社区

用机器的方式，抵达人类未曾到达的因果彼岸。 作者｜刘杨楠 编辑｜栗子 过去半年，从硅谷到中关村，许多人都试图通过世界模型在物理世界复刻ChatGPT的传奇。可物理世界有太多语言无法描述的隐秘变量，例如摩擦力、温度、光照等等，无不影响着模型对现实世界的理解程度。光靠堆语言或视频数据和算力，已经不够用了。 而一笔刚刚落定的融资，将外界目光引向了一位来自加州大学圣地亚哥分校的学者。 6月18日，Aether AI宣布完成约2000万美元首轮融资，由经纬创投领投，英诺基金、SWC Global、九合创投联合参投。这家成立不久的AI公司所押注的方向，正是黄碧薇博士在CVPR 2026上抛出的答案——因果世界模型。 黄碧薇博士（Prof. Biwei Huang），图片来源：Aether AI 黄碧薇博士（Prof. Biwei Huang）是加州大学圣地亚哥分校（UCSD）助理教授、Aether AI创始人。她有一个看似并不合群的观察，认为今天所有主流大模型，本质上都只是在学相关性，而非因果性，这会让模型永远停留在数据的表层关联里，无法真正理解世界运行的逻辑。 这个判断建立在她过往十余年研究基础上，从上海中科院神经所到德国马普所（Max Planck Institute）、图宾根大学，最终进入该领域的开创地CMU，师从多位奠基人Kun Zhang, Clark Glymour, Peter Spirtes，和Bernhard Schölkopf。由此，她的研究路径几乎贯穿了因果AI从欧洲到美国的完整传承。 博士毕业那年，黄碧薇迎面撞上了ChatGPT掀起的LLM浪潮。尽管身处AI前沿研究多年，她对LLM并非一无所知，但ChatGPT在自然语言任务上的惊人效果，还是给她带来了巨大冲击。“方法明明非常简单粗暴，但效果确实很好。”她回忆道，“那时候我才意识到，即使在小数据上挖尽所有信息，也

真正的AGI时代，或许将从一张床上，悄悄打开。 作者｜张麟 编辑｜王博 如果机器人真的拥有了类人的肌肤、结构和互动意识，你会和它发生性关系吗？ 傍晚时分，我们走进一栋普通的写字楼。电梯门打开后，走廊和办公室都没有太多异样，直到一束粉色霓虹灯光从房间深处透出来——墙上亮着一行手写体的Somnia Lab，像是某种暧昧的提示，把这里和外面的日常办公秩序轻轻隔开。 夜晚的Somnia Lab办公室，窗内透出的粉色霓虹，图片来源：Somnia Lab Somnia源自拉丁语，意为“梦”。在古典文学中，Somnia也会被拟人化为“梦的精灵”，而Somnia Lab这家公司的名字也取自于此，它的中文名字是“梦伴机器人”。 一位员工从办公室走出来和我们打了招呼，带我们走进了Somnia Lab。他表现得极为坦诚、平静，没有用“陪伴型机器人”这样模棱两可的概念来描述自己的产品，而是十分直白地介绍：“我们做的是一款性爱机器人。” 在粉色霓虹灯光下方，是一张堆满零件、工具、线缆和透明外壳的工作台。这里没有想象中“性爱机器人公司”的戏剧化场景，更像一个还在快速试错的硬件实验室：杂乱、临时、未完成，却也因此显得真实。 这家成立于2025年年底的机器人公司，最近悄然成为一批投资人关注的对象。一位想联系Somnia Lab的投资人甚至在网上发帖称：“谁带带我？” 这句话当然有玩笑的成分，但也泄露出一种行业情绪：当人形机器人还在寻找可规模化落地的场景，当陪伴、服务、情感交互被反复讨论却始终难以定价，Somnia Lab把问题推向了一个更直接、更敏感，也更难回避的入口——性爱。 尽管带有一定争议，但AI走进卧室后，性不再只是人的本能，性爱或许也将在不久的将来变成性与AI。 1.隐身，藏匿 Somnia Lab的创始人化名Xara。 “没错，我们正在研发一款真正能够和人类发生亲密行为的机器人。”Xara坐在

让AI像电力一样流动，让智能像工业品一样生产。 作者｜田思奇 编辑｜栗子 140万亿，这是今年3月，国家数据局公布的中国日均Token调用量。 280倍，是斯坦福大学人文中心人工智能研究所（Stanford HAI）测算的，过去两年推理成本的降幅。 40%，这是Gartner预测的，到2026年底，计划在业务系统中嵌入AI Agent的企业比例。 AI行业已正式告别堆砌硬件与参数的粗放发展阶段，从模型竞赛走向智能工业化。然而，算力越堆越多，模型越来越强，企业真正获得的智能服务却没有同步增长。 制造企业算不清AI投入回报，银行模型无法对接核心业务。问题的关键变成如何把算力、模型和行业知识，转化为可持续生产的智能交付能力，也把算力从硬件资源，转变为可度量、可结算、可落地的生产力。 立足这一产业拐点，九章云极DataCanvas于6月17日正式发布Alaya NeW AI工厂，并从即日起面向行业开发。它锚定十万P算力、十万亿Token、千个模型、千倍降本这四大目标，力求让算力像电力一样流动，让智能像工业品一样生产。 “人工智能的竞赛，已经从发明时代进入工业化时代，”九章云极创始人兼董事长方磊表示。 1.智能工业化时代：算力从资源走向服务 回顾数字产业发展历程，每一轮产业升级，本质都是硬件资源向标准化服务的转型。 云计算时代，企业告别自建机房，算力成为按需取用的公共服务。如今AI行业正在复刻这一路径，企业的需求已超越底层算力，转向直接获取能落地、创造价值的专业智能。 “甲子光年”注意到，这种变化首先来自模型能力的逐渐收敛。进入2026年，模型差距缩小，但智能服务需求却快速增长。推理成本断崖式下跌、Token需求指数级爆发，标志着大模型从高端技术变为全民基础能力，智能服务成为竞争核心。 企业采购AI，本质是为了落地业务、创造收益，堆砌模型参数无法带来实际价值，更低运营成本、更高研发效

快能力与慢功夫。 作者｜张驰 编辑｜王博 AI教育正在从一个技术问题，变成一代人的成长问题。 2026北京智源大会“AI-Native教育”论坛可以说是本届大会最为特殊的一场论坛。台上的演讲嘉宾，不只是教育专家、大学教授，还有不少中小学生，有的学生刚刚结束高考。 学生们谈AI、谈科研、谈自己正在做的项目，语气熟练得像是早已生活在另一个时代。 但越是这样，台下的焦虑反而越具体。 当中小学生已经开始用AI读论文、做工具、改造游戏剧情，现在的孩子们到底应该怎样学习？当大模型可以写代码、生成程序、辅助科研，学校到底还要教什么？当“AI原住民”这个词越来越流行，在AI时代，怎样教育孩子，才不是把他们推向一场更卷的竞争？ 在现场，观众都很期待宓奇给出答案。 宓奇是人大附中暨联合学校总校党委副书记、人大附中校长、人大附中联合学校总校常务副校长。他是物理教师出身，也长期参与STEAM教育和学校体系建设。过去的公开发言中，他很少使用激烈的判断，更习惯从课堂、学生、教师和学校组织的真实变化讲起。他身上有一种典型的基础教育管理者气质：既敏感于技术变化，也警惕教育被技术节奏裹挟；既愿意带着学校向前跑，又始终不愿放弃那些看起来慢、笨、重，但真正塑造人的东西。 这也构成了他这次演讲的题目：《快与慢：人工智能原住人才培养的辩证法》。 面对技术带来的教育焦虑，宓奇给出的答案是——快能力与慢功夫。他既不鼓励抵抗技术，也没有盲目拥抱技术。他希望大家在快与慢之间找到新的平衡。快，是面向时代的反应能力；慢，是一个人成长的底层结构。只有把这两者统一起来，AI教育才是真正面向未来的人才培养。 本文为宓奇在2026北京智源大会演讲实录，经“甲子光年”整理编辑，在不改变原意的基础上略有删改。 人大附中校长宓奇，图片来源：2026北京智源大会 大家好，今天来到智源大会参与论坛，我非常开心。刚才在展区参观的时候，我说真的是来

世界模型以“预测下一物理状态”为核心。 作者｜刘杨楠 编辑｜王博 2026年6月12日，全球顶级AI研究机构智源研究院组织的第八届北京智源大会于中关村国际创新中心启幕。这场以“技术前沿、国际视野、青年人才”为标签的学术盛会，迅速突破圈层，成为年度科技领域的现象级事件。 智源大会很多场论坛现场，不仅座无虚席，连过道都站满了人。据了解，今年智源大会有一万多名参会者，可以说是相当火爆的一场AI“内行盛会”。 2026北京智源大会现场 在众多的演讲内容中，智源研究院院长王仲远的研究进展报告，是本届大会的核心锚点。他直接抛出了智源对下一代人工智能的完整定义——世界模型。 “人工智能正沿着从大语言模型向多模态大模型再向世界模型演进的方向，加速从数字世界迈向物理世界。”王仲远说。 世界模型成为了本届智源大会的一大关键词。 早在2026年3月，杨立昆（Yann LeCun）创办的公司AMI Labs CEO Alexandre LeBrun曾预测：“世界模型将成为下一个热门词汇。6个月内，每家公司都会自称是世界模型来筹集资金。” LeBrun几乎一语成谶。 过去半年，“甲子光年”接触的多家AI初创企业均在进行战略转型，对外口径尽量往世界模型上靠。 谈论它的人，有的在说一个能够预测物理世界下一秒即将发生什么的算法架构；有的在说一个能够支撑具身智能机器人走入千家万户的聪明大脑；还有的人，用“世界模型”这张精美画布，把自己真正想做的事包装起来，确保自己不会被AI的后浪冲上沙滩。 各式各样的故事背后，有大量投资者在买单。 据报道，过去18个月，全球已有超过100亿美元资金流入世界模型与机器人AI领域。进入2026年，资本热度仍在持续升温。“甲子光年”粗略统计，截止2026年6月，国内明确标注为“世界模型”方向的融资已披露金额超75亿元。 什么是世界模型？世界模型真正能带来什么？不同技术路线都存在哪

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