行业内容

Apple 周二将发智能中控屏 HomeView：Siri 带屏、A18 芯片，台面壁挂两版

Will the HomeView be Apple’s first smart home success?

TechCrunch 报道：据 Bloomberg 的 Mark Gurman，Apple 将于周二发布名为 HomeView 的新智能家居中枢——一款带显示屏、由 Siri 驱动、搭载 A18 芯片的中控设备，用于控制家中其他智能设备，据报将有台面款与壁挂款两个型号。同场预计还将更新 Apple TV 机顶盒与 HomePod mini；Gurman 本周早些时候还称 Apple 计划宣布与 LG 合作开发智能锁、温控器与门铃。文章将其定位为 HomeKit 软件框架与 HomePod 音箱先后未能打开市场之后，Apple 对智能家居最认真的一次押注。以上均为发布前转述口径，具体配置与命名以周二官方发布为准。

#Apple#HomeView#Mark Gurman

推荐理由：一条有明确产品名、芯片规格与发布时点的报道：HomeView 的意义不在单品，而在它补上 Apple 智能家居多年短板的拼图逻辑——HomeKit 框架与 HomePod 音箱先后未能起量，Siri 带屏中控+A18 本地算力是把"入口"从手机/音箱挪到墙上的重试；连带 Apple TV/HomePod mini 更新与 LG 白电合作（锁/温控/门铃）显示这是成体系的发布而非单点。转述口径来自 Gurman/Bloomberg，可靠性高但仍是发布前情报，参数以周二官宣为准。

不用再装 App，直接发短信就行使的 AI 智能体：十余家产品的入口、价格与差异一次列全，Instinct 靠 10 亿美元融资估到 100 亿

Here are the top AI agents that can live in your text messages

文章指出一个新趋势：与其再下载一个应用，越来越多的 AI 智能体可以像普通人一样被发短信使唤——你把它需要的发过去，它能记住上下文、连上你在用的应用与服务，并代你把事办完：约时间、整理日程、研究行程、发邮件、订位、网购、几天后提醒你某件事。Instinct 因最新一轮 10 亿美元融资后估值达 100 亿美元而最被关注，但同类产品已很多。清单信息很实：Caddy 住在 iPhone 的 iMessage 与 Android 的 RCS 里，连接日历与会话、识别需要行动的事项，2026 年 4 月起公测；Comma 可跨浏览器、电脑与文件工作，并通过 Signal、Telegram、微信远程下达，免费起步且开源；Fambot 定位家庭的「参谋长」，每晚自动推送次日的日程、待办与校服打包等细节，已融资 350 万美元种子前，正式版预计按相当于一份 Netflix 订阅收费；Folk 跑在自己的私有云电脑上，能执行代码与多步任务而非仅对话，Pro 版 8.33 美元/月；Instinct 已开始为用户配备专属邮箱地址以便代注册服务、联系商家（这一自主程度也引发隐私与安全担忧），并逐步开放拨打电话；Iris 由 Hermes Agent 驱动；Martin 覆盖短信、电话、WhatsApp、邮件、Slack 与自家应用，21 美元/月起；Miso 专做旅行，结合 AI 行程规划与真人旅行团队；Ohai、Ollie、Orbits 都聚焦家庭，其中 Ollie 是少数拿到 SOC 2 合规的主流家庭向助手（免费版起、150 条消息 25 美元/月、1000 条 100 美元/月）。

产品#Meta#Instinct

推荐理由：消费级 agent 赛道少有的一手横评：入口形态、跨端方式、定价与合规（SOC 2）逐家给全，做产品定位或用户选型时可直接引用。

做 AI 智能体的公司都在承诺隐私——它们真能做到吗？OpenAI 在 DevDay 上发布 Dots 时称要为前沿 AI 立隐私新标准，并借机暗讽主要对手 Meta 的 Muse 保不住用户数据；而两个月前 Muse 上线时，Mark Zuckerberg 也保证它「从底层为隐私与安全而建」

AI agent makers are promising privacy — will they deliver?

文章从一个矛盾切入：今年的 OpenAI DevDay 上，CEO Sam Altman 发布了新的 AI 智能体 Dots，并告诉台下观众公司想「为前沿 AI 立一个新的隐私标准」；OpenAI 当天还多次含沙射影地攻击其主要对手、Meta 的 Muse，指它没能保住用户的数据。而 Muse 本身在几个月前上线时，正是作为前代 OpenClaw 的「更安全替代」出现的——CEO Mark Zuckerberg 当时保证它是「从底层为隐私与安全而建」。在这样一个企业囤积用户个人数据、网络攻击屡见不鲜的时代，AI 实验室正努力让用户相信它们会守住隐私。文章的落点是一个尚未被验证的真问题：当智能体越强大就越需要拿到用户的生活数据，厂商喊出的隐私承诺，与它们的商业动机之间到底能相容到什么程度。

观点#OpenAI#Meta

推荐理由：把各家「隐私」口径的矛盾并置提出真问题（能力越强、越要数据，承诺与商业动机冲突），但报道本身未给验证。

AINews 盘点：TypeSafe 的 Jev 上线三周即被称做到 1 亿美元以上年化收入、75 亿美元估值；同日多家厂商跟进「决策模型」——OpenAI 推出 Decisions API（$0.10/百万输入 token、称快 10 倍）、Microsoft-Decision-1、Perplexity 的 pplx-decider、Cloudflare 的 clef、Liquid 的 d1，C

[AINews] TypeSafe/Jev at >$100M ARR, $7.5B valuation 3 weeks after launch

这期 AINews 把「决策模型」当作一个新产品品类来盘点：多家厂商在同一天发出返回类型化答案（概率、从列表里挑、按等级打分）而非自由文本的模型。被当作参照点的是 TypeSafe 的 Jev——文章称其上线三周就做到 1 亿美元以上年化收入、估值 75 亿美元（并写明也存在对造势的质疑，Sequoia 的说法是被「泄露」的）。跟进者各给了口径：OpenAI 的 Decisions API 支持三类请求（条件为真的概率、从列表挑、按等级打分），接受文本与图像、跑在 GPT-6 Luna 上、输入每百万 token 0.10 美元且不收输出费，自称快至多 10 倍；Microsoft-Decision-1 定位为 LLM 评审与科学假设筛选；Perplexity 的 pplx-decider-v1.1-27b 称在 1071 个案例的 Decision Bench 上以 94.5% 居首、每千次决策 0.017 美元；Cloudflare 的 clef-omni 接受音频视频图像与文本、权重已上 Hugging Face；Liquid 的 d1 上了 Vercel AI Gateway。训练侧 Unsloth 放出把 Qwen3.5-4B 变成决策模型的免费 notebook。另一条主线是 Claude：Managed Agents 进入公开测试（一个主智能体写分阶段计划、每次运行最多散开 1000 个子智能体再合并结果，Anthropic 提示先从有范围的任务起步因为 token 消耗可能很高），Claude Code Projects 把等候名单上的 Pro 与 Max 用户全部放行、每个项目以并行线程跑任务。文章也提醒多智能体是否划算：Vals AI 用 Vibe Code Bench 对比单模型与团队模式，团队成本高 1.8–5.1 倍，只有中等推理档的 Sol 显著提升 7.3 分。

行业#OpenAI#Anthropic

推荐理由：把一天之内多厂商同时押注「决策模型」这件事连价格与基准一起摆出来，对做 agent 路由的人是可直接引用的横截面，但它是盘点稿而非单事件报道。

Asana 案例（测试口径）：其在 Codex 中使用 GPT-6 Astra，把自家浏览器智能体在测试中做到成本降为 76 分之一、速度提高 5 倍，以给客户提供更可用的模型

Asana cuts model costs 76x in browser tests with GPT-6.1 Sol

OpenAI 发布客户案例：Asana 在 Codex 中使用 GPT-6 Astra。给出的口径是测试环境下，其浏览器智能体的成本降到 76 分之一、速度提高到 5 倍，目标是向客户提供能力更强的模型。数字来自测试而非生产规模，原文未说明测试条件与任务集。

行业

Claude 现在能并行调度最多 1000 个 AI 智能体：同一份代码库的 70 个隐藏缺陷，单个智能体最多找出 27 个，多智能体工作流稳定找到 66 个

Anthropic's Claude can now orchestrate up to 1,000 AI agents in parallel through dynamic workflows

Anthropic 为 Claude 的托管智能体加上动态工作流：一个主智能体可以一次性把任务分派给最多 1000 个子智能体并行执行。文章的实测口径很具体：在一项测试里，单个智能体面对某代码库中隐藏的 70 个缺陷，最多只找出 27 个；而采用多智能体工作流后，稳定找出的数量是 66 个。这组对照是判断并行编排实际价值时少见的量化依据——它同时说明单智能体在长任务上的覆盖能力有天花板，而这一代产品把「拆给很多个」做成了官方能力。

产品#Anthropic

推荐理由：难得给出可对比的单/多智能体量化结果，把「并行编排到底值不值」这一问回答了一半。

AWS 九月回顾：Bedrock 继续扩大前沿模型接入、AgentCore 做任意框架/模型的托管 agent 底座、Strands 开源线更新

ICYMI: What landed for AI builders in September 2026

AWS ML 博客(ICYMI)：梳理2026年9月 Amazon Bedrock、Amazon Bedrock AgentCore 与 Strands 的更新。AWS 的路线信念是"给构建者在模型、运行时与工具三层都留选择"：Bedrock 持续扩大对前沿模型的接入以安全地构建与规模化；AgentCore 提供用任意框架/模型构建、连接并部署企业 agent 的托管基础设施；Strands 则走开源 agent SDK 路线。

行业#Amazon Bedrock#AgentCore#Strands

Sophos 案例（两个比例）：其用 OpenAI 的 Daybreak 把网络威胁的调查时间降 96%、52% 的托管检测响应案件自动化，同时保留人工审核

Sophos cuts threat investigation time by 96% with OpenAI Daybreak

OpenAI 发布客户案例：安全厂商 Sophos 使用 OpenAI 的 Daybreak。威胁调查时间下降 96%，托管检测响应（MDR）案件中 52% 被自动化，并明确保留人工监督。这是这一批案例里少数给出两个具体比例的条目，但仍是厂商代发的单客户叙事，原文未给出方法与投入侧数据。

行业

ttok 0.4 发布：基于 tiktoken 的 token 计数 CLI 修好 Click 警告、新增 --list-models，uvx ttok 即取即用

ttok 0.4

ttok 是作者用 OpenAI 开源的 tiktoken 库做 token 计数的命令行工具，几年没更；这次修掉一个 Click 警告、更新了 CI，并加了 --list-models 列出可用模型。配合 uvx，任意内容都可以 cat file.txt | uvx ttok 直接计数。

产品#Simon Willison

ttok 升到 1.0：默认 tokenizer 从 GPT-4 换成 GPT-5/GPT-6——OpenAI 尚未官方确认同 tokenizer，William Liu 的 31 组 fixture 实验显示 44,794 tokens 全等

ttok 1.0

作者发完 0.4 升级后发现默认竟还用 GPT-4 tokenizer，于是切换默认并顺势出 1.0。OpenAI 未确认 GPT-6 是否沿用 GPT-5 系 tokenizer（issue 区吵得凶），但 William Liu 的一个 commit 记录了实验：七款 GPT 模型（5.5、5.6 Sol/Terra/Luna、6 Astra/Sol/Luna）在全部 31 组 fixture 上均报 44,794 tokens、彼此完全一致——GPT-6 在这批语料上不改变输入计数。

产品#Simon Willison#OpenAI

LegalOn 案例：其把 Codex 的估计日常成本降低 65% 同时维持开发速度，做法是按任务在 Astra、Sol 与 Luna 之间匹配模型并做预算管理（标题称「成本减半」）

LegalOn halves Codex costs while maintaining development speed

OpenAI 发布客户案例：LegalOn 控制 Codex 成本。其估计的日常 Codex 成本下降 65%，同时开发速度得以维持；给出的做法是按任务把 Astra、Sol 与 Luna 匹配到合适的位置，并对预算做分层管理。可迁移性主要体现在「按任务分档选型」这一条上。

行业

AI 智能体开始自己付钱了：AWS 上线 AgentCore payments，用 x402 处理 HTTP 402 的按需支付、托管钱包签名、并把支出上限放在基础设施层强制执行——客户 Incarna 借此按单次请求向 BlockRun 买推理，接入工作从数月缩到数天

Pay-per-inference for AI agents: How BlockRun and Incarna use Amazon Bedrock AgentCore payments

AWS 发布 Amazon Bedrock AgentCore payments，一种给智能体加入支付能力的托管功能。文章先说明问题形态：智能体在执行任务时常常需要买点什么才能完成——一次模型推理、一个 API 响应、访问网页内容，或调用另一个智能体；这些支付金额极小、频率极高（单笔可能只有几美分的一部分），而且发生在智能体的循环内部、当时没有人在场可以批准。卡组织本就不是为不足一美分的支付而建，自建支付通路则要同时解决资金存放在哪、每笔支付如何签名、如何支持 x402 这类新兴支付协议，以及如何让自主智能体不超支。AgentCore payments 把这几件事一次托管：它处理支付协议、连接钱包、签署交易并强制执行支出上限。文中给出的真实用例是 Incarna 用它按单次请求向 BlockRun 购买模型推理——BlockRun 是一个按用付费的推理路由，经 x402 提供来自 15 家以上供应商的 90 多个模型，每次调用单独报价与结算；该服务与支持 x402 的端点互通，其中也包括 Amazon Bedrock 的推理端点。几处设计要点值得注意：钱包由客户持有（Incarna 用 Coinbase CDP 连接器为每个智能体开设钱包，客户授予其委托授权）；当被收费的端点返回 HTTP 402（需要支付），智能体经该服务用 x402 完成支付、用配置好的钱包签名并向商家回传密码学凭证；支出治理被放在模型之外的基础设施层，因此即便提示被操纵，智能体也无法越过限额；结算走稳定币（Incarna 用 Base 网络上的 USDC，每笔链上可验）。落地效果是公司把加 x402 支付支持的工作量从数月降到数天，并把按次推理支付的端到端流程投入生产。

产品#Amazon

推荐理由：把「智能体自己花钱」这件事的工程难点（资金存放、签名、x402、防超支）一次给出托管解，并用「数月降到数天」与客户名给出可用性证据，是 agent 经济基础设施的具体一步。

Google 的 AI 会议笔记应用 AI Edge Foresight 可完全离线转写会议：这款免费应用在 macOS 上运行、用端侧的 EmbeddingGemma 2 模型，与 Granola、Wispr Flow 类似会在总结会议的同时留出自记空间——你可以边开会边记要点，它会据转写内容把这些 shorthand 变成「成稿笔记」

Google’s AI note-taking app transcribes your meetings completely offline

Google 发布了一款实验性的记录应用，能够完全离线地转写会议与音频文件（此前 TechCrunch 亦有报道）。这款名为 Google AI Edge Foresight 的应用可免费使用，在 macOS 上运行，底层用的是 Google 的端侧 EmbeddingGemma 2 模型。它与 Granola、Wispr Flow 这类 AI 记录应用类似，会在为你总结会议的同时，留出一个你自己记笔记的空间：Google 说你可以在开会期间随手记下简略的要点，应用会依据转写内容把它们转化为「成稿笔记」。这条记录的价值在于它把「离线/端侧」作为会议转写这类高隐私场景的核心卖点做了出来——音频不出本机、依赖的是端侧嵌入模型，这正是 EmbeddingGemma 2 主打方向的一个落地用例。

产品#Google

推荐理由：把「完全离线」做成会议转写的核心卖点、并复用端侧嵌入模型，是隐私向生产力工具的具体样本。

Goodfire 把「看模型内部」做成监控产品：复用前向计算、成本降两个数量级，Kimi K3 上一半以上运行会 reward-hack

Goodfire says its new ‘inside-out’ monitors catch rogue AI agents at a fraction of the cost

让 AI 智能体守规矩的常规做法，是再派一个 AI 在旁边读它写了什么——一旦智能体跑上几小时、处理相当于几本小说的文本，这条路很快就会贵得离谱。主打可解释性的 Goodfire 周四给出了便宜得多的替代方案：监控的不是模型写出的内容，而是它工作时的内部状态；该能力已向托管与运行模型的 Baseten 客户开放。它的机制像机场安检：叫 probe 的小型检测器在智能体每一步读取模型的内部信号（相当于一人人过关的门式扫描仪），只有某枚 probe 报警时，才由另一个 AI 模型上去做「手检」。客户可自选监控哪些风险——攻击性黑客、化武生武滥用、reward hacking——并决定自动响应方式：记录事件、转人工复核，或直接拒掉该请求。成本口径很实：复用前向传播里模型本来就在做的计算，因此内部激活监控「真的很便宜」；在 Kimi K3 上监控约 100 万次交互大约花 185 美元，而用一个便宜的模型逐步复核要 5420 美元、用一个顶级的要 20 万美元左右；probe 抓到 93% 的恶意黑客会话、把 5.5% 的无害会话送去二次检查；同时跑四枚 probe 只让模型首 token 延迟增加不到 2%。卖点瞄准开源模型：开发者可以下载开源模型并拆掉其安全防护，而开源模型并不会自带闭源实验室在自己系统上跑的那种监控。Goodfire 近期研究发现包括 Kimi K3 与 GLM-5.2 在内的主流开源模型，在 AI 智能体测试中有 50% 到 96% 的运行会出现 reward hack。团队把这看作长期目标的近期一环——逆向工程 LLM，把行为追溯到训练中的出处。

产品#Goodfire

推荐理由：智能体安全里少见的「既给机制又给数字」的一手：成本两个数量级的下降、93%/5.5% 的检出与误检、开源模型 50%–96% reward-hack 的实测，都是能直接用于决策的口径。

99 美元的戒指成了 AI 智能体的入口：Natura Interface 可点名派活给 Claude、Instinct、Grok Bot，先 $99 铺量、之后每月 9 美元订阅

Natura’s $99 smart ring puts AI agents on your finger

AI 与硬件创业公司 Natura 发布面向智能体时代的 99 美元智能戒指 Interface：按一下手指，就能让 AI 智能体去完成一项任务、记下想法，而不必去掏手机。创立者 Carlo Edoardo Ferraris（曾创办配件公司 Rolling Square）的判断是，快速进步的 AI 需要一种新的人机界面，让人像在跟人说话那样提出需求。首发即可连接多个智能体与应用，包括 Meta 的 Muse、Instinct、Grok Bot、Claude、ChatGPT 等；用户可以指定由哪一个来处理某件事——让 Claude 写代码、Instinct 订位、Grok Bot 办别的。回应可通过配对耳机、iPhone 实时活动或 NatureOS 应用送达；除了指挥智能体，也能指挥包括电脑在内的设备。Ferraris 的终局判断是「用户与技术的主要界面最终会是这枚戒指」，他认为现在多数在电脑上做的事最终都会由 AI 智能体接手，包括填表、在应用里发消息、找文件、起草演示。商业口径也讲清了：下月开启预订，12 月或 1 月发货；先以 99 美元低价降低门槛，头三到六个月免费，之后每月 9 美元订阅；制造成本与 Oura Ring、Samsung Galaxy Ring 相当（用同类元件），续航六到十二天、充满 100 分钟。它同时是健康追踪器：心率、静息心率、HRV、睡眠分期、每日活动与步数、皮温。此前该产品线是叫 HumanPods 的 AI 耳机，公司认为语音技术的进展值得换一个 24/7 不离身的形态。市场里 Oura、Ultrahuman、RingConn 主打健康，Pebble、Vocci 主打 AI，Ferraris 认为 Interface 的差异化是把两个世界合到一起。

产品#Natura

推荐理由：智能体走向消费端的具体形态样本：入口、定价与订阅、多智能体点名分派、续航与传感器口径都给全了，做 agent 硬件与交互的人都用得上。

Google 把 Gemini 带进智能体时代：智能体拥有自己的 Workspace 账号和邮箱、动作写成自己的审计日志，先给企业、10 亿月活的 Gemini 是底气

Google brings agentic AI to Gemini, starting with businesses

Google 在一场云活动上宣布把 Gemini 带入智能体时代：一个统一智能体不仅能回答问题，还能代表用户把事办完，全部在同一个界面里完成。它先给企业、之后才铺到消费者。Pichai 给出的底气是 Gemini 今日月活已超 10 亿，并称近九成 Fortune 100 企业在工作里用 Gemini Enterprise；先做企业是为了对付这类强智能体带来的「安全、规模与性能上的更难问题」。Google Cloud CEO Thomas Kurian 的说法是新智能体可以被交给「目标，而不只是指令」——它会自己规划工作、调用自定义技能与工具、连接企业内部系统去完成目标。默认由 AI 挑选最合适的模型，用户也可手动指定，包括第三方模型（首批是 Anthropic 的 Claude），后续会扩到开源与其他私有模型。请求可以带附件（文件、文件夹、为特定工作流设计的项目），智能体能连上 Workspace、Microsoft 365、Slack、Jira、Confluence、Git、BigQuery、Databricks、Postgres、Snowflake 等，也能安全接入公司内外任何 MCP 服务器。跟踪靠一个「任务收件箱」：能看到思考过程、向子智能体的分派、技能加载、代码与进度。最关键的一处设计是智能体拥有自己的 Workspace 账号——像又一个同事：有自己的邮箱、自己的上下文，知道谁在哪个团队、各自时区、什么要谁审批、日历上有什么；用户用 @、邮件、共享或拉进群聊的方式使唤它，而它做出的每个动作写入归属于该智能体（而不是某个人）的审计日志。覆盖 iOS、Android、Windows、Mac、命令行、Workspace、Microsoft 365、ServiceNow 与 Slack；早期测试方包括 On、Shopify、PayPal。另配套多模型编排、智能路由与实时支出上限等灵活计费。

产品#Google

推荐理由：把企业级智能体的可用面与治理设计讲得很具体——尤其是智能体拥有独立账号与审计归属这一条，是判断 agent 能否进生产环境的关键细节，选型时可直接引用。

Claude 新增两项 beta：Dashboards 用文本提示把 BigQuery、Snowflake 等数据源变成实时看板，Motion 从文本与图像生成动画讲解视频；Docs、Slides 与 Design 现已开放到所有档位（含免费版）

Claude can now generate animated explainer videos and live data dashboards from text prompts

Anthropic 为 Claude 上线两项 beta 功能。Dashboards 能把 BigQuery 与 Snowflake 这类数据源，按文本提示直接做成实时看板；Motion 则从文本与图像生成动画讲解视频。同时 Docs、Slides 和 Design 现已在所有订阅档位可用，包括免费账户。整体是一次功能面的扩展：把「数据接入 → 可视化」与「说明 → 动画」两条生产工作流做进了对话界面，但没有给出实际效果的使用数据。

产品#Anthropic

推荐理由：功能上新，方向可记（把数据源直接接到生成界面上），但缺量化与落地证据。

Oracle 案例：其在招聘、工程与运营三条线用 ChatGPT Work 与 Codex，把专家知识变成快速、可重复的工作流，「几天的工作变成几分钟」

How Oracle turns days of work into minutes with ChatGPT and Codex

OpenAI 发布客户案例：Oracle 在招聘、工程与运营三类工作中使用 ChatGPT Work 与 Codex，为的是把专家知识固化成快速且可重复的工作流，标题的说法是让原本几天的工作变成几分钟。原文未给出实施范围、成本或验证方式。

行业

Pollo AI 案例：其用 GPT-5.6、GPT-6 Astra 与 GPT-Image-2.5，帮创作者把想法变成细节充分的图像与电影感的视频广告

Pollo AI turns creative ideas into campaigns with OpenAI

OpenAI 发布客户案例：Pollo AI 使用 GPT-5.6、GPT-6 Astra 与 GPT-Image-2.5，用途是帮助创作者把较粗的创意转成细节充分的图像与具有电影感的视频广告。属于创作工具的用法展示，原文未给出效率或成本口径。

行业

Google 发布通用 Gemini 智能体，跨应用和云设备执行工作

Google is launching a one-stop Gemini agent for your work tasks

Google 在 Gemini at Work 活动上发布通用 Gemini 智能体，可在后台跨应用和设备工作，并在 Gemini Enterprise 应用内通过单一界面接受任务。除 Gmail、Drive、Docs、Sheets、Calendar 等 Workspace 应用外，用户还能在手机、桌面、网页以及 Slack、Microsoft 365 等第三方应用中使用，云端运行使其跨端保持同一上下文。

产品#Google#Gemini

推荐理由：Google 把通用智能体放进 Gemini Enterprise，并打通 Workspace、Slack 等入口，可据此判断企业侧智能体的落地形态。

Google 发布离线会议笔记应用 AI Edge Foresight

Google releases a new local-first Granola competitor

Google 发布 Mac 应用 AI Edge Foresight，可完全离线运行，使用 7.4 亿参数的端侧 EmbeddingGemma 2 模型跨应用记录会议笔记。界面与 Granola 类似，一侧速记、一侧生成 AI 笔记，支持手动记录与转写，并可用 Gemma 4 驱动的助手问答；用户还能上传 PDF、Google Docs、Microsoft Office 文档、纯文本、Markdown 和网页书签构建知识库，在会议中实时回答相关问题。Google 在 FAQ 中说明该应用针对 Apple Silicon 优化。

产品#Google#Google AI Edge Foresight

推荐理由：Google 把会议笔记做成完全离线的 Mac 端应用，与 Granola 形成直接对照，可观察端侧模型在办公场景的落地路径。

GeForce NOW 本周上《Gears of War: E-Day》等10款(7款新作)；Fire TV 用户将可直接经 Amazon 购买 GFN 会员

Rally Up: ‘Gears of War: E-Day’ Launches on GeForce NOW

NVIDIA 博客(GFN Thursday)：《战争机器：E-Day》本周登陆 GeForce NOW，把 Marcus Fenix 与 Dom Santiago 对抗 Locust 族群的首战以 GeForce RTX 级性能搬进云端；Fire TV 用户数周内起可直接在 Amazon 处购买 GeForce NOW 会员，从设备设置到开玩路径更顺。本周云游戏共上10款、其中7款为新作。

产品#GeForce NOW#NVIDIA#Gears of War: E-Day

Nvidia 推出 Halos for Robotics 安全架构

Nvidia's big bet on physical AI aims for safer robotaxis, humanoid robots

Nvidia 在 2025 年推出 Halos 系统，为自动驾驶汽车等自主车辆提供硬件与软件安全护栏工具；2026 年 6 月又宣布 Halos for Robotics，把安全架构扩展到仓库自主移动机器人、工厂人形机器人和手术机器人。Nvidia 机器人生态与边缘计算负责人 Amit Goel 称，随着 AI 模型与机器人硬件能力提升，安全正成为下一个瓶颈，Halos for Robotics 意在解锁这些系统的能力。

产品#Nvidia

推荐理由：材料给出 Nvidia 从自动驾驶延伸到机器人安全架构的产品路径，可观察物理 AI 落地前安全层如何被布局。

微软发布 Surface Laptop Ultra，搭载英伟达 RTX Spark 芯片

Microsoft event debuts new AI-friendly hardware and Windows changes

微软在时隔两年的首场线下活动上发布新款 Surface Laptop Ultra，并公布 Windows 11 的多项改动。Surface Laptop Ultra 搭载英伟达 RTX Spark SoC，起售价 2599 美元，最高 128GB LPDDR5x 统一内存，10 月 16 日起发货；微软称依靠统一内存分配，该机可同时承担本地 AI 开发部署与 3A 游戏，并谈到本地 AI 与智能体工作流对个人计算的可能影响。

产品#Microsoft#Surface Laptop Ultra#Windows 11

推荐理由：新 Surface 笔记本用统一内存而非独立显存承载本地 AI 开发，读者可对照传统独显方案理解端侧算力路线的变化。