2026年8月20日，中国科技产业智库“甲子光年”在北京金茂万丽酒店举办“激流·2026甲子引力X科技产业投资大会”。甲子光年创始人&CEO张一甲重磅发布主题报告《2026年人工智能趋势判断：从“投资激流”到“下一代智能范式”》。以下为报告详细内容。 大家好！感谢大家在今年格外紧张的时间轴上，来到2026甲子引力X科技产业投资大会的现场。我想分享一些判断，聊聊科技投资的“激流”和“下一代智能范式”。 关注公众号“甲子光年”，后台回复“2026科技投资”，获得高清版完整PDF。或者点击文末“阅读原文”，进入甲子光年官网下载。 【判断1】一级市场迎来拐点，募投退同步修复，科技投资进入新周期 首先看数据。今年中国一级市场画风和往年非常不一样。去年8月我们科技投资大会的主题叫“渡口”，当时，数据是“止跌回暖、堵点仍存”。 2026年H1，数据可谓“激流”。市场不仅“回暖”，而且“反转加速”，募投退三端同步改善： 募资端，LP参与基金数从1650起跳到2714起，同比增长64.5%；投资端，投资事件数同比增长15.6%，投资金额同比增长91.6%；退出端，IPO同比增长39.2%，并购交易金额暴增至去年上半年的两倍。 这里可以看到一个反差，投资金额的增长远快于投资事件数的增长——资本回来了，但不是重新撒网，而是在向确定性集中。所以这不是旧周期回归，而是新的定价体系正在形成。中国科技投资正在进入新周期。 【判断2】2026甲子星空坐标系：中国科技投资象限分布 这张图是2026中国科技产业投资赛道的“甲子星空坐标系”。 横轴X：低资本耐心度→高资本耐心度 纵轴Y：低技术壁垒→高技术壁垒 两轴形成了四个象限，我们分别命名为：硬核攻坚区、赛道卡位区、产品效率区、长坡厚雪区。   第一象限【硬核攻坚区】：高技术壁垒 + 高资本耐心度 代表未来国家战略和硬科技方向，技

他拒绝把任何一个阶段性的答案，过早当成终局。 作者｜王博 2024年底，我曾问过宇树科技创始人王兴兴一个问题：具身智能领域最大的“非共识”是什么？ 王兴兴没有急着给出一个答案，反而先质疑了这个问题背后的共识本身。 “大部分情况下，社会大众的共识其实不是特别准确，或者特别有价值的事情。”王兴兴说，“如果一家公司或者一个产品做得好，你必须有很多非共识。” 随后，他把矛头指向了当时行业最热的“数据”：“大家对模型的创新和底层的技术关注度不太够，相反对于多模态大模型、数据的关注度有点过高了。因为我一直觉得，假设未来有非常理想的AGI，数据反而是次要的点。” 这个回答很王兴兴：他很少把某一种行业共识，当成当然正确的答案。 今天，宇树科技成功登陆上交所科创板。宇树科技开盘价报1100元/股，相较于150.8元/股的发行价涨幅高达629.44%，单签收益为47.46万元，总市值达到4449亿元。 宇树科技上市仪式现场，图片来源：“甲子光年”读者拍摄 今年，恰好也是宇树科技成立十周年。如果回头重新看这十年，很容易把它写成一个“少数派最终证明自己正确”的故事。 从把机器人做得更便宜，到坚持自研核心部件；从先把本体做好，再寻找场景，到后来把注意力从身体转向模型。今天宇树已经成为行业标杆，过去那些曾经显得不同寻常的选择，也很容易被重新解释成王兴兴的某种先见之明。 但王兴兴不是“爽文男主”，并不能提前知道正确答案。 他做过后来被验证的判断，也做过错误判断；有过坚持，也有过改变；他曾反对做人形机器人，但又下场做出了全球认可的人形机器人；他曾经明确认为行业对数据的关注过高，后来他也承认另一种可能：沿视频生成或世界模型这条路线，如果机器人数据足够多，用数据把具身模型“硬砸出来”的概率依然很大。 美国作家菲茨杰拉德在《崩溃》中写过：一流智力的标志，是能同时容纳两种相反的观念，却依然保持行动的能力。 王兴兴

墨奇首发具身模型架构MoRA，押注Agentic-Native重构双系统边界。 作者｜周悦 编辑｜栗子 一个月前的WAIC，机器人演示时长明显增加了。 去年常见的还是跑跳、抓取和搬运。今年，“甲子光年”在现场看到，药房、零售货架、工业产线、客厅和洗衣房被直接搬进展馆。有机器人用3至5分钟做完一份早餐，从烤面包、倒饮料一直做到装盘；一些工业任务，要连续完成几十个步骤。 机器人演示，开始从一个动作变成连续干活。 单个抓取失败，通常还能重新尝试。一条任务链上，前一步没有完成，后面几十步都可能跟着跑偏。机器人离开一个区域再回来，需要记住此前的执行状态；东西被挪走，原来的计划也未必还能照着执行。 任务拉长以后，增加的不只是动作数量，机器人还要持续维护目标、执行历史和当前任务状态。 就在这个时候，一家成立仅半年的具身智能公司开始浮出水面。机器人尚未正式公开，墨奇智能的投后估值已经超过70亿元。今年7月，墨奇智能完成超10亿元天使轮系列融资，阿里巴巴、腾讯同时入局，蓝驰、君联、高榕、中科创星、源码等机构也出现在投资名单里。 墨奇由高文礼和黄青虬联合创办。联合创始人兼CTO黄青虬是**2020届“天才少年”，此后进入车BU负责智驾AI研发；高文礼此前联合创办跨境物流企业iMile。 钱和人先到了，模型直到最近才真正露面。近期，墨奇发布具身智能模型架构MoRA（MORPHI Reasoning & Autonomy），并提出Agentic-Native技术路线：为了实现更好的长时序任务执行能力，让 Agentic 能力原生存在于策略模型中。 长程执行并不是墨奇独有的问题，记忆、多步骤规划和连续执行，已经成为具身模型集中补的一课。墨奇的判断是，问题还出在模型内部怎么分工。 在常见的具身Agent架构里，高层模型理解目标、规划和调度，策略模型接过指令，直接控制机器人行动。墨奇认为，任务越

矿山可能是Physical AI最先算清账的场景。 作者｜田思奇 作者｜栗子 2026年，物理AI（physical AI）成了科技行业绕不开的词。 Gartner将其列入本年度十大战略技术趋势；英伟达从Omniverse仿真平台一路补到Cosmos世界基础模型，把机器人、自动驾驶和数字孪生收进同一个叙事；PitchBook数据显示，今年前5个多月，全球机器人与物理AI领域的风险投资达到230亿美元，已接近2025年全年260亿美元的水平。 来源：Gartner 热度起来之后，物理AI的概念很快被不同赛道借来重新定义自己。但概念越泛化，产业端和资本越不会只看单一标签，反而更关心它能为真实生产创造多少价值。 “甲子光年”认为，物理AI中最早跑出商业回报的，未必是最开放、最复杂的场景。边界相对清晰、人力成本高、安全风险大的工业现场，反而更容易先算清这笔账。 矿山几乎同时满足这些条件。 全球重工巨头正加速向矿山物理AI落地。卡特彼勒在年初的CES 2026上宣布扩大与英伟达的合作，将Jetson Thor等AI能力进一步嵌入矿山和工程机械；今年4月，日本小松的第1000台超大型无人矿卡投入运营。 但各方玩家的入局起点并不同。传统设备巨头通常从矿卡和工程机械往软件深入，技术公司则从无人驾驶、调度和矿山操作系统向设备与生产流程延伸。两条路线逼近同一个命题：一套物理AI系统，究竟能接管多少矿山生产？ 中科慧拓，正是国内赛道极具观察价值的样本。 公司由中科院自动化研究所孵化，技术根基承接王飞跃教授2004年提出的基于ACP方法的平行智能理论。如今物理AI领域热议的虚拟仿真、计算实验、虚实双向反馈，早已在其平行矿山体系中完成长年工程打磨。 截至目前，中科慧拓平行矿山解决方案已落地国内近50座矿山，并实现泰国SCG项目出海落地。 国家队与产业资本此时押注的，并非单纯的无人驾驶服务商，而是一套

能交互、懂物理：新一代AI世界模型来了。 先看一个视频。 镜头贴着一片珊瑚礁推进。水面以上的日光穿过折射层，在沙地上投下摇曳的光斑，鱼群四处游弋。镜头拉近，珊瑚表面还有真实的体积感与凹凸纹理。 这并非一段预渲染的CG动画，更不是一段"看起来像3D"的AI视频拼接。这一切，是用户用键盘控制的：前后移动，移动视角。这是用户与AI共建一个世界的过程——一个知道物体有体积、光影有逻辑、运动有惯性的世界。 而构建出这段体验的模型，名叫HiDream-O1-World。 近日，这个“初出茅庐”的模型，以平均分80.9的成绩，登顶交互式视频世界模型评测基准WBench的核心Navi分榜，一举超越了腾讯HY-World1.5与阿里HappyOyster。 更重要的是，在物理一致性的维度——那个所有同行公认最难啃的骨头——它拿到了73.3分，位列第一。 今天，这款模型掀开神秘的面纱，迎来了正式发布。 对智象未来有所了解的人，大概会明白这一刻的分量——从多模态到全模态世界模型，最终抵达AGI，本就是这家公司成立之初就画下的路线图。一家创业公司，敢在技术难度极高、不确定性极强的赛道上押注，还能一步步走通、做成，HiDream-O1-World还做到了WBench榜第一。这件事本身，已经超出了"技术突破"的范畴，它的意义，或许要在更长的时光里才能真正显现。 而此时，这款模型的发布，也不只是智象未来自己的里程碑。它的出现，也正在悄然改变全球世界模型的竞争格局。 1.智象未来走出世界模型的第三条路线 从去年底开始，世界模型赛道明显升温。 在海外，去年11月，AI教母李飞飞创立的World Labs，上线了专注于3D世界生成的首款商业产品Marble。今年1月30日，谷歌Genie 3开放Project Genie，用户首次可以通过文字或图片生成可交互的3D虚拟世界； 在国内，腾讯和阿里发布了各自的世界

搭载Visics通用具身大模型，定义新一代具身智能生产力伙伴。 8月17日，RoboScience机器科学正式发布轮式仿人形通用操作机器人——REX G1，定位为“新一代具身智能生产力伙伴”。 作为RoboScience机器科学发布的首款机器人，REX G1搭载其自研的VLOA架构通用具身大模型Visics， 面向物流、工厂、零售及家庭等场景打造，可在非结构化、高动态的真实世界中完成从任务理解到执行的完整闭环，推动机器人从替代单一工序走向承接完整任务。 REX G1的外观设计以"力量可控、稳定可信、柔和亲近、可靠易维护"为出发点，整机采用“1+1”构成形式——由大体量本体承载动力系统、小体量头部单元负责指令输出与信息交互。机身通体圆润过渡、取消尖锐边角并辅以磨砂表面处理，兼顾与人近距离共处场景下的视觉与触感需求；墨水屏作为主要信息界面，仅在必要时输出反馈。此外，REX G1预留了快拆检修口设计，彻底免除了整机拆解的烦恼，让日常运维更加高效可靠。 1.打造全能形态， 流态连续作业展现极致效率 在工业场景中，移动与作业长期是两套彼此割裂的能力。以AGV为代表的移动机器人解决了物料位移问题，却难以承接分拣、取放等精细作业；工业机械臂具备足够的作业精度，却受限于固定工位，无法随场景移动。在极窄通道、密集货架和动态变化的现场，真正需要的是移动与操作合一的通用型终端。 REX G1将移动与操作融为一体，打造“全能形态、极致效率”的具身智能生产力伙伴。REX G1整机拥有22个自由度（2头颈、7×2臂、2腰部、1升降以及3底盘），自由度对标人体，双臂抱持10KG。 在受限空间内，REX G1可通过零空间控制保持末端位姿稳定，底盘、升降机构与双臂协同工作，在行进过程中同步完成目标定位与抓取——即"边走、边升、边抓"，减少传统机器人频繁停机、调整和重新定位带来的时间损耗。 在精细操

“我想把声音关起来。” 作者｜甲子Builders 王修齐 罗著 编辑｜甲小姐 田琬琦 你会怎么给一个新品类取名字？ 这是00后连续创业者孙东来最近反复思考的问题。 他的默造MuteVox S1看起来像一只口罩，但又不是普通口罩。普通口罩17元100只，而他的一只799元。在京东页面输入“口罩”作为关键词，根本搜不到。 孙东来的硬件产品：默造MuteVox S1 孙东来把样机带到我们面前：白色外壳贴近脸部，内衬是一层液态硅胶，戴上后有一种被轻轻包裹住的感觉。 戴上它，用户可以在地铁、办公室、咖啡馆等室内公共场合以正常音量说话，声音不会扩散出去，一米之外的人听不清你在讲什么；但藏在里面的麦克风，会把你的声音准确传递给屏幕另一端的AI。 发布众筹，三十天内，一千多人选择为它尚未成型的未来下注。 资本市场也在悄然关注这个项目。“甲子Builders”独家获悉，默造近期完成了Pre-Seed及Seed两轮百万元级融资。 在孙东来看来，默造并不是一款“更安静的口罩”，而是一款为AI语音交互而生的设备。 过去，人和机器的交流发生在屏幕里：点击、输入、等待反馈。但随着AI逐渐具备实时语音交互能力，人类第一次拥有了一个可以持续交流、理解上下文的智能体。但现实是，你可以对着手机里的AI提出任何问题，却很难在公共空间里直接开口——声音会打扰别人，也可能暴露那些本该只属于自己的信息。 默造想解决的正是这个问题。 但一个新品类诞生之前，往往先要面对一个问题：它到底应该叫什么？ 有人叫它“静音口罩”，也有人称它为“智能消音口罩”。 孙东来都不喜欢。 默造创始人孙东来 1.最后一米 孙东来聊起默造时，最先谈的不是口罩，而是交互。 在他看来，过去几十年，人和机器的交流方式始终围绕着一个核心动作展开：touch。键盘、鼠标、触屏，但它们并非人类最原始的交流方式，说话才是。 孙东来认为，AI第一次改变了这个

打造工厂原生的AI智能体。 当前讨论工业智能化，最容易被看到的往往是工厂部署了多少软件、连接了多少设备、采集了多少数据，以及AI能否读懂图纸、生成报表和回答生产问题。但进入2026年，产业关注的重点正在发生变化：当订单调整、物料短缺、设备故障或工艺变更打乱原有计划时，AI能否不只识别和解释问题，还能理解生产目标与约束，生成可行的决策方案，调用系统推动执行，并根据现场反馈持续调整？ 工业AI正在跨越从“辅助判断”走向“参与决策与闭环执行”的关键分水岭。 这一变化有着长期积累的产业基础。过去数十年，制造业沿着自动化、信息化和数字化持续升级。PLC、数控设备和工业机器人提升了设备控制能力，ERP、MES、PLM等系统推动业务流程在线，工业互联网、工业大数据平台和数字孪生进一步增强了生产数据的连通性。设备、系统、流程和数据，共同构成了工业智能化的基础设施。 然而，工厂的核心生产决策并未因此实现自动化。订单能不能接、交期如何承诺、有限产能怎样分配、插单之后如何重排、图纸应该转化为怎样的工艺、设备异常会对生产造成什么影响，仍然高度依赖计划员、工艺工程师、班组长和老师傅的经验。 在多品种、小批量、短交期和频繁插单逐渐成为常态之后，工厂面对的变量更多、决策频率更高，传统工业软件系统高度依赖固定流程和人工判断的运行方式，越来越难以支撑实时优化与跨系统协同。大量隐性经验依附于个人，也难以被持续记录、复制和传承。 在2026年，需求侧的“不得不变”，正在遇上供给侧的“终于能变”。 大模型开始具备更成熟的语言理解、多模态识别、复杂推理和工具调用能力；Agent能够拆解任务、编排流程并连续执行；机器视觉、运筹优化、工业知识库和数字孪生，则为现场感知、方案优化和结果验证提供了进一步支撑。工业AI的瓶颈由此开始从“模型是否具备基础能力”，转向“模型能力能否稳定嵌入真实生产流程”。 工业AI智能体，正是承

稳定可用是创作者们不变的刚需。 作者｜刘杨楠 作者｜栗子 8月6日，阿里巴巴全新一代视频生成模型Wan3.0开启公测。 从官方披露的信息看，这次升级覆盖生成时长、万能创作+全能参考与真实感三个维度—— 单次可生成30秒视频，让连续运镜、一镜到底等复杂镜头语言得以完整表达；万能创作打通文本、图片、音频、视频多模态输入，并首次支持doc、xls、ppt、pdf、md等结构化文档；全能参考任务中，角色、道具、声音、空间关系与风格等细粒度维度可稳定保持；真实世界还原能力提升，人物力求“千人千面”，每一帧画面既真实又可信。 这三个维度的升级，几乎逐条对应了当前AI视频生产的几道顽固痛点——生成时长不足、读不懂结构化信息、跨镜头一致性差、对真实世界的还原失真。 长期以来，视频生成模型更像一个碎片化的片段生成器，能产出几秒惊艳的镜头，却难以承担完整叙事与稳定商用。Wan3.0试图回应的，正是视频模型能否从玩具走向真正的生产力工具这个核心痛点。 不过，创作者们大可放心，和强悍能力“不相匹配”的是Wan3.0的亲民价格。Wan3.0三档分辨率480P、720P、1080P对应0.3、0.6、1.2元每秒的API定价，API接口也将于近期全量开放。 1.AI真正读懂真实世界 具体来看，Wan3.0将“读懂真实世界”拆解为几个可观测的侧面，包括能否理解结构化信息、能否还原真实人物的差异、能否在镜头变换中守住一致性、能否真正用视频还原想象世界。这几个侧面，也正对应着AI视频最难啃的几块骨头。   一份PPT生成一支产品创意宣传片 上传一份智能眼镜产品的PPT，配一句提示词，Wan3.0即可生成一支高端智能眼镜的产品短片。成片在极简风、未来感的视觉风格上做得很到位，光影克制，以黑 、银灰、冰蓝为主色调。 这件事的难度不在画面本身，而在输入的复杂性。PPT并非一张图片，它承载着层级

AI给游戏产业带来新的生产技术，也引发了一场围绕游戏产业新价值链的争夺。 作者｜王博 “一句话生成游戏”是2026 ChinaJoy最常见的口号之一。 在展馆、中国国际游戏开发者大会（CIGDC）以及同期举办的多场企业发布会上，AI几乎进入了游戏产业的每一个角落：有人用自然语言生成代码和场景，有人让多个Agent分别承担策划、编程和美术工作，也有人把Agent放进游戏，让NPC获得记忆、动机和临场反应。 2026 ChinaJoy现场，图片来源：“甲子光年”拍摄 但是，“一句话生成游戏”也掩盖了一些问题。 它把游戏开发中最显眼的一刻“输入一句提示词，几分钟后得到一个可以运行的Demo”。放大成了整个生产过程。代码和画面生成之后，UI是否清晰、交互是否顺畅、玩法能否留住玩家，仍然需要大量打磨。版本管理、性能优化、测试和长期运营，也很难被压缩进一句提示词。 今年ChinaJoy主题是“与AI同游”，当AI把游戏开发时间压缩到几十个小时，AI辅助制作的游戏数量在游戏平台呈现爆发式增长，游戏开发者、游戏引擎、游戏公司、游戏平台、游戏服务商、芯片厂商的价值都面临重估。 虽然大家都在谈论AI，但是大家口中的“AI+游戏”并非同一个概念。 游戏开发者希望找到不被AI替代的能力，游戏引擎希望成为Agent的工作底座，游戏公司希望降本增效、丰富游戏体验，游戏平台希望获得更多创作者和内容，游戏服务商希望通过Agent促进增长，芯片厂商则希望通过端侧算力和图形渲染打开新的终端体验。 AI给游戏产业带来新的生产技术，也引发了一场围绕游戏产业新价值链的争夺。 “甲子光年”在2026 ChinaJoy现场看到了四个正在发生的变化： 游戏开发者的时间被重新分配； 游戏引擎开始为Agent重新设计； Agent从NPC大脑走向世界系统； 游戏原型成本下降，长期运行成为新账单。 1.游戏开发者的时间被重新分

从目标检测到世界模型，杨学的研究只围着一件事：让机器理解物理世界，并在其中长期稳定地工作。这一次，他把实验室搬进了50多座真实城市。 作者｜田思奇 编辑｜栗子 近期举行的2026世界人工智能大会（WAIC）上，具身智能行业的注意力，已经从机器人能不能动，转向它能不能进入真实场景干活。但完成一次任务，只能证明这项能力存在，不能证明机器人具备了部署价值。 机器人把一件事做成一次，是技术演示；把同一件事稳定做成一万次，才是产品。在杨学看来，真正值得追问的不是那一次漂亮的演示，而是同一项任务，为什么有时三分钟完成，有时拖到半个小时。波动、接管与失控，才是真实世界给技术的评分。 而一万次稳定的前提，是机器人真正理解自己所处的物理世界。如今它已经能够识别物体、理解指令并生成动作，却未必真正理解物理世界。认出桌边有一个杯子并不困难，更难的是判断碰到它以后会不会掉下来、会撞到什么，以及自己是否还应该继续行动。杨学认为，当前行业真正的难点就在这里：模型还不能准确判断自己的行动会带来什么后果。 多年来，杨学已经习惯从平均值照不到的地方进入研究。他的履历足够光鲜：上海交大长聘教轨助理教授、博士生导师，连续三年入选斯坦福大学全球前2%顶尖科学家榜单，在复杂视觉感知、弱监督学习、多模态大模型和智能体等方向发表论文70余篇，谷歌学术引用超13000次。但比履历更重要的是，他的研究始终追问同一件事：机器“看见”世界之后，究竟该怎么办。 2026年8月3日，酷哇科技宣布杨学出任首席科学家，并与上海交通大学共建通用具身智能联合实验室，重点推进模型研发、真机验证和人才培养。 这不是一次理所当然的结合。 2020年，还在上海交大读博的杨学第一次接触酷哇，心里的评价并不客气。当时正值计算机视觉的快速上升期，学术界的主旋律是在公开数据集上刷精度、刷榜单，自动驾驶产业则全力奔赴更复杂、更开放的公共道路。相比之下，20

干活的能力比机器人本身更重要。 作者｜张麟 编辑｜栗子 2026年的WAIC大会，几乎变成了一场机器人盛会。具身智能参展企业从去年的80多家猛增至200多家，现场真机超过300台，人工智能正在从虚拟世界走向物理世界。 从产业逻辑看，具身智能的首要驱动力一直是生产场景的“机器换人”，其次才是商超和家庭。这一顺序没变，但问题在于，即便是目标明确的工厂，对目前的机器人来说也太过复杂——多设备交互、生产逻辑理解，远不是通过简单抓握能力就能解决的。 埃夫特&启智董事长游玮博士在WAIC“具身智能产业生态论坛”上直言：“现在大家都在谈量产，其实量销更重要。量产不难，做出来容易；但目前还未实现真正意义上的量销，因为机器人不具备覆盖真实刚需场景的技能。” 作为科创板工业机器人第一股，埃夫特累计交付超10万台工业机器人。当长期深耕工厂的一线经验遇上具身智能的落地困境时，其子公司启智选择了一条与大多数公司不同的路径——不拼单机动作多流畅，而是搭建一套让所有机器人“学会在工厂干活”的通用技术底座。 1.工业需求，远不止抓苹果 具身智能的落地困局，不是客户不想用，而是用不上。 人形机器人硬件本体已基本可用，宇树、优必选、银河通用的产品都能稳定行走、站立、抓取，虽然在续航和灵巧手寿命上仍有短板，但简单任务已经能够胜任。 但为什么市场仍在不停追问机器人究竟能干什么？为什么拥有抓握、搬运能力的机器人至今没能真正进厂？ 这个问题的答案是多方面的，首先，机器人的“大脑”远未成熟：大模型推理能力与实时性要求的矛盾突出，技术路径也未收敛——“大小脑”分离、VLA+其他、世界模型三条路线并行，业内尚无共识。 数据问题更是雪上加霜，规模缺口巨大、采集成本高、质量参差不齐。这些问题的直观体现，就是机器人的泛化性依然很差，其可能能够稳定抓起来一个桌面上的苹果100次，但如果突然换成货架上的香蕉，机器人可能就一次

实在Agent实现OSWorld里程碑式突破。 2026年7月27日，一款来自中国的智能体，实在Agent以90.2%的成功率登顶OSWorld榜单，同时拿下总榜与分榜双料冠军，刷新了Meta、Anthropic、OpenAI等硅谷巨头保持的公开最高纪录。 这是OSWorld自2024年发布以来，全球首个突破90%成功率的Computer-Use Agent。 这个数字背后的技术路径，比排名本身更值得关注。 1.一个从12%到90%的陡峭曲线 OSWorld由香港大学、卡内基梅隆大学、滑铁卢大学等机构发表于人工智能顶会NeurIPS 2024。与仅支持网页交互或API调用的传统基准不同，OSWorld是首个可扩展的真实计算机环境，支持在Ubuntu、Windows、macOS三大操作系统上进行任务配置、执行式评估和交互学习。 它能够作为一个统一、集成的计算机环境，用于评估涉及任意应用程序的开放式计算机任务。 基于该环境，OSWorld团队构建了包含369个计算机任务的基准，任务来源于真实计算机使用场景，涉及网页应用、桌面应用、操作系统文件I/O以及跨多应用的工作流。每个任务均包含详细的初始状态配置和执行式评估脚本，确保评估的可复现性。其中8个Google Drive任务因网络依赖可能需要人工配置，实际评测中可按361个任务统计。 在评测机制上，OSWorld采用基于执行的自动化评估——任务是否完成由机器脚本闭环校验，没有任何人工评价的主观偏差。 OSWorld团队在论文中披露了一项关键对比数据：在同样的任务集上，人类操作员可以完成超过72.36%的任务，而当时最强的LLM/VLM智能体仅达到12.20%的成功率——且其困难主要集中于GUI定位能力和操作知识的匮乏。 拆解实在Agent的得分，更能看清它的领先从何而来。OSWorld的任务可按应用领域和操作类型进行拆解分析，其

小米汽车想在一个旧战场玩点新花样。 作者｜张麟 编辑｜王博 2026年7月30日，小米汽车第二个产品系列“澎程”（SkyNomad）正式亮相，旗下大七座旗舰增程SUV N90 Max与大五座增程SUV N70 Max同步登场，预售价格分别为29.99万元和25.99万元。这是小米第一次造增程车。 从产品发布的时间节点上看，小米似乎已经晚了。增程车不再是一个持续上涨的市场，乘联会数据显示，上半年狭义插混和增程乘用车销量分别为115.5万辆和43.9万辆，同比分别下滑27.6%和19.4%，降幅远超纯电的6.6%。 直白来说，增程车已经不够火了，其从2025年年中开始降温，进入2026年后销量更是逐月走低。 因此，外界对小米汽车发布增程车型的战略意图产生了更多的疑惑：市场在下滑，小米偏要进场，到底为什么？ 1.小米开始为另一个群体造车 在澎程发布之前，小米汽车的标签很清晰——“驾驶者之车”。性能、操控、零百加速，是小米汽车打动年轻人的武器，并以此获得了优秀的销量水平和市场口碑。 数据显示，小米汽车自2024年4月开启首车交付以来，至2026年7月历时28个月，全系累计交付量超过75万辆。仅今年上半年，小米汽车的销量就突破了18万辆，这种销量水平已经接近了成立时间更长、产品线更丰富的蔚来、理想。 但对于一个车企而言，单一的轿跑车型和运动标签，始终无法覆盖更多的用户群体，在纯电轿车和轿跑SUV领域站稳脚跟后，小米汽车必须要向主流家庭市场延伸。 理想、问界甚至零跑，都已经验证了“大空间+增程+舒适性配置”这套组合对家庭用户的吸引力。而且，虽然不是一条铁律，但大型增程SUV的潜在利润率确实可能更高。 在成本方面，相比纯电大SUV，增程车型的电池包容量更小（通常为30-40kWh，纯电则需60-90kWh），这部分节省的电池成本（约1.5-2.5万元）可直接转化为利润空间。 同时，大尺寸

不做本体，智在无界用50万小时人类视频训练具身基础模型。 作者｜周悦 编辑｜王博 具身智能公司究竟应该软硬一体，还是把机器人本体交给合作伙伴，专门训练机器人的“大脑”？ 行业里很多明星公司选择了软硬一体，原因很简单，模型最终要在真实机器人上完成闭环，做本体更容易获得真机数据、协调软硬件迭代，也更方便进入具体场景。 不过也有一些公司选择只做模型，希望用“具身大脑”适配不同形态的机器人。 卢宗青有些执拗地选择了后者，坚持“只做模型、不做机器人本体”。 作为北京大学计算机学院长聘副教授、智源学者，卢宗青在2025年5月创办了具身智能公司智在无界（BeingBeyond）。创业初期，卢宗青几乎每见一位投资人，都要回答一个问题：“你们为什么不做本体？” 到了今年，这个问题几乎消失了。“现在不问了，再也不问了。”卢宗青告诉“甲子光年”。 外界态度的变化，某种程度上印证了卢宗青创业之初的判断：具身智能仍然缺少一颗能够跨本体、跨场景迁移的通用“大脑”。而这一判断，并非始于机器人。 在进入具身智能行业之前，卢宗青研究的是数字世界里的通用Agent。2023年，他曾尝试让多模态大模型在开放世界游戏《荒野大镖客2》中理解环境、执行任务，但模型在任务理解和动作完成上都很有限。 他由此意识到，模型交互能力不足，根本瓶颈在于缺乏对视觉和空间的理解。当时不少Agent framework，在他看来更像是在基础模型能力不足时做的“缝缝补补”。 “最本质的问题还是基模不行。”卢宗青说。 转向具身模型后，卢宗青开始用人类视频做预训练，从中学习人手动作和人—物交互。 到了2026年，智在无界逐渐收敛至Being-H和Being-M两条模型线。H系列聚焦手部和末端操作，M系列则处理人形机器人的全身移动操作。 近期，智在无界接连发布两款模型。隐式世界动作模型Being-M0.7将能力从桌面操作扩展到全身移动操作；隐

AI创作赛道，正在从模型层转移到系统层。 作者｜寇雨然 编辑｜栗子 过去两年，生成式AI最激烈的战火集中在模型层。 从Midjourney到GPT Image，从Sora到Seedance，大厂们在画质、物理规律和上下文窗口上疯狂内卷。 模型能力的提升，也让AI创作进入各行各业的具体工作。品牌市场团队用它制作广告和传播素材，电商运营持续生产商品视觉，游戏团队开发人物、场景和世界观，汽车与科技公司的业务团队也开始用AI制作产品演示、发布会视频和其他视觉资产。 应用范围扩大的同时，市场对这类应用的预期也在升温。 Grand View Research预计，生成式AI内容创作市场将从2024年的148亿美元增长至2030年的801亿美元，年复合增长率超过30%。而Bloomberg Intelligence也预测，到2032年生成式AI整体市场规模将达到1.3万亿美元。两个预测的统计口径不同，但都指向一个仍在快速增长的市场。 但当AI真正进入这些使用场景，一道落差逐渐显现： AI可以生成内容，却还难以支撑一次完整的创作。 今天，无论是营销提案、商业演示，还是影视创作，AI仍然更多停留在单点工具阶段：生成一张图片、一个视频、一段文字，或者完成某一个具体任务。项目一旦涉及多个模型、不同版本和多人协作，使用者仍要在各种工具之间切换，反复搬运素材和补充上下文。 因此，下一阶段生成式AI竞争的重点，正在从单个模型的能力，转向如何把模型、工具、数据和项目上下文组织成一套完整的创作系统。 1.AI创作领域需要自己的Codex 一位长期使用AI辅助工作的创作者向“甲子光年”描述了自己的工作流：确定一个创意方向后，需要在Claude、Gemini等模型中讨论方案，在Pinterest寻找视觉参考，用Midjourney、GPT Image生成素材，再用各种网页端、设计软件、视频工具完成制作。 但问

不做demo，做有价值的生产力。 作者｜张麟 编辑｜栗子 2015年，陈曦和其他几位核心成员一起创建了北京极智嘉科技股份有限公司（以下简称极智嘉）。当时，他的目标是造出一款好用的AMR产品（自主移动机器人）。 11年后，2026年上海世界人工智能大会（WAIC）的现场，极智嘉的展位上挤满了观众，是全场为数不多让具身智能机器人集群在真实场景下真干活展位。 极智嘉搭载Gravity 4D大脑的通用人形机器人Gino 1和移动机器人、专用工作站协同作业，正在一个缩小版的物流仓库中进行着拣货、播种、搬箱作业，展现泛化能力与高效作业在真实场景的应用。 WAIC期间，极智嘉还公布了“一核双引擎”通用具身智能布局——以Gravity框架为核心，数据引擎与生态引擎双轮驱动，将百万级SKU（货品种类）仓储场景打造成AI的天然训练场，并利用GINO ECO开放生态计划，推动具身智能规模化商用落地。 作为2025年港股上市且少数盈利的To B机器人公司，极智嘉并未止步。如今，这家公司正在试图用具身智能技术来解决仓库里那些不能被AMR解决的问题，并在此基础上，未来拓展至更丰富的商业、家庭等场景。 WAIC期间，“甲子光年”与极智嘉联合创始人兼极智嘉具身智能CEO陈曦进行了一场对话。交谈中我们发现，对当前行业最热议的问题，极智嘉都给出了与行业主流声音不甚相同的独特判断。 对于行业普遍把泛化能力当成具身智能最高标尺的情况，极智嘉表示，没有效率打底的泛化能力，是演示品不是生产力，毫无商业价值。泛化只回答了“能不能”，没有回答“值不值”。效率才是商业化的入场券。效率是1，泛化是后面的0。作业效率这道坎不过，泛化再宽也没有商业落地意义。 对于具身智能的第一落地场景，行业最热的两个方向是进厂和进店。 极智嘉认为，进厂进店，不如进仓。制造场景可复制性差、规模化难、经济性难以支撑。无人零售不需要机器人就能实现，具

具身智能呼唤基础设施时刻。 作者｜栗子 7月17～20日这几天，上百家具身智能公司涌入WAIC。 “甲子光年”在这几天的探展中发现，这一届WAIC上的具身智能，并没有出现非常颠覆性的产品。但有一个肉眼可见的变化：把机器人放进真实生活场景里的demo，越来越长了。 比如蚂蚁灵波的药房机器人现场分拣30多种SKU，识别率99.8%；银河通用的机器人可连续完成烤面包、倒饮料、取出面包并装盘；一家做家用陪伴的厂商，在不到10平方米的展示区里，搭建了一个端茶递水的多步任务场景。 如果说去年的机器人还集中在“动起来”，那么今年，显然大家都已经开始要求机器人能够真正完成一件事了。 而完成一件事，就离不开“长程任务”。 它指的是那种包含几十甚至几百个动作、需要机器人持续决策并保持上下文的复合任务。蚂蚁药房在分拣30多种药品时，需要连续完成识别、定位、抓取、扫码、放置的链路；银河通用的煎饼果子机器人需要走完从打蛋到装袋的完整动作链。 但长程任务并不好完成。 1.长程任务成为新考场 今年的世界人工智能大会，甚至可以被称为机器人大会。因为具身智能企业太多了，一共有242家具身智能相关企业来到了WAIC 2026。 这是第一个变化。 第二个变化是，各家的demo场景明显变长了。 去年大家还在展示“单步抓取”和“机械臂能拿起一个杯子”。而今年几乎所有头部企业的展示位都包含至少一个3步以上的复合任务。 从分拣药品到煎饼果子制作，从装盘到上料，越来越多demo跑的是几十步连起来的连续任务。 第三个变化，是具身智能真正开始尝试业务落地了。 比如，蚂蚁灵波的“机器人智慧药房”已在国大药房上海门店运营，门店无需改造，机器人直接进入既有经营环境；智元联合擎天租为大会公共服务提供了60台各类型机器人，在主会场和两个分会场承担指路引路，这是行业内首次实现具身智能公共服务。 不过，在“甲子光年”的实际观察中，机器人真

懂你的上下文、高质量交付、专业Office操作。 作者｜王博 2026世界人工智能大会（WAIC）的展馆里，很多AI公司的展台几乎都在做同一件事：让观众对着屏幕说一句话，然后等AI生成点什么。 尤其是在AI办公领域，观众输入一句话，几分钟后得到一份图文并茂的PPT，或者一张带着漂亮图表的数据看板，已经算不上稀奇。 但真实办公流程很少止于“生成”。 一项任务从资料收集开始，经过分析、创作、沟通、修改，最后才会变成一份可以交付的文件，沉淀复盘后的经验还要用于之后的任务中。可以设想一下，在这个办公流程闭环中，一个真人助理需要具备哪些能力？ 最基本的标准是：懂你、能交付、专业。 但现实中，只有一部分人有预算招聘一个助理，对于绝大多数的职场“打工人”，可能自己就是助理的角色，又如何谈得上找个助理来帮助自己呢？ 7月15日，金山办公在上海举办“2026 AI生产力大会”，正式发布了面向个人用户的灵犀专业版，提出要为“每一位用户提供专属AI办公助理”。 而在后续举办的WAIC 2026的金山办公展台，灵犀专业版的演示区前也围满了观众。 灵犀专业版在WAIC 2026上展示，图片来源：金山办公 “甲子光年”在现场发现，大家的问题非常具体：灵犀最后交到用户手里的那个文件，到底能不能直接用？是否可以在不变论文格式的情况下修改文档？表格公式是不是准确可核验？能否读取WPS云文档的内容？收到一轮又一轮反馈意见后，灵犀还记不记得最初的要求？ 金山办公的回答是，灵犀专业版是一款懂你的上下文、高质量交付、专业Office操作的AI原生办公Agent。 金山办公助理总裁田然，图片来源：金山办公 “甲子光年”体验灵犀专业版后最深的感受，恰恰来自一些不够炫目的细节：它试图记住一项工作从哪里开始，理解用户为什么这样做，围绕同一份成果持续修改，最后交付一份可以继续编辑、审阅和发送的文件。 这就很像真人助理了，而金

机器人展示的多任务更长、更复杂了，而机器人的动作连续性和针对不同环境的泛化性更强了。 作者｜周悦 编辑｜王博 2026世界人工智能大会（WAIC 2026），机器人太热了。 “甲子光年”根据WAIC官方资料统计，今年一共有242家机器人与智能硬件相关企业参展，占全部展商的23.6%，是WAIC所有赛道中最热的。 H3馆内人头攒动，图片来源：“甲子光年”拍摄 “甲子光年”现场观察到，药房、零售货架、工业产线和客厅、洗衣房等各类场景都被搬进展馆。过去常见的走路、挥手和单次抓取，正在被更长、更复杂的任务取代。机器人动作一环接一环，而周围的人和物随时可能发生变化。 一句话总结今年WAIC机器人展区的变化就是：机器人展示的任务更长、更复杂了，而机器人的动作连续性和针对不同环境的泛化性更强了。 在WAIC现场，银河通用是极少数同时展示了家庭、零售、工业等多场景全覆盖的公司，且所有演示均为全自主运行。不同于其他展商定时定点的“表演式”展示，Galbot G1和S1全程无间断，从开馆到闭馆持续稳定作业，以全天候的长程复杂任务能力彰显了技术硬实力。 展台中央，银河通用Galbot G1守在餐桌旁准备早餐，另一台G1则从货架上取出不同形态的商品。 面向工业场景的Galbot S1搬起重物，完成拆垛、码垛；另一台S1首次展示了识别螺丝、拿取工具和装配紧固等能力。值得一提的是，Galbot S1双臂最大持续作业负载达到50公斤，已经在宁德时代产线承担模组与电池包生产环节的物料转运等任务。 相比埋头干活的“铁哥们”，春晚明星机器人“小盖”则显得轻松得多，在一旁盘着核桃，和现场观众寒暄闲聊。 这些看起来毫不相干的任务，背后都由银河通用全栈自研的“银河星脑”具身大模型驱动。模型不再只负责完成一次抓取，而要在更长的时间里连续感知、判断和行动。 在“甲子光年”看来，任务链越长，局部偏差越容易被放大，安全与可