∞ 高通发布骁龙6 Gen 5与4 Gen 5 面向中端市场的次世代移动平台
高通技术公司今日正式发布骁龙 6 Gen 5 移动平台与骁龙 4 Gen 5 移动平台，进一步扩充其在中端移动 SoC 市场的产品线，主打在真实使用场景下的性能、续航与连接体验提升。 官方表示，这两款平台聚焦用户最常依赖的关键技术，在强化整体性能的同时兼顾功耗控制，为搭载相关平台的智能手机带来更持久的电池续航。
两款新平台首次引入 Snapdragon Smooth Motion UI 功能，旨在通过系统级优化提升交互流畅度，减少导航与动画时的卡顿感。 在此加持下，骁龙 6 Gen 5 可实现应用启动速度提升 20%，屏幕卡顿减少 18%，以提供更沉浸、稳定的使用体验。 面向更入门段位的骁龙 4 Gen 5 则重点强调“全日流畅”，在基础性能上带来 43% 的应用启动速度提升，并减少 25% 的屏幕卡顿，使中低价位机型在日常使用中拥有更接近高端机的交互表现。
在具体定位方面，骁龙 6 Gen 5 面向希望在中端价位获得更多高阶功能的用户。 平台集成了多项 AI 加持的影像与相机特性，可智能优化照片成像质量，并提供更丰富的游戏与多媒体体验。 借助全新的 Qualcomm Adaptive Performance Engine 4.0，这一平台在长时间游戏场景中可更好地平衡性能与功耗，官方称其 GPU 性能最高可提升 21%，在保证图形表现的前提下依旧维持优秀续航，并支持高速 5G 与 Wi‑Fi 7 网络连接。
骁龙 4 Gen 5 则被设计为“日常体验优先”的入门中端平台，强调稳定可靠的性能和便捷的连接能力。 高通给出的数据称，其 GPU 性能最高可提升 77%，并首次在骁龙 4 系列平台上引入最高 90 FPS 的游戏支持，为此价位段机型带来更丰富的游戏和多媒体体验空间。 平台还支持 5G + 5G/4G 的双卡双通（DSDA），用户可在两张 SIM 卡间保持同时在线，满足多网络、多身份并行使用的需求。
高通技术公司产品管理高级副总裁严承伟表示，通过骁龙 6 Gen 5 与骁龙 4 Gen 5，高通希望扩展用户对智能手机可预期体验的边界，在兼顾性能与续航的前提下，提供更具吸引力的综合体验方案。 他指出，两款平台在设计之初就围绕性能、能效与连接三大核心维度进行权衡，帮助合作伙伴在更广泛的价格区间推出具备“次世代体验”的智能手机产品。
来自小米手机的副总裁、智能手机产品部总经理李俊则表示，与高通技术的长期合作使小米能够在各个价位段持续为用户带来有意义的创新。 他称，小米期待在即将推出的多款新机中采用这两款全新骁龙平台，通过更流畅的交互、更强的性能表现、更佳的能效比以及稳定的网络连接，提升用户日常使用体验。
∞ 芯片与内存成本上行施压 苹果或砍掉599美元入门款MacBook Neo
据台湾科技专栏作家、前彭博社记者 Tim Culpan 爆料，苹果正考虑取消目前售价 599 美元的基础版 MacBook Neo，以应对这款热门笔记本生产成本快速攀升的压力。 目前，MacBook Neo 提供两种存储配置：256GB 版本售价 599 美元，512GB 版本售价 699 美元。
Culpan 在其最新一期 Culpium 专栏中表示，砍掉 256GB 入门款是苹果正在评估的选项之一。 一旦实施，该产品线的“有效起售价”将从 599 美元直接抬升至 699 美元，而各具体配置的标价则保持不变，相当于通过精简配置结构实现整体提价。
类似的操作苹果近期已经在其他 Mac 产品上演练过。 今年 3 月，苹果停止为 Mac Studio 提供 512GB 内存升级选项；上周，苹果又取消了 Mac mini 的 256GB 起步存储，将其在美国市场的起售价从 599 美元提高到 799 美元。 这些调整背后的共同背景，是高于预期的市场需求叠加全球内存芯片短缺，AI 数据中心大规模建设进一步挤压了存储供应并推高价格。
Culpan 指出，围绕 MacBook Neo 的定价压力，与苹果大幅拉升产量的计划密切相关。 在需求远超预期的推动下，苹果官网目前对 Neo 全系机型给出的发货时间普遍为两到三周，公司据称已经要求供应商将产能提升至 1000 万台左右，相比最初 500 万至 600 万台的预测几乎翻倍。
要实现新的生产目标，苹果需要台积电提供新一批 A18 Pro 芯片。 MacBook Neo 搭载的是与 iPhone 16 Pro 相同的 A18 Pro 处理器，而用于 Neo 的既有库存据称已在早前的强劲需求下被消耗殆尽。 与此同时，台积电在 3nm 工艺上的富余产能有限，大量 AI 相关订单占据了其产线输出，这进一步加剧了苹果在芯片供应上的成本和排产压力。
更复杂的一点在于，首批 MacBook Neo 所使用的是“降档”的 A18 Pro 芯片版本。 这些芯片在出厂时有一颗 GPU 核心被关闭，以消化在生产过程中出现瑕疵、未达 iPhone 标准的部分芯片，从而降低整体成本。 但若启动新一轮 A18 Pro 生产，预计将产出更多完整、可用全部 GPU 核心的“正品”芯片，这会在任何加急生产溢价之外，再度抬高单机芯片成本。
在这样的背景下，如果苹果最终决定保留 599 美元的 MacBook Neo 入门配置，Culpan 称公司还在考虑另一种应对方式：为现有一代 Neo 推出全新的配色选择，以“缓冲”可能到来的价格上调。 这一思路或意味着苹果在产品层面通过外观更新增加感知价值，为未来可能的价格调整预先铺垫。
∞ MacBook Neo供不应求 苹果紧急加单A18 Pro芯片并将产量翻倍
苹果公司的入门级笔记本产品 MacBook Neo 自 2026 年 3 月 11 日正式开售以来，市场反响远超预期，供货紧张持续数周，新订单用户普遍面临数周的交货等待期。 这款起售价为 599 美元的新品因其价格与配置组合受到消费者追捧，目前多种颜色与配置版本在渠道中均出现了明显的延迟发货情况。
据分析师 Tim Culpan 披露，面对热度持续升温的需求压力，苹果已经开始采取补救措施，正将 MacBook Neo 的最初计划产量直接翻倍，以尽可能满足市场需求。 与此同时，为支撑额外产能，苹果还被迫追加订购更多 A18 Pro 芯片，以避免出现“有订单却缺芯片”的窘境。
MacBook Neo 的走红，使苹果陷入了一个颇为微妙的处境：一方面，首批产量售罄有利于维持既定利润率；另一方面，显然“卖得更多”才更符合商业利益。 但在追加订单的现实层面，苹果将不得不面对成本走高的挑战，其中包括不断上涨的 DRAM 价格，这意味着如今生产一台 MacBook Neo 的成本，很可能已经高于最初那一批。
更棘手的是芯片问题。为 MacBook Neo 提供动力的 A18 Pro，是 iPhone 16 Pro 所用同款芯片的变种，本质上是那些未能满足 iPhone 机型需求规格的芯片再利用方案。 用于 iPhone 的 A18 Pro 需要具备 6 个可用 GPU 核心，而苹果则将其中仅有 5 个 GPU 核心正常工作的芯片“降配”留给 MacBook Neo 使用，从而在不浪费晶圆的前提下，满足入门级 Mac 产品线的需求。
Culpan 认为，这类“天然减配”的 A18 Pro 芯片库存正在接近枯竭。 为了进一步扩大量产，苹果现在很可能不得不专门下单生产新的 A18 Pro 芯片，这些芯片将具备完整的 6 个 GPU 核心，再由苹果主动屏蔽其中一个，以维持 MacBook Neo 现有的 5 核 GPU 规格，从而在产品规格层面保持一致性。 这一额外环节势必推高单机成本，但苹果希望通过这种处理方式，继续维持 599 美元的标价不变。
不过，Culpan 也指出，苹果可能会考虑另一条路径：放弃 599 美元的入门起价，以价格调整来消化新增成本压力。 具体做法可能是停止销售 599 美元的基础款，只保留售价 699 美元、配备 512GB 存储的型号，作为 MacBook Neo 唯一在售版本。 在 Mac 产品线中，苹果此前已经在 Mac mini 上采取过类似策略，静默下架了 599 美元的入门配置，仅保留更高价位机型在售。
不过，对 MacBook Neo 而言，简单复制 Mac mini 的“涨价、砍低配”剧本并非板上钉钉。 报道指出，苹果内部十分清楚，MacBook Neo 成功的重要一环，正是其 599 美元这一极具吸引力的价格点，而随意上调门槛价格，可能会削弱这款产品原本面向入门用户与价格敏感人群的吸引力。
目前，外界尚难以准确判断苹果手中到底还剩多少可用于 MacBook Neo 的 A18 Pro 芯片，也无法获知其追加订单以及产能规划的具体数字。 但可以确定的是，MacBook Neo 已经成为苹果当下最炙手可热的 Mac 产品之一，而苹果势必会尽可能在这波热潮中继续“乘胜追击”，在控制成本与维持价格优势之间寻找新的平衡点。
∞ 23岁学生用手持电台伪造警报信号致台铁高铁多车次停驶
台湾高铁近日曝出通信安全重大漏洞，一名23岁大学生仅凭一套在网上购入的无线电设备，就成功伪造总警报信号，迫使多列高铁紧急停车，引发外界对铁路通信系统防护能力的质疑。
台湾高铁公司（THSR）向当地媒体证实，事件发生在4月5日，当时共有三至四列高铁列车因突发“总警报”（General Alarm）信号被迫停驶约48分钟，启动了相关的紧急应对程序，要求列车人工停车。按照既定流程，这类总警报原本应由车站人员通过专用设备发出，但调查显示，这次信号却来自一名23岁的学生林某，而非任何授权终端。
根据报道，林某通过在网上购买的软件无线电（SDR）设备，对台湾高铁的无线电通信信号进行分析，将获取的数据下载到电脑后，对其中所使用的TETRA（集群无线电通信标准）参数进行解码，再将相应代码写入手持对讲机，使这些设备伪装成合法信标，从而向位于桃园的高铁控制中心发出了总警报信号。警方表示，一名21岁的同伙向林某提供了部分高铁通信参数，协助其完成此次攻击。
事发后，台湾高铁方面立即对内部设备进行排查，确认并无授权无线电设备遗失或被滥用，这一发现将调查方向指向“信号克隆”和伪造发射源。警方其后调阅监控录像及TETRA网络日志，并于4月28日搜查了林某的住所与工作地点。在其住处，警方查获了一台笔记本电脑、多部智能手机、一套SDR设备以及多部手持对讲机，数量介于7至11台之间的说法不一。调查人员指出，这些设备不仅能接触到高铁的频段，还能覆盖新北市消防部门和桃园机场捷运线路使用的频率。
这起事件迅速引起台湾交通主管部门的重视。台湾交通部要求全面检讨铁路通信系统的安全性，立法委员则质疑，高铁通信设备的汰换周期、维护程序以及安全策略是否有定期更新。有意见指出，现行系统已使用近19年，而林某能够绕过多层验证机制，说明现有防护设计可能存在严重滞后问题。
在接受讯问后，林某以新台币10万元（约3，280美元）交保候传。其律师辩称，4月5日当天的总警报发射属“意外行为”，但检方对此说法并不采信。目前林某可能面临“危害公共运输安全”与“非法干扰无线电通信”等相关罪名，若被定罪，恐将承担相当长时间的有期徒刑。
这起“手持电台让高铁急煞”的案件不仅凸显专业技能落入不当之手的风险，也为各国依赖无线电系统的关键基础设施敲响警钟：在商用软硬件门槛不断降低的现实下，传统通信与控制系统的安全边界正面临前所未有的压力。
∞ 图像生成现已成为推动AI应用发展的关键功能
最新的应用数据分析显示，在 2026 年，真正能驱动移动端 AI 应用下载量增长的主角，已经从更“聪明”的大模型本身，转向了以生成式图像为核心的视觉功能。根据 Appfigures 的统计，以图像模型为卖点的版本更新，其带来的新增下载量约为以语言或推理能力升级为主的“常规更新”的 6.5 倍。
这一变化标志着 AI 浪潮重心的明显转移。早期，推动用户尝试 AI 应用的主要是对话模型的迭代，以及语音等交互方式的提升，这些功能如今依然重要，但已不再能像过去那样在短时间内大幅拉动用户兴趣。相较之下，能直接生成可分享视觉内容的功能，更容易在社交媒体和应用商店中吸引眼球。
几家头部平台的最新产品节奏很好地印证了这一趋势。Google 的 Gemini 应用在推出图像模型 Nano Banana 后，安装量出现明显跳涨；在 Gemini 2.5 Flash 图像模型上线后的 28 天内，新增下载超过 2200 万次，增速大约是其以往同等时间段平均水平的四倍以上。 这一系列更新说明，哪怕底层模型本身的改动并非天翻地覆，只要在“能看见”的图像侧有新玩法，就足以在短期内撬动下载曲线。
OpenAI 的 ChatGPT 在集成 GPT‑4o 图像生成功能后，也经历了类似的增长。在新功能上线后的首个 28 天时间里，这款应用新增安装超过 1200 万次。 Appfigures 的对比数据指出，这一下载高峰大约是此前围绕 GPT‑4o、GPT‑4.5 和 GPT‑5 等模型升级所带来增幅的 4.5 倍，这进一步印证了：对大多数新用户而言，能“看得见”的图像功能比难以直观感知的文本性能提升更具拉新效果。
这种以视觉内容驱动增长的模式并不仅限于静态图片。Meta 的 AI 产品 Vibes 专注于由 AI 生成的短视频，自 2025 年 9 月推出以来的首月，就为应用带来了大约 260 万额外下载。 虽然从形式上看它强调的是视频，但本质上仍属于追求“快产出、易分享”的视觉 AI 工具，与图像生成功能共同指向同一个方向：用更直接的视觉反馈，缩短用户从好奇到传播的路径。
不过，下载量的飙升并不自动等同于收入的增长。数据同时揭示出一条明显的“增长—变现”鸿沟。以 Gemini 为例，Nano Banana 发布后虽然在 28 天内获得了强劲的新增安装表现，但同期在用户消费端仅贡献了约 18.1 万美元的估算支出。 Meta 的 Vibes 在带动装机数上同样显眼，却几乎没有拉动相应营收增长的迹象。 这说明，对多数产品来说，图像功能目前更像是一种“获客利器”，而不是直接的变现引擎。
在这一点上，ChatGPT 是少数“打破魔咒”的例外。其 GPT‑4o 图像模型不仅带来了大量新用户，还显著提升了付费转化：在新功能上线后的 28 天内，应用在用户侧的估算消费比基线水平多出约 7000 万美元。 这组数据表明，图像功能的确有潜力同时承担“拉新”和“变现”双重任务，但前提是其在产品结构中的定位与收费设计足够清晰，让用户愿意为之付费，而不仅仅把它视作一个免费的“玩具滤镜”。
并不是所有热度高企的 AI 产品都依赖图像功能来驱动增长。DeepSeek 在 2025 年 1 月发布的 R1 模型，在缺乏显眼图像或视频功能的前提下，也在短时间内带动了约 2800 万次下载。 不同之处在于，这一波上涨更多源自行业关注与话题效应——尤其是其低成本训练路线和相关技术路径在科技圈引发的广泛讨论，而非某一类具体的生成式视觉特性。
即便如此，从当前的整体数据来看，趋势已经足够清晰：在移动场景下，视觉 AI 功能正成为大量用户接触一款 AI 应用的首要入口。对于普通用户而言，能够快速生成、立刻分享的图片和短视频，往往比更抽象的“推理增强”“模型升级”更有吸引力。 底层模型能力的演进依然重要，但越来越多地被“隐藏”在后台，而最终决定用户是否愿意下载、尝试甚至推荐一款应用的，往往是那些显性且易于传播的图像与视频功能。