我们不想做追随者，而是做定义者。 作者｜Yolanda 编辑｜栗子 3月27日，北京中关村学院在中关村论坛年会“全球对话”平行论坛活动上，发布了五项重要研究成果。其中，第一项联合深度机智正式推出的具身通用智能基座模型系统PhysBrain 1.0，不仅是一项技术更新，更被视为具身智能发展路径上的一次关键探索。 PhysBrain 1.0 由三部分构成：基座模型 PhysBrain、双脑架构 TwinBrainVLA，以及训练策略 LangForce。整体从“理解优先，通用优先”的思路出发，尝试解决传统 VLA 模型在训练中物理常识缺乏、通用能力与任务能力难以兼顾的问题，使模型在保持认知能力的同时提升执行能力。 与依赖真机数据的主流路线不同，这一体系引入大规模低成本人类第一视角数据，将物理常识作为训练核心，提升模型在复杂场景中的泛化能力。这一思路对应着行业正在出现的转向——从“动作模仿”走向“物理理解”。 在中关村论坛活动的同期展上，深度机智同步展示了其自研的全尺寸拟人体机器人Prime。该机器人具备72个自由度，比例尺寸与人体同构，可实现毫米级精细操作，并可在断电状态下自主站立，主要用于验证通用具身模型在真实环境中的适配能力。 深度机智全尺寸拟人体机器人Prime 当前，全球具身智能领域还在“轨迹拟合、数据昂贵、泛化薄弱”的旧有范式打转，深度机智凭借一套完全自主创新的技术体系，给出了破局答案——让机器人首先像人类一样理解世界，才是实现通用智能的核心路径。 作为行业新锐，深度机智成立于2025年，由北京中关村学院与中关村人工智能研究院联合孵化。与多数从硬件或控制层面切入的团队不同，该公司自成立之初便选择了一条差异化路径：让机器人通过人类第一视角数据理解世界，而非依赖大规模真机训练，这种创新思路也成为其技术突破的核心优势。 不难看出，这款由中国团队原创、开源开放、拥有物理智能的

在大模型时代，资源瓶颈不只是硬件问题，更是数学问题。作者｜王艺3月25日美股开盘，存储芯片板块集体遭遇“黑色时刻”。美光科技收跌4％，西部数据下跌4.4％，SK海力士跌去5.6％，闪迪更是重挫6.5％。一夜之间，HBM（高带宽内存）概念股蒸发数百亿美元市值。一些外媒推测，这与谷歌最新发布的一篇论文和一段技术博客有关。论文名叫《TurboQuant: Online Vector Quantization with Near-optimal Distortion Rate》（下文简称TurboQuant）。具体而言，TurboQuant通过一套全新的向量量化算法，将大语言模型推理过程中的KV缓存（Key-Value Cache）从16bit压缩到3bit左右，实现了至少6倍的内存压缩和最高8倍的注意力计算加速——而模型输出质量几乎不受影响。消息传开后，Cloudflare CEO Matthew Prince在社交媒体上将其形容为“谷歌的DeepSeek时刻”。一位独立开发者也在Reddit上晒出了复现结果：基于PyTorch和自定义Triton kernel，在RTX 4090上用2bit精度跑Gemma 34B，输出与未压缩版本的模型逐字符一致。“这就是谷歌的DeepSeek时刻，它在优化人工智能推理的运行速度、内存使用量、能耗以及多租户利用率方面提供了更大的空间，Cloudflare 多个团队都在致力于这些方面的工作。”图源：X @Mattew PrinceTurboQuant算法无需硬件改动，可与现有的推理协议栈兼容——在H100处理器上，4bit注意力机制的内存压缩率提高了5倍以上，速度提升高达8倍。 图源：Reddit @NoShowJobsHQ可以说，论文写得“零损耗”，社区用代码投了票。但市场的过激反应和社区的狂热背后，我们要问的是：这篇论文到底做了什么？它真的

软硬协同决定成败。 作者｜田思奇 编辑｜王博 过去几年，人工智能的进展主要发生在数字环境中。技术演进的路径大多指向同一个方向：让算法在虚拟环境中变得更好用。 随着这一轮技术热潮进入中段，更现实的产业问题浮现：当人工智能进入充满噪声和物理约束的工厂与电网时，它还能保持“智能”吗？ 在工业 AI 从试验走向规模化部署、虚实融合加速深化的背景下，西门子于2026年3月23-24日在北京召开RXD大会（Real meets Digital），让AI走出数字环境、在复杂物理场景中稳定可靠运行。 作为同时贯通电气化、自动化、数字化到智能化，并具备工业软件与工程经验的百年工业巨头，西门子在本次大会上集中探讨了AI深度进入生产流程后的工程挑战、系统协同与规模化路径，试图给出一种更接近现实的方案：当AI进入真实世界，软件与硬件的结合不再是配合关系，而是决定成败的前提。数字能力必须通过设备与系统工程，才能真正转化为物理世界的价值。 1.直面真实生产深水区 全球AI产业的竞争重心，正在转移。 如今在真实的生产环境里，技术参数不再是唯一的通行证。能否在制造环境中7×24小时稳定运行、实现规模化的降本增效，才是拉开企业差距的关键。 毕竟，工业场景是高度耦合的复杂系统，每一道指令都受到严苛的物理法则约束，任何决策必须在安全底线、运行稳定与生产效率之间找到极窄的平衡点。 IIoT World与HiveMQ联合发布的《2026工业AI就绪度报告》戳破了行业此前过于乐观的预期。在这份基于272位工业专业人士的调研中，54%受访者将数据质量与可用性列为头号障碍，48%受制于遗留系统集成与数据孤岛，43%担忧AI决策的可解释性与可信度不足。在不够了解“为什么”的情况下，没有人敢让机器完全接管。 西门子RXD这一命名，也对应着产业阶段的变化。单点技术已无法支撑产业演进，眼下更需要跨系统、跨区域

海淀正在向世界展示：人工智能不仅是冰冷的算力与模型，更是鲜活的生态、涌动的人才和触手可及的未来。 作者｜王艺 编辑｜栗子 如果说过去几年，是全球AI产业的“寒武纪大爆发”，那么站在2026年的门槛上，我们正迎来一场更为残酷也更为真实的价值淬炼。 当大模型的参数狂飙逐渐平息，一个尖锐的问题摆在了所有从业者和投资者面前：AI如何加速从数字原生向物理世界渗透？在产业链重构中，资本如何识别商业拐点？ 技术的狂欢终将落幕，商业的闭环才刚刚开始。 2026年3月29日下午，作为2026中关村论坛年会“人工智能主题日”的特色专题论坛，“AI未来论坛：跃迁·投资·共生”将在中关村国际创新中心海慧厅正式拉开帷幕。 本次论坛由海淀区人民政府、北京国有资本运营管理有限公司主办，北京中关村科学城创新发展有限公司、北京顺禧私募基金管理有限公司、投中信息承办。 在这里，我们不谈虚无缥缈的风口，只谈真金白银的投资逻辑与硬核产业的落地范式。今天，我们正式揭秘这场论坛的核心看点。 1.寻找下一个时代的价值高地 2026年，AI投资进入了真正的“深水区”。谁在撤退，谁在加码？ 在本次“AI未来论坛”上，最引人瞩目的莫过于“产业重构·投资大咖对话”环节。这场对话汇聚了中国创投圈最顶尖的“捕手”——红杉中国合伙人周逵、五源资本创合伙人刘芹、经纬创投创始管理合伙人徐传升、高瓴创始合伙人李良，这四位顶级投资人将在论坛现场“坐而论道”。 他们代表了从早期探索到产业巨头布局的多元视角。过去一年，创投圈关于“人形机器人该不该投”、“大模型商业化拐点何时到来”的争论不绝于耳。当这些执掌着巨量资本、穿越过多次产业周期的掌门人同台坐镇，他们将直面AI新物种如何重构生产力格局的命题，为你指明2026年资本最真实、最隐秘的流向。 同时，论坛还具备极高的全球视野。联合国前副秘书长兼秘书长特别顾问Fabrizio Hochschild（

以实干破局，打造中国具身智能自主通用底座。作者｜云凡编辑｜栗子2月28日，一场名为“启智涌现”的机器人通用技术底座开发者大会如期举行。这不仅是一次硬核技术的系统发布，更像是一场针对具身智能行业集体焦虑的正面破局。在近几年的科技头条里，机器人几乎成了全能的代名词：它们在春晚舞台上整齐划一地起舞，在马拉松赛道上奔跑，在商场展厅完成后空翻或是耍杂技。这些被精心设计、反复调优的视觉表演，给外界营造出一种智能机器人的繁荣感。然而，当视觉滤镜褪去，产业界不得不直面一个尴尬的现实：一旦机器人进入非结构化、充满不确定性的真实作业环境时，往往会表现得无所适从。它们难以应对随机性的挑战，于是，我们在新闻里或工厂角落，经常能看到机器人突然踉跄摔倒、或者因抓取失败而导致物件滑落的无奈画面。对于当前机器人的产业现状，业内有个形象的比喻：小脑过于发达，大脑却略显迟钝。这已成为大家心照不宣的共识。运动控制算法（小脑）的飞速演进，已经足以支持机器人完成复杂的肢体动作；但任务理解与自主决策能力（大脑）的发展却步履维艰。更危险的暗礁隐藏在水面之下。我国核心硬件的自主化率虽然在快速攀升，但支撑机器人思考与进化的核心软件平台，依然高度依赖国外的ROS（机器人操作系统）或英伟达的Isaac Sim等生态。这构成了随时可能引发“卡脖子”风险的命门。在这种强烈的产业落差中，由中国工业机器人链主企业埃夫特联合多方孵化的“启智机器人”，选择了一条极其陡峭的攀登路线：启智并未将研发重心停留在硬件躯壳的内卷上，其核心愿景指向了更底层的“智能机器人通用技术底座”，要做产业的“奠基者”。这家带有浓厚“国家队”基因的新锐企业，试图系统性地解决当前行业软硬件耦合深、开发效率低、技能无法复用等根本矛盾。2026年初的这场发布会，正是这套底座能力交出的首份实干成绩单。启智机器人，这家坐落在安徽芜湖的公司，正在为中国机器人打响一场跨越“演示

一种关于“技术如何介入生活”的再思考。作者｜刘杨楠编辑｜王博1995年，个人电脑迅速普及，大肆抢占用户注意力。数字世界和现实世界加速割裂，越来越多技术爱好者耗费了大量精力和机器交互，反而忽视了对现实生活的经营。彼时，马克·维瑟（Mark Weiser）便提出“冷静技术”（Calm Technology）理论，认为好的技术应在不打扰人们的前提下提供信息，只在必要时才引起关注，从而让人感到平静。三十年后的AI浪潮中，相似的技术喧嚣再度上演。科技公司们正带着一批AI爱好者在数字世界狂飙突进，追求更快的响应、更主动的交互，试图无限缩短人与机器的距离。但就在人类物理世界最私密的角落——卧室，正迫切需要一场“静默革命”。睡眠是人类历史上最古老且脆弱的生理过程，几乎占据了生命三分之一的时间。但对于如今很多人来说，“睡个好觉”已成为无比奢侈的诉求。中国睡眠研究会多项调查显示，我国成人睡眠障碍发生率已接近48.5%，估算超过3 亿人存在不同程度的睡眠问题。如此普遍的“睡眠焦虑”催生了一个千亿级的睡眠经济市场，也暴露出过往智能家居的短板。初期的智能化系统往往需要通过弹窗、提示音或复杂的交互来实现指令的下达。但睡眠是对智能系统要求最特殊的场景之一，它要求硬件和系统在用户睡着的长达数小时的时段内，能够精准地介入、稳定地陪伴、适时地隐退。2026年3月20日，北京水立方，在一场名为“智感生活“启慕式””的发布会上，“甲子光年”看到了一款变革性的智能床产品。成立22年的寝具行业知名品牌慕思，在麻省理工学院学术带头人、中国睡眠协会会长等嘉宾见证下，联手**鸿蒙，推出了年度战略新品——鸿蒙智选 慕思智能床Pro H-Design。这款产品向行业展示了一种新的可能性。真正的智能，不是向用户秀肌肉，而是通过极致克制的技术表达，实现“无感”的智能体验。该发布会还迎来了成立22年来的首位品牌全球代言人易烊千玺，他

工业AI如何走向规模化应用？作者｜田思奇编辑｜栗子无数次历史证明，每一轮技术变革的最终价值落点都不是技术本身，而是我们衣食住行的物理世界。经过数年设备联网与数据沉淀的“修桥铺路”，中国工业互联网正迎来智能化加速阶段。许多企业不再满足于数据分析，而要求人工智能介入后持续提升效率、降低能耗、改善质量。这一趋势，与今年政府工作报告中提出的深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，拓展智能制造等形成呼应。在制造与能源等高价值、低容错的工业场景中，AI能否长期稳定运行并持续提升效率，正在成为其能否进入生产体系的关键分水岭。在这一产业拐点上，刚刚递表港交所的卡奥斯，给我们提供了一个观察样本。这家脱胎于海尔的企业成立于2017年，早在行业风口形成之前便开始探索工业智能的落地路径。通过端云一体的数据智能与物联网能力，卡奥斯将工业智能体嵌入生产系统，目前已累计服务逾9500 家付费客户，客户规模与客单价值均处于行业高位，成功实现产业规模化落地并达成盈利。据弗若斯特沙利文报告，以2024年收入计，卡奥斯在中国基于平台的工业数据智能解决方案市场位居第一。随着工业AI进入规模运行阶段，卡奥斯的IPO不仅是其冲击AI+工业互联网第一股的关键一步，也成为观察工业智能如何从技术能力走向产业基础设施的重要窗口。1. 历史的必然：工业互联网的智能化跃迁工业是人工智能最难攻克的现实场域，也是承载极高经济价值的试金石。纵观近年来中国制造业的数智化演进进程，工业智能从边缘探索走向中枢系统的规模运行，并非一时的技术跟风，而是产业升级不可逆转的历史必然。发展初期，工业互联网以设备上云为核心完成底层连接，打通了长期割裂的物理孤岛。当全国重点平台的连接设备数突破亿台量级，海量数据的汇聚，自然催生了对深度分析与局部优化的需求。如今，伴随大模型与智能体技术的跃升，技术演进再次跨越临

真正的领先者，往往最清楚自己可能失去什么。作者｜苏霍伊编辑｜王博美国当地时间3月18日，“甲子光年”受邀参加了英伟达创始人兼CEO黄仁勋在GTC 2026举行的媒体会。黄仁勋大概是整个硅谷里最不怕记者提问的CEO，他不仅与全球记者谈笑风生，还试图像管理英伟达员工一样对待记者。现场一位记者的手机铃声响起，黄仁勋立刻停止回答，半开玩笑半严肃地说：“谁的手机，举手。”他还进一步强调，自己没什么特别不能容忍的事情，除了“开会时手机必须静音，每一位英伟达员工都知道。”而在面对最后一个提问的记者时，他反复强调：“最后一个提问很重要，你要想清楚再问。”GTC 2026黄仁勋媒体会现场，图片来源：“甲子光年”拍摄近两个小时、三十多个问题，几乎覆盖AI产业的每一个关键环节，可以说是一次“信息过载”的问答。但如果把所有回答压缩，会浮现出一条清晰的主线：AI正在重建计算基础设施，而英伟达试图成为这套新秩序的定义者。从推理架构的分层，到AI工厂的系统整合；从开源智能体的标准争夺，到全球供应链的再布局，黄仁勋给出的是一套逐渐闭环的计算版图。而OpenClaw（俗称：龙虾）为黄仁勋带来了新的兴奋点，他在媒体会上反复提及OpenClaw并一遍遍强调其重要性，如果说主题演讲上CUDA 20周年是英伟达对过去的回顾，OpenClaw就是黄仁勋对未来的押注。他认为，ChatGPT是AI的拐点，因为它让所有人都能用上通用AI；但Agent系统一直只停留在技术行业内部，大概只有25%的软件开发者在真正使用。然后OpenClaw出现了，几周之内就成了历史上增长最快的开源项目。看看各种龙虾的token消耗量，大家都会明白黄仁勋极力推荐OpenClaw的目的。当所有人都在算token成本时，英伟达更在意的是——谁来定义这些token从哪里产生，谁又在引导token的消费。而真正的领先者，往往最清楚自己可能失去什么。“甲

虚实融合的下半场。 作者｜田思奇 在数字世界里，一次算法升级可以通过云端迅速完成。但当人工智能真正进入现实世界，情况则完全不同。 对于工厂产线、电网系统或大型基础设施，新技术上线之前，都必须接受生产现场的严格检验。设备是否稳定运行，复杂流程能否持续协同，这些现实约束决定了，当AI走出虚拟环境、进入物理系统时，软件能力仍然是核心驱动力，并与硬件与系统工程形成更加紧密的协同关系。 这也是当前产业最关心的问题：当人工智能开始深入制造、能源和基础设施体系，数字世界与物理世界将如何融合？ 针对这些产业焦点，2026年3月23日至24日，西门子将在北京举办科技大会。作为西门子旗舰科技盛会，本次大会将系统呈现人工智能进入现实工业系统后的技术结构。从电气化、自动化、数字化到智能化，这家工业企业将首次在中国集中展示其贯穿软硬件的全栈能力，并探讨AI如何真正融入现实世界的生产体系。 近180年以来，从电网与交通基础设施，到制造设备与工业软件平台，西门子的解决方案广泛嵌入现代工业体系。随着人工智能开始进入真实生产环境，这家公司希望给出一种更贴近物理世界运行逻辑的答案。 1. 新阶段：人工智能进入真实生产 在互联网应用中，人工智能通常以软件工具的形态出现。算法可以快速部署，系统迭代往往发生在虚拟环境之中。但当AI进入真实工业系统，就不能只是让机器理解语言或生成内容，而是要在真实生产环境中参与决策，并通过自动化系统影响设备运行。 一个看似矛盾的现象正源于此：产业投入持续升温，但规模化回报仍然有限。 IDC预计，到2028年，中国工业企业在AI领域的支出规模将接近900亿元人民币，年复合增长率超过30%。但AI的商业化应用仍在探索阶段。麦肯锡的一项调研显示，近80%的企业在部署AI后尚未实现净利润提升，超过九成的生成式AI试点项目仍停留在实验阶段。 与此同时，工业环境本身也在变化。过去十年，

杨植麟首次完整披露Kimi技术路线图。作者｜王艺编辑｜王博发自美国圣何塞美国当地时间3月17日下午，月之暗面（Kimi）创始人杨植麟轻快地走上圣何塞市民大礼堂的舞台，这是英伟达GTC最重要的演讲场馆之一。虽然不少观众慕名而来，但很多人不知道的是，杨植麟是近两年来第一位在GTC官方线下活动中举行演讲的中国大陆AI创业者。前一天，英伟达创始人兼CEO黄仁勋在GTC主题演讲中曾多次提及Kimi K2.5模型，不过这次，杨植麟很低调，他没有展示任何花哨的产品Demo，没有播放任何激动人心的宣传视频——除了一段展示模型能力的简短录屏外，他几乎全程在讲技术。优化器的数学原理、注意力机制的并行分块公式、强化学习的奖励函数设计……在AI公司纷纷用炫酷的视频和亮眼的榜单“秀肌肉”的时候，杨植麟反其道而行之，用密集的技术细节告诉在场的每一位听众：开源模型不仅要开放，还必须出色。模型开源并不难。但是在数据变贵、训练变难、推理变长、任务变复杂的今天，如何把开源模型的“智能密度”继续往上推？杨植麟的答案，是三个概念：Token Efficiency（Token效率）、Long Context（长上下文）、Agent Swarms（智能体集群）。1.Token效率：突破智能的天花板演讲一开始，杨植麟就放出了一张机器学习历史上“最经典的图”——来自DeepMind Chinchilla论文的Scaling Law曲线。横轴是训练所用的token数量，纵轴是模型损失，一条平滑下降的曲线揭示了“投入更多的数据、更大的模型、更多的计算，就能获得更低的损失、更好的智能”的道理。过去几年间，整个行业正是沿着这条曲线一路狂奔，才有了GPT-4、Claude、Gemini等一系列令人惊叹的大模型。但杨植麟提出了一个不同的视角。“我们追求的是更好的Token效率，”他说，“Token效率不仅关乎效率，它实际上关乎提高智

AI工厂启动，人类历史上最大基础设施建设正在发生。作者｜苏霍伊 周悦编辑｜王博美国当地时间3月16日上午11点15分，英伟达创始人、CEO黄仁勋出现在了圣何塞SAP中心的舞台上，开始GTC 2026的主题演讲。面对全场的欢呼声，黄仁勋说：“我想提醒大家，这是一场科技大会。”这里距离英伟达总部办公室只有10分钟车程，是每年英伟达GTC主题演讲的举办地。虽然黄仁勋经常出现在各种场合发表演讲，但是在这里，他明显更自然、放松。圣何塞才是黄仁勋的主场。虽然圣何塞的酒店价格飞涨，会场周边的酒店甚至超过了2000美元一晚，但仍有大量的参会者来到这里，希望听到AI行业最前沿的分享，寻找更多合作机会。“GTC已经不只是一个技术大会，而是观察全球AI产业趋势的重要窗口。”北大学生人工智能创新会创始理事长谢小璇Valeri告诉“甲子光年”，“这次主要是看黄仁勋会怎么定义未来一年AI行业的重点方向，尤其是算力平台、Agent、机器人和企业级应用这些领域。”Eigen AI联合创始人、麻省理工学院计算机科学博士金帝则告诉“甲子光年”，他最关注的是LPU会给AI推理带来多大的重塑。这次，黄仁勋的主题演讲主要有五项重要技术发布。第一，下一代AI计算平台Vera Rubin。该平台将7款芯片整合在一起协同运行，通过5种机架组成一台强大的AI超级计算机，能够支持从大规模预训练、后训练和测试阶段扩展，到实时的Agent式推理等阶段的AI计算需求。第二，下一代AI工厂参考设计Vera Rubin DSX。英伟达为企业和数据中心运营商提供一套完整指南，用于设计、建设和运营下一代AI工厂。第三，“企业版OpenClaw”——NemoClaw。NemoClaw是英伟达为OpenClaw Agent平台提供的企业级运行与管理软件栈，可理解为OpenClaw的企业版运行环境。第四，太空计算计划。英伟达计划将AI计算能力从

一个看起来温和、近乎“正常”的人，却一步步走到了最接近AI权力中心的位置。作者｜周悦编辑｜王博德米斯·哈萨比斯（Demis Hassabis）拿出诺贝尔奖章，递给塞巴斯蒂安·马拉比（Sebastian Mallaby）说，无论多少钱都不换。顿了顿，他又补了一句：“现在我想拿第二个。”这句话里有他的野心和直率，两者都不加掩饰。过去三十年里，哈萨比斯先后成为国际象棋神童、游戏开发者、神经科学家、DeepMind创始人，以及诺贝尔化学奖得主。身份几经转换，目标却只有一个：理解智能，做出真正重要的科学发现，并被历史记住。单看履历，哈萨比斯很容易被写成这个时代最典型的科技天才：绝顶聪明、亿万富翁，站在全球AI竞赛中心。AlphaGo让世界第一次感受到机器智能的冲击；AlphaFold把AI推进到了科学本身。但在科技史学家、金融史学家塞巴斯蒂安·马拉比的描述中，哈萨比斯最令人意外的地方，并不是聪明，而是近乎“正常”。他很温和、克制、容易沟通，不故作高深，也没有典型科技领袖那种强烈的表演欲，与大学时代的女友结婚近三十年，育有两子，长期住在伦敦，远离硅谷。外界习惯把哈萨比斯看成一个极其成功的创业者，但在他自己的坐标系里，他首先是一位科学家。这种差别，在他谈到OpenAI创始人萨姆·奥尔特曼（Sam Altman）时表达得尤其直接：“我追求知识，而他追求权力——权力，就是对他人的控制。”受到母亲的影响，哈萨比斯厌恶控制他人，极力避免自己成为那样的人。但这不意味着他回避权力，恰恰相反，他很早就主动选择最困难、最危险的挑战。他把科幻小说《安德的游戏》中的主角视为另一个自我——一个肩负拯救人类命运的天才，确信自己能驾驭这股庞大的力量。因此，马拉比在新书《哈萨比斯：谷歌AI之脑》中将他与奥本海默并置时，这层隐喻格外确切。奥本海默先造出原子弹，再用余生苦思如何限制它。而哈萨比斯从一开始就清楚，自己追逐

让中国算力更好地跑在中国网络上。万卡集群已成AI算力标配，而决定有效算力上限的关键——网络却成掣肘。当前业界要么选供应链风险高的海外IB方案，要么选需专业团队反复调参的RoCE方案。近日，中科曙光发布了首款原生无损RDMA高速网络scaleFabric。它试图打破不用复杂调优，也能让AI集群跑出“满血”性能的行业僵局。1.网络成AI算力之踵很长一段时间里，提升算力的思路很简单：堆叠GPU。但在真实的万卡集群中，事情远没有这么容易。若把万卡集群比作一座超大规模城市，GPU是住宅，CPU是工厂，那么网络就是连接一切的“道路交通系统”。传统RoCE方案中，这座城市的交通规则极其复杂：为了避免数据包“堵车”（丢包），工程师们设计了各种复杂的“红绿灯系统”（PFC流控）和“导航策略”（ECN拥塞控制）。这套系统能运转，但异常脆弱。有人形象地比喻：RoCE网络就像“一脚油门一脚刹车”，为了不撞车，必须时刻紧绷神经。究其根源，RoCE本质是在传统以太网基础上“打补丁”，通过PFC（基于优先级的流量控制）机制模拟无损环境。一旦流量突发，缓冲区瞬间占满，PFC就会像连锁反应般层层传导，这脚“急刹车”，极易引发网络拥塞的链式反应，造成吞吐骤降，甚至全局死锁的风险。这正是当前AI基建领域的隐秘痛点。大多数企业没有互联网大厂那样的专家团队，无法常年累月地“调水线”、优化拥塞控制算法。对他们而言，要跑出理想的训练性能，往往要在部署周期和运维复杂度上付出巨大代价。2.用原生网络解决“堵车”有没有一种方案，能从底层设计上规避这种复杂性？曙光scaleFabric给出的答案是：回归“原生”。RDMA技术有三条路径：IB、RoCE和iWARP。其中，RoCE是在广泛部署的以太网“公路”上，通过叠加复杂的流量控制规则（PFC/ECN）来构建“高速无损”通道；而InfiniBand（IB）则是为高性能计算量身定

洗地机要有眼睛、大脑和手臂。作者｜张麟编辑｜栗子在过去几年时间里，清洁类家电行业的进化程度，甚至不比AI行业弱。根据奥维云网的相关统计数据，2025年中国清洁类家电产品销售额达471亿元，同比增长11.3%；销量达3550万台，同比增长17.0%。而扫地（扫拖一体）机器人、洗地机、吸尘器是清洁类家电三大核心产品，其中洗地机销售额提升最大，同比2024年增长1492%。这其实是一个非共识的市场数据，在扫拖一体机器人产品已经较为成熟的今天，为什么用户仍希望购入一台洗地机？原因在于洗地机则更注重“精准打击”，其更适合对顽固、黏腻污渍进行彻底清洁。但后者的痛点也同样突出——墙角总是无法得到有效清洁，拖完后总要等水渍晾干，这些问题源于洗地机结构的局限性。直到2024年9月，追觅发布全球首款搭载“灵捕AI升降机械臂”的洗地机T40 Ultra，获得沙利文全球首创认证，行业才找到了洗地机产品革新的新方向。而这也标志着机械臂洗地机这一特殊的细分产品类型正式推向市场。不到两年时间，机械臂洗地机这一新赛道已迅速成形。凭借持续的技术迭代，追觅在AWE 2026正式发布机械臂3.0产品T70 Ultra Station，并斩获代表行业最高技术认可的艾普兰金奖；与此同时，追觅机械臂洗地机累计销量突破一百万台，稳居全球销量第一。技术与市场的双重“第一”，也让追觅洗地机从这一品类的开创者，成长为真正的定义者。1.用户痛点尚存以前的洗地机，既好用又不好用，其发展史，本质上是一场与顽固污渍的对抗史。洗地机行业发展迅速，2019年中国洗地机的销售额仅1亿元，但到了2024年则迅速攀升至141亿元；同期销量则从2万台增至663万台。这种增长情况，在近20年的消费类产品中，仅次于早期的智能手机大爆发。但这个过程中的市场竞争，基本上是一场围绕高转速马达和吸力指标的内卷。比如此前国内的吸尘器无刷马达转速一般在3万转/

对于具身智能而言，数据不再只是训练材料，而正在演变为一种新的基础设施。作者｜苏霍伊编辑｜王博又一家清华系具身智能企业浮出水面。“甲子光年”独家获悉，清华系具身智能企业灵御智能已完成数千万元天使轮融资。本轮融资由银河创新资本领投，国海创新资本、天鹰资本、厦门思明科创基金跟投，老股东英诺天使基金、华映资本、远镜创投持续加注。Maple Pledge枫承资本长期出任私募股权融资顾问。截至目前，灵御智能累计融资近亿元。灵御智能联合创始人兼首席科学家莫一林是清华大学自动化系长聘副教授。莫一林师从美国工程院院士、机器人操作领域先驱Richard. M. Murray教授，谷歌学术引用超1万次，2021-2025连续五年获得Elsevier中国高被引用学者，在优化、控制、机器人领域发表高水平论文100余篇。灵御智能联合创始人兼CEO金戈是清华大学自动化系学士、清华大学经济管理学院MBA，曾任远镜创投管理合伙人、奥量光子副总裁，在高科技领域有着多年的创业投资和企业管理经验。莫一林（图左）与金戈（图右），图片来源：受访者在具身智能领域，已有多家清华系企业崭露头角，包括星动纪元、星海图、千诀科技、自变量、松延动力、加速进化、流形空间、极佳视界等，业务和研究涵盖了机器人本体、具身智能模型、世界模型等。灵御智能从清华走出，立足海淀开始创业，他们把业务和研究重点放在了数据上。在他们看来，具身智能卡在“数据荒”上，尤其是“高质量、长序列”的复杂操作数据十分缺乏。尽管这条路看起来有些“朴实”，但莫一林的观点是，具身智能能领域真正决定胜负的变量是——数据。“甲子光年”认为，决定机器人能力的不只是本体、模型和算力，更重要的是一套新的基础设施——具身数据 Infra，这是一套用于规模化生产、管理和利用真实世界机器人交互数据的基础设施体系。谁能更高效地生产真实世界数据，谁就更有可能推动机器人智能的跃迁。而灵御智

具身智能正在进入自己的数据Scaling Law 时代，而光轮正在领跑这个时代。作者｜王艺编辑｜栗子“甲子光年”获悉，具身数据与仿真基础设施公司光轮智能近日完成A++与A+++轮融资10亿元融资。本轮融资完成后，光轮智能正式进入独角兽行列，成为全球首家以具身数据为核心业务的独角兽公司，也是目前全球具身数据规模最大、对具身数据生成与评测方法理解最深的企业之一。本轮融资引入了多家产业场景方与财务机构，包括新希望集团、鼎邦投资（三安光电董事长家办）、奥克斯、鼎石资管等产业投资机构，以及建投华科、国方创新、道禾长期投资、清新资本等财务投资机构。2024年是硬件元年，2025年是模型元年，而2026年正在成为具身数据的规模化元年。在这一转折点上，一批以数据为核心能力的基础设施公司开始崛起，其中光轮智能已经成为全球具身数据规模最大的企业。如果说2026是具身数据规模化元年，那么光轮智能已经成为这一轮规模化浪潮的领跑者。行业竞争的焦点，正在从“模型能力”转向一个新的核心变量：数据。但更准确地说，决定胜负的并不只是“谁拥有更多数据”，而是“谁更清楚什么样的数据真正有效、什么样的评测真正可信”。“甲子光年”认为，2026年行业竞争的胜负手不会再主要体现在“谁的Demo更惊艳”，而会越来越集中在一个更朴素、也更本质的问题上：谁能以更高的可复用性，持续构建覆盖更广世界与更复杂交互、并经过有效评测验证的高质量具身数据体系，支撑万台级交付后的指数级数据需求。这背后拼的已经不只是数据生成能力，更是对“什么样的数据会转化成模型能力”这件事的理解深度。1.2026，具身数据规模化元年过去两年，具身智能赛道融资最常见的主角是“机器人本体公司”与“端到端大模型团队”：一个讲交付、一个讲能力。但到了2026年，融资故事正在出现第三种主角：数据与仿真基础设施公司。光轮智能此次完成10亿元融资，本质上意味着市场开始

开发者从“写代码的人”，变成了“定义问题的人”。作者｜刘杨楠编辑｜栗子马年除夕夜，TRAE的LOGO出现在春晚前的广告里。这是AI编程第一次以最不“极客”的方式进入大众视野。这场亮相更像一个引子：当AI编程从极客圈走向主流舞台，逐渐成为企业智能转型的基本盘，它在真实的企业级场景中究竟能走多远？春节假期过后，字节便趁热打铁，上线了TRAE企业版SOLO模式，并面向全行业发布了首本《2026企业级AI编程实践手册》（下文简称《实战手册》)。这次升级，TRAE不再满足于做开发者的辅助，它要成为能独立驾驶的“AI工程师”。字节也由此定义出了一种全新的人机协作关系。为什么企业需要真正的“AI工程师”？因为在今天的行业共识里，AI编程的价值早已不只是“写代码更快一点”。它正在成为企业IT设施的基础能力，要参与需求分析、理解业务逻辑、遵循架构规范、协同项目管理。但过去的AI工具，大多只能处理“代码之内”的事，对“代码之外”的业务上下文、规则、流程，却像一个初来乍到的实习生，听不懂画外音。这正是SOLO模式要补齐的核心短板。https://lcnziv86vkx6.feishu.cn/wiki/XZOSwI51wi5a5okxCF4cAxHSnBh复制链接至浏览器，或点击文末“阅读原文”而伴随产品升级同步发布的《实战手册》，则将字节内部“用TRAE开发TRAE”的真实经验沉淀为方法论，为行业提供了一份可复制的范本。1.“TRAE”真的来了“TRAE”是“The Real AI Engineer”的缩写。这个命名最初就暗藏了字节对AI编程的期待。自TRAE发布以来，字节不断迭代功能，一步步逼近“TRAE”的终极目标。此次推出的企业版SOLO模式，真正意义上把一个合格的“AI工程师”带到公众面前。我们为什么给此次更新如此高的评价？真正的“AI工程师”，既要解决技术的问题，更要有能力解决技术之外

“会写报告”不等于“会做研究”。多数大模型能生成“看起来像”研究的文本，但极少数能真正做研究——提出假设、收集证据、执行可复现的推导、迭代验证直至结论成立。此前发布了BabyVision多模态评测基准（已被多个近期发布的重磅模型纳入评测体系）的UniPat AI在最新的 Blog《UniScientist: Advancing Universal Scientific Research Intelligence》中给出了一个清晰而系统的答案。UniPat AI开源的UniScientist训练了一个30B参数的模型来闭合这一环路。在FrontierScience-Research和ResearchRubrics等科学研究榜单上，它匹敌甚至超越了参数量大一个数量级的顶尖闭源模型。开源地址：https://github.com/UniPat-AI/UniScientistBlog: https://unipat.ai/blog/UniScientist1.“会写报告”不等于“会做研究”：实现流程闭环才是能力今天很多模型做“研究任务”，只是看起来像在做科研：引用一堆资料、写一堆逻辑、格式也像论文。 但问题是：它们经常停在“叙事推理”、从“结论”出发的逻辑陷阱中——说得很像、验证很少、推导不稳、可复现性弱。UniPat AI在 UniScientist 中直接回应了这一缺口：仅有30B参数的  UniScientist 具备了“自主科学研究”的能力——在开放问题里不断提出、证伪、修正，直到证据状态稳定，再把全过程沉淀成结构化成果。这背后的潜台词很直白：真正的科研，不只是把报告写漂亮；更是把“假设-证据-验证”的循环跑通。2.数据瓶颈：人写得太慢，纯合成不够“真”UniScientist 首先把矛头指向了数据：如何构建高质量科研训练数据一直是硬瓶颈。现有方案几乎只有两种极端

“我们想探索人和AI共存的社会是什么样的。”作者｜王艺编辑｜王博北京时间1月13日凌晨四点，Anthropic发布AI智能协作工具Claude Cowork，AI办公自动化领域从此迎来全新时代。Claude Cowork定位为办公领域的“Claude Code”，图片来源：Claude官网6个小时后，X上的一条推文像一记“破壁弹”打破了AI圈子的情绪阈值：“Anthropic Claude Cowork 刚刚杀死了我们初创公司的产品——所以我们做了最理性的决定：将它开源。”Claude Cowork发布六小时后一篇火爆X平台的推文 图片来源：X很快，它收获了8000+点赞、180万+浏览，讨论的矛头也从Cowork转向了另一个名字：Eigent AI。Eigent AI是一个开源多智能体（Multi-Agent）协作平台，用户可以用它在电脑上创建由多个AI Agent组成的虚拟团队。与单一的AI聊天助手不同，Eigent能够协调多个专注于不同领域的Agent（如搜索员、程序员、文档编写员）并行协作，解决复杂的长周期任务。Eigent AI（下文简称Eigent）的背后，是CAMEL-AI开源社区，以及它的创始人李国豪。李国豪拥有阿卜杜拉国王科技大学（KAUST）计算机博士学位，曾任牛津大学Philip Torr教授课题组的博士后研究员，曾在多个顶级国际会议与期刊（如ICCV、CVPR、ICML、NeurIPS、RSS、3DV和TPAMI）上发表论文。CAMEL AI部分成员合照，右一为李国豪。 图片来源：受访者提供在当下的AI战局中，他扮演着一个特殊的角色——“破壁人”。在《三体》中，破壁人看穿了面壁者深藏不露的战略意图，将那些试图以绝对封闭来掌控全局的计划公之于众，彻底击碎了思维的堡垒。而在今天的AI世界里，当OpenAI、Anthropic等顶尖团队正试图用闭

一个模型，改变行业。作者｜张麟如今，讨论自动驾驶系统的终极模型架构究竟是VLA还是世界模型，对实现L4自动驾驶能力已经变得毫无意义。3月2日，小鹏汽车举办了马年春节后的第一场发布会，宣布第二代VLA正式推送。就内容而言，这场发布会上展示的第二代VLA大模型以及纯电版小鹏X9早已亮相，并没有传统意义上的全新重磅产品发布。但从发布时间来看，小鹏汽车对第二代VLA的重视程度可见一斑。小鹏汽车第二代VLA即将开始推送，图片来源：小鹏汽车在何小鹏看来，能力边界有限的端到端小模型以及打补丁式的智驾场景拓展，终究无法完成自动驾驶行业从L2向L4级别的跨越，过于追求将智驾大模型的架构进行分类，也对整个行业的发展毫无益处。何小鹏想追求的，是一个全新的大模型架构，这个架构能够拥有全场景的智驾能力，具备极强的泛化性，能够轻松部署在家用车、Robotaxi或机器人等不同硬件本体上，同时还能快速迭代，不断进化。这个全新的大模型，就是小鹏第二代VLA。虽然名字里仍带有“VLA”，但本质上，这个全新的智驾大模型已经开创了全新物理模型范式，是首个在物理世界实现直接由“Vision”生成“Action”，去掉语言转换环节，模型架构更简洁，更彻底的“端到端”，直接学习真实的物理世界。1.目标：绝对领先2026年开年，广州小鹏科技园，一场针对小鹏第二代VLA的特殊试驾正在进行。参与试驾的不是媒体，也并非明星，而是小鹏汽车“妈妈食堂”里员工的爸爸妈妈们，他们一开始紧张、忐忑，但很快就“放开手脚”，放下了心。在试驾过程中，何小鹏提及自己的妈妈对于新事物的接受过程要稍微慢一点，让妈妈们都放心是一个非常重要的目标，智能驾驶也要从“极客”尝鲜到“大众”常用，让爸爸妈妈们也爱开。小鹏通用智能中心负责人刘先明的表态则更加直白："小鹏第二代VLA可能是目前中国最领先的智驾系统，是与行业拉开代际差距的时刻。"那么，小鹏第二代VL