社区

我们不想做追随者，而是做定义者。 作者｜Yolanda 编辑｜栗子 3月27日，北京中关村学院在中关村论坛年会“全球对话”平行论坛活动上，发布了五项重要研究成果。其中，第一项联合深度机智正式推出的具身通用智能基座模型系统PhysBrain 1.0，不仅是一项技术更新，更被视为具身智能发展路径上的一次关键探索。 PhysBrain 1.0 由三部分构成：基座模型 PhysBrain、双脑架构 TwinBrainVLA，以及训练策略 LangForce。整体从“理解优先，通用优先”的思路出发，尝试解决传统 VLA 模型在训练中物理常识缺乏、通用能力与任务能力难以兼顾的问题，使模型在保持认知能力的同时提升执行能力。 与依赖真机数据的主流路线不同，这一体系引入大规模低成本人类第一视角数据，将物理常识作为训练核心，提升模型在复杂场景中的泛化能力。这一思路对应着行业正在出现的转向——从“动作模仿”走向“物理理解”。 在中关村论坛活动的同期展上，深度机智同步展示了其自研的全尺寸拟人体机器人Prime。该机器人具备72个自由度，比例尺寸与人体同构，可实现毫米级精细操作，并可在断电状态下自主站立，主要用于验证通用具身模型在真实环境中的适配能力。 深度机智全尺寸拟人体机器人Prime 当前，全球具身智能领域还在“轨迹拟合、数据昂贵、泛化薄弱”的旧有范式打转，深度机智凭借一套完全自主创新的技术体系，给出了破局答案——让机器人首先像人类一样理解世界，才是实现通用智能的核心路径。 作为行业新锐，深度机智成立于2025年，由北京中关村学院与中关村人工智能研究院联合孵化。与多数从硬件或控制层面切入的团队不同，该公司自成立之初便选择了一条差异化路径：让机器人通过人类第一视角数据理解世界，而非依赖大规模真机训练，这种创新思路也成为其技术突破的核心优势。 不难看出，这款由中国团队原创、开源开放、拥有物理智能的

在大模型时代，资源瓶颈不只是硬件问题，更是数学问题。作者｜王艺3月25日美股开盘，存储芯片板块集体遭遇“黑色时刻”。美光科技收跌4％，西部数据下跌4.4％，SK海力士跌去5.6％，闪迪更是重挫6.5％。一夜之间，HBM（高带宽内存）概念股蒸发数百亿美元市值。一些外媒推测，这与谷歌最新发布的一篇论文和一段技术博客有关。论文名叫《TurboQuant: Online Vector Quantization with Near-optimal Distortion Rate》（下文简称TurboQuant）。具体而言，TurboQuant通过一套全新的向量量化算法，将大语言模型推理过程中的KV缓存（Key-Value Cache）从16bit压缩到3bit左右，实现了至少6倍的内存压缩和最高8倍的注意力计算加速——而模型输出质量几乎不受影响。消息传开后，Cloudflare CEO Matthew Prince在社交媒体上将其形容为“谷歌的DeepSeek时刻”。一位独立开发者也在Reddit上晒出了复现结果：基于PyTorch和自定义Triton kernel，在RTX 4090上用2bit精度跑Gemma 34B，输出与未压缩版本的模型逐字符一致。“这就是谷歌的DeepSeek时刻，它在优化人工智能推理的运行速度、内存使用量、能耗以及多租户利用率方面提供了更大的空间，Cloudflare 多个团队都在致力于这些方面的工作。”图源：X @Mattew PrinceTurboQuant算法无需硬件改动，可与现有的推理协议栈兼容——在H100处理器上，4bit注意力机制的内存压缩率提高了5倍以上，速度提升高达8倍。 图源：Reddit @NoShowJobsHQ可以说，论文写得“零损耗”，社区用代码投了票。但市场的过激反应和社区的狂热背后，我们要问的是：这篇论文到底做了什么？它真的

软硬协同决定成败。 作者｜田思奇 编辑｜王博 过去几年，人工智能的进展主要发生在数字环境中。技术演进的路径大多指向同一个方向：让算法在虚拟环境中变得更好用。 随着这一轮技术热潮进入中段，更现实的产业问题浮现：当人工智能进入充满噪声和物理约束的工厂与电网时，它还能保持“智能”吗？ 在工业 AI 从试验走向规模化部署、虚实融合加速深化的背景下，西门子于2026年3月23-24日在北京召开RXD大会（Real meets Digital），让AI走出数字环境、在复杂物理场景中稳定可靠运行。 作为同时贯通电气化、自动化、数字化到智能化，并具备工业软件与工程经验的百年工业巨头，西门子在本次大会上集中探讨了AI深度进入生产流程后的工程挑战、系统协同与规模化路径，试图给出一种更接近现实的方案：当AI进入真实世界，软件与硬件的结合不再是配合关系，而是决定成败的前提。数字能力必须通过设备与系统工程，才能真正转化为物理世界的价值。 1.直面真实生产深水区 全球AI产业的竞争重心，正在转移。 如今在真实的生产环境里，技术参数不再是唯一的通行证。能否在制造环境中7×24小时稳定运行、实现规模化的降本增效，才是拉开企业差距的关键。 毕竟，工业场景是高度耦合的复杂系统，每一道指令都受到严苛的物理法则约束，任何决策必须在安全底线、运行稳定与生产效率之间找到极窄的平衡点。 IIoT World与HiveMQ联合发布的《2026工业AI就绪度报告》戳破了行业此前过于乐观的预期。在这份基于272位工业专业人士的调研中，54%受访者将数据质量与可用性列为头号障碍，48%受制于遗留系统集成与数据孤岛，43%担忧AI决策的可解释性与可信度不足。在不够了解“为什么”的情况下，没有人敢让机器完全接管。 西门子RXD这一命名，也对应着产业阶段的变化。单点技术已无法支撑产业演进，眼下更需要跨系统、跨区域

海淀正在向世界展示：人工智能不仅是冰冷的算力与模型，更是鲜活的生态、涌动的人才和触手可及的未来。 作者｜王艺 编辑｜栗子 如果说过去几年，是全球AI产业的“寒武纪大爆发”，那么站在2026年的门槛上，我们正迎来一场更为残酷也更为真实的价值淬炼。 当大模型的参数狂飙逐渐平息，一个尖锐的问题摆在了所有从业者和投资者面前：AI如何加速从数字原生向物理世界渗透？在产业链重构中，资本如何识别商业拐点？ 技术的狂欢终将落幕，商业的闭环才刚刚开始。 2026年3月29日下午，作为2026中关村论坛年会“人工智能主题日”的特色专题论坛，“AI未来论坛：跃迁·投资·共生”将在中关村国际创新中心海慧厅正式拉开帷幕。 本次论坛由海淀区人民政府、北京国有资本运营管理有限公司主办，北京中关村科学城创新发展有限公司、北京顺禧私募基金管理有限公司、投中信息承办。 在这里，我们不谈虚无缥缈的风口，只谈真金白银的投资逻辑与硬核产业的落地范式。今天，我们正式揭秘这场论坛的核心看点。 1.寻找下一个时代的价值高地 2026年，AI投资进入了真正的“深水区”。谁在撤退，谁在加码？ 在本次“AI未来论坛”上，最引人瞩目的莫过于“产业重构·投资大咖对话”环节。这场对话汇聚了中国创投圈最顶尖的“捕手”——红杉中国合伙人周逵、五源资本创合伙人刘芹、经纬创投创始管理合伙人徐传升、高瓴创始合伙人李良，这四位顶级投资人将在论坛现场“坐而论道”。 他们代表了从早期探索到产业巨头布局的多元视角。过去一年，创投圈关于“人形机器人该不该投”、“大模型商业化拐点何时到来”的争论不绝于耳。当这些执掌着巨量资本、穿越过多次产业周期的掌门人同台坐镇，他们将直面AI新物种如何重构生产力格局的命题，为你指明2026年资本最真实、最隐秘的流向。 同时，论坛还具备极高的全球视野。联合国前副秘书长兼秘书长特别顾问Fabrizio Hochschild（

以实干破局，打造中国具身智能自主通用底座。作者｜云凡编辑｜栗子2月28日，一场名为“启智涌现”的机器人通用技术底座开发者大会如期举行。这不仅是一次硬核技术的系统发布，更像是一场针对具身智能行业集体焦虑的正面破局。在近几年的科技头条里，机器人几乎成了全能的代名词：它们在春晚舞台上整齐划一地起舞，在马拉松赛道上奔跑，在商场展厅完成后空翻或是耍杂技。这些被精心设计、反复调优的视觉表演，给外界营造出一种智能机器人的繁荣感。然而，当视觉滤镜褪去，产业界不得不直面一个尴尬的现实：一旦机器人进入非结构化、充满不确定性的真实作业环境时，往往会表现得无所适从。它们难以应对随机性的挑战，于是，我们在新闻里或工厂角落，经常能看到机器人突然踉跄摔倒、或者因抓取失败而导致物件滑落的无奈画面。对于当前机器人的产业现状，业内有个形象的比喻：小脑过于发达，大脑却略显迟钝。这已成为大家心照不宣的共识。运动控制算法（小脑）的飞速演进，已经足以支持机器人完成复杂的肢体动作；但任务理解与自主决策能力（大脑）的发展却步履维艰。更危险的暗礁隐藏在水面之下。我国核心硬件的自主化率虽然在快速攀升，但支撑机器人思考与进化的核心软件平台，依然高度依赖国外的ROS（机器人操作系统）或英伟达的Isaac Sim等生态。这构成了随时可能引发“卡脖子”风险的命门。在这种强烈的产业落差中，由中国工业机器人链主企业埃夫特联合多方孵化的“启智机器人”，选择了一条极其陡峭的攀登路线：启智并未将研发重心停留在硬件躯壳的内卷上，其核心愿景指向了更底层的“智能机器人通用技术底座”，要做产业的“奠基者”。这家带有浓厚“国家队”基因的新锐企业，试图系统性地解决当前行业软硬件耦合深、开发效率低、技能无法复用等根本矛盾。2026年初的这场发布会，正是这套底座能力交出的首份实干成绩单。启智机器人，这家坐落在安徽芜湖的公司，正在为中国机器人打响一场跨越“演示

一种关于“技术如何介入生活”的再思考。作者｜刘杨楠编辑｜王博1995年，个人电脑迅速普及，大肆抢占用户注意力。数字世界和现实世界加速割裂，越来越多技术爱好者耗费了大量精力和机器交互，反而忽视了对现实生活的经营。彼时，马克·维瑟（Mark Weiser）便提出“冷静技术”（Calm Technology）理论，认为好的技术应在不打扰人们的前提下提供信息，只在必要时才引起关注，从而让人感到平静。三十年后的AI浪潮中，相似的技术喧嚣再度上演。科技公司们正带着一批AI爱好者在数字世界狂飙突进，追求更快的响应、更主动的交互，试图无限缩短人与机器的距离。但就在人类物理世界最私密的角落——卧室，正迫切需要一场“静默革命”。睡眠是人类历史上最古老且脆弱的生理过程，几乎占据了生命三分之一的时间。但对于如今很多人来说，“睡个好觉”已成为无比奢侈的诉求。中国睡眠研究会多项调查显示，我国成人睡眠障碍发生率已接近48.5%，估算超过3 亿人存在不同程度的睡眠问题。如此普遍的“睡眠焦虑”催生了一个千亿级的睡眠经济市场，也暴露出过往智能家居的短板。初期的智能化系统往往需要通过弹窗、提示音或复杂的交互来实现指令的下达。但睡眠是对智能系统要求最特殊的场景之一，它要求硬件和系统在用户睡着的长达数小时的时段内，能够精准地介入、稳定地陪伴、适时地隐退。2026年3月20日，北京水立方，在一场名为“智感生活“启慕式””的发布会上，“甲子光年”看到了一款变革性的智能床产品。成立22年的寝具行业知名品牌慕思，在麻省理工学院学术带头人、中国睡眠协会会长等嘉宾见证下，联手**鸿蒙，推出了年度战略新品——鸿蒙智选 慕思智能床Pro H-Design。这款产品向行业展示了一种新的可能性。真正的智能，不是向用户秀肌肉，而是通过极致克制的技术表达，实现“无感”的智能体验。该发布会还迎来了成立22年来的首位品牌全球代言人易烊千玺，他

工业AI如何走向规模化应用？作者｜田思奇编辑｜栗子无数次历史证明，每一轮技术变革的最终价值落点都不是技术本身，而是我们衣食住行的物理世界。经过数年设备联网与数据沉淀的“修桥铺路”，中国工业互联网正迎来智能化加速阶段。许多企业不再满足于数据分析，而要求人工智能介入后持续提升效率、降低能耗、改善质量。这一趋势，与今年政府工作报告中提出的深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，拓展智能制造等形成呼应。在制造与能源等高价值、低容错的工业场景中，AI能否长期稳定运行并持续提升效率，正在成为其能否进入生产体系的关键分水岭。在这一产业拐点上，刚刚递表港交所的卡奥斯，给我们提供了一个观察样本。这家脱胎于海尔的企业成立于2017年，早在行业风口形成之前便开始探索工业智能的落地路径。通过端云一体的数据智能与物联网能力，卡奥斯将工业智能体嵌入生产系统，目前已累计服务逾9500 家付费客户，客户规模与客单价值均处于行业高位，成功实现产业规模化落地并达成盈利。据弗若斯特沙利文报告，以2024年收入计，卡奥斯在中国基于平台的工业数据智能解决方案市场位居第一。随着工业AI进入规模运行阶段，卡奥斯的IPO不仅是其冲击AI+工业互联网第一股的关键一步，也成为观察工业智能如何从技术能力走向产业基础设施的重要窗口。1. 历史的必然：工业互联网的智能化跃迁工业是人工智能最难攻克的现实场域，也是承载极高经济价值的试金石。纵观近年来中国制造业的数智化演进进程，工业智能从边缘探索走向中枢系统的规模运行，并非一时的技术跟风，而是产业升级不可逆转的历史必然。发展初期，工业互联网以设备上云为核心完成底层连接，打通了长期割裂的物理孤岛。当全国重点平台的连接设备数突破亿台量级，海量数据的汇聚，自然催生了对深度分析与局部优化的需求。如今，伴随大模型与智能体技术的跃升，技术演进再次跨越临

真正的领先者，往往最清楚自己可能失去什么。作者｜苏霍伊编辑｜王博美国当地时间3月18日，“甲子光年”受邀参加了英伟达创始人兼CEO黄仁勋在GTC 2026举行的媒体会。黄仁勋大概是整个硅谷里最不怕记者提问的CEO，他不仅与全球记者谈笑风生，还试图像管理英伟达员工一样对待记者。现场一位记者的手机铃声响起，黄仁勋立刻停止回答，半开玩笑半严肃地说：“谁的手机，举手。”他还进一步强调，自己没什么特别不能容忍的事情，除了“开会时手机必须静音，每一位英伟达员工都知道。”而在面对最后一个提问的记者时，他反复强调：“最后一个提问很重要，你要想清楚再问。”GTC 2026黄仁勋媒体会现场，图片来源：“甲子光年”拍摄近两个小时、三十多个问题，几乎覆盖AI产业的每一个关键环节，可以说是一次“信息过载”的问答。但如果把所有回答压缩，会浮现出一条清晰的主线：AI正在重建计算基础设施，而英伟达试图成为这套新秩序的定义者。从推理架构的分层，到AI工厂的系统整合；从开源智能体的标准争夺，到全球供应链的再布局，黄仁勋给出的是一套逐渐闭环的计算版图。而OpenClaw（俗称：龙虾）为黄仁勋带来了新的兴奋点，他在媒体会上反复提及OpenClaw并一遍遍强调其重要性，如果说主题演讲上CUDA 20周年是英伟达对过去的回顾，OpenClaw就是黄仁勋对未来的押注。他认为，ChatGPT是AI的拐点，因为它让所有人都能用上通用AI；但Agent系统一直只停留在技术行业内部，大概只有25%的软件开发者在真正使用。然后OpenClaw出现了，几周之内就成了历史上增长最快的开源项目。看看各种龙虾的token消耗量，大家都会明白黄仁勋极力推荐OpenClaw的目的。当所有人都在算token成本时，英伟达更在意的是——谁来定义这些token从哪里产生，谁又在引导token的消费。而真正的领先者，往往最清楚自己可能失去什么。“甲

虚实融合的下半场。 作者｜田思奇 在数字世界里，一次算法升级可以通过云端迅速完成。但当人工智能真正进入现实世界，情况则完全不同。 对于工厂产线、电网系统或大型基础设施，新技术上线之前，都必须接受生产现场的严格检验。设备是否稳定运行，复杂流程能否持续协同，这些现实约束决定了，当AI走出虚拟环境、进入物理系统时，软件能力仍然是核心驱动力，并与硬件与系统工程形成更加紧密的协同关系。 这也是当前产业最关心的问题：当人工智能开始深入制造、能源和基础设施体系，数字世界与物理世界将如何融合？ 针对这些产业焦点，2026年3月23日至24日，西门子将在北京举办科技大会。作为西门子旗舰科技盛会，本次大会将系统呈现人工智能进入现实工业系统后的技术结构。从电气化、自动化、数字化到智能化，这家工业企业将首次在中国集中展示其贯穿软硬件的全栈能力，并探讨AI如何真正融入现实世界的生产体系。 近180年以来，从电网与交通基础设施，到制造设备与工业软件平台，西门子的解决方案广泛嵌入现代工业体系。随着人工智能开始进入真实生产环境，这家公司希望给出一种更贴近物理世界运行逻辑的答案。 1. 新阶段：人工智能进入真实生产 在互联网应用中，人工智能通常以软件工具的形态出现。算法可以快速部署，系统迭代往往发生在虚拟环境之中。但当AI进入真实工业系统，就不能只是让机器理解语言或生成内容，而是要在真实生产环境中参与决策，并通过自动化系统影响设备运行。 一个看似矛盾的现象正源于此：产业投入持续升温，但规模化回报仍然有限。 IDC预计，到2028年，中国工业企业在AI领域的支出规模将接近900亿元人民币，年复合增长率超过30%。但AI的商业化应用仍在探索阶段。麦肯锡的一项调研显示，近80%的企业在部署AI后尚未实现净利润提升，超过九成的生成式AI试点项目仍停留在实验阶段。 与此同时，工业环境本身也在变化。过去十年，

杨植麟首次完整披露Kimi技术路线图。作者｜王艺编辑｜王博发自美国圣何塞美国当地时间3月17日下午，月之暗面（Kimi）创始人杨植麟轻快地走上圣何塞市民大礼堂的舞台，这是英伟达GTC最重要的演讲场馆之一。虽然不少观众慕名而来，但很多人不知道的是，杨植麟是近两年来第一位在GTC官方线下活动中举行演讲的中国大陆AI创业者。前一天，英伟达创始人兼CEO黄仁勋在GTC主题演讲中曾多次提及Kimi K2.5模型，不过这次，杨植麟很低调，他没有展示任何花哨的产品Demo，没有播放任何激动人心的宣传视频——除了一段展示模型能力的简短录屏外，他几乎全程在讲技术。优化器的数学原理、注意力机制的并行分块公式、强化学习的奖励函数设计……在AI公司纷纷用炫酷的视频和亮眼的榜单“秀肌肉”的时候，杨植麟反其道而行之，用密集的技术细节告诉在场的每一位听众：开源模型不仅要开放，还必须出色。模型开源并不难。但是在数据变贵、训练变难、推理变长、任务变复杂的今天，如何把开源模型的“智能密度”继续往上推？杨植麟的答案，是三个概念：Token Efficiency（Token效率）、Long Context（长上下文）、Agent Swarms（智能体集群）。1.Token效率：突破智能的天花板演讲一开始，杨植麟就放出了一张机器学习历史上“最经典的图”——来自DeepMind Chinchilla论文的Scaling Law曲线。横轴是训练所用的token数量，纵轴是模型损失，一条平滑下降的曲线揭示了“投入更多的数据、更大的模型、更多的计算，就能获得更低的损失、更好的智能”的道理。过去几年间，整个行业正是沿着这条曲线一路狂奔，才有了GPT-4、Claude、Gemini等一系列令人惊叹的大模型。但杨植麟提出了一个不同的视角。“我们追求的是更好的Token效率，”他说，“Token效率不仅关乎效率，它实际上关乎提高智