一支「被下架」影片揭中國手機評測真相:媒體送測機早就精心挑過、蘋果最老實!
一支「被下架」影片揭中國手機評測真相:媒體送測機早就精心挑過、蘋果最老實!
2026.02.25 | 3C生活

2026 年 2 月 15 日,一支影片在 中國影音平台 bilibili 悄悄上線。

沒有廠商贊助的開箱,沒有精心設計的品牌角度,甚至沒有一台「借測機」。中國知名科技媒體《極客灣》創辦人朱雲飛自費購入共 44 支中國品牌的零售版智慧型手機,用 7 分鐘的時間,在鏡頭前揭露了中國手機品牌不能說的秘密: 規格歸規格、效能規效能。

七天後,這支影片被從 B 站無預警下架。沒有侵權通知,沒有法務函件,沒有任何說明。影片消失了,連同留言區裡數萬條「終於有人說出來了!」的支持留言。

這支影片的特別之處,在於它揭露了一個產業如何系統性地欺騙消費者,以及創作者如何「戴鋼盔說真話」的範例。

媒體「送測機」的真相:手機早就被提前「最佳化」

手機廠商向媒體提供「送測機」(又稱「媒體機」)早已是業界慣例。表面上,這是廠商協助媒體完成評測的正常流程;實際上,這套機制已演化出一整套精密的「效能特調」體系。

所謂「特調」,包含幾個層次。第一層是 硬體篩選 :廠商從出廠批次中挑選晶片效能最優的個體,組裝成專供媒體的樣機,使其在最大功耗、最高頻率上的表現顯著優於消費者實際買到的隨機零售機。

第二層是 軟體調度最佳化 :送測機韌體對過熱降頻的臨界值有所放寬,允許 SoC 在更高溫度下維持峰值效能,而這在零售機上並不被允許,因為長期使用會影響使用者體驗。

但第三層才是這次《極客灣》揭露的核心: 白名單識別機制

測試發現,部分 Android 手機搭載了針對一線評測 KOL 的識別邏輯。當系統偵測到已知評測者慣用的特定測試 App 時,便會自動進入「效能全開模式」—— 預先載入、全頻率、高採樣 ——以此衝高評測數據。

驗證實驗的結果一翻兩瞪眼:當測試場景切換至一個空白的、非白名單的中性 App 時,iPhone 系列的觸控延遲直降 20ms,一舉躍居前段班;而多款 Android 旗艦的延遲數值紋絲未動。

結論很清楚:這些手機的「最佳化」是有條件的—— 認得出你,最佳化就在;認不出你,最佳化就消失。

補幀:一種新型跑分作弊的傳播路徑

除了白名單機制,《極客灣》這次橫向評測還記錄了一種更具戲劇性的作弊手段演化史: 遊戲幀率補幀

補幀本身是一種視覺技術,透過演算法補充兩幀之間的過渡畫面以提升觀感流暢度。然而在評測場景中,它被轉化為一種可量化的數據美化工具——透過人工補幀,1% Low 幀率數字(即最低 1% 幀率的均值,衡量「卡頓感」的核心指標)可以被直接拉高,讓帳面數據顯得格外亮眼。

《極客灣》記錄了這一作弊手法的傳播脈絡:由紅魔首發,榮耀發揚光大,iQOO 隨後跟進。令人心寒的是,從單一廠商的邊緣嘗試,到多家指標性品牌的集體默許,這個週期竟不超過兩年。

榮耀的「幻影穩幀」功能採用三重緩衝機制,確實能有效消除可感知的卡頓,但代價是每幀額外引入 0 至 2 幀的輸入延遲。對一般使用者而言,操作看上去更流暢;對職業電競玩家而言,操作的反應卻實際變慢了。

iQOO 15 Ultra 的案例更具代表性。其帳面幀率數字亮眼,但深度分析揭示合成器層(Compositor)與遊戲幀率層之間存在 VSync 脫節問題,導致幀時間出現不規則漂移,也就是說你看到的是「滿幀」,但手感仍然輕微抖動,只是評測工具測不出來。

哪些廠商被點名不老實?

根據《極客灣》評測結果,幾乎所有 Android 手機廠商都在媒體評測機上進行了特調,而蘋果(Apple)是極少數完全沒有特調、表現最老實的廠商(新測的零售機甚至因為 iOS 系統最佳化,表現比當初的媒體機更好)。

以下是各廠商的具體狀況:

  • 一加(OnePlus): 一加 15 媒體機可以滿幀堅持 30 分鐘,但零售機只能堅持 15 分鐘就開始降頻。一加 Ace 6 / Ace 6T 等次旗艦機型同樣存在明顯的特調,對比功耗便可發現特調幅度相當大。

  • iQOO(愛酷): iQOO 15 的作弊幅度比一加有過之而無不及,同樣只能滿幀 15 分鐘就降頻,功耗還遠高於媒體機。iQOO 15 Ultra 在測試《崩壞:星穹鐵道》時,利用「渲染與輸出解耦」機制,讓合成器固定以 60Hz 節奏更新螢幕,但不等待遊戲實際的渲染幀,導致測試軟體讀到完美的 60fps,但玩家實際遊玩時幀數卻在漂移,手感忽快忽慢。

iQOO 15
在測試中,iQOO 15 只能滿幀 15 分鐘就降頻,功耗還遠高於媒體機。
圖/ iQOO
  • vivo(搭載天璣 9500 機型): X9 系列媒體機在 900 多 P 解析度下能跑滿幀,零售機卻直接掉到 50 幀出頭。vivo V 系列零售機雖然在 700 多 P 下接近滿幀,但功耗比媒體機高出 1.3 瓦。

  • 小米(Xiaomi): 小米 17 系列首發媒體機強制開啟且無法關閉「VRS 可變著色率」,透過損失畫質換取效能;上市後零售機雖可關閉 VRS,但效能調度明顯不如媒體機,功耗也高出一大截。

  • 紅米(Redmi): K90 標準版與 Turbo 5 Max 特調幅度極大,零售機實際效能比媒體機差了不少。(K90 Pro Max 則是少數作弊幅度不大的例外。)

  • 榮耀(Honor): Magic 8 Pro 零售機不僅幀率降低,功耗還高了 1 瓦,發熱量大幅增加。榮耀 Win 零售機雖穩幀依舊,但功耗暴漲 1.7 瓦(突破 8 瓦),後半段因過熱無法像媒體機那樣頂滿幀率,1% Low 幀遠遜於媒體機。

榮耀 Magic 8 Pro
據評測,Magic 8 Pro 零售機不僅幀率降低,功耗還高了 1 瓦,發熱量大幅增加。
圖/ 榮耀
  • 努比亞(Nubia)與紅魔: 兩者均是「累犯」,零售機效能雖強悍,但功耗普遍比媒體機高出一大截。

這套方法論為何難被複製?

理解《極客灣》這次測試的代價,才能理解為什麼這樣的評測幾乎從未出現過。

首先,自購 44 台旗艦手機,涵蓋高通驍龍 8 Elite、聯發科天璣 9400 及蘋果 A18 系列的主要機型,以 2026 年旗艦機均價估算,總採購成本超過人民幣 40 萬元(約新台幣 180 萬元)。對多數獨立頻道來說是很高的支出。

其次,本次測試引入了多個新維度:1% Low 幀率(而非傳統的平均幀率)、觸控採樣率、鏈路延遲(從觸控輸入到畫面反應的全鏈路時間),以及《極客灣》自建的 5G 核心網路用於高溫壓力測試標準化。每個維度的建立,背後都是數個月的測試框架設計與反覆校正。

第三是反作弊設計。《極客灣》的核心方法論創新在於設計了一套廠商「難以事先針對性應對」的測試場景,包含非白名單環境的對照組,也就是測試廠商是否預判了你對評測工具的預判。

iPhone 的「誠實」是一種特殊的優勢

這次橫向評測最反直覺的發現之一,是蘋果的雙重面貌。

在效能與能效維度,iPhone 17 Pro Max 以 5.1W 的功耗實現滿幀輸出,iPhone 17 Pro 功耗甚至低至 4.9W,能效比均大幅領先所有 Android 旗艦(相同幀率下,Android 機普遍需要 6W 至 8W 以上)。

但在觸控延遲測試中,iPhone 17 系列意外敬陪末座,延遲約 60ms,遠高於榮耀 WIN 的 35ms(480Hz 觸控採樣率)與 iQOO 15 的 35ms。

iPhone 17 Pro宇宙橙室內燈光
在測試中,在效能與能效維度,iPhone 17 Pro Max 以 5.1W 的功耗實現滿幀輸出。
圖/ 隋昱嬋攝影

這兩個數據放在一起,得出的結論並非「iPhone 不適合打遊戲」,而是一個更深的觀察: 蘋果的觸控延遲問題是真實的、對所有使用者一視同仁 ;而部分 Android 的觸控延遲「優勢」,是白名單機制製造的幻覺。

也就是說,蘋果不會因為偵測到你是《極客灣》就表現更好,也不會因為你是普通用戶就表現更差。

延伸閱讀:蘋果春季新品預測!5款產品連番登場:平價MacBook、iPhone 17e···規格亮點一次看

下架的七天:一場失控的資訊戰

2026 年 2 月 22 日下午,《極客灣》發現影片在 B 站消失,平台未發出任何侵權通知。朱雲飛隨即在 B 站動態寫道:「這次下架並不是走法務途徑,是直接下架,沒有侵權提示。」他同時宣布放棄版權保護,授權所有人自由傳播,並透過百度分享了影片原始檔。

這條動態在一小時內被刪除。雲端連結失效,B 站上由其他使用者自發上傳的備份也被逐一清除。整個清理過程的速度,暗示背後執行者對相關平台具有相當程度的快速處理能力。唯有 YouTube 版本保留了下來,並在事件發酵後迎來大量湧入的支持者。

這場資訊戰最弔詭之處在於:下架行為本身,比影片的原始內容更有力地印證了《極客灣》的核心指控。

延伸閱讀:三星 Galaxy Z TriFold 三摺機實測:10 吋大螢幕爽度的代價是 309g 厚重,值得入手嗎?

一整套被默許的遊戲規則,有可能改變嗎?

《極客灣》這次評測觸動的,是中國手機生態鏈中長期被迴避的矛盾: 廠商既是評測媒體的最大金主,也是評測對象本身 。多數評測頻道的收入來自廠商廣告、借測機資源與聯合推廣,這使得他們在結構上無法、也無意願進行真正獨立的測試。

即使《極客灣》已累積了足夠大的使用者基礎,得以在一定程度上擺脫對廠商資源的依賴。影片下架的速度說明,資本在平台層面的影響力,仍然比獨立創作者的話語權更強更快。

這次事件可能帶來兩種截然不同的結果。樂觀版本是:事件引發的廣泛討論,倒逼部分廠商提升評測透明度;悲觀版本是:廠商會升級白名單機制的識別精度,使其更難被偵測。

總歸來說,真正需要的,可能不只是另一個更勇敢的評測者,而是一套更誠實的行業規範。

延伸閱讀:
韓國超夯「AI 解星盤」怎麼做?3步驟設定:2026年工作運、桃花運、追星運都能算!

蘋果「次世代OLED」筆電要來了?5款產品螢幕大升級,Macbook、iPad時程表預測一次看

資料來源:極客灣 Geekerwan

本文初稿為AI編撰,整理.編輯/ 李先泰

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓