IT之家 4 月 3 日消息，据《旧金山纪事报》昨天报道，Meta 计划在硅谷裁员近 200 人，预计 5 月下旬生效。
据报道，加州就业发展部（EDD）的两份文件显示，Meta 计划在伯灵格姆（Burlingame）裁撤 124 个岗位、在森尼韦尔（Sunnyvale）裁员 74 人，总人数为 196 人。相关决定将在 5 月下旬生效，且为永久性裁员。
除此之外，Meta 最近几周还裁撤近 700 个岗位，涉及招聘、销售、运营以及 Reality Labs 等多个部门。
Meta 发言人对此表示：“公司各团队会定期进行重组或调整，以确保实现目标的最佳状态。我们会在可能的情况下为受影响员工寻找其他就业机会”。
与此同时，Meta 正加大幅度投入 AI 领域，今年的资本支出最高可达 1350 亿美元（IT之家注：现汇率约合 9307.88 亿元人民币），主要用于 AI 基础设施投资建设。
作为参考，截至 2025 年底，Meta 员工总数约为 7.9 万人，公司尚未说明是否还会有进一步裁员计划。
财联社4月3日讯（编辑 夏军雄）当地时间周五（4月3日），特斯拉日本业务负责人桥本理智（Richi Hashimoto）表示，特斯拉计划将日本门店数量扩大至至少60家，并力争最早在明年成为日本最大的进口汽车品牌。
桥本周五在日本Model Y L发布活动上表示，尽管日本国内电动汽车的普及率仍处于较低水平，但过去两年中，门店和服务中心覆盖范围的扩大，以及对员工培训的投入，推动了特斯拉在日本的销售增长。
特斯拉在日本扩张业务之际，其在美国及其他主要市场的电动汽车销售明显放缓。对该公司而言，电动汽车渗透率仍较低的地区显得尤为重要。
日本是主要市场中电动汽车普及最慢的国家之一，消费者更偏好混合动力车型。
“我们希望成为第一大进口汽车品牌，最早可能就在明年实现，”桥本说。他同时阐述了公司在日本的中长期目标。
特斯拉去年在日本仅售出略高于1万辆汽车，该公司周五在当地开始接受Model Y L订单，这是一款面向家庭用户的六座车型，旨在将目标客户从早期用户扩展至更广泛群体。
门店与服务网络持续扩张
桥本表示，目前特斯拉在日本拥有35家门店和14个服务中心，公司计划将服务网络规模扩大一倍以上，增至约30个网点。
与传统经销商不同，特斯拉门店侧重提供试驾体验，这一策略旨在缓解消费者（尤其是习惯驾驶燃油车的用户）对转向电动汽车的顾虑。
桥本称：“仅仅增加门店并不会让客户买车。”他补充说，许多消费者的顾虑往往在试驾后就能迅速消除。
根据日本汽车进口商协会的数据，日本进口车市场长期由德国豪华品牌主导。
2025年，梅赛德斯-奔驰以接近5.1万辆销量位居第一，其后依次为宝马、大众和奥迪。
据桥本透露，今年第一季度，特斯拉在日本的销量已达到去年全年销量的一半左右。
特斯拉周四公布的数据显示，该公司今年一季度全球交付量为358,023辆，同比增长6.3%，环比下降14.4%，低于分析师预期。
作者 Dale
编辑 董雨晴
“家庭确实是具身智能的圣杯。”2026年3月30日上午，深圳零一学院，自变量机器人联合创始人兼CTO王昊在包括凤凰网科技在内的一场访谈中给出了这个判断。彼时正值首届具身智能开发者大会（EAIDC 2026）举办期间，进入决赛的20支顶尖队伍在此集结，参赛者只有三天时间从零完成数据采集、模型训练到真机部署的全流程。
在几乎所有同行都在优先拿下工业场景订单的2026年，自变量选择了一条更具冒险性的道路。今年3月，自变量宣布与58同城合作，由58到家平台随机调度阿姨与机器人组成搭档，共同进行家政服务，已在深圳开启试点。家庭，这个标准化程度最低、环境最开放的场景，正在成为自变量心中“通往通用机器人”的关键战场。
01 一场把机器人拉回真实世界的比赛
本次EAIDC 2026的赛制设计颇有玄机，所有参赛队伍使用同一套硬件平台，三天之内从初次接触具身智能基座模型及真机调试的状态，完成从数据采集到真机部署的全流程。通常情况下，专业研究实验室完成类似搭建至少需要6个月。
在王昊的观察中，比赛开始的第一天下午就出现了显著分化。“第一天下午开营，到了晚上有的选手还在调试环境，有的选手已经有成绩了，这是很大的差别。”后来他发现，那些频繁评测、仔细观察数据和硬件的团队，相比不动手的选手更加突出。“整个具身是交互学习，让机器在测试、以及人对它的观察中找到问题，越有可能找到真正物理世界复杂性的解法。”
一位参赛选手后来回忆，他们在最初面对“将环套在柱子上”的任务时，成功率只有20%到30%，经过不断迭代才逐步提升至60%到70%。
比赛还设置了A榜和B榜——A榜环境可控，供选手快速验证模型能力；B榜则是完全黑盒，考验模型在光照、背景、操作对象和操作位置变化下的泛化能力。王昊说，这是他们做比赛的初衷：“想通过这次比赛真正让整个开源项目可以降低对开发者的使用门槛，建立一个相对比较通用和标准的接口”。
在长期依赖仿真评测的具身智能行业，仿真环境虽然可以加速迭代，却难以还原真实世界的复杂性，sim2real（指从模拟环境到现实世界的技术迁移方法）的差距始终存在。王昊坦言：“长期依赖仿真评测，不可避免会掩盖模型能力的真实边界”。而EAIDC这场“真机演武场”，试图将评测、训练和数据采集三者重新拉回到同一个真实世界中。
02 端到端的“新故事”？
自变量从一开始就选择了“大小脑统一的端到端大模型”路线。在技术架构上，团队正尝试将世界模型与VLA（视觉-语言-动作）模型融合在一个联合框架下。
王昊解释了这个路线的底层逻辑。“大语言模型这个训练基础还是要用，只是我们要把语言、动作拉到一个空间当中，而不是像以前那样让所有视觉都服务于语言。”语言描述的信息很宏观，而物理世界的交互发生在厘米级和秒级尺度上，两者之间存在巨大的信息鸿沟。“如果我们能采用原生多模态的方式，动作可以同时在宏观和微观上都有非常清晰的表现，它能把视觉从以前静态的观察变成让视觉理解运动。”
这与当前不少VLA模型的简化设计形成对比。有行业观察者指出，许多具身模型仍偏向简化，多数VLA模型仍依赖单帧图像输入。
王昊认为，端到端模型最大的挑战在于训练复杂度和规模要求。“如果没有具备这两个条件，你选择端到端不一定有选择垂类小模型或分层模型的效果好。端到端意味着必须要有规模效应，数据量、模型参数量要上去。”此外，具身智能的评测也比语言大模型更棘手，“语言大模型可以看loss曲线，对具身来说往往不是这样，loss不能反映你在真实世界的表现，因为真实世界是闭环的系统。”
自变量的另一个核心策略是坚持真实世界的真机数据采集。王昊说，所有交互式学习和强化学习，最重要的数据都来自真机，“这个数据采集不会停，还会继续做。”但他也透露，2026年会有一个大的变化——“越来越依赖于人的穿戴式或Ego-Centric的方式采集数据”。
数据闭环的构建是自变量的另一个关键命题。王昊说：“尽早用人机协作的方式，让闭环跑起来。首先用高质量数据、大规模训练构建一个基础模型，虽然不能解决所有任务，但应该把它放到真实环境中开始做。它有做不好的地方，人就接管它，帮它从错误中恢复，这样的数据也会作为非常宝贵的来源。”他描述的是一套评测、训练和数据采集在同一过程中完成的系统。
03 为什么是家庭？
事实上，业内人士普遍判断家庭场景成熟应用需要等待5到10年，多数厂商在商业化上更倾向于工业场景——环境可控、任务单一、ROI可核算。2026年初，一批估值百亿的机器人公司涌现，而在家庭服务这个方向上，目前尚无真正意义上的成熟玩家。
王昊给出了不同的解题思路：“家庭代表最开放的环境和最广泛的任务，解决了家庭任务，就代表模型可以实现完全泛化。只有一开始就直面最复杂的场景，才能提升模型的智能化水平。不管从什么时候开始，越早开始越好，这是最重要的。”
然而，进入家庭有几个关键难点。一是零样本泛化能力——模型必须通过推理探索成功路径，而非依靠预先训练。“进入家庭一开始没有多少机会训练模型，这时候需要激发模型的推理能力，让它在家庭场景中通过推理探索出成功的例子。”二是长程操作的精细度。“现在基模进入家庭，在很多任务上有完成的趋势或动作意图，比如可以在任何物体上有伸过去抓它的趋势，但精细度不够，导致复杂长程任务时错误累积就会失败。”
王昊介绍，解决长程精细度问题有两个关键。第一是激发模型的推理能力，“让语言结合视觉进行推理，语言、视觉、动作在同一个水平下形成思维链，让机器人自己规划和反思。”第二是在大规模真机情况下做强化学习，“保持在基模标准下达到更高标准的空间精度。”
王昊预估“普通清洁、收纳这类任务，可以在1到2年时间实现完全自主。但要在所有家庭任务中实现闭环，时间可能要再长一点。”
这与自变量CEO王潜的表述形成呼应。王潜曾在采访中提到，今年内就能看到机器人以正ROI的方式实现商业化落地。而家庭场景的推进节奏显然更慢，但也更长远。
回到当下具身智能赛道最关心的争议性话题，技术路线选择与商业化孰轻孰重？
“在具身这个事情上，为了商业而牺牲技术而取得的成绩天花板不会高，真正高的天花板是商业与技术协同，由技术逐步推动商业的发展。”王昊认为，自变量的主线是让基模不停向前迭代，“但有一点，不要在垂直场景做太多模型系统，为了落地而做很多工程上的弥补。比如发现机器人在视觉上有盲区，就搞一个小模型来检测。短期来看可以帮助加快落地，但长期来看对基模的提升是危害的。”
这种坚持对应着自变量在场景选择上的逻辑——选场景的第一个依据是看它能否反哺基模能力。“不是说你先把技术做到完全泛化，再去考虑场景。恰恰相反，场景给你迭代，迭代让基模更强，更强的基模再反哺商业，才能形成完整的闭环。”
他透露，做基础模型的投入一直很高，公司从成立第一天起就在数据、算力和基础设施上大规模投入。“一旦建立规模化效应，当你投入10倍资源取得领先的时候，资源聚集效应会越来越明显，你会以数量级的优势在速度上超越别人。越早开始越有优势，越晚开始就越难做成。”
智东西
作者 | 程茜
编辑 | 心缘
智东西4月3日消息，今日，小米科技创始人、CEO雷军宣布，小米MiMo大模型调用量超过1万亿Token，并面向全球开发者推出订阅式API调用套餐MiMo Token Plan，购买套餐的用户还可以获得新模型优先内测体验权。
雷军关于MiMo大模型的两条微博（图源：微博）
Xiaomi MiMo Token Plan包含4档套餐：
Lite套餐39元/月：套餐每月包含6000万Credits，可执行约120个中等~复杂任务，适合刚接触AI开发的探索者。国际开发者6美元（约合人民币41.3元）/月。
Standard套餐99元/月：套餐每月包含2亿Credits，为Lite套餐用量的3.3倍，可执行约400个中等~复杂任务，为日常依赖AI提效的办公与开发者用户打造的主力方案。国际开发者16美元（约合人民币110.1元）/月。
Pro套餐329元/月：套餐每月包含7亿Credits，为Lite套餐用量的11.7倍，可执行约1400个中等~复杂任务，面向将AI深度嵌入工作流的专业用户。国际开发者50美元（约合人民币344.1元）/月。
Max套餐659元/月：套餐每月包含16亿Credits，为Lite套餐用量的26.7倍，可执行约3200个中等~复杂任务，为全天候高强度使用的开发者准备，近乎无限制的使用体验。国际开发者100美元（约合人民币688.2元）/月。
所有套餐首次购买均享受88折优惠，仅限一次，四档套餐的优惠价格为34.32元/月、87.12元/月、289.52元/月、579.92元/月。
根据官方信息，该计费方案采用的是按token使用量换算Credits消耗量：
MiMo-V2-Omni 256k上下文：1x（消耗1 Token=1 Credit）
MiMo-V2-Pro 256k上下文：2x（消耗1 Token=2 Credits）
MiMo-V2-Pro 256k~1M上下文：4x（消耗1 Token=4 Credits）
MiMo-V2-TTS：0x（限时免费，不消耗Credit）
此外，套餐订阅中没有5小时token使用限额，开发者可以集中消耗Token，进行高强度养龙虾或编程。
该套餐支持旗舰基座大模型MiMo-V2-Pro、全模态智能体基座模型MiMo-V2-Omni、语音智能体基座模型MiMo-V2-TTS模型，兼容OpenCode、OpenClaw、Claude Code等主流开发工具链。
在全球最大API聚合平台OpenRouter上，本周，MiMo-V2-Pro的API调用量登顶，超越全球Claude、阿里千问、谷歌Gemini、MiniMax、DeepSeek、智谱等一众主流模型。
MiMo官方小红书账号和雷军的微博下方，不少网友已经开始晒订单。
有网友在微博下呼吁让小米做个App，雷军回复“去催一下”。
不少网友直呼价格太贵，便宜的套餐不够用。有用户称自己前两周使用了接近4亿Token、还有人5天使用了1.3亿Token，按照Token和Credits的比例来计算，Xiaomi MiMo Token Plan的最低档39元套餐、第二档99元套餐都不够用来“养龙虾”，并对比了腾讯的本地虾QClaw现在每天还会送免费Token。
微博网友称重度用户使用99元套餐只够2天，另一网友让小米考虑出时间更长的合约套餐，如2年合约附赠小米手机龙虾MiClaw的体验资格。
MiMo Token Plan的官方答疑帖还提到几个注意事项：
1、仅支持跨等级的套餐补差额升级，不支持套餐降级。开发者如果在套餐过期之前想获得更多额度，支持将已使用的Credits额度换算为对等金额，在此基础上补差价以升级至更高套餐，获得更多Credits。
2、暂不支持连续包月/包年支付，仅支持一次性购买，将在一周内上线自动续费功能。
3、套餐到期Credits还没用完，不支持结转。套餐到期后即停止服务，开发者需要重新订阅新套餐，且新套餐不包含旧套餐未使用完的额度。
4月3日，2026太空算力产业大会”在北京举行。在大会现场，国星宇航COO刘京晶介绍称，国星宇航已成功完成了全球首次基于太空计算的硅基智能体全域协同控制技术验证，并通过了中国信通院的测试。
该系统的核心能力是依托在轨卫星的太空算力与星上大模型推理能力，通过星地链路与OpenClaw智能r网关，实现对地面硅基智能体的远程控制。
基于该系统，国星宇航-上海交通大学太空计算联合实验室已完成全球首次OpenClaw调用太空算力操控地面机器人任务，跑通了“太空AI智能指挥地面机器人”的闭环。
每经AI快讯，4月3日下午，京东宣布京东团购上线，全国首批百城百万餐饮门店开启试运营。
近日，在2026中关村论坛年会上，小米MiMo大模型负责人罗福莉表示，在接下来一年里，AGI进程中最关键的一件事是“自进化”。 罗福莉认为，借助强大的模型与Agent框架，在可验证的约束条件下让模型持续迭代优化，模型便能自主学习和进化，拿出更优方案。她预测，未来一到两年内，大模型叠加自进化框架，将对科学研究带来指数级加速，这并不仅仅是替代人力，而是让AI像顶尖科学家一样探索未知。
近日，互联网又有新鲜事了，员工离职后还能变成AI数字人继续打工。
据了解，有网友分享GitHub上有一个名为“colleague-skill”的开源项目，该项目可以实现同事“赛博永生”。把员工的工作数据、文档、聊天记录等训练成AI，即便员工离职，仍能用AI继续承担部分工作。
与此同时，已经有网友分享，自己的离职同事被公司“炼化”成数字人，开启赛博打工了。
在员工离职后，公司把该离职员工的聊天记录、工作文档全部喂给skill大模型。通过模型的学习和训练，自动生成该员工“AI数字人分身”。
更绝的是，还可以给在职员工发消息，模仿离职员工的语气、工作习惯，根据在职期间的文档去做交接工作、回答问题。
看到这波操作，不少网友表示，“数字生命永生了属于是”、“每一个冰冷的同事，最后都被蒸馏成了温暖的数字碎片。”
还有网友玩梗称，上班搭子离职了怎么办？别慌，把他蒸馏成skill。
更有网友调侃道，“辞员变词元了。”
对此，你怎么看？
财联社4月3日电，在北京经开区（亦庄）今日举办的2026太空算力产业大会上，“太空算力关键共性技术攻关榜单”（以下简称“揭榜挂帅”项目）发布。该项目由北京经开区管委会主导，聚焦可回收火箭、太空光伏、激光通信、抗辐照芯片等太空算力产业链核心环节，通过“企业出题、协同攻关、产业验效”的创新路径，以真实产业需求牵引技术突破，全面激活行业创新动能。“揭榜挂帅”项目将在2026年度陆续发布榜单，计划支持10个项目，单个项目最高资助金额达1000万元。(财联社记者 郭松峤）
《科创板日报》3日讯，在今日2026太空算力产业大会上，工业和信息化部信息通信发展司副司长赵策致辞表示，为扎实有序推动太空算力产业发展。谈三点建议：
首先一是强化协同联动，谋划引导太空算力建设应用的政策措施，强化机制保障。支持有条件的地方立足自身优势，因地制宜先行先试；
二支持相关单位积极开展太空算力技术前瞻性研究，逐步建立覆盖软硬件，网络，安全等环节的标准体系，推动星载抗辐射芯片，星间激光通信等技术和产品研发，提升全栈技术能力，夯实产业发展基础;
三是强化应用牵引，培育应用场景和服务模式。围绕遥感实时处理，通信增强，时空信息等场景发掘太空算力应用，探索"通导遥算"一体化服务创新。支持在低空经济，应急通信等领域开展数据在轨处理，通过实际场景应用加速技术迭代与商业循环。促进算力与卫星互联网等融合发展，加快太空算力产业生态培育。（记者 李明明）