12月15日,原乐视CTO袁斌的创业项目,经过一年多打磨,终于与我们见面。在12月15日发布会上,袁斌正式发布了极空间私人云品牌,以及极空间Z2、Z4两款私有云产品,在平静的NAS市场激起了不小的浪花。

极空间Z2与Z4分别为两盘位与四盘位设计,分别采用了ARM平台与X86平台,外观上Z2为类肤材质,Z4为铝合金外壳。极空间 Z2已在12月16日开启预售,短短几天,目前基本全部颜色售罄。
被更多高端数码玩家关注的,外观更炫酷、性能更强劲、可扩展空间也更足的四盘位极空间Z4今日起也正式开启预售,首发期间优惠100元,4G版本到手价2499元,后续还会推出8GB版本,定价2799元,对性能有更高追求的玩家不妨期待。

外观与配置
极空间Z4相比传统NAS有着更前卫的设计,铝合金一体成形外壳配合不规则造型设计,更有艺术性。结构上,极空间Z4采用前置硬盘,后置风扇设计,风扇直径达到14cm,保证日常使用下的低噪音。

极空间Z4的具体构造可参考下方爆炸图:

配置上,极空间Z4采用了4盘位NAS中的旗舰级配置,intel J4125处理器采用4核心4线程,CPU频率可达2.7GHz。除了4个SATA3接口外,还配备了一个NVME协议M.2接口,可装载SSD用于系统加速,此外配备两个2.5Gbps网口也是极空间的一大亮点。极空间Z4私人云的具体配置可参考下表:

软件与功能
作为专精云计算与视频网站的极空间团队来说,软件才是极空间私人云的拿手好戏。甚至在发布会上极空间并没有介绍极空间Z4的硬件,而是花了60%以上篇幅在软件上。
最基础的备份功能,极空间Z2做的较为完备,文件拖拽上传、百度网盘备份、U盘备份、相册自动备份、微信文件备份、iCloud文件备份、手机文件备份、MacOS 时间机器备份、FTP文件备份等常用备份方式全部支持。文件夹的自动同步功能自然也是内置其中。

传统两盘位NAS在数据安全性上,广泛使用RAID 0、RAID 1、RAID 5三种数据备份方式,但它们的体验都不够好。极空间认为,对于普通用户来说,NAS上的数据并非所有都是需要备份,如果仅将重要的文件备份两份,是不是就可以省下大多数存储空间?目前该功能已上线,极空间称其为ZDR动态备份。
NAS的核心功能——远程访问,也是极空间私人云的优势之一。发布会上CEO袁斌称,相比国际大厂NAS的服务器转发方式,极空间可以绕过运营商防火墙、路由器防火墙等方式,实现真正的无公网IP下的高速远程访问功能,上传速度可以达到几兆,保证你在地铁或公司上流畅播放家中的影视剧。

极空间私人云的影视功能也是值得称道的,目前的NAS或是智能电视,需要通过Kodi+Emby等方式才能实现炫酷的海报墙功能,而极空间私人云,可以自动将你硬盘中的影片制作为海报墙,样式如下图。同时影片介绍、豆瓣评分等信息也是一应俱全,据悉未来极空间也要实现字幕的自动抓取功能,这是不是很令人期待?

虽然极空间私人云刚刚发布,但极空间显然已经做足了准备,电视、手机、Windows三端App均已上线。尤其是在电视端,极空间称他们已经实现了ISO、MKV等多种格式文件的播放功能,进度条可以随拖随播。
除了以上的基础功能,极空间也实现了迅雷下载、BT/PT下载、文件去重、音乐播放、安全管理等扩展功能。可以说在功能上,极空间已经做到了国内NAS厂商中的第一梯队。
据悉极空间Z4将在不久后上线Docker功能,对于极客用户来说,可以真正地把Z4作为一台小型计算机使用。期待后续极空间带来的更新。

写在最后
极空间私人云Z2与Z4作为极空间品牌的第一代产品,就实现了TV/手机/PC 三端的App,内网穿透性能出众,家庭娱乐功能也做得相当完备。相比传统大厂,极空间私人云 瞄准了更广阔的家庭用户,产品也是以互联网模式来打造。极空间在发布会上高调喊出的“破局”,正在一步步的兑现。
好文章,需要你的鼓励
机器人智能公司Inbolt将于2026年6月在芝加哥Automate展会上发布两项新能力:Inbolt机器人编程功能和扩展版机器人控制模块。新功能可让工程师直接基于CAD模型构建程序,结合视觉模型实时定位实体零件并自动调整运动路径,彻底消除传统调试中耗时数周的手动示教环节。此次更新还将原生支持安川机器人,使平台覆盖品牌扩展至六个。
浙江大学团队提出目标视角复现任务(TVR),测试AI主动导航至指定视角的能力,最强模型成功率仅12%,人类达93%,并验证了视觉示范学习与多轮强化学习的提升路径。
本文提供了一套完整的笔记本电脑深度清洁方案。硬件方面,介绍了如何用温和洗涤剂清洁机身、用微纤维布擦拭屏幕、用压缩空气清理键盘及清洁充电线的正确方法。软件方面,建议及时更新操作系统与驱动程序,删除冗余文件与临时下载内容,并通过开启Windows Storage Sense功能实现自动清理,同时将剩余文件整理归类,保持系统整洁高效运行。
这项研究提出"VLM即教师"框架,让视觉语言模型在视频生成推理时充当实时监考官,通过可微分奖励信号在线优化轻量LoRA模块,平均提升视频推理性能16.7分。