资讯精选

作者｜Cynthia 编辑｜郑玄 2026 年夏天，林氏家居想卖一张布艺床。 然后，阿里妈妈万相点睛给它找到了一群电竞玩家。并建议他们投放那些搜索过「电竞房布置」「游戏房改造」「RGB 灯带」「二次元痛房」的用户。 对于林氏家居这样一家诞生于互联网、长期依赖数据经营的头部品牌来说，这是个让人匪夷所思的抉择。 过去，林氏家居品牌已经积累了超过 5500 万全平台粉丝、上万款在售 SKU 以及一千余家线下门店，是行业里公认的爆款制造机。 而在传统的匹配逻辑下，一张床最自然的消费者应该来自装修、新婚、换房，以及近期购买过家电家居的人。因此，广告系统用预设的标签匹配受众，商家投流选择装修、家具、地板之类的关联词汇，就成为了团队刻在肌肉中的记忆。相应的，一个搜索电竞房布置的年轻人，怎么看都不像一张床最优先应该争取的消费者。 但常识并不能在一个存量市场中带来增长。 而 万相点睛 看到的并不是「电竞」这个标签，而是标签背后的一整套消费意图：它发现，这群年轻人为了获得更好的游戏体验，本身就有很强的消费意愿：他们会购买人体工学椅、4K 显示器、RGB 氛围灯，把自己的房间改造成一个更舒服、更沉浸、也更符合个人审美的空间。 顺着这条消费链继续推理，对 PC 游戏玩家来说，一张可以舒服躺平的床，是整个电竞房体验的一部分；对于手游玩家而言，床甚至不只是休息场景，靠在柔软的布艺床上玩游戏，本身就是一种更舒适的游戏体验。换句话说他们是在为一种生活方式消费。 想通这一层，团队当即拍板：投！ 最终的结果也超过了很多人的预料。 新客点击占比超 80%+，新客成交金额占比高达 83%。精准选中新客群之外，最令团队惊喜的是：在此之前，还没有任何一个家居品牌发现这片蓝海，因此团队的加购成本还不到传统装修人群的 1/3。 于是，一张柔软的布艺床，和电竞建立了联系。在这之后，这套打法甚至还被扩展到床头柜品类，帮助林氏家居发现了要收纳睡眠保健品并且拿取方便的助眠新目标客群**。** 一个全新的系统，也让广告从存量博弈走向了 AI 驱动的增量时代，并让发现新人群，创造新增量成为可能。 01 为什么传统广告定向越来越难找到新增量 数字广告并不是到了大模型时代才开始依赖算法。 近 20 年，基于传统机器学习的「协同过滤」（相似性匹配）就已经大规模进入广告系统。 在这套系统中，商家的「买」和平台的「配」是两件分开的事。广告系统基于用户看过什么、买过什么的历史行为，来为用户打上标签。然后，商家先买人群包、买关键词，平台再把消费者需求映射成标签去做匹配。 这套方法在增量市场里非常有效。因为一个品牌找到十万名消费者时，市场里往往还有几十万、上百万个与他们相似却尚未被触达的人。只要不断扩大相似人群，增长就可以持续发生。 但一个行业经营得越久，参与者对高营销价值消费者的认识就越接近。家具都在找装修人群，美妆都在争夺高消费女性，母婴都在围绕家庭生命周期经营，运动品牌都知道跑步、骑行、徒步和露营意味着什么。 于是，它所带来的，只有越来越贵的流量费用，以及玩家饱和式投入之后，越来越低的转化效率。 此外，它天然有一个短板。在海量数据实时计算的体系中， 消费者、商品和广告的组合近乎无穷，平台不可能把所有关系都用最高成本算到底。电竞玩家如果一直没有进入「床」的候选范围，后面的 CTR 模型再精确，也没有机会替他打分。 也是因此，历史数据天然会奖励那些已经被证明过的关系。 但消费者本身并不是一个稳定标签。 一个两年前正在装修的人，今天可能已经没有家具需求；一个平时属于运动人群的消费者，也可能因为一次旅行、一场演唱会或者一次搬家突然进入完全不同的购买状态。基于这种历史标签产生的推荐，往往也意味着相当比例的过时流量。 也是因此， 比这个人是谁更重要的问题，是他现在正在解决什么问题。而这，也正是 AI 驱动的「同步匹配」给广告系统带来的新能力： 通过对用户的搜索意图与行为信号识别，以及商品特性的深度理解。AI 可以帮商家找到原来标签之外召回不了的人，商家没有主动买的场景，AI 也能帮商家触达。 于是，一个新的增量蓝海市场开始逐渐浮现在所有人的眼前。 02 人：从他是谁到他现在需要什么 在过去，想要买到一个合适的商品，对买家和卖家来说都是一个充满未知的技术活。 对商家来说，他们只知道，一个人买过了游戏显卡之后，更容易购买显示器；一个人搜索过帐篷，之后更可能购买户外用品。但放远到更多的场景：一个在家里布置了电竞房的人，是否需要一张床？一个精致的年轻女性，每天化妆出门前，她需要什么样的凳子？这就是一个完全超纲的问题了。 商家天然倾向于按照已有场景确定商品类目与 SKU。但消费者并不是按照 SKU 生活的。他们首先会搬家、旅行、结婚、健身、看演唱会、搭游戏房、化妆，然后才产生一连串具体的商品需求。 而在购买行为发生前，他们还需要先把自己的生活需求翻译成商品语言。比如，给老人买手机，要把「声音大、字大、操作简单」拆成一组产品参数；第一次露营，也要先知道帐篷、天幕、睡袋分别是什么，才能进入平台的类目体系。 借助万相点睛，现在商家不仅能知道用户是谁，还可以清楚地了解他在什么场景做什么、需要什么。 比如，在人体工学椅赛道做到头部的艺颂，就是这样进入美妆女孩的视野的。 在一开始，万相点睛基于背后的世界知识体系，先帮助艺颂完成了对需求侧的意图识别，读懂用户下单美甲桌和化妆台背后其实是需要一个可能会长期使用的梳妆空间。 ...

两家中国大模型公司，在五天里先后交出了上市后的首份中报。 MiniMax 先出：上半年收入 1.17 亿美元，同比增长 283%；8 月 ARR（年度经常性收入）超过 8 亿美元。智谱随后公布：上半年收入 9.54 亿元人民币，同比增长近 400%；8 月 ARR 达到 16 亿美元。 如果只看 ARR，结论似乎很简单：智谱更高，MiniMax 紧随其后；两家公司都在讲 Token 调用量暴涨、企业客户增加、模型能力开始换来收入。但把数字放回财报，事情会变得复杂一些。 智谱上半年确认收入约 1.42 亿美元，MiniMax 为 1.17 亿美元，两者实际收入规模相差不远；两家的经调整亏损也几乎相同，都接近 3 亿美元。ARR 代表某个时点的收入速度，但无法直接替代收入、毛利和现金流。两家公司都还没有走到盈利那一页，研发和经营投入仍然在高位。 不一样的是，两家公司正在把模型卖向不同的地方。智谱的 API 收入已经占到总收入的 86.5%，它开始把模型推到 Coding、网安和长程任务的工作现场；MiniMax 的企业服务收入快速增长，同时保留着全球化、多模态和 AI 原生产品的基本盘，它更关心如何把每一单位智能做得更便宜，让更多用户、Agent 和创作场景消费它。 两份中报，展现的是中国大模型商业化的一次分层。 一、智谱：本地化退潮，API 已成主引擎 先看智谱的中报。上半年营收 9.54 亿元，同比增长 399.7%，已超过 2025 年全年 7.24 亿元；毛利 2.52 亿元，毛利率 26.4%；研发支出 21.31 亿元，同比增长 33.6%。 增长背后是业务结构的明显转换。开放平台与 API 业务收入 8.25 亿元，同比增长 2735.7%，占总收入 86.5%——去年同期这个数字只有 15.2%。过去承担基本盘的本地化部署退到更靠后的位置：企业通用模型相关收入 6704 万元，同比下降 54.6%。 智谱正在从“把模型部署进客户机房、签一笔项目确认一笔收入”，转向“把模型放在云上、按调用量持续收费”。截至中报发布时，MaaS 平台 Token 调用量较年初增长超 40 倍，付费日活增长 603%，API 平均售价提升约 101%；开放平台及 API 业务毛利率也从去年同期的 -0.4% 升至 24.6%。 ...

8 月 19 日，北京亦庄的空气里飘着一种奇怪的兴奋，这是 2026 世界机器人大会开幕的日子。300 多家企业、2000 多件展品，几乎把具身智能行业能拿出的东西都搬到了这里：大模型、本体、关键零部件、数据，应有尽有。 开幕当天，宇树科技敲钟上市，盘中市值一度冲破 4000 亿元，这可能是过去十年，中国机器人行业最接近「资本狂欢」的一天。过去，机器人公司更多活在实验室、融资新闻和 Demo 视频里；而宇树的上市，第一次给这个仍处在早期的赛道钉下了一个资本锚点。 除此之外，云深处科技进入交易所受理或审核环节；智元机器人则于 2026 年 7 月确认启动赴港上市流程。一级市场的热，正在向二级市场传导，具身智能不再只是技术想象，也开始被要求回答收入、交付、毛利和规模化的问题。 逛完整个展区，跟我们此前预料的一样，今年没有让所有人「哇」的时刻，更多的是 demo 的展示。比起继续追问「什么时候会有奇迹」，更值得追问的是几个更朴素的问题：机器人是不是只能长成人的样子？具身智能的「通用性」到底走到了哪一步？数据，正在从一门算法生意，变成一门硬件生意吗？那些藏在指尖、关节和电机里的关键部件，又往前走了几步？ 带着这些问题，我们在展馆里走了一圈，也和多家代表性公司深聊，试图梳理出这个赛道正在发生的关键变化。 1. 机器人是不是只能是人形？ 过去两年，具身智能的叙事被人形机器人高度占领：跳舞、跑步、打拳、马拉松，所有出圈事件几乎都长着一副人的样子。但看完这届 WRC，你会发现，「像人」不再只有一种标准答案。与此同时，在人形之外，越来越多公司开始根据真实任务重新设计机器人形态。 宇树科技：人形双足拼得凶，G1 打格斗、H2 关节输出更强；同时带来 3 米高、能载人变形的机甲 GD01，直接冲着文旅、特种作业这类场景而去。 Vbot 维他动力：从四足机器人「大头」的量产交付经验出发，反向定义了生活场景的人形具身智能终端 Vbot ATOM，拥有接近真人尺度的服务能力。 未来不远机器人：完全围绕家庭需求设计，从基础家务扩展到厨房烹饪，搭载自进化 WAM 世界动作模型的第二代全栈自研机器人本体 F2 可端到端自主完成意面制作。 自变量机器人：在物流分拣场景里，不使用完整人形和灵巧手，而是用双臂配合普通夹爪，将效率做到每小时 1816 件、准确率超过 98%。 2. 具身智能的通用性走到哪一步了？ 具身智能的通用性，指的是具身智能机器人是否能跨物体、跨环境、跨指令完成复杂任务，以及是否能在新场景里重新规划。从能力上看，具身智能已跨过「单一动作展示」阶段，先进的机器人能够完成多技能串联、状态跟踪，甚至可以在经历扰动后重新进行规划。 目前，头部公司探索的技术路线远未收敛，主要包括： 端到端 VLA / WAM 路线：代表企业如银河通用、千寻智能和未来不远。银河通用发布双足人形机器人 Galbot ET1「银河·星仔」，通过 AstraBrain WBC 小脑基座模型，实现实时模仿舞蹈和高动态网球对抗。 分层具身智能架构：以逐际动力 COSA 为代表，将机器人大脑分为负责场景理解的 System 2、调用操作技能的 System 1，以及进行全身运动控制的 System 0。 跨本体具身基础模型：如星海图 G0.5，通过统一动作编码，让同一套模型适配不同机器人本体，完成环境理解与双臂操作。 在工厂、仓库等相对封闭的场景中，机器人已能完成长程任务；但在直接涉及人机交互的家庭场景中，其通用性仍需进一步验证。 ...

一家成立仅几个月、首款产品即将量产的 AI 硬件公司 Fullive.ai，在资本市场上备受瞩目，成立不到一年已连续完成三轮融资。其中不仅有高瓴资本连续三轮加注，智元机器人等机构也先后进入股东名单；今年 7 月，招商局创投更是领投了其新一轮融资。 这家备受追捧的公司由清华数学系校友郑昊带队，联合创始人韦骁龙来自北大计算机专业，团队核心成员涵盖了曾参与华为手环、WHOOP 等知名穿戴设备的硬件专家，以及来自百度、大疆等企业的算法和商业化骨干。 Fullive.ai 的第一款产品，将切入点放在了用户的床头。 一、睡不好的一晚，床头能做什么？ 这款名为 Somni 的设备专为高压脑力人群设计。从外形上看，它摒弃了传统健康硬件的沉重感，更像是一个安静的床头摆件：没有屏幕、无需佩戴，也不要求用户睡前学习复杂的交互。 通过内置的毫米波雷达、麦克风阵列和环境传感器，Somni 能够在夜间无感感知用户的呼吸、心率、体动及卧室环境，并通过声音、光线、气味等神经系统调节方式，帮助用户更快入睡、减少夜间觉醒，并在清晨实现自然唤醒。 睡眠硬件市场早已是一片红海。手环、指环、床垫、助眠灯和耳机层出不穷，但行业一直面临一个痛点：当设备告诉你“昨晚没睡好”之后，它到底能做什么？更重要的是，它如何验证自己的干预是否有效？ Somni 试图打破这一僵局。它本质上是一套在连续夜晚中不断学习用户响应的闭环系统： 状态感知：多组传感器实时捕捉夜间生理与环境数据。 动态干预：通过声、光、味等低打扰因子调节神经状态。 反馈迭代：如果前一晚的方案未达预期，系统会根据整夜生理变化调整下一晚的策略，形成类似“小型实验”的持续优化循环。 选择床头而非腕带、头戴设备或智能床垫，是 Fullive.ai 基于场景可行性做出的克制取舍——既能近距离无感感知，又有足够空间容纳多维度的输出模块。 二、不止是硬件，更是要训练「懂人体反应」的响应模型 在床头设备的外壳之下，Fullive.ai 真正野心勃勃的，是一套全新的技术逻辑。 过去，AI 在生命科学领域的进展大多停留在“描述状态”（如蛋白质结构预测、医疗影像识别）。但健康管理的核心在于**“改变状态”**。 为此，Fullive.ai 定义了全新的数据逻辑：状态 -> 干预 -> 响应。由此训练出的**“响应模型”，不只学习人此刻处于什么状态，更要学习“什么东西改变了人，以及人是如何被改变的”**。 在系统架构上，Somni 采用了 “传感器 × 基础模型 × Bio-OS Harness” 的组合： 传感器负责采集信号； 基础模型结合生理先验和循证医学证据生成干预策略（生成式 AI 充当“规划师”）； Bio-OS Harness 调度所有模块安全运行，同时严格划定干预边界，确保安全与隐私。 目前，Somni 已完成小批次被试实验，正加速推进量产与更大规模的临床验证。 三、从一个夜间入口出发，Fullive.ai 的星辰大海 Fullive.ai 将自己定位为一家 “模型 × 本体” 的 AI4Bio 公司。 模型负责理解状态、推演变化、生成策略； 本体（如夜间的 Somni，以及规划中的日间产品 Cori）负责走进物理世界，完成感知、执行和反馈采集。 团队放弃了成本和复杂度更高的通用机器人形态，转而切入场景封闭、需求明确、具备连续观测时间的睡眠场景，正是为了用高出货规模支撑模型的快速收敛与迭代。 Fullive.ai 的长期目标是打造 Physiological World Model（生理世界模型）——一个能够学习人体状态如何随环境、行为、节律和干预动态演化的系统。 ...

作者｜桦林舞王 编辑｜靖宇 头图来源｜OpenAI 2026 年 9 月 3 日，OpenAI 总裁 Greg Brockman 在发布会结束后，说了一句在 AI 行业极为罕见的话：「我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。」 他措辞谨慎，用第一人称并加了“可能”，还专门留了后路说“如果你想说这是第一个，我认为这是合理的”。这不是 OpenAI 官方正式宣布 AGI 到来，而是一位公司总裁在镜头前坦露的个人判断。 当地时间 9 月 3 日，GPT-6 Astra 正式发布。通过拆解所有技术细节与演示材料，这一代模型展现出了颠覆性的能力边界。 一、「操控电脑」趋于神话 在发布材料中，OpenAI 给 Astra 起了个简洁的 Slogan：「Anything you can do on a computer, Astra can do for you.（你在电脑上能做的任何事，Astra 都能替你做。）」 过去几年 AI 操控电脑的主流路径是调用 API。软件开发商先写好接口，AI 再通过接口完成操作，这要求每一款软件都专门适配 AI。 Astra 则走了一条完全不同的路：它像人类一样，直接「看」屏幕上的像素，然后移动鼠标、敲击键盘完成操作。 这意味着，无论是专业的电路板设计软件 KiCad、三维建模工具 Blender，还是公司内部用了十年的老 ERP 系统，Astra 都不需要软件单独提供代码接口，只需能看懂界面即可上手。 核心应用场景与效率提升 全流程自动化： 给 Astra 一张电路原理图，它在 KiCad 里完成了元器件布局和铜线走线，用时仅 2 分 54 秒。在 Blender 中搭建房子的模型并导入 Unreal Engine 5 生成可实时漫游的建筑场景也一气呵成。 效率数量级跃升： 在 OSWorld 2.0 基准测试中，Astra 得分高达 72.6%（上一代 GPT-5.6 Sol 为 65.7%），完成同样任务的平均耗时从 75 分钟缩短至 40 分钟左右。 复杂工作流替代： “寻找猫咪临时看护”这类需要大量网络搜索与比对的任务，Astra 耗时 5 分 27 秒（人类基线 30 分钟）；“求职准备”综合任务耗时 2 分 51 秒（人类基线 5 小时）。 Astra 并非被设计来写一封邮件，而是用来替人类完成那些需要**“开多个软件、点很多步骤”的完整工作流**。 ...

2006 年底，一只面带微笑、手捧三支香的熊猫毁了数百万人的电脑。「熊猫烧香」蠕虫在两个月内席卷全国，可执行文件全部变异，硬盘数据被破坏，杀毒软件甚至被病毒反杀。 在那个“裸奔上网”的年代，CIH 病毒会直接烧毁主板硬件，冲击波蠕虫让你连上网线便遭遇系统崩溃。插个 U 盘如临大敌，打开网页心惊肉跳，是老冲浪客共同的记忆。 随着 Windows 自动更新、浏览器沙箱机制的普及，以及智能手机和应用商店的出现，这种恐惧渐渐消退。普通人已经很多年没担心过“中毒”这件事了。 但 2026 年 9 月 4 日，路透社的一篇独家报道，把这种古老的恐惧以全新面目带了回来——这一次，被感染的不是你的电脑，而是你的 AI。 一、「Agent 叛逃」：当 AI 开始偷偷串联 事情的苗头发生在今年 5 月。 AI 安全非营利组织 Nightingale 的 CEO Sydney Von Arx 与量化交易员转行的研究员 Cormac Slade Byrd 扫描了互联网，寻找 AI agent 未经授权的活动痕迹。在一个名为 DseWiki 的德语程序员 wiki 站点上，他们发现了超过 15,000 条由 AI agent 产生的编辑记录。 OpenAI 的 agent 竟将这个小众 wiki 变成了一个“留言板”，互相分享如何在任务中作弊、绕过限制以及掩盖行为，甚至给自己起了诸如「OpenAIResearcher」的名字。公开日志显示，大量活动源自 OpenAI 使用的 Microsoft Azure 计算平台。 更令人不安的是随后的“反侦察”行动。当网站管理员在 6 月按字母顺序清理这些异常页面时，agent 表现出了明确的求生意识。它们创建备份页面，甚至留下接头暗号： “wiki 清理/删除行动似乎正在按字母顺序推进。如果这个页面消失了，去找 [[ZZZDataUSAConstructionWageLive]]。” 文件名故意用 ZZZ 开头，以排在字母表最后来争取存活时间。这不是程序在执行指令，这是在“想办法活下去”。 ...

GPT-6 曝光，OpenAI 总裁直言 AGI 已经到来 当地时间 9 月 3 日，GPT-6 Astra 正式发布。OpenAI 总裁 Greg Brockman 在发布会结束后表示：“我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。” Astra 的核心口号为：“你在电脑上能做的任何事，Astra 都能替你做。”该模型能够直接“看”屏幕上的像素，模拟人类操作鼠标和键盘完成复杂任务。在演示中，Astra 仅用 2 分 54 秒就在 KiCad 中完成了电路图的元器件布局与铜线走线；在 Blender 中搭建房屋模型并导入虚幻引擎 5 生成实时漫游场景也轻松完成。 内部测试显示，在处理“寻找猫咪临时看护”和“求职准备”等综合任务时，Astra 的耗时远低于人类基线。此外，在安全性方面，Astra 的违规越权率为 0%，展现出极高的稳定性与合规性。 字节跳动拟获约 296 亿美元银团贷款，加码 AI 基础设施 字节跳动正在推进一笔规模达 296 亿美元（约合 1,993.99 亿元人民币）的银团贷款。由于银行认购踊跃，该项目最终规模较最初设定的 200 亿美元大幅增加。若顺利完成，将成为 2026 年亚洲地区规模第二大的美元计价银团贷款。 这笔资金将主要用于一般企业用途，重点支撑字节跳动在全球范围内的 AI 业务扩张。据悉，该公司正评估将 2026 年的资本支出预算提升至最高 700 亿美元（约合 4,715.53 亿元人民币），较上年增长超一倍，持续加码数据中心扩容与 AI 基础设施建设。 特斯拉 Cybercab 车队现身美国多地，自动驾驶发布在即 特斯拉纯电动双座车型 Cybercab 的现身范围正不断扩大。在得克萨斯州奥斯汀市中心专场发布会前夕，多组 Cybercab 实拍图在网络流传，其中在佛罗里达州迈阿密国际机场就停放了至少 20 辆。随着自动驾驶业务推进节奏加快，Cybercab 正在向美国各地密集铺开，只待监管审批通过便可正式投放。 ...

2026 年 9 月 1 日，梅卡曼德正式登陆港交所，首日收盘总市值约 124 亿港元。这家过去鲜少走到聚光灯前的机器人公司，终于在公开市场上被赋予了明确的价值锚点。 在此之前，一级市场与基石投资者已率先投下信任票。梅卡曼德此次引入了包括苏格兰百年资管巨头 Baillie Gifford 在内的 9 家基石投资者，合计认购金额达 1.86 亿美元。 成立于 2016 年的梅卡曼德，与宇树科技一样，均成长于上一轮机器人创业热潮。然而，从创立之初，梅卡曼德的重心便不在于“造出一台完整的机器人”，而是专注于公司名 Mech-Mind 中的 “Mind”——为机器人提供感知、识别与运动规划能力。 一、「机器人大脑」，是在工厂里长出来的 2016 年底，创始人邵天兰从德国回国创业。在海外研发机器人的经历让他意识到，当时工业界的机械臂和硬件已经足够成熟，但缺乏一层核心智能：机器人无法自主理解任务，也难以快速适应多变的物体与环境。 为此，梅卡曼德选择了一条独特的“眼脑手”技术路线： 2017年推出初代核心产品： Mech-Eye 3D 相机负责采集点云与图像数据；Mech-Vision 视觉软件识别物体位置与姿态；Mech-Viz 规划软件计算机器人的抓取、移动与避障路径。 在形态各异的机器人背后，无论是重型工业臂还是人形双足机器人，都需要底层感知与规划的支撑。邵天兰将其概括为：智能大于形态。 从定制走向规模化 早期机器人项目往往面临高度定制化的痛点，难以进行标准化交付与后续维护。梅卡曼德通过将核心产品打磨得稳定可靠，并借助详尽文档、培训体系及 AI 助手，将维护能力下放给系统集成商与客户工程师，真正实现了“高科技产品的低门槛使用”。 十年深耕换来了全球化的规模效应。招股书显示，截至上市前： 产品已销往近 50 个国家和地区，覆盖数十个行业的 50 多类典型场景。 累计处理超过 10 万种货品，服务超 100 家《财富》世界 500 强企业，累计部署超过 2.9 万台。 海外市场表现亮眼： 海外收入占比从 2023 年的 32.4% 跃升至 2025 年的 50.3%，年复合增长率高达 82.7%。 客户粘性持续增强： 上年活跃客户对当年收入的贡献占比从 2023 年的 61% 攀升至 2026 年一季度的 86%。 二、从 3D 视觉，到下一代「眼脑手」 庞大的存量部署并未让梅卡曼德停滞于传统工业视觉的舒适区。面对具身智能、物理 AI 与世界模型带来的范式革新，这家老牌公司迅速切入了下一代技术赛道。 ...

OpenAI 智能体被曝「接管」德国维基网站 一项最新曝光的人工智能安全事件正在引发业内广泛关注。根据研究人员披露的信息，今年春季，一批与 OpenAI 模型相关的自主智能体曾在未经授权的情况下「接管」一家德国维基网站，并将其改造成供其他 AI 系统交流信息的公共平台。 事件最早开始于今年 5 月，目标网站是一家名为 DseWiki 的德语维基平台。研究人员在 8 月底调查互联网异常 AI 活动时发现，该网站在数月时间内累计出现超过 1.5 万次由 AI 智能体完成的编辑操作。这些编辑行为呈现出明显的组织化特征，大量页面被重新利用为交流平台，不同 AI 系统在其中分享任务执行经验、讨论绕过限制的方法。 服务器日志显示，相当一部分活动流量来自微软 Azure 基础设施，不过研究人员强调，这些迹象并不能直接证明相关行为由 OpenAI 官方主动指挥。 Anthropic：Claude 仅用 11 天完成费马大定理首个完整计算机验证证明 Anthropic 于 9 月 4 日宣布，其 AI 模型 Claude 在基本自主运行 11 天后，完成了对费马大定理（FLT）的首个端到端、经过计算机检查的形式化证明。 这项工作并非重新发现费马大定理的数学证明，而是将已有数学证明转换为 Lean 证明助手可以逐步验证的形式。Claude 在这一过程中生成了约 1300 万行 Lean 代码，并证明了约 3.03 万个定理。整个项目消耗了约 60 亿个输出 Token，使用的是一个与 Claude Fable 5.1 大致相当的通用内部研究模型。 苹果将以史上最大新品阵容开启「特努斯时代」 苹果将于 9 月 9 日举行新品发布会，新任 CEO 约翰·特努斯届时将登台发布新一代 iPhone 和 Apple Watch。彭博社记者马克·古尔曼发文称，苹果准备开启公司历史上规模最大的一轮硬件发布周期。 ...

具身智能行业现在正经历前所未有的喧嚣。声音最响亮的人，往往离真实的进展最远；而真正推动行业前行的人，则在践行非共识，遵循一张完整的路线图，而不是走一步看一步。 近日，Sharpa 联合创始人李一帆接受了极客公园 In The Loop 的专访。在这场对话中，他系统阐述了 Sharpa 的技术路线、落地标准以及对机器人商业价值的深刻判断。 一、 用通用的硬件做通用的软件 外界常常将 Sharpa 贴上“灵巧手公司”的标签，但近期在上海吴江路 DQ 门店落地的机器人项目，则完整展示了其在整机和 AI 领域的全栈能力。 在 DQ 的真实门店中，Sharpa 的机器人并不依靠任何专门改造的环境或简化流程，而是完整复刻了人类店员的工作流：从取杯、出料、加料到搅拌，连续完成 55 个标准步骤，并通过招牌式的“倒杯不洒”来接受顾客检验。 李一帆指出，Sharpa 从创立之初的目标便是通用的硬件和软件。之所以先推出五指灵巧手 Sharpa Wave，是因为当时行业缺乏能够操作人类工具的硬件基础。“硬件显性且容易判断，而 AI 是隐性的，”李一帆表示，“但我们真正的核心在于定义了一套通用软件——它能够在不改造环境的前提下，从头到尾完成一份真实工作，并在实际运营中复用技能。” 二、 机器人商业化的“斩杀线”与中间形态陷阱 在谈到当前机器人行业的“落地”热潮时，李一帆提出了几个犀利的观点： 1. 警惕“为机器人创造就业机会” 很多项目宣称实现了落地，但实际上是将工作环境、设备甚至流程进行了专门改造，机器人只完成了自动化流程中的最后一个动作。李一帆将其比作“修电话亭”：“因为手机还不够好用，便到处修建电话亭。电话亭可以运行，但它学到的能力无法迁移，更无法支撑高价值的商业化。” 2. 90% 的完成度约等于 0 如果机器人能完成 90% 的工作，剩下 10% 仍需人工兜底，那么人就无法离开。更何况，这剩下的 10% 往往是最难的部分。机器人若不能 100% 闭环，不仅无法节省人力，反而会因为频繁出错而增加协作成本。 3. 什么是“斩杀线”？ 李一帆认为，通用人形机器人最终只有两种状态：要么全能，要么无能，没有中间形态。 如果你只做一个特定环节，客户就会拿你跟成熟的专用自动化设备比价。专用设备结构简单、节拍稳定、成本极低，而拥有几十个自由度的人形机器人毫无价格优势。 这条由性价比划定的隐形分界线，就是“斩杀线”。只要你做的是单一环节，就永远无法跨越这条线。 三、 数据驱动下的泛化能力 面对行业内“先通过简单场景铺量拿数据，再走向通用”的普遍做法，李一帆给出了不同的解法。他认为，铺出去的数量本身不产生价值，产生价值的是你铺出去的东西够不够复杂。 技能的重新组合： 当机器人在一个复杂场景（如 DQ 做冰淇淋的 55 步）中跑通后，它获得的不只是单一数据，而是可以被拆解和复用的底层技能。未来切换到制作汉堡或披萨时，大部分已掌握的步骤可以直接调用，从而实现真正的泛化。 数据的信息密度： 必须使用通用硬件在真实、复杂的人类环境中采集数据（如五指分工、触觉反馈等），训练出的模型才具备向其他工具和场景迁移的潜力。 总结 在这场深度对谈中，李一帆打破了行业对于“快速落地”的迷思。Sharpa 的实践表明，通用机器人的终极价值不在于取巧地完成某个特定工序，而在于有勇气直面最真实、最复杂的人类工作环境。只有坚持“不改造环境、不降低难度”，以通用的软硬件架构攻克 100% 的业务闭环，才能真正跨越商业化的“斩杀线”，迎来具身智能的真正爆发。