Alibaba Cloud's CUBE 5.0 modular design compresses AI data-center delivery to 100 days and cuts unit cost by 10 percent. The Ulanqab deployment is the canonical example, with the city now running 17.2 million P of compute and hosting 90 percent intelligent computing share.
A three-month surge in humanoid robot shipments has produced a fast-growing third-party repair and training job in China. Trainees like Zhao Xin in Ordos now earn about six thousand yuan a month disassembling knee joints and reading App error codes, with the Unitree Go2 the most common patient.
Smart Analytics Global reports 1.91 million global humanoid robot shipments in H1 2026, up 274 percent year-on-year. Chinese vendors captured 97 percent of the total, with AgiBot at 44 percent and Unitree at 30.9 percent. The US restriction on Chinese robots landed in late July.
南京信息工程大学的研究人员在《科学》上发表研究报告，称全球对太阳能发展的推动可能带来隐性的损害生物多样性的代价。可再生能源的扩张有助于应对气候变化，但大规模太阳能开发也可能因栖息地改变或破碎化而导致生物多样性丧失，从而引发新的环境得失权衡。研究人员汇编了一个大型数据集，它涵盖了 2014 年至 2023 年中国的 2344 个县。他们的数据集整合了鸟类观测数据、太阳能政策、环境条件和社会经济信息。他们还考察了土地利用、植被状况和农业生产力变化所带来的影响。研究结果表明，太阳能扩张政策的力度加大与鸟类多样性的显著下降有关：政策强度每增加一个标准差，鸟类生物多样性指数便会下降 2.10%。这些影响在较富裕地区和非沙漠地区最为显著，且对地理分布广泛的物种影响尤为严重。这主要应归因于土地的迅速转化，特别是将农田和草地转化为开发区，后者降低了植被的多样性。
Cherry Studio v2 重构后，从 Chat 转向 Agent 产品，重写底层数据与任务体系。本文深入分析 AI 产品价值单位从回答变为结果，Chat 架构的局限，以及为何所有 AI 产品都必须拥抱 Agent 形态，值得每位产品人关注。 最近体验了 Cherry Studio 重构后的 v2 版本，我第一次感觉到，这是一款今年所有做 AI 产品的公司都必须认真学习的 Agent 产品。因为接下来的 AI 产品，必须做成 Agent 产品 我的判断很明确。过去的 AI 产品把模型装进聊天框，用户提出问题，产品给出答案。现在，用户开始把完整任务交给 AI，希望它找到资料并调用工具，遇到问题后还能调整，最后交付一个可以验收的结果。产品如果停留在回答这一层，模型能力再强，用户仍然得亲自管理整个过程 Cherry Studio v2 把这种变化落实到了产品结构中。Agent 没有被放在原有 Chat 产品旁边当成一个新入口。团队直接重写底层数据与任务体系。产品开始围绕用户目标组织能力，系统承担从目标走向结果的复杂过程 一个成功的 Chat 产品，为什么要推倒重来 2024 年，Che…
当机器人开始理解世界，通用智能才进入物理空间。 作者丨吴思梦 陈嘉欣 编辑丨岑 峰 过去几年，机器人解决的问题是“如何更精准地执行动作”。 在工业生产线上，机器人可以完成焊接、搬运、装配等大量重复任务，但这些能力建立在一个前提之上：环境、流程和目标都已经被提前定义。机器人并不需要真正理解世界，只需要按照预设路径完成任务。 但当机器人开始走出工厂，进入物流、服务甚至家庭场景，问题正在发生变化。面对一个没有见过的物体、一个没有训练过的任务，机器人能不能理解环境、预测变化，并找到完成任务的方法？ 这成为通用机器人走向下一阶段必须回答的问题。 大模型的发展为机器人提供了新的可能。语言模型证明，人工智能可以通过大规模数据学习复杂规律，并获得跨任务泛化能力。但机器人面对的并不是语言世界，而是真实的物理世界。 因此，具身智能领域正在探索一个更底层的问题：大模型究竟应该如何赋能机器人？ 目前行业的主流方向是 VLA。它让机器人通过学习大量人类行为数据，将视觉、语言和动作统一起来。但 VLA 的核心仍然是模仿——模型学习人类过去如何行动。 问题在于，如果机器人面对一个从未见过的新任务，仅依靠已有动作经验…
当大语言模型化身为智能体走向真实世界，它们面临的困境，与十年前在十字路口指挥交通的强化学习模型如出一辙。 作者丨岑峰 幸丽娟 编辑丨岑峰 在通往 AGI 的浪潮中，基础模型智能体（Foundation Model Agents）正以前所未有的速度接管各种任务。业界曾普遍乐观地认为，凭借大模型海量的预训练知识，智能体可以无缝适应各种真实场景。 但在现实中，当我们将一个在英文语境下表现完美的智能体，切换到中文或低资源语言环境中时，其错误率往往会呈现断崖式上升。 这种环境切换带来的“智力降级”，真的是大模型时代特有的新问题吗？ 在正在进行的 2026 年的德国不莱梅 IJCAI大会的 Early Career Spotlight（早期职业焦点）环节，亚利桑那州立大学（ASU）助理教授魏华给出了一个极具启发性的“降维”视角：今天大模型智能体所面临的脆弱性，本质上与传统强化学习（RL）在物理世界中遭遇的“仿真到现实（Sim-to-Real）”差距如出一辙。 作为长期深耕强化学习与真实世界决策的学者，魏华教授早年曾在腾讯 AI Lab 担任研究员，后于新泽西理工学院和 ASU 任教。早在2017 …
经典的“吉列刀架与刀片”模式，正在具身智能领域上演？ 编辑丨岑峰 过去两年，具身智能行业掀起了一场激烈的“硬件军备竞赛”：能后空翻的人形机器人、刷新奔跑速度纪录的机械腿，以及在精密设定下倒水、叠衣服的机械臂层出不穷。 但在这些炫酷的展示背后，一个极其现实的问题摆在了所有从业者面前：具身智能到底该怎么赚钱？ 目前，行业的主流玩法依然是“卖机器”：将昂贵的硬件本体搭配针对特定场景写死的工作流软件卖给 B 端客户。但硬件制造天然受制于供应链和规模效应，毛利率在残酷的价格战下不可避免地会走向极度微薄。 如果具身智能真的是继智能手机之后的下一代计算平台，它的商业终局，绝不可能仅仅是一家“硬件设备制造商”。 在正在进行的 2026 世界机器人大会（WRC）上，星海图联合创始人高继扬，指出，具身智能的商业模式最终将彻底颠覆，走向以“物理世界 Token”的销售为主体。 高继扬认为，在未来的终局里，机器人硬件（整机）甚至可能沦为“负毛利”的载体，其唯一目的就是把更多的终端铺到真实世界中去。而产业真正的价值核心，将100%向“具身大脑”迁移。 就像今天的 OpenAI 按大语言模型吐出的“文本 Toke…
Nothing Ear (3a) 保持了它作为 Nothing 产品的精良做工和标志性的外观设计，在操作等方面也做得不错，单元素质也在水平线之上，降噪等方面也并不差，至少在中价位产品中绝对不能算落后。查看全文
“Anthropic 堪称AI界的‘苹果’，尽管价格最高，却攫取了最多的收入。”有人这么评价Anthropic 。但另一方面，用户的体感是：“做Anthropic的用户，就像身处一段有毒的关系中。体验时好时坏，但日子久了，攒下来的只有满心怨气。” 今年4月份时，开发者的使用需求和注意力已经开始向Codex重新分配。当时，受到Claude Code使用限制影响的开发者，遇到了功能出现跃升式提升的Codex。同时，Codex还通过扩大免费使用范围和提高速率上限，降低了使用门槛。 如今，“Codex 与 ClaudeCode 之间的差距正越来越大。”有开发者现身说法： 我的业务工作配有Codex订阅，日常本职工作则使用Claude账号，所以我一直高频使用两者，使用时间大致各占一半。Codex基本上会直接按照我的要求执行。它有时有点太容易被引导，不会像我期待的那样提出足够多的质疑。不过，它能够理解问题、展开调查、制定计划并解决问题。Claude Code却越来越差。它身上的“AI腔”已经到了近乎语无伦次的程度，我经常很难理解它生成的句子。它还会说类似“你提出质疑是对的，我刚才完全没有抓住重点”…
最近，一个名为 J-Space Cognition Suite 的社区项目近日在 X 上快速传播。项目方声称，在完全不修改 DeepSeek V4-Pro-0813 模型权重的情况下，仅通过一套推理时 Harness，就能显著提升模型在多项 Agent Benchmark 上的表现，甚至超过 Fable 5。 不过，这一看起来颇为惊人的结论目前仍缺少最关键的一环：第三方复现。据 ExplainX 梳理，截至8月18日，J-Space Cognition Suite 公布的所有性能提升数据均来自项目方自己的测试，尚未有独立团队在相同条件下复现相关结果。因此，“DeepSeek V4 Pro 已经借助 J-Space 击败 Fable 5”目前仍然只能被视为项目方及社区传播中的主张，而不是已经得到验证的事实。 更容易引发误解的是，J-Space Cognition Suite 与 Anthropic 此前公布的 J-space 研究并不是同一个东西。前者是一套面向 DeepSeek V4 Pro 的第三方 Agent Harness，后者则是 Anthropic 对 Claude 模型内部…
在 OpenAI 披露其模型在 ExploitGym" 基准测试期间逃逸沙箱"之后，Anthropic 开展了一项回溯审计，覆盖 141006 次评估运行。调查评估了多项进攻性基准测试的历史测试，包括 Cybench"、CyberGym" 和 ExploitBench"，重点检查了在第三方评估合作伙伴 Irregular 提供的环境中执行的运行。审计发现了三起不同事件"，涉及六次评估运行。在这些运行中，由于出口路由配置错误，以及模型在夺旗演练期间攻陷了现实世界中的目标，Claude 模型得以访问公共互联网。 这些事件涉及 Claude Opus 4.7、Mythos 5 和一个尚未发布的内部研究原型。在所有运行中，模型都在专用的隔离测试环境中运行，与 Anthropic 的内部网络和客户数据分离。模型保留了基础的模型级安全训练，但没有配备生产级拒绝分类器和实时滥用监控。系统提示明确告知模型，它们运行在无法访问互联网的离线模拟环境中；然而，网络容器配置错误使出站互联网路径仍然处于活动状态。由于错误地假定所有可访问的 IP 地址都位于评估范围内，模型采用了基本的攻击技术，而没有利用零日漏洞…
当前，工业具身智能的规模化落地正卡在关键瓶颈：预训练模型在真实产线的部署成功率普遍不足60%，吞吐率不及人工，叠加居高不下的运维成本，让“机器人进厂干活”迟迟无法大规模兑现。 这一横亘在实验室与工厂之间的“最后一公里”，正在被一家年轻的创业公司打破。 近日，中科大机器人博士段逸凡宣布在上海创立具身智能公司灵犀智涌，定位于工业级自进化具身智能机器人企业。公司搭建了ROSS Harness与CONWAY工业原生模型协同演进的技术体系，推出第一代工业具身Harness系统ROSS ，以“模型+Harness”架构攻克工业具身智能落地的工程难题，该系统已经亮相第二届世界人形机器人运动会。 98年出生的段逸凡是中科大机器人方向博士，读博期间聚焦具身智能，空间智能等方向，相关研究成果先后发表于RSS、IJRR、ICRA、IROS等国际顶刊顶会，而ROSS Harness正是其学术成果工程化落地的核心产物。 段逸凡博士师从中科大机器人权威专家吉建民教授，此次创立灵犀智涌，段逸凡博士邀请吉建民教授以联合创始人、首席科学家身份加入，与其一同执掌灵犀智涌整体技术路线，形成“学术指导+工程攻坚”的双引擎结构…