公司核心信息 - 前阿里巴巴集团副总裁、天猫精灵总裁彭超近期创立云玦科技，首款产品为运动可穿戴硬件设备结合Agent智能体 [5] - 公司项目于10月中旬启动，核心思路是让AI扮演跟踪、规划、分析、执行的角色，配合硬件使智能体具备自进化能力，初期专注于高速高频运动的5000立方米空间，后续将迁移至更多物理空间 [6] - 具体硬件形态仍在设计中，但将不只是一款产品，而是一套产品组合 [7] 创始人背景与创业思路 - 联合创始人齐炜祯为Multi-token Prediction架构的开创学者，其研究成果已被Deepseek V3、Qwen-3-Next等模型引入核心预训练方法，能力点集中于提升模型预测速度、降低消耗并保证质量 [11] - 彭超在阿里任职期间即关注Agent智能体，曾提出下一代智能体交互将从挖掘用户情感与个性化需求出发，推动人机交互向人机伙伴关系迁移 [10] - 彭超拥有多年大厂经验，曾操盘10亿美金以上量级的智能硬件业务，包括在华为印度建立全链条国家地区部公司，以及在阿里主导将达摩院大模型引入天猫精灵 [12][13] 行业趋势与产品定位 - AI大模型出现Agentic use趋势，从被动响应指令进化为能主动规划、执行复杂任务，小参数量推理模型成熟推动AI从工具向助理进化 [7] - 细分行业的Agent智能体是当前AI创业者青睐的赛道 [7] - 公司产品定位为消费级智能体与通用智能采用同一套训练架构，通过硬件配合实现智能体自进化 [6]

公司核心动态 - 天猫精灵前总裁彭超与前阿里巴巴集团副总裁彭超联合创立新公司云玦科技 [2] - 公司首款产品将聚焦于"运动可穿戴硬件设备 + Agent智能体"的融合形态 [2] - 产品目前仍在设计阶段 但内部共识是打造"不只是一款产品 而是一整套产品组合" [3] 创始团队背景 - 创始人彭超拥有超过14年智能硬件产品经验 曾主导将达摩院大模型引入天猫精灵并组建阿里巴巴智能互联事业群 [2] - 彭超在华为荣耀期间带领团队实现全球线上份额第一 在印度组建了华为海外唯一集产品定义至销售于一体的国家级区域公司 [2] - 联合创始人齐炜祯为人工智能学术界代表 曾任中关村人工智能研究院大模型博士培养方向导师 研究方向聚焦自然语言生成与预训练模型 [2] - 齐炜祯在NLP顶会发表论文十余篇 总引用次数超过2300次 其主导研发的ProphetNet及BANG模型已部署于必应广告推荐系统多个国家市场 [2] - 齐炜祯在2020年ProphetNet项目中首次提出MTP架构 该架构后来成为DeepSeek V3、Qwen-3-Next等大模型的核心预训练方法之一 [3] 产品与技术愿景 - 公司认为未来消费级智能体与通用智能可能采用同一套训练架构 核心是让AI承担"跟踪—规划—分析—执行"的角色 [4] - 目标是通过硬件实现AI的具身化自进化 使其能在陪伴用户高速高频运动的5000立方米物理空间中持续学习与提升 [4] - 最终愿景是将学习成果迁移至更广泛的现实场景中 [4]

人形机器人行业现状与挑战 - 行业面临从特定任务训练到通用智能的鸿沟，家用机器人实现叠衣服、倒水等任务仍需AI领域取得一系列突破[1] - 行业秘密在于公司尚不知晓如何让机器人变得足够聪明以达到实用级别[21] - 人形机器人拥有40个自由度，可能产生的位姿组合数量超过宇宙原子总数，该问题无法通过编程解决，唯一途径是神经网络[25] 技术路径分歧：世界模型与LLM - Meta首席AI科学家Yann LeCun认为突破核心在于打造可规划的世界模型架构，以学习理解和预测物理世界系统[1] - LeCun指出大语言模型是一条死胡同，仅靠文本训练无法实现人类水平智能，智能源于视觉、听觉、触觉等多模态经验[15] - 四岁儿童通过视觉接收的数据量已相当于所有公开文本训练的最大规模LLM的数据量[15] - LeCun预测未来3-5年内，世界模型会成为AI架构的主流模型，届时头脑清醒的人都不会再用生成式LLM的路子[20] 主要公司动态与战略 - **特斯拉**：公司内部对于如何快速实现通用人形机器人已有非常明确的思路[1]；正建设年产百万台Optimus机器人的生产线，目标2026年初推出具备量产意向的V3原型机[26]；其神经世界模拟器能够基于当前状态与后续动作直接合成未来状态，该架构将无缝迁移至Optimus机器人[28][31] - **Figure AI**：公司CEO宣称明年就能实现通过语音指令让人形机器人在陌生环境完成各类通用工作[23]；强调其机器人所有操作都由神经网络驱动，否认某些公开演示仅为戏剧表演或预设程序[25] - **1X Technologies**：公司发布自研世界模型，该模型允许从相同初始条件出发并行部署不同策略进行直接对比[35][37]；公司CEO坦言让机器人进入家庭存在理想与现实的落差，现实环境复杂得离谱[37] 世界模型技术架构 - 世界模型定义为给到时刻t的世界状态及智能体可能动作，以预测动作执行后的环境[16] - 系统配备世界模型后可进行规划，设想连续动作并预测结果，结合代价函数评估任务完成情况，运用优化方法搜索最优动作序列[18] - 环境动力学模型完全通过自监督学习，机器人无需针对特定任务反复训练，能从模拟数据或真实操作中学习动作-结果关系，零样本完成新任务[18][19] - 1X世界模型包含视觉编码器、动作编码器、核心网络及视频与状态价值解码器，通过对成功标签进行监督学习生成的状态价值预测可量化评估输入动作质量[35]

文章核心观点 - 当前AI行业的发展状况与历史上两次AI寒冬前的情景高度相似，存在技术泡沫、市场脱节及商业模型不可持续等问题，第三次AI寒冬可能正在来临 [1][4][6][7] 历史上的AI寒冬 - 第一次AI寒冬发生在1974-1980年，因计算机内存和处理能力有限，难以处理复杂实际问题，且早期AI系统无法有效利用人类常识和领域知识，导致政府大幅削减资金支持，AI研究陷入低谷 [2] - 第二次AI寒冬发生在1987-1993年，以专家系统为代表的AI因知识库有限、维护成本高且无法自动学习而失去商业价值，同时昂贵的专用AI硬件市场被性价比更高的台式计算机取代，导致AI硬件市场崩溃和投资撤离 [3] 当前AI行业面临的挑战 - 大模型训练成本高昂，存在严重幻觉问题，难以在企业垂直场景中落地应用，投入产出比极低 [5] - 许多AI产品开发脱离用户真实需求，功能与实际需求脱节，导致产品无人使用或被迅速淘汰 [5] - 企业数字化基础薄弱、业务流程不规范、数据孤岛严重等问题，阻碍了AI技术的有效落地 [6] - 资本市场缺乏耐心，一旦AI项目回报周期拉长便迅速撤资，转向其他风口 [6] 潜在第三次AI寒冬的成因 - 技术能力与社会预期之间存在巨大鸿沟，对通用智能概念盲目乐观 [4] - AI产品与现实市场需求脱节，缺乏可持续的商业发展模式和核心技术壁垒 [6] - AI公司普遍无法提供端到端的一体化解决方案，仅能提供单一功能模块 [6] - 企业和资本急于看到立竿见影的回报，不愿为AI技术的长期演进买单 [7]

上海市产业政策支持 - 上海市经信委印发行动方案 提出强化机器人终端能力 打造能听会道、有情商、有智商、有技能的人形机器人产品 [1] - 方案支持人形机器人产品研发和量产制造 推进端侧芯片、灵巧手、电池等核心零部件加快产业化突破 [1] 行业发展态势与催化 - 近期国内外产业端迎来密集催化 产业潮起入局者明显增多 国内多数企业纷纷加码具身智能 [1] - 海外特斯拉、Figure AI等加速商业化量产步伐 人形机器人产业链进入"百花齐放，百家争鸣"阶段 [1] - 人形机器人进入工业场景已成为国内外确定性较高的应用趋势 人形机器人商业化落地可期 [1] 产品技术进展 - Figure AI发布Figure03 可自主处理洗衣、打扫和洗碗等家务 主要变化是感知系统和灵巧手升级 [2] - Figure03搭载新一代视觉系统 手部嵌入小型相机、指尖集成触觉传感器 [2] - 大规模制造上 Figure AI自研执行器、电池、传感器等 制造抛弃CNC加工 转向模具/注塑/冲压等工艺 [2] 商业化前景与产能规划 - Figure03在具身智能大模型加持下 将会是可商用化落地的人形先锋军 [2] - Figure AI的BotQ基地产能规划为第一代1.2万台/年 未来4年生产10万台 [2] - 2026年人形产业有望正式进入商用化 [2] - DeepSeek等人工智能公司推动通用机器人大模型发展 助力人形机器人实现具身智能 [1]

上海市产业政策 - 上海市印发行动方案 提出强化机器人终端能力 打造能听会道、有情商、有智商、有技能的人形机器人产品 [1] - 支持人形机器人产品研发和量产制造 推进端侧芯片、灵巧手、电池等核心零部件加快产业化突破 [1] 行业趋势与催化剂 - 近期国内外产业端迎来密集催化 产业潮起入局者明显增多 国内多数企业纷纷加码具身智能 [1] - 海外特斯拉、Figure AI等加速商业化量产步伐 [1] - DeepSeek等人工智能公司推动通用机器人大模型发展 助力人形机器人实现具身智能 [1] - 人形机器人产业链进入"百花齐放，百家争鸣"阶段 [1] 商业化应用前景 - 目前人形机器人进入工业场景 已成为国内外确定性较高的应用趋势 人形机器人商业化落地可期 [1] - Figure03在具身智能大模型加持下 将会是可商用化落地的人形先锋军 [2] - 2026年人形产业有望正式进入商用化 [2] 技术进展与产品迭代 - FigureAI发布Figure03 可自主处理洗衣、打扫和洗碗等家务 [2] - Figure03主要变化是感知系统和灵巧手升级 搭载新一代视觉系统 手部嵌入小型相机、指尖集成触觉传感器 [2] - 大规模制造上 公司自研执行器、电池、传感器等 制造抛弃CNC加工 转向模具/注塑/冲压等工艺 [2] 产能规划 - Figure AI的BotQ基地产能为第一代1.2万台/年 未来4年计划生产10万台 [2]

文章核心观点 - 具身智能是人工智能迈向通用智能的关键前沿，其核心在于机器人操作技术，该技术正经历从基于规则到融合大语言模型和多模态模型的范式转变 [3][4] - 一篇由多机构学者联合撰写的综述论文系统性地梳理了机器人操作领域，提出了统一的理解框架，涵盖硬件基础、任务数据、控制框架及泛化研究，旨在推动机器人从“执行任务”到“理解与学习任务”的演进 [4][6][7] 机器人操作领域综述概览 - 该综述使用17张图、15张表格和超1000篇参考文献，构建了机器人操作的全景图谱，内容覆盖硬件与控制基础、任务与数据体系、高低层控制框架及跨本体与跨模态的泛化研究 [4][6] - 论文扩展了传统的“高层规划—低层控制”框架，高层规划纳入语言、代码、运动、可供性与三维表示，低层学习控制则提出基于训练范式的新分类法，包含输入建模、潜表征学习和策略学习三个核心部分 [6][9][13] 机器人硬件与控制范式演进 - 机器人硬件从机械手、机械臂发展到移动机器人平台，控制范式从基于经典算法（如RRT、MPC）演进到基于学习的方法（如强化学习/模仿学习） [14] - 机器人模型的分类方式及其验证流程构成了评估体系，反映了领域技术栈的成熟度 [14] 仿真器、基准与数据集 - 综述整理了多个主流仿真器与基准，例如MetaWorld（80物体、50任务）、CALVIN（40M演示数据）、Maniskill2（2144物体、20任务）等，覆盖从基础操作到灵巧操作、移动操作等多种任务类型 [15][18] - 数据集类型包括抓取数据集、单/跨具身仿真器基准、轨迹数据集及具身问答数据集，支持多样化的机器人操作研究与验证 [17] 高层规划与低层控制框架 - 高层规划被扩展至语言、代码、运动、可供性和3D表示，凸显其在语义决策中的作用，例如通过大语言模型生成任务计划或代码 [21][24] - 低层学习控制提出三层结构分类法：输入建模（处理输入数据）、潜表征学习（构建可迁移表示）、策略学习（生成精准动作），为控制策略研究提供系统化视角 [22][23] 机器人操作核心瓶颈 - 领域面临两大瓶颈：数据采集与利用（涉及人类示教、合成数据生成、众包收集等途径）以及系统泛化能力（包括环境、任务和跨具身泛化） [27][28] - 数据利用方法涵盖数据扩展、选择重加权、检索与增强技术，而泛化挑战的解决方案旨在提升机器人对未知场景的适应能力 [27][28] 未来研究方向 - 未来重点方向包括构建通用“机器人脑”实现认知与控制、突破数据瓶颈以 scalable 生成利用数据、强化多模态感知提升复杂物体交互、确保人机共存安全推动真实世界应用 [32][34]

AI与移动互联网时代的差异 - AI时代大模型公司追求通用智能而非单一垂直应用 与移动互联网时代操作系统厂商难以颠覆应用市场形成鲜明对比[2] - 大模型公司采用"模型即应用"战略 模型能快速扩展能力到任意领域并以更高维度直接竞争[2] - 大模型公司单位经济(UE)不理想 驱动其向周边场景渗透延伸能力寻找变现路径[2] 初创公司防御策略 - 行业know-how足够复杂难以被通用模型复制是抵御大模型渗透的关键[3] - 长期积累的用户数据能持续优化产品体验形成竞争壁垒[3] - 教育行业因know-how复杂性和数据积累特性成为抵御渗透的典型赛道[3] 教育行业核心know-how - 学习动机问题需要通过游戏化设计解决 如心流曲线设计保证挑战与能力平衡[5] - 教材设计需要精细编排 单词和句子结构呈现需循序渐进控制难度递增[8] - 正向反馈机制需要科学节奏安排与行为触发 而非简单语言赞美[9] - 传统教育公司通过数十年修订打磨形成教学体系 AI难以短期复制[8] 大模型在文科与理科的应用差异 - 大模型在理科领域仍会犯基础错误 如分不清3.11和3.8大小[13] - 大模型在文科领域表现突出 特别是在语言处理方面已超越人类水平[13] - 大模型能轻松完成新闻分级改写等传统需大量教研资源的工作[16] AI语言教育的突破点 - 大模型能提供个性化语言学习体验 如生成多样化例句展示词汇不同用法[22] - 结合配图与动画 AI能显著提升语言学习效率[23] - 系统能持续追踪学习轨迹 准确掌握知识点盲点构建个性化学习画像[23] - 大模型能模拟真实场景对话 解决"学会了却不会用"的核心痛点[26] AI对教育行业服务模式的变革 - AI能替代部分标准化服务工作 如通过学习数据提供个性化学习规划[32] - 基于用户行为数据 AI能给出专业学习建议建立信任关系减少销售干预[32] - 理想状态下教育公司只需保留教研和技术团队 其他服务由AI完成[34] 行业创业投资启示 - 深入具体行业探索AI实际改变比在大模型上修补更重要[36] - 行业know-how是基础大模型难以跨越的壁垒[36] - 找到比过去更好解决用户核心问题的方式是关键成功因素[36]

公司动态 - 非夕科技在外滩大会展区展示了两大创新应用：蛋雕演示和机器人按摩与数据采集演示 [1][2] - 公司副总裁高云帆发表主题演讲，阐述“仿人化”是机器人迈向通用化的关键路径 [1] 行业观点与技术路径 - 行业观点认为“仿人化”是通用智能发展的必经之路，通过模仿人类感知、动作与认知方式，推动机器人从单一任务能力走向跨场景通用能力 [1] - 实现真正的通用智能需要算法突破与具身化、仿人化的深度融合 [1] - 自适应机器人拂晓Rizon在蛋雕演示中展示了灵敏的力觉感知和先进的力控能力，能实时调整参数对生鸡蛋表面进行雕刻并随时切换图案 [1] - 在机器人按摩演示中，系统可精准采集指柔、指拨、掌揉等专业按摩手法数据，实现人类技艺向机器现实的无缝迁移，为模型训练和智能复现提供数据基础 [2] 战略展望 - 公司希望通过展示与交流，让更多行业伙伴看到通用机器人在未来产业与社会中的广阔前景 [1]

技术突破与产品验证 - 远征A2人形机器人完成24小时高温户外自主行走挑战，实测气温37℃、地表温度61℃，创下全球首次人形机器人高温户外极限挑战纪录[1] - 机器人通过7种路面材质、12类障碍测试，验证其在昼夜温差（22℃-37℃）、强光逆光等复杂环境下的全自主能力[2] - 搭载多模态感知系统、大模型融合算法和20秒热插拔换电技术，单台累计行走超3000小时，通过8台机器60小时压力测试和120小时连续行走测试[2] - 采用"正向设计"工程思维，通过T1/T2版迭代优化，标配预留算力与传感器冗余，为算法迭代留空间[3] 商业化布局与产品矩阵 - 六大产品线同步登陆智元商城与京东商城，价格覆盖9 8万至45万元区间，包括远征A2系列、灵犀X2系列、精灵G1等[3] - 远征A2旗舰版配备百万级企业知识库和多语言对话能力，青春版定价16 8万瞄准文娱商演市场[5] - 灵犀X2系列覆盖情感交互需求，青春版支持30余种微表情，探索版开放二次开发权限，旗舰版具备自主导航导览功能[5] - 四足机器人D1系列细分市场：D1 Pro主打3 7m/s奔跑速度的商演租赁，D1 Edu定位教育科研，D1 Ultra以2kW/kg功率密度服务工业检测[5] 行业拐点与战略路径 - 公司采用"由易至难"策略，中标中国移动订单，将远征A2应用于企业大厅接待，未来拓展至文娱商演、康养陪伴场景[6] - 商业化优先选择ROI明确的商业服务场景（如品牌宣传），工业场景聚焦核心需求，当前机器人能力达人类60%-70%，目标年底接近100%[8] - 行业国产化率超95%，技术迭代依赖算法、传感器、硬件协同进步，2025年或成人形机器人"实用化元年"[8] - 行业逻辑从"技术参数极致"转向"场景适配精度"，需满足降本增效、危险替代、体验升级三大需求[8] 行业发展趋势 - 人形机器人实用化落地关键从实验室转向真实世界，需应对高温、颠簸、突发状况等复杂条件[9] - 通用智能的核心是泛化性，需在仓库移位、宠物干扰等多元场景中灵活应对[7] - 行业从"概念热炒"进入"实干期"，标志性事件包括24小时直播验证和线上开售[1][8]