一个看起来温和、近乎“正常”的人，却一步步走到了最接近AI权力中心的位置。作者｜周悦编辑｜王博德米斯·哈萨比斯（Demis Hassabis）拿出诺贝尔奖章，递给塞巴斯蒂安·马拉比（Sebastian Mallaby）说，无论多少钱都不换。顿了顿，他又补了一句：“现在我想拿第二个。”这句话里有他的野心和直率，两者都不加掩饰。过去三十年里，哈萨比斯先后成为国际象棋神童、游戏开发者、神经科学家、DeepMind创始人，以及诺贝尔化学奖得主。身份几经转换，目标却只有一个：理解智能，做出真正重要的科学发现，并被历史记住。单看履历，哈萨比斯很容易被写成这个时代最典型的科技天才：绝顶聪明、亿万富翁，站在全球AI竞赛中心。AlphaGo让世界第一次感受到机器智能的冲击；AlphaFold把AI推进到了科学本身。但在科技史学家、金融史学家塞巴斯蒂安·马拉比的描述中，哈萨比斯最令人意外的地方，并不是聪明，而是近乎“正常”。他很温和、克制、容易沟通，不故作高深，也没有典型科技领袖那种强烈的表演欲，与大学时代的女友结婚近三十年，育有两子，长期住在伦敦，远离硅谷。外界习惯把哈萨比斯看成一个极其成功的创业者，但在他自己的坐标系里，他首先是一位科学家。这种差别，在他谈到OpenAI创始人萨姆·奥尔特曼（Sam Altman）时表达得尤其直接：“我追求知识，而他追求权力——权力，就是对他人的控制。”受到母亲的影响，哈萨比斯厌恶控制他人，极力避免自己成为那样的人。但这不意味着他回避权力，恰恰相反，他很早就主动选择最困难、最危险的挑战。他把科幻小说《安德的游戏》中的主角视为另一个自我——一个肩负拯救人类命运的天才，确信自己能驾驭这股庞大的力量。因此，马拉比在新书《哈萨比斯：谷歌AI之脑》中将他与奥本海默并置时，这层隐喻格外确切。奥本海默先造出原子弹，再用余生苦思如何限制它。而哈萨比斯从一开始就清楚，自己追逐

让中国算力更好地跑在中国网络上。万卡集群已成AI算力标配，而决定有效算力上限的关键——网络却成掣肘。当前业界要么选供应链风险高的海外IB方案，要么选需专业团队反复调参的RoCE方案。近日，中科曙光发布了首款原生无损RDMA高速网络scaleFabric。它试图打破不用复杂调优，也能让AI集群跑出“满血”性能的行业僵局。1.网络成AI算力之踵很长一段时间里，提升算力的思路很简单：堆叠GPU。但在真实的万卡集群中，事情远没有这么容易。若把万卡集群比作一座超大规模城市，GPU是住宅，CPU是工厂，那么网络就是连接一切的“道路交通系统”。传统RoCE方案中，这座城市的交通规则极其复杂：为了避免数据包“堵车”（丢包），工程师们设计了各种复杂的“红绿灯系统”（PFC流控）和“导航策略”（ECN拥塞控制）。这套系统能运转，但异常脆弱。有人形象地比喻：RoCE网络就像“一脚油门一脚刹车”，为了不撞车，必须时刻紧绷神经。究其根源，RoCE本质是在传统以太网基础上“打补丁”，通过PFC（基于优先级的流量控制）机制模拟无损环境。一旦流量突发，缓冲区瞬间占满，PFC就会像连锁反应般层层传导，这脚“急刹车”，极易引发网络拥塞的链式反应，造成吞吐骤降，甚至全局死锁的风险。这正是当前AI基建领域的隐秘痛点。大多数企业没有互联网大厂那样的专家团队，无法常年累月地“调水线”、优化拥塞控制算法。对他们而言，要跑出理想的训练性能，往往要在部署周期和运维复杂度上付出巨大代价。2.用原生网络解决“堵车”有没有一种方案，能从底层设计上规避这种复杂性？曙光scaleFabric给出的答案是：回归“原生”。RDMA技术有三条路径：IB、RoCE和iWARP。其中，RoCE是在广泛部署的以太网“公路”上，通过叠加复杂的流量控制规则（PFC/ECN）来构建“高速无损”通道；而InfiniBand（IB）则是为高性能计算量身定

洗地机要有眼睛、大脑和手臂。作者｜张麟编辑｜栗子在过去几年时间里，清洁类家电行业的进化程度，甚至不比AI行业弱。根据奥维云网的相关统计数据，2025年中国清洁类家电产品销售额达471亿元，同比增长11.3%；销量达3550万台，同比增长17.0%。而扫地（扫拖一体）机器人、洗地机、吸尘器是清洁类家电三大核心产品，其中洗地机销售额提升最大，同比2024年增长1492%。这其实是一个非共识的市场数据，在扫拖一体机器人产品已经较为成熟的今天，为什么用户仍希望购入一台洗地机？原因在于洗地机则更注重“精准打击”，其更适合对顽固、黏腻污渍进行彻底清洁。但后者的痛点也同样突出——墙角总是无法得到有效清洁，拖完后总要等水渍晾干，这些问题源于洗地机结构的局限性。直到2024年9月，追觅发布全球首款搭载“灵捕AI升降机械臂”的洗地机T40 Ultra，获得沙利文全球首创认证，行业才找到了洗地机产品革新的新方向。而这也标志着机械臂洗地机这一特殊的细分产品类型正式推向市场。不到两年时间，机械臂洗地机这一新赛道已迅速成形。凭借持续的技术迭代，追觅在AWE 2026正式发布机械臂3.0产品T70 Ultra Station，并斩获代表行业最高技术认可的艾普兰金奖；与此同时，追觅机械臂洗地机累计销量突破一百万台，稳居全球销量第一。技术与市场的双重“第一”，也让追觅洗地机从这一品类的开创者，成长为真正的定义者。1.用户痛点尚存以前的洗地机，既好用又不好用，其发展史，本质上是一场与顽固污渍的对抗史。洗地机行业发展迅速，2019年中国洗地机的销售额仅1亿元，但到了2024年则迅速攀升至141亿元；同期销量则从2万台增至663万台。这种增长情况，在近20年的消费类产品中，仅次于早期的智能手机大爆发。但这个过程中的市场竞争，基本上是一场围绕高转速马达和吸力指标的内卷。比如此前国内的吸尘器无刷马达转速一般在3万转/

对于具身智能而言，数据不再只是训练材料，而正在演变为一种新的基础设施。作者｜苏霍伊编辑｜王博又一家清华系具身智能企业浮出水面。“甲子光年”独家获悉，清华系具身智能企业灵御智能已完成数千万元天使轮融资。本轮融资由银河创新资本领投，国海创新资本、天鹰资本、厦门思明科创基金跟投，老股东英诺天使基金、华映资本、远镜创投持续加注。Maple Pledge枫承资本长期出任私募股权融资顾问。截至目前，灵御智能累计融资近亿元。灵御智能联合创始人兼首席科学家莫一林是清华大学自动化系长聘副教授。莫一林师从美国工程院院士、机器人操作领域先驱Richard. M. Murray教授，谷歌学术引用超1万次，2021-2025连续五年获得Elsevier中国高被引用学者，在优化、控制、机器人领域发表高水平论文100余篇。灵御智能联合创始人兼CEO金戈是清华大学自动化系学士、清华大学经济管理学院MBA，曾任远镜创投管理合伙人、奥量光子副总裁，在高科技领域有着多年的创业投资和企业管理经验。莫一林（图左）与金戈（图右），图片来源：受访者在具身智能领域，已有多家清华系企业崭露头角，包括星动纪元、星海图、千诀科技、自变量、松延动力、加速进化、流形空间、极佳视界等，业务和研究涵盖了机器人本体、具身智能模型、世界模型等。灵御智能从清华走出，立足海淀开始创业，他们把业务和研究重点放在了数据上。在他们看来，具身智能卡在“数据荒”上，尤其是“高质量、长序列”的复杂操作数据十分缺乏。尽管这条路看起来有些“朴实”，但莫一林的观点是，具身智能能领域真正决定胜负的变量是——数据。“甲子光年”认为，决定机器人能力的不只是本体、模型和算力，更重要的是一套新的基础设施——具身数据 Infra，这是一套用于规模化生产、管理和利用真实世界机器人交互数据的基础设施体系。谁能更高效地生产真实世界数据，谁就更有可能推动机器人智能的跃迁。而灵御智

具身智能正在进入自己的数据Scaling Law 时代，而光轮正在领跑这个时代。作者｜王艺编辑｜栗子“甲子光年”获悉，具身数据与仿真基础设施公司光轮智能近日完成A++与A+++轮融资10亿元融资。本轮融资完成后，光轮智能正式进入独角兽行列，成为全球首家以具身数据为核心业务的独角兽公司，也是目前全球具身数据规模最大、对具身数据生成与评测方法理解最深的企业之一。本轮融资引入了多家产业场景方与财务机构，包括新希望集团、鼎邦投资（三安光电董事长家办）、奥克斯、鼎石资管等产业投资机构，以及建投华科、国方创新、道禾长期投资、清新资本等财务投资机构。2024年是硬件元年，2025年是模型元年，而2026年正在成为具身数据的规模化元年。在这一转折点上，一批以数据为核心能力的基础设施公司开始崛起，其中光轮智能已经成为全球具身数据规模最大的企业。如果说2026是具身数据规模化元年，那么光轮智能已经成为这一轮规模化浪潮的领跑者。行业竞争的焦点，正在从“模型能力”转向一个新的核心变量：数据。但更准确地说，决定胜负的并不只是“谁拥有更多数据”，而是“谁更清楚什么样的数据真正有效、什么样的评测真正可信”。“甲子光年”认为，2026年行业竞争的胜负手不会再主要体现在“谁的Demo更惊艳”，而会越来越集中在一个更朴素、也更本质的问题上：谁能以更高的可复用性，持续构建覆盖更广世界与更复杂交互、并经过有效评测验证的高质量具身数据体系，支撑万台级交付后的指数级数据需求。这背后拼的已经不只是数据生成能力，更是对“什么样的数据会转化成模型能力”这件事的理解深度。1.2026，具身数据规模化元年过去两年，具身智能赛道融资最常见的主角是“机器人本体公司”与“端到端大模型团队”：一个讲交付、一个讲能力。但到了2026年，融资故事正在出现第三种主角：数据与仿真基础设施公司。光轮智能此次完成10亿元融资，本质上意味着市场开始

开发者从“写代码的人”，变成了“定义问题的人”。作者｜刘杨楠编辑｜栗子马年除夕夜，TRAE的LOGO出现在春晚前的广告里。这是AI编程第一次以最不“极客”的方式进入大众视野。这场亮相更像一个引子：当AI编程从极客圈走向主流舞台，逐渐成为企业智能转型的基本盘，它在真实的企业级场景中究竟能走多远？春节假期过后，字节便趁热打铁，上线了TRAE企业版SOLO模式，并面向全行业发布了首本《2026企业级AI编程实践手册》（下文简称《实战手册》)。这次升级，TRAE不再满足于做开发者的辅助，它要成为能独立驾驶的“AI工程师”。字节也由此定义出了一种全新的人机协作关系。为什么企业需要真正的“AI工程师”？因为在今天的行业共识里，AI编程的价值早已不只是“写代码更快一点”。它正在成为企业IT设施的基础能力，要参与需求分析、理解业务逻辑、遵循架构规范、协同项目管理。但过去的AI工具，大多只能处理“代码之内”的事，对“代码之外”的业务上下文、规则、流程，却像一个初来乍到的实习生，听不懂画外音。这正是SOLO模式要补齐的核心短板。https://lcnziv86vkx6.feishu.cn/wiki/XZOSwI51wi5a5okxCF4cAxHSnBh复制链接至浏览器，或点击文末“阅读原文”而伴随产品升级同步发布的《实战手册》，则将字节内部“用TRAE开发TRAE”的真实经验沉淀为方法论，为行业提供了一份可复制的范本。1.“TRAE”真的来了“TRAE”是“The Real AI Engineer”的缩写。这个命名最初就暗藏了字节对AI编程的期待。自TRAE发布以来，字节不断迭代功能，一步步逼近“TRAE”的终极目标。此次推出的企业版SOLO模式，真正意义上把一个合格的“AI工程师”带到公众面前。我们为什么给此次更新如此高的评价？真正的“AI工程师”，既要解决技术的问题，更要有能力解决技术之外

“会写报告”不等于“会做研究”。多数大模型能生成“看起来像”研究的文本，但极少数能真正做研究——提出假设、收集证据、执行可复现的推导、迭代验证直至结论成立。此前发布了BabyVision多模态评测基准（已被多个近期发布的重磅模型纳入评测体系）的UniPat AI在最新的 Blog《UniScientist: Advancing Universal Scientific Research Intelligence》中给出了一个清晰而系统的答案。UniPat AI开源的UniScientist训练了一个30B参数的模型来闭合这一环路。在FrontierScience-Research和ResearchRubrics等科学研究榜单上，它匹敌甚至超越了参数量大一个数量级的顶尖闭源模型。开源地址：https://github.com/UniPat-AI/UniScientistBlog: https://unipat.ai/blog/UniScientist1.“会写报告”不等于“会做研究”：实现流程闭环才是能力今天很多模型做“研究任务”，只是看起来像在做科研：引用一堆资料、写一堆逻辑、格式也像论文。 但问题是：它们经常停在“叙事推理”、从“结论”出发的逻辑陷阱中——说得很像、验证很少、推导不稳、可复现性弱。UniPat AI在 UniScientist 中直接回应了这一缺口：仅有30B参数的  UniScientist 具备了“自主科学研究”的能力——在开放问题里不断提出、证伪、修正，直到证据状态稳定，再把全过程沉淀成结构化成果。这背后的潜台词很直白：真正的科研，不只是把报告写漂亮；更是把“假设-证据-验证”的循环跑通。2.数据瓶颈：人写得太慢，纯合成不够“真”UniScientist 首先把矛头指向了数据：如何构建高质量科研训练数据一直是硬瓶颈。现有方案几乎只有两种极端

“我们想探索人和AI共存的社会是什么样的。”作者｜王艺编辑｜王博北京时间1月13日凌晨四点，Anthropic发布AI智能协作工具Claude Cowork，AI办公自动化领域从此迎来全新时代。Claude Cowork定位为办公领域的“Claude Code”，图片来源：Claude官网6个小时后，X上的一条推文像一记“破壁弹”打破了AI圈子的情绪阈值：“Anthropic Claude Cowork 刚刚杀死了我们初创公司的产品——所以我们做了最理性的决定：将它开源。”Claude Cowork发布六小时后一篇火爆X平台的推文 图片来源：X很快，它收获了8000+点赞、180万+浏览，讨论的矛头也从Cowork转向了另一个名字：Eigent AI。Eigent AI是一个开源多智能体（Multi-Agent）协作平台，用户可以用它在电脑上创建由多个AI Agent组成的虚拟团队。与单一的AI聊天助手不同，Eigent能够协调多个专注于不同领域的Agent（如搜索员、程序员、文档编写员）并行协作，解决复杂的长周期任务。Eigent AI（下文简称Eigent）的背后，是CAMEL-AI开源社区，以及它的创始人李国豪。李国豪拥有阿卜杜拉国王科技大学（KAUST）计算机博士学位，曾任牛津大学Philip Torr教授课题组的博士后研究员，曾在多个顶级国际会议与期刊（如ICCV、CVPR、ICML、NeurIPS、RSS、3DV和TPAMI）上发表论文。CAMEL AI部分成员合照，右一为李国豪。 图片来源：受访者提供在当下的AI战局中，他扮演着一个特殊的角色——“破壁人”。在《三体》中，破壁人看穿了面壁者深藏不露的战略意图，将那些试图以绝对封闭来掌控全局的计划公之于众，彻底击碎了思维的堡垒。而在今天的AI世界里，当OpenAI、Anthropic等顶尖团队正试图用闭

一个模型，改变行业。作者｜张麟如今，讨论自动驾驶系统的终极模型架构究竟是VLA还是世界模型，对实现L4自动驾驶能力已经变得毫无意义。3月2日，小鹏汽车举办了马年春节后的第一场发布会，宣布第二代VLA正式推送。就内容而言，这场发布会上展示的第二代VLA大模型以及纯电版小鹏X9早已亮相，并没有传统意义上的全新重磅产品发布。但从发布时间来看，小鹏汽车对第二代VLA的重视程度可见一斑。小鹏汽车第二代VLA即将开始推送，图片来源：小鹏汽车在何小鹏看来，能力边界有限的端到端小模型以及打补丁式的智驾场景拓展，终究无法完成自动驾驶行业从L2向L4级别的跨越，过于追求将智驾大模型的架构进行分类，也对整个行业的发展毫无益处。何小鹏想追求的，是一个全新的大模型架构，这个架构能够拥有全场景的智驾能力，具备极强的泛化性，能够轻松部署在家用车、Robotaxi或机器人等不同硬件本体上，同时还能快速迭代，不断进化。这个全新的大模型，就是小鹏第二代VLA。虽然名字里仍带有“VLA”，但本质上，这个全新的智驾大模型已经开创了全新物理模型范式，是首个在物理世界实现直接由“Vision”生成“Action”，去掉语言转换环节，模型架构更简洁，更彻底的“端到端”，直接学习真实的物理世界。1.目标：绝对领先2026年开年，广州小鹏科技园，一场针对小鹏第二代VLA的特殊试驾正在进行。参与试驾的不是媒体，也并非明星，而是小鹏汽车“妈妈食堂”里员工的爸爸妈妈们，他们一开始紧张、忐忑，但很快就“放开手脚”，放下了心。在试驾过程中，何小鹏提及自己的妈妈对于新事物的接受过程要稍微慢一点，让妈妈们都放心是一个非常重要的目标，智能驾驶也要从“极客”尝鲜到“大众”常用，让爸爸妈妈们也爱开。小鹏通用智能中心负责人刘先明的表态则更加直白："小鹏第二代VLA可能是目前中国最领先的智驾系统，是与行业拉开代际差距的时刻。"那么，小鹏第二代VL

千问灵魂林俊旸离职，算力围城里的天才大逃亡。作者｜栗子“me stepping down. bye my beloved qwen.（我将卸任。再见，我亲爱的Qwen。）”3月4日凌晨，阿里Qwen团队技术负责人林俊旸在自己的社交媒体上写下了这句颇显落寞与无奈的话。短短十几个英文字符，不仅正式宣告了这位Qwen灵魂人物与阿里关系的终结，也引发了中国AI行业的巨大讨论。要知道，如今的Qwen大模型，在世界开源AI模型领域都颇具竞争力。3月2日晚间，阿里开源四款Qwen 3.5小尺寸模型系列。很快，埃隆·马斯克就点赞了这条社交媒体推文，并评论“Impressive intelligence density”（令人印象深刻的智能密度）。然而，这一切都随着林俊旸的表态而充满变数。据晚点LatePost报道，有Qwen团队同事得知他将离职的消息后难掩情绪，“伤心地哭了”。离开的不只有林俊旸。同一天，Qwen的后训练负责人郁博文也正式离职。他的工作将由今年初加入阿里通义实验室的前 DeepMind 高级资深研究员周浩接任。一边是来自世界的点赞，一边是核心团队陆续出走。对于那些视Qwen为中国开源希望的开发者而言，这更像是一个深刻的追问：面对算力围城，那些AI天才们是否只有出走这一条路？1.从语言学硕士到阿里最年轻P10林俊旸并不是典型的AI人才，他的学术起点甚至会让你感觉有点“意外”。2019年，他以北京大学外国语言学及应用语言学专业硕士的身份毕业，随后通过校招加入了阿里AI研究机构达摩院的智能计算实验室（现通义实验室前身），成为一名专注自然语言处理与大模型研究的算法专家。从自然语言的底层逻辑和语言学本体切入大语言模型的研究，赋予了他对语言本质、跨模态表征对齐以及复杂指令工程更为敏锐的直觉。这种直觉在后续Qwen模型对多语种，特别是小语种的高质量支持中体现的淋漓尽致。在阿里的六年岁月中

泥地踢球、宗祠祭祖、年集舞狮，加速进化的小机器人们在春节接受最真实的“路考”。作者｜周悦编辑｜栗子2026年的马年春节，人形机器人迎来了高光时刻。四家企业、上百台机器人在春晚同台炫技，让全国观众惊叹“未来已来”。在聚光灯外，成立于2023年8月、“清华系”机器人公司加速进化，却做了一个截然不同的决定：员工们将自家小型人形机器人Booster K1塞进行李箱，像带年货一样拎回老家。于是，极具反差感的一幕幕在全国各地上演：在村头的泥地上，它和孩子们踢足球；在宗祠里，它双膝着地祭祖；在光滑的地板上，它模仿迈克·杰克逊的太空步；大年初一的乡村大集上，它披上行头演起传统舞狮，成了小镇的“顶流明星”。科技的冰冷感，在这些极具反差的场景中消弭。这些看似普通的春节日常，藏着行业此刻最稀缺的商业逻辑。当同行们扎堆内卷全尺寸机器人的硬件参数时，加速进化选择了一条小而美的务实路径，试图让机器人真正成为被大众接纳的“消费级终端”。市场给出了直接的答案：2025年，加速进化全球签单1034台，合同金额破亿，并在同年12月首次实现月度经营性现金流回正。拿下“小型人形机器人全球销量第一”的加速进化，正用真实的商业闭环，捅破具身智能落地的窗户纸。1.装进行李箱的具身智能把一台前沿人形机器人带回老家，总共分几步？加速进化员工王盈（化名）的答案是三步：折叠、装箱、放车里。这台名为Booster K1的机器人，身高95厘米，重量19.5kg，可以塞进一个普通的28寸托运行李箱里。它无需专车运输，单手就能拎上楼。到达目的地拉动拉绳，一键开机，它便能重新站立。打开行李箱，这台硅基生物迎面撞上了最原生态的环境测试——山东农村的红砖院子高低不平；安徽冬末气温在3到15摄氏度之间波动。这些环境，构成了对机器人运控算法及硬件能力最直接的“路考”。“它在不平的台阶上做踢腿动作，一脚踢到高处，竟然找到了平衡，稳稳站住。”王盈回

春晚上，沈腾那个会盘核桃的“铁哥们”——银河通用机器人为何会获得资本市场真金白银的认可？作者｜周悦编辑｜王博2026年伊始，具身智能公司融资热潮又起。这一轮融资热潮中，资本从概念下注已经转向实战能力投票，产业资本、国资母基金与顶级PE争相入局，用真金白银为技术落地投下信任票。一个明显的趋势是，资金、人才与资源正加速向头部企业聚拢。“甲子光年”从消息人士处获悉，银河通用正式完成25亿元新一轮融资，估值超过200亿元，是中国人形机器人领域估值最高的未上市企业，累计融资额继续稳居首位。我们还了解到，本轮投资方包括国家人工智能产业基金（国家大基金三期）、中国石化、中信集团投资控股、中国银行、上汽集团金控、中芯聚源、亦庄国投、未来产业投资、鲲鹏基金、无锡创投、福建产投等“国字号”与产业巨头，多家老股东也继续追加投资。更引人瞩目的是，这是国家大基金首次出手，将具身智能赛道的第一笔投资投给了银河通用。这支“国家队”基金，过往投资多指向芯片、算力等底层“卡脖子”环节。此次落子，意味着具身智能已正式跨出创投圈，进入国家核心产业布局的视野。为什么是银河通用？知情人士向“甲子光年”透露，在本轮严格的尽调中，投资方最终买单的关键是银河通用自主研发了完整的具身智能数据体系，并且拿出了真正能泛化应用的具身智能大模型。此外，银河通用2026年的首要战略目标是探索多种数据技术，进一步扩大训练数据量，并加大模型的研发投入，将具身智能模型能力提升到新的高度。2025年底，“甲子光年”在《轰然成势 万象归一：2025人工智能产业30条判断》中认为，具身智能、物理AI也被看做是通往AGI的必由之路。数据显示，物理AI的市场规模正在快速放大。2025年，头部具身智能厂商已经开始了千台级别的量产。这意味着，具身智能正初步进入产业化阶段，物理AI走向了应用拐点。如果要在当下的中国AI赛道找一个最像OpenAI的公司，银

电动化重写了超级跑车的技术底层。作者｜张麟编辑｜王博在没有过多预热的情况下，小米发布了一款全新的超级跑车。如今，小米已经发售了两个系列的车型，并取得了很好的销量成绩，开始变得像一家成熟车企了。但小米在汽车业务上的一举一动，仍是被人津津乐道的话题。这个话题既包括了小米汽车的安全事故，也涵盖了其新车型、新技术的发布。北京时间2026年2月28日晚9点，小米汽车在巴塞罗那发布了全新的概念跑车Vision GT，并宣布该车型将在位于巴塞罗那举行的2026年世界移动通信大会（MWC 2026）上亮相。Vision Gran Turismo是由《Gran Turismo》发起，邀请全球顶尖汽车品牌，专门为GT模拟驾驶平台打造的未来超跑概念车项目。“甲子光年”了解到，小米是该项目成立28年来首个受邀参与的中国品牌。小米汽车首席设计师李田原现场介绍，这款概念超跑将拥有极佳的空气动力学表现，并且能和已经发售的小米SU7、YU7一样，接入小米“人-车-家”生态系统，并和手机、智能手表等个人设备互联。虽然发布会不在中国，但这并没有影响中国消费者隔空围观的热情。在小米概念超跑发布的前一天，随着谍照的流出和小米官方对于新车型的预告，广大网友就已经开始了对这款车型外观、动力性能及价格的畅享和猜测。回到市场层面，2025年全年，小米汽车总销量超过41万辆，同比增长超过200%，要知道小米的车型，无论是SU7还是YU7都不便宜，这足以说明小米现阶段在汽车业务上取得了空前的成功。但小米显然并不满足于此，其想要的不仅是更大的销量，还要有更高端的定位，甚至不排除将自己打造成豪华品牌的可能。1.一辆绝对的未来汽车这辆概念车，非常概念。在小米正式发布概念车的前一天，北京时间2月27日，汽车之家率先发布了几张小米概念车的谍照，几名工作人员正在做着车辆展示前的准备工作。即使被黑布蒙着，但仍然可以看到小米概念超跑流畅的车

存储芯片荒，并不仅仅是“缺货”这么简单。作者｜王艺编辑｜王博在深圳华强北，存储芯片已成为新的硬通货。从去年年中开始，存储芯片价格一路上涨，部分型号存储芯片价格已上涨十多倍。但更让存储芯片买家焦虑的是，三星、美光、SK海力士三大存储原厂的代理商出货非常谨慎，只卖给大客户，中小客户根本买不到存储芯片。启哥（化名）在芯片行业从业多年，他对“甲子光年”抱怨：“能流到市场上面来的量本来就很小。最受伤的是那些小厂，他们没有稳定的货源，只能被别人剥削。你想买芯片，代理商不报价，你能拿他有什么办法？”在终端市场，这种变化被迅速放大：PC厂商开始上调整机价格，部分笔记本电脑提价500~1500元；手机厂商悄然调整存储配置，以对冲成本压力；而中小模组厂和渠道商，则在“随时断供”的不确定性中，被迫提前囤货。而存储芯片价格的快速上涨，正在通过产业链传导机制，间接影响到晶圆代工厂的订单结构与产能安排，中芯国际正是这一结构性变化中的“被波及者”，尽管他们并不直接生成存储芯片。2月11日上午，中芯国际联合CEO赵海军在2025年第四季度业绩说明会现场表示，目前中低端订单减少，是因为AI对存储芯片的强劲需求，挤压了手机等其他应用领域能拿到的存储芯片供应，从而导致中芯国际这样的晶圆厂收到的中低端订单减少。他还对客户发出呼吁：“不要太悲观，不要现在砍太多的单子。”表面上，这似乎是一场由AI引发的存储芯片需求爆发，但是“甲子光年”近期走访产业链上下游多方发现，一个更尖锐的问题正在浮现：当最基础、最通用的存储芯片都开始短缺，这究竟是AI时代的真实需求，还是一场被供给策略与市场预期共同放大的“人为紧张”？存储芯片荒，并不仅仅是“缺货”这么简单。1.存储原厂：惜售理直气壮存储产业链里至少存在三层不同的价格体系：存储芯片、模组/成品、终端整机。模组、整机的涨幅往往与芯片不对称，因为终端厂商会通过“降配”或“减少促销”来

商业系统正在从“以人为操作中心”，转向“为智能体设计”的新阶段。作者｜苏霍伊编辑｜王博硅谷又一家公司走进了“千亿美元估值俱乐部”。“甲子光年”获悉，美国当地时间2月24日，Stripe宣布已与投资者签署协议，以1590亿美元的估值启动新一轮员工股份回购计划，为现任及前任员工持有的公司股份提供流动性。作为一家可编程金融服务公司（programmable financial services company），Stripe本轮资金主要由Thrive Capital、Coatue、a16z等投资机构提供，Stripe自身也将动用部分资金参与回购。这一估值较一年前的915亿美元飙升约74%，再次刷新公司的历史纪录。Stripe联合创始人、总裁约翰·科里森（John Collison）表示，公司短期内没有IPO计划。做国际贸易的人对Stripe一定不陌生。2010年，帕特里克·科里森（Patrick Collison）和约翰·科里森（John Collison）两兄弟在美国硅谷创立了Stripe，他们的初衷简单而直接：让互联网上的收付款变得像写几行代码一样简单。如今，Stripe早已远超“支付接口”的定义，它长成了互联网经济背后的“金融操作系统”。从收款、计费、风控到公司注册，500万家企业的资金在Stripe的系统里流进流出，其客户包括Amazon、Apple、Google、OpenAI、Anthropic等美国科技公司以及字节跳动、Minimax等中国科技公司，覆盖全球50多个国家和地区。根据Stripe 2025年度公开信的数据，2025年在Stripe上运营的企业产生了1.9万亿美元的总交易额，比2024年增长34%，约相当于全球GDP的1.6%。近期，约翰·科里森接受了来自中国、美国、爱尔兰、日本等国的媒体群访，“甲子光年”是群访中唯一一家来自中国的科技媒体。我们和他聊了聊

舞台上的轻盈与松弛，离不开肥沃的制造土壤。作者｜田思奇编辑｜栗子2026年除夕夜，“江苏智造”的机器人登上央视春晚舞台。在快速切换的直播镜头与复杂的声光电干扰中，魔法原子人形机器人MagicBot Z1化身硅基舞团，成为易烊千玺、陈小春等明星的赛博伴舞；托马斯回旋小试身手，转体落地，一气呵成。远在四川宜宾三江交汇之地，一百台熊猫造型的机器狗憨态可掬，同步舞蹈；MagicBot Gen1化身“最稳打工人”，现场表演捞面、斟酒。这些全能时刻，属于成立仅两年的魔法原子。作为春晚智能机器人战略合作伙伴，它是唯一亮相主会场的江苏人形机器人企业。一家年轻的硬科技公司，在容错率为零的国家级舞台上稳稳交出答卷，行业必须追问：为什么是魔法原子？这仅仅是一场技术的秀场，还是江苏机器人产业厚积薄发的一个缩影？当大幕落下，或许这场“魔法”秀的最大赢家，不仅是台前的企业，更是为其托底的江苏智造。1.解剖“魔法”——从春晚大秀到工程底气春晚直播的残酷在于不可逆。在亿万双眼睛的注视下，任何微小的控制延迟或姿态失衡，都会被无限放大。因此，能够通过春晚筛选，本身就是工程成熟度的证明。作为《智造未来》节目的首发角色，魔法原子人形机器人面临的核心考验不在于“动”，而在于“准”。在旋律和节拍的复杂切换中，机器人始终保持重心稳定与节奏一致。技惊四座的托马斯回旋，更是对高爆发与高精度的双重极限挑战，是瞬时扭矩、电机响应与全身运控的系统级协同。单机展示的是运控精度，群控检验的是系统组织能力。在四川宜宾分会场，100只Magic Dog四足机器人化身“国宝大熊猫”，在统一指令下零延迟协作，证明了其大规模群控调度架构与通信系统在复杂电磁环境下的鲁棒性。与此同时，搭载魔法原子自研灵巧手的全尺寸通用大人形与小型人形机器人行云流水的斟酒、捞面、递送操作，则补齐了最后一块拼图——末端执行的精细化。视觉识别与动作规划的无缝衔接，让机

一场跨越三十年的致敬。作者｜刘杨楠编辑｜王博2026年春节联欢晚会的舞台上，第一次出现了“两个蔡明”。在小品《奶奶的最爱》中，天放来到蔡明饰演的奶奶家，却被“奶奶”和机器人“捉弄”，后来奶奶从外面回来，天放才发现，刚才和他聊天的“奶奶”竟是仿生机器人。这是一场跨越三十年的致敬。1996年，中国“863计划”实施10周年。在那一年的春晚舞台上，蔡明与郭达带来了经典小品《机器人趣话》。在那个机器人产业尚处于启蒙阶段的年代，蔡明靠着精湛的演技，模拟出了一个有情感倾向、甚至会因为程序冲突而“发脾气”的智能生命形象。三十年后，松延动力（Noetix Robotics）用其自研的仿生机器人，将国人对未来智能生命的懵懂想象，还原在面向全球亿万观众直播的春晚舞台上。这一次，不再是人模仿机器，而是机器模仿人。松延动力的仿生机器人不仅1:1还原了蔡明的外形，更重要的是，机器人“蔡明”的每一个微表情、每一次唇形跳动，都精准同步了蔡明独特的表演张力。小品《奶奶的最爱》，图片来源：中央广播电视总台《2026年春节联欢晚会》让机器人传达出丰富的表情，一度是人形机器人身上最难、也最被行业“回避”的部分。在过去几年的科技叙事中，我们习惯了看波士顿动力Atlas在山地奔跑，习惯了看特斯拉Optimus在工厂打工。这些都是“四肢”和“大脑”的较量，而“面部”始终是那个被遗忘的角落。但正是这块最难啃的骨头，落在了松延动力身上。作为中央广播电视总台2026年春晚仿生人形机器人独家合作伙伴，他们必须交出这份看似不可能的答卷。1.春晚的极限压力测试故事始于2025年接近年底。当时，松延动力自研的仿生机器人已经迭代到第三代——“小诺（Hobbs 3.0）”。其精确的唇形匹配和逼真的面部表情动作，成为此次登上春晚舞台最重要的契机。对于松延动力而言，春晚固然是一个绝佳的“流量入口”，但从技术视角来看，春晚舞台本就是一个极限

更强大的多模态模型、更长久的记忆能力、更能干的智能体、更广泛的端侧AI。作者｜甲子光年编辑｜王博 栗子站在2026年初、乙巳年终回望，2025年可以说是中国人工智能的关键之年。这是高速发展的一年：中国信通院数据显示，中国人工智能核心产业规模有望超过1.2万亿元。具身智能作为大模型与机器人结合的产物，在政策与资本的推动下快速发展，融资金额超400亿元，产业上下游企业达350多家。这也是破局攻坚一年：行业的关注点开始发生转移。大家不再执着于参数规模、榜单排名或发布会的热度，而是反复追问一些更现实、也更本质的问题：技术是否真的可交付？系统能否长期运行？AI是否开始改变真实世界中的生产方式与人类关系。岁末年初，“甲子光年”与李开复、周鸿祎、林达华、王仲远、余凯、彭志辉（稚晖君）、黄晓煌、姜大昕、陈维良、夏立雪等38位中国AI行业的关键人物聊了聊。还有一些人，可能大家对他们的名字不太熟悉，但他们的公司你在过去一年一定听过：flowith、极壳、ropet、斑马AI、零跑、江波龙等。他们分布在中国AI的不同赛道，却共同构成了当下中国AI的缩影。基于他们的经历和过去一年在做的事情，我们将这38位关键人物归纳为四类人群——奠基者、创新者、破局者、构建者。奠基者，多半亲历过不止一轮技术周期。他们关心的不是单一产品的成败，而是AI应该走向怎样的形态、智能将如何重塑组织与社会。他们的判断，往往为一个时代定调。创新者，尝试打开新的可能性。他们把AI视作一种正在诞生的新角色。AI不再局限与聊天框，而是以机器人、玩具、外骨骼、3D、画布等形式与人交互，能够陪伴我们工作、学习、娱乐，建立情感联系，形成生产力，生成想象中的世界，甚至重塑人与技术之间的关系。破局者，身处产业风暴中心。他们面对的是最直接的生存压力：量产能否落地、商业模式是否成立、技术能否经受市场检验。他们的每一次成功或失败，都在为行业筛选出真

智谱GLM-5验证了Agentic Engineering的可行性，但成本正在变得更显性。作者｜周悦编辑｜王博今天，智谱上线并开源GLM-5，其在Coding与Agent能力上，取得开源SOTA表现，在真实编程场景的使用体感逼近 Claude Opus 4.5，擅长复杂系统工程与长程Agent任务。在全球权威的Artificial Analysis榜单中，GLM-5位居全球第四、开源第一，图片来源：智谱这一发布直接刺激了资本市场，智谱股价一度涨超41%。截至收盘，智谱股价报402港元/股，涨幅为28.68%，市值为1792.3亿港元。值得注意的是，智谱称GLM-5为“Agentic Engineering时代最好的开源模型”。什么是Agentic Engineering？为什么智谱要强调这个概念呢？1.从“氛围”到“工程”如果说AI行业需要寻找一位能精准捕捉技术风向的观测者，特斯拉前AI总监、OpenAI创始成员Andrej Karpathy无疑是最佳人选。2025年2月，他提出Vibe Coding（氛围编码）概念。开发者不再逐行写代码，而是用自然语言描述意图，让模型在一种更像即兴创作的状态里生成实现。这种体验带来了一段明显的“编程蜜月期”：生成更快、试错更便宜、上手更轻松。但一年后，Karpathy抛出了一个更现实的概念：Agentic Engineering（代理工程）。他的关注点不再是单纯地追求生成代码，而是试图让AI交付完整的工程闭环。从“氛围”到“工程”的转变，折射出一个更直观的行业变化：写代码的门槛在降低，但让模型跑完工程的门槛并没有同步下降。在“甲子光年”看来，要让Agentic Engineering真的跑起来，需要满足两个条件：模型能力强，成本可接受。我们把它粗略概括为一个便于理解的表达：Agentic Engineering的扩散性 ≈  能

解析Vidu Q3：AI视频生成下半场，拼的是“可交付”。作者｜王艺编辑｜王博凌晨一点，剪辑时间线还在往右延长。屏幕里的人物说着台词，嘴型却像慢了半拍；下一镜切到侧脸，五官又变了一点；再往后，动作流畅了，但情绪不连贯——像是同一个演员在不同片场、不同天气里拍出来的素材，被硬拼成了一条“故事”。这是AI视频创作者雪佬BOT（下文简称“雪佬”）在创作中遇到的真实问题。2023年，他进入AIGC视频领域，创作出了《无尽之境》《等待安娜》等作品。事实上，过去一年，AI 视频模型在“效果”维度的进步已经非常明显。以近期爆火的 Seedance 2.0 为例，其在单镜头表现力、情绪张力和画面完成度上的提升，让不少创作者第一次感受到“AI 视频终于好看了”。但在真实创作中，雪佬发现，效果的突破，并没有自动解决制作层面的核心难题。和他一样遇到类似问题的，还有知名AI漫剧《749密档：滇西石像生》的创作者幻梦。“一部剧的时长是60-120分钟，每分钟需要三四十个镜头；一段AI生成的素材是5-10秒，每个镜头最多也就用3-5秒。这也就意味着，AI短剧是由很多个AI生成的片段拼接而成的，素材与素材之间的的人物、道具、场景必须是连贯的。”幻梦说，“但是现在AI最大的问题是，一张图生成一个视频，每张图相互是独立的，生成的视频中人物、道具、场景是割裂的，没有相关性。”雪佬和幻梦的困境，反映了当下AI生成视频最大的痛点：一致性差。在大语言模型和多模态模型发展到“能看、能听、能说”的今天，创意和镜头点子几乎不再稀缺：你可以在十分钟里写完一个世界观，半小时里生成一套角色设定，几个小时里堆出一堆“看起来很像电影”的片段。但真正困住创作者的，往往不是灵感，而是反复消耗时间与预算都很难稳定解决的硬问题：人物与场景一致性、声画同步与口型、镜头节奏与多机位连贯性。最终导向的是“能不能交付”。也正因为这些硬问题，导致了