走进物理AI时代：智能系统的下一场变革
物理AI是一种能够认知真实世界的智能体系，它需要预判世界的动态变化趋势，以及实体执行动作后环境将产生的反馈。物理AI需要处理高维度、连续性、带有干扰信息的数据（如影像、传感器信号）；能够建立预测模型，洞悉环境演化及自身行为的影响；具备规划与深层推理能力；同时确保可控性与安全性。黄仁勋指出AI技术经历了三次重大范式转变，从感知型AI到生成式AI，再到智能体AI，接下来将迎来物理AI（Physical AI）时代。我们正迈入物理AI纪元，即具备运行、推理、规划和行动能力的AI。物理世界的AI驱动最初依赖人工规
AI编码新思维：以慢制胜的高效策略
2026年5月，一位程序员在Hacker News上发布的博客引发热议。文章标题朴素无华：《利用AI提升代码品质，但节奏放缓》（Using AI to write better code more slowly）。没有夸张标题，也没有"AI将替代你"的焦虑营销。正是这篇"违背常理"的文章，登顶HN周榜。前微软工程师Nolan Lawson的核心理念只有一句话："AI编程不应是向GitHub疯狂推送PR的粗糙炮台。正确运用时，AI会让你放慢脚步——但代码品质却出奇地高
元戎启行周光：年内千公里接管可期，两三年迈向万公里
专题：第十八届轩辕汽车蓝皮书论坛 5月15日至17日，以“转折”为主题的“第十八届轩辕汽车蓝皮书论坛”于广州召开。元戎启行CEO周光在谈及自动驾驶发展现状时指出，短期目标清晰明确，长期则依赖于技术范式的根本性转变。 他强调，一年内实现“千公里级”的接管里程是极具确定性的目标，而两至三年内达到“万公里级”接管里程也已在计划之中。然而，在此之后的发展路径，因涉及技术范式切换后的验证、迭代及稳定性提升，目前仍存在一定的不确定性。 “我们的目标是在一年左右达成千公里接管，这一点基本没有悬念，确定性很高。”周光表示
5.11 AI 快讯：告别模型狂热，迈向工程与商业双轨新纪元
📰今日 AI 资讯总览2026 年，AI 产业正经历根本性的结构重塑：参数竞赛的狂热已然退去，行业正式迈入深耕工程技术与验证商业价值的理性新阶段。在技术维度，Harness 架构、HTML 原生输出及服务即软件等新范式相继涌现，重构了 AI 技术栈，证实了 Agent 能力的差距核心在于外部工程体系而非模型本身；在产业维度，字节跳动释放明确信号，缩减应用层烧钱项目，转而投入 2000 亿强化算力基建，印证了“算力通胀、应用出清”的现状。此外，开发者价值重估、新人培养机制及底层算法突破等议题成为焦点，为 A
智能演进之路：AI技术的四种实现路径
2025 年，随着 DeepSeek 等大模型如烟花般绽放，人工智能浪潮席卷国内各行各业。汽车行业虽然早就已经在研究和应用人工智能（AI）相关技术，此时也不得不加快脚步，加速AI产品的研发与量产落地。一时间，“AI”、“大模型”、“智能化” 等概念，在大众面前密集刷屏。听归听，看归看，很多人还是不清楚。究竟，人工智能是什么样的，智能体现在哪里。在这，我们就来讲讲人工智能的四大范式，也就是人工智能的实现方法、技术路线，来揭开人工智能技术的底层逻辑。『1』符号主义符号主义是基于逻辑符号和规则系统来模拟人类智能
AI黄金时代：人类价值的三个核心支柱
2026年，人工智能领域正经历一场深刻的范式变迁。AI正从“对话生成”演进为“自主代理”，从数字世界的语言模型蜕变为能够影响物理现实的“实体AI”。在达沃斯论坛上，Anthropic的达里奥·阿莫代伊与DeepMind的德米斯·哈萨比斯公开讨论了通用人工智能（AGI）在未来五年内实现的可能性。阿莫代伊甚至预测，到2026或2027年，可能会出现“在诺贝尔奖级别任务上能与人类媲美”的模型。同时，2026年被视为“智能体爆发之年”——基础模型推理能力突破临界点、工具生态基础设施完善、推理成本显著降低，为AI智