具身智能走进家庭，或许真的可以从情感陪伴开始。 作者｜刘杨楠 编辑｜王博 “爸爸，黑洞是什么？” 面对女儿的好奇心，任永亮没有敷衍。他认真讲解了黑洞坍缩的原理，科学、准确、无懈可击。可接下来的几晚，他发现女儿不敢睡觉了——她害怕自己被吸入黑洞。 这件事给了任永亮不小的警醒。他意识到，沟通并非有问必答，一些无法明说的同理心和分寸感，才决定了一次沟通是否能真正抵达对方。而自己做了十几年情感服务，竟也会在和孩子日常交流时感到无措。 任永亮是心言集团创始人。2001年，任永亮考入北大医学部；2011年从IBM离职创业，2013年上线测测APP。目前，测测APP累计注册用户超6600万，日均服务近200万人次，10年真人情感陪伴服务时长超过2亿分钟。 而现在，他有了新的身份——心言机器人创始人、Bubbo 1首席设计师。 2026年10月29日，心言机器人耗时近两年打造的“神奇伙伴”巴布（Bubbo 1）正式发布。巴布身高65厘米，拥有大约一个两三岁孩子的视角，毛绒外壳，圆眼睛，可爱的皮囊下藏着13类、共26个传感器。目前，巴布在京东正式发售，售价9499元；前1000名用户可享7999元的优惠价。 当具身智能的潮水涌来，任永亮被推向情感陪伴的下一站。他尝试为更强大的AI打造一副身体，用局外人的视角，更深入地参与家庭活动，让机器人来弥补当前家庭关系中难以避免的无奈与遗憾。 创始人通常在很大程度上决定着一家公司的气质。而在任永亮的讲述里，“甲子光年”听到了一种当前具身领域难得的务实：他并未重复具身领域主流的宏大叙事，他深知心言的能力所长，也不失对新一轮技术浪潮的敬畏心。 具身智能走进家庭，或许真的可以从情感陪伴开始。 图片来源：心言机器人 1.拿着钉子找锤子 任永亮的创业经历几乎一路都在被现实修正。 2013年，测测APP上线，定位是AI推荐工具，但当时的技术不允许，2016年移动支付

You are not alone, Your AI is here. 作者｜甲子Builders 田琬琦 编辑｜王博 10月30日下午，北京海淀，“甲子Builders”密谋了一场不太寻常的聚会。 我们先是打乱了平日里一本正经的路演厅桌椅，然后拉上窗帘，驱逐阳光。几盏南瓜灯亮起，蜘蛛网悄悄占领墙角，幽灵悬在半空，露出诡异的微笑。镜子也没能幸免，被人抹上了几道可疑的血迹。 一番折腾，现场总算有了点“闹鬼”的意思。 不过，这个万圣节，我们可不只是装神弄鬼。 对于一群整天和AI打交道的人来说，或许还有一种更应景的玩法：带着自己亲手创造的“AI幽灵”，出来见见世面。 说AI是幽灵，倒也不全是玩笑。 尤其是最近越来越受关注的Personal Agent（个人智能体），某种程度上，它就像是每个人在数字世界里养出来的“AI幽灵”。 它没有身体，却能替你行动；不曾经历你的人生，却可能记得你的过去，熟悉你的偏好，甚至逐渐学会按照你的习惯处理问题。当你离开屏幕，它仍然可以在数字世界里替你处理任务，延伸你的能力。 过去，我们通过键盘和屏幕与AI交互；如今，随着Personal Agent的发展，一个更有趣的变化正在发生：每个人都有可能拥有一个带着自己鲜明印记、能够独立行动的数字分身。 当然，这些“AI幽灵”也没有传说中那么神通广大。它们可能忘事，可能犯错，也可能一本正经地把事情搞砸。人和AI之间，除了默契，还有不少说不清的爱恨情仇。 于是，我们向一群AI Builders发出邀请：带上自己的Personal Agent、数字分身，或者任何稀奇古怪的AI实验，来赴一场约。 Demo or Treat？ 这个万圣节，让我们来看看，一群AI Builders究竟从机器里召唤出了什么？ 说出来你可能不信，活动现场，我们和伏地魔打了一通视频电话。 这位黑魔王脾气不太好。有人问他愿不愿意去鬼屋帮忙赚钱，他

“你的很多深渊，是伪装成你的未来的。” 整理｜刘亚琼 刘景丰 2026年9月3日，GPT-6 Astra发布，再次突破了人们对AI能力边界的想象。 基模的边界在哪里？ 10月23日晚，由中关村科学城管委会、中关村发展集团联合主办的“清河夜话”圆桌对话上，甲子光年创始人&CEO张一甲，将这一问题抛给四位嘉宾：智谱CEO张鹏，滴普科技创始人兼董事长、CEO赵杰辉，银河通用机器人CFO孙登科，以及光轮智能联合创始人、总裁杨海波。 他们站在不同的视角：基座模型、企业AI、Physical AI的模型、本体、数据与测评。 2026年，AI的发展每走一步都在创造历史，但当AI能力越强，打开的问题空间越大，复杂度越高。 AI的边界究竟在哪里？它逐渐超乎大部分人的预测：从眼前看，一部分人看到的是，LLM似乎正在吞噬一切，Physical AI不过是其中的子集；一部分人认为，真正可怕的是基模“那看不见的基础上的差距”；更长远看，智能终局如何，在不断翻转的预期里，什么是幻象，什么是真相？ 赵杰辉在现场说了一句精妙的回答—— “你的很多深渊，是伪装成你的未来的”。 以下为本场圆桌对话的文字实录，经“甲子光年”编辑，在不改变原意的基础上略有删改。 1.从AGI到Physical AI， AI的边界在哪里？ 甲子光年创始人&CEO张一甲 张一甲：AI发展越快，线下面对面深度交流就越珍贵。今天，我相信在座各位都和我一样有一种“混搭感”。不同的产业有着不同的时钟：AI争分夺秒，而城市更新需要一砖一瓦；不同的视角又有不同的取景框。 上一场嘉宾在谈“百年京张AI创新带”，给了我们一个大全景；接下来，和我对话的是几位AI企业家，希望我们的对话可以走进AI的中景、近景、特写，一起感受真实的水温和这个行业的颗粒度。有请今天的几位老朋友和我们一起聊聊。他们分别是智谱CEO张鹏，滴普科技创始人、董事长

轻量化后训练，构筑物理AI入口。 作者｜田思奇 编辑｜王博 在具身智能领域，机器人在抓取和操作上的进步更容易吸引目光。但要真正进入个人生活，机器人还必须具备可靠的自主移动能力。如何在陌生环境中理解指令并完成导航，同样是具身智能走向实际应用的关键。 不久前，北京大学与启元机器人团队提出的HIL-UMI作业智能学习范式，引发了具身智能领域的广泛讨论。这项研究让模型参与人类示范数据的采集，提高操作技能的学习效率，展示了作业智能迈向大规模后训练的一种新方法。 具身导航也在探索类似的技术路径。大模型已经显著拓展了机器人的语言理解与视觉感知能力，但面对不同的真实建筑，导航成功率仍可能大幅下降。如何通过后训练提高机器人对具体环境的适应能力，成为新的研究方向。 上周，北京大学长聘副教授、启元机器人首席科学家董豪领衔的研究团队公布论文《One Scan is Enough》，提出一种基于大模型的场景后训练新范式。研究人员只需用带激光雷达的iPhone扫描一次目标环境，系统就能自动生成导航任务，并利用重建场景的几何信息进行强化后训练，无需在目标环境中采集人工遥操作示范。 在五处真实室内环境的200次真机测试中，未经场景适配的导航模型成功率为25%，人工示范微调后达到49%，采用新方法则提高至85%。仅凭一次环境扫描启动的后训练，取得了明显优于人工示范微调的效果。 这项研究延续了董豪团队近年来在大模型导航、通用指令和自主纠错等方向的探索。与此同时，启元9月20日发售Q1、T1两款个人机器人，10月25日第5000台机器人下线。前沿研究与规模化产品供给同步推进，为启元探索物理AI入口提供了技术与硬件两方面的支撑。 1.从通用导航到自主学习， 为什么需要新的范式？ 基于AI的自主导航研究，早在大模型出现之前就已经展开。其中一种典型路径是视觉语言导航（VLN）：先在仿真环境中采集数据、训练模型，再部署

一个新物种诞生后的纠结。 作者｜张麟 编辑｜刘景丰 2023年，一则“年轻人坐电动轮椅上下班”的新闻曾引发人们热议。 在社交媒体，年轻人在通勤路上、商场、高校食堂乘坐电动轮椅的视频，也迅速流传开。年轻人、轮椅，两个极具反差的词汇，成功吸引了人们眼球。 年轻人使用轮椅出行，图片来源：小红书“护卫神电动轮椅”账号 但好景不长，有媒体爆出，这些年轻人乘坐电动轮椅出行的视频，不少是商业营销行为。而南方周末也在同期调查中提到，企业负责人透露“一问速度都不买了”。 尽管这是个小众的赛道，但2026年其还是引起了一些关注。“甲子光年”发现，自年初至今，该领域至少已有9起公开融资事件，融资规模也从千万级到数亿元人民币不等。 其逐渐被投资人关注，也与具身智能、自动驾驶等落地产业有关。 从2024年开始，中国的世界机器人大会，人工智能大会、美国的CES消费电子大会，但凡是一个能够将智能软硬件结合体推向市场的舞台，智能轮椅就一定会出现。 在具身智能概念狂热之前，一个身体健康的人似乎不会和轮椅产生交集，其用户一般是中老年群体。但现在，智能轮椅厂商正在尝试通过产品性能的改变吸引更多年轻人来使用它。 “甲子光年”接触的创业者和投资人中，所有人都避免“电动轮椅”这个产品定义，他们更希望把产品定义成一个“具身智能机器人”，并将其视为未来AGI的家庭入口。或者把轮椅视为一种新的出行工具，这种工具介于自行车和两轮电动车之间，能够满足更多人“懒”的需求。 但在实际落地时，企业又不可避免地瞄准了康养领域，老人仍是轮椅的第一目标用户。 1.年轻人的“智能轮椅”，从好奇到实用 深圳的傍晚六点半，李战斌走出公司大门，去街对面的快餐店吃晚饭，这是他一天中难得的放空时间。下楼以后，他时常会看到有年轻人坐着智能轮椅在路上行驶。 “差不多每天都能看到，对我来说没什么稀奇的。”李战斌说，“他们的轮椅速度也不快，大概15公里/小时

让智能进入工作流——Agent的任务交付、价值创造与规模经营。 最近两年，Agent最容易吸引关注的，是AI能否调用工具、操作软件，完成过去需要人反复指挥的一连串步骤。 进入2026，随着Agent产品延伸到个人助手、团队协作与真实企业流程，产业开始面对更具体的问题：当Agent真正接手工作，它能否理解业务要求，在授权范围内持续推进任务、处理变化与异常、并稳定交付可以验收的结果？这些结果又能否转化为用户愿意持续付费的业务价值，和厂商能够长期经营的商业收入？ 从完成一次任务，到持续、稳定地承担真实业务工作，Agent正在接受更深入的商业检验。 在传统的知识问答交互中，人提出问题，AI给出答案，后续的信息整理、系统操作、结果复核与进度跟踪，仍然大量依赖人工。Agent的产品探索，正在尝试将这些相互衔接的工作交给系统承接，并从执行明确指令，进一步向持续跟进、跨工具协作与复杂任务推进延伸。 但让智能进入真实工作，并不只是提升模型能力那么简单。 模型提供理解、推理与规划能力，领域知识、业务数据和规则帮助Agent理解具体工作，运行与执行机制则负责连接工具、管理状态、推进流程并处理异常。这些能力还需要与任务的质量要求、风险和成本相匹配，才能形成稳定的任务交付能力。 Agent的商业价值，不由模型能力单独决定，而取决于智能模型（Agentic Model）、业务环境（Context）、执行机制（Harness）与任务经济性（Task Economics）的共同作用。 对于企业而言，Agent的价值既可能体现为更快、更稳定地完成已有工作，也可能来自补足过去顾不上、做不到的事项，扩大业务覆盖范围。不同任务需要不同的评价标准：节省了多少时间、增加了多少处理能力、减少了多少实际支出，都需要结合任务成果与完整投入分别验证。 对于厂商而言，创造价值也不等于获得收入。一项Agent业务可能同时涉及软件

只有“身体”准备好了，才有资格进入下一阶段——部署态。 作者｜周悦 编辑｜栗子 作为大语言模型处理信息的最小单位，“Token”曾引发过一段关于中文翻译的争议，最终确定了“词元”的译法。如今，具身智能领域也开始定义属于自己的度量衡。 10月29日，在2026智元创新日上，智元首次提出了一个全新的指标：Worken（有效智能工时），用来衡量机器人行动了多少。它试图回答具身智能当下最迫切的问题：当机器人真正走出实验室，什么才算实质性的“干活”？ 按照智元的定义，Worken由活跃机器人数量、自主工作时长与产出效能比共同计算得出，核心在于衡量机器人实际完成的有效工作量。停机、空转和人工遥操作的时间均被剔除在外。 智元Worken的计算公式，图片来源：“甲子光年”现场拍摄 相比出货量、开机时长等传统口径，Worken将评价标准推向了一个更直接的维度：一台机器人在真实场景下究竟能自主工作多久，又实际创造了多少产出？ 面对这个问题，彭志辉告诉包括“甲子光年”在内的媒体：“智元一年制造数万台机器人并不存在产能障碍，真正的门槛，是机器人能否从‘客户愿意试一试’，走到‘客户愿意把它当成长期使用的产品’。” 在他看来，一旦机器人真正进入规模化部署，竞争的重心也就随之转移。设备健康管理、软件持续升级、备件、远程诊断、现场服务和任务优化，都会进入产品的生命周期。届时，机器人上岗后的运维效率和管理系统，可能比单次模型推理更影响客户体验。 “要不然的话，可能你每卖一台机器，还要给机器人配一个‘保姆’，那这个是永远不会到那一天的。” 彭志辉将这种视角的转变概括为“从设备资产到任务价值”。他在现场透露，2026年上半年智元收入近20亿元，通用AI机器人量产下线超2万台，全球人形机器人市占率达到43%。 规模越大，单机能力之外的系统效率越重要。只有让产出可以计量、异常可以追踪、任务可以调度，并让不同机器人复

人把动作全录下来了，模型要学的还不止这些。 大家都有这样的体验：周末想照着视频学一道菜，视频里的博主动作利落，几分钟就把菜做好了，但轮到自己上手，不是油温没把握好，就是蛋下早了，葱花还没切完锅已经开始冒烟。 回头把视频再看一遍，每一步明明都看清楚了。差在哪？差在镜头没拍出来的那些东西：手什么时候该停一下，另一只手在干什么，火太大了是先关火还是先把锅端开。 机器人学做事时，也会遇到类似的问题：它看过人的操作，却未必能自己做出来。人把过程录下来，画面一帧不少，可模型真正能从里面学到多少？哪些信息它用上了，哪些细节根本没被记进去？ 这也是整个机器人行业都在想办法解决的问题。研究人员想把人的经验教给机器人，就得弄清哪些细节有用、怎么教才有效，以及机器人学完后能做些什么。据了解，Ropedia在10月19日至23日举办了Ropedia Super Week，集中发布了六项研究。团队研究了如何准确记录人类经验、让模型从中学习，也探索了模型如何判断物体之间的位置关系，以及机器人如何完成抓取、搬运等操作。 Ropedia W0检验人类经验对世界预测与机器人动作学习的帮助；HoliWorld与EgoXperience关注经验如何被准确记录，分别梳理物体交互历史、还原动作与空间关系；DONIC则检验机器人能否依据人类双手演示，让物体按预期运动。S-Agent 2.0与Ropedia A0进一步关注信息的使用，前者借助工具与场景记忆判断空间关系，后者让机器人按可复用的程序完成操作并检查结果。 1.模型从人类经验中学习， 预测不同机器人的后续画面 一个人拿起饮料，走到冰箱前，再把饮料放进去。人做这件事时，视线、身体和手始终一起运动。世界模型Ropedia W0要学习的，是这些动作发生后，眼前的世界会怎样变化。研究团队给模型提供起始画面、文字，以及相机和骨架的运动条件，让它生成接下来的第一视角视频。

“ChatBI可能要进入历史舞台了。” 作者｜王博 假设你是一款泛娱乐App的增长负责人。这款App的MAU（月活跃用户数）达到860万，但最近三个月，新用户一直增加，次日留存却持续下降。你想知道问题出在哪里，该怎么办？ 按照传统方法，你可能要先找分析师拆分渠道、版本和用户群，再请研发检查埋点、产品排查功能路径、运营核对投放变化。数据散落在不同系统里，每个环节都要排期、对口径，最后得到的往往仍是一组相关性线索。 如果把问题交给现在市面上的一些AI Agent产品，或许你可以迅速得到十几种可能性分析：渠道质量下降、新手引导过长、内容供给不足、产品性能不稳定……每种解释都很合理，数据表格美轮美奂，却未必真的是解决问题的方案。 10月28日，在ThinkingAI Summit中国站的主题演讲中，ThinkingAI CTO周津将同样的问题提给了ThinkingAI可私有化部署的AI Agent平台Agentic Engine。在仿真演示中，Agentic Engine没有急着回答，它给出的第一个结论是：数据还不够。 ThinkingAI CTO周津，图片来源：ThinkingAI 这种“拒绝回答”显示了Agentic Engine的专业性。在真实应用场景中，企业需要的并非更多听起来合理的猜测，而是一套能够接入数据、核对口径、调用专业工具，并将问题继续推进到实验和运营的方法。 根据周津现场的演示，在补齐数据和关键埋点后，Agentic Engine才开始继续分析。它沿着新用户的完整行为路径，将留存变化按渠道、版本、设备和用户群体拆开比较，寻找真正出现异常的环节，并允许用户追溯指标定义、筛选条件和数据来源。发现值得调查的差异后，它没有直接替业务负责人下结论，而是进一步圈定可能受影响的人群，提出产品改进和运营方案；经人确认目标、规则与风险边界后，再调用A/B实验检验方案是否有效，并根

当通用大模型开始进入机器人的决策系统，具身智能的技术边界正在重新划定。原力无限首席科学家陈佳玉认为，机器人大脑仍有大量尚未解决的基础问题。从因果世界模型到50项真机持续学习任务，从第一人称数据到真实场景中的失败恢复，一家聚集了年轻科学家的中国具身智能公司，正在尝试给出自己的答案。 作者｜周悦 编辑｜栗子 2026年10月，具身智能行业又一次感受到了来自通用大模型的压力。 随着GPT-6 Astra等模型能力的提升，一个过去常被机器人公司视为核心竞争力的方向，开始面临重新估价：任务规划。 让机器人理解指令、拆解任务、规划步骤，曾经是具身智能研究的重要组成部分。如今，通用大模型在推理、记忆与智能体能力上的进步，正在改变这部分工作的技术经济性。 对于那些押注机器人大脑的创业公司，这不是一个轻松的话题。 但原力无限（INFIFORCE）首席科学家陈佳玉的反应相当直接。“我个人预测的话，GPT-6 Astra就是会把Planner那块全部会给吃掉的。”近期，陈佳玉接受“甲子光年”专访，他甚至已经决定，不再继续投入团队此前研究过的部分高层记忆机制。“如果通用模型能够把这件事做得足够好，具身智能公司就没有必要重复造轮子”。 这番话出自一位长期研究强化学习、分层决策和世界模型的科学家，多少有些耐人寻味。 陈佳玉本科毕业于北京大学，在普渡大学获得博士学位，随后赴卡内基梅隆大学从事博士后研究。如今，他是香港大学助理教授、Agentic Intelligence Lab负责人，也是原力无限的首席科学家。 他的研究成果横跨NeurIPS、ICML、ICLR、IJCAI、ICRA等国际重要人工智能与机器人学术会议。按照一般的技术叙事，一位科学家应该尽可能强调自己研究方向的不可替代性。 陈佳玉却愿意承认：有些问题，可能已经不值得自己继续做了。 但他并不担心机器人研究因此失去意义。在他看来，通用AI越强

从实验室到草坪，海淀如何让AI创新自然发生？ 作者｜刘杨楠 编辑｜王博 十月底的北京，周末去公园，最常见的理由是赏秋。现在正值香山红叶观赏高峰期，市民、游客赏秋热情高涨。 但是，最近几天，距离香山不远的海淀公园里，聚集着另一群人，包括我们。 现在并不是海淀公园的游览高峰期，但我们发现，吸引大家来到这里的，是还没写完的代码、尚未成熟的Demo，甚至是一个可能在现场得到验证的想法。 10月21日至25日，由中关村科学城管理委员会指导，硅星人与中关村科学城公司联合主办的2026 AI创造者嘉年华（ACC 2026）在海淀公园举行。 这是一场“没有围墙的AI大会”，也是一场“公园式AI创造者嘉年华”。 活动现场，虽然天气已经有些寒意，但在海淀公园中心草坪上，一批“创业练习生”仍在进行路演。有人拿着电脑演示，有人还在讨论刚刚收到的用户反馈，也有人站在展位旁，继续向围观者解释自己的产品。 不远处，参加少年黑客松的孩子则在展示刚刚完成的作品。这些参赛者平均年龄约11岁，他们把非遗、游戏、脑机接口等天马行空的想法做成了可以体验的小项目。再往草坪另一边走，机器人、智能硬件和生成式AI产品仍吸引着市民驻足。有人专程而来，也有人只是经过公园，顺势走进了一场AI活动。 参加完这五天的活动，我们发现这场活动像一次关于“创新如何发生”的现场实验。 五大主题部落沿草坪展开，约100位“创业练习生”带着想法和Demo寻找用户；AI企业把产品带出展柜，直接接受公众试用和追问；科学家、创业者与投资人的讨论从舞台延伸到草坪、长椅和夜晚的创业大街。开发者、科研人员、投资人、孩子与普通市民进入同一个空间，各自原本清晰的身份边界开始松动。 一个市民可能成为产品的第一批体验者，一句随口说出的意见可能推动下一次迭代，一场没有预先安排的交谈也可能连接起技术、资本与应用场景。 把AI大会办进公园，改变的不只是一处活动地址。这

你用过Personal Agent了吗？ 作者｜栗子 “究竟有多少普通人，需要一个真人助理？” 今年10月，在“甲子光年”参加的一场关于Personal Agent的闭门会上，有人问了这样一个问题。 在场的人没有立刻回答。 因为这个问题背后，还藏着另一个朴素的问题： Personal Agent不就是个会帮人订票的App吗？ 尽管在AI已大行其道的今天，这个问题看上去很外行。但要认真回答起来，也似乎确实没人能给出一个让所有人都满意的答案。 每个人对Personal Agent的理解都不同。 有人说，它是一个能替你订机票、写邮件、退订阅的私人助理；有人说，它是一个有记忆、有性格、能主动帮你的数字分身；还有人说，它就是一个更厉害的OpenClaw。 虽然没有标准答案，但Personal Agent已然成为全球最热门的赛道。 Meta的Muse上线三周下载500万；Instinct以14人团队、100亿美元估值融走10亿美元，其内测邀请码在eBay上被炒到了300美元。 据个人AI助理评测网站Assistant Benchmark统计，截至今年9月，被其收录的个人AI助理共122个，其中通用型64个，占比超过50%。 一边是困惑，一边是狂欢。 这就是Personal Agent现在最真实的处境。 在科技圈逢人必谈Personal Agent的今天，“甲子光年”想搞懂的问题是，Personal Agent到底是什么？为什么它如今这么火？谁在这个赛道里真正赚钱？ 一句话：Personal Agent到底是不是一门好生意？ 1.Personal Agent到底是什么？ 之所以一千个人心中有一千个Personal Agent，是因为Personal Agent还没有一个统一的产品形态。 比如，国外的Muse和国内的Today都是独立App；Instinct根本没有App，操作方式是打电话

没人能真正预判未来的走向。 作者｜刘杨楠 “我从来不想做不赚钱的事情。”在一次访谈中，CoreWeave联合创始人布莱恩·文图罗（Brian Venturo）说道。 三人也是如此践行的。2025年3月IPO至今，CoreWeave三位创始人已合计套现33亿美元，均跻身彭博全球500富豪指数。其中，24亿美元是在2026年完成的，三人目前仍合计持有公司约20%的股份。 截至发稿，CoreWeave的股价较2025年夏天的股价峰值已蒸发近三分之二，三位创始人的减持更像一种及时止损。尽管公司发言人回应称，这些减持“预先安排、充分披露、完全符合标准市场惯例”。但对于CoreWeave目前的处境而言，核心成员加速离场难免扰动着外界对公司发展的信心。 市场已经发出警告。最近，CoreWeave在今年6月18日发行的无担保债券地跌破80美分，成为“垃圾债”。据《金融时报》报道，根据信用违约互换市场的定价，CoreWeave未来五年内发生债务违约的隐含概率超过60%。 “股债双杀”的阴霾正笼罩着曾经的AI新星。 将时间向前拨三年，彼时的CoreWeave卡着AI算力供应链的咽喉要地，是一众新型云计算厂商的代表。英伟达、微软、Meta、OpenAI等新老巨头均活跃在CoreWeave周围，希望锁定更多GPU供应。 当时没人料到，正是这股将CoreWeave推向高峰的集体热情，在2026年将其拉下了神坛。 1.东海岸的“潘多拉魔盒” CoreWeave成立之初便带着币圈大开大合的行事作风。 2017年Atlantic Crypto成立，2019年在加密寒冬中转型云算力并更名CoreWeave，当年2月种子轮仅120万美元；2021年获得Magnetar 5000万美元可转债，票面利率10%，彼时被称为“北美最大私有HPC云”。 2022年，CoreWeave持续加码，在公司年收入仅1580万美

AI产品目标用户的使用现状、类型细分、画像特征与消费偏好分析。 1.报告定位 人工智能技术的持续演进，正在改变用户获取信息、生产内容与完成任务的方式，也为人机协作、产品选择和消费决策带来新的变化。面对不同用户在使用强度、任务委托、信任授权和付费倾向上的差异，有必要开展系统研究，识别AI产品的目标人群及其真实需求，为产品发展与商业化探索提供依据。 甲子光年智库基于本次AI产品用户需求调研采集的数据，开展系列用户研究。本期报告聚焦927名自主选择AI产品的个人用户，通过六大维度、十九项指标识别四类用户画像，并围绕人口特征、使用场景、协作方式、厂商选择与购买决策开展交叉分析，呈现不同群体的行为特征与消费偏好。 希望通过本轮用户研究，向AI从业者全面展示目标用户的使用现状、类型差异与价值期待，为AI产品的客群选择、功能规划、市场推广及定价提供参考。 2.本期观点   目标用户界定与使用特征 目标用户界定：将正在使用、且自主选择AI产品的个人用户界定为目标用户，本次调研共覆盖927名目标用户。 使用意愿与频次：97.3%的目标用户愿意使用AI辅助工作与生活，72.6%每天使用AI，AI使用已进入日常。 多产品使用：94.5%的目标用户同时使用两款及以上产品，多工具并用较为普遍，产品需要围绕具体任务建立持续使用价值。   目标用户的产品偏好与核心场景 产品类型偏好：通用AI对话助手的选择率最高，为83.4%；AI办公类、AI搜索／答案引擎分别为43.5%和27.0%，通用交互、办公提效与信息获取是主要需求。 核心使用场景：知识查询、文档写作和数据分析的选择率分别为53.5%、52.1%和45.7%，信息处理与内容生产是覆盖最广的应用场景。 最常用厂商选择：前三家厂商的合计选择比例为68.2%，前六家为88.0%，样本中的最常用选择较为集中，但不等

让水下机器人长出一个海豚的脑子。 作者｜田思奇 编辑｜栗子 能见度不足一米。 潜水员钻进庞大的海底生产设施，在狭窄复杂的结构之间寻找位置，完成一两项精细操作。为了这几个动作，海面上需要配备一整套专业船舶、人员和生命保障系统。 这不是什么特殊任务。人类已经在海上建起大量油气平台、风电场，在海底铺设管线。这些设施需要定期维护，清理海洋生物、检查防腐装置、检测焊缝，都是常规工作。但受到船期、天气、潜水资源等条件限制，许多任务难以频繁开展。 对于仍在寻找商业场景的具身智能公司，水下运维提供了值得关注的方向：客户已经在为这些工作付费，而且花费不菲。 “水下算的是一整套系统的价格，而不是一个人的人工替代价格。” 卫澜深海创始人、CEO张大禹告诉“甲子光年”。即使机器人只掌握一两项具体能力，只要能够稳定完成任务，就有可能改变客户的成本结构。 1998年出生的张大禹是西安交通大学博士、助理教授，长期从事水下无人系统研发。过去9个月，卫澜深海已完成5轮融资，投资方包括深创投、元禾原点、国策资本等机构。公司致力于让具身智能在水下自主完成过去高度依赖人工的作业。 但水下机器人并非新鲜事物。几十年来，人类已经能够利用机器人进入深海观察和操作设备，只是许多任务仍然需要人在船上实时控制。随着AI、端侧算力和机器人技术的发展，机器人开始有机会独立完成更多判断和操作。 严苛的水下环境也给这种自主能力提出了更高要求。海水限制视觉和通信，复杂的洋流环境又增加了精细作业的难度。张大禹希望，未来的机器人能像海洋生物一样适应水下环境，进入人类难以长期停留的深远海区域，拓展海洋生产活动的范围。 “我们在水下想做的，不仅仅替代潜水员的能力、潜水员的脑子。我们想做一个海豚的脑子，” 张大禹表示。 尽管海洋拥有矿产、能源等更具想象空间的开发机会，卫澜深海的第一步却落在结构检测、清洗、巡检等看起来并不起眼的工作上。 以下是“

**和赛力斯，重新划分问界。 作者｜张麟 编辑｜王博 **和赛力斯之间的关系已经变得微妙。 9月15日，**与赛力斯宣布调整问界合作模式，产品定义、设计、品牌营销、渠道零售和服务体系由赛力斯主导，**终端负责赋能。9月30日，鸿蒙智行问界业务升级战略合作签约仪式在深圳举行，赛力斯与**达成新五年合作。 这半个月的风波被外界称为一场“分手闹剧”，不过这似乎没有对双方造成什么影响。10月2日，巴黎车展开幕，问界高调参展，共展出M9、M8、M7、M6四款车型。车展现场，赛力斯集团董事、副总裁康波宣布了问界的欧洲市场规划，很出风头。 “甲子光年”从赛力斯内部了解到，问界海外业务并没有受到近期赛力斯与**合作模式变化的影响，一切都在照常进行。 问界参加巴黎车展，图片来源：赛力斯集团 表面上看，问界依旧是鸿蒙智行体系中市场表现最强的品牌，双方也已经用一份新的五年协议确认继续合作。但在续约之前，这段关系并非毫无波澜。 “甲子光年”从知情人士处了解到，由于后续合作能否延续一度并不明确，**鸿蒙智行曾将一部分团队精力转向智界、享界等品牌，赛力斯内部负责对接**的团队也出现了人员调整。 这些变化说明，双方都曾为合作可能生变做过准备。 现在双方合作延续了，权力边界却发生了变化。问界接下来由谁定义产品、谁掌握渠道和用户、双方如何分配收益，才是这轮调整真正留下的问题。 1.两个五年合作，不一样的合作心态 就目前“甲子光年”掌握的资料来看，**是被“分手”的那一个。 事情回到五年前，2021年的赛力斯还叫“小康股份”，但已经开始和**合作。虽然没有明确证据表明当时赛力斯和**签订了一个具体期限的合作协议，但多方线索表明双方的合作关系确实存在一个5年期限的框架。 2026年9月，合作协议到期了，是否续签、条款是否更改时赛力斯和**面临的新问题。 9月15日，**和赛力斯同步发布说明，宣布问界的产品定义、

AI视频的下一门生意，未必是拍电影，也可能是接下普通人的制作订单。 9月，海内外AI圈的新品发布接连不断。 一边，GPT-6 Astra发布没多久，Claude就推出Opus 5.5，将编程和复杂任务处理能力推到新高度；另一边，Meta推出个人Agent Muse，Manus也紧随推出个人Agent应用Cue，拉开一场全新的较量：谁能成为那个真正接得住工作的AI助理。 这轮热潮里，一个值得注意的变化是，Agent开始走出代码任务，海外X上用Opus 5.5制作视频的演示获得大量关注；9月28日上线的Manus 2.0，也将视频编辑列为重要更新。从Coding到Content，内容创作似乎正在成为Agent的新战场。 而在这轮由巨头占据版面的新品潮中，一款来自中国的视频Agent也挤进了海外用户的视野。 它叫Pexo，相关话题两天内五次登上X Trending热搜榜，霸榜热搜前三，热度甚至一度超过Opus5.5、Muse等产品。 配图：Pexo相关创作话题登上X News页面，三条话题一度同时位列页面前三 Pexo背后是一家来自中国的创业公司——极致上下文。创始人廖谦曾任生数科技产品副总裁、Vidu产品负责人，期间带领百余人团队，不到一年时间将业务收入做到数千万美元规模。 更早之前，他曾任职于腾讯、字节跳动，参与搭建火山引擎智能创作云，并在剪映CapCut发起海外AI内容平台Pippit。去年10月，极致上下文获得HT Investment与BV百度风投数百万美元投资。 在Personal Agent成为热门话题之前，这个团队就已经在探索类似的方向。今年3月，Pexo内测版上线时便提出：用户需要的，不只是一个随时调用的生成工具，而是一个了解自己的业务、品牌和创作习惯，能够长期合作的视频伙伴。用户负责表达需求、判断结果，AI负责制作与修改。 当不少AI视频产品聚焦短剧、影视等专

机器人既要学会完成任务，还要进一步学会把任务做得更好。 作者｜王博 张麟 2026中国国际工业博览会（简称“工博会”）现场，一台红黑相间的单臂机器人面对一堆大小、姿态各不相同的纸箱，完成了一次又一次多品类箱体混合码垛作业。 但是仔细看，“甲子光年”发现这个现场演示和其它同类的演示有些不太一样。机器人没有沿固定轨迹依次抓取纸箱：判断时，机械臂已经伸向面前的纸箱，又改变方向，转而拿走高处的箱子；抓取时，它会调整吸盘与箱体的相对姿态；放置时，还会绕开已经码好的货物。 通常来说，展会场景对机器人操作会存在一定的限制，比如展区面积、灯光、周围人员和设备干扰，有些在实验室中能完成的Demo，现场可能会出现问题。但是完成这个演示的团队只用了大约三天采集数据、两天进行强化学习，剩下的一天检查和调整。 多品类箱体混合码垛作业 这台在工博会上新发布的单臂机器人叫Sculptor，这家具身智能企业是深诣机器人。深诣机器人将Sculptor定义为“全球首款端到端模型驱动的智能装卸货机器人”。 深诣机器人是一家成立还不到9个月的清华系创企，创始人兼CEO刘凯、联合创始人兼大模型负责人罗宇、联合创始人兼具身系统负责人黄康尧均毕业于清华大学计算机系。 除此之外，深诣机器人还首次对外发布了自研具身基础模型SEEN·E SE-1，以及面向工业精细操作的双臂机器人Edge。 Edge现场展示了0.1mm级精密插接与交互式糖果分装两项任务，这分别对应具身智能的两类关键能力：精细物理操作，以及复杂任务的理解与执行，展示了具身智能面向工业柔性作业的更多可能。 0.1mm级精密插接 交互式糖果分装（可随机指定某几种糖果让机器人分装） 这三个演示，机器人形态和任务不同，但背后指向同一个问题：机器人能否缩短进入新任务的“实习期”，并在真实工作中继续积累经验。 在今年的WAIC、WRC上，具身智能行业已经展示了大量抓取、搬

人们因为绳驱认识星尘。但今天资本重新定价的，已经不只是一副身体。 作者｜周悦 编辑｜王博 “我们通过后视镜观察当下，倒退着走向未来。” 加拿大传播学家马歇尔·麦克卢汉曾用这句话形容一种认知惯性：人们总是习惯用过去的经验，理解正在发生的变化。科技产业也不例外。一家公司的技术标签过于鲜明，以至于外界很容易忽略它在其它方向上的进展。 星尘智能（下称“星尘”）就是一个典型的例子。 很长一段时间里，提到星尘，人们首先想到的是“绳驱”。2024年，星尘发布首款全尺寸绳驱人形机器人S1，这条与主流路线不同的技术路径，让它迅速建立起行业辨识度。 但星尘发生的变化，远不止绳驱。早在S1正式发布前，星尘已经组建模型研发团队。随后推出Lumo系列基模、并继续布局世界模型、强化学习和具身OS。 今年9月21日的星尘OS黑客松北京站上，这些能力第一次被集中交给外部开发者使用。 一台机器人坐上麻将桌，摸牌、出牌，输了还会抱头“痛哭”。另一边，机器人当起护工，送水、送药、收垃圾。 这是9月21日星尘智能OS黑客松北京站的现场。36小时内，15支队伍借助星尘封装好的Skill和Meta包，在真机上跑通了10余个应用。其中，麻将机器人出自三名大学生之手。 原本需要专业团队完成的机器人应用开发，正在变得越来越简单。 北京理工大学麻将机器人“momo” 这场黑客松释放了一个信号：机器人应用开发的门槛正在降低，而让技术能力以更低成本复制到更多场景，正是资本看重的商业化潜力。 资本对星尘的判断也在发生变化。 “甲子光年”获悉，星尘智能已完成新一轮B+轮融资。这也是其近半年内完成的第4轮融资。 公开信息显示，自今年3月以来，星尘先后完成A+轮、A++轮、B轮及本轮融资。其中，今年6月完成的B轮系列融资总额超过10亿元，公司披露估值首次突破100亿元。三个月后，星尘披露的估值达到150亿元。 具身智能赛道正从“抢项目”

共建AITV智能解决方案，让电视Agent从真实任务中持续学习。 智能电视里的内容和应用越来越多，用户完成一次搜片和播放，仍要打开应用、进入搜索、输入片名、选择结果，再逐步移动遥控器焦点。Agent可以将用户意图转化为界面操作：系统读取当前界面，规划后续步骤并执行。但每一次按键都会改变界面，模型需要根据新的状态继续判断，直到整个任务完成。 欢网科技与Pyromind围绕这一场景共建AITV智能解决方案，将任务执行、场景后训练、效果评估和模型更新纳入同一套技术链路。Pyromind针对电视遥控器操作任务，对Qwen3-VL-4B进行场景后训练，依次训练当前焦点识别、目标元素识别和按键路径输出。训练后，模型的焦点识别准确率由45%提升至99.6%；在业务任务中，“可见即可说”成功率达到99%，“搜播”成功率超过90%。 这套方案落地于欢网旗下“小柚投屏・搜影片”。搜片、投屏、跨屏接续和多端资源投放由欢网的产品与业务链路承载；Pyromind负责将通用视觉语言模型训练为可在电视界面中连续执行遥控器操作的动作执行模型。用户通过语音提出需求后（可见即可说），Agent可以完成当前界面的控件定位，也可以跨页面完成影视内容的搜索与播放（搜播）。 小柚投屏实际效果展示 下面两段动图展示了真机遥控器搜播的完整轨迹。同一套“焦点→目标→按键路径”能力，需要适应不同的首页布局、搜索键盘和结果页设计。当前验证已覆盖云视听极光、奇异果、芒果、优酷、B站等多款主流电视视频App。文中选取其中两个场景进行展示。   演示1-云视听极光搜播《独行月球》 云视听极光搜播《独行月球》：Agent从应用首页进入搜索，在虚拟键盘上依次输入拼音首字母D、X、Y、Q，再从“猜你想搜”或结果列表定位目标影片并完成后续起播步骤。   演示2-多平台搜播《太平年》 在其他视频类应用，