AI大模型重构产品范式 - 人机交互范式经历重大变革，从命令行到GUI再到AI对话，学习成本大幅降低，交互带宽显著提升[8][9] - AI通过自然语言对话实现交互，几乎无需学习成本，表达力极其丰富，解决了表达力与易用性并存的问题[9][10] - 多模态能力进一步降低学习成本并提升交互带宽，视觉信息传输效率高于语言，信息衰减更少[13][17] - 人类核心需求不变但满足方式被重新发明，信息获取需求从BBS到门户网站再到今日头条，每个需求都可能被AI重新发明[18][19][20] - AI应用领域仍处于早期阶段，A16Z的AI应用Top 50榜单显示，2024年3月至8月有30%新面孔，2024年8月至2025年3月有40%新面孔[21] AI应用的成功范式 - 成功的AI产品需要平衡模型含量，过度依赖底层模型会导致壁垒低，模型升级可能颠覆业务模式[24] - Jasper案例：估值15亿美元，年收入4000万美元，但过度依赖模型，ChatGPT发布后网站访问量一月内骤降40%，半年后裁员转型[25][26][27] - Notion案例：2022年营收6000万美元，用户2000万；2023年营收飙升至2.5亿美元（增长近5倍），用户增至3000万，AI功能放大原有业务价值[30][31][32] - 成功关键是将行业Know-how和数据结构化融入AI，构建AI驱动的增长引擎，而非简单嫁接模型能力[33] AI大模型重构商业范式 - 工作方式变革：大模型打破技能限制的"能力墙"，使创意更易实现，九岁小朋友可借AI创作科幻小说，催生"超级个体"[35][36] - 组织形态变化：AI将分散工种任务收回个人，在不降低效率的同时提升创造力，二三十人团队可打造估值数亿至十几亿美元公司[39][40] - 用户体验变革：AI提升非结构化数据处理能力，使录音、视频等数据变得有价值，AI硬件可捕捉数据作为"外挂大脑"[44][45][46] - 商业模式变革：AI使广告从"效果"进一步细分为"动作"和"结果"，商业价值可能有数量级提升空间[50][51][52] - 竞争优势变革：AI可能颠覆传统护城河，如将数十万律师服务变成一个模型，竞争维度发生变化[55][56] AI重构千行百业案例 - 法律领域：Harvey公司2023年成立，2024年收入达5200万美元，AI在法律文件起草等标准化业务达人类前25%水平[63] - 医疗领域：Hocritic AI估值达16亿美元，推出医疗AI Agent应用商店；Tempus公司借AI从to B数据销售转型为to C健康管理[65][66] - 汽车领域：智能座舱实现拟人化交互，AI质检覆盖100%外呼电话（效率是人工十倍），AI助手提升销售质量[70] - 消费领域：AI赋能"人、货、场"，自动生成定制化广告文案，智能投流调整周期从天缩短至分钟，优化商品搜索和标签[72][73] 企业AI战略落地方法论 - 理解模型三层能力：预训练解决通用能力（智商），微调解决领域能力（经验），Prompt工程解决任务级能力（产品说明书）[81] - 企业需具备"大模型就绪"条件：数字化程度高，有高质量数据基础；选择适合AI的业务场景，避免盲目投入[84][86][87] - AI战略构建路径：先进行AI诊断，再制定定制化战略，最后方案落地，而非直接寻找现成产品[90][92][93] - 战略能力四个维度：选择合适的基座模型（考虑成本、合规性等）；构建合适组织（分AI应用型、模型核心型、AI原生型）；重新定义数据资产（99%数据无价值，需与场景绑定）；业务场景再思考（AI应重塑整个业务链路）[95][96][98][102]

公司战略与投资 - 阿里巴巴对哈啰Robotaxi业务进行战略投资 具体金额未透露 但涉及智驾大模型 算力平台及Robotaxi落地等全方位支持[5] - 哈啰Robotaxi业务实体为造父智能科技有限公司 成立于2024年6月 获得阿里巴巴 蚂蚁集团及宁德时代共同支持 起步阶段筹集资金30亿元[3][15] - 阿里巴巴将发挥AI和云计算优势 与哈啰Robotaxi加速推进大模型和自动驾驶技术落地应用[5] 技术方案与基础设施 - 哈啰首款Robotaxi量产车与东风日产启辰合作 采用前装量产模式 目前已进入产线搭建阶段[9] - 车辆配备主副两套计算单元 合并算力超过2200 TOPS 支持14个高精度相机 8个激光雷达和6个毫米波雷达[11] - 技术采用一段式端到端自动驾驶体系 以扩散模型为输出核心 结合强化学习训练 旨在解决传统L4系统的泛化性问题[13] - 宁德时代提供换电网络及专为L4架构打造的滑板底盘 蚂蚁集团在算法层面给予支持[15] 商业化目标与时间表 - 哈啰Robotaxi计划在2年内实现商业运营落地 车队规模目标为10万台[5][6] - 公司采用自研全栈技术+自有出行平台运营的独特模式 同时保持平台开放 可接入其他Robotaxi产品[17] - 哈啰拥有运营2000万台路端智能设备的经验 覆盖中国500个城市 日均实战运营[17] 行业背景与竞争格局 - Waymo完成Robotaxi商业闭环耗时约10年 特斯拉也用了近10年启动公测[8] - 哈啰认为当前产业 技术及市场环境已成熟 公司凭借端到端技术路线及共享出行经验可快速实现商业化[17][19] 技术研发进展 - 阿里巴巴与昆士兰大学联合开发AutoDrive-R²框架 采用新型VLA架构 在nuScenes和Waymo数据集上达到SOTA性能[24][26][27] - AutoDrive-R² 7B模型在轨迹预测误差指标上表现优异：1秒误差0.11米 2秒误差0.19米 3秒误差0.29米 平均误差0.20米[27]

从昇腾迭代路线图看国产算力发展趋势 20250919 Q&A 华为近期公布了智能镜片三年迭代的产品路线图，具体有哪些重要信息？ 通信领域受益于华为的开放生态建设，服务器和通信协议的公开将促进 相关公司的成长与合作机会，国际市场的潜力为通信公司提供了积极布 局的机会。 烽火通信获得华为首批超节点集群服务器整体解决方案授权，允许其生 产制造超级节点服务器并以自有品牌销售，这种模式相比渠道代理销售 利润和毛利率更高。 光模块行业中的华工科技和光迅科技等公司，以及液冷产业链中的英维 克，有望受益于华为的发展，因为华为通过高效连接增强整体算力节点 实力，推动光模块需求量增长，英维克在液冷产业链中具有全产业链布 局。 华为加速芯片迭代对行业有何影响？ 华为加速芯片迭代显著提升了竞争力。从过去两年一代到一年一代的速度变化 表明，大模型持续加速后，对芯片要求逐渐提升。在这种情况下，加快迭代进 度有助于增强未来竞争力。此外，AI 推理逐渐由单卡转向超级节点系统，这背 后的原因是多步骤任务和多模态任务占比上升，通过超级节点整机方案可以有 效降低成本，提高单位时间处理任务数量，从而降低整体成本。这种转变也抬 高了竞争门槛，需要具备 ...

而且，用户在搜索谣言相关的事件关键词时，搜索结果将以"求真卡"形式展现。内容包括事件溯源、澄 清信息、权威报道等。如事件是谣言或疑似谣言，将被显著标注为"谣言"或"存疑"。 据了解，"AI抖音求真"呈现的内容依托于平台训练的"谣言治理大模型""资讯大模型"及辟谣运营团队。 目前，"AI抖音求真"的单日曝光量估测可达近亿次。 用AI治理谣言，立竿见影。抖音平台近期将AI大模型技术用于谣言治理，一个季度平台谣言曝光量下 降67%。 近日，在抖音不实信息治理开放日活动上，抖音不实信息治理负责人李博介绍，以往发现谣言往往需要 在媒体或机构发声后，人工入库、回查、下架和拦截，一个疑似谣言的处置经常要几天。现在，大模型 主动审阅有一定热度的所有资讯，提取信息、分析主旨、联网搜索，判断真假并自动处置，将周期缩短 到几小时。 据介绍，抖音培养"谣言鉴定专家"大模型，能判断搜索的信源来自权威媒体报道、政务公开平台，还是 历史谣言库样本。此外，大模型拥有精准定义"内容误导性""公共价值""可证伪"等谣言特征的能力。 李博说，在大模型助力下，近一个季度以来，抖音谣言内容曝光量下降67%。大模型识别准确率达 85%，目前仍在持续提升 ...

据The Information9月19日消息，近日，OpenAI已与苹果公司的设备组装商立讯精密签署协议，共同打 造一款消费级设备。据悉，该款设备目前仍处于原型开发阶段，预计能与OpenAI的人工智能模型深度 协作。 值得注意的是，立讯精密可能并非唯一参与其中的苹果供应商。同样为苹果代工AirPods、HomePod及 Apple Watch组件的歌尔股份，或被邀请为OpenAI的首款消费级硬件产品提供扬声器模块。 长城证券则认为，AI与物联网的结合使得下游行业能够提供更加个性化的服务和体验。Counterpoint的 数据显示，到2030年，AI嵌入式蜂窝模组预计将占所有物联网模组出货量的25%，复合年增长率为 35%。ABIResearch预测，至2029年蜂窝模组全球出货量可达7.05亿片，收入可达92.39亿美元。在端侧 AI等新技术趋势下，构建多元化市场布局、提升本地化服务能力，将成为决定企业能否在全球竞争中 站稳脚跟的关键。 公司方面，除立讯精密、歌尔股份外，华泰证券表示SoC芯片恒玄科技、瑞芯微、晶晨股份、乐鑫科技 等也是智能硬件核心。 *免责声明：文章内容仅供参考，不构成投资建议 *风险提示 ...

文章核心观点 - 海外人形机器人产业已迈入智能化发展阶段，技术研发、量产落地及商业应用迎来跨越式发展 [2][7] - 大模型深度赋能人形机器人突破感知-决策-执行闭环技术瓶颈，应用落地聚焦工业制造、物流仓储及家庭服务三大场景 [7][33] - 特斯拉Optimus引领产业化趋势，软件与硬件端同步突破，2025年有望成为量产元年 [4][8][44] - 头部厂商如Figure AI、Boston Dynamics等产业化进展加速，多元化技术路线并行 [3][9][18] 发展历程 - 萌芽探索阶段（20世纪60年代末至90年代）：以实现双足行走为目标，代表为日本早稻田大学WABOT系列，运动能力较弱 [11][42] - 集成发展阶段（21世纪初至2010年）：整合感知和智能控制，本田ASIMO实现环境交互与动作预测 [12][42] - 高动态发展阶段（2010年至2022年）：控制理论进步提升运动能力，本田ASIMO和波士顿动力Atlas分别实现电驱与液压复杂操作 [13][42] - 智能化发展阶段（2022年至今）：大型语言模型赋能智能化感知与决策，电驱动成为主流，特斯拉Optimus为代表 [14][42] 技术路线 - 日本侧重仿生模拟与服务应用：早稻田大学WABOT实现双足行走，本田ASIMO提升行走与交互能力，索尼开发娱乐机器人 [18][42] - 美国侧重功能学习与复杂环境操作：Willow Garage的PR2执行复杂操作，NASA的Robonaut 2执行太空任务，波士顿动力Atlas展示动态平衡 [19][42] - 欧洲等国多元化创新：法国Aldebaran开发NAO和Pepper，德国DLR开发TORO，意大利iCub研究认知，英国Engineered Arts开发Ameca [21][22][23][25] 竞争格局 - 科技巨头通过全栈布局、内生发展及外延拓展加速入局：谷歌投资Apptronik，微软投资Figure AI，英伟达发布GR00T模型，特斯拉自研Optimus [28][43] - 美国凭借AI积累领跑赛道：初创公司数量与中国持平（13家），过去10年融资总额达13.7亿美元 [30][43] - 头部企业注重技术融合与场景落地，通过资本绑定创新主体，行业处于资源整合与技术验证阶段 [29][43] 发展趋势 - 具身大模型赋能技术突破：Figure AI的Helix模型实现跨场景泛化，1X Technologies强化具身学习，Physical Intelligence的Hi Robot提升指令跟随准确率40% [33][44] - 应用落地加速：工业制造场景中Figure AI与宝马合作目标交付10万台，物流分拣场景中Figure 02实现零样本到应用突破，家庭服务场景中1X的NEO Gamma目标进入10万家庭 [35][36][37] - 技术路径分层架构为主流，端到端模型推动执行效率质变，2025年成为智能化跃迁关键拐点 [33][44] 特斯拉Optimus进展 - 软件端：2024年具备上肢重物搬运与动态抓握、下肢复杂地形自主运动能力，2025年将优化步态与跌倒恢复功能 [8][44] - 硬件端：Optimus 3预计2025年底推出，2026年量产，搭载22自由度灵巧手（微型丝杠+腱绳传动），采用轻量化方案 [8][50] - 量产计划：2025年出货量预计5千-1万台，2027年目标百万台级别，售价预估2-3万美元 [8][56] - 轻量化材料可能采用铝/镁合金或PEEK材料，以提升运动性能、工作效率和续航能力 [53][54] 其他头部厂商动态 - Figure AI：推出VLA模型Helix支持双机协作，全球融资最多（B轮6.75亿美元，C轮洽谈15亿美元），与宝马合作目标年产能扩展至10万台 [64][70][73][75] - Boston Dynamics：从液压转向电驱，电驱版Atlas成本降至几十万人民币，与英伟达、丰田研究所合作提升学习能力 [76][82][83] - 1X Technologies：发布NEO Gamma家庭机器人，采用肌腱驱动和自研LLM，获OpenAI和英伟达支持，计划2025年家庭测试 [84][86][90][91] - Sanctuary AI：Phoenix 8集成新型触觉传感器，提升操作精度与适应性，融资超1.4亿美元 [93][96][97] - Agility Robotics：Digit机器人年产1万台，与亚马逊合作物流自动化 [61][35] - Apptronik：谷歌参投3.5亿美元A轮融资，与奔驰合作推动Apollo商业化 [62][28]

大模型技术对主流媒体变革的驱动作用 - 大模型技术为主流媒体的系统性变革提供强大动力 需以创新为驱动 以合作促发展 探索融合发展新模式和新路径[2] - 主流媒体需突破身份主流天花板 通过制度轨与技术轨双向突破 实现从工具逻辑到结构逻辑的认知升级 从端口存在到平台级嵌入机制重构 从单向输出到系统协同接口开放[2] - 大模型对广电系统及主流媒体的系统性变革具有深刻意义 技术赋能对重技术重资产重装备的广电媒体形态至关重要[5] 人工智能在媒体行业的具体应用价值 - 人工智能对广电系统的价值体现在对外作为窗口助力4K/8K高清大屏探索 对内作为核心驱动力实现全业务流程重塑[5] - AI技术的发展与应用必须始终与人的核心价值紧密结合 人类拥有的怜悯之心 共情能力 仁爱精神以及内心热爱专注的事物都是不可替代的核心价值[3] - 通过比较中国与英国大模型发展速度和应用场景 为主流媒体变革提供国际化视野[3] 媒体行业人才培养与产学研融合 - 新闻传播学科将持续双向发力 一方面赋能主流媒体系统化变革助力转型进入智能传播时代 另一方面围绕智能传播与大模型领域开展产品开发成果发布等教学实践活动[5] - 需要培养适配行业需求的专业人才 打通产学研链条 推动新闻传播教育与大模型技术的深度融合[5] - 学界与业界专家就AI大模型在媒体行业应用 人工智能赋能广电媒体系统性变革 生成式人工智能时代媒体借势传播等议题展开深入讨论[2]

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 业务合伙人 创业项目合作与推荐； 联系我们 岗位要求 QS200以内高校，硕士及以上学历，手握顶会的大佬优先。 待遇说明 自动驾驶资源共享（求职、读博、出国留学推荐等）； 丰厚的现金激励； 自动驾驶之心业务合伙人招募来啦！我们团队今年计划向国内外招募10名优秀的合伙人，负责自动驾驶相 关课程研发、论文辅导业务开发、硬件研发； 主要方向 如果您是大模型/多模态大模型、扩散模型、VLA、端到端、具身交互、联合预测、SLAM、3D目标检测、 世界模型、闭环仿真3DGS、大模型部署与量化感知推理等方向，欢迎加入我们； 更多欢迎添加微信咨询，备注" 机构/公司 + 自动驾驶合作咨询 "。 ...

#DeepSeek就是这么大大方方#【#这一空白终于被DeepSeek打破#】近日，由DeepSeek团队共同完成、 梁文锋担任通讯作者的DeepSeek-R1推理模型研究论文，登上国际顶级期刊《自然（Nature）》的封 面。该期刊编辑部直言：目前几乎所有主流的大模型都还没有经过独立同行评审，这一空白"终于被 DeepSeek打破"。"同行评审"在学术界属于常见且必要的论文审查程序，为何此次《自然》单独将其提 出，并以"打破空白"来高度评价DeepSeek？事实上，自ChatGPT起，全球范围内大模型发展就犹如一 场"黑箱"里的竞速。业内及公众往往是通过社交媒体、营销发布会等了解产品性能，至于核心训练方法 和数据则属于高度设防的"商业机密"，更遑论追问其原创性、方法论和稳健性？而DeepSeek-R1这篇论 文，详尽披露了模型训练细节，并在长达64页的同行评审文件中正面回应，DeepSeek-V3 Base （DeepSeek-R1的基座模型）使用的数据全部来自互联网，没有专门的蒸馏环节。大大方方公布技术， 堂堂正正接受检验，正如《自然》赞扬，"这一切都是AI行业迈向透明度和可重复性的可喜一步。"有人 说， ...

公司战略与投入 - 未来5年每年投入150亿人民币生态发展费用、1500P开源社区算力及15000人进行生态平台开发与支持 [1][6] - 提出"四个坚定"战略方向：开源开放、发展人才、全球合作、战略投入 [1] - 业务从"联接"核心扩展至终端、计算等生态型产业 服务群体新增ToD开发者 [1] 开源生态建设 - 作为全球20多个开源基金会创始成员或顶级成员 在300多个上游社区成为核心代码贡献者 [1] - OpenHarmony开源5年汇聚9200多名贡献者 贡献1.3亿行代码 孵化1100多个三方组件库 [2] - 昇腾基础软件全面开源 新增CANN、Mind系列套件等 优先支持PyTorch等主流开源社区 [2] - 将低密度计算HiF8/HiF4数据格式技术捐赠全球计算联盟GCC 显存占用降低50%-75% 矩阵乘算力提升2-8倍 [3] 技术落地成果 - 1300多软硬件产品通过OpenHarmony兼容性测评 应用于金融、交通、能源、航天等行业 [2] - 60多款华为终端设备搭载鸿蒙5 总量超1700万台 9000个应用基于系统创新能力开发70多种体验创新 [2] - 星闪技术吸引1200多家伙伴共建生态 终端设备超1亿台 联合定义HDR Vivid等视听新标准 [3] - 华为云开发者新增200万 累计达850万 支持直接使用鲲鹏/昇腾算力进行云端开发 [3] 人才发展体系 - 与全球高校合作开发3000多门课程 设立3000多所ICT学院 培养超170万名人才 [4] - 启动"基础软件千校行动"覆盖20多国2000多所高校 计划培养1万名教师和100万新型软件人才 [4] 全球合作机制 - 联合开放原子开源基金会等国内机构及Linux Foundation等国际基金会加强开源生态建设 [6] - 通过知识、赋能、开发与激励四大体系支持全球开发者创新 [6]