找到
1752
篇与
互联网
相关的结果
- 第 7 页
-
DeepSeek被曝融资20亿；荣耀家族机器人包揽半马冠亚季军丨邦早报 AI新闻概览荣耀家族机器人包揽冠亚季DeepSeek被曝融资20亿，投资人：或为期权定价留人才宇树称打破人类1500米世界纪录英伟达计划将最新游戏显卡产能缩减最高40%三星停产两大内存松延动力创始人揭秘参赛机器人技术升级南京加快推进“人工智能+软件”发展特斯拉向用户推送Robotaxi专属功能：后排显示屏全交互式导航地图 【荣耀家族机器人包揽冠亚季】2026机器人半马，齐天大圣队、雷霆闪电队、星火燎原队分别夺得冠军、亚军、季军，净用时分别为50分26秒、50分56秒、53分01秒。三支战队的参赛机器人均为自主导航机器人。荣耀工程师姚彬在赛后介绍，机器人所搭载的电机与控制算法均为自研，散热技术也源自荣耀在手机领域长期积累的工程能力。（央视新闻）【万达电影：4月20日起证券简称变更为儒意电影】万达电影(002739.SZ)公告称，公司已完成工商变更登记手续，并取得换发的《营业执照》。公司名称由“万达电影股份有限公司”变更为“儒意电影娱乐股份有限公司”，证券简称由“万达电影”变更为“儒意电影”，证券代码“002739”保持不变。新证券简称自2026年4月20日起启用。（新浪财经） 【DeepSeek被曝融资20亿，投资人：或为期权定价留人才】4月19日消息，据媒体报道，DeepSeek正计划以超过100亿美元（约合人民币682亿元）的估值，募集至少3亿美元（约合人民币20亿元）的资金。对于长期拒绝外部资本、强调独立性的DeepSeek而言，此举被外界视为一次战略上的重大转向。据悉，通过引入外部资金，DeepSeek将获得更多计算资源用于开发新模型，同时能够提供更具竞争力的薪酬，以防止顶尖研究员流失。分析人士预计，潜在投资方将以国内人民币资金为主，美国风险资本可能心存顾虑。一位投资过大模型的投资人表示，即便DeepSeek开放融资，也并非大多数人的游戏，而且按照梁文锋的想法，相关条款一定会异常严苛。对于这次融资转向，该投资人判断，大概率是为了给员工期权定价和兑现，并且"做得太晚了"。（快科技） 【宇树称打破人类1500米世界纪录】4月19日，宇树科技发布消息称，16号北京人形机器人马拉松排位赛，宇树H1（2023年改版）自主跑完1.9公里多弯道赛程，用时4分13秒，打破人类1500米世界纪录（按比例计算）。（极目新闻） 【北京首个交警机器人亮相街头，参与指挥亦庄半程马拉松比赛】4月19日早，在北京亦庄半程马拉松比赛的路线上，北京交警机器人首次正式亮相并在赛道指挥选手奔跑，后续将在路口试点执勤，陆续完善并实现更多功能。（央视新闻） 【半马带动多款机器人销售额翻倍】4月19日上午消息，凭借50分26秒的惊艳成绩，荣耀机器人“闪电”丝滑冲过终点，一举斩获2026北京亦庄半程马拉松暨人形机器人半程马拉松赛事冠军。据悉，本届赛事汇聚了宇树、荣耀、天工、高擎、松延动力等超过100支战队、300余台人形机器人同场竞技。京东数据显示，赛事期间超过10万用户涌入京东平台搜索“机器人马拉松”关键词，带动超过20个机器人品牌在京东实现销售额翻倍增长。（新浪财经）【英伟达计划将最新游戏显卡产能缩减最高40%】英伟达冷落游戏业务，显存供应短缺才是最主要原因。 行业消息显示，受GPU通用显存严重缺货影响，英伟达计划将最新游戏显卡产能缩减最高40%。DRAM动态随机存取存储器为GPU提供高速临时数据缓存，支撑芯片并行运算。搭载游戏显卡的个人电脑，成为本轮显存紧缺冲击最严重的领域。显存涨价直接推高显卡生产成本，最终成本全部转嫁消费者。 高德纳咨询公司预测：今年全球电脑售价将上涨17%，电脑出货量同比下滑10.4%。 高德纳预判到2028年入门级家用PC市场将会萎缩，届时英伟达入门游戏显卡市场也会随之收缩。 英伟达显然会把有限的显存库存，优先供给利润更高、利润率更优的AI芯片。【豆包也去跑机器人半马了】4月19日，北京亦庄人形机器人半程马拉松鸣枪开跑，300余台人形机器人同场角逐。队伍覆盖北京人形机器人创新中心、荣耀、宇树、松延动力等头部企业，以及清华、北大、中科大等高校、科研院所等。其中，一抖音博主自制的豆包人形机器人成为赛场焦点，其圆脑袋、标志性笑脸、短腿小碎步的造型，以及赛前拉伸的动作，吸引了大量关注。（新浪财经)【三星停产两大内存】据韩国媒体The Elec报道，其于4月17日确认，三星电子已正式停止接收LPDDR4和LPDDR4X的新增订单，标志着这两款量产逾十年的主流内存产品正式进入EOL（生命周期终结）阶段。LPDDR4和LPDDR4X是过去十年间智能手机、平板电脑、笔记本电脑等消费电子设备最主流的内存解决方案。LPDDR4和LPDDR4X自2017年前后进入大规模量产，凭借低电压设计和优秀的功耗表现，成为全球数十亿台移动设备的标准配置。（财联社）【张雪机车热身赛再拿第一】4月19日，张雪机车的53号车手瓦伦丁·德比斯在世界超级摩托车锦标赛（WSBK）2026赛季第三站荷兰站第二回合Warm-Up热身练习赛中取得第一名，成绩为1分36秒840。据了解，该热身赛不直接计入正赛积分，主要是为了让车手适应场地的赛道温度、天气等因素。车队会利用热身赛确认赛车设定是否适合当前赛道状况。如果发现问题，可能进行微调。（每日经济新闻）【松延动力创始人揭秘参赛机器人技术升级】4月19日下午消息，2026年人形机器人半程马拉松赛在北京亦庄举行，来自全国13个省区市的超100支队伍参赛。赛事现场，松延动力创始人、董事长姜哲源谈及今年松延动力参赛机器人有哪些技术上的提升？姜哲源谈到，“今年产品续航能力显著提升，仅需更换一次电池，理论上两块电池是可以跑完全程的；关键部件方面，扭矩较去年提升一倍以上，转速也同步提高，搭配高电压平台，理论上这个机器人极限速度其实非常高，公司内部其实已测试出极高行驶速度，我们其实准备了一个速度非常快的策略，只是受当日天气、温度等因素影响，并未在比赛中启用。”（新浪科技）【特斯拉向用户推送Robotaxi专属功能：后排显示屏全交互式导航地图】4月19日消息，特斯拉已悄然开始向现有用户车辆推送其无人驾驶出租车Robotaxi相关功能之一。在2026年春季更新（版本2026.14及以上）中，车辆后排乘客显示屏将新增可在行驶中使用的全交互式导航地图，这一功能此前仅为特斯拉Robotaxi专属。据了解，在此之前，特斯拉后排显示屏的功能大多局限于媒体控制、空调设置以及静态路线概览。全新交互式地图将后排转变为主动导航中心，这正是特斯拉为无人驾驶车队原型设计的、以乘客为核心的交互界面。（新浪财经） 【蓝色起源称公司可能会在2026年下半年实现一次月球着陆】4月19日消息，蓝色起源CEO Dave Limp表示，预计公司将在2026年进行8-12次New Glenn发射；公司已经为这样的发射频次准备好足够的硬件；公司可能会在2026年下半年实现一次月球着陆。（财联社）【核聚变初创公司Helion：有望在2028年前向微软供应电力】得到OpenAI的萨姆·奥尔特曼支持的核聚变初创公司Helion Energy坚称，它有望在2028年前向微软供应电力，尽管随着其雄心勃勃的时间表日益临近，业界对此表示怀疑。首席财务官普拉加夫·贾恩表示，该公司“仍在按计划”实现关键里程碑，包括其在2028年前通过电网输送电力的协议，这是没有任何一家聚变公司实现过的目标。聚变公司正试图通过迫使原子核在过热等离子体中结合，来复制为太阳提供能量的反应。（新浪财经） 【能师高徒AI获天使轮投资】韬钰科技旗下核心品牌能师高徒AI宣布完成天使轮融资，本轮融资由紫金汇创投投资。据悉，完成此次投资签约后，能师高徒AI将进一步加大在专家分身智能体训练与应用平台升级、企业级AI导师与空间化交付能力建设，以及典型行业场景标杆案例打造等方面的投入，持续推进相关产品与服务能力建设。（睿兽分析戳此处查看更多）【比特无限完成种子轮融资】近日，专注AI生成矢量3D模型的企业比特无限（BitInf）正式宣布完成种子轮融资，本轮由卓源亚洲领投，产业机构跟投。本轮融资将主要投入模型继续预训练、端到端数据工程管线建设，以及面向Agent的系统级设计执行与反馈闭环的深度研发，加速推进全球AI生成矢量3D专用模型SOTA的研发进程。（睿兽分析戳此处查看更多） 【高德全自主具身机械人亮相】在2026年北京亦庄人形机器人半程马拉松上，高德首款四足机械人“途途”于比赛终点亮相，是全球首款可在开放环境下全自主行动的具身机械人。凭借自主感知、决策与执行能力，机械导盲犬途途在现场演示中协助视障人士在复杂环境完成一系列挑战，包括规避动静态障碍，连续绕行穿越狭窄通道；实时预判、灵活避让突然出现的干扰；穿过拥挤的人群和障碍物等。（阿里足迹） 【游戏行业裁员潮持续，近半数开发者因就业不稳定考虑离职】过去几年，裁员已成游戏行业的常态。仅今年一年，Epic就大幅裁员1000名开发人员，而蒙特利尔Eidos工作室、Crystal Dynamics工作室等也在上个月进行了裁员。随着育碧等大型发行商不断宣扬“裁员是公司发展的唯一途径”，游戏开发者们难免感到缺乏职业安全感。如今一项新研究显示，正因这种就业不稳定的状况，行业内近半数从业者想要离职。招聘公司Skillsearch在一项新研究中指出，游戏行业44%的开发者因大规模裁员计划离职。该研究采访了全球游戏行业1000名从业者，涵盖编程、美术、设计等多个领域。（新浪财经） 【南京加快推进“人工智能+软件”发展】当前，人工智能正全方位重塑软件产业。2026年南京市加快推动“人工智能+软件”发展行动方案日前正式出台，以期驱动全行业生产方式变革、产业形态重塑、商业模式创新、发展能级跃升，打造“全国软件产业智能化第一城”。 方案提出明确目标：2026年，培育高水平行业领域人工智能服务商超100家、智能体开发商超100家，打造十大标杆智能工厂；培育自研软件智能开发测试工具超100款，全市重点软件企业智能开发工具应用普及率超90%；实施200个以上重点行业应用软件智能技改项目，打造20个关键软件智能化升级标杆项目；培育300款行业智能体产品，打造50个以上高水平垂类模板。为实现这一目标，方案提出实施智能化开发能力提升、软件产品智能化升级、智能体开发高地建设、软件企业智能化转型、智能化发展生态促进等五大行动，具体包括加快推进自研全流程智能开发工具，加速智能开发平台建设应用，建设人工智能OPC训练营促进开发者能力提升，组织开展智能化成熟度评估、加快行业应用软件智能化改造升级，制定人工智能安全软件产品培育清单、提升软件智能化安全水平，强化智能体技术攻关，繁荣智能体应用生态，围绕垂类大模型、智能体开发企业建立智能原生企业培育体系，建设软件智能化发展集聚区、“数字员工产业园”等。（新华日报）
-
人工智能时代 如何构建我们的阅读“大模型”（全民阅读特别报道） 来源:人民日报习近平总书记指出：“阅读是人类获取知识、启智增慧、培养道德的重要途径”。文化的繁盛，离不开阅读带来的精神滋养。书香是一种氛围。“全民阅读”连续13年被写入《政府工作报告》，“推进书香社会建设”被写入“十五五”规划纲要，《全民阅读促进条例》今年2月1日起正式施行，我们迎来了首个全国“全民阅读活动周”。数字化时代，社会节奏快，静下心来、耐着性子坐着读本书不容易。今天，AI（人工智能）以其即时、海量、交互的特性，极大地拓宽了人们获取信息的广度。从“一书在手”到“一屏万卷”，人工智能时代的阅读有哪些新变化？为了守住我们的内核和素养，该如何更好地将数字阅读和传统阅读结合起来？本期特别报道，我们邀请教师、作家、学者、博主等，共同探讨“人工智能时代，如何构建我们的阅读‘大模型’”，期待全社会都参与到阅读中来，形成爱读书、读好书、善读书的浓厚氛围。——编者不论什么时代，读书能立心、能安身张桂梅我一直觉得，读书是一件日常小事，也是人生大事。清晨，书声唤醒山谷；深夜，灯火映照书页，这是华坪女高孩子们的日常。通过读书这扇窗，孩子们可以“看见”：看见历史的波澜、文化的璀璨，看见希望的光，看见人生的千百种可能。有人说，现在网络这么发达，网上一查啥信息都有，我们还需要读书吗？其实，人生没有现成答案。互联网可以快速给出回答，可它教不会孩子们自立自强，给不了骨子里的坚韧，也提供不了对抗命运的力量。人生的答案，要靠读书、靠思考、靠行动，慢慢积累起来。教了这么多年书，我越发觉得，很多孩子一开始缺的，不只是书本知识，更是机会，是眼界，是一种相信：相信自己能走出去，能改变自己和家庭的命运。读书，能“立心”。心立住了，面对未知，也能无畏地向前走。今天读的每一页书，都是在为明天积攒底气，这底气不声张，却是一种沉静的力量，让你拥有“我本是高山”的自信，明白为何而学、去往何方。读书，也能“安身”。面对苦难不低头、不放弃，学习靠自己在社会上站稳脚跟。即便一时身处低谷，心里也有一片星空可以静静仰望。读过的书，不会立刻变成分数或财富，但会沉淀在眼神里、谈吐中，还有抉择的勇气里。我知道，还有许多山里的孩子在等一本能点燃他们希望的书，也许是一本《唐诗三百首》，或许是一册《十万个为什么》。大山可能暂时挡住了孩子们远行的脚步，但书香可以翻山越岭。这几年，我看到农村多了许多阅读空间。对于大山里的孩子们而言，每个与好书相逢的机会，都不是锦上添花，而是雪中送炭。一本书翻过群山，可能改变一个孩子的命运；一间书屋扎根乡土，可能照亮几代人的精神家园。当更多目光投向群山深处，当更多好书穿过蜿蜒山路，书页翻动之间，视野被打开，孩子们得以跳出自己的生活半径，与更广阔的世界相遇。“书香是一种氛围”，这不是喊出来的，而是一本本书、一间间书屋、一个个愿陪孩子读书的人，一点点攒出来的。愿那满卷书香，带着大山里的孩子走向远方。愿每个孩子，心有山河，眼底有光。（作者为“七一勋章”获得者、云南丽江华坪女子高级中学校长，人民日报记者杨文明采访整理）我们需要“无屏深阅读”麦家想起一件事。1975年春节，11岁的我去亲戚家拜年，在灶房柴火堆里捡到一本书，封底和后面十几页已被撕掉：不用说，是当引火纸烧了。虽然书残破不全，可我一下看进去，着了迷，连吃饭的时候都在看。亲戚看我这么喜欢，慷慨地将它送给我。后来我知道，这是一本小说，书名叫《林海雪原》。这也是我在高中前唯一拥有的一本课外书，我曾反反复复看过多遍，像在看一个大放异彩的新世界，看不够。如实讲，在读这本书前我以为我们村庄就是世界，世人都活得像我们一样，我将和父辈一样，日出而作，日落而息，同样子，一辈子。正是读了这本书我才发现，我身上有一个“内心”，它被这本书幸运又幸福地照亮、拓宽，有了梦想，有了远方。古人说，开卷有益。然而，伴随着电视、互联网、AI等一代代科技神器突飞猛进的发展，阅读在我们生活中的存在感似乎越来越弱。于是，我想起另一件事。1885年，德国人卡尔•本茨造出第一辆单缸汽油发动机汽车“奔驰一号”，被公认为现代汽车的诞生。随后一年又一年，汽车轮辙像地衣、菌类一样在大地上扩张、蔓延，公路通到天之涯、海之角。这是科技工业对人的极大馈赠，地球极度变小，人人成了“飞毛腿”“大力神”。今天的我们充分感受到了科技的进步，以车代步、代劳成了许多人的日常。无须考证，但我仍可以笃定，今天出现在我们身边的一些跑者，他们跑，不是因为家中没有轮子替他们跑，而是轮子替他们跑得太多了，跑出一身病。这或许是人类在发明汽车时没有料到的。今天跑步的人是那么多，因为汽车是那么多。人类跑步不是在和汽车比速度，而是为了找回健康的“方向盘”。我想，今天的AI也许正是昨天的汽车，“喂饭式”的信息输出，可能导致“精神空心”，有一天我们也许不得不“亡羊补牢”，像今天大批弃车跑者一样，刻意弃屏断电，在阳光下，在深山里，捧起一本本纸书去啃、去深读。也许，有一个少年正如半个世纪前的我一样，不经意间在某本书中发现了自己深睡的内心，有了梦想。所以，我倡导大家给自己设一个“无屏深阅读”的时间，以确保我们始终保持品味文字、体悟情感、深思考、高精尖的能力。倡导并构建“无屏深阅读”，不是要拒绝技术，而是为了更好地驾驭技术；不是要回到过去，而是为了更清晰、主动地走向未来。（作者为中国作家协会副主席、作家）“获取信息”不等于“理解世界”郭英剑在AI迅速发展的今天，人类获取信息的能力达到了前所未有的高度。但一个更为关键的问题随之浮现：当“知道”变得如此容易，我们是否真正“理解”了世界？回答这个问题的前提，须明确区分阅读所具有的两种能力——信息获取与理解建构。前者依赖技术，可以被不断加速，其目标在于获得答案；后者依赖人自身，必须通过思考与反复推敲来完成。前者解决“是什么”，后者回应“为什么”与“意味着什么”。在信息高度充裕的环境中，人们越来越容易将“获取信息”误认作“完成理解”，将“掌握结论”误认作“掌握问题”。这种认知错位，使阅读从一个生成意义的过程，逐渐滑向一个接收结果的过程。表面看，人类掌握的信息越来越多，但在更深层次上，理解的能力正日渐被削弱。可以说，AI时代的阅读问题，已经不再是“读得多不多”，而是“理解得深不深”。正因如此，阅读的任务也随之发生了变化：不再是单纯获取知识，而是建构理解力与判断力。AI时代，我们该如何阅读？可以从“快变量”与“慢变量”两个层面入手。所谓“快变量”，是指借助AI工具进行信息获取。无论是智能问答、知识摘要，还是多模态内容呈现，AI都能帮助读者在短时间内进入一个陌生领域，并迅速把握基本框架。这种方式极大拓展了认知边界，使人能够跨越学科、快速连接不同的知识领域。但“快变量”只能提供“入口”，无法替代“深入”。真正决定理解深度的，是“慢变量”阅读。这包括对经典文本的细读、对长篇论述的耐心追踪，以及对复杂问题的持续思考。与“快变量”信息不同，“慢变量”阅读并不追求速度，它强调的是过程：反复阅读、不断修正。在这一过程中，读者不只接收信息，而是在与文本的互动中形成自己的理解框架。AI时代的有效阅读，并不是在快与慢之间做选择，而是在其中形成一种嵌合关系：以“快变量”打开视野，以“慢变量”完成理解。从长远看，阅读能力也将在AI时代呈现新的分化趋势。能够高效获取信息的人，将不再稀缺；但能够在复杂信息中形成深入理解的人，将变得更加重要。换言之，未来的差异，不在于谁“知道得更多”，而在于谁“理解得更深”。这也意味着，阅读的价值将会发生深刻转移：从知识的积累，转向思维的训练；从信息的占有，转向意义的生成。技术可以不断降低获取知识的门槛，但无法替代人类理解世界。面对愈加复杂的现实，唯有通过结构化的阅读，才能在信息洪流中保持自己的清晰判断。因此，在AI时代，我们更需要重新确认这样一个看似朴素却愈发重要的事实——“获取信息”不等于“理解世界”，而阅读，正是通向理解的必经之路。（作者为中国人民大学全民阅读教育研究院院长）AI可以是我的读书搭子陈磊不少人在读完《半小时漫画中国史》后会评价：“原来历史可以这么有意思”。“有意思”三个字背后，是我啃下的一摞摞史学专著。讲每个朝代的故事之前，我先读通史打底，《中国通史》《国史大纲》等是骨架，再查阅大量历史书籍填充血肉，最后再不断审校，确保没有知识漏洞。对于内容创作者而言，前期漫长的知识积淀过程能不能借助AI来完成？必须承认，这两年我用AI工具辅助阅读的频率越来越高了。以前读一本经济学专著，遇到不懂的概念，要花半天查资料、翻注释。现在依靠AI，能够快速搭建知识框架、扫清认知盲区。今天，随着工作生活节奏加快，数字阅读、碎片化阅读、AI助读等越来越普遍，很多人会有疑问：既然AI能快速给出答案，阅读还有用吗？还有人一味依赖AI获取信息，渐渐失去了深度阅读的耐心。对于AI时代的阅读，我总抱有这样一个原则：AI是我的读书搭子，但它只是拐杖，不能当腿。高效的阅读工具可以快速筛选信息，但无法实现真正的理解。因为理解需要深度思考，将知识用自己的话说出来，而这个过程，依然要靠自己去读，建立我们与文字之间的联系。AI给的是答案，而阅读给的是思维方式。一个答案只能解决一个问题，一种思维方式可以解决成百上千的问题。最开始我用漫画形式给大家讲历史、讲经济学，也总有人质疑：漫画科普让获取知识的门槛大大降低，读者看了漫画会不会就不读原著了。事实恰恰相反。很多读者跟我说，看完《半小时漫画中国史》后想去读《史记》。这说明漫画是入口，不是终点。它点燃了好奇心，带着人们走向深阅读。同样的道理，一个用AI快速查资料的人，如果真正被一个问题吸引，就会去阅读书籍，去寻找这个问题背后更加瑰丽的世界。在读书这件事上，我们该如何应对AI带来的挑战？我想，调整阅读结构、拓宽阅读视野，或许是破题的关键。AI擅长的是专业化、垂直化，而人最可贵的地方，就是跨界的洞察力。读书越多，世界越立体，跨界的洞察力也越强。知识总是相通的，涉猎越广，触类旁通的可能性越大。或许，我们不必将AI视作简单的阅读工具或潜在的威胁，而是试着同AI建立良好的互动关系，创造新的阅读体验。一方面用AI破解阅读痛点、提升效率，另一方面也守住深度阅读的初衷，在阅读中锻炼思维、积累知识，实现高效阅读与个人成长的双向奔赴，让每一次阅读，都带来滋养心灵、提升自我的力量。（作者为畅销书作者、博主“混子哥”）天生不识字的大脑怎样被阅读训练王翩然我们总以为阅读是再自然不过的事，仿佛大脑天生就具备识字能力。实则不然，能够阅读的大脑是后天训练的产物。当你阅读以上这段文字时，大脑深处有一片区域正在为识别文字而忙碌。这个区域位于大脑左半球枕颞叶深处，被科学家称为视觉词形区，负责将笔画的组合快速识别为文字，再传递给邻近的颞叶语言区，映射为语音。没错，虽然你在默读这段文字，但大脑里却有声音。你可能还记得自己学习识字时，需要指着文字出声朗读的经历。那是对我们做阅读训练很有帮助的一种技巧。哪怕已成为成熟的阅读者，大脑仍保留着初学时提取读音信息的技能。这是因为，文字的出现对于我们人类的大脑演化来说，还是太短了。人类创造文字不过数千年，基因来不及为此专门演化出一套识别和理解装置。大脑便采用了一种神经元再利用的策略，借用原有的视觉回路，训练出一套阅读技能。随着阅读量的增加，大脑认知能力随之增强，思维也变得高效。熟练的阅读者，大脑内部运行着一套高度自动化的加工模式。阅读能力越强，大脑左侧的视觉词形区激活程度越强烈。研究者测试不同年龄段儿童发现，该区域的活跃程度与阅读能力联系更为紧密，远胜年龄增长带来的自然成熟。识字者与文盲的对照研究也显示，受过教育的大脑明显占据了更多左半球资源。这些证据指向同一个结论：阅读不是随着长大自然就会的技能，而需要专门的训练。如今，AI以前所未有的速度渗透生活，算法替我们总结文本、提炼信息。在未来，人们能否无须长期积累，便可倚仗AI，“无痛”拥有成熟的阅读技巧？脑科学的研究告诉我们，大脑的神经可塑性遵循“用进废退”的规律。AI确实能帮助我们快速提炼信息，但大脑还能否获得自行完成这些任务同等强度的训练？虽然暂时缺乏AI辅助阅读的脑科学直接证据，但麻省理工学院一项对54名受试者为期4个月的对照实验发现，依赖生成式人工智能完成写作任务的人群，脑区神经连接强度明显减弱，显著低于自主思考和使用传统搜索引擎的两个对照组，且难以复述自己刚写下的内容。这一发现虽源于写作场景，却也警示我们，过度依赖AI带来的捷径可能削弱大脑加工文本的能力。未来已来，但阅读的本质未变。当我们手握智能工具，更要守住思维的所有权。因为，真正的阅读，永远发生在自己的大脑深处。（作者为北京大学信息管理系助理教授、研究员，本文系国家社会科学基金一般项目“数智时代3—12岁儿童信息素养整体性构建与图书馆培育机制研究”的阶段性成果）《人民日报》（2026年04月20日第08版）
-
2026北京亦庄机器人半马开跑；曝苹果WWDC26海报暗示全新Siri界面 “IT早报”时间，大家好，现在是 2026 年 4 月 20 日星期一，今天的重要科技资讯有：1、2026 北京亦庄机器人半马开跑，荣耀“闪电”率先冲线 首届北京亦庄机器人半程马拉松 4 月 19 日举行，105 支人形机器人队伍与真人同场竞技。荣耀“闪电”以 48 分 19 秒的净成绩率先冲线，成为赛事冠军。比赛规则为自主导航与遥控队伍统一排名，但成绩按不同加权系数核算。 2、古尔曼：苹果 WWDC 26 海报暗藏玄机，暗示 iOS 27 系统全新 Siri 界面 彭博社记者古尔曼解读苹果 WWDC 26 海报，认为其暗示了 iOS 27 系统 Siri 将迎来重大更新。新版 Siri 将集成在灵动岛，提供类似 ChatGPT 的全新交互界面，支持多指令处理和第三方 AI 智能体，并可能具备“上下文感知”功能。3、华为 Pura X Max 横向阔折叠手机真机曝光，展开就像一台小平板 华为 Pura X Max 已定档 4 月 20 日发布。博主 @i冰宇宙 4 月 19 日分享了真机外观。画面显示，Pura X Max 外屏看着与 Pura X 手机相近，展开后的内屏看着很像一台 MatePad Mini 小平板。 4、长城魏建军痛批魏牌团队不会营销、没有 BBA 的品位调性，魏牌 CEO 赵永坡致歉 长城董事长魏建军在魏牌 V9X 预售会上，直言对营销传播“非常不满意”，认为团队缺乏 BBA 的品位调性，未能将优秀产品转化为市场财富。魏牌 CEO 赵永坡当晚发文接受批评并致歉，承诺将担责改正。新车定位 AI 豪华六座旗舰，预售价 37.18 万元起。5、五一假期售票开始以来，12306 已拒绝“抢票软件”出票 105.6 万张 五一假期售票以来，12306 已拒绝抢票软件出票 105.6 万张，并对大量异常账号和交易进行管控。同时，铁路部门计划在高峰时段增开夜间高铁，每天约 700 列，以缓解购票压力。6、微信朋友圈上线 14 年：内部测试 34 个版本，4 月 19 日刚好通过 App Store 审核 微信派分享朋友圈背后故事：上线前内部测试 34 个版本，上线日只是刚好过审，还藏着和桂林米粉的渊源。 7、张雪坦言：流量已成甜蜜的负担，因被围堵无法骑摩托车上下班 张雪机车创始人张雪在采访中坦言，随着品牌垂直知名度达到 200 万粉丝，流量已成为“甜蜜的负担”。他透露，现在厂门口随时堵着十几个人，导致他无法像以前一样骑摩托车正常上下班，甚至无法与粉丝接触。同时，其车队在 2026 WSBK 荷兰站取得第四名成绩，展现了新锐车队的竞争力。8、“亲儿子”待遇：华为 nova 旧机获最新 15 系列系统色彩功能下放 华为 nova 15 已于去年 12 月正式发布，该系列手机此前独占了一项个性化 UI 功能 —— 系统色彩。IT之家注意到，随着 HarmonyOS 6.0.0.328 SP58 到来，nova 12 等 nova 旧机也获得了该功能下放。9、内存危机逼出“半通道”：华擎、华硕主板支持 DDR5 32-bit HUDIMM HUDIMM 的 DRAM Die 数量减半，有望推动模组企业开发出更具价格优势的 DDR5 内存条。10、行业内存短缺波及苹果：Mac Studio 预计推迟至 10 月，OLED 触控屏 MacBook Pro 恐延至明年 彭博社记者古尔曼透露，受行业内存短缺影响，苹果新款 Mac Studio 预计推迟至 10 月，而首次配备触控屏的 MacBook Pro 则可能延至 2027 年初。软件适配并非原因，供应链瓶颈是主因。11、华为鸿蒙 6.1“提前看”：HarmonyOS 6.0.0.328 SP58 版本更新内容一文汇总 华为鸿蒙 HarmonyOS 6.0.0.328 SP58 版本已于本周四开启推送。IT之家结合目前已知信息和实测结果，汇总了 HarmonyOS 6.0.0.328 SP58 版本更新内容，含新版应用、数字资产继承人等。12、华为鸿蒙 PC 端「融合开发引擎」 App 结束尝鲜转正，可直接运行 Linux 环境 华为鸿蒙 PC 端应用「融合开发引擎」已在 AppGallery 正式上线，结束了尝鲜阶段。它是一款轻量级虚拟化开发环境，能让 Linux 开发体验像原生应用一样流畅，支持一键启动、共享文件夹、快照备份和磁盘扩容等功能。13、小米徐洁云回应“被人堵在车里维权”传闻：凭空造谣，雷军当时在车里记录里程和能耗数据 小米徐洁云澄清，雷军在服务区停车时只是在车内记录 SU7 的里程和能耗数据，现场车友实为热情欢迎，网传“被堵维权”纯属断章取义造谣。现场车友准备了横幅、球衣等礼物，气氛友好。14、吉利星越 L、星瑞 i-HEV 智擎混动开启预售，限时价 10.27 万元起 两款新车均搭载吉利最新 i-HEV 智擎混动系统，采用 P1+P3 电混构型，配备 11 合 1 大功率电机，最大功率 230 千瓦。WLTC 工况百公里综合油耗约 2.22L，66km/h 内可纯电行驶。内饰搭载 Flyme Auto 智能座舱和高通骁龙 8155 芯片。15、鸿蒙智行尚界 Z7 / Z7T 预热：全系标配十三横五纵车身架构、5.8 倍车重车顶抗压，4 月 22 日发布 鸿蒙智行 4 月 19 日继续预热尚界 Z7 / Z7T，此次重点介绍了新车的安全配置：全系标配十三横五纵车身架构，支持 5.8 倍车重车顶抗压，拥有 14 处 2000MPa 热成型钢加强等。16、脖子以下全是腿：网友自制“豆脚”机器人现身北京人形机器人马拉松 2026 北京亦庄半程马拉松 4 月 19 日鸣枪开跑。一台“脖子以下全是腿”的机器人也比赛中亮相，并迅速出圈。该机器人因其独特的外观设计被网友戏称为“豆脚”机器人。 17、网游停服为何不改成离线版？开发者表示成本堪比重做游戏 SE 手游《尼尔：转生》停服后，粉丝搭建私服推出非官方离线版，引发版权与游戏保存的激烈伦理争议。多位资深开发者指出，将网游改为可玩性高的单机版，其技术难度与成本不亚于开发新游戏，并非厂商不愿做。这揭示了网游时代数字遗产保存的结构性困境。18、比亚迪方程豹全新系列官宣 比亚迪方程豹于 4 月 17 日官宣全新系列，并连续发布预热海报，目前尚不清楚具体名称与车型。目前拥有“豹系列”越野车和“钛系列”城市车。 19、奇瑞星途 EX7 汽车上市：纯电 / 增程双版本、首搭航空级线控制动，指导价 19.99 万元起 奇瑞星途 EX7 提供增程 / 纯电两种动力，增程版满电综合续航超 1500 公里，纯电版最高续航 726 公里。首搭航空级纯机电线控制动系统（EMB），配备 AI 灵犀智舱 2.0 和骁龙 8295P 芯片。售价 19.99 万元起。 20、警方破获直播间“199 元抢万元手机”骗局：超 500 人被骗，无一人报警 辽宁锦州警方破获一起直播引流诈骗案，骗子以“199 元抢万元手机”为诱饵，引导受害者脱离平台私下转账。超过 500 人被骗，但竟无一人报警，骗子正是抓住了受害者“嫌麻烦”的心理。警方提醒：切勿轻信极端低价，务必通过正规平台交易。21、华为靳玉志：乾崑智驾累计辅助驾驶总里程，率先在中国突破 100 亿公里 华为智能汽车解决方案 BU CEO 靳玉志 4 月 19 日宣布：华为乾崑智驾累计辅助驾驶总里程，率先在中国突破 100 亿公里！另外，截止 2025 年底，华为乾崑智驾累计装载量达 140 万套。22、小米“龙虾”Xiaomi miclaw 首批通过中国信通院手机端智能助手（Claw）评估，可自主执行复杂指令 据介绍，依托 Xiaomi MiMo 自研大模型与端侧优先架构，Xiaomi miclaw 具备全生态底层支撑、深度记忆理解、跨域生态互联、持续自进化四大核心能力，可打通手机、PC、座舱、AIoT 全设备，自主执行复杂指令。23、网易云音乐 App 更新后主色调由鲜红变暗红，用户戏称“动脉血变静脉血” 近日，网易云音乐 App 更新后，主色调由鲜亮红色变为暗红，引发热议。用户戏调侃称与“网抑云”氛围更配。除了开屏变暗，部分功能入口也被隐藏，影响操作便捷性。目前官方尚未回应。你对新色调怎么看？ 24、何刚晒华为 WATCH FIT 5 Pro 手表真机：四边等宽方屏设计、黑白橙三色，明日亮相 华为终端 BG 首席执行官何刚晒出了 WATCH FIT 5 Pro 真机，采用四边等宽窄边框方屏设计，提供黑、白、橙等三色。发布会明日举行，IT之家将持续关注。25、网上卖“剣南春”“五稂液”：我国摧毁特大假酒网络，已查明涉案金额 2.6 亿元 本次行动一举查获山西省吕梁市、太原市一带相关违法产品的生产、藏匿、包装与商标印制和邮寄场所 7 处，网络直播销售点 1 处，查获涉嫌侵权假冒白酒近 2 万箱、假冒包材 70 余万件、制假设备 14 台、大型储酒罐 41 个。26、OPPO Find X9 Ultra 新机核心亮点公布：2K 1nit 明眸护眼屏、7050mAh 冰川电池，4 月 21 日首发 OPPO Find X9 Ultra 配备一块 2K1nit 明眸护眼屏，支持像素级 Gamma 校正、144Hz 超高刷等。新机还搭载潮汐引擎 × 第五代骁龙 8 至尊版处理器，支持部分手游 144Hz 满帧。27、腾讯《王者荣耀》官宣联动国漫电影《哪吒之魔童闹海》，4 月 29 日开启 腾讯《王者荣耀》官方 4 月 19 日宣布将联动国漫电影《哪吒之魔童闹海》，王者哪吒 2 联动 4 月 29 日上线。届时将上线 4 款联动皮肤。官方表示还会有更多联动内容，预计将包括限时联动玩法等。28、（更新：包揽前六）荣耀“闪电”机器人包揽 2026 人形机器人半马冠亚季，打破人类半马记录 在 2026 人形机器人半程马拉松中，荣耀“闪电”机器人凭借自主导航技术包揽冠亚季军。虽然遥控机器人“闪电”首个冲线，但根据比赛 1.2 的加权系数调整后，成绩反而落后于自主导航机器人。这体现了自主导航技术在复杂环境中的稳定性和潜力。 29、H+H 联手：华为 × 一汽红旗合作官宣，新车有望搭载乾崑智驾、鸿蒙座舱等 一汽红旗官方 4 月 19 日抛出疑问“H+H=？”。而官方微博原文显示，华为乾崑将与一汽红旗展开合作，号称“经典 × 科技双典范重磅携手”。30、北京首个交警机器人亮相街头，参与指挥 2026 人形机器人半马比赛 北京交警机器人首次在亦庄半马赛场亮相，负责指挥选手奔跑。它不仅具备交通手势指挥等基础功能，未来还将拓展至违法识别、路况巡视等场景，赋能城市交通管理。在同期举行的人形机器人半马中，荣耀“闪电”机器人以 50 分 26 秒夺冠，超越人类世界纪录。 今天就先聊到这里，IT早报，咱们明天见。
-
10美元破解机器人触觉难题！斯坦福开源方案让机械手拥有人类手感 数据是具身智能的燃料。然而生活中随处会用到的力信息的采集，却是现有诸多大规模数采系统普遍面临的一大难点。传统的力传感器（Force-torque sensor）昂贵，沉重且脆弱，动辄上万元成本的设备在遇到冲击时极易永久损坏；更灵活的触觉传感器（Tactile Sensor）仍不成熟，短暂的使用寿命和校准的困难都极大限制了其应用规模。为了解决力反馈的难题，斯坦福大学团队开发了名为 UMI-FT 的系统，他们在手持式数采设备 UMI 的每个手指上安装了一个硬币大小的六维力觉传感器 -- CoinFT。它能感知到每个手指受到的全部六个方向的力和力矩。这个传感器只有 2 克重，当机器人拿着灯泡去找插座的时候，它能实时感受到自己手指所受到的所有力，轻了它就加把劲，重了它就松一点，几乎能够像人手一样细腻。CoinFT 能够像传统工业力传感器一样进行标准化校准，并且能够安全承受很大的冲击力而不损坏。 （来源：https://arxiv.org/abs/2601.09988） 论文作者侯一凡告诉 DeepTech，这套方案的意义在于让带力反馈的大规模数据采集变得容易实现。以前的大规模数据采集基本只记录位置信息和视觉信息，力觉因为成本和技术难度很难规模化。UMI-FT 提供了一个低成本、高一致性、可规模化的力觉数据采集方案，为训练具备柔顺操作能力的机器人策略铺平了道路。这个系统的核心是一个叫做 CoinFT 的微型传感器，直径 20 毫米，厚度只有 3 毫米。其内部结构由几层带椭圆支柱的介电材料组成，受到压力时电容会发生变化。还有一个五层的神经网络把这些电容值换算成为力和力矩，校准后的精度非常高，力的误差在 0.15 到 0.58 牛之间，力矩误差在 17 到 231 毫牛米之间。相比之下，传统工业使用的六轴力觉传感器又大又贵，一个就要几万块钱，而且特别娇气一不小心就会被摔坏。而 CoinFT 成本只有 10 美元，既耐摔又耐撞。 （来源：https://arxiv.org/abs/2601.09988） 而前面提到的 UMI-FT 系统不仅是增加了传感器，还把苹果手机绑在了机器人的手上。手机负责提供 RGB 摄像头、超广角摄像头、深度摄像头和姿态数据，刷新率从 10 到 60 赫兹不等。指尖的力觉传感器以 360 赫兹的速度进行超快采样，所有数据都会被记录下来。训练时，研究团队采集了 200 到 630 组不等的人类演示数据，每组数据都包含了图像、深度、姿态和每个手指的六维力觉信息。然后，他们使用这些数据训练了一个自适应柔顺策略模型（ACP）。这个模型会输出机器人的目标位置、虚拟目标位置、刚度矩阵、抓握力和夹爪宽度。底层有两个控制器在同时工作，腕部柔顺控制器根据两个手指传来的力和力矩，调整机器人手臂的位置和姿态，抓握力控制器则负责调节手指夹紧的力度。 （来源：https://arxiv.org/abs/2601.09988） 在潜在应用场景上：在工厂里，机器人可以插拔精密的电子连接器，或者装配带有卡扣的塑料件；在医疗领域，手术机器人可以感知缝合伤口时手术针刺穿组织的阻力变化，操作更加安全；在家庭服务中，机器人可以帮你拧开瓶盖、打鸡蛋和擦桌子。 （来源：https://arxiv.org/abs/2601.09988） 总的来说，本次成果等于给机器人装上了一层皮肤，让机器人拥有了触觉，让它能够感知自己用了多大力气，以及外界给了它多少的反作用力。目前，研究团队已经把这套系统的硬件设计和软件代码全部开源。任何实验室或者机器人爱好者，都可以用几千块的成本复制一套用来训练自己的机器人。参考资料：相关论文https://arxiv.org/abs/2601.09988仓库https://umi-ft.github.io/排版：胡莉花
-
高盛预言自动驾驶是十年内AI最大利润池 过去几年，科技圈的话题几乎全被庞大的算力集群和不断增长的模型参数占据。全球科技巨头在 AI 数据中心上的投资已接近 7,000 亿美元，是 2020 年水平的十倍。巨额投入换来了大语言模型能力的飞跃，但也给投资者们留下了一个现实难题：这笔钱究竟能不能赚回来？如果仅靠软件订阅、API 调用费和云服务租金，似乎很难在短期内覆盖千亿美元级别的电费与芯片折旧。资本急需一个能容纳巨大商业价值、且门槛够高的实体应用场景。最近，高盛分析师 Mark Delaney 在近期关于“AI 利润池”的报告中给出了明确答案：自动驾驶正在加速商业化，它将是 AI 投资回报最重要、最直接的来源之一。预期大幅上调：从保守到激进这并不是高盛分析师第一次做出该方向的判断。在去年 6 月，Delaney 也曾发布一份基准预测。当时预计，到 2030 年美国将有约 3.5 万辆商业运营的 Robotaxi（自动驾驶出租车），年收入 70 亿美元，占美国网约车市场约 7.5% 的份额。那时的降本逻辑主要依赖硬件迭代，比如减少传感器数量和规模化生产。 （来源：高盛） 然而，不到一年时间，现实进展便打破了旧的财务模型。在今年更新的报告中，高盛大幅上调了预测：2030 年美国 Robotaxi 市场规模从 70 亿美元跃升至 190 亿美元；到 2035 年，这一数字将进一步攀升至 480 亿美元。若放眼全球，Delaney 测算显示，2035 年全球 Robotaxi 市场规模将达到 4,150 亿美元。更令投资者兴奋的是利润结构：实现垂直整合的运营商，毛利率有望达到 30% 至 50%，对应约 1,500 亿美元的毛利润。推动预期翻近三倍的核心原因，不仅是新车型发布，更是美、中、欧等主要市场自动驾驶车辆部署规模的快速扩大。与此同时，技术路线发生了根本变化。早期自动驾驶依赖人工编写的规则和高精地图，如今端到端大模型和具身智能技术开始主导局面。Delaney 指出，大规模车辆部署不仅依托于 Waymo、特斯拉、小马智行等头部企业的自研技术，更受益于英伟达等巨头提供的商业化物理AI 工具，如 Alpamayo 平台。AI 不再仅是服务器中输出文本的程序，正通过密集的传感器网络和高效边缘芯片，实质性地接管物理世界的车辆控制。 图 | Alpamayo 系列开源 AI 模型和工具（来源：英伟达） 市场需求端的信号已无法忽视。曾经，公众对将生命安全交托给算法抱有疑虑，但数据证明，便利性与低事故率正在逐步使人们放下心理防线。2025 年的报告曾援引 Waymo 的安全记录，指出其自动驾驶车辆在严重碰撞及伤人事故率上远低于人类驾驶员。最新运营数据显示，Waymo 在旧金山商业化运营 20 个月后，已占据当地超过 25% 的市场份额。在这座科技创新的中心城市，“硅基司机”正迅速取代“碳基司机”。谷歌搜索热度数据也印证了消费者对 Robotaxi 兴趣的持续上升。在大洋彼岸的 Waymo 之外，中国市场的自动驾驶商业化进程同样迅速。仅今年 4 月，国内头部企业便密集落子，技术落地与商业化运营全面跨入规模化实测与准商业化的深水区。据报道，百度 Apollo 持续扩大 L4 自动驾驶全无人商业化版图，其旗下萝卜快跑已在香港、迪拜等海内外 26 城落地运营，累计订单突破 2,000 万单，国内北京、武汉、重庆、广州等核心城市已实现 Robotaxi 无安全员常态化载客。百度坚持“先 B 端验证、再 C 端普及”的路线，依托端到端大模型迭代，正稳步推进 L4 技术从 Robotaxi 向乘用车场景迁移。货运市场：更庞大的利润池除了 Robotaxi 之外，在远离城市聚光灯的公路货运网络中，自动驾驶卡车也在孕育一个体量更为庞大的利润池。商业货运的逻辑比乘用车更简单直接：不涉及复杂乘客交互，不关注乘坐体验，核心诉求只有效率和成本控制。Delaney 认为：到 2030 年，美国重型自动驾驶卡车市场规模将达 160 亿美元；到 2035 年，这一数字将激增至 1,050 亿美元。全球范围内，2035 年自动驾驶卡车市场总规模将触及约 5,600 亿美元。这是一个足以重塑全球物流体系的产业变局。其对应的全球毛利润在2035 年将超过 1,350 亿美元，未来十年累计产生约 3,000 亿美元毛利润。成本端的快速改善，是支撑这千亿利润池的基础。自动驾驶卡车相较于人类驾驶员的最大优势，在于不受生理极限和强制休息时间的限制，可实现近乎全天候运转。根据 2025 年的推算，综合考虑燃油效率提升、保险下降、维护节约及远程安全员介入等因素，自动驾驶卡车每英里成本预计将从 2025 年的 6.15 美元大幅降至 2030 年的 1.89 美元。相比之下，同期人类驾驶的传统卡车成本则因工资上涨，从每英里 2.61 美元升至 2.80 美元。在今年更新的研报中，Delaney 对这一降本路径给出了更确定的预判：自动驾驶卡车每英里成本将在本十年末出现大幅下降，并在下一个十年中期稳定在约 2 美元附近。这种成本竞争力意味着，在全球物流网络中，自动驾驶技术不再是可有可无的补充，而是决定物流企业生死存亡的关键基础设施。“随着成本结构改善和车队规模扩大，全球自动驾驶卡车毛利润池将从 2025 年接近于零，增长至 2035 年的约 1,350 亿美元。”Delaney 在报告中写道。敏锐的产业资本早已行动。在美国市场，Aurora、Kodiak、Waabi 以及 Plus 等多家自动驾驶货运企业已完成布局，计划在未来几年快速扩张无人车队规模。为配合规模化，自动驾驶卡车在制造环节的额外硬件成本也在加速降低。早期预测指出，附加成本将从 15 万美元骤降至 2030 年的 5 万美元，进一步清除了大规模商用的障碍。 图 | Aurora 无人驾驶卡车（来源：Aurora） 然而，技术的发展必然伴随对旧有秩序的冲击。自动驾驶的扩张，本质上是对现有交通运输体系的替代与重构。高盛报告直接阐述了这一现实。Delaney 援引美国劳工统计局数据估算：在美国，可能受到自动驾驶直接冲击的经济规模高达约 4,400 亿美元。这 4,400 亿美元由无数具体行业的收入构成。首当其冲的是出租车、专车、班车及货运卡车司机的工资；其次是 Uber 等网约车平台分配给司机的订单收入。如果人类作为驾驶者的价值被 AI 取代，依附于此的收益分配机制将彻底改变。Delaney 直接点名了网约车行业：“基准预测显示，到 2030 年，自动驾驶将占据美加网约车总订单的 5%；悲观情景下，这一比例将升至 16%。”不仅如此，自动驾驶甚至触及传统汽车制造业的根基。如果未来个人出行需求能由廉价高效的自动驾驶网约车网络完全满足，消费者购买私家车的意愿可能下降，汽车销量可能出现趋势性下滑。虽然早期研究指出，目前美国私家车每英里运营成本（略高于 1 美元）仍低于网约车平均成本（超过 2 美元），完全放弃购车的论调为时尚早；甚至有观点认为，随着技术成熟，消费者会更倾向于购买一辆可在行驶中休息娱乐的私人自动驾驶车辆。但这种渐进变化无法掩盖一个事实：未来 3 到 5 年内，美国自动驾驶车辆出货量将绝大部分用于商业运营场景。汽车正从个人消费品，转变为大规模算力网络在物理世界的执行终端。不过报告本身也承认，这些预测建立在多个关键假设之上：技术迭代速度、监管开放节奏、成本控制能力、公众接受程度。任何一个环节出现偏差，都可能让预期落空。未来十年，自动驾驶确实有潜力重塑交通格局，但它能否成为 AI 投资回报"最确定"的来源，仍取决于上述问题的答案。1.https://www.investing.com/news/technology-news/us-av-robotaxi-market-to-reach-19-billion-in-2030-46211462.https://www.goldmansachs.com/insights/articles/autonomous-vehicle-market-forecast-to-grow-ridesharing-presence排版：胡莉花
-
AI编程工具盛行，代码产量提升却暗藏高返工率困境 IT之家 4 月 19 日消息，几十年来，软件工程师们一直在争论生产力衡量指标，最早就是从代码行数开始的。但随着新一代 AI 编程助手生成的代码量远超以往，管理者究竟应该衡量什么，反而变得不那么清晰了。 IT之家注意到，庞大的词元（Token）额度 —— 本质上就是开发者被授权使用的 AI 算力总量，已经成了硅谷开发者之间的荣誉勋章。但 Techcrunch 称，用这种方式衡量生产力实在很奇怪。如果你更关心产出，却去衡量流程中的投入，这基本没什么意义。除非你是想鼓励更多人使用 AI（或是销售 Token），否则对提升效率毫无帮助。我们可以看看一批新兴的「开发者生产力分析」公司给出的证据。他们发现，使用 Claude Code、Cursor、Codex 这类工具的开发者，被采纳的代码量比过去多得多。但同时，工程师后续需要返工修改这些已采纳代码的频率也大幅上升，这直接削弱了所谓「生产力提升」的说法。Waydev 首席执行官兼创始人亚历克斯・西尔切伊正在搭建一套智能分析层，用来追踪这些变化；他的公司服务着 50 家客户，旗下软件工程师总数超过 1 万人。他表示，工程管理者看到的代码采纳率通常在 80% 到 90% 之间 —— 也就是开发者认可并保留的 AI 生成代码比例。但他们忽略了后续几周内工程师不得不反复修改代码带来的代码流失，这会让 AI 代码的实际有效采纳率降至 10% 到 30%。AI 编程工具的兴起，让成立于 2017 年、专注于开发者数据分析的 Waydev 在过去半年彻底重构了平台，以应对快速编码工具的普及。如今，该公司推出了新工具，能够追踪 AI 助手生成的元数据，对代码质量与成本进行分析，帮助工程管理者更清晰地了解 AI 的应用情况与实际效果。尽管数据分析公司天然有动力强调自己发现的问题，但越来越多的证据表明，大型企业仍在摸索如何高效使用 AI 工具。不少巨头已经注意到这一点，Atlassian 去年以 10 亿美元收购了另一家工程智能初创公司 DX，帮助其客户评估编程助手的投资回报率。整个行业的数据都指向同一个结论：写出来的代码变多了，但真正能留存下来的比例却低得不成比例。同领域的另一家公司 GitClear 在 1 月发布报告称，AI 工具确实提升了生产力，但其数据同时显示：经常使用 AI 的开发者，代码修改率是非 AI 用户的 9.4 倍，这一数字远超工具带来的两倍生产力提升。工程分析平台 Faros AI 基于两年客户数据，发布了 2026 年 3 月的报告。结论是：在 AI 高使用率场景下，代码变更率（即删除代码行数与新增代码行数之比）上升了 861%。自称 AI 集成工程智能平台的 Jellyfish，在 2026 年第一季度收集了 7548 名工程师的数据。研究发现，Token 额度最高的工程师提交的合并请求（对共享代码库的修改提议）最多，但生产力提升并未与成本成正比：吞吐量提升了 2 倍，Token 成本却增加了 10 倍。换句话说，这些工具带来的只是数量，而非价值。这类数据和开发者的实际感受完全吻合。尽管他们享受着新工具带来的便捷，但代码审查与技术债务也在不断堆积。一个普遍现象是资深工程师与初级工程师的差异：后者采纳的 AI 生成代码多得多，随之而来的是需要重写的代码量也更大。即便如此，开发者们一边努力搞清楚 AI 助手到底在做什么，一边也并不打算很快放弃这些工具。“这是软件开发的新时代，你必须适应，企业也被迫去适应。”西尔切伊表示，“这不会是一阵风潮，很快就过去。”
-
特斯拉Robotaxi无人驾驶出租车服务扩展至达拉斯和休斯顿 IT之家 4 月 19 日消息，根据特斯拉官方社交媒体发布的消息，该公司正将其 Robotaxi 无人驾驶出租车服务拓展至达拉斯和休斯顿。 IT之家注意到，该帖子仅简单写道：“Robotaxi 现已在达拉斯和休斯顿推出”，并附带一段 14 秒的视频，视频中特斯拉车辆在驾驶座无人监控、无人驾驶的情况下自动行驶。 继去年在奥斯汀推出服务、并于 2026 年 1 月开始提供无安全驾驶员的乘车服务后，特斯拉目前已在三座城市运营 Robotaxi 业务，且这三座城市均位于得克萨斯州。在 2 月份提交的一份文件中，特斯拉表示，其奥斯汀无人驾驶出租车自上线以来已发生 14 起碰撞事故。此外，特斯拉还在旧金山湾区提供配备人类驾驶员、规模更为有限的乘车服务。目前特斯拉在这两个新市场投入运营的车辆数量可能并不多，据无人驾驶出租车追踪网站的众包数据显示，达拉斯和休斯顿各仅有一辆登记车辆，而奥斯汀则记录有 46 辆在运营车辆。
-
中国学者评谷歌“哲学家”新岗位论点：未来AI将有意识|讲堂视频 谷歌DeepMind新上任的“哲学家”（工作岗位）语出惊人：未来AI系统将会具备意识。此说又掀起通用人工智能是否会拥有意识之争。复旦大学哲学学院副教授王球认为，此为剑桥哲学家是从呼应AI 能否承担责任的公众呼声而来。有没有意识，并非专家说了算，公众觉得非常像意识，AI研究者尤其哲学学者就应该介入其中给予回应；而北京航空航天大学基础教育通用人工智能实验室首席科学家&联合主任刘志毅则认为，这是大模型从工具转变为基础设置后的必然转变。请戳视频，欢迎留言发表自己的看法。原标题：《中国学者评谷歌“哲学家”新岗位论点：未来AI将有意识|讲堂视频》本文作者：王球 刘志毅 文汇报 李念 王奚跃龙
-
“世界模型”火了，但大家说的根本不是一回事 在当下的AI圈，“世界模型”几乎是最热的词之一。 李飞飞在讲，杨立昆在讲，英伟达也直接把它做成了产品。可问题恰恰在这里，同样叫“世界模型”，他们说的其实不是同一种东西。 英伟达想做的是能批量生成物理环境的仿真基础设施，李飞飞押注的是让机器真正理解三维空间和物体关系的空间智能，杨立昆追求的则是能够进行因果推理和长期规划的认知架构。 也就是说，外界口中的“世界模型”并不是一条统一的技术路线，如果你分不清，就很容易看不懂，为什么英伟达能先赚钱，为什么李飞飞更容易产品化，又为什么杨立昆的路线最远也最难。 而这股热潮已经不只是海外巨头的游戏。光是2026年4月，小鹏、阿里、腾讯就接连发布了各自的"世界模型"，国内玩家也在加速入场。但在跟风之前，更值得搞清楚的是：这个词背后的路线之争，到底在争什么？ 一、英伟达Cosmos：工业级的“创世引擎” 英伟达的路线可以被总结为仿真基础设施（Simulation Infrastructure）。对于黄仁勋来说，“世界模型”不仅仅是一个理论，它必须是能跑在GPU阵列上的、基于物理规律的数字孪生环境。 从动机上说，英伟达的“世界模型”是为了弥补“数据贫困”的护城河。 在过去，物理交互数据的稀缺一直是机器人和具身智能发展的瓶颈。人类不可能在现实中让机器人摔倒一亿次来学习走路。英伟达的Cosmos及其背后的仿真体系，其核心逻辑就是利用合成环境（Synthetic Environments）来填补这一空白。 英伟达的目标是建立大规模的、基于物理规律的环境，用于训练、评估和运行物理AI系统，这主要体现在两个维度： · 物理模拟：它建模的是整个物理环境的运行规律，包括重力、摩擦力、碰撞等。 · 规模化生产：这种“合成数据”的生产能力构成了其最明显的护城河。 尽管战略分析师兼投资人娜塔莎·马尔帕尼（Natasha Malpani）认为，随着机器人公司积累大规模的真实交互数据，这种对仿真的极度依赖（即所谓“数据贫困的产物”）可能会终结，但目前来看英伟达依然稳坐“工业级创世者”的宝座。而且业界主流看法是，真实数据和合成数据是互补而非替代关系，仿真环境在极端场景测试以及安全验证方面的价值，绝不会因为真实数据的增长而消失殆尽。 二、李飞飞与World Labs：空间智能的“建筑师” 被誉为“AI教母”的李飞飞，其新公司World Labs押注的则是空间智能（Spatial Intelligence）。 李飞飞的目标是让机器拥有一个持久且准确的物理空间模型，赋予机器“深度”与“知觉”。这意味着机器需要理解三大核心要素： · 物体在哪儿：精确的3D位置。 · 它们如何移动：动态的物理轨迹。 · 它们提供了什么“可供性”（Affordance，即物体对使用者所提供行动可能性）：例如，一个杯子是可以被抓取的，一张椅子是可以坐下的。 目前，李飞飞的路线被认为是最扎实的。她专注于建模物理世界中的对象及其空间关系。因为这种需求更窄、更可靠，自然也更易于在短期内实现商业化部署。 三、杨立昆与AMI Labs：重构“数字心智” 如果说英伟达在造“环境”，那么图灵奖得主杨立昆（Yann LeCun）则在尝试造“大脑”。他通过AMI Labs推进的是一种认知架构（Cognitive Architecture），追求因果而非概率。 杨立昆认为目前的AI只是在做预测而没有真正的规划。他心目中的“世界模型”是一个能够构建现实的因果模型，并能在此模型内部进行规划的系统。 AMI Labs的技术路线基于杨立昆提出的JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）。与当前主流大模型逐字预测下一个词不同，JEPA的核心思路是在抽象的表征空间中预测事物的未来状态。它不预测下一个像素或下一个词，而是预测"接下来会发生什么"的整体模式。 为此，杨立昆构想了一个三位一体的架构方案。根据公开报道分析，杨立昆的路线包含三个核心组件，其中第三个在目前看来还堪比外星人的“黑科技”： · 因果模型：理解世界运作的逻辑，而不仅仅是像素的排列。 · 前向模拟器：在大脑中“预演”各种可能的未来。 · 筛选机制：这是目前最关键的一环。它是一种先验判断能力，用于决定哪些未来值得模拟、哪些根本不需要考虑。就像一位优秀棋手不会把每一步可能的走法都算一遍，而是直觉性地只关注少数有价值的选项。 这种机制是预测与真正规划之间的本质区别，目前还没哪个AI系统能做到这一点，这也是杨立昆路线被认为时间表最长、最难实现的根本原因。 四、深度对垒：三家路线的异同分析 为了更清晰地理解这“三场豪赌”的真实成色，我们不仅要看科学家说了什么，更要看他们做了什么、卖给了谁以及变现路径在哪里。 维度一|核心定义的差异：你在建模什么？ 虽然都叫“世界模型”，但其底层建模的“颗粒度”完全不同： · 英伟达（上帝视角）：建模的是“物理环境”。英伟达关注的是宏观的物理场，包括重力、摩擦力、流体力学以及复杂的光影反射。如果说AI是个赛车手，英伟达就是那个造赛车场和高精度模拟器的人。 · 李飞飞（建筑师视角）：建模的是“物理对象”。她侧重于3D视觉和物体的空间属性。她关心的核心问题是“这个杯子是实心的吗？它在桌子的什么位置？它能被抓取吗？”她在为AI提供一双精准的眼睛和一副空间刻度尺。 · 杨立昆（哲学家视角）：建模的是“物理逻辑”。他不关心像素级别的还原，他关心因果。他在想“如果我推了一下这个杯子，它会不会碎？”他在为AI构建逻辑思维和长期规划能力，即所谓的“数字心智”。 维度二|成熟度与商业落地 这是三者路线差异最显著的地方，简而言之就是英伟达已经在收割（变现），李飞飞正在冲刺（产品化），杨立昆还在打地基（科研期）。 · 英伟达：基建之王的“算力飞轮”。落地实体是Cosmos平台，深度集成于Isaac Sim机器人仿真系统和Omniverse数字孪生平台。成熟度极高，这不是PPT而是已经跑通的工业管线。其Cosmos工具链已有约200万次下载。包括亚马逊仓储机器人优化、宝马数字化工厂都有应用，客户中不乏西门子等工业巨头。它的商业逻辑很霸道，通过卖仿真软件（软件订阅）带动GPU算力的销售，形成了完美的“基建闭环”。 · 李飞飞：从实验室到创意工场的“闪电战”。落地实体是商业化平台Marble，已经于2025年11月上线。成熟度中等偏上，是目前最快将“世界模型”转化为C端/B端可感知产品的公司。李飞飞的World Labs已经拿到了10亿美元的估值，背后的投资方、CAD巨头Autodesk是其核心盟友。Marble平台允许设计师、游戏开发者通过文字或图片一键生成可编辑、可漫游的3D世界。这意味着它的首批“买单人”正是内容创作、建筑设计和虚拟影视从业者。 · 杨立昆：仍处技术探索的深水区。落地实体是Meta内部的V-JEPA和I-JEPA系列研究模型。成熟度属于早期科研态，杨立昆坦言真正的产品可能还需要数年时间。目前AMI Labs没有外部商业客户，更多是通往AGI的技术储备。它更像是一场对现有Transformer架构模型的“拆迁重建”，虽然其研究在学术界引起巨大反响，但在商业变现上，它还是一个“远期愿景”。 维度三|时间表的博弈：谁的下一段增长最确定？ 成熟度看的是"谁已经走得最远"，而这里要看的是另一个问题：谁的下一段增长最确定？一个已经在赚钱的平台，不代表它的增长前景就一定比一个刚上线的新产品更清晰。关键在于市场需求的明确程度和护城河的持久性。 · 李飞飞（短期）：任务定义最清晰。空间智能是刚需，无论是虚拟现实（VR/AR）还是3D设计，其产品路径最直，商业化节奏也最快。 · 英伟达（中期）：立足防御。仿真平台虽然已经大规模使用，但随着真实物理数据（如无人机、自动驾驶真车数据）的指数级增长，其作为“唯一合成数据源”的护城河正面临挑战。英伟达必须持续迭代，保持仿真的不可替代性。 · 杨立昆（长期）：AGI底层大考。他要解决的是AI的“常识”和“推理”。其中提到的“筛选机制”在目前的AI架构中几乎是空白，这不仅是技术的博弈，更是对AGI底层架构的十年大考。 维度四|技术哲学的冲突：规模vs. 规则vs. 认知 这三者之间的哲学理念也完全不同： · 英伟达倾向于“暴力美学”：只要仿真环境够多、GPU堆得够高，智能就会在大规模模拟中“涌现”。 · 李飞飞坚持“感知优先”：如果AI连3D空间和物体的“可供性”都搞不清楚，所谓的智能只是概率预测下的幻觉。 · 杨立昆则是“架构至上”：他直言目前的模型只是高级的“复读机”。如果不引入因果推理和真正的规划，再多的数据也造不出像人一样的智慧。 五、总结：三条赛道，一幅版图 “世界模型”不是一个单一的概念，而是三个完全不同的赛道。将这三者混为一谈，就像是把“造发动机的”、“造轮胎的”和“修路的”都统称为“造车的”。 正如马尔帕尼犀利指出的那样，虽然大家都在盖“世界模型”的大楼，但他们盖的根本不是同一栋建筑。把它们混为一谈，不仅会催生不必要的行业泡沫，更会让我们看不清真正的价值到底在何处积累。 AI行业在不断突破，而在这场狂飙中看清路线尤为重要。当下，如果你关心的是如何大规模训练机器人，看英伟达；如果你关心的是如何让AI真正理解并进入我们的3D生活空间，看李飞飞；如果你关心的是AI什么时候能拥有像人一样的逻辑推理和规划能力，看杨立昆。 与其说他们在竞争，不如说他们各自在解决"让机器理解物理世界"这个大问题中的不同子问题。英伟达解决的是"在哪里练"，李飞飞解决的是"看到什么"，杨立昆解决的是"怎么想"。这三条路线能不能最终汇合成通往AGI 的完整路径，现在还没有人知道。但至少，把它们分清楚，是看懂这场竞赛的第一步，也是不被"世界模型"这个词忽悠的第一步。。
-
Edge AI Daily 早报（4月18日） 硅谷前沿： 一、OpenAI 200亿美元押注Cerebras：算力自主化破局英伟达垄断1.OpenAI与Cerebras达成三年超200亿美元战略合作，通过采购芯片服务器和获得认股权证，启动算力自主化布局，旨在降低对英伟达芯片的依赖并应对计算成本高企问题。2.Cerebras的WSE-2芯片采用全硅片设计，集成85万个计算核心和40GB片上SRAM，内存带宽达20PB/s，相比传统GPU集群可节省30%训练时间和25%能耗成本，为大模型训练提供差异化解决方案。3.AI芯片市场正从英伟达垄断转向多元化竞争：谷歌TPU v5e面向中小企业、Meta MTIA v2降低推理成本50%、亚马逊迭代Trainium芯片，科技巨头纷纷推进算力自主化以应对供应链风险和效率瓶颈。 二、Anthropic推出Claude Opus 4.7：强化复杂工程能力与高分辨率视觉支持1.Anthropic发布Claude Opus 4.7模型，在高级软件工程领域表现显著提升，能处理复杂长周期任务并具备自我验证能力；视觉功能大幅强化，支持最高2576像素高分辨率图像处理，为金融分析、文档推理等应用提供精细视觉支持。2.定价维持输入每百万5美元、输出每百万25美元不变，但引入新分词器使实际Token消耗增加1.0-1.35倍；新增“xhigh”高努力等级，已在Claude全系产品及Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry等平台上线。3.模型在训练阶段针对性削弱高风险网络安全能力并内置拦截机制，安全专业人员可通过“网络安全验证计划”申请合法使用权限；基准测试显示其综合表现优于Opus 4.6和GPT-5.4，但仍弱于内部最强模型Claude Mythos Preview。 三、英伟达Lyra2.0：单照生成90米3D环境，具身智能训练迎来关键突破1.技术突破：英伟达发布Lyra2.0系统，基于单张照片可生成90米范围的高连贯性虚拟环境（像素连贯性达98％），较前代30米范围提升200％，长距离路径图像失真率降至0.5％以下，显著优于谷歌Instant NeRF（10米）和Meta SAM 3D（92％连贯性）。2.应用价值：该技术大幅降低具身智能训练的场景构建成本，自动驾驶训练数据获取效率可提升80％，服务机器人能通过单张家庭照片生成虚拟家居环境，同时可应用于VR／AR内容创作、游戏开发等领域，推动产业效率提升。3.行业影响：Lyra2.0巩固了英伟达在AI硬件与软件生态的领先地位，OpenAI近期向3D场景生成初创公司投入5000万美元，谷歌计划发布Instant NeRF 3.0（目标50米），Meta测试基于LLaMA的3D生成工具，显示具身智能已成为全球科技巨头布局重点。 四、红杉资本募集70亿美元新基金，加大AI领域投资1.红杉资本新管理层完成首轮70亿美元募资（规模为2022年同类基金的两倍），专项用于AI领域扩张战略，重点投向OpenAI、Anthropic等头部企业，标志着机构对AI赛道长期信心与战略调整。2.AI投资逻辑正从“叙事性估值”转向“基本面估值”，投资者开始关注ROI等可衡量指标，2026年被视为AI规模化落地元年，中国AI核心产业规模已突破1.2万亿元，同比增长近30%。3.红杉资本此次募资将主要用于美国和欧洲市场的后期阶段投资，支持AI企业高昂算力需求，同时机构已同时持有OpenAI、xAI和Anthropic三家顶级AI公司股份，显示其多元化布局策略。 五、SpaceX拟6月IPO估值1.75-2万亿美元 谷歌6.11%持股将获千亿收益1.SpaceX计划启动史上最大规模IPO，估值区间1.75万亿至2万亿美元，谷歌持有其约6.11%股权（2025年底数据），按最高估值计算谷歌持股价值约1000亿美元，IPO预计2024年6月完成，将募集750亿美元资金。2.星链项目技术优势显著：截至2024年底已发射超7000颗卫星（在轨约6538颗），为全球118个国家地区460万用户提供服务；采用低轨设计（550公里）使平均延迟仅35ms，单用户最高下载速度220Mbps，V3卫星容量将提升至V2 mini的20倍。3.民营航天竞争加剧：亚马逊Kuiper项目2025年4月发射首批27颗卫星，计划部署3236颗卫星挑战星链；国内商业航天同步发展，长征十号乙可回收火箭2026年4月首飞，银河航天、中科宇航等企业排队冲刺IPO。 六、谷歌开放Android实时开发资源，破解AI生成应用滞后性难题1.谷歌于2026年4月16日向AI智能体开放Android最新开发文档实时访问权限，解决大模型训练数据滞后（3-6个月）导致的应用质量问题，涵盖API参考、Firebase云服务、Kotlin语言等核心资源。2.技术层面：AI通过实时查询接口可验证API状态、引用最新配置规范、优化代码结构，配套API版本匹配工具使因API不匹配导致的Bug率下降45％，安全漏洞减少38％，Google Play审核通过率提升22％。3.行业竞争格局：OpenAI与苹果合作开放iOS开发文档AI访问，Meta推出React Native AI助手，微软GitHub Copilot已部分接入Android文档但未实现实时更新，苹果AI工具仍处内部测试阶段。 七、World验证帝国扩张：Tinder成为首站，零知识证明重塑数字身份格局1.技术应用与成本：World项目基于零知识证明的身份验证技术将拓展至Tinder、票务系统等场景，每次验证成本约2美元，年消耗以太坊Gas费达450万美元，成为企业采用的主要障碍。2.市场竞争格局：Tinder已推出Face Check面部验证功能，使不良行为者接触率下降60%、相关报告减少40%；传统身份验证巨头（如Okta）成本更低但缺乏匿名性保护，Meta等科技公司也在研发类似技术。3.市场前景与挑战：随着AI生成内容超过人类创作，匿名真实身份验证需求上升；但World面临技术成本高昂和GDPR等隐私法规限制的双重挑战，预计在特定领域可能取得突破。 八、AI焦虑鸿沟加剧：OpenAI疯狂收购，Anthropic藏强模型，芯片巨头押注自动驾驶1.AI基础设施成为竞争核心：2026年全球AI总支出预计达2.52万亿美元，其中AI基础设施支出1.36万亿美元占比超五成，AI优化服务器支出同比增长49%，单台支出为传统服务器的3-4倍，凸显行业对底层算力支撑的高度重视。2.OpenAI与Anthropic企业端竞争白热化：Anthropic市场份额从24.4%增长至30.6%，与OpenAI差距缩小至4.6个百分点，机构预测两个月内可能超越；Anthropic年化收入超300亿美元已超过OpenAI的250亿美元，企业客户首次采购AI服务时Anthropic胜率达70%。3.自动驾驶领域芯片巨头加速布局：AMD、Arm、高通联合向英国自动驾驶初创公司Wayve投资6000万美元，该技术无需依赖高精地图即可实现L2+到L3/L4自动驾驶；全球AI芯片市场预计2026年达2万亿美元，占半导体行业营收40%以上，数据中心芯片需求增速最快。 九、Anthropic CEO白宫会晤：AI巨头与政府的技术博弈1.Anthropic业务表现强劲：2026年年化营收突破300亿美元（较2025年底90亿美元增长233.3％），企业客户年支出超100万美元的数量从2月500家增至4月1000家，估值达3800亿美元，显示其在AI企业市场的领先地位。2.Mythos模型技术优势显著：该网络安全AI模型能串联多步骤攻击实现系统渗透，在英国政府测试中完成超过85％的学徒级CTF任务，是首个完整通关32步高难度仿真靶场的AI模型，引发美国政府高度重视。3.政府合作与市场影响：Anthropic与白宫会面试图解决与五角大楼的合同纠纷，Mythos模型若通过政府合规审查将推动行业标准；相关概念股上涨，竞争对手OpenAI和Google加紧政府沟通与研发，显示AI技术战略价值提升。 十、JAMA研究揭示主流大模型临床早期诊断短板：错误率超80%制约直接应用1.研究数据：美国医学会期刊《JAMA Network Open》2026年4月研究显示，主流大语言模型在临床早期鉴别诊断环节错误率普遍超过80％（GPT-5为82.1％，Claude 4.5 Opus为81.5％，Gemini 3为83.7％），远高于临床可接受范围。2.技术瓶颈：模型存在过早收敛结论问题，倾向于输出高置信度单一假设而忽略低概率关键病因，源于训练数据中完整案例多而早期诊断所需碎片化推理样本匮乏，概率生成架构偏向输出最高概率结果而非保留多假设推理空间。3.应用边界与改进方向：当前阶段模型无法独立承担诊断任务，应限于辅助医生决策场景；科技企业已针对性改进，如微软梅奥诊所MedGPT-2通过10万＋早期诊断病例训练将错误率降至45.2％，OpenAI GPT-5.1新增“临床推理树”功能，Anthropic优化概率建模提升不确定性场景推理鲁棒性。 十一、Meta挖角Thinking Machines核心工程师Joshua Gross，硅谷AI人才争夺白热化1.Meta近期从AI初创公司Thinking Machines挖角资深工程师Joshua Gross，凸显科技巨头对顶尖AI人才的激烈争夺。根据财联社2026年4月17日报道，Meta已从该公司挖走五位创始成员，而Joshua Gross将加入Meta超级智能实验室担任工程团队负责人，强化公司在通用人工智能（ＡＧＩ）工程化方面的能力。2.AI人才争夺战已进入白热化阶段，麦肯锡2025年报告显示全球AI核心人才缺口达140万，较2023年增长67％。每日经济新闻2026年3月数据显示，AI岗位数量同比增长12倍，平均月薪达60738元，比新经济行业平均水平高出26％，人才供需比仅为0.97，呈现明显供不应求态势。3.科技巨头通过高薪和资源优势加剧初创企业人才流失困境。2025年数据显示，头部企业签约奖金普遍达12-24个月薪资，核心人才年均被动离职率31％，而初创企业面临创新速度放缓风险。这种趋势可能导致行业创新生态失衡，需要在鼓励创新与保障人才合理流动间寻找平衡点。 十二、AI浪潮下科技巨头集体跨界 半导体产业边界重构1.AI算力需求驱动半导体产业跨界融合：英伟达预计到2027年Blackwell与Rubin芯片订单规模将突破1万亿美元，正从游戏显卡巨头转型为AI基础设施总架构师，其CUDA生态已成为行业标准。2.AMD数据中心业务实现结构性转型：2025年第四季度营收103亿美元中数据中心占比达52%（54亿美元），预计到2027年Instinct系列AI加速卡年收入将达数十亿美元，正从组件制造商向全栈架构师转变。3.台积电HPC业务成为第一大收入来源：2025年高性能计算业务营收占比达58%，取代智能手机成为最大收入板块，先进制程与CoWoS封装技术是其核心竞争力，Arm也打破35年IP授权模式推出自研AGI CPU。 十三、Nvidia背书引爆量子股：Xanadu CEO成亿万富翁，光子量子计算迎市场风口1.市场反应：Nvidia发布开源量子AI模型“Ising”，推动量子计算板块大幅上涨。Xanadu Quantum Technologies股价单日暴涨54%，其CEO净资产增至15亿美元；其他量子计算公司如Quantum Computing Inc（QUBT）近7天涨幅达31.64%，反映市场对量子-人工智能融合的高度预期。2.技术突破与挑战：Nvidia的“Ising”模型通过AI解决量子处理器校准（时间从数天缩短至数小时）和量子纠错（速度提升2.5倍、精度提升3倍）两大核心难题。然而行业仍面临量子比特稳定性、错误校正等工程挑战，以及巨额的资本需求，商用化仍需数年时间。3.行业竞争格局：量子计算领域竞争加剧，IBM发布第7代量子处理器（433量子比特），Google计划推出1000量子比特处理器。国际量子计算联盟推动标准化协作，光子量子计算（如Xanadu室温运行系统）与超导路线形成差异化竞争，技术路线多样化加速行业迭代。国内进展： 十四、斯坦福报告证实中美顶级大模型差距实质性消除，竞争焦点转向落地能力1.技术格局变化：根据斯坦福大学《2026年人工智能指数报告》，中美两国在顶级大模型的性能差距已缩小至2.7%（2026年3月数据），达到行业公认的“无显著差距”标准，标志着双方进入技术并跑阶段。2.市场应用趋势：中国AI大模型市场规模预计2026年达680亿元（中商产业研究院数据），企业级AI应用解决方案市场规模预计达812亿元。行业竞争焦点已从单纯性能提升转向成本控制与场景落地，如阿里巴巴通义千问3.5版本推理成本较上一代降低40%，企业级应用错误率降至0.8%。3.产业落地进展：大模型竞争进入“技术+场景”双轮驱动阶段，头部企业加速行业化落地。阿里巴巴通义千问医疗版已在20家三甲医院试点，诊断准确率达92%；金融领域AI应用使工商银行不良贷款率从2.3%降至1.3%，平安人寿年均节省质检成本2500万元。开源趋势： 十五、谷歌开源MedGemma1.5：医疗AI实现三维影像分析关键突破1.谷歌开源MedGemma1.5医疗AI模型，实现三维CT/MRI影像原生分析：该模型基于Gemma架构优化，支持CT、MRI三维扫描数据直接处理，无需拆分为二维切片，能捕捉病灶空间位置、大小及与周围组织关联，减少信息丢失，同时支持病理切片微观分析和胸部X光精准标注。2.开源模式打破技术壁垒，推动医疗AI普及与迭代：MedGemma1.5开源让全球医疗机构和科研团队自由使用与二次开发，帮助基层医疗机构提升诊断效率；据行业报告显示，开源医疗AI模型应用覆盖率增长27%，三维影像处理类模型需求增速最快。3.医疗AI市场竞争加剧，国内外企业竞相布局：OpenAI的GPT-4V在医疗影像识别中表现良好但为闭源服务，国内百度文心医疗大模型预计2024年Q4上线三维处理功能；全球医疗AI市场规模预计从2026年560.1亿美元增长至2034年10332.7亿美元，复合增长率43.96%。（广角观察、Edge AI Daily等综合整理）
-
年赚600亿还要裁8000人！Meta摊牌了：AI太能干 人不需要那么多 快科技4月18日消息，据报道，Meta已确定5月20日为第一波大规模裁员的时间节点，涉及员工人数约占全球员工总数的10%，近8000人。此次裁员是Meta自2022至2023年大裁员以来规模最大的一次人员削减。公司计划在今年下半年推进进一步裁员，但具体日期与规模尚未最终确定，。与上一轮裁员不同，彼时Meta股价暴跌，而此轮裁员发生在公司财务状况相当稳健的背景下。Meta去年营收超过2000亿美元，实现净利润约600亿美元，尽管AI方面的资本支出规模庞大。扎克伯格今年1月曾预言：2026年将是AI开始显著改变我们工作方式的一年。他还在财报电话会议上表示，公司正大力投资AI工具。在人员削减的同时，Meta也在对内部组织架构进行重组。Meta已从各部门抽调顶尖工程师，组建名为"Applied AI"的新团队，专注于加速开发AI智能体。其最终目标是让AI智能体完成大部分的产品构建、测试和交付工作，人类员工则负责监督。Meta此次行动并非孤例。亚马逊近期已累计削减约30000名企业员工，约占其白领员工总数的10%。金融科技公司Block今年2月裁减了近半数员工，其CEO杰克·多西明确表示，智能工具已经改变了建立和经营一家公司的定义。上述两家公司高管均将裁员归因于AI带来的效率提升。据追踪全球科技行业裁员数据的网站Layoffs.fyi统计，今年迄今已有73212名科技行业员工失业，而2024年全年这一数字为153000人。
-
龙虾之战进入深水区，产品完成度是下一个赛点 文 | 窄播，作者｜博斯OpenClaw作为一条技术路线，让Agent第一次有了区别于聊天机器人的清晰轮廓：有一个人格化的灵魂，24*7永远在线，主动执行任务，看上去可以打理一切。旧势力希望借此守住入口，新势力想要利用它站上风口。3月，从字节、腾讯、阿里、百度等互联网巨头，到月之暗面、MiniMax、智谱、阶跃星辰等大模型新贵，再到华为、小米这样的手机厂商，都在谈龙虾。新旧科技公司共同完成了一场将龙虾广而告之的共谋。4月，变阵之后的科技公司在继续将龙虾之战从「极客的工具」推向「服务大众的系统」。一方面在积极构建支撑龙虾类产品稳定、安全运营的基础设施；另一方面也在寻找龙虾类产品能更快进入的具体场景，将使用龙虾与提升生产力划上等号。字节依然积极。4月2日，「火山引擎2026AI创新巡展」武汉站上，火山引擎团队提出了敏态和稳态并行的企业Agent建设方法论，进一步完善了ArkClaw和HiAgent两个分别对应敏态和稳态的产品。4月7日，字节旗下的扣子升级到2.5版本，不但有了龙虾一样的交互界面和执行能力，还增加了Agent Word开放生态。 腾讯也保持了3月的速度和惯性。3月30日，WorkBuddy微信小程序上线，同时支持云端沙箱与本地电脑远程执行双模式。4月3日，腾讯云正式发布了TencentDB Agent Memory（龙虾记忆服务），为OpenClaw补上了长期记忆。4月8日，QQ浏览器正式发布国内首个浏览器「龙虾」QBotClaw。此外，OpenClaw之外的新Agent形态还在继续涌现。Hermes Agent在2月开源之后，凭借自我成长型Agent的定位在4月迎来的大爆发。目前，腾讯云已经支持Hermes Agent的云端一键部署，小米也宣布旗下Xiaomi MiMo-V2系列大模型实现了官方集成接入。大家此前都在讨论谁的龙虾平替更好用，谁的部署门槛更低，谁的生态接入更方便。但在4月之后，大家可能会更倾向于讨论这场狂欢的终局是什么，什么样的产品形态会最终抵达主流市场。从500万工程师到10亿普通用户，这中间的距离，与其说是模型能力的问题，不如说是产品化的问题。此刻的群雄逐鹿，在某种意义上，正是跨越这道鸿沟前的投石问路。两条探索的路径 细看百虾大战，各个厂商的选择可以被归纳为两条路径。动作最密集的，是封装OpenClaw的路线。它当然是当下最快的打法，也是大厂强烈的fomo。腾讯 QClaw、智谱 AutoClaw、MiniMax MaxClaw、百度DuClaw、字节 ArkClaw，这些产品的共同选择是：暂且绕开对Agent底层范式的重新定义，围绕OpenClaw 已经验证过的能力做产品化包装，是什么没那么重要，做了再说。部署流程从小时级压缩到20秒，从命令行脚本安装到双击可用，云端托管、预置 Skill、预装模型、免费额度、主流IM接入一并打包交付。用户触达龙虾的所有的门槛都在被快速降低。这个路线核心指向：OpenClaw太像一套开发者系统，想要扩大用户基础，需要有人来把它翻译成普通用户能读懂的语言。这样做能在短时间内，以最快速度圈住用户。MaxClaw、AutoClaw、Kimi Claw代表是大模型公司，将OpenClaw视作一个绝佳的Token消耗载体，让人看到了Token经济学非常性感的一面。QClaw和ArkClaw面向龙虾时代变现了腾讯和字节的用户基础，展示了旧入口+新产品的可行性。但是，封装路线的发展逻辑，在某种程度上依赖于上游不再生长，维持稳定的产品框架。而对还需要不断完善的OpenClaw来说，这个前提从一开始就显得有些脆弱。OpenClaw新版本和官方通道的每一次更新，都在悄悄左右着第三方产品的独立生存空间。互联网巨头们往往会选择两条腿走路，再走一条自研Coding Agent，搭建自己执行底座的路线。相较字节和腾讯，阿里是这条路径的更坚定地执行者。阿里巴巴通义实验室推出了开源的QwenPaw，支持定制化轻量小模型、强化安全机制、支持多智能体协同作业、优化长期记忆管理。钉钉团队发布的悟空也是一款以企业智能体为核心的AI原生工作平台。钉钉的核心动作，是把大量平台能力CLI化，让Agent原生调用平台能力，不再模拟人的点击操作。这背后有一个清晰的产品判断：企业真正需要的，可能不是一个远程操控电脑的演示工具，而是能够继承组织权限、嵌入业务流程、可被审计和计费的AI员工。 此外，Claude的Cowork、腾讯的WorkBuddy、字节的扣子2.5也不约而同地选择把 Coding Agent 改造成自己的执行底座。Anthropic的Cowork不是「更易用的Agent」，而是一种设计哲学的分野。OpenClaw追求Agent的极致自主性，Cowork追求的恰恰相反——更好的人机协作关系，一个让人类能够深度介入AI工作过程的协作环境。Cowork要「从一个有用的助手，变成一个真正的全职同事。」 WorkBuddy则呈现出另一种形态，更像是AI原生的工作台：多Agent并行、跨平台下达指令、直接交付文档表格PPT成果、安全沙箱和企业级审计一并到位。腾讯内部两条线的分工隐约可见：WorkBuddy做深执行，QClaw做广触达。扣子2.5给自己的定位是「满配AI伙伴」，与OpenClaw类似包含有人格、装备、技能三个基础部分，同时又为付费用户增加了使用云电脑和云手机的能力，有日程系统和文件系统。整个产品像一个更完善的龙虾类产品。让我惊讶的是，扣子2.5会自主提醒我某条信息可以被用于前两天讨论的某个选题上。自研路线可以把Agent深度绑定进自己的生态和权限体系，代价是研发更重、封闭性更强、扩张更慢，往往只能先在自己的场景里站稳脚跟，再图谋更远的地方。两个真正关键的动作 两条路线，一重一轻，各有各的逻辑。但如果视野只停留在这两条路上，可能会错过这场战争里真正悬而未决的那一部分。龙虾大战背后的共识是，Coding Agent正在成为新一代Agent的操作系统底座。竞争的焦点是Coding Agent的交付完成度，即谁能把LLM、Coding Agent和Harness Engineering整合成一个真正可以交付的系统。这种竞争在围绕两个关键动作进行：第一个动作是CLI的复兴。这也是旧世界和新世界的联结。Agent的发展正在悄然分化出两个界面：GUI服务于人和软件之间的交互，CLI服务于软件和 Agent 之间的交互。龙虾类产品很有可能将对话窗口与CLI结合起来，取代GUI主导的交互。基于这个判断，钉钉把办公能力CLI化，某种程度上是在把自己改造成一个更适合Agent操作的执行层。飞书CLI将协作能力接口化，也是把自己定位成「让人类和AI Agent都能在终端中操作飞书」的命令行工具。他们都是在基于传统软件，长出一套可以被Agent调用的操作界面。 与之相对应，微信、企业微信、飞书、钉钉都会成为人类沟通Agent的频道。CLI打通软件到Agent的接口，频道打通人到Agent的入口——两者共同完成了旧世界和新世界之间的接线工程。第二个动作是人类和Agent的协作。我们可以看到面前有两个选择：一个选择指向大一统的操作系统底座——以一个通用的平台承载很多Skill，由Skill覆盖无数的垂直场景，就像微信上无数的小程序。这个选择中，Skill本质上是在把人类经验、工作流经验、行业know-how和最佳实践，压缩成可以被Agent调用的能力模块。通用平台解决的是能不能做，Skill解决的是该如何做、按照怎样的经验做、在什么上下文里做。如何让用户能够高效封装Skill会成为一个关键环节。另一个选择是App的Agent化。多个入口与多样的垂直Agent构成了类似当下APP生态的行业格局。如果说Skill是要将垂类APP拆分成多个原子化的能力，那么APP转化成的Agent则是要维持相对孤岛的状态。类似我们通过自己的龙虾调动美团的小美为我们点外卖。但这并不是个好选择。按照第一个选择来发展，自然语言的交互是符合人最沟通习惯的，但目前的对话框式的交互界面不一定是最佳方案。这个答案还有可能是NotebookLM那样的，输入-整合-输出的三框工作界面，也可能是Flowith、可灵、即梦都在尝试的画布式工作界面。无论是什么界面，背后都需要足够强大的Skill生态做支撑。而Skill生态的丰富程度可能会在未来决定人与Agent交互界面的最终呈现。五点下班的可能性 对Coding Agent或Cowork方向的产品来说，供给侧的条件正在成熟，需求侧的心智却尚属空白，海外的标杆产品又因地缘因素无法直接进入。三个因素叠加，构成了一个罕见的机会窗口，也带来了百虾大战的盛况。但绝大部分用户都不会是pro user，未必有能力把自己的经验Skill化，也未必清楚什么是自己场景里的最优解。大众用户期待的是一个能简单上手、直接干活的Agent，而不是一个开放而强大、难以快速入门的底座。前者意味着直接的生产力，而后者只是一个带来幻想的脆弱半成品。我们不知道Agent什么时候真的会替代人类完成那些繁重的工作，但在这样的旅途中一定会有一段时间，需要人类悉心的指导和检查Agent如何产出一份可以完整交付的结果，直到Agent可以称心如意地完成人类需要的工作。这就像自动驾驶行业有一场持续多年的路线之争：L4派主张一步到位实现全自动，L2派主张人机共驾、渐进演化。最终，L4定义了方向的想象空间，L2赢得了真实的市场。其原因不在于L2技术上更先进，而在于它更务实地处理了人与机器之间那段需要时间积累的信任关系。人类可能暂时还无法冀求一个无需工作的丰裕社会，但从当下的视角来看，一个编排良好的Agent，确有让人五点下班的可能性。
-
被OpenAI放弃后，视频生成平台Sora负责人皮布尔斯离职 IT之家 4 月 18 日消息，当地时间 4 月 17 日，OpenAI 视频生成平台 Sora 负责人比尔 · 皮布尔斯宣布离职。公司正在调整战略，以减少“支线项目”，将重点转向编程和企业应用，皮布尔斯的离开正是这一系列调整的一部分。据IT之家了解，OpenAI 上个月宣布，放弃其视频生成工具 Sora。皮布尔斯在 X 上表示，“我非常感谢萨姆、马克、阿迪提亚和雅库布营造的研究环境，使我们能够探索偏离公司主线路线图的想法。人生中很容易只聚焦最重要的一件事，但对于研究机构来说，保持多样性才是长期发展的关键，萨姆对此深有理解。Sora 是一个只有在 OpenAI 才能实现的项目，我也将一直珍视这段经历。”同时，OpenAI 负责科学 AI 的副总裁凯文 · 韦尔也将离职，并宣布周五是其最后一天。他在 X 上称，其团队“将被分散到其他研究团队中”。另据《连线》报道，OpenAI 此前推出、由韦尔负责的科研平台 Prism 也将被关闭，公司计划将其能力整合进 Codex 桌面应用。
-
Claude Design上线，Opus 4.7 AI驱动、分钟级转化创意到原型 IT之家 4 月 18 日消息，Anthropic 昨日（4 月 17 日）发布博文，宣布推出 Claude Design 工具，基于 Claude Opus 4.7 模型，定位是视觉创作工具。该工具支持用户通过对话生成设计、原型和演示文稿，具备品牌系统自动应用、多源导入和精细化调整功能。IT之家注：Claude Design 工具目标是帮助设计师拓展探索空间，同时让产品经理、创始人等非设计背景人员在几分钟内高效产出视觉作品，目前该功能已向 Claude Pro、Max、Team 及 Enterprise 订阅用户逐步开放。在核心功能方面，Claude Design 支持用户通过自然语言描述需求，由 AI 生成初版设计。用户可通过对话、行内评论、直接编辑或自定义滑块进行精细化调整。产品支持导入文本提示词、图片及 DOCX、PPTX 等多格式文档，此外为确保原型与实际产品一致，还支持抓取网页元素。其内置的品牌系统能读取企业代码库与设计文件，自动应用统一的配色、字体与组件规范。 该工具覆盖多种应用场景，包括将静态模型转为交互原型、快速产出产品线框图、生成融资演示文稿及营销物料等。实测数据显示，Brilliant 团队曾用其他工具需 20 余次提示词才能完成的复杂页面，在 Claude Design 中仅需 2 次提示词即可实现。设计完成后，用户可导出为 Canva、PDF、PPTX 或独立 HTML 文件，也可打包移交 Claude Code 进入开发流程。
-
裁员8000人！受AI提效推动，Meta拟5月20日启动首轮裁员约10% Meta首轮裁员将于5月20日落地，涉及约8000名员工，此后还将有更多裁减。此次大规模裁员是该公司将人工智能置于核心战略的直接结果，也折射出美国科技行业更广泛的用工模式转变。据路透社报道，三名知情人士透露，Meta已确定5月20日为第一波裁员时间节点，涉及员工人数约占全球员工总数的10%，即近8000人。与此同时，公司计划在今年下半年推进进一步裁员，但具体日期与规模尚未最终确定。知情人士表示，高管团队将视人工智能能力发展情况对计划作出调整。此次裁员是Meta自2022至2023年"效率之年"大裁员以来规模最大的一次人员削减。扎克伯格正将公司内部架构深度重塑，以押注人工智能为核心驱动力。 分阶段推进，全年裁员比例或逾20%据路透社上月报道，Meta计划全年裁减20%或以上的全球员工。此次披露的5月20日首轮方案，约占该目标的一半。截至2025年12月31日，Meta全球员工总数约为79000人，这意味着若全年裁员比例达20%，受影响员工人数将超过15000人。三名知情人士均证实，下半年还将有后续裁员，但细节仍待确定，高管保留根据AI进展动态调整计划的空间。AI效率逻辑驱动裁员，非财务困境所致与2022至2023年那轮裁员不同，彼时Meta股价暴跌、公司正应对疫情期间增长预期落空的后遗症，此轮裁员发生在公司财务状况相对稳健的背景下。Meta去年营收超过2000亿美元，实现净利润600亿美元，尽管人工智能方面的资本支出规模庞大。扎克伯格正将数千亿美元投入AI基础设施建设，并致力于打造管理层级更少、运营效率更高的组织架构，部分岗位将由AI替代。内部架构调整同步推进在人员削减的同时，Meta也在对内部组织架构进行重组。近期，公司对旗下Reality Labs部门团队进行了调整，并从公司各部门抽调工程师，组建名为"Applied AI"的新团队，专注于加速开发能够自主编写代码、执行复杂任务的AI智能体。据一名知情人士透露，部分员工还将被调入上月新成立的"Meta Small Business"部门，作为此次整体架构调整的组成部分。科技行业AI驱动裁员潮蔓延Meta此次行动并非孤例。亚马逊近期已削减约30000名企业员工，约占其白领员工总数的10%；金融科技公司Block今年2月裁减了近半数员工。上述两家公司高管均将裁员归因于人工智能带来的效率提升。据追踪全球科技行业裁员数据的网站Layoffs统计，今年迄今已有73212名科技行业员工失业；而2024年全年的这一数字为153000人。
-
贾跃亭FF变身美国机器人先锋，加州财长亲临揭幕EAI实验室 4月17日，美国加州财政部长Fiona Ma与El Segundo市长Chris Pimentel造访法拉第未来（FF）位于El Segundo的美国总部，并共同为FF EAI（具身人工智能）机器人教育与创新实验室揭幕。此举标志着FF在构建美国首个大规模EAI教育生态系统方面迈出关键一步，FF也借此确立其在美国机器人领域的先锋地位。 活动现场，Fiona Ma亲自为实验室牌匾揭幕，同时揭幕的还有FF加州女性EAI与STEM创新中心，彰显了FF推动女性参与科技创新的承诺。出席嘉宾还包括前加州州参议员Steven Bradford及学区代表等。Fiona Ma在参观后表示：“从机器人到汽车，这里的技术令人印象深刻，它将让生活更高效。感谢FF将总部设在加州并创造工程岗位，希望加州借助此类创新尽快成为全球第三大经济体。” 双方深入探讨了多项合作，包括将FF的EAI机器人纳入政府采购目录、扩大教育及公共机构采购、建设物理AI数据工厂等。Fiona Ma对上述合作均表达了积极支持。作为美国首家同时交付人形机器人和仿生机器人的公司，FF展示了其在教育、安防、数据采集等多场景的应用实力，并介绍了“设备-数据-大脑”的闭环生态。 Fiona Ma与市长还试驾了FF 91 2.0及FX Super One，了解其在EAI电动车领域的布局。FF创始人贾跃亭表示，此次访问是对FF构建本土EAI生态系统的有力认可，公司将致力于为加州带来高质量的科技就业与产业投资。 值得注意的是，贾跃亭创办的法拉第未来在电动汽车领域耕耘多年，FF 91等车型始终未能突破大规模量产瓶颈。如今，公司战略重心明显向具身智能倾斜，试图乘着机器人产业的东风，改写此前在造车领域的坎坷命运。
-
北京亦庄人形机器人半马排位赛完赛，正赛起跑顺序正式敲定 人形机器人跑马拉松按什么顺序出发？4月16日，北京经济技术开发区（即“北京亦庄”）在南海子公园举行2026北京亦庄人形机器人半程马拉松排位赛，超百支人形机器人赛队围绕半程马拉松正赛的起跑顺序展开激烈角逐。本次排位赛严格遵循正赛标准，在全长1.9公里的阶段性真实半马赛道上进行。起点为赛程中南海子公园19km处，终点为赛程中南海子公园20.9km处，涵盖直线竞速、弯道绕行、坡道爬升等多维度考核环节，全面检验机器人的综合运动性能。在技术层面，排位赛考验了赛队机器人动力、控制、感知、决策等综合能力；在组织层面，主办方验证了赛队机器人、技术员与车辆之间的程序衔接是否顺畅，确保正式比赛时系统的稳定性，并测试了裁判团队的执裁效能。主办方介绍，此次排位赛的核心目标，是通过实战化比拼，综合评估各参赛机器人的速度稳定性、续航能力、环境适应性及团队操控水平，最终根据成绩排名确定正赛起跑顺序，为正赛的高效起跑、公平竞技与流畅推进奠定基础。原标题：《北京亦庄人形机器人半马排位赛完赛，正赛起跑顺序正式敲定》栏目主编：王成浩本文作者：解放日报 张煜题图来源：新华社
