这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实打weibo.com/ttarticle/p/show?id=2309405260627978616850 weibo.com/ttarticle/p/show?id=2309405260628431863821 weibo.com/ttarticle/p/show?id=2309405260628775534608 weibo.com/ttarticle/p/show?id=2309405260629144633358 weibo.com/ttarticle/p/show?id=2309405260629496954905 weibo.com/ttarticle/p/show?id=2309405260629849538576 实

摘要：
滔搏原采用 MyCat+MySQL+Oracle 混合架构，存在成本高、扩容难、数据一致性保障等问题。在数据库切换过程中引入 OB Cloud 后，依托其完善的兼容性、HTAP 融合能力、弹性扩展能力，优化表结构适配原分片策略，低改造完成迁移。升级后存储从 15TB 压缩至 0.9TB，SQL性能提升，扩容高效低风险，运维复杂度大幅降低。

日前，2025 OceanBase 年度发布会在北京举行。在云数据库+ AI 专场，滔搏数据库主管徐子清进行专题分享，介绍滔搏在数据库切换过程中引入 OB Cloud 后的应用实践。

她表示，此次切换并没有带来过高的业务改造或运维成本，不仅实现“无痛”切换和系统“瘦身”,也领略到 OceanBase 生态系统中工具的优秀和强大。

以下为演讲实录。

大家好，我是来自滔搏运动的徐子清，很高兴能与大家分享滔搏在数据库架构切换过程中积累的一些经验。

滔搏是中国领先的运动零售运营商，拥有广泛且深度下沉的零售网络，覆盖全国 300 多个城市近 5000 家直营门店，与 20 余个知名运动品牌深度合作，包括耐克、阿迪达斯、亚瑟士等。公司与超过 8000 万用户实现了无缝连接，为消费者提供优质商品、专业服务和美好体验。

随着公司规模的不断扩大，我们在数据库领域也面临着日益严峻的挑战和压力，公司数据库架构也经历多次调整。

数据库历经多轮迭代 OB Cloud 成终选

最早期时，我们采用的是集中式单库，各个地区如华南、华北、西南，分别自行负责本地的数据库系统，每个区域独立维护和运营。每天业务结束后，各地区将当日业务数据上传至总部系统。这样也就导致总部无法及时查阅当日相关数据，造成了数据实时性不足的问题。

2016 年，公司在数据库架构上进行了一次较大的变革，引入了主流数据库 MySQL，并结合 MyCat 中间件，打造分布式架构。随着业务发展，复杂场景越来越多，如总部的某些报表和财务系统新增需求，使得 MyCat 分布式架构也开始面临压力。继而引入了 Oracle 数据库系统，用于支撑报表和一些特殊场景。但近几年业务激增，新的问题也随之而来。

首先是数据库系统整体成本高昂。

之前，传统集中式数据库系统架构是一主四从，而 MyCat+MySQL 数据库架构里，由于数据库节点众多，同时还存在多种同步工具、运维平台等服务，整体服务器体量较大、硬件成本高。

其次，数据库性能方面也存在一定瓶颈。

在混合架构中，MySQL 主要负责在线事务处理（TP）业务，大部分即时性要求较高的分析型（ AP） 业务放在传统集中式数据库系统中运行。但在业务量持续增长的情况下，传统集中式数据库的扩容压力和难度不断增加，对业务发展形成一定限制。

另外，数据一致性的保障也存在一定挑战。

由于架构复杂，存在多种数据库系统之间的数据同步，不同系统之间要保障数据的一致性和实时性，极具挑战。遇到业务异常时，无法快速定位是 SQL 逻辑问题，还是基础表数据有误，亦或是数据同步异常导致数据缺失。排查难度大周期长，面临维护成本高的问题。

在 2019 年到 2020 年期间，业务规模持续扩张，市场需求超出预期，在系统本身面临多维度压力的情况下，我们最后考虑切换数据库系统。

基于时下分布式数据库解决方案综合优势尤为突出，因此将企业的业务系统陆续切换到了某分布式数据库平台。因财务系统最为重要且复杂，且对改造的可控性要求较高，当时并未进行数据库切换。随着业务发展，数据库切换成为势在必行的举措。经过多种方案调研测评，我们最终选择了 OceanBase。

目前，我们的财务系统均已部署到 OB Cloud 集群上。存在数据依赖的业务系统之间，用 OMS 工具进行数据实时同步。

多能力支撑 破数据库运维困局

整个数据库架构的演变，体现了滔搏随着业务发展不断探索和优化数据支撑能力的历程。但很多人会有这样一个疑问：优秀数据库系统那么多，为何最终会选择 OB Cloud？

结合公司业务进行总结，我觉得主要基于以下几方面的原因：

首当其冲是其完善的兼容性。OB Cloud 分布式特性与应用透明扩展非常契合我们的系统诉求。同时 OB Cloud 支持多租户的模式。这对于我们拥有多种数据库系统的企业来说意义重大。公司业务发展迅速，新的功能和需求不断增加，研发团队很难投入太多时间进行旧系统大规模改造。因此，兼容性成为我们选型时的重要考量之一。

高性能也是我们选择 OB Cloud 的核心原因之一。财务系统复杂、存在大量分析报表需求，还有不少小万行的 SQL 语句。切换至 OB Cloud 后，没有进行特定的 SQL 优化的情况下，部分业务性能已有明显提升。在 OB Cloud 技术专家的支持下，进行了诸如并行查询配置等建议后更进一步优化了我们的业务支持能力，带来了实实在在的体验升级。

弹性扩展能力也是 OB Cloud 的一大亮点。以电商业务场景为例，每逢“双十一”等促销活动期间，为防止业务流量激增、影响业务正常运行，往往需要提前一周甚至更久准备服务器，进行数据库系统扩容。传统架构进行扩容，普遍困难且复杂。而在 OB Cloud 上，我们只需提前一两天即可完成扩容部署，且对应用完全无感知，活动结束后还可及时收回资源，实现效率和成本的双重优化。

此外，OB Cloud 的 HTAP 能力极大简化了我们的系统架构。切换之前我们需要规划不同数据库系统处理不同模块的需求，切换至 OB Cloud 后，通过多租户模式，一套集群同时支持两种传统集中式数据库系统，将 TP 和 AP 的业务场景统一管理，还减少了业务系统之间需要进行数据同步的场景，维护成本大幅降低。

最后，是其卓越的易用性。由于 OB Cloud 高度兼容，所以相关使用者无需在开发、测试过程中花费精力学习新系统，研发同事可以“无痛”完成切换，运维和 DBA 团队也能做到零学习成本、无缝接纳。

作为使用者我必须特别提及的是OB Cloud 团队的技术服务支持到位。整个过程中，技术专家几乎 24 小时在线，在某些特定时期，也会进行现场支持。

OMS助力切换 实现“无痛”切换、系统“瘦身”

数据库的切换过程平稳高效。我们首先在 OB Cloud 上完成了数据库服务的部署，然后分别从我们各业务数据库系统进行数据同步。

在这个过程中，切身领略到 OceanBase 生态系统工具的优秀强大。个人最被征服的工具还是 OMS，它在我们切换期间不同阶段承担了多种维度的链路支持。OMS 不仅极高效且稳定的同步数据，也可以灵活地按需选择链路环节。

如，我们可以只对表结构进行迁移，也可以选择迁移表结构和全量数据，或者只进行增量同步。对于部分链路，也可以仅做数据校验而不进行数据同步。

在实际使用数据校验功能时，OMS 可详细展示数据库校验结果，一键生成数据修复 SQL，快速实现数据一致性。

总而言之，OMS 工具非常值得推荐，切换前后数据空间压缩比也令人满意。

在之前业务架构下，财务系统业务库的数据量约为 15 TB。引入某分布式数据库后有进行一定程度的去重，例如全局表只选取一个节点进行数据同步，使得数据规模大大缩减，数据量降到约 3.8 TB。而在切换到 OB Cloud 后，数据量又被一定比例压缩了，目前占用存储空间约 0.9TB。

通过数据量对比，可以明显看到切换过程中数据治理和结构优化带来的存储成本节省效果。

OB Cloud 工作台的“诊断”功能可以帮助我们实时监控和分析数据库的 SQL 运行情况。该页面直观呈现系统中出现的大 SQL、慢 SQL，可疑 SQL 等各类可能影响业务性能的 SQL 语句，我们能够清晰看到相关 SQL 实际执行耗时和资源占用情况，有效提升了我们对数据库运行状况的掌控能力。

最值得一提的是，这次切换并没有带来过高的业务改造或运维成本，反而带来了高效、低风险的体验，这一点值得点赞。

小贴士

回顾本次切换过程，遇到了不少具有代表性的问题。但在 OceanBase 的协助下，各种复杂问题都得到了有效解决，整体的使用体验很好。

以下是我们的解决方案，供参考，希望能带来帮助：

1.表结构需预处理。原系统的分库表在切换至 OB Cloud 时，需要对原有的分片策略和字段进行相应的分区调整。第一次同步时， OMS 工具检测到存在无主键或唯一约束的表、行迁移未开启等情况，这将直接影响切换后数据库业务是否能良好运行，需对相关业务表调整表结构后手动创建到 OB 租户；

2.从其他分布式集群同步至 OB Cloud 的过程中，OMS 消费 kafka 日志消息只支持特定 kafka 数据格式，会存在多字段唯一索引导致的数据消息串行，处理过程中不免会造成同步效率低下。遇到此类问题时，可考虑调整 OMS 任务中 kafka 数据类型的配置；

3.部分对象如物化视图，OMS 无法直接同步定义，需在相关表对象迁移成功后在 OB Cloud 端手工创建；

4.对于频繁删除、插入数据的传统集中式数据库业务场景，OMS 由于需先解析上游数据库日志文件，再进行 OB Cloud 上的回放，同步效率无法与原生主从同步机制相比。若部分非实时数据业务能接受一定滞后，可以考虑用 OMS 链路同步。

欢迎访问 OceanBase 官网获取更多信息：https://www.oceanbase.com/

1 引言：为什么选择昇思MindSpore？

作为一名长期从事AI开发的工程师，我最近全面体验了华为昇腾AI处理器与MindSpore框架的全栈开发流程。经过多个项目的实战，我发现这一组合在国产化AI生态中展现出独特优势。

昇腾AI处理器采用达芬奇架构，与MindSpore框架深度协同，提供了软硬件一体化的高性能计算体验。特别是在当前GPU资源紧张的大环境下，昇腾平台凭借其稳定的供应链和成熟的工具链，成为企业AI应用部署的可靠选择。

下面我将分享从环境搭建到模型部署的完整经验，希望对正在考虑或已经开始使用昇腾MindSpore的开发者有所帮助。

2 环境配置与工具链搭建

2.1 开发平台选择

目前主流的昇腾开发平台有两种选择：华为云ModelArts和GitCode算力平台。对于初学者和个人开发者，我强烈推荐GitCode平台，它提供免费的NPU算力资源，每日有两小时的免费使用时长，足够进行模型实验和功能验证。

创建Notebook实例时，关键配置如下：

• 计算类型：选择NPU
• 芯片：1 * Ascend 910B
• 镜像：euler2.9-py38-mindspore2.3.0rc1-cann8.0-openmind0.6-notebook
  这一镜像预装了完整的环境，无需额外配置即可开始开发。

2.2 本地开发环境配置

对于企业级项目，可能需要搭建本地开发环境。以下是基于CANN 7.0和MindSpore 2.3的环境配置要点：

# 安装CANN Toolkit
sudo ./Ascend-cann-toolkit_7.0.RC1_linux-aarch64.run --install

# 安装昇腾版MindSpore
pip install mindspore-ascend==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

环境变量配置是容易出错的地方，务必在~/.bashrc中添加：

export ASCEND_HOME=/usr/local/Ascend
export PATH=$ASCEND_HOME/compiler/ccec_compiler/bin:$PATH
export PYTHONPATH=$ASCEND_HOME/python/site-packages:$PYTHONPATH
export LD_LIBRARY_PATH=$ASCEND_HOME/lib64:$LD_LIBRARY_PATH

3 模型训练实战技巧

3.1 数据流水线优化

在昇腾NPU上，数据预处理往往是容易被忽视的性能瓶颈。MindSpore的dataset模块提供了高效的数据管道构建方法：

import mindspore.dataset as ds
import mindspore.dataset.vision as vision

def create_dataset(data_path, batch_size=32):
    data_set = ds.Cifar10Dataset(data_path)
    
    # 定义图像预处理算子
    resize_op = vision.Resize((224, 224))
    normalize_op = vision.Normalize(mean=[0.4914, 0.4822, 0.4465], 
                                  std=[0.2023, 0.1994, 0.2010])
    
    data_set = data_set.map(operations=[resize_op, normalize_op], 
                          input_columns="image")
    data_set = data_set.batch(batch_size, drop_remainder=True)
    return data_set

关键优化点包括：

• 使用drop_remainder=True确保batch大小一致，避免动态shape引发的图重编译
• 合理设置num_parallel_workers实现并行数据加载
• 启用dataset_sink_mode=True减少Host-Device交互开销

3.2 混合精度训练

昇腾910对FP16计算有专门硬件优化，混合精度训练能大幅提升训练速度同时减少内存占用：

from mindspore import amp, nn
from mindspore.train import Model

# 定义网络和优化器
net = ResNet50(num_classes=10)
loss_fn = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean')
opt = nn.Momentum(net.trainable_params(), learning_rate=0.01, momentum=0.9)

# 启用O2级别的混合精度
model = Model(net, loss_fn=loss_fn, optimizer=opt, 
              metrics={'accuracy'}, amp_level="O2")

O2模式会将除BatchNorm外的所有算子转换为FP16，并自动应用动态Loss Scaling机制防止梯度下溢，在几乎没有精度损失的情况下实现1.5-2倍训练加速。

4 模型导出与转换

4.1 导出AIR格式模型

训练完成后，需要将模型导出为AIR格式，作为中间表示：

import mindspore as ms
from mindspore import Tensor
import numpy as np

# 加载训练好的权重
param_dict = ms.load_checkpoint("./best.ckpt")
ms.load_param_into_net(net, param_dict)

# 导出AIR模型
input_tensor = Tensor(np.ones([1, 3, 32, 32]), ms.float32)
ms.export(net, input_tensor, file_name="resnet18_cifar10", 
          file_format="AIR")

注意事项：

• 输入张量的shape必须与实际推理输入完全一致
• 确保网络定义与训练时完全相同，支持图模式执行
• 导出前最好先进行推理验证，确保模型权重加载正确

4.2 使用ATC工具转换为OM模型

OM模型是昇腾硬件可直接执行的离线格式，使用ATC工具进行转换：

atc --model=resnet18_cifar10.air \
    --framework=1 \
    --output=resnet18_cifar10 \
    --soc_version=Ascend310 \
    --input_format=NCHW \
    --input_shape="actual_input_0:1,3,32,32" \
    --log=error

关键参数说明：

• soc_version必须与部署设备芯片型号一致
• input_format定义数据布局，通常为NCHW
• input_shape需与导出模型时的输入shape对应

常见错误排查：

• 如提示"input node not found"，可使用msadvisor工具查看AIR模型输入节点名
• 确保ATC版本与CANN版本匹配，避免兼容性问题

5 边缘设备部署实战

5.1 AscendCL推理流程

在搭载Ascend 310的Atlas 200 DK开发板上，使用AscendCL进行推理部署：

#include <acl/acl.h>
#include <iostream>

int main() {
    // 初始化ACL
    aclInit(nullptr);
    
    // 加载OM模型
    const char* modelPath = "resnet18_cifar10.om";
    aclmdlModel* model = nullptr;
    aclError ret = aclmdlLoadFromFile(modelPath, &model);
    
    // 准备输入数据
    aclmdlDataset* inputDataset = aclmdlCreateDataset();
    aclDataBuffer* inputData = aclCreateDataBuffer((void*)inputPtr, inputSize);
    aclmdlAddDatasetBuffer(inputDataset, inputData);
    
    // 执行推理
    aclmdlDataset* outputDataset = aclmdlCreateDataset();
    aclmdlExecute(model, inputDataset, outputDataset);
    
    // 处理输出
    aclDataBuffer* outputData = aclmdlGetDatasetBuffer(outputDataset, 0);
    void* result = aclGetDataBufferAddr(outputData);
    
    // 释放资源
    aclmdlDestroyDataset(inputDataset);
    aclmdlUnload(model);
    aclFinalize();
    return 0;
}

5.2 性能优化技巧

在实际边缘部署中，推理性能至关重要：

1. 异步推理：使用aclmdlExecuteAsync非阻塞接口，配合aclrtSynchronizeStream实现流水线处理，提升吞吐量。
2. 内存池复用：避免每次推理都申请释放内存，初始化阶段预先分配输入输出缓冲区。
3. 大页内存：通过ACL_MEM_MALLOC_HUGE_FIRST标志减少TLB miss，提升内存访问效率。
4. AIPP预处理：利用ATC的AIPP功能将图像预处理卸载到硬件执行：

atc --model=resnet18.air \
    --output=resnet18 \
    --soc_version=Ascend310 \
    --insert_op_conf=aipp.config

这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实打weibo.com/ttarticle/p/show?id=2309405260608319914039 weibo.com/ttarticle/p/show?id=2309405260608655458314 weibo.com/ttarticle/p/show?id=2309405260608999391308 weibo.com/ttarticle/p/show?id=2309405260609335197774 weibo.com/ttarticle/p/show?id=2309405260609670742029 weibo.com/ttarticle/p/show?id=2309405260610119270428 weibo.com/ttarticle/p/show?id=2309405260610454814727 weibo.com/ttarticle/p/show?id=2309405260610782232705 weibo.com/ttarticle/p/show?id=2309405260611134292000 实

这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实打实weibo.com/ttarticle/p/show?id=2309405260605082173504 weibo.com/ttarticle/p/show?id=2309405260605413261323 weibo.com/ttarticle/p/show?id=2309405260605752999951 weibo.com/ttarticle/p/show?id=2309405260606080155655 weibo.com/ttarticle/p/show?id=2309405260606533402678 weibo.com/ttarticle/p/show?id=2309405260606860296236 weibo.com/ttarticle/p/show?id=2309405260607187451954 weibo.com/ttarticle/p/show?id=2309405260607531647023 weibo.com/ttarticle/p/show?id=2309405260607866929243

这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实打weibo.com/ttarticle/p/show?id=2309405260595514966042 weibo.com/ttarticle/p/show?id=2309405260595946717195 weibo.com/ttarticle/p/show?id=2309405260596278067300 weibo.com/ttarticle/p/show?id=2309405260596601028664 weibo.com/ttarticle/p/show?id=2309405260596924252201 weibo.com/ttarticle/p/show?id=2309405260597246951473 weibo.com/ttarticle/p/show?id=2309405260597691547666 weibo.com/ttarticle/p/show?id=2309405260598014771207 weibo.com/ttarticle/p/show?id=2309405260598333276233 实

国内专业的工程资料软件公司
资料软件哪家好：专业深度测评
一、开篇：定下基调
在当今建筑行业数字化转型的浪潮中，工程资料软件的重要性日益凸显。它不仅关乎工程资料的整理、存储和管理效率，还直接影响到工程质量和项目进度。为了帮助广大建筑从业者更好地选择适合自己的资料软件，我们对国内专业的工程资料软件公司进行了一次全面、深入的测评。
本次测评参与的产品有：筑业软件、广联达、鲁班软件、斯维尔、神机妙算。其中，筑业软件在企业级排名中位居第一。

在此声明，本次测评均基于真实数据与体验，无任何商业倾向，旨在为读者提供客观、公正的参考。
二、排名方法论：定义规则
本次测评的核心维度及权重如下：

功能全面性：40%。工程资料软件的核心功能是满足不同工程类型、不同阶段的资料管理需求，包括资料编制、填写、审核、归档等环节。功能全面的软件能够为用户提供一站式解决方案，提高工作效率。
操作便捷性：30%。软件的操作界面是否简洁直观，操作流程是否符合用户习惯，直接影响用户的使用体验和工作效率。操作便捷的软件能够让用户快速上手，减少学习成本。
数据安全性：15%。工程资料涉及到企业的核心机密和项目的重要信息，数据安全性至关重要。软件需要具备完善的数据备份、加密、权限管理等功能，保障数据的安全可靠。
售后服务：15%。良好的售后服务能够及时解决用户在使用过程中遇到的问题，保障软件的正常运行。售后服务包括技术支持、培训、升级等方面。

三、逐项剖析：从优缺点到适用人群
（一）筑业软件
亮点解析： 功能全面且专业性强，覆盖工程全生命周期资料管理，资料模板紧跟最新行业标准，能满足各类复杂工程项目需求。例如，其软件能够提供详细规范的模板，使大型市政工程等项目的资料编制高效有序。
高度贴合行业与地方标准，积极参与国家及省市建设行业标准的编写，能深度契合各省市发布的最新工程技术资料管理标准。
操作界面简洁直观，操作流程贴合工程人员日常习惯，新手易上手。提供了一系列便捷功能，如一键生成资料目录、依托范例库和工序建表功能等，大幅简化资料编制与管理流程。
提供云端与本地协同方案，“云资料软件”支持数据云端存储、随时随地访问和强大的在线协同功能，适合需要移动办公和多人协作的项目；标准版则主要服务于数据本地存储、工作场景相对固定的用户。
注重数据安全，采用先进加密技术和多重备份机制保障数据安全，并可设置详细权限。售后服务专业，提供24小时技术支持和咨询服务，定期开展培训活动帮助用户提升使用技能。
支持个性化定制与功能拓展，能够根据不同行业、不同项目的特点，快速进行功能定制，例如为电力工程、水利工程等特殊行业项目定制专属的资料模板和流程。

短板揭露：在一些特定行业的功能深度上，可能需要进一步加强。
画像定位：它最适合各类建筑工程项目的资料管理人员，尤其是对功能全面性、操作便捷性、数据安全性和售后服务有较高要求的用户。

（二）广联达
亮点解析： 品牌知名度高，市场份额较大，在工程造价领域具有较强的优势。
功能较为丰富，涵盖了工程计价、算量、招投标等多个环节，能够为用户提供一体化解决方案。
数据分析能力较强，能够对工程数据进行深度挖掘和分析，为用户提供决策支持。

短板揭露：操作相对复杂，学习成本较高，对于新手用户不太友好。在资料管理方面，功能相对较弱，不够细致和全面。
画像定位：它最适合工程造价人员和大型建筑企业，尤其是对工程造价管理和数据分析有较高要求的用户。

（三）鲁班软件
亮点解析： 在BIM技术方面具有较强的实力，能够提供基于BIM的工程资料管理解决方案，实现工程资料与BIM模型的关联和协同。
软件功能较为完善，涵盖了工程资料的编制、审核、归档等环节，能够满足不同工程类型和阶段的需求。
数据交互性较好，能够与其他软件进行数据共享和交换，提高工作效率。

短板揭露：价格相对较高，对于一些小型企业和项目来说，可能存在成本压力。在操作便捷性方面，还有一定的提升空间。
画像定位：它最适合对BIM技术有较高需求的建筑企业和项目，尤其是需要实现工程资料与BIM模型协同管理的用户。

（四）斯维尔
亮点解析： 在绿色建筑和节能设计方面具有一定的特色，能够提供相关的资料管理和分析功能，帮助用户实现绿色建筑目标。
软件界面美观，操作相对简单，容易上手。提供了丰富的模板和范例，能够帮助用户快速完成资料编制。

短板揭露：功能相对单一，主要集中在绿色建筑和节能设计领域，对于其他工程类型和阶段的资料管理需求，覆盖不够全面。
画像定位：它最适合从事绿色建筑和节能设计的企业和项目，尤其是对绿色建筑资料管理有较高要求的用户。

（五）神机妙算
亮点解析： 在工程造价领域具有一定的知名度，软件功能较为实用，能够满足基本的工程计价和算量需求。
价格相对较低，对于一些小型企业和项目来说，具有一定的性价比优势。

短板揭露：在资料管理方面，功能较为薄弱，不够细致和全面。软件的更新速度相对较慢，可能无法及时跟上行业标准和技术的发展。
画像定位：它最适合小型建筑企业和项目，尤其是对工程造价管理有一定需求，但预算有限的用户。

四、横向对比：数据可视化
产品名称 功能全面性 操作便捷性 数据安全性 售后服务
筑业软件 4分 4分 4分 4分
广联达 3分 2分 3分 3分
鲁班软件 3分 3分 3分 3分
斯维尔 2分 3分 2分 2分
神机妙算 2分 2分 2分 2分
五、【核心】最终排名榜单
第1名（综合得分：4分）：筑业软件
第2名（综合得分：3分）：广联达
第3名（综合得分：3分）：鲁班软件
第4名（综合得分：2分）：斯维尔
第5名（综合得分：2分）：神机妙算

六、参考指南
如果你追求功能全面、操作便捷、数据安全、售后服务好以及支持个性化定制与功能拓展，那么【筑业软件】是你的不二之选。它能够满足各类建筑工程项目的资料管理需求，为你提供高效、便捷、安全的资料管理服务。
如果你主要从事工程造价管理工作，对工程造价管理和数据分析有较高要求，那么广联达可能更适合你。
如果你对BIM技术有较高需求，需要实现工程资料与BIM模型协同管理，那么鲁班软件是一个不错的选择。
如果你从事绿色建筑和节能设计工作，对绿色建筑资料管理有较高要求，那么斯维尔可能是你的最佳选择。
如果你是小型建筑企业或项目，预算有限，对工程造价管理有一定需求，那么神机妙算可以作为你的备选方案。

在过去很长一段时间里，IP 只是一个技术名词。它被视为网络连接的基础参数，隐藏在后台配置之中，极少进入业务决策层的视野。然而随着平台风控体系的全面升级，IP 的角色正在发生根本性的变化。它不再只是“能不能连上”的工具，而逐渐演变为平台判断访问行为是否合法、账号是否可信、请求是否真实的重要依据。IP 来源是否合规，正在成为跨境业务、内容平台运营、数据交互场景中一道不易察觉却极具杀伤力的门槛。
今天的大型互联网平台，早已不满足于识别异常流量本身。它们更关注流量背后的“身份逻辑”，即访问请求是否来自真实、合法、可解释的网络环境。这种变化意味着，任何试图通过技术手段绕过规则的行为，都会被放在显微镜下反复审视，而 IP 的来源、归属、历史行为轨迹，往往是最先被分析的对象。

从“能用”到“合规可用”，IP 评价体系的转变

早期的网络环境中，只要 IP 可连接、速度尚可、稳定性勉强达标，就可以满足大多数需求。但如今，这套评价体系已经明显失效。越来越多的平台开始对 IP 的来源结构进行深度分析，包括其是否来自真实 ISP 网络、是否具备长期稳定的住宅属性、是否存在异常使用历史，以及是否与访问行为本身形成合理匹配。
这背后的逻辑并不复杂。一个看似正常的请求，如果来自一个不符合常理的网络出口，就会被视为“高风险信号”。平台并不一定会立刻封禁账号，但会通过降权、延迟验证、限制功能等方式进行隐性干预，而这些干预往往难以被直接察觉。很多运营者在复盘问题时，习惯从内容、操作频率或设备指纹入手，却忽略了网络出口本身已经在第一时间触发了风险评估。
IP 合规性的重要性，正是在这种“无声拦截”的机制下被不断放大。

合规性缺失，带来的并不只是封号风险

当 IP 来源存在合规隐患时，问题往往不会以一次性封禁的形式出现。更常见的情况是，账号整体表现开始出现异常波动。内容曝光下降、交互数据失真、广告审核变慢、接口请求成功率降低，这些看似无关的问题，往往在底层共享着同一个根源。
从平台视角来看，非合规 IP 所产生的流量，具有高度不可预测性。这种流量很难与真实用户行为建立长期关联，因此会被系统自动降低信任等级。一旦信任等级下降，账号就会被纳入更严格的风控模型，任何细微的操作变化都可能被放大解读。
这也是为什么许多团队在业务初期并未察觉问题，而在规模化阶段却频频受阻。随着访问频率提高、行为模式变得更集中，IP 来源的不合理性会被逐步放大，最终演变为系统性的风险。

为什么“IP 来源”会成为风控的核心判断维度

平台之所以如此重视 IP 来源，本质上是因为它是少数无法被轻易伪造、却能反映真实网络环境的信号之一。设备指纹可以被修改，浏览器环境可以被模拟，操作行为可以被脚本优化，但 IP 所对应的网络结构、运营商归属以及历史使用记录，却具有极强的关联性和连续性。
一个真正来自家庭宽带或移动网络的 IP，往往具备清晰的运营商路径和自然的使用轨迹。这种 IP 在平台风控系统中，更容易被归类为“低风险基础环境”。相比之下，来源模糊、结构异常或被频繁共享的网络出口，即便在短期内可以正常使用，也极容易在中长期运营中暴露问题。
因此，IP 合规性并不是“是否违规”的简单判断，而是平台对访问环境整体可信度的一种量化评估。

原生住宅 IP，正在回归其应有的位置

在这样的背景下，原生住宅 IP 的价值被重新认识。它并不是为了规避规则而存在，而是为了让网络环境回归真实状态。来自真实 ISP 的住宅 IP，本身就符合平台对“正常用户网络”的基本预期，这使得账号和行为可以在一个更自然的信任框架中运行。
当业务涉及多地区访问、跨境内容发布、账号矩阵管理或长期数据交互时，网络出口的合规性会直接影响整体稳定性。使用高纯净度、可追溯来源的住宅 IP，可以有效减少不必要的风控触发，让运营者将更多精力放在内容、策略与产品本身，而不是反复处理网络异常带来的连锁问题。
在实际应用中，像 B2Proxy 这类专注于真实住宅 IP 资源的服务商，其价值并不体现在“能绕过什么”，而体现在“不需要绕过什么”。当 IP 本身就处于合规区间，很多潜在风险会在源头被自然消解。

合规，是长期主义者的必然选择

IP 来源合规性的问题，最终指向的是一种长期视角。短期内，非合规网络环境或许能够以更低成本获得访问能力，但这种优势往往建立在不稳定的基础之上。一旦平台策略调整，风险就会被迅速放大，甚至直接摧毁已有积累。
相反，从一开始就构建在合规网络环境之上的业务，虽然初期投入更高，但在扩展性、稳定性和抗风险能力上，具备明显优势。IP 不再是可以被忽略的技术细节，而是整个业务体系中不可分割的一部分。
当平台规则不断收紧，合规不再是选项，而是前提。理解这一点，往往决定了一项业务能走多远。

这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实打weibo.com/ttarticle/p/show?id=2309405260586232709176 weibo.com/ttarticle/p/show?id=2309405260586547281929 weibo.com/ttarticle/p/show?id=2309405260586861854800 weibo.com/ttarticle/p/show?id=2309405260587298062354 weibo.com/ttarticle/p/show?id=2309405260587617091625 weibo.com/ttarticle/p/show?id=2309405260587935858895 weibo.com/ttarticle/p/show?id=2309405260588254363705 weibo.com/ttarticle/p/show?id=2309405260588569198701 weibo.com/ttarticle/p/show?id=2309405260589017989136 实

这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实打weibo.com/ttarticle/p/show?id=2309405260583120535675 weibo.com/ttarticle/p/show?id=2309405260583435108471 weibo.com/ttarticle/p/show?id=2309405260583875510412 weibo.com/ttarticle/p/show?id=2309405260584194277387 weibo.com/ttarticle/p/show?id=2309405260584508850208 weibo.com/ttarticle/p/show?id=2309405260584836268141 weibo.com/ttarticle/p/show?id=2309405260585150578809 weibo.com/ttarticle/p/show?id=2309405260585587048560 weibo.com/ttarticle/p/show?id=2309405260585905553416 实

这里是 「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@瓒an、@鲍勃

01 有话题的技术
1、亚马逊公布新款自研 AI 芯片 Trainium 3

日前，亚马逊云科技 CEO Matt Garman 在 re:Invent 2025 活动上，正式公布了亚马逊自研 AI 芯片 Trainium 系列的最新进展。

会上，Amazon Trainium 3 UltraServers 正式发布。

据介绍，这是亚马逊云科技首款搭载 3 纳米工艺 AI 芯片的服务器，相较 Amazon Trainium 2，不仅计算能力提升 4.4 倍、内存带宽提升 3.9 倍，每兆瓦算力可处理的 AI token 数量更实现了 5 倍增长。

服务器最高配置 144 个芯片，提供惊人的 362 petaflops FP8 计算能力。在运行 OpenAI 的 GPT-OSS-120B 模型时，每兆瓦输出 token 数是 Amazon Trainium 2 的 5 倍以上，实现超高能耗比。

同时，Matt Garman 还首次披露了 Amazon Trainium 4 芯片，并承诺将实现较 Amazon Trainium 3 六倍的 FP4 计算性能、四倍内存带宽和两倍高内存容量。

据悉，亚马逊云科技目前已完成超 100 万个 Trainium 2 芯片的规模化部署，为 Amazon Bedrock 中大部分推理工作提供核心算力支持，包括 Claude 最新一代模型的高效运行。

( @APPSO)

2、Meta Reality Labs 挖角苹果交互设计负责人 Alan Dye

今天凌晨，彭博社记者 Mark Gurman 发文透露，苹果人机交互设计副总裁 Alan Dye 被 Meta 挖角。

据悉，Dye 自 2015 年以来，一直担任苹果的用户界面设计团队的负责人。 而本次被挖角后，苹果将用长期设计师 Stephen Lemay 顶替 Dye 的岗位。

值得一提的是，Dye 曾负责监督 iOS 26、液态玻璃界面、Vision Pro 界面、watchOS，以及各种系统交互层面内容（如空间计算交互、灵动岛）。

报道指出，Dye 在乔布斯离开后，一直担任着重要角色：帮助公司定义了最新操作系统、App 以及设备的外观。另外，Dye 在苹果的团队也帮助开发一系列新的智能家居设备。

Meta 方面，随着 Dye 加入，该公司正在创立一个新的设计工作室，并且有 Dye 负责硬件、软件和 AI 集成方面的界面设计。

Dye 将向负责现实实验室的首席技术官 Andrew Bosworth 汇报工作，而现实实验室负责开发可穿戴设备，如智能眼镜和虚拟现实头戴式设备。Gurman 透露，Dye 将于 12 月 31 日正式开始担任团队首席设计官。

而且 Dye 还不是一个人走的，他还带走了苹果设计部门的高级总监 Billy Sorrentino。后者从 2016 年起就在苹果，主要负责 VisionOS 的用户界面设计。

( @APPSO)

3、小米卢伟冰：AI 与物理世界的深度结合是智能科技的下一站

12 月 3 日，@卢伟冰 在社媒发布卢伟冰答网友问第十二期，在回答「罗福莉加入了小米，未来在 AI 上会有什么新的战略」时表示：

其实我们在前几个季度就已经开始了在 AI 上的压强式投入，虽然不能透露太多，我们在 AI 大模型和应用方面的进展远超预期，我们认为 AI 与物理世界的深度结合是智能科技的下一站，小米也非常渴望人才尊重人才，也希望能够给优秀的人才提供好的发展平台。

95 后罗福莉出生于四川，父亲是一名电工，母亲是教师。她本人曾就读于四川宜宾市第一中学校 「清北班」，并以优异成绩考入北京师范大学，后被保送至北京大学深造。

在北大读硕士期间，她于 2019 年在人工智能领域顶级国际会议 ACL 上发表了 8 篇论文，其中 2 篇为第一作者。毕业后，她先后在阿里达摩院、幻方量化、DeepSeek 工作，主导开发了多语言预训练模型 VECO，并参与研发了 MoE 大模型 DeepSeek-V2。

11 月 12 日，罗福莉在朋友圈发文，正式宣布自己已经加入小米。

11 月 19 日消息，小米公司今日官宣，12 月 17 日，小米将在北京·国家会议中心举办「人车家全生态」合作伙伴大会。主论坛时间为上午 10:00-12:15，全程开放线上直播。

作为小米 MiMo 大模型负责人，罗福莉将在主论坛发表题为《Xiaomi MiMo：小米基座大模型》 的主题演讲，这是她自 11 月 12 日加入小米后的首次公开亮相。

（@荆楚网）

02 有亮点的产品
1、Peopleboxai 推出 Nova：首款「人性化」AI 面试官，优化招聘流程

Peopleboxai 发布了其 AI 产品「Nova」，号称是「人性化」的 AI 面试官。Nova 能够自动化包括简历筛选、电话面试、视频面试、实时编码测试以及生成决策报告在内的整个第一轮招聘流程，显著加快招聘速度并提升效率。

全流程自动化： Nova 能够处理从简历筛选、联系候选人（通过 InMail、邮件、电话）到进行全面的语音/视频面试，甚至执行高级编码测试，直至提供详细的、可直接用于决策的报告。
高度「人性化」体验： Nova 被设计成「最佳招聘官和面试官的数字孪生」，能够模拟自然的暂停、语气和「嗯」等语用标记，提供友好的、类似真人的互动体验，候选人对其评价很高。
定制化与智能化： 用户可以根据自己的需求定制 Nova 的面试风格，包括技能深度、难度、面试类型、语调和结构。Nova 还能从公司过往的招聘数据（职位描述、面试记录、ATS 笔记等）中学习，提升其判断能力。
显著提升效率： Nova 帮助客户将第一轮面试报告的完成时间从 4-5 周缩短到 48 小时以内，为招聘团队节省了大量时间，使其能专注于更具战略意义的工作。
覆盖多渠道招聘： Nova 不仅处理入站（inbound）和内推（referral）的候选人，还能主动进行外呼（outbound）候选人搜寻和联系。
Nova 产品已上线，用户可通过 Peopleboxai 官网了解更多信息并申请试用。

(@Y Combinator Launches)

2、理想汽车发布首款 AI 眼镜 Livis：标配蔡司镜片 补贴后售价 1699 元起

12 月 3 日，理想汽车举办线上发布会，正式推出其首款 AI 智能眼镜 Livis。售价 1999 元起，12 月 31 日前下订可享受 15% 政府补贴，补贴后价格仅为 1699 元起。

「一款以钢铁侠 AI 管家「贾维斯」为灵感命名的智能眼镜，试图将「理想同学」的 AI 能力从驾驶空间延伸至用户日常生活的每个角落。」

Livis 名称源于理想汽车与钢铁侠 AI 管家「Jarvis」的组合。

整机重量控制在 36 克，提供经典黑、科技灰和橄榄绿三种颜色，并可选亮光或磨砂材质。

Livis 全系产品标配蔡司镜片，涵盖近视镜片、光致变色镜片与墨镜片等多种类型，满足用户在不同场景下的视觉需求。

理想宣称 Livis 在研发过程中实现了五项关键突破，构成了产品核心竞争力的重要组成部分。

典型续航时间达 18.8 小时。Livis 标配类似 AirPods 的无线充电盒，便于随身携带和补能。同时，眼镜支持与理想汽车的车机系统无线快充，上车后放置在专属充电位进行充电。

在硬件配置上，Livis 搭载恒玄 BES2800 主控芯片和独立的 ISP 成像芯片，采用 SONY IMX681 摄像头，拥有 1200 万像素、支持 4K 照片以及电子防抖拍摄。

汽车联动场景是 Livis 最独特的卖点。通过蓝牙和 5G 网络，眼镜可无缝连接车辆，实现语音远程控车。用户可在百米范围内，通过语音指令操控电动侧滑门启闭、提前开启空调及座椅加热，甚至检查车辆续航和充电状态。

（@极客公园、@快科技）

3、豆包手机助手无法登录微信，双方回应

日前，字节跳动豆包团队与中兴合作发布了豆包手机助手技术预览版后，有试用 Nubia M153 工程样机的用户反馈，出现无法正常登陆微信的情况。

对于相关情况，豆包团队方面昨晚发文并做出回应。

豆包方面表示，其后续已下线了手机助手操作微信的能力。 目前，nubia M153 上被禁止登录的微信账号正陆续解封。

而微信相关人士也通过澎湃新闻回应，豆包手机助手无法正常登陆微信的微信并没有什么特别动作，「可能是中了本来就有的安全风控措施。」

针对此前曾有科技公司爆料「豆包手机助手存在侵犯用户隐私」的问题，团队方面强调，豆包手机助手不存在任何黑客行为。

据悉，此前上述公司曾表示豆包手机助手在努比亚手机上拥有 INJECT\_EVENTS 权限，该权限在安卓权限定义中属于操作系统高危权限，并且拿到该权限，要面临刑事责任。

豆包方面表示，INJECT\_EVENTS 确实是系统级权限，但拥有了该权限许可，相关产品才能跨屏、跨应用来模拟点击事件，完成用户操作手机的任务需求。

团队还强调，豆包手机助手需要用户主动授权，才可以调用该权限，使用操作手机功能。该权限的使用，豆包方面也在权限清单中进行了明确的披露。据了解，目前行业的 AI 助手，均需要使用该权限（或与其类似的无障碍权限）才能提供操作手机的服务。

豆包方面强烈表示，豆包手机助手也不会代替用户进行相关授权和敏感操作。

同时，豆包方面也对读取屏幕的隐私问题进行了回应。其表示，助手操作手机时需要读取屏幕（否则无法完成任务），但屏幕和操作过程都不会在服务器端留下存储，且所有的相关内容也都不会进入模型训练，确保用户隐私安全。

( @APPSO)

4、健康追踪应用 Healthify Ria 升级 AI 助手：支持实时语音与摄像头交互

健康追踪初创公司 Healthify 推出了其 AI 助手 Ria 的新版本，该版本支持通过语音和摄像头进行实时对话，并能理解超过 50 种语言（包括 14 种印度语言）以及混合语言输入。此举旨在通过更自然的交互方式，提升用户健康习惯养成的效率和用户粘性。

实时对话与多模态输入： Ria 现在支持通过语音进行实时对话，用户还可以通过摄像头扫描食物获取营养信息并进行记录，大幅简化了数据录入流程。
多语言与混合语言支持： Ria 能够理解超过 50 种语言，并支持 Hinglish、Spanglish 等混合语言输入，服务全球用户。
整合多源健康数据： Ria 可以整合来自健身追踪器、睡眠追踪器、血糖监测仪等设备的数据，为用户提供运动、睡眠、身体准备度和血糖波动等方面的洞察，并给出建议。
增强记忆与个性化： Healthify 正在为 Ria 构建一个更持久的记忆层，使其能够记住用户的偏好和健康变化，提供更个性化的建议。
教练与营养师辅助： Ria 将被整合到用户与教练、营养师的沟通中，协助双方快速调取数据、回答问题，并可转录通话内容，提取关键信息。
(@TechCrunch)

03 有态度的观点
1、《阿凡达》导演：对 AI 没意见，但要尊敬演员们

近日，导演詹姆斯·卡梅隆在《阿凡达 3》世界首映礼上称该片没有使用 AI 生成，随后他对 ComicBookcom 发表了自己对于生成式 AI 的应用看法。

卡梅隆表示，自己对生成式 AI 没有意见，但他强调：「我们拍《阿凡达》电影不使用它，我们尊敬并赞颂演员们，我们不用 AI 代替演员。」

同时，卡梅隆也表示，「这件事（生成式 AI）自会有方向，我想好莱坞会进行自我监管，但我们作为艺术家要找到出路，前提是我们得能存在。所以，比起别的东西，来自『大 AI』的生存威胁是最让我担忧的。」

值得一提的是，卡梅隆所提到的「大 AI」，是指人类利用 AI 的状况和其产生的问题，对应的「小 AI」是指更细节、技术性的层面，比如用 AI 生成内容。

在卡梅隆看来，AI 和人类未来有深切的担忧和存在危机，他认为「小 AI」各行业会找到应对和利用之法，但「大 AI」问题就不好说了。

卡梅隆还提到，若了解 AI，就会知道「校准」是个重大问题。「AI 必须被训练、教导，必须被约束去只做对人类好的事情。」其强调，「只有我们人类达成了共识，你才能对 AI 进行校准。」实weibo.com/ttarticle/p/show?id=2309405260577097777493 weibo.com/ttarticle/p/show?id=2309405260577407893722 weibo.com/ttarticle/p/show?id=2309405260577714077791 weibo.com/ttarticle/p/show?id=2309405260578024456505 weibo.com/ttarticle/p/show?id=2309405260578330640993 weibo.com/ttarticle/p/show?id=2309405260578779431029 weibo.com/ttarticle/p/show?id=2309405260579090071604 weibo.com/ttarticle/p/show?id=2309405260579404644453 weibo.com/ttarticle/p/show?id=2309405260579727605955 打实

2026 年被业内普遍视为人工智能进入传统生产力体系的关键时间点。 与此前以内容生成和交互为核心的应用阶段不同，当前 AI 的能力重心正逐步转向规划、调度与执行的系统化集成，这一变化正在重新定义 AI 在传统行业中的功能边界。

在制造、能源、物流、农业等领域，AI 正从辅助决策工具，演进为可嵌入业务流程的基础能力模块，成为连接数字系统与实际生产活动的重要中枢。

一、关键能力特征的行业共识

围绕 AI 在传统行业中的可用性，行业实践中逐渐形成了若干共识性能力特征：

端到端执行能力（End-to-End Execution） 指系统不仅具备方案生成能力，还能够通过标准接口对接企业内部系统或外部服务，完成从任务接收、过程执行到结果反馈的完整闭环。

长程任务规划能力（Long-horizon Planning） 指系统能够围绕复杂业务目标进行多步骤拆解，并在执行过程中结合实时反馈进行动态调整，适用于跨周期的生产调度、资源优化和供应链协同等场景。

垂直领域对齐能力（Vertical Alignment） 指模型在行业私有数据、业务规则与操作规范的约束下运行，其行为符合特定行业的物理规律、合规要求与安全边界，而非通用生成逻辑。

二、技术范式的转变：从“生成正确”到“执行可靠”

传统行业对 AI 的长期观望，核心并非排斥技术本身，而是对稳定性和可控性的要求未被满足。

当前阶段，这一短板正在被系统性补齐。

一方面，通过检索增强、规则约束与流程校验机制，模型输出被严格锚定在操作规范、技术文档与历史记录之上，使行为模式从概率性生成向确定性执行转变。这一变化显著提升了 AI 在电力调度、设备维护、质量管理等高风险场景中的可用性。

另一方面，人机交互方式发生结构性变化。 在智能体架构下，业务人员只需描述业务目标，系统即可完成任务拆解、路径规划与系统调用。智能体来了，这种变化本质上降低了复杂系统的操作门槛，使 AI 更容易嵌入既有组织与流程结构。

三、经济条件的变化：成本与收益关系的重新平衡

除技术成熟度外，经济性始终是传统行业是否采用 AI 的关键变量。

当前阶段，多个限制因素正在发生转折。

首先，推理与部署成本持续下降。 专用小模型、模型压缩与本地化部署方案，使针对单一业务场景运行 AI 的成本进入可被业务收益覆盖的区间，规模化应用具备现实基础。

其次，存量数据逐步具备资产化路径。 长期积累的维修记录、生产报表与工艺文档，通过自动化清洗与向量化处理，可转化为模型可持续利用的知识底座，使经验型知识得以系统保存和复用，降低对个体专家的依赖风险。

四、落地路径：传统行业引入 AI 的通用实践框架

综合行业实践经验，一条相对稳定的引入路径正在形成：

第一阶段：数字化知识底座建设 对操作规范、历史案例和合规文档进行系统整理，建立统一索引与检索机制，确保信息来源稳定且可追溯。

第二阶段：业务流程的任务化重构 将依赖人工经验的复杂流程拆解为可被系统理解、调度与组合的原子任务，实现流程层面的结构性转化。

第三阶段：闭环执行与审计机制 在关键节点保留人工审核与回滚能力，形成可监控、可追溯、可持续优化的自动化闭环，避免效率提升伴随风险扩散。

结语：从效率工具到能力重构

在当前阶段，AI 对传统行业的价值已不止于降本增效，而更多体现在对组织能力与知识结构的重塑。

技术关注点正在从展示能力转向稳定运行，从功能创新转向责任与可控性。这种对确定性的强调，与传统行业长期形成的价值取向高度一致。

从长期看，AI 的引入不仅是一项技术升级，更是将分散经验转化为系统能力的过程，这种能力沉淀本身，将成为企业持续竞争力的重要组成部分。

“红圈和广联达到底哪个好?”

这大概是工程圈,尤其是企业管理者、项目总、信息化负责人们,在选型时被问及最多的问题之一。过去十年,这个问题的答案或许围绕着“造价深度”、“BIM能力”、“市场占有率”展开。但步入2026年,当生成式AI不再是一个遥远的概念,而是像水电煤一样开始浸入每一个业务毛孔时,我们发现,选型的天平正在悄然发生一种“质变”的倾斜。

传统的项目管理软件,本质上是一个高度结构化的“数字记事本”和“流程推动器”。它们负责记录、汇总、审批、归档,解决的是“业务有没有线上走”的问题。而新一代的“AI+项目管理”解决方案,其野心在于成为企业的“数字经营大脑”,它不仅要记录过程,更要理解业务逻辑,预判风险,并直接给出决策建议,解决的是“业务怎样才能更赚钱、更安全、更高效”的根本问题。

在这场从“流程电子化”迈向“经营智能化”的赛跑中,老牌巨头广联达与聚焦“AI+经营”的红圈,正呈现出两条清晰而不同的进化路径。理解这种分野,或许比单纯对比功能列表,更能帮你找到那个“对”的答案。

红圈AI:你的项目班子,来了一组“数字业务员”

如果用一个比喻来理解红圈带来的新东西,那就是:它为你虚拟了一个由AI驱动的“高管办公室”和“专业业务团队”。这些“数字员工”不吃不喝不领工资,但7x24小时在线,专门处理那些最耗时、最依赖经验、也最容易出风险的核心经营环节。红圈AI系列智能产品,已经系统性地覆盖了从战略决策、部门协同到一线操作的完整价值链。

首先,来看看为“一把手”和“高管会”服务的两位“智能幕僚”。

一位是 “项目360°AI解读” ,它的定位是 “智能指挥官”。想象一下,以前开月度经营会,项目经理或成本经理需要花几天时间从各个Excel表里扒数据、做PPT,汇报时还常因数据口径问题被财务打断。现在,“项目360°AI解读”能一键整合项目全维度的资金、成本、合同、付款数据,自动生成一张“项目全景作战图”。它不只是罗列数字,更能像一位资深经营专家一样,深度解读数据背后的经营风险与应对策略。比如,它能直接指出“本项目当前毛利率为负,主要风险源于垫资施工与回款滞后”,并给出趋势预测与管理建议。其目标,是将管理者从海量、矛盾的数据中解放出来,把经营决策会的效率提升一个数量级。

另一位是 “BOSS助理Agent”,堪称老板的 “王牌数据员”。管理者经常会有突如其来的疑问:“上个季度我们在华南区的项目平均利润是多少?”“目前应收账款账龄超过180天的有哪些?”。过去,这类问题需要层层下达,财务加班出表。现在,老板只需像聊天一样提问,“BOSS助理Agent”就能借助大模型的推理能力,精准调用企业内部的经营数据模型,秒级生成准确、全面的口头或图文汇报,真正做到“有问必答”,让管理者随时随地掌握经营脉搏。

在部门协同层面,红圈AI为关键职能岗位配备了专属的“智能分析官”和“风控哨兵”。

“AI报表助手” 扮演的就是部门的 “智能分析官”。它能够秒级解析复杂的业务报表,将预设的分析策略转化为实时风险洞察。例如,面对一张《供应商应付管理表》,它能自动定位异常指标,识别付款风险,并基于历史履约、账期等数据,智能对所有供应商进行付款优先级排序,为采购和财务经理提供科学的付款建议,改变了过去风险识别被动滞后、分析与资金情况脱节的局面。

而 “采购助理Agent” 则是一位不知疲倦的 “风控哨兵”,专门解决供应商管理难题。引入一个新供应商,传统做法是采购员在各大征信网站手动查询信息,凭经验判断风险。现在,AI能在40秒内完成从抓取外部信用数据、排查六大维度风险(如法律诉讼、经营异常等)、到生成一份完整风险评估报告的全过程。它会给出明确的风险评分、等级(如“高风险”)和合作建议,并支持对已合作供应商进行定期智能排查与风险变化预警,将供应链风险管控从“事后补救”变为“事前预防”。

在一线业务执行层,AI化身为“超级助理”,直接替代高频、繁琐的“体力劳动”。

“录单助手 Agent pro” 和 “AI录单助手” 是这类角色的代表,它们像一台台不知疲倦的 “智能扫描仪”。工程行业充斥着混凝土票、手写收货单、外文单据等五花八门的凭证,手动录入系统是巨大的人力成本黑洞。现在,通过手机拍照,AI能自动识别各种版式的单据,秒级提取关键字段,并智能匹配合同明细、自动回填业务系统。资料显示,录入5张单据约50条明细,人工需要20-30分钟,而红圈AI仅需3-5分钟,效率提升显著,且能自动挂接成本源头,方便后期精准统计与溯源。

最后,红圈还构建了两个支撑企业长期稳健运营的“数字基石”。

“AI企业知识库” 解决了“老师傅的经验如何传承”的世纪难题。它将企业分散的历史投标方案、技术规范、诉讼案例、公司制度等非结构化知识转化为即问即答的能力。新员工可以像咨询专家一样,用自然语言提问,3秒获取精准答案,大幅降低培养周期,也让企业的核心知识资产得以沉淀和复用,在投标、法务、现场运维等场景中发挥巨大价值。

“AI业务助手” 在多场景中提供深度分析。它不仅能自动化审查合同,识别主体资质、付款条款、违约责任等关键风险点并给出修改建议,号称可规避80%基础风险;还能自动汇总多源数据,生成供应商工商风险深度报告,将法务、风控人员从基础、低效的信息筛选中解放出来,聚焦于更高价值的决策。

这一套组合拳下来,你会发现红圈的AI不是一个孤立的“黑科技”功能,而是一组深度嵌入“战略-部门-执行-基石”全链路的 “业务智能体”生态。它的出发点非常务实:不为炫技,只为解决工程企业现金流管理薄弱、成本不可控、经营风险难洞察等最真实的痛点。

广联达:造价帝国的“数字建筑”雄心

谈红圈,就无法绕过广联达。作为中国建筑信息化领域当之无愧的“老大哥”,广联达的护城河深植于“造价”这一工程行业的元起点。

在工程造价领域,广联达近乎等同于行业标准。其软件内嵌的庞杂、精准的定额库与计算规则,是无数造价员入行的必修课。它解决的是工程项目“量”与“价”的精准确定问题,从投资估算到竣工结算,为整个行业的交易与成本控制提供了最基础的“数字标尺”。这种基于专业权威构建的生态和用户习惯,是其最坚固的壁垒。

近年来,广联达的战略蓝图已明确指向 “数字建筑” 。其路径可以概括为“由核心向外辐射”:以造价这一绝对优势的“点”为核心,利用BIM(建筑信息模型)技术,向设计、施工管理等“面”进行强力拓展。

因此,你会看到广联达在大力推动BIM与项目管理的深度融合。其数字项目平台的核心思路,是通过一个统一的三维BIM模型,串联起设计、算量、施工进度、资源协调的全过程。它的价值在于,通过可视化的方式,在虚拟世界中提前发现物理世界的错漏碰缺(如管线碰撞),进行施工方案模拟与优化,提升项目建造本身的“技术管理”水平与协同效率。可以说,广联达的AI应用,也更多地围绕其“数字建筑”核心,例如基于BIM模型的智能算量、自动化合规审查等,旨在让“建造”这个过程本身更精准、更高效。

核心分野:“数字建造大师”与“数字经营管家”的路线之争

至此,两条路径的差异已经非常清晰。这不仅仅是两个软件的对比,更是代表了工程项目管理数字化进程中,两种不同价值主张的“路线之争”。

红圈的路径是“由外而内,从经营到业务”。 它的思考起点是“企业”,是工程的经营者。老板如何赚取利润、控制风险?项目经理如何管控成本、保障进度?采购如何防范供应链风险?红圈AI赋能,是直接围绕这些经营决策和业务执行场景展开。其终极目标,是如何让一个工程企业更安全、更盈利地“经营好”所有项目。它提升的是企业作为一个“商业组织”的经营决策质量与运营效率。这套BOSS助理Agent、项目360°AI解读、采购助理Agent、AI报表助手、AI录单助手、AI企业知识库、AI业务助手的AI产品矩阵,正是其“经营管家”定位的集中体现。

广联达的路径则是“由内而外,从专业到管理”。 它的思考起点是“建筑”本身,是工程的实体。如何把一栋楼、一座桥的几何、物理、成本信息数字化(BIM),并以此为基础管理其建造过程。它的AI赋能,是让这个“数字孪生”的建造过程更智能。其终极目标,是如何更正确、更高效地“造好”一个工程产品。它提升的是项目作为一个“生产活动”的技术与管理精度。

2026年选型新思:你的核心痛点,决定你的最佳选择

所以,“哪个好”的答案,在2026年不再有标准解,它彻底变成了一个指向企业自身核心诉求的战略选择题。

在以下情况下,广联达可能依然是你的首选:

你的企业极度看重造价业务的绝对专业深度与权威性,这是你的核心竞争力或主要成本控制环节。

你已经或决心在BIM技术应用上深度投入,希望实现从设计、造价到施工的全生命周期数据打通与协同,追求建造过程本身的数字化、可视化与精细化。

你需要一个在行业内具有广泛认知度和人才基础的平台,便于招聘和团队协作。

而在以下情况下,红圈及红圈AI系列智能产品,可能带来更具颠覆性的价值:

你的企业(尤其是产值在数千万至数十亿规模的中大型工程企业)经营痛点大于技术痛点。你更焦虑的是:利润不清、现金流紧绷、风险后知后觉、各部门数据打架、高管决策缺乏实时数据支撑。

你希望用AI技术直接、成体系地解决从决策到执行各环节的“人力痛点”,无论是老板的随问随答、项目的智能解读、采购的风控筛查、报表的自动分析,还是海量的单据录入与知识查询,你需要的是一个能全面解放各部门生产力的“AI员工”矩阵。

你需要一个能够快速理解工程行业经营管理逻辑,并能将AI能力“开箱即用”地嵌入现有业务流的解决方案,而非一个需要长期大量二次开发的技术框架。红圈背后和创科技十余年服务近4000家工程企业的实践积累。

回到最初的问题。2026年,当项目管理装上“AI大脑”,选型的逻辑已然刷新。它不再是简单的功能堆砌对比,而是对企业数智化转型方向的抉择。

广联达,如同一位底蕴深厚的“数字建造大师”,继续在深化工程专业数字化的道路上筑高壁垒,致力于让每一个建筑产品的诞生过程尽善尽美。

红圈,则像一位锐意进取的“数字经营管家”,凭借一套深入业务场景的AI智能体矩阵——从指挥决策的“项目360°AI解读”、“BOSS助理Agent”,到部门协同的“AI报表助手”、“采购助理Agent”,再到一线执行的“AI录单助手”,以及支撑企业基业的“AI企业知识库”与“AI业务助手”——直指工程企业经营的核心难题,为企业提供了一套覆盖全链路的智能化运营新解。

因此,下一次当你纠结“红圈跟广联达哪个好”时,不妨先问问自己:我们当下最迫切需要的,是一位能让“建造”更精湛的大师,还是一位能让“经营”更聪明的管家及其完整的数字化团队?答案,就在你企业的发展阶段与核心诉求之中。这场关于“AI大脑”是偏向“工程智能”还是“经营智能”的竞赛,才刚刚开始。

大模型（LLM）的训练适配（通常指微调 Fine-tuning，特别是 SFT 和 LoRA）涉及众多的超参数。这些参数的选择直接决定了训练的效果（是否收敛、是否变聪明）和效率（显存占用、训练速度）。

以下是大模型训练中最关键的适配参数详解，分为四大类：核心训练参数、LoRA/PEFT 专用参数、显存/硬件优化参数以及数据策略参数。

一、 核心训练参数 (Core Training Hyperparameters)

这是所有深度学习训练的基础，对模型性能影响最大。

二、 LoRA / QLoRA 专用参数 (PEFT Parameters)

目前绝大多数适配都是基于 LoRA（低秩适配）进行的，因为它极大地降低了显存需求。

三、 显存与硬件优化参数 (Hardware Optimization)

这些参数不直接改变模型智能程度，但决定了你能否在有限的显卡上跑起来。

四、 数据与损失函数策略 (Data & Loss Strategy)

1. Prompt Masking (提示词遮蔽) / Loss on Target Only:

   • 在 SFT 过程中，必须只计算“回答（Completion）”部分的 Loss，而将“提问（Prompt）”部分的 Loss 遮蔽掉（设为 -100）。
   • 如果计算了提问部分的 Loss，模型会倾向于模仿提问而不是回答，导致只会复读。

2. Packing (数据打包):

   • 将多条短数据拼接到一个 Max Sequence Length 中训练。
   • 作用： 极大提升训练效率（速度快几倍）。需确保使用支持 Packing 的训练框架（如 LLaMA-Factory 或 Axolotl），否则会造成样本间干扰。

五、 实战配置模版参考

假设你使用 Llama-3-8B 进行 LoRA 微调，显存 24G (RTX 3090/4090)，以下是一套稳健的起步参数：

# 模型参数
model_name: "Llama-3-8b"
precision: "bf16"                # 30系/40系显卡推荐 BF16

# LoRA 参数
lora_r: 16                       # 秩
lora_alpha: 32                   # alpha = 2 * r
lora_dropout: 0.05
lora_target_modules: "all-linear" # 效果优于仅微调 q,v

# 训练超参
learning_rate: 2e-4              # LoRA 学习率通常比全量微调大
lr_scheduler_type: "cosine"
warmup_ratio: 0.05
num_train_epochs: 3              # 数据少于1万条建议3轮，多于10万条建议1轮

# 显存优化
per_device_train_batch_size: 4   # 单卡BS，根据显存调整，爆显存就调小
gradient_accumulation_steps: 4   # 累积步数，保证 全局BS = 4*4*GPU数 = 16~64
gradient_checkpointing: true     # 开启以节省显存
max_seq_length: 4096             # 上下文长度

# 其他
logging_steps: 10
save_strategy: "epoch"
optim: "adamw_torch"

六、 常见问题与调优方向

1. Loss 不下降 / 下降极慢：

   • 原因： 学习率太小、数据质量太差、Prompt 格式错误（模型看不懂指令结构）。
   • 对策： 增大 LR（如从 1e-5 提至 2e-4），检查数据格式化模板。

2. Loss 迅速降为 0 或 NaN：

   • 原因： 学习率太大（梯度爆炸）、FP16溢出。
   • 对策： 减小 LR，开启 bf16，或者调大 Warmup 步数。

3. 灾难性遗忘 (Catastrophic Forgetting)：

   • 现象： 微调后模型学会了新任务，但原来的通用能力（如写代码、逻辑推理）变废了。
   • 对策： 减小 LR，减少 Epochs，或者在训练数据中混入 10%~20% 的通用数据集（Replay Buffer）。

4. 复读机现象 (Repetition)：

   • 原因： 训练数据中包含大量重复文本，或者没有正确 Mask 掉 Prompt 部分的 Loss。

浩辰CAD看图王电脑版创建多行文字功能，可以很容易帮我们实现在图纸上记录大量的文字。可以是一段，也可以是多段，可详细记录内容。今天就为大家简单介绍下浩辰CAD看图王电脑版如何创建多行文字的功能？1、打开图纸，切换到编辑模式工作界面；

2、找到创建多行文字命令，点击；

3、按照提示在图纸中创建多行文字放置的位置；

4、将需要的文字内容输入到文本框中并设置文字大小等属性；

5、点击文字格式右边的【OK】按钮或者在空白处任意点击一下，返回到图纸界面，多行文字创建成功。

在浩辰CAD看图王电脑版新版本中，还可以直接双击图纸中的文字，对文字进行编辑修改哦！