch，看中的就是它的健康和运动监测能力。对国内用户来说，今年这方面又有了新进展。

　　继 3 月「房颤历史」正式上线之后，Apple Watch 的「睡眠呼吸暂停迹象提示」也获批了!

　　根据国家药品监督管理局 9 月 4 日的公示信息，苹果这项健康功能已经通过审批，距离向国内用户开放又近了一步。

　　简单来说，「睡眠呼吸暂停迹象提示」就是戴着 Apple Watch 睡觉，让手表帮你留意睡眠期间是否持续出现呼吸异常迹象。它依靠加速度传感器，捕捉睡眠时与呼吸中断相关的细微手腕动作，再据此统计呼吸紊乱指标。

　　它不是一次呼吸中断就立即报警，而是以 30 天为周期分析数据。如果持续监测到中度至重度睡眠呼吸暂停相关迹象，才会向用户发送通知。

　　相关数据和报告会保存在 iPhone 的「健康」App 中，用户可以带着报告去医院，供医生进一步了解情况。

　　这类功能的意义，在于让一些原本容易被忽略的问题得到关注。睡眠呼吸暂停并不只是睡得不好，长期未得到干预，还可能增加高血压、心血管疾病等健康风险。

获批了，什么时候能用?

　　上一次「房颤历史」是在去年 12 月获批，今年 3 月才正式上线，中间隔了几个月。所以，这次的睡眠呼吸暂停提示，目前应该理解为「已经获批，等待上线」，而不是现在就能打开使用。

　　如果参考房颤历史的节奏，大家大概率年底前就能用上，但这只是参照此前情况作出的推测。

健康功能在补齐，其他差异还在

　　从 ECG 心电图，到今年上线的房颤历史，再到这次获批的睡眠呼吸暂停提示，国内 Apple Watch 的健康功能确实在逐步补齐。

　　等这项功能正式开放后，国内用户与部分海外地区用户之间的差距又会缩小一些。接下来比较受关注的，就是目前国内尚未开放的「高血压通知」。

　　而在健康功能之外，国行/国内使用 Apple Watch 还有两项体验差异。

　　一项是 AI。Apple Intelligence 目前尚未在中国大陆上线，相关体验也就还要继续等。

　　另一项则是硬件方面的限制：充电速度。受 WPT(无线电力传输)法规要求影响，国行机型现在采用符合 WPT 标准的充电方案，随附的充电线不支持快速充电，包括本月刚发布的 Apple Watch Series 12。

　　按照官方公布的规格，国行 Series 12 充至 80% 电量，大约需要 1 小时。支持快充的港版则约需 30 分钟。

　　而且充电线也不通用。WPT 充电线有对应的兼容机型，给不兼容的 Apple Watch 充电时，会出现无法充电的提示，国行 Apple Watch 换根外版充电线也无法开启快充。

　　总体来看，睡眠呼吸暂停提示获批是个好消息，尤其是对当初冲着健康功能买 Apple Watch 的用户来说，接下来就期待高血压通知也能尽快获批上线!

浭深