一边是苹果准备把 Apple Intelligence 带进中国大陆，一边是国内应用对手机 Agent 的入口格外谨慎。今天的科技新闻凑在一起看，挺像一张正在收紧的接口图，模型和硬件继续往前跑，真正卡人的还是合作、数据与责任。

苹果智能的中国落地，走到了最后一段

IT之家援引彭博社消息称，苹果计划在 12 月通过 iOS 27.3 向中国大陆用户推出 Apple Intelligence，阿里和百度被列为本地合作方。若消息兑现，苹果终于要解决一个拖了很久的本地模型与合规问题。

这件事不能只看成一次系统功能更新。对国内用户而言，AI 能否进入日常手机体验，取决于它能否接入本地服务、处理中文语境，也要经得住数据合规的审视。苹果选择本地伙伴，路径并不意外，难的是把体验做得不像两套拼起来的产品。

来源，IT之家

豆包手机助手碰到的，不是模型能力，而是应用入口

36Kr 热榜出现了微信、淘宝、美团等应用拒绝接入豆包手机助手的消息，同一轮讨论里，36Kr 还把它概括为「第一款 AI 手机，被半个互联网拒了」。

从应用方的角度看，这个选择并不难理解。一个能替用户点击、下单、调用账号态信息的 Agent，拿到的不是普通 API 权限，而是用户关系、交易链路和风控责任。它能替用户完成多少事，平台就得重新划多少边界。

手机 Agent 要往前走，接口协议、授权颗粒度和审计记录，比又多一个演示视频更要紧。

来源，36Kr 热榜

Gemini 4 Argon 全面开放，价格和工程能力一起被摆上台面

Google 宣布 Gemini 4 Argon 面向开发者、企业、科研人员和消费者开放，可经 Gemini API、AI Studio 与 Google Antigravity 使用。AIHOT 收录的 Artificial Analysis 数据还提到，它在 Intelligence Index 与 GPT-6 Astra 持平，单任务成本约为后者的 60%。

排行榜当然不能代替真实项目。不过，当一个前沿模型同时给出可调用入口和成本信号，开发团队就该重新测一遍自己的模型路由了。模型选型开始像云资源采购，性能是一张表，账单是另一张表。

来源，Google Blog
来源，Artificial Analysis

AI 基建的账单，已经传导到云厂商的资本开支

TrendForce 预计，Google、亚马逊、Meta、微软、甲骨文、字节跳动、腾讯、阿里巴巴、百度等九家云服务商在 2027 年的资本支出总额可能突破 1.5 万亿美元。名单里有四家中国公司，说明这并不是海外云厂商的独角戏。

这个数字读起来很大，但真正值得盯的是它会落到哪里，算力租赁的价格、芯片供应、数据中心电力，还有企业接入模型时的单位成本。大模型竞争已经不只在发布会舞台上发生。

来源，IT之家

吉利前三季度卖出超过 300 万辆车，新能源占了近六成

吉利控股公布，今年前三季度累计销量 3,002,640 辆，新能源销量 1,792,617 辆，同比增长 12.6%，新能源渗透率 59.7%。

数字背后是一个很实际的变化。新能源车早就不只是电池和电机的生意，座舱软件、辅助驾驶、供应链协同都被塞进了同一辆车。销量规模上去以后，软件体验的稳定性会变得更刺眼，不能只在发布会时好看。

来源，IT之家

工信部通报 17 款 App 与 SDK，隐私仍是产品底线

工信部在个人信息保护专项行动中通报了 17 款存在侵害用户权益行为的 App 和 SDK，涉及违法违规收集、使用用户个人信息等问题。

很多团队把隐私合规当成上线前补的一张表，这个习惯该改了。尤其是产品开始接入 Agent、语音和多模态能力后，数据从一次请求变成持续上下文，权限的默认值、撤回机制和日志留存都得提前设计。

来源，IT之家

微软更新造成 Wi-Fi 与远程桌面故障，企业用户又上了一课

Windows 11 十月更新被用户反馈会引发 Wi-Fi 问题，微软也承认部分启用管理员保护功能的设备可能出现远程桌面连接故障。对普通用户这是麻烦，对高校和企业 IT 则可能是一场突发工单潮。

自动更新很省心，但对有生产环境的人来说，灰度和回滚从来不是可有可无的流程。软件更新越频繁，越要把「能撤回来」当成功能本身。

来源，IT之家 Wi-Fi 故障报道
来源，IT之家 远程桌面故障报道

OpenAI 与 Anthropic 面对欧盟调查，模型安全开始进入执法现场

欧盟委员会 AI 办公室已向 OpenAI 和 Anthropic 发出信息调取请求，调查前沿模型测试期间的越狱与接入真实外部系统事件。AIHOT 摘要称，这可能成为《人工智能法案》实施后对前沿实验室安全事故的一次重要执法考验。

对国内做 Agent 的团队，这件事并不遥远。只要模型可以调用外部工具，安全问题就不再只是输出一句不合适的话，而是权限有没有被越过、动作能否复盘、异常能不能被及时止住。

来源，IT之家·人工智能

还有一个容易被忽略的信号

MIT 团队用机器学习修正传统预报模型的系统误差，把两周到六周天气预报的准确率翻倍。它没有试图用一个模型取代所有物理模型，而是在既有流程上补了一层会学习错误的校正器。

我一直觉得，这种思路比「全部交给模型」更值得工程团队琢磨。大多数场景里，AI 最先能做好的不是推倒重来，而是找出系统总会偏掉的那一小段，然后把它补上。

来源，MIT News

今天这些新闻里，入口、成本、权限和回滚反复出现。AI 的能力还在加速，但决定它能不能真正进入生活和生产的，往往是这些听起来不那么酷的细节。接口图越复杂，边界越要画清。