IT之家 5 月 28 日消息，Intel（英特尔）今日正式发布了其专为掌上游戏搭载打造的处理器家族 —— 锐炫 (Arc) G 系列，首发产品包括锐炫 G3 标准版和定位更高的锐炫 G3 Extreme。 英特尔表示锐炫 G3 系列处理器特别为掌机设计，通过优化的核心数量、电源管理和软件，带来领先的性能与能效， 在提供流畅、沉浸式游戏体验的同时 ， 兼顾卓越的电池续航而无需折损性能 。 锐炫 G3 和锐炫 G3 Extreme 与第三代酷睿 Ultra 一样基于 "Panther Lake" 芯片，CPU 部分为 2P + 8E + 4LPE， GPU 最高可配备 Arc B390 ，内存频率可达 8533MT/s，支持雷电 4、Wi-Fi 7 R2、双蓝牙 6。 搭载英特尔锐炫 G 系列处理器的掌机将自 2026 年 6 月起由 OEM 合作伙伴陆续推出，首批型号包括宏碁 Predator Atlas 8、微星 Claw 8 EX AI+、壹号掌机 OneXPlayer 3 等，供货范围将在年内逐步扩大。
Hi，各位佬友好！我是Jia，开源项目Spice的创始人，Spice是我们team做的一个开源架构，Agent之上的决策大脑，我们总结为The decision layer above agent，关于具体的Spice的信息可以看看我之前的帖子以及我们的GitHub介绍，我们在和找探索的终端设备在不同场景下Spice的可能性吗，目前有接触过nas，智能家居，智能穿戴，AI手机等，想和在不同领域的大佬交流探索新范式的可能，如果对Spice有任何问题以及感兴趣的佬友欢迎评论区留言！ 2 个帖子 - 1 位参与者 阅读完整话题
公众号刚刚发的 有点想买台玩玩的冲动了 29 个帖子 - 14 位参与者 阅读完整话题
IT之家 5 月 14 日消息，华为鸿蒙今日官宣， HarmonyOS 6 终端设备数突破 6000 万 。 IT之家注：数据来源于华为内部统计，基于搭载或支持升级至 HarmonyOS 6 的设备，统计时间截止至 2026 年 5 月 14 日。 在 3 月 23 日的华为春季全场景新品发布会上 ，华为终端 BG 首席执行官何刚宣布，鸿蒙 HarmonyOS 5 / HarmonyOS 6 终端设备数突破 5000 万。 在 4 月 20 日的华为 Pura 系列及全场景新品发布会上 ，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东宣布：鸿蒙 HarmonyOS 6 终端设备数突破 5500 万。
IT之家 5 月 7 日消息，Qualcomm（高通）美国当地时间今日发布两款新的 Snapdragon（骁龙）移动平台，分别是 6 Gen 5（第五代骁龙 6）、4 Gen 5（第五代骁龙 4）。基于这两颗芯片的终端设备将于今年下半年推出。 新芯片均引入 Snapdragon Smooth Motion UI，提升设备交互体验。其中 6 Gen 5 应用启动加速 20%，屏幕卡顿减少 18%；4 Gen 5 应用启动加速 43%，屏幕卡顿减少 25%。 第五代骁龙 6 骁龙 6 Gen 5 型号为 SM6850，其采用 4nm 制程工艺，搭载 4 颗 2.6GHz 性能核与 4 颗 2.0GHz 能效核，GPU 性能提升 21%，可搭配至高 16GB 的 LPDDR4X-4200 / LPDDR5-6400 内存和 UFS 3.1 嵌入式闪存。 该移动平台兼容 FHD+ 144Hz 屏幕；移动蜂窝网络下行可达 2.8 Gbps， 可选配 Wi-Fi 7 (320MHz) 支持 ；具备双 12-bit DSP，最高可拍摄 200MP 照片；USB 接口为 480Mbps (2.0) 规格。 第五代骁龙 4 骁龙 4 Gen 5 也称 SM4850，同样基于 4nm，搭载 2 颗 2.4GHz 性能核与 6 颗 2.0GHz 能效核， GPU 性能大幅提升 77% ，存储器方面支持 LPDDR4X-4267 和双通道 UFS 3.1。 这一移动平台兼容 FHD+ 144Hz / HD+ 120Hz 屏幕；移动蜂窝网络下行 2.8Gbps、上行 900Mbps，WLAN 仅支持 Wi-Fi 5 和蓝牙 5.1；具备双 12-bit DSP，最高可拍摄 108MP 照片；USB 接口为 480Mbps (2.0) 规格。
IT之家 4 月 20 日消息，在今天的华为 Pura 系列及全场景新品发布会上，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东宣布： 鸿蒙 HarmonyOS 6 终端设备数突破 5500 万 。 而在今年 3 月的华为春季全场景新品发布会上，华为终端 BG 首席执行官何刚宣布，鸿蒙 HarmonyOS 5 / HarmonyOS 6 终端设备数突破 5000 万。HarmonyOS 系统日均新增设备数突破 15 万，可获取应用、服务突破 35 万，注册开发者超过 1000 万。 IT之家注意到，余承东此次公布的终端设备数情况直接去掉了 HarmonyOS 5 系统设备的数据， 这表明鸿蒙正式进入 6.0 / 6.1 时代 。
作者｜黄楠 编辑｜袁斯来 硬氪获悉，具身智能世界模型公司「千诀科技」日前完成数亿元A轮融资，本轮由京铭资本领投，山东新动能、山东财金资本、元禾厚望、芯能创投、南创投、英诺天使基金、尚势资本、仁爱集团、玄素投资等机构共同投资，投资方阵容汇集了国家队、产业方、市场化基金及家族办公室。Maple Pledge枫承资本长期出任私募股权融资顾问。 资金将重点用于自研世界模型的架构搭建、算法迭代与场景落地，同步扩充核心研发与项目交付团队，完善商业化落地配��能力。 千诀科技创立于2023年6月，核心团队孵化自清华大学类脑研究中心，长期聚焦具身智能决策与规划大模型研发落地，突破传统设备任务局限，以帮助机器人实现环境动态自适应与全自主作业。 世界模型的热潮正迅速卷向具身智能领域，成为通用人工智能落地物理世界的核心突破口。卷积神经网络之父Yann LeCun（杨立昆）率先提出世界模型核心理论，其创办的AMI团队持续专注抽象表征空间建模、物理世界规律预测的技术方向研究，为行业奠定了核心理论基础。 从因果推理到空间智能，从物理仿真到生成式预测，基于不同技术范式、不同理论底座的研究在业内正同步展开。这是个尚未收敛、想象力巨大的赛道。各路探索者都在试图回答同一个问题：如何让机器真正理解并预知物理世界的变化。 在主流的生成式路线中，典型做法是通过像素级重构来预测下一帧画面。但千诀科技CTO章天任向硬氪指出，这种方法往往存在一个容易被忽视的问题——特征污染。 “真实物理世界的图像输入信息量极大，包含大量与任务无关的噪声，比如光影、纹理。”章天任解释，模型为了追求像素级的无损重构，不得不把有效特征和无效信息强行绑定在一起，结果可能导致模型内部表征不再“纯净”，“它确实能从现实数据中提取出具有泛化性的特征，但这些特征里混入了干扰项。” 这种污染会直接影响模型对物理世界的理解能力。世界模型的本意是让模型学会符合物理规律的预测，而不是单纯地拟合图像。一旦特征被污染，模型就很难提炼出真正的因果关系和物理不变性，泛化能力自然受限。 “人看一张图时，不会平均分配注意力在每个像素上，而是快速锁定与任务相关的区域。”章天任说，“但生成式模型与其说是理解世界，却更容易发生复刻表象的情况。” 面对生成式路线存在特征提取的这一局限，预测式世界模型提供了另一种思路。 其核心逻辑是，让机器人真正理解物理世界，不是靠还原每一帧像素，而是靠预测物理状态的低维演化轨迹。 千诀科技CEO高海川用一个案例解释了两者的本质区别：人在打球时，不会在脑中想象一帧帧清晰的画面，而是直接挥拍，依靠对球轨迹的低维预测。这种预测不包含像素信息，只包含物理规律的状态演化。“人类在物理世界中玩球类游戏，不可能去想象清晰完整的像素画面，来不及，而且这种信息不稳定。”高海川说。 同样的逻辑适用于具身智能。执行任务时，机器人需要的不是“未来会长什么样”的想象，而是“下一个状态该往哪走”的预判。预测式模型的核心输出不是视频帧，而是低维抽象特征，这些特征可以直接解码为动作轨迹或规划指令，从而绕开像素重构带来的计算负担和特征污染问题。 在预测式路线基础上，千诀科技还进一步提出了分布式预测架构。其架构采用了类人脑的脑区连接方式，大脑不同区域各司其职，连接紧密的区域内部协同，区域之间则相对独立。 对比传统方法把所有信息揉在一起压缩处理，分布式预测架构会先把信息分到不同的区域里，再分别压缩和预测，从而实现样本效率更高，推理速度更快。“同样一个任务，从零开始可能需要1000个‘状态-动作’对；有了好的表征，100个就够了，有效减少了机器人适应新场景所需的示教数据。”章天任说。 通过这种分布式架构，可以帮助模型在抽象表征空间中学习物理状态的演化规律，而非仅仅是像素的时序关联，更好地服务于下游的规划与控制。当机器人面对新环境时，可以更快地理解“什么会导致什么”，对真实场景落地尤为关键。 搭载千诀世界模型的机器人在餐厅打工（图源/企业） 具体到应用端，千诀科技将具身大脑与小脑解耦，由其世界模型负责感知、预测与规划，不绑定具体的执行动作空间。只要共享同一模态，模型就能将其观察到的环境变化作为统一的数据来源进行训练。这意味着，同一个“大脑”可以快速迁移到不同本体上，解耦设计有效降低了迁移成本，并加速了真实场景中的数据飞轮闭环。 据硬氪了解，千诀科技自研具身大脑已完成轮式、四足、双足人形、无人机、清扫机器人等多品类硬件适配，落地酒店保洁、商用服务、精密室内作业等实景项目，当前接入终端设备规模达十万台。依托海量终端持续产生的真实交互数据，未来将反哺世界模型进一步迭代优化。 搭载千诀世界模型的机器人在咖啡店自主配送（图源/企业） 以下为硬氪与千诀科技CEO高海川、CTO章天任的访谈节选（略经编辑）： 硬氪：开环预测场景下，世界模型的长时推理误差会随步数累积。千诀的预测式架构如何应对这一问题？具身任务的闭环反馈机制能在多大程度上抑制误差放大？ 章天任： 这个问题分几个层面。第一，累积误差的大小取决于应用场景是否具备闭环反馈。视频生成模型是纯开环的，一次性预测未来很多帧，中间没有任何外部信息校正，所以误差容易累积。但具身不同在于它有闭环反馈，我们不会让机器人一次性预测1000步、把整个任务全部规划完再执行，而是先预测50步，选出动作去执行，执行完后环境会给出新的状态作为反馈，基于反馈修正后续预测。 这种“执行-观测-修正”的循环，是具身任务与视频生成最本质的区别，能有效抑制误差放大。 第二是关于记忆模块。千诀目前已经在一些平台上尝试搭建Memory系统，但还没有与视觉中心直接融合。原因在于，既然已经有了闭环反馈，很多场景下暂时不需要显式的长期记忆。 第三，千诀的模型支持多步预测，模型预测的“一步”不一定对应底层的一个控制指令，而可以对应一个完整的语义动作，比如50个底层step。预测步数越少，累积误差发生的概率和幅度就越小。 总的来说，我们认为世界模型的能力上限挑战在于完全开环的超长时规划，比如机器人还没开始行动，就要一次性规划好未来几百步的所有细节。但这种使用场景在真实的具身任务中很少见，更自然、更现实的做法还是“边做边看”，发现问题随时调整。 硬氪：千诀已实现十万台级别的规模化部署。在实际落地过程中，客户反馈中有哪些超出预期的发现？对你们的产品迭代有什么影响？ 高海川： 千诀目前已有十万台机器在真实场景中运行，用户把机器人当真实产品使用，给出的反馈也是真实的。因此，我们训练的模型与落地场景之间不存在“real-to-real gap”。 搭载千诀世界模型的机器人自主清洁桌面（图源/企业） 市场反馈中有两个点超出了我们的预期。 一个是响应速度的敏感度。 不同场景对延迟的容忍度差异很大。生成式模型4秒级的响应，在机器人场景中基本不可用。我们的预测式模型虽然推理速度快、可以在0.5秒内返回结果，但部分机器人需要云端传输延迟在1秒左右，客户仍然反馈“卡顿”。当我们把延迟降低0.5秒，用户体验就有了质的飞跃，这种毫秒级的延迟优化，往往比模型能力的提升更能直接转化为用户满意度。 另一方面在于主动性的价值。 大多数时候，客户并不希望机器人只是一个被动执行指令的工具，而是期待它能“眼里有活”——主动感知环境、自主决策，而不是逐条等人类发令。比如在酒店场景中，机器人主动发现地面有污渍并启动清洁，比接到指令再执行，更能让客户感受到“智能化”。这种从“被驱动设备”到“智能体成员”的体验跃迁，正在成为产品差异化的关键维度。