资讯精选

分类：AI动态 标签：具身智能、大模型、机器人、开源项目 在当今的 AI 浪潮中，数字世界的模型正在向持续学习和自进化迈进。而在物理世界中，机器人是否也能拥有类似的能力？最近，乐享科技推出了一项颇具挑战性的技术路线，其具身智能模型「以太（Aether）」宣称能够在部署和执行过程中持续更新，成为全球首个具备自进化能力的具身智能模型。 这一概念在行业内引发了不小的争议。在机器人仍需攻克基础稳定执行的阶段，「自进化」究竟是噱头，还是具身智能通往下一阶段的关键钥匙？ 一、 从模仿动作走向理解因果世界 过去几年，具身智能的主流思路是将视觉、语言和动作串联起来：机器人观察环境、接收任务，随后输出动作。这种路线让人形机器人能够通过大规模数据学习人类示范，将复杂指令落地为具体行动。 然而，乐享科技团队指出，这种“输入-动作”的映射存在根本限制：它擅长回答「下一步做什么」，却未必理解「为什么要这样做」，更不懂这些动作会对真实世界产生什么后果。 VLA（视-语-动）的局限：不懂因果关系，只停留在已有数据的动作规律模仿。 传统世界模型的问题：往往陷入“可生成、不可执行”的怪圈，预测出的未来无法被机器人的关节、力矩及控制系统真正实现。 真实世界充满了接触力、摩擦、滑动、遮挡和形变。面对不断变化的物理环境，以太模型引入了由世界状态、内部状态和能量状态耦合而成的动力系统——由能量驱动的状态转移（energy-driven state transition）。这不仅让机器人拥有了主动感知的意图，也为其「自进化」奠定了现实基础。 二、 真正的自进化：不仅是临场适应，而是一套闭环机制 乐享科技所定义的“自进化”，绝不仅是一次性的状态调整或任务补救，而是一套贯穿执行全过程的闭环机制。 预测与纠偏：机器人在行动前形成预测，执行后观察结果，并将真实结果与预期进行偏差比较。如果世界发生变化，系统将自主更新内部状态并重新规划。 错题本机制（经验筛选）：在线学习的最大风险在于将偶然扰动当成规律。以太模型通过分层记忆和筛选机制，判断经验是否可靠、新颖且可泛化，决定哪些经验应该被保留或清除。 参数层面的长期沉淀：经过严格验证的经验能够进一步影响模型权重，从而实现真正的策略和模型层面的演进。 在多本体迁移方面，以太模型通过接入双臂、双足和轮式等不同形态的机器人进行自主探索，认知本体的性能差异和关节限位，最终生成适配不同形态的动作轨迹，实现了软硬件解耦。 三、 开启具身智能的 Next Level 如果机器人只是被训练好的执行机器，它就能把规定动作做得精准，但任务之外的经验很难沉淀，更换场景和身体也往往需要重新开始。 乐享科技的探索表明，当机器人能够将现实世界里的经历变成可积累、可验证、可迁移的能力时，它就不再只是一个被动部署的硬件工具，而开始具备某种「生长性」。 当然，关于自进化，行业仍有诸多疑问需要解答：泛化能力能跨越多大差异？模型变化如何被精确量化？长期运行后如何确保旧能力不退化？ 但毫无疑问，衡量机器人的标准正在悄然发生改变。未来的核心问题将不再仅仅是「它现在会做什么」，而是——「它做完之后，学会了什么？」

分类：游戏 标签：Steam、多人射击、独立游戏、游戏开发 在竞争激烈的多人射击游戏赛道中，新作《战狗》无疑成为了今年的一匹黑马。自登陆 Steam 平台以来，游戏凭借出色的表现引爆市场，首日销量即突破 100 万份，随后在短短五天内冲破 200 万大关，同时在线人数一度飙升超 34 万。然而，这款现象级作品的背后，开发商 Bulkhead 却经历了一场差点导致工作室解散的生存危机。 从濒临解散到销量神话 在接受外媒采访时，Bulkhead 负责人 Joe Brammer 坦言，《战狗》的火爆程度远超团队预期。在游戏发售前，过去六年的时间里，工作室每年都在经历约 20% 幅度的裁员。 为了维持生存，团队曾做过残酷的财务估算： 销量达到 40 万份 -> 勉强活下去（但仍可能面临裁员） 销量达到 60 万份 -> 全员免于失业 面对如此巨大的生存压力，Brammer 甚至曾向员工发出“劝退”警告，建议手里有其他工作机会的员工尽早另谋出路。好在《战狗》的市场表现最终远超预期，不仅拯救了工作室，也让许多年轻员工获得了丰厚的回报，甚至拿到了足够支付房产首付的奖金。 独特的“反向宣传”与透明沟通 除了亮眼的销量，《战狗》在宣发阶段的操作也堪称业界一股清流。在游戏上线前后，Bulkhead 曾发布了一则名为《不要购买《战狗》的十个理由》的整活视频，毫不避讳地指出当前版本存在的各种不足。 即便在游戏处于抢先体验阶段时，Brammer 也直言不讳地建议体验不佳的玩家先申请退款，等后续问题修复后再入手。这种将“清楚沟通”贯彻到底的透明风格，反而赢得了大量玩家的信任与尊重。 争议背后的“加班文化” 不过，当话题转向工作室的日常运营时，Brammer 同样展现出了极度坦诚的一面：他公开承认 Bulkhead 是一家“要求员工努力工作”的公司，并明确表示团队免不了要加班。 为了筛选出能够适应这种节奏的求职者，工作室往往会采取严格的考察机制： 远程协作 -> 先让候选人参与远程合作 12 到 18 个月。 双向选择 -> 确认双方契合后再安排线下入职。 社交媒体筛选 -> 甚至会浏览应聘者的公开社交平台，排查是否有强烈抵触加班的情绪。 在海外游戏行业中，加班文化一直是一个高度敏感的话题。对此，Brammer 并没有回避，他强调工作室在要求员工高强度投入的同时，也会给予丰厚的物质回报和赏罚分明的激励机制。 暂缓主机版计划，迎来长假休整 经历了前期的高压冲刺后，Bulkhead 显然也意识到团队需要时间进行缓冲。为了让员工能够得到充分的休息，工作室官方决定将《战狗》的主机版推出计划延后至 2028 年，并决定在 12 月为全体员工放假整整一个月。 从《战狗》的案例中可以看到，中小开发商在生存压力下做出的抉择往往极其现实。虽然“高压加班”与“丰厚回报”的模式在行业内依然充满争议，但 Bulkhead 凭借极致的坦诚与过硬的产品质量，暂时在商业利益与团队平衡之间找到了一条艰难的出路。后续这款黑马之作能否持续进化，仍需时间来验证。

分类：科技 标签：苹果、iPhone 18 Pro、人工智能、芯片 随着端侧人工智能技术的飞速发展，智能手机正在成为运行大型语言模型的重要阵地。苹果在端侧 AI 领域的布局迎来了重大突破，搭载 A20 Pro 芯片的 iPhone 18 Pro 在本地运行大模型时展现出了令人瞩目的硬件实力。 A20 Pro：双 16 核神经网络引擎的实力登场 苹果最新的 A20 Pro 芯片在 Apple Silicon 发展史上首次搭载了双 16 核神经网络引擎。这套专为人工智能运算负载打造的硬件架构，在性能上实现了对历代 SoC 的全面超越。 在实际测试中，数码爱好者通过 iPhone 18 Pro 成功运行了 270 亿参数的 Bonsai-27B 模型。得益于硬件升级，其模型生成词元（token）的速度相比上一代 iPhone 17 Pro 直接翻倍，运行过程流畅且高效。 硬件规格全面升级：大内存与高带宽的支撑 端侧大模型的本地运行，对设备的内存容量与带宽提出了极高的要求。iPhone 18 Pro 系列在此次迭代中迎来了关键升级： 统一内存规格：全系配备 12GB、96 位位宽的 LPDDR5X 内存。 极致传输带宽：内存带宽大幅提升，可达 115.2GB/s。 算力分配优化：双 16 核神经网络引擎在处理特定 AI 任务时的峰值吞吐性能，甚至超越了芯片内部的 7 核 GPU。 在这些顶级硬件的加持下，即便是初代 Bonsai 等大模型，在 12GB 内存的 iPhone 18 Pro 上也能行云流水般运行，不会出现明显的降速或卡顿。 ...

分类：数码 标签：iPhone、苹果、数码评测、A20Pro 每年秋季的数码圈盛宴总能掀起一阵换机狂潮，今年苹果带来的 iPhone 18 Pro 系列显然交出了一份相当亮眼的成绩单。根据国内数码博主 @RD观测 带来的最新首销爆料，iPhone 18 Pro 系列在开售当天的国内实销总量达到了约 32.28 万台，这一数字达到了上一代 iPhone 17 Pro 系列同期销量的 130%，显示出极强劲的市场号召力。 细分机型表现：大屏 Pro Max 依旧是主力军 从具体的机型配置销量占比来看，大屏与长续航依然是高端用户的首选方向： iPhone 18 Pro：占总首销量的约 44.5% iPhone 18 Pro Max：占总首销量的约 55.5% 凭借更大的屏幕视野与极致的续航体验，iPhone 18 Pro Max 延续了历代“机皇”的统治力，成功斩获了过半数的市场份额。同时，全新的配色方案如勃艮第酒红色等也在首销期间备受追捧，成为了名副其实的 TOP1 热门选择。 强悍硬件配置：引领行业迈入 2 纳米时代 iPhone 18 Pro 系列之所以能在首发日“卖爆”，与其扎实的硬件升级密不可分。作为核心卖点，该系列首发搭载了采用 2 纳米制程工艺打造的 A20 Pro 芯片。这枚芯片在封装方式上借鉴了 M 系列芯片的先进设计理念，不仅带来了性能的飞跃，还在能效比上创下了 iPhone 历史上的全新纪录。 除此之外，备受关注的外观与影像也有了实质性突破： 屏幕形态：全系配备了尺寸更小的灵动岛，视觉一体感进一步提升。 影像系统：迎来了全新升级的 4800 万像素融合式主摄，并首次引入了可变光圈设计，让移动影像创作拥有了更多可能。 渠道战报同步高能：多平台实现翻倍增长 除了整体销量的亮眼涨幅，各大主流电商渠道在首发期间也频传捷报。此前淘宝闪购透露，iPhone 18 Pro 系列预售阶段便极为火爆，首小时销售额较上代直接实现了翻倍增长；而在京东平台，新机开售仅仅 1 小时，全国范围内就已经有高达 3 万名用户完成了新机签收，物流与备货效率同样迎来了大考。 ...

分类：游戏 标签：Steam、独立游戏、多人射击、游戏开发 作为今年黑马级多人射击游戏，《战狗》（Boundless / 暂译）在登陆 Steam 平台后交出了一份亮眼的成绩单：首日销量突破 100 万份，五日销量更一举突破 200 万份，同时在线人数一度飙升超 34 万。然而，这款现象级作品背后的开发商 Bulkhead 却经历了一场险些让工作室彻底解散的生存危机。 从濒临解散到销量神话 在接受外媒采访时，Bulkhead 负责人 Brammer 坦言，游戏的火爆程度远超团队预期。在过去六年里，工作室每年都在经历裁员，每次裁员比例高达 20%。为了维持团队生存，他们曾计算游戏至少需要卖出 40 万份才能勉强续命，而若想保住全员饭碗，则需要卖出 60 万份。 面对巨大的生存压力，Brammer 甚至曾做好了最坏打算，劝告团队成员如果有更好的工作机会应尽快另谋出路。好在《战狗》凭借出色的品质杀出重围，不仅让工作室化险为夷，也让一些年轻员工拿到了丰厚的奖金，甚至足以支付一套房子的首付。 “反向宣传”的真诚哲学 在游戏宣发上，Bulkhead 展现出了特有的“真诚”与叛逆。在游戏上线前后，他们发布了名为“不要购买《战狗》的十个理由”的整活视频，毫不避讳地指出游戏的各项不足。面对处于抢先体验阶段、尚不完善的产品，Brammer 甚至公开建议体验不佳的玩家先申请退款，等问题修复后再行购买。 这种不加掩饰的沟通风格不仅体现在面对玩家时，也延伸到了招聘环节。 争议不断的加班文化与筛选机制 在谈及工作强度时，Brammer 同样保持了极度坦诚的姿态。他承认 Bulkhead 是一家要求员工付出巨大努力的公司，在项目冲刺阶段，员工往往需要将工作的优先级置于生活之上。 为了筛选出能够适应这种节奏的员工，Bulkhead 建立了一套独特的招聘机制： 远程试用：求职者需先通过远程合作 12 到 18 个月，双向奔赴确认合适后方可转为线下。 社交媒体审查：工作室会仔细浏览应聘者的公开社交媒体，主动排查并筛选出那些明确表达过“抗拒加班”的求职者。 这种将高强度加班直接摆在台面上的做法在海外游戏行业引发了不小的争议。不过，Brammer 也强调了赏罚分明的激励机制，表示努力工作的员工能够通过丰厚的奖金和公司股份获得对等的回报。 尾声：走向平衡的未来 在收获了巨大的商业成功后，Bulkhead 终于开始着手让团队进行休整。为了缓解高压状态，工作室决定将《战狗》主机版的推出计划延期至 2028 年，并决定在 12 月为全体员工放假一整个月。 对于身处激变中的游戏行业而言，“加班”与“效率”的平衡始终是一个无解的命题。Bulkhead 用坦诚的姿态收获了玩家的认可，但在高压与回报之间，他们能否持续维持这种微妙的平衡，仍需时间给出答案。

分类：[科技] 标签：[数据中心]、[人工智能]、[能源危机]、[云计算] 随着全球数字化转型与大模型的爆发式增长，数据中心已经成为名副其实的“吞电巨兽”。根据美国俄勒冈州最新发布的官方报告显示，当地的数据中心建设正呈指数级扩张，其带来的能源消耗压力已经引发了广泛关注。 狂飙突进的数字基建 根据报告披露的数据，目前俄勒冈州共有 111 个投入运营的数据中心，总建筑面积达到 2210 万平方英尺。然而，这只是冰山一角： 现状：2025 年，仅这些运营中的数据中心就消耗了该州总用电量的 23%。 未来增量：目前还有 32 个数据中心正处于建设或规划阶段，未来将新增 690 万平方英尺的建筑面积。 2030 年预测：预计到 2030 年，该州数据中心的能耗将飙升至近 25TWh，占全州总电力需求的 31% 到 32% 之间。这一耗电量将相当于 250 万户美国家庭的年用电总和。 繁荣背后的就业失衡 高能耗与高产值往往伴随着人们对经济效益的期待，但在数据中心行业，这一比例却显得极不对称。 报告指出，庞大的数据中心集群在当地仅直接提供了 2630 个就业岗位，这一数字仅占该州总人口的 0.06%。这种“极高能耗 x 极低直接就业”的特点，让地方政府在享受科技基建红利的同时，不得不重新评估其对公共资源的挤占效应。 科技发展与能源供给的拉锯战 俄勒冈州的现状并非个例。随着人工智能、云计算和大数据计算需求的狂飙，全球各大科技巨头都在疯狂加码算力基础设施。当电网负荷逼近极限，能源供应瓶颈、碳排放目标以及绿电采购成本，将成为制约下一代科技革命的关键痛点。如何在算力狂欢与能源可持续之间找到平衡点，将是摆在全行业面前的一道必答题。

分类：数码 标签：iPhone、苹果、数码评测、手机销量 作为苹果每年秋季的重头戏，全新一代 iPhone 18 Pro 系列在经历首发开售之后，其市场表现终于迎来了第一波权威数据披露。根据数码博主 @RD观测 带来的最新国内市场爆料，iPhone 18 Pro 系列在首销日的实际销量（Sell out）达到了约 32.28 万台，这一成绩表现亮眼，约为上一代 iPhone 17 Pro 系列同期的 130%。 销售结构分析：大屏 Pro Max 依旧是绝对主力 从具体的机型分销占比来看，消费者对于大屏、长续航以及顶配影像的追求依然强烈： iPhone 18 Pro：占总销量的 44.5% 左右。 iPhone 18 Pro Max：占总销量的 55.5% 左右，稳居系列销售榜首。 结合各大电商平台的首发战报来看，今年 iPhone 18 Pro 系列整体呈现出“卖爆”的态势。例如京东渠道显示开售 1 小时内全国已有 3 万用户签收新机，淘宝闪购等渠道的预售与首小时销售额也较上代实现了显著增长，其中全新的勃艮第酒红色配色更是成为了众多果粉争相抢购的 TOP1 热门选择。 核心配置升级：2纳米芯片加持与影像突破 iPhone 18 Pro 系列之所以能够在首销日交出亮眼答卷，离不开其自身扎实的硬件升级。作为系列核心卖点，该机首发搭载了采用 2 纳米制程工艺的 A20 Pro 芯片。得益于借鉴自 M 系列芯片的全新封装方式，其在性能释放与能效比上均创下了 iPhone 历史上的全新纪录。 除此之外，在外观与影像方面，两款 Pro 机型均配备了面积更小的灵动岛，视觉一体感进一步增强；而全新的 4800 万像素融合式主摄更是引入了可变光圈设计，让移动影像创作在面对复杂光线环境时能够做到游刃有余。 总结 从首销日突破 32 万台的销量数据以及各大平台的火爆反馈来看，消费者对 iPhone 18 Pro 系列的创新升级买单意愿十分强烈。随着后续产能的进一步释放与更多真实用户体验口碑的出炉，今年的高端手机市场或将迎来新一轮的销量增长高潮。

分类：科技 标签：iPhone 18 Pro、A20 Pro、端侧AI、大模型 随着端侧人工智能技术的飞速发展，智能手机正在演变为真正意义上的个人 AI 计算中心。在最新的硬件实测中，搭载 A20 Pro 芯片的 iPhone 18 Pro 展现出了惊人的本地大模型处理能力，成功将手机端侧 AI 性能推向了全新高度。 A20 Pro：双 16 核神经网络引擎的暴力美学 苹果最新的 A20 Pro 芯片在 Apple Silicon 发展史上首次搭载了双 16 核神经网络引擎（Neural Engine）。这一专为处理高强度人工智能运算负载打造的硬件模块，其计算性能全面超越了以往的所有移动端 SoC。 在硬件规格上，iPhone 18 Pro 与 iPhone 18 Pro Max 均配备了 12GB 的 LPDDR5X 内存（96 位位宽），配合高达 115.2GB/s 的统一内存带宽，为本地运行庞大 AI 模型提供了坚实的硬件基础。实测表明，在神经网络专用任务下，A20 Pro 的双 16 核神经网络引擎峰值吞吐性能甚至超越了芯片内部的 7 核 GPU。 实测表现：本地驾驭 270 亿参数模型 海外数码爱好者近期在 iPhone 18 Pro 上进行了直观的端侧 AI 压力测试，成功运行了体量达到 270 亿参数的 Bonsai-27B 模型。 ...

分类：AI动态 标签：具身智能、大模型、机器人、开源项目 在当前的具身智能浪潮中，大模型让机器人学会了看懂环境并听懂指令。然而，大多数机器人依然停留在“执行预定动作”的阶段，面对复杂的现实世界，它们往往缺乏因果理解与持续学习的能力。 最近，乐享科技推出了一项颇具挑战性的技术主张：其具身智能模型“以太”（Aether）大模型能够在部署和执行过程中持续更新，并将其概括为全球首个能“自进化”的具身智能模型。这一概念引发了行业的广泛讨论：机器人的“自进化”究竟是噱头，还是具身智能通往下一阶段的必经之路？ 一、 从模仿动作走向理解世界 过去几年，具身智能的主流路线是将视觉、语言和动作串联起来（VLA），让机器人接收任务后直接输出动作。这种路线虽然能借助大规模数据学习人类示范，但存在一个根本限制：它擅长回答“下一步做什么”，却未必理解“为什么要这样做”。 真实世界充满了接触力、摩擦、滑动、遮挡和物体形变。画面上“看起来合理”的动作，与身体上“真的做得到”之间，往往存在巨大鸿沟。 乐享科技的“以太”大模型并没有将重点放在单纯的动作预测上，而是将其视为一个由世界状态、内部状态和能量状态耦合而成的动力系统： 能量驱动的状态转移：系统内部贯穿了一张评价地形（landscape），用来衡量哪些状态值得靠近、哪些应该舍弃，以及接下来应该把计算和注意力放在哪里。 主动感知意图：感知不再是被动接收画面，而是带着问题寻找答案。为了继续行动，机器人会主动改变观察位置来消除不确定性。 这种从模仿动作到理解行动后果的转变，为“自进化”奠定了基础。 二、 自进化是一套严密的闭环机制 “自进化”不能只是一句口号，它必须回答三个核心问题：机器人能否发现偏差？能否判断哪些经验值得留下？能否将经验迁移到新场景？ 乐享科技给出的解法是一套完整的闭环机制： 预测误差修正：机器人在行动前形成预测，执行后观察结果。如果现实与预测不符，系统会更新内部状态并重新规划，这个过程伴随着每一次行动持续发生。 错题本与分层记忆：在线学习最大的风险是把偶然扰动当成规律。以太模型通过分层记忆来规避风险：短期经验用完即清，而经过反复验证、具备泛化能力的规律则会被筛选并沉淀，甚至影响模型权重。 跨本体迁移与一脑多形：目前该模型已经在双臂、双足和轮式等约五家不同形态的机器人上积累经验。通过自主探索认知不同本体的关节限位与性能差异，模型实现了软硬件的解耦与适配。 三、 具身智能的 Next Level 如果机器人能够通过每一次实际行动校准对世界的理解，并在反馈中沉淀出可迁移的规律，那么它将不再只是被动执行指令的自动化机器，而是具备了某种“生长性”。 当然，“自进化”的概念仍需接受更多严苛测试的检验：泛化能力能跨越多大差异？学习可以持续多久？长期运行后旧能力是否会退化？ 但毫无疑问，乐享科技的探索把行业的问题向前推了一大步。衡量机器人的标准，或许将不再只是“它现在会做什么”，还要加上一句：“它做完之后学会了什么？”当机器人真正能够在世界中持续获得经验，具身智能的真正变革或许才刚刚开始。

分类：AI动态 标签：人工智能、大模型、开源项目、Agent 天文观测，或许是最容易让普通人产生浪漫想象的一类科学。巨大的穹顶缓缓打开，镜筒转向几亿光年之外，一束跨越宇宙深处的微光落在探测器上，向人类诉说着超新星、伽马暴和中子星合并的秘密。 但当浪漫落地为日常的天文望远镜操作时，往往变得琐碎而辛苦。冬季漫长的黑夜里，值班人员需要彻夜守候，盯紧目标位置、天气与设备状态，调参数、排任务。更让人头疼的是瞬变观测：超新星等事件无法提前推算，其亮度和光谱在爆发初期会快速变化，科研团队发现越早、跟得越快，留下的观测数据才越完整。 面对这种「天上掉馅饼」却转瞬即逝的机遇，传统的人工调度显得捉襟见肘。今年，国家天文台科研团队在千问办公的协助下，做了一次将 AI Agent 引入天文观测的全新尝试。 01 自动望远镜已经发展了几十年，为什么还需要 Agent？ 望远镜自动化并不是大模型时代才出现的技术。简单来说，它可以分为三个阶段：发现异常、分析异常和资源调度。 在资源调度方面，全球机器人望远镜网络已经能够根据目标可见性、天气和设备状态自动安排任务。而在发现异常方面，新一代巡天望远镜每天能产生海量的科学告警。然而，一个新的问题随之出现：候选数量随巡天能力迅速增长，适合做后随观测的望远镜时间却始终有限。 面对海量异常，到底选哪一个跟踪、在有限时间里用哪台设备跟踪，判断的代价并没有同步下降。 为此，国家天文台团队自 2025 年起尝试引入 AI。由银河系三维结构组与兴隆观测基地合作开发的星语望远镜（StarWhisper Telescope）以千问为基础模型，将观测计划、望远镜控制和数据处理整合进同一套 Agent 框架中。这项工作还被列入了斯坦福大学《AI Index Report 2026》报告的 Science 章节，成为当年物理、天文、化学和材料科学领域的代表性 AI Agent。 尽管固定工作流能够串联模型与接口，但在真实观测现场，波段选择、曝光时长、突发高价值目标的处理等参数仍需人工不断调整。当团队试图让 Agent 深入设备端时，却遇到了一个无法绕过的问题：真实望远镜根本经不起反复试错的折腾。 02 先造一台可以反复试错的仿真望远镜 国际主流地面光学望远镜运行成本高昂，且承担着繁重的科研任务，绝不可能腾出时间让 Agent 反复尝试各种失败策略。 为此，在千问办公的协助下，国家天文台科研团队先为 Agent 准备了一台仿真望远镜。过去开发一套专业仿真系统往往需要数月时间和数万元成本，而千问办公将这段过程压缩到了 3 天左右。 这套仿真系统不仅跑通了从候选识别、可见性计算、天气与设备状态读取到生成观测计划的数据链，还通过 Model Context Protocol（MCP）调用仿真设备完成模拟指向与曝光。通过在仿真中演练各种可能的天文环境变量与调度策略，研究人员可以提前比对不同方案的优劣，攻克现实中难以重复制造的多目标竞争与设备故障难题。 03 让一颗候选成为一个观测对象 仿真解决了策略演练的问题，而真实瞬变链路则要解决机会出现时的响应效率。 在千问办公的 Harness 框架中，模型首先输出候选信息，专业程序计算可见性，天气和设备状态被实时读入，相关工具通过 MCP 接入 Agent。定时任务持续检查结果，Agent 进而生成后随方案，并通过消息系统通知科研人员触发下一步操作。 目前，这套 Agent 框架已接入「司天」探路者和原型机，并成功预警约 8 颗极早期超新星候选，其中 2 颗在天气条件允许时触发了后续观测。这不仅彻底改变了过去逐项人工排查的线性流程，也为我国面向时域天文学的大型分布式巡天望远镜阵列项目——**「司天」工程（GOTTA）**未来的百台望远镜协同调度打下了坚实基础。 04 尾声 一边是几亿光年之外的恒星爆发，一边是企业级 AI Agent。 过去，我们很难将这两者联系起来。但本质上，无论是日常办公还是尖端科研，人类被消耗掉最多的时间，都是在不同系统间传递信息、调整参数和重新对接流程。 当一束光跨越几万年、几百万年甚至更久抵达地球，留给人类的观测时间窗口往往只有昂贵且不可逆的几个小时。在宇宙的尺度下，哪怕将决策过程加速 1 分钟，也弥足珍贵。