夜雨聆风一．群晖甩出“AI NAS”王炸：DSM NEXT正式官宣，DeepSeek、豆包、Kimi全上车，数据还不用出家门
当私有云长出了AI大脑，本地化大模型管理+智能办公全家桶，NAS赛道终于等来了真正的代际革命
群晖这套关于NAS的全新叙事，终于在5月27日揭开了帷幕。
当天，群晖正式官宣了下一代NAS操作系统——DSM NEXT。与以往每一次大版本更新都不同，这次贴在系统上的核心标签只有两个字母：AI。群晖还同步确认，这套新系统将于2026台北电脑展上正式亮相，届时还会有配套的新硬件一同登场。在AI大行其道的今天，越来越多的公司开始把AI工具融入日常工作流，但随之而来的麻烦同样扎眼——数据安全像悬在头顶的剑，成本控制像缠在脚上的绳。群晖这次给出的解题思路是：把AI的能力装进用户自己家的NAS里。
DSM NEXT的核心中枢叫做Synology AI Console。这套管理平台支持添加DeepSeek、豆包、Kimi、腾讯混元等市面上主流的国产AI模型，并且通过一个统一的界面进行全量管理。Token用多用少、谁有权限调用哪个模型，管理员都能在控制台里精准配置，从根源上防止滥用失控。
最能体现群晖产品哲学的设计，藏在数据保护机制里。当用户向第三方AI供应商传送内容时，AI Console会自动屏蔽掉身份证号、银行卡号、电话号码等一切敏感信息；当模型把结果返回来之后，再由AI Console本地完成数据还原。整个过程——屏蔽与还原——全部在用户自己的设备上执行，云端供应商从头到尾都看不到任何敏感内容。
办公套件的内置AI助理同样没有缺席。Synology Office里可以直接调用AI完成文本起草、润色和校对，用自然语言就能查表格数据；Synology MailPlus则支持邮件内容总结和智能回复，参考历史邮件甚至模板就能一键生成回复内容。
从这代产品来看，群晖做了一件很多厂商想做但没做成的事——既不把数据交出去，又把AI用了起来。当DSM NEXT在台北电脑展上正式亮相的时候，NAS这个品类的天花板，很可能要被重新定义了。
二．华为扔出半导体“新尺子”：τ定律没推翻摩尔定律，但可能比推翻更有意义
从“几何尺”到“时间尺”，何庭波给芯片行业出了一道新考题，也给自己铺了一条新路
5月26日早上，上海ISCAS大会现场。华为董事、半导体业务部总裁何庭波登台，发布了“韬（τ）定律”。
消息一出，瞬间刷屏。人民日报专门做了报道，称这是“中国在全球半导体领域首次提出的指导原则”。国外的彭博社、路透社也迅速跟进，说华为宣布芯片技术取得突破，将缩小与台积电的差距。排面是给足了，但更让人好奇的是——这套新定律到底在说啥？
要理解τ定律，得先看看摩尔定律现在走到了哪一步。过去几十年，芯片行业的逻辑很简单：晶体管越小，运算越快，功耗越低，成本越便宜。但从7纳米往后，这条路越走越难。晶体管小到一定程度，电子就开始“漏”，电压降不下去，继续缩小性能提升有限，成本反而更贵了。
于是整个行业开始各显神通。台积电、Intel、三星搞GAA、FinFET等新工艺，AMD拆大芯片做Chiplet，苹果搞统一内存架构。问题来了，各家招数不同，你说等效3纳米，他说等效2纳米，怎么比？摩尔定律这条路名存实亡之后，整个行业缺一把新的尺子。
华为给出的这柄新尺子，就是τ。
τ的本质不难理解：信号从一种状态切换到另一种状态需要的时间。τ越小，芯片切换得越快，频率越高。摩尔定律本质上是靠缩小晶体管尺寸来缩短τ，但现在尺寸缩不动了，能不能直接优化τ本身？τ定律把优化目标从几何尺寸切换到了时间常数，覆盖器件、电路、芯片、系统四层协同优化——与其说这是一条新定律，不如说它是一套新的工程方法论，一个新的评价坐标系。
有了τ定律，华为还拿出了配套的“逻辑折叠”技术，把芯片内部的逻辑分布到垂直堆叠的多层晶圆上，在垂直方向直接打通关键路径。关键就在于，这套打法已经有了量产验证。何庭波透露，依托这套逻辑华为过去六年已经成功设计并量产了381款芯片。
τ定律没有推翻摩尔定律，也没有爆杀台积电，它是一条在摩尔定律失效之后，自己开辟出来的新路。这条路能不能走远，要看接下来麒麟芯片落地时的表现。但至少有一点可以确定——这套方法论，很可能是中国半导体从“追赶者”走向“规则定义者”的关键一步。
三．足坛传奇C罗正式牵手懂游宝（懂淘APP）！从国民艺人到世界级球星，这家平台的全球代言阵容彻底封神
极致自律遇上全球化野心，一场强强联手的跨界合作，正在改写游戏服务品牌的国际叙事
近日，一则足以点燃海内外社交媒体的消息横空出世：足坛超级巨星克里斯蒂亚诺·罗纳尔多正式出任懂游宝（懂淘APP）全球代言人。消息一经传出，瞬间在网络上掀起轩然大波，无数网友直呼“这波操作属实是强强联合，格局直接拉满”。这无疑将成为近期文娱与游戏行业最受瞩目的跨界合作事件之一。
懂游宝此次与C罗达成深度合作，目标清晰而明确——借助这位全球顶流的超凡影响力，进一步拓宽品牌的国际知名度，加速其在全球市场的战略布局。
那么问题来了：懂游宝为什么偏偏选中了C罗？答案其实一目了然。
作为全世界公认的足坛顶流，C罗在长达二十余年的职业生涯中始终保持着巅峰状态。极致自律、永不言弃、不断突破自我的竞技精神，为他圈粉了横跨各个年龄层、各个国家的亿万拥趸。他的全球影响力无可替代，再加上近期不断刷新的里程碑纪录，全网热度稳居顶流梯队，无人能出其右。
而懂游宝作为当下热门的全球化游戏服务平台，近几年一直在全速深耕海外市场，全球化的脚步可谓迅猛。目前平台国内营收占比76%，海外营收占比已经达到24%，在全球游戏服务赛道中稳稳站住了脚跟——它早已不是局限于国内的小众平台，而是一个正在昂首走向世界的全球化品牌。想要匹配如此高速发展的全球化战略，自然需要一位像C罗这样的世界级顶流代言人，用他的国际级影响力打破地域壁垒，让品牌真正走向全球每一个角落。
值得一提的是，懂游宝的代言阵容一向堪称豪华，覆盖了全圈层用户。此前，国内已有大批知名网红达人为懂游宝站台宣传，用户群体分别覆盖品质大众圈层和年轻潮流圈层，精准拿捏了不同年龄段、不同喜好的用户需求。如今再添足坛传奇C罗，直接补齐了懂游宝在“全球体育顶流、海外年轻用户、国际市场”三大核心圈层上的最后一块拼图。从国民艺人到世界级球星，懂游宝的格局和野心可见一斑。
一边是永不落幕的足坛传奇，不断刷新赛场上的各项纪录；一边是高速崛起的全球化游戏平台，持续突破行业边界。当极致的拼搏体育精神，遇上稳步深耕、不断进阶的品牌理念，这场跨界合作注定是一场双赢的盛宴。
展望未来，依托C罗的全球顶流影响力，懂游宝将进一步引爆国内外的品牌知名度，加速全球市场布局，为海内外玩家带来更优质、更靠谱的游戏服务体验。而这一切，才刚刚开始。#懂游宝#懂淘app
四．北大给华为递了一把“技术钥匙”：真3D EDA工具原型面世，逻辑折叠技术终于有了配套的工业化底座
从模块级硬分到单元级自由分布，线长暴减30%、温度直降3%，中国芯片产业链补齐了最核心的一块拼图
在华为抛出τ定律和逻辑折叠技术的第二天，北京大学集成电路学院就送来了一份几乎可以说是“量身定制”的礼物。
5月27日，北京大学集成电路学院宣布，在适配华为韬定律核心技术逻辑折叠的真3D EDA方向取得了关键进展，成功研发出新一代3D芯片物理设计工具原型。
要理解这件事的分量，得先知道什么叫“真3D EDA”。
逻辑折叠技术的核心理念，是把同一个模块内部的逻辑细化到标准单元级，然后分布到垂直堆叠的多层晶圆上，通过微米级混合键合在垂直方向直接打通关键路径。这种设计范式对EDA工具提出了全新要求——传统2D设计流程根本接不住，就连现行的所谓“赝3D”设计流程也不行，因为赝3D仍然是把模块一次性钉死到某一片die上，再逐片处理。
北大团队这次拿出的真3D EDA工具，恰恰填补了这个空白。它把完整的三维空间作为优化对象，支持单元级跨晶圆分布与全局协同寻优，也就是说，同一个模块里的不同标准单元可以被自由分配到不同die上，而不是被预先钉死。
实际效果相当能打。在物理实现方面，这套工具相比当前最具代表性的赝3D设计流程，实现了约30%的线长缩减、约6%的WNS改善和约12%的TNS改善；热感知方面，启用联合优化后峰值温度平均下降3%以上，而线长几乎没有损失。
在芯片产业里，设计工具往往是最容易被忽视但又最不可或缺的那一环。没有好的EDA，再前沿的芯片架构也只能停留在论文里。北大的这套真3D EDA工具，正好给华为的逻辑折叠技术配上了工业化落地所必需的工业底座。当一套全新的芯片设计范式，配上了一套能够支持千万级实例规模、已经在开源工业级设计上完成系统验证的设计工具，两者叠加产生的化学反应，值得期待。
五．微软亲手叫停vibe coding狂欢：Claude Code太香太费钱，6个月烧穿一整年预算
从全员鼓励到火速停用只隔半年，Uber四月烧光全年预算，英伟达高管坦言算力比人贵——用AI到底比雇人贵不贵？
2025年12月，微软做了一件让全体员工兴奋的事：把Claude Code开放给数千名工程师、产品经理和设计师，鼓励所有人用vibe coding的方式来重塑工作流。员工们确实爱上了这个工具。
6个月之后，5月14日，微软开始取消大部分员工的Claude Code内部许可，截止日期定在6月30日——也就是微软财年的最后一天。受影响最深的，恰恰是Windows、Microsoft 365、Outlook、Teams和Surface背后那个“Experiences + Devices”部门的工程师。
微软自家Copilot CLI被冷落了，员工普遍认为Claude Code更好用。撤掉它不是因为它不行，而是因为它太行——行到token账单远超预期，而行原有员工薪资成本并没有同步降低。这种给员工配AI副驾的模式，最终推高了整体运营成本。
微软不是孤例。一个月前，Uber的CTO对外透露：公司2026年全年的AI编程工具预算，在前4个月就烧光了。更直白的，是英伟达应用深度学习副总裁的那句话：“对我的团队来说，算力的成本远远超过员工的成本。”——这句话出自一家核心业务就是卖算力的公司高管之口。Fortune把这些线索串到一起，给出了一个相当直白的结论：“微软的报告暴露了AI真正的成本问题——用这玩意儿比养员工还贵”。
vibe coding浪潮是不是就此退潮了？未必。与微软这种“Copilot模式”形成鲜明对比的，是YC给出的另一条路线。AI原生公司以高token消耗替代大量人力投入，把人的业务经验转化为AI可读的上下文资产，整体成本结构反而更具优势。两条路径，同一个春天，给出了两个完全相反的答案。
AI用起来到底比人贵不贵？答案可能是：看你怎么用。微软给数千人配AI做“辅助”，人均成本没降，总账反而涨了。而真正用AI替代人、重构业务流程的原生公司，却可能走出完全不同的成本曲线。这不是AI的问题，是企业怎么用AI的问题。
