想买个 NAS ，自己装个算力卡，跑跑端侧 AI 啥的，求推荐一个靠谱的商家， 销售一体机方案的，如果有技术支持能力就最好了。
1️⃣iPhone with 12g ram ，包括 iPhone Air ，iPhone 17 Pro 系列。注意：iPhone 15/16 Pro 系列、iPhone 17 基础版惨遭阉割 2️⃣Mac with M3 及以上芯片且 ram>=12g 。 强大的 M2 Ultra 惨遭阉割，不如基础版 M3 3️⃣iPad with m4 及以上芯片且 ram>=12g 。强大的 iPad Pro M4 （ 8g ram ）惨遭阉割，不如 iPad Air M4
1️⃣iPhone with 12g ram ，包括 iPhone Air ，iPhone 17 Pro 系列。注意：iPhone 15/16 Pro 系列、iPhone 17 基础版惨遭阉割 2️⃣Mac with M3 及以上芯片且 ram>=12g 。 强大的 M2 Ultra 惨遭阉割，不如基础版 M3 3️⃣iPad with m4 及以上芯片且 ram>=12g 。强大的 iPad Pro M4 （ 8g ram ）惨遭阉割，不如 iPad Air M4
1️⃣iPhone with 12g ram ，包括 iPhone Air ，iPhone 17 Pro 系列。注意：iPhone 15/16 Pro 系列、iPhone 17 基础版惨遭阉割 2️⃣Mac with M3 及以上芯片且 ram>=12g 。 强大的 M2 Ultra 惨遭阉割，不如基础版 M3 3️⃣iPad with m4 及以上芯片且 ram>=12g 。强大的 iPad Pro M4 （ 8g ram ）惨遭阉割，不如 iPad Air M4
1️⃣iPhone with 12g ram ，包括 iPhone Air ，iPhone 17 Pro 系列。注意：iPhone 15/16 Pro 系列、iPhone 17 基础版惨遭阉割 2️⃣Mac with M3 及以上芯片且 ram>=12g 。 强大的 M2 Ultra 惨遭阉割，不如基础版 M3 3️⃣iPad with m4 及以上芯片且 ram>=12g 。强大的 iPad Pro M4 （ 8g ram ）惨遭阉割，不如 iPad Air M4
1️⃣iPhone with 12g ram ，包括 iPhone Air ，iPhone 17 Pro 系列。注意：iPhone 15/16 Pro 系列、iPhone 17 基础版惨遭阉割 2️⃣Mac with M3 及以上芯片且 ram>=12g 。 强大的 M2 Ultra 惨遭阉割，不如基础版 M3 3️⃣iPad with m4 及以上芯片且 ram>=12g 。强大的 iPad Pro M4 （ 8g ram ）惨遭阉割，不如 iPad Air M4
有点疑惑， 这两个模型是如何配合的？国内和欧洲都用不上，如果是对齐问题，换国内的GLM Kimi Qwen这些开源模型不能解决他的需求吗？难道整套东西都绑定了gemini的特性？那模型更新版本怎么办？目前没看见太合理的解释 3 个帖子 - 3 位参与者 阅读完整话题
IT之家 6 月 5 日消息，谷歌于 6 月 2 日开始陆续推送最新的 Chrome 149 版本，支持 Windows、Mac 和 Linux 平台，包含 429 项安全修复。 IT之家从官方获悉，Chrome 150 预计于 6 月 30 日发布。对于需要更长更新周期的用户，Chrome 还提供 Extended Stable 分支，提供八周的支持覆盖。 Chrome 149 最引人注目的变化是在系统设置中新增了端侧 AI 模型管理选项。用户现可主动拒绝浏览器下载 AI 模型，也可以直接移除此前已下载的所有模型，将选择权交还到用户手中。 另外，Windows Report 发现，谷歌正在 Chrome 浏览器中测试一项新功能。启用后，该功能将绕过标准的谷歌搜索首页，直接将用户引导至“AI 模式”。谷歌对此回应称：这仅用于探索，目前没有正式上线的计划。 开发者工具方面，DevTools 的 MCP 服务器实现和面向 AI 智能体的命令行接口已进入稳定状态，新增自定义 HTTP 头模拟功能，AI 助手面板也进行了改版。 Chrome 还为使用 WebMCP API 的页面引入了实验性调试功能，CSS 面板则新增了由 Gemini AI 模型驱动的样式自动补全功能。此外， Intl.Locale 现已支持设置和检索语言变体信息。 在平台支持方面，Chrome 149 正式推出了面向 ARM64 Linux 的官方 deb 和 rpm 构建包，预计于 6 月开始发布。此前谷歌 Chrome 的官方构建仅覆盖 x86_64 架构，ARM64 Linux 用户只能使用各发行版自行维护的第三方 Chromium 包。这一变化意味着在 ARM 架构 Linux 设备上运行 Chrome 的用户将获得与 x86 平台一致的官方支持和更新保障。 相关阅读： 《 Chrome 浏览器 148 版本删去本地 AI 不上传数据表述，谷歌称处理方式未变 》 《 Win11 学院：如何阻止谷歌 Chrome 浏览器 147 静默下载 4GB 端侧 AI 模型 》 《 谷歌 Chrome 浏览器 148 版本更新发布，自动填充和 AI 模式改进 》
IT之家 6 月 3 日消息，瑞昱半导体 (Realtek) 宣布，其多款芯片获得 COMPUTEX 2026 台北国际电脑展的 Best Choice Award 奖项，而这其中就包括 PCIe 桥接扩充芯片 RTL9151AS 和边缘端 AI 加速芯片 RTD2811。 RTL9151AS 在作用上可视为“小南桥”：其采用 PCIe Gen4 ×1 上行连接， 下行方面可扩展出 1 个以太网口、7 个 USB、4 个 SATA，分别支持 2.5GbE、10Gbps、6Gbps 规格 。这款芯片以尽可能少的通道接驳多样化扩展性，非常适合 PCIe 通道紧缺的平台。 RTD2811 则 具备 20TOPS 算力 NPU ，支持 INT4、INT8、FP8 等数据格式，可运行传统 CNN 与各种的 Transformer 模型。其还集成大核 CPU 与 GPU，同时可作为加速芯片和主 SoC 使用，LPDDR 4X / 5 / 5X 内存兼容则赋予其充分的灵活性。
IT之家 6 月 3 日消息，天风国际证券分析师郭明錤今天（6 月 3 日）在 X 平台发布推文，再次评论英伟达的 RTX Spark， 认为该处理器在未来 2 年内仍是小众产品，苹果在 WWDC 上对于设备端 AI 智能体的回应将是除 Siri 之外的另一个观察重点。 郭明錤表示英伟达 RTX Spark 处理器的核心看点不仅在于芯片本身， 更重要的是黄仁勋提出的“重新发明 PC”口号，以及端侧 AI agent（AI 智能体）工作流概念。 IT之家援引博文介绍，端侧 AI 智能体概念涵盖 OS（操作系统）、云端与本地 LLM（大语言模型）切换、智能体框架、跨应用工作流和沙盒等元素。 郭明錤指出上述概念并非英伟达原创，但是借助 GTC（GPU 技术大会）的高曝光度，未来一段时间可能主导端侧 AI 智能体的用户场景叙事。 郭明錤提醒称目前判断商业竞争胜负仍为时过早。RTX Spark 设备未来 2 年仍属于笔记本电脑中的利基市场（Niche Market），目标人群更接近对端侧 AI 算力有需求的重度用户，而非普通大众市场。 利基市场（Niche Market）是指在较大的细分市场中，被主流大企业忽略、未被满足的特定小众需求市场。它具有边界清晰、产品高度专一化、竞争较小且高回报的特点，是企业通过专业化运营确立独特竞争优势的“悬崖石缝”。 软件仍是用户体验的关键。若用户要真正体验发布会展示的智能体式工作流，英伟达需让 CUDA Toolkit（CUDA 工具包）公开支持 Windows Arm64，微软也需让 Windows 本机 AI 智能体架构从预览版走向正式商用，包括 MCP on Windows、ODR、智能体连接器和 Agent Workspace。 若硬件发售时，开发工具与操作系统能力仍未到位，RTX Spark 装置将很难兑现“让用户创造并体验 AI 智能体工作流”的核心卖点。 对 NVIDIA 与 Microsoft 来说，即便后续开发或出货时程变化，也不影响其 AI 基础设施成长动能。 在黄仁勋提出“重新发明 PC”的口号后，苹果在 6 月 8 日举行的 WWDC 将如何回应设备端 AI 智能体工作流，就成为除了 Siri 改进幅度之外的另一个重要观察重点。
IT之家 6 月 3 日消息，在今日开幕的 Build 2026 开发者大会上，身处台北的英伟达 CEO 黄仁勋以线上连线的形式出席，并参与了微软 CEO 萨提亚 · 纳德拉的主题演讲。 双方围绕 RTX Spark、DGX Station for Windows、Foundry 平台上的 NVIDIA 开放模型、GitHub Copilot 中的 OpenShell 安全运行时以及下一代 AI 工厂等多项合作展开讨论。 微软、英伟达还宣布达成一系列深度合作，并在 Build 大会上展示了横跨 Windows 设备、Azure 云与本地部署的统一加速计算栈，为开发者构建、运行和扩展 AI 智能体与物理 AI 提供端到端支撑。 在 Windows 设备端，英伟达与微软将重新定义面向 AI 智能体时代的 PC。RTX Spark 是首批专为个人智能体打造的 Windows PC 平台，提供 1 petaflop 的 AI 算力、最高 128GB 统一内存、一整天的续航时间，以及无衰减的离电 AI 与图形性能。 该平台集成 CUDA、RTX、DLSS 和 TensorRT 等 NVIDIA 三十余年技术积累，搭载 RTX Spark 的笔记本和小型台式机将于今秋由微软 Surface、华硕、戴尔、惠普、联想和微星等厂商推出。 据介绍，DGX Station for Windows 则是目前性能最强的桌面级 AI 超级计算机，搭载 NVIDIA GB300 Grace Blackwell Ultra 桌面超级芯片，配备最高 748GB 统一内存和 20 petaflops FP4 性能，可在本地运行最高 1 万亿参数的先进模型。该系统预计于第四季度由华硕、戴尔、技嘉、惠普、微星和超微等厂商推出。两款产品均运行 NVIDIA OpenShell—— 一个面向自主智能体的安全设计运行时。 在模型与平台层面，NVIDIA 的开放模型组合已正式登陆微软 Foundry。Nemotron 3 Ultra 作为一款面向编码、科研和企业工作流中长期运行智能体的新型开放前沿推理模型，将于本月在 Foundry 托管计算上可用，同时上线的还有用于语音识别的 Nemotron 3.5 ASR 和 Nemotron 3.5 内容安全模型。 另外，Anthropic 的 Claude 模型现已在 Azure 上的 NVIDIA GB300 Blackwell Ultra 系统中原生运行，未来数周内向客户开放。 NVIDIA Agent Toolkit 和 NVIDIA NemoClaw 蓝图则为开发者提供了在 Foundry 上打造生产级智能体的开源平台，CUDA-X 库（包括 cuDF、cuOpt、AI-Q 和 NeMo）现已作为领域专用技能对智能体可用。 数据层方面，NVIDIA 加速计算现已内置到微软 Fabric Data Warehouse 中。微软内部基准测试显示，SQL 执行速度达到 CPU 基线的最高 6 倍，在高并发负载下相比其他三家主流云数据仓库提供商最高可达 7 倍。两家公司表示，这是从研究到生产的多年深度工程协作成果，使企业数据层能够跟上 AI 智能体持续查询与推理的速度。 在物理 AI 领域，微软正在将 NVIDIA 的开源物理 AI 技能和工具与 Azure 及物理 AI 工具链进行整合，为开发者提供基于 Cosmos 3 混合 Transformer 架构的统一平台，用于仿真、训练和部署机器人、自动驾驶车辆及工业系统等自主系统。Cosmos 3 在视觉推理、世界生成和动作生成等关键基准测试中位列开放模型第一位。针对本地部署场景，微软将 Azure Local 上的 Foundry Local 引入 NVIDIA RTX PRO 6000 Blackwell Server Edition 平台，配合 Nemotron 开放模型家族，企业可在本地、混合或主权环境中运行高性能 AI 负载。Foundry Local on Azure Local 现支持多节点部署和 vLLM 运行时。 在安全开发方面，NVIDIA OpenShell 已集成至 GitHub Copilot。每个智能体在其独立的沙箱容器中运行，每一次对外调用在触及文件、网络或凭证之前都会根据策略进行评估，策略以代码形式编写并在仓库中版本化管理，可即时更新。OpenShell 基于 Apache 2.0 开源协议，与模型无关，覆盖本地、混合和云环境。 AI 基础设施方面，微软位于威斯康星州费尔沃特的 AI 工厂已提前上线，运行数十万套 NVIDIA Grace Blackwell 系统，并与佐治亚州的一座同类 AI 工厂互联，构成可扩展的分布式 AI 系统。黄仁勋还亲口承认：微软部署了最多的 Blackwell 芯片。 微软已对 NVIDIA Vera Rubin 平台完成验证，该平台现已全面投产，将部署至 Azure 数据中心。Vera Rubin 无需改造即可与 Blackwell 并行部署，每兆瓦推理吞吐量提升最高 10 倍，每个智能体 token 成本降低一个数量级，并内置 NVIDIA 机密计算以保护模型和数据安全。 参考资料： 《 Scaling multi-node LLM inference with NVIDIA Dynamo-Grove on AKS (Part 4) | AKS Engineering Blog 》
IT之家 5 月 31 日消息，天风国际证券分析师郭明錤今天在 X 平台发文，分析英伟达 N1/N1X 芯片的市场前景。 供应链调查显示，配备 N1X/N1 芯片的设备未来两年出货量大约为 1000 万台。面向小众市场，瞄准对端侧 AI 算力有需求的重度使用者。除开售价因素，未来出货量能否上修（IT之家注：向上调升）， 仍取决于 Windows 是否能提供真正调度端侧 AI 算力的应用与工作流 。 郭明錤认为，目前 PC 市场主流 AI 应用仍在“用浏览器上大语言模型网站”和“通过 API 消耗云端 LLM 算力 / Token”。核心都是使用云端 AI 算力，而非端侧模型。 并且 2026 年 PC 产业两大热门事件 ， 都与端侧 AI 几乎无关 。 其中，MacBook Neo 能够热卖的原因在于，消费者看重这款笔记本的“低价 + 设计 + 生态”，而不是买端侧 AI 算力；Mac mini 等便宜的小型 PC 主机仍属于小众市场，但因为能长时间挂机跑 OpenClaw 等 AI 智能体而受到高度关注， 这类智能体的推理算力几乎也来自云端 。 因此郭明錤表示，无论销量（里子）还是话题（面子），这两大事件都与端侧 AI 算力几乎无关。 端侧 AI 若想推动换机升级潮，关键在于操作系统。端侧 AI 技术与云端的最大差异在于，它能够在兼顾隐私的前提下，高度整合跨应用的用户资料与工作流，而这显然需要操作系统的深度支持。但目前 PC 操作系统的 AI 化进程仍处于“为自家应用增加 AI 功能”和“轻度整合跨应用的工作流”。 虽然市场上已有语音转文字等端侧 AI 应用场景，但仍不足以推动显著的升级换机需求。 此外，N1X/N1 芯片设备有望为 AI 重度用户提供另一选择。它能够在 AI 算力、内存、外观与便携性之间，取得一个更好的平衡点； 也能为用户提供 Mac 以外的另一个选择 。 但回到正题，端侧 AI 若想带动升级换机潮， 除售价外仍然需要操作系统（Windows）作为关键支撑 。
下月举行的苹果年度开发者大会上，一系列延期已久的iPhone人工智能功能升级将成为重头戏。与此同时，外界预计苹果还将着重亮出其追赶AI赛道的一大潜在优势：依托全球海量苹果设备，直接在终端设备上运行AI模型。 据了解苹果全球开发者大会相关规划的知情人士透露，苹果有望展示其十五年来为iPhone、苹果手表、Mac电脑自研定制芯片的技术积累。这一积淀，将成为其在终端设备本地运行AI模型的核心优势。而目前主流做法，是在搭载高性能AI芯片的大型数据中心中运行AI模型，这类设施建设与运营成本高昂。 受运算复杂度及海量网络信息调取需求所限，苹果设备发出的不少AI指令仍需交由云端处理。例如，根据苹果与谷歌达成的合作协议，新版部分Siri指令将依托谷歌云平台、调用谷歌 Gemini 大模型的授权版本运行。另有知情人士称，苹果近期已许可在该场景下使用英伟达的隐私保护技术，这意味着谷歌云内部分算力需求，苹果将采用英伟达AI芯片承接。 不过，在终端本地运行AI模型，既能降低用户数据泄露风险，也能杜绝广告公司利用个人信息牟利。对于企业客户而言，本地运算还能减少令牌使用量、进而降低成本——令牌是云端AI服务商计费所依据的文本计量单位。对苹果自身来说，将更多AI运算任务下放至终端设备，也得以不必像其他科技巨头那样，在数据中心领域投入巨额资金。 知情人士表示，按照双方合作约定，苹果正利用谷歌完整版Gemini大模型，通过模型蒸馏技术训练可在苹果设备本地运行的轻量化模型。此外，苹果还在物色可协助其完成AI模型轻量化改造、适配终端设备运行的小型企业。有相关策略知情人士透露，总部位于美国马萨诸塞州剑桥市、专注端侧AI技术的初创公司Liquid AI，已进入苹果的收购考察名单。 苹果早在2024年推出苹果智能（Apple Intelligence） 系列AI功能时，就率先宣传过端侧AI在隐私保护上的优势。但此后该板块进展趋于沉寂：新AI功能市场反响平平，新版Siri又再度延期上线，接连出现的问题令苹果处境尴尬。 与此同时，各大科技巨头纷纷斥巨资搭建云端AI算力体系，苹果却基本置身事外。去年，元宇宙平台公司全年资本开支达720亿美元，绝大部分用于数据中心建设；微软资本开支则高达880亿美元。而同期苹果的资本开支仅为127.2亿美元。 苹果在AI领域投入保守的做法，一度遭到投资者与行业评论人士诟病。他们认为，在人工智能成为智能终端核心能力的时代，苹果或将就此掉队。如今整个科技行业的AI投入规模空前，仅微软今年就预计资本开支达到1900亿美元。部分技术从业者反而开始担忧行业盲目堆砌云端算力，也因此对苹果相对审慎的布局思路改观。 奥斯汀AI初创企业webAI首席执行官戴维·斯托特表示：“我认为当下的数据中心投资热潮存在误区。AI技术正朝着轻量化方向发展，数据中心不会彻底消失，但绝大多数运算任务终将转移至边缘终端。苹果在这一点上押对了方向。” 如今越来越多AI开发者选择依托苹果硬件创业，斯托特便是其中一员。webAI主要面向企业开发专属端侧AI应用，例如为航空领域打造运维工具：基于波音梦想客机发动机全套维修手册训练AI模型，协助工作人员开展发动机检修。 这类模型可直接在iPad或Mac上离线运行，无需联网。苹果设备也受到技术爱好者青睐，不少人用它运行开源工具OpenClaw，该工具可打造能自主操控电脑的AI智能体。 阿雷特研究公司科技分析师理查德·克莱默在近期致投资者的研报中估算，全球苹果终端芯片所汇聚的算力规模，相当于一套价值500亿美元的算力资源，而这套算力完全由全球用户共同承载。 马克·苏曼曾担任苹果高级工程项目经理，2024年离职前负责公司内部AI系统研发。他表示，数十亿台苹果设备整合在一起，本身就是一股强大的AI算力。 现任初创企业Maple联合创始人的苏曼说道：“苹果有能力搭建全球规模最大的边缘计算AI体系，只是时间问题，他们迟早会释放这部分潜力。”Maple主要为用户提供可加密访问云端AI模型的服务。 当然，苹果的AI战略无法完全依靠端侧模型落地。谷歌完整版Gemini模型拥有数万亿参数（参数数量是衡量AI模型复杂度的重要指标），对算力要求极高。知情人士称，即便苹果自有服务器架构私有云计算（Private Cloud Compute） 采用与Mac同款自研芯片，也难以承载完整版Gemini。 多名苹果前工程师认为，新版Siri的部分功能，苹果仍需借助谷歌云基础设施运行。即便如此，苹果仍在探索兼顾云端AI服务与高阶隐私保护的方案。据双方合作知情人士透露，苹果近期许可在谷歌云内调用英伟达机密计算系统，处理部分基于Gemini大模型的复杂运算，正是这类尝试之一。 机密计算是英伟达显卡搭载的一项安全技术，可在数据与AI模型运算过程中全程加密。启用该功能后，云端AI指令的处理速度会略有下降，但能帮助苹果兑现用户隐私保护承诺。 苹果最初推出苹果智能功能时曾表态：未在终端本地处理的AI指令，将全部交由搭载苹果自研芯片的私有云计算系统处理。如今这一安排出现调整，不过相关人士称，苹果大概率仍会保留“私有云计算”这一品牌名称。 查看评论
IT之家 5 月 25 日消息，面壁智能联合清华大学、OpenBMB 开源社区，今天正式发布并开源其在低比特大模型训练方向的最新成果 ——BitCPM-CANN。 官方表示，这是中国首个完全基于国产算力平台（华为昇腾）实现端到端训练并开源的三值（1.58-bit）大模型。从量化算子、训练算法到全链路框架，BitCPM-CANN 均在华为昇腾上原生完成 ，包含 0.5B、1B、3B、8B 四个模型尺寸，与同尺寸 MiniCPM4 全精度家族逐项对照评测，性能表现优异。 相比传统 BF16 精度，BitCPM-CANN 在推理阶段 释放约 6 倍显存红利 ，同时将模型能力保留率维持在 90%– 97.2 % 。 官方表示，对手机产业来说，6 倍的显存红利意味着， 一个 8B 参数的 BitCPM-CANN 大模型，可以轻松运行在当前主流旗舰手机之上 。 此外，面壁智能基于 MindSpeed × Megatron-LM 主干搭建了完整的低比特训练底座，包含环境适配、32K 长序列支持、并行策略、融合算子等完整工程体系。从此， 所有面向昇腾的低比特训练工作，都可建立在同一套公共基础设施之上 。 BitCPM-CANN 0.5B / 1B / 3B / 8B 全系列模型权重现已开源，IT之家附链接如下： HuggingFace ： https://huggingface.co/collections/openbmb/bitcpm-cann ModelScope ： https://modelscope.cn/collections/OpenBMB/BitCPM-CANN
IT之家 5 月 21 日消息，Adobe 昨日（5 月 20 日）发布 Photoshop 27.7 更新，为移除工具（Remove Tool）新增端侧 AI 模型支持，一方面减少网络依赖，另一方面减少图像数据上传带来的隐私顾虑。 IT之家附上官方更新日志内容如下： Photoshop 现在支持移除工具的设备端 AI 模型，允许在不进行云处理的情况下移除对象。用户可以： 下载后在本地处理编辑 随时下载、取消或移除模型，在云处理和设备端处理之间切换 下载前会自动检查硬件兼容性 在云处理和设备端处理之间切换 根据 Adobe 官方回复的配置要求，在 Mac 平台方面需要满足以下配置要求： 组件 最低硬件要求 处理器 M1 Pro 及后续苹果芯片 内存 24 GB 及以上 系统 macOS Tahoe (version 26.4) 及后续版本 对于不符合上述要求的 Mac 设备，Photoshop 里的 Device 模式会直接置灰，用户只能继续使用云端版 Remove Tool。 IT之家附上本次更新其它改进如下： Photoshop 桌面版和 Firefly 灵感板的集成 通过共享面板和导出菜单，创建新灵感板或添加到现有灵感板，即可将任何 Photoshop 文档直接共享到 Firefly 灵感板。 Firefly 灵感板现在已显示在变体面板中，可用于创建情绪板和对 AI 生成的变体进行比较。 在预先配置的灵感板布局中，使用 Firefly 灵感板中的 Ideate 打开生成的图像变体，以进行进一步的探索和迭代。 新的引导式工作流有助于创建情绪板和视觉概念、品牌和营销资源以及社交媒体内容。 解锁高级版生成式 AI 功能 为更多 Creative Cloud 订阅者提供了更多高级版生成式 AI 功能的访问权限。符合条件的用户现在每月可获得 100 个生成式积分（原为 25 个），这极大地提升了订阅者群体使用创意 AI 的能力。 编辑工作区中的统一账户菜单 通过新的统一账户菜单，您可以直接在编辑工作区查看和管理您的 Adobe 帐户、订阅详情和生成式积分。 增强功能 优化的“存储为 Web 所用格式”对话框 存储为 Web 所用格式对话框已进行更新，采用现代化的界面，提供与 Photoshop 其他部分更为一致且焕然一新的体验。 文件处理和首选项 新的首选项允许用户将 JPEG 文件作为常规图层而不是锁定的背景图层打开，为经常解锁背景的用户简化了工作流程。 现在用户可以选择在创建新文档时不使用默认背景图层，从一开始就拥有透明画布。 性能和基础架构 内部度量模块已进行重构，仅处理高使用率度量，从而减少了遥测开销，并提高了正常运行期间应用程序的响应速度。 画布 HUD 诊断功能已从画布上下文区域移至视图菜单，以便于用户更方便地查找以及使画布操作更加简洁流畅。 客户报告的修复 从属性面板中选取突出的颜色预设时，色相 / 饱和度范围不会更新。 在 Windows 上从过长的文件路径打开 WebP 文件时，会出现“Photoshop 无法识别此类型文件”的错误提示。 其他值得注意的修复 [Win] 无法同时启动 26.2 版本和 25.12.1 版本。 “打开 JPEG 文件时不使用背景图层”首选项现在默认处于关闭状态，以避免给现有用户带来困惑。 在生成式积分配额已用完的提示通知中，更新了解更多 URL。
IT之家 5 月 16 日消息，消息源 @AssembleDebug 今天（5 月 16 日）发布博文，爆料分享了谷歌 Gemini Intelligence 的硬件门槛， 要求安卓设备搭载旗舰芯片、运行 Gemini Nano v3，并至少配备 12GB 内存。 IT之家此前报道，在 2026 年 The Android Show | I/O Edition 活动中，谷歌宣布将于今年夏季推出 Gemini Intelligence，定位是安卓助手，重点不是单纯聊天，而是让系统更了解用户需求，并能跨应用、跨网页代为完成任务。 根据最新披露的设备要求，在硬件层面，要求设备需配备旗舰芯片、12GB 及以上内存，并支持 AI Core（AI 核心）与 Gemini Nano v3 或更高版本；系统层面，设备还需承诺至少 5 次安卓系统升级、6 年安全更新，且安全补丁频率至少达到季度级别。 而最为关键的限制，在于设备要支持 Gemini Nano v3 模型，根据谷歌开发者页面列出的设备，几乎清一色集中在 2026 年新机，而 Pixel 9 系列等依然列入 Gemini Nano v2 系列。 当前兼容名单里的代表机型包括 Pixel 10、Pixel 10 Pro、Pixel 10 Pro XL、Pixel 10 Pro Fold，以及 Galaxy S26 系列、Galaxy Z Fold 8、Galaxy Z Flip 8。 图源：谷歌 相关阅读： 《 谷歌今夏推进 Gemini Intelligence：重塑安卓手机 AI 交互，可操控浏览器填写表单等 》
IT之家 5 月 15 日消息，据韩媒 Etnews 上周（5 月 12 日）报道，三星电子正在开发下一代 HBM 技术，以便在移动设备上实现更高性能的端侧 AI。 业内人士透露，三星正在研发多层堆叠 FOWLP（Multi Stacked FOWLP）技术，目 标在智能手机、平板等移动设备中实现更大容量 、 更高带宽的 HBM 。这些设备的空间相比服务器机柜简直是九牛一毛，对功耗、发热控制的要求非常严格，因此无法直接照搬现有方案。 据悉，目前主流的 LPDDR 内存普遍采用引线键合（Wire Bonding）技术，这种方案的 IO 数量有限、信号损耗较大、散热效率不足，无法结合 HBM 技术。因此三星计划采用改进的 VCS 方案，将芯片内部的铜柱从 3:1~5:1 提升至 15:1~20:1，可在有限面积中塞入更多铜线，进一步提升带宽。 不过，当铜柱直径低于 10 微米时就容易出现弯曲、断裂等不稳定现象。因此三星决定采用 FOWLP 技术作为补强。先对芯片进行模塑（IT之家注：Molding），然后把布线向外围扩展，同时承担支撑铜柱作用，防止变形。 如果这套方案能成功验证，理论带宽可提升 15-30%，并且还能在相同空间下塞入更多 I/O 接口。 虽然这套方案还处于研发阶段，但业内认为，三星最快会在 Exynos 2800 后期版本或 Exynos 2900 中集成相关技术。
IT之家 5 月 14 日消息，在本周的联发科天玑开发者大会（MDDC 2026）上，OPPO 带来了行业首个端侧 AIGC 光影处理引擎。 对摄影爱好者来说，进行户外人像拍摄时，光线条件复杂多变， 逆光、强光、阴影交错等场景常常导致人脸偏暗、背景过曝或细节丢失 。除了调整手机参数、提升硬件，又或是自带打光板进行补光，OPPO 提出，还可以利用 AIGC（人工智能生成内容）来进行优化。 基于自研的 DiT 架构生成式大模型， OPPO 用户无需联网，即可在手机本地对暗光、逆光等复杂光线下的照片进行优化 ，还原自然光影，效果甚至接近云端模型水平。 IT之家注意到，2026 年 MDDC 期间，OPPO 还展出了一项基于天玑 9500 芯片的端侧 AI 翻译技术， 出词速率达到每秒 300 个词元（token） ，性能媲美云端模型水平。这意味着即使在没有网络的情况下，用户也能获得几乎即时的翻译体验。 业界首个手机端侧多模态融合理解与交互 AI 模型 —— 端侧全模态 Omni 模型 也在本次大会上同步亮相。它能同时支持视频、语音、文本三种输入，并可以实现实时环境描述与实景问答。 此外，OPPO 还展示了手机超级助手“小布 Claw”在 AI 内容生成、信息整理及健康管理等方面的核心能力。它打通了小布的记忆数据，无需从零训练，就能基于用户的本地相册、便签、文档等内容，提供个性化建议，且所有敏感能力均需用户授权，做到数据不出设备。
用了快十年 ES 文件浏览器，今年彻底受不了了。打开就是信息流，操作三步弹一次广告，烂到 Play Store 都下架了。当然 Play Store 上文件管理器不少，但翻了一圈发现：能用的都只是"文件浏览器"，没有一个真正把 AI 能力融进文件管理场景的。 所以我自己写了一个： 素流 ，主打跟我前一个素系列产品 素言 一样，杜绝广告和追踪，简洁、高效、好用。 它首先是一个干净、快、功能完整的文件管理器（多标签页、跨目录剪贴板、压缩文件免解压直开、ePub/PDF 内置阅读、零广告零追踪，基础版免费），但核心差异化在于： 端侧 AI 语义理解 + Agent 对话式操作 ——用自然语言搜图、智能识别近重复文件、对话式批量整理，这些是传统文件管理器做不到的事。 举个例子：你说"把下载目录里所有发票截图和 PDF ，按日期重命名后移到 Finance 文件夹"，它会告诉你找到了哪些文件、打算怎么做，你确认后才执行。 技术上比较有意思的几个点： 端侧语义检索的模型选型：MobileCLIP + 翻译小模型 vs ChineseCLIP/多语言 CLIP 这个选型纠结了挺久。直觉上用 ChineseCLIP 或者多语言 CLIP 一步到位最省事，但实际跑下来发现不行： ChineseCLIP / multilingual-CLIP 模型体积大，量化后精度损失明显，而且视觉编码能力比 OpenAI 原版 CLIP 系列弱一截 MobileCLIP 是 Apple Research 开源的移动端优化 CLIP 模型（ CVPR 2024 ，模型本身平台无关，ONNX 导出后 Android 直接跑），视觉编码质量高、推理快、模型小，但只支持英文文本编码 最终方案是： MobileCLIP 做视觉编码 + Marian 翻译小模型把中文 query 翻成英文再做文本编码 。两个模型加起来的体积比一个 ChineseCLIP 还小，而且视觉理解能力更强。翻译模型走的是 Helsinki-NLP 的 Marian ，int8 量化后 encoder + decoder 合计约 140 MB ，对比 ChineseCLIP 动辄 500MB+ 的体积仍然有优势，而且推理延迟在端侧可接受。 等于用"小模型组合"打败了"大一统模型"，在端侧资源受限的场景下这个思路挺有效的。 Agent 架构 ——云端 LLM 只负责意图理解和步骤规划（ BYOK 模式，用户自带 API Key ），所有文件操作在端侧执行。AI 知道你想做什么，但不知道你文件里有什么。 相似图片检测 ——基于向量距离做近重复分组，不是简单的 hash 比对，能识别截图裁剪、压缩后的"几乎一样"的图。 放几张截图感受下： 完整演示视频（功能比较多）： B 站链接 官网： 素流 PureFlow 下载： Google Play 国内直接下载 想问问各位 V 友： 你们现在用什么文件管理器？还是直接用系统自带的？ "用自然语言管理文件"这个需求，你们觉得是真需求还是伪需求？ 独立开发，一个人撸的，欢迎使用和反馈。