社区

传统硬件从拆箱开始折旧，Violoop希望让交付成为成长的起点。 作者｜周悦 编辑｜栗子 大多数消费硬件，在拆箱的一刻达到能力峰值。此后伴随使用时间增加，它只会变旧、变慢，直到被下一代产品取代。 Violoop想把这个关系倒过来。 在创始人何佳霖的设想中，一台AI设备放在用户桌面上30天后，理应比第1天更懂这个人：记住更多工作关系，学会更多任务路径，并逐渐知道哪些事情可以提前准备，哪些决定必须停下来等待确认。 资本已经先为这个判断投了一票。 “甲子光年”获悉，Violoop近期完成亿元级天使轮及Pre-A轮融资，联想创投、中金保时捷、蓝驰创投、元生资本、启赋资本和清科控股共同投资，向阳资本担任长期独家财务顾问。 目前，Violoop已经获得来自全球约1.2万人的订金预订，产品计划于美国时间9月15日、北京时间9月16日登陆全球众筹平台Kickstarter。 Violoop的两位创始人堪称黄金搭档。 何佳霖毕业于加州大学圣迭戈分校软件工程专业，长期生活和创业于美国，此前入选YC W19，并创办房地产科技交易平台，将业务GMV从0做到超过1亿美元。计算机背景之外，他更熟悉海外用户习惯、消费市场和产品传播，这也成为Violoop从第一天面向海外市场的重要基础。 联合创始人兼CTO朱贤桢则有着典型的技术履历：三年半完成MIT EECS本硕，此前先后在微软Xbox、HoloLens、Surface团队及ADI工作，横跨芯片、嵌入式系统和消费电子软硬件研发。 Violoop目前约有30名员工，其中研发人员占比超过六成。 过去五个月，Violoop将已经试产的V3推倒重来，完成V4量产版本的开发，并进入正式上市前的量产与交付准备。 这次升级改变的不只是算力和硬件。 五个月前，Violoop初次亮相时，正值OpenClaw风头无两，外界顺势给它贴上了一个极具辨识度的标签——“硬件龙虾”。

三节点EC硬件配置覆盖多类训练与Checkpoint负载，兼顾性能与硬件成本效率。 9月1日，MLCommons正式发布MLPerf® Storage Benchmark 3.0（简称MLPerf Storage）基准测试结果。XSKY星辰天合旗下MeshFS首次参赛，在并行文件存储赛道获得九项第一。 MLPerf Storage是由MLCommons组织的全球AI存储基准测试，用于验证存储系统对训练数据读取和模型状态读写的支撑能力。3.0版本覆盖Unet3D大文件训练、RetinaNet海量小文件训练，以及Llama3 8B至405B Checkpoint读写。三项负载具有不同的I/O形态，可从多个维度衡量存储系统性能。 本届测试共有来自全球的19家厂商、23款产品参评，其中并行文件系统赛道有14家厂商参与，包括Pure Storage、WEKA、浪潮存储、Alluxio等国内外厂商，相关结果可为AI存储选型提供参考。 MeshFS是XSKY设计的高性能并行文件系统，面向AI大模型训练、推理及高性能大规模数据处理场景。据XSKY公开资料，MeshFS采用其自研的Shared-Everything全闪存架构，利用NVMe与RDMA硬件能力，产品指标包括微秒级I/O延迟和TB/s级聚合带宽。 1.九项第一：多项性能与硬件成本效率指标居首 XSKY MeshFS获得的九项第一分布在小文件训练吞吐、Unet3D、RetinaNet与405B Checkpoint等测试项，涉及每客户端读带宽、训练场景单位性能成本和容量效率等指标。结果显示，MeshFS可支撑多训练客户端并发访问，并在三节点硬件配置下提供较高训练带宽；Checkpoint读写性能也有助于缩短模型状态保存与故障恢复时间。 图：XSKY MeshFS九项第一总览 2.三节点EC配置，覆盖全部参测场景 从Training到

推动高性能材料研发从“经验试错”走向“智能设计”。 AI新材料研发公司鼎犀智创（Rhinovate™）近日完成数亿元Pre-A轮融资，本轮融资由鼎晖百孚领投，九合创投、彬复资本、**创投、顺禧基金、中关村资本跟投。这是继此前昆仲资本、元生创投、上海未来产业基金、晶泰科技等投资后一年内完成的第三轮融资。本轮资金将重点用于RhinoMat材料科学基础大模型及底层技术研发、多场景可编排AI智能体与自主进化实验室体系建设、碳基高性能材料放大验证，持续沉淀核心技术与实验数据。 鼎犀智创成立于2025年，依托北京大学科研力量孵化，核心团队成员来自北京大学、清华大学、剑桥大学、斯坦福大学、麻省理工学院等，是一家由Physical AI驱动的新材料研发公司，致力于将复杂、依赖经验的材料研发转化为可计算、可验证、可规模化的工程体系。公司以“RhinoAI智能研发平台”为核心，整合AI Scientist、自主实验系统与中试放大能力，构建覆盖“设计—执行—表征—反馈—优化”的端到端研发闭环，让模型、数据、配方与工艺在真实实验中持续进化，推动高性能材料研发从“经验试错”走向“智能设计”。 1.RhinoAI智能研发平台： 从“干湿闭环”迈向“自主进化” 新材料是一切硬科技的物理基础，但其研发模式长期停留在经验试错：从设计到量产通常需要五到十年，计算、实验与放大彼此割裂，模型难落到工艺、数据难回流，性能也可能在放大中失效。 鼎犀智创以跨尺度物质编译为底层统一理论框架，让材料研发成为一个能持续学习、验证的自主进化平台。其自研系统Rhino以AI Scientist和Self-Driving Lab为核心，构建贯通科研认知、实验执行与反馈进化的Physical AI平台。平台不只自主迭代模型、设计材料配方、推荐设备参数，还能自主规划实验方案、调度执行流程，最终在真实物理世界中完成材料的制备和验证。 R

“AI芯片公司的创业，一定要发生在泡沫期才有可能成功。” 中国半导体投资正在经历一场久违的燥热。 2026年上半年，存储合约价一路走高，HBM、先进封装产能被长协订单层层锁定；国产GPU公司密集叩响资本市场大门，摩尔线程、沐曦之后，排队的队伍还在加长。 国家数据局《全国数据资源调查报告（2025年）》显示，2025年我国推理数据量首次超过训练数据量。算力的消耗方式，正从少数大模型训练的一次性投入，变成千行百业每一次调用都在发生的日常开支。 热度背后是老问题的新一轮提问：这一轮由AI驱动的半导体周期，与互联网、5G时代的周期有什么本质不同？确定性藏在哪些环节，泡沫又堆在哪里？大厂拆分的芯片公司、设备材料的国产化、国产GPU的竞逐，各自面临怎样的机会与隐忧？ 在“甲子光年”主办的“激流——2026甲子引力X科技产业投资大会”上，鼎晖百孚合伙人王超凡担任主持人，与千山资本合伙人郑云飞、华登国际合伙人苏东、盛世投资管理合伙人兼盛世智达董事长陈立志、新鼎资本创始合伙人王自超、阳光融汇资本董事总经理郑焱，围绕这些问题展开了一场讨论。 以下为圆桌实录，经“甲子光年”编辑整理。 1.需求指数级增长，创新走向系统级 王超凡：我是鼎晖百孚合伙人王超凡，今天很荣幸作为半导体圆桌的主持人，与各位投资人共同探讨半导体的投资机会。 大模型、具身智能是这两年才兴起的赛道，半导体更像常青树，是各个行业都需要的基础。大模型的训练推理需要算力，机器人需要大脑芯片。目前机器人用的还是智驾芯片，专门用于机器人大脑的芯片仍然空缺，这也是我们在投资中重点关注的方向。 按照黄仁勋的“五层蛋糕”理论，AI产业链的很多环节，比如能源、基础设施，中国并不弱；模型算法层面，Kimi、智谱等也已接近国际领先水平。差距最大的正是芯片——从设计到制程到工艺，落后还比较多。 过去十年，这个行业发生了很大变化。鼎晖百孚2015年投资了国

浪潮之下，重估机器人智能价值。 作者｜田思奇 编辑｜栗子 9月1日，梅卡曼德正式登陆港交所，市值超120亿港元。 从2016年在北京成立至今，这家具身智能公司始终没有制造自己的机器人整机。它选择的路线更靠近智能本身：围绕机器人如何认识环境、理解任务并最终完成行动，逐渐形成以3D视觉、具身智能大模型和灵巧手为核心的“眼脑手”产品体系，将感知、决策与操作能力做成可以适配不同机器人形态的通用组件。 如今，这套能力可以进入机械臂、移动机器人和人形机器人等不同载体，也能够随着物体、任务与使用环境变化继续工作。截至今年8月，梅卡曼德产品累计部署超过2.9万台，进入全球近50个国家和地区。 2025年，按灼识咨询统计口径，公司在全球AI+3D视觉引导通用智能机器人组件市场的收入份额为22.1%，出货量份额超过27%，均位列全球第一。同年，海外收入占比首次超过一半。 梅卡曼德“眼脑手”产品 这些数字背后，是机器人产业正在发生的重心转移。 过去几年，本体始终站在聚光灯中央。机器人的运动能力和灵活度持续提升，价格也一路下探。随着这些能力逐渐成熟，判断一台机器人价值的尺度已经开始变化。它真正进入开放环境后，需要面对的不是一段提前编排好的动作，而是不断变化的人和物。 这使得机器人的未来很难收敛成一种身体。不同空间会留下不同的约束，承担不同任务的机器人也不会长成同一个样子。梅卡曼德从创业之初押注的，恰好是身体之外那一层更容易延续的东西：机器人理解现实世界并采取行动的能力。 上市更像一次十年对账。邵天兰后来回看创业时承认，他没有预见到人形机器人会在八九年后成为今天的热潮。但公司一直追问的问题没有变。很多事情做得足够久，最初的选择才会慢慢显出它真正的含义。 1.AlphaGo之后，把AI带进物理世界 邵天兰对机器人智能最早的认识，来自德国。 2012年从清华大学软件学院本科毕业后，他前往慕尼黑工业大学学

行业无泡沫，兑现在应用。 模型能力持续提升、推理成本不断下降，AI正在加速从技术突破走向应用兑现。 一边是需求的爆发：中国信通院数据显示，我国日均Token调用量已从2024年初的约1000亿飙升至2026年3月底的140万亿，增长超过千倍； 另一边则是留存的疲软：有数据显示，国内主流AI应用的平均30日留存率仅约12.8%。智能体将如何重塑企业服务？哪些商业模式更有可能跑通？垂直场景、专有数据与用户入口又将如何构成新的竞争壁垒？这些问题，成为产业链与资本市场共同的焦点。 在8月20日召开的“2026甲子引力×科技产业投资大会”现场，围绕AI价值如何兑现、下一轮投资机会在哪里，5位科技投资人在环节，给出了不同视角的思想碰撞。 光合创投合伙人蔡伟认为，Token激增与留存疲软之间隔着一道“人在用还是agent在用”的剪刀差，当前真正稳定的需求集中在Coding等少数场景。他提出，一个应用若能在入口、数据闭环、用户资产三个关键要素中占据两个，就“立得住”；应用应当“站在模型的肩上”而非“站在模型的路上”，才能让模型升级成为免费的研发，而不是替代自己的风险。 普华资本管理合伙人蒋纯认为，应用繁荣不一定代表应用程序繁荣——Token消耗的大头来自编程，很多应用已经被大模型顺手做掉。投资机构与其追逐上层应用，不如做好AI芯片、光连接、算力、存储等硬基建，以及物理世界数据的“软基建”。他还直言，所有的收费本质上都是效果收费；而正确方向上的泡沫，恰恰是市场化组织资金、扶持有意义行业的一种方式。 峰瑞资本投资合伙人陈石认为，当前 AI 的真实消耗主要由超级用户（Prosumer）和少数先进企业拉动，大众用户还没真正用起来。他提出，应用要建立长期壁垒，需要掌握数据、评测、模型适配、部署这四项"主权 AI"；其中的数据主权与部署主权，正是端侧 AI Infra 的投资价值所在。他主张未来是"端

机器人真正的价值，是接过一份原本就存在的工作，帮助人类把它做完。 作者｜寇雨然 编辑｜王博 做一杯冰淇淋需要几步？ 在一般人看来，可能不过三五步：拿杯子、打冰淇淋、放料、搅拌、递给顾客。但走进上海吴江路的DQ门店后，Sharpa的机器人用实际操作告诉我们，制作一杯奥利奥暴风雪冰淇淋需要55个步骤。 机器人需要从叠放的纸杯中分离出一只，套上金属杯圈，连续舀取配料，在高速搅拌和强扰动下控制握力，最后把冰淇淋倒转过来，完成DQ标志性的“倒杯不洒”。 Sharpa完成DQ标志性的“倒杯不洒”，图片来源：Sharpa 其中，单是把冰淇淋打进纸杯，机器人就要移动到机器前，识别出料口和开关位置，把杯子对准出料口，拨动开关，根据杯中冰淇淋的状态判断出量，再及时关闭开关。 任何一步出现偏差，都可能影响最终结果。 根据我们现场计时，这一系列的操作过程耗时大约7分钟。而一位熟练的DQ店员完成同样的工作只需两分钟。 那么，一台速度尚不及人的机器人，用7分钟、55个步骤做出一杯冰淇淋，意义究竟在哪里？ Sharpa机器人在DQ门店制作冰淇淋（2倍速），视频来源：Sharpa 1.五十五步，难的不只是步骤多 单独抓取一只纸杯、拨动一次开关，或者完成一次倒杯，对今天的机器人来说都不算罕见。 不过这次，AI机器人公司Sharpa的机器人把一系列动作连续串联起来，最终交付一件可以被顾客食用的商品。 制作一杯冰淇淋属于典型的长程任务（Long-horizon Task）。 在机器人领域，长程任务一般指机器人需要在较长时间跨度内连续完成多个相互依赖的子任务，且前一步的结果会改变后续步骤的执行条件。它的难点不只是流程长，还在于机器人必须持续记忆任务进度、感知环境变化、抑制误差累积，并在某一步失败后进行判断、纠错或重新规划。 在今年的世界人工智能大会（WAIC）和世界机器人大会（WRC），“甲子光年”发现，长程任务

当“经验”成为物理世界的提示词，谁来规模化地生产它？ 8月19日，Generalist AI发布了新一代具身基础模型GEN-1.5。展示了一种名为physical prompting（物理提示）的能力：把一段几秒钟的真实演示片段放进上下文，机器人不经重新训练，就能直接上手一个新任务。演示即提示，在10项测试任务上，仅凭单次演示的平均成功率即达59%。 比起技术细节，这件事真正值得注意的是它释放的信号：头部模型公司已经证明了，高质量的人类经验片段，可以像提示词一样直接驱动机器人。既然经验怎么用已经有了答案，那么行业接下来面临的问题是，经验从哪来。 1.供给，卡在成本结构上 供给难，先难在成本。行业主流的采集方式仍是遥操作：一名操作员配一台机器人，手把手逐条示范。机器人本体动辄数十万元，一人一机的配比让数据产能被死死锁在机器人保有量上；换一个场景就要搬一次设备、重做一次布置，多样性也上不去。机器人数据长期又贵又稀缺，原因就在这里。 更隐蔽的一道坎是质量。具身数据圈流行一句话：数据越来越多，能用的始终很少。大量数据处在“混沌状态”，时间戳对不齐、模态不同步、标注残缺，采回来还要再花一遍清洗整理的钱，真正能直接进训练的寥寥。 数据供给的两道坎 因此，产业竞争的逻辑正在换轴：从“谁的模型更大”，转向“谁的数据闭环转得更快”。需求端已被GEN-1.5验证，供给端却仍卡在成本与质量的双重约束里。 2.一台为“生产经验”而造的设备 就在GEN-1.5发布几天后，“甲子光年”获悉，总部位于新加坡的Physical AI公司Ropedia正式发布新一代多模态采集系统HOMIE Gen2，并将在全球多地公开发售。这是这家公司十二个月里的第四代采集硬件；今年3月，他们刚刚发布了千万片段级的数据集Xperience-10M。 HOMIE Gen2示意图 时间上的巧合背后，是同一条产业逻辑：模型侧证明

机器人卖到十亿元以后，利润表里的差别比收入本身更有意思。 作者｜周悦 编辑｜王博 8月28日收盘，近期登陆科创板的宇树科技（688836.SH）股价报收585元，总市值达到2366亿元；同一天，优必选（9880.HK）收报83.5港元，总市值420亿港元，约360亿元。 分别被称为A股和港股“人形机器人第一股”的两家公司，市值相差超过6倍，半年收入却站到了同一个量级——10亿元。 8月28日晚，优必选交出2026年中期成绩单，上半年营收12.69亿元，同比增长104.2%，这是优必选上市后首次半年营收超过10亿元。 十天前，宇树在上市公告书里披露了半年数据，上半年营收为11.52亿元，同比增长48.54%。两家公司半年收入仅相差1.17亿元。 翻到利润表，差距迅速拉开。优必选上半年营业亏损2.79亿元，期内净亏损3.39亿元；而宇树营业利润为3.02亿元，归母净利润2.74亿元。仅营业利润一项，相差5.81亿元。 同样卖到12亿元，利润走向却不同，“甲子光年”制图 更细看三项核心指标，两家公司的变化方向恰好相反。过去一年，优必选毛利率上升，研发费用率和销售费用率双降；宇树的毛利率回落，研发费用率和销售费用率却都上升。 与去年同期相比，三项核心指标变化方向相反，“甲子光年”制图 两条曲线背后的动力并不相同。优必选更像是收入扩张带来的规模效应，费用没有少花，但被更快增长的营收摊薄；宇树则更像主动加码，在盈利基础上，把更多资金投向研发、品牌和销售。 人形机器人走到2026年，头部公司的半年收入开始站上十亿元。收入越接近，拉开差距的反而越藏在利润表下面：毛利率怎么变，研发和销售投入怎么变，增长最终能留下多少利润？ 1.优必选开始“摊薄” 先看优必选。104.2%的收入增长，不能全部归因于人形机器人。 今年3月，优必选完成对锋龙电气的收购，4月开始并表。上半年，新增的园林机械、汽车及

过早形成的共识，可能成为某种“误导”。 作者｜刘杨楠 编辑｜栗子 8月26日晚，第二届世界人形机器人运动会在北京国家速滑馆“冰丝带”落幕。 五天赛期，51个赛项，1301场对决，666支队伍带着2056台人形机器人从五大洲16个国家赶来，参赛机器人数额约为首届的四倍。 奖牌榜的最终格局出人意料。第一次组队参赛的智元，收获18金16银12铜，登上金牌榜和奖牌榜第一。 过去两年，机器人行业最不缺的就是“第一名”：马拉松、翻跟头、踢足球、打乒乓球、跳舞、格斗、叠衣服......单项冠军几乎人人有份，舆论热度起起伏伏，这些“第一”的含金量也被反复稀释。根因在于，各种展览赛事上的高光迟迟难以传至需求端。 但智元这份成绩单有所不同。智元此次参赛的精灵G2、灵犀X2、远征A3与灵巧手OmniHand，都是正在量产交付的机型，没有一台为比赛专门定制。这很符合智元此次参赛的slogan：“戴得了工牌，赢得了金牌。” 当一家公司把正在工厂常态化作业的量产机送上竞技场，并拿下双榜第一，其传递的信号已远超金牌本身。这些奖牌的成色几何？智元敢于以量产机应战的底气来自何处？ 1.“裸考”夺冠的含金量有多高？ 今年的“务虚会”上，智元一众高管确立了公司今年的核心战略方向：一是技术摸高，二是探索现有技术的规模化商用。 对于二者的权重，智元联合创始人、联席总裁、具身业务体系总裁姚卯青则向媒体坦言，公司是“既要又要”。这种“既要又要”，正是智元首次参赛便裸考上阵的底气。 本届运动会的赛项设计逻辑发生了根本性转向。 首届赛事的主角是田径与足球，考察的是机器人最容易被围观的速度与协调性两项能力。本届赛项则在田径、武术之外新增乒乓球、跳远、举重、拔河。 更关键的变化在于，将场景赛比重拉高至四成，涵盖商超、餐饮、工业、应急、办公、家庭、酒店、图书馆、园林、新能源汽车充电等多个真实场景。比赛规则向全自主倾斜，全自主操作