搜索“多模态”

务具身智能、物理AI、本地离线数据审核等多样化场景。例如彤央TY1200算力终端，可离线运行大模型，完成投资材料分析、合同审核等数据敏感业务；也可以作为具身智能设备的“外挂大脑”，为物理AI提供本地实时推理能力。 依托“通用GPU+自研软件栈”底座，天数智芯已经在众多行业形成落地案例：工业领域完成时序大模型训练微调与大模型推理部署，赋能工艺优化；金融行业支撑多模态大模型、蒙特卡洛模拟、金融估值计算；能源矿业实现物探全流程千卡级部署、智慧矿山视频智能分析；城市治理完成交通长尾事件识别、园区存量摄像头智能巡检；医疗场景对接医院业务系统，落地病历质控、医保审核、ICU辅助决策等。 04 超节点下半场：从拼卡数到拼使用价值 回看这一年的超节点竞赛，厂商的路线已经分化成两条。一条路线追求超大规模，能够支撑超大参数模型训练。华为、曙光等把超节点做到跨机柜、千卡级，追求最大的算力规模，但这类方案配套专属液冷与供电，往往要求专门机房，供电、承重、散热都要改造，改造成本高、部署周期长。另一条路线选择通用单机柜形态，机房改造成本可控，但受限于空间、散热约束，单机柜内部可集成的GPU数量有限，超节点的算力密

匹配字段正文

宣布关闭，Mighty Coconut再次裁员，部分项目暂停开发，VR游戏行业仍面临经营压力与商业化挑战。 政策方面，国内提及VR/AR的相关政策共有19条，包含8条国家政策，11条地方政策。按地区来看，广东地区政府颁布的相关政策数量较多，有3条。从政策方向来看，文旅与文化遗产保护仍是重点，并向体育、智能建造等场景拓展。技术层面，政策聚焦空间计算、近眼显示、多模态交互、轻量化终端及AI大模型、智能体（Agent）的融合应用。 以下为2026年9月月报节选： 点击【此处】 可获取“2026年9月月报”完整版 投稿/爆料：tougao@youxituoluo.com 稿件/商务合作： 林南（微信 19250561593） 加入行业交流群：林南（微信 19250561593） 版权申明：本文为VR陀螺原创，任何第三方未经授权不得转载。如需转载请联系微信：vrtuoluo233 申请授权，并在转载时保留转载来源、作者以及原文链接信息，不得擅自更改内容，违规转载法律必究。文中有图片、视频素材来自互联网或无法核实出处，如涉及版权问题，请联系本网站协商处理。 元宇宙数字产业服务平台 下载「陀螺科技」

匹配字段正文

专门团队押注长期安全，马斯克创办 xAI，谷歌整合 DeepMind 推出 Gemini。国内则开启 “百模大战”，百度、阿里等大厂的大模型集中亮相，智谱、月之暗面、深度求索等创业公司也开启密集融资。2024 年是 Anthropic 的爆发年，在各个方向都拿出了代表作。3 月，Claude 3 系列一次性推出三款产品，覆盖旗舰、均衡、轻量三大场景，并补齐了多模态能力。其中旗舰模型 Opus 默认支持 100K 的处理长度，在长文本评测中表现出极高的准确率，首次反超 GPT-4，将长上下文技术转化为扎实的产品竞争力。随后在 6 月登场的 Claude 3.5 Sonnet 模型能力迎来大幅提升，在多项核心指标上追平 GPT-4o；到 10 月推出升级版时，该模型在代码评测集 SWE-bench Verified 上超过了当时所有闭源竞争对手，让 Anthropic 在软件工程与智能体开发市场中取得了明显的竞争优势。真正让 Anthropic 拉开身位的，是 2024 年 5 月掀起的那场可解释性热潮。2021年，“可解释性” 和 “工具使用强化学习” 还听起来都过于学院派，远不如堆参数

匹配字段正文

0 SSD等重点产品参展，呈现面向AI PC与端侧AI应用的高性能内存及高速存储能力。 在D079展位，晶存科技还展示了ePOP5、eMMC、UFS及其他PCIe系列SSD，以及面向工业与汽车电子应用的工规、车规eMMC及LPDDR系列产品，覆盖不同终端的性能、功耗与可靠性需求。 96GB＋9600Mbps拓展AI PC内存选择 面向AI PC本地模型推理、多模态处理及多任务运行对内存容量和带宽的需求，晶存科技重点展示“双96”LPCAMM2内存模组。 该产品单模块容量达96GB，最高数据速率达9600Mbps，可为模型加载、数据缓存和多任务并行提供更充足的内存空间与带宽支持。 产品基于LPDDR5X，采用78×23×3mm紧凑模组设计，并提供16GB、32GB、64GB及96GB多种容量规格。压接式连接与模块化设计兼顾高带宽、低功耗和空间利用，保留了内存可拆卸、可维护及可升级的特性，为AI PC整机设计提供更多选择。晶存科技“双96”LPCAMM2已完成国际头部PC终端厂商相关平台的适配验证，进一步验证了产品在AI PC平台中的兼容性、稳定性与应用能力。 高带宽内存与高速SSD支撑终

匹配字段正文

操作与超高可靠性体验，以及IEEE 802.15.4ab标准下UWB技术从近距离感知向基础设施级空间智能的跨越。此外，会议还将特别关注5G NTN与自主网络，分享定制芯片在推动卫星通信与无人机互联中的关键差异化优势。 面对生成式AI的爆发，Ceva将全方位展示“物理AI”时代的落地路径。议题涵盖从突破内存墙、推动LLM推理从云端向边缘侧拓展的关键策略，到针对多模态工作负载的前瞻性NPU架构设计。特别是针对功耗与成本敏感的场景，会议将深入挖掘1 TOPS以下“小模型、大规模”的应用蓝海，探讨如何在受限设备中实现高效能AI部署，为下一代智能终端注入强劲算力引擎。 感知与实践：夯实传感基石，见证生态落地成果 作为智能设备的“五官”，感知技术的创新同样不可或缺。Ceva将探讨IMU传感器如何从机器人到TWS耳机发挥主力作用，并结合合作伙伴的实际案例进行展示。特设的AI落地实践环节，将由Bdsound等生态伙伴现身说法，演示基于Ceva技术的真实产品解决方案。从底层传感器到上层应用算法，本次大会将为您呈现一个从技术创新到商业闭环的完整生态图景。 欢迎报名参加2026 Ceva技术研讨会，与行业领

匹配字段正文

台前的产品，这份尝试值得肯定。但它需要跨过的门槛一个没少：生态授权、完成度以及留存率。首销数字只是第一道关，真正的答案，要等微信、支付宝们的风控动作，等第三方实测的跨App执行率，也等90天后第一批用户的周活。 不甘做云侧卖水人：模型公司的终端野心 阶跃星辰早期被列入“AI六小虎”，但成立头一年几乎隐身。到2024年起才打破沉寂，连续发布一系列模型，才确立“多模态卷王”的技术地位。 尽管有了清晰的技术标签，但C端应用始终未成爆款，前有Kimi出圈，后有DeepSeek和大厂阻击，阶跃C端线基本宣告失败，错失了百模大战的市场声量与品牌认知黄金窗口期，也影响了后续的融资和上市节奏。 直到今年1月，印奇出任阶跃星辰董事长，负责战略节奏和技术方向。这位“双料董事长”，带来的是旷视科技两度冲击上市的经验、千里科技“AI+汽车”的产业资源，以及一套更强烈的资本市场视角。 按照印奇的设想，阶跃既不靠卖硬件赚钱，也不靠应用预装和广告分成。他真正想要的，是用户把足够多的日常任务交给Amoo。任务越多，模型调用和服务分成越多，阶跃才可能越过硬件利润，建立持续收入。 说白了，他不甘心只做云端的卖水人，也不满

匹配字段正文

Meta公布的六项对比测试中排名第一，但中国开源模型在软件工程等部分任务上仍占优势。 财联社10月16日（编辑 史正丞）当地时间周四，近来在AI领域势头正盛的Meta发布开放权重大模型Muse Spark Open，并与苹果合作，推动这款模型在Mac电脑上本地运行。 （来源：公司官网） 具体来说，Muse Spark Open是一款采用“混合专家架构”的原生多模态模型，总参数量为8160亿（其中420亿为活跃参数），上下文窗口大小可达100万词元。Meta表示，该模型专为编码与智能代理任务设计，在处理长周期任务、复杂软件工程问题以及多步骤推理方面表现极为出色。 当然，Meta将其称为“迄今能力最强的美国开放权重模型”，也是有原因的。 根据Meta自己公布的测试结果，与市场上前沿开源模型进行比较，Muse Spark Open在工作流程、工具调用、知识推理、知识可靠性，以及复杂视觉推理和图像事实问答这6项测试中排名第一。 但数据也显示，在软件开发及其他某些任务方面，Kimi、千问、智谱等中国开源模型依然更胜一筹。 更引发市场关注的是，此次发布还有意外进展——苹果和Meta竟然携手共事。在

匹配字段正文

00℃的极限高温工况下，仍能清晰还原工业现场的实景与细节，辅助用户精准控制生产质量。 此外，物联感知与AI大模型的融合，还催生了覆盖更多场景的系列产品。在质量检测展区，红外测温分析系列摄像机为产线带来"AI测温"方案：AI能力深度融入热像仪，实现流动工件实时精准测温；搭配大模型SOP训推一体机，可快速生成缺陷检测算法，有效提升产品良率。 在设备监测展区，搭载多模态大模型的云眸智能体化身工厂"数字员工"，一句话即可自动完成巡厂、能耗复盘等管理工作。 在生产运营展区，六款扫码PDA新品搭载AI大模型，让特殊场景条码"一扫可得"，如在切削液飞溅的CNC车间，可精准扫读金属件上的DPM码；站在地面，即可识读10米高货架上的条码。ChatBI数据分析智能体则能接任务、做分析、出报告，实现 "只要会打字，就能进行数据分析研判"，快速优化工艺、控本提效。 在安全生产展区，大模型被装进前端摄像机，人员闯入危险区域、未按规定穿戴作业、机械臂作业区滞留等隐患，在一线即可识别并即时干预；针对炼化、化工等行业的气体泄漏难题，TDLAS气云成像遥测仪融合激光监测、气云成像与可见光三大技术，搭载大模型增强算法，微

匹配字段正文

撞发生的时间，并利用预设的物理参数计算弹跳轨迹。但面对木桌、玻璃或地毯等不同表面，系统并不一定能够自动判断它们的弹性、摩擦等物理属性，从而生成符合现实规律的交互效果。 这种局限也让虚实融合在很大程度上依赖开发者对场景的预先设计。虚拟物体可以按照设定的规则与现实空间互动，但要面对千差万别的真实环境，自动理解物体属性并生成合理的物理反馈，仍然有很长的路要走。随着多模态AI向三维空间推理和物理理解延伸，这一问题开始出现新的解决思路。 二、Google让AI重建物理世界，虚实融合迎来新变量 近年来，AI与XR的结合已经从传统的语音问答，逐渐向结合现实环境的智能交互发展。 早在2024年，Google Research提出XR-Objects研究原型，结合物体识别与多模态大模型，让用户能够直接围绕现实物体获取信息或生成虚拟内容。今年1月，Meta进一步推出MR语言学习应用Spatial Lingo，通过Quest识别并定位现实物体，再利用Llama模型生成对应的语言学习内容。 Meta Spatial Lingo技术架构 图源：Meta Developers Google最新发布的Gemini

匹配字段正文

围环境，同时避免主处理系统长时间保持运行状态。 图源：千问 硬件方面，HX6538采用Arm Cortex-M55处理器与Ethos-U55 AI加速架构，支持实时端侧视觉AI推理，可识别人体及特定事件。当系统检测到相关事件或人员出现时，芯片会根据需要唤醒主系统，执行进一步的AI处理，从而减少不必要的系统活动，降低整体功耗并延长眼镜续航。 奇景光电表示，随着多模态大模型及AI Agent技术的发展，智能眼镜正从被动响应语音指令，逐步向持续感知环境、理解实时上下文及主动提供服务的方向演进。不过，受限于设备体积、重量和电池容量，如何在低功耗条件下实现常开视觉感知，一直是智能眼镜面临的重要技术挑战。 WiseEye采用低功耗感知与端侧AI相结合的设计，使设备能够在本地完成初步视觉分析，仅在必要时调用主系统处理，为AI眼镜进一步实现主动记忆、主动服务及主动决策提供技术支持。 奇景光电首席执行官Jordan Wu表示，此前已有一家全球主要科技企业在其智能眼镜产品中采用WiseEye技术，此次再次获得阿里巴巴千问AI眼镜选用，进一步验证了该方案在超低功耗、常开感知及端侧AI处理方面的能力。公司看好

匹配字段正文

15日，北京时间早上8点后，DeepSeek网页和App显示“服务器暂时不可用”。图：IC photo 英文报道 DeepSeek Restores Services After Nearly Five-Hour Outage相关报道【财新周刊】中国AI芯片崛起｜AI革命之五DeepSeek发V4.1-Flash取代V4-Pro 价格下调DeepSeek上线多模态模型 价格和V4-Flash正式版一致DeepSeek-V4-Pro正式版上线 调用价格大幅上涨宇树科技IPO估值600亿元 DeepSeek参与战略配售 【财新网】10月15日上午，DeepSeek出现网页、App及API服务中断问题，故障时间接近5小时。 根据DeepSeek官网的服务状态页，自10月15日8点11分起，DeepSeek-V4-Pro API服务、DeepSeek-V4.1-Flash API服务和对话服务陆续出现部分中断或性能下降的问题。9点08分起，DeepSeek的对话服务完全中断。 DeepSeek在9点06分称，已定位原因，正在实施修复，并在13点04分解决问题。全程历时4小时52分钟。 推荐进入

匹配字段正文

景，宣称可在设备功耗与空间约束下实现每秒1000个token的推理性能。 ▲端侧智能方向产品布局（图源思敏威） 算力网络方向，该公司围绕Prefill-Decode分离、Attention-FFN分离，构建3D-HPU与XPU等其他AI计算单元协同的异构推理体系，面向企业私有化部署和私有数据中心。 ▲算力网络方向产品布局（图源思敏威） 具身智能方向，思敏威将多模态模型与世界模型的算子及数据流前置到芯片定义中，与机器人客户联合定义“模型—芯片—机器人系统”。 ▲具身智能方向产品布局（图源思敏威） 商业合作方面，该公司透露与大模型基础设施独角兽无问芯穹形成实际商业合作，并与领开半导体达成战略合作，双方将围绕3D堆叠存算融合架构及AF分层推理存储方案联合开发，目标是降低大模型推理对HBM显存的依赖和系统部署成本。 结语：3D存算进入资本密集期，流片兑现仍是关键 思敏威半年内连续完成两轮融资、累计近两亿元，且引入中兴通讯这样的产业战略投资方，反映出3D存算一体赛道正从技术验证走向产业化验证阶段。与微纳核芯、亿铸科技等同行类似，思敏威选择的路线是用3D堆叠架构在成熟工艺上逼近先进制程的算力密度，

匹配字段正文

S把这种工作方式叫做Loop Working。 四、产品体系覆盖通用、垂直模型与C端B端 早在2017年，APUS筹备A股上市，彼时公司估值约120亿元。2019年4月，该公司撤回了IPO申请。在2020年8月，APUS转向科创板再度冲击IPO，然而最终依旧终止了。 目前，APUS已经形成基座大模型+AI应用产品框架。 2023年，APUS发布了自研的千亿级多模态大模型“APUS大模型（AiLMe）”，此后，其于2024年4月联合开源了千亿参数MoE架构模型APUS-xDAN-4.0。 在大模型的基础上，APUS构建起了产品体系： 通用与语言模型包括天燕大模型和DeepSeek APUS加强版；垂直行业大模型包括奇黄大模型（医疗问诊）与智草大模型（中医诊断）等，覆盖教育、农业、网信、政务、传媒、金融、电商等领域。 基于大模型能力，APUS还推出了一系列直接面向用户的AI应用。C端手机应用包括APUS Launcher、APUS Booster、APUS Security、APUS Browser、APUS KATOO、APUS CutCut等；B端行业智能体有天燕商业智能体、智草中医智

匹配字段正文

《中国具身智能数据产业分析报告2026》指出，硬件门槛逐步突破，但量、质、异构三重数据瓶颈限制具身智能规模化落地。具身数据作为产业核心燃料，拥有物理交互、多模态耦合与时序连续的独有特性。行业可通过 “造治用通” 构建数据闭环，第三方评测、场景数据工厂等赛道蕴藏大量商业机会。 在易观分析近期发布的《中国具身数据市场分析报告2026》中，有超过120家企业登上图谱，这些企业也是2026年发展最快也是资本最关注的产业板块之一。 图1：2026年中国具身数据价值链产业生态图谱 虽然具身数据产业链仅初步形成，但是其对中国具身智能产业发展的关键性已经非常清晰。在这些关键环节中，几个重点板块可以关注： 1、仿真与数据合成板块 图2：中国具身数据产业生态图谱-仿真与数据合成板块 ◇ 头部企业已形成“仿真引擎+场景资产库+合成数据管线”全栈能力 ◇ 商业模式以SaaS订阅为主（年费+按调用量+一体机硬件），边际成本趋零，单条真机演示可生成百倍合成数据 ◇ 合成数据成本可降至真机1/10以内，是当前突破“百万小时级”瓶颈的关键引擎 ▲ 仿真与数据合成产业板块的发展驱动力 ◇ 突破量的瓶颈：真机采集成本高、

匹配字段正文

。据介绍，这款产品专为大模型边端侧落地打造，并不片面追逐峰值纸面参数，而是围绕模型部署、现场推理、系统协同做设计，采用6nm工艺，具备256TOPS混合精度算力，原生支持FP4，内存带宽可达273GB/s，最大支持128GBLPDDR5X内存；硬件搭载AXLink芯片级联与PCIe5.0高速互联，同时具备64路视频解码、16路视频编码能力，适配多路视觉感知与多模态分析任务。 爱芯元智创始人兼董事长仇肖莘表示：“我们要做客户长期稳定的算力底座，让企业聚焦业务创新，不用为算力迁移分心。爱芯元智致力于让智能抵达每一个现场，AX8860系列大算力芯片的发布，正是这一承诺的兑现。” 展区内还展出了原力灵机依托爱芯大算力平台自研的DM0.5通用具身大脑，可以完成接口插拔质检、通用工业插入作业、灵巧手柔性切削实操演示，覆盖电子装配、精密制造、工业质检、柔性加工场景。爱芯元智认为，对于严苛的工业现场而言，现场智能的完整闭环，必须同时满足"看得见、算得准、反应快、稳定执行"四项要求。只有现场设备实现了"感知—判断—执行"的闭环处理，智能才能在事件发生的最前沿即时响应，推动边端 AI 真正转化为驱动产业升

匹配字段正文

的A轮追加轮融资，总融资额达到7400万美元。 世界/视频模型走向实时交互，对基础设施提出新的要求 技术的变革首先出现在模型端，Google DeepMind的Genie 3能以24 FPS的帧率生成720p交互式世界；StreamDiT在单张H100上实现了16 FPS的文生视频，阿里、腾讯、包括NVIDIA也都发布了交互式的视频模型或世界模型。 在生成式多模态模型发展的早期，它生成的是一次性、被动的内容，大家都有用提示词批量化“抽卡”的经历。 但交互式视频模型，尤其是可交互的世界模型出现后，模型的形态变了，这些模型本质上是经过学习的物理引擎。通过观察数十亿个样本，它们内化了底层的物理规律，从而“懂得”火会蔓延、水会溅起、金属受击会凹陷。用户置身于环境中进行操作，模型则以逐帧的形式实时给出反馈。 新形态的模型，也催生了新形态的应用，实时视频、游戏以及数字人领域涌现出了大量新的交互形态。 模型对于基础设施的要求变了，但支撑这些模型在生产环境中运行的基础设施却未能同步跟上。原有的基础设施，是为批处理（batch）需求构建的，它在底层架构上与实时推理需要的基础设施有根本差异。 实时推理所需

匹配字段正文

率异步（如腕部相机 30Hz、机器人状态 60Hz、低阶技能 2Hz）下的闭环控制难题，在双臂机器人“给牛排撒调料”等长时程任务中验证了模块组合的高效性。 但是，各模块之间受限的信息流动，使其难以充分吸收不同任务之间的协同效应。 这就引发了一个更深度的思考：神经网络能否直接将感知、记忆、规划与控制融为一体？如果放弃人工预定义的原语与模块划分，转向端到端统一的多模态大模型，将包含丰富物理规律的视频预测与动作生成联合训练，组合能力能否在模型中自动“涌现”？ 围绕这一课题，团队展开了两次尝试。第一次是视频生成预测+动作控制器；第二次是视频-动作联合训练模型。 然而，随后的实机与仿真实验表明，问题的复杂程度远超预想。 ▎ 试错一：视觉预测转动作指令，难以胜任富接触操作 为了吸收跨任务的协同效应，研究团队展开了第一次尝试：利用通用的视频生成模型预测未来画面，再将视觉预测翻译为机器人的具体动作。 这一路线对应团队发表于 ICLR 2024 (Spotlight) 的 AVDC 框架。 原文链接：https://arxiv.org/pdf/2310.08576 其动作提取流程分为三个核心阶段： 1.

匹配字段正文

」爱诗科技香港首席代表潘援介绍。 PixVerse R2 现场亮相，多模型为香港各行业赋能 今年以来，爱诗科技PixVerse R系列模型持续引领通用实时世界模型行业发展。与传统AI视频「预先录制、固定时长、单向输出」的形态不同，通用实时世界模型可对画面、声音等信息进行实时生成与交互建模，使视频流在用户输入文本、语音、图像或操作指令的过程中同步变化。依托原生多模态建模、自回归流式生成与瞬时响应引擎，模型兼顾跨模态理解、长时序一致性、角色与场景状态延续以及低延迟反馈，实现「边生成、边交互、边演化」。 开幕现场，爱诗科技于展厅内向嘉宾与传媒展示了近期发布的全球首个具备Scaling能力的通用实时世界模型PixVerse R2。该模型不仅能让虚拟世界「有记忆地活着」，还能「听懂各种语言」，并对用户的每一个动作做出符合因果关系的反应。现场来宾在游戏、互动影视及数字人等多个场景中，亲身体验了以自然语言指令即时修改角色状态、环境变化、镜头走向与叙事分支等，从「观看」走向「言出法随」的实时互动世界，近距离感受AI视频技术的前沿进展。 谢旭璋向雷峰网表示，未来公司将持续探索包括PixVerse R2在

匹配字段正文

来评估长期记忆、任务专注度与持续执行能力，专业任务评测还覆盖法律、金融和健康等领域。 官方演示中，Muse Wonder能够直接操作浏览器、跨应用获取信息，并根据用户的个人偏好制定周六跑步计划。这类演示呈现的，正是Meta希望强化的能力，也即让模型结合个人背景持续推进任务。 在基础规格上，两款模型的上下文窗口均为100万token，支持文本、图像、视频和音频多模态输入。 安全方面，Meta称Muse Wonder是其迄今对齐程度最高的模型，并强化了对化学、生物、放射性和核相关风险（CBRN）及网络滥用的防护，以及对抗性指令应对和私人信息处理能力。 三、分手厨房、魔方模型，效果和Opus 5.5对打 模型一经发布，一众网友纷纷上手测试，智东西收集了一些案例，看看Muse Wonder系列模型的能力如何。 有开发者使用Muse Wonder制作了3D可旋转魔方模型，从画面上看，光影效果、清晰度和旋转细节都相当有质感，该开发者称这完全是和Claude Opus 5.5一个级别的。 Meta研究员用Muse Wonder打造了一个Muse版的分手厨房，画面清晰、交互流畅，Alexandr Wa

匹配字段正文

exagon NPU全面升级 2025年骁龙峰会发布的骁龙8 Elite Gen 5，是高通移动平台AI能力的重大迭代： Qualcomm AI Hub：开放生态的核心引擎 Qualcomm AI Hub截至2025年中期的关键数据： 1,800+企业使用AI Hub优化和部署AI模型，包括Meta、三星、亚马逊； 175+预优化模型，覆盖CV、生成式AI、多模态任务； 15+主流LLM优化端侧运行； BYOM/BYOD； Bring Your Own Model/Data，与Amazon SageMaker协作。 AI Hub的差异化在于"真实设备部署"而非模拟或理论性能：支持从PyTorch和ONNX自动转换、实时性能基准测试、100+预优化模型可直接在骁龙设备上测试。 多模型合作生态 Meta Llama 3.2-3B Google Gemma 4 IBM Granite 4.0 Mistral AI Nexa AI 通过NexaSDK for Android，应用可直接调用Hexagon NPU、Adreno GPU和Oryon CPU运行Llama、Granite等模型。IB

匹配字段正文