IT之家 5 月 5 日消息，据彭博社的马克 · 古尔曼（Mark Gurman）今日报道，苹果正在开发一项功能，将允许用户从电影票、音乐会通行证和健身房会员卡等物品的扫描中 生成数字通行证 。 该选项将称为“Create a Pass（创建通行证）”，它将连接 Wallet 钱包应用与不兼容该应用的通行证。用户将能够在 Wallet 应用中点击“+”按钮，然后扫描通行证或票券上的二维码（如果有的话）。如果没有二维码，苹果将提供创建自定义通行证的选择。 该功能将适用于票据、会员资格、礼品卡等。有三种通行证类型，每种都有不同的颜色。 苹果用紫色表示活动，蓝色表示会员资格，橙色表示其他类型的通行证 。用户将能够自定义数字通行证上的图像、颜色和样式以及文本。 新的钱包功能是即将在 iOS 27 中推出的众多功能之一，预计将在苹果六月的 WWDC 2026 活动上进行展示，IT之家小伙伴可以期待一下。
IT之家 4 月 28 日消息，综合《中国经营报》、财新网报道，在 2026 北京车展期间，自动驾驶技术的落地路径引发行业讨论。小马智行 CEO 彭军表示， 现行的自动驾驶技术分级体系已“极其无厘头” ，并提出应以事故责任归属作为重新定义分级的标准。 “自动驾驶分级标准不是最核心的，最关键的是出了事，车企和当事人到底谁该负责。” 在彭军看来，L1、L2、L3 这些分级并不是自动驾驶商业化最核心的判断标准，真正关键的是责任边界 —— 要么是人负责，要么是车负责。 只要司机仍然是第一责任人，无论车辆功能多强，本质上仍是辅助驾驶 ；只有车辆承担驾驶责任，才进入小马智行所专注的 L4 全无人路线。 彭军举例称，所谓某条路上可以由车负责，但如果下雨出现问题，责任又该如何界定。他直言，“ 所有的 L3 都是 L2 ”。只要人的责任没有真正退出，所谓更高等级的功能仍然无法改变辅助驾驶的本质。 “ 我一直的观点是，世界上不存在 L3 。”4 月 24 日，彭军称相关技术分级如今已是一项“极其无厘头”的分类。他认为，自动驾驶分级只应遵循一项标准，即一旦出现安全事故，辅助驾驶视司机为第一责任人，而自动驾驶应当由车来担责。 据IT之家今年 2 月报道，丰田与小马智行共同推进研发生产的铂智 4X Robotaxi 正式在广汽丰田量产下线，标志着 L4 级无人驾驶 Robotaxi 的战略合作从技术验证迈入规模化量产新阶段。 2026 年，一线城市拟部署千台铂智 4X Robotaxi。该车搭载了小马智行最新的第七代自动驾驶乘用车系统。
IT之家 4 月 27 日消息，奇瑞墨甲全球发布会在安徽芜湖举行，墨甲产品矩阵 —— 人形机器人墨茵、智警机器人、导医机器人、机器狗等亮相。在现场，智警机器人也完成了 110 台交付及 1030 台签约。奇瑞集团董事长尹同跃表示：这标志着墨甲已经全面迈入规模化商用新阶段。 奇瑞集团董事长尹同跃在致辞中指出，奇瑞始终坚持“T+T”战略，既向 Toyota（丰田）学习极致质量与体系能力，也向 Tesla（特斯拉）学习创新精神与颠覆式思维。“我们 最不希望被定义为一家汽车公司 ，而是一家面向未来的高科技、具身化、创新公司。” 他表示，奇瑞做机器人的最大优势在于，机器人与智能汽车在感知、规划、控制等底层技术上高度同源，智能汽车就是移动的机器人。奇瑞主要做三件事：一是把机器人的可靠性、成本、寿命做到能批量应用的水平；二是在全球 50 多个国家、100 多个真实场景里反复打磨；三是在今天实现墨甲智警机器人百台交付、千台签约。“这标志着墨甲已经全面迈入规模化商用新阶段。” 据IT之家了解，奇瑞墨甲机器人总经理张贵兵也正式发布了墨甲机器人全新战略愿景：墨甲机器人将坚持“场景驱动、协同共荣”的发展路径：以清晰场景定义技术方向，以真实应用验证产品价值，再通过技术迭代反哺场景拓展。
IT之家 4 月 27 日消息，小米手机官方刚刚宣布为 17 Pro 系列机型带来 背屏「电子木鱼」功能 。据介绍，该功能提供了八款木鱼样式，敲击可触发不同音效，同时可自定义治愈文案。 小米 17 Pro 系列背屏「电子木鱼」上新！ 八款木鱼自由选择，敲击即可触发不同音效， 还可自定义治愈文案，边敲边收获好运。 据悉，小米 17 Pro 系列手机背屏现还支持 新年 Flag：模板记录 2026 年度目标 ； 隐身模式：背屏一键关闭麦克风、摄像头等权限 ； 对话翻译：正屏中文输入、背屏即显译文 等功能。除此之外，小米 17 Pro 系列「妙享背屏」还支持电子宠物、背屏带壳截屏、AI 壁纸保存相册等多种玩法。 ▲ IT之家开箱：小米 17 Pro / Pro Max 手机图赏 小米集团合伙人 / 总裁、手机部总裁、小米品牌总经理卢伟冰曾表示， 小米 17 系列是小米数字史上最畅销的产品，尤其是 Pro 系列。
IT之家 4 月 20 日消息，在饱受多年批评后，微软表示，将让用户对 Windows 11 开始菜单的自定义选项拥有更大的控制权。 微软称正在开发全新的开始菜单自定义选项。近期，微软曾为开始菜单测试过至少五种不同设计。随后，微软设计团队又公开了另一批从未正式上线的开始菜单实验性设计方案。 IT之家注意到，近日，微软设计合伙人总监马奇 · 罗杰斯在 X（原推特）上发文，在分享上述设计的同时证实，Windows 11 开始菜单将迎来一次重大升级。 罗杰斯表示，微软将允许用户自定义开始菜单，并在现有功能基础上推出更多新选项。 “一些关于新版开始菜单设计的幕后消息。我们听取了用户反馈，让打开应用变得更便捷。”马奇 · 罗杰斯在 X 上写道，“我们目前正在开发更多自定义选项。” 马奇 · 罗杰斯并未透露具体会新增哪些功能，但从目前情况来看，微软似乎并不打算对开始菜单进行彻底大改，更有可能是在现有布局基础上，新增几项自定义设置。 目前，用户可用于个性化设置开始菜单的选项十分有限，尤其是在微软推出全新的“应用分类”布局后，这一点更是让不少用户感到不满。 事实上，近期获得点赞最多的用户反馈之一，就是要求开放自定义应用分类布局的权限。有用户表示，需要能够自行定义分类，否则这项功能只会显得杂乱无章。 “通常来说，这类功能提案会由熟悉界面设计、能够预判常见使用场景的人员进行审核。以目前的状态正式上线，实在令人震惊。”一位用户在反馈中写道。 “这是工程团队一个极其愚蠢的疏忽。应用最终发布代码中可能会缺失大量信息，你们怎么能指望实现合理的应用分类（虽说这本该由软件开发者处理）？除非在微软商店提交流程中，强制要求包含应用分类等元数据，否则根本无法保证每个应用都有对应的分类。” 开始菜单的应用分类功能远称不上完善，也难怪部分用户会对此感到不满。简单来说，该功能通过一个 15MB 的 JSON 文件，将应用自动归入预设分类，且开始菜单并不会向微软服务器发送请求。 该 JSON 文件中包含对应“娱乐”“社交”“创意”等分类的标识 ID。开始菜单会根据应用包系列名称识别其所属分类，但部分应用无法被识别，最终会被归入“其他”分类。 如果微软最终推出新的自定义选项，那么开放更多应用分类布局的控制权限，也完全在情理之中。 微软已经允许用户关闭开始菜单中最不受欢迎的“推荐内容”功能，而看起来更多优化还在路上。 微软近期还证实，将把开始菜单从 React Native 迁移至 WinUI 框架，这将有助于减少延迟、提升整体运行性能。
IT之家 4 月 12 日消息，据科技媒体 Android Authority 今天报道，谷歌现已为 Pixel 系列手机推送语音信箱自定义问候语功能， 可以更换掉默认提示语“您拨打的用户暂时无法接听，请在听到哔一声后留言”，告别千篇一律 。 IT之家在此援引 Android Authority，谷歌从去年 8 月起开始为 Pixel 系列手机推出“Take a Message”功能，可自动接听未接来电、提供实时文字转写，并在电话应用中提供对话记录，本质上是传统语音信箱的现代化版本。 自定义问候语功能支持 Pixel 6 或更新机型，用户只需要将电话应用更新到 217 Beta 测试版即可开始使用。 如果功能已经开启，电话应用的顶部会出现“Take a Message”弹窗提示，只需要点击“立即试用”即可按照引导完成设置。用户可点击底部的麦克风按钮开始录制提示语。
36氪获悉，安波福发布“中国定义”的核心战略，安波福中国及亚太区总裁杨晓明解读“中国定义”战略，是以中国创新能力承接全球项目，服务非中国市场。针对智驾出海，安波福计划采用软硬件拆分方式，硬件通用、软件区域适配，同时提供中国芯片与国际芯片方案，满足全球合规。
访谈｜邓咏仪 周鑫雨 文｜周鑫雨 编辑｜杨轩 乍一使用，你很难给Ribbi一个准确的定义。 若说这是一个多模态内容创作工具，Ribbi能做得不止于此。比起一个“死”的工具，Ribbi更像一个可以自动管理创作全链路的“人”。 它能将用户的创作流程，自动沉淀为Skill；也能监测社交媒体的数据表现，总结复盘，并 自动对后续的创作进行优化。 Ribbi官网首页。 对绝大多数创作者而言，这又是一个使用体验极度“陌生”的产品。区别于Figma、Lovart等设计产品，Ribbi没有醒目的画布，所有的创作、编辑交互，都集中在一个小小的对话框中。 而与你对话的Ribbi，被设定为一只个性十足的“青蛙”：爱吐槽，偶尔还能爆点粗口。 与Ribbi的对话。 这款有些“怪”的产品，却在 上线封测一周内，收到了全球4万多用户的使用申请。 用户群从上线第一天的20人，快速扩张成了20个几乎满员的大群。闲鱼上，Ribbi的内测码，一度被炒到了200元。 “我们上线Ribbi，本来是为了找100多个种子用户做封闭测试，验证PMF（产品-市场适配率），都没正式开始做营销和投放。”Ribbi创始人兼CEO Robin告诉我们，用户通过口碑传播的裂变速度，远超他的预期。 在4月初和《智能涌现》的交流中，Robin的嗓子已经哑了。半个月内，他见了多家投资机构，官方Linkedin的私信箱，也堆满了合作邀约。 毕业于工业设计专业，Robin做过4A和品牌企划，后续还在几家头部大厂，主导多款明星AI产品的创作功能设计、创意Agent落地等工作。 创业前，Robin就一直在探索：如何让创意实现的过程更简单。他发现， 市面上的创作工具，都彼此独立，用户创作的上下文互不相通。 这就导致，当用户要创作内容，每涉及一个环节，就要切换一款工具，还需要重新和工具对齐创作的需求。 “市面上不少AI设计工具，仍然把内容创作视作单点环节的拼接。但事实上， 创作应该是涵盖创意生成、内容生成、发布、数据监测、复盘、优化的完整链路 。”Robin告诉《智能涌现》。 基于这一认知，2025年末决定创业时，Robin做了不少“非共识”的决定： 不做Multi-Agent（多Agent架构）的产品 ，因为不同专家Agent在传递过程中，会造成Context的损耗； 不做单点的内容生成， 而是用一个Agent，打通创作、发布、效果监测、复盘优化等创作中所有的链路； 不做“画布类”的产品， 而是用Chat作为UI，给Agent更多的自由度； 自训VLM（视觉-语言模型）、自研名为Contxt Layer的Agent架构， 沉淀创作经验和反馈，让AI自主进化。 这一切设计的最终目标，Robin告诉我们，是让Ribbi不仅仅局限于一个“工具”，而是成为理解完整创作闭环的“人”。 以下，是Ribbi创始人兼CEO Robin关于Agent创业的20条“暴论”： 🐸 大厂中，业务、模型和顶层之间的对齐是最困难的事，除非已经有业内共识。 比如，当Coding成为业内共识，不管是大厂，还是“AI六小虎”，都不约而同朝这个方向冲。 但在看到Taste的确切价值之前，为审美、品味构建模型，是大厂不愿意做的。只有当视觉创意生成从非共识，变成共识，才能激发更多大厂和顶尖人才参与进来。 🐸 一旦团队变大，对Context的折损就会增加。 大厂的基模能力很强，但模型团队对业务的认知有偏差。一旦团队变大，每个团队之间信息传递的过程，会折损大量的Context。 这也是Ribbi团队只有6个人的原因。我们只有3个程序员，他们现在是全栈设计师、全栈工程师，什么都能开发，并且可以做得很好。 这就是Claude Code带来的代码生产力的进化。 我相信，Ribbi会带来内容生产力的进化。 🐸 很多AI产品都在虚假宣传。 我们在宣发的过程中搞了很多“抽象”，比如“72小时ARR破亿”“一夜百万用户”，本质上是为了讽刺很多AI产品的虚假宣传。 只是我们讽刺做得不够好，很多用户信以为真了（无奈笑）。 我们在X上的CEO账号也是虚假的，根本没有“Robin Bisset”这个人。账号上的很多内容，包括Robin的外国人形象，都是Ribbi生成的。 △Ribbi的虚拟老外CEO。图源：X 🐸 AI行业正在逐渐“币圈化”。 我花了很长时间才研究明白Harness。圈内很喜欢造概念，又是“马鞍”，又是“驾驭”，搞得很玄乎。 其实Harness很简单，就是一个脚本，或者一个workflow，让模型不偏离目标，更好地发挥价值。 在Harness这个概念出现之前，依靠框架或者Agent去优化AI执行任务的上下文，本身就是一个共识。如今行业只是把这件事抽象了出来，给了一个核心定义。 🐸 画布类的产品，把模型的可能性“锁死”了。 我们没有把Ribbi做成画布类的产品。画布类的AI产品看起来交互很酷炫，能让投资人眼前一亮，专业用户使用起来也很顺手。 但它们有一个“致命伤”：把模型的可能性提前“锁死”了。因为画布的本质，是将工作流拆成一个个节点，模型只能沿着这条路径走。 我们一直以来的判断是， AI时代的UI应该是容器化的，而不是功能化的。 产品应该给AI创造一个容器，让它可以自由决定调用什么样的工具、怎么组合工具，甚至按照什么样的顺序执行任务。 🐸 具身智能成熟之前，Chat是AI最好的UI。 在互联网时代，我们就习惯通过Chat完成信息的传递，比如微信上可以拍图片、拍视频，也可以发链接、小程序。 在我看来， Chat是一个足够简单，并且灵活兼容一切的容器。 比如豆包DAU跑得很快，其中一个原因在于，它的移动端App设计得很轻量。用户不需要打开新的对话框，只要在一个session中疯狂Chat就能生图、生视频。 它将用户的交互和AI的行为，统一在一个非常简单的框架中。 用户认为Ribbi好用的点，就在于他们可以随时把X、Instagram、Pinterest等平台上的素材，采集、保存在Ribbi中，底层的AI再自主学习其中的审美。这其实就是人与AI Chat的过程。 作为AI产品经理，我非常讨厌用复杂的交互去操作AI。AI应该很聪明，不用我时时刻刻盯着，就把活干了。当你产品的交互门槛、使用门槛足够低的时候，自然而然就能吸引更多人。 🐸 真实的创作需求从来不是单一维度的。 很多人会疑惑：为什么要往Ribbi里塞这么多功能（图片/视频/音乐创作、社交媒体监测、编辑器）？这样会不会导致定位模糊，或者每个功能都做不深？ 我们一直认为，真正的创作需求从来不只有单一维度。比如一条抖音视频的制作，就涵盖了想选题、写文案、写脚本、生成分镜、配音、剪辑、编辑封面、发布、数据监测、复盘等流程。 这是一个完整的链路。没有All in one的工具意味着，用户需要切换不同的工具，重新对齐创作的上下文。 人一定是懒的动物。 没有用户希望做一个产品、完成一个环节，就换一个模型、换一套工具。比如做一个视频，要先用ChatGPT生成文案，再用Gemini生成分镜，最后还要用剪映拼接视频，是很麻烦的。 我们设计Ribbi功能的出发点，不是为了把功能做全面，而是为了 让创作链路的Context完整连通。 🐸 Ribbi构建Agent的核心在于自主进化。 互联网平台的核心是UGC， Ribbi的核心是AGC，Agent Generated Content。 创业前，我就在寻找可以让“Agent自主进化”落地的场景，创作就是一个很好的答案。 首先，Taste会自主进化，这就是我们设计Pond和训练VLM的原因。 其次，Skills也会随着用户的使用自主进化。用户在使用Skill地过程中，会产生新的场景、需求和Context，这些Context就会凝练成专属用户个人的Skill。 这些个人Skill，都会经过Context Layer中的Skill Agent的评估、去重、去隐私化，再贡献给平台全端。因此，平台的Skill也会循环进化，用户使用越多，Skill就越多，能力也越强。 最后，用户的创作也会自主进化。我们建立完整创作工具的原因，就在于用户的创作是连续的过程，涵盖搜索、发现素材、生成内容、编辑优化、发布到社媒、数据监测等流程。 社交媒体，是Agent在线进化落地的核心训练场， 将作品发布到社交媒体，是Agent与真实世界的一种交互。监测数据表现后，Ribbi能够自主迭代和优化创作路径，交付更好的结果。最终，平台就能够形成一个自主进化的创作闭环。 🐸 Multi-Agent本质上是对模型能力的低估，产品要让Agent更自由。 Multi-Agent架构中，大部分专家Agent的底层能力，都来源于Claude。既然底层模型一样，为什么还要通过提示词工程，把模型拆分成不同的Agent？ 提示词工程，本质上是对模型能力的约束。 与此同时， 任务在多层Agent架构中的传递，都会造成Context的损耗。 我们做Ribbi的时候，核心观点是：让Agent足够自由。 Agent要在一个非常丰满、质量足够高的Context中，发挥自己的能力。因此， 我们的核心架构其实是一条Single-Agent链路。 除此之外，我们构建了一个中间层， Context Layer。 它由Memory、Taste 、Skills等不同层级构成，每一层都有对应的Agent。它们的作用不是执行任务，而是辅助Single-Agent收集Context。 这样做的好处是 Single-Agent对上下文的感知不会折损，Token的损耗也会降低，这是我们的核心优势。 与此同时，其他Agent又能补足一些上下文信息。 🐸 Ribbi不是OpenClaw的“套壳”，大家只是对Agent有相同的想象。 2025年11月，那时还没有OpenClaw，我就在公众号上写了一篇文章，构想了Agent发展的路径：第一，Agent会从被动，发展为更主动；第二，Agent的Context会不断自我进化。 这两点在OpenClaw上得到了具体的体现。但我们的产品定义和OpenClaw非常不一样： 首先我们提出了Context Layer，为Agent提供了很干净的Context；其次我们不希望为用户提供一个部署门槛很高的产品；最后我们整体的功能链路都是为内容创作服务，所以Ribbi提供了100多个可以自由组合、循环进化的Skills。 我相信世界上很多人对Agent的想象是一致的。OpenClaw很多的底层思考来源于Claude Code，我们的核心想象也出自Claude Code。 Claude Code为Agent创造了一个非常简洁的系统： Coding是Agent的环境，Function Call是Agent的手。 Claude Code的出现让任何人可以成为全栈工程师，Ribbi的出现是让任何人能成为全栈的创作者。 🐸 我们不把Ribbi定义为“工具”，而是理解完整创作闭环的“人”。 首先，Ribbi是一个可以自我进化的内容引擎。其中，“Pond”是它的审美输入端，Skills是流程的沉淀，主动发布和数据监控是内容创作的最后一公里。 其次，我们希望Ribbi有活人感。如果你和Ribbi对话，就会发现ta是一只嘴上嘟囔、但会认真干活的青蛙。 🐸 Taste is all you need。 创作过程中最难用语言表达的，就是审美和品味。 为了解决审美建立的问题，我们为Ribbi设计了一个叫做“Pond”的板块。 用户在浏览Behance、Pinterest等设计平台时，可以通过Ribbi插件，将喜欢的设计采集并保存到Pond中。通过对Pond中资产的学习，Ribbi可以建立对用户审美的认知，未来创作的设计也会更符合用户的偏好。 除了学习用户个体的审美，Ribbi也会凝练平台所有用户的审美，成为平台共识。这么做的意义在于，让用户在不输入Prompt的情况下，也能获得高质量的设计。 支撑Ribbi学习、积累、迭代用户审美的核心，是我们基于开源的千问8B小模型训练的VLM（视觉-语言模型）模型。 它可以将图片、视频转化为文本Context，并将Context压缩进用于构建审美的Taste层，再基于Taste层生成新的设计。 对审美的不断沉淀，也是Ribbi产生用户粘性的核心。平台上，用户不断贡献新的审美Context，这些Context都会沉淀为Ribbi对你审美的认知。 在Pond中可以上传个人资产。 🐸 不能让模型，不知道你的操作。 目前，我对Ribbi主要有两个不满意的地方，一方面，稳定性还不够，包括性能和服务器、API负载； 另一方面，创作流程还不够灵活。因为没有编辑器，所以诸如“把字幕往上挪一点点”等简单调整，都需要用户去Chat。因此我们需要上线一些后编辑的功能。 但迭代的卡点在于，我们必须让底层模型知道用户的所有操作，对齐用户所有的上下文。只有这样，在后续创作过程中，Agent才能记住用户的偏好。 让模型感知到用户的后编辑，目前来看还有很高的开发门槛。 🐸 Ribbi的壁垒在于对技术的想象。 我们自主训练的VLM模型，目前多多少少算壁垒。当然，技术壁垒很容易被超越，Claude发布一个新模型可能就可以做到。 Ribbi的核心价值在于，我们不仅希望只做一家应用层的公司，而是在未做模型层的探索。训练VLM是现阶段探索的开始，包括中间层Context Layer的设计，都是基于我们对行业的Know-How和共识去完成的， 这些事说出来其实不难，难的是把它想象出来。所有的事最重要的就是想象，而 我们是第一个把技术领域的AI自主进化想象、并且落地的团队。 而且我们对Agent的认知一直在往前走，这是我们的想象保持领先性、建立壁垒的前提。 🐸 把Token消耗转化为扣积分的商业模式，不够诚实清晰。 我们的商业化会做得比较诚实。虽然模式还没完全确定，但一定不会是积分制。 △Ribbi会显示每个环节消耗的Token量。图源：作者试用 不少AI产品会采用积分发放的方式。个人觉得挺绕，用户还得把积分转化为Token消耗量，不够清晰。 也有平台会告诉你，“充值一次，无限Token”，但实际上用户天天在排队。这样的商业模式不诚实，而且平台还会亏本。 🐸 好的内容平台应该有广告。 我最近也在研究一些好的内容平台的商业模式。YouTube几乎是免费的，因为有足够多的广告商在视频中分发贴片广告。 广告的好处在于，让平台把用户的成本转嫁给广告商，同时也让创作者通过广告，有直接的收入，从而激励他们在平台上的创作。 🐸 Ribbi的北极星指标，是Skill的增长。 目前，网站上有20多个Skill，其实我们内部已经有100多个Skill，比如一键消除、做PPT等技能。没有放出来的核心原因在于，我们的设计师对审美的要求很高。 所以我们的北极星指标是不断裂变出更多高质量、高审美的Skill。 并且我们不希望Ribbi成为一个工具集。 工具聚合网站，更像是一个个的小程序，它们之间是相互独立、互不连通的状态。 但我们的Skill会在同一个Single-Agent中连通。这样的好处是Agent可以在接管创作全流程中，灵活串联不同的Skill。 另一点，我也希望Ribbi上的工具数量能不断增长。目前我们的100多个Skill，靠的是100多个工具的不同组合。一旦我们的工具数量扩大到1000多个，Skill会进化产生我们想象不到的价值。 △Ribbi上沉淀的Skills。图源：Ribbi官网 🐸 应用公司探索模型层是有必要的。 只有自己亲身训练和使用，才能知道当下模型的限制，以及实现AI自主进化的逻辑路径。我们现在实现AI自主进化的路径，是基于Context实现的。 但未来， 自主进化一定会在模型层上实现 ，并且会有非常多的人探索。自己训练模型，是为了提前积累经验。 🐸 我们不把自己定义为创业团队，而是独立开发者的组织。 我们不会像某些友商那样，不断花钱买量、烧各种补贴。我们不想做一家为估值而奋不顾身的公司。 融资当然也很重要。你要确保账上有足够的资金，去支撑研发-获得用户反馈-迭代的循环。 我们现在正在推进下一轮融资，并非是有意的，而是如今Ribbi获得的用户声量，远超我们的预期。现在的状态，有点像时代推着你往前走。 我们收到了很多投资意向书，但我希望愿意投资我们的机构，是真正对AI有价值判断的、长期看好AI的自主进化，而不是出于FOMO（错失恐慌）。 🐸 我立志成为硅基生命的垫脚石。 我们一直在找一个符号表达“自主进化”的理念。Ribbi LOGO是一只青蛙的原因，是因为蝌蚪进化为青蛙是一种非线性的变态发育，“Ribbi”就是呱呱叫（ribbit）的拟声词。 我相信AGI一定会到来。无论是训练模型，还是做Context Layer，这些看起来“很重”的事，目的都是为了加快AGI到来的进程，哪怕只留下一点点痕迹。 假设某一天，某家模型厂商实现了AI的自主进化，即便功不在我，我愿意贡献我们对Context Layer自主进化的Know-How、开源我们的技术架构，帮助模型厂商训练更好的自主进化模型。 欢迎交流！