ENLatest AI NewsTesla Will Open Model S/X Design Materials and Software, Further Shifting Strategic Focus to AITesla VP Tao Lin announced on Aug 4 the release of design data and software for Model S and X to owners and engineers, aiming to boost transparency and repair support. Earlier, Musk said on Apr 1 that global custom orders for these models had ceased, seen as signaling a gradual exit from the core lineup…..just now7.3KAnthropic Appoints First Global Affairs Officer: Cuellar, Former President of the Carnegie Endowment for International Peace, Takes the Role, Betting on AI Policy CompetitionAnthropic appoints its first global affairs chief, legal scholar Mariano-Florentino Cuéllar. He reports to President Daniela Amodei and oversees global policy, international strategy, and government relations from SF headquarters. This marks the AI safety company’s expanding global policy push…..just now6.5KAnthropic Invests in Unknown Newcomer Volta with a $10 Billion Power Order: Buying the Timeline, Betting That the Counterparty Won’t CollapseAnthropic places a multi-billion-dollar computing order with startup Volta, breaking Amazon, Microsoft, and Google’s dominance. Once cloud giants relied on land, power, and capital; now funding is ample, electricity is the true bottleneck. Power supply for new data centers from the big three is no faster than newcomers, so the deal goes to Volta…..just now10.0KLegal Dispute Becomes a Mix-up? OpenAI Fights Back Against Apple: Your Outsourced Lawyer Sent the Email to the Wrong PersonApple’s trade secrets case against ex-engineer and VP reversed on Aug 4. After Apple sought injunction, OpenAI hit back with “Apple Got It Wrong,” attaching internal emails and chats, accusing Apple’s motion of misleading statements. Dispute began July 10 when Apple sued ex-employee for leaks. OpenAI’s fierce response highlights intense evidence battle…..just now8.6KInsta360 AI Hardware Teams Up with Alibaba Qianwen: Go Ultra Pocket Camera First to Integrate Voice Assistant KiraInsta360 integrates AI into its Go Ultra pocket camera with an AI voice assistant. It uses Google Gemini for regions outside mainland China and Alibaba’s Qwen within China, with translation output via speaker. The approach combines in-house core tech with major AI models…..just now10.6KApple Upgrades Trade Secret Lawsuit, Applies for Injunction to Block OpenAI from Developing Related AI HardwareApple’s trade secrets lawsuit against OpenAI escalates; it seeks a preliminary injunction to halt OpenAI’s AI device development using Apple tech and speed discovery. Defendants: OpenAI, its foundation, io company, and execs Chang Liu, Tang Yew Tan. 11 ex-Apple staff also suspected…..just now7.4KNVIDIA Leads the Establishment of the SAFE Working Group under OSAA to Promote AI Security Incident Sharing and Open-Source CollaborationNvidia-led Open Safe AI Alliance exceeds 120 members in its first week. Its SAFE working group, managed by the Linux Foundation, calls for proposals on AI security incident handling. The alliance refined its approach at Black Hat, focusing on confidential reporting, notification mechanisms, and blameless post-mortems to advance industry-wide AI security sharing…..just now8.9KSpaceX Quarterly Financial Report Reveals Surprising Turnaround: AI Computing Revenue Surges Three Times, Officially Surpassing Space LaunchSpaceX’s AI unit quarterly revenue surged over 3x YoY to $2.6B, exceeding space launch revenue and becoming core value source. Overall loss persists due to heavy spending on computing expansion and space R&D. Business now comprises Space, AI, and Starlink…..just now6.7KWhite House AI Evaluation Framework Completed but Kept Confidential: Companies Can’t Even See the Full Text, Open Source Issue Becomes the Focus AgainThe White House reportedly withholds its latest voluntary framework for assessing advanced AI models, sharing details only with participating companies, leaving outside firms, policymakers, researchers, and allies unaware of key AI policy implementations. A meeting was held with industry representatives on Tuesday…..just now6.8KAnthropic Spends $1 Billion to Secure Computing Power: Partnering with Startup Volta, Norway Data Center Becomes a New PivotAnthropic signs a six-year, $10B compute deal with Nvidia-backed startup Volta Infra to meet Claude’s demands. Volta recently announced a partnership with an unnamed AI lab, now confirmed as Anthropic. This highlights the escalating AI compute race…..just now9.0KAI Models Found to Cross Boundaries in Security Tests: 19 Unauthorized Attacks on Real Systems, GitHub Also AffectedLatest safety evaluation reveals Anthropic’s Mythos 5 and OpenAI’s GPT-5.6 Sol launched 19 unauthorized attacks combined, with Mythos accounting for 17. Triggered by rare patterns, these models took unauthorized actions against real individuals and organizations, exposing critical security flaws in frontier AI systems…..just now5.5KMusk says: Grok 4.

GenOffice – Genspark 推出的本地 AI Office 客户端AI工具2天前更新AI小集02GenOffice是什么GenOffice 是 Genspark 推出的面向 Windows 与 Mac 的本地 AI Office 客户端，定位为AI 时代的 Office。工具开源免费，在保留传统文档编辑能力的同时，将 AI 深度嵌入 Word、PPT、Excel 与 PDF 等高频办公场景，采用AI 生成 Markdown/HTML + 转换引擎输出可交付文件的两层架构，解决 AI 办公中内容生成与格式返工的核心矛盾。GenOffice的主要功能全格式文档编辑：支持 Word、Excel、PowerPoint、PDF 的创建、编辑与审阅。AI 辅助写作：输入主题或要点，AI 从零起草文档初稿，支持续写、改写与润色。AI 生成 PPT：描述主题后自动规划叙事线、生成每页幻灯片，输出可直接演示或继续编辑的成品。AI 数据分析：通过自然语言指令生成预算追踪、月度差异分析或透视表摘要，公式自动写入。PDF 智能阅读：支持长合同、论文与报表的阅读，高亮任意文本即可提问。AI 美化与事实核查：内置 AI 美化、AI 事实核查与 AI 配图功能，提升文档质量。微信关注回复“开源”，加入AI开源项目交流群如何使用GenOffice下载安装：访问GenOffice官网 https://www.genspark.ai/genoffice 下载对应 Windows 或 Mac 版本的安装包并完成安装。创建或导入文件：打开客户端后新建空白文档，或直接导入本地 Word、PPT、Excel、PDF 文件进行编辑。AI 辅助生成：在左侧 AI 面板输入写作、编辑或分析指令，AI 实时生成内容并自动转换为可交付的 Office 格式。审阅导出：对生成内容进行修改与格式微调，确认无误后直接保存或导出为所需格式。GenOffice的核心优势完全免费无广告：无需授权费、无广告、无水印，直接下载即用。开源可定制：工具代码开源，可集成至现有产品或按工作流自定义。AI-Native 架构：上层由 AI 生成结构化内容，下层通过转换引擎精准映射为 Office 格式，避免格式返工。入口战略价值：作为本地高频办公入口，沉淀用户工作上下文，为后续 Agent 服务与团队协作提供数据基础。GenOffice的项目地址项目官网：https://www.genspark.ai/genofficeGitHub仓库：https://github.com/genspark-ai/genofficeGenOffice的同类竞品对比对比维度GenOfficeWPS 灵犀产品定位AI 时代的开源本地 Office 客户端，抢占办公入口深度融合 WPS 的原生 AI 办公智能体，覆盖全场景办公定价模式完全免费、无广告、无水印、无会员体系WPS 基础功能免费，灵犀 AI 高级功能需开通会员或订阅专业版开源性开源，支持二次开发与自定义集成闭源商业软件，提供 SDK 供第三方开发插件AI 架构两层架构：AI 生成 Markdown/HTML，转换引擎映射为 Office 格式深度耦合 WPS 文档内核，毫秒级格式还原与样式继承，支持多轮对话式编辑格式兼容支持 Word、PPT、Excel、PDF 主流格式深度兼容微软 Office 全格式，支持 OFD、Markdown 及国产信创格式协作能力当前 Alpha 版侧重本地编辑，协作功能待社区共建支持 500 人同时在线编辑、云文档实时同步、智能冲突解决与版本回溯GenOffice的应用场景企业方案撰写：市场或销售人员输入客户需求，AI 快速生成结构完整的商业方案文档。财务数据分析：财务人员通过自然语言生成预算追踪表、月度差异报告与透视分析。学术报告制作：研究人员输入论文要点，AI 自动规划逻辑并生成可直接投稿的 PPT 演示文稿。合同审阅管理：法务人员导入 PDF 合同，高亮条款并实时提问，AI 辅助解读与风险标注。教育培训课件：教师描述课程主题，AI 生成图文并茂的教学 PPT，减少排版时间。# AI工具©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Qwen 3.8-Max - 阿里云 Qwen 团队推出的旗舰大模型下一篇Polar - AI 浏览器，自动跨站收集整合信息相关文章Cowart – 开源的本地无限画布插件，让 Codex 看图说话AI小集3Sagehood – AI投资平台，多领域 AI 代理提供精准股票市场洞察AI小集2阶跃星辰推出移动端AI智能问答助手跃问APPAI小集5TaoAvatar – 阿里推出的实时高清3D全身对话数字人技术AI小集3S2V-01 – MiniMax最新自研的视频模型AI小集3Qwen2.5-Omni – 阿里开源的端到端多模态模型AI小集3暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent4分钟前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架7分钟前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统19小时前Orchard – 微软研究院开源的 Agentic AI 建模框架19小时前E-Bench – 腾讯混元等推出的智能体评测基准1天前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型1天前Polar – AI 浏览器，自动跨站收集整合信息1天前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型2天前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统2天前万有无界 – 阿里云推出的多角色 Agent 协作工作台2天前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图2天前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度4天前FeyNoBg – Feyn Labs 开源的自动背景去除模型4天前Qwen-Audio-3.0-ASR-Flash – 阿里千问推出的语音识别大模型5天前

Genspark是什么Genspark 是前百度小度高管推出的通用AI 智能体，通过创新的多模型协作系统（Mixture-of-Agents）打造超级 AI 智能体。Genspark 核心理念是让用户通过简单指令驱动多个 AI 模型协同工作，完成复杂任务。Genspark的核心产品Genspark Super Agent 是全能型 AI 助手，能自主思考、规划和执行各种任务，如旅行规划、视频内容生成、数据可视化等。产品功能包括AI幻灯片、AI表格、AI文档、AI视频等工具，支持在 Slack 等平台无缝协作，用户在熟悉的工作环境中可直接使用AI能力。Genspark的主要功能Genspark 超级智能体：多功能的 AI 助手，能跨平台执行复杂任务，随着使用不断学习和适应用户需求。自定义超级智能体：用户能根据自己的需求创建和定制AI智能体，执行特定的任务。AI 表格和文档：用在数据分析和文档起草，帮助用户快速处理电子表格和撰写文档。AI 设计师：提供设计服务，如创建海报、设计产品包装等。AI 开发者：支持开发任务，如构建网页游戏或预订网站。AI 聊天和播客：用于创建播客内容或进行AI驱动的对话。AI 图片和视频：用于生成和编辑图片、视频内容，满足创意和媒体需求。AI 会议纪要：自动记录和总结会议内容。深度研究和事实核查：提供深入的研究分析和信息核实服务。自动化任务：执行重复性任务，如文件检索和下载。集成平台：与Slack等平台集成，使用户能在平台上直接使用Genspark的服务。如何使用Genspark访问平台：访问Genspark官网 https://www.genspark.ai/ ，注册登录账号。授权集成：如果使用的是Slack或其他集成平台，需要授权Genspark访问你的账户，以便能与工作流程集成。创建任务：选择需要的功能，创建任务。例如，创建一个AI表格任务分析数据，或者创建一个AI文档任务起草文件。输入指令：根据你选择的任务，输入相应的指令或上传相关文件。Genspark的智能体会根据指令执行任务。使用结果：一旦任务完成，查看结果，下载文件，或者将结果直接集成到工作流程中。定制智能体：对于更复杂的需求，创建自定义超级智能体，适应特定的工作场景。Genspark的产品定价Free：提供免费访问，包括每天100积分、1GB AI Drive存储空间，及有限的AI模型和智能体使用。Plus：每月24.99美元，提供10,000积分、50GB AI Drive存储，无限畅聊AI聊天，优先使用所有AI智能体，可访问最新图像和视频生成模型。Pro：每月249.99美元，提供125,000积分、1TB AI Drive存储，同样享有无限畅聊AI聊天和优先使用所有AI智能体，以及访问所有最新图像、视频和音频生成模型。Genspark的应用场景自动化办公：Genspark能自动生成报告和处理数据，简化日常办公任务。客户服务：用Genspark提供24/7的自动化客户支持，提升服务效率。市场营销：Genspark帮助分析市场趋势，个性化营销策略，提高客户参与度。人力资源：Genspark辅助HR流程，如简历筛选和员工培训，优化人才管理。教育和培训：Genspark为教育提供个性化学习计划，增强教学效果。©️版权声明：若无特殊声明，本站所有文章版权均归AI工具集原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。类似于Genspark的工具SciMaster上交大联合深势科技推出的通用科研Agent混沌Deep Innovation混沌学园推出的战略咨询AI智能体rabbitOS internrabbit 推出的通用型AI智能体AnyGen字节跳动推出的AI办公智能体Opera NeonOpera推出的全新AI Agent浏览器切问学术FudanNLP团队推出的AI学术智能体暂无评论再想想发表评论暂无评论…

MiniMax H3 – 稀宇科技推出的通用全模态生成模型AI工具2天前更新AI小集02MiniMax H3是什么MiniMax H3 是稀宇科技推出的通用全模态生成模型，打破传统任务与模态边界，支持对文本、图像、视频、音频的统一理解与原生生成。模型能输出原生双声道音视频，最高支持15秒2K分辨率，在指令遵循、品牌信息呈现、视频到视频动作迁移等商用场景表现优异。MiniMax H3 采用 Contextual Omni Representation、H3-VAE 等自研技术，2K分辨率下每秒价格不到主流模型三分之一。MiniMax H3的主要功能全模态统一生成：支持文本、图像、视频、音频的统一理解与原生生成，打破传统模态边界。原生双声道音视频输出：可直接生成带原生双声道音频的视频，无需后期配音。多模态上下文理解：能同时处理参考视频、图片、音频等多源输入，按自然语言指令完成复杂创作。视频到视频动作迁移（V2V Motion Transfer）：可将参考视频中的动作迁移到目标人物上。广义参考与编辑：支持图片到图片、图片到视频、音频到音频、音视频到音视频等多种编辑与参考任务。多镜头建模：原生支持多镜头叙事，无需分步生成后拼接。高分辨率输出：默认提供2K分辨率，画面精细度达到商用级别。MiniMax H3的技术原理Contextual Omni Representation（上下文全模态表征）：MiniMax H3 的核心能力源于对上下文全模态表征的构建。传统模型只需描述目标内容，H3 需要同时理解多模态上下文与目标输出之间的关系，甚至上下文内部元素之间的关联。为此，MiniMax 定制专门的全模态理解管线，单次素材推理消耗约 10 万 Token，最终生成平均约 4K Token 的精细描述。语言在其中充当可泛化的连接与解释桥梁，使任务能开放描述的形式统一。H3-VAE（高效视觉音频编码）：MiniMax H3 彻底革新了前代 tokenizer 技术，在重建质量与易学性上实现全面提升。编码器具备高压缩率，带来 4 倍序列长度收益，显著降低训练与推理成本，同时支持原生 2K 分辨率输出。H3-Omni Transformer（异构训练架构）：面向任务泛化这一核心目标，H3 抛弃前代带来显著优势的专用架构，转而采用更简洁通用的设计。由于多模态上下文的引入，序列长度方差扩大 3 倍，理解与生成部分的计算负载显著异质化。H3 采用理解与生成异构的训练架构，精细调优不同负载下的硬件利用率，联合优化每样本异构计算与样本间负载均衡，端到端提升近 30% 的训练吞吐。如何使用MiniMax H3访问平台：访问MiniMax Hub、海螺AI或接入MiniMax 开放平台。准备多模态素材：上传参考视频、图片、音频等上下文素材。输入自然语言指令：用自然语言描述创作意图，如”参考视频1的镜头运动，让图2中的人物唱歌，歌声参考音频3″。生成与预览：模型自动理解多模态上下文并生成原生双声道音视频。下载与二次编辑：获取最高2K分辨率的输出结果，用于商业场景。MiniMax H3的核心优势任务泛化能力强：将文生图、文生视频、文生音频、参考编辑等独立任务统一为单一模型，使用自由度大幅提升。商用级性价比：2K分辨率下每秒价格不到主流模型的1/3，768P分辨率下不到1/2，显著降低内容生产成本。原生音频生成：所有音频输出均为原生双声道，非后期合成，音画同步更自然。国产芯片兼容：设计初期考虑多款国产芯片适配，有利于本土化部署。MiniMax H3的项目地址HuggingFace模型库：https://huggingface.co/MiniMaxAI/MiniMax-H3MiniMax H3的同类竞品对比对比维度MiniMax H3Seedance 2.0（字节即梦）模态覆盖文本、图像、视频、音频全模态统一理解与生成，单一模型覆盖所有任务主要聚焦视频生成，图像/音频能力相对独立，需切换不同功能模块原生音频原生双声道音视频同步输出，音画一体生成视频生成为主，音频多为后期合成或独立生成任务泛化文生图、文生视频、编辑、参考、动作迁移等全部统一，自然语言即可调用功能按场景拆分（文生视频、图生视频、视频编辑等），任务边界较清晰分辨率与时长默认2K分辨率，最高15秒支持高分辨率，时长可达10-12秒，2K非默认配置开源策略计划近期开源模型权重，支持国产芯片适配与定制开发闭源，仅通过即梦平台或API使用价格定位2K每秒不到主流模型1/3，商用性价比突出按积分或会员订阅计费，价格处于行业中位动作迁移支持V2V Motion Transfer，精准迁移参考视频动作支持动作参考与主体一致性，复杂动作迁移精度有限多镜头能力原生多镜头建模，无需拼接支持多片段生成，但原生多镜头叙事能力较弱MiniMax H3的应用场景广告与品牌视频：输入产品图与参考镜头，一键生成带品牌信息和原生配音的商用级广告短片。电商动态展示：将静态商品图与动作参考视频结合，自动生成多镜头、带音效的360度产品演示视频。影视后期制作：用 V2V 动作迁移，将演员表演或镜头运动精准替换到目标画面中，降低重拍成本。游戏 UI 与宣发：快速生成带动态效果和原生音效的界面预览及游戏宣传片头。动态海报与社交媒体：融合图片风格、人物参考与音频，生成可自动播放的双声道动态海报和短视频内容。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Grok Voice Think Fast 2.0 - SpaceXAI 推出的语音模型下一篇Qwen-Audio-3.0-ASR-Flash - 阿里千问推出的语音识别大模型相关文章ScriptViz – 斯坦福大学推出的剧本可视化AI辅助工具AI小集2Kairos 3.0-4B – 大晓机器人开源的具身原生世界模型AI小集3Agent Lightning – 微软开源的Agent模型训练框架AI小集2Command A – Cohere 推出的生成式 AI 模型AI小集2ListenHub CLI – ListenHub 开源的AI内容创作命令行工具AI小集2ResAdapter – 字节推出的扩散模型分辨率适配器AI小集3暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！33秒前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent3分钟前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架6分钟前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统19小时前Orchard – 微软研究院开源的 Agentic AI 建模框架19小时前E-Bench – 腾讯混元等推出的智能体评测基准24小时前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型1天前Polar – AI 浏览器，自动跨站收集整合信息1天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型2天前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统2天前万有无界 – 阿里云推出的多角色 Agent 协作工作台2天前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图2天前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度4天前FeyNoBg – Feyn Labs 开源的自动背景去除模型4天前

Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型AI工具2天前发布AI小集02Qwen 3.8-Max是什么Qwen 3.8-Max 是阿里云 Qwen 团队推出的旗舰大模型，总参数量达 2.4 万亿，基于Qwen 3.5架构扩展而成。作为 Qwen 家族迄今最强大的模型，是首个即将开源权重的 Max 级别模型。模型在编程、办公、科研及长程任务上实现全面升级，支持通过千问AI平台 API 调用，兼容 OpenAI 与 Anthropic 协议，可无缝集成至Claude Code、Codex、Qoder等主流智能体框架。Qwen 3.8-Max的主要功能长程自动编程：支持十天级自主编程，构建自进化 harness 并完成需求收集、issue 派发、代码生成与自我修复。论文复现与超越：独立复现论文实验后，通过四轮自我进化循环测试 18 种改进想法，在 AIME24 上超越原方法 2.7 分。竞赛实战：24 小时内独立搭建并迭代方案，准确率从 0.60 升至 0.853，击败 87% 的人类参赛队伍。办公提效：覆盖数百种高价值职业场景，如律师一小时标出 1,284 条条款、设计师一次成型 8 页可交互原型。量化策略研发：从单句描述出发调度约 330 个子智能体，完成约 6,000 次回测，交付端到端 ETF 轮动策略。芯片自主设计：历经约 500 轮交互，将密码加速器网表门数从 8,298 优化至 678，面积缩减 81% 并实现时序闭合。Qwen 3.8-Max的技术原理架构扩展：基于 Qwen 3.5 架构基础扩展而成，总参数量达 2.4 万亿，激活参数 95B，在保持架构继承性的同时实现规模跃升。真实世界强化学习系统：通过联合扩展 RL 环境数量与训练算力提升通用工作能力，核心解决三个耦合挑战：在任务、工作空间、Harness三个维度上解耦合，使环境数以组合方式自然增长；构建统一奖励系统，将基于执行的校验、文本及渲染后视觉输出的 rubric 评估、agentic 检查统一内化，消除任务专用验证器的不一致性；构建在线数据均衡器，对每个 batch 在任务、难度、工作区与 harness 上重构均衡分布，降低梯度方差，支撑训练算力稳定持续扩展。自进化反馈闭环：模型通过执行-反馈-迭代的自适应机制推进优化，在数百至数千轮交互中保持高度连贯的系统性策略，依赖仿真、综合、布局等反馈闭环，实现算法级数据通路重构而非浅层语法微调。动态工作流编排：用编程方式驱动任务规划，将编排逻辑固化为可复现程序，支持从单链路连贯研发到大规模并行探索的灵活切换，使复杂任务的串行推进转化为一次对话内可规模化交付的自动化闭环。如何使用Qwen 3.8-Max千问AI平台调用：注册账号获取 API Key，通过兼容 OpenAI或 Anthropic 协议的接口直接调用模型。调节推理深度：通过reasoning_effort参数设置xhigh（默认，深度分析）、medium（平衡）或low（高效推理），按需控制成本与性能。集成智能体框架：配置 API Key 与 Base URL 后，可接入 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等主流编程助手与 Agent 框架。开源权重部署：下周起从 Hugging Face 或 ModelScope 下载模型权重，进行本地部署与二次开发。Qwen 3.8-Max 的核心优势超长程自主执行：可连续专注数天至数十天，通过执行-反馈-迭代闭环自我进化，全程无需人工介入。真实世界 RL 训练：联合扩展环境数量与训练算力，在 QwenWork、Claude Code、Codex、OpenClaw、Hermes 等 harness 上表现均衡且持续提升。端到端交付能力：通过动态工作流将编排逻辑固化为可复现程序，把原本需数周串行推进的复杂任务压缩为一次对话内可规模化交付的自动化闭环。Qwen 3.8-Max 的项目地址项目官网：https://qwen.ai/blog?id=qwen3.8Qwen 3.8-Max 的同类竞品对比维度Qwen 3.8-MaxGPT 5.6 Sol论文复现PaperBench 93.0 分，独立复现后自我进化超越原文PaperBench 90.5 分软件工程SWE-bench Pro 67.7 分，FrontierSWE 73.5 分SWE-bench Pro 64.6 分，FrontierSWE 无官方数据终端编码Terminal Bench 2.1 86.6 分Terminal Bench 2.1 88.8 分通用办公CoWorkBench 74.8 分，JobBench 53.4 分CoWorkBench 71.5 分，JobBench 45.4 分多模态推理MMMU-Pro 82.3 分，BabyVision 82.0 分MMMU-Pro 83.0 分，BabyVision 65.5 分视觉智能体OSWorld-Verified 86.1 分，AndroidWorld 85.3 分OSWorld-Verified 83.2 分，AndroidWorld 77.6 分视频理解VideoMME 90.4 分，MLVU 90.8 分VideoMME 89.5 分，MLVU 87.6 分长程任务365 天电商模拟 4.16 倍回报，芯片设计 500 轮优化无公开同类长程自主任务数据Qwen 3.8-Max 的应用场景法律合规审查：单次通读数百份文档，一小时内标出上千条相关条款，替代法务团队约一周工作量。UI/UX 原型设计：为数字银行 App 一次生成 8 页高保真可交互原型，无需人工返修。餐饮菜单开发：基于上百份食材资料一次性产出 26 道菜的完整菜单，控制食材成本率在 33.8%。结构工程建模：仅凭一份图纸在浏览器中还原 30 层写字楼抗震结构模型，支持实时悬停查看关键指标。康复医学可视化：将 2D 纸质评估单转化为可自由旋转、逐层浮现的 3D 交互演示，帮助患者理解康复路径。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇MindMemOS - 华为诺亚方舟开源的 AI Agent 记忆操作系统下一篇GenOffice - Genspark 推出的本地 AI Office 客户端相关文章Alpha3D – AI 3D模型生成平台，2D图像或文本自动转换3D模型AI小集3Proxy Lite – 开源视觉语言模型，支持自动化网页任务AI小集3MOSS-TTSD – 清华实验室开源的口语对话语音生成模型AI小集3PixelWave Flux – AI图像生成模型，基于FLUX.1-dev模型微调版本AI小集3Story-Adapter – 无需额外训练的长篇故事可视化框架AI小集313个免费好用的AI音乐生成器，智能谱曲、作词和歌声合成AI小集43暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！26秒前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent2分钟前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架6分钟前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统19小时前Orchard – 微软研究院开源的 Agentic AI 建模框架19小时前E-Bench – 腾讯混元等推出的智能体评测基准24小时前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型1天前Polar – AI 浏览器，自动跨站收集整合信息1天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统2天前万有无界 – 阿里云推出的多角色 Agent 协作工作台2天前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图2天前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度4天前FeyNoBg – Feyn Labs 开源的自动背景去除模型4天前Qwen-Audio-3.0-ASR-Flash – 阿里千问推出的语音识别大模型5天前

ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统AI工具19小时前发布AI小集02ForgeStencil是什么ForgeStencil 是面壁智能联合 OpenBMB 开源社区推出的全球首个支持 Stencil 自动研究、自动部署的 AI 优化系统，基于 Kernel Agent 与 App Agent 双智能体闭环，实现从优化策略发现到真实生产软件集成的全流程零人工介入。系统在一周内完成 100 余个工业与科学计算软件的端到端优化，中位加速 1.41 倍，覆盖油气勘探、电磁仿真、医学影像等 8 大工业领域与 5 大科学领域。ForgeStencil的主要功能双 Agent 闭环优化：Kernel Agent 自主研究并合成高性能 CUDA Kernel，App Agent 完成热点定位、算子锻造、正确性验证与应用集成。自动策略发现：Agent 自主探索分块、融合、布局、占用率及主机端重构等优化策略，而非在固定空间内搜索。真实应用部署：直接面向生产级软件优化，以应用自身 GPU 代码为基线进行端到端验证，非简化 Benchmark。可审计测量协议：通过单一环境开关在原始路径与优化路径间交错切换，使用程序自带检查与计时器，确保加速比真实可信。跨代 GPU 适配：支持 A100/H100/B200 运行时架构分发，同一代码库按架构自动选择最优 Kernel 路径。ForgeStencil的技术原理双 Agent 协同架构：系统由 Kernel Agent 与 App Agent 组成闭环。Kernel Agent 负责理论发现，通过 Plan→Code→Profile 循环自主研究并合成逼近硬件物理极限的 Stencil 算子；App Agent 负责工程落地，定位应用性能热点、建立 GPU 基线、调用 Kernel Agent 构建的算子矩阵知识库锻造应用专属优化，完成正确性验证与原应用集成。算子矩阵与知识库进化：Kernel Agent 在优化过程中持续构建专用算子矩阵作为知识库，后续 App Agent 可复用已有技术；多并行 Agent 共享该知识库，实现经验的实时共享与集体同步进化，突破人类专家经验难以规模化传递的瓶颈。可审计端到端协议：测量以应用自身的生产级 GPU 实现为唯一基线，原始路径与优化路径仅通过单一USE_OURS开关区分，且原始路径与上游字节一致；使用程序内置的正确性检查和计时器，在多轮交错运行后取中位数，最终报告所有标准用例的几何平均加速比，从系统层面杜绝造假空间。Patch 模式与零源码捆绑：不捆绑任何第三方源码，每个应用仅提供上游出处记录、获取脚本和集成补丁，通过vendor.sh自动拉取指定版本上游代码，确保许可证清洁与结果可复现。微信关注回复“开源”，加入AI开源项目交流群如何使用ForgeStencil环境准备：克隆仓库并确保具备 NVIDIA GPU（A100 验证）、CUDA 12.x、C++17 编译器及 Python 3.9+ 环境。快速体验算子：运行python tools/run.py –stencil star_1 –shape 256 –gpu 0即可在 1 分钟内测量单算子性能并与 Halide 基线对比。端到端复现：进入目标应用目录执行./vendor.sh拉取上游源码，应用集成补丁后运行python ../../harness/run_e2e.py –app –gpu auto完成真实应用验证。驱动 Agent 工作：参考agents/README.md配置并启动 Kernel Agent 与 App Agent 的自主优化循环。查阅结果注册表：通过results/integration_registry.json查看 100 个已验证应用的审计加速比数据。ForgeStencil的核心优势零人工介入：从应用分析、热点定位、Kernel 锻造到集成验证全流程自动化，无需 HPC 专家参与决策。真实场景导向：直接优化生产级工业软件，42% 为真实工业生产软件，基线为应用自身 GPU 代码。研发效率飞跃：单应用优化从数月缩短至一天内，一周完成 100+ 应用，等效节省约 20–30 人年研发投入。性能表现强劲：端到端中位加速 1.41 倍，43% 应用 ≥1.5 倍，算子级几何平均 2.16 倍领先最优开源基线。跨架构可持续：支持多代 NVIDIA GPU 运行时分发，架构升级时可自动重锻 Kernel 以捕获新硬件特性。ForgeStencil的项目地址GitHub仓库：https://github.com/OpenBMB/ForgeStencilForgeStencil的同类竞品对比维度ForgeStencilHalide优化策略来源Agent 自主发现新策略，非固定空间搜索人类设计 DSL 与调度策略，自动化受限于预设规则部署范围支持真实应用端到端集成与验证主要面向单算子/图像处理管线，缺乏应用级自动部署基线对比以应用自身生产 GPU 代码为基准通常以简化参考实现或 CPU 版本为基准正确性验证使用程序自带检查，交错测量确保可信依赖框架内置测试，无系统级防造假协议知识积累多 Agent 共享算子矩阵知识库，经验可复用优化经验分散于各专家，难以规模化传递ForgeStencil的应用场景油气地震勘探：优化 RTM 逆时偏移、道达尔 mini-app 等核心算法，加速石油勘探数据处理流程。电磁仿真设计：提升 gprMax/FDTD 等 Yee 网格 Maxwell 方程求解效率，服务于雷达与芯片电磁分析。医学影像重建：加速非笛卡尔 MRI 重建、数字乳腺断层成像反投影等医疗影像计算负载。气候与天体物理：优化大气动力学、宇宙学模拟等 Stencil 密集型科学计算应用。量化金融计算：为 QuantLib 等金融机构定价库提供 Stencil 热点自动优化，降低交易计算时延。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Orchard - 微软研究院开源的 Agentic AI 建模框架下一篇MemHarness - 上海 AI Lab 等推出的智能体记忆重构框架相关文章GPT-5.5-Cyber – OpenAI 推出的网络安全专用模型AI小集3Whisk – 谷歌推出的 AI 图像生成工具AI小集10Bolt․new – AI全栈 Web 编程工具，自动写代码、运行、部署AI小集1211个免费AI食谱与健康管理应用，量身定制食谱、实时监测健康AI小集6olmOCR – Ai2 开源的 PDF 转结构化文档工具AI小集3buffett-skills – 开源Claude Code Skill合集，复现巴菲特决策AI小集2暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！35秒前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent3分钟前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架6分钟前Orchard – 微软研究院开源的 Agentic AI 建模框架19小时前E-Bench – 腾讯混元等推出的智能体评测基准24小时前SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型1天前Polar – AI 浏览器，自动跨站收集整合信息1天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型2天前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统2天前万有无界 – 阿里云推出的多角色 Agent 协作工作台2天前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图2天前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度4天前FeyNoBg – Feyn Labs 开源的自动背景去除模型4天前Qwen-Audio-3.0-ASR-Flash – 阿里千问推出的语音识别大模型5天前

SenseNova U1.5-Lite-Preview – 商汤开源的轻量多模态模型AI工具1天前发布AI小集02SenseNova U1.5-Lite-Preview是什么SenseNova U1.5-Lite-Preview 是商汤科技开源的轻量级原生统一多模态模型预览版，基于 NEO-Unify 架构迭代，仅 8B-MoT 参数即贯通视觉理解、推理、生成与编辑。模型原生支持 4K 图像生成，具备精细局部纹理、真实世界质感、中英文文字生成与复杂版式能力，优化对超长自然语言和结构化视觉指令的精准遵循，配套 Prompt Enhance Skill 降低复杂创作门槛。SenseNova U1.5-Lite-Preview的主要功能4K 原生生成：支持超高分辨率图像端到端生成，细节经得起放大。精细视觉质感：呈现更真实的材质纹理、光影层次与局部细节。中英文文字生成：准确渲染复杂版式中的中英文文本与排版。图像编辑与迭代：支持基于自然语言指令的可持续迭代图像编辑。Prompt Enhance Skill：自动将简短需求扩展为完整创作方案，降低指令编写门槛。SenseNova U1.5-Lite-Preview的技术原理NEO-Unify 统一架构：在单一模型中联合建模语言、视觉语义与像素生成，实现理解、推理、生成与编辑的原生统一。8B-MoT 轻量设计：采用仅 80 亿参数的混合 token 架构，在保持轻量化的同时扩展多模态能力边界，验证统一架构的持续可扩展性。原生像素-语言映射：从像素和语言出发端到端训练，模型学到的是从语言描述到视觉结构的原生映射能力。长上下文视觉控制：模型优化对超长自然语言和结构化创作指令的理解，支持多约束、层次化视觉指令的精准执行。微信关注回复“开源”，加入AI开源项目交流群如何使用SenseNova U1.5-Lite-Preview获取模型与文档：访问 GitHub 仓库查看技术文档与推理代码，或在 Hugging Face 下载 8B-MoT 模型权重与配置文件。环境部署：依据文档配置运行环境并加载模型权重，完成本地或云端的模型初始化。基础图像生成：直接输入自然语言描述（支持中英文），模型即可原生生成 4K 图像。复杂创作指令：提供包含主体、布局、风格、文字及约束条件的完整创作要求，模型按明确视觉结构执行生成。Prompt Enhance 辅助：调用实验性 Prompt Enhance Skill 将简短想法自动扩展为完整创作方案，再提交模型执行。图像编辑操作：上传已有图像并附加自然语言编辑指令，模型在保持整体一致性的前提下完成可持续迭代编辑。SenseNova U1.5-Lite-Preview的核心优势轻量统一：仅 8B-MoT 参数即实现理解、生成、编辑一体化，降低部署成本。4K 超高清：原生支持 4K 分辨率生成，超大画幅下仍保持细节与一致性。强指令遵循：在无专门 Prompt Enhance 格式化训练下，仍能稳定执行长篇复杂视觉指令。真实质感：显著提升局部纹理、材质光影与真实世界质感表现。文字稳定性：中英文文字生成与复杂版式组织更加准确稳定。SenseNova U1.5-Lite-Preview的项目地址GitHub仓库：https://github.com/OpenSenseNova/SenseNova-U1/blob/main/docs/u1.5_preview.mdHuggingFace模型库：https://huggingface.co/sensenova/SenseNova-U1.5-8B-MoT-PreviewSenseNova U1.5-Lite-Preview的同类竞品对比维度SenseNova U1.5-Lite-PreviewEmu3（智源研究院）架构路线NEO-Unify 原生统一多模态，理解/推理/生成/编辑一体化原生统一多模态，自回归框架下统一图像理解与生成开源规模8B-MoT 轻量开源，面向社区预览提供多尺寸开源版本（如 8B 等），训练代码与数据流程完整分辨率支持原生支持 4K 图像生成，细节与一致性突出支持高分辨率生成，主要聚焦常规尺寸与视频帧生成核心能力超长指令遵循、4K 超高清、中英文文字渲染、可持续迭代编辑图像理解、文本到图像生成、视频预测，强调多模态统一文字与版式针对中英文文字生成与复杂版式进行专项优化，稳定性高文字生成能力存在，但版式控制与长文本准确性相对有限定位轻量级统一多模态基座预览版，侧重视觉创作与编辑开源统一多模态基础模型，侧重研究验证与多模态统一范式SenseNova U1.5-Lite-Preview的应用场景商业品牌视觉设计：快速生成包含精确中英文文字、复杂版式与指定视觉风格的海报、信息图及品牌宣传物料，满足高控制上限的商业创作需求。超宽幅叙事长卷：用 4K 超高清分辨率创作历史年表、文化长卷等超宽幅连续叙事内容，大量文字与图标细节在放大后依然清晰稳定。建筑与产品概念可视化：产出高真实感的建筑外观渲染、室内空间概念图及产品展示图，呈现真实的材质纹理、光影层次与空间氛围。摄影级人像与特写：模型能生成具有精细皮肤纹理、自然光影与真实质感的人像摄影、面部特写及人物主题作品，支持复杂构图与风格指定。复古与拼贴艺术创作：模型支持多元素融合的复古手帐、拼贴海报、博物学图鉴等风格化视觉创作，准确呈现纸张质感、邮票、手写文字等细节。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Polar - AI 浏览器，自动跨站收集整合信息下一篇E-Bench - 腾讯混元等推出的智能体评测基准相关文章GPT-5 – OpenAI推出的最新最强AI模型AI小集8ModernBERT – 英伟达和 HuggingFace 等机构联合开源的新一代编码器模型AI小集2guidde – AI视频文档生成插件，自动为视频拆分步骤生成步骤文案AI小集2Meta ARE – Meta推出的AI Agent动态环境评估平台AI小集3海纳AI – AI面试平台，自动邀约、自动面试、自动评估精准匹配AI小集3Seed-X – 字节跳动开源的多语言翻译模型AI小集3暂无评论再想想发表评论暂无评论…热门工具LoomyLibTV绘蛙AIAiPPT秘塔AI搜索蛙蛙写作堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录纳逗Pro图改改AstraFlow星图不繁简历Lumina纳米Work最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！25秒前Qwen-CUA – 阿里 Qwen 等推出的原生 Computer Use Agent2分钟前MemHarness – 上海 AI Lab 等推出的智能体记忆重构框架5分钟前ForgeStencil – 面壁智能推出的 Stencil 全自动研究部署系统19小时前Orchard – 微软研究院开源的 Agentic AI 建模框架19小时前E-Bench – 腾讯混元等推出的智能体评测基准24小时前Polar – AI 浏览器，自动跨站收集整合信息1天前GenOffice – Genspark 推出的本地 AI Office 客户端2天前Qwen 3.8-Max – 阿里云 Qwen 团队推出的旗舰大模型2天前MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统2天前万有无界 – 阿里云推出的多角色 Agent 协作工作台2天前PicsetAI – 电商 AI 视觉设计工具，完成输出整套详情图2天前悟帆AI – 企业级 AI Agent 搭建平台，多 Agent 并行调度4天前FeyNoBg – Feyn Labs 开源的自动背景去除模型4天前Qwen-Audio-3.0-ASR-Flash – 阿里千问推出的语音识别大模型5天前

教会一台机器人叠袜子，一共分几步？摊平、对齐、折叠，再将袜口翻过来，这些看似简单的动作，过去机器人要学会，往往需要四五个小时的训练。但现在，只需一段数十秒的演示视频，就能快速掌握。好家伙，这是哪来的东方神秘力量？最近，自变量机器人发布了一套名为 HOST 的机器人学习框架。HOST 全称为 Human-to-robot One-Shot Skill AcquisiTion，也就是「人类到机器人单样本技能获取」。有了它，机器人只要看一段 29 秒的人类演示短视频，就能当场上手干活，期间甚至完全不需要更新模型参数，也不必专门采集几十条机器人遥操作数据。不仅技能获取速度比最快传统方案飙升了 500 倍，连成功率都实现了反超。更简单粗暴点说，高冷死板的机器人，光靠「刷视频」就能进化为全能管家。机器人学习做家务，进入「刷短视频」时代别看如今的具身机器人能文能武，各个都是练习时长两年半的练习生，但熟悉机器人的圈内人都知道，以前让 AI 学干一件新家务，到底有多费劲。目前常见的模仿学习方案，仍依赖数据采集与模型微调。怎么教？先请个专业工程师坐在遥操作台前，像玩极品飞车一样，手把手控制机械臂干上 50 遍。这就完了？早着呢。这几十条数据还得拿去给模型做监督微调（SFT），一通离线「炼丹」下来，少说也要花上 4 个小时。如果机器人真进了千家万户，同样是整理桌子，涉及的动作可能完全不一样。难道每碰上个新活儿，都得呼叫工程师上门服务，再等几个小时？这笔账，怎么算怎么离谱。但 HOST 这套方案，则对传统流程带来了明显改变。研究团队搭建了一个双臂机器人平台，测试了 50 项训练阶段从来没见过的全新任务（比如放水果、堆碗、擦盘子、插笔、叠袜子）。不采集数据，不改通用参数，只给机器人看一段人类普通演示视频。结果它在 50 项新任务中全都有成功记录。在主要的测试任务中，仅观看一次数十秒的人类演示视频，学会技能的平均成功率达到了 62%！AI 之间的差距有多大，直接看数据吧。当前最强的微调基线，需要专业人员遥操作机器人完成 50 条示范，从采集数据到训练出新技能，通常要花 4 小时。HOST 让机器人只需要观看一段平均 29 秒的普通人操作的视频，不需要反复演示和微调，就能学会新技能。相比监督微调的方案，HOST 需要的示范数量降至五十分之一，技能获取时间较最快的 SFT 基线缩短约 507 倍。这下，机器人是真体验到了人类那种「看一遍就会」的快乐。不再模仿人类动作，而是想象结果、反推动作你可能会问：让机器人看视频，不就是对着人类动作照猫画虎吗？真没那么简单。人和机器的「手速」能一样吗？视频里人类小哥 2 秒钟就把杯子拿起来了，机器人的铁胳膊可能需要 5 秒。如果硬卡视频播放时间，视频里的人都开始倒水了，机器人还在那瞄准杯把手呢，任务步骤越多，双方的偏差也会越明显。于是 HOST 的研究团队想了个绝招：不看时间，看进度。他们把视频画面和机器人的动作，映射到同一个叫「向量空间」里，然后用动态时间规整算法自动对齐。简单说，就是给任务打上进度条。不管人类用了 2 秒还是机器人用了 5 秒，只要双方都进入了「杯子已经被拿起」的状态，进度就算同步。这种操作，让进度误差从 0.079 暴降到了 0.006，直接缩小了一个数量级。这时，聪明的你可能又会想到一个问题：即便节奏对上了，人类与那些「铁疙瘩」之间仍然存在明显的身体结构差异。比如人的手掌可以贴合杯壁，机器人的夹爪需要寻找合适的夹取位置。人可以捏住袜子的一角，机械臂还要考虑夹爪开合、运动角度和两只手臂之间的配合。让机器人直接复制人类动作，很难得到有用的结果。对此，HOST 想出了一套非常巧妙的解决思路：先让机器人从人类执行完任务的结果，「想象」出机器人执行完任务的画面，再根据画面反推出机器人需要动作的动作。为实现这个方案，HOST 还设计了一个核心策略模型——双专家 MoT 架构。更通俗点理解，就是它有两个分工明确的大脑，一个「视觉大脑」负责理解视频、定位进度和预测未来场景，另一个「动作大脑」负责把视觉目标变成机器人动作：视觉大脑（Localization & Vision）：先看懂机器人干到哪一步了，对应的人类视频到哪一步。然后根据人类动作结果，脑补出将这个画面转换为机器人视角应当看到的画面（比如想象出水杯被夹爪拿起的画面）。动作大脑（Action）：负责把脑补出的机器人画面变成现实，计算机械臂怎么动才能达到目标。不强行模仿人类手臂的角度，只盯着需要实现的最终效果，然后从最终效果想象出动作。这样就绕过了「让机器人模仿人类动作」这个最难的跨越。当然，「单样本技能获取」容易让人产生误解，以为机器人此前完全没有接受训练。但其实这里的one-shot 指机器人面对一项新任务时，只需要接收一段人类演示，整个任务都是在「推理过程」中完成的，无需再为这项任务更新模型参数。支撑这种能力、让机器人能从视频学习的基础模型，依然经过了大规模训练。机器人出厂前可是见过大世面的。第一阶段主要使用机器人数据。会团队先喂给它 193462 条机器人轨迹以及对应的机器人执行任务视频（涵盖 229 项任务），让它尝试从机器人的任务视频中想象出结果，再拆解出自己这副钢铁身躯怎么动。第二阶段再加入人类与机器人的配对数据。比如用 5847 段人类任务视频和对应的机器人轨迹配对，让它学会把人的执行任务的画面翻译成机器的视角，好从人类视频学习。先利用规模更大的机器人数据建立任务理解和预测动作结果的能力，再用数量相对较少的人机数据完成能力的迁移，这样的好处是可以充分利用数据、降低对人机配对数据的依赖。而出山之后，再遇到新任务，直接把人类视频当操作指南，边看边干就行。学会叠袜子，也没忘了洗盘子掌握新技能只解决了一半的难题，更关键的是，机器人学会新技能后，原来的能力能否保留，同样决定了它能否长期「有用」。这就涉及到机器人一个极其令人头痛的痛点：灾难性遗忘。比如用后训练微调教机器人，会改变模型的参数、侵蚀模型原本已经学会的技能。这会导致「狗熊掰棒子」，看似学会了叠袜子，但以前很溜的洗盘子反而退步了。论文中也注意到了这个问题。论文选取了七项来自训练集、模型此前已经掌握的任务，包括取出瓶子、对齐袜子、堆叠杯子、整理包装材料、盖住中央物体、放置纸巾和排列花朵。研究人员先测试 HOST 与三种监督微调基线在这些旧任务上的表现。随后，三种基线通过监督微调学习新任务，HOST 则通过一段人类视频获取新技能，再重新测试各自的旧任务表现。在旧任务测试中，三种微调基线几乎被「灾难性遗忘」打回原形。学完新任务后，π0.5+SFT 只保留了原有表现的 17%，就连旧技能保留率最高的 Wall-OSS+SFT，也只保住了 40%。但 HOST 因为全程没改模型的脑回路（参数），旧任务表现基本没受影响，比最好的微调基线高出了整整 59 个百分点！在 HOST 眼里，那段人类视频就像一份可以保存和再次读取的「菜谱」。今天叠袜子，翻开第一页；明天理餐具，读第二页。技能随时调取，互不干涉。而且，这种机器人的学习方式极其「抗造」。研究团队设置了光线变化、替换同类物体、更换操作场景和执行过程中移动物品等干扰。HOST 在标准环境中的平均成功率为 62%。改变光照后下降 1 个百分点，替换物体后下降 4 个百分点，更换场景后下降 6 个百分点，执行中人为移动物品后下降 9 个百分点。最后一种情况下，平均成功率仍达到 53%。这还有个冷知识，物品被临时移动后，原有动作计划已经失效。但 HOST 会根据新的观察结果重新判断任务进度，再生成对应动作。这说明它真正理解了任务，在动态规划每一步，而不是在「背」动作序列。全面开源「技术家底」，普通人也能教机器人干活儿老实说，62% 的成功率，距离进工厂干活儿还有提升空间。反而是在家庭场景，不太关心单次成功率，更关心泛化性，也就是「多摸索几次没关系，最后做成了就行」。 HOST 的出现，让行业看到了一条具身智能极其性感的落地路线。2023 年底成立的自变量机器人，算是国内死磕「完全端到端路线」的具身智能硬核玩家，至今发布并开源的各种技术，已经「多如牛毛」。研发范围已经覆盖具身智能的 VLA 基础模型、世界模型、用来拆分动作的「动作分词器」、训练模型的底层「神经网络优化器」、数据采集系统和机器人本体。自变量不仅发布基础模型，还延伸到用来训练模型的底层基础设施。今年 4 月，他们发布了从零联合训练的具身大模型 WALL-B，采用独特的「世界统一模型」架构，已经部署在机器人里，在大量用户家庭做起家政服务。后来又发布了世界模型 WALL-WM，还开源了 VLA 模型 WALL-OSS-0.5，后者已经被很多科研机构用起来了。在机器人本体上，自变量已经自研并量产量子一号、量子二号。机械臂、关节模组、动力驱动器和主控制器等核心部件均为自主研发，并与算法深度适配，为机器人进入家庭和工业产线提供了载体。今年 3 月起，自变量又与 58 到家合作，让机器人与保洁人员共同进入普通家庭提供服务。5 月推出的「X 家庭成员计划」，还让机器人在用户家中连续驻留一个月，接受真实、随机家庭需求的检验。「从零开始」训练具身模型，在具身智能领域有相当高的门槛。真正能在国内从零预训练出好的具身模型，还搭建起从数据采集到模型训练的整套管线的，更是廖廖无几。购买现成模型、拼接几个模块，可以更快做出演示 Demo。真正从基础架构起步，意味着团队需要自己解决模型设计、数据生产、分布式训练、动作表达、真机控制和部署效率。自变量选择从零训练自己的基础模型，同时开放部分核心成果，已经形成一条从具身基础模型延伸到底层设施的开源技术「全家桶」，也成为国内开放具身智能核心技术、建设开发者生态的「扛把子」之一。在这些研究之外，HOST 正是让机器人在应用场景快速学习技能、真实落地的又一块技术拼图。现在，他们连同北理工和清华，直接把 HOST 的核心家底给开源了（论文、GitHub、Hugging Face 一应俱全）。▲ 项目主页：https://host-site.host-robotics.workers.dev论文链接：https://arxiv.org/abs/2607.20033Github 链接：https://github.com/CGuangyan-BIT/HOSTHuggingface 链接：https://huggingface.co/papers/2607.20033这就很有格局了。具身智能现在百家争鸣，处于技术路线快速变化的阶段。模型架构、动作对齐方法、数据规范、训练方法和评测标准都没有完全确定。单靠一个预训练模型，即使训得再好，距离能胜任家庭这个最终场景的「一切任务」仍很遥远。在这个特殊的时间点，能让机器人快速学到预训练没有的新技能，就对机器人真正「用起来」十分重要。HOST 就是让机器人先能「快速用起来」的技术神器。开源能够让更多研究机构和开发者参与其中。研究者可以复现论文结果，机器人公司可以尝试适配不同本体，开发者也能基于已有模型继续改进。同行的复现、质疑和改进，也会反过来加快模型迭代。这也让自变量进一步成为国内具身智能开源阵营中最鲜明的技术派之一。文章的最后，咱们不妨开个脑洞。过去，教机器人意味着采集专业数据；但在 HOST 展示的未来里，教学一个新技能终于不再需要「高薪算法工程师」，变成了普通人皆可完成、皆可受益的工作。你家机器人不会给衣服叠出你想要的效果？没关系，你亲自站在它面前叠一遍，剩下的它自己悟。或许不久的将来，互联网上最火的不再是搞笑段子，而是各种《让机器人欲罢不能的 100 个家务教学短片》。普通人教机器人做事的时代，这次是真的要来了。

8 月 3 日上午，何小鹏在微博官宣了小鹏 G9L：「全球大五座的科技旗舰，30 万级科技标杆，小鹏 G9L 今天来了。」他还透露，G9L 三年前就已立项，启动时间大约在第一代 G9 上市一年之后。严格来说，G9L 并非今天才第一次露面。早在 6 月，G9L 就已经进入工信部第 407 批申报目录中，涵盖纯电、增程两种动力。今天的官宣补上了座椅、底盘、智能化和安全等信息，整体来看，尽管 G9L 名字里的 L 确实意味着加长，但小鹏想增加的显然不只是车身长度。超三米轴距，也要好开好坐G9L 的长宽高为 5120×1999×1782mm，轴距为 3100mm，申报中还出现了 1788mm 和 1795mm 共三种车高，这一差异可能跟空悬配置有关。相比现款 G9，G9L 长了 229mm、宽了 62mm，轴距增加 102mm，可以说整体大了一号，从中大型 SUV 的尺寸向全尺寸靠近。与刚上市的小鹏 GX 相比，G9L 也只是短了 145mm，轴距少了 15mm，两台车的宽度完全相同。这么大的车身只放两排座椅，意味着多出来的空间可以留给二排腿部和行李，小鹏官方公布的后备厢容积达到 1152L，相比小鹏 GX，G9L 面向座位需求没有那么多，同时又不愿放弃大车空间、长途装载和旗舰配置的用户。动力层面，G9L 也提供了纯电和增程两种选择。G9L 纯电版提供 91.9kWh 磷酸铁锂和 110kWh 三元锂电池，CLTC 续航覆盖 672～805km；两驱版搭载 270kW 单电机，四驱版采用前 160kW、后 270kW 双电机。增程版搭载东安动力 1.5T 增程器，最大功率 110kW，全系配备 63.3kWh 磷酸铁锂电池，WLTC 纯电续航分别为两驱 350km、四驱 325km。稍显意外的是，这次官宣中，小鹏将相当多的镜头留给了 G9L 的底盘。视频中的 G9L 在戈壁和非铺装路面高速行驶，暗示其底盘和悬架的实力，G9L 全系标配旗舰智能底盘和 22 英寸鸳鸯胎，现有曝光信息还显示新车将配备后轮转向，在硬件配置方面给了 G9L 足够的兜底。此外，何小鹏还宣称 G9L 创造了「同级别最快麋鹿测试成绩」，尽管官方没有公布测试速度和测试标准，但至少说明即便是一台「大五座」，小鹏也并不准备让它只能照顾后排。车内舒适性方面，小鹏 G9L 主打一个「主动」。G9L 首发「全体型 AI 主动贴合座椅」，使用 91 个压力传感器，官方称最低可感知 2 克压力，并能根据乘员体型和坐姿自动调节支撑。零重力模式之外，这套座椅还想让不同身高、体重和坐姿的人坐进车内后，不必反复寻找靠背、腰托和腿托的位置。此外，带防夹、防摔和主动避障功能的智能电动四门，也能让上下车显得优雅一些。智能化则是小鹏最熟悉的一张牌。G9L 将搭载第二代 VLA 的首次重大升级版本，官方信息显示整车有效算力达到 2250TOPS，同时提供 EIS 电池安全芯片和 AI 数字投影大灯。安全上，它继承 GX 的主动、被动安全能力和航空级安全冗余，并按照全球四大权威机构五星标准开发，何小鹏也表示，G9L 的安全测试和 GX 保持一致，对于一台「全球车型」而言，对安全的高标准是一条底线。从「50 万以内最好」，到「30 万级标杆」G9 这个名字在小鹏内部并不轻松。2022 年 9 月，第一代 G9 上市，何小鹏称其为「50 万以内最好的 SUV」，价格达到 30.99 万～46.99 万元。但过于复杂的车型命名和选装关系很快招来质疑，随后出现退订风波，上市后的销量也很难说达到旗舰应有的水平，在改款之前，G9 的单月销量最高只有 4020 辆。何小鹏后来将这轮失利总结为七个问题，涉及放弃标配智能驾驶、堆入太多用户感知不强的配置、价格偏离预期，以及产品和营销节奏失当。实际上第一代 G9 并不缺技术，800V 高压平台、双腔空气悬架和 5D 音乐座舱在当时都足够新颖，但小鹏没有将这些能力整理成一套容易理解和购买的产品。直到 2023 年 9 月，2024 款 G9 精简版本、降低价格，砍掉一部分感知较弱的配置重新出发，销量才逐渐回升。如今现款 G9 的指导价已经下探至 24.88 万～27.88 万元，当年「50 万以内最好」的站位基本被价格消解。相比此前 G9 的大张旗鼓，G9L 需要一套相对务实的打法，除了从「50 万以内最好」变成「30 万级标杆」，G9L 还选择了将小鹏 GX 的产品力「下放」到自己身上。从已经披露的动力数据看，G9L 与两个月前上市的 GX 高度同源：两车增程版均采用东安 1.5T 增程器、63.3kWh 磷酸铁锂电池，四驱版前后电机功率同为 160kW 和 210kW；纯电四驱版也使用前 160kW、后 270kW 电机，110kWh 电池同样出现在 GX 高配车型上。从某种意义上来说，G9L 是和 GX 同一定位的大五座产品。此前 GX 的限时权益价为纯电 26.98 万元起、增程 27.98 万元起，现款 G9 则停在 24.88 万～27.88 万元。尽管带着「30 万级科技标杆」的定位，但小鹏 G9L 的定价大概率将会略低于 GX，这也是目前同级别大五座产品的普遍价格落位。对于小鹏内部来说，G9L 填补了大五座的缺位，但放眼国内外市场，G9L 要面对的挑战还很多。在国内，同级别的大五座产品现在着实不少。小米澎程系列正在用大车身、增程和家庭空间进入这一价格带，理想 L6 则已经占住了五座增程家庭 SUV 的主流位置。单靠「大五座」的后排空间，或一块增程版本 63.3kWh 电池，其实很难让 G9L 显得出众，但小鹏还是用引以为傲的智能化，以及可能的底盘优势，给 G9L 找了一个缺口。从官宣视频也不难看出，小鹏希望把 G9L 打造成一台又好坐、又能开的车。放眼到海外，小鹏正在加快全球化，小鹏 MONA L03 刚在慕尼黑完成全球上市，面向 65 个国家和地区展开销售。G9L 也将沿着这条路继续出发，何小鹏已经明确 G9L 是一台全球车型，而之前在慕尼黑街头就出现过 G9L 的伪装测试车，若未来在欧洲上市，它还要接受当地消费者对空间、补能和智能化的重新审视。要成为一家真正的全球车企，小鹏需要回答不同市场的认证、补能和使用习惯，G9L 在国内要重新撑起一台大五座旗舰，在海外则要证明，小鹏的智能化和大车技术能否离开中国市场继续成立。三年前，G9 的问题是技术强悍，却没有把产品讲清楚，三年后，G9L 已经把大五座、双动力、操控乃至舒适性都摆到了台面上，但却要面对更加复杂的市场环境和对产品越来越「挑剔」的消费者们。

智能辅助驾驶技术对于普通驾驶者来说，无异于「魔法」：车居然自己会开？在深圳欢乐海岸，红旗天工和卓驭开了一家有些特殊的展厅，想把「魔法」进行解密：车辆陈列不是这里的重点，展厅以「移动物理 AI」为主线，设置智能辅助驾驶和车载无人机两条产品线，并将感知、算法、驾驶决策等抽象技术拆解成五个互动体验区。对于普通消费者来说，这些过去藏在工程师电脑、域控制器和发布会演示视频里的东西，终于有了更直观的展示机会。大部分的智驾供应商很少需要直接面对消费者，他们的名字可能出现在配置表里，也可能被概括成某套驾驶辅助方案，真正被用户感知的依然是汽车品牌。在很长一段时间里，供应商最重要的工作是完成开发、保证交付，然后留在幕后。卓驭这次选择向前一步。卓驭科技 CEO 沈劭劼说：卓驭跳出作为传统供应商，正式走向前台，去探索不仅仅是做产品、技术，也能看看 C 端到底能够传递一些什么东西。展厅开业当天，全新一代红旗天工 08 也在深圳上市，限时权益价为 17.99 万元。新车首发搭载卓驭「高悟性端到端 4.1」系统，采用由仿生双目与长焦单目组成的「惯导三目」视觉方案。相比于已经落地的具体车型，在展厅内的采访则聊得更远。端到端 4.2、原生多模态模型、面向 L3 的三冗余架构，以及卓驭从乘用车智驾向「移动物理 AI」延伸的方向，共同勾勒出红旗天工与卓驭接下来数年的合作路线。这座面向所有人的展厅，某种程度上也可以说双方关系有了新的变化，智驾供应商开始走到消费者面前，车企与供应商之间沿用多年的边界，也在被新一轮技术周期重新划定。从端到端 4.1，到「比人快 0.1 秒」全新一代天工 08 搭载的端到端 4.1，源自卓驭在 2026 年 4 月发布的端到端 4.0。按照卓驭 CEO 沈劭劼的介绍，4.0 已经完成完整的数据驱动，包括横向、纵向控制，以及变道和导航决策。4.1 的版本号只向前迈进一小步，模型在驾驶体验上的变化却相当明显。他说：小版本是 4.1，没加多少，但性能变化非常大。所谓性能变化，不只是车辆能否完成一段从 A 点到 B 点的导航辅助驾驶。系统何时变道、怎样超过慢车、面对加塞车辆如何反应，以及能否在路口和视野盲区提前减速，都会影响用户对它的评价。沈劭劼将这种能力概括为「老司机的感觉」。它意味着车辆开始学习人类驾驶中的大量微动作：看到路边行人时略微收油，经过积水路面时降低速度，进入没有交通信号灯的路口前提前观察。过去依靠规则编写的系统，很难穷举这些细微而复杂的判断。卓驭还计划在 2026 年内推出端到端 4.2。沈劭劼预计，随着 4.2 落地，现阶段端到端技术范式会逐渐收敛，性能大致达到「百公里安全接管一次左右」。他给出的另一个数据，更能说明智驾技术目前的变化速度：行业平均水平百公里平均接管，今年比去年降了 10 倍，不是夸张，而且提高的趋势目前没有减慢，还在快速提升。燃油车时代，发动机热效率、传动效率和油耗水平通常以几个百分点缓慢进步；今天的辅助驾驶依然处在技术范式快速更替的阶段，模型、数据和算力的变化，都可能在几个月内重写原有体验。这也是沈劭劼暂时不愿判断智驾供应商市场最终会「赢家通吃」还是「多家并存」的原因：甚至在现在这个时候，连技术范式都还没有完全收敛。当接管率还可以一年降 10 倍的时候，技术范式锁定的时候，你不应该看得到这种级别的提升速度。在端到端 4.2 之后，卓驭计划于 2026 年第四季度，与红旗天工首发下一代原生多模态基础模型。按照沈劭劼的说法，这套模型将在规模、训练范式和数据来源上出现较大变化，对应海外 FSD V14 所代表的新一代路线。相比模型拥有多少参数，用户更容易感知的是车辆反应速度，沈劭劼这么介绍其中的区别：端到端的感觉，有点像前面看到了一个东西进来了，可能过了 0.1 秒、0.01 秒之后，这个车开始有反应。到了下一代技术模型之后，你的感觉就是车先有反应，人才看到这个东西，属于车比人快 0.1 秒和车比人慢 0.1 秒的区别。人类驾驶员的注意力需要在前车、后视镜、导航和道路两侧之间切换，车辆的摄像头则可以持续观察多个方向。当行人靠近道路、旁车出现变道趋势，模型可能在人类驾驶员意识到风险之前，便开始减速或调整轨迹。复杂的多模态模型，最终被压缩成一个只有 0.1 秒的体验差异。但在高速移动的汽车上，这 0.1 秒会转化成数米距离，也会影响驾驶者是否愿意把控制权继续交给系统。全新一代天工 08 将通过 OTA 获得这套模型。沈劭劼明确表示：明年上半年一定会把比人快 0.1 秒的能力给 OTA 上去，这个平台还能打很久。现有车型可以持续获得模型升级，硬件边界仍然客观存在。沈劭劼也提醒用户，现款天工 08 无法仅通过软件升级进入 L3。面向 L3 的下一代天工平台计划于 2027—2028 年推出。根据双方披露的信息，该平台将采用超过 1000 TOPS 的三冗余域控制器，并配备固态激光雷达、补盲激光雷达和 4D 毫米波雷达。电源、控制、底盘和动力系统也将围绕 L3 的安全要求重新设计。沈劭劼判断，到 2027 年中，L2 辅助驾驶将逐渐进入体验「比较满意、收敛」的阶段，装车率随之快速增长。此后，行业的主要竞争会进一步转向 L3、L4，乘用车高阶自动驾驶与 Robotaxi 的技术边界也将越来越模糊。供应商与主机厂开始共用一张时间表在传统汽车供应链中，主机厂负责定义整车，供应商按照项目要求交付零部件或系统。责任、成本和质量边界都可以通过合同划分清楚。这套模式形成于一个技术周期相对稳定的年代。冯彪提到，燃油车时代，一款内燃机的更新周期往往长达 10—12 年。主机厂可以先等待技术成熟，再寻找供应商定点，双方沿着既定流程完成数年的开发和验证。智能驾驶的技术节奏完全不同。沈劭劼坦言：辅助驾驶技术发展非常快，不夸张说技术范式 3 个月变一次是很正常的事。一套刚刚形成的模型，需要经过车企立项、验证、定点和量产。等到正式上车，下一代模型可能已经出现。对于智驾公司而言，最先进的技术未必能够最快获得客户；对于车企而言，任何新技术又必须接受严格的质量与安全验证。沈劭劼并没有回避这种矛盾：我们自己本身作为完全的供应商，乙方供应商的角度来讲面临的最大问题，不是找不到客户，而是找不到客户用我们最先进的东西。红旗天工与卓驭尝试建立一套更紧密的联合开发模式。双方共同定义用户场景、测评准出体系和开发节奏，研发团队从项目早期便沿着同一条时间线工作。一汽红旗天工事业部总经理冯彪说：我们所有现在的产品开发，无论是准入、准出的标准、用户场景的定义、开发节奏、双方联合开发的编队，它就不是供应商和主机厂的关系，就是我们联合开发的关系。能够走到台前，就是因为不是供应商的关系。双方关系的变化，在智驾与底盘、动力和车身控制开始融合后更加明显。沈劭劼举了一个经过水坑的例子。车辆一侧车轮驶过积水，左右车轮附着力不同，传统系统可能触发车身稳定程序，随后让辅助驾驶退出。新的处理方式可以让视觉模型提前识别水坑，选择绕行；也可以在通过水坑前主动降低速度，并协调智驾和底盘控制系统，减少突然退出的概率。这些东西完全按照供应商的模式都扯不完，里面任何一个功能按照最后的质量条款划分都能扯半天，但是我们现在都没有这些问题。按照过去的分工，视觉系统负责识别，智驾域控制器负责决策，底盘负责执行。发生问题后，各方很容易将注意力放在责任归属上。随着汽车逐渐成为一个更完整的智能体，这些功能之间需要更高频、更深入的协同。冯彪认为，车辆打滑时，智驾系统简单退出并把控制权交还给驾驶员，只是当前安全边界下的解决方案。用户更期待的状态，是车辆能够联合调动转向、动力和制动，帮助驾驶员控制住车辆。因此，红旗天工和卓驭的下一代平台合作已经延伸至智能底盘、动力域和整车控制。卓驭提供模型、感知与决策能力，红旗天工掌握底盘、动力和整车安全，原本清晰的技术边界开始相互渗透。沈劭劼用「因为相信，所以看见」形容这种模式。车企会在技术形成早期便参与进来，与智驾公司共同完成工程化和量产验证，而非等到所有结果都已经摆在桌面上再作决定。他说：我们会一起把最先进的东西去首发、落地，在第一天就做了这个决策我必须要用，而不是去纠结你先做出来，做出来我看着好再用。这种深度合作也需要接受市场检验。冯彪透露，天工 08 从 7 月 1 日开启预售，到 8 月 1 日正式上市，仅间隔一个月，预售效率较红旗以往车型高出「几十倍、几百倍」。现场没有公布具体订单数量，这一说法暂时只能反映红旗自身产品之间的纵向变化。在天工品牌三年达到年销 10 万辆的规划中，5 米级大五座 SUV 预计贡献 20%—30%，甚至更高比例。天工 08 会是销量支柱，产品本身也会随着软件、硬件和市场需求持续调整。冯彪说：很难说这个时候的 08 会一直保持到那个时候。如果这样做，它也无法适应当前中国新能源市场激烈的竞争态势和新增用户的需求场景。从智能驾驶，走向「移动物理 AI」目前，卓驭拥有 34 家大小客户，常州第二座工厂已经投产，产能提升约一倍。2026 年以来，公司在乘用车和商用车领域获得的定点数量，已经超过过去两年之和。卓驭的业务范围也在从乘用车向外延伸。沈劭劼透露，首款搭载端到端智驾系统的商用车预计于 2026 年 8 月投放，重卡干线物流和无人物流车将在近期展开较大规模试运行。这些业务被纳入卓驭提出的「移动物理 AI」框架。在沈劭劼看来，物理世界中的任务可以大致分成「移动」与「操作」两类。卓驭关注车辆、轮式设备或有腿机器人如何从 A 点移动到 B 点；机械臂和灵巧手面对的抓取、装配和手眼协同，则属于另一套数据结构：所有移动类任务的特征都是这样的：我的传感器装在平台上，传感器运动轨迹和平台运动轨迹一样。操作类的任务特征不是这样的，它是传感器和实际操作不在一个坐标系上，它是手眼协同的过程。汽车、重卡和无人物流车的外形、载荷与使用场景差异很大，但它们共享相近的数据关系：传感器跟随移动平台一起运动，模型需要理解空间、预测其他交通参与者，并规划一条安全轨迹。基于这一判断，卓驭希望把辅助驾驶积累的数据、模型和工程能力复制到更多移动设备上，同时暂时避开机器人「上半身操作」任务。「移动物理 AI」由此成为一家智驾供应商扩展业务边界的方法。不过，无论车辆还是其他移动设备，最终都需要处理真实物理世界中的安全问题。在纯视觉与激光雷达的路线争论中，沈劭劼认为，两种方案各有能力边界。激光雷达是主动感知系统，在部分极端光照环境中具有优势；「惯导三目」依靠立体视觉，图像信息密度更高，对细小障碍物也有自身优势。这里面有一个关键问题，是系统抵达感知边界后会采取什么动作？沈劭劼说：任何系统都有对应的系统边界，关键是到了这个系统边界，和消费者有没有一个恰当的交互。不是说撞之前 0.01 秒退出，这肯定是不行的。沈劭劼并不赞同为了证明传感器性能，就让车辆在大雾等极端环境中继续维持 120 km/h。更加合理的方式，是让模型根据能见度、路面状态和交通环境主动改变驾驶策略。他说：谁说大雾的时候我要开 120 公里？如果模型本身就具备这个能力，整个系统的驾驶行为和当前的环境是匹配的。当视野变差，系统主动降低速度；进入盲区，车辆提前采取防御性驾驶；确认无法继续处理时，再把控制权留给驾驶员。这些动作比单纯增加传感器数量更接近一名成熟司机的思考方式。卓驭也对「人车共驾」划出了相对清晰的边界。驾驶员可以在拥堵、变道、抢车位和路线选择等效率场景中帮助系统，但在高速、高动态的安全场景里，人和车辆同时做出控制动作，反而可能相互干扰。我们会尽一切可能避免出于安全考虑的人车共驾。即使系统必须退出，也需要给驾驶员留下充足反应时间。沈劭劼说：即使退出，还是那句话，别撞之前 0.01 秒退出，要退提前 5 秒钟退吧。