光帆AI技術正式落地韶音OpenFit 2 AI耳機，攜手突破AI邊界
韶音宣佈與光帆科技達成AI技術合作，將上線基於光帆自研AI OS的效率功能合集——”AI 實驗室” 2026 年 8 月 18 日，韶音在上海舉辦媒體溝通會，正式發佈開放式耳機新品 OpenFit 2 AI。光帆科技作為韶音重要的技術合作夥伴，為本款產品提供了 AI 技術支撐。溝通會上，韶音宣佈與光帆科技達成 AI 技術合作，將在 OpenFit 2 AI 中上線基於光帆自研 AI OS 的效率功能合集 ——” AI 實驗室”，為智能對話、日程待辦、快記快查、智能消息等創新類 AI 能力提供技術支撐，助力韶音為強溝通人群打造更高效的 AI 耳機體驗。
這是光帆 AI 技術能力首次正式落地第三方頭部硬件品牌，標誌著其系統化 AI 能力已從自有產品驗證，進階為可向行業夥伴輸出。基於光帆自研 AI OS 的效率功能合集——“AI 實驗室”，即將在韶音 OpenFit 2 AI 耳機上線 AI 硬件正加速進入端側規模化落地階段。據 The Business Research Company 預測，2026 年全球 AI 耳機市場規模將達到 74.2 億美元，2030 年有望增長至 173.4 億美元。在中國市場，開放式耳機是增長最快的細分品類之一，IDC 數據顯示，2025 年中國開放式耳機出貨量達 2996 萬臺，同比增長 20.2%。
作為該品類的全球頭部品牌，韶音此次與光帆的合作，讓開放式耳機率先從單點 AI 功能走向系統化 AI 能力。與此同時，AI 硬件的競爭焦點正在遷移：接入大模型不再是稀缺能力，真正拉開體驗差距的是 AI 體系化能力。業內人士認為，過去幾年 AI 在耳機上的落地多為降噪、佩戴監測等單點功能，而真正的分水嶺在於 AI 能否提供更主動智能、更多樣化的能力，並依託系統化支撐實現跨應用調度；此次光帆與韶音的合作，正是這一行業趨勢的代表性落地。據瞭解，光帆此次在 OpenFit 2 AI 耳機上落地的 AI 能力，以效率功能合集形式面向強溝通人群，包含智能對話、日程待辦、快記快查、智能消息等。
開啟後，用戶可通過雙擊按鍵喚醒智能助手“曉帆”，OpenFit 2 AI 可按需自動安排日程、添加定製化備忘；即使收到超長消息，也能篩選要點讀給你聽。相關功能將在近期推送給 OpenFit 2 AI 耳機用戶，並通過持續 OTA 不斷升級。光帆為 OpenFit 2 AI 提供的 AI 技術支撐，區別於單點功能接入，是基於光帆自研 AI OS，通過端雲協同、多模型調度、多 Agent 協作等系統化 AI 能力實現，而非單一功能的簡單疊加。光帆科技相關負責人表示，韶音在開放式耳機領域有深厚的產品積累和用戶理解，光帆科技專注於 AI 原生操作系統研發，雙方的合作是技術能力與產品體驗的強強聯合。
此次合作是光帆 AI 能力在開放式耳機上的一次重要落地，也是 “突破 AI 邊界” 的一次實踐。未來雙方將持續探索，在更多場景中深化 AI 技術合作。在圓桌討論環節，韶音相關產品負責人分享了 AI 耳機未來發展的兩大趨勢。其一，AI 耳機的概念將不斷延伸，未來可能會出現更多元的形態載體，硬件將承載語音輸入與輸出的任務，成為 AI 隨身的入口。其二，AI 硬件的生態將更加開放。韶音 OpenFit 2 AI 已與千問大模型達成合作，此次又與光帆科技聯合推出“AI 實驗室”功能。未來韶音將與光帆攜手持續探索，讓 AI 硬件在真實場景中釋放更大價值，更好地滿足用戶在更多場景下的真實需求。
此次光帆科技與韶音的合作，是光帆自研 AI OS 從自有產品驗證走向行業開放輸出的重要一步。未來，光帆將持續突破 AI 邊界，與更多硬件夥伴攜手，讓基於 AI OS 的系統化能力在更多真實場景中落地。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.