←搜索结果

按匹配度 · 共 1238 条结果 清除搜索

星期二

  1. 36氪 · AI

    半年四轮亿元级融资后,欧拉万象展示家庭机器人技能养成路线

    成立半年的家庭具身智能公司欧拉万象在完成第四轮数亿元融资后,展示了家庭机器人场景:玄关递鞋、客厅捡玩具、桌面收纳,并演示用户佩戴数据头环示范喂狗动作后机器人学习该技能。公司称部分简单任务用户采集数据约10–20分钟,端到端流程约6小时;其Real-World RSI系统已融入数据处理、训练、评测与部署环节,自今年8月底训练出第一版模型以来在RoboTwin2.0上发布两版模型并取得SOTA。CEO周顺波表示明年Q1机器人将小规模进入真实家庭长期部署,而非大规模量产。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作半年四轮亿元级融资后,欧拉万象想把家庭机器人带向哪里?晓曦·2026年10月20日 19:31家庭机器人最难的不是干活,而是理解生活 试想一下这样的场景:下班的你拖着疲惫的身体回家,在电梯里打开app给机器人发送快到家的消息,打开门,它已经给你拿出了拖鞋,又帮你把脱下的鞋子放至鞋架。 到了客厅,狗狗和你都躺在沙发休息,机器人便把散落一地的玩具捡起来归位。等你吃完外卖,跟它说“收拾一下桌子”后再次躺回沙发,它则把桌面上的外卖盒整理到袋子里。 现在,这不只是想象中的场景,而是家庭具身智能企业欧拉万象最新推出的家庭落地实践。几天前,这家成立仅半年的公司刚宣布完成第四轮数亿元融资。 在当下的具身智能行业,家庭几乎

    匹配字段正文

  2. 36氪 · AI

    科大讯飞前三季度扣非亏损7.63亿元,账面靠补助与股权收益转正

    科大讯飞前三季度营收181.87亿元,归母净利润2188.72万元,但扣非净利润亏损7.63亿元,较去年同期3.38亿元亏损扩大一倍多。账面转正主要靠政府补助4.71亿元、被投公司股权升值3.70亿元和资产处置收入0.84亿元,合计约7.85亿元。公司前三季度研发费用38.50亿元,占营收21%以上,并将扣非亏损扩大归因于自主可控大模型路线的持续投入;三季度国内大模型公开招标中,科大讯飞中标数量和金额均排第一。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作扣非亏7.6亿,同比翻番,科大讯飞要靠AI赚钱还要等ZAKER财经·2026年10月20日 19:44钱花到哪了?科大讯飞定向增发安徽省1999-12智能语音技术提供商36氪报道企业号前沿技术高新技术企业企业技术中心技术创新示范企业WISE2024年度企业榜单-人工智能WISE2022年度企业我要联系 181.87亿元营收,最后落到上市公司股东口袋里的净利润只有2188.72万元。 这是科大讯飞10月19日晚交出的前三季度成绩单。算下来利润率刚过千分之一。公司说这是近三年头一回前三季度扭亏,去年同期还亏着6667万元。但账往细里看一层,这个“转正”的含金量要打个问号。 财报里有个关键指标叫“扣非净利润”,

    匹配字段正文

  3. 36氪 · AI精选

    DeepSeek 开源推理框架 DeepInfer 与 Token 编解码组件 deepseek-recipe

    DeepSeek 开源自研推理框架 DeepInfer(Apache 2.0)和生产级 Token 编解码组件 deepseek-recipe(MIT),支撑 DeepSeek V4.1 Flash 单集群一天服务 155 万亿 Token。官方线上统计显示平均每请求输入 77K Token、首字延迟约 400 毫秒,生成阶段每秒输出 230 个 Token,平均 96% 的输入命中缓存。DeepInfer 目前支持 V4.1 Flash,开源版本仅提供离线推理,KV 缓存管理与负载均衡代码因与内部基础设施绑定暂未完整开源。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作突发,DeepSeek重磅开源核心推理引擎新智元·2026年10月20日 19:32把智能的价格,打下来 源神归位! 就在刚刚,DeepSeek再放大招,全面开源自研推理框架DeepInfer。 一个集群一天服务155万亿Token,DeepSeek V4.1 Flash高吞吐、低延迟的大规模推理,靠的就是它。 一起放出的,还有生产级Token编解码组件deepseek-recipe。 英伟达SM100 GPU、华为昇腾950 NPU,都在支持名单上。 DeepSeek还在知乎发了技术长文,又在GitHub放出一份部署问答,把这套系统从架构设计到部署细节,一五一十讲了出来。 按官方公布的线上统计,平均每个

    匹配字段正文

  4. 36氪 · AI

    Apate 用 AI 假客户陪聊诈骗电话,反向套取情报卖给银行

    澳大利亚公司 Apate 用 AI 假客户接听可疑来电,与骗子长时间周旋而不转账,以此稀释诈骗团伙的人效。其虚拟人物库从 120 套人设扩到 19.7 万套,TPG 累计转接近 59 万通诈骗电话,AI 与骗子累计聊了 250 万次。Apate 还借骗子急于收款的心理套取银行账户和钱包地址,卖给澳大利亚联邦银行等客户,并于今年 8 月完成 815 万美元种子轮融资。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作这届AI,把电信诈骗犯逼疯了硅基观察Pro·2026年10月20日 19:46诈骗犯,成了AI的牛马 但骗子的生意从来不靠劝,靠概率。一天呼出去几百通电话,九成九是白打。但只要接通一个、信了一个、转了一个,这一天的成本就回来了。 你苦口婆心劝住一百个人,他多打一千个电话就补回来了。也就因为这个,反诈宣传永远跑撵不上骗子。 Apate创始人Dali Kaafar(前排居中)与团队成员 它们会接电话、会聊天、会按照骗子的要求一步步操作,甚至还会表现出马上就要转账的样子。 唯一和真人不同的是,它们永远不会真的掏钱。 骗子以为自己碰到了一个大客户,聊了半天,才发现时间全浪费了。 获客靠群呼,转化靠话术,交付靠收款

    匹配字段正文

  5. 36氪 · AI

    AI算力中心背后价值千亿的液冷产业链

    英伟达Vera Rubin机柜取消风扇、单柜功耗超190千瓦并转向100%全液冷,风冷约20至30千瓦的散热上限已难以支撑新一代GPU。文章拆解冷板、CDU、快接头三个占液冷系统约85%成本的环节,指出全球高端市场由台系与欧美厂商分别把持,并归纳中国厂商以汽车热管理等跨界经验切入、用密集交付积累工艺、以交付速度和成本换订单的三条路径。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作AI算力中心背后,一场价值千亿的"制冷战争"星海情报局·2026年10月20日 19:48“散热”这事,成为了制约AI发展的命门。 8月底,英伟达最新财报电话会上,老黄确认最新的一代硬件Vera Rubin已经开始发货,9月启动批量出货。 表面上看,这只是一次普通的财报会,但值得注意的是: 这次Vera Rubin的机柜,风扇一个都没有了, 单柜功耗干到了190千瓦以上,散热方案直接切成100%全液冷。 在从前,尽管GPU的算力、功率仍在年年攀升,但风冷总体上还压得住,但根据业内的经验,风冷能压得住的单柜散热功率,大致也就是20—30千瓦。可现在,当新一代功耗更强的GPU问世后,风冷开始捉襟见肘。 举例来

    匹配字段正文

  6. 36氪 · AI

    农村大妈给机器人当“导师”:具身智能数据采集下沉到县城

    英伟达发布EgoScale成果后,无本体数据采集成为主流方式,农村大妈戴上穿戴式数采设备每天工作8小时、日薪80元,月入2000多元。行业项目经层层转包后单价已从33元/小时降至3元左右,打包数据售价跌破5元/小时。从业者判断大量数据需求还会持续两三年,但稀缺的是医疗等真实场景数据。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作农村大妈给机器人当“导师” 最话FunTalk·2026年10月20日 19:57干数采就是干人力 或许她们自己浑然不知,自己已经成为时代的弄潮儿。 剥花生,装袋子,然后上称,在河南的农村里,大妈们做着再熟悉不过的农活。如果非说现在和过去有什么不同,唯一的一点是大家都在头上戴了一个穿戴式数采设备,这当然会增加些许的不便,但她们乐意。 大妈们一直生活在农村里,除了地里的收成,平日里也没有别的收入来源。但现在,她们每天工作8个小时,就能拿到80元日薪,一个月下来,就有2000多块了。 和那些坐在高档写字楼、产业园区里的大学生一样,大妈们现在也是具身智能从业者了,她们的职业官方名称叫数据采集员。 今年年初,英伟

    匹配字段正文

  7. 36氪 · AI

    MiniMax 发布 M3.1 Flash,Agents' Last Exam 得分 29.6% 居国产模型第一

    MiniMax 正式发布 M3.1 Flash,即此前在 OpenRouter 匿名屠榜的 Space Bunny(玉兔),Agents' Last Exam 得分 29.6%,位列国产模型第一。该模型在 DeepSWE v1.1 拿到 73.7%、CyberGym 82.2 分、OSWorld V2 61.7 分,输出速度最快 200+ TPS,P50 维持 170+ TPS。定价为输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作国模Agent第一,MiniMax爆改Flash战力,全时段大肥鱼谷价量子位·2026年10月20日 20:33兔皮底下,竟然是M3.1 Flash!MiniMax股权融资上海市2021-11人工智能技术研发商36氪报道物联网/硬件智能硬件WISE2025 商业之王 年度AI应用场景突破企业WISE2024年度企业榜单-人工智能我要联系 国庆期间在OpenRouter上横空出世、匿名屠榜的神秘模型Space Bunny(玉兔),马甲终于被扒下来了。 兔皮底下,竟然是MiniMax! 正式交卷的代号是M3.1 Flash。 而这个正式版的跑分能力,比Space Bunny还要猛一点,尤其是Agent这个技能

    匹配字段正文

  8. 36氪 · AI

    Altman 向员工提出 AI 发展三条终局路径,从国际监管到一家独霸

    据 The Information 报道,OpenAI CEO Sam Altman 上周在内部向员工描述了三条 AI 安全发展路径:建立类似国际原子能机构的国际监管组织、将各大 AI 实验室合并为单一实体、由一家公司垄断算力并熔毁竞争对手的 GPU。Altman 表示 OpenAI 未来一年内需决定推动哪条路径,他本人倾向第一条,并称第三条显然很糟糕。报道还提到 Anthropic 向国会议员提交法案草案,建议授权商务部在 AI 可能造成超过 10 亿美元损失或 50 人以上死亡或重伤时叫停模型训练或使用。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作Altman提出AI发展的三条“终局之路”:从国际监管到“一家独霸”36氪的朋友们·2026年10月20日 20:37三条路径,各有所指 当AI竞赛加速推进,OpenAI掌门人罕见地向员工摊牌了三种可能改变整个行业格局的未来。 10月19日,据The Information报道,OpenAI CEO Sam Altman上周在内部向员工描述了业界讨论中的三条AI安全发展路径:建立类似国际原子能机构的国际监管组织、将各大AI实验室合并为单一实体,以及由一家公司垄断算力、"熔毁所有竞争对手的GPU"。此番表态恰逢特朗普政府着手建立首套针对"超级智能"开发商的监管机制之际。 Altman表示,OpenAI在未来

    匹配字段正文

  9. 36氪 · AI

    2026年9月中国AI大模型平台排行榜:RSI、Personal Agent与世界模型

    36氪发布2026年9月中国AI大模型平台排行榜,聚焦代码大模型率先进入RSI(递归自我改进)时代。面壁智能让AI工程师约8小时从零写出预训练框架、性能追平Megatron-LM;智谱Infra Agent让GLM-5.3定位并修改自身推理基础设施瓶颈;Qwen3.8-Max一个月无人值守跑通33轮迭代,Artificial Analysis评分从40分升至45分。阿里云栖大会宣布Qwen4已在训练中,未来版本将扩展至5-10T参数。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作9月:2026中国AI大模型平台排行榜AI大模型工场·2026年10月20日 20:55大模型工场榜单 代码大模型率先进入RSI时代 这一波大模型的RSI(递归自我改进),最先被点燃的不是聊天能力,而是代码和系统。面壁智能让AI工程师从零写出一套预训练框架,全程大约8小时,性能追平英伟达开源的Megatron-LM;智谱9月中旬披露的Infra Agent,则是让 GLM-5.3自己去定位GLM-5.3-Flash推理基础设施的性能瓶颈、改底层代码、跑分层测试、根据反馈迭代。 可以看到,代码之所以成为RSI的第一块试验田,是因为它是目前唯一一个 "模型写完就能自动验证对错" 的领域。文字、对话、推理这些能

    匹配字段正文

  10. 36氪 · AI

    国内当学徒,海外标高价:物理AI出海,为什么越讲效率越危险?

    物理AI出海呈现“国内练兵、海外收钱”的新分工:国内以密集制造场景和供应链充当训练场,海外人工成本是国内的数倍,回本周期大幅缩短,才是真正的生意场。定价锚点应从物料成本转向海外被替代的当地工资,有割草机企业引入激光雷达解决无边界难题后定价达国际品牌两倍以上。企业还需让渡股权与利润、与当地结成利益共同体,否则效率越高、政治风险越大。

    6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作国内当学徒,海外标高价:物理AI出海,为什么越讲效率越危险?物联网智库·2026年10月20日 21:01物理AI的价值兑现,究竟应该在哪里完成? 把这些一线的洞察拼合在一起,我得出了3个与过去十几年硬件出海惯性截然不同的判断: 第一,空间错位:国内是训练场,海外才是生意场; 第二,锚点切换:告别基于物料成本的性价比,转向基于海外人力的智能溢价; 第三,利益让渡:从单纯向海外输出产品,转向与当地深度绑定、出让利益与股权。 作为物理AI倍受瞩目的分支,具身智能在国内正经历着空前的资本热度,密集融资接踵而至,各类展会上的动态演示也层出不穷。但我们若将视线转向真实的制造业一线,工厂决策者们的采购态度却异常冷静。

    匹配字段正文

  11. 钛媒体 · AGI

    DeepSeek 更新 V4.1 Flash-1017,编程与 Agent 基准提升且 API 不涨价

    DeepSeek 于 10 月 17 日更新 V4.1 Flash-1017,API 价格未上涨,Terminal-Bench 4.0 从 31.2 分升至 42.3 分,超过 GPT-5.6 Sol 的 39.9 分和 GLM-5.3 的 37.9 分,仍低于 Claude Opus 5 的 51.8 分。官方列出的 11 项测试成绩全部高于初版,非高峰时段输入每百万 Token 0.15 美元、输出 0.60 美元。同期开放 Search 和 Fetch API,每 1000 次成功调用 0.75 美元,通过 DeepSeek Harness、Claude Code 和 Codex 的调用暂免费用,计划 10 月 31 日 16 时(UTC)起计费。有海外开发者用 ModelTrace 检测出 GPT-6 Astra 相似度 84.66%,但该工具数据库未收录 DeepSeek,结果不能作为蒸馏证据。

    拆成几十条指令。你可以直接告诉AI想做一款什么样的游戏、希望场景呈现什么效果,再让它尝试编写代码、搭建场景、设计交互,把各个部分组合成一个完整项目。 这就意味着,如果说过去的DeepSeek大部分场景只能生成一段代码,那现在能力更接近从想法到成品的完整开发流程。 另一个容易被忽略的更新,是DeepSeek同时开放了Search和Fetch API。 前者用于搜索网页信息,后者用于抓取网页内容。两者结合后,AI就能在回答问题时主动检索外部信息,而不是完全依赖训练时学到的知识。对于需要查找资料、整理信息和执行多步骤任务的Agent来说,这相当于多了一套可以直接调用的信息获取工具。 按照官方公告,这两项服务的价格均为每1000次成功调用0.75美元。DeepSeek还表示,用户通过DeepSeek Harness、Claude Code和Codex使用DeepSeek API时,其中的搜索和网页抓取调用暂时免费,计划于10月31日16时(UTC)开始计费,也就是北京时间11月1日零时。 从完整项目开发到网页搜索与抓取,DeepSeek这次更新不只是在提高模型答题和写代码的分数,也在补齐AI真

    匹配字段正文

  12. Unite.AI

    Asymptote Labs 获 550 万美元种子轮,监控并管控企业 AI 智能体

    Asymptote Labs 完成 550 万美元种子轮融资,由 Tower Research Ventures 领投,Lytical Ventures、1984 Ventures 和 South Park Commons 参投,资金用于工程、产品开发、招聘和市场拓展。其方案由 MIT 许可的开源遥测层 Beacon 与企业级检测、响应和治理平台组成,Beacon 可记录 Claude Code、Codex、Cursor 等 20 多个 agent harness 的活动,并归一化为扩展 OpenTelemetry 的运行时数据模型。公司称 Beacon 的 GitHub star 数 9 月增长超 460%,并登上 GitHub 全球趋势榜第 3 位。

    的企业平台在 Beacon 的基础上构建了运行时检测与响应能力。该公司表示,它可以拦截实时智能体活动,并在提示词和工具层面应用策略驱动的防护措施,识别数据泄露、内部威胁和 AI 供应链问题等风险。 公司网站更明确地说明了产品划分。开源 Beacon 提供可移植的遥测数据,客户可将其路由到现有的安全系统中。托管版 Asymptote 则增加了数据摄取、保留、搜索、检测、身份映射、策略门控、审批和治理工作流。私有部署也属于其公布的产品范围。 在评估部署方案时,这种分离很重要。在工具调用执行后记录它有助于调查;而要阻止它,则需要在执行路径中设置控制点。买家需要明确哪些操作可以被拦截、哪些是在事后被观察到的,以及当服务不可用时强制执行会如何表现。此次融资公告并未公布覆盖矩阵或拦截准确性的基准测试。 这些是企业 AI 智能体治理中的核心问题。写在模型指令中的策略,与由模型外部基础设施强制执行的策略是不同的。有用的测试是:尽管存在预期限制,智能体是否仍能执行未经授权的操作。 Beacon 的定位不仅限于安全。其公开项目说明解释了如何利用会话历史来识别有用的工作流、纠正、调试模式和仓库约定,以便在

    匹配字段正文

  13. TechCrunch AI

    Otter.ai 获 General Catalyst 增长基金 3.2 亿美元投资,用于会议工具

    会议记录工具 Otter.ai 从 General Catalyst 的 Customer Value Fund(CVF)获得 3.2 亿美元,资金将用于企业增长、市场推广、国际扩张和产品创新。该公司累计融资 5000 万美元,去年 ARR 突破 1 亿美元,迄今已有 4000 万用户使用其产品,高于去年的 2500 万。Otter 正在测试会前简报和会中 Live Assist 等功能,试图把会议转录转化为可执行的业务洞察。

    、Granola 和 Read AI;也有新进入者,如 Calendly、Wispr 以及收购了 Fathom 的 Superhuman;还有其他记录工具,如 Circleback、Talat 和 Quill。 这些记录工具大多希望连接企业系统,并基于会议中捕获的数据实现工作流自动化。Otter 也在朝这个方向发展。过去几年,它推出了会议助手、可跨应用使用的搜索功能,以及与其他 AI 工具的集成。 Otter 新任首席营销官 Alex Gay 来自 Superhuman。他上个月在 HumanX 大会期间接受 TechCrunch 专访时表示,公司看到了一个巨大机会:将转录内容转化为可执行的路线图,服务于那些会议接连不断的人。 “当我们开始思考人们当前真正面临的更大问题时,我们发现在会议密集型的岗位中存在一个巨大的痛点,这些人在对话中接连不断。这些会议对他们来说就是工作。要么是客户对话,要么从销售角度来看,是讨论策略的地方。但会议的效率极低,因为当你进入会议时,前二十分钟都在回顾之前说过的话,以便让所有人跟上进度,”他说。 该公司目前正在尝试在会前、会后和会中提供洞察。它一直在测试一项

    匹配字段正文

  14. TechCrunch AI精选

    Eka Robotics 完成 1.5 亿美元 A 轮融资,估值 14.5 亿美元

    Eka Robotics 完成 1.5 亿美元 A 轮融资,由 a16z 和 F-Prime 领投,投后估值 14.5 亿美元。该公司由 MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 创立,其视觉-力觉-动作模型配合力传感器夹爪,每小时可抓取约 1500 个 1 kg 以内物体,成功率超过 95%,夹爪成本低于 1000 美元、额定 500 万次循环。团队用物理仿真器构建强化学习环境,称可在数分钟内生成数千小时机器人经验,目前正与工业客户进行抓取放置和线缆操作的试点。

    输入和动作之间的关系。对当前生成式 AI 机器人模型方向持批评态度的人,比如 Rodney Brooks,曾表示如果不尝试表征力和触觉,这些模型将会失败;Eka 的成果表明这些批评者有道理。 “视觉并不是解决这最后一毫米问题的主要方式,”Eka 联合创始人 Agrawal 告诉 TechCrunch。“视觉告诉你物体大致在哪里、姿态如何,但真正的抓取、真正的搜索是通过力来实现的。” Eka 必须设计一种独特的机械手,它比传统夹爪更灵活,并包含更多力传感器;它能对接触做出反应,这就是它不会压碎覆盆子的原因。出于明显的竞争原因,创始人对他们如何实现这一点讳莫如深,但归根结底是利用物理模拟器来建模机器人在尝试抓取某物时会遇到的多种力,并以此创建一个可以大规模运行的强化学习环境。他们表示可以在几分钟内生成数千小时的机器人经验。 “Eka 不是局限于从人类演示等来源收集的数据,而是通过强化学习推进这种方法,使机器人能够超越提供给它的任何演示,”Hauser 说。“真正令人兴奋的是,他们能够不受限于提供给他们的训练数据。” Agrawal 和 Haarnoja 最初在加州大学伯克利分校读研究生时相

    匹配字段正文

  15. 邵猛

    MIT 课程 MAS.S62 两讲梳理 Harness 演化与多 Agent 演化

    MIT 课程 MAS.S62「How to AI an AI」的 Lecture 4-5 聚焦 Harness evolution,分别讲 harness 组件、记忆、工具与技能演化,以及规划、任务分解与多 agent 系统演化。记忆部分用三轴分类法串起 MemGPT、mem0、MEM1、Reflexion/ExpeL,并以 CLM 把上下文管理统一为文件操作;工具部分从 Toolformer、ToolLLM、CodeAct 讲到 Meta-Harness,后者把整个 harness 表示为文件系统,反馈信息量约为此前方法的 400 倍。多 agent 部分给出五条实证发现,包括 MAS 在可分解任务上赢 81%、在顺序依赖任务上输 70%,以及 CORAL 在 8 个任务上取得新 SOTA、多 agent 演化比单 agent 提升 4%–20%。

    p 四种操作; · MEM1(上下文内记忆,授课者自己组的工作):这是本讲着墨最多的部分。针对“推理上下文不断增长导致复杂度与遗忘”的问题,MEM1 让模型每步生成一个整合了推理与记忆的内部状态,然后丢弃全部历史;上下文大小恒定,且可用结果奖励端到端训练模型学会“压缩”。实验展示了三个涌现行为:分类存储每个问题的关键信息、答完一题先更新记忆再进入下一题、多次搜索无果后学会跳过该题。这些行为没有任何一个是显式编程的。 · Reflexion / ExpeL(经验化记忆):轨迹存短期记忆、自我反思存长期记忆;ExpeL 进一步把“这条经验是否有用”的反馈也存进去。 Context Language Models(CLM) 是记忆部分的收束:让模型把自己的整个上下文当作一个文件,用 Bash 命令随意编辑,编辑与真实上下文同步;创建/删除上下文文件即可实例化/终止子 agent;记忆、上下文管理和多 agent 结构被统一成“文件操作”。 工具与 Skills 部分:从 Toolformer 到 Meta-Harness 谱系是:Toolformer(模型自学单步工具调用)→ ToolLLM

    匹配字段正文

  16. 雷锋网

    580天暗战:爱奇艺的AI闯关路

    爱奇艺用580天把生成式AI嵌入影视全流程,2024年员工大模型调用量较2023年猛增83倍,奇智平台上64个业务调用了6300多个智能体应用。2025年4月发布的“剧本工坊”接入DeepSeek等国产大模型,不到30分钟即可完成50万字剧本的七大维度评估;2025年第一季度“影像工坊”出图量达10万张。截至2024年底,“剧本工坊”已累计为5000部小说和剧本提供评估提速。

    卷宗动辄长达四五千字,可读性远不如小说。“原来编剧需要硬啃这些枯燥的文字?”和编剧的交流让“编程”思维的她有了不同视角去理解信息搜集这件事:不是客观信息的罗列,而是找出有特点的故事。 “故事银行”的研发思路就是借助大模型的能力,将卷宗中的案件发展过程、人物特点、关键证据、作案手法等重要信息抽取出来,得到一个个易读的故事,方便创作者获取灵感。 “简单理解传统的搜索只是检索,是信息的‘搬运工’,但基于海量数据训练的概率模型,输出的是将信息内化后的结果,其实是信息的‘炼金士’。”她说,“大模型出现之前,我们也许能将内容简化、拆解,但要形成一个具备可读性的故事是非常难的。现在我们抓住了这个新机会,让创意的获取方式发生质的变化。” 工具造出来了,好不好用还得试。熊晓玲和她的创作团队是率先“吃螃蟹的人”。2025年2月,她担任总制片人的偶像剧《爱你》在海内外热播,接连登上爱奇艺国际版12个国家和地区的热播榜TOP1。而一年多前,他们在策划筹备这部剧时成为“剧本工坊”的首批用户。 “分集情节点的功能特别实用,尤其是上会提案、跟片方沟通时,很快就能定位到要重点沟通的部分。”在她看来,剧本商业化开发对什

    匹配字段正文

星期一

  1. 雷锋网

    Meta Muse Wonder 熔岩灯测试失败,雷锋网解析 Agent 跑分争议

    Meta 发布的 Muse Wonder 在开发者 BridgeMind 的 3D 熔岩灯测试中只生成了一个红色圆柱体,被质疑存在针对 Benchmark 优化的 Benchmaxxing;马斯克在相关帖子下回复 Hmm,Meta 首席 AI 官 Alexandr Wang 回应称团队未针对 3D 演示做显式训练。雷锋网指出,熔岩灯测试用的是普通版 Muse Wonder,而官方 57.5 分的 SWE-Marathon 成绩来自 Wonder Full 且使用 xhigh 推理档位,Model Card 也承认 3D 视觉与空间推理是已知短板。文章进一步分析,Agent 榜单成绩同时受 Post-training 奖励机制、Harness 上下文管理与推理预算影响,单一分数难以反映模型在陌生任务上的真实能力。

    ,让它在特定任务环境中形成更稳定的执行能力。Coding Agent 很适合这类训练。例如,给模型一个存在 Bug 的代码仓库,要求它定位问题、修改文件并运行测试。整个过程可以通过编译结果、单元测试和功能检查获得相对明确的反馈。强化学习系统据此判断哪些操作有效,持续强化能够提高任务成功率的行为。训练规模扩大后,模型逐渐学会一套复杂的软件工程策略,包括如何缩小搜索范围、选择工具、处理报错,以及在多轮修改中维护任务状态。Meta 在官方技术文章中提到,Muse Wonder 接受了多样化长任务训练,并引入 Active Focus,使模型能够在遭遇阻碍后尝试其他方案、恢复执行并继续推进任务。但这类训练依赖一个关键条件:环境必须能够向模型提供有用的反馈。熔岩灯恰好打破了传统 Coding Agent 熟悉的反馈方式。雷峰网从程序实现来看,熔岩灯涉及三维几何、透明材质、光照计算和动态形变。如果使用 Three.js,模型需要构造玻璃灯罩,为内部熔岩生成不规则的几何形态,再通过时间变量或噪声函数驱动形状变化。这些代码即使能够正常执行,画面仍然可能完全错误。例如,透明材质的参数配置不当,玻璃就可能

    匹配字段正文

  2. 雷锋网

    Git 被换掉、LLM 被替代:AI 编码开始反噬传统工具链?

    雷锋网梳理了三个案例:Anthropic 因 Claude 持续生成代码,7 名工程师用 5 个月开发出版本控制系统 Scion 并迁移核心仓库,主分支历史接近 100 GB,迁移后基础设施 CPU 和内存需求约缩小 200 倍;GitHub 用微调后的 ModernBERT 替换密钥扫描中的通用 LLM,线上 Post-push 扫描执行时间中位数下降 86%,模型服务成本下降超过 98%;哥伦比亚大学与 Google DeepMind 等机构提出 BTTF,把芯片仿真波形转成 SQLite 供 Agent 用 SQL 排查异常,在 4.2 GB 波形实验中执行准确率 95.33%。文章认为,随着 Agent 提高代码产出,瓶颈会沿交付链路向后移到 CI 的构建、测试与部署验证。

    、压缩及反复传输。Anthropic 称缓存命中率超过 99%,并限制故障时的回源流量。迁移后,Scion 相较旧 Git 镜像体系的 CPU 和内存需求约缩小 200 倍,检出从分钟级降至秒级,CI 释放约 25% 的 CPU 容量。200 倍说的是基础设施资源占用,并非 Git 操作整体提速。Anthropic 还同步建设 Antique 代码评审、源码搜索、IAM 和批量合并工具,以适配新协议。在线服务的维护也成了新成本。 02 让数据库读波形,Agent 才能追查故障 芯片验证面对的是另一种障碍。RTL 仿真产生的 VCD、FSDB 波形记录大量信号随时间变化的状态,复杂设计的转储可能达到数十 GB,甚至 TB 级。雷峰网工程师可以在波形查看器里沿时间轴寻找异常,Agent 若把原始波形转换成文本,上下文很快便被时间戳、信号名和重复跳变占满。追查其他信号,还可能重复读取文件。另外,人类习惯用眼睛在图表里“大海捞针”,但 Agent 再大的上下文也装不下几十 GB 的物理文件。因此,将这些“死文件”转化为可被 SQL 精准调用的“活接口”,是给 AI 喂数据的最优解。BTTF 把

    匹配字段正文

  3. 雷锋网

    光量子计算距离真正的产业化还有多远?

    图灵量子2026年9月推出第三代大规模芯片级可扩展光量子计算机TuringQ Gen3,采用全芯片化架构和薄膜铌酸锂光量子芯片,官方称单芯片达万光子级、百万模式数。其光子线路传输损耗降至0.03 dB/cm,芯片迭代周期缩短到2至3周。金贤敏团队同期推进光子芯片产业合作、先进智算联盟扩容和粤港澳大湾区量超智融合算力中心共建,试图把量子算力接入智算调度体系。

    链生态、商业落地的大考,已然开场。 量子计算的对手,早就不只是物理指标 量子计算走入大众视野,并非最近一两年才发生的新事。伴随摩尔定律见顶,算力供需矛盾日益凸显,量子计算的价值被重新放到聚光灯下。 数耀量生 CTO 邱迪生,曾对传统深度学习与量子计算的求解逻辑做出形象对比:深度学习常用的随机梯度下降,相当于在局部点位附近小范围试探,摸索迭代前进方向,属于局部搜索,很容易出现震荡徘徊;而量子计算能够一次性扫描完整的解空间地形,直接定位最优解,他将这种核心差异概括为 “量子全局最优性”。 图灵量子首席科学家金贤敏则认为,量子计算之所以能够获得长期关注,并不源于某一项单点应用,它是继牛顿力学体系之后,可以系统性赋能整个科学发展的底层基础方向。 早在上世纪四五十年代,晶体管、激光器、核能等成果,就已经完成了第一波量子技术的产业化应用;而当下,人类对量子体系、物质微观体系的操控能力实现跃升,叠加 AI 算力需求爆发,才推动量子计算走到产业发展的关键窗口。 行业经久不衰的疑问依旧存在:超导、离子阱、光量子、中性原子,多条量子技术路线同台竞技,谁能走到商业化的终点? 纵观当前行业进展,在众多技术路径

    匹配字段正文

  4. 雷锋网

    AI 引爆 BAT「薪酬倒挂」潮,老员工:人麻了

    AI 人才争夺让 BAT 等大厂出现薪酬倒挂:做基模的员工即便职级不高,薪酬已超过职级更高的同事。猎头称今年基模应届生年包 200 万元起步,小红书、字节 Seed 顶档可达 400 万—500 万元,百度去年给基模人才 200 万—300 万元。目前各大厂 HC 基本冻结,仅 DeepSeek 和千问招人相对多一些,真正收缩的是应用侧岗位。

    间。 “目前仍处于风口上的是 Agent,尤其是面向协作场景的 Co-worker Agent。”一个月前,猎头 Mia 对雷峰网表示。 Coding Agent 则是持续存在的人才缺口,“国内各家都在挖”,与此同时,Evals(模型评测)和预训练数据(Pre-training Data)相关人才也开始受到重视。 赛道之间的冷热分化,同样明显。 比如 AI 搜索(AI Search)的热度大不如前一年,还有推理(reasoning),随着 OpenAI o1 和 DeepSeek-R1 相继出现,技术趋于成熟,留给人才的发挥空间在收窄。 以及猎头们都提到的一个尴尬赛道:AI for Math。这一赛道的处境比较特殊,各家模型的能力差距尚不足以支撑国内公司大规模、独立地投入资源,除非手握充足的算力、资金和研究资源,否则很难长期押注。 大厂撒钱,撒的是“确定性”,但一群年轻公司,正在用另一套招人逻辑,瓦解旧的职级体系。 03 年轻公司的抢人逻辑 今年首轮外部融资已完成的 DeepSeek,正在密集扩招。 据雷峰网了解,DeepSeek 近期扩招明显偏工程侧:一类是服务端/后端开发,一类是做

    匹配字段正文