快科技7月17日消息，2026世界人工智能大会今日正式开幕，蔚来芯片子公司安徽神玑技术有限公司首次独立参展，不仅展出了神玑NX9031芯片及车载域控产品，还在会展期间发布了“”睿动“”具身智能开发平台、分布式智能体平台等AI新产品。 据介绍，神玑公司自2025年6月成立以来，已完成近30亿元融资，定位为覆盖自动驾驶、具身智能、Agent推理等领域的全域全场景芯片公司。 目前其已形成由NX9031X、NX9031U、NX9031C等多颗芯片构成的完整产品序列，全面覆盖智能辅助驾驶、具身智能、Agent推理三大前沿AI赛道。 在智能辅助驾驶领域，高档NX9031X芯片已成功部署于蔚来品牌和乐道品牌全系车型，累计发货超过30万颗。对于具身智能和Agent推理等新兴AI应用，NX9031系列是目前市面上少有的算力大、经过规模量产检验的国产芯片。 本次发布的“睿动”具身智能开发平台搭载中档NX9031U芯片，采用5nm车规级工艺，可用于运行机器人大脑感知和自主规划所需的各种复杂模型。 将车规级芯片装进机器人，意味着神玑试图把在智能驾驶领域积累的技术能力跨界平移到更广阔的AI场景中。 具体路径上，神玑计划依托智能辅助驾驶的技术优势和安全可靠性，将车辆感知、实时控制、功能安全等核心技术复用至人形机器人、无人物流车、大算力终端等AI应用场景。 从汽车芯片到机器人芯片，底层逻辑是相通的，都需要高实时性感知、低延迟决策和严格的功能安全标准，车规级芯片在这方面的要求甚至比消费级更严苛。 神玑此次独立亮相WAIC，释放的信号很明确：蔚来不满足于只做车企芯片供应商，而是要在AGI时代成为覆盖多场景的芯片平台公司。

IT之家 7 月 17 日消息，在今日举行 2026 年世界人工智能大会上，BrainCo 强脑科技正式发布全球首个面向脑控机器人科研与开发场景的一体化、图形化、一站式的 AI 科研平台 ——BrainCo 脑控机器人训练平台。 IT之家从官方介绍获悉，这套平台将脑电采集、实验范式、神经解码、控制映射和机器人执行整合进统一的软件流程，降低脑机接口与机器人融合研究的系统搭建门槛，研发人员即便没有脑机接口相关背景，也可以在 10 分钟内解锁“意念”控制机器人。 1、脑控机器人训练平台的工作原理 人在产生动作意图时，大脑会发出微弱的脑电信号。脑控机器人的工作原理，是通过传感器采集与特定任务相关的脑电信号，并利用算法识别其中的意图相关模式，再将识别结果转换为机器人控制系统可执行的指令，驱动机器人完成相应动作。简单来说，就是在人脑与机器人之间建立一条信息通路，让人的意图能够直接转化为机器动作，无需依赖按键、遥控器、手柄、语音等传统交互方式。 2、脑控机器人 AI 科研平台，实现复杂研发流程一体化 强脑科技此次发布的脑控机器人 AI 科研平台，把过去需要多学科背景、较长周期才能完成的实验流程整合为一套标准化平台。平台由脑电传感系统、软件平台和机器人执行端三部分构成。脑电传感系统负责脑电信号的采集，兼容多种电极类型，支持多通道、高采样率的数据采集，并可通过无线方式实时传输。 软件平台承担信号处理和机器人控制的核心工作，内置了脑机接口实验范式流程和神经解码算法，研发人员不需要从零搭建底层算法，只需要在软件平台上完成配置，就能实现从信号采集到控制输出的全流程操作，这也是能“10 分钟上手”的原因。机器人执行端目前已经支持接入多类第三方机器人和设备，包括人形机器人、机械臂、机器狗等，同时平台也在持续接入新的机器人型号，研发人员可以根据自己的研究方向选择合适的机器人本体进行实验。

作者 | ZeR0 编辑 | 漠影 智东西7月17日报道，今日，世界人工智能大会WAIC 2026开幕，在“构筑AI算力与绿色能源融合发展新范式”算电协同专题研讨会上，达卯科技全新推出算电协同2.0平台･AIDC绿电直连能源运营操作系统，以行业首创“融合推演智能 + 统筹博弈智能”双引擎架构，打通从数据感知到价值交付的全链路能力闭环，让电力从算力的成本单元，真正转变为Token的价值支点。 进入GW级智算时代，能源成为核心竞争变量。当前，AI算力需求指数级爆发，国内智算中心建设加速从百MW级向GW级集群跃迁。一个GW算力基础设施满负荷运行，年耗电量可达80~90亿度，相当于一座中型地级市全年居民用电量。电力不再是后台成本项，而成为决定算力项目生存空间与经营效果的第一性变量。 传统粗放的能源运营模式难以为继：表层是电价波动剧烈、绿电消纳不足、储能效能偏低、运营依赖人工的广泛痛点，深层则是新能源出力与现货市场量价错配、源荷叠加推高容量管控复杂度，多资产多主体运营下传统调度采购模式彻底失效的行业矛盾。 GW级智算时代，行业竞争已从单一算力规模比拼，转向“算力+能源”的综合较量。算力与电力深度融合，亟需一套既懂算力交付逻辑、又懂电力市场规则，能够实现全局协同寻优的能源操作系统。 一、算电协同迈入全生命周期运营新阶段，算电协同2.0平台构建12大功能引擎 达卯科技算电协同2.0平台是在今年4月发布的“预测-调度-交易”一体化解决方案基础上的全新升级，实现了全生命周期绿电智慧运营。 该平台搭载算电协同行业首个「融合推演智能 + 统筹博弈智能」双引擎架构。能源大模型负责理解发电性能、负荷特性、容量约束、调节性边界、市场规则、交易流程、复盘策略、结算逻辑，完成全局策略推演；多智能体矩阵则通过协同博弈，实现多目标全局动态寻优，输出实时可执行策略。 算电协同2.0平台可实现多源时空、多市场数据预测和趋势感知，以及全局统筹、多目标最佳策略求解，打通“数据感知-预测研判-策略生成-运行调度-交易执行-结算风控-经营复盘-价值交付”全链路能力闭环，支撑新一代GW级绿色智算中心高效、精细化运营。 基于创新架构，达卯算电协同2.0平台构建了覆盖能源运营全链路的12大功能引擎，并率先发布覆盖预测、调度、交易、结算四个核心环节引擎： 预测端：多源预测融合引擎：破解单点预测场景失准痛点，构建覆盖新能源出力、气象条件、市场电价、算力负荷、可调资源的多模型预测池，引入模型自适应匹配、回测评分、置信度动态融合机制；由智能体实时跟踪模型表现，随市场与场景变化动态融合，实时择优，为算力排程、绿电消纳、现货申报、持仓调整、结算风控提供高可靠预判依据，让运营决策更早、更准、更稳。 目前，通过多源预测融合引擎，可使综合预测准确率提升5%~8%。 ▲电力价格预测多模型融合择优自动化工作流 调度端：算电储碳联合优化引擎：破解算力、电力、发电、调度、交易、碳排放多体系割裂、单点优化痛点，构建算电储碳一体化联合调度中枢，将算力排程、新能源发电、储能充放、电力交易、碳管理纳入统一决策空间，在多目标约束下，依托能源大模型与多智能体协同实现全局动态寻优，多场景协同调度释放削峰填谷、绿电消纳、交易套利、需求响应、容量管控、负载率优化、碳成本优化的复合收益，全面提升智算中心的经营弹性与绿色核心竞争力。 借助算电储碳联合优化引擎，全局资源调度交易效率提升3倍以上。 交易端：动态持仓策略管理引擎：用动态持仓替代静态采购模式，对中长期合约、现货波动、持仓敞口、实际用电、绿电消纳、储能调节、偏差风险实行全周期动态持仓管理，实时测算成本盈亏与履约风险；结合能源大模型的规则解析能力自动输出采购调整与风险处置方案，系统性降低高价补电、偏差考核、履约不足、结算亏损概率。 通过动态持仓策略管理引擎，可帮助智算中心运营度电成本降低10%~20%、绿电消纳比例提升10%~15%。 结算端：多主体收益智能清分引擎：破解多方合作分账模糊、对账繁琐的行业痛点，依据合同规则、资产贡献、运行数据与收益类型，自动完成降本收益、绿电权益、储能套利、需求响应等多维度收益的智能归因与精准拆分，大幅降低多方协作对账成本与分账争议，提升收益分配透明度，支撑算电协同从单点项目走向长期生态化运营。 借助多主体收益智能清分引擎，使智算中心运营对账周期缩短50%以上、多方对账人工成本降低70%以上。 除上述四大引擎外，改平台还包含覆盖数据底座、调度运营、经营风控、可信交付等场景的八项功能引擎，共同构成能源运营全流程能力闭环，重新定义算电协同能源操作系统的技术门槛，有力支撑GW级绿色智算中心的精细化、规模化运营。 二、让每一度电都成为算力产业的增长动能 依托全链路运营能力，算电协同2.0平台将为智算中心带来可量化的多元经营价值。 经营提效：覆盖需量电费优化、需求响应增收、参与辅助服务、储能多元收益、持仓策略优化、现货价差套利、实现算力挖潜等场景，全链路释放降本增收空间，同步提升园区算力承载能力。 交易可控：深度衔接电力现货市场，通过结算预演前置管控、偏差考核动态压降、持仓缺口实时预警、绿电履约风险保障实现全周期风险控制，提升大规模用电的经营确定性。 绿色增效：通过绿电窗口智能匹配、全链路消纳跟踪与可信账本交付体系，切实提升真实绿电消纳比例，满足终端客户低碳合规与绿色算力交付需求。 价值可溯：单位算力成本精准归因、多主体收益自动清分、绿色属性全链路溯源，为精细化定价、经营决策与多方生态合作奠定基础。 ▲能源预测调度自动化工作流及日内分时段可视看板 降低度电成本、提高绿电使用率和供能稳定性，进而降低单位算力成本、提升绿色算力交付能力，这条价值链的终点是单位Token综合价值的持续提升。让每一度电都成为算力产业的增长动能。 结语：算电协同发展需要新路径 从落地行业首个商业化项目到一体化方案，再到全生命周期能源运营操作系统，达卯持续定义算电协同的技术迭代与产业演进。 此次算电协同2.0平台发布，既是达卯技术能力的代际升级，也是对算力与能源融合发展的全新探索。 达卯计划持续深耕能源大模型与智能体技术，携手产业伙伴践行“以电强算、以算促电”，为万亿Token经济筑牢绿色能源底座。

快科技7月17日消息，九识智能今日在世界人工智能大会上宣布，公司已实现L4级无人驾驶无图方案的规模化量产，成为全球首家达成此成就的企业。 目前，该技术已在九识智能新增运营路线中实现30%的渗透率，预计到本月底，L4无图运营里程将突破4万公里。 公开资料显示，九识（Zelos）成立于2021年，总部位于江苏苏州，2026 年1月，九识智能与菜鸟无人车联合宣布达成深度战略整合，菜鸟成为九识股东。 官方表示，这标志着无人驾驶正式摆脱对高精度地图的依赖，转向实时感知与AI决策驱动。 相较于驾驶责任仍在人身上的L2级无图辅助驾驶，L4级无人驾驶要求车辆独立完成感知、定位、决策、控制全流程，去地图化的技术门槛极高。 九识智能联合创始人、CIO朱伟铖表示，公司在轻地图方案基础上完成了新一代L4级无图无人驾驶方案的技术升级，并率先实现规模化量产。 相比轻地图方案，无图方案又实现了进一步的成本大幅降低，同时将车辆部署周期缩短至1天以内，实现真正意义上的即买即用、交付即运营。 【本文结束】如需转载请务必注明出处：快科技 责任编辑：哈尔

智东西 作者 | 陈骏达 编辑 | 漠影 2026年的WAIC，智能体成为最受关注的话题之一。 从基础大模型厂商到办公软件、终端企业，几乎所有参展者都在描绘智能体时代的未来。不过，比起新品本身，更值得关注的是它们共同尝试回答的一个问题：当大模型已经足够聪明之后，智能体究竟应该以什么样的方式存在于手机里？ 真正逛完整个展馆，我们发现一个颇有意思的现象。云端智能体已经开始承担越来越复杂的工作，但消费终端里的所谓智能体，大多仍停留在“AI助手”阶段。它们能够聊天、搜索、总结内容，却很难真正替用户完成一项跨应用、跨服务的复杂任务。 而就在WAIC期间，大模型独角兽阶跃星辰亮出了他们在智能体时代对终端的最新思考：大模型原生智能体手机STEPX Neo，及其搭载的全球首个智能体原生操作系统Step AOS、个人智能体阶跃Amoo。 在阶跃展台，一段现场Demo展示了STEPX Neo的工作方式。当用户说出“帮我把文件送到公司，Frank催得比较急”的指令时，系统自动识别当前位置、调用联系人信息、匹配公司地址，并完成跑腿服务下单。 整个过程中，用户没有打开任何App，也没有逐步输入指令，智能体自主完成了任务规划与执行。 这个Demo展现的能力，其实正是当下智能体手机亟需补齐的短板。 一、AI手机进入新阶段：为什么“OS+AI”开始遇到瓶颈？ 智能体手机，或者更广义上的AI手机，并不是一个新概念。 过去一两年，几乎所有主流手机厂商都将大模型接入操作系统，AI助手、AI搜索、AI办公等能力快速普及。但一个共同的问题逐渐浮现：AI越来越聪明，手机却没有变得越来越“能干”。 不少用户都有类似体验。AI能够总结会议、生成文案、回答复杂问题，但真正需要完成订餐、改签机票或处理跨应用任务时，最终仍需要自己打开多个App，一步步完成操作。 问题并不完全出在模型上。目前手机等移动终端的操作系统仍围绕“人如何操作设备”设计，AI只是被塞进了手机，但没有真正融合到操作系统中，也就无法把手机上的应用、服务真正用起来。 阶跃董事长印奇将当前AI智能体在手机上的困境概括为三堵墙：记忆墙、决策墙和行动墙。 记忆墙，本质上是数据孤岛。聊天、地图、相册、日历、外卖、购物等数据分散在不同应用中，AI难以建立跨应用、跨场景的长期记忆，每次交互都需要重新理解用户上下文。 决策墙，则来自复杂任务。虽然驱动智能体的大模型已经具备较强的理解和推理能力，但单一模型往往难以兼顾速度、成本与复杂推理，面对多步骤、多约束任务时，智能体仍难以高效决策。操作系统需要设计一套可实现多模型协作的架构。 行动墙，则是移动互联网时代遗留下来的系统限制。一项完整的任务往往涉及多个应用和多个步骤，而传统操作系统缺乏围绕智能体设计的权限机制，智能体会被各种权限卡住，难以跑通完整的工作流。 越来越多业内人士因此认为，与其给传统操作系统外挂一个智能体，不如重新设计一套面向智能体的操作系统。 二、全景解构Step AOS，它到底重构了什么？ STEPX Neo搭载的Step AOS，正是在这样的背景下诞生。Step AOS重点重构了三个能力：记忆、执行和安全。 首先是记忆。 在阶跃的展台上，我们亲身感受了三台STEPX Neo，它们分别被设定为不同的人格、生活状态与服务偏好。而搭载于其上的智能体阶跃Amoo，也因记忆、关系、偏好和上下文的差异，为每位“用户”提供了风格迥异、贴合其特点的行动建议。 这一个性化体验的背后，是Step AOS所建立的跨应用、跨任务的长期记忆体系。它将记忆分为用户域和智能体域两部分：前者记录用户偏好、习惯和历史行为，后者记录智能体自身的执行经验和任务结果。系统会持续记录、整理并在需要时快速召回这些信息。 官方数据显示，其简单问答的记忆召回最快可达到15毫秒，复杂任务平均响应时间约1.2秒。 其次是执行能力。 Step AOS通过“原子能力引擎”，把原本封装在App里的功能拆解成大量可直接调用的服务能力。Agent不再需要模拟用户操作界面，而是可以直接调用“下单”、“导航”、“支付”、“发送”等底层能力。 从技术上看，这有点类似把GUI交互改成API交互，可以实现对能力的直接调用。对于智能体来说，后者显然更高效，也更容易形成稳定的自动化流程。 与此同时，Step AOS还采用了端云协同架构。根据我们的体验，端侧模型主要负责照片搜索、闹钟设置等高频即时任务，强调低延迟；云端模型则负责复杂规划、多步骤推理等长链路任务，强调深思考。这样既能保证响应速度，又能保留复杂任务的推理能力。 支撑端云协作体系的是阶跃覆盖端侧到云侧的模型家族。阶跃刚刚发布的Step Edge端侧基座模型全家桶专为终端硬件定制，这些模型在29项权威基准评测中位列同类端侧模型全球第一。而在GUI、智能体、终端任务等基准测试上，这些模型取得了国内第一的成绩。 第三个变化是安全。 随着Agent开始拥有越来越多的执行权限，用户也开始担忧智能体会不会做错事，尤其是在支付、通信、文件管理等场景里。 Step AOS在底层引入了TEE可信执行环境，并建立了“可信、可见、可控、可逆”的安全机制。 其中一个比较差异化的安全特性是“可逆”——如果Agent误删照片、误执行某个操作，用户可以查看完整执行链路，并通过安全中心一键恢复。 总体来看，Step AOS的长期记忆解决的是“记住用户”的问题，原子能力和端云协同解决的是“完成任务”的问题，而可信执行体系则解决了“如何把任务放心交给智能体”的问题。三者协同，让操作系统真正适应了人机共生的模式。 凭借上述特性，STEPX Neo也成为了首批通过《人工智能终端智能化分级》系列国家标准L3级别测试的移动终端设备。这一指标是国内首个为AI终端产业设计的统一的智能化分级评价标准。能够首批获得L3级证书，也意味着STEPX Neo已经具备了较为完整的智能体能力体系，为行业提供了一套可参考的技术标杆。 三、智能体手机真正难的是生态，Step AOS正补上这块拼图 如果说操作系统决定了一台智能体手机能否跑起来，那么生态决定的，则是它究竟能干多少事。 这也是整个行业正在面对的新问题。相比传统AI助手，智能体最大的不同，是它需要持续调用外部服务、连接现实世界，最终帮助用户完成一项完整任务。订餐、打车、导航、支付，几乎每一种能力，都来自不同的平台和服务。 换句话说，没有生态，再聪明的智能体，也很难真正走进用户的日常生活。 从这个角度来看，阶跃此次公布的合作生态显得尤为重要。 目前，阶跃已经与携程、支付宝、滴滴、美团等多个生态伙伴展开深度合作，覆盖旅游出行、民生政务、本地生活等多个高频场景。 在WAIC现场，我们也看到了这一生态合作的实际落地。 在生活服务场景中，用户只需说一句“帮我找离我最近的充电站，顺便点一杯喝的到家里”，STEPX Neo搭载的个人智能体阶跃Amoo便会综合调用地图、支付宝车生活、本地生活等服务，根据用户车型、常用充电习惯、家庭地址以及饮品偏好，自主完成路线规划、充电站筛选和饮品下单，而不再需要用户分别打开地图、充电和外卖应用逐项操作。 在办公场景中，当用户说出“帮我处理一下下午汇报的事”后，它能够浏览飞书等办公信息流，发现会议改期、整理相关待办、查找对应文档，并结合用户长期积累的汇报风格、品牌规范和个人偏好，自动生成汇报PPT，甚至草拟同步项目组的信息，将碎片化的信息流整理成一条完整的工作链路。 在生活规划场景中，当用户在社交平台刷到一场演唱会海报，只需说一句“我想去这个演唱会，你帮我安排一下”，阶跃Amoo便能够识别当前屏幕内容，查询演出时间、票务信息，并结合用户日程、所在城市和预算，通过携程等App规划机酒方案，同时提前设置抢票提醒和行程安排。 这种合作模式，也打破了行业长期以来关于智能体终端与App天然对立的刻板印象。 此前，印奇曾在发布会上分享道，他认为，从PC时代的软件、互联网时代的网站到移动互联网时代的App，应用形态始终在演进，应用不会消失，它只会变得更多，拥有更多不同的载体，而AI时代的智能体将成为新的应用载体。 结语：AI手机竞争，开始进入系统时代 今年WAIC上，以Step AOS等为代表的方案，让行业看到了一个趋势：真正拉开AI手机体验差距的，越来越可能是系统架构、任务执行能力，以及背后的生态协同能力。 Step AOS是不是最终答案，现在下结论还为时尚早。毕竟，Agent手机仍然处于产业发展的早期阶段，无论是技术成熟度，还是生态建设，都还有很长的路要走。 不过，Step AOS已经开始回答一个更重要的问题：如果围绕智能体重新设计一部手机，它应该是什么样子。随着模型能力持续提升、生态不断完善，这种智能体原生的思路，很可能成为未来AI手机演进的重要方向之一。

机器人前瞻（公众号：robot_pro） 作者 | 江宇 编辑 | 漠影 具身智能的泡沫论从未消散。 2024年以来，资本涌入、发布会密集、人形机器人后空翻成为流量密码，行业在“通用终局”的叙事中一路狂奔。但一个残酷的现实是：当潮水退去，绝大多数企业仍未找到真实的付费场景。短期价值太薄，长期的饼又画得太大——这是悬在整个行业头上的结构性困境。 问题的核心在于：价值锚点在哪里？ 它必须具备两重属性：短期内能看得见的产业回馈，长期有确定性的增长空间。缺了前者，公司活不到长期；缺了后者，公司不值得活那么久。 放眼整个赛道，真正同时握住这两个锚点的企业屈指可数。 2026年的WAIC，风向变了。 今年在H3-B317展台，云深处科技没有制造更多“奇观”，而是展示了一套从底层关节到顶层智能体OS、从年产能2万台到45个国家及地区商业布局的完整工业体系。 这揭示了一个被行业长期忽视的真相：具身智能下半场的胜负手，已不在“形态之争”。系统闭环才是左右竞争的核心变量。 当行业还在争论“人形是不是终局”之时，云深处已经用“一脑多形”的产业实践证明：全栈穿透力才是壁垒。 一、产品矩阵：不仅是“全”，更是“一脑多形”的工业级验证 面对云深处“一人一猫一狗”的展台阵容，外界容易陷入一种误读：产品线铺得这么全，是不是为了“全”而全？ 但如果你理解其底层的技术架构，就会发现这些形态各异的机器人，本质上是同一套“具身大脑”在不同工业场景下的物理延伸。 云深处“1+X+N”战略，即1个具身大脑、X个产品系列与N个应用场景，其核心在于“一脑多形”——用通用化的感知、决策与控制体系，为不同形态的“身体”提供底层智能支持。 此番战略的工业级验证，在几款新品上体现得尤为突出。 DR02人形机器人是其中最具风向标意义的产品。作为全球首款具备IP66防护等级的行业级全天候人形机器人，DR02支持-20℃至55℃宽温运行，配备275 TOPS算力、双臂7自由度加6自由度灵巧手，以及模块化快换架构。 它已完成变电站实测，能够执行开关操作、接地线、读电表等任务，甚至携带双灭火器进行应急救援。2026年，DR02已正式启动商用投放，进入规模化交付阶段。 山猫系列则代表了另一条更具工程智慧的路线。今年4月发布的山猫M20S将防护等级提升至IP67，支持水下1米浸泡30分钟；负载能力跃升至35kg，较上代提升233%；极限速度达9m/s，堪称“全地形场景王”。 而5月发布的山猫S10则走轻量化路线，自重小于20kg、极速8m/s、IP66防护，填补了狭窄空间轻量化巡检的空白，可在最窄50cm的地下管廊通道中穿行。 一重一轻，一野一窄，覆盖的是从野外应急到地下密闭的差异化场景。这一矩阵的纵深，还建立在四足机器人“绝影”系列的持续进化之上。 从2018年奠定基础的绝影Pro，到2019年首款行业应用级的绝影X10，再到2021年实现IP66防护与全自主巡检的绝影X20，直至2023年成为全球工业旗舰、已在国内外电网规模化部署的绝影X30。 这条迭代线构成了云深处行业技术积淀的原始积累。 而在人形路线上，2024年首发的DR01已初步验证双足运动控制与复杂地形适应，为DR02的商用化铺平了道路；轮足路线中，2025年发布的山猫M20则先行验证了复合运动控制的核心技术。 就连那台在今年WAIC展台引得无数人打卡的马年限定款机器马“云驹”，也不止是展演玩具。它指向的是：云深处的供应链已能支撑非标形态的快速定制。 产品形态的选择，本身就是长期主义在硬件路线上的第一个分水岭。 与许多公司急于推出全尺寸人形机器人以迎合风口不同，云深处始终坚持“场景定义形态”：四足、轮足、人形并非为了品类齐全而存在，而是从能源电力、应急消防、安防巡逻等真实的产业痛点中倒推而来，因需求而生、为落地而行，把可靠性做进基因里，才能让机器人在产业现场真正从“能站桩”进化到“能干活”。 二、技术架构：各司其职，才是工业现场的标准答案 如果只看产品矩阵，很容易陷入“硬件堆料”的误读。云深处真正的技术壁垒，藏在一份“三层智能架构”里：底层控制、中层决策、上层智能各司其职，分别对应工业现场对“实时性”和“智能性”的双重要求。 具身运控是离物理世界最近的一层。 它负责四足、轮足、双臂、人形等不同形态的“感知-控制融合”，既能支持高速奔跑、动态平衡和跌倒自恢复，也扛得住重载爬坡这类极端工况。 具身基座模型则是“一脑多形”的核心。 它用一个统一的模型（Unified Model）同时驱动具身导航与具身操作，向下将策略下发给具身运控系统，向上接收具身智能体OS的任务指令。 这种“一个模型、多形输出”的架构，打破了传统机器人一种形态、一套算法的烟囱式开发模式，让同一颗大脑可以适配不同身体。 具身智能体OS则负责更高频的“慢思考”，包括任务拆解与规划、记忆中枢、人机交互和工具调用四大模块。 在这个三层智能架构之上，云深处自研的具身视觉语言动作大模型DeepVL实现了端到端的“感知-认知-行动”闭环。 它融合视觉感知、语义理解与动作生成三大能力，支持无高精地图环境下的自主导航，能理解自然语言指令并执行复杂任务，具备设备缺陷识别、障碍物避障与险情判断能力。更重要的是，DeepVLA已经在漫长的巡检路线与救灾现场中，学会了自主思考“下一步该看哪里、怎么走”。 此外，云深处已实现一体化关节等关键核心零部件100%自主可控，具备耐高低温、抗冲击的工业级可靠性。全栈自研不仅摆脱了进口依赖、缩短了供货周期，更意味着云深处掌握了从底层硬件到上层模型的完整优化空间。 这种“垂直整合”能力，在具身智能这个软硬件耦合极深的赛道里，是真正意义上的护城河。 三、解决方案：从辅助到“替代”，行业穿透的入场券 WAIC展台上，背着设备的机器狗在坡道、楼梯间灵活穿梭，这些“重装”背后，是云深处在1200多个真实场景中“实战”积淀的行业Know-how。 云深处没有停留在兜售单一硬件的阶段，而是将高门槛的行业专有知识，转化为机器人能够自主理解和执行的标准化作业流程。这次展出的六大行业标准化方案，覆盖电力、应急、公安、消防、林草、教育等领域，再加上两个“行业首个”，构成了其解决方案的纵深。 其中最具产业穿透力的，是两个首创方案： “AI防汛勇士”是全国首个防汛防台具身智能机器人。 在“应急使命·2026”湖北特大洪水防汛抗洪演习中，山猫M20携防汛抗洪智慧解决方案涉水巡堤，通过智能算法模型自动识别堤身表面裂缝，精准捕捉坝体内部渗流等隐蔽隐患，实现红橙黄三级预警全流程闭环处置，在“堤防险情处置”科目表现卓越，斩获同类装备第一名。 它针对性破解了传统防汛“人工抵近作业风险高、效率低”的痛点，可深入塌方、积水、滑坡等高危区域自主完成隐患巡查、险情侦察与数据回传。 “侦查通信机器人”则是行业首个密闭空间侦察通信机器人，专攻矿山、隧道等密闭救援场景。它补齐了传统救援“侦察盲、通信断、风险高”的短板，可替代救援人员深入高危密闭空间，实现超前侦察、态势研判、应急组网与生命探测。 这两个方案的价值，不仅在于“全国首个”的标签，更在于它们代表了具身智能从辅助工具向极端环境中“替代人力”的跃迁，机器人开始承担那些“人进去了就可能出不来”的任务。 其他方案同样构成了产业落地的支撑面：电力巡检方案构建覆盖“变电站-输电线路-配电网-储能站”的全场景智慧巡检体系，故障识别准确率达96.5%；消防方案搭载耐高温红外与毒气检测，为“火焰蓝”增添“机器战友”；公安方案覆盖治安巡逻、排爆侦察等六大场景；教育方案则提供从硬件平台到完整课程体系的全链条生态，解决教学“纸上谈兵”的痛点。 这些深入一线的实战方案表明，具身智能的竞争已进入“硬件平台+AI智能体+场景方案+供应链生态+服务体系”的综合能力比拼阶段。在这个新阶段，可复用的标准化方案才是把单一行业做深做透的关键。 四、生态与制造：从技术闭环到商业闭环 技术验证与商业落地之间，往往隔着一条名为“规模化”的鸿沟。云深处正在用制造能力与生态布局填平这条鸿沟。 在制造端，云深处已建成年产2万台机器人的高柔性制造基地，未来可提升至10万台。超100家高新合作伙伴构成的世界级供应链体系，配合完善的IPD（集成产品开发）流程，使其具备了从技术领先到规模交付的完整能力链。 在生态端，云深处国内布局覆盖34个省级行政区，全球布局延伸至45个国家和地区，拥有全球行业客户数量超500家。这种广度的背后，是其“销售-售前-交付”铁三角协同赋能体系的支撑。云深处同样为合作伙伴提供技术支持、培训体系、营销赋能以及商机共享。 更具长期价值的是数据飞轮。依托真实业务场景的数据积累、模型迭代与规模化部署，云深处构建起“应用部署—数据沉淀—模型进化—能力提升—规模复制”的行业智能数据飞轮，让机器人在持续实践中不断提升环境理解、任务决策和自主作业能力，实现具身智能能力的持续演进。 每天有数百小时的真实数据在驱动这个飞轮转动，这意味着模型每天都在被真实的工业物理规律重新校准。 从战略发展进程看，云深处清晰划分了1.0时代与2.0时代：前者聚焦攻克机器人本体、打通全栈自研技术、实现行业落地；后者则聚焦具身大模型、具身操作升级与规模化行业应用。 从2025年12月启动到2026年5月完成，云深处的IPO辅导推进迅速，也为其2.0时代的扩张提供了弹药。 结语：潮水退去，系统能力才是护城河 具身智能的产业逻辑正在重构。 过去，行业迷信通用大脑或人形终局的单点突破；现在，市场检验的是一套生态系统工程。云深处科技在WAIC的展台，展示的恰恰是这样一种“全栈作战”能力。 当行业还在关注机器人“能做什么”时，云深处已经回答了“值多少钱”和“能复制多少台”的产业问题。这或许就是中国具身智能从实验室走向产业深水区的真正路标——形态不是壁垒，系统闭环才是。

智东西 作者 | 云鹏 编辑 | 漠影 半年多时间30多款新品密集亮相、一季度出货量同比翻了一倍多、亿级融资轮番涌现……大厂创企入局竞逐，资本纷纷瞩目，AI眼镜赛道的火爆有目共睹。 厂商们高喊着全天候陪伴、主动智能等吸睛概念，似乎要直接将AI眼镜捧上“下一代手机”的神坛。 但火爆表象背后，我们看到“放量不增收、尝鲜不复购”仍然困扰着厂商。在AI Agent时代，AI眼镜到底应该长成什么样、扮演怎样一个角色？ 只是一块搭载鼻梁上的“屏幕”或“音箱”，还是一个真正为AI而生的“新器官”？ 在行业陷入“刷榜”怪圈、产品功能同质化严重的今天，一家来自杭州的AI眼镜公司在WAIC大会上给出了不一样的答案：李未可科技正式发布了一款拥有“记忆”的AI眼镜——X-AI记忆眼镜，在这款产品背后，是基于WakeeMemory OS实现的“AI记忆能力体系”。 一天繁忙工作归家，躺在床上，收到关于今天的每日总结和行动复盘，只需要一句话，Agent就能为你安排好明天的一切事项，而这一切都源于AI眼镜已经有条不紊地把全天“听到”的每一次对话、每一次会议中的关键信息都提取并充分理解、归纳，为Agent所调用。 基于AI眼镜的“记忆”能力，Agent真正能够做到“懂你”，能够“指哪打哪”，如臂使指。 在产品发布之际，智东西与李未可创始人兼CEO茹忆进行了一次独家深度对话，这位在智能硬件行业打拼了二十多年的老兵，直言不讳地道出了当前行业普遍用移动互联网惯性思维做AI眼镜的“陷阱”所在，以及李未可究竟如何一步步从“对话”、“感知”到“记忆”，从本质上解决AI与硬件结合的难题，定义Agent时代的“AI原生硬件”。 ▲李未可创始人兼CEO茹忆 在茹忆看来，AI眼镜的确是当下可穿戴产品中最好的AI载体，但AI眼镜的核心价值绝非替代手机，基于感知理解形成的强大记忆能力，才是AI时代其核心价值所在。 一、为什么说AI眼镜应该是AI的“耳朵、眼睛和嘴巴”？ 在智能硬件与AI加速融合的今天，找准做产品和技术的底层逻辑远比盲目跟风发布新品重要。在AI眼镜赛道繁荣表象下，对于AI眼镜到底应该是怎样一个产品，如何与Agent结合，行业仍未找到确切答案。 当下AI眼镜产品发展主要走向两个类别：“大而全”的全功能AI+AR眼镜，以及各类聚焦细分领域的无屏AI眼镜，这些眼镜或带有摄像头，支持视觉和语音交互。 当我们纵观近年发布的诸多AI眼镜产品，会发现一个关键问题，AI眼镜的功能，似乎并不“AI”。 提词、导航、拍照、录像，甚至是扫码支付，这些功能看似“吸睛”，甚至可以在部分场景中替代手机，但归根结底都并非“AI原生”，并非核心围绕AI来构建的。 当前行业很多人在讨论AI眼镜是否会成为“下一代手机”，什么时候可以完全替代手机？在茹忆看来，在AI眼镜上，我们不应该总想着去替代手机，而是做一个真正的AI原生硬件，围绕AI做独特的功能，“凡是不消耗Token的功能，都不叫真正的AI功能”。 “用眼镜‘生搬硬套’解决手机上没有碰到任何痛点的问题，这一点都不AI。” 从创业之初茹忆团队就意识到，如果围绕AI来做硬件，其定位就应该是AI的“耳朵、眼睛和嘴”，是AI的感知器官。同时，他们希望这个AI设备可以让用户佩戴一整天，眼镜恰好就成为了茹忆眼中的最佳载体。 认定了方向，真正去做，还会面临大量工程取舍。“陪伴一整天”意味着耳朵能听一天、眼睛能看一天，但以当前的技术，“看一天”并不现实，“听一天”，是有机会通过工程努力去实现的。 在实现过程中，团队必须摒弃一系列复杂功能，不追求大而全，在持续收音的情况下尽量保持眼镜全天续航（持续录音10小时左右）。 因为Agent想要真正全天候服务于人，就必须有时刻在线的感官，记录信息、理解信息。 最终，李未可端出的产品形态是：“耳朵和嘴巴”一直在，但“眼睛”是“可以在”的，摄像头模组在必要时装上，不需要时就拿掉，这客观来说也创造性地解决了很多隐私问题。 既然是一个“感官”，其突出的特点就是时刻在线、无感记录，所以X-AI记忆眼镜在使用方面十分简单便捷。 你不需要复杂操作、繁琐对话，你只需要像戴眼镜一样戴着它，从早上起床到晚上回家。 不论是你在公司办公室开会，还是在嘈杂的咖啡厅约见客户，亦或是开车的时候突然“灵感闪现”有一些好的想法或念头随口而出，X-AI记忆眼镜都会智能识别会议、面谈、灵感等关键场景，自动启停记录，全程不打扰。 语音、文字、图像同步留存；同一件事的碎片信息自动归拢、持续更新，形成专属记忆包，完整串联上下文，随时可检索。 突然在人潮汹涌的展会现场碰到重要客户，随口交谈几句，约定后续项目推进事宜，整个过程你都不需要任何操作，不需要手忙脚乱。X-AI眼镜都会自动整理成条目清晰的待办事项。 这种时刻在线、无感记录的便捷体验是极具颠覆性的，也是一个“AI感官器官”真正可以带来的体验。 二、AI Agent时代，“记忆管理”成了突破智能体体验瓶颈的钥匙 成为AI的感官器官，只是第一步，而非最终目的。 当前AI的发展已经迈入了Agent时代，智能硬件的价值早已不是单纯的计算或存储载体，基于强大的感知能力，AI眼镜具备着成为大模型时代“数据管家”这一AI基础设施角色的潜力。 AI时代到底需要哪些核心能力？茹忆团队深入思考后意识到，大模型厂商做的是“认知力”，也就是思考、推理、判断的能力，像人的大脑；机器人厂商在努力构建“执行”的能力，与物理世界交互、干活的能力。 而AI眼镜本质上需要构建的是“感知能力”，能听懂这个世界，看懂这个世界。 在茹忆看来，如果一家做AI眼镜的厂商不把这部分感知能力做好，那就是本末倒置。AI眼镜能给大模型提供更多维、更个性化、更具场景粘性的数据，这些数据是用户听到的、看到的，这才是AI眼镜最大的价值所在。 给大模型提供数据和信息，听起来容易，做起来却十分复杂。 AI眼镜有了听到、看到的数据后，必须能系统化地梳理、理解这些信息，也就是“形成记忆”，没有记忆，所有数据都是单点信息，有了记忆，Agent就能了解用户此前的一系列情况。 值得注意的是，这种“知道”和大模型上下文交互里的记忆是两个不同的概念。大模型Agent交互的记忆，是基于有限的上下文窗口的，但实际上人的记忆是没有上限的。 AI眼镜的核心优势，在于我们不用像使用手机或App一样去跟大模型进行刻意的对话，我们可以选择平时自然地跟它说话，甚至不需要跟它说话它就一直听得到，对话的内容、会议的记录、拍摄到的画面，会形成每个人的专属数据，串联成一个完整的记忆链条。 各类强大的Agent基于前沿基座大模型，有极强的通用执行力，但它始终不了解“你”，让大模型更精准地理解你，首先要把你的信息梳理清楚，AI记忆眼镜所做的就是这样一件事——让Agent更懂你。 从你见过的人、开过的会到说过的话，李未可的AI记忆眼镜就像你的贴身秘书，将这些信息记录、整理并精准提供给Agent，而各类Agent则像是服务于你的一个个细分领域专家。 用李未可的话来说，这是“理得清”和“做得到”的能力，理清方面，X-AI记忆眼镜自动抓取待办事项、总结关键结论、划分事项优先级，这些都会在“后台”处理好，当我们开口询问时，系统会快速检索即时调取完整信息。 李未可AI会真的像贴身小秘书一样，每天主动推送总结、关联事项和个性化咨询。 一个很直观的例子就是，当你晚上做复盘，问“上周跟李总聊的合作方案后来怎么样了？”AI就会立刻找到那时的对话，并告诉你有三个待办事项，还有两个没有完成，随后你直接把这两项设置成了明天的日程，整个过程流畅高效。 做得到方面，X-AI记忆眼镜深度集成了腾讯云的WorkBuddy，基于眼镜建立的个人记忆库，Agent可以一键生成方案、纪要、文稿，高效省事，开完一场会，AI可以直接帮你整理好会议纪要，并把其中三个关键事项整理成邮件发送给指定联系人，你只需要检查好、点击发送。 未来其还将连接更多执行端口，让记忆直达行动。 值得一提的是，做好“记忆”这件事的关键价值在于，这是一套底层的技术架构体系，它可以对接任何Agent，同时不依赖于某一个特定的硬件，这套技术在AI时代提供的是“理解你”这一关键价值。 用茹忆的话来说，AI跑得越快，AI记忆能力创造的价值就越大，这是他们做这件事的核心逻辑。 实际上，今天李未可落地AI记忆能力体系的背后，是其在AI价值赋能这一方向上长期深耕所结出的阶段性果实。伴随着AI技术的不断演进，李未可也不断前瞻性地融入新的底座技术能力，寻找价值点。 从2023年WAKE AI 1.0时代接入大模型，让AI流畅回答问题，到2024年2.0时代的智能体调度系统，让AI会执行任务。如今到了3.0时代，AI执行能力越来越强，缺少的是对人的深刻理解，缺少“认知层”的支撑，这就是“记忆”能力的关键价值所在。 从感知到记忆，李未可在AI发展的每一个关键节点所做的关键技术布局，都成为今天完成AI记忆眼镜产品闭环的关键技术积累。 三、深挖技术护城河：填补底层模型空白，自研WakeeMemory OS落地 具体到这次的AI记忆眼镜，从背后深度自研WakeeMemory OS、各类自研云端模型的应用，到整个AI记忆体系架构的建立、各个细节的完善打磨，李未可让我们看到一个事实：在AI眼镜赛道，真正的技术壁垒不在于宏大概念的炒作，而在于工程细节的深度与合规的严谨性。 打造一款优秀的AI原生硬件，需要的是软硬深度技术协同，以及对用户需求充分理解后的工程化落地。 在交互层面，李未可彻底颠覆了AI眼镜此前的唤醒方式，“所有声音”都被记录并做智能判断，这需要技术架构层面的巨大改进，整个系统的响应模式也需要做调整。 整个唤醒流程被搬到了云端，如何做判断、哪些信息要成为记忆、哪些需要实时回应、延时如何保证，最终团队找到了一个精妙的折中方案来实现，涉及硬件、软件、算法的协同配合。 从实现效果来看，智能识别、无感记录是其突出特点，系统会对关键场景自动感应，识别到是在面谈重要事项，还是在开会，亦或是随口答应别人的某件事，系统都会开始自动记录重要信息。 相比传统不够及时、在公共场合略显尴尬的语音唤醒，效率和体验大幅提升。 从架构层面来看，AI眼镜背后的WakeeMemory OS包含记忆的高效采集、识别和管理，融合了诸多大模型技术的调用方法和接口，从云端到端侧，有着复杂的系统构建。 如果用今天智能硬件赛道最火热的概念来“包装”，WakeeMemory OS必然可以称之为“AI OS”，但李未可并没有这么做。 在茹忆看来，今天真正的OS其实是大模型本身，各家在大模型上开发各自的Agent，AI时代的Agent就像移动互联网时代的App，它依赖的是大模型厂商的基座，而不是某一个特定的硬件平台。现在厂商炒作“AI OS”概念，其实是过去移动互联网思维的延续。 纵观WAKE AI 3.0（WakeeMemory）架构，从Agent执行层、多模态AI基础层、端云协同与安全层、端侧计算层到眼镜端的感知与交互，李未可进行了大量技术创新。 实际上，在AI眼镜的记忆管理领域，李未可是第一个吃螃蟹的人，他们没有经验可以参考，他们需要自己一步一个脚印搭建起最初的框架。 茹忆提到，最基础的一件事就是，他们需要构建一个针对“个人记忆模型”的分析框架——一个针对音频感知的分发、分类和理解系统。 作为“耳朵”听一整天，到底哪些信息该记、如何记、记哪些，如何分类、如何整理，如何高效准确地调用、供给大模型Agent？“记忆”虽是短短两个字，实现这一能力的工程化落地，却需要解决海量的技术难题。 比如基于复杂语音的训练，涉及大量真实场景的识别，需要排除各类背景噪音、各种杂音，结合后端ASR识别进行准确理解，记忆和纯粹的音频记录，最大的区别就在于此。 基于合规获取的开源数据集、专业场景数据集，以及经严格脱敏的数万条数据训练，李未可最终完成了WakeeMemory OS的自研，构建了行业首个面向AI眼镜的个人现实记忆操作系统，这一系统具备将碎片化信息还原为可执行结构化行动的核心能力。 茹忆说，行业此前从来没有这样的公开数据，他们需要把大量信息去做精细分类和意图理解。他们所做的这一模型，也是WakeeMemory OS的核心技术起点。 此外，把散点记忆串起来，形成完整上下文，理解用户最近在做什么、进而让Agent准确理解用户当下意图，都是记忆管理体系建立的难点所在，这离不开李未可过去几年在语音技术上的深厚积累，用三方外包方案，是绝无可能做好这件事的，没有底层数据，就无法深入理解用户的整个记忆链路。 根据公开信息，李未可是国内首批完成大模型备案的AI眼镜品牌。为什么一家做AI眼镜的公司要做这个？茹忆一直坚信，纯做硬件而没有模型能力的AI公司没有长期价值。李未可一步一个脚印地把ASR、TTS、多模态感知模型构建好，进而逐步形成如今这套从感知到记忆的完整体系。 可以看到，整个AI记忆体系能力的构建，就是李未可当前的核心技术壁垒所在。 在整个记忆能力的落地过程中，团队解决了海量细节问题提升用户体验，在茹忆看来，这是一家AI硬件公司“真正该干的事”：在工程细节和场景体验上，用AI技术去做得更好。 四、Token经济时代AI眼镜商业化该怎么走？守住数据安全是底线 从技术到产品商业化落地，在Agent时代，一个Token经济时代，AI眼镜要如何形成良性商业模式闭环？茹忆有着十分犀利敏锐的洞察。 在茹忆看来，一个真正的AI硬件必须是消耗Token的，消耗Token必须带来足够的效率和体验提升，进而让用户愿意付费。 在商业模式上，和个人记忆相关、数据管理相关的底层核心部分，全栈都会是李未可的系统和微调模型，而在具体的任务执行部分，也就是最终的专家Agent领域，李未可会和国内头部大厂进行合作，比如此次战略合作官宣的腾讯云WorkBuddy： ▲李未可创始人兼CEO茹忆（左）与WorkBuddy硬件生态负责人周璐璐（中） 李未可的AI眼镜负责感知与记忆，腾讯WorkBuddy负责执行与交付，双方打通全域智能体能力，从会议纪要到方案文稿，完整实现了“记录—理解—执行”的一站式工作流。 在当下行业和消费者重点关注的隐私安全方面，目前用户记忆信息会以加密形式存于云端，在茹忆看来，问题的核心不在于存在哪里，而在于数据保护和隐私安全，取决于企业对数据的底层理解和对用户的基本尊重，即数据到底是谁的。 在实际使用过程中，X-AI记忆眼镜支持你在录制中随时暂停，记录的内容可以随时编辑、删除、导出，一键分享给指定联系人，这种数据的掌控感是非常直观的。 李未可在做AI记忆能力之初，就在深刻思考如何帮用户把数据管好，茹忆透露，李未可是首批受邀参与行业AI眼镜隐私安全研讨的企业之一，并深度参与了中国AI眼镜国标与分级体系的制定。“我们始终把合规和隐私放在优先级的最前面，”他说，“在这个行业，走得快很重要，但走得稳、走得正，才是能走到终点的前提。” 在茹忆看来，把数据控制权真正还给用户，是AI时代企业最应该做的事情。 五、不做大而全的平庸产品，做高频打透的“烧饼店” 今天，在AI眼镜赛道中，面对行业普遍存在的浮躁情绪与“唯销量论”，初创企业找准自己的定位，如何通过提供难以替代的独特价值，跑通健康的良性商业模式，是极为重要的。 在层层定语限制“家家都是第一”的今天，李未可显得极为低调，在茹忆看来，他们希望做的是能被用户每天高频使用的产品，而非盲目追求能让所有人用的产品。他们希望用李未可产品的人，是真正愿意持续使用并为之付费的人，这才能体现其品牌真正的价值。 茹忆说，“我们不是要做大而全的平庸产品，而是想做一个小而美的公司，就像一个每天早上门口排长队的街边烧饼店，而不是开一百家冷清的平价超市。” 他希望李未可的用户利用AI眼镜可以实打实地让自己变得更好、效率更高，做一款真正能彻底改变一部分人工作生活方式的产品，因此，李未可要做一款AI记忆眼镜，让消费者一想到AI记忆管理，就会第一个想到李未可，他们可以提供这一领域行业最好的解决方案。 值得一提的是，李未可做的是一套系统化的AI记忆能力体系，它不局限于AI眼镜这一单一载体，这是一套可被复用、可被集成的记忆管理底座。未来如果有大厂硬件公司厂商或其他垂类公司需要这种记忆管理能力和需求，李未可可以开放合作，去帮个人乃至企业高效管理知识体系或庞大的记忆体系。 “如何管理海量的非结构化散点信息，精准找到事件之间的强弱关联，甚至预测未来能帮你做什么，这才是最关键、最值钱的技能。” 结语：在鼻梁上构建连接现实世界与AI的记忆底座，李未可交卷了 从对话、翻译、感知到记忆，今天AI记忆眼镜的发布，以及背后AI记忆技术体系的建立，是李未可在AI赛道上所有底层探索的一次系统性阶段总结，也是李未可最终瞄向的终局方向——AI时代数字记忆的长期管理。 AI记忆能力，会成为其产品与其他通用型AI眼镜彻底区隔开的核心特性。李未可的产品形态是AI眼镜，但其产品的本质是一个“AI原生硬件”，是Agent时代AI的新感官。 对于行业来说，基于这样一套AI记忆能力的产品，可以让各类AI软件、AI模型厂商的用户更高频、更好地使用其AI服务，这其中涌现的巨大价值，是不言而喻的。 做一个连接现实世界与AI的长期记忆底座，李未可已经迈出了扎实一步。今天下午发布会结尾，茹忆正式公布了X-AI记忆眼镜799元的首发价格，并宣布线上渠道开启“1元”预售，“记忆”能否成为AI眼镜品类的新抓手，市场会有怎样的反馈，我们拭目以待。

凤凰网科技讯 7月17日，京东物流、智元、精灵G2 Max、人形机器人、智狼仓成为2026世界人工智能大会（WAIC）上的一项重要发布。京东物流宣布与智元联合推出新一代安规级重载具身机器人精灵G2 Max，并将其部署至京东物流智狼仓。这是人形机器人首次在真实仓储作业生产场景中实现部署落地。 目前，仓储环节虽然已广泛引入自动化设备，但货物入库过程中仍存在大量依赖人工完成的搬运、分拣、码放等工作。按照公布的信息，精灵G2 Max采用拟人化双臂设计，并配备重载力控系统，可完成标准料箱的抓取、搬运、码垛等任务，同时支持24小时连续作业，用于替代部分重复性、高强度的人工搬运工作。 此次机器人部署的场景为京东物流自主研发的智狼“货到人”智能仓储系统。官方介绍显示，该系统采用高密度立体货架，货架高度超过10米，存储密度约为传统仓库的4倍。以一个存储超过100万件商品的智狼仓为例，消费者下单后，系统5秒内即可锁定货品位置，飞梯机器人完成取箱，搬运机器人接力运输，货物最快1分钟内可送达拣货工位。 京东物流表示，精灵G2 Max将主要用于入库环节，与现有自动化设备协同完成拆码垛、搬运等作业，实现与仓储前后流程的衔接，并推动仓储作业向更高程度自动化发展。 京东物流智狼相关业务负责人表示，智狼系统目前已实现机器人主动完成货物拣运出库，仓库员工日均步数可减少两三万步。此次引入精灵G2 Max，主要希望进一步降低入库作业强度、提升整体作业效率。官方披露，智狼仓目前已在北京、武汉、成都及英国等地区实现规模化部署。 智元方面表示，物流被视为具身智能率先实现规模化部署的重要应用方向。京东物流拥有丰富的仓储场景以及覆盖多个环节的机器人系统，能够为人形机器人在真实生产环境中的持续验证和优化提供应用基础。 据了解，京东物流已构建覆盖仓储物流全流程的“超脑大模型2.0”及“狼族”机器人矩阵，包括智狼、异狼、飞狼、独狼等产品，覆盖“存、拣、搬、运、送”等多个环节。此前，京东物流还宣布，未来5年计划采购300万台机器人、100万台无人车和10万架无人机，进一步推进物流智能化体系建设。

作者 | 程茜 编辑 | 漠影 芯东西7月17日报道，今日，规模创历史新高的世界人工智能大会（WAIC 2026）正式开幕，展览总面积首次超过10万平方米，特设的一万平方米芯算融合主题馆更是排面拉满。 当各式各样的智能终端与AI应用竞相登场，喧嚣的应用层盛宴之下，底层算力的博弈浮出水面：产业竞争迎来分水岭，赛道比拼的主线，正从模型效果转向算力落地成本与规模化交付能力的硬核对决。 本届WAIC上的智算企业阵容空前豪华：集结华为、昆仑芯、摩尔线程、清微智能等百余家企业，展出200余项前沿产品，67项国内首发、首秀。 此外还有10余家通用大算力芯片企业同台亮相，国产GPU主流厂商悉数到场，四大全新技术架构同台竞技，完整呈现了国产AI芯片从单点突破迈向体系化成熟的全新格局。 与智能终端、消费级AI展区高涨的大众人气不同，芯算融合馆吸引大量专业观众驻足。展区内超节点集群、新一代芯片创新架构集中亮相，业界玩家纷纷亮出围绕算力底座、全栈软件栈、整机集群搭建的一体化交付体系。市场已经告别“单芯片制胜”的时代，芯片发布是敲开行业大门的入场券，兼容开发者、上下游硬件、行业应用的成熟生态，才是决定企业能否站稳赛道的生死线。 借着本届WAIC的窗口，我们试图通过各家芯片厂商的参展布局，探寻当下产业正在涌动的全新风向。 01. 国产AI芯片秀肌肉 释放四大关键信号 WAIC的展区最为直观的一大特点是，新算力芯片产品争相亮相，面向云端通用算力、推理优化、边缘推理等的芯片产品数量大幅提升。 算力需求端的变化驱动了这一趋势。今年6月底，全球市研机构IDC的最新数据显示，到2027年，推理将占智能算力需求的70%以上，边缘基础设施的增速将超过核心数据中心。如今推理需求正反超训练，大模型从实验室训练阶段迈入千行百业规模化商用，推理成为算力市场增长关键，低落地成本、高吞吐推理方案成为关注重点。 反映在企业展品上，天数智芯云边端全产品矩阵亮相、沐曦股份曦索X系列新品等全栈亮相，推理时延、单卡并发、Token价格、私有化部署周期已经成为衡量芯片商业化落地能力的核心指标。 与此同时，超节点方案成为突破算力瓶颈核心解法。本届WAIC的一大重磅亮点就是华为Atlas 950集群真机线下首秀，沐曦股份曦景S系列、清微智能国产4K超节点系统REX81 Supernode等超节点设备集中亮相。 ▲清微智能国产4K超节点系统REX81 Supernode 随着单芯片性能逼近物理天花板，内存墙、通信延迟成为制约集群效率的核心痛点，超节点架构依靠高速光互联、统一内存编址，把数百至数千颗芯片虚拟为一台超级计算机，迎来商用爆发期。 多元创新架构同台正面竞技，是WAIC的又一大趋势，例如本次首秀的清微智能可重构计算3.0技术。 AI算力赛道正在摆脱单一GPU路线垄断，各类国产自研架构百花齐放、正面对标。不同架构分别适配超大模型训练、高密度推理、边缘轻量化、海量数据吞吐等差异化场景，国产算力依靠架构差异化实现弯道突破。 另一个清晰的行业转向体现在厂商展示思路上，企业不再单纯展示芯片硬件，转而重点推出算力底座、整机集群、软件全栈与行业生态一体化交付能力。 这背后的逻辑十分清晰，当下客户采购算力的目标不再是单独买芯片，而是需要可直接交付运行的整套智算解决方案；软件栈适配、集群运维、模型移植、行业ISV生态、售后交付能力成为核心竞争壁垒。 这届WAIC上，各家厂商同台亮出全套硬实力，也标志国内AI算力赛道正式告别单卡性能内卷，进入系统级、落地导向、全栈协同的全新发展阶段。 02. 新架构、新软件栈、新超节点集中亮相 国产AI奔赴“算力新世界” 穿行展馆，各家AI芯片厂商接连发布重磅方案，持续搅动算力赛道竞争格局。 WAIC也清晰勾勒出国产算力产业新图景：需求侧推理算力持续爆发、供给侧依靠超节点突破性能瓶颈、技术侧多元架构百花齐放、产业侧全面走向全栈一体化交付。 国产算力的发展主线，由「可用」进阶至「经济」，能否持续提供高性价比、易部署的算力服务，成为新一轮竞争核心。 首先是新架构全栈亮相，当下国内AI芯片赛道单纯依靠工艺提升带来的性能红利逐步见顶，3D堆叠、可重构软件定义硬件等创新路线涌现，其根据AI任务需求实时动态重组硬件资源，能兼顾高性能、高灵活度、低延迟、低能耗。 这一架构的代表企业清微智能，首次合体展示可重构3.0，并首秀了采用3D堆叠技术的下一代旗舰芯片TX82芯片原型。 依托架构创新，其芯片可实现对标国际主流产品的能力，足以看出架构创新已是国产算力突围的主战场。 其次是新软件栈落地，这也是决定芯片硬件性能上限能否充分释放的关键性变量。 如今，开源大模型迭代节奏持续加快、各类新模型层出不穷，芯片厂商Day0适配大模型几乎已演变为常态化竞争门槛：芯片厂商需要提前完成算子对齐、精度无损验证、主流推理框架深度调优与多卡并行全链路测试，确保开发者拿到模型权重后即可直接部署。 从DeepSeek-V4、智谱GLM-5.2到腾讯混元Hy3，清微智能均实现Day-0适配。这背后的关键就是其此次首发的RAISA软件栈。 RAISA软件栈深度兼容CUDA生态算子，支持近千个主流算子，已完成包括DeepSeek、Qwen全系列在内的200余个大模型适配，其涵盖从兼容主流框架的应用层，到支持Triton与自研高性能算子库的编程语言与算子库层，再到实现全局优化的编译器层，以及提供全流程开发者工具链的基础软件层。 底层架构与软件生态之外，规模化集群部署方案是AI芯片厂商补齐算力版图的最后一环。 清微智能展示的REX81 Supernode国产4K超节点系统，通过创新互联架构能够将节点间互联成本降低90%，缓解大规模智算集群长期面临的通信开销高、扩展成本昂贵的行业难题，为搭建万卡级国产算力集群提供可行方案。 随着算力需求持续爆发，单芯片性能竞赛终将触及瓶颈，集群互联能力将成为决定国产算力能否承载AI产业长期发展需求的核心变量。 纵观整个WAIC展馆，AI芯片厂商数平米的展台中，陈列的远不止架构、软件、硬件多款新品，更是当前国产AI算力突破发展困境的一套完整参考答案：依靠创新架构打造硬件底座，自主软件栈打通适配壁垒，标准化整机与超节点方案支撑大规模集群建设，形成从底层芯片到算力集群的完整闭环。 03. 算力赛道竞争进入深水区 全产业链一体化能力才能奠定长期优势 细看清微智能整套展品与落地布局，当下算力行业一条清晰的核心发展逻辑浮出水面：算力竞争已告别“单芯片跑分比拼”的初级阶段，软硬件协同、集群建设、运维服务一体化交付，正在成为头部玩家不可或缺的核心竞争力。 从需求侧来看，应用端客户要的是能稳定承载大模型、支持线性扩容、具备完整运维方案的成熟算力底座。纵观今年各地新建大型智算中心招标要求不难发现，市场都普遍要求厂商提供软硬件、集群部署、持续运维整体解决方案。 需求端的转向，同时倒逼供给侧重构竞争范式。英伟达、谷歌、AMD以及国内诸多AI芯片企业都朝着整机超节点、集群软件栈、工程交付一体化方案发力，以提升智算产品的算力利用率。 在此背景之下，生态构建的重要性愈发凸显。 回到WAIC，这向来是AI相关厂商集中秀出新品的舞台，智算领域亦是如此，但其背后完备的全链条能力并非一蹴而就，规模化落地成果正是企业硬实力最好的证明。 作为国内可重构算力赛道代表，清微智能已经在全国实现规模化算力布局，并落地多个国家级项目。据官方披露，其产品已在全国多个智算中心及千卡级集群中大规模应用，累计算力部署规模超过5000PFLOPS。 一张覆盖全国的智能算力服务网络稳步成型。清微智能算力芯片在北京、河北、浙江、新疆、内蒙古、安徽等十余个省区市实现千卡级智算中心规模化落地。尤其在国家级算力资源配置工程“东数西算”战略中，其已经提供从芯片到集群的全栈解决方案，以打造中国联通呼和浩特云数据中心、新疆双河市采用可重构架构的绿色智算中心。 大规模集群落地带来实打实的产业价值。中贝通信内蒙古事业部总经理陈望清称，其使用基于可重构架构的国产芯片相比行业同类方案，整体成本节省了一半、能效提高三倍。 这份来自一线客户的实测数据，也直观印证清微智能软硬件一体化方案的工程成熟度，证明企业具备大规模批量交付、长期稳定运维的产业级交付能力。 产业算力的终极命题，是让算力适配行业场景，而非让场景迁就算力硬件。清微智能已经覆盖金融、教育、医疗、能源、交通等关键实体经济领域，实现多行业场景商业化落地。 以教育为例，河北化工医药职业技术学院通过清微智能可重构芯片打造的AI数智教育实训平台，可以通过AI动捕分析技术等对每一位学生的学习内容进行评价，并为学生规划学习路径，提升职业院校教学质量与效率。 WAIC展台见证国产算力技术迭代的高光时刻，同时也有一个行业共识愈发清晰：完整的全链条服务能力，根植于企业长年在底层架构技术、工程化实施、商业化落地层面的积淀，也正在成为国产AI芯片企业拉开行业差距的分水岭。 04. 结语：全球算力版图加速重构 国产AI算力争夺全产业链话语权 全球AI算力博弈进入全新发展周期。WAIC汇聚产业链各方，既是前沿技术成果的集中展演，更是研判全球算力产业秩序重构趋势的重要风向标。 可以明确的是，全球算力赛道的竞争底层逻辑正在发生变化，行业角逐逐渐告别单芯片性能的单点比拼，升级为算力系统工程综合能力、生态话语权与规模化落地能力的全方位较量。 长远来看，想要撬动国内AI算力产业格局变迁，在全球算力版图中占据主动，关键在于打造贯通底层芯片架构、先进封装、基础软件栈、整机硬件、算力集群到行业一体化交付的完整产业链掌控力。唯有具备全栈自研、端到端交付的体系化能力，才能筑牢国产算力底座，支撑数字经济与AI产业长期自主可持续发展。

作者丨徐晓飞 编辑丨麦广炜 “从全球范围看，AI 编程已过了技术陡峭期。但二级市场退烧后，产业一线开始了近身肉搏。”一家国内头部券商计算机资深分析师张淼告诉雷峰网。 最近，AI 编程市场又火了起来。 海外，Anthropic、OpenAI 为抢用户，激烈火拼，不断加码免费额度与体验时长，打起了额度战。国内，战火一路从用户心智烧到商业底牌：阿里宣称AI编程市占率第一，智谱斩获10亿美元ARR，Kimi发布K3模型，编程能力直逼全球一流。 这场对垒背后，透露了一个残酷事实：AI coding（AI编程）这门生意，已进入商业绞杀、决胜突围的下半场。 同时，技术的壁垒正在降低，一些初创公司也能凭借开源模型快速追赶，在轻量任务上表现惊艳，“估值几个亿的创业公司比比皆是”，但这也把整个行业推入了接踵而至的洗牌危机中。 当大小厂商拿着越来越同质化的工具卷入红海，当“速成代码”在企业落地中事故频发时，我们需要重新审视：AI coding 这门生意的下半场，到底该怎么打？ 01 门槛变低，AI 编程已不再性感？ 在科技周期中，“技术陡峭期”意味着高耸的资金壁垒、智力垄断和用户口碑。过去几年，Anthropic 凭借在AI coding 上的技术优势，狠狠吃了一波红利。 但到了 2026 年，这条高耸的技术曲线开始平缓下来。模型之间的差距开始变小了。 一位长期专注 AI 软件领域的投资人丁洋告诉雷峰网，在 2024 年之前，要训练出一个在编程场景下“能用、好用”的底座模型，厂商需要消耗数千万美元去进行庞大的代码语料清洗与基础预训练。 但在今天，由于 Meta 的 Llama 3 系列、Kimi、以及 DeepSeek 等开源模型，通用代码能力已经被“商品化”、甚至“标品化”了。 对初创公司而言，他们不需要去重复发明轮子。只要拿来优秀的开源底座，灌入清洗好的代码和报错修复日志进行微调，再配上一套能让 AI 自动运行、反复 Debug 的 Agent 框架，就能在短时间内拼出一个在 SWE-bench 等权威榜单上表现惊艳的编程系统。 “代码相关的基础数据网上一抓一大把，模型、算法和开源工具在市场上都不缺，入场的门槛确实在变低。”上述投资人表示。 更核心的原因在于，编程天然是 AI 大模型最容易快速进步、形成闭环的场景。 前 AWS 首席架构师费良宏向雷峰网谈到：“代码具有丰富的公开训练数据、相对明确的语法规则，而且可以通过编译器、测试、静态扫描和运行结果形成直接的反馈闭环。” 大模型不需要一次性生成完美代码，而是可以在“生成、执行、发现错误、自我修改”的循环中完成任务。而长上下文、多工具调用和编程智能体的成熟，则进一步把 AI coding 产品从简单的“单行代码补全”推向了“仓库级任务独立执行”的新阶段。 这导致头部大厂之间的 AI 编程模型能力拉不开太大的代差，也为后面的同质化、价格混战埋下了伏笔。 除了模型能力本身的趋同外，工程套路也是拉低 AI 编程门槛的重要因素。 为什么一些初创团队能在短时间内做出体验还不错的编程工具？这背后是商业和工程上的一个公开秘密——混合路由（Hybrid Routing）。 通过这套机制，不少初创公司把日常 80% 的基础输入与函数改写，拦截在自己微调的低成本 Flash 小模型端，从而把算力成本压低。 而一旦遇到极难的代码重构，后台则会在用户无感知的情况下，自动将请求透传调用外部顶尖的闭源 API。 这种“前店后厂”的工程包装，正在抹平初创公司与万卡 AI 俱乐部巨头之间的终端体验代差，也大幅削弱了通用 AI 编程助手的壁垒。 02 代差缩小后的深层危机：烧钱黑洞与市场挤压 “AI 编程市场看着火热，但实际商业变现盘子不大。”前述投资人丁洋表示，这种“反常识”背后，是一个眼下难解的商业困局。 当一门技术的准入门槛变得极低，谁都可以来插一脚的时候，“百团大战”的乱象便会随之而来。 而这首当其冲会带来同质化竞争，以及算力补贴的烧钱无底洞。 国外厂商率先打起了额度战。 在丁洋看来，OpenAI 和 Anthropic 近期展开的“无限制免费、限时延长订阅”拉锯战，本质上是一场互相消耗、看谁先被高昂的 Token 算力成本拖垮的“割肉大战”。 要知道，在 2026 年，AI 编程已全面进入了 Agent 时代。过去用户用 Copilot，一次只消耗几十个 Token；现在，用户开启 Agent 模式，开始让 AI 自动阅读关联文件、自动在沙箱里跑测试，直到把 Bug 调通，导致单人单日的 Token 消耗暴涨。 在这种高频、高损耗的交互下，按月收费 20 美元的订阅制正在沦为一个恐怖的吞金黑洞。为了不流失用户，连 OpenAI 和 Anthropic 这样的巨头也开始打“补贴战”了。 而中国市场的情况，则呈现出另一种具有传统特色的“打法”。 多位行业观察者都曾向雷峰网反馈：AI coding 正在变成国内巨头生态里“近乎免费的配置”。 眼下，通用型 AI 编程工具，比如代码补全、IDE 插件、甚至类似 Cursor 的独立 AI IDE 等，已经基本被剥夺了独立收费的筹码，很多大厂对个人开发者乃至中小企业提供近乎免费的服务。 雷峰网也曾复盘过国内互联网大厂在 AI coding 产品上面临的一些棘手挑战。详情参见《谷歌为什么做不好「AI 编程」？》。 除此之外，由于之前长期受Claude、Codex等挤压，国内互联网大厂的 AI 编程产品缺乏广泛而足够的实战淬炼。为了打破僵局，不少大厂都把 AI coding 作为战略入口，选择以免费或低价来换取流量增长。 “基本没有国内老牌巨头会单独主打 AI 编程这一款产品并指望它盈利，”一位不愿具名的大厂研发效能总监刘栋向雷峰网表示：“单靠卖 AI 编程产品，支撑不起大厂的财报叙事，这款产品更大的想象空间在于 AI 时代的 To B 入口。” 在他看来，当大厂们开始将 AI 编程与自家的云服务、代码托管乃至企业销售渠道深度捆绑，作为生态的“附赠品”送出时，国内 AI 编程的商业池子自然被压缩，难以长成一门大生意。 03 AI 编程下半场该怎么打？ 既然门槛变低、市场被压缩，那 AI Coding 下半场，尤其在国内，还有的打吗？ “如果是做通用助手或‘模型套壳’，门槛已大幅下降。”前 AWS 首席架构师费良宏告诉雷峰网，通过调用成熟 API 和开源框架，几人的团队就能迅速拼装出代码生成工具。但如果做基础模型和通用 AI IDE，由于涉及模型、算力、推理优化及分发生态，门槛依然极高。 更重要的是，面向企业垂直场景，模型智力的门槛虽在下降，工程交付的门槛却在陡峭上升。 “真正困难的是理解客户私有代码、适配现有研发工具链、满足安全合规，并向企业财务证明可量化的 ROI（投资回报率）。”费良宏补充道。 这意味着，下半场的竞争重心，正在从“谁能生成代码”转向“谁能稳定、安全地完成真实研发任务”。 在达观数据 CEO 陈运文看来，接下来 AI Coding 厂商们竞争的重心，会落在具体业务场景的落地与工程化治理能力的提升上。 这不再是单一工具的较量，而是一场全方位的综合比拼：“包括上下文工程、企业组织知识的沉淀、架构上的约束，以及整个研发治理体系。这些维度的工程攻坚，才是未来厂商之间真正拉开差距的关键。” 而两位专家所说的这种“工程化治理”，恰恰踩中了目前企业落地的最大痛点。 “AI 编程首要痛点在于‘写得快但不等于交付快’，实际的工程落地效率并没有真正提上去。”陈运文补充道，而且 AI 生成的代码能跑通，跟真正“好用、好维护”之间还有很大的距离。 更棘手的是，代码来源说不清楚、责任归属不明确等“治理失控”问题也开始浮出水面。“只有把质量、可用性和责任边界这几个问题彻底理顺了，AI Coding 才能在企业端真正立得住。”他强调。 可以说，解决工程落地中的一系列真实风险，才是 AI Coding 下半场真正的壁垒。 “AI 让人敲代码快了十倍，但也让系统以十倍的速度累积技术债。”某金科巨头资深架构师王波如此评价。 不久前福特汽车高管就曾坦言，在车辆设计与质检中过度依赖 AI 系统，忽略了老工程师的隐性经验，导致故障率和召回频次高增。 在费良宏看来，技术无法复制那些从未被纳入训练数据的隐性经验，企业在引入 AI 时，不能过早淘汰尚未数字化的专业知识。 “尤其在汽车、金融、医疗等安全敏感领域，AI 不能同时充当代码生成者和最终验证者。需求追踪、代码评审、独立测试等传统工程程序仍需保留，且最终责任仍须由人类工程负责人承担。” 眼下，越来越多的企业正在意识到，虽然 AI 提高了局部编码速度，但也把瓶颈转移到了安全、运维和评审环节。如果治理能力没跟上，企业得到的只会是更多的代码垃圾和技术断层。 而如何解决这些工程性问题，正是 AI Coding 下半场要决出胜负的真正壁垒。 本文作者长期追踪海外 AI 巨头资本动态、前沿技术和幕后故事，欢迎添加作者微信 xf123a 互通有无。 注：文中张淼、丁洋、刘栋、王波为化名。

智东西 作者 | ZeR0 编辑 | 漠影 智东西7月17日报道，今日，在世界人工智能大会WAIC 2026期间，千问宣布将AI眼镜升级为智能体眼镜。升级后，眼镜可通过智能体强化服务与决策能力，并能按需调用第三方Skill和Agent。同时，千问还推出全双工语音、眼动追踪、体征监测等一系列全新硬件技术，以增强智能体眼镜对物理世界的感知与交互能力。 在听觉交互上，千问升级全双工语音模型架构，不仅能边听边说，还能实时判断交互意图，准确区分用户指令与环境对话。 在视觉感知上，千问引入眼动追踪和Always-on视觉感知系统，并与蚂蚁集团合作推出虹膜核身，实现高安全级别的身份识别。 在空间体验上，其3D空间显示与3D空间音频也迎来全面升级。 同时，千问团队还在AI眼镜上实现了行业首个用户体征实时监测，通过内置PPG和温度传感器，可测量心率、血氧、HRV等数据，可为用户提供个性化的AI健康解读报告，还能使智能体对用户形成专属的健康记忆，使相关问答和服务更具针对性。 通过更丰富的真实世界感知信息，千问智能体眼镜将成为用户真正的随身AI助手。 例如，长时间办公或阅读时，千问可结合用户的视线变化、眨眼频率和身体状态，判断是否出现用眼疲劳，并在合适的时机提醒用户休息、眺望远处或调整坐姿。 长期使用后，它还能结合健康数据变化提供解读和改善建议，形成从监测、提醒到分析建议的主动健康服务。 “没有硬件的智能体，无法触达现实，没有智能体的硬件，只是工具。所以，我们希望用最好的硬件，加上最好的智能体，为用户打造最好的AI助手。”千问AI硬件产品总经理吴建军在发布现场谈道。 据介绍，上述硬件技术将在年内应用于千问AI智能体眼镜；已发售的千问AI眼镜S1、G1亦将通过OTA引入Agent能力，进一步提升个性化任务理解和办事能力。 今年以来，千问持续推进AI硬件布局，千问的首款AI智能体耳机也在WAIC现场正式亮相。

智东西 作者 | ZeR0 编辑 | 漠影 智东西7月17日报道，今日，在世界人工智能大会WAIC 2026现场，支付宝与阶跃宣布达成AI Agent系统级合作。双方围绕STEP-X原生AI终端展开深度协同，用户通过自然语言即可调用阿宝服务，完成跨应用、多任务执行。 根据现场演示，当用户对搭载Step AOS智能体系统的STEPX Neo说出“帮我找最近的充电桩，顺便点杯喝的送到家”时： 阶跃Amoo首先理解整体需求； 结合路线、价格等因素规划方案； 再调用阿宝的充电、咖啡等Agent服务，自动完成地址填写、商品推荐，生成待确认订单。 整个过程中，用户无需切换多个App，也无需重复输入信息。相比目前多数AI助手停留在信息检索和应用跳转阶段，多Agent协作开始让AI具备完成复杂任务的能力。 这种体验背后，是AI Agent能力边界正在发生变化。过去，大模型主要负责理解问题、生成答案；如今，越来越多Agent开始连接真实服务，把理解、决策和执行串联起来完成任务。 对于接入阿宝的Agent而言，调用的不再是一个个App，而是支付宝背后的Agent服务网络。 此前，AI版支付宝“阿宝”上线，用户说句话即可直达上万种服务。 同时，支付宝推出异构Agent跨端互联解决方案AHA（Agent Hub-Access），通过协议级协作方式，让不同Agent在用户授权下调用服务技能，而非模拟点击操作App，以实现任务传递、状态回传与安全协同。 在这一合作中，STEPX负责理解用户需求和系统调度，阿宝负责连接出行、本地生活等真实服务，双方通过AHA完成任务协同，实现从理解、决策到服务交付的完整闭环。 依托AHA，支付宝将超级App沉淀多年的服务网络，以标准化方式开放给不同Agent，让AI真正从“会思考”走向“能办事”。在用户授权和隐私保护前提下，不同Agent即可调用出行、政务、本地生活、支付等服务完成任务。 这并非阿宝首次向AI终端开放。两天前，支付宝与OPPO达成合作，小布助手通过AHA接入阿宝，可调用200余项技能。此次Step-X合作，也意味着这一协作模式正从手机向更多AI原生终端扩展。 随着千问、OPPO、阶跃等多种AI终端率先接入，阿宝正成为连接商家与AI终端最多的“Agent服务中枢”。据悉，多家手机、AI终端及车机等厂商正陆续推进合作。

智东西 作者 | ZeR0 编辑 | 漠影 智东西7月17日报道，今日， 新锐AI穿戴硬件品牌Moonix（莫奈）宣布，旗下首款产品Moonix AI眼镜标准版将于今天全球同步发售，定价2299元起。 这款自4月硅谷发布以来以“14.9克极致轻薄”而走红的AI眼镜，历经两个多月的准备，终于迎来正式发售，从极客圈层走向大众消费市场。 Moonix AI眼镜标准版采用创新的镜腿快插模块式结构，镜腿最薄处仅4毫米，支持用户自由更换前镜框，将同步推出β钛、纳米尼龙、板材、不锈钢四种材质的镜框，上市初期提供超过39种款不同材质、框型与风格的镜框选择，覆盖商务、休闲、时尚等多元场景。 其中β钛款最轻可达到14.9g ，是目前最受用户欢迎的款式。 得益于低功耗方案与功耗平衡算法的优化，Moonix AI眼镜标准版综合续航可达16小时，满足用户全天候佩戴使用需求。 该产品通过Moonix官方小程序、京东旗舰店以及100家博士眼镜线下眼镜店、3家无界眼镜店同步开售。 消费者可实际试戴产品后再决定是否购买，在线下眼镜店完成购买或配镜，还能享受到额外的优惠政策，包括配镜享受7折优惠、免费验光、购镜加送Moonix光学墨镜等服务。 目前Moonix规划了三条产品线：标准版主打音频记录；搭载摄像头的Pro版本（重约19.9克）将在今年WAIC 2026徐汇西岸展馆亮相，计划于今年8月正式推出；内部代号Ultra的预研版本，正在探索显示方案。 据了解，Moonix成立之初即完成千万级天使轮融资，并受到多家投资机构的持续关注，目前，产品正式进入上市销售阶段，新一轮融资也同步开放，资金将持续投入硬件工艺迭代、AI能力优化、场景生态落地以及品牌打造等方向。 一、14.9g整机重量，主动式AI助手，多层级安全保护 Moonix AI眼镜标准版整机重量仅14.9克，对比市面上普遍40克以上的智能眼镜产品具有明显优势，甚至和大量传统无框/半框光学眼镜达到同样的重量水平。 “佩戴性是前面的1，功能是后面的0。没有1，乘再多的功能还是0。”心眸科技总裁郭于晨多次强调这一产品哲学。为实现这一目标，Moonix团队摒弃“功能堆砌”逻辑，在保证核心功能完整的前提下，实现了结构与工艺的双重突破。 其综合续航可达16小时，包括6个小时的主动录音时间，再加上10个小时的智能录音，能支持用户从起床到睡觉全天候的佩戴。 散热方面，Moonix在早期硬件结构设计阶段，就针对散热、温控做了深度的技术探索和方案验证，元器件选型同样充分考虑了散热表现，其聚焦的产品功能也从根源上减少了发热源。 Moonix AI眼镜搭载主动式AI助手，通过“无感记录+AI生成”的核心逻辑，打造首款基于个人数据的主动式AI眼镜。 其中的无感记录方式，是指设备每隔一段时间自动采集周边环境与状态信息，全程主动运行，无需用户手动操作；需要完整记录时，用户可通过按键开启持续录制模式，权限完全由用户掌控，用户可通过持续的记录，经AI的整理和处理，形成自己的个人数据库。 值得注意的是，Moonix主动砍掉了翻译、提词器、导航等行业常见但实际使用频率极低的功能，专注于“记录”这一核心场景，将硬件资源与算法投入集中在用户真正高频使用的能力上。 郭于晨在近日与智东西等媒体交流时进一步解释道，AI眼镜首先要做到能让用户长期佩戴，提词、翻译等功能相对低频。而当前AI眼镜上的翻译体验无法完成双向的信息校准，没法形成体验闭环，因此不足以支撑用户。 Moonix AI眼镜内置6个麦克风，拾音采用双模式，一种是用户主动按按钮触发录音，另一种是基于算法策略动态判断当前环境是否需要拾音，以实现全天候记录有效数据。 针对AI记录类产品普遍面临的隐私争议，Moonix搭建了完整的多层级隐私防护体系： 1）所有用户数据绝不用于AI模型训练，用户数据完全归用户所有。 2）原始数据只存储用户手机上。用户数据只用于分析，分析过程会上云，但分析完成后，云端不会保留用户原始数据，用户原始数据只存储在用户手机里，控制权交给用户。 3）开源透明。品牌承诺将逐步开源数据处理相关模块的代码，接受全行业与开发者社区的公开监督。 郭于晨总结说，Moonix有三层技术壁垒： 一是硬件结构设计与选型能力。在上千万种工艺、原材料中完成适配组合，非常考验对硬件的深度理解。 二是无线音视频通信技术。分体式结构对蓝牙等无线通信的调教要求极高，需要在信道、信号强度上反复调试，在保障用户体验的同时控制功耗。 三是软件层面的AI记忆体架构，在保障用户数据安全的前提下，构建贴合用户个人特征的AI记忆库，持续学习用户行为，搭建多层级的记忆体系。 这三层壁垒分别对应了三个核心目标：让用户更好地佩戴、更好地记录、更好地通过AI记忆体理解自我。 二、AR老兵掌舵，聚焦能产生时间性复利的AI眼镜功能 Moonix AI眼镜的运营主体为心眸科技，核心团队由多位深耕AR/AI领域超过十年的行业资深人士组成，横跨产品、系统研发、硬件工程、工业设计与商业化五大核心职能，成员背景覆盖网易、商汤、海康威视等一线科技企业，并有连续创业者经验加持。 心眸科技总裁郭于晨拥有超过十年消费电子行业积淀：2016年底AR/VR首次浪潮期加入网易，负责AR相关产品研发，完整经历了行业第一轮起落，此后曾独立进行创业并取得阶段性成果，对智能穿戴的痛点与本质有着深刻理解。 此外，心眸科技还有数位核心成员来自传统眼镜行业，带来了大量传统眼镜行业多年积累的行业知识以及渠道资源，和团队形成了互补。 郭于晨认为，当前AI眼镜行业处于“叫好不叫座”的状态，本质原因是现有功能的实用性不足，还没达到值得用户全天候佩戴的程度。 因此，在功能设定上，Moonix AI眼镜从一开始就聚焦于用户每天、甚至每时都会用到的高频功能。该产品的核心壁垒是能够建立一个持续的、可长期理解记录并理解用户的系统，其所有功能和体验都围绕记录与记忆展开。 “现在所有的AI硬件，包括眼镜在内，功能性上，只有记录这件事情是唯一一个能够产生时间性复利的功能。”他谈道，人类信息的90%是来自于眼睛和耳朵，而眼镜距离人眼、人耳最近，天然具备获取信息的物理优势，配人的视觉、听觉习惯，所以AI眼镜会成为一个承载记录功能的最佳载体。 据他分享，Moonix AI眼镜当前的核心成本制约主要来自两方面：一是元器件价格对成本控制造成了一定压力；二是产品高度集成的特性，对工艺要求极高，需采用多项精密技术。心眸科技会通过优化供应链管理、提前备货、将部分存储需求转移至手机端等措施来平抑成本，而非将压力全部转嫁给消费者。 在大模型选型方面，Moonix没有使用免费开源大模型，而是采用“分场景选型”的策略：国内和海外采用不同的技术路线，面向视频生成、语义理解等不同场景，会匹配不同模型，系统会自动匹配对应场景下的最优模型来保障用户体验。 结语：做减法，让AI眼镜首先是一副能久戴的眼镜 在行业普遍比拼算力、堆叠传感器、强化视觉交互的背景下，Moonix选择了一条“敬畏传统、回归本质、做减法”的路径，以14.9可重量做到让用户愿意每日佩戴，并聚焦“记录与记忆”方向，终极目标是构建用户个人记忆库，成为最懂用户的AI助理。 凭借与普通眼镜几乎无异的外观与重量，Moonix智能眼镜将进入传统眼镜线下渠道与大众消费市场，为AI眼镜行业探索出一条可落地的大众化路径。

智东西 作者 | 王涵 编辑 | 漠影 Token，如同工业时代的水电煤一样，正演变为AI时代核心的生产要素与价值载体。 然而每一次Token的生成，都依赖底层的算力支撑与上层的模型内核。中国AI产业要在Token时代掌握主动权，就必须在这两个核心环节实现自主可控。 在国芯层面，华为昇腾、海光等国产算力芯片已走向规模化部署，算力底座初具规模，实测性能不断逼近国际主流水平；在国模层面，DeepSeek、GLM、Qwen等国产大模型在文本生成、多模态理解、推理能力上比肩乃至超越国际主流水平，智能水平日益强大。 国芯与国模均已就位，但它们之间有一个长期被忽视的关键环节：推理引擎。这个决定着Token生产效率和质量的关键环节，主流方式还以国外框架为主。 清程极智始终致力于此环节的建设。在去年的WAIC大会上，清程极智具象化展示了其赤兔大模型推理引擎对降低推理硬件门槛的作用。 今年，随着Token的需求暴增以及新产品AI Ping的诞生，清程极智正式完整发布国产Token「前店后厂」一体化产品体系，以自研赤兔推理引擎为“后厂”生产核心底座，以AI Ping一站式Token服务平台为“前店”流通调度枢纽，以八卦炉系列软件为终端落地工具。 清程极智想要用实践向产业证明：“国产芯片+国产推理框架+国产大模型”的全链路，不仅可行，而且成本更低、效率更高、自主可控。 就国产Token「前店后厂」模式、国产芯片的困局和突破等议题，智东西与清程极智联合创始人师天麾博士以及联合创始人、赤兔推理引擎负责人唐适之博士展开了一场深度对话。 一、从第一行代码自研，赤兔在国产芯和国产模中建桥 国产算力落地当下最核心的痛点，是缺少一套能把芯片硬件算力高效转化为Token生成效率的适配体系。 现有大模型推理运算逻辑与国产芯片底层架构天然存在适配鸿沟： 海外主流推理引擎均基于英伟达芯片定制开发，相当于专属配套软件，而国产芯片架构设计思路、硬件特性差异显著，即使可以兼容适配海外方案，也无法发挥出国产算力的真正性能。 清程极智联合创始人、赤兔推理引擎负责人唐适之在采访中举例： “当前国内绝大多数国产加速芯片硬件层面均不具备FP4、FP8低位宽浮点原生计算单元，而DeepSeek等主流新一代大模型原生采用FP4精度训练。若直接在国产卡上运行，行业传统方案仅有两条路径：一是强制转换为BF16高位宽浮点格式，显存占用直接翻倍；二是降级为INT8整数量化，会永久性损失模型推理精度。两种方案都存在明显短板。” 这意味着，需要一套专门为国产芯片量身定制的高性能转化中枢，才能真正释放算力、高效产出Token。这个转化中枢，就是推理引擎。 赤兔Chitu生产级推理引擎作为Token生产的根基，没有简单挪用海外的现成技术，而是针对国产芯片的硬件特性进行了原生深度优化。 其核心价值，就在于可以将国产算力高效转化为Token生产能力。赤兔推理引擎自研两套核心技术体系实现破局： 其一，自研软件浮点模拟计算架构，无需依赖芯片硬件原生FP4/FP8单元，通过底层算子、编译层协同优化，在国产芯片内部完整复现低位宽浮点计算逻辑，彻底规避BF16转换带来的显存开销，同时完整保留模型原生精度。 其二，基于国产芯片硬件架构、存储带宽、卡间通信特征定制专属混合量化方案，针对性优化权重加载、KV Cache缓存调度、多卡分布式并行全链路，平衡显存占用、推理吞吐与输出精度，适配私有化小规模部署与智算中心大规模集群两类主流国产算力场景。 这一技术路径带来的Token生产效率提升是指数级的。在硬件成本方面，传统通用开源推理框架部署DeepSeek满血版至少需要4台国产8卡服务器，搭载赤兔后仅需单台即可完整跑通，硬件综合成本直降75%。 此外，该方案还兼顾存量算力盘活的价值，大量企业存量国产加速卡仅支持BF16、INT8，此前无法高效运行FP4原生大模型，接入赤兔后无需更换硬件即可原生兼容，避免硬件淘汰重置的大额支出。 赤兔推理引擎完全基于自研代码构建，从底层打通国产芯片、国产推理引擎、国产大模型的全栈自主闭环。 为什么从第一行代码开始自研？唐适之在采访中用“烤箱蒸馒头”的比喻解释了这一选择：海外推理引擎是为英伟达设计的，强行适配国产芯片如同把烤箱改造成蒸锅，能用，但性价比不行。清程极智选择自研，就是要“造一座真正适合做馒头的蒸锅”，让Token生产真正高效、自主、可控。 目前赤兔推理引擎采用开源+商业双版本布局。开源版解决国产算力上产Token“能不能产起来”、“性价比高不高”的问题；商业版则解决企业的个性化问题。 二、Token服务不稳定，AI Ping转起“飞轮” Token生产出来之后，需要高效的流通网络才能触达终端应用——这正是算力智能调度的核心舞台。 师天麾在采访中直言，Token火了，但服务质量却越发参差不齐。更棘手的是服务质量的不稳定：“3、5秒该返回的请求，有时候飙到上百秒才返回，非常常见。” 在Token行业陷入“乱、贵、慢、选型难”的混乱时，如何帮助用户拥有更适合自己并且更优的服务？这就是AI Ping要解决的问题。 AI Ping是清程极智旗下的一站式Token调度与服务平台，定位为Token流通分发的“智能门店”。它一方面承接“后厂”生产的国产Token，另一方面同时统一接口接入30余家主流服务商、600余个大模型服务。 企业接入AI Ping后，API调用综合成本降低＞37%，吞吐提升＞90%，延迟降低＞20%。在可用性方面，AI Ping的服务路由功能可以将API服务调用成功率提升到99.99%以上。 目前，AI Ping已经形成“飞轮效应”。师天麾形象地描述了这一飞轮的运转逻辑：“评测做得好，路由就做得好；路由做得好，客户用量大；客户用量大，调用数据多；调用数据多，评测数据更准；评测数据更准，路由效果更好——这个事就转起来了。” 清程极智的AI Ping对几十家主流服务商进行7×24小时实时监测，“用户的每一次调用都是一次新的测试”，知道谁快谁慢、谁当前繁忙谁当前空闲。基于实时评测数据，AI Ping自动把请求发给当前服务质量最好的一家。“把一堆服务质量不太好的服务拼到一块，组成一个服务质量非常高的服务。” 这个飞轮一旦转起来，就形成了难以复制的数据壁垒，这是纯技术评测无法比拟的竞争优势。 三、国产Token如何本地化落地？“前店后厂”已打通三大场景 Token最终的价值，体现在企业级应用中。 随着市场从“训练”向“推理”迁移，清程极智基于八卦炉系列产品，延伸出Agent搭建、部署软件栈等新能力，核心价值在于方便终端部署和应用。 八卦炉系列目前拥有三大产品线：八卦炉智能体面向企业Agent搭建场景，让企业能够基于国产Token快速构建智能体应用；八卦炉智能工作站面向本地化私有化部署，降低企业部署门槛；八卦炉智能软件栈面向算力中心与AI芯片厂商，提供开箱即用的部署体验。 清程极智的Token「前店后厂」整套体系的价值链条清晰可见： 后厂生产Token→前店智能调度分发→应用终端落地交付，一站式解决企业国产化落地的成本、适配、调度三大难题。 在落地场景方面，整套Token前店后厂体系可分层匹配不同客户需求。 算力硬件厂商和算力中心可以搭建专属“后厂”赤兔推理集群，自主批量生产国产Token。AI服务商和千行百业企业可以接入“前店”AI Ping平台，一站式采购、调度低成本国产Token。 政企、高校、芯片企业可以搭配八卦炉工作站/软件栈，将整套体系私有化部署至本地机房。科研机构可以使用赤兔开源版，自研轻量化推理方案，参与国产Token技术生态共建。 结语：国产化全链路的“最后一块拼图” 从“讲算力”到“讲Token”，WAIC两年的叙事之变折射出中国AI产业从基础设施建设到规模化商业落地的跃迁。 国芯在进步，国模在突破，但如果没有国产推理框架这座“桥”，两者始终是孤岛。清程极智以赤兔推理引擎为根基，以前店后厂为模式，用一套完整的国产Token全链路体系，证明了“国芯+国产推理框架+国模”的组合不仅可行，而且成本更低、效率更高。 当Token的生产、调度、交付实现全链路国产化，中国AI产业的底座才算真正扎稳。

快科技7月17日消息，小米即将推出自家的新一代旗舰折叠屏手机，预计正式命名为MIX Fold 5，这款新机定位顶级高端赛道，有望和苹果将要发布的首款折叠屏iPhone Ultra展开直接的正面竞争。 从最新曝出的供应链消息来看，小米的新款折叠屏采用了全新的机身设计方案，和传闻中苹果iPhone Ultra的产品思路高度契合，很可能走行业内少见的宽折叠路线，而非三星Galaxy Z Fold系列和此前小米MIX Fold 4一直沿用的传统书本式瘦长机身比例。 消息称这两款分属不同品牌的旗舰折叠屏，甚至有可能采用同类型的铰链机构方案。 这也侧面说明苹果与小米在下一代折叠屏的产品定义思路上出现了一定程度的趋同，宽折叠的新形态很可能会成为接下来高端折叠屏市场的全新流行方向。 这款全新旗舰折叠屏有望在今年8到9月亮相，除了首发小米自研的3nm制程全新玄戒处理器，最终型号大概率会被冠以玄戒O3的命名之外。 据说，新机还将配备约6000毫安时的大容量电池等核心配置，而对于很多潜在消费者最关心的售价问题，小米MIX Fold 5的最终定价大概率会来到10000元左右的区间。 作为参考，上一代小米MIX Fold 4的起售价为8999元，叠加今年上游核心元器件成本持续攀升的行业大背景，头部手机厂商不对高端产品线做出适当调价，确实很难支撑后续持续的高投入研发，维持正常的经营运转。 MIX Fold 4

快科技7月17日消息，博主定焦数码日前暗示，华为Mate 90 RS非凡大师将采用方形镜头模组设计。这一消息在评论区引发了不少用户的共鸣，有网友表示，Mate 20系列的经典设计再度回归。 回顾近年来的产品迭代，最近几代Mate大师系列均采用八边形镜头模组，此次回归方形DECO，颇有几分向经典致敬的意味。 华为Mate 80 RS非凡大师 早在2018年10月，华为正式发布Mate 20系列，其标志性的方形四点式矩阵镜头模组便引发了广泛关注。这一设计不仅极具辨识度，也契合了中华文化中的对称美学理念。 华为Mate 20 从功能角度来看，方形布局能够有效缩小多颗摄像头之间的视角差，是当时实现复杂多摄系统的最优方案之一。时隔八年，方形镜头模组重新回到Mate系列旗舰手机上，这似乎也预示着方形设计有望再次引领一波行业设计潮流。 在硬件配置方面，华为Mate 90 RS非凡大师将首发搭载基于韬定律打造的新一代麒麟芯片，该技术的核心思想是以“时间缩微”替代传统摩尔定律所依赖的“几何缩微”。 即不单纯依靠将晶体管物理尺寸做小，而是通过逻辑折叠等创新技术，在器件、电路、芯片和系统四个层级上实现协同优化，有效压缩信号传播时延，从而在相同工艺节点下显著提升晶体管密度与系统整体性能。 这款备受期待的新旗舰将在9月份正式发布。

快科技7月17日消息，据报道，今年5月，消费者白女士通过淘宝百亿补贴渠道购入一台绿iPhone17新机，可新机刚到手现触控就失灵了。日常刷视频时，手机时经常无法暂停画面，视频软件长按唤起倍速功能也完全失效，频繁的断触问题严重影响了正常使用。 察觉异常后，白女士在收货7天内同步联系了淘宝平台与苹果官方客服反馈故障。苹果客服远程指导她完成整机检测，线下门店工作人员也复核了全部检测记录，但报告显示设备各项指标无异常。 尽管检测结果合格，白女士在实际使用中依旧能明显感受到屏幕触控故障，她认为设备存在隐性故障，只是官方检测未能识别。 针对故障问题，苹果售后给出的唯一解决方案是等待后续系统版本更新修复，却无法明确修复效果与推送时间。白女士曾向客服求证，询问是否有其他用户遇到同款屏幕失灵问题，客服确认收到过多起同类反馈。 从5月购机反馈问题到7月，两个多月时间里手机故障始终没能解决。如今苹果方面以超出7天无理由退货、15天换货的官方时效为由，驳回了白女士退换新机的诉求。

眼见为实，我们终于在世界人工智能大会的现场，摸到了本届 WAIC 的「镇馆之宝」 STEPX Neo。 它看起来是一台智能手机，内在却和我们所熟悉的手机，相去不能更远。 区别有多大？以至于拿到它的第一时间我没有去系统菜单查看配置参数，而是一股脑登录各个平台账号，然后直接激活智能体阶跃 Amoo： 「帮我安排下周去上海见客户差旅行程，不要早起。」 一个熟悉的界面出现：读取日历、查询天气、寻找活动信息、机酒下单……一行行任务依次出现。智能体找到了周二早上的空档，检查了天气，然后给出了一份行程单，并等待我确认预订信息和付款。 这台由阶跃新成立的终端业务所开发的手机，硬件细节远不如它的软件能力更有话题度——更具体来说，Agent 能力更加重要。 手机当然是给人用的，但这是第一台「不止为人」而生的手机。「你尽量少去看它，能够比较少地跟它交互，就能完成任务。我们并不想它一直获得你的注意力，」阶跃董事长印奇说道。 自从 iPhone 诞生以来人类进入了长达二十年的智能手机时代。而「App」的生态长期以来为我们固化的使用习惯，在二十年后终于松动。 诚实来讲，STEPX Neo 并不是第一个实现了这一效果的手机。在今天，我们已然看到少数终端品牌和系统霸主，在做类似的事情。去年的豆包手机助手，今年年初的 Google Gemini+三星，以及前不久的鸿蒙 7 操作系统，努力的方向大同小异。 但 STEPX Neo 背后的阶跃终端，在智能手机的 AI 化、Agent 化这件事上，远比其他人更加激进。 今天的 Agent 擅长写代码、写文章，却不擅长在手机和电脑上执行任务；没有操作系统、应用环境和相应数据，它可能永远学不会这件事。 为了实现「人机共生」，它在系统底层上，已然将系统级 Agent 定义为和人同级别的「用户」；操作系统 Step AOS 拥有相比传统 Android 操作系统更灵活、对 Agent 更友好的权限系统，能够整合来自用户与第三方应用的「记忆」（数据），并根据需要获得相应的权限，从而轻而易举地跨 App 完成需要的服务调度—— 而驱动这一切的，是阶跃的端侧与云端模型，以及驾驭着它们的，即便在今天日新月异的 Agent 行业也颇为激进的脚手架 (Harness) 系统。 对于 STEPX Neo 这台手机，它更像一个容器，装着一套以智能体为中心的运行方式。 一切只因在今天给手机「加上 AI」已经远远不够了。智能体将取代 App 成为新的入口，而阶跃终端认为，为了实现这一点，手机需要被最大限度地重新设计。 在 App 时代的终章寻找新入口 从初代 iPhone 到今天，手机的基本单位一直是 App。尽管任务是买一张票、订一晚酒店，但实际的操作流程穿透了日历、票务、支付软件等多个平台。每一个 App 只管一段路，API 接口负责搬运信息，用户用指尖操作来拼接整个流程。我们早已习惯这种范式，以至于太久以来都不再质疑它是否合理、还有无优化空间。 而在 STEPX Neo——自称为第一台为大模型 Agent 而原生的手机上，那些需要 API 去串联、需要用户手动操作的中间工作，都被交给了个人智能体阶跃 Amoo。 阶跃称之为「结果交互」：人只需要用自然语言描述结果，阶跃 Amoo 负责拆解任务、调用服务，最终交付结果。每一个具体的 App 以及它们各自后方的云服务仍然完成它们需要完成的任务，包括出票、路线、交易，只是退到后台，成为原生可以被 Agent 所调度的、原子化的服务。 为什么要打破旧有的范式，找寻新的入口？ App 的确提供了服务，但把串联起服务以完成任务的调度工作留给了人。这并没有错。但当手机里的 App 越来越多，用户需要记住的入口、体系、规则也随之指数级增长，完成一个简单的任务往往意味着人需要横跨多个 App 完成复杂操作。 大模型的到来改变了一切。手机现在能够通过简单（直接语义分割）或复杂（推理）等方式来理解意图，甚至能够结合上下文，补全缺失的信息，让用户感到「被接住了」。此时，继续让人在不同 App 之间跳转，反倒成了一种「绕路」。 于是从 2025 下半年开始，我们看到了越来越多对于手机「新入口」的探索。 根据 Counterpoint Research 预测，具备生成式 AI 能力的手机占全球总出货量的比例，将从去年的 36% 提升到今年的 45%。 今年年初发布的三星 Galaxy S26 系列，被定义为「Agentic AI Phone」（智能体 AI 手机），该系列由 Google 的终端智能体系统 Gemini Intelligence 驱动，可以横跨多个 App 完成打车、购物等操作；苹果在最新的 Siri AI 中同样采用了类似的逻辑，开发者将 App 中的操作「原子化」，开放给 Siri 以及 Apple 智能。 显然，终端厂商正在经历一次集体转向。而已经为它们提供了模型服务的阶跃，决定出来打个样。 尽管已经成为 OPPO、荣耀等多个主流终端品牌的智能体模型供应商，阶跃过去并不以终端品牌的形象示人。但过去的做法恐怕还不够。一家模型公司若仅提供模型，终究只能看见有限的调用结果。模型可以进入合作伙伴的设备，但最终呈现成什么样、获得多少系统权限、能够实现怎样的体验，仍然由厂商说了算。 假如阶跃 Amoo 只是又一个手机 Agent，它需要一次又一次地申请权限，也无法高效地整理分布在各个 App 内和后端服务器的数据和记忆，这并不是阶跃希望实现的效果。理想条件下，手机 Agent 应该能按需自如调取信息，分配终端或云端的模型算力来完成任务。 这些事情早已超出一个传统的手机 Agent 的范畴，必须落到操作系统。印奇在采访中表示，现有手机很难完整呈现阶跃的「模型、操作系统和整个智能体产品」，所以阶跃选择「先行先试」。他随即补充，原有 To B 业务会继续，Step AOS 和智能体也愿意开放给其他 OEM。 STEPX Neo 是一台手机，但它真正的意义所在——Step AOS，是将模型送进物理世界，送进用户现实生活的实践。 「任何模型公司，如果它不拥有一个能够养活它的应用，产品是很难活下来的，」印奇说。 拆掉过去的墙，让 Agent 不再被掣肘 在 STEPX Neo 上，阶跃 Amoo 拥有系统级身份，可以跨 App 调用能力。背后，阶跃围绕 Android、Linux、RTOS 建立 Agent 运行层，并重做数据、权限、计算调度和服务调用方式。 这是因为阶跃认为，智能体今天面临三堵墙：记忆、决策、行动。而 Step AOS 的设计就是为了打破它们。 记忆墙，指智能体记不住用户。它不知道你习惯坐早班车，也不知道上一次为什么拒绝某家酒店，每项任务都要从头问起。究其根本，是智能体并不能高效地掌握一切与用户任务有关的上下文，因为这些上下文都分散在各处。 决策墙出现在理解意图之后。智能体需要把一句话拆成多个步骤，判断任务的先后顺序，还要决定哪些计算留在手机，哪些交给云端模型。任何一处判断失误，后面的执行都会跟着跑偏。 行动墙则出现在计划生成后。智能体拿不到相应的数据和权限，或者只能依靠模拟点击穿过不同 App。界面一改版、弹窗换个位置，任务链就可能断掉。 Step AOS 将其一一化解。 面对记忆墙，统一语义数据层先把感知、行为和个人数据整理成模型可以理解的信息，「双域三步记忆」再负责记录、整理与召回。用户不必每次重新介绍自己，阶跃 Amoo 也能积累过去执行任务的经验。 决策通过端云模型共同完成。统一计算资源池调度 CPU、GPU 和 NPU，设闹钟、找照片等即时任务由端侧模型 Step Edge 处理；复杂推理和多步骤规划转交云端。这是 Step AOS 的模型级联调度架构，充分利用了作为模型「卷王」的阶跃在模型参数尺寸和模态丰富度上的优势。 到了行动环节，原子能力引擎把订票、导航、支付等功能拆成可以调用的服务，阶跃 Amoo 以系统级身份完成编排。涉及付款、删除数据等敏感操作时，权限控制和「可信、可见、可控、可逆」的安全机制负责让它停下来询问用户。 在 WAIC 现场体验的案例中，Step AOS 对于这三堵墙的突破效果，形成了完整链条：记忆/数据帮助阶跃 Amoo 补全出行偏好，端侧和云端模型分别思考和执行任务，App 提供的原子化能力完成查询与下单，最后执行结果也能够沉淀为上下文，为下一次类似任务准备好。 找照片、设闹钟交给端侧模型 Step Edge，复杂规划送到云端。阶跃董事长印奇说：「如果不做大模型，做不好小模型。」端侧受芯片约束，云端又带来延迟、成本和隐私问题，阶跃选择两边都做。 在实际体验中，阶跃 Amoo 在处理一些常见手机系统应用操作，比如打开 App、下载 App、设定闹钟、调整系统设置项、查询日历的时候，能够充分利用端侧模型的优势，绝大部分操作在语音输入后低至 100 毫秒级即可完成操作： 只会执行命令的智能体，很快会碰到另一个麻烦：用户每天都得从头介绍自己。Step AOS 为此设计了「双域三步记忆」。用户域保存人的偏好，智能体域积累阶跃 Amoo 的执行经验；信息经过记录、整理和召回，在下一次任务里补全上下文。 2026 年发布的 PSPA-Bench 收集了 22 个 App、上万条个性化指令，测试 11 种 GUI Agent。表现最好的智能体，在个性化任务里也只取得有限成功。而研究者普遍认为，突破将发生在长期记忆的处理效果上。 阶跃终端总裁倪嘉悦讲了一个例子：一位内向的员工很少向 Agent 分享信息，养出来的 Agent 也很沉默。她自己什么都聊，Agent 便显得聪明得多。 Agent 能否养好、用好，听起来有点像养成游戏。 而当用户的隐私资料成为了 Agent 进化的筹码，安全同样需要进化。 阶跃给出的安全框架包含「可信、可见、可控、可逆」：操作可以审计，权限用完后回收，误操作支持撤回。 印奇指出，在与服务提供商交互时，仍然需要划定数据边界，核心仍然遵循互联网应用既有的合规边界。 但是，「总体的数据应该属于用户」。 没有更好的时机 智能体究竟是用户伸出去的一只手，还是 App 生意的搅局者？这是所有关注 Agent 原生手机的利益相关者，躲不开的话题。 印奇透露，阶跃的首批合作伙伴（其中包括大量来自阿里生态体系的平台），将通过 API，也即合规接口的方式接入 Step AOS。 阶跃 Amoo 可以直接调用接口，消除 GUI 路线模拟用户点击带来的双重难题：技术/体验上的不稳定、合规上的风险。通过接口操作，设备商和应用厂商也能够提前约定好数据边界。 虽然 App 退居幕后，但平台依旧掌控着接口和交易。印奇认为这在未来 5-10 年的尺度上不一定是终局，但阶跃今天也没有一个明确的答案。 阶跃终端希望能够通过自己的探索，来促成行业在合适的时机形成统一协议。商业利益的分羹，不再看谁把控入口说了算，而是真正地由谁提供服务、谁的服务质量更好来决定。 正如前述，在此之前阶跃已经在给许多手机和汽车主机厂提供模型能力。而聊起做硬件这件事，合作伙伴也希望印奇能够「听劝」。毕竟从零开始创立一个新的终端厂商，特别是在智能手机的出货长期滞涨的阶段，是一件听上去极不合理的事情。 但是阶跃还是没有听劝。阶跃认为亲自下场做手机不仅能够帮助合作伙伴一起做大做强，更能够实现自己的终极理想。 从第一性原理的角度，印奇想的其实很简单：阶跃所做的一切工作都是为了实现 AGI，这个过程不可能通过 coding、视频生成这样的虚拟的使用场景来实现——Agent 必须进入现实世界。最合适的载体，在目前，就是手机。 而现有的手机架构，很难最大化利用模型的能力。等待合作伙伴逐步放开系统，等待它们的产品节奏与自己同频？阶跃等不了。就像印奇引述一位媒体从业者朋友的话：如果干晚了，基本上就不用干了；如果干早了，有可能就白干了；但如果什么也不干，那最后什么也干不了。 「我们也不能说现在就是那个最好的时机……也许未来回看，这是一个不错的时机。」 截至 WAIC 期间，STEPX Neo 尚未公布价格、具体配置，以及面向公众发售的时间。我们的了解是硬件已经准备好了，核心架构也已经确定，但一些具体的主打功能、使用场景、商业模式等，仍然需要通过市场实践来验证。为此，阶跃会在产品问世的前期与 AI 专业用户展开共创。 这家新成立的终端公司，并不像其他的终端厂商那样，被出货量、首销等传统数据维度考验着。事实上，目前阶跃终端没有给 STEPX Neo 设定销量目标。印奇只是说产品一定要上规模。 印奇表示：「做硬件有一个说法，三代硬件才能出一个贵族。」首战不是决战，一切都才刚刚开始。相比第一代产品能否一步到位，他更看重 STEPX Neo 能不能呈现出足够鲜明的新形态，在一众所谓的 AI 手机中脱颖而出，让用户真正觉得阶跃创造了一个新的物种。 但留给阶跃试错的时间可能并没有三代手机那么宽裕。Google、苹果、三星、华为都在以前所未有的激进程度让智能体接管手机。「AI 手机」在 2025 年可能还多为噱头，到了今年已经绝对不再是玩笑，而是货真价实的趋势。 STEPX Neo 面对的压力，也远不止卖出多少台手机。它还要证明：当 App 退到后台，原本依靠入口、广告和流量运转的移动互联网服务，依然愿意配合智能体工作。 印奇在群访中划定了边界：阶跃 Amoo 以系统级 Agent 的身份存在，可以理解为用户的「个人智能体」；而旅游、支付、本地生活服务对应的接口，另一端也会逐渐出现智能体。 阶跃 Amoo 和它们是共存的关系：前者先理解用户想去哪里、何时出发、预算多少，再把任务交给不同的服务智能体。它们互相调用、交换信息，协商航班、酒店和交通方案，最后共同交付一个结果。这个过程也符合今天的流行思路：A2A，Agent-to-Agent。 届时，智能体之间能否协作，将成为新的合作规则。应用仍然提供服务，平台也继续完成交易，只是争夺用户点击和停留时长的办法，未必还能原样延续。谁更了解需求，谁能在价格、时效和用户偏好之间给出更合适的结果，谁就更可能被个人智能体选中。 当然，授权怎么传递、数据能分享多少、智能体办错事由谁负责——「AI 原生手机」们面对的许多问题都还没有标准答案。阶跃自己也承认，新的服务网络最终会长成什么样，现在下结论还太早。 至少没有旧系统的包袱，阶跃可以大胆地定义新时代的 AI 原生手机。在初期争取主流用户认可的确会有压力，但阶跃如果能争取到尝鲜者成为拥趸，再通过他们去影响主流，也是在遵循历史规律。 毕竟所有的主流市场最初都曾是利基市场，就像萌芽时期的触屏手机也曾不被用户所理解，被全键盘手机嘲笑。今时今日，那些老古董们又身在何方？ 文｜杜晨

7月17日，2026世界人工智能大会正式开幕。大会上，努比亚“豆包手机”二代NaviX Ultra正式亮相。 新机搭载豆包手机助手，定位全球首款AI智能体手机。 外观方面，现场展台上完整陈列四款配色真机，新机共推出蓝境、幻梦、黑色、白色四款配色；整机采用居中单孔直屏与四等边对称屏幕设计，机身侧边配备标志性橙色独立AI实体按键，背部采用长条跑道造型后置镜头Deco。 据悉，努比亚NaviX Ultra已斩获WAIC2026 SAIL卓越人工智能引领者奖项。