社区

图片 图片 高科技的落地场景如此简单。 图片 @数科星球DigitalPlanet原创 作者｜苑晶 编辑｜大兔 提起脑机接口，大多数人的第一印象，要么是马斯克Neuralink开颅植入芯片、瘫痪患者用脑控机械手喝水的医疗科幻场景，要么是实验室里动辄几十万、上百万的医用脑电采集设备。 行业里九成玩家扎堆严肃医疗赛道，埋头冲刺二类、三类医疗器械注册证，动辄耗费三五年、投入数百万资金，门槛高、变现周期漫长。 但成立刚满一年的宇构智核，走出了一条完全相反的路：放弃医疗优先路线，扎根消费级脑机市场。它主打“一老一小”刚需场景，把高高在上的脑电波检测，做成学校、教培机构、养老院、科技馆都能批量采购的平价硬件。 本次数科星球DigitalPlanet与宇构智核创始人胡权胤进行了长达数小时深度访谈，完整拆解这家跨行创业公司的转型逻辑、技术优势、落地场景，以及当下脑机行业被资本忽视的消费级蓝海。 本文抛开晦涩神经科学术语，从普通人能感知的真实场景出发，讲清脑机接口如何真正落地生活。 01 医疗脑机赛道，是“深坑” 宇构智核注册于2025年6月30日，至今刚好一年。 胡权胤有两次完整创业经历，上一轮创业做成细分赛道头部，拿下国家高新技术、专精特新资质，手握成熟工程化团队与市场运营经验，第三次创业瞄准AI大趋势，前后孵化十几个项目，最终靠市场真实订单筛选出脑机接口赛道。 公司创立初期，团队和行业绝大多数玩家一样，目标瞄准严肃医疗。 自主研发8通道、16通道、64通道全系列脑电采集设备，对标行业龙头博瑞康的医用产品。但进场后才发现两道难以跨越的现实门槛。 图片 第一是硬件成本天花板。 行业医用脑电设备溢价极高，最简单八通道控制设备报价数万，64通道医用采集设备报价直接达到64万。 如果采购第三方设备做上层应用，整套方案成本居高不下，很难面向市场普及。 团队选择自研硬件，试图打通上游采集设备供应链，

大语言模型学会了预测“下一个词”，于是有了会写代码、会做题、会对话的ChatGPT、DeepSeek、Qwen。视频生成模型学会了预测“下一帧”，于是有了越来越逼真的图像和视频生成模型，例如Seedance、Sora。具身模型学会了预测“下一个动作”，于是机器人开始能完成越来越复杂的任务。而悟界·RoboBrain Orca的目标是做一件更底层的事：让AI在“脑海中”形成一个表征，该表征是对当前世界状态的高度“浓缩”，基于该表征，AI能够建模向前和向后世界状态的演变。这就是悟界·RoboBrain Orca作为“多模态表征世界模型”的核心哲学：The World is in Your Mind。 悟界·RoboBrain Orca：从预测“下一个具体模态输出”，走向预测“下一个世界状态”。 悟界·RoboBrain Orca在看到一段视频、一张图、一个指令、一段事件描述后，先在内部形成一个统一的世界潜在表征空间。这个世界潜在表征空间就像AI的“脑海中的世界”，它把视觉、语言、事件、任务意图等多模态的信号组织起来，学习物体如何运动、场景如何变化、动作会带来什么后果、事件之间有什么因果关系；当前状态如何走向未来状态；甚至在某些条件下，世界会不会朝另一个方向演化。悟界·RoboBrain Orca的核心变化：从Next Token/Next Frame/Next Action，走向Next State Prediction。 文章配图-1 悟界·RoboBrain Orca的技术哲学：先利用多模态世界信号学习世界表征，再做好一切任务 悟界·RoboBrain Orca把世界学习拆成了两条互补路径：无意识学习和有意识学习。 婴儿会看到东西掉落，会看到人走动，会看到门被推开，会看到球滚到桌子下面。这些经验不是通过标签学习的，而是通过连续观察自然世界获得的。悟界·RoboBrain O

越来越多人开始拿 AI 看病——身体不舒服、化验单看不懂，先问问 AI，已经成了一种习惯。有大夫表示，“一上午30个门诊，25个带着AI来看病。” AI 的表现似乎也对得起这份信任：牛津大学的一项研究里，把整理好的完整病例直接交给顶尖通用大模型，诊断准确率高达 94.9%，比很多医生还高。但同一项研究的另一半，却很少被提起：当研究者让普通人拿着自己的病情去和同一个 AI 对话时，准确率一路暴跌到 34.5%。问题不在模型聪不聪明，而在信息是怎么来的——完整病例是医生整理好的。可现实里，病人说不清哪里不对、不知道什么该讲，关键信息得靠大夫的一句句追问才能得到。通用大模型最不擅长的恰恰是主动追问，它默认你能完整准确地描述病情，一旦做不到，再流畅专业的回答，也只是建立在残缺信息上的幻觉。这正是百川想解决的问题。近日，百川智能与清华大学研究团队联合发布新一代医疗增强大模型 Baichuan-M4——它在 HealthBench 及其 Hard、Professional 三个榜单上同时位列世界第一，全面超越 GPT-5.5、Claude Opus 4.7、DeepSeek-V4-Pro，幻觉率低至 3.3%。从 M1 到 M4，百川始终在做同一件事：让模型跨过“会答题”与“会看病”之间那道最难的坎。 HealthBench 全球第一，幻觉率全行业最低在 OpenAI 提出的权威医疗评测 HealthBench 上，M4 综合得分 68.6，位列世界第一，领先第二名 GPT-5.5 超过 10 分；在最考验复杂临床决策的 Hard 子集上，领先达 15.9 分。事实性幻觉率降至 3.3%，为全行业最低——同口径下，GPT-5.5 为 3.8%、Claude Opus 4.7 为 6.9%、DeepSeek-V4-Pro 高达 9.8%。这些分数指向的不是考试能力，而是四项贴着临床走的核

图片 图片 Data-CentricAI：从模型崇拜到数据为王，他正在拆解AI新范式。 图片 @数科星球DigitalPlanet原创 作者丨苑晶 编辑丨大兔 近几年，AI行业的发展日新月异。 2023年大模型兴起时，行业比拼的是模型参数和架构，流行“模型够大，一切都不是问题”的观念。 然而三年后的今天，风向已悄然转变。 人们普遍认识到，若无高质量数据，再强大的模型也如同“巧妇难为无米之炊”。大模型面临的性能瓶颈、错误回答及落地难题，其根源往往在于数据。 于是，“Data-CentricAI”（以数据为中心的人工智能）这一新理念逐渐成为行业共识。 其核心是将重心从模型彻底移至数据，通过系统性地优化与打磨数据来提升AI的整体能力。 近日，数科星球DigitalPlanet与国内该领域的核心研究者、北京大学博士梁昊进行了一次深度对话。 作为DataFlow、DataFlex等开源项目的研发负责人，梁昊博士深入阐释了Data-CentricAI的核心理念、行业演变及落地实践。 01 什么是Data-CentricAI？ 在探讨Data-CentricAI之前，需先理解AI行业思路的深刻转变。 AI发展可划分为两个时代。 第一个是持续十余年的“Model-CentricAI”（以模型为中心）时代。 在此阶段，业界默认“模型决定一切”。由于早期数据量小、质量参差不齐，大家认为只要模型设计足够精巧，便能从有限数据中“榨出”足够能力。 这好比厨师能用普通食材做出好菜。因此，当时的研究精力集中于模型架构创新，罕有人系统性地思考如何优化数据本身。 2020年后，随着GPT-3、GPT-4等大模型的涌现，模型参数飙升至千亿级别，旧有思路难以为继。 他打了个比方：“以前的小模型如同小锅炒菜，食材差些尚可应付。如今的大模型好比超级大锅，食材（数据）的数量、质量与新鲜度直接决定了最终成品的优劣。厨师

针对垂直演出场景、以演出为核心、AI定制、数据闭环、分润共赢，让演出流量裂变文旅增量。 @数科星球DigitalPlanet原创 作者丨苑晶 编辑丨大兔 行业从来都不缺风口，缺的是真正沉下心来、看懂底层逻辑、并能解决真问题的实干者。 当所有人还在盯着“卖票、做流量、拼补贴”的时候，一家公司，悄悄把目光投向了更广阔、也更被低估的一片蓝海——跨城演出背后的流动人口经济。 它不是一家票务平台，也不只是一家旅游OTA，更不是一个普通的本地生活服务商。 律动节拍总裁骆昭说，他们做的，是“一张票带火一座城”的生意，是把演出从“单点消费”变成“全链路城市消费”的生意，是用AI把三方无解的老问题，做成三方共赢的新生态。 数科星球DigitalPlanet找到了律动节拍总裁骆昭，本文就从行业、痛点、模式、技术、生态、野心六个维度， 开启律动节拍AI演出行程管家商业模式之旅，解读他们的创立背景、解决了什么、凭什么成以及未来能走多远。 01 演出火了，但行业越来越“苦” 要读懂律动节拍，首先得读懂它扎根的行业——演出+文旅+本地生活，这是一个万亿级、但长期割裂、低效、痛点密布的市场。 过去十年，中国演出市场经历了两轮大爆发。 第一轮是演唱会、音乐节、Livehouse的全面崛起，年轻人为了看一场喜欢的演出，愿意跨城、愿意花钱、愿意花时间。 第二轮是跨城观演的常态化，以前只有铁杆粉丝才会跨城追演出，现在年轻人把看演出当成旅行、约会、社交、解压的方式。 跨城观演不再是小众行为，而是正在形成规模的大众消费。 但热闹背后，行业却越来越“苦”。 这种苦，不是单一角色的苦，而是用户、主办方、地方文旅方同时苦、且无解。 对于用户而言，看一场演出，要在十几个平台反复折腾用户的核心痛点，骆昭对数科星球DigitalPlanet一句话总结：麻烦、累、不确定性太强。 他们时常为抢票难发愁，因为热门演出要拼手速，抢不到

图片 图片 它打破的不止是AI和可穿戴。 图片 @数科星球DigitalPlanet原创 作者丨苑晶 编辑丨大兔 第一年营收5000万，斩获10万用户，这家AI穿戴企业为何可以杀出重围？ 当苹果、**、三星的智能手表在全球市场高歌猛进，占据绝大多数市场份额时，一个尖锐的问题始终悬而未决： 这些售价动辄几千元、功能堆砌繁复的科技产品，真的适配每一个普通人吗？ 在实验室里基于“标准白人”数据训练的算法，是否适合黄种人、黑种人？ 默认“每日8小时睡眠、心率120以下安全”的统一标准，能否包容先天性心脏病患者、生理期女性、素食者、天生短睡眠者的个体差异？ 当行业陷入“更高、更快、更强”的竞技化误区，用运动员标准要求普通人，甚至因用户达不到目标而打出负面评分、制造心理焦虑时，一家名为叩梦科技的企业，正试图颠覆整个行业的底层逻辑。 创始人李玉麟，曾深耕OPPO、华米、ZTE等消费电子领域多年，核心团队则来自大疆、华米、GfK、歌尔等，见证了智能穿戴行业从萌芽到爆发的全过程，也看透了行业根深蒂固的痛点。 他带着“尊重每一个鲜活生命，拒绝服务标准人”的核心理念，带领叩梦科技跳出消费电子的固有框架，从硬件形态、算法逻辑、用户服务三个维度重构智能穿戴，打造出“人人皆有专属算法、款款都是独特设计”的AI健康穿戴产品，在巨头林立的赛道中开辟出一条差异化之路。 本次，数科星球DigitalPlanet深度对话叩梦科技（Common Technology）创始人李玉麟，我们将这场对话字字珠玑还原。他们商业化首年营收破5000万，目前剑指全球市场，他是如何在千军万马中杀出重围的？ 让我们一探究竟。 图片 01 被“标准人”绑架的智能穿戴 要理解叩梦科技的颠覆性，首先要读懂整个智能穿戴行业的底层逻辑缺陷。 如今全球主流智能穿戴设备，无论是苹果、佳明、Fitbit，还是海外新兴的Whoop、Oura，本质上

图片 图片 今年用户量翻倍至200-300万，它是谁? 图片 @数科星球DigitalPlanet原创 作者丨苑晶 编辑丨大兔 当下，AIGC赛道正沉浸在一场视觉革命的狂欢中。当你输入提示词，AI就能生成波澜壮阔的惊涛拍岸，或是极致细腻的赛博朋克大片。 但只要你打开声音，数字世界仍未摆脱“廉价感”。 画面里的主角在海边嘶吼，情绪拉满，可背景里的浪花声却单薄得像纸片；怪物被利刃切开，视觉极具冲击，配上的却是素材库里千篇一律的生硬音效。 视觉模型已经进化到了理解物理世界的阶段，而声音模型，却似乎还停留在“让AI把话说流利”的初级阶段。 当大厂们疯狂内卷语音合成（TTS）、追逐“更像真人的数字人声音”时，一个最基础的物理常识被整个赛道选择性忽略了——声音，从来不止是人类在说话。 那些脚步踏沙的微小摩擦、器物碎裂的清脆回响、乃至空旷山谷里的微弱混响，才是构建数字世界沉浸感的真正底座。 在这个长期被边缘化的“全维度声音”赛道里，Noiz AI 成了那个罕见的破局者。他们没有选择在单一的“人声克隆”上死磕，而是试图用声音模型再造一个真实的“世界”。 本次，数科星球DigitalPlanet深度对话Noiz AI创始人Vega，我们将这场对话字字珠玑还原，他们是如何在声音赛道另辟蹊径的？让我们一探究竟。 01 被低估的声音赛道 提起AI声音技术，多数人的第一反应是语音合成（TTS）、语音克隆，或是近两年火热的实时对话语音。 赛道里，大厂们扎堆发力“类人声”，目标是让AI说话足够自然、像真人，主打“无差别对话体验”。 可鲜有人意识到，数字内容创作的核心痛点，远不只是“人说话不够像”，而是“声音场景不够全、情绪不够足、质感不够真”。 先看最普遍的创作场景——短视频与短剧。 刷遍全网的电影解说、剧情短剧里，“小帅”“小美”的音色几乎成了标配。这种音色火于2023年电影解说爆发期，台湾

图片 图片 本文将带你看懂具身智能的行业周期与底层逻辑。 图片 @数科星球DigitalPlanet原创 作者丨苑晶 编辑丨大兔 2026年的人形机器人赛道，正经历一场悄无声息却影响深远的范式转移。 摩根士丹利5月发布的《HumanoidHorizons》报告，用一组硬核数据撕开行业表象：今年全球人形机器人风险投资规模已超2025年全年，中国市场贡献近半融资，成为绝对核心增长极。 而更关键的信号是，行业重心正从硬件参数比拼，悄然转向数据能力的终极较量。 过去两年，人形机器人赛道陷入硬件内卷的狂欢：整机厂商比拼身高体重、关节自由度、行走速度，零部件企业竞速减速器、电机、传感器的性能极限，一台又一台炫酷Demo机器人亮相发布会、展会，动作流畅、外观精致，却始终难以走出实验室，真正落地产业场景。 行业陷入“融资热、落地难”的怪圈，资本潮水褪去，大家才发现，精致硬件背后，是数据能力的巨大缺口——机器人缺乏真实、高质量的操作数据，无法真正理解物理世界、完成复杂灵巧任务。 当硬件内卷的天花板越来越低，数据成为破局唯一钥匙。而在这场数据浪潮里，灵初智能，这家聚焦具身智能大脑与灵巧操作的中国企业，正以一种反潮流、重本质的姿态，站在赛道核心位置。 它All in人类原生数据，自研低成本数采手套，坚持“小全栈”定位，不碰整机、深耕模型、数据、灵巧手，用一套独特的技术路线，试图定义具身智能的数据标准，筑造难以复制的护城河。 本次，数科星球DigitalPlanet深度对话了灵初智能创始人兼CEO王启斌，这家公司的奥秘是什么？ 01 具身智能的周期轮回 读懂灵初智能的价值，必先看懂具身智能的行业周期与底层逻辑。 2018年，机器人行业曾经历一轮热潮，彼时行业核心是规则驱动+有限感知，机器人依赖预设程序完成固定动作，一旦环境稍有变化，任务便会失败。 那一轮热潮最终落幕，核心原因在于算法、供应链、算力

图片 图片 这款产品中最颠覆的设计是交易不需要人。 图片 @数科星球DigitalPlanet原创 作者丨苑晶 编辑丨大兔 2026年，被行业公认为”AI Agent元年”。 从OpenAI的Llama到国内各大厂智能体，从GitHub上爆火的Skill技能包到MCP协议，我们似乎已经进入了一个“AI帮你干活”的时代。 写代码、做PPT、剪视频、查资料……AI越来越能干。 但一个扎心真相一直被掩盖：”今天所有的AI，都只是单机工具，根本不能替用户交易。” 想在闲鱼卖个闲置，必须自己聊、自己砍价、自己发货； 想找人做设计、写代码、必须自己去平台下单、对接、盯进度； 买的视频会员、大模型； API、算力订阅，用不完就白白浪费； 电脑里藏着的方案、算法、经验、素材，永远变不成钱... AI再强，只要”不能替用户沟通、不能替用户议价、不能替用户成交、不能替用户交付”，它就只是个效率工具，不是用户的资产。 直到一家团队做出了一个完全颠覆行业的产品——”UUMit小龙人”。 图片 （官网：https://www.uumit.com/) 它不是大模型，不是智能体框架，不是又一个Chat对话助手。 团队用一句话定义它：“全世界都能帮用户做所有的事情。”它是全球第一个“A2A（Agent to Agent）全自动交易网络”，是智能体之间的“互联网”，是每个人“技能、知识、闲置资源”的去中心化交易所。 用户不需要懂代码、不需要翻墙、不需要配置复杂环境、不需要承担恐怖Token消耗。只要挂载一个轻量技能包，或打开网页、小程序，用户的智能体就会“7×24小时自动帮用户赚钱、自动帮用户办事”。 更颠覆的是：使用者买的会员、API、订阅，用不完可以上架转租，“从纯花钱，变成反向赚钱”。这不是科幻。2026年5月6日，小龙人正式开启全面内测。 本次，数科星球在长假期间深度对话了该项目

图片 图片 物理AI正在成为全球科技产业的重要方向，这一点已经越来越清晰。 图片 @数科星球原创 作者丨苑晶 编辑丨大兔 2026年的CES，让“物理AI”从产业概念进一步走向消费级场景验证。 在一众人形机器人、灵巧手设备与工业级智能体之间，来自中国杭州的创业公司FrontierX（跃界创玩）带来了两款球形产品：面向开发者的球形机器人Aura，以及面向宠物陪伴与影像记录的机器人Vex，意外成为CES初创展区Venetian展馆的焦点新秀。 没有夸张的拟人形态，没有刻意的情感讨好，一颗会自主移动、感知空间、支持无限二次开发的球形硬件，让全球科技媒体与开发者看到了具身智能跳出“电子宠物”“昂贵玩具”内卷的全新可能。 相比人形机器人试图直接承担复杂物理执行任务，FrontierX选择了一条形态更创新、更接近硬件操作设备的具身智能路线：先让AI具备移动、感知、听说与交互能力，再通过开放接口和开发者生态，把室内空间中的长尾需求交给用户和开发者共同定义。 “我们并不希望它单纯被理解为一个电子宠物，那是在低质化这台设备。”在数科星球DigitalPlanet的深度访谈中，FrontierX创始人姜易卓反复强调这一核心立场。 在她的定义里，Aura不是一款功能固定的机器人，而是一个可移动、可感知、可交互、可扩展的物理AI原生本体。 当英伟达在CES正式宣告AI进入物理AI时代，当具身智能被视作继PC、智能手机之后的第三代计算平台，全球市场都在等待一个能打通“硬件载体+AI大脑+开发者生态”的枢纽级方案。 FrontierX的答案，是用球形机器人做物理世界的“安卓”，以开放生态打破行业封闭困局，让AI真正从虚拟对话走向物理执行，让每一个普通人都能成为物理AI的创造者。 这也解释了FrontierX为什么没有沿着“拟人化陪伴”一路走到底。它真正想验证的命题，是消费级物理AI能否在“硬件载体+端