

> 苹果正在打破智能穿戴设备的既有形态，秘密研发一款全新的AI硬件。这款设备并非手表或手机配件，而是一款类似AirTag大小、具备环境感知能力的独立“AI胸针”，意在通过极简交互重新定义人工智能的随身体验。

## 极简美学 告别屏幕的尝试

在智能手表市场趋于饱和的今天，苹果似乎准备做减法。据透露，这款新品在外观上延续了AirTag的设计语言——扁平、圆润、极致轻薄。

机身预计采用铝合金与玻璃结合的精密工艺，既保留了苹果一贯的高级质感，又兼顾了佩戴的时尚属性。这种设计不仅是为了美观，更是为了让科技“隐形”。它不再试图争夺用户的视觉注意力，而是安静地佩戴在胸前，成为用户身体的一部分。

## 感知进化 从触控到环境理解

这款设备的核心功能不再是传统的触控交互，而是基于AI的“主动感知”。设备内置了高精度的摄像头和麦克风阵列，充当用户的“第三只眼”和“第二只耳”。

它能够实时捕捉周边的环境信息，并通过端侧或云端AI进行深度解析。这种设计思路与硅谷此前大热的AI Pin有异曲同工之妙，但背靠苹果强大的芯片算力和生态整合能力，这款产品或许能解决此前同类产品续航差、发热严重等痛点，真正开启“无屏幕计算”的新时代。

![Google_AI_Studio_2026-01-22T03_10_07.498Z.png](https://static.downly.cn/images/a58751c445b6a988a0292db536255a5a.png) <center>图源备注：图片由AI生成</center>

苹果的新物种 像AirTag一样的AI胸针



> 今日重点关注软银斥资65亿美元全资收购Ampere以强化其在AI芯片领域的硬实力，软件应用层面同样精彩纷呈，Adobe推出了革新性的节点式创意系统Project Graph，DeepMind通过发布专属系统指令显著提升了Gemini 3 Pro的规划推理能力。此外，微软Edge浏览器与Opera Neon均通过AI赋能大幅优化了用户的购物体验与办公效率，从底层算力到终端应用，人工智能正在全方位渗透。

## Adobe推出Project Graph 节点式编辑让创意如搭积木般自由

Adobe正式发布了专为专业设计师量身定制的Project Graph创意系统，这一新工具打破了传统线性操作的束缚。它采用先进的基于节点的编辑模式，让设计师能够以一种更加直观和模块化的方式工作。用户可以像搭积木一样，将Photoshop等经典工具的各种功能模块自由组合与连接。

这种设计不仅极大地增强了创作者对作品细节的控制力，还提供了前所未有的自定义能力。Project Graph的出现，有效解决了当前许多AI工具过度依赖文本提示词、导致结果随机性强且难以精确修改的局限性，为专业级创意工作流带来了更精准的解决方案。

![image.png](https://static.downly.cn/images/5edb94e8bd98a2c2e4d92e147b7d2f2d.png)
<center>图源备注：图片由AI生成</center>

## 微软Edge化身省钱管家 Copilot自动比价与折扣提醒一站搞定

微软Edge浏览器在电商购物体验上迎来重大升级，新增了强大的AI购物辅助功能。该功能深度集成了Copilot智能助手，能够在用户浏览商品时自动在后台运行，不仅能实时比较全网价格，还能展示商品的历史价格走势图，帮助用户判断当前是否为入手好时机。

此外，该工具还能提供最新的返现信息，并具备智能识别功能，当监测到商品降价或有更优惠的购买渠道时，会主动提醒用户。这一系列功能旨在通过智能数据分析，帮助用户在复杂的电商环境中做出最优的购买决策，真正实现浏览器内的一站式省钱体验。

![image.png](https://static.downly.cn/images/7651f9131bba9bbe41e4fe846daf3c9c.png)

<center>图源备注：图片由AI生成</center>

## 软银65亿美元全资收购Ampere 强势扩充AI芯片设计版图

软银集团宣布以65亿美元的全现金形式完成对芯片设计公司Ampere Computing的收购。交易完成后，Ampere将保留其原有品牌，并作为全资子公司并入软银的财务报表。此前的主要投资者凯雷集团和甲骨文公司已在此次交易中完全退出。

此次收购标志着软银在人工智能硬件领域的战略布局进一步深化。通过将Ampere的高能效处理器设计能力纳入麾下，软银旨在强化其在AI芯片市场的核心竞争力，为未来数据中心和高性能计算需求提供更强大的底层算力支持。

![image.png](https://static.downly.cn/images/a5b099405450ee951e0d5bba0dae177c.png)

<center>图源备注：图片由AI生成</center>

## DeepMind发布Gemini 3 Pro专属指令 强推理规划大幅提升任务成功率

Google DeepMind团队针对其最新的Gemini 3 Pro模型发布了一套专属的系统指令（System Instructions）。这套指令的核心逻辑是要求模型扮演一个“强推理规划者”的角色，在执行任何操作之前，必须先制定结构化的行动计划。

测试数据显示，这一工程化的指令优化带来了显著的效果。在三大主流智能体（Agent）基准测试中，模型的平均任务成功率提升了5%。特别是在处理复杂的多步骤工作流时，错误率降低了8%。这一进展标志着大模型的发展已经从单纯的模型参数竞赛，进入到了通过精细化指令工程来提升可靠性的新阶段。

![image.png](https://static.downly.cn/images/cc42ec3fdc7dc9a63f83b1401f8a26bf.png)

<center>图源备注：图片由AI生成</center>

## Opera Neon重磅升级 一分钟生成深度研报与多模型无缝切换

Opera Neon浏览器迎来了一次功能性的飞跃更新，全面集成了Gemini 3 Pro和Nano Banana Pro等先进模型。新版本最大的亮点在于支持对话过程中的实时模型切换，用户可以根据需求灵活选择不同的AI引擎。同时，新增的“Do”智能体允许用户直接通过自然语言指令编辑Google Docs文档，极大地简化了办公流程。

最为引人注目的是其核心的“1分钟深度研究”功能。该功能利用并行的AI线程技术，能够在极短的时间内搜集整理信息，并生成结构严谨的研究报告。尽管该服务定价为每月19.99美元，但其带来的效率革命对于专业研究人员和知识工作者来说极具吸引力。

![image.png](https://static.downly.cn/images/47148112dc3c38a69245e063f0a1e863.png)

<center>图源备注：图片由AI生成</center>

每日AI资讯1127：软银重金布局芯片，Adobe与DeepMind引领工具革命

> **颠覆AI计算模式  “热力学计算系统”技术重大突破  或重塑未来人工智能硬件**

## 告别传统计算瓶颈  探索人工智能硬件新范式

随着人工智能应用的飞速发展，对计算能力的需求呈指数级增长。传统的计算架构正面临功耗、散热以及处理特定类型计算任务时的效率瓶颈。科学家和工程师们一直在积极探索能够突破这些限制的全新计算模式。近日，一项关于 **“热力学计算系统”（Thermodynamic computing system）** 的重大研究突破引起广泛关注，这一技术或将为未来人工智能硬件的设计带来颠覆性变革。

### 热力学计算系统  利用物理过程驱动计算

![image.png](https://static.downly.cn/images/20250516063621.259311481.png)

传统计算机依赖于数字信号在晶体管上的开关状态进行计算。而 **热力学计算系统** 则利用微观物理系统在热力学过程中的自然演化来执行计算任务。这一概念并非全新，但最新的研究成果（正如在 Nature 杂志上所发布的详细技术报告中所揭示的）表明，科学家们在构建实用且高效的、用于 AI 应用的热力学计算系统方面取得了实质性进展。

其核心原理可能涉及控制微观粒子或系统（例如微小磁体阵列、纳米机械谐振器等）在热噪声或热梯度驱动下的行为。通过巧妙地设计系统的结构和相互作用，这些微观系统的自发或受控的热力学弛豫过程可以被映射到计算问题的求解过程。例如，系统趋向于达到能量最低状态的过程可以用来解决优化问题，而其动态演化过程可以用来模拟或执行特定计算任务。

与传统计算相比，热力学计算在处理某些特定类型的计算任务（例如涉及概率推理、采样或模拟物理系统的任务）时可能具有天然的优势，并且理论上可能在能效方面实现突破。

### 重塑AI应用的硬件基础  热力学计算的潜力

![image.png](https://static.downly.cn/images/20250516063635.458673614.png)
尽管仍处于早期阶段，但热力学计算系统对于人工智能应用的潜在价值巨大，尤其是在以下几个方面

*   **显著提升能效** AI 计算，特别是训练大型神经网络，消耗巨大的能源。热力学计算系统利用物理系统的热力学过程进行计算，理论上可以突破传统计算的 Landauer 极限（信息擦除所需最小能量），在特定任务上实现更高的计算能效，这对于边缘 AI 和可持续计算至关重要。
*   **解决特定AI计算挑战** 某些 AI 算法，如贝叶斯网络、蒙特卡洛方法或模拟退火等，其计算过程与热力学过程具有天然的相似性。热力学计算系统可能更高效地执行这些算法，从而加速特定 AI 模型的训练和推理。
*   **与神经形态计算相结合** 热力学计算的某些特性，例如其并行性和对随机性的内在处理能力，可能使其与模仿生物大脑结构的神经形态计算相结合，催生出全新的、更加类脑的 AI 硬件。
*   **应对未来计算需求** 随着 AI 模型规模的不断膨胀和计算需求的持续增长，热力学计算系统有望成为未来高性能、低功耗 AI 计算硬件的重要组成部分。

国内外学术界和产业界都对这一技术表示了浓厚兴趣（正如机器之心等媒体所报道的），并正在积极探索其工程实现和应用前景。

## 技术挑战与未来展望  将理论转化为现实

![image.png](https://static.downly.cn/images/20250516063648.737723389.png)

尽管潜力巨大，将热力学计算系统应用于 AI 仍然面临诸多技术挑战

*   **系统的可控性和稳定性** 如何精确控制微观热力学系统的行为以执行复杂的计算任务，并在噪声环境中保持计算的稳定性，是核心难题。
*   **与现有计算生态的整合** 如何将热力学计算系统与现有数字计算系统有效地集成，构建混合计算平台，也是需要解决的问题。
*   **规模化制造** 将实验室成果转化为可大规模制造的、具有成本效益的芯片或系统，需要跨越巨大的工程障碍。

然而，Nature 等顶级期刊的最新研究成果表明，科学家们正在逐步克服这些挑战，并为热力学计算系统的实际应用铺平道路。未来的研究将聚焦于提升系统的计算能力、通用性和鲁棒性，并探索其在更广泛 AI 应用领域的潜力。

## 总结  热力学计算  开启AI硬件新纪元

关于热力学计算系统用于 AI 应用的最新研究突破，预示着人工智能硬件可能迎来一场深刻的变革。通过利用物理系统的热力学过程进行计算，这一技术有望突破传统计算的能效和性能瓶颈，尤其是在处理特定 AI 计算任务时展现出独特优势。尽管挑战依然存在，但这一领域的持续进展为构建更强大、更节能、更适应未来需求的 AI 计算平台提供了激动人心的可能性。热力学计算系统正开启一个全新的 AI 硬件时代。



搜索结果: 人工智能硬件