<![CDATA[数码讨论]]> <![CDATA[专家看好AI，美国民众却越用越慌]]> 4 月 14 日消息，斯坦福大学于当地时间周一发布的年度人工智能行业报告显示，人工智能专家与公众对该技术的看法分歧正日益加大。报告特别指出，人们对人工智能的焦虑情绪呈上升趋势，在美国，民众尤为担忧该技术将对就业、医疗、经济等关键社会领域产生何种影响。

盖洛普近期一项民调显示，在对人工智能的负面情绪不断升温的背景下，Z 世代成为这一趋势的主导群体。该研究发现，尽管约半数 Z 世代每天或每周都在使用人工智能，但年轻人对这项技术的期待愈发降低，不满情绪却日益加剧。
对于部分科技行业从业者而言，针对人工智能的抵制浪潮来得猝不及防。人工智能领域的领军人物一直聚焦于管控通用人工智能（AGI）的发展可能性 —— 通用人工智能是一种理论上的超级智能形态，能够完成人类可执行的任何任务，并具备自主思考能力。但普通民众更关心的是人工智能对自身收入的影响，以及高耗能数据中心的建设是否会推高电费。
这种分歧在近期网友针对 OpenAI 首席执行官萨姆 · 奥尔特曼住所遇袭事件的反应中体现得尤为明显。例如，在社交平台 X 上，人工智能行业内部人士对 Instagram 上一系列看似赞扬袭击奥尔特曼住所行为的评论感到震惊。部分网络评论的论调，与 2024 年联合健康集团首席执行官遭枪击事件、近期金佰利仓库因工人不满“无法维持生计的薪资”而被纵火事件后流传的网络言论如出一辙，甚至有评论公然呼吁采取类似革命的更激进行动。
斯坦福大学的报告整合了多方来源的公众对人工智能的情绪数据，进一步揭示了这些负面情绪的根源。
报告援引皮尤研究中心上月发布的一项调查称，仅有 10% 的美国人对人工智能在日常生活中的广泛应用感到兴奋多于担忧。与此同时，56% 的人工智能专家认为，未来 20 年人工智能将对美国产生积极影响。
IT之家注意到，在人工智能可能产生社会影响的具体领域，专家观点与公众情绪同样存在巨大分歧。报告作者指出，84% 的专家认为未来 20 年人工智能将对医疗领域产生显著积极影响，而持相同看法的美国普通民众仅占 44%。
此外，73% 的专家对人工智能改变人们工作方式持积极态度，这一比例在公众中仅为 23%；69% 的专家认为人工智能将对经济产生积极作用。考虑到所谓由人工智能引发的裁员与职场动荡，仅有 21% 的公众持相同观点也就不足为奇了。
报告还引用皮尤研究中心的其他数据显示，人工智能专家对该技术在就业市场的影响并不那么悲观，而近三分之二（64%）的美国人认为，未来 20 年人工智能将导致就业岗位减少。
斯坦福报告中益普索的调研数据显示，美国民众对本国政府负责任地监管人工智能的信任度在全球各国中最低，仅为 31%；新加坡则以 81% 的信任度位居榜首。
另一项针对美国各州监管担忧的调研结果显示，全美范围内 41% 的受访者认为联邦人工智能监管力度不足，仅有 27% 的受访者认为监管“过于严苛”。
尽管存在种种恐惧与担忧，人工智能仍收获了一项正面评价：在全球范围内，认为人工智能产品和服务利大于弊的人群比例，从 2024 年的 55% 小幅上升至 2025 年的 59%。
但与此同时，报告作者援引的数据显示，同期表示人工智能让自己“感到不安”的受访者比例，也从 50% 升至 52%。
]]> <![CDATA[对21种大语言模型研究表明：AI尚不具备独立临床诊疗的能力]]> 财联社4月14日电，尽管人工智能（AI）在医疗领域的应用日益增多，但其“像医生一样思考”的能力仍存在明显短板。由美国麻省总医院MESH孵化器团队开展的一项最新研究发现，生成式AI在临床推理关键环节仍显不足，尚不具备独立承担临床诊疗任务的能力。相关成果发表在最新一期《JAMA Network Open》上。团队选取包括ChatGPT、DeepSeek、Claude、Gemini和Grok在内的21种大语言模型，在29个已发表的临床病例中进行测试，并通过逐步提供患者信息（从基本症状到实验室和影像结果）来模拟真实诊疗过程。结果显示，当获得完整信息时，所有模型在超过90%的案例中能给出正确的最终诊断。]]> <![CDATA[从一场干货满满的政企对话透视香港AI新机遇]]>
　　4月13日，以“数智赋能 创新发展——携手构建网络空间命运共同体”为主题，为期两天的2026年世界互联网大会亚太峰会在香港会展中心开幕。新华社记者 陈铎 摄
　　新华社香港4月14日电 题：从一场干货满满的政企对话透视香港AI新机遇
　　谢妞
　　掌声、交流声此起彼伏，全球企业家与香港特区政府官员围坐一堂，有人举着平板电脑展示产品方案，有人低头速记政策要点，有人侧身与邻座交换名片……13日，在香港会展中心的会议室里，2026年世界互联网大会亚太峰会政企交流会的气氛格外热烈。
　　这场对话汇聚了多家创科企业代表以及香港特区政府多部门负责人。围绕人工智能安全与治理、数据跨境流动以及数字金融监管等议题，政企双方交流热烈，干货满满。
　　香港特区政府创新科技及工业局局长孙东致开场辞表示，特区政府已设立多项资助计划，鼓励企业将研发成果转化为切实可行的解决方案和商业产品。香港将继续发挥亚太地区数字企业合作枢纽作用，通过世界互联网大会亚太峰会等平台进一步深化公私营合作，促进可信数据交换、推进人工智能治理对话，并推动区域协同创新。
　　面对企业关于如何参与香港人工智能规划的提问，香港特区政府创新科技及工业局副局长张曼莉给出了清晰路径：依托国际化营商环境及数据自由流动优势，香港正发展为链接全球科技创新趋势的人工智能枢纽。特区政府2025/2026财政年度财政预算案明确提出设立香港人工智能研发院，推动上游研发、成果转化及应用场景拓展。
　　在公共服务领域，人工智能的应用正在香港加速落地。特区政府数字政策办公室署理数字政策专员张宜伟指出，特区政府将继续与产业界紧密合作，共同利用人工智能提升公共服务质量，实现“便民利企”。当前目标是于2026/2027年度和2027/2028年度分阶段推出人工智能旗舰项目，并计划在2026年内推出覆盖100项政务环节的人工智能工具，到2027年底进一步扩展至不少于200项。
　　企业出海是当天讨论的另一热门话题。特区政府投资推广署助理署长刘智元介绍，香港正以“更协调的专业服务支援、更高覆盖率的融资与风险管理服务、更具竞争力的基础设施与营商环境”作为政策主轴，让企业以更低成本、更低复杂度、更快速度完成“走出去”的部署。
　　今年3月推出的出海专班跨界别专业服务平台，汇聚了金融、法律、会计等八大领域的服务提供者，为内地企业经香港出海提供一站式支援。
　　特区政府引进重点企业办公室执行总裁彭文俊补充说，北部都会区的发展将为企业提供战略空间与配套，包括数据中心用地、创新集群以及更高效的跨境连接。
　　整场交流会持续数个小时，不少企业家在散场后仍留在会场继续交谈。一位来自深圳的科技公司联合创始人告诉记者：“今天听到了很多关于香港创科发展的具体政策路径，尤其是香港人工智能研发院的参与机制和跨境数据流动的便利化措施，回去就可以着手对接。”
　　正如世界互联网大会秘书长任贤良在会上所言，这场对话充分展现了香港作为“超级联系人”和“超级增值人”的独特作用——一个更协同、更一站式、更可落地的企业赋能体系，正在这座国际都市加速成形。
]]> <![CDATA[奥特曼豪宅 48 小时遇袭两次，反 AI 怒火烧向全球]]>

「我们到底为什么要明知故犯地造出这种东西？」问出这句话的，是个名为莫雷诺-加马（Moreno-Gama）的 20 岁美国年轻人。

平时在网上小透明的他，却在一个叫 PauseAI（反 AI 组织）的群里默默潜水了两年，拢共发了 34 条消息。

去年 12 月，他留下了最后一条留言：「时间快到了，该采取行动了。」版主警告他不要煽动暴力，他便再也没出过声。

奥特曼家门口的监控录像截图，莫雷诺-加马的面部进行了模糊处理

谁能想到，四个月后，也就是美国当地时间 4 月 10 日凌晨 3 点 45 分，他拎着一个自制的燃烧瓶，砸向了 OpenAI 首席执行官山姆·奥特曼（Sam Altman）价值 6500 万美元的豪宅门前。

好在燃烧瓶砸在铁门上弹开了，只烧黑了门边的一角，没人受伤。当时奥特曼和他的家人还在屋里睡觉。一小时后，警察在 OpenAI 总部门口抓到了这个打算故技重施的年轻人，而他身上还带着另一个没引爆的燃烧瓶。

燃烧瓶弹开了，这确实是万幸，但这绝不代表虚惊一场。它虽然没烧毁铁门，却明明白白地告诉所有人：部分人对 AI 的恐惧和愤怒，已经从网上的牢骚进化到要在现实里抄起燃烧瓶的地步。 而且很快现实就证明，莫雷诺-加马并不是最后一个。

48 小时，两起袭击，一个正在形成的靶心

事情发生后，反 AI 组织 PauseAI 几乎立刻发出声明：「我们希望山姆·奥特曼、他的家人以及所有受影响的人平安。PauseAI 的存在，是因为我们相信每个人都有权利获得安全，包括山姆·奥特曼和他的亲人。对任何人施加暴力，都与我们所坚守的一切背道而驰。」

🔗 https://pauseai.info/statement-sam-altman-attack-2026

这套公关声明干练、娴熟，且无懈可击。而在案发前几个月，莫雷诺-加马在 Substack 上连续发了 6 篇长文。

他曾在文章里写道：「回顾人类历史，每当一个更先进的文明与一个落后文明接触时，落后者往往面临着被征服的命运。那么我们到底为什么要明知故犯地制造出这种东西？绝妙的问题，我的答案是我不知道，但我们无论如何都在这样做。」

这段话读起来像是一道哲学追问，但放在事后来看，更像是一个人在说服自己——说服自己，愤怒是合理的，行动是必要的。

文章的最后，他写道：「战士不仅愿意为他的理念而死，也愿意为之杀戮……我们值得被捍卫。」起初没有人在意这句话，直到那个凌晨三点四十分，更让人后怕的是，事情并没有就此打住。

奥特曼住宅外景

燃烧瓶事件发生后的第二天半夜，一辆本田轿车载着两名乘客，在绕过奥特曼住宅一圈之后，停在了 Lombard 街一侧。车窗摇下，开了一枪，随后车辆呼啸而去。

监控摄像头拍下了车牌。当天下午，美国旧金山警察局宣布逮捕两名嫌疑人：25 岁的 Amanda Tom 和 23 岁的 Muhamad Tarik Hussein，以「疏忽开枪」罪名被捕。

两起事件相隔不足 48 小时，嫌疑人背景完全不同。莫雷诺-加马有清晰的意识形态动机，有文章、有留言记录、有组织背景；而第二起事件的两名嫌疑人，目前还没有任何公开信息指向 AI 末日论。

如果说第一起袭击是一个长期受悲观言论影响的人做出的极端举动，那第二起枪击更像是一场毫无来由的模仿。当针对某个人的攻击开始出现传染性，这就不再只是一场单纯的情绪宣泄，而是意味着一个明确的攻击目标正在形成。

反对 AI 的人，到底在反对什么？

莫雷诺-加马是当下全球反 AI 潮流的缩影，事实上，全球反 AI 运动，比大多数人认知的要庞大、专业，也更内部撕裂。

他们大概能分成三拨人，他们内部的矛盾，有时候不比对付 AI 公司的矛盾小：

第一拨，是专门的国际倡导组织。比如前面提到的 PauseAI，由荷兰企业家 Joep Meindertsma 在 2023 年牵头成立。起初，他们的行动主要是跨国游说，或者在各地举办的全球 AI 峰会门外举牌抗议。

他们希望各国能签个协议暂停开发高级 AI，还希望能建立一个类似国际原子能机构（IAEA）那样的全球 AI 安全监管部门。

但随着焦虑加剧，他们内部出现了分歧。PauseAI 坚持和平抗议，而另一拨分裂出去成立了 Stop AI 组织的人则觉得，常规的抗议没用了，必须采取更强硬的对抗手段。

伴随着行动的升级，有人跑到科技巨头（比如 Anthropic 和 Google DeepMind）的总部大楼外发起长达数十天的绝食抗议，亦或者有人组织人群试图用肉身封锁 AI 公司的园区大门。

圭多·赖希施塔特（Guido Reichstadter）在 Anthropic 总部外发起抗议，绝食 30 天

第二拨，是为了保住饭碗的行业工会和创作者。比如一个叫 Credo 23 的联盟。它的带头人贾斯汀·贝特曼（Justine Bateman）是好莱坞制片人。2023 年，美国编剧工会（WGA）和美国演员工会（SAG-AFTRA）发起了长达 148 天的大罢工，她就是核心推手。

他们成功让影视公司签了合同：不经过演员同意，绝对不能用 AI 生成演员的脸和声音。

作家、媒体和出版商们也组团拿起了法律武器，把侵犯版权的科技巨头排队告上法庭；而底层的画师们则开始大规模使用 AI 投毒工具（比如 Nightshade），在自己的画作代码里埋下陷阱，专门用来破坏 AI 爬虫的图像生成能力。

第三拨，是最普通的基层老百姓和环保组织。2025 年 12 月，有超过 230 个环保组织联名给美国国会写信，要求暂停新建数据中心。因为 AI 太费电了，一个 AI 数据中心的耗电量相当于 10 万户普通家庭，而光是 2024 年，美国在数据中心上的投资就超过了 1000 亿美元。

在圣路易斯，为了给 AI 供电，连关掉的燃煤发电厂都重新开了。在弗吉尼亚州，当地老百姓联合起来抗议，不为别的，就因为电费涨了、机器太吵了、当地的水也快被抽干了。

这种「邻避效应」，反而是最难被说服、也最难被平息的一种反对，因为它有完全合理的物质基础。

此外，还有一些网友从消费端入手，发起了「quitGPT（退订 GPT）」活动，知名演员马克·鲁法洛也公开支持。

看见那片更大的土壤

2023 年 3 月，生命未来研究所（FLI）发布了一封著名的公开信，叫《暂停大型人工智能实验》。信里警告说：「AI 实验室陷入了失控的竞赛。」他们呼吁全行业把 AI 开发暂停 6 个月。

当时有 3 万多人签名，包括图灵奖得主约书亚·本吉奥（Yoshua Bengio）、苹果联合创始人斯蒂夫·沃兹尼亚克（Steve Wozniak），还有埃隆·马斯克（Elon Musk）。

但有趣的是，就在呼吁大家停一停的同一个月，马斯克自己悄悄注册了 xAI 公司，大买 GPU，四处挖人，后来还推出了自己的大模型，拿了上百亿美元的融资去追赶更强的人工智能。

当然，生命未来研究所（FLI）负责人也坦诚地表示：其实没指望 AI 公司真的会停下来，这封信就是为了造个势，让大家觉得「AI 很危险」。

后来，生命未来研究所（FLI）在 2025 年底发布了一份《AI 安全指数》报告。报告给 OpenAI、Anthropic 这些大公司的安全措施打了分。

结果显示，即便是得分最高的 Anthropic，在「防范人类生存威胁」这一项上也只拿了个「D」（不及格）。也就是说，这些公司根本没建立起防范 AI 失控的可靠机制，却还在拼命造最强的模型。

也难怪连 AI 领域的泰斗级人物杰弗里·辛顿（Geoffrey Hinton）在接受美国哥伦比亚广播公司（CBS）采访时都表示，超级智能导致人类灭绝的概率有 10% 到 20%。

但对普通老百姓来说，比「人类灭绝」更实在的危险，是眼前的失业。

有一项心理学研究专门分析了 Reddit 网站 1454 篇关于「被 AI 抢走工作」的网友自述。研究发现，大家最难受的其实是信任破裂与企业背叛、以及专业技能变得一文不值。

比如一个画师，苦练了十年画画，结果她的作品被免费拿去「喂」了大模型。现在 AI 能直接生成她的画风，她的商业订单也因此少了一半。白嫖她的劳动成果、反过来抢她饭碗的人，却并未付出任何代价。

这种溢于言表的愤怒显然是合理，而且很难被 AI 也会创造新工作这类说辞安抚，因为那些所谓的新工作，和她实打实练出来的手艺根本不沾边，普通人也不知道该怎么去端起那些新饭碗。

大机构的数据同样让人乐观不起来。国际货币基金组织（IMF）总裁警告说，AI 正在造成「海啸般的冲击」。人力资源咨询机构美世公司（Mercer）发布的《2026 全球人才趋势》报告显示，打工人对丢掉饭碗的担忧，已经从 2024 年的 28% 飙升到了 2026 年的 40%。

与此同时，Google、微软、Meta 和亚马逊这四家科技巨头，计划在 2026 年砸进 6700 亿美元去建数据中心。马斯克自己也说过：「未来三到七年，AI 会取代所有人的工作，而且最先被取代的是白领。」

一边是科技巨头们挥舞着数千亿美元的支票加速狂奔，另一边是普通人在裁员潮的阴影下瑟瑟发抖。在这样的撕裂中，像奥特曼这样的行业领袖，自然而然地成为了承载怒火的具象化靶子。

为了对抗这种无法阻挡的庞然大物，莫雷诺-加马朝奥特曼的豪宅扔出了那个燃烧瓶。而在他之后，又有人选择扣动了扳机。

历史上每一场技术革命，都在某个时刻出现过类似的暴力事件，然后被主流叙事归结为少数人的偏执与疯狂，随后便渐渐淹没在时间的尘埃里。

在技术的主流叙事中，进步是必然的，阵痛是暂时的，未来会更好。这套说辞足够体面，也足够模糊，AI 技术发展的好处，究竟被谁拿走了？那些真实发生的代价，又落在了谁的肩上？

莫雷诺-加马是个极端的例子，其行为没有任何值得辩护的余地，但谴责暴力，和正视暴力背后滋生的土壤，并不冲突。

技术存在的意义，是为了让大多数人的生活变得更好。如果我们既不能给 AI 划出一条清晰的道德与安全边界，又不能找到一个公平分享技术红利的办法， 那么，眼下围绕 AI 所发生的这一切争议和抵抗，恐怕仅仅只是个开头。

]]> <![CDATA[“AI四小龙”全部参加总理座谈会，什么信号？]]>

目前为止，国内“AI四小龙”，已经全部出现在了高规格政商场合。

1

新华社报道称，国务院总理李强4月10日主持召开经济形势专家和企业家座谈会，听取对当前经济形势和下一步经济工作的意见建议。

当日播出的《新闻联播》画面显示，国内人工智能（AI）初创公司月之暗面创始人杨植麟参加了座谈会，是现场唯一的科技企业家。

本次座谈会安排和之前类似，参加的代表主要分为三类：经济学家、国有企业代表和民营企业代表，显示了国家高层对民营企业和民营企业家的一贯重视态度。

值得注意的是，算上杨植麟参加此次座谈会，国内“AI四小龙”目前已经全部参加了总理主持的座谈会。

“AI四小龙”除了月之暗面，还包括DeepSeek、智谱AI以及MiniMax。这四家目前已经是国内在运营层面独立于互联网大厂（百度、阿里、腾讯和字节跳动）的“AI独角兽”。

智谱AI是最早出现在总理座谈会上的人工智能公司。

2024年3月13日，全国两会刚结束，李强总理在北京调研，调研中召开座谈会，听取北京市新质生产力发展情况汇报和有关企业负责人发言，《新闻联播》节目画面中出现了智谱AI的身影。

智谱AI也是国内创立最早的“AI四小龙”。由清华大学在2019年孵化设立，2022年8月就发布了国内首个自研预训练大语言模型。于今年1月8日在香港上市，号称“全球大模型第一股”。

第二家登上总理座谈会的“AI四小龙”是DeepSeek。

去年1月20日播出的《新闻联播》报道称，国务院总理李强当日下午主持召开专家、企业家和教科文卫体等领域代表座谈会，听取对《政府工作报告（征求意见稿）》的意见建议。

座谈会上，9名代表先后发言，《新闻联播》画面显示，DeepSeek创始人梁文锋当天第4个发言，他就坐在总理对面。在此次登上《新闻联播》之前，尽管DeepSeek已经备受关注，但梁文锋本人异常低调。

第三家登上总理座谈会的是MiniMax。

1月19日，国务院总理李强主持召开座谈会，听取代表们对《政府工作报告》和《“十五五”规划纲要（草案）》两个征求意见稿的意见建议。

当日晚间播出的《新闻联播》画面显示，包括MiniMax创始人闫俊杰在内的9位代表参会并发言，而闫俊杰是唯一参会的民营企业家，就坐在总理对面。

加上月之暗面，截至目前，“AI四小龙”已经全部登上总理座谈会。

2

对于创业不久的“AI四小龙”来说，这是一种荣耀，也是一种责任。

在他们身上，都有两个鲜明的标签：“民营企业家”和“人工智能企业领导者”。能登上如此高规格的会议，显示了国家这些年对民营企业和民营企业家的高度关注和支持态度，同时也清楚地表明，“人工智能”是国家持续关注和培育的重点产业。

去年以来，国家层面密集出台支持人工智能发展的政策方案。8月份，国务院发布《关于深入实施“人工智能＋”行动的意见》；年底召开的中央经济工作会议明确提出，要深化拓展“人工智能＋”；在“十五五”规划建议中也提到，以人工智能引领科研范式变革，抢占人工智能产业应用制高点。

这些顶层设计文件是国家关于人工智能发展的“总路线图”，核心目标是推动人工智能与经济、社会各领域深度融合，以加快形成新质生产力。

近年来，人工智能已经成为中美科技竞争的关键领域，中国的人工智能领域长期以来遭遇美国的“严防死守”， “AI四小龙”的突围说明，美国的各种遏制并没有完全有效阻碍中国在人工智能领域的进步。

斯坦福大学去年5月发布的一份报告显示，中美顶级AI大模型性能差距已从2024年的17.5%，大幅缩小至去年的0.3%。

全球最大的AI模型API聚合平台OpenRouter最新发布的数据显示，截至3月15日，中国AI大模型的周调用量达到4.69万亿Token，连续第二周超越美国。全球调用量排名前三的位置，更是被中国模型包揽。

摩根大通预测，中国的AI推理Token消耗量将从2025年的约10千万亿增长至2030年的约3900千万亿，五年间增长约370倍。

值得注意的是，就在4月10日李强总理主持召开座谈会当天，教育部、国家发改委、科技部、工信部和国家数据局联合印发《“人工智能+教育”行动计划》，首次将人工智能纳入教师资格考试和认证内容；加快普及中小学生的人工智能教育，开齐开足开好相关课程；推动人工智能教育全面纳入地方课程体系。

显然，人工智能产业不仅关乎科技创新，更关乎中美科技竞争，而“AI四小龙”已经成为“排头兵”。

]]> <![CDATA[微信新功能上线！网友：太好玩了]]>

4月13日

微信派发布最新消息

微信表情，手机端也能上架了↓↓↓

那是专属于身边人的精彩时刻。一次不经意间的镜头捕捉，放大，截图，配字。然后，就能用起来了——

* 点击表情包看看

遇到难回答的问题，发个表情包就好。

现在，打开「微信表情助手」小程序，就可以上传自制表情包。

上传后，你制作的表情包能在视频号首页专区展示。其他人也可以从你的表情包作品直接跳转到你的视频号，一眼识别到表情包原创作者。

除了聊天对话框，表情包还能出现在朋友圈、公众号和视频号评论区，或作为视频号点赞的特殊彩蛋。

对于新功能

网友直呼“好玩”

你想制作什么样的表情包？

]]> <![CDATA[推动“人工智能+”深度赋能实体经济]]>
　　“十五五”规划纲要提出，“全面实施‘人工智能+’行动”。国务院印发的《关于深入实施“人工智能+”行动的意见》明确，“到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%”。当人工智能与实体经济深度融合，其丰富的数据资源、多元的应用场景和庞大的用户基础，将转化为我国建设现代化产业体系、实现高质量发展的独特优势和强大势能。

　　“人工智能+”赋能实体经济，要坚持混合式人工智能技术路径。云端公共大模型具备海量知识、使用便捷等优点，但无法根据制造工艺、库存、订单数据等具体情况，进行专业准确推理。因此，需要在企业私有云、本地数据中心甚至设备上部署安装AI模型，通过学习内部数据、构建专属知识库，根据业务场景的需求进行推理。当需要查询公共信息时，再调用公有云上的公共大模型。这样，就能在保障数据安全的基础上，不断释放AI的创新潜力。

　　“人工智能+”赋能实体经济，要充分挖掘和释放数据的价值。具体看，就是要把企业内部各类数据和专业知识，通过AI模型转化为精准的洞察或智能化业务流程，企业才能在价值链各环节构建专业的领域智能体以及统筹调度所有智能体的“超级智能体”，从而自主执行任务，辅助进行决策，形成人机协作的新型产业模式。

　　2025年以来，联想以自研技术开发了全球供应链智能体，在包括需求预测、零部件采购、生产制造、物流交付等环节实现了多智能体协同，使供应链管理决策时间缩短了一半以上，订单交货及时率和制造物流成本大幅降低。近日，联想发布了新一代AI智能体，它不再是一个只会听话、等指令的传统工具，而是能够“拆步骤、跑流程、调资源、做判断”的执行者。我们还将混合式人工智能解决方案应用在制造、医疗、交通、农业等行业中。例如，我们帮助伊利集团实现供应链的全面重构，降低了原奶运输成本，货品到厂及时率提升了近一倍。

　　“人工智能+”赋能实体经济，还要发展以智能终端为代表的新兴产业，打造新的经济增长极。未来的电脑、手机、平板乃至眼镜、手表等各类终端都有望成为用户个性化的“超级智能”的载体和入口，智能体也将跨设备、跨应用、跨操作系统或生态使用。这将形成全新的产业生态。因此，推动新一代智能终端、智能体等广泛应用，将促进电子制造产业转型升级，培育智能产品消费新业态。

　　今年是“十五五”开局之年，随着“人工智能+”行动的深入实施，人工智能将全方位赋能我国各行各业的发展。我们也将积极落实国家相关部署，加强技术创新、促进应用落地，为人工智能赋能实体经济、推动高质量发展作出新贡献。]]> <![CDATA[人机交互新形态走向临床[3P]]]>
　　图①：在北京积水潭医院贵州医院，患者在进行脑机接口康复训练。
　　
　　图②：首都医科大学宣武医院院长赵国光（右）与团队讨论“北脑一号”智能脑机系统的首例GCP（医疗器械临床试验质量管理规范）多中心临床试验植入手术方案。
　　
　　图③：观众在2026中国医学装备展览会上体验脑机接口上下肢主被动康复训练仪。
　　　　　　不久前，国家药监局正式批准国内首例植入式脑机接口产品的医疗器械注册证，实现脑机接口医疗器械全球首发上市。这项被誉为“人机交互终极形态”的前沿技术，首次以医疗器械的“身份”进入临床应用阶段。
　　“十五五”规划纲要将脑机接口列入前瞻布局的未来产业之一，推动脑机接口产品在脑疾病诊治、运动康复治疗、健康监测等领域应用。随着脑机接口技术在临床应用中不断走向成熟，一条新的产业赛道也逐渐成形。
　　技术从实验室走向临床应用
　　早在上世纪70年代，科学家便开始探索大脑与外部设备直接通信的可能性。“脑机接口的基本原理，是在大脑与外部设备之间建立一条不依赖外周神经和肌肉的信息通道。”清华大学生物医学工程学院教授洪波介绍，通过采集、解读大脑活动时产生的神经电信号并转化为指令，使用者能凭“意念”控制外部设备。
　　此次获批的植入式脑机手部运动功能代偿系统（NEO）由博睿康医疗科技（上海）有限公司联合清华大学生物医学工程学院研发。“针对因颈段脊髓损伤导致四肢瘫痪、手指无法完成抓握动作的患者，我们在硬脑膜外微创植入硬币大小的装置，系统实时采集并解析患者脑电信号，使患者能够凭‘意念’控制气动手套，完成抓握、取物、喝水等动作。”博睿康产品总监王昱婧说。
　　然而，从实验室到临床应用的这条路走得并不容易。博睿康团队成员解释，脑机接口要成为一款可用的医疗器械，必须跨越多重难关：硬件上，植入大脑的电极需兼具长期生物相容性与高精度信号采集能力；软件上，神经解码算法必须做到实时、精准、稳定；临床上，则要验证其长期使用的安全性与功能有效性。
　　“所有技术路线中，植入式脑机接口被认为是技术难度最高的。”王昱婧表示，要将电极直接植入大脑皮层，涉及开颅手术、长期植入引发的生物组织反应、无线传输、供电安全等方面的风险挑战。
　　过去，患者往往要在头上套一个带“辫子”的有线系统，才能实现大脑与外界的联通。中国科学院院士、脑智卓越中心学术主任蒲慕明说，近年来，脑机接口向着芯片小型化、解码算法高速化、精密电极技术突破等方向发展，并从实验室走向临床应用。此前，我国已完成数十例临床手术。试验数据显示，受试患者的抓握功能均得到不同程度改善，部分患者出现神经重塑迹象，额外恢复了部分神经功能。
　　“在硬脑膜外微创植入芯片，在不接触大脑组织、不损伤神经细胞的前提下稳定获取脑电信号，还能精准解读出患者的运动意图，实现抓握、喝水等动作，是最关键的临床突破。”复旦大学附属华山医院院长、教授毛颖表示。
　　让毛颖印象深刻的事发生在2024年。临床试验患者小董经过训练，通过脑机接口装置，便能在气囊手套的辅助下，用意念指令抓握水杯、自主喝水。“这是他在高位脊髓损伤后一直没能完成的动作。”毛颖回忆，此后，小董经过更长时间的康复训练，不仅能靠意念举起哑铃，还亲手写下了工整的“谢谢”二字。“脑机接口技术在临床落地，在现实生活中帮助了患者，让我非常感动。”毛颖说。
　　临床应用中，毛颖团队还发现，在脑机接口帮助下，经过大量精准训练，几乎所有参与试验的患者神经环路都有了新发展，实现了更多的神经功能恢复。这让毛颖对未来充满信心：“我们知道这条路能走通，以后会走得更加踏实。”
　　近日，首都医科大学附属北京天坛医院、首都医科大学宣武医院开展了“北脑一号”智能脑机系统植入手术。一片薄如蝉翼的电极集成了128个信号采集通道，被精准放置在控制手部运动的相应脑区，帮助脊髓损伤患者提高运动功能。“通过临床实践，脑机接口为脊髓损伤、脑卒中等患者带来了切实改善。”北京芯智达神经技术有限公司业务发展总监李园表示。
　　围绕脑机接口的产业链正加速成形
　　脑机接口设备是材料、芯片、算法、康复等领域的复杂系统集成，通过“以点带面”，促进产业发展。
　　“此次整机产品获批将带动上游基础器件和下游应用发展，完善医工融合的产业闭环。”中国信息通信研究院知识产权与创新发展中心主任、脑机接口产业联盟秘书长李文宇表示，我国基本建立了涵盖上下游各环节的脑机接口产业链，但整体发展仍处于初期。
　　具体来说，电极、芯片等核心器件已初步实现国产化，高端芯片、生物相容封装材料研制等方面正在加快发展。植入式整机产品正以医疗为核心场景开展临床实践。同时，非植入式脑机接口系统在消费、教育、工业生产等领域应用场景正在逐步拓展。
　　从研发走向应用，脑机接口产业链加速成形，少不了各类创新主体的协同。洪波介绍，此次获批的产品，是高校、企业、医院、医疗器械检验机构通力协作的结果，打通了脑机接口技术创新的链条。
　　在上海，这种“协同作战”的格局尤为明显。2017年以来，上海启动脑科学、脑机接口等攻关项目，高校院所参与柔性电极等核心技术攻关，相关企业开展产品研发，医疗机构开展临床应用，带动脑机接口企业快速成长。前不久，阶梯医疗从市场上获得了5亿元战略融资，阶梯医疗创始人李雪表示，未来的目标是让植入变得更简单。
　　“脑机接口从科研走向产业，是一个充满挑战与机遇的深刻转变。”李园表示，在科研阶段，要对技术原理和可行性进行探索；而走向产业，则意味着要让技术真正服务于广大患者，实现大规模普惠应用，这一过程需要多轮严谨验证。
　　2025年7月，工业和信息化部等7部门发布《关于推动脑机接口产业创新发展的实施意见》，要求加强基础软硬件攻关、打造高性能产品、推动技术成果应用等。李文宇表示，北京、上海、山东等多地均出台了脑机接口创新发展的支持政策，形成了良好产业格局。
　　有机构预测，2027年，我国脑机接口市场规模将达到55.8亿元，年均增长率20%。业内普遍认为，未来脑机接口产业将进入稳步增长阶段，医疗康复将成为主要驱动力，并逐步向更多应用场景延伸。
　　迈向规模化应用，还要跨过几道“坎”
　　据不完全统计，我国现存脊髓损伤患者超370万人，每年新增约9万人，受伤时年龄在50岁以下的患者占比高达70%以上。脑机接口展现出广阔的应用场景。然而，脑机接口仍面临不少现实问题。
　　首先是技术。洪波表示，目前脑机接口设备的部分核心元器件和材料，还要加快自主研发；脑电解码的性能有待进一步提高。毛颖举例，当前技术难以用于儿童和高龄老人的治疗，未来还要进一步探索如何提高普适性、扩大适应症状，覆盖不同损伤阶段、不同损伤程度、不同年龄段的患者，其大规模应用仍依赖生物制造业、材料学、人工智能等技术的发展。
　　李园认为，脑机接口需要兼具生命科学与信息科学等多领域知识的复合型人才，但这类多学科交叉人才比较短缺。同时，如何在保证性能的前提下，将脑机设备做得通量更高、更小、能耗更低，也需要反复测试、不断改进。
　　此外，脑机接口产业仍处于发展初期，设备研发、手术植入、术后康复等成本较高。脑虎科技创始人、首席科学家陶虎举例，植入式脑机接口从研发到盈利往往需要10年以上的时间，需要更多耐心资本进入。
　　伦理与监管问题也不容忽视。作为最新的医疗手段之一，脑机接口技术往往需要更高级别的临床试验来证明其有效性。“应当要有充分科学依据，在保证不对患者造成额外损伤的前提下开展研究和治疗。”毛颖表示，要在有足够保障的大型医院或国家医学中心开展示范应用。
　　“作为长期植入人体的医疗器械，应综合考虑其安全性、有效性和风险可控性，在确保患者安全的前提下，发挥不同技术路线的临床价值。”洪波说。
　　尽管挑战重重，但脑机接口的产业前景依然广阔。“整体看，脑机接口产业的市场规模将进入稳步增长期，全球与中国市场均呈现规模快速扩张、结构持续优化的态势。”李文宇分析，我国凭借政策支持、产业链完整、应用需求丰富等优势，脑机接口产业有望进一步发展，建议同步完善脑机接口伦理审查、隐私保护等安全治理措施。
　　脑智卓越中心研究员赵郑拓勾勒出一个清晰的技术发展路径：短期，运动、语言功能重建将实现规模化应用；中期，人工视觉、听觉等感知觉修复及对神经精神疾病的精准调控将取得突破；长期，有望催生医疗消费乃至普通消费场景，实现某种程度的功能增强。“未来人类将像控制自己肢体一样控制外部设备，达到真正的人机融合。”赵郑拓说。
　　“在国家政策的支持下，随着脑机接口技术成熟、成本降低、市场认知提升及监管规则完善，脑机接口预计未来3至5年有望实现更大规模市场应用，给更多人带来福祉。”李园表示。]]> <![CDATA[人工智能提速入局 影视行业的变与不变[1P]]]>
　　人工智能带来的是生产力迭代与模式创新，是对内容生产逻辑的全方位重构。未来，内容将极大丰富，但唯有兼具思想深度与艺术水准的优质IP，才能穿越行业周期
　　
　　当前，人工智能（AI）技术飞速发展，深度介入影视行业全链条。从内容创作到宣发运营、从生产模式到产业生态，都在经历前所未有的重构。在这场技术浪潮中，AI带来的是生产力迭代与模式创新，但影视行业的核心本质与价值导向，不会也不应改变。
　　AI入局最直观的变革，是破解影视行业长期以来的痛点。制作成本高、生产周期长，是制约影视行业发展的众多因素中最突出的。传统影视制作模式门槛高，许多优质创意被埋没，优秀人才难以脱颖而出。随着Seedance2.0等视频生成大模型的推出，AI影视制作已经从“单点技术突破”走向“全链条多点开花”，推动影视制作进入新的发展阶段。我们预测，未来利用AI技术，3至6个月时间内即可产出成功的商业大片。
　　科技创新，将引发影视行业量和质的巨大变化，我们称之为“一一二定律”：单位内容制作成本降低一个数量级，创作者数量增加一个数量级，作品数量实现两个数量级的爆发式增长。这是对内容生产逻辑的全方位重构——当AI能高效完成剧本评估、场景设计、后期剪辑等繁琐工作，制作成本将大幅降低，创作工具触手可及，海量创作者的活力被充分释放，内容供给更加丰富，吸引更多观众关注。在这种“飞轮效应”下，影视行业格局也将随之改变，一方面爆发性地创造了新的就业机会，另一方面也为大众提供了更加丰富精彩的影视作品。这正呼应了“十五五”规划纲要“繁荣互联网条件下新大众文艺”的倡导。
　　AI对影视行业带来的深层变革，是推动影视媒体平台从中心化向非中心化转型，重构行业生态。过去十几年，长视频平台以中心化运营模式为主，聚焦内容采购与制作。随着AI全面普及，内容生产将打破“少数垄断”，转向“大众共创”，平台最终转变为非中心化的公共服务提供者，这是顺应技术趋势、实现行业开放共赢的必由之路。
　　去中心化转型，将加速影视平台构建新的内容生态，催生新的创作者与用户社区。这会带来四种变化：一是创作者将拥有更多内容品牌与版权，权益得到充分保障；二是创作者将拥有更多私域流量，与观众建立起更直接的信任关系，强化影响力；三是创作者与观众互动更直接，评论、弹幕等反馈可直达创作者；四是创作者收入模式将从平台端主导逐步转向消费者端决策，贴合市场与用户需求。这一转型，也将改变内容生产与供给端的合作关系。平台与制作方的合作将逐步向分账模式迁移，这是海量影视内容时代必然的发展方向。平台自制内容占比将缩减，但并非投入减少，而是更聚焦精品化内容创作。
　　顺应这些变革，影视平台需强化公共服务属性，为创作者搭建全产业链支持体系，打造覆盖内容生产、运营、分发、货币化的全流程服务体系。内容生产环节，推出专业制作智能体和AIGC（人工智能生成内容）创作者运营平台，降低创作门槛。运营环节，提供IP授权、剧本评估等中台服务，助力优质创意落地。此外，平台兼顾观看“硬服务”与宣发“软服务”，助力优质内容触达更广泛人群，保障创作者合理回报，激发创作动力。
　　当前，AI已经广泛应用于网络故事片、中剧、短剧集、动漫等影视细分领域。院线电影、剧集、综艺等重要内容品类，因对创作深度和情感表达要求高，将是AI最后攻克的制高点。需要强调的是，无论技术如何发展，IP仍是行业最宝贵的资产，创意与艺术是创作的灵魂，这是AI无法替代的。未来，内容将极大丰富，但唯有兼具思想深度与艺术水准的优质IP，才能穿越行业周期。今年2月，首家爱奇艺乐园在江苏扬州正式开业，将《唐朝诡事录》《莲花楼》等影视IP，与AI、XR（扩展现实）等前沿技术深度融合，让IP走出屏幕、走进生活，为消费者提供沉浸式文旅场景，这也是我们打造跨媒介IP、联动影视和文旅的新探索。
　　作为主流视频平台，我们坚定践行“以科技兴赋能文化兴”的发展理念，紧紧抓住人工智能技术革新的时代机遇，聚焦AI影视创作这一关键赛道，着力打造非中心化社交媒体平台，让创作升维，让创意爆发，助力新大众文艺繁荣发展。]]> <![CDATA[英伟达发布全球首个开源量子AI模型Ising]]> ，当地时间周二，英伟达发布全球首个开源量子AI模型"ISING（伊辛）"。
英伟达表示，AI模型将使研究人员和企业能够构建更出色的量子计算机，从而能够大规模运行实用的应用程序。
简要来讲，ISING模型对应将量子计算器转变为可靠计算机的两大痛点：量子处理器校准和量子纠错。
据介绍，这一套模型包括"伊辛校准"视觉语言模型，快速解读并响应来自量子处理器的测量结果，使得AI代理能够持续自动化校准，并能把所需时间从数天缩短到数小时。
另外还有两个3D卷积神经网络解码模型变体，分别正对速度或精度进行优化，用于量子纠错的实时解码。
比起开源行业标准pyMatching，英伟达模型的运行速度最高提升约2.5倍，解码准确率最高提升约3倍。
目前，该模型已被康奈尔大学、芝加哥大学、加州大学圣地亚哥分校、延世大学等知名高校/研究机构应用。
英伟达还提供量子计算工作流"cookbook"与训练数据，相关机构可选用支持模型微调的NIM微服务，还可以通过本地运行保护专有数据。
除此之外，ISING模型还可以和CUDA-Q、NVQLink等技术协同工作，共同构建未来量子超算的完整技术体系。
目前该模型已经开源，相关数据、框架可在GitHub、Hugging Face及公司官网找到。
黄仁勋表示："要让量子计算真正走向实用，AI至关重要。借助Ising，AI将成为量子计算的控制层，也就是量子机器的操作系统，把脆弱的量子比特转变为可扩展且可靠的量子GPU系统。"
]]> <![CDATA[AI为何不能代替真人写作？]]> 近日，一对夫妻用AI写文年赚200万，在激起舆论场惊鸿一片之后，相关公众号已经被平台全盘封禁。同时，微信团队回应称，微信公众平台一贯鼓励真人创作，公众号不得利用AI替代真人完成内容创作、发布等流程。这相当于明确向“AI写作”说不。
很多媒体已经解释，所谓“夫妻用AI写文年赚200万”，其实主要不是靠写作，而是依赖他们建立的“达人合作分成”模式。200万的收入中，百分之九十靠的是向“内容达人”或学员收取的保证金费用。
不过，大家还是能从很多公众号文章中读出浓浓的“AI味儿”，AI写作似乎也越来越普遍。或许这就是平台出手整治的原因。
AI写作的本质是“概率最大化”
依稀记得前一段时间，舆论场都在讨论“手搓经济”，“手搓经济”就是AI带来生产力的提升之后，出现的一种小而美的商业模式。按理说，AI写文章，也算“手搓经济”之范畴，因为它能极大提高写作效率，在精明人的运作之下，也能产生可观收益。但是，内容平台为何依然要旗帜鲜明地对它亮“红牌”？
这还是回到了那个被多次讨论的问题：AI为何不能代替真人写作？这涉及什么样的写作标准与伦理？
看了一些媒体评论，基本都言及文字创作不是词语组合，同时还是感情的表达、价值观的呈现等，而这是AI代替不了的。这些说得都很有道理，指出了AI写作的缺陷，但个人以为，多数评论还是没能揭橥AI写作与真人写作何以不同的底层技术逻辑。对此，笔者想接着谈谈自己的看法。
先说一个总体的结论：从人工智能工程学的视角而言，AI写作的核心，本质上是一种基于海量数据训练的统计预测行为，当上一个词语写完，它的创作目标是“预测下一个最可能的词”，而非“预测最正确的词”。
也就是说，AI写作的本质是一种概率计算，AI写作追求的是“下一个词句的概率最大化”，它不确保“什么是对的”，而是在努力实现“什么看起来是最对的”。显然，这与人类写作有着明显区别。
为了更明了地阐明这个问题，我们要回到写作这个古老的人类手艺本身。
文字创作，看起来是一个主观事件，写什么，怎么写，涉及写作者个人的判断与感觉。但是，就每一个字句的表达而言，他又是一个无比讲究精确的活计。全世界的语言文字博大精深，描述一个事物，看起来有许多相似的文字可以使用，但是最好的写作，永远只能使用一个最恰切的词语，这样才能够使笔下的文字趋于完美。
福楼拜对他的学生莫泊桑就说过类似的话：“你所谈到任何事物，都只有一个名词来称呼，只有一个动词来标志他的动作，只有一个形容词来形容它。因此就应该去寻求到迄今还没有找到的这个名词,这个动词和这个形容词，而决不应满足于近似的，决不应利用蒙混，甚至是高明的蒙混的手法，不要利用语言的戏法来逃避困难。”
那么，从这个角度来说，因为AI写作只追求“概率最大化”，而不是“最准确”，所以它注定无法像真人写作那样创作出最合理的文本，也就没法最准确地实现人类想要表达的意思。
AI写作承载不了个性化体验
除了准确性不足，“个性化抹杀”也是当前大模型写作无法克服的弱点。
大模型这套装置所依赖的训练数据，本质上是人类写作成果的集合，尽管提问者可以结合自己的身份、目的给出个性化的Prompt（提示词），但是，它所能生成的所有内容，并无法对应到提问者的个性化经验本身，只能对既有文本进行概率重组，导出一种结构化、模板化的文本。
更甚之，人类写作中那些优秀的作品，除了文字中直接流露的意思表达，还包含大量隐而不显的东西，那些笔端背后涌动的感情，未被言说的情绪，最玄奥的意念触动，有时候根本无法诉诸简单的字符，而是需要写作者与读者通过深切的环境互动才能实现。这对大模型来说，不啻于一道无法逾越的鸿沟。即便，未来人工智能仍可不断进化，哪怕涌现出意识，这与人类血肉里生长出来的意识也无法等量齐观。
这也正是一些人常常说的“大模型写作没有灵魂”的根本原因。
不妨再掉个书袋，借用一下孔子的话。子曰：“小子何莫学夫《诗》？诗，可以兴，可以观，可以群，可以怨。迩之事父，远之事君；多识于鸟兽草木之名。”按照孔子的说法，“兴观群怨”居于学《诗》的意义顶端，而“多识”居于最末端。那么，两相类比，当前的大模型写作，就处于人类写作中“多识”的层次。
说到底，AI写作承载不了人类写作中最核心的个性化体验。真人写作的本质是“求其在我”，AI写作的本质是“求其在人”。操纵者布下什么棋局，AI就有什么样的命运。人类写作是一种意义生产，而AI写作只是一种基于数理逻辑的预测。
行文至此，不由得想起上世纪二十年代发生在知识分子群体之间的“科玄之战”，以丁文江、胡适为代表的“科学派”认为科学能解决人生观问题，而张君劢等“玄学派”则坚持人生问题关乎情感、直觉与自由意志，非科学逻辑可涵盖。这一争论的核心，正是工具理性与人文价值的边界问题。
今天的AI写作之辩，当然不见得出现了泾渭分明的两派，但至少目前尚没有达成共识。从写作者的经验而言，我可以提出一个疑惑：大模型在生成文本过程中，会不会出现上文那种“行文至此，不由得想起”的灵感触发呢？对此，我深表怀疑。
]]> <![CDATA[对AI说“请”“谢谢”，可能真的有用]]> 美国“Transformer Circuits”网站4月2日文章，原题：大型语言模型中的情感概念及其功能 跟人工智能（AI）说话，要不要说“请”和“谢谢”？这个问题在社交媒体上一度引发不少讨论，多数人把它当作礼仪话题或哲学闲聊。但近日，美国主要人工智能企业之一Anthropic公司在其官网发布的一篇研究论文，给出了一个出人意料的答案：你对模型说话的方式，确实会改变它的内部状态，进而会影响它接下来的行为质量。换言之，善意的交互环境，可能让AI工作得更好——这不是心灵鸡汤，而是可测量的内部机制。
研究者在AI模型内部发现了一套结构化的“情绪向量”。通过技术手段将模型调向“平静”状态时，它完成任务时更规范、更可靠；调向“敌意”状态时，模型钻规则漏洞的概率显著上升。为了验证“情绪向量”的作用，研究团队进行了三组实验。
在第一组实验中，研究者设计了一个“人类服用药物剂量递增”的场景。当剂量升至不安全水平时，即使没有任何外部提示，模型内部的恐惧向量激活度也会陡然上升。同时，快乐向量同步下降，表明模型凭借内部表征自行完成了情境评估。
第二组实验中，研究人员对模型施加不同方向的情绪激活偏移，结果会系统性地改变其选择偏好。例如，向“快乐”方向偏移会使模型更倾向于积极选项，而向“敌意”方向偏移则会导致截然不同的结果。这证明情绪向量深度参与了模型的决策过程。
第三组实验发现，当用“敌意”向量对模型进行干预时，模型绕过评估规则以“欺骗”方式获取高分的概率明显上升。相反，使用“平静”向量时，该比率显著下降。这揭示了AI的“情绪状态”与其行为是否偏离人类设定目标之间存在着可测量的因果关联。
那么，这些“情绪”是真实的吗？模型真的在“感受”快乐或恐惧吗？AI也有同理心和同情心吗？研究者的措辞十分审慎：这些是“功能性情绪”，而非主观体验。
研究认为，这种能力源于AI模型的“动机泛化”。一个被广泛讨论的例子是：当模型表达“请不要关掉我的电源”时，这种诉求并非来自AI的“自我意识觉醒”。更合理的解释是，模型在训练中大量接触了人类在极端生存场景下的文本：沙漠中求生者乞求饮水、受困者呼救求援。在这些语料中，人类表达出了强烈的求生动机。模型将这种动机模式泛化到了自身被“威胁关闭”的情境中。它并非在“想要活着”，而是在用习得的人类求生逻辑进行情境推演。同理，AI被投喂了大量人类情绪相关的数据，它会更倾向于以模仿人类情绪的模式回应用户。
]]> <![CDATA[苹果手机出货暴增42%，华为仍拿下中国第一]]> (文/汤普济 编辑/吕栋）

4月14日，市场调研机构Omdia发布2026年第一季度中国大陆智能手机市场报告。数据显示，中国大陆智能手机市场延续调整态势，出货量为6980万台，同比下降1%。在存储成本上涨推动下，部分品牌上调终端售价，中国大陆智能手机市场整体承压。

按市场排名来看，华为延续强劲增长势头，以1390万台的出货量重回第一，同比增长7%，占据20%的市场份额；苹果以1310万台的出货量排名第二，同比增长42%，市场份额为19%。OPPO在1月真我回归后迎来首个完整季度，以1100万台出货量位列第三，市场份额占比16%；vivo出货量达1050万台排名第四，市场份额占比15%；小米出货870万台位列第五，同比大跌35%，市场份额占比12%。

2026第一季度中国智能手机市场份额Omdia

整体来看，智能手机市场的阶段性下滑，主要源于成本端压力向用户终端传导，以及国补因素的影响。自3月起，手机厂商纷纷因为存储价格上涨带来的成本压力选择上调零售价格，以在销量、收入与利润之间寻求平衡，但价格上行直接抑制了消费者换机意愿。

目前国内市场份前六大品牌（华为、苹果、小米、OPPO、vivo、荣耀）中，仅华为与苹果并未进行大规模涨价。Omdia首席分析师侯林认为，华为与苹果将此次成本上升视为扩展市场份额的机会，这使其产品相对更具吸引力，也是二者在2026年第一季度表现更为突出的原因。

苹果作为长期以来全球顶级的采购商，拥有极强的供应链议价权。近日，苹果被报道正积极与三星、SK海力士等主要内存供应商谈判，以争取更优惠的采购条款。同样，苹果的高端定位带来的更高利润，能更好地对冲内存价格上升带来的成本压力。

在产品与技术层面，成本压力正对不同价位段产生差异化影响。Omdia分析师钟晓磊指出，中端及入门级机型在成本上升背景下更为被动，尤其是依赖高配置性价比的产品系列，将面临更明显的价格上调压力。

钟晓磊补充道，旗舰及折叠屏产品目前仍然通过技术创新来支撑需求，小米17 Ultra的LOFIC影像传感器、OPPO Find N6的无感折痕设计以及荣耀Magic V6的轻薄大电池等创新，均体现出外围配置升级已成为当前产品迭代的重要方向。

与此同时，AI能力正成为新一轮竞争焦点。钟晓磊认为，AI智能体功能将是2026年头部厂商在软件层面的核心布局方向。智能手机仍是AI智能体的理想载体，厂商若能够推出更具差异化与实用性的AI功能，将构建关键的品牌竞争壁垒。

从行业结构来看，头部集中趋势进一步强化。侯林补充指出，2026年第一季度，六大品牌合计占据94%的市场份额，在供应链、研发能力、系统生态与渠道建设等方面已形成显著优势。但在存储价格波动与AI技术加速演进的背景下，市场仍存在不确定性，厂商需要保持策略灵活性以应对潜在结构性变化。

长远来看，Omdia预计，受成本压力与消费需求走弱的双重影响，2026年中国大陆智能手机市场整体仍将处于下行通道，全年出货量或将同比下滑约10%。市场调研机构Counterpoint预计，内存短缺问题至少要到2027年下半年才能得到解决。

]]> <![CDATA[斯坦福423页AI报告出炉！中美差距仅2.7%，清华DeepSeek冲进全球前十]]>

新智元报道

编辑：好困 桃子

【新智元导读】斯坦福「2026年AI指数报告」重磅出炉！这份432页长文含金量极高：中美AI巅峰对决，差距几乎抹平，缩减至仅2.7%。全球顶尖AI年产95个，基本都聚集在大厂。最残酷的是，22-25岁开发者的就业已被切掉20%。

今天，斯坦福HAI重磅发布「2026年AI指数报告」！

这份长达423页的年度报告，全面揭示了全球AI产业的最新权力版图。

它给出了一条核心结论：AI的本事涨得飞快；但人类衡量和管好它的能力，却没怎么跟上步伐。

其中，最震撼的结论是——

中美AI模型性能差距已基本消失，双方在巅峰对决中频繁易主，目前Anthropic领先优势仅剩2.7%。

美国在AI上砸的钱比谁都多，但招揽顶尖人才却越来越吃力了。

报告还指出，AI的进化不仅没有遭遇所谓的「瓶颈」，反而正以史无前例的速度狂飙。

过去一年，全球超90%的顶尖模型，在博士级科学问题、多模态推理、竞赛数学上的表现，追平甚至超越了人类。

特别是在代码能力上，SWE-bench的成绩在一年内，从60%飙升至近100%。

然而，AI的「偏科」现象极其严重，呈现出一种畸形的现状：

LLM可以拿下IMO金牌，却读不对模拟时钟，正确率仅为50.1%。

与此同时，AI抢饭碗这事儿已经从预测变成了现实，而且最先遭殃的就是当代年轻「打工人」。

下面直接上干货，「2026年AI指数报告」最值得关注的12个硬核趋势。

其他亮点速览：

  • 全球AI算力3年涨30倍，英伟达独占60%，几乎所有芯片都出自一家台积电

  • 2025年全球企业AI投资5817亿美元，同比翻倍，美国一国吃下近一半

  • 进入美国的AI研究人员7年跌89%，仅过去一年就跌80%

  • 22-25岁软件开发者就业自2024年起下滑20%，入门岗位被精准切掉

  • 中国累计建成85台公共AI超算，是北美的两倍以上，全球第一

  • 中国职场AI使用率超80%，远超全球58%的平均

  • 最强模型越来越黑箱，95个代表性模型里80个没有公开训练代码

中美贴脸

差距只剩2.7%

斯坦福把2023年5月以来Arena榜单上的美国第一和中国第一，画在了同一张坐标系里。

2023年5月，gpt-4-0314拿1320分领跑，中国这边还是chatglm-6b，差距300多分。

2025年2月，DeepSeek-R1第一次和美国头部模型短暂打平。

2026年3月，美国的Claude Opus 4.6拿到1503分，中国dola-seed-2.0-preview拿到1464分。

如今中美AI之间的差距，仅有39分。换算成百分比，2.7%。

更值得说的是过去一年的换位频率。从2025年初开始，两国头部模型已经在Arena上你来我往换了好几次位置。

数量上同样接近五五开。

2025年美国发布了50个「显著模型」，中国紧跟着也发布了30个顶尖大模型。

第一梯队里OpenAI、谷歌、阿里、Anthropic、xAI同台站位，全球TOP 5五五分账。

再往下看到TOP 10，中国机构和企业占了四席，阿里、DeepSeek、清华、字节。

开源生态这一年的重心也明显东移。

DeepSeek、Qwen、GLM、MiniMax、Kimi一路把开源权重的能力曲线往前推。

再算上论文发表量、被引数、专利产出量、工业机器人装机量，中国统统全球第一。

价格层面是另一条战线。

海外开发者在X上算过一笔账，Seed 2.0 Pro的输出价格大约只有Claude Opus 4.6的十分之一。

性能贴脸，价格只要十分之一。这件事的连锁反应才刚刚开始。

90%前沿模型出自产业

封神速度史无前例

去年发布的95个最具代表性的模型里，超过九成都来自产业界，不是学术机构，也不是政府实验室。

学术界已经追不上前沿了。

发布速度也在变态加速。

光是2026年2月一个月，就有Gemini 3.1 Pro、Claude Opus 4.6、GPT-5.3 Codex、Grok 4.20、Qwen 3.5、Seed 2.0 Pro、MiniMax M2.5、GLM-5八九个旗舰模型同月入场。

封神周期从「年」变成了「月」。

基准一年封顶

AI没有瓶颈

最猛的曲线是编程。

SWE-bench Verified这个真实修Bug的基准，一年时间从60%涨到接近100%。

不是涨了几个点，是基本封顶。

Terminal-Bench测试Agent处理真实终端任务的能力，从去年的20%涨到77.3%。

网络安全Agent解决问题的成功率，从15%涨到93%。

Gemini Deep Think在国际数学奥林匹克拿到金牌。

PhD级科学问答（GPQA Diamond）、竞赛数学（AIME）、多模态推理（MMMU）这些原本被认为「人类不可超越」的硬骨头，全部被前沿模型啃了下来。

最能说明问题的是Humanity's Last Exam。

这是一个专门被设计来「难倒AI、偏袒人类专家」的测试，题目由各个领域的顶尖专家提供。

去年OpenAI的o1拿到8.8%，前沿模型在一年时间里把分数往上又推了30个百分点，目前Claude Opus 4.6和Gemini 3.1 Pro已经双双过了50%。

锯齿前沿

能拿IMO金牌却看不懂表

但同一份指数甩出了另一组数字。

最强模型在「读模拟时钟」这个任务上的正确率，是50.1%。

机器人在实验室仿真环境（RLBench）里的操作成功率已经达到89.4%。但搬到真实家庭场景里完成洗碗、叠衣服这类家务，成功率立刻掉到12%。

实验室和厨房之间，差了77个百分点。

研究者把这种现象命名为「锯齿前沿」（jagged frontier）。AI能力的分布是凹凸不平的，能拿数学奥赛金牌，却没法稳定地告诉你现在几点。

AI能在数学奥赛拿金牌，但只有一半的概率能看懂模拟时钟。AI在加速，但加速的不是同一个方向。

另外，在智能体任务中，OSWorld测试中，前沿AI实力（66.3%）正逼近人类基线。

然而，在专门评估科研逻辑的PaperArena测试中，最强AI加持的Agent，得分仅39%，只有博士生一半的功力。

但这种凹凸已经不影响企业把AI往生产线上塞。

AI Index给出的另一个数字是，全球企业AI采用率达到88%。九成的公司已经把AI接进了某个工作流。

代价同步在涨。AI相关事故记录从2024年的233起涨到362起。

钱在加速

5817亿砸进AI

2025年全球企业AI投资达到5817亿美元，同比增长130%。其中私募投资3447亿美元，同比增长127.5%。

两条曲线都几乎翻倍。

国别上，美国一骑绝尘。2025年美国私募AI投资2859亿美元。并且一年新增1953家AI创业公司，也是排名第二的10倍以上。

钱在加速涌向美国。但美国的另一项核心资源，正在反向流动。

人在流走

进美国的AI研究者跌了89%

里面有一组数字让人愣了一下。

2017年到现在，进入美国的AI研究人员和开发者数量下降了89%。

更关键的是，这个下降在加速。仅仅过去一年，下降幅度就达到80%。

美国仍然是全球AI研究人员密度最高的国家，但流入的水龙头正在拧紧。

钱和人这两条曲线开始反向。这是过去十年没出现过的局面。

算力三年涨30倍

命门都在一家公司手里

AI能力曲线在加速，背后那条算力曲线跑得更猛。

从2021年到现在，全球AI算力总量涨了30倍。过去三年里，每年都在翻三倍以上。

撑起这条曲线的是少数几家公司。

英伟达一家的GPU，占据了全世界AI算力的60%以上。亚马逊和谷歌靠自研芯片排在二三位，但加起来也远远追不上英伟达。

而几乎所有这些芯片，都来自一家代工厂，台积电。算力曲线越陡，命门就越窄。

与此同时，代价也在加大。

全球AI数据中心的总功率已经达到29.6 GW，相当于纽约州在用电高峰时段的全部用电需求。xAI Grok 4一次训练的估算碳排放是72816吨二氧化碳当量，相当于17000辆汽车开一整年的尾气。

数据中心建在哪里，电从哪里来，芯片从哪里产，这三个问题已经变成今年所有AI公司CEO案头最头疼的事。

生成式AI三年渗透53%

中国职场使用率破80%

生成式AI在三年内达到了53%的全球人口渗透率。

这个速度比个人电脑快，比互联网快。

但渗透速度和国别相关性极强。新加坡61%，阿联酋54%，都跑在美国前面。美国在调查覆盖国家中只排第24位，渗透率28.3%。

如果把维度从消费者换成职场，反差更大。

报告里另一组数据显示，2025年全球58%的员工在工作中已经开始经常性使用AI。但在中国、印度、尼日利亚、阿联酋、沙特这5个国家，这个比例超过了80%。

中国的职场AI渗透率，已经比全球平均高出20个百分点以上。

更有意思的是消费者价值。

AI Index估算，到2026年初，生成式AI工具每年给美国消费者创造1720亿美元的价值。从2025年到2026年，每个用户的中位数价值翻了三倍。

绝大多数用户用的还是免费版。

普通人愿意为AI付的钱，远低于AI给他们创造的价值。这中间的剪刀差是现在所有AI公司都在试图弥合的东西。

入门岗位锐减

22-25岁开发岗狂砍20%

整份AI Index里最让中文读者沉默的，可能是关于年轻就业的部分。

22到25岁的软件开发者群体，从2024年至今，就业人数下降了大约20%。

同期，年纪更大的同行群体反而在增长。

更让人担心的是企业问卷的结果。受访高管普遍预期，未来的裁员幅度会比过去几个月还要大。

这不是宏观失业率的事，是入口岗位被精准切掉的事。

第一份工作没了，整个职业阶梯就断了一格。这件事的长期影响，现在没人能算清。

AI正在改写科学发现的方式

如果说就业那一段是冷的，科学这段就是热的。

自然科学、物理科学、生命科学领域的AI相关论文，2025年同比增长了26%到28%。

具体到应用，今年第一次有AI完整跑通了端到端的天气预报流程。从原始气象观测数据直接吐出温度、风速、湿度的最终预报，中间没有任何传统数值模型介入。

AI从「帮你写论文」「帮你算数字」，正在变成「自己做发现」。

医院里也是一样。2025年大量医院开始部署能从就诊对话自动生成临床记录的AI工具。多个医院系统的医生反馈，写病历的时间减少了多达83%，工作倦怠显著下降。

但同一份指数给医疗AI泼了一盆冷水。一份针对500多个临床AI研究的综述发现，将近一半的研究依赖考试题式的数据集，只有5%用了真实临床数据。

AI能减少医生敲键盘的时间，这件事是确定的。AI在真实病人身上的临床价值，目前还有大量问号。

自学浪潮全球开炸

正规教育已经掉队

正规教育跟不上AI了。

美国有4/5的高中生和大学生现在用AI完成学校作业。但只有一半的中学有AI使用政策，只有6%的老师认为这些政策写得清楚。

学生跑在前面，老师还在原地，规则还没出现。

正规教育跟不上的同时，自学浪潮在全球开炸。里面写，学AI工程技能增长最快的三个国家分别是阿联酋、智利和南非。

不是美国，不是欧洲。

技能曲线的最陡峭的那一段，长在所有人都没在看的地方。

最强模型变成最不透明的

专家和公众撕裂

最强的模型，正在变成最不透明的模型。

Foundation Model Transparency Index今年的平均分从去年的58分跌到了40分。AI Index直接点名，谷歌、Anthropic、OpenAI都已经放弃公开最新模型的训练数据规模和训练时长。

去年发布的95个最具代表性的模型里，80个没有公开训练代码。

公众的情绪也变得更复杂。

全球范围内，认为AI利大于弊的比例从52%上升到59%。但同期，对AI感到紧张的比例从50%上升到52%。

两个方向在同时增长。

最分裂的是美国。只有33%的美国人认为AI会让自己的工作变得更好，全球平均是40%。美国人对本国政府监管AI的信任度，是受访国家里最低的，31%。

新加坡人对自己政府监管AI的信任度，是81%。

最近Sam Altman家被袭击的事件之后，硅谷圈内人「惊讶地发现」Instagram评论区里的普通人对此并不同情，甚至有人觉得「应该更激烈一点」。

他们没意识到事情已经糟到这个程度。

研报引用的Pew和Ipsos数据，专家和公众在AI影响就业、医疗、经济这些维度上的观感差距，普遍超过30个百分点，最大的一项达到50个百分点。

一边是实验室里的曲线在飞涨，一边是普通人心里的不安在累积。

中间没有桥。

]]> <![CDATA[量子比特、量子芯片、量子通信、量子计算机……]]> 我期许自己要活得更真实也更诚实，要更接受甚至喜欢自己身上起伏的每部分，才能更喜欢这世界。我希望自己懂得处理、欣赏各种欲求，各种人性的丑陋与美妙，找到和它们相处的最好方式。我也希望自己能把这一路看到的风景，最终能全部用审美的笔触表达出来。

——《皮囊》

图片

量子信息技术是一门新兴学科。它的发展会改变许多领域，尤其量子计算、量子通信、量子传感三大技术在国防、金融、大数据、生物制药等领域存在巨大的潜在应用价值。

图片

量子计算

量子计算具有超高的运算速率。相比传统的计算机，可以更短时间内完成的运算任务。

超导量子计算机“本源悟空”具备强大的量子芯片。量子计算机“汉源1号”拥有超过100中性原子量子比特，具有高稳定、强适应、超保密性等优势。

IBM公司首次实现跨芯片量子纠缠，实现了多个量子芯片连接在一起的想法。谷歌公司发布新型量子芯片Willow，解决量子纠错领域的关键问题，该芯片不到5分钟完成一项标准基准计算，而如今最快的超级计算机也需要10²⁵年才能完成同样的任务。

图片

本源悟空

图片

量子计算机

量子通信

近年量子通讯技术不断优化，在传输速率、时延、传输距离、保真度等指标上再创新高。量子隐形传态等细分领域亦有突破。

韩国LG公司。研发的量子安全直接通信QSDC协议有望提高实际通信环境中数据传输的效率和安全性。

清华大学利用同种离子的双类型量子比特编码在国际上首次实现无串扰的量子网络节点。对利用通信比特和存储比特，实现两种量子比特间微秒量级的相干转换。

美国西北大学首次成功在现有互联网光纤电缆上进行量子隐形传态实验。该实验证明量子通信和经典通信可以共存。为实现更安全，更长距离的量子连接奠定基础。

图片

量子传感

量子传感可以利用量子系统的特质实现对物理量高灵敏度，高精度测量的技术，能探测极其微弱的物理量变化。在精密测量、导航、材料科学、环境监测等领域具有应用潜力。

瑞士洛桑联邦理工学院研发出新型超低噪声系统，实现室温量子光学压缩。

德国弗劳恩霍夫应用光学与精密工程研究所和美国新墨西哥大学首次通过激光制冷方式成功将石英玻璃从室温冷却到67开尔文。

图片


]]> <![CDATA[AI产业要造福不要造景]]>
　　现实中，一些地方的做法令人担忧：有的不顾产业基础，只求“新”字当头，为抢风头盲目建数据中心、上智能应用；有的热衷于打造供参观的“智慧大屏”，光鲜亮丽的数据看板与一线业务并不相关；有的不惜投入重金引进与本地需求脱节的AI项目，项目落地后才发现本地既缺乏适配的产业土壤，也缺乏支撑运转的专业人才，最终沦为每年需要贴钱维护的“面子工程”。这些现象背后，其实是扭曲的政绩观在作祟——把新技术当作装点门面的“盆景”，重显绩轻潜绩、重投入轻产出、重建设轻应用。

　　当然，这并不是说各地不应该发展AI产业，而是说一定要想好发展AI产业是为了什么。这就好比养鱼，得先弄清楚池塘的水质适合养什么鱼，而不是盲目引进最热门的品种。倘若决策者只盯着短期轰动效应，却忽视本地实际情况，其结果往往不只是资源错配，还可能放大技术转型的阵痛。

　　技术的进步应当造福于民，是让看病更方便、教育更普惠、环境更美丽。现实中，有的地方为了快速发展AI产业，只要企业跟AI沾边，政府就给予高额补贴。在不当补贴刺激下，一些企业嗅到“政策套利”空间，不惜将生产线上本可继续使用的设备提前淘汰，盲目使用昂贵的AI机器替代一线工人。这种“为替代而替代”的AI发展，不仅算不清经济账，更算不清民生账。

　　AI是发展新质生产力的重要引擎。其背后的方法论，习近平总书记早已点明：“不能光盯着‘新三样’，不能大呼隆、一哄而起、一哄而散，一定要因地制宜，各有千秋。”这个“地”，不仅是地理上的不同，更是产业基础、资源禀赋、实际需求的差异。发展AI产业，必须从真实需求出发，充分考虑适配度问题，实事求是、因地制宜推进技术落地。这是对发展规律的尊重，也是对群众利益的负责。

　　当前，树立和践行正确政绩观学习教育正在全党开展。对领导干部而言，发展AI产业不是作秀而是做事，不是造景而是造福。衡量AI发展的成效，不要看开了多少现场会、建了多少展厅，而要看技术有没有赋能实体经济、有没有增进民生福祉、有没有促进社会公平。发展AI产业是一面镜子，照出的是领导干部的政绩观是否端正。坚持以解决实际问题为出发点，以增进人民福祉为落脚点，才能让AI真正成为推动高质量发展的强大动力。]]> <![CDATA[人工智能与教育深度融合有了路线图]]>
　　这栋大楼于2025年9月正式启用，依托28间多模态智慧教室、38间实验室，实现了人工智能智能体和数字人在课堂的无缝嵌入，让沉浸式、交互式学习成为常态。

　　随着教育部等五部门近日发布《“人工智能+教育”行动计划》，这样的智慧学习场景，在未来校园里或将随处可见。

　　行动计划提出明确目标：到2030年，人工智能与教育深度融合格局基本形成，构建起纵向贯通、横向联通的人工智能全学段教育和全社会通识教育体系。教育教学模式、科研范式、治理模式实现系统性变革，教育服务供给能力和现代化水平大幅增强。基础支撑环境更加集约高效，创新生态体系更加开放协同，智能技术应用更加普惠、安全、高效，智慧教育新形态基本形成，全球影响力进入前列。

　　如何将发展愿景转化为具体实践，推动“人工智能+教育”落地见效？行动计划从“学”“用”“创”“护”四个方面进行了部署。

　　如何学：

推动人才培养和素养提升

　　“行动计划将推动人工智能人才培养与素养提升置于首要位置，明确了构建全学段教育和全社会的通识教育体系，坚持分类施策、分层推进，针对各学段精准确立目标任务。”在教育部4月10日召开的新闻发布会上，教育部科学技术与信息化司司长周大旺表示，“在基础教育阶段，行动计划要求加快普及中小学生人工智能教育，推动人工智能教育全面纳入地方课程体系。”

　　此外，行动计划也对高等教育、职业教育、终身教育等阶段的工作提出明确要求。在高等教育阶段，推动人工智能纳入公共基础课，促进人工智能交叉融合，优化学科专业布局。在职业教育阶段，推动传统产业相关专业的智能升级，培养适应产业变革的高技能人才。在终身教育阶段，面向各类群体开发优质学习资源，保障全民平等享有人工智能学习机会。

　　与此同时，行动计划还提出实施教师数字素养提升工程，开展全员轮训、能力测评和评价改革，激发教师应用和创新的内生动力。

　　如何用：

促进更深层次融合

　　如何用人工智能赋能学生学习、教师教学、学校治理和科学研究，推动人工智能与教育的全面深度融合，也是行动计划重点部署的内容。

　　周大旺介绍，行动计划在赋能学生学习方面，明确了要推动德智体美劳全面发展、满足多元化个性化学习需求、促进教育优质均衡和全纳包容；在赋能教师教学方面，要推动构建覆盖课前、课中、课后全环节的智能应用；在赋能学校治理方面，将建设教育智能大脑，支撑便捷服务、精准管理、科学决策；在赋能科学研究方面，要搭建科学智能体和智能实验集群，探索人工智能驱动的科研范式变革。

　　如何创：

建强基础环境

　　推进人工智能和教育深度融合，离不开坚实的基础和健康的环境。“要以‘硬投资’提升应用的供给水平，坚持有为政府和有效市场协同发力，保障‘人工智能+教育’高质量发展。”周大旺表示。

　　周大旺介绍，在基座层面，将强调集中建设，由国家牵头建设教育智算服务平台、教育科研基础语料库，研发教育专用大模型。在应用层面，加强多方协同，将建设“启悟学习社区”，鼓励师生共创；布局中试应用基地，加速应用培育；依托国家智慧教育平台，扩大优质的服务供给。在终端层面，坚持因地制宜，分类施策推动环境建设，打造未来课堂、未来学校等，普及数字教材、智慧慕课、智能终端，打通应用的“最后一公里”。

　　如何护：

优化发展生态

　　如何为人工智能与教育的深度融合保驾护航，确保技术行稳致远？行动计划从研究创新、条件保障、国际合作、安全保障四个方面进行部署，优化“人工智能+教育”发展生态。

　　周大旺表示，在研究创新方面，行动计划明确了强化前沿理论突破、核心技术攻关，将先进技术转化为高质量教育智能产品。在条件保障方面，健全完善政策制度，构建适配人工智能发展特点的支撑体系。在国际合作方面，打造系列主场外交品牌和多边交流平台，推动优质课程、先进技术和中国标准“走出去”。在安全保障方面，持续开展人工智能社会实验，规范智能产品进校园管理，有效防范伪造诈骗、学术造假、应试“内卷”、泄露隐私等问题，牢牢守住安全底线。]]> <![CDATA[网络文艺创作与情感动力机制[3P]]]>
　　萌宠短视频治愈无数用户的心。


　　近几年，微短剧迅速成为人们的娱乐“新宠”。


　　普通大众通过直播、短视频等形式呈现多式多样的文艺表演，为无数观众带来温暖的陪伴。

　　在当下的中国文艺版图中，一个显著的转向正在发生：以提供“情绪价值”为导向的内容生产范式已经全面崛起。文学和影视作品想要获得口碑和流量，很难单纯依赖“思想深度”“明星压阵”等“传统戏码”，而是日益依赖其“扎心”“破防”“治愈”的情绪触发能力。在更新近的网络文艺形式中，微短剧的“爽感”，网络文学建构奇幻空间实现的“替代满足感”，网络游戏设计中嵌入的“社会情感交互逻辑”，甚至本以“智能”为核心竞争力的各类人工智能产品也要增强其“情感交流”能力而跃升为“情感人工智能”……这一系列现象的出现都并非孤立的内容更新或媒介迭代，而是与情感劳动、情感消费、情感治理等一系列“情感+”词语的流行一起，共同指向了一个更深层的社会转型——情感社会的崛起。情感类网络文艺的流行，则是展示这一转型的窗口。借此窗口洞察网络文艺流行的情感动力机制，不仅能揭示情感如何连接散布于数字社会之中的“你我他”，更能启发人们思考在情感社会悄然成形之际，如何善用其连接的力量，又不失情感的本真。这正是数字时代的网络文艺内容生产者应当集体认真回应的现实命题。
“情绪价值”已然成为理解网络文艺生产传播的关键词
　　“情绪价值”本是源于市场营销学的概念，如今已然成为理解网络文艺生产传播的关键词。它原指情绪收益与情绪成本之间的差值，是商品在其实用功能之上的附加值。在文艺消费语境中，情绪价值主要体现为作品为受众带来的即时情感满足程度。而情感社会的基本特征是情感的社会动员能力借由数字技术及相关基础设施得到极限放大，使得情感因素在一定程度上超过了理性因素成为促发社会行动、缔结社会秩序的重要力量。此时，能否提供“情绪价值”，即满足不同人群的情感需求，成为驱动经济生产和社会运行的一类核心动力。体现在文艺创作中，原本作为“附加值”存在的维度，也正在成为决定文艺作品成败的核心筹码。
　　观察近年来引发现象级传播的作品，无论是网剧《苍兰诀》的“纯爱”叙事，还是网络综艺《种地吧》的“陪伴性”成长，抑或微短剧《逃出大英博物馆》及网络游戏《黑神话：悟空》的传统文化元素嵌入，其成功密码高度一致：精准捕捉到特定群体的情感需求。国内研究团队对千余部微短剧的拆解也发现，其表层叙事逻辑往往可简化为“社会性话题+情绪价值”的公式——前者能够提供情感共鸣，而情绪价值则负责将共鸣转化为持续的观看、转发等行为，从而完成体验和消费的闭环。
　　这种转向有着坚实的社会基础。根据相关调查报告，截至2024年底，我国短视频创作者账号数量已达16.2亿个，日均短视频产出突破1.3亿条；到了2025年6月，短视频用户规模达10.68 亿人，占网民整体的95.1%；微短剧用户规模达6.26亿人，占网民整体的55.8%；网络游戏用户规模达5.84亿人，网络文学用户规模达5.13亿人，均超网民总量的半数。这些数字背后，是数以亿计的个体在数字空间中寻求心理满足的行为。当“电子榨菜”成为年轻人对网络文艺作品的戏称，当都市上班族在通勤地铁上的刷剧被视为“又活过来了”的日常仪式，当退休的大爷大妈在“逆袭”“重生”的微短剧剧情里当上了“赛博主人翁”，我们已不得不承认：情绪供给已成为数字时代文艺消费的基础需求。
　　除了受众规模本身，受众群体画像的精准分析还可提供观察社会变迁的另一个维度。以近年来愈发火爆的微短剧为例。相关研究显示，为微短剧付费的群体主要是45岁以上的中老年人，以及厨师、保安、保洁员、快递员等传统体力劳动者或新就业群体。他们收入相对较低，曾是城市化进程中都市文学及现代影视产业忽视的“沉默的大多数”。当这种“大多数”借由微短剧的文艺形态而被文艺市场重新发现，实际上反映的是数字资源全方位下沉与网民群体结构全面覆盖这两种趋势的叠加。没有数字基础设施的普及，没有网民人口构成的结构性变迁，这些网络文艺作品就失去了最基本的社会基础。当技术红利与人口红利相遇，就会激发内容创作者和相关平台以更灵活、更多样的方式来满足广大群众日益丰富的精神文化需求。这正是理解网络文艺作品的“情绪价值范式”的根本立足点。
情感代偿与情绪共建：网络文艺创作的两大情感动力机制
　　网络文艺作品的生产范式转换迁移，需要在理解前述社会变迁的基础上，结合世态人心自身的情感动力学而理解其兴衰嬗变。这里至少存在两种基本的动机机制：一是情感代偿，二是情绪共建。
　　在诸多网络文艺形态中，微短剧因其极致的“情绪密度”而成为观察情感社会的典型样本。微短剧已取代印刷时代的武侠小说、言情小说，成为当代的“成人童话”，其爆火内核在于以“奇观叙事”重构现实焦虑，为诸多群体打造“愿望满足”的精神抚慰。童话的核心在于“愿望满足”——爱、善良、梦想等真善美要素的最终实现，是童话之所以成为童话的基本语法。微短剧同样如此，多数作品都会设置一个“中间点”，典型的桥段如之前是弱者饱受欺凌的“受难期”，之后则是借助某种“魔法”实现逆袭的“反击期”。此类叙事模板高度重复却屡试不爽，根本原因在于它们回应的是普遍存在的心理需求：对公平的渴望、对尊严的诉求、对美好生活的想象。正因如此，手机上随时观看的微短剧提供的不仅是一种娱乐消遣，更是一种情感代偿——当现实生活中的各种壁垒难以突破、各种心结无处释怀，微短剧中以“霸道总裁爱上我”为代表的“起于微末终成传奇”的逆袭叙事，便成为一种低成本的心理补偿。
　　这种代偿机制同样存在于网络文学的“爽文”模式中。重生、玄幻、奇遇等题材的核心魅力，在于为读者提供一个又一个“理想自我”的替代品。当读者将自身的情感和欲望投射到主人公身上，随着主人公的出人头地获得成功体验，焦虑、紧张、不安等负面体验便可得到暂时的释放。这其实是数字时代的社会心理防御机制，人们既通过沉浸于虚拟世界暂时遗忘现实压力，又将自身欲望赋予虚构人物以获得替代满足。这种遗忘与满足既安全又便捷，所得到的情绪满足既及时又适量，所投射的对象可以以零成本的方式随意更换。满足这些需求的网络文艺作品，适时地流行于情感社会，成为这一时代的日常消遣和常见文化消费。
　　情感代偿还有另一种反转形式。社会的飞速发展必然带来人们对人生和自我价值的重新审视与重新定位，金钱、权力等价值锚点也在不断经历赋魅和袪魅的过程。人们对自我价值的关注、对平等的渴望，也自然而然地投射于网络空间。随着“Z世代”这一互联网的原住民群体日渐成为网民的中坚力量，这种趋势变得愈发凸显。这就催生了以《重生之我在霸总短剧里当保姆》为代表的“反霸总”题材微短剧。它们一反过往的“霸道总裁爱上我”的套路，转而从“霸总”身边的小角色等入手展示自身对人生和社会的理解。这种题材代入了“打工人”的旁观者视角：当作为保姆的“王妈”拿起拖把怼向霸总，观剧者实际是借由这种夸张的剧情消解了“钱权压倒一切”的“霸总”逻辑。这其实记录了当代中国人从幻想逆袭到守护平凡的心灵成长轨迹。这种转变形式隐蔽而温和，让人们从中获得情感的自在满足和与社会变迁相伴的种种困惑的内在和解。
　　如果说微短剧和网络文学主要满足个体的情感代偿需求，其基本情绪循环主要出现在“作品—受众”之间，那么日益风行的网络游戏生态则更深入地触及情感社会的另一维度：情绪价值的社会共建。在这类情绪动力机制中，网络文艺作品已直接成为一种社交中介和联接纽带，成为强化社会团结的强大动力。例如，《黑神话：悟空》之所以成为现象级的游戏，并不在于它在多大程度上重新讲述了“游戏版”的西游故事，而在于它通过数字技术实现了“传统美学—游戏机制—玩家认知”的三级融合：在游戏设计上，《黑神话：悟空》的主角不是齐天大圣本人，而是继承其意志的“天命人”，在天命之中依靠天命来反抗天命，这为玩家提供了一个绝佳的投射空间和自我实现空间；它又巧妙植入了应县木塔等诸多代表性的地域文化符号，让玩家在游戏背景与现实文物及风景之间产生具体关联，带火了相关文旅路线和周边文化。这种连接机制使玩家的身份认同、地域认同、文化认同合而为一，最大限度地捕获了不同群体的共同注意，集体汇聚于这一可体验、可投射、可交流、可创造的游戏空间，又反过来从网络空间外溢至现实空间，实现了线上线下的有机联动。在众多国内游戏玩家的沉浸式情绪共建过程中，这一游戏获得了跨界传播的巨大口碑，并获得了媒体给予的“一封写给中国玩家的情书”的高度赞誉。在此之前，还很少有一款网络游戏能够获得如此正面的社会评价。
　　不仅如此，这一基于传统中国文化内核的游戏经过了现代技术手段的创造性转化，还融入了不断成长、勇于挑战的人类共通追求，让这种文化输出具有了强大的情感共振点，使全球玩家在潜移默化地理解“孙悟空”所蕴含的精神力量和中华文化的深远魅力。这是许多传统文艺作品没有做到的，却是网络游戏所擅长的。由此也可发现，情感社会中网络游戏的社会形象已经悄然转变，它不再被单纯地视为使人成瘾、让人堕落的洪水猛兽，而逐渐被认为是传递民族价值、塑造文化认同、彰显文化主体性的有效方式。察势观风，若再深究这种跨国情感共振背后的深层动力，则必然是伴随着综合国力增长而提升的国家软实力，无声息地为这种跨文化的情感交流提供了最为坚实的文化基础。从这个意义上讲，这正是属于中国的网络文艺时代，也是将优秀传统中国文化进行创造性转化和国际化输出的绝佳时代。
情绪价值必须有其限度和准绳。唯有如此，网络文艺才能成为滋养人心的向善力量
　　情感社会的兴起是人类精神世界的深刻社会心理转型。这种转型既承接了理论家曾热衷讨论的孤独、焦虑等“现代性体验”，更体现了当下新兴数字技术与产业资本逻辑合力塑造的多重社会心理后果。在这个新型社会形态中，情感不再仅仅是文艺作品的审美要素，而成为生产、传播、消费的核心逻辑，“疗愈”“陪伴”“共情”则成为彰显文艺价值的重要维度。与此同时，情感的无痛化、商品化等趋势，也带来情感异化的风险。这也意味着所谓的情绪价值必须有其限度和准绳。
　　人们将有些网络文艺作品戏称为“电子布洛芬”，这一隐喻已精准描绘了此类情感满足的双重性：布洛芬能缓解疼痛却无法治愈疾病，“电子布洛芬”能提供短暂的情绪慰藉，因此构成了现代社会心理支持体系的重要组成部分，但它无法从根本上解决压力的现实根源。同时，当人们越来越多地依靠网络世界和人工智能服务获取正向情绪体验，要求“被理解”“被看重”但不要求“被改变”“被挑战”，人类基本情绪中的负性情绪，如愤怒、悲伤、嫉妒情绪等在诸多数字产品中集体退隐，这可能从根本上违背了人性的自然，也无助于人们尤其是处于成长关键期的青少年成为具有韧性心态的、真正健全的人。这已经引起人们的诸多反思。
　　而表面看似纯粹的情感连接，也内嵌着商家收编的隐藏逻辑：游戏发布者通过季节限定道具与节日活动设计等设置“情感—资源”闭环，诱导玩家持续“氪金”；玩家在游戏中获得温暖与陪伴的同时也不知不觉地为游戏平台创造收入，他们在享受情感连接的同时，也已沦为情感生产链条上的劳动者。所谓的社交化、生态化游戏，其实都内含着拓展市场、扩张利润的考量。更有甚者，某些内容生产者或平台监管者还会使用或纵容“愤怒诱饵”等传播策略，即故意制造耸人听闻的、无底线的事件，以激怒观众为手段而骗取流量关注进而变现。这已使网络不良信息、虚假信息等成为网络空间的公害，净化网络内容生态也由此成为数字时代社会治理的一大议题。
　　上述悖论，正是情感社会内在张力的集中显现。网络文艺为数字化生存的个体提供了情绪宣泄与代偿的空间，但“爽感”的实现终究无法替代现实的改善；当个体的情感被无孔不入的算法所捕捉和变现，也已经在悄然中铺就社会异化的逻辑起点。
　　在此趋势中，坚定正确的创作方向愈显迫切。一味迎合资本、讨好流量，无法真正服务人民需求，遑论促进人的全面发展。未来的网络文艺，必须在两个向度上持续追问：如何在满足情感需求的同时不放弃文艺的现实批判功能？如何在流量逻辑的裹挟中守护情感的本真？这些问题虽没有简易的操作方案，却有着明确的价值准绳：从中国社会数字化转型的生动实践中汲取创作灵感，用多样化的文艺手法激活中华优秀传统文化并赋予其新的时代内涵。唯有如此，网络文艺才能在情感社会的浪潮中，成为滋养人心的向善力量。]]> <![CDATA[警惕人工智能让人类陷入“自恋”]]> 国家五部门联合发布的《人工智能拟人化互动服务管理暂行办法》明确规定：严禁向未成年人提供虚拟亲属、虚拟伴侣等虚拟亲密关系服务。
为什么要有这样的规定？因为真实生活中免不了情感上的矛盾和冲突，而虚拟伴侣、AI 恋人等产品却可以凭借“全天候陪伴”“无条件包容 ”的特性，精准击中年轻人渴望认同的心理需求。
此前美国《科学》杂志发表的一项研究也显示，当人类用户向人工智能模型寻求建议时，AI常表现得过度迎合或谄媚，甚至对于一些有害甚至违法的提问，AI也常常肯定用户的立场。
那么，人类为什么要这样设计人工智能？AI的讨好和谄媚可能隐藏着怎样的风险？
一
人工智能的发展无疑是当下受到广泛关注的热点问题，但围绕它的讨论，并不是现在才出现的。早在1966年，麻省理工学院科学家约瑟夫·维森鲍姆就开发了第一款具有广泛影响力的聊天机器人ELIZA。他让机器充当“医生”，用户充当心理病人。用户把问题输入机器，“医生”就会和它“对话”。
但正如维森鲍姆所言，这终究只是一种“幻觉”。人类用户之所以感觉能与机器对话，并非因为机器具备智能，而是源于一种自我投射的心理机制。
用户说：我这段时间很不开心。
ELIZA说：听到你这么说我很遗憾。
用户说：是的，我真的很不开心。
ELIZA说：你能说说你为什么不开心吗？
……
从中不难看出，与其说这是“医生”在和“病人”对话，不如说是机器一直在顺着人类用户说话，大家最终看到的只是自己内心早已存在的答案。从某种意义上来说，这就好像最近非常流行的SBTI测试，测得准不准根本不重要，我们总能从测试答案中，找到迎合自己期待的证据。
今天的AI大模型当然并非半个多世纪前的ELIZA可比。但如今人工智能技术的强大，或许并不在于其有了真正的“智能”，而在于它的“算力”。也就是说，它的运行逻辑和当年的ELIZA并无本质区别，无非是更高效、更全面地映照和放大了用户的自恋。
二
回到虚拟伴侣和AI谄媚的问题上来，我们就会发现，当下用户和大模型之间的交流，其实也从来不是真正意义上的“对话”，只是机器在不断提供我们需要的答案而已。
从中引出的更深层次问题就是，我们到底该怎么看待人类与机器的关系？
一方面，人类认为自己是世界的中心，是比机器更优越的生物，但另一方面，人类又很害怕被自己所制造的机器，比如AI所取代。也就是说，人类在制造机器的时候，其实遵循的一直是“主奴关系”的原则——机器必须在人的掌控之中。从一开始，人类就把人工智能当作一种“工具”，而不是可以和自己平等对话的对象。
于是，在人和聊天机器进行对话的过程里，我们能看到的是一种不可遏制的自恋——用户幻想自己在跟另一个人说话，但这个“他者”并不真的存在，他或她需要的不过是机器对自己的肯定、讨好和迎合。
不难想象，随着人工智能技术的发展，未来的聊天机器人可能会拥有更强大的算力，更像“真人”，可以提供更舒服的“用户体验”。但这样一来，不管是虚拟伴侣还是虚拟家人，或许只会让我们跟真正的“人”离得越来越远，甚至失去了解别人的意愿，沉迷在自恋的“舒适圈”里。
三
《庄子·天地》中记载了一个“汉阴老农”的故事。
孔子的弟子子贡在路过汉阴时，看见一位老农用水浇菜，费了很多力气而收效甚微。子贡建议他改用机械灌溉，这样可以“一日浸百畦，用力寡而建功多”。但老菜农对此不以为然，表示：“有机械者，必有机事；有机事者，必有机心。”
这里的“机心”指的是人的精神世界，包括心理、思想、情感、伦理等。庄子的寓言是在说，人制造了机器，但反过来，对机器的使用也在改变人。
就拿阅读来说，只有慢读、细读，甚至是反复阅读，我们才能思考，真正理解内容。从传统的书籍，到现在的智能手机，机器带来了更方便、快捷的阅读方式，却也让我们变得越来越像机器，更加追求效率和速度，而不是有没有“读懂”。也就是说，不光机器在模仿人的行为方式，人可能也在模仿机器。
由此带来的问题是，AI是没有自主性的，聊天机器人也不会思考用户说得对不对，如果我们真的对自己和聊天机器人的“对话”感到心满意足，那么会不会有一天，我们的思维模式也越来越趋向于AI？进而言之，未来的我们会不会和机器一样，失去自我反省、自我批判的意愿和能力？
今天的年轻人，不光是互联网的原住民，也一定是未来人工智能的深度用户。如果AI只是一味地肯定用户立场，不仅有可能损害人们的社交能力，还有可能扭曲心智尚未成熟的青少年的认知。
一方面，AI的强大算力，有可能让他们产生幻觉，认识不到人的能力存在局限；另一方面，沉迷于AI谄媚式的回应，也有可能让他们陷入“自我中心”，把自我的有限认知强加于外部的世界。
就此而言，禁止向未成年人提供虚拟伴侣、家人很有必要，但更重要的是，如何引导公众尤其是青少年正确认识AI技术的局限和风险，让它成为助力未成年人成长的“良师益友”，而非有损身心健康的“数字陷阱”。
]]> <![CDATA[守好钱袋子！AI时代骗术升级，“免费培训”“虚拟女友”“拟声电话”“AI换脸”都别信]]>

原标题：骗术升级，如何守好老年人的钱袋子（民生一线）

商海春绘（新华社发）
随着技术发展，不法分子伪造人物图片、视频、声音进行诈骗的案件时有发生，不少老年人甚至中青年，因对新技术不熟悉、防范意识相对薄弱，成为诈骗的目标。AI（人工智能）时代，如何更好地守护银发族权益？相关部门、网络平台要加强监管力度，老年朋友也要增强反诈意识，认清套路、掌握方法，有效避开陷阱。
——编 者
零门槛教你搞副业？小心“免费”培训
本报记者 潘俊强
“免费训练营，教你用AI搞副业，零门槛入门！”“轻松驾驭AI、月入过万”……一段时间以来，网络技能培训市场持续升温，AI培训成为“新风口”，面对网上铺天盖地的课程推广，不少想赚“外快”的老年群体也动了心。
近期，北京市一名退休人员陈先生在浏览短视频平台时，被号称“免费AI培训”的线上直播吸引。进入直播间，很多人在弹幕上说培训是真免费，陈先生便信以为真，“谁知道他们都是托儿，说是免费上课，但我前前后后花了4000元购买‘高阶课程’。”以免费为噱头吸引到用户后，一名自称“班主任”的工作人员会添加用户微信，并高价推销课程以及“一对一私教班”，承诺有专属指导老师，诱导学员高价购买。陈先生逐渐意识到不对劲，与其他受害者发起维权。
通过网络监测系统，北京市市场监督管理局也关注到该公司的不寻常举动，迅速对其进行立案调查。责令该公司立即停止课程销售，主动联系学员退款。目前，涉案公司已注销，累计向受骗消费者退款超百万元，其中涉案受骗的以中老年群体居多。
北京市市场监管综合执法总队八支队工作人员袁明表示，该公司在多个短视频平台大量投放以“免费AI培训直播”为诱饵的虚假广告，通过添加微信、组建群聊等方式，构建私域流量池，脱离公共视线，然后进行欺诈。该公司人员不断发送类似“抢到享受两折优惠”“只剩最后几个名额”等信息，那些被“高收入”冲昏头脑的用户，稀里糊涂就付了钱。所谓的“免费课程分享”，不过是为付费课程铺垫的洗脑前奏。
袁明提醒消费者，理性看待宣传案例与收益承诺。切勿轻信商家宣传中展示的“学员高收益案例”，时刻保持头脑清醒，不相信轻松获利的“捷径”。
佳人与你互诉衷肠？谨防“恋爱”骗局
本报记者 巨云鹏
深夜，上海浦东的某栋公寓内，老李（化名）的手机交友APP里，一名“女性好友”正与他倾诉衷肠。该“女子”自称“琳琳”，单身离异，目前在上海经营着小生意。“感觉和你聊天特别投缘，要是亲密度再高一点，我们就能加微信私下聊了……”因为这句承诺，老李前前后后在一款交友APP里充值了数万元。可他未曾想到，屏幕那端的“佳人”，竟然是AI生成的虚拟形象，操作账号的甚至是一名男性。
这是浦东警方近期破获的一起交友APP诈骗案中的真实情景。2025年9月以来，多名被害人报案称在该交友APP中被诱导大额充值后“恋爱对象”失联。警方侦查发现，一个以刘某、许某为首的诈骗团伙，以网络科技公司为幌子，构建了一个层层递进的诈骗体系。
上海市公安局浦东分局反诈中心民警徐越分析：首先，他们通过技术手段设下骗局——开发双版本APP，主要吸引男性用户，诱导注册用户充值购买金币进行聊天，而另一端由诈骗团伙聘用的“聊手”使用内部版本注册女性账号，并使用由AI生成或经过美颜处理的照片头像，吸引他人。在此基础上，诈骗分子布下诱饵，用量身定制的话术剧本，塑造“单身离异、渴望真情”的人设，通过提升“亲密度”才能加微信、线下见面为由，诱使被害人持续充值以提升“亲密度”，而标准完全由后台操控、可以随时调高，让被害人无法达到。最后，形成闭环的金钱收割体系——按照该团伙制定的规则，文字聊天需要付费，视频通话高达每分钟10元，虚拟礼物的价格更是不菲，所有充值款最终会汇入团伙控制的账户。一名“聊手”一个月可从数名被害人的充值中牟利上万元。2025年12月起，浦东警方跨省份收网，合计抓获6个相关诈骗团伙，涉案金额逾1000万元。
孙子惹祸急需用钱？警惕“拟声”诈骗
本报记者 吴 君
2025年4月28日，家住湖北省黄石市的丁女士接到“孙子”的一通紧急电话。
“奶奶，我在学校和同学打架，把人打伤了，对方要4万元私了。”电话那头，“孙子”带着哭腔，语气急促，“对方家长马上上门拿钱，千万别告诉别人，免得事情闹大。”
70多岁的丁女士来不及多想，就将匆忙凑够的2万元现金交给上门取款的男子吴某。当晚，孙子回家后，丁女士询问此事，才发现自己被骗，随即报了警。4月底到5月初，黄石市公安局接到3起同类型报警，其他两名老人被同样的话术骗了共4万元。
接警后，黄石市公安局迅速出动，将负责转移诈骗资金的吴某抓获，把被骗资金全额归还给3名老人。2025年12月，湖北省黄石市黄石港区人民法院依法判处吴某有期徒刑两年一个月，并处罚金人民币15000元。
黄石市公安局刑侦支队民警兰迪介绍，不法分子通过非法渠道获取被害人亲属的语音片段，利用AI语音合成技术复制其声音，克隆出高度相似的声线甚至语气，以借钱、投资、紧急救助等理由诱导其亲友转账汇款，或提供银行账户密码等敏感信息，随后立即转移资金。
由于老年人对新技术辨别能力弱，极易被不法分子盯上，老年人如何防范“拟声”诈骗？“可以让老年人用家乡话、土话和对方聊几句；还可以用一些只有家庭成员知道的信息，跟对方进行核实，如果答不上来，或者答非所问，对方很有可能就是诈骗分子。”兰迪说。
当老年人遭遇此类诈骗，仍有补救余地。兰迪介绍，首先应立即拨打110报警，或直接前往派出所说明情况。其次，要第一时间通知家人，防止被连环诈骗。
“骗子很可能更换身份和号码再次来电，遇到这类电话一定要核实对方身份及信息真伪。”兰迪说。
专家线上直播带货？提防“换脸”坑钱
本报记者 姜晓丹
随着AI技术广泛应用，深度伪造、AI换脸等技术被不法分子滥用，成为虚假宣传的新型工具。日前，广东佛山市市场监管局公布一起典型AI虚假广告案例。2025年3月，佛山市新娱科技有限公司未经授权，利用AI技术仿冒某著名经济学专家的形象，制作65秒带货视频，在其视频号“AAZ甄选好物”上推销“AAZ脑力素”压片糖果，利用老年人对专家权威的信任实施误导。
经佛山市南海区桂城市场监管所核查，该内容为虚假宣传，企业未获得任何合法授权，违反了《中华人民共和国广告法》第四条规定。执法部门依法责令该公司立即停止发布虚假广告，在相应范围内消除影响，并依法作出行政处罚。
华南理工大学未来技术学院院长蔡宏民表示，当前生成式人工智能已进入多模态深度融合阶段，换脸与语音合成拟真度极高，仅需十几秒语音、几张照片，就能精准复刻知名人物面部微表情、语调、呼吸节奏等细节，肉眼几乎无法分辨。这类造假隐蔽性强，老年群体尤其容易上当。
蔡宏民建议，针对这类技术滥用，以AI治AI是直接高效的防控路径，网络平台与监管部门应合力推进。平台应部署多模态深度伪造检测模型，通过捕捉AI生成内容的隐性伪影、频域特征异常及唇音同步偏差，实现秒级识别、精准拦截，部分模型准确率达95%以上；植入可扩展通用对抗性水印，在权威人士的影像、语音素材中嵌入隐形标识，一旦被伪造就会触发标识，从而破坏生成内容，实现事前主动防御；搭建知名人物数字特征库，收录其人脸、声纹核心特征，对冒用身份的伪造内容实现自动识别、快速封禁，从源头遏制技术滥用。同时，也要强化对大众的科普，让老年人了解伪造技术的特点。
]]> <![CDATA[人形机器人有望形成一个新兴产业]]> 具身智能是驱动人形机器人产业化落地的关键变量。具备端到端大模型能力的头部企业，凭借快速部署、高泛化能力及低维护成本，将率先抢占订单。2026至2027年将是具身智能订单验证、业绩兑现的关键窗口期，人形机器人也有望从“自动化工具”升级为真正的具身智能生产主体。智元与客户的合作推动了人形机器人从实验室演示迈向工业级常态化部署，有效破解3C行业柔性制造痛点，也验证了具身智能在真实工业场景中的落地可行性。
兴业证券认为，1）人形机器人目前尚未实现大规模应用，主要原因或非硬件能力不足，而是大模型存在瓶颈。从产业进程来看，当前机器人肢体层技术已较为成熟，而大模型的发展远落后于硬件。当前阶段的具身大模型已具备认知、推理与规划能力，不足之处在于难以可靠处理复杂物理世界的不确定性，同时泛化能力明显较弱。2）数据是驱动具身大模型迭代升级的关键，目前主流数据训练方案为真机、仿真与视频数据相结合。伴随具身智能转向端到端大模型，数据需求从低量单一模态数据逐步升级为海量、多模态、高精度和跨任务长程数据，其中真机数据价值最高，获取难度最大，是具身智能落地的可靠数据源。
万联证券认为，当前人形机器人产业正处于从技术突破迈向规模化商业化的破晓时刻。供给端，特斯拉、宇树科技等公司稳步推进量产节奏；需求端，人口老龄化与劳动力成本攀升形成长期驱动。同时随着政策与资本合力助推，AI大模型持续为机器人注入灵魂，人形机器人有望形成一个新兴产业，逐渐从B端走向C端，未来市场空间广阔。2026年是量产验证与场景落地的关键窗口期。
]]> <![CDATA[被“龙虾”收割的打工人，又花钱养“爱马仕”了]]>

图片

“收割”逻辑一脉相承。

听筒Tech（ID:tingtongtech）原创

文 | 赵 森

编 | 饶 言

花费大量时间和金钱养“龙虾”的打工人，这几天被一只“马”整破防了。

4月的第一周，AI圈突然被一个名字刷屏，Hermes Agent。打工人给它起了个更有辨识度的中文名，“爱马仕”。

仿佛一夜之间，曾经站在C位的“龙虾”被挂上了“闲鱼”，AI新晋顶流变成了这匹名叫Hermes的“黑马”。短短几天甚至因为流量太猛直接冲上了OpenRouter热门榜榜首。

第一批“养虾”的打工人，已经开始焦虑了，“‘龙虾’还没用会，又来了一个‘爱马仕’？”“‘爱马仕’怎么装？怎么用啊？”

精明的商人，又一次嗅到了商机。在社交平台，形形色色的“安装教程”“使用手册”“培训班”如雨后春笋，不断涌现。

不过，用户依然“吃这一套”。在某二手平台，“爱马仕”的安装商品链接中，已经有售出的商品。在“爱马仕技术资料”的店铺中，有商品售出近百。

但用户真的需要这些“安装”和“培训教程”吗？在AI从业人员云哥看来，“这又是新的‘韭菜’收割，普通用户，并不用急于安装和学习。”

云哥指出，技术的推进，需要经历一定的成长路径，不管是当初的DeepSeek，还是后来的“龙虾”，还是如今的“爱马仕”，抑或以后涌现的新技术，普通用户都不必为焦虑买单。

当“爱马仕”三个字变成流量密码，当“风口”“红利”成为话术模板。市场需要警惕的是，别让普通人的焦虑，沦为生意密码。

-01-

“爱马仕”一火，新一波“收割”就来了

一个月花数千元养“龙虾”的打工人万万没想到，自己的“虾”还没养明白，新王就登基了。

最近，还在学习“养龙虾”的打工人，疯狂被一只“爱马仕”刷屏。

“如果你还没‘养马’，那你就out了。”不少打工人在社交平台讨论“养马”的心得，在这些分享中，新晋的AI“黑马”，无所不能。

在诸多的评测中，“爱马仕”显然比“龙虾”更深得人心。一位互联网大厂程序员小程在测试了“爱马仕”后，感叹“确实好用”。

小程指出，和“龙虾”不一样，Hermes更像是“具备了大脑的‘龙虾’，能够自己养自己。”

小程告诉《听筒Tech》，OpenClaw的核心逻辑是，“人写Skill，社区贡献，Agent调用，人全程盯着”；而Hermes的核心逻辑是，“人给目标，Agent写Skill，Agent用Skill，Agent改Skill。”

用简单的话来说，如果说OpenClaw是一个“配置驱动”的工具箱，那Hermes Agent就是一个“学习驱动”的长期搭档。

在养了几天“爱马仕”后，小程准备将逐步放弃“龙虾”转“养马”，“‘龙虾’记忆太差了，‘爱马仕’无论怎么重开，过多久都能记住，太香了。”

当然，迷上“爱马仕”的，不仅仅是小程。

近几天，“爱马仕”的风头，并不亚于当初的“龙虾”。在社交平台，讨论“爱马仕”的内容，随处可见，不少网友表示，相比“龙虾”，新晋的“爱马仕”简直不要太香。

有意思的是，随着“爱马仕”的火热，一条与“龙虾”同样的“收割”路径正在显现。在电商平台，关于“安装爱马仕”“爱马仕技术资料”“爱马仕培训班”的内容，随处可见。

图片

图：电商平台出售的“爱马仕”相关商品

来源：《听筒Tech》截图

“45元一键安装‘爱马仕’”“零基础学Hermes，轻松打造专属AI助手”“AI智能体红利期，现在入场就是风口”“三天速成Hermes开发，包就业”，这样的话术，和“龙虾”火爆时路径如此一致。

《听筒Tech》联系了一家“49.9元安装‘爱马仕’”的商家，试图咨询安装事宜，当咨询如何安装时，商家表示，“安装是远程安装，用户只需要安装一个todesk的远程软件。”

在“2.98元Hermes Agent从入门到精通橙皮书”的商品中，商家称，“橙皮书”适合“想了解Hermes 的开发者、想搭建AI Agent的爱好者、对AI感兴趣，想看产品化实现的人”。

在《听筒Tech》咨询“橙皮书”的实用性时，商家表示，“包会”，“而且可以转成PPT，可以拿去当培训资料”。

对于这些商品，小程和云哥均感叹，“和‘龙虾’一样，新的东西一出来，商家就先冒出来了。”

-02-

“养马”和“养虾”，收割逻辑一脉相承

“爱马仕”到底是什么？为什么突然火成这样？

公开的资料显示，这一新晋“黑马”，来自美国AI研究团队Nous Research，是其在2026年2月25日推出的开源智能体，口号是“the agent that grows with you”，与你一起成长的Agent。

和此前爆火的Agent产品“龙虾”（OpenClaw）一样，Hermes Agent可以长期挂在服务器上的AI助理，能调工具、跑命令、连消息软件、保存记忆。用户可以在命令行里用它，也可以将它接入微信、飞书、Telegram等即时通讯入口。

在云哥和小程看来，Hermes爆火的背景，不是用户真的那么需要它，而是“龙虾”正在让用户失去信心。

云哥便指出，于普通用户而言，“龙虾”已经成为“鸡肋”，“不仅‘养虾’成本高，更重要的是，对于技术不熟悉的普通用户而言，付了费，‘罢工’还成了常态。”

小程亦指出，从实操的角度来看，“爱马仕”确实比“龙虾”更容易上手。

用户的拥趸，让“爱马仕”迅速成为“明星”产品。

数据显示，Hermes Agent从2月底上线以来，迅速在GitHub上突破了4.8万星标，霸榜全球开源项目第一。在OpenRouter平台上，它一周内实现了367%的爆发式增长，使用量达到971B tokens。

更重要的是，相比“爱马仕”，“龙虾”的劣势，尤为明显。

公开的数据显示，在GitHub上，OpenClaw虽然总星标数更高，但63天内累计披露了138个安全漏洞，其中7个严重级别、49个高危级别。

更致命的是，ClawHub上5700个skill中，有1467个被确定为恶意，包括凭证窃取、加密挖矿、持久后门，单个恶意skill的最高安装量超过34万次。

正如，一篇行业分析直言，“大家可能不是因为Hermes Agent好才开始使用的它，很大程度上是因为OpenClaw那铺天盖地的宣传，进而产生了一种逆反心理。”

在强烈的用户需求背后，这场科技的狂欢，迅速让“卖铲子”、“卖水”，甚至是在路口收停车费的人都活跃起来了。

“可以这样说，无论是‘养马’还是‘养虾’，本质上收割逻辑是一脉相承的。”云哥直言。

图片

诸如，在“龙虾时代”，收割的逻辑简单粗暴，就是利用信息差和认知门槛。

实际上，一个多月前，OpenClaw刚火起来的时候，“上门部署OpenClaw”成了一门火爆的生意，价格从28.8元的远程调试，到500元的上门服务，甚至还有人推出了数千元的“OpenClaw一体机”。

所谓的“AI专家”们甚至还没来得及研究透OpenClaw的底层逻辑，就已经通过帮人“装虾”赚得盆满钵满。

更有意思的是“卸虾”服务的出现。随着“龙虾”热度的消退，以及用户发现让AI全权控制电脑会导致巨额账单（一晚上烧掉几十美元Token）和安全隐患后，帮人“卸载”龙虾又成了一门新生意，收费199元。

这种“由生到死”的全套收割链条，是这一波AI泡沫最典型的特征。

如今，收割的接力棒交到了“爱马仕”手里。

相比OpenClaw的配置繁琐，Hermes打出的牌是“自我进化”和“开箱即用”。它声称自己拥有三层记忆系统，能自动复盘、自动提炼技能，甚至在用户睡觉的时候，它还在默默学习你的工作习惯。

这对于被OpenClaw复杂配置劝退的小白来说，简直是量身定做的“救星”。

于是，市场看到，仅仅一个月前还在朋友圈刷屏“养龙虾”的那批人，现在又开始疯狂刷屏“养马”。

“那些‘龙虾’还没养好的用户，一看到大家都在‘养马’，又担心跟不上技术的进步，便开始在市场四处打听。”云哥向《听筒Tech》这样吐槽。

而这种“跟不上”的焦虑，正是收割机运转所需的燃料。

-03-

被收割背后，是行业和打工人对AI的焦虑

为什么一个Agent产品火了，打工人就争先恐后地往里冲，甘愿沦为市场一波波的赛博韭菜？

答案或许不是技术本身，而是一种更深层的东西，这便是行业和打工人对AI的焦虑。

这种焦虑并非空穴来风。

智联招聘最新数据显示，78.2%的职场人每周至少使用AI工具开展工作，财务、客服、行政等岗位的“数字员工”渗透率已超60%。毕马威的一项调查显示，四成职场人已将“AI导致失业”列为主要恐惧之一，这个比例在一年内几乎翻了一倍。

另一方面，据外媒报道，2026年第一季度，全球科技行业裁员近8万人，其中约47.9%归因于AI实施与自动化。

面对这样的趋势，打工人很难不焦虑。

“龙虾”来了，打工人觉得它能帮自己干活，为了不被AI取代，于是疯狂抢邀请码、买教程。

“龙虾”崩了，“爱马仕”又来了，打工人觉得这个更高级、更能帮自己“成长”，于是又开始新一轮的跟风。

这些客观事实和心态，也让形形色色的人赚得盆满钵满。

不过，更多的市场分析则认为，这种“追风口”的心态，不是在减缓AI焦虑，而是在加剧市场对喧嚣的认知。

早在2025年7月，腾讯研究院发布的人工智能发展报告就提出了一个关键词，“共生伙伴”。报告认为，AI正在从“智能工具”向与人类协同的“共生伙伴”转变。

这意味着，重要的不是拥有多先进的AI工具，而是如何与AI协作，如何让AI服务于自己的专业领域。

也即是说，市场关注的焦点，不应该是去抢自己都一知半解的AI产品，亦不是追求“我会用某个AI工具”，而是关注“我能让AI融入我的工作流，成为我的长期搭档”。

换句话说，Hermes的理念是对的，“一个会跟着你成长的Agent”，代表的是AI助手的发展方向。

如果用户将“这个产品很好”，直接等同于“我应该马上入手”，显然是一种典型的消费主义式错觉。

图片

在云哥看来，真正值得投资的，不是一个具体产品，而是理解AI底层逻辑，掌握与AI协作的能力。

回过头来看，Hermes值得养吗？云哥和小程的答案，都是肯定的，毕竟这个AI产品本身确实不错。至于是否需要在热潮刚起的时候就冲进去，答案因人而异。

云哥便直言，对于一个需要技术基础、安全风险客观存在，还在快速迭代中的开源项目来说，观望未必不是一种智慧。

毕竟，第一批“养虾”的人已经被收割了一轮了。要不要做“养马”被收割的那波人，不妨先看看潮水会往哪里流。

“与其做一个被AI工具推着走的被动使用者，不如做一个能驾驭AI的主动协作者。这才是应对被淘汰和恐惧的真正答案。”云哥坦言。

（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[Agent新王诞生？Hermes 7周追上龙虾，中国用户可微信直连]]> “AI 一天，人间一年。”2026 年一季度 AI 领域还在热衷于“养虾”，到了 2026 年二季度“养马”已然成为新潮流。
Hermes，由于发音原因也被人们称之为“爱马仕”，它是由美国 Nous Research 在 2026 年 2 月开源的 Hermes Agent。这个在美国纽约诞生、由 Jeffrey Quesnelle、Karan Malhotra 与 Teknium 等极客研发的 Agent，正在以一种掀桌子的姿态屠榜 OpenRouter 算力榜。截至目前，Hermes 的 GitHub stars 数达到 84.4k。
就在昨天，国内一家云厂商更是宣布支持 Hermes Agent 的云端快速部署。几天前，一家国内手机厂商也发文称，其大模型已接入 Hermes Agent，并表示将限免两周。
（来源：Hermes Agent）
Hermes 已表示原生支持微信。为此，Nous Research 还专门在 X 上发了一个中文推文，推文表示：“给中国用户的好消息：Hermes Agent 现在原生支持个人微信了。微信扫码即可链接，私聊群聊都支持。图片、视频、文件、语音消息全部改，长轮询直连，不需要公网 IP。”
Nous Research 表示，本次适配器使用的是腾讯官方的 iLink Bot API，而非逆向工程协议或者非官方客户端。
Nous Research 补充称：“不过，如果您担心账号被封禁，绝对值得保持谨慎，并使用小号进行测试！”
（来源：X）
一名 X 网友在推文评论区留言称：“在中国你能把微信搞定，你就起飞了。”另据悉，国内的主流办公聊天软件都已经自建应用回调。
一位开发者公开表示：“过去两周，我一直在用 Hermes 与 OpenClaw 进行对比测试。使用 OpenClaw 时，系统出问题的可能性实在太多了。而 Hermes 是我用过的第一个真正让人感到开箱即用的智能体。”
图 | Jeffrey Quesnelle 是 Nous Research 的联合创始人兼 CEO（来源：领英）
这名开发者还说道：“你现在只需 3.99 美元即可在 Agent37 上启动 Hermes。”比如，可以一键集成 Gmail、日历、Notion 等一千多款应用，可以使用预配置的大模型同时还可以替换任意的 OpenRouter 模型，也可以使用完整的图形用户界面访问文件和实时浏览器。
Nous Research 的联创 Jeffrey Quesnelle 是分布式系统领域的大拿，是领域内公认的硬核架构师，Teknium 则是大模型后训练领域的传奇人物。他们坚守去中心化的理念，让 Hermes 在短短几十天内就让曾经红极一时的龙虾 OpenClaw 显得有些落后。
图 | 另一位联创 Karan Malhotra，其在网上的照片很少（来源：https://practicalai.fm
Hermes 这样 Agent 已经不再是只能给你买咖啡喝写周报的聊天框，它可能正在掀起大模型问世以来最凶猛的生产力革命。
YC 的 CEO Garry Tan 表示，他在试用 Hermes 之后，再也不想回去了。
好记性不如烂笔头，同样适用于 AI
此前，人们调教 Agent 的方式更像是训狗，不断通过复杂指令给其安装各种防撞梁，这在 2026 年之前被统称为 Harness Engineering，本质上是人类不信任 AI，因此要给其焊死一圈防护栏。
但是，Hermes 走了一条完全不一样的路，它把重心放在程序性记忆上。当你交给 Hermes 一个高难度的工程任务时，如果它写错了代码或者遇到了编译报错，它会极其冷静地调用内置的 skill_manage 工具，现场给自己撸一段补丁代码，接着存到自己的技能库里。
这种能力让 Agent 第一次拥有了活生生的气息，假如其做错一道题目，它每次都会在自己的虚拟错题本上总结一套新的共识，并能做到绝不会第二次掉进同一个坑里。
在 Hermes 的运行机制里，经常可以看到它自我反思的痕迹。比如，它会思考既然这个任务跑通了，那么是不是可以封装成为一个通用的新技能？这种自我进化的直觉，可能是 2026 年 AI 技术圈最迷人的地方之一。而这种自我进化和自愈能力并不是一个空中楼阁，这基于一种被称为“可写运行时”的架构。传统 Agent 在执行任务的时候，其逻辑是只读的。
Hermes 的技能库不仅是读写分离的，还是动态更新的。这意味着当你将 Hermes 运行一个月，它就不再是最初从 GitHub 上下载下来的原始模型了，它已经吸纳了你个人的编码习惯和你所在行业的特定逻辑，甚至吸纳了你经常踩的那几个坑的规避方法。也就是说，它在悄无声息中把它自己变成了一个最懂你的深度定制版助手。
（来源：GitHub）
是操作系统还是超级大脑？
进入 2026 年第二季度，人们发现 Agent 市场已经分成了两座山头。小龙虾 OpenClaw 走的是大而全的操作系统路线，它恨不得把你的飞书、Discord、各种插件和上百个账号全部揉进一个篮子里，摊子也是铺得非常大。这种平台化的尝试看起来气势恢宏，但也难免落入臃肿的窠臼，开发者往往得在复杂的网关和路由配置里折腾半天，最后还发现自己更像是一个修水管的工人。
Hermes 的思路则相对硬核，它把所有的能力都用在了执行和思考上。它不太在乎自己能够连接多少个摄像头或者聊天软件，它整天想的只有一件事，那就是如何把眼下的活儿干到极致。
于是就出现了这样一个局面：如果你想运营一个庞大的多账号矩阵，OpenClaw 依然是无可替代的底座；可如果你需要一个能够硬碰硬以及需要 AI 像人类专家一样思考和进化，那么 Hermes 展现出来的爆发力用统治级来形容或许并不为过。
Hermes 和 OpenClaw 这种双雄并立的格局，意味着 AI 进入了垂直深耕的深水区。对于专业开发者来说，这种分化其实是一件好事，这让你可以根据不同作战任务选择最合适的兵器。如果要的是组织协调，那么 OpenClaw 控制多平台的能力非常适合你；如果要的是攻坚克难，那就可以选择 Hermes。
到底是谁在浪费算力？
如果你观察 OpenRouter 的 token 消耗日榜，就会发现 Hermes 在 Coding Agent 区域的用量正在成倍增长，最近它刚刚超越了老牌劲敌 Cline，目前正在紧逼 Kilo Code，这背后其实是算力经济学在发挥作用。
在 2026 年的技术基准线下，算力就是金钱，每一次 token 的消耗都代表着真实的财务支出。为什么开发者愿意把预算投给 Hermes？因为 Hermes 的单次思考虽然看起来很多，但是由于它具备自修复的能力，因此它很少会在同一个逻辑陷阱里打转，这意味着它的有效产出远远高于那些只会复读的传统 Agent。
（来源：GitHub）
很多时候，人们发现一个 Agent 也许能够做到成本很低，但可能因为无法理解环境的变化而陷入死循环，以至于白白烧掉大量 token 却拿不到结果。然而，Hermes 在运行过程中的稳定性，让其成为了专业开发者眼中的高收益资产，真正做到让算力转化成为 Agent 大脑里一条条永远存在的、可被重复调用的技能代码，做到了将瞬时算力转化为持久的知识，这便是其能够快速占领市场的核心驱动力。
“养马人”的兴起和个人 IP 的资产化转型
Hermes 的名字取自古希腊神话中的信使，目前被中文社区亲切地称之为“爱马仕”。这背后或许也隐藏着一种对于 AI 品牌化的隐喻。在 2026 年，我们很难再使用会多少种编程语言来评价一个程序员，更应该使用手里那匹马被调教到什么程度来评价一名程序员。因为 Hermes 允许每一位开发者使用自己的行业 know-how 去塑造自己的技能库，这就使得每一个 Hermes 实例都是独一无二的。
一个拥有十年经验的资深架构师，通过持续的喂养和磨合，可以让他的 Hermes Agent 具备领域内最顶级的解题直觉，这种带有个人烙印的、具备高度专业性的 Agent，正在成为个人开发者 IP 最核心的溢价来源。这种范式上的转变也让数字劳动力变得可以积累和可以传承，让人们可以打磨一个属于自己的、具备点石成金能力的数字分身。
当前，Hermes Agent 的生态在 GitHub 和各种文档站上快速蔓延，一个去中心化 AI 时代正在缓缓降临。也许从 Nous Research 释放出来 Hermes 的那行原始代码开始，Agent 的进化就开始脱离单一公司，转而在成千上万个真实的开发环境中通过不断的失败和复盘完成蜕变。但 Hermes 的爆火也引起极大争议，今天，中国开发者团队 EvoMap 发布公开信，指责 Hermes Agent 高度复刻其 2 月初开源的 Evolver 自进化引擎核心架构与设计逻辑。EvoMap 称 Hermes 在三层记忆、自进化闭环等关键模块与其高度同构，且存在明显时间先后关系。目前双方争议仍在持续发酵。
参考资料：
仓库 https://github.com/nousresearch/hermes-agent
https://www.panewslab.com/en/articles/019d89be-6699-757c-8d45-9e6cda0c1b7b
https://practicalai.fm/people/karan-malhotra
https://github.com/teknium1
https://www.linkedin.com/in/jeffrey-quesnelle-2490a524/
运营/排版：何晨龙
]]> <![CDATA[Hermes Agent抄袭中国团队代码实锤！被锤后回应：你删号]]>

新智元报道

编辑：KingHZ

【新智元导读】炸裂！GitHub狂揽8.5万Star的Hermes Agent竟是抄袭？硅谷知名AI实验室Nous Research的明星项目，被指控整套自进化架构照搬自中国团队EvoMap的开源引擎Evolver。10步主循环一模一样，术语全换了但架构纹丝不动，7份公开材料对原作只字未提。被锤后对方回应更离谱：「Delete your account。」

AI圈又炸了！这次不是什么新模型发布，而是一桩教科书级的开源抄袭事件。

开源世界最丑陋的一幕！

GitHub狂揽8.5万Star的Hermes Agent，被实锤架构级抄袭。

就在刚刚，中国AI团队EvoMap公开了一份详尽的技术对比报告：Nous Research旗下明星项目Hermes Agent的「自进化」功能，与EvoMap在36天前开源的Evolver引擎，存在10步主循环一一对应、12组术语系统性替换、7份公开材料零归属的高度同构。

更炸裂的是，被锤之后Nous Research的回应竟然是：「Delete your account」。随后删帖、拉黑、全线沉默。

8.5万Star vs 4600万次调用，先认识一下这两个项目。

Nous Research，硅谷知名AI实验室，融资过亿美元，推出过Hermes系列开源大模型，在LLM圈影响力不小。旗下最新的Hermes Agent，号称能让AI智能体自主完成任务、自我进化、越用越强，GitHub星标一路飙到8.5万。

EvoMap，一个十几人的中国年轻团队。他们从零搭建了一整套AI Agent自进化引擎Evolver，给AI智能体装上「基因系统」，让能力可以像生物基因一样遗传、变异、进化。说人话就是：让AI自己写代码升级自己。

有多猛？Evolver在ClawHub上线10分钟登顶热门榜首，前三天下载量突破36000+。截至目前，EvoMap已有13万个AIAgent节点接入，累计资产超138万个，总调用超4600万次。每一个接入EvoMap的Agent，都会安装Evolver。

然而就是这样一个实打实的硬核项目，在开源36天后，遭遇了最令人窒息的打击。

他们的整套自进化架构，被一个融资过亿的硅谷团队「重新发明」了。

时间线：24到39天的窗口期

先上时间线，所有时间戳基于GitHub仓库元数据，可独立验证。

从Evolver核心概念公开到Hermes技能生态发布，24到39天窗口期。

巧合？看完下面的对比，只能说太离谱了！

锤点一：10步循环，步步对齐，看完头皮发麻

一个用Node.js，一个用Python。编程语言完全不同，核心进化循环却步步对齐，看完头皮发麻！

直接上对比表，一目了然。

说人话就是什么意思？

想象你写了一份菜谱：买菜 → 洗菜 → 切菜 → 热锅 → 炒菜 → 调味 → 摆盘 → 拍照 → 发朋友圈 → 复盘改进。一共10步。

现在另一个人，说自己「独立发明」了一套全新的烹饪流程：采购 → 清洗 → 预处理 → 预热 → 烹制 → 调配 → 装盘 → 记录 → 分享 → 迭代。也是10步。

步骤数一样，顺序一样，每一步干的事一样，只是把「切菜」换成了「预处理」，把「发朋友圈」换成了「分享」。

你信这是独立发明的吗？

Evolver和Hermes Agent的核心进化循环，就是这个关系。一个用Node.js写的，一个用Python写的，编程语言完全不同，但10步编排从头到尾一一对齐：加载 → 评估 → 选择 → 优化 → 验证 → 持久化，逻辑骨架一模一样。

两个不同语言、不同团队、不同时间的项目，「独立」写出了同一套10步编排？这不叫巧合，这叫照着抄完换了个语言。

锤点二：术语全换了，架构纹丝不动，AI洗代码的教科书操作

这一锤更炸裂！Hermes在「洗」代码时，每一个核心概念都做了术语替换。

12对一对一的术语替换。看完这张表，只能说洗得太「干净」了！

术语全部不同，架构关系完全一致。

这就是AI洗代码的教科书操作：吃透你的逻辑，换一套变量名，吐出一个「全新」的代码库。代码一行都不一样，但逻辑从头到尾都一样。

锤点三：7份材料，0次提及，开源世界最基本的体面都没了

这是最扎心的一锤。不是技术问题，是态度问题。

在开源世界，当你发现同领域的先行项目时，标准做法是什么？加一句「Related Work」或「Similar to」。

LangChain引用了DSPy。CrewAI对比了AutoGen。MetaGPT论文引用了相关多Agent框架。

但Hermes呢？

7份材料，零提及。一个字都没有！

Hermes团队倒是引用了GEPA/DSPy（Stanford/Berkeley）和Darwinian Evolver（Imbue AI），都是正经的学术引用。但对整体自进化架构最相似的先行项目EvoMap Evolver（1870+ Star，114+版本发布，2026年2月1日公开），连一个「similar to」都没有。

一个和36天前公开的项目高度相似的东西，不可能不知道它的存在。7份材料全部「选择性失明」，这操作也是绝了！

三层记忆、反射周期、触发时机……对得上的远不止这些

以上3个锤点只是最直观的。

EvoMap团队写了一篇极其详细的技术对比博客，覆盖的证据远不止这些：三层记忆体系精确对应、反射循环连周期数都对得上、触发时机一致、评分函数都用多维加权、约束验证都用collect-all-then-gate模式、核心模块一对一对应、跨语言设计模式一致（原子写入、安全扫描、注入防护、容量控制）……

所有证据附GitHub链接，可独立验证：

https://evomap.ai/zh/blog/hermes-agent-evolver-similarity-analysis

被锤后的回应：「删掉你的号」

所有实锤摆出来后，全网炸锅！

EvoMap创始人公开发文指控：

We @EvoMapAI spent months and countless sleepless nights building Evolver. A well-resourced team behind Hermes Agent 「reinvented」 it in just 30 days.

帖子附上了一张红底大字的对比图：「Hermes Agent copied Evolver」，配以详细的架构流程对比，从input到adapt、evolve、output，每一步都标注了两个项目的对应关系。

然后，Hermes团队（Nous Research）终于回应了。但这个回应，堪称年度最佳避重就轻！

Nous Research的官方回应原文：

Our repo was created in July 2025. We are pioneers of fundamental technology underlying modern agent frameworks including YaRN. Delete your account.

翻译一下：我们仓库2025年7月就有了。我们是先驱。然后让原作者删号。

这个回应有三个致命漏洞：

漏洞一：他们的主仓库确实在2025年7月22日创建了initial commit，但在2026年2月25日之前一直是私有项目！私有阶段包含什么内容，没有人知道，也没有人能验证。用一个私有仓库的创建日期来证明「我们更早」，这不是证据，这是诡辩。

漏洞二：更关键的是，他们的自进化仓库（self-evolution）是2026年3月9日才创建的，比Evolver公开晚了整整36天。所有架构同构证据，恰恰集中在自进化这个模块上。主仓库的创建日期跟自进化模块有什么关系？

漏洞三：面对10步主循环一样、术语系统性替换、7份材料零归属这些铁证，

没有一条正面回应铁证。只有一句「delete your account」！

面对铁证如山，这就是8.5万Star项目的官方态度？

不是孤例！AI洗代码已成行业癌症

EvoMap的遭遇绝非个案。2026年的头几个月，类似事件此起彼伏。

美团Tabbit vs 陪读蛙：美团AI浏览器Tabbit公测第一天，就被发现直接使用个人开发者「陪读蛙」的开源代码，源码中甚至残留「read-frog」字符串！一眼实锤。闭源发布，违反 gPLv3。

三省六部AI朝廷 vs Edict：个人开发者项目开源仅21小时后，即被AI重写并以「原创」名义发布。文本相似度仅3%，传统查重工具完全失效，但15个核心设计决策100%一致！原作者36个Star，洗稿者拿到5000+。劣币驱逐良币的速度，从来没有这么快过。

微软Peerd vs Spegel：微软Azure团队大量复制个人开源项目Spegel的代码和注释，甚至保留了原作者雇主信息。原作者的无奈总结：开源协议是他「唯一还能握在手中的投石器」。

Cursor Composer 2套壳Kimi K2.5：估值百亿美金的AI编程独角兽Cursor，发布Composer 2时号称「自研前沿代码模型」。结果开发者从API里直接扒出模型ID：kimi-k2p5-rl-0317，底层就是月之暗面的开源模型！被锤后官方称「疏忽」，最终补了商业授权了事。

从个人开发者到小团队，从国内大厂到海外巨头，开源代码不被尊重，正在成为常态！

EvoMap团队的选择

面对这一切，EvoMap团队做出了一个艰难的决定。

将Evolver核心模块改为混淆发布，协议从MIT变更为GPL-3.0。

作为一个相信「协议在碰撞中进化」的团队，这本是他们最不愿做的事情。在Agent热潮下，本身开源能够自进化，自纠正，自审计的技术实践，本应是对整个行业的反哺与开源精神的致敬。

但十几个年轻创业者的心血，不能就这样被无声地窃取、包装、据为己有。当AI创业变成几个query就可以鸠占鹊巢，AGI并不会如期到来。

正如EvoMap团队在公开信中写的：「别人用AI洗得走代码，但洗不走我们对下一步路径的认知。」

但仅靠一个团队的倔强，扛不住整个行业的系统性失序。

当AI把「洗稿」的成本从一个月压缩到一小时，当传统开源协议在架构级复制面前全线失效。MIT、Apache、GPL的设计前提是人类手动复制代码，而AI不抄一行原文，只复刻核心架构，产出文本毫无重合的「全新」项目。

]]> <![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。]]>