微信公众号订阅日报（2026-10-01）：10 账号更新 37 篇，Gemini 4 Argon 发布、特朗普把「AI」改成「SI」

一、发文统计

二、前一天文章内容汇总

AI 产品与应用

1. Meta 的个人智能体 Muse 自 9 月 8 日上线，13 天下载量超过 250 万；第三方机构 Apptopia 估算，它在美国移动端的日活为 64.2 万，约为 ChatGPT 上线初期的近三倍，且 95% 的 Muse 用户同时是 Facebook 用户，Meta 几乎没有为获客额外花钱。9 月 30 日凌晨 OpenAI 在 DevDay 发布个人 Agent Dots，每个 Dot 跑在独立的云端电脑上、接入 4000 多款应用；9 月 29 日 Meta 又推出面向小企业的 Muse for Small Business。阻力同月出现：9 月 20 日起亚马逊以未经授权为由，阻止 Muse 在自己平台完成购物。文章把「中国版 Muse」拆成入口、支付、生态、执行能力四项能力，认为国内目前没有一家完整，最接近的腾讯小微出不了微信的边界。（硅星人 Pro）1
   💡 创业启发：个人 Agent 的胜负手已经被拆成入口、支付、生态、执行能力四件事，而国内这四件事分散在不同公司手里；能在两个以上生态之间打通授权的团队，机会比单一大厂更大。
2. Instinct 是一款没有 App 的个人助理：用户发短信、打电话、发邮件给它，它去把事办完，遇到紧急事项会主动打电话提醒。创始人 Noah Shinn 在一档播客里给出一组留存数据——用户入驻满 三周后，有 40% 会主动把信用卡信息交给它；一旦分享了第一条敏感信息，留存率会跳到 80%。它的变现方式接近 Apple Pay，从商家侧抽成，平台每年流经的交易额已超过 十亿美元、其中 50% 来自旅行。风险控制靠两套与 Agent 解耦的系统：拦截恶意内容的内容防火墙，以及在它行动前独立审批的行为监控。目前它每天新增用户约 10%，靠邀请码裂变，eBay 上一度被卖到 300 美元一个。（深思圈）2
   💡 创业启发：信任是可以被产品化设计的资产——先给低风险权限、按关系层级分级共享、随时可收回，这套机制比任何安全声明都更能换来数据授权。
3. OpenAI 在 DevDay 上把办公协作整块搬进 ChatGPT：共享工作区 Space 集中存放用户创建、上传和共享的文件，协作文档 Pages 让同事与 AI 在同一份材料上实时编辑、评论，还能接入信息来源并设定自动化任务，让文档随资料变化自己更新，官方给的例子是「每天检查已授权的项目资料，更新这份进度页，列出新出现的阻碍」。协作幻灯片计划在未来数周推出，官方称可从一段对话或模板生成，支持多位同事与智能体共同编辑，并能导出到 PowerPoint 与 Google Slides 且保留格式。这套组合直接进入微软的办公腹地，而微软早在 2024 年 9 月就发布过 Copilot Pages 与 Copilot agents，双方同时在合作让 Dot 接入 Microsoft Agent 365。（新智元）3
   💡 创业启发：把文档从「一次性的产出物」改造成「会跟着资料自己更新的对象」，是办公类 AI 目前最容易被验证的付费点。
4. 由华为 2012 实验室、华为云等团队联合开源 Agent 平台 openJiuwen，其办公编码统一工作台 WorkSwarm 上线全双工多模态能力：用户展示眼前画面后可以随时插话，播报会被新指令打断并重新处理；需要耗时的搜索、文档生成交给后台 Core Agent 执行，前台对话继续，任务队列支持置顶、排序与一键停止。它提供 Windows、Mac、HarmonyOS 一键安装包，模型通道支持 Qwen Omni 与 JoyAI（ASR、LLM、TTS 三段拼接），也可在华为云 ModelArts 上基于 vLLM-Omni 在昇腾 NPU 部署。（机器之心）4
   💡 创业启发：把「实时对话」与「后台执行」拆成两条链路，是长任务 Agent 绕开「一问一答」体验瓶颈的通用做法；代价是任务队列会变成新的产品界面，值得专门设计。
5. LibTV 联动抖音 AI 创作浪潮计划，在平遥办了一场 AI 短片黑客松：36 小时内、30 多支队伍现场创作并交片，设覆盖创意、叙事与视觉呈现的 9 个奖项，奖金从 3 万元到 20 万元，贾樟柯担任评委。获先锋探索奖的《白鸟》由创作者「戊鸮」一人完成；银奖《身在其中》出自一个开赛前约两天才认识的四人团队。金奖与最佳导演奖颁给「野也也」团队的《抵达之前》，评委、北京电影学院教授王红卫给出的理由是破题完整、故事自洽，并提到过去要实景、演员与高额特效成本才能完成的东西，现在一支小团队用 AIGC 就能实现。（量子位）5

大模型与模型动态

6. 北京时间 10 月 1 日凌晨，Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，定位长周期软件工程、法律金融与企业知识工作，单次输出上限从前代的 6.4 万 Token 提升到 100 万。Artificial Analysis 智能指数拿到 53 分、追平 GPT-6 Astra，幻觉率降到 15%（Astra 51%、GPT-6.1 Sol 54%）；DeepSWE v1.1 得到 77.9%，Vals Index 以 68.9% 登顶。价格是另一张牌：输入每百万 Token 2 美元、输出 10 美元、缓存输入打 95% 折，按首发折扣算，单任务成本 1.99 美元、约为 Astra 的六成；但促销结束、回到 4 美元与 20 美元的标准价后，同一口径下单任务成本会升到 3.98 美元、反超 Astra 约两成。谷歌同时披露了它在自家基础设施上的三个用例：自主分析性能数据释放 300 TiB 以上内存，参与把 80 万行 C/C++ 内核代码迁往 Rust，以及重写 libgav1 里 3.2 万行 SIMD 代码使新版本快 2.7 倍。模型首批只开放给 Fairwind 计划中受信任的网络安全防御方，彭博社报道称谷歌内部对它实际编程表现仍有疑问。（新智元、量子位、机器之心）6789
7. 同一批文章里，「RSI（递归自我改进）是否已经发生」被推上台面。触发点是 Google DeepMind 研究员 Zirui Wang 的一条帖子，他说模型已经超越自己、「没什么能再教它的了」；随后被引用最多的证据是上面那三个谷歌内部用例，但严格意义上它们仍属于「模型辅助训练优化」，离闭环还差一步——真正的 RSI 要求改进后的模型比改进前更擅长改进自己。文章补充了两条背景：DeepMind 九月中旬的 Dream-RSI 论文让智能体通过回放历史探索来优化搜索策略，开发者关系负责人 Logan Kilpatrick 也公开表示观察到「递归自我改进的早期迹象」。同时它提醒，跑分与真实体验存在落差：Argon 在 Terminal Bench 4 只得 57%，低于 Claude Sonnet 5.5 的 64% 与 Opus 5.5 的 60%，有从业者把这种为榜单优化的现象称作 Benchmaxxing。（新智元）10
8. GPT-6 Astra 用 6 小时破译了一封 217 年未被解开的拿破仑密信。这封信 1809 年由拿破仑发给马尔蒙元帅，全篇 1300 个手绘符号、平均每个只占约 19 个像素，唯一存世副本是 1969 年法国军队杂志上的一张低分辨率黑白复印件，长期挂在密码网站 Cryptiana 的未解悬案榜上。Astra 先逐行裁切、把 1300 个符号归并为 155 种独立表意单元，再关联到一份残缺对照表并抓住字母单词 CONSEQUENT 作为锚点，自己写了一个基于模拟退火的求解器，甚至用雨果、大仲马与马尔蒙回忆录提取 19 世纪法语统计特征做交叉比对。最终的对照表包含 115 个字母符号与 27 个整词符号，还补出了《拿破仑书信集》里中断 160 年的半句原话。（新智元）11
9. GPT-6 Astra 通关了网页游戏「我不是机器人」的全部 48 个关卡，准确率 100%，这些关卡原本由顶尖安全团队设计，用来考 AI 的物理常识与多步操作。最难的几关分别考连续手部控制（徒手画一个准确度 94% 的圆，它画出 95.8%）、择时与仓位判断（从 293 美元现金起步，约 10 秒把利润做到 2761 美元），以及表情、跳舞、组装宜家椅子这类它天生没有的能力——第 39 关要求对着摄像头做出表情，它只能把指令发给镜头前的真人，这一关是人机配合通过的。文章由此推演两件事：以认知壁垒为基础的验证码体系会失效，网站可能转向生物识别与设备指纹；而过去总被验证码卡死的 RPA，将具备像人一样完成长序列键鼠操作的条件。（新智元）12

AI 学术研究

10. 广东工业大学、华为诺亚方舟实验室、北京大学等团队系统梳理了时间序列分类基础模型，涵盖 27 篇方法论文，并建成覆盖 198 个时序分类数据集的统一测评平台 TSC-FM Benchmark，其中单变量任务 128 个、多变量任务 70 个。文章把现有方法按「任务信息从哪里进入模型」归为三类：冻结表征后训练分类器、微调与适配、上下文学习（ICL）。榜单给出三个现象：同一个 backbone 换分类器结果明显不同（MOMENT 配 SVM、RF、kNN 分别为 76.23%、75.35%、72.01%）；少样本场景下领先者随输入形态变化（单变量看 TIC-FM、多变量看 ChorusTIC）；类别空间变大后三组方法的准确率都下降，但原生时序 ICL 降幅最小。（AI 科技评论）13
11. 中国人民大学高瓴人工智能学院 GeWu-Lab、上海人工智能实验室、燧行科技等团队提出统一多模态模型 Gestalt，把多模态学习组织成一个「信息交互金字塔」：先各自建模单模态独有信息，再对齐共享的冗余信息，最后整合出任何单一模态都给不了的协同信息。做法上，模型在统一 token 序列里加入可学习的 interplay token，把层分成两段——前一区用受限注意力掩码和模态专属 FFN，视觉与文本只能通过 interplay token 间接交换信息，后一区才放开完整的多模态自注意力。训练用了 7800 万图文对和 1370 万条指令数据，整个流程没有用强化学习。它在一个模型里同时支持图像生成、多模态理解与纯文本任务，在偏重视觉感知的基准上甚至超过自回归架构的对比模型。（AI 科技评论）14
12. 一篇由硅星人 Pro 作者自行设计的 Benchmark 换了种考法：不测具体数学题，而测模型能否从不同公式里读出同一套「数学哲学」，进而判断它是不是真的理解了结构。题目把定理改写成白话、隐去名称与惯用公式，让模型先从同组示例中归纳共同作用，再选出属于该类的陈述并给出类别代码，两步全对才算答对；八类思想各给四条示例，共 32 条，每题配一条「数学上也成立但不属于这八类」的对照。十个大模型各做三轮、每轮 64 道配对题，合计 1920 次作答。成绩最高的是 Claude 与 Gemini，两步全对率均为 92.71%；GPT 在关闭推理的设置下为 89.58%；作为对照的四种简单文本方法最高只有 50.00%。作者也说明，1920 次作答里有 214 条无效或无法解析的输出计了零分，题库规模有限。（硅星人 Pro）15
13. EMNLP 2026 的一篇论文处理的是报告生成里一类常规检测抓不到的错误：数字抄对了，结论却写反或写过头。今年 EMNLP 官方开展 AI 审稿实验，作者团队收到的意见里就出现了把 85.9% 写成「略低于」79.5%，以及把「观察到提升」升级成「证明了……是必要的」。论文提出 Claim-Locked Reporting：先锁定每条主张，再由模型动笔——系统把结构化结果整理成「主张账本」，每条绑定证据、数字、方向和允许使用的最强措辞，风险审计器只能把措辞往弱压、不能往强推，数字与方向标记由代码直接呈现，语言模型只负责在约束下写衔接段落。在 fMRI 脑功能连接报告上，跨次生成的数值复现率从 61.1% 提升到 98.5%；在临床试验报告上从 79.5% 提升到 100%，盲审测试各基线方法的方向反转率为 5.6%–14.3%，该方法没有出现反转。（机器之心）16
14. 何恺明团队提出纯视觉的 ARC 解题方案 NAT-ARC：不把格子翻译成文字交给大模型，而是用 ImageNet 上的 MAE 自监督预训练来初始化视觉编码器，再迁移到抽象彩色格子推理上。做法分三步——用公开 checkpoint 预训练 encoder（没有再花预训练成本）、在 ARC 训练集上离线训练编解码器、测试时对每道题单独做 LoRA 微调。它在 ARC-1 上的最好单模型为 0.6B 参数、pass@2 得分 63.4%，集成后达到 70.2%、总参数约 2B；作为参照，专门微调的 The ARChitects 用 8B 语言模型拿到 71.6%。更重要的发现是预训练打通了视觉路线的 scaling 瓶颈：没有预训练时模型从 large 加到 huge 反而掉点，加上 ImageNet 预训练后三个尺度一路向上。（量子位）17
15. 香港科技大学等团队提出 AccelEval，评测 AI 能否把一份可信的 CPU 程序改写成结果正确、端到端更快的 GPU 实现，已被 NeurIPS 2026 接收。基准覆盖高性能计算、科学仿真、图算法、时空算法、金融计算与运筹优化 6 个领域、42 项任务、3 种输入规模，并把通过验证的 GPU 代码分解为 43 类 CUDA 优化策略。它把「端到端」放在中心：核心计算快 10 倍，但输入搬运与收尾开销可能让用户等得更久。在 NVIDIA H200 上，Gemini 3.1 Pro 在中规模通过正确性验证的任务上取得 71.2 倍几何平均加速比、大规模为 161.5 倍；在 11 个具备人工 CUDA 基线的任务上，逐任务挑出 8 个模型里最快的正确方案，相对人工参考实现的跨任务几何平均也只有约 0.75。（新智元）18
16. 复旦大学可信具身智能研究院、Bytedance International Live Content AI 团队与上海创智学院联合发布 Live Assistant，面向真实直播提出「该不该说、说给谁、说什么类型」的三方反馈范式。它的关键设定是把「沉默」当成一个合法动作：模型在每个片段上只能在「继续观察」「写入记忆」「对观众或主播输出」之间选择，安全线索则通过标签进入平台侧工作流；输入不是「视频帧＋文本」，而是直接建模视频、音频、弹幕密度、礼物事件与在线人数波动。训练分多轮监督微调与多轮强化学习两段，奖励直接围绕状态机构造，并同时对单轮与整条直播轨迹分配信用。团队说明这是一个基模参数分布之外的新任务，未训练的基座甚至无法完成指令跟随，指标为零。（量子位）19

具身智能与机器人

17. IROS 2026 于当地时间 9 月 30 日在美国匹兹堡闭幕并揭晓奖项（本届会议的开幕与方向梳理见上一期）。最佳论文颁给 LT-Mem，它用 Live Memory、Delta Memory、Meta Memory 三层结构给机器人建长期记忆，并按每个对象历史上变化的频率判断其「易变性」，解决新状态不断覆盖旧状态导致的「时间性遗忘」；最佳学生论文关注多架四旋翼在极近距离编队时如何用物理引导的残差学习补偿下洗气流扰动。两项吸睛奖都给了人形机器人：一项从不完美的人类动作数据里学习网球技能，另一项把行走与托盘稳定拆开，用残差策略让上半身抵消双足行走带来的扰动。文章的判断是，与「又学会了什么新动作」相比，今年获奖工作更关心能力进入现实环境后能否持续稳定地工作。（AI 科技评论）20
18. 三星与上海交通大学团队提出 RoboICL：冻结 GPT-6 Astra，不训练任务专用的 VLA 模型，只在推理时给模型一段同任务示范，并持续保留机器人刚刚执行过什么、环境发生了什么。系统的关键设计是让示范与在线经验共用同一种「观察→动作→执行回执→结果观察」语法——执行回执会告诉模型，它提出的动作实际执行了多少、哪些后缀没执行、是否发生控制器中断。记忆采用带锚点的有界方案，固定保留最初交互、时间轴上若干锚点与最近一次交互，被省略处插入明确的空缺标记。在 RoboDojo 的 30 项双臂任务上，它的 Overall 为 50.64，高于最强对比方法的 39.56；Deposit Coin 任务平均 78.00 分、37 条轨迹满分。真实机械臂上，三个任务的平均分从零样本的 14.45 提升到三示范的 78.89。（机器之心）21

AI 基础设施

19. 内蒙古乌兰察布被高盛列入中国及亚太地区规模最大、增长最快的 AI 算力集群之一：截至今年 6 月，当地拿到的数据中心容量承诺约 12.5GW，其中超过七成集中在最近一年，已超过 OpenAI 2025 年启动 Stargate 时提出的 10GW 美国初始承诺。文章实地走访后给出了另一面：这 12.5GW 是已投运与规划容量的合计，2025 年当地已投运容量约 1.2GW、实际利用约 800MW、利用率约 66%，规划尺度在一年左右被拉开十倍以上；新签约项目大多还在跑前期手续，最快 2027 年底才能投运。它落地于此的原因写在成本表上：蒙西电网电价下数据中心综合到户电价约 0.35 元/度（北京约为其两倍），属国家一类风能资源区、新能源并网装机 2100 万千瓦，冷凉气候让一年有近 10 个月可用自然冷源，另有直通北京的专用光缆把端到端时延压在 4.2 毫秒以内。（量子位）22

AI 公司动态与商业观点

20. 特朗普签署名为《开启超级智能时代》的行政命令，要求美国所有行政部门在官方通信、政府网站、研究报告、政策文件与新闻稿中弃用「Artificial Intelligence」及其缩写「AI」，改用「Super Intelligence」或「SI」，白宫事实清单用的词是「不再承认」；旧文件不必回头修改，但国家科技政策顾问须在 60 天内提交「SI」的全新定义建议，这将直接影响未来十年对科技巨头的监管尺度、补贴与出口管制。政令发布当天，特朗普在白宫宴请黄仁勋与马斯克，会上强调行业应「极大自我监管」，并力挺科技公司称数据中心「归根结底将会非常受欢迎」。众议院议长 Mike Johnson 同日发表声明背书。（新智元）23
21. Anthropic 的招股书暴露了它营收结构上的两处脆弱。约四分之一的营收来自两家未披露身份的大客户，各占 12%；按 2025 年接近 46 亿美元营收计算，两家合计约 11.04 亿美元，其中任何一家调整采购都会影响超过十分之一的年收入，而且除这两家之外，许多大客户都没有签长期合同。另一处依赖在渠道：2025 年通过 Amazon、Google 等云市场实现的销售额达 21.6 亿美元、占全年营收 47%（2023 年只有 11%），Anthropic 为此支付了约 3.51 亿美元分销费用，相当于每通过平台卖出 1 美元就被拿走 16 美分。更要紧的是这些云厂商同时是它的投资方、客户、算力供应商、分销平台与直接竞争者。招股书还显示，它为未来十年的 AI 基础设施签下至少 5180 亿美元支出承诺，其中 80% 不可取消。（量子位）24
22. 《大西洋月刊》一篇长文还原了 Sam Altman 与 Dario Amodei 从同事情到分家的过程：作者 Kevin Roose 为写新书采访了超过 150 名相关人士，并拿到内部邮件与聊天记录。几条关键线索是：2017 年一个代号 Countries 的计划让 Amodei 开始怀疑管理层——他担心用未来 AGI 使用权换资金会让公司无法再证明自己在为全人类服务；随后是一份 GPT-3 测试名单，他最初看到的是内部批准版本，后来又发现一份更长的名单；再之后是微软的 10 亿美元投资，他要求在合同中写明即使 OpenAI 未来转向别家机构、微软也不能阻拦，但按他的说法这项要求最终没被谈进合同。最后的破裂点是留任条件：由他领导的安全团队必须拥有叫停新产品发布的权力，OpenAI 没有接受，7 名核心成员在全员会上被移出会议、权限与电脑被远程锁死。（量子位）25
23. AMD 以约 82 亿美元全股票收购李飞飞创立的 World Labs，这是 AMD 史上第二大收购，仅次于 2022 年约 500 亿美元拿下赛灵思，而 World Labs 成立仅两年、2 月完成 C 轮时的估值为 54 亿美元，本次溢价约 52%。交易后李飞飞出任 AMD 执行副总裁兼首席科学家、直接向苏姿丰汇报，70 人团队以相对独立的研究单元并入，两位联合创始人继续带队做模型研发。文章的判断是，她真正的动作是切入硬件话语权——过去 World Labs 是向 AMD「提需求」的那一侧，隔着议价与优先级排序；现在模型团队直接对接芯片路线图。接下来要看两个客观标准：Atlas 与 Marble 在 MI450 上的性能曲线能否延续此前在 MI325X 上四倍提速的势头，以及其他做空间智能与具身智能的团队会不会主动选择 AMD 的硬件。（AI 科技评论）26
    💡 创业启发：模型团队并入芯片公司，等于把「需求方与供给方之间的博弈」内部化；对应用层创业者的启示是，当软硬件开始联合定义，真正稀缺的是能说清模型需要什么样算力的人。
24. 一篇梳理美国企业 AI 账单变化的文章给出了一组可交叉验证的数字：AT&T 每天处理约 450 亿 Token，其中约 40% 的 AI 工作负载已跑在开放模型上，公司目标是一年内提到 70%，其首席数据与 AI 官的解释是，迁移后准确率没有明显下降；Tinder CTO 透露公司年初估算的全年 AI 支出约 100 万美元，到 7 月变成 1000 万美元/年，他已经把一部分普通用户请求转给开放权重模型。行业层面的指标也在同向移动：今年 8 月和 9 月，美国企业在业绩电话会与投资者会议中提到 open weight 或 open source 模型的次数比去年同期增加 6 倍；Vercel AI Gateway 上处理的 Token 中，开放权重模型的占比从去年 12 月的 7% 升到今年 8 月的 56%。文章还提到企业不只图便宜，数据主权与可私有化部署同样是理由。（机器之心）27
    💡 创业启发：当调用量从每天几百万 Token 涨到几十亿，模型路由就从工程细节变成成本科目；帮企业做「任务分级 + 路由 + 成本核算」的工具，会是这轮降本的第一批刚需。
25. TypeSafe AI 联合创始人兼 CEO Diogo Almeida 曾任 OpenAI 核心研究员、参与 InstructGPT 与 ChatGPT，他主张代码模型必须放弃拟人化。理由很直接：当 API 的主要消耗方从人变成程序与 Agent，为迎合人类阅读偏好所做的自然语言润色、客套应答与排版就是算力浪费，而且会向代码里注入非确定性的解释文本与格式噪音。他给代码场景换了一套评价标准——每美元智能与帕累托前沿，即在一定 Token 成本与计算预算下，模型能稳定交付的确定性逻辑与类型安全代码总量；训练路径上则主张避开 RLHF，认为它存在模式崩溃与校准失效，转用 RLCD 这类以程序运行信号为奖励的范式。这套思路对应的是它自家的机器原生模型 Jev：不输出自由文本，专攻高并发与强类型的代码决策。（机器之心）28
26. AGENT 橘 的一期播客与赛博禅心主理人大聪明聊了一个不太好落地的话题：RSI 之后人的意义在哪里。几个值得记下的判断是——今天这个时代的生产力集中在超级智能手里，而围绕 AI 的、关于人的那套意义是缺位的，因为过去你信奉某个意义，前提是你相信自己与它一起创造了生产力，而 AI 不在乎；故事世界与现实世界既没有交集又能相互转化，很多产品的好坏取决于故事怎么讲，愿力与共识先造出一个故事中的世界，再在合适条件下变成现实；以及那把用来衡量人的「尺子」正在蒸发——什么样的人算符合 AI 时代的人，目前没有答案。他给出的两条建议是认清自己的位置，以及把注定被 AI 批量生产、持续贬值的东西换成贬值更慢的，比如人与人之间的连接。（AGENT 橘）29
27. 十字路口 Crossing 在国庆假期重推了 Richard Sutton 2019 年的短文《苦涩的教训》，编者按给的阅读理由是：想理解今天 AI 行业为什么如此相信 Scaling Law，这是一篇绕不开的文章。原文回顾了过去 70 年的 AI 研究，指出一个让研究者不太舒服的规律——人类精心设计的领域知识，长期看往往输给能够持续利用更多算力的通用方法，原因在于单位算力成本长期指数下降。文章举的例子包括 1997 年击败卡斯帕罗夫的国际象棋系统靠大规模深度搜索、围棋领域延迟约 20 年后重复同样的故事、语音识别中统计方法战胜人工知识方法，以及计算机视觉里人工设计特征退出主流。它给出的两条教训是：认真对待搜索与学习这两种能随算力增长持续进步的方法；不要试图用几套简单规则预先概括复杂性，而应内置能够自行发现复杂性的元方法。（十字路口 Crossing）30

非 AI 商业与宏观

28. 「租着过节」把相机租赁的价格推了上去：多家平台的商家表示国庆期间大疆 Osmo Pocket 4、理光多款机型普遍缺货，有商家报出大疆 80 元/天的节日租金、相较日常价格涨了近三倍，理光 GR3X 的日租金从日常约 20 元涨到 70 元。文章把它放进更大的盘子里：2024 年我国租赁经济交易规模已突破 4.2 万亿元、服务用户超 7.5 亿人次，95 后与 00 后是主力；人人租数据显示今年暑期平台短期租用需求订单同比增长 66.8%，其中演唱会设备与游戏装备分别增长 388.5% 与 488.7%。分析师的提醒同样被写进去：需求高度依赖节假日，资产采购、维保、定损、物流成本都在上升，商家跑单与押金纠纷常见，这个万亿市场仍需要更多商业模式上的创新。（36 氪）31
29. 假期出行清单上多了一项焦虑：酒店床虱。文章解释了这个词为什么重新出现在年轻人的搜索里——上世纪中期滴滴涕等强效杀虫剂让它在不少地区销声匿迹几十年，但没被赶尽杀绝的种群逐渐对常见成分产生抗药性，近三十年国际旅游与贸易的增长又给了它免费的跨城机会，衣物、床品、背包与行李箱都可能成为顺风车，而酒店人流量大、房间密集、软包家具与床垫缝隙多，是理想的中转站。它不挑目的地也不挑星级，「酒店看起来干不干净」判断不出来。文章对流传的「床虱地图」小程序保持了距离：上传证据由网友提供、没有专业核实，被标记的酒店不一定长期存在问题，没被标记的也不等于安全；更实用的做法是入住后先检查床垫侧面、床头柜与床垫接缝，回家用热水清洗旅行衣物。（36 氪）32
30. 年轻人的「试用装」进化到了试车：只试驾、不买车，把 4S 店当周末去处。文章记录的现象包括各品牌试驾礼的军备竞赛（蔚来送钛材质水杯、露营套装，理想送车载吸尘器，极氪试驾可免费抽奖，保时捷的 Logo 水杯成了社交货币），以及销售端并不排斥——很多 4S 店员工有试驾指标，试驾量与收入挂钩，且试车到买车的转化率本就不高。对年轻人来说，这笔账的理由更实际：车企的展厅咖啡、自助餐与休息区一应俱全，一趟试驾等于免费开一次几十万的车；也有人把它当成心理调节，坐在暂时买不起的车里握着方向盘，「好像生活也有了一些掌控感」。（36 氪）33
31. 华为发布 Mate 90 系列，把芯片路线的坐标系从空间换到时间：在不缩小晶体管的前提下缩短信号传输路径以换取性能，官方称这一「韬定律」下的逻辑折叠芯片实现了 500 万条信号传输键合与高达 125TB/秒的跨 Die 传输带宽，关键路径时延压缩 30%。配置上，标准版搭载麒麟 9030、整机性能较上代提升 27%，Pro 搭载麒麟 9035、整机提升 20%，Pro Max 与 RS 非凡大师搭载麒麟 9050/9050 Pro、整机性能提升 31%，其中 NPU 性能提升 140%；麒麟 9050 Pro 的达芬奇架构 NPU 在终端侧实现了 300 亿参数 MoE 全模态大模型落地。系统侧首发鸿蒙 7，官方称分布式微内核让响应速度较前代提升 40%、应用冷启动快 35%，搭载 HarmonyOS 6 与 7 的终端已突破 9000 万台、预计第四季度破 1 亿台。（36 氪）34

三、公众号发文列表