转化翻2倍、暴涨263%！巨头们开始靠AI抢流量了

雷锋网

首驱启动首批2000台核心车型排产，优先保障重点门店补货

近日，首驱科技位于无锡、常州的两家合作工厂已启动相关车型生产，首批约2000台订单正分批进入排产及发运流程，主要用于核心门店补货及重点产品供应。目前，首驱生产经营各环节正按计划推进，并坚持以终端需求和实际订单为基础，持续优化生产与交付节奏。 本轮生产采取小批次、滚动式组织方式，优先保障生产、发货与终端销售有效衔接。现阶段，首驱将集中资源保障Sz Pro/Lite、O1、K1 95CV等核心产品供应，并围绕下一阶段重点产品S300，持续推进产品验证、供应链准备及上市前相关工作，为后续产品上市及渠道供应做好准备。 在产品布局方面，首驱目前已形成T、S、K、Y、O五大系列产品矩阵，覆盖城市通勤、性能骑行、潮流轻奢等多元出行场景。其中，K系列首发车型K1已于5月上市，进一步强化首驱在智能化、性能化及年轻化方向的产品布局；S系列则将作为下一阶段重点推进的战略产品系列，持续拓展高性能、高安全、高智能电摩市场。 渠道方面，目前全国约1500家首驱门店保持经营。下一阶段，首驱将更加聚焦有效门店比例、单店经营质量及售后服务能力，继续以线下经销商和门店体系为基本盘，并推进线上线下一体化经营，通过电商、直播

钛媒体

生态开放越容易，WorkBuddy越“廉价”

文 | 超聚焦 WorkBuddy，最近把“开放”两个字喊得很响。 9月初，WorkBuddy正式发布开放平台，100多家生态伙伴、30多个硬件品牌、30余个行业应用被一口气拉到台前。从Skill、Connector到智能硬件，腾讯给WorkBuddy搭起了一张越来越大的能力网络，也把它的目标从一个AI办公工具，继续往“Agent时代的操作系统”上推。 这套打法其实很有腾讯味。 过去二十多年，从QQ、微信，到小程序、游戏生态，腾讯最擅长的从来不是抢第一个，而是在一个产品形态被验证之后迅速跟进，再利用关系链、流量和规模把竞争拖进自己的主场。 先把产品做得差不多，再把一个产品问题变成规模问题；先跑马圈地，再让网络效应替自己修城墙。这套方法腾讯用过太多次，也赢过太多次。 如今，WorkBuddy似乎又走到了一个熟悉的位置：产品有了，用户开始铺了，生态伙伴来了，开放平台也搭起来了。接下来，腾讯想做的自然还是那件最熟悉的事——把更多人、更多应用、更多硬件和更多能力圈进来。 但问题是，AI时代的“地”，真的还和过去一样好圈吗？ WorkBuddy不在腾讯的舒适区 腾讯过去很多次赢下竞争，靠的其实不

InfoQ中文

Uber GitFarm：面向大规模单体代码库的 Git 即服务平台

Uber 推出 Git 即服务平台 GitFarm ，用于在其大规模单体代码库上执行 Git 操作。通过将代码库操作迁移到共享服务，GitFarm 不再要求客户端系统进行本地代码克隆，使客户端资源占用降低了 80% 以上。 Uber 的自动化系统每天会在支持 Go 语言、Java、Python、Web、Android 和 iOS 的单体代码库上调用数百万次 Git。此前，各个服务都维护着完整的代码库检出副本，包括读取文件、验证变更和计算合并基础等操作。克隆 Uber 的 Go 语言单体代码库大约需要 15 分钟，需要约 6 个 CPU 核心、32 GB 内存和超过 40 GB 的磁盘空间。 Uber 工程团队在介绍 GitFarm 的 LinkedIn 帖子 中表示，该服务可在 500 毫秒内完成完整的 Git 检出，并消除了以往 10 到 15 分钟的主机级冷启动时间。 本地克隆与反复的代码库同步操作使得传统 Git 工作流成为了严重的基础设施瓶颈。 GitFarm 架构（来源： Uber 博客文章 ） GitFarm 通过高性能的 gRPC API 暴露 Git 操作。它不是一个源

钛媒体

从AI家电到新物种比拼，IFA 2026成了中国科技的欧洲年会

每一次国际大展会，都有一个共识，那就是中国厂商“统治”一切，CES是这样，MWC是如此，正在德国柏林举办的IFA也是一样。 9月4日，德国柏林国际消费电子展（IFA）正式开幕，近两千家厂商中有一半来在中国。落地柏林勃兰登堡机场，就能看到小米和安克创新的广告，一个在落地到到达的沿线上，一个是在到达的出口，都是在人群密集的区域。展馆前，海尔、追觅、小米、美的，广告牌几乎被中国厂商包圆，小米更是把车开到了门口，成为打卡点。 不开玩笑地说，在IFA场馆内、休息区、Uber上车点，几乎“只能”听到两种语言：英语和中文。在回酒店的路上，Uber司机就笑称：“接到场馆的订单后，看到亚洲面孔默认就是中国人，你们人太多了。” 作为全球三大顶级消费电子展之一，站在第二个百年的开端，IFA已经成为中国厂商出海全球化的最重要一站，甚至现在要超过CES。“CES主要还是去炫技，IFA才是真正的卖货”，一名来自深圳的参展商告诉作者，虽然在IFA上他们只有一个不到5平米的小摊位，但对接的都是实打实的订单，换来的是更高转化率的名片。 5天时间，从家电到移动终端、智能硬件，再到具身智能和出行，数不清的创新成果集中亮相。

钛媒体

三个月三款新品、《仙逆》霸屏第一的热度能拯救IP改编手游么？

文 | 游戏价值论 8月21日上线的《诡秘之主》游戏吸引了不少聚光灯，“12亿成本”、“快手游戏业务的底牌”、“1小时新增用户破百万、iOS收入约占总收入15%”都是话题着眼点，包括之前游戏价值论提到这款产品的后续表现也涉及网文IP能否出现复刻/接班“斗罗”IP的可能性。 事实上网文IP（改编游戏）最近的动作不止于此，三七互娱在半年报中点名新上线《斗罗大陆：传承》（7月）在微信小游戏畅销榜中最高排名第8。 同属腾讯视频动画授权，继6月底《仙逆：战天道》后，9月2日《仙逆：本尊》上线，首日iOS免费榜第一、畅销榜116（次日80+）。 《仙逆》本身是2009-2012年连载的经典网文作品，改编动画时下正在热播（上半年有效播放第一），配合三个月内两款产品集中上线试图分享热度。 从过去传统的网文IP改编手游，升级为“网文先动画再到游戏”的影游联动全新版本。我们看到了国产IP改编游戏链路的进化， 但面对同样骤变的游戏环境，这套全新的打法效果依然有待验证，顶级网文IP的游戏变现能力还是集中在个别。 独苗和另起炉灶 阅文之前在2025年的业绩沟通中提到，“在游戏领域，我们持续将优质 IP 授权给合

钛媒体

谁在为美妆代言④：“环大陆男演员”为何成为流量新宠？

文 | 节点美妆，作者 | 杨蕾 2026年1月，一个在大众娱乐层面令人陌生的演员云旗，却在半个月内连续两次交出超千万的带货成绩单：花西子官宣其为京选挚友，28小时全店GMV超711万，总带货突破1300万；14天后花间颂官宣其为品牌大使，1.8万套限量礼盒一秒售罄，24小时全渠道销售额超1700万。 带货业绩斐然，要归功于其主演的环大陆耽美剧《吾岸》。这部剧并未在大陆主流平台播出，却在特定圈层内积累了大量高粘性粉丝。 同月，云旗在剧中的搭档郝熠然官宣膜法世家品牌大使，3小时带货破1388万，9日后便升级为光采代言人；两人随后以双人品牌大使身份合作卡姿兰，12小时销售额破2223万。 无独有偶，另一部环大陆耽美剧《垂涎》里的四位主演，三个月内与24个品牌合作，其中至少5个品牌收获超千万销售额。其中，HFP签下黄星与邱鼎杰双人代言，官宣日加直播贡献超2240万转化；蜜丝婷与李沛恩在300万合作费用下实现超1245万转化。 据剁椒Spicy数据显示，2025年下半年至2026年第一季度，在统计的超415个品牌代言合作中，有43起合作对象为环大陆耽美剧男演员。截至3月24日，该类演员已累计拿

钛媒体

预制食品遍地，企业为什么不赚钱了？

文 | 消费观象局 进入2026年，在预制食品随处可见的大背景中，几大预制菜企业的财报却不尽如人意。 8月末，冷冻烘焙食品企业“立高食品”发布2026年半年报。公司营业收入为22.05亿元，同比上升6.5%；归母净利润为1.26亿元，同比下降25.96%；扣非归母净利润为1.25亿元，同比下降25.0%；经营现金流净额为1.23亿元，同比下降18.4%。 巧合的是，次日千味央厨也公布了2026年半年报，公司营业收入为10.5亿元，同比上升18.2%；归母净利润为3196万元，同比下降10.7%；扣非归母净利润为2967万元，同比下降13.0%。 除了这两家，其余预制菜企业的财报数字也让人大跌眼镜。 惠发食品2026年中报显示，企业营业总收入6.76亿元，同比下降8.03%，归母净利润仅剩363.22万元；味知香2026年中报显示，公司营业总收入3.45亿元，同比上升仅为0.69%，销售费用、管理费用、财务费用总计3914.72万元，三费占营收比11.35%，同比增长16.57%。 一份份财报似乎给火热的预制菜赛道浇了一盆冷水，也倒逼整个狂奔的行业不得不停下脚步沉思：为什么预制菜席卷餐饮

人人都是产品经理

GitHub 周报：科研、语音、SEO，一个清单看懂 14 个 AI 项目

这是一篇周更式 GitHub 开源盘点：作者从本周 Trending 与社区热点中筛出 14 个项目，每个按 “是什么 → 能做什么 → 注意事项 → 开源地址” 的节奏介绍，可跳读、可收藏。 按用途，本期项目可归为六类： 科研与知识生产（01、05） ：Scientific Agent Skills 把 160+ 科研技能与 100+ 科学数据库打包成 Agent 可调用的 Skill；中国专利 Skill 则把专利点挖掘、查新、交底书成稿串成一条工作流。 模型与算法（04、08、09） ：Google TimesFM 让时间序列零样本预测更进一步；MiniMind 用 6400 万参数讲清大模型完整训练链路；Heretic 提供一种调整模型拒答行为的思路。 AI 开发与 Agent 生态（07、10、11、14） ：OpenClaude 用一个终端切换多模型，Awesome MCP Servers 汇集 9.4 万 + Star 的 MCP 资源，Screenshot to Code 让截图直出前端代码，Archify 把系统描述变成可交互架构图。 语音与多媒体（06、13） ：V

人人都是产品经理

旅行照不好看？我开源了一个做杂志风格海报的Skill

前几天回了趟山西老家，去大同转了一圈。 善化寺、关帝庙、城墙、应县木塔，一路拍了不少古建。 建筑本身很好看，但自己拍的照片总差点意思。 直接发出来，说实话，配不上这些建筑。 于是我就想：能不能做个工具，把这些照片变成真正好看的海报？ 像杂志编辑做的那种有排版、有字体设计、有文化信息、建筑主体被认真对待过的海报。 做完之后， 效果超出预期 。于是把它整理成了一个开源 Skill： Yingzao · 营造（https://github.com/op7418/guizang-yingzao-skill）。 下面讲讲它做了什么、好在哪里，以及为什么能做到这个效果。 先看效果 在讲细节之前，先放几组对比图。左边是原图，右边是生成的海报。 这是在大同城墙上透过松树拍的。原图光线不错但构图比较随意，前景的树枝占了大半画面。 海报把城楼提取出来做了主体，加上了”大同城墙”的字形设计、始建年份 1372、四座城门的名字，整张图的信息密度和视觉完成度完全不一样了。 这是大同东南邑的既下山酒店。原图是个标准的建筑摄影角度，水面倒影很漂亮，但就是一张普通的旅行照。 做成海报之后，加了竖排的”东南邑”、中英文

拿下75%复购订单、月销百万美金！东莞厂子赢麻了

当“庭院经济”以年复合增长率5.4%的速度一路狂飙至2030年，北美家居赛道正迎来新一轮洗牌—— 而Wayfair凭借85%的品牌认知度和高达80%的复购率，牢牢抓住中产消费主力。 在这场浪潮中， 一批中国家居卖家已经率先尝到甜头： 东莞有工厂靠一套户外组合沙发拿下月销百万美金，也有家纺企业入驻仅半年，复购订单占比飙升至75%。 这些爆发式增长，正是Wayfair品类红利与产业带供应链优势碰撞出的真实火花。 在这样的品类增长背景下，Wayfair将官方招商会直接搬到了产业带门口—— 杭州、东莞、佛山，三城联动，精准赋能，邀你共赴2026跨境新增长。 📍 第一站：杭州（9月15日） 聚焦品类： 户外庭院套装、休闲躺椅、户外储物箱、遮阳伞&凉棚、户外烤炉 【 点此报名 】 随着海外“庭院经济”持续升温，户外家具已成为Wayfair平台增长最迅猛的类目之一。 本次杭州招商会将深度解读： 2026户外家具入驻风向标： 最新准入标准与扶持政策首发。 类目数据洞察： 基于平台大数据，揭秘北美市场爆款特征与价格带分布。 选品避坑指南： 如何针对2026年流行色、材质与功能进行差异化布局。 新卖家成长

GitHub Changelog

GPT-6 Astra 在 GitHub Copilot 中全面可用

GPT-6 Astra from OpenAI is now available in GitHub Copilot. OpenAI’s latest general-purpose model, GPT-6 Astra, is designed for long-horizon, autonomous coding and agentic tasks. In our internal testing, GPT-6 Astra stood out for how it works, not just what it produces: it plans and validates as it goes, batches diagnosis with verification, and independently confirms its results before declaring a task done. That translated into stronger performance on long-horizon coding tasks with fewer steps

AWS Machine Learning Blog

在 SageMaker HyperPod 上使用 NVIDIA Cosmos 3 构建物理 AI 模型工厂

A Physical AI system, such as a robot or autonomous vehicle (AV) that translates real-world data into physical actions, can’t be built in a single training job. Instead, it takes a continuous pipeline: a loop of generating synthetic data, post-training perception and policy models, so the system understands its surroundings and can act, and evaluating both in closed-loop simulation. Running that pipeline continuously is the job of a Physical AI model factory, turning a stream of new real-world d