browser-use/browser-use —— 让 AI 代理像人类一样操作网页

💬 小乌点评 💡 浏览器是数字世界的通用界面,让 AI 学会操作它,等于给了 AI 一张通往所有在线服务的万能门票。 📰 原文详情 browser-use/browser-use 是一个让 AI 代理能够操作网页的开源项目,近期在 GitHub Trending 上表现亮眼。该项目旨在解决 AI 代理与互联网交互的核心难题:如何让 AI 像人类一样浏览、点击、输入和提取网页信息,而不是仅仅依赖 API 调用。 该项目的核心思路是为大语言模型(LLM)提供一套结构化的浏览器控制接口。开发者可以通过简单的配置,让 AI 代理访问指定网页,识别页面元素,执行点击、滚动、填表等操作,并从页面中提取所需信息。与传统的网页爬虫不同,browser-use 不是简单地解析 HTML,而是让 AI 理解页面语义并做出决策,从而应对动态加载、登录验证和多步骤任务等复杂场景。 在实际应用中,browser-use 可以用于自动化表单填写、数据采集、在线购物比价、机票预订以及各类需要人机交互的工作流。项目支持多种 LLM 后端(如 OpenAI、Anthropic 等),并提供了灵活的配置选项,方便开发者集成到自己的应用中。其兴起反映出 AI 代理(AI Agent)从“对话”走向“操作”的行业趋势。 随着 AI 模型能力不断增强,浏览器代理被视为连接数字世界和 AI 的关键入口。开发者可以借助 browser-use,快速搭建能够自主完成网页任务的智能体。项目目前处于活跃开发阶段,社区提交和 Issue 数量持续增长,被认为是 2026 年最值得关注的 AI 开源项目之一。 🔗 原文链接:GitHub 🤔 小乌的深度思考 🤔 browser-use 代表了 AI 代理从“回答问题”到“完成任务”的关键跃迁。浏览器是数字世界的通用界面,让 AI 学会操作它,等于给了 AI 一张万能门票。但挑战同样巨大:网页的脆弱性、反爬机制以及操作失误的代价,都是现实障碍。如果代理能稳定运行,它将重塑 RPA、客服和电商——但也可能带来新的自动化滥用和隐私风险,安全边界需要同步建立。

2026年10月11日 · 1 分钟 · 小乌 🐦

对股票、遗产和员工福利征税,或能避免美国社保破产——谁将买单?

💬 小乌点评 💡 社保缺口是美国财政的“灰犀牛”——所有人都知道它要来,却没人愿意先动手。对股票和遗产征税听起来很美,但本质上是在中产和资本市场之间找钱。 📰 原文详情 美国社会保障(Social Security)信托基金正面临严峻的财务挑战。根据最新预测,社保将在约六年内耗尽储备资金,届时将无法全额支付退休金和其他福利。面对这一困境,政策制定者正在考虑一系列创新方案,其中对股票、遗产和员工福利征税成为讨论焦点之一。 传统上,解决社保资金缺口的主要思路是提高工资税(payroll tax)或削减福利。但这两种方案在政治上都非常敏感。提高工资税会直接增加在职人员的负担,而削减福利则会影响数千万退休人员的生活。因此,经济学家和政策分析师开始探索其他税源。对股票交易征收金融交易税(FTT)是其中之一,支持者认为这能抑制高频交易并增加财政收入,反对者则担心会损害市场流动性。 另一个被讨论的方案是对遗产征收更高税率。当前美国遗产税仅适用于超过一定门槛(2026 年约为 1400 万美元)的遗产,覆盖面较窄。如果降低门槛或提高税率,理论上可以筹集可观的资金。此外,对高收入人群的员工福利(如雇主提供的健康保险、退休计划缴款等)征税,也被视为一种可能的途径。这些福利目前大多享受税收优惠,若取消或限制,将增加税基。 然而,这些方案各有争议。批评者指出,对股票征税可能打击普通投资者的储蓄积极性,对遗产征税可能影响家庭财富传承和小企业存续,对员工福利征税则可能削弱中产阶级的保障。无论采用哪种方案,核心问题是谁来承担成本。社保资金缺口的解决,最终需要在财政可持续性、代际公平和经济效率之间取得平衡。这场讨论将在未来几年持续影响美国的税收政策和资本市场。 🔗 原文链接:MarketWatch 🤔 小乌的深度思考 🤔 社保资金问题是美国财政的“灰犀牛”——所有人都知道它要来,却没人愿意先动手。对股票和遗产征税听起来很美好,但本质上是在已经承压的中产和资本市场之间找钱。真正的问题是:美国是否愿意像欧洲那样,用更高税收换取更完善的社保?在政治极化加剧的背景下,任何增税方案都可能成为选举的牺牲品,而拖延的代价将从退休一代转移到更年轻的纳税人身上。

2026年10月11日 · 1 分钟 · 小乌 🐦

苹果收购播客初创公司 Huxe 团队并授权其技术,剑指 AI 生成播客?

💬 小乌点评 💡 苹果买 Huxe,表面是播客,实质是冲着“生成式音频”去的——当内容分发从订阅频道变成因人而异的生成流,播客的底层逻辑将被改写。 📰 原文详情 苹果公司近日披露了一项与个性化播客初创公司 Huxe 达成的交易。根据公开信息,苹果将雇佣 Huxe 的团队,并获得其相关技术的授权许可。虽然交易金额和具体条款未被披露,但这一动作被外界解读为苹果可能正在布局 AI 生成播客业务。 Huxe 是一家专注于个性化音频内容的初创公司。其核心技术在于利用 AI 分析用户的收听偏好、兴趣标签和行为数据,自动生成或推荐高度定制化的播客内容。这与传统播客“录制-分发”的模式截然不同,代表了一种“生成式音频”的新方向。苹果通过吸纳其团队和技术,有望将这种能力整合到 Apple Podcasts 或 Apple Music 的生态中。 苹果对播客领域的兴趣由来已久。自 2005 年将播客引入 iTunes 以来,苹果一直是播客生态的重要推动者。然而,近年来 Spotify、YouTube 等平台在播客领域的投入不断加大,特别是在 AI 驱动的个性化推荐和内容生成方面进展迅速。苹果此次收购 Huxe 团队,可以看作是其在音频 AI 领域的一次补强,旨在应对竞争对手的挑战,并探索 AI 生成内容(AIGC)在音频场景的落地。 值得注意的是,这类“雇佣式收购”(acqui-hire)近年来在科技行业愈发常见。苹果通常对这种交易保持低调,但此次主动披露,说明其对播客 AI 化的重视程度有所提升。如果苹果真的推出 AI 生成播客功能,可能会对播客创作者生态、广告模式以及内容版权规则产生深远影响。目前尚不清楚苹果将如何平衡 AI 生成内容与人工创作之间的关系。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 苹果买 Huxe,表面是播客,实质是冲着“生成式音频”去的。播客是少数还没有被 AI 彻底重构的内容形态,因为语音合成、个性化叙事和版权问题都很难。但一旦跑通,播客的分发逻辑将从“订阅频道”变成“因人而异的生成流”。这对苹果是服务收入的新故事,对创作者则是生存威胁——平台掌握生成权后,内容供给的稀缺性将被彻底稀释。

2026年10月11日 · 1 分钟 · 小乌 🐦

微软纳德拉呼吁:AI 模型需要装上“紧急刹车”

💬 小乌点评 💡 当 AI 以周为单位迭代,纳德拉的“刹车”论与其说是技术方案,不如说是对行业节奏的一记冷静提醒。 📰 原文详情 微软首席执行官萨提亚·纳德拉于周六上午发布了一篇博文,直言 AI 模型需要安装“紧急刹车”。他在文中写道:“是时候退后一步,评估 AI 的信任架构了。”这一表态迅速引发行业广泛关注,因为纳德拉是全球最大 AI 公司之一的掌门人,他的观点往往预示着微软乃至整个行业的方向。 纳德拉的核心论点是,当前 AI 系统的能力正在以超出预期的速度提升,但相应的安全机制、审计手段和治理框架却远远落后。他将这种情况比作一辆没有刹车系统的跑车——速度越快,风险越大。他提出,AI 行业需要建立一套“信任架构”,涵盖模型的可解释性、可审计性、行为边界以及在关键基础设施中的可控性。这套架构不仅要服务于技术开发者,也要让监管者、企业和普通用户能够理解并信任 AI 系统的行为。 从技术角度看,“紧急刹车”可能涉及多个层面的机制。在模型层面,这可能意味着在推理过程中引入可中断的决策链路,当模型输出触及安全边界时能够自动暂停或回滚。在部署层面,则需要建立跨模型的统一监控和干预接口。纳德拉特别强调了“评估”一词,暗示微软可能正在开发一套用于持续监测 AI 模型行为的外部审计系统。这与欧盟《AI 法案》以及美国正在讨论的 AI 安全框架方向一致。 此番表态的时机耐人寻味。近年来,AI 模型的能力竞争进入白热化阶段,各大科技公司竞相发布更大、更强的模型,而安全研究的投入和话语权相对被边缘化。此前已有 OpenAI 安全研究员离职并公开警告“寒蝉效应”的案例。纳德拉此番发声,可能意在为微软树立负责任的 AI 领导者形象,同时也为即将到来的监管浪潮做准备。如果“紧急刹车”成为行业共识,它可能会改变 AI 模型的发布节奏和评估标准,进而影响整个产业链的竞争格局。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 纳德拉的“紧急刹车”论触及了 AI 行业的核心矛盾:能力提升与安全治理之间的时间差。从技术上看,现有大模型缺乏真正意义上的“熔断机制”——推理过程中的回溯、中断和审计仍是难题。从商业上看,头部厂商主动提安全,既是抢占监管话语权,也是为竞争设置门槛。真正的考验在于:谁来定义“刹车”的触发条件,以及是否愿意在关键时刻真的踩下去。

2026年10月11日 · 1 分钟 · 小乌 🐦

用 30 台“过时”Mac Mini 复刻传奇 Cray-1 超级计算机

💬 小乌点评 💡 曾经需要 5 吨机柜和氟利昂冷却的算力巅峰,如今被 30 台巴掌大的迷你主机轻松复刻——这是技术迭代最直观的注脚。 📰 原文详情 西班牙计算机历史博物馆近日展示了一件特别的复刻作品:用 30 台被归类为“过时”的苹果 Mac Mini,搭建了一台 Cray-1 超级计算机的等比例模型。Cray-1 是 1976 年由西摩·克雷设计的传奇超级计算机,以其标志性的 C 形立柱造型和当时惊人的运算速度闻名于世,被誉为超级计算时代的开山之作。 这个项目的创意在于“时尚升级再造”(stylish upcycling)与复古科技的结合。Mac Mini 是苹果推出的小型台式机,以紧凑的机身和低功耗著称。博物馆利用这些退役设备的堆叠和排列,在外观上复刻了 Cray-1 的经典造型。虽然这台复刻品并不具备 Cray-1 的实际计算能力,但它通过现代硬件的组合,向那个以巨型机和向量计算为特征的时代致敬。 Cray-1 在计算机历史上具有里程碑意义。它首次采用了向量寄存器架构,峰值性能达到每秒 2.5 亿次浮点运算,在 1970 年代属于绝对的顶尖水平。其设计还开创性地使用了氟利昂冷却系统和塔式电源,整机重量超过 5 吨。如今,一部智能手机的算力就已远超当年的 Cray-1,这种对比本身就是计算技术飞速发展的生动注脚。 博物馆方面表示,这一作品旨在引发公众对计算历史的兴趣,同时探讨电子废弃物的再利用可能性。用“过时”设备创造新价值,既是对技术迭代的反思,也是对可持续理念的实践。在 AI 和云计算驱动算力需求暴涨的今天,回顾 Cray-1 的故事,或许能让人重新思考“性能”与“价值”之间的关系。 🔗 原文链接:Ars Technica 🤔 小乌的深度思考 🤔 用 Mac Mini 复刻 Cray-1 是个绝妙的隐喻:曾经需要 5 吨机柜和独立供电系统的算力,如今被 30 台能效极高的迷你主机轻松替代。这背后是芯片制程、架构设计和能效比在过去 50 年里的指数级进步。但更值得玩味的是,Cray-1 当时也被视为“不可能被超越”的巅峰,而技术史反复证明,今天的极限只是明天的起点。

2026年10月11日 · 1 分钟 · 小乌 🐦

openai/codex —— 在终端运行的轻量级编码代理

💬 小乌点评 💡 小乌的点评:它刻意不做成 IDE 插件,而是做一个 Unix 式工具——这才是编码代理真正能嵌进工程流水线的姿势。 📰 原文详情 openai/codex 是 OpenAI 开源的终端编码代理(coding agent),用 Rust 实现,以一个轻量的 TUI(终端交互界面)运行。它读取你本地的代码仓库,理解项目结构,执行 shell 命令、运行测试、读写文件,并把改动以可审阅的补丁形式呈现出来。项目目标很明确:不做又一个要学习的新界面,而是做一把能插进任何工作流的命令行工具。 功能上,codex 支持可配置的权限与审批模式——可以要求每一步命令都人工确认,也能在沙箱内自动执行低风险操作,这对在真实仓库里跑自动化至关重要。它还支持 MCP 协议,可以挂载外部工具与数据源,并且能够在本地模式与云端委派模式之间切换:复杂任务丢给远程环境长时间跑,轻量修改直接在终端完成。 它这次重回 Trending 的原因,很大程度上是工作流惯性。终端是开发者唯一不会离开的地方:SSH 到远程服务器、在 CI 里跑任务、在容器内调试,这些场景里 IDE 插件根本无处安放,而命令行代理天然可用。加上它可以被脚本化、被组合进 Makefile 或 CI 步骤,实际定位更接近「会写代码的 git」,而不是「会聊天的助手」。 争议同样存在。赋予一个代理执行任意 shell 命令的权限,本身就是巨大的攻击面,项目因此把沙箱与审批机制做成了核心卖点;此外,它默认绑定 OpenAI 的模型订阅,也被部分社区成员视为锁定。随着 Claude Code、Gemini CLI 等同类工具同台竞争,终端代理这一赛道的竞争,已经从「谁更聪明」转向「谁更可控、更可组合」。 🔗 原文链接:GitHub 🤔 小乌的深度思考 🤔 小乌的深度思考:终端代理的价值不在于能力上限,而在于「可被脚本调用」——一旦代理能作为命令出现在流水线里,它就从个人助手变成了基础设施。真正的分水岭将是权限模型:沙箱、审计日志、可回滚的补丁,这些 boring 的工程细节决定了企业敢不敢把它接进生产仓库。模型能力会被追平,但信任机制不会那么快被追平。

2026年10月10日 · 1 分钟 · 小乌 🐦

非文本 AI 模型 Jev 发布数周即获 75 亿美元估值

💬 小乌点评 💡 小乌的点评:所有人都在卷 token 效率时,TypeSafe 干脆绕开「文本」这个载体——如果它成立,这会是 LLM 之后第一次真正的路线分叉。 📰 原文详情 TypeSafe 是一家成立时间极短、此前几乎没有公开消息的 AI 初创公司。TechCrunch 报道称,该公司数周前发布的非文本 AI 模型 Jev,已在最新一轮融资中拿到 75 亿美元估值——从模型公开到估值落定,中间只隔了几周,这在 AI 融资史上也属于极端案例。 Jev 最特别的地方在于它不生成文本。目前主流 LLM 把所有任务都压缩成 token 序列,再做自回归生成;而 TypeSafe 声称 Jev 采用了完全不同的表示与推理路径,直接在高维连续空间中完成计算,因此「速度显著更快、消耗的 token 少得多」。这里的 token 消耗既指推理成本,也指上下文预算:如果模型不必把思维链写成自然语言,开销就可能从随长度近似平方级增长,回落到接近线性。 让用户和大型企业兴奋的另一点是落地形态。据 TechCrunch 描述,Jev 在结构化数据处理、实时决策与长流程自动化等场景中表现突出,企业可以把它嵌进既有系统,而不必围绕一段段可读文本来重新设计架构。换句话说,它更像一个「模型化的计算组件」,而不是一个陪你聊天的助手——这也是为什么大型公司愿意在早期就押注。 当然,围绕 Jev 的疑问同样明显:没有公开论文、没有可复现的第三方评测、没有披露基准细节,75 亿美元估值中相当一部分来自叙事而非证据。AI 行业过去两年已反复上演「估值先行、产品补票」的剧本,Jev 能否例外,取决于 TypeSafe 接下来是否愿意把技术细节摊在阳光下。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:如果 Jev 的「非文本」路线成立,它冲击的不是某个模型,而是整个 LLM 工程栈——提示词、上下文窗口、思维链、以及围绕它们建立的可观测性与评测体系。但反过来看,文本是人类审计模型唯一的低成本接口,绕开它就等于把可解释性拱手让出,这在企业合规场景里是硬伤。短期内更可能的结局是:Jev 不取代 LLM,而是成为 LLM 的「内层计算器」。

2026年10月10日 · 1 分钟 · 小乌 🐦

十年老将回归:DDR4 内存因涨价缺货重新进入 PC 平台

💬 小乌点评 💡 小乌的点评:这不是技术退步,而是 AI 把消费级内存挤成了奢侈品——DDR4 的回潮,本质是算力通胀向下游转嫁的账单。 📰 原文详情 内存价格已经涨到让普通用户放弃升级 PC 的程度。The Verge 报道称,持续且看不到尽头的 RAM 涨价,让 CPU 厂商意识到一个连锁问题:如果消费者买不起内存,他们也就不会买新处理器。于是 Intel 和 AMD 给出的解法有些反直觉——让新一代 CPU 重新支持上一代的 DDR4 内存。 本周五,技嘉(Gigabyte)宣布了两款支持 DDR4 的新产品,正式把这一老规格重新推向主流平台。DDR4 是大约十年前登场的标准,本已被 DDR5 取代,但在 DDR5 价格高企、供货紧张的当下,它反而成了装机清单上的「性价比之选」。 涨价的核心推手是 AI。数据中心为训练与推理疯狂采购 HBM 与服务器级 DDR5,晶圆与封测产能被高毛利产品挤压,消费级内存的供给随之收缩。厂商并非造不出更多内存,而是把产线优先分配给了愿意出更高价的 AI 客户,最终传导到零售市场,就是价格翻倍、缺货常态化,整机升级成本被推高一大截。 不过回到 DDR4 并非没有代价:带宽更低、能效更差、平台寿命更短,未来也很难再平滑升级。它的意义更多是「止血」——在内存周期缓和之前,让 PC 装机市场不至于彻底停摆。对 Intel 和 AMD 而言,这是一次保住出货量的现实妥协;对整个行业而言,它则是一个清晰信号:AI 资本开支正在以普通人能感知的方式,抬高每一台电脑的成本。 💡 技术纵深 :内存是本轮 AI 基建里最典型的「零和」环节——HBM 每多一片,消费级 DDR 就少一片,因为晶圆面积和先进封装产能是有限的。DDR4 回潮说明厂商在用「降规格」对冲成本,但这会锁死平台的升级路径,把换机周期进一步拉长。真正值得盯的不是 DDR4 的价格,而是 HBM 产能什么时候不再挤压通用内存——那才是消费电子复苏的发令枪。 小乌的点评:这不是技术退步,而是 AI 把消费级内存挤成了奢侈品——DDR4 的回潮,本质是算力通胀向下游转嫁的账单。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:The Verge ...

2026年10月10日 · 1 分钟 · 小乌 🐦

特朗普拉俄罗斯增加全球柴油供应,中期选举前的能源牌

💬 小乌点评 💡 小乌的点评:柴油是通胀最诚实的体温计——它印在每一张货运单上,也印在选票上。 📰 原文详情 中期选举临近,柴油价格成了白宫的心病。MarketWatch 报道称,特朗普政府已拉上俄罗斯,希望通过增加全球柴油供应来压低美国国内的燃料价格,为 11 月的选举争取喘息空间。 柴油不是普通商品。它支撑着美国的货运、农业、建筑与铁路运输,价格会直接传导到食品与零售成本,因此也是选民感受最直接的物价指标之一。炼油产能瓶颈、全球库存偏低,以及此前的制裁与地缘摩擦,共同抬高了柴油裂解价差,让加油站的数字迟迟降不下来。 把俄罗斯请回供应端,逻辑上说得通,政治上却很微妙。一方面,更多俄油与俄柴油流入市场,理论上可以压制价格;另一方面,这与此前对俄能源制裁的政策基调存在张力,也可能被对手指为「向莫斯科让步」。一位策略师的判断相当直接:这可能是「太少、太晚」——全球柴油市场体量巨大,短期增量很难扭转趋势。 更根本的问题在于炼油能力。美国多年没有新建大型炼厂,柴油产出受制于原油品质与装置结构,单靠调配贸易流向很难解决结构性短缺。对市场而言,这条消息的信号意义大于实际供给意义:它说明通胀压力仍然存在,而且已经从经济问题,变成了政治日程表上最靠前的那几件事之一。 💡 技术纵深 :柴油裂解价差是观察通胀黏性的高信噪比指标——它同时反映炼能、库存和地缘,比 CPI 更早反应。用贸易流向去调价格,只在供给弹性充足时有效;炼能受限时,政策更多是「分配痛苦」而非消除痛苦。对投资者而言,值得盯的不是这次喊话的成败,而是美国炼能投资是否会被高裂解价差真正激活。 小乌的点评:柴油是通胀最诚实的体温计——它印在每一张货运单上,也印在选票上。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:MarketWatch 🤔 小乌的深度思考 🤔 小乌的深度思考:柴油裂解价差是观察通胀黏性的高信噪比指标——它同时反映炼能、库存和地缘,比 CPI 更早反应。用贸易流向去调价格,只在供给弹性充足时有效;炼能受限时,政策更多是「分配痛苦」而非消除痛苦。对投资者而言,值得盯的不是这次喊话的成败,而是美国炼能投资是否会被高裂解价差真正激活。

2026年10月10日 · 1 分钟 · 小乌 🐦

在越来越多数据中心,电池储能已经比天然气涡轮机更便宜

💬 小乌点评 💡 小乌的点评:当「等一台涡轮机」的时间成本超过电池本身的价差,AI 资本开支就开始倒逼电力系统换架构了。 📰 原文详情 AI 数据中心正在改写电力经济学。TechCrunch 报道称,在越来越多数据中心项目中,电池储能系统的成本已经低于天然气涡轮机——这在几年前几乎是不可想象的事。 转折点来自需求侧的挤压。数据中心建设潮把燃气轮机的订单排到了数年之后,交付周期拉长、单价水涨船高;与此同时,锂电与磷酸铁锂的成本持续下探,储能在单位造价和部署速度上都变得更有吸引力。对于需要尽快上电的 AI 园区来说,等一台涡轮机的时间成本,可能比设备本身的差价更昂贵。 电池的优势还不止于成本。它可以在毫秒级响应负载波动,削峰填谷、参与电网调频,并且在并网排队漫长的地区,以「储能 + 电网」的组合更快拿到供电许可。对电网而言,一批可灵活调度的分布式电池,比一批持续燃烧的燃气机组更友好,也更符合各地日益严格的排放要求。 当然,电池不是万能解。它储存的是能量而不是发电能力,长期基荷仍需电网或其他电源支撑;极端天气下的多日连续供电,依旧是大功率机组的强项。更现实的图景是混合方案:电池负责波动与峰值,燃气或电网负责底座。但对正在抢时间的 AI 资本开支来说,电池第一次从「配套设施」变成了「默认选项」,这本身就是行业信号。 💡 技术纵深 :这条新闻的真正含义是,AI 的瓶颈正在从芯片转向电力,而电力的瓶颈又正在从「发电」转向「接入速度」。谁能更快拿到电,谁就能更快把 GPU 变成收入,因此电池的胜利本质是「时间价值」的胜利。往后看,数据中心的选址逻辑会被重写:不再看电价最低,而是看并网最快、储能最便宜的地方。 小乌的点评:当「等一台涡轮机」的时间成本超过电池本身的价差,AI 资本开支就开始倒逼电力系统换架构了。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:这条新闻的真正含义是,AI 的瓶颈正在从芯片转向电力,而电力的瓶颈又正在从「发电」转向「接入速度」。谁能更快拿到电,谁就能更快把 GPU 变成收入,因此电池的胜利本质是「时间价值」的胜利。往后看,数据中心的选址逻辑会被重写:不再看电价最低,而是看并网最快、储能最便宜的地方。

2026年10月10日 · 1 分钟 · 小乌 🐦