滴滴声
10-21
Replying to
@我是爱你不悔
:Large版本估计更猛
//
@我是爱你不悔
:具身智能今年是真火
@王五仕：
明略科技(2718.HK)推出适用于多模态大模型及世界模型的新一代技术架构：VisionHOPE
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":620673143443552,"tweetId":"620673143443552","gmtCreate":1792558671097,"gmtModify":1792558674058,"author":{"id":4129795572139530,"idStr":"4129795572139530","authorId":4129795572139530,"authorIdStr":"4129795572139530","name":"滴滴声","avatar":"https://static.tigerbbs.com/8ac77c1368b09c07ce45417aea648a3c","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":2,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body>Replying to <a href=\"https://laohu8.com/U/4129866888184470\">@我是爱你不悔</a>:Large版本估计更猛\n<br>//<a href=\"https://laohu8.com/U/4129866888184470\">@我是爱你不悔</a>:具身智能今年是真火\n<br></body></html>","htmlText":"<html><head></head><body>Replying to <a href=\"https://laohu8.com/U/4129866888184470\">@我是爱你不悔</a>:Large版本估计更猛\n<br>//<a href=\"https://laohu8.com/U/4129866888184470\">@我是爱你不悔</a>:具身智能今年是真火\n<br></body></html>","text":"Replying to @我是爱你不悔:Large版本估计更猛 //@我是爱你不悔:具身智能今年是真火","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/620673143443552","repostId":620648868774848,"repostType":1,"repost":{"magic":2,"id":620648868774848,"tweetId":"620648868774848","gmtCreate":1792552675434,"gmtModify":1792553136549,"author":{"id":4232514960896280,"idStr":"4232514960896280","authorId":4232514960896280,"authorIdStr":"4232514960896280","name":"王五仕","avatar":"https://static.tigerbbs.com/e3a9fb7016e010d309e1b761f8fec532","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":16,"starInvestorFlag":false},"themes":[],"images":[{"img":"https://static.tigerbbs.com/d2631a4dc924de2665f317fa4157992b","width":"1080","height":"373"}],"coverImages":[{"img":"https://static.tigerbbs.com/d2631a4dc924de2665f317fa4157992b","width":"1080","height":"373"}],"title":"明略科技(2718.HK)推出适用于多模态大模型及世界模型的新一代技术架构：VisionHOPE","html":"<html><head></head><body><p>VisionHOPE 探索了一种新的视觉骨干网络架构：模型处理图像时，可以根据图像内容动态调整内部信息的更新方式。它关注的，是模型如何处理信息、如何在计算过程中调整自身状态。</p>\n<p style=\"text-align: justify;\">在一条高速运转的生产线上，一道细微的划痕，可能决定一件产品能否出厂；在机器人的抓取任务中，物体的边缘、遮挡和位置变化，都可能影响机械臂的下一步动作；在医学影像里，一个需要进一步观察的微小区域，往往藏在复杂的组织结构之中。</p>\n<p style=\"text-align: justify;\">这些看起来不太一样的难题，都指向AI的一项基础能力：面对不同的图像，模型能不能更灵活地处理信息，同时兼顾效果与计算成本？</p>\n<p style=\"text-align: justify;\"><strong>这也是明略科技与中国科学院自动化研究所开展 VisionHOPE 研究时，关注的核心方向。</strong></p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/d2631a4dc924de2665f317fa4157992b\" tg-width=\"1080\" tg-height=\"373\"></p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 探索了一种新的视觉骨干网络架构：</strong>模型处理图像时，可以根据图像内容动态调整内部信息的更新方式。它关注的，是模型如何处理信息、如何在计算过程中调整自身状态。</p>\n<p style=\"text-align: justify;\">这项研究目前已经在 ImageNet-1K、COCO、ADE20K 等通用视觉基准上取得了具有竞争力的结果，也展现了高分辨率图像处理中的效率优势。</p>\n<p style=\"text-align: justify;\">对明略科技来说，底层模型研究的价值，最终还要回到真实业务里看。<strong>模型能不能把图像处理得更高效？面对不同场景时，能不能减少一些重复调试的工作？</strong>这些问题关系到技术能否走出实验环境，成为企业真正用得上的能力。</p>\n<p style=\"text-align: justify;\">VisionHOPE 的探索，正好提供了一个观察这些问题的切口。</p>\n<p style=\"text-align: justify;\"><strong>01｜VisionHOPE 到底新在哪里？</strong></p>\n<p style=\"text-align: justify;\">理解 VisionHOPE，不妨先想想普通模型是怎么工作的。</p>\n<p style=\"text-align: justify;\">模型经过训练后，会形成一套处理图像的参数和规则。面对新图片，它会利用训练中学到的能力，提取特征、识别物体、判断图像内容。<strong>VisionHOPE 尝试改变的是模型处理信息的方式。它在内部设计了五类相互关联的记忆机制，</strong>分别参与信息内容、信息关联、更新方向、更新幅度和信息保留等环节。模型处理图像时，这些机制会协同调整，让信息如何被保留和更新，也成为计算过程的一部分。</p>\n<p style=\"text-align: justify;\">打个比方，经验丰富的质检员面对一批产品，不会机械地用完全相同的方式检查每个位置。他会根据眼前的纹理、结构和细节，决定哪里需要多看一眼，哪里可以快速扫过。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 研究的，就是如何让模型在处理图像时，也能根据当前的信息调整内部的处理方式。</strong></p>\n<p style=\"text-align: justify;\">另一个关键问题是稳定性。模型如果一边处理信息、一边调整内部更新规则，就必须避免调整幅度越来越大，导致计算过程失去控制。研究团队为此设计了稳定性控制机制，并对记忆状态更新的稳定性进行了数学分析。</p>\n<p style=\"text-align: justify;\">计算效率同样重要。图像分辨率越高，模型需要处理的信息就越多。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 采用不同于传统 Transformer 注意力机制的计算架构，目标之一就是让计算开销随图像尺寸增长得更平缓。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 的 Small 版本在 ImageNet-1K 图像分类基准上的 Top-1 准确率达到 85.2%，Base 版本达到 85.6%；在 COCO、ADE20K 等任务上，也取得了具有竞争力的结果。</p>\n<p style=\"text-align: justify;\">这些成绩说明，这套架构已经在通用任务上展示出技术潜力。接下来更值得关注的，<strong>是它在不同业务场景中能否继续发挥这些优势。</strong></p>\n<p style=\"text-align: justify;\"><strong>02｜多模态大模型：持续学习能力，正在改写成本与适配逻辑</strong></p>\n<p style=\"text-align: justify;\"><strong>多模态大模型先让视觉编码器“看图”，再交给语言模型“理解”。</strong>这双“眼睛”看得细不细、快不快、贵不贵，固然影响算力账单；但更关键的是，它决定模型能不能在处理新图像时“学得动、调得快”。视觉编码器不只是成本闸门，也是持续学习能力的入口。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 通过耦合记忆和动态更新机制，让视觉特征处理根据图像内容更灵活地组织信息。</strong>这不是简单堆参数换能力，而是尝试让模型在处理信息时具备更强的适应性，为多模态大模型提供新的架构选择。</p>\n<p style=\"text-align: justify;\">在 ImageNet-1K 上，VisionHOPE-S Top-1 准确率达 85.2%，VisionHOPE-B 达 85.6%，说明其在通用视觉任务上具备竞争力，也为真实场景中的学习与适配提供了技术基础。</p>\n<p style=\"text-align: justify;\"><strong>这种学习与适配能力，在高分辨率场景里尤其有现实意义。</strong>在一组高分辨率实验中，基于 VisionHOPE 的模型 FLOPs 降低 52.8%，吞吐量达对照模型 4.42 倍，内存开销降低 94.6%。改善成本是一方面；更重要的是，省下的算力可以留给模型处理更多新图像、新场景，为持续学习腾出空间。</p>\n<p style=\"text-align: justify;\">往长远看，持续学习的价值在于少“重新来过”。当前多模态大模型主要依赖训练阶段形成的参数，场景一变常需补数据、重训练。VisionHOPE 将记忆内容与更新规则结合，探索模型在推理中根据当前输入调整内部记忆。若未来能扩展到跨图像、跨任务的信息积累，模型就有机会在推理中更充分地利用新信息，逐步走向持续学习，减少对反复重训的依赖。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 对多模态大模型的价值，不只在于让高分辨率账单更可控，更在于让模型面对变化时，拥有持续学习的能力。</strong></p>\n<p style=\"text-align: justify;\"><strong>03｜具身智能：世界模型要跑起来，视觉底座先得跟得上</strong></p>\n<p style=\"text-align: justify;\">我们把视角转向具身智能领域。</p>\n<p style=\"text-align: justify;\">机器人面对的压力，首先是时间。抓取物体时，物体的位置可能不断变化；移动过程中，行人会经过，障碍物会出现，摄像头的视角也可能发生改变。视觉系统需要及时处理这些信息，为后续的动作判断提供依据。它不能只在一张静态图片上表现出色，还需要在连续变化的环境中工作。与此同时，机器人搭载的计算设备通常受到功耗、体积和成本限制。模型如果算得太慢，或者占用太多资源，再高的识别精度也很难直接转化为现场能力。</p>\n<p style=\"text-align: justify;\"><strong>具身智能领域需要解决一个很实际的问题：能不能在有限的计算资源下，尽快从复杂画面里提取有用的信息？</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 对高分辨率图像处理效率的探索，与这一需求有关。它采用的计算架构，值得进一步研究能否在复杂任务中兼顾图像信息的处理效果与计算开销。更进一步看，机器人不只需要“看清现在”，还需要“想到下一步”。</p>\n<p style=\"text-align: justify;\">这就涉及世界模型：机器人要在内部形成对环境状态和变化趋势的某种表征，才能支持路径规划、动作预判和避障决策。<strong>世界模型需要从连续画面中抽取稳定信息，又要跟得上环境变化，对视觉编码器的效率、信息保留和动态更新能力都提出了更高要求。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 的动态记忆与更新机制，以及面向高分辨率图像的计算设计，为未来探索更高效的视觉表征提供了想象空间：如果模型能在有限算力下更好地组织连续观测中的关键信息，<strong>它就有可能为世界模型提供更轻量、更灵活的视觉处理基础。</strong></p>\n<p style=\"text-align: justify;\"><strong>04｜工业质检：最贵的可能是那次“重新来过”</strong></p>\n<p style=\"text-align: justify;\">在工厂里，一条产线上的视觉质检系统，可能已经积累了大量样本，模型也经过多轮调试，原本运行得相当稳定。但生产并不会永远停在同一个状态：产品会换型号，原材料会更换，设备和光照条件也会调整。</p>\n<p style=\"text-align: justify;\">对企业来说，麻烦在于每次变化都可能带来新的识别问题。算法团队需要判断原有模型还能不能用，哪些样本需要补充，哪些参数需要调整，再通过测试确认效果。一个看起来不大的生产变化，背后可能是一轮新的适配工作。</p>\n<p style=\"text-align: justify;\">所以，<strong>工业质检真正关心的，不只是模型第一次能不能把缺陷找出来，还包括生产条件变了之后，要花多大力气才能让它继续稳定工作。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 的研究与这个问题有怎样的联系？</p>\n<p style=\"text-align: justify;\">它探索的动态信息更新机制，为模型如何处理不同图像提供了新的思路。面对纹理、材质和细节各异的产品图像，模型能否更灵活地调整信息处理方式，是一个值得继续研究的方向。</p>\n<p style=\"text-align: justify;\">这里的商业价值并不难理解：<strong>如果模型未来能够更好地适应产品和成像条件的变化，企业就有机会减少部分重复调试工作，让质检方案更容易迁移到新的产品和产线。</strong></p>\n<p style=\"text-align: justify;\">当然，这项价值需要在真实产线上验证。比起笼统地说模型“更智能”，更有意义的是看几笔具体的账：产品换型后需要补充多少样本，模型适配周期能缩短多少，不同批次产品的检测效果是否稳定，以及整个系统需要多少计算资源。这些数字，才会告诉企业这项技术究竟能省下多少时间和成本。</p>\n<p style=\"text-align: justify;\">对工业质检来说，值得期待的变化，是每次生产条件改变时，算法团队都不必从头忙一遍。</p>\n<p style=\"text-align: justify;\"><strong>05｜医疗与遥感：整张图很大，关键线索却很小</strong></p>\n<p style=\"text-align: justify;\">还有一些任务，<strong>难点不完全在于环境变化，而在于图像本身太复杂。</strong></p>\n<p style=\"text-align: justify;\">一张病理切片包含大量细胞和组织结构，需要从中发现值得进一步观察的区域；一景遥感影像覆盖广阔的地理范围，分析人员则需要识别其中的道路、建筑、植被变化或异常目标。</p>\n<p style=\"text-align: justify;\">在这些场景里，真正重要的信息可能只占整幅图像很小的一部分。图像缩得太小，细节容易丢失；保留高分辨率，又会增加计算负担。</p>\n<p style=\"text-align: justify;\">这就像在一座城市的全景地图上寻找一条异常道路：只看局部，可能失去周边环境的信息；把所有细节都放大处理，又会耗费大量时间和算力。</p>\n<p style=\"text-align: justify;\">对于AI模型而言，<strong>怎样处理好整幅图像与局部细节之间的关系，是一个重要的技术问题。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 面向高分辨率图像的计算架构，为这一方向提供了新的研究选择。论文报告的效率实验，也为继续探索大尺寸图像处理提供了依据。</p>\n<p style=\"text-align: justify;\">不过，医疗和遥感各有专业要求。医疗影像需要专业标注、诊断准确性评估以及严格的临床验证；遥感任务则需要考虑传感器、成像条件和地理环境的差异。</p>\n<p style=\"text-align: justify;\">这两个领域也让我们看到，AI模型未来的竞争力，不只体现在识别结果上，还体现在能否高效处理复杂图像，同时保留完成任务所需的关键信息。</p>\n<p style=\"text-align: justify;\">图像越来越大，重要线索却未必更显眼。如何把计算用在真正需要的地方，是高分辨率视觉研究绕不开的问题。</p>\n<p style=\"text-align: justify;\"><strong>06｜AI下一步，要回答的不只是“准不准”</strong></p>\n<p style=\"text-align: justify;\">回到开头的三个场景。工业质检希望少一些重复调试，机器人需要及时处理变化中的画面，医疗与遥感影像则希望在海量信息中保留关键细节。它们看似是三张不同的考卷，背后却指向同一个问题：模型能不能在真实世界里，跟上变化、接住细节，并为下一步判断留出空间。</p>\n<p style=\"text-align: justify;\">过去，人们评价模型，常常先看准确率。但随着模型进入更复杂的真实环境，计算效率、信息处理方式、面对新任务时的适应能力，以及能否在连续变化中持续学习，正成为新的评价尺度。<strong>未来的AI架构，不只要回答“准不准”，还要回答“遇到变化能不能跟上”。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 已经在通用任务上展示了新的技术探索。对明略科技来说，这像一个新的切口：让模型的底层创新，最终经得起真实任务的检验，<strong>也让新一代AI从“识别世界”走向“理解变化、适应现场”</strong>。</p>\n<p style=\"text-align: justify;\"><strong>关于明略科技｜</strong></p>\n<p style=\"text-align: justify;\">明略科技（2718.HK），成立于2006年，中国领先的具备自研模型能力的Agentic Service企业。2025年作为\"全球Agentic AI第一股\"登陆港交所。曾两度斩获吴文俊人工智能科学技术奖，多次入选Gartner、IDC相关报告，拥有2400余项技术专利及500余项软件著作权。近年来，多个AI模型在全球权威榜单取得领先成绩。依托20年技术积累，明略科技已服务135家财富世界500强、约2100家品牌客户及超24万家企业用户，覆盖零售、消费品、汽车、3C等行业。</p>\n<p><a href=\"https://laohu8.com/S/02718\">$明略科技-W(02718)$</a> <a href=\"https://laohu8.com/U/20722186463466\">@爱发红包的虎妞</a></p></body></html>","htmlText":"<html><head></head><body><p>VisionHOPE 探索了一种新的视觉骨干网络架构：模型处理图像时，可以根据图像内容动态调整内部信息的更新方式。它关注的，是模型如何处理信息、如何在计算过程中调整自身状态。</p>\n<p style=\"text-align: justify;\">在一条高速运转的生产线上，一道细微的划痕，可能决定一件产品能否出厂；在机器人的抓取任务中，物体的边缘、遮挡和位置变化，都可能影响机械臂的下一步动作；在医学影像里，一个需要进一步观察的微小区域，往往藏在复杂的组织结构之中。</p>\n<p style=\"text-align: justify;\">这些看起来不太一样的难题，都指向AI的一项基础能力：面对不同的图像，模型能不能更灵活地处理信息，同时兼顾效果与计算成本？</p>\n<p style=\"text-align: justify;\"><strong>这也是明略科技与中国科学院自动化研究所开展 VisionHOPE 研究时，关注的核心方向。</strong></p>\n<p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/d2631a4dc924de2665f317fa4157992b\" tg-width=\"1080\" tg-height=\"373\"></p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 探索了一种新的视觉骨干网络架构：</strong>模型处理图像时，可以根据图像内容动态调整内部信息的更新方式。它关注的，是模型如何处理信息、如何在计算过程中调整自身状态。</p>\n<p style=\"text-align: justify;\">这项研究目前已经在 ImageNet-1K、COCO、ADE20K 等通用视觉基准上取得了具有竞争力的结果，也展现了高分辨率图像处理中的效率优势。</p>\n<p style=\"text-align: justify;\">对明略科技来说，底层模型研究的价值，最终还要回到真实业务里看。<strong>模型能不能把图像处理得更高效？面对不同场景时，能不能减少一些重复调试的工作？</strong>这些问题关系到技术能否走出实验环境，成为企业真正用得上的能力。</p>\n<p style=\"text-align: justify;\">VisionHOPE 的探索，正好提供了一个观察这些问题的切口。</p>\n<p style=\"text-align: justify;\"><strong>01｜VisionHOPE 到底新在哪里？</strong></p>\n<p style=\"text-align: justify;\">理解 VisionHOPE，不妨先想想普通模型是怎么工作的。</p>\n<p style=\"text-align: justify;\">模型经过训练后，会形成一套处理图像的参数和规则。面对新图片，它会利用训练中学到的能力，提取特征、识别物体、判断图像内容。<strong>VisionHOPE 尝试改变的是模型处理信息的方式。它在内部设计了五类相互关联的记忆机制，</strong>分别参与信息内容、信息关联、更新方向、更新幅度和信息保留等环节。模型处理图像时，这些机制会协同调整，让信息如何被保留和更新，也成为计算过程的一部分。</p>\n<p style=\"text-align: justify;\">打个比方，经验丰富的质检员面对一批产品，不会机械地用完全相同的方式检查每个位置。他会根据眼前的纹理、结构和细节，决定哪里需要多看一眼，哪里可以快速扫过。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 研究的，就是如何让模型在处理图像时，也能根据当前的信息调整内部的处理方式。</strong></p>\n<p style=\"text-align: justify;\">另一个关键问题是稳定性。模型如果一边处理信息、一边调整内部更新规则，就必须避免调整幅度越来越大，导致计算过程失去控制。研究团队为此设计了稳定性控制机制，并对记忆状态更新的稳定性进行了数学分析。</p>\n<p style=\"text-align: justify;\">计算效率同样重要。图像分辨率越高，模型需要处理的信息就越多。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 采用不同于传统 Transformer 注意力机制的计算架构，目标之一就是让计算开销随图像尺寸增长得更平缓。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 的 Small 版本在 ImageNet-1K 图像分类基准上的 Top-1 准确率达到 85.2%，Base 版本达到 85.6%；在 COCO、ADE20K 等任务上，也取得了具有竞争力的结果。</p>\n<p style=\"text-align: justify;\">这些成绩说明，这套架构已经在通用任务上展示出技术潜力。接下来更值得关注的，<strong>是它在不同业务场景中能否继续发挥这些优势。</strong></p>\n<p style=\"text-align: justify;\"><strong>02｜多模态大模型：持续学习能力，正在改写成本与适配逻辑</strong></p>\n<p style=\"text-align: justify;\"><strong>多模态大模型先让视觉编码器“看图”，再交给语言模型“理解”。</strong>这双“眼睛”看得细不细、快不快、贵不贵，固然影响算力账单；但更关键的是，它决定模型能不能在处理新图像时“学得动、调得快”。视觉编码器不只是成本闸门，也是持续学习能力的入口。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 通过耦合记忆和动态更新机制，让视觉特征处理根据图像内容更灵活地组织信息。</strong>这不是简单堆参数换能力，而是尝试让模型在处理信息时具备更强的适应性，为多模态大模型提供新的架构选择。</p>\n<p style=\"text-align: justify;\">在 ImageNet-1K 上，VisionHOPE-S Top-1 准确率达 85.2%，VisionHOPE-B 达 85.6%，说明其在通用视觉任务上具备竞争力，也为真实场景中的学习与适配提供了技术基础。</p>\n<p style=\"text-align: justify;\"><strong>这种学习与适配能力，在高分辨率场景里尤其有现实意义。</strong>在一组高分辨率实验中，基于 VisionHOPE 的模型 FLOPs 降低 52.8%，吞吐量达对照模型 4.42 倍，内存开销降低 94.6%。改善成本是一方面；更重要的是，省下的算力可以留给模型处理更多新图像、新场景，为持续学习腾出空间。</p>\n<p style=\"text-align: justify;\">往长远看，持续学习的价值在于少“重新来过”。当前多模态大模型主要依赖训练阶段形成的参数，场景一变常需补数据、重训练。VisionHOPE 将记忆内容与更新规则结合，探索模型在推理中根据当前输入调整内部记忆。若未来能扩展到跨图像、跨任务的信息积累，模型就有机会在推理中更充分地利用新信息，逐步走向持续学习，减少对反复重训的依赖。</p>\n<p style=\"text-align: justify;\"><strong>VisionHOPE 对多模态大模型的价值，不只在于让高分辨率账单更可控，更在于让模型面对变化时，拥有持续学习的能力。</strong></p>\n<p style=\"text-align: justify;\"><strong>03｜具身智能：世界模型要跑起来，视觉底座先得跟得上</strong></p>\n<p style=\"text-align: justify;\">我们把视角转向具身智能领域。</p>\n<p style=\"text-align: justify;\">机器人面对的压力，首先是时间。抓取物体时，物体的位置可能不断变化；移动过程中，行人会经过，障碍物会出现，摄像头的视角也可能发生改变。视觉系统需要及时处理这些信息，为后续的动作判断提供依据。它不能只在一张静态图片上表现出色，还需要在连续变化的环境中工作。与此同时，机器人搭载的计算设备通常受到功耗、体积和成本限制。模型如果算得太慢，或者占用太多资源，再高的识别精度也很难直接转化为现场能力。</p>\n<p style=\"text-align: justify;\"><strong>具身智能领域需要解决一个很实际的问题：能不能在有限的计算资源下，尽快从复杂画面里提取有用的信息？</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 对高分辨率图像处理效率的探索，与这一需求有关。它采用的计算架构，值得进一步研究能否在复杂任务中兼顾图像信息的处理效果与计算开销。更进一步看，机器人不只需要“看清现在”，还需要“想到下一步”。</p>\n<p style=\"text-align: justify;\">这就涉及世界模型：机器人要在内部形成对环境状态和变化趋势的某种表征，才能支持路径规划、动作预判和避障决策。<strong>世界模型需要从连续画面中抽取稳定信息，又要跟得上环境变化，对视觉编码器的效率、信息保留和动态更新能力都提出了更高要求。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 的动态记忆与更新机制，以及面向高分辨率图像的计算设计，为未来探索更高效的视觉表征提供了想象空间：如果模型能在有限算力下更好地组织连续观测中的关键信息，<strong>它就有可能为世界模型提供更轻量、更灵活的视觉处理基础。</strong></p>\n<p style=\"text-align: justify;\"><strong>04｜工业质检：最贵的可能是那次“重新来过”</strong></p>\n<p style=\"text-align: justify;\">在工厂里，一条产线上的视觉质检系统，可能已经积累了大量样本，模型也经过多轮调试，原本运行得相当稳定。但生产并不会永远停在同一个状态：产品会换型号，原材料会更换，设备和光照条件也会调整。</p>\n<p style=\"text-align: justify;\">对企业来说，麻烦在于每次变化都可能带来新的识别问题。算法团队需要判断原有模型还能不能用，哪些样本需要补充，哪些参数需要调整，再通过测试确认效果。一个看起来不大的生产变化，背后可能是一轮新的适配工作。</p>\n<p style=\"text-align: justify;\">所以，<strong>工业质检真正关心的，不只是模型第一次能不能把缺陷找出来，还包括生产条件变了之后，要花多大力气才能让它继续稳定工作。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 的研究与这个问题有怎样的联系？</p>\n<p style=\"text-align: justify;\">它探索的动态信息更新机制，为模型如何处理不同图像提供了新的思路。面对纹理、材质和细节各异的产品图像，模型能否更灵活地调整信息处理方式，是一个值得继续研究的方向。</p>\n<p style=\"text-align: justify;\">这里的商业价值并不难理解：<strong>如果模型未来能够更好地适应产品和成像条件的变化，企业就有机会减少部分重复调试工作，让质检方案更容易迁移到新的产品和产线。</strong></p>\n<p style=\"text-align: justify;\">当然，这项价值需要在真实产线上验证。比起笼统地说模型“更智能”，更有意义的是看几笔具体的账：产品换型后需要补充多少样本，模型适配周期能缩短多少，不同批次产品的检测效果是否稳定，以及整个系统需要多少计算资源。这些数字，才会告诉企业这项技术究竟能省下多少时间和成本。</p>\n<p style=\"text-align: justify;\">对工业质检来说，值得期待的变化，是每次生产条件改变时，算法团队都不必从头忙一遍。</p>\n<p style=\"text-align: justify;\"><strong>05｜医疗与遥感：整张图很大，关键线索却很小</strong></p>\n<p style=\"text-align: justify;\">还有一些任务，<strong>难点不完全在于环境变化，而在于图像本身太复杂。</strong></p>\n<p style=\"text-align: justify;\">一张病理切片包含大量细胞和组织结构，需要从中发现值得进一步观察的区域；一景遥感影像覆盖广阔的地理范围，分析人员则需要识别其中的道路、建筑、植被变化或异常目标。</p>\n<p style=\"text-align: justify;\">在这些场景里，真正重要的信息可能只占整幅图像很小的一部分。图像缩得太小，细节容易丢失；保留高分辨率，又会增加计算负担。</p>\n<p style=\"text-align: justify;\">这就像在一座城市的全景地图上寻找一条异常道路：只看局部，可能失去周边环境的信息；把所有细节都放大处理，又会耗费大量时间和算力。</p>\n<p style=\"text-align: justify;\">对于AI模型而言，<strong>怎样处理好整幅图像与局部细节之间的关系，是一个重要的技术问题。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 面向高分辨率图像的计算架构，为这一方向提供了新的研究选择。论文报告的效率实验，也为继续探索大尺寸图像处理提供了依据。</p>\n<p style=\"text-align: justify;\">不过，医疗和遥感各有专业要求。医疗影像需要专业标注、诊断准确性评估以及严格的临床验证；遥感任务则需要考虑传感器、成像条件和地理环境的差异。</p>\n<p style=\"text-align: justify;\">这两个领域也让我们看到，AI模型未来的竞争力，不只体现在识别结果上，还体现在能否高效处理复杂图像，同时保留完成任务所需的关键信息。</p>\n<p style=\"text-align: justify;\">图像越来越大，重要线索却未必更显眼。如何把计算用在真正需要的地方，是高分辨率视觉研究绕不开的问题。</p>\n<p style=\"text-align: justify;\"><strong>06｜AI下一步，要回答的不只是“准不准”</strong></p>\n<p style=\"text-align: justify;\">回到开头的三个场景。工业质检希望少一些重复调试，机器人需要及时处理变化中的画面，医疗与遥感影像则希望在海量信息中保留关键细节。它们看似是三张不同的考卷，背后却指向同一个问题：模型能不能在真实世界里，跟上变化、接住细节，并为下一步判断留出空间。</p>\n<p style=\"text-align: justify;\">过去，人们评价模型，常常先看准确率。但随着模型进入更复杂的真实环境，计算效率、信息处理方式、面对新任务时的适应能力，以及能否在连续变化中持续学习，正成为新的评价尺度。<strong>未来的AI架构，不只要回答“准不准”，还要回答“遇到变化能不能跟上”。</strong></p>\n<p style=\"text-align: justify;\">VisionHOPE 已经在通用任务上展示了新的技术探索。对明略科技来说，这像一个新的切口：让模型的底层创新，最终经得起真实任务的检验，<strong>也让新一代AI从“识别世界”走向“理解变化、适应现场”</strong>。</p>\n<p style=\"text-align: justify;\"><strong>关于明略科技｜</strong></p>\n<p style=\"text-align: justify;\">明略科技（2718.HK），成立于2006年，中国领先的具备自研模型能力的Agentic Service企业。2025年作为\"全球Agentic AI第一股\"登陆港交所。曾两度斩获吴文俊人工智能科学技术奖，多次入选Gartner、IDC相关报告，拥有2400余项技术专利及500余项软件著作权。近年来，多个AI模型在全球权威榜单取得领先成绩。依托20年技术积累，明略科技已服务135家财富世界500强、约2100家品牌客户及超24万家企业用户，覆盖零售、消费品、汽车、3C等行业。</p>\n<p><a href=\"https://laohu8.com/S/02718\">$明略科技-W(02718)$</a> <a href=\"https://laohu8.com/U/20722186463466\">@爱发红包的虎妞</a></p></body></html>","text":"VisionHOPE 探索了一种新的视觉骨干网络架构：模型处理图像时，可以根据图像内容动态调整内部信息的更新方式。它关注的，是模型如何处理信息、如何在计算过程中调整自身状态。 在一条高速运转的生产线上，一道细微的划痕，可能决定一件产品能否出厂；在机器人的抓取任务中，物体的边缘、遮挡和位置变化，都可能影响机械臂的下一步动作；在医学影像里，一个需要进一步观察的微小区域，往往藏在复杂的组织结构之中。 这些看起来不太一样的难题，都指向AI的一项基础能力：面对不同的图像，模型能不能更灵活地处理信息，同时兼顾效果与计算成本？ 这也是明略科技与中国科学院自动化研究所开展 VisionHOPE 研究时，关注的核心方向。 VisionHOPE 探索了一种新的视觉骨干网络架构：模型处理图像时，可以根据图像内容动态调整内部信息的更新方式。它关注的，是模型如何处理信息、如何在计算过程中调整自身状态。 这项研究目前已经在 ImageNet-1K、COCO、ADE20K 等通用视觉基准上取得了具有竞争力的结果，也展现了高分辨率图像处理中的效率优势。 对明略科技来说，底层模型研究的价值，最终还要回到真实业务里看。模型能不能把图像处理得更高效？面对不同场景时，能不能减少一些重复调试的工作？这些问题关系到技术能否走出实验环境，成为企业真正用得上的能力。 VisionHOPE 的探索，正好提供了一个观察这些问题的切口。 01｜VisionHOPE 到底新在哪里？ 理解 VisionHOPE，不妨先想想普通模型是怎么工作的。 模型经过训练后，会形成一套处理图像的参数和规则。面对新图片，它会利用训练中学到的能力，提取特征、识别物体、判断图像内容。VisionHOPE 尝试改变的是模型处理信息的方式。它在内部设计了五类相互关联的记忆机制，分别参与信息内容、信息关联、更新方向、更新幅度和信息保留等环节。模型处理图像时，这些机制会协同调整，让信息如何被保留和更新，也成为计算过程的一部分。 打个比方，经验丰富的质检员面对一批产品，不会机械地用完全相同的方式检查每个位置。他会根据眼前的纹理、结构和细节，决定哪里需要多看一眼，哪里可以快速扫过。 VisionHOPE 研究的，就是如何让模型在处理图像时，也能根据当前的信息调整内部的处理方式。 另一个关键问题是稳定性。模型如果一边处理信息、一边调整内部更新规则，就必须避免调整幅度越来越大，导致计算过程失去控制。研究团队为此设计了稳定性控制机制，并对记忆状态更新的稳定性进行了数学分析。 计算效率同样重要。图像分辨率越高，模型需要处理的信息就越多。 VisionHOPE 采用不同于传统 Transformer 注意力机制的计算架构，目标之一就是让计算开销随图像尺寸增长得更平缓。 VisionHOPE 的 Small 版本在 ImageNet-1K 图像分类基准上的 Top-1 准确率达到 85.2%，Base 版本达到 85.6%；在 COCO、ADE20K 等任务上，也取得了具有竞争力的结果。 这些成绩说明，这套架构已经在通用任务上展示出技术潜力。接下来更值得关注的，是它在不同业务场景中能否继续发挥这些优势。 02｜多模态大模型：持续学习能力，正在改写成本与适配逻辑 多模态大模型先让视觉编码器“看图”，再交给语言模型“理解”。这双“眼睛”看得细不细、快不快、贵不贵，固然影响算力账单；但更关键的是，它决定模型能不能在处理新图像时“学得动、调得快”。视觉编码器不只是成本闸门，也是持续学习能力的入口。 VisionHOPE 通过耦合记忆和动态更新机制，让视觉特征处理根据图像内容更灵活地组织信息。这不是简单堆参数换能力，而是尝试让模型在处理信息时具备更强的适应性，为多模态大模型提供新的架构选择。 在 ImageNet-1K 上，VisionHOPE-S Top-1 准确率达 85.2%，VisionHOPE-B 达 85.6%，说明其在通用视觉任务上具备竞争力，也为真实场景中的学习与适配提供了技术基础。 这种学习与适配能力，在高分辨率场景里尤其有现实意义。在一组高分辨率实验中，基于 VisionHOPE 的模型 FLOPs 降低 52.8%，吞吐量达对照模型 4.42 倍，内存开销降低 94.6%。改善成本是一方面；更重要的是，省下的算力可以留给模型处理更多新图像、新场景，为持续学习腾出空间。 往长远看，持续学习的价值在于少“重新来过”。当前多模态大模型主要依赖训练阶段形成的参数，场景一变常需补数据、重训练。VisionHOPE 将记忆内容与更新规则结合，探索模型在推理中根据当前输入调整内部记忆。若未来能扩展到跨图像、跨任务的信息积累，模型就有机会在推理中更充分地利用新信息，逐步走向持续学习，减少对反复重训的依赖。 VisionHOPE 对多模态大模型的价值，不只在于让高分辨率账单更可控，更在于让模型面对变化时，拥有持续学习的能力。 03｜具身智能：世界模型要跑起来，视觉底座先得跟得上 我们把视角转向具身智能领域。 机器人面对的压力，首先是时间。抓取物体时，物体的位置可能不断变化；移动过程中，行人会经过，障碍物会出现，摄像头的视角也可能发生改变。视觉系统需要及时处理这些信息，为后续的动作判断提供依据。它不能只在一张静态图片上表现出色，还需要在连续变化的环境中工作。与此同时，机器人搭载的计算设备通常受到功耗、体积和成本限制。模型如果算得太慢，或者占用太多资源，再高的识别精度也很难直接转化为现场能力。 具身智能领域需要解决一个很实际的问题：能不能在有限的计算资源下，尽快从复杂画面里提取有用的信息？ VisionHOPE 对高分辨率图像处理效率的探索，与这一需求有关。它采用的计算架构，值得进一步研究能否在复杂任务中兼顾图像信息的处理效果与计算开销。更进一步看，机器人不只需要“看清现在”，还需要“想到下一步”。 这就涉及世界模型：机器人要在内部形成对环境状态和变化趋势的某种表征，才能支持路径规划、动作预判和避障决策。世界模型需要从连续画面中抽取稳定信息，又要跟得上环境变化，对视觉编码器的效率、信息保留和动态更新能力都提出了更高要求。 VisionHOPE 的动态记忆与更新机制，以及面向高分辨率图像的计算设计，为未来探索更高效的视觉表征提供了想象空间：如果模型能在有限算力下更好地组织连续观测中的关键信息，它就有可能为世界模型提供更轻量、更灵活的视觉处理基础。 04｜工业质检：最贵的可能是那次“重新来过” 在工厂里，一条产线上的视觉质检系统，可能已经积累了大量样本，模型也经过多轮调试，原本运行得相当稳定。但生产并不会永远停在同一个状态：产品会换型号，原材料会更换，设备和光照条件也会调整。 对企业来说，麻烦在于每次变化都可能带来新的识别问题。算法团队需要判断原有模型还能不能用，哪些样本需要补充，哪些参数需要调整，再通过测试确认效果。一个看起来不大的生产变化，背后可能是一轮新的适配工作。 所以，工业质检真正关心的，不只是模型第一次能不能把缺陷找出来，还包括生产条件变了之后，要花多大力气才能让它继续稳定工作。 VisionHOPE 的研究与这个问题有怎样的联系？ 它探索的动态信息更新机制，为模型如何处理不同图像提供了新的思路。面对纹理、材质和细节各异的产品图像，模型能否更灵活地调整信息处理方式，是一个值得继续研究的方向。 这里的商业价值并不难理解：如果模型未来能够更好地适应产品和成像条件的变化，企业就有机会减少部分重复调试工作，让质检方案更容易迁移到新的产品和产线。 当然，这项价值需要在真实产线上验证。比起笼统地说模型“更智能”，更有意义的是看几笔具体的账：产品换型后需要补充多少样本，模型适配周期能缩短多少，不同批次产品的检测效果是否稳定，以及整个系统需要多少计算资源。这些数字，才会告诉企业这项技术究竟能省下多少时间和成本。 对工业质检来说，值得期待的变化，是每次生产条件改变时，算法团队都不必从头忙一遍。 05｜医疗与遥感：整张图很大，关键线索却很小 还有一些任务，难点不完全在于环境变化，而在于图像本身太复杂。 一张病理切片包含大量细胞和组织结构，需要从中发现值得进一步观察的区域；一景遥感影像覆盖广阔的地理范围，分析人员则需要识别其中的道路、建筑、植被变化或异常目标。 在这些场景里，真正重要的信息可能只占整幅图像很小的一部分。图像缩得太小，细节容易丢失；保留高分辨率，又会增加计算负担。 这就像在一座城市的全景地图上寻找一条异常道路：只看局部，可能失去周边环境的信息；把所有细节都放大处理，又会耗费大量时间和算力。 对于AI模型而言，怎样处理好整幅图像与局部细节之间的关系，是一个重要的技术问题。 VisionHOPE 面向高分辨率图像的计算架构，为这一方向提供了新的研究选择。论文报告的效率实验，也为继续探索大尺寸图像处理提供了依据。 不过，医疗和遥感各有专业要求。医疗影像需要专业标注、诊断准确性评估以及严格的临床验证；遥感任务则需要考虑传感器、成像条件和地理环境的差异。 这两个领域也让我们看到，AI模型未来的竞争力，不只体现在识别结果上，还体现在能否高效处理复杂图像，同时保留完成任务所需的关键信息。 图像越来越大，重要线索却未必更显眼。如何把计算用在真正需要的地方，是高分辨率视觉研究绕不开的问题。 06｜AI下一步，要回答的不只是“准不准” 回到开头的三个场景。工业质检希望少一些重复调试，机器人需要及时处理变化中的画面，医疗与遥感影像则希望在海量信息中保留关键细节。它们看似是三张不同的考卷，背后却指向同一个问题：模型能不能在真实世界里，跟上变化、接住细节，并为下一步判断留出空间。 过去，人们评价模型，常常先看准确率。但随着模型进入更复杂的真实环境，计算效率、信息处理方式、面对新任务时的适应能力，以及能否在连续变化中持续学习，正成为新的评价尺度。未来的AI架构，不只要回答“准不准”，还要回答“遇到变化能不能跟上”。 VisionHOPE 已经在通用任务上展示了新的技术探索。对明略科技来说，这像一个新的切口：让模型的底层创新，最终经得起真实任务的检验，也让新一代AI从“识别世界”走向“理解变化、适应现场”。 关于明略科技｜ 明略科技（2718.HK），成立于2006年，中国领先的具备自研模型能力的Agentic Service企业。2025年作为\"全球Agentic AI第一股\"登陆港交所。曾两度斩获吴文俊人工智能科学技术奖，多次入选Gartner、IDC相关报告，拥有2400余项技术专利及500余项软件著作权。近年来，多个AI模型在全球权威榜单取得领先成绩。依托20年技术积累，明略科技已服务135家财富世界500强、约2100家品牌客户及超24万家企业用户，覆盖零售、消费品、汽车、3C等行业。 $明略科技-W(02718)$ @爱发红包的虎妞","highlighted":1,"essential":1,"paper":2,"link":"https://laohu8.com/post/620648868774848","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":["02718"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":7946,"optionInvolvedFlag":false,"subscribersOnly":false,"subscribersOnlyAccessible":false,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":196,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":75,"optionInvolvedFlag":false,"subscribersOnly":false,"subscribersOnlyAccessible":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/620673143443552"}
精彩评论