编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 具身智能模型是物理世界的基础模型，独立于、平行于语言模型、多模态模型等虚拟世界的模型。 这一判断背后，首先是对物理世界与虚拟世界本质差异的重新认识。 语言模型和多模态模型所面对的，是高度可复现、低随机性的符号世界；而机器人所处的物理世界，则充满连续性、随机性、不完全可观测性 以及大量与力、接触和时序强相关的过程。 沿用以语言和视觉为中心建立起来的建模范式，本身就存在结构性的错位。 也正因为如此，自变量机器人在实践中选择了一条更长期的路线：不把具身智能当作应用层问题，而是从模型架构、数据范式、推理方式乃至 硬件形态上，系统性地重做一套"物理世界的智能底座"。 为了完整体现王潜的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。 过去一年，具身智能领域反复被问到一个问题：它到底只是多模态模型的一个应用，还是一种全新的基础模型？ 对此， 自变量机器人创始人兼CEO王潜 表示： MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下参会观众近1500人，线上直播观众350万+，获得了主 ...

一水 鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 好一个一吐为快！ 年底就要正式离开Meta的LeCun，这下真是啥都不藏了。 不看好大语言模型能通往AGI，他就言辞犀利地指出： 通往超级智能之路——只需训练大语言模型，用更多合成数据训练，雇佣成千上万的人在后训练中"教育"你的系统，发明强化学习的新 花招—— 我认为这完全是胡说八道。这根本行不通 。 看不惯即将成为"前任"的Meta的封闭作风，他也直言不讳： Meta正在变得更加封闭……FAIR被推动去从事一些比传统上更偏向短期的项目。 而且还顺带剧透，自己将要创办的新公司仍会继续坚持开放。 以上内容来自LeCun最新参与的一档播客节目。在接近两小时的对谈中，他主要回答了： 总结起来就是，不管是在Meta接近12年的研究经历，还是接下来要创办的新公司，抑或是未来想要实现的AGI，通通都在这里了。 为什么硅谷对扩展语言模型的痴迷是一条死路？ 为什么AI领域最难的问题是达到狗的智能水平，而非人类的智能水平？ 为什么新公司选择构建在抽象表示空间中进行预测的世界模型，而非直接生成像素的模型？ …… 人生下一程：创办新公司AMI 告别工作十二年的老东家，Le ...

失忆的巨人 非羊 发自 凹非寺 量子位 | 公众号 QbitAI 从小老师就爱说"好记性不如烂笔头"，那么我们为什么不给有"记忆缺陷"的大模型配一个小本本记上总结归纳的要点呢？ 继著名的"Attention Is All You Need"之后，谷歌新论文再度引爆圈内： 我们可能忽略了AI的"另一半大脑" 。 这篇文章题为 嵌套学习：深度学习架构的幻象 （Nested Learning: The Illusion of Deep Learning Architectures） 在圈内被誉为是"Attention is all you need"V2 你是否曾对AI感到一丝"恨铁不成钢"？你刚刚在对话中详细解释过一个概念，三句话之后它就可能完全遗忘，仿佛从未发生。ChatGPT们上知 天文下知地理，却学不会你今天刚教它的一件小事。 这并非偶然的Bug，而是当前所有大型语言模型 （LLMs） 共同的"先天疾病"—— 数字失忆症 。 为了"治疗"它，过去十年，整个行业几乎只遵循一条黄金定律： 把模型做得更深、更大 。我们不断堆叠Transformer层，追逐万亿参数，相 信"规模即智能"，期待着记忆相关的能力也能" ...

RePro团队 投稿 量子位 | 公众号 QbitAI 这篇论文将推理的过程视为模型内部状态的优化过程，从而对如何重塑大模型的CoT提供了一个全新视角： 核心观察：推理即优化 RePro 基于这样一个核心思想：将模型的推理轨迹 （Trajectory） 看作是在损失曲面上寻找最优解的路径。 然而，"长思考"并非总是完美的。我们常发现模型会陷入 "过度思考" （Overthinking） 的陷阱：为了得出一个简单的结论，模型可能会生成 数千个冗余Token，甚至在错误的路径上反复横跳 （Backtracking） 。这不仅浪费了宝贵的算力，还增加了推理延迟。 RePro的三大"矫正"机制 近年来，随着o1、DeepSeek-R1等模型的爆发，Long Chain-of-Thought （Long CoT） 已成为提升LLM复杂推理能力的标配。 如何让模型在"深思熟虑"的同时，保持"思维敏捷"？ 基于上述视角，RePro设计了一套过程奖励机制，直接嵌入到RLVR （如PPO，GRPO） 流程中。 近日，上海人工智能实验室的研究团队提出了一种全新的后训练范式—— RePro （Rectifying Process- ...

衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 庞若鸣被扎克伯格天价挖去Meta后，谁在执掌苹果大模型团队？ 团队的权力交接，其实比外界想象中要快，也要安静得多。 答案很快浮出水面。接手这支团队的人，是庞若鸣的老搭档： Zhifeng Chen 。 对Zhifeng Chen来说，这算赶上了最好的时候，也算赶上了最坏的时候。 Zhifeng Chen接过的这根交接棒，不可谓不烫手。 Zhifeng Chen是谁？ 这和庞若鸣的职业路径高度相似，都是在谷歌待了十几年，然后转投苹果麾下。 一方面，庞若鸣离开之后，苹果内部一边重组AI权责，一边启动了针对核心研究人员的留人方案，其中 最直接的动作就是涨薪 。 另一方面，如大家所知，在这一波AI浪潮里，苹果的动作无论从成效还是速度来说，都太过不尽如人意。 今年，Zhifeng Chen离开待了19年又7个月的谷歌，加入苹果。 庞若鸣今年夏天离开苹果后，Zhifeng Chen开始直接领导苹果基础模型团队， 直接管理二十多名下属 。 但Chen和庞若鸣两人世界线的最初交集，早在两人加入谷歌之前。 2000年，Chen从复旦大学计算机科学专业毕业，开启了在普林斯顿大 ...

编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 涌现，AI沙场如今兵家争锋所期待出现的「境界」。 自从Scaling Law为模型带来惊人的能力增长后，几乎所有模型厂商都被卷入了一场无止境的FOMO，没人敢停下来。 我觉得大模型最有魅力的地方，在于它是非线性变化，代表着极大的不确定性，但一旦出现性能涌现就将远超想象。 在量子位MEET2026智能未来大会上，清华大学人工智能研究院常务副院长，欧洲科学院外籍院士 孙茂松 如此感慨。 只要算力还能堆、参数还能涨，就不能停止烧钱。 然而，在Scaling的边际成本越来越高的背景下， 万一最后发现这是条死胡同，投入全打水漂了怎么办？ 孙茂松的建议是，可以「致广大」，但更要「尽精微」。 就企业界而言，少数实力极其雄厚的团队，可以尝试在「致广大」方向上继续跟随国际前沿；但绝大多数AI公司，都应该把主要精力放在「尽 精微」上。 为了完整呈现孙茂松的思考，在不改变原意的基础上，量子位对演讲内容进行了整理编辑，希望能提供新的视角与洞察。 MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下参会观众近1500人，线上直播观众35 ...

他的治下， 文远知行 现在是美股港股双料上市的"Robotaxi第一股"。 但与 量子位总编辑李根 的对话中，韩旭对创业8年的评价却出人意料： 我没空看成绩单。 他在忙什么？在 忙300～500万年薪广招英才 、在 忙Robotaxi海外跑马圈地 、在 忙一段式端到端量产的"搏二兔" ： 编辑部 整理自 凹非寺 量子位 | 公众号 QbitAI 时隔六年再次登上 量子位MEET智能未来大会 ， 韩旭 已不再是那个需要向投资人证明"自动驾驶不是骗局"的创业者。 时过境迁，今天确实可以搏二兔了。 但对同样"搏二兔"大搞Robotaxi的特斯拉，他给出了近乎"打脸"的预言； 最近Robotaxi先行者Waymo的估值，已经达到1000亿美元。这也带动行业内"L4公司"遍地开花，对此，韩旭又毫不迟疑划出了不容模糊的技 术壁垒，并直言： "国内真正能纯无人运营的只有三家"。 从L4到L2++，这位亲历行业从"骗局论"走到规模化落地的自动驾驶一线"老兵"，在独家对话中给出了当下自动驾驶的一线洞察，以及未来竞争 的生死线。 从"骗子公司"到无人化规模落地 李根：太高兴了，韩旭又再一次回到MEET智能未来大会，现在成为全球R ...

编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 对企业来说，如何判断大模型究竟是真的有用，还是只是噱头？ 对此， 潞晨科技创始人兼董事长，新加坡国立大学校长青年教授尤洋 给出了他的判断框架： 有三类企业需要行业模型或者私有模型：传统大型企业、有海量数据的中小型企业，以及颠覆行业的新兴公司。 具体落地方面，尤洋给出的判断标准也很明确。 首先， 如果只是业务只涉及日常办公，或主要处理文本数据，没必要上私有模型 。 直接调用现成的大模型API，或RAG+API，足以覆盖大多数需求。 但 如果企业本身拥有海量多模态数据，或对数据隐私有要求，构建私有模型是比较好的选择 。 为了完整呈现尤洋的思考，在不改变原意的基础上，量子位对演讲内容进行了整理编辑，希望能提供新的视角与洞察。 MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下参会观众近1500人，线上直播观众350万+，获得了主 流媒体的广泛关注与报道。 核心观点梳理 大模型的应用肯定不仅限于聊天机器人或者编程助手，未来大模型在千行百业里边落地，才能产生它最大的价值。大模型的价值在很多场 景还没有真正发挥出来。 有 ...

一水 发自 凹非寺 量子位 | 公众号 QbitAI ChatGPT文风奇怪的原因 （俗称AI味儿很浓） 找到了！ 一点进去才知道，原来这位朋友连续精心撰写的好几篇文章都被退稿了，而且理由还都是"太像ChatGPT"。 肯尼亚作家：都是跟我们学的。 就在最近，一位肯尼亚作家的"控诉贴"登上Hacker News热榜—— 我是肯尼亚人。不是我的写作风格和ChatGPT一样，而是ChatGPT写作风格和我一样。 emmm……一想到自己从小接受的教育都是"文章必须像一座完美的大厦"、"你必须展现丰富的词汇量"，而现在却被误认为出自AI，这位朋友 实在忍不住发出怒吼： 对于那些热衷于侦查数字虚假性的侦探们，我想说：朋友，欢迎来到肯尼亚教室、会议室或公司内部Teams聊天室里一个典型的星期 二。 你们所认为的机器指纹，实际上却是我们教育的化石记录 。 而且很早就有消息指出，为了节省人力成本，很多AI模型厂商会把RLHF这类工作交给非洲人，所以模型的很多用语习惯也会偏向非洲那边。 所以我们有理由怀疑，难道ChatGPT真是从肯尼亚"偷师"写作技巧的？ 咱这就火速围观一下—— "ChatGPT无意中在模仿我们" 事情是这样 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI "不是AGI还没到，而是永远到不了。" CMU（卡内基梅隆大学）教授、艾伦人工智能实验室研究员 Tim Dettmers 从硬件瓶颈、资源成本、现实应用三重维度论证： 第一个是信息移动成本 。 比如有效计算需要平衡 全局信息传到局部 和 局部信息整合 ，可信息移动的成本会随距离呈平方级上升；芯片缓存也能说明问题，L2、L3缓 存比L1 大，但却因物理位置更远而速度更慢。 为什么AGI从一开始，就是个违背物理规律的幻想工程？ 一篇长文，指出 GPU性能峰值停在2018年，机架级优化2027年耗尽潜力，AI每提升1%的能力，资源消耗要翻好几倍 …… 核心观点 AGI的讨论都在回避"计算的物理枷锁" 智能不是飘在天上的想法，而是得靠电脑、芯片这些实实在在的东西算出来，而这些东西都得遵守物理规律。 计算从不是抽象概念，所有智能都要扎根物理现实。 这也是Dettmers反驳AGI的核心，很多人在聊到AGI时总把它当成抽象的哲学概念，但很多人忽略了硬件实现，而硬件必然受到物理规律限 制。 现在芯片里的晶体管越做越小，虽然能降低计算成本，但内存反而越来越贵，现在芯片上几 ...