阅读

研究机构Counterpoint预测，到2030年全球200美元以下手机年出货量将比2025年减少超2.3亿部，降幅约40%。

报告把原因归于内存和芯片组涨价、最低配置门槛提高，以及厂商不愿再为非战略性市场投入资源。Counterpoint同时指出，这部分减少的出货不会全部转移到更高价位，部分消费者会延后换机，部分需求直接消失。

整体市场到2030年预计恢复至约12亿部，高端机型保持约7%的年增长。在中低收入国家，手机价格是阻碍联网普及的主要因素之一，低价机萎缩会拖慢功能机用户转向智能手机。

微软2026年新款Surface不再使用Copilot+ PC标签，据IT之家援引Windows Central 9月24日报道。

Copilot+ PC是微软2024年与高通共同设立的Windows硬件品类，为AI优先设备设定基准并配专属Copilot按键。发布后核心功能Recall因安全隐患被推迟，品牌声誉受损，近两年多家OEM已在营销中弃用该标识。

微软Surface副总裁Brett Ostrum确认，新款设备虽不再标注该名称，仍符合此前全部硬件标准；高通计算高级副总裁Kedar Kondap表示这一术语今后可能不再使用。

在夏威夷骁龙峰会上，高通高管克里斯·拉特纳（Chris Lattner）宣布，微软将与Modular合作，为Mojo语言提供Windows原生支持。

Mojo是Modular公司开发的AI编程语言，语法接近Python，但面向系统级高性能计算，1.0版已开源。高通今年7月29日以约39亿至40亿美元的全股票交易完成对Modular的收购，目标是让同一套AI软件在GPU、NPU和数据中心芯片等不同架构上运行。

高通表示，Modular的软件平台将进入骁龙完整产品组合，覆盖手机、PC、汽车和可穿戴设备。目前这些均为峰会上的厂商表态，公告未给出适配完成的时间表，实际落地进度需后续跟踪。

谷歌为Gemini 3.8 Live语音对话新增Live Avatar功能，用户通话时可看到实时动画形象对口型、变换表情。

据The Verge报道，该功能目前仅向Gemini Enterprise企业客户开放，谷歌称形象可在其支持的97种语言间切换而不损失画面质量，企业也可自建形象。演示视频为谷歌自选场景。

功能上线距Gemini 3.8 Live模型发布约一周，输出附带SynthID隐形水印。实际口型同步与多语言效果尚无独立使用反馈，可关注企业客户的落地情况。

谷歌开始测试新功能“Call for Me”，让Gemini代替用户致电商家，先向美国购买Gemini订阅的Pixel 11用户开放，且需使用Phone应用的测试版。

与去年只能询问价格和服务的“Ask for Me”不同，这次Gemini可以在用户批准的范围内共享个人信息，从而完成更复杂的任务，比如询问库存、订餐厅、改约时间或让商家留货。通话用用户本人的号码拨出，用户可看实时文字记录并随时接管。

谷歌称之所以小规模测试，是因为真实对话很微妙，需要时间打磨。Meta的Muse等竞品也已推出代打电话能力，这一功能的实际表现仍待用户验证。

Meta在Meta Connect 2026上发布两款AI游戏开发工具：手机应用Horizon Create和浏览器应用Horizon Studio，用提示词生成带进度系统、多人模式的2D或3D移动游戏，现已开放早期体验候补名单。

关键在分发：Meta称这些游戏可被推荐到Facebook和Instagram，用户在信息流里点开片段即可进入多人对局，无需下载应用。

对照是Roblox——后者已有1.23亿日活并同样推出提示词生成游戏，而Horizon在2022年初的月活仅约30万，工具能否带来真实玩家仍是未知数。

盖洛普对37国成年人的调查显示，34个国家对AI的正面情绪超过负面，中国93%的知情受访者认为AI利大于弊，美国只有36%。

这项调查是盖洛普与微软合作项目的一部分，最终计划覆盖140国。各国从未使用过AI的成年人中位数为57%，而AI认知度中位数达81%，乐观情绪明显跑在实际使用前面。

调查还发现，乐观与使用并不同步：越南91%的受访者期待AI带来帮助，但只有43%的人用过AI。情绪数据不等于采用数据，后续140国完整结果值得对照。

一位研究者分析称，可解释性工具J-lens默认以模型末层为目标，可能让读出结果被末层方向污染。

J-lens是一种把大模型内部状态翻译成词、用来观察模型各层在“想”什么的解读工具。作者Kaley Brauer统计了78个公开发布的J-lens，其中80%以末层为目标。据其自测，在DeepSeek-V3上，末层目标使模型中段约一半读出变成中文词，改用倒数第二层后降至3%。

原因据称是DeepSeek-V3的最后一个块在英文文本上大幅压低中文词概率，这个方向被放大后主导了整个透镜。作者建议拟合或使用J-lens时检查末块是否注入主导方向。结论出自作者自测，仅覆盖DeepSeek-V3一个模型，待第三方复现。

一个研究团队发布SkillGym框架，把人类编写的智能体技能改造成可验证的训练环境，并开源2756个环境。

这些环境覆盖12类任务，配套8364条成功轨迹，可用于监督微调和以结果为奖励的强化学习。论文自测称，微调让Qwen3.5-35B-A3B在Terminal-Bench 2.1上提高19.10个百分点。

摘要未给出第三方复现，对比的Claude Sonnet 4.6等分数为论文引用值，环境质量有待外部使用检验。

视频与多模态模型的中间层表征，按作者自报，可以胜过末层和模型默认输出——LAYERSCOPE让这件事不用任务标签就能逐层比较，覆盖七个架构不同的模型。

此前逐层评估依赖任务标签，标注有成本，也难以系统比较各层表征的优劣。

团队用局部、全局、分布与对应关系等几何指标，在七个架构不同的模型上测了视频与多模态分类、聚类和文生视频检索任务，并称没有单一几何指标能稳定预测下游表现；结论出自作者自测，出自一篇预印本，能否推广到更多模型待第三方检验。

ProCredit方法让智能体训练的每一轮都能按验证过的进度记分：把判定任务成败的验收检查改在每轮操作后的中间状态上重跑，而不是只在任务结束时给一个结果奖励，作者称4B规模模型在AppWorld上超出最强结果奖励基线4.1个百分点。

此前结果奖励的老问题是：一组尝试全失败时没有训练信号，失败也分不出差多远。

作者称，在AppWorld基准上用三个规模的Qwen3.5基座模型测试，该方法在每个规模上都超过结果奖励和进度类基线；第二个环境的结果方向一致。消融显示，只把最终进度加进轨迹评分并无提升，收益来自把进度记到发生它的那一轮。数字出自作者自测，摘要未给出第二环境的具体数值，能否推广待第三方复现。