AI不是搜索的掘墓人，而是新搜索的开路人；不是搜索的替代者，而是搜索进化的助推者。 文 | 佘宗明 「搜索必将被AI颠覆」，自生成式AI浪潮掀起以来，这句话就蔚为风行。特别是在Agent（智能体）悄然接管众多信息入口后，给搜索引擎判死缓，更是成了科技圈的新「政治正确」。 那过去20多年因为硬控了流量闸口位置而稳坐互联网铁王座的搜索引擎，真的要被AI扫进历史的垃圾堆里吗？ 搜索界一哥谷歌显然对此有些不服。在今年5月的2025谷歌I/O开发者大会前夕，谷歌CEO皮查伊就针对「搜索已死」的论调做出回应：AI 不会消灭搜索，反而会推动其进步。 同为搜索巨头的百度，则用10年来最大改版呼应着皮查伊的判断：AI对搜索，更多的是重塑而非颠覆。 前两天，百度首页搜索框改版灰度测试的消息在科技圈不胫而走，这其中最醒目的变化就是，搜索框变「大」了。 ▲升级后的搜索框巨能「装」。 在7月2日的百度AI Day开放日上，百度方面「不装了，摊牌了」，官宣百度搜索不再是之前那个百度搜索，从搜索框、结果页到搜索生态将全面革新。 在「全新升级」「全方位变革」「最大力度调整」等大词频现的时下，难免有些人对「全面革新」几个字免疫。但如果你体验过了新版百度搜索就会发现，百度搜索此次的十年磨一「变」，确实不是小修小补，而是由内到外的深层次重构。 从工具化到内容化的形态转变，从信息获取到任务完成的维度拓展，外加AI生态开放赋能的战略布局，百度正通过重塑搜索这个互联网时代信息服务核心入口的基因，在通往AI超级应用之路上演绎起了激昂的变奏曲。 到头来，在百度搜索「不止于搜索」的模样中，AI时代搜索的「未来式」依稀可见。 01 抵御「AI替代」的最好方式 是拥抱「AI重构」 在「新-旧」叙事框架下，「AI将杀死搜索引擎」的说法永远有市场。但若是细究其对错，那只能说，它既是「对」的，又是「错」的。 说它对，是因为定位于「信息检索工具」的传统搜索引擎确实面临强敌环伺局面。 你认或不认，现实就摆在那，传统搜索的「关键词-链接」模式在AI时代已显露出两大短板： 一是语义理解有限，用户表达模糊需求时，难以精准捕捉其意图。 你搜「附近电影院」，它会蹦出很多带有和「电影院」字眼相关的信息，却未必能理解你想去身边的电影院看电影的想法。 二是结果难以「一步到位」，常以大量链接形式呈现，增加信息筛选负担。 你非但得点开一堆链接，还得自己评判信息的相关性与权威度。 在此情形下，那些答案直给的ChatBot跟主动干活的Agent似乎更香。 说它错，是因为拿以前的搜索引擎看今天的搜索引擎可能是刻舟求剑——别忘了，以RAG（检索增强生成）为代表的搜索技术积累就能帮AI改善幻觉问题，AI则能帮搜索摆脱既有窠臼、提升智能化水平。 比如，AI可以带动搜索实现理解力跃迁，从关键词匹配升级为需求诊断；又如，AI可以推动搜索进行生态化改造，从可被替代的「工具」进化为不可替代的「场景」。 ▲AI可以拓展搜索的能力边界。 正如汽车能取代马车，却无法取代交通出行需求那样，AI冲击的是搜索的旧形态而非存在价值。从搜索角度看，抵御「AI替代」的最好方式就是拥抱「AI重构」。 某种程度上，搜索框变「大」，就是百度搜索用AI重构百度搜索的剖面：表面上，它是物理边框的放大，实际上，那是内涵外延的扩展——搜索的内涵正从寻找答案转向创造内容与解决问题，价值则从信息检索升维至认知协作和复杂任务交付。 02 「一纵一横一生态」： AI重构搜索的三个支点 如果搜索引擎只是把AI当做某些「插件式功能」，那充其量只能算是「搜索+AI」，而不能算是AI重构搜索。 那怎么才算是用AI重构搜索？谷歌的动作不无启示性：在2025谷歌I/O开发者大会上，皮查伊宣布，谷歌搜索将进入「AI Mode」时代，用「AI主动分析用户意图」代替传统的「关键词输入+网页点击」信息查找模式。 百度搜索同样将「重构」二字刻在了DNA里。其重构体现了「一纵一横一生态」三个支点上：从工具化到内容化的变革，是搜索体验的横向拓展；从信息获取到任务完成的升级，是搜索功能上的纵向突破；接入1.8万+优质MCP，成为国内最大的AI生态，是生态扩围。 对于这三点，下面我将具体拆解与详细分析： a，横向拓展 横向拓展最直观的体现就是：输入端，「搜索=文字输入」的呆板情形被打破了；输出端，「搜索=链接堆叠」的呈现方式也得以改变。 以往搜索，只能输入不超过几十个字的关键词，而今，超千字长文本输入、文件搜索、多模态交互（拍照/语音/视频）跟AI工具直调都没问题。因为搜索框已经从之前的短文本输入框，变为支持多模输入且能调用MCP和多种AI工具的超级智能框。 如此一来，用户用起来就方便多了：想写论文，可以将万字材料放进搜索框；想写文案，可以把Word素材包上传；普通话不好，说方言也行；懒得打字，拍张图也ok……它利好的群体，包括但不限于学术党、上班族、普通话不标准星人。 ▲升级过后，语音输入很方便，即便是说方言，系统也能识别。 舍此之外，用户还可以在搜索框里直接调用AI写作、AI画图、AI解题等AI工具，不必在多个APP间来回切换。 以往搜索，得出的是链接列表，如今，「搜索即服务」了解一下？ 搜出来的，有结构化与富媒体融合的内容：用户搜索「上海南站有高铁吗」时，在百看模块支持下，出现的除了文字回答外，还包括视频解说、实时车次图表、车站实景图片及AI 生成的总结笔记。 你不想看干巴巴的文字，可以看视频；你不想看冗长的内容，可以看总结。 ▲结果页不再是一堆链接，而是结构化和富媒体融合的内容。 搜出来的，还有智能体服务、真人咨询及交易闭环：当用户查询附近餐厅时，阿拉丁工具会同步提供距离、评分、菜品特点等实用信息，有的还支持直接预约订座。 将多模态交互深度集成到搜索起点，将完整交付作为搜索落点，随之而来的，自然是用户体验的提升。 b，纵向突破 纵向突破最直接的体现就是：之前搜索就只是搜索，如今搜索不止于搜索。 搁几年前，谁能想到，只需输入一句「曾国藩的生平事迹」，系统就能在30秒内生成一段5分钟的1080P高清长视频呢？ 谁能想到，问「Python数据分析」时，系统会生成相关代码片段，用户可在工作台中直接编辑调试，完成后一键保存至云端呢？ 谁又能想到，问「特朗普关税事件对我们理财的影响」时，系统能呈上一份完整靠谱的分析报告呢？ ▲输入「重庆两日游攻略」后，它会帮我们列举游玩时间、出行路线、购票攻略、交通住宿等。 没法想，因为那时候搜索只是「信息中转站」。可而今这已变为现实，因为内嵌了AI助手的搜索框已变成高度智能的需求识别与任务分发中枢：接入1.8万+MCP后，它已形成自适应服务链，构建起「感知-推理-执行」的闭环，可提供端到端的交付方案。 从「百度一下，你就知道」到「百度一下，你就得到」，就离不开AI助手的支撑。AI助手能搜索从「被动应答」转变为「主动服务」。 就拿上面说的3个场景来说，就用到了AI助手的多个能力，其中包括： 智能创作能力，能快速生成涵盖选题、剧本、分镜、配音等完整流程的1080P高清长视频，并打通全网主流视频平台的一键发布功能； 一站式工作台，可将用户在搜索过程中产生的文本、图片、代码等内容，可直接在工作台中进行创作和存储，体现了「搜创存一体化」的理念； 深度搜索能力，可通过思维链多级推理，拆解那些复杂问题。 值得一说的是，百度发布的全球首个中文音视频一体化生成模型MuseSteamer和视频产品平台「绘想」，以音效一体化生成特点和电影级声画水准视频作品展示了硬核的AI能力，也将搜索的能力边界延伸到了创意生产领域。 ▲由MuseSteamer生成的具有影视级审美的王家卫风格作品。 让搜索从信息获取的终点变为服务触达的节点，这反映的，显然是底层逻辑的切换。 c，生态扩围 生态扩围最直白的体现就是：不是单打独斗，而是生态共建。 用户通过拍照搜索「拉布布」玩具，系统直接调用「千岛MCP（可支持拍照购物）」提供购买链接；询问「黄金走势」，系统调用「盈米MCP（聚焦金融领域）」提供专业数据；搜索「信用卡还款」，系统唤起银行MCP的还款接口…… ▲系统会因需自动调用专业MCP来执行任务。 百度搜索能提供一站式服务，靠的并非自己能力的无边界扩张，而是外部能力的有效整合。 截至目前，百度搜索开放平台已接入1.8万+优质MCP（多模态内容提供商），MCP收录量居全球前列，涵盖旅游、金融、电商、装修等多个领域，形成了「搜索作为核心平台提供流量加持和技术支持，MCP作为专业模块解决垂直需求」的框架。 共建之上是共赢：百度搜索将外部优质资源纳入搜索体系，托起了闭环能力，提升了用户粘性；B端开发者依托零门槛的接入方式和百看、AI智能助手、A页等渠道的流量分发，可触发更多目标客户，如餐饮类MCP就能在「允许第三方服务通过API直接接入结果页」的机制下，从用户涉餐饮搜索中得到不少精准流量；C端用户获得各种服务，也更方便了。 在此过程中，搜索成了B端提供服务的出口，也成了C端获取服务的入口，AI搜索平台则成了连接技术、应用、用户和开发者的生态枢纽。 把搜索作为生态共融的切口，能更好地撬动良性循环的飞轮。 03 不要「在功能机上做改良」， 而要「用智能机重新定义手机」 众里寻他千百度，那搜索却在AI变革处。 在AI时代，搜索不变则死，变方能生。 而搜索的AI重构，不能只是在「功能机上做改良」，而应「用智能机重新定义手机」。 功能机+MP3+照相机等，也不过是简单的功能叠加，本质上仍是传统手机。 智能机凭着交互方式变革与操作系统重构，重塑了用户体验与产品逻辑，带来的是手机的代际变革。 搜索也一样。它要的不是「微创新」，而是从底层逻辑到用户体验的革新。 百度搜索这次自我革新，不是以移动互联网时代的搜索逻辑来简单叠加AI功能，而是以AI时代的「AI First」逻辑来将搜索重做一遍。 ▲百度搜索变革的概要图。 这两种逻辑驱动下的搜索，必然是两个物种。 前面那个，是信息检索工具，是信息连接管道，连着的是「问-答」的有限链接。 后面这个，是集信息获取、内容创作、任务处理、服务接入于一体的智能平台，已超出传统搜索的概念范畴，变成「无界化」的AI超级入口，托起的是「多样化需求-多层次满足」的深层智能交互。 某种程度上，跳出搜索看搜索，将AI的智能化感知能力与搜索的信息处理能力深度融合构建更泛在的入口，也是回归第一性原理。 亚里士多德说：「在任何一个系统中，存在第一性原理，是一个最基本的命题或假设，不能被省略，也不能被违反。」 就搜索而言，人们搜索是为了获取有效信息，获取有效信息是为了解决实质问题。 既然「解决实质问题」是底层需求，那搜索的作用就不该止步于信息检索，而应变成深层次的需求满足者与价值创造者。 打个比方，我搜「6岁儿童生日礼物」时，想要的其实是系统为我给孩子买六周岁生日礼物提供结构化参考信息（最好是有品类归类、性能介绍和视频图片信息，乃至非跳转下单链接），而不是几十上百条链接。 被AI重构的新搜索，指向的就是满足用户的那些显性需求与隐性期待。 ▲AI重构后的搜索，可以主动满足用户的多重需求。 当搜索框可以「拍照即搜索」，结果页可以「搜索即服务」，搜索生态在共赢格局中探索出AI商业化新机会，面向未来的搜索也会变得更清晰：那是人机协同的新交互界面，也是善解人意的任务自动化中枢。 说到底，能杀死搜索的，与其说是AI，不如说是搜索引擎自己的固步自封。搜索若是被取代，那根本原因就在于：它无法很好地满足用户需求。 而搜索在「AI重构」中进化为更高级形态，就是要在解决问题导向中，更好地满足用户需求。 就此看，与其说AI是搜索的掘墓人，不如说它是新搜索的开路人；与其说AI是搜索的替代者，毋宁说它是搜索进化的助推者。

IT之家 7 月 3 日消息，面对 Meta 首席执行官扎克伯格近期挖角 AI 人才的行动，OpenAI 首席执行官奥尔特曼发出回应。在《连线》杂志获得的内部消息中，奥尔特曼于当地时间周一晚间向研究团队表示，那些真正想要构建通用人工智能（AGI）的人，唯一的归宿是 OpenAI，并透露公司正全面审视研究部门的薪酬架构。 他对 Meta 的招聘策略表达了强烈质疑，认为这类做法将给企业文化埋下隐患。 奥尔特曼在 Slack 中写道：“我们从不起眼的极客，变成了科技圈最受瞩目的角色。‘AI 推特’令人窒息，Meta 的做派让人不舒服，我猜接下来情况会更混乱。我曾说过，自己被解雇又重返岗位并不是 OpenAI 历史上最离奇的事，这次的情况也不是。” 就在这一表态前，扎克伯格刚宣布成立 Meta“超级智能”团队，由 Alexandr Wang（IT之家注：前 Scale AI）与 Nat Friedman（前 GitHub 负责人）共同领导，成员中还包括多位从 OpenAI 跳槽而来的员工。OpenAI 首席研究官 Mark Chen 在内部表示，这感觉像是“有人闯进家里偷了东西”。 不过，奥尔特曼对员工离职的态度相对克制。他表示，虽然 Meta 确实招到了一些不错的人，但始终未能挖到 OpenAI 的核心人员，甚至不得不从候选名单底部招人。他写道：“他们招人招了很久，我都记不清他们试图从我们这儿挖走多少人去当首席科学家。我为这个行业大多数人坚守使命感而感到自豪，当然也总有人只是为了利益。” 他强调：“有使命感的人终究会胜过只看薪酬的人。”同时指出，OpenAI 正在评估整个研究团队的薪酬结构。“我相信 OpenAI 的股票潜力远超 Meta，但收益应来自真正的成功。Meta 眼下的做法，恐怕会在内部种下深层文化隐患。我们稍后会公开更多细节，但必须保证公平，不应只照顾那些被 Meta 盯上的人。” 奥尔特曼最后重申对 OpenAI 的信心。“我对我们的研究路线比以往任何时候都更有信心，我们在算力上做了史无前例的投入，我为此感到兴奋，也相信我们会善加利用。更重要的是，我们拥有世界上最特别的团队与文化。虽然经历了极速扩张，但我们的核心没有偏离，我相信我们能解决现存问题。” 他补充道：“更重要的是，我们真心在意以正确方式构建 AGI。其他公司往往只是把 AGI 当工具，用来服务别的战略目标。对我们来说，这才是终极使命，也是永远的重心。等 Meta 追逐下一个热门方向，或者回头捍卫自己的社交护城河时，我们依旧会在这里，年复一年地坚持下去，把事情做到极致。其他项目可能此起彼伏，但我们会始终存在。”

IT之家 7 月 3 日消息，CNBC 昨日（7 月 2 日）发布博文，报道称亚马逊将于 8 月关闭 Freevee 流媒体电视服务应用，并将相关内容整合到 Prime Video 下。 IT之家注：Freevee 最初于 2019 年以 IMDb Freedive 的形式从亚马逊旗下的 IMDb 独立推出，并在发布几个月后更名为 IMDb TV，然后在 2022 年更名为 Freevee。 该服务也拥有《博世：传承》和《陪审义务》等部分原创内容，亚马逊还从 2023 年开始向该服务添加过一些 Prime Video 内容。 根据亚马逊发送的通知，在 8 月服务关闭后，Freevee 用户无需订阅亚马逊的 Prime 会员计划，能够免费在 Prime Video 上观看部分节目和电影。

快科技11月7日消息，今日，“高德地图”微信公众号发文称，高德打车合作网约车平台和高德顺风车全面接入“鹰眼守护”预警系统。 网约车司机无需其他设置，即可在各自的司机端及时接收到各类预警播报，该能力也同步覆盖至高德顺风车车主。 试运行数据显示，自接入“鹰眼守护”系统以来，网约车与顺风车司机在面临前方急刹车、弯道和路口会车、夜间大货车提醒、后方快速车辆逼近、前方慢速车等主要场景时，系统可迅速识别危险态势，及时提示驾驶员注意潜在风险，使相关安全事故和客诉大幅下降。 据了解，“鹰眼守护”系统由中国安全生产科学研究院联合高德于今年9月共同发布。 该系统主要基于海量匿名、脱敏的车辆速度、加速度、位置等行车数据。 通过空间智能架构与云端AI大模型实时分析同向多车发生速度骤降、急刹等异常行为并判定前方发生重大异常事件时，可迅速向后方或其他可能受影响的车辆用户精准推送预警信息，为驾驶员提供宝贵的“黄金反应时间”，关键时候能保命。 目前，该系统已覆盖重大异常事件等17种出行场景，并实现全国范围应用。

汽车行业三季报中提到 “安世” 的次数激增。 文丨龚方毅 赵宇 制图丨刘馨童 赵宇 编辑丨龚方毅 几乎所有汽车电子组件都含有一个或多个安世半导体生产的组件，其持续一个多月的控制权争夺，令 “断供”“供应短缺” 等关键词，在大流行结束后再次成为汽车行业三季报的关注重点。 安世半导体前身是恩智浦半导体的 “标准产品” 部，2017 年独立运作，后被中国闻泰科技收购。安世占据汽车基础芯片领域重要市场份额，同时积极布局新兴的 SiC 功率器件，并提供模拟接口芯片等特定产品。 去年安世半导体以约 20% 的份额，拥有小信号分立半导体（晶体管和二极管）领域全球最高的市场占有率，客户覆盖车企及其上游多级供应商，放大了供应链中断风险。 德国、日本汽车工业协会已提前预警。10 月底，本田墨西哥塞拉亚工厂因为芯片短缺先行停工。日产汽车在本周的业绩会上宣布，其本土的追浜工厂和九州工厂因缺少芯片，自 11 月 10 日起减产一周。 上周，大众和博世被曝部分产线停产，大众集团称在评估替代采购方案，以尽量降低对供应链可能造成的影响，保时捷也已设立专项工作组应对。激光雷达公司法雷奥表示，已为其 95% 以上的零部件寻找并验证了替代芯片，新的供应商包括英飞凌、安森美和意法半导体。 其他一些更初级的产品也开始影响车企生产。投行 Jefferies 调研称 MOSFET 和二极管的现货库存明显收紧，车规级产品的交付周期已被拉长至 12 周以上，车企和供应商正寻求替代产品。 左右滑动查看 不过，这轮供应链波动和大流行期间的全面缺芯有很大不同： 安世许多产品相对容易替代，一些标准元器件大概 1 至 2 个月即可选出二供并验证；去年销量全球第二的电动车公司已在中国国产替代； 大流行导致的供应链中断被视作 “有用的危机”，车企吸取经验，从库存水平到供应商管理，都有更多冗余； 非市场因素导致，解法也只能依靠非市场方式。 法国汽车外饰零部件供应商彼欧公司称，“目前我们仍然有足够的安世产品库存，可以覆盖未来几周的生产……所有企业都在积极寻找二供，而且市场上确实存在可行的替代机会……过去几年我们已经经历过一些调整，也早已习惯这种波动。” 半导体公司恩智浦表示暂时没有看到客户补库存，“我们目前与客户的讨论基本集中在他们如何非常谨慎地管理营运资金，因此至今没有出现补库存迹象。” 也有公司表示，大多数供应商通常有 2 至 3 周的零部件库存，再加上运输和整车厂端约一周的缓冲，真正的风险还需要持续评估。 大众集团 CFO 在 10 月 30 日的业绩会上说，这次是政治和监管决策导致的供应中断，解决同样取决于政策和外交层面的沟通。“我们目前确实可覆盖到下周的生产……我们期待相关的贸易谈判能取得进展。” 动力总成公司博格华纳相比之下更谨慎，有一支现货采购团队来保证供应，称像应对缺芯危机那样积极介入，并预计欧洲和中国市场会有一些断供。座舱集成的伟世通说中国如果限制安世产品出口、同时限制其在中国境内的销售，可能导致 2021 年那样的停产。 “我们了解到，安世目前正在申请出口许可证，而这一过程在以往通常需要大约 45 个工作日，尽管细节仍不确定。对于受影响的零部件，我们大约持有 30 天的库存。” 伟世通在业绩会上说。他们正积极通过代理商和分销商寻找并验证兼容零件，以减轻直接风险。 汽车行业在经历 2021 年的缺芯之后，已经普遍提升了供应链可视化和库存冗余水平。整车厂学会与上游半导体供应商建立更直接的沟通机制，一些头部车企甚至为关键芯片建立二级安全库存。 但这种改进仍然是有限的、相对的。制造一颗车规级芯片，即使设计简单、制程落后，也需要耗时双月的严格质量验证。但单颗芯片本身的原材料几乎无成本，晶圆厂多已折旧完毕，单次产量极高，导致了它们极其复杂却又极其便宜的悖论。 车企可以为特定的 MCU、功率芯片或高算力芯片建立冗余，甚至参与投资、分担财务压力。但冗余与可见性不能彻底解决系统性复杂的问题 —— 你无法预测哪个环节会首先出问题。 题图来源：Out of Stock: Supply Chain Crisis

IT之家 7 月 3 日消息，据路透社报道，瑞士工程巨头 ABB 周三宣布，将面向中国市场推出三款新型工厂机器人系列，瞄准对自动化需求日益增长的中国中型企业。 ABB 表示，这些机器人将应用于电子、食品饮料、金属等行业，承担抛光、搬运等任务，用于生产线的多种场景。 ABB 指出，中国中端机器人市场预计未来三年每年增长 8%，远超近年来全球行业的平均水平，这类市场通常对应拾取、包装、基础检测等低复杂度任务。 ABB 机器人与离散自动化业务负责人 Sami Atiya 表示：“influences对此前未采用机器人的客户更具吸引力。” 新发布的 Lite+、PoWa 和 IRB1200 三款机器人，根据客户需要可调整速度和负载能力。其中一款拆箱后 60 分钟即可投入使用，用户只需用语音指令或示范操作就能完成编程。ABB 透露，这些机器人连同控制器等设备的售价将在 2 万至 10 万美元（IT之家注：现汇率约合 14.3 万至 71.6 万元人民币）之间。 根据国际机器人联合会的数据，中国已成为全球最大的机器人市场，2023 年安装的全球新机器人中有 51% 位于中国。中国同时也是 ABB 最大机器人市场，占其机器人业务收入的约三成。 Atiya 表示，他不认为美国对华关税可能带来的风险会削弱需求，因为中国本土市场需求强劲，劳动力又相对紧张。此外，这批新机器人将由 ABB 在上海的新工厂投产。

百度搜索总经理赵世奇 图源：活动现场 百度改造搜索，不只是把搜索框“变大”。 7月2日，百度AI Day开放日上，在宣布百度搜索进行十年来最大一次改版后，百度搜索总经理赵世奇对包括唐辰在内的媒体表示，传统搜索产品必须要变革，“我们内部一直在讲，要忘掉老的搜索形态。” 显然，百度搜索希望“忘掉搜索”，绝对不是否定搜索的价值。我曾指出，基于全新的AI能力，搜索行业呈现传统搜索与AI搜索的分野。传统搜索惯性的路径依赖，在既有的用户规模、产品体量以及商业模式的基础上，通过不断叠加AI功能，以增加AI含量。 这个判断也得到赵世奇的印证。他表示，目前多数所谓的AI搜索产品，本质上只是用“AI接了一下搜索”。真正的AI搜索，应该是AI模型和搜索更深度融合。 这也意味着，百度AI改造搜索，从搜索框、搜索结果页到搜索生态全面革新。从信息的“找到”、“知道”，升格为“得到”，甚至“做到”，其搜索能力的边界正在持续拓宽。 百度AI，对搜索下狠手了 这个过程，就像iPhone重新“发明”手机一样，不仅是传统搜索交互方式的进化，更是以搜索框为入口，嵌入更丰富的AI能力、服务生态以及商业模式，将搜索从链接列表，升级为“智能任务调度中心”，强化“一个入口”的价值。 整体来看，百度这次对搜索下狠手，重新改造搜索呈现四个特点： 一是，主动求变。百度此次改版最直接的变化是经典的搜索框变大，成为“智能框”。改版之后，原本只支持几十个字的搜索框，现在能放得下超千字的长文本，还可以上传文件，直接集成了AI写作、AI画图等功能。 它的理解能力也得到提升，不论是旅游线路规划等创作需求，还是猜电影、识别演员等模糊需求，都能找到答案。在此之前，百度搜索框的形态已经稳定保持了20多年。 此外，搜索结果页也从以前给链接，升级为直接搞定用户的需求。百度搜索全新升级了「百看」功能，不仅能以图文、音视频的形式输出结构化内容，还会陆续接入智能体、真人等服务。比如用户提问“最近有什么适合送礼的数码产品”，以前搜索会给出一堆链接，而现在不仅帮用户把信息分门别类整理好，甚至还能搜索页直接下单。 二是融入更多AI能力，核心是升级“AI助手”的几方面能力。比如加入视频通话，并增强语音、图片和文件等多模态输入的能力；丰富了多媒体输出能力，全面支持图片、视频、笔记等内容的混合排版，同时可根据用户的习惯和偏好智能调整输出结果等。 百度搜索还全新升级智能创作能力，一句话就能生成三分钟创意视频，视频生成后，支持分镜编辑，自定义画面内容，提供「从灵感捕捉、内容生成到全平台发布」一站式服务，大大降低了创作门槛，用户无需辗转多个平台，也无需拍摄剪辑，即可一键制作爆款视频。目前这一能力主要支持PC端，可以通过搜索「AI视频」、「百度智能创作」等关键词体验。 三是，重视AI生态建设。在移动互联网时代，百度搜索不再强势的一个重要原因就是在内容生态上遭遇挑战。目前，搜索产品进入新一轮变革期，百度虽然还不能完全确定未来的产品形态，但却非常肯定，开放的生态对搜索引擎是更有利的。百度也希望借机建立一个更多元的新开放生态。 今年4月的Create2025百度AI开发者大会上，百度创始人李彦宏正式发布了百度搜索开放平台，提供了AI时代的生态解决方案。目前百度搜索开放平台已收录1.8万+优质MCP，其中有很多已经直接可被百度搜索调用，实实在在提升了用户的搜索体验。 第四，对百度搜索的再定位。百度将新版搜索系统划分为三层架构：底层是多模态模型底座（以文心一言为核心，同时整合自研视频生成模型Muse Steamer与DeepSeek等外部模型）；中间层是MCP调度平台、Agent工具和真人服务；最上层是面向C端的“智能框”、信息流产品“百看”和升级版AI助手。 百度AI智能搜索改版后，也由“获取答案”的信息检索工具，升级为“交付结果”的智能工作平台。其运作也不再是“关键词+链接”的传统搜索模式，用户可以用一张图片提问、用一句话描述任务、用自然语言下达目标，再由系统自动调度大模型、音视频内容、AI工具和真人服务等，拿到最终结果。 两个月前的 I/O 2025 上， Google也对搜索进行重大重构。谷歌不仅将对话能力直接嵌入到搜索，重构搜索体验，还从 Gemini 出发，探索多模态输入与生态级联动的交互方式。 最终，Google搜索的产品形态发生变化，搜索逻辑也进行了AI化更新：AI 模式（AI Mode）+ 任务助手（Task Assistant）共同组成的系统，可以完成比价、试衣、结账等复杂任务，让Google搜索从“回答问题”升级为“帮用户把事做了”。 百度的路径虽然有所不同，但二者的目标一致，都是通过“对搜索框下狠手”，构建一个“看起来简单、实际上强大”的AI搜索。 “一个百度”的价值正在极大提升 在我看来，百度搜索的这次改版，既是通过AI对搜索业务的能力重构，也是百度对自身AI战略面向用户，特别是AI to C的一次测试。 这个测试环境里，搜索是百度的起点，也是它最重要的护城河。即便到AI时代，百度还是想把搜索作为AI的超级入口，并在证明，AI搜索还是AI时代的超级入口。 因为AI智能搜索背后，不再只是网页和链接，而是由大模型、MCP、Agent（智能体）以及AI生态等能力聚合成的超级应用聚合生态。在这个生态里，AI是智能中枢，被革新的“智能框”就是那个超级入口，搜索则是完成任务、连接生态、调动智能的综合平台。 从这个角度看，百度搜索智能框的一个隐藏价值浮现出来：一个可以称为“一个百度”理念的含金量得到极大提升。 这是类似“One Ford”、“One Microsoft”，或者“一个吉利”的概念，是在巨变的竞争格局下，一个领衔的大公司的战略重新聚焦。对百度来说，有两层含义： 一方面，百度通过对AI技术的整合、生态开放和应用场景的深耕，将AI搜索打造为“每个人都能平等地便捷地获取信息，找到所求”的超级入口。百度可以通过这个入口，链接信息、服务及商业生态，并进一步推动开放生态建设，给新的AI应用、MCP和Agent流量，让用户找得到，也让百度发挥出更大的价值，“用AI做对用户真正有用的事”。 在这方面，百度拥有双重优势：一方面是20年积累的网页索引与信息理解能力，另一方面是大模型产品文心一言的持续演进，二者结合才能实现“1+1＞2”。 另外一方面，百度搜索呈现的“一个百度”理念，可以投射到百度更多业务上。简单说，百度重新聚焦到搜索框，通过AI能力，将电商、智能云、自动驾驶、内容信息流等服务聚合到新三层架构的中间层，集中资源和能力。这很有必要，也可能是百度破局现状的一条途径。 比如百度App等AI to C产品，多被批评功能繁杂、“体态”臃肿。关键原因在于，百度希望将最好的功能或者产品，都呈现给用户，宠溺用户。但这种堆砌，只会让诞生于互联网或者移动互联网时代的产品，变得越来越不好用。 AI重构是一个很好的切口，典型如阿里电商融合饿了么、飞猪等即时零售业务；京东业务外扩到外卖、酒旅等领域；美团也在加码电商、内容化。它们的共同的趋势，就是在AI能力支持下，成为超级App。结果便是“一个淘宝”，或者是“一个百度”。 某种程度上，百度AI智能搜索也可以视为，具体业务在“一个百度”上的有效试水。我认为，“一个百度”应该被摆在李彦宏的桌面，在更高层面得到重视以及思考。 还有一个不能忽视的细节是，百度搜索除了在证明，智能框依然是AI时代第一超级入口的价值外。我也看到，百度在这次搜索改版中，也在思考并探索AI搜索的商业模式以及商业价值。 理由很简单，当搜索引擎的结果页从给链接变成给答案、给内容，势必对过去传统搜索的广告模式带来巨大影响。 以SEO（搜索引擎优化）为例，这是传统搜索的一大变现方式，但其满屏的广告，对用户来说并不友好。AI搜索呈现的结果更加垂直、精准，一定程度上压缩了厂商的商业化空间。 那SEO不用做了？答案是否定的。随着AI搜索的不断迭代，一个新的趋势也呈现出来：AI搜索也在重构传统SEO。量子位智库发布的《AI智能助手的SEO策略变革研究报告》指出，搜索不再是信息门户的“天下”，有接近一半的AI回答引源自内容社区，尤其在专业话题中，内容社区的被引权重更高，超过60%。AI时代，在越专业的内容社区价值会越大。 百度也不敢打包票，已经探索出一条成熟的商业化路径来。赵世奇也表示，百度AI智能搜索目前呈现的形态，只是一个阶段性的思考，到底什么是AI搜索，仍然是一个正在进行中、没有答案的问题，也许三个月之后就会有一些新的思考和变化。 但可以肯定的是，AI搜索的商业化，一定不再是像过去简单地将广告推送到用户的搜索结果之中，而可能是通过数据分析，找出用户可能感兴趣的产品或服务，以更加自然、友好的方式呈现给他们。 比如，AI搜索还可能通过提供智能化的企业搜索解决方案、开放AI搜索接口，为第三方开发者或智能硬件如AI眼镜、车载等提供智能搜索能力支持等，或者是走Perplexity付费订阅的模式。 但无论是哪种可能的方式，都在考验广告与用户体验的平衡。 事实上，目前业界对AI搜索的形态还没有形成统一的认知。在还没有共识的阶段，百度还是想要通过持续的探索找到最顺应用户需求的产品形态，重新构建起自己的竞争优势。百度大胆的在最核心的业务上，顺应行业形势主动求变，勇敢探索，就是走向新生以及重新领先的极好开局。 参考资料： 第一财经，《“忘掉搜索”，百度搜索业务经历十年最大改版》 界面新闻，《百度搜索要“忘掉”传统搜索》 晚点LatePost，《“一个淘宝”：阿里没有宣布的战略转型》

快科技7月3日消息，对于雷军来说，玄戒O1技术验证成功后，接下来小米的自研芯片在量能上必然会井喷。 从最新统计的2025年第二季度的用户偏好数据看，在最新安卓阵营处理器品牌分布情况上，小米占比0.6%，只比三星差了0.1%。 尽管市场竞争激烈，但高通依然保持其在Android手机市场的统治地位，占据了高达73%的市场份额。 相比之下，联发科以25%的份额位居第二，两者之间的差距显著。 然而，最引人注目的变化是小米首次出现在处理器品牌分布表中，尽管其市场份额仅为0.6%，但这对于仅依靠一款名为玄戒O1的SoC而言，已经是一个非常不错的开端。 雷军看到这样的结果必然也是满意的。玄戒O1作为小米自主研发的第一款SoC，采用了台积电3nm的制造工艺，CPU为十核心设计。据官方介绍，玄戒O1在安兔兔平台的跑分最高可超过300万分。 目前，玄戒O2的研发工作也在进行中，而按照之前雷军透露的情况看，其（新芯片）会上车。

IT之家 7 月 3 日消息，据《日经亚洲》报道，知情人士透露，韩国芯片制造商三星电子正在推迟其位于美国得克萨斯州的半导体工厂的完工时间，因为三星难以找到该工厂产品的客户。 此前，三星宣布将在未来几年内向得克萨斯州投资超过 370 亿美元（IT之家注：现汇率约合 2650.3 亿元人民币），其中包括在泰勒市建设一座先进芯片制造工厂。该工厂原计划于 2024 年投入运营，但目前已推迟至 2026 年。一位接近三星的消息人士表示：“由于没有客户，泰勒工厂的完工进程被推迟。即使现在安装设备，三星也无能为力。”另一位芯片供应链高管也指出，三星在奥斯汀已有芯片制造业务，并不急于在新工厂安装芯片制造设备。 据知情人士分析，得克萨斯州当地的芯片需求并不强劲，且三星数年前规划的工艺节点已无法满足当前客户的需求。若对工厂进行全面改造，将是一项耗资巨大的工程，因此三星目前采取观望态度。另有消息人士称，三星最初计划在该工厂生产 4 纳米芯片，但后来调整计划，增加了更先进的 2 纳米芯片，以适应市场需求。 三星电子旗下负责建设泰勒工厂的三星物产公司文件显示，截至今年 3 月，工厂建设已完成 91.8%。根据该公司 5 月向韩国金融监管机构提交的文件，工厂完工时间从原定的 2024 年 4 月推迟至今年 10 月底。尽管如此，三星电子仍表示，该工厂仍计划于 2026 年投产，且项目进展顺利。对于设备安装的具体时间表以及客户寻找情况，三星未予置评。 三星正努力缩小与竞争对手台积电之间的差距，据集邦咨询（Trendforce）的数据，台积电在芯片代工市场占据主导地位，第一季度按营收计算占全球市场 67.6% 的份额，三星以 7.7% 的份额位居其后。 台积电在美国亚利桑那州建设的先进芯片工厂也曾遭遇建设延迟和劳动力短缺问题，但最终于去年底实现量产，并获得了英伟达、AMD、亚马逊和谷歌等重要人工智能芯片制造客户。今年初，台积电还宣布将再投资 1000 亿美元，在亚利桑那州建设更先进的芯片制造和封装设施。 集邦咨询分析师乔安妮・乔（Joanne Chiao）表示：“三星代工厂面临良率不稳定和订单流失的问题。尽管此后良率有所改善，但美国对中国高端芯片生产的限制进一步给该公司带来压力，使其产能利用率低于行业平均水平。不过，他们确实在努力接触并吸引更多美国客户…… 如果补贴和税收抵免到位，该工厂确实有机会实现少量产出。然而，其产量能否大幅提升，取决于客户拓展的进展。” 三星方面表示，正在改善 2 纳米工艺的良率，并为人工智能和高性能计算应用所需的 2 纳米和 4 纳米节点技术争取更多订单。

快科技7月3日消息，微信鸿蒙版自从正式上线以来，一直保持高速迭代状态，持续不断加入了很多功能，目前基础体验相较之前已经完善许多。 昨天，微信还上线了全新一版，带来了拍一拍文案、扫一扫翻译、完善群管理功能等大批功能更新。 腾讯官方发文表示，目前，从基础通讯功能、音视频通话、朋友圈，到微信支付、小程序、视频号功能，鸿蒙手机版微信的功能正逐渐完善。 与此同时，鸿蒙电脑版微信，也已正式上架应用商店。 微信鸿蒙版一直备受关注，比如之前微信鸿蒙版迟迟未能推出等，引发很多网友和用户的讨论。 腾讯官方表示，很多朋友并不了解，由于鸿蒙系统的特殊架构，过去十几年积累下来的微信功能无法直接迁移，而必须从零重写。 这个问题此前腾讯WXG（微信事业群）员工@客村小蒋就曾解释过，因为原生鸿蒙完全是一套新的技术框架，编程语言是独特的ArkTS语言，这意味着所有的App都要完全重写。 微信鸿蒙版的开发之路就像是要在不到一年的时间里，走完微信14年的路。 鸿蒙微信手机版基础功能负责人anqi透露：在鸿蒙微信手机版刚立项的时候就在准备一个满建制的团队了，那时候公司从上到下都很重视这件事情，专门成立了一个鸿蒙移动端的开发中心来做，跟之前我们做一些其他端，比如说手表端、车机端这些规格是完全不一样的。 他提到，内部终极目标就是把鸿蒙微信做得要对齐安卓和iOS，甚至超过iOS。

快科技11月7日消息，据媒体报道，微软人工智能部门首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）近日透露，微软已在AI部门内部组建了一个全新的“MAI超级智能团队”。 该团队的核心使命是开发“人文主义超级智能”，其首要目标是确保未来先进的AI系统始终处于人类的可靠控制之下。 与追求抽象概念的超级智能构想不同，MAI团队将专注于实用技术研发。其核心研究方向包括在医疗领域开发能够提供专家级诊断的先进模型，以及在清洁能源领域探索新材料、新型电池技术等关键突破。 这一研发理念与微软的重要合作伙伴OpenAI所追求的通用人工智能（AGI）形成了鲜明对比。微软强调“在限制内推进技术”，即在积极发挥AI技术惠及全球潜力的同时，优先解决先进AI系统的安全性与可控性问题。 尽管微软与OpenAI的合作关系仍在持续，但双方在多个领域已呈现出竞争态势。OpenAI正积极自建数据中心，并与亚马逊、甲骨文等微软的竞争对手展开合作。其企业版产品的收入占比已从年初的30%攀升至40%。 目前，微软的Copilot产品线仍依赖OpenAI的技术支持，但微软已开始自主测试并推出涵盖语音、图像及文本等多种模态的自研模型。 据悉，苏莱曼于2024年加入微软，此前他曾是谷歌旗下知名AI研究机构DeepMind的联合创始人。微软为其设立了专属的AI部门，并通过整合内部精英与外部顶尖人才，组建了这支肩负超级智能研发重任的团队。

“我不想带着从未尝试 Meta 之外世界的遗憾继续往前走...不想永远做 PyTorch，也不想像 Guido 或 Linus 那样——几十年都被绑在同一件事情上。” “休完育婴假后我突然意识到，团队已经能把各种难题处理得越来越好，这个项目……已经不再需要我了。” 就在这样半感慨、半释然的心情里，PyTorch 的灵魂人物、“PyTorch 之父”Soumith Chintala 于 Meta 任职十一年零四个月后，发布了一封情绪满满的离职长文，宣布将在十天后正式告别这家科技巨头。 对扎克伯格而言，无疑是痛失一员大将；对整个 AI 技术圈来说，这是一个时代的转折节点。毕竟，PyTorch 早已从一个想法，成长为 AI 领域重要的基础设施之一。它在 GitHub 上近百万 Star 的热度，也映射出 Soumith 十一年一路推动的历程。 现在，Soumith Chintala 选择离职，没有继续待在舒适圈，而是带着一点点迷茫、一点点兴奋，也带着对“未知”的好奇，即将踏上下一段旅程。他说，他想去外面看看——做一些小的、全新的、自己还不完全理解的、甚至有些不舒适的事情。 Soumith Chintala 的离职长文 在这封离职长文里，Soumith Chintala 不仅回望了自己在 Meta 的这段旅程，也聊到了处于交棒阶段的 PyTorch。 以下为 Soumith Chintala 的自述： 在 Meta 工作了十一年，几乎占据了我整个职业生涯。在这里，我结交了许多终生挚友。 差不多八年，我带领 PyTorch 从无到有，让它在 AI 领域的采用率超过 90%。离开这里，是我做过的最艰难的决定之一。但我满怀感激地离开。 如今，PyTorch 已经能够处理百亿级别的训练。它支撑着正在重新定义智能的基础模型，几乎每家主要的 AI 公司都在生产环境中使用它。从 MIT 到印度的乡村课堂等场景中，PyTorch 都在被教学。 我曾梦想让这些工具更易获取？现在实现了。 我想降低的入门门槛？现在也几乎消失了。 当然，要做的事情远不止这些。只要 AI 以如此惊人的速度发展，PyTorch 仍需不断追赶。过于执着于未来，有时会让我们忽略已经取得的成就。 感谢所有与我一起打造 PyTorch 的人——相信研究应当充满乐趣，相信工具应当优雅，相信开源能够改变一切——谢谢你们。这不是我的个人旅程，而是我们共同的旅程。 接下来我会做什么？小的、全新的、我还不完全理解的、甚至有些不舒适的事情。我本可以选择在 Meta 内部转岗，换个方向继续发展，但我觉得自己需要去看看外面的世界。我需要再次做一些“小事”。我无法接受自己从未尝试过 Meta 之外事情所带来的遗憾。 离开真的很难。我应该是坐在了 AI 行业最具影响力的位置之一——我负责的软件层，支撑着整个 AI 行业的运作。几乎所有主要的 AI 公司和硬件厂商，我都能直接联系。这种地位和影响力，真的很难放手。但最终，好奇心在我脑中占了上风。 请继续让 AI 更好用、更有趣吧。我也会持续关注，也许还会提交一些 issue，肯定会保持参与的。 PyTorch 会没事吗？ 我不想永远做 PyTorch 的事。我不想像 Guido（Python 之父）或 Linus（Linux 之父）那样——几十年都被绑在同一件事情上。 去年十一月，正值我女儿出生之际，我和 Aparna（Meta 资深工程副总裁）就已经开始规划我的离开。我的目标是把 PyTorch 留在一个良好、稳定的状态。 到了今年八月，在育婴假下半段的时候，我就知道了：Edward、Suo、Alban、Greg、John、Joe 和 Jana 已经准备好了。团队面对棘手的人事、产品、技术和组织问题时，并不需要依赖我来帮他们解决（不像以前那样）。他们为 PyTorch 大会准备的产品故事条理清晰——真的很清晰。我曾标红的问题正在变得健康。这个项目已经不再需要我了。 不同于 2020-2022 年（那时我离开去从事机器人研究，Lin、Dima 和 Dwarak 离开后才又回来），这一次我有充分的信心，PyTorch 真正具有韧性。与 PyTorch 价值观最契合的文化承载者们如 Greg、Alban、Ed、Jason 和 Joe，现在都在决策层上了，而那些价值观高度契合的人——Suo、John 和 Jana——也加入了决策层。如果这些人有离开，还有一长串同样价值观契合的人愿意坐上决策桌。 还有许多小细节让我对团队充满信心：John 在 Julia 和开源领域有长期经验（实际上我们在 2015 年就一起尝试过 Torch.jl），Suo 过去两年是我最强的系统构建者和战略伙伴，而 Jana 长期负责核心系统的韧性建设，过去几个月我与她进行了深入的技术和组织讨论，也让我充满信心。而 2025 年的产品阵容和执行情况，本身就足以消除任何剩余的疑虑。 我相信这群 PyTorch 团队成员会表现得非常出色。PyTorch 可能会在风格上有所变化，因为我不再从上而下强加自己的品味，但我有信心，核心价值观会保持不变，产品也会非常出色。 我在 Meta 的时光 FAIR 的早期岁月简直充满魔力。我成为了一个小而卓越的团队的一员，大家在公开环境中打造最前沿的 AI 技术。 从和 Emily Denton、Rob Fergus、Leon Bottou、Martin Arjovsky 以及如今传奇般的 Alec Radford 一起研究生成对抗网络（GAN），到和 Gabriel Synnaeve 一起开发星际争霸机器人，再到和 Howard Mansell 一起搭建第一个 FAIR 集群，从和 Adam Lerer、Piotr Dollar 一起做目标检测，到打造 PyTorch，这一切的乐趣无法用语言完全描述。 2015 和 2016 年大概是我职业生涯中最高产、最享受的年份。我可能会永远带着浪漫色彩回忆这段时光。 当我加入 FAIR 时，我有严重的冒名顶替综合症（这类人群坚信自己的成功并非源于自己的努力或能力，而是凭借著运气、良好的时机，担心被他人识破自己其实是骗子这件事），前三个月非常非常困难。我无法用语言表达对 Andrew Tulloch（AI 领域顶尖研究员）的感激，他是最周到、最善良、最热情的导师，没有他我无法走到今天。仅凭他回到 Meta 这一点，我就对 Meta 非常看好。 我在 PyTorch 的时光尤其特别。 我热爱打造它的每一个环节——设计、管理、担任 PM、技术负责人、沟通负责人、文档工程师、发布工程师、修复 bug、增长黑客，把它变成一个有数百人参与的完整产品、将其过渡到产业利益相关方——应有尽有。 感谢 Meta 的 PyTorch 核心团队：工程师、研究员、开源维护者、文档编写者、CI 基础设施团队、硬件合作伙伴以及社区建设者。感谢内部和外部的数百名成员——你们把一个库变成了一场运动。 有太多人值得感谢，但我必须提到 Adam Paszke、Sam Gross、Greg Chanan、Joe Spisak、Alban Desmaison、Edward Yang、Richard Zou、Tongzhou Wang、Francisco Massa、Luca Antiga、Andreas Köpf、Zach DeVito、Zeming Lin、Adam Lerer、Howard Mansell、Natalia Gimelshein 以及 Schrep。他们让 PyTorch 成功发布。 后来，许多人也变得至关重要：Lu Fang、Xiaodong Wang、Junjie Bai、Nikita Shulga、Horace He、Mark Saroufim、Jason Ansel、Dmytro Dzhulgakov、Yangqing Jia、Geeta Chauhan、Will Constable、Briah Hirsh、Jane Xu、Mario Lezcano、Piotr Balecki、Yinghai Lu、Less Wright、Andrew Tulloch、Bruce Lin、Woo Kim、Helen Suk、Chris Gottbrath、Peng Wu、Joe Isaacson、Eli Uriegas、Tristan Rice、Yanan Cao、Elias Ellison、Animesh Jain、Peter Noordhuis、Tianyu Liu、Yifu Wang、Lin Qiao 等数百人。 我没法一一列举，但没有这些人，PyTorch 就不存在 ❤️。 打造 PyTorch 最令人开心的时刻，是遇到热切分享他们快乐、喜爱和反馈的用户。 我记得 2017 年 NeurIPS，一位研究生跑来找我，语无伦次、情绪激动地说，他尝试了三年才在研究上取得进展，而使用 PyTorch 三个月，他的研究进展巨大，甚至已经准备毕业。那一刻让我真切感受到，我们所做的事情对很多人意义重大，即便你不会一直听到他们的声音。我确实怀念 PyTorch 社区的亲密感，一个 300 人的大会就像大家庭聚会，但考虑到 PyTorch 今天产生的巨大影响——是的，现在大会有 3,000 人、市场影响力极大，但它帮助更多人做出最好的 AI 工作——我觉得这点亲密感的缺失是小代价。我怀念这种亲密感，但为这种成长感到骄傲。 感谢 Mark Zuckerberg 和 Mike Schroepfer，相信开源本质上重要，而且是可靠的商业策略。对大多数人来说，这很难理解，但我们在这条战略上始终保持步调一致，从未需要讨论。没有你们，FAIR 和 PyTorch 都不会存在，这对我意义重大。 感谢 Yann LeCun 和 Rob Fergus，创造了我如此敬仰的早期 FAIR。 感谢 Aparna Ramani，她在 Meta 是少见的领导者：能对组织保持极高标准，技术上非常出色，同时能在同一次对话中讨论深度基础设施系统和行业战略，而且执行力无可挑剔！我从你身上学到了太多。 感谢 Santosh、Kaushik、Delia、Oldham 和 Ben 对 Infra 的热情接纳。作为从 FAIR 转过来的新人，你们让我有宾至如归的感觉，让我成为家庭的一部分，非常感谢。 感谢所有在 PSC 视频游戏项目中支持我的经理们——Serkan、Howard、Jerome、Abhijit、Yoram、Joelle、Aparna 和 Damien——我欠你们一辈子的酒。 ——Soumith 来自 AI 圈的祝福与致敬！ Soumith 的离职，引发 AI 技术圈的广泛关注。 AI 大牛 Andrej Karpathy 留言道：“干得漂亮，Soumith！在我经历过的所有深度学习框架迁移中（从 Matlab → Caffe → NumPy → Torch → PyTorch，几乎重写了所有代码），迁移到 PyTorch 的体验是最愉快的，而且现在看来影响也最持久。它在目标与约束的 20 维设计空间中，堪称一次时间上的大满贯。希望你能在一个最让你心动的领域，再次迎来属于你的黄金时代！” Soumith 笑到回复称：“希望你的光彩一直因为 PyTorch 而闪耀。开个玩笑啦。实际上，你对 PyTorch 的成长贡献比你自己意识到的还要多，还多次帮助它调整方向。感谢你一直以来的付出。希望未来即便我们迎来 AGI，也依然能看到你在接下来的 30 年里继续使用 PyTorch，甚至只是为了编程乐趣而用它……” 图灵奖得主杨立昆祝福道：“祝你在下一份工作一切顺利。” PyTorch 工程总监 John Myles White 表示：“多年前，当我离开 Julia 的时候，你曾说过类似‘你经历了一段传奇之旅’的话。现在似乎轮到我来回馈同样的心意，而且放大一千倍。” 也有人感叹：“一个时代的终结。” Soumith：从印度少年到 PyTorch 核心开发者的传奇之路 事实上，Soumith 的离职之所以引起这么大的轰动，不仅因为他是 PyTorch 的灵魂人物，更因为他的成长历程本身就充满传奇色彩。 Soumith 出生于印度，自小对数学和计算机充满浓厚兴趣。本科毕业于班加罗尔大学后，他赴美国深造，专注计算机视觉与深度学习研究——这些领域后来也成为 PyTorch 崛起的基石。 在卡耐基梅隆大学攻读研究生期间，Soumith 在顶尖学者的指导下接触前沿 AI 技术，同时敏锐地意识到学术界和工业界对灵活、高效、可扩展深度学习工具的迫切需求，这也逐渐明确了他的职业方向。 2014 年，Soumith 加入 Meta（当时的 Facebook），进入 Facebook AI Research（FAIR），负责多个深度学习项目。他和团队发现，当时的深度学习框架要么过于复杂，要么限制研究灵活性，于是萌生了开发新工具的想法。 两年后，PyTorch 横空出世。作为核心开发者之一，Soumith 全程参与了从项目启动到发布的每一步，并推动其成为行业标准。 回顾 PyTorch 的发展历程，Soumith 也曾详细介绍过其诞生背景。 https://soumith.ch/blog/2023-12-17-pytorch-design-origins.md.html PyTorch 的基础工作最初于 2016 年初，由一群 Torch7 贡献者在线上发起。 Torch7（也称 LuaTorch，因为它基于 Lua）由 Ronan Collobert、Clement Farabet 和 Koray Kavuckuoglu 于 2010 年左右开发。 Soumith 早在 2012 年就已经深度参与了 Torch7，并在 2014 年 4 月获得官方“维护者”身份，与原作者一起工作。 不过，Torch7 的 C 后端负责 CPU 和 CUDA 的线性代数与神经网络计算，但与 Lua 紧密耦合。随后，Soumith 联合 Luca Antiga、Andreas Köpf、Sergey Zagoruyko 等人对这些后端进行了重构，使其与 Lua 脱钩，可独立使用。 在此基础上，后来加入 Facebook 的 Soumith 在 2016 年中与团队开发了基于 Python 的新 Torch——PyTorch。这个版本不仅继承了 LuaTorch 的设计优势，还引入了多项创新功能，例如自动微分引擎 torch.autograd、Parameter 概念以及自我赋值的模块设计，使研究者能够更加高效、灵活地构建深度学习模型。 同时，Soumith 也曾坦然分享，PyTorch 借鉴了 Chainer、HIPS/autograd 等项目的灵感，并在此基础上持续创新，这种“传承与创新”的结合奠定了 PyTorch 的核心竞争力。 自 2017 年以来，PyTorch 快速发展，吸收 Caffe2 理念，多次迭代编译器设计，完善分布式计算与 GPU 优化，扩展领域库与数据加载机制，逐渐从研究工具成长为覆盖工业应用的整体化系统。 Soumith 在其中始终发挥核心作用——不仅主导设计与实现，还推动社区发展，确保 PyTorch 成为全球 AI 研究与工业应用的重要基石。他坚持开源精神，明确标注灵感来源，倡导在前人工作基础上创新、启发后人，这种理念深刻影响了整个社区。 从 Torch7 的维护者到 PyTorch 的核心开发者，Soumith 的成长轨迹不仅是个人奋斗的故事，更是现代深度学习工具发展史上不可或缺的一部分。 十一年的耕耘，让 PyTorch 从一个初始的想法走向世界，也让 Soumith 成为 AI 工业界无法忽视的关键人物。 最后，祝福 Soumith 下一征程顺利

饿了么或将与淘宝闪购完成融合。 其最终形态是饿了么退到幕后，淘宝闪购上前，成为阿里“外卖+即时零售+本地生活”等业务对外的统一招牌。 这个变动还没有官宣，但已经有用户在灰测的新版饿了么App里发现，“淘宝闪购”在图标上占据了更大的位置，“饿了么”的标识则缩放得较小，与前一个版本的设置刚好相反。 图源：旧版饿了么App对比灰测新版饿了么App 网络 有媒体电询饿了么客服中心，有接线工作人员表示，此次仅为名称变更，其他权益、政策均不变，也不影响业务运转，“淘宝闪购也是属于饿了么旗下的一个业务”。 较早前的8月，淘宝闪购、饿了么正式发布全新的骑士服。一个细节是，新款骑士服，淘宝闪购的标识已经占据了核心的上身部分，饿了么和菜鸟、速卖通等并列，主次分明。 这不免让外界猜测，相较于前两年饿了么“改名”营销，这次饿了么“改名换装”是板上钉钉了。阿里也将迎来一个完全体的淘宝闪购。 作为阿里电商的一把手工程，淘宝闪购在过去半年里，打了几场硬仗，也打通与饿了么之间的供给与履约，其定位和品牌价值也在被重估。 要知道，在今年6月23日的一封全员邮件中，阿里CEO吴泳铭的口径是“饿了么、飞猪合并加入阿里中国电商事业群，在业务决策执行上与中国电商事业群集中目标、统一作战。” 此番调整后，饿了么、飞猪的负责人统一向阿里电商事业群CEO蒋凡汇报。同时，两家公司继续保持公司化管理模式。 当时，不少媒体解读，饿了么、飞猪要正式并入阿里电商。但阿里官方的态度是不置可否，相关表态强调是“协同”，不是“合并”。 这不难理解，淘宝闪购是4月30日由即时零售业务“小时达”升级而来。这个2017年就推出的服务，到2020年上线淘宝，一直存在感不强。 淘宝闪购上线前，京东掀起的2025外卖大战已经打了两个多月，刘强东亲临一线督战，从美团手里抢到千万级日外卖订单量。饿了么反而没有太大动静，以致于让外界揶揄，“老大老三掐架，老二受伤”。 其实，阿里手里的牌不少，但每一张又显得游离。如何出牌，考验的是阿里的操盘能力。 蒋凡把“淘宝闪购x饿了么”整合成一张新牌，启动百亿补贴，以饱和式攻击的打法，重新划分原有市场格局。 但此时，他心里可能也拿不准，淘宝闪购能不能撑起阿里即使零售业务的大旗。 所以，无论是稳定业务军心，还是对友商释放烟雾弹，饿了么、飞猪都不适宜传递出合并入阿里电商的信号。 蒋凡的信心来自淘宝闪购接下来的战绩。他有自己的“Scaling Law”，那就是不能抛开规模谈效率。 他认为，单量增加会带来很多好处：推动外卖路线规划等优化，进而提升履约效率。进一步提升用户画像的颗粒度，精准把控品类偏好、消费时段和频率等。 数据上看，7月，淘宝闪购连续两个周末日订单量超9000万。8月的财报电话会上，蒋凡透露，淘宝闪购日订单峰值达1.2亿单，8月周日均订单量8000万单，拉动手淘8月DAU（日活跃用户数）增长20%。 晚点提到，8月8日和8月9日，这两天淘宝闪购的日订单量份额首次超过了美团。 这是具有坐标意义的“超过”，即便美团认为冲单就能做到。对淘宝闪购的意义就在于，一方面，饿了么打了多年的外卖仗，这次联合淘宝闪购打赢了，整个市场格局被重塑。 另外一方面，消费者的认知心智也受到冲击，王兴标榜的第一也并不是不可撼动。而且，资本市场也接受了这个变化，并给出积极反馈。 归结到一点，就是蒋凡对淘宝闪购的评价，他认为，在订单规模、用户、商户供给、运力规模上，都超出预期。 换句话说，淘宝闪购的C位，是打出来的。 值得注意的是，不少人吐槽，淘宝闪购名字跟美团一样也就算了，UI是请京东设计的么？ 这里藏着淘宝的小心机。当美团花大精力强化市场对闪购的认知时，淘宝可以借力打力，让消费者近乎无门槛的认识到，淘宝闪购是什么？ 知名科技评论作者阑夕的评价很有代表性，他认为，美团虽然最早提出“闪购”概念，但它在外卖上过于深入，削弱闪购业务的品牌认知。 就像一个用户在美团外卖上分别点了一份麦当劳和一根充电线，他很难分得清楚，前者出自美团外卖的业务，后者出自美团闪购的业务，在他看来，这都是自己下了一单外卖。 但淘宝闪购之于淘宝，却不是这样的关系，淘宝是快递电商的模式，是要去拆包裹的，而淘宝闪购是骑手小哥送货上门，是淘宝新开通的外卖服务。 这就导致淘宝闪购虽是更新的品牌，但它没有历史包袱的混淆，在落地上更加丝滑流畅，便于理解，也让更多消费者普遍将「闪购」这个词默认为淘宝闪购。 图源：淘宝闪购新骑士服 唐辰拍摄 阿里、京东、美团混战外卖，争的从来不是餐饮配送的“钢镚”，而是即时零售这个万亿级蛋糕。蒋凡预计，未来3年内，闪购和即时零售将为平台带来1万亿元的交易增量。 与之同步的是围绕淘宝便利店、高德扫街榜、淘宝大会员打通盒马等业务的先后落子。 阿里电商在出牌，但不再是疲于应付，而是按照自己的节奏。 或许此刻，蒋凡才有足够的底气和动力，将淘宝闪购和饿了么捏合在一起，来继续推进更大的牌局，即阿里电商平台持续向大消费平台转变。 纵观蔡崇信、吴泳铭治下的阿里，其在核心电商业务的战略布局很明确，就是要打造一个多元业务协同贯通的全域大消费平台。无论是电商、即时零售、本地生活业务，都在加速融入阿里“大消费”的全盘谋划之中。 直接操盘手就是蒋凡。在他的操盘下，一个全新的“淘宝”正在被重构。 当然，这个“淘宝”也不是没有根基。马云在2016年的云栖大会上对“电商”行业未来做出过预判： “纯电商时代很快会结束，未来的十年、二十年，没有电商一说” “线上线下+现代物流，才能诞生真正的新零售” 事实上，即时零售的内核还是过去阿里提倡的新零售概念，本质还是零售业务在线上线下的深度融合。比如，刘强东归来后，京东着力打造的全渠道一体化模式——主要以布局线下自营京东Mall和七鲜美食MALL为载体——试图重塑消费体验。 蒋凡认为时机到了，也沿着马云的这个“预判”，将远近场电商融合，统一品牌，真正实现“一个阿里、一个淘宝、一个消费平台”。 他的挑战则是，如何保持战略定力，并在庞大的阿里体系内，持续强化自己的权柄。 于是，饿了么App改名，骑士换装也就不是事情本身这么简单，更大的动作是，饿了么后撤一步，成为阿里大消费平台履约的基础设施。 对于饿了么的战略重要性，蒋凡在8月份的财报电话会上也讲过，这几年饿了么确实取得了很多进步，但这些进步不一定体现在市场份额上，而是基础能力建设，饿了么与淘宝的整合为阿里投资远近场结合提供了坚实基础。 所以，饿了么并不是消失，只是换了个角色，继续送货——只是这次，送的是整个淘宝。 这也是饿了么融入阿里体系最大的价值。

凤凰网科技讯 11月7日，今年双11电商大促第一周期数据出炉，服饰品类在降温趋势和新品激励下实现强劲增长。据久谦中台数据显示，在第一阶段主要平台服饰成交额中，淘宝天猫占比高达57.5%，市场份额居全网首位，同期抖音和京东占比分别为26%和17%。易观分析的报告亦指出，淘系服饰成交规模占比超五成，并以15.8%的增速领跑行业，显示出在核心品类的领先地位。 久谦中台消费《双十一大促首阶段分析｜数据》 易观分析《2025年“双11”大促第一周期观察》 市场需求在10月20日晚8点开卖后迅速释放，优衣库、波司登、百丽、蕉内等多个知名品牌成交额接连破亿。降温成为服饰销售的重要推力，双11第一周期，天猫服饰商家累计售出超1000万件冬季羽绒服，羽绒服、保暖家居服及雪地靴等品类均录得双位数高增长。其中，羽绒服品牌雪中飞成交同比超70%，鸭鸭成交同比超60%。 消费趋势显示，消费者在今年双11更趋理性，注重产品品质与价值。为应对这一变化，天猫强化了对新品和原创设计的扶持，第一周期服饰上新超48万款。优质供给带动了新商家的爆发，数据显示，首次参与双11的服饰新商家成交确收金额同比增长超200%。跨界新品牌表现亮眼，如数码博主潘天鸿创立的STORMCREW飓乐部，入驻天猫不到一月即登顶男装新锐品牌TOP1；蒲熠星创立的LOGICAT也跃居潮流品牌头部。 此外，中国设计师品牌在本次双11中也集体迎来爆发。包袋品牌songmont开卖10分钟成交即破千万，裘真、个乐等品牌在直播和店播渠道也实现了60%至100%的同比增长。以这些品牌为代表的“中国轻奢”正凭借原创设计和高品质产品，获得了更多市场认可，显示出国内服饰品牌从制造向审美定义的转变。

IT之家 11 月 7 日消息，据游戏媒体 4Gamers 今天报道，Cygames 今天发布声明，宣布与科乐美就《赛马娘 Pretty Derby》相关专利诉讼达成庭外和解，让这场持续两年的法律战落下帷幕。 作为参考，《赛马娘 Pretty Darby》游戏最初上线于 2021 年 2 月，但科乐美在 2023 年对 Cygames 提起诉讼，认为这款游戏存在侵权行为，要求 Cygames 赔偿 40 亿日元（IT之家注：现汇率约合 1.86 亿元人民币）。 不过科乐美并没有详细说明《赛马娘 Pretty Darby》游戏侵犯了哪些专利，但部分玩家认为这款游戏的养成玩法与科乐美《实况野球》的“成功模式”存在相似之处，因此可能是触犯了《实况野球》相关专利。 ▲ 《实况野球》的“成功模式” Cygames 在 2023 年回应道，虽然公司有意针对此事作出处理，但双方最终没有达成共识，因此只能诉诸法律途径，认为《赛马娘 Pretty Derby》并未侵犯科乐美方任何专利。 不过这两家公司在今天达成和解，Cygames 在声明中表示，他们确信游戏没有侵犯任何专利，不过基于尽快化解争端和争取让玩家持续安心长久享受游戏的立场，他们决定与科乐美达成和解，但具体条件和金额有保密协议约束，因此恕不公开。

这是一个人类 AI 群星闪耀时的时刻——黄仁勋、李飞飞、杰弗里·辛顿（Geoffrey Hinton）、约书亚·本吉奥（Yoshua Bengio）、杨立昆（Yann LeCun）、比尔·戴利（Bill Dally），罕见同台参与同一个圆桌讨论 AI。之所以能聚在一起，是因为他们六人获得了 2025 年伊丽莎白女王工程奖。当地时间 11 月 5 日，六人在围绕该奖项的一场英国 AI 活动上进行了一场圆桌对谈。 图 | 从左到右：诺贝尔奖得主杰弗里·辛顿（Geoffrey Hinton）、图灵奖得主约书亚·本吉奥（Yoshua Bengio）、图灵奖得主杨立昆（Yann LeCun）、英伟达 CEO 黄仁勋、美国斯坦福大学教授李飞飞和英伟达首席科学家兼高级副总裁比尔·戴利（Bill Dally）（来源：https://www.ft.com/content/5f2f411c-3600-483b-bee8-4f06473ecdc0） 对谈中，他们六位针对当前 AI 发展是否存在泡沫发表了自己的观点，同时均认为 AI 将逐渐接近人类智能。 黄仁勋表示过去的软件本质上是工具，是首次被人们使用的自动化手段。而 AI 是增强人类能力的智能，因此它关乎劳动、关乎工作，并且它确实在发挥着实际作用。在黄仁勋看来，人类正处在智能构建的起步期。并指出一个基本事实是，目前 AI 还未普及到大多数人。他认为在不久的将来，我们日常的几乎所有行为，在一天中的每时每刻，都会以某种方式与 AI 相伴。这意味着，人类需要完成从今天使用率尚低、到未来使用率几乎不间断的巨大跨越，而这背后的扩展工程是显而易见的。 李飞飞指出，AI 还是一个非常年轻的领域。即便对比现代物理学，AI 的历史也不足七十年，从艾伦·图灵（Alan Turing）算起也才七十五年左右。所以，前方还有太多新领域等待出现。她认为，机器的某些能力将超越人类智能，而另一些机器智能则永远不会与人类智能趋同或等同。因为它们的设计初衷就与人类不同，是为不同的目的而生的。 辛顿认为假如问他“与机器进行辩论，它需要多久才能永久性地胜出”这个问题，他认为这必定会在二十年内成为现实。人类目前尚未达到这一水平，但辛顿认为在二十年内必将实现。但他同时指出，如果将 AGI 定义为在辩论中总能胜过人类，那么人类很可能在不到二十年的时间内达成这个目标。 约书亚认为人类不该继续使用“大语言模型”这个称呼，因为它们的功能已远超语言范畴。并指出人类无法预言未来几年或十年的具体技术样貌，但趋势是可以把握的。为此，约书亚认为人类应当保持一种真正的不可知论立场，避免做出过于夸张的断言，因为未来的可能性是开放且多样的。他还表示目前自己正着手联络国际专家，共同追踪 AI 的进展、方向、潜在风险以及应对之道。 Yann LeCun 认为 AI 泡沫确实存在——它体现在一种信念上，即认为当前的大语言模型范式将被直接推升至人类水平智能。在人类造出真正具备人类所观察到的（不仅是人类，还包括动物）那种智能的机器之前，人们还需要取得一些根本性的突破。 作为英伟达的首席科学家，Bill Dally 指出 AI 应该填补人类能力的空白。人类识别不了 22,000 种物品，大多数人也解决不了那些甲基双性问题，这些就可以交给 AI 来做。当人类能腾出精力，去从事那些更具人性特质的工作：比如创造、共情，以及人际互动。 图 | AI 群星闪耀时：六位 AI 领军人物进行圆桌访谈（来源：https://www.ft.com/content/5f2f411c-3600-483b-bee8-4f06473ecdc0） 以下为对谈实录，DeepTech 做了不改变原意的编辑： 六人畅谈人生关键时刻 主持人：各位好，无论您身处下午还是早晨。我很高兴能受托介绍围坐在这张桌旁的杰出人物们，在我看来他们是当今世界上最为出色、也最具影响力的六位人物。并且，我认为这绝非夸大其词。他们就是 2025 年伊丽莎白女王工程奖的得主。这个奖项正是为了表彰这几位获奖者对当今 AI 技术所产生的独特影响。我希望听听你们每个人的经历：在你们的职业生涯里，有没有那样一个灵光乍现的瞬间，让你感觉从此改变了自己工作的轨迹？那个真正触动你的个人觉醒时刻是什么？它又是怎样影响到这项技术发展的？可以先从你开始吗，Yoshua？ Yoshua Bengio：有两个关键节点让我记忆犹新。第一个是我研究生时期，正苦于寻找一个有吸引力的研究课题。当我读到 Geoffrey 的早期论文时，感觉豁然开朗。我内心非常激动，觉得其中可能蕴藏着像物理学定律一样优美而基本的原则，能指引我们理解智慧的本质，并最终建造出智能机器。而第二个时刻，大概是两年半前 ChatGPT 横空出世的时候。它给了我当头一棒，让我不禁反思：我们到底在做什么？如果我们开发出能懂语言、有自己目标但我们却管不住的机器，会发生什么？如果它们比我们更聪明呢？如果有人滥用这种力量呢？正是这种强烈的危机感，促使我下定决心，彻底扭转了我的研究轨道和职业道路，尽我所能去应对这个问题。 Bill Dally：我和约书亚的经历也有些相似之处。那是在 20 世纪 90 年代末，当时我在斯坦福大学主要在研究如何突破所谓的“内存墙”难题——即从内存中获取数据所需的能耗与时间，远远高于数据计算本身。后来我萌生了一个想法：将计算组织成由数据流连接的核心模块。这样就能在执行大量算术运算的同时，大幅减少对内存的访问。这个思路，实际上为后来被称为“流处理”、并最终发展为 GPU 计算的技术奠定了基础。所以在我们最初构建它的时候，就意识到它不仅能够用于图形处理，更可以应用于通用的科学计算领域。而我的第二个关键时刻，是某次在斯坦福与我的同事安德鲁·安格（Andrew Ang）共进早餐时。他当时在谷歌工作，正利用一项名为“神经网络”的技术，在互联网上寻找猫的图片——而且动用了 16,000 个 CPU。他成功说服了我，让我相信这是一项非常出色的技术。于是，我联合其他人利用英伟达的 48 块 GPU 重现了整个实验。在亲眼见证结果的那一刻，我内心无比坚定：这就是英伟达应该全力以赴的事业。我们必须调整 GPU 的设计方向，使其更好地服务于深度学习。原因很清楚，这项技术的用武之地远不止于在互联网上找猫，它拥有广阔的应用前景，能渗透到各行各业。可以说，正是那个时刻，我们正式启动了将 GPU 深度优化、专门用于深度学习的进程。(编者注：“互联网上找猫”指 2012 年谷歌用 1.6 万 CPU 训练神经网络，让机器从海量视频帧中自主识别出猫脸，后成为深度学习里程碑事件。） 主持人：具体是在什么时候？又是指的什么事情呢？ Bill Dally：那次早餐是在 2010 年。如果我没记错，我们是在次年，也就是 2011 年重复了那个实验。 主持人：Geoffrey，轮到你给我们讲讲了。 Geoffrey Hinton：对我来说一个非常关键的时刻发生在大约 1984 年。当时我尝试运用反向传播算法，让模型学习预测一个单词序列中的下一个词。这本质上是一个小型语言模型。实验发现，这个模型能够自主学习到一些关于词语含义的有趣特征。也就是说，仅仅输入一串符号序列，它就能依据某种内部规律，学习如何将单词转换为一组特征。这组特征不仅能捕捉单词的语义，还能通过特征间的相互作用，来预测下一个单词的特征表现。事实上，这个在 1984 年末构建的小型语言模型，我认为它就是当今大语言模型的雏形。其核心原理是相通的。尽管它规模很小，训练量也只有 100 次，但已经揭示了基本范式。 主持人：然而，我们却历经了整整四十年，才最终实现今天的突破。 Geoffrey Hinton：是的，我们愣是花了四十年才走到这儿。原因很简单：那时候要算力没算力，要数据没数据，而且我们压根没意识到这个问题。我们当时怎么也想不通，为什么光靠那个好点子，就是行不通。 主持人：这番回顾也让我们自然而然地想到了黄仁勋。正如刚才所说，我们曾长达四十年受限于计算能力的匮乏。而如今，恰是您正在亲手解决这个问题。能否请您和我们分享一下，在您这段旅程中，那些让您豁然开朗的关键时刻？ 黄仁勋 ：就我的职业生涯来说，我是第一代能够运用更高级别的抽象表达和设计工具来设计芯片的工程师。这一背景，让我对软件开发的新趋势非常敏感。 大约在 2010 年，我几乎同时接触了来自加拿大多伦多大学、美国纽约大学和斯坦福大学三个不同实验室的研究。他们不约而同地向我展示了一种后来被证明是深度学习早期的技术——即利用框架和结构化设计来创建软件，并且该软件被证明极其高效。这引出了我的第二个发现：通过再次使用框架、更高层次的抽象以及像深度学习网络这样的结构化模式，我们就能开发出强大的软件。我意识到，设计芯片与构建这些模式非常相似。当时我就在想，我们或许能创造出一种软件和能力，它能像过去几十年芯片扩展那样，持续地进化与发展。 主持人：您认为芯片助力大语言模型规模化发展的关键转折点在什么时候？毕竟您提到的 2010 年，距今已相隔十五年了。 黄仁勋：英伟达架构的核心优势在于：一旦一个算法能在单个 GPU 上高效并行运行，那么它就能几乎无碍地扩展到多个 GPU、多个系统，乃至多个数据中心。其内在逻辑是相通的。当我们意识到能够有效地实现这种扩展后，问题的关键就变成了：我们究竟能将这种能力推向多远？我们拥有多少数据？网络的规模能有多大？模型能捕捉多少维度？最终能解决何种复杂的问题？正是在那个阶段，我发现深度学习的核心价值已由模型的有效性所证明，这无疑是一个巨大的亮点。而此后的大部分工作，本质上都属于工程上的延伸与拓展。 主持人：飞飞，跟我们讲讲你的重要时刻。 李飞飞：我也有两个关键时刻想分享。大约在 2006 到 2007 年间，我正从博士生转变为年轻的助理教授。作为第一代专注于机器学习的博士生，我阅读了 Yoshua 和 Geoffrey 等学者当时的论文，并深深着迷于解决视觉识别问题——即让机器理解日常图片中物体含义的能力。我们当时一直受困于机器学习代码的泛化问题：模型在学习了有限数量的样本后，能否成功识别出全新的、从未见过的样本？我尝试了从基础网络、支持向量机到神经网络等各种算法。最终，我和我的学生意识到，缺失的关键要素是数据。我们观察到，如同人类这样的智能生物，在早期发展阶段都经历了海量数据的洗礼，而我们的机器却处于数据匮乏的状态。于是，我们决定在当时做一件看似疯狂的事情：花费三年时间，创建一个互联网规模的数据集。这个数据集包含了由全球互联网用户手工标注的 1,500 万张图像，涵盖 22,000 个类别。因此，对我而言，那个顿悟的时刻就是认识到：是大数据在驱动机器学习的未来。 主持人：而如今，它已成为所有算法模型的基石。 李飞飞：没错，这如今已成为 AI 规模化定律的一部分。我的第二个顿悟时刻发生在 2018 年。当时我担任谷歌云的首位 AI 首席科学家，我们的工作涵盖了从医疗保健、金融服务到娱乐、制造，乃至农业与能源等所有垂直行业。在所谓的“Alex 瞬间”图像以及 AlphaGo 出现几年之后，我正是在那时意识到了关键问题。在担任谷歌首席科学家期间，我认识到这项技术的影响力将达到“文明级别”，它会触及每个人和所有行业。面对人类迈向 AI 时代的历史进程，我们必须思考：什么样的指导原则能让我们在大力创新的同时，确保这项强大的技术最终能造福所有人？这个想法促使我重返斯坦福任教我们随后创立了以人为本人工智能研究院（HAI，Stanford Human-Centered AI Institute），其核心就是构建一个框架，将人性和人类价值放回技术进步的中心。（编者注：李飞飞所提到的“Alex 瞬间”指的是一个名为 AlexNet 的深度卷积神经网络在 2012 年的 ImageNet 图像识别竞赛中取得了远超传统方法的成绩，准确率实现巨大突破。） 主持人：所以，我们既要发展技术，也要审视其影响并思考未来走向。这正是我们大家发挥作用的地方。 您（Yann LeCun）是否愿意为我们做一个总结？请不必客气，尽情讲讲吧。 Yann LeCun：早在本科时期，我就对广义智能领域中的 AI 问题非常着迷，并发现 20 世纪五六十年代的研究者，其核心工作是“训练”机器而非“编程”机器。这个想法让我深深入迷，或许是因为我自觉不够聪明或不够勤勉，无法从零开始直接构建出一台智能机器。那么，最好的方式岂不是让机器能够自我训练、自我演进？这不正如同生命体中智能的构建方式吗？它是自组织的。因此，我觉得这个概念极具吸引力，但当时却找不到志同道合的人。我从工程专业毕业，一直在从事一些低成本设计，同时也计划攻读研究生。我始终找不到任何从事相关研究的人，但与一些对此感兴趣的人保持着联系，例如他们发现了 Geoffrey 的论文。到了 1983 年我开始读研时，他已成为我最想见到的学者。最终，我们在两年后得以见面。我们 1985 年一起吃了顿午饭，基本上是一见如故，聊得非常投机。当时我在一个他做主旨报告的会议上发表了一篇法文论文，而他居然成功读懂并理解了我文中的数学内容——那篇文章讲的是一种用于训练多层网络的传播方法。要知道，从 20 世纪 60 年代开始，大家就清楚一个局限：我们没法训练多层模型。这成了我那时心心念念要解决的问题，后来也变成了他的执念。之后我写了一篇提出解决方案的论文，他读懂了里面的数学。我们就是这样结缘并开始合作的。 主持人：而这正是让你踏上这段旅程的原因。 Yann LeCun：确实如此。因此，当你掌握了训练此类复杂系统的能力后，自然会思考下一个问题：如何构建它们，使其能够执行识别图像等有实际意义的任务。早在 20 世纪 80 年代末我担任博士后期间，我和 Geoffrey 曾有过一场辩论。我当时认为，唯一可行的路径是经过精心设计的、在监督学习范式下运行的机器学习。即你向机器展示一张图片，并告诉它正确答案。但他对此表示反对，他认为要想取得真正的进展，就必须超越监督学习。有段时间，我并未充分重视这个观点。直到 2000 年代中期，当我和 Yoshua 开始合作，并致力于重新唤起学界对深度学习的兴趣时，我们实际上是将重点押注在了无监督学习等相关方向上。 主持人：它本质上是一个自我强化的过程。 Yann LeCun：这并非强化学习。它的本质是从结构化数据中发现规律，而无需针对任何特定任务来训练机器。自然语言模型虽然被训练来预测下一个单词，但这本身并非一个真正的任务目标。这只是系统为了学习一种优质的数据表征，或者说为了捕捉数据内在规律所采用的一种方式。 主持人：系统里面有没有一个东西在管着它？抱歉我得说得专业点，就是有没有一个根本的机制，能判断它现在这样跑是对的，好让它一直保持在正轨上？ Yann LeCun：如果你能正确预测出下一个单词，那么这本身便证明了预测的正确性。 Geoffrey Hinton：所谓强化学习里的奖励，打个比方，就像是你对系统说“干得漂亮”一样。 Yann LeCun：说实话，这得“归咎”Geoffrey。如你所知，飞飞构建了大型标注数据集 ImageNet，这使得我们可以采用监督学习来训练系统。而实际结果是，这个网络的性能远超我们预期。于是，我们当时便暂时搁置了整个关于自监督学习的项目计划，因为监督学习的方法已经表现得如此出色。当然，我们也琢磨出了一些提升性能的小技巧。但在某种程度上，我们确实引导了整个行业和研究界将重心放在了深度学习、监督学习等方向上。直到几年后，大约在 2016、2017 年左右，大家才意识到这无法达成我们的终极目标，并开始转向自监督学习。是的，这确实是说明范式转变的一个绝佳例证。而我们当前的工作，是将其应用于视频、传感器数据等新型数据。然而，像自然语言模型这类架构在处理此类数据上其实并不擅长，这将是未来几年我们面临的新挑战。 AI 泡沫是否存在？ 主持人：这正好将我们引向了当前的情势。我想大家都观察到一个现象：以前对 AI 完全不关心的人，现在都兴致勃勃。一时间，所有人都涌向这个领域。它早已超越技术革新本身，演变成了一个巨大的商机，甚至成为了大国博弈的战略焦点。每个人都在努力探究其真正本质，围绕着它不断思索。我此刻首先想请教黄仁勋，也希望在座各位都能审视一下此刻：特别是英伟达，它几乎天天占据新闻头条，并且成为了全球最有价值的公司。这说明市场存在着真实的需求。 您是否忧虑，我们正走向一个因普遍理解不足而过于急躁的阶段，最终会导致泡沫破裂，经历一番调整后才能恢复正常？如若不然，与当年的互联网泡沫相比，如今人们对 AI 需求最显著、也是最未被理解的差异到底是什么？ 黄仁勋：在互联网泡沫时期，铺设的绝大多数光纤都被闲置，这意味着行业的供给远远超过了实际需求。而如今，几乎每一块能找到的 GPU 都在全负荷运行。因此，我认为退一步理解“AI 究竟是什么”至关重要。对许多人而言，AI 就是 ChatGPT 或图像生成，这没错，但这些都只是它的具体应用。过去几年，AI 取得了巨大进步，它不仅能够记忆和归纳，更具备了推理与有效思考的能力，并能通过研究来确立观点。它现在可以生成答案，完成更有价值的任务，效果也出色得多。此外，那些能构建对其他企业有用工具的公司，例如我们正在使用的 Cursor 等 AI 编程软件公司，它们盈利能力很强，我们也大量使用其产品。在医疗健康等领域，AI 也显示出极大的效用。AI 的能力已经实现了质的飞跃。其结果是，我们正同时目睹两个指数级变化：一是生成答案所需的计算量急剧增加，二是这些 AI 模型的使用量本身也在指数级增长。这两条指数曲线对计算资源构成了巨大需求。现在，当你退后一步，会从根本上追问：今天的 AI 与过去的软件行业有何本质不同？过去的软件是预先编译好的，且所需的计算量不大。但为了让 AI 发挥作用，它必须具备上下文感知能力。目前它已能产生智能，而你无法提前制作并储存这种智能——那被称为“预制内容”。智能必须实时产生。因此，我们所在的这个行业，要生产高需求且真正有价值的产品，所需的计算量是空前巨大的。我们在一个需要“工厂”的行业中创造价值。这就是为什么我常提醒自己：AI 需要工厂来生产这些“智能标记”。这是前所未有的情况，计算机本身成为了工厂的核心。我们需要投入数千亿美元来建设这些工厂，以服务于未来价值数万亿美元的产业。回顾过去的软件，它们本质上是工具，是首次被人们使用的自动化手段。而 AI，是增强人类能力的智能。因此，它关乎劳动，关乎工作，并且它确实在发挥着实际作用。在我看来，我们正处在智能构建的起步期。一个基本事实是，目前 AI 还未普及到大多数人。可以预见，在不久的将来，我们日常的几乎所有行为，在一天中的每时每刻，都会以某种方式与 AI 相伴。这意味着，我们需要完成从今天使用率尚低、到未来使用率几乎不间断的巨大跨越，而这背后的扩展工程是显而易见的。 主持人：假设大语言模型的进展放缓，您认为 GPU 和您打造的基础设施，是否仍能适应新的技术范式并保持其价值？您回答之后，我也非常希望听到在座其他人的想法。 黄仁勋：大语言模型属于 AI 技术的一部分。但 AI 的范畴是包含各类模型系统的广阔天地，大语言模型只是其中一个重要的成员。现在已经有了一些模型系统和必要的技术，可以让 AI 从现在的样子变得更具生产力，或者说让它更“能干”。无论我们给它起什么名字，未来都还有大量的技术等待我们去探索和开发。 主持人：在座各位谁有想说的？ Yoshua Bengio：我认为我们不该继续使用“大语言模型”这个称呼，因为它们的功能已远超语言范畴。是的，它们确实从语言模型起步，预训练是其基础。但最近，技术在质上有了飞跃，正朝着“智能体”的方向发展：能够通过多轮对话，与环境、与人实时互动，完成目标，甚至与底层计算设施深度交互。它和三年前完全不可同日而语。我们无法预言未来几年或十年的具体技术样貌，但趋势是可以把握的。为此，我正着手联络国际专家，共同追踪 AI 的进展、方向、潜在风险以及应对之道。现在，许多基准测试的趋势已经清晰可辨。过去的技术验证非常成功，但这不代表未来没有挑战。期望落空会带来金融风险，这一点我承认。但从长远发展来看，我完全同意其重要性。不过，我们仍需保持清醒。 主持人：那么，目前在座的其他人怎么看？ Bill Dally：当前的趋势在一定程度上解释了现状。首先，模型正变得越来越高效。以注意力机制的演进的为例：从普通注意力到分组查询注意力，再到多头注意力...... 如今人们可以用少得多的计算成本，获得相同甚至更优的效果。这从某种程度上催生了新的需求：许多曾经因成本过高而无法实现的应用，现在变得足够便宜，从而使得 AI 能够涉足更广泛的领域。与此同时，AI 模型本身的能力也在持续进步。或许它会随着 Transformer 架构的优化而提升，或许会有全新的架构出现。但技术发展的方向是明确的：我们必将拥有能力更卓越、且同样高效的模型。实际上，它们比那些功能专一的方案更有价值，因为它们更灵活，也能更好地随着模型一起进化。最关键的一点是，我认为我们对 AI 的应用探索还只是冰山一角。人类生活的几乎每一个角落，无论是职业生涯还是日常琐事，都能借助 AI 变得更好。我想，我们可能连它最终需求的 1% 都还没碰到。随着 AI 不断进步，应用场景只会越来越多。所以，我认为这里根本谈不上泡沫。就像黄仁勋说的，我们正描绘一条多重指数增长的曲线，而现在仅仅是开端，这条路会一直延伸下去。 主持人：在某种程度上，英伟达对此已经适应了。因为无论范式如何变化，涌现出何种新型 AI 或架构，那些最核心的硬件构件始终是需要的。飞飞有什么想说的吗？ 李飞飞：我的确认同从市场层面来看，它有其自身规律，有时会自我修正。但如果我们关注长期趋势，必须意识到 AI 还是一个非常年轻的领域。我们环顾这个房间，墙上写有物理学方程。物理学已有四百多年历史。即便对比现代物理学，AI 的历史也不足七十年，从艾伦·图灵（Alan Turing）算起也才七十五年左右。所以，前方还有太多新领域等待出现。我们知道，黄仁勋常谈及大语言模型和智能体，它们大多以语言为核心。但即便反思人类智能本身，能力也远不止语言。我一直关注空间智能，它研究的是感知与行动的结合。在此方面，人类和动物展现出的感知、推理、互动和创造力，远超语言所能涵盖的范畴。今天最顶尖的语言或大语言模型，在基础空间智能测试中依然表现不佳。由此可见，作为一门科学与学科，我们面前还有广阔的疆域需要征服和探索。这也意味着，未来将开启更多样的应用可能性。 主持人：您（Yann LeCun）在公司任职，所以同时拥有研究和商业的双重角度。您是否相信这一切 AI 发展现状都是合理的，并且能看得明白其背后的根源？还是觉得我们正面临一个不确定的十字路口，必须找到新的方向？ Yann LeCun：我认为有几种观点支持我们并未处于泡沫之中，但至少也存在一种观点认为我们正身处泡沫。这确实是另一个需要探讨的问题。从某种角度说，结局并非注定。因为基于大语言模型，尚有大量应用有待开发。大语言模型是当前的主导范式，其中蕴含着巨大的潜力可供挖掘。这正是 Bill 所提到的——利用现有技术改善人们的日常生活。技术需要被推动，这也证明了在软件和基础设施方面的所有投入是合理的。一旦我们让智能助手普及到每个人手中，正如黄仁勋所言，为如此庞大的用户群提供服务所需的计算量将是天文数字。因此，从这个层面看，这些投资并未被浪费。然而，从另一种意义上说，泡沫确实存在——它体现在一种信念上，即认为当前的大语言模型范式将被直接推升至人类水平智能。我个人并不相信这一点，在我们造出真正具备我们所观察到的（不仅是人类、还包括动物）那种智能的机器之前，我们还需要取得一些根本性的突破。举例来说，我们甚至还没有像猫一样聪明的机器人，对吧？因此，我们仍然缺失某些关键的东西。这正是为什么 AI 的进步不能仅仅依靠更多基础设施、更多数据、更多投资和现有的 Python 开发。实际上，这是一个科学问题，关乎我们如何朝着下一代 AI 取得突破。 用“年”给出对于 AGI 的预估 主持人：能否请你们每一位都谈谈：在你们看来，我们还需要多久才能达到你们所坚信的那个阶段——即创造出与人类、甚至与章鱼这类高智能动物相当的机器智能？我们距离这个目标究竟有多远？请用“年”来给出你们的预估。 Yann LeCun：这不会是一场短暂的运动。因为各项能力将在不同领域中以渐进的方式逐步拓展。 主持人：您预计在什么时间段内？ Yann LeCun：或许在未来五到十年内，我们能在技术上取得一些实质性突破，从而催生出一个全新的范式。但随之而来的商业应用与公司层面的发展，其进程可能要比我们预想得更为漫长。 李飞飞：机器的某些能力将超越人类智能，而另一些机器智能则永远不会与人类智能趋同或等同。因为它们的设计初衷就与人类不同，是为不同的目的而生的。 主持人：预计何时启动机器替代人类的进程？ 李飞飞：其中的一部分能力已经成为现实。试问，我们当中有多少人能够识别出世界上的 22,000 种物体呢？而 AI 可以。试问，有多少成年人能翻译 100 种语言？而 AI 可以。因此，我认为我们的思考应当更加细致入微，并且必须立足于科学事实——正如飞机能够飞行，但其飞行方式与鸟类有着根本区别。基于机器的智能必将发挥诸多强大的作用。但在人类社会的框架内，人类智慧的价值始终是核心且不可替代的。 主持人：黄仁勋，你有什么想说的吗？ 黄仁勋：我们已拥有足够的通用智能，可以在未来几年将这项技术转化为大量有益于社会的应用。从现在开始，我们的重点是利用技术去攻克众多重大难题。我认为我们已经具备了基础能力。所以，我认为当前的局限性无关紧要。 主持人：正因如此，现在才是时候，没错。 Geoffrey Hinton：如果您将问题稍微具体化一些，设定为“与机器进行辩论，它需要多久才能永久性地胜出”，我认为这必定会在二十年内成为现实。我们目前尚未达到这一水平，但我可以肯定地预见，在二十年内必将实现。因此，如果您将“AGI”定义为在辩论中总能胜过人类，那么我们很可能在不到二十年的时间内达成这个目标。 Bill Dally：我们的初衷并非是要打造一个能取代人类或超越人类的 AI。 主持人：但这本质上是一个科学问题。其核心意图并非是要取代人类。真正的问题是：我们作为一个社会整体，是否具备创造出这种事物的能力？ Bill Dally：我们的宗旨是创造能增强人类能力的 AI。换句话说，我们是想让 AI 去填补人类能力的空白。人类识别不了 22,000 种物品，大多数人也解决不了那些甲基烷基化问题，这些就可以交给 AI 来做。其目的是让人类能腾出精力，去从事那些更具人性特质的工作：比如创造、共情，以及人际互动。至于 AI 自己能否做到这些，我认为还尚不确定。但它无疑可以成为人类的得力助手。 Yoshua Bengio：在这一点上我持有不同看法。我认为，没有根本性的理由能证明我们在未来无法创造出能够完成人类几乎所有工作的机器。当然，目前在空间感知和机器人技术领域，它确实相对滞后，但从理论层面看，不存在我们无法实现这一目标的障碍。所以，在具体的时间线上，我认为存在着巨大的不确定性，我们的规划应充分考虑这一点。但我注意到一组非常有意思的数据：过去六年中，AI 系统在不同时间跨度上进行规划的能力正呈指数级快速增长。如果这一趋势得以延续，大约五年后，AI 将能够胜任普通员工在岗位上的大部分工作。需要明确的是，这仅仅是工程任务中的一个类别，还有许多其他至关重要的方面。例如，一个可能改变游戏规则的动向是，许多公司正致力于开发“由 AI 主导 AI 研究”的能力——即让 AI 进行工程、计算机科学的研究，并设计下一代 AI 系统，这其中可能就包括对机器人技术和空间理解能力的改进。我并非断言这一定会发生，但 AI 在编程和算法理解方面的能力正在飞速提升，这可能会解锁许多我们目前尚无法预见的可能性。因此，我们应当保持一种真正的不可知论立场，避免做出过于夸张的断言，因为未来的可能性是开放且多样的。

IT之家 11 月 7 日消息，上海哔哩哔哩科技有限公司 10 月 31 日发生工商变更，陈睿卸任总经理、财务负责人职务。 此前，陈睿已卸任上海宽娱数码科技有限公司、幻电科技（上海）有限公司法定代表人、执行董事职务。 股权结构显示，上海宽娱数码科技公司仍由陈睿全资持股，幻电科技公司由香港幻电有限公司全资持股。 针对卸任法定代表人一事。B站曾回应称，关联公司法定代表人变更跟公司经营乃至权力关系无关，陈睿在公司的核心管理职务未发生变化。 IT之家查询B站投资者界面，陈睿自 2014 年 11 月起担任该公司董事会主席兼首席执行官。加入B站前，陈睿曾联合创立了猎豹移动。2009 年，陈睿创立贝壳网络安全有限公司，并于 2009 年至 2010 年担任首席执行官。在此之前，陈睿曾于 2001 年至 2008 年担任金山软件有限公司互联网安全研发总经理。

快科技11月7日消息，2025福布斯中国内地富豪榜今日正式发布，农夫山泉创始人钟睒睒连续第五年蝉联榜首。其财富增长263亿美元，达到771亿美元，是身家金额增长最多的富豪。 字节跳动联合创始人张一鸣身家增长237亿美元，以693亿美元的财富值跃升至第二位。 腾讯董事会主席马化腾的财富增长超三分之一，达到628亿美元，但排名滑落至第三位。 小米集团创办人、董事长、CEO雷军在榜单中排名第七，财富368亿美元，力压马云的310亿美元。 今年八位新上榜富豪中，身家最高者为深度求索（DeepSeek）创始人梁文锋，他以115亿美元的身家位列第34位。 随着市场对更多刺激政策预期升温，各大股市普遍走强，推动众富豪身家上涨。榜单中三分之二的富豪身家实现增长。 以下为详细榜单：

摘要：Iron此次之所以引发讨论，在于其首次采用了骨骼、肌肉和皮肤三位一体的仿生结构，具有82个关节，整体设计追求极致的真实感，相比于宇树等机器人，至少从视觉呈现上少了不少机械味。 凤凰网科技 出品 作者｜Dale、姜凡 编辑｜董雨晴 机器人里面到底有没有真人？一个心知肚明的问题这几天竟在社交网络上掀起了热议。 起因是小鹏新一代Iron人形机器人在自家的科技日上惊艳亮相。由于她行走的姿态过于逼真，甚至比真人更显“妖娆”，很快便引发网友争论。有人用调侃的语气称“不是真人”，但也有不明真相网友诚实表达：“感觉就是一个真人在努力扮演机器人。” 很快，评论区就“是不是真人”吵了起来。还有业内人士感慨，“没想到真有人以为是真人啊”？ 当日中午，小鹏汽车董事长何小鹏被内部“逼迫”着拍摄了一段未经剪辑的视频回应，直接剪开了Iron的衣服和皮肤。在一条“100%是真人”的评论中，何小鹏回复表示：“感谢认可”。 但这场讨论仍在持续。11月6日晚间，何小鹏再发视频强调：“希望这是最后一次证明IRON机器人是它自己。也希望从今晚开始，更多人愿意相信，能走出猫步的机器人，是中国企业造出来的。感谢所有支持我们的鹏友，路还长，我们继续踏实向前走。” 实际上，小鹏也是第一次在机器人通电运行的状态下，用剪刀剪开其腿部“皮肤”与“肌肉”，向公众展示其内部的机械结构。也有不少网友称，从另一个角度看，也许正是因为中国企业制造的机器人，已经超出了许多人对机器人能力的传统“认知”，才会出现今天戏剧化的一幕。 凤凰网科技了解到，11月7日，马斯克本人点评了小鹏Iron机器人，其表示“特斯拉和中国公司将主导市场。我非常尊重中国的竞争对手，中国有很多聪明、勤奋的人。” 那么，中国企业制造机器人的技术，究竟已经走到了哪一步？ 真人争议虚实 Iron此次之所以引发讨论，在于其首次采用了骨骼、肌肉和皮肤三位一体的仿生结构，具有82个关节，整体设计追求极致的真实感，相比于宇树等机器人，至少从视觉呈现上少了不少机械味。再加上妖娆的猫步，在国内机器人行业并不多见，一下子引爆了舆论。 实际上，在大众关注到Iron之前，小鹏机器人早已在业内被注意到。 今年4月，小鹏初代Iron机器人在上海车展首秀之时，便有国内头部人形机器人企业员工颇为兴奋地向凤凰网科技表示，“我们非常好奇，小鹏的步态是怎么实现的？”该人士称，“能看出来关节用的是力控，应该是强化学习算法，但具体的技术实现路径我们非常好奇”。此外，其还对小鹏的基座模型与训练数据来源尤为关注。 机器人赛道常说大脑控制灵魂，小脑控制运动。 据何小鹏在现场介绍，Iron采用的是组合方案，VLT+VLA+VLM高阶大小脑能力组合。在大脑方案上，小鹏披露了一个新的物理世界大模型。 特别需要注意的是，之前行业普遍采用VLA方案，小鹏此次去掉了“语言转译”环节，首次实现从视觉信号到动作指令的端到端直接生成，Iron负责控制运动的小脑采用的就是这个全新的第二代VLA模型。 此外，Iron身上搭载了3颗图灵AI芯片可提供高达2250 TOPS的总算力。 让机器走路像人，看着简单，实际上也是一场极致的平衡术，要兼具性能、成本和商业化实用性。 有人形机器人行业人士对凤凰网科技表示，其对于Iron实现的效果不惊讶，但对于小鹏如何做好平衡更为关注。要知道，这需要机器人有极致的动态平衡和精细的关节控制能力，在行业内属于高成本方案。 就在Iron展出的同时，宇树科技CEO王兴兴也在进博会现场表述，宇树之前也探索过用布料做外壳，唯一的问题是容易坏。 所以，为什么最终只有小鹏可以拿出iron这样的产品？ 何小鹏对凤凰网科技表示，“在智能化方面汽车公司跟机器人有非常多的一致性，在工艺上也有非常多的一致性，怎么把80多个关节做得非常可靠？线束为什么在移动环境不会断裂？动力为什么在摔倒之后不会起火？为什么我们可以用纯视觉感知（技术）做机器人？” 实际上，如果不是跨域的一致性和复用，今天Iron机器人身上还需要带有大量的传感器模块，穿衣服会遮挡这些传感器使得该路线无法落地。在工艺上，Iron也采用了一体化压铸，使机器人更结实更轻量。何小鹏曾介绍，小鹏新一代Iron机器人与小鹏汽车原有的技术栈高度重合。 另据凤凰网科技了解，在硬件层面，目前在行业内仅有特斯拉optimus、开普勒K2以及小鹏Iron采用了一致的结构，即行星传动+螺纹啮合的硬件方案，可以实现高精度的直线运动转换，能量转化损耗低，达到更自然的步态，但相应的，硬件成本也更高。 月量产1000台后，能怎么用？ 为什么要做到高度拟人？ 何小鹏详细阐述过“更拟人”路线的三大优势。首先，真正的智能需由AI驱动，而人类世界是最高质量、最丰富数据的学习来源，一个拟人的身体是理解和学习人类行为的最佳接口。其次，我们的家庭、工厂等环境本就是为人类身形所设计，拟人形态具备天然的环境适应性。最后，亲和感是打开消费市场的钥匙，只有像人，才能引发情感共鸣，从而推动销量，形成规模效应与成本下降的正向循环。 至于像男还是像女，何小鹏对凤凰网科技表示，“人形机器人是男是女不重要，就像你可以买黑颜色的车，也可以买白颜色的车。在第一代机器人里面，我希望完成一个男性、一个女性的机器人，我认为都是需要的”。 另据何小鹏透露，Iron拟人机器人目标是2026年规模量产，计划是最高月产1000台。 不过，这在行业内是极大的挑战。何小鹏告诉凤凰网科技，“我们现在准备投入一个机器人相当自动化的工厂，来确保工艺和高质量，这是非常重要的事情”其也表示，小鹏在此前五六年的时间里，一致认为机器人是“消规”的量产标准，但是后来发现“消规”根本不可靠、不稳定。“如果你用消规的逻辑，甚至用车规的品质去做机器人，你都觉得它不像汽车那么可靠。所以最终我们认为，（机器人的量产和软硬件标准）大部分要车规，少部分要超过车规，才有可能最终做成高质量的机器人”。 一些行业人士认为，小鹏Iron的使用场景也许更多，“比如在卖车的店里面做导览，所以做到高度拟人很好理解”。 何小鹏在回应Iron为什么不专注于跳舞时也透露，Iron会聚焦于导览、导游和导巡，现阶段小鹏关注的是泛化 ，追求的是大规模的商业化落地。 据透露，目前Iron已经进入工厂场景，明年或将考虑进入门店。 但何小鹏也清楚地表示，“有些人说，5～10年之后，人类可能在很多场景下会被机器人取代，但在我看来，这是不可能实现的。”现阶段，小鹏的目标是用一定时间让机器人走入家庭照顾老人、小孩。 特斯拉有了更强劲的对手 回看2022年，人形机器人赛道首登大众视野，还是因为行业里挤入了两名大佬，一个是马斯克，另一个是雷军。 彼时，手举红花的小米“铁大”摇摇晃晃走上台与雷军对话，当时，业内清晰地认识到，小米是对标特斯拉。当时的铁大也仅有19个关节，而擎天柱首次预告的关节数是40个。 仅仅三年时间过去，小米已暂别人形机器人赛道。而“突然”亮相的小鹏，已成为特斯拉的中国对手。 《智能涌现》在援引行业人士采访时曾表示，“论国内人形机器人的水平，小鹏能排前三”。在机器人战略上，何小鹏高度向马斯克看齐。 北京时间11月7日，当马斯克在特斯拉三季度电话会上宣布Optimus设计定型推迟至明年、量产推迟至2026年底时。“将Optimus推向市场是一项极其艰巨的任务，并不是什么轻而易举的事情。” 在过去几年，特斯拉Optimus的进化速度本身，是一场对时代认知的冲击。从无到有，从蹒跚学步到精准作业，其在短短一年内展现出的迭代能力，曾让整个行业都感受到了一种“断裂感”。 2021年8月马斯克正式宣布人形机器人Optimus的概念，2022年亮相原型机，Gen2版本展示的灵活性与拟人化程度已震惊业界。然而，真正的瓶颈恰恰出现在它最引以为傲的部分，那拥有22个自由度、能精细操作的灵巧手。 为实现极致的灵活度，特斯拉选择了腱绳传动方案，并集成了17个微型丝杠和十余个空心杯电机。这套精密系统赋予了Optimus近乎人手般的操作潜力，却也成为了其规模化道路上最脆弱的环节。据了解，单只灵巧手的成本超过6000美元，而使用寿命仅有六周。 腱绳的耐久性、微型丝杠与空心杯电机的寿命，任何一环的缺失都可能迫使特斯拉推翻现有设计。尽管技术挑战严峻，但特斯拉在量产指引上展现了一贯的激进姿态。特斯拉已于今年9月恢复零件采购，开始生产“无手版”Optimus，周产能超过200台。更令人震撼的是，其内部计划在2025年底将年产能拉升至100万台，尽管供应链伙伴对此持保留态度，但普遍认为一年10万台的基础产能已具备雏形。 并且，最新的V2.5版本已在无操控状态下完成流畅舞蹈表演，其搭载的第三代灵巧手通过电机布局优化与传动结构升级（采用微型滚珠丝杠），显著提升了拟人度与操作精度。目前，该版本已在特斯拉总部实现24小时自主行走与充电，并在工厂与办公场所开展多场景实测。 此外，马斯克还在会议上强调，在未来，Optimus将比手机重要。称每个人都会想要“自己的个人R2-D2 (星球大战中的机器人)”。他预计，将会有数百亿台Optimus机器人投入使用，这些机器人将“消除贫困”。 真正的竞赛，其实刚刚开始。在全球人形机器人奔向2026年规模化节点的赛道上，一个深刻的转变正在发生，中国人形机器人公司已不再仅仅是追随者，而是正以技术突破与量产决心，成为赛道上有力的引领者。最终定义这个时代的，可能不是最激进的预言，而是最扎实地落地。