找到
1958
篇与
互联网
相关的结果
- 第 19 页
-
消息称苹果为重构Siri练兵，近200名工程师参加AI编程训练营 IT之家 4 月 16 日消息，科技媒体 The Information 昨日（4 月 15 日）发布博文，报道称苹果公司为追赶 AI 竞争对手，安排近 200 名 Siri 工程师参加为期数周的 AI 编程训练营，学习使用 Claude Code 等工具辅助开发。报道称苹果公司为了在 AI 竞赛中增强 iOS 27 版 Siri 的竞争实力，内部正在积极“练兵”，近 200 名 Siri 工程师将参加为期数周的 AI 编程训练营，系统学习如何利用 AI 工具辅助编写代码。报道指出在训练结束后，这批工程师中仅保留 60 人作为核心开发团队，另外 60 人转岗负责评估虚拟助手的性能表现。 苹果正通过 AI 编程训练营重塑 Siri 开发团队 IT之家援引博文介绍，随着 OpenAI Codex、Anthropic Claude Code 等 AI 编程助手的普及，传统开发模式正被重塑。Xcode 26.3 已添加对 Agentic Coding 工具的支持，苹果内部部分部门也大量采购 Claude Code 等工具，预算投入显著增加。Siri 团队的架构调整同样剧烈。原 AI 负责人 John Giannandrea 不再主导该项目，接手的是曾领导 Apple Vision Pro 发布的 Mike Rockwell。技术层面，苹果底层模型也在寻求突破。Google Gemini 的介入将助力提升 Apple Intelligence 模型，从而让新版 Siri 具备多步指令执行能力，并提供类似 ChatGPT 的对话式体验。但与竞品的实际差距能否缩小，仍需等待产品验证。发布日期方面，苹果计划在 WWDC 2026（6 月 8 日开幕）发布 Siri 升级版。
-
OpenAI内部信曝光：手撕Anthropic数据造假 出品｜虎嗅科技组 作者｜赵致格 编辑｜苗正卿 头图｜视觉中国OpenAI近日频频上热搜，却没有几件是正面新闻。传闻中的大招GPT6迟迟没有发布，一封本该保密的内部信倒是被美国消费者新闻与商业频道（CNBC）全文发出来了。这封长达四页的备忘录是OpenAI 首席营收官丹尼斯・德雷瑟（Denise Dresser）在4月12日发给员工的。在第二季度刚刚开始之际，这封信意在起到指明公司业务方向，肯定员工成绩，激励员工士气的作用。不过在这封信被公开后，人们最关注的内容，一是OpenAI与微软的“塑料友情”，二是OpenAI对竞争对手Anthropic从方方面面都黑了一遍，甚至直接阴阳其使用错误的方式计算出虚高的营收数据。在这份备忘录中，德雷瑟首先强调要OpenAI当下的战略就是要摒弃 “旁支业务”，牢牢锁定拓展企业客户，全力押注这个核心营收增长点。而谈到企业业务的增长，德雷瑟认为与长期合作伙伴微软的合作带来了制约。她称，“我们与微软的合作是我们成功的基础。但它也限制了我们触达企业客户的能力，对许多企业而言，触达渠道就是Bedrock”。Amazon Bedrock是亚马逊云科技（AWS）在2023年4月推出的一项完全托管的生成式AI服务平台，让企业能够访问包括OpenAI 模型在内的所有主流人工智能模型。而就在一个多月前，亚马逊宣布计划投资OpenAI 500亿美元、建立战略合作伙伴关系。OpenAI和微软曾经是关系牢不可破的深度合作伙伴。不过在2024年年中，微软将OpenAI 加入年度报告的竞争对手名单，OpenAI开始向其他云服务提供商获取算力。而微软也开始公开测试一款自研人工智能模型，这可能推动其面向消费者的 Copilot 助手升级。看上去，两者的渐行渐远无可避免。备忘录中怒撕Anthropic的部分同样引人注目。几天前，Anthropic年化收入达300亿美元成为了科技圈最热的新闻，很多人觉得这是Anthropic弯道超车OpenAI的重要节点。然而，德雷瑟在信中直接向表示，所谓的300亿年化营收是虚的，是因为“采用了特殊会计处理方式夸大营收，包括将与亚马逊、谷歌的收入分成全额计入营收”，而这种错误的计算方式让Anthropic增约80亿美元。也就是说，Anthropic的真实年化收入是220亿美元，低于OpenAI的240亿美元。除了炮轰Anthropic虚报营收，德雷瑟还指出Anthropic的最大弱点在于算力不足，称“他们此前未足量采购算力的战略失误已在产品端显现”，客户因此“感受到限流、服务可用性低、使用体验不稳定”。而与此同时，OpenAI有着充足的算力储备，已经形成“结构性优势”。除了在算力层面进行拉踩，这封信还把两家公司的理念层面进行了一番比较。德雷瑟称，Anthropic的叙事“建立在恐惧、限制与 ‘少数精英掌控AI‘’”之上，而OpenAI则有着正向的理念如“打造强大系统、设置合理安全防护、扩大使用范围、助力人们实现更多可能”，所以终将胜出。而对于Anthropic的最大强项Claude Code，德雷瑟没有否认其强大的编程能力，也没有称OpenAI的对标产品Codex其实更强大，但也依然要踩上一脚，称Anthropic这样的“单一产品公司”虽然赢得了早期突破，但在平台大战中“毫无胜算”。对于这篇泄露的邮件，很多人的第一反应是，这是真的是保密邮件被泄露吗？还是OpenAI又想出了全新的爆料及公关方式？当下，OpenAI和Anthropic都在积极筹备今年的IPO，两者之间的竞争也日益白热化。而从近期的新闻看，Anthropic的综合表现隐隐能压OpenAI一头。在上周的HumanX人工智能行业大会上，人们对Claude的高度关注甚至成为了"Claude狂热"现象。而在同一时间，Open却像是流年不利，有一周之内6名核心高管变动，产品安全漏洞被曝光，被马斯克起诉等一系列负面新闻，连奥特曼被袭击两次也没争取到多少同情的声量。当下，士气受挫的OpenAI无疑需要同时对内和对外展现一下面对Anthropic的优势与胜算。另外， Anthropic近期收到多家风投机构的报价，其估值推高至 8000 亿美元，而OpenAI在3月31日完成1220亿美元的融资后，估值达到8520亿美元，两者差距不大。在今年接下来的几个月里，企业市场的表现无疑对两家公司的估值叙事至关重要。2026年第一季度，Anthropic在新企业客户争夺中胜率达 73.3%，OpenAI 仅 26.7%；企业 API 市场份额 OpenAI 从 50% 跌至27%，Anthropic 升至40%。竞争对手的攻城略地带来了太大的紧迫感，因此在这封可能是被故意公开的信中，OpenAI才反复强调自己在企业市场的优势，比如“拥有多个入口，提供一体化的企业级别解决方案”。OpenAI用多种公关方式对外强自己“all in”企业市场是合理的选择。但市场的反应还是取决于OpenAI接下来发布的新模型，与AWS的合作，以及Frontier的落地情况。原文：终将赢得企业级AI市场的体系迈入第二季度，我想从我们始终应立足的起点开始：客户。近期我与各大型企业高管、极具影响力的初创公司负责人及主流风投机构进行了深入交流，得到的信号十分明确：市场对我们打造的产品充满期待，客户希望更深入地了解我们的产品路线图，从而放心规划布局、抢占市场先机。企业级AI已进入更成熟的发展阶段。单纯的模型能力依旧重要，但已不再是全部。客户更看重适配性：AI能否无缝融入其工作流程、业务知识、管理权限与日常运营，能否高效部署、值得长期信赖并持续迭代优化。他们需要一套可信任、可基于其搭建生态的完整体系。而我们正在打造的正是这样的体系：适配办公场景的最优模型、智能体平台、与业务场景的深度融合，以及规模化部署与迭代升级的能力。客户也用最直接的方式验证了这一方向：多年期、多产品、九位数规模的合作订单持续增长，现有的客户也在集团内部全面普及我们的技术能力，不断扩大合作范围。我为这支团队的表现感到无比自豪。我们凭借工作的深度、质量与用心赢得了市场信任。眼前的机遇无比广阔，当前我们最大的制约并非市场需求，而是自身产能。因此，人才引进仍是第二季度的重中之重。我们将审慎招聘、严守高标准，打造一支匹配客户期待、也对得起其要求的精锐团队。我们已具备进一步扩大领先优势的所有条件：充足的算力、完善的产品、旺盛的客户需求。此刻正是我们全力冲刺的时刻，清晰且自信地向市场证明：OpenAI 是企业值得信赖的AI平台，可依托其进行开发、部署与规模化应用。以下是我希望团队聚焦的五大客户导向核心任务。一、拿下办公场景的模型层霸主地位企业采购的是商业成果。他们愿意为能提升员工写作效率、优化分析能力、提高编程生产力、升级客户服务质量、辅助做出更高质量决策的模型付费；愿意为提升人均营收、缩短业务周期、降低客服成本、优化执行效率买单。Spud模型是下一代办公智能底座的关键一步，客户早期的反馈非常积极。它不仅是我们迄今为止最智能的模型，更满足了高价值专业办公的所有核心需求：更强的推理能力、更精准理解用户意图与任务关联、更可靠的执行落地，以及生产环境中更稳定的输出效果。模型性能的提升会带动整个技术体系升级。Spud将大幅优化我们所有核心产品，拓展我们可覆盖的工作流程，让客户更有理由选择与我们深度绑定。这正是我们迭代部署的核心策略：突破技术边界、落地实际产品、从真实使用中汲取经验、将反馈转化为更优体系，逐步迈向超级应用。我们的算力优势让我们能够实现能力的持续飞跃。客户已在实际产品中切实感受到：更高的令牌限额、更低的延迟、更稳定的复杂流程执行。算力的每一次进步，都能让我们训练更强的模型、承接更多需求、降低单位智能服务成本，这是可持续的商业核心竞争力。二、拿下智能体平台层霸主地位市场已从提示词时代迈入Agent时代，这一转变对我们而言是巨大机遇。客户需要的是能自主推理、调用工具、跨流程执行、在真实商业环境中稳定运行的系统。这意味着需要统筹调度、权限管控、运行监控、安全保障、系统集成与合规治理能力。Frontier平台能让我们掌控平台层核心。我们需要将 Frontier 打造成企业智能体的默认平台，即企业用于开发、部署、管理与规模化运行系统的核心智能层。我们的优势将在此形成复利效应：Frontier将模型智能与智能体表现直接绑定，模型越强大，平台价值越高；平台嵌入度越深，客户迁移成本越高；客户通过该系统运行的工作流程越多，OpenAI 就越难被替代，在办公体系中的地位就越核心。这正是我们从产品供应商转型为商业基础设施的路径。三、通过亚马逊拓展市场版图与微软的合作是我们成功的基石，但也在一定程度上限制了我们贴合企业客户现有生态的能力，对众多客户而言，他们的核心云平台是亚马逊Bedrock。自2月底宣布双方合作以来，客户对这一合作方案的inbound 需求堪称爆发式增长。我们正全力推进，将其打造为规模化的分销渠道。亚马逊有状态运行环境意义重大，它既能扩大产品触达范围，又能升级产品形态。通过实现交互过程中的记忆留存、上下文连贯与任务延续。我们从无状态的模型调用升级为可长期稳定运行、支撑复杂商业流程的系统。这将从三方面拓展我们的市场：降低原生 AWS 客户的采用门槛；在AWS环境内运行、适配客户现有合规体系，强化我们在监管严格、安全敏感型客户中的竞争力；进一步整合我们的平台，实现从模型调用到长周期、多步骤智能体生产级运行的全链路覆盖。四、销售完整的AI原生技术栈客户需要的是平台，而非单点解决方案。而我们恰好拥有完整布局：面向知识办公的 ChatGPT for Work 是入口，面向软件与智能体开发的 Codex 是核心，API是嵌入客户产品与流程的智能引擎，Frontier是Agent平台，亚马逊运行环境则延伸至生产级有状态执行场景。这种全面布局是重大战略优势，因为客户的起步场景各不相同：有的从员工办公切入，有的从开发者场景切入，有的从内部系统切入，有的从外部产品切入。我们的任务是在客户的任一接入点提供服务，进而推动其采用全栈产品。我们需要打造这样的增长飞轮：更优的模型带动更多使用，更多使用推动更深层次集成，更深集成带来多产品采纳，多产品采纳让我们难以被替代。我们不应再以多条独立产品线的思维运营，而要以平台型公司的视角布局：多个入口，统一集成的企业级解决方案。五、掌控部署落地环节当前企业AI的最大瓶颈，已不再是技术是否可行，而是企业能否成功且规模化地部署落地。DeployCo让我们有机会将产品需求转化为可复制的企业转型方案。它将成为部署引擎，帮助企业更快验证价值、降低风险，在组织内部规模化推广应用。这将成为我们所有业务的倍增器：加速客户落地进程、优化反馈闭环、沉淀可复制的部署模式，同时同步提升产品、销售与客户成功团队的能力。搭配Frontier联盟合作伙伴，我们将拥有覆盖全市场的规模化执行路径。最终赢得企业AI市场的公司，不仅拥有最优秀的模型，更拥有最强的落地能力。它能将模型真正融入企业真实工作流程，创造可量化的实际价值。我们要成为全球在这一领域最顶尖的玩家。关于竞争格局的说明当前市场的竞争激烈程度是我前所未见的。但我认为这本质上是好事，因为这意味着市场机遇巨大且至关重要。不过不可否认，市场有时会充斥着杂音、分散人们的注意力。竞争会激励我们进步，最终让所有参与者变得更好，而客户也将从中受益。就此我想强调一点，也是我反复提及的：核心要务永远是贴近客户。当我们与客户面对面交流，倾听他们的痛点与愿景，聚焦如何投入资源为其提供帮助时，一切外界干扰都会归于平静，目标也会愈发清晰。基于此，有几点关于竞争对手Anthropic的情况值得团队牢记：他们的叙事建立在恐惧、限制与 “少数精英掌控AI” 的理念之上。而我们的正向理念终将胜出：打造强大系统、设置合理安全防护、扩大使用范围、助力人们实现更多可能。他们此前未足量采购算力的战略失误已在产品端显现。客户能明显感受到限流、服务可用性低、使用体验不稳定。我们更早预判到算力的指数级增长需求并快速行动，如今已形成实打实的结构性优势。聚焦编程领域为他们赢得了早期突破口，但在平台大战中，单一产品的公司毫无胜算。当AI从开发者群体渗透到每个团队、每项流程、每个行业时，这种业务局限性会成为致命短板。他们对外宣称的年度经常性收入存在虚高。其采用特殊会计处理方式夸大营收，包括将与亚马逊、谷歌的收入分成全额计入营收。我们的分析显示，按其宣称的300亿美元口径计算，这一方式使其营收虚增约80亿美元。而我们对微软的收入分成采用净额结算，更符合上市公司通用会计准则。携手共创最后，我们这份事业最美好的部分之一便是并肩作战的伙伴。我为这家公司、这支团队深感自豪。能与各位共事，身处这场未来变革的核心地带，是莫大的荣幸。让我们保持专注、同心协力、追求极致、目标一致。企业AI市场的胜利本就属于我们，放手执行，拿下战局。本文来自虎嗅，原文链接：https://www.huxiu.com/article/4850729.html?f=wyxwapp
-
李力耘将加入众擎机器人，曾是小鹏智驾负责人 众擎机器人由小鹏鹏行原总经理赵同阳创立，目前估值超百亿元。 文丨赵宇编辑丨龚方毅又一位智驾骨干转行具身。我们从多个独立信源处独家获悉，李力耘将加入具身智能创业公司众擎机器人，他此前是小鹏汽车自动驾驶中心负责人。我们就此事分别向李力耘本人和众擎机器人求证，截至发稿，未获回复。众擎机器人由赵同阳于 2023 年 10 月创立。今年 4 月 9 日，众擎宣布完成 2 亿美元 B 轮融资，估值超 100 亿元人民币。赵同阳在机器人领域的工作经历丰富。2016 年至 2018 年，赵同阳连续创办两家机器人公司，均因资金问题折戟。2019 年，他创办多够机器人（Dogotix），并在次年推出对标波士顿动力但主打性价比的机器狗。2020 年 12 月，小鹏汽车收购多够机器人。随后何小鹏、小鹏汽车与赵同阳合资成立鹏行智能（小鹏鹏行）。何小鹏占股 65%，小鹏汽车占股 19%，赵同阳占股 15%。2021 年至 2023 年，赵同阳在小鹏鹏行担任总经理，负责领导组建其在北京、深圳和美国硅谷的 400 人研发团队，并研发了机器马 “小白龙” 和第一代人形机器人 PX5。2023 年下半年，他从小鹏鹏行离职，创立众擎机器人。次年 10 月，众擎发布可实现直膝行走的人形机器人，此后又相继实现机器人前空翻、高负载作业等运动能力。赵同阳将众擎的技术战略定为 “体能优先”，即优先发展机器人运动控制能力。目前，众擎有小型双足机器人、大型双足机器人和四足机器人三条产品线，预计可在 2026 年实现量产，主要进行行业应用验证及落地；2027 年进一步放量。此次加入众擎的李力耘，本科毕业于清华大学电子工程系，博士毕业于纽约大学计算机系。加入小鹏前，曾先后在美国电信运营商 AT&T、职场社交平台 LinkedIn、百度、京东等公司工作。2019 年 6 月，李力耘加入小鹏自动驾驶研发团队，先后担任小鹏高速 NGP（导航辅助驾驶） 和城市 NGP 软件负责人，以及规划控制和模拟器方向负责人等职位。2023 年 8 月，他接替吴新宙，开始全面负责小鹏智驾方案的研发和量产。在这之后，李力耘带领团队完成了城市 NGP 在国内数百座城市的落地，并推动小鹏实现 “端到端” 智驾方案在行车全功能量产上线。2024 年 10 月，李力耘晋升小鹏汽车副总裁。2025 年 10 月 9 日，李力耘卸任小鹏自动驾驶中心负责人，一周后离职。李力耘当时说，加入小鹏以来的 76 个月是一段无比丰盈的岁月。他感谢了团队所有同事，称 “那些打胜仗的喜悦、熠熠生辉的瞬间” 让一切充满意义。李安琪对本文亦有贡献。题图来源：众擎机器人
-
DeepSeek聘人去内蒙古草原“守机房” 月薪最高3万元 4月15日，AI大模型公司DeepSeek发布全新招聘岗位，此次招聘岗位为数据中心高级运维工程师、数据中心高级交付经理，月薪最高达30000元。 AI大模型公司DeepSeek发布全新招聘岗位从岗位设置看，这两个职位均围绕数据中心运行展开。“数据中心高级运维工程师”岗位的招聘信息中写明职责是：负责数据中心技术支撑及运维管理工作，包括服务器硬件、网络设备的运维评估、监控、调优、诊断、硬件性能优化及工具化开发等。并强调该岗位有“优化运维流程与能效管理”职责。另一岗位“数据中心高级交付经理”则更偏向数据中心建设与交付环节。招聘信息显示，该岗位需“负责数据中心项目从立项、建设、交付至运营的全流程项目管理”，并承担“IDC相关自动化运维工具及平台建设”“资源利用效率提升”等职责。据悉，这是DeepSeek首次公开招聘直接负责计算基础设施运营的实地岗位，标志着DeepSeek正式从纯算法研发，延伸至物理算力基础设施的自建与运营。而DeepSeek自建数据中心的第一步，就选择了乌兰察布，其作为内蒙古算力集群的核心组成部分，也是国家“东数西算”工程八大枢纽节点之一。DeepSeek选择此时自建机房，与新一代旗舰模型V4的发布节点高度契合。据悉，4月8日，不少用户打开DeepSeek网页版后发现，官方已更新了对话界面。在最新版本中，DeepSeek输入框上方新增“快速模式”与“专家模式”，这是DeepSeek走红以来首次在产品端引入模式分层设计。 官方已更新了对话界面根据DeepSeek的介绍，快速模式适用于日常对话，主打即时响应；专家模式则擅长复杂问题，高峰时需要等待。而此前被曝光的还有Vision（视觉）模式，但这一模式并未出现在此次更新中。有业内人士猜测，此次对话界面更新或许是V4版本发布的前奏。公开资料显示，DeepSeek（深度求索）成立于2023年，由量化私募巨头幻方量化创立，总部位于杭州，核心研发团队位于北京。该公司以开源大模型和极致性价比著称，曾于2025年初引爆全球AI圈，其创始人梁文锋以极致低调闻名。 创始人梁文锋持股市值达1846.2亿元据《2025新财富500富人榜》，40岁的梁文锋，首次上榜即晋级前十，持股市值达1846.2亿元。来源：瑞财经、新黄河延伸阅读：日本印度化，推出“最强AI”扒开一看是DeepSeek日本乐天集团株式会社高调发布Rakuten AI 3.03月17日，日本乐天集团株式会社高调发布Rakuten AI 3.0，号称“日本最大、性能最强”的7000亿参数大模型。刚发布没多久，就被人曝光，在开源库Hugging Face上，该模型的架构配置赫然标注“DeepSeek V3”。 Rakuten AI 3.0的架构配置为DeepSeek V3而乐天集团的官方新闻对DeepSeek只字未提，还在开源时悄悄删除了DeepSeek的MIT开源协议文件。要知道，DeepSeek的MIT开源协议算是开源界“最卑微”的协议了，只要用户保留原作者版权声明和许可声明就行，而乐天却有意隐瞒了“中国造”的任何信息。日本网友热评：“终于到了日本用中国AI来冒充日本AI的时代。”“打肿脸充胖子”绝不是日本社会的孤立事件。2月底，京都青莲院一款“念经机器人”爆火日本网络，该赛博僧人由日本京都大学研究团队推出，号称是“日本传统文化与人工智能结合的一次尝试”。但3天后，细心的日本网友发现了破绽。这个被命名为“佛陀”（Pudariod）的机器人，身体其实来自中国宇树科技，模型用的是美国Open AI的ChatGPT。 图为机器人“佛陀”“软件是美国的，硬件是中国的，教材是印度的——只有机器人身上的衣服是日本的。”类似的失望言论，在日本社交媒体广泛传播。这一类数不胜数“打肿脸充胖子”的做法，暴露的不仅是技术能力的衰退，更是一种深层的文化危机。当“日本制造”不再代表真正的制造能力，当“技术立国”沦为一句空洞的口号，日本还剩下什么？“外来和尚好念经”青莲院奉行天台宗，全称叫“青莲院门迹”。门迹是日本佛教的特有名称，自镰仓后期起，由皇族或五个摄政家族担任住持的寺院才被称为门迹，规格颇高。京都大学研究人员开发的“佛陀机器人”，已经在京都青莲院提供全天候的精神指引。这款人形机器人在幽静的寺院长廊上缓缓行走，遇人则鞠躬或合掌，与周围的一切并不“违和”。它的硬件，用的是中国宇树科技G1机器人，动作缓慢是特意设计好的，模仿的是人类僧侣平时在寺院里的平静步伐。它的软件来自美国AI模型ChatGPT，其预训练采用的佛经内容没有透露。 “佛陀机器人”在幽静的寺院长廊上缓缓行走近900年历史的青莲院，和日本其他佛教寺院一样陷入老龄化、信徒减少的危机。专家认为，到2040年，日本近30%的寺院将因为缺人而关闭，尤其在农村地区。而“佛陀机器人”可以作为24小时无休的“赛博僧侣”，倾听、解答香客的种种问题，并根据训练好的佛教经典教义给出有益的建议。那些规模较小、没有常驻僧侣的寺庙，买几个这样的机器人就能继续运营。在2月底举行的新闻发布会上，有人现场向“佛陀机器人”描述了自己的种种焦虑，穿着粗布灰色僧服的“佛陀机器人”，摆动头部和手臂，劝他停下来观察自己的想法，而不是立刻作出反应。这一建议确实符合佛教的“经典”指导，绝不是歪门邪道。 “佛陀机器人”合掌“佛陀机器人”问世之前，日本还开发过能背诵《心经》的机器人，在高台寺“就职”。不过，光会诵经的机器人不能互动，能展开对话的机器人更受信众欢迎。赛博僧侣的实验项目颇有争议。一些佛教徒认为，机器人无法真正理解人类的苦难，也就无法体现精神性的指引。另一些人认为，佛教的目的是弘扬、遵循佛法，而不是追随某个“大师”的个人魅力。还有一些人表示，赛博僧侣堪称“社恐”福音——面对真人倒苦水，总觉得很有心理压力，但对着机器人发泄，压力就小多了。这也恐怕是当下各大AI模型的最大用处，跟它们聊天有时，比跟心理咨询师聊天“解压”。 佛陀机器人倾听人的烦恼在信徒群体之外，日本社会的反应相当焦虑，尤其当机器人从中国进口等技术细节曝光之后。日本网友焦虑的当然不是机器人当僧侣，日本社会对机器人的接受程度普遍很高，他们焦虑的主要是机器僧侣的“国籍”。一个日本网友说，“日本文化就是这样一点点被取代的。”这种情绪的背后是一个深层的问题：日本在机器人领域的绝对优势，是如何一步步丧失的？掉队的机器人日本消费级机器人的“黄金时代”刚刚逝去。1999年，索尼推出了AIBO机器狗，这是世界上第一个大规模商业化的消费级机器“人”。虽然售价高达2500美元，但首批3000台在20分钟内售罄。AIBO不仅是一个玩具，它还代表了科幻作家阿西莫夫“机器人想象”的“变现”——机器人可以走进普通人家庭，成为生活的一部分。2000年，本田公司推出ASIMO，这个身高130厘米的人形机器人，在接下来的十几年里成为日本科技的象征。ASIMO能跑能跳，能上楼，能踢足球，甚至可以指挥交响乐团。每当ASIMO亮相国际展会，都会引发全球媒体的热烈追捧，这个外形像个宇航员的小机器人，堪称日本最佳“形象代言人”。 图为机器人ASIMO2014年软银推出的Pepper，可以识别人类情感，一度被视为服务机器人的未来。软银创始人孙正义雄心勃勃，声称Pepper将会“改变人类与机器的关系”。2016年3月，谷歌DeepMind的人工智能模型AlphaGo击败韩国围棋九段棋手李世石，“前AI时代机器人”迎来最大的转折点。人们意识到人工智能的“厉害”，而没有人工智能的机器人实在有点“弱智”，已经把人们的好奇心消耗殆尽。不过，当时的人工智能，功能主要是“计算”，和消费级机器人的用处捏不到一块去。很快，本田停止ASIMO项目开发，索尼的AIBO几度“复活”又几度消失，软银也于2021年叫停了Pepper。三个标志性项目的失利，暴露的是消费级机器人产业当时面临的共同问题：技术久经打磨、售价高昂，却始终没有实际的用处。 图为机器人Pepper就在Pepper终止的第二年，美国人工智能初创公司Open AI的聊天机器人ChatGPT横空出世，这个基于大语言模型的软件，可以丝滑地使用人类语言与人类进行交流，这一次，机器人终于迎来了“有脑子”的那一天。美国特斯拉的人形机器人Optimus，中国的宇树、天工、优必选的人形机器人开始“跑马拉松”和“扭秧歌”，Open AI也投资了人形机器人公司Figure AI……一时间，具身智能炙手可热，而人形机器人的“先驱”日本缺席了。其实，虽然消费级机器人丢盔卸甲，但日本的工业机器人依然实力强悍。发那科、安川电机、川崎重工这三家公司，长期占据全球工业机器人市场的主导地位，它们被广泛用于全球的汽车厂、电子制造厂和物流中心，是精密、可靠、高效的代名词。工业机器人属于to B业务，都是大客户花钱，因此相对容易保住订单。但消费级机器人不一样，没有哪个消费者会把“傻乎乎”又笨重的机器人一直放在家。日本在消费级机器人领域的缺席，主要因为人工智能技术的掉队。日本造的机械身体依然是世界一流的，只是没有日本造的“大脑”装进去。而且，当下人形机器人的核心不再是机械结构和电控系统——这是日本传统强项，而是让机器人理解环境、作出决策、与人类自然交互，这些技能都依赖AI技术。关键，日本的传统强项，机械结构加电子控制系统，即机电一体化，也已经是中国的强项了。典型的例子就是宇树的Go2机器狗，搭载激光雷达和相机，支持自主导航、避障，还可以通过操作系统进行二次开发，售价才1600美元，不仅远低于波士顿动力的机器狗Spot（7.5万美元），也低于索尼AIBO（2018版）的1800美元。 图为宇树Go2机器狗中国的消费级机器人，不仅性能一流，还便宜又大碗，可二次开发，以“性价比”优势彻底改变了消费级机器人的市场格局。这时候，机器人不再是实验室和大企业的专属，而是普通消费者、小企业、独立开发者都能负担的工具。随之而来的，是中国消费机器人企业在中低端市场站稳脚跟后，利用技术迭代和进步，向高端市场进军。这个路径其实就是中国制造业向产业链高处“攀升”的基本路径。反观日本消费机器人，其衰落不仅仅是几家大公司放弃产品线的结果，更是一系列结构性问题——过度打磨机电技术、价格竞争力不足、缺乏AI能力、创新生态薄弱等缺陷的累积。失落的文化认同要理解日本社会对“佛陀机器人”事件的强烈反响，必须要理解机器人在日本文化中的特殊地位。机器人不仅是一个产业，更是日本文化认同的一部分。这一认同的根源可以追溯到1952年。那一年，手冢治虫的漫画《铁壁阿童木》开始连载。这个拥有“十万马力”的机器人男孩，是日本第一个机器人形象，也奠定了日本人想象机器人的基础：机器人是友善的、可爱的、值得信赖的伙伴。 图为铁臂阿童木动画形象相比之下，西方的机器人文化则“恐怖”多了。西方的文学和电影作品中，机器人往往是“威胁性的存在”，从玛丽·雪莱的《弗兰肯斯坦》到“终结者”系列，机器人（人造物）总是和失控、反叛、毁灭联系在一起。这种“弗兰肯斯坦情结”可能根植于犹太-基督教传统：创造生命是上帝特有的权力，人类的僭越必然招致惩罚。在日本文化中，神道教和佛教都强调“万物有灵”。这种世界观很容易承认，机器人获得灵魂和生命是“自然而然”的事情。日本机器人特别“萌”，像哆啦A梦、阿拉蕾、阿童木，都有圆润的身材，友善的态度，它们的核心特点是可爱，虽然比人类强大但还是热爱人类，喜欢把自己当作“人类”的一份子。就算是机动战士高达和变形金刚，也有饱含情感的叙事。 图为哆啦A梦日本政府很早就意识到机器人的“文化价值”。2009年，东京御台场竖立起一座18米高的RX-78-2高达雕像，这座新地标每年吸引了上百万游客“打卡”。2011年，日本经济产业省启动“酷日本”战略，将动漫、游戏、机器人等作为国家软实力的核心部分。2020年，横滨建成了“高达工厂”，展示了可以移动的RX-78系列高达。日常生活中，机器人也无处不在。长崎有家“奇怪的酒店”（Henn-na-Hotel），曾因全部使用机器人员工而获得吉尼斯世界纪录。东京和大阪都有机器人咖啡厅。当索尼的AIBO在2006年宣布停产时，还出现了专门为AIBO举办葬礼的寺庙。 日本寺庙僧人为AIBO举办葬礼因此，舶来的“佛陀机器人”自然引发了日本社会的认同危机，其认同本来由技术和文化二者相互支撑，现在缺了一条技术的“腿”，文化也迟早走得趔趔趄趄。实际上，谁制造机器人，谁就拥有定义“机器人是什么”的权力。而失去了定义机器人的权力，也就随之失去了对未来的“想象权”。日本人最深层的焦虑是，经历了“失去的三十年”后，机器人产业也在落后，日本是否失去了定义自己未来的能力？2024年，东京御台场替代RX-78-2的RX-0独角兽高达雕像，因维护而暂时关闭。很多日本人将其视为一个不祥的象征：日本机器人时代已经终结。 图为独角兽高达雕像2025年夏天，高达雕像重新开放。夜幕降临，19.7米高的巨大身影在灯光下闪耀。雕像下方的纪念品商店里摆放着很多小型的盒装高达，大部分标注着：“Made in China”。
-
Anthropic联合创始人杰克·克拉克：不要轻视人文学科 IT之家 4 月 15 日消息，当地时间 4 月 14 日，据《商业内幕》报道，Anthropic 联合创始人杰克 · 克拉克认为，人文学科专业不应被轻视。克拉克曾是记者，并在东英吉利大学主修文学。他在 Semafor 世界经济峰会上表示，这段背景反而成为其从事 AI 工作的优势。“历史知识以及人类如何想象未来的叙事方式，后来都变得非常有价值。在 AI 领域，这些内容的重要性远超很多人的预期。” 克拉克认为，跨学科能力将变得越来越重要。“未来更有价值的专业，是那些能够整合多个学科，并进行综合分析的方向。”在具体能力上，克拉克强调，提出正确问题的能力尤为关键。“最重要的是知道该问什么问题，并对哪些方向值得探索形成直觉，包括不同学科之间的交汇点。”在被多次追问后，克拉克表示，自己会避开“机械式编程”这一方向。这一观点与 Anthropic 内部一些声音一致，例如 Claude Code 开发者鲍里斯 · 切尔尼曾表示，软件工程师这一职业将在今年开始逐步淡化。IT之家从报道中获悉，克拉克指出，尽管部分人仍需掌握基础编程能力，但技术正在向更高层级演进。总体来看，克拉克认为，看似与 AI 时代不匹配的专业反而具有长期价值。克拉克举例称，Anthropic 内部就有哲学背景的人才，并反问道：“你上次听到‘哲学学位拥有很好的就业前景’是什么时候呢？”
-
海拔4558米，智能机器人“啃下”高原光伏硬骨头 来源：科技日报科技日报记者 杨宇航“嗡——”随着一声低沉的机械蜂鸣，智能安装机器人的机械臂精准抓起一块重达39公斤的光伏组件，悬停、校准、落下，一气呵成。“过去两个人抬一块板，高原上喘得厉害；现在机器人干得又快又稳！”项目现场技术员扎西顿珠拍了拍身旁的机器人说。4月13日，记者在西藏自治区昌都市八宿县益青乡，八宿益青300兆瓦光伏项目现场，看到4台这样的智能机器人正改写高原光伏建设的历史。“机器人一小时能铺100块板，效率是人工的两倍，精度还更高。”项目经理杨双龙指着正在作业的机器人说。这是西藏光伏建设史上，首次系统性引入智能安装机器人。面对有效施工期仅5个月、雨雪冰雹突袭成为常态的恶劣条件，项目团队作出了这一开创性抉择。机器人采用“远程电控操作+现场辅助”模式，搭载抗低温电池与防风防尘模块，在零下15℃、8级大风环境下仍能保持±2毫米的定位精度——而人工铺设误差通常在1厘米以上。这一探索，正是以智能装备突破环境极限、培育高原清洁能源领域新质生产力的生动写照。截至目前，这个总投资9.8亿元、总规划用地约5364亩的藏东清洁能源基地重点工程，桩基及升压站基础施工已全面完成，光伏组件安装进度达85%，升压站设备安装完成90%，近日已实现首次投产，预计6月全面竣工。科技赋能不仅跑出了建设加速度，更让当地群众在家门口端上了“增收碗”。项目建设以来，已吸纳场址所在地羊达村、俄冲村100余名村民参与务工，实现家门口就业增收30余万元。“以前去外地打工，路远钱少，一年回不了几次家。”羊达村村民达瓦江村拍了拍身旁的光伏板说，“现在骑着摩托车十分钟到工地，每天260元，还能照顾家里的牦牛。”截至目前，项目已带动当地民房租赁、机械租赁、建材采购及餐饮服务等创收近1500万元。在海拔4500米以上的脆弱生态区施工，护绿与建设缺一不可。建设者将保护融入每一个细节：用棕垫隔离机械碾压保护草甸，剥离20—40厘米厚的草皮与营养土进行“根对根”分层堆存并覆盖养护，设置土袋拦挡边坡和临时排水沟，确保施工不破坏原有生态。更长远的考量则藏在光伏支架的“身高”里——前沿2米、后沿4米的特意设计，既保证了最佳发电角度，又为后期牲畜通行和牧业生产留足空间，实现“发电、牧业两不误”。全容量并网后，该项目年均发电量约4.5亿千瓦时，相当于节约标准煤13.5万吨，减排二氧化碳约37万吨。这是昌都市落实西藏自治区“一基地、两示范”清洁能源发展战略的重点项目，也是当地首次在高原光伏建设中系统性引入智能施工装备。一排排光伏板正将高原阳光转化为绿色电力，也转化为当地百姓实实在在的收入，为藏东清洁能源基地建设注入了硬核科技动能。
-
从全球首届具身智能真机黑客松，看机器人模型、数据及落地变革之路 3月底， 我们来到深圳，参加了全球首届线下具身智能基础模型真机操作黑客松。在一群00后极客、学术圈大咖及产业核心公司代表中，我们看到了一条清晰的发展路线：机器人开源生态正集中多方力量，从机器人模型，数据集到开发者生态，快速将全行业向前推进。在一群00后极客、学术圈大咖及产业核心公司代表中，我们看到了一条清晰的发展路线：机器人开源生态正集中多方力量，从机器人模型，数据集到开发者生态，快速将全行业向前推进。 这次由自变量机器人联合主办的开发者大会创下了三个“第一次”： 第一次全部任务在真实物理场地完成，摒弃仿真环境测评； 第一次极低延时全链条采训推平台：从数据采集、模型训练到真机部署，全部在三天内完成； 第一次全变量控制测评，参赛队伍无法依赖预设参数，必须具备真正的环境自适应能力。 这对团队的算法和系统能力来说，是一次非常硬核的极限考验，简单来说，主办方想让具身模型比赛回归真实世界。 硅谷101联合创始人陈茜也在大会的最后一天主持了一场专家论坛，就模型路线，数据和产业落地等核心问题与行业大咖们进行了一场深度分享。以下是这场论坛的精彩观点：01蓬勃的开源社区数据、模型及评测陈茜，硅谷101联合创始人： 最近开源算法中最重要的一些新变化都有哪些？苏治中，地平线机器人实验室负责人：机器人相比大语言模型、视频生成模型，是一个系统工程，包含数据采集到真机部署的多个环节，复杂度和门槛更高。如果没有开源工作，工业界和学术界的发展会慢很多。工业界层出不穷的面向场景的具身企业可以基于开源工作快速做场景验证。学术界，高校学生基于开源工作，能够接触更前沿的研究并得到更好的训练，工作后上手也会更快。因此，开源对具身行业的推动比其它行业更为重要。趋势方面，除了模型和数据，具身的训练流程和数据配方正变得越来越复杂，从预训练到后训练再到强化学习，每个环节都很重要，因此之后全链路的配方会是开源里很重要的一部分。陈茜，硅谷101联合创始人：目前的一些机器人领域的开源，包括数据，都是不开放的，你觉得之后的开源会越来越开放吗？ 苏治中，地平线机器人实验室负责人：过去大家在开源时一方面有所保留，另一方面很多东西不是那么成熟，没到让开发者轻松上手的程度。现在随着Vibe Coding火热，上手的门槛在下降，大家做的东西也更成熟更适合开源了。此外行业竞争也变得越来越激烈，各家都需要通过更丰富的开源来扩展生态或者建立品牌，所以开源的趋势会上升。终局怎样现在不好讲，企业要根据其商业化的进展开判断开源的程度。甘如饴，自变量合伙人、算法负责人：开源对不管产业还是企业界都是互利的过程。因为大语言模型（LLM）的数据一开始就是巨量的，但机器人面临的问题就是你要做真机（数据），但又非常昂贵。那怎样得到这么多的数据？所以你会看到，这一波具身开源里，数据的开源反而是最开始出现的。第一个动力有点像ImageNet出现的时候，大家还没有收敛到非常先进的技术路线上，所以愿意把各种各样的多模态数据开源出来，让学界、产业界都能在此之上做探索。第二个动力就是现在的模型结构，它的训练方式并不是完全确定的。当然，我觉得端到端这个路线一定是要坚持、而且是正确的路线。但具体怎么去设计模型的结构，设计什么样的函数压缩数据，这其实是大家要做的。第三个动力就是评测，到底谁的模型好用？谁的模型不好用？拿我们自变量的这次比赛来说，大家会去尝试多种模型，也让大家更切实地感受，不是停留在某一个榜单，而是停留在线下的真机评测上。田明，阿里巴巴达摩院具身平台产品负责人：一个大的产业革命，一般都会分为三个典型的周期阶段，第一个就是生产力的革命，第二个就是生产关系的重塑，第三个就是制度和秩序的形成。我们现在在第一阶段就是生产力这个革命的早期的这样一个阶段，共识非常没有收敛，这个时候开源意味着什么？我心中的答案是：开源即共识，共识即价值，在未来的这个时代形成共识本身就是价值的体现，主要是对增量市场的变化、对于竞争的变化、对于内部的变化三层。第一，增量市场的变化，尤其是任何颠覆式创新的早期，都是一个待开拓的阶段，我们通过开源可以快速的把我们这个赛道的蛋糕做大，把声量打出去，然后吸引更多的利益相关者，大家在这个里面形成一个生态。第二，竞争的价值，首先我们会把我的开源水平以下的中长尾这些能力全部都清场掉，然后提升了市场的集中度，就避免重复造轮子，然后同时开源对于头部的，比如说闭源的冲击也是比较大的，因为我整合了更多的利益相关者，然后有更多的开发的思路，然后我要通过更多的市占率，来挑战（巨头），就比如说现在苹果手机可能只市占率10%，但其实开源安卓手机还是更大的规模。第三，开源对于团队内部的影响是什么？第一就是我们更快地确认迭代方向，第二是我可以聚合更多的开发者，这也是说开源一定要做生态，在这个阶段对具身智能来说是非常重要的，因为在现在数据也不收敛、数据范式也不收敛、模型也不收敛、应用场景也在探索。所以未来趋势很明确，现在做模型的厂商看上去有很多，接下来一段时间肯定包括像阿里我们自己做的具身大脑的rebrain，还有我们的 VLA 这个系列全部都开源，我会很快的把市场的集中度逐渐的收上来，从而让像自变量这样一些非常优秀的明星企业和我们大厂之间，大家快速的形成更多的共识，这个就很帮助。吴昊天，美团高级总监、无人机硬件研发负责人：现阶段闭源会多一些，永远闭源吗？应该不会，人类社会进步本身就是建立在开源知识积累上面的。未来的商业价值创造应该80%都基于开源的，20%是闭源的，但是从价值攫取来讲，20%攫取80%的利润。只有这样，行业才能站在巨人肩膀上爬一节， 创造增量价值。大家可以参照英伟达CUDA及其开源软件生态，解决很多应用基础构建问题，但是开放的软件生态却催生5万亿市值的芯片生意。这是从我们现在存量的商业模式和案例中，理解开源和闭源的路径怎么走及其重要性。具身智能在商业中应用体量并没有起来，技术也没有完全收敛，现在可能还不是讨论开源闭源的时候。现在开源、闭源还是从公司投资的角度来思考的，随着行业的发展，必然会出现巨头开源，有非常少部分的增量Knowhow将会掌握在少部分公司手里。02VLA模型挑战算力、数据与泛化性陈茜，硅谷101联合创始人：现在 VLA 模型最大的进步以及面对的挑战和瓶颈分别是什么？苏治中，地平线机器人实验室负责人：VLA的主要问题包括算力和带宽开销大，空间感知能力弱，单帧的state到action的映射，模态局限等。其它路线目前最流行的是WAM，WAM有更好的视觉编码器，对未来的想象可以帮助到动作生成，但也存在重建像素代价高，不能很好的理解物理规律等问题。不管是VLA还是WAM，都是在借用当下AI行业中智力和算力投资最大的两个领域，即多模态大模型和视频生成模型的产出，是一个搭便车行为。这两个领域都很受关注，有较大的收入预期因此投入也大。但作为一个具身模型的底座，像前面提到的，它们各有各的问题。我非常期待具身智能领域能够去构建更好的、真正面向具身的底座，有更好的3D空间理解能力和对物理规律的理解，这样才有潜力推动具身技术变革。 甘如饴，自变量合伙人、算法负责人：一个新的方向出来，出现了很多卖铲子的人。大家首先瞄准的就是数据，怎么样去解决数据效率和数据成本？这是在落地的过程中比较现实的一个问题。产业真的应用我们模型的时候，我们希望我们的机器人、模型能够做多种任务。这需要更多的数据，更好的模型结构设计，更好的loss函数的设计，这也是现在落地面临的比较大的问题。最后在路线这一块，我们觉得可能有几个方向是可以探索。首先在输入层面，我们在想如何能把更多的模态的信息能加入到我们模型里面去。因为做很多操作的任务，跟纯粹的语言模型不太一样，比如当我们去捏一个鸡蛋的时候，它可能需要一些触觉的信息，而不是视觉的信息。这时候怎么样把这些不同的模态、不同的频率的输入，能够跟现在的动作和视觉整合在一起，这是一个比较关键的问题。第二个就是输出层面，就不管是World Model（世界模型）还是VLA，大家都在探索一个更有效的loss函数。比如是只输出动作，还是不仅有动作，还有视觉、视频、3D、触觉力控。是以离散的方式还是以连续的方式输出动作？这也是其中非常重要的一个路线的探索。这也是为什么我们办这个比赛，我觉得所有的路线都需要一个非常好的评测，然后才能决定我们的迭代方向到底是什么，而不是我们只是论文上的一次小的视频的展示。田明，阿里巴巴达摩院具身平台产品负责人：我首先觉得自变量的模型我个人的评价确实非常高的，在过去6个月，我至少接触了80家行业中的各个伙伴，我个人还是非常欢迎自变量基于实证主义的很多模型的探索。我今天思考的问题就在于，我们对于VLA模型有什么样的期待？它要解决的问题是在一个复杂、连续、高维的真实世界中的立体的操作接触类问题，不同于自动驾驶是平面移动的避障问题，也不同于数字AI是一个在线闭环做学习的问题。我们发现供给侧它一定是个复杂系统工程问题，而绝对不会是单个模型的问题。如果收敛到用模型去解决这个问题，我认为应该是一个从System 2的慢思考到System 1的快思考，再到System 0的及时反应的大模型的流程。具体而言，比如说System 2的核心就是要解决机器人任务中，在复杂的时空信息里面的定位、计数的问题，以及这一层跟上面的agent工程层，我们的存储系统是怎么设计的？再往下是System 1，现在传统的范式的好处在于我们希望能够垂直地打穿一个问题，通过预训练VLA加RL（强化学习），不仅做到能准，还能做到快。在RL中，我可以把执行效率作为它的一个优化目标。其中我们现在最关心的是视频的action model（动作模型），我当然希望视频生成能够解决泛化性。有个说法叫莫拉维克的悖论，就是今天我掉了两个手指头，我仍然知道用剩下的三个手指头怎么抓东西，但机器人今天一改它就不行。所以我们现在非常关心的是这部分如何快速规模化。System 0的引入我认为是非常必要的，就是我们说的一千赫兹的快速的触觉，最近像Sharpa等其他的公司也在做。因为有时候机器人的摄像头可能会被遮挡一部分，而触觉其实不但能提升它的操作的效率，关键是在有遮挡的情况下，还是能够去完成这个任务，并且有一个及时反应能力，所以我认为VTLA (Vision-Tactile-Language-Action，视觉-触觉-语言-动作模型) 的这个部分一定是我们要在模态这个角度上去考虑的。今年我非常关注的就是如何把Human-centric（以人为本）的数据去做预训练的scaling（规模化），然后再去垂直的做一些优化。吴昊天，美团高级总监、无人机硬件研发负责人：在我们业务当中，主要是在分拣打包的场景会使用，是个具身操作的问题。我们也会用VLA，但是用完了之后会面临一个重大问题，比如我们的小象超市，里面有很多SKU互相叠在一块，首先你看不清，二是每个SKU之间它的材质所需要的抓力也是不同的。我们这个模型，目前现在还达不到这样的对多种SKU以及多种动态环境的实用性，这是我们现在目前遇到的一些问题。大家认为WAM（World Action Model，世界动作模型）可能是一个趋势，但是现在的问题不是没有数据，而是数据质量和数据规模。而且获取数据的方法，现在的模态也没有归一起来，现在我们的设备也都比较贵，很难在真实的应用场景当中去获取数据，这是我可能我们面临的一个重大的问题。所以我认为模型架构收敛的前提在于，我们未来能够达到高可靠这样的一个具身智能的能力，我们到底需要多少模态的信息？这些模态的信息怎么能够低成本的获得？这可能是我们第一件事情要去解决的。03数据稀缺的解决方案仿真、遥操与真实部署陈茜，硅谷101联合创始人：你们觉得数据接下来行业的主流解决方案是什么？有没有什么好的方式快速推动或者解决机器人的数据问题？苏治中，地平线机器人实验室负责人：数据方案总体是个经济账，互联网数据虽然容易获取，但是它和机器人的相关性低，需要花非常多额外的存储和训练代价才能获得相对不错的精度，本体数据虽然采集很贵，但是只要很少的训练量和迭代轮数就能得到很好的效果。因此不应该把赌注仅放在某一个路线上，而是应该根据需求去衡量最经济的方式。目前除了头部具身企业外，大家都很缺数据，同时由于很难通过消融实验把不同类型数据的价值说清楚，因此都是能用的尽量用。从我的视角，在预训练时使用低成本的人类数据，在后训练阶段使用高精度的本体数据是比较好的方式。甘如饴，自变量合伙人、算法负责人：我们公司从最开始尝试了各种各样的素材方式，比如说像本体的遥操，像无本体的夹爪、手套，包括灵巧手等我们都有一些尝试和布局。随着世界模型的出来，后面的数据其实也可能会有两种处理方式，一种就是通过手部的重建，通过位置的估计，能得到一个厘米级别的轨迹，它相比无本体或者真机遥操数据，它的轨迹数据没有这么精准，但是它的好处就在于非常大量。但是你如果通过视频生成的模型，最终就是大家也会发现现有的模型，当你做了这些操作之后，你想真正地去完成很多实际中的操作任务，还是离不开一些更高精度的，像无本体的数据或者真机的数据去微调的。另外一个就是怎么样去控制数据质量，作为模型厂商来说，我们可能比较大的优势就在于我时时刻刻会有模型的反馈在里面，而且经济账要算得过来，这也是我们的优势。另外就是我们针对数据本身的轨迹质量，我们其实有非常多的数据相关的模型，在我们的管线里去做一个数据的挑选。另外我们也会有一些数据增强。第三个我们在数据标注这一侧也会投入非常多，我们也会有非常完整的一套产链，所有的这些都构成了我们整个的数据管线。最后我觉得可能除了真机数据之外，我觉得就是真实地部署到家庭，或者说部署到真实的任务里面拿到的这种反馈，拿到的大规模的接管数据是目前为止没有任何一家公司有做到的。但是我们觉得这个数据非常的重要，所以这个数据在我们的整个系统里有非常大的比例。 田明，阿里巴巴达摩院具身平台产品负责人：我们想从数据金字塔和数据质量的角度，和大家聊聊这个话题。整体可以分成三个阶段：泛化、精确、灵巧。泛化是基础的第一步。走进工厂会发现，凡是需求规模化、流程标准化的环节，大多已经由先进制造设备来完成，之后才会逐步考虑由具身智能机器人来承担。所以第一步，我们是先在垂直场景里把精度做扎实，这样才能真正赋能千行百业。再说到精确，目前硬件整体能力还在发展中，比如在桌面清洁这样的场景中，机器人会遇到位姿偏差、设计适配等实际问题，只有逐步解决这些流程性问题，让运行更稳定、更可靠，我们才能在硬件层面采集到更真实的场景数据，为后续发展打下基础。关于灵巧性，我对灵巧手的发展方向非常看好，也认为这是更贴近第一性原理的路径。人类都在依靠双手完成各类操作，这本身就是很直观的参考。从数据和技术的演进来看，我们也正是沿着泛化、精确、灵巧这样的路径，一步步去探索和提升的。吴昊天，美团高级总监、无人机硬件研发负责人：仿真数据一定会占很大的比例，所以现在还是要去研究physical engine（物理引擎）这类基础问题，把我们的physical engine做得更好，让我们世界模型具有context reach（上下文覆盖）的能力，产生足够多的数据。我认为compute（计算）本身就是数据，应该是最早的数据基座，后期它可能会出现多场景的真实世界的采集，可能跟我们现在的国内的这个阶段很相近，就是建很多的数据采集工厂。后面可能是cherry on top（锦上添花）的事情，随着我们在某些垂类应用的使用，它聚焦了之后，没有那么大量地去收集了，成本就会降下来，我们就可以用稍微精度更高的设备，投入更多的人力去收取这种高精度的和我们真实场景更吻合的一些数据，这样就形成了一个数据金字塔，最终在某一个垂类上把我们具身智能的数据集基座以及模型打造出来。04商业化路径教育、工业与家庭陈茜，硅谷101联合创始人：今年会看到机器人大规模商业落地吗？如果是的话，它的具体场景最先在哪些产业发生？苏治中，地平线机器人实验室负责人：现在具身智能能够落地有三个关键词，第一个是节拍慢，第二个任务是闭集指令（close set），指令开放是家庭机器人最难的地方，普通家庭用户什么指令都有可能发出，现在具身模型的能力、算法的发展现状还很难满足用户的开集指令需求。第三个是短程，整个任务时间和位置跨度不能特别大，在家里比如说我要洗衣服，我要在洗衣机旁坐长时间的等待，或者要做饭，这个任务所需要的时间也特别长。在满足这三个关键词的情况下，即节拍不能太高，任务是闭集（任务数量有限），以及短程的情况下，以现有的技术在工厂有落地潜力，能够得到比较高的成功率。指令泛化尽管很重要，但它也是最难的。ChatGPT大家用它来聊天，觉得很有意思，机器人每个事情都能做点，但是什么都做不成，它是完全没用的，只要有一个事情可以做成，不管账算不算得过来，它多少是一个有功能的产品，才有可能驱动落地，才有可能真的让这个量部署上来。作为一个对照，我们看自动驾驶，自动驾驶之所以相对来说发展的更好，是因为量产的乘用车就可以采集数据，车即便没有智能，它也是有功能的，它可以开，但是机器人没有智能，它就完全没有功能了。你要在少量任务上打穿，使它有功能进入场景，能够迭代，它才有可能扩展其他能力。刚刚主持人聊到一个悖论，即机器人如果无法规模化部署的话，无法获得数据做迭代就永远无法落地。自动驾驶领域除了特斯拉把大量的车交付到用户手里之外，国内大部分厂商仅通过自己的测试车队获取的数据也可以把方案做得很好，从这个视角来看，这个悖论并不存在。当然最终落地所需要的数据量和设备的数量，与场景和任务是相关的，因此机器人能够尽早进入场景还是很重要的，能大大加速这个过程。甘如饴，自变量合伙人、算法负责人：我们今年发现两种场景，一种就是工业场景，是一些单任务，但另一种是像家庭这种是一些通用任务。就算是做单任务也跟泛化并不矛盾。所以在我看来就是我怎么样得到一个更好的基础模型的情况下，然后我逐步地也去在一些真实的场景去落地。可以先在单任务上面去做一些验证，比如说预训练、后训练、强化、数据闭环等，并且能在这个上面能不断地把成功率、速度提上来，这个我觉得是非常有机会的。哪怕你只是面对工厂的一些装配任务，多采了非常多的跟装配相关的抓取或者相应的任务，你也能得到一个更好的一个效果。第二，针对多任务来说，我觉得这个就更是基座模型的优势了，但是它可能要面临的问题是，在非常多的任务上，能不能有一定的成功率？我觉得可能早期在家庭里面做这个事情的好处在于，很多时候大家对你的节拍、时间要求并不是这么高，万一出现了一些事故，还能有一些像接管这样的兜底策略。但是他也不是只是为了做这个产品，他其实也在不断地帮你迭代，然后采到更多有用的数据。所以我们觉得这个东西你要真实地先部署出去，你才可能有进步。就跟自动驾驶一样，有了车它才能够采集更多的数据，它一定是把集群部署出去，然后它才能有更好的泛化性。田明，阿里巴巴达摩院具身平台产品负责人：我觉得规模化的商业化在今年压力是比较大的。原因是我们需要有一个足够合格的产品化，就是从技术孵化到商业化中间一定有个产品化。技术我可能在某些层面上的SOTA就够了，但是产品要考虑效果、效率、成本、安全，long regression（长回归）的稳定性，包括法律法规的制定等等。我分析这个事情当前的方法论在于先在需求侧选择两个关键的坐标轴：一个就是任务复杂度，另外一个就是这个任务的容错性。在供给侧我要关注的一个是硬件的成熟，一个是智能的成熟，所以有了需求的两轴跟供给侧的两条线之后，然后我们再匹配上来分析这个问题。我认为在当下，在对于容错率比较高、复杂度比较低的一个市场，很明确的首先就是教育市场。这个市场又分为了校内跟校外，校内又分为了高校的、职校的、K12的。1995年个人电脑在中国开始普及的时候，很重要的一个场景是到学校里装机房，所以我认为教育是非常确定的一个市场。沿着这个轴往容错率逐渐要求降低的方向上去发展，我个人的主张是：以硬件为先，先功能，后智能。怎么理解呢？我可以先把硬件的成熟度迭代上来，简单的应用是做远程遥操，比如在危重险急的场景，比如说无菌室，或者对人有害的环境，我都可以把硬件的成熟度先拉上来，然后逐渐去增加它智能里面的占比。沿着另外一个轴，就是任务的复杂度逐渐变高，我们的策略是：以智能为先，先专用，后通用。就比如说酒店是个不错的场景，今天在酒店里面能够解决好住的问题，能够解决好咖啡吧里面的送餐、饮品的调制问题，我觉得这条路线是一个可以逐渐去提升渗透的。另外一个就是我们要把智能能力逐渐往上加，这里面会涉及到VLA的导航能力，比如说原来的巡检场景、工业场景等。我个人非常看好装配这类，需要大量的人工密集型的工作，有标准的SOP的场景。 吴昊天，美团高级总监、无人机硬件研发负责人：美团是技术的强使用方，丰富应用场景的提供者，我提供一个视角。从产品的角度和应用的两个角度来看这个问题。从产品的角度来说，一定要思考我们的超级共识是什么，要先看到通用具身智能到底会不会成为超级共识？然后，思考实现路径的问题？如果从运营企业来说，我认为是非常有可能成为超级共识，我们不希望有各种各样的专用设备，希望管理部署一群更通用的设备，因为通用智能设备易部署、一机多能。正如我们渴望综合能力强的复合型人才一样。鉴于这个战略共识的情况下，如果是做具身智能产品的公司，那么无论是定义产品和设计架构，甚至定战略都应该思考长期，锚定通用性强的场景。 但是，从应用落地的角度来说，一个企业最终要商业闭环，要回血，我们怎么做？肯定先捡着“软柿子”去揑，这是一个理性的选择。拿美团做一个案例，我们需要具身智能技术满足高节拍、高动态、高可靠的应用要求，技术实现比较难。我们开始用具身智能技术来赋能即时零售业务的时候，我们首先思考大概什么场景比较可行。 比如说利用空间尺度划分即时物流和接驳的问题，从千米、百米、厘米、毫米到亚毫米，我们做了这样的划分，后来发现千米级的问题相对好解决，像用无人车、无人机技术。 目前，美团被评为全球第二名的无人机物流企业。但是，我们非常理性地知道，最后100米就比较难解决，比如说上楼的问题，怎么样打开各种各样的门，安全对人友好，高峰的时候能够挤上电梯。另外我们发现打包节拍很快，现在平均外卖履约时长不到27分钟，面对各种各样材质的商品例如鸡蛋、豆腐、西红柿等，怎么样快速、可靠的打包分拣，这是难点，到了毫米级和亚毫米级的抓取问题。作为一个具身智能产品的企业，还得先挑“软柿子”去捏，早日商业闭环，形成迭代飞轮最重要。 以上就是这场专家论坛的精彩观点，我们做了适当删减与编辑。总的来说，这趟论坛也让我们对机器人的发展充满期待，不但是因为这些来自顶级高校的年轻人们让人惊喜的决赛表现，更是因为蓬勃发展的开源社区，还有自变量这样愿意助力产、学、研整合的机器人企业，相信2026年，机器人赛道会加速前进。【本期节目不构成任何投资建议】【视频播放渠道】国内：B站｜腾讯｜视频号｜西瓜｜头条｜百家号｜36kr｜微博｜虎嗅海外：Youtube联系我们：video@sv101.net
-
机构：AI眼镜行业增长空间广阔 第六届消博会1号馆科技消费展区，正掀起一场“新奇特酷”的AI穿戴浪潮。证券时报记者在现场看到，国内头部AI眼镜品牌悉数集结，十余款最新产品同台竞技。空间计算、端侧大模型、轻量化设计、全场景交互，这些曾经遥不可及的前沿技术，如今已化作眼前触手可及的智能穿戴。AI眼镜是继个人电脑、智能手机之后的第三代消费电子终端。如今，AI眼镜正在从小众“科技极客”产品走向大众消费市场。爱建证券认为，AI眼镜是技术融合下的智能穿戴新形态，相较AR、VR、XR智能眼镜，是当前最具大众普及潜力的近眼终端，2023年以来行业迎来爆发式增长，2023—2025年全球销量从24万台暴增至766万台，核心驱动力源于端侧大模型落地、硬件技术升级以及巨头入局。当前行业仍处培育期，定价集中于中高端区间，未覆盖大众消费群体，海外市场占主导地位，中国市场仍处于产品导入与用户教育的早期阶段，渗透率低，但增长强劲，未来随着供应链成熟与价格带下探，大众级消费市场有望激活，行业增长空间广阔。银河证券认为，1）AI眼镜正逐步演变为新一代人机交互的核心载体，行业在2023年迎来关键转折，背后是多项核心技术的集中突破。2）市场扩容竞争深化，价格分层格局立体成型：全球AI眼镜市场正处于高速扩张与结构分化的关键阶段。目前，AI智能眼镜占据出货量的主流，2025年上半年占智能眼镜出货量的78%，预计2028年全球AI眼镜出货量将触达两千万量级。3）体验短板与成本掣肘，应用生态亟待完善：当前AI眼镜迈向规模化普及面临多重挑战。用户体验的不佳直接推高产品退货率，成本高企也构成阻碍。尽管AI眼镜仍有问题存在，但是随着产品和生态的逐步完善，凭借对现有终端的体验革新与场景拓展，依旧有望成为承接人与数字世界连接的核心载体。
-
Meta与博通扩大合作，联合研发数代定制AI处理器 IT之家 4 月 15 日消息，社交媒体巨头 Meta（原 Facebook）将与芯片设计商博通（Broadcom）扩大合作，共同研发数代定制人工智能处理器，以快速扩充算力，支撑旗下各类应用的 AI 功能。 当地时间周二公布的声明将双方合作延长至 2029 年，并包含超过 1 吉瓦（GW）的初始算力承诺，平均可满足约 75 万户美国家庭的用电需求。两家公司在联合声明中表示，根据协议，博通首席执行官陈福阳（Hock Tan）将退出 Meta 董事会，转而担任其定制芯片战略顾问。IT之家注意到，随着 AI 推动算力需求激增，Meta、谷歌、亚马逊等科技巨头纷纷自研芯片，以减少对英伟达昂贵处理器的依赖。这场定制芯片热潮让博通成为生成式 AI 领域的最大赢家之一。该公司为客户开发定制处理器，并提供基础设施软件。博通股价在盘后交易中上涨 3.5%，而 Meta 股价基本持平。Meta 首席执行官马克 · 扎克伯格表示，此次合作有助于“搭建我们所需的庞大算力基础，为数十亿人提供个人超级智能”。Meta 上月刚公布了四款全新芯片的路线图，并称与博通达成的初始算力承诺是“持续多吉瓦算力部署的第一阶段”。博通的以太网网络技术也将用于连接 Meta 快速扩张的 AI 计算机集群。Meta 训练与推理加速器（MTIA）项目的首款芯片 MTIA 300 已用于 Meta 的排序和推荐系统，另有三款芯片将在 2027 年前陆续推出。后续几代产品将专门针对推理设计，即 AI 模型响应用户查询的过程。此外，Meta 当地时间周二宣布，自 2020 年起担任董事的特蕾西 · 特拉维斯（Tracey Travis）将不会在公司年度股东大会上寻求连任。
-
对标Anthropic急求一胜，OpenAI发布网安大模型 4月15日消息，美国时间周二，OpenAI发布其最新旗舰人工智能模型的变体GPT-5.4-Cyber。该模型专为防御性网络安全任务进行微调。 就在4月7日，Anthropic刚刚推出前沿AI模型Mythos，并在其Project Glasswing下进行内测。该计划采取定向邀请制，授权特定机构将Claude Mythos预览版应用于网络防御。据悉，Mythos现已在各大操作系统、浏览器及底层软件中排查出数千个高危漏洞。 针对GPT-5.4-Cyber的发布，OpenAI表示，鉴于该模型的网络操作权限更为宽松，初期将仅向通过审核的安全供应商、机构及研究人员进行定向开放。 该公司在官方声明中指出，正将其“网络安全信任访问”（TAC）计划的覆盖范围，扩大至数千名经身份验证的个人安全专家及数百个负责关键软件安全的团队。OpenAI为今年2月启动的TAC计划增设了全新的分级访问机制。通过最高等级审核的用户将获得GPT-5.4-Cyber的访问权限，在处理漏洞研究与分析等敏感任务时，其受到的系统限制将显著减少。 据介绍，GPT-5.4-Cyber放宽了模型针对合法网络安全指令的拒绝边界，并支持二进制逆向工程（Binary Reverse Engineering）等高级防御工作流。该功能允许安全专业人员在无源代码的情况下，分析已编译软件，以探测潜在漏洞及恶意软件风险。 然而，由于模型权限较高，OpenAI强调将采取有限且迭代的部署方式。在“零数据保留”（ZDR）等缺乏透明度的使用场景中，或通过第三方平台访问时，由于OpenAI无法直接监控用户、运行环境及请求意图，该模型的高级权限可能会受到限制。目前，个人用户可通过官网验证身份申请加入TAC计划，企业用户则可经由专属代表为其团队申请信任访问权限。 应对能力进化：算力飙升下的防御升级 面对AI技术在网络攻防两端的双向应用，OpenAI重申了其推进网络防御计划的三项核心原则：访问权限普惠化、迭代部署与生态系统韧性。 OpenAI在声明中特别警示，随着黑客与防御者开始在现有模型上使用更多的“测试时算力”(test-time compute)，结合复杂的提示词框架，模型正被激发出越来越强的能力边界。这意味着安全保障措施不能坐等未来的某个单一阈值，而必须与模型能力同步扩展。 在访问权限方面，OpenAI计划通过“了解你的客户”(KYC)和身份验证等客观标准，决定高级功能的访问归属，以确保合法机构能获取先进防御能力，同时防范技术滥用。在部署策略上，公司将通过实际应用持续更新模型和安全系统，提升模型对抗“越狱”等对抗性攻击的韧性。 根据OpenAI的“准备状态框架”，基础版GPT-5.4已被评估为具备“高”网络攻防能力评级。回顾其技术路径，该公司自GPT-5.2起便引入了针对网络安全的特定训练。为支持防御者生态，OpenAI此前发布了自动代码审计工具Codex Security。数据显示，该工具自发布以来，已协助开发者修复逾3000个关键及高危漏洞。 展望后续产品，OpenAI评估认为，现有的安全保障措施足以支撑当前模型的广泛部署。但随着未来AI模型能力逐步超越现有的专用工具，业界需要同步构建更为广泛和严密的防御机制。（易句） （本文由AI翻译，网易编辑负责校对）
-
上海机器人批量进厂，8小时不间断“打工”，拐点时刻或要等4年 4月14日，龙旗科技南昌平板制造工厂开启长达8小时的真实产线作业直播，两台智元具身智能机器人精灵G2以“正式员工”身份，在平板电脑产线上连续作业。据悉，这也是全球首个具身智能工业产线规模化落地。“成功率100%、故障率0%，每小时可完成310件产品。”这场面向全球的“云监工”交出的理想答卷，实证了具身智能从“能动”到“能用”的关键跨越。今年第三季度，智元将在工厂内部署100台机器人，并向汽车制造、半导体、能源等更广泛的工业场景复制。零失误是进厂前提从流水线上抓取待测平板，精准放入测试柜内，检测完成后再把合格品放回流水线进入下一步，而不良品则进入回收线等待收走。这便是精灵G2的工作，负责平板电脑MMIT（多媒体集成测试）工站的上下料。 机器人进产线上下料作业。听上去不复杂，但龙旗科技机器人业务部总经理李龙却说，这是一个严丝合缝的精密操作。传统机械臂靠固定坐标，放进去就是“死的坐标值”，平板一旦放歪了，机械臂就会报错，而精灵G2依靠力矩传感器和视觉感知，能感知产品是否到位，像人一样灵活调整，“要么摆正了再拿，要么直接斜着拿然后正着放进去”。为了到生产线“打工”，机器人历经4个多月的培训：先用数字孪生1:1复刻生产线，完成90%的研发测试，再进工厂副产线调试，适应真实光照、信号环境，“并线”前利用主产线闲时做一周连续压测，至少8小时不停线才获准上线。“并线”是一个关键门槛。李龙直言：并线就是正常生产的一部分，不能因为机器人导致产线中断，“这是不可接受的”。作为一家大型消费电子代工企业，龙旗科技的要求很明确：100%成功，不能失败，7天连续工作，不能停机。智元合伙人、具身业务部总裁姚卯青回忆，去年9月，双方成立联合攻关小组，最初机器人完成一项作业需要100多秒。经过4个月迭代，如今已稳定在20秒左右，还可24小时连续作业。直播数据显示，两台精灵G2连续8小时生产作业，连续执行2283次精密上下料，成功率100%、故障率0%，每小时可完成310件产品。不是替代是协同记者在现场看到，在精灵G2的工位旁边，还有一条人工检测产线。工人在十多米长的产线上来回走动，一人负责一个工位，不停转身查看后方哪个测试柜弹出，再把平板插进去，大约20秒转一圈，一分钟转上几圈，寻找空闲的测试柜，每天至少一两万步。“怪不得我看工位上都没有胖子，几个小时转下来我可能会晕。”上海人工智能行业协会秘书长钟俊浩看到真实生产线后感慨道。除了工人辛劳问题之外，还有管理难题。姚卯青告诉记者，人是生产环节里最不可控的因素，“人会出错，受情绪和体力影响，生产良率也会随之波动。”记者还听说，这类工位人员流动性高，年轻人通常坚持不到3个月，新员工又要重新培训，人力的隐性成本居高不下。“机器人不存在这些问题，先期的预训练之后，产线上的一致性和稳定性有保障。”直播也印证了姚卯青的看法，除了每次换电的4分钟外，精灵G2几乎随时待命，偶尔停下来“休息”并非偷懒，而是在等待生产线上游的来料。“目前生产线的节奏，还不需要机器人满负荷运行。”一名生产线调试人员说。那么，为什么不用更成熟的机械臂？“机械臂和机器人不是替代，而是协同关系。”李龙介绍，机械臂在固定生产流程上很成熟，生产效率可以用“可怕”来形容，但多媒体集成测试工作的操作范围有十多米，需要来回移动，不同测试项目需要不同放置动作，产品型号还可能变化，机器人反而更适合这样的柔性生产线。“精灵G2有全向底盘、可折叠升降下肢、三向转动腰部和双臂协同，能覆盖这类非标准工位。”姚卯青表示，特别是手机、平板等3C产品迭代快，换一款产品，传统自动化产线可能需要上百万元的改装成本，但是机器人无需定制产线，场景切换最快15分钟，重新训练不超过4小时，设备复用率95%。他还提到，机器人学单个新技能可在一小时内达到99%以上成功率，当前的平板生产线切换到手机生产线，简单重新训练就能上岗。中国信通院最新报告显示，在工业制造、物流仓储、医疗康养和商业服务等场景，具身智能将成为生产工具，推动行业向智能化、柔性化转型。其中，工厂与物流是机器人最先规模化应用的场景，工业渗透率有望突破15%。 8小时直播成功率100%。超百台机器人今年进厂尽管直播展示的效果不错，但龙旗科技和智元都没有回避机器人的“不可能”难题。首先是作业节拍的差距。人工完成一项作业大约十几秒，机器人也做到了接近水平，但“还有差异”，节拍越短，生产效率越高，机器人目前的作业节拍“不具备经济价值”。同时，通信偶尔会出现信号干扰和数据丢失问题，李龙说得很实在：“要说一点问题没有，没人会相信，毕竟这是机器人第一次连续大规模运行。”此外，姚卯青还认为，目前最大的难点不是单一技术问题，而是整个产业链的协同配合。对于正常运行的工厂来说，引入机器人意味着额外投入研发和运维资源来配合。“这不是所有客户都愿意主动承担的。”他认为，机器人厂商需要把机器人进工厂的门槛做得更低，尽可能接近“开箱即用”的状态。“在我们原本认为有挑战性的精密装备环节，机器人换个‘手’就能轻松拧紧小螺丝，但理线这一容易忽视的环节却成了难题。”李龙介绍道，手机背板内部连接众多传感器，需要用到极其细小的电线。这一工序通常需要多人协作，一人负责插好传感器，一人套上模具，另一人则需手持镊子小心翼翼地将电线嵌入模具的缝隙中。“这根线又软又细，以机器人目前的技术水平，短期内还难以胜任。”“机器人本体能力还在发展中，上游零部件的精度，比如伺服器的响应速度、轴心的对准度等，都直接影响末端操作的质量。另外，具身智能泛化能力仍然不足，机器人进入新场景还需要预训练和部署调试，离‘直接下工厂干活’还有相当距离。”钟俊浩认为，只有当机器人对物理世界有全局性的认知，才能做到“具体场景下的适度纠偏”。“乐观来看，不少人将当下机器人比作GPT-2或GPT-3时代，但GPT-2已能输出连贯答案，而当前具身智能远未达到这种水平。我认为，当前机器人更像是2018年的谷歌BERT模型。”姚卯青认为，若参照BERT到ChatGPT约四年的演进节奏，机器人进工厂的“GPT时刻”预计在2030年到来，初步可用或需等到2028年。在姚卯青看来，今年，具身智能将迈入“可并线、可稳定、可批量、可复制”的工业级常态化部署阶段，计划今年第三季度将部署规模扩大至100台，并加速向汽车制造、半导体、能源等更广泛的工业场景复制。而龙旗科技则将继续逐个攻克机器人进产线的卡点，交付运维后再移步下一个场景。李龙对此展望道：“希望明年一打开视频全是机器人，人去做更高价值的工作。”原标题：《上海机器人批量进厂，8小时不间断“打工”，拐点时刻或要等4年》栏目主编：李晔来源：作者：解放日报 查睿
-
Anthropic又“上新”，或本周发布旗舰模型Opus 4.7和AI设计工具 据科技媒体美东时间14日周二的报道，知情人士称，OpenAI的劲敌Anthropic正准备推出其下一代旗舰模型Claude Opus 4.7，并同步发布一款AI驱动的设计工具，最快可能本周面世。知情人士透露，Claude Opus 4.7将作为Anthropic新一代旗舰模型之一，但其性能并非该司当前最先进的水平。报道称，Anthropic内部真正的前沿模型为Claude Mythos，该模型仍处于测试阶段，已向部分早期合作伙伴开放。这些合作方正利用其在网络安全方面的能力，识别软件中的潜在漏洞。业内认为，这一定位凸显Anthropic在“AI安全”赛道上的持续投入与差异化竞争策略。知情人士还称，Anthropic即将问世的设计工具将对演示文稿制作工具Gamma和谷歌的AI设计工具Google Stitch构成挑战。据报道，Anthropic的设计工具旨在通过自然语言提示，帮助用户生成演示文稿、网站、落地页乃至完整产品原型，覆盖从技术人员到普通用户的广泛群体。这意味着用户无需掌握编程或设计技能，即可完成复杂的创意与开发任务。对于上述新品发布计划，Anthropic发言人拒绝置评。若消息属实，这些新产品就标志着，Anthropic在生成式AI应用层面的进一步扩张，尤其是在设计与生产力工具领域的布局加速。有分析指出，随着生成式AI能力不断增强，设计工具正从“辅助工具”向“自动生成平台”演进，头部模型厂商纷纷向下游应用延伸，试图占据更高附加值环节。Anthropic此番布局，正值AI行业竞争从“模型能力比拼”逐步转向“应用生态竞争”的关键阶段。近期，OpenAI和谷歌等科技巨头均在强化AI工具链和应用层产品，例如代码生成、办公自动化以及多模态内容创作等方向。在此背景下，Anthropic推出设计工具，被视为其从“模型提供商”向“平台型公司”转型的重要一步。若相关产品如期发布，将进一步加剧AI设计与生产力工具市场的竞争格局。市场人士认为，未来一段时间内，围绕“谁能将大模型能力转化为可规模化商业产品”，将成为决定行业格局的关键变量之一。
-
专访石城川：AI让听障伙伴“看见”声音，技术普惠仍需努力 继AI手语翻译机、手语翻译小程序成为十五届全国运动会及残特奥会的亮点之后，石城川带着他和团队研发的人工智能线索语算法、全国首个高质量AI公益数据平台出现在2026世界互联网大会亚太峰会现场。4月13日，2026世界互联网大会亚太峰会在香港举行。世界互联网大会青年领军者、广州音书科技有限公司创始人兼首席执行官石城川在杰出贡献者盛典环节，分享了一名听障人士如何借助AI重新“看见”声音的创业实践和最新构想。11岁那年，因为一场突发的疾病，石城川双耳彻底失聪。在无声的世界里，他通过看板书、PPT和教材完成了学业。本科期间，石城川就读的是暨南大学数学与应用数学专业，后来又因兴趣而选修了计算机、互联网和人工智能相关课程。2016年，24岁的石城川创立了音书科技，致力于帮助听障人士解决沟通障碍。在参会间隙，石城川向南都记者展示了这些年的研发成果，包括音书APP、智能手表、眼镜、可识别手语的AI大模型、手语翻译平台等。这些产品，是他与外界沟通交流的“翻译官”，也在惠及更多人——目前已累计为全国超过一百三十万听障用户、超过三百家各类公共服务提供机构。 广州音书科技有限公司创始人兼首席执行官石城川。（图片来源论坛主办方）作为一名听障创业者，石城川期盼用科技突破沟通壁垒，让无声的世界也能被听见。AI赋能听障用户，还有很大提升空间南都：去年的第十五届全国运动会及残特奥会期间，音书AI手语翻译机和手语翻译小程序成为一大亮点。AI技术，能够怎样帮助解决听障问题？石城川：最初我们做的音书APP，它有智能语音转写功能，帮助听障人士“看见”声音，解决沟通障碍。这几年随着AI技术发展，我们陆续又开发出智能字幕、语音翻译手表、智能眼镜、AI手语翻译机等软硬件产品。一方面，听障人士说话可能不是特别清楚、准确，我们可以训练AI“看懂”“听懂”听障伙伴的表达；另一方面，听障人士主要通过手语表达，而手语有自己的语法体系、语言结构——比如“今天天气好吗”，手语会打成：“好吗天气今天”或者 “天气今天好吗”。现在，大模型通过对手语的语义理解，可将手语翻译成更顺畅、更易于普通人理解的表达。我们还打造了专门的在线手语翻译平台。目前全国约有2700万听障人士，但专业的手语翻译只有几千位，在供需不匹配的情况下，这类专门的平台很受欢迎。目前全国已有大概200名手语翻译员注册成为我们在线手语翻译平台的志愿者。当听障伙伴需要手语翻译时，可在小程序上点击“立即呼叫”，随即就有手语翻译员上线提供服务。这是一个公益属性的项目，手语翻译老师对外服务每小时收费可能在300-500元，而在这个平台能获得的报酬仅是市场价的十分之一，但他们还是很乐意奉献自己的专业力量。南都：你在亚太峰会现场给大家展示的“人工智能线索语算法”，将能够解决听障人士的痛点问题？石城川：很多听障人士即使佩戴了助听器或人工耳蜗，言语表达能力可能仍有所缺陷，需要不断康复和训练。2019年香港科技大学（广州）助理教授刘李发明了中文线索语。这是一套将口语可视化的编码方式：通过手的八个形状编码所有声母、头部的五个位置编码所有韵母，再加上口型，就可以将每一个汉字编码出来。它不但可以编码文字，还可以帮助训练言语。我相信中文线索语将给听障人士的言语康复带来极大帮助。目前我们正与香港科技大学（广州）共同研发人工智能线索语算法，希望尽快将这个全新技术变成切实可用的产品，服务中国数千万听障朋友。除此之外，我们发现，在科技助残和公益慈善领域也需要很多数据。比如AI手语识别算法、AI线索语识别算法都需要海量数据训练模型。我们也正在联合有关政府部门、数据企业、投资机构和公益机构，打造全国首个高质量AI公益数据平台，希望能够将公益数据汇聚起来，更好地为残障群体赋能。南都：从你的观察，随着技术应用改善听障人士沟通状况，还带来哪些变化？石城川：我注意到一个变化：基于沟通成本考虑，过去，很少企业愿意招聘听障伙伴——尤其是一些追求效率、追求协作的团队；但随着无障碍技术的发展，这些沟通难题正逐步解决，而且国家层面也在通过税收优惠等政策举措，鼓励企业招聘残障人士。慢慢地，很多人的观念发生转变，社会的包容度也在变高。听障伙伴虽然听力不好，但在视觉感知、细节把控方面往往更有优势。基于此，有企业主动找我们推出面向听障伙伴的联合培养模式。去年，我们与国内动漫领域的知名企业——玄机科技合作，在特殊教育学校开展动漫设计专业培训。结合企业的岗位需求，学校做相应的课程设计，而我们负责提供学习、创作、交流的技术支持，让听障学生掌握设计、绘画等技能之后，就能到企业去应聘工作。南都：在你看来，这些变化到了哪一步？是刚刚开始，还是逐步深入了？石城川：如果把这个过程看作是一场马拉松，现在差不多快跑到了1公里的位置。为什么还有很长的路要走呢？因为听障伙伴的个体差异太大了。一些伙伴有条件、有机会去接受比较好的教育，接触到最新的技术并从中获得帮助。比如，我自己就是一个很好的案例：假设以前我遇到的沟通障碍是100%，现在借助科技，我可能已经解决了80%-90%的交流难题。但还不够，目前仍有很大提升空间。比如，在一些前后鼻音的发声，我可能控制得不好，需要进行长期的言语康复训练；再比如，我无法欣赏音乐。未来随着技术的发展，也许我们听障伙伴能拥有音乐鉴赏能力，或者我们的人工耳蜗可能比普通人的听力还要更灵敏。不可忽视的是，还有很多听障伙伴处在相对闭塞的环境里，他们没有机会去了解、熟悉AI技术，也不具备任何使用条件，所以我们也在想方设法地去辅导、帮助他们。“多条腿走路”探索技术普惠路径南都：用AI技术来帮助听障人士实现沟通无障碍，你的创业遇到了哪些难题？石城川：面向听障群体服务，这是一个垂直细分的领域。前期研发阶段，我们需要投入大量的研发成本，产品上线运营后，这也不是一个很快能变现的生意。现实中，很多听障伙伴不一定有稳定的收入来源，即便有工作也可能不是高收入人群，因此他们对价格敏感。这就要求我们要想办法降低成本，提高产品的性价比——经过一番努力，去年我们的一款智能手表在更新迭代后，把价格降低了40%。总之，让听障伙伴能普惠地使用科技产品，还需要一个过程。我们一直在探索不同路径，包括积极推进这些产品进入残疾人基本辅助器具指导目录，减少听障伙伴的开支负担。同时寻求与更多政府部门、大企业和公益机构的合作，帮助更多听障人士享受科技成果。南都：面向未来，你如何看待AI在听力障碍服务领域应用的前景？石城川：随着技术的发展，听力细分赛道的成熟，我认为完全听不见的听障伙伴将越来越少，传统的手语可能会消亡，但听力障碍的困扰不会消失。世界卫生组织（WHO）数据显示，全球约4.3亿人存在残疾性听力损失（中度及以上），并且这个数据还在增长、形势严峻。因为有很多人长期处在高强度的工作压力、生活压力之中，还有的经常暴露在噪声环境里，这导致他们出现不同程度的听力损失。因此，如何进一步挖掘AI技术的潜力，更好地服务听障伙伴，将是我们接下来努力的方向。南都：老年人也面临着听力衰退、听力障碍等问题，当前老龄化正在加剧，你们的技术和产品是否也能给老年人带来帮助？石城川：是的，只是产品还需要优化。现在有一些老年听障人士使用人工耳蜗，还有更多老年人，即便自己听力衰退，也不愿意使用任何设备和工具的。不仅仅是因为价格贵、佩戴不舒适、没有这样的使用习惯，甚至还有羞耻感的因素——怕被人认为自己是残疾人。所以在做产品研发设计的时候，格外需要注重这一点。现在我们绝大多数产品主要针对重度听障伙伴，未来面向老年听障人士的产品还需要渐进式优化，让产品成熟度、友好度更高，不会带来歧视。南都：此次到香港参加2026世界互联网大会亚太峰会，你期待有何收获？石城川：一方面，希望能够找到更多出海的机会。前段时间，有印度的朋友向我们反馈，希望开发印度手语的AI算法。我们接洽后发现，AI技术是共通的，只需要匹配本土的训练语料就能落地应用，包括我们开发的智能手表、眼镜等硬件产品，切换当地的语言后，也可供不同国家的听障伙伴使用。另一方面，我也想了解在香港或欧美发达地区对我们这样的社会企业，有何发展机遇。对于内地来说，“社会企业”是一个相对新的概念，它指的是通过商业手段解决社会问题、追求社会效益最大化的组织。我们希望能通过亚太峰会这样的平台，获得更多的支持。采写：南都N视频记者李玲 程姝雯 王子黎
-
马斯克进驻TikTok？认证账号发布首条视频，粉丝量超10万 4月13日，一个用户名为@elonmusk并带有认证标识的TikTok账号首次在该平台发布内容，目前粉丝量已达10.46万。 该账号发布的视频时长约两分钟，马斯克在视频中畅谈未来愿景，并穿插展示了旗下SpaceX、特斯拉等公司的成就与宣传素材，配文称“TikTok首秀，向星辰进发”。与此同时，一个同名且带有认证标识的账号近日也出现在Instagram平台，但尚未发布任何内容。这些账号开始活跃的时间节点，正值马斯克推动其火箭与卫星公司SpaceX进行首次公开招股之际。为筹备IPO，马斯克需要从投资者处筹集数十亿美元资金，而上市成功后他可能成为全球首位万亿富翁。值得注意的是，马斯克此前对这些平台态度冷淡。2022年他曾短暂禁止推特用户在X平台推广包括Instagram和脸书在内的其他社交账号。2018年，他删除了特斯拉和SpaceX在脸书上的页面，并表示已删除个人Instagram账号，还在近期接受播客主持人乔·罗根采访时称担心Instagram会导致更多不快乐而非更少。2023年，马斯克还在《纽约时报》DealBook峰会上表示已停止使用TikTok，理由是觉得该应用的人工智能正在“探测”他的思维，并称这款应用令人上瘾且充斥着反犹内容。网络存档显示，早在2024年就已出现使用@elonmusk用户名的TikTok账号，但当时并未发布内容也没有验证标识。马斯克、TikTok及Instagram母公司Meta均未回应置评请求，相关媒体亦无法独立证实马斯克是否为这两个账号的幕后主人。（凤凰网科技）
-
美企AI采用率首破50%，Anthropic年化收入超300亿美元反超OpenAI 据美国企业费用管理平台Ramp最新报告，3月美国企业AI采用率首次突破50%大关，达到50.4%，一年前这一数字仅为35%。Anthropic正在企业AI市场全面逼近OpenAI。3月Anthropic的企业客户份额从24.4%飙升至30.6%，单月增长6.3个百分点，与OpenAI的35.2%差距缩小至仅4.6个百分点。Ramp称，按当前增速，Anthropic有望在两个月内完成反超。从行业维度看，Anthropic已在信息业、金融保险业和专业服务业三个AI采用率最高的行业中取得领先。OpenAI目前仍在其余行业保持领先，但Ramp经济学家阿拉·哈拉兹安指出，早期采用者现在的选择就是市场几个月后的选择，这暗示Anthropic在头部行业的领先优势可能向其他行业扩散。值得注意的是，Anthropic的增长发生在不利政策环境下。今年2月，美国国防部将Anthropic列为“供应链风险”，但企业客户对此几乎无动于衷，采用率不减反升。报告还发现，决定一家企业是否采用AI的最强预测因子并非行业或规模，而是其背后的资本类型。有风投背景的企业AI采用率高达80%，私募股权支持的企业为64%，没有机构投资者的企业仅为45%。在风投支持的企业中，选择Anthropic的比例已达66%，高于OpenAI的59%。从年化收入（ARR）维度看，反超已经发生。Anthropic年化收入已突破300亿美元（约合人民币2049亿元），超过OpenAI同期的250亿美元（约合人民币1708亿元），这是自2022年ChatGPT发布以来首次有竞争对手在收入规模上超越OpenAI。Anthropic的ARR在15个月内增长约30倍，其中约80%收入来自企业客户，年消费超100万美元的大客户数量在不到两个月内翻倍至1000家以上。据Business Insider报道，Claude Code深受软件工程师群体欢迎，仅这一项产品就贡献了约25亿美元的ARR。在盈利前景方面，OpenAI预计2026年亏损约140亿美元，Anthropic则预计2027年即可实现正向自由现金流。（智东西）
-
深圳首条人形机器人中试产线投运 来源：中国新闻网 中新社记者 陈骥旻 摄 4月12日，位于广东深圳的乐聚机器人中试产线正式启用，这是深圳首条人形机器人中试产线。中试产线为人形机器人“试炼场”，旨在加快产品迭代打磨，为后续大批量生产“打样”。经过中试产线工艺验证与“准量产”打磨后的人形机器人，将奔赴佛山，在广东首条万台级人形机器人自动化产线完成生产并下线。图为技术人员在中试产线调试人形机器人。 中新社记者 陈骥旻 摄 4月12日，位于广东深圳的乐聚机器人中试产线正式启用，这是深圳首条人形机器人中试产线。中试产线为人形机器人“试炼场”，旨在加快产品迭代打磨，为后续大批量生产“打样”。经过中试产线工艺验证与“准量产”打磨后的人形机器人，将奔赴佛山，在广东首条万台级人形机器人自动化产线完成生产并下线。图为技术人员在中试产线调试人形机器人。 中新社记者 陈骥旻 摄 4月12日，位于广东深圳的乐聚机器人中试产线正式启用，这是深圳首条人形机器人中试产线。中试产线为人形机器人“试炼场”，旨在加快产品迭代打磨，为后续大批量生产“打样”。经过中试产线工艺验证与“准量产”打磨后的人形机器人，将奔赴佛山，在广东首条万台级人形机器人自动化产线完成生产并下线。图为技术人员在中试产线组装人形机器人部件。 中新社记者 陈骥旻 摄 4月12日，位于广东深圳的乐聚机器人中试产线正式启用，这是深圳首条人形机器人中试产线。中试产线为人形机器人“试炼场”，旨在加快产品迭代打磨，为后续大批量生产“打样”。经过中试产线工艺验证与“准量产”打磨后的人形机器人，将奔赴佛山，在广东首条万台级人形机器人自动化产线完成生产并下线。图为技术人员在中试产线组装人形机器人部件。 中新社记者 陈骥旻 摄 4月12日，位于广东深圳的乐聚机器人中试产线正式启用，这是深圳首条人形机器人中试产线。中试产线为人形机器人“试炼场”，旨在加快产品迭代打磨，为后续大批量生产“打样”。经过中试产线工艺验证与“准量产”打磨后的人形机器人，将奔赴佛山，在广东首条万台级人形机器人自动化产线完成生产并下线。图为技术人员在中试产线组装人形机器人部件。 中新社记者 陈骥旻 摄 4月12日，位于广东深圳的乐聚机器人中试产线正式启用，这是深圳首条人形机器人中试产线。中试产线为人形机器人“试炼场”，旨在加快产品迭代打磨，为后续大批量生产“打样”。经过中试产线工艺验证与“准量产”打磨后的人形机器人，将奔赴佛山，在广东首条万台级人形机器人自动化产线完成生产并下线。图为技术人员在中试产线调试人形机器人。 中新社记者 陈骥旻 摄 4月12日，位于广东深圳的乐聚机器人中试产线正式启用，这是深圳首条人形机器人中试产线。中试产线为人形机器人“试炼场”，旨在加快产品迭代打磨，为后续大批量生产“打样”。经过中试产线工艺验证与“准量产”打磨后的人形机器人，将奔赴佛山，在广东首条万台级人形机器人自动化产线完成生产并下线。图为技术人员在中试产线调试人形机器人。
-
对话银河通用赵于莉：不做“花哨”的机器人 一家朴实的机器人公司成长史。定焦One（dingjiaoone）原创作者 | 王璐 贺树龙编辑 | 魏佳2026年春晚后台，演员沈腾走进拍摄现场的那一刻，银河通用的机器人就必须立刻开始工作。没有彩排，没有走台，没有NG的机会。一个多小时的拍摄窗口，一次性完成。比春晚更早的一次考验，发生在一场面向投资人的闭门演示中。机器人在执行取放高脚杯的指令时，因抓夹微松、杯腿纤细，杯子意外滑落摔碎。然而，机器人并未停滞或报错，而是自主清理起地上的玻璃碎片。这一举动完全超出预设，让在场所有人意外。“这不是脚本，是模型自身的闭环判断力。”银河通用首席战略官赵于莉回忆道。这个意外后来被写进了春晚节目，也成为银河通用对外讲述技术实力时最常提起的故事之一。成立不到三年，估值突破210亿元，银河通用如今已经是国内估值最高的具身智能公司之一。但与行业里那些会连续后空翻、跳街舞的明星机器人相比，银河通用的产品看起来有些“朴素”，轮式底盘，没有酷炫的双足行走，甚至连春晚总导演第一次看到它时都觉得它“太务实了”。赵于莉不回避这个评价。在她看来，银河通用要做的，是一个“能干活”的机器人。近日，「定焦One」与赵于莉进行对话，探讨了这家公司的技术逻辑与商业选择。01.从“流量战场”到“数据无人区”赵于莉的职业履历横跨互联网行业近二十年。从清华硕士毕业后，她先进入麦肯锡，建立起战略分析的全局视野；随后加入奇虎360，参与了从战略规划到业务落地的整个过程；之后在游族网络，带领团队完成了从产品研发到市场发行的全链条实践。从PC互联网到移动时代，从流量经营到内容深耕，她都深度参与。但熟悉感带来了另一种困境。“原有经验成了双刃剑，业务探索的兴奋感在递减。”她对「定焦One」表示。当互联网业务模式逐渐定型，她开始寻找一条能持续学习、并能参与塑造的新赛道。当时，具身智能正在经历一轮快速发展。2024年，美国明星机器人公司Figure AI与OpenAI宣布合作，主要目的在于将大语言模型能力注入人形机器人，这一联盟吸引了包括微软、英伟达、亚马逊在内的巨头公司，Figure更是在最新一轮融资中估值接近400亿美元。国内更是动作频频。七部门联合发布《关于推动未来产业创新发展的实施意见》，明确将人形机器人列为创新标志性产品。近两年，全球人形机器人行业融资事件密集，这条赛道正以前所未有的速度升温。但她没有冲动入场。在正式加入银河通用这家2023年才成立的新公司之前，她花了大量时间做行业调研。赵于莉说，银河通用最终打动她的是三个判断：技术在全球领先、商业理念务实、团队兼具学术深度和产业经验。 这些特质，在两位核心创始人身上得到了集中体现。赵于莉与银河通用机器人创始人兼首席技术官王鹤师出同门，都毕业于清华大学。这位年轻的学弟、如今的北大研究员，在斯坦福攻读博士期间便早早锁定了具身智能方向，2016年开始在此领域深耕，属于国内极少数的“原生”研究者。联合创始人姚腾洲及其带领的硬件团队，则补全了拼图的另一半。他拥有多年的机器人创业与产品化经验，其上一代机器人产品累计出货产值达数亿元级别，深刻了解从实验室原型到稳定可靠产品之间该如何跨越。赵于莉回忆当时的感受，“这家公司不是一个纯学院派的构想，也不是一个仅凭工程经验在既有路径上迭代的团队。他们真的在尝试解决一些本质问题，而不仅仅是做一个演示。”2025年中关村论坛上，近100家机器人公司带着产品到场，热闹非凡，赵于莉在现场逐一观察，发现许多炫酷的演示背后，依然离不开人工的暗中辅助或频繁重置。而银河通用的展台是少数例外，其机器人在无人干预的情况下，连续五天承担了引导与商品售卖的工作，这种稳定感和实用性，在展会中颇为突出。“在这家公司，我常常感到知识焦虑。”赵于莉说，“公司团队里博士比例很高，讨论技术细节时，我得打起十二分精神。但这恰恰是魅力所在，你不是在重复过去，而是在和一群最聪明的人，共同开垦一片名为物理智能的处女地。”具身智能行业的核心瓶颈，是数据。赵于莉用一个对比来解释：ChatGPT之所以能横空出世，是因为互联网上有海量的文本数据可供训练。但机器人需要的是物理世界的操作数据——怎么抓取一瓶水、怎么搬运一个箱子、怎么在货架上精准取出一包方便面，这些数据在互联网上完全没有，无法免费获得。这就是赵于莉所说的“数据无人区”。行业的主流解法是“人工喂养”，比如特斯拉雇佣数百名操作员，通过遥控机械臂，一遍遍演示“抓取电池”这一动作，生成供机器人模仿的数据。这种方法简单直接，但代价高昂、效率低下，且难以规模化到成千上万种任务。因此，银河通用选择了另一条技术路径：合成仿真数据。在虚拟世界中重建物理规律，生成高质量的仿真数据。02.一家“朴实”的机器人公司合成仿真数据，可以简单理解为，在电脑里搭建虚拟场景，让机器人无限次训练，零成本、高效率。关键难点在于，虚拟训练出来的能力能否迁移到真实世界。“如果仿真数据只是看起来像，那毫无意义。”赵于莉说，“早期的仿真，就像在玩一个画面精美的电子游戏。你可以在游戏里轻松抓起一个水杯，但这个水杯没有真实的质量、摩擦力、形变反馈，因此用这一数据训练出的机器人，在现实里可能连一张纸都抓不稳。”“合成仿真数据，行业里很多人不认可，觉得没法用。”赵于莉表示，问题在于大多数团队还没突破从仿真到真实物理世界之间的技术桥梁。这座桥梁的核心，是对物理反馈的深度理解。需要深度融合计算机图形学、物理仿真、物理渲染和自动动作合成管线，包括验证闭环的一系列全套基建，因此技术壁垒高，研发周期长。尽管合成数据是训练的起点和主体，但银河通用的技术路径并非完全排斥真实世界，而是“仿真预训练+真实数据强化优化“，最初以99%合成数据+1%真实数据的极端比例起步，赵于莉透露，随着正式业务落地数量的增加，其真实数据占比正在逐步上升。这条技术路径带来了一些令人印象深刻的成果。2025年初，银河通用发布了全球首个端到端具身抓取基础大模型（GraspVLA），无需任何真实世界数据标注与训练，仅凭虚拟世界的学习，机器人就能在现实中抓取各种未见过的、透明的、反光的、柔软易变形的物体，成功率达到95%。而最新技术“银河星脑”（AstraBrain）是全球首个集成“大脑-小脑-神经控制”于一模的全身全手端到端具身大模型，打通从多模态感知到实时反馈控制的全链路。 其能力的极致体现之一，是旋转纸皮核桃。为了让灵巧手掌握这类对力度控制要求极高的精细操作，研发团队会先在仿真平台上进行海量预训练，建立基础策略，然后再在现实世界中采集少量真实交互数据，对模型进行微调与强化学习，让机器人学会精准拿捏“紧一点会碎，松一点会滑”的巧劲儿。 在具身智能行业，“秀肌肉”是最容易获得关注的方式。机器人跳舞、翻跟头、打太极，这些动作天然具有传播力。赵于莉也承认，去看一场体育比赛肯定比看一场奥数比赛更直观，这是人之常情。但银河通用的选择是：让机器人下场干活。这个选择首先体现在产品形态上。银河通用为它的首款商用机器人Galbot G1，装上轮子。“这不是成本问题，是‘生存’问题。”赵于莉解释，“双足动态平衡能耗巨大，站着不动都在‘烧钱’。对于需要24小时不间断工作的工厂等场景来说，无法接受机器人每两小时就回充电桩休息。轮式底盘是当前技术下实现可持续生产力的最优解。”银河通用在2024年联合美团开设的第一家智慧药仓，机器人已经7×24小时工作超过一年，中间几乎没有维修。这种“生产力优先”的逻辑，贯穿了其所有商业决策。他们盯上的，是最枯燥、最重复的“脏活累活”。在商业落地上，银河通用目前聚焦工业制造和智慧零售两大场景。在工业领域，从汽车巨头宁德时代、博世的产线，到消费电子工厂的质检工位，Galbot机器人正在完成上下料、分拣、搬运等任务，部署量已达千台级。2026年初推出的重载型号S1，能自主搬运50公斤的物料，在真实车间里已连续运行数月。在零售方向，他们打造了银河太空舱，这是一个以机器人为核心的智能零售终端。它在中关村、颐和园、北京王府井、成都春熙路等核心商圈为游客提供饮料，已在全国20多个城市快速落地超100个点位，并为所在商场带来了平均30%的客流提升。“连今年春晚的导演第一次看到我们的机器人，都说太朴实了，能不能让它看起来更炫一点？”赵于莉笑道，“我们展示的不是花哨，是它能稳稳抓住一个透明杯子的真本事。这就是我们的底色，让技术在现实世界中产生看得见的效用。”03、谁是中国具身智能领域的“特斯拉”？2025年3月，宇树科技递交招股书，成为具身智能行业的一面镜子。有两个数据引起了赵于莉的注意，一是宇树高达60%的毛利率，展现了其在运动控制与硬件成本上的极致能力；二是其约7.7%的研发费用率，这个比例在行业里算偏低，展示出“控制优先”路径的效率。她分析，这与宇树的发展路径有关。宇树创始人自己手搓机器人出身，对零部件的成本控制做到了极致；同时，在运动控制这条路上，他们确实做到了世界级。但她也指出，银河通用与宇树的基因和赛道有根本区别。 “银河通用更像一家AI公司，我们的研发投入高度聚焦于‘大脑’，也就是具身智能大模型本身。”赵于莉表示，这种差异也延伸至商业化上，宇树的部分机器人凭借其运动能力，服务于表演、科研等场景；而银河通用押注的，是工业与零售等“生产性场景”。工业应用起步很慢，每个工厂、每条产线都需要深度定制。但魅力在于，当处理过的场景足够丰富、能力边界不断拓宽，形成的将是深厚的场景壁垒和可复制的规模效应。赵于莉认为，这种差异或许正是资本市场看中银河通用的原因，投资人赌的不仅是机器人，更是其通用AI能力在广阔物理世界中的应用潜力。谈及中美竞争，赵于莉有一个清晰的判断，在具身智能的工程化与商业闭环层面，中国和美国的差距不大。“我们的银河太空舱落地四个月后，特斯拉才推出功能相对单一的机器人零售店。至少在解决实际问题和实现商业闭环这条路上，中国公司并没有落后。”但她也观察到了中美公司之间的另一面差距：讲故事的能力。“比亚迪的收入和利润规模都已经超过特斯拉，但市值没有特斯拉高。特斯拉讲述的是能源革命、移民火星的宏大未来；比亚迪更聚焦于展示销量数据和具体技术。在机器人领域，美国Figure AI描绘的是家用机器人包揽一切家务的未来图景；而中国公司，包括我们，更习惯于展示工厂里的故障率、仓库里的拣选效率、零售点的ROI（投资回报率）数据。”中国公司更加务实，但在叙事能力上偏朴素了一些。如今Figure AI的估值倍数远高于国内同行，她认为在技术相当甚至商业落地更快的当下，中国硬科技公司在资本市场上应该拿到更高的估值。当被问及“谁会成为具身智能领域中国的特斯拉”时，赵于莉的回答是：“我们觉得自己有责任去争取这个位置。”她随即补充道，上市是获取资源、加速奔向那个未来的方式之一，但绝非终点本身。“真正的考验始终是，能否将技术持续转化为用户认可的价值。”在她对未来的构想中，终极的机器人产品应该像今天一些优秀的AI应用一样，成为生活中一种自然、无感的存在。“用户无需知道背后是哪个模型，只需提出需求，它便能理解并完成。这才是技术应该实现的终点，它不再是一个需要被‘展示’的工具，而是如同水电一样成为基础设施。”在这场对话的前一天，赵于莉还工作至凌晨两点。银河通用整个公司约有五百人，其中大部分拥有博士或顶尖高校背景，“有事即应，使命必达”是这群人的常态。他们聚集于此，不是为了重复互联网的流量游戏，而是为了一个更务实、也更坚实的梦想。当下，机器人行业站在岔路口，一边是凭借运动能力吸引全球目光的“明星”，另一边是走进厂房、仓库，开始创造价值的“员工”。银河通用选择了后者。这条路或许缺少掌声与光环，但它所指向的是一个更扎实、也更接近真实的未来。
-
AI撞墙：科技巨头的零碳叙事正在物理世界中松动 文 | 我们可能想错了过去几年，Google、Microsoft、Amazon这些科技巨头一直是大型企业里最积极的一批减排承诺者。买绿电、签长期协议、讲净零目标、讲无碳电力匹配，几乎构成了大型科技公司的标准ESG叙事。到了2026年，这套叙事并没有被公开撤回，但它已经开始遭遇真正的压力测试。压力不来自口号本身，而来自“AI热”带来的新增负荷、电网约束、地方阻力，以及越来越高的兑现成本。真正变化的，不是科技巨头写在报告里的碳减排目标，而是这些目标的现实含义。过去，减排更多是一套企业采购和核算逻辑；现在，它越来越像一套电力系统逻辑。企业不只要证明自己买了多少清洁电力，还要解释数据中心接入后谁来供电、谁来扩网、谁承担容量成本、谁承受水耗和地方环境外部性。一、科技巨头没有放弃碳减排承 先看一个基本事实：这些公司并没有集体后退。微软2026年2月宣布，已在2025年实现“年度用电100%可再生能源匹配”的阶段性目标，累计签约规模达到40GW，其中19GW已经并网，并明确表示会继续购买足够的可再生能源来覆盖其不断增长的用电需求。微软同时没有改变其2030年实现净零排放的既定承诺。Google的动作也不是收缩，而是加码。2026年2月，Google与Xcel、AES等合作，在明尼苏达和得州推进新的数据中心配套供电方案：新增1400MW风电、200MW光伏、300MW长时储能，并对电网配套投入资金。3月，Reuters又报道Google正参与一项1.6GW的清洁电力项目，其中包括300MW/30GWh的铁空气长时储能。单从动作看，这些公司并没有放弃低碳方向，反而是在用更重、更贵、更像基础设施投资的方式维持原来的承诺。因此，我们讨论的目标是巨头们的碳减排还能按原来的方式兑现吗？如果承诺需要靠更长周期的供电协议、更复杂的储能配置、更多电网投资和更高的社会沟通成本来维持，那么承诺本身虽然没有变，兑现逻辑已经变了。二、AI有先改，先改排方法 AI带来的第一层冲击，不是让科技巨头立刻下调ESG目标，而是让原来的减排方法开始不够用了。过去几年，大型科技公司主要依靠长期购电协议、年度绿色电力匹配和运营效率优化来支撑自己的减排叙事。这套方法在负荷增长相对可控的时候是有效的，因为它解决的是企业层面的碳账问题。但2026年的情况已经不一样了。Reuters援引美国能源信息署的数据称，美国2025年全社会用电已达到创纪录的41950亿度，2026年预计升至42440亿度，2027年进一步升至43810亿度。报道直接点到，AI和加密货币数据中心是推动需求上行的重要因素之一。问题在于，电网并不只看企业一年买了多少绿电，而是看新增负荷在什么时间接入、接在什么节点、晚高峰谁来兜底、备用容量谁来承担。AI让减排从一套采购逻辑，变成了一套系统约束问题。德州的变化最能说明这一点。Houston Chronicle报道，ERCOT正在讨论让数据中心自带电源或者接受可中断接入，以换取更快并网。更关键的是，德州待接负荷申请已经达到410GW，而其历史峰值负荷是85.5GW。也就是说，AI数据中心增长已经快到让接网规则本身开始变化。对于科技巨头来说，这意味着ESG承诺不再只是我买了多少清洁电，而是我是否愿意为自己的新增负荷承担更多供电责任和规则约束。三、零现实平衡者 这也是科技巨头角色变化最明显的地方。过去，它们在ESG叙事里主要扮演先锋企业：积极采购清洁电力、提出更高气候目标、推动企业绿电市场发展。到了2026年，它们开始同时扮演另一种角色：新增用电需求最强、最集中的大负荷主体。两种身份并行，冲突也随之变得公开。这种冲突已经进入政策层。2026年3月，Google、Microsoft、Meta、Amazon、Oracle、xAI、OpenAI等公司在白宫签署了“Ratepayer Protection Pledge”，承诺自行承担为新数据中心获取电力的相关成本，避免将成本转嫁给普通居民用户。之所以需要这样一份承诺，本身就说明一个现实：AI数据中心的电力成本和社会成本，已经大到足以成为公共议题，而不是企业内部问题。微软总裁Brad Smith在3月的CERA Week上也说得很直接：如果要在美国继续建设数据中心，必须赢得地方社区的信任。Reuters报道提到，越来越多地方社区开始反对数据中心项目，担心电价上涨、污染上升和环境影响，一些项目已经因此被取消。对ESG来说，这个变化非常关键：承诺不再只是向投资人解释，也要向地方社会解释。这意味着，科技巨头的ESG叙事正在发生一层微妙但重要的转向：从我是零碳先锋，转向我是愿意在现实约束下承担更多责任的扩张者。它们未必会下调减排目标，但会重新定义什么叫负责任的兑现。在AI时代，这种兑现不只包括采购清洁电力，还包括承担新电源建设成本、参与电网配套投资、接受接网约束，并回应地方社会对水、电、噪声和污染的质疑。四、外部世界已经开始重新定价些承 如果说前面的变化主要发生在公司和电力系统之间，那么2026年更值得注意的，是外部世界已经开始重新审视这些承诺的真实性、边界和成本。先是资本市场。Reuters 4月6日报道，十多家投资者正在要求Amazon、Microsoft、Google披露美国数据中心站点级的水电使用情况。报道提到，2025年北美数据中心耗水接近1万亿升，接近纽约市一年的用水量。这个案例的重要性不只是水耗数字本身，而是投资者的提问方式变了：过去问的是“你有没有气候目标”，现在问的是“你在哪个地方用了多少水、多少电，这些代价由谁承担”。这标志着ESG讨论从总量披露转向物理披露。再是州级能源转型目标。AP在4月9日的报道写得很直白：数据中心正在拖累部分州的清洁能源目标。内华达最大的公用事业公司称，仅拟建中的数据中心需求，就需要相当于拉斯维加斯三倍的电力，而且很可能离不开化石能源；报道还提到北卡煤电退役被推迟，NextEra也放弃了原先的零排放目标。换句话说，AI并没有直接让大厂撤回碳减排承诺，但它已经开始影响州级清洁能源目标的兑现难度。最后是地方环境和社会公平问题。Reuters 4月10日关于圣路易斯的报道，把AI数据中心扩张、煤电延寿、空气污染和环境正义直接放在了一条线上。报道称，到2030年，AI相关用电需求预计新增50GW；为了保供，联邦层面对煤电污染约束出现回摆；Ameren的Labadie煤电厂相关健康成本被估算高达8.2亿美元/年。这个案例真正刺痛人的地方，不是AI用了多少电，而是它让“谁承担这些承诺背后的代价”这个问题变得无法回避。五、碳减排承正在接受一次更格的现实检验 把这些线索放在一起，问题就很清楚了。AI没有让科技巨头集体放弃ESG，也没有让碳减排目标在一夜之间失效。微软还在买可再生能源，Google还在加码清洁电力与长时储能，大厂也愿意在政治层面承诺不把成本转嫁给居民。承诺没有消失。但承诺正在被重新定价。过去，资本市场更看重一家公司是否有承诺；现在，越来越多主体开始追问这些承诺的兑现成本、兑现边界和外部性分配。一个碳减排目标，如果建立在更高的居民电价、更慢的州级能源转型、更重的地方水耗和更长的煤电延寿之上，那么它依然可能成立，但它的可信度、社会接受度和道义优势都会被重新评估。这也是AI热潮给科技巨头ESG叙事带来的最大变化：它没有先改变目标本身，先改变了人们理解这些目标的方式。过去，人们更愿意把碳减排看成企业承诺；现在，越来越多的人开始把它看成一套基础设施后果。谁来供电，谁来扩网，谁承担成本，谁承担污染，谁承担社区阻力——这些问题开始决定ESG承诺究竟是口号，还是现实。AI越热，碳减排承诺会不会越难兑现？至少在2026年，美国已经给出了一个明确答案：目标未必会变，但兑现一定会更难，成本一定会更高，外部审视也一定会更严。这或许才是AI时代科技巨头ESG叙事真正的拐点。
