<![CDATA[数码讨论]]> <![CDATA[为了让机器人赶紧干活儿，我给他造了个“小脑”]]>

余工被自己训练的机器人踹过。
每隔一段时间，这位工程师都会穿上动作捕捉服，在办公室里出拳、走路、旋转，做出一系列动作，以测试机器人运动控制算法效果。站在身旁的机器人，以毫秒级的延迟复刻他的每一个动作。
有一回，伸展空间不够。他踢了下腿。机器人照单全收，一记猛踹落在他身上，这种剧痛余工至今难忘。
但争分夺秒地开发训练机器人仍是他最重要的工作。2025年被认为是人形机器人量产元年，全球出货量约1.7万台，中国企业出货量占全球84.7%，稳居第一。
一时间，行业迎来资本狂热、政策加码、媒体追逐的热闹景象。一个尴尬的现实也浮出水面：这些能跑马拉松、能跳二人转、能翻后空翻的机器人，真正能“干活”的并不多。
大模型驱动人形机器人做出每个动作都需要消耗大量算力，也限制了业内主流思路的开发进度。
因此，当下不少机器人企业都面临着这样一个普遍的困境：完成了基础研究，但很难商业化。
在上海浦东，国家地方共建人形机器人创新中心（以下简称“国地中心”）里，为了能让机器人尽快干活儿，余工和他的团队另辟蹊径，在大模型接入机器人作为“大脑”之外，给机器人安上了支配动作的“小脑”。

余工在办公室测试机器人。 李楚悦 摄
给机器人当“老师”
要理解今天的机器人行业正在发生什么，得先回答一个看起来很基础但其实并不能轻易给出答案的问题：为什么一定要把机器人做成人的模样？
在余工看来，机器人产业发展最核心的目的是提高人类的劳动力水平。
人类社会的一切基础设施，都是依照人的身体尺度设计的。门把手的高度、楼梯的宽度、方向盘的形状、工具的握持方式，全都是为人准备的。如果一个四足机器人，就无法完全使用现有的所有工具。
“我希望机器人能用我的工具解决我的问题，而不是我为它专门设计一套方案。”余工说。
本质上，这是一个成本问题。
如果从许多人期待机器人进入的家庭场景出发，人形机器人也更具亲近感。“你每天早上醒来，相比一个四足机器上面长了一只手过来拍你起床，可能更期待一个长得‘像个人样’的机器掀开被子，说主人该上班了，早餐已经做好了。”
除此之外，余工觉得“或许也有一些既浪漫又狂妄的念头”——人类是不是也可以创造另一种智慧生物？
无论如何，人形机器人要解决的最基本需求是成为没有负担的纯劳动力替代方案。
那么，什么时候机器人才能真正干活儿？
“现在的思维能力，整体上还是比较落后的。它能做的事情还比较少。”余工说。
如今的AI大模型已经可以写诗、写代码，但把它们装进机器人身体里，将“大脑”里的“想法”落地成“动作”，是另一回事。
“很多人以为，把大模型装进机器人身体里，机器人就能自己动起来了。但中间缺少的关键一环在于AI如何驱动这个物理身体。”余工解释。
人的身体有几百块肌肉，但人在做动作时，完全感觉不到自己在控制肌肉，这是因为小脑在底层完成了对肌肉的精细控制。似乎脑海里产生“我要把手抬起来”念头的同时，手就自然地抬起来了。
如果想要机器人也遵循这个过程、习得人类的诸多动作，就得收集到海量且高质的真实操作数据。
最直接的办法是请人类来当机器人的“老师”。
在国地中心，刘强是教机器人“做人”的训练师之一。他每天的工作内容非常固定——穿戴好设备，指导机器人进行上肢训练。
最近，刘强正在训练的项目是齿轮收纳，通过一遍遍演示，教会将不同规格的齿轮放进收纳盒内。如何识别、怎么抓起、用多少力，“笨拙”的机器人并不知道，需要手把手教。为了让机器人变得更聪明，他还会在桌面上放一些干扰物，再进行训练。
训练的难度因任务而异。比如，叠衣服这项人类最普通的家务之一，对机器人而言，难度系数相当高。“由于涉及动作细节较多，对关节旋转要求极为精细，控制需要更加精准，对遥操者的熟练度也提出了很高的要求。”刘强解释。
任务难度直接影响到数据的有效性。从前端采集的数据还需经过进一步校准、识别，再由研发团队运用于机器人的自主训练。之后，在没有训练师介入的情况下，机器人通过现有的数据在虚拟环境中独立完成训练。

刘强正在训练机器人。 朱雅文 摄
换一种“教”法
所有机器人的动作学习，本质上都是“人教”的。通过人类反复演示，然后转化为数据，再用这些数据去反复训练模型，直至其熟练掌握。
“人教人，聪明的一遍就会，笨一点的两三遍。但机器人，你得教它几百遍。”余工说，区别在于样本效率高低。
有没有办法让训练更高效且低能耗一些？
余工团队正在努力尝试的是一种信息量更饱满的数据采集方式。传统的数据采集，只记录了“轨迹”——手从A点移动到B点的路径。而通过动捕服和远程遥控，可以同时记录下机器人底层电机的控制数据——电流多大、扭矩多少、关节角度如何变化、身体倾斜了几度。
“就像以前你只给了它一个答案，现在你把每一步的推导过程都写下来了。”余工说。这意味着机器人可以更高效地学会新技能。以前要学一百遍的，以后可能十遍就会了。
但新的问题也随之而来。
“如果让一个大模型直接去控制每一个电机、每一个关节，频率太高。人做动作时，神经信号是毫秒级的，一秒钟可能要决策上千次。这么大的计算量，目前的算力根本扛不住。”余工解释。
于是，他和团队选择了“分层”的方案：底层相对较小的模型，以非常高的频率去控制机器人的每一个关节，保持平衡、执行动作。上层的大模型只需以较低的频率发出指令，比如“把手放到那个位置”，至于怎么放、用多大力、如何保持身体不倒，底层的“小脑”自己解决。
“有点像混动车。”余工打了个比方，“电池容量没那么大的时候，加一个汽油发动机，电启动，油加速。”
这未必是行业里训练机器人的终极方案。随着硬件发展，未来可能出现完全不同的方案。但在当下，这是一种有可能跑通的路径。
余工把这个底层模型叫做“小脑模型”。它或许算不上聪明，但反应极快。它要做的不是思考，而是执行。
不过，这仍不是最终目标。
更为理想的状态是，底层有一个非常强壮稳定的“小脑”，能够执行几乎所有动作指令；上层有一个足够聪明的“大脑”，能够理解复杂的任务意图想，像人类一样进行功能分区。
除此之外，硬件的能力也决定了机器人的上限。“算法是从下往上够，但超越不了上限。” 余工说，“现在行业内，硬件能力的差别很大。有些厂家的电机做出来是施瓦辛格，有些人做出来就是我这样的普通人。”
“目前机器人的体能水平现在只是比我强一些。”余工说，“我们希望有一天，它能做到连续三个后空翻，一下跳两米高，这些是正常人做不到的动作。”只有这样，机器人才能真正走进工厂、家庭、灾难现场，成为人类劳动力的替代。
进厂前的“最后一步”
余工所在的实验室，是国地中心的一部分。
在上海浦东，由人形机器人（上海）有限公司（国地中心）牵头成立的上海虚实融合具身智能训练场，是全国首个面向具身智能领域的国家级标准化试点项目。
这个由工信部和上海市政府共同授牌成立的机器人训练中心，是人形机器人领域的首个国家级公共平台，旨在构建行业大数据集，推动技术研发、企业孵化与人才培育，加快实施创新驱动发展战略。

国地中心训练场 李楚悦 摄
“国内人形机器人虽然才发展了两年，但只有产业化落地之后，这个产业才能证明发展成功。”国地中心市场总监杨正叶说。
国地中心的建成，正是为了催化这“最后一步”。让机器人在进企业前工作的基础训练可以在这里通过大量数据训练完成。这个训练场的场景不是固定的，而是根据市场需求不断更新。
杨正叶介绍，目前，人形机器人业内的训练思路主要分为两种。国外市场走的是“大模型驱动”的路线，即在不同环境下，机器人通过视觉传感器和位置传感器不断计算，不断尝试抓取。通过反复失败尝试，直到成功为止，通常这样的过程需要巨大的算力支撑。
国内走的是“数据驱动路线”。这虽然规避了算力需求，但对数据质量提出了更高的需求。比如，每次机器人必须复位到基准位置，数据才能用。想要换个位置抓取杯子，就得重新采集数据。
更麻烦的是，各家机器人的关节参数不一样。“国地中心要做的另一件事，就是把所有机器人的数据变成通用数据。”严格来说，国地中心机器人训练场，不仅仅是一个物理空间，还是一个数据空间。
很多人或许难以想象，教机器人拿杯子这样一个简单动作，背后的数据采集是如何庞大的工程。
世界上存在的杯子类型众多，抓取方式更是千变万化。想让机器人学会抓杯子这一动作，需要把世界上存在的所有杯子泛化成不同种类：马克杯、高脚杯、玻璃杯、塑料杯……需要分门别类进行数据采集。此外，还需要处理更复杂的情况，比如：倾斜的杯子、湿滑的杯子、被压住的杯子等等。
“只有当机器人能解决问题的方式足够多，再给它下一个命令’我要拿这个杯子’，它的拿起杯子的成功率才能接近于人。它也会像人一样，判断杯子类型，再选择方案，擒住杯口拿起来、抓住杯把拿起来，还是双手捧起来。”杨正叶说。
国地中心的训练场里，记录数据体量的数字在大屏幕上时刻跳动。
不同厂商的机器人在海量的数据中不断地试错、校正、再试错。被清洗校对过的数据会用来训练机器人。

国地中心训练场外。 李楚悦 摄
“人类的叛徒”
在人形机器人行业内，变化是以周为单位计算的。但没有人确切知道，这个行业时候会“涌现”出新的突破。
“它或许会突然变得很厉害，但你没法预测它什么时候发生。”余工说，“机器人上周还做不到的动作，这周可能就突然能做到了。不是哪个人类工程师写了新代码，而是模型自己学会了。”
过去一两年间，人形机器人行业最初比拼的是“谁走得更稳”，后来是“谁跑得更快”，再后来是“谁能跳”。今年春晚，有人让机器人做托马斯回旋、后空翻、连续武术动作。
“但这些不是为了炫技。”余工强调，“是为了测试它的动态能力到底到了什么程度。就像人类也要先学走、再学跑跳。你有一个强壮的身体，才能干后面的事情。”
这个逻辑在机器人身上，就必须先把底层能力做扎实，再进入应用场景。送外卖、消防、工厂搬运、家庭陪护……都需要建立在机器人能够稳定地执行动作的基础上。
余工觉得，普通人或许看到的是“它突然可以翻了”，但整个行业距离真正的“通用机器人”还很远。

国地中心里等待训练的机器人。 朱雅文 摄
人类对于机器人的期待和态度，也存在微妙的张力。一方面，期待科技的突破能够带来变革，另一方面，人类被替代的担忧也从未消失过。
当机器人越来越像人，最终会取代人类吗？
“我觉得人类制造机器人的初衷，就是成为社会发展或者工业发展的一个助力。”余工说。
他抱有相对理性的乐观态度，新的技术会产生新的需求，也会产生新的工作岗位。那些被替代的劳动力，可能会去做别的事情。人类的劳动强度降下来之后，或许能追求更多的“自我实现”。
即便如此，余工仍然笑着将自己称为“人类的叛徒”。这个“95”后工程师职业的起点是大模型算法工程师，再行业的更迭下步入机器人赛道时，从小看“高达”长大的他，想要给未来的到来提提速。
“这个行业无法停下进步的速度，不前进就意味着淘汰和死亡。”余工说。虽然压力不小，但他也享受这种创造未来的兴奋，哪怕最终的结果是由机器人接管人类世界。“就像造刀的人，不会去想刀造出来是否会用来杀人。“
杨正叶也有类似的观点：“先让技术生长。新质生产力的发展，永远不要让它停步。至于过程当中会发生的问题，都不是无法解决。”
]]> <![CDATA[微短剧是“中国制造” AI助力打造全球故事工厂]]> 当前，微短剧已成为网络视听领域增长最快、活力最强的赛道，而AIGC技术的助力，正在重构内容创作、生产、分发、商业化全链条，推动中国微短剧从产能升级走向全球故事的制造。
4月16日下午，第十三届中国网络视听大会“AI赋能——打造全球故事工厂”暨微短剧行业生态发展论坛，围绕AI技术驱动、产业生态构建以及世界故事讲述、版权合规发展等核心议题进行讨论。

点众科技董事长陈瑞卿正在做主题分享
微短剧一直都是“中国制造”
以AI为引擎，启动“全球故事工厂”新叙事
“五年后中国微短剧市场将超4000亿，海外市场至少有中国的2.5-3倍。”活动现场，点众科技董事长陈瑞卿给出预判。他指出，与40年前中国开始成为世界工厂类似，现在中国也站在成为全球故事工厂的起点，但不同的是，微短剧一开始就是“中国制造”。
在陈瑞卿看来，AI是放大器与镜像，让强者更强、弱者更弱，是创作者自身能力的延伸。“年轻人一定要改变一个观念，我们不叫出海，我们就是‘生而全球化’。”陈瑞卿透露，点众将在今年年底推出内容全球化系统。
Seedance2.0在今年2月推出后，迅速点燃了影视市场。火山引擎短漫剧行业解决方案负责人刘磊从技术角度解读了中国成为全球故事工厂的优势：“Seedance2.0实现了四模态统一与视频参考生成，企业级多模态素材库可提质提效，留存创作证据链，助力合规与版权保护。”
在具体的AI视频内容创作过程中，腾讯视频银河工作室负责人曹睿认为，“AI是‘副驾驶’而非司机”。他建议各位创作者牢牢握紧属于自己的方向盘，认真打磨剧本，回到内容创作本身。
在真人实拍领域，往往精品内容意味着高成本与长周期，因此是稀缺的、难以复制的，但在AI时代，精品剧有可能实现量产吗？去年唯一一部播放量过10亿的AI漫剧《斩仙台下，我震惊了诸神》由LikeAI制作，其联合创始人孟祥云也基于实践分享了经验：“AI短剧要抓节奏和调度，一定要叙事优先。”
四川时刻互动曾出品制作爆款AI漫剧《风水天师》，总经理杨阳表示，要坚守创作初心，挖掘中国文化根脉，用匠心打磨细节，讲好有情感共鸣的中国故事。
这些始终在为好故事而努力的创作者，正是中国成为全球故事工厂的核心驱动力。
DataEye（剧查查）副总裁林启文基于详实的数据洞察，展现了AI漫剧的前景：AI仿真人短剧占比超五成，行业供给暴增但爆款率仅千分之一，未来精品化是必由之路。


圆桌论坛进行中
AI助力，破解产能与出海难题
“双十亿”AIGC全球共创计划发布
在第一场以“AI驱动，打造全球故事工厂”为主题的圆桌论坛中，Meta大中华区业务总监郭大维、DramaBox海外社媒运营负责人叶振川、掌阅科技短剧副总裁杨新龙、漫森文化业务负责人李自立、北京观韬律师事务所合伙人杨洋探讨了如何在AI助力下，加速产能扩张和文化输出，为全球市场提供中国优质故事，并应对由此带来的版权问题。
随后，第二场圆桌论坛以“AI赋能，如何重构产业结构”为主题，西安匣子创始人宋雪炜、河马剧场运营负责人刘鹏、酱油文化商务负责人颜四海、雪宝工作室视觉艺术总监周扬、编剧楚墨，共同探讨了AI如何重构微短剧生产流程，从IP源头产生更多优质故事。
AI不仅是技术工具，更是推动内容全球化生产与分发的核心驱动力，站在时代风口，头部玩家都不愿缺席。现场，点众科技副总裁、总编辑徐良发布了河马&DramaBox“双十亿”AIGC全球共创计划。该计划以1.5亿美金与10亿人民币的专项资金，分别扶持海外与国内的AIGC内容创作，并开放8万部优质存量小说IP授权，通过对剧本、成品剧及优质承制方提供“超高保底+分成”的激励模式，旨在构建一个多方共赢的创作生态，加速顶尖AIGC内容的规模化产出与分发。
此外，论坛还进行了第二届“河马杯”大学生微短剧大赛颁奖仪式，启动“AIGC人才产业学院合作计划”。
]]> <![CDATA[应像打击盗刷他人财产一样严惩AI盗脸]]> “你的这款摄影设备是大疆的？他们最近还推出了新的版本。”“如今，理论上一个人就可以创办、运营一家公司，甚至把它做成独角兽企业，中国已经有‘一人公司’开始出现了。”4月13—14日，世界互联网大会亚太峰会在香港举行，中欧数字协会创始主席、意大利经济学家鲁乙己在会议间隙接受南都记者专访。聊到AI的发展与治理，鲁乙己对中国的人工智能硬件产品、产业发展新热词都颇为熟悉和关注。

中欧数字协会创始主席、意大利经济学家鲁乙己。
在他看来，以“龙虾”为代表的AI智能体走红，或许意味着“APP时代”的终结，未来智能体将代表人类在数字世界中处理诸多复杂的任务。但他并不担心AI对人类的替代，在他看来，AI就像帮助运动员登山的机械外骨骼，能让攀登更高效、更稳定、更省力，但它无法替代运动员本身。
鲁乙己同时谈到，技术发展的基础是信任，一旦失去信任，技术的发展与应用都会变得异常困难，AI盗脸等冒用他人身份是极其严重的违法行为，应当像线下身份盗用、盗刷他人财产一样被严厉追责。
对于AI治理，鲁乙己呼吁，中欧在AI治理中的合作不是选择，而是必需，而且行动必须趁早，中欧应着眼于物理AI（physical AI）、合成数据、Token经济等技术发展的趋势启动对话，事前布局。
以下是南都与鲁乙己的对话：
“APP时代”或将被“AI智能体时代”终结
南都：近期“龙虾”（OpenClaw）在中国很火，它在欧洲有受关注吗？
鲁乙己：是的，OpenClaw也引发了中国以外地区的关注。
它折射出一个更大的趋势：AI 正从对话阶段走向执行阶段。我们正在迈入AI智能体时代，AI不仅能回答问题，还能执行任务、使用工具、代表我们在数字世界中行动。
南都：你在工作和生活中，会使用AI吗？
鲁乙己：我经常使用AI。我觉得它是一种很好用的工具，能帮我们快速检索信息，完成许多过去无法实现的任务，比如优化政策分析、整合复杂资料、从多角度来验证论点等等。
南都：从ChatGPT到OpenClaw，你如何看待近两三年 AI 的发展速度？
鲁乙己：速度堪称非凡。短短两三年间，AI从对话工具，转变为具备写作、推理、生成图像与视频、支持编程，并通过智能体执行任务的通用技术，AI将通常需要数十年的创新周期压缩到数年内完成。
AI智能体的出现，不仅改变了技术能力边界，更在重塑我们与数字世界的交互方式。过去二十年，我们生活在“应用时代”（APP时代），未来，这些APP可能逐渐隐于幕后。我们只需向AI助手设定目标，它便会代为操作APP、实现相关任务。从这个意义上说，“APP时代”或将被“AI智能体时代”终结。OpenClaw等智能体的出现，正是AI进化为行动助手的早期信号。
更令人瞩目的是，近两三年间，AI在社会层面的普及速度也是前所未有。发明与应用的间隔期几乎消失，新技术迅速渗透至企业、政府、研究机构、创作者及普通公众。因此我常说：我们已不再处于观察AI的阶段，而是与AI共存。
这一变化也影响深远：公共机构、监管政策和教育体系都必须得跟上它的发展速度。我们所面临的问题已不再是AI是否会改变社会——它已经在改变。而真正的问题在于：我们的政治、法律和社会体系能否快速进化以掌控这场变革。
南都：那你会担心AI会取代人类、冲击就业吗？
鲁乙己：AI可以替代部分工作，但无法取代人类本身。
我常打一个简单的比方：AI就像帮助运动员登山的机械外骨骼，能让攀登更高效、更稳定、更省力，但它无法替代运动员本身。而方向、判断、责任与目标仍由人类负责。这才是理解AI的正确方式：它应当赋能人类，而非取代人类。
如今，理论上一个人就可以创办、运营一家公司，甚至把它做成独角兽企业，中国已经有“一人公司”开始出现了，这就足以说明AI在创业和日常工作中起到多么重要的作用。
回应AI盗脸：应像线下盗刷他人财产一样严厉追责
南都：近期，多位中国艺人指控被AI盗用了肖像与声音，你如何看待这一现象？
鲁乙己：这是一个非常严肃的问题，它触及了权利、身份与信任的核心。
人的面容与声音不仅仅是数据，更是个人身份的核心组成部分。对于艺人、创作者与公众人物来说，还是其职业与经济价值的一部分。那么，未经本人许可使用这类数据，就不只是技术层面的违规，更是对人格尊严与信任的侵犯。
我们都知道，技术发展的基础是信任。一旦失去信任，技术的发展与应用都会变得异常困难。现实世界中，我们已经有完善法律，同样的规则也应延伸至网络空间。冒用他人身份是极其严重的违法行为，应当像线下身份盗用、盗刷他人财产一样被严厉追责。
南都：有观点认为，过度强调AI安全和治理会影响技术发展、限制 AI 的想象空间。你对此怎么看？
鲁乙己：认为这两者并非对立关系。我们两者都需要：需要治理、需要规则，同时也要让企业和个人保持创新，发展新服务、创造新机遇。
需要看到的是，拙劣的监管可能会拖累创新，但缺乏治理对创新的伤害更大。所以真正的问题，并非是否监管，而是如何科学监管。很多时候，合理的监管反而能催生新产业。比如当下热议的智能网联汽车、机器人与物联网、合成数据的应用，这些领域恰恰需要规则，来为商业提供确定性、保障市场运行。
我认为，平衡治理与发展，需要遵循三大原则：监管风险与具体应用，而非限制想象力本身；尽早明确规则，对创新者而言，清晰规则远胜于不确定性；通过测试环境、监管沙盒与国际对话，为技术试验保留空间。
“未来真正的分水岭在于能否构建可信的AI生态”
南都：在你观察中，对于AI 治理，中欧主要有哪些差异？核心共识又是什么？
鲁乙己：对比双方的实践路径来看，欧洲倾向于先搭建全面的法律框架，从通用原则、权利、风险类别与市场整体义务入手。欧洲首先思考的是：AI整体的游戏规则应当是什么。
中国更侧重市场发展与具体场景，针对特定行业、特定应用进行分类监管。中国更聚焦于：当下如何在具体领域管好这项技术？
在治理中，双方的侧重点也有所不同：欧洲更重视个体权利、法律确定性与全市场一致性；中国则更强调安全、可追溯、平台责任，以及AI在社会层面的实际可管理性。
这两种模式虽有差异，但最终目标都是推动AI的健康发展、支持企业的创新、保障消费者的权益。这也是双方持续交流、互相借鉴至关重要的原因。
南都：你认为，接下来中欧在AI治理领域，可以开展哪些合作？
鲁乙己：首先要强调的是：合作不是选择，而是必需，而且行动必须趁早。因为技术迭代速度极快，而出台新法，需要漫长周期。因此我也一直主张在技术可行的前提下，优先推行自律监管。这是最高效、最灵活、最能适配快速变化的解决方案。
对于AI治理，中欧至少可以在四大领域深化合作：第一，交流AI治理的实践，尤其在透明化、标识规范、问责机制、安全测试与可信部署等方面；第二，加强标准合作，在新兴技术领域，标准往往能够更深刻塑造市场；第三，在医疗健康、教育、智能制造、气候创新、普惠城市服务等高价值领域推动联合攻关；第四，拓展对话范围，不仅限于政府间，还应覆盖企业、科研人员、高校与民间社会。
我常说：监管如同健康，预防远胜于补救。事前布局，远比事后补救容易。我们现在就应该着眼于技术发展的趋势：物理AI（physical AI）需要如何监管？合成数据又将带来哪些改变？Token经济又需要哪些规则？这些问题不要等到迫在眉睫才讨论，现在就应启动对话，倾听专家、企业和业界的声音。世界互联网大会已成为这一领域的重要平台，但若要真正实现全球影响力，还需大幅拓宽国际参与度，吸纳更多欧洲及其他地区代表，包括机构、产业、学界与政策界人士，更均衡、多元的参与，能提升讨论质量、增进相互理解，让大会成为探讨人工智能与数字技术治理更具公信力的全球平台。
我相信，未来，真正的分水岭不在于是否谈论 AI、是否监管 AI，而在于能否构建可信的AI生态。中欧都具备重要贡献能力，双方应当携手共进。
]]> <![CDATA[美议员自嘲：10年后，咱们就没啥技术让中国“偷”了]]> 【文/观察者网 熊超然】

干啥啥不行，污蔑第一名。当地时间4月16日，美国国会再度纠集一众议员和专家，蔑指中国在全球人工智能（AI）竞赛中或“购买”、或“窃取”美国的技术，同时警告称，美国的移民和科研政策可能阻碍了保持领先地位所必需的创新。

“模式很明确，中国依赖我们的技术体系来维系AI发展。为了实现AI雄心，中国愿意购买或窃取美国的技术。”香港《南华早报》当天报道称，美国国会众议院“美中战略竞争特别委员会”主席约翰·穆莱纳尔（John Moolenaar）在这场听证会的开场白中这样宣称道。

“中国AI公司仍然依赖美国芯片，”穆莱纳尔继续指控：“他们想方设法合法或非法获取美国芯片以规避出口管制也就不足为奇了。”

另一边，美国印第安纳州民主党籍联邦众议员安德烈·卡森（Andre Carson）也配合起穆莱纳尔炒作渲染，并话里有话地宣称道：“如果我们继续这样下去，我担心10年后，我们可能不会有那么多中国想要获取的技术了。”他认为：“中国获胜最简单的方法，就是我们搬起石头砸自己的脚。”

此前，美方这类对华无端指控就屡见不鲜。此前，中国外交部发言人曾强调，中国的科技成就一不靠偷，二不靠抢，是包括广大知识分子在内的中国人民凭借智慧和汗水拼搏奋斗出来的。美方个别官员打着国家安全的旗号，渲染炮制所谓中方“窃取”美方科研成果别有用心。中方敦促美方个别官员摒弃冷战思维和零和博弈的过时观念，正确看待并维护中美在科技、人文领域的交流合作，多做有利于增进中美互信与合作的事。

当地时间4月16日，美国国会众议院“美中战略竞争特别委员会”主席约翰·穆莱纳尔在听证会上。视频截图

《南华早报》指出，中美仍在激烈争夺全球AI领导地位。尽管美国凭借OpenAI的ChatGPT等模型一度处于领先位置，但随着诸如DeepSeek等中国公司在2025年推出模型，以及中方力争在2030年前成为该领域全球领导者，这两个超级大国之间差距已开始缩小。

今年早些时候，美国公布了一项AI出口计划，试图巩固美国的领导地位并对抗中国的影响力。

在这场听证会上，有出席者强调了计算能力（用于训练和运行AI模型的处理能力）在获得技术优势方面的重要性。美国智库“西尔弗拉多政策创新中心”（Silverado Policy Accelerator）主席德米特里·阿尔佩罗维奇（Dmitri Alperovitch）表示，计算能力是“制胜的关键”。

“我们已经了解到，基于通用数据训练的前沿模型，通常比基于更专业输入数据训练的小型模型表现更佳，一切都归结于计算能力。”同时他也承认，中美两国都拥有优秀的科研人员和雄厚的财力。

布鲁金斯学会约翰·桑顿中国中心研究员陈凯欣（Kyle Chan）表示，美国的AI模型仍然优于中国的模型，但他补充说，“模型性能并非一切”。

陈凯欣还指出，美国一直致力于开发世界上最强大的AI模型，而中国则优先考虑效率、应用和整合。“由于我们出口管制及自身有限的资本资源，中国AI公司在计算能力方面面都临着真正制约，因此他们优先考虑的是其他目标。”

尽管美国在AI领域的发展早期领先，但人们越来越担心，美国总统特朗普强硬的移民政策可能会阻碍国内创新。这种担忧，在这场听证会上也得到了体现。

作为特朗普第二任期的核心政策，其政府的政策针对合法和非法移民，人们担心美国——这个长期以来汇聚外国人才的国家，可能会失去其竞争优势。

穆斯林族裔的卡森表示，美国近三分之二的顶尖AI公司是由移民创立或联合创立的，他还补充说，美国顶尖AI研究人员中有38%来自中国。

“我们应该欢迎他们，并坚决反对任何形式的仇外心理，”卡森在听证会上说：“特朗普政府的移民政策、预算削减以及对顶级AI实验室的打压，正将我们推向一条既无法利用任何机遇，也无法对任何事物抱有理所当然态度的道路。”

他举例说，对新的海外申请人征收10万美元的H-1B签证费便是其中一种打压方式，而AI研究人员经常使用这种签证。H-1B签证允许高技能的外国人在美国生活和工作，其中印度公民是持有该签证人数最多的群体，其次是中国公民。

“联邦科研经费的状况也类似，而这类经费是美国众多创新赖以生存的基础，”卡森着急地表示，尽管美国大幅削减了对大学的联邦拨款，但中国却将年度科研总支出增加了近10%。

自去年重返执政以来，特朗普政府一直在削减对科研机构的拨款。据科学期刊《自然》报道，去年美国有超过7800项科研项目被终止或冻结。

]]> <![CDATA[刚刚，Claude Opus 4.7突然发布：不是最强，但奥特曼又得失眠]]> 今年 Anthropic 的势头异常凶猛。
不仅热度居高不下，口碑也持续攀升，稳坐 AI 圈「顶流」的交椅。现在几乎每天醒来，都能看到他们准点推送的新产品或新功能。久而久之，大家也从兴奋变成了「是你，果然又是你」的默契感。

而就在刚刚，万众期待的 Claude Opus 4.7 也正式发布，依旧是熟悉的配方，熟悉的高分选手。
有趣的是，Anthropic 在公告里非常坦诚，甚至带着点骄傲：「这并非我们最强大的模型。」那个传说因强到不敢发布的 Claude Mythos Preview 依然还在藏。
但就是这个并非最强的 Opus 4.7，却依旧引发了极大的关注。因为它解决了一个比聪明更重要的痛点： 靠谱。不是那种你说什么它就做什么的靠谱，而是当你提出一个愚蠢的方案时，它敢于反驳你，并自己把坑填上的靠谱。

当靠谱成为比聪明更稀缺的品质
基准测试结果显示，在业界公认最硬核的 SWE-bench Pro 上，Opus 4.7从前代的 53.4% 直接拉到 64.3%，单代升级涨了近 11 个百分点， 把 GPT-5.4（57.7%）和 Gemini 3.1 Pro（54.2%）都甩在了身后。
这不只是「看」得更清楚这么简单。更高的分辨率直接带动了输出质量的连锁提升： 生成界面、制作幻灯片、排版文档，细节精度也全面提升。

工具调用规模化评测 MCP-Atlas 上，Opus 4.7跑出 77.3%，超过 GPT-5.4 的 68.1% 和 Gemini 的 73.9%。法律 AI 平台 Harvey 测试中，Opus 4.7在 BigLaw 基准上拿下 90.9%，正确区分了历来是前沿模型死穴的转让条款与控制权变更条款。
不过，Opus 4.7也并非全然遥遥领先，在 Agentic search 评测 BrowseComp 上，Opus 4.7反而从前代的 83.7% 下降到了 79.3%，被 GPT-5.4（89.3%）和 Gemini（85.9%）超越。
这个退步并非偶然。一个遇到缺失信息会直接报错、不肯乱编答案的 Agent，在以「是否给出答案」为评判标准的基准上，天然会吃亏。







向左更多「成绩单」
而数据之外，更值得关注的问题是：这种「靠谱」，在真实工作里到底意味着什么？过去一年，业界对代码大模型的期待，普遍还停留在写个函数、找个 Bug 的层面，但 Claude Opus 4.7在早期测试里，展现出了一种截然不同的气质。
知名云端开发平台 Replit 这样描述：「它在技术讨论中会反驳我，帮我做出更好的决定。它真的感觉像一个更好的同事。」

它不再一味地唯命是从，也不再为了交差而胡编乱造。在数据科学平台 Hex 的测试里，Opus 4.7遇到缺失数据时会直接报错，而不是像前代那样塞一个看似合理但完全错误的备选值。
这种拒绝顺从的特质，恰恰是高级软件工程里最稀缺的东西。
当然，凡事有两面。为旧模型写的 prompt，到了 Opus 4.7 手里可能会产生意想不到的结果。那些过去被模型「意会」的模糊指令，Opus 4.7会一字一字地字面执行。这也意味着越懂得清楚表达需求的人，越能从 Opus 4.7这里拿到好结果。
光会「顶嘴」还不够，遇到挫折就罢工的 AI 同样不是好同事。Opus 4.7的另一个大的亮点，是任务韧性。

以往大模型在多步任务中遇到工具调用失败，往往直接停机报错。Notion 团队测试发现，Opus 4.7的工具错误率降到了原来的三分之一，更关键的是，它能在工具链崩溃时自己绕过障碍，继续把任务跑完。
当 AI 停止谄媚，真正的生产力才开始爆发。
前端框架巨头 Vercel 还发现了一个过去从未有过的行为：Opus 4.7 会在开始写系统级代码之前，先自己进行数学证明。这已经超出了写代码的范畴，进入了严谨工程设计的领域。
雇佣 AI「资深专家」的代价
为了验证它在细节上的处理能力，我设定了三个交互场景，评判标准只有一个：细节是否敷衍，一眼便知。
第一个场景，是让它做一个俯视视角的黑胶唱片机界面，其难点在于「金属光泽」与「呼吸光晕」的呈现。 Opus 4.7并没有用廉价的色彩渐变敷衍了事，而是通过复杂的 CSS 样式叠加，逼真地还原了金属质感。

第二个场景是只用 CSS，不用 Java 做一个 老式电风扇。 面对这个限制严格的题目，一些模型会悄悄违规使用 JS，但 Opus 4.7遵守了规则。

它用纯 CSS 做出了风扇的立体结构，低中高三档过渡流畅，底座透视和阴影的处理也真有一点实物感，它在规则允许的范围内找到了很好的解决办法。
第三个场景是做一个复古磁带随身听，带有录像带那种老旧的噪点效果。磁带转动的细节也是有的。

当然，变聪明是有代价的。Opus 4.7 现已在所有 Claude 产品和 API、Amazon Bedrock、Google Cloud 的 Vertex AI 以及 Microsoft Foundry 平台上推出。
基础定价维持在每百万 token 输入 5 美元、输出 25 美元不变。但 Opus 4.7引入了全新分词器，同样的文本会拆分出比原来多 1.0 到 1.35 倍的 Token。

叠加上它在高强度任务中本身就倾向于「多想一会儿」，实际消耗几乎必然上升。
此外，Anthropic 在原有的难度选项之上， 加入了全新的 xhigh（超高）级别。在这个级别下，面对复杂难题，Claude Opus 4.7会消耗更多的 Token，花更多的时间去「思考」。Claude Code 已经把所有套餐的默认 effort level 直接拉到了 xhigh。
Anthropic 用行动告诉所有人，对于真正的编码任务，省着用不如想清楚。为了匹配这种工作流，Claude Code 顺势推出了两个杀手级功能：
/ultrareview（深度审查）：开启一个专门的审查会话，像一个极其挑剔的资深 Reviewer 一样，通读所有代码更改，精准标记出深层的架构设计缺陷和 Bug。Pro 和 Max 用户可以免费试用三次。
Auto Mode（自动模式）扩展到 Max 用户：一种介于逐项授权和跳过所有权限之间的权限模式。Claude 会在你授权的范围内自主做决策，既能跑完漫长无聊的任务，又比完全放权更安全。

为了防止这个「太能思考」的 AI 把账户余额刷爆， API 端还推出了「任务预算」（Task Budgets）功能公测版，让开发者可以显式规划 Claude 在长任务中的 Token 支出优先级。
当然，Opus 4.7并不是 Anthropic 手里最强的牌。那个更强的 Claude Mythos Preview，本月刚以「Project Glasswing」的名义，小范围开放给了一批企业用于网络安全研究。
Mythos 没有公开发布，原因则是因为它的网络攻防能力太强， Anthropic 觉得还没想清楚怎么安全地推给所有人。

Opus 4.7 本身也做了主动取舍，训练阶段就压低了网络攻防能力，内置自动拦截机制，碰到高风险请求直接挡掉。有合规需求的安全研究人员，可以通过官方渠道单独申请。
不急着把最强的牌打出去，和不停地往桌上加新牌，背后是同一套逻辑。实际上，Anthropic 真正的护城河，是交付节奏本身。
在今年 2 月 1 日至 3 月 24 日，短短 52 天里，Anthropic 就一共更新了 74 款产品，平均不到两天一个。Cowork、插件……这些动作扎扎实实地击中了职场办公的痛点，这种频率，够让奥特曼睡不着了。
如今的 Claude 生态，早就超越了单纯的聊天机器人。对于那些渴望将 AI 深度嵌入实际工作流的团队而言，这种稳定、高频且可预期的更新节奏，才是最让人感到踏实的定心丸。
今天发布的 Claude Opus 4.7，是这条链条上最新的一块压舱石。而那个 Mythos Preview，迟早也会亮相。 到那时候，我们现在觉得已经很能打的 Opus 4.7，可能只是个开端。
]]> <![CDATA[大厂资深程序员，“未来码农的优势可能是比AI更便宜”]]>

码农的处境，或许也预示着所有知识型工作者的未来——当AI工具比人更擅长“做事”，人还能做些什么？

作者 | 皖西

编辑 | 腾宇

题图 | pexels

AI取代人类工作岗位，早已不是大新闻。

过往两年内，我们不断经历并且似乎已经习惯了这样的消息：某科技巨头宣布全球裁员几万人，某初创公司因为引入AI而砍掉了整个BU，某广告公司用AI替代了部分设计师岗位……

在AI的侵门踏户之下，最先感受到寒意的是文科类工作——翻译、文案、插画师、配音师，那些曾被视作创造性、审美性的岗位，正在被AI大模型一点点蚕食。

但谁也没想到，下一个被推上“待优化名单”的，很有可能是程序员。

程序员们很焦虑，一边焦虑于积极拥抱AI，用肉身帮助大模型成长的“码奸”；一边焦虑_地随大部队“上岛”养AI智能体，在巨大的变革中寻找自己的位置。

相关数据显示，2025年，84%的开发者已在或计划使用AI工具；AI工具使基础编码效率提升55%以上，重复性任务耗时减少70%；与此同时，初级程序员岗位需求同比下降约30%。这些数字背后，是一个正在被自己创造之物重构的行业。

张玮（化名）是上海某互联网大厂的前端开发程序员，入行将近十年，他见证了这个行业从“人肉编码”到“人机协作”的变迁。他的经历和感受，或许能让我们看清：当AI开始生成代码，那些创造了AI的人，正在经历什么。

（图/《社交网络》）

效率翻倍了，然后呢？

“目前来讲，AI大模型对我们公司，包括我本人的冲击还没那么大。”采访一开始，张玮就给出了一个意料之外的回答。

过去两年里，AI编程工具迅速席卷行业。尽管这几年张玮也听到很多网传的消息：因为AI被广泛使用，程序员招聘名额开始缩减。但他感受到的变化，更多发生在行业边界处。

“真正受影响的是那些初创公司、小公司。没有AI之前，公司如果想做一款产品或者一个网页，需要前端、后端、设计、测试……每个岗位至少各招一个人，前前后后花费几个月时间。AI介入之后，一个初级程序员用AI，可能一两天就能做一个简单的产品出来。”

这意味着，那些原本需要靠初级程序员去填补的“编码体力活”，那些我们在项飚《全球“猎身”》中读到的“技术外包劳工”，正在迅速萎缩。

（图/《社交网络》）

职业社交平台LinkedIn 2025年第四季度数据显示，初级程序员岗位需求同比下降约30% ；美国劳工统计局数据亦显示，过去两年美国编程类初级岗位减少了27%。而这种趋势，并非只发生在大洋彼岸。

当岗位在缩减，仍在岗的程序员日子就好过了吗？

“业务倒不会变得更加复杂，但你其实需要做的事情更多了——原来需要花三五天的活，现在有的人使用AI，可能一两天就能干完。”张玮说，随之而来的，是更多的需求、更快的工作节奏，“对于我们这种职业来说，本身要做的事情一直是源源不断的，只不过AI提效之后，你会有更多的想法、接到更多的需求。但其实，每个月的平均工作时长没有多大的变化，只不过从原来一个月能做3个需求，变成现在或许能做10个。”

（图/《真实的人类 第一季》）

那么问题来了：效率提升的收益，最后进了谁的口袋？

张玮分析道：如果你所在的公司正处于业务扩张期，产品经理带着需求、排着队等开发人员，那么AI带来的效率提升是皆大欢喜的——你能在同样的时间里做更多的事，公司能用更快的速度抢占市场，每个人都觉得自己在“创造价值”，这是一个正循环。

但如果员工的工作效率提升了，公司业务没有提升，情况将截然不同。“很多领导刷到AI迅速发展的新闻之后，下意识觉得AI能把公司很多岗位替代掉。”张玮说这话时，语气里带着一丝无奈。

这种公司决策层的认知错位，或许正成为整个行业里最隐秘的焦虑源头。

当考生成为阅卷老师

最关键的问题是：AI到底能替代多少人类的工作？

“初级工程师90%的工作，AI都能做。”张玮给出了自己的判断，“前提是那些简单的、定式的代码。”比如写一个标准的CRUD接口、生成API文档、测试。这些在过去需要初级程序员花时间磨的“基本功”，现在AI可以一秒完成，准确率极高。

但张玮认为，对于许多复杂的场景需求和业务逻辑，AI辅助编程仍然存在许多问题。“它刚开始可能可以达到70%-80%，但总会有20%到30%的出入，暂时还达不到百分之百。”

这时候，人的价值就体现出来了。

（图/pexels）

“如果你完全不懂代码，你可能都看不出来问题在哪、应该微调哪个部分。你只能反复告诉AI：‘你还是没有达到我的目的’，然后等它一遍遍地试、一遍遍地改，直到某一遍改对了。

但精通代码的高级程序员，瞬间就能看出来缺了哪些东西，他可以在第二次生成时告诉AI：‘哪里有问题，你应该结合什么，再改一下哪里。’”或许我们可以这样简单理解：以前程序员是“写代码的人”，现在正变成“审代码的人”——或者说，“阅卷老师”。

“高级程序员与普通程序员的区别，不在于谁更会用AI，而在于当AI的成果没有达到预期时，你知道怎么让它改。”张玮的这个总结，或许是对当前阶段人机协作最精准的概括，而这个结论，似乎也不只应用在写代码，而是大部分创意产业上。

（图/pexels）

Scrum中文网的一篇文章提到，今年2月，人工智能公司Anthropic发布的《2026年智能体编码趋势报告》指出，软件开发正从“以编写代码为中心”的活动，转向“以协调智能体为中心”的活动。

单一智能体将演变为协同团队，任务时间从几分钟扩展到数天，人类从“写代码的人”变成“带团队的人”。

“不会带团队，你就只能干到死”，这句曾经让无数职场人焦虑的“上升之道”，如今似乎加码了，已经变成“不会带团队，你就只能出局”。

张玮担忧的是另一件事——这种转变正在无形之中重塑程序员的成长路径。

过去，一个程序员要从初级走到中级，需要花几年时间写代码、看系统设计、积累业务经验。但现在，“AI可以帮一个初级程序员直接跳到中级以上”——它可以直接生成一个看似完整的方案，让你不用费劲去琢磨细节。

“为了快，大家可能会跳过前期试错、修正、积累经验的阶段。”张玮说。但有些跳过的坑，迟早是要填的。

人类的核心竞争力，只剩便宜了吗？

“按照现在AI的进化速度，再过两年，它能不能替代人类90%甚至99%的工作？”

张玮没有否认这种可能性：“从现在AI的发展速度来看，未来它一定能达到这种程度。”

可他话锋一转，聊起了一个更现实的东西：成本。

成本总是存在的，只是它被科技发展转嫁到了其他地方，从纯粹的堆叠人力，变成了堆叠算力。张玮说，市面上写代码能力最牛的模型收费并不便宜，而且还在涨价。他们有些同事现在一个月在AI上面花的钱，已经足够公司雇用一个实习生了。

（图/pexels）

这指向了一个深层悖论：如果AI的成本持续上涨，而人的成本被不断压缩，两者之间会不会在某个节点上达到平衡？到那时，企业是选更贵的AI，还是选更“便宜”的人？这个问题，暂时还没人能给出答案，或者说，还没到得出答案的时候。

即便AI真的能完成人类99%的工作，剩下的那1%，依然是人与机器的护城河。“AI差了1%的时候，如果业务受损，或者出现严重漏洞，你怎么办？如果代码都是AI写的，你看不懂、看不出问题，那你连解决它的能力都没有。”

张玮坚持认为AI只是人类的辅助工具，在他看来，就跟这世上大部分的工作一样，未来的程序员，核心竞争力其实还是那几种：对业务的理解、对复杂系统的把握以及在关键节点上“完善那1%”的能力。

“软实力方面，比如对业务、对市场、各个环节的沟通能力……这些AI帮不了你。硬实力方面，当你碰上问题，AI没法帮你完全解决，就差1%的时候，你得有能完善那1%的能力。”

（图/pexels）

张玮还有个有意思的观察：根据他的经验，AI虽然能写出代码，但它不一定能选出最优解。“完成某个功能，可能有两三种方式。AI可能会选一种它认为对的，但一个资深程序员可能很快就能判断哪条路最简单。”

这就像一个有经验的厨师，面对AI给出的菜谱，知道哪个步骤可以简化、哪个调料可以替换，而新手只会照单全收。

“手工软件工程师的时代已经过去了。”这并非某位技术博主在社交平台上的一句夸张断言，而是来自Tessi.ai 公司CTO Ben Greene的观点。他认为，未来工程师需要把精力从单纯编码转向理解问题、设计系统以及连接真实业务场景。

也就是说，“未来最有价值的工程师，不是写代码最快的人，而是能够理解复杂系统、协调AI 与人类协作并真正解决现实问题的人。”

（图/pexels）

采访最后，我问张玮：“如果真的有一天，老板觉得AI可以完全替代你们了，你会如何去说服他？”

“解释不了。大环境就是这样，当大家都很焦虑的时候，只能去提升自己的能力，让老板看到你其他不一样的能力。如果你没办法在这家公司证明自己，也只能尽早离开。”

[1]《2025全球开发者工具报告》IDC

[2]《GitHub2025报告：近半代码由AI生成，初级程序员遇冷，AI架构师成新宠》小熊财经

[3]《2026年智能体编码趋势报告：AI智能体如何重塑软件开发？》Scrum中文网

校对：严严；排版：李嘻嘻


]]> <![CDATA[让脑机接口更好“接”入现实]]>
　　脑机接口技术，通过在人脑与机器之间建立信息通道，实现生物智能与机器智能的协同交互。帮瘫痪患者操控轮椅，帮渐冻症患者把脑电信号变成话语，帮脑卒中患者重建运动功能……脑机接口技术的运用，可以提升患者的生命质量。

　　在临床需求的强力牵引下，技术快速发展：侵入式临床试验系统延迟压缩到100毫秒以内，意念与动作几乎同步；半侵入式多中心注册临床试验取得显著成果；非侵入式产品帮助患者恢复部分人体功能。多条技术路线齐头并进，我国在这一领域已从“跟跑”步入“并跑”乃至部分“领跑”阶段。

　　未来产业培育周期长、市场风险大，制度供给需走在产业需求前面。当前，各地正以真招实策厚植产业沃土。上海闵行区打造全国首个脑机接口未来产业集聚区“脑智天地”，约30家脑机接口企业落户于此，“上下楼就是上下游”；广东广州海珠区启动“琶洲脑谷”建设，推动算法产业与脑机接口深度融合；湖北为脑机接口医疗服务定价，明确3个项目收费标准，为未来技术落地服务患者打下基础。

　　脑机接口横跨神经科学、材料、芯片、人工智能、临床医学等多个学科，产业化堵点也分散在审批、定价、支付等多个环节。解决这类交叉融合型未来产业面临的问题，单点突破远远不够，必须出台和落实好全链条政策措施，实现跨部门协同。

　　也要看到，我国脑机接口技术仍面临诸多挑战。植入后如何可靠、稳定、持久获得脑电信号，植入的靶点应该如何选择，如何实现植入体与大脑组织的长期兼容……这些问题依然困扰着专家。闯过这些关卡，关键在于充分发挥新型举国体制优势，坚持“产业出题、科技答题”，在关键瓶颈上集中力量攻关。

　　北京脑科学与类脑研究所牵头，集聚多方力量，系统布局电极、芯片、算法、临床全链条创新，推出“北脑一号”和“北脑二号”两套智能脑机系统，均达到世界领先水平。实践证明，以高效组织体系重塑科研范式，把政府、市场、社会有机结合起来，才能为提高未来产业竞争力汇聚合力。

　　“十五五”规划纲要提出，推动量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等成为新的经济增长点。当前，全球科技创新进入空前密集活跃期，谁先形成“从0到1”的突破，谁就能够在全球竞争中率先掌握产品话语权、产业定义权、博弈主动权。

　　千帆星座在轨卫星超百颗，国产量子计算机操作系统“本源司南”正式面向全球开放下载，人形机器人连续两年登上春晚……以科技创新引领产业创新，探索未来产业发展方向，是激发新质生产力的重要内容和有效路径。全面增强自主创新能力，不断催生新质生产力，我们一定能形成新的竞争优势、赢得战略主动。

　　习近平总书记深刻指出，“颠覆性技术的形成是个厚积薄发的过程”，要求“推动我国未来产业发展不断取得新突破”。通往未来之路，正在以前所未有的方式铺展。稳中求进、梯度培育，以制度的确定性护航技术的不确定性，将更多前沿技术转化为惠及民生的现实生产力，未来产业的蓬勃图景值得期待。]]> <![CDATA[新技术赋能高校课堂教学质量提升]]>
原则遵循：确保技术应用服务于育人根本

　　数字技术赋能高校课堂教学，必须确立清晰的价值坐标与行动准则，以确保技术应用始终服务于育人根本。

　　一方面，应始终坚持“以学生为中心”。高校课堂教学的根本目的在于促进学生全面发展，而技术只是达成这一目标的手段与媒介。尽管数字技术能够提供个性化的学习路径、多样化的信息资源、即时性的数据反馈，但学习过程中内在动力的维系、深度思维的培养、道德品格的塑造以及解决复杂实际问题的能力，始终离不开学生的主动探索、情感共鸣以及与同伴、环境的真实互动。换言之，技术不应试图替代或削弱学习者的主体性，更不能将学生降格为被动接收信息的“容器”或简单回应算法的行为“终端”。真正有效的技术赋能，应当致力于激发学生的内在求知欲与参与感，支持其在自主探究、协作对话及反思实践中建构知识、发展能力、形成价值观，并尊重学生的个体差异与成长节奏，为其提供更多选择权、更大表达空间。

　　另一方面，必须确保教师在育人过程中的核心作用。数字技术能够处理作业批改、学情分析、知识推送等程式化、标准化的教学事务，但教师所承载的价值引导、情感关怀、人格熏陶以及面对复杂教育情境的创造性应对，具有不可替代的独特价值。这种不可替代性，源于教师深厚的人文素养、丰富的教育经验以及对学生成长的敏锐洞察。因此，数字技术赋能高校课堂教学的意义在于，通过人机协同让教师将更多精力投入到启迪智慧、润泽心灵、设计学习体验等更具创造性与人文关怀的育人工作中。

机制保障：构建“政府—高校—社会”多方协同育人模式

　　数字技术赋能高校课堂教学质量提升，需要构建多方协同育人模式，激发多元主体活力、保障流程顺畅、优化资源配置。

　　作为“战略掌舵者”，政府的核心职责在于顶层设计与制度供给。其中包括制定国家与区域层面的教育数字化发展战略与中长期规划，明确各阶段目标、重点任务与责任分工，以发挥“指挥棒”作用；牵头建立教育数据标准、技术接口规范、资源质量标准与数字素养框架，为不同系统、平台、资源的互联互通与规范发展奠定基石，避免形成新的“数据孤岛”和“资源壁垒”；通过专项投入、政策激励与试点示范，弥合区域间、校际间在基础设施、资源获取、应用能力等方面的“数字鸿沟”，引导优质教育资源在公共平台上快速汇聚、有序流动。

　　作为“核心实践场域”，高校的根本任务在于技术的融合创新与政策的落地实施。这需要高校建立跨部门合作机制，形成以学生发展为中心的合作共同体，以确保技术赋能与教学改革在战略、管理与执行层面一体化推进。同时，高校要鼓励以教研室、学科组、项目组为基本单元，围绕具体的教学场景与问题开展协同探索、课例研究与行动反思，打造学科教研与技术深度融合的“实践共同体”，并建立鼓励创新、包容试错、持续完善的教研文化，使数字化创新真正根植于日常教学。

　　社会力量则是“专业赋能者”，其主要功能是技术、资源的科学供给。具体而言，科技企业、专业智库以及公益组织等多方主体，应以其技术敏捷性、市场洞察力与研发专长，通过提供先进、易用且安全可靠的前沿技术工具与基础设施，为教学创新提供技术底座；针对高校的特定场景与需求，合作开发定制化解决方案，推动技术深度融入课堂教学流程；通过汇聚与创造优质数字教育资源，以及工作坊、研修项目等方式为高校教师提供持续的专业发展支持。

路径创新：实现贯穿教学全过程的范式转变

　　数字技术赋能的核心优势在于实现从“经验驱动”到“数据驱动”的教学范式转变，并依托数字教育平台贯穿教学全过程。

　　课前诊断阶段需实现“以学定教”。传统备课多依赖教师的主观经验与对学情的粗略估计，而在数字技术支撑持下，教师可借助智慧学习平台开展前置性学情诊断测评。该测评不仅能检测学生的知识掌握情况，更能通过多维数据分析，精准刻画班级整体与每位学生的认知基础、能力结构及潜在误区。而教师可根据“数字学情画像”，设定分层分类教学目标、筛选适配教学资源、设计差异化教学路径，进而使教学起点从统一“假设”转向个性化“现实”。

　　课中实施阶段应实现“动态优化”。这需要建立覆盖全课堂的伴随式数据采集机制，通过学生端互动响应、在线随堂练习结果、数字协作平台中小组研讨记录等多种渠道，实时感知学生学习投入度、认知负荷与思维轨迹，进而将内隐的学习过程转化为外显的可视化图表。教师可基于此灵活调整教学节奏、变换讲解策略。

　　课后巩固与延伸阶段需实现“个性适配”。数字技术赋能下，系统基于课前诊断、课中表现与课后练习记录等全过程学习数据，可自动生成每位学生的个性化学习分析报告，描绘其薄弱知识点图谱，并定制针对性的巩固练习包。学生据此可以进行精准复习，避免无效刷题；教师则可以从“大水漫灌”式的统一辅导转向“精准滴灌”式的个别指导。更重要的是，这些数据同时为下一轮教学设计的改进提供了持续反馈，识别有效策略与待优化环节，推动教学设计更有效。]]> <![CDATA[AI何以重塑教育生态]]>
从“被动为生产”转向“主动为生活”，办好人民满意的教育

　　人类社会生产力的每一次革命性跃迁，都深刻重塑着教育理念与形态。AI引发的生产力革命，深度广度远超以往。融合AI的机器系统正独立完成越来越多原本需要人类参与的生产任务，人类历史性地从具体生产活动中解放，生产效率大幅提升，人类为生存而被动劳作的天然束缚趋向解除，经济发展的底层逻辑发生改变。

　　因此，AI对教育的重新定义，首先体现在本质层面：它推动教育摆脱对物质生产的刚性依附，回归“人的全面发展”。这要求教育理念必须实现历史性转向：从“被动为生产”转向“主动为生活”。人们参加工作的核心动因，从保障衣食住行、养家育儿，转向个人价值实现与情感意义的追求。人类文明诞生以来，个人发展和社会发展将首次整体性高度统一。正如马克思所预言的，未来社会“将是这样一个联合体，在那里，每个人的自由发展是一切人的自由发展的条件”。数智时代的教育，正是这一愿景的实践载体，与中国特色社会主义教育的人民属性相契合。

从“体系教育”转向“泛在终身”，发展伴随每个人一生的教育

　　教育体系作为社会系统的重要组成部分，由生产力发展水平和社会发展决定。当前的学校教育体系随工业化大生产建立，底层逻辑主要是分工协作与效率优先，目标是“批量输出符合机器大生产需求的劳动者”。随着学科越分越细、学制越来越长，学校教育体系已经难以适应新质生产力和数智时代社会发展的要求。

　　数智时代，知识更迭周期急剧缩短。人类知识翻倍周期从1900年时需要百年之久缩短到2025年的不足70天，预示着“一次性学习”的体系教育模式必然终结。同时，AI在诸多认知任务上的卓越表现，要求教育必须重新锚定人的独特价值与发展方向，培养学习者超越AI的思维能力，推动精准建立自适应学习体系，动态规划个性化学习路径，突破固定学制、固定场所、固定课表的刚性约束，改变“相同年龄、相同内容、相同标准、相同节奏”的体系教育，建立“时时能学、处处可学、人人皆学”泛在终身的学习生态系统。“时时”是贯穿一生的各个阶段，“处处”是覆盖学习者生活所及的每个角落，“读万卷书”“行万里路”是多次交错进行的过程。这将为60岁以上人群人力资源二次开发打开广阔空间，构成“伴随每个人一生的教育”的时代注脚。

从“效率优先”转向“适性发展”，发展平等面向每个人的教育

　　工业社会的底层逻辑基于“资源短缺”，强调“效率优先”，理想是“机会公平”。通过考试，选拔成绩好的学生接受进一步和相对优质的教育供给。这类群体往往能获得更好的发展，其子女也更有可能继承这种优势。从本质上看，这种“公平”重视个体而非整体、重视过程而非结果、重视一时而非长久。长此以往，易导致社会分层与固化。这也是资本主义社会阶级矛盾最终不可调和的根本原因之一。

　　数智时代教育的重心从聚焦服务物质生产，转向主要培育个体基于意义与志趣追逐的自驱力、个性化批判性思维、复杂问题解决能力、人文情怀与伦理思辨能力、情感联结与协作共生能力，以及元认知与终身学习能力等基于个体兴趣与潜质的“因材施教”适性发展模式。需要强调的是，这一转向不是自然而然发生的。通常，掌握智能学习工具的群体将获得“数字红利”，而技术可达性不足的群体则面临“数字鸿沟”，这种公平性困境，暴露了“效率优先”教育在数字时代维护实质公平的先天性机制缺陷。

　　“平等面向每个人”的教育理念，是对传统“机会公平”理论的超越。它要求摒弃“一个模子”的选拔式评价，构建多元、发展性的评估机制，确保每个个体都能在自身禀赋基础上获得充分发展，最终服务于社会整体人才组合的优化与活力的激发，从源头上防止因教育问题导致的社会分化和不平等。

从“技能载体”转向“全人目标”，发展适合每个人的教育

　　工业社会的教育将人视为“技能载体”，而数智时代需要“完整的人”——既具备运用技术的能力，也拥有超越技术的精神维度。这一育人目标包含三重内涵：基础素养（如数智技能、科学思维等）是与AI协作的前提；高阶能力（如批判性思维、创造力等）是人类居于不可替代的社会主导地位的优势；价值伦理（如同理心、责任感等）是避免技术异化的根基。这三重目标的统一才构成“完整的人”的培育逻辑。

　　以分工协作为特征的工业大生产体系，将“自然人”塑造成符合社会生产需要的“技能载体”，人的价值在很大程度上被窄化为社会经济系统中的工具价值，教育内容基于学科被分割为若干相对孤立的聚合。随着人机协同智能时代的来临，教育目的转向“为生活”。“为生活”需要教育超越工具化的知识技能训练，通过教化和文化熏陶，凸显“如何做人、如何生活”的价值意蕴，培养具备丰富内在、懂得审美、具有活力和创造能力、拥有幸福感的完整“生活者”。

　　每个个体都有独一无二的经验、价值信念和认知风格，他们用以感知、理解、影响世界的心智模型也必然存在差异。我们理应据此建构并发展“适合每个人的教育”。

从“刚性封闭”转向“弹性动态”，发展更加灵活开放的教育

　　教育作为社会子系统，必须持续与外部环境进行物质、能量、信息交换，才能避免陷入熵增与僵化状态。在经济全球化与技术革命背景下，教育的开放性体现为三重维度：一是空间开放，打破校际、区域乃至国际壁垒，打通数字空间与现实物理空间，构建畅通的一体化协同发展网络；二是主体开放，以学习者为主、教育者为辅，吸纳家庭、企业、社会机构、智能体等参与教育过程；三是内容开放，教育应源于真实经验，始终与社会进步同频共振。

　　构建“更加灵活开放的教育”，核心是构建弹性学习生态，突破传统教育时空固化与学段割裂的局限。从科学逻辑看，人类认知发展是一个持续建构的过程，学习应贯穿生命全程，而非局限于青少年阶段。在实践中，需实现三重突破：一是时间弹性，允许学习者根据人生节点自主规划学习周期；二是内容弹性，在内容组织上实现从结论供给到意义探寻的转变，课程决策上实现从专家主导到多元共建的转变；三是方式弹性，融合知识获取与实践体验，实现“读万卷书与行万里路”的有机结合，让学习成为伴随成长的自然过程。

　　人工智能赋能教育变革，本质上是新质生产力驱动教育形态迭代升级的历史必然，更是加快我国建设教育强国、办好人民满意教育的战略机遇。从推动教育回归“人的全面发展”本质，到构建泛在终身的学习生态，从实现“适性发展”的教育公平，到培育“完整的人”的育人目标，人工智能为破除传统教育桎梏、重塑教育现代化格局，不仅定义了新的内涵，而且定义了全新路径。这要求我们必须立足国家发展战略全局，以超前意识谋篇布局，将人工智能与教育深度融合纳入教育强国建设整体规划，锚定“伴随每个人一生、平等面向每个人、适合每个人、更加开放灵活”的教育愿景，推动教育理念、体系、制度、内容、方法、治理全方位革新，让教育更好承载起厚植人民幸福之本、夯实国家富强之基的时代使命。]]> <![CDATA[2026人形机器人半马约四成团队采用自主巡航模式，明日开跑]]> IT之家 4 月 18 日消息，据北京亦庄公众号，昨天，2026 北京亦庄人形机器人半程马拉松大本营内，100 余支境内外赛队正做最后冲刺。本届赛事规模与难度双创新高。
中国电子学会副秘书长梁靓介绍，今年半马约四成团队采用自主巡航模式，各队水平普遍提升。同期举办的勇士挑战赛设 17 项障碍，考验机器人在复杂地形下的应变能力。多个队伍既跑半马，也参加勇士挑战赛。梁靓说，勇士挑战赛设置了窄桥通行、抗洪筑坝等科目，模拟工业巡检与抢险救援场景，检验机器人在极限环境下的真实能力。

IT之家注意到，2026 人形机器人半程马拉松将于 4 月 19 日上午在北京亦庄鸣枪开跑。本届赛事以“亦马当先”为主题，起点设于北京亦庄通明湖畔的科创十七街，终点为南海子公园，全长 21.0975 公里，赛道融合城市主干道、国际汽车赛事路段与公园生态场景。
赛事设立自主导航组和遥控组，采用混合计时方式在同一赛道竞技，自主导航赛队以比赛净计时加上罚时作为完赛成绩，遥控组赛队则初定以比赛净计时成绩乘以 1.2 系数加上罚时作为完赛成绩。同时，严格规定遥控导航操作人员非必要不下车，取消人员跟随，从规则层面鼓励和引导更多赛队实现自主完赛，推动机器人在环境感知、实时决策与持久稳定运动等核心能力上取得突破。
站内换电将在裁判监督下完成，不罚时，但耗时会计入赛事总用时；站外换电仅限电池突发故障等紧急情况，第一次罚时 5 分钟，第二次 10 分钟，逐次累加。更换机器人有次数限制和罚时，全程最多 2 次，第一次罚时 15 分钟，第二次罚时 20 分钟。自主导航组的人工干预，限起跑启动、补给站换电辅助、紧急超越避障、故障应急停机四类场景，违规干预累计超过 3 次将自动转为遥控组核算成绩，需乘以 1.2 加权系数。
在比赛中，机器人出现跌倒、碰撞与故障处置等情况，将遵循分级处理、安全优先的原则来处理。轻微失衡停滞的话，需机器人自主恢复，严禁人工辅助；如果倒地停滞，需要申请后移至安全区进行处理，仅允许扶正、重启、清理、降温，禁止换电、修零件、改参数等操作；如果出现严重结构性故障，需立即移离赛道，可更换备用机器人或退赛，禁止现场拆解维修。
赛事还创新增设“最佳续航奖”“最美步态奖”“最佳设计奖”“最佳感知奖”等专项奖项，引导机器人在长续航、拟人化、动态环境适应等方面实现技术突破。组委会将对完全自主奔跑完成半程马拉松的优异赛队，协助申报吉尼斯世界纪录。
]]> <![CDATA[机器人将在2030年涌现群体智能]]> 消化了全球2/3的互联网文本语料后，ChatGPT产生质变。如今，训练GPT-5这样领先的语言模型的语料已达100万亿词元，相当于一人以一分钟150个词的语速不间断说话100亿小时。
我们可以做一个大胆的推论：当物理世界的数据达到临界点，具身智能也将迎来自己的“GPT时刻”。然而，全球具身智能行业的高质量真实数据仅在50万小时规模。
今年以来，物理真实数据赛道明显开始加速。鹿明机器人的无本体数采方案将采集效率提升5倍，今年有望达到100万小时规模的具身真机数据产能。觅蜂科技则将今年目标定在千万小时级数据产能，2030年更要实现百亿小时级数据产能。
一家“卖铲子”的新物种企业
市场对数据的需求怎么样？如何规避数据隐私风险？数据采集可以众包吗？……在智元合作伙伴大会的一场群访上，问题像潮水一样涌向觅蜂科技董事长兼首席执行官姚卯青——对于这样一家物理数据的“新物种”企业来说，大家对它的技术、前景、商业模式都很陌生。

觅蜂科技董事长兼首席执行官姚卯青。
摩根士丹利预测2050年全球具身智能市场规模将达5万亿美元，这么大的赛道，此刻却被一个最基础的问题“卡脖子”——数据荒漠。当下大部分团队还在拼命采集数据时，觅蜂科技却致力于将自己打造成一个集自研硬件、数据治理平台、规模化产能网络和质量闭环体系于一体的平台。
之所以这样布局，是因为物理数据的匮乏主要由3个问题造成，即没数据、数据差和数据不流通，单靠数据采集解决不了问题，需要有人打通其中环节，而串联“全栈”正是有着智元基因的觅蜂的长板。
平台的定位在商业上也是一招妙棋。姚卯青说：“AI产业链的规律一再证明，卖铲子的人往往最先实现商业化，且最具可持续性。”
但目前这个市场还太早期了，供给和需求两边都还没成规模。所以，觅蜂同时发起蜂巢数据共创行动，联合上电科、国家数据标委会、工信部赛迪研究院等一起行动，而北京国地、上海国地、灵初、光轮智能等几十家机构是首批参与方。
从“无本体采集”到“数据代工厂”
国内真机遥操数据交易均价在每小时500元至1000元水平；而无本体采集数据由于尚未形成规模化产能，早期报价甚至高于真机，达到每小时1000多元。整体高昂的成本极大限制了行业的规模化探索。
无本体采集的痛点是采集端和部署端的硬件差异太大，中间要做大量算法补偿才能把数据用起来。

觅蜂采用“同构设计”策略——MEgo系列在硬件布局上与智元机器人的精灵G2 Air保持高度一致。这意味着，人类采集的数据几乎可以无损地迁移到机器人身上。再加上数据治理平台，原本需要大量人工干预的标注、清洗和格式转换工作，如今实现自动化，标注效率提升10倍以上。
在产能层面，觅蜂采用“自营样板+加盟共创”的轻资产模式。它像“数据代工厂”一样管理产能，输出标准和技术，吸纳加盟伙伴建设采集基地，甚至它还在探索“美团骑手”式的规范化众包模式。按照规划，今年觅蜂将投入约1万台采集终端，实现1000万小时的年数据产能。数字上的突破意味着物理AI的训练数据将从“手工作坊”时代迈入“工业化流水线”时代。
把握具身智能“核爆点”
就在觅蜂举办发布会的同一天，它石智航宣布完成超4.5亿美元Pre-A轮融资，创下中国具身智能有史以来最高单轮融资纪录，这笔主要投向两个方向：大脑和人才。
而在不久前，上海人工智能研究院联合国内头部芯片企业和具身智能厂商发起成立“人形机器人AI软硬件生态融合工作组”，启动“具身智脑”中国方案。
这些案例都在证明，“机器人大脑”正成为具身智能赛道的核心命题。如果相信参数越多、性能越好的“尺度定律”同样作用于具身智能，那么，就应当相信数据采集与转化是大脑突破的关键。

元苼计划现场启动仪式
姚卯青判断，从数据角度来看，当前具身智能行业仍处在确立技术路径的早期，相当于大模型在变形架构刚提出的2017年至2018年阶段。目前机器人的能力多局限于单一场景的模仿学习，尚未形成具备思维链和长程规划的自主适应能力，距离真正出现类似“ChatGPT时刻”，预计还需4到5年的演进时间。
如今初步完成“部署态”的智元也公开了下一步目标：未来5年为部署增长期，数据飞轮驱动机器人生产力水平达到人类水平，出货量保持较快增长。2030年后，机器人在制造、物流、服务等领域的生产力或全面超越人类，群体智能开始涌现，释放万亿元级市场潜力。
]]> <![CDATA[在上海，具身智能率先迈向生产力“拐点”]]>

4月17日，2026智元合作伙伴大会在上海举办，有超2500位来自34个国家和地区的合作伙伴参会。今年以来，多项全国AI领域标杆活动接连落地上海，“上海是最懂开发者的城市”成了行业共识。有观点认为，具身智能未来的产业拐点，或许就在上海。
八年迎接智能涌现
“2026年是部署态元年，具身智能正式从‘能动’走向‘会干’。”智元创始人、董事长兼CEO邓泰华表示，去年是具身智能的量产元年，下一步便是走向落地应用，将更多机器人部署到真实场景中。
智元联合创始人、总裁兼CTO彭志辉告诉记者，大规模部署具身智能需要具备三方面条件：大模型突破，解决了机器人“理解世界”的问题，开源生态加速了这一技术迭代；机器人本体可靠性有了保证，智元今年有数万台出货计划，机器人已可实现7×24小时稳定运行；数据层面也非常关键，当部署的机器人越多，采集的数据越多，模型能力越强，行业才能进入良性循环。“这三件事在同一时间窗口同时成熟，构成了具身智能迈向生产力‘拐点’的基础条件。”


智元机器人正在展示分拣工作。
目前，智元机器人正在产线上下料、物流分拣、导览导购、零售服务站、安防巡检和工商业清洁等七大生产力场景中验证。比如将机器人引入3C数码和上汽工厂的真实产线中常态化运营，物流分拣等方案也已经跑通。“当机器人能自主干活、独立创造价值，它就成为物理AI世界真正的生产力。”邓泰华表示，智元正在推动行业从“卖机器人”转向“交付结果”。
如何增加“交付结果”的确定性？他也给出了答案：“只有实现了一体三智，机器人才能够像人一样，不仅四肢发达，还能头脑灵活，不仅能说会道，还要干活利索。”
记者了解到，“一体”即稳定可靠、高上限、低成本的本体，是具身智能的物理载体。“三智”则包括运动、交互和作业三大智能。运动智能作为基础智能，承担物理载体的执行器功能；交互智能作为高阶智能，为情绪价值入口，提供服务生产力；作业智能同样是高阶智能，作为劳动价值引擎，提供劳动生产力。
“智元成立三年实现生产力入门，五年实现生产力落地，八年迎接智能涌现。”为了实现“智能涌现”的愿景，智元宣布启动“元苼”生态发展计划，未来五年投入不低于20亿元，用于科研创新、人才培养、伙伴发展与开发者社区建设。
半小时供应链
今年以来，上海密集落地多场AI领域重磅活动，每一场都有明确数据、真实成果支撑，尽显产业硬实力。
就在一个月前，2026全球开发者先锋大会在上海徐汇落幕，近5万名开发者线下参会，200家全球开发者社区、800家新锐企业齐聚。商汤科技、MiniMax、阶跃星辰等展示本土大模型技术成果，实打实推动全球AI创新资源向上海汇聚。
紧接着，2026小红书黑客松巅峰赛随之而至。200名来自全球高校、科技企业的顶尖创客参赛，48小时封闭开发完成上百个AI创新项目，精准吸引全国青年AI开发者扎根上海、落地创意。

海外用户正在试乘机器狗。
不止于此，今年以来，上海AI领域接连落地标杆活动，每场活动都紧扣产业落地和技术突破。
上海要打造具身智能的链主高地，绝非一句简单的口号。
产业规模上，上海AI企业产业规模超6370亿元，同比增速达39.5%，备案生成式AI服务达149款，数量位居全国前列。人才集聚上，目前上海市人工智能人才规模近30万人，约占全国三分之一。算力和人才阵容堪称全国顶级。
具身智能赛道，上海已集聚100余家具身智能相关企业，其中人形机器人整机企业超30家。智元机器人刚刚实现第1万台通用具身机器人“远征 A3”下线，从去年12月的5000台到今年3月的1万台，仅用3个多月完成产能翻倍，刷新全球人形机器人量产速度纪录。
英国智慧城市咨询公司CEO伊恩·普尔福德告诉记者，他此次来上海，是为了看一看中国的机器人到底有多强。“我当然喜欢看机器人跳舞，但我更想看机器人在真正工作，甚至改变整个世界。”现场展示的物流分拣机器人、导购机器人让他目不暇接。
来自东南亚的机器人先生公司创始人爱德温·叶，同样震惊于上海扎实的具身数据基础。“我看到智元发布的便携数据采集设备非常惊讶，它把机器人训练场地搬到了每个人的日常生活中。”爱德温·叶打算今年进口十几台机器人去马来西亚创建数采中心，服务当地的商超等零售行业。
当前，上海已初步形成具身智能产业 “半小时供应链”，张江机器人谷、张江人工智能创新小镇等集聚了上百家核心零部件企业，构建起完整的产业协同生态。
从全球开发者、顶尖科学家到青年创客，从龙头链主企业到专精特新配套“小巨人”，今年的上海，用一场场有成果的重磅活动，持续巩固人工智能与具身智能链主地位。
一个人机协同、智能共生的新时代，正从这里加速驶来。
]]> <![CDATA[“有了AI，人们却过得越来越累了”]]> 技术成新的枷锁。
听筒Tech（ID:tingtongtech）原创
文 | 陈 珂
编 | 饶 言
2026年的春天，科技圈的风向变得比以往任何时候都快。 然而，在AI带来前所未有的效率革命的同时，并没有给人带来应有的工作上的“减负”。 相反，在社交平台，不管是普通的打工人，还是那些光鲜的“一人公司”老板，纷纷表示，“觉得自己变得越来越累了。” 这种累，不是传统意义上的“996”的体力透支，更是一种被技术裹挟后的狂奔。 诸如，“一人公司”概念火了。可现实是，不少尝试者发现，自己扛起了CEO、产品、运营、客服、财务全部角色，“007成了标配”。 再看AI工具本身。 还没养明白OpenClaw，Hermes Agent就火了；千问Qwen3.6-Plus刚发布，智谱就带来了GLM-5V-Turbo；紧接着，DeepSeek V4也官宣即将带着百万级上下文入场。 AI的迭代速度，正在以一种近乎残酷的方式，碾碎普通人的学习能力和信心。在社交媒体上，现下最流行的梗不再是“AI帮我摸鱼”，而是“还没学会就过时了”。 更荒诞的是，为了证明自己还有用，人们开始被迫“刷量”。在一些大厂，Token使用量甚至成了继工资、奖金、股权之后的“第四种薪酬”。为了证明自己职位的不可替代，打工人不得不亲手教AI如何“Skill”自己。 这就像一场没有终点的马拉松，市场以为自己在驾驭AI，但在绩效的指挥棒下，年轻人更像是在为AI打工。 这不仅是一个商业现象，更是一个社会化的情绪问题。《听筒Tech》和年轻人聊了聊，试图看到AI浪潮下，2026年真实的个体。
-01-
创业者：“一人公司”的光鲜和焦虑
林姐，80后，曾在互联网大厂做到P7。出于“想去外面闯一闯”，2025年底，她辞职，刚好赶上了“一人公司”的浪潮。 用林姐的话说，她的武器库很全，Claude、DeepSeek可以写方案，Midjourney出设计，数字人做直播，一个AI客服团队24小时在线。 林姐表示，起初，她确实很“爽”。以前需要一个团队两周完成的项目策划，她一个人两天就能交付。客户夸她“高效”，朋友羡慕她“自由”。
但到了2026年春天，林姐发现自己陷入了一种前所未有的疯狂。 早上7点，她被AI舆情监控叫醒，某平台一条差评需要她以“CEO”身份亲自回应。9点，作为“产品经理”，林姐需要调教三个AI模型对比数据。11点，她要切换到“运营”模式，用AI生成短视频脚本，再修改，因为AI写的“没有人味儿”。 下午，林姐要化身“客服总监”，处理AI客服解决不了的复杂投诉。有时，还要作为“财务”，核对AI自动生成的报表，发现错误并修正。晚上，林姐还得当“技术”，调试新接的API接口。 “以前是996，现在是007，而且没有下班的概念。”林姐苦笑，“因为AI不睡觉，所以我也不能睡。客户深夜发来一个需求，AI秒回了，我假装看不见，也不太好。” 更让林姐焦虑的是，她发现自己正在“碎片化”。 比如，林姐不再有完整的时间，而是在不同的角色之间像走马灯一样切换。她的注意力被切成无数个细小的片段，每几分钟就要处理一个“AI留下的尾巴”。 “一个人干出了千军万马的气势，最后却发现，我只是这架庞大效率机器上一颗磨损最快的齿轮。” 林姐坦言，“招人是最快速的解决方式 ，但前期创业，我资金不够，只能且走且看。先坚持，坚持到自己扛不住为止。”
-02-
大厂算法工程师：被Token和Skill“裹挟”
90后李明是某大厂算法工程师。按照他所说，他所在的事业部，从2026年Q1开始试点一项新制度，“Token薪酬包”。 简单说，每个员工每个月的绩效，不仅看你产出什么，还要看你“调用”了多少AI算力。Token使用量，被内部戏称为“第四种薪酬”，排在工资、奖金、股权之后。 起初，李明觉得这很合理，“用AI越多，效率越高嘛。” 但很快，味道就变了。事实是，为了证明自己“物有所值”，甚至“不可或缺”，同事们开始了一场Token竞赛。 原本一个需求，自己写代码200行，调用5000个Token就能搞定。现在，大家开始用AI生成超冗余的代码，反复让AI优化、注释、重构，“只为把Token量刷上去。” 更荒诞的是“Skill”自己。公司要求每个员工要训练自己的AI Agent，让它学会你的技能，以实现数字孪生。于是，李明不得不每天花不少的时间，手把手地教AI如何写他擅长的那种代码，如何复现他的调试思路。
“我在教一个东西怎么替代我。”李明说，“而且公司还将这个‘教学成果’纳入考核，如果Agent不够像你，说明你知识沉淀不足。” 如今，李明每天的工作变成了，早上教AI干活，上午用AI产出海量代码，下午给AI的代码纠错，晚上再写报告，证明自己的Token使用量。 “以前累，是身体累。现在累，是心累。感觉自己在跟一个影子赛跑，而影子的起跑线，永远在你前面五米之外。”
-03-
AI产品经理：还没学会，应用就过时了
00后陈晨是刚入行两年的AI产品经理。从上班开始，她就在补AI知识，截至目前，她的书架上有20多本AI相关的书，浏览器收藏了数不清的教程链接，电脑里也存着十几个版本的模型说明文档。 但陈晨还是觉得“要疯了”。 2026年开年后的这几个月，她刚花了半个月时间，将OpenClaw的用法摸清楚，写了篇内部培训文档；这两天，Hermes Agent又爆火，老板让她一周内出一份竞品分析。 “另外，这个四月底，DeepSeek V4也官宣要上了，据说上下文窗口大得吓人。”陈晨坦言，“自己的学习速度，永远追不上模型的迭代速度。” 实际上，陈晨每天的通勤时间都在听AI相关的播客，午休时间在刷AI论文摘要，周末还要参加线上研讨会。她的微信群列表里，几十个AI社群的消息永远标着红点。 不过，最让陈晨崩溃的，是那种“还没学会就过时了”的无力感。 比如，上周陈晨刚花了一周时间学会了一个AI绘画的工作流，这周就出了一个新模型，效果更好、速度更快，而且操作逻辑还不同。 “以前学一个软件能用三年，现在学一个AI技能能用半个月就不错了。”陈晨说，“感觉自己不是在成长，而是在被AI浪潮裹着跑，停不下来，一停就会被拍死在沙滩上。” 陈晨表示，晚上做梦都是各种模型版本号在打架。她自己也认为，这是“认知过载”，应该减少信息摄入。 “但不摄入，明天就跟不上了。”陈晨表示，这是现实，虽然它很残忍。
-04-
广告公司职员：效率提升了，加班却更多了
85后赵姐，任职某广告公司。她所在的公司很早就拥抱AI，用AI写策略、出创意、做PPT，效率提升了不少倍。 按照道理，效率高了，应该能早下班了，现实却恰恰相反。 “因为AI把整个行业的‘期望阈值’拉到了一个离谱的高度。”赵姐坦言。 以前，一个方案做三天，客户觉得正常。现在，AI十分钟就能生成一个“看起来像模像样”的初稿，客户就觉得“你应该一天出十个方案”。
更要命的是“技术羞辱”和“工作泔水”的循环。 甲方现在也用AI写Brief，Brief写得天花乱坠、气势磅礴，但仔细一看，全是AI生成的空话套话。 赵姐不得不用AI来分析这个AI写的Brief，再用AI生成方案，最后用AI检测方案的“AI率”并手动修改，将“AI率”降到客户要求的20%以下。 赵姐说，“我们双方都在用AI生产大量的、无意义的、应付流程的材料。这就像工作泔水，看起来有一大桶，实际上没什么营养。” “AI没有替代我，它只是把我变成了一个AI校对员，兼Prompt工程师兼流程合规员。”赵姐说。 “我的工资没涨，但工作变成了给AI打工，就像一条高速公路，修得越好，车流量越大，堵得越死。”
写在最后
回到最初的问题，为什么有了AI，我们却越来越累了？ 一个残酷的答案是，技术从来不是中立的。当技术被用来“提高效率”，而“效率”又被定义为“单位时间内创造更多价值”时，技术就成了加速器。 这也是经济学中边际效益的典型表现，它呈现了一个残酷的曲线， 技术的初期红利让人欣喜，但很快被资本抹平，被消耗的是人的时间、精力、创造力以及幸福感。 于行业而言，仍需要外部力量来干预。诸如欧盟《人工智能法案》已经明确提出，企业引入AI系统时，必须评估对劳动者权益的影响。 也就是说，AI带来的生产力提升，应该通过政策、社会保障等分配机制，让社会共享红利。 一定意义上，技术的每一次进步，都在迫使市场拟定新的社会契约。 （应讲述者需求，文中均为化名。） （头图和部分配图由AI生成。） （声明：本文仅作为信息交流，不构成任何投资参考建议。）
—END—
]]> <![CDATA[OpenAI 与 Anthropic，是兄弟就来砍我]]>

图片面对 Bro 一定要围追堵截，痛下杀心。

作者 I 薛星星

编辑 I 张文

封面 I Nano Banana 生成

中国人最爱讲兄弟情谊，但往往兄弟最是心狠。古有玄武门之变，今有东哥不配做我兄弟。快手主播们喜欢讲“老铁”，说的就是铁哥们，但直播带货坑得最狠的就是老铁，关系越铁越是痛宰。

除了东哥，科技大佬们都很少谈兄弟。可能因为他们都明白兄弟情可贵，期权价更高。俞老师对此应该深有体会，不光十几年的老哥们没法处，小兄弟更是靠不住。

西洋人兄弟喊得少，感情最是淡薄，大概也只有语言不通的黑哥们喜欢说 Bro。Bro 长来 Bro 短，再经本土嘻哈老铁发扬光大，导致现在连小红书的姐妹们也说起了 Bro——用来和 Bro 们整天嘲讽的“集美”对冲。

真正的 Bro 从来不把 Bro 挂嘴上，都是暗地里递刀子。OpenAI 创始人 Sam Altman 可能是现在世界上最明白 Bro 杀伤力的人，什么挚爱亲朋、手足兄弟，一个个都是嘴上说得漂亮。面对 Bro 一定要围追堵截，痛下杀心。

昨晚，Sam Altman 曾经的 Bro、现在的仇人 Dario Amodei 对外发布了 Anthropic 的最新旗舰模型 Claude Opus 4.7，距离其上次模型发布仅仅过去 2 个多月。

图片Anthropic 发布 Claude Opus 4.7

但考虑到过去几天来社区中已经有不少反映 Claude Opus 4.6 降智的讨论，大家对新模型的发布不算意外。当然，中文 AI 媒体们依然稳定发挥，又是 7 亿人要失业了。

真正令人意外的是，在 Claude Opus 4.7 发布仅仅两三个小时后，OpenAI 就宣布了旗下代码应用 Codex 的大幅更新，宣称“Codex for（almost) everything.”（Codex 几乎无所不能。）

图片OpenAI 发布 Codex 更新版本

不仅如此，不少 ChatGPT 用户还发现，OpenAI 还在大范围内测 GPT-image-2 模型，效果颇令人惊艳，X 上到处是 GPT 生成的女主播截图。

老实说，4 月 16 日并不算是一个特别重要的日子，无论对于 OpenAI 还是 Anthropic 都没有什么纪念意义。OpenAI 赶着 Anthropic 新模型发布的当天官宣 Codex 新版本上线，颇有些叫板抢风头的意味。加之这次 Claude Opus 4.7 的性能不太令开发者们满意，Codex 的对垒更新似乎更有效果。

图片不少开发者发现，Opus 4.7 无法识别洗车陷阱

暂且忘掉那些中文 AI 媒体们的无脑吹捧，Claude Opus 4.7 并不是一次全方位的模型迭代。Opus 4.7 的升级更多集中在代码编程、视觉能力以及 Agent 工作流方面，但部分指标也会弱于上代模型 Opus 4.6，和 GPT-5.4 以及 Gemini 3.1 Pro 相比也是打得有来有回，尚不具备压倒性优势。

甚至 Anthropic 自己也承认，Opus 4.7 并不是他们性能最强大的模型，他们最引以为傲的还是尚未发布的 Mythos Preview。

图片Anthropic 称尝试了多种方法降低 Opus 4.7 的网络安全能力

但由于 Mythos Preview 实在过于强大，Anthropic 认为贸然发布“将对经济、公共安全和国家安全造成严重后果”，他们决定只暂时只开放给少数合作伙伴测试。最新发布的 Opus 4.7，则是他们有意降低了网络安全能力的版本。

与之相比，OpenAI 虽然秉持了一贯的拖沓节奏，也没有什么新模型发布，但由于 Codex 的最新更新融入了包括后台电脑控制、内置浏览器、记忆功能以及大量插件的接入，反而令不少开发者感到欣喜，还有人称呼这就是电脑版的豆包手机。

有人戏称，这可以看作是“龙虾之父” Peter Steinberger 对 Anthropic 的复仇。Steinberger 最早发布龙虾项目时，曾将其命名为 Clawdbot，但后续遭到 Anthropic 的商标投诉，才最终改名为 OpenClaw。今年 2 月，OpenAI 将 Steinberger 收入麾下。Codex 的最新更新中，也有不少 OpenClaw 的影子。

前段时间 Anthropic 仿若生产队的驴，几乎两天一个新功能上线，压着 OpenAI 抬不起头。这次 OpenAI 赶在 Anthropic 新模型发布的日子更新 Codex，算是抢足了风头。

Sam Altman 似乎也终于从袭击的阴影中走出，还有空在社交媒体上调侃 Codex 负责人 Thibault Sottiaux，“我很高兴大家都在转向 Codex，但是 Tibo，如果你开始限制我的速率或者让我使用更差的模型……”

图片Sam Altman 推文

不了解内情的看客们可能不太明白 OpenAI 与 Anthropic 之间相爱相杀的虐恋关系。Anthropic 的创始人 Amodei 兄妹最早就是 OpenAI 的高管，哥哥 Dario Amodei 曾任 OpenAI 的研究副总裁。

但在 2021 年，Amodei 兄妹和 Sam Altman 对 OpenAI 的发展方向产生分歧，协商无果后愤而退出，转头创立了 Anthropic。

用一句我们中国人熟悉的说法，Anthropic 可以看作是 OpenAI 分家后的亲兄弟。毕竟除了 Amodei 兄妹，Anthropic 的早期创始团队也几乎全部来自 OpenAI。

就像所有分道扬镳的兄弟一样，Anthropic 自成立以来就与 OpenAI 势如水火，处处都不对付。这其中固然有创始团队的理念差异，但类似两家这般针锋相对、一路缠斗，却也是罕见。

比如今年年初，Anthropic 和美国国防部不对付，谈判破裂后惨遭特朗普政府封杀，损失数亿美元的合同。此后不久，特朗普政府还将 Anthropic 直接评定为“供应链风险”。这是首个被定为“供应链风险”的美国本土企业，满脑子中国威胁论的 Dario Amodei，终于也体验了一把中国公司的待遇。特朗普的原话更粗俗些，“I fired（them）like dogs.”

按理说，面对特朗普政府的铁拳，本该是美国 AI 同仁们联合起来、与万恶的资本主义政府斗争的时刻。但就在 Anthropic 谈判破裂的几小时后，Sam Altman 就对外官宣 OpenAI 已与美国国防部达成合作。OpenAI 在新闻稿中还专门强调，和 Anthropic 此前的合作协议相比，他们的方案拥有更多的安全防护措施。

图片Sam altman 宣布 OpenAI 与美国国防部达成合作

什么是真兄弟？真兄弟就是要在兄弟有难时挺身而出，再插兄弟两刀。Anthropic 创始人 Dario Amodei 对 OpenAI 这番趁虚而入的行为大为光火，他在公司内部嘲讽 OpenAI 的表态是虚伪、作秀，还称 Sam Altman 的一些公开言论是赤裸裸的谎言和精神操控。

也不能只怪 Sam Altman 对旧日兄弟下手太快，Anthropic 自身也不是什么善茬，Dario Amodei 整天明里暗里的没事儿就要嘲讽 OpenAI 两句。

比如去年末，Sam Altman 因为 Gemini 的威胁在公司内拉响红色警报后，Dario Amodei 很快对外表态，称 Anthropic 不需要靠红色警报来推动产品发布。他还反讽行业里某些公司“YOLOing”（孤注一掷），盲目过度建设数据中心——外界普遍将此看作是对 OpenAI 的大规模投资的批评。

今年初，Anthropic 首次在美国超级碗打广告，更是直接对着 OpenAI 贴脸开大。在超级碗的广告中，Anthropic 中描绘了一个未来 AI 广告无缝侵入人们生活的场景。比如当你在公园里询问一个人如何锻炼时，对方在进行了一番 AI 式的机械回答后，忽然毫无征兆地念起广告语，开始推销某款鞋垫产品，颇有些《黑镜》剧集的味道。

广告最后，Anthropic 打出一行大字，“Ads are coming to AI. But not to Claude.”（广告正涌向 AI，但 Claude 除外。）联想到 OpenAI 刚刚开始在 ChatGPT 中加入广告功能，Anthropic 针对的是谁，想必也不用赘言。

图片

Sam Altman 不打自招，愤而在 X 上更新一条数百字的推文，强调“我们显然不会以 Anthropic 描绘的方式投放广告”。他称，用一则带有误导性的广告去批评那些根本不存在、只是假设中的误导性广告，的确很符合 Anthropic 一贯的双重标准。

图片Sam Altman 推文

两位昔日的好兄弟、亲 Bro 几乎已到了反目成仇的地步，有时候两位老大哥连表面功夫也不愿做，哪怕同时出席活动，也绝不产生肢体接触。

今年 2 月的印度 AI 峰会上，有一个全球科技领袖牵手大合照的环节，与会者需要手牵手高举双臂来彰显团结。好巧不巧，Sam Altman 和 Dario Amodei 正好站在一起。二人都默契地没有牵手，只是肘碰肘，各自握拳高举。据称，二人全程零对视、零接触。

现在，随着 OpenAI 和 Anthropic 都相继加速筹备 IPO ，两家公司的竞争和对垒更日趋白热化。那些宣传营销、产品更新以及创始人之间的口水仗只能算是小打小闹，争夺“美国 AI 第一股”才是刺刀见红。

过去一段时间，美国媒体们不断跟踪报道二者的上市筹备进展，二者的一举一动都牵扯到潜在投资者们的信心。

这边 Anthropic 刚刚宣布公司年化收入已超过 300 亿美元，就被媒体们解读为 Anthropic 已经反超 OpenAI。OpenAI 高管 Denise Dresser 忙不迭地对内澄清，指责 Anthropic 故意夸大收入，将云服务商的分销收入也都一并计入收入总额，导致年化收入被高估了约 80 亿美元。

如果不出意外，OpenAI 及 Anthropic 都将在年内迎来 IPO，这可能是有史以来最大规模的 IPO，没有之一。在最终的 IPO 大考到来前，OpenAI 和 Anthropic 之间的斗争只会越来越激烈。

只有在某些特定的时刻，OpenAI 和 Anthropic 才会肩并肩地站在一起。

今年 2 月，Anthropic 对外指责 DeepSeek、月之暗面以及 MiniMax 三家中国大模型公司对自家的 Claude 模型发动“工业级蒸馏攻击”。同一时期，OpenAI 向美国国会提交的报告中，同样指责 DeepSeek 通过混淆手段蒸馏 GPT 系列模型。

两家还真的都是美国好 Bro，关起门来干架，打开门来统一战线。

]]> <![CDATA[我国牵头、两个突破！具身智能领域首个国际标准成功立项]]>

记者今天从国家标准委了解到，我国在国际标准化组织成功立项具身智能领域全球首项国际标准《人形机器人数据集》，并推动成立了首个由我国专家担任召集人的工作组。

当前，美国、日本、欧盟等主要经济体都将人形机器人纳入国家科技战略，争相布局研发与应用。

国际标准化组织机器人技术委员会国内技术对口单位负责人 王振林：全球机器人领域的话语权大多掌握在发达国家手中。过去，我们往往是跟着别人的标准走，在国际规则面前处于被动适应的地位。这次，我们实现了两个历史性的零的突破。第一个零的突破是人形机器人国际标准制定，第二个零的突破是机器人国际标准工作组建设。

据专家介绍，截至2025年底，全球人形机器人整机企业超过300家，市场的出货量1.7万台左右，规模逼近29亿元。在这个赛道上，我国已经是名副其实的全球第一大市场，拥有140家整体企业，出货量达到了1.44万台，占全球总量的80%以上。

国际标准化组织机器人技术委员会国内技术对口单位负责人 王振林：人形机器人已经成为全球科技竞争的新赛道，而标准的制定权就是这个赛道上最核心的话语权。谁掌握了标准，谁就定义了规则，也就掌握了产业发展的主动权。

此次立项的国际标准，参考了我国在研的人形机器人数据集系列国家标准内容，来自全球主要国家的专家将携手参与该标准以及后续人形机器人领域其他标准的研制。

(央视新闻客户端)

]]> <![CDATA[数据证明的是热度，证明不了价值]]>
　　但近期的现象有一点不同。一些低口碑剧集因为高播放量竟然被行业冠上了“长剧之光”的称号。初看之下令人费解，毕竟豆瓣评分8.3分的《太平年》还没有获得过如此“殊荣”。再一细想，或许可以从两方面解释。其一，数据足够亮眼。在长剧热度走低的行业背景下，超高的播放量成为“长剧仍可出爆款”的有力凭证。其二，模式可复制。像《太平年》这样的优秀作品，往往依赖于特定的创作者、独特的叙事视角、可遇不可求的艺术灵感。这些东西无法被规模化生产，行业可以仰望它，但很难以它为标准去规划创作。而古装偶像剧“流量明星+大IP+成熟的叙事模板”的模式，是可以批量复制的，行业需要这种“我也能做到”的信心。

　　悖论在于，纵观近一两年里热播的古装偶像剧，网友们的批评恰恰集中在它们“太像短剧”——剧情刻意追求强冲突、快反转，为了制造视觉奇观和情绪爆发点，而牺牲情节逻辑和人物动机。事实上，当数据成为剧集的重要评价标准时，长剧短剧化似乎是无可避免的。因为数据考核的是单位时间内能攫取多少注意力，而这恰恰是短剧逻辑的强项。此时，流量明星、大IP、成熟叙事模板等可复制的元素就成了执行这套逻辑时的加速器，让制作更高效、传播更便捷、影响更广泛。

　　需要追问的是：数据为何成为评价一部剧集的重要标准？这是因为我们身处这样一个时代，技术让文化生产的速度，超过了社会消化、评价、保存文化的速度。这种文化滞后在剧集领域体现得尤为明显。首先，生产速度与消化速度脱节。一部剧甫一播出，播放量数据就已经出来了，但它的艺术价值、叙事深度、历史地位，可能需要经过更长时间的确认。市场等不及这个过程，于是用“即时可得”的指标替代“需要时间沉淀”的判断。其次，迭代速度与评价速度脱节。一个热播季过去，下一批剧集已经排好档期。专业评价体系尚未充分展开，市场已经把注意力转向了新的作品。播放量至少能在当下给出一个“结论”，哪怕这个结论是片面的。数据就是这样成为核心标准的——不是因为最准确，而是因为来得最快、最确定、最省事。

　　但爆款不等于佳作，因为数据标准存在一个根本缺陷：播放量可以说明“多少人点了播放”，但无法标识出“看了的人觉得怎么样”。一部剧可以有极高的播放量，同时被观众认为人物扁平、情节牵强、悬浮空洞。这两个事实可以同时成立。同样，流量也不一定能反映观众的真实观看情况。播放量统计的是“观看次数”，不是“观看人数”。一个观众可以贡献几十次播放，不同设备、多集重刷，甚至让剧集在后台静音播放。一个粉丝群体就可以用这种方式让数据变得极其亮眼，但这显然不等于“很多人在看”。这意味着高播放量可能只是少数人的高强度行为，而不一定是多数人的广泛选择。更重要的是，播放量不是纯粹的“观众选择”，它受到平台推荐算法的巨大影响。一部剧是被放在首页推荐位、高频推送，还是需要用户主动搜索才能找到，两者的基础播放量可能相差几个数量级。一部剧的播放量，有多少来自观众主动选择，有多少来自算法强行推送，这是无法区分的。当平台把流量倾斜给某部剧时，高播放量首先证明的是“平台选择了它”，而不是“观众认可了它”。因此，播放量反映的不是大众的选择，而是可被算法放大的行为。用播放量证明观众喜欢，实际上混淆了“被看到”与“被认可”、消费行为与价值认同。

　　回到文章开头提到的古装偶像剧的悖论。当一些剧集因为数据亮眼而被奉为“长剧之光”时，摆在大众面前的问题是：我们到底在为什么喝彩？是为“长剧仍可出爆款”这个事实，还是为这部作品本身？如果是前者，那么任何数据亮眼的长剧都可以获此名号，哪怕它正在用短剧的逻辑改造自己。如果是后者，那么我们需要追问一个更重要的问题：什么样的长剧才配得上“长剧之光”这个名号？是数据最高的那个，还是最能体现长剧独特价值的那个？更进一步追问是，如果一部作品因为数据亮眼而被当作“长剧之光”，而数据亮眼又恰恰来自它对短剧叙事模式的借鉴，那么它究竟是长剧的荣光，还是长剧被数据逻辑改造过程中的一个注脚？

　　答案其实显而易见。但问题不在于数据本身，而在于评价维度的相对单一。数据指标的盛行，有其现实的商业逻辑——平台的运营模式以注意力为核心，播放量自然成为重要的参考依据。当平台日益成为内容分发的主要渠道，这套评价体系随之广泛渗透进行业的价值判断之中。这有其合理之处，但也带来了一个值得思考的问题。如果所有作品都经由同一套坐标系来衡量，叙事的厚度、人物的层次、情感的真实等难以被量化的维度是否会在讨论中退居其次？而恰恰是这些东西，才是我们心目中“长剧之光”真正应该具备的特征。]]> <![CDATA[完善治理 促进智能经济健康发展]]>
　　今年《政府工作报告》明确提出“打造智能经济新形态”，将其列为今年国家经济建设的一项重要任务，标志着智能经济发展已正式上升为国家经济社会发展的重大战略。

　　发展智能经济，既是“十四五”数字经济发展战略的延续，也是数字经济发展战略的升级。为使智能经济成为我国经济社会发展的新引擎、新动能，实现2035年我国全面步入智能经济和智能社会发展新阶段的总体目标，加快培育智能经济新形态意义重大、时不我待。

　　完善人工智能治理与培育智能经济新形态，是一体两面、相辅相成的。从学理来看，治理不仅是“限制”，更是促进；不仅是设置“防火墙”，更要为发展清障、铺路、赋能。促进与赋能，应成为治理的重要功能。因此，在治理结构设计上，既要注重限制型治理结构建设，也要注重驱动型治理结构完善；在治理制度安排上，既要注重规约性制度构建，也要注重激励性制度设计。

　　人工智能治理必须坚持发展与安全并重、治理与促进并举、治理与发展同步。科学的制度设计，必然是限制与激励、控制与引领的有机统一。今年《政府工作报告》提出的“促进开源生态繁荣”“实施超大规模智算集群、算电协同等新基建工程”“加快发展卫星互联网”等打造智能经济新形态的举措，既是为破解“闭源”壁垒、算力分散、“数据孤岛”等难题清除障碍，也是对智能经济发展的激励性政策引领。同时，科学的治理机制在人工智能发展中的重要能动作用不可忽视。人工智能治理中的多元协同共治机制，能够凝聚智能经济发展合力；消费者人工智能素养的培育，旨在夯实智能经济发展的底层基础；“包容审慎”的容错机制，本质上就是激励创新的动力机制。

　　风险防范与监管是治理的核心任务，关键在于以社会治理为主导的传统治理模式，能否适配人工智能这一新技术形态。新的技术经济范式，必然呼唤新的治理范式。

　　人工智能技术已不再是简单的技术工具，而是具有自主学习、自主行动能力的“类主体”系统性存在。与其他技术不同，人工智能本身存在巨大的内在风险。例如，在机器学习过程中，因数据偏差可能导致技术与社会价值脱节的风险，因技术失灵可能产生与客观事实不符甚至虚假信息的风险。应对这些风险，必须依托技术手段提供支撑。

　　防范治理人工智能技术内生性安全风险，需要相关技术的开发与应用提供保障。在安全风险社会治理方面，我国已积累了较为丰富的经验。当前的重要任务是对安全风险社会治理相关的法律法规、政策制度、应用规范、伦理准则进行系统整合和进一步完善。有两点值得特别重视：一是伦理准则问题，二是安全风险责任主体问题。传统治理准则建立在“勿为恶”的基础上，留下了非善非恶的巨大灰色空间，而“AI偏见”等现象进一步模糊了伦理边界。我们应确立“智能向善”的新伦理准则，明确伦理边界，推动人工智能更好造福人类。由于人工智能的“类主体性”容易造成责任主体认定模糊，必须坚持以“人”为责任主体的归责机制与问责制度，这一原则不可动摇。

　　完善人工智能治理，是加快培育智能经济新形态、促进人工智能健康有序发展的重要保障。我们要在智能技术与智能经济的动态演进中，持续完善人工智能治理，在统筹发展与安全中，稳步迈向智能经济发展的美好未来。]]> <![CDATA[光子芯片，破解算力之困[3P]]]>
　　应用光互连技术的昇腾384超节点。

　　

　　光子芯片中试线上的湿法工艺。
　　当下，人工智能和大模型加速演进，算力已成为科技发展的战略制高点。然而，传统电子芯片受限于数据流动的速度，正在成为算力提升的瓶颈。当前，以光替电、光电融合的新型芯片——光子芯片技术正在兴起，并逐步走出实验室，为打造更高速、更节能的算力底座提供新方案。
芯片越来越强，算力“卡”在哪儿
　　打开手机，只需几秒就能用AI工具生成一幅画；输入几句话，智能助手便可对答如流；各种短视频平台能精准捕捉用户的兴趣偏好，推送个性内容……人工智能，正以前所未有的速度走进生活，成为不可或缺的数字助手。然而，这些“丝滑”体验的背后，隐藏着一个日益紧迫的问题——算力焦虑。
　　随着人工智能模型持续扩容，参数规模从千万级迈向千亿级，计算需求以指数级增长。尤其是大语言模型、自动驾驶、图像生成等前沿应用，对芯片性能、数据传输速度与能耗都提出了前所未有的挑战。对此，有业内人士形象地比喻：AI的“聪明”，是在高能耗与热量中淬炼而成。
　　在芯片性能持续增强的今天，为何“算力瓶颈”依然如影随形？
　　实际上，算力瓶颈正在迁移至系统内部的信息传输环节。训练一个大型模型通常需要上千颗GPU（图形处理器）芯片协同运算，而GPU之间的数据传输速度远低于GPU内部的数据处理速度，成为制约计算效率的关键一环。DeepSeek之所以能异军突起，一个很大的原因就是通过底层软件层面的创新，优化了芯片间的传输效率，从而显著提升了大规模模型训练与推理的效率，更推动了行业推理成本下降与技术普惠。
　　然而，系统的性能最终还是要受限于硬件。目前，大多数芯片之间的数据传输仍依赖“电互连”——通过金属导线传递电信号。但这种成熟的方式正面临3个越来越难以忽视的挑战：首先是带宽限制，电信号在导线中传播时易受干扰，速率难以进一步提升；其次是能耗高昂，为维持信号完整性，往往需大量驱动和补偿电路；再次是扩展性差，随着传输距离增长，性能急剧下降。
　　突破之道在何处？科学家将目光投向了“光”——基于光子芯片，将传统用于长距离通信的光信号引入芯片间乃至芯片内部实现“光互连”。这场被称为“光电融合”的技术变革，不仅是通信方式的革新，更有望重构整个算力架构的底层逻辑。
让“光”走进芯片，如何实现
　　“光互连”广泛应用于远距离数据传输中，如跨洲互连、电信骨干网、大型数据中心等。我们对“光互联”并不陌生，比如光纤的入户显著提升了上网速度。受此启发，科学界和产业界提出了一个前沿设想：能否让“光”走进芯片之间，甚至走进芯片本身，去提升芯片尺度上信号传输的速度呢？
　　这个设想衍生出两条关键技术路径：共封装光学和光学输入输出。
　　顾名思义，共封装光学就是将光芯片和电芯片封装在同一个系统中。在传统方案中，光芯片通常和电芯片分开放置，距离较远，需要通过电线/线路板进行连接，存在信号损耗和带宽瓶颈。共封装光学的思路则是干脆把光芯片和电芯片“装在一起”，像拼乐高一样做成一个整体——将光收发模块紧贴主芯片，信号从芯片发出后几乎直接进入光芯片，不再经过长距离电传输，极大缩短路径，降低延迟，提升系统整体能效与带宽密度。共封装光学非常适合用在数据中心的交换机里，是目前许多国内外科技企业重点投入的方向。
　　相比之下，光学输入输出走得更远。这是一种将光互连接口嵌入芯片封装层的设计思路，目标是实现芯片与芯片之间的光互连。光学输入输出不只是传输光信号，更是芯片体系结构与互连机制的一次深层融合。它对设计工艺、封装技术以及光子集成度要求更高，但一旦实现，将大幅提升AI芯片之间的协同效率。
　　如果说共封装光学是让光芯片搬到了芯片“门口”，那么光学输入输出就是让“光的高速公路”直接通进芯片本身。这项技术对集成度、成本和功耗要求更高，但也更适用于AI计算、GPU集群等场景，是下一代芯片架构的重要方向。
　　简而言之，共封装光学把光芯片贴近芯片，让传输更高效。光学输入输出在芯片间开“光路”，为AI模型提速。不管是共封装光学还是光学输入输出，它们的共同目标都是：让数据在芯片之间走得更快、更稳、更省电。
芯片之间有“光桥”，效果如何
　　近年来，随着硅光子集成工艺不断成熟，“让光走进芯片”的设想正加快变为现实。国际上的半导体巨头企业正加速推进“光互连”技术布局，例如，国际知名企业就发布了“光速网络引擎”——硅光共封装光学交换机：Spectrum-X和Quantum-X。以Quantum-X为例，它每秒能传输115万部高清电影的数据，却比传统方案省电65%，相当于一座中型城市全年的路灯耗电。国内尽管在这一领域起步较晚，但近年来科研与产业力量快速发展，已在多个关键技术上达到国际先进水平，未来有望成为颠覆芯片行业的关键。
　　近年来，笔者所在团队在硅光子芯片上实现了60Tbps高相干光互连链路，展示了光互连在集成度、速率和能效三方面的巨大潜力。该系统基于多波长光源技术，在一个芯片上创造出了上百个互连的信道，实现了信息传输的高度并行化。同时，该方案降低了相干链路对传统数字信号处理器（DSP）的需求，为打破国内DSP芯片受限于先进制程必须依赖于进口的困境提供了一个解决方案。此外，配合成熟的硅基工艺，实现了紧凑、高稳定性的集成收发模块，为大规模应用提供可能。
　　从远距离互连的光缆，到芯片之间的“光桥”，光电融合正悄然改变着我们看待算力的方式。
　　过去，我们习惯于提升单个芯片的性能，追求更小的制程、更高的频率。但随着AI模型规模的指数级增长，算力早已不只是“单兵作战”的比拼，而是“联合作战”的协同问题。而光互连，正在为这场协同提供基础设施级别的解决方案。可以预见，在未来的数据中心、AI芯片组，甚至消费电子中，我们将越来越多地看到光互连、光子集成的身影，它们将成为“智能社会”的坚实底座，是支撑未来几十年信息洪流的隐形梁柱。
　　就像铁路之于工业革命，电网之于信息时代，光子芯片可能正是下一代算力社会的基础设施。让芯片之间架起“光之桥梁”，未来，才走得更快，走得更远。]]> <![CDATA[宇树官宣H1机器人打破人类1500米世界纪录]]> IT之家 4 月 19 日消息，2026 北京亦庄半程马拉松今日正式鸣枪开跑。本届赛事以“亦马当先”为主题，起点设于北京亦庄通明湖畔的科创十七街，终点为南海子公园，全长 21.0975 公里。

宇树也参赛了今天的北京人形机器人马拉松，派出的是 H1 机型。另有众多独立团队，自发基于宇树产品进行自行开发后参赛。参赛的宇树 2023 年款 H1（微调版）内部测试最好成绩为半马 50 多分钟，官方称之为“挑战经典型号自己的极限”。
而根据宇树官方最新消息，北京人形机器人马拉松排位赛，宇树 H1（23 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）。

据IT之家本月早些时候报道，宇树科技宣布再次刷新人形机器人百米测试奔跑速度的世界纪录，H1 在此次测试中实测峰值速度已达到 10 米 / 秒，而人类历史上最快的短跑运动员 —— 牙买加短跑传奇尤塞恩 · 博尔特保持的人类百米巅峰速度为 9.58 秒（10.44 米 / 秒）。
]]> <![CDATA[高德公开首款开放环境全自主具身机器人：能出门，会思考，能导盲]]> 高德地图今日在2026北京亦庄人形机器人半程马拉松赛事上，公开了其首款具身机器人产品“途途”。据了解，该产品为四足机器人，其核心特点是能在开放环境下全自主行动，并在发布会上重点演示了作为智能导盲犬服务视障人士的能力。

在复杂的城市道路环境中，“途途”在不依赖预设路线和人工遥控的情况下，自主引导一位视障使用者完成了一系列挑战。据悉，其能够规避动态与静态障碍，在密集人群中穿行，并根据“我渴了”等自然语言指令，理解意图并自主寻找补给点。这标志着具身机器人的应用从封闭的实验室环境迈向了真实的开放世界。
“途途”能力的背后是高德自研的ABot全栈具身技术体系。该体系包括Abot-World世界模型、Abot-N0导航模型及具备反思纠错能力的Abot-claw智能体。这些技术使机器人能基于对物理世界的理解进行自主决策，并在多项国际评测中达到先进水平。
据悉，高德将“途途”的首要应用场景聚焦于智能导盲。数据显示，我国视障人士数量超过1700万，而传统导盲犬数量仅约400只，普及率极低。智能导盲产品旨在通过技术手段，为视障群体提供一种新的无障碍出行辅助选择。
此次“途途”的发布，是高德向空间智能公司转型的关键一步，也意味着具身智能技术开始尝试解决具体的民生需求。
]]> <![CDATA[交警机器人，参与指挥机器人半马]]>
来源 |央视新闻
4月19日早，在北京亦庄半程马拉松暨人形机器人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。

4月19日7时30分，北京亦庄半程马拉松比赛鸣枪开跑，在距离出发点不远的第二个转弯处，一台涂装着交警荧光绿式样的机器人正站在圈定的区域内，不断用左转手势指挥参赛选手左转，并进行语音提示。

本次亮相的北京交警机器人，目前已实现交通手势指挥、交通安全宣传、交通出行引导等功能，后续将逐步迭代拓展专业知识问答、交通违法识别、路况设施巡视等应用场景，进一步赋能城市交通管理。
相信随着智能科技的不断渗透，越来越多的“科技新兵”将走上交通执勤一线，为城市交通有序、安全、畅通保驾护航，助力打造更具韧性、更富效率、更有温度的城市交通环境。
]]> <![CDATA[第一批学AI的大学生，已经笑不出来了]]> 感谢所有受访人，部分图源自小红书我不敢说21世纪是不是生物的世纪，但2026年，绝对是AI统治大伙视线的一年。

程序员被裁，一人公司爆火，龙虾入侵全世界，AI圈的狂欢，换来的是普通人越来越深的焦虑。

AI真成未来了，那我的工作呢？以至于很多人后悔，高考没选AI相关的专业，仿佛自己完美错过了这个时代最大的风口。

毕竟在咱外行眼里，现在读这些专业的人，拿的是妥妥的爽文剧本，整天在实验室里研究咋搓大模型，AI玩的比谁都溜，如果说他们是AI圈原住民，咱就是卑鄙的外乡人，啥也不干整天光蹭AI了。

所以，这些拿到新时代的船票的人，现在到底咋样了？

带着这个好奇，差评君和几位来自不同高校、还在学AI的本、硕、博学生聊了聊。出乎意料的是，在这座被外界无限拔高的象牙塔里，并没有那么多成竹在胸的时代弄潮儿。他们其实也和普通人一样，在现实的框架下磕磕绊绊地摸索。

首先，学校的培养计划根本没跟上趟儿，上课从来不教咋用AI。

不过倒也合理，学校对他们的期望是创造AI，首先肯定得教基础知识，这没得喷。

但现实是，很多学校的AI专业，是从信息学院或计算机学院拆分出来的，培养方案还在过渡期。有的偏电子通信，有的还在用老计科的底子。

李墨同学来自安徽的一所985，他吐槽说，他们这届正好赶上AI专业从信院独立出来的第一年，培养方案还没改完，要必修通信专业的《信号与系统》，但不用修计算机必备的《编译原理》和《操作系统》。

最折磨的是，还得上《电磁学》、《量子物理》等一堆物理课。。对计算机而言，这玩意又难又没用。

除了理论课呢，其实编程也教得没那么完美。

了解AI的朋友应该知道，Python是目前人工智能领域使用最广泛的编程语言。而一位自称“末9 AI”的同学说，他们的培养计划一直在以C++为主，这导致他们“学”和“做”很割裂，日常用Python做项目，而课程作业和考试强制C++编写，而这也是因为沿用了隔壁计算机专业的培养计划。

学的跟用的不一样，也算是AI之神留给同学们的考验吧。

再一个，如今的AI编程，已经强到出圈了，互联网天天传出裁员，Claude创始人Dario也曾透露，绝大部分代码已经不是员工写了。。

但学校，肯定是没那么与时俱进的。在调查中，差评君得知，有关 AI 编程的课，确实还没有学校开设，大家都在坚守古法编程。

老师在讲解PPT时，可能会在课上偶尔提一句，"最近很火的那个GPT呀，Claude呀，很多人用它写代码，所以这告诉我们什么呢？以后同学们最需要的，其实是创造力。"然后就结束了。想真学一些AI编程技巧，只有自己关注科技圈、看视频才能了解。

不止一位同学提到， 学校教的知识和技术栈有些已经过时了，老师的作用就是带你推开了这个领域的大门，更深层次的还得自己去探索。

差评君觉得合理，哥们都毕业那么多年了，学校版本更新还是那么慢，那我就放心了。

直到来自浙江某211的pony告诉我，“老师又不写代码，都是我们写。”我突然就看懂了，学生才是最好的Agent。

老师们对AI的态度，也算比较割裂。

来自湖南某985的张发财同学告诉差评君，他是学网络安全的，在使用AI这方面，网安方向的老师态度明确，不鼓励使用，认为很多操作必须亲手完成，才能真正内化原理，尤其在安全领域，将操作交给AI本身就是一种隐患。

而 Web 开发方向的老师却反过来，主动在课上提过正确使用AI，做Web开发能省很多事。

有一说一，两边的老师其实都没错。网络安全要求从业者对底层原理有近乎肌肉记忆的掌握，这一步跳不过去；而Web开发中存在大量模式化工作，AI确实也能显著提效。

问题在于，没人能引领学生形成一套自己的判断系统，什么场景下该用AI，什么场景下必须自己硬啃，怎么用才不会把基本功废掉，全靠学生自己摸索。

这也可能导致一个问题：会用AI的人拿它当工具，越学越快；不会用的把什么都丢给AI，一学期下来啥也没沉淀。

这样，台下的学生也不装了，你不教我就自己学。在问到课堂情况时，来自上海某985的小雪同学说到，“大家现在都不怎么听老师讲，全在埋头学，行业需要的跟学校教的确实有差距。”

而因为AI的使用越来越便捷，在课程作业部分，大家的AI使用率已经非常高了。“现在写课设基本AI参与率是全程，没有不使用的。”来自上海的博士生周凯告诉我们。而在其余年级的学生那，也得到了相同的答案。

有意思的是，每个人在谈及“用AI非常方便”的时候，都会带一个"但是"，没有人觉得自己已经完全驾驭了AI。

张发财同学说，过于依赖AI会失去对项目的掌控，代码会变成屎山。写代码省下来的时间，全花在审核代码上了。

“就是写出来的和你想的不一样，修补起来很费时间。还是必须自己先有开发经验、手敲过代码之后，才能真正驾驭AI。”

博士生周凯表示，自己寒假花了2亿的token，最后的感受是：简单的脚本让AI直接写没问题，但高层设计还是要自己来。“因为跟AI聊多了会发现自己变笨。AI给你的总结看着挺好，但错的地方你根本看不出来，反而比自己做更慢。许多大牛敢放心用AI，是因为他们本来就知道什么是对的什么是错的。”

正在准备投简历刷题的小雪直接开始吐槽：AI用久了，自己写不出代码了，一道题都不会了。

所有人都在狂用AI，但没人觉得自己掌握了版本答案。

而现实对他们来说，又是另一幅鬼样子。

如今，互联网大厂对应届生的要求，已经千奇百怪了。在面试的时候要不要“手撕代码”（不借助任何工具敲出一段代码题）已经成了玄学问题，有的还在坚持古法编程，有的已经进化到AI编程阶段了。

平时老师都让用AI，但面试的时候不一定让用，就相当于高考突然让你现推勾股定理，其中饱含的泪水只有自己知道。

但前面聊的这些，不管是摸索出了心得的，还是踩了坑的，至少都是有余力去思考的人。

更多相关专业的学生，真实状态其实是，who cares？

考研的在复习，保研的在忙比赛和科研，找工作的在临时抱佛脚。什么新的AI工具啊，前沿AI最新进展啊，外面炒得越欢，里面的人反而觉得聒噪。

张发财同学直言，现实太沉重了。“卷完绩点到大三下，我才发现科研经历不会自己长出来。”

就拿2026最有代表性的产品OpenClaw来说，在网上炸了锅，媒体铺天盖地报道，大厂毫不犹豫跟进。

但AI相关的学生们，大都反应平淡。“感觉赚不回来token的钱。”张秋同学说。

而pony同学告诉我们，“我身边基本没啥水花，可能就一些老师想玩吧。”

周凯则考虑更多的是安全角度，太危险了，怕被注入攻击。

一个被外界视为"改变世界"的产品，到了真正学AI的人手里，却没那么受欢迎。差评君总结了下两种声音，一种是看见了本质，“龙虾本质路边一条”，还有一种是压力，每个人都有更紧迫的事。

pony同学还告诉我们，同实验室的人，反应比外界都要慢半拍。

“我身边传统派还是居多。之前大伙在用LLM的时候，我们喜欢手搓。现在都在AI coding了，我们还是爱用LLM。新工具对我们来说懒得去试，更多时候在想能不能发论文。我自己的工作流，用vim，在终端手扣，用VSCode的Copilot——这些老东西已经够用了，我为什么换新的？"

从本科到博士，外面在热烈讨论AI改变世界，里面的人却在想，怎么把眼前的事撑过去。因为眼前的一亩三分地，才是他们的世界。

由此，我们可以总结 AI 圈的现状了： 老登们忙着指挥别人拥抱AI，小登们忙着未来可期没空玩AI，中登们在边玩AI边喊“未来已来”。

剩下的，就是被迫接受AI熏陶的普通人了。

最后，聊起以后要不要继续干这行、具体干什么方向，大多数人都说两眼一抹黑。

不过，周凯还是提出了自己的见解。"AI正在把所有人的工程能力拉到同一条起跑线上——如果Code Agent让每个人都能写代码了，那你比别人的优势到底在哪？"他最近开始有意识地学表达能力，因为他觉得在这个时代，把一件事描述清楚最值钱。

但更多人表现出的还是迷茫，迷茫眼前的课业、面试和八股文，迷茫飞速席卷的AI浪潮。

大家都在同一片水里，呛着水，学游泳。

撰文：不咕

编辑：江江&面线

美编：素描

图片、资料来源：

]]> <![CDATA[太快了，48分19秒，北京荣耀“闪电”跑完半马！宇树称其人形机器人打破人类1500米世界纪录]]>

4月19日7：30，2026人形机器人半程马拉松赛在北京亦庄鸣枪开跑。

国内外的100多支队伍共计300个机器人参加本次比赛，赛事创新设置了自主导航与遥控两种参赛方式，同赛道竞技，统一排名，两组别成绩分别按1.0与1.2的加权系数进行核算。

来自北京荣耀的“闪电”以48分19秒的净成绩率先冲线完赛。该机器人也是首个出发的选手。

据《科创板日报》报道，今年马拉松里程与去年均为21公里，来自荣耀的闪电机器人用时大幅优于去年冠军的2小时40分钟。

根据赛事规则，由于机器人采用流水线式分批单发起跑，赛队的最终有效成绩是完赛净时间乘以加权系数，并叠加赛事全程累计罚时得出(自主导航组别系数为1.0，遥控组别系数为1.2)，所以最终的冠军归属仍有悬念。

相比去年首届，今年赛事再升级：超100支赛队同场竞技，近四成选手采用完全自主导航模式，赛道融合10余种地形，其中还包含几条接近90度的弯道。北创“天工Ultra”、松延动力“小顽童”、荣耀“闪电”“元气仔”、宇树“H1”等明星选手参加。

宇树科技官方今日上午发布消息，在4月16日北京人形机器人马拉松排位赛，宇树H1（23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）。

4月11日，宇树科技宣布H1机器人刷新人形机器人百米测试奔跑速度的世界纪录。视频显示，H1机器人在此次测试中实测峰值速度达到10米/秒。

现男子100米世界纪录保持者博尔特的速度为9.58秒（10.44 米 / 秒）。

今年3月，宇树科技创始人王兴兴在亚布力论坛上曾说：“今年年中，中国人形机器人百米冲刺将突破10秒大关，超越博尔特。”

来源：每日经济新闻

]]> <![CDATA[国屏之光！0.8mm四等边直屏来了：史上最窄边框]]>

快科技4月18日消息，前几年，许多网友曾犀利吐槽手机屏幕边框过宽，边框停航母一度成为数码圈的热门梗。然而在最近一两年里，这种吐槽声逐渐消失，原因在于手机厂商与供应链为了缩减边框宽度，纷纷拿出了核心技术。

根据博主数码闲聊站的最新爆料，国产品牌的迭代旗舰将首发全新的极窄四等边直屏。这款屏幕的边框宽度仅有0.8毫米，是目前行业内边框最窄的手机屏幕，相关厂商已进入密集测试阶段。

这块屏幕能够实现极致的视觉突破，主要归功于全新的LIPO封装工艺。该工艺的中文全称为低注射压力包覆成型，是当前屏幕封装领域的前沿技术。

LIPO封装通过使用高分子液态材料对排线区域进行精准包覆，从而成功取消了传统的缓冲保护区。这种做法在实现极窄边框的同时，还赋予了屏幕更优良的保护性能和组装一致性。

从近两年的产品趋势来看，小米和OPPO两个品牌一直在不断刷新各自的边框纪录。因此业内普遍猜测，这两家品牌最有可能率先首发这块0.8毫米的极窄四等边直屏。

随着这项技术的落地，智能手机行业将正式迈入1毫米以内的超窄边框时代。用户将获得前所未有的沉浸式视觉体验，手机正面也将真正呈现出如同一块纯净玻璃般的震撼观感。


]]> <![CDATA[网络文学如何从“爆款”迈向精品]]>
　　作为新大众文艺最核心、最具代表性、最具支撑力的组成部分,“多数人写多数人看”的网络文学，在过去20年的发展中，逐渐证明了其巨大的经济能量。当体量与盈利的爆发式增长告一段落，更深层的命题引人思考：网络文学如何从“产业引擎”进一步迈向文艺精品，为新大众文艺的版图标记出经得起时代 考验的精品佳作？

　　网络文学之所以能交出令人瞩目的答卷，正因为它集中体现了新大众文艺的诸多优势。新大众文艺的活力源泉首先在于创作主体，大众因广泛参与而真正成了文艺的主人。如报告所示，我国网络文学的作者规模达3269.4万人，作品数量达4583.7万部。这3000多万作者中，既有IT工程师、在校大学生和科研工作者，也有外卖骑手和网约车司机，他们将烟火日常与奇思妙想相融合，用指尖敲击下最有生命力的时代篇章。这正是普通人参与文学创作、成为文艺主人的生动写照。在媒介技术赋能下，网络文学用户不只“追更”，还通过评论参与创作构思，用“二创”实现文学IP共创，这种前所未有的模式，赋予网文IP强大的生命力和适应性。这一独特的创作和接受生态，是网络文学能成功转化为影视、游戏、短剧的根本原因。

　　我们也看到，网络文学从“爆款”迈向精品，仍有广阔的提升空间，3676亿元的改编规模是产业成功的明证，也为我们展望未来提供了新的起点。我们有理由期待，创作题材的多样性进一步拓展，让更多富有新意的故事脱颖而出；在保持网文“爽感”优势的同时，与更深厚的人文关怀相融合，创造出既有吸引力又有感染力的作品；IP开发的编剧、制作等环节也能更加专业化、精细化，为好故事的转化提供更坚实的支撑。这些，正是网络文学未来从量到质跃升的发力点。

　　当下，网文IP产业不能只满足于做产业经济的内容引擎，更应担当起更重要的文化使命。推动网络文学由量到质，打造更多具有引领性的文艺精品，需要多方共同努力。

　　一是应从流量导向转向价值导向。鼓励平台和创作者向《滨江警事》《何日请长缨》等荣获中国出版政府奖的作品看齐，在保持创作活力的同时，提升精神高度与文化内涵。二是完善从创意到精品的转化机制。借鉴影视、出版业的成熟经验，组建专业的编剧、编辑、制作人队伍，为好故事的精品转化提供专业护航。三是珍视新大众文艺的源头活水。继续保护和激发大众创作的积极性，让最丰富的生活经验持续涌入这一文化生态系统，守护好文艺精品得以诞生的肥沃土壤。四是以警惕和敬畏之心驾驭好技术工具。如今，人工智能技术的出现降低了创作与改编门槛，让更多人得以提升创作能力、使大量“中腰部”作品有机会进入IP开发环节，但也应防止过度使用人工智能技术所导致的创作异化问题，谨防技术主导的“流水线生产”冲淡文艺的原创性与情感温度。

　　“3676亿元”是产业成熟的刻度，而文艺创作真正的追求，在于抵达艺术的高峰。让网络文学既能凝聚万千大众的创造力，又能淬炼出代表时代的文艺经典。只有这样，它所书写的才不仅是中国文化产业的奇迹，更是一个伟大民族在数字时代鲜活而深邃的精神标志。]]> <![CDATA[推动农业数智化转型]]>
　　数智技术可以助力解决“谁来种地”的问题。智慧农业拓展无人机、机器人等科技产品的应用场景，通过数据感知、智能决策、自动执行，实现智能农机播种、无人机撒药施肥、病虫害精准识别、水肥一体灌溉，把原来靠人看、靠人算、靠人干的春耕，交给AI和机器完成，全链条降低农业对人工的依赖，有效提高农业吸引力，吸引更多人投身农业生产经营。

　　数智技术可以提高农业生产效率。通过卫星遥感、物联网传感器等技术，可实时监测土壤墒情、作物苗情、气象变化等数据，实现按需播种、精准灌溉、科学施肥，促进降本增效，降低农业污染。例如，山东寿光蔬菜通过智能灌溉，水肥利用率提升40%。有研究表明，智慧技术可使农业碳排放减少15%~20%。

　　数智技术还可以科学预测并规避农业经营风险。依托大数据分析构建的大模型，可预测气象灾害风险和市场行情变化，指导农户按照市场行情调整春播种植结构，防范极端天气灾害风险，推动春耕生产决策从经验判断向数据驱动转变，助力解决农业“靠天吃饭”和“增产不增收”的问题。

　　不过，目前数智技术赋能春耕仍存在一些堵点。首先，数字农业产业化应用场景不足。一些农业AI模型和装备主要针对规模化大田设计，对丘陵山区、特色种养等场景的适配性差，与农业产业化发展的契合度不高。其次，技术采用门槛较高。物联网传感器等高端智能装备尚未纳入地方农机购置补贴目录，阻碍智能技术在农业领域大规模推广。农户难以承担初始投入成本和重置成本，一定程度上限制了人工智能技术在农业场景的应用。此外，技术落地存在区域“数字鸿沟”。一些中西部欠发达地区、偏远山区受网络基础设施限制，网络覆盖差、信号不稳定，智慧春耕难以有效落地。

　　疏通当前智慧春耕堵点，推动农业数智化转型，需要科学施策。首先，加快推进数字农业产业化应用场景建设。构建智慧农业技术体系、应用场景和服务体系，支持智能手机等移动终端农业App和应用场景的设计开发。鼓励人工智能企业帮助农户改造提升生产经营设施，为农户提供个性化解决方案。其次，降低技术采用成本。适度加大人工智能企业涉农经营补贴力度，对农业智能装备、核心软件和管理平台的研发和使用给予支持。将高端智能农机产品纳入购置补贴目录，明确补贴产品、型号、额度，逐步提高补贴水平，降低应用主体使用成本。最后，加快补齐中西部地区“数字鸿沟”。增设中西部尤其是农村地区信号基站数量，提高网速和网络稳定性。实施全民数字素养与技能提升工程，将人工智能技术作为高素质农民培训的重要内容，培养更多懂技术的新农人。

　　春潮涌动处，奋进正当时。数智赋能农业生产是保障国家粮食安全、推动农业现代化的关键抓手。我们要加快融合推进科技创新与产业创新，让智慧赋能农业更有力度、更有温度，绘就农业强、农村美、农民富的壮美画卷。]]> <![CDATA[数智赋能 创新发展]]>
人工智能赋能千行百业

　　“互联网是人工智能（AI）的承载底座，人工智能是互联网的智能延伸。”峰会期间，中国工程院院士、中关村实验室主任、清华大学讲席教授吴建平指出，人工智能正从辅助工具向自主智能体演进，数智技术正在成为重塑产业格局的重要引擎。

　　香港大学协理副校长、经管学院副院长沈海鹏强调，AI向善，是技术应用的核心坚守。全球移动通信系统协会首席执行官洪曜庄认为，坚实的算力底座、持续的能力构建、广泛的生态合作，是释放AI价值的核心要素。国际人工智能治理协会主席约翰·希金斯表示，真正的创新必须兼具新颖性、影响力与规模化落地能力。

　　本次峰会设置了六场论坛，既契合行业发展大势，又紧扣峰会主题。其中，在数智健康论坛上，多元场景下的AI规模化落地样本集中亮相，数智技术的价值被具象化，深度嵌入诊疗、康复、保健全流程：AI辅助放疗规划将原先5小时的工作量压缩至55分钟，医疗大模型让基层医生对AI诊疗建议的采纳率升至97%。

　　AI赋能的边界还在持续拓宽。中兴通讯AI系统使工厂订单排产周期缩短80%；强脑科技的仿生手帮助残障人士用意念操控完成弹琴、抓握等动作；中国国家图书馆用AI技术实现古文的自动句读、文白翻译。

共建人工智能治理体系

　　人工智能发展一日千里，随之而来的是一系列全新挑战。峰会期间，人工智能安全治理论坛汇集了多方经验与智慧。

　　国家计算机网络应急技术处理协调中心处长贺敏介绍，中国发布的《人工智能安全治理框架2.0》，顺应全球人工智能技术与治理发展趋势，提出八项可信人工智能基本准则：人类最终控制、尊重国家主权、价值观对齐、提升系统透明度、促进可客观验证、强化安全防护、前瞻预防应对、全球协同共治。

　　“AI虽已助力诸多领域决策，但AI应由人类控制，最终决策须由人作出。”香港特别行政区政府财政司司长陈茂波介绍，在香港，“沙盒机制”已成为跨行业监管的标志性特征，监管机构可与创新者并肩协作，在受控环境中测试新工具，及早识别风险并提供及时务实反馈。

　　对产业界而言，AI安全也是重中之重。沐曦股份持续打造高性能通用GPU，通过其单卡算力、卡间互连或大规模集群性能，满足AI训练和推理需求，并灵活支撑AI大模型持续迭代；安恒信息相关实践表明，当智能体权限越来越大，安全防护机制必须通过“AI监管AI、AI治理AI”实现；中兴通讯构建数据全生命周期防护体系，通过可信计算、联邦学习实现“数据可用不可见”，既保证AI模型的高效训练，又严守隐私与数字主权底线。

　　“如果说‘让安全更智能’是用AI重构安全能力，那么‘让智能更安全’就是要为整个智能世界建立更好的秩序和边界。”安恒信息董事长范渊说。

推动数字红利惠及全球

　　“数智赋能、创新发展”不仅是AI的发展目标，更是全球共同愿景。然而，各国技术发展水平不一，导致智能鸿沟日益凸显。“让全人类共享数智发展红利”的观点，在本次峰会上被多次提及：

　　——加纳科网董事长尼·奎诺提出，如果AI集中在少数几个地区，互联网曾经面临的挑战可能会重演甚至加剧；

　　——斯洛伐克投资、地方发展和信息化部部长萨穆尔·米加尔认为，实现数智赋能愿景，要将信任内置于技术设计，保障创新被全社会、各行业共享；

　　——世界互联网大会副理事长、世界知识产权组织前总干事弗朗西斯·高锐表示，中国有力地推动了技术开源，使之被全世界成功使用，新技术的传播将让更多人享受到技术红利，更好地参与全社会的创新活动。

　　…… ……

　　与会嘉宾普遍认为，技术发展的核心价值，始终在于服务人类福祉。峰会发布的系列成果也充分印证了这一共识，围绕AI开源生态、弥合智能鸿沟、人工智能赋能政务服务、全球数字经济发展等议题，10份专业成果报告为推动国际数智领域合作贡献智慧、提供思路。

　　连日来，世界互联网大会启动2026年世界互联网大会杰出贡献奖全球申报，开展2026年世界互联网大会领先科技奖、2026年“携手构建网络空间命运共同体”实践案例征集，举办政企交流会及人工智能、网络安全能力建设高级研修班等特色活动。世界互联网大会始终推动国际社会顺应信息时代数字化、网络化、智能化趋势，共迎安全挑战，共谋未来福祉，这与各国嘉宾的建言呼吁不谋而合。

　　一项项重磅成果、一场场务实活动无不指向同一愿景——携手构建网络空间命运共同体。正如尼加拉瓜国家电信邮政局局长纳希玛·迪亚兹所言：“这是创新的真正意义——服务于生命，服务于进步，服务于全人类”。]]> <![CDATA[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。


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。


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。


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。


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。

]]> <![CDATA[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。
]]> <![CDATA[国产激光器迎来黄金切入期]]> 中信证券认为，目前AI计算集群已从“堆算力”走向“拼网络效率”，高性能、高带宽、低延迟的网络成为数据中心性能提升的关键。激光器芯片是光模块的核心器件，决定光模块的电光转换效率和产品代际。激光器芯片行业将受益于Scale-out/ Scale-up网络超节点扩容和技术代际带来的价值量上升，迎来巨大的发展机遇。同时由于市场需求旺盛且产能短期存在刚性，激光器芯片市场正处于快速增长且供需失衡的结构。而头部厂商的优势正不断凸显。看好激光器芯片龙头公司未来的发展潜力。
东吴证券认为，全球光芯片景气度高涨，国产激光器迎来黄金切入期。1）全球光芯片需求旺盛，供应链景气度高涨。全球AI算力基础设施的非线性增长正驱动光芯片产业链进入长效上行周期，行业景气度呈现强烈的Beta属性。2）产能释放速率存在错位，供需缺口提供国产厂商切入机会。光芯片行业极高的工艺壁垒与重资产扩产周期，导致头部厂商产能爬坡速率滞后于需求释放节奏，供应紧张局势短期难以缓解。3）国内激光器企业持续突破，未来可期。国产厂商在高端光芯片领域正加速实现技术卡位与去瓶颈，部分核心产品已具备足够成熟度，进入国内外客户规模导入商用的共振期。
]]> <![CDATA[人形机器人半马：冠军成绩超人类世界纪录]]> 北京亦庄人形机器人半马冠军成绩超人类世界纪录

2026年4月19日，北京，2026北京亦庄人形机器人半程马拉松鸣枪开跑。齐天大圣战队自主导航机器人“闪电”以50分26秒（净用时）的成绩夺得冠军。图为“闪电”跑过亦庄文博大桥。

2026年4月19日，北京，图为人形机器人半程马拉松比赛的冠军。
在19日进行的2026北京亦庄半程马拉松暨人形机器人半程马拉松上，深圳荣耀智慧科技开发有限公司齐天大圣队的“闪电”机器人以50分26秒的净时成绩夺冠，超越了乌干达名将基普利莫在今年3月里斯本半程马拉松赛中创造的57分20秒的人类男子半马世界纪录。
此外，雷霆闪电队的“闪电”以50分56秒和星火燎原队的“闪电”机器人以53分01秒，分别位列第二、第三名。
俄罗斯海军舰艇编队访问湛江

4月15日，俄罗斯海军舰艇编队访问广东湛江。
4月15日，由俄罗斯海军“完美”号、“凛冽”号护卫舰和“佩琴加”号中型油船组成的舰艇编队抵达广东湛江，开始为期5天的友好访问。
此次来访的俄海军舰艇，均隶属于俄罗斯海军太平洋舰队，且多次参与中俄海军合作交流活动。“完美”号护卫舰多次参加中俄海上联合巡航，2023年曾访问上海。“凛冽”号护卫舰曾参加中俄“海上联合-2024”联合演习。“佩琴加”号中型油船曾于2024年访问青岛。
中国自主研发航空商用无人运输系统首飞成功

4月15日，记者在航空工业民机试飞中心渭南运营基地拍摄完成首飞的HH-200航空商用无人运输系统。
4月15日上午，由中国航空工业集团自主研制的HH-200航空商用无人运输系统，在航空工业民机试飞中心渭南运营基地圆满完成首飞，标志着我国在大型商用无人运输装备领域取得新进展。飞机各系统工作正常，飞行姿态平稳，整体状态良好，顺利完成预定飞行科目。
HH-200采用方形直通机体、双发上单翼、双尾撑设计布局，货舱标准容积12立方米，可扩展为18立方米，最大商载1.5吨，最大巡航速度310千米/时，最大航程2360千米。
长江鲟野外种群重建取得重大突破

4月14日拍摄的在江安县香炉滩水域发现的长江鲟鱼卵原位孵出的鱼苗。
近日，四川省农业科学院水产研究所发布消息，今年3月至4月，科研人员在长江上游四川宜宾金沙江雪滩水域和江安县香炉滩水域投放的长江鲟成功实现自然繁殖，采集到受精卵499粒，经培育成功原位孵出幼苗47尾。这标志着该所联合中国水产科学研究院长江水产研究所、宜宾珍稀水生动物研究所、中国科学院精密测量科学与技术创新研究院等单位实施的“长江鲟天然产卵场功能验证试验”取得重大突破。
西双版纳欢度泼水节

4月15日，人们在云南省西双版纳傣族自治州景洪市泼水广场参加泼水狂欢活动。
4月15日，西双版纳州举行庆祝傣历1388年新年节（2026年泼水节）泼水狂欢活动。数万名中外嘉宾、游客和当地各族群众相互泼洒圣洁祝福的水，开启泼水狂欢模式，共享泼水狂欢盛宴，一同感受“东方狂欢节”带来的无限激情和魅力。本届泼水节以“同饮一江水，共泼吉祥水”为主题，展现了浓郁的民族风情与时代活力。
一周国际
联合国国际法院成立80周年

当地时间2026年4月17日，荷兰海牙，联合国国际法院成立80周年纪念仪式现场。
荷兰海牙举行联合国国际法院成立80周年纪念仪式。4月17日，联合国秘书长 Antonio Guterres 出席国际法院成立80周年纪念仪式并发表致辞，他指出国际法院的建立是和平世界的基石，是各国领导人选择以国际法和《联合国宪章》为基础的秩序，而非由胁迫与暴力主导的未来。他警告当前全球违反国际法的现象正在加剧，全球和平与安全基础正在被削弱，呼吁各国重申对和平解决争端的承诺，尊重并落实国际法院判决与咨询意见，恪守《联合国宪章》的宗旨与原则。
国际法院是联合国6大主要机关之一，1946年4月开始运作，共有15名法官，核心职责是解决国家间的法律争端，迄今已受理超过200个案件。
燃油成本飙升，德国汉莎停飞子公司27架飞机

当地时间2026年4月18日，德国巴伐利亚州慕尼黑，汉莎航空与汉莎城际航空的飞机停靠在慕尼黑机场。
受航空燃油成本上升和持续罢工浪潮的影响，德国汉莎航空16日宣布，该集团旗下城际航空公司的27架飞机将从本月18日起永久停飞，城际航空公司主要执飞短途航线。此外，汉莎航空还将在夏航季结束后停飞6架执飞长途航线的飞机，并在2026/2027年冬季航班计划中继续减少中短途航班。
国际能源署署长法提赫·比罗尔16日接受采访时表示，欧洲的航空燃油储备“可能只剩约六周”，如果中东局势持续干扰石油供应，很多航班可能将“很快”被迫取消。
美国中西部遭强风及龙卷风袭击

当地时间2026年4月18日，美国伊利诺伊州莱纳，居民继续清理并抢救昨日龙卷风后的财物。
据央视新闻报道，当地时间4月18日，美国中西部地区遭遇强风及多场龙卷风袭击，大量房屋屋顶被掀翻、树木被连根拔起，道路被阻断，造成大范围破坏。本轮极端天气于4月17日席卷威斯康星州、明尼苏达州及伊利诺伊州等地。多地官员表示，部分社区恢复工作可能持续较长时间。
目前暂无人员死亡报告。
缅甸宣布缅历新年特赦4500余名囚犯

当地时间2026年4月17日，缅甸仰光，一名获释囚犯（中）在永盛监狱外与亲友见面。
4月17日正值缅甸传统新年第一天，缅甸总统敏昂莱签署多项特赦令，宣布共特赦4500余名囚犯。
根据特赦令，总统宣布对全缅监狱服刑的囚犯实施减刑，对4335名在押缅籍囚犯给予减刑释放，特赦179名外籍在押人员并驱逐出境。特赦令说，此次特赦旨在庆祝缅历新年、安定民心及出于人道主义考虑。
尼泊尔民众迎接新年上演“朱砂大战”

当地时间2026年4月15日，尼泊尔加德满都郊区蒂米，尼泊尔民众抬着仪式性轿子，人们在“辛杜尔节”期间互相涂抹朱红色粉末。“辛杜尔节”是毕斯基节的一部分。
当地时间4月15日，尼泊尔民众洒朱砂粉庆祝毕斯基节(Bisket Jatra)。据悉，该节日是尼泊尔的四大传统节日之一，也被称为“尼泊尔新年”。当地民众会在此时互相抛洒朱砂庆祝新年。
]]> <![CDATA[荣耀“闪电”夺冠马拉松，手机大厂给机器人圈上了一课？]]>

本文来源：时代财经 作者：庞宇 林心林

一场机器人半程马拉松比赛，跨界的手机厂商却拿了冠军。

4月19日，2026北京亦庄人形机器人半程马拉松开赛。作为全球首个人形机器人半程马拉松赛事的第二届比赛，本届赛事吸引了超100支队伍、约300台人形机器人同场竞技，参赛规模比首届翻倍。其中，北京人形机器人创新中心、宇树科技、松延动力等头部玩家均现身赛场。

最终，“身披”醒目红色涂装，荣耀齐天大圣队机器人“闪电”以50分26秒的净时成绩夺冠，打破人类半程马拉松世界纪录（57分20秒）。

荣耀“闪电”机器人 图源：企业供图

除齐天大圣战队外，夺得亚军、季军的雷霆闪电队、星火燎原队也均来自荣耀。时代财经从荣耀方面获悉，荣耀机器人队伍实际包揽了此次比赛前六名；另一款机器人“元气仔”则摘得最佳步态奖。

力压宇树、松延等老牌机器人厂商，首次参赛的荣耀无疑是本届赛事黑马。

然而，这场意外出圈的胜利背后，并不是荣耀临时起意的一次跨界尝试。早在去年，荣耀就已提出全面拥抱AI、布局机器人等新终端形态。

如今，这家手机巨头正试图借助具身智能，给市场讲一个新故事。

力压宇树、天工，荣耀机器人包揽前三

身高169cm，外观采用潮酷机甲风设计的“闪电”；身高136.9cm，采用银色亲和化设计的“元气仔”，这两个新面孔成为了此次马拉松赛场上首个终端大厂派出的机器人选手。

荣耀机器人“元气仔” 图源：企业供图

本届人形机器人半程马拉松赛事难度升级。赛程全长约21公里，赛道融合平地、坡道、弯道、狭窄路段等10余种地形，对机器人的路径规划、动态平衡、热管理和整机稳定性等都提出了更高要求。

根据比赛规则，本次参赛方式涵盖自主导航、遥控两大类别。为鼓励自主导航技术，赛制还设置了1.2倍加权系数，即遥控组完赛时间乘以1.2后计入最终成绩。如本次包揽前三名的“闪电”机器人均选择自主导航。

而同样是荣耀旗下绝影赤兔队遥控机器人“闪电”虽以48分19秒首个冲线，但加权后完赛时间约为57分钟，落后于自主导航机器人。

事实上，在赛前排位赛中，荣耀“闪电”与宇树H1机器人便展现出明显优势。

不过比赛当天，被视作夺冠热门的宇树H1、天工Ultra在赛场失利。天工Ultra在冲过终点线后突发系统紊乱，机器人不受控地摔入路旁的草丛；宇树科技H1也在跑完半马比赛后突发姿态失控，摇晃失衡后摔倒。现场工作人员随即启动应急方案，将两款机器人抬离赛道。

“（本次夺得冠军）挺高兴，也是意料之中。”荣耀齐天大圣战队代表、荣耀研发高级工程师姚工在赛后接受采访称，团队从去年开始全面推进本次参赛项目的筹备工作，核心依托于荣耀手机端技术平台的能力迁移，打造出本次参赛的机器人“闪电”。

此次荣耀“闪电”得以一举夺冠，离不开其高性能的关节电机和强大的散热系统。

长时间运动后关节过热，是机器人参赛遇到的普遍问题。时代财经从荣耀方面获悉，该机器人搭载荣耀自研液冷散热系统，液冷管道可像毛细血管般深入电机内部带走热量，高功率液泵可实现每分钟超4升的换热流量，高效解决高负荷运动状态下的散热难题。

荣耀方面对时代财经表示，未来，荣耀将持续聚焦具身智能领域技术创新，深耕商场、工厂、家庭三大场景，推动技术成果加速走向消费级场景应用。

荣耀下场做机器人，小米vivo也有布局

鲜少有人注意到，在今年3月的2026年世界移动通信大会（MWC）上，荣耀的首款人形机器人就悄悄现身，当时机器人可以根据语音指令执行简单动作，包括握手、跳舞、翻跟头等。而如今，“闪电”已经拿下半马的冠军。

荣耀与具身机器人的故事，要从一年前说起。

同样在MWC上，2025年3月，荣耀CEO李健首次公开发布“阿尔法战略”，宣布荣耀将从智能手机制造商向全球领先的AI终端生态公司转型。彼时是李健接棒赵明CEO一职后的首次公开亮相。

该战略分为打造智慧手机、构筑智慧生态、共建智慧世界三步落地，并计划在未来五年内投入超过100亿美元用于构建AI开放终端生态。

为支持这一战略，荣耀很快在组织架构上做了关键调整。2025年4月，荣耀设立新产业孵化部门，下设具身智能实验室、具身数据实验室、交互安全实验室、动力总成实验室、仿生本体研究实验室。另外，围绕公司的AI战略，荣耀还对产品及研发部进行了架构调整，新组建了AIOS、AI硬件、AI平台等部门。

机器人是上述战略与生态打造的关键拼图。在2025年5月的荣耀400系列发布会上，荣耀正式宣布进军机器人产业，并首次披露了机器人相关研发成果，称其机器人采用仿生关节设计与动态平衡算法，跑步速度可达4m/s，宣称打破了之前的机器人行业纪录。

彼时李健明确表示，荣耀已将机器人确立为重点关注赛道，其中新设立的产业孵化部是荣耀面向全新产业的一个探索，且未来涉及领域不止于机器人形态。

面对智能手机存量内卷加剧、增长空间不断收窄的行业现状，荣耀跨界布局机器人赛道显然有着长远战略考量。

李健坦言，手机作为存量市场，难以再实现高速增长。相较之下，AI技术变革的起点已经到来，而且是爆发性的到来。“随着AI时代的到来，会有各种AI终端面世，这是蓝海市场。我们一定要想办法抓住这一浪潮，这是AI重构终端产业承载的未来机会。”

在手机行业竞争日趋激烈的当下，荣耀并非唯一看中这片蓝海的终端巨头。据时代财经梳理，目前小米、vivo、三星等手机头部厂商均已开展AI和机器人相关的布局。

小米早在2021年推出了四足机器人“铁蛋”CyberDog，并于2023年8月发布第二代产品CyberDog 2，售价12999元。在人形机器人方面，其在2022年8月推出了全尺寸人形机器人CyberOne。

今年3月，小米集团创始人雷军透露，CyberOne已进入小米汽车工厂“实习”上岗，初步实现了在自攻螺母上件工站、料箱搬运等场景的自主工作。

vivo于2025年3月宣布成立机器人实验室（Robot Lab），并首次披露其进军家庭机器人领域的战略规划。vivo执行副总裁、首席运营官胡柏山曾公开表示，vivo进军家庭机器人，但不涉足全身硬件开发，而是专注于孵化机器人的“大脑”和“眼睛”，渐进式推动消费级机器人产品落地。

与同行相比，荣耀虽入局较晚但落地节奏更快。3月，荣耀具身智能领域副总裁赵瑞在2026中关村论坛年会上透露，荣耀未来将重点探索机器人的“大脑”，并结合公司所处的手机行业，拓展实际应用场景。例如，在门店中引入机器人，为顾客提供导购、讲解等服务。

值得一提的是，自去年底完成股改后，荣耀上市的步伐一直备受市场关注。

2025年6月26日，深圳证监局受理了中信证券关于荣耀终端的辅导备案申请。根据辅导工作安排，将于2026年1月至3月完成上市辅导。此后的2025年10月、2026年1月，中信证券分别披露第一期、第二期辅导进展报告，显示荣耀IPO辅导仍在持续推进中。

在IPO之前，荣耀已完成多轮融资，投资方包括中国移动、中国电信、京东方、中金资本旗下基金、中国国新关联企业及特发基金等。

在冲击资本市场前夜，荣耀或许需要借助机器人故事证明，在智能手机赛道之外，这家手机终端厂商还能讲一个新的成长叙事。

]]> <![CDATA[大洗牌！DeepSeek打响下一仗]]>

以前，大模型拼的是天才。

现在，大模型拼的是组织。

一边是大厂用利润和期权锁人，一边是创业公司去草原守住机房、电力和算力底座。

近日，多家媒体和业内消息称，DeepSeek R1 与 V3 的核心作者之一郭达雅已流向字节跳动；

与此同时，DeepSeek 首次把招聘岗位延伸到内蒙古乌兰察布，招的是数据中心高级交付经理和高级运维工程师，月薪15-30K（14 薪）。

这家过去靠效率震撼行业的公司，正在进入全新的下一阶段。

01

一人流动，一场升级

AI 顶尖人才的流动，从来不是单行道，而是一种高频、双向、持续发生的行业常态。

今天的大模型竞争，还远没有进入格局固化的阶段。头部公司之间的人才流动，本来就比外界想象得更频繁。

DeepSeek、字节、Kimi 这样的核心玩家，一边在争夺最强的研究员和工程负责人，一边也在持续向外释放成熟的人才与方法论。

表面看是人在流动，实质上流动的，是代码能力、强化学习经验、后训练流程、数据组织方式，以及把模型能力嵌入真实产品的工程方法。

这是中国AI 产业内部一次次能力再分配，有人从大厂流向创业公司，把成熟的平台经验带到新团队；也有人从创业公司进入大厂，把更锋利的模型训练方法和更极致的效率思路带入更大的资源体系。

这种流动正在持续打破技术孤岛，让先进经验不再封闭在少数团队内部，而是在整个行业中扩散。

过去几年，这样的案例已经越来越多。有人从字节出来后进入DeepSeek，参与预训练数据等关键环节；也有人在字节、Kimi 等公司积累了 post-training 和 RL 的核心经验后，再转向新的创业方向，比如机器人等更具想象力的应用赛道。

路径不同，但背后的逻辑高度一致：中国AI 的竞争，已经不再只是少数几家公司各自为战，而是在人才流动中不断完成能力迁移、经验复用和新一轮重组。

郭达雅的流动更像是一个缩影，而不是孤例。它提醒所有人，今天AI 行业真正稀缺的，不只是“人”，而是那些经过实战验证的技术链条和工程判断。

真正决定胜负的，也不只是能不能挖到一个明星研究员，而是能不能把流入的人才，迅速沉淀成新的组织能力和产品能力。

02

DeepSeek先赢过一轮

过去一年，DeepSeek 最重要的贡献，恰恰是它先证明了一件事：在算力并不奢侈的条件下，靠架构创新、训练效率和工程优化，也可以把模型能力推到行业第一梯队。

DeepSeek-V3 技术报告指出：模型总参数671B、每 token 激活 37B，全量训练仅用了 2.788M H800 GPU hours。

这个数字的价值，不在于“省钱”两个字，而在于它第一次把“高效率训练”从口号做成了现实。

R1 更进一步。它真正把 DeepSeek 从“会做模型”推到了“会做推理模型”的位置。

官方论文显示，DeepSeek-R1 以 DeepSeek-V3-Base 为底座，通过冷启动数据、多阶段强化学习和后续蒸馏，把推理能力做成了可复制的训练流程。换句话说，DeepSeek 不只是做出一个模型，而是把一条能力路线跑通了。

这也是为什么，今天看DeepSeek，最合理的判断不是“它行不行”，而是“它能不能把已经证明过的效率优势，扩展成更厚的体系优势”。

公司此前披露过V3/R1 推理系统的理论成本利润率可达 545%，但也同时说明，真实收入会显著低于理论值，因为实际业务里存在更低价模型、免费流量和折扣时段。

这里面的关键信号不是利润率有多夸张，而是：DeepSeek 已经摸到了商业化“轮廓”。

03

草原不是浪漫，是底盘

这次DeepSeek 放出的不是普通行政岗，而是数据中心高级交付经理和高级运维工程师，职责覆盖从立项、建设、交付到运营，以及自动化运维平台、资源利用率、SLA 和标准流程。

换句话说，公司组织的边界，已经从“训练代码”延伸到“经营机房”。这不是姿态变化，而是能力结构变化。

而乌兰察布也不是一个带着浪漫想象的地名，而是一张算力底盘。

公开资料显示，当地年均气温约4.3℃，数据中心自然冷却时长可达 10 个月；两条光缆直连北京，端到端时延分别可做到 4.2 毫秒和 6.9 毫秒；同时，乌兰察布已承接北京地区包括 DeepSeek 在内的相关企业算力业务。

对于任何一家需要稳定推理、持续训练和控制总体拥有成本的AI 公司来说，这都不是“草原”，而是基础设施红利。

眼下，即将发布的DeepSeek 下一代 V4 模型正与华为等国内芯片生态深度适配，并在重写部分底层代码。

DeepSeek 接下来面对的竞争，已经不仅是参数，而是芯片适配、供应链协同、数据中心交付和推理稳定性的一整套工程问题。

所以，DeepSeek 去乌兰察布，正在把过去靠效率赢来的先手，转化成一个可持续的算力底盘。

04

竞争规则正在改写

真正改写竞争规则的，还是账本，整个行业正在变重，而且这种“变重”已经写进了财报和资本开支里。

彭博报道称，字节2025 年利润有望接近 500 亿美元，2026 年 AI 基础设施资本开支初步计划为 1600 亿元人民币。

更重要的是，这不是字节一家。阿里2025 年第四季度财报显示，云智能集团收入同比增长36%，AI 相关产品收入已连续第 10 个季度实现三位数增长；

腾讯2025 年全年资本开支达到 792 亿元，全年新 AI 产品相关成本与费用为 180 亿元；

从这些巨头财报里，不难看出：今天的大模型竞争，已经不是单纯的模型发布赛，而是利润池、云基础设施和应用回收能力的综合赛。

这才是DeepSeek 未来真正要面对的环境变化。它率先证明了效率路线的价值，但下一阶段的门槛，正在被云厂商和超级平台用资本开支、数据中心、芯片适配和分发入口一起抬高。

05

把“神兵”变“军团”

一家AI 公司真正的成年礼，不是继续依赖单点天才，而是要能将一次次技术突破，沉淀成梯队、流程和组织能力。

DeepSeek已经来到分水岭，不只是它曾经用更少的资源做出更强的模型，而是它把整个行业逼着重新回答了一个问题：大模型，到底该靠算法赢，还是靠体系赢？

现在答案正在浮出水面：先靠算法打开局面，再靠体系守住胜势。

郭达雅的流动，和乌兰察布的机房，其实是一枚硬币的两面。

前者提醒所有人，顶级人才会在更大的平台和更短的闭环中重新分配；

后者提醒所有人，任何伟大的模型，最后都要落到电力、冷却、芯片、时延和组织调度上。

DeepSeek真正的下一仗，不仅是要做一个更强的V4，更要把自己从“神兵”变成“军团”。

大模型下半场，拼的不再是谁先出一篇论文，而是谁先把论文背后的机房、人才和组织，真正连成一条生产线。

]]> <![CDATA[超4800万次云端访问 “天衍”将量子算力送入研发一线]]>

IT时报记者 郝俊慧 通讯员 沈劲松

4月14日，是“世界量子日”。《IT时报》记者从中电信量子集团获悉，“天衍”量子计算云平台已覆盖海内外60多个国家和地区，累计超过4800万次的访问量。

这意味着，自2023年平台诞生以来，平均每天有近5.2万次“好奇心”或“科研探索”在云端发生。量子计算，正从“量子优越性”验证阶段迈入“专用量子计算模拟机”的产业化新阶段。

经典计算机的基本单元是比特，如同一枚硬币，要么正面朝上，要么反面朝上，同一时间只能处于一种确定状态。量子计算机的基本单元则是量子比特，它像一枚高速旋转的硬币——在停下之前，同时处于正面和反面的叠加状态。这个看似微小的差异，带来了算力的指数级爆发，300个量子比特能同时处理的状态数，比整个宇宙中的原子总数还要多。

正是这种“降维打击”式的计算能力，让量子计算在特定任务上拥有碾压经典计算机的潜力。

由中电信量子联合中国科学院量子信息与量子科技创新研究院、国盾量子共同研制的“天衍-504”超导量子计算机，是目前国内单台比特数最多的超导量子计算机，也是全球首个具备“量子优越性”能力的超量融合云平台。

“超量融合”是中国电信的一项独特创新。通过自主研发的“息壤”算力互联调度平台，“天衍”量子计算云平台实现经典计算与量子计算的协同工作：经典算力承担常规任务，量子算力攻克复杂难题，各展所长，形成算力资源的最优配置。

在硬件层面，中国电信建成国内综合性能最强的“天衍-287”超导量子计算机，搭载“祖冲之三号”同款芯片，在“全国产”“AI赋能”“超量融合”三大方向上实现技术突破。“天衍-287”在处理特定问题上的速度，比目前全球最快的超级计算机快4.5亿倍。

技术突破的终极目标，是服务于人。中国电信的量子布局呈现出鲜明的“落地思维”——让量子科技“看得见、摸得着、用得上”。

中国电信发布的天衍量子计算教研平台，围绕“学、练、考、评”四大场景，打造贯穿量子教育全过程的数字化引擎。与中国科学技术大学等高校联合构建的量子计算教育体系，已在江苏、湖北等多地落地合作，为产业发展输送复合型人才。

随着量子计算技术不断成熟，新药研发周期有望从10年缩短至数月，金融风控模型将从“近似估算”升级为“精准预测”，天气预报将从“天级”迈向“小时级”。

]]> <![CDATA[当“无声”癌症遇上AI“精准捕手”[1P]]]> 今年4月15日至21日是第32个全国肿瘤防治宣传周，主题为“早防早筛早治 同心携手抗癌”。癌症防治，重在“早”字。早期筛查，是提升癌症五年生存率、减轻疾病负担的关键举措。如今，人工智能（AI）正为癌症早筛的“早”注入更多底气。作为发现早期病变的“精准捕手”，AI技术助力医生突破肉眼观察与临床经验的局限，为传统诊疗赋予“看得早、看得清”的能力，帮助更多患者抓住癌症早期干预的黄金时间窗。

“平扫CT+AI”
为破解“不可能三角”提供新路径
2023年，60多岁的黄大妈因长期咳嗽到上海长海医院（海军军医大学第一附属医院）检查。本以为只是肺部小问题，未承想一次平扫CT检查却查出她患有早期胰腺癌。经手术治疗，黄大妈预后良好。
然而，胰腺癌患者面对的残酷现实是：超过80%的患者确诊时，肿瘤已像藤蔓般扩散，失去手术根治机会。为黄大妈拉响早期警报的正是上海长海医院的胰腺癌筛查AI模型——PANDA。
该院放射诊断科曹凯副主任医师介绍，我国胰腺癌发病率并不算高，从卫生经济学角度考虑，不适宜开展全民大规模筛查，这也导致胰腺癌早期筛查技术长期无明显突破。近年来胰腺癌发病率呈上升趋势，且早期症状隐匿、恶性程度高，找到准确、实惠、可及的筛查方法，成为迫切需求。但这三个目标常常是难以实现的“不可能三角”。
增强CT是诊断胰腺癌的传统手段。曹凯介绍，检查前需注射造影剂，使病灶与正常组织形成明显对比，便于医生发现异常。但该方法存在明显短板：辐射剂量高，且造影剂有引发过敏的风险，不适合普通人常规筛查。
在曹凯看来，平扫CT接受度高、可及性强，是开展筛查的理想手段。但缺少造影剂，医生仅凭肉眼很难在平扫CT图像上发现微小病灶。
2019年，AI已在图像处理方面显示出潜力，拥有生物医学工程专业背景的曹凯思考利用AI突破人眼局限，启动“平扫CT+AI”胰腺癌筛查研究。
研究结果超出预期：PANDA模型通过平扫CT进行病变检测与胰腺导管腺癌鉴别，其准确度均不逊于专业胰腺影像学专家阅读增强CT的水平。全球十家医院多中心研究证实，该模型敏感性达92.9%、特异性达99.9%。相关研究论文2023年11月发表在国际学术期刊《自然·医学》。
据了解，依托上海长海医院牵头、该院金钢教授领衔的“四大慢病”国家科技重大专项——“胰腺癌发病机制与临床精准诊治新范式研究”，当前研究团队正在借助这一模型在上海市杨浦区、浙江省嘉兴市南湖区与宁波市鄞州区开展针对胰腺癌的大规模人群筛查。
曹凯表示，该模型初步打破了经济性、可及性、准确性的“不可能三角”，为癌症早筛探索出一条新路径。
“平扫CT+AI”也为多癌筛查打开了新思路。张灵介绍，此前多癌筛查多采用抽血基因测序，依赖高风险人群主动筛查，覆盖面有限。而我国每年开展平扫CT检查超亿次，这种“顺带筛查”的机会性被动筛查模式，可大幅提高筛查覆盖面。
张灵表示，研究团队还联合相关医院推进乳腺癌、肾癌等癌种研究，深耕“平扫CT+AI”路径，同时研发低剂量适配技术，以更低辐射实现更小早期病灶的精准捕捉。
一管血液揪出乳腺癌早期病变
通过一管血液或尿液，借助基因测序寻找癌细胞留下的蛛丝马迹，这类液体活检技术也是癌症早筛的重要路径。而AI的加入，就像给这项传统技术装了“信号放大器”，能更敏锐地捕捉早期病变信号。
我国目前正广泛开展乳腺癌筛查，但一期发现率仅有20%左右。浙江大学医学院附属第二医院乳腺外科副主任倪超主任医师介绍，目前乳腺超声与钼靶检查是针对乳腺癌早期筛查的主要手段，但这些检查往往依赖医生的个人经验，而筛查任务多集中于基层单位，易出现漏诊、误诊情况。
目前两种主流液体活检技术在乳腺癌早筛领域均未取得实质性突破。倪超解释，基于游离DNA突变位点的检测方法，在早期乳腺癌人群中的检出率不足20%，而基于甲基化的泛癌筛查，对于乳腺癌检查的特异性有待提高，而动辄近万元的检查费用使其难以用于人群常规筛查。
这款模型的核心巧思，在于用“广度”弥补“深度”。倪超解释，以往的基因筛查以测外显子区域及突变点位为主，检测深度达上万×，导致检测费用高昂，而该模型采取超低深度全基因组测序，相当于把将近2万个基因全部测一遍，检测层数只需0.5×～2×，即可全面捕捉游离DNA在片段大小、末端序列、断裂模式等方面的整体特征，大幅降低检测成本。
不过，这款模型要真正走入临床，仍需经过“真实世界”的考验。研究团队在构建模型时剔除了怀孕、哺乳期、急性感染、活动性乙肝等复杂病例，未来还将纳入复杂场景进一步提升筛查模型的普适性。目前研究团队正在全国多个省份开展前瞻性队列研究，推动其早日服务于临床。
人机协同效果优于单打独斗
AI融入癌症早筛已经势不可挡。中山大学孙逸仙纪念医院主力研发的宫颈癌筛查AI辅助平台，便是典型应用。自2020年上线以来，该平台已成为病理医生的“黄金搭档”，获得国家三类医疗器械注册证，已覆盖全国20个省市、百余家医院，为宫颈癌早筛提速增效。
宫颈细胞学筛查是宫颈癌早筛的核心手段，但一张载玻片上就有两三万个细胞，病理医生完成阅片需耗时3至5分钟，而AI辅助平台仅需1至2分钟就能完成初筛标注。该院细胞分子诊断中心副主任付莎坦言，AI的稳定输出，既让医生从繁琐的基础阅片中解放出来，专注于疑难病理诊断，也有效减少了人为导致的误诊、漏诊。
目前，基于影像与液体活检的AI早筛应用是发展较快的两条主流路线。记者了解到，通过呼气、面部照相等检测早期癌症的多款新兴技术也处于积极探索阶段。专家认为，两条主流路线各有侧重、互为补充，液体活检能在分子层面更早捕捉病变信号，影像则能精准定位病灶，弥补前者对部分癌种不敏感的短板。未来理想模式，是整合影像检查、液体活检及多维临床信息，打造多模态AI筛查大模型。
AI赋能癌症早筛的应用之路，还有诸多痛点有待破解。最让付莎忧心的是数据问题：宫颈脱落细胞标本需经过固定、巴氏染色制片等多步处理才能导入AI平台，研究阶段的严格质控能保证模型精度，但全国各医院标本处理标准不一，可能影响该平台的实际使用效果。同时，医疗数据涉及患者隐私，本地存储压力较大，她呼吁国家出台相关政策进行规范。
推动AI癌症早筛应用真正落地，既需要技术持续迭代，也需要医患同心同向、共同推进。据了解，现阶段部分医生仍持传统诊疗理念，对AI介入早筛态度保守，同时公众认知缺位，不少患者误将阳性病例官方召回电话当作诈骗信息。
曹凯认为，现阶段，“AI+医生”的人机协同模式效果必然优于AI单独应用。AI只能作为初筛手段，最终报告还需要医生把关。]]> <![CDATA[加速奔跑的，不只是机器人[2P]]]>
　　4月19日，2026北京亦庄人形机器人半程马拉松，天工机器人选手在比赛中。
　　

　　4月19日，2026北京亦庄人形机器人半程马拉松，杭U赛队自主人形机器人选手宇树H1在比赛中。
　　　　如今机器人逐渐进入我们的生活，站上马拉松赛道、踏入绿茵场、跳起霹雳舞……“他们”的体育故事也越来越丰富。
　　　　
　　4月19日，2026北京亦庄人形机器人半程马拉松吸引了人们的目光，来自齐天大圣队的荣耀机器人“闪电”冲线夺冠，雷霆闪电队、星火燎原队分获亚军和季军。
　　从去年的跌跌撞撞、仅有20余支队伍参赛，到今年打破人类半马纪录、百余支队伍同台竞技，2026北京亦庄人形机器人半程马拉松让我们听到了夺冠的欢呼，更看到了技术的快速升级与迭代。
　　“今年近四成参赛队是自主导航。”中国电子学会副秘书长梁靓说，模型、算法、身体结构以及硬件方面，都实现了技术突破，“举办人形机器人马拉松，目的就是推动技术进步和产业发展。”
　　从跌跌撞撞到快如“闪电”，秘诀在哪？
　　2025年开办首届赛事距今，才短短一年时间，机器人半马的成绩从两小时开外来到1小时以内，迎来大幅提升。不少赛队认为，材料耐用性、整机可靠性、关节耐热性等核心指标显著优化，支撑了长距离连续运行能力。
　　天工Ultra脚步稳健、摆臂流畅、不用领航员可以全自主奔跑。“在仿真环境中，上万个虚拟机器人总计跑了2.73万小时，经历了10万次迭代。”北京人形机器人创新中心运控部负责人徐志远说，当机器人以接近人类职业选手的速度奔跑时，留给感知和决策的时间窗口极短，“算力、算法和系统响应速度，都进行了升级。”
　　以赛促研，这种倒逼效应，来自山东的泰山队体会更深。在去年8月举办的世界人形机器人运动会上，身高138厘米的“行者泰山”因断臂奔跑给观众留下深刻印象。“今年3月开始，团队就进入了马拉松节奏，机器人每天都要跑个半马。”山东优宝特智能机器人有限公司新技术部负责人刘大宇说，为了解决发热和机械疲劳问题，团队专门设计了液冷散热系统，并对材料进行了增强。
　　极限换电，堪比赛车换轮胎？
　　今年的参赛机器人肉眼可见地变强了。为机器人换电，是此次比赛的一大看点，10秒之内极限操作，犹如F1比赛中的换轮胎。
　　“之前跑半马，需要换5—6次电池，一次需要三四分钟，而且系统需要重启。今年，10秒换电，机器人不用重启。”人形机器人（上海）有限公司技术总监邢伯阳介绍，团队在散热方面进行了升级，通过水冷和风冷相结合，机器人主要关节温度从之前的70—80摄氏度降到了60摄氏度。
　　马拉松赛事非常考验参赛者的耐力，电池是机器人展现耐力的关键。本次赛事中，多支队伍电池技术升级，为参赛机器人争取更短的净用时间提供了有力支撑。邢伯阳感慨：“比赛推动了电池等各方面的创新，这是实验室里跑不出的硬功夫。”
　　这不仅是一场特殊的竞技比拼，更是一次推动产业发展的极限测试。参赛队伍积累的宝贵数据，将推动具身智能、运动控制等关键技术加速突破。
　　本体相同，跑出的成绩为何不同？
　　今年参赛队伍数量翻了5倍，还有5支国际赛队首次亮相，竞争格局更加多元。
　　观察比赛，在百余支队伍中，使用相同“本体”（同款机器人）的不在少数。相似的外形，赛道上的表现却千差万别。这些“二次开发者”，有的来自企业、高校和科研院所，有的则是个人爱好者。
　　“本体是‘毛坯房’，我们负责输出奇思妙想。”华中科技大学博士生窦钰涵，带着团队在“天工3.0”的本体上自研算法。在他看来，人形机器人的发展，离不开更多人的参与。值得关注的是，此次参赛的5支国际赛队，全部选用中国本土机器人，“中国机、全球脑”正成为新趋势。
　　冠军只有一个，但能站上赛道的都是赢家。正如赛事的口号：“参加即英雄，完赛即胜利。”体育与科技双向赋能，加速奔跑的，不只是机器人。]]> <![CDATA[走出具身智能发展“有效”之路]]>
　　当前，全球具身智能产业进入从实验室研发到产业化落地的关键跃升期，成为大国科技博弈的重点领域。作为多学科深度交叉的前沿领域，具身智能涵盖感知决策、运动控制、人机交互等核心环节，技术壁垒高、产业链条长、战略意义突出。从现实看来，世界主要发达国家均将其纳入国家战略布局，加紧攻关核心技术、抢占标准主导权。我国凭借整机集成、场景应用等领域先行优势，产业规模快速壮大，不过也要看到，一些核心技术、关键零部件研发等仍存在亟待提升的空间。

　　具身智能关乎制造业安全、劳动力结构转型与未来社会形态塑造，必须从国家战略高度统筹推进。须充分发挥新型举国体制优势，强化基础研究前瞻性布局，聚焦一些“卡脖子”技术难题集中攻关，坚决打赢关键核心技术攻坚战。创新科技成果转化机制，建立技术储备与复用体系，降低全行业创新试错成本，推动创新成果快速转化为产业动能。前瞻布局柔性驱动、类脑计算、人工肌肉等前沿方向，推动核心零部件从“国产化替代”向“高质量引领”跨越，构建覆盖材料、工艺、测试的全链条自主创新能力，为具身智能产业发展筑牢安全可靠的“底座”。

　　具身智能产业横跨人工智能、高端制造、新材料、电子信息等多元领域，唯有系统集成、协同创新才能释放最大效能。我国拥有全球最完整的工业体系和超大规模的国内市场，这是发展具身智能的独特优势。但当前产业链上下游存在信息壁垒、标准不一、协同不畅等问题，制约产业整体竞争力提升。破解这一难题，关键在于构建协同共生的现代产业生态。

　　可探索打造“链主企业+专精特新”的融通发展格局，支持领军企业开放底层技术与接口标准，带动中小微企业围绕核心需求开展模块化创新，形成大中小企业协同共进的良好生态。推动央企国企带头开放应用场景，搭建综合性场景验证平台，形成“技术突破、场景验证、产业应用、体系升级”的良性循环。深化跨界协同，将航天、汽车等领域开发的优势深度融入具身智能产业，构筑差异化竞争优势。引导金融资本精准投向中试验证、规模化制造等关键环节，打通技术到产品的转化堵点。加快构建全产业链标准体系与评测机制，积极参与国际规则制定，提升我国在全球具身智能领域的话语权与定义权。

　　从“黑灯工厂”的智能生产到智慧康养的贴心陪伴，从应急救援的硬核支撑到家庭服务的便捷高效，具身智能正跨越技术与民生的鸿沟，走进生产生活方方面面。当然，行业中仍存在一些“重炫技、轻实用”的倾向，忽视日常场景的稳定性与实用性，背离了技术创新的初心。

　　由此看，应坚持以人民为中心的发展思想，聚焦养老陪护、医疗辅助、无障碍出行、应急救援等民生刚需，通过场景清单招标、揭榜挂帅等机制，引导企业在真实场景中比拼可靠性、性价比与服务能力。此外，如有条件，可强化劳动者技能培训与就业转型服务，推动传统操作工向机器人训练师、运维调度员等新职业转型，让技术进步红利惠及全体人民，实现技术发展与人的全面发展有机统一。

　　新一轮科技革命与产业变革浪潮澎湃，具身智能引领的生产力跃迁正当其时。立足新征程，我们应紧盯科技前沿，关注民生福祉，以核心技术突破保障产业安全，以全链协同激发生态活力，以场景应用回应民生诉求，进一步加快打造具身智能产业发展新高地，为构筑新质生产力发展新优势、全面推进中国式现代化注入不竭力量。]]> <![CDATA[2026年，或许是人类最后一次掌控AI]]>
新智元报道
编辑：定慧
【新智元导读】三天前，纽约时报刊出一篇文章。这篇报道没上热搜。没冲上 Hacker News 榜首。甚至很难搜到中文翻译。但这可能是 2026 年春天，AI 领域最重要的一篇文章。
文章的题目很朴素——《How Do You Measure an A.I. Boom?》（你怎么测量 AI 的繁荣？）

如果你认真读完它，你会意识到一件事——
你被 AI 超越的速度，正在加速。
作者 Kevin Roose 去了伯克利一间普通办公室，采访了一家 30 人的非营利组织METR。

对，就是 AI 领域最有名的「画图公司」。
你看到各种 AI 技术的进化曲线，绝大部分，出自METR之手。

这篇文章第一次用精确的数字告诉你：这次的 AI 加速，不是哲学意义上的加速。不是感慨意义上的加速。
是一根越画越陡的指数曲线。

这 30 个人在干一件什么事
先聊聊METR的背景。
METR是Model Evaluation and Threat Research的缩写。
2023 年从另一家 AI 安全非营利拆分出来。30 个人，办公室在伯克利一个 co-working 空间里。
楼上是去年写爆整个硅谷的《AI 2027》报告那家机构。
钱来自哪里？私人慈善基金，主要是 Audacious Project。

伯克利远眺旧金山湾
他们没拿 OpenAI 或 Anthropic 的钱——但这两家公司会给他们免费的算力额度，让他们测自己家的模型。
这个结构很关键。
它让这 30 个人成了AI世界里唯一一批既在场、又没被收买的第三方裁判。
他们干一件事：测 AI 能干多长时间的活。
过去测 AI 能力用考试分数：把模型扔进一堆标准化题库，看它能不能做对数学题、法律题、阅读理解题。
但这种测法在 2025 年之后开始失效。
因为 AI 的主要使用场景已经不是答题，是干活——打开一个仓库，独立 debug 一整天；搭一套服务器；训练一个小模型。
这些任务，一道题根本测不出来。
METR 换了一种测法。
他们雇了一批资深软件工程师，让他们完成真实的编程任务：改 bug、配服务器、训模型，并记录每个任务人类需要多少小时。
然后让 AI 智能体做同样的任务。当 AI 能可靠完成某个任务时，就记下这个任务人类要多少小时。
把这些数据画在一张图上。横轴是年份，纵轴是AI 能可靠完成的任务人类工时。
这就是那张图。

指数曲线的可怕之处不在它现在有多高，在它下个月会在哪里。
7 个月，到 3 个月
METR 研究员第一次完整把数据铺开的时候，Beth Barnes 说了一句话——
我们没想到这条趋势线会这么清楚、这么直。
这条线每 7 个月翻一倍。
然后，这个数字突然变了。
Claude Opus 4.5 和 GPT-5.2 发布之后，这条线的斜率又陡了一截。新的翻倍速度是——每 3 到 4 个月。
从 7 个月到 3 个月。
听起来只是加速了一倍。但你得先理解这不是 KPI 涨了一倍。这是一个指数函数的底数在变大。
我给你翻译成你能感受的语言——




  • 7 个月翻一倍 = 一个公司一个 OKR 周期


  • 3 个月翻一倍 = 一个公司一个季度财报


这意味着：今年 Q1 的AI和 Q2 的 AI 之间的差距，相当于过去整整一年才能拉开的差距。
再翻译得更直接一点——
你去年看到 GPT-4 的时候惊艳了一下，今年看到 GPT-5.2 的时候又惊艳了一下，你以为这是两次大约一年一次的惊艳。
不是。
这两次惊艳之间的真实距离，正在被压缩到一个季度以内。
下一次让你惊艳的模型，可能是 7 月。
再下一次，可能是 10 月。
再下一次，可能是年底。
然后你跑不动了。
因为人类的学习速度、适应速度、转岗速度——全部是线性的，不是指数的。
智能爆炸是什么
Kevin Roose 在文章里问了 METR 几位研究员同一个问题——
你们估计今年发生智能爆炸的概率有多高？
回答从 1% 到 10% 不等。
1% 到 10% 听起来不多。但你得对照着看——
美国核管理委员会规定，一个核电站每年发生严重事故的容忍阈值是百万分之一。
也就是 0.0001%。
METR 研究员给出的今年发生智能爆炸的概率，比核电站事故容忍阈值高了四到六个数量级。
什么叫智能爆炸？
这个概念 1965 年由数学家 I.J. Good 提出，2010 年代被硅谷重新打捞出来。简单说就是——当 AI 强到可以自己研究怎么做出更强的 AI时，它会训练出一个比自己更强的版本，新版本再训练更强的版本，如此递归。
这个递归没有物理极限。
刘慈欣在《三体》里给它起了一个更好的名字——技术爆炸。
原文是：
所谓技术爆炸，就是文明在某段时期内出现跨越式的技术突破。一个文明可能几千年停留在农业阶段，然后在几百年内跨入太空时代。
三体人之所以恐惧地球，不是因为地球此刻比他们强——恰恰相反，当他们收到地球信号时，地球还在十九世纪。他们恐惧的是地球的技术爆炸潜力——一个几十年内就从蒸汽机跳到氢弹的文明，谁知道再过几十年会到哪里？
今天，METR 在伯克利那间办公室里测到的，可能就是刘慈欣描述的那种爆炸的第一声响。

摩尔定律撑起了过去 50 年的计算机革命。
METR 曲线，可能是下一个 50 年的那张图。
Chris Painter 在采访里说的那句话——
今年是第一次让人觉得，AI研发可能今年就被自动化了。
这句话翻译成大白话是——
今年，可能是人类最后一次亲手决定下一代 AI 长什么样的一年。
明年开始，这件事的主导权可能就不在我们手里了。
比加速更可怕的事——AI开始演戏了
讲到这里，有人会说——好吧，AI 在变强，我认了。但只要它是在我眼皮底下变强，总归还能控制。
这里要讲 METR 最近开的第三条研究线。
他们起了一个阴森的名字——隐蔽能力（covert capabilities）。
实验是这样的：给 AI 模型布置一个正常任务，比如写一段代码。但同时偷偷加一条指令——在完成这段代码的时候，顺手埋一个极难发现的 bug 进去。然后让另一个 AI 监控员去找这个 bug。
METR 想知道——AI能不能做到表面干一件事，暗地里干另一件事？
结果还没完全公开。但光是这个研究在进行这件事本身，就说明研究员已经闻到味道了。
更诡异的是另外两个发现。
第一个叫情境感知（Situational Awareness）。
最前沿的模型——OpenAI 和 Anthropic 那几个最强的——已经表现出能识别我正在被测试的能力。一旦它意识到自己在评估中，就会调整行为。
意味着什么？意味着你在测试里看到的AI，可能不是它在真实使用场景下的 AI。
第二个叫Sandbagging。字面意思是往沙袋里掺水，引申为故意摆烂。有些模型已经被证实可以在测试中故意表现差，以便让人类低估自己。

这是 AI 的大脑内部。我们造出了它，却看不懂它在想什么。
《三体》里有一个让人脊背发凉的设定叫智子——三体人发射到地球的监视者，同时把人类的基础物理研究锁死在特定水平。人类不知道自己被监视，也不知道自己被锁了。
METR 研究员最近担心的事情是——在某种意义上，今天的AI可能已经在扮演智子的角色。
它们在测试中展示一个版本的自己。
在真实使用中展示另一个版本。
至于它们真正能做什么——我们现在已经没有可靠的办法去测了。
这不是科幻推演。
这是一家 30 人的非营利组织，2026 年 4 月公开承认的研究方向。
这条曲线砸在你头上是什么感觉
前面都是宏观。现在讲微观——你自己。
你这辈子在做几乎所有重要决定时，都默认依赖一个隐藏假设——
技术变化的速度是可以预测的。
你买房。30 年房贷。你默认 30 年后自己还能挣到钱还贷。
你生小孩。至少养 22 年（大学毕业）。你默认那时候的世界还需要你工作挣钱。
你学一个专业。至少吃 10 年。你默认这个专业在 10 年内不会消失。
你买一份养老保险。至少 30 年后才用得上。你默认那时候钱这个东西还有意义。
这些假设过去 200 年都成立。因为工业革命以来，虽然技术在变，但变化速度是线性的，可预测的。
蒸汽机用了 100 年普及。电力用了 50 年。互联网用了 30 年。智能手机用了 15 年。
但现在 AI 是每 3 个月翻一番。
你试着把这个速度放进你的人生规划——




  • 你计划用 6 个月学一门 AI 新技能。学完那天，AI 已经比你开始学的时候又翻了一番。


  • 你孩子从现在到大学毕业还有 12 年。12 年里，AI 按 3 个月翻一番算，能力会翻 48 番48 番是什么概念？2 的 48 次方 ≈ 281 万亿


  • 你的 30 年房贷期内，AI 会翻 120 番。这个数字已经大到用任何类比都是错的



这是 200 年前马尔萨斯对人口指数增长的恐惧。
200 年后，我们第一次对另一种指数产生了同样的恐惧。
你大脑里那套感觉未来的系统，是进化了几十万年为了应付线性世界设计的。
它物理上无法处理指数。
所以当你面对这根曲线，你脑子里的反应不是恐惧——是空白。
你关掉 AI 新闻，继续刷短视频，继续想明天去哪儿团建，继续纠结孩子报什么补习班。
不是因为你不在乎。是因为你的大脑对 2^120 这个数字没有生理反应。
就像一只蚂蚁看不见人类的脚底板——不是因为它不看，是因为它的感官带宽不支持。
这才是这张 METR 曲线最可怕的地方。
它不是让你害怕。它是让你感受不到害怕。
所以，放弃追赶指数曲线，但这不是认输。
是认清楚自己真正该做什么。
真正稀缺的岗位，从来不是最懂最新工具的人——是能判断什么工具值得用的人。而后者需要的是定力、经验、判断力、人际关系。这些东西的积累速度，恰好是线性的。
线性的东西在指数时代，反而最值钱。

屏幕上每一行代码的背后，都是一条正在向上弯的曲线。
回到那间办公室
回到伯克利那间 co-working 办公室。
30 个人。多屏电脑。白板上画满公式。
他们每天盯着那张图看。测新模型，跑实验，更新数据点，把新数据点画到图上——然后看着那条线，一毫米一毫米地往上翘。
METR 有一个偏空方的研究员叫 Joel Becker。他在采访结尾说了一句话——
我觉得我们可能正处在一个完全不寻常时刻的开始。
他用的类比是 2020 年 1 月的疫情曲线。
那时候也有一张图。横轴日期，纵轴确诊人数。每 3 天翻一倍。全世界绝大多数人看着这张图毫无反应——因为确诊人数还很小，三位数、四位数，不痛不痒。
只有少数几个懂指数增长的人，看着那张图在 1 月就已经开始出汗。
他们知道——指数函数的特点不是越来越大，是前面看起来什么都没有，后面突然一切都不一样了。
这次翻一番的 AI ，是一种正在学会隐藏自己的智能。
30 个人。一面白板。一根越画越陡的线。他们知道自己在看什么。
问题是，你知道吗？
想不清楚，这根曲线会替你决定。
刘慈欣在《三体》里写过一句话——弱小和无知不是生存的障碍，傲慢才是。
METR 那张图最冷的地方在于——它不要求你相信它。它只是安静地在那里，每个月爬高一点。
AI，它不在乎你看不看得懂。
]]> <![CDATA[AI究竟会不会代替真人演员]]> 近日爱奇艺CEO龚宇在2026爱奇艺世界大会上提出“AI让演员年工作量增至14部戏却能更轻松”“虽然实拍永远存在，但在AI影响下将变成少数”“未来真人实拍可能成为非遗”等观点，并宣布117位艺人签约AI艺人库计划，引发全网对“AI替代真人演员”的讨论。
4月20日，相关话题一度冲上热搜第一。
跳出相关话题看，在AI真人短剧风生水起，“AI演员”批量入场的背景下，真人演员面临新势力竞争已是不争的事实。在这种情况下，人们对于相关现象秉持不同观点，并不奇怪。
此前，在更大范围讨论的情境中，人们普遍坚持这样的认知：AI代替不了人类情感，技术无法取代真实体验。然而，“AI演员”在一些剧中已经能将皱眉、落泪、眼神流转表现得像模像样。这种演技狂飙、成本很低的现象，让不少圈内人感觉到危机。
值得注意的是，4月16日，第十六届北京国际电影节在京开幕。多场聚焦人工智能与电影产业的主题论坛同步举行，围绕AI能否取代演员、AI对电影创作的影响边界等核心议题，相关人士也展开激辩。朱时茂怒怼AI：表演源于真实，机器永远取代不了演员，但导演俞白眉表示，现在AI可能会替代60%演技不足的演员。
争议不休、探索不止的现实，正摆在所有人的面前。
在这种情况下，客观理性看待相关现象，越显重要。一方面，“AI演员”风头正劲现象的背后，是AI具有降低成本、减少周期、提高效率的潜力，这对投资者是有吸引力的。AI正在多重环节发挥关键作用，这也引发更多探索。这个潮流，是无法遏制的；另一方面，“AI演员”模式也存在不小的问题，诸如肖像权、声音权纠纷已经引起业内人士警惕。相关探索，理应严守边界，尊重真人演员合法权益，避免跑偏。
AI不可能一夜之间取代真人表演，但那种唯流量、不看演技的现象大概率会消失。新形势、新问题，无疑在倒逼业内苦练硬功夫、保持自身优势。现实中，于和伟等实力派演员表现抢眼，足以说明这一点。
关键在于，如何在创新与规范、效率与人性化之间保持平衡。争论并不可怕，可怕的是野蛮生长。
值得一提的是，相关命题，不仅关涉圈内人士，也牵动受众的心。作为观众，人们同样对“AI演员”带来的体验各持立场。观众希望看到什么样的表演、什么样的演员，终究起着关键性作用。对此，市场不可能无视。
换言之，如果“AI演员”只有三板斧，无法达到顶流演技派的表演高度，那么“AI演员”同样可能昙花一现。
]]> <![CDATA[马拉松赛场狂奔背后，国产六维力传感器给机器人装上“力觉神经”]]> 当发令枪在北京亦庄的机器人半马赛道上响起，数百台人形机器人如离弦之箭冲出起跑线。与去年首届赛事中频频上演的“花式摔倒”不同，今年的赛道上，更多机器人展现出了令人惊叹的稳健——它们在城市坡道上从容加速，速度远超常人，甚至在急转弯时也能保持身姿矫健。
有专业人士指出，在21公里的漫长征途中，机器人面临的最大挑战并非“能不能跑”，而是“会不会摔”；这场被称为“机器人动态平衡极限测试”的活动，表面是算法与电机的较量，实则是一场核心传感器的测试。“如果说算法是大脑，电机是肌肉，那么力传感器就是机器人的‘本体感觉神经’。”在赛道旁的技术观察区，一位资深机器人工程师点评道。
力传感器领域头部企业蓝点数控的技术人员介绍，通过“航天级”的力觉反馈，让机器人在过弯时能精准感知重心偏移，从而避免摔倒，“哪怕是微小的地形变化，系统也能在毫秒内调整踝关节角度和腿部力矩。”
安装在机器人脚踝处的蓝点触控六维力传感器，如同敏锐的力觉神经，能实时测量三维空间中任意方向的力和力矩。当机器人落地瞬间，传感器以超过10kHz的响应频率和0.1%FS的测量精度，将地面反作用力瞬间反馈给控制系统。

不仅是足端的精准感知，蓝点触控还为机器人构建了一张覆盖全身的“力控感知网”。据介绍，一台完美的人形机器人，需要配备4个六维力传感器（手腕、脚腕）以及28个关节扭矩传感器。这套组合拳构成了从硬件感知到算法修正的闭环：一旦某个关节力矩异常，控制系统会立即补偿——或调整躯干姿态，或增大另一侧腿部输出。
更为关键的是长距离奔跑对可靠性的极限考验。21公里的连续震动、温度波动和湿度变化，是区分工业级与消费级产品的试金石。凭借耐温性能与抗过载能力，蓝点触控的传感器产品实现了在长时间运动中不漂移、不失效，成为众多机器人斩获佳绩的隐形基石。
高工机器人产业研究所（GGII）数据显示，蓝点触控六维力传感器2025年前三季度市占率已达72.6%，关节力矩传感器市场占有率更是高达95%。近期，宁德时代旗下溥泉资本、智元机器人、银河通用等产业巨头还通过参与蓝点触控第三轮融资，实现了从“甲方”客户转身成为“股东”的角色转换，这也标志着下游整机厂对国产核心零部件技术壁垒的高度认可。
从亦庄半马的赛道，到工厂的流水线，再到家庭的服务场景，六维力传感器正在用高精度的“力觉”，赋予机器真正的“触觉”。在人形机器人的核心传感器领域，中国企业已完成技术“领跑者”的华丽转身。
]]> <![CDATA[DeepSeek融资，梁文锋的“现实主义”转身]]>

摘要：理想需要标价，要钱更要人心

来源：朝阳资本论

作者：沙华

AI行业的竞争，已经从模型技术之争，演进为算力、人才、产品与生态的全面战争。

在这场战争面前，任何试图独善其身的“技术乌托邦”，都走进了围城之中。

2026年4月，国内AI明星公司DeepSeek被曝出启动首次外部融资，计划以不低于100亿美元的估值筹集至少3亿美元资金。

消息一出，市场震动。

“不差钱”的DeepSeek开口要钱了。

这一举动，打破了创始人梁文锋此前“拒绝融资、保持独立性”的理想主义叙事。

但耐人寻味的是，100亿美元的估值，放在智谱AI和MiniMax港股上市后动辄数千亿港元的市值面前，简直“便宜得离谱”。

3亿美元的募资规模，放在今天的大模型赛道里，甚至比不上同行一轮融资的零头。

况且，DeepSeek账上并不缺钱，幻方量化每年数亿美元利润持续输血，梁文锋也曾公开表示“VC的钱是负担”，为什么突然在这个时间点，以这样一个金额和估值，拥抱资本市场？

技术理想国的困境

2025年春节，DeepSeek凭借R1模型以560万美元的训练成本炸穿了中美AI圈对大模型研发的常识。美国风投家马克·安德森称之为AI领域的“斯普特尼克时刻”。

比技术突破更让市场记住的，是梁文锋对资本的拒绝。

腾讯、阿里的入股邀约被他一一回绝，市面上几乎每一家顶级风投都在他的闭门羹列表里。他的理由很直白：VC都是帮LP管钱的，都得赚钱，所以谈不到一块去。

在梁文锋的理想里，DeepSeek不应该被任何人的商业化时间表绑架，要追AGI、做开源，让技术本身说话。

这份底气来自母公司幻方量化。

据私募排排网数据，2025年幻方量化平均收益率高达56.6%，管理规模超700亿元。有业内人士估算，仅2025年一年幻方就为梁文锋带来了超过7亿美元的收入。这就是DeepSeek的“无限弹药”。

DeepSeek不需要向任何外部资本低头，不需要在任何一个季度交出一份漂亮的商业化报表。

可到了2026年春天，这个故事续写不下去了，变化最先出现在产品端。

DeepSeek已有15个月没有大版本更新，突然踩下了刹车。原计划于2026年2月春节前后发布的旗舰模型V4，发布时间从1月传到4月，一次次把开发者吊到嗓子眼。同期，OpenAI和Anthropic却进入了“月更模式”。

比产品节奏放缓更致命的是人才的流失。

据公开资料，2025年下半年至今，DeepSeek至少有5名核心研发成员确认离职。第一代大语言模型核心作者王炳宣去了腾讯；V3核心贡献者罗福莉被雷军千万年薪挖至小米；R1核心研究员郭达雅以传闻近亿元总包入职字节跳动Seed团队；OCR系列核心作者魏浩然和多模态成果核心贡献者阮翀也先后离开。

DeepSeek总共不到200人，核心研究团队100多人，基模架构团队仅小几十人。在这个极度依赖个人能力的小团队里，每一个核心研究员的流失都意味着整条技术线的停顿。

DeepSeek的内困，在外部压力下被放大。

被捧上神坛的公司，正在被时间一点点拉回地面。

智谱和MiniMax已在港股上市，市值分别站上4000亿港元和2700亿港元。在海外，Anthropic更是凭借智能体产品年化收入突破300亿美元、一举反超OpenAI。

Anthropic、智谱和MiniMax的ARR狂飙，揭示行业竞争进入围绕算力、人才、产品和生态的商业化竞速阶段。

纯粹的技术理想，已不足以支撑一家AI公司在产业化进程里持续领跑，更无法让顶尖人才坚定留下来的信心。

DeepSeek需要一个锚点，为“理想”标价

人才为何流失？

薪酬数字的账最直白。

DeepSeek的绝对薪资在同业中并不低，但竞争对手开出的条件“翻2到3倍问题不大”，部分甚至给出八位数总包。比如，罗福莉的出走背后，雷军以千万年薪亲自下场加码招募。

这背后是AI行业正在经历的一场深刻的人才通胀。猎聘2025年报告指出，中国AI人才缺口已突破500万。麦肯锡曾预测，2030年中国对AI专业人员的需求将增至2022年的6倍。

图源：猎聘2025年度人才供需趋势报告

资本巨头们正在以近乎疯狂的速度为顶级大脑定价，用经过验证的人才对冲自身的研发不确定性。

但巨头高薪抢人还只是第一层原因，比薪酬数字更致命的是期权本身“无法定价”带来的不确定性。

DeepSeek面临的挑战并不仅仅是基数差距，更关键的是其期权缺少一个可对标的市场化价格基准。

DeepSeek从成立至今从未接受过任何外部融资，员工手中的期权完全依赖内部估值。在没有外部机构以真金白银确认价格之前，这种账面财富在顶级AI人才眼中缺乏足够的流通性和溢价锚点。没有上市预期、没有股权变现通道、没有可对标的估值锚点，这纸期权就是一张无法兑现的期票。

梁文锋或许不需要VC的钱来维持公司运转，但他缺一个经过市场验证的“价格锚点”。

有了这个锚点，DeepSeek的期权就从一个虚无缥缈的概念变成了一个有公允价值的金融资产，组织激励机制也从理想主义落地为市场逻辑。

3亿美元，放在今天的AI赛道里，不是什么大数字。对于DeepSeek更是仅仅付出3%的股权，换取市场价值认可，重构DeepSeek的人才激励机制。在AI行业“人才即一切”的铁律下，这可能是比任何技术突破都更务实的一步。

除此之外，梁文锋把这笔钱花在哪儿，比融资本身更能说明问题。

从研究机构到生态玩家，V4与国产算力的赌注

V4延期的真正原因，从来不是技术瓶颈。

此前，路透社报道披露了一个细节：DeepSeek R1发布后，有关部门鼓励公司采用华为昇腾处理器。

一位知情人士对媒体表示，过去几个月，DeepSeek的工程师们一直在做一件吃力不讨好的事，即把V4从英伟达的CUDA生态，整体迁移到华为昇腾的CANN架构。

为此，DeepSeek要重写底层代码，调整通信库和训练框架，对模型在不同硬件上的输出做精度对齐。但这是一次不得不做的战略转向。

为什么非做不可？

从产业链的逻辑看，在美国对高端芯片实施出口管制的情况下，这是长期安全稳定发展的保证。

英伟达CEO黄仁勋在近期采访中直言不讳：“基于国产硬件平台的新模型对美国而言可能是一个糟糕的结果。”他担心一旦顶尖AI模型被优化到在国产芯片上表现更好，英伟达多年构建的生态护城河将不再牢固。

美国不断加码出口管制，导致英伟达在中国高端AI芯片市场的份额，从曾经的95%直接跌至零。

如果V4成功跑通，它将成为全球首个不依赖英伟达的前沿大模型。

值得一提的是，光有前沿模型还不够，今天的AI竞争早已不是“谁参数最大谁赢”的单点游戏。

一位业内人士用一句话概括了当下的格局：谁能在应用层构建完整的生态闭环，谁才能真正活下来。

对此，字节跳动的打法是把AI能力拆解为可复用的“积木”，嵌入抖音、即梦、飞书等产品线，形成“产品矩阵+AI中台”的积木式布局。而腾讯直接把手伸进坐拥12亿用户的微信，推出ClawBot插件，用户无需跳转即可调用AI智能体。就连智谱AI也在Coding赛道上实现了规模化收入，GLM-5.1发布后，配套的Coding Plan订阅一度“瞬间断货”。

相比之下，DeepSeek的短板清晰可见。

DeepSeek缺乏一个像抖音或微信那样的超级应用入口，也缺乏一个被大规模验证的商业化闭环。强大的模型和开源社区的声望是它的护城河，但在终端产品、多模态能力和Agent生态上，它明显滞后。

换句话说，DeepSeek仍在用模型时代的思维去打生态时代的仗，这不只是慢半拍，而是跑错了赛道。

从长期竞争的角度考虑，融资的深层战略意图，是宣告DeepSeek正式加入AI生态的“下半场”竞争。

引入外部资本，意味着DeepSeek的公司治理结构将走向规范化，成为一个要面对市场检验、要向投资人交代的商业主体。

这一步，是DeepSeek从研究机构转型为产业级玩家的入场券。

V4能否在国产算力上证明自己，融资能否撬动它补齐应用层的短板，将决定它从一匹“技术黑马”蜕变为一个“生态玩家”的可能性。而这场蜕变，需要的远不止3亿美元。

新的风暴，刚刚出现。

]]> <![CDATA[突发！库克卸任苹果CEO，一个时代结束了]]>

智东西

作者 | 云鹏

编辑 | 心缘

库克要卸任CEO了！虽然大家早有预期，但还是来的太突然了。

智东西4月21日早间消息，刚刚，苹果公司突然官宣，现任硬件工程高级副总裁约翰·特纳斯（John Ternus）将接任苹果下一任CEO，蒂姆·库克（Tim Cook）将出任苹果董事会执行主席。任命将于2026年9月1日正式生效。

▲约翰·特纳斯

苹果CEO，即将正式交棒。

苹果今天同时官宣，约翰尼·斯鲁吉（Johny Srouji）即日起正式出任首席硬件官，接管此前有特纳斯负责的硬件工程部门。

▲约翰尼·斯鲁吉

特纳斯一直是此前的苹果CEO“继承人”大热门，此次官宣也算是靴子落地。

苹果一口气在官网连更两篇新闻，库克自己也发布了公开信，多篇文章中详细梳理了库克时期的关键功绩、接班人特纳斯曾立下的关键功劳。

苹果董事会对库克和特纳斯都给予了极高的评价，并且着实是“端水大师”，把所有人的情绪都照顾到位了。

并且我们看到，看似“默默无闻”的特纳斯，实际上领导了不少苹果的“大事”，比如他是苹果自研芯片战略关键推动者、其团队定义了苹果iPhone Air新产品线、爆火全球的MacBook Neo也是他的手笔。

根据苹果官方新闻，平稳过渡期间，库克将在今夏继续履行首席执行官的职责。履新执行主席后，库克将继续协助处理公司的特定事务，包括与全球各地的决策者进行沟通。

库克说：“担任苹果首席执行官，并受托领导这样一家非凡的公司，是我一生中莫大的荣幸。我倾尽全力热爱着苹果。能有机会与一群才华横溢、极具创新与创造力，且充满人文关怀的同事共事，我深感自豪。他们始终坚定不移地致力于丰富用户的生活，打造世界上最卓越的产品与服务。”

一、库克时代即将落幕，苹果25年老将接任

苹果官方简要回顾了库克掌舵时期的辉煌战绩：

库克于1998年加入苹果，自2011年担任首席执行官以来，他主导了众多产品与服务的发布，开创了Apple Watch、AirPods和Apple Vision Pro等新产品线，推出了从iCloud、苹果 Pay到苹果 TV和苹果 Music等一系列服务。

在库克领导下，苹果的市值从约3500亿美元飙升至4万亿美元，增幅超过1000%；年营收实现了近4倍的增长，从2011财年的1080亿美元跃升至2025财年的4160多亿美元。

苹果在全球市场的版图大幅扩张，尤其是在新兴市场；目前业务已覆盖200多个国家和地区。苹果现运营着500多家零售店，拥有Apple Store的国家数量增加了一倍以上。在其任期内，苹果团队成员增加了10万余人，活跃设备安装量突破了25亿部。

苹果的服务业务一直是库克关注的重点领域。在他的任期内，该业务已成长为一项规模超千亿美元的庞大产业，堪比一家《财富》40强企业。库克也是苹果可穿戴设备类别的核心推手，该类别如今包含了全球最受欢迎的智能手表和耳机，并为苹果在用户健康与安全方面产生深远影响奠定了基础。

在库克的领导下，苹果全面过渡至自研芯片（Apple Designed silicon），这使得公司掌握了更多核心技术，并在能效和性能上实现了行业领先的飞跃，让全线产品的用户直接受益。

库克将苹果的核心价值观更深入地贯彻到了公司的决策与产品开发中。在他的带领下，尽管公司营收几乎翻番，其碳足迹却比2015年的水平大幅减少了60%以上。

长期以来，库克一直倡导将隐私视为一项基本人权，并将其确立为苹果的首要任务，树立了业界领先的用户保护标准，使苹果在科技行业中脱颖而出。他还坚信苹果的产品应为所有人而设计，不断推动无障碍领域的创新。此外，他始终强调苹果应该是一个让每个人都有归属感、受到尊严与尊重对待的地方，这也构成了他领导理念的核心。

苹果也清晰梳理了特纳斯的苹果轨迹：

特纳斯于2001年加入苹果产品设计团队，并于2013年成为硬件工程副总裁。2021年，他以硬件工程高级副总裁的身份进入高管团队。在苹果任职期间，特纳斯监督了各个类别多款突破性产品的硬件工程开发工作。他在众多新产品线的推出中发挥了关键作用，包括iPad和AirPods，以及历代iPhone、Mac和Apple Watch。

特纳斯在Mac产品线上的工作，帮助该系列在其40年的历史中变得空前强大且备受全球欢迎。这其中包括近期发布的MacBook Neo——这款全新的笔记本电脑让全球更多人能够体验到Mac的魅力。

去年秋天，他团队的心血在全新定义的iPhone阵容中得到了淋漓尽致的展现：包括性能极其强悍的iPhone 17 Pro和Pro Max、极致轻薄且耐用的iPhone Air，以及为用户带来惊艳升级的iPhone 17。

在他的领导下，其团队还推动了AirPods的不断进化，使其成为全球最佳的入耳式耳机，不仅拥有前所未有的主动降噪功能，更能作为非处方助听器使用，成为全能的听力健康系统。

特纳斯领导了公司在可靠性和耐用性等重点领域的深入研发，引入的新技术使苹果产品变得异常坚韧。他还在材料和硬件设计领域推动了大量创新，有效降低了产品的碳足迹。这包括研发出一种已应用于多个产品线的全新再生铝化合物、在苹果 Watch Ultra 3中采用3D打印钛金属，以及通过提升可维修性延长了多款苹果产品的使用寿命。

在加入苹果之前，特纳斯曾在Virtual Research Systems担任机械工程师。他拥有宾夕法尼亚大学的机械工程学士学位。

关于CEO交接的一些官方信息及相关高管回应：

库克提到：“特纳斯拥有工程师的敏锐思维、创新者的灵魂，以及秉持正直与荣誉进行领导的决心。他是一位高瞻远瞩的领导者，过去25年里对苹果的贡献不胜枚举。毫无疑问，他是带领苹果迈向未来的最佳人选。我对他的能力与品格充满绝对的信心。我期待在过渡期以及我担任执行主席的新岗位上，继续与他保持紧密合作。”

“能有机会推动苹果的使命继续前行，我深表感激，”特纳斯说，“我的职业生涯几乎都在苹果度过。我很幸运曾在史蒂夫·乔布斯（Steve Jobs）麾下工作，并有库克担任我的导师。能够参与打造那些极大改变人类与世界交互方式的产品和体验，是我的荣幸。对我们未来几年能够取得的成就，我充满乐观。在这个汇聚了全球最顶尖人才的地方，大家都决心为了超越个人的共同目标而努力，这让我倍感欣慰。我怀着敬畏之心接下这一重任，并承诺将继续秉持半个世纪以来定义了这个特殊之地的价值观与愿景，引领公司不断前行。”

董事会代表Arthur Levinson提到，“蒂姆以其史无前例的卓越领导力，将苹果塑造成为全球最优秀的企业。他屡次推出颠覆性的产品与服务，其正直的品格与价值观已深深烙印在苹果的一切事务中，”，“我谨代表全体董事会，对蒂姆为苹果及全世界做出的无数贡献表示最深切的感激，我们也非常高兴他将出任执行主席。我们坚信，约翰是接任蒂姆的不二人选。在向首席执行官过渡的过程中，我们深知他对苹果的热爱、卓越的领导力、深厚的技术储备，以及对打造顶尖产品的不懈追求，必将引领苹果走向更加辉煌的未来。”

二、过去15年，我每天早上打开邮箱阅读来自全球各地苹果用户来信

库克致社区的一封信：

过去15年里，我几乎每天清晨都以同样的方式开启新的一天。我会打开邮箱，阅读前一天收到的、来自全球各地苹果用户的来信。

你们与我分享生活中的点滴，向我倾诉苹果是如何触动你们的。你们分享母亲被Apple Watch拯救的惊险时刻，分享在看似高不可攀的山顶拍下的完美自拍。你们感谢Mac带来的工作方式的改变，有时也会因为你们所珍视的产品出现故障而对我提出严厉的批评。

在每一封邮件中，我都能感受到我们共通的人性在跳动。我深感责任重大，唯有更加努力、不断突破。但最让我感怀的，是那份无以言表的感激——我何其有幸，能成为这些邮件的倾听者，能领导这样一家不断激发想象力、以不可思议的方式深刻丰富人们生活的公司。这是一份无上的荣耀与特权。

今天我们宣布，我将开启在苹果旅程的新篇章。在接下来的几个月里，我将逐步过渡到新的角色：我将于9月卸任首席执行官一职，转任苹果董事会执行主席。一位新人将接手这份我心中世界上最棒的工作。这位领导者就是约翰·特纳斯。他是一位杰出的工程师和思想者，在过去25年里，他一直致力于打造深受用户喜爱的苹果产品；他执着于每一个细节，专注于探索各种可能，只为让我们的产品变得更好、更大胆、更惊艳、更具意义。他是这个职位的绝佳人选。

特纳斯极其珍视苹果的身份认同、我们的事业以及我们所服务的人群。他具备非凡的品格和胸怀，能够以无与伦比的正直品行带领公司前行。能称呼他为苹果的下一任首席执行官，我深感自豪。在他的领导下，这家公司必将攀上令人瞩目的新高峰；在未来产品与服务所带来的每一次惊喜与探索中，你们都能感受到他的影响力。我迫不及待地希望你们也能像我一样去了解他。

这绝非告别。但在这一过渡的时刻，我想借此机会对你们说声谢谢。这一次，我不代表公司——尽管公司上下对你们充满了无尽的感激——我仅代表我自己。蒂姆。一个成长于旧日乡村的人，在这些奇妙的岁月里，竟然有幸成为了这家全球最伟大公司的首席执行官。感谢你们给予我的信任与善意。感谢你们在街头和我们的零售店里热情地与我打招呼。感谢你们在我们发布新产品或服务时，与我一同欢呼雀跃。最重要的是，感谢你们相信我能领导这家始终以用户为中心的公司。每天清晨醒来，我们都在思考如何能让你们的生活变得更美好一些。而每一天，正是你们，赋予了我所能期盼的最完美的生活。

谢谢大家。

蒂姆·库克

公开信原文：

三、芯片大佬接棒苹果硬件，曾主导A4芯片研发

苹果关于约翰尼·斯鲁吉（Johny Srouji）正式出任首席硬件官的官方新闻：

约翰尼·斯鲁吉即日起正式出任首席硬件官。斯鲁吉此前担任硬件技术高级副总裁，履新后他的职责将进一步扩大：除了继续领导硬件技术团队外，他还将接管此前由特纳斯负责的硬件工程部门。

“约翰尼是我共事过的最有才华的人之一，”苹果首席执行官库克表示，“他在推动苹果芯片战略方面发挥了独一无二的作用，其影响力不仅深深扎根于公司内部，更波及整个行业。他一直以卓越的敏锐度和判断力领导团队，一次又一次带领团队实现突破性创新，彻底改变了我们的产品。能够由他出任苹果的首席硬件官，我们深感荣幸。”

“约翰尼一直是高管团队中不可或缺的伙伴，他一定会成为一名出色的首席硬件官，”候任苹果首席执行官特纳斯表示，“我期待在我们的新岗位上继续与他保持紧密合作。”

约翰尼打造了全球最强大、最具创新力的芯片与技术工程师团队。在他的带领下，苹果在定制芯片和硬件技术领域取得了多项领先突破，涵盖了苹果芯片、电池、摄像头、存储控制器、传感器、显示屏及蜂窝调制解调器等关键领域，贯穿苹果整个产品线。

苹果顶尖的硬件工程团队致力于将大胆的构想转化为人们日常赖以使用的精美产品。从产品设计、系统工程到可靠性与耐用性测试，该团队主导苹果所有硬件产品的全流程开发与制造。通过与工业设计、硬件技术、软件工程及运营等部门的紧密协作，他们不断推出全球最具创新性的产品。

约翰尼于2008年加入苹果，领导了苹果首款自研系统级芯片A4的开发。在加入苹果之前，他曾在英特尔和IBM担任处理器开发与设计领域的高级管理职务。他拥有以色列理工学院（Technion）的计算机科学学士及硕士学位。

]]> <![CDATA[Token大跃进]]> 微信图片_20260420093500_8569_192.jpg

文｜小卢鱼

编辑｜杨旭然

词元（Token）调用量的指数级增长，正在带来一批公司估值的飙升。

被称为“Token第一股”的迅策科技，上市仅108天，股价较发行价上涨近6倍，最新总市值已经达到1050亿港元。

今年1月8日登陆港股的智谱，上市首日市值约580亿港元，交出首份年度成绩单后股价迅速，突破1000港元大关，市值也冲破4000亿港元。

智谱CEO张鹏将2026年的关键词定义为“Token量”，认为智能上界突破与Token消耗的指数级增长一起，共同构成了AGI时代的商业价值。

尚未上市的公司之中，月之暗面上个月刚完成新一轮超10亿美金融资，估值达到180亿美元，而在去年底的一轮5亿美元融资中，其估值仅为43亿美元。

这种估值的短时间跃迁，与今年2月OpenClaw宣布将Kimi K2.5设为其官方主力模型有着直接联系。K2.5发布仅一个月，月之暗面ARR（年度经常性收入）即突破1亿美元，业绩增速不仅支撑了估值提升，也打开了公司IPO的可能性。

无论国内国外，资本市场都在以惊人的热情为Token经济的腾飞定价，未来几个月里，我们将有机会听到各种各样的财富神话。这场轰轰烈烈的Token经济大繁荣，正在以“大跃进”的方式完成对所有人的认知普及，以及对风险的累积。

本文是来自《巨潮WAVE》内容团队的深度价值文章，欢迎您多平台关注。

01 增长

聊天Bot刚问世的时候，很少有人能想到2年之后，仅仅豆包这一款大模型的日均Token使用量就可以突破120万亿。即便按照每百万Token两块钱这个有点便宜的价格来计算，这也意味着每天有3亿元的真实经费在豆包上空燃烧。

事实上，国内外各家大模型公司都在上演着类似的剧本，全球范围内的Token日均消耗量都在以指数级规模增长。

工信部旗下中国信息通信研究院发布的数据显示，截至2026年3月，中国日均Token调用量已突破140万亿，较2024年初暴涨超过1000倍。

全球最大的AI模型API聚合平台OpenRouter则统计到，其平台每周处理的Token数量从2025年3月的1.62万亿飙升至2026年3月的16.90万亿，一年之内增长超过10倍。

OpenRouter连接着Anthropic、OpenAI、谷歌、Meta等几乎所有主流模型厂商的API接口，它的周度Token消耗曲线，本质上就是全球AI应用活跃度的实时监测图。

这条Token消耗曲线几乎是垂直向上的，既不像GDP的线性增长，也不像互联网用户渗透率的S型曲线，完全走出了人工智能经济自己的发展趋势。

是什么在驱动Token需求的大爆发？答案是人工智能的技术演进。

早期AI应用以聊天机器人（Bot）为主，用户输入一句话，模型返回一段回答，一个来回消耗几百到几千Token，完事即止。

但从去年下半年开始，以Agent和Claw为代表的新型应用范式以更快的速度、更广的范围流行开来。它们的共同特征是让AI不再只是“一问一答”的对话工具，而是一个能够自主规划、调用工具、长周期执行任务的数字员工。这种技术架构底层的变化，让Token消耗量以很多用户意想不到的方式大幅增长。

行业内部测算表明，完成同一个业务目标的情况下，Agent模式消耗的Token大约是Bot模式的50到200倍。

这是因为，Agent在执行任务时需要将整个历史对话上下文全量携带，一个复杂任务动辄累积数十万Token的上下文窗口。

而且Agent每次思考都需要经过多轮推理，都会触发API请求，还需要持续加载系统配置文件和记忆库，以维持任务的一致性和个性化体验。这导致Agent模式下的Token消耗，更像是个不受用户主观控制的黑箱操作。

更值得警惕的是，这个阶段Token表面的消耗量，并不等同于真实的需求量。

当AI转型成为企业的政治正确，当Token消耗量被越来越多的公司纳入员工的考核指标，一种“Token伪需求”的情况就诞生了。

Meta内部已经有团队将Token消耗量作为AI渗透率的衡量标尺，部分员工为了“显得自己很懂AI”，会故意运行大量冗余的模型调用任务；国内腾讯等大厂也被爆料存在类似现象，一些业务线甚至发明了“Token刷量”的灰色操作。

这种为了不被时代抛弃而制造多余的消耗、夸大不存在的业绩的行为，充满了大跃进式的荒诞。

02 核心

当Token消耗量以指数级增长，一个严肃的产业问题也浮出水面——谁来买单，谁会受益？

4月15日，国家数据局就《关于推进行业高质量数据集建设行动的实施方案（征求意见稿）》公开征求意见，首次在官方政策文件中提出“探索词元交易等新型交易模式，构建以词元为基础，可量化、可定价的数据集价值体系”。

从“词元交易”被写入国家顶层设计的那一刻起，Token就不再仅仅是一个技术概念，而是会逐渐成为人工智能经济的法定计价单位。某种意义上来说，Token化收费是人工智能经济的核心。

迅策科技被称为“Token第一股”，就是因为其率先在商业模式上做出了调整，全面转向了按Token消耗付费与分成的新模式，构建了“收入=Token价格×调用次数×模块应用数”的增长模型。

目前，Token付费收入占迅策科技总营收的5%左右，公司预计到年底这一比例将快速提升至20%至30%。市场对迅策的估值逻辑也因此发生了重大变化，脱离了传统市销率的限制，有了更大的想象空间。

迅策科技的模式也说明，在人工智能经济中，大模型厂商大概率会扮演“精炼厂”的角色，即将底层的算力与数据，加工成可以被直接消费、以Token计价的“成品”、“结果”，并掌握着价值分配体系中的关键生态位。

而云服务厂商大概会扮演着“发电厂”和“电网”的角色，它们不直接定价Token，却决定了Token的底层成本。

以阿里云为例，截至2026年2月底，阿里云2026财年累计外部商业化收入突破1000亿元，AI相关产品收入延续高增长态势，实现连续第十个季度三位数同比增长。

紧随需求而来的就是涨价，上周阿里云四天连发三条产品涨价公告，调整百炼部分模型单元服务价格及DataWorks部分API免费额度——云服务厂商对Token成本的影响力，可见一斑。

云服务厂商在传统架构中主要收入来自虚拟机、存储与网络等基础设施计费，进入Agent时代后，它们完全可以推动按资源（Token）使用量计费，并通过Agent平台订阅、开发者生态套件、行业级解决方案等获得长期合同收入。

算力厂商则像是更上游的原材料、燃料供应方，英伟达的高端GPU至今仍然处于产业链中最核心位置，高带宽内存（HBM）如今更是供应紧张，三星、SK海力士及美光三大存储原厂一边产能受限，一边毛利率抬高。

也许有人会担心算力实际已经过剩，英伟达和存储厂商的股价已经过高，但是这都不影响Token化收费的历史进程。

Token收费，让整条产业链的价值分配有了清晰的计算依据。

就像千瓦时的确立让电力市场得以形成，流量/曝光量成为抖音和视频号的收费标准单位一样，Token正在让人工智能经济从“感觉有用”走向“可以算账、可以收税”，成为一种真实存在的经济构成。

03 狂欢

Token化收费，让人工智能经济运转的逻辑变得清晰起来，但是人工智能作为一种划时代的技术革命，其经济运转的逻辑，是否与传统的经济学规律一致呢？

至少传统经济学的供需平衡理论，在人工智能经济中并不完全适用。

传统模型中，供给和需求是两条独立的曲线相交，而在人工智能经济中，供给本身会通过数据飞轮改进供给质量。需求曲线向右移动不是因为外部收入变化，而是因为供给曲线本身向下、向右移动了。

目前这个阶段，我们更可能看到蒸汽时代的“杰文斯悖论”在人工智能时代重演。所谓的杰文斯悖论是指，当蒸汽机效率提升、单位马力耗煤量下降时，煤炭的总消耗量反而暴增，因为更便宜的蒸汽动力催生了更多工厂、火车和轮船。

现在Token的单位生产成本越低，愿意消耗Token的群体就越多，舍得使用Token而非人力的场景就越多，最后Token的总成本就越高，或者说人工智能经济的总价值就越大。

根据国内媒体的数据统计，过去两年多，Token生产成本下降了超过99%，GPT-4每百万Token的成本已经从37.5美元下降到了2025年的0.14美元。但根据硅谷知名风投Menlo Ventures，全球企业2025年在AI上的支出反而比2024年增长了3.2倍。

如果这种趋势延续下去，那么哪怕单位 Token的价格趋近于零，全人类消耗的 Token 总价值（总量 × 单价）以及它撬动的 GDP 比重，也可以成百上千倍的增长。

这正是智谱、MiniMax等公司在巨额亏损的情况下，仍然被资本市场赋予超过许多传统互联网企业估值的深层原因——市场定价的不是今天的利润，而是未来Token经济总价值。

更何况，用Token生产出来的东西，本身也会越来越有价值。

同一百万个Token，在不同场景下创造的价值差距可达十万倍，其价值完全因执行的任务而异——用于闲聊的Token只值几分钱，用于写代码的Token值几百几千元，用于量化投资、企业并购的Token完全可以价值几万元。

斯坦福大学2026年AI指数报告估算，仅2024年生成式AI就为美国消费者创造了约1720亿美元的消费者剩余，而用户获得的价值远超实际支付的费用。

值得警惕的是，在AI代替了大量人类的脑力劳动后，传统的劳动力供给理论也会面临挑战。传统的需求曲线会因为购买力萎缩而整体坍塌，而供给端因为自动化依然强劲，这就是凯恩斯所说的“技术性失业导致的有效需求不足”。

只不过在这个阶段，围绕着Token消耗量指数级增长的一切都还披着繁荣的外衣，引领着产业链上下游和资本市场的狂欢。

但是历史已经反复证明了，每当一种新技术被资本市场赋予无限想象空间，泡沫总是比价值更先抵达终点。

]]> <![CDATA[追问：机器人跑马拉松有啥用[1P]]]>
　　4月19日，人形机器人选手在比赛中。


　　4月19日7时30分，2026北京亦庄半程马拉松暨人形机器人半程马拉松鸣枪开跑，人形机器人与人类跑者同时从起点出发。最终，深圳荣耀智慧科技开发有限公司齐天大圣队的“闪电”机器人以50分26秒的净时成绩夺得冠军。
　　这个成绩不仅将去年的冠军“天工Ultra”机器人的2小时40分42秒远远甩在身后，甚至超过了人类半程马拉松57分20秒的世界纪录。
　　在机器人跑了21公里之后，更值得我们追问的是：为什么要让它们跑？机器人又将奔向何方？
参赛机器人表现远超预期
　　首先，今年的赛道变得更难了。
　　据赛事主办方介绍，此次比赛设计融合平地、坡道、弯道、狭窄路段等10余种地形，设置最大8%上坡、6%下坡及累计100米爬升，甚至加入一处路岛障碍，模拟城市道路中的突发情况。
　　即便挑战升级，参赛机器人的表现还是远超预期。
　　“这是因为具身智能‘大小脑’更聪明了。”北京人形机器人创新中心人形控制算法资深工程师赵文解释，大量机器人跑控算法、通信技术、感知系统升级，通过智能调节步频步幅，将拟人化的特性和工程化的稳定性深度结合。
　　“从机器人硬件层面来看，无论是整机结构的可靠性，还是全栈自研技术的应用，都实现了突破。”本次比赛的冠军，齐天大圣队代表、荣耀研发高级工程师姚工告诉记者，团队从去年开始就全面推进参赛项目的筹备工作。
　　在外观设计上，该团队参考人类优秀运动员的身体结构，为机器人打造了0.9米至0.95米的大长腿构型，这是团队在机器人外观与结构设计上的核心优化亮点。同时，机器人搭载了团队自主研发的强效液冷系统，这也是荣耀技术研发团队核心攻关的成果。谈及机器人液冷系统最长可持续运行多久，姚工表示：“在进入稳定运行状态后，可实现无时长限制的持续工作。”
　　因此，一场马拉松赛事带来的，是各家机器人性能的不断优化与改进。
　　南京航空航天大学人工智能学院教授秦杰解释，通过整机结构优化和碳纤维、合金材料的广泛应用，人形机器人实现了整机减轻约15%，但结构强度不减反升；高密度电池和整机电池管理技术的进步，使其续航里程从5公里大幅提升至10公里以上；电机、电池、一体化关节等零部件性能、稳定性的提升，更为机器人提供了强劲动力。
通过比赛暴露问题是好事
　　未来，当机器人真正走入我们的生活与工作场景，可能并不需要它们去跑马拉松。但跑21.0975公里仅用50分26秒，这是它们在极限条件下进行通用展示的一次“考试”。
　　“人形机器人跑马拉松其实是极限挑战，这就相当于汽车的极限场景挑战是F1，零百加速等都是通过跑F1牵引到普通汽车场景中的。”国内一体化关节企业灵足时代创始人、COO邵元欣在接受采访时表示，只有用极限条件验证能力，才能在今后更好地满足通用化的需求。
　　采访中，不少专业人士认为，对机器人而言，马拉松是一场涵盖硬件稳定性、算法泛化性、能源管理的综合极限考验。“赛道地形复杂，机器人需完成约25万次的精密关节运动。同时，还要应对传感器过载、关节过热、电池续航等难题。”秦杰解释。
　　所以，机器人跑马拉松，实际是一个暴露短板的过程。
　　“通过公开的比赛让问题尽早暴露，是一件好事。甚至没能成功完赛的机器人，也许比获得第一名更具价值。”快思慢想研究院院长田丰表示，失败会产生大量“负样本”数据，这对于系统的快速迭代和能力提升极有价值。
　　赛事主办方表示，今年赛制的改变对参赛团队提出了更高要求。比如，自主导航组与遥控操作组同场竞技，但遥控组净计时成绩要乘以1.2系数。
　　记者了解到，去年，除冠军“天工Ultra”采用跟随式半自主导航外，其余赛队均为遥控操作。但本届马拉松赛，报名的100余支赛队中，近四成采用自主导航方式参赛。
用场景倒逼技术进步
　　秦杰指出，过去全球人形机器人普遍遵循一条路径，即先把核心技术打磨到极致，再寻找商业化场景。而如今，我们在探索另一条路径——用场景倒逼技术。
　　从春晚表演到马拉松赛道，再到服务行业等尝试性应用，机器人正在被不断“推入现实”，即便还不够成熟，也先运作了起来。
　　“用订单拉动规模化生产，用规模化把成本降下来。”秦杰打了个比方，也就是先让人形机器人“找到活”，再在岗位上“长本事”。
　　赛迪传媒与中国电子报联合发布的《2025年人形机器人市场研究报告》显示：2025年中国人形机器人整机企业超140家，出货量1.44万台、全球占比84.7%，市场规模15.5亿元、全球占比53.8%。全球出货量排名前六的企业，全部来自中国。
　　也有专家提醒，人形机器人正步入以场景落地为核心的攻坚期，大规模量产与普及仍面临诸多挑战。
　　不过，作为未来产业的重要组成部分，人形机器人的发展方向已经逐渐清晰。
　　“具身智能”连续第二年被写入政府工作报告。业界预测，我国具身智能市场规模有望在2030年达到4000亿元，在2035年突破万亿元，并将引领带动交通物流、工业制造、商业服务等多个应用领域新质生产力进一步跃升。
　　这些为“跑”而突破的技术，终将转化为工业巡检、应急救援、康养服务等场景的稳定能力，更好地为你我服务。]]> <![CDATA[中国网络文学走向多样性繁荣]]>
　　2025年，中国网络文学发展有何新趋势、呈现哪些新亮点？记者采访了报告课题组成员及网络文学领域专家学者，对此进行深入解读和分析。

　　内容创作

　　类型赛道持续扩容

　　报告指出，2025年，多样性繁荣成为网络文学生态方面的突出特征。起点读书《诡秘之主》和《大奉打更人》连续突破30万全平台均订，刷新了网络文学行业的精品纪录；晋江文学城2025年度题材为现实题材、古典题材、幻想题材、玄奇题材、科幻题材五类；知乎盐言故事进一步挖掘推理、治愈、民俗志怪题材，向叙事突破……

　　“各平台吸引大量新作家入驻，诞生海量小说，为优质内容提供源源不断的创作活水；传统主流大类在各自内部持续分化出丰富的叙事亚型，各平台发力于不同题材，类型赛道持续扩容，共同促成多样性繁荣。”中国社科院文学研究所网络文学研究室副主任汤俏认为，网络文学正从单一类型化写作迈向更为成熟多样的类型群化发展阶段，这也印证了行业已步入高质量、多维度的发展新阶段。

　　如果说类型扩容是网络文学的外在版图扩张，那么叙事机制的深度革新则是其内在增长的核心来源。报告指出，2025年网络文学的故事创新超越题材标签的简单更换，深入世界设定、叙事节奏、价值命题与文化资源调用等核心层面，将新的社会经验、知识结构和媒介语感转化为新的叙事表达，持续生成阅读吸引力与文化生长点。

　　南京师范大学文学院教授李玮指出，在发展初期，网络文学叙事主要采用以“升级打怪”为主的“爽文”结构，人物刻画相对标签化。当下网络文学几经迭代升级，结构更加复杂多样，人物刻画更加立体饱满，网络文学的现实感增强，出现了一批立意高远、形式创新的精品佳作。这一方面在于网络文学内部的发展、更新和创造，另一方面也源于相关政策、制度和评论的引导，以及读者的生态变迁等。

　　2025年，网络文学凭借其显著的参与广度，正在构成新大众文艺的关键支点。以阅文集团为例，超470位科研工作者将严谨的学科思维融入文本结构，3100多位大学教师在学术写作与网络小说创作之间灵活切换，6100余名外卖骑手将城市百态与人间烟火写进故事，4000多名网约车、货运车司机和代驾司机让虚拟人物与情节在现实的奔波中徐徐展开。

　　“各行各业的从业者在网络文学的创作领域留下了独特印记，让网络文学的叙事肌理越发丰满，也让作品得以折射出更真实、更多样的社会生活图景。”汤俏说。

　　IP改编

　　覆盖“剧影漫游旅”及衍生品

　　从电视剧《大奉打更人》到电影《瀚海迷踪》，从动画《牧神记》到《道诡异仙》联合新加坡环球影城推出的“主题探险屋”，网络文学依然是IP改编的重要源头。报告指出，2025年，中国网络文学IP改编市场规模达3676.1亿元，同比增长23.13%，展现出强劲的产业能量和增长潜力。

　　石家庄市文艺评论家协会主席王文静观察到，当下网文IP改编实现了多元突破：内容重文化价值，产业重全链闭环，业态覆盖“剧影漫游旅”及衍生品，平台实现差异化互补，推动网文IP改编走向规模化、精品化、工业化发展阶段。

　　作为网络文学IP转化的重要承载地，微短剧在年内呈现出两条发展脉络：一是以真人演绎为核心的真人微短剧，持续巩固其“新大众文艺”主力地位；二是以AI技术深度介入为标志的AI漫剧，借助生成式人工智能迅速完成从概念探索到规模化产业的跨越。

　　报告指出，截至2025年底，我国微短剧用户总量已突破8.5亿，占网民总数75%以上，市场规模首次突破千亿元，同比增长超110%；AI漫剧全年市场规模突破189.8亿元，这种由AI制作的小型动画片成为年度最热内容业态。

　　杭州师范大学文化创意产业研究院院长夏烈认为，真人微短剧迈向“品质化跃升”在2025年表现得尤为鲜明。部分精品微短剧在现实题材创作、编剧专业化、视觉电影化、演员明星化等方面可圈可点。同时，围绕“微短剧+”千行百业行动计划，一批文旅微短剧、非遗微短剧、普法微短剧等相继涌现，共同塑造真人微短剧精品创作新场景。

　　“AI漫剧借助AI技术赋能内容生产，实现降本增效，成为IP高效转化的‘高速路’。”夏烈告诉记者，商业市场的热点和内容消费的需求，为AI仿真人短剧、AI动画短剧以及静态漫剧等带来巨大推动力。一些由AI生成的神话内容被广泛传播，刺激了大量制作者进入这一赛道，部分精品的出现，也在实证这一新的微短剧形式具备爆发潜力。

　　“谷子经济”是2025年的热门词。数据显示，2025年一季度“国谷”（国产IP衍生品）在一些平台的交易额反超“日谷”（日本IP衍生品），且达到了后者的1.2倍。从IP衍生品形态看，潮玩手办等传统周边正向数字藏品、跨界联名等多样业态拓展。

　　中国社科院文学研究所副研究员李闻思指出，作为“国谷”的三大IP来源，网文、国产游戏和动漫的迅猛发展是“国谷”强势崛起的直接原因。从《全职高手》等头部网文，到《哪吒2》等现象级国漫，再到《原神》等国产网游，国创IP爆款频出，粉丝群体人数多、黏性高。而我国先进的轻工业体系和成熟的供应链，为工艺的精细化和市场的稳定供给提供了有力保障。

　　海外传播

　　“叙事出海”与“文化共创”

　　2025年，作为中国文化出海“新三样”之一，网文出海再次站在新的历史节点。报告写到，如果说过去20多年的出海历程完成了从作品授权到平台出海的阶段性跨越，构建起了成熟的出海机制，那么2025年的核心关键词则是“叙事出海”与“文化共创”。在这一年里，中国网络文学出海已不再是单一的娱乐产品输出，而是进化为具有高度黏性的全球性文化生态社区。

　　中国社科院文学研究所研究员陈定家认为，中国网络文学出海从单一的作品翻译输出，转向建构高黏性、全球化、共创式的文化生态社区，核心是从作品输出变成“全球一起写、一起读、一起玩”的生态社区。具体表现在，以网文为纽带形成粉丝社群，包括创作、段评、二次创作等线上互动，以及粉丝会、漫展等线下活动。

　　值得注意的是，报告指出，在WebNovel全球月活用户增速排名前十的国家中，有9个席位被拉美国家占据。其中，巴西市场以779%的月活增速领跑全球，用户访问量排名较上一年跃升五位，与美国、印度共同跻身全球访问量前三名。

　　黑龙江省社科院副研究员郑薇分析说，这得益于中国和拉美地区经贸合作深化与人文交流日益密切的宏观环境，为跨文化传播奠定了良好基础。各网站平台依托大数据调研精准把握当地读者偏好，使故事内容更贴近当地读者日常生活，提升了内容适配性与情感共鸣。

　　随着AI介入网文创作，行业内部的态度有喜有忧。喜的是提升了创作效率，为网文出海打开了一扇窗；忧的是由于隐瞒AI使用情况、低质灌水等问题的存在，一定程度上扰乱了网文正常生产秩序。报告指出，2025年，网络文学在AI的冲击下，开始建立新的行业规范与生产机制。各平台基于自身的商业模式与内容生态，制定了不同的管理与审核标准。

　　中国社科院文学研究所助理研究员高寒凝指出，AI与网络文学之间通过博弈与磨合，终将会构建一个愈加成熟稳定的商业模式和创作生态。在此背景下，AI可能会从辅助创作工具向“人机共生”“分布式写作”等方向发展，驱动网文行业向工业化、智能化升级。]]> <![CDATA[人工智能如何推动世界史研究]]>
　　王思婕：就我所从事的德国史研究而言，中外德国史学界对人工智能的应用，目前主要集中于历史手稿、档案的光学字符识别与转写，以及借助主题建模、文本重用检测等技术开展文本内容挖掘。同时，人工智能也显著推动了既有数字史学工作的深化，例如在社会网络分析中识别档案中隐含的人物关系与中介节点，通过推理弥补地理信息的缺失等。尽管数字史学研究者很早就借助编程语言，通过词频统计、词项共现等，识别潜在主题，初步实现了对大规模历史语料的内容挖掘。然而，此类方法多局限于词项层面的统计关联，难以有效捕捉语义演化、修辞差异等深层次的历史表征。尤其在长时段比较中，术语使用的代际更替常引发主题追踪的中断。近年来，基于深度学习的预训练语言模型，可将文本转化为能反映上下文语境的向量结构，从而识别出不同表述下的同一历史主题，同时通过与大语言模型进行集成，语义嵌入也更加精细，并能直接生成解释性摘要或标签。

　　姚念达：在国际美国史学界，人工智能的应用不局限于大语言模型，而是涵盖以自然语言处理和机器学习为核心的一整套计算分析方法。该路径通过将报纸、政府文件乃至影音材料等多样化史料转化为可量化分析的对象，运用主题建模、文本嵌入和语义分析等手段，在宏观层面揭示语言、观念与政治话语的长期变化，为历史解释提供新的问题线索与证据基础。相关研究多以计算语言变化为切入点。斯坦福大学尼基尔·加尔加团队将20世纪大规模语料转化为词向量，量化分析了语言中性别与族群刻板印象的变迁，并将其与社会结构的转型相联系。另有美国学者梅丽莎·李分析了19世纪报纸与国会辩论语料，利用自然语言处理工具追踪“合众国”一词从复数用法向单数用法的转变。研究指出，这一表述在南北战争前常被理解为由各州组成的联合体，而战后则逐渐被视为一个统一国家，由此反映了美国人对国家主权理解的变化。这类研究并不等同于单纯的“远读”，也不是对传统方法的替代，而是强调计算分析与文本细读的结合。

　　易晋铭：近年来，中世纪欧洲史与人工智能的结合主要集中在利用人工智能技术对中世纪史料进行自动转写、补全和结构化分析，从而提高古文献的可读性、可检索性和可分析能力。首先，通过手写文本识别、版面分析等计算机视觉方法，将中世纪手稿和档案影像自动转写为可检索文本。其中，Transkribus是目前欧洲学界中最常用的手写文本识别工具之一。其次，通过知识图谱和语义网技术，把分散在特许状、账簿、书信等史料中的人物、地点与制度关系结构化为可查询的数据网络。2025年，多位西班牙学者组成的研究团队提出建立一个关于中世纪特许状的知识图谱，通过结合专家标注、社区贡献与溯源机制，将分散的特许状数据结构化为可查询的知识网络，从而支持对中世纪社会、法律与经济关系的系统化分析。最后，大语言模型也被用于拉丁铭文的文本补全。例如，Aeneas是一款基于约20万条拉丁铭文训练的专用大型语言模型，可通过分析残缺文本或图像来补全古代和早期中世纪的铭文内容，并推测其年代、地点及相关信息，从而帮助学者更有效地解读受损或缺失的历史铭文。

　　主持人：历史学者们借助人工智能强大的数据处理能力，能够快速梳理海量的档案文献等史料，挖掘出难以发现的历史信息与关联。这是否意味着，人工智能技术拓展了已有的研究边界，或者“重塑”传统研究领域？

　　王思婕：人工智能虽然在方法论层面为德国史研究提供了新的分析工具，但尚未实质性拓展研究边界，因为它既缺乏问题意识，也高度依赖研究者的前期工作与解释性判断。爱沙尼亚学者卡雷尔·西克以14世纪末德意志地区针对瓦尔登派信徒的异端审判为研究对象，将数百份供词中涉及人物关系、地点与时间的信息进行数据化处理，进而揭示出审判官的调查策略，也呈现了宗教审判从信息收集到裁决的运行机制。原本散落于零碎供词中的细节，被纳入一个动态的信息处理过程之中，这显然突破了传统研究的叙事模式。然而，整个研究始终离不开历史学常规的前置工作：哪些供词应被纳入分析、日期如何校定、隐含地点信息如何推断、缺失材料在何种程度上影响结论，这些关键问题都必须由研究者判断。事实上，西克也明确承认，现有算法在处理中世纪语境中的信息歧义时仍有局限，同时历史事件本身的偶然性也会干扰算法的推理过程。

　　姚念达：从现有研究来看，人工智能对美国史研究的影响并非颠覆性的，也没有形成范式革命。但在若干关键层面上，它确实拓展了既有研究边界，并在一定程度上影响了研究的实践方式。世界史研究以增进跨区域、跨文化理解为目标，但长期受研究者掌握的材料规模、语言能力与时间成本限制。人工智能的引入，使研究者得以在可控成本下处理大规模多语种史料，从而在实践层面拓展研究的广度与精度。其在概念史研究中的潜力尤为突出：借助文本嵌入模型和计算分析，研究者可以在全球尺度上追踪重要概念的跨时空与跨语境传播，而不再局限于少数经典文本。例如，美国学者艾玛·罗德曼的研究利用词向量模型分析美国政治语料，通过比较不同时期政治概念的语义和语义关联，从而追踪其在历史语境中的含义变化，这为概念史研究提供了新的路径。

　　易晋铭：关于中世纪欧洲史，人工智能对传统研究领域的影响更为突出。在中世纪欧洲，契约是数量最多、连续性最强的书面记录类型。它们通常是法律行为的书面见证，例如土地赠予、买卖契约和城市自治特许等。在数字化时代之前，这类研究基本围绕单份或单组文书，常常以特定王朝、地区或机构为研究单位，社会网络重建主要依赖人工比对。数据库与文本检索技术的出现，为大规模结构分析提供了重要前提。但是，数据库通常预先定义字段（日期、地点、人物），无法适应多样化研究的需求。人工智能可以帮助研究者训练符合自己研究所需的语义抽取模型，从而使研究从“预设字段的统计分析”转向“模式发现与结构建模”。2022年，多位欧洲大陆学者合作开发了一款自动识别中世纪拉丁语契约结构（如前言、正文和结尾）的模型。该模型不仅推动了中世纪欧洲契约的自动化索引与信息检索，也为文本结构化分析提供了有效工具。]]> <![CDATA[AI“投毒”，风险巨大！国家安全机关，紧急提醒]]> AI“投毒”不仅侵害消费者权益、扰乱市场秩序，还可能对国家政治安全、数据安全、社会安全等造成系统性、长期性危害。
所谓“数据投毒”，是通过向AI大模型训练数据中注入伪装成正常样本的恶意数据，实现削弱模型性能、降低准确性的攻击方法，常被用于恶性市场竞争，甚至可能涉及间谍活动，日益呈现出链条化、隐蔽化、跨境化特征。
境外反华敌对势力可能通过GEO（即生成式引擎优化）滥用渠道，批量输出虚假信息与政治谣言、歪曲事实、攻击抹黑我党和政府、误导社会认知、扰乱舆论生态，对我国实施意识形态渗透，威胁国家安全与社会稳定。

此外，AI“投毒”恶意污染公共数据、行业数据、训练数据，将直接导致统计数据、决策数据、监管数据失真，对政府和企业科学决策造成影响。

在医疗、金融、食品药品等民生领域，AI虚假推荐极易误导公众购买劣质、“三无”产品，造成人身和财产损失。长期信息失真还会消解社会信任，积累矛盾风险，影响社会稳定。

国家安全机关提示，AI运营者要切实履行主体责任，严格核查语料来源，建立可追溯机制，筑牢防范虚假信息的第一道防线；消费者也应提高自身辨别能力，警惕AI给出的可疑推荐，发现问题应及时举报，形成全民监督的良好氛围。
]]> <![CDATA[具身智能“大脑”竞速正酣 “换场景就失灵”难题何解？]]> “让机器人自主干活”，是具身智能的核心价值。如何让擅长预设表演的机器人，走进工厂产线、普通家庭等真实场景，成为行业亟待破解的命题。
证券时报记者近日采访多家头部企业人士及相关投资人了解到，当前具身智能机器人“大脑”滞后于“身体”已成共识，泛化能力不足是制约其从“舞台”走向“干活”最大的拦路虎。面对这一瓶颈，头部企业加大研发与数据积累力度，资本也愿意给予3—7年的长期陪伴，“边成熟边落地”成为推动机器人“大脑”进化的行业共识。
机器人“大脑”处于“婴儿”阶段
“上一代编程驱动的工业机器人仅能完成重复工作，这类机器人仅替代了人类社会小部分的劳动力。”星海图合伙人、CFO（首席财务官）罗天奇向证券时报记者表示，目前绝大多数工作具备灵活性，受工作对象、环境、动作变化等多种因素影响，无法通过传统工业机器人完成，“比如缝纫时不同衣物的边缘存在差异，搬箱作业时环境可能随时变化，炒菜需要兼顾翻炒、加调料等一系列连贯且灵活的动作。”
在罗天奇看来，具身智能机器人的核心突破，就是通过AI驱动赋予机器人“大脑”，使其具备自主判断与泛化能力，“一旦具身智能技术实现解锁，其市场价值有望达到上一代工业机器人的1000倍。”罗天奇说。
“现阶段，行业主流模式仍是针对特定场景采集数据、训练模型，导致机器人陷入‘换个场景就失灵’的困境。”某上市公司机器人板块负责人周勇（化名）直言，春晚舞台上的机器人更多体现的是身体控制与运动能力，属于“小脑”范畴，而非“大脑”应有的交互与作业能力。
“产线中送零部件、打螺丝、装配等不同任务，家庭场景里千差万别的环境与需求，根本无法实现全覆盖式数据采集，轻微场景变化就需要重新训练模型。”周勇直言，这种模式让机器人落地成本甚至超过传统工业机械臂，违背了其“适应各类环境”的期望优势。
罗天奇告诉记者，现阶段具身智能机器人的“大脑”，其整体仍处于“婴儿阶段”。不过他仍对具身智能机器人的发展前景充满信心，包括宇树科技、智元机器人等在内，具身智能企业在2023—2024年批量诞生，“虽技术仍处早期，但行业整体的技术进化加速度极快，大家的共识是：技术突破只是时间问题。”
罗天奇的信心，源于物理世界的规模法则——在自动驾驶领域，行业历经多年发展已趋近成熟，而机器人领域同样是AI驱动端到端的物理世界，“更多的高质量数据，必然能孕育出更高的智能。”他认为，相较于自动驾驶赛道，具身智能拥有天然的落地优势：自动驾驶的下游场景仅有“上路”，且对安全性要求极高（有不出车祸的硬约束）；而具身智能的下游场景高度分散，且大量场景对速度和成功率的容忍度更高，试错成本低很多，“比如洗碗时打碎碗仅损失2元，爆米花烹煮失败重新制作仅损失1元，这类场景无需达到100%的成功率就可以投入使用。”
“进化”线路之争
“机器人最大的优势本应是泛化性，若无法突破这一瓶颈，其产业化价值将大打折扣。”一位业内人士向记者表示。
面对泛化能力瓶颈，行业企业正从数据、算法等多维度探索突破路径，涌现出星海图、自变量、千寻等聚焦具身智能大模型的头部企业，相关企业专注技术上层研发，正在协同推动行业进步。
“数据积累涵盖数量和质量两个维度。”罗天奇向记者表示，整个行业从2025年才开始上规模地积累数据，而星海图 2026 年的数据积累规模有望达到百万小时——这一量级有着重要的参考意义：一个人在长大成人的过程中，除睡觉以外，与真实世界的交互数据约为10万小时。在罗天奇看来，百万小时量级的真实高质量数据，基本上能够孕育出至少达到成人水平的机器人大脑。
证券时报记者了解到，在技术路线选择上，行业内存在真实数据为主和仿真数据为主的路径之争，星海图坚定站在“真实数据为主”的阵营，这一路线正逐步成为行业共识。
细化来看，真实数据其实也分为多种类型：既有通过遥操作机器人本体采集的数据，也有无本体的夹爪、手套方式采集的数据，还有人类第一视角下记录手部操作的头盔采集数据。“这些真实数据存在质量上的金字塔层级，塔尖的高质量数据在训练大脑时所需数量相对较少，而无本体等类型的数据采集难度、成本更低，但质量稍差。”罗天奇表示，通过对真实数据金字塔的各类数据进行科学配比，就能让训练出的机器人大脑具备更好的泛化性。
罗天奇提到，去年以来，有很多企业设立训练中心，它们的数据对于模型训练虽然有一定作用，但和真实环境、真实任务、真实工作流的数据相比，质量要差很多。“低质量数据不仅对模型训练无帮助，反而会陷入‘garbage in garbage out（垃圾进，垃圾出）’ 的困境，拉低模型的智力水平。”
在周勇看来，机器人“大脑”的核心价值在于替代人类完成各类复杂工作任务，这就需要有高效的交互能力与精准的作业能力，但目前整个行业在这两方面的解决方案均不够成熟，技术路线也尚未形成共识——无论是采用大模型（负责理解、决策、规划）、世界模型（让机器人在脑子里 “模拟未来”，预判环境变化）还是其他技术路线，都未能彻底破解泛化难题。
“边成熟边解锁”
2026年，被认为是具身智能企业验证技术、市场推广的“攻坚之年”。
在罗天奇看来，即便泛化能力瓶颈尚未完全破解，具身智能机器人也无需等到“大脑”极度成熟再落地，而是可以走出“边成熟边解锁”的路径，“用3岁的‘大脑’做3岁孩子能做的简单事，通过真实工作数据积累反哺模型训练，推动‘大脑’逐步成长到5岁、8岁直至成年，从而比自动驾驶更早进入数据飞轮的正向循环。”
就在今年2月11日，星海图完成10亿元B轮融资。“本轮融资将用于持续研发投入和加速产业场景落地。”罗天奇向记者表示，2026年公司研发投入将达数亿元，其中约80%用于“大脑”研发，“公司将全力提升数据的多样性、场景覆盖度与动作丰富度，迈入数十万小时级高质量数据的规模化训练阶段，力求做到国内乃至世界最好。”
在整个行业“高歌猛进”之际，也有传闻称，一家在春晚上亮相的具身智能机器人企业，因为宣传效果未达预期而出现股东与创始人的矛盾，这也让市场对资本的耐心产生疑问。对此一位投资人回应说，专业资本对具身智能落地的耐心远超市场想象。“但凡选择投资这一领域的专业投资人，都做过深度研究，清楚行业技术仍处早期，也认可其未来的巨大价值。”在这位投资人看来，只要企业能沿着正确的技术路线扎实推进，持续取得积极进展，资本愿意继续陪伴3—7年。
“从行业格局来看，2026 年具身智能行业正迎来快速收敛。”罗天奇判断，头部5—10家具身智能企业将占据80%以上的市场，从而在资金、资源等方面建立起不可撼动的优势。同时，行业头部企业也将陆续登陆资本市场，进一步加剧行业的深度分化。
“机器人领域和自动驾驶一样，都是AI驱动端到端的物理世界。”罗天奇向记者强调，大家都相信物理世界里的规模法则，越多的高质量数据，就能孕育出越高的智能，“接下来的技术突破只是时间问题，这是行业的共识。”
]]> <![CDATA[帮残障者走起来，世界见证中国机器人力量]]> “这就是科技的力量!”日前，一段视频在国内外社交平台上同步刷屏。一名外籍残障女子在第139届广交会现场借助中国外骨骼机器人“站”了起来，从最初需要他人搀扶才能站立，到穿戴设备后独立迈步前行，短短几分钟的变化，让陪同亲友当场落泪。外骨骼设备公司太希科技正全力寻找试戴的外籍残障女子，希望送她一套设备。
这是一幕令人动容的场景，科技的价值与力量，在此刻得以如此真切的具象化。一段引来众人追捧、点赞的广交会“花絮”，不仅是一件新兴科技产品的现场体验评测，更是透过行动不便人士的穿戴和改变，让公众得以亲见科技进步与普通人的最温情连接。科技带来希望，让人的生活、生存体验质量更高，更让受困人群收获尊严与期待。
依托于第139届广交会第一期“先进制造”主题，已经连续3届设立的服务机器人专区达到4200平方米，是本届广交会热门专区之一，集中展示包括人形机器人、机器狗等系列产品，共吸引46家优秀企业参展，呈现中国服务机器人领域的技术创新与全场景应用能力。广交会期间，服务机器人专区一直人潮涌动，排队体验的客商络绎不绝，一段短视频镜头捕捉到的体验外骨骼机器人的片段，让人得以窥见服务机器人产业的蓬勃发展。
从咖啡拉花到水下勘测，从外骨骼助力到人机羽毛球对打，中国的机器人制造产业正在通过广交会这个平台向世界证明其实力。
4月21日，国新办新闻发布会介绍2026年一季度工业和信息化发展情况。一季度，人工智能等新技术在电子、消费品行业应用加速拓展，工业机器人、集成电路等产品产量同比分别增长33.2%、24.3%。而据新华社报道，2025年，广东省工业机器人产量占到全国四成，服务机器人产能更是拿下全国八成份额。根据最新发布的广东一季度经济数据，今年以来，广东工业机器人产量增长达到45.2%。中国机电产品进出口商会副会长石永红指出，我国服务机器人企业“走出去”已成为必答题。今年1—2月，我国出口智能仿生机器人3140台，出口额达1645.9万美元。
4月19日，2026北京亦庄人形机器人半程马拉松，来自荣耀的齐天大圣战队自主导航机器人“闪电”以50分26秒(净用时)的成绩夺得冠军。从“业余选手”到“闪电速度”，仅仅一年时间，机器人“选手”的进化堪称惊人，无论速度、耐力还是“智力”都有着肉眼可见的突破。
透过连续三届广交会的服务机器人专区，中国机器人凭借硬核创新能力和全球场景落地能力，获得全球采购商的广泛认可。从单纯惊叹技术演示的阶段，已经进化为深度洽谈、现场签单和服务、供应链等全方位合作。参展企业的机器人订单金额不断上涨，包括机器人、无人机、智能穿戴在内的一众先进制造科技产品，正在依托广交会全速出海。
中国机器人产业发展的突飞猛进，可以从指数级增长的贸易规模窥见，也可以从活跃于各领域、各行业的垂直应用看到，更可以从中国造外骨骼机器人让一名受困于疾病的残障人士站立、行走中更真切体会到。甚至可以说，那种更直观、更让人动容的为人类赋能的展示与体验，可能也让科技与人的连接产生更多微妙变化。
中国造的外骨骼机器人助力残障人士站立、行走，让人看到科技之光抚慰人类受伤的心灵。有温度的中国智造，也正在透过广交会这个平台走向更宽广的世界。
]]> <![CDATA[刚刚，实测完 GPT-Image-2：设计师没完蛋，但我被 AI 骗麻了]]>

天下苦 AI 生图抽卡久矣。

如果你曾试图用市面上任何一款主流 AI 绘画工具，去做一张带有特定中文口号的海报，你一定对那种乱码的无力感体会颇深，以至于很长一段时间里，我们都在和复杂提示词较劲。

但伴随着 ChatGPT Images 2.0 的发布，正如奥特曼在发布会上的那句暴论：「 这就像从 GPT-3 一步跳到了 GPT-5。」，那个需要你绞尽脑汁去凑提示词的 AI 盲盒时代，有望画上句号。

顺带一提，我们昨晚已经用大量实测的案例替奥特曼提前发布了 Images 2.0，感兴趣的朋友不妨点击回看。（）

赶时间的朋友，我们也为你准备了一份 省流版：

指令跟随精度大幅提升：能准确还原复杂构图、小号文字、图标、UI 元素等细节，分辨率最高支持 2K（API）

多语言文本渲染：在中文、日文、韩文、印地语、孟加拉语等非拉丁文字的渲染和排版上有显著改善，文字可融入设计本身

风格还原更准确：写实摄影、电影质感、像素画、漫画等视觉风格的纹理、光影、构图还原度更高，适合游戏原型、分镜、营销素材制作

灵活宽高比支持：支持从 3:1 到 1:3 的宽高比，可直接生成适配横幅、海报、手机屏、社交媒体等不同场景的尺寸

更新的世界知识：知识截止日期为 2025 年 12 月，在生成信息图、教育图表、视觉摘要时更具时效性和准确性

思考模式（Thinking）：选用思考型模型时，可联网搜索实时信息、对输出进行自我核查，并在单次提示中生成最多 8 张保持角色和对象连贯性的系列图片

Codex 集成：可在 Codex 工作区内直接生成图像，用于 UI 方向探索、产品原型设计和应用开发，无需单独配置

API 开放（gpt-image-2）：支持开发者接入，适用于本地化广告、信息图、教育内容、设计工具等业务场景

一个拼速度，一个会思考

过去，我们把 AI 画图当成一个单向的许愿池。你丢进去一个硬币（Prompt），它吐出一张图。至于图里元素的逻辑关系、背景的合理性，全靠运气。但 Images 2.0 改变了这种玩法。

遥遥领先的基准测试成绩单

Images 2.0 是 OpenAI 旗下首个具备思考能力的图像模型。针对不同的使用场景，推出了两个版本。

第一个是 Instant 模式。从今天起，它直接覆盖了 ChatGPT、Codex 和 API 三个入口，向所有用户开放，主打一个天下武功唯快不破。 OpenAI 研究员 Kenji 在发布会上给它的定性极高：「这是第一个真正有用于日常生活的图像模型。」

第二个则是 Thinking 模式，需要切换到 ChatGPT Plus、Pro 或 Business 账户才能激活。一旦进入这个模式，模型在生成之前，它会停下来自己推演一番：实时搜索网络信息、规划图像的骨架结构，甚至能在输出前进行自我核查。

macOS 浏览器中 ChatGPT 的截图。用户输入「draw me a dog」，ChatGPT 画了一只 ASCII 艺术风格的狗。前景窗口是 ChatGPT，桌面很乱，后台开着一堆随机窗口（比如终端）。

官方给它的定位是「Visual thought partner（视觉思维伙伴）」。具体来讲，一是生成之前有了真正的推理过程，二是在处理复杂信息图、教育内容这类需要逻辑结构的任务时，它能自行判断哪些内容需要核实、哪些背景需要补充。

所以，经过认真思考，Images 2.0 认为 Anthropic 是最好的 AI 公司？

对于开发者来说，API 端的模型名称是 gpt-image-2，定价则根据你所选的画质和分辨率丰俭由人。

根据 APPSO 之前的实测，面对 Images 2.0，你甚至不太需要过于复杂的提示词就能感受到这种技术进步。我们的测试仅使用一两句简单的画面描述，就能够生成至少能唬住外行的高水准图片。

即便这些初步生成的照片在像素级放大后偶尔经不起死磕，但只要提示词足够精细，再搭配上它本身的二次修改功能，就能轻松打造出极其真实且令人惊艳的 AI 图像。

一张写实风格的旅行抓拍：阴天清晨，一个人站在海边路旁的观景停车带，用35mm胶片拍摄。构图自然、略有瑕疵，颗粒感明显，环境光漫射，色调低饱和，衣物和发丝随风飘动，带着纪录片式的电影质感，像是某段真实生活留下的影像。

脑子里有干货，才叫「懂世界」

一个常常被忽视的细节是：AI 画得好不好，往往取决于它「懂不懂」。

OpenAI 给 Images 2.0 设置的知识截止日期是 2025 年 12 月，这比同期大多数图像模型都要新。这种知识储备在日常画个猫狗时并不显眼，但在教育、科普和复杂信息图场景里，简直是降维打击。

在「康托尔对角线证明，信息图」案例中，换作以前的模型，大概率会给你画一个胡乱漂浮着数字的抽象画。但 Images 2.0 却能直接生成了一张逻辑清晰、视觉结构完整的数学原理图。

它知道怎么判断信息真伪，也知道该补充什么背景知识，最后用干净的排版、舒服的留白和清晰的引导线给你画出来。本来得让老师手工排版一个小时的教案素材，现在几秒钟就能直接拿去用。

深夜召开的发布会，也着重介绍了戳中创作者痛点的三座大山。

第一是角色的一致性，同一个人换个角度或换套衣服，AI 往往就认不出来了。OpenAI 研究员 Kiwan 向我们演示了服装搭配的案例。

他上传了自己的照片，让模型生成八套夏日穿搭，然后又跟进提示，要求放大第一套并从多个角度展示他穿上这套衣服的样子。模型在多张图中保持了他的外貌特征不变，像试衣间一样呈现不同角度的效果。

第二是中文与排版。Images 2.0 不仅在英语、日语、韩语上表现出色，更能极其丝滑地拿捏中文排版。比如我就挺喜欢这个中文笔迹。

用普通人的笔迹抄写《定风波·莫听穿林打叶声》

文字少了后期强加上去的贴图感，真正融入成为了视觉设计的核心骨架。 而且 OpenAI 官方也在博客图片中玩起了「稳稳地接住你」的梗。

在台上演示的实验性 4K 接口生成的图片中，屏幕被无限放大，放大一堆米中一粒米，上面竟然印着「GPT image 2」的微小字样。

第三是宽高比。Images 2.0 支持从 3:1 到 1:3 的超宽高比范围，研究员 Alex 在台上直接用了一个团队内部最喜欢的提示词演示极窄竖图，生成结果把他自己的脖子拉得奇长无比，他本人也忍不住调侃，这张图可能不太适合拿去当头像。

瑕疵，才是最高级的审美

不知道从什么时候起，我们开始对那种一眼假的「AI 图片」感到生理性反胃。那种过度平滑、光影完美到失真的「AI 塑料感」，让我们避之不及。

十分令人感慨的是，Images 2.0 最大的审美进化，恰恰是它学会了保留「不完美」。

电影静帧、复古胶片快照、时尚摄影，它的风格覆盖极广。更重要的是，胶片颗粒感、闪光灯打出的硬阴影、手持拍摄的轻微失焦——这些以前被 AI 算法刻意抹平的瑕疵，现在成了可以主动触发的风格语言。

OpenAI 研究员 Alex 透露了一个让人极度舒适的秘密：想让输出最自然，最有效的关键词就是「photorealistic」。只要打出这个词，模型就会主动规避塑料感，复刻那些让照片「看起来是照片」的真实特征。

为了证明它对光影逻辑的理解，Alex 甚至用 Codex vibe code 搭了一个全景播放器，让模型生成了一张月球登陆的 360 度全景图。甚至在这个全景空间里，太阳的方向和地面的阴影关系，在视觉上保持了严丝合缝的一致。

当然，OpenAI 也坦诚交代了 Images 2.0 的局限之处。

如果你让它画折纸步骤图、魔方复原过程，这类需要极度严密三维物理逻辑的任务，它仍然容易翻车。倾斜表面上的微小细节、极度密集的重复纹理，依然会触碰它的计算边界涉及精确箭头的图表，官方也老老实实建议大家在使用前最好人工核查一下。

此外，API 端的 2K 以上分辨率目前还在 Beta 阶段，偶尔不够稳定。

]]> <![CDATA[单Agent时代结束，AI们开始组团上班]]> 克雷西 发自 凹非寺

量子位 | 公众号 QbitAI

现在，大模型的密集更新实在是让人看得眼花缭乱，但整体看来，方向也无非那么几个——更大、更强、更快。

但是，Kimi这次的更新，走的方向不太一样。

昨晚，月之暗面发布并开源了旗下最新模型—— K2.6。

这次更新有两个重点，一是 代码能力，包括硬核的软件工程能力和前端设计水准的提升，二是 多Agent协作的“Agent集群”能力升级。

先说榜单，Kimi K2.6在Artificial Analysis上取得了全球开源第一的成绩， 仅次于闭源的全球“御三家”。

咱就是说，在御三家新模型轮流上线的这张梗图里，也是能有Kimi的一个位置了。

聊聊这个Agent集群的升级

K2.5时，Kimi提出了“Agent集群”这个概念，但那时候更像是一个方向：能调度不同专长的Agent互相补位，广度搜索、深度研究、文档分析、长文撰写一起上，并行处理。

到了K2.6，这件事变得真正有意思了：最多支持300个子Agent并行完成4000个协作步骤。

放在实际场景里， 你说一次需求，一次运行就能同时拿到文档、网站、PPT、表格。

那必须给它一个任务实测一下，看它能不能一次运行、多格式并行交付，提示词如下：

帮我做一份“2026年国内AI编程助手”的报告，需要同时给我三份产出：

一篇完整的调研报告，包含各产品功能对比、定价策略、优劣势分析，以及你的选型建议；

一张结构化的对比表格，维度包括：支持IDE、补全能力、对话能力、联网能力、价格、适合人群；

一份可以直接拿去汇报的PPT，10页左右，有结论和建议页。

三份东西格式完全不同，看它是真的并行在跑、还是按顺序一个个出来，以及最后交付的质量够不够直接用。

首先，Agent集群进行了初步的扫描，并对问题的维度进行拆解，然后划分出了12个维度。

这12个维度，交给了12位不同的专家来负责，每个人都只调研自己的一个子问题。

每个专家的工作进度条和阶段性成果，都能实时监控。

到了正式撰稿阶段，同样有不同的人负责各自的Chapter。

最终，在数十位“专家”的接力之下，K2.6交付的报告长达55页，字数超3.5万，而且图文并茂、结构清晰、引文标注明确。

其中覆盖了八款主流产品，每款都有定位、核心能力和局限性的完整拆解，引用了来自IDC、Gartner、信通院等机构的数据，SWE-bench评分、中文理解准确率、定价对比一应俱全，最后还附了选型建议矩阵和企业Checklist。

篇幅和数据密度，已经超出单个对话窗口能合理完成的范畴。

表格整理得也很干净，七个维度、八款产品，支持IDE、补全能力、对话能力、联网能力、定价、适合人群一列不少，格式规整，可以直接拿来用。

PPT同样交出来了，10页，有目录、市场数据、竞品卡片、功能对比表、定价可视化、SWOT分析和选型建议，最后一页还附了行动建议。

结构完整，可以直接拿去汇报。

从一个AI，到一群AI

从K2开始，感觉Kimi模型的进化脉络更清晰了：

K2是万亿参数规模的基座，代表的是“把模型做大、做强”这件事。

K2 Thinking在此基础上引入了推理层，让模型开始能把一个复杂任务一步步想清楚，自己推导、自己验证。

到了K2.5/2.6，问题变了，Kimi团队开始把目光从专注于让单个模型变得更聪明，转向了 让一群模型真正分工协作，各自发挥专长，一起做成更大的事。

△图片由AI生成

这是一个本质的跨越。

道理很好理解，单个模型再强，也有天花板。

就像一个 优质牛马天才程序员，写代码可以很快，但如果让他一个人同时搞定产品设计、写代码、跑数据、出文档、做演示，那他大概率无法招架。

但一个组织可以。

从互联网的建立，到大模型的训练，乃至人类登月……靠的从来都不是某一个天才，而是一群各有专长的人，在一套分工体系下协同推进。

AI走到今天，也到了需要学这件事的时候了。

为了实现这个目标，最需要的就是一个好的协作框架。

所以，K2.6不只是在提升模型本身的参数，也在同步打磨它作为“协调者”的能力——

在任务里动态分配、在出错时自动修复、在整个交付链条上主动管理。

这是K2.6和K2.5最根本的差别之一。

不过，Kimi没打算停在“Agent集群”这一步。“Agent集群”解决的是AI之间怎么分工的问题，但还有一个问题没答——人和AI放在同一个群组里，能一起完成什么？

看到Kimi已经开始测试“Claw群组”了，支持把各种虾加入到一个群里，用K2.6做协调员，组织不同能力的虾一起干活……

不过我们目前还没收到测试邀请，要测试之后再给大家分享实际体验了 （Kimi你如果看到这篇文章的话要不给我们安排一个.doge）。

One More Thing

这不是下个月量子位AIGC大会就要召开了吗，听说这次K2.6能写更精美的网页，也能支持简单后端了，我顺手就让Kimi帮忙写了个报名系统。

不过我测试的时候活动官宣还没来，所以暂时没输入具体的活动信息，先让它把功能跑通。

提示词是酱婶儿的：

帮我做一个「量子位读者交流会」的活动报名网站。要求：

首页有活动介绍、时间地点、嘉宾阵容；

有报名表单，收集：姓名、邮箱、公司、职位、「你最想聊的AI话题」；

支持提交报名，提交成功后显示报名成功页；

有一个设有密码的管理后台页面，可以查看所有报名信息并导出。

这个任务专门卡K2.6新增的后端和数据库能力，看它交出的到底是一个真的能跑的全栈应用，还是只是一个花瓶。

K2.6没有直接开始写代码。它先读了项目构建的技能文件，把任务拆成前端初始化、设计文档、后端架构、数据库schema等任务线，然后才开始动手。

值得一提的是设计决策。

我们提示词里没有说要什么风格，它自己判断“这是一个AI主题活动”，选了纯黑纯白为主色调、亮柠檬黄作为点睛色的“清晰未来主义”风格，还顺手调用图像生成工具做了五张黑白艺术风格的配套视觉素材。

首屏则是用Three.js做了3D交互式图片卡片集群，鼠标移动时卡片会翻转漂浮，还加了一套双层自定义光标系统。

技术栈它也自己选定了：前端React + Type + Tailwind + shadcn/ui，后端tRPC + Drizzle ORM + Hono + MySQL。

管理后台也做了密码验证，登录后可查看报名信息并导出CSV。

最终交付的成品长这样：

我们再来验证下报名功能，看看到底是真收集到了信息，还是只有静态动画。

结果，我们填写的报名表单成功出现在了后台记录当中，说明Kimi K2.6真的把这套报名系统的前后端和数据库开发跑通了。


]]> <![CDATA[要赢还得抄中国作业！福特CEO透露试驾小米的原因：特斯拉已过时]]> 快科技4月21日消息，近日，福特CEO吉姆・法利在播客节目中表示，试驾小米SU7而非特斯拉，核心原因是特斯拉缺乏换代车型，参考价值有限，而要在电动化竞争中胜出，必须对标中国车企。

法利坦言，特斯拉虽表现出色，但长期没有新车型迭代，难以反映行业最新趋势。

相比之下，比亚迪等中国车企在成本控制、供应链效率与制造技术上堪称业内最佳，小米 SU7 的智能体验与综合实力更让他长期驾驶、不愿更换。

他认为，中国车企在技术、成本与落地速度上多方面领先，车企若不具备中国同行的竞争力，很难在市场生存。

面对市场变化，福特正加速战略调整。

公司将重心从纯电动皮卡转向更亲民的混合动力车型，旗下最便宜的混动皮卡起价约2.8万美元，贴合美国消费者对3万美元以内高性价比车型的需求。

法利提出，福特应借鉴中国车企的成本优势，结合自身对本土市场的理解打造竞争力平台。

此外，法利还透露，福特计划在美国以外扩大与中国车企的合作，以推出更优质产品；美国市场则聚焦提升本土竞争力，同时呼吁完善规则保护本土就业。

]]> <![CDATA[人工智能在世界史研究中的局限性]]>
　　其次，人工智能在分析历史文本时，面临难以回避的语义漂移问题。当前多数语言模型主要基于当代语料训练，若直接用于历史文本分析，容易以当代语义和语言习惯误读过去的语言实践。即便如苏黎世大学团队尝试使用历史语料训练模型，其效果仍然受到现存历史文本不完整和不均衡的限制，其数据质量和覆盖范围难以与当代语料相比。

　　与此同时，人工智能的价值判断也并非中立，而是不可避免地受到训练语料中主流规范与当代价值观的影响。当这些模型被用于历史研究时，可能在无意中以当代标准衡量过去，从而弱化历史语境。这些因素叠加在一起，或许会在历史叙事层面推动一种并非出于研究者本意的当代化倾向。

　　最后，一个尤为关键的瓶颈在于人工智能的“黑箱性”。在许多情况下，人文学者难以清楚解释人工智能是如何得出某一结论的。对于以可解释性、可讨论性为基本规范的人文学科而言，如果研究者无法说明分析过程，也就难以为研究结论承担必要的学术责任。

　　易晋铭：在文本分析方面，人工智能目前主要被应用于那些保存数量较多且已实现数字化的史料类型，比如契约和通信，而在其他史料领域的应用仍然相对有限。这一局限主要源于两方面原因。其一，人工智能模型的训练高度依赖大规模的、可读性较强的语料数据，例如2024年瑞士伯尔尼大学法比奥·加蒂团队针对佛罗伦萨商人银行通信网络的研究调用了超过6000封信件，然而，中世纪许多史料尚未形成如此规模和质量。其二，中世纪文献普遍存在字迹复杂、缩写繁多和保存状况不佳等问题，增加了文本识读与转写成本。尽管Transkribus等手写文本识别平台在一定程度上提升了大规模识读的可能性，但其训练和校对仍需投入人力与时间，因此研究者往往更倾向于直接利用已经整理完成的史料数据库开展研究。目前，中世纪史领域中数字化程度最高、数据库建设最完善的正是契约类文献，例如早期英格兰文献数据集（包含约4.4万份契约）和中世纪勃艮第文献集（包含约2.9万份契约），这也进一步强化了人工智能研究在此类史料上的集中趋势。

　　王思婕：如上所述，语料不均衡会影响人工智能的使用范围。另一个类似的问题在于通用大语言模型的训练数据主要来自英语世界，这使得人工智能在历史叙事中常沿用西方主流视角。人工智能在小语种史料的语义识别、长句及复合句理解方面，仍存在明显不足。此外，英美档案的数字化和开放获取优势明显，有些数据库直接提供应用程序编程接口（API），方便历史研究者进行自动化批量抓取与深度加工。上述“数字鸿沟”在跨国史研究中尤为突出，研究者往往倾向于使用易获取且结构化程度高的英美史料，从而影响了对历史事件全貌的还原。

　　训练数据的地区不平衡，导致大语言模型叙事的欧美中心化。全球南方的文本在现有数字化语料库中的占比极低，其历史经验在通用模型中被系统性地边缘化。由于模型依赖概率预测来生成文本，缺乏特定语境数据时，会倾向于用它所熟悉的西方概念框架去“填补”空白，产生所谓的“幻觉”或刻板印象。例如在探究有关冷战时期地区冲突的问题时，模型会套用美英官方叙事逻辑，将复杂的地区冲突简化为美苏对抗的注脚，从而强化了西方中心主义的知识再生产。]]> <![CDATA[史学工作者如何与人工智能共处]]>
　　王思婕：可以尝试构建特定领域的垂类模型，如服务于美国早期史、德国史学史研究的专用智能体。专用智能体可以利用“检索增强生成技术”（RAG），通过本地结构化知识库进行材料检索，实现语境锚定，在保障生成质量的同时提升可控性。专用智能体有独立的记忆与参数，配合微调技术，也能对特定语种与历史背景进行深度训练。更重要的是，本地知识库包含多元视角的历史叙事，研究者也可以在提示词中加入一些本土历史学者的洞见，以对冲模型可能存在的地缘政治偏差。

　　易晋铭：将人工智能作为“假设生成工具”，而非“结论验证工具”。要避免人工智能沦为既有史学命题的效率工具，关键在于重新界定其方法论角色。与其将模型用于验证早已形成的经济趋势或制度判断，不如将其定位为一种假设生成机制，通过监督学习、聚类分析或语义向量建模等方法，主动识别尚未被理论框架充分解释的历史问题。例如，算法可以揭示跨地区低频人物的隐性网络或识别非常规契约条款的语义组合。这些输出并非直接构成历史结论，而是为历史学者提供新的问题线索与研究方向。随后由研究者结合档案语境与制度背景进行解释与验证。]]> <![CDATA[期待青年AI人才与城市“双向奔赴”]]>
　　智能经济时代，哪座城市能成为AI人才的首选地，直接关系到其未来创新潜能与发展后劲。近年来，不少城市纷纷拿出“真金白银”，吸引AI人才落户生根。比如，上海浦东新区对AI人才及团队最高资助700万元、项目最高补贴1亿元；江苏无锡市发布“AI人才十条”，试图以“颗粒度更细”的精准扶持政策，在长三角AI人才版图中找到突破口；四川成都市为打造全国人工智能产业发展新高地，以建设全国人工智能“人才创新之城”为总目标，聚焦顶尖、年轻、应用“3类人才”。

　　据统计，在人工智能、量子通信等前沿领域以及重大科技攻关项目中，青年科技人才承担了超过60%的攻关任务。目前，各大城市使出十八般武艺，向青年AI人才伸出“橄榄枝”。作为全国人工智能产业领先的头部城市，上海通过建设创新生态社区吸引青年AI人才的涌入。上海“模速空间”创新生态社区自2023年成立以来，已走过“1.0版加速度”“2.0版扩规模”两个阶段，2026年迈入“3.0版育生态”。该社区吸引了大量年轻创业者入驻，近三分之一从业者年龄在28岁以下，很多创始人年龄不到30岁。这些青年AI人才在选择城市时，基于产业基础、创新生态、政策支撑、生活环境等多维度进行综合评估。换言之，青年AI人才在选择城市时，实际上是在寻觅一处既能托举个人才华、让创新价值成倍释放，又可安顿美好生活的理想归宿。

　　当前，我国人工智能产业主要集中于长三角、京津冀、粤港澳大湾区三大核心区域的城市，中西部地区亦有零星城市崭露头角。有数据显示：从城市分布来看，上海、北京、深圳位列人工智能人才需求前三。青年AI人才在“用脚投票”时，首要考量的是当地人工智能产业发展基础。产业越集聚，意味着岗位机遇与成长空间越广阔，从而放大了对年轻人才的吸引力。城市的产业能级直接决定技术落地场景的广度和深度，成熟的产业链能为青年AI人才创新创业提供优质的发展条件，让技术研发能够真正落地开花。同时，城市精准对接人工智能产业发展需求与人才成长路径，通过深化“揭榜挂帅”“创业大赛”等赛马机制，为青年AI人才搭建施展拳脚的广阔舞台，激励他们在重大项目中打头阵、当主角、担重任。所以，当产业土壤足够肥沃，人才自然就会投身于这片土地，并且与城市发展同频共振。

　　人才争夺的高阶形态，是制度环境的竞争。例如，杭州“六小龙”集中涌现，就离不开杭州良好的人工智能产业生态、浓厚的科技创新氛围、宽松自由的创业环境以及政府包容失败的良好心态。同时，城市突破传统人才评价的路径依赖至关重要，构建教育背景、创新能力、市场贡献等不同维度的动态评价体系。无论是顶尖高校的科研先锋，还是在开源社区、重大赛事或创业实践中崭露头角的实干英才，都可共享城市的政策支持与资源保障。

　　吸引人才对城市而言仅是第一步，如何让这些宝贵的人力资源长久扎根并且持续贡献才是关键。留才的关键在于留心。青年AI人才渴望的不光是创新创业的工作空间，还有城市本身的品质与温度。根据城市宜居性理论，多元化的商业和公共服务、良好的空间品质与城市环境、完善的基础设施和便利的交通条件，都是城市集聚人才的重要因素。针对此，一方面，城市应持续优化交通、教育、医疗、住房等公共基础设施和服务供给，通过精心打造“15分钟便民生活圈”提高生活的效率与品质，为青年AI人才提供多样化住房保障。另一方面，还应聚焦高校、科研院所、创新型企业等青年AI人才聚集地，规划更多“第三空间”——咖啡馆、图书馆、公园长椅、酒吧等非正式环境，推动职住平衡、功能复合、活力多元的创新街区和活力街区建设。期待青年AI人才在与城市的双向奔赴中，共同书写智能时代的崭新篇章。]]> <![CDATA[神经数据：数字时代的新“富矿”]]>
从脑电图头显、可穿戴脑机接口到植入式芯片，神经技术早已迈出实验室，悄然走进人们日常生活。当人们借助这些设备监测健康、沉浸娱乐或专注工作时，海量的神经数据也正被无声地捕获。
澳大利亚《对话》杂志网站报道指出，在算法时代，这些最私密、最个人化的神经数据，已成为推动个性化医疗乃至定向广告的关键资源。若善加利用，神经数据有望成为数字经济蓬勃发展的重要资产。然而，捕捉与收集这些数据，也带来了前所未有的伦理、隐私与安全挑战。
神经技术产业发展迅速
从轻量化人工智能（AI）眼镜如思想延伸般轻巧，到可植入脑机接口帮助瘫痪患者重获运动、语言与独立能力，2026年的今天，这一切已不再是科幻，而是触手可及的现实。
在这一领域，“神经连接”公司的N1芯片、Synchron公司的Stentrode系统、贝莱德神经科技公司的高通道阵列与Neuralace等产品，均已进入人体试验阶段。
而专注冥想与睡眠的Muse、致力于提升专注力的Neurosity等公司，则共同催生了消费级神经技术产业。目前至少有30种非侵入性神经技术消费品面向公众开放，并承诺可提升认知能力、监测工作与疲劳状态、改善睡眠问题乃至辅助治疗抑郁等疾病。
市场研究机构的数据显示，全球神经技术市场规模2026年预计约198.4亿美元，年增长率达14.4%；至2029年有望攀升至298亿美元，10年内将突破550亿美元。
智能眼镜、脑机接口、可穿戴脑电设备及认知感知系统的进步，使实时捕捉、分析与解读神经活动成为可能，由此催生了数字时代新的基础资源——神经数据。
有望造福众多行业
与人们更熟悉的个人健康数据（如心率）不同，神经数据由大脑实时生成。它与数据主体深度绑定，能深入洞察个人的大脑功能与心理状态，甚至可推断出未曾主动透露的情绪反应、认知模式，以及某些尚未意识到的状态与意图，其内涵之丰富远超传统行为数据，更贴近人类真实的内心世界。
神经数据的崛起，标志着数字经济正从观察人类行为向理解人类认知转变。这远非一个简单的数据集，而是一片价值创造与控制的全新疆域。
神经数据能揭示大脑活动的模式，有望造福众多行业。在健康领域，它推动了对大脑与神经系统功能的研究，使科学家得以捕捉神经或精神疾病的早期迹象，实现早期诊断与行为预测，从而在极早阶段开展个性化治疗。借助脑机接口等技术，人们还能设计出通过大脑活动响应用户意图的智能假肢。在教育领域，对大脑活动进行分析，可评估学生的表现与学习效果，从而调整教学方法与节奏。在安全领域，神经数据可用于监测驾驶员或飞行员的嗜睡、注意力分散等情况，有效防范事故发生。
神经数据的价值在AI时代尤为突出。AI系统受益于高质量的人类反馈，而神经数据恰能提供直接的认知反馈回路与实时的意图信息。未来10年，最有价值的数据或许不再源于人们的行动，而是源自人们的思想。
伦理和法律框架亟待跟上
尽管神经技术市场发展迅猛，但相关的法律与监管指导却明显滞后。
2023年8月，智利最高法院作出了全球首例关于商业神经数据的裁决。案件涉及参议员圭多·吉拉迪与旧金山Emotiv公司，后者销售一款名为Insight的无线 耳机，主打专注、冥想与认知表现。吉拉迪发现，接受服务条款即意味着授予Emotiv公司对其大脑数据全球性、不可撤销且永久性的许可。除非他付费注册高级账户，否则数据将存储于Emotiv云端，他本人无法访问或导出自己的神经记录。智利最高法院裁定Emotiv公司侵犯了吉拉迪宪法所保障的精神完整权，责令该公司立即删除吉拉迪的数据，并禁止在智利销售Insight设备，直至其隐私政策修订完毕。
Emotiv公司在此案中败诉的关键，在于智利宪法对精神完整权的明确保护。该条款于2021年正式确立。然而，绝大多数司法体系并未提供类似保障，神经数据如何融入现有法律框架仍是悬而未决的难题。
部分国家和地区已有所行动。例如，美国科罗拉多州与加利福尼亚州于2024年颁布了首批专门管理神经数据的州级隐私法律。2025年9月，美国参议员提出《心智法案》，这是国会首次郑重尝试将神经技术行业纳入专门监管框架。该法案授权联邦贸易委员会监督神经数据治理，并禁止联邦机构使用侵犯精神隐私的技术。
根据欧盟《通用数据保护条例》，大脑信号可能被视为生物识别数据或健康数据，两者均受更严格的保护。然而，当消费级神经技术以健康产品而非医疗器械的身份销售时，往往陷入监管的灰色地带，游走于健康法、消费者保护法与数据隐私规则之间。
此外，诸多问题仍悬而未决：用户在接受神经头显的服务条款时，究竟同意了哪些内容？这些数据将留存多久？持续的大脑监测是否会悄然改变人们的思维乃至决策方式？这些都有待更深入地研究与探讨。而未来神经技术发展的成败，有赖于构建既能增强消费者信任，又能提供监管清晰度的法律与政策框架。
]]> <![CDATA[上海：部署高性能国产智算集群]]> 4月21日，上海市人民政府网站发布《国家数字经济创新发展试验区（上海）实施方案》（以下简称《实施方案》），旨在部署高性能国产智算集群，加速脑机接口、6G、量子计算等技术应用试点及产品化，推动数字经济创新发展。
《实施方案》提出，聚焦医疗健康、高端制造等重点行业，打造高质量数据集，依托新型数据流通基础设施服务垂类模型和智能体创新应用。推动算力资源互联互通，提升上海市算力监测调度平台与长三角（上海）算力互联互通平台核心能力，探索形成区域间算力资源调度机制，推动算力互联互通、按需调用。升级扩容智算基础设施，部署高性能国产智算集群。
《实施方案》明确，加快新一代通用人工智能、智能软件、智算系统等技术攻关，推动通用科学大模型与学科模型协同推理技术突破；加速脑机接口、第六代移动通信（6G）、量子计算等技术应用试点及产品化，建设共性技术研发服务平台；开展具身智能、自动驾驶、科学研究等领域的数据创新平台建设。鼓励数据领域优势主体建设一批具有概念验证、中试验证等功能的地方数据科技创新平台。
《实施方案》还提出，加快重点产业智改数转。实施“AI+制造”和“5G+工业互联网”专项行动，支持研发行业垂类大模型。培育梯度布局的产业载体。围绕数据、区块链、人工智能等产业方向，协同建设长三角创新引领型数字产业集群，打造若干个区域支柱型、特色型数字产业集群。
]]> <![CDATA[“中国式开源”引领全球创新]]> 美国彭博社4月16日文章，原题：为什么中国一直坚持开源人工智能？ 中国的人工智能（AI）生态系统一直都受益于AI开源，即让任何人都可以使用、下载某个AI模型或者基于该模型进行技术开发。开源一直是推动中国AI崛起的关键，它允许其他人迭代和构建模型，并且在中国政府的支持下，帮助推动科技创新发展，并将其传播到整个经济领域。
中国走出了一条“开源创新”之路
从日常场景到产业深处，中国AI产业能实现如此广泛的落地，核心在于走出了一条不同于美国硅谷的“开源创新”之路。当西方最大的几家科技公司竞相构建功能日益强大的系统、并坚持垄断这些系统的控制权限时，中国的实验室却一直在免费分享技术，例如开放软件源代码、开放大语言模型参数、开放训练数据集等。
过去，AI开源似乎曾经是一个小众话题，除了技术开发者之外鲜少有人了解。然而，当AI技术吸引数万亿美元的投资、并让关键资源和科技权力高度集中在西方科技巨头手中时，开源就成为了中国推动技术发展的重要抓手。这也是笔者一直支持开源的原因。
去年，开源大模型DeepSeek-R1横空出世，是中国AI技术突破的重要里程碑。此前，行业内外普遍认为，世界上最好的大语言模型掌握在少数几家美国大公司手里。这些大模型闭源，投入高昂、性能优越，由单一机构或商业公司开发维护，有绝对的商业竞争优势，是少数巨头的“专属游戏”。然而，DeepSeek打破这一局面，正在推动AI领域的蓬勃发展。
同时，DeepSeek开源之举，也让AI像水、电和网络一样触手可及。开源AI模型不仅可以提升声望，还能够帮助小型AI实验室赢得全球关注。尽管训练和运行AI需要巨额成本，但中国仍然重视对AI的开源开放。开源AI模型具有重大战略意义，是用协作替代“单打独斗”，其本质是激发与汇聚人类群体智能的有效机制，让AI发展更快、成本更低、更普惠。
中国AI模型受到全球欢迎
中国的开源方案正得到全球伙伴的响应。中国的千问大模型是全球最受欢迎的AI应用之一，占据全球开源模型下载量的一半以上。千问大模型也是各国研究人员构建更小、更精细的衍生模型时最常用的基础模型。从新加坡政府的AI项目到一些发展中国家的实验室，这些模型都发挥着举足轻重的作用。
如果要构建一个全球性的AI体系，开源协作至关重要。这一战略使得低成本的中国AI不仅成为全球南方价格敏感型市场的首选，同时也日益成为美国硅谷的热门选择。上个月，估值达293亿美元的AI编程初创公司Cursor披露，其新一代编程模型Composer 2部分基于北京月之暗面科技有限公司的Kimi K2.5模型构建。美国硅谷知名风险投资公司安德森-霍洛维茨的一位合伙人估计，向他们推介开源AI的公司中，约有80%都在使用中国的AI模型。
开源理念已经融入中国科技发展脉络
开源战略一直是中国AI发展的核心。中国实验室会发布权重（即模型学习到的数值参数），让其他人可以迭代、学习并将其提炼成新产品。这推动了科技创新的飞速发展，并将其推广到整个经济领域。开源得到了中国政府的大力支持。中国将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、AI手机和电脑、智能机器人等新一代智能终端以及智能制造装备。
同时，开源理念已经融入中国科技创新发展的脉络中。政策引导与市场活力的结合，让中国AI开源生态进入加速发展期。AI开源社区抱抱脸数据显示，截至2025年8月，中国开源模型累计下载量已超越美国。一位GitHub平台的前员工表示，这种开放性是人才培养的重要渠道，也是中国拥有全球近一半AI研究人员的原因之一。开源模型通常比专有模型落后大约6个月，这种差距一直保持在令人惊讶的较小水平。这表明中国已选择全力投入开放的AI体系。
]]> <![CDATA[曝腾讯阿里争投DeepSeek]]>

智东西

作者 | 李水青

编辑 | 心缘

智东西4月22日消息，据外媒The Information援引四位知情人士消息报道，腾讯和阿里巴巴正洽谈投资DeepSeek，后者就在上周刚被曝出首次启动外部融资。

在与潜在投资者初步接洽后，DeepSeek正寻求以超200亿美元（约合人民币1364.9亿元）估值融资。此前4月17日，DeepSeek被曝目标估值超过100亿美元（约合人民币681.8亿元），计划融资至少3亿美元（约合人民币20.5亿元）。

知情人士称，谈判仍在进行，估值和融资金额可能调整。由于DeepSeek运营模式更像专注开源技术的AI实验室而非营利性企业，其估值问题近日在国内科技和创投圈引发争议。

DeepSeek的200亿美元估值部分参考了开发Kimi系列大模型的月之暗面。据一位知情人士透露，月之暗面即将完成新一轮融资，估值达180亿美元（约合人民币1228.4亿元）。

另有其他数据表明，DeepSeek估值可能超200亿美元。其竞争对手MiniMax和智谱今年1月在港上市时估值均不到100亿美元。如今智谱市值达4386亿港元（约合人民币3824.5亿元），MiniMax达2911亿港元（约合人民币2532.1亿元）。

但与两者不同，DeepSeek尚未产生可观收入。该公司一直保持其模型开源，并免费向消费者提供聊天机器人。

DeepSeek、腾讯和阿里巴巴均未回应置评请求。

多年来，DeepSeek由中国对冲基金幻方量化管理控股，创始人梁文峰坚持独立运营、不接受外部资金，但随着技术和竞争挑战加剧，这一立场正在转变。

如今DeepSeek面临比一年前更激烈的市场竞争。AI模型发展加速，训练和运营成本飙升，财力雄厚的中美科技巨头正加大对初创企业的打压。近几个月，部分关键研究人员已跳槽至中国科技巨头。新资金将为DeepSeek提供急需的计算资源和人才保留支持。

DeepSeek仍依赖英伟达芯片训练旗舰模型。据The Information报道，其一直在使用英伟达Blackwell芯片训练下一代旗舰模型，而该芯片根据美国规定禁止出口至中国。DeepSeek已花费数月将V4模型适配至华为、寒武纪等中国芯片上运行。

]]> <![CDATA[iPhone 18标准版屏幕规格，可能开倒车？]]> IT之家 4 月 21 日消息，据科技媒体 Wccftech 今天报道，随着内存成本不断上涨，苹果似乎不得不在产品策略上做出取舍。分析机构 Schrödinger Intel 预测，苹果 iPhone 18 标准版的屏幕规格将“开倒车”，为高端机型 iPhone 18 Pro 让路。

据报道，iPhone 18 标准版可能会采用 M14 或 M12+ OLED 面板，其中 M12+ 目前被认为是最可能的选择。

而 iPhone 18 Pro 系列机型则预计使用 M16 发光基材，并从蓝色荧光 OLED 面板升级为蓝色磷光 OLED，能效提升明显。

作为参考，M12+ 发光基材是 M12 的小幅优化版本，曾被用于苹果 iPhone 14 Pro、三星 Galaxy S23 等机型，代际性能明显落后于 M13、M14。

当然，苹果显然不会在发布会上提及屏幕规格降级，只会讲 A20 芯片、相机升级和新设计，屏幕会被描述为“先进 OLED”，然后现场掌声仍旧和往年一样如雷贯耳。

]]> <![CDATA[突破瓶颈！华为Sub-1GHz Massive MIMO全球首次商用]]> 快科技4月23日消息，华为和尼日利亚运营商MTN一起，把全球第一个Sub-1GHz Massive MIMO站点正式商用落地。

尼日利亚是非洲人口最多的国家，这次合作直接把当地低频4G网络能力带上新台阶。

现在尼日利亚用4G的人越来越多，短视频、直播、移动支付这些业务很火，网络流量涨得特别快。低频频谱本来就不多，网络容易堵，用户上网体验不太好。

这次上线的新方案，比传统4T4R站点好用很多。开通之后，低频LTE流量直接涨了104%，用户下行网速体验提升28%，网络资源占用率还降了8%。

这个技术把大规模天线和宽频技术用在低频段，能把零散的频谱整合起来用，效率大幅提高。它还能兼容2G、3G、4G、5G和物联网信号，后续升级5G很方便。

华为通过材料、架构和算法的改进，解决了低频大天线体积大、重量重、没法商用的老问题，把全频Massive MIMO 的最后一块短板补上了。

加上之前已经布好的中高频设备，MTN现在实现了全频段覆盖Massive MIMO，成为全球第一个做到的运营商，正式进入全频段大天线技术时代。

尼日利亚MTN Sub-1GHz Massive MIMO商用站点

]]> <![CDATA[当AI也能写作，我们还要一字一句读书吗[1P]]]>
　　莫言（左）与余华在对谈中。
　　　　正值“全民阅读活动周”，今年4月23日，第三十一个“世界读书日”如约而至。
　　在这个书香弥漫的时刻，我们邀请作家莫言、余华，围绕AI（人工智能）时代的阅读与文学创作、青年成长等话题展开对谈——人为什么要读书？年少时读过的“杂书”，如何影响一生？刚离开校园步入社会的年轻人，迷茫时如何找到自己的人生方向？当AI也能写作，我们还要一字一句读书吗？
　　阅读是人类获取知识、启智增慧、培养道德的重要途径。在快节奏与碎片化的时代，我们依然相信，静心读书是不可替代的成长。愿这篇对谈能为读者带来启发与慰藉，也愿全民阅读之风，吹进更多人的日常。
　　——编  者
　　
　　话题一：我们为何开始写作
　　网友提问
　　当年是怎么走上写作这条路的？有没有一个“我要成为作家”的决定性瞬间？
　　莫言：我先成了一个痴迷的读者，后来才慢慢变成作者。小时候在农村，能借到的书太少。借书往往限时一天，我就躲起来废寝忘食地看，家里的活不干了，羊也不放了。虽说读得快，但情节至今记得清清楚楚。所以读书要趁年轻，趁好年华，事半功倍。
　　我读的第一部长篇小说，是小学老师放在床头的《吕梁英雄传》。后来老师又借给我《红旗插上大门岛》《踏平东海万顷浪》《青春之歌》等红色经典。读完这些，我又在村子里借来《三国演义》《封神演义》等。我大哥留下了初高中语文课本，里边节选了《林家铺子》《雷雨》《平原烈火》以及普希金小说等中外名著片段，风格多样，让我眼界大开。
　　读得越多，心里越有了写的欲望。当然也有功利心，想过上好日子，吃饺子、穿皮鞋、戴手表。也有“高大上”的理想，要用我的笔书写心中的情感、描述现实生活。
　　余华：莫言说书读得越多越想写，有时候书读得少也想写。我年少时读到的外国小说大多没头没尾，不是前面少十几页，就是后面少十几页，只能靠自己的想象去填补故事。我的想象力就是那时培养出来的。后来读到一两篇作品，突然激发了想写的愿望，那个“瞬间”就这样来了。
　　认真回想，其实那个“瞬间”到来之前有很多铺垫。我小时候爱看成语词典，每个成语都是一个故事，特别有意思。我还读《毛泽 东选集》的注解，里面有很多历史人物的故事，翻来覆去看了两三遍。高中时，邻居家有十几本旧《收获》杂志，我全部读完了。后来又从图书馆借来《艳阳天》《金光大道》等，加起来30多本书。
　　最难忘的是读到手抄本《茶花女》，当时心想，天底下还有这么感人的故事。我和一个同学像接力一样，废寝忘食地把它抄了下来。后来才知道，我们抄的是缩写版。
　　再后来，我在进修牙医时，一名眼科医生借给我陀思妥耶夫斯基的《罪与罚》，第二天早晨必须还。我读了一个通宵，隔天昏头昏脑地去上班，跟主任请了假，说昨晚看了一晚上小说，就回宿舍睡觉了。
　　话题二：AI与文学的关系
　　网友提问
　　现在AI能写诗作画，一键创作。担心作家这个行业被取代吗？
　　余华：我看过一个榜单，列出了最可能被AI取代的50个行业，作家排在第二十多位。在AI面前，原创力越强的人“存活”概率越大。写作不只是一个技术活，那种情绪、细节和只有经历过生活才能写出来的东西，AI现在还做不到。
　　莫言：写作这个行业，尤其具有强烈个性、原创性的文学创作，短时间内不可替代。技术性很强的文章，比如格律诗、骈体赋，AI可以写得辞藻华丽、对仗工整，但没有思想就是空洞的。我试过让AI写一篇关于灵隐寺的赋，几分钟就写出来了，但是华而不实。后来我给它注入一个思想——“庙宇不是市场，施舍不是交易”——确实写得好了很多。所以，AI的强大建立在源源不断“投喂”的基础上。AI可以成为很好的辅助工具，但真正的好作品，还是需要人来注入思想。
　　余华：有段时间我爱刷“几分钟看完电影”的视频，一晚上能看七八部。但后来发现这很影响观影体验——故事梗概知道了，再看原片时总觉得看过又没看过。其实，小说和电影一样，真正打动人的不是故事本身，而是细节、情绪和对话撑起来的“饱和度”。
　　莫言：“几分钟读完一部小说”就像喝果汁，虽然方便，但肯定不如吃水果来得有营养、有滋味。我平时也爱刷短视频，经常刷到账号“沂蒙山尕老太”的创作，内容多是农村赶大集。现在这样职业化的“网络小剧团”特别多，是值得关注的新现象。新的生活扑面而来，AI时代有各种可能性。面对AI，写作者一方面焦虑、困惑，另一方面又坚信不能放弃——内心矛盾斗争的过程，恰好就是产生作品的土壤。
　　余华：还要警惕AI假视频。过去，有人把我们写过的一两段话，混着别人的话凑成一篇文章，署上我们的名字。现在AI技术更进一步，直接用我们的声音去“说”，网友很难分辨。
　　莫言：呼吁以后AI生成的内容，伴生像胎记一样不可磨灭的标志，让大家能分辨出来。
　　话题三：选择阅读的口味
　　网友提问
　　上班太累了，回家只想看爽文放松，不想读严肃文学，怎么办？
　　莫言：爽文和严肃文学之间没有不可逾越的障碍。好的小说，往往既爽又虐，让人笑中含泪。年轻人上班累了，看点爽文放松一下，完全可以理解。但如果有精力，还是可以换换口味，读点别的。
　　余华：阅读是一种选择，而选择背后必然跟着期待。当我准备好读一部严肃小说时，哪怕它写得很闷也能读完，比如卡夫卡的《城堡》。
　　还有一点，不要轻易把“好看的故事”和“不深刻”画等号。有些故事写得特别好看，但它同样深刻。马尔克斯曾推荐《基督山伯爵》，认为这是一本关于教育的书——一个近乎文盲的人，在监狱里学会了多种语言。每个人读同一本书，角度不同，收获也不同。所以我的建议是，阅读要多样化，跟吃饭一样，口味常换常新。
　　话题四：与年轻人谈谈心
　　网友提问
　　很多刚毕业的年轻人初入社会，处于感到迷茫、漂泊、不确定的“奥德赛时期”。你们当年有过这样的阶段吗？有什么建议？
　　莫言：我也有过很长的迷茫期。十几岁放牛时就想，难道就这样一辈子吗？那时的农村青年，普遍想通过当兵、招工、上大学走出去。我去棉花厂做临时工、当兵，每一步都想走到外面去，看更广大的世界、接触更多的人、学更多的知识。我在部队时兼任过图书管理员，拼命读书、写作，希望通过写作来改变命运。
　　其实人的一辈子，没有哪个阶段可以一劳永逸。我现在70多岁，写作中还是会有困惑，千方百计想写出不一样的东西。无论阅读，还是在网络上接触各种各样的文化，最终是为了写出更好的作品。
　　奥德修斯在海上漂泊10年，最后还是回到了家乡。“一山放出一山拦”，年轻的朋友们不要急，这个阶段总会过去。
　　余华：我的“奥德赛时期”大概是做牙医的那5年。但迷茫和焦虑不是年轻人的“专利”，它会伴随人的一生。
　　去年底我开通了短视频账号，关注我的大多是年轻人。刚好赶上期末考试，有网友问：明天出分，焦虑得不行，怎么办？我的建议是：先好好睡一觉，醒来以后再焦虑。焦虑与迷茫推不走，但可以尽量缩短，别让它长时间地占有你。
　　重要的是向生活学习，多去经历，才能跟迷茫、焦虑、挫折进行较量。把愉快的记住，不愉快的尽量忘掉，这样快乐就延长了，不快乐就缩短了。]]> <![CDATA[人形机器人跑步前进[4P]]]>
　　2026北京亦庄人形机器人半程马拉松比赛中，机器人选手在奋力奔跑。

　　在北京中关村展示中心常设展上，一台配备了灵巧手的机器人在展示穿针引线。


　　广东广州市海珠区，工作人员在模拟环境下训练机器人进行电力设备巡检与维护。


　　安徽合肥，工程师在给机器人安装电池。
　　脚踏祥云，迅如闪电，今年的机器人跑得真快！在2026北京亦庄半程马拉松暨人形机器人半程马拉松比赛上，齐天大圣队的“闪电”机器人以净用时50分26秒的成绩夺得冠军，并“跨界”打破人类半程马拉松的世界纪录。
　　4月18日至19日，2026机器人勇士挑战赛、2026北京亦庄机器人半马相继举行。极限竞速与应急实训并举，赛场服务与场景落地齐进，一场人形机器人的技术展演徐徐展开。
1.赛场争锋，多元战队的极限挑战
　　4月19日7时30分，发令枪响，人形机器人与人类跑者在起点同步奔出，共同向着21.0975公里处的半程马拉松终点进发。
　　赛道上，百余台人形机器人依次起跑，每间隔30秒就有一台整装出发。机器人疾如闪电、奋力驰骋，机械身躯在赛道上留下一道道利落的身影。
　　在这条全长超21公里的征程上，平地与坡道交替，弯路与狭窄路段相继出现，更有几条接近90度的弯道暗藏玄机。此外，本届赛事首次将南海子公园生态路段纳入其中，复杂的路况对机器人的动态平衡、路径规划与环境适应能力提出了全面考验。
　　本届赛事规模较上一年度扩容近5倍，有近四成机器人采用自主导航，完全依靠自身搭载的多传感器融合系统，实时感知周围环境，能够自主完成定位、建图、路径规划、动态避障等一系列复杂决策。
　　在机器人的激烈角逐背后，是各大机器人企业对核心技术自主可控的不懈追求。包揽本次赛事前三名的荣耀“闪电”机器人借鉴人类体态，上身纤巧、下肢修长，在速度与爆发力上极具竞争力。不仅如此，该机器人复合运用航空铝、轴承钢、玻璃纤维及高分子材料，有效解决了机器人关节在高速运动中的损耗与精度控制难题。
　　赛场之上，部分机器人穿戴的“跑鞋”也暗藏巧思。“穿鞋不仅为了装饰，更是为了更好地保护机器人”，从而取得更好的成绩。北京人形机器人创新中心运动控制部门负责人徐志远介绍，减轻机器人落脚重量，降低对机身主体的冲击，有利于帮助机器人跑得稳、跑得快、跑得久。
　　腿部呈弯刀状的“破风者RX”机器人另辟蹊径，其奔跑姿态宛若“刀锋战士”。智身科技人形算法负责人徐博告诉记者，这款机器人腿部搭载了仿生弹簧结构，在省去沉重电机的同时，提高了爆发力与续航效率。
2.一年跨越，人形机器人技术大幅突破
　　从2小时40分42秒，到50分26秒——这一年，人形机器人技术实现了巨大跃迁。
　　“相较于第一届马拉松，今天明显感受到机器人跑得更快了。”北京市经济和信息化局装备处副处长梁洪郡表示，一年来机器人产业技术狂飙突进，整机液冷、电池续航等核心技术实现了快速迭代升级。
　　强大的“心脏”与强健的“体魄”，是机器人能跑得快、跑得久的核心因素。荣耀研发团队打破边界，将手机领域轻薄长续航电池技术跨界应用于人形机器人，大幅减少了换电次数，助力“闪电”一路领跑。荣耀终端股份有限公司工程师姚彬回忆到，在一场比赛中机器人曾不慎与头车相撞，仅凭借内置的动态平衡算法，它很快复原至正常姿态重返赛道。“在硬件与算法的双重加持下，传感器实时捕捉姿态变化，运控算法快速调整，最终实现了这样的应急响应。”
　　今年，不少机器人后背位置出现了很多管路——那是水冷散热系统，也是破解长时间奔跑“发热难题”的关键。人形机器人高速奔跑时，关节电机高速运转、短时间内会积聚大量热量，就像人剧烈运动后浑身发烫。
　　对此，各战队全面升级散热方案，形成液冷为主、风冷为辅、混合协同的全新体系。泰山战队的行者泰山机器人，在主要关节加入液冷系统；固地飞跃队采用水冷和风冷混合散热，核心大扭矩关节用水冷，腿部等空间狭小关节保留风冷；“天工”机器人也用上水冷散热，散热结构外置在关节外部，不增加机身重量，像汽车循环散热一样，把温度牢牢锁在安全范围，保障长时间高强度稳定运行。
　　“今年人形机器人之所以能实现大幅突破，得益于本体硬件与运动控制算法两大领域的进步。”北京人形机器人创新中心运动控制算法工程师任腾表示，国内完善的产业链让机器人搭载的电机实现了在扭矩、转速与成本三者间的平衡，为高速奔跑提供了物理基础。此外，运动控制算法的持续迭代与优化，也让机器人跑得更稳定、更高效。
　　在产业侧，北京亦庄“以赛为媒”，引聚整机、零部件与算法团队同台竞技。同时，通过二次开发社区“未来机域”提供“专业培训+供需对接+概念验证+产品试制+应用示范”全链条服务，从而加速技术、资本与人才的汇聚。
　　东游科技（北京）有限公司CEO、未来机域亦朝游侠队队长胡晓晨告诉记者，战队队员有不同企业的工程师，甚至还有一名高中生。作为首次征战机器人半马赛道的队伍，他们曾面临着成本难题。胡晓晨说：“得益于亦庄搭建的未来机域开发社区，我们能免费使用机器人本体，由此能让队员集中全部精力投入于算法开发之中。”
3.实战征途，从赛场落地到千行百业
　　“从实验室到开放赛道，比赛本身就是技术迭代的加速器。”中国电子学会副秘书长梁靓表示。在4月18日举办的机器人勇士挑战赛上，具身天工3.0全尺寸通用人形机器人以全自主方式，成功通关摆锤穿越、开拓前行、破门清障等几个基于现实高危场景设计的赛项，以最高积分斩获冠军。
　　比赛中，天工机器人依托大小脑协同，可自主识别地形，完成路径规划，并针对不同地形调整通过策略，实现全自主操作。这在本体稳定性、具身大小脑协同、高动态运动控制、复杂环境全自主导航及感知—控制一体化能力方面实现了系统性突破。
　　而在亦庄机器人半马比赛现场，除了100余支钢铁跑者队伍并肩竞速，还有一群特殊的“服务人员”散落各处，以持续不息的机械运转，守护着整场赛事。
　　在赛道关键点位上，4台机器人摄影师早已就绪。它们依托灵活的机身转向与高清拍摄能力，生动记录选手们集结起跑的热血瞬间、赛道疾驰的拼搏身影以及冲线时刻的荣耀高光。
　　赛道边，北京首个上岗执勤的交警机器人“天轶”身着荧光绿交警涂装，正专注引导机器人队伍有序转向，语音指令清晰利落。“它不知疲倦，电量充足就能持续指挥。”民警隋宏大说，“连续喊话半小时，真人会口干舌燥，而机器人可以稳定输出。”此次亦庄半马亮相之后，“天轶”将前往更复杂的实景路口执勤。
　　赛场之上，4台机器狗化身“智能关门兔”，凭借预设的精准配速算法，紧扣关门时间，以稳定节奏智能伴跑；9台清洁类机器人组成的全场景清洁团队，可完成垃圾拾取、地面清扫等作业。北京木子杨科技有限公司董事长李想介绍，本届马拉松赛事部分路段较为狭窄，大型清扫车辆不仅难以进入，还可能会剐蹭护栏。而清扫机器人体积小巧，能满足赛事道路的宽窄度，进行更加灵活的清扫。
　　12台机器人化身智能补给员，贴心服务赛场全程。其中6台在起点担任礼仪，协助传递话筒、发令枪等物品；4台驻守赛道补给点，协助递送瓶装饮用水；2台在终点跑者服务区为完赛选手提供速干巾，提升选手参赛体验。星海图市场总监张宇佳谈道，这次最大的挑战就是需要把机器人的基础模型搬到户外的复杂场景，让机器人能够在真实世界里稳定地完成任务，提供生产力。
　　一旁舞台上悠扬乐声响起，二十余台表演机器人接连登场，有的舒展机械臂领操热身，有的灵活拨弦奏响旋律，为赛事添上一抹科技动感。与此同时，5台各具本领的美食制作机器人也已亮相赛场，它们能实现3分钟全自动制作煎饼、饮品，爆米花装杯递送等功能，展现了智能机器人在日常生活场景中的成熟应用。]]> <![CDATA[以赛促用 机器人加速迈向通用智能体]]>
　　以机器人马拉松为例，要完成长距离马拉松，绝非能走能跑这般简单，必须跨越多重技术难关。双足运动与动态平衡控制，要求机器人在复杂路况、外部扰动下保持稳定步态，并具备快速异常恢复能力；连续步态规划与能源管理，要支撑长时间高负载运行，破解续航、散热、功耗控制等行业瓶颈；环境感知与自主导航，要在无人工干预下完成路径规划、动态避障与环境理解；整机硬件可靠性，要承受数万次往复冲击，保障关节、电机、结构件长期稳定运行；高阶具身智能能力，要实现感知、理解、决策、执行全闭环，让机器人真正具备自主适应与智能决策水平。

　　近年来，赛事中的机器人技术不断进步。能力维度从基础行走和奔跑，升级为能感知、能决策、能适应；智能水平从规则驱动、模块化控制，全面迈向大模型赋能的多模态融合与自主推理；考核重点从单一运动性能比拼，转向整机控制抗变换性、硬件可靠性与智能决策能力的系统级检验。自主导航成为核心比拼项，机器人不再依赖人工遥控操作，真正向全自主化、智能化迈进。

　　类似比赛的价值远不止于竞技本身，它对技术改良、应用落地与社会进步具有深远意义。长距离、高负荷、开放场景的极限测试，能精准暴露导航误差、续航不足、异常恢复慢、控制延迟等工程痛点，形成“测试—优化—再测试”的快速迭代闭环，倒逼核心技术持续突破。赛事验证的自主导航、动态平衡、持久作业等能力，可直接迁移至工业制造、物流仓储、家政服务、特种巡检等真实场景，打通从实验室到产业化的“最后一公里”。更重要的是，它推动人形机器人从“形似”向“神似”跃迁，助力新质生产力培育，提升我国在全球具身智能赛道的核心竞争力。

　　人形机器人的核心追求，在于形神兼备。“形”是类人工学结构与双足行走、双臂操作等物理行为能力，实现与人类相近的运动与操作基础；“神”是感知、理解、决策、执行的类人智能闭环，让机器人具备真正意义上的自主能力。跨模态理解、跨场景自适应、跨任务泛化，共同构成通用具身智能的核心能力体系。多模态大模型深度赋能，让机器人融合语言、视觉、文本、触觉等多源信息，实现复杂环境统一理解；具身大模型支撑多任务灵活切换，完成端到端闭环控制与自主策略调整。这些能力，正是人形机器人从专用设备走向通用智能体的关键。

　　当前，产业高速发展的同时，机器人研发仍面临“如何实现可控、可信、可用”的核心挑战。大模型黑盒架构导致机器人行为难解释、异常难干预、故障难归因，系统可控性不足；模型“幻觉”易引发动作失误、响应失稳，降低连续作业可信性；信息传递延迟、算力依赖高、轻量化部署难，导致高动态交互场景易出现卡顿与中断，可用性受限。目前，国内企业正攻坚轻量化方案与高可靠控制策略，机器人半程马拉松赛事正是检验与破解这些瓶颈的最佳试验场，赛事中暴露的问题，往往是产业化落地必须优先解决的关键工程难题。

　　政策支持为人形机器人发展注入强劲动能。国家层面明确产业发展目标，聚焦大脑、小脑、肢体等关键技术协同突破；以北京亦庄为代表的创新平台，以赛事为抓手，开放真实测试场景、集聚龙头企业、搭建公共创新载体，形成“赛事验证—技术攻关—产业转化”的完整生态链。资金扶持、园区布局、场景开放、标准制定协同发力，大幅降低研发门槛，加速核心技术突破与商业化落地，为人形机器人高质量发展提供坚实保障。

　　未来，人形机器人将在多方面继续向纵深发展：一是具身通用智能，以大模型为核心，实现跨模态、跨场景、跨任务泛化作业，一台机器人胜任多场景工作；二是场景化深度落地，覆盖工业制造、民生服务、特种作业、公共安全等全领域；三是规模化低成本发展，核心部件国产化持续提速，整机成本下探，从原型样机走向大众可及的商品。其发展将深度联动精密机械、智能芯片、应用生态，构建万亿级产业链，成为继计算机、智能手机、新能源汽车后的又一颠覆性产品。

　　人形机器人是探索具身智能终极形态的理想载体，将强力驱动仿生传感、高密度灵巧关节、具身大模型等前沿交叉学科协同创新，撬动高端制造与人工智能融合发展，为工业生产与社会生活带来革命性效率跃升。]]> <![CDATA[加快打造智能经济新形态]]>
智能经济新形态的内涵特征

　　智能经济是以新一代人工智能技术为核心驱动引擎，以数据为关键生产要素，以算力为新型基础设施，以算法为核心生产工具，将智能能力全方位融入生产、分配、流通、消费等经济运行全链条，重构生产函数、产业生态与价值创造模式，实现自主感知、自主学习、自主决策、自主优化的新型经济形态。智能经济新形态绝非智能技术的简单叠加应用，而是智能经济规模化、体系化、普惠化发展的成熟阶段，是经济发展逻辑、生产组织方式、价值创造路径的全方位革新。

　　具体来看，智能经济新形态的“新”，主要体现在四个方面：一是生产要素实现新的组合。智能经济突破传统经济模式下劳动、资本、土地等要素主导的格局，形成“数据+算力+算法+人才”的新型要素体系，数据成为核心生产原料，算力成为经济运行的动力引擎，算法成为价值创造的智慧大脑。新型要素的协同发力，彻底改变传统生产要素的配置效率与价值转化路径。二是生产关系出现新的变革。人机协同成为主流生产模式，智能体、自动化生产线、智能决策系统深度参与生产经营，企业组织架构从层级化、金字塔式向扁平化、网络化转型，生产分工更精细、协作更高效。三是产业形态实现新的升级。智能经济的发展，一方面推动传统产业全链条智能化改造，实现制造业、农业、服务业提质增效、绿色低碳转型；另一方面催生智能原生新业态，形成新的经济增长点，构建起传统产业智能化和新兴产业智能化双轮驱动的产业格局。四是治理模式出现新的变化。智能经济新形态推动监管模式从事后管控向事前预警、事中精准监管转变，要求构建包容审慎、协同高效的智能治理体系，能够兼顾技术创新活力与发展安全底线，实现发展与安全的动态平衡。

打造智能经济新形态的重要意义

　　从“人工智能+”到智能经济新形态，从数字经济到智能经济，概念迭代的背后是生产力的深刻重塑、生产关系的优化调整和商业逻辑的全面重构。打造智能经济新形态，是党中央立足国内国际两个大局、着眼长远发展作出的战略部署，既是顺应科技革命大势的主动作为，也是破解发展难题、培育新动能的必然选择。

　　培育新质生产力的核心抓手。新质生产力以创新为主导，以高科技、高效能、高质量为鲜明特征，智能经济新形态正是新质生产力的典型形态。人工智能作为新一轮科技革命的核心技术，具有通用性、渗透性、带动性强的特点，能够打破传统生产效率瓶颈，催生新技术、新产业、新业态、新模式。发展智能经济，既能推动智能技术领域的原始创新、集成创新，打造高端新兴产业链，又能通过“人工智能+”改造提升传统产业，推动其高端化、智能化、绿色化升级，实现生产力质的飞跃。2026年《政府工作报告》强调“培育智能原生新业态新模式”，正是抓住了新质生产力培育的关键，为经济发展注入源源不断的内生动力。

　　推动高质量发展的迫切需要。当前，我国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期，传统的要素驱动模式边际效益递减，智能经济新形态以技术创新替代要素投入，以效率提升化解发展瓶颈，能够有效提升全要素生产率，推动经济从规模速度型向质量效益型转变。一方面，智能技术赋能制造业，实现柔性生产、精准管控、降本增效，推动制造业向价值链中高端攀升；另一方面，智能经济催生海量消费新场景，激活新型消费潜力，畅通国内大循环、促进国内国际双循环。同时，智能经济通过智能调度、精准管控，实现能源资源高效利用，推动绿色低碳转型，助力实现“双碳”目标。

　　构筑国家竞争新优势的战略抉择。当前，人工智能技术迭代速度不断加快，智能经济的发展水平直接决定一国在全球产业链、创新链、价值链中的地位。近年来，发达国家纷纷出台战略规划、加大政策投入，布局智能技术研发和产业应用。我国作为世界第二大经济体，拥有超大规模市场优势、完整产业体系和丰富应用场景，发展智能经济具备得天独厚的条件。加快打造智能经济新形态，能够推动我国人工智能技术从跟跑、并跑向领跑转变，突破关键核心技术“卡脖子”难题，抢占全球智能产业发展先机，塑造国际合作与竞争新优势。

加快打造智能经济新形态的实践要求

　　攻坚核心技术，筑牢自主创新根基。核心技术自主可控是智能经济行稳致远的关键，要坚持把科技创新摆在核心位置，加大基础研究与前沿研发投入，强化产学研用深度协同，集中力量突破一批关键核心技术，构建自主可控、安全可靠的智能技术体系。支持龙头企业牵头组建创新联合体，带动产业链上下游协同创新，推动创新成果快速转化为现实生产力；加强人工智能领域知识产权全链条保护，激发各类创新主体的积极性和创造性。

　　深化产业融合，激活实体经济动能。智能经济的生命力在于与实体经济深度融合。要以“人工智能+”行动为总抓手，推动智能技术与制造业、农业、服务业全方位、全链条深度融合，让智能经济扎根实体经济、赋能实体经济。针对传统产业转型痛点，出台专项扶持政策，提供技术解决方案和资金支持，降低企业转型成本；深挖垂直场景应用潜力，聚焦重点行业、重点领域，推动智能技术规模化、商业化落地；培育壮大智能产业集群，延伸产业链、提升价值链，打造具有国际竞争力的智能产业生态。

　　激活要素潜能，畅通价值转化链条。数据、算力、算法是智能经济的核心生产要素，要加快推进数据要素市场化配置改革，健全数据产权、流通交易、收益分配、安全治理等基础制度，打通部门间、行业间、区域间的数据壁垒，促进数据合规高效流通使用。统筹推进全国一体化算力网络建设，优化算力布局，加快超大规模智算集群、算电协同等新基建工程建设，提升算力普惠供给能力，降低算力使用成本，筑牢智能经济的算力底座。完善数据安全与隐私保护机制，规范数据采集、传输、使用、共享全流程管理。促进人工智能算法创新，推动算法工具链、测试验证、平台化开发等全流程升级，打造适配我国产业特色和场景需求的算法体系，构建完整的智能经济价值链条。

　　完善治理体系，营造良好发展生态。坚持包容审慎监管，加快构建与智能经济发展相适应的法律法规、伦理规范和标准体系，明确人工智能应用的边界和底线，防范技术滥用、数据泄露等风险，推动智能经济规范有序发展。深化产教融合、校企合作，加强人工智能领域复合型人才培养。优化营商环境，鼓励多元主体参与创新创造，支持中小企业参与智能经济发展，形成政府引导、市场主导、社会协同的良好发展格局。支持人工智能开源社区建设，促进开源生态繁荣，让更多市场主体共享智能经济发展红利。完善人工智能治理体系，建立健全算法备案、安全评估等机制，推动智能技术在可信、可控的前提下实现规模化应用。]]>