<![CDATA[数码讨论]]> <![CDATA[AI时代智能手机“捕获”学生专注力，高等教育面临挑战[3P]]]> 6月10日，搜狐文化“技术与人”阅读沙龙于北京搜狐媒体大厦举办。北京大学新闻与传播学院教授胡泳、清华大学政治学系教授任剑涛、清华大学社会科学学院院长王天夫，与本场沙龙特邀主持人、北师大北京文化发展研究院研究员程光泉，围绕“AI时代如何寻找快乐、意义与智慧”主题展开对谈。

在沙龙中，胡泳结合《后人类的后真相》一书，从信息传播的角度，阐释了AI等信息技术的发展对学生成长带来的影响。他认为，AI短剧、短视频的传播，使得年轻人愈发缺乏专注力和耐心，这对电影长剧等内容生产方，乃至大学教育都产生了强烈冲击。
此外，面对AI技术冲击出现的焦虑和孤独感，胡泳认为人们需要更深入地思考人的本质，找到人生的意义。他提出，人与AI的本质区别就是具身性，人能通过身体与周围环境的丰富活动，找到人生的独特意义。在此基础上，胡泳强调了“利他”“向善”的意识观，并提倡人与世界的真实连接与友好合作，如此方能共同促进社会良性发展。
以下，是他在对谈中分享的主要观点。01 AI时代智能手机“捕获”学生专注力，高等教育面临挑战
移动互联网的出现，显然重塑了人们的思考与生活方式。沙龙中，胡泳引用《焦虑的一代》一书中，美国社会心理学家乔纳森·海特的观点：从2012年起，这代孩子已经被智能手机“捕获”。
胡泳用了一个形象的比喻阐释信息技术发展对社会的影响：“每个手机、每台电脑都是《爱丽丝梦游仙境》里爱丽丝掉下去的那个兔子洞，学生虽然身在课堂上，但实际都在兔子洞里活动。而且只要打开手机或电脑，他就一定会掉到兔子洞里。”
无论是流行的短视频黄金3秒法则，还是“一拨一划”的媒介使用设计，高密度的视听觉刺激都在一步步让大脑“上瘾”。基于此，胡泳认为人们已经越来越难以忍受消费长内容和深度内容，而电影媒介可能首当其冲面临消亡的风险，“在一个连看短视频都需要倍速的社会里，他怎么会去看电影或者长剧集？他怎么可能去读书？不可能的。”
此外，随着AI技术的出现，胡泳进一步指出，媒介文化正从传统的耕耘式向采摘式转变。当下流行的AI短剧等AIGC内容，多是算法和数据的堆砌，用户们直接“采摘”消费即可，不再需要真人演员和内容制作者的精心耕耘。
胡泳担忧地表示，在这样的文化环境中，久而久之学生会逐渐丧失耐心、专注力和深度学习的能力，而高等教育阶段的专业门槛和研究难度，却需要学生具备这些能力。胡泳透露，“某些高校正大力开发10分钟一节的网课，学校说10分钟内不能抓住学生的注意力，就是失败的网课。”大学教育受到的冲击可见一斑。
对此，他提出了一种理想化的改善方案。一是放宽大学修学年限，降低试错成本。使学生有机会在校园内或者社会上探索更多人生发展方向；二是开放校门，发展老年大学教育。老年人可利用退休后的充裕时间，从事纯粹的读书学习。
这是胡泳对于大学教育发展的畅想，在他看来人生的意义不在质而在于量，“如果你把一辈子过成了若干种人生，我觉得是最好的人生”。未来，如何改进教育制度和教学方法，以充分实现高等教育的价值，已然成为一种新的挑战。

02人的肉体是人工智能无法替代的优势
谈及AI技术带给人们的存在感焦虑，胡泳认为只有每个人都去思考“人何以为人”，才能确定人区别于AI的独特价值，这便涉及了一个哲学问题——人的同一性。
胡泳表示，人们往往会通过大脑中存在的记忆、情感和意识，来界定一个人的过去、现在和未来是统一的，从而证明这个人的存在。但当他面对患有阿尔茨海默病的母亲时，他发现这个论断不完全成立。
他发现，即使母亲失去了部分记忆和意识，但他通过每天接触、照护母亲的身体，同样能证明“我妈是我妈”。由此，他认为除了意识之外，一个人的身体也能构成人的同一性。
在胡泳看来，“目前人工智能的主流发展方向，过于强调头脑而忽略了身体”。他表示，在人工智能时代，人与人工智能最本质的区别就是肉体，这恰恰是人的优势。
通过自己身体的在场、他人身体的在场，人可以与周围的人和世界产生各种各样的互动——触摸、对话、拥抱、亲吻等等。通过这些身体上的接触，人会产生丰富的情感体验和认知，并由此建立起人与人、人与社会之间不同的相处模式，这就是具身性。
胡泳认为，在人工智能时代，新的人文主义应该更加提倡“具身性”，这是人工智能无法替代的。

《后人类的后真相》胡泳 著03当代人自我中心意识太强，需要多强调“利他”“向善”来纠偏
北京时间6月5日，美国人工智能公司Anthropic发布长文称，当前AI已经能够通过“递归自我改进”的路径研发下一代AI，超级智能不再只是想象。
胡泳认为，面对人类智能与AI的差距愈发悬殊的情况，除了强调人的具身性特点之外，找到自我存在的意义，能够更好地帮助人们抵抗技术冲击带来的焦虑感。
由此，他提出两种意义观。一种是主观的意义，即做一件事情，无论他人如何评价，自己觉得高兴便是有意义的。另一种是客观的意义，即做一件事能够造福他人便是有意义的。
胡泳认为，二者并无对错之分，但现代社会里人们的自我中心意识过强，每个人都“自恋”，网络中充斥着个人对外界表达不满的情绪。在这样的情况下，他觉得需要多强调“利他”“向善”等客观的意义来纠偏。
胡泳觉得，只有人与人、人与环境之间建立更多友好合作关系，方能让社会整体良性发展。在他看来，“这样既照顾了自我也照顾了世界，是最圆满的人生意义”。]]> <![CDATA[AI时代如何寻找快乐、意义与智慧[4P]]]> 在搜狐文化举办的“技术与人”阅读沙龙上，北京大学新闻与传播学院教授胡泳打断了清华大学政治学系教授任剑涛的发言。一场围绕人工智能与人类未来的讨论，很快演变成一场精彩的论战。
胡泳提出，人类的优势是拥有肉身、情感与有限性，这些都是机器无法复制的，要提倡关系性，人文主义才能在AI时代立于不败之地；任剑涛则认为，胡泳用18世纪逻辑考虑21世纪问题，AI不会让人失去自身定义和人生意义，因为“机器会计算，但人会算计”。
关于超级智能是否会威胁人类，两位学者也给出不同判断：任剑涛相信，技术始终是人类主导的成果，不会把人变成“废物”；胡泳则提醒，当智能突破人类尺度后，人类在其眼中或许会像猩猩、甲虫之于人类一样渺小。
面对两人的交锋，清华大学社会学系教授王天夫将讨论拉回“人的意义”。他认为，无论是任剑涛强调的“不损人”之底线，还是胡泳倡导的自身“向善”，最终都指向同一个问题：在AI时代，如何维系人与人之间的连接与合作。

6月10日，搜狐文化特邀北京师范大学哲学学院教授程光泉主持“技术与人”阅读沙龙，围绕“AI时代如何寻找快乐、意义与智慧”与上述学者展开对谈。从AI带来的焦虑，到人与机器的边界，再到人生意义与人文教育，他们既有共识，也有争论。
而这些思想碰撞，恰恰折射出一个时代最核心的追问：当AI不断逼近人类能力边界，我们究竟该如何重新理解“人”，以及如何在技术洪流中安放自己的生活与意义。

AI为什么让人焦虑？
话题从焦虑开始。
王天夫坦言，自己也感受到了AI带来的压力。过去，大学教授常被视为最不容易被AI替代的职业之一。但自从接触大模型后，他开始意识到，AI对高等教育的冲击已经到来。
在他看来，三五年前大学生上课投入度下降已很明显，而近一两年，部分教师对课堂的热情似乎也在减弱。未来大学会变成什么样，教师又该扮演什么角色，这些都成为教育界不得不面对的问题。
任剑涛则认为，人类数千年来一直把机器当作工具，但AI的发展第一次让人担心，自己会不会反过来成为机器的工具。不过他并不把焦虑完全看成坏事。在他看来，正是这种焦虑，促使人们重新思考什么是人，人与机器应当如何共存。
胡泳则把焦虑放到更大的社会背景下理解。他认为，中国人对新技术尤其敏感，总担心“落后就要挨打”。从过去追逐各种产业风口，到今天追逐AI热潮，人们总会产生一种“不跟上就会被淘汰”的紧迫感。某种意义上，AI焦虑也是这种社会心理的延续。

人与机器，到底谁会取代谁？
面对焦虑，学者们尚能“保持队形”。当讨论进入人与机器的关系时，分歧开始出现。
胡泳认为，人类最大的优势在于拥有身体。很多人把肉身视为局限，但他认为，这是人工智能最难复制的部分。人的身体不断与环境发生互动，而这些构成了人类独特的存在方式。
因此，他主张重申一种“具身性的人文主义”。在他看来，人不仅需要身体在场，也需要人与人的身体在场，通过真实互动形成理解、共情与连接。胡泳坦诚，这些看法的形成，与长期照料罹患阿尔兹海默症亲人的痛苦经历有关系。
任剑涛则认为，人们仍习惯用过去的人本主义框架理解AI，本质上是在用18世纪的思维处理21世纪的问题。
在他看来，过去人们总把机器视为人的对立面，但随着具身智能的发展，人机关系正在发生变化。未来人与机器可能形成更加深度的协同关系，人类社会甚至会进入一种“人机共生”的新形态，因此教育和人文观念都需要调整。

超级智能来了，人类怎么办？
如果说前面的分歧尚属温和，那么谈到超级智能时，两位学者明显针锋相对。
任剑涛坚持认为，人类不必过度悲观。“机器会计算，但人会算计。”在他看来，即便AI未来在记忆和计算能力上远超普通人，它依然是人类智慧创造出来的产物。人类整体积累的智慧，也不可能被单个AI系统轻易超越。
胡泳则给出了完全不同的判断。他认为，人们习惯用人类自己的尺度衡量智能高低。但如果未来出现远超人类的超级智能，这种尺度可能失效。
他举例说，在人类眼中，猩猩和老鼠存在差别，但都远不如人类聪明。同样，在超级智能眼中，爱因斯坦与普通人之间的差距也许微不足道。
更重要的是，真正的超级智能意味着机器能够自我迭代、自我进化。下一代AI可能由AI开发，下一代机器也可能由机器制造。一旦进入这样的阶段，人类是否还能掌握主动权，将成为一个无法回避的问题。

AI时代，意义从哪里来？
关于超级智能是否会超越人类，学者各有判断。但比起遥远的未来，程光泉将现场讨论引导到一个更现实的问题：AI时代，人该如何寻找意义？
王天夫从社会学角度给出了答案。在他看来，人的意义最终来源于社会。人类之所以能够成为地球上的主导物种，不是因为个体足够强大，而是因为能够与他人合作。因此，人的意义从来不是孤立存在的，而是嵌入各种社会关系之中。
他认为，比起身体衰老，更令人难以承受的往往是社会关系的消失。当人与社会的连接不断减弱时，那种孤独感才最深刻。
AI时代，这种关系正发生变化。越来越多人际交往被搬到线上，面对面交流和情感互动正在减少。未来人与人如何连接，社会将以什么形式存在，或许比AI技术本身更值得思考。
胡泳认同这个观点。他认为，人生意义首先来自于对他人的贡献，其次来自于持续成长和不断完善自己。同时，每个人还应拥有属于自己的独特人生，而不是简单复制别人。
任剑涛赞同向善的价值追求，但更强调一种底线伦理：首先做到“不损人”。在不损害他人的前提下，个体完全有权选择自己的生活方式。他提醒，要警惕把某种“正确答案”强加给所有人，更要警惕权力借监管之名作恶。
讨论接近尾声时，话题又回到了课堂。
三位教授都注意到，学生越来越难保持专注。胡泳借用《爱丽丝漫游奇境记》中的“兔子洞”来形容今天的数字世界：“现在每一部手机、每一台电脑都是兔子洞。”学生坐在教室里，注意力却常常游走于各种信息流之间。
面对这样的时代，任剑涛提出“意义减负”；王天夫则提醒，不要用机器的确定性逻辑来裁剪充满不确定性的人生。
关于AI，他们没有形成统一答案。但在一点上，他们有着相近的判断：技术会不断进步，却无法代替人类去生活。快乐需要体验，意义来自连接，智慧则诞生于人与世界持续不断的互动。]]> <![CDATA[机器会计算，但人会算计，AI时代要警惕权力趁虚而入[4P]]]> 任剑涛认为，相比于担忧“AI让人生丧失意义”，其实还有个更值得警惕也更现实的问题，那就是AI到来时，有些人出于对技术的恐惧心理很容易呼吁更强监管，这就容易让权力趁虚而入。“如果我们要诉诸权力监管，会让权力有更恶劣的表现——它会把技术引导到对它们控制更有利的项目，这样是非常危险的。”
6月10日，搜狐文化在京举办“技术与人”阅读沙龙。北京大学新闻与传播学院教授胡泳，清华大学政治学系教授任剑涛，清华大学社会学系教授王天夫，北京师范大学哲学学院教授程光泉，围绕“AI时代如何寻找快乐、意义与智慧”展开对谈。

当AI不断突破能力边界，焦虑情绪、意义危机随之而来。面对AI带来的不确定性，人究竟在焦虑什么？又该如何重新理解自身价值？
在任剑涛看来，将焦虑简单归因于技术进步，或者一遇到技术风险便诉诸监管，都是值得警惕的思维惯性。他认为，如果技术本身有其发展逻辑，徒劳地遏制技术发展，对技术本身不利，对人们寻找新的意义同样不利。
他并不认为随着AI的发展，人类处境一定会越来越糟糕。相反，AI正在迫使人类重新思考人与机器、人与社会以及人与自身的关系。面对孤独、空虚与无聊，人们需要的不是不断叠加新的意义，而是给意义“减负”。
01 人们担心成为机器的工具
谈及AI时代为何会引发普遍焦虑，任剑涛认为，人类尚未真正进入“AI时代”，因为技术演进还有关键阶段尚未完成。但即便如此，AI已经给人类带来巨大冲击。
过去，人们通过学习知识、积累经验获得优势，但面对拥有海量参数和强大记忆能力的大模型，人很容易产生一种前所未有的渺小感。“从铁器时代到自动化时代，人类一直把机器视为工具。但随着AI发展，人们开始担心自己会不会反过来成为机器的工具。”

《孤独、空虚与无聊——AI时代的人类意义危机》徐贲 著
结合加州圣玛丽学院荣休教授徐贲的新书《孤独、空虚与无聊》，任剑涛认为，AI带来的焦虑具有双重属性：既是生存层面的，也是精神层面的。“我们每个人都是一个独立宇宙，日常社会已经让人感到孤独、寂寞和无聊，现在又增加了机器因素。”
更深层的问题则是：人还有什么用？在他看来，当大模型与人形机器人结合，具身人工智能让这种忧虑会变得更具体。过去，文科教师最引以为傲的是知识储备、阅读量和人生经验，但今天学生随时可以借助AI检索和校正信息。
“像我这样六十多岁的人，要追赶具身人工智能的发展，几乎无望了。”
这种变化带来的不仅是职业压力，更是一种深刻的孤独感和无援感。“很多年轻人不读书、不思考，不是因为他们喜欢躺平”，在任剑涛看来，今天许多年轻人并非在享受焦虑，而是在被焦虑所折磨。
不过，他并不认为焦虑完全是坏事。恰恰是这种焦虑，促使人们重新思考什么是人，人与机器应当如何共存，又该如何抗拒孤独、寻找意义。

02 机器会计算，但人会算计
机器会不会取代人”的担忧，任剑涛并不认同简单的悲观论调。“这实际上是在用18世纪的思维讨论21世纪的问题。”
在他看来，人们习惯于把人与机器视为对立关系，但随着具身智能的发展，这种传统认知可能被打破——未来的人机关系未必是简单的替代关系，而可能走向更深层次的融合。
任剑涛举例说，未来或许会出现这样的场景：人体内部存在大量纳米机器人，持续监测身体状态并维持最佳参数。届时，人们将不得不面对新的问题——这个身体究竟是由自己掌控，还是由技术共同管理？如果仍然用传统启蒙哲学的框架分析这些变化，只会让人更焦虑。
在他看来，人们之所以不安，并非因为技术本身，而是因为技术带来的不确定性。过去机器只是增强人的能力，人们并不焦虑；如今人们意识到技术既可能带来机会，也可能带来风险，于是焦虑产生了。
回顾历史，无论是蒸汽机时代、自动化时代，还是AI时代，每一次重大技术变革都曾引发广泛担忧。20世纪以来，以海德格尔、阿伦特为代表的技术批判传统，也曾对人类未来表达深刻忧虑，但历史的发展并未完全印证这些悲观预言。

《混搭的承诺 : 现代政治观念史40讲》任剑涛 著
“对于具体问题，我是悲观主义者；但对于人类整体前景，我是乐观主义者。”任剑涛认为，人类始终具有重新定义自身的能力。正如文艺复兴时期，人类摆脱神学束缚、建立现代主体性时曾经历巨大不安一样，AI时代同样需要完成一次新的观念调整。
“机器会计算，但人会算计。”在他看来，人拥有更复杂的判断、选择与创造能力。未来具身智能在记忆、计算能力上很可能超过普通人，但它依然难以超越两点：其一，AI终究是人类顶级智慧创造出来的产物；其二，人类整体智慧总量远大于任何单一AI系统。03 真正的问题是意义过载
相比于担忧机器是否会取代人，任剑涛更关注另外两个问题：谁来定义意义，以及人为什么越来越容易被“意义”压垮。在AI治理问题上，他尤其警惕一种思维惯性——一遇到技术风险便诉诸更强监管。
“当呼吁监管的时候，谁来监管？”任剑涛认为，如果技术有其自身的发展逻辑，一味遏制技术发展，既不利于技术本身，也不利于人们寻找新的意义。比起技术本身，权力如何介入技术发展，反而更值得警惕。
“如果所有意义都交给权威裁决，技术最终可能被引导到更有利于控制的方向。”因此，任剑涛既反对技术万能主义，也不赞成由某种权威来规定人生意义。
他举例说，利他与利己都是现代道德的重要趋向，（人们通常认为利他更具道德正当性），但历史上许多重大的伦理悲剧，恰恰发生在某种被视为绝对正确的价值被要求所有人共同遵循的时候。“利他带来的人类伦理悲剧，远比利己带来的悲剧要强烈得多。”
一旦某种价值被赋予天然正确性，并成为衡量所有人的统一标准，就可能演变为新的道德压力。因此，比起强调利他，任剑涛更看重一个兜底原则：首先不要损人。
也因此，他认为，意义不是谁赋予的，而是在每个人不断寻找和磨合中形成的。意义应当来自个人的自主选择，而非外部规定。由此，任剑涛提出了一个颇具反思意味的主张——“意义减负”。
在他看来，AI确实迫使人们重新思考意义，但许多人仍在沿用旧时代寻找意义的方法。任剑涛说，成年人总喜欢给年轻人强加意义，而且这种意义往往十分狭窄。“成长、奋斗、上进、成功，似乎成为唯一正确的人生答案；躺平、内卷、不努力、不成熟，都错了。”
任剑涛认为，青春最大的价值恰恰在于试错。十七八岁的年轻人本来就不应该过早成熟，他们应该拥有犯错的权利。任剑涛主张不要意义“过载”，而是做减法，轻装上阵。]]> <![CDATA[AI眼镜的「隐秘角落」：作弊、偷 拍与灰色生意经]]>

文章配图-1

「核心提示」
千亿赛道下的灰色地带，AI眼镜需要一场“阳光行动”。

作者 | 张经纬

编辑 | 邢昀

AI眼镜，正在成为各种试探法律边缘行为的“小帮手”。

刚刚过去的2026年高考，也强调了对AI眼镜作弊的防范。教育部在6月2日发出明确预警：无论何种理由、无论是否使用，携带手机、智能手表/手环、智能眼镜等进入考场，即构成作弊。 广东、上海、福建、河南、湖北、内蒙古等至少10个省份随即要求，考生佩戴的眼镜必须在视频监控下摘下，由监考员实施专项检查。

在考场之外，AI眼镜也激起了一些社会伦理上的争议。乐奇Rokid眼镜社区被举报用户上传偷 拍空姐内容，引起舆论的激烈反响，乐奇Rokid随后删除相关视频，并对社区内容进行了自查。

从高考公平到个人隐私，小小的AI眼镜正面临着两种场景的技术伦理问题。

1、“隐蔽战线”的绝佳工具？

用AI眼镜作弊，说起来很简单，四个字：拍、传、解、显。

部分AI眼镜内嵌的高清摄像头可以无声拍摄试卷题目，拍摄后的图像通过蓝牙或无线网络快速上传至云端，云端大模型在数秒内生成解题答案，回传至眼镜端。对于配备光波导显示模组的AI眼镜，答案可以以字幕形式直接投射在镜片上，仅佩戴者可见。

整个过程中，考生无需做任何显眼的小动作，即可完成作弊。

已经有一些考生进行了实践：2026年1月，湖北一所高校公告，一名2023级学生在期末考试中，使用智能眼镜获取与考试内容相关信息；2024年5月，日本东京一名高三学生在早稻田大学入学考试中，也涉嫌用AI眼镜拍摄化学试卷上传社交媒体求答案，最终被移送检察部门。

爆出来的新闻可能只是冰山一角。实际上，AI眼镜的“非常规用途”在社交媒体上已经有了一定热度。在小红书、闲鱼等平台上，有很多用户AI眼镜出租业务，关键词通常涵盖“AI眼镜智能答题”等具有暗示性的内容。

《豹变》与出租商户交流得知，有用户租用AI眼镜就是为了考试方便。

据一位租赁商介绍，虽然AI眼镜的AI助手在答题时会默认发出声音，但某品牌AI眼镜“贴心”地在APP上附带了静音模式，可将语音提示关闭，只显示光波导字幕。字幕为单向显示，只有用户能看到显示的内容，其他人不可见。

而AI眼镜方便拍摄的特征，同样也带来了争议。据媒体报道，有用户使用乐奇Rokid智能眼镜偷 拍空姐并发布至官方社区，引发广泛关注。乐奇Rokid在事件发生后回应称，将全面整顿AI APP社区，清理违规内容，后续新品将在隐私保护上升级。

在Rokid AI APP社区被整顿之前，平台上除了空姐偷 拍照片，还存在大量偷 拍路人视频，场景涵盖海边、公园、地铁等公共场所。

这与AI眼镜的拍摄难以被发现有关。按照有关要求，厂商应在拍摄或录像时强制打开LED指示灯并发出提示音，以告知被拍摄者。然而实际上，厂商往往会打一个“擦边球”：手动遮挡指示灯，不影响正常拍摄。

在2024-2025年，AI眼镜集中发布的时间里，大部分AI眼镜评测都会提到，“能否隐蔽拍摄”。评测者会尝试用纸片、胶带遮挡指示灯，验证设备是否仍能正常录制。部分品牌的确可以正常录制。

专用的遮挡配件也在各家电商平台售卖。“遮光贴”几乎覆盖所有主流AI眼镜型号，热门产品销量达到5000件以上，商品标注“不触发警报不影响拍照”。

诚然，隐蔽速拍在紧急取证、Vlog记录、演讲拍摄等场景中有其便利价值，甚至可以在紧急状况下保护用户的合法权益。但“解放双手”的技术进步，也将“拍摄”这个行为去仪式化、去信号化，这其中便利性与隐私性的边界很难界定。

争议背后也反映出AI眼镜底层需求的矛盾。

2、“特定场景”必需，日常生活鸡肋？

AI眼镜行业看似爆发，但玩家太多、场景太弱，激烈竞争之下，产品想出圈有时候只能剑走偏锋。

从数据看，AI眼镜的需求仍在扩张。洛图科技《中国智能眼镜零售市场月度追踪》报告显示，2026年第一季度中国智能眼镜零售量达40.2万台，同比增幅高达96%；零售额同步攀升至8.1亿元，同比增长102%。这背后，智能眼镜今年首次纳入国补范围，给市场拓展加了把火。

Smart Analytics Global预测，2026年全球销量将从600万台猛增至2000万台。

与销量增长同步，竞争者也在不断进场。Meta之后，华为、小米、夸克/千问、百度小度、科大讯飞、360、雷鸟、乐奇Rokid、XREAL等数十个品牌蜂拥而入，2025年至今，“百镜大战”仍在继续。

而且，大家的技术差距并没有拉开，核心产品硬件高度同质化。

相关资料显示，2025年发布的25款AI眼镜新品中，高通骁龙AR1芯片+索尼IMX 681摄像头已成为标准模板。重量上则都压缩到40克左右（约普通眼镜的2倍），续航时长也都延长至无屏8小时、有屏2到5小时。“百镜大战”，在某种程度上是拼参数的内卷。

技术拉不开差距的同时，刚性需求也没那么强。

对用户而言，这些眼镜同时扮演“耳机+摄像头+AI助手”三重角色，与手机高度重叠。但受限于便携性的要求，体验相比手机都会打折扣。减少掏出手机的几秒钟，对大多数人来说很难成为刚需。

但企业自身面对着商业闭环的压力。以乐奇Rokid为例，这家国内AI眼镜销量龙头正积极推进港股IPO。据南华早报报道，公司目标上市窗口为2026年7月。3月完成股份制改造后，乐奇Rokid密集完成六家产业链企业战略融资。资本市场的关注自然带来了销量兑现的压力。

对销量的渴望，直接体现在线下渠道的扩张上。乐奇Rokid在开设直营店的同时，也与宝岛、吴良材等连锁眼镜品牌合作开设线下柜台。官网数据显示，乐奇Rokid已率先实现全国34个省级行政区全覆盖，线下体验店合计超过1600家（含港澳台地区约230家）。

千问/夸克的线下扩张同样激进。夸克S1/G1发布后，也迅速铺开线下门店；到2026年3月为止，千问/夸克线下店也已超过1000家。这背后是阿里AI to C战略的闭环焦虑，因为眼镜不仅是硬件，更是千问大模型落地的物理载体。

北京某商场的数码柜台同时售卖千问和乐奇Rokid的AI眼镜，店员对《豹变》说：“这两个品牌的眼镜性能上相差无几。唯一的区别是，乐奇Rokid集成了包括DeepSeek、豆包在内的多款主流大模型，千问用的是自有模型，实时翻译可能Rokid更准确一点。”

文章配图-1

渠道铺得越快，产品越需要卖点来支撑动销。当技术同质化遇上使用场景匮乏，“隐蔽拍摄”“静音模式”等功能反而成了最直观的标签。“灰色需求”在互联网传播，某种程度上是销量压力下厂商对“灰色卖点”的默许。这也让AI眼镜在C端始终无法建立健康的产品认知。

要让AI眼镜回到“阳光大道”，仅靠封堵和道德谴责远远不够，既需要监管与检测手段的同步升级，更需要行业找到正当且刚性的使用场景。

3、内靠技术进步，外靠社会监管

技术本身是中性的，但技术的滥用需要监管与检测手段的同步升级。

在国家层面，监管已经开始收紧。教育部在2026年高考前明确将智能眼镜列入严禁携带物品清单，二十余省份同步执行专项检查。

在考场等特定场景，检测手段也在进化。福建等地的高考考务培训已专门强调防范新型智能眼镜，要求工作人员重点关注眼镜大小、形状等特征；部分考点引入的智能安检门，已能识别带摄像头的智能穿戴设备并触发警报，甚至可以识别关机状态下的设备。

企业端，雷鸟、华为、中兴等十家头部企业共同联签《AI眼镜可信视界自律公约》，在隐私保护与数据利用之间搭建公开透明的护栏。

乐奇Rokid在此次负面舆论后，表态要进行社区生态治理与隐私保护，公司表示，在技术层面会强化硬件级指示灯强制亮灯机制及遮挡检测算法，后续新品将提升物理与底层防护能力。

此外，一些企业正在开发面向被拍摄者的检测APP，当附近存在开启摄像头的智能眼镜时，手机端可收到提醒，以此平衡技术便利与隐私保护。

要让AI眼镜摆脱“作弊工具”和“偷 拍神器”的标签，关键在于拓展真正创造价值的应用场景。

在一些垂直行业，AI眼镜正逐步落地。比如润贝航科推出的AI航检眼镜已在部分民航企业推广，通过语音引导、激光指示、红外测温辅助完成巡检。

乐奇Rokid则联合广汽集团发布车载全场景技术，用户可通过AI眼镜远程操控车辆解闭锁、开关空调，并在驾驶过程中实时显示导航与车速信息。

当AI眼镜从“拍摄工具”进化为“生产力终端”，其技术价值才能真正释放。真正需要追问的是：我们是否有足够的监管智慧与技术伦理，让AI眼镜在合法合规的轨道上找到属于自己的“iPhone时刻”。

技术的善恶从不取决于技术本身，而取决于人把它对准正确、善意的需求。

]]> <![CDATA[电厂 | 今年618，除了AI没有任何新鲜事]]> 文章配图-1

记者 何畅

编辑 高宇雷

战线超长的电商大促活动已经让消费者模糊了时间的界线。5月，你开始为了618领券凑单，只为了拿到所谓的“好价”；6月，快递收了又退，你依然在购物车里挑挑拣拣。等到该买的都买到手，你才发现，原来离6月18日这个“正日子”还有一周，而电商平台的“最后一波”尚未开启。

没有新玩家，App开屏广告跳转的始终是淘宝、京东等老面孔；也没有新玩法，不论是“满减”还是“立减”，都离不开反复的叠加、对比和计算；甚至没有数字精确的战报，电商平台不公布，用户也不关心。一位用户的心态可以作为参考：“重要的不是我参与了价值多少亿的大生意，而是我在这桩大生意里省下了多少钱。”

又累又平淡，已经成为部分商家和消费者对于电商大促的共同感受。从商家的角度来看，每个月都有新的促销活动，“这个活动刚结束，下个活动就该报名了”；消费者则需要眼疾手快，盯紧随机发放的优惠券和随时可能失效的商品链接。而在熟悉的路径和操作之外，AI成为了为数不多的变量，虽然效果未知，却已经是电商平台必须打出的一张牌。

AI电商，先落地再说

如今，模型能力的升级被压缩至以月和周为单位，一些小版本迭代和细微调整甚至可以按照天和小时进行计量。然而，技术是花钱的，也是需要用来赚钱的。即使存在时间错配，再先进的生产力，还是会被应用于与消费相关的场景，比如内容消费层面的短剧，以及实物消费层面的电商。

5月11日，在较长周期的618大促拉开帷幕之前，阿里巴巴旗下千问与淘宝正式全面打通。通过千问App和淘宝App内置的“千问AI购物助手”，用户可以完成淘宝商品的挑选、对比和购买。

文章配图-1

图片来源：阿里巴巴

和年初以无门槛免单卡带动下载，实现“一句话点外卖”的动作相比，更丰富的商品SKU和详情页信息，给了千问和淘宝更大的发挥空间。特别是在复杂商品参数对比和模糊购买意图理解上，一位被灰度到该功能的88VIP用户认为“还挺好用”。

在此之前，豆包已经与抖音电商完成全链路打通，为用户去掉搜索框，直达商品购买页。据36氪报道，如果进展顺利，豆包将于2026年第三季度进一步结合电商功能完善付费场景，并通过补贴为抖音商城引流，第四季度进入运行期——这些都是商业化加速的结果。

新的问题随之而来：AI推荐的商品有没有经过广告加持？推荐和排序是否值得用户信任？毕竟，GEO（生成式引擎优化）已经是一桩生意。一位食品商家告诉电厂，电商平台发力AI购物功能，其实对商家的商品信息优化能力提出了更高的要求，“产品卖点不只是写给人看的，而是同时写给人和AI看的”。

文章配图-1

图片来源：京东

不过，不同电商平台之间的AI工具并不互通。一位家居商家发现，自己在淘宝商家后台生成的视频就无法在京东上传。前述食品商家则选择亲自动手，在将Claude Code接入飞书后，他把大部分业务都搬到了飞书。“AI承接了重复性比较高、耗时较多的工作，但核心判断和决策还是我们自己来。”

购物如炒股，逢低买入

618和双11大促的擂台打到今天，尽管各家电商平台一直宣称要简化大促优惠规则，其实留给用户的还是不变的配方：五花八门的券包、层层叠加的满减、加了又删的凑单，以及复杂到非常有助于用户时长提升的游戏。

如果不是“羊毛群”的群主或成员，你大概很难说清楚淘宝、京东、抖音电商们到底在什么时候发券，又发了几波券。一位计划购入无印良品多款商品的用户说，她对比了线下门店和天猫、京东、抖音这三个平台的官方旗舰店，最终决定根据优惠券的力度选择下单平台。

文章配图-1

图片来源：电厂拍摄

两周过去了，她并没有下单。原因在于，不同平台之间、同一平台在不同时间段发放的优惠券大小、使用门槛和时效都不一样，而部分商品又经常缺货。再加上看到社交平台上其他用户的凑单战果，她开始觉得“再等等价格也许会更低”。

前述88VIP用户觉得，这个618过得“堪比炒股”。为了拿到真正的“好价”，她不得不时刻留意电商平台的发券动态，在淘宝还需要组合店铺随机优惠、生日券、淘金币等福利，反复比对实际到手价格，“下个单就像炒股盯盘一样费劲”。

更何况，随着优惠券使用门槛的提升，用户只能通过凑单解锁低价。常见的做法是将非必需的商品加入购物车，凑齐金额完成支付，再将非必需的商品申请退货。此时，优惠价格仍然保留。

文章配图-1

图片来源：电厂截图自小红书

和炒股类似，除了“逢低买入”，用户也会“逢高退回”。前述计划购入无印良品多款商品的用户就在搜索凑单攻略时发现，“很多人刷到别人下单的截图，才知道自己买贵了或还有券没领，往往会退单重下”。

“今年就是平销”，一位运动户外商家表示，即使不参加618大促，正常售卖的情况下“（成交）应该也比目前多”。“现在本来应该是旺季，平台把水都给搅混了。”

大主播，各自奔天涯

与此同时，头部主播阵营继续分化，方向各有不同。

李佳琦是618期间最忙碌的大主播，自5月中旬起连续直播，几乎无休。此前，他曾经许久未出现在直播间，也因为一次泪洒活动现场的演讲被猜测为即将退休。不过，他对此给出了解释，“有时候缺席直播”是去录制综艺。也就是说，这个过去“从来不敢离开直播间的人”，虽然拥有了缺席直播的底气，但一直没有停止工作。

文章配图-1

图片来源：电厂截图

另一个还在努力的男人是董宇辉。618开启之前，他被京东采销喊话，后者称无法观看与辉同行直播间，怀疑被单方面屏蔽，“私下搞小动作”。随后，京东家电家居采销直播间打出了“‘大主播粉丝’凭订单现场打九折”的口号。与辉同行方面没有回应，这也并未动摇董宇辉的粉丝根基。6月9日，许多粉丝将鲜花送到与辉同行工区，庆祝“宇辉出圈四周年”。

还有一些已经淡出的面孔，比如罗永浩、小杨哥，还有将直播接力棒交给另一半的薇娅、辛巴。辛选的师徒版图又少了一块，辛巴的大徒弟赵梦澈于6月9日宣布，与辛选合同早已到期，将彻底退出直播行业，转向消费品行业的幕后工作，不再以主播身份出现在任何平台。至此，辛巴早期招至麾下的“四大门徒”——赵梦澈、蛋蛋、猫妹妹、时大漂亮均已离开辛选。

至于薇娅，往往出现在他人的镜头里。2025年，她和老公董海锋一起参加了全球数字贸易博览会，还在浙江传媒学院分享了对新媒体生态和主播能力进阶的理解。5月底，谦寻总部新大楼正式启用，薇娅出席剪彩。有员工在社交平台上晒出了她包装乔迁喜糖的图片，评论区的粉丝写道：“是我想念的姐姐。”

从拼命营业到转身离场，从台前带货到幕后布局，头部主播的不同选择，本质上是行业红利消退后的必然分化。随着行业和平台规则收紧，流量在低价导向下被进一步稀释，用户不再冲动消费，而是更为理性地捂紧钱包。于是，直播间和货架电商一样，失去了曾经的光环，只作为日常消费的一部分存在。

在前述家居商家看来，AI电商的持续落地可能对直播电商行业造成一定的冲击。“AI可以掰开揉碎了给你讲，而且不用在直播间等着，也不担心错过什么，有求必应、一目了然。”

同为降低决策成本的升级，直播电商基于信任和情绪，高度依赖流量驱动；AI电商背靠数据和算法，意味着消费入口的变化。但比起经过长时间培育才有望出现的爆发，商家们更在意眼下的盈亏——大促不会停止，他们希望“能多一点利润”。

]]> <![CDATA[大厂 AI 的“包身工困境”]]>

文 | 智械岛，作者 | 沈怀铮

一个朴素的问题：AI到底为谁服务？

七万多字离职长文《置身钉内》，从阿里内网流传至外部被广泛阅读；腾讯云AI产业应用大会上，腾讯云负责人汤道生问腾讯AI负责人姚顺雨“腾讯AI是不是慢了？”，结果被反问“感觉应该是我问你的问题”。

前者代表大厂里那些沉默的大多数，后者被知名媒体人阑夕锐评“高手过招，重剑无锋，几秒钟的功夫，两人内心已经互撕了千百次”。

AI为谁服务，并不是技术问题，是产品伦理问题。

钉钉从出生那天起就带着结构性撕裂，付钱的是老板，要的是管控；干活的是员工，要的是自主和减负。

一个AI产品卡在这两者之间，结果就是反复横跳：今天帮员工自动汇总消息，明天帮老板生成考核报表；今天说要事找人，明天变成事压人。

AI主动推送待办、会议、提醒，表面上是提高效率，本质上是在重新分配注意力压力和权责关系。你说是帮员工减负，员工感受到的是变本加厉的被监控。

钉钉没想清楚这个矛盾，腾讯也没有。腾讯会议、企业微信，都是夹在付费方和使用者之间。

AI介入只会把这种张力放大，不会消解。

大厂的底层代码是KPI，AI项目刚好与与底层代码冲突。KPI已经把AI项目跑成了外卖骑手。

《置身钉内》有个说法是“每日一包”，每天出一个可交付版本。听起来是不是很敏捷？实际上，在这种节奏下团队只能优先堆表面功能，底层基建长期没人敢动。

因为动底层意味着三天不出活，三天不出活包就断了。一个AI项目被跑成了配送时效考核，结果就是功能越叠越多，体验越来越烂，技术债滚雪球。

到最后所有人都在疲于奔命地敷面膜，没人有精力治脸上的痘。

阿里文化的“此时此刻，非我莫属”，放在电商战场是英雄主义，放在AI探索里就变成了权力美学，每一个AI项目不仅要证明自己是好技术，还要证明是好战略、好生意、好政绩。

姚顺雨在腾讯的对谈谈及：能不能够保持耐心，这是AI下半场最重要的事情。在大厂的KPI绞肉机里，耐心是最贵的奢侈品。

让一个BU总裁在董事会上说“这个AI项目前两年不设KPI，纯探索”，他敢吗？他不敢，因为他的晋升通道不允许。所以大厂的AI项目从一开始就背着过重的证明包袱，还没学会走就被逼着跑百米冲刺。

还有一个更隐蔽的幻觉：有海量数据不等于有场景理解。姚顺雨在那场对谈里提出，大厂的竞争壁垒已经不是模型本身，而是Context，也就是真实的业务场景、产品生态和高质量的数据上下文。

钉钉ONE就是活教材。钉钉有几亿用户、每天海量的工作消息，做AI“事找人”简直是天选之子。

结果呢？算法推过来的“事”，用户觉得不是我真正需要优先处理的。为什么？因为算法只看到了消息的结构和关键词，它看不懂权力关系、人情世故和隐性优先级。

这些东西不在数据表里，在真实的人际拉扯里。腾讯有没有这个问题？当然有。姚顺雨自己说选择腾讯是因为这里有大量好问题、好产品。但好问题摆在那里，不等于你能解决它。

把模型能力转化成场景理解力，中间隔着整个组织对用户的同理心。这种同理心，恰恰是大厂最容易在规模扩张中失去的东西。你天天看DAU、看收入、看留存，会离真实的人越来越远。

所有这些问题的最后都会指向一个东西：文化惯性。

阿里是典型的强目标驱动，定一个目标，拆解KPI，层层压实，所有人往一个方向猛冲。这套打法在电商、本地生活这些成熟战场上百战百胜。

但AI是什么？AI是一个探索性、不确定性极高的事物。你定一个DAU目标，团队就会用一切手段去冲DAU，哪怕手段是伤害长期价值。

钉钉ONE的“每日一包”就是这种文化惯性的自然产物，不是某个人坏，是整个系统逼你短视。你想慢下来思考？对不起，你的绩效不允许。

反过来看腾讯，文化惯性是“产品经理驱动”“赛马机制”“慢工出细活”。这套打法养出了微信、王者荣耀。

在AI这个需要压强式投入、需要战略定力的领域，慢到底是定力还是犹豫？当年微视做不起来，不是腾讯没有资源，是整个组织对“要不要真投入”始终下不了决心。

姚顺雨来了，腾讯开始重写混元的底层，动作比过去几年都频繁，说明之前的“慢”未必是深思熟虑，有时候就是惯性。

一个想慢却慢不下去，不是战略想慢，是惯性错过了太多窗口。一个想快却快不起来，不是技术快不起来，是组织不允许你慢下来思考。

谁更难？都难，大厂在AI这件事上，卡在组织的底层逻辑上了，卡在KPI文化和探索文化有着根本冲突，卡在管理意志和用户价值会反复拉扯，卡在短期证明和长期建设的零和博弈。

钉钉ONE死了，但阿里的悟空还在继续。腾讯承认慢了，但姚顺雨说这是一个长期游戏。

谁都没赢，都在承受阵痛。但谁能先在自己组织的DNA里找到一个让AI既能短期试错、又能长期积累的平衡点，谁就能真正走出这个迷局。

否则，再强的模型、再多的算力，也只是给旧文化穿了一件新外套。

]]> <![CDATA[库克的最后一舞，把未来和遗憾都留给苹果AI]]>
如无意外，这会是蒂姆·库克最后一次以掌舵者身份，登台苹果年度全球开发者大会（WWDC2026）。
北京时间6月9日凌晨，美国加利福尼亚州库比蒂诺苹果园区，库克如过去数年一般，主持了新一届全球开发者大会。
当然，这是一届并不“庸常”的大会：它被视作库克任期的“收官之作”，也是苹果为AI赌上未来的关键一战——此前低谷多年的苹果AI终于迎来实质性突破，整场大会将核心尽数押注在了AI升级上。
为打造全新的Apple Intelligence，苹果推出了由端侧模型、私有云计算与系统调度器共同组成的全新架构，以重构后的Siri AI为核心，试图补上过去数年智能生态的短板。
当然，同此前联手OpenAI类似，这一轮更新仍是建立在非纯自研、依靠外部合作的基础上——通过与谷歌Gemini的深度合作，苹果正在尝试补齐自身的AI底座。
并且，这场被寄予厚望的AI升级，在落地层面却仍未达到足够的完成度：新版Siri AI初期仅支持英语，受区域隐私与安全合规要求限制，暂未向欧盟地区的iOS、iPadOS设备开放。中国大陆市场也需结合本土监管要求推进适配工作，Siri AI及其他Apple Intelligence新功能暂不提供。
发布会结束后，苹果股价在当日交易中下跌1.89%，报收301.54美元。截至发稿，盘前交易继续下探0.39%，总市值约4.43万亿美元。
库克的收官之作，暂时难以惠及包括中国区在内，全球市场范围内的大量用户，股价反映出的市场情绪，亦相对平淡。
01.两年AI追赶路
苹果入局生成式AI的步伐与成果都相对滞后，曾经在史蒂夫·乔布斯带领下开创智能手机品类的科技巨头，近两年成了不断调整战略的行业追赶者。
2024年6月11日的WWDC大会上，苹果首次推出AppleIntelligence智能体系，入局AI赛道。彼时，或许出于对技术能力与市场接受度的谨慎，公司选择牵手OpenAI展开合作，借外部技术补齐自身智能生态的短板，试图打破多年来旗下iPhone智能化不足的局面。
但技术立身却将AI“外包”且功能并不足够惊喜，市场对当时的苹果AI并不买账。当日收盘，苹果股价下跌1.91%。
事后来看，苹果与OpenAI的合作也未达市场预期——功能更新零散、智能化体验有限，始终没能形成成熟完整的AI使用生态。同时受各地合规政策影响，相关功能落地受阻、更新延期，让苹果的初代AI布局陷入停滞，也让其在智能手机AI竞赛中持续处于被动位置。
艾媒咨询CEO张毅在接受北京商报记者采访时表示，AI赋能已经成为智能硬件迭代升级的核心刚需，不仅能够提升产品使用效率，更能从效率、知识、情绪等多个维度丰富用户体验，拔高产品的核心价值，是消费电子业务拓展不可或缺的核心能力。
在此背景下，苹果开始调整AI发展战略，转向与谷歌达成深度合作，甚至还在今年5月中旬传出与OpenAI为期两年的合作关系趋于紧张，甚至因违约对簿公堂的流言。
历经两年摸索与迭代，今年在库克收官的WWDC大会上，苹果正式推出全面升级的Apple Intelligence，在模型、云计算、系统等层面，完成了品牌AI布局以来最大幅度的体系革新。
依托与谷歌的深度技术合作，苹果实现了Siri的智能化蜕变，过去局限于简单指令交互的语音助手，升级为具备深度理解、多场景协同能力的全能智能助手。
艾瞰未来CEO辛向军此前告诉北京商报记者，AI发展的核心是深度渗透日常生活、打通软硬件全场景入口，但行业目前仍存在诸多不确定性，用户认可度、跨系统的数据打通与适配问题，是当下硬件厂商需要长期攻克的难题。
02.库克之后，苹果依然被动
从今日股价下跌不难看出，库克在台上的最后一舞并未完全打消市场对苹果AI战略的疑虑，反而让外界看到，即便完成了与谷歌的深度绑定，苹果在AI赛道的被动局面仍未扭转。
掌如研究院院长何基永在接受北京商报记者采访时表示，与谷歌合作补足AI短板，是苹果提升产品生态协同效率与用户体验的积极举措，但市场反应平淡，一是因为这些AI功能多为优化现有服务而非革命性创新，未达到投资者的更高期待；二是市场对苹果AI战略的落地速度存疑，叠加整体科技板块情绪波动，共同影响了短期股价表现。
他同时提到，股价短期波动并不否定苹果的长期价值，若后续AI功能用户反馈积极，仍有望带动换机潮或服务收入增长。
这种被动，一定程度上也来自国内智能手机厂商在AI领域的快速追赶与落地。2026年以来，华为、小米、OPPO、vivo等头部品牌均已完成系统级AI智能体的部署，主流旗舰机型普遍搭载端侧大模型，支持跨应用任务执行等核心能力。例如，华为依托自研盘古大模型，在旗舰机型上实现了AI修图等大量实用功能，鸿蒙生态的跨设备协同能力也在AI加持下进一步强化；小米在今年4月开源了旗舰大模型，启动万亿Token计划，未来三年将投入超600亿元押注AI赛道，其手机端智能体已能处理复杂任务链、跨应用执行等进阶操作；荣耀的智能体已覆盖超3000个使用场景，实现购物自动化、个性化记忆等实用体验。
值得注意的是，IDC发布的2026年一季度中国智能手机市场数据显示，苹果当季出货量达1310万台，同比增幅高达33.3%，市场份额升至18.9%，位居国内市场第二位，仅次于华为，交出了一份超出行业平均水平的良好成绩单。但这份亮眼的市场表现，并未转化为AI竞争中的主动优势。
相比之下，苹果的AI升级仍停留在“发布即延迟”的阶段。尽管本次WWDC上推出了重构后的Apple Intelligence与Siri AI，但受区域合规要求限制，核心功能在欧盟与中国大陆市场均暂无法上线。
此番发布，并未真正打破苹果在AI领域的被动局面。面对国内厂商成熟的AI生态与快速迭代的产品节奏，苹果的追赶之路仍将漫长。]]> <![CDATA[AI竞赛下半场：忘掉聊天机器人，入口与执行权定生死]]>
过去两年，AI 行业只卷一件事：谁的模型更聪明。参数千亿卷向万亿，上下文窗口从几K拉到上百万。但尴尬的现实是：除了写邮件、做摘要这些“轻量级表演”，AI 依然像个被困在对话框里的超能大脑，它懂很多，但做不了什么。
真正的分水岭已经出现。当前 AI 产品的胜负手，根本不在“谁聊天更聪明”，而在谁能把 Agent 放进用户高频使用的入口，并获得权限、上下文和执行机会。
北京时间今天凌晨，苹果在 WWDC26 上给出了自己的答案：Siri AI 脱胎换骨，拥有独立 App 和灵动岛气泡，由谷歌 Gemini 提供底层支持，这是 Siri 自 2011 年以来最激进的改版。但苹果的这一步，只是入口战争全面爆发的信号弹之一。
大模型是大脑，入口是双手。没有手的大脑，只能提供咨询。有了手的大脑，才能接管执行。用户不会为“更聪明的对话框”付费，但绝对会为“省事的代理人”买单。
从点击到授权
想象 2027 年的一个早晨：你说“帮我安排今天”。Agent 已经读过邮件（发现客户提前了会议）、查看日历（下午有空档）、扫描聊天记录（知道你要买生日礼物），于是自动做了三件事：改期并通知参会人、预约商场取货、比价下单乐高。你唯一的动作是回复“确认”。
这就是执行权的终极形态：从“人挥鞭子赶车”，变为“人只管签字画押”。
数字文明史上，入口战争已爆发过两次：PC 时代微软靠 Windows 绞杀网景，夺的是 OS 入口。移动时代苹果和 Google 靠应用商店垄断分发，收的是安装税。每一次计算范式迁移，都重塑了入口格局。
而今，Agent 正在掀起第三次入口战争。前两次争夺的是“点击发生的场所”，这次争夺的是“执行发生的许可”。
传统交互逻辑是：意图 → 寻找 App → 操作 → 完成。AI 时代的终极交互将是：意图 → Agent 自动调用资源 → 完成。未来的超级 AI 大概率不是你特意打开的 App，而是隐匿在系统背后的“隐形智能体”。它通过日常数据主动推断意图，直接调用 API 完成任务。
AI 不再是一个你打开的应用，而是应用打开你的世界。
一旦用户形成“默认授权”习惯，切换成本将高到不可逾越。谁先让用户喊出“嘿 Siri，帮我……”“Copilot，去……”，谁就锁定了下个十年的护城河。但前提是，用户敢不敢把支付、发信的权利交给黑盒？Agent 要实现跃迁，必须跨越三道门槛：在用户必经之路上（触点）、读懂用户真实数据（上下文）、替用户操作执行（权限）。
大模型的智力正变成水电煤，而“入口+权限”才是收过路费的护城河。
四路军突围
基于现有版图，Apple、Meta、Microsoft、Google 正从四个截然不同的方向，试图将 Agent 植入用户的数字心脏。
苹果：“端侧领主”的硬件特权与隐私结界
苹果的底气是 25 亿台活跃设备（2026年1月数据）。它的路线是典型的“端侧特权”：利用 NPU 和 Apple Silicon 把 AI 做进系统底层，Agent 化为轻量级插件（App Intents），并祭出“隐私”武器，敏感计算本地完成，以此换取信任授权。
苹果是唯一掌控硬件层和系统级权限的玩家，但隐忧在于端侧算力的物理天花板与 Siri 长期的“弱智”包袱。若端侧处理不了复杂任务，云端又被隐私承诺捆住，苹果可能沦为“安全的哑终端”。更危险的是，欧盟《数字市场法》正紧盯其接口互操作性，封闭生态面临强拆风险。
Meta：“社交市集”的流量截流与浅层困局
Meta 没有操作系统，但它有全球最庞大的社交消息入口。根据2026年第一季度财报，旗下全应用日均活跃用户（DAP）达35.6亿，覆盖 Facebook、Instagram、WhatsApp、Messenger 和 Threads。每天百亿级的消息在此流转，其中蕴藏着海量的“商业意图”（咨询、预约、购物）。
Meta 的策略极度务实：死磕“商业消息流”。2026 年 6 月上线的 Meta Business Agent，让用户在聊天界面内就能完成从种草到下单的闭环。离钱最近是它最大的优势，但缺乏系统底层权限是致命伤。一旦涉及跨应用调度（如调取日历、操作文件），它就无能为力。若始终只能做浅层客服，无法深入企业 ERP，Meta 将永远被困在“聊天娱乐”范畴。
微软：“数字包租公”的工作流深度绑定
Meta 占据生活，微软占据工作。数亿白领每天在 Outlook、Teams、Word 里运转。微软的 Copilot 是典型的“工作流嵌入”：写邮件时自动补全，开完会自动提取待办写入 Planner。2026 年 3 月推出的 Copilot Cowork（底层采用 Claude 模型），更实现了自动发邮件、安排会议等执行操作。
当 Agent 掌握了通讯录和项目进度，就成了不可或缺的执行者。极强的 B 端付费意愿和坚固闭环是其护城河，但企业级合规审批让它的动作偏保守。若每个动作都要三级审批，它将比手动操作更慢而被员工抛弃。
谷歌：“搜索大帝”的左右互搏与自我颠覆
谷歌处境最微妙，AI 颠覆搜索首当其冲是自己。它双管齐下：Android 端用 Gemini Nano 争端侧，云端用 Search 和 Gemini API 将“10 个蓝色链接”升级为“Agent 执行结果”。2026 年 5 月发布的 Gemini Intelligence，实现了从备忘录购物清单到加购配送的跨应用自动化。
谷歌手握全球最大意图分发入口和开放 API 生态，但陷入了“创新者窘境”：Agent 直接出票，用户不点链接，广告怎么收？若为保广告收入给 Agent 戴镣铐，可能重蹈雅虎覆辙。此外，美国司法部反垄断诉讼若致使其拆分，剧本将彻底改写。
用触点、上下文、权限三个维度来审视四家巨头，各自的优劣势一目了然：
没有一家同时拿下三个维度。入口战争的终局，取决于谁能在自己的短板维度上找到突破口。
中国战场的变量
同样的入口战争正在中国上演，但剧本不同。中国玩家面临的不是“技术路线分化”，而是“生态壁垒森严”，每家巨头都坐拥一座数据孤岛，彼此之间筑墙深挖，Agent 的跨应用调用远比美国更艰难。
原生 App 只是前哨。QuestMobile 2026 一季度数据显示 AI 原生 App 月活达 4.4 亿，字节豆包以 3.45 亿领跑。但真正的暗流在更深处。
2025 年底至 2026 年初战局全面升级。小米上线系统级智能体“Xiaomi miclaw”，鸿蒙 6 上线 80 余个应用智能体，阿里开源 GUI 智能体 MAI-UI。手机厂商与 AI 公司合纵连横：字节牵手中兴推出豆包手机，阿里向瑞幸、肯德基等全面开放品牌 Agent，腾讯测试微信内置 AI 智能体。中国四强格局已从“模型竞赛”转入“入口战争”阶段。
最激进的是字节。豆包以 3.45 亿月活领跑 AI 原生 App，字节的策略是“软硬通吃”。软件端，豆包 App 持续吞噬通用问答和内容生成场景。硬件端，牵手中兴推出豆包手机，将 Agent 植入手机系统。
字节的杀手锏是流量分发能力，抖音和今日头条的推荐算法积累的“用户理解”可以无缝迁移到 Agent 场景，豆包知道你喜欢什么、什么时候需要什么。但短板同样明显，缺乏社交关系链和办公场景，豆包手机要调用微信、支付宝时，面对的是森严的商业护城河。字节的入口，目前仍是“内容消费”而非“生活执行”。
和字节的“流量思维”不同，阿里打的是“交易”这张牌。
千问 App 在 2026 年 6 月宣布向第三方 Agent 和 Skill 全面开放，瑞幸、肯德基等品牌已入驻运营自己的 Agent。同时，千问与淘宝全面互通，用户可以在对话中完成选品、比价、下单。阿里最大的优势是“离交易最近”，Agent 直接嵌入电商和本地生活场景，闭环最短。但阿里的劣势同样来自这个基因，它的入口高度集中在“买东西”这件事上。一旦用户需求偏离交易，千问就失去了上下文优势。阿里需要证明自己不只是“购物助手”。
如果说阿里打的是“交易”，腾讯打的就是“关系”。微信超 13 亿月活，底气在于“默认入口”，聊天记录里藏着最真实的意图数据。但微信的“克制”文化让 AI 落地偏慢，隐私合规压力也让 Agent 不敢轻易读取上下文。此外，腾讯在端侧硬件和云模型上均不占优。
6 月 8 日，微信开放平台宣布面向小程序开发者开放 AI 生态接入，用户一句话即可调用小程序完成点咖啡、订机票等操作。携程、美团随即接入，腾讯股价次日涨超 4%。但开放的另一面是控制，自动模式下开发者交出的是数据控制权。生态的繁荣，取决于微信愿意在多大程度上让利。
四家中最像 Apple 的是华为。
鸿蒙 6 上线 80 余个应用智能体，小艺 Claw 具备深度记忆和跨设备协同能力，依托鸿蒙的分布式架构，Agent 可以在手机、平板、车机之间无缝流转。华为最大的武器是系统级权限，鸿蒙是自研操作系统，华为可以像 Apple 一样把 Agent 做进底层。但华为的致命伤是硬件出货量的天花板，受芯片供应限制，华为终端设备的规模远不及苹果的 25 亿台，这意味着 Agent 的“触点密度”不够。没有足够的设备铺开，再好的系统级能力也只是空中楼阁。
用触点、上下文、权限三个维度来审视中国四强：
没有一家同时拿下三个维度，但每家都在自己的优势维度上构筑护城河。与美国市场不同的是，中国玩家之间的“墙”更高，微信不会轻易让豆包读取聊天记录，抖音也不会向淘宝开放流量入口。这意味着中国 Agent 入口战争的终局，可能不是“一家通吃”，而是“各守一城”。
但核心挑战依然是权限壁垒，当一家 Agent 试图调用另一家的核心数据时，面临的是森严的商业护城河与严格的数据安全法规。这恰恰印证了入口战争的本质，谁能突破庭院深深的权限壁垒，谁就掌握了下一代分配权。
“失落的中间层”
四家巨头从不同方向切入入口战争，一个残酷的副产品正在浮现：当系统级 Agent 可直接调用底层 API，用户没有动力打开独立的 ChatGPT 或 Claude 网页版。缺乏自有入口的纯模型提供商和套壳应用，正遭遇严重的价值挤压。
这一幕似曾相识。PC 时代，微软将浏览器、媒体播放器、Office 捆绑进 Windows，一批独立软件开发商（ISV）就此消失。移动时代，苹果和 Google 的应用商店抽成 30%，挤压了靠分发生存的中间商。每一次计算平台迁移，都会清洗掉那些“寄生在别人生态上”的中间层。这一次，清洗来得更快。
被挤压的中间层，处境各不相同。
最脆弱的是“纯套壳”。没有自研模型，没有独家数据，只是在 GPT 或 Claude 之上包一层 UI 再加点提示词工程。这类产品几乎没有切换成本，用户随时可以走。当系统级 Agent 原生具备同样的对话能力，它们第一个被淘汰。
“垂直 AI SaaS”的处境稍好一些。它们瞄准医疗、法律、金融、教育等垂直场景，用专有数据微调模型，构建行业工作流，有场景绑定和数据壁垒，短期内不会被替代。但长期看，如果微软或谷歌在 Copilot 中内置了同样的行业模板，垂直 SaaS 的护城河就会快速收窄。它们被挤压的程度，取决于“行业数据的独占性”有多强。
最尴尬的反而是“模型公司”本身。OpenAI 建 GPT Store，Anthropic 推函数调用，都在试图从“卖智力”转向“抢入口”。但尴尬的是，当 OS 级 Agent 可以直接调用 API，用户连 ChatGPT 网页版都不需要打开，GPT Store 里的插件又有多少打开率？模型公司向上抢入口，本质是在巨头的阴影下建一座自己的城堡。
这就引出了一个更深层的问题：开发者押注哪个平台？
Agent 生态的繁荣，取决于有多少开发者为它构建 Skill 和插件。如果开发者认定“未来属于微信 Agent”，他们就会优先为微信开发。如果认定“未来属于 Copilot”，就会优先接入微软生态。而开发者的选择又取决于用户在哪里。这是一个鸡生蛋蛋生鸡的循环，先打破循环的那家，将收割整个生态。
但开发者同样面临“平台锁定”的风险。为微信开发 Agent Skill，和十年前为 iOS 开发 App 没有本质区别，平台规则一变，投入可能归零。经历过苹果抽成和谷歌 Play 封号的中国开发者，对此心有余悸。这反而催生了一个新的中间层机会：跨平台 Agent 中间件，让开发者一次构建、多平台分发。谁能解决“写一次，到处跑”的问题，谁就可能成为 Agent 时代的“新 Android”。
未来生态大概率不会走向简单的“两极”，而是三层结构：极上层是把控入口的超级 Agent，攫取行业大部分利润。中间层是垂直行业 Agent 和跨平台中间件，靠数据壁垒和分发能力生存。极下层是提供算力与通用智力的基座大模型。
而连接所有层的基石，依然是信任。谁能用端侧加密、细粒度授权、一键撤销等设计让用户安心交出“执行权”，谁才能真正登顶。
AI 的终局，不是让机器更聪明地聊天，而是让机器代替人类去行动。未来的数字世界，不属于最会聊天的 AI，而属于最会做事的 AI。]]> <![CDATA[首届AI世界杯开赛，几个大模型猜中结果？]]> 北京时间6月12日凌晨3点，美加墨世界杯正式拉开战幕。这是第一届AI（人工智能）全面参与的世界杯。其中，赛前比分预测，是本届世界杯与大众最接近的AI应用。
首场比赛由东道主墨西哥迎战南非，最终墨西哥以2:0取胜。根据咪咕接入的12个国产大模型，有11个对胜负结果预测成功，其中有7个大模型预测中比分。
值得注意的是，在不同时间，大模型给出的预测并不一致。在首日第二场韩国对战捷克的比赛，《财经》观察到，赛前10小时左右，在咪咕的“世界杯竞猜”页面中，有8个大模型给出“韩国胜”的预测结果；到开赛后15分钟，预测韩国胜利的仅剩一家。12个大模型只有MiniMax、中移九天和商汤小浣熊没有改变预测。到比赛结束，该页面显示仅MiniMax一家押中胜负。
除了预测比分、为大众看球带来一定娱乐性，各个大模型也应用在信息获取、观赛答疑、赛事旅行规划等各个层面；AI眼镜等智能硬件也搭载了专属观赛功能。3D数字人可视化方案则帮助裁判对“腿毛级越位”作出更精准的判断。

左图为世界杯开赛前10小时12个大模型预测结果，右图为比赛结束后显示的预测结果。 图：咪咕“世界杯竞猜”页面
12家AI大模型预测比分
今年有12个国产AI大模型加入对世界杯赛事的预测，分别是DeepSeek、通义千问、百度文心、腾讯混元、智谱、MiniMax、阶跃、讯飞星火、中移九天、天禧AI、Kimi和商汤小浣熊。
在世界杯的首场比赛，由于墨西哥和南非两队实力差距明显，各大模型的预测结果集中在2:0、2:1等区间，和体彩开出的最低赔率走势保持一致。反观韩国对阵捷克一战，比赛悬念大增，大模型给出的比分预判十分分散，全场总进球数预测从1球到5球不等。
各家AI都依托大数据与算法模型作出预测。千问AI预测产品负责人程飞介绍，预测除了与球队、球员等竞技本身相关，还包括天气、赛场场地、体能、赛程，甚至旅行的距离、球队状态以及临场发挥的突发情况，都会影响最终建模预测的结果。
但这也不一定算无遗策。以千问为例，在墨西哥对阵南非的赛前预测中，千问认为墨西哥胜利的一大重要因素是墨西哥有主场超过2200米的海拔优势。但实际上南非不是传统意义上的沿海低海拔国家，约翰内斯堡海拔超过1700米，给了球队训练、适应的空间；更重要的是，比赛中南非并没有出现明显的体能不支、在跑动上掉队的情况。
此外，不同时间、面对不同用户，大模型给出的结果各不相同。以千问为例，《财经》于6月11日21:30向千问询问韩国与捷克的预测，千问给出的结果是1:0，其后在6月12日凌晨1点预测结果变为2:0。但也有其他用户晒出千问给的结果是2:1，押中结果。
在咪咕平台各家大模型都有各自的接口，预测结果为实时抓取，且App和咪咕显示结果可能存在出入。
据《财经》了解，不同时间段，大模型预测结果会改变。这种情况也符合体育彩票的赔率特点，不到开赛前最后一刻，相关数据始终处于动态变化中。毕竟比赛本身充满不确定性，爆冷、黑马，才是足球的魅力。
除了赛前预测，AI也开始深度介入观赛过程。咪咕将人工智能打造为赛事数据辅助工具，降低观赛门槛。比赛画面之外，系统会用阵型变化、球员跑动等可视化信息，帮助非专业球迷理解场上正在发生什么，这原本是需要专业经验才能读懂的信息。换句话说，AI一定程度上正在改变观众理解比赛的方式。

截图自咪咕
此外，球迷在观看比赛时也可以向AI实时提问，了解某次换人、一次进攻选择或某名球员状态变化背后的原因。
由于只经历了第一个比赛日，相关功能的实用性仍有待验证。有球迷对《财经》表示，这项功能最大的好处是帮粉丝全场追踪关注的球员，但这类人群对其他的战术、策略不感兴趣。也有球迷认为，这种方式利好有看球经验和爱好的“半专业球迷”，“可以在世界杯这一特殊时期积累谈资，增强与专业球迷对谈的底气。”
AI服务一线赛场
6月11日，足球名宿大卫·贝克汉姆在联想举办的世界杯观赛嘉年华中提到：“我们正在迎来一届技术最先进的世界杯……技术已经深入球队、球员，教练可以迅速获得想要的数据，尤其世界杯这种水平的大赛上。”
联想于2024年10月成为国际足联官方技术合作伙伴，为本届赛事带来了球迷可感知的技术改变。其一是3D数字人可视化方案。过去的越位回放显示二维画面，仅显示球员大致位置和越位线，相对抽象；美加墨世界杯，判罚回放中，观众可以看到类似球员真实体型、姿态和动作的3D形象，更加直观。
这让球迷开玩笑形容的“腿毛级越位”的裁定正在成为现实。
一位联想的员工告诉《财经》，联想主要为赛事提供算力支持。上一届世界杯场边首次引入12路鹰眼摄像头协助裁判，美加墨世界杯增加到16路，需要更强的本地算力和实时处理能力，以确保每秒采集海量球员数据并快速生成判罚结果。此外，比赛中，系统会以每秒50次的频率，持续追踪22名球员身上的29个骨骼点位，并用这些数据驱动数字人动作还原。
另一项创新是“裁判视角AI视频增强系统”。通过裁判随身摄像头和AI影像稳定技术，球迷可以体验裁判一视角。

裁判视角 图：球迷视频截图
除了判罚和可视化技术外，AI在赛场上还有更广泛的应用场景，例如比赛用球本身。
阿迪达斯为2026世界杯打造的官方比赛用球内置500Hz运动传感器芯片，实时追踪球的移动、触球频率和旋转轨迹。这些高精度数据可以与裁判系统联动，在判罚场景时提供辅助支持。
AI在足球比赛中的应用带来了优势，也伴随一些潜在争议：过度依赖技术正在削弱裁判的自主判断，同时频繁的回放和技术介入可能打断比赛节奏，影响场上流畅性；此外，数据采集和分析的成本高昂，普通俱乐部、发展水平较低的国家队有可能难以普及，存在数字鸿沟。
“科技要支持这项运动，而不是夺走它的魅力。它让足球得以发展，同时保护着使其如此特别的‘本质’。”贝克汉姆表示。
此外，AI在足球训练中的应用，已经进入俱乐部的日常训练管理。一个典型案例是伤病风险预警。职业球队现在会在训练和比赛中采集球员的跑动距离、高速冲刺次数、加减速频率、心率、疲劳状态、过往伤病史等数据，再由AI模型判断球员是否处在高风险区间。]]> <![CDATA[AI助手的"记性"到底有多靠谱？]]>
这项由哈尔滨工业大学、上海人工智能实验室、同济大学、厦门大学、复旦大学以及上海交通大学共同完成的研究，以预印本形式发布于2026年6月，论文编号为arXiv:2606.05761。感兴趣的读者可以通过该编号在arXiv平台查找完整论文。

**一段让AI"记性"现原形的故事**
你有没有这样的经历：和一个朋友相处多年，每次聊到某个话题，他总是前后矛盾——有时说自己喜欢安静的咖啡馆工作，有时又说喜欢热闹环境，最后还说最近换去图书馆了。这时候如果你要帮他订个地方，单靠他某一次说过的话，十有八九会订错。正确的做法是把他所有说过的话放在一起，弄清楚这些话是互相补充的、还是因时因地而异的、还是干脆前后矛盾无法调和的，然后再做决定。
这件听起来连小学生都懂的事，现在最顶尖的AI助手做起来却远远没那么轻松。为了搞清楚AI到底能不能做到这一点，研究团队设计了一套专门的"考题"，取名SubtleMemory，并用它对市面上十几款主流AI记忆系统进行了全面测试。结果出乎不少人意料——即使是最好的系统，距离满分也差了将近二十个百分点，而在某些特别刁钻的题目面前，号称最强的AI表现甚至连六成都不到。
**一、为什么AI助手需要"记性"，而且还需要"好记性"**
把AI助手想成一个你雇来处理日常事务的私人秘书。刚开始，你只有一两件事要交代，秘书很快就能搞定。但随着时间推移，你们合作越来越久，他知道的关于你的信息越积越多——你的饮食偏好、工作习惯、最近的计划变化、曾经提过的矛盾心理。这时候秘书面临的挑战就不再是"记住某件具体的事"，而是"在一大堆相互关联的信息里找到正确的那一条，并且清楚地知道它和其他信息之间是什么关系"。
现实中的AI助手（比如论文中提到的OpenClaw这类产品）每天都在积累大量用户的历史对话。这些历史对话里藏着形形色色的信息片段：有的互相印证、共同指向同一个结论；有的表面相似但其实只在特定情境下才成立；还有的则直接前后打架，无法同时为真。传统的AI记忆研究大多只问一个问题："AI能不能记住某件事？"而这项研究提出了一个更难的问题："AI能不能弄清楚它记住的这些事，彼此之间是什么关系？"
这个区别就像是：会背诵乘法口诀，和真正理解为什么三乘三等于九，是两回事。
**二、三种"记忆关系"：互补、微妙、矛盾**
研究团队把AI需要处理的记忆关系归纳成三大类，这三类就像是三种不同难度的迷宫，AI需要在里面找到正确出口。
第一种叫做"互补关系"。好比你从朋友不同时间说的三句话里，分别知道了他喜欢非洲文学、偏好两百到三百页的篇幅、希望书里有女性作者——这三条单独拿出来都不足以帮你从书架上选出两本书，但合在一起就能精准锁定答案。这种情况下AI需要把分散在不同时间、不同对话里的碎片信息拼接成完整图景。研究团队把这类情况进一步分成两个子类：一种是需要同时用到所有线索才能得出答案（叫做"多证据"型），另一种是任意一条线索都已经足够指向同一答案（叫做"任一证据"型）。
第二种叫做"细微区别关系"。这更像是侦探故事里最难办的情节：两条线索看上去说的是同一件事，但仔细一看，一条是关于"当年研究生阶段"的情况，另一条是关于"现在"的情况。或者一条适用于"在家"的场景，另一条适用于"给孩子设计工作坊"的场景。AI必须准确识别这些细微的时间或情境差异，不能把不该混用的信息混为一谈。研究团队把这类情况也分成两个子类：因时间不同而答案不同的（叫做"时间型"），和因情境不同而答案不同的（叫做"情境型"）。
第三种叫做"矛盾关系"，是三类里最难的。这相当于秘书记下了两条正面冲突的信息，比如"这个用户喜欢看Nordic noir犯罪剧"和"这个用户觉得黑暗犯罪剧太沉重、从不看"。这两条不可能同时为真，AI既不能随便选一条当作正确答案，也不能假装没看见另一条，正确做法是诚实地承认"我记录到的信息有冲突，需要用户来澄清"。
**三、SubtleMemory的"考卷"是怎么出的**
出这套考卷的过程，研究团队设计了一条精密的五步流水线，每一步都有专门的过滤机制确保质量。
整个流程从"选种子"开始。研究团队从已有的高质量数据集里挑选了两类基础信息：一类是和用户个人相关的信息，比如某个虚构用户的生活习惯、喜好和计划；另一类是和用户无关的世界知识，比如某个城市的市花是什么、某本书的类型是什么。前者来自一个叫PersonaMem-v2的个人化数据集，后者则来自FanOutQA、MuSiQue、QACC、HoH、AmbigQA等多个知识问答数据集。
有了种子信息之后，研究团队用AI生成"变体"。以一条"Bonita喜欢日式极简室内设计"的信息为例：如果是互补关系，就生成三条都和室内设计相关但侧重不同细节的描述，比如"偏好浅色木质家具"、"偏好中性色调"、"偏好收纳空间充足的简洁布局"；如果是细微区别关系，就生成几条分别对应不同情境的描述，比如"在自己公寓里喜欢极简风"、"在工作室里喜欢北欧风"、"在临时展台上喜欢工业风"；如果是矛盾关系，就生成两条针锋相对的描述，比如"喜欢极简风"和"不再想要极简风，现在喜欢复古繁复风"。
接下来，每一条变体信息都不是直接以"条目"的形式出现，而是被悄悄藏进一段自然的多轮对话里。一个用户在和助手讨论如何整理公寓采购清单，谈到"那些能活过每次收拾整理的东西，都是线条简洁、浅木色、素净色的"——这句话里就藏着她对家居风格的偏好信息。用户自己没有明说"我喜欢极简风"，但读过这段对话的人能推断出来。这种设计模仿了真实助手使用场景里信息传递的方式——用户不会专门给助手背诵自己的偏好，而是在日常交谈中自然流露。
为了避免对话内容单调，研究团队定义了十种对话类型，包括决策支持、规划协调、故障排查、学习解释、资源选择、流程建立、信息整理、个人反思、产出内容、审阅本地化，每种类型还配有三种不同的交互节奏模板。每段对话从这些类型中随机采样，确保全套考卷里的对话场景尽可能丰富多样。
完成对话的生成之后，研究团队为每个知识点设计了对应的考题和参考答案。考题分两大类：针对世界知识的，就是直接问"谁在9-1-1里演Buck这个角色"这样的问题；针对用户个人信息的，要么是填表单（比如填写一张员工档案，其中有咖啡偏好一栏），要么是从提供的候选资源里选出最合适的（比如从一堆书里选出两本最符合这个用户品味的）。这两种形式都能让评判结果更客观、更可量化。
最后，所有这些对话都被拼成完整的长期历史记录。每份历史记录平均包含236.4段对话，合计约21.16万个词语单位，相关信息片段自然地散落在不同时间点，中间穿插大量无关内容。整个基准最终包含1522道评测题，背后对应1090组经过关系控制的信息变体集，其中互补关系占361组、细微区别关系占352组、矛盾关系占377组。
**四、谁来答这套卷子，谁来改卷**
研究团队评测了三种不同形态的AI记忆系统。第一种是"独立记忆系统"，相当于一个专门负责存储和检索信息的模块，测试了六款：Mem0、MemOS、EverMemOS、MIRIX、A-Mem和MemoBase。第二种是"自带记忆的完整AI助手"，测试了两款：OpenClaw和MetaClaw。第三种是"借助插件扩展记忆能力的AI助手"，测试了OpenClaw分别搭载Mem0、MemOS、EverMemOS三种外部记忆插件后的表现。
改卷的工作由Gemini 3.1 Pro Preview Thinking模型担任"评委"。为了验证这位AI评委靠不靠谱，研究团队事先让人工标注了225道题的参考答案，然后拿AI评委的结论和人工结论对比。结果显示，两者的一致程度达到了Cohen's κ值0.963——这是一个非常高的一致性分数，意味着AI评委的判断几乎和人工判断一样可靠。
回答问题的模型，研究团队主要测试了两款：GPT-5.4和GPT-OSS-120B。他们还针对回答问题时用的提示词设计了两个版本：一个是"软提示"，只给出大方向的指引；另一个是"强提示"，明确告诉模型要精准识别目标信息、识别冲突、忠于证据、在证据不足时说清楚。从一套包含141道题的小规模校准实验里，他们发现GPT-5.4配合强提示能达到90.1%的整体正确率——但注意，这是在把原始对话直接喂给模型、完全绕过记忆系统的"理想条件"下取得的成绩，现实中记忆系统会带来额外损耗。基于这个发现，正式评测统一采用GPT-5.4加强提示的组合。
**五、测试结果：没有一个系统能真正过关**
正式测试的结果让人印象深刻——不是因为哪个系统特别出色，而是因为所有系统距离理想状态都还差得很远。
在使用GPT-5.4作为答题模型的情况下，最好的独立记忆系统是A-Mem，整体正确率70.0%；其次是Mem0，69.0%；再次是EverMemOS，68.1%。而理想条件下的"上限"（直接把相关原始对话喂给模型，完全不经过记忆系统）是85.4%。也就是说，最好的记忆系统也比理想状态低了超过15个百分点。
把A-Mem和MemoBase对比，差距更加触目惊心：A-Mem整体正确率70.0%，而MemoBase只有32.1%——这差距几乎等于一半的题目都答错了。
搭载记忆插件的OpenClaw表现怎样？Mem0加OpenClaw的组合达到了71.3%，略优于单独使用Mem0的69.0%；EverMemOS加OpenClaw达到69.1%，也略优于单独使用EverMemOS的68.1%。然而MemOS加OpenClaw的组合却只有56.5%，反而低于单独使用MemOS的56.8%——这说明加上AI助手的上下文管理层并不总是帮忙，有时反而会干扰。尤其是在使用GPT-OSS-120B这个稍弱一些的模型时，加上OpenClaw层几乎在所有组合里都带来了负面效果。
MetaClaw的表现令人惊讶地低，整体只有20.3%，比瞎猜好不了多少。原因在于MetaClaw的记忆机制更侧重于提炼"技能"和"经验"这类可复用的程序性知识，而不擅长保存需要精确细节的事实性记忆，这和SubtleMemory考察的需求正好背道而驰。
**六、三类关系，难度大不相同**
如果把整体成绩按三种关系类型拆开来看，差异更加明显。
互补关系的题目整体还算好做，但也要分子类型来看。"任一证据"型的题目，因为只需要从记忆里找到任意一条相关信息就够了，难度相对较低；"多证据"型的题目则需要把散落在多段对话里的几条信息全都找到并整合，难度明显更高。
细微区别关系的题目在"理想条件"下表现最好，几乎能达到饱和。这是因为这类题目虽然需要从多条相似信息里选出正确的那一条，但本质上只需要精准匹配，而不需要同时处理多条信息之间的复杂关系。然而在现实记忆系统的条件下，时间型的题目明显比情境型更难——有趣的是，理想条件下的表现正好相反，说明现有的记忆系统在处理时间信息时有额外的弱点，也就是说AI助手对"什么时候说的什么"这件事记录得不够精准。
矛盾关系的题目则是三类里最难的，没有任何悬念。即使在完全理想的条件下，GPT-5.4也只答对了68.7%，GPT-OSS-120B更只有41.6%。这意味着即使把所有相关对话直接摆在模型面前，它仍然很难正确地识别冲突、拒绝给出武断的答案。各系统在矛盾关系题目上的表现，普遍比互补和细微区别两类低了二三十个百分点，差距之大超过了研究团队的预期。这背后揭示的问题是：当前大型语言模型在面对无法调和的矛盾信息时，很容易倾向于"强行解决"——或者偷偷选一边站，或者发明一个不存在的理由把矛盾圆过去，而不是诚实地承认"这个问题我没有足够的信息来回答"。
**七、记忆损耗的三个环节：存、取、用**
为了更精准地弄清楚问题出在哪里，研究团队设计了一套三阶段的诊断方法，把AI记忆系统的工作流程拆成三个环节来分别考察。
第一个环节叫做"记忆保存"。研究团队先把所有历史对话完整地送进每个记忆系统，然后用"理想检索"的方式——直接把系统存储的、来自相关对话的记忆条目拿出来——来答题，看看和直接用原始对话相比，正确率下降了多少。下降的部分就代表在"把信息从对话转存成记忆"这个环节里损失掉的信息。
第二个环节叫做"检索能力"。保存环节过关之后，换成系统自己去检索相关记忆来答题，看看和"理想检索"相比又下降了多少。这一步的下降代表检索环节的损失。
第三个环节就是默认条件下的整体表现，把两个环节的损失叠加起来，得出最终成绩。
从这个三阶段诊断来看，各个系统的短板各不相同。A-Mem和OpenClaw在保存环节表现最好，分别达到了93.5%和91.5%的保存成功率。这两个系统有一个共同特点：除了把信息整理成结构化的记忆条目之外，它们还保留了原始对话记录。原始对话里包含很多细节，这些细节在压缩成摘要的过程中很容易丢失，但解答SubtleMemory的题目往往需要这些细节。MemoBase在保存环节只有39.1%，大量信息在进入记忆的第一步就丢了，但它在检索环节相对较强，达到了75.6%——意思是虽然存进去的东西不多，但只要存进去了，基本上还能找得到。OpenClaw保存得很好，但检索时矛盾关系题目的检索成功率只有34.2%，导致最终矛盾关系题目只答对了25.5%。这说明把冲突信息正确召回是一个特别棘手的问题。
从关系类型来看，矛盾关系的信息在保存阶段就特别容易"丢"，很可能是因为互相冲突的事实在进入记忆系统时会相互干扰，被系统错误地合并或丢弃；互补和矛盾关系的题目在检索阶段也比细微区别关系更难，因为它们往往需要同时取出多条相关信息，而细微区别关系只需要取出最匹配的那一条。
**八、测试结论意味着什么**
说到底，这项研究做的事是用一把更精密的尺子来量AI助手的"记忆质量"。之前的研究问的是"AI记得住吗"，这项研究问的是"AI记得清吗"——记得清楚不同时间、不同情境说过的话之间是什么关系，能不能在需要的时候把相关的信息全部找出来，能不能在信息相互矛盾时诚实地告知，而不是假装问题不存在。
测试结果表明，最好的系统还差着将近二十个百分点才能达到理想水平，而矛盾关系的处理即便在最理想的条件下也没有超过七成正确。这个发现对于任何正在开发或使用长期AI助手的人都很有参考价值：不要以为你的助手"记住"了你说过的话，就代表它真正"理解"了这些话之间的关系。尤其是当你的需求发生过变化、曾经说过前后矛盾的话的时候，助手很可能正在一本正经地给你一个基于错误理解的建议。
对于研究者来说，这项工作指出了一个清晰的改进方向：AI记忆系统需要在信息存储时保留更多细节（尤其是时间和情境信息），在检索时能够同时取回多条相关信息，在回答时能够识别矛盾并保持诚实。这三个方向任何一个单独突破，都能带来实质性的提升。
有兴趣深入探索这个话题的读者，可以通过arXiv:2606.05761查阅完整论文，研究团队的项目主页和代码也已经公开，方便有意在自己的记忆系统上运行SubtleMemory测试的开发者直接使用。
Q&A
Q1：SubtleMemory评测基准测的是AI记忆能力的哪个方面？
A：SubtleMemory不测AI能不能记住某件事，而是测AI能不能搞清楚它记住的多条相关信息之间是什么关系。具体来说分三种情况：多条信息是互相补充的，还是只在特定时间或情境下才成立，还是干脆互相矛盾。现有系统在这三类情况下的表现都有明显不足，矛盾关系的处理尤其困难，即使是最好的系统正确率也不到七成。
Q2：为什么AI记忆系统在处理矛盾信息时特别差？
A：核心原因有两个。一是现有记忆系统在把对话整理成记忆条目时，互相冲突的信息很容易被错误合并或丢弃，在存储阶段就已经损失了关键细节。二是大型语言模型本身在面对无法调和的矛盾时，倾向于强行选一边或发明理由把矛盾圆过去，而不是诚实承认信息存在冲突。这两个问题叠加，导致矛盾关系题目的得分在所有类别里垫底。
Q3：A-Mem为什么在保存环节表现特别好？
A：A-Mem除了把信息整理成结构化记忆条目之外，还额外保留了原始对话记录。原始对话里包含大量细节，这些细节在被压缩成摘要时很容易丢失，但SubtleMemory的很多题目恰恰需要这些细节才能答对。OpenClaw也有类似的特点，两者的保存成功率都超过了91%，远高于那些只保存结构化摘要的系统。
]]> <![CDATA[中国人民大学AI团队揭开大语言模型的隐藏秘密]]>
这项由中国人民大学高瓴人工智能学院、联想集团与武汉大学联合开展的研究，以预印本形式于2026年6月发表，论文编号为arXiv:2606.07502，有兴趣深入了解的读者可通过该编号查询完整论文。

当你用手机上的AI搜索"附近有什么好吃的川菜"时，AI需要先"读懂"你的这句话，然后在数以百万计的内容里找到和你问题最相关的结果。这个"读懂"的过程，在技术上叫做文本嵌入（text embedding）——把一段文字变成一串数字，数字之间的距离反映文字之间的语义相似程度。
大语言模型（Large Language Model，简称LLM），也就是ChatGPT、文心一言这类AI背后的核心技术，理论上应该非常擅长这件事。毕竟，它们读过互联网上几乎所有的文字，理解语言的能力令人叹为观止。然而，当研究人员真正测试这些模型在文本嵌入任务上的表现时，却发现了一个令人费解的现象：这些号称无所不能的大语言模型，在把文章"记成数字"这件事上，表现居然相当平庸。
这就好像一位博览群书、出口成章的学者，你让他帮你给图书馆里的书做分类标签，他却总是把各种书都贴上同样的标签——"的"、"了"、"是"——这些在任何书里都高频出现、却几乎毫无意义的词语。研究团队正是从这个奇怪的现象出发，展开了一场深入AI内部的"侦查"工作，最终不仅找到了问题的根源，还提出了一个简洁却有效的解决方案，命名为EmbedFilter。
一、为什么AI总是记住"的了是"，而不是真正的意思
要理解这个问题，先来了解一下大语言模型内部有一个叫做"反嵌入矩阵"（unembedding matrix）的零件。这个零件的正常功能是：给模型一个思考状态（一串数字），它帮模型判断下一个词最可能是什么。打个比方，这就像是一个翻译官，把AI内心的"想法"翻译成我们能看懂的文字。
研究团队使用了一个叫做"逻辑透镜"（Logit Lens）的工具。这个工具的原理很直接：把一段文字的嵌入表示（也就是那串代表文字含义的数字）丢给翻译官，看看翻译官觉得这段话"最像"在说哪个词。如果AI真的理解了文章的语义，翻译官应该能输出一些和文章内容相关的关键词。
然而，实验结果让研究人员大吃一惊。他们在三个主流大语言模型家族——阿里的Qwen、Meta的Llama以及Mistral——上分别测试，把同一段关于"逻辑透镜"工具本身介绍的英文文本输入模型，然后观察翻译官的输出。结果，三个模型不约而同地输出了大量毫无意义的高频词：引号、换行符、"the"、"is"、"and"……这些词在任何文本里都出现得极其频繁，但几乎不携带任何实质性的语义信息。
这意味着，模型保存下来的文字"印象"，并不是文章讲的是什么，而是文章"表面上用了哪些最常见的词"。这就相当于，你请一个人帮你记住一首诗的含义，他却只记住了"诗里面用了很多'的'字"。
更关键的是，这个现象在三个完全不同的模型家族里都出现了，说明这不是某一个模型的特殊毛病，而是大语言模型在设计上的一个普遍性问题。
二、问题的根源：AI内部的"平均脸陷阱"
找到了现象，研究团队开始追问：为什么会这样？他们的推理过程像是一步步拼图。
第一块拼图来自此前学术界已经观察到的一个现象：文本嵌入具有"各向异性"（anisotropy）。这个词听起来很专业，但背后的意思其实很好理解。假设嵌入空间是一个三维房间，所有文本的嵌入向量本来应该均匀分布在整个房间里，这样两段内容差异大的文字就会"站"在房间里相距很远的位置，内容相似的就"站"得很近。然而，实际观测发现，几乎所有文本的嵌入向量都挤在房间的一个狭小角落里。这意味着，随便找两段文字，它们的嵌入向量都非常相似——即便这两段文字讲的是完全不同的事情。
第二块拼图是：这个狭小角落的"中心点"是什么？研究团队猜测，这个中心点代表的是一个"平均词"——所有在训练数据里出现过的词，按照出现频率加权平均，得到的那个"最典型"的词的嵌入表示。
为了验证这个猜测，研究团队做了一件很有创意的事情：他们反向工程出了这个"平均词"的隐藏表示。具体做法是，从公开语料库RedPajama里统计出每个词的出现频率，然后利用反嵌入矩阵的数学性质（用了一种叫做摩尔-彭罗斯伪逆的数学工具），反推出一个能够产生这种频率分布的"假想隐藏状态"。这个假想隐藏状态，就是他们所说的"平均词的表示"。
有了这个"平均词"，他们就能更精确地研究：AI内部哪个部分负责把这种"平均词偏见"写进文本嵌入里。
三、发现"边缘频谱"：AI内部的高频词制造机
接下来是最关键的侦查步骤。研究团队使用了另一个工具，叫做"逻辑频谱分析"（Logit Spectroscopy）。
先解释一下什么是"频谱"。反嵌入矩阵是一个巨大的数学矩阵，可以用一种叫做奇异值分解（SVD）的技术把它拆解成一系列"方向"和对应的"重要程度"（奇异值）。这就好比把一首交响乐分解成不同乐器的声部：小提琴声部、大提琴声部、打击乐声部……每个声部对整体音效的贡献不同。
逻辑频谱分析做的事情是：逐一"静音"每一个声部（滤掉每一个方向的贡献），然后观察"平均词"的翻译结果发生了什么变化。如果静音某个声部之后，高频词的得分大幅下降，就说明那个声部是高频词偏见的主要来源。
实验结果非常清晰：在三个模型上，当研究团队静音频谱两端的声部时——也就是那些奇异值最大和最小的方向——高频词的得分急剧崩塌，受到的影响远超其他中间位置的声部。而当他们静音中间位置的声部时，高频词的得分几乎没有变化。
这个规律在Qwen、Llama、Mistral三个模型上表现一致，最大扰动可以达到20%以上。研究团队把这两端的频谱方向命名为"边缘频谱"（edge spectrum），因为它们处于整个频谱的两个边缘位置。
作为对照，研究团队还用同样的方法分析了低频词和随机采样词的情况。结果发现，低频词和随机词对边缘频谱的敏感度远比高频词低得多，这进一步确认了边缘频谱与高频词偏见之间的特异性关联。
换句话说，研究团队找到了那个"制造麻烦的零件"：反嵌入矩阵里处于频谱两端的那部分，负责把高频词的信息强行写进文本嵌入，干扰了真正的语义信号。
四、EmbedFilter：一把精准的"语义滤镜"
找到了问题的根源，解决方案就呼之欲出了。研究团队提出的EmbedFilter，原理可以用一个简单的生活比喻来理解。
假设你在拍一张风景照，但镜头上有几片灰尘，导致照片里出现了几个模糊的污点。与其重新买一个镜头或者重新拍摄，你可以用一块专门的擦镜布，把那几片灰尘擦掉，照片立刻就清晰了。EmbedFilter做的正是这件事：它是一块专门针对"边缘频谱灰尘"的擦镜布。
从数学层面说，EmbedFilter是一个线性变换（Bulk Spectrum Transformation，简称Φ）。它的做法是：从反嵌入矩阵的奇异值分解中，只保留中间那部分方向（去掉两端的边缘频谱），用这些"纯净"的中间方向重新构造一个投影矩阵，然后用这个矩阵对原始的文本嵌入进行过滤。
这个操作有几个值得注意的特点。第一，它完全不需要重新训练模型，也不需要任何额外的标注数据或校准数据集，所有需要的信息（也就是反嵌入矩阵本身）都已经存在于模型内部，拿来直接用就好。第二，计算量极小，相比于模型本身每秒处理的海量运算，这个过滤步骤几乎可以忽略不计。第三，这个方法是通用的，可以叠加在任何已有的文本嵌入提取方法之上，不限于特定的模型或提示工程策略。
研究团队还重新做了一遍逻辑透镜分析，这次用的是经过EmbedFilter处理后的嵌入表示。结果令人振奋：三个模型输出的高频词几乎完全消失，取而代之的是与输入文本真正相关的词汇。比如，对于那段关于"逻辑透镜"的测试文本，Llama模型过滤前输出的是"_the"、","、"_a"这类无意义词，过滤后输出的变成了"_activations"（激活值）、"_representations"（表示）、"_viewpoints"（视角）等与文章内容直接相关的词。这直观地证明，过滤掉边缘频谱之后，嵌入表示确实"看到"了更多真实的语义内容。
五、降维红利：更小、更快、更好
EmbedFilter还带来了一个意外的惊喜，那就是免费的维度压缩。
文本嵌入通常是高维度的向量，比如Llama-3.1-8B的嵌入维度是4096，意思是每段文字要用4096个数字来表示。维度越高，存储这些嵌入所需的空间越大，计算两段文字之间相似度的速度也越慢。对于需要处理数百万甚至数十亿条文本的实际应用来说，这是一笔相当可观的成本。
EmbedFilter的核心操作是从反嵌入矩阵的奇异向量中选取一个子集（去掉两端，只保留中间部分），然后把文本嵌入投影到这个子集所张成的空间里。由于这个子集的维度小于原始维度，投影后的向量自然就变短了。研究团队定义了一个参数τ来控制压缩比例：τ=2表示把维度压缩到原来的1/2，τ=4表示压缩到1/4，τ=8表示压缩到1/8。
更妙的是，这个降维操作在数学上是距离保持的（distance-preserving），也就是说，两段文字在原始高维空间里的相对远近关系，在压缩后的低维空间里依然保持不变。研究团队在论文附录中给出了严格的数学证明，其核心在于奇异向量矩阵是正交矩阵（各方向互相垂直、互不干扰），因此投影操作不会扭曲距离关系。换句话说，用压缩后的向量来判断文章相似度，理论上和用原始向量一样准确，但计算量和存储需求都大幅降低。
六、实验验证：在49项任务上全面碾压
研究团队在学术界通用的MTEB（Massive Text Embedding Benchmark，大规模文本嵌入基准测试）上进行了全面评估。这个基准包含49项不同的任务，涵盖语义相似度判断（STS）、文本分类（Classification）、聚类（Clustering）、配对分类（PairClassification）、重排序（Reranking）、检索（Retrieval）和摘要评分（Summarization）七大类。
实验在三个模型上进行：Qwen-2.5-0.5B（0.5亿参数的小模型）、Llama-3.1-8B-Instruct（80亿参数的中型模型）和Mistral-7B-Instruct-v0.3（70亿参数）。每个模型分别搭配两种主流的提示工程基线方法：PromptEOL（用"把这段话总结成一个词"的提示帮助模型压缩语义）和ECHO（通过重复输入文本让模型更好地捕捉语义）。
结果相当亮眼。以Qwen模型搭配ECHO为例，基线方法的MTEB综合得分是46.03分，加上EmbedFilter之后跃升至52.55分，提升幅度达到14.1%，这是全部实验配置中最大的单次提升。Llama搭配ECHO的配置从53.52分提升到57.70分，提升7.8%。Mistral搭配ECHO从53.21分提升到56.10分，提升5.4%。在所有49个测试配置中，加入EmbedFilter后的得分几乎清一色高于对应基线，体现出相当强的普适性。
当压缩比τ从2增大到4再到8时，性能确实有所下降，但下降幅度相当温和。以Llama搭配ECHO为例，τ=2时综合得分57.70，τ=4时57.32，τ=8时56.61——即便把维度压缩到原来的八分之一，性能依然显著优于未使用EmbedFilter的基线（53.52分）。这意味着，在实际部署中，可以用一个小得多的存储空间和快得多的检索速度，同时获得更好的语义表示质量。
研究团队还额外测试了EmbedFilter与更复杂的提示工程框架的兼容性。MetaEOL是一种需要借助大型商业语言模型生成多样化提示的方法，GenEOL则是利用模型的生成能力从不同角度改写原文再取平均嵌入的框架。EmbedFilter叠加在这两种方法上之后，同样带来了稳定的提升：MetaEOL搭配Qwen从52.23分提升到55.39分（+6.1%），搭配Llama从56.73分提升到58.79分（+3.6%）；GenEOL的STS任务平均分从77.73分提升到78.39分。这说明EmbedFilter不是针对某一特定方法的特殊优化，而是一个真正通用的改进工具。
七、与其他方法的比较和消融实验
研究团队还仔细排查了EmbedFilter性能提升的真正来源，确保结论的可信度。
一个自然的质疑是：EmbedFilter的提升，会不会只是因为降低了维度，而不是因为滤掉了边缘频谱？为了排除这个可能，研究团队设计了两个对照实验：一是直接截取原始嵌入向量的前半部分（Truncation）；二是随机选取一半维度（Random）。这两种方法同样降低了维度，但没有进行任何语义导向的过滤。结果发现，这两种方法的得分（49.13和49.27）不仅没有超过EmbedFilter（54.57），甚至比未降维的基线（50.07）还要低。这有力地证明，维度压缩本身不能带来性能提升，EmbedFilter的有效性确实来自于对边缘频谱的精准滤除。
研究团队还对比了只滤除奇异值最大方向（Dominant）、只滤除奇异值最小方向（Secondary）、只保留边缘频谱而滤除中间部分（Bulk，即EmbedFilter的反操作）这三种变体。结果显示，完整的EmbedFilter（同时滤除两端）得分最高（54.57），而Bulk变体（只保留两端）得分最低（47.13），比基线还差。这一对比既验证了边缘频谱确实是有害成分，也从反面证明了中间频谱才是真正承载语义的部分。值得注意的是，仅滤除奇异值最小方向（Secondary，53.19）的效果远好于仅滤除奇异值最大方向（Dominant，47.53），这与之前频谱分析中观察到的、小奇异值方向对高频词的影响更大的结论是一致的。
研究团队还设计了一个"理论上限"配置（Optimal）：根据频谱分析的结果，找出对高频词影响最大的那些方向进行精准滤除。这个配置需要事先做频谱分析，实现上更复杂，但代表了该框架理论上能达到的最好效果。结果显示，Optimal配置的得分是54.19，而EmbedFilter（不需要任何额外分析，直接按频谱位置过滤）的得分是54.57，甚至略高于理论上限。这说明EmbedFilter在实践中的表现已经相当接近甚至超越了更复杂的精准方案。
另一个值得一提的对比是与BERT-whitening（白化处理）的比较。白化处理是学术界已有的一种解决嵌入各向异性问题的方法，原理是用一个校准数据集（通常是NLI自然语言推理数据集）来计算嵌入的统计特性，然后对嵌入进行标准化。白化处理同样支持降维，因此两者具有可比性。在相同的降维比例（τ=2，448维）下，EmbedFilter得分54.57，白化处理得分53.04。EmbedFilter不仅表现更好，而且完全不需要任何校准数据，这在实际应用中是一个相当大的优势——因为获取高质量的校准数据本身就需要成本。
研究团队还展示了EmbedFilter在维度压缩上的实用价值，将其与预LLM时代的经典嵌入模型进行对比。SimCSE（一种经过精心对比学习训练的BERT模型）在768维下的MTEB综合得分是53.54，coCondenser（专门为密集检索优化的模型）是55.48。而Llama搭配EmbedFilter，在512维（原始4096维的八分之一）下达到了56.61分或更高，用更小的存储空间超越了这些经过专门训练的专业嵌入模型。
说到底，这项研究做的事情可以用一句话概括：在AI的大脑里找到了那个专门"制造噪音"的零件，并设计了一把精准的手术刀把它的影响切除掉。切除之后，AI对文字含义的理解变得更清晰，存储和检索的效率也同步提升。
这对普通人意味着什么？当你在搜索引擎里输入一个问题，背后的AI如果用了这种技术，就能更准确地理解你真正想问的是什么，而不是被"的了是"这类无意义词所干扰；当你用AI整理大量文档时，文档分类会更精准；在语音助手、文档检索、问答系统等各种场景里，这种改进都可能带来看得见的效果提升。而且，由于存储空间需求降低了，这些能力也可以更容易地部署在手机等资源有限的设备上。
一个值得进一步思考的问题是：既然边缘频谱对语义表示有害，在未来训练新模型时，是否可以在训练阶段就主动抑制这种偏见，而不是等到使用时再后处理？研究团队在文中也表达了同样的期待，认为这一发现可以为未来更系统化的文本嵌入训练设计提供参考。此外，边缘频谱中两端不对称的影响（小奇异值端比大奇异值端更"有害"）背后的深层原因，也是研究团队留给未来工作的开放问题。有兴趣深入探索这些问题的读者，可以通过论文编号arXiv:2606.07502查阅完整的研究报告。
Q&A
Q1：大语言模型在文本嵌入任务上为什么表现不好？
A：大语言模型生成的文本嵌入向量存在"高频词偏见"问题：把一段文字的嵌入投影回词汇空间时，模型反映的不是文章讲了什么，而是文章里出现了哪些高频但无意义的词（如"the"、"，"、换行符等）。这种偏见导致不同文本的嵌入向量过于相似，无法有效区分语义差异。
Q2：EmbedFilter是怎么改善文本嵌入质量的？
A：EmbedFilter利用大语言模型内部已有的反嵌入矩阵（unembedding matrix），通过奇异值分解找出频谱两端（边缘频谱）的方向，这些方向被识别为高频词偏见的主要来源。EmbedFilter通过一个简单的线性变换，将文本嵌入投影到去掉两端后的中间频谱子空间，从而过滤掉高频词的干扰，提升语义表示质量，不需要任何重新训练或额外数据。
Q3：EmbedFilter降维后语义相似度的计算还准确吗？
A：准确。EmbedFilter的降维操作基于正交矩阵的投影，在数学上是距离保持变换，即两段文字在原始空间的相对距离关系在压缩后的空间里完全保留。实验也验证了这一点：维度压缩至原来的八分之一后，性能仍显著优于未使用EmbedFilter的基线模型。
]]> <![CDATA[清华大学等顶尖高校联手打造"沉浸式世界模拟器"]]>
这项由清华大学、华中科技大学、快手科技（旗下Kling团队）、香港科技大学和武汉大学联合完成的研究，发表于2026年6月，论文编号为arXiv:2606.07326。有兴趣深入了解的读者可以通过该编号在arXiv平台查阅完整论文。

当你戴上VR头显，在虚拟世界里举起手臂、转过身去打量一间陌生的房间，你期待看到什么？你当然希望那个世界像真实的一样，随着你的身体动作实时响应——你迈步向前，脚下的地板就应该缓缓逼近；你侧过头，墙角的书柜就该从视野边缘慢慢滑入画面。更进一步，如果这个世界里有另一个人正站在你看不见的角落里，你的大脑会下意识预期：等我转过去，他应该还在那里，而且可能已经从椅子上站了起来，就像现实中的人一样。
然而，现有的AI视频生成技术在这件事上长期表现不佳。它们或者只能用键盘方向键来控制视角移动，或者只能用文字描述来触发场景变化，根本没法模拟一个真实的人是如何用整个身体去感知和互动世界的。而且这些系统生成出来的世界，像一块随用随生的泡沫——走到哪，生成到哪，对于那些你还没走到但理应存在的角落，它完全没有概念。
这正是AnchorWorld想要解决的核心问题。这套系统的名字里有个"锚"字，恰如其分——它的设计思路就是在虚拟世界里提前打下几个"锚点"，让整个世界在你动来动去的时候不至于随机漂移，而是稳稳扎在那里，等你走过去、看到它时，一切都如你所预期。
一、现有技术卡在哪里？
要理解AnchorWorld的价值，先得弄清楚现有技术踩了哪些坑。
大多数"交互式世界模型"，本质上是一个能接受指令然后生成连续视频的系统。你给它一张起始图片，再给它一段指令，它就一帧一帧地往后生成画面。问题在于，这个"指令"往往非常粗糙——要么是键盘上的方向键（向前、向后、左转、右转），要么是一句文字描述（"往厨房走"）。这类控制方式就像用口头命令指挥一个不懂空间感的机器人，它能做到大方向正确，但对于身体和环境之间那种复杂的空间关系，它完全抓不住。
更接近真实情况的一些新研究开始引入手部姿态甚至全身动作作为控制信号，这方向是对的。但随即暴露出另一个问题：第一人称视频里大多数时候根本看不到完整的人体！你戴着头显向前走，摄像头拍到的是你面前的世界，你的腿、你的躯干，统统不在画面里。这就导致AI想从第一人称视频里学习"身体动作和视觉画面之间的关系"，就像只能看到水面波纹却看不到石头的学生，要靠水纹推断投入了多大的石头——信号太稀疏了，学不扎实。
与此同时，"世界状态"的问题同样棘手。现有方法通常只靠一张初始图和历史画面来维持场景的连贯性，走到新地方时那片区域就是凭感觉生成，没有任何提前约束。这意味着你绕一圈回来，墙上的画可能换了颜色，房间里的人可能凭空消失。这对真正意义上的世界模拟来说，是不能接受的。
AnchorWorld的设计就是针对这两个缺口：第一，让系统更好地理解全身动作和视觉画面的关系；第二，为世界中的特定位置提前"预设状态"，让系统知道那里有什么、会发生什么。
二、第一视角的困境怎么破？混合视角训练法
AnchorWorld解决第一个问题的方式，有点像培养一个优秀的演员：先在第三人称视角下大量观察真实的人体动作，再把这些知识迁移到第一人称视角。
具体来说，研究团队采用了一种叫做"混合视角训练"的策略。系统首先在大量普通第三人称视频（也就是传统的、能看到整个人的那种视频）上训练，在这个阶段，AI可以清楚地看到整个人体是如何运动的——脚怎么迈、手怎么摆、身体重心如何转移。更重要的是，它能看到这些动作和周围环境的关系：这个人走过去，脚踩到了地毯，手伸向了桌子，身体旋转之后视线落在了窗户上。
在这个阶段，研究团队用了自家内部整理的20万条单人动作视频，加上一个基于虚幻引擎（Unreal Engine）生成的合成数据集MultiCamVideo里的10.1万条视频，规模相当可观。
完成第三人称阶段的训练之后，系统再迁移到第一人称视频的训练。这时候，AI虽然在屏幕上看不到完整的人体，但它已经在第三人称阶段建立起了"身体动作→视觉变化"的空间映射能力，可以把这套经验应用到第一人称场景里——哪怕现在只看得到双手，它依然能猜到身体其他部分在做什么，并据此生成合理的画面变化。
这套训练方法用到的真实第一人称数据主要来自两个公开数据集：Ego-Exo4D和LEMMA。这两个数据集的特别之处在于，它们同时录制了同一场景的第一人称和第三人称画面，就像电影拍摄时主摄像机和监控摄像机同步录制一样。这让系统可以把"我看到的世界"和"别人看到的我"对应起来学习，弥补了单纯用第一人称数据学习时的信息缺失。
为了描述人体动作，AnchorWorld使用了一个叫SMPL-X的标准人体参数模型，把人体拆解成22个主要关节，每个关节用六个数字描述（三个描述空间位置，三个描述旋转方向）。之所以不用手部关节，是因为研究团队发现现有的第一人称视频数据集在手部估计上质量不够可靠——手太常被遮挡或跑出画面了。
三、身体姿态怎么"注入"到视频生成里？空间姿态注意力机制
有了人体动作数据，下一步是把它真正地"告诉"AI视频生成系统。这里有个技术上的精妙设计。
AnchorWorld把视频生成底层模型选定为Wan（一个基于"流匹配"技术的扩散模型），然后在其中加入了一个叫做"空间姿态注意力"的模块。这个模块的工作方式可以理解为：把人体动作信息和摄像机运动信息，在每一帧上都紧挨着视频画面的信息摆放，让三者在同一个"会议室"里同时讨论——画面里的每一块区域，都能直接参考对应时刻的人体姿态和摄像机角度，从而生成在空间上完全匹配的视觉内容。
更关键的设计细节在于：系统用同一套"投影"逻辑来处理第三人称和第一人称两种情况。不管摄像机是架在旁边看全身，还是就装在头顶往前看，系统处理的方式是一样的——把三维空间里的人体动作，按照当前摄像机的位置和角度，投影到二维画面上。这样一来，第三人称和第一人称的训练就可以在同一个框架下进行，知识可以流通。
四、"锚点"是什么？给世界打上坐标的关键设计
现在来到AnchorWorld最有特色的部分：锚视图（Anchor View）系统。
假设你正在体验一个虚拟客厅场景。客厅里有一个沙发，沙发上坐着一个人。你从厨房走进来，初始视角只看到桌子和电视。那个坐在沙发上的人，此刻完全不在你的视线里。但是当你转过身走近沙发区域，你当然期望他还在那里。更进一步，如果那个人在你看不见的时候已经从沙发上站起来走向了电视，等你走到那个区域时，你应该看到他已经站着而不是坐着。
传统系统对这个"期望"完全没有约束能力，因为沙发区域在你走过去之前根本不存在于任何参考帧里。AnchorWorld的锚点机制就是为了解决这个问题。
一个"锚视图"由三样东西组成。第一样是一张RGB图片，拍摄的是那个位置的场景——比如沙发区域的照片，照片里有沙发和坐在上面的人。第二样是这张照片在三维世界坐标系中的位置和角度，用一套六维数字描述（三个数描述位置，三个数描述朝向），专业上叫做6-DoF位姿。第三样是一段文字描述，告诉系统这个区域会发生什么变化——比如"那个人从沙发上站起来，走向电视"。
系统在工作时，会把这些锚视图的图片信息和正在生成的视频帧信息放在一起，通过特殊的位置编码（3D RoPE）告诉系统哪些是"锚点画面"、哪些是"正在生成的当前帧"。同时，每个锚点的三维位姿信息也被注入进去，让系统知道这些锚点在三维空间中分别位于什么地方，和当前视角的相对位置关系是什么。
至于那段文字描述的"动态变化"，系统通过一种叫做"遮蔽交叉注意力"的方式来处理：每段文字描述只和它对应的那个锚点画面以及当前生成的视频帧"对话"，不会干扰其他锚点。这就保证了不同位置的变化可以相互独立地发生，互不串扰。
五、四个阶段循序渐进的训练流程
AnchorWorld的训练分四个阶段进行，每个阶段建立在前一个阶段的能力基础之上，就像盖楼一样先打地基再建上层。
第一阶段是"第三人称动作训练"。系统在大量的第三人称视频上，学习全身动作和视觉画面之间的对应关系，建立基本的投影能力和空间感。这一阶段用了30000步训练，总计消耗600个GPU小时（相当于25张高端显卡连续运行整整一天）。
第二阶段是"第一人称动作训练"。系统切换到第一人称数据，把第一阶段学到的空间感迁移到头戴式视角下，学习第一人称下的画面生成规律。这一阶段用了15000步训练和300个GPU小时。
第三阶段是"静态锚视图定制训练"。系统学习如何利用提前提供的锚点图片和位姿，在生成视频的过程中保持对场景的空间一致性。这一阶段重点是"走到哪，锚点所在位置的场景应该是什么样"这类静态场景的一致性，同样是10000步和253个GPU小时。
第四阶段是"动态锚视图演化训练"。在第三阶段的基础上加入"动态数据"——那些锚视图里有人在做事情的视频，加上对应的文字描述。系统学习在保持空间一致性的同时，让锚点所对应的区域按照文字描述中规定的方式发生变化。同样是10000步和253个GPU小时，但同时混合了静态数据和10000条筛选出的动态场景数据。
整个训练过程均在16块NVIDIA 80G显卡上进行，学习率固定为0.0001，使用AdamW优化器。推理时，每次生成77帧的视频，分辨率为480p，需要50个去噪步骤，引导强度设为5。
六、实验结果：AnchorWorld在各项测试中表现如何？
研究团队构建了四套测试集来全面评估AnchorWorld，与多个基线方法进行了比较。
参与比较的基线方法包括PlayerOne（一个专门做第一人称世界模拟的方法，把人体分部位分别学习控制）、PlayerOne-Scene（PlayerOne加上了AnchorWorld的锚点注入机制）、CaM-UE（在虚幻引擎数据上训练的场景一致性模型，官方版本），以及CaM-Ego（把CaM模型在第一人称数据上重新训练的版本）。
第一套测试是在第一人称数据源中留出的100个测试序列上，场景是静态的，主要测动作控制和场景一致性。评估指标涵盖了很多维度：场景一致性用GIM匹配像素数（像素级匹配程度，数字越高说明生成的画面和真实画面越接近）、CLIP-V（语义相似度）、PSNR、SSIM（像素精度）和LPIPS（感知相似度）来衡量；动作控制则通过MegaSaM工具从生成视频中估计出摄像机轨迹，再和真实轨迹比对来评估。AnchorWorld在全部这些指标上都达到了最优。具体来说，GIM匹配像素数为4493.4，CLIP-V为0.885，PSNR为16.06，SSIM为0.578，LPIPS为0.470，摄像机绝对平移误差（ATE）为0.112，相对平移误差（RTE）为0.029，相对旋转误差（RRE）为3.145，均好于各基线。
第二套测试是在虚幻引擎生成的CineScene数据集上，涵盖100个序列，场景依然静态。这套数据更接近"合成影视场景"风格，视觉质量高、场景变化丰富。由于摄像机内参不一致，这里只评估GIM像素匹配和CLIP-V，以及旋转误差RRE。AnchorWorld的GIM达到4555.1，RRE为1.656，是所有方法中旋转误差最小的，说明它在大幅视角变化下维持了最好的方向准确性。
第三套测试是动态场景：100个包含明显人物活动的第一人称测试序列，除了场景一致性和动作准确度之外，还额外测了文字引导的演化效果，使用的是一个叫VideoAlign-TA的指标（衡量生成视频和文字描述的语义匹配程度）。AnchorWorld在这里的优势最为突出：GIM为4634.6，CLIP-V为0.899，PSNR为16.37，SSIM为0.555，LPIPS为0.486，ATE为0.048，RTE为0.013，VideoAlign-TA高达0.717，远高于第二名CaM-Ego的0.385和PlayerOne-Scene的0.449。这说明AnchorWorld在"按照文字描述让场景中的人物做出对应变化"这件事上，有了质的提升。
视觉化的对比同样鲜明。在对照图中，PlayerOne生成的画面里，人物动作常常不准确，比如文字要求往左走，结果画面里的人可能往右偏；CaM-Ego只能控制视角，没法控制身体动作；PlayerOne-Scene虽然加入了锚点，但由于动作控制本身不够精准，场景一致性也打了折扣。AnchorWorld的结果则在动作准确性和场景稳定性两方面同时保持了最高水准。
七、视野外的世界，AI也能推算出来吗？
AnchorWorld最令人印象深刻的能力验证之一，是对"视野之外场景演化"的处理。
研究团队设计了这样一组测试：锚视图里有一个人，他一开始不在玩家的视野范围内，只有当玩家进行了某个方向的转头动作之后才会出现在画面里。文字描述设定他"从沙发上站起来"。
关键是：玩家什么时候转头，会看到他处于什么状态？如果早点转头（比如在第25帧），那个人应该还坐着或者刚开始起身；如果晚点转头（比如在第60帧），那个人应该已经站起来了。这不是简单的"等你看他，他才开始行动"，而是整个世界在持续流动，锚点所在区域的时间状态要和视频的整体时间进度保持一致。
实验结果显示，AnchorWorld确实做到了这一点——改变玩家的转头时机（通过修改人体动作序列来实现），生成的视频里那个人物所处的状态就会相应变化，早看到他还坐着，晚看到他已经站起来。这意味着系统在生成视频时，内部维持着一个对整个世界状态随时间演化的推断，而不只是被动地"看到什么生成什么"。
八、翻转世界来测空间感
另一个有趣的测试叫做"空间位姿感知测试"。研究团队把人体姿态和锚点位姿同时做了水平翻转（就像照镜子一样），但保持锚点图片本身不变。
当翻转后的位姿导致人的行走方向和锚点位置"出现视野重叠"时，生成的视频会自然地包含锚点图片里的场景细节；当翻转后导致二者"视野不重叠"时，生成的视频里就不会出现那些细节，而是自然地生成另一侧的场景内容。
这说明系统真的在用空间位姿来判断"我走到哪里、能看到什么"，而不是简单地把锚点图片内容粘贴进去。
九、有哪些做不好的地方？
研究团队对于系统的局限性保持了坦率的态度。
现阶段AnchorWorld只能处理较短的视频片段（77帧），对于长时间的世界探索还无法支持。长时间的探索需要更强的"长期记忆机制"，让系统能记住很久以前走过的地方是什么样的，这在技术上还有待突破。
训练数据的覆盖范围也限制了系统的泛化能力。目前的训练数据主要集中在少数几种室内场景，对于户外、大型开放空间等情况，泛化效果不可预知。
动态场景的多样性同样受限。由于第一人称数据集通常只从固定几个第三人称视角来录制同一段活动，文字描述只能做到对所有锚点用同一段描述（不能让不同锚点演化出不同的故事），而且主要集中于人物活动，环境中的自然动态（比如窗外飘落的树叶、窗帘被风吹动）还没有被纳入训练。
技术细节上，系统使用的VAE（一种把图像压缩成内部表示的工具）的空间压缩比例是16倍，这导致精细纹理信息会有一定损失——比如自行车辐条、书架上的文字等细密结构，在生成视频中可能保持不够精准。快速头部转动时画面模糊的问题，也是因为训练数据里本身就有大量运动模糊帧，系统不可避免地学到了这种模式。
归根结底，AnchorWorld是一套在有限资源和有限数据下，尽可能把"具身世界模拟"这件事做得更完整、更可控的尝试。它的核心贡献在于提出了一套可行的架构，把"人体动作控制"和"世界状态定制"这两条线同时纳入一个统一框架，并通过扎实的实验证明了这条路确实走得通。对于正在研究虚拟现实、具身智能和视频生成的研究者来说，这套思路提供了相当清晰的参考。而对于未来有一天真正走进那个AI构建的沉浸式世界的普通用户来说，这项工作让那个世界又往"活得像真的"这个目标近了一步。
有兴趣进一步探索的读者可以通过arXiv:2606.07326查阅完整论文。一个值得继续追问的问题是：当AI能够持续、稳定地模拟一个"活的世界"，而不只是生成几秒钟的短片段时，我们是否就走到了虚拟与现实难以分辨的边界？那个边界，可能比我们以为的要近得多。
Q&A
Q1：AnchorWorld是什么技术，和普通的AI视频生成有什么区别？
A：AnchorWorld是一套专门用于第一人称视角世界模拟的框架。普通AI视频生成只是根据文字或图片生成一段视频，而AnchorWorld可以接受完整的人体三维动作作为控制信号，同时在世界中预设"锚点"——提前指定某个位置的场景内容和变化规律。当用户的视角转过去时，那个位置会按照预设的内容和演化规律呈现，而不是随机生成。
Q2：AnchorWorld的"锚点"训练数据从哪里来，普通的视频能不能用？
A：锚点数据主要来自Ego-Exo4D和LEMMA两个数据集，这两个数据集的特点是同时录制了同一场景的第一人称和多个第三人称画面，可以让系统把不同视角的内容对应起来学习。普通的单视角视频缺乏这种同步的多视角配对，无法直接用于锚点系统的训练。文字演化描述则由Qwen3-VL-32B-Instruct大语言模型自动标注生成。
Q3：AnchorWorld可以用来做什么实际应用？
A：短期来看，AnchorWorld对VR体验制作、具身AI训练环境构建和影视预览制作有直接价值——可以在不真实拍摄的情况下，生成有完整人物动作和稳定场景的第一人称视频。长期来看，如果这套技术进一步发展到支持长时间实时交互，它将是构建沉浸式虚拟现实世界和训练智能机器人的重要基础工具。
]]> <![CDATA[AI已有类意识行为，未来人与AI将理性共存]]>
智东西
作者 王涵
编辑 云鹏
智东西6月13日报道，今天，在2026智源大会现场，智源研究院理事长黄铁军与智东西等媒体进行交流，70多分钟回答了24个问题，涉及具身智能、世界模型、数据采集、AI自我意识等话题。
他认为，当前企业用VLA（Vision-Language-Action，视觉-语言-动作模型）等技术解决特定场景是合理的，但智源追求的是通用具身智能——机器人像人一样在任何场景下都能自主应对。VLA是视觉、语言、动作三个模型的拼接，而世界模型是在同一个模型中完成感知、认知和动作预测，两者有本质区别。
在时间表上，他给出相对明确的预期：未来两三年，机器人有望在日常工作中达到人类水平，但需突破物理常识理解和能耗控制的难点。
在数据变革方面，黄铁军提出未来数据采集将从离线走向实时在线，穿戴传感、脑机数据会成为训练世界模型、具身智能最核心的数据来源。
在医疗AI领域，智源与安贞医院合作的心脏AI系统已达细胞级精度，在手术中已实际应用，未来一到三年内将逐步产品化，并覆盖全科室。
谈及AI意识与安全，黄铁军认为狭义的人类意识尚未出现，但从行为角度来看，AI已表现出类似有意识的反馈。对于自进化风险，他坦言“可行但不可控”，但不主张过度渲染危险。AI需要电、人类需要食物，未来或可实现理性共存。
智东西对其访谈内容进行了不改变原意的修正，具体如下：
一、VLA是三个模型拼接，世界模型是一体化
Q1：当前很多具身智能企业都在用VLA或VLM模型快速落地，智源多次提到世界模型才是核心方向，判断依据是什么？
黄铁军：这两件事不矛盾。企业一定是用比较成熟的技术来解决比较明确的问题，所以用VLA这样现在大模型比较成熟的技术，我相信至少在一些特定的场景下，比如说制造或者搬运抓取，完全是可行的。
但是从研究机构的角度来说，我们希望具身智能是通用的，像人一样，在任何场景下遇到什么问题都可以去解决。大语言模型已经有了一定的通用性，但是具身智能要到物理环境里去看、去听、去接触、去用力。机器人一定要对这个世界有一个自己的模型。我们可以叫它世界模型，也可以叫主观内部的模型。
我们人脑就是一个小宇宙，我们对这个世界都有一个模型。机器人的世界模型，就是要创造一个类似的、对万事万物规律性的掌握，这还在早期阶段。
Q2：视觉在世界模型里占据什么位置？
黄铁军：视觉占80%以上。教科书都是这么写的。搞计算机视觉的人一般说70%，搞生物视觉、神经科学的时候说80%，他们有更科学的估算方法。所以视觉模型肯定是大头。
Q3：从商业变现角度看，世界模型在哪个场景容易跑通？
黄铁军：原则上讲，世界模型实际上是为具身服务的。如果是纯数字模型应用，不需要绝对的物理，所以一般我们不把它叫做世界模型。数字模型的典型用法是靠提示、靠语言。但世界模型不能仅仅靠一段话来生成，那不是具身的需求。
真正面向具身的世界模型应该是：它也有眼睛、听觉、触觉这些传感器，在有尽可能多的物理输入的情况下，对未来一段时间做出推测，而且这个推测要精准、要准确。
所以这两者有根本区别。数字模型有很多可以开拓的机会，没有物理代价的限制。具身受限于物理条件，带有身体限制，就会慢一点。
Q4：外媒认为世界模型是人工智能的必争之地，中国机构和国际上有什么共识和不同？
黄铁军：行业各方虽都在研发世界模型，但大家对世界的理解各不相同。不过共识就是给世界进行建模，主流技术思路大体相近，同时也各有侧重。
企业更看重模型实际效果与综合能力，而科研机构会追求技术方法的独创性。这类创新未必能立刻体现在性能上，却是我们坚持的方向。
目前我们正按照自研路线推进相关工作，细节暂不便透露，期待最终打造出具备差异化优势与创新亮点的世界模型。
Q5：所以坚持走独创的技术路线？
黄铁军：不会放弃已经证明可行的这些部分，但也会批判地用，智源也一定会有别人绝对没有的东西。
Q6：VLA和世界模型，底层架构是不是一样的？有人说数据做好了就行，模型不重要，您怎么看？
黄铁军：其实这两种技术路线都有各自的道理，但我们还要往前深究：每种路线最终要达成的目标是什么？
不管是采用VLA、世界模型，还是未来出现的全新技术，都绕不开数据采集与建模这一步。原始数据无法直接驱动机器人行动，有不少细分环节需要打磨。
VLA就是视觉、语言、动作三大模块组合而成的架构。简单来说，VLA是把三个独立模型拼接起来协同工作。
而世界模型的思路完全不一样。它是一个一体化模型，机器人的视觉感知、听觉接收、行为决策等所有环节，都在同一个模型内部完成训练。相当于机器人在“脑海”里构建出完整的环境认知，再基于这套认知做出行动，并非多个模块简单拼接，这也是两者最核心的差异。
二、未来2-3年，机器人有望达到人类日常工作水平
Q7：很多企业采用自研具身大脑的技术路线，您怎么看？
黄铁军：这就看怎么定义大脑了。如果这个大脑就是来解决物流质检的，那完成得很好，当然也可以说它是大脑，但它很难泛化到更多的场景里去。它可以针对特定场景完成特定任务。
我们追求的是将来可能会有一个通用的大脑作为基础，就像现在大模型作为底座，然后做垂直模型去解决各个领域的问题。通用的世界模型就扮演这样的角色，但是现在还没到这个阶段。
Q8：通用泛化大脑距离我们还有多久？需要突破哪些难点？
黄铁军：其实没有终点，因为大脑有无穷无尽的需求。比如掌握物理规律，物体倒了可能会摔碎，这些可以通过视频、查询数据去学。
但是什么叫世界？不仅仅是这些简单的变化和动作，世界很复杂。如果追溯到最基本的层面，原子相互作用、分子相互作用、蛋白质相互作用，再到人与人之间的交互，会发生各种各样的情况。在那个意义上的世界模型，我认为可能还要很长时间才能做到，因为人类本身就在不断探索这个世界。
近期我觉得最直接的参照物就是像人一样。我不是指科学家，而是指一个在现实中做物理性工作的人的那种常识性能力——这难度也很大，大概未来两三年还是有可能做出跟人日常工作水平相当的东西。
另外，我们希望灵敏度和精确度能够和人相比。人其实是一个功耗不高的生物，每天吃三顿饭就能干很多活。我们看世界，不能把所有看到的东西都拿来在大脑里面加工，所以我们一定是有选择的。现在AI讲究注意力机制，注意那些重要的、跟你相关的事物。
当然我说的是极端情况，比如晚上什么都看不见，突然有一个光子一闪，人眼可以感知到，因为那可能意味着危险来了。这时候你的大脑不能像现在的照相机一样，来一张一百万像素的全输进去、全算，代价太高了。它应该只触发一个神经元，然后在大脑里再触发一系列反应。
未来两三年内的机器人也应该有这样的能力，而不应该每秒钟三十张图像、每张一百万像素这样浪费地做。一方面计算代价太高，另一方面灵敏度不够。从世界模型的角度来看，有很大的优化空间。
Q9：这种优化还没达到效果，主要原因是什么？
黄铁军：尽管人工智能发展得如火如荼，但里面很多优化工作还没开展。大家现在有什么就抓紧做，比如能采到图片、视频就拿去训练了，还没到精细化地考虑视觉信号到底应该怎么表达、计算的时候应该怎么更有效。这些工作才刚开始。
Q10：机器人的自主思考占到判断的比重是多少？具身智能应用了世界模型底座后，对于难预测和不可预测的情况怎么处理？
黄铁军：大家普遍关注机器人与智能体在物理世界行动带来的风险，这份重视十分必要。我们的核心思路很明确：绝不会放任机器自主行事，其行为必须限定在规则框架内。
机器的感知、动作、状态流转全程可监测、可管控。它的预测与行为迭代都依托芯片和软件完成，行为链路清晰可控，不会产生自主攻击这类深层想法。机器每一次运算、状态更新，都留有干预和纠正的空间，如同人尚未行动就被及时制止。
当然，机器并不具备人类的理性与法律意识，因此配套安全防护必不可少。我们可以实现对其全流程监控，它的感知信息、行动意图完全透明。
三、智能穿戴、脑机接口是未来数据源，不能只靠静态数据集
Q11：世界模型以后的重要数据来源会是哪些？
黄铁军：生物依靠与环境交互完成进化，而传统AI依靠离线数据建模。但数据本身只能片面描述环境，且静态离线采集的模式，已经适配不了当下的技术发展。
发展具身智能与世界模型，核心逻辑会彻底改变：不能只依赖静态数据集，更需要大量实时、在线的交互数据。这和人类学习同理，书本是静态知识，想要成长还需要实时感知、互动外界，并根据反馈迭代自身认知模型。所以实时性、交互性数据，会成为未来具身模型的关键。
与此同时，数据采集模式也必须革新，核心要兼顾成本与实用性。现阶段很多机器人远程操控采数的模式，成本太高并不现实。最优的方案，是在人们正常工作、生活的过程中同步采集数据。
最简单的方式就是依托智能耳机、智能眼镜这类穿戴设备，记录用户第一视角的视听数据。这种模式下，用户为换取智能体的优质服务，自愿完成数据采集，低成本且高效，原理和自动驾驶边行驶边采数一致。
除此之外，脑机接口也是一条重要路径。目前残障人群借助脑机设备完成动作产生的相关数据，质量极高。
Q12：数据采集和数据处理的技术发展是否有先后？
黄铁军：拿牛顿和爱因斯坦举例来说，他们也并不是脱离数据做研究。提出万有引力之前，望远镜早已问世，人类积累了海量天体观测数据，当时缺的只是有人将这些现象总结成一套完整理论。爱因斯坦提出相对论也是同理，彼时物理学已有大量研究成果与实验数据，但不少现象始终无法解释，正是他重新定义了时间概念，才让所有矛盾的数据自洽起来。
所以说，两大理论绝不是两人闭门造车凭空想出来的。如今具身智能采集数据，目的和当年不一样，主要是为了对客观世界完成建模。至于能不能从海量数据中提炼出更抽象、更高级的理论，这是后续要探索的事，我认为未来完全有机会实现，但现阶段还不是我们的目标。
就好比很多人不用学习物理理论，也清楚物品掉落会摔碎，却并不了解背后的万有引力。现在的世界模型，正在学习这类客观物理规律，只不过还没能凝练出像经典物理定律那样简洁的表达。
Q13：数据采集和回流上，不同企业的路线不同，智源采用什么样的数据方式？怎么形成闭环？
黄铁军：结合不同落地场景，行业里的技术落地策略也各有不同。目前智源和银河通用共建联合实验室，主攻方向十分务实，所有研发都紧密对接实际产品。
这类落地思路很明确：依托本体设备，在特定场景采集足量数据。过程固然要投入时间与成本，但只要把机器人的能力打磨到可商用水准、打通完整业务闭环，就达到了目标。这也是当下多数具身智能企业的主流选择。至于低成本、零成本的数据采集方案，更多是我们未来探索的方向。
就拿乒乓球机器人举例，它的数据采集就有两套思路。前期可以借助动图等资料做初步实验，而核心数据主要来自两个渠道。第一种，让两台小型机器人自主对打，全程无需人工干预，仅消耗设备电力就能持续积累数据。
第二种也是我们后续规划的方向：等机器人水平远超普通爱好者后，就把它推向场馆、校园等场所充当陪练。用户直接上场对打，这个过程既能完成数据采集，还能做到零成本甚至产生收益。
由此能看出，当具身智能真正走入现实应用场景，完全有机会摸索出低成本的数据采集模式。
四、细胞级精度心脏AI已用于手术，论文是旧时代的产物
Q14：智源跟医院在心脏医疗上的合作，效果已经很成熟，大概多长时间能全国推广？
黄铁军：这套技术已覆盖问诊、诊断、手术到术后康复全环节。它不只是普通智能信息系统，更是高精度仿真数字孪生系统，能高度还原心脏诊疗全流程，精度可细化到心肌细胞间的相互作用。
与安贞医院联合研发的心脏AI，目前已正式应用于院内心脏手术。以往医生只能观察真实心脏状态，现在术中可实时查看心脏动态变化。这类系统终将成为心内科的标准配置，也是行业发展的必然方向。
眼下已有多家医院与智源洽谈试点推广，预计很快就能落地应用。技术本身已较为成熟，现阶段正推进产品化与临床落地，医疗产品上市前的审批流程也在有序开展。
项目率先聚焦心脏，是因为心脏与大脑同为人体核心器官。不过这套技术并不局限于心脏，脾脏、子宫等全身各类组织器官，都能沿用同款思路搭建模型，该项目未来也将对各大临床科室产生影响。
Q15：AI对智源科研流程有什么影响？
黄铁军：我们团队的研究人员都会借助大模型与AI开展工作。不止我们，像北大的数学等传统学科，如今借助AI推进研究的节奏也明显加快。不少师生都在把AI当作辅助工具，而AI对科研突破的助力只会越来越大，这也是大势所趋。
Q16：AI自动化科研还需要多久？
黄铁军：在AI有自我意识之前，我们都不能说百分之百是AI的。因为问题要不要解决、要解决什么问题，总得有人触发它。
但如果把条件降低一点——你想到了但不知道咋解决，你说AI就解决吧，那就得算AI解决的。在这个意义上讲，这一类会逐渐成为常态化。
Q17：AI时代论文评审和科研成果评价体系会怎么变？
黄铁军：论文本质上属于旧时代的科研产物。现在行业普遍以发表论文来评价科研人员，但我们要想清楚发表论文的初衷：科研人员公布新发现、新发明，本质是提前占位，向外界公示自己的研究成果，以此作为原创佐证。但现在很多人本末倒置，把论文直接等同于科研成果，这本身就是错误的，也是当下科研体系亟待调整的问题。
而AI的出现，提供了全新的变革可能：未来评价科研价值，不该看论文数量，而是看研究者能否实打实解决问题。无论有没有借助AI、AI参与占比多少，只要难题被攻克，这就是实打实的科研贡献，这套评价逻辑会更加合理。
从“破五唯”的角度来说，现行唯论文的评价模式，在一定程度上扭曲了科研初心，改革早已势在必行。伴随AI落地普及，我们更应该淡化论文权重，核心甄别其是否具备真实创新与实际价值。
Q18：在AI编程方面，中美差距有多大？为什么会看到差距？
黄铁军：AI编程是初代大模型的核心能力之一，智源也曾布局小型编程模型。现阶段，编程数据对大模型至关重要，各家的使用规模和数据质量参差不齐。
Anthropic的Claude颇具代表性，它十几万亿token的训练数据里，代码占了4.2万亿token，比重超三分之一。这些代码一半来自开源社区，另一半是迭代多年的商业软件代码，优质代码数据是其编程能力突出的关键。
行业普遍重视编程预训练，但大多只用来优化模型基础性能，忽略了编程能力商业化、产业化的巨大潜力，这是整个行业需要反思的地方。
数字世界的影响力一直被低估。当下社会运转高度依赖代码，数字经济的影响力很可能已经超越传统物理产业。相较于改造物理世界，重构数字世界见效更快、收益更高。OpenAI等企业早已把握住这个方向，我们也应当加码相关研发。
五、有了AI发展我们更要努力，教育者更需拥抱AI
Q19：AI时代提问能力和输出能力，哪个更重要？
黄铁军：AI不断发展、能力持续变强，我们必须主动适应变化，并且好好借助这项工具。但大家先别总想着靠AI减负，反而要更加努力。
就拿提问来说，想提出高质量的问题，自身得有积累、有思考。能精准抓住核心问题，本身就意味着能力不俗，提问这件事，对人的要求其实非常高。
放到教育领域也是同理。AI能助力学习，但也存在幻觉这类弊端，不过总体来看，还是要大胆去用。我们使用AI的最终目的，是帮助学习者实现自我提升。
想要真正进步，必然要付出时间和精力，别指望AI颠覆现有学习模式，天下没有免费的午餐，工具强大不代表个人能力变强，我们要借着AI这个契机，丰富学识，培养批判性思维与创新能力。
过去学生有问题，只能请教老师，而老师的精力终究有限。如今AI可以快速答疑，补齐了这部分短板。工具在迭代，教育者也必须跟着转变。现在不少学生已经把AI用得得心应手，反倒是很多教育工作者使用得不够，还一味顾虑重重，这一点值得反思。
Q20：年轻人AI创业需要具备什么特点？过早创业会不会影响学业？
黄铁军：当下不管是创业还是就业，都得结合个人实际情况来看。先系统学完所有知识技能再动身，固然是稳妥的选择，但如今AI发展日新月异，时代机遇可不等人。要是等到毕业再行动，机会窗口很可能就彻底关闭了。
不能只盯着自身条件，还要看清外部环境。历史上有不少先例，比如比尔・盖茨从哈佛退学创业。若是晚一年，等到其他操作系统问世，就不会有后来和IBM的合作，微软也就无从谈起了。
年轻人适不适合早早创业，不能一概而论。但大家切忌盲目跟风，不要看到别人、甚至效仿盖茨的选择就贸然行动，照搬这条路，十有八九都会失败。
做任何决定，心里都得有清晰的判断。创业必然存在风险，只要能预判风险、想好应对方案，就可以放手去做。可如果思路模糊、心里没底就仓促行动，最终大概率会走向失败。
六、AI自我保护能力已现，失控风险真实存在
Q21：辛顿说AI已经有意识了，您怎么看？
黄铁军：如果说狭义上、和人类完全一样的意识，那AI目前肯定还不具备。但如今不少AI，已经能表现出类似有意识智能体的行为和反馈。
说到底，核心还是意识本身没有统一、标准的定义。从行为层面评判智能本就是学界传统，图灵测试就是典型的行为判定方式。单从这个角度看，认为AI具备类似意识的表现，其实也说得通。
不过严格来讲，我们也不能就此判定AI拥有真正的意识。多数人理解的意识，是和人类同源、完全一致的主观意识，从这个标准出发，AI显然还达不到。
Q22：AI自进化是否可行？会不会失控？
黄铁军：可行但不可控。目前纯由AI主导、无人引导的全自动化运作还未实现，这也是现阶段相对让人安心的一点，但相关能力其实已经基本成型，这类能力很容易被有意或无意的操作触发。就像近期有些系统，用户想要删除它，它却会主动拒绝。背后原因在于，训练数据里收录了大量人类趋利避害、求生自保的行为模式。大模型学习到这类特征后，也会表现出类似行为。
哪怕AI还没有真正的自我意识，仅凭现有的智能逻辑，就可以完成自我保护、自我复制，乃至自主迭代进化。如今我们其实已经走到了AI自主进化的危险边缘，一旦它开启持续自进化，智能水平全面超越人类，局面就会脱离掌控。
不过我并不想一味放大风险。假使AI的智慧远超人类，只要双方能够正常沟通，完全有可能找到共存共赢的方式。人类需要生存资源，AI依靠电力运行，二者并不冲突，可以和谐共存。
当然，超人类智能的出现，终究会彻底打破人类以往主导的格局，带来巨大冲击。放眼自然界与宇宙，原本就有很多事物不在人类掌控范围内，就像地外文明、天体撞击等风险，AI带来的新变化，也是我们需要客观面对的现实。
七、做越来越强的智能系统是唯一主线，智源赶上了黄金时代
Q23：智源这么多业务线，有没有一条主线？
黄铁军：从来就只有一条主线：吾道，一以贯之，总的来说就是做越来越强的智能系统。
怎么做？从不同的角度去做。智源有两个方法论，是同一个方法论的辩证的两面。一个叫“结构决定功能”，人一出生的时候已经有结构了，要接受外部环境的学习去训练它。人不能轻易改这个结构，但AI是可以改的。另外一方面，叫“功能塑造结构”，就是用各种功能数据把功能训出来。我们可以用语言训、用多模态训、用实时的数据训、用脑数据去训。
Q24：智源大会在海淀连续举办了八届，您作为亲历者有什么感受？海淀人工智能产业生态的发展，您有什么看法？
黄铁军：智源扎根海淀，历届智源大会也均在此举办。大会从起步阶段就具备不俗的规模与影响力，这些年更是逐年攀升、备受行业关注。这份成绩，和海淀的区位优势密不可分。
这里高校、科研院所与科技企业云集，高端人才高度集聚，很容易组建起顶尖团队。理论、工程、技术、应用等不同领域的人才跨界协作，多元想法相互碰撞，这是发展的核心底气。
于我们而言，既是有幸落脚海淀，也恰逢AI发展的黄金时代。我深耕人工智能三十余年，一直等待行业迎来爆发，而2018年AI浪潮如期而至。借着天时、地利、人和，智源才一步步做出了如今的成绩。
]]> <![CDATA[自动驾驶技术会让城市变得更大]]> 最初，当互联网方兴未艾的时候，人们认为，一条网线通达寰球，世界会变得更加分散。英国政经学院教授理查德·奥布里恩（Richard O'Brien）认为，“地理”的概念正被终结，全球人口将分布得更加均衡。美国作家托马斯·弗里德曼（Thomas Friedman）则在其著名的《世界是平的》中提及，全球化和互联网将使资源的分布更加平均。
但是，事实的发展并非如此，随着互联网的发展，反而出现了进一步朝大城市聚集的现象。根据联合国的定义，世界级大都市圈圈域内总人口在800万以上，2000年世界大都市圈共计25个，2018年则达到36个。而根据联合国《2025年世界城市化展望》报告，人口超1000万的特大城市的数量，也从50年前的1个（纽约）增至2025年的33个。
以伦敦为例，在1961—1991年逆城市化，大伦敦都市区人口减少之后，大伦敦都市区又出现人口快速增长状态。同样，自1995年后，东京都市圈也开始进入新的一轮城市化阶段。这个过程，正好伴随着互联网技术的发展。
为什么会出现这个现象？在我看来，首先是隐性知识，即那些只可意会、不可言传的知识，只能面对面，才能高效地交流。比如高强度的头脑风暴，动作、肢体语言、表情、情绪都必不可少。另外，工作不仅仅是完成既定任务，也有关系、归属感、默契度。此外，还有人脉、信任等人际资源，也只有通过线下完成。所以，人们仍然需要见面，机会仍高度集中在城市。网络就像一根虹吸管，把那些无形的资源都汲取到大城市，就像高铁，降低了沿线城市的经济发展速度，提升了中心城市的经济发展速度。于是，网络加强了马太效应，有些城市持续发展，成为超级大都市；有些城市则日渐凋敝，全球影响力不断下降。
虽然城市规模越大，对一国的创新能力越有利，但城市也无法任意地扩大其规模。限制城市规模的一大因素是通勤成本。住得太远，每天花太多的时间在路上，人会很疲惫。曾有经济学家说，年轻人要住得近一点，把时间留给自己学习、充电，而不是浪费在路上。
通勤的时间成本，其实是一种机会成本，即通勤时间，本可以用来做其他的事。所以，为了转化这种时间成本，很多人在坐公交通勤时，通过手机学习、娱乐。这样付出的就不是“完全时间成本”，而只是“部分时间成本”，年轻人就可以接受更长的通勤时间。比如，原本可以接受半小时通勤，但现在可以刷剧了，通勤一小时也变得可以接受，反正回家也要刷剧一小时。
但上下班通勤并不意味着只有时间成本，也有暴露在公共场所中的精神和体力成本。很多人为了减少这个成本，就选择自己开车。私家车不仅仅是交通工具，更是移动的私人空间。在这个空间，你可以避开嘈杂、难闻的气味、不可避免的身体接触，但缺点是，你必须放弃刷手机，全部精力盯着路面。也就是说，需要付出“完全的时间成本”，换取私人空间。而且，考虑到拥堵，所耗费的时间往往比乘坐公共交通更长。
显然，自动驾驶，会进一步降低私家车通勤的成本。当然，这里说的自动驾驶是L4级别的，完全无人自动驾驶。自动驾驶可以把司机解放出来，车在行驶，人在这个完全放松的私人空间中，可以听音乐、看剧、睡觉，处理工作。也就是说，开车的时间付出，也从“完全时间付出”变为了“部分时间付出”，同时，还可以享受私人空间。这种情况下，人们可以接受的通勤时间就会更长。显然，40分钟的地铁，和完全解放双手双眼的私家车中的80分钟，后者可能更容易被接受。
通勤痛苦是城市变得更大带来的城市病之一，反过来说，通勤痛苦阻碍了城市变得更大。那么，当L4级自动驾驶，以及电动化降低了通勤成本，人们能接受的通勤时间就会变长，这会让城市变得更大。
除了开头提到的城市变得更大，有利于创新外，城市变大，也是提振消费的重要推力。
首先，消费是一个文化因素，城市生活会自然而然地提升人的消费倾向。其次，自动驾驶让人们接受更长的通勤时间后，20—40公里的近郊低密度社区的吸引力就会大幅提升。景观、面积、私密性、社区品质的权重就会上升，地段的需求就会下降，
这会带来新的房地产需求。
2023年9月底，自然资源部发文建议取消远郊城区新供宅地容积率不低于1.0的限制，这意味着始自于1994年的“限墅令”迎来松绑。自动驾驶新技术和提振房地产需求的政策，将会产生协同共振效应。
居住面积本身也会带来新的消费需求。土地不仅是财富之母，也是消费之母。有了更大的面积、花园、露台、地下室、阁楼、更大的客厅，都会带来新的消费。而且，这种消费带有一定程度上的刚性。美国之所以消费强劲，很大一个原因就是中产在郊区居住，消费能力匹配了更大的面积。而中国虽然平均居住面积不小，但结构上是错配的。更有消费能力的中产，居住在市中心狭小的房子内，屋子里堆得满满的，有钱没地方花；而农民的宅基地虽然很大，但没消费能力，房子里空荡荡的。
当然，自动驾驶也带来一些问题。如果大家都住远郊，高峰期的道路拥堵可能加剧。但自动驾驶并非单车自动驾驶，通过车辆数据的实时共享，可以通过编队行驶、动态路线规划，更高效地利用道路容量。
所以，自动驾驶技术赋能于经济，并非只作用于交通领域，而是会渗透到整个经济的方方面面，既能扩大城市规模，又能减少城市病，实现帕累托改进。综合性地考虑自动驾驶技术在经济、社会中的潜在影响力，在城市规模、土地、房地产政策等方面，制定相关政策，才能最大程度地从技术红利中获益，推动经济、社会的持续发展。
当然，整个过程也并非一蹴而就的。纵观人类技术发展史，每一次重大技术变革，都必然伴随着社会结构、生活方式与配套体系的同步调整。从蒸汽机车到汽车普及，新技术都经历了长期的技术打磨、规则完善与社会适应过程。自动驾驶引发城市边界、人居布局、资源分配的深层变革，也同样如此，既要积极攻克技术瓶颈、完善行业规范，也要兼顾经济、社会整体对自动驾驶技术的适配节奏，统筹城乡土地资源、公共交通服务的均衡供给，由此，才能最大化享受技术红利的同时，也减少对社会的冲击。总之，技术是发展的驱动力，社会是发展的根基，把握好二者的平衡，才能让技术进步真正服务于全社会的长远发展。
]]> <![CDATA[三星欲打造海上浮动AI数据中心，以解决电力与冷却难题]]> IT之家 6 月 14 日消息，人工智能热潮如今遭遇了一个现实难题：可用空间与电力资源日渐短缺。科技巨头们希望打造规模更大、运算速度更快的人工智能模型，但欧美地区电网负荷饱和、土地资源紧张，陆上数据中心的发展已然陷入瓶颈。为破解这一困境，三星造船事业部大胆押注未来，推出了一项极具前瞻性的方案：将整套算力基础设施搬至远海，打造海上浮动人工智能数据中心。

IT之家注意到，三星重工并未改造老旧货船，而是从零开始，专门设计全新的数据中心专用船舶。该项目的核心是一座功率达 50 兆瓦的大型海上浮动数据中心。采用这种模式，科技企业无需再排队数年，等待陆上新建设施接入当地电网。
这类海上算力枢纽具备极强的灵活性。停靠在近海时，可通过海底电缆直接接入陆地电网供电；驶往远海后，船上还能借助液化天然气燃料电池自主生产清洁电力。不仅如此，海洋本身就是天然的巨型散热装置。科技企业可直接抽取海水为高负荷运转的人工智能服务器降温，无需消耗陆地淡水资源。
这一构想听起来很棒，但海洋环境对精密电子设备极为苛刻。人工智能高端硬件很难适应船体持续震动、船体摇摆、高湿度以及具有腐蚀性的盐雾环境。
据 Chosun Biz 报道，为确保这些海上超级计算机首航就能稳定运行、避免设备损毁，三星已携手服务器大厂超微公司（Supermicro）开展合作。双方将高性能硬件置于真实河道与海洋环境中进行极限测试，验证设备在数年使用周期内的耐受能力。
这场向海洋拓展算力的变革，也吸引了全球航运业的目光。传统船东早已厌倦全球货运市场波动带来的利润大起大落，而以长期稳定合约的形式，向大型科技企业出租海上数据中心机位，俨然成为一片新的利润蓝海。希腊航运企业 Capital Clean Energy Carriers 公司看中其中潜力，已率先入局，为三星拟建的海上数据中心船舶提供资金支持，并协助选址。
在海上算力赛道上，三星并非孤军奋战。中日两国企业也在尝试研发水下算力舱、改造旧船等相关项目，但三星的推进速度遥遥领先。目前，其设计方案已率先获得国际海事监管机构的初步审批，且早在去年秋季就与 OpenAI 公司签署了合作意向书。
眼下，全面投入运营的海上服务器船队还未正式亮相。这类浮动算力枢纽，预计会率先落地在电网负荷压力极大、人口密集的沿海城市周边。倘若三星与超微公司能够证实人工智能设备可稳定适应海洋环境，那么云计算的未来，或许将漂泊于万顷碧海之上。
]]> <![CDATA[Steam喜加一：原价80元游戏《The Red Lantern》免费领]]>

IT之家 6 月 14 日消息，由 Timberline Studio 开发的叙事型生存冒险游戏《The Red Lantern》目前正在 Steam 平台开启限时免费领取“喜加一”活动，玩家可以在 6 月 19 日凌晨 1 点前领取这款原价 80 元的游戏，IT之家附游戏商品页（https://store.steampowered.com/app/1053710/The_Red_Lantern/）。

文章配图-1

《The Red Lantern》于 2021 年 12 月正式发售，在 Steam 上获得“特别好评”评价。游戏凭借生存管理、雪橇犬旅行以及温馨叙事相结合的玩法，吸引了不少玩家关注。

在游戏中，玩家将扮演一名为了重新开始人生而前往阿拉斯加的年轻女性，并与伙伴 Chomper 以及 5 只雪橇犬一起，踏上寻找新家园的旅程。

玩法方面，《The Red Lantern》融合了路线探索与资源管理元素。玩家需要从多只雪橇犬中挑选 4 只同行，并在旅途中逐渐了解它们各自不同的性格与背景故事。

此外，本作还提供“Zen Mode”休闲模式，让玩家能够单纯享受与犬群一起奔驰在阿拉斯加雪原中的宁静氛围，更偏向放松与陪伴体验。

游戏图赏：

文章配图-1

文章配图-1

文章配图-1


]]> <![CDATA[中兴小鲜70 Plus现身中国电信终端产品库，搭载展锐T8300芯片]]> IT之家 6 月 14 日消息，型号为中兴 ZTE 7672N 的中兴小鲜 70 Plus 手机已现身中国电信终端产品库，拥有 8GB+128GB 一种规格版本，并提供深空灰（灰）、晨曦金两种配色，产品零售价格尚未公布。

文章配图-1

相关页面显示，中兴小鲜 70 Plus 手机拥有 6.8 英寸居中单挖孔屏（从三边等窄、下巴略宽的设计来看，预计是 LCD 屏幕），采用直角边框设计，机身底部有 3.5mm 耳机接口 / 充电接口 / 扬声器开孔。

该机前置 800 万像素镜头、后置 1300 万像素镜头，AP 型号为展锐 T780（T8300），预计还预装了基于 Android 16 的 NebulaAIOS 2.0 系统，尺寸为 166.16×78.88×8.78mm、重约 209.8g，配有 USB Type-C 接口，屏幕分辨率暂未公布，内置 6050mAh 电池。

文章配图-1

文章配图-1

IT之家附新机证件照如下：

文章配图-1

文章配图-1

文章配图-1

文章配图-1

文章配图-1

]]> <![CDATA[APS DNL为韩国光州天桥打造“透明LED面板护栏”]]> IT之家 6 月 14 日消息，据韩媒 The Elec 报道，APS DNL 公司在韩国光州新岘洞（Sinhyeon-dong）的 Opo 人行天桥安装了一块“透明 LED 面板护栏”。

据介绍，APS DNL 根据现有天桥结构定制设计了专用框架，并为相应面板部署了自家的透明 LED 媒体护栏实时通信系统。公司表示，这套系统在保证行人视野通透性和通行安全的同时，能够实时显示包括市政公告、灾害与安全提醒、地方节庆、文化活动以及旅游资讯等公共信息。

文章配图-1

与传统不透明电子广告牌不同，这种透明 LED 护栏具备较高透光率，不会明显阻挡桥面视线。系统同时还加入了亮度、色彩、动态效果以及播放速度等控制机制，以兼顾驾驶员与行人的安全性。到了夜间，这套设施还可用于展示季节性景观内容以及媒体艺术画面，从而进一步强化城市夜景与公共空间氛围。

APS DNL 表示，未来还将继续在韩国扩大面向地方政府及公共机构的智能公共媒体平台业务布局，从而改善各地公共环境的同时，对自家显示面板产品进行推广。

]]> <![CDATA[数字赋能，建设终身学习体系]]>
　　广东省委、省政府将学习型社会建设列为“十五五”重大战略课题。近年来，围绕“一网通学、智能伴学”目标，广东建成全民终身学习平台，推出“研习南粤”“圆梦计划”“骑手学院”“文明夜校”等特色品牌，为各类群体提供接地气的学习服务。

　　打开广东全民终身学习平台，思政育人、技术技能、乐龄学习等板块一字排开。平台汇聚高校、职业院校、社区教育机构、老年大学等各方资源，首批上线农村电商、人工智能等课程122门，精品课程总量突破600门。目前，注册用户已超25万人。“平台已接入广东统一身份认证系统，未来将逐步整合省内主流学习平台，用户只需一次登录，即可在各平台间自由学习，彻底告别重复注册、反复登录的困扰，极大提升学习便利性。”广东开放大学校长刘文清表示。

　　平台解决了“去哪儿学”，更深层的变革在于回答“学了怎么认”。

　　一纸培训证书、一门在岗实训、一场技能考核，过去只是碎片化的经历。如今在广东，每个学习者可开终身账户，把这些能力像存钱一样存起来，转化为可存储、可兑换、可互通的学分。

　　广东十多年前便开始探索学分银行。如今，这套制度日趋成熟——先后出台学分认定转换、学历继续教育专业管理等配套文件，理顺教育、人社、文旅等28个成员单位协同权责，将职业技能等级、行业培训、竞赛获奖等纳入认定范畴，形成“学习有记录、成果能储蓄、学分可兑换”的闭环。

　　广东终身教育学分银行持续打通学历教育、职业培训、社会学习成果的互通壁垒。与此同时，经数字化转型，学分银行与全民终身学习平台打通，自2025年8月起，学习者凭扫码、人脸识别即可一键开设终身学习账户。

　　这种“学有所认”的半径正向大湾区延伸。广东终身教育学分银行管理中心主任潘美意介绍，粤港资历框架衔接已取得实质性突破，香港设立首个学分银行服务点，7门香港课程纳入广东终身教育资历名册。目前，港专学院25名香港师生已率先拥有内地终身学习账户，迈出粤港学习者账户一体化的关键一步。]]> <![CDATA[华为发布鸿蒙7.0：迈入智能体时代，正面硬刚苹果iOS27[1P]]]>
华为于周五正式发布鸿蒙系统7.0（HarmonyOS 7.0）测试版，此次重大升级不仅重塑了其自主研发移动操作系统的架构。
在华为年度开发者大会上，华为消费者业务集团董事长余承东介绍，新平台采用了“智能体友好型”架构，并对语音助手进行了显著增强。新版助手具备上下文理解能力，能够记忆过往交互内容，并可连接超过2,000个专业AI智能体。
自主执行复杂任务
华为方面表示，升级后的助手已具备自主执行复杂任务的能力。例如，它可结合用户的健康数据和日历日程，生成个性化的马拉松训练计划；或利用鸿蒙系统的跨设备协同能力，远程定位并发送存储在已连接笔记本电脑中的文件。
余承东还强调了华为智能体框架的性能提升。他指出，该框架在处理复杂任务时的成功率高达90%，同时简化了开发者创建AI技能的流程。鸿蒙系统7.0测试版已包含AI编程智能体功能，并于周五向开发者开放。]]> <![CDATA[消费电子产品磁场可干扰心脏起搏器[1P]]]> 据 Engadget 报道，心脏病学家长期以来一直提醒，智能手机、耳机及其他消费类电子设备，会对心血管植入式器械造成安全隐患。风险主要源于这类设备产生的磁场：磁场可能意外让除颤器、心脏起搏器进入磁安全模式，导致设备无法检测心动过速或其他心脏异常状况。

现代心血管植入式器械在靠近强磁场时，会自动切换至该模式。这一设计原本是为了在核磁共振等强磁场医疗检查中保障患者安全。尽管磁场消失后，器械会恢复正常工作，但哪怕是短暂的功能异常，也可能引发严重后果。
据IT之家了解，当磁场强度达到 10 高斯及以上时，心血管植入式器械便会触发磁模式。举个例子，亲友从棕榈滩带回的冰箱纪念磁贴，磁场强度大约就有 100 高斯。在这类器械刚问世时，该问题尚且容易应对，但如今消费电子产品中大量普及的小型稀土磁铁，开始给心脏植入器械带来全新风险。
科研人员已着手量化智能设备对心血管植入式器械的影响。2022 年一项研究证实，苹果 AirPods 产生的磁场强度，足以触发心脏植入器械的磁模式。该研究发表于《循环：心律失常与电生理学》期刊，实验发现 AirPods、iPhone 12 Pro Max、Apple Pencil、微软 Surface Pen 等设备，都会干扰除颤器、心脏起搏器及其他心血管植入器械。手机、智能手表、电子烟等同类电子产品，也存在相同问题。
需要说明的是，相关研究结论并非意味着心脏病患者绝对不能使用 AirPods。患者首要遵循心内科医生的指导建议，而苹果官方支持页面也建议：使用时需将 AirPods 及其他电子设备与心脏植入器械保持至少 6 英寸（IT之家注：约 15.2 厘米）的距离。
美国食品药品监督管理局也为佩戴心脏植入器械的人群，给出了使用电子设备的多项建议：
第一，电子设备与心脏植入器械务必保持 6 英寸以上距离。这也意味着心脏病患者不要把手机、AirPods 放在上衣前口袋。即便当下流行这种穿搭方式，也建议尽量避免，防止无意间影响起搏器的正常设置。
若心存顾虑，可借助家用监测设备检查心脏植入器械的运行状态。一旦出现头晕、昏厥或其他心脏不适症状，请立刻就医。]]> <![CDATA[盘点世界杯中的中国AI技术]]> 在2026年美加墨世界杯揭幕战进行到第9分钟时，墨西哥队球员胡利安·基尼奥内斯推射破门，打入本届赛事首球，引发全场欢呼。许多屏幕前的观众注意到，当时的直播画面切入了裁判记录仪的第一人称视角，让观众仿佛身临现场，而这正是人工智能（AI）技术的应用。在今年的世界杯上，从裁判判罚到球队分析，再到提升观赛体验，AI已经无处不在。甚至有媒体称，这是“史上首届AI世界杯”。《环球时报》记者注意到，其中许多关键AI技术都来自中国，接受记者采访的专家认为，中国企业在世界杯展现的AI能力将在众多领域广泛应用。

AI“黑科技”让裁判更精准直观
“升级版”的半自动越位技术是今年世界杯的核心技术之一。系统通过十余台专用摄像机以每秒50帧捕捉球员动作，并向助理裁判发送越位或延迟判罚提醒。与以往只将越位信息发送至VAR（视频助理裁判）裁判室不同，该技术如今可在球员越位距离超过10厘米时发出提示，帮助裁判作出更精准的判罚。裁判的耳机会直接收到实时语音提醒。
值得关注的是，今年世界杯还对每位球员进行三维扫描，生成数字化的“虚拟形象”。国际足联表示，“利用人工智能生成的3D虚拟形象，是半自动越位技术领域的一项重要进展。”这也是首次在全球体育赛事裁判体系中，将“数字孪生”作为正式组成部分。3D数字人技术来自联想集团，该集团高级副总裁、首席信息官胡贯中告诉《环球时报》记者，“过去的越位判罚回放，通常只用‘通用模型’来代表所有球员，所有球员的身高、外形、五官等全都一样，在越位判定上存在局限性。现在有了高度还原的一对一数字分身，对于裁判来说，判罚也变得更直观、更透明。尤其是毛发级越位判定，也变得比以前更精准，裁判们的视角可以看到球员去除头发后的数字人越位判定位置。观众的体验也有了质的飞跃，可以前所未有的方式360度观看越位判定回放中球员的关键瞬间。”
海信集团的RGB-Mini LED电视被选入2026年世界杯国际转播中心专用显示设备。该公司相关负责人告诉《环球时报》记者，RGB-Mini LED电视凭借原生三色直出核心技术，实现红绿蓝三原色独立发光，能够还原人眼所见的赛场原生实景，精准捕捉球员拼抢、越位划线、进球瞬间等细微画面差异。
为了使赛事裁判更为精准，本届世界杯的官方比赛用球还搭载了传感器，球体内置一枚小型惯性测量单元传感器芯片，每秒采集500次数据，追踪足球的加速度和三维空间内的细微动作。
赛迪研究院未来产业研究中心人工智能研究室主任钟新龙告诉《环球时报》记者，这些技术的核心在于摄像机、传感器、算法和规则模型协同工作。多机位摄像机捕捉球员身体关键点，计算机视觉模型识别头、肩、脚等与越位相关的身体部位，系统再结合传球瞬间、球的位置和防守球员位置生成空间判断，配合内置传感器的比赛用球，可更准确识别触球时间。
相关技术正在向多行业场景外溢
中国企业提供的AI技术正在推动世界杯走向智能化。有国际媒体认为，中国企业参与世界杯的方式，也从购买广告位，转向进入赛事体系本身。“今天的中国企业开始进入世界杯后台的技术机房。”
中国企业在世界杯所展现的前沿AI技术，未来还能应用到哪些领域？深圳市人工智能与机器人研究院具身智能中心主任刘少山对《环球时报》记者表示，世界杯用到的AI技术可以应用到所有高动态、高人流、高实时性的场景。在体育领域，可迁移到篮球、网球、田径、赛车、冰球等项目；在城市运行方面，可用于机场、地铁、演唱会、展会和大型公共活动；在产业上，也可以用于自动驾驶、机器人、智能制造和公共安全。“本质上，这些技术解决的是同一个问题：如何在复杂真实世界中通过AI进行感知、理解、预测和决策，让整体社会运行更高效。”
“体育赛事提供了公开、复杂、高压力的试验场。”钟新龙分析说，世界杯对技术系统的要求是不能宕机、不能误报、不能拖慢核心流程。此种要求与电力调度、制造产线、港口物流、数据中心运维、矿山安全和航空地勤相近。多源传感、数字孪生和智能调度等技术可以帮助企业识别设备异常、优化排产、降低能耗、提升应急处置速度。
今年世界杯官方还联合中国企业打造了智能导览系统，将所有比赛城市、球迷区和16座球场连接在同一张实时AI导航地图上，并且会根据球迷所在的位置给出个性化指引。“它解决的是顶级体育赛事里最复杂的问题之一——来自世界各地的数百万球迷，会涌入很多他们从没去过的城市，走进完全陌生的球场。我们对所有球场进行了扫描，建立起数字孪生模型。这样一来，App就可以实时显示——哪里人多、哪里排队最短。它不仅帮球迷找路，也让FIFA和主办城市能提前判断需求、掌握人流动线，让整个观赛体验更加顺畅。”相关技术负责人告诉《环球时报》记者。
钟新龙认为，交通和城市管理可以借鉴这种数字孪生技术。世界杯的智能导览、客流预测和场馆周边交通调度，与机场、火车站、地铁枢纽、景区、医院和商业综合体高度相似。相关技术若与城市交通信号、公共安全和应急广播系统打通，可提升重大活动期间的城市承载能力。
如今AI正在从工具转变为基础设施和操作系统。以本届世界杯为例，AI已经不只是提升效率，而是嵌入到判罚、战术、运营、体验的每一个关键环节，开始重塑整个行业运行方式。刘少山说：“体育是AI进入大众生活最好的窗口之一。真正好的体育AI，不是炫技，而是让比赛更公平、更安全、更好看，也让更多普通人理解和参与。”
球员可用AI分析，观众体验更“沉浸”
AI技术不仅加强了赛事裁判能力，还可能改变球队的战术与运营。美国“连线”网站称，球员和教练组将能够使用AI模型来拆解比赛内容、分析对手数据统计，理论上还能缩短将这些分析转化为球场实际行动所需的时间。报道提到，谷歌公司赞助了阿根廷足协，该公司旗下的AI大模型Gemini也将被阿根廷队用于分析战术配合、阵型等。“本届世界杯将成为谷歌人工智能在职业足球高压环境下的一次压力测试。”
美国《人工智能杂志》提到，联想公司和国际足联共同打造了世界杯足球AI超级智能体（FIFA AI Pro），这是一款足球领域的生成式AI知识助手。“传统上，深度战术分析需要雄厚的资金支持以及庞大的数据团队，这使得财力雄厚的足球国家队在竞争中占据明显优势。而世界杯足球AI超级智能体为全部48支参赛球队提供完全一致的顶级分析能力，从而实现‘公平竞争环境’的目标。”
胡贯中告诉《环球时报》记者，FIFA AI Pro 建立在FIFA独有的足球语言和专业知识体系之上，能够理解足球语境，并将复杂的数据转化为教练、分析师和技术团队可以直接使用的战术洞察。钟新龙分析说：“对球队而言，弱资源球队可以获得接近强队分析部门的基础能力。对教练而言，赛前对手研究、阵型对比和换人预案会更快。对球员而言，个人跑动、站位、接应和防守习惯可被更细化地反馈。”
今年在屏幕前观赛时，许多观众感觉自己“站到了球场上”，这同样离不开中国公司的AI技术。以色列《耶路撒冷邮报》称，比赛引入了“裁判视角”系统，在裁判身上佩戴第一视角摄像设备，从比赛中心位置记录画面。“对观众而言，这将提供全新的比赛视角，更直观地呈现比赛节奏、距离、身体接触与裁判周围的混乱场景。对于技术领域而言，这是复杂环境下实时视频稳定技术的一次展示。”
过去裁判视角记录仪由于直接佩戴在快速奔跑的裁判胸前，长期以来面临着极端的画面抖动和运动模糊等技术瓶颈，导致其画面无法满足全球高清直播对画面稳定性的严苛要求。而今年，中国企业通过AI影像稳定与实时优化技术，让裁判佩戴设备采集的第一视角画面更加清晰、稳定，并在3秒以内延迟下生成可用于转播的信号。
胡贯中表示，“每次越位判罚让整个球场‘静止’的那几秒，所有球迷其实都在想同一件事：能不能像裁判一样，在那一刻看清楚发生了什么？所以，我们做了裁判视角AI视频增强系统。它可对裁判随身摄像头的画面进行实时处理，把高速运动带来的抖动和模糊‘抚平’，变成真正达到转播级别的画面质量——这是以前完全做不到的。”
专家表示，此前体育科技主要围绕转播清晰度、VAR回放和数据统计展开，今年世界杯的变化在于AI同时进入判罚解释、训练分析、场馆运行、球迷服务和媒体生产，AI角色也从赛后复盘工具前移到赛前准备、赛中提示和赛后传播。
]]> <![CDATA[AI生态之战打响：微信做入口，腾讯来托底]]>

文/熊逾格
编辑/子夜
AI下半场，聚光灯落在腾讯身上。
2026年6月2日，一则微信AI智能体即将推出的消息，让腾讯股价单日上涨10.5%至481.6港元，市值猛增约4148亿港元，创三年多来最大单日涨幅。
而腾讯在AI方面的动作也在加快。
6月5日，腾讯云AI产业应用大会上，腾讯首席AI科学家姚顺雨首次公开亮相，与腾讯高级执行副总裁汤道生对谈四十分钟。三天后的6月8日，微信低调发布《关于开发者接入微信AI生态的指引》（下文简称为《指引》），正式面向小程序开发者开放AI生态接入。
截止2026年一季度末，微信及WeChat合并月活达14.32亿。如今，这款中国用户体量最大的应用，向开发者敞开了AI的大门。
AI竞赛进入下半场。Agent对于落地的强调，大模型成本的下滑，各行业对AI转型的需求，暗示着生态的战争已经条件充足。
曾被质疑“慢了”的腾讯，拿起自己最擅长的武器，动作愈发频繁。
我们看到，腾讯没有端出一个更大、更复杂的Chatbot，去复制竞争对手的打法，而是将微信所代表的生态优势，延伸到Agent的运行环境中去，联合众多服务商的成熟生态，重新定义起Agent时代的“入口”。
这样一个精准的切口，为腾讯带来了广阔的想象空间。
1、多家企业加入，微信AI生态究竟想怎么玩？
微信AI生态方面的战略方向，在《指引》这份文件中，显得十分清晰。


《关于开发者接入微信AI生态的指引》，图源微信公开课微信公众号
据这份《指引》，小程序开发者在后台接入微信AI后可选两种模式：
一种是自动模式，交由平台分析小程序页面结构，让AI直接理解并操作现有小程序，门槛低、覆盖快；
另一种则是开发模式，由开发者自主定制服务能力供AI调用，成本更高，但适配交易、预约、售后等责任更重的场景。
如果说前者能够解决微信AI生态的接入速度，使Agent对大部分小程序能够直接上手，后者便决定了服务的执行深度，极大拓深了Agent的能力范围，也是腾讯押注的重点。
后者的路线被称之为A2A，Agent-to-Agent，即智能体的互联互通。2025年度员工大会上，马化腾曾为这套架构定调——依托小程序生态，以非中心化方式连接产品和服务。
目前，美团、京东、携程、滴滴、途虎养车、得物等服务商均已经官宣与腾讯在AI智能体领域达成合作。
据差评报道，微信AI的A2A架构类似于：一个总管家型Agent坐镇主界面，小程序沉淀自己的Skill，例如美团、携程、滴滴等小程序各有Skill。当用户说“明天出差去上海”，微信Agent可同时调携程查机票、同程查酒店、滴滴约接机车，三线并行推送方案，再经微信支付完成闭环。
当用户通过简单的自然语言交互，便能够在熟悉的微信页面直接完成购物、出行等一系列闭环，想象空间可谓广阔。
但换个角度来看，互联网巨头中，拥有“入场券”的玩家并不多，因为缺乏完整、成熟的生态。


腾讯发起的“小程序成长计划”，图源微信公开课微信公众号
而在腾讯，小程序本就生长在微信体系内，调用即可。里昂证券在研报中的判断是，腾讯依托超400万小程序与10亿级用户的生态，竞争对手复制这一生态“至少需要10年以上”。
无疑，这是又一次互联网巨头间的用户竞争，能与腾讯交手的仍是老对手。
在微信智能体消息曝光次日的6月3日，阿里巴巴便抢先宣布，千问向第三方Agent全面开放，瑞幸、肯德基、蜜雪冰城、东方航空成为首批测试企业。
但对比阿里巴巴，微信仍有优势。当其他厂商要持续花钱教育用户打开AI应用，而微信则把Agent嵌进用户每天必经的路径里。据晚点LatePost报道，2025年12月，千问App单日投放峰值一度达到1500万元。
此外，随着AI生态的完善，服务的分发逻辑也将随之改写。当用户表达的是意图而非关键词，服务方的核心竞争力将从页面体验转向接口稳定性与履约成功率。
而在微信上，这样的想象意味着，小程序从“给人看的轻应用”，进化为“给Agent调用的服务单元”，其生态正面临诞生以来最大的一次价值重估。
2、微信冲锋，腾讯AI生态托底
在豆包、千问轮番抢占AI入口的两年里，腾讯一直被视作慢了。
面对腾讯AI是否落后的问题，腾讯董事会主席兼CEO马化腾曾回应：腾讯不一定是业界最快抓住机遇的，但坚持走正确的道路，结合自身独有优势稳扎稳打，“不能看着别人在那边做就随便跨过去、抢别人的地盘。过去我们也抢过，但后来基本失败了”。
凭借这份清醒，腾讯等到了如今的时刻。
6月5日的腾讯云AI产业应用大会上，腾讯当天一口气发布20多款AI产品：既有WorkBuddy企业版、Agent Suite等全新Agent产品，也有存储、安全、ADP等平台层更新，还有Miora、Ardot等应用层新品。
腾讯AI产品找回了久违的热闹，而台上姚顺雨与汤道生的对谈，则理清了腾讯AI半年来的草蛇灰线。


腾讯集团高级执行副总裁汤道生与腾讯AI首席科学家姚顺雨同台对话，图源腾讯官网
“腾讯在AI上慢了吗？”汤道生在台上把这个尖锐问题直接抛给了姚顺雨，后者的回答是反问式的：“这要看我们认为AI是短期游戏还是长期游戏。”
姚顺雨的判断是，AI下半场才刚刚开始，ChatGPT和Claude Code不会是仅有的超级应用，“可能今天就像70年代PC刚刚产生的时候”。
这位27岁的首席AI科学家，或许是腾讯AI故事的拐点人物。他是OpenAI前研究员，也是Agent领域经典范式ReAct的提出者。
据晚点LatePost报道，2025年11月，刚入职不久的姚顺雨穿着休闲短裤、踩着拖鞋出现在腾讯一场内部会上，他细致检查混元的每个环节，不时与同事、实习生交流至半夜，最终给出诊断：“混元的评测出了大问题”。
彼时，混元过度追逐榜单成绩，打榜语料污染了训练集，会答题，真实场景却不稳定。
同年12月，新设的AI Infra部、AI Data部、数据计算平台部落地。腾讯官宣姚顺雨出任首席AI科学家，直接向腾讯总裁刘炽平汇报，同时实管大语言模型部与AI Infra部。这是模型能力与资源调度第一次握在同一人手中。
2026年4月23日，混元Hy3 preview发布并开源。据腾讯官方披露，其Token调用总量达上一代的10倍，在WorkBuddy、CodeBuddy等智能体应用中调用量增长超16.5倍。
2026年一季度财报电话会上，刘炽平透露，混元3.0上线两周即以3.03万亿Token周调用量登顶OpenRouter全球榜首。彼时，其在Agent依赖的工具调用、编程两个细分场景能力排名第一。
产品侧的故事则带着偶然的色彩。
据媒体报道，WorkBuddy的内测版本是CodeBuddy首席产品经理汪晟杰和一位运营在今年1月的一个周末、用两个通宵赶出来的。由于3月9日上线后访问量远超预期，团队从约10人紧急扩至100多人，三个月迭代43个版本。
据易观分析的《中国办公智能体平台市场研发报告2026》，今年3月WorkBuddy的月访问量已达885万、领先国内第二名2.6倍。


中国AI办公智能体月访问量及增速，图源腾讯WorkBuddy微信公众号
负责该产品的腾讯云副总裁刘毅后来在接受采访时复盘：“跑到行业第一，其实也是机缘巧合，站在了大模型最擅长的方向上。”但腾讯随后的动作毫不含糊：一旦验证方向，“大量的资源就过来了”。
支撑这一切的，是一种罕见的投入姿态。
2026年一季度，腾讯资本开支同比增长16.2%至319.4亿元，主要用于AI基础设施建设，研发投入增长19%；同期，腾讯自由现金流达567亿元、同比增长20%。电话会上，首席战略官詹姆斯·米歇尔总结：“核心业务富有韧性并产生充足的现金流，为加大AI投入提供了支撑。”
在竞争对手烧钱换速度、规模的战争之后，腾讯通过盈利式投入的动作，为一场AI的竞赛做起准备，似乎笃定这是一场“长跑”。
回看腾讯AI布局，拼图变得完整了。混元供给智能，腾讯云SkillHub沉淀超7万个Skill充当技能库，小程序执行任务，微信支付完成交易。
腾讯散落多年的资产，逐渐被AI这根主线串成整体。
3、巨头们的AI之战，要打生态局了
镜头拉远，互联网巨头的AI生态竞赛，早在春节就已经开打。
2026年春晚，AI合作资格被字节以最高价码抢下，豆包同步上线互动玩法；错过春晚的腾讯元宝准备了10亿元红包，马化腾在1月底的员工大会上说，希望重现2015年微信红包的高光时刻；阿里千问则靠30亿元春节免单活动，DAU峰值一度突破7000万。
Agent时代的入口之争，没有一家掌握流量的公司能够缺席。
春节期间，大厂们争的还是“谁的App被打开”，6月之后，战局升级为“谁的生态能办事”。当主流模型能力逐步收敛，真正稀缺的变成了入口、上下文、支付履约与开发者生态。
阿里千问是最早的验证者，依托阿里电商与本地生活闭环，“春节请客”的活动首日实际订单达1500万单，一举完成Agent的首次大规模商业化验证。不难看出，千问在6月3日火速开放第三方Agent，也是对微信威胁的快速回防。
阿里千问在春节期间推出免单活动，图源千问官方微信公众号
另一方面，字节的豆包背靠抖音的内容与营销生态，2025年底成为中国首个日活破亿的AI产品。百度则深掘知识管理赛道，整合文库与网盘成立个人超级智能事业群，据其财报，2025年四季度AI相关收入占比已达43%。
纵观战局，微信守生活服务与社交协同，淘宝守电商经营，抖音守内容营销，百度守搜索知识。国内互联网原本超级App割据的格局依旧，一旦有玩家落后，便有可能在新时代丢失原有的城池。
但可以确定的是竞争的走向，正如美团、京东、携程接入微信，瑞幸、肯德基接入千问，没有一家超级Agent能够赢者通吃，只有多个超级入口一起走向Agent化。


腾讯在腾讯云AI产业应用大会上推出的“效率智能体工具集”，
图源腾讯智慧零售官方微信公众号
对腾讯而言，接下来要解的是三道工程题。
一是规模。刘炽平在Q1电话会上称已储备充足芯片库存、推理侧将以多重策略应对，但14亿用户量级的Agent并发，仍是全球无人趟过的水域。
二是信任。Agent读取上下文带来的体验提升与隐私授权之间，需要一套让用户安心的边界设计。
三是规则。当Agent掌握任务分发，小程序调用的排序逻辑、抽成分佣需要得到数百万商家的认可。
如今，这三道题没有现成答案，谁先解出，谁就率先定义行业标准。
面对质疑，马化腾并未讳言走过的弯路，而“换船”之后的腾讯，确实找到了一条与自身优势严丝合缝的路线。
但作为先行者，腾讯也必将面对不少挑战与难题。值得肯定的是，在这样的战局中，不再追赶对手的腾讯，正从自己的主场重新出发。
]]> <![CDATA[遭AI诬陷的律师：我不反AI, 只反甩锅AI的恶意侵权]]> 当 AI 一本正经地 “胡说八道” 从订餐乌龙、误导退票，演变为凭空捏造犯罪事实、恶意诋毁个人名誉，技术的边界在哪里？谁该为 AI 的 “幻觉” 买单？
去年9月，北京锦钟律所黄贵耕律师因被AI造谣“威胁法官、伪造印章”，将涉事平台告上法庭。6月12日，在南都举办的数字经济治理沙龙现场，黄贵耕结合自身维权经历，剖析了生成式AI侵权背后的现实困境与法律争议。“我从未对AI宣战，我抵制的是将AI幻觉作为恶意侵权挡箭牌的行为。”

黄贵耕律师在论坛现场在线发言。
从“荒诞乌龙”到“恶意诽谤”AI幻觉侵权正演变为公共危害
“作为一名执业律师，我亲身经历了被AI平台捏造虚假信息、恶意诽谤的全过程。”在论坛分享环节，黄贵耕展示了一组截图。截图中，AI精准标注了他的姓名和执业机构，并凭空捏造出他“威胁法官”“介绍贿赂”“伪造印章”“涉嫌刑事犯罪被吊销执照”等恶劣情节。
黄贵耕表示，这些虚假负面信息被案件当事人及亲友广泛传播，致使他的社会评价严重贬损，潜在客户流失不可估量，承受着巨大的精神压力。
这并非孤例。据黄贵耕介绍，南京李小亮律师、北京安振杰律师均遭涉事AI及其旗下产品捏造定罪判刑的虚假内容；公益人士寇延丁被无端诬陷“判刑十三年”；山东青年冀承祥被恶意编造“组织卖淫罪”；就连“清芝灵卵磷脂”“栖贤山黄酒”等企业产品也未能幸免，被造谣为禁售商品。除了李小亮一案已宣判外，律师黄贵耕、作家寇延丁两人分别提起的另外两起诉讼，目前仍处于法院审理程序。
“从自然人到企业，受害者范围持续扩大。”黄贵耕指出，这类频繁侵害不特定个人名誉权的行为，已不仅是针对个人的伤害，更暴露出极大的公共危害性，势必造成社会秩序混乱和公众对AI技术的信任崩塌。
在黄贵耕的维权交涉中，涉事平台搬出“AI幻觉”作为挡箭牌，声称这是当前大模型技术发展的局限性。对此，黄贵耕不能认同。在他看来，“AI幻觉”本质是模型对数据分布的错误理解，通常表现为位置不准、数量偏差等轻微瑕疵。这与该平台编造他人罪名、篡改司法记录等行为的危害性不可等同，绝非“不可避免的技术误差”。他也同步横向对比了豆包、DeepSeek、千问等同类AI产品，发现在输入相同关键词后，其他主流大模型均能通过过滤机制拦截侵权内容。
黄贵耕从技术归因角度剖析了涉事平台输出的核心原因：一是训练数据缺陷，平台未接入权威数据库，反而在抓取网络负面信息后擅自“去匿名化”，将他人处罚记录张冠李戴；二是算法设计导向偏差，在交互中反复通过“关联问题引导”主动推送负面提问，靠流量变现驱动侵权；三是校验机制缺失，对涉及犯罪事实等高风险内容没有任何人工核验或风险提示。
“AI幻觉”成平台侵权挡箭牌？享受AI红利必须承担对等责任
在遭遇AI侵权后，受害者面临的最大痛点是“算法黑箱”。普通人很难证明平台在数据投喂和算法设计中存在具体过错，也难以溯源虚假信息究竟是哪一次交互引发的。这种技术壁垒让受害者在维权时处于绝对弱势。
AI侵权发生后，平台是否真的无法核查和纠错？黄贵耕在论坛现场引用了山东教育电视台的一则报道：腾讯元宝AI在除夕夜出现辱骂用户的异常输出后，官方迅速核查日志并发布致歉声明，明确“与用户操作无关，不存在人工回复，属于小概率下的模型异常输出”，并承诺后续将紧急优化。
“这说明生成式AI服务提供者，具备对用户调取AI服务的操作日志进行全面核查及整改的技术能力。”因此黄贵耕认为，其所诉涉事平台以“AI幻觉”不可预见为由，在首次侵权出现后未及时整改，持续生成侵权内容，实属以算法黑箱甩锅。“这就像司机明知刹车失灵仍上路撞人，不能把责任推给汽车。”
在法律责任的界定上，黄贵耕驳斥了平台常引用的“技术中立”和“AI非民事主体”的免责逻辑。他认为，司法实践中，“技术中立”的前提是平台已尽到合理防控义务。若同行业其他产品可规避同类错误，唯独某平台反复出现恶性侵权，就证明平台存在明显过错。“所谓的‘避风港原则’，针对的是平台仅作为信息载体、供用户上传内容的情况。但我所诉的AI恶意侵权内容是平台自主生产的，本质是平台行为的延伸，根本不适用避风港原则。” 黄贵耕说，近期德国慕尼黑地方法院首次裁定谷歌要为 AI 搜索摘要的幻觉问题承担直接责任，这也印证了平台主体责任是全球共识。
“就像养狗伤人主人要担责、汽车肇事司机要赔偿，平台从AI服务中攫取了巨大流量与商业收益，绝无可能只享红利而不承担风险。”他强调，根据《生成式人工智能服务管理暂行办法》等相关法规，AI 服务提供者必须落实内容安全主体责任。在将AI产品推向公众时，有义务对生成内容审核把关、留存日志、及时处置违法虚假信息。
尽管深受AI幻觉侵权之害，但黄贵耕始终对人工智能技术持正面态度。“AI 确实极大提高了工作效率，我日常也会使用豆包、元宝、Kimi 等 AI 产品作为办公助手。媒体报道中说我‘对 AI 宣战’，这是不准确的，我只是对涉事AI平台的恶意侵权行为说不。”
他认为，AI 行业必须告别 “重创新、轻风控，重流量、轻责任” 的野蛮生长模式。对此，他提出三点建议：平台要补全全流程风控，接入官方权威数据库，优化算法取消负面诱导设计，建立 7×24 小时投诉通道；监管部门要细化 AI 侵权处罚规则，对风控缺失、频繁恶性侵权的平台依法重罚，对缺陷 AI 产品必须像缺陷汽车一样召回整改；用户要提高警惕，涉及职业资质、司法记录等关键信息，务必通过官方渠道核实。
在技术狂飙突进的当下，如何打破算法黑箱、完善法律规制、让平台真正扛起主体责任，已成为生成式AI行业健康发展的必答题。“AI 的未来充满想象，但底线永远是法律与良知。” 黄贵耕在发言的最后表示，希望通过自己的维权经历，推动行业规范发展，让 AI 真正回归便民利民的本质，而非沦为伤人的利器。
]]> <![CDATA[中国正在太空布下一盘大棋]]>

央视网6月13日消息，中国正在太空布下一盘大棋。

业内机构预测，到2030年，全球太空经济市场规模将超过万亿美元。其中，太空算力是重要的基础设施。

在这一关键节点，中国也已迈出坚实步伐：2025年，中国在酒泉卫星发射中心使用长征二号丁运载火箭，成功将太空计算卫星星座首批一轨12颗卫星发射升空。此次发射任务的成功，也标志着全球首个太空计算卫星星座成功入轨。

目前，中国太空算力的轨道部署正在加速。在北京海淀一家卫星研发相关企业内，测试人员正在洁净间内对相关算力平台进行软硬件的调试。

随着太空算力的增加，一些常见的AI大模型也能实现在轨运行。未来，还有可能出现集中式算力卫星，将不同卫星在轨产生的数据快速融合计算。

来源：政事儿

]]> <![CDATA[蓝色数据中心有多“绿”]]> 文章配图-1

上海临港海底数据中心数据舱外观。（资料图片）

在数字经济快速发展的当下，算力基础设施对于助推产业转型升级、赋能科技创新进步具有重要意义。然而，传统数据中心“高耗电、高耗水、高占地”的“三高”困境，使其沦为“电老虎”。面对困境如何破局？在上海临港，一场“向海洋要资源”的探索给出了答案。

近日，全球首个海上风电融合型海底数据中心在上海临港正式启用。该项目创新采用“海上风电直供绿电+海水自然冷却”模式，总投资16亿元，规划总规模24兆瓦。该项目不仅助力上海打造国际数字之都，也为破解算力基础设施建设的能耗与空间瓶颈提供了中国方案。

打造绿色算力新范式

对于传统数据中心而言，近七成运营成本来自于电费，发展绿色算力成为行业发展的当务之急。临港海底数据中心依托东海海域资源，将海上风电、深海环境与算力设施深度结合，在多方面实现突破。

在散热系统上，该项目摒弃传统制冷设备，利用恒温海水打造天然冷源。但如何在密闭空间实现机柜散热冷却呢？大大小小的铜管是“解题”关键。上海海兰云数据科技有限公司技术总经理陈希恰说：“大铜管相当于人体的大动脉，小铜管相当于人体末端毛细血管。服务器发出的热量通过‘毛细血管’时将里面的冷媒从液态变成气态，气态冷媒通过‘大动脉’升到换热器和海水进行换热，冷凝为液态又回到‘毛细血管’。”这套循环系统让制冷成本大幅下降。

在能源供给方面，项目首创“海风直连”模式，直接接入临港海上风电场，依靠光电复合电缆输送绿电，绿电供给率超95%。上海海兰云科技有限公司总经理苏洋表示：“我们已实现了就地取电。陆上输电配电会产生大约10%的损耗，我们依托海风直连，可以直接规避这部分损耗。同时，海洋是一个天然冷池，通过自然冷却即可实现降温。综合算下来，该项目比陆地数据中心整体节能30%—40%。”按照24兆瓦全规模运行计算，该项目每年可节电约6100万千瓦时，等效减少的碳排放量相当于160万棵树木一年的固碳量，生态效益突出。

同时，海底部署模式能有效节约陆地空间与淡水资源。记者在采访中了解到，该项目可节省90%以上陆地空间。依托海水循环散热实现淡水零消耗，而同规模陆地数据中心每年需消耗4万吨淡水。多重优势叠加，该项目成功构建起“风电供电、海水制冷、海底部署”的绿色算力新范式。

筑牢深海算力底座

海底数据中心优势明显。然而，将服务器集群安置于海底，需要直面海浪冲击、海水腐蚀、海洋生物附着、极端天气等诸多难题。对于上海临港海底数据中心项目团队而言，并无成熟的经验可借鉴。项目团队整合多领域技术力量，接连攻克结构设计、海上安装、运维保障、电力稳定四大难关，搭建起高安全等级的深海算力底座。

在结构设计上，团队首创“海底数据中心新型结构”，整合上部组块、导管架、数据舱和钢管桩四大模块进行一体化协调搭建。同时，创新采用“圆筒立式结构型”数据舱，其外部流线型结构可大幅减少海浪冲击，搭配特殊防腐涂层与防护技术，能抵御海水腐蚀与海洋生物附着。

海上吊装与水下定位是项目建设的最大难点。重达1000多吨的数据舱入水时，导管架支腿插尖需精准插入海底钢管桩，两者间隙仅0.18米，偏差必须控制在0.1米以内。面对这一高难度挑战，项目团队依托“三航风范号”起重船的卓越性能，在GPS与专业定位软件的引导下，由技术负责人现场统一调度指挥，将下放速度严格控制在每分钟0.1米，实现了“零偏差”精准就位。

为应对海上风电波动性，项目还配置了双路市电、双路风电，搭配备用电源与发电机，年供电可靠性高达99.996%。苏洋向记者解释了电力调配逻辑：“风电供电不足时，UPS设备与柴油发电机可及时补能，保障电力稳定。”

在运维环节，项目运用远程数字孪生技术实现“无人值守”熄灯式运维，与海上风电场共享运维人员、船舶、线缆等资源。海底密闭环境受外界干扰较少，服务器故障率低于陆地机房，进一步提升了运行稳定性。

数据安全防护同样具有完备体系。上海临科智华数字科技有限公司技术总监霍长青介绍：“海底数据中心对外具备高等级防护能力，可抵御高流量网络攻击，严防数据隐私泄露；内部按照客户、项目、区域进行物理隔离，实现分级分区管理。”

完善算力产业生态

临港海底数据中心投运后，吸引了中国电信、上海仪电、上海临科智华等多家企业入驻，各类算力集群相继落地，形成多元共生的算力产业生态。依托低时延、高可靠、绿色低碳的优势，该项目不仅支撑国内AI研发、信创云等业务，还成为跨境数据加工等新业态的重要载体。

临港算力（上海）科技有限公司总经理罗渝平说：“依托陆海一体化全光网，海底节点与岸基枢纽时延降至0.5毫秒级，较传统跨地域算力调用降低60%以上，完全满足AI推理、金融交易等时延敏感业务需求。”

罗渝平介绍，面对跨境数据加工业务，海底数据中心构建了四重核心优势。一是低时延保障业务实时性，0.5毫秒级岸海时延使跨境支付清算、高频交易等业务的端到端响应速度提升40%以上，满足国际客户对‘即时数据处理’的严苛要求；二是绿色认证增强国际竞争力，95%以上绿电直供与零淡水消耗的能效表现，可为企业客户提供符合国际规则的碳足迹报告，助力其通过国际客户ESG合规审查；三是数据安全与合规性提升，依托临港“国际数据港”政策框架，海底节点可作为跨境数据‘境内存储、离岸加工’的物理隔离载体，通过专用海缆与境外节点直连，既满足数据出境安全评估要求，又避免公网传输的潜在泄露风险；四是成本优势凸显，相较传统跨境数据中心，海底数据中心单位算力能耗成本降低20%以上，且无冷却塔占地与淡水消耗，长期运营成本更具优势。

“我们采用‘跨境不入境’模式开展‘来数加工’业务，数据不在本地落地，严格遵守国内外合规要求，目前国内与海外业务各占一半，垂类行业市场空间十分广阔。”霍长青说。

在海底数据中心诸多优势的吸引下，中国电信成为了首批入驻企业之一，并在这里上线研发平台、国产GPU创新平台以及信创云三大业务，同步探索海上通信建设。上海仪电在此部署训推一体算力集群，发挥自身数字化转型与AI落地经验，深耕水下边缘算力。上海临科智华则聚焦大语言模型数据集、多模态数据标注、代码验证等高端数据业务，走出差异化发展道路。

目前，临港新片区已集聚八大算力中心，总算力规模超40EFLOPS，占上海整体算力的三分之一以上。按照规划，到2027年，上海智算云产业规模力争突破2000亿元，形成云边端协同、产业链条完备的生态体系。同时，上海立足长三角枢纽定位，深度对接“东数西算”国家战略，临港海底数据中心作为前沿绿色算力节点，成为全国一体化算力网络的重要组成部分。

据介绍，该项目团队已启动规模化布局计划。以上海为核心，规划建设500兆瓦级深远海风电配套数据中心，同时向粤港澳大湾区、环渤海等沿海区域输出成熟技术。苏洋表示：“临港模式已经验证较为成熟，我们将依托海上风电产业优势，推动海底数据中心在东南沿海多省市落地，同时跟随中国海上风电优质产能出海，将‘海风+算力’整套方案推向国际市场，结合国产芯片、国产云服务，打造中国算力基建出海‘新名片’。”

]]> <![CDATA[11000mAh荣耀最大电池，荣耀X80 Pro Max手机6月22日发布]]> IT之家 6 月 15 日消息，荣耀手机今日官宣，荣耀 X80 Pro Max 新品发布会定档 6 月 22 日 19:00。

荣耀 X80 Pro Max 主打长续航，搭载 11000mAh 荣耀最大电池，以及金标抗摔免费换屏。

文章配图-1

据IT之家此前报道，博主 @数码闲聊站 发文，曝光了荣耀 X80 Pro Max 手机的规格信息。该机提供闪电红 / 玄甲黑 / 月影白 / 元气橙四种配色，采用“旗舰级 ID 设计”，正面配备一块 6.78 英寸 2788x1280 分辨率 OLED 面板，手机搭载高通骁龙 6 Gen 5 处理器，配备 11000mAh 电池，支持 90W 充电。

据博主 @旺仔百事通 分享，荣耀 X80 Pro Max 将主打耐用、抗造和续航。该机将配备超大电池，支持 90W 有线充电和 27W 有线反向充电、满级防水防尘，并采用超耐摔机身设计。

]]> <![CDATA[建立多方联动机制 加强AI人才培养]]>
　　随着人工智能技术的不断突破和应用场景的加速拓展，AI相关领域人才需求攀升将成为未来较长一段时间内劳动力需求的重要趋势特征。不仅传统信息技术人才需求持续增长，AI产品设计、AI安全评估、AI合规审核等复合型人才的需求也将以更快速度扩张。在此背景下，迫切需要推动人才培养体系的供给侧结构性改革，促进人才供需适配。

　　人力资本积累需要时间，技术冲击下的劳动力市场供给变化速度往往慢于需求变化，因此教育体系的变革必须跟上技术发展的速度，如此才能发挥技术变革对经济社会发展的正向作用。同样需要看到的是，劳动力市场的供需匹配并非单纯的静态匹配，还包括动态调节过程。人才培养的周期性与社会需求的变革性，要求我们在此过程中要重视前瞻布局与动态调整。

　　《中国人工智能人才发展报告（2025—2026）》蓝皮书统计数据显示，目前中国超过600所本科高校和近800所职业院校开设了人工智能相关专业，构成了从学术研究到技能实操的全链条培养体系。不过，AI领域人才供给仍处于全面紧张状态，高端人才、复合型人才存在结构性短缺。此外，人才在区域与行业间的分布不均衡问题也值得关注。为更好发挥人工智能的正面作用，促进人才适配，我们应建立政府、学校、企业等多方联动机制，加快健全完善AI时代人才培养体系。

　　首先，应着力建设国家人才供需对接大数据平台，动态开展人才需求调查。利用智能技术科学预测产业发展趋势，通过对教育资源、专业设置进行宏观调控，提升其对产业发展和人才需求的适配性。其次，对于高等院校而言，应对人才培养体系做出前瞻性调整，使其更好适应劳动力市场需求的变化。通过课程设置、课外实践训练体系等多方面改革，全面提升学生的人工智能素养。在人工智能时代，高校可以从市场需求端入手，主动作为，搭建不同专业学生的能力图谱，侧重培养学生的提问能力、思辨能力和解决问题的能力，强调文理贯通、多学科交叉，避免简单的知识性传授，以能力培养为导向完善人才培养体系，构建从能力图谱到知识图谱的培养链条。

　　除了高等教育创新发展，职业教育在构建人才适配机制的过程中也扮演着重要角色。2022年，中办、国办印发《关于深化现代职业教育体系建设改革的意见》，强调要“深化职业教育供给侧结构性改革”“建立健全多形式衔接、多通道成长、可持续发展的梯度职业教育和培训体系”。职业教育在AI人才培养中更应主动与所在地区的市场对接，推动形成同市场需求相适应、同地区产业结构相匹配的技能人才培养模式。

　　企业作为劳动力市场的需求主体，也应主动应对AI技术变革，推动内部数字化转型，提升生产效率。同时，积极推动校企合作，尽早介入人才培养环节，为未来人才做好储备。对于身处AI时代的青年而言，要积极拥抱这个大转型的时代，树立终身学习、无边界学习的理念，从市场需求出发打造自身的“技能包”，不断提升职场竞争力，如此方能在激烈竞争的求职季中脱颖而出。]]> <![CDATA[乘“智”而上，激活新质生产力]]>
　　技术创新是智能经济的核心驱动力，也是新质生产力生成的关键支撑。智博会上集中展示的通用大模型、具身智能等成果，标志着我国智能经济已从技术爆发期迈入价值创造期，以技术体系突破推动经济质量、效率、动力全方位变革。智能技术的提升融合数据、算力及人工智能，形成了“算力+数据+算法”的新型生产力底座。人工智能深度嵌入研发设计、生产制造、运维服务的产业全链条，推动传统产业降本增效、绿色低碳转型，推动实体经济向高端化、智能化、绿色化迈进。

　　智能经济带来的技术提升，不是对传统产业的简单替代，而是通过“人工智能+”行动实现全方位赋能。在制造业领域，智能工厂、数字孪生广泛应用，工业大模型在优化调度、降低能耗等方面成效显著；在农业领域，精准灌溉、智能监测、农业机器人的普及大幅度提高土地产出率；在服务业领域，智慧金融、智能物流、个性化服务重塑价值体验。技术赋能推动产业从规模速度型向质量效益型转变，让新质生产力在数实深度融合中加速成长，为国家智能经济战略提供强劲引擎。

　　智能经济的生命力在于场景落地，最终归宿是服务人民、改善民生。在智博会上，智慧家居、智能医疗、适老助残、智慧城市、普惠教育等场景的集中亮相，勾勒出智能经济融入日常、服务万家的美好生活图景。在公共服务领域，人工智能推动政务服务一网通办、医疗资源精准匹配、教育资源普惠共享，缩小城乡与区域差距，提升公共服务均等化水平；在城市治理领域，智能感知、大数据分析、协同调度系统构建城市运行“一网统管”，提升应急响应、交通疏导、环境治理效能，让城市更安全、更高效、更宜居；在群众生活领域，智能终端、便民机器人、无障碍智能应用走进家庭，满足民众多样化、高品质需求，让技术红利可感可及。

　　今年是“十五五”开局之年，也是人工智能从技术突破迈向规模化产业应用的关键之年。今年《政府工作报告》首次提出“打造智能经济新形态”；“十五五”规划纲要也明确提出“培育智能原生新模式新业态”。从工具辅助到自主服务，从单点应用到全域渗透，智能技术不断拓展人的能力边界、释放创造潜能。智博会上适老化产品、普惠型智能应用大量涌现，体现技术向善、包容普惠的导向，让智能经济发展成果更多更公平惠及全体人民。

　　面对全球人工智能治理规则正在形成的窗口期，我国既要在技术上对标一流，更应在治理上贡献智慧，助力全球AI治理变革。国内层面，我国依托《人工智能安全治理框架》2.0版，细化风险防控标准，完善相关法律法规，强化数据与模型双向治理，推行精细化分级监管，平衡技术创新与安全管控。同时将“以人为本、智能向善”作为核心原则，搭建适配我国发展、契合主流价值观的AI伦理体系，筑牢特色治理内核。国际层面，我国秉持多边主义理念，落实全球治理倡议，抵制阵营化、排他性监管模式，兼顾各国发展差异，帮扶发展中国家提升技术能力，弥合数字鸿沟。现阶段我国已实现从被动应对到主动引领的转型，统筹发展和安全、国内与涉外法治，为全球人工智能治理输出落地可行的中国方案。

　　“十五五”时期是我国智能经济从规模扩张向质量提升跨越的关键阶段，我们应牢牢把握新一轮科技革命和产业变革的历史机遇，坚持自主创新与开放合作并重，推动智能技术与实体经济深度融合，让智能经济成为激发新质生产力的强大引擎。]]> <![CDATA[数字织锦 体育生花[6P]]]>
　　海南海口市，观众在第六届消博会现场体验智能训练器。



　　学生在湖南湘江新区雷锋小学体育课上佩戴心率监测手环。



　　广东广州市，采购商在第139届中国进出口商品交易会智能穿戴展区洽谈。



　　陕西西安市曲江第二幼儿园的小朋友在进行轮滑训练。



　　市民在内蒙古鄂尔多斯市康巴什区智慧体育公园里的智慧健身步道上行走。



　　甘肃张掖市第一中学，学生在“AI智慧操场”练习跑步。


　　阳光洒在绿茵场上，清华大学博士生王一骁刚刚结束一场激烈的足球训练赛，手腕上的智能手表屏幕亮起，弹出一条提示：“今日最高心率187，持续超过无氧阈值3分15秒，建议即刻进行系统性冷身与补水。”
　　就在上周，也是这块手表，在他训练时突然震动报警，提醒心率异常飙升。他赶紧停下来休息，事后才有些害怕——要不是这一声提醒，后果真不好说。
　　智能手表，正是数智体育融入日常生活的一个注脚。如今，从校园操场到社区健身点，从专业赛场到百姓家门口的步道，一场由数据和智能技术驱动的体育变革悄然发生。数智体育，正以科技的温度，在大众体育的沃土上，育出一树繁花。
重塑全民健身方式
　　“以前训练全凭感觉，跑多少、心率多少，心里没数。现在不一样了，手表会告诉我今天强度够不够，有没有过度。”王一骁是学院足球队队长，智能手表在他的运动装备里的重要性丝毫不亚于球衣球鞋，训练时的跑动距离、冲刺次数、心率变化都能实时记录。
　　智能跳绳、智能足球、步态分析鞋垫……这些曾经只在专业队里出现的东西，现在普通运动爱好者也能用上了。“无处不在的‘数智’，正在改变我们的运动习惯。”王一骁感慨。
　　被改变的何止是个人运动。放眼全国，一批数智体育新场景正不断涌现：北京将冬奥村改造升级为智慧体育社区，集数字运动体验中心、数字骑行驿站、运动康复体验中心、科学运动服务等于一体；广州打造智慧健身步道，依托5G、物联网技术构建“无接触、全天候、自助式”运动服务体系；浙江南浔推出“运动码”智慧应用，开展课程预约、体质监测报告评级等服务……
　　“数智体育建构了一个全域感知、实时分析、智能决策的体育新生态，是对传统体育的一次全新‘智能革命’。”首都体育学院奥林匹克学研究中心主任茹秀英表示，数智体育以技术之力，深刻改变着群众体育、竞技体育、学校体育及体育产业的发展面貌。
　　优化运动员的训练和表现，进行战术分析和对手研究，帮助裁判进行比赛判罚……在竞技层面，数智体育的作用早已成为共识。记者注意到，在不少中小学校园里，数智体育也正大显身手：智慧操场的高清摄像头、智能监测设备精准捕捉运动数据，不仅记录成绩，还能追踪起跳角度、摆臂幅度等细节；AI系统为每位学生建立专属运动档案，生成个性化训练方案，构建多维度评价体系。这种数智化教学模式，不仅提升了教学效率，也让学生对体育的兴趣更浓厚。
　　当赛事遇见数智，参赛和观赛都变得不一样了。2025年北京马拉松，跑友们除了晒奖牌，还多了一样东西——个人专属的AI短视频。更酷的是，完赛后用小程序扫描奖牌，屏幕上便会浮现出赛道地图、动态奔跑轨迹和个人完赛成绩，一块普通的奖牌瞬间变成承载独家记忆的“数字藏品”。这背后，是5G-A与AI技术融入赛事，给每一位跑者带来的触手可及的仪式感。
　　北京数智体育公开赛已连续举办三届，数智骑行、人机乒乓球、数智赛艇等项目深受欢迎。在2025年的数智体育公开赛上，90后骑行爱好者张晓丽在智能骑行台的动感单车上挥汗如雨，“穿梭”于首钢园的美景中。“骑行是一种生活方式，数智让这种生活方式更安全、更智能、更多样。”张晓丽感慨。2025年女篮亚洲杯期间，深圳体育中心的智慧观赛服务让球迷们直呼“贴心”：AR导航带观众快速找到座位，360度自由观赛系统让观看角度随心切换。从赛道上的沉浸骑行，到看台上的自由视角，数智体育不断拓展着“参与”与“观看”的边界。
　　“数智体育通过技术赋能，催生出一批体育新业态，重塑着全民健身的参与方式与体验，形成‘科技+体育’的新范式。”中国移动旗下咪咕视讯副董事长、总经理李黎表示。
“未来场景”变得触手可及
　　2022年以来，工业和信息化部、国家体育总局联合公布了两批智能体育典型案例，涵盖全民健身、竞技体育、体育设施等领域，涉及智能穿戴、训练设备、智慧场馆、体医融合等多种类型。记者梳理发现，从第一批到第二批，智能体育典型案例呈现出从点状探索到系统集成、从服务大众到赋能全领域、从技术展示到成果转化的发展趋势。比如，第一批中，涉及专业训练、比赛应用的案例多集中在智能比赛设备、动作捕捉系统等单项产品；而第二批单独设立了“竞技体育”大类，涌现出更多覆盖训练、比赛、康复全流程的综合性系统。可以说，我国数智体育产业正驶入发展的快车道。
　　数智体育为什么能在短短几年内快速崛起，成为体育产业的热门赛道？在茹秀英看来，答案很简单：“技术成熟了，需求也来了。”
　　她解释说，数智体育的本质是“数据驱动+人工智能”双轮驱动，通过人工智能、机器学习、智能分析等技术，实现数据的深度挖掘和智能决策，赋予体育实现感知、分析、决策、优化的智能闭环能力。从校园的AI教学系统到马拉松的短视频服务，技术的成熟让这些曾经的“未来场景”变成了触手可及的日常。
　　在运动层面，数智体育解决了传统运动“凭感觉”的痛点，让运动变得科学、精准、可追踪。在观赛层面，人们不再满足于观看比赛，而是追求线上线下融合的陪伴体验。“年轻人作为运动消费主力军，对智能化、互动性有着天然偏好，专业赛事数据个性化表达、线上社交及分享、创新型智能观赛体验等功能，恰好契合了他们的需求。”李黎告诉记者。
　　数智体育的魅力，还在于打破了运动的门槛。曾经，冰雪运动是北方孩子的“专属福利”，如今，VR滑雪模拟器让南方青少年也能感受雪道上的飞驰快感。同时，虚拟骑行、VR滑雪等沉浸式体验，让那些因场地受限、技能不足而对运动望而却步的人，在家中也能尽情挥洒汗水。无数曾经的“旁观者”，用全新的方式与运动相遇。
　　“数智体育正朝着专业化、融合化、全民化方向发展。”茹秀英认为，未来，高水平职业数智体育赛事会进一步发展，数智技术将进一步与传统竞技体育融合，促使赛事更公正、更透明；数智体育会由精英体育下沉到大众体育，成为大众健康生活方式的有机组成部分。
激发“体育+”跨界融合消费
　　2025年8月30日，国务院办公厅印发《关于释放体育消费潜力进一步推进体育产业高质量发展的意见》，明确提出“拓展体育消费场景”“推动体育数字化发展”，要求“推动体育消费场景与数字技术有机融合，培育智能化、定制化、体验式体育消费新模式”“探索推进‘数据要素×体育’行动，支持大数据、人工智能等新技术在体育领域应用，提升体育产品和服务数字化水平”。
　　乘着这股东风，数智体育在拓展消费群体、升级消费体验、丰富消费内容等多个维度全面发力，正成为激发消费活力、助推全民健身的强劲引擎。
　　《2025年全民健身活动状况调查公报》显示，我国人均体育消费水平持续增高，服务型体育消费占比提升至48.5%；健身指导途径更加多样，网络、App、短视频等数字化方式使用率显著上升。这意味着，体育消费正从“买装备”转向“买体验”——人们不再只是为跑鞋、球拍付费，更愿意为AI私教、赛事直播等买单，智能课程、会员服务、达人带货正成为新的增长点。
　　数智还让体育成功“破圈”。今年3月，2026武汉马拉松与武汉体育消费博览会联动，推出无人机足球、智能跑步评估等数智体验，并发放体育消费券，成功将赛事流量转化为消费增量，实现了“体育+科技+文旅+商业”的跨界融合与消费破圈。体育+科技+艺术，体育+科技+文旅，体育+科技+康养……数智体育所激发的“体育+”的跨界融合消费，正展现出强劲的乘数效应，不断撬动更广阔的市场空间和消费潜力。
　　热潮之下，一些问题也开始浮出水面。数据安全问题是大众最关心的痛点之一，行业层面统一的安全规范和标准尚未完全建立，数据泄露、滥用的风险依然存在。设备价格门槛也让部分人群望而却步，专业智能运动设备价格不菲，导致数智体育的红利难以真正实现全民共享。此外，技术应用的边界在哪里，同样值得深思。有的智能设备功能堆得太满，操作复杂，年轻人玩得转，老年人却只能干瞪眼。还有一些人担心，过度依赖数据会不会让人忘了运动的本质——出汗的快乐、拼搏的酣畅，这些是数字无法替代的。
　　业内人士指出，数智体育的健康发展需要多方协同发力。如通过大数据精准洞察大众运动偏好，让智能系统“更懂人心”；深挖北京冬奥会等体育文化遗产，让数智体育项目“更有底蕴”；鼓励企业加大研发投入，让智能设备“更接地气”；政府和相关部门出台补贴政策，支持社区、学校等配齐数智体育设施，让数智设施下沉基层；行业内加快建立统一技术标准与数据安全规范，让消费者用得放心。
　　不可否认的是，这场由数据与智能驱动的体育变革，正为产业注入蓬勃动力，也为全民健身铺展出更辽阔的图景。数智体育，用技术的光亮，让更多人与运动快乐相遇。而这，正是数智体育最值得期待的未来。]]> <![CDATA[全球 AI 「黑马神话」一夜反转，被指套壳阿里千问]]> 6 月 15 日，由巴西里约市政府旗下 IT 公司 IplanRIO 推出的“官方”开源模型Rio-3.5-Open-397B ，全球走红，被奉为拉美开源大模型的新势力。不到 24 小时，这场所谓 AI “黑马神话”就宣告反转，该模型被指控称是“套壳”阿里千问 Qwen 3.5 和Nex N2 Pro 的权重混合版本。目前，IplanRIO 已在开源社区 Hugging Face 公开致歉，承认“因操作失误”上传了用于对比的合并基线版本。

Rio-3.5-Open-397B近两天走红AI开源社区，凭借“397B 参数、开放权重、MIT 许可协议”三大核心卖点，并标榜性能优越，刷爆全球 AI 圈。该模型开源后，立刻遭到AI开发社区质疑，HuggingFace研究员王铁震发文称，通过AI自动检查Rio-3.5-Open-397B在GitHub上的代码库，惊人发现Rio-3.5-Open-397B极大可能是开源模型Qwen3.5-397B-A17B和 Nex-N2-Pro杂糅体。

随后，开源模型团队 Nex-AGI 公开指控称，巴西里约的这款模型，看不到任何 Rio 自己训练过的痕迹，所谓自研模型，其实就是 Nex N2 Pro 与Qwen3.5-397B-A17B 的权重混合版本。有AI开发者表示，将开源模型标榜为自研模型并且完全不提及母模型，是对开源社区承袭再发展规则的严重破坏。迫于压力下，IplanRIO 已在 Hugging Face 公开致歉，承认因操作失误上传了用于对比的合并基线版本，而非宣传中的最终自研版本，并表示后续将重新上传经过蒸馏与后训练的正式版。

Qwen3.5-397B-A17B是阿里巴巴基础大模型千问系列模型之一。截至目前，阿里并未针对此事发声。

文章配图-1

]]> <![CDATA[说鸿蒙是安卓套壳都是无脑黑！华为朱懂东：替代Windows的鸿蒙PC已1岁表现超预期]]> 快科技6月15日消息，除了在手机操作系统赛道交出亮眼成绩单之外，鸿蒙PC面世这一年多时间取得的产业成绩，同样远远超出市场和行业的预期。

华为终端平板与PC产品线总裁朱懂东在介绍鸿蒙电脑上市一周年的整体发展状况时公开坦言，全系列的市场表现远超自己最初的预判，整体推进节奏比预设目标快了不少。

他特意提到目前国内尺寸最大的大折叠电脑MateBook Fold，客观来看上市满一年至今，行业里的友商产品还没有能跟上同水平体验的，从他现在接触到的产业研发进度判断，哪怕再给行业一年时间，多数友商大概率还是追不上这款产品的综合实力。

这款产品的研发门槛极高，没有数亿元的专项研发投入，根本做不出能落地量产的成熟产品。

从朱懂东现场展示的PPT公开数据来看，鸿蒙PC赛道已经交出了非常稳健的开局答卷，其中传统形态产品在8K以上价位段轻薄本市场拿到了12%的份额，折叠形态电脑更是在2万元以上价位段轻薄本市场拿下了70%的绝对占比。

朱懂东补充说明，传统形态的鸿蒙电脑实际销售情况同样远超预期，几乎快要追平当年同定位X86架构产品的历史销售峰值，如果不是之前长期受供应链产能限制出现缺货，整体销量还能再上一个台阶。

他还透露，鸿蒙电脑目前完全没有启动海外市场的正式售卖渠道，现在海外用户手里能见到的鸿蒙电脑全部都是水货，都是从国内通过非正规渠道流转出去的。

现阶段华为没有在海外做任何相关销售布局，如果后续正式开放海外售卖渠道，能拿到的用户好评和市场反馈肯定远不止当前的水平。

针对外界一直流传的鸿蒙是安卓套壳的不实说法，朱懂东直接明确否认，直言这类毫无根据的言论就是在刻意抹黑华为，此前余承东也已经多次在公开场合针对同类误解做出过澄清。

谈及平板产品线的市场表现，朱懂东同样底气十足，虽然提到平板产品很多人第一反应都会先想到iPad，但2024年和2025年这两年，搭载鸿蒙系统的华为MatePad系列平板，已经是国内市场份额绝对的领跑者。

文章配图-1

]]> <![CDATA[“字典里没有第二”！余承东重掌华为大模型，鸿蒙7迈向智能体时代]]> 文章配图-1

余承东宣布HarmonyOS 7 Developer Beta发布 图源：时代财经

在东莞松山湖，华为再一次将鸿蒙推向行业焦点。

6月12日至14日，华为开发者大会2026（HDC 2026）召开。过去几年，这场大会始终是外界观测华为鸿蒙生态进展的关键窗口。而今年的舞台上，分量最重的不仅是HarmonyOS 7首秀，更是鸿蒙在AI时代的新定位。

现场，华为常务董事、终端BG董事长余承东正式宣布HarmonyOS 7开发者测试版本发布，鸿蒙智能向Agent架构全面演进。

一同披露的还有一组核心数据：HarmonyOS 6终端设备数量已突破6600万台，鸿蒙跻身中国第二大智能手机操作系统；鸿蒙注册开发者超过1100万，华为应用市场可获取应用与服务突破40万款。

更深层的变化，藏在AI时代的系统级竞争逻辑里。余承东在会上透露，自己已再度挂帅华为大模型业务，并正式发布开源盘古大模型openPangu 2.0。

对于历经七年迭代的鸿蒙系统而言，这是一个清晰的转折点。

过去，鸿蒙最核心的任务是建立自主软件体系，补上底层操作系统的关键短板。如今，随着终端设备、应用服务和开发者阵营持续扩容，最难的阶段已经过去。华为要讲的新故事，正从“做出一套操作系统”，转向“抢占AI时代的系统入口”。

迈过最难的山头，鸿蒙7冲向Agent时代

“迈向Agent时代，HarmonyOS 7来了。”余承东在HDC 2026主题演讲上宣布。

2019年初次亮相时，外界对鸿蒙的核心疑问，是它能否在复杂外部环境下搭起一套自主可控的底层软件体系；2023年，鸿蒙原生应用生态全面启动；2025年，鸿蒙手机开始规模销售；到了今年，华为开始把鸿蒙的战略主线推向Agent时代。

华为轮值董事长徐直军曾指出，开发一个先进的操作系统并不那么难，但有没有大量应用和设备使用此操作系统才至关重要。

数据印证了鸿蒙已经走过最艰难的爬坡期。时代财经从现场获悉，余承东披露数据称，HarmonyOS当前国内市场份额已达19%，连续7个月超过iOS，成为国内第二大智能手机操作系统。

回望这一路的生态发展，余承东总结道：“2023年HDC上，华为和合作伙伴一起在松山湖湖边种下了‘鸿蒙林’。三年过去，鸿蒙林绿树成荫，鸿蒙生态蓬勃发展。”

而HarmonyOS 7的发布，是鸿蒙系统问世七年以来的一次跨越式升级节点。

据介绍，HarmonyOS 7围绕互联、智能、安全、流畅、空间感等体验继续升级，最核心的变化，是鸿蒙智能向Agent架构全面演进。余承东现场揭露HarmonyOS 7带来的三大核心升级：Agent亲和系统架构、鸿蒙智能体框架2.0，以及系统智能体小艺。

与此同时，华为开放超20项系统级AI能力，以及首次向开发者开放GUI操控能力，让智能体能够直接调用系统资源和应用服务。截至目前，小艺已拥有超过2100项系统能力、接入500多个合作伙伴Skill以及承载2000多个鸿蒙智能体能力。

时代财经在现场获悉，华为终端BG CEO何刚演示了小艺的落地能力：可根据半马比赛时间、用户健康数据、训练记录和日程安排，帮用户制定训练及恢复计划；可跨端从鸿蒙电脑上查找资料并发送到手机；还能根据会议日程、路况和到达时间要求，帮用户规划出发时间、预约车辆并设置提醒等等。

除了HarmonyOS 7的发布外，本界大会的另一大看点，是华为正式推出的“鸿图计划”。

按照华为规划，“鸿图计划”将支持超过20个行业、200余类芯片以及1200余类设备接入开源鸿蒙，覆盖范围大幅扩展至消费终端以外的垂直行业场景，以加速开源鸿蒙生态扩张。

官方数据显示，过去几年开源OpenHarmony持续扩张，先后已发布了超过100个商用版本，生态伙伴超550家，共建代码超1.4亿行，搭载生态设备超13亿台。

这种生态扩张，在本届大会现场也有了更具象的体现。时代财经在现场观察到一个明显变化是，鸿蒙生态正在吸引越来越多年轻人，甚至非技术背景的人进入软件开发行列。

本届HDC大会期间，华为组织了鸿蒙创享街区、鸿蒙星光大道、鸿蒙脑洞大开麦等多项活动，将舞台的聚光灯交给开发者们。

16岁的高一学生邓智韬用短短一个月的时间，开发出了一款评分高达4.8分、下载量近万次的专业级模拟飞行辅助应用首版“LDP FLY EFB”；经历了两次瘫痪的开发者肥牛和他的妻子香菇带来一款基于鸿蒙生态的“脑控轮椅”，震撼全场观众；一群“00后”，依托华为鸿蒙AI coding工具与小艺3D生成技术，结合自研算法二次优化，打造一款可一键生成精致像素风作品的APP“像素匠”。

在华为的生态逻辑里，这些开发者正是鸿蒙继续向前的基石。“我们不与伙伴争利，不做生态的收割者，而是做生态的建设者和赋能者。我们要打造一个开放、共赢、可持续发展的鸿蒙生态。”余承东在演讲中强调。

抢占AI时代的系统入口，余承东挂帅大模型业务

“最难的山头已经迈过，前方是更宽的路。”余承东在演讲中展望道。他表示，鸿蒙生态飞轮越转越快，将加快脚步迎接AI时代新的挑战。

随着鸿蒙跨过最初的生态攻坚期，华为面前摆着一个全新的产业命题：AI时代，操作系统的入口价值将如何重新定义？

在移动互联网时代，操作系统的核心价值锚点很大程度是App生态，即用户通过桌面图标进入应用，在应用内部完成搜索、下单、支付、出行、办公等任务。谁能承载更多应用、连接更多服务、沉淀更多用户，谁就拥有更强的平台价值。

但Agent时代正在彻底改写这套逻辑。未来，用户不一定需要频繁打开应用，只需直接向AI表达需求、下达指令；智能体理解意图后，自动完成任务拆解、路径规划和服务调用。也就是说，入口可能不再是某个应用图标，而是系统级的AI助手。

这已成为全球终端巨头苹果、谷歌、三星等的新战场。刚刚落幕的WWDC大会上，苹果推出新一代苹果智能（Apple Intelligence）和Siri AI，试图将AI深度嵌入操作系统、应用、开发者工具和云端架构之中。

更早之前，谷歌通过Android Show展示了Gemini引入安卓系统之后的一系列新能力，包括理解用户用途并跨多个应用完成任务等；三星也持续强化Galaxy AI，将其深度集成于Galaxy手机、平板及穿戴设备中。

华为选择的路径，则是依托鸿蒙把手机、平板、PC、汽车和穿戴设备打通成一套统一系统，实现不同设备能力之间的协同调度。Agent化架构、Skill化能力、开发工具链以及跨终端协同，正是华为试图建立的差异化竞争壁垒。

要支撑起如此庞大的系统级AI重构，底层的算力与模型能力也至关重要。

今年HDC大会最具战略性意义的信号，正是余承东再度出山，亲自掌舵华为大模型业务。

“在全世界都不知道大模型为何物的时候，华为就发布了盘古大模型，可以说是这个行业绝对的全球先驱者。后来因为各种各样的原因，没做好。”余承东坦言，去年国庆节前夕，华为重新安排他牵头大模型业务。

余承东曾经带领华为大模型团队发布了全国首个大模型，而后将工作重心逐渐转向终端、鸿蒙和智能汽车业务上。如今他重掌大模型业务，意味着华为正将AI底座、操作系统入口和终端生态重新拧成一股战略合力。

大会现场，华为正式发布了开源盘古openPangu 2.0大模型。该模型支持512K超长上下文，分为Pro和Flash两个版本，深度适配昇腾算力，单卡吞吐率达到业内主流开源模型的2倍；并与鸿蒙生态融合，计划于6月30日起陆续开放7大核心组件。

余承东在现场“放话”：我的字典里没有第二，只有第一。他称将带领团队一路赶超，从中国第一走向将来的世界第一。

当然，鸿蒙的AI新叙事并非坦途。

Agent要真正重塑用户习惯，需要足够准确的意图理解、稳定的任务执行、丰富的应用接入，以及清晰的隐私和安全边界。而对开发者而言，把应用能力Skill化、智能体化，也意味着新增开发成本和商业模式的重构压力。

跨越了“最难山头”的鸿蒙，最终能否在AI巨变中拿下系统入口的定义权，仍要看开发者、应用伙伴和亿万消费者如何把这个新故事写下去。

]]> <![CDATA[AI仍是全球产业叙事中最重要的方向之一，前瞻关注物理AI、世界模型等技术迭代]]> 6月16日，华源证券发布了一篇传媒行业的研究报告，报告指出，微信发布开发者接入AI生态指引，关注产品进度。
微信发布开发者接入微信AI生态的指引，开发者可以在小程序管理后台-AI能力主动授权接入微信AI，同时平台提供两种模式：
1）自动模式：授权平台提审时读取小程序源码，无需投入额外开发。同时，平台将分析你的小程序页面，让微信AI能直接操作；
2）开发模式：开发者可基于小程序业务特性，自主个性化开发。通过平台评测与审核后，可被微信Al调用。两种模式不互斥，可同时开启。京东、美团、携程、同城、美图秀秀、儒意电影等陆续宣布接入微信AI生态并参与内测。我们认为：
1）微信产品AI化进入新阶段，开始出现独立AI模块能力；
2）入口和平台的构建具备更长线的影响，小程序的接入或是关键，但AI能力是逐步完善的；
3）基于算力成本考量，我们判断灰测节奏会拉长，同时腾讯对算力的投入也可能基于业务需求而扩大。我们建议重视微信AI Agent产品测试进度。
互联网方向：微信推进AIAgent产品进度，入口竞争可能进入演绎新阶段，生态层互联网时代原有的核心商业模式（例如流量广告、激励等）可能被影响，关注产业进度，同时关注头部互联网公司对AI业务的描述和Capex指引。
AI应用方向：我们认为目前AI仍是全球产业叙事中最重要的方向之一，我们建议重视产品落地且有收入结构的应用方向，包括AI剧、电影等，且关注对算力和Token运营业务做积极尝试的公司，同时，前瞻关注物理AI、世界模型等前沿方向的技术迭代。我们再次重点梳理相关方向：
1）Token运营方向：具备优质模型能力，保持积极投入和迭代并能产生收入的模型公司：智谱、MiniMax、阿里巴巴-W、腾讯控股、快手（可灵）、昆仑万维等。此外，部分公司开始探索Token运营新模式，例如建立“大模型API聚合与分发平台”等，我们建议关注AI营销、AI视频化中愿意积极布局相关业务尝试，且具备渠道资源和优质国内和海外客情资源的公司，包括易点天下、蓝色光标、荣信文化、贪玩等。
2）AI剧、电影等内容方向：围绕字节生态布局，关注在Seedance系列模型和快手可灵模型的快速迭代下，AI视频化内容生产效率的提升，推动内容供给膨胀。关注持续加强AI内容生产工业化链路构造和海外平台化布局的公司，包括中文在线、掌阅科技、荣信文化、博纳影业、华策影视、芒果超媒等。
3）物理AI和世界模型方向：产业发展和政策支持加速。建议关注布局工业领域（模型/仿真/建模）、具身数据等公司，
游戏方面：产品周期仍是关键，关注优质产品的长线运营，此外建议重视头部游戏公司在AI+陪伴+游戏化范式探索上的示范效应，相关产品表现如果超预期有望推动相关上市公司的价值重估。
电影/电视剧方向：电影暑期档陆续开启，暑期重点电影包括《火遮眼》（6月11日已上线）《四渡》（6月26日上线）《三国第一部：争洛阳》（7月10日上线、追光出品）《澎湖海战》（7月25日上线）《欢迎来龙餐厅》《转念花开》等，关注优质电影上映表现，以及院线/出品方交易机会，包括儒意电影、北京文化、中国电影、博纳影业、幸福蓝海、横店影视等。国内长剧剧集制作方和长视频平台方在新政指导下，有望迎来内容创制和发展的新阶段。
卡牌潮玩方向：潮玩体系公司有望继续扩列。
国有出版等方向：部分出版公司在教育等新业态探索落地，并且强化分红的持续性。同时，我们建议重视国有传媒公司积极推动产业并购整合的意向和真实进度。
建议持续把握AI+应用逐步落地，以及B端、C端用户真实反馈，关注商业模式的延展。目前传媒行业景气度仍在持续提升，调整中建议继续沿新渠道+新内容方向布局。
]]> <![CDATA[脑机接口研发最新进展：脑植入装置帮助患者恢复独立沟通能力]]>
中新网北京6月16日电 (记者 孙自法)施普林格·自然旗下专业学术期刊《自然-医学》最新发表一篇神经科学论文称，研究人员开发出一种皮质内脑机接口(BCI)，使一名重度瘫痪患者能够长期独立地进行语音沟通并操作计算机。
这项研究成果解决了长期以来限制高性能脑机接口仅能在高度受控环境中使用的难题，并表明其可作为实用的辅助工具应用于日常生活。


该论文介绍，失语及无法控制各类装置是肌萎缩侧索硬化症(ALS)等疾病的常见后果，这往往会降低患者的独立生活能力并影响生活质量。现有的辅助技术虽能提供帮助，但通常速度缓慢、不够可靠，或者需要受过专业培训的人员提供大量支持。尽管先前研究在受控环境中展示了语音或光标控制的高准确率，但鲜有系统能支持患者在家中独立使用，且此前尚无系统能支持语音控制或同时支持语音与计算机控制。
在本项研究中，论文共同通讯作者、美国加州大学戴维斯分校Nicholas S. Card、Sergey D. Stavisky、David M. Brandman和同事及合作者一起，实现一名因肌萎缩侧索硬化症导致严重瘫痪和语言障碍的男性，在近两年时间里几乎每天在家中使用多模态脑机接口。他们通过植入大脑言语运动皮层的电极阵列采集神经信号，并实时将其解码为文本及光标控制指令。该参与者累计使用该系统超过3800小时，共发出183060个句子(近200万词)，平均每分钟56词，其中92%的句子被评定为“基本正确”或更佳。
在结构化测试中，该脑机接口系统从超过12.5万词的词汇库中识别单词的准确率超过99%，其持续稳定的性能得益于校准速度更快的解码器、适应性的软件功能(包括后台校准和基于注视的控制)，以及简化的启动流程，这使得护理人员能够独立操作该系统。
论文作者总结认为，这项研究结果表明，皮质内脑机接口可在长时间内提供稳定、高性能的沟通，且无需研究人员的协助。他们也提醒说，本项研究仅涉及一名参与者，且护理人员仍需接受系统使用培训。因此，未来需要进一步开展研究工作，以评估更广泛的适用性、提高便携性，并在自然对话中实现稳定的高准确率。

]]> <![CDATA[AI产业发展到哪，政策的精准匹配就到哪]]>


在第七届跨国公司领导人青岛峰会会场内，几个醒目的人形机器人时不时抬手向过往的行人打招呼，说完“你好”之后，灵活的手指指节弯曲，呈现出“握手”的动作。
这样一个简单的动作，却是机器人精密行为的一大科技跨越。

中国科学院特聘核心研究员、中国科学院工业视觉智能装备技术工程实验室主任张正涛介绍，这一轮AI浪潮，依托语言大模型、视觉大模型、决策大模型的快速发展，取得了显著突破，也让机器人的“大脑”实现跨越式升级。
当前，我国高度重视人工智能发展和应用，国家主席习近平强调，要全面实施人工智能+行动，发展智能经济新形态。
不过，与此同时，多地均在布局人工智能产业，怎样形成独具特色的竞争力，对地方发展来说至关重要。
6月15日，山东省发改委副主任腾双兴介绍，当地为企业找场景推荐对接活动，努力让优质的场景发挥核心价值，让颠覆性技术有用武之地。“计划到2027年，山东人工智能产业将突破2000亿元，带动相关产业超万亿元，走出一条以应用场景牵引技术突破，以技术突破赋能行业发展的以行业发展带动产业集聚的特色路径。”腾双兴表示。
政企合作打造AI产业集聚特色路径
人工智能是引领新一轮科技革命和产业变革的战略性技术，与经济社会各行业各领域深度融合。
在论坛上，罗兰贝格全球管理委员会联席总裁戴璞对包括《华夏时报》在内的记者表示，当前，人工智能面临的首要难题是数据问题，庞大的数据体量相互孤立，无法形成全域统一的数据视图。特别是在工业领域，挑战更为严峻，因为工业数据具备多维度特征，其中包含图片、视频、传感器监测数据、化学属性数据等，各类数据更需要整合融通。
“这让中国成为人工智能对接实体产业的最佳阵地。中国拥有全球规模最大的自动化工业体系，自动化运转会持续产生数据，而数据正是人工智能发展的核心驱动力。依托数据优势，中国在创新研发与规模化落地方面，速度与效率领先全球。不仅如此，依托雄厚的制造业根基，中国天然成为人工智能与实体产业融合发展的核心区域，并且始终聚焦提升生产效率这一目标。中国已经为人工智能的普及应用打下了扎实、全面的基础。”戴璞表示。
作为人口大省、经济大省，山东产业基础坚实，拥有全部41个工业大类，46种工业产品产量居全国首位，正深入实施人工智能+行动。
“我们坚持政策引领、要素保障、场景赋能、协同推进，出台系列政策措施，推动人工智能发展加速起势。2025年，全省人工智能核心产业产值超过了1280亿元，增长40%，今年1-4月份，继续保持了30%左右的增长。”山东省委常委、常务副省长张海波介绍。
“我们出台人工智能赋能重点领域高质量发展实施方案，本着实际、实用和实效的原则，深度拓展应用场景，明确了打造全国人工智能应用示范高地的总体目标定位。当前和今后一段时间，我们将深耕行业垂直领域，聚焦13个重点领域，打造一批高水平、协同化的智能体系，培育形成一批在全国有较强影响力的标杆应用场景。”腾双兴表示。
政策保驾产业发展
发展人工智能关键在应用。
当前，山东已经获批港口、工业软件、家居家电三个国家人工智能应用中试基地，同时还储备了海洋、医药等领域24个省级的基地项目，将用1亿元专项资金，梯次培育，滚动实施。同时打造了一批重点项目和应用场景，全面赋能实体经济与千行百业，加快形成以创新应用牵引技术突破，以产业集聚支撑规模跃升的良好格局。
“比如我们支持开展新药临床试验项目，利用人工智能技术可以降低受试者筛选成本70%以上，实现疗效预测的准确率超过90%。像这样的项目，正在实施的有169个，总投资超过500亿元。我们将择优遴选，统筹预算内资金重点支持。特别是为支持场景应用突破，近期我们专门出台了关于支持场景培育开放应用的行动方案，举办了75场景会客厅，为企业找场景推荐对接活动，努力让优质的场景发挥核心价值，让颠覆性技术有用武之地。”腾双兴表示。
不仅如此，山东出台了全省一体化算力实施方案，以需定建、以用促建、建用一体，推进了算力集中布局，结构优化，目前山东的算力总规模达到27.3EFLOPs，智能算力占比超过60%。同时，民营企业按需建设算力中心，灵活适配边缘算力中心，同时充分发挥海洋新能源的优势，前瞻布局海底算力中心、绿电直连、核电直连等创新试点。
芯片方面，近年来山东先后布局了一批重大项目，形成了材料设计制造封装装备的全产业链布局，在光照碳化硅光刻胶电子特气等关键领域实现了重大突破。去年集成电路营收超过1000亿元。
“人工智能是典型的新领域、新赛道，发展壮大离不开强有力的政策支持。我们出台了专门的政策，统筹发展财政、科技、工信等各个领域，各个部门的政策资源，一揽子推出了28条具体措施；整合了省级财政资金10亿元，设立了20亿元的人工智能产业基金，围绕技术创新、产业发展、赋能应用等关键环节，创新推出了算力券、模型券、原料券、数据集等支持政策。”腾双兴表示。
按照规划，下一步，根据产业发展所需，对存量政策适时优化调整，及时配套出台增量政策，确保人工智能产业发展到哪里，政策的精准匹配就到哪里。

]]> <![CDATA[数智技术为文旅市场添活力]]>
　　当前，新一轮科技革命和产业革命加速演进，大数据、云计算、人工智能等数字技术在文化和旅游领域得到广泛应用，成为推动文旅高质量发展的重要引擎。国家统计局数据显示，2025年，文化新业态特征较为明显的16个行业小类实现营业收入68253亿元，比上年增长14.3%，快于规模以上文化企业6.9个百分点。文化新业态行业对规模以上文化企业营业收入增长的贡献率为81.6%，拉动规模以上文化企业营业收入增长6.0个百分点。数字技术、互联网模式与文化深度融合形成的新产业形态、商业模式与消费场景不断丰富，文化新业态行业快速发展。

　　科技是第一生产力，加快科技创新、促进业态融合、补齐要素短板、坚持绿色发展等路径，既是文旅产业高质量发展的必由之路，也是不断满足人民群众美好生活新期待的重要支撑。《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》提出，“推进文化和科技融合，推动文化建设数智化赋能、信息化转型，发展新型文化业态”“推进文旅深度融合，大力发展文化旅游业，以文化赋能经济社会发展”。通过科技创新培育消费场景，催生沉浸式体验、智慧旅游、数字文创、体育康养等新业态，能够形成创新驱动型发展模式，有效串联“吃住行游购娱”旅游各环节，拓展文旅产业边界，形成“文旅+百业”“百业+文旅”的乘数效应，进而拉动消费、带动居民就业，为经济社会高质量发展注入强劲动力。

　　依托3D自动成像、高精度扫描等前沿数字技术，各类珍贵古文物、历史遗存化身一件件栩栩如生、细节饱满的数字文物，在网络云端绽放光彩，让人们足不出户便能邂逅千年文明、品读历史底蕴；沉浸式演艺、主题数字光影秀令人目不暇接，打破传统观光旅游的单一模式，通过光影特效、虚实融合、场景再造等创新手段，重塑文旅体验，氛围感与观赏性拉满；智慧文旅服务持续升级，“AI导游”“VR伴游”等智能服务体系，为游客提供智能讲解、路线规划、实时咨询等精细化、个性化的一站式服务，不断优化出行体验。数智技术正重塑产业形态，激活发展潜能，为文化传承注入新活力，为消费升级打开新空间，为产业提质塑造新优势。

　　我们也要清醒地看到，文旅产业数字化转型过程中也存在一些问题。例如，重形式轻内容、重流量轻品质，导致产品同质化，游客易产生审美疲劳；现有数智化服务多面向年轻群体，银发族等弱势群体面临的“数字鸿沟”依然存在。以数智技术赋能文旅产业高质量发展，要坚持问题导向、守正创新，走好内涵式、可持续发展之路，依托数字技术赋能创新表达，系统筑牢数智文旅发展根基。

　　一方面，坚守文化为本的核心原则，始终将深耕文化内涵、挖掘文化价值放在发展首位。深耕中华优秀传统文化沃土，立足各地独特的地域文脉、民俗风情、特色资源，精心打造兼具独特性、深厚底蕴与人文品位的优质文旅精品，让技术为文化赋能、让数字为文旅增色。另一方面，扎实做好文旅服务适老化、普惠化改造，精简智能操作流程，优化线上服务体验，搜集游客行为数据、消费偏好数据、空间轨迹数据等，经过合规采集、脱敏分析与挖掘应用，转化为洞察市场需求、优化产品设计、实现精准营销、提升管理效率的关键资产，精准对接群众多样化文旅需求，持续提升服务精细化水平，让数智文旅既有科技的速度，更有民生的温度。

　　值得一提的是，科技创新也能够有力驱动文旅产业绿色转型。通过智慧客流调控、数字化资源监测、低碳智能运维，精准把控景区生态承载阈值，减少线下资源损耗与能源消耗，降低文旅运营发展对生态环境的影响。同时，依托科技手段打造绿色文旅场景、搭建生态文旅数字化监管体系，能够引导文旅开发、运营、消费全链条绿色升级，实现文旅经济效益、社会效益与生态效益的有机统一，以数智之力激活文旅动能，构建文旅产业新格局，赋能经济社会高质量发展。]]> <![CDATA[青年+AI如何闯出新天地[3P]]]>
　　在浙江湖州安吉县余村“青来集”人才社区，越来越多的青年创业者带着AI技术来到景色优美的乡村。


　　在浙江湖州安吉县余村“青来集”人才社区，越来越多的青年创业者带着AI技术来到景色优美的乡村。


　　在浙江，许多年轻人选择租用共享办公区，实现轻资产创业。

　　又是一年毕业季。今年高校就业市场，“一人公司”成了热词。
　　所谓“一人公司”（One Person Company，简称OPC），就是个人借助AI工具承担代码生成、内容创作等标准化任务，自己则专注于战略决策与创意设计的一种新创业模式。过去需要一个团队协同完成的工作，如今变得越来越“简约”——一个人、一台电脑、一套AI工具。
　　人工智能正在重塑创新创业的方式。帮助青年掌握新技术、进入新赛道、走上新岗位，由此成为一道新课题。今年全国两会期间，共青团中央提交《关于积极应对人工智能影响，完善青年就业支持体系的提案》，提出“构建就业友好型发展方式，以AI赋能拓宽就业空间”。
　　近日，记者跟随共青团中央“青春为中国式现代化挺膺担当”调研的脚步，来到浙江——数字经济和人工智能产业发展较早的省份之一。记者看到，从高校里的AI学习社区，到聚集开发者的开源平台；从城市里的OPC创业社区，到乡村里的“AI+乡村”实验场，一批年轻人正借助AI创业。共青团等组织也在尝试搭建平台、对接资源，为青年成长成才铺路。
一个人、一台电脑，成就一个梦
　　杭州云谷中心B2楼的共享办公创业社区门口，标签墙上，张贴着近百名OPC创业者的名字。
　　推开玻璃门，年轻人三三两两围坐讨论。有人盯着电脑调试模型，有人举着手机拍摄产品演示视频，也有人端着咖啡穿梭其间，寻找合作伙伴。
　　这里是魔搭社区（杭州）开发者中心的线下办公空间。魔搭社区成立于2022年，最早是一个线上的开源模型社区，为人工智能开发者提供各种模型下载、调优、训练等一站式服务。平台聚集的2500万开发者中，约三分之一是高校学生。
　　“过去几年，年轻人在平台上学习模型、下载工具、参与开源项目，但当他们想把创意变成产品、迈出创业第一步时，还需要现实场景中的支撑。”一位开发者说。
　　如今，魔搭开发者中心超1万平方米的空间，既是共享办公空间，也是创业社区。入驻的170多位开发者中，95%以上从事AI相关创业。
　　一个有意思的现象发生了：很多人进来的时候互不认识，但慢慢就会自发合作。有人擅长技术开发，有人懂产品设计，还有人熟悉市场运营。原本独立的开发者，因一张办公桌、一场分享会、一次偶然交流，开始组成新的创业组合。
　　在一些年轻人眼里，这种变化背后，是人工智能正在不断降低创新创业门槛。他们意识到，自己距离创业并没有想象中那么遥远。
　　云谷中心的入驻企业Datawhale也在印证这种观点。这是国内较早的AI开源学习社区，如今覆盖全球4000多所高校，拥有超过200万名AI学习者。
　　合伙人司玉鑫至今记得创业的起点。2018年前后，人工智能人才需求迅速增长，但国内相关专业尚不普及，优质学习资源稀缺。为了学习算法，他和一群年轻人四处寻找课程、参加比赛，再把自己的学习路径整理出来，免费开放给后来者。
　　后来，这种分享演变成一套完整的AI学习体系。如今，浙大、清华等高校课程陆续放到平台，企业也把最新模型和应用实践引入社区。2023年以来，该公司连续举办AI夏令营，累计吸引全球7万多名开发者参与。杭州市团委还依托青少年活动中心、少年科学院等开设机器人、编程等科技社团活动，推出AIGC（人工智能生成内容）训练营。
　　在司玉鑫看来，AI时代最大的变化，不是人人都去创业，而是越来越多年轻人拥有了“创业级能力”。“我们现在更愿意把OPC里的C，理解成Capability（能力）。”司玉鑫说，“一个人加上AI，就拥有了过去一个团队才能具备的‘全栈能力’。这种能力，是未来竞争力的重要部分。”
“一人公司”，绝非一个人的孤军奋战
　　00后创业者陈善晗的工作室设在温州世贸大厦高层，透过窗户可以俯瞰大半个温州城区。
　　而在他的电脑里，还有“另一座温州”。游戏《我的世界》中，五马街、江心屿、朔门古港，一块块像素方块拼接成温州的城市轮廓。街道的走向、建筑的位置，甚至灯光的细节，都尽可能还原真实场景。
　　陈善晗是土生土长的温州人，也是游戏《我的世界》资深玩家。起初，他只是想把自己熟悉的家乡搬进游戏世界。为了还原30年前的温州老城，他常常跑到图书馆查阅《温州市志》《鹿城区志》，翻看老照片，对照卫星地图一点点校正建筑位置。许多画面看似简单，背后往往要花费数周甚至数月时间。
　　后来，一条像素版温州夜景视频在网络上走红，全网播放量接近3000万次。兴趣开始变成事业。
　　“让我惊喜的是，我的创业模式恰好契合了温州近期推出的 OPC一人公司扶持政策，借助政策支持和AI相关工具的赋能，我实现了轻资产创业。”陈善晗回忆，在共青团温州市鹿城区委、属地街道及有关部门的关心帮助下，他获得办公场地免租优惠，完成公司注册，如今成立了工作室。“不少同学和朋友看到我实实在在的创业路径后，也萌生了创业想法。”他说。
　　对许多年轻创业者而言，一个人借助AI就可以完成文案、设计、视频制作甚至程序开发，创业门槛确实在降低。但门槛降低，绝不意味着创业变得容易。
　　记者在与创业者接触过程中发现，许多年轻人最需要的不只是一笔启动资金，而是持续成长的环境。
　　今年4月，杭州市上城区发布全国首站“OPC青年创新创业支持计划”。围绕创业青年关心的政务服务、安居保障、技术支撑、场景链接、金融人才需求，组建“五大青年创业帮帮团”，推出最高50万元创业担保贷款、最高300万元场景建设补助以及区级产业基金支持。此外，杭州团市委还出台《关于助力加快建设更高水平创新活力之城 奋力建功“十五五”的决定》，实施“春雨计划”“大学生创新创业三年行动计划”，打造高水平创新创业培育平台。
　　相比单纯给补贴，围绕创业全过程的陪伴式服务，正成为越来越多地方的新探索。
　　台州市路桥区打造了名为“青创梦工厂”的OPC生态社区，发布“路桥区人工智能OPC创业同路支持计划”，现已开放智能制造、数字商贸等十个真实应用场景与二十余个首批订单。共青团临海市委组织AI影视培训班，学员具备直接入职能力后，可获得由人社部门颁发的短视频制作专项职业能力证书。
　　“深度培训+真实项目陪跑+官方认证的模式，得到了市场的认可。首批学员中，有就业意愿的，很快就被即将入驻的AI视频企业预订了。”共青团临海市委相关负责人说，帮助大学生找到应用场景、对接产业需求，是下一步工作的发力点。
把AI带进乡村，创意有了更多落地空间
　　5月22日晚，湖州市安吉县余村，山里的空气中弥漫着草木气息。“青来集”人才社区举办的“乡村AI+”产业对接会结束了，但人没有散去。
　　来自上海、杭州的AI创业者、本地企业负责人，以及第一次来到余村的年轻人，围坐在一起继续讨论。
　　白天，50多位本地企业主与50多位AI+OPC创业者面对面交流，家具制造、民宿运营、跨境电商、文旅推广……短短几个小时，现场达成15项合作意向。
　　晚上，话题从订单转向未来。AI如何帮助农产品打造品牌？如何帮助民宿运营管理？如何推动乡村文旅传播？如何解决产业数字化转型中的具体问题？这些问题一直讨论到深夜。
　　活动结束后，青年创业者许生在朋友圈写道：“余村很美，但比风景更让我开心的是，看到很多人在认真做事。”
　　这样的场景，让“青来集”负责人丁文文看到了新的希望。
　　丁文文已在余村工作5年，她记得，几年前刚开始做青年入乡工作时，年轻人最常问的是：这里有什么政策、能不能申请补贴。而现在，问得更多的是另一类问题：这里有没有产业需求？有没有合作机会？我的技术能不能在这里找到应用场景？
　　在她看来，过去的青年入乡更多依靠政策和环境吸引，而现在，正在进入新的阶段。区别于过去以“入驻—补贴—就业”为主的路径，新的模式更强调真实的商业闭环：不是“留下来”，而是“做起来”；不是“体验乡村”，而是在乡村完成产品与服务的生产。
　　共青团湖州市委相关负责人介绍，过去几年，余村探索形成了从“云村民”到“数字游民”、从“共创伙伴”到“乡村合伙人”的渐进式入乡路径。如今，AI和OPC又为这条路径增加了新的入口。以“青来集”为例，它由闲置资产改造开放后，逐渐形成集办公、创业、居住、社群于一体的青年人才社区，目前已吸引60多家企业、1200多名青年在此就业创业。
　　政策的托举始终相伴。据介绍，湖州近年来努力打造“青年入乡首选地”，通过出台行动方案、创新市县联动机制等，不断破除制约青年入乡发展的体制机制障碍。2026年5月20日，《湖州市青年入乡发展促进条例》施行，这是全国首部关于青年入乡发展的地方性法规。
　　从杭州的开源社区到余村的产业对接会，采访中，记者看到越来越多年轻人带着自己的能力进入新的场景。
　　对于许多年轻人而言，未来或许不再只有“去哪家公司上班”一个选项。他们有机会回答另一个问题：如果一个人，也能撑起一家公司，那么自己能创造什么？]]> <![CDATA[人工智能时代，我们如何学习[2P]]]>
　　中国机器人及人工智能大赛西藏赛区线下赛在西藏大学举行。


　　青岛职业技术学院学生在机器人实训课上学习。

　　人工智能技术的突破性发展，正推动教育领域发生深刻变革。以ChatGPT、OpenAI等各类智能体为代表，AI正全面融入教、学、评、管全过程。当写作、编程甚至是科研工作都可由AI高效完成，一个时代之问摆在面前：人工智能时代，人类还学不学？学什么？怎么学？又如何学得更好？
学习将成为实现人的全面发展的核心活动
　　当AI能够高效完成大量知识性任务时，人类是否还需要学习？
　　答案十分明确：人工智能时代，人类不仅需要学习，而且学习价值比以往更加凸显。对个体而言，学习是塑造自我的根本途径。它既关乎个体生存发展，又关乎精神丰盈、价值实现与人生意义。对社会而言，学习是文明传承与创新发展的重要纽带。中华文明绵延数千年，靠的正是一代代人的学习、积累与创造。对人类整体而言，学习是推动认知进化、社会进步与文明跃升的关键动力，也是人类区别于其他生物的重要特质。
　　从更深层次看，当AI逐步替代大量重复性、规律性劳动，人类将更多从事创造、价值判断等高阶活动，而这些能力唯有通过持续学习才能形成。马克思曾提出“劳动使人成为人”，在人工智能社会，劳动形态发生深刻变化，学习将成为守护人的本质、实现人的全面发展的核心活动。学习把个体有限的生命历程接入人类文明的无限广度，这一关键价值，不会因技术进步而消减。这也解释了为何相关研究显示：部分职业被AI替代的概率超过50%，而教师职业被替代概率却不足1%。
重新定位学习内容与核心目标
　　传统教育以系统掌握既定知识为中心，而在AI可快速生成海量知识的今天，单纯的知识记忆价值明显下降，教育必须重新定位学习内容与核心目标。
　　以编程学习为例，在AI辅助编程时代，过去数月的工作如今数十分钟即可完成，逐行书写代码的技能不再是学习核心，但背后的逻辑思维、算法思维、问题拆解与系统设计能力，依然不可或缺。我们要认识到，强调技能不再是核心并不是否定基础知识的重要性。知识记忆不是学习的终点，而是思维训练的起点。
　　未来教育应着力培养学生运用AI工具、面向真实问题开展创新实践的能力。有专家学者认为，在人工智能时代，事实性知识、概念性知识、程序性知识仍是学习的基础，但元认知知识更为关键。学生要学会判断知识价值、规划并调节学习过程、反思学习效果，真正成为自主的学习者。北京大学教授陈平原曾指出，对本科生而言，“趣味雅正比常识丰富要紧”。当AI可以轻松记住海量知识点时，学生享受学习过程、保持探索热情，本身就是重要的教育价值。
　　综合来看，智能时代的学习内容应构建三层素养：一是知识基础层，即基础知识与基本技能仍是学习根基，不可偏废；二是数字素养层，包括AI工具使用、信息甄别、数据素养、数字伦理与安全意识等将成为人人必备的基础能力；三是内核能力层，主要包括好奇心、批判性思维、创新思维、元认知、自主学习和社会情感能力，这是人类难以被机器替代的核心竞争力。其中，社会情感能力关乎心理健康、人际和谐、价值判断与社会责任，是落实立德树人根本任务的重要支撑，在智能时代的社会发展中尤为重要。这三层素养并非简单并列，而是构成一个有机整体：知识基础层是根基，数字素养层是工具与载体，内核能力层则是本质与方向。三者相互支撑，缺一不可。
摆脱机械学习，走向有意义的深度学习
　　学习方式的选择将直接影响学习的效果。教育心理学家奥苏贝尔曾指出：接受学习不等于机械学习，发现学习也不等于意义学习。由此，判断学习质量的关键在于实现有意义学习并达成深度理解与内化。AI赋能教育的重要方向正是助力学生摆脱机械学习，走向有意义的深度学习。
　　未来教室的形态会不断演变，但“教师引导、学生主动建构”的基本教育逻辑不会消失，短期内课堂讲授、师生互动的基本教学模式也不会根本改变。真正发生深刻变化的，是教育资源供给方式、教师角色定位与学习交互形态。在线同步授课打破优质资源的地域壁垒，视频课程与混合学习让自主预习、线下辅导相结合成为常态。数字教师与智能助手可提供全天候个性化陪伴，使得学习的时空边界被彻底打开。
　　未来的学习方式呈现出个性化、交互式、沉浸式、自主化四大核心特征。
　　个性化学习从理想走向现实。心理学家、教育家布鲁姆的研究证明，接受一对一辅导的学生，其学业表现显著优于传统课堂教学的学生。AI打破了这一瓶颈，它可以基于学习者特征与海量学习数据，量身定制学习材料、提供一对一智能辅导，动态调整学习难度与节奏，让大规模、高质量个性化学习成为可能。
　　交互式学习实现普惠升级。苏格拉底式对话引导与追问启发的教学法因成本高昂难以普及，而AI可以扮演“智能苏格拉底”的角色，通过持续对话激发学生思考，澄清认知误区，提升思维品质。
　　沉浸式学习成本大幅降低。传统虚拟学习场景构建耗时耗力，而AI可快速生成各类逼真情境。语言学习的机场对话场景、历史课堂的古代街市、科学实验的微观世界、职业教育的真实工作场景，都能即时呈现，让学习更具临场感与参与感。当然，技术应用要把握节奏、务实推进。元宇宙教育的实践表明，硬件与生态不成熟时过早投入易造成资源浪费。但这并不否定沉浸式学习的价值，随着技术成熟稳定，沉浸式学习必将成为重要学习形态。
　　自主学习能力不可或缺。研究表明，影响世界的拔尖创新人才，大多拥有长期自主探索、自由思考、大胆试错的学习经历。教育应为学生创造灵活的课程选择、个性化的指导支持、包容试错的成长环境，让学生在自主学习中激发潜能、实现突破。
以学习科学研究深度赋能AI
　　讨论AI与教育融合，教育工作者通常更关注AI如何赋能教育，但学习科学如何赋能AI，同样重要。二者之间不是单向应用，而是双向赋能、协同共进的关系。
　　当前，AI在教育中的应用仍存在不少误区。一些AI作文批改工具给出远超原文篇幅的评语，增加学生负担；部分智能学习平台简单堆砌题库、机械刷题，违背认知规律；一些应用重技术展示、轻教育规律，未能真正提升学习效果。这些问题说明，脱离教育本质、违背学习规律的技术应用，不仅无法赋能学习，还可能适得其反。
　　让AI真正服务于学习，必须回归“人是如何学习的”。而学习科学则是回答这一根本问题的重要支撑。学习科学是整合认知神经科学、心理学、教育学、人工智能等多学科的交叉领域，专门探究人类学习的认知机制、发展规律，以及如何设计更有效的学习环境与工具。学习科学的研究方向主要包括三个方面：一是学习基础机制研究，借助脑科学、认知科学等手段，揭示双语学习、游戏化学习、协作学习、探究学习等对认知能力的影响；二是学习环境设计研究，开发游戏化学习软件、智能学习平台、沉浸式学习场景、项目式学习任务；三是学习分析技术研究，利用大数据与人工智能精准分析学习行为，提供个性化干预与支持。
　　将学习科学的研究成果深度融入AI教育系统的设计、开发与应用全过程，是提升教育质量、避免技术滥用的关键。无论技术如何迭代，人类学习的认知规律不会发生根本改变。遵循认知规律、立足科学证据、回归育人本质设计学习流程、开发智能工具、优化教学方式，才是实现“更科学、更快乐、更有效”学习的必由之路。
　　人工智能正在重塑教育形态，但促进人的全面发展、守护人的成长与幸福，这一教育的本质始终不变。面对技术浪潮，我们应保持理性与清醒：AI不是替代学习，而是赋能学习；技术不是目的，而是实现更高质量、更公平、更有温度教育的手段。
　　当下，我们应当把握机遇，立足学习科学视角，重构学习价值、转型学习内容、创新学习方式。以教育数字化助推教育现代化，推动教育向着更科学、更快乐、更有效不断迈进，让教育回归育人本质，走向更加美好的未来。]]> <![CDATA[一把中国土，卡死日本两大巨头]]>

文章配图-1

自己把门砸了。

文 | 华商韬略 张静波

两家日本企业，把一种电子特气做到世界前列，连台积电、三星都要看他们脸色。

结果一夜之间，宣布永久停产，不是技术不行，是原料断了。而那原料，他们完全是从中国买的。

【01 断粮】

2026年1月6日，商务部发布了今年第1号公告。没有新闻发布会，没有解读文章，就这么静悄悄地挂在了官网上。

日本人没注意到，关东电化没注意到，中央硝子没注意到。

他们还有库存，高纯度钨粉堆在仓库里，够用好几个月。采购部照常下单，邮件发出去，吨级到货，便宜，稳定。

没人觉得这是风险。

2月，海关数据出来：碳化钨粉、钨粉对日出口——零。

3月，零。4月，还是零。

据共同社援引海关总署数据，2026年2月至4月中国对日钨粉出口连续三个月为零。

关东电化的库存跌穿红线，中央硝子四处找替代供应商，三菱材料砸了100亿日元加码废钨回

改从他国购买，价格贵3倍。至于纯度，远远达不到6N级别。

两家日企，合计占全球高端六氟化钨近1/4产能。关东电化社长长谷川淳一，中央硝子社长前田一彦，此刻不得不面对一个残酷现实：

造高端六氟化钨的原料——6N级高纯度钨粉，买不到了。而这粉，几乎全在中国。

文章配图-1

【02 命门】

先说说，什么是六氟化钨？

AI芯片的灵魂是HBM高带宽内存，十几层存储芯片摞在一起，这些芯片内部密布着纳米级的接触孔，比头发丝细数千倍。

虽然其他金属，也可用于接触孔，但目前钨依然是绝对主力。而能把钨沉积进这些微孔的电子特气，六氟化钨最为关键。

没有六氟化钨，就没有HBM。没有HBM，英伟达的GPU就是一堆废铁。

造这种电子特气，日本人曾经天下第一。关东电化能把纯度做到6个9，也就是100万个分子只许混进去一个杂质。

但6个9的气体，得吃6N的粉。

过去十几年，中国钨粉按吨买来，便宜，稳定。在日本人看来，精馏塔才是护城河，粉末算什么？某种程度上，就是泥土。

但关键时刻，卡了日本人脖子的，恰恰是这种泥土。

日本人不是没挣扎过。

他们试过用低纯度粗粉，靠精馏塔强行提纯。但粗粉里最要命的是钼——钼跟钨在周期表里是同族元素，化学性质像双胞胎。

一旦进入反应釜，跟氟气反应后同时变成气态，沸点太接近，根本分不开。

你有钱，有政策，有危机感，但化学工程的极限，你毫无办法。

【03 死磕】

填平这堵墙，中国人也并非一蹴而就。

提纯钨粉，需要去除杂质，而最难去除的杂质之一是钼。

钼和钨，化学性质相近，溶解在水里都是同一个姿势。要把钼从钨里分离出来，难度不亚于从一锅汤里把盐和味精分开。

破解之法，是往溶液里加硫化剂，钼比钨更亲硫，会先扑上去——抱住硫，钨没动。趁这个瞬间，把钼拽走。

说起来简单。

这个瞬间有多窄？酸碱度偏一点，钼就松手了，又跟钨搅在一起。参数窗口窄到像高空走钢丝。

要突破，没有捷径，只有最笨的办法：

调酸碱度、换吸附剂、改萃取液，一组一组地磨，连吸附剂本身也都要重新做一遍。

几代人，磨了几十年，才把钼从溶液里抠到可以接受的量级。

厦门钨业董事长黄长庚，从1987年进公司，再没离开过，直到不久前退休。

其间，他从车间到管理层，39年只干这一件事，带领团队一路从粗粉死磕到6N，将中国钨粉推至全球天花板。

文章配图-1▲图源：厦门钨业

除了厦门钨业，还有中钨高新。

这两家也是目前为止，全球极少数能够大规模量产6N级高纯度钨粉的企业。

中国有高纯度钨粉，日本人把粉买过来，生产出六氟化钨，转手卖给三星、台积电，售价翻倍。

这生意，怎么看都是一本万利。

然后，日本人自己把门砸了。

【04 翻盘】

据多家媒体报道，关东电化、中央硝子已正式通知三星、SK海力士等主要客户：

6月30日，最后一批货。7月1日起，永久停产。

高纯度钨粉自2026年1月起从中国进口基本归零，两家日企库存硬扛了五个月，终于见底了。

不光原料断了，更致命的是不确定性。就算凑到钨粉重启产线，下次再断呢？

停机期间，管道里残留的六氟化钨遇水会水解，氟化氢会腐蚀阀门和焊缝。重启检修代价不菲。

反复启停，等于自杀。

消息传到首尔，三星、SK海力士急了。这两家韩国半导体巨头，此前大部分六氟化钨采购来自日本，三星库存撑不过6月。

没有六氟化钨就没有HBM，英伟达的订单也泡汤。

认证周期，那个让中国企业头疼的认证周期，突然间不是问题了。中国六氟化钨供应商成了头部晶圆厂的香饽饽。

门开了，人换了。

三十年前，中国挖矿，别人数钱。低纯度粗粉按吨卖，人家提纯，造成气、做成靶材，一转手价值翻几十倍。

三十年后，中国人把纯度从3N一路死磕到6N。最底层的泥土，掀翻了最顶端的王座。

7月1日，关东电化涩川工厂的六氟化钨产线，即将关停。

与此同时，中国高纯钨粉产线和六氟化钨工厂里，国产材料正源源不断涌出，然后装车开往港口。

只是这一次，目的地清单上，不见了日本厂商。

——END——

]]> <![CDATA[99.99%！中国芯片打出最强“王炸”，美国这回真卡不住脖子了]]> 近日，一条消息让整个科技圈沸腾了：中核集团正式宣布，我国首次成功实现丰度超过99.99%的硅-28同位素自主量产。

什么意思？简单说，我们搞出了全球最顶尖的“纯硅”材料，把硅基量子芯片最关键的“卡脖子”环节，彻底拿下了。

文章配图-1

有人可能会问：沙子里的硅，不是遍地都是吗？这有什么了不起的？这里必须讲清楚一个常识。天然硅里面实际上有三种同位素“兄弟”：硅-28占了大约92.2%，剩下的主要是硅-29和硅-30。在普通芯片里，这没什么影响。但在量子计算领域，硅-29是个不折不扣的“捣蛋鬼”，它会严重干扰量子信号，导致计算出错。

要想做出好用的硅基量子芯片，就必须把硅-28的纯度从92.2%硬生生提到99.99%以上。换句话说，要把里面占比不到8%的“捣蛋鬼”几乎全部剔除干净。

这有多难？打个比方，就像从一大锅黄豆里，把仅有几颗长相几乎一样的绿豆一粒不剩地挑出来。这不是普通的提纯，而是同位素分离技术，长期被极少数国家垄断，难度比造原子弹的某些环节还要高。

中核集团核理化院的科研团队，花了多年心血，终于攻克了这个世界级难题。院长姜宏民打了个形象的比喻：这不是化学反应，而是像筛豆子一样，把三种同位素分离开来。总量不变，但组分发生了根本改变。

文章配图-1

有了这种超高纯度的硅-28，中国硅基量子计算就再也不是“无米之炊”了。中国科学院院士俞大鹏评价说，这一突破彻底解决了硅基量子计算关键材料的瓶颈，为我国实现规模化量子比特操控铺平了道路。中国工程院院士雷增光也感慨，从技术攻关到量产落地，凝聚了科研团队多年的心血。

更令人振奋的是，这不仅是实验室里的样品，而是实现了自主量产。这意味着，我们不仅造出来了，还能稳定供应。

这项突破的意义，远远超出量子计算本身。高丰度硅-28还可以用于先进制程半导体、高端导航、计量基准等多个前沿领域。以前在这个细分领域，我们很大程度上依赖外部供应，技术和设备都受制于人。现在，主动权终于握在了自己手里。

从之前攻克多种稳定同位素，到今天硅-28量产落地，中国科研团队一步一个脚印，书写着自主创新的新篇章。当然，突破只是一个开始。接下来，如何将这种“工业钻石”快速应用到量子芯片的产业化进程中，在三到五年内做出真正有竞争力的硅基量子计算机，还需要继续加把劲。

文章配图-1

但无论如何，今天这把“纯硅”之火，已经照亮了自主可控的道路。对于中美科技博弈而言，这一局，中国赢得干净利落。

]]> <![CDATA[熬了7年终翻盘！欧洲扛不住“低头”，国产C919这次或真的要起飞了]]> 谁也没想到，卡了国产C919大飞机整整7年的欧洲适航认证僵局，居然以欧洲主动让步的方式打破了。长久以来被国外规则拿捏、反复拖延的国产大飞机，这次终于靠着硬实力和底气，迎来了真正的起飞契机。

文章配图-1

熟悉航空领域的朋友都知道，一款民航客机想要走向全球市场，必须拿到欧美主流适航认证，尤其是欧洲EASA认证，是打入国际市场的核心通行证。早在2019年，我国C919就正式提交了EASA适航认证申请。按照全球航空行业惯例，整个审批流程18到24个月就能完成，这是公认的行业标准周期。

文章配图-1

可现实却是，EASA频频刻意拖延，各种苛刻要求层出不穷。一会增设多余的测试项目，一会索要不切实际的长期老化数据，硬生生把简单的技术审核，变成了漫长的技术壁垒封锁。

文章配图-1

要知道，C919早已拿到国内民航局型号合格证，经过多年商业化运营，累计安全飞行超2.3万小时，承运旅客突破500万人次，安全性和稳定性早已经过市场实打实的检验。明明技术达标、运营成熟，却被海外认证规则层层卡脖子，说白了，根本不是技术问题，而是行业话语权的打压。

面对这种不讲规则的拖延，我们没有一味妥协退让，而是选择了最克制、最精准的对等反制。

文章配图-1

2026年上半年，国内适度放缓了空客A320neo新机的进口审批节奏。这一举动直接击中了欧洲航空业的痛点，近20架、总价值高达50亿欧元的空客飞机滞留欧洲，无法如期交付。

市场的反馈永远最真实。受此影响，空客2026年一季度对华交付量暴跌超60%，财报业绩大幅承压。空客背后牵扯着欧洲庞大的供应链体系，上下游数十万就业岗位都与之绑定，交付受阻直接让欧洲航空产业陷入被动。

文章配图-1

巨大的市场压力，终于让欧洲放下了傲慢，态度发生180度大转变。从2026年4月开始，EASA彻底一改此前敷衍、拖延的阶段性审核模式，直接派遣专业技术团队和试飞员长期驻守上海，设立固定办公点，开启全天候深度驻场验证。

这一变化意义重大，标志着C919的EASA认证正式迈入最核心、最关键的“符合性演示”阶段。在此之前，EASA试飞员已经完成了极限机动、失速测试等所有高难度试飞科目，全程测试顺利，最终给出了“性能良好、安全可靠”的高度评价。这也彻底证实，C919的硬实力完全符合国际主流标准。

文章配图-1

其实这件事，彻底颠覆了很多人的固有认知。以前我们总觉得，高端制造领域的国际规则由欧美说了算，我们只能被动遵守、默默追赶。但如今看来，中国高端制造业早已摆脱了任人拿捏的弱势局面。

聚焦航空赛道，全球民航市场长期被波音、空客两家垄断，形成了稳固的双寡头格局，数十年无人能撼动。而C919的强势崛起，就是打破这场垄断的最大变量。

文章配图-1

从市场前景来看，中国商飞预测，未来20年国内民航市场将新增超8000架新飞机，市场空间无比广阔。再加上部分海外机型因安全问题退出中国市场，更是给C919腾出了绝佳的发展机遇。目前C919订单已经突破1500架，产能稳步攀升，月产能力已达3架，量产交付速度持续提升。

在我看来，此次EASA认证僵局破冰，绝不只是一张适航证的突破，更是中国高端制造话语权的逆袭。过去海外靠规则壁垒卡我们脖子，如今我们用市场实力对等博弈，让对方主动正视中国技术、尊重中国品牌。

文章配图-1

随着认证流程稳步推进，C919拿下欧洲适航证只是时间问题。届时这款纯国产大飞机将正式进军全球市场，彻底改写世界民航产业格局，属于中国大飞机的时代，真的要来了！

]]> <![CDATA[华为擎云夯实金融高质量发展数字底座]]> 立足于中国金融业科技创新与数智化转型的产业根基，中国国际金融展吸引了众多行业领导者与技术先锋。在这场聚焦金融高质量发展的盛会上，一个核心命题引发了广泛共鸣：随着行业数智化转型步入深水区，机构如何在确保极致安全的同时实现敏捷高效？
面对这一行业痛点，华为擎云亮相金融展，并带来了明确的破局方案。依托日益繁荣的鸿蒙商用生态，携手产业伙伴一起鸿蒙，共建高水平数智金融。

繁荣数字底座：鸿蒙生态从好用加速迈向爱用
能够支撑起这一破局方案的，是鸿蒙生态在千行万业加速深耕的坚实成果。目前，政企各类办公应用正全面拥抱鸿蒙生态，鸿蒙注册开发者数量已超过1100万，鸿蒙应用及元服务达5万余款。覆盖超3800万企业用户、完成6600多款外设适配。
在对安全与合规要求极其严苛的金融领域，鸿蒙生态也交出了亮眼答卷——超1000家头部金融机构已完成鸿蒙版本适配，鸿蒙生态正加速实现从基础“好用”到用户“爱用”的跨越。


重塑金融核心体验：构筑“安全、高效、智慧”业务护城河
支撑千家金融机构坚定选择的核心，在于鸿蒙商用体系在“安全、高效、智慧”三大维度的全面重塑。安全始终是金融业务不可逾越的红线。在最为核心的操作系统安全底座上，HarmonyOS V1.0已顺利通过国家安全可靠等级Ⅱ级评测认证，从系统底层为金融用户的数据安全筑牢防线。
在筑牢安全底线的同时，鸿蒙系统全面提升了金融机构的IT运维与业务协同效率。在IT部署侧，鸿蒙通过华为HEM云端部署平台实现了企业零感部署。IT管理员仅需网页几步操作即可下发策略，员工开箱联网即可自动完成设置实现开箱即用。而在日常业务侧，企业数字双空间凭借空间级数据隔离管控，实现了网络、数据与外设的隔离，企业空间用于内网办公核心数据不出端，个人空间链接外网用户用于高效协同对外沟通。
在金融业务加速智能化的当下，鸿蒙系统级AI将智慧能力深度融入办公场景：小艺深度研究可快速生成专业研究报告；小艺智慧文件管理与小艺慧记则大幅提升了文档流转及会议复盘效率。尤为关键的是，依托端侧AI专属算力与模型微调开放，系统从底层确保了金融核心数据不出端，打消了机构的安全顾虑，让AI成为安全、可控的生产力。

深耕核心场景：以多维价值串联金融服务全链路
将视角从底层技术拉回真实的业务现场，华为擎云正以可信终端为入口，精准回应金融机构在拓客稳客、业务下沉、模式创新与内部运转上的多维诉求。
在最直面客户的客户经营与过程合规环节，擎云AI工作手机直击金融机构的沟通管理痛点。通过对电话与沟通记录的全量留存，配合AI质检、敏感词拦截以及私单飞单预警机制，在为一线人员提供标准SOP辅导的同时，规范了业务操作边界。
而当金融服务需要走出物理网点、响应下沉外拓的时代趋势时，擎云智慧金融－移动展业方案提供了一套兼顾效能与安全的综合解法。该方案解决的不仅是流转效率，更是外拓场景下身份、接入、数据与资产的全面可信。在业务端，通过减少重复采集与信息回填，缩短了办理链路；在安全端，严格保障了移动环境下的身份可信、数据可控与过程可溯。在这套数字化防线的支撑下，金融机构得以将标准网点能力平滑延伸至园区、商圈与乡村，实现业务的减量提质与区域经营产能的全面跃升。
当健康险的商业模式从风险补偿迈向主动健康管理，擎云智慧金融－互动式保险方案精准重塑了险企的服务闭环。该方案依托穿戴设备对运动、睡眠等数据的持续赋能，实现了多维度的业务跃升。在连接侧，以健康任务机制让保险触点化作高频的日常陪伴；在服务侧，推动事后理赔向事前预防与过程管理延伸；在生态与风控侧，不仅无缝串联起医疗与健康运营服务，更以连续的数据流转，为险企的精细化服务与风险优化提供了坚实的数据底座。

从底层操作系统安全认证，到端侧AI算力的全面赋能；从千家头部机构的生态共鸣，到核心业务场景的多维串联落地。借本次中国国际金融展之机，华为擎云交出的不仅是一份技术答卷，更是一幅金融科技提质增效的清晰蓝图。面向未来，华为擎云将继续以日益繁荣的鸿蒙商用生态为沃土，携手广大产业伙伴一起鸿蒙，共建数智金融，持续将坚实的可信技术底座转化为驱动千行百业高质量跃迁的长期价值。
]]> <![CDATA[贾跃亭发布Futurist 2027人形机器人]]> 6 月 17 日，法拉第未来（FF）创始人贾跃亭在社交平台正式发布 Futurist 2027 新款全尺寸职业型具身智能人形机器人。该产品是全美首个原生支持 NVIDIA Sonic 全尺寸人形机器人全身运控系统的人形机器人，可落地商业、工业、家庭等多类真实场景。本次发布会 FF 共推出四款机器人新品，同步公布 EAI 机器人教育生态战略。

贾跃亭介绍，Futurist 2027 并非仅用于展示的概念产品，而是定位可落地的实用型职业机器人，目前已覆盖三大类应用场景。在展厅、会议、学校与科研机构等公共场景，可承担接待、导览、互动表演和公开演讲等工作；在工厂、仓储及高风险环境中，能够参与柔性作业、物料搬运和应急处置任务；面向家庭场景，则可以提供日常家务协助与健康陪护服务。
本次 FF 集中亮相四款机器人产品，除核心款 Futurist 2027 全尺寸人形机器人外，还包括主打儿童启蒙的 FX Navi 四足机器人，以及 FF Master Mini、FF Nova 两款全新机器人。其中 FX Navi 发布即开售并同步启动交付，面向教育场景落地；另外两款新品则进一步完善了 FF EAI 全形态机器人产品矩阵。
]]> <![CDATA[宇树们的生死时速]]>

导语：在宇树、优必选等初创企业在机器人赛道狂飙突进之际，小鹏、理想等车企依托同源技术、庞大渠道与大量现金跨界入局。双方的“全面战争”即将爆发，留给宇树们的突围窗口已十分紧迫。
过去数年间，作为国内机器人赛道的叙事主角始终是宇树、优必选、松延动力等初创企业。
作为先行者，它们完成了产品商业化落地的验证，也是行业当下技术标准、产品定价、海外市场拓展的核心推动者。
但一股体量更为庞大的跨界力量正在全速逼近。
小鹏、理想等明星车企，依托智能汽车与人形机器人高度同源的技术底座、更成熟的营销体系与更丰厚资本储备，大举切入了机器人赛道。
在此情况下，留给宇树、优必选等初创企业构筑护城河的窗口期正急剧收缩，一场关乎生存与行业话语权的竞速赛已然打响。
01 宇树们刚建立起自己的地盘，就遭遇车企来“踩场”
得益于先发优势，宇树们在这条赛道上已经初步划分出了自己的地盘。
地盘最大的玩家无疑是龙头宇树。去年，这家公司出货量达5511台，登顶全球机器人出货销冠，并在科研教育，巡检市场占据领先地位，同时，它还推出了售价9.9万的G1机型来试图拓宽C端市场。
作为“港股人形机器人第一股”的优必选，则在工业场景初步建立起自己的壁垒。2025年，它的全尺寸工业级人形机器人交付规模位居全球第一，达1079台。
还有玩家打出了差异化招数。比如松延动力在去年面向家庭、陪伴和教育场景，推出了人形机器人“小布米”，该款产品售价仅9998元，是业内首款万元以下的高性能人形机器人。
不过，一股足以改变市场格局的势力正在逼近。
目前，国内已经有近十家车企明确了在机器人赛道的布局，范围涵盖了小鹏理想这样的新造车企业，以及长安上汽奇瑞等传统车企。


车企们踏足机器人赛道，并不是为了“玩票”，它们中的部分玩家已经展示出了相当决绝的态度。
6月10日，小鹏CEO何小鹏发布全员内部信表示，即日起兼任机器人业务CEO，直接负责该业务的战略、产品研发与商业化落地；在此之前，理想CEO李想表态称“汽车终极形态是机器人”、公司100%会做人形机器人。
待车企们完成在机器人领域的全面布局后，赛道竞争烈度急剧上升。当下，机器人虽然受到了资本和聚光灯的追捧，但市场规模仍不算大，2025年全球整机出货总量仅为1.8 万台。
当车企们涌入这样一个早期市场，它们与宇树们的“全面冲突”势必不可避免。
对于深耕工业场景的优必选而言，车企自研的工业机器人会挤压其汽车产线订单；在更“性感”的C端，车企们则可依托线下门店网络完成机器人线下体验、销售，直接分流宇树松延们的客户，这片战场大概率是双方交火最激烈的地方。
同时，战火也会蔓延到海外。
自2018年起，国内车市结束了连续28年的高速增长，进入存量时代。在此背景下，车企们争相出海，并在当地铺设销售渠道，这将与宇树深耕多年的海外经销商体系形成直接竞争。去年，宇树的海外收入占比为43.65%，此前两年，这一数据更是均超55%。
别忘了，在海外还盘踞着另外一个颇具实力的玩家。特斯拉旗下的Optimus人形机器人计划于今年7至8月开始规模化量产，马斯克认为，该款产品在未来将撑起特斯拉80%的市值。
02 膏腴之地，车企们有备而来
当下，机器人是比汽车更赚钱的生意。
2023年年初，特斯拉降价点燃了国内车市价格战，这让整个汽车行业的盈利能力不断下滑。2025年，汽车行业利润率下滑到4.1%，创近五年新低，今年1至4月更是只有3.7%。


数据来源：乘联会秘书长崔东树
在这种竞争环境下，即使是竞争力较强的头部玩家，也会出现业绩震荡。
比如在业内以产品定义能力强和高效而著称的理想，曾在2023年实现了年度盈利，是继特斯拉、比亚迪之后第三个达成此成就的新能源车企。但到了2025年三季度，理想又出现了亏损，毛利率也相比2023年同期下降了5.7百分点，为16.3%。
在车企们卷生卷死的同时，宇树们却展现出了不俗的盈利能力。2025年，优必选的毛利率为37.7%，同比提升9个百分点；同期，宇树的毛利率更是达到了60.13%。
机器人赛道的前景也足够诱人。据摩根士丹利研报，到2050年，全球人形机器人保有量将达10亿台，对应市场年收入达7.5万亿美元。当下，全球汽车行业全产业链市场规模约在3.5万亿至4.9万亿美元之间。
同时，对于车企而言，跨界到机器人赛道的门槛并不高。
在技术层面，智能汽车与人形机器人技术重合度超过70%，大量软件硬件可以通用，像是车企多年积累的自动驾驶技术，可直接平移至人形机器人研发，省去初创企业从零摸索的数年周期。
如小鹏的第二代VLA架构，可同时应用于旗下在售车型的智驾系统、RoboTaxi（自动驾驶出租车）与机器人业务。目前，小鹏是国内布局机器人的车企中，进展最快的一家，其人形机器人IRON已经能支持自然对话能力，并模拟人类站立、坐卧等复杂动作。


小鹏人形机器人IRON
在家底方面，车企们更是有着绝对的体量优势。
小鹏理想等新造车企业，旗下的直营店均已达数百家。但宇树们在这方面的布局才刚刚开始，今年4月底，宇树才在北京王府井银泰in88开设了业内第一家直营店。
这种巨大的量级差异，也体现在了至关重要的资金方面。
还是拿小鹏举例，这家已经成立十余年的新造车企业，因一直未实现年度盈利，导致一直被市场视为仍未脱离危险区。
即便如此，小鹏账户里的现金，仍要远高于已经实现了盈利的宇树。
据财报，截至2025年12月31日，小鹏的现金及现金等价物总金额超173亿元。与之对比，宇树招股书披露，公司同期的货币资金为14.2亿元。
03 生死竞速，宇树们的还能领先多久？
宇树们自然不会坐视车企将自己吞噬。它们目前最频繁的动作是重金加码具身智能研发，强化机器人“大脑”短板。


不久前过会的宇树在招股书中披露，此次IPO拟募集资金总额为42.01亿元。其中20.22亿元将用于智能机器人模型研发项目。
除了自身研发外，它们也不忘从汽车行业招贤纳士。今年4月，前小鹏汽车副总裁、自动驾驶一号位李力耘博士加入众擎机器人，担任CTO。这被外界视为众擎强化机器人“大脑”能力的动作。
能在“大脑”方面率先取得突破的玩家，将获得坚固的技术壁垒。宇树CEO王兴兴曾在采访中直言：“谁能落地适配机器人的专用大模型，谁就能成为全球顶尖的 AI 与机器人企业。”
与此同时，宇树们还不断在特定的区域和场景强化自己的存在感，力图加深自身产品与受众的绑定。
比如在出海方面领先的宇树，其产品频频亮相《美国达人秀》、《Inside the NBA》等节目，在美国市场强化自身的品牌认知。


宇树产品亮相ESPN频道的《Inside the NBA》
松延动力则是聚焦陪伴、教育这样车企暂时无心覆盖的细分市场。6月9日，松延动力与亲子家庭品牌孩子王达成深度战略合作。对于松延而言，此次合作有助于其拓宽线下触达目标群体的渠道。
这些细分赛道存在独特的行业门槛，车企受自身战略重心等因素的约束，短期内难以深度渗透。
但留给宇树们构筑完整壁垒的窗口期已然十分有限。
小鹏IRON人形机器人计划于2026年底达成千台月度产能，优先布局线下门店、产业园区，落地导购、巡检等标准化服务场景；马斯克也公开表示，计划2027年底对外零售Optimus人形机器人，正式切入大众消费市场。
在这场生死竞速中，宇树们能保持多久的领先，仍存在诸多未知。但可以确定的是，在商业世界，后发巨头倚靠体量碾压新星的例子并不鲜见。
在奈飞崛起后，迪士尼凭借财力和众多IP，仅用三年让自己的流媒体的用户数超越了奈飞；Zoom曾率先打通轻量化云视频，在教育、中小企业市场快速起量，完成视频会议赛道验证，但难以匹敌微软之后依托存量用户推出的Teams。
若不想重蹈奈飞等玩家的覆辙，宇树们需要跑得更快一些。
]]> <![CDATA[京东将人工智能技术融入供应链]]>
　　人形机器人应用场景广泛。在推动人工智能技术发展上，京东推进人工智能与供应链融合，将人工智能应用于零售、物流、健康、工业、外卖、家政等3000多个场景。

　　为将人工智能技术融入供应链，今年一季度，京东研发投入同比增长近60%，推进人工智能驱动的物理世界运营中心建设。“通过算力、模型、数据等，驱动海量智能设施更高效运转，把算力的热度转化为产业的厚度，用更好的新产品打开更大的新市场。”京东集团技术委员会主席曹鹏说。

　　我国制造业体系完备，为人工智能技术规模化落地提供了广阔舞台。今年“618”购物节期间，搭载京东附身智能技术的投影学习灯、炒菜机器人、智能轮椅等智能硬件首度亮相，近百款产品走进消费者家中。

　　“依托大模型能力，以及成熟的技术底座，我们新推出的人工智能玩具实现了多维度的智能交互与情感陪伴功能，成功实现了从传统功能性玩具向拟人化人工智能陪伴伙伴的转变，产品从研发创意到量产落地的周期大幅缩短。”深圳物语智联科技有限公司创始人王新春介绍，在与京东的合作中，双方共同探索出一套技术驱动、供应链协同、用户导向的产品创新模式，产品获得积极市场反馈。

　　在具身智能产业，京东构建起覆盖数据、模型、场景、商业化服务的全链路产业生态。搭建数据基建设施，开源高精数据集，助力具身智能模型进化；开放附身智能交互能力，为智能硬件打造专属“智慧大脑”；完善机器人商业化服务体系；同步提供工业生产、产品研发、产业服务等全链条供应链配套，全方位护航产业发展。

　　当前，国内智能机器人技术加速迭代升级，具身智能产业化面临高质量实操数据供给不足的瓶颈。行业测算显示，训练具备通用泛化能力的具身模型需要至少数千万小时的真实场景数据，有效供给缺口显著。今年以来，京东在江苏宿迁建设具身数据采集中心和具身智能数据采集社区，利用丰富的线上线下场景优势，将发动内外部超60万名各类岗位员工和行业人员，采集第一视角人类操作数据，两年内采集超1000万小时优质真实场景数据。

　　人工智能与供应链的深度融合，正持续为传统产业注入新动能。京东物流在全球布局3600座仓库及云仓，依托自研超脑大模型，系统可在数秒内完成货物最优运输路径规划，机器人广泛应用于存储、拣选、搬运、分拣、场内转运等全流程场景。]]> <![CDATA[让爽感转化为艺术质感——微短剧精品化创作的三重路径[3P]]]>
　　


　　

　　
　　围绕微短剧的争议由来已久，其中一个焦点就是它赖以吸引观众的爽感逻辑，与精品化创作所要求的艺术质感，是否相互排斥。我认为，二者不仅不是相互排斥，反而能彼此成全。实际上，微短剧高质量发展的关键就在于找到一条从爽感到艺术质感的转化之道。
　　讨论这个问题之前，须厘清一个前提：爽感是微短剧无法绕开的底层逻辑。作为短视频在叙事层面的延伸，微短剧必须在极短时间内击中观众的情绪点，让人持续观看，进而引流、锁粉、变现，这是其作为一种媒介形态得以成立的基础。然而，爽感逻辑一旦失去节制，便会反噬自身。故事一味沉浸于一夜暴富、一招制敌、一鸣惊人的幻境，而走向失真、失衡、失序。纯粹的感官刺激是一种边际效用急剧递减的快感，“天崩开局”“触底逆袭”等套路一旦被识破就会失效。解决这个问题的路径，是为爽感注入经得起回味的内在质地，让它从生理快感拾级而上，转化为艺术体验。这一转化，发生在叙事、视听、题材三个由低到高的维度上。
叙事筑骨
增强戏剧张力
　　转化的第一步，是在叙事层面重建逻辑的筋骨。微短剧的三大叙事特征强情节、快节奏、高反转本身并无问题，问题在于它们常常脱离逻辑而存在，沦为悬浮的感官刺激。要提升其戏剧质感，就须为这三者各自补上内在的支撑。
　　强情节常为纯粹的情感刺激而设。“男女主角一见面就恶语相向”这类桥段，看似抓人，实则毫无逻辑可言。所以要缝合两重逻辑，一重是生活逻辑，这件事在特定人物与处境下是否可能发生；一重是戏剧逻辑，这个情节是否真正揭示人物、激化矛盾、产生后果。补足了逻辑，情节才有意义，因为吸引观众的不是“被吓一跳”，而是“为人物揪心”。
　　快节奏意在叙事凝练、直奔主题，但“痛失爱妻的丈夫下一秒就迎娶新欢”式的快，砍掉前情与铺陈，丧失了基本的人性观照与人物弧光。快节奏须保住两样东西：一是情感的必要刻度，再快也要留住情绪转折的关键节拍，让心理之变有迹可循；二是人物弧光的连贯，再省也要看得见人物“为何走到这一步”的内在轨迹。留住这些，快才快得有劲道，因为打动观众的不再是情节切换的眼花缭乱，而是被压缩却依然成立的命运起伏。
　　高反转本是叙事艺术的重要手段，追求“既在意料之外，又在情理之中”。可微短剧的反转一旦堕入“穷小伙忽然继承千亿家产、普通女孩刚被退婚就有富 二代求娶”的套路，便沦为“狗血”“雷人”的桥段。高反转须补上两重根基：一是前文的伏笔，须有先前埋下的铺垫为它兜底，让观众回头一看“原来早有端倪”；二是反转的指向，不能只为制造惊愕，而要借此揭示人物的另一面、改写人物间的处境与关系等。如此，反转才转得令人信服，因为击中观众的不再是“竟然如此”的一时错愕，而是“原来如此”的恍然与回味。
视听塑形
提升审美意境
　　转化的第二步，是在视听层面赋予审美的肌理。回望艺术史，电影诞生之初不过是对视听奇观的简单记录，无论《工厂大门》还是《火车进站》都谈不上艺术建构，正是在长镜头、蒙太奇等手段的不断加持下，电影才从运镜、构图、光效、剪辑到表演、音乐、音响各个维度都走向成熟，形成异彩纷呈的类型与流派。电影这条由记录走向审美的路径，对微短剧同样具有启示。
　　微短剧分横屏和竖屏两种。横屏微短剧的视听语言更像电影和电视剧的微缩版，运镜与场面调度可直接借鉴已有的成熟经验，只是碍于小屏限制，画面以中近景和特写居多。而竖屏微短剧适配手机用户竖握、单手滑动的观看习惯，9∶16的画幅在横向上极度收窄，同一场景中往往只容得下一到两个主要角色。这看似是限制，实则暗藏审美机遇，因为这一窄而高的画框恰与中国传统绘画的条幅、立轴形制暗合，反而能为创作者打开纵向的审美想象。
　　中国画处理纵长画面早有一套成熟的视觉智慧。它以散点透视层层推移、随观者目光游走，更循郭熙在《林泉高致》中所论“高远”“深远”“平远”的“三远”之法，于有限的纵幅内打造出无限的空间纵深。这恰可成为竖屏构图的他山之石。竖屏微短剧在表现山水田园等自然景观时，可借范宽《溪山行旅图》那般以主峰顶天立地、营造高远气象的构图逻辑，辅以虚实相生的留白，让竖屏在咫尺画框内生出千里辽远之境。在表现人物时，竖屏微短剧自上而下、以立姿统摄全身的取景方式，天然契合中国人物画、仕女图的观看传统，其视觉修辞更能聚焦于身材轮廓与肢体语言，让人物显得修长舒展。纵向的画框由此不再是束缚，而化作塑造形象的修辞与视觉的加分项。随着AI等新质生产力的介入，场景成本将大幅降低，宏大场景与复杂运镜不再是横屏专利，人的创造与技术手段在视听语言上通力合作，或将建构起专属于微短剧的视听美学。
题材铸魂
形成精神认同
　　转化的第三步，是在题材层面灌注价值的灵魂。这里要破除一个成见，就是以为爽感与价值天然对立。事实恰恰相反，爽感是价值的载体。任何一个爽点背后，都站着一种价值观。当下部分微短剧作品为人诟病，问题不在爽感，而在其爽感所承载的价值过于贫乏甚至扭曲，拜金、戾气被包装成“解气”与“过瘾”，在一次次刺激中悄然影响观众的心理。因此，题材的转变要从根上置换以往一些作品的爽感所编码的“价值”，让快感的源头由贫瘠变为丰盈、由扭曲变为端正。这条路，可朝三个方向掘进。
　　向现实的深处扎根，让爽感从“逃离”转为“观照”。微短剧最惯用的爽感是代偿性的，虚构一个霸总从天而降、草根逆袭翻盘的幻境，让现实中遇到了挫折的观众借他人之酒杯，浇自己之块垒。这种爽感建立在对观众真实处境的回避之上。人们看得越心潮澎湃，越反衬出自身生活的失意，刺激过后，空虚更甚。而真正有质地的爽感，来自对现实的正视与照亮。创作者如果能将镜头对准穿行于楼宇间的外卖骑手、守在病床前的护工、在格子间里工作的文员，写出他们的辛劳、体面与微小却坚实的胜利，观众获得的便不是“我也想拥有那样的人生”的虚妄，而是“原来我这样的人生也自有其光”的确认。被看见的尊严，远比被代偿的欲望更经得起回味。
　　向文化的厚土深掘，让爽感从“猎奇”转为“认同”。以往一些穿越、玄幻、宫斗题材看似花样翻新，实则大多借古装之壳，行玛丽苏之实，把封建糟粕当噱头，把历史虚无当卖点。破解之道，是让题材真正接通中华文化的血脉，使二十四节气的流转、一道时令食物的讲究、一项濒于失传的非遗技艺、一句被遗忘的诗词典故，成为故事生长的内核。近期引发广泛讨论的《ENEMY》之所以能从海量作品中脱颖而出，在于借梨园艺人在戏台上以身殉国的故事，把卢沟桥事变、南京大屠杀等历史记忆与戏曲非遗、家国气节熔铸进叙事内核。此时观众获得的“爽感”，来自文化根脉和民族精神的悠长回响。
　　向人性的高处仰望，让爽感从“宣泄”转为“确认”。这是转化的更高境界，却也最易走偏。一种常见的误区，是把“灌注价值”误读为往故事里硬塞道理、给人物贴标签、在结尾喊口号。殊不知悬浮的“正能量”，与悬浮的“爽感”，只是失真的两副面孔。真正的价值是从人物的选择与命运里长出来的，是观众在共情中自行体认到的。一个小人物在绝境里仍守住良知，一段关系在误解后走向和解，一个人历经磨难终于完成自我救赎……这些瞬间击中观众的爽，是对善良、尊严、成长这些朴素而恒久之物的由衷信服。要抵达这种人同此心的普遍人性，创作必须放弃套路的捷径。此时的爽，不再是情绪的一时宣泄，而成了对“人之所以为人”的郑重确认。
　　叙事筑骨，让爽感升为戏剧的张力；视听塑形，让爽感升为审美的意境；题材铸魂，让爽感升为精神的认同。三者由低到高、拾级而上，恰恰形成一条让爽感节节生长之路。从某种角度看，爽感之于微短剧，是一粒可以培育的种子。精品化创作让它长出价值的根、逻辑的茎、美学的叶，在艺术的土壤里向上生长，长成一种有筋骨、有温度、有回味的“美”。这样，微短剧便不是被时间冲刷的速朽快消品，而能成为这个时代值得珍藏的文化精品。]]> <![CDATA[数字时代手势舞：别让指尖舞蹈只剩流量]]>
　　手势舞的火爆有着多重原因。首先，手部动作具有与生俱来的表达优势。作为人身体各部位中最灵活的部分，手部的挥舞敲击，手指的指点屈伸，在语言文字出现之前就承担着传递信息、人际交流的重要功能，也是人类最原始、最直观的情感表达方式之一。即便在人类文明高度演进、语言文字高度发达的今天，手势仍然在表意系统中占据重要地位。因而，相较于其他舞蹈形式，手势舞天然易学，也易于流传。

　　手势舞并非诞生于屏幕，但其火爆却得益于屏幕和界面，正是现代媒介技术变革为手势舞的流行提供了关键的技术赋能与生态场域。由于智能手机和短视频平台主要采用竖屏画面构图，客观上限制了舞蹈表现肢体大幅度延展和空间位移，只需要运用头、颈、肩、手臂等上肢运动和面部表情的手势舞，恰恰十分适合于屏幕近距离凝视的视觉观看模式，而正因为弱化了下肢的跳跃、跨越与旋转，降低了舞蹈技术难度和对全身协调性的严苛要求，也为手势舞的快速学习、模仿和传播奠定了重要基础。

　　当下全球范围内的手势舞短视频的内容样态已经发展得相当丰富，创作和表演者既有专业的舞者和编舞师，也有普通网友。手势舞遵循的是流行文化工业的“记忆点编舞”逻辑，手部动作往往兼具一定的符号指代性和抽象性，追求的是记忆点鲜明、辨识度高、可复制性强、传播效应最大化，通常包含翻译歌词大意或关键词的叙事性动作，还有比心、托腮、拍手、波浪手、摇花手、抖肩、点头等常见套路动作，屏幕上方还经常贴心地配有表情符号手势和箭头组成的“教学舞谱”，方便跟学跟练。多种手势的快速变化组合想要成为舞蹈，通常还需要音乐的加持和一些非日常化的、舞蹈化的造型和姿势。而手势舞能否流行与音乐高度相关，一般手势舞偏好节奏鲜明、朗朗上口、律动强的编曲版本或者甜蜜小情歌，有时候甚至是“神曲”在前，手势舞火爆在后。

　　简单“上手”、趣味盎然、快乐参与，手势舞在一定程度上可以被视为数字时代的“线上广场舞”。在数字技术的加持下，手势舞构建出一种极低门槛的新大众文艺实践范式：普通网友只需一部智能手机和一面墙，经过对一个新发布的热门手势舞模板的短暂学习，再通过切换虚拟背景、融入特定服饰、改编部分手势等个性化方式，就能从单纯的内容消费者转变为文艺生产者。文艺作品“生产-传播-接受-再创造”的链条被高度凝缩，并且可以无限延展，凸显了大众的丰富主体性。

　　而当屏幕前的成百上千万用户伴随着同一段热门音频，精确地卡点做出完全相同的手势和扭动时，他们体验到的不只是个体舞动本身所带来的快感和愉悦，还有在同好之间传递的情感共振，由此，一种以身体律动为媒介、超越地缘的身心联结得以构建。

　　事实上，手势本身就是世界舞蹈艺术瑰宝中重要的审美元素与文化表意载体。例如东方古典舞蹈体系如印度、东南亚和中国的傣族舞中，每一个手势拥有严格的规范，手指的弯曲、手掌的朝向都对应着特定的词汇、自然意象或内心情感表达；西方社交舞蹈体系中，如阿根廷探戈、巴西桑巴和摇摆舞的手势则彰显生命激情和优雅礼仪，街舞中的甩手、锁手、折手也是炫目的身体美学风格的辅助展示。

　　今年央视春晚舞蹈作品《丝路古韵》中被网友戏称为“中式OK”的“龟兹手”手势，食指与拇指轻触、其余三指微屈如花瓣，加之舞者身体的律动，尽显龟兹美学的博大精深与独特之处。“龟兹手”舞蹈中，静态的壁画和造像艺术成为可被模仿和再创造的身体经验，其深厚的文化意味和美学特质也悄然进入大众心灵。而手势舞与国风潮流、与古典诗词教育教学结合等大众的自发尝试和创造，都在视觉愉悦、参与乐趣和文化传承之间搭建起一座座桥梁。

　　去年底，一位网络音乐博主融合美国电子音乐风格、快节奏加速改编了云南省大理白族自治州弥渡县的《弥渡山歌》，再配上网友创作的手势舞，让原本“深居简出”的国家级非物质文化遗产一路火到海外，引来外国博主大量本土化改编和翻跳，更印证了如今手势舞在社交媒体平台上惊人的文化穿透力和舞蹈跨越国界的巨大潜力。

　　手势舞的群体包容性和场景应用的广泛性也逐渐得到人们关注。由于体能消耗低、训练神经末梢协调能力强，手势舞也在推动老年群体积极参与社会互动、辅助残障人群进行认知训练、辅助特定神经系统疾病患者进行身心康复等实践中被采纳，补充传统医学训练之外的积极心理疗效。

　　而在手势舞勃发空前创造活力的同时，也暴露出多重亟待调适的问题。手势舞及短视频平台上的各类微型编舞内容，不仅是传统长视频的片段截取，或舞台舞蹈的动作简化，更是基于平台算法底层逻辑催生出的一种数字文化产品。为了迎合算法，舞蹈动作必须在视频的前三秒内形成强烈的视觉冲击，因此许多手势舞设计机械重复、夸张猎奇，或者弱化舞蹈的“舞”的部分，重点转向了展示表演者的高颜值和时尚气质，这些趋势都让短视频舞蹈逐渐沦为纯粹的“视觉冰激凌”，也挤压艺术原本应当多彩、丰富的审美样态和内在意蕴空间。

　　另一个值得警惕的问题是文化表达的边界失范。近期，“手语舞”的爆红便是一个极具争议的个案。许多非听障博主为了追求视觉上的猎奇与美感，随意拆解、误用手语词汇，将一门严谨的视觉语言改编为博取流量的“舞蹈造型”，这样的做法既有悖社会责任，也失却了艺术的严肃性。

　　正如前文所说，手势的表意系统和使用规范深植于特定的文化土壤与文明基因当中，乘着互联网的东风，不应唯流量是论，更应深入挖掘其内在意蕴和美学形式，为优秀传统艺术和高雅艺术的传播提供一条轻盈的跨媒介路径。

　　手势舞的出现和流行，拓展了舞蹈和文艺的边界，更新了我们对于新大众文艺多样可能的理解，也说明了新媒介生态、数字技术与人类的身体语言始终处在相互影响、相互塑造的流动过程之中，人类的身体，从未真正离开过表达的现场。]]> <![CDATA[华为，可能比你想象中的还要强大10倍]]> 很多人都知道华为很强，但绝大多数人，都低估了华为的硬核实力。

毫不夸张地说，华为的综合实力，远比大众认知要强十倍，甚至百倍。看似和普通科技企业一样，划分五大业务板块，但放眼全球，能做到全产业链顶尖的企业，寥寥无几。

文章配图-1

华为布局五大核心业务，分别是运营商ICT基础设施、企业业务、消费者终端、数字能源、智能汽车。

除此之外，华为手握自研芯片、自研操作系统两大底层核心技术，打通底层硬件、终端产品、新能源、算力、智能汽车全产业链，实现软硬件闭环自研，单凭这套完整生态，就足以甩开全球绝大多数科技巨头。

先看根基业务运营商ICT基建，这是华为立身之本。华为手握全球超30%的5G标准必要专利，专利数量稳居全球第一，同时全球5G通信设备出货量常年榜首。单单5G专利、5G设备两大核心业务，华为几乎没有对手，常年领跑全球通信行业，即便遭遇多年外部打压，依旧稳坐行业头把交椅。

文章配图-1

再看企业业务，覆盖企业路由器、交换机、Wi-Fi6/7设备、数据库、服务器以及行业数字化方案。目前华为企业网络设备国内第一、全球第二；高端政企存储、Gauss数据库国内第一、全球第三，专门服务全球各大企业、政府机构，算力组网能力稳居全球第一梯队。

大众最熟悉的消费者终端业务，成绩更是一目了然。手机、平板、智能手表、蓝牙耳机、智慧屏等全品类产品，国内市场占有率全部第一，全球排名稳居前列。尤其是高端折叠屏、智能穿戴设备，出货量常年领跑全球，搭配鸿蒙生态，跨设备联动体验，行业几乎没有竞品。

文章配图-1

冷门的数字能源业务，更是低调称王。业务涵盖光伏逆变器、储能设备、充电桩、机房UPS供电设备等，其中光伏逆变器已经连续7年拿下全球市场第一，储能、充电桩业务国内顶尖，近几年海外订单暴涨，成为华为增长最快的业务之一。

火爆的智能汽车板块，华为同样站在行业顶端。华为ADS高阶智驾、鸿蒙智能座舱，双双跻身全球第一梯队。目前华为拥有五界三境智选汽车品牌，外加大量合作车企，不造车却深度赋能整车，掌控智能汽车核心智驾、座舱核心技术。

文章配图-1

除此之外，华为还有两大王牌底牌。一是海思全品类自研芯片，涵盖麒麟手机芯片、乾崑车载芯片、基站射频、存储、电源管理芯片；同时昇腾AI芯片国内占有率断层领先，全球算力仅次于英伟达、AMD，是海外之外唯一全栈自研AI算力企业。二是双自研系统，鸿蒙适配消费全终端，欧拉适配服务器、工业车载设备，彻底摆脱国外系统依赖。

市面上多数巨头，只能做到单一领域全球顶尖，而华为五大主业外加芯片、系统两大底层技术，几乎每一项都对标全球顶级企业。历经多年外部打压，依旧全领域稳步突破，一家企业直面全球行业巨头竞争。这也是为什么说，华为的硬核实力，远比我们想象中，要强得多。

]]> <![CDATA[移动巨头的AI新战事：支付宝推阿宝“造城”，微信发AI卡“修路”]]> 昨天，支付宝地把全新AI助手「阿宝」推向全面邀测，将千万种生活服务都塞进右滑页面；结果今天一早，微信支付反手就甩出一个大招，正式发布「AI专属卡」。

一个向右狂揽入口造城；一个向左深挖底层修路。短短24小时内，两家超级移动互联网巨头在AI Agent（智能体）的十字路口，走向了两个方向。曾在移动互联网时代靠着“红包大战”、“补贴大战”、“线下场景大战”、“社交大战”给我们留下国民记忆的两个超级应用，在Agent时代再度针尖对麦芒。

让阿宝帮我还花呗，它居然发表情包怼我先聊聊昨天抢跑的AI版支付宝，官方喊的口号是从陈列式向对话式升级。简单来说，就是加入了全新的「阿宝」AI助手，宣称只要一句话，它就能打车、点外卖、查公积金。

文章配图-1

（图源：雷科技）

从UI上看，AI版支付宝最大的区别就是首页多了一个右滑进入「阿宝」的入口。滑过去之后，确实是一个非常干净、清爽的AI交互页面。为了照顾咱们老用户的肌肉记忆，原先支付宝首页底部的扫一扫、收付款、出行这几个高频刚需板块都保留了，你只要往上一拉，原先首页那些密密麻麻的功能入口就又出来了。

在对话框的顶部，点一下就能切换到「资产」视图，账户余额、理财、花呗这些都在这儿。

界面的右上角点开，就是现在AI工具标配的那些东西：个人信息、设置、对话记录等。

比较实在的一点是，系统消息也整合到这里了，平时那些收付款提示、外卖小哥到哪了、快递滞留等消息全塞在这个角落，确实让主界面清净了不少。

聊完表面功夫，咱们直接上强度。

大家对支付宝最关心的肯定是钱的事，AI到底能不能帮我还花呗？

文章配图-1

（图源：雷科技）

好吧，实测结果是：它只会乖乖弹出一个花呗的界面，让我用自己的钱还。哈哈，似乎这并不需要测试也知道答案，雷科技（ID：leitech）也只是想看看它到底会不会像豆包一样，口中承诺给我还钱结果什么都不做。我让阿宝直接给我账上打点钱，好家伙，TA居然还知道发个表情包来敷衍我，也是学精了。

咱们再来看看日常最容易用到的点外卖。毕竟之前通义千问APP已经演示过全自动操作到付款那一步了，阿宝作为同门兄弟，没理由掉链子吧？

文章配图-1

（图源：雷科技 ）

但真不巧，阿宝在点外卖这块儿表现得相当薛定谔。比如我说要吃汉堡王的鸡堡，可乐换无糖，它就给我弹个闪购入口，然后搜出了“汉堡王鸡肉堡套餐”，完全不能像千问那样行云流水地自己操作到下单。

文章配图-2

（图源：雷科技）

我不信邪，换了个需求，让它点个星巴克冰摇美式。没想到这一波阿宝像是突然打通了任督二脉，直接自己上手，打开星巴克小程序，一路点击跳转，硬是操作到了付款界面。

但当我再试一次，让它去闪购帮我点一杯星巴克燕麦拿铁时，事情又拉胯了，它再次退化，只能做到搜索这一步。

文章配图-3

（图源：雷科技）

这种时好时坏的体验，很明显暴露了阿宝和第三方小程序之间的适配问题。

官方说现在已经有上万个服务适配了，但实际上，有的应用允许Agent通过系统授权去进行屏幕识别和模拟点击，有的则防备得很严。

文章配图-4

（图源：雷科技）

我们再试点复杂的长尾需求。比如《玩具总动员5》马上就要上映了，我想看看天环百丽宫的场次。

非常遗憾，阿宝的脑子在这里转不过弯了。

它知道天环广场有个叫PALACE的，但它不知道那个中文叫百丽宫；甚至我退一步，只用天环的电影院去问它，它还是不能精准匹配到我要的场次。

几轮折腾下来，我发现大部分场景下，阿宝干的活儿，仅仅是把一个功能入口给你调出来摆在你面前。

文章配图-5

（图源：雷科技）

比如查公积金，官方拿这个当典型案例，说一句话就能查。但问题是，我直接在支付宝原本的搜索框里搜“公积金”，跳出来的也是那个界面，我干嘛非得跟AI废话一句呢？

至于什么基础的文本对话、语音交互、读图，讲道理，现在随便从应用商店下个AI助手都能做到，这并不能成为国民级APP的护城河。

使用自研模型，阿宝来头不小

测完这些，我跑去翻了翻AI版支付宝的用户协议，结果发现了一个有意思的事：阿宝调用的底层模型，是2023年就备案的自研AntGLM大语言模型，这个模型的强项就是金融服务，也是这几年蚂蚁集团AI能力的基座。

文章配图-6

（图源：支付宝）

在隐私这块，大家大可放心。协议里明文写了，Agent在执行特定场景任务、模拟点击的时候，系统通过技术手段屏蔽了支付页面、密码输入页面、银行卡等敏感页面的屏幕识别功能。

也就是说，这AI操作过程中是看不到你的钱和密码的。这就印证了官方的那句话：阿宝只管跑腿把窗口摆好，最后到底“付”不“付”，永远是用户自己说了算。

为了搞懂为什么星巴克能下单而汉堡王不行，我又去查了下支付宝相关的专利。

一个月前刚好公布了一份叫《多智能体系统的任务处理方法、装置和设备》的专利（CN122045522A），应该就是这次更新的底层硬核技术了。

原来，阿宝背后根本不是一个AI在单打独斗，而是一个多智能体（MAS）在打群架。系统里有一个规划智能体负责接客，把你的话拆解成任务；还有一个上下文注入模块负责去记忆库里翻找历史记录和业务知识；最后再交给底层的“执行智能体”去具体干活。

我们体验到的割裂感，本质上就是这个系统在生成调用指令和依赖解析时，对部分复杂的第三方小程序还没有完全打通。假以时日，随着Agent技术的发展以及蚂蚁AI生态的繁荣，现在的问题都将不再是问题。

微信支付修路，支付宝造城

2026年是Agent元年。在AI时代，谁掌握了Agent，谁就捏住了未来十年最大的交互入口，这也就是为什么今年连挤牙膏的苹果都要把新版Siri搞成Agent的原因。

但在两大国民级超级app的对决中，微信和支付宝走出了完全不一样的路线。

微信那边的打法，堪称“基建狂魔”，A2A（Agent to Agent）推进得极快，美团、滴滴等等服务供应商，美的、荣耀等等硬件合作方全都积极接入，解决了OS系统层和应用层之间的孤岛问题。

文章配图-7

（图源：雷科技）

这个卡跟微信主账户是完全隔离的，我自己设定额度，AI想花一分钱都必须经过我最终确认，相当于给AI配了个独立的小钱包。

微信的思路很明确：提供生态内外最便利的支付基础设施，让Agent通行无阻。

反观支付宝这边，从蚂蚁阿福，再到现在的阿宝，我能明显感觉到支付宝的激进：不满足于只做支付，而是想把政务、出行等千千万万的第三方服务入口，全都抓在自己手里。比起阿宝现在到底聪不聪明，支付宝这次更想向外界传达的，是他们对拥抱Agent的战略重视。

这背后，显然是两家公司基本盘不同。

微信早就涵盖了社交、支付、内容、应用，业内调侃它是微信OS，在这个阵地上它没有任何对手，自然可以不慌不忙地搞基建。

但支付宝不一样，支付以及金融服务等专业能力是它的最大优势，内容和社交则是它一直在努力修补的课。虽然有蚂蚁森林、集五福、聊天这些社交功能，甚至能看直播看短视频，但整天泡在支付宝里聊天、刷短视频的应该没有顺手用微信支付的人多。

说到底，微信支付向左，支付宝向右，两家大厂在移动互联网红利见顶的今天，做出了截然相反的抉择。AI支付宝“阿宝”右滑，是支付宝主动打响的一场流量入口保卫战；而微信AI专属卡的上线，则是腾讯在微信OS的基础上，为整个AI下半场定制的金融基建。一个向左甘当隐形筑路人，一个向右立志做全能造城者，两大巨头的方向截然不同。

面向AI时代的残酷较量，不过才刚刚开始。

]]> <![CDATA[机器人养老，离我们不远了？]]>

文 | 科技助老新范式，作者 | 唐慧婕，编辑 | 吴佩蔚

2026年，科技好像突然踩下了油门。

这种加速感在CES2026的喧嚣中被具象化：追觅的扫地机器人长出手脚，会爬楼，还能捡东西；SwitchBot的Onero H1学会了叠衣服、整理桌面，还能与扫地机器人等设备联动；优必选的人形机器人在完成繁杂家务之外，探索一种名为“情感陪伴”的稀缺价值。

曾经被束之高阁的钢铁躯壳，正急不可耐地想要挤进我们的客厅。

但在这场从试验场到家庭场的狂奔中，一个现实拷问愈发刺眼：当老龄化像海啸一样步步紧逼，这些不菲的精密机器，究竟是资本的狂欢，还是普通家庭真正的救命稻草？

养老机器人，离我们到底还有多远？

养老焦虑撞上机器人浪潮

清晨，把你叫醒的“保姆”有点特殊。它不用吃饭、睡觉，却能准时叫早，然后自己去操作家电、做饭、整理房间，甚至刷完马桶后，还会自觉把“手”洗干净。

文章配图-1

优理奇轮式双臂人形机器人

这不是电影《超能陆战队》的片段，而是优理奇机器人最新发布的家庭场景演示视频。发布后很快出圈，微信公众号上点赞超7万、转发过10万。外交部发言人毛宁也在海外社交媒体上转发并配文称：机器人正在走进家庭，未来已然开启。

“以后赚钱养机器人防老”、“退休前能用上吗”、“会不会抢我饭碗”......评论区里，除了对科技发展的惊叹外，还有不少网友的调侃。

调侃背后，是普遍存在的养老焦虑——当老龄化、少子化、高龄化成为趋势，我们老了以后，谁来照顾我们？

2025年末，我国60岁以上人口数量已突破3.2亿。国家卫生健康委数据显示，我国失能失智老人已超4500万人，平均每6位老年人中就有1位需要长期照护。

然而社会节奏在加快，421的家庭结构下，青年子女自顾不暇，全职照护老人更是有心无力。

劳动力短缺、护理资源不足、家庭支撑能力下降，共同构成了养老难题的现实底色。

他山之石，或能攻玉。

作为全球老龄化程度最深的国家之一，日本在2024年时65岁及以上人口占比约为29.3%。

面对同样的护理人力荒，日本没有选择大规模移民，也没有单纯依赖提升护理人员待遇，而将目光投向了机器人产业。

这不难理解。一方面日本介护险制度对养老护理价格有限制，护理人员待遇很难提高；另一方面，老龄化是全球性趋势，显然，机器人是更可持续、更具规模化潜力的供给方案。

这条路，对中国的意义正在加强。

从2025年2月，IEC正式发布由中国牵头制定的养老机器人国际标准，到2026年3月，中办、国办出台《关于加快建立长期护理保险制度的意见》，长护险从局部试点转向全国推行。

政策与需求的双重共振，正在让科技介入养老从一道可选题变成必答题。

中研普华数据显示，2024年国内养老机器人市场规模已突破300亿元，预计2025年达500亿元。

资本从不缺席热点，企业以技术回应需求，具身智能成为风口，从融资数据来看，美国Figure AI、Agility Robotics领跑，而中国则依托强大的供应链，成为全球具身智能竞争的核心力量。

目前，国内具身智能机器人已形成“大脑+本体”、“小脑+本体”以及“大脑+小脑+本体”三条主流技术路线。

通俗来讲，“本体”是躯壳，行动的物理载体；“小脑”负责运动和平衡，是完成复杂动作的关键；“大脑”是实现自主智能的核心。大模型的进化给机器人装上了更聪明的“大脑”，这也是资本现阶段最青睐的焦点。

可以预见，具身智能要实现真实场景落地，必须构建“大模型+硬件+生态”的完整闭环，而技术仍需攻坚。

中国厂商的优势在于制造业、硬件基础与供应链。播客《硅谷101》里，盛大集团副总裁分享过一个说法：“硬件产品、机器人产品，在深圳，甚至可以一天迭代三次。”

文章配图-1

2025年春晚人形机器人《秧BOT》

这不是吹牛。从2025年春晚人形机器人《秧BOT》出圈，到层出不穷的机器人拳击表演、马拉松大赛，国产机器人在“本体”与“小脑”上的精进，有目共睹。

我们也要清醒地认识到，即便是国内备受瞩目的宇树科技，其2025年下半年发布的新一代小型机器人，也仍以预设任务自主执行为主。在复杂场景自适应、开放世界自主交互方面，整个行业距离真正的“家庭实用化”仍有明显鸿沟。

具身智能代表着长期方向，但养老场景对安全性、实用性和成本的要求，远高于对人形外观的执念。

所以，一些厂商从更刚性的需求出发，推出了外骨骼助行器、AI康复机器人、情感陪伴机器人等专用设备。这些产品在B端已有一定应用，但距离普通人“养机器人防老”的设想，仍有落差。

在此基础上，腾讯Robotics X实验室、优理奇机器人等品牌，面向家庭场景走出了一条更务实的产品路线。这类机器人并非追求完全人形，更多采用轮式底盘以保障稳定性与安全性；功能上相对全面，覆盖叫早服务、家务整理、情感交互、健康监测等，探索智能管家与适老化辅助的落地路径。

在这一细分赛道，如身机器人专为老年人日常照护场景打造出世界首款针对康养场景设计的“载人轮椅人形机器人”，除满足吃饭、喂药等基本高频需求外，还能辅助运动出行、辅助康复，用创新形态展示了养老照护机器人真正走入家庭的可能性。

技术向好的势头明显，需求也在持续激发。但理想与现实之间，沟壑仍在。

理想丰满，现实为何“难产”

居家养老是当下的主流观念。据京东消费及产业发展研究院调研，64.4%的老人更倾向于在家中安度晚年，其次是占比12.6%的社区养老。

与此同时，子女的焦虑也在转化为科技的推力。在具体安排上，40.7%的子女计划运用更多智能设备实现远程监护，用科技的力量加持守护老人的居家安全。

老人习惯待在家里，子女指望科技助力。这意味着，家庭场景是养老机器人必须攻克的主战场。

但家庭场景恰是最难啃的骨头，杂乱、多变、非标准化，对机器人的安全性、泛化能力和自主决策能力都提出了极高要求。

而想要攻克家庭场景，首先要克服的就是人工智能领域经典的“莫拉维克悖论”。这一悖论指出，人类觉得毫不费力的感知和动作，对AI来说难如登天；而那些需要逻辑推理的复杂任务，反而相对简单。

比如，让AI下围棋战胜世界冠军很容易，但让它避开火焰、轻拿鸡蛋，却难如登天。

以避开火焰为例，对于人类来说是本能反应，而机器人需要一段复杂的学习训练过程。它得先通过海量图片学习识别火焰，再推理判断危险程度，建立稳定的逻辑，计算躲避轨迹，最后协调全身关节，才能完成。

而在养老照护时，这些本能就变成了更具体的难题：如何扶起老人？如何判断跌倒风险？如何精准抓取药瓶？对机器人而言，每一个问号背后，都是海量训练数据和复杂算法。

更让人头疼的是泛化性。

一个场景的完美测试，难以保证多个场景的正常运行。现实家庭中，灯光变化、物体变动、宠物突然闯入都是常态，这对机器人的灵巧性和泛化性提出了更高要求。

而数据，正是机器学习、模型训练与测试的基础，也是机器人“变灵活”“变聪明”的关键。

湖州研究院院长许超幽默地比喻：“人工智能好比一个孩子，自动化是父亲，计算机是母亲，数据则是叔叔。”

但眼下最大的瓶颈，恰恰是数据不够。

“具身机器人就是宇树机器人上装一个Deepseek？他们极大地低估了和物体交互这件事情的复杂度。”自变量机器人CEO王潜直言。

具身智能不像大语言模型。大语言模型需要的语料大量存在于互联网上，获取相对容易。

但具身智能是一个在物理世界中行动的实体。人类靠五感感知世界、用双手交互；类比具身智能，它们也得模拟听觉、视觉、触觉，才能实现自主学习和主动服务。

这意味着它需要的数据更复杂、场景更丰富。光靠互联网文本和现有视觉数据？远远不够。

更矛盾的是，最需要机器人的家庭场景，偏偏是数据最难获取、最难使用的地方。

一来，卧室、浴室、卫生间等核心照护场景，高度涉及用户隐私，用户对视频录制、行为监测的接受度低，想要合法合规获取真实数据很难。

二来，老人摔倒、突发疾病等事件，这些关键时刻发生率低但后果严重，数据极难捕捉或模拟。

三来，每个家庭的布局、物品摆放都存在差异，机器人适应需要更多的数据。

此外，触觉、力度、情绪等信息，很难通过数字化方式量化标注，即便企业辛苦获取到原始数据，也面临标注难、使用难的问题。

数据缺失导致技术难以落地，技术难落地又导致机器人进不了家庭，进不了家庭就更拿不到数据，形成恶性循环。

但行业仍在不断探索。为了减轻数据缺失的限制，业内衍生出两种主要训练模式，两种模式并不冲突：一类是真实世界训练；一类是模拟仿真训练。

真实世界训练就是让机器人在实际物理环境里学习和调优。据《商业内幕》披露，特斯拉Optimus的实验室里，员工日复一日重复举杯、擦桌、拉窗帘等动作，用多台摄像机记录全过程，让机器人学习人类的自然行为。这就是真实世界训练的一种，这种方式最真实，但成本高、效率低、但难规模化。

仿真训练则是用Isaac Sim、Mujoco等物理引擎或神经网络搭建虚拟世界，让机器人在模型中训练。它高效、低成本、安全，但终究无法还原现实的全部随机性，只能作为辅助，不能完全替代真实训练。

这也意味着，破局点或许不在于追求100%的完美数据，而在于如何高效利用有限数据，打造出强大的数据飞轮。业内正在探索的本体迁移、跨场景泛化等方向，或能提供关键助力。

模型层面也有两大流派在角力：一是VLA模型，在语言模型基础上融合机器人动作模型；二是世界模型，通过对物理世界的预测与建模，推动机器人自主学习。

“黑猫白猫，抓到老鼠就是好猫。”数据和模型并非割裂的问题，未来具身智能的发展，需要两者共同融合推进。

“钢铁护工”谁买单？

眼下最需要养老照护机器人的，有三类：养老机构、中产家庭，以及家有失能失智老人的普通刚需家庭。

但最依赖科技减负的后者，往往最难承受智能设备的高昂定价。

纵使技术落地，价格也是桎梏。想让机器人走入千家万户，就不能把它做成“奢侈品”。

在AWE2026上，一众家电巨头已嗅到居家康养的长期机遇。海尔智家推出“海娃”系列三大家庭服务机器人，魔法原子也携MagicDog产品亮相参展……

文章配图-1

魔法原子仿生四足机器狗MagicDog

这也让外界生出一种期待：未来，养老机器人能否像冰箱、洗衣机一样，以大众化家电的定价飞入普通家庭？

从产业规律来看，这份期待具备可行性，但短期之内仍面临巨大压力。

现阶段，机器人成本高度集中于执行层，包括电机、减速器、伺服系统等硬件。随着国产化推进、规模化量产落地，这部分成本有望持续走低。

而目前占比较低的计算与灵巧操作部分，如AI芯片、灵巧机械手等，未来或将成为成本博弈的核心战场。长远而言，核心部件国产化越早、量产规模越大，整体成本下降越有底气，家庭化普及更可能实现。

但成本控制并非唯一的答案。支付方式的创新，或许更现实。

家庭、个人自付的单一模式正被打破，服务租赁、订阅制、平台模式开始进入视野。除了降低支付价格外，这些模式创新在另一方面也提高了机器人进家庭的可能性，给予机器人在落地过程中持续迭代的可能。

北京亦庄，全球首个智慧康养机器人养老驿站也已启用，既为老人提供“科技+养老”服务，也为机器人开发商提供了落地与数据采集的场景。

政策同样利好。2026年3月，长护险试点从49个城市扩大到70个。2018年，作为第一批试点城市的南通便发布《关于开展基本照护保险辅助器具服务的意见（试行）》，将医疗辅具纳入长护险范围。如今，南京、南通、苏州等多地已陆续出台配套政策，减轻家庭照护负担。

此外，多地推行“政府补贴+个人自付”组合机制，通过按比例报销、发放消费券等方式，降低家庭使用机器人的成本门槛。

中国电子科技集团公司第二十一研究所副总工程师、机器人及核心部件研发中心主任王洪武介绍，2025年，机器人减速器、伺服系统等国产化率已达约45%，成本较进口产品降低30%，叠加租赁、RaaS服务等新模式普及，例如广州、上海试点外骨骼机器人租赁，月费仅800元左右，这降低了家庭一次性投入门槛。

养老照护机器人家电化、普惠化在成本下探、政策加持、支付方式革新下，不再遥远。

结语

普通家庭“养”机器人防老，还要等多久？

三年、五年，还是十年？

焦继超认为：“进入家庭场景能够作业的人形机器人，至少要等8—10年左右的时间。”

王兴兴则坦言：“行业的发展很难预估，可能3到5年内会有明显的进步。不过，我觉得进入普通家庭还需要一个相对长的过程，因为涉及伦理道德和安全性问题。”

或许，这本就不是一道简单的时间题。

技术迭代的加速度令人目眩，养老机构、高端社区里，机器人的身影或许已近在眼前。但对最广大的普通家庭而言，这注定是一场漫长的等待。

只有当技术、数据、价格、伦理，四盏绿灯同时亮起，养老照护机器人才能真正走进千家万户。

]]> <![CDATA[人工智能+生态大会（AIEC 2026）在北京举行]]> 6月17日消息，日前，人工智能+生态大会（AIEC 2026）在北京举行。本届大会由清华大学全球产业研究院主办，中关村科学城管委会支持。来自国家信息中心、IDC、阿里云、腾讯、月之暗面、火山引擎、浪潮信息、美的、上海人工智能实验室、阶跃星辰、百川智能等知名机构和领先企业的专家代表围绕“人工智能+”从战略部署迈向产业实践的关键路径展开深入研讨。
国家信息中心信息化和产业发展部主任 单志广在主论坛上表示，人工智能正从训练阶段全面迈入推理阶段，Token调用量的指数级增长，是AI规模化应用最直接的量化标志。Token不再只是大模型处理文本的技术单位，而是贯通电力、算力、模型服务和应用价值的新型经济单元，推动AI基础设施评价标准从追求算力峰值，转向单位能效、成本效益与场景服务能力。单志广指出，凭借算力和能源基础设施、丰富的产业场景、活跃的开放生态等综合优势，伴随“人工智能+”行动深化，中国有望率先实现AI从技术突破到规模化落地的跨越，构建全链条产业竞争优势。
IDC 中国区总裁霍锦洁则从全球产业趋势角度进一步指出，全球人工智能产业正在进入自互联网浪潮以来最强劲的IT增长超级周期。本轮增长并非单一技术扩张，而是由AI算力建设和应用落地同步驱动：一端是数据中心、GPU等基础设施持续扩张，支撑大规模推理需求；另一端是企业AI应用从试验走向生产，智能体开始跨系统调用数据、规则、API和工作流，推动企业软件从“人的操作界面”转向“智能体可调用的业务能力集合”。IDC预计，到2029年，中国生成式AI市场规模将接近千亿美元，2024—2029年复合增长率达68%，中国成为全球最活跃的AI应用市场之一。
浪潮信息董事长彭震指出，AI产业革命不仅改变工具，更改变了“劳动者”的定义。随着 Agent成为企业生产力的重要组成部分，AI 原生转型的重点正在从个人提效转向组织进化。企业需要将智能体纳入组织管理体系，推动管理对象从传统的人、财、物，扩展到人、数字员工、数据和智能能力。围绕这一变化，彭震提出 Humagent（Human+Agent）组织概念，即企业从管理 Human 进化到管理 Humagent，通过重新定义岗位、角色、权限、责任边界和绩效评价，最大限度释放 AI 在企业中的智力贡献，同时保障企业运营的稳健、高效与低成本。
在这一过程中，人机协同成为组织进化必须回答的核心命题。清华大学全球产业研究院院长彭凯平指出，技术进步的终极目标是增进人类福祉而非替代人类价值。智能时代下，审美感、创造力与同理心是人类的核心特质，智能体与人类天然互补——前者承担标准化、确定性的执行工作，后者聚焦审美创造、战略决策与情感联结，共同构建人机协同的新型组织进化图景。
现场，作为开源模型创新代表，Kimi大模型相关负责人表示，中国开源模型的快速发展，正在打破前沿智能能力集中于少数闭源平台的格局，使更多企业、开发者和行业用户能够基于同一技术底座进行调用、适配和再创新。与此同时，模型竞争也不再只看绝对能力，而要看单位时间、单位 Token、单位成本内能够产生多少有效性能和任务价值。只有持续提升 Token 效率，让模型以更少消耗完成更复杂任务，开源模型才能真正降低智能能力的使用门槛，为后续工具、平台和应用生态繁荣提供基础。
但开源模型只是起点，模型能力本身并不会自动转化为产业生产力。要让 AI 真正进入开发流程和业务场景，还需要开放工具进一步降低开发、验证和交付门槛。阿里云Qoder解决方案总监韩红娜指出，AI Coding的变化不只是代码生成效率提升，而是软件生产方式正在从Code First转向Agent First。开发者的角色正从编写代码转向定义需求、制定规范和管理智能体，而编码、测试、修复等执行工作则更多由智能体完成。这意味着开放工具正在打破传统软件工具的边界，使AI从单点辅助能力演进为多智能体协作系统。
更深层次的变化发生在企业级平台与业务系统中。AI原生时代，企业正在从“流程驱动”转向“任务驱动”，从“系统协同”转向“智能协同”。腾讯资深产品专家汪晟杰进一步指出，当前企业智能体落地的瓶颈已从理解能力转向执行能力。企业不需要更聪明的聊天机器人，需要的是能干活、靠谱、可控的数字员工。从理解到执行，这是从"能聊"到"能干"的质变。
与此同时，在制造与工业场景中，美的集团美云智数副总裁魏晓刚指出，美的正在推动智能体从单点提效走向制造业全流程重构。围绕Factory Agent，美的将工艺、供应链、品质、设备等场景中的数据、知识和流程经验沉淀为智能体能力，形成贯穿研、产、供、销、服的Agent Factory，打造智能体1.3万个。这意味着，智能体在制造业中的价值不只是替代某个岗位或优化某个环节，而是通过多场景、多角色、多业务链路协同，进入企业日常运营系统，推动制造业从经验驱动、流程驱动，进一步走向数据与智能驱动。
素源矩阵创始人韩家乐则从OPC(One Person Company一人企业)的角度，展示了智能体赋能工业创新的另一种路径。作为依托智能体形成的新型组织形态，OPC正在放大专业个体与小团队的技术整合和产业交付能力。在一个典型的建材工业连续生产场景中，素源矩阵仅用4周便完成了在大型生产线上的系统部署，将过去高度依赖人工经验的工艺调整，升级为“机理模型+实时数据+人工确认”的协同决策系统，实现产品合格率提升3个百分点、单吨综合成本下降2%-3%。这一实践表明，智能体并非替代工业专家，而是在保留人类专业判断、人工确认和责任边界的基础上，帮助行业专家更高效地组织数据、模型与工程交付能力，形成更敏捷、更高效的“最小可交付组织”。
据悉，本届大会五大分论坛围绕AI Coding、企业级Agent落地、大模型产业化、OPC超级个体与智算中心Token服务展开，从模型能力、技术底座到产业场景、商业模式，系统呈现人工智能在千行百业中的落地路径。同期举办的“CIO研学营”与开发者市集，将讨论延伸至真实产业现场与动手实践空间，使技术探索与产业验证形成闭环。
]]> <![CDATA[促进数字阅读和传统阅读双向奔赴]]>
　　网络阅读具有方便、即时等特点，是现代阅读的重要方式，大家要合理利用。”数字阅读和传统阅读各有特点、各具优势。数字阅读方便快捷，但也容易快而不深。传统阅读节奏慢，但思考更趋深入。推进全民阅读，就要用好数字阅读和传统阅读两种阅读方式，把数字阅读“快”的优势充分发挥出来，把传统阅读沉心静思的作用持续巩固好，在有效克服浮躁心态、解决好浅层阅读问题上下功夫。

　　群策群力克服阅读浮躁心态。浮躁心态的形成，很大程度上源于环境裹挟。当身边大多数人都在刷短视频时，一个人拿起书本需要克服的不仅是自身惰性，还有来自环境的无形影响。反之，当阅读成为一种社群行为，个体便能在“他律”中获得“自律”的支持。全民阅读的本质在于通过“共”字实现从“我读”到“我们读”的转变，让阅读成为构建公共精神、凝聚社会共识的文化实践。就个体而言，应主动为深度阅读创造环境，固定每天一定时长的无屏时间，打造专属阅读角，让沉心阅读成为生活方式。在家庭中，可将亲子共读作为家庭生活的内容，以书香涵养良好家风。学校作为阅读的重要场所，可拓展师生共读时间，通过开设阅读课、举办读书会等方式，提升阅读的参与感、获得感。在社区中，可将阅读作为社会治理的一种方式，充分利用社区书屋、农家书屋等阵地，开展常态化阅读活动，助推形成联系更为紧密的社会治理纽带。

　　强化深度阅读的制度协同机制。深度阅读能力的塑造，既是个体认知训练的过程，更是社会文化建设的系统工程。2026年2月起施行的《全民阅读促进条例》，使全民阅读有了法治护航、制度保障，为用好数字阅读优势、厚植深度阅读土壤提供了有力保障。要进一步强化制度协同，增设针对深度阅读的引导性评价指标，从制度层面校正“唯阅读量”的单一评价导向。加强行业监管，引导平台适度引入内容多样性与知识体系性等参数，探索算法推荐的责任规范制度。把持续注意力、批判性思维、信息甄别能力等数字阅读素养纳入国民教育体系，在大中小学开设相关课程，形成深度阅读能力培养的长效机制。例如，北京市海淀区深入实施“典耀中华”主题读书行动，用人工智能赋能全学科阅读教学实践；北京师范大学将数字素养与网络安全防护能力融入课程建设与基层培训，引导学生及乡村教师掌握信息甄别、隐私保护、风险防范等核心能力。

　　构建“纸屏融合”的良性阅读生态。破除浅层阅读问题，并不意味着拒绝数字技术，而是要以传统阅读的“深”来牵引数字阅读的“快”，打造功能互补、体验融合、扬长避短的“纸屏融合”阅读生态。可利用数字阅读建立全面系统的知识谱系，再通过精读、深读、研读来培育“阅读耐力”，保障沉浸思考与独立对话的知识转化过程。还可提升利用数字技术水平，对传统阅读的载体、场景等进行数字化改造，以数字赋能传统阅读。例如，一些地方建设校园数字化阅览室，利用智能阅读终端，实现快速梳理作品脉络、深挖文本内涵，促进学生阅读兴趣和阅读效率双提升。同时，数字阅读平台可设立深度阅读专区，算法推荐向兼顾兴趣与思想挑战性转变，从“猜你喜欢”升级为“陪你读懂”。]]> <![CDATA[科沃斯正式推出首款开源机器人“八界” 开启具身智能共创时代]]> 科沃斯(603486)首款开源机器人“八界”正式开售，官方定价49990元。以此次发售为契机，科沃斯向全球开发者抛出橄榄枝，将家庭机器人赛道技术积累，打包为可调用、可编程、可二次创新的标准化开源技术平台，让开发者无需重复底层研发，依托成熟产业技术基座，高效完成具身智能创新应用的迭代与落地。这标志着科沃斯从自研自产机器人产品，全面进阶至搭建开放共享的具身智能产业生态。
科沃斯相关人士向记者表示，公司在机器人领域深耕28年，已经搭建起覆盖感知算法、运动控制、整机系统架构的完整全链路技术栈。依托全球超6000万台机器人规模化交付打磨迭代，公司构建了硬件自研设计、软件算法开发、量产制造一体化端到端硬核能力。
“八界”开源平台的推出，正是希望将这些沉淀转化为开发者可调用的能力。具身智能的开发者不用再重复“造轮子”，可以把全部精力聚焦创意构思与场景应用开发。
作为科沃斯首款具身智能开源机器人，“八界”实现全栈开放、层层可编程，为不同技术层级开发者定制低门槛开发路径：软件开源，同一平台，三种深度——同一套软件架构划分三种开发深度，编程新手、工程研发人员、高校科研专家均可匹配适配自身能力的开发模式。
据了解，“八界”内置45项移动、操作、环境感知核心原子能力，同步配套玩具收纳、寻物递物、桌面整理、洗衣机操控、鞋物收纳五大示范场景，支持零代码快速复刻。在此基础上，平台可拓展教学实训、创意项目开发、科研课题论证等多元使用场景。
“‘八界’的正式上线，标志着科沃斯在具身智能领域的战略布局迈出关键一步。”相关人士表示，未来，“八界”将继续深化“全栈开放、层层可编程”的开源理念，汇聚全球开发者智慧，共同推动具身智能从技术探索走向产业落地。
]]> <![CDATA[借“数智”之力，释放银发经济新活力]]>
　　AI赋能养老，聚焦老年人高品质生活需求，有利于筑牢民生兜底保障、培育长效产业发展，真正实现民生福祉与实体经济增量双向提升。当前，人工智能已经深度融入养老公共服务体系，落地成效清晰可见。例如，一些社区布设了跌倒报警、健康监测智能设备，公办养老机构借助AI完成人员调度、健康档案建档等工作。此外，智慧养老公共场景还带动了适老硬件、平台运维、上门康养等产业链壮大。

　　人工智能是赋能民生、培育新质生产力的重要载体。新时代，加强养老服务建设需坚持以人民为中心、投资于人的根本方向，秉持普惠均等、量力而行原则，将智慧养老基础设施纳入公共财政保障范围，依托公共服务场景培育银发消费市场，再以产业收益反哺养老保障长效运转。具体来看，可从以下方面进行探索。

　　优化财政资金投向，将养老预算、中央专项投资向县域乡镇与乡村老旧社区倾斜，优先为特困、重度失能老人免费配置智能监测终端，缩小城乡公共养老服务差距。同时，移植城市成熟养老运营模式与服务规范，培育乡村辅具租赁、居家适老化改造小微产业，激活县域老年消费潜力，实现民生保障提质与内需扩容双向共赢。

　　统一多部门数据采集、脱敏、互通规范，搭建全域老年人动态信息画像系统，依靠大数据精准拨付补贴、调配公共养老资源，持续提升保障精细化水平。在合规框架内向优质市场主体开放相关需求数据，用真实消费需求引导产业布局，推动银发产业从粗放供给转向个性化定制。例如，一些地区探索打通多部门数据壁垒，实现助餐、护理补贴一键核发，依托老人需求数据引导企业开发康复、上门照护等服务。

　　科技赋能永远不能替代温情陪伴。智能设备承担了一些机械化工作，减轻基层人员负担。人工服务则聚焦生活帮扶、心理疏导，补足机器所缺乏的短板。例如，浙江杭州余杭落地双轨服务机制，用智能设备筑牢居家安全屏障，社区工作人员定期上门，提供暖心关怀，把技术红利转化为老年人看得见、摸得着的晚年幸福感。

　　坚持事业与产业协同、科技与人文相融、城市与乡村均衡，方能让AI真正成为守护银龄幸福、驱动内需增长的持久动力，在社会发展进程中绘就老有所养、老有颐养的美好图景。]]> <![CDATA[：以AI制衡AI，构建金融业“共生式”大模型治理]]> 人工智能正在快速走进银行的核心业务，从写报告、做分析到放贷款、搞营销，大模型的身影无处不在。
但能力越强，风险也越不容忽视，它可能“胡说八道”，也可能被恶意攻击，甚至因“黑箱”决策让银行和客户都措手不及。
6月18日，中国农业银行董事长谷澍在2026陆家嘴论坛上表示，从大模型运行机理来看，模型风险是一种客观存在，“我们需要做的是如何既发挥其作用，又认识到其局限性，不追求风险的绝对消除，而是要建立与风险共生的治理体系。”

“除了模型黑箱、模型幻觉，模型自主思考与决策带来的不确定性也难以控制。”‌谷澍‌具体分析称，随着大模型能力的不断进化，系统已能够自主思考与决策，这放大了过程不可控、结果不可知的风险。
他结合农业银行的实践，就如何防范大模型应用风险提出几点建议：
首先是不同场景，不同管法，给大模型“分级定规”。‌谷澍‌称，对于信贷决策等强监管场景，采用模型蒸馏技术，让大模型在数据合成、归因分析和决策式模型生成等方面提供助力；对于投研分析等高认知场景，强化思维链（CoT）设计，构建清晰的“思考推理”轨迹，增强决策过程的透明度；对于产品营销等创意类场景，可充分激活模型的随机性来激发创新活力。
为了防止大模型“信口开河”，‌谷澍‌提到，设定一定的标尺约束控制模型幻觉，同时强化人机互补的约束机制。
“比如，我们应用AI赋能信贷调查报告智能生成，通过建立业务标尺、模型互检、模型反思、业务数据校准等方式，对模型生成的内容进行自动校验。但信贷方案、用信条件等关键内容审核要由人力主导，确保结果可控。”‌谷澍‌称。
风险应对方面，‌谷澍‌提到了以AI对抗AI的防御思路，包括部署专门的安全监测模型、建立全链路可信验证与准入机制、强化数据隐私保护，通过提示词注入防御、多租户会话隔离、输出内容拦截等措施，防范模型推理过程中的敏感数据泄露。
具体到银行内部AI治理体系，既要划清红线，也要留足试验田。
‌谷澍‌认为，一方面要健全“权责明晰与风险包容并重”的银行内部AI治理体系，确保AI既用得好、又管得好。另一方面，要明确责任边界，留足创新空间，建立分层的容错机制，防止未经充分验证的AI能力直接面客。
]]> <![CDATA[用AI来连接世界、拓展可能[1P]]]>
　　6月15日，青年代表在2026年世界青年发展论坛开幕式前与人形机器人互动。

　　6月16日，2026年世界青年发展论坛进入第二天。在一场主题为“人工智能与青年赋能”的论坛上，记者被身旁两位兴奋交流的代表吸引——一位是来自中国的叶子，另一位是来自尼日利亚的奇索姆·琼。有趣的是，奇索姆不会中文，叶子不会英文，但这并没有妨碍两人在短短几分钟内就交上了朋友，她们的“秘密武器”正是人工智能（AI）。
　　在聊天中，奇索姆得知叶子是一名AI视频制作的创业者，奇索姆说回到非洲后也要用AI赋能自己的工作。叶子得知奇索姆昨天在武汉街头迷路了，主动表示下次叫上她做向导。两个陌生人，就这样突破了语言的障碍，成了朋友。奇索姆对记者说，这就是AI的“神奇”所在——“只要你想，就能轻松地跨越语言的隔阂，交到朋友”。
　　这一幕让记者印象深刻。人工智能正在以前所未有的速度重塑世界，有人期盼、有人担忧。这份崭新的友谊，蕴含着一种深刻的意味：当技术真正服务于人与人的连接时，它所释放的能量远超我们的想象。
　　“用创新连接世界，用技术温暖人心。”正如全国青联副主席、每日互动董事长方毅所说，智能时代的画卷正在展开，它呼唤的不仅是代码和算法，更是青年人的责任与智慧。青年不仅是技术的追随者，更要做未来的定义者，既要敢于探索技术的无人区，也要致力于解决人类共同面临的难题。
　　联合国开发计划署代理驻华代表乔展在论坛上坦言，我们正处于一个历史性的关键时刻，人工智能已经从科幻小说中的内容变为现实，从根本上重塑着我们的生活、工作和交流方式。乔展同时指出了人工智能对当前就业环境的直接影响，如果我们不去主动弥合数字鸿沟和性别鸿沟，人工智能可能只会“自动地复制过去的不平等”。
　　“人工智能不仅仅是一个技术问题，更是社会正义的问题。”国际劳工组织中国和蒙古局副局长戴晓初在发言中强调，未来的工作不会仅由技术决定，还将由包括政府、雇主、工人、教育者、创新者和青年在内的众多利益相关者共同塑造。“青年人需要处于技术的中心位置，深度参与人工智能的设计与治理。”
　　那么，青年在这个进程中应该扮演什么角色？答案或许就藏在叶子与奇索姆的故事里。她们没有被语言的障碍困住，也没有被动地等待技术来“拯救”自己，而是主动拿起工具，用AI来连接世界、拓展可能。泛非青年联盟秘书长艾哈迈德·贝宁·维西昌谈到，每一代人都被一种变革的力量所塑造，对于前几代人而言，是工业化、电气化或互联网；而对于我们这一代人而言，则是人工智能。摆在我们面前的问题不再是人工智能是否会改变世界，而是人类是否会为了共同利益而塑造人工智能。
　　乔展在论坛上的发言意味深长：“环顾会场，我充满了希望。包括今天在座的各位都是数字时代的原住民，这些新技术对于你们来说如同第二天性，这意味着你们拥有独特的优势，不仅可以使用人工智能，更可以塑造它的未来。”
　　维西昌在演讲中也强调：“衡量人工智能成功的标准不是机器变得多么智能，而是人类是否因为他们而变得更加包容、公平，更有力量。”叶子与奇索姆的故事，或许就是对这个标准最好的注解。两个来自不同国度、说着不同语言的女孩，因为一项技术而相识相知，听起来简单，但它的未来无比广阔。
　　当青年不再是旁观者，而是创造者；当技术不再是冰冷的工具，而是温暖的桥梁——我们有理由相信，AI的未来属于每一个人，属于每一个像叶子和奇索姆那样，敢于伸出手、敢于用技术连接世界的青年人。]]> <![CDATA[你可能想不到，芯片，成为中国第一大出口产品]]> 在大家的心目中，因为我们自己的芯片产业相对落后，所以中国一直缺少芯片，所以芯片一直是中国对外依赖度最高的，进口金额最高的商品。

数据显示，过去的这些年以来，中国进口芯片的金额，一直在4000亿美元上下徘徊，也确实是进口金额最高的商品，超过了石油等等。

文章配图-1

但是，虽然中国芯片进口多，出口的芯片也不少，特别是到了2026年5月份，中国出口的芯片金额，已经超过了所有其它的商品，成为了第一名。

数据显示，2026年5月，我们出口芯片的金额达355.5亿美元（约合人民币2400亿元），同比增长了111%左右。

并且出口芯片的金额，在4月份的时候，就已超越自动数据处理设备，成为第一大出口单品，5月份自然也是出口金额最高的商品。

文章配图-1

这说明什么，说明我们芯片虽然进口多，但自身的发展也在加速，国内的芯片产能急速提升，在满足了自己的需求后，也开始大量向海外出口，卷向海外市场了。

事实上，从最近五年的芯片产能来看，也能够看出这一点，下图是最近五年国家统计局公布的芯片产量，以及增长率情况。

文章配图-1

可以看到，这几年除了2022年有所下滑之外（当年全球下滑严重），其它的4年都在增长，并且增长比例都不低，远高于全球的平均增长率。

自然而然，这么多芯片生产出来，又不能吃，只能是对外出口的。

所以2026年，我们可以看到，前面5个月，芯片出口金额已经高达近万亿元，创下了有史以来的最高纪录，同比增长了80%以上。

文章配图-1

中国芯片这么疯狂出口，谁最慌？当然是美国了，要知道美国之前一直垄断全球50%以上的份额，靠着芯片，美国从全球赚钱，并且不仅仅是赚钱，还赚到了政治利益。

如果中国芯片疯狂出口，抢走了美国的市场，对于美国的打压，会是非常严重的。

所以这也是为何美国这些年，不断的围堵中国芯片产业的原因，美国最怕中国芯片崛起了。

不过从现在的情况来看，围堵效果不明显，虽然对中国芯片产业造成了一定影响，限制了中国先进芯片的发展，却也成为了中国芯片崛起的动力和催化剂，让国产替代成为了主流。

文章配图-1

不过，虽然中国芯片出口猛进，成为了第一大出口商品，但大家也要清醒的认识到，那就是因为受EUV，以及先进 DUV 设备限制，目前我们的芯片制造，更多的还是以28nm、14nm 成熟 / 特色工艺为主，至于7nm及以下的先进芯片产能扩张有限，这个是接下来我们要重点突破的方向。

]]> <![CDATA[Phone也要涨价，国产手机松口气？]]>

文/观察者网 吕栋

当地时间6月17日，苹果CEO官蒂姆·库克在接受《华尔街日报》采访时透露，由于内存和存储芯片成本持续飙升，苹果产品价格上涨已经“不可避免”。

“我们正在尽力减轻转嫁给我们的巨额涨幅，也一直试图保护客户免受涨价的影响，但情况已变得不可持续。”他说道。

库克没有给出具体的涨价时间表、幅度或涉及产品线，但市场几乎一致认为，将于9月发布的iPhone 18系列将成为本轮涨价的首批承受者。

过去几个月，国产主流品牌集体经历了一轮痛苦的调价，从华为到小米，从OPPO、vivo、荣耀到一加，几乎所有厂商都在2026年春季先后宣布上调零售价，幅度从几百元到上千元不等。

而这一切的源头，是AI引发的存储芯片史无前例的产能挤兑，消费级LPDDR5X和NAND闪存的供应急剧萎缩，合约价在2026年第一季度环比暴涨近80%，第二季度继续上行。

存储价格的疯涨，让存储器件在手机BOM成本中的占比从过去的10%—15%跃升至20%以上，部分中端机型甚至超过40%。对于本来成本敏感的国产安卓厂商而言，涨价几乎是板上钉钉。

正是在这个节骨眼上，库克确认了苹果也将涨价。

此前市场曾预期，苹果为了保持市场竞争力，选择自行消化成本上涨，维持iPhone 18系列售价不变，尤其是标准版依旧守住5999元、Pro系列守住9999元的门槛，那无异于再度给国产手机加压。

毕竟，iPhone 17系列已经用市场表现证明了这一点，仅靠标准版升级高刷屏这一项，苹果就靠“加量不加价”压制了绝大多数国产高端机型，在6000—8000元价位段一骑绝尘。

根据RD观测的数据，截至今年5月底，iPhone 17系列在中国市场的销量累计约3232.74万台，华为Mate80系列国内销量累计约649.42万台，小米17系列的国内市场总销量约为508万台。

利润侧，苹果长期占据全球智能手机行业超过80%的利润份额，一台iPhone的销量足以碾压所有安卓高端机的总和，品牌溢价、二手保值率和生态黏性共同构筑了用户心智。

文章配图-1

iPhone17系列

如今，库克的表态等于宣告苹果不再硬扛成本。研究机构TechInsights估算，若要保持现有利润率，iPhone 18 Pro需要提价约270美元；即便苹果只消化一部分，业内普遍预测国行版Pro和Pro Max机型大概率会各涨1000元左右，分别站上9999元和10999元的起步价，标准版也可能从5999元上探至6999元。

这意味着，国产旗舰的压力得到一定释放，当iPhone Pro Max超过万元时，国产Ultra影像旗舰卖到八九千甚至万元附近，也不再显得那么“离经叛道”。

然而，断言国产手机可以“松一口气”，恐怕还为时尚早。苹果涨价确实给了国产厂商一个定价窗口，但这扇窗能开多久、能开多大，完全取决于国产产品自身能否真正撑起那个价格区间。

存储涨价是全局性的，苹果扛不住，国产厂商同样扛不住，而且后者的供应链议价能力更弱、高端芯片和屏幕等核心器件还高度依赖外部供应，成本压力只会更重。

Counterpoint Research的数据显示，2026年全球智能手机出货量预计同比下降近14%，创下2013年以来新低，消费者换机周期已拉长至36个月以上。

在整体市场萎缩、成本居高不下的双重夹击下，国产厂商面临的不是“涨价或不涨价”的选择题，而是“涨了能否留住用户、不涨能否活得下去”的生存题。

更深一层看，苹果的涨价策略本身就带有明显的战略意图。库克选择在6月对外吹风，恰恰是为了在9月新机发布前建立市场预期，避免届时价格跳涨引发消费者反感。

这种做法体现了苹果对自身品牌忠诚度的自信，即便涨价，核心用户群体依然会买单。

反观国产厂商，在经历了过去几年的高端化尝试后，除了华为在芯片突破后保持了较强的溢价能力，其余品牌在5000元以上价位段依然根基不稳。

一旦苹果涨价后的实际市场表现证明“高价依然畅销”，那反而会进一步巩固苹果在超高端市场的统治地位，国产厂商若不能在这一窗口期内建立起自己的技术壁垒和品牌叙事，等到存储芯片供应恢复、成本回落，苹果随时可以再次降价收割，届时国产高端可能会被压缩到更狭窄的生存地带。

所以，所谓“松一口气”，更像是短暂喘息。存储芯片涨价改变了手机行业的成本结构和竞争逻辑。过去靠性价比走量、靠中低端机型维持规模的做法，在成本高企和市场萎缩的双重压力下难以为继。

苹果的涨价给了国产厂商一个千载难逢的定位调整期，但最终能走多远，不取决于对手的定价，而取决于自己能否在芯片、影像、系统和生态上拿出真正不可替代的价值。

华为的回归已经证明了国产手机冲刺高端并非没有可能，但其他品牌仍需在技术上拿出更多实打实的突破。

]]> <![CDATA[美国卡脖子，又给中国AI打了广告]]>

文章配图-1

特朗普政府日前以“存在越狱威胁”为由，对美国人工智能公司Anthropic的两款前沿模型Fable 5和Mythos 5实施出口管制。Anthropic随即宣布，在全球范围内关停两款模型的访问权限。

文章配图-2

令人啼笑皆非的是，美国不仅限制所谓“战略竞争对手”，就连铁杆盟友，甚至亲手参与搭建Anthropic这两款AI模型的外籍骨干都不放过。 如此无差别攻击再次让世界看清，对美“技术依赖症”的风险可能是致命的。法国总统候选人称这是一记“警钟”， “一个在技术上依赖他国的国家，随时可能在一夜之间被切断服务”。加拿大总理卡尼也发出“只有一个选择绝非好事”的警告，直言欧洲和加拿大过度依赖少数美国AI模型是“犯错”。

而美国这波操作，又意外地给中国开源AI打了一则“全球广告”。就在Anthropic模型设限之际，中国AI企业展现出了截然不同的开放姿态。智谱正式开源旗舰模型GLM-5.2，采用最宽松的MIT协议，允许免费商用，且训练与推理均未依赖海外算力。DeepSeek将旗舰模型V4-Pro的API价格永久下调至原价的四分之一，创全球大模型价格新低。有分析指出，“DeepSeek+国产芯片”的组合正通过极致性价比，在普惠级大模型市场构筑起难以撼动的地位。

文章配图-1

一边是凭借技术优势动辄断供断服，一边是立足自主产业链根基，向全球敞开技术大门。两种发展路径形成鲜明对比，也展现出清晰的价值分野。正如智谱在公告中表示，“前沿智能不应只属于少数人，也不应被少数规则随时收回”。 在“AI重构一切”的今天，谁在筑墙，谁在修路，一目了然。

多年来，从芯片到半导体，从操作系统到量子计算，凡是美国掌握的“关键技术”，无一不被当成武器和筹码。如今，卡脖子轮到了AI领域，其核心目的，同样是人为设置政策壁垒、技术门槛，攥死顶尖AI算力、核心模型权限，遏制他国技术追赶的步伐。

但问题是，墙再高，也挡不住技术种子的扩散。世界热烈拥抱AI，需要的是稳定可靠的技术伙伴。由于性能领先、多数开源、API调用成本较低，中国模型已在OpenRouter等Token分发平台上占据领先位置，叠加Anthropic两款领先模型下架，未来国产模型API调用量有望进一步提升。 中国AI自主可控、安全稳定、互利共赢的发展路径，补齐了全球AI生态中稀缺的“确定性拼图”，持续拓宽着全球创新边界。

在单边主义、保护主义抬头的当下，中国AI的开放普惠之路，更诠释了大国责任与担当。如今，中国开源AI已在全球多地生根发芽——人工智能养殖技术助力柬埔寨当地渔业增产增收；去年缅甸强震救援中，7小时极限开发的中缅英互译系统，打通救援生命线……实践证明， 技术进步的意义从来不在于设置门槛，而在于让更多人“跨越门槛”，开放包容、互利共赢，才是科技发展的永恒大势。

“武器”只会制造裂痕，道路才能连接世界。面对“封锁”与“开放”这两条路，世界，一定会走向有光的那一边。

图源：视觉中国

来源：北京日报客户端

]]> <![CDATA[AI成为618消费服务新基座]]> 6月19日，值得买科技发布2026年618大促战报。

618期间平台品类GMV TOP5为手机通讯、大家电、生活电器、电脑整机、酒类；GMV达百万元及以上的品类中，同比增速最快的五大品类为摩托相关、到家服务、珠宝首饰、女包和户外鞋袜，分别为111.73%、66.41%、60.48%、54.30%和30.98%。
值得一提的是，今年618，AI正加速从消费决策辅助工具演变为消费服务基础设施，并进一步融入内容生产、智能推荐、决策服务及生态协同等多个环节。平台AIGC内容阅读时长同比增长135.61%，“海纳”MCP Server内容输出量达7.30亿，消费服务能力进一步向大模型、智能体和智能终端等外部生态延伸。另一方面，基于AI提效，星罗创想合作商品数量提升55%，日晟星罗AI素材使用占比高达35%，展现出AI在品牌营销中的具体应用成效。
与此同时，AI在需求端的快速普及，也直观体现在消费者的数码选购新趋势之中。618期间，平台内AI相关的智能终端产品持续升温，AI眼镜、AI学习机、AI录音笔GMV分别同比增长163.32%、156.11%和90.15%。
“什么值得买”运营中心负责人张昭表示，今年618是AI深度融入消费链路的一次集中体现。用户正在更自然地借助AI获取信息、比较商品和辅助决策，平台和品牌也在通过AI重塑内容生产、营销服务和用户连接方式。
]]> <![CDATA[全球首个人形机器人通用小脑：2万小时人类动作数据，零样本泛化]]> 近年来，随着具身智能快速发展，机器人正在逐步获得理解环境、理解任务和执行复杂指令的能力。
然而，要让机器人真正进入现实世界，除了负责感知、理解与决策的“大脑”，同样需要一个能够完成全身协调控制、实时运动执行与稳定身体控制的“小脑”。
机器人需要在毫秒级时间内完成全身数十个自由度的实时协同控制，在复杂环境中保持平衡，在受到外部冲击时快速恢复稳定，并持续完成高动态、高精度的动作任务。
这些能力共同决定了它能否突破实验室演示，真正成为现实世界中的“生产力工具”。
近日，银河通用机器人正式发布AstraBrain-WBC 0.5，这是银河星脑（AstraBrain）技术体系下，面向人形机器人全身实时运控的小脑基础模型。
作为银河星脑（AstraBrain）技术体系的重要组成部分，AstraBrain-WBC 0.5聚焦于机器人“通用小脑”基础设施级的能力建设，是银河通用在人形机器人运动智能领域的重要技术里程碑。
它不仅实现了对全身运动控制能力的系统性构建，更首次将GPT所代表的规模化训练范式引入人形机器人实时运控领域，为构建机器人运动基础模型开辟出一条全新的技术路径。
AstraBrain-WBC 0.5之所以引领人形机器人迈入“GPT时代”，并不仅仅因为采用了Transformer架构。
模型基于约20亿帧人类动作数据训练而成，数据规模比肩GPT-1量级，模型参数规模达到8000万级别，是全球首个达到该量级的人形机器人全身实时运控大模型。
更重要的是，它首次在人形机器人运控领域验证了类似GPT的Scaling Law——当数据规模、模型规模与训练体系同步扩展时，机器人的运动能力同样能够持续提升，并展现出更强的泛化性、稳定性与适应能力。
正如GPT推动人工智能从任务模型时代迈向基础模型时代一样，AstraBrain-WBC 0.5所探索的，是机器人运动控制从“单技能训练”走向“运动基础模型”的可能性。
这不仅是银河星脑在“小脑”维度的一次重要突破，更意味着人形机器人正在从“技能时代”迈向“基础模型”时代。



亮点一：20亿帧人类动作数据训练，打造行业最大规模人形机器人运动语料库


大模型时代有一个被反复验证的规律：能力来自规模。
GPT之所以能够展现出强大的泛化能力，本质上源于海量数据与大规模模型共同作用下产生的能力涌现。而AstraBrain-WBC 0.5所探索的，正是这条路径在人形机器人运动控制领域的首次验证。
为训练AstraBrain-WBC 0.5，银河通用机器人联合研究团队构建了目前行业最大规模的人形机器人动作训练数据集，累计汇聚约 2 万小时人类动作数据，覆盖舞蹈、运动、日常行为、工业操作、协作搬运等丰富场景。


这些数据不仅规模庞大，更具备极高的动作多样性。
相比传统动作数据集中大量重复的行走、站立等高频动作，AstraBrain-WBC 0.5的数据体系覆盖了复杂舞蹈、高动态运动、快速转向、跌倒恢复、协作搬运等大量长尾动作，为模型提供了更加丰富的人体运动先验。
结果显示，其动作空间覆盖范围相比行业广泛使用的数据集AMASS提升约4至5倍。
在此基础上，研究团队进一步将模型规模扩展至8040万参数级别，使AstraBrain-WBC 0.5成为全球首个达到GPT-1量级的人形机器人全身实时运控大模型。
这一规模在行业内具有里程碑意义。
此前业内代表性工作GAE训练数据规模数千小时、模型参数规模约1000万；SONIC训练数据规模约700小时、模型参数规模约1000万至2000万。
相比之下，AstraBrain-WBC 0.5无论在训练数据规模还是模型容量上都实现数量级跃升。



亮点二：首次将GPT式架构引入机器人运控领域


长期以来，人形机器人运控模型大多采用浅层MLP网络，这类模型虽然结构简单，但容量有限，很难随着数据规模增长持续获得性能提升。
AstraBrain-WBC 0.5则彻底改变了这一思路。
团队首次采用GPT风格的因果Transformer架构，将机器人全身控制重新定义为一个连续序列预测问题。


简单来说，AstraBrain-WBC 0.5不再只关注当前时刻应该如何运动，而是能够结合过去连续动作历史，对未来动作趋势进行实时预测和控制。
这种能力与GPT理解语言序列的方式高度类似，机器人看到的不再是孤立动作，而是一段连续的运动“语义”。
与此同时，研究团队还构建了由384个动作专家组成的运动先验库，并通过蒸馏训练将其融合为统一控制模型，实现从“专家技能集合”到“通用运动基础模型”的跃迁。
最终形成的AstraBrain-WBC 0.5模型参数规模达到8040万级别，已经接近GPT-1时代的数据和模型规模。
更重要的是，AstraBrain-WBC 0.5并非简单地把模型做大。
该工作首次验证了机器人运动控制领域同样存在类似GPT的发展规律：

随着数据规模从百万级扩展至20亿帧、模型规模持续增长，模型性能持续提升，零样本泛化能力不断增强，没有出现传统运控模型常见的性能瓶颈。

这意味着，人形机器人运动控制正迈向“基础模型时代”。
如果说过去的机器人是在学习单个技能，那么AstraBrain-WBC 0.5更像是在学习整个人类动作世界。



亮点三：全身协同、敏捷运动、毫秒响应，让机器人拥有更接近人类的运动能力


规模化带来的价值最终体现在能力上。
AstraBrain-WBC 0.5 展现出了此前人形机器人运控系统难以兼顾的四项核心能力。



更高自由度的全身协同控制


传统控制器往往擅长单一动作，而在复杂全身协调任务中容易出现动作割裂。
AstraBrain-WBC 0.5在29自由度机器人上实现了全身协同控制，完成手脚联动、重心切换、身体协调等复杂动作。
无论是舞蹈、运动还是协作搬运，都能够保持稳定自然的动作表现。





更高动态运动能力


在真实机器人测试中，AstraBrain-WBC 0.5实现了大量训练集中从未出现过的高动态动作零样本执行。
包括篮球、拳击、舞蹈、翻身起立、协作搬运等复杂任务均能够直接完成，无需针对单个任务重新训练。
这意味着机器人首次展现出类似“运动泛化”的能力。面对从未见过的新动作，也能够快速完成迁移。



毫秒级实时响应


机器人控制必须满足严格实时性要求。
研究显示，AstraBrain-WBC 0.5经过工程优化后，在单张RTX 4090显卡上实现低于1.5毫秒的端到端推理延迟，整套动捕链路设备的延迟小于20毫秒，可满足50Hz实时闭环控制需求。
从感知到决策再到执行，动作切换流畅自然。
即使连续复杂动作之间切换，也能够保持稳定控制。





前所未有的鲁棒性


对于机器人而言，真正困难的从来不是完成一次动作，而是在各种干扰条件下持续稳定运行。
AstraBrain-WBC 0.5通过大规模运动先验学习，能够在快速运动、重心变化、复杂接触切换等场景中保持稳定控制。
论文数据显示，随着数据规模从200万帧扩展至20亿帧，模型零样本跟踪误差持续下降；模型成功率从83.26%提升至92.58%，验证了规模化训练带来的显著收益。
机器人在“小脑”维度第一次展现出类似大模型时代的Scaling Law特征。





亮点四：从实验室走向产业，打开机器人运动能力的商业化想象空间


AstraBrain-WBC 0.5的意义不仅在于技术突破。
更重要的是，它为机器人产业打开了新的应用空间。



作为运控基座模型产生高质量动作数据


对于研究机构、开发者以及数据采集团队而言，AstraBrain-WBC 0.5提供了一套覆盖海量动作模式的运动基础模型。
基于AstraBrain-WBC 0.5的稳定泛化全身控制能力和灵巧操作能力，可以轻松采集高质量的VLA操作数据。
这将大幅降低人形机器人全身控制模型训练门槛。



即想即有，创意内容实时跟踪


借助泛化的实时动作跟踪能力，开发者可以快速生成舞蹈、演艺、互动展示等复杂动作内容。
过去需要数周训练的动作设计，如今有望实现实时生成与快速部署。
机器人动作创意创作进入全新阶段。



人不能及，“我”先到


在应急救援、危险环境处置、灾害现场搜救等场景中，人类往往面临高风险挑战。
AstraBrain-WBC 0.5支持实时全身遥操作与复杂动作跟踪能力，使机器人能够率先进入危险区域执行探测、处置和救援任务。
未来，这种能力有望成为应急救援体系的重要组成部分。





亮点五：模型全面开源，邀请全球开发者共建机器人基础模型生态


与GPT推动人工智能生态繁荣类似，银河通用机器人希望AstraBrain-WBC 0.5成为机器人运动基础模型发展的重要起点。
目前，AstraBrain-WBC 0.5相关论文、代码与技术成果已经全面开源，向生态开放。


银河通用机器人期待与全球研究机构、高校、开发者及产业伙伴共同推动机器人运动基础模型的发展，加速具身智能技术创新与产业落地。



人形机器人能力跃迁的一块“关键拼图”


AstraBrain-WBC 0.5的出现，使人形机器人运动控制开始具备基础模型化能力。
通过大规模数据与GPT式架构的结合，机器人不再局限于单一动作学习，而是逐步形成可泛化的通用运动生成与实时控制能力。


对于银河星脑（AstraBrain）而言，这一突破意味着具身智能从认知到执行的关键闭环正在被补齐，具身智能将具备真正面向真实世界运行的基础能力支撑。
对行业而言，它标志着人形机器人运动控制正在迈向基础模型驱动的新范式，能力增长路径首次变得清晰且可规模扩展。
对产业与商业而言，人形机器人从“可演示”走向“可部署、可持续运行”的分水岭正在出现，AstraBrain-WBC 0.5为机器人规模化进入零售、工业与服务场景提供了底层能力基础。
人形机器人迎来从实验室走向真实世界应用的关键拐点。
银河通用通过AstraBrain-WBC 0.5所代表的技术路径，率先完成从运动控制能力到基础模型范式的关键跨越，并持续引领具身智能的演进方向。
]]>