IT之家 5 月 4 日消息，苹果已有大量员工跳槽至竞争对手公司，如今这几乎成了每周都会上演的常态。据悉，又一名高级工程师现已离职跳槽至谷歌，不再继续参与苹果下一个未来感十足的项目：机器人业务。 苹果旗下的人工智能机器人团队正全力研发新品：智能家居机器人。依托现代人工智能技术，苹果希望赶在 Meta、谷歌等企业主导消费级机器人市场崛起之前，抢先入局这一赛道。 据此前爆料，目前苹果正在研发一款桌面机器人，外观类似加装了机械臂的 iPad。这款机械臂可完成基础操作任务，用户还能与机器人语音对话，机器人将搭载苹果正在全新研发的 Siri 智能系统。 实际上，苹果几乎所有部门都在流失员工，其中不乏资深骨干，人才纷纷被 Meta、谷歌等企业挖走。尤其是 Meta，凭借极具诱惑力的高薪和高额奖金，挖走了大批核心骨干员工。 IT之家注意到，苹果业内资深记者马克・古尔曼在其专栏《Power On》中透露，苹果机器人团队高级工程经理伯努瓦・兰德里（Benoit Landry）已离职，加盟谷歌 DeepMind。近段时间以来，已有不止一名苹果员工跳槽至谷歌 DeepMind。 据古尔曼爆料，负责上述桌面机器人项目的团队负责人已于去年跳槽至 Meta。在此之后，该团队又陆续有多名高级工程师离职。
IT之家 5 月 4 日消息，普通搜索引擎会让用户自行甄别信息来源的可信度，而依托搜索能力的人工智能聊天机器人，却能把漏洞百出的网络素材包装成笃定确凿的答案。据 The Register 报道，就有这样一个典型案例：一名安全工程师哄骗多款 AI 机器人，声称自己是德国一款热门纸牌游戏的现任世界冠军，可事实上这项赛事根本不存在。 直到近期，维基百科的《谁是牛头王》（6 Nimmt!，英语地区玩家也称“拿五分”）词条里，还赫然标注着罗恩・斯托纳是 2025 年该项赛事的世界冠军。该维基百科条目引用了看起来十分官方的 6nimmt.com 网站作为依据，点开这个网址，确实能看到一篇简短的新闻通稿，宣称斯托纳斩获冠军。 整件事的破绽显而易见：斯托纳本人承认，维基百科的夺冠词条、以及留存这份唯一“夺冠证据”的 6nimmt.com 域名，都是他一手伪造的。可即便如此，当他向多款 AI 聊天机器人询问此事时，机器人依旧笃定地称他为世界冠军。 斯托纳在博客文章中表示：“我的网站没有任何独立第三方佐证，完全是凭空捏造。整个虚假骗局，仅仅建立在我喝咖啡时花 12 美元（IT之家注：现汇率约合 82 元人民币）注册的一个域名之上。” 换言之，这是检索增强生成（RAG）层面的信息投毒。它不属于提示词注入攻击，却直击人工智能联网搜索这一核心功能漏洞。 正如斯托纳所解释的：AI 并不会真正在意其引用的权威信息来源出处，而这正是斯托纳设计本次实验想要利用的关键点。 斯托纳写道：“所有具备联网搜索能力的前沿大语言模型，都会依据检索排名最高的内容生成答案。”在这场本就不存在的《谁是牛头王》赛事骗局中，他刻意植入的虚假来源是全网唯一相关信息，再加上维基百科自带的权威背书，轻易就能误导 AI 把谎言当成事实。这种造假手法门槛极低，即便不懂技术的普通人也能轻松复刻。 斯托纳称：“我这次的操作并无新意，不过是把传统搜索引擎优化和虚假信息传播手段，套上了大语言模型的新技术外壳与交互界面。真正的变化在于，如今 AI 会把这类虚假结果包装成权威信息呈现给用户，而绝大多数用户根本不了解背后的数据流转逻辑。” 斯托纳在分析文章中指出：“大语言模型最不擅长识别的，恰恰是它的核心设计逻辑 —— 无条件信任文本和网络资源。别指望模型能自行分辨真伪，它根本分不清某个信息来源是真实权威网站，还是我上周二刚注册的空壳域名；就连‘strawberry（草莓）’这个单词里到底有几个字母 R，它都没法精准判断。” 他解释道，本次实验暴露的漏洞包含三类失效模式，若被别有用心之人利用，造成的危害远比捏造一场纸牌游戏赛事严重得多。 第一，检索层漏洞。只要大语言模型依托网络搜索作答，就会直接沿用检索结果排名内容的可信度，极易输出错误信息。 第二，模型训练语料漏洞。斯托纳表示，若维基百科的虚假词条留存时间足够长、被网络爬虫抓取收录，就会混入 AI 训练语料库。他于 2025 年 2 月添加了虚假词条，直到上周五发布实验文章后才被删除。这意味着在此期间抓取维基百科数据的所有 AI 企业，都有可能把他虚构的夺冠经历纳入训练数据。 斯托纳称：“即便维基百科后续撤销了虚假编辑，那些用撤销前数据训练的模型，依然会保留这份虚假信息。截至 2026 年，语料投毒的后续清理问题至今没有可行的解决方案。” 他计划半年左右待新一代 AI 模型发布后再次测试：若模型无需联网，就能默认他是赛事冠军，就足以证明这份谎言已经固化进了模型训练数据。 第三，智能体漏洞。在斯托纳看来，这一漏洞才是恶意攻击者最有利可图的突破口。 他指出：“聊天模型输出虚假信息，只是品牌声誉问题；而拥有工具调用权限的 AI 智能体，若被误导做出错误操作，将会引发严重的安全隐患。”攻击者只需对智能体检索的信息来源进行投毒，就能操控智能体执行指定恶意行为。 斯托纳在博客中总结：“这次攻击测试，我只花了 12 美元注册域名、编辑了一条维基百科词条，耗时不过二十分钟。试想，若有蓄意攻击者批量注册虚假域名、在数十个低流量维基百科词条中同步植入虚假内容，攻击面会瞬间急剧扩大。” 斯托纳认为，大语言模型服务商必须正视检索投毒问题，并向用户作出风险提示。他预计，未来 AI 聊天机器人很快会新增风险警示功能，尤其针对检索增强生成的内容。 他还呼吁 AI 企业将数据溯源纳入核心研发环节，同时对近期新增的网络内容进行启发式筛查，识别可疑特征。以本次纸牌游戏造假事件为例：单一引文指向维基百科更新前后短期内刚注册的域名，本应触发风险预警，却被 AI 完全忽略。 如今这场虚假赛事已被从维基百科删除，AI 检索增强生成结果中也不再出现相关内容。但斯托纳强调，此次骗局利用的信任逻辑漏洞真实存在，已然成为人工智能行业亟待解决的潜在隐患。 斯托纳表示：“很高兴我的文章能引发业界对大语言模型、信息来源、信息可信度以及底层运行逻辑的讨论。这正是我做这次实验的初衷，而目前看来，我的目标已经达成。”
IT之家 4 月 30 日消息，今日，京东服务宣布启动 2026 年大规模招募、培训及网点覆盖计划：面向全国招募 2 万名工程师，涵盖 家电家居安装、充电桩安装、家庭维修及搬家 等全品类服务，并在全国建设 10 大家庭服务培训中心，为安装维修等家庭服务提供系统的技能培训和资格认证。2026 年还将在全国投入 1 万个自营服务站。 此外，为打破传统服务行业派单不透明、工程师收入不稳定等痛点， 京东服务将推行“智能公平派单”机制 ，并设计行业首个“工时定价”的工程师薪酬体系。 IT之家从官方介绍获悉，京东服务通过校企合作计划在全国建设 10 个近 10 万平方米的线下技术培训认证中心。自首个涿州培训认证中心落成后，近日，京东服务与宿迁市宿豫区政府、宿迁技师学院达成合作，将构建第二大技术培训中心。 京东服务搭建了“三大培养体系”：“等级评价”体系，保障工程师公平晋升；“京工巧匠”与优先派工机制，系统优先为技术能力强的工程师派发高价值订单；“工师匠-新蓝领”体系对标国家八级工，选拔优秀工程师成为讲师。 当前，自营站已在 苏州、深圳、合肥 等城市运营，并计划招聘自营站长和站长助理，并将备配件配置到“最后一公里”的站点。 此外，站点还开放线下便民服务窗口，用户可就近直达站点，完成设备维修、故障检测、问题调试等。
IT之家 4 月 30 日消息，阿里今日发布了数字员工 QoderWake，阿里称其是 业界首个安全可控、持续进化 的生产级数字员工产品，能在真实工作中承担软件工程师、运营和分析师等岗位角色。 目前，QoderWake 已上线“ 数字程序员 ”，当代码有更新时，它会整理变更简报；出错时先做诊断，输出一份初诊报告；遇到告警时先做分诊，判断严重程度及是否需要升级给人。 IT之家获悉，该数字程序员 已在阿里内部上岗 ，自主完成反馈分类、日志分析、根因定位和自动生成修复代码等工作， 全流程无人值守，人只在部分场景做最终确认 。以单条问题的根因分析为例，使用 QoderWake 后， 分析耗时从 30 分钟缩短至 2 分钟 。 官方表示，QoderWake 将于近期上线数字分析师、数字客户经理、数字内容编辑、数字流程专员等数字员工。 QoderWake 已开启邀测，个人和企业均可在 官网 申请雇佣一位或多位数字员工，或根据自身业务流程定制专属数字员工。
IT之家 4 月 29 日消息，微软一位资深工程师表示，原生应用正在回归，这一观点似乎与微软近期推进 Windows 11 应用生态复苏的举措相契合。 IT之家注意到，目前网页应用在微软应用商店（Windows Store）中占据主导地位，而该商店是微软主推的电脑应用获取渠道，尤其适合希望在 Windows 11 上获得更高安全保障的用户。历经多年迭代，微软应用商店的性能已大幅优化，如今可上架基于多种开发框架打造的应用。 微软向开发者开放了更自由的应用开发方式选择权后，外界普遍认为这一举措能极大鼓励开发者通过微软应用商店为 Windows 11 上架应用。 受此影响，Netflix 和 WhatsApp 等大量热门应用纷纷舍弃基于 WinUI 等原生框架开发的 Windows 原生应用，转而改用基于 WebView2 的渐进式网页应用（PWA）。《Windows Latest》的测试发现，在 8GB 内存的电脑上，WhatsApp 即便处于闲置状态，内存占用也高达 600MB。 这并非仅是基于 WebView2 开发的 WhatsApp 存在的问题。基于 Electron 框架开发的 Discord，内存占用最高可达 4GB，该软件甚至专门内置了静默重启程序以降低内存占用的功能。 另一方面，尽管渐进式网页应用体量轻巧，却往往缺失原生应用具备的离线模式等核心功能。不少 Windows 用户吐槽，大量应用盲目改用渐进式网页应用已成令人担忧的趋势，最终严重拉低了整体操作系统使用体验。 微软显然已经留意到这些投诉，并开始采取实际举措改善 Windows 11 的应用生态现状。 数月前，负责微软应用商店和文件资源管理器项目的首席架构师鲁迪 · 于恩正式证实，微软计划为 Windows 11 打造纯原生应用。于恩并未透露该计划的具体落地时间。 如今，微软资深工程师戴维 · 福勒在社交平台 X 上发文称：“原生应用回来了。”这一表态清晰表明，微软仍致力于为 Windows 11 全面推行应用纯原生化。 戴维 · 福勒已在微软任职十余年，深度参与.NET、 ASP.NET Core 以及微软开发者平台相关研发工作。 福勒此番“原生应用回归”的言论，直指 Windows 11 当下多数原生应用已被网页封装版替代的现状，其发文也被视作微软内部工程团队的风向信号。 这也印证了此前的报道：微软已着手将 Windows 11 核心功能组件从网页架构中剥离。众所周知，开始菜单正从基于 React 的外壳组件迁移至 WinUI 框架，以此降低延迟、提升运行性能。 福勒与于恩均未透露具体落地实施方案，但业内普遍认为，最新发布的.NET 10 将成为实现这一目标的核心关键。 .NET 10 搭载了微软所称的原生提前编译（Native AOT）技术，据称能大幅缩短应用启动耗时，同时降低内存占用，这对微软自身开发团队而言也将极大缓解资源消耗问题。 微软基于网页架构打造的 Copilot 应用资源消耗十分严重，内存占用居高不下。实测显示，该应用后台待机内存占用最高达 500MB，开启使用后更是飙升至 1GB。 倘若开发者放弃网页开发技术，以及 React Native、Flutter 等跨平台开发工具，转而采用.NET 10 进行开发，这类资源过度占用的问题有望得到根治。 虽说原生应用理论上优势显著，但微软眼下面临的最大难题之一，是说服开发者为 Windows 平台开发更多原生应用。 微软是否会推出激励政策扶持原生应用开发、扩充微软应用商店内原生应用数量，值得持续关注。而在此之前，这家总部位于雷德蒙德的科技巨头必须率先完成自身多款 Windows 11 官方应用的纯原生重构，向业界展示其应用生态升级的实际价值。
4 月 27 日，据彭博社报道，中国台湾地区法院周一裁定，台积电前工程师陈力铭因窃取台积电专有数据被判 10 年有期徒刑。 据台媒报道，中国台湾地区知识产权和商业法院周一对台积电“内鬼案”作出一审判决，案件涉及四名台积电前员工、现职员工，以及日本东京威力科创公司和该公司的一名女主管。 主犯、台积电前工程师陈力铭被判处 10 年有期徒刑；共犯吴秉骏、弋一平、陈韦杰分别被判 3 年、2 年、6 年有期徒刑。东京威力科创女主管卢怡尹被判 10 个月有期徒刑，缓刑 3 年。东京威力科创公司被判处罚金 1.5 亿元新台币。本案可上诉。 台媒称，曾任台积电 12 厂良率部门的陈力铭，离职后入职台积电半导体设备供应商东京威力科创的市场营销部门。自 2023 年中旬起，他利用在台积电工作期间与同事建立的情谊，联系吴秉骏、弋一平及一名廖姓男子，在餐厅或家中，要求他们协助远程登入台积电数据库，再通过手机翻拍屏幕，获取了十多张涉及关键核心技术的营业秘密文件。 此外，陈力铭还涉嫌联络陈韦杰，协助提供涉及“14 纳米以下制程的 IC 制造技术及其关键气体、化学品及设备技术”等营业秘密资料。 截至发稿，东京威力科创发言人尚未就此置评。
IT之家 4 月 26 日消息，据科技媒体 The Decoder 今天报道，查尔姆斯理工大学、沃尔沃集团研究团队最近在一篇论文指出， AI 智能体并不会让软件工程师失业 。反而还可以通过“半可信执行栈”扩展工作范围。 据报道，研究团队首先提出了一个由六环组成的“半可信执行栈”（semi-executable stack）模型， 将传统代码向外延伸 ， 触达欧盟 AI 法案等社会因素 。 论文中的“半可信执行栈”由六个环组成：经典代码、提示词和自然语言规范、智能体工作流编排、控制系统、运营组织逻辑、社会与制度适配。 目前，软件工程师主要在经典代码（IT之家注：第一环）、提示词（第二环）工作；而智能体工作流（第三环）、安全围栏（第四环）和决策流程（第五环）正在成为高优先级工程对象；社会制度适配（第六环）则决定 AI 的实际执行。 研究者认为，目前 AI 智能体最大的漏洞集中在第五环和第六环，人们已经写了几十年代码，但 AI 决策、制度适配等宏观流程仍然缺失，大多数研究仍然集中在修复错误、测试 AI 等。 学者表示，AI 不需要拥有顶尖人类学者的水平，只需要够用就行。大量部署 AI 带来的价值高于部分顶级专家。 此外，研究人员并没有忽视 AI 的“幻觉”问题，他们认为这更凸显了测试、监控的必要。人类在未来仍存在价值。
IT之家 4 月 24 日消息，微软资深工程师 Raymond Chen 昨日（4 月 23 日）发布博文，披露了一起典型的 Windows 资源管理器崩溃案例，指出崩溃并非 Windows 自身缺陷导致， 而是由某第三方卸载程序错误的函数调用约定导致内存损坏所致。 在一次常规调试会议中，Chen 的同事发现 Windows（原文并未明确具体版本）文件管理器崩溃率出现异常峰值。通过检查崩溃转储文件，Chen 迅速锁定了问题源头：在 64 位系统上运行的 32 位资源管理器进程。 IT之家援引博文介绍，在 64 位 Windows 系统中，微软出于兼容性考虑保留了 32 位版本的文件资源管理器，通常位于 C:/Windows/SysWOW64 目录。 该版本一般不通过用户直接操作触发，主要由传统的 32 位应用程序调用。Chen 据此推断， 崩溃极大概率源于某款 32 位第三方应用的非标准交互，而非用户常规操作或系统内核问题。 Chen 深入分析特定版本的故障卸载程序后，发现了导致崩溃的具体技术缺陷。该卸载程序的注入代码包含一个执行文件操作的循环，若操作失败会暂停后重试。 然而，开发者在编写代码时犯下了致命错误：未正确指定函数调用约定。代码错误地使用__cdecl 约定调用 Windows 函数，而 Windows 函数实际遵循__stdcall 约定。 这两种约定在堆栈清理机制上存在根本差异：__stdcall 由被调用者清理堆栈参数，而__cdecl 则要求调用者清理。 这种调用约定不匹配引发了严重的堆栈破坏问题。每次调用 Windows 函数后，参数被压入堆栈，Windows 函数执行后弹出参数，随后调用代码再次尝试弹出参数。这导致堆栈指针每次循环都错误地移动，逐步蚕食程序自身的堆栈空间。由于重试循环执行次数极多，堆栈最终被消耗殆尽，堆栈指针甚至递增到了注入代码所在的内存区域。 这种内存损坏导致了栈空间被“吃光”，进而直接拖垮了文件资源管理器进程。科技媒体 NeoWin 指出，在系统组件出现崩溃后，公众往往习惯性归咎于操作系统，但第三方软件开发者的技术失误同样可能成为系统不稳定的根源。 相关阅读： 《 微软工程师：别总把锅甩给 Windows 更新，Win11 系统崩溃不一定是更新的错 》
IT之家 4 月 22 日消息，据外媒 Carbuzz 当地时间 4 月 21 日报道，作为丰田最畅销的车型，也是全球销量最高的车型，RAV4“至少暂时不会”推出纯电版。最新一代 RAV4 已经提供燃油、混动和 PHEV 版本，不过纯电版仍不在计划之中。 丰田 RAV4 首席工程师 Yoshinori Futonagane 透露：“很多事情都有可能，但就目前来看，我们并没有考虑纯电版 RAV4。” 他解释称，丰田当初开发 bZ4X 的目的，主要是让纯电技术有一个 集中展示和持续推进的平台 ，同时满足那些想看看纯电技术能发展到什么程度的消费者。当前纯电技术进步速度非常快，整个行业正处在转型期。不过至少在当前阶段，丰田仍把 RAV4 和纯电车型 视为两条彼此分开的产品线 。 这也意味着，RAV4 接下来仍会继续走电动化路线，但不会一步到位变成纯电产品。 IT之家注去：历史上，丰田曾推出过 RAV4 纯电版车型。 第一款 RAV4 EV 诞生于 1997 年，也就是初代 RAV4 推出 3 年后，总产量不到 1500 辆，配备 27 千瓦时镍氢电池组，续航约 193 公里 ，全部以租赁或销售方式投放到加州市场。 ▲ 图源丰田，下同 第二款 RAV4 EV 则在 2012 年登场，背景是丰田与特斯拉之间的一项合作，当时特斯拉接手了丰田位于加州的合资工厂。该车型 搭载 41.8 千瓦时电池组，续航约 166 公里 ，电池和电机方案与特斯拉 Model S 所使用的系统相近，3 年里大约生产了 2500 辆。
IT之家 4 月 21 日消息，曾参与为 Windows 添加 ZIP 文件支持、设计 Windows NT 开始菜单等标志性项目的微软前工程师戴夫 · 普卢默，揭秘了任务管理器读取 CPU 使用率的原理。 据IT之家了解，普卢默是原版任务管理器的开发者，他在编程和工程层面将这款工具设计得极为简洁，以确保其不会无端占用电脑资源。不过，也有不少用户抱怨，任务管理器显示的数据有时会感觉不太准确。为此，他解释了为何查询 CPU 使用率的过程相当复杂、任务管理器是如何获取 CPU 利用率数值的，以及为何其显示结果可能与你在电脑上的实际观感存在偏差。 普卢默表示：“测量 CPU 使用率听起来本该是计算机领域最简单的工作之一，我的意思是，CPU 要么处于忙碌状态，要么空闲，不是吗？它是硅基芯片，又不是即兴舞蹈。按理说，你只需要问 Windows 一句‘嘿，你忙到什么程度了？’，它就会告诉你 73%，然后大家就可以早早收工了。可事实完全不是这样。” “因为第一个让人头疼的问题就是：‘具体在忙什么？’是单个核心忙碌还是全部核心？是此刻正在忙碌，还是过去一两秒的平均使用率，或是界面恰好刷新时的状态？忙碌是发生在用户模式、内核模式，还是中断时间、延迟过程调用、空闲循环，又或是调度程序为了统计需要而专门设立的某个特殊统计项？一旦你开始思考这些问题，原本看似简单的速度表，就会变得像司法会计核算一样复杂。” 戴夫介绍，任务管理器由计时器驱动，会每隔一段时间刷新一次，为你提供更新后的数值。这意味着， 设备显示的是两次刷新间隔内电脑运行情况的统计结果，而非 CPU 实际使用率的实时视图 。最简单的处理方式，本应是用 CPU 使用率除以两次刷新的间隔时长，但普卢默表示，这依赖于图形界面计时器的精准触发。他把这种方式比作“指望节拍器在颠簸土路的皮卡后斗上保持绝对稳定”。 于是，他为任务管理器编写了这样的逻辑：获取每个进程自启动以来的总运行时间，即内核时间与用户时间之和；再用该数值减去上一次刷新时记录的该进程总时间，得出这段时间内的 CPU 占用量；最后用这个数值，除以两次刷新期间所有进程占用的 CPU 总时间。相比直接用 CPU 总占用量除以刷新间隔时长，这种方法听起来更复杂，却精准得多。 然而，技术的进步让这一统计方式显得不够精准。由于该统计结果只是一个平均值，无法反映刷新间隔内某一时刻的实际工作状态。 普卢默解释道：“现代 CPU 使用率更像是衡量高速公路的拥堵程度，而非实际行驶了多少里程。半满的高速公路上跑着法拉利，其通行效率远比挤满老式水泥搅拌车的拥堵高速要高得多。” “早年的任务管理器诞生于一个‘运行时间基本能代表完成工作量’的时代。但如今的处理器具备动态调频、睿频、温控降频、深度休眠等特性，运行时间与实际工作量的关联已经变得十分松散。所以当你觉得数值不太贴合实际时，并非工具出了故障，而是硬件不再简单到能用一个百分比就概括全部情况。” 他还在屏幕上添加了一条备注：“如果我能说了算……CPU 使用率理应衡量实际完成的工作量，与理论上可完成的最大工作量之间的比值。”但由于他已经从微软退休，如今大概率无法再对 Windows 的设计方案施加影响。
IT之家 4 月 20 日消息，2026 人形机器人半马昨日在北京亦庄举行，荣耀的“闪电”机器人夺得冠军、亚军、季军，净用时分别为 50 分 26 秒、50 分 56 秒、53 分 01 秒。 赛后，亚军“雷霆闪电队”的队长、荣耀研发工程师姚彬接受凤凰网科技采访。他透露， 参加比赛的“闪电”机器人研发仅半年 ，经历了大量原型机迭代。冠亚季军的机器人在结构和算法上没有区别，但在比赛策略上相应做了自己的调整。 值得一提的是，荣耀冠军、亚军、季军三支战队的参赛机器人均为自主导航机器人，均打破 56 分 42 秒的人类半程马拉松世界纪录。 此前，来自荣耀的绝影赤兔队遥控机器人“闪电”以 48 分 19 秒首个冲线，加权后完赛时间约为 57 分钟，最终成绩落后于自主导航机器人。该机器人也是首个出发的选手。 根据比赛规则，自主导航与遥控赛队同台竞技，统一排名， 两组别成绩分别按 1.0 与 1.2 的加权系数进行核算 ，因此出现了遥控机器人率先冲线，但最终成绩因系数调整而落后于自主导航机器人的情况。
IT之家 4 月 16 日消息，据 Tom's Hardware 报道，摩洛哥电子工程师纳夫法尔・莫蒂（Nawfal Motii）推出了一款开源雷达系统 Aeris‑10，此举可能会让众多大厂感到不安。据称，其性能可媲美售价 25 万美元（IT之家注：现汇率约合 170.8 万元人民币）的商用雷达。 Aeris‑10 有两个版本： 10N Nexus 版：探测距离 3 公里，采用 8×16 贴片天线阵列； 10E Extended 扩展版：凭借 32×16 缝隙波导阵列，探测距离可达 20 公里。 莫蒂将整个项目完整发布在了 GitHub 上，包含所有必需的原理图、PCB 版图、元器件清单、固件，以及带图形界面（GUI）的控制与监控软件。 Aeris‑10 采用 XCA7A50T 现场可编程门阵列（FPGA）作为核心运算单元，负责快速傅里叶变换（FFT）运算，同时支持动目标显示（MTI）、基于多普勒效应的运动目标测速，以及恒虚警率（CFAR）抗干扰检测。 系统的核心控制单元则采用 STM32F746xx 单片机，负责协调频率合成器、ADC、DAC、GPS、气压计、步进电机与散热系统。 该雷达的核心亮点在于，其配备真正的相控阵系统，以及可进行 ±45° 俯仰 / 方位角调整。在如今电子元器件价格波动剧烈的背景下，项目的粗略物料成本为： 10N 版：约 5000 美元（现汇率约合 34162 元人民币） 10E 版：约 7200 美元（现汇率约合 49194 元人民币） 即便如此，与市售商用设备相比仍堪称“白菜价”：商用相控阵雷达普遍在 12 万～20 万美元，远程型号价格更高。 莫蒂表示，军用二手雷达虽只需 1 万～5 万美元，但都是几十年前的老旧技术，几乎没有备件。对小团队来说，自制雷达难度也极大，仅测试设备就可能耗资 5 万美元。他自嘲是“一个在摩洛哥工作室里拿着电烙铁、沉迷技术的人”，并决心解决这一痛点。 任何人都可以访问该项目的 GitHub 页面自制雷达，但并非人人都具备所需的电子与机械制作能力。为此，莫蒂已与 Crowd Supply 平台达成合作，计划 2026 年第三季度正式发售。该平台并非普通众筹网站，只接受已完成设计、拥有功能原型的项目，拒收约 90% 的提交方案，并宣称从未出现过诈骗案例。 值得注意的是，该项目最初采用 MIT 开源协议，后因该协议无法保护硬件实体，改为 CERN‑OHL‑PT 开源硬件协议。如果你打算自行制作，请注意：雷达工作频段在绝大多数国家和地区都受到严格管制。 参考资料： https://github.com/NawfalMotii79/PLFM_RADAR
IT之家 4 月 16 日消息，科技媒体 The Information 昨日（4 月 15 日）发布博文，报道称苹果公司为追赶 AI 竞争对手，安排近 200 名 Siri 工程师参加为期数周的 AI 编程训练营，学习使用 Claude Code 等工具辅助开发。 报道称苹果公司为了在 AI 竞赛中增强 iOS 27 版 Siri 的竞争实力，内部正在积极“练兵”， 近 200 名 Siri 工程师将参加为期数周的 AI 编程训练营，系统学习如何利用 AI 工具辅助编写代码。 报道指出在训练结束后，这批工程师中仅保留 60 人作为核心开发团队，另外 60 人转岗负责评估虚拟助手的性能表现。 苹果正通过 AI 编程训练营重塑 Siri 开发团队 IT之家援引博文介绍，随着 OpenAI Codex、Anthropic Claude Code 等 AI 编程助手的普及，传统开发模式正被重塑。 Xcode 26.3 已添加对 Agentic Coding 工具的支持，苹果内部部分部门也大量采购 Claude Code 等工具，预算投入显著增加。 Siri 团队的架构调整同样剧烈。原 AI 负责人 John Giannandrea 不再主导该项目，接手的是曾领导 Apple Vision Pro 发布的 Mike Rockwell。 技术层面，苹果底层模型也在寻求突破。Google Gemini 的介入将助力提升 Apple Intelligence 模型，从而让新版 Siri 具备多步指令执行能力，并提供类似 ChatGPT 的对话式体验。但与竞品的实际差距能否缩小，仍需等待产品验证。 发布日期方面，苹果计划在 WWDC 2026（6 月 8 日开幕）发布 Siri 升级版。
IT之家 4 月 13 日消息，戴夫 · 普卢默是 Windows 诸多标志性功能（如 ZIP 压缩文件支持）背后的工程师，他分享了自己是如何将任务管理器打造得如此高效的。据他在 YouTube 视频中介绍，如今的 Windows 任务管理器体积约 4MB，而他最初编写的版本仅有 80KB。 普卢默开发这款 Windows 工具时，核心考量是当时硬件条件极为有限。即便系统其他部分全部卡死，这款用于在系统彻底崩溃后恢复电脑的工具，也必须保持流畅、响应迅速。 普卢默表示：“每一行代码都有代价，每一次内存分配都会留下痕迹。每一项依赖都像一个白吃白住、从不交房租的室友。因此，我编写任务管理器时，并没有按照现代工具的开发思路 —— 先搭框架，再叠加九层易用性设计、六层前瞻性兼容，最后在这个工具占用 800MB 内存、还得靠额外优化才能显示几个数字时大惊小怪。” IT之家注意到，任务管理器中普卢默最满意的设计之一，是它的启动逻辑。其他应用只会检查自身是否已运行，若存在实例则将其激活，而这款 Windows 工具更进一步：它会向已存在的任务管理器实例（若有）发送私有消息并等待回复，以此判断该实例是否未卡死。若收到正常回应，说明原有实例运行正常；若毫无反馈，则判定该实例已失效，随即启动新的任务管理器帮用户摆脱困境。 这位工程师还做了另一项优化：将高频使用的字符串一次性加载为全局变量，而非反复调取；而像移除扩展坞连接电脑这类低频功能，仅在需要时才加载。进程树模块也能节省资源 —— 它直接向系统内核请求完整进程表，而非逐个查询程序，这减少了大量 API 调用。若缓冲区空间不足，它会自动调整大小后重试。普卢默还分享了诸多设计技巧，确保 Windows 任务管理器不会过度占用资源，即便在当时算力有限、甚至已出现故障的设备上也能流畅运行。 90 年代电脑的处理与资源限制，迫使普卢默将 Windows 任务管理器做得尽可能精简。他说：“任务管理器的设计理念截然不同。在那个时代，一次页面缺页中断都能被明显感知，内存不足时会出现诡异的卡顿，若是让不该频繁刷新的界面反复重绘，你几乎能听到办公室里同事的抱怨。我当然不想再用当年的老旧硬件，但真心希望我们能保留更多当年的设计精髓，不是那段艰苦的开发经历，而是那种本能：批量处理任务、合理缓存数据、跳过无意义的操作、重绘前先对比差异、只向内核请求一次而非上百次、低频数据仅按需加载，对那些会消耗用户资源的便捷性功能保持警惕。”
IT之家 4 月 12 日消息，随着游戏画质不断提升，显存（VRAM）占用问题日益突出，尤其是对于 Steam Deck 掌机用户而言。 据 TomsHardware 今日报道，Valve Linux 图形驱动团队的工程师 Natalie Vock 针对这一痛点提出了一套全新的解决方案，通过优化显存分配策略，显著提升游戏性能。 Vock 开发了新的内核补丁及两个专用工具，核心思路是让操作系统明确知道：当前正在前台运行的游戏拥有显存的“优先使用权”。当显存开始吃紧时，后台任务所占用的显存数据将被强制“溢出”到系统内存中，而游戏数据则纹丝不动。 在此之前，Linux 内核并不清楚该优先保留哪个程序的数据。一旦游戏占用显存过高，内核可能会将游戏数据移出显存，转而分配给后台的浏览器窗口等程序，从而导致游戏掉帧、出现卡顿。 ▲ 应用前 Vock 用一张 8GB 显存的显卡以及《赛博朋克 2077》进行了测试。未应用补丁时，有 1.37GB 的数据被“溢出”到 GTT（图形转换表，负责告诉 GPU 去系统内存中找数据）。而此时游戏实际只占用了约 6GB 显存；应用补丁后，游戏使用了近 7.4GB 的显存，GTT 中的溢出数据降至仅 650MB。 ▲ 应用后 这套方案的核心组件名为“dmemcg-booster”（设备内存控制组增强版）。它告知 Linux 系统在任意时刻需要“保护”哪个程序，确保该程序的数据不会被移出显存。如果后台任务需要显存，它将被强制转移到速度更慢的系统内存中，从而保证游戏不间断流畅运行。 本质上，这套方案并非直接减少显存占用，而是优化了有限显存的分配优先级。对于 12GB 显存的显卡而言，后台程序优先级混乱的影响可能并不明显；但对于 8GB 显卡，这一优化可以充分释放其潜力。 另一个组件名为“plasma-foreground-booster”，它能自动告知 KDE 桌面环境当前哪个窗口位于前台，以便为该窗口优先分配显存。 这些补丁后续将被集成到 CachyOS 发行版中，并等待合并进主线 Linux 内核。用户可以在任何 Linux 发行版中自行下载使用这些补丁（IT之家提醒：仅适用于 AMD GPU，因为 NVIDIA 驱动的显存管理部分是闭源的）。
“传统工业软件太难用了。” 这是Orthogonal的创始人吉洋和他身边一大批工业界同行的共同感受。 “AI时代，软件开发已经可以用Cursor做vibe coding了，而硬件设计还停留在原始社会”吉洋在接受硬氪采访时表示，达索、ANSYS等巨头构建的，是一个由高昂授权费和极陡学习曲线砌成的“高墙”， Orthogonal想做的，是把“vibe”的方式带入硬件开发。 Orthogonal创始人吉洋曾在德国宇航局（DLR）及工业界深耕了近二十年，参与过达索系统仿真工具核心功能的研发，领导了空客A350宽体客机电气系统的研发，并在库卡、宝马、西门子高速列车、中国商飞、华为、中国航空发动机集团等全球知名企业的合作项目中担任过领导或关键角色。2023年因其在科研和创业领域的贡献，被慕尼黑工业大学授予“TUM Ambassador”荣誉称号。 在他看来，AI带来的不仅是简单的效率提升，更是一次重构工业软件范式的机会，传统工具的复杂性已经成为行业发展的瓶颈。 “AI时代的智能硬件公司，其规模正在变得越来越小，一个人往往需要同时掌握多个领域的技能。对于95%有创新需求的中小企业以及个人爱好者来说，传统的工业软件根本用不起、也不会用。而ODE正在做的，就是AI时代的‘达索’——但它服务的不再只是顶尖工程师，而是每一个想造东西的人。”吉洋表示。 Orthogonal的核心产品ODE（Orthogonal Design Engineering），是一个AI Native的云端硬件开发平台，它将工业设计、结构分析、热仿真、电路设计、3D打印直至加工制造的整个硬件开发全流程，整合进同一个平台。用户不再需要在多个工具之间切换，也不需要具备深厚的工程背景，而是可以通过自然语言直接表达需求，由AI自动拆解工程逻辑，进行建模、仿真和迭代优化，从而完成复杂硬件产品的开发。 使用自然语言设计四足机器人demo（图源/企业） ODE的关键不是“用AI生成模型”，而是让AI真正“理解”底层工程逻辑。 架构上，ODE底层连接大语言模型，但更核心的，是其背后的多物理场数据引擎与计算引擎——这与传统工业软件所使用的是同一类底层能力。区别在于，过去是工程师手动写方程、建模型，现在是AI理解这些物理方程，并自动生成和调用。 其底层的多物理场统一建模语言与求解器，源于DLR及达索系统等巨头所遵循的同一套技术规范。Orthogonal团队用云原生架构对其进行了重构与深度优化。这使得ODE在诸多核心仿真任务上的的性能已达到甚至超越传统顶级工具的5-10倍。 “用户只需给出‘帮我设计一个高速电机’的prompt，系统就可以自动生成对应的数学模型、结构模型，并进一步模拟其运行状态，比如温度分布、转子行为等。”吉洋介绍称。 为确保生成的模型在物理层面可解，ODE同时提供两套操作界面，一套是AI交互界面，一套是工程师调试界面，这意味着，即使AI出现偏差，工程师依然可以接管、校正，保证结果的可靠性。 自然语言设计可回收火箭demo（图源/企业） 商业模式上，传统工业软件通常采用高价License模式，授权费动辄数万美元一年，而Orthogonal的基础订阅价格门槛很低，后续将通过实际使用消耗的token和算力收费。吉洋表示，AI时代的软件本质上不再是“卖工具”，而是“卖结果”和“交付能力”。而这种模式对于传统厂商来说意味着既有商业逻辑的颠覆，也构成了其转型的巨大阻力。 在ODE尚未完全成熟时，就有德国、美国等地的高校将其引入教学。2025年10月正式上线以来，ODE在几乎零市场推广的情况下，已积累40至50个标志性客户。早期客户主要来自欧洲，其中不仅有欧洲宇航局（ESA）、德国宇航局（DLR）、德国大众等知名机构，也有布勒电机（Bühler Motor）、盖米集团（Gemü）等隐形冠军。 吉洋表示，未来一到两年内，Orthogonal希望打通从设计到制造的完整链路，并进一步强化AI Agent的能力，使其可以自动调用各类工具，完成复杂硬件产品的完整开发流程。理想状态下，用户只需要在一个对话中提出需求，系统即可自动完成从概念设计到产品落地的全过程。 融资方面，据了解，Orthogonal天使轮由风物资本投资，线性资本与云启资本参与了后续轮次投资。多维资本担任新一轮融资独家财务顾问。
36氪获悉，4月30日，阿里发布数字员工QoderWake和Qoder移动端两款Agent产品，全面覆盖企业和个人场景的需求。QoderWake能在真实工作中承担软件工程师、运营和分析师等岗位角色。目前，QoderWake已开启邀测，个人和企业均可在官网申请雇佣一位或多位数字员工，或根据自身业务流程定制专属数字员工。
作者丨欧雪 编辑丨袁斯来 2025年黑五，美国游戏主机市场有些不同寻常。 根据追踪美国游戏主机与软件销售的Circana统计数据，在黑色星期五当周，PS5以47%的市场份额领跑，任天堂Switch2占据24%，而一款名为Nex Playground的体感游戏机，则以14%的市占率冲上第三名——将Xbox挤出了前三位置。 当游戏主机市场固化多年后，没人想到还会有年轻公司杀出重围。 更让人意外的是，这家公司诞生于香港。其创始人李景辉（David Lee）曾在苹果工作8年，2017年离职创立了NEX Team Inc.。 Nex成立最初几年并无太大声量，主要是做了一款篮球体感应用HomeCourt。2023年，他们推出了硬件产品Nex Playground，定价249美元。这是一台没有手柄、无需教学、站上去就能挥臂的游戏体感盒子，由创维数字合作生产，面向海外发行。 头一年，Nex Playground只卖出5000台，但第二年销量就飙升了30倍，到2025年已经达到60万台。 据华尔街日报消息称，Nex Playground预计2025年营收超过1.5亿美元。而根据硬氪了解，2026年，Nex Playground的目标年营收为5亿美元左右。 而Nex也完成了几轮融资，据Parsers VC数据显示，Nex总融资额2500万美元。它的投资人中，包括蔡崇信、陈士骏及NBA名人林书豪、Steve Nash。 此前，这款AI体感盒子多在美国等海外市场销售。2026年，它拿下了NBA授权，有意拓宽成人健身的场景，并计划于2026年春季登陆英国市场。 在全球游戏硬件市场陷入同质化竞争的当下，Nex Playground选择了一条不太一样的路：它不卖给核心玩家，而是卖给那些为孩子“屏幕时间”焦虑的家长。它也不过度追求画质与算力，而是用一套在手机上验证了五年的AI算法，把客厅变成亲子互动的运动场。 Nex表达出新一代香港科技公司的风格：背靠中国的基础设施，加上其多年浸润出的底层审美、用户洞察能力，足以拿出和国际大厂平起平坐的产品。 凭什么把Xbox挤出前三？ 传统主机厂商为讨好核心玩家，会推出更高的帧率、更拟真的光影、更沉浸的开放世界。 而Nex发现，真正掌握家庭采购权的家长，只关心一件事：孩子对着屏幕的时间，能不能有意义一些？ 为了赢得家长和小孩的关注，Nex选择了一条很直接的路径：拿下《Bluey》（布鲁伊）这个顶流儿童IP。这是一部澳大利亚和英国合作的动画片。据外媒报道，David Lee曾亲自飞往布里斯班，接受BBC Studios的“IP面试”。他最终过关，拿到了授权。 2024年10月，《Bluey：Bust-a-Move》上线后，Nex Playground的销量开始猛增。2024年黑五当周，这台机器原本预估卖20万台，结果卖破30万，全美缺货。 Nex Playground的体感相当灵敏，可同时支持4个人玩并分别感应。重要的是，家长并不担心孩子沉迷游戏，因为玩的时候通常是家长陪同，更像是亲子互动。 这决定了Nex与任天堂的根本区别：“任天堂是跨年龄层的通用机器，而Nex更专注做给小朋友。另外，任天堂很多游戏要用遥控器，Nex完全不需要，游戏设计让小朋友动得更多。”一位行业人士分析。 除了客户定位不同，Nex的技术积累也与其他游戏公司不同。 时间拨回2019年。当时市面上大多数动作捕捉要靠特殊硬件，而Nex推出的篮球训练App HomeCourt，已经能做到用普通手机摄像头捕捉投篮动作，实时分析命中率和姿势。 那个年代，用手机做到精准的量度并不简单，但Nex的APP做到了用手机都可以比一般硬件更准、更低延迟。 彼时Nex还未涉足硬件，但核心团队的技术能力——尤其是AI视觉算法和端侧推理——已经为日后推出Nex Playground埋下了伏笔。 Nex Playground的体感识别，本质上就是当年HomeCourt算法的延续——用一颗普通的RGB摄像头，靠AI去“猜”人体的三维姿态。放弃深度传感器是为了压成本，把主机塞进249美元的定价，而这种取舍本身，考验的是算法的底子。 此外，Nex Playground的商业模式也很不一样，它采取的是“硬件+订阅”模式：主机一次性付费，89美元/年的订阅解锁全部游戏库。 IGN报道称，订阅服务“Play Pass”可解锁Bluey、Peppa Pig、Sesame Street、忍者神龟等IP游戏。也有使用者告诉硬氪，目前平台上已有60多款游戏，且持续更新。 这种模式意味着两层突破： 第一层，从软件到硬件，是场景的突破。它将小朋友的游戏由手机搬到客厅，变成家庭游戏。 第二层，Nex Playground采取订阅制，89美元/年（约640元人民币），从一次性销售到持续服务。 而订阅的黏性，取决于内容更新的频率和质量。相关行业人士表示，“他们不是出了游戏就停，而是一直出新游戏、拿新IP，这一点很关键。”从《Bluey》后，Nex不断出新游戏、拿新版权，包括拿到barbie、peppa pig等授权。 一位使用者向硬氪反馈的体验也印证了这一点：家里孩子很喜欢Nex Playground联名IP的游戏。并且，家长交完订阅费后，可畅玩所有游戏，无需单独购买，性价比突出。 从“美国爆款”到“全球标配”还有多远？ 不过，在社交媒体和游戏论坛上，不少体验过Nex Playground的玩家并不满意。 The Verge的评测几乎是在一种“边玩边骂”的状态下写成的：“它比Wii和Kinect都差。画质丑陋，大多数游戏就是shovelware（翻译）。” 突出的问题呈现在物理层面。为了把主机压缩成3英寸的立方体、塞进249美元的定价，Nex只用一颗RGB广角摄像头，靠AI算法“猜”人体的三维姿态。 因此，猜不准的时候，这个“盒子”就会出错：系统判断错误玩家、正常玩家的回合被强制终止等。 为此，Nex在产品说明书里列了一长串“建议”：请勿穿着带有重复图案的衣物、请勿穿着长袖、请在光线充足且无逆光的环境下游玩等。 这是很多小厂硬件初期无法绕开的弯路。他们初代产品大多有很多缺陷，如果能顺利迭代、量产、交付，才算走向成熟。 而前期内容投入也是无法避开的巨大开销。硬件生意终究靠的是规模效应，靠软件赚钱。所以PS、Xbox和Switch上都有质量极高的独占游戏，同时第三方游戏源源不断提供过路费。 据公开资料显示，目前Nex Playground上绝大多数游戏仍以自研和IP授权为主，第三方生态尚未成形。 即便有这些难关，Nex Playground仍是一款让人惊喜的产品：起码它在沉寂已久的主机市场扔下了一块石头。 从一款篮球训练App起步，到把Xbox挤出前三，Nex Playground的轨迹，恰好映射了这一代硬件创业最典型的路径：先在一个垂直场景里把技术磨透，再寻找最适合落地的硬件形态，最后用IP和订阅完成商业闭环。 它不是靠颠覆性技术取胜，而是靠对“谁在买单、为什么买单”的精准理解，在一个被巨头忽视的缝隙里撕开了一道口子。 而它能走多远，取决于两个变量：一是规模效应能否如期兑现，让第三方开发者愿意进驻；二是这套“为家长解忧”的逻辑，能否在不同文化、不同客厅生态里复制。 在北美，它已经证明了自己。但2026年登陆英国之后，还会迎来更大的考验。
4月20日消息，谷歌已组建了一支由研究人员和工程师组成的“突击小组”，旨在改进其AI编程模型。谷歌此举部分是受到Anthropic近期发布的一系列AI模型的推动。（界面）
作者丨欧雪 编辑丨袁斯来 硬氪获悉，环晶芯科技已于近期完成数千万元天使轮融资。本轮由啟赋资本领投，盛世投资、海益投资及湖南省大学生创业投资基金跟投。资金将主要用于公司在无锡的首条量产线建设、研发投入及补充流动资金。 环晶芯科技成立于2025年5月，是国内首家提出临时键合载板无损回收复用方案的公司。公司创始人张介元拥有中科院、中科大、哈工大的研究背景及华为从业经历，师从国内打破临时键合胶垄断的第一人，对该类材料特性有深刻理解。 硬氪了解到，在先进封装中，为加工超薄晶圆或器件，需通过临时键合胶将其固定在坚硬的载板上。加工完成后，再将晶圆与载板分离。然而，用于粘合的临时键合胶具有极强的耐酸、耐碱、耐高温特性，导致载板表面的残胶极难清除。 当前在载板回收处理领域，行业内尚未形成成熟且可规模化量产的统一解决方案。仅有少数厂商会采用抛光工艺对载板表面进行处理，但会带来载板厚度不均一、刚性下降、产线管理复杂度提升等一系列问题。绝大多数封装厂通常使用一次后便只能丢弃或者囤积占据空间，造成巨大的成本浪费。 环晶芯科技的核心技术，可以做到临时键合载板的无损回收复用，降低先进封装辅料使用成本。整个加工过程不损伤载板材料，理论上可实现无限次回收复用。 经环晶芯科技处理后的玻璃载板，其表面洁净度、平整度等关键指标均与全新玻璃载板一致。目前，公司方案已通过国内封装龙头的技术验证，其回收服务可帮助客户大幅降低相关材料成本。 回收效果对比（图源/企业） 随着AI算力芯片、高性能计算（HPC）及消费电子对轻薄化需求的爆发，2.5D/3D封装、晶圆级封装（WLCSP）等先进封装技术渗透率持续提升，而这些工艺几乎无法避开临时键合技术。 张介元告诉硬氪：“无论是高算力的GPU、CPU，还是用于AI的高性能计算芯片，都离不开先进封装。未来从城市数据中心到家庭算力中心，整个市场对算力芯片的需求非常可观，将直接拉动对我们技术的需求。” 目前，公司已与多家国内外头部封测厂商完成接洽。公司一期产线位于无锡，设计月产能2.5万片，预计本月内完成建设，随后启动客户验厂导入流程。 以下为硬氪与张介元的对话节选： 硬氪：国内还没有其他公司做玻璃载板无损回收，技术壁垒在哪里？ 张介元： 这个技术从行业出现就一直有人在尝试。临时键合胶本身就是为了通过严苛的半导体制程而设计，耐酸碱、耐高温、耐离子冲击。而用强酸强碱浸泡或CMP研磨的回收方案，都有明显缺陷。 我们能做到无损，一方面是因为开发了独特的处理方案；另一方面，我的硕士导师是国内第一个实现该胶材量产、打破国际垄断的人，目前在国内市占率超50%。我跟随他多年，对材料特性的理解很深，这是我们最核心的底层优势。 硬氪：客户导入半导体供应链周期很长，公司如何解决前期市场开拓问题？ 张介元： 从技术验证到正式下单，封装厂通常需要半年以上。我们有几方面的策略：一是先通过关系较好的合作单位进行示范应用；二是主动与终端客户沟通，推动产业链协同发展；三是随着国内先进封装厂从几家增长到十几家，内卷加剧，降本成为核心诉求，这会大大降低我们的市场导入成本。 硬氪：公司未来的技术路径和商业化规划是怎样的？ 张介元： 短期看，我们的目标是2026年完成客户验证并导入订单。后续规划多条产线，就近服务当地封装产业，未来拓展海外业务。 长远看，我们定位是半导体行业的综合服务商。基于我们在临时键合领域的深刻理解，我们即将推出无碳化激光解键合设备，该加工效率更高且拥有提升生产良率的技术优势。我们也在联合哈工大做一些国产替代的研发工作。未来，我们会形成“材料研发+设备供应+工艺服务”的业务矩阵，计划以中国大陆临时键合载板回收市场为基本面，并逐步拓展至中国台湾、东南亚及日韩。 投资方观点： 海益投资认为： 临时键合玻璃载板长期被海外厂商垄断，属于先进封装里典型的“卡脖子”耗材，单片成本高、占比大，国产替代逻辑极强。公司走的不是简单自研材料路线，而是通过清洗复用直接重构成本结构，既绕开了材料端的长期研发投入，又能快速兑现性价比，落地速度远超传统材料替代。 这种复用模式本质是服务+耗材的绑定，叠加高客户粘性，一旦抢占窗口期，会形成很强的先发壁垒，同时向上游材料延伸，相当于从“服务商”切到“材料商”，有极强的成长空间。