资讯精选

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。

分类：游戏 标签：Steam、多人射击、独立游戏、游戏开发 从濒临解散到销量神话 作为今年最受瞩目的多人射击游戏新星，《战狗》自 9 月 10 日登陆 Steam 平台以来，仅用五天时间销量便突破 200 万份，同时在线人数一度飙升超过 34 万，其爆发之势远超开发商 Bulkhead 的最初预期。 然而，这份耀眼的成绩单背后，是一段几乎将工作室拖入深渊的生存危机。Bulkhead 的 CEO Brammer 在近期的采访中透露，在过去六年里，工作室每年都在经历约 20% 幅度的裁员。在《战狗》发售前，他们测算的标准是：游戏至少要卖出 40 万份才能勉强维持生存，而要保住所有员工的饭碗，则需要卖出 60 万份。面对巨大的生存压力，Brammer 甚至曾劝导团队成员如果有其他机会可以尽早离开。好在这款黑马作品最终用现象级的销量，让工作室化险为夷。 独特的“反向宣传”与透明沟通 在不少玩家眼中，Bulkhead 展现出了一种在业界罕见的真诚。这种特质不仅体现在游戏的火爆上，更体现在其独特的营销方式中。 在《战狗》上线前后，官方曾推出一个名为“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当前的种种不足。面对处于抢先体验阶段、尚不完善的产品，Brammer 甚至直接建议体验不佳的玩家先申请退款，等后续问题修复后再行购买。Brammer 表示，他们并非刻意标榜完全的开放透明，而是更倾向于与玩家和市场保持清晰、直接的沟通。 争议焦点：公开招聘“适应加班”的员工 这种直来直去的风格，也毫无保留地延续到了他们的招聘与管理机制中。 Bulkhead 从不掩饰其高压的工作节奏。Brammer 坦言，游戏开发免不了要加班，尤其在项目冲刺阶段，团队会明确要求员工在必要时投入更多精力。过去三个月里，许多员工甚至将工作的优先级置于生活之上。 为了筛选出能够适应这种文化的人选，工作室建立了一套严格的考察流程： 远程协作 -> 候选人需先通过 12 到 18 个月的远程合作进行磨合。 双向选择 -> 只有双方确认高度契合，才会邀请其加入线下团队。 社交媒体审查 -> 工作室甚至会浏览应聘者的社交媒体，以此排查是否曾公开表达过对加班的排斥。 高强度付出与丰厚回报的平衡 在海外游戏行业，加班文化一直是备受争议的话题。对此，Brammer 并没有回避，他直言 Bulkhead 是一家“要求员工努力工作”的公司，但与此同时，他们也坚持赏罚分明，确保付出的努力能转化为丰厚的回报。 据透露，工作室的员工不仅有机会持有公司股份或领取大额奖金，《战狗》大热后带来的收益，也让部分年轻员工直接拿到了足以支付房首付的奖金。不过，面对高强度运转带来的疲惫，工作室也及时按下了休整键：他们决定将《战狗》主机版的推出计划延期至 2028 年，并安排全体员工在 12 月享受长达一个月的假期。 总结 《战狗》的成功为独立游戏界添上了一笔传奇色彩，但 Bulkhead 坦诚却伴随高压的管理模式，也折射出游戏行业在追求效率与保障员工生活之间的长期博弈。在产品大获成功之后，如何在“坦诚沟通”与“可持续开发”之间找到长久的平衡，将是这家工作室接下来需要面对的新考验。

分类：生活 标签：旅行、老挝、人文、东南亚 欢迎来到佛国老挝。我们用 10 天的时间走了一遍老挝最为著名的三个城市：万象、万荣和琅勃拉邦，这是一趟水陆空三栖的旅行。 在万象的街头巷尾无意间推门而入点了一份炸五花肉套饭，味道香上了头发根；在万荣连跳两天水，最高的 8 米跳台跳下来砸得屁股很疼，各种户外活动性价比拉满；琅勃拉邦的慢生活，从清晨薄雾中的布施开始，到日落时分反射着金光的湄公河结束。 序：出发前的波折 我对老挝的期待值非常高，和女票说了好几次去老挝旅行吧，就是想去感受那里独特的风土人情。自 2023 年中老铁路全线开通运营以来，各大旅行博主便陆续强推老挝旅行，这也坚定了我们的出行决心。 结束了柬埔寨暹粒与金边的行程后，我们在金边机场值机去万象时，却遇到了意料之外的插曲——值机柜台居然要求出示每人 500 美元现金验证。几位中国游客包括我们在内当场懵圈，距离值机结束仅剩半小时。 经过一番飞奔找 ATM 机、遭遇信用卡取现功能未开启的系统提示、再到手机 App 紧急开通权限，最终在距离值机结束还有 15 分钟时惊险过关，拿到了飞往万象的机票。这次经历也给我们提了个醒：出国在外，金融账户的各项权限和应急现金一定要提前准备妥当。 万象：被低估的中转站与美食之都 万象在互联网上常被贴上「无聊」的标签，绝大部分人都把这里当作前往万荣或琅勃拉邦的中转站。但作为国家的首都，它依然有着独特的烟火气。 城市印象与酒店体验 我们选择了「万象湄公河全季酒店」。顶层设有无边泳池，可以遥望湄公河对岸的泰国。夕阳时分在露台看看景，喝着当地特产的 Beerlao（老挝啤酒），口感带有淡淡的甜味，没有普通啤酒的涩苦，搭配路边摊的牛杂小酌一杯，十分惬意。 凯旋门：一段“垂直跑道”的历史 万象的地标凯旋门背后有着一段有趣的冷战历史：20 世纪 50 年代末，老挝政府获得了美国提供的一批原本用于援建万象新机场跑道的水泥和资金。但当时老挝王室和政府觉得与其修跑道，不如在市中心建一座战争纪念碑。于是，这批物资被“移花接木”盖成了外观酷似巴黎凯旋门的地标建筑，因此它在国际上也有了「垂直跑道」的极其讽刺的绰号。 万荣：户外爱好者的天堂 从万象到万荣乘坐中老铁路大约一小时。由于客货共线需求以及沿线复杂的地质条件，中老铁路设计时速为 160 公里，兼顾了客运与巨大的跨境货运任务。 五星级度假村与一日游 我们在万荣入住的 Tmark 度假村堪称此行惊喜，推门见山水，性价比极高。镇上的户外项目选择丰富，我们报了一家主打中国游客的一日游行程（约合人民币 180 元），包含了以下核心体验： 丛林飞跃：在雨林的山头与平台之间借助钢索穿梭，雨中飞跃多了一份湿润的趣味。 溶洞探险与漂流：在坦江溶洞附近体验溶洞漂流，水流清凉，别有一番刺激。 泄湖跳水：万荣最核心的户外项目。在 8 号和 3 号泄湖挑战 3 米、7 米甚至 8 米跳台。落水姿势至关重要，稍有不慎便会拍得生疼，但极具挑战性与爽感。 琅勃拉邦：传统文化与慢生活的交织 从万荣继续乘坐高铁便来到了琅勃拉邦。这里的清晨与日落有着独特的仪式感。 传统布施与光西瀑布 清晨布施：早晨 5 点半开始的僧侣布施是琅勃拉邦的名片。主街游客众多，略显商业化；若绕到北面街区，则能感受到更真实的当地人与僧侣的互动。拍摄时应当保持克制与尊重，避免使用闪光灯或怼脸拍摄。 光西瀑布：这是宛如 5A 级景区般的存在。多级瀑布群水质清澈湛蓝，不仅适合拍照，更是一处绝佳的天然天然戏水场。瀑布上游的区域更藏着秋千与更美的小瀑布群，千万不要错过。 关于演出的反思 我们在琅勃拉邦观看了主打当地文化的《佛光》演出（票价约 50 美元）。从观感来看，演出大量杂糅了国内大型实景演出的套路，且由中资与国内导演团队操盘，缺乏足够的本土文化深度发掘。对于追求性价比的旅行者而言，建议谨慎选择高价 VIP 席位。 跋：行者无疆 在老挝的这 10 天里，我们全方位地感受了这个内陆国家的风土人情。它或许没有想象中那么完美，物价也并不算绝对的低廉，但万荣的泄湖跳水、琅勃拉邦的湄公河夕阳，依然留下了深刻且美好的印记。 ...

分类：科技 标签：RISC-V、英伟达、GPU、硬件架构 当我们在讨论英伟达 GPU 时，往往聚焦于其强大的 AI 算力、CUDA 核心或是光线追踪性能。然而鲜为人知的是，在庞大的图形与 AI 计算背后，有一支庞大的“幕后军团”正在默默维持着芯片的运转。 数据表明，英伟达在 2024 年的产品线中总共使用了超过 10 亿个 RISC-V 核心。这些核心并不参与直接的图形渲染，而是作为微控制器（MCU），在 GPU 内部处理各类繁杂的辅助任务。根据芯片型号的不同，每个现代英伟达 GPU 内部实际上集成了 10 到 40 个不等的 RISC-V 核心。 从私有走向开源：Falcon 的退场 在全面拥抱 RISC-V 架构之前，英伟达长期依赖自家的私有微控制器架构，也就是被称为 FAst Logic CONtroller（简称 Falcon）的引擎。 历史回溯：Falcon 最早于 2005 年伴随 G98 芯片问世。 规模巅峰：到 2016 年左右，单颗 GPU 芯片集成的 Falcon 引擎数量已经超过了 15 个。在长达十年的时间里，英伟达累计使用的 Falcon 核心总数达到了惊人的 30 亿个。 主要职责：这些核心在幕后处理视频编解码、电源管理、安全引擎等关键任务。 为什么选择 RISC-V？ 随着技术演进，传统的 Falcon 架构逐渐显现出局限性。它本质上是一个 32 位核心，且缺乏现代计算不可或缺的数据缓存机制，已经无法满足英伟达日益复杂的芯片管理需求。 为了寻找更强大、更具扩展性的替代方案，英伟达对市场上的主流架构进行了全面评估，其中包括 Arm 和 MIPS 等。最终，英伟达将目光投向了开放、灵活且生态蓬勃发展的开源指令集架构——RISC-V。 总结 从早期的私有 Falcon 到如今无处不在的开源 RISC-V，英伟达的硬件设计哲学正在悄然发生变化。这些隐藏在 GPU 内部的几十个 RISC-V 微控制器，虽然不常出现在消费者的视野中，却是确保显卡高效、安全、稳定运行不可或缺的中坚力量。这也从侧面证明了 RISC-V 架构在现代高性能计算芯片中的成熟度与可靠性。

分类：[AI动态] 标签：[数据中心]、[人工智能]、[科技能源]、[基础设施] 随着大语言模型与人工智能技术的狂飙突进，算力的底层——数据中心正成为不折不扣的“电老虎”。美国俄勒冈州最新发布的一份官方报告，将这一矛盾赤裸裸地摆在了台面上：当算力膨胀遇到物理电网的极限，我们正在付出怎样的代价？ 狂飙的数字：当算力开始与居民争夺电力 根据俄勒冈州的统计数据，目前该州境内正在运营的数据中心共有 111 个，总建筑面积达到 2210 万平方英尺。这些庞大的服务器集群在 2025 年消耗的电量，已经占到了该州总用电量的 23%，接近四分之一。 然而，这仅仅是个开始。报告显示，该州目前还有 32 个数据中心正处于建设或规划阶段，未来将额外新增 690 万平方英尺的建筑面积。 未来能耗预测： 2030年预期：数据中心总能耗将飙升至近 25TWh。 电力占比：约占全州总电力需求的 31% - 32%。 民生对比：这一用电量相当于 250 万户家庭 的年度总用电量，几乎达到了全州民用电力的顶峰。 繁荣的虚影：高能耗与低就业的失衡 一边是惊人的电力消耗，另一边却是相对有限的本地经济带动作用。 报告指出，这些消耗了全州近四分之一电力的现代化数据中心，直接提供的就业岗位仅为 2630 个，在俄勒冈州总人口中的占比仅为 0.06%。 这种“高用电、低就业”的产业特性引发了广泛的社会讨论。数据中心虽然代表了数字经济的最前沿，但它们高度自动化、无人化的运营模式，决定了其无法像传统制造业那样创造大规模的本地就业机会。 科技之痒：AI 浪潮下的能源十字路口 俄勒冈州的困境并非个例。放眼全球，伴随生成式 AI、云计算和大数据应用的爆发，数据中心对电力的贪婪需求正在演变为全球性的能源挑战。 算力基础设施的快速扩张 -> 地方电网负荷急剧飙升 -> 清洁能源与民用电力面临挤压。这一传导链条正在逼迫科技巨头和地方政府重新思考未来的发展路径。 从长远来看，如何平衡人工智能产业的发展与电网的承受能力？或许，加大对核能、绿电微网的投资，以及研发能耗更低的高效芯片，才是科技行业摆脱“电荒”诅咒的必由之路。

分类：数码 标签：iPhone、苹果、数码评测、手机销量 备受瞩目的苹果秋季新品刚刚上市，市场表现便交出了一份亮眼的成绩单。根据数码博主 @RD观测 带来的最新国内市场首销数据，iPhone 18 Pro 系列在开售当天的总销量（Sell out）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% 左右，实现了显著的逆势增长。 Pro Max 依旧是主力军，大屏更受欢迎 从具体的机型销量占比来看，消费者的偏好依然延续了此前的趋势，大屏高端型号更受青睐： iPhone 18 Pro：约占总销量的 44.5% iPhone 18 Pro Max：约占总销量的 55.5% 凭借更大尺寸的屏幕和更持久的续航表现，iPhone 18 Pro Max 毫无悬念地拿下了大头，成为了此次首销当之无愧的主力军。而在配色方面，全新的工艺与色彩搭配也成功吸引了大量换机用户的眼球。 2纳米 A20 Pro 加持，硬件升级成核心动力 iPhone 18 Pro 系列之所以能够在首销日取得“卖爆”的成绩，与其强大的硬件升级密不可分。作为首发搭载 2 纳米制程工艺 A20 Pro 芯片的旗舰机型，其在性能和能效表现上均创下了 iPhone 历史上的新高。 此外，该系列在外观与影像上也迎来了多项实用改进： 封装方式借鉴了苹果 M 系列芯片的设计理念 -> 进一步压缩了内部空间与边框。 配备了面积更小的灵动岛 -> 视觉观感更为精致。 全新升级的 4800 万像素融合式主摄 -> 首次引入可变光圈技术 -> 带来了更具专业质感的影像体验。 总结与展望 从各大电商平台的首销即时战报来看（例如京东开售 1 小时即有数万用户签收、淘宝闪购预售额较上代翻倍），iPhone 18 Pro 系列凭借扎实的工艺改进与性能跨越，成功激发了国内高端手机用户的换机热情。32.28 万台的首销日数据不仅为苹果新一代产品开了个好头，也预示着接下来的高端手机市场竞争将会更加激烈。

分类：数码 标签：iPhone 18 Pro、A20 Pro、端侧AI、大模型 随着生成式人工智能的快速普及，智能手机的端侧 AI 能力正在迎来质的飞跃。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运行能力，其性能表现相比上一代产品实现了翻倍增长。 硬件升级：双 16 核神经网络引擎与 12GB 内存 苹果在 Apple Silicon 的发展史上首次引入了双 16 核神经网络引擎，这套专为高强度人工智能运算打造的架构，其性能表现全面超越了以往所有的移动端 SoC。 除了核心处理能力的飙升，iPhone 18 Pro 与 iPhone 18 Pro Max 还标配了 12GB 的 LPDDR5X 内存，并拥有 96 位位宽以及高达 115.2GB/s 的内存带宽。硬件规格的全面升级，配合专用的神经网络硬件，让手机本地 AI 处理性能直接迈入了全新台阶。 实测表现：本地驾驭 270 亿参数大模型 在实际演示中，科技爱好者通过 iPhone 18 Pro 成功运行了 Bonsai-27B（270 亿参数）模型。得益于 A20 Pro 强大的峰值吞吐性能（其神经网络专用任务的性能甚至超越了芯片内部的 7 核 GPU），模型在生成词元（token）时的速度表现极为惊艳，整体运行过程行云流水，完全没有出现明显的降速卡顿。 端侧 AI 的机遇与现实挑战 尽管 iPhone 能够离线运行 270 亿参数的大模型是一个巨大的技术突破，但用户在实际体验中仍需面对一些硬件层面的取舍： ...

分类：科技 标签：人工智能、大模型、开源项目、科技前沿 天文观测，或许大概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，一束从宇宙深处赶来的微光落到探测器上，向人类诉说着超新星、伽马暴或中子星合并的秘密。 然而，当浪漫落地为日常的望远镜操作时，往往只剩下琐碎与辛苦。 以国家天文台兴隆观测基地为例，冬夜漫长，值班人员需要彻夜守着望远镜和控制软件，紧盯目标位置、天气和设备状态，不断调整参数、排布任务。地球在转，目标在动，云层、湿度、风速、月光乃至机械和供电的变动，都在给观测工作增加不确定性。 对于需要捕捉瞬变事件（如超新星爆发）的科研团队来说，麻烦更远不止于熬夜。瞬变事件无法提前推算，且在爆发初期，亮度和光谱会快速变化，一些特征可能在几个小时或几天内便消失不见。科研团队发现得越早、跟得越快，留下的观测数据才越完整。 面对这些挑战，中国科学院国家天文台的科研团队今年在 AI 的协助下，做了一次全新的尝试。 01 自动望远镜发展了几十年，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，它经历了三个阶段：发现异常、分析异常和资源调度。 资源调度：目前的国际天文网络已经能将分布在全球各地的机器人望远镜当作一个整体运行。中央调度系统会根据目标可见性、天气和设备状况自动安排任务。 发现异常：以即将全面运行的维拉·鲁宾天文台（Vera C. Rubin Observatory）为例，其单晚发出的科学告警数量可达数百万条。 然而，新的矛盾随之诞生：候选数量随巡天能力迅速增长，但适合做后随观测的望远镜时间始终有限。 面对海量异常，到底值不值得跟踪、选哪一个、用哪台设备，判断的代价并没有同步下降。 为此，国家天文台相关团队自 2025 年起便开始引入 AI。例如，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），便以大模型为基础，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。这项工作还入选了斯坦福大学发布的《AI Index Report 2026》科学章节。 不过，固定工作流在面对真实观测现场的动态参数（如波段选择、曝光时长、突发高价值目标）时，依然需要人工介入。要想让 Agent 在运行时自主选择工具、读取结果并决定下一步动作，就必须将其推向设备控制端。但随之而来的问题是：真实的科研望远镜根本经不起试错。 02 先造一台可以反复试错的仿真望远镜 国际主流的 10 米级地面光学望远镜，一个有效观测小时的运行成本高达数万元，且镜筒、转台、相机和传感器彼此联动，错误的控制指令可能带来巨大的设备风险。 为了解决这一难题，在 AI 工具的协助下，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。而借助现代 AI 框架，团队在极短时间内便跑通了第一版仿真系统的数据链。 在这个仿真环境中： 数据链打通：系统收到超新星候选后，专业模型会判断其性质，天文程序计算可见性，天气与设备系统返回实时状态。 制定并模拟计划：Agent 读取这些返回结果，生成观测计划并通过 MCP（Model Context Protocol）调用仿真设备。 策略演练：面对“晚上同时出现多个候选、天气即将恶化”等复杂情况，仿真系统能够将各种调度策略提前演练多遍，从而加速现实中的科学决策。 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效率问题。 国家天文台团队首先从发现端切入，通过跨波段光变基座模型将分散的观测点在时间上对齐，从而更早识别出处于爆发初期的候选。一旦候选出现，Agent 框架便会并行启动： 模型给出候选信息 程序计算可见性与天气状态 相关工具通过 MCP 接入系统 自动生成后随方案并通知科研人员 截至目前，这套 Agent 框架已经接入了「司天」探路者和原型机，并成功预警了多颗极早期超新星候选。 而这仅仅是个开始。我国面向时域天文学提出的大型分布式米级巡天望远镜阵列项目——「司天」工程（GOTTA），目前已入选联合国教科文组织「科学十年」认证计划。它计划构建覆盖全球的百余台宽视场光学望远镜。面对如此庞大的网络，如何调度设备、分配任务，必将是一件只有借助 Agent 才能完成的事情。 ...

分类：AI动态 标签：具身智能、大模型、机器人、开源项目 在人工智能领域，当数字世界的 AI 已经开始频繁讨论“自进化”时，物理世界的机器人是否也能拥有类似的成长性？最近，具身智能创业公司乐享科技提出了一个颇具野心的概念：其 Aether（以太）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。 “自进化”在机器人行业显然是一个需要被谨慎对待的判断。究竟是模型参数发生了变化，还是仅仅进行了临时的任务调整？近日，乐享科技通过一场户外烧烤直播，公开展示了搭载该模型的机器人如何应对环境变化与随机扰动，也让外界得以窥见其背后的技术逻辑。 01 从模仿动作到理解世界：打破 VLA 的局限 过去几年，具身智能最常见的技术路线是 VLA（视觉-语言-动作），即把视觉、语言和动作连接起来：机器人看到环境，接收任务，再输出动作。这种路线让机器人能够借助大规模数据学习人类的示范，但乐享科技团队认为，它存在一个根本限制：擅长回答“下一步应该做什么”，却未必真正理解“为什么要这样做”。 不懂因果：传统 VLA 接近于从已有数据中学习动作规律，但这并不等于理解动作与结果之间的因果关系。 物理世界的复杂性：接触力、摩擦、滑动、遮挡、物体形变以及目标临时变化，都会让同一个动作产生不同后果。画面上“看起来合理”与身体上“真的做得到”之间，依然存在巨大鸿沟。 为此，乐享科技并没有把重点继续放在单纯的动作预测上，而是将 Aether 模型构建为一个由世界状态、内部状态和能量状态耦合而成的动力系统（由能量驱动的状态转移，energy-driven state transition）。 在这个系统里，感知不再是被动接收画面，而是变成了带有“感知意图”的主动行为：为了继续行动，我还需要看到什么？当前视角能否消除不确定性？这种思路让机器人能够真正去理解行动的后果，从而为“自进化”奠定了前提。 02 真正的自进化：一套从预测、反馈到记忆的闭环机制 “自进化”不能只是一句口号。乐享科技的 Aether 模型是如何实现这一过程的呢？ 持续的偏差修正：机器人在行动前形成预测，执行后观察结果。如果现实与预期不符，系统会实时更新内部状态，判断原计划是否失效，并进行局部或全局的重新规划。 分层记忆与经验筛选：在线学习最大的风险是把偶然扰动当成规律。Aether 模型会先评估经验是否可靠、新颖且可泛化，再决定是否改变已有知识。系统采用分层记忆机制： 短期记忆：具体、依赖单一场景的状态，任务结束后清除。 长期记忆：经过反复验证的抽象规律，甚至可能影响模型权重。 软硬件解耦与“一脑多形”：目前，以太大模型已经在约五家不同机器人本体上积累经验，涉及双臂、双足和轮式形态。通过自主探索认知不同本体的性能差异与关节限位，模型完成了对本体的自我认知与适配。 简单来说，乐享科技所说的自进化，是一套综合的工程机制：主动获取信息 -> 根据预测误差调整行动 -> 筛选值得学习的经验 -> 沉淀规律并迁移至新身体。 03 具身智能的 Next Level 如果机器人真的能够自进化，它改变的将不仅是某一个应用场景，而是整个行业的发展逻辑。 过去的机器人更像是被训练好的执行机器，任务之外的经验很难沉淀，更换场景和身体也常常意味着“重新开始”。而乐享科技的探索表明，部署本身可以成为一个学习过程——机器人进入真实世界后，能够在一次次行动中校准对世界的理解，把可验证的经验逐渐转化为新的能力。 当然，对于“自进化”而言，泛化能力能跨越多大差异、学习可以持续多久、新能力能否稳定复现，依然需要更多长期的测试来验证。 但正如这场探索所展现的：衡量机器人的方式，或许将不再只有“它现在会做什么”，还要加上一句：“它做完之后学会了什么？” 这，或许就是具身智能真正的 next level。

分类：游戏 标签：动作游戏、TGS2026、SEGA、独立游戏 在 2026 东京电玩展（TGS 2026）上，由 GPTRACK50 开发、SEGA 负责全球发行的动作游戏《愚者不灭》（Stupid Never Dies）吸引了大量玩家的目光。作为曾参与《鬼泣》、《龙之信条》、《生化危机》等系列开发的小林裕幸创立 GPTRACK50 后的首部作品，该作将高速动作、随机成长、怪物变身以及黑色喜剧风格完美融合，官方更是直接将其定义为“爆速成长动作游戏”。 在本次展会现场，我们采访了 GPTRACK50 代表董事兼总裁小林裕幸，以及《Stupid Never Dies》总监佐佐木荣一郎。两位开发者深入探讨了本作的创作灵感、战斗系统、成长机制背后的开发理念。 核心设计：攻击就是最好的防御 抛弃传统防御，追求极致进攻 在谈到核心战斗机制时，制作人小林裕幸直言不讳地指出，本作取消了传统动作游戏常见的闪避和防御系统： “我们的核心想法一直都是：攻击就是最好的防御。与其防御，不如继续攻击。” 总监佐佐木荣一郎补充道，当主角戴维（Davey）受到攻击时，并不会像普通角色那样马上停止动作，而是通过夸张的受击动作表现出“忍着疼痛用拳头打回去”的执着。整个战斗形成了一个独特的循环： 不断攻击 -> 即使被打也继续攻击 -> 体力下降 -> 吃敌人恢复 -> 再继续攻击 没有锁定机制，适应 360 度四面合围 体验版中没有传统动作游戏常见的锁定功能，引发了不少玩家的热议。佐佐木解释称，这是为了让玩家享受“敌人的压力”： “随着迷宫深入，敌人会从 360 度不同方向甚至空中袭来。如果采用传统的硬锁定系统，反而会影响玩家快速转向和处理不同敌人的能力。我们希望玩家依靠方向输入和镜头操作自由应对。” 针对试玩版玩家反馈的锁定问题和操作手感，开发团队也进行了大量调整，全新的试玩版更新版本预计将在近日公开。 独特的角色与世界观设定 为什么主角是个僵尸？ 游戏标题《愚者不灭》结合了日语里“笨蛋就算死了也不会改变”的俚语，以及戴维作为僵尸“已经死过一次、不会再死”的双重含义。小林裕幸透露，最初的企划书只有 8 页，主人公从一开始就被设定为了僵尸。虽然经过团队重新设计，最终保留下来的也只有“僵尸主人公”这一核心设定。 恶搞、喜剧与电影级灵感 在谈到游戏的黑色幽默与喜剧元素时，小林表示团队参考了多部好莱坞作品： 动作风格：参考了《电锯人》里电次那种“即使被打倒也要继续向前攻击”的疯狂。 同伴关系：参考了《银河护卫队》与《自杀小队》中性格各异、碰撞不断但在关键时刻并肩作战的设定。 主角原型：参考了《海扁王》中生前平凡、有些没用但足够专一的普通人形象。 此外，针对玩家对女主角朱莉娅（Julia）的高人气，小林也给出了暗示：虽然朱莉娅在故事开场就已经死去并曾引发热议，但她会在故事中途以某种形式再次出现。 丰富的成长系统与形态变身 11 种形态与随机 Build 构筑 戴维可以通过“吃”来恢复生命，并从精英敌人身上夺取能力。游戏一共包含 11 种不同的形态（如力量极强的独眼巨人 Cyclops、擅长空中移动的鹰身人 Harpy 等），玩家可以装备其中两种形态进行组合。 形态组合策略：力量型负责强力输出 -> 速度型负责接近和撤离。 装备系统（OT Gear）：玩家可以在头部、左右臂和腿部四个部位装备不同的装置（如追踪导弹、巨剑等），配合随机掉落的稀有度系统，打造属于自己的专属 Build。 爆速成长与双重成长机制 本作被称为“爆速成长动作游戏”，是因为随着流程深入，玩家在有限的迷宫探索时间内，成长速度会呈指数级提升。游戏同时具备两套成长体系： ...