" 诺亦腾机器人已与六、七十家头部机器人公司产生深度合作。 " 作者丨刘欣 编辑丨高景辉 雷峰网获悉，专注于为人形机器人行业提供数据解决方案的诺亦腾机器人（Noitom Robotics）近日已完 成Pre-A+轮融资，目前累计募集资金已达数亿元人民币。 本轮融资由 启明创投领投，五源资本、君联资本 等机构参与投资， 经纬创投、英诺天使基金 追加投资， 并实现超额认购。 在此之前，由 阿尔法公社领投的Pre-A轮 以及本轮融资后，诺亦腾机器人的储备资金得到了进一步的扩 充，也加快了其在机器人数据赛道的布局节奏。 据诺亦腾机器人方透露，本轮融资资金将主要用于持续投入具身智能所需的多模态数据采集、处理与交付 的技术研发，加速规模化数据生产体系与工程化平台建设，以及进一步完善核心技术与工程团队配置与建 设，提升产品化交付与服务能力。 韩磊博士是诺亦腾机器人的首席科学家及算法负责人，曾任腾讯Robotics X Lab具身智能中心负责人，于 北京大学获得博士学位，曾主导多项业界知名工作，是机器人与强化学习领域的领军学者。 由于遥操作数据有不能跨本体的一些痛点，诺亦腾机器人开始跳出遥操作的范畴，不再和本体绑定，探索 以 ...

" 百亿级投入，具身行业够成熟了吗？ " 作者丨 梁丙鉴 编辑丨马晓宁 高质量数据正在成为具身本体性能突破和成本控制的瓶颈。在具身智能从技术演示走向规模落地的关键转 折期，对于数据的需求和争论也变得越发火热。从遥操作到UMI，从动捕到仿真数据，具身数据的未来在 数采工厂，还是名为In-the-wild的美好愿景？ 2025年12月13日，第八届GAIR大会的数据&一脑多形专场，举办了主题为具身数据的圆桌论坛。圆桌主 持人为英诺天使基金 ED，石麻笔记主理人王建明，并邀请了诺亦腾机器人创始人戴若犁，极数迭代 CEO、深圳AIRS访问研究员佟显乔，鹿明机器人CTO丁琰，共同围绕具身数据的质量、采集以及数据飞 轮等议题，展开了一场深度对话。 具体而言，在采集阶段需要低摩擦、高精度、多模态的数采设备，野采数据的利用，还需要从稀疏原始数 据中得到稠密信息的技术方案。戴若犁认为，一条可行的链路是通过世界模型进行先验估计，输出更丰富 的模态及维度数据。相较之下，远未到比拼人力组织能力的时间。 佟显乔认为，数据采集行业仍处于早期阶段，数据、本体、模型公司仍在相互磨合。不同的模型公司提出 了不同的需求，这意味着数据公司不能停留 ...

" 甲方不为过程买单，乙方不为过程内耗。 " 作者丨周蕾 编辑丨包永刚 放眼 2025 年，声称投身 Agent 转型的中国 To B 厂商比比皆是，从发布会到行业白皮书， " 企业级 AI 智能体 " 、 " 数字员工 " 已成为最性感的标签。但人们往往容易沉醉于如火如荼的讨论，而忽略了一个 残酷的事实： 任何对新技术或是新产品逻辑的探索，并不会自动地等同于其发展道路上的救命稻草，光鲜的技术名词或 许能带来短暂的估值光环，却未必能改变厂商长久以来的 To B 商业化困境。 01 传统To B的双输困局 To B 商业化实际上一直存在着一种 " 双输 " 局面。 要打破 " 工具买卖 " 的零和博弈，需要的不仅是一个新概念，更需要对产业价值链条的深刻重构能力。 百融云创之所以能率先探索 " 结果即服务 " 的企业级 AI 新范式实践，正源于其自身商业模式的持续进化 史。 百融云创首席产品与市场官王伟民，在接受雷峰网采访时指出，传统模式下，甲方企业对软件或服务的采 购逻辑，一直是 " 价低者得 " 的招标思维，既要产品卓越又要成本低廉；而乙方厂商的生存逻辑，则是 在有限预算内完成交付并争取微薄利润。 早在云计算 ...

京东自有品牌业务人事与组织架构变动 - 京东自有品牌业务近期发生关键人事震荡 前山姆系高管在加入数月后正式离职[1][2] - 原自有品牌业务负责人汤恒晟经历短暂岗位调整后 正式调任京东工业 出任自有品牌业务部总经理[2] - 今年4月 汤恒晟曾突然从负责人岗位卸任 转入“战略储备人才”序列 在此期间需向新入职的山姆系高管汇报[2] - 此前为山姆系高管所定职级或在M4-1及以上 与原负责人汤恒晟职级持平甚至更高[2] 人事变动背后的原因与业务背景 - 引入空降高管的原因被认为是集团董事局主席刘强东对汤恒晟近两年管理的自有品牌整体业绩不满意[3] - 空降高管入职后很快遭遇“水土不服” 最终无奈选择离开[3] - 京东于2015年开启自有品牌探索 2018年上线全品类自有品牌“京造” 正式敲定业务布局[3] - 品牌矩阵后续拓展至包括“惠寻”、“LATIT”、“风味坐标”、“京萌”等[3] - 2021年10月 京东将自有品牌升级为独立的一级部门 成为与京东零售平级的事业群[3] - 2023年 原高级副总裁王笑松卸任 汤恒晟接棒出任代理负责人 向刘强东与CEO许冉汇报[3] 业务战略调整与现状 - 后续发展中 京东逐步收缩战略 将资源集中在“京东京造”与“惠寻”两大核心品牌上 砍掉了部分表现不佳的边缘品类[4] - 但这一调整并未彻底扭转整体业务颓势[4] - 接近公司的内部人士透露 京东自有品牌事业部已在近期正式解散 原有业务线已整合至其他业务相近的事业群中[4] - 从当前信息来看 京东不会完全放弃自有品牌业务 但亟须重新定义其在集团生态中的定位[4] 京东工业的自有品牌布局 - 京东工业同时发力自有品牌 今年3月首次披露战略布局 已推出针对高专业度工业品的“法力创”和高性价比通用品的“惠象”两大子品牌[4] - 这也可能是将拥有丰富自有品牌管理经验的汤恒晟调往京东工业就职的原因之一[4]

文章核心观点 - 具身智能领域仍处于技术路线发散探索阶段，尚未收敛，这为创新提供了机会，但最终目标是实现通用泛化智能，而非回归传统工业自动化 [3][4] - 世界模型在自动驾驶等特定场景已开始应用，主要用于生成海量合成数据以覆盖长尾场景和进行闭环测试，但其与具身智能的结合仍处于早期探索阶段，定义和技术范式尚未统一 [10][11][12][14] - 空间智能是机器人感知和理解环境的关键，其发展建立在SLAM等技术基础上，并引入AI以增强对语义和复杂空间关系的理解，但目前仍面临数据模态不足等挑战 [20][21][22][23] - 具身智能的落地应用面临技术、成本与商业化现实的巨大鸿沟，需在追求通用智能的“星辰大海”与解决工业自动化等迫切需求的“脚踏实地”之间找到平衡 [25][26][27][30] - 数据是驱动技术发展的关键，其获取方式（真机、仿真、生成）的有效性取决于具体任务，业界正在探索不同数据源的最优组合比例 [34][35][38] 具身智能技术发展现状 - 技术路线仍处于发散探索阶段，尚未收敛，高校与产业界需更好分工合作，高校应聚焦交互、人机协同、世界模型等核心问题突破 [3][4] - 单体机器人研究倾向于采用端到端技术路线以降低系统复合误差和延迟，决策层共识是放大视觉语言模型的能力 [5] - 群体机器人的基础是打造柔性、弹性、分布式、灵活的群体架构 [5] - 端到端是一种工程范式，强化学习是一种具体解法，黑箱是一种模式，三者概念不同，不应等同 [6][7] - 实际研究中采用多种解法，包括大量使用强化学习，并以解决问题为唯一目标 [8][9] 世界模型在自动驾驶领域的应用与挑战 - 世界模型在自动驾驶领域主要用于生成海量合成数据以覆盖数据飞轮积累的corner case和之前布局不到的场景 [11] - 与传统方案相比，世界模型能实现闭环测试，将决策链路放在模型内进行优化，这是最大的不同 [11] - 自动驾驶场景相对简单，且早有“闭环仿真器”概念，生成式AI能力的提升使生成的数据真假难辨，提供了大量有价值的训练样本 [12] - 世界模型的定义尚未统一，例如李飞飞侧重像素级重建，而LeCun认为潜在空间表达也算世界模型 [12] - 自动驾驶领域世界模型的状态表征主流仍是视频生成，同时结合雷达、点云等多模态数据以增强信息量和安全性 [13] - 将世界模型与视觉语言动作模型结合，旨在解决离线数据集无法通过模仿学习获得长程思维和未来预测能力的问题 [15][16] - 世界模型有助于解决长程任务的理解和预测难题，能赋能后续的策略学习 [17] 空间智能的定义与发展 - 空间智能定义尚不清晰，其发展部分源于SLAM技术的延续和演进，现在更多采用基于学习的方法 [20] - 空间智能不仅关注空间几何，还增加了对语义信息的关注，包括物体类别、用途、交互方式等 [21] - 机器人目前处理复杂空间关系（如“第一排左边数第四个瓶子”）的能力仍不成熟，这是空间智能需要解决的问题 [22] - 大模型因训练数据源于语言模态而存在空间关系上的“幻觉”，需构建专门数据集与传统SLAM的强空间能力对齐 [23] - 当前视觉语言模型中的视觉多为2D，3D模态较为欠缺，需补足3D信息以解决空间智能问题 [23] 具身智能的落地应用与商业化挑战 - 无人机应用生态中，航拍、农业植保等易落地应用占比可能不到1%，更多高空作业场景（如灭火、清洗、载人）尚未实现 [26] - 应用未普及的最大卡点之一是“不够智能”，依赖规则编写导致开发成本高，难以算过经济账，AI发展带来了解决希望 [27] - 通过AI与大模型结合改进决策能力，被视为实现通用泛化解决问题能力的关键希望 [29] - 产业界存在迫切需求，希望尽快将机器人用于工业自动化，这与技术创业者的通用智能愿景存在差距 [30] - 人形机器人硬件在负载能力、高负载平衡性、运动稳定性及灵巧手方案等方面仍有诸多挑战，离真正“干活”的应用落地尚有距离 [30] - 中美创业环境存在差异，例如Scale AI估值达140亿美元，而国内创业公司估值多在几亿人民币量级，需同时面对宏大愿景与短期商业化的矛盾 [31] - 创业者认为最终成功做成事情比估值高低更重要，并指出中国投资人对技术的耐心因DeepSeek等案例而有所增加 [31][32] 数据获取策略与有效性 - 机器人数据获取主要有真机采集、仿真和视频生成模型三种方式，其有效性需根据具体任务判断，并非真机数据一定最合理 [34][38] - 数据可视为金字塔结构：底层是大量、低成本的互联网或视频数据，用于预训练；中层是合成数据，用于提高任务泛化性；顶层是真机或遥操数据 [34] - 业界正在探索不同数据源的有效比例，例如一种说法是70%的网络视频数据、20%的合成数据和10%的真机数据 [35] - 合成数据是否有效，关键在于其是否针对特定任务有价值，且其表达形式不一定是视频，也可能是潜在的抽象表征 [35][36][37] - 对于足式机器人的基本运动控制任务，可能在纯仿真环境中无需真实数据即可完成，高度依赖任务形式本身 [38]

" 算力闲置、Agent同质化，AI还有哪些泡沫？ " 作者丨 张嘉敏 编辑丨 徐晓飞 "美国2025年人工智能产业到底有多少是正向收益？ MIT调查结果显示，95%都是负向的，非常烂尾，只 有5%是成功的，令人吃惊。 " 在2025 GAIR主论坛"人工智能产业化的挑战和机遇"圆桌对话中，大会主席、加拿大皇家科学院院士杨强 教授又一次对人工智能的落地现状"泼冷水"。 在席卷而来的技术浪潮中，人工智能产业化面临哪些严峻的挑战？作为方兴未艾的产业，人工智能有哪些 泡沫和陷阱？展望未来，人工智能产业化还有哪些值得"押注"的方向？ 面对AI时代的多重拷问，这场圆桌论坛通过四位科学家、一线研究者的深度对话，提供了可供参考的思考 方向。参与本次圆桌论坛的嘉宾有： 四位"老朋友"齐聚一堂论道，激荡产业思潮。 郑宇教授开门见山，指出人工智能产业化的困境：大语言模型出来之后，在某些应用场景取得了成功，但 并没有大规模的商业应用和成熟的商业模式。 郑宇（主持人）：KDD China主席，京东集团副总裁，IEEE Fellow 杨强：加拿大皇家科学院院士 胡侠：上海人工智能实验室主任助理，领军科学家 薛贵荣：之江实验室科学模型总 ...

雷峰网·鲸犀近日获悉，3D打印品牌轻量智造正式宣布完成天使轮融资，本轮融资由头部激光上市企业旗 下基金海欣资本领投，南山战新投跟投。 以下文章来自雷峰网子账号【鲸犀】， 想了解更多独家或干货可点击关注： " 3D打印制造的ROI提升10倍。 " 作者丨姚单 编辑丨余快 美元基金疯抢，Snapmaker快造距离「下一个拓竹」有多远？ 轻量智造成立于2025年4月，由前安克3D打印机负责人王志宇创立。王志宇是机械设计专业出身，离开安 克前，曾先后任职于三一重工、华为、创想三维等公司。 轻量智造已组建了一支近40人的团队，初期将专注于3D打印批量制造这一细分赛道，首款产品已完成样 机开发，预计于2026年H1在欧美市场正式推出。 据了解，全球消费级FDM 3D打印机市场的规模约为500亿元，其中SMB市场规模约为100亿元。轻量智 造前期正是瞄准了这个百亿规模市场，据称能够使企业主的ROI提升至现阶段的近10倍。 在访谈中，轻量智造王志宇多次提到过去在安克得到很多贵人的帮助，通过安克这个窗口，看见了更加广 阔的世界。王志宇也希望接下来将本轮资金投入到产业化落地及技术研发中，为3D打印行业的发展注入更 多可能性。 本 ...

" 数据稀缺体量小、模型时空能力弱、智能方案闭环难"是时空AI 在物理世界发挥价值时需克服的三大挑战。 " 作者丨胡清文 编辑丨徐晓飞 12月12日， 第八届GAIR全球人工智能与机器人大会 在深圳正式启幕。 本次大会为期两天，由GAIR研究院与雷峰网联合主办，高文院士任指导委员会主席，杨强院士与朱晓蕊教 授任大会主席。 作为观测AI技术演进与生态变迁的重要窗口，GAIR大会自2016年创办以来以来，始终与全球AI发展的脉 搏同频共振，见证了技术浪潮从实验室涌向产业深海。2 025年，是大模型从"技术破壁"迈向"价值深 耕"的关键节点 ， 值此之际GAIR携手智者触摸AI最前沿脉动，共同洞见产业深层逻辑。 本次大会上，京东集团副总裁、首席数据科学家、IEEE Fellow、ACM杰出科学家郑宇教授亲临现场，为 参会者带来了一场鞭辟入里的报告分享。 郑宇教授指出， 人工智能过往取得的显著成功主要集中在虚拟世界，如大语言模型、数字孪生等，但真正 的产业价值需要进入物理世界，即问题与数据的取用和反馈都要体现在物理世界层面 。 基于此，郑宇教授回顾了时空AI的发展历程，并以雄安新区的智能城市建设为标杆案例，进一步分析 ...

" 我们想要 answer back 黄仁勋那句「只有三种机器人可以大规 模量产，人形机器人、无人机和汽车」。 " 作者丨 齐铖湧 编辑丨马晓宁 过去两年，具身智能的火热源于一个共同期待：大语言模型的出色能力有目共睹，若将其接入机器人，有 望赋予机器人更聪明的大脑，从而为行业打开新空间。 然而热闹两年后，具身智能仍没有标准答案，却出 现了很多细分领域，智能飞行机器人就是其中一个重要分支。 浙江大学控制学院长聘副教授、博士生导师高飞，就是这个领域的一位非常优秀的年轻学者。 高飞的主研方向包括空中机器人、自主导航、集群协同、具身智能，提出了国际首个非结构化场景下的自 主飞行集群系统，发表多篇Science Robotics、TRO等顶级期刊、学术会议论文，并创立了微分智飞。 高飞是国家优青基金获得者，获IEEE TRO、IROS等多项最佳论文提名，入选2023-2024全球前2%顶尖 科学家、2025《麻省理工科技评论》"35岁以下科技创新35人"(MIT TR35)亚太区榜单等。 在刚刚结束的 GAIR 2025，高飞教授在雷峰网举办的GAIR大会现场，做了主题为《智能飞行机器人研究 进展及产业应用》的分享，他 ...

文章核心观点 - 云行业正面临传统商业模式困境，而大模型与AI Agent被视为关键的突破口[2] - 火山引擎通过率先确立并实践MaaS（模型即服务）战略，在中国公有云大模型市场取得了领先地位，并正将竞争优势延伸至Agent基础设施（Agent Infra）领域[3][6][9] - 公司推出的企业级Agent开发平台“AgentKit”，旨在解决Agent规模化落地中的安全、系统改造和评估观测三大核心挑战，从而巩固其AI云生态并驱动长期增长[19][21][34] 火山引擎的MaaS战略与市场地位 - 2025年上半年，中国公有云大模型调用量达536.7万亿Tokens，火山引擎市场份额为49.2%，排名第一[5] - 公司是中国首家制定MaaS战略的云厂商，其商业模式从“卖算力”转变为“卖Tokens”，通过豆包大模型等产品实现商业营收并驱动模型迭代的数据飞轮[6] - 为促进调用和生态发展，火山引擎将豆包大模型计价单位从“分”降至“厘”，价格降幅达99.3%[7] - 2025年冬季，火山引擎日均大模型调用量达50万亿Tokens，国际排名第三，仅次于OpenAI和Google，国内排名第一[35] Agent的发展趋势与行业机遇 - Agent被视为AI时代的核心应用形态，如同PC时代的门户网站和移动互联网时代的App，是距离用户更近、更易商业化的路径[12] - 2025年AI Agent创业热潮涌现，吸引大量人才和资金进入，这些创业者成为云厂商争相服务的核心客户群[12] - 云厂商的传统“卖水卖铲子”（提供基础算力）模式已不足够，需要提供更贴近Agent开发需求的工具和服务[13] AgentKit平台的设计逻辑与竞争优势 - AgentKit是火山引擎推出的企业级Agent开发平台，覆盖Agent应用落地的全生命周期[19] - 与AWS、微软等提供的SDK式工具不同，AgentKit定位为完整的、开箱即用的云原生Agent基础设施[20] - 平台背靠火山引擎的AI云原生架构，旨在让企业能简单、安全、高效地开发并运营可投入生产的Agent，而非仅制作Demo[19][20] AgentKit解决的核心企业挑战 - **安全挑战**：通过Identity（身份）、Gateway（网关）、Guardrails（围栏）三大模块，为Agent提供清晰的身份权限管理、统一访问入口和内置安全规则，解决权限管理与越界风险[22][23][24] - **系统改造挑战**：通过Memory（记忆库）模块，帮助企业构建可管理、可治理的上下文记忆和知识体系，降低对接原有复杂数据系统的难度[27] - **评估与观测挑战**：通过Observation（观测）模块实现决策链路追溯，通过Evaluation（评测）体系进行量化评估，该体系已累计对1万多个Agent进行20万次评估，并提炼出超过50个标准化评测器[28][30] - **开发环境挑战**：提供Runtime（运行时）和Sandbox Tool（沙箱工具），支持Agent在生产级环境中运行，并将高风险调用隔离在沙箱内[30] AgentKit的实际应用效果 - 在某汽车厂商案例中，AgentKit为其车载终端Agent提供了全方位安全体系，有效应对海量的提示词注入与数据投毒攻击[25][26] - 在金融场景中，为某券商提供了SWE Bench自动评测集，降低了存储与维护成本；其沙箱工具支持高效任务调度，将训练响应提升至毫秒级，缩短了实验周期[31] - 基于AgentKit开发的“智能会议助手”，相比传统开发模式，代码量减少了96%[31] 火山引擎的AI云发展路径 - 公司的发展路径被概括为：传统云突围靠AI，AI云突破需从卖算力进化到建设以MaaS为中心的模型和商业飞轮，而做好MaaS的核心在于建设AI Infra以帮助用户做出能赚钱的专业Agent[34] - 火山引擎以AgentKit为矛头，深入服务专业级开发者，旨在通过击穿核心用户圈层，逐步辐射更广泛用户，实现AI云业务的长期发展[36]