据苹果公司知情人士透露,苹果正在测试使用3D打印机来生产一些即将推出的智能手表使用的钢制底盘,这预示着该公司制造工艺将发生重大变化。
该技术将避免用大块金属板切割成产品形状的工艺。据知情人士称,这将加快制造零件所需的时间,同时通过使用更少的材料有助于改善环境,他们要求对此计划及相关公司进行保密。

新方法有可能简化苹果的供应链,并掀起更广泛的制造变革。知情人士表示,如果与Apple Watch的合作按计划进行,这家科技巨头将在未来几年会将这一过程扩展到更多产品。这家总部位于加利福尼亚州库比蒂诺的公司的发言人拒绝对此发表评论。
迄今为止,苹果对其不锈钢手表采用了更传统的制造方法,约占产品线总量的10%。一种被称为锻造的过程,用于将材料块形成接近设备尺寸的较小金属块。然后使用CNC或计算机数控机床进行精确地切割和按钮孔的制作。
而新工艺采用被称为粘合剂喷射的3D打印技术来制作接近其实际尺寸的零件的总体轮廓,或在制造中称为“近净形状”。打印材料是用粉末状物质制成,然后经过一个称为烧结的过程,使用热量和压力将材料挤压成类似传统钢的物品,再进行铣削出精确的轮廓与孔径。
此消息一出,立即提振了3D Systems Corp.和Stratasys Ltd.等3D打印公司的投资者信心。3D Systems的股价飙升了10%,而Stratasys上涨了6.9%。这些股票后来回落了一些涨幅。但同时也引发了苹果股票的价格上涨了1.8%至187.46美元。
苹果及其供应商已经悄悄开发这项技术至少三年。在过去的几个月里,他们一直用于Apple Watch Series 9的钢壳进行测试,该表壳将于9月12日亮相。据彭博社报道,智能手表将获得性能和表壳颜色方面的提升,尽管其外观将基本保持不变。
目前还不能保证新钢制的Apple Watch的第一批产品将全部采用改进的新工艺制造,但当前的测试运行表明公司对这种方法的可行性是认可的。苹果还计划将这一工艺应用于其钛金属Ultra手表,这要到2024年才能开始采用。
此方法有益于环境保护,因为它仅使用创建设备外壳所需的近似金属。其他知情人士表示,在另一项迈向可持续发展的举措中,苹果计划使用新材料来取代其一些新iPhone外壳和其他配件中使用的皮革。
3D打印工作由苹果的制造设计团队领导,该团队由公司副总裁Rob York监督,并向运营主管Sabih Khan报告。对于苹果及其供应商来说,转向3D打印表壳是一项昂贵的改造,但它被证明可以简化生产并随着时间的推移降低成本。目前,采用新工艺的表壳成本与之前的方法一致。
这项工作仍处于起步阶段,目前只有小批量的产品采用。当前大多数Apple Watch外壳都是铝制的而不是不锈钢。该公司尚未使用该材料大规模生产3D打印外壳方面取得进展,这种材料也用于Mac和iPad以及低端iPhone。还在探讨如何将钢和钛等可以进行3D打印的材料带到更多设备上。
该计划是使用粘结剂喷射大规模生产大批量金属零件的首批案例之一。让Apple Watch成为新技术的测试案例是该公司模式的一部分。例如,苹果在iPhone出现在最初的Apple Watch上两年后,就为iPhone添加了钢框架。而今年的高端iPhone将在Apple Watch Ultra上首次亮相一年后使用钛。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。