社区

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