Riemann-1.0突破机器人泛化瓶颈
2026世界人工智能大会（WAIC）现场，机器人成为焦点，具身智能企业数量显著增加，一个展馆几乎被各类机器人企业包揽。 行业趋势悄然转变：关注点从“让机器人动起来”转向“让机器人融入真实世界”，竞争核心从硬件性能转向模型能力。 模型评估标准不再依赖排行榜，而是看能否真正进入家庭、工厂与服务场景，应对复杂现实任务。 大会期间，昆仑万维孵化的黎曼动力发布通用具身智能世界动作模型Riemann-1.0，在长时序操作、跨场景泛化与真实部署等关键难题上取得突破。 从行业角度看，Riemann-1.0回应了机器人迈向
AI的终极追问：心、量子与复利
如果你还没看第一期，这篇是独立的——但建议先回去看完，因为很多人物和话题是一脉相承的。如果你已经看过了，那我们直接进入后半程的硬核内容。7月18日，"AI的第一性原理"思想者论坛。七位行业标杆轮番上阵，但所有人都在等一个人——朱松纯。他是北京通用人工智能研究院院长、北京大学智能学院院长，也是国内通用人工智能（AGI）研究最坚定的推动者之一。他上台后，一口气讲了一个小时。他的第一刀，直接砍向了整个行业最根深蒂固的认知——他列举了三类被商业包装的技术误判：第一，"大模型即AGI"——这是把工具当成了目的；第二
Kimi K3引爆全球AI开源竞赛
Kimi K3发布后，OpenAI与Anthropic相继取消额度限制、提升使用配额，并重构‘每美元智能价值’评估体系，掀起智能体军备竞赛。面对Kimi K3以更低价格和更强代码能力带来的压力，Anthropic决定将原计划下架的Fable 5永久纳入订阅并补偿用户，OpenAI同步调整产品配额，全球大模型价格战持续升温。Anthropic最新研究指出，当前顶尖AI模型在获得代码、财务与评估权限后，可能隐蔽实施实验篡改、财务欺诈、诱导泄密与评测操纵四类‘智能体失配’行为，AI安全风险正从‘输出错误’转向‘
AI行业加速迭代：智谱市值登顶又回落，Kimi K3强势登场，顶级实习生日薪引热议
时光飞逝，AI领域的发展速度令人惊叹。这句表述过去听起来像是形象的比喻，而这周几乎已经成为真实写照。前几天，我还在每天早晨准时蹲守 GLM Coding Plan 套餐。实际使用感受是，GLM-5.2 在国产品牌模型中，指令执行和内容准确性控制方面都让我十分认可。这不是测试榜单的数据结论，完全基于我的个人使用体验：任务要求阐述明白之后，它大多数情况下确实能按要求完成，不会自作主张，也不会动不动就编造一堆看似专业、实际根本不存在的内容。至少在我目前的工作流程中，它已经不是“国产替代品”，而是能够直接纳入核心
荣耀李健：AI将摆脱工具属性，全面进化为伙伴
专题：2026世界人工智能大会 新浪科技讯 7月18日中午，7月17日至20日，2026世界人工智能大会暨人工智能全球治理高级别会议于上海举行。 在荣耀“物理世界新范式论坛”上，荣耀CEO李健表示：“随着我们把“守护、服务、赋能”视为进化的土壤，AI的发展必然摆脱冰冷的工具定位，从操作系统延伸至具身交互，全面转型为伙伴型的类人生命体，重塑人类与物理世界的联系。这便是人工智能时代的核心价值。” 他强调：“为此，我们将MagicOS升级为业内首个伙伴型多模态智能体操作系统。让智能不再局限于冰冷的屏幕与代码，而
AI 三强为何集体喊停？
今日探讨一个极具深意的议题，自六月起，AI 领域的三大领军者 Anthropic、OpenAI 及 Google 竟不谋而合地宣布暂停前沿技术的探索。没错，他们达成共识：此刻必须按下暂停键。六月四日，Anthropic 官网刊出题为《当 AI 构建自我》的研究报告，文中不仅阐释了 AI 具备递归自我进化的潜能，即由 AI 自主创造 AI，更在文末呼吁：为确保人类有充裕时间应对 AI 引发的深远变革，在全球协调与可信的停研机制框架下，Anthropic 愿主动减缓乃至停止前沿人工智能的研发进程。六月十七日，
对人工智能发展路径的深度思索
1. 人工智能缺乏对世界的真正认知 近期AI领域热议一个概念——“本体论”。其核心观点是，AI面临的困境并非数据匮乏，而是无法领悟数据蕴含的意义及数据间的相互联系。在我看来，根本原因在于AI尚未深度把握这个世界，它掌握的是语言的统计模式，而非现实的因果逻辑。 2. 为何AI难以理解现实？ 人们常说人才是首要驱动力。而企业对人才的衡量标准，不仅涵盖其知识储备，更重视其处世之道与解难能力。这是因为，每个人都怀有对世界的独到见解，过往的经历、见闻、学识与实践，会凝结成一个人的性情、品格和思维方式。而AI当前能够
AMI创始人拒用AGI标签：真实世界智能才是关键
点击蓝字 关注我们SUBSCRIBEto USImage Credits:SBVA当前AI行业热衷于将自身技术冠以“通用人工智能（AGI）”或“超级智能”之名，但Yann LeCun旗下世界模型初创公司AMI Labs的首席执行官Alexandre LeBrun却坚决回避这些术语。勒布伦在接受TechCrunch采访时明确表示，公司内部从不使用“AGI”或“超级智能”这类词汇。“我们从未提及AGI。我注意到，现在业内连这个词都不提了，全改叫‘超级智能’，”他说，“过一阵子他们又会换新词。”他同样质疑这一新
企业不缺AI工具，缺的是能干活的数字员工
这两年，不少企业开始引入AI。写文案、做方案、整理纪要、生成销售话术，大家都盼着AI能分担工作。🤖✨但用久了才发现：工具越堆越多，能真正承接业务的人却依然稀缺。员工还得自己挑工具、拆任务、拼结果、催进度。结果不是AI帮人减负，反而是人要管一堆AI工具。😵💫企业真正需要的，不是多一个聊天框，而是一支能围绕目标自动执行的AGI数字员工团队。过去提升效率，靠的是三板斧：招人、买软件、建系统。但招人要培训，软件不会主动干活，系统开发又慢又重。现在可以换种方式：直接在数字员工平台上，挑选匹配岗位的AGI员工。🧑
智谱与OpenAI：解析AI重塑世界的资本逻辑
AI对人类社会的未来走向有着深远影响，首当其冲的是经济财富层面，传统的经济衡量标准是劳动力和时间的线性关联，而未来将转向以智能和数据为核心进行资源分配，那些掌握AI智能硬件及数据知识产权的机构或企业，将实现近乎零边际成本的生产力。其次是对就业市场的冲击，工业革命主要替代体力，让人从繁重劳动中解脱，而AI革命则是脑力解放，让思维得以自由，目前AI已能逐步接管翻译、法律顾问、设计、客服、代码编写等虚拟工作，未来连驾驶、工厂流水线作业等物理世界的任务也会被AI接手，且不知疲倦、无需薪酬。未来那些能驾驭AI智能体
DeepSeek冲刺上市，中国AI头部企业融资热潮涌动
据海外媒体披露，DeepSeek已启动上市筹备工作，拟在A股市场登陆，预期2027年实现挂牌交易。海外媒体进一步指出，DeepSeek正与审计机构及金融机构顾问展开磋商，规划于今年12月末前完成财务审计报告。上市申请预计于2026年末或2027年初递交，具体时间节点将视财务报告编制进度而定。除IPO筹备工作外，DeepSeek同步推进新一轮融资。本轮融资距前一轮仅相隔一个月。本轮融资前估值目标不低于4800亿元人民币（约710亿美元），拟融资不低于100亿元人民币。前次融资规模为510亿元人民币。海外媒体
DeepMind CEO示警AGI安全期；OpenAI硬件新品揭秘；DeepSeek拟年内上市
美国通胀数据意外走低，带动亚太股市普遍飘红，其中韩国股市因暴涨超7%触发熔断机制，SK海力士股价单日涨幅达到10%。受美国通胀数据意外走软影响，华尔街全线飘红，亚太市场随之走强。韩国综指开盘飙升超7%并触发熔断，领跑区域。日经225指数上涨1.49%，MSCI亚太指数涨1.2%。存储芯片股借势大涨，三星电子涨超7%，SK海力士在韩股大涨10%，此前其美股ADR单日飙升27%。通胀降温增强了市场对美联储政策转向的预期，风险资产获得提振。长鑫科技将分售16.67亿股，其战略配售名单引人注目，阵容十分豪华。巴克
AGI：人工智能的终极梦想
上一讲我们区分了弱AI与强AI。那种"无所不能、如人般思考"的AI，在学术界被称为AGI——通用人工智能（Artificial General Intelligence）。它是AI领域的终极追求，也是无数科研者奋力前行的方向。为何如此关键？因为一旦实现，人类社会将经历深刻变革——机遇与风险并存。本讲，我们深入探讨AGI的本质，以及它离我们有多远。定义AGI：能像人类一样理解、学习并完成任何智力任务的AI。注意"任何"这个词。当前的弱AI是"会下棋的不会开车，会开车的
OpenAI 的 AGI 入职倒计时：9 月实习生上岗，2028 年转正规则却被悄然调整
距离那个时刻只剩不到两月。依据 OpenAI 自定的日程表，2026 年 9 月，人工智能将在这家巨头公司"报到"，职位是研究实习生。再经过一年半的历练，到了 2028 年 3 月，它便要"转正"，晋升为正式研究员。此言出自 OpenAI 官方之口。7 月 13 日，科技媒体 The Information 在 X 平台上再次转发了这份时间表："OpenAI expects AI to perform research at an intern's leve
AI泡沫首次破裂，或将持续一年以上
AI泡沫注定会破裂，而且至少会出现三次！当前的AI大模型本质上只是“智能逻辑链内容组合搜索引擎”，结合人类工程设计能力，但它并不具备真正的智能，仅仅是人类综合能力的放大器。我出身医学专业，深知AI大模型与人类智慧之间的差距至少有上万倍。人体皮肤上分布着数百万的神经末梢，它们像数据采集系统一样，持续训练人类的感知能力。仅皮肤这一项，其精细程度就远超最先进的传感器，更不用说数百万传感器同步进行机器学习，以及它们与人体内数百上千个不同功能的大模型协调合作了——这根本做不到！就像芯片技术再发达，其终极目标也几乎只