2026年9月11日
01
墨芯人工智能亮相2026 Inclusion·外滩大会：以专用稀疏推理芯片提升算力效能，共创AI新经济
9月9日，墨芯人工智能亮相以"共创AI新经济"为主题的2026 Inclusion·外滩大会。
qbitai·06:19
02
世界模型如何走向物理世界？看看这些专家怎么说
当人工智能从屏幕中的对话、创作与编程，走向真实环境中的感知、决策与行动，它需要面对一套更复杂的考验。无论是自动驾驶车辆应对动态路况，还是机器人完成取物、洗衣等日常任务，都要求AI理解空间关系、预测行动后果，并根据环境变化及时调整。 正因如此，世界模型被寄予厚望。它有望为AI提供在行动之前，推演未来的能力。从生成逼真的视频，到预测行动后果，再到驱动机器人完成真实任务，世界模型正在连接数字空间与物理世界。 但模型能否真正理解环境、在变化中可靠执行，并以可承受的成本实现落地，仍有待进一步探索，这也是行业近段时间讨论的重点。 9月10日下午2026 Inclusion·外滩大会上，由香港大学计算与数据科学学院主办、香港大学上海智能计算研究院协办的， “世界模型是AI走向物理世界的新大陆吗”见解论坛正式举行。来自高校与企业的嘉宾围绕世界模型的能力边界、具身智能的技术路径及商业化挑战展开交流。 马毅：人工智能时代的产学研融合 香港大学计算与数据科学学院创始院长马毅教授在开幕致辞中，介绍了港大计算与数据科学领域的学科建设及在上海的教学科研布局。他表示，人工智能的快速发展正在改变人才培养、科学研究与产业转化之间的关系。过去相对分离的教学、科研和成果应用，如今越来越需要在同一创新过程中紧密结合。 香港大学计算与数据科学学院创始院长马毅教授 马毅指出，香港大学希望发挥国际化教育及学术研究优势，结合上海的产业、人才和创新资源，探索适应人工智能时代的产学研协同模式，并推动AI在医疗、健康、能源、材料等领域的应用。他也鼓励高校教师将前沿研究转化为创业实践，增强高校与产业的联系。 谈及世界模型，马毅表示，三维与四维世界的感知和建模一直是计算机视觉研究的重要问题。今天的世界模型已经超出传统三维重建和物体识别的范畴，进一步指向机器人在开放物理环境中的感知、认知、学习与交互。这一变化也为高校研究与产
leiphone·01:39
03
阿里云Token Plan个人版升级：加量不加价，新增12类Agent Harness工具
9月11日，阿里云Token Plan个人版升级，原有价格及Credit 额度保持不变，Standard和Pro套餐新增 Agent Harness工具权益与用量，覆盖搜索、网页解析、图像生成、语音处理、代码执行等12项Agent开发常用能力。上述工具均通过MCP标准协议开放，可直接接入到自有Agent应用，无需逐项单独购买。 Token Plan个人版主要面向个人开发者和中小团队。Lite套餐价格为39元/月，每7天提供2500 Credits；Standard套餐价格为139元/月，每7天提供10000 Credits；Pro套餐价格为499元/月，每7天提供40000 Credits。 升级后，Standard和Pro套餐新增Harness每月权益，包括联网搜索增强版、垂类搜索、网页解析、代码解释器、语音合成、语音识别和图像生成等七类MCP工具，满足资料检索、网页处理、数据分析和多模态内容生成等常见Agent任务。 Standard套餐每月提供联网搜索增强版 100次、垂类搜索100次、网页解析1000次、代码解释器100 次、语音合成10000字符、语音识别5小时及图像生成20 张；Pro套餐相应提供500次、500次、5000 次、500次、10000 字符、5 小时及50张。套餐内权益用尽后，超出部分调用可按目录价享受88折，相关费用从用户的阿里云账户中扣除。 除月度权益外，Token Plan也新增对视频生成、Managed Agent托管智能体、RAG知识库、Memory记忆库与Sandbox安全沙箱五项服务的支持，采取后付费调用方式。 图：Standard、Pro套餐新增Harness工具与权益 对开发者而言，一次完整的Agent任务通常不止于模型推理，还需要搜索、网页解析、语音处理、知识增强和代码执行等环节的支持，同时Ag
leiphone·04:28
2026年9月10日
01
Astra 非机器人验证 48 关全通，再见 reCAPTCHA！
GUI 已难拦机器，防线转向身份与权限校验。 作者丨郑佳美 编辑丨岑 峰 一个 AI，刚刚在网页上证明了自己不是机器人。 9 月 7 日，OpenAI Labs 成员 Sharif Shameem 展示 GPT-6 Astra 连续完成《I’m Not a Robot》全部 48 关。 前面还是图片识别、文字判断这些熟悉的人机验证，后面很快变成拖拽、停车、视觉搜索、节奏控制和逻辑小游戏。Astra 一路看屏幕、操作鼠标键盘，再根据页面变化继续执行，直到拿到游戏给出的“人类认证”。 这段演示碰到的技术问题，比验证码本身更大。CAPTCHA 过去依赖一种能力差：人能看懂陌生界面、判断空间关系并连续操作，机器很难做到。 Astra 现在开始把视觉理解、GUI 定位、状态保持和动作控制连成稳定闭环，而现实网站的反自动化系统也早已从图片挑战迁移到浏览器环境、服务端风险判断和行为链。 所以 ， Astra 究竟跨过了哪一道防线，以及现代 CAPTCHA 还剩下哪些技术壁垒，就要从这两套系统的内部机制往下拆。 01 从视觉模型到闭环控制的门槛 早期 CAPTCHA 可以近似成一次静态推理。模型看到图片，恢复字符或者识别目标，输出答案后任务结束。Computer Use 的输入和输出关系完全不同，因为模型产生的动作会反过来改变下一次输入。 从控制系统的角度看，网页里存在一个内部状态 state_t，截图只是这个状态暴露出来的观测 obs_t。Astra 在第 t 步产生点击、拖拽或键盘动作 action_t 后，网页进入新的
leiphone·06:53
02
首个生活场景智能体大奖：支付宝每年1000万激励开发者
在2026 Inclusion外滩大会上，为加快智能服务生态发展，支付宝宣布设立“智能体涌现奖”，每年投入1000万，寻找有用、有趣的生活智能服务，年度大奖奖金100万元。9月10日起，在支付宝内右滑对阿宝说“智能体涌现奖”，即可了解赛事、报名参赛。 开发者无须编写代码，通过自然语言即可搭建，入围或获奖后，除获得现金奖励，适合面向市场的成熟作品还可接入阿宝，为10亿用户提供服务，开展持续经营。 蚂蚁集团CEO韩歆毅认为，8小时之外的智能体爆发是必然趋势。 支付宝表示希望通过智能体涌现奖，促成以“智能服务供给”满足“碎片化生活需求”的供需循环，在小程序生态之外，构建面向AI时代的智能体生态。 智能体必然走向更广阔的生活场景，供需生态等待激活 此次宣布的“智能体涌现奖”有三个特点：一、参与门槛低；二、主要面向8小时之外的生活场景；三、可从开发到分发，完成商业化闭环。 个人开发者无需编写代码，不限制开发工具，可以使用各种VibeCoding创作平台（如Qmuse 等）直接对话生成应用。商家开发者则可通过接入支付宝AI开放平台，按需选择开发方式。支付宝也将陆续开放平台支付、安全、数据等平台能力，为开发者提供可面向市场的智能资源。 为鼓励用户提出需求，赛事也提供了相应激励，普通用户可参与“许愿”，说出一个真实、值得解决的需求，就有机会被开发者实现，还可能入选季度“金点子奖”获得2000元现金奖励。 在创作方向上，奖项提供“生活好帮手”与“消费新体验”两大场景指引。前者面向个人开发者，根据用户需求提供生活长尾服务；后者则面向商家、机构开发者，鼓励其基于业务场景升级智能服务，提供更具想象力的消费体验。 根据赛事规则，赛程分为季度入围和年度大奖，首轮报名自9月10日启动，支付宝将按季度筛选入围作品，于2027年第四季度公布年度涌现奖得主。 支付宝事业群总裁李俊表示，智能体必然走
leiphone·08:00
03
蚂蚁数科推出 Agentar 金融版 助力金融机构打造智能体超级工厂
9月10日，在2026 Inclusion·外滩大会见解论坛上，蚂蚁数科AI业务总裁余滨表示，蚂蚁数科推出Agentar 金融版，提供开箱即用的金融智能体专家团、行业 Skill、MCP、智能体评测工具及治理能力，为金融机构打造覆盖智能体开发、部署、协作、评测与管理的智能体超级工厂，加快AI智能体在金融真实业务场景中的落地应用。 AI在金融业的应用已经从问答检索、报告生成等通用能力，走向更复杂的业务场景。但金融机构要把已有的数据资产、业务系统和专业经验转化为可用的智能体能力，仍需完成场景梳理、专家建模、工具接入和评测验证等环节。若每个场景都从零建设，不仅成本高、周期长，也难以沉淀统一标准和复用能力。 据介绍，Agentar 金融版基于蚂蚁数科在金融AI落地中的实践打造，将行业 know-how 和经过验证的方法标准化为 Skill、智能体专家和工具箱。金融机构可在此基础上，按需接入自身业务场景、知识库和数据资产，减少重复建设成本，并在统一平台上集中管理模型、智能体、Skill 和工具。 Agentar 金融版首批预置十大金融智能体专家团，覆盖智能投顾、财富管理、客户经营等核心应用场景。每个数字专家对应一个完整岗位角色，能够理解业务目标、拆解任务，并调度多个专业智能体协同执行，直至输出完整业务结果。相关数字专家已在银行、证券、保险等机构的真实场景中完成验证，并将随着应用深化持续迭代专业能力。 例如，在零售金融业务中，客户经理或投资顾问通常需要在多个系统中调取客户资产、交易行为和产品持有等信息，再人工完成客群筛选、产品匹配和触达策略制定，流程分散、响应周期较长。蚂蚁数科 Agentar 金融版的“数字客户经理”可协同客群洞察、产品匹配、策略生成等专业智能体，生成个性化经营方案并辅助后续服务与触达。原本需要跨角色、多环节协同完成的流程，可压缩至当日完
leiphone·10:49
04
阿里国际站9月采购节首周开门红：买驱GMV同比增长近20%
全球采购旺季来袭，阿里国际站9月采购节首周开局强劲，买驱GMV同比增长近20%，高质量商机同比增长25.4%，近90%的行业实现正增长，覆盖消费电子、美妆个护、机械、新能源、包装印刷等多个类目。 相比单一市场或品类的短期爆发，本届采购节需求多级释放，美国、加拿大、西班牙、英国等市场均保持高增长，美国更是领跑，订单量同比增长31.6%。 以美国为例，安防与门禁类目整体订单同比增长超过两倍，反映出当地中小企业和家庭对智能安防升级的采购需求；运动及娱乐类订单增长125%，家庭健身消费的势头不降反增；礼品与工艺品订单增长近六成，年末节庆礼品的前置备货也已经启动。 一家主营氮化镓快充及AI安防摄像头的深圳消费电子商家，首周便在美国市场拿到百万大单，其两大主营品类恰好踩中了本次采购节美国市场的热门赛道。 采购方式也在发生变化。数据显示，由AI搜索带动的商家交易额同比提升36%。AI搜索正在成为买家发现商品、商家获得商机的新入口。
leiphone·09:48
05
大华股份亮相IFA 2026，以智慧物联焕新生活体验
9月4-8日，2026年德国柏林国际消费电子展（IFA 2026）在柏林举行。大华股份携无线视频感知、智能周界防护、可视对讲、智慧消防及显示产品等创新成果亮相，集中展示大华股份在视频、人工智能与智慧物联领域的技术积累与全场景应用能力，推动智能能力向生活与商业多元场景延伸，为生活品质与商业运营效率提升提供有力支撑。 无线智联新体验，让部署更便捷、守护更智能 从室内、庭院到工地、果园等户外区域，不同场景对设备安装、网络连接与管理提出了更加灵活的需求。 现场展示的大华WITHS系列，以“简单、智能、安全”为理念，将专业成像与智能防护能力融入无线产品，为室内、商铺、庭院及户外区域等场景提供更灵活的部署与管理方式。系列产品支持Wi-Fi、4G连接及移动应用管理，并提供太阳能供电、大容量电池等选择，有效减少网络、供电与布线条件对设备安装的限制，让智能防护部署更便捷、覆盖更广泛。 在室内场景中，用户可远程了解室内人员、宠物及门前车辆动态，并通过双向语音及时沟通；在商业场景中，经营者可便捷掌握店内外情况，关注人员进入及异常活动；在庭院及户外场景，低功耗、动态防护与WizColor成像等能力进一步提升夜间及复杂环境下的现场感知效果，让日常看护、店铺管理与户外防护更加及时、高效。 一体化无线入侵防护，让周界管理更高效 针对周界防护场景，大华AirShield无线入侵报警解决方案，融合报警设备、视频感知、可视对讲及其他系统，为住宅、商铺及其他商业场所的入口、周界和重点区域提供一体化防护。当异常事件发生时，报警信息可与相关图像、音频同步传递，帮助用户及时了解现场情况、核验异常并快速响应。 方案同时支持既有有线设备接入，帮助用户在充分利用原有投入的基础上完成系统升级，降低改造成本。通过云端平台连接用户、安装服务商和报警接收中心，并支持灵活配网、远程管理与云端升级，进一步提升设备部署、日常管理、异
leiphone·02:17
2026年9月9日
2026年9月8日
01
深度智控获宁德时代、沙特阿美战投等重磅加码，加速打造物理AI时代算力与能源底座
近日，物理AI企业深度智控（DeepCtrls）完成新一轮B+轮数亿元融资。
qbitai·03:22
02
硅谷AI独角兽转投阿里千问：Perplexity基于Qwen3.8打造本地Agent
9月8日消息，据美国科技媒体Siliconangle报道，硅谷AI独角兽公司Perplexity新推出一款本地Agent产品Portable Computer，采用的正是阿里最新开源模型Qwen3.8-27B。在英伟达DGX Spark硬件上，Perplexity特意优化了PPLX 27B系列算法，让Qwen模型能更好地在本地硬件上帮助用户完成文件处理、数据分析和编程等工作。 Perplexity是一家炙手可热的硅谷明星创业公司，其核心业务是AI搜索，业界通常将其视为谷歌的潜在对手。Perplexity最新估值已超300亿美元，Agent布局也从云端向本地进军，大模型也从Claude、GPT转向了阿里Qwen。此前，就有报道称Perplexity基于开源Qwen3研发嵌入模型，Qwen3.8-27B开源后，因其惊人的智能密度被广泛誉为“本地Opus4.6”，火速成为Perplexity本地Agent业务的首选模型。 最近一个月，阿里相继开源Qwen3.8-Max、Qwen3.8-27B、Qwen3.8-Flash等系列模型，斩获SOTA最佳性能和性价比帕累托最优表现，全球热度从开源社区蔓延落地到产业应用。全球最大的AI开源社区Hugging Face夏季报告指出，阿里千问已成为全球开源AI的基座模型；公开消息也显示，爱彼迎Airbnb业务“大量依赖阿里巴巴的千问模型”，“美版小红书”Pinterest也用Qwen来搭建了自己的AI购物助手和聊天机器人，路透社也基于Qwen开发自有模型。
leiphone·05:59
03
DHH领衔，英伟达、微软、HuggingFace等150+全球技术大咖集结，GOSIM Shenzhen 2026全议程公布
10 月 16–17 日，面向全球开发者的开源技术大会 GOSIM 将首次来到深圳，举办 GOSIM Shenzhen 2026。
qbitai·08:51
04
独家丨微软云亚太「一拆为二」，侯阳接掌东南亚、印度与大中华区
雷峰网独家获悉，今天早上，微软通过内部邮件宣布了一项组织调整：微软亚太区业务（主要是云业务）“一分为二”，日本、韩国、澳大利亚与新西兰市场由微软日本负责人津坂美树负责，大中华区、东盟与印度市场由微软大中华区原一把手侯阳负责。 这次变动，是此前微软亚太区总裁 Rodrigo Kede Lima 调任后引发的连锁调整。 今年 7 月初，微软成立了新的内部事业部 Microsoft Frontier Company，专注把“前线部署工程师”（FDE）这套模式推向市场，将 AI 嵌进客户的核心业务流中。Rodrigo Kede Lima 随即调任该部门，其原职位出现空缺，进而促成了此次“一拆二”的重组。雷峰网雷峰网 关于此次人事调整背后的博弈故事，可添加作者微信 xf123a 交流。 ▼ 推荐阅读 ▼ AI人才3次大迁徙：百度先行、六小虎分化、腾讯「腾笼换鸟」 2026-08-25 独家丨从飞书火山整合，看阿里「云钉一体」踩过的坑 2026-08-05
leiphone·06:07
2026年9月7日
01
国内首份办公Agent用户行为报告发布：北京用户量全国居首，海外用户占比超12%
9月7日，国内首份《中国办公Agent用户行为不完全报告》在京发布。
qbitai·06:53
02
王兴兴上市后首次公开演讲：机器人真正爆发要等两个「80%时刻」丨WRC 2026
8月19日，宇树科技正式登陆科创板。上市后的答谢午宴上，宇树科技创始人王兴兴首次提出“物理AI机器人的自进化”，希望利用基础大模型，将论文检索、代码生成、仿真训练、真机测试和评价反馈串成闭环，让机器人研发逐步从高度依赖人工转向持续自我迭代。 一天后的2026世界机器人大会主论坛上，王兴兴再次谈到了这一方向。相比说明机器人跑得多快、跳得多高，他把更多时间留给了一个没那么“炫技”、却更决定具身智能产业胜似的问题——机器人什么时候才能真正走进工厂和家庭？ 在王兴兴看来，答案的关键已经不是本体能否完成一个动作，而是“换一个房间、物体、任务之后，它还能不能完成”的泛化能力。 基于此，他不仅给出了具身智能行业大爆发的量化临界点，即两个80%（在80%的陌生场景中，通过语音或文字指令，机器人能够顺利完成约80%任务），更给出了一个明确的路径：物理AI机器人的自进化——与其让人类工程师微调机器人的“最后一厘米”，不如把研发、仿真、测试的闭环交给AI。 以下为王兴兴在WRC 2026上的演讲精编，雷峰网在不改变原意的基础上进行编辑和整理。 01 泛化能力：真正的关键点 过去一年，我们在硬件和动作表现上取得了不少突破，比较有代表性的，还有我们马年春晚上表演的节目《武BOT》，融合中国传统功夫文化与AI训练，让机器人在舞台上做出了极具观赏性的复杂动作，我觉得这是一个很好的科技和文化交流案例。 随后，我们还在天坛做了一个50台机器人的震撼表演。 但过去几年，我们公司其实一直在推动另一件更重要的事情，就是让机器人真正走进生活、去工厂干活。 2024年，我们就开始和汽车工厂合作，在汽车生产线上做一些落地应用，包括我们自己也在工厂部署机器人，进行一些简单测试和落地。目前公司绝大部分AI团队，都在做机器人真正进入家庭或者工厂干活这件事情。 但为什么现在机器人还没有被大规模推广？最主
leiphone·02:55
2026年9月5日
01
首驱科技启动核心车型滚动交付，渠道经营转向质量提升
近日，首驱科技表示，公司正根据终端需求和实际订单，稳步推进核心产品生产与交付。目前，无锡、常州两地合作工厂已启动相关车型生产，首批约2000台订单正分批进入排产，主要用于核心门店补货和重点产品供应。公司研发、销售、交付及售后等核心环节持续运行。 产品方面，首驱已围绕城市通勤、性能骑行和年轻化出行等场景，形成T、S、K、Y、O系列产品布局。现阶段，公司将生产和渠道资源重点集中于Sz Pro/Lite、O1、K1 95CV等核心产品，优先提高重点车型的供应和交付效率。 其中，K系列面向年轻用户及城市通勤市场。首发车型K1于今年5月上市，搭载4600W峰值功率动力系统，最高时速73km/h，并配置双通道ABS、TCS等安全功能。 未来三个月，首驱将重点推进S300相关产品验证、供应链协同及渠道准备工作。S系列定位高性能、高安全、高智能电摩市场，将融合高性能电驱、底盘控制、智能座舱、主动安全及整车智能控制等技术，具体产品和交付安排将在相关条件成熟后公布。 生产及供应链方面，首驱坚持“以销定产、订单驱动”，采取小批次、滚动式排产方式，根据真实订单匹配生产资源，优先保证核心车型供应和终端交付。公司也将根据排产进度，与供应链合作伙伴及时同步备料、生产和交付节点，提高订单确定性，减少无效库存和重复投入。 渠道方面，据公司统计，目前全国约有1500家门店保持经营，继续承担产品体验、试骑、成交、交付及售后服务等职能。下一阶段，首驱将不再单纯追求门店数量增长，而是重点提升有效门店比例、产品动销效率和单店经营质量。 同时，公司将继续推进线上线下一体化经营，通过电商、直播、短视频及本地生活平台获取用户线索，由线下门店承接体验、交付和售后服务，进一步提高门店获客和服务效率。 首驱表示，现阶段公司将把产品动销、订单质量和交付效率放在更加重要的位置，并根据实际进展持续公布排产、发货和到店情况，以真实产品
leiphone·08:53
02
首驱启动首批2000台核心车型排产，优先保障重点门店补货
近日，首驱科技位于无锡、常州的两家合作工厂已启动相关车型生产，首批约2000台订单正分批进入排产及发运流程，主要用于核心门店补货及重点产品供应。目前，首驱生产经营各环节正按计划推进，并坚持以终端需求和实际订单为基础，持续优化生产与交付节奏。 本轮生产采取小批次、滚动式组织方式，优先保障生产、发货与终端销售有效衔接。现阶段，首驱将集中资源保障Sz Pro/Lite、O1、K1 95CV等核心产品供应，并围绕下一阶段重点产品S300，持续推进产品验证、供应链准备及上市前相关工作，为后续产品上市及渠道供应做好准备。 在产品布局方面，首驱目前已形成T、S、K、Y、O五大系列产品矩阵，覆盖城市通勤、性能骑行、潮流轻奢等多元出行场景。其中，K系列首发车型K1已于5月上市，进一步强化首驱在智能化、性能化及年轻化方向的产品布局；S系列则将作为下一阶段重点推进的战略产品系列，持续拓展高性能、高安全、高智能电摩市场。 渠道方面，目前全国约1500家首驱门店保持经营。下一阶段，首驱将更加聚焦有效门店比例、单店经营质量及售后服务能力，继续以线下经销商和门店体系为基本盘，并推进线上线下一体化经营，通过电商、直播、短视频及本地生活平台等渠道提升用户触达与门店经营效率。 首驱表示，现阶段公司将更加重视产品动销、订单质量、生产交付及渠道经营质量，坚持“以销定产、订单驱动”的经营原则，优先保障核心产品和真实订单供应。后续，公司也将根据实际进展持续发布排产、发货及到店信息，以真实交付回应合作伙伴和消费者的信任。
leiphone·08:56
03
IDC首次发布零售云份额报告：腾讯云解决方案市场居首
9月4日，国际数据机构（IDC）发布《中国零售云市场份额，2025》 （以下简称为《报告》）。 腾讯云通过整合PaaS、SaaS及CaaS（咨询即服务）能力，形成覆盖平台、应用及AI服务的产品矩阵，以23.4%的市场份额在解决方案市场位居第一。同时，腾讯云2025年零售云收入同比增长16.8%，在头部厂商中增速最快。 报告显示，2025年中国零售云市场规模达135亿元人民币，同比增长12.4%。随着零售企业IT投入由系统建设转向业务价值驱动，PaaS、数据平台及AI服务占比持续提升，行业解决方案能力逐渐成为市场增长核心驱动力，同比增速达13.9%。 面向这一趋势，腾讯云以模型、工程与场景的综合优势，把解决方案能力变成客户现场的真实经营收益，并通过CaaS将行业洞察前置，与客户共创FDE落地新路径。 智能体加速进入真实业务场景 IDC全球研究显示，AI和Agentic AI（代理式AI）正加速融入零售PaaS和SaaS产品，推动智能导购、需求预测、自动补货、智能定价及客户运营等场景规模化落地。 在企业内部，智能体正在接管巡店、补货、客服这类高频运营动作：瑞幸咖啡、好想来正在借助腾讯云智能体开发平台，在多个场景下打造门店AI巡检算法能力；五粮液浓香酒打造了5个AI智能体，承接70%来自终端、经销商及内部员工的基础业务问询；华熙生物引入腾讯AI质检能力大幅度提升检测效率，实现缺陷秒级响应与全量追溯。 在营销与服务环节，麦当劳基于腾讯智能座舱AI Agent点餐方案，为顾客带来更便捷、轻松的消费体验；伊利打造的导购智能体和下单智能体，有效推动订单数提升26%，转化率提升39%；慕思集团通过腾讯AI原生营销云实现客户数据整合，3个月链接超1.8万潜力客户，显著提升转化效率和客单价。 CaaS牵引，和客户共创FDE模式 IDC分析指出，腾讯零售云的能力特点不仅来自PaaS与SaaS产
leiphone·07:14
04
谁在为人形机器人铺「全开源生态」？
元点机器人把开发者真正拉进了协同创作的“第一线”。 作者丨幸丽娟 编辑丨林觉民 2026年，人形机器人赛道进入一个微妙的悖论期。 硬件在“狂飙”。全尺寸人形已能完成后空翻、街舞连招、甚至高动态武术特技；电机扭矩密度、关节模组集成度、全身动力学控制精度都在快速逼近人类水平。 宇树 G1 用上OmniXtreme 框架，更是把后空翻成功率做到 96.36%，端到端推理延迟压到 10 毫秒。这些数字放在三年前，不可想象。 但，行业生态的“基本盘”却几乎没有变过。 每家的本体形态、关节配置、传感接口、运动学标定都不一样。A 公司花几年训练出来的抓取策略，拿到 B 公司的硬件上价值归零；高校实验室在某台机器人上验证过的算法，换个本体就得推倒重来。 研发成本居高不下，本就稀缺的真实交互数据，被锁死在单一硬件体内。 这个局面，像极了2007年安卓诞生前的手机行业：厂商各行其是，硬件形态各异，软件生态碎片化，开发者被迫为不同平台重复适配。 而安卓做了一件事：联合整个产业链，定义了一套统一的开放标准，构建了一个全开放的生态体系，让开发者和厂商在同一套技术框架下协作。 人形机器人行业，同样在等这样一个“让开发者和厂商协同创作”的全开源生态。 在大多数人形机器人公司还在追爆款、抢风口的时候，乐享科技旗下元点机器人已经开始动手铺这套生态了。 它联合 CMU——机器人学界最具分量的研究机构之一，发表了两篇论文：一篇是 BRIDGE，开源硬件设计方案；另一篇是 FlowMimic，开源指令控制方案。 硬件本体和指令控制两大基础工具链落定，元点机器人又在生态层面落
leiphone·10:32
2026年9月4日
01
具身智能落地的最后20%，藏在「云」里
今年的WAIC和WRC，具身智能展台的风向变了：不再执着于炫技，转向务实。 去年的画风还是十八般武艺，同台竞技——机器人跳街舞、格斗秀、走猫步等；而今年则是走进真实场景：机器人开始被放进物流、工业、家庭等具体任务里。 过去一个多月，雷峰网一线走访了灵初智能、艾欧智能等具身智能公司，也看了各厂商在展台上的演示，一个感受越来越强烈：真实场景里的任务，远比Demo脚本复杂得多。 在走访和交流中，雷峰网也与多位云专家进行了交流。当被问及机器人落地、商业化时，一位云专家表示，具身智能存在明显的“长尾效应”：前60%、70%、80%的进展可能很快，但最后20%却需要花非常多的时间填补。 而这最后20%，藏在真实场景里，也藏在云基础设施要解决的难题里。 从展示能力到完成任务，两者之间隔着一整套复杂的系统。这套系统要面对的，是真实世界的各种“意外”。比如，网络可能不稳定，机器人可能遇到没见过的情况；每天产生的数据需要回传、处理和训练；当机器人无法自主完成任务时，还需要人工远程接管。 机器人一旦开始真正“干活”，需要的就不只是一副好“躯体”。背后一整套支撑连接、数据、算力、模型乃至Agent的云基础设施，同样不可或缺。 云厂商的新机会，就在这里。 让机器人“上云” 今天的机器人，离完全自主还很遥远。当机器人超出自主能力边界时，就需要人工接管。问题在于，如果人和机器人不在同一个地方，怎么实现远程控制？ 艾欧智能的遥操作业务，就是从这里切入的。 联合创始人丁哲章回忆，艾欧最初做的是本地操作，操作员就在机器人身边。这种模式并不需要通过网络进行远程传输，甚至不需要太多算力，用端侧方案就能解决。但当业务扩展到远程场景后，新的技术需求随之出现： 控制流、图像流需要稳定、安全地传输，同时还要在弱网条件下提供基础保障；数据的处理和传递，也需要云端算力来辅助加速。 因此，遥操作看起来只是人在远端控制机器人，背
leiphone·03:32
02
和苹果比肯定物超所值！卢伟冰确认小米18 Fold起售价过万；GPT-6 震撼发布！能自主操作电脑；字节跳动将获得约296亿美元银团贷款
要闻提示 1.OpenAI史上最强模型GPT-6 Astra发布：百万级上下文，自主操作电脑 2.首发玄戒O3！卢伟冰回应小米18 Fold定价：一万多起步，和苹果比肯定物超所值 3.年内亚洲第二大！字节跳动将获得约296亿美元银团贷款 4.好友超1万可查看单删好友？微信公关总监：有些关系，清一清，给重要的腾点位置 5.人人影视回归，APP已上架，赠老用户1个月会员 6.百度BMU引入北美神秘大神，原DeepSeek研究员出任文心多模态负责人 7.燧原科技中签号出炉，发行价 142.18 元/股 8.美国政府拟对进口芯片加征新一轮关税，力促制造业回流 今日头条 OpenAI史上最强模型GPT-6 Astra发布：百万级上下文，自主操作电脑 北京时间周五凌晨，OpenAI正式发布GPT-6 Astra，并称其为“目前全球最智能、且对齐程度最高的模型”，在计算机操作、网页浏览、软件工程、网络安全、科学研究以及专业工作方面均达到当前最先进水平。该模型上下文窗口达到105万token，最大输出128000 token，知识截止时间为2026年4月30日。 从评测结果来看，这一代模型在部分领域的提升已经很难用“小幅升级”来形容。在代表高阶数学能力的FrontierMath Tier 4上，Astra得分达到97.6%，几乎将这套研究级数学测试“打穿”；在强调陌生环境学习和抽象推理的ARC-AGI-3上，其成绩更是从GPT-5.6 Sol的7.8%跃升至99.9%，接近满分。 相比数学和抽象推理，Astra在网络安全上的跃升更具现实冲击力。在测试漏洞利用能力的ExploitBench中，Astra得分达到100%，而GPT-5.6 Sol为78.5%；在专门使用2026年6月至8月新漏洞构建的测试中，Astra的成功率达到39%，远高于S
leiphone·00:49
2026年9月3日
01
把 Gemini 和 GPT 放到《我的世界》当教练，谁能看懂机器人的微操？
Gemini 领跑，GPT表现平平，国立清华、英伟达提出双奖励孪生网络，告别算力焦虑。 作者丨张 璐 编辑丨幸丽娟 VLM大模型（VLM）在静态视觉与推理任务上已展现出强悍能力。然而在具身智能领域，当模型需要面对复杂的动态交互与机械臂控制时，它们能否准确评估智能体的动作与画面变化，依然是一个待检验的问题。 过去不少人以为，能“看懂画面”就意味着能“当好教练”。但对具身智能来说，从识别场景到精准评估动作进展，完全是两码事。 为了厘清各大模型在真实动作评估中的底细，国立清华大学与 NVIDIA 联合团队在最新研究《VLM-AR3L: Vision-Language Models for Absolute and Relative Rewards in Reinforcement Learning》中，把 Gemini 2.0、GPT-4.1 等主流大模型拉进同一个考场，对它们的视觉裁决能力做了一场综合评估。 论文链接:https://arxiv.org/pdf/2607.00483 01 考场设计：四大仿真套件、 10 大场景与“看图判进展”规则 研究团队选用的 10 个典型任务，涵盖了具身智能的四大主流仿真套件。 其中既有 Cart Pole（倒立摆平衡）这类考察基础刚体平衡控制的任务；也包含了 Straighten Rope（拉直绳索）与 Pass Water（平移水杯），这类专门考察模型对非刚体形变与连续流体微观感知能力的柔体操作。 研究所选用的 10 大典型具身智能任务场景 此外，任务库还涵盖了 Soc
leiphone·10:09
02
实测飞猪AI：真正的突围才刚刚开始？
2026 年上半年，AI 行业的风向又变了。 在经历一轮疯狂堆算力、不计成本砸研发的扩张周期之后，全球科技巨头都不得不直面同一个现实问题：“AI砸进去的钱，究竟该如何收回来？” AI Coding 或许是一个“标准答案”，过去很长一段时间里行业目光都集中于此。 2025 年 5 月，Anthropic 正式推出 Claude Code，产品上线仅 6 个月，年化收入便突破 10 亿美元，把编程 Agent 的商业化叙事推向高潮。据悉，到 2026 年 2 月，这一数字进一步飙至 25 亿美元。 不过 AI Coding 的所谓范式，很大程度得益于封闭纯粹的数字环境：代码环境是确定的，结果可被客观校验，更容易形成 Agent 迭代闭环。 如果将这套能力迁移到充满不确定性的物理世界呢？具身智能目前尚且遥远，那些线上线下结合紧密的领域或行业，比如旅游，落地可行性或许要高一些。日前，飞猪宣布升级其面向消费级市场的AI能力，推出「飞猪帮帮」。这提供了一个观察AI在细分领域落地的切口。 要知道，旅游场景用户需求高度个性化，服务链路冗长，信息繁杂零散，同时又受制于实时供给、线下履约、现实环境的各类变量，是落地难度极高的垂类。 另外，摆在 OTA 玩家面前的还有一个残酷的现实：站在产业周期视角，传统 OTA 的旧商业模式早已走到边界。过去尚有增长红利这块 “遮羞布”，现如今红利褪去，赛道持续坠入刺刀见红的低质内卷周期。 而链条上的参与者大都被裹挟其中，用户对同质化的平台服务失去新鲜感；商家负担不断加重；赛道格局固化，新玩家大多铩羽而归，如此一来，OTA 玩家转型重构已经不是选择题，而是行业的必答题。 倘若 AI Agent 注定要改写 OTA 行业的游戏规则，何不先自我完成一场彻底的内核重构？ 一、一句话帮你搞定旅行琐事 出趟门，让 AI 随手攒一份看起来 “挺像样” 的旅游攻略，如今早
leiphone·08:59
03
ZINOVA携手逐际动力，探索机器人在复杂建筑施工中的应用
近日，物理AI研发公司ZINOVA基于逐际动力TRON 2双臂具身机器人，联合建筑机器人公司RIC Robotics完成了混凝土倾覆板（Tilt-up Construction）缩比施工场景演示，覆盖支模组框、多层钢筋铺设与绑扎等核心工序。雷峰网了解到，此次POC验证了具身机器人使用现有工具参与复杂施工流程的可行性，也是垂直行业创新企业基于通用机器人平台开发行业应用的又一次原创性实践。 TRON 2双臂具身机器人创新构型完成混凝土倾覆板缩比施工场景演示 ZINOVA探索工具智能，让机器人“学会用工具” ZINOVA是一家专注物理AI的研发公司，核心研究方向是工具智能（Tool Intelligence）——让机器人能够识别、抓取并感知现实世界中已有的工具，真正参与线下的生产性工作。其研究围绕三个维度展开：Grasp（通用工具抓取）、Feel（TEISI感知接口，采集工具与环境交互中的力、扭矩、振动、阻力等数据）以及Form（探索针对具体任务的机器人形态）。三者共同构成可跨工具、跨任务、跨机器人形态迁移的工具智能体系。ZINOVA的路径并非为每一个工种制造一台专用机器人，而是让同一套工具智能运行于不同形态的机器人之上。 TRON 2双手协同、精准夹持工具 建筑施工：工具智能进入真实世界的第一个实验现场 建筑行业是ZINOVA选择的首个落地验证场景。建筑行业长期面临熟练劳动力约束，同时存在大量高价值的实体作业和成熟的既有工具体系；更重要的是，建筑工地高度非标准化，施工环境、材料规格和工序要求因项目而异，难以套用统一的自动化方案。这种复杂性，恰恰构成了验证工具智能”真实适应能力”的理想场景。 此次演示复刻了混凝土倾覆板的核心施工环节：两台TRON 2机器人分别持钉枪与木板，协同合作，完成混凝土模板框架的拼合固定；随后在多层马凳支架上铺设钢筋并完
leiphone·10:59
04
独家解读丨字节 Seed 大调整，分支背后谁在操盘？
大模型竞争开始拼组织，这一次轮到字节。 8 月 19 日，据晚点 Late Post 报道，Seed 基础模型团队新设 Pretrain Data（预训练数据）、Horizon RL（强化学习）、Product Posttrain-Work（面向办公场景的产品后训练）和 Product Posttrain-Chat（面向对话场景的产品后训练）四个一级部门，分别由李成刚、唐晟宇、秦禹嘉、朱文佳等人负责，均向吴永辉汇报。 雷峰网了解到，四个新部门之下的分支架构与带队人选也已落定，而这些更细的调整，或许更能透露出此次组织变动背后的真实意图。 01 数据和RL开始集中 先看模型能力侧的两个部门。 有接近字节的人士称，Pretrain Data 由原先分散在文本、编程、视觉理解和语音方向的预训练数据团队合并而来，下设文本预训练（沈科）、代码预训练（Xia Xiao）、视觉预训练（林毅）和语音预训练四个分支，统一为 Omni 全模态模型和超大模型供给数据； 负责人李成刚是清华机械系本硕，曾从 0 到 1 搭建字节搜索系统，先后负责今日头条网页搜索和 TikTok 视频搜索的技术工作，其麾下沈科 2018 年从清华毕业后加入字节，是超大模型预训练数据的核心人物，Xia Xiao 则是开源代码模型 Seed-Coder 和定理证明搜索方法 BFS-prover 的核心作者之一。 相比数据条线，Horizon RL 的动作更大。Horizon RL 整合了分散在推理、视觉理解等方向的后训练团队，下设 RL Scaling（岳宇）、Reasoning（王明轩）和视觉强化学习（吴侑彬）三个分支，负责强化学习、提升模型的基础智能上限。 其中王明轩此前在火山翻译，北航本科、中科院计算所博士，曾在腾讯任高级研究员、多次拿下 WMT 机器翻译评测冠军，2019 年加入字节后一路做到大模型研究团队负责人
leiphone·10:49
05
燧原科技9月2日申购：腾讯、小米、兆易创新等参与战略配售
9月2日，上海燧原科技股份有限公司（以下简称“燧原科技”）正式开启科创板新股申购，公司本次公开发行股票数量为4303.52万股，其中网上发行688.55万股，网上申购代码787801，申购价格为142.18元/股。 据发行公告，燧原科技初始战略配售数量为860.7034万股，占本次发行数量的20%。从战配名单来看，本次战略配售参与方覆盖面较广，吸引了腾讯、小米、兆易创新、华虹集团、中兴通讯、上海仪电等多家知名企业或旗下相关主体参与，参与者覆盖人工智能全产业链，同时还有全国社保基金、基本养老保险基金等国家级长期资金参与。其中，腾讯旗下上海启善投资有限公司获配174.71万股，占发行比例4.06%，小米旗下武汉壹捌壹零企业管理有限公司获配49.23万股，占发行比例1.14%。 值得注意的是，本次战略配售并非单纯的财务投资，参与主体的选择也与燧原科技自身的业务发展需求存在较强关联。公司一是选择具备核心关键物料及产能供应能力的半导体产业链上游企业，二是选择具备全栈系统能力的算力设备企业，三是选择具备大规模、持续AI算力采购需求的互联网大厂背景主体、具有三大电信运营商长期合作经验和渠道资源的主体，以及国内AIDC领域领先企业，通过战略合作实现公司产品进一步规模化销售与应用落地。 随着AI算力需求持续增长，算力基础设施的建设需求也随之增加，AI加速卡成为算力基础设施的重要组成部分。根据灼识咨询数据，全球AI加速卡市场规模预计将由2024年超过1000亿美元增长至2028年超过5000亿美元；同期，中国AI加速卡市场规模预计将超过1万亿元。 公开资料显示，成立于2018年的燧原科技长期聚焦云端AI芯片领域，已完成四代架构、五款云端AI芯片的迭代，并形成覆盖芯片及硬件、软件及编程平台、算力集群方案三大领域的技术体系。目前，公司多代产品已在广泛的互联网AI场景中实现大规模商用，为从传统AI模
leiphone·12:23
2026年9月2日
01
前字节强化学习专家孙鹏博士加盟星尘智能，完善Physical AI全栈技术布局
9月2日，前字节跳动强化学习专家、前腾讯Robotics X智能体中⼼负责⼈孙鹏博⼠正式加入星尘智能
qbitai·06:06
02
建立AI时代“度量衡”：OPPO联合OpenKG推出首个端侧AI记忆评测基准MobileMem
随着终端AI从“回答问题”走向长期理解用户和主动任务执行，记忆能力正成为决定AI个性化与主动服务水平的关键基础能力。 近日，OPPO联合中文开放知识图谱（OpenKG）社区，推出行业首个面向端侧AI记忆能力的评测基准MobileMem。同时携手浙江大学、同济大学、东南大学等高校专家团队共同建设。通过构建统一、开放的评测“标尺”， MobileMem让不同技术路线在同一标准下实现可比较、可迭代，加速端侧AI记忆技术发展。 这也意味着OPPO端侧AI记忆的持续投入，正从自身产品能力建设，进一步延伸至行业公共能力建设，积极推动技术开放合作与生态发展。 构建端侧AI “记忆”的“度量衡” 近年来，长期记忆和长程智能体能力评测已取得大量研究进展，但针对移动端长期个性化、多模态生活场景的系统性评测仍相对不足。 与云端智能体相比，端侧AI需要在有限算力、有限存储和隐私保护等约束下，持续积累、更新和利用用户长期记忆，其能力边界和优化目标具有明显差异。 缺乏统一、开放的评测参考，使端侧Agent开发者难以开展有效的A/B测试和性能回归，研究者也难以在一致的任务和评价协议下客观比较不同方案，进而制约了相关技术的持续迭代与生态发展。 OPPO携手中文开放知识图谱（OpenKG）社区，联合浙江大学、同济大学、东南大学等主流高校专家教授团队，基于前沿研究与实际端侧场景实践，共同推出端侧AI记忆评测基准——端侧AI记忆Benchmark 「MobileMem」，为行业提供开放的评测参考。 该基准评测数据集累计历史上下文规模达百万词元，用于模拟真实用户长期使用过程。在充分借鉴长期记忆、长上下文、多模态智能体等已有研究工作的基础上，MobileMem聚焦端侧AI的真实使用场景与长期个性化需求，主要包括三大核心技术维度： 1. 长期事件建模与检索：覆盖跨时间、跨应用、跨模态事件的记忆存储、更新与检索能力。
leiphone·03:05
2026年9月1日
01
AIVC只是前菜！复旦提出生命算子，统一生命建模
连发六篇Nature期刊，复旦Neolab打通全尺度生命推演
qbitai·04:12
02
我们拆了 1.1 万个 DeepSeek Harness 插件，发现官方几乎没有建立插件治理机制
距离 DeepSeek Harness 开源已经有一段时间，「Everything is a Plugin」的口号也已经在各种领域开枝散叶，坊间涌现出了特别多的插件和社区。（雷峰网） 十几天后的现在，GitHub 上【 dsh-plugin 】标签下有一万多个仓库。我们花了几天时间，把这一万多个仓库拆开数了一遍，写了一个探针插件装进去试探，又装了二十几个下载量最高的插件跑了一夜。 「一切皆插件」是把内核的每一颗螺丝都交到你手里。 但实际上绝大多数人对螺丝毫无兴趣；而整个插件生态没人管理也没人负责。（注：整个生态数据变化很快，本文中所有数据仅截至 2026 年 8 月 25 日实查。 01 1.1 万个插件，到底有多少是真的？ 不同的统计方式差挺多 同一天，同一个生态，不同网站统计的插件数量是这样的： 造成这个现象的原因是「插件」这个词在这个生态里还没有公认的定义，谁都可以合理地说自己那个数是对的。如果把整个 dsh 的插件生态做成漏斗大概是这样的： 从第一层到第三层掉了 81%，从第三层到第五层又掉了 55%。也就是说 DeepSeek Harness 插件生态目前有 1.1 万个插件，或者说目前仅用不到一千个插件，这两种说法都对，无非是看用什么统计口径。 为什么每一层漏洞能差这么多？DeepSeek 官方关于插件生态的全部指引，就只有 README 和 CONTRIBUTING 里各一句话：给你的仓库打上 dsh-plugin 这个 GitHub 标签，方便别人发现你。 【出自 https://github.com/deepseek-ai/deepseek-harness/blob/master/README.zh.md】 也就是说要想被记为一个 dsh 的插件极其简单，几乎没有任何成本。我们把仓库和文档全站搜了一遍，缺少的东
leiphone·08:43
03
阿里开源 Qwen3.8-27B 本地实测：性能很强，但 Agent 适配仍待补课
从部署到实测：覆盖标准部署、量化部署、Agent场景三大维度。 作者丨吴海明 何宇轩 编辑丨李娜 岑峰 8月14日，阿里 Qwen 团队开源了 Qwen3.8-27B 模型，紧接着社区里的声音从“能不能跑”变成了“是不是新的模型斩杀线”，有人把它叫作本地 Opus，也有人直接给出更刺激的判断：一个 27B 开源模型，已经能在部分代码和 Agent 任务上达到顶级闭源模型的水平。那么，一个 27B 开源模型，体验到底怎么样呢? 根据官方数据，27B dense、Apache 2.0、262K 原生上下文、可扩展到 100 万 token、支持视觉理解、思考默认开启，低比特量化后还能压到十几 GB 级 GGUF 文件，这说明 Qwen3.8-27B 是一个试图把代码、长上下文、多模态和 Agent 工作流一起拉到本地的开源底座。 因此，我们从适配 Agent 出发，先后测试标准化部署、量化部署和接入 Agent 框架。其中，标准部署看 vLLM、SGLang 和 Llama.cpp 谁更能榨干 GPU，将推理速度提到最快；量化部署从 2bit 测到 16bit，看文件体积、速度和质量怎么取舍；Agent 测试则把本地 Qwen3.8-27B 接入 DeepSeek Harness，并用同样本地部署的 DeepSeek-V4-Flash-0731 做对照。测试任务从组合推理、事实校验、新闻写作，一直压到论文综述和 3D 网站生成。 实测结果有点像给这波热度泼了一杯很浓的咖啡：确实醒脑，但也很苦。在 Agent 质量评分里，Qwen3.8-27
leiphone·08:34
04
8 位 AI 创业者谈世界模型：生成一切之后，还差一点常识｜WRC 2026
会生成未来，不等于理解世界。 作者丨吴思梦 编辑丨岑 峰 2026世界机器人大会的最后一天，一场题为“世界模型到服务人类的现实距离”的论坛对话，将八位分别来自模型、数据、本体、仿真各赛道的创业者拉到了同一张桌子上。 这场对话由刚刚获聘中国电子学会世界模型专委会主任委员的之江实验室主任、阿里云创始人王坚主持。八位对话嘉宾——大晓机器人董事长、商汤科技联合创始人王晓刚，奥比中光创始人、董事长黄源浩，无界动力创始人、CEO张玉峰，跨维智能创始人、CEO贾奎，智澄AI创始人、CEO胡鲁辉，飞渡科技联合创始人、总经理宋彬，蚂蚁灵波科技首席科学家沈宇军，极佳视界联合创始人、首席科学家朱政，均为该专委会委员。 尽管大家都在一个大领域里，但每个人对时代和技术的经历各不相同。王坚请八位嘉宾依次从自身经历出发，畅谈：你们认识的世界模型，到底是什么？ 一个小时的讨论围绕三个议题层层递进，从“世界模型到底是什么”开始，到“高质量数据会不会成为不可逾越的成本障碍”结束。有人把它称作生成式AI“皇冠上的明珠”，有人自嘲是“卖铲子的人”，有人把底座能力比作“九年义务教育”，还有人追问属于具身智能的“DeepSeek时刻”何时到来。 但真正让这场对话显出重量的，是那些在比喻之外逐渐浮出的判断： 世界模型不能只停留在“生成得像”，而要跨过模仿学习，去理解物理世界的底层逻辑；数据虽然稀缺，但模型一旦具备真正的理解力，数据依赖或许会急剧下降；落地的路径也并非一步跨进家庭，而是先到工业里练技能，再到商业场景里练泛化，最后才敢叩响家门。更棘手的约束来自工程本身，边缘算力有
leiphone·09:13
05
对话纬钛机器人CEO李瑞：具身智能仅靠视觉容易到天花板，触觉是未来必选项
上触觉已经不是一个「yes or no」的问题，而是「when」的问题。 作者丨向 欣 编辑丨高景辉 雷峰网：瑞典科学家做过一个经典的实验：给受试者的手指尖注射麻醉剂，让他去完成一个再简单不过的动作：从火柴盒里取出一根火柴，然后划亮它。 正常情况下，这个动作几秒钟就能完成。但在手指失去触觉后，受试者的整个动作变得像提线木偶一样笨拙，取火柴时反复调整却拿不稳，划火柴时用力不均、方向歪斜，花了很长时间才勉强完成。 「这就是现在整个具身智能的现状。」纬钛机器人 CEO 李瑞说。 所谓现状是，当下的具身智能拥有越来越聪明的「大脑」和越来越灵活的「肢体」，但唯独缺了触觉反馈，就像手指打了麻醉剂的人，能看见、能动作，却很难做好需要精细感知的操作。 要改变这种状况，关键在于让机器人拥有「接触智能」：让机器人以接近人类的方式理解「接触」的本质，不仅能感知物体的存在，更能根据接触反馈实时调整动作、控制力度并稳定执行。 在李瑞看来，具身智能仅靠视觉很容易到达天花板，下一步必须加上触觉。在人能做的 90% 以上的任务中，都需要触觉参与。上触觉已经不是一个「yes or no」的问题，而是「when」的问题。 这一点与黄仁勋的判断一致。黄仁勋今年开始多次强调，触觉是机器人进入物理世界的最后一块拼图。 而李瑞本人，正是这块拼图关键的参与者，也是视触觉这个技术路线最早的缔造者之一。2011 年，他在 MIT 读博期间与导师共同开创了机器人视触觉传感器这一领域，2014 年做出了全球第一款分辨率超越人类手指的视触觉传感器。在这个领域深耕十几年后，他于 2024
leiphone·12:49
06
瑞金医院联合华为云发布瑞智病理大模型RuiPath 2.0
8月30日，“数智共生·云惠病理”2026医疗人工智能创新论坛在上海召开。瑞金医院联合华为云正式发布瑞智病理大模型RuiPath 2.0，在性能、诊断能力、病理诊断可解释性、罕见病种数据训练、轻量化部署方面带来五大重磅升级。 瑞金医院联合华为云发布瑞智病理大模型RuiPath 2.0 中国工程院院士、上海交通大学医学院附属瑞金医院院长宁光指出，优质医疗资源的匮乏和分布不均，是我们面临的真实痛点。构建病理大模型不是为了在三甲医院建起一座技术的“高墙”，而是为了修筑一条通往基层的“高速公路”，通过云边协同等模式，把瑞金医院沉淀的优质诊断能力，变成基层医院“用得上、看得懂、接得住”的标准化工具，真正实现AI普惠。 中国工程院院士、上海交通大学医学院附属瑞金医院院长宁光致辞 华为公司董事、华为云CEO周跃峰表示，面对我国城乡医疗资源不均衡带来的癌症早诊困境，华为云长期坚持用AI解医疗行业难题，通过病理AI技术补齐基层医疗短板，让癌症患者在家门口就能获得早期精准诊断，帮助更多患者抓住癌症早期治疗的黄金窗口，践行智慧医疗普惠的社会责任，守护大众健康。 华为公司董事、华为云CEO周跃峰致辞 2025年2月，瑞金医院联合华为，发布中国首个进入医院生产流程的临床级病理大模型RuiPath。此次发布的7B参数规模RuiPath 2.0围绕临床需求，带来五大重磅升级： 雷峰网了解到，依托华为云智慧医疗专区的医疗AI使能平台，医院可基于RuiPath病理大模型结合本院数据开展强化学习，仅用不到传统训练10%的数据即可训练适合本院的专属模型。目前，重庆大学附属三峡医院、普洱市人民医院、瑞安市人民医院、石家庄市人民医院等全国90多家医院已应用RuiPath病理大模型，并入驻华为云行业AI梦工厂·智慧医疗专区，标志着医疗AI正加速走向规模化应用新阶段。 未来，华为云将与瑞金医院深化联合创新，将顶
leiphone·10:35
2026年8月31日
01
OpenAI买几万台Mac搞强化训练！英伟达的活被苹果抢了
什么样的AI业务，英伟达GPU和谷歌TPU搞不定，非得用Mac
qbitai·03:24
02
今年的研发预算将超20亿，小鹏机器人凭什么值400多亿？
8月24日，小鹏公布二季度财报。 财报显示，今年上半年，小鹏研发投入达到58.2亿元，同比增长39%。据了解，小鹏今年全年研发预算约为120亿元，其中约50亿元投入汽车业务，另外70亿元投向物理AI相关领域，人形机器人IRON正是其中的重要投入方向。 雷峰网了解到，在机器人这一单一业务上，小鹏今年的投入预计就将超过20亿元。这笔钱主要投向机器人研发人员、高质量数据采集以及物理AI模型训练。我们还了解到，小鹏为机器人业务单独配置了万卡级算力集群，用于AI大脑训练。 相比之下，目前国内多数具身智能公司的算力规模仍在数百卡至数千卡之间。小鹏正在把机器人AI训练的算力投入，推向了一个新的量级。 就在同一天，小鹏又为机器人业务拿到了另一笔巨额“弹药”。 8月24日，小鹏集团正式宣布，旗下机器人业务完成首轮超过9亿美元融资，投后估值超过63亿美元，约合430亿人民币，刷新中国具身智能行业单轮私募融资纪录。本轮融资由IDG资本领投，高榕创投参投，腾讯、阿里巴巴作为战略投资者参与，小鹏集团继续保持控股。 这也解释了为什么，小鹏机器人暂时并不急于上市。 一位接近小鹏管理层的知情人士告诉雷峰网，目前机器人业务没有上市计划。在小鹏管理层看来，现阶段最重要的事情，是将高阶通用机器人尽快推向量产，并进入多场景的真实商业环境，这比任何资本操作都更加重要。 按照规划，机器人业务将在未来18个月内逐步拆分，由独立主体承载相关人员和IP。也就是说，在这18个月内，小鹏要协同集团所有资源将把IRON尽快做成一门生意。 按照目前规划，小鹏人形机器人IRON将在2026年底进入规模量产，从2027年第二季度有希望开始形成比较规模化的外部客户收入。 从8年前开始布局机器人，到如今拿下行业纪录级融资，小鹏正在把IRON从一项长期技术储备，推向一项必须真正产生收入的业务。 所以，到了今天，市场真正关注的已经不是小鹏
leiphone·03:36
03
Cadence滕晋庆：AI有望让芯片设计时间减半，但资深工程师仍是核心竞争力
OpenAI公布了首款自研推理芯片Jalapeño的首批实测结果引发了巨大的关注，比性能更值得关注的是，AI直接参与了这颗芯片的开发。 根据OpenAI的披露，AI被用于探索不同实现方案，缩短设计、测量和验证循环，并优化芯片中的部分算术电路。Jalapeño从初始设计到tapeout只用了9个月。 这并非“AI独立设计了一颗完整芯片”，Jalapeño由OpenAI与Broadcom共同开发。这个“不完整”，恰好把一个被讨论多年的问题推到了台前：从AI参与芯片设计，到AI独立完成一颗芯片，中间还隔着什么？ 在近日举行的CadenceLIVE 2026期间，Cadence资深副总裁兼数字与签核事业部总经理滕晋庆给出了两个看似矛盾的判断：AI EDA短期内有可能让芯片设计效率接近翻倍，但至少未来五年，他仍看不到只凭AI就能生成一颗可用芯片。 Cadence资深副总裁兼数字与签核事业部总经理滕晋庆 这意味着，AI EDA的拐点可能不会以“无人设计芯片”的方式出现。更早发生的变化，是芯片设计开始从“工程师操作一组EDA工具”，转向“工程师定义目标，让Agent调用整套工具链”。 这也将同时改变工程师的价值和EDA公司的生意。 AI有机会让芯片设计的效率翻倍 AI用于EDA并不是新鲜事。几年前，Cadence已经使用AI优化设计流程，随后从对话式AI发展到具备推理能力的Tool Agent。过去一年大模型能力快速提升，Cadence又将工程经验写成Skill，进一步推出Super Agent。 今年4月，Cadence发布Agentic AI Stack，由AgentStack统筹ChipStack、ViraStack、InnoStack、AuraStack和SystemStack，分别覆盖前端设计、模拟设计、数字实现与签核、PCB与先进封装以及系统设计。 这个变化背后更重要的是
leiphone·05:54
2026年8月30日
01
2026快手光合创作者大会：深耕多元特色生态，让好内容、好作者获得确定性成长
8月29日，2026快手光合创作者大会在武汉举办。本次大会以“千万种生活，因创作同框”为主题，集中呈现快手内容生态、创作者成长与经营变现的新趋势。 今年是快手成立15周年。快手科技创始人、董事长兼首席执行官程一笑在大会上表示，无论快手的产品和社区形态如何演进，内容——尤其是特色内容——始终是快手社区最坚实的土壤。平等普惠、温暖信任、多元特色，共同构成快手的社区内核。 这一社区内核正持续释放活力。大会披露，近一年来，已有超过2.7亿用户通过发布作品表达自我。持续发布作品10年以上的创作者超过1700万。内容生态也在区域、垂直圈层和特色品类上多元发展。目前，平台已涌现出632个兴趣圈层、4112个细分兴趣标签。更加精准、粘性更强的圈层关系，正转化为创作者的经营价值——在快手，深耕垂直领域的作者月均收入达到泛流量作者的2.2倍。 “我们希望每一类兴趣，都能在快手找到专属观众、专属圈层、专属生意。”程一笑表示，未来快手最大的创作红利，就来自于对多元特色生态的深耕。 深耕多元特色生态，兴趣圈层释放创作红利 山西朔州方言主播“阿东大舞台”今年7月在家乡搭建“夏日水上闯关舞台”，免费开放报名，将地方生活场景转化为线上线下共同参与的内容现场。活动期间，线下每晚吸引上千名观众，线上则有超10万人同时观看。两个月内，其账号涨粉超百万。 1999年出生的四川达州创作者龚杨杰，凭借年轻人热梗配音在快手涨粉超500万。他发起的“热梗配音挑战赛”，评论区收到200多万条语音评论，也让配音从个人技能变成用户共同参与的圈层互动。 从地方舞台到配音圈层，再到赛鸽、拼豆、相亲等细分品类，大会上，程一笑将快手多元特色生态概括为区域多元、圈层多元和特色品类多元。随着更多细分兴趣被看见，创作者获得了更多涨粉、互动和长期发展的机会。 多元圈层的生长，也进一步打开了商业经营空
leiphone·10:19
02
从Data到Agent：华为云AI-Ready数据基础设施全链路能力亮相数博会
8月28日，在2026中国国际大数据产业博览会期间，以“从数据到Agent，数据价值链的重构与创新”为主题的数据要素大会在贵阳举办。政府机构、头部大数据集团、行业企业及专家学者齐聚一堂，围绕数据要素市场化配置、高质量数据集建设、可信数据空间以及AI时代的数据基础设施创新展开探讨。 当大模型和Agent加速进入千行万业，一个根本性变化正在发生：大模型和Agent成为新的数据消费者。数据消费主体的变化，正在推动大数据平台从传统湖仓向多模态湖仓、数据智能体演进，也对AI时代的数据基础设施提出了全新要求。 从Data到Agent，重构AI时代数据价值链 “数据是AI的核心燃料，AI驱动数据价值释放。”会上，华为混合云总裁顾雪军指出，随着AI产业迈入Agentic智能体时代，数据已成为驱动AI模型进化、驱动智能体生长的核心燃料。华为云Stack面向国计民生行业客户，打造了一套覆盖数据全生命周期的数据能力体系，帮助企业把过去分散、沉淀的全量数据真正用起来、用得好、用出价值，推动数据从资源转变为生产力。 华为混合云总裁 顾雪军 以往，企业数据广泛分布于云、数据中心、生产线和办公系统，数据不打通，智能体就难以深入核心业务。如何让企业全量数据真正为AI所用，成为数智化转型的新命题。 面向这一变化，华为云基于“混合云+Data+AI”战略和华为云Stack混合云底座，构建从可靠管数、高效供数、智能用数到可信流通的数据全链路能力，支撑AI-Ready数据平台建设。 可靠管数，让AI拥有可靠的数据根基。大数据引擎支持跨AZ、跨Region、跨云的全场景容灾，元数据支持亿级规模统一纳管；通过存算管三层架构解耦等技术，实现数据可靠、可管、经济高效。 高效供数，让数据成为AI随时可取的“燃料”。华为云AI DataLake多模智能数据湖依托三大核心引擎协同，打通AI数
leiphone·07:20
2026年8月29日
2026年8月28日
01
新云厂商发现，最赚钱的可能不是卖GPU
一年前，AI云服务商Nebius创始人兼CEO Arkady Volozh还在回答一个问题：谁会买那么多GPU？一年后，他给出的判断已经变成，真正的制约因素是人类究竟能够建出多少算力。 2025年，他主要从技术、资本和市场三个维度解释一家新云（Neocloud）如何成立；到了2026年，问题已经不只是“怎样做一家新云”，而是AI时代的云需要被怎样重新建设。 在Volozh的描述里，这套新的AI云向下延伸至土地、电力、数据中心和机架，向上则覆盖基础云服务、推理和智能体服务。支撑它的基础设施规模，可能达到过去建设规模的数百倍乃至数千倍，也因此需要“一套全新的工具”。 雷峰网对比了Arkady Volozh在《Spotlight On》中2025年和2026年的两次访谈，从中看见一种思维方式的转变：新云开始从GPU基础设施供应模式，向新一代AI云底座演进。 01 新云的三条腿：技术、资本与市场 对新云来说，拥有GPU从来不等于拥有一朵云。 GPU本质上是一种计算资源，要把这些资源持续交付给客户，还需要数据中心、机架、网络、软件栈，以及足够的资本和客户需求。对早期的新云厂商而言，竞争也不只是拿到GPU，还要证明自己能把昂贵的计算资源真正组织成一项云服务。 2025年，Arkady曾把这种能力概括为“三条腿”：技术与人才、资本及市场销售。第一条是技术与人才，Nebius脱胎于原Yandex的荷兰上市主体。俄乌战争后，原Yandex N.V.于2024年出售俄罗斯业务，保留下来的团队中包括一批长期建设大规模机器学习基础设施的工程师，以及位于芬兰的数据中心。 Nebius之所以能够进入这一市场，很大程度上也来自原Yandex留下的工程团队、数据中心建设经验和资本基础。Volozh当时强调，团队能够自行建设数据中心、机架，并在硬件之上搭建软件栈，把它称为“全栈AI云（f
leiphone·11:17
02
深度拆解 Muse Glimmer，24GB 显存跑 30B Agent，Meta 到底做了什么？
128K 长上下文与 3.1 倍推理加速背后，Meta 正在重构本地 Agent 的底层逻辑。 作者丨郑佳美 编辑丨岑 峰 昨天，Meta 发布了 Muse Glimmer。这是一款约 30B 参数的多模态 Agent 模型，支持 128K 级上下文，可以调用工具、执行代码，也能处理图片和屏幕信息。 这个模型采用 Apache 2.0 许可证开放，同时还有两套 4 bit 量化版本、独立视觉编码器和 DFlash 推理加速组件，并提供 llama.cpp、MLX、ExecuTorch 等本地部署方式。 虽然 30B 的参数规模和 128K 的上下文在今天看来并不稀奇，但问题在于，Meta 想让它干的不是普通聊天，而在于建立一套完整的本地 Agent 运行范式。 Muse Glimmer 面向的长期运行的本地 Agent，会面临着苛刻的工程约束：它必须在有限的 24GB 显存里，一边处理不断产生的屏幕截图，一边维持长达几十步的任务逻辑。一次任务跑上几十步以后，前面的工具结果、代码日志、页面状态和推理过程会不断留在上下文里。 这时候，很多在聊天场景里不明显的问题会迅速放大。128K 上下文怎么塞进有限显存，截图越来越多以后怎么管理历史状态，工具调用失败后模型怎么接着往下走，大量 Reasoning Token 又会把 Decode 拖慢到什么程度。 Muse Glimmer 的技术设计，基本就是围着这些问题展开的。它没有靠某一个特别显眼的新架构解决所有事情，而是在 Attention、KV Cache、训练方式、量化和 Decode 上
leiphone·07:10
03
Claude Code 额度回落：Agent 正在制造新的「祖传代码屎山」？
代码确实是 Agent 写的，只是后来的 Agent 已经不知道前面的 Agent 为什么这么写了。 作者丨郑佳美 编辑丨岑 峰 Claude Code 原定于 8 月 19 日结束的 +50% 周额度加成，又被 Anthropic 延长到了 8 月 31 日。也就在原定截止日前后，Hacker News 上出现了一轮关于 Claude Code 使用成本的讨论：不少人发现，一个并不复杂的任务，Agent 跑上几轮，额度就会掉得很快。 问题在于，Claude Code 消耗的并不只是最后生成的那几行代码。读文件、搜调用链、跑测试、处理日志，每一步都会继续进入后面的上下文。任务越长，Agent 背着的历史越重，系统也越依赖清理和压缩。 代码可以完整留在仓库里，早期的设计理由却可能在压缩中逐渐变薄。于是 Token 消耗和代码屎山开始在同一个地方汇合。 01 修个小 Bug，为何需要几十次推理？ 普通 Chat coding 的计算边界很清楚。输入一段代码，模型读完以后给出解释或者修改方案，这一轮基本结束。雷峰网 而 Claude Code 的基本单元换成了 agent loop。模型先观察当前状态，决定下一步要读哪个文件或者执行什么命令；工具返回结果以后，模型再进行下一轮判断。 读源码、搜索引用、运行测试、查看 Git diff、修改文件，看上去像一个连续动作，在模型侧其实是一串独立的推理请求。Claude Code 官方文档也把这种“模型判断—调用工具—根据结果继续判断”的循环作为 Agent 工作方式的核心
leiphone·07:23
04
阿里发布全新Qoder ，面向所有人的智能体工作台来了
8月27日，阿里发布全新Qoder，这是一款以Coding为核心能力，面向所有人的智能体工作台。全新Qoder采用更加简洁、以任务为中心的用户界面。用户不必从代码开始，只需用自然语言描述目标，Qoder即可调用Coding和工具能力，完成开发、原型制作、数据处理等任务。 全新Qoder延续了Qoder过去一年在Agent Harness上的积累，内置包括Qwen3.8-Max在内的多款前沿模型，并提供Auto智能调度能力，可根据任务特点，在效果、速度和成本之间匹配合适的模型。Qoder支持40多个连接器、70多个插件和2万多个技能，可将代码仓库、项目管理、云服务及内部工具等工作系统接入AI工作流，让智能体基于真实的项目背景和工作环境完成任务。 面向不同的任务场景和用户，Qoder还提供编程和通用两种模式，编程模式更适合开发者和代码相关任务，通用模式则面向更广泛的用户和场景，用户无需直接处理代码，也能借助Coding和工具能力完成任务。在此基础上，Qoder还为长程任务和复杂任务设计了 Plan（计划）、Goal（目标）和侧边任务等功能：Plan在执行前梳理需求、方案和步骤；Goal围绕明确目标持续执行，并在过程中验证结果；侧边任务用于处理主任务中的细节或衍生问题，不打断当前主线。 在交互方式上，全新Qoder引入桌面宠物和实时语音能力。用户可以通过语音发起和跟进任务，并随时查看、调整或接管执行过程。此外，Qoder还提供速记板、录音纪要和实时语音讨论等功能，进一步丰富信息记录与沟通方式。例如，用户可以通过实时语音提出“先分析这个模块的重构方案”，Qoder会结合项目上下文生成计划；用户确认方向并补充“加入缓存”等要求后，再继续执行和验证。整个过程中，用户可以边说边调整，不必每次重新整理完整指令。 目前，Qoder产品家族包括全新Qoder、Qoder
leiphone·07:40
05
商汤大装置支撑智谱 GLM-5.3-Flash上线，国产异构助力前沿智能进入普惠时代
8月26日晚，智谱正式上线并开源GLM-5.3-Flash(320B-A18B），这是GLM-5系列的首个原生多模态模型。其总参数320B，能力超过GLM-5.2，在全球权威的Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分，进入全球前沿模型能力区间，与Anthropic最受欢迎的模型Claude Opus 4.8得分持平。GLM-5.3-Flash的架构专为极低成本而设计，结合智谱最新的30T Token多模态预训练语料，能够以更少的计算资源实现更强的性能。 依托先进的国产异构混推技术，商汤大装置为GLM-5.3-Flash上线提供大规模国产算力支持与Token服务，打造国产算力规模化商用又一硬核落地标杆。 这一合作的背后，正是商汤打造的 “一套模型、一座 Token（词元）工厂、一套智能体管控系统” 核心能力体系。其中 Token 工厂承担着把智能能力规模化生产出来的关键作用：它通过多模态模型和大装置基础设施的联合优化，把不同芯片、集群、能源和交付节点组织起来，持续生产更高质量、成本更低的Token。同时Token工厂与大模型之间构建起双向反哺闭环，更好适配原生多模态模型的迭代需求。商汤大装置高效支持了智谱 GLM-5.3-Flash的上线工作，正是这套闭环能力的有力印证。 长期以来，市场对国产算力的认知是，性价比不高、难以规模商用。而在正式发布前，GLM-5.3-Flash以匿名模型Ox-Alpha（中文社区称作牛来）在OpenCode和OpenRouter上进行了大规模测试，Token调用量高达62T，这些请求流量全部由国产芯片提供算力支持。且相较同一硬件环境下的初始基线，GLM-5.3-Flash基于国产芯片集群，端到端服务性能提升3倍，硬件效率和单Token成本已达到主流英伟达GPU相当水平。 这一实
leiphone·12:50
2026年8月27日
01
关税之下，速卖通Brand+在欧盟逆势大涨97%
面对欧盟税改，速卖通Brand+表现出强大的韧性，逆势大涨。根据最新数据，速卖通8月大促期间，Brand+品牌货盘在欧盟市场逆势增长97%。受Brand+的支撑，速卖通在欧盟受关税影响较小。法国比价平台Joke的数据显示，“出海四小龙”里，受到关税影响最大的是TEMU，订单下滑约一半；速卖通和SHEIN的影响相对较小。海外监管升级和税改加速跨境电商洗牌，速卖通正在从轻小件、低客单的平台，跃升为品牌与高客单主阵地。
leiphone·03:42
02
中科通量推出OmniMate BOX，以"边缘智算主机+存量屏幕"模式降低AI数字员工落地门槛
线下实体网点正经历一场静默的效率困局。一方面，人力成本刚性攀升，单厅月均运维成本达8至15万元；另一方面，客流波谷时段的人力空转与高频重复咨询造成的隐性浪费，每年可达20至40万元。越来越多网点管理者开始关注AI数字员工这一方案，但受限于云端方案的网络依赖与数据合规风险，以及整机设备较高的场地改造成本，规模化落地始终存在阻力。 近日，中科通量（SMARCO）在移动整机版OmniMate的基础上，推出OmniMate BOX轻量版AI数字员工，通过即插即用的方式将存量屏幕智能化。该产品采用“边缘智算主机+音视频外设+存量显示终端”的分体式架构，旨在以轻量化方式降低线下网点引入AI数字劳动力的门槛，在不依赖外网、不改动场地的条件下实现快速部署。 分体式架构：复用现有终端，降低准入门槛 与市面上主流的一体式数字人终端不同，OmniMate BOX将算力单元与外设、显示设备解耦。整套系统由一台小型智算主机、摄像头及麦克风扬声器组成，通过HDMI接口直连网点已有的电视、广告机、会议屏或触控屏，无需采购专用显示设备或进行场地改造。 该产品的定位非常清晰：面向已具备显示终端但缺乏AI交互能力的存量网点。无论是通信营业厅的吊装广告屏、银行网点的信息发布电视，还是展厅的触控查询屏，均可通过外接BOX主机升级为具备数字人交互能力的智能服务终端。横屏、竖屏、触控屏均可适配，固定网点与临时展点均能快速完成部署。 国产RISC-V算力底座：本地闭环，安全可控 OmniMate BOX搭载基于国产RISC-V架构的算力平台，集成12核CPU，提供INT8 200 TOPS AI算力，最高配备128GB LPDDR5 ECC统一内存。大模型推理、数字人实时生成、语音识别与视觉感知等全部计算任务在本地主机内闭环运行，不依赖互联网或云端算力。 这一架构选择的实际意义体现在三个层面：其一，服务响应不受网络波
leiphone·05:43
内容来源于公开 RSS 订阅，版权归原作者所有
