AI动态

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，或许是让普通人产生浪漫想象的最美科学。巨大的穹顶缓缓打开，镜筒转向几亿光年之外，一束跨越时空的微光落在探测器上，向人类诉说着宇宙深处的超新星爆发、伽马暴或是中子星合并。 然而，当浪漫的星空观测落到日常运维时，却是一地鸡碎的琐碎与辛苦。 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候望远镜与控制软件，紧盯目标位置、天气、设备状态，频繁调参并排布任务。地球在转，目标在动，云层、湿度、风速、月光乃至机械和供电状况，都在不断考验着值班人员的神经。 这还只是常规观测。面对超新星、伽马暴这类无法提前推算的瞬变事件，麻烦才真正开始。超新星爆发早期的亮度和光谱变化极快，特征往往在几小时或几天内便会消失。科研团队发现得越早、跟得越快，留下的观测数据才越完整。 中国科学院国家天文台高级工程师、兴隆观测基地天文组负责人郑捷将这种情况形容为「天上掉馅饼」。但要首先「看到馅饼掉下来」，并在一夜之间打乱既定排班、评估目标是否在可观测区、协调设备调用，往往需要在极短时间内完成复杂的决策。 今年，国家天文台科研团队借助千问办公的 Agent Harness，尝试了一条全新的破局之路。他们用不到 3 天、千元左右的成本，搭出了一套科研级望远镜仿真环境。 01. 自动望远镜发展数十年，为何还需要 Agent？ 望远镜自动化并非大模型时代的产物。回顾过去，它大致经历了三个阶段：发现异常、分析异常和资源调度。 资源调度：最成熟的环节。如 Las Cumbres Observatory 将全球 7 个站点的 27 台机器人望远镜作为整体运行，中央调度系统根据可见性、天气等自动安排任务，每小时重新计算。 发现异常：巡天能力爆发。如 Vera C. Rubin Observatory 在一个晚上即可发出约 80 万条科学告警，未来最高可达每夜 700 万条。 然而，随之而来的新问题是：候选数量激增，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，判断的代价极其高昂。 为此，国家天文台自 2025 年起便开始引入 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 以大模型为基础，将观测计划、设备控制和数据处理整合进同一套 Agent 框架，并入选了斯坦福大学《AI Index Report 2026》报告的 Science 章节。 但现实中的真实观测现场充满了动态变量：波段、曝光时间、天气、设备状态以及突发高价值目标，传统固定工作流很难应对自如。当团队试图让 Agent 深入设备端时，却遇到了无法绕过的死胡同：真实望远镜极其昂贵且经不起频繁试错。 02. 先造一台可以反复试错的仿真望远镜 国际主流 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，且任何错误的控制都可能带来巨大的设备风险。 在千问办公的协助下，国家天文台科研团队率先为 Agent 打造了一台仿真望远镜。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，而千问办公将这一过程压缩到了 3 天左右。 这套仿真系统不仅跑通了从超新星候选判定、可见性计算、天气与设备状态读取，到通过 MCP（Model Context Protocol）调用仿真设备获取数据的完整数据链，还允许团队把同一批目标和天气变化交给不同调度策略进行反复演练。 设备故障、多目标竞争等现实中难以重复制造的极端情况，都可以在仿真中提前演练，从而大大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，真实瞬变链路则解决了“在机会出现时如何更高效”的问题。 ...

分类：游戏 标签：动作游戏、独立游戏、SEGA、TGS2026 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）吸引了无数玩家的目光。这款作品是曾参与《鬼泣》、《生化危机》等系列开发的小林裕幸创立 GPTRACK50 后的首部大作。官方将其定义为“爆速成长动作游戏”，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。 在展会现场，我们有幸采访到了 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。他们详细分享了这款新作从灵感碰撞、核心战斗设计到“用进攻代替防守”的幕后故事。 创作灵感：从黑色幽默到“最弱僵尸”的逆袭 谈到游戏的恶搞与喜剧元素，小林裕幸表示，主角戴维（Davey）的动作设计参考了《电锯人》中电次那种“被打也要继续向前进攻”的特质。而在喜剧氛围上，则借鉴了好莱坞电影《银河护卫队》、DC《自杀小队》以及《海扁王》中“一群性格各异甚至有些废柴的同伴并肩作战”的荒诞感。 对于玩家常联想到的电影《温暖的尸体》，小林坦言自己非常喜欢，但团队其他核心成员在构思初期其实并未看过这部作品。为了避免桥段重复，团队最后甚至让所有成员都补看了这部电影。 关于独特的英文标题《Stupid Never Dies》，总监佐佐木荣一郎解释，主角戴维生前是个毫无打架经验的普通年轻人，但为了追寻死去的少女朱莉娅，他愿意去挑战远超自己实力的怪物。结合日语“笨蛋就算死了也不会改变”的俚语，以及戴维本就是“不会再死一次的僵尸”这一双重设定，最终诞生了这个既搞笑又贴切的名字。 核心战斗：攻击就是最好的防御 《Stupid Never Dies》最引人注目的大胆取舍，莫过于取消了传统动作游戏常见的硬锁定、闪避和防御系统。 没有锁定，拥抱全方位压力：随着迷宫深入，敌人会从 360 度甚至空中袭来。开发团队认为传统的硬锁定会限制玩家快速应对多目标的速度感，因此鼓励玩家依靠自由的方向输入与视角操作来突围。 吃肉循环与残暴进攻：游戏没有防守，玩家需要通过“攻击 -> 即使被打也继续进攻 -> 体力下降 -> 吃掉敌人核心恢复 -> 再次攻击”的循环来战斗。即使受到重击，戴维也会顶着变形的身体进行反击。 11种形态与武器构建（Build）：玩家可以变身为狼人、鹰身人（Harpy）、独眼巨人（Cyclops）等形态，每种形态的手感与优缺点极其分明。玩家可以利用“力量型 + 速度型”或“远程 + 近战”来进行自由组合。此外，通过身体四个部位（头部、双臂、腿部）装备的 OT Gear，进一步拓展了游戏的策略深度。 开发近况与试玩版优化 在谈到试玩版上线后的玩家反馈时，开发团队表示他们已经注意到了诸如“缺乏锁定机制”以及“部分形态攻击判定”等核心意见。针对试玩版的更新优化补丁预计将于近日上线，调整后的版本将带给玩家更流畅的上手体验。 随着发售日 2026 年 10 月 22 日的临近，小林裕幸透露目前的开发工作已经基本结束，团队成员甚至已经开始休假，接下来的重心将全面转向全球宣传与市场推广。 写在最后 对于成立不久的 GPTRACK50 来说，《Stupid Never Dies》不仅是一张全新的名片，更是一次对传统动作游戏边界的勇敢试探。无论是老派街机感与现代高速动作的结合，还是独特的“吃怪成长”与黑色幽默，都让这款作品充满期待。 如果你对这款融合了爽快感与策略性的“爆速成长动作游戏”感兴趣，不妨关注近期即将更新的试玩版，并在 10 月 22 日亲自进入这个疯狂的僵尸异世界一探究竟！

分类：科技 标签：机器人、人工智能、智能硬件、科技新品 在人形与具身智能机器人加速落地的当下，价格往往是阻碍产品走向大众与商业化普及的核心痛点。近日，上纬新材旗下启元机器人举办新品发布会，正式公布了其备受瞩目的机器人产品矩阵及售价，将入门门槛直接拉入两万元以内，引发了行业与消费市场的广泛关注。 核心产品与售价矩阵 本次发布会上，启元机器人带来了多款面向不同场景与需求的新品，具体售价如下： 启元Q1标准版：定价 19999 元 启元T1标准版：定价 19999 元 启元Q1探索版：定价 26999 元 启元T1 Pro版：定价 29999 元 市场意义与行业前瞻 长期以来，高端智能机器人动辄数十万甚至上百万的售价，让许多中小企业和极客玩家望而却步。启元机器人此次以 19999 元的起售价切入市场，不仅展现了其在供应链整合与成本控制上的能力，更向下拓宽了机器人的应用边界。 从实验室走向真实场景，机器人的普及正在经历从技术验证 -> 成本优化 -> 商业化落地的关键演进。随着更多高性价比产品的涌现，具身智能走进日常工作与生活的未来已然加速到来。

分类：科技 标签：具身智能、人工智能、大模型、机器人 在具身智能领域，“自进化”一直是一个充满争议的词汇。当乐享科技近期推出其具身智能模型“以太”（Aether）大模型，并宣称其能够在部署和执行过程中持续更新、实现全球首个自进化时，行业内外迎来了广泛关注。 进化究竟是模型参数的临时调整，还是可迁移的新能力？在机器人行业仍需攻克基础稳定执行阶段的当下，这个判断需要被审慎对待。然而，随着乐享科技在户外直播中展示搭载该模型的机器人处理复杂烧烤任务，并应对临时打断和需求变化，这种探索为我们打开了一扇观察具身智能未来的新窗口。 从模仿动作到理解世界因果 过去几年，具身智能的主流路线是将视觉、语言和动作连接（VLA），让机器人接收任务后直接输出动作。这种方式虽然让机器人学会了模仿人类示范，但在乐享科技看来，它存在一个根本限制：擅长回答下一步做什么，却未必理解为什么要这样做，以及它对真实世界会带来什么后果。 真实世界充满了接触力、摩擦、滑动、遮挡和物体形变。同一个动作在不同物理状态下会产生截然不同的后果。为此，以太大模型被设计为一个由世界状态、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：系统通过一个贯穿全局的评价地形（landscape），权衡哪些状态应该靠近、哪些应该舍弃，以及接下来该把注意力放在哪里。 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，当前视角是否需要改变？是否应该先移动身体再决定下一步？ 这种思路让机器人开始理解动作与物理世界之间的因果关系，也为其“自进化”奠定了前提。 自进化背后的闭环机制 乐享科技所指的“自进化”，并不是一个简单的端到端黑盒，而是一套严谨的工程闭环机制： 预测误差持续修正：机器人在行动前形成预测，执行后观察结果。如果现实与预期存在偏差，系统便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在于把偶然扰动当作规律。以太大模型通过筛选机制，评估经验是否可靠、新颖、可泛化，并将其存入不同生命周期的分层记忆中。 参数层面的影响：经过反复验证的抽象规律会进一步影响模型权重并被长期保留，从而实现真正的策略与参数更新。 在多本体迁移方面，以太大模型已在双臂、双足和轮式等约五种不同机器人形态上积累经验。接入新本体后，它能通过自主探索认知硬件性能差异，生成适配的动作与轨迹，真正实现了“一脑多形”与软硬件解耦。 结语 如果具身智能只是从指令走向动作，它终究只是一种更复杂的自动化。但如果机器人能够在行动中发现偏差、在反馈中筛选经验，并把这些规律带到新的任务和身体中，它便开始具备了某种“生长性”。 衡量机器人的方式或许正在发生改变：除了它现在会做什么，更重要的在于它做完之后学会了什么。如果这一技术路线能够持续跑通，具身智能或将迎来真正的 next level。

分类：游戏 标签：单机游戏、动作冒险、Remedy宇宙、大作前瞻 作为现代怪谈叙事领域的执牛耳者，Remedy Entertainment 在构建超自然宇宙的道路上从未停歇。从当年的《心灵杀手》到惊艳四座的《控制》，北欧人将冷峻的写实风格与光怪陆离的超自然现象揉捏得恰到好处。如今，随着 2026 年 9 月发售日的临近，Remedy 宇宙的最新拼图《控制：共振》终于揭开了神秘的面纱。在经历了近 20 小时的抢先体验后，我们得以管中窥豹，一探这部野心之作的独特魅力。 叹为观止的视觉奇观：向外扩张的曼哈顿变局 如果说前作《控制》的核心是向内求知，通过冷战时期的严苛装潢与官僚主义构筑了压抑而内敛的太古屋；那么在《控制：共振》中，开发团队的视野则彻底向外扩张，将整个曼哈顿区域卷入了这场空间风暴。 毫不夸张地说，本作很可能是今年画面表现最令人惊愕的游戏之一。在这座充满现代主义精神的城市里，物理法则成了最不值一提的背景板：倒挂在摩天楼侧面的公路、因空间褶皱形成的断崖、以及牛顿万有引力和爱因斯坦相对论双双失效的奇异区域。 与此同时，公园区等地的异象景观更显惊艳。青蓝色霉菌构成的汪洋与高耸入云的霉菌墙将城市分割，形似巨型金鱼或未知怪物的生物在空气中漂浮游荡。配合主角迪伦极其灵活的 Z 轴立体机动性，玩家大部分时间都需要在空中穿梭、俯瞰吊诡的城市，教科书般的地图设计与艺术造诣让人直呼过瘾。 战斗与玩法的全面进化：高速 ACT 与轻度 RPG 的碰撞 相较于前作，本作在玩法上迎来了翻天覆地的变化。主角由杰西 - 法登更迭为迪伦 - 法登，战斗模式也从原先的第三人称射击转向了更具纵深的、融合高速动作与 RPG 要素的战斗体系。 武器与状态：迪伦拥有多种拟态武器可供选择，能够对敌人施加滞空、失衡等 Debuff，配合技能树的延伸带来丰富的战术变化。 奇物系统：玩家最多可携带三个奇物来叠加 Buff，以适配不同的战斗场景。 共振体挑战：击败形态各异的共振体 BOSS 不仅能解锁全新战技构筑，还能获取适配地形的强力位移能力，极大提升了地图探索的流畅度。 此外，游戏中保留了大量让人抓耳挠腮却又拍案叫绝的解谜与支线任务。例如需要玩家在限时内对照英文歌曲进行歌唱以收容卡拉OK机异象的趣味任务，便在紧张刺激的战斗之余贡献了绝佳的黑色幽默。 庞大怪谈宇宙的本土化惊喜 在 Annapurna 等高品质发行商的加持下，《控制：共振》进一步巩固了 Remedy 独特的跨作叙事宇宙。虽然官方表示本作是极佳的系列入坑之作，但对于熟悉《心灵杀手》与前作的老玩家来说，那些草灰蛇线般的伏笔与角色羁绊将带来无与伦比的会心一笑体验。 值得一提的是，本作对中国市场展现出了极高的诚意：不仅首发搭载全套中文配音，带有浓郁的“译制片”复古感，更在世界观细节中埋入了中国超自然现象机构以及来自沈阳的神秘防盗门等彩蛋，为未来的故事扩展留足了想象空间。 总结 《控制：共振》用极其大胆的空间解构、爽快的高速战斗以及深邃的怪谈世界观，再次证明了 Remedy 在叙事驱动型游戏领域的顶尖功力。9 月正值下半年大作井喷的黄金期，而这部作品无疑已经提前预定了一席之地。曼哈顿没有繁文缛节，准备好抡起重锤，去迎接这场颠覆常识的视听风暴吧。

分类：AI动态 标签：机器人、人工智能、智能硬件、具身智能 近日，上纬新材旗下启元机器人正式举办新品发布会，携多款重磅产品亮相并宣告全面开售。作为具身智能领域的又一力作，本次发布的产品覆盖了不同的价格区间与应用场景，标志着智能机器人正加速向普惠化、实用化方向迈进。 核心产品矩阵与定价一览 在本次发布会上，启元机器人推出了面向不同需求的细分机型，具体售价如下： 启元Q1：基础版定价 19999 元，主打高性价比的入门体验。 启元T1：定价同为 19999 元，为用户提供多样化的形态选择。 启元Q1探索版：定价 26999 元，针对极客与开发者群体，带来更强的性能拓展。 启元T1 Pro：旗舰定位，定价 29999 元，旨在满足更高强度的工业或复杂场景作业需求。 行业风向：具身智能的“价格战”与普及潮 随着大模型技术的蓬勃发展，具身智能（Embodied AI）被视为人工智能的下一个浪潮。然而，高昂的硬件成本一直是阻碍人形与通用机器人走向大众市场的主要痛点。 此次启元机器人将起售价拉低至 20000 元以内，不仅打破了以往智能机器人动辄数十万的高昂门槛，也释放出一个明确的信号：硬件成本下探 -> 商业化落地加速 -> 场景反哺算法迭代。这种良性循环正在推动整个机器人行业从“实验室展品”向“消费及工业级产品”加速转变。 总结与展望 启元机器人此次全系产品的定价策略，无疑为竞争激烈的智能硬件市场注入了新的活力。从 19999 元的亲民起步，到近 30000 元的 Pro 进阶版，丰富的产品线让不同层级的用户都能找到适合的解决方案。未来，随着更多这类高性价比具身智能产品的普及，我们的工作和生活方式或将被彻底重塑。

分类：AI动态 标签：机器人、人工智能、智能硬件、科技新品 在人工智能与具身智能加速融合的当下，人形与仿生机器人正从实验室走向大众视野。近日，上纬新材旗下启元机器人正式举办新品发布会，携多款重磅产品亮相并宣告全面开售。此次发布的系列产品不仅覆盖了不同的性能定位，更将起售价直接拉到了19999元的亲民区间，引发了数码与科技圈的高度关注。 产品矩阵与售价一览 本次发布会上，启元机器人推出了面向不同应用场景的丰富机型，具体售价如下： 启元Q1 / 启元T1：标准版定价 19999元，作为入门级主力机型，主打高性价比与基础智能化交互。 启元Q1 探索版：定价 26999元，针对进阶极客与开发者群体，提供更强的扩展能力与探索空间。 启元T1 Pro：定价 29999元，定位更高阶的专业性能，满足复杂场景下的深度应用需求。 具身智能走向大众化 长期以来，高端机器人动辄数十万甚至上百万的造价，让许多科技爱好者和中小型开发者望而却步。启元机器人此次将起售价定在19999元，可以说是对行业价格体系的一次有力冲击。 通过更具竞争力的定价策略，上纬新材正试图降低智能机器人的体验门槛，加速“技术研发 -> 产品落地 -> 市场反馈 -> 迭代升级”的正向循环。这不仅有利于推动具身智能硬件的普及，也为后续软件生态的繁荣打下了坚实的硬件基础。 总结与展望 启元机器人的全线开售，标志着智能机器人正在加速步入消费级与轻商用普及的新阶段。从不到两万元的入门款到不到三万元的Pro专业版，消费者与开发者可以根据自身需求进行灵活选择。未来，随着更多同类极具性价比的科技新品涌现，我们有望在日常生活中看到更多机器人的身影，智能新时代正加速向我们走来。

分类：AI动态 标签：机器人、人工智能、智能硬件、科技新品 在人工智能与具身智能加速融合的当下，人形机器人的商业化落地正在迎来关键节点。近日，上纬新材旗下启元机器人举办新品发布会，正式宣布旗下多款机器人产品全面开售，将前沿的机器人技术拉入了更具想象空间的消费与工业应用区间。 核心产品矩阵与售价 本次发布会上，启元机器人带来了多款面向不同场景的重磅新品，具体售价矩阵如下： 启元 Q1 / 启元 T1：定价均为 19999元，作为入门与基础主力机型，拉低了高性能机器人的体验门槛。 启元 Q1 探索版：定价 26999元，面向对算力和功能有更高要求的极客与开发者群体。 启元 T1 Pro：定价 29999元，作为旗舰型号，在硬件配置与场景适应性上进行了全面升级。 行业风向：从实验室走向大众化 长期以来，人形机器人高昂的造价和研发成本，使其大多停留在实验室展示或高端工业测试阶段。启元机器人此次将起售价定在 20000 元以内，释放出一个强烈的市场信号：硬件成本的下降与供应链的成熟，正在加速推进具身智能的普及。 从感知 -> 决策 -> 执行，随着底层大模型的不断演进，加上平民化硬件的加持，未来人形机器人或将更快融入日常生活与特定工作场景。 科技编辑点评 19999元的起售价，不仅让大众消费者有了尝鲜的可能，也将进一步倒逼整个机器人产业链加速迭代。当人形机器人的价格逐渐下探至主流电子消费品的区间，属于具身智能的“黄金时代”或许真的不远了。

分类：科技 标签：人工智能、大模型、开源项目、科学研究 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，向人类诉说着恒星如何死亡、极端物理条件下会发生什么。 但浪漫的背后，是极其琐碎且高强度的夜班值守与参数调试。特别是对于超新星、伽马暴这类无法提前推算的瞬变事件，亮度和光谱会快速变化，科研团队发现得越早、跟得越快，留下的观测数据才越完整。 面对这种「天上掉馅饼」却又转瞬即逝的机遇，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 引入天文观测的硬核尝试。 自动望远镜发展数十年，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，它的发展可以分为三个阶段：发现异常、分析异常和资源调度。 资源调度：已高度成熟。例如全球多地的机器人望远镜网络可以作为整体运行，中央调度系统根据可见性、天气自动安排任务。 发现异常：巡天望远镜能够产生海量的科学告警。但随之而来的是“选择困难症”——候选数量迅速增长，适合做后随观测的望远镜时间却始终有限，判断代价并未同步下降。 为了解决这一痛点，国家天文台相关团队开始尝试引入 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）以大模型为基础，把观测计划、望远镜控制和数据处理放进同一套 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。 然而，在真实观测现场，波段选择、曝光时长、天气、设备状态等参数仍需人工动态调整。如果让 Agent 直接介入设备控制，又面临着一个无法绕过的高昂代价：真实望远镜极其昂贵且经不起试错。 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的运行成本极高，且镜筒、转台、相机等大量传感器彼此联动，错误控制可能带来巨大的设备风险。 为此，在千问办公的协助下，国家天文台科研团队先给 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和数万元，而千问办公将这一过程压缩到了 3 天左右、千元左右的成本。 在这套仿真环境中： Agent 通过 MCP（Model Context Protocol）读取设备状态和可观测条件。 系统模拟天气变化、机械限位和合法参数范围。 面对多目标竞争、天气恶化等现实中难以重复制造的情况，仿真系统可以同时将各种策略提前演练多遍，大大加速了现实中的决策判断。 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，而真实瞬变链路则解决了“抢时间”的问题。 在千问办公的 Harness 框架下，当跨波段光变基座模型捕捉到极早期超新星候选后，Agent 框架会并行推进一系列流程： 模型给出候选信息 -> 专业程序计算可见性 -> 读取天气与设备状态。 工具通过 MCP 接入 Agent -> 定时任务检查结果 -> 生成后随方案并通知科研人员。 目前，这套 Agent 框架已经接入了我国“司天”探路者和原型机，并成功预警多颗极早期超新星候选。随着“司天”工程（GOTTA）未来构建覆盖全球的百余台米级宽视场光学望远镜阵列，这种复杂的分布式协同调度，更将深度依赖 Agent 的智能化能力。 尾声 当一束光走过几万年甚至数百万年终于抵达地球，人类留给自己的观测时间窗口往往只有昂贵且不可逆的几个小时。在这样极致的科学探索中，哪怕仅仅是 1 分钟的流程加速，也弥足珍贵。AI Agent 与天文望远镜的结合，正在把人类从繁琐的系统协同中解放出来，去追逐更深邃的星辰大海。

分类：AI动态 标签：具身智能、大模型、机器人、开源项目 在具身智能领域，“自进化”一直是一个备受争议的词汇。当乐享科技近期推出其具身智能模型“以太”（Aether）大模型，并宣称它是全球首个能在部署和执行过程中持续更新、实现“自进化”的模型时，行业内外随之涌现了大量的讨论与审视。 模型的参数变化究竟是临时的任务调整，还是可迁移的新能力？在机器人行业仍需攻克基础稳定执行难题的当下，自进化究竟意味着工程层面的泛化，还是更深层次的持续成长？带着这些疑问，我们不妨深入剖析这套新型的技术思路。 01 从模仿动作到理解因果：打破传统 VLA 的局限 过去几年，具身智能的主流路线是将视觉、语言和动作（VLA）相连接：机器人接收视觉环境与任务指令，随后直接输出动作。这种路线让人类示范得以被大规模学习，但乐享科技团队指出，它存在一个根本限制：擅长回答“下一步做什么”，却未必理解“为什么要这样做”。 传统 VLA 的痛点：缺乏因果理解，更接近从已有数据中学习动作规律。 传统世界模型的问题：往往“可生成、不可执行”，预测出的未来无法被实际的关节、力矩和控制系统所实现。 真实世界的物理环境充满变数——接触力、摩擦力、滑动、物体形变及目标的临时变化，都会让同样的动作产生截然不同的后果。为此，乐享科技将“以太大模型”设计为一个由世界状态、内部状态和能量状态耦合而成的动力系统，并称之为“能量驱动的状态转移”（energy-driven state transition）。 在这个系统中，感知不再是被动的画面接收，而是带有“感知意图”的主动探索：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？这种由系统内部一张贯穿始终的评价地形（Landscape）来衡量的机制，让机器人开始真正理解行动与物理世界的因果关系。 02 自进化背后的闭环机制：错题本与分层记忆 “自进化”不能只是一句宣传口号，它必须回答三个核心问题：机器人能否发现现实与预测的偏差？哪些经验值得留下？经验能否迁移到新任务和新身体上？ 乐享科技为此构建了一套严密的运行闭环： 持续的预测与修正：机器人行动前形成预测，执行后观察结果，比对现实偏差并实时更新内部状态。这一循环伴随每一次行动持续发生。 严格的经验筛选（错题本机制）：在线学习最大的风险在于把偶然扰动当成规律。以太大模型在引入新经验时会进行评估：是否可靠、是否新颖、能否归因。系统会主动过滤错误经验，知道“什么该学，什么不该学”。 分层记忆与参数更新： 临时的短期经验：生命周期短，任务结束后即被清除。 验证后的长效规律：保留时间长，甚至可能影响模型权重，实现真正的参数层更新。 此外，该模型展现出了优秀的“一脑多形”能力。通过接入双臂、双足和轮式等不同形态的机器人本体，以太大模型能够在接入新硬件后通过自主探索认知本体的性能差异，生成适配的动作轨迹，从而完成软硬件解耦。 03 具身智能的 Next Level 如果机器人能够摆脱“被训练的执行机器”这一传统定位，进而在行动中发现偏差、在反馈中筛选经验、在记忆中沉淀规律，并把这些能力带到新的任务和身体中，那么它就不再只是更会干活，而是开始具备真正的“生长性”。 当然，对于“自进化”这一概念，未来仍有许多问题需要时间去检验：泛化能力究竟能跨越多大差异？长期运行后旧能力是否会发生退化？新能力能否在不同硬件上稳定复现？ 尽管如此，这种探索无疑将行业的问题向前推进了一大步。衡量机器人的标准，或许将正式从“它现在会做什么”跨入到一个全新的维度：“它做完之后学会了什么？”这，正是具身智能迈向下一个阶段的重要信号。