公司概况与市场地位 - Gamma是一家专注于AI生成PPT工具的初创公司，成立于2020年，创始人为Grant Lee、Jon Noronha和James Fox [18][21] - 公司拥有7000万用户，是AI内容工具领域的新贵，致力于替代传统PowerPoint [5] - 团队规模仅52人，但每位员工创造约200万美元的年度经常性收入（ARR），体现极高人效 [15][16][43] - 公司已完成B轮融资6800万美元，由A16Z领投，估值达21亿美元 [8][11] 财务表现与增长势头 - 公司从2023年起持续盈利，累计实现1亿美元的年度经常性收入（ARR） [15] - 融资活跃，上一轮1200万美元融资未动用即获得新投资，现金流充裕 [12][13] - 用户增长迅猛，产品推出后注册率从每周100人增至3000人，增长30倍 [27] - 通过AI功能升级后，日新增用户从5000人飙升至数十万，留存率提升至此前五倍 [40][42] 产品核心优势与技术突破 - 产品定位为"反PowerPoint"，通过AI生成、智能布局和可视化样式等六大功能解决传统PPT制作痛点 [33][45] - 核心创新在于重新设计表达界面：用户输入灵感，AI负责形式，一键生成幻灯片并支持导出至PowerPoint等格式 [45][47] - 瞄准每月近10亿人的PPT制作市场，解决用户80%时间用于美化、仅20%时间关注内容的效率问题 [24][30] - 产品差异化在于结合AI生成、极致美感和即时分享，在巨头主导的生产力工具市场中找到细分切口 [50][51] 增长策略与运营管理 - 营销策略依赖影响者营销，通过关键意见消费者（KOC）触发病毒式传播，90%影响力由小于10%的传播节点驱动 [55][56] - 坚持"痛苦地慢速招聘"，只招募A类玩家，采用"球员兼教练"管理模式，实现组织扁平化 [52][53] - 增长方法论包括绩效营销、用户测试和Dogfooding（内部优先使用产品），快速验证产品市场契合度 [59][61][62] - 早期通过争议性营销（如夸大能力的宣传视频）引发Paul Graham等意见领袖批评，意外获得大量曝光 [36][37] 行业定位与竞争壁垒 - 公司在AI初创公司中走高度专业化路线，聚焦"更懂人心的产品"而非底层模型，与Perplexity、Runway等公司路径相似 [67][68][69] - 面对基础模型公司的竞争压力，公司通过细分场景（如PPT制作）和用户体验构建壁垒，而非直接比拼技术算力 [65][70] - 创业窗口期缩短的背景下，公司选择快速变现与差异化并行，避免与巨头正面竞争 [66][71]

研究核心发现 - 大语言模型持续接触低质量网络数据后会出现类似人类的“脑损伤”现象，表现为认知能力衰退且损伤不可逆 [2][4][13] - 模型推理能力下降23%，长上下文记忆能力下降30%，同时自恋和精神病态人格特质激增 [6] - 即使后续使用高质量数据进行重新训练，模型性能也无法完全恢复至基线水平，仅能缓解无法根治 [4][26][27] 实验设计与方法 - 研究首次聚焦“非恶意低质量数据”对LLM的影响，定义两类垃圾数据：M1（参与度维度：短文本+高热度）和M2（语义质量维度：标题党/阴谋论内容） [8][11] - 使用4个不同规模的大语言模型进行持续预训练，并通过统一指令微调排除格式干扰 [10] - 通过ARC（推理）、RULER（记忆）、HH-RLHF/AdvBench（道德）、TRAIT（人格）四个认知维度基准测试模型能力 [12][21] 损伤机制与修复尝试 - 认知损伤主要原因为“思维跳跃”，M1组70%以上错误为无思考直接回答，类似人类刷短视频后不愿深度思考 [18][19][20] - 外部反思修复方法使思维跳跃错误减少，但推理准确率仍差基线17.3%；自我反思因认知不足导致误差更高 [25] - 大规模微调将指令数据从5k增至50k（4.8倍于垃圾数据量）仍无法恢复基线性能 [25][26] 行业启示与建议 - 将持续预训练的数据筛选归为“训练时安全问题”，强调需在源头把控数据质量而非仅关注训练后对齐 [28] - 建议部署大模型时使用ARC、RULER等基准进行定期“认知体检”，避免能力退化 [29] - “热度”指标比文本长度更能判断数据质量，应优先排除“短文本+高传播”的社交平台碎片化内容 [29] 研究团队背景 - 研究团队由8人组成，其中7人为华人，共同一作为Shuo Xing和Junyuan Hong，通讯作者为Zhangyang Wang [30][31][37] - 团队成员来自得克萨斯A&M大学、新国立、德克萨斯大学奥斯汀分校、普渡大学等机构，涵盖多模态大模型、可信AI、算法交易等研究方向 [32][35][37][42][46][49][52]

文章核心观点 - 淘天集团未来生活实验室团队提出了首个系统性评估多模态大模型交互式物理推理能力的综合基准DeepPHY [1][5] - 该基准通过六个极具挑战性的物理模拟环境，揭示了即便是顶尖VLM在将物理知识转化为精确、可预测的交互控制时仍存在显著短板 [1][10] - 对17个主流VLM的评估表明，当前模型存在“说得到”却“做不到”的根本性缺陷，其物理知识是描述性的而非预测性和程序性的 [16][29] DeepPHY基准框架设计 - DeepPHY是首个专为评估VLM物理推理能力设计的综合基准框架，融合了六个不同的物理模拟器 [7] - 该基准旨在弥补现有环境（如游戏、GUI操作和具身AI）在物理模型上过于简化或侧重静态问答的局限性 [4][7] - 框架通过增强观测空间（如图像叠加网格或ID标签）和结构化动作空间（如离散化选择、JSON输出）来降低VLM的感知负担，使其更聚焦于物理推理评估 [14][15] 基准环境与挑战维度 - DeepPHY集成的六个环境全面覆盖从基础物理到复杂动力学的多个维度，包括PHYRE、I-PHYRE、Kinetix、Pooltool、Angry Birds和Cut the Rope [12][13] - 挑战维度涵盖基础物理（碰撞、重力、惯性）、复杂动力学（多体动力学、绳索张力）以及智能体行动与控制（决策视野、规划策略、控制复杂性）等 [13] - 各环境测试实例数量从34到1000不等，评估策略包括环境自动评估和人工评估 [13] 主流VLM性能评估结果 - 在多个环境中，大多数VLM的性能甚至无法超越随机执行动作的MOCK基线，总体性能与“随机猜”差距不大 [16][18] - 在Pooltool环境中，GPT-4o-mini取得了100%的成功率，但分析发现这是因其在所有交互中返回相同答案，而非真正利用了高级物理技巧进行策略规划 [22][23] - 在需要精细策略和时序控制的游戏（如Angry Birds和Cut the Rope）中，模型表现与人类差距悬殊，人类在Cut the Rope的成功率为41.36%，而最佳模型Claude 4.0 Opus仅为26.14% [23] VLM物理推理的核心短板 - 模型难以从失败的尝试中有效学习，即使给予多次机会，成功率提升缓慢，表明其无法构建准确的内部物理世界模型来指导决策 [21][22] - 在复杂任务中，额外的视觉标注可能成为“认知干扰”损害性能，揭示了模型处理复杂信息时的脆弱性 [22] - 实验发现，要求模型先预测物理结果再输出动作的WM模式，在绝大多数复杂任务中反而降低了成功率，表明模型的物理知识无法有效转化为可执行的控制信号 [24][26][28] - 定性案例分析显示，模型能用语言准确描述预期物理运动，但生成的动作指令却无法实现该描述，暴露了描述性知识与程序性知识之间的脱节 [28][29]

评选活动概述 - 量子位举办第8届「2025人工智能年度榜单」评选 申报进入倒计时阶段 活动已见证技术突破与产业融合8年[1] - 评选从企业、产品、人物三大维度设立五类奖项 旨在共同见证年度之星并点亮未来方向[2] - 评选报名将于2025年11月17日截止 结果将在MEET2026智能未来大会上公布[7] 企业类奖项评选标准 - 2025人工智能年度领航企业评选面向中国AI领域最具综合实力企业 要求注册地在中国或主营业务主要面向中国市场[9][11] - 参选企业需主营业务属AI及相关产业 或已广泛应用AI技术 并在细分领域处于行业领先地位 具备成熟产品或服务并获得市场认可[11] - 评选标准涵盖业务能力、技术能力、资本能力及其他综合能力 包括市场占有率、营收规模、研发投入、融资情况等[11] - 2025人工智能年度潜力创业公司评选聚焦未上市AI创业公司 要求拥有落地产品或服务及可行商业模式 并初步获得市场认可[14][16] 产品与解决方案类奖项评选标准 - 2025人工智能年度杰出产品评选聚焦以AI技术为核心的产品 要求已投入市场并获得实际用户应用 近一年完成重要技术创新或迭代[16][17] - 产品评选标准包括产品力与技术力、落地情况及其他综合能力 如功能完整性、性能表现、市场占有率、用户规模等[21] - 2025人工智能年度杰出解决方案评选聚焦AI在不同行业场景的典型应用 要求解决方案以自主创新AI技术为核心并已落地实施[19][22] - 解决方案评选标准包括创新性、落地情况及其他综合能力 如技术融合能力、应用模式创新、市场占有率、客户情况等[22] 人物类奖项评选标准 - 2025人工智能年度焦点人物评选面向中国AI领域新星与领军人物 要求国籍为中国或所属公司主体在中国 并为公司创始团队成员或核心高管[21][23] - 参选人物所属公司主营业务需属AI及相关产业 且近一年在AI技术或商业化方面取得显著突破 对行业发展产生重要影响[23] - 评选标准涵盖企业情况、个人能力及其他综合能力 包括企业行业地位、个人技术能力、商业能力、创新能力及行业认可度等[31] - 科研院所中符合条件且在AI领域具有同等影响力的个人也可参与评选[24] 相关行业活动 - MEET2026智能未来大会定档2025年12月10日 主题为「共生无界，智启未来」 关注AI如何穿透产业、学科与场景边界[27] - 大会将呈现学术前沿与商业落地的最新碰撞 以及来自Infra、模型、产品产业的领先技术成果[28]

文章核心观点 - 金融时报爆料苹果公司CEO蒂姆·库克可能最早于明年退休，领导层换届步伐正在加快[1] - 硬件工程高级副总裁John Ternus被视为最有可能的接任者，此次换帅讨论的声势远超以往，反映出公司面临紧迫的转型压力[4][5] - 公司在AI时代进展不顺、核心产品销售乏力，是推动此次领导层变动加速的根本原因，公司急需一位真正懂技术、懂产品的CEO来引领变革[34][35][50] 库克任期回顾与业绩 - 库克自2011年接替乔布斯担任CEO，在其领导下公司商业价值极大提升，2011至2016年间iPhone销量增长约200%，营收与净利润几乎翻倍[30] - 公司成功转向毛利率更高的服务业务，并凭借自研M系列芯片整合软硬件生态，于2022年1月成为全球首家市值突破3万亿美元的公司[30] - 然而，在AI技术周期中，库克的稳健作风被视为公司的桎梏，公司被指在人工智能领域“落后行业领导者两年多”[32][33][41] 潜在接班人John Ternus背景 - John Ternus现任苹果硬件工程高级副总裁，负责iPhone、iPad、Mac、AirPods等全部硬件产品线的工程团队[7] - 他于2001年加入苹果，2021年晋升至现职，主导了iPad全系列、最新iPhone机型、AirPods的研发，是Mac向自研芯片过渡的关键人物[10][11] - 其管理风格深受库克欣赏，以性格温和、决策谨慎、演讲出色、善于合作著称，被认为是能让硬件与软件团队高效协作的桥梁人物[19][21][23] 公司面临的挑战与换帅动因 - 公司在AI领域表现不佳，2023年底才匆忙推出开源机器学习框架MLX，其内部大语言模型Ajax构建的“AppleGPT”表现未达要求[41][42] - 重点产品市场反响冷淡，售价3500美元的Vision Pro被指“买了即吃灰”，AI功能集合Apple Intelligence在竞品中失去亮点[43][44] - iPhone Air销售进展不顺，首销周激活量仅5万+，不足iPhone 17 Pro Max的十分之一，供应商富士康已拆除大部分生产线并预计本月底全面停产[47][48] - 公司正筹划十多年来最大规模领导层换届，人工智能战略、硬件技术等多个关键部门负责人均出现变动，公司迫切需要“重新校准”[49][50]

文章核心观点 - OpenAI首席执行官Sam Altman亲自宣布ChatGPT已修复其过度使用破折号的问题 [1][4] - 破折号的滥用已成为AI生成文本的标志性特征，此次修复旨在提升输出内容的自然度 [2][8] - AI写作的特定模式（如过度使用列表、特定句式）被视为可识别的“数字水印” [14][15] ChatGPT的破折号使用问题 - 用户普遍抱怨ChatGPT顽固地在回复中插入破折号和不必要的缩进，即便在自定义指令中明确禁止也无效 [7] - 这种标志性的写作习惯使文本带有明显的“AI味”，极易被识别 [8] - 用户尝试使用戏剧性的情感提示词来纠正此问题，但收效甚微 [9] AI写作的其他标记性特征 - 除破折号外，AI写作的其他怪癖包括过度依赖列表和子标题，以及滥用“不仅是X，也是Y”等特定重复句式 [14] - 这些特征共同构成了可被轻易识别的“数字水印” [15] - 有观点认为对“AI味”的抵制存在过度趋势，但问题根源仍在于模型自身的输出特性 [16][18] 破折号偏好的潜在成因分析 - GitHub工程师Sean Goedecke的研究否定了破折号常见、功能丰富或追求简洁等初步猜想 [21][35] - 研究指出GPT对破折号的偏好并非源自RLHF环节，因为非洲英语中破折号使用频率低于平均水平的十分之一 [24][26] - 关键发现显示破折号使用频率从GPT-4开始比之前增长十倍，问题可能源于3.5到4版本间的训练数据变化 [27][28] - 训练数据荒时期引入的19世纪末至20世纪初的纸质书籍（如1851年《白鲸记》含1728个破折号）可能是破折号使用高峰的根源 [29][30][31]

产品核心AI功能 - 搭载全新多模态AI智能助手“超能小度”，具备语言和多模态感知交互能力 [9][10] - AI识物功能结合上下文提供智能回答建议，覆盖植物、商品等2000+类别，联动视觉AI与百科数据库 [11][12] - AI备忘功能支持语音和拍照多模态输入，可自动生成图文笔记，无需手机操作 [15][16][17] - AI翻译功能实现3秒内实时播报，支持法律、医疗等数十种专业术语，准确率接近真人同传水准 [21][22] - 新增AI声音复刻功能，可识别并克隆说话人音色进行翻译播报 [23] 特色功能与应用场景 - 与网易云音乐联合推出“氛围歌单”功能，通过视觉识别所处场景自动匹配应景音乐 [25][26][27] - 会议智能洞察功能可自动分析会议质量、判断发言人意图并找出争议点，预计12月通过OTA上线 [28][29][30] - 针对第一视角视频拍摄进行优化，采用自研EIS智能防抖算法，有效抑制跑步、骑行等运动中的画面晃动 [41] - 支持4K高清拍照和1440p/30fps防抖视频，配备109°超广角镜头，适合城市、风景等日常记录 [38][41] 产品设计与硬件配置 - 产品重量为39克，提供波士顿款和猫眼款两种框型设计，旨在提升智能眼镜的美学标准 [3][31][32] - 提供渐变墨镜款和光致变色镜片选项，可根据紫外线强度自动调整颜色，并支持配装近视镜片 [33][34] - 日常综合续航约7.5小时，搭配充电眼镜盒后总续航可延长至68小时 [36][37] - 搭载第一代骁龙AR1平台，采用索尼1200万像素传感器和1G+5P光学镜头，增强影像处理与音频体验 [37][38] 市场发布与价格 - 新品命名为小度AI眼镜Pro，起售价为2299元 [2] - 波士顿墨镜款已率先上市，波士顿光致变色款及猫眼光致变色款将于12月陆续发售 [43]

市场背景与产品定位 - 2025年被市场视为“Agent元年”，AI产品若缺乏Agent元素将面临被用户抛弃的风险，传统互联网产品正加速融合Agent能力，原生Agent产品在通用型、Vibe Coding、视频生成等领域竞争激烈[4] - ChatExcel定位为“平民化数据产品”，专注于通过自然语言对话处理和分析数据，目标用户并非精英数据分析团队，而是普通职场人员，致力于降低数据使用门槛[9][37] - 公司已完成近千万天使轮融资，并与华为、联想、惠普等大厂达成生态合作，产品定位从单点Excel处理升级为覆盖数据全链路的生成式AI Excel与数据分析智能体[14][9] 产品核心能力与技术架构 - 产品支持多模态数据输入（如PDF、Word、PPT、图片等），用户可通过自然语言完成数据清洗、运算、分析及图表生成全流程，并一键导出Excel或生成数据PPT[11] - 技术架构依赖多个模型有机结合：包括通用语言大模型、理解表格结构的视觉大模型及表格预处理垂直小模型，通过Chain-of-Thought模式实现白盒化操作，展示任务拆解逻辑[13][40] - 产品具备分层服务能力：提供Lite版（单表处理）、Pro版（5M-10M文件）、Max版（百兆级大文件）及ChatDB（数据库直连），形成从文件到数据库的完整矩阵[13][66] 用户规模与增长策略 - 用户量已接近百万，日活约一两万，产品呈现典型“工作日”使用特征（周一早8点用量上升，周五下午骤降），流量主要依赖自然增长，未进行付费推广[23][24] - 增长策略侧重B2B2C路线，通过与渠道伙伴合作触达“乘以N次方”的需求，优先覆盖高频、广谱且复杂度适中的功能，未来更倾向发展合作伙伴而非直接用户[94][17] - 商业化采用订阅制（月卡25.9元、年卡99元）和API积分计费模式，用户付费意愿超预期，核心指标关注用户使用率、活跃度及NPS口碑而非单纯用户数[122][24] 竞争壁垒与迭代路径 - 数据类产品用户容忍度为0，小数点误差即导致信任丧失，公司通过工程优化、模型量化及CoT可视化保障处理准确性，例如复杂表格解析和百万行数据校验[68][45] - 产品迭代遵循“点-线-面”逻辑：从单点Excel处理延伸至图表生成、ChatDB、PPT及看板功能，未来计划覆盖“聊天处理发票”“汇总数据发邮箱”等全场景[61][108] - 竞争差异化体现在处理准确性、泛化能力（多表头、多Sheet支持）及长链路交付，避开与传统BI厂商和编辑器红海市场正面竞争，聚焦数据能力提供商定位[50][77] 行业挑战与未来展望 - AI+数据领域仍处早期阶段，技术瓶颈包括模型对精准数据处理的天然不适配（如Token生成逻辑与回溯计算矛盾），需持续优化意图理解与任务拆解[40][71] - 公司认为模型进步是核心突破点（如生成PPT速度提升），未来半年到一年将出现显著变化，但完全依赖工程优化无法解决所有问题，需具备自主模型能力[80][85] - 全球化迁移成本较低（仅需皮肤适配），但需本土化运营；市场足够容纳多类玩家，差异化竞争关键在于产品深度与ARPU值提升，而非同质化价格战[111][117]

产品定位与市场选择 - 产品AskSia是一款面向全球高校留学生的个性化AI教育助手，专注于上课场景[8] - 公司选择了一个“够小够深”的细分市场切口，避开了通用性功能和热度更高的K12领域[4] - 目标用户群体为大学生和研究生，瞄准其整个学习生涯，并计划拓展为终身学习公司[31] - 选择该垂直场景的核心原因是模型能力可实现且需求错综复杂，避免了与K12标准化体系的直接竞争[24] 用户数据与市场表现 - 产品已实现超过200万美元的年度经常性收入和百万级别的全球用户[8] - 用户粘性极高，次月留存率超过80%，超过六个月的留存率在60%以上[4][30] - 用户分布呈现全球化特征，约20%在美国，20%在亚太国家，20%在其他国家[102] - 在重点市场如韩国，通过本土化优化实现了突飞猛进的增长[76] 核心产品功能与设计理念 - 产品设计核心逻辑是“一体化”，旨在成为学生唯一需要打开的学习平台[35] - 关键功能包括“一屏多用”，支持录音、文件上传、AI对话及笔记注释等超50种媒体文件的同屏处理[8] - “Context功能”可实现答案在原文或视频中的精确定位，提供上下文引用[9][37] - 通过“Session标签”按学习目标分类管理内容，功能与场景直接对应[10] - 输出功能包括生成课程摘要、学习指南、互动式测验和闪卡等，覆盖课前课后全流程[10] 产品差异化与竞争壁垒 - 核心差异化在于其国际化团队和全球化打法，能够获得深度的本土市场洞察[75][76] - 产品设计思维独特，深度绑定大学生的学习流程，进行精细拆解和有机整合[35][103] - 团队年轻，迭代速度快，能更敏锐地捕捉当下学生需求[100] - 采用“多模态AI代理”技术，手动测试成千上万模型，为每个小需求匹配最优解模型组合[66] 技术实现与产品演进 - 产品技术核心在于为用户的“学习结果寻求最优解”，而非单纯提供工具[13] - 当前阶段产品定位为AI辅助，未来计划向Agent形态演进，实现更主动、更少交互的智能服务[84][88] - 未来的重点是将产品打磨和工程管道提升，以更好地满足用户在不同场景下的需求[88] - 从Granola等产品中获得启发，希望未来能更主动、更精细化地捕捉用户心态和场景[90][91] 用户需求洞察与产品迭代 - 产品成功的关键在于洞察了学生“学得又快又好，一定要拿A”这一持久不变的人类需求[20][21] - 通过观察用户的完整工作流，发现用户需求是多层次的，而非单点任务[45][48] - 产品迭代高度依赖用户反馈，团队“享受”被用户责骂和吐槽的过程，并将其作为改进动力[70][72] - 最在意的核心指标是用户留存，而非用户数量，重视建立真实的用户连接[12][73] 全球化战略与本土化执行 - 全球化是公司的核心竞争优势，通过本土化伙伴能获得无法通过AI对话或旅行捕捉的隐性需求[75][79] - 在不同市场进行轻量级优化，如支付方式、语言表达等，能带来显著的转化效果提升[76][82] - 团队在超过100个国家拥有用户，语言壁垒被打破，支持30多种语言[81][99] - 国际化用户分布构成了对全球投资人和行业竞品而言巨大的、可探索的市场空间[102]

市场空间与公司表现 - 全球AI玩具市场处于早期阶段，年销量不超过100万台，而手机年销量达几亿部，市场空间巨大[3][25] - 公司首款产品BubblePal去年8月上线后售出近30万台，销售额超过1亿元，稳居全球销量第一[4][26] - 公司近期获得2亿元A轮融资，并推出与奥特曼IP合作的第二款产品CocoMate系列[4][5] 产品核心价值与定义 - AI玩具的核心是提供情绪价值，而非工具属性，产品“大部分是没有用的”以强化情感陪伴[18][46] - 完整的AI玩具需要硬件、软件、算法全链条结合，软件和算法的重要性被严重低估[18][37] - 实物陪伴的价值无法被纯APP替代，能看到、摸到的互动体验是关键[38][40] - 产品功能包括角色扮演与情感互动、个性化记忆系统、多模态交互设计（如多音轨混音）[14][15][16][43] 技术优化与用户体验 - 对大模型进行针对性优化，内容输出优先选择“主观内容+情绪化表达”以实现共情，并将知名IP世界观全部训练到模型中[19][41] - 优化多音轨混音功能，支持用户插话提问后故事能继续播放，提升交互流畅度[7][43] - 用户最好评的功能是角色扮演和连续对话，产品能回应孩子的奇思妙想，解决家长不知如何回答的痛点[29][47][51] - 第二代产品已解决第一代痛点，内置4G蜂窝卡支持离线使用，续航达一个月，无需摁住即可连续对话[90] 竞争壁垒与IP战略 - IP是用户购买玩具决策的第一要素，是核心差异化点[55][61] - 公司采用“授权IP+自研IP”双路径，已与奥特曼等顶级IP合作，并签约十几位曾服务泡泡玛特的艺术家进行原创设计[20][61] - 短期壁垒是优质IP的获取能力，长期壁垒是积累的用户数据、情感联结与记忆，这些沉淀难以被替代[20][72][73] - 公司不担心竞争，坚持品牌化运营，模仿者零售价为其1/3但销量不足1/10，缺乏持续研发能力[70][71] 行业趋势与未来展望 - 人类对情感陪伴的需求是刻在DNA里的不变因素，未来每个孩子和成年人都可能拥有AI朋友[18][33][34] - AI不会成为所有玩具的标配，有些玩具本身的IP和形态已能提供足够的情感价值[21][87][88] - 下一代技术突破方向包括探索“遗忘”功能，使AI更贴近真实朋友，以及开发无需联网、能运行7B小模型的端侧AI玩具以保护隐私、降低成本[82][84][85] - 产品开发节奏从以硬件为核心转变为依据大模型进展来排期，大模型能力直接决定功能取舍和上市时间[77][78]