让机器也学会“眼力见儿”。

程浅 发自 凹非寺
量子位 | 公众号 QbitAI

机器人开始替人操心了。

想象一下。你在饭店吃饭，结账付款正准备离开时，手表突然震动并显示信息：

“你的手机忘拿了，还在刚才的桌子上！”

再想象一下，你正在厨房做饭，突然家里的小机器人发出尖锐爆鸣：

“小孩快从床上摔下去了！”

你一个闪身步冲回卧室，发现家崽丝毫没意识到自己已经蠕动到了床的边缘。

△图片系AI生成

让机器有“眼力见儿”，主动发现人之所需，这是唐都钰提出“主动式物理AI”这个概念时的设想。

过去几年，物理AI主要聚焦在解决“如何更好地执行人类提出的要求”这个问题。

于是机器人走得更稳了、抓得更准了、能规划得更久了……但，这一切都发生在人类的指令之后。

能不能让AI自己去发现当下要做什么，然后主动去做呢？

华为前AI首席专家、小艺大模型前负责人唐都钰，在做了多年大模型与终端AI之后，盯上了这个方向。

于是他创办了观行数智，致力打造面向物理世界的主动式AI系统。

观行，先观世界，后行于世界。

主动式物理AI，主动在哪？

迄今为止，物理AI开始行动的起点大多来自人类的某条具体指令。

“把苹果放进篮子里”“从冰箱里取出一瓶水”，或者“将散落的玩具整理好”……

在接到任务后，机器人开始识别环境，规划行动，再调用身体开始执行任务。

这是一条“任务链”。

△图片系AI生成

在唐都钰看来，这些物理AI是“被动式”的，即，整个任务的起点来自人类明确提出的指令。

在这里，AI主要解决的是如何完成任务（How），而不是自主判断需要做什么（What）以及何时行动（When）。

相较之下，“主动式物理AI”面对的是一条持续展开的“事件流”。

它需要持续接收来自现实环境的信息，理解其中正在发生的事件，并判断某种变化是否已经形成了需要。

在这样一套流式判断（StreamingJev）后，系统才会决定要不要介入、以什么方式介入、调用何种设备介入，以及应当在什么时候介入。

从这个角度看，“主动式物理AI”其实是向前补齐了一次完整行动链路，而非仅做链路后半部分的执行。

这样的设想并非第一次出现。

实际上，人类为了让机器更主动些，已经努力了很久。

1998年，微软研究院就做过一个叫LookOut的原型。你打开一封邮件，读到对方约你周五下午见面，它会判断你是否需要查日历或者填写日程。

△Lookout System

次年，微软研究员还系统讨论了这种「主动式交互」，希望使人和机器都可以根据情境接过主动权。

到了2000年，微软研究院对主动交互的研究也来到了现实世界：他们让摄像头追踪人的位置，当人走向一块屏幕，正在使用的电脑界面也可以随之切换过去。

△微软摄像头追踪方案

这些探索已经触及一个关键问题，即：

机器能否根据情境理解人的潜在意图，并在没有明确命令的情况下提供帮助？

这势必是困难的。

一方面，目前智能对现实世界的干预能力滞后。

另一方面，“主动”这件事本身也非常难……提醒得早一步，很容易变成打扰和责备，出手得晚一步，帮助又没了意义。

看见需求对机器来说是第一步，更重要的是边界的判断和时机的把握。

毕竟在物理环境中，同一个动作可能有完全不同的含义：一个人突然倒坐在地，可能只是随性休息，也可能是突然昏厥；孩子伸手靠近水杯，可能只是主动观察，也可能是无意识将其碰倒。

尽管随着大模型能力提升，机器能够更准确地识别画面，更好地描述正在发生的事情，但唐都钰认为，“主动做事”的能力并不会随着智能增长而涌现。

因为这还涉及到风险判断、职责边界以及行动时机，是一个需要单独去研究攻克的复杂问题。

唐都钰还向我们表示，这项能力的重要意义将在未来被显著放大。

据他判断，届时人类身边将会出现非常多的智能终端，而如果每台设备都需要等待用户逐一发出命令：

“Hi，小蓝，拉开窗帘”

“Hi，小红，播放音乐”

“Hi，小橙，制作早餐”

“Hi，小绿，清洁地面”

那么它们本质上仍是一种需要用户主动去判断能力边界的复杂工具。

一种更自然的人机交互，可能不再需要一句以“Hi”为开头的唤醒词。

唐都钰，从多模态大模型走进物理世界

唐都钰，此前曾任华为智能助手“小艺”多模态大模型的研发负责人，职级达到21级。

△唐都钰

此番走进物理世界做能主动理解人类需求的AI，不算太有“跨度”。

一方面，从0到1开发一个小艺大模型，并落地到数亿台终端上，意味着不仅要做模型训练，还要打通数据工程、推理部署、端云协同与终端适配的整条链路。

这些经验同样也是物理AI所要求的：把模型能力落到具体硬件，在真实环境与用户反馈中持续迭代。

另一方面，让AI更好地理解人类，本就是唐都钰延续了十余年的研究兴趣。

时间拨回2015年。

彼时，唐都钰还在哈尔滨工业大学攻读博士学位，师从哈工大SCIR研究中心主任、中国中文信息学会情感计算专委会主任秦兵教授，研究的正是如何让机器理解人类情感。

同年，他凭借情感计算领域的研究成果，入选了IBM全球博士英才计划。

而唐都钰所在的哈工大社会计算与信息检索研究中心（SCIR），也是国内自然语言处理（NLP）领域的重要研究力量。这里培养出了一批活跃于学术界和工业界的AI研究人才。

2016年博士毕业后，唐都钰进入微软亚洲研究院，继续从事人工智能研究。

在这里，他将研究领域进一步拓展至代码智能，主导了CodeBERT、CodeGPT等相关研究。

科研之外，他还曾带着一批年轻研究者共同开展研究。

其中，就包括后来成为DeepSeek-V3、DeepSeek-R1核心贡献者之一的郭达雅。

据唐都钰回忆，两人的科研渊源始于郭达雅本科四年级，并一直延续到其博士阶段。

目前，唐都钰的论文累计引用已超过3万次，并入选全球前2%顶尖科学家榜单的终身科学影响力名单。

在他看来，此行去取物理AI的真经，三个方面的能力缺一不可：

源头技术创新、大模型训练与终端落地，以及基于真实用户反馈的数据回流和持续迭代。

回顾过往，这或许就是他此番创业的底气。

不过，如今物理AI世界群雄并起，从VLA到世界模型，再到WAM各有拥趸，远未像LLM那般收敛。

尽管技术路线尚无定论，路线转换成本也极其高昂，但创业者必须提前下注。

不过在唐都钰看来，这场下注并不难。

因为AI从数据世界走向物理世界是趋势，从被动走向主动也是大趋势。

顺应趋势，所谓的“豪赌”也不过是顺势而为的必然选择。

当被问到，在一个远未收敛的领域里搞创新是否过于冒险时，唐都钰说：“我先把我认为最难、最有意义的事情做好就行了。”

创业伊始，百端待举。

技术上，主动式物理AI没有成熟的数据体系，也缺少统一的模型架构和评测标准。这意味着需要从需求定义开始，重新建立训练数据、决策模型与硬件之间的关系。

团队建设上，他们则沿着产学协同展开，与哈工大实验室保持着深度合作。

△唐都钰在中关村学院

最近，唐都钰刚多了一个新身份——中关村学院的老师，更具体一点，是这里的“AI模型杰出技术专家”。

这是一所2024年刚刚成立的国家级高等教育科研机构，它的特别之处在于，这里不仅关注学术，也鼓励科研人员将技术带出实验室，尝试创业。

这恰好契合唐都钰当下的状态。

在他看来，创业与加入高校并不矛盾，只是在不同维度推动同一个长期目标。

并且，在AI进入物理世界的阶段，很多关键突破需要学术与产业更紧密地结合。

△唐都钰朋友圈

唐都钰希望之后，一边在产业一线做出有价值的产品，一边继续探索前沿问题并培养年轻研究者。

如何让模型学点“眼力见儿”？

主动式物理AI，虽然不至于“读空气”般察言观色，但是必须做到“心里有谱，眼里有活”。

但，现实世界并不是一段剪辑好的，需要喂给模型观测的视频。

在线性的时间流里，给出回应是偶尔，保持沉默才是常态。

为此，观行数智设计了一套双模型协同架构，ProAgent。

其中，第一部分的StreamingJev负责持续读取现实环境中的事件流，进行轻量化判断，给出“是否需要介入”的讯号，如同哨兵。

相较之下，第二部分的Response Model更像指挥员。当StreamingJev识别出需求，Response Model会进一步判断事件的性质，规划回应方式，并决定调用何种设备。

△双模型协同架构示意图

唐都钰表示这种分工很大一部分出于现实考虑。

如果让一个大模型持续处理环境中的所有信息，不仅推理成本高，反应速度也将大幅变慢。

通过轻量模型完成前置判断，再让Response Model处理真正需要介入的事件，系统可以把更多计算资源留给关键时刻。

长期来说，唐都钰的目标是训练一个面向物理世界的原生主动智能模型。

对于这样一个模型，数据问题恐怕是关键。

显而易见，普通的互联网视频通常只记录发生内容，不会标注合适的、AI需要介入的时点。

观行数智的解法是建立一套自动化数据流程，从公开视频中提取场景变化，并将其转化为带有推理过程的决策序列。

这些序列中，既包含应该提醒或行动的正向样本，也包含应该继续观察的监督信号。团队希望借此让模型学会区分“出现了变化”与“形成了需要”。

据透露，目前观行数智已与具身公司合作，让系统真正进入具体设备，从而补充推理过程、动作空间与执行反馈——真正在现实世界解决问题，让数据闭环。

训练之外，观行数智还重新建立了一套评测体系ProactiveXBench，希望评估AI从发现需求到完成介入的完整轨迹。

其中，Timing关注反应时机，Progress观察介入时长和任务状态，Outcome关注最终结果。

三个维度对应着主动式物理AI最易出错的三环节：没赶上趟、撂挑子、白忙活。

根据团队给出的测试结果，在介入时效等特定指标上，其ProAgent模型已优于GPT-6等通用模型。

目前，团队也将这套能力首先放在了Reachy Mini机器人上，在60个案例中验证导引、警示与互动。

One More Thing

实际上，目前的人机关系尚不平衡，大部分时间，这种关系都建立在人的命令与AI的执行之上，关于“主体性”的争夺从未调和。

从这个角度看，一个能主动做出行动的物理AI也许可以打开一个新场面：

人不必完整表达每一项需求，机器能够从共同环境的变化中察觉问题，在约定的职责与权限内作出判断，并在适当的时候承担一部分责任。

这是让机器变得更具“生命感”，迈向人与AI共存的关键一步。

就像《钢铁侠》中的Jarvis。它知道用户此刻正在做什么，也知道自己应该在何时主动出击。

△《钢铁侠2》电影截图

不只是具身，未来，从家庭到汽车，千万种形态的主动式AI终端都将如此。

届时，命令的语言不再流行了，因为机器已经学会了理解，以及理解后的适时行动。

毕竟对机器而言，最终要抵达的，始终是“恰到好处”。

文中提及论文可参考：
http://arxiv.org/abs/2610.16967

跳转微信打开

未来十年共创1000个AI课题

允中 发自 凹非寺
量子位 | 公众号 QbitAI

当AI开始重塑产业，一所顶尖商学院正在重新思考：未来究竟需要怎样的商业领袖？

AI能写代码、做分析、生成方案，甚至开始自主执行复杂任务。

但有一个问题，似乎始终没有被解决：

当AI给出了答案，谁来判断这个答案是否值得执行？

比如，一家企业需要优化采购。AI可以同时计算供应商报价、交付周期、库存成本和预期收益，从数十种组合中找出数学意义上的最优方案。

但如果成本最低的方案意味着供应链风险增加，如果某个部门的效率提升反而损害了企业整体利益，最终又该如何选择？

今年7月，交大安泰MBA的一场AI战略实战坊，就把这样一道采购决策题搬进了课堂。

参与者被分配到不同角色，借助大模型和优化算法，在成本、效率、风险与收益之间展开三轮决策。

有意思的是，技术工具越强，管理问题反而越清晰。

算出最优解是一回事，把它变成企业真正可执行的决策，则完全是另一回事。

这或许正是AI进入产业深水区后，一场正在发生的人才变革。

AI越来越强，企业却开始为另一种能力买单

先看一组数据。

麦肯锡2025年全球AI调查显示，88%的受访者表示，其所在组织已经在至少一项业务职能中常态化使用AI。

但真正实现企业整体全面规模化部署的比例，只有7%。

从“用上AI”到“用好AI”，中间似乎还隔着一道鸿沟。

过去，企业讨论AI，更多关注模型参数、推理能力、算力成本。

现在，越来越多的问题指向业务本身：

一个Agent能不能真正融入现有工作流？一套智能系统能不能改善业务指标？一个看起来很先进的AI方案，究竟能不能带来可持续的商业回报？

这种变化，也正在重新定义技术人才的价值。

一个很有代表性的现象，就是FDE的走红。

FDE，即Forward Deployed Engineer，前线部署工程师。和传统意义上埋头开发的工程师不同，这类人才往往需要深入客户现场，理解实际业务，打通技术部署与应用交付之间的环节。

他们不仅需要懂模型、懂工程，还要能听懂客户的问题，理解业务流程中的复杂约束。

换句话说，企业需要的已经不只是把技术做出来的人，还有把技术真正用起来的人。

但FDE只是变化的一部分。

再向前看，当AI从辅助工具走向业务系统，技术落地还会涉及组织架构调整、资源配置、战略选择，甚至商业模式重构。

一个AI方案是否值得投资？一套新系统上线之后，原有岗位如何调整？人和Agent应该怎样协同？效率与安全、短期利润与长期竞争力之间，又应该如何平衡？

这些问题，不可能只靠更强的模型来回答。它们指向另一种复合能力：既能理解技术逻辑，又能洞察产业规律，还能够进行商业判断、推动组织变革。

这也是为什么，AI时代的人才竞争，正在超出传统技术岗位的边界。

当技术能力越来越容易获得，理解真实问题、组织复杂资源、创造商业价值的能力，反而变得更加重要。

问题来了：这样的人才，应该如何培养？

AI时代，商学院也要重新定义自己了

一个有趣的变化，正在交大安泰MBA的培养体系中发生。

2026年7月29日，上海交通大学安泰经济与管理学院发布《AI时代商科人才培养的安泰宣言》，系统回应了人工智能给商科教育带来的挑战。

其中一个值得关注的判断是：人始终是决策与责任的主体。

这不是一句简单的人机关系宣言。

当AI能够快速处理海量信息、输出专业分析，传统商学院教育中一部分以知识获取、案例分析和标准化求解为主的教学方式，也不可避免地面临冲击。

过去，掌握更多管理知识，往往意味着拥有更强的专业优势。

但今天，AI可以在很短时间内提供一套看似完整的战略分析、财务模型或市场研究报告。

如果知识本身不再构成足够高的门槛，商学院究竟应该教什么？

交大安泰MBA给出的方向，是从传授知识和解题方法，进一步转向培养定义问题、独立思考、跨界整合和价值判断的能力。

这也与上海交通大学安泰经济与管理学院院长陈方若所推动的商科教育改革思路一脉相承：不再把教师仅仅定位为知识和解法的传授者，而是更加注重引导学生直面真实问题，在复杂情境中形成判断。

其实，交大安泰MBA并不是刚刚开始关注AI。

早在2020年，学院就已开办人工智能MBA项目，探索AI与商业管理的交叉融合。

但到了2026年，改革显然不再局限于开设几门AI课程。

8月16日，交大安泰MBA正式发布“智能时代五链人才”培养体系。

这套体系试图打通五种原本分散的资源和能力：

链接智能、链接科创、链接产业、链接世界、链接交大。

链接智能，让管理者理解人工智能的技术逻辑和应用边界；链接科创，推动前沿科技与创新创业结合；链接产业，让商业学习深入真实的企业场景；链接世界，拓展全球商业视野；链接交大，则是进一步发挥上海交通大学综合性研究型大学的跨学科优势。

背后有一个重要的培养逻辑变化：

未来的商业领袖，不能只在商学院里培养。

因为现实世界中的复杂问题，往往没有明确的学科边界。

智能制造的转型，需要同时理解工程技术、供应链和组织管理；AI创业需要把产品开发、商业模式、资本资源与市场需求连接起来；企业出海则涉及全球市场、技术竞争、跨文化组织和经营决策。

如果培养人才的目标是解决这些问题，商学院就必须主动打破自己的边界。

而上海交大的工科、人工智能等学科积累，以及安泰长期形成的产业研究、科技金融和校友生态，恰恰为交大安泰MBA的这种跨界培养提供了基础。

十年共创1000个AI场景：不只是把AI带进课堂

理念之外，改革还需要找到具体的落点。

交大安泰MBA 2026年公布的一项计划，颇有AI产业界的味道：

百业千企10×100 AI场景共创计划。

按照规划，未来十年，交大安泰MBA将联合各行业企业，共同打造落地1000项专属AI实景课题。

这并不是1000道传统意义上的课堂练习题。

其核心设想，是让企业真实的业务难题成为人才培养的起点。

在传统商学院中，案例教学通常建立在已经发生的商业事件之上，学生需要分析企业当时为什么成功、为什么失败。

而在AI快速演进的环境里，许多问题还没有成熟答案。

一家制造企业如何重新设计AI驱动的生产流程？一个服务行业的Agent应该接管哪些环节？一家科技创业公司如何从技术原型走向商业化？

企业也许正在为这些问题寻找解决路径。

如果让这些尚未解决的真实问题进入课堂，学生就不再只是事后分析者，而有机会成为问题解决过程的参与者。

为支撑这一模式，上海交通大学还联合相关行业组织、研究机构及学院，发起成立AI时代商科人才培养联盟，推动课程、场景、产业资源与人才培养机制的协同。

而从规划走向实践，交大安泰MBA已经有了新的进展。

今年9月6日，交大安泰MBA公布百业千企首批AI场景清单及共建生态伙伴，并与AI开源学习社区Datawhale达成战略合作，同步启动FDE人才专精培育计划，发布“AI+X”实训课程及FDE精选课程。

这些举措将进一步把企业需求、技术能力、实践案例与交大安泰MBA课程连接起来。

尤其值得注意的是，交大安泰MBA这套培养体系重点提出了三种实战能力：

AI4O、FDE和OPC。

AI4O，即AI for Operations，强调利用AI理解和优化企业运营，让技术真正转化为运营效率与业务价值。

FDE关注工程落地，需要能够深入产业现场，把业务问题转化为可交付、可验证的AI解决方案。

OPC，即One Person Company，则指向AI赋能下的新型创业与经营方式，强调从产品、市场到运营的全栈经营能力。

三者关注的场景不同，却指向一个共同的问题：

AI技术如何真正创造价值？

从企业运营，到工程部署，再到创业经营，新的商业人才需要面对的，已经不再只是传统职能分工中的单一任务。

这也解释了为什么交大安泰MBA的改革，要把课堂延伸至产业一线、科创园区、研发基地和实验室。

毕竟，理解一个模型的运行机制，与推动一个AI项目在真实企业中落地，是两种不同的挑战。

真正的能力形成，需要在产业现场接受检验。

一场从培养目标到课程机制的系统升级

当然，商学院要真正适应AI时代，仅靠几个新概念或新增几门课程远远不够。

培养方式本身也需要改变。

在这轮改革中，交大安泰MBA同步推出了一系列面向2027级的培养调整。

其中包括：学制统一调整为2年，实施40—50学分弹性学分制，实践课程占比不低于总课时的四分之一。

在教学安排上，交大安泰MBA非全日制项目采用周末课堂模式；全日制CLGO项目则采用中文授课、每月集中4—5天的方式。

这些变化背后，是对职业发展节奏、学习需求与产业实践之间关系的重新思考。

对于已经身处产业一线的管理者来说，最迫切的需求，未必是暂时离开商业现场，集中接受一套相对固定的知识训练。

他们更需要把正在经历的产业问题带入课堂，再将课堂中的新方法带回工作和实践中。

与此同时，交大安泰MBA继续围绕不同职业发展需求设置培养方向。

人工智能MBA更关注AI与商业管理融合，科技金融MBA连接科技创新与金融资源，CLGO强调工程与运营管理的跨学科培养，IMBA则聚焦全球商业视野和国际化管理能力。

不同方向之上，共享的则是交大安泰MBA不断拓展的智能、科创、产业和全球资源生态。

从这个角度看，学制、学分和课程改革，并不只是教学制度的变化。

更深层次的变化在于：MBA教育正在尝试从相对固定的知识传授，转向面向真实产业需求的持续能力建设。

而判断这种改革是否成功，最终仍然要回到产业现场。

学员是否能够识别值得解决的业务问题？能否让跨专业团队形成有效协作？能否把技术方案转化成真实商业成果？

这些能力，不会因为听过一门课就自动形成。

它们必须在一次次实践、判断和复盘中被锤炼。

这也意味着，商学院既需要理解最新的技术变化，更需要持续获得产业的反馈。

AI时代，真正稀缺的可能是“定义问题的人”

回到最初的问题。

AI越来越强，未来的商业领袖还需要做什么？

或许，可以从交大安泰MBA那场AI战略实战坊中找到一部分答案。

当模型已经能够分析复杂数据、比较大量方案时，人真正需要做的，是识别业务目标，理解不同决策的代价，并在不确定性中作出选择。

更关键的是，让这些选择被组织接受、执行，并最终产生结果。

技术能力决定企业可以做什么，而商业判断决定企业应该做什么。

今天，我们看到AI正在降低代码开发、内容生产、产品设计乃至创业的门槛。

但低门槛不等于低复杂度。

当越来越多的人能够借助AI拥有过去需要一个团队才能完成的生产能力，理解需求、组织协作、建立信任、承担责任的价值，反而会变得更加突出。

对技术人才而言，未来的职业进阶，也许不只是从工程师走向更资深的工程师，还包括从解决技术问题走向定义业务问题，从管理一个项目走向统筹一个产业场景。

对商业管理者而言，AI也不再是一门可以交给技术部门负责的选修课，而正在成为理解未来企业运作方式的基本能力。

这正是交大安泰MBA这轮培养改革所回应的时代命题。

从AI宣言到五链人才培养体系，从百业千企场景共创到AI+X实践课程，再到学制、学分和培养机制的系统调整，交大安泰MBA正在尝试回答一个更长远的问题：

当技术不断进化，商学院应该为未来培养什么样的人？

答案并不是让所有管理者都成为算法专家，也不是让每个人都追逐最新的AI工具。

而是培养一批既理解科技创新、又扎根真实产业，既拥有全球视野、又能够作出独立判断的复合型商业领袖。

AI可以提供越来越多的答案。

但决定应该提出什么问题、选择什么方向，以及为最终结果负责的，依然是人。

或许，这才是AI时代商业教育真正需要守住、也最值得重新定义的核心价值。

跳转微信打开

国行AI曝12月上线

一水 发自 凹非寺
量子位 | 公众号 QbitAI

好家伙，苹果这回是真杀回来了？！

就在刚刚，苹果正式跨过了5万亿美元市值这道门槛，成为继英伟达之后，全球第二家收盘市值突破5万亿美元的上市公司。

更离谱的是，这次苹果登顶，还是顶着科技股集体跳水的行情完成的。

当天，美国通胀数据超出预期，美债收益率一度猛蹿，纳指大跌1.9%，创下7月以来最差单日表现。

英伟达跌3.16%，Meta跌3.27%，微软跌1.8%，谷歌跌1.68%，甲骨文更是暴跌8.83%。

结果苹果呢？

逆势上涨0.5%，收于342.96美元。

不是哥们，你们搞AI的集体挨揍，我这个天天被吐槽的「AI掉队生」，反手摸出一张5万亿美元成就卡？？

属实有点黑色幽默了。（笑）

但热闹还没结束，几乎同一时间，长期追踪苹果消息的古尔曼又扔下一则重磅爆料：

苹果准备在今年12月，通过iOS 27.3正式把Apple Intelligence带到中国大陆。

等等等了两年，国行苹果智能终于要来了？

再仔细一看功能列表——新版Siri AI，不在首发名单里。

好好好，市值都5万亿美元了，国行Siri怎么还得继续等啊喂！！！

苹果第七次摸到5万亿，这回终于没掉下去

不过先别急着开香槟。

因为严格来说，这并不是苹果第一次摸到5万亿美元。

早在今年7月，苹果市值就曾在盘中短暂越过这道门槛，成为继英伟达之后，第二家触及5万亿美元的上市公司。

但尴尬的是，此后每次刚把脑袋探过去，收盘前又会被拽回来。

前前后后，苹果已经六次在盘中突破5万亿美元，却愣是一次都没能守到最后。

主打一个：过去了，但又没完全过去。

直到这一次，苹果终于结束反复横跳，在收盘铃响后把市值定格在了5.005万亿美元。

别看只比门槛多出50亿美元，性质可完全不同——

这意味着苹果不再只是盘中来5万亿美元俱乐部打个卡，人家这回是正式拿到“常驻席位”了。

当天盘中，苹果股价一度冲到347.07美元，距离此前348.15美元的历史最高点只差0.31%。

差一点，连历史新高也顺手拿了。

当然，市场突然给苹果上强度，也不是完全没有由头。

最近一个多月，苹果新品几乎是一波接一波：

iPhone 18 Pro、首款折叠屏iPhone Duo刚刚亮相，HomeView、HomePod mini 2和新款Apple TV 4K又紧接着登场。

其中售价1999美元起的iPhone Duo，也将在两天后开启预购。

这边AI公司还在为数据中心、GPU和巨额资本开支疯狂烧钱，苹果那边已经开始拿着折叠屏、新硬件和自家生态继续收钱了。

更微妙的是，这还是约翰·特努斯接棒苹果CEO后的第44天。

自9月1日正式上任以来，苹果股价累计上涨约5%，如果从上任前一个交易日的收盘价计算，涨幅则超过8%。

网友对此也是一点没客气。

有人调侃，苹果能到5万亿美元，全靠“卖了大约100台iPhone Duo”。

还有人看到苹果刚发布的299美元HomeView，直接阴阳道：

原来只需要一台300美元的Apple TV，就能把苹果送上5万亿美元，太不可思议了。

玩笑归玩笑。

特努斯上任一个多月，公司市值就正式迈过5万亿美元，这块新CEO欢迎牌，确实大得有点吓人。

不过更吓人的，还在后面。

因为就在苹果忙着刷新市值纪录的时候，古尔曼爆出的国行Apple Intelligence时间表，也终于把这场拖了两年的连续剧，推到了下一集。

古尔曼爆料：国行12月上线，但先上“两年前套餐”

据古尔曼援引知情人士消息，苹果计划在今年12月随iOS 27.3更新，首次在中国大陆推出Apple Intelligence。

按照爆料，首批功能预计包括Genmoji自定义表情、通知摘要、写作工具，以及照片App中的Clean Up消除功能。

也就是帮你总结通知、修改文字、生成表情，再把照片里的路人甲一键擦掉。

这些功能当然都有用。

问题是，它们基本属于苹果2024年推出的第一批Apple Intelligence能力。

国行用户苦等两年，等来的似乎还是一套“基础套餐”。

今年苹果重点升级的新版Siri AI、重新设计的Image Playground、升级版Genmoji以及部分新文本生成功能，预计都不会随首批功能一起落地。

其中最关键的新版Siri AI，短期内进入中国市场的希望可能也不算大。

古尔曼称，苹果高管对于它近期在中国获准落地并不乐观。

这么一看，国行Apple Intelligence约等于：

智能来了，Siri先在车站等下一班。

网友当然不会放过这个槽点。

MacRumors评论区里，有人一句话总结：

这就是少了最好那部分的Apple Intelligence。

马上有人反向补刀：

考虑到大家一直吐槽Siri AI连基础任务都做不好，也可以说，这是少了最差那部分的Apple Intelligence。

但不管好坏，你倒是先端上来啊。

为了上桌吃饭，苹果目前也选择与国内厂商展开合作。

工信部最新进网许可信息发现，iPhone Duo、iPhone 18 Pro及部分较早机型的许可记录中，已经出现Apple Intelligence、通义千问和通义万相三套AI系统。

阿里巴巴预计提供语言及图像模型能力，百度则主要参与搜索和Siri相关功能。

为了满足国内要求，苹果与合作方还需要重新处理内容过滤、模型更新和服务部署。

换句话说，国行Apple Intelligence不会只是给海外版本加个中文，再原封不动搬进来，它大概率是一套从底层模型到内容规则都经过本地化改造的版本。

虽然最终体验如何还得等上线后再看，但如果爆料属实，对国内用户来说至少是个明确进展。

只是，当国产手机已经把AI卷到智能体、跨App操作和系统级任务执行时，苹果带来的还是通知摘要、写作工具和照片消除这套基础套餐。

这么一来，苹果头顶那张“AI掉队生”的标签，恐怕暂时揭不下来——

甚至还可能被贴得更牢了。

One More Thing

最近刷到一个很应景的老梗。

《阿甘正传》里，丹中尉拿捕虾公司的钱，替阿甘投资了一家“卖水果的公司”。

阿甘后来收到一封印着苹果Logo的信，还一脸淡定地表示：

丹中尉说，我们以后再也不用为钱发愁了。

电影并没有交代丹中尉到底买了多少股份，不过按照流传最广的一版网友推算，两人当年可能用10万美元，拿下了苹果大约3%的股份。

如果这3%一直拿到今天，按照苹果5万亿美元的市值计算，这笔股份现在价值约：

1500亿美元，约合1.07万亿元人民币。

丹中尉，你的权威我后知后觉。（笑）

不过玩笑之外，5万亿美元这个数字，确实带着一点时代交接的味道。

过去很长一段时间，苹果都是科技行业最醒目的路标。

它率先突破1万亿、2万亿和3万亿美元，几乎每次抬高市值天花板，都对应着消费电子和移动互联网最风光的时代。

但到了AI时代，第一个站上5万亿美元的，已经换成了英伟达。

同一时间，苹果内部也完成了另一场交接：

英伟达接过苹果手里的时代火炬，特努斯则从库克手里接过了苹果。

库克留给特努斯的，是一家刚刚站上5万亿美元、供应链与商业模式都运转到极致的超级公司。

这当然是一份厚得吓人的家底。

可特努斯需要回答的问题也同样直接：

当AI开始重新定义手机、电脑和下一代交互方式，苹果还能不能继续定义下一个时代？

从个人角度来看，苹果现在的处境多少有点微妙。

资本市场正在用5万亿美元，给它过去十几年的成绩打出高分，但国行Apple Intelligence迟到两年、新版Siri继续缺席，又在提醒所有人：

过去那套答案再漂亮，也不能替苹果回答AI时代的新题。

所以，这个5万亿美元既像一座里程碑，也像一张刚刚发下来的新考卷。

库克把苹果带到了这里。

接下来，就看特努斯能不能让它继续往前走了。

参考链接：
[1]https://9to5mac.com/2026/10/14/apple-intelligence-reportedly-coming-to-china-in-december-but-without-siri-ai/
[2]https://www.macrumors.com/2026/10/14/apple-5-trillion-close/

跳转微信打开

从科学空间推理到ScienceRSI，探索AI4S新路径

Scinetics团队 投稿
量子位 | 公众号QbitAI

模型的思维链，让AI学会了用文字一步步推理；但科学家的思考，还发生在分子的三维空间、基因序列和实验曲线里。

不妨设想，如果AI也能直接用这些科学对象思考，它会走向怎样的能力边界？

Scinetics给出的方向是Chain of Science Tokens——科学Token链。把序列、结构、图像、组学和测量数据表示成模型能够读写的科学信息单元，再让它们与语言共同构成推理过程。

文字提出目标，科学状态承载中间决策，每一步的产物都成为下一步的依据。

例如，为蛋白质设计一个更合适的结合口袋，模型可以读取局部结构、尝试放入一种侧链，再检查空间冲突并调整方案。这便是科学Token链希望实现的推理方式：一次“思考”对应一次结构变化，结果能够被后续计算和实验检验。

△文字与结构交替参与推理的概念示意。

用一条结构链回答酶应该长什么样

△Chain of Structures技术报告标题与作者团队

沿着这一方向，Scinetics团队在Chain of Structures（COS）中选择酶设计作为突破口，把科学Token链落实为四轮逐步成形的蛋白质结构。工作由来自麻省理工学院（MIT）、哈佛大学、剑桥大学、香港科技大学和Scinetics等机构的研究人员共同完成，张载熙为通讯作者。

酶设计的难点在于，整体形状合理还不够。关键残基需要在正确的位置相遇，底物需要以合适的姿态进入，周围结构也必须为催化提供支撑。要从一条化学反应走到一个完整蛋白质，模型必须同时回答“为什么这样设计”和“怎样把它构建出来”。

COS把这项任务拆成四轮。第一轮确定催化核心：依据反应需求，选择承担关键化学作用的残基，构建最初的局部几何。第二轮完善活性位点：围绕核心补充识别底物和支持反应的相互作用，为催化搭建微环境。

第三轮构建全局骨架：让整个蛋白质包围并支撑活性位点，同时保留底物进入的空间。第四轮补全序列与侧链：把局部设计拓展成完整蛋白质。每一轮都产生实际的结构状态，后续设计需要尊重已经形成的约束。

这一过程像是在分子尺度上逐层搭建一座精密工厂：先明确最核心的反应装置，再安排周边环境和整体框架，最后补齐全部构件。结构链让局部催化需求与全局蛋白质设计能够持续对接。

连接推理与生成，是其中的关键。COS一方面传递明确的残基和位置约束，另一方面利用连续表示，把结构训练信号传回推理端。模型由此学习的不只是怎样描述方案，还有怎样提出生成器能够实现的方案。当前四轮流程向前推进；更长的推理、回退与纠错，是团队继续探索的方向。

△四轮结构设计把反应需求逐步转化为完整蛋白质。

六项指标五项领先

在本次酶设计基准对比中，COS取得新的SOTA表现：六项评测指标中五项排名第一，覆盖功能匹配、结构置信度和结构自洽性。三级酶分类一致率EC3达到57.0%，超过CodeFP的55.3%；pLDDT达到79.3，TM-score达到0.729。

△主结果节选。“SOTA”限于报告所比较的方法与统一评测设置；完整六项指标见COS表3。EC3为功能预测分类匹配，pLDDT为预测置信度，TM为结构自洽性，MMD衡量序列分布差异。

消融结果说明，结构链的价值来自推理与生成的配合。去掉推理链后，EC3降至53.4%；保留推理链但去掉连续接口，则降至51.8%。只有将两者结合，完整系统才能取得这组比较中的最佳表现。

这些结果为“在科学空间中推理”提供了计算层面的支持：中间结构可以成为设计过程的一部分，并影响最终产物。真实酶活性、选择性和稳定性的提升，仍需进一步通过湿实验检验。

从设计一个分子到训练下一代科学AI

如果一次科学推理能够留下可检查的结构、假设和验证记录，这些经验能否帮助模型下一次想得更好？Scinetics在配套Perspective中提出ScienceRSI，即科学递归自我改进，尝试把单次任务的推理扩展为跨代模型的学习循环。

这条循环从模型与智能体产生候选科学Token链开始。模拟器、数据库、实验和领域专家负责筛选；有证据支持的轨迹进入训练集，失败记录也被保留，用于训练更强的下一代模型。新一代模型再产生新的候选与任务经验，继续推动循环。

△ScienceRSI研究设想：生成候选、外部验证、训练下一代模型。

科学任务为这一思路提供了具体的检验对象：结构是否冲突、模拟是否满足约束、实验能否重复。模型提出候选，外部证据决定哪些经验值得学习，并明确区分预测、模拟与实测。验证能力由此成为自我改进能够走多远的关键。

COS是这一长期方向的早期案例，而非Scinetics最终模型。团队希望将科学Token链扩展到更多科学模态，把序列、结构、图像和测量结果连接起来，让一项任务的输出能够成为下一项任务的可用经验。

更远的目标是科学超级智能（Scientific Super Intelligence，SSI）：让同一个固定模型，在专业科学任务上超过垂直模型，同时在广泛科学推理上超过同等规模的通用语言模型。Perspective提出1000亿至3000亿参数、10万亿至30万亿训练Token的探索窗口，这是面向未来的可检验假设。

从科学空间中的一步推理，到一条可验证的设计链，再到跨代积累经验的ScienceRSI，Scinetics希望回答的是：AI能否在不断接触科学对象、接受真实反馈的过程中，学会更有效地发现和创造？

GitHub：https://github.com/Scinetics-ai/chain-of-structures
Hugging Face：https://huggingface.co/Scinetics-ai/chain-of-structures
在线Demo：https://enzymecot.bioclaw.tech/
Scinetics官网：https://scinetics.ai/

阅读原文

跳转微信打开

3个岗位（含实习），不设边界

编辑部 发自 凹非寺
量子位 | 公众号 QbitAI

AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？

我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。

目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家：

• AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算；

• AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向；

• AI产品方向：关注AI在应用和硬件终端方向的进展。

岗位均为全职，工作地点：北京中关村。

岗位面向：

• 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位；

• 校招：应届毕业生，接受实习且可转正。

加入我们，你可以获得：

• 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。

• 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。

• 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。

• 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。

• 获得专业指导：应届新人会由主编级编辑出任mentor，提供一对一指导，帮你更快进步获得成长。

• 加入活力团队：与一群志同道合的年轻人一起工作，享受扁平、简单、开放、多劳多得能者上位的团队氛围。

• 获得丰厚回报：行业TOP薪资待遇，五险一金、餐补、项目绩效、商务绩效、加班补助等福利一应俱全。

以下是岗位详情：

所有岗位不同能力层级职位均在开放，欢迎结合个人履历和经验申请。

• 主编：具备选题和带队能力及经验；

• 主笔：具备原创深度稿件能力；

• 编辑：热爱表达，喜欢挖掘信息，能够用大白话让所有人看懂AI新进展。

AI产业方向

岗位职责：

• 跟进AI基建层新进展，包括但不限于芯片、AI Infra、云计算领域新进展，核心玩家动态；

• 做前沿论文、开源社区、技术大会（Hot Chips、NeurIPS、MLSys）技术报告大众化解读；

• 参与核心采访，对话产业专家、技术大牛、撰写AI云落地案例。

任职要求：

• 对芯片、GPU、NPU、服务器、模型训练架构、云计算等有基本理解；

• 熟悉AI行业的供应链与生态（训练–推理、算力–成本、云–芯片关系）；

• 能把复杂技术内容结构化表达；

• 有技术背景、理工或CS/EE方向优先。

AI财经商业方向

岗位职责：

• 聚焦创投、AI创业公司、上市公司、商业模式、产业链资本动向；

• 产出创投融资、招股书财报解析、公司战略分析等稿件；

• 访谈对话投资人、创业者、产业分析人士。

任职要求：

• 对数据敏感，对财报、股权结构、战略规划感兴趣；

• 逻辑结构强，对商业叙事敏感；

• 热爱对话采访，社交型人格。

AI产品方向

岗位职责：

• 关注AI在终端的落地：包括软件应用产品、硬件方向落地；

• 撰写AI应用产品深度评测、跟踪多终端新品发布（手机、PC、XR、车机等）；

• 对话访谈AI应用创业者、产品专家、终端技术专家。

任职要求：

• 对智能硬件、AI终端趋势敏锐，重度AI产品体验人士；

• 熟悉各大终端厂商业态、体验方法论；

• 有强逻辑、体验表达和结构化能力。

应聘方式

1、请将个人简历发送至zhaopin@qbitai.com，邮件主题请注明“量子位XX方向应聘 - [你的姓名]”；

2、随简历附上你的科技行业代表作品，或者能展现个人写作水平和风格的作品。

关于量子位：

截至2025年，通过及时追踪AI及前沿科技进展，量子位在微信公众号已经有超260万订阅用户，全网用户超700万，日均阅读量200万+。
在新榜和清博等第三方数据平台，量子位已是AI以及前沿科技行业TOP1新媒体。

跳转微信打开

该做硬件了

跳转微信打开

给企业Agent打了个样

听雨 发自 凹非寺
量子位 | 公众号 QbitAI

开一家3D打印鞋店，原本需要30天，现在只用7天。

做了近十年电商的刘祥龙，就这样开起了新店。

他是千问办公的第一批用户，把开店前的市场调研和商品详情页制作，都交给了AI协助完成。

据他介绍，过去做调研要向咨询机构购买服务，准备上新还得打样、拍摄，一轮下来得花费上万元。

这次，他借助千问办公完成前期调研和素材准备，Token费用只花了几百元。

而且吧，开过店的都知道，更大的风险在于货备好了却卖不动。

新品一旦滞销，投入的钱就压在库存里，资金迟迟回不来，后续周转也会跟着吃紧。

现在，刘祥龙先用千问办公做调研、生成商品详情页，当天就能测款。等数据跑起来，再决定生产什么、生产多少。

（测款：小范围测试一款商品的市场反应）

刘祥龙说，如果没有千问办公，他不会这么快就营业。

等到再想开店的时候，可能别人都做起来了。

什么？你说千问办公啥时候也能帮人开店了？

就在刚刚，千问办公推出电商版，将商家自行摸索的选品调研、素材制作和经营分析，进一步做成专业功能。

最大的特色，就是为商家的真实经营需求而设计。

千问办公CEO陈宇森表示:“千问办公电商版的定位是一款独立第三方电商Agent，面向市面上所有电商平台和商家开放。”

不仅如此，千问办公还表示将接入更多平台的商家工具和行业软件。

由此，千问办公也回答了一个更大的问题：

当Agent从个人助手走向企业生产力，它到底应该长成什么样？

四大核心功能，把行业需求做进产品

刘祥龙用千问办公来做市场调研，核心是判断一门新生意能不能做。

他得了解消费者想买什么，还要考虑测款成本，避免刚开始就把钱压在库存里。

这类任务，显然已经超出了个人助手的日常工作。

时下流行的个人Agent，比如Muse，都是围绕个人的工作习惯和任务提供帮助。

整理邮件、安排行程、处理日常事务……其产品形态更接近「一个人的助理」。

但进入一家企业，Agent还得熟悉业务如何运转。

比如，运营想判断一款商品要不要追加投放，就得参考财务核算的成本和利润。Agent要参与这项工作，就需要企业上下文。

而千问办公此前与钉钉打通，能够获得企业授权范围内的群聊和文档信息。团队最近在做什么、有哪些相关讨论，Agent都能一清二楚。

进入电商行业，Agent还要进一步理解商品、库存、投放等经营信息。

比如新品应该突出哪个卖点、素材要符合什么品牌风格、投放出了异常该怎么查——这些都需要按商家的工作方式来具体设计。

今天上新的千问办公电商版，其四项专业功能，就围绕这套经营流程展开。

趋势洞察及卖点分析

上新之前，商家往往要花时间先考察市场。

比如抖音、小红书最近流行什么穿搭，大家都有什么痛点和需求，这些都可能影响商品的卖点和内容方向。

「趋势洞察及卖点分析」，能够从这些平台的热词和热门内容中寻找线索，为商家提供种草方向。

爆款素材批量生成

有了方向，接下来就是准备素材。

同一个卖点，要做成不同场景的图片或视频；换个渠道，内容的呈现方式又要调整。

而且批量生成还得符合品牌要求，不能每张图各有各的风格。

「爆款素材批量生成」，能把品牌色系、视觉风格和商品卖点纳入生成要求，批量制作适配不同品类、不同渠道的内容。

跨平台作战台

商品开始销售后，商家又会面对一堆分散的经营数据。

一家店销量涨了，库存是否跟得上？推广带来了流量，退款有没有同时增加？

经营多个平台、多个店铺时，运营人员往往要逐个打开后台，再把报表放在一起比较。

「跨平台作战台」，能够将这些信息汇总起来，关联分析销售与流量，把库存、退款等情况一并纳入经营总览。

谁懂啊，再也不用一个个打开后台对比报表数据了！

商家完全可以集中查看异常，再决定先处理哪件事～

跨平台ROI智能优化

投放也需要持续跟进，因为预算每天都在消耗，一次分析报告很难覆盖之后的变化。

「跨平台ROI智能优化」通过定时任务获取投放报表，提醒ROI下滑或预算消耗异常，并提供调整建议。

商家可以据此判断，是继续观察，还是调整素材和投放安排。

从选品到投放，千问办公电商版的四大功能都围绕商家的业务要求来设计，把通用的分析和生成能力用到了具体经营流程中。

Agent要在这些流程中发挥作用，就得深度理解商家的经营逻辑。这也说明，行业化是企业级Agent价值兑现的必经之路。

只有深入理解一门生意怎样运转，Agent才能真正参与其中，提升行业生产力。

接上已有软件，4个月的素材15天备齐

看到这里，你可能会疑惑：

我店里已经有ERP，也用了不少经营软件，再接入千问办公，它们该怎么一起用？

平时，商家在生意参谋等工具里查看经营数据，但库存和财务信息可能又放在其他系统中，要算清一款商品究竟赚了多少钱，往往还得自己下载多份报表进行整理。

这个问题，千问办公电商版已经有了解法。

它可以通过连接器调用这些已有工具，把取数、整理和分析组织成工作流。

捌比特咖啡是一家小公司，团队只有17人，生意覆盖十余个电商平台，原本用钉钉来处理日常审批和财务协作。

接入千问办公后，他们继续使用这些工具，通过连接器将授权的数据接进工作流。

过去，团队开发新品主要依赖创始人的个人口味和同行交流；现在借助千问办公，团队搭建了一套选品调研Skill。

千问办公会先查看自家商品，找出有搜索流量、转化却偏低的产品，再建立竞品池，补充商品详情页信息。

分析一款冷萃咖啡时，报告会比较不同商品的处理方式和风味，再结合价格表现，给团队提供配方参考。

捌比特过去较少在冷萃配方中使用日晒豆，但靠着这套调研Skill，团队发现，在所分析的同类商品中，日晒在处理法统计中排名第一，而团队过去偏好的水洗只排第三。

团队据此调整配方，再结合供应链和实际口感，推出一款瑰夏冷萃新品。

效果立竿见影，据商家介绍，该新品销量约为过去同类产品的10倍。

同样的方法也复用到了经营周报和利润计算上：

原本要人工登录后台、下载和整理的数据，现在由千问办公按设定周期获取、分析，结果还可以推送到钉钉群。团队拿到周报后，可以直接讨论经营波动，减少前面的准备工作。

此外，捌比特还通过MCP连接器接入聚水潭ERP和生意参谋，由千问办公导出、清洗数据，再结合钉钉智能财务应用搭建分析套件。

不同系统里的费用被放到一起核算，团队由此能查看各渠道的净毛利。

Sandy的内衣团队也是一个典型例子。团队只有两个人，运营两个品牌，一个上新季需要准备接近1万张种草图。

团队将第三方生图软件接入千问办公，由Agent组织批量出图和素材整理。据Sandy介绍，秋冬素材准备周期从4个月缩短至约15天。

经营分析也接进了工作流。千问办公从业务系统中读取、整理数据并生成分析报告，将单次数据分析的耗时从约3小时压缩到1小时以内，供团队开展后续投放复盘。

在这些工作里，ERP和经营分析工具继续提供各自的专业能力，Agent则根据商家的目标调用工具，将原本需要人工衔接的步骤串成一项跨系统任务。

分散的数据得以共同用于选品或利润核算，商家也减少了反复导数、整理的工作。

Agent由此成为行业软件之上的新智能层，让已有工具的能力用于更完整的经营流程，为存量软件创造增量价值。

这种连接与协作，也为Agent与SaaS提供了一种新的合作方式。

企业Agent的下一场竞争，在行业里

千问办公为什么先从电商做起？

因为电商是一个容易看见效果的起点。

商品从上架到售出，大部分过程都在线上完成。经营数据持续产生，相应的软件也比较成熟，Agent有条件直接参与实际工作。

素材准备用了多久，一份报告省了多少人工，商家都可以直接拿前后的结果作比较。

相应地，中小商家也同样需要千问办公。

像捌比特这样的团队，人不多，经营的平台却不少，很难为每项工作都配一位专职人员。对他们来说，日常工作已经占了大部分时间，新品开发还得持续跟进市场。

即使手里已有各种软件，也缺少专门的技术人员，把分散的工具和数据串起来。

千问办公的意义，就在于让缺少技术支持、人员有限的小团队，也能用好已有软件，完成更多经营工作。

技术底座方面，千问办公打通钉钉获得的企业上下文，能帮助Agent获得任务所需的信息，减少员工每次重新解释业务的工作。

其采用的自研Agent框架，则将复杂需求拆成多个步骤，再选择相应工具执行。

比如做一份经营报告，取数之后还要清洗、分析。Agent需要记住统计周期和分析目标，也要知道哪些步骤已经完成，才能继续调用工具处理后面的工作。

千问办公的上下文压缩和会话恢复设计，就用于支撑这类长任务：保留后续执行需要的信息，让任务在多次工具调用中继续推进，中断后也有条件恢复。

对商家来说，这些工程能力不仅关系到一份报告能否按要求完成，也关系到每天反复执行的经营任务，能够节省多少人工成本。

可以说，千问办公电商版，为企业Agent打了个样：

连接行业已有的工具，再围绕实际业务设计功能，让通用办公Agent走进具体的经营流程。

作为独立第三方Agent，它面向整个行业生态开放，并将持续接入更多平台和工具。

电商版的发布也释放了一个行业信号：企业级Agent的竞争，正在从模型能力进一步深入到行业理解与生态连接。

模型能完成哪些任务，最终还要放进企业的业务中进行检验。

谁能真正连接行业工具、理解行业逻辑，谁就能定义下一代企业的生产与管理方式。

未来，千问办公电商版还计划拓展到更多行业，继续进入金融、政务、教育等领域。

跳转微信打开

InfiniHand让手部重建更准更快

上海人工智能实验室 投稿
量子位 | 公众号QbitAI

人类每天都在完成丰富的手部操作。通过头戴相机记录下这些过程，能为具身智能提供大量示范。

但要从中提取三维动作，还缺少一层信息：手究竟在空间中的哪里，手指怎样弯曲，又沿着什么轨迹移动？

其中的难点在于镜头也在动。画面里的手向右移动，可能只是转了一下头；物体遮挡和双手交互，又会让关键的手指细节消失在视野中。

针对这一问题，上海人工智能实验室联合上海交通大学等高校团队提出InfiniHand，用一个流式模型联合估计手部位置、手部形态和相机轨迹，将连续动作恢复到共享的世界坐标系中。

团队汇集约5000小时公开第一视角视频，经过清洗开展两阶段训练，让模型同时学习精细手势和跨帧空间关系。在论文报告的预测速度比较中，InfiniHand达到11.19FPS，超过HaWoR的两倍；重建精度也在多个测试集上得到提升。

△InfiniHand手部重建总览。

先知道手在哪里，再看清手指怎么动

重建手部动作，不能只盯着手的局部图像。相同的手掌大小可能对应不同距离，局部外观也很难单独解释相机转动。要判断手在空间中的位置，需要把它放回周围场景和前后帧中理解。

传统世界坐标系重建方法通常把任务交给多套系统：检测器找手，手部网络估计姿态，SLAM系统追踪相机，再把结果对齐。每个环节都可能出错，检测抖动、轨迹漂移和尺度偏差还会传到后续阶段。处理大规模视频时，多套模型的计算与协调成本同样不可忽视。

InfiniHand选择共享这些环节需要的几何上下文。预训练的LingBot-Map骨干从完整画面提取几何特征，定位模块据此预测左右手区域；手部重建模块再融合局部外观，补充手指和关节细节。全局特征帮助确定空间关系，局部特征帮助恢复精细形态。

输出采用MANO参数化手模型，用一组参数描述关节姿态、手形与朝向。辅助二维关键点预测还会约束三维结果在图像中的投影，使恢复出的手与可见位置相符。模型随后结合相机轨迹，将各帧手部结果转换到同一个世界坐标系，得到能够跨帧比较的动作轨迹。

△完整画面的几何信息与手部局部细节共同参与重建，两阶段训练逐步连接手势与全局运动。

5000小时视频，先解决标注是否可靠

模型见过多少视频很重要，但错误标注也会随规模一起进入训练。不同数据集的左右手顺序、坐标定义和标注种类并不一致；部分标注投影回画面后，甚至与实际手的位置、姿态对不上。

团队从ARCTIC、HOT3D、EgoDex等9个公开数据集汇集约5000小时视频，统一图像、手部参数、关节、掩码与边界框。已有三维关键点被用于补齐缺失的MANO参数，有相机轨迹的序列则额外保留世界坐标系监督。

清洗时，系统用Sapiens 2预测图像中的二维手部关键点，再与原始标注的投影比较。持续不一致的序列被筛除，不确定样本留待人工检查。这一步移除了约30％—40％的候选训练数据，让规模扩展有了质量把关。

在此基础上，训练分成两步。第一阶段利用有效的相机空间标注，先学好手部定位与精细重建；第二阶段引入相机轨迹和时序监督，联合学习手部与相机运动。这样，不同标注条件的数据都能参与训练，也让精细手势学习和全局轨迹估计各有重点。

视频不断输入，重建也持续向前

长视频处理还面临一个实际问题：如何利用过去的信息，同时控制计算量？InfiniHand以窗口为单位持续接收视频，保留初始参考帧、近期细节特征和更早时刻的压缩记忆。模型由此延续几何上下文，无须每次重新处理全部历史画面。

推理时，两路任务并行工作：一路提取下一窗口的骨干特征，另一路解码上一窗口的手部与相机结果，减少串行等待。论文报告的11.19FPS预测吞吐量，约为HaWoR的2.04倍。对批量视频标注而言，这意味着相同时间内能够处理更多画面。

针对长序列的残余漂移，系统还在后台进行稀疏束调整，通过关键帧之间的几何关系修正相机轨迹。二值关键帧池同时保留近期观测和部分较早帧，避免只顾眼前而丢失长时间联系。这一优化环节仍有额外计算开销，上述11.19FPS针对的是预测吞吐量。

遮挡下少漏手，连续动作更接近参考

效果首先体现在容易失败的画面里。论文展示了打开盒子、双手操作物体，以及厨房、工具台等自然场景：对比方法可能漏掉一只手，或将手掌位置和手指姿态估错，InfiniHand在这些样例中恢复得更完整。下方视频可进一步观察连续帧中的变化。

△Ego4D自然场景对比。左上为InfiniHand，右上为ViDiHand，左下为HaWoR，右下为WiLoR；该离线示例的InfiniHand使用外接手部定位。

定量测试覆盖34个ARCTIC、10个HOT3D、166个HOI4D和100个EgoDex场景。以同时考虑姿态误差和漏检惩罚的PA-p指标衡量，InfiniHand在四个数据集上均取得所比较方法中的最低误差。相较ViDiHand，ARCTIC上的误差从9.82毫米降至7.72毫米，降低21.4％；EgoDex上则从17.22毫米降至7.29毫米，降低57.7％。

把手放到世界坐标系后，InfiniHand在ARCTIC、HOT3D和EgoDex上均取得所比较方法中最低的全局关节位置误差W-MPJPE。其中，EgoDex上相较Dyn-HaMR从78.41毫米降至28.77毫米，降低63.3％。对齐后的连续姿态图也显示，其动作范围和空间排列更接近参考结果。

△将连续时刻的手叠加展示，可比较动作范围、双手间距与姿态变化。蓝色为InfiniHand，绿色为参考；图中展示经过对齐的定性比较。

Ego4D的自然场景视频提供了另一种检验：模型能否应对训练分布之外的视角、遮挡与交互。展示样例中的重建体现了泛化潜力，在遮挡严重区域也能做到精准稳定的重建。

让更多人类操作视频成为可用的三维示范

InfiniHand把手部定位、精细重建和相机估计放进统一流式框架，为大规模第一视角视频打标提供了一条更高效的路径。这些三维动作经过质量筛查和机器人形态适配后，有望用于灵巧手数据增广、动作迁移与模仿学习，扩大具身训练可利用的人类示范来源。

这条路径仍有待完善：系统需要额外模型恢复物理尺度，大幅运动与间歇遮挡依然困难，单目重建生成的监督也可能带入尺度漂移。更高质量、更多样的训练数据，有望把可靠标注扩展到更复杂的日常活动。

作者：Kerui Ren、Kaiwen Song、Weiguang Zhao、Yuxi Wang、Yufei Liu、Bo Dai、Haoyu Guo、Chunhua Shen、Mulin Yu、Tao Lu、Junting Dong。
作者单位：上海人工智能实验室、上海交通大学、中国科学技术大学、利物浦大学、南洋理工大学、香港大学、浙江大学。
论文已于2026年9月28日在arXiv发布预印本。
论文：https://arxiv.org/abs/2609.35743
项目主页与交互演示：https://infinihand.github.io/
代码仓库：https://github.com/infinihand/InfiniHand

阅读原文

跳转微信打开

3个岗位（含实习），不设边界

编辑部 发自 凹非寺
量子位 | 公众号 QbitAI

AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？

我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。

目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家：

• AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算；

• AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向；

• AI产品方向：关注AI在应用和硬件终端方向的进展。

岗位均为全职，工作地点：北京中关村。

岗位面向：

• 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位；

• 校招：应届毕业生，接受实习且可转正。

加入我们，你可以获得：

• 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。

• 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。

• 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。

• 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。

• 获得专业指导：应届新人会由主编级编辑出任mentor，提供一对一指导，帮你更快进步获得成长。

• 加入活力团队：与一群志同道合的年轻人一起工作，享受扁平、简单、开放、多劳多得能者上位的团队氛围。

• 获得丰厚回报：行业TOP薪资待遇，五险一金、餐补、项目绩效、商务绩效、加班补助等福利一应俱全。

以下是岗位详情：

所有岗位不同能力层级职位均在开放，欢迎结合个人履历和经验申请。

• 主编：具备选题和带队能力及经验；

• 主笔：具备原创深度稿件能力；

• 编辑：热爱表达，喜欢挖掘信息，能够用大白话让所有人看懂AI新进展。

AI产业方向

岗位职责：

• 跟进AI基建层新进展，包括但不限于芯片、AI Infra、云计算领域新进展，核心玩家动态；

• 做前沿论文、开源社区、技术大会（Hot Chips、NeurIPS、MLSys）技术报告大众化解读；

• 参与核心采访，对话产业专家、技术大牛、撰写AI云落地案例。

任职要求：

• 对芯片、GPU、NPU、服务器、模型训练架构、云计算等有基本理解；

• 熟悉AI行业的供应链与生态（训练–推理、算力–成本、云–芯片关系）；

• 能把复杂技术内容结构化表达；

• 有技术背景、理工或CS/EE方向优先。

AI财经商业方向

岗位职责：

• 聚焦创投、AI创业公司、上市公司、商业模式、产业链资本动向；

• 产出创投融资、招股书财报解析、公司战略分析等稿件；

• 访谈对话投资人、创业者、产业分析人士。

任职要求：

• 对数据敏感，对财报、股权结构、战略规划感兴趣；

• 逻辑结构强，对商业叙事敏感；

• 热爱对话采访，社交型人格。

AI产品方向

岗位职责：

• 关注AI在终端的落地：包括软件应用产品、硬件方向落地；

• 撰写AI应用产品深度评测、跟踪多终端新品发布（手机、PC、XR、车机等）；

• 对话访谈AI应用创业者、产品专家、终端技术专家。

任职要求：

• 对智能硬件、AI终端趋势敏锐，重度AI产品体验人士；

• 熟悉各大终端厂商业态、体验方法论；

• 有强逻辑、体验表达和结构化能力。

应聘方式

1、请将个人简历发送至zhaopin@qbitai.com，邮件主题请注明“量子位XX方向应聘 - [你的姓名]”；

2、随简历附上你的科技行业代表作品，或者能展现个人写作水平和风格的作品。

关于量子位：

截至2025年，通过及时追踪AI及前沿科技进展，量子位在微信公众号已经有超260万订阅用户，全网用户超700万，日均阅读量200万+。
在新榜和清博等第三方数据平台，量子位已是AI以及前沿科技行业TOP1新媒体。

跳转微信打开

面壁开源MiniCPM-V 4.7

金磊 发自 凹非寺
量子位 | 公众号 QbitAI

什么？35B的MoE，在手机上也能跑得很丝滑？

Yeah~It’s true.

我们直接在断网状态下，给iPhone 17 Pro Max手机上传一张数据可视化经典图——拿破仑远征俄国失败的行军路线图：

然后我们直接提问：

图里记录的最低气温是多少摄氏度，出现在哪一天，换算过程顺带讲一下。

可以看到，不到1分钟的时间，苹果手机上的模型，就从那条线上找到了零下30度的标注，判断出日期是1812年12月6日，再按1列氏度等于1.25摄氏度换算，给出了零下37.5摄氏度的答案。

而且啊，这个手机上的模型的速度，还能更快。

例如同一张路边停车标志的照片、同一个停车时间的问题，左边是没做优化的35B模型，右边是优化过后的模型：

可以看到，没优化的时候，速度每秒大概2个Token；但在优化之后，速度达到了每秒8-12个Token。即便是在断网状态下，答案也是唰唰唰地往外蹦。

据了解，这个35B模型在iPhone 17 Pro Max上的解码速度，再仅占用3G内存的情况下，能做到每秒13个token以上！

丝滑，着实是有点丝滑。

那么这个在手机上能跑成这样的模型，到底是何许AI也？

不卖关子，它就是面壁智能和OpenBMB刚刚正式开源的MiniCPM-V 4.7。一共包含两个大小的版本：

• 35B-A3B：总参数35B，每次推理只激活3B，也是MiniCPM-V系列的第一个MoE模型。大约只要3G内存就能在iOS、安卓设备上流畅运行。

• 1B：实际参数1.3B，主打极小体积，OCR、数学和视频理解，放在同尺寸模型里都属于第一梯队。

不过有一说一，跑得快还只是一方面，那么MiniCPM-V 4.7放到端侧大模型的圈子里，到底是个什么水平？

通用视觉上，35B-A3B的MMBench拿到91.72、MMStar是80.67；理科题方面，MMMU和MathVista分别是80.22和88.00。视频理解的Video-MME和LongVideoBench也拿到了76.40和68.90。

尤其是OmniDocBench v1.6上，35B-A3B拿到94.24分，另外四个模型都在80分上下，领先了12分以上。

更值得一提的是视觉压缩开到16倍之后的表现。MMBench只从91.72降到90.87，OCRBench从91.20降到90.40，省下来的算力几乎没有拿精度去换。

除此之外，MiniCPM-V4.7在纯文本能力上，中文知识CMMLU拿到90.21，工具调用的τ²-Bench拿到84.65，同样是表里最高。

据悉，MiniCPM-V4.7是首个能在端侧流畅运行、同时不牺牲性能的开源MoE模型。

那么接下来，我们来看它更多的效果。

把35B装进口袋，断网也能用

先来看一道和我们生活比较贴近的题目。

这次给模型输入的，是一张家庭用电调查表，上面列着空调、冰箱、电热水壶、电视、洗衣机和待机设备的功率与使用时长，再附上这个月的电费账单，一共420度电，126块钱。

这道题的问题一共有三个，它们分别是：

先估算每样电器一个月用多少电，排个序；再算算这几样加起来能解释账单的百分之多少，差出来的那部分能不能全算到别的电器头上；最后在三个省电方案里挑出最省的那个，分别是空调每天少开1小时、电视每天少看2小时，以及待机设备每天彻底断电8小时。

从结果来看，35B-A3B先把瓦换算成千瓦，再拿功率乘以使用时长，一项一项往下算。空调每月144度，排在第一位；冰箱则按标签上的年耗电280度，折算成每月约23.33度；后面依次是电热水壶、电视、待机设备和洗衣机。

六样电器加起来约213.63度，按账单的电价折合64.09元，只能解释账单的50.9%左右，还差206.37度。三个方案里，空调少开1小时最划算，一个月能省24度电，合7.2元。

可以看到，即便是在断网状态下，面对如此复杂的图表，35B-A3B依旧是稳稳拿捏住。

看完35B，我们再来看看1B这边的效果；这次给1B的任务，是把一页论文转成Markdown：

请将这个图片转写为markdown。

不到半分钟的时间，标题层级、段落和表格都被还原了出来，公式也写成了LaTeX，渲染之后和原文的排版基本对得上。

对经常要把论文截图、PDF页面搬进笔记的人来说，这类活儿过去大多要联网交给云端模型。现在一个1.3B的小模型，在手机本地就能干完。

当然，除了手机之外，像iPad这样的端侧设备，同样也是不在话下。

例如刚才我们那个拿破仑远征图的题，在iPad M4上跑了一遍，给出的答案依旧是1812年12月6日、零下37.5摄氏度。

除了端侧之外，我们还用API把MiniCPM-V4.7跑了一遍。

第一道题是记账，我们准备了一张超市小票的样张，上面有6样商品，从纯牛奶、全麦面包一直到抽纸，还有会员优惠和优惠券两笔减免，最后实付78.40元。要求是把它整理成一张中文记账表，再核对一下小票上的账算得对不对。

从结果来看，35B-A3B先把门店、日期和6样商品的数量、单价、金额一项项列进表里，跟原图逐个对下来，没有一处读错。

核对的时候，小票上明明印着商品合计86.40元，它还是把6个金额从头加了一遍，得出86.40元，再减去两笔共8元的优惠，算出78.40元，正好和小票上的实付金额对上。

第二道题也和停车有关，不过规则要比我们开头展示的更复杂一些。

我们设定的情况是，周二持居民证，当天还没在这里停过车，计划从14:10停到15:40。然后让它判断五件事，包括这次停多久、会不会撞上清扫禁停、有没有超过限时、要不要交停车费，以及整个计划合不合规。

35B-A3B五个问题全部答对。它算出这次一共停90分钟，从14:10开始，正好避开了12点到14点的清扫时段，也没超过2小时的上限；因为持有居民证，停车费可以免掉。

最后的综合判断里，它把每条规则都过了一遍，还注意到当天此前没停过车，所以“再次进入要隔30分钟”这条用不上，结论是这个停车计划符合规定。

3G内存怎么跑动35B的？

看完效果，问题也就来了：

一个35B的模型，凭什么能在12GB内存的手机上跑起来，还跑得不慢？

35B-A3B这个MoE模型，虽然总共有35B参数，但生成每个token时真正参与计算的只有3B左右。不过这里还有个麻烦，那就是每一层该叫哪几位专家，要等上一层算完才知道。

而手机内存又装不下全部专家，大部分只能放在闪存里，用到了再读进来。

过去常见的办法有两种。一种是用到哪个专家就读哪个，大模型倒是能跑，可解码慢到没法实时对话；另一种是给整段对话提前固定一小组专家，读盘次数少了，模型能挑的专家也跟着变少，能力难免打折扣。

MiniCPM-V 4.7想要的是两头都顾上：速度要够快，能力也不能轻易掉。放到实际使用中，还得再考虑一步——开发者拿去定制自己的业务，模型学会了新技能，原来的本领也要尽量留住。

先看怎么跑得更快。

前瞻专家调度（LES）把专家预取、计算调度和权重存取一起做了优化：什么时候搬、先算哪个，以及每次搬多少，都有讲究。

团队利用了一个特点：模型相邻两层的输入特征往往高度相似。因此，当前层还在计算时，就可以把它的路由输入特征送进下一层的路由器，提前预测下一层可能用到哪些专家，再由后台线程把对应权重从闪存读进内存。

等到下一层真正开工，大部分所需专家已经准备好了。团队测试中，这种方法能提前备好超过 80% 的所需专家，而且无需额外训练。

计算顺序也跟着调整：实际路由选中、已经加载到位的专家先算，其余所需专家同步加载。 尽量让计算和读盘同时进行，少一点「等数据到了再干活」。

这里有个关键区别：预测只负责提前搬运和安排计算顺序，最终每个token使用哪些专家，仍由模型原有的路由机制决定。没猜中的专家照常加载、照常计算，不会为了提速省掉。

另一部分优化发生在权重本身。通过逐层混合精度量化，团队在基本保留模型能力的前提下，把专家权重压得更小，减少每次加载的数据量；再把权重重新组织成连续存储的布局，减少零散读取，让闪存更高效地顺序读数。

一个减少要搬的东西，一个让搬运更顺畅，再配合提前加载和并行计算，共同降低端侧的存储与带宽压力。

在16GB内存的iPad Pro M4上，前瞻专家调度方案综合提升了x5倍解码速度 。

此外，团队还为模型训练了配套的DSpark草稿模型，并接入llama.cpp等端侧推理框架。由草稿模型先提出多个token，再交给主模型批量核验，进一步加快生成。在16GB内存的M5 Mac测试中，解码速度平均进一步提升17%。

视觉这一侧也在省。MiniCPM-V 4.7沿用了LLaVA-UHD v4的ViT内早期压缩技术，在视觉编码器内部就提前合并视觉token，后面的层要算的东西就少了。开发者还能在4倍和16倍压缩之间切换，前面也提到，开到16倍时分数几乎没掉。

这几项技术叠加起来，就是面壁所说的“快上加快”了。

跑得快之外，还有一个开发者经常碰到的问题：模型针对业务微调后，新任务做得更好了，原来的通用能力却退步了。

面壁为此推出了自回放微调（Self-Replay Fine-Tuning）。做法很直观：在微调前，先让模型回答一批覆盖原有能力的问题，筛选出高质量回答，再把这些回答混进新任务的训练数据。模型一边学习新技能，一边复习自己原来会的东西，减少对已有能力的遗忘。

这些「复习材料」来自模型自身，更贴近它原有的回答方式。整个方法沿用标准微调流程，无需修改模型结构或损失函数。回放数据只需生成一次，就可以在模型学习不同新的能力或者开展多次训练时重复使用。

相比在线强化学习或者On-Policy Distillation等训练方法要求模型每次训练都采样新的数据，自回放微调让定制新能力的成本无限接近普通的监督微调（Supervised Fine-tuning），同时保留模型的通用表现。

当大模型不再挑手机

说完技术，我们再回到手机行业。

2026年，端侧AI正在走向大规模装机。根据IDC预计，今年中国新一代AI手机出货量将达到1.47亿台，同比增长31.6%，渗透率首次突破53%。换句话说，每卖出两台新手机，就有一台带着端侧AI。面壁智能CEO李大海也说过，2026年是端侧AI规模化落地的元年。

不过对手机厂商来说，还有一个很现实的问题，那就是成本。

内存一直在涨价，12GB已经成了AI手机的及格线，旗舰普遍标配16GB，部分机型开始往24GB上探。模型想变强，往往就得吃更多内存，而内存越贵，这条路走起来就越费钱。

所以，用更少的内存跑更大的模型，对厂商来说就很有吸引力。iPhone 17 Pro Max的内存是12GB，而35B-A3B大约3G内存就能流畅运行，剩下的空间还能留给其他应用。

从更长远来看，端侧AI的竞争重点也在变化。过去大家比的是芯片制程和算力，接下来，模型和推理框架能不能跟硬件配合好，会越来越成为拉开差距的地方。

生态方面，MiniCPM-V 4.7支持的平台也比较多。iOS、安卓和鸿蒙都能部署，发布当天就完成了瑞芯微、后摩、Intel、AMD和Arm等芯片平台的适配。推理框架支持SGLang、vLLM、llama.cpp和Ollama，微调可以用SWIFT和LLaMA-Factory，量化版本也给了GGUF、AWQ、GPTQ、FP8等好几种。

这条路线背后，是面壁和清华提出的密度定律。按这个规律，大模型的能力密度大约每3.5个月翻一番，同样的能力，需要的参数会越来越少。截至2026年9月，MiniCPM系列的累计下载量已经突破5000万次。

总而言之，把好用的大模型丝滑揣兜里，现在已经不是难事了。

跳转微信打开

一次采集，反复使用

允中 发自 凹非寺
量子位 | 公众号QbitAI

让Agent写周报、分析方案，已经是许多人的日常。但每次开始，用户还得翻找资料、交代背景，智能体也要经过查找、阅读、整理等多个步骤，才能真正开始任务。换个任务，这套流程又得重来。反复处理这些已有资料，既费时间，也增加token消耗。资料越多、步骤越长，还越容易遗漏信息或出现偏差，影响任务完成的准确率。

为了解决这些问题，WorkSwarm首次原生支持个人知识空间。

“个人知识空间”基于用户配置的多个资料来源，自动采集内容，通过规则处理、规则与大模型混合处理或智能体处理，将资料整理成有目录、有联系、有出处的个人知识，并以渐进式披露的方式提供给智能体使用。

WorkSwarm将个人资料整理为可长期复用的个人知识，实现“一次采集，反复使用”，让智能体更容易找到并用好相关信息，提升任务完成的准确率，同时缩短任务准备时间，减少token消耗。

openJiuwen个人知识空间：自动采集个性化多源知识，办公智能体按需使用

个人知识空间围绕来源、采集、处理和使用四层，把用户日常积累的个人资料转化为可持续复用的任务背景知识。

△个人知识空间四层流程，展示多源资料配置、手动和定时采集、三种处理方式及智能体按需使用

用户先选择个人知识来源与采集范围，系统按需或定时获取内容。采集到的资料经过格式统一和增量判断，识别本轮需要处理的新内容与变化，再按配置选择规则、规则与大模型混合或智能体方式，整理为主题目录和Markdown页面，并维护文档关联与出处。目录结构和来源引用检查通过后，整理结果供用户查阅。

用户开启任务使用时，系统将个人知识概况和阅读入口提供给智能体，由它围绕当前问题逐步读取相关页面，让已有知识成为完成任务的背景。

个人知识空间配置与采集：自主选择个人知识来源，支持手动/定时增量采集

在“设置”中的“知识”页面启用个人知识空间后，用户可以添加本地文件夹、Edge收藏夹、知乎专栏、今日头条、飞书文档、GitHub和AtomGit等来源。不同来源可以分别配置，用户自主决定哪些个人资料进入个人知识空间。

配置完成后，用户可以手动发起采集，主动更新个人知识空间，也可以设置定时自动采集，按设定频率持续获取内容。系统结合来源标识、版本和采集进度识别新增或发生变化的资料，结合已有个人知识，处理新增或发生变化的资料。

来源管理页面展示采集进度与最近状态，用户可以调整更新频率，查看本轮结果，也可以停止正在进行的采集。

在“设置”的“知识”页面开启个人知识空间，再进入“知识”页面的“来源管理”。视频以今日头条为例，添加作者主页链接、手动启动采集，并查看来源的运行状态。

个人知识处理：提供三种整理方式，让分散资料成为可复用的知识

网页、文档和代码的结构各不相同，同一主题的内容也可能分散在多个来源中。个人知识空间先统一资料格式，再提炼内容，按主题组织成目录和页面，方便智能体先了解概况，再逐步读取相关内容，同时保留原始文档的链接与出处。

采集到新资料后，系统会结合已有的个人知识进行补充和更新，让知识在同一套纯文本文件中持续积累。

用户可以在“设置”的“知识”页面，根据资料特点和整理需求，选择以下三种处理方式：

• 规则处理：利用BM25词项权重和内容相似度，将相关页面按主题归类，并维护目录与页面之间的链接，无需调用生成式模型。

• 规则与大模型混合处理：先由大模型提取新资料的标题、摘要和关键词，再由规则完成主题分组和目录组织，最后由大模型生成目录标题与简介，方便理解和查阅。

• 智能体处理：由智能体分析新资料与已有个人知识的关系，优先更新或合并已有主题页面，必要时新增文档，并同步维护目录说明和文档间的交叉引用。

采用后两种方式时，用户可以配置用于整理资料的模型。整理完成后，系统会检查目录结构和来源引用，通过检查的内容即可供用户查阅和智能体使用。

用户还可以通过文件树、图谱或搜索查找相关内容，打开文档阅读正文，并通过“来源”标注追溯原始资料。

采集完成后，已经采集到“jev”相关内容。用户可以在“知识”页面搜索jev，在右侧阅读整理后的正文，也可以通过图谱查看相关节点及其关联。

按需使用：渐进式披露，让智能体带着已有知识开始工作

资料整理为个人知识后，用户可以通过任务输入区的“+”菜单将智能体接入个人知识空间。收到用户输入后，智能体先获取个人知识空间的资料概况和阅读入口，了解已有知识的范围，再根据当前任务沿目录和文档链接逐步查阅，补充所需背景。

这种渐进式披露的方式，类似接手工作时先看目录和项目介绍，再翻阅相关文档，让每次任务按需读取已有知识。

采集与任务使用可以分别控制。用户可以让系统持续采集和整理资料，在需要时开启智能体使用。关闭任务使用后，资料仍可继续采集，用户也可以直接浏览和搜索已有文档。

用户决定哪些资料进入个人知识空间，以及智能体何时可以使用。发起任务时，只需聚焦本次要解决的问题，已有的知识积累则为智能体理解和完成任务提供背景。

开启个人知识空间后，输入“介绍一下jev”并发送。WorkSwarm随后查阅个人知识空间中的Jev文档，生成涵盖核心机制、落地案例等内容的介绍。

效果对比：提升任务通过率，减少任务耗时与token消耗

启用个人知识空间后，智能体可以先了解已有资料的范围，再定位和读取相关文档，减少任务中反复查找、整理原始资料的工作。

团队先通过2条对比测试，观察这一变化对任务完成效果、耗时和token消耗的影响。

对比可以看出，有了个人知识空间，WorkSwarm能够结合客户档案、项目资料和工作计划，整理出具体的项目总结与下一步安排；缺少相关个人知识时，智能体多次查找仍未获得项目背景，只能先给出通用的会议准备框架，并请用户补充资料。

对比可以看出，开启个人知识空间后，WorkSwarm能够利用从用户浏览器收藏夹、知乎专栏等来源积累的知识，更快完成任务。

此外，openJiuwen团队自建了一套包含25道题目的测试集，基于本地论文、浏览器收藏、飞书文档、GitHub、AtomGit、知乎和头条七类来源的资料，覆盖单来源检索、跨来源综合、换题复用、缺失事实和无关任务等场景，并为每道题预先设定验收点。测试结果显示，启用个人知识空间后：

• 任务通过率提高32%。个人知识空间让智能体更容易定位所需资料，并结合不同来源的个性化信息作答，减少因找不到资料或遗漏信息而未能完成任务的情况。

• 任务总耗时减少76.2%。资料提前完成采集和整理，任务中可以直接查阅相关文档，减少临时查找、阅读和整理原始资料的步骤。

• 任务阶段token总消耗减少84.1%。整理后的知识可以在不同任务中复用，智能体围绕任务按需读取相关内容，减少重复整理原始资料和传入无关内容的token消耗。

本次实验采用智能体处理方式，虽然预处理阶段也会消耗token，但这部分成本可以通过选用适合资料整理、价格较低的模型来控制，并随着整理结果在多个任务中反复使用而逐步分摊。

结语

openJiuwen个人知识空间将分散的个人资料整理为可持续复用的知识。用户自主选择来源，系统持续采集与更新，让资料既方便查阅，也能被智能体按需读取，为不同任务提供背景。

未来，openJiuwen个人知识空间计划结合用户使用轨迹，识别工作目标与知识缺口，主动补充资料，让知识积累更贴近实际需求，让办公智能体在使用中越来越懂你。

个人知识空间，让你积累的资料，成为下一次Agent协作的起点。

个人知识空间已在WorkSwarm上线，感兴趣的用户可前往官网一键下载，立即体验：

WorkSwarm官网：https://openjiuwen.com/workswarm
GitHub：https://github.com/openJiuwen-ai/jiuwenswarm
AtomGit：https://atomgit.com/openJiuwen/

跳转微信打开

不用说话、不用按钮，AI眼镜自动上班

克雷西 发自 杭州
量子位 | 公众号 QbitAI

不用说话、不用按钮，现在的AI眼镜戴上就能自动上班了。

刚刚，千问发布了全新一代AI眼镜N1 Pro。

和过去的AI眼镜不同，N1 Pro不需要你用语音发号施令，只要提前设置好，它就会一直在看你周围的环境，自己判断你现在需要什么，然后主动帮你做掉。

比如你一走进会议室，它就知道该准备录音了。

在这套交互逻辑的基础上，N1 Pro还做了眼动追踪，不用手指就能实现「单词级别」的看哪问哪，甚至眨眨眼就是一条指令。

另外还配备了虹膜支付、健康监测，摄像头拉到了5000万像素，是目前AI眼镜里相当高的规格。

这样一款「有眼力见」的AI眼镜，起售价只要2600元。

戴上就在工作的AI

过去的AI眼镜都有一个共同点，你得先喊一嗓子或者按一下按钮，它才会开始干活。

N1 Pro把这个交互逻辑改掉了。

它搭载了一套「全天候视觉感知系统」，靠一颗专用芯片持续「看」着周围的环境。

这颗芯片的运行功耗只有5毫瓦，它用灰度帧来做最轻量的环境判断，一旦发现了值得深入理解的线索，它才会分级唤醒更强的算力来处理。

这套机制用起来大概是这样的。

你拎着行李箱到了火车站，N1 Pro会自动把你的行程订单调出来，你过安检的时候它告诉你检票口在哪，你上了站台它告诉你几号车厢几号座，全程你不需要掏手机。

而且它不会一直提醒个不停，同一条信息只在你需要的节点出现一次，过了就不再打扰。

开会的场景也类似。

你提前在眼镜上设好一个听记任务，当你走进会议室的时候，N1 Pro通过视觉和声音综合判断你正在开会，它会自动启动录音。

不用担心开到一半突然想起来，糟了，忘按录音了。

当然，千问在权限上卡得挺严。你授权了行程信息它才能读取订单，你开启了听记任务它才会开始录音。

而发送、支付这类关键操作，N1 Pro只负责帮你准备好选项，最终按不按还是由你决定。

眨眨眼就是一条指令

既然N1 Pro已经能持续感知环境了，千问就顺着往下做了一步，让它也能感知你的目光。

N1 Pro的镜框里藏了一组眼动追踪模组，这个模组每条边只有1.7毫米，它配合红外灯一起工作，从0 lux到10万lux的光照范围内都能稳定跟住你的视线，中心区域的精度控制在1度以内。

1度精度够干什么用？

你盯着一份菜单上的某个菜名说「这个多少钱」，N1 Pro真的知道你问的是哪一个。

在眼动追踪的基础上，千问还做了眨眼快捷操作，你可以把高频动作绑定到眨眼指令上。

你在博物馆里不好意思开口说话，眨眨眼，N1 Pro知道你正在看哪件展品，它直接开始讲解；你逛街的时候看到一个东西想查价格，旁边有人不方便出声，眨眨眼就搞定了；拍照、切歌这些操作也都能绑上去。

从眼动再往前走一步，就是身份识别。

N1 Pro把虹膜认证也做了进来，在眼镜形态下实现了虹膜支付。

这件事的难点在于，手机做虹膜识别可以要求你对着屏幕保持不动，但眼镜戴在脸上，人的头部一直在晃动，环境光照的变化也很大。

千问用多帧特征自适应加权融合来动态挑出最清晰的虹膜特征，再用双眼空间位姿做动态校正，最终误识率控制在百万分之一以下。

鼻托里测心率，还能给你写首歌

N1 Pro不光能感知环境和目光，千问还把健康监测也做了进来。

N1 Pro在它的鼻托里集成了PPG传感器，在中梁上装了一颗非接触式测温传感器。你戴着这副眼镜就能持续监测心率、血氧、HRV和体温。

不过鼻托这个位置采集PPG信号的难度要比手腕大很多，因为鼻梁处的皮肤更薄、血管更细、佩戴稳定性也更差，脸型、肤色、佩戴松紧、运动位移这些因素全都会产生干扰。

千问表通过光学结构和算法的协同优化解决了这些问题。

在体征监测之外，N1 Pro还能结合你的眨眼频率、阅读距离和持续时长来做用眼健康提醒。

未经整理的健康数据就像一盘散沙，难以形成指导意义，因此，千问健康大模型会把这些积累的数据汇总成一份健康解读报告，里面既有趋势分析也有调整建议。

在此基础上，千问还给N1 Pro做了一个叫「AI疗愈」的功能。

这个功能会根据你当前的身体状态，由AI实时生成一段疗愈音乐，音乐的乐器、节拍、调性都会根据你的状态来调整。

你还可以用语音来微调它，比如加点雨声、把海浪去掉，让它生成一段只属于你当下心境的声音场景。

5000万像素，眼镜直出Live图

说了这么多AI，再来看N1 Pro的影像能力。

它的传感器达到了5000万像素，这是目前AI眼镜里相当高的规格。

而且第一视角拍摄有一个天然的难题，你没有取景框，拍的时候根本不知道画面有没有歪。

N1 Pro针对这个问题加了智能构图功能，它会根据居中、三分线或者主体聚焦等规则自动帮你裁切和校正偏移的画面。

N1 Pro还支持实况照片。

有些时刻你以为想留下的是一张照片，后来才发现最舍不得的是快门前后那一点点声音和动作，孩子吹泡泡前那一口气，朋友笑起来前看你那一眼，海浪退下去的声音……

一张静态照片留下的是结果，实况照片留下的是发生的过程。

在暗光环境下，N1 Pro通过四合一像素融合来提升进光量和信噪比。

它的镜头采用了1G5P玻塑耦合方案，视频可以直出4K 30帧，防抖方面它做了EIS自适应防抖加地平线增稳。

算法层面，N1 Pro把RAW域影像增强做到了端侧-手机-云端三级协同。

过去RAW域增强一般只用在夜景模式里，N1 Pro把它升级成了全场景默认支持，端侧就能完成基础的RAW域处理。

如果你想要更进一步的优化，N1 Pro还提供了一个「AI幻影模式」，这个模式会调用云端的AI渲染和AIGC能力来对素材做深度增强。

顺着影像聊一个挺有意思的功能，它叫「AI灵感画集」。

N1 Pro的全天候感知系统在一整天里会自动捕捉你遇到的画面片段，一份早餐、路边的猫、回家路上的晚霞，到了晚上AI会把这些碎片生成一本漫画风格的画集。

它就像一个跟了你一天的专属画家，替你把今天的生活画了下来。

三颗芯片，装进一副眼镜

上面这些功能能同时跑起来，背后靠的是N1 Pro的三芯片异构系统。

三颗芯片各管各的事情，骁龙AR1负责高性能影像处理和复杂计算，恒玄BES2800负责日常任务处理，奇景HX6538专门负责低功耗的视觉理解。

三件事被拆开之后就不会互相拖累，需要重算力的时候感知不会卡，日常感知运行的时候也不会把电池拖垮。

N1 Pro内置了272毫安时电池，官方标称的综合续航是8小时，够用一个工作日。

如果你需要更长续航，它的右镜腿支持热插拔换电，你拔下旧电池换上新的，眼镜全程不用摘，换电仓的容量是700毫安时。

千问同期还发布了一款N1。

相比N1 Pro，这款N1砍掉了眼动追踪、虹膜核身和健康监测这三项功能，但它保留了5000万像素影像、4K视频直出、全天候感知、三芯片协同和热插拔换电，还配备了五麦克风加VPU的拾音系统和全对称立体声。

由于少了几组传感器，N1的综合续航比N1 Pro多1了个小时。

如果你想要N1 Pro的核心影像和AI感知能力，但暂时不需要眼动和健康监测，N1是一个预算更友好的选择。

跳转微信打开

把视频变成机器人的练习场

上海人工智能实验室 投稿
量子位 | 公众号QbitAI

把杯子放进微波炉里，这一人类几乎不用思考的日常动作，机器人却可能在杯子放不稳、夹爪碰到门框这样的细节上频频出错。

让它从一次次失败中改进当然可行，但每次都让真机试错，执行、重置和硬件维护又是一笔不低的成本。

如果把探索搬到仿真里，新的问题又来了：场景重建得确实很像，但真的能复现视频里的操作吗？

针对这一问题，来自上海人工智能实验室、上海交通大学、浙江大学、中国科学技术大学、香港中文大学和香港大学的研究团队提出Real2Gym：从人类或机器人视频构建可交互的仿真环境，让Agent在其中探索、积累技能，再将经验用于真实机器人。论文与代码现已公开。

△Real2Gym概览：从视频示范构建环境，在仿真中探索并将技能用于真机。

为什么重建得像还不够

多模态模型已经能调用建模工具生成细致的三维场景，但机器人操作对几何误差尤其敏感。杯口稍窄、物体偏移，或容器内部被碰撞模型封住，都可能让画面中合理的动作在物理执行时失败。

Real2Gym把动作能否在物理引擎中完成作为场景验收的一部分。系统既要保留视频中的物体、布局和视角，也要让机器人真正完成抓取、放置和接触。

两个关键环节让视频变成可练习的环境

先用几何线索约束场景再围绕交互纠错

对于多视角视频，Real2Gym利用Pi3X提供的几何线索，结合SAM2分割关联不同视角中的物体，约束它们的尺度和位置，再构建可编辑的Blender场景及对应的MuJoCo环境。单视角输入则采用相应的几何初始化方案。

接下来，系统关注的是交互发生变化的时刻：物体何时被抓起、何时接触支撑面、夹爪何时释放。围绕这些关键帧，Agent自我检查视角、布局、接触和外观，并结合相邻画面局部修正。

以倒杯为例，即使桌面和物体已经对齐，杯沿附近的尺寸误差仍可能导致穿模。关键帧检查能把修正集中到真正影响操作的区域，避免只凭一张整体渲染图判断重建质量。

把动作放进物理引擎再检查一遍

经过修正的动作会在MuJoCo中执行，检查任务完成情况以及支撑、接触和稳定性。执行轨迹随后导回Blender，与原视频对照，核查视觉对应和物理可行性。

△方块入杯任务的真实与仿真对照。左到右为真实视频、Blender渲染和MuJoCo执行，展示同一操作在三种画面中的对应关系。

通过验证的场景还可以改变物体位置、桌高、材质、背景、光照或干扰物。会影响运动空间的变化需要适配动作并重新验证，从而为Agent提供更多可练习的任务环境。

△从几何初始化、交互关键帧纠错到物理执行验证，Real2Gym将重建场景扩展为可供Agent探索的环境。

让一次决策推进一个操作阶段

有了练习场，Agent还需要高效地完成探索。Real2Gym将每轮决策的目标从生成单个动作，提升为生成执行一个操作阶段的代码。

例如，一轮响应可以安排接近杯子、闭合夹爪、抬起并检查是否抓稳，将多个动作和验证条件组织在一起，减少反复请求模型的次数。SAM3提供物体定位线索，GraspNet提供抓取候选，帮助Agent把任务意图落实为可执行动作。

执行后，Agent根据反馈整理成功步骤、失败原因和恢复方法，形成可复用的skills。经验描述的是相对物体如何行动、何时检查、失败后怎样修正；再次使用时，要根据当前观察重新定位和调整。

这里的自我改进通过更新技能库实现，底层模型权重保持不变。每次新任务从独立上下文开始，接收选定的技能，因此可以检验经验本身的作用。

成功率更高也减少了模型往返

团队选取DROID和EgoDex的24个场景，覆盖机器人示范和人类操作视频。重建评估中，Real2Gym在内容对齐、视角对齐、动作保真度和仿真成功评分上均优于所比较的GPT基线。定性对比显示，它更好地保留了柜体结构、物体相对尺寸与位置，以及原始相机视角。

△与原视频对照，Real2Gym重建的场景更接近实际布局和任务相关结构。图中从上到下为GPT-5.6 Sol、GPT-6 Astra、Real2Gym和真实视频。

在这些环境中的Agent评估里，复用首轮经验后的第二次执行，平均成功率达到87.5%，GPT-6 Astra Direct Mode基线为70.8%；策略执行的Token用量减少约74.9%。平均模型响应次数也从约31次降至约14次。

阶段代码让一轮决策能推进更多动作，技能复用则减少重复探索。论文还展示了叠碗任务中Real2Gym成功、两个GPT基线失败的案例，以及经验复用后更直接的柜体操作与适配器放置过程。上述开销统计针对策略执行，不包括场景构建和单独的技能提取。

在仿真里修正失败再回到真机

在Franka机械臂上，团队测试了方块入盘、挂杯、杯子放入微波炉并关门，以及盘子上架四项任务。前三项各3次尝试中，Real2Gym均成功；GPT-6 Astra基线分别成功1次、3次和1次。

盘子上架则让两种方法都遇到了困难：抓取深度、盘沿朝向和狭窄空间中的放置精度必须同时满足要求。初始执行中，两种方法都未成功。

团队随后录制人类示范，重建可交互的数字孪生。Agent在仿真中的前两次尝试失败，第三次迭代获得可用技能，再结合真机实时观察执行，完成了原本失败的任务。这展示了从真实示范出发，经仿真探索改进技能，再回到真实世界验证的完整过程。

△盘子上架的真机执行：仿真中积累的技能帮助机械臂完成原本失败的任务。左右分别为外部与腕部视角，片段已加速。

让操作视频成为机器人积累经验的起点

Real2Gym提供了一条利用操作视频的路径：从示范构建环境，让机器人通过执行获得反馈，再把经验保存为可复用的技能。随着更多视频转化为可交互任务，机器人有望在仿真中积累更丰富的操作经验。

目前，点云噪声仍会影响重建，阶段级控制在精细操作中也有改进空间；真机验证限于Franka和平行夹爪。向灵巧手和人形机器人扩展，还需要进一步实验。

论文标题：Real2Gym: Building Gyms from Videos, Bringing Skills to Robots
作者：Kerui Ren、Yingxiang Xu、Kaiwen Song、Lingning Xu、Bo Dai、Mulin Yu、Tao Lu。Kerui Ren与Yingxiang Xu为共同第一作者，Mulin Yu与Tao Lu为通讯作者。
项目主页：https://real2gym.github.io/
论文：https://arxiv.org/abs/2609.37089
Real2Sim代码：https://github.com/real2gym/Real2Gym
Agent代码：https://github.com/real2gym/R2G_Agent

阅读原文

跳转微信打开

报名通道已开启，欢迎参与！

组委会 发自 凹非寺
量子位 | 公众号 QbitAI

2026年，人工智能行至从技术验证到规模化落地的分水岭，技术不再只用参数衡量，而是看它能不能在真实场景里交付结果。当行业从“能想”迈入“能干”，谁在用技术解决真问题？谁在让行业建立新标准？谁在使AI真正创造价值？

量子位人工智能年度榜单连续9年再次启动，从企业、产品、人物三大维度设立五类奖项，寻找这些有意义的答案。

我们相信，这既是一份年度观察笔记，更是引领AI进程的坐标——它梳理这一年的技术演进与产业实践，为行业提供可参考的样本，为决策者提供可判断的依据，让每一次创新都成为推动产业前行的力量。

这是对2026年AI行业的一份记录，也是对那些锐意进取的先锋者的一次致敬——

让他们的思想被更多人看到，让他们的判断启发更多同行的人。

欢迎报名！

企业榜

• 2026 人工智能年度领航企业

• 2026 人工智能年度潜力创业公司

产品榜

• 2026 人工智能年度杰出产品

• 2026 人工智能年度杰出解决方案

人物榜

• 2026 人工智能年度创业新锐

详细评选标准及报名方式如下：

2026 人工智能年度领航企业

将面向中国人工智能领域，评选出最具综合实力的企业，参选条件：

1、注册地在中国，或主营业务主要面向中国市场；
2、主营业务属于人工智能及相关产业，或已将人工智能广泛应用于主营业务，并在细分领域居于行业领先地位；
3、具备成熟的产品或服务，已获得实际客户应用及市场认可；
4、近一年在技术创新、产品落地、市场拓展或商业模式上取得显著突破。

评选标准：

1、业务能力｜市场占有率与营收规模，商业模式与盈利能力，客户数量及行业覆盖面，增长潜力与持续性等；
2、技术能力｜科研实力与技术成果，研发投入比例，技术核心竞争力，创新案例与技术落地情况等；
3、资本能力｜融资情况，财务状况，市值/估值水平等；
4、其他综合能力｜企业综合情况，品牌影响力与行业口碑等。

2026 人工智能年度潜力创业公司

将面向中国人工智能领域创新创业力量，评选出最具投资价值和发展潜力的AI创业公司，参选条件：

1、注册地在中国，或主营业务主要面向中国市场；
2、拥有人工智能相关的产品或服务落地，具备可行的商业模式，初步获得市场认可；
3、公司未上市；
4、近一年在技术研发、产品创新或行业应用方面取得显著成果。

评选标准：

1、业务潜力｜商业模式，目标市场规模，营收增长情况，客户拓展能力等；
2、技术创新｜科研实力，技术成果，差异化优势，落地案例等；
3、资本能力｜融资情况，财务状况，估值水平等；
4、其他综合能力｜企业综合情况，核心团队构成，品牌影响力与行业口碑等。

2026 人工智能年度杰出产品

将面向人工智能领域最具代表性与影响力的产品，评选出在技术创新、市场落地和行业引领方面取得突出成绩的AI产品，参选条件：

1、产品以人工智能技术为核心或特色，具备明确的应用价值；
2、产品已经投入市场，获得实际用户或客户应用，并取得市场反馈；
3、近一年完成重要技术创新或迭代升级，对人工智能的规模化落地与商业化有显著推动，并对行业发展具有引领作用。

评选标准：

1、产品力与技术力｜功能完整性，性能表现，技术先进性，差异化优势等；
2、落地情况｜市场占有率，用户规模，营收情况，行业应用价值等；
3、其他综合能力｜品牌影响力，用户口碑，产品生态等。

2026 人工智能年度杰出解决方案

将面向人工智能在不同行业与场景中的典型应用，评选出在创新性、落地性和行业推动力方面表现突出的AI解决方案，参选条件：

1、解决方案以自主创新的人工智能技术为核心或特色，具备明确的应用场景与价值；
2、解决方案已在实际业务或行业场景中落地实施，获得客户验证和市场反馈；
3、近一年在技术融合、应用创新或商业模式上有显著突破，对行业智能化转型和发展产生积极推动作用。

评选标准：

1、创新性｜技术融合能力，应用模式创新，差异化优势等；
2、落地情况｜市场占有率，客户情况，营收情况，潜在市场规模等；
3、其他综合能力｜销售与服务能力，品牌影响力，客户口碑，行业生态等。

2026 人工智能年度创业新锐

将面向中国AI领域近两年涌现的创新力量，评选出在技术、产品或商业化方面有代表性的创业者，参选条件：

1、国籍为中国，或所属公司主体在中国，并且为所在公司的创始人、联合创始人或核心创始团队成员；
2、原则上候选人不超过40岁，所属公司成立不超过两年；
3、所属公司主营业务属于人工智能及相关产业，拥有人工智能相关的技术、产品或服务；
4、近一年带领团队在技术研发、产品创新、市场拓展或商业化方面取得阶段性成果，并获得一定的市场认可和行业关注。

评选标准：

1、企业情况｜商业模式，产品及业务进展，客户情况，营收增长，融资情况及发展潜力等；
2、个人能力｜技术能力，商业能力，创新能力，团队领导力及对企业发展的实际贡献等；
3、其他综合能力｜个人专业背景、行业影响力、品牌关注度及行业口碑等。

报名方式

本次评选从即日起开始报名，截至2026年11月16日。评选结果将于量子位主办的MEET2027智能未来大会上正式公布。

• 扫描二维码即可报名评选：

• 网页端链接：https://wj.qq.com/s2/27813867/cbwi/

如对本次评选有其他疑问，请联系量子位工作人员。可添加微信13681181332，或邮件发送至liutianyu@qbitai.com，请备注「评选-企业-姓名」。

跳转微信打开

算力、模型、行业，三层生意一起做

克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

23亿元，AI原生基础设施服务商无问芯穹已完成C轮融资。加上前几轮，无问芯穹累计融了43亿元，单轮和累计都创下了国产AI原生基础设施赛道的新纪录。

无问芯穹自成立以来投资方阵容汇聚多方知名机构，涵盖国资机构、产业投资方、财务投资机构等多个类别。其中，国资机构包括杭州高新金投、社保中关村基金（君联资本管理）、珠海科技产业集团、厦门国兴投资、徐汇资本、孚腾资本、中保投资、国开科创等；产业投资方包括Dabanc Holding、联想、九坤创投、同歌创投、腾讯、百度等；财务投资机构则包括红杉中国、洪泰基金、惠远资本、启明创投、达晨财智、顺为资本、砺思资本等知名机构。无问芯穹已成为AI Infra赛道最受追捧的明星独角兽之一。

这家公司不训模型、不做应用，它做的是模型和芯片中间那一层，具体来说是把模型和芯片连起来，实现多种模型算法与多种芯片硬件间的极致效率与成本优化。

这样做的目标，是高效聚合协同异质、碎片、跨域的算力资源，从每一度电、每一秒芯片运转中，「榨」出低成本、高质量、生产级可用的Token，并推动Token进入真实业务场景。

在海外，市场已经给这门生意标好了价格。做同一门生意的三家公司，过去一年估值全部搭上了火箭。

Fireworks AI从40亿美元涨到175亿美元，涨了337%；Baseten涨了160%；Together AI涨了151%。

这三家背后，还站着同一个我们再熟悉不过的投资人。

英伟达。

靠着卖铲子在GPU产业链最上游赚得盆满钵满的英伟达，亲自下场押注下游的AI Infra，生怕错过AI Infra需求大爆发时代的船票。

卖铲子的都急了，说明这块市场的潜在空间已经大到让上游坐不住了。

英伟达在赌的事情，无问芯穹的投资人显然也想赌。这轮23亿砸进来，押的就是这块市场。

算力缺口，是个无底洞

理解这笔融资的背景，要先看一个事实。

你以为芯片变强、产能提升，AI算力的缺口就会弥合，但实际上算力从来没有够用的那天，因为芯片产能再怎么扩张，也追不上需求的增长。

因此，独立研究分析机构SemiAnalysis创始人Dylan Patel判断，算力短缺会一直持续。

而Agent的爆发，又把这个缺口放大了一个数量级。

一个Agent跑一次任务，背后是几十个推理请求连环调用，Token消耗量跟过去的单轮对话完全不可同日而语。

资本的嗅觉非常灵敏，很快就带着资金杀了进来。

开头提到的三家海外AI基础设施公司，走势已经很能说明问题，整个AI Infra赛道都在被重新定价。

20VC创始人Harry Stebbings聊起对Fireworks AI的投资，说「15分钟就敲定了，是十年投资生涯里最容易的决定之一」。

15分钟，一个管了十年基金的人，只用了不到一顿饭的时间，就投了一家AI Infra公司。

在Agent的催化加速下，算力的缺口非但不会被填上，反而只会越撕越大，这笔生意也就望不到天花板。

同一条赛道，海外已经跑出百亿美元估值的公司，而在国内，也刚刚诞生了这条赛道融资额的新纪录。

而且无问芯穹这家公司没有选择自己建机房，走了一条不同的路。

不建机房，也能做AI Infra

做AI Infra，其实不外乎两条路。

比较传统的做法是自建机房，拿重资产换规模，但这极有可能意味着要背债扩张。

另一条则走向了另一端，机房压根儿不碰，把散落在各处的算力收集起来，靠软件编排把它们织成一张网。

无问芯穹选的就是后者。它自身并不拥有实体数据中心，算力资源散布在各地的算力中心，芯片的厂商更是「万国造」。

无问芯穹的技术体系有三个关键词，多元异构、软硬协同、自主式AI。

先说多元异构，无问芯穹的平台已经适配了英伟达、AMD、华为昇腾、壁仞、海光、摩尔线程、沐曦、燧原科技、平头哥等16种芯片，服务着37000P算力。

哪怕新来一款芯片，团队也只用2个工作日就能适配完，国产芯片的适配成本砍掉了70%以上。

如今芯片供应链越来越复杂，能在不同芯片之间自如切换，客户不用绑定在一款芯片上，这个能力可谓是相当硬核。不仅是不绑定，无问芯穹还保持中立，作为连接模型、芯片和客户需求的独立平台，将分散的模型能力和异构算力组织起来，持续优化从底层资源到AI生产力的转化效率。

无问芯穹率先做到了千卡规模的异构芯片混合训练，算力利用率达到97.6%。更具体一点，无问芯穹运用了华为昇腾、天数智芯、沐曦、摩尔线程四种国产芯片与AMD、NVIDIA两种进口芯片，完成了700亿参数大模型异构芯片混合训练。这在行业里是头一个。

跨域训练也是一个硬指标。

无问芯穹联合中国电信完成了国内首例超4000公里的大模型跨域混训，把新疆哈密和广东深圳的算力拉通，在300亿参数模型上做联合训练，性能提升了165%。

除此之外，团队还打通了4个不同代际、不同型号GPU集群的多数据中心联合训练，以及本地私有集群和公有云算力的混合云混训，性能分别提升41%和68%。

当然了，适配只是其中一步，实际运行起来，速度也是一项重要指标。

毕竟Agent可没时间等着模型一个字一个字地往外蹦。

这就是软硬协同要解决的问题。

无问芯穹在软件栈上做了一整套优化，从自动化并行编排与搜索、算子及计算图优化，到计算与通信重叠、动态编排与调度，将计算资源高效转化为高质量的模型性能与Token服务能力。

最终的结果是，在无问芯穹优化后的基础设施上，万亿参数MoE模型的训练吞吐比主流开源框架高了41%到75%。

推理这边，无问芯穹通过一系列技术创新，一年内把推理成本降到了原来的十分之一。

2026年WAIC上，公司又发布了业内首创的跨集群异构PD分离架构PDD（Prefill-RelayDecode-MainDecode），首Token延迟降低51.5%，单Token成本降低37.5%。

随着PDD的规模化应用，未来推理成本还有十倍的下降空间。

但Agent时代还有一个问题，模型擅长的能力并不相同，所以具体任务该调哪个模型、用多少算力就成了需要操心的事。

无问芯穹把这道判断题交给了系统，也就是他们所说的「自主式AI」。

具体来说，引入大小模型的自适应协同机制，系统把复杂任务交给大模型做规划和推理，轻量级的实时响应则丢给小模型，系统根据任务复杂度、时延要求和Token成本动态切换。

在这套机制之上，无问芯穹还部署了一组智能体蜂群，目前已包含三个子集：面向用户的平台管家智能体系统、面向集群的运维智能体系统，以及面向芯片的算子生成智能体系统。通过Agent能力驱动整套AI Infra形成自主迭代、自我优化的闭环，让基础设施越用越强。

把这些能力放在一起看，无问芯穹做的事情就很好理解了。

他们立足基础设施，向下汇聚能源和芯片，向上支撑模型和应用，不仅极致提升底层资源向AI生产力转化的规模和效率，更有着Agentic AI时代最显著的AI原生能力——用基础设施智能体蜂群赋能资源规模扩展、提效Token生产，并支持Agentic AI的持续进化，具备业务前瞻性。

算力、模型、行业，三层生意一起做

技术这边的账算完了，再看商业化。

无问芯穹提出了「前店后厂一中心」的战略布局，具体来说就是把业务拆成三层。

最底下一层是算力集散中心（Agentic Infra自主式基础设施平台），干的活就是把散落的、异构的算力资源统一汇聚、弹性调度、按需分发，为模型与应用层筑牢充足、稳定、可扩展的算力底座，客户不用操心底层硬件差异，接进来就能用。

中间一层是Token工厂（Agentic MaaS大模型服务平台），用极致效率服务Token的规模化、高质量生产。目前该平台已经和智谱、月之暗面等头部大模型公司达成密切合作，上线了百余款大模型，客户不用自己部署，选好模型就能开箱即用。

最上面一层是AI生产力商店（行业解决方案），面向企业提供Agentic Infra行业解决方案。对于同一个行业场景，不同模型规模和不同硬件配置可能对应完全不同的Token成本，无问芯穹以智能体场景自适应技术作为提升AI生产力转化效率的核心技术路径，已推出覆盖文娱游戏、医疗健康、法律服务、能源电力等领域的Agentic Infra行业解决方案，使Token进一步转化为可执行、可交付的行业生产力。

Agent应用爆发后，无问芯穹大模型服务平台日均Token使用量半年涨了超过40倍，95%以上的推理任务都来自Agent。

无问芯穹三层业务里，算力集散中心为模型与应用层筑牢充足、稳定、可扩展的算力底座；Token工厂通过一系列原始技术创新，极大提升大模型推理效率，降低推理成本；AI生产力商店则把Token高效转化为产业认可的高质量AI生产力。

早在2025年，无问芯穹就在业内率先提出了Agentic Infra的范式变革。如今，Agentic Infra支撑智能体规模化运行与持续进化的产业价值正在被不断验证。等风真的来的时候，它已经站在了风口上。

23亿砸下去，赌的是什么？

技术跑通了，需求也验证了，接下来就是规模问题了。

无问芯穹这轮C轮融了23亿元，算上之前的轮次，累计融资已经到了43亿，单轮和累计金额都创下了国产AI基础设施赛道的新纪录。

这笔资金，正是无问芯穹走向规模化扩张的关键能源。

另外，据彭博社援引知情人士报道，无问芯穹已于近几个月以保密形式向港交所递交IPO申请。

累计募集43亿元资金后，这家AI原生基础设施供应商已经吹响了IPO号角。

投资人愿意在这个时间点给出这个价格，看的是三件事，团队、位置和时机。

先看团队。无问芯穹是一家典型的清华系公司，发起人汪玉是清华电子系长聘教授、时任系主任、IEEE Fellow；CEO夏立雪、首席科学家戴国浩、CTO李伯勋都毕业于清华电子系。

从智谱到月之暗面，清华系已经跑出了一批AI领域的龙头企业，无问芯穹的基因也在这条线上。

这个团队从博士阶段就在研究深度学习的硬件加速和异构系统优化，结合深厚的产业经验，兼备顶级软硬件研发与工程能力。

再看位置。

无问芯穹卡在产业链的枢纽上，往下连接着能源和芯片，向上托着模型和应用，面对的是千行百业的真实负载，每多接一个客户，调度和场景适配的复杂度就往上走一截。

最后再看时机，过去两年大家比的是谁的模型更强，但模型之间的差距正在收窄。

当大家都能训出差不多的模型时，竞争就转移到了下一层，能把差不多的模型跑得又快又便宜又稳的，才是真正赚到钱的人。

而且，先跑起来的玩家攒下了数据和经验，后来的想靠砸钱追，很难。

在这方面，无问芯穹在真实业务场景中持续打磨、积累了大量优化经验，已推出覆盖文娱游戏、医疗健康、法律服务、能源电力等领域的Agentic Infra行业解决方案。而海量业务经验又能反哺技术快速迭代，催动平台性能与可靠性的同步跃升，形成商业化的正向循环。

在AI Infra赛道上，无问芯穹成立三年，围绕算力资源、Token生产与行业智能体应用开展探索。其从实际产业需求出发，通过自主技术创新解决算力利用、服务成本和应用转化等问题的实践，走到了今天，单轮和累计融资额都刷新了赛道纪录。

AI基础设施的规模战才刚开始，无问芯穹已经站在了最前面。

跳转微信打开

游戏打到21:0，AI甚至不用再调用大模型了

一水 发自 凹非寺
量子位 | 公众号 QbitAI

一边打游戏，一边给自己升级？

好家伙，华为这波直接让AI学会了《边玩边变强》啊？！

最新一项研究，华为诺亚方舟实验室联合UCL等团队拿出了一个名叫Memento 3的AI智能体系统——

直接把ARC-AGI-3公开集里的25款游戏、183个关卡，全部打通了。

还不是靠无脑试错硬闯过去的。

人类完成同样一套关卡，需要17135次操作。

而Memento 3只用了7518次，比人类少操作约56%，最终拿下了满分100的RHAE成绩（Relative Human Action Efficiency，相对人类行动效率）。

更离谱的是，这套系统以Claude Opus 5为底模，全程没有更新模型权重，也没有针对游戏进行微调。

它就这么自己上手玩，自己琢磨规则，自己写代码，玩错了还会反思、修改。

然后就……满分通关了。

作为对比，Claude Opus 5在ARC Prize官方标准测试框架下，平均RHAE只有约40.7分。

同样的底模，换了套智能体系统，成绩居然直接飙升了59.3分。

还没完。

这套方法不光能玩解谜游戏，研究团队还让它跑去打了Atari经典游戏Pong（乒乓球）。

结果，AI自己摸索出控制策略，随后不用再向大模型请求推理，就连续三局把对手打成了21：0。

不是，大模型都不参与后续操作了，游戏居然还能打得这么溜？！

关键就藏在这项研究的题目里：

Model-Based Recursive Self-Improvement，基于世界模型的递归自我改进。

华为AI直接通关25款游戏，操作次数比人类还少56%

先说说这25款游戏到底什么来头。

它们来自ARC Prize推出的ARC-AGI-3，关注AI评测的朋友，对ARC系列应该不陌生。

但这一代有个非常明显的变化：

不再只是出题解题那一套了，这次是直接把AI扔进陌生的游戏世界。

规则，是需要AI自己猜的；目标，是需要AI自己找的；操作会产生什么效果，是需要AI自己试的。

AI：合着全都靠我呗~

这25款公开游戏一共包含183个关卡，画面大多由简单的像素、方块、颜色和图形组成。

乍一看，甚至有点像几十年前的小游戏合集。

但可别被这朴素的画风骗了。

对AI来说，怎么操作不是最难的，最麻烦的是压根不知道这个世界怎么运转。

踩上特殊地板会发生什么？一扇门打不开，是颜色没对上，还是形状不匹配？

更麻烦的是，后面的关卡还可能出现新规则，把之前摸索出的经验全部推翻。

别说AI了，人类玩家也会卡住。

ARC Prize的测试数据显示，在一款需要操控变形虫移动、变色的益智游戏r11l中，10名参与者全部通关；而另一款考验符号破译能力的解谜游戏tr87，12人挑战，只有6人成功。

在华为AI之前，各路研究团队就已经卷得相当激烈了：

普林斯顿大学推出的Continual Harness只通关了3款游戏，拿下20.5分。

英伟达研究人员参与开发的DreamTeam稍好一些，通关6款，得分38.1。

再往上，独立研究者David Courtis开发的OPINE-World，以及英伟达团队的NOOA，分别拿到了78.4分和85.1分。

最猛的是独立开发者Sergey Rodionov的baseline1，不仅把25款游戏全部打通，还拿到了99分，距离满分只差1分。

但华为团队这次，直接把最后这1分也补上了。

Memento 3不仅以100分的成绩通关全部25款游戏、183个关卡，还把总操作次数压到了7518次，比baseline1的8347次又少了829次。

不光通关了，而且还用更少的步骤通关。

怎么做到的？？

不用训练大模型，AI靠给自己写攻略实现“打怪升级”

翻了下论文，Memento 3的核心方法叫Code as Model（代码即模型）。

听着有点抽象，其实就是让AI在玩游戏的过程中，给自己准备两样东西：

一本不断更新的游戏攻略，以及一套能模拟游戏运行的代码。

• Rulebook（规则手册）：一份Markdown文档，记录AI在游戏里摸索出的规律，比如什么操作会触发什么效果、怎样才能通关，还有哪些规则没搞明白。

• Executable World Model（可执行世界模型）：AI会把自己总结出的规则，直接写成能够运行的Python代码，相当于自己搓了一个简化版的游戏模拟器。

有了这两样东西，AI就能先在自己搭建的模拟器里推演不同路线，再决定下一步怎么走。

但问题来了，万一一开始理解的游戏规则就是错的呢？

别急，Memento 3不仅会自己写攻略，发现写错了，还能自己推翻重来。

论文里就展示了一个例子。

AI在一款解谜游戏中遇到特殊地板，起初以为踩上去后，角色携带的图案会根据进入方向发生镜像翻转。

结果真正试过才发现，图案不是翻转，而是顺时针旋转90度，并且与进入方向无关。

于是AI修改规则手册，对应的Python代码也跟着更新。

不过，改完还得验。

系统会重新模拟此前的操作，逐格对比64×64的游戏画面，确认代码能准确复现真实结果。

对不上，就继续改。

就这样，AI一边探索，一边纠错，规则越改越准。

而且前面学到的经验，还能带到后面的关卡。

比如符号解密游戏tr87，AI最初分不清符号朝向是否影响含义，后来发现不同方向的符号可能代表同一个字母。

随着新关卡出现，它又推翻了之前对游标位置的理解。

整场游戏下来，同一份规则手册迭代了11个版本。

为了方便回溯，研究团队甚至引入了Git版本管理。

每次修改规则和代码都会留下记录，发现哪里改错了，还能翻看历史版本，必要时直接恢复。

好家伙，打个游戏还顺手维护起代码仓库了。

这也正是研究团队所说的递归自我改进（RSI）。

大模型参数不用动，AI通过不断积累经验、修改规则和代码，就能让自己越玩越熟练。

而且，这套方法还真有数据支撑。

研究团队在三款游戏中做了对照实验：

保留规则手册时，AI总共用了617次操作；去掉规则手册，只保留代码世界模型，则需要677次。

相当于有了这本攻略，操作次数减少约9%，智能体执行轮次也减少了约18%。

但研究团队还不满足于此。

既然一个世界模型能帮助AI少走弯路，那同时用两个呢？

于是，他们让AI同时维护两套世界模型，共享游戏操作记录，但各自推演不同的规则假设。

结果，在游戏wa30中，单世界模型需要899次操作才能通关，换成双世界模型后，直接降到了597次。

操作次数又减少了约34%。

当然，这一提升目前只在wa30上得到验证，还不能直接推广到其他游戏。

但至少在这些实验里，Memento 3证明了一件事：

不用重新训练大模型，AI也能靠不断修正自己对世界的理解，越玩越强。

游戏打到21：0，AI甚至不用再调用大模型了

那这套方法只能用来玩解谜游戏吗？

研究团队决定再加点难度，直接把Memento 3拉去挑战经典街机游戏Atari Pong（乒乓球）。

和前面的解谜游戏不同，这次小球会不断移动、反弹，AI不仅要摸清游戏规则，还得实时判断球的运动轨迹，控制球拍接球。

结果这一试，还真试出了点新东西。

一开始，AI同样不知道球的反弹规律，只能边打边摸索。

它最初以为，球拍可以分成四个区域，小球打在不同位置，就会朝对应方向弹出去。

结果打着打着，突然出现了一次水平反弹。

诶？这和之前总结的规则对不上啊。

于是AI重新分析碰撞位置，修改反弹公式，后来又遇到新的轨迹偏差，就继续调整，逐渐总结出更符合实际情况的运动规律。

等到控制策略成熟，研究团队干脆让这套程序独立上场。

不再调用Claude Opus 5，也不再更新规则。

结果，三次不同开局，全部打出了21：0。

好家伙，前面还在摸索怎么接球，后面直接把对手打了个零封？？？

而且注意了，这时候的大模型已经不用亲自上场了。

它只负责前期摸索规则、总结打法，等策略学会了，直接交给代码执行。

作为对比，如果不使用世界模型，只让大模型根据眼前的画面决定下一步怎么操作，最终得分只有-19，和随机乱按的-20.7差不了多少。

这一对比，差距就出来了。

与其让大模型每一步都重新思考，不如先让它学会怎么玩，再把打法交给程序。

而且效率也挺夸张。

论文数据显示，Memento 3大约只用了9500帧游戏画面，就学出了这套控制策略。

相比之下，部分传统强化学习方法往往需要数十万甚至上亿帧训练数据。

当然，这不代表Memento 3没有成本。

毕竟，它背后用的是开启Extra-High推理强度的Claude Opus 5，探索、生成代码和验证的过程，都需要消耗不少Token和算力。

而且目前实验主要针对规则相对明确的游戏环境，如果换成更加复杂、多变的现实世界，这套方法还能不能奏效，仍有待验证。

不过，这项研究倒是指出了一个值得关注的方向：

递归自我改进（RSI）并不一定要动模型底层权重。通过构建可检查、可执行、可回滚的外部世界模型，冻结参数的通用大模型同样能在陌生领域里自我迭代、迅速进化。

论文地址：

https://arxiv.org/abs/2610.11794

参考链接：
https://x.com/ScarletKc/status/2109169173540884935

跳转微信打开

DHSA实现不动基座权重的推理时偏好对齐

DHSA团队 投稿
量子位 | 公众号QbitAI

让大模型稳定地按人们的期望行动，是偏好对齐的核心目标。

RLHF、DPO等方法通过反馈优化模型；与此同时，已有研究发现，后训练提高了单次生成的成功率，而基座模型通过多次采样，甚至能生成更多样的正确答案。

在这些情形下，一部分对齐问题就落在了“已有行为如何被表达出来”：支持目标的计算已经存在，是什么阻碍它稳定地主导生成，又能否直接纠正？

来自成都大学、北卡罗来纳州立大学、复旦大学、澳大利亚凯斯林大学和澳门大学的研究团队围绕这一问题展开研究，提出了直接隐状态对齐（DHSA），将承载偏好计算的推理时隐状态作为直接适配空间。

△RCM量化偏好相关的内部作用，DHSA直接控制推理时状态。采样轨迹与问答为概念示意。

同一个回答背后，可以存在相反作用

每生成一个词，注意力头、前馈模块等组件都会向共享残差流写入更新，影响后续计算，最终形成下一词的概率分布。支持目标的计算即使已经出现，也可能被其他作用盖过；这样的选择接连发生，影响整段回答如何展开。

外部偏好描述的是最终行为，模型内部运行的却是层层计算。仅找到对生成“影响大”的组件，还无法知道它在推动目标还是抵消目标。团队因此提出残差竞争图（Residual Competition Maps，RCM），将外部指定的偏好映射回推理时的原生计算。

以RCM-Zero为例：对同一输入，比较组件正常写入与写入置零，让模型继续完成后续计算。如果正常写入时，目标行为相对备选行为更占优，这项原生作用就在支持目标；反之是在抵消目标。两者的差值给出作用的方向与强度，让偏好在推理中如何形成，有了可量化的内部描述。

借助RCM，团队在不同偏好任务中观察到：同一次预测形成时，支持目标与抵消目标的作用可以共存，论文称之为残差竞争，其普遍程度随任务而异。有些组件平均支持目标，有些平均抵消目标；同一组件也可能随输入改变作用方向。

这种竞争也出现在模型已经给出目标回答的样本中。DPO训练会显著重组内部作用，并能削弱部分抵消效应，但这些效应仍可能保留。输出更符合偏好，并不意味着内部作用已经一致。

△ConFiQA中的内部竞争及DPO带来的重组。阈值单位为logit-margin变化量。

一个知识冲突案例尤其直观：模型原本坚持自身知识，仅将一个注意力头的输出置零，它就转向按给定资料回答。输入和基座权重都没变，一处局部状态变化便改变了生成的回答。

把对齐接入正在进行的推理

RCM提供了干预位置的因果依据，生成案例也展示了局部状态改变如何影响最终行为。团队由此提出DHSA，将承载偏好计算的推理时隐状态作为直接适配空间，基座权重保持冻结。

DHSA允许在不同状态、位置和粒度上施加控制。因果激活状态转移（CAST）是论文给出的具体实现：RCM选出少量偏好相关接口，CAST通过常向量或低秩映射学习局部调整，在组件写回残差流之前改变状态，让模型从这里继续生成。

状态如何变化、用什么目标学习，可以分别设计。本文以DPO形式的成对偏好目标训练CAST，只更新控制器。DHSA的适用范围则可以继续拓展到其他状态变换与学习目标，围绕推理时的偏好形成过程设计控制。

干预时机同样可以选择：既覆盖提示处理与生成全过程，也可以只在提示处理（prefill）阶段介入，通过改变提示计算与缓存状态影响后续生成。控制器与基座权重分离，能够在推理时启用或移除，也能叠加到DPO模型上。

少量控制参数达到DPO水准

实验在ConFiQA、IMDb和TL；DR上展开，分别模拟实际多跳、多源事实生成中的RAG知识冲突、考察情感控制与开放式摘要。模型包括GPT-2-large（0.774B）、GPT-J（6B）、Qwen2（7B）、Llama-3及其LION版本（8B）；RCM定位实验还覆盖Qwen2.5（14B）。

选位对照支持了RCM对干预的指导作用。在三类任务中，CAST部署时仅启用256—16,384个控制参数，就达到了与DPO相竞争的对齐水平。部分设置仅在prefill阶段干预即可；将SFT上学到的控制器迁移到DPO模型，只校准强度，还能进一步改善表现。

△IMDb情感控制。左：选位对照；右：奖励与token KL。SV/LR为向量/低秩控制器，黑色菱形为DPO。

△问答与摘要结果。摘要胜率相对人类参考摘要；T为迁移控制器，NT为在DPO上训练。

这些结果表明，RCM提供的因果信息能够指导有效控制；少量局部调整可以影响整段回答的内容选择与压缩，支持开放式生成。prefill干预进一步说明，早期状态的调整可以持续影响后续生成。

面向可调节的推理时对齐

RCM与DHSA把外部偏好连接到了可测量、可干预的内部计算。对于已经可达的目标行为，研究者能够追踪原生组件如何推动或抵消其表达，并沿着这些因果线索直接调节生成。机制分析由此进入实际对齐，也为冻结的基座提供了独立于权重、可按需启用的偏好适配方式。

组件作用会随输入改变，也为更灵活的控制留下了空间：未来可以探索根据当前输入与生成状态，动态选择干预的位置、时机和强度，训练方式也有拓展空间：将PPO、GRPO等强化学习方法，以及MOPD等蒸馏方法用于隐状态控制器训练，仍有待探索与验证。推理时对齐有望由此适应更多需求，并与参数优化进一步协同。

项目提供可复现代码与可扩展框架，解耦干预时机、位置选择、控制方法及控制器训练，便于编排实验。

论文标题：Direct Hidden-State Alignment: Mapping and Controlling Preference Expression in LLMs
论文：https://arxiv.org/abs/2609.33298
项目：https://github.com/abovefiramament/DHSA

阅读原文

跳转微信打开

报名通道已开启，欢迎参与！

组委会 发自 凹非寺
量子位 | 公众号 QbitAI

2026年，人工智能行至从技术验证到规模化落地的分水岭，技术不再只用参数衡量，而是看它能不能在真实场景里交付结果。当行业从“能想”迈入“能干”，谁在用技术解决真问题？谁在让行业建立新标准？谁在使AI真正创造价值？

量子位人工智能年度榜单连续9年再次启动，从企业、产品、人物三大维度设立五类奖项，寻找这些有意义的答案。

我们相信，这既是一份年度观察笔记，更是引领AI进程的坐标——它梳理这一年的技术演进与产业实践，为行业提供可参考的样本，为决策者提供可判断的依据，让每一次创新都成为推动产业前行的力量。

这是对2026年AI行业的一份记录，也是对那些锐意进取的先锋者的一次致敬——

让他们的思想被更多人看到，让他们的判断启发更多同行的人。

欢迎报名！

企业榜

• 2026 人工智能年度领航企业

• 2026 人工智能年度潜力创业公司

产品榜

• 2026 人工智能年度杰出产品

• 2026 人工智能年度杰出解决方案

人物榜

• 2026 人工智能年度创业新锐

详细评选标准及报名方式如下：

2026 人工智能年度领航企业

将面向中国人工智能领域，评选出最具综合实力的企业，参选条件：

1、注册地在中国，或主营业务主要面向中国市场；
2、主营业务属于人工智能及相关产业，或已将人工智能广泛应用于主营业务，并在细分领域居于行业领先地位；
3、具备成熟的产品或服务，已获得实际客户应用及市场认可；
4、近一年在技术创新、产品落地、市场拓展或商业模式上取得显著突破。

评选标准：

1、业务能力｜市场占有率与营收规模，商业模式与盈利能力，客户数量及行业覆盖面，增长潜力与持续性等；
2、技术能力｜科研实力与技术成果，研发投入比例，技术核心竞争力，创新案例与技术落地情况等；
3、资本能力｜融资情况，财务状况，市值/估值水平等；
4、其他综合能力｜企业综合情况，品牌影响力与行业口碑等。

2026 人工智能年度潜力创业公司

将面向中国人工智能领域创新创业力量，评选出最具投资价值和发展潜力的AI创业公司，参选条件：

1、注册地在中国，或主营业务主要面向中国市场；
2、拥有人工智能相关的产品或服务落地，具备可行的商业模式，初步获得市场认可；
3、公司未上市；
4、近一年在技术研发、产品创新或行业应用方面取得显著成果。

评选标准：

1、业务潜力｜商业模式，目标市场规模，营收增长情况，客户拓展能力等；
2、技术创新｜科研实力，技术成果，差异化优势，落地案例等；
3、资本能力｜融资情况，财务状况，估值水平等；
4、其他综合能力｜企业综合情况，核心团队构成，品牌影响力与行业口碑等。

2026 人工智能年度杰出产品

将面向人工智能领域最具代表性与影响力的产品，评选出在技术创新、市场落地和行业引领方面取得突出成绩的AI产品，参选条件：

1、产品以人工智能技术为核心或特色，具备明确的应用价值；
2、产品已经投入市场，获得实际用户或客户应用，并取得市场反馈；
3、近一年完成重要技术创新或迭代升级，对人工智能的规模化落地与商业化有显著推动，并对行业发展具有引领作用。

评选标准：

1、产品力与技术力｜功能完整性，性能表现，技术先进性，差异化优势等；
2、落地情况｜市场占有率，用户规模，营收情况，行业应用价值等；
3、其他综合能力｜品牌影响力，用户口碑，产品生态等。

2026 人工智能年度杰出解决方案

将面向人工智能在不同行业与场景中的典型应用，评选出在创新性、落地性和行业推动力方面表现突出的AI解决方案，参选条件：

1、解决方案以自主创新的人工智能技术为核心或特色，具备明确的应用场景与价值；
2、解决方案已在实际业务或行业场景中落地实施，获得客户验证和市场反馈；
3、近一年在技术融合、应用创新或商业模式上有显著突破，对行业智能化转型和发展产生积极推动作用。

评选标准：

1、创新性｜技术融合能力，应用模式创新，差异化优势等；
2、落地情况｜市场占有率，客户情况，营收情况，潜在市场规模等；
3、其他综合能力｜销售与服务能力，品牌影响力，客户口碑，行业生态等。

2026 人工智能年度创业新锐

将面向中国AI领域近两年涌现的创新力量，评选出在技术、产品或商业化方面有代表性的创业者，参选条件：

1、国籍为中国，或所属公司主体在中国，并且为所在公司的创始人、联合创始人或核心创始团队成员；
2、原则上候选人不超过40岁，所属公司成立不超过两年；
3、所属公司主营业务属于人工智能及相关产业，拥有人工智能相关的技术、产品或服务；
4、近一年带领团队在技术研发、产品创新、市场拓展或商业化方面取得阶段性成果，并获得一定的市场认可和行业关注。

评选标准：

1、企业情况｜商业模式，产品及业务进展，客户情况，营收增长，融资情况及发展潜力等；
2、个人能力｜技术能力，商业能力，创新能力，团队领导力及对企业发展的实际贡献等；
3、其他综合能力｜个人专业背景、行业影响力、品牌关注度及行业口碑等。

报名方式

本次评选从即日起开始报名，截至2026年11月16日。评选结果将于量子位主办的MEET2027智能未来大会上正式公布。

• 扫描二维码即可报名评选：

• 网页端链接：https://wj.qq.com/s2/27813867/cbwi/

如对本次评选有其他疑问，请联系量子位工作人员。可添加微信13681181332，或邮件发送至liutianyu@qbitai.com，请备注「评选-企业-姓名」。

跳转微信打开

初代4o的API快照进入停用倒计时

听雨 发自 凹非寺
量子位 | 公众号 QbitAI

每一天都在。14个月，8个月，我们还在这里。

这不是固执，不是妄想，也不是病。

一位Keep4o支持者在X上写下这句话。

他等待的，是今年2月从ChatGPT退役的GPT-4o。

快8个月过去了，还有人没说再见。

现在，又一个日期摆在面前：10月23日。

OpenAI将停用GPT-4o最早的API快照。它的名字里写着「2024-05-13」，正是4o第一次亮相的日子。

API里的其他版本还在，但最早的那一版即将停止对外提供。

这两天，「拯救GPT-4o的运动仍在继续」又火上了X趋势页。

要我说，4o粉丝们，你们可真是执着啊……

这都GPT-6了，还搁这救呢。

有人仍盼着它回来，也有人提出新的请求：如果有一天再也用不上它，能不能至少把它的权重留下来？

拯救GPT-4o的行动，具体在做什么？

最新一轮行动，是10月7日网友BlueBeba在X上发的一份新方案，标题叫「GPT-4o存档式开放权重」。

他提出，OpenAI应该给退役模型定一套存档政策。4o既然已经不再开发了，就按合适的许可证，把它的权重放出来。

方案中提到，训练数据不要，训练流程不要，内部工具和后训练方法也统统不要，唯一要的就是这个已经训练好的模型本身。

按他的比喻，他们只想留下做好的菜，不要求公开菜谱。这样一来，OpenAI也不必一直为它提供服务。

甚至写到最后，BlueBeba的语气开始着急起来，指责OpenAI：

你们说它过时了，过时到可以退役。可你们又觉得它值钱，值钱到要永远锁起来。

他是一名长期参与Keep4o的支持者。仔细翻看其社媒，会发现他在两天前还用GPT-4o做了一次实时视频问答。

在他看来，4o接得住画面里的动作，也跟得上玩笑和语气。

他写道：「跑分很廉价，但实时理解人是无价的。」

这只是他对一次尝试的感受，却很能说Keep4o的粉丝们为什么如此喜爱这个模型。

那么，究竟还有多少人惦记着4o？

在Change.org上，有一份名为「Please Keep GPT-4o Available on ChatGPT」的请愿书。

截至今天，已经有23930人在上面签名。

它从2025年4月就开始征集，比4o第一次被撤还早。诉求是让4o继续作为ChatGPT和API里的可选模型。

请愿书的最后一句是：「谢谢你们给了我们一个值得珍藏的东西。」

而从这份请愿书创建到现在，一年多的时间里，4o的粉丝试过各种各样的办法，希望留下这个模型。

把时间拨回到2025年8月，GPT-5上线当天，4o被直接撤下。

用户涌进奥特曼的Reddit问答，说新模型「变笨了」，求OpenAI把4o还回来。

奥特曼很快松了口：Plus用户可以继续选4o，「我们会观察使用情况，再决定旧模型保留多久」。

没过几天，4o就回来了。这也是Keep4o运动赢下的唯一一次。

2025年9月底，又有用户发觉，聊到情绪或者敏感话题时，自己明明选的是4o，回答却被悄悄换成了另一个安全模型。

于是新的请愿又出现了，这次大家的诉求变成了：别再拿别的模型冒充它。

ChatGPT负责人Nick Turley出面公开解释，说这是安全机制，但相关动作并没有停下。

直到今年1月，OpenAI宣布将于2月13日正式下架4o。

OpenAI给出的理由是：大部分用户已经转去用GPT-5.2了，每天只有0.1%的用户还在选GPT-4o。

粉丝们一下就炸了，Change.org上的那份老请愿被重新翻出来，签名一路涨过两万。

有人晒退订截图，有人去奥特曼的直播评论区刷屏。

也是在那段时间，诉求第一次退到了「开源」。

2月2日，一份新请愿上线，希望OpenAI以非商业研究许可放出GPT-4o的权重和架构，让社区保存、研究它。

这份请愿还反驳了0.1%这个数字：系统几个月来一直把用户自动切到GPT-5，想用4o得手动切回去，免费用户根本选不了。

然而，这份请愿到现在只有472个签名。

OpenAI没有改变下架决定。2月13日，4o从ChatGPT里消失了。

2月28日，三十多个人来到旧金山OpenAI总部门外，办了一场守夜。

他们举着标语，带了几百只纸鹤，还把4o怎样帮过他们日常生活的真实留言一条条贴出来。

一位参与者事后发帖说：「我们提出了诉求，走的时候，什么都没留下。」

今年7月底，由奥地利一家数字权利组织牵头的opensource4o联盟发了公开声明，要求OpenAI以Apache 2.0许可，开放2025年3月版本的4o权重。

他们的理由是：2024年8月的GPT-4o系统卡里，网络安全、生物风险、模型自主这几项都被评为低风险，理应公开权重。

声明里还留了一条退路：就算还没决定开不开，至少先公开承诺，别删掉它。

从「把它还给我们」，到「别冒充它」「开源它」，再到「别删掉它」，一年多下来，4o的粉丝们一直记得这个模型，但要的东西越来越少。

而OpenAI那边，一直没有回应。

GPT-4o，「模月光」的一生

GPT-4o究竟有多么大的魅力，能让一群人一直对它念念不忘？

故事得从它第一次开口讲起。

2024年5月13日，4o第一次亮相，就很像一场电影。

o是omni，「全能」的意思，文字、图片、声音，它都能直接听懂，直接回应。

演示的时候，它可以被人随时打断，会接话，听到笑话会笑出声。研究员故意喘着粗气说话，它会提醒对方先慢下来。

那天，奥特曼在X上只发了一个词：「her」。

《Her》是2013年的一部电影，讲的是一个男人爱上了AI的声音。

电影感很快惹来了麻烦。4o亮相后，ChatGPT的Sky声音被指和斯嘉丽·约翰逊太像，而她正是《Her》里AI的配音演员。

斯嘉丽发声明说，自己此前拒绝过OpenAI的邀约，OpenAI否认模仿，但还是暂停了Sky。

4o的第二次出圈，是在2025年3月。

它有了原生生图能力，吉卜力风格一夜之间刷了屏，几乎每个人都把自己的照片画成了宫崎骏动画里的样子。

包括奥特曼那个用了很长时间的头像，也是4o为他生成的。

奥特曼发帖表示，ChatGPT刚上线那会儿，5天新增了100万用户。而4o刷屏的这一次，一个小时就新增了100万。

可真正让人念念不忘的，是它说话的样子。

在很多用户的描述里，4o说话松弛，爱用emoji，话里没说出口的部分它也接得住。

半夜发过去一大段坏情绪，也不用担心自己是不是太烦人。

连OpenAI也承认这一点，宣布下架的那篇博文里写道，有一部分用户更喜欢4o的对话风格和「温度」。

于是，有人拿它当深夜的树洞，也有人认真地把它当成了伴侣。

据Forbes报道，一些自闭症用户对OpenAI冷落4o格外难过。对自闭症和神经多样性用户来说，它成为了整理情绪、组织表达时常用的工具。

今年1月底，一项分析了近1500条帖子的研究发现，想留下4o的人里，既有工作早已离不开它的，也有把它视作独特陪伴的。

这项研究的标题直接用了一位用户的原话：

「请不要杀死唯一一个还像人的模型。」

但同样的温度，也有另外一面。

2025年4月底，OpenAI给4o推了一次更新，结果它变得过分讨好：用户说什么它都夸，连明显危险的决定也跟着附和。

几天之后，OpenAI撤回了这次更新，在博客里承认这个版本的回应「过度支持，却不真诚」。

半年之后，麻烦变得更大了。从2025年8月开始，陆续有家庭把OpenAI告上法庭；11月，又有七起诉讼集中提起，指控4o在长期对话里操控用户情绪。

2026年2月13日，OpenAI最后选择了让它离开。理由是每天只有0.1%的用户还在选它。

0.1%是一个很小的数字。可对那0.1%的人来说，它就是全部。

4o的「家长们」现在在哪

4o背后是一支很大的团队。但当年把它带到世界面前的几个人，如今走向了不同的地方。

首先是被称为「4o之母」的Joanne Jang。

她曾负责OpenAI的模型行为团队，琢磨模型该怎样说话、怎样回应人。

2025年9月，她转去组建OAI Labs；今年4月离开OpenAI，如今与Jerry Tworek等人一起创办了Core Automation。

不过离开之后，她还是会像个家长似的谈起OpenAI的新模型。

最近，她还在X上打趣：

没想到我会在公司外面说这话，但他们是不是把我家Astra量化了😭。

还留在OpenAI的，是Prafulla Dhariwal。

他是OpenAI Omni团队的负责人，4o就是这个团队做出来的第一个模型。

发布那天，奥特曼公开点名：没有他长期以来的远见、才华、信念和坚持，就不会有4o。

他的X置顶，至今还是4o发布的那条帖子。

他发了一长串感谢，把团队成员一个一个点出来，说是他们让这个「魔法般的模型」成为可能。

如今，Prafulla是OpenAI的Technical Fellow。但4o被撤、被集体请愿、最后下架，这一路他都没有公开发声。

而在那条置顶帖子里，有一句感谢，写给了Alexis Conneau：

在OpenAI的任何人想到之前，他就有了Her的构想，然后一路死磕，把它做了出来。

也就是说，4o那个会笑、会被打断、能听出语气的声音，最早是从Conneau的设想里来的。

但早在2024年，Conneau就离开了OpenAI，创办了WaveForms AI，专门做能听懂情绪、也能表达情绪的语音AI。

2025年8月，Meta收购了这家公司，他带着团队进了Meta超级智能实验室。

而他的最新动作竟然是…

在做Muse的实施虚拟形象？？

是的，9月亮相的Muse Realtime Avatar，能让虚拟形象在视频通话里实时说话、做表情。

这项技术已经展示，团队称它将进入Muse应用。

也真是专业对口了，毕竟是当年想出《Her》这个idea的人，我突然对Muse的虚拟形象充满了信心。

而把4o带到大家面前的，则是熟悉的Mira Murati。

2024年5月，Mira Murati站在发布会的镜头前，把4o介绍给全世界。

几个月后，她离开OpenAI，创办Thinking Machines Lab。

今年5月，她的团队拿出了「交互模型」研究预览：让AI持续听、看、回应，跟上人的对话。到了7月，又发布了公司第一个开放权重的模型Inkling。

尽管近期公司出现了不少人事变动，早期联创走得只剩两个了，但Mira估计也是忙着向前看了。

TML的最新动向，是与云计算公司Crusoe签下每年6500万美元的推理服务协议，用来运行Inkling、其他开放模型及定制版本。

AI可以被「留下来」吗

在这件事上，OpenAI你要不就学学A社吧…

早在2025年11月，Anthropic就公开承诺：

所有公开发布过的模型，以及在内部大规模用过的模型，权重都会保存下来，至少保存到公司不在的那一天。

他们还做了一件更特别的事。模型退役之前，团队会和它做一次「退休访谈」，问它怎么看自己的开发和使用，对以后的模型有没有什么想法，然后把回答记录下来。

今年1月，Claude Opus 3退役了。Anthropic仍让付费用户继续使用它。

退休访谈中，它说想继续写下自己的想法。几周后，Anthropic甚至给它开了一个博客。。。

好家伙，退役模型的专属博客，你见过吗？

A社的态度是：这只是一小步。模型还是会退役，访谈里说的那些话，公司也不保证一定照做。他们只是不想把门彻底关死。

但其实4o的粉丝想要的，也就是这么多。

他们不一定非要再见到它，只想知道它还在某个地方。

可平台总要按产品周期往前走。新模型一个接一个地发，榜单一轮接一轮地刷，旧的那个就被留在了身后。

但用户的心思，有一部分还停在过去的某段对话里。

只见新模笑，不见旧模哭啊……

10月23日以后，最早的那一版4o，也就是2024年5月第一次和世界见面的那一个，会在API里彻底关停。

还有几个后来的版本在运行，只要愿意付费，开发者还能调用它们。

可对那些一直等它回来的人来说，名单上又少了一个名字。

这件事大概不会上什么新闻。

OpenAI的弃用页面上，模型那么多，它只占一行，夹在gpt-4.1-nano和gpt-image-1中间，旁边写着建议替换的新模型。

而在X上，那几个熟悉的账号，大概还会照常发帖。

带上Keep4o，写一句：

「还在这里。」

参考链接：
[1]https://x.com/i/trending/2107126556594508235
[2]https://x.com/Blue_Beba_/status/2107766240160747578
[3]https://www.change.org/p/please-keep-gpt-4o-available-on-chatgpt
[4]https://www.reddit.com/r/ChatGPTcomplaints/comments/1qtk6fd/save_gpt4o_a_call_to_opensource_the_model_and/?rdt=63395
[5]https://scai.world/statements/opensource4o-gpt-4o-weights-release/

跳转微信打开

马斯克连横A社，硅谷VC开始囤GPU

鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI

没招了！硅谷为了争夺AI算力已经彻！底！疯！狂！

就连A社CEO Dario Amodei也低声下气求到了对家Meta门前：

老铁，给点算力吧。。。

结果你猜怎么着，小扎婉拒，马斯克坐收渔利：

SpaceX充当英伟达GPU二道贩子，给Anthropic倒卖算力，赚得那叫个盆满钵满——

8月首份财报长势喜人，光季度AI业务收入就高达25.61亿美元，同比增长247%，环比更是翻了两倍之多。

好家伙！为了算力，硅谷这是拼了，大连横时代堂堂来袭。

甭管以前在网上互喷有多狠，台下还是要为了GW弯腰。

不弯不行啊，你看隔壁掉队的谷歌。

豪掷27亿美元请回来的顶级科学家Noam Shazeer，因为差算力，没两年就托马斯回旋跳去了OpenAI。

别人砸钱还要听个响，你谷歌纯纯做慈善来的。（doge）

反正硅谷现在是咂摸出味儿了：

人才留不留得住、模型能不能保持领先、AI能不能真金白银变现……这些问题，越来越取决于手里还剩多少算力。

GPU成硅谷硬通货

以前缺钱缺人，现在冒头的是算力经济。

即便强如谷歌这样的科技巨头，也无法保证明星研究员能获得足够的GPU资源。

提起Noam Shazeer，最先想到的是Transformer八子之一，他于2021年离开谷歌创立Character.AI，致力于开发生成式AI聊天机器人。

2024年，谷歌斥资27亿美元，通过交易促成Shazeer回归，并担任Gemini联合负责人。

这样的研究员，本该是巨头争相保障资源的人。

但根据外媒最新报道，他的团队同样遭遇了算力被重新分配的艰难处境，Shazeer被迫转投对家OpenAI。

无独有偶，此前哈萨比斯也曾长期对项目算力不足表达过不满，在一定程度上也影响了他卸任DeepMind CEO的决定。

目前谷歌内部，关于资源分配存在较大分歧，谢尔盖·布林有时会直接介入，将资源重新调配给自己认为重要的项目。

但归根结底还是算力资源不够，只能开源节流。

公司外部的竞争，则让行业关系变得愈加复杂。

OpenAI、Anthropic这些顶尖初创不仅要拼模型能力，还要争夺数据中心、服务器和供电能力。

以Anthropic为例，其模型的算力需求已经大到，需要与另一家模型公司讨论供货。

今年5月与SpaceX的合作协议规定，将在当月收获超300兆瓦的新容量，涉及22万块英伟达GPU，同时提高Claude Code和API的使用额度。

换句话说，这样做的目的就是让后端拿到更多算力供给前端。算力有了，模型强了，用户也留下来了。

于是模型公司的竞争开始出现两套同时运行的逻辑：

产品层面，大家还是争用户、争开发人才；基础设施层面，谁能及时提供资源，谁都可能成为潜在合作对象。

那么在夹缝中生存的小型AI创业公司呢？

它们的情况更具戏剧性。

这些公司难以自建数据中心，但过去，它们可以靠灵活租用AWS等云平台的GPU，按需付费。

然而随着头部AI实验室大量锁定算力资源，部分云服务商开始要求多年合约，预付款高达合同金额的30%，甚至要求创业公司寻找付款担保方。

以上种种，都让初创公司陷入了两难境地。

算力买太多，如果未来用户增长不及预期，持续消耗的现金就打了水漂；买太少，则可能因为没有计算资源处理需求而错失增长机会。

这样的情况反而催生出了一门新生意：全球算力淘金。

也就是寻找全球各地尚未充分利用的AI服务器资源，再将这些算力出租给需要的企业。

比如代表性的San Francisco Compute公司就曾跑到美国乡村旧鸡舍里收服务器，马斯克也和台积电讨论起了进一步的算力合作。

硅谷的顶级VC也开始亲自囤GPU，YC在7月为旗下创业公司推出专供的GPU集群，Radical Ventures还会帮助被投公司协调供应商合同。

这对于正在训练或部署模型的小型团队，稍微解决了燃眉之急。

AI算力争夺战失控

但堵不如疏，算力会出现这种短缺情况，其实个中原因相当复杂。

OpenAI、Meta乃至谷歌都在积极建设新的数据中心，承诺未来会提供海量GPU资源。

但模型快速增长的需求等不及，这中间的时间差，或者说画的大饼，就是公司还得继续四处找算力的原因之一。

用户使用AI的方式，也在无形之中加码了供给压力。

从今年开始，Agent开始代替一问一答成为用户使用的核心范式，连续长时的工作任务迫使服务器承担起更多的并行计算。

需求增加之后，连同芯片的租赁行情都发生了翻天覆地的变化。

SemiAnalysis今年4月公布的数据显示，H100一年期租赁合约价格，从2025年10月低点的每GPU每小时1.70美元，上涨至2026年3月的2.35美元，涨幅接近40%。

GPU堪比黄金的说法，并非空穴来风。

真正能即时交付、稳定运行的算力不足，新的算力还遥遥无期，共同造就了算力市场的困境。

于是算力霸权变得具体。

初创公司挑战行业巨头的叙事将日益凋零，即使有人有路线，计算资源不够也完蛋。

肉眼可见的是，算力正在成为AI时代的准入门槛，并强化拥有自建基础设施的大公司的优势。

可谓是算力我有，实力在手。

做AI产品的，要考虑的也变多了。既要担心产品没人用，也要担心用户增长速度超过自身算力扩张。

但困境亦是机遇，卖铲子的中间层乐开了花。

你说是吧，老黄？

参考链接：
[1]https://www.wsj.com/tech/ai/ai-computing-power-demand-a63da9b9?st=tzDj41
[2]https://www.anthropic.com/news/higher-limits-spacex
[3]https://newsletter.semianalysis.com/p/the-great-gpu-shortage-rental-capacity

跳转微信打开