10月19日至22日，以“建模物理世界·智启美好未来”为主题的2026物理AI与世界模型大会在南京国际博览中心举行。大会聚焦物理AI、世界模型等人工智能前沿方向，汇聚产业界、学术界及科研机构代表，共同探讨人工智能技术创新与产业融合的发展路径。 当人工智能从语言与知识的理解，进一步走向对真实世界的感知、建模与推演，如何让AI理解复杂环境、适应动态变化，并在与现实世界的交互中持续进化，正成为智能技术发展的重要探索方向。 本次大会，云知声携U2-Flash、智慧医保全栈技术体系、AI Magic词元出海生态基地及医疗世界模型亮相，从基础模型的能力演进，到真实行业场景中的智能应用，再到临床过程建模与未来路径推演，集中呈现AI从理解现实、服务现实到探索未来的技术实践与创新思考。   模型创新丨U2-Flash：面向真实任务的新一代高性能模型 随着人工智能加速融入真实生产力场景，大模型的竞争正从单纯的知识与推理能力，进一步走向复杂任务处理与实际应用价值。 本次大会，云知声携面向真实任务打造的新一代高性能模型U2-Flash亮相，集中呈现其在模型性能、推理效率与复杂任务处理能力方面的最新技术成果。 基于U2大模型，U2-Flash以系统性后训练与自主强化智能演进（RSI，Reinforced Self-Improvement）为重要技术路径，通过“能力发现—数据生成—强化训练—效果验证”的闭环机制，持续挖掘模型能力边界，强化模型在复杂任务中的推理、规划与执行能力，推动模型从知识理解向自主解决问题演进。 在模型架构上，U2-Flash采用Sparse MoE架构，以更高的智能密度实现性能与效率的平衡，在提升复杂任务处理能力的同时，兼顾推理效率与响应速度，以“更强、更快、更省”的综合优势，为真实生产力场景提供模型能力支撑。 行业落地丨智慧医保：让行业数据转化为自主智能 随着“人工智

当医疗AI 已经能够准确回答“这是什么病”，下一个关键问题是：它能否像真正的医生一样，在多轮问诊中主动追问、动态调整判断，并推演“接下来可能发生什么”？ 围绕这一方向，云知声构建了医疗世界模型U2-Med-World：通过重建真实诊疗轨迹、生成合成诊疗情境，为诊疗 Agent 打造可交互的模拟环境，让 AI 在反复“接诊”中学习主动获取信息、根据反馈动态修正判断，最终形成可靠的连续决策能力。 基于U2-Med-World，云知声进一步打造虚拟患者问诊环境，作为 U2-Med 的重要训练基础，推动其突破单纯医学问答的局限，学习主动追问、动态更新判断以及识别潜在风险。 近期，在权威医疗对话评测HealthBench 最新汇总结果中，云知声 U2-Med 表现亮眼：HealthBench Full 得分 73.67 分，HealthBench Hard 得分 61.07 分，两项成绩均位列本次参评模型第一，全面超越Baichuan-M4、Baichuan-M3、蚂蚁·安诊儿、GPT-6 Astra、GPT-6.1 Sol等前沿模型。该结果也为U2-Med 的连续诊疗与医疗对话能力提供了客观的阶段性评测参照。HealthBench由 OpenAI 推出 ，联合在 60 个国家和地区执业的 262 位医师构建，包含 5,000 个贴近真实情境的健康对话，是评估模型医疗对话与问诊能力的重要外部参照。   01 从回答单一问题，到理解持续变化的患者 真实诊疗中，患者并非静止的一组症状。门诊医生从主诉出发，通过不断追问与检查补充证据；进入治疗与随访阶段后，又需根据新指标、新症状和患者反馈实时调整方案。如果医疗 AI 仅停留在“回答一个已明确的问题”，便无法支撑这一连续的动

代码智能体能修复 bug、根据需求写代码。但如果需求还需要自己探索，开发过程需要反复修改，它能否把任务持续推进下去？ 这是云知声 U2-Flash 面向复杂工程开发、长程任务和多步骤 Agent 场景时，关注的关键能力。 围绕这些挑战，云知声联合厦门大学苏劲松老师团队提出 ProgramGym，从训练环境与开发工作流两个方面探索长程程序复现。相关技术已应用于 U2-Flash 的研发，服务其复杂任务与代码智能体能力建设。 01 创新训练环境，让 AI 在真实程序中探索需求 只有一个可运行的参考程序和配套文档，不看源码，AI 如何从零编写一个行为一致的程序？ 它需要运行程序、观察输入输出，逐步发现需求，再设计实现。训练这些能力，需要足够多可交互、可验证的任务。但真实仓库的依赖、编译方式和功能各不相同，环境搭建与测试准备往往难以规模化。 Program-Env 将参考程序构建、运行沙箱和黑盒测试生成串成自动化流程，并根据构建诊断和测试质量反馈持续修正。 其创新在于，把“程序能否运行”和“复现表现如何验证”一起纳入环境建设，让真实代码仓库转化为智能体可以探索、实现和接受检验的训练任务。 目前，ProgramGym 已构建 1,648 个训练环境，覆盖 C、C++、Go 和 Rust，为训练轨迹采集及后续模型训练提供可复用的任务资源。 02 创新开发流程，让长程任务有记录、能恢复 任务越长，智能体越容易遗忘早期发现的需求；多轮修改中，也可能破坏已经完成的实现。 Program-Agent 将分析、实现和审查分开，在独立会话中执行，并通过持久化记录交接行为证据、开发进展和修改要求。 分析阶段先探索参考程序；实现阶段依据记录编写代码；审查阶段对比程序行为，将差异转化为下一轮修改任务。这样，探索到的需求能够持续进入后续开发，而不是停留在一次对话中。 版本管理则为失败恢复提供支撑：每轮交付

1917年，日本数学家挂谷宗一提出了一个看似简单的问题：在平面上，一根针旋转360度，所扫过的区域面积最小能是多少？ 直觉上，答案似乎是以针长为半径的圆盘。但数学家很快发现，存在面积可以任意小的集合，仍然能让针在其中完成任意方向的旋转——这类集合被称为"挂谷集合"（Kakeya set）。 挂谷猜想将这一问题推广到更高维度：在 n 维空间中，任何包含每个方向上单位线段的集合，其"大小"（以豪斯多夫维数和闵可夫斯基维数衡量）是否必然等于 n ？换言之，高维空间中的挂谷集合是否不可能"太薄"？ 这一猜想与调和分析、偏微分方程、数论等领域深度交织，被视为现代分析学的核心难题之一。目前，三维情形已取得重大突破，但四维及更高维度的集合版挂谷猜想仍是开放问题——它要求研究者在极其复杂的几何与分析结构中，构建严密且环环相扣的论证链条。 作为一个具有百年研究历史的经典数学问题，挂谷猜想长期吸引着数学界的关注。从低维情形到更高维度的推广，相关研究不断深入。其中，四维集合版挂谷猜想仍是调和分析与几何测度论领域的重要开放问题，对数学论证与逻辑推演提出了很高要求。 近日，云知声自研 U2-Flash 围绕四维集合版挂谷猜想开展自主推演，完成从问题分析、推理构建、迭代修正到预印本手稿生成的全链路探索，并留存了相应的推理与迭代记录。 这次实践并不意味着四维挂谷猜想已经获得最终证明，而是将大模型置于一个真实的前沿数学问题中，考察其能否突破单点解题模式，持续推进复杂任务，并形成可供进一步审查的研究成果。 从回答问题到探索开放性数学难题，云知声 U2-Flash 正在以具体任务检验大模型的长程推理能力。 01 直面前沿数学问题，考验长程推理能力 挂谷猜想的难点，不在于某一次计算，而在于如何建立严密、连续的数学论证。面对四维集合版这一高维问题，研究者需要在复杂的理论体系中寻找切入点，梳理不

从厦门的模型服务，到埃塞俄比亚的跨境电商直播间，再到面向美国消费者的商品内容，中国AI正通过“词元出海”进入全球业务场景。 近日，《环球时报》海外版和中文版先后关注中国“词元出海”的发展。云知声服务埃塞俄比亚跨境电商企业的实践两度成为报道案例：当地团队通过API调用部署在中国的大模型，借助AI完成直播脚本生成、商品内容优化等工作，让中国大模型能力跨越地域边界，融入海外商业流程。 中文报道：《词元，AI时代的“中国好物”》 https://hqtime.huanqiu.com/share/article/4TZegIw0Rxb 英文报道：《China’s ‘token going global’ is helping African livestreamers reach American shoppers while narrowing digital divide》 https://www.globaltimes.cn/page/202610/1371868.shtml 海外业务能够落地的背后，是大模型能力在真实场景中的持续验证。只有模型具备解决复杂任务的能力，才能真正进入客户业务流程，并形成持续调用。 近日，云知声U2-Flash在工业级代码评测中拿下四大赛道第一、综合排名第二，并在芯片RTL、代码编译迁移、矢量渲染、长程智能体决策四大赛道中均获得第一，展现出面向复杂工业任务的代码生成、工程交付和Agent执行能力。 模型性能的持续提升，也正在转化为市场端真实增长。 数据显示，自9月15日发布以来，U2-Flash Token消耗量呈阶梯式上涨，10月11日单日消耗量达到发布首日近30倍。 从海外客户的实际应用，到平台调用规模的快速增长，两组进展共同印证了云知声大模型能力从技术验证走向商业应用的路径：一端，U2-Flash凭借模型性能进入全球真实业务场景，满足海外客户的

2026年9月29日，云知声与中铁上海设计院集团有限公司（下称“中铁上海院”）战略合作签约仪式在上海圆满落幕。紧跟铁路与轨道交通行业数字化、智能化深度转型浪潮，双方正式建立长期深度战略合作伙伴关系，聚焦“人工智能+铁路与轨道交通”核心赛道，开启技术共建、场景共研、标准共制、成果共享、奖项共申的全新合作格局，全力赋能交通强国建设，推动铁路轨交行业数智化生态全面升级。 中铁上海院数智产业事业部总经理柏锋、云知声智慧交通总经理李旭滨代表双方签署战略合作协议。中铁上海院党委书记、董事长刘建红，副院长陈东巨，副院长、总工程师周小兵，云知声创始人、CEO黄伟，联合创始人、创新事业部总裁陈吉胜出席并见证签约。本次签约实现了双方合作层级跨越式提升，从过往单一项目落地合作，升级为行业级科创平台共建、行业标准输出、产业生态深度赋能的高层次战略协同模式。 签署战略合作协议 根据协议，双方将整合各自核心优势，构建全方位协同合作体系。围绕AI智能底座建设、铁路行业专属数据集与垂直模型研发、轨道交通全场景智能化应用开展深度合作，拓展物理世界数据模拟能力，开展世界模型研究，并在技术联合研发、市场协同拓展、复合型人才培养、科研成果转化等方面深度联动，推动人工智能前沿技术与铁路规划、勘察、设计、施工、运维、标准管理全业务链条深度融合，打造行业可复制、可落地的智慧铁路标杆，助力轨道交通产业高质量升级。 01 深耕合作根基，共探AI轨交融合新路径 仪式上，中铁上海院党委书记、董事长刘建红发表致辞。他表示，智能化、数字化是铁路行业转型升级的必然趋势，也是交通强国建设的重要抓手。中铁上海院深耕轨道交通七十余年，拥有完整的工程服务能力、丰富的一线场景资源与行业标准积累，近年来持续推进数智化建设，已建成“上铁智慧”智能体平台、铁路安全监测、智慧运维等多项数字化成果。他指出，云知声具备自主可控的大模型与智能体核心技术，产

9月22日，以“启新程·筑智东盟”为主题的云知声东盟总部入驻仪式在南宁轨道科技创新产业园举行。由云知声（广西）智能科技有限公司与广西桂云通科技有限公司一体化承载的云知声东盟总部正式入驻园区。广西一键游数智文旅产业集团有限公司总经理廖伟平、南宁轨道科创投资有限公司总经理刘俊杰、柳州地区民族高级中学校友代表胡江等领导及合作伙伴代表，与云知声联合创始人兼CTO梁家恩、云知声（广西）副总经理胡志强、桂云通副总经理于海亮等出席活动，并为云知声东盟总部剪彩、揭牌，共同见证这一重要时刻。 云知声联合创始人兼CTO梁家恩在致辞中表示，云知声（广西）正式入驻南宁轨道科技创新产业园，既是云知声在广西发展的新起点，也是其扎根广西、面向东盟迈出的重要一步。当前，广西正处于人工智能发展和面向东盟开放合作的重要节点。“北上广研发、广西集成、东盟应用”这一发展路径，让广西不仅是人工智能技术的应用市场，也有机会成为中国人工智能走向东盟的重要支点。 梁家恩表示：“过去，我们已经在广西留下了一个个云知声的成果；今天，我们把东盟总部扎在这里；未来，我们要从这里走向东盟。” 近一年来，云知声正加速推动各项业务在广西落地生根： 在产业生态方面，AI Magic东盟数据和智能体产业示范基地建设扎实推进，全面汇聚企业需求、前沿技术、开发人才与产业伙伴。 在文旅领域，数字人“如意”正式落地青秀山，以虚实融合解锁山水人文新体验，同时云知声与广西旅发科技股份有限公司达成签约，合力共拓文旅、文博与康养空间。 在智慧交通领域，广西桂云通联合南宁轨道共建的两座“南A中心”智慧公交站台正式上线，多语种智能客服体系持续升级。依托山海大模型与兽牙 Agent 智能体平台，云知声围绕轨道交通与城市 MaaS 一体化出行，提供覆盖智能客服、出行问答、智慧导引及运营管理等场景的 AI 解决方案，推动公共出行服务与运营效率同步提升。 在教育领域

Flash，不再只是效率的代名词，而是主力智能的新形态。 今天，云知声正式发布 U2-Flash。 它不是 U2 的效率精简版，而是一次面向真实生产力的全新主力智能形态的诞生。作为新一代高密度智能模型，U2-Flash 通过系统性后训练释放推理和自主执行能力，既有主力模型的硬核能力，又有 Flash 级别的极速响应，为真实生产力场景提供更强、更快、更省的综合解法。 相比其他大模型公司，云知声的独特优势在于：我们是一家具有10年以上场景沉淀的大模型公司。多年的真实业务打磨，让我们对场景的理解深度和数据积累厚度远超纯技术驱动的团队，也让U2-Flash从设计之初就深度贴合真实生产力的需求。 在能力构建方式上，U2-Flash 有两个鲜明立场：一是让模型深度参与自身训练闭环的演进——从生成训练数据、分析轨迹到巡检修复训练系统——这是递归自我改进（RSI）方向的第一步实践，也是贯穿技术设计的主线；二是让模型在隐藏状态空间中进行深度思考（Latent Reasoning），并将思考能力封装为用户可控的思考强度接口，而非不可观测的黑箱。 在架构上，U2-Flash 采用稀疏混合专家（MoE）设计，总参数约 266B，但单次推理仅激活约 10B 参数（激活比例不到总参数的 4%），把编程、Agent、数学推理、指令遵循等多领域能力统一编码进同一套权重，用远小于同类模型的激活规模，撬动主力级的任务完成质量——其综合能力已可比肩市面上主力模型。而支撑这套架构能力充分释放的，正是系统性的后训练机制——它让模型从“能做事”进化到“会做事”。 01更强：能力跃升，比肩主力模型 在真实业务场景中，模型能力的竞争已经从“能否回答问题”走向“能否完成复杂任务”。相较上一代 U2 模型，U2-Flash 实现了跨代式的全面跃升，在代码、Agent、高阶推理和办公自动化等核心场

9 月 12 日，2026 外滩大会 “Inclusion・共创新 AI 经济” 见解论坛在上海顺利举办。本次论坛由复旦大学哲学学院、上海广播电视台第一财经联合主办，以 “AI 浪潮下的智能替代与螺旋上升” 为核心主题，打破 “机器换人” 的单一固化叙事，围绕 AI 时代的人机关系、职业重构与价值重塑展开多维思辨，深度探讨人工智能发展的机遇与潜在挑战，探寻产业、个体与社会协同平衡的可行路径，共同展望人机共生、良性可持续的智能新时代。 云知声创始人兼CEO黄伟博士受邀出席圆桌对话，结合产业实战经验，分享关于AI边界、人才变革、安全治理与产业发展的核心观点。 01 AI替代是螺旋升级：提效确定，但并非全盘取代 AI对产业和职业的改造，是螺旋式上升的持续重构，而非一刀切的彻底颠覆。黄伟分享了云知声内部的一个真实变化：过去做一个产品版本，需要20人左右的团队花一两个月；而现在，一天就能完成。 提效是确定的。但他同时指出，并非所有工作都可以交给AI。一些公司曾尝试大幅用AI替代人工，结果"裁员裁到了大动脉"——工作链条中有些环节仍然离不开人。因此他认为，今天我们需要重新定义工作的内容和边界：某些环节AI可以100%胜任，但另一些环节人的参与仍然不可或缺。 黄伟还从更宏观的视角分享了他的观察。当前AI的发展可以分为数字AI和物理AI两条线。数字AI发展极快，能力已远超人类；而物理AI——即AI与现实世界的交互——进展相对缓慢。物理AI的缓慢进展，某种程度上为人类争取了思考和适应的时间窗口。但他也表示，在数字AI一路狂奔的同时，谁来控制AI、如何防止失控，是必须正视的问题。 02 人才标准迭代：可替代的是技能，稀缺的是思想力 AI时代，传统人才评价体系正在被重写。黄伟认为，过去招工程师侧重代码能力和经验，但今天这些已不再是核心考量。AI可以写代码，但AI不能替代的是人的思想力——想象力、

近日，云知声收到中铁上海设计院集团有限公司（以下简称 "上铁院"）发来的表扬信。信中，上铁院对云知声团队在 "大模型云服务及智能体应用开发服务项目" 中的技术实力、项目交付与服务态度给予高度评价。 一封表扬信的背后，是云知声 AI 技术深入业务场景的真实实践。 作为大型综合性研究机构，上铁院的审计工作长期面临三大现实难题：历史审计报告、制度文件分散沉淀，查找依据耗时费力；文档审查依赖人工逐条比对，效率低、标准不一、容易遗漏；大量审计经验沉淀于个人，难以形成可持续复用的组织知识。这些问题的本质，是非结构化文档难理解、领域知识难沉淀、业务经验难复用。 针对这些痛点，云知声以 "整体规划＋技术研发＋知识工程＋交付运维" 为主线，融合文档解析、知识图谱、RAG 检索增强、大模型与智能体等技术能力，为上铁院打造 "上铁智审" 审计智算平台，用四步让 AI 真正走进审计业务核心流程。 01 ｜ 智能解析：让 "沉睡文档" 变成 "活知识" 审计资料多、格式杂、分散存储，"找得到" 不等于 "用得上"。云知声依托智能文档解析能力，对上铁院历年审计报告、制度文件、项目资料等进行统一解析，建设审计资料库、制度库和问题库。目前，平台已汇聚 2017—2026 年相关审计材料，沉淀制度文件 2000 余份、问题清单材料 200 余份，让分散的历史资料真正变成可检索、可关联、可复用的知识资产。 02 ｜ 精准召回：让 "翻文件" 变成 "找答案" 面对海量制度文件和历史案例，审计人员过去往往需要反复翻阅、比对，才能找到对应依据。云知声构建面向审计场景的混合检索与多级重排能力，结合关键词检索、语义检索与审计知识图谱，实现制度、审查要点与历史问题的深度关联，让 AI 快速找到相关依据。 03 ｜ 可证输出：让 AI 审查 "说得准"，更 "证得出" 专业审计场景不仅要求 AI 给出

全国头部连锁药店实践：当AI工牌走进药店，让服务看得见、顾客被看懂、经验可复制。 在连锁药店行业，"慢病管理"早已不是新概念。 头部连锁药店争相布局慢病服务专区、配置慢病管家、建立会员档案——每家都在做。但一个长期无解的问题始终横亘在管理者面前： 慢病管家在门店到底做了什么？服务做得好不好？顾客真正需要什么？ 这些问题的答案，过去只能靠抽查、汇报和经验判断。总部的管理半径，到了门店前台就断了。 最近，我们对某国内头部连锁药店的一次智慧工牌落地实践进行了全程跟踪。在近百家门店、近百名慢病管家中落地两个月后，我们看到的不是“又多了一个打卡工具”，而是慢病服务的管理逻辑正在被重塑。   01 慢病服务的“黑盒困境”：总部看不见，门店说不清   先看一个行业共性场景： 某连锁药店的慢病管家小张，每天接待十几位血糖、血压异常的顾客，量指标、推荐用药、叮嘱饮食——看起来一天工作很充实。 但总部管理者真正想知道的是： • 小张有没有按标准流程（SOP）完整服务每一位顾客？ • 顾客没买单、没建档，真正的顾虑是什么？是嫌药贵、怕副作用，还是不知道怎么监测？ 在传统模式下，这些信息完全停留在门店一线——沉淀不下来、传递不上去、复盘也复盘不明白。 慢病服务发生在总部视线之外，经验停留在个人脑子里，反馈滞后到顾客流失之后。 慢病服务发生在总部视线之外，经验停留在个人脑子里，反馈往往滞后到顾客流失之后。大量顾客的真实需求和对药物的顾虑，被淹没在日常闲聊中，从未被系统性地捕捉过。 而这次的落地实践，核心就是解决这两个问题：让服务执行可视，让顾客声音可听。   02 云知声智慧工牌，如何打开慢病服务“黑盒”   其实破局的思路并不复杂：让慢病管家佩戴云知声智慧工牌，在服务顾客时全程录音；背后的AI系统自动完成SOP质检、顾客洞察提取和优秀经验

近日，云知声（股票代码：09678.HK）连续获得行业权威认可。在国内大模型垂直媒体「AI大模型工场」发布的2026年7月中国AI大模型平台排行榜中，云知声入选“AI潜力企业榜TOP5”，其U2原生Agent大模型入选“综合实力排行榜TOP10”。同期，在南方都市报发布的AI榜单中，云知声凭借U2原生Agent大模型成功入选“AI新物种”榜单。   AI大模型工场“AI潜力企业榜TOP5”&“综合实力排行榜TOP10”   南方都市报“AI新物种” 从模型综合实力，到企业发展潜力，再到产业创新价值，接连入榜背后，是云知声围绕原生Agent大模型持续构建的技术实力与产业化能力。 作为世界一流的AGI科技企业，云知声以U2原生Agent大模型为核心基座，持续推进 AGI 技术的产业落地，构建起从底层模型、能力组件、Agent编排到真实业务应用的完整智能体技术体系。 从“回答问题”到“完成任务”，U2天生为执行而生 当大模型进入产业深水区，衡量模型能力的标准正在发生变化。 面向真实业务，AI不仅要“会回答”，更要能够理解复杂目标、进行长链路推理、调用不同工具，并在执行过程中持续纠错，最终真正完成任务。 U2正是云知声面向这一趋势打造的原生Agent大模型。围绕真实任务执行，U2秉持“高智能密度 × 高Token价值”的技术理念，在复杂推理、超长文本理解、代码生成、多工具协同等方面形成核心能力，并可自主完成任务拆解、规划执行、过程纠错、结果验收等完整链路。帮助个人、开发者与企业组织从“获得答案”真正走向“交付结果”。 综合能力持续突破，U2跻身全球主流大模型第一梯队 强大的Agent能力，离不开扎实的模型底座。 目前，U2已在AA-LCR、GPQA Diamond、IFBench、SWE-bench Verified、WildClaw