铃阅时讯
❌

普通视图

日子过久了,你发现哪些东西压根不用买?

2026年11月3日 23:31

warfalcon 2026-11-03 23:31 辽宁

看看一个有趣的问题,问问大家的答案。

我去年整理衣橱的时候发现,光是我以前的各种衣服足够在各种场景下有好多不同的搭配,去年和今年好象就买了几件夏天的T恤 和 内裤、袜子,其它的衣服、鞋一件都没买。

想着等穿坏了不够穿的时候再说,前几天我有个活动,换了一双皮鞋,结果发象好几年没穿,皮子不行了,这是淘汰了一双鞋。但还有不少鞋,其它场合足够了。

你发现了,有哪些东西压根不用买?或者是哪些是完全智商税的东西不必买?

可以在评论区分享一下?

跳转微信打开

美团LongCat-2.5发布:全国产训练、原生多模态、1.6万亿参数

2026年11月3日 23:24

原创 金色传说大聪明 2026-11-03 23:24 北京

1.6万亿总参、480亿激活

可在 AGI Bar 免费使用

美团 LongCat 发布了新模型 LongCat-2.5,一个面向长程智能体任务的原生多模态模型,3D 质感不错,后面我放了例子

模型总参数 1.6 万亿,激活 480 亿;上下文窗口 1M token,单次最多输出 128K,每百万 token 输入 2 元(命中缓存 0.04 元)、输出 8 元

老规矩:本周,你可以在 AGI Bar 免费使用这个 LongCat-2.5 这个模型

从 Benchmark 上看,LongCat-2.5 比以往有着明显提升

和上一代 LongCat-2.0 比,长任务的分数涨得最多(从搭建到调通、独立做完一整个项目这类活)。Terminal Bench v4.0 上,上一代只拿了 3.0 分,这一代是 38.5

LongCat-2.5 具有原生视觉能力,在训练的时候就把图片和文字放在一起训的(图片切成离散 token,和文字 token 排进同一个序列)

对于长任务的强化学习,则是在真实代码环境里,通过真实仓库的 PR 和 issue 来进行训练,也来自 Agent 干活时的失败记录

LongCat-2.5 的训练和推理全程跑在国产 AI 加速卡上,训练单卡吞吐比 DDP 基线高了 86%,推理用 W4A4,吞吐比 W8A8 高了四成多

使用的话,打开 longcat.ai 就能直接对话,本文里的各种小彩蛋均由 longcat 绘制,可以点击猫猫头试试 ⬇️


看图写代码

由于具有视觉能力,写完代码后,LongCat-2.5 会再看一眼效果对不对,以下是一些演示

3D 类的也可以处理,比如这是一棵能转着看的青铜神树,和一个城市沙盘

办公类的任务也没啥大问题,比如丢给它几张经营数据表,它会自己分析完,做成一份带图表的经营分析报告

emmmm...我在每个小标题旁边放了一只猫一定记得戳👇


效果实测

首先我得说,这个模型对于 3D 渲染的美感效果还是相当不错的。这里我跑了几个 case,给大家看一下:

城市夜景:“做一个夜晚的 3D 城市,上千个外卖订单同时发生,骑手从店铺出发、拖着光轨送到住户楼,时间从傍晚走到深夜”

黑洞与银河:“渲染一个旋转的黑洞:发光的吸积盘、引力透镜扭曲背后的星空;手指快速一划,甩出一串恒星被黑洞吸进去”

可玩的 3D 魔方:“做一个可玩的三阶魔方:拖动旋转、划动转层,一键打乱、一键还原”

粒子钢琴:“做一架粒子钢琴:每按一个键,夜空里炸开一朵粒子烟花,还能自动弹《小星星》”

孔明灯:“中秋夜的河边古镇,点一下屏幕,就从河边放起一盏孔明灯,灯上写着福、安、顺”


图文混合训练

从训练一开始,LongCat-2.5 就把图片和文字放进同一套框架:图片切成离散 token,和文字 token 排在同一个序列里,模型用读文字的同一套方式读图

每一小块画面会换成好几层编号,粗的一层记大轮廓,细的几层补细节,这样换成编号后丢的信息更少。图片按原始分辨率切块

这样做还有一个工程上的好处:图片变成编号这一步可以提前离线算好、存起来。训练时模型直接读现成的编号,计算图里去掉了视觉编码器


真实任务,做强化学习

对于强化学习部分,LongCat 团队把模型放进真实的代码环境,反复练 Agent 各种长任务:读代码、改代码、跑测试、看报错、修改...周而复始

这里的练习题取自 GitHub 公开仓库和美团内部的真实代码任务:挑出 PR 和对应的 issue,让 Agent 自动打标、合成环境,配上 F2P 和 P2P 测试

这里还大量地加入了各种失败记录,通过一套叫 Trajectory2Task 的流程:

  • 先从失败记录里找出错在哪一步

  • 再把当时的运行环境恢复出来

  • 最后倒推出一道能复现、能判分的题

哪里翻车,就点哪里,so easy

这里补充一个小知识,模型很喜欢钻空子,搞些考试小妙招,比如联网搜现成答案,或者翻 git 历史,直接找到当年的修复代码(都是从人类那儿学来的恶习)

所以练习环境会断网,清掉 git 历史和文件缓存,另外用 LLM judge 盯着整条轨迹

为了考虑通用性,模型练习的时候并不绑定固定 harness,为了更好地适配各种环境比如 Claude Code、Codex 等等


国产卡发力

上一代 LongCat-2.0 已经在国产卡上跑通了训练全流程

这一代则在训练和推理两头都提升了效率:

  • 训练按超节点设计并行,单卡吞吐比 DDP 基线高了 86%

  • 推理用 W4A4,吞吐比 W8A8 高了四成多

训练一个 1.6 万亿参数的模型,显存最先告急。LongCat-2.5 用的国产 AI 加速卡,同时还要支撑最长达 1M 的超长上下文训练,美团和芯片厂商为此配合得更深

并行方案以超节点为单位:FSDP、EP、CP 的切分都落在同一个超节点里,大部分通信走超节点内的高速互联

再加上一系列省显存、省拷贝的改动,在所测长上下文监督微调任务中,单卡吞吐比 DDP 基线高了 86%

推理这一方面,W4A4 把专家权重与激活都压到 4 bit,能够跑在卡上原生的 INT4 矩阵单元上

作为结果:prefill 吞吐提升 43.3%,decode 吞吐提升 42.77%;TTFT 降低 15.91%,TPOT 降低 19.72%


跑分

最后放一下跑分,对比一下其他模型,包括 GPT-5.5、GPT-5.6-Sol、Claude Opus 4.8、Claude Opus 5,以及 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash

跳转微信打开

具身智能也需要Harness?港中文发布Agentic Robots综述

2026年11月3日 23:23

原创 让你更懂AI的 2026-11-03 23:23 北京

串起模型、数据、环境与 Harness

图片

VLA、世界模型、机器人技能都有了,谁来负责协调它们?

要让机器人完成“打开抽屉、取出蓝色方块、放到桌面”的任务,仅学会几个单独的动作还不够。

抽屉没拉到位、物体被遮挡、抓取后掉落,都可能打断原定计划。机器人还需要判断任务进度,决定接下来调用哪项能力,以及出错后如何补救。

这正是 Agentic Robots 关注的核心问题:如何协调已有的模型、工具与技能,根据执行反馈调整行为,并积累可供后续任务复用的经验。

Agent 的作用也由此延伸到模型训练、数据采集和仿真环境构建等环节。

香港中文大学 MMLab、复旦大学等机构的团队发布了综述《Towards Agentic Robots: Model, Data, Environment, and Harness》。

论文围绕模型、数据、环境与 Harness 四大领域、17 个功能类别,系统梳理了 Agent 如何参与机器人能力的开发、使用与迭代。

    论文地址:

    https://arxiv.org/abs/2610.20442

    文献仓库:

    https://github.com/chonghanqin/Awesome-Agentic-Robots

    机器人有了动作能力,Agent 还能做什么?

    仍以开抽屉取物为例。传统机器人策略通过示范或奖励信号学习抓取、拉动等动作;视觉语言动作模型(VLA)将预训练的视觉、语言知识融入动作生成,帮助机器人理解场景与指令。

    世界模型预测动作可能引起的环境变化,世界动作模型则将未来预测与动作学习结合起来。

    这些能力可以共同支撑一项任务,系统则需要根据执行情况决定何时调用哪项能力:抽屉只开了一半,是继续拉开,还是已经可以取物?看不清蓝块的位置,是补充观测,还是调整观察视角?

    Agentic Robots 关注的正是这些执行过程中的决策,并通过反馈调整后续行动。VLA、世界模型、规划器与机器人技能可以在同一系统中配合使用,承担不同的功能。

    〓 图1. 从传统机器人策略到 Agentic Robots 的能力扩展

    四大领域,串起任务执行与能力开发

    完成当前任务,只是 Agent 在机器人系统中发挥作用的一个环节。

    如果同类失败反复出现,还需要进一步判断:问题出在动作能力、训练数据,还是训练环境?

    这篇综述将这些问题放在同一框架下讨论。

    模型(Model):讨论 Agent 如何参与训练、感知、规划、机器人控制与自适应,回答学什么、如何理解环境、怎样采取行动。

    数据(Data):围绕采集、标注与优化,讨论如何获取经验,并将其整理成可用的数据。

    环境(Environment):涵盖环境重建、任务生成与评测构建,回答在哪练、练什么、怎么检验效果。

    Harness:通过编排、记忆、监测与恢复、技能、基础设施和分层系统,协调模型、工具与机器人执行。

    这些类别按功能划分,可以共存于同一系统中。例如,一次抓取失败既可能触发重新规划,也可能为后续的数据筛选、技能更新或训练调整提供依据。

    〓 图2. 模型、数据、环境与 Harness 四大领域及其 17 个功能类别。

    模型:失败之后,该调整哪一环?

    一次取物失败,原因可能在不同环节。没看清把手,需要补充观测;抽屉尚未打开就开始抓取,需要调整计划;目标位置判断正确,但抓取角度不合适,则需要修正控制指令。

    围绕这些问题,综述将模型领域划分为训练、感知、规划、机器人控制和自适应五个方向,分别讨论 Agent 如何参与能力学习、理解当前状态、制定计划、控制机器人,以及根据经验调整模型。

    这些调整的作用范围有所不同。重新观测、调整计划,主要服务于当前任务;改变训练方法或更新模型,则可能影响后续任务的表现。

    理清失败发生的环节和改动的作用范围,才能判断一项改进究竟解决了什么问题。

    〓 图3. 以开抽屉取物任务展示模型领域五个方向的作用

    数据与环境:怎样让每次尝试更有价值?

    任务最终失败,不代表整段数据都没有价值。机器人可能已经成功拉开抽屉,也可能在抓空后完成了有效补救。只按最终成败筛选记录,容易遗漏这些有用片段。

    数据领域因此关注三个环节:

    • 采集决定尝试哪些任务、补充哪些经验;

    • 标注为记录补充任务描述、阶段划分与结果信息;

    • 优化筛选有效片段,修正不可靠的标签或监督信号。Agent 可以参与这些环节的决策,让执行记录更好地支持后续学习。

    〓 图4. 数据采集、标注与优化,将执行经验转化为可用的数据

    获取有用经验,也离不开合适的交互环境。以抽屉任务为例,仿真场景既要还原外观,也要支持拉动、碰撞等与任务相关的物理交互。

    环境重建研究如何将观测到的场景转化为机器人可以操作的环境。

    任务生成进一步明确目标、约束与成功条件,例如取哪个物体、放到什么位置、需要避开哪些障碍。

    评测构建则规定测试场景、复位方式与评价指标,检验机器人在更换物体、调整布局或受到干扰时能否完成任务。

    环境与数据由此相互联系:环境提供交互条件,执行过程产生经验,数据处理再将经验整理为学习所需的数据。这些工作是否提升了机器人的能力,仍需通过独立测试验证。

    〓 图5. 环境重建、任务生成与评测构建,共同支持机器人学习与测试

    Harness:让模型、工具与技能协同执行

    即使各个组件能够独立工作,协同执行时仍可能出现问题。

    开抽屉的技能返回“执行完成”,抽屉却没有打开到合适位置;抓取模块收到的目标坐标,仍然依据物体移动前的画面生成。一次调用结束,并不意味着任务取得了预期进展。

    Harness 是围绕模型构建、支持任务执行的软件与机制。它协调模型、工具与机器人接口,负责组件调用、信息传递和过程记录,并根据执行反馈决定继续、重试还是切换方案。

    综述从六类功能展开介绍:

    • 编排:协调组件之间的调用与交接。

    • 记忆:保存可供后续决策使用的信息。

    • 监测与恢复:检查任务进度,识别并处理执行失败。

    • 技能:提供可复用的操作方法或可调用的执行程序。

    • 基础设施:提供模型与机器人之间的接口和运行支持。

    • 分层系统:协调高层推理、动作策略与底层控制。

    执行经验也可以通过 Harness 保留并复用。例如,将一次有效的补救过程整理成操作提示或可调用技能,加入技能库,或据此修改后续会复用的执行代码。这些更新可以在不重新训练模型的情况下完成。

    经验得到保留,并不意味着能力一定提升。新技能能否用于其他任务、代码修改是否影响原有行为,都需要进一步验证。

    当前任务中的成功修正,与后续任务中可复用的改进,需要分开评估。

    图片

    走向实际应用,还需要解决哪些问题?

    公平评测:成功率的提升来自哪里?

    更强的底层策略、更完整的观测信息和更多重试机会,都可能影响最终结果。评测需要在可控、可比的条件下考察 Agent 的规划、工具选择和恢复能力,同时报告计算、交互与人工协助的成本。

    真机部署:计划能否转化为可执行的动作?

    视觉误差、机械臂的可达范围限制和场景变化,都可能导致执行失败。Agent 需要了解技能的适用条件,在信息不足时补充观测,并根据真实反馈确认执行状态,再选择后续操作。

    使用效率:何时需要调用大模型?

    常规动作可以由已有技能执行,并配合轻量监测;遇到异常时,再由推理模型介入。调用时机需要结合任务进度和响应延迟确定。效率评估应覆盖完整任务,将推理、通信、物理执行和重试的开销一并纳入统计。

    跨本体泛化:更换机器人后,哪些经验可以复用?

    轮式机器人、机械臂和无人机的传感器、动作接口与运动约束各不相同。部分通用任务经验可能适用,具体操作则需要根据新机器人的能力重新调整。

    如何识别这些能力与约束、调整执行方案,以及需要多少额外配置或训练,仍有待研究。

    图片

    写在最后

    这篇综述希望帮助读者理清 Agent 在机器人系统中的作用:哪些决策由 Agent 完成,哪些操作由机器人执行,哪些经验可以保留并复用。

    论文与配套文献仓库均已公开,欢迎研究者与开发者阅读、交流,并补充相关工作。

    更多阅读

    ·

    跳转微信打开

    EMNLP 2026 | 多模态数学推理别急着“想”,UniCAR-RL让模型先看清

    2026年11月3日 23:23

    黎宇哲 2026-11-03 23:23 北京

    视觉数学均分最高涨9.9分

    ©作者 | 黎宇哲

    单位 | 华中科技大学硕士生

    研究方向 | 多模态大模型

    UniCAR-RL 不再让一个最终答案奖励同时承担“看”和“想”的监督,而是用三条共享参数的 RL 分支把感知与推理拆开优化,再在端到端 QA 中重新合起来。

    本文介绍华中科技大学与华为合作的 UniCAR-RL:一个面向多模态视觉数学推理的三分支强化学习框架。

    工作从一个很直接的问题出发:模型做错视觉数学题,很多时候并不是“不会推理”,而是第一步就把图看错了。

    UniCAR-RL 不再把所有错误都压缩成一个最终答案奖惩,而是显式拆分感知、推理和端到端问答三种训练信号,仅依赖原始短答案监督,就能针对细粒度视觉感知进行强化学习优化。

    该工作已被 EMNLP 2026 Findings 接收。

    论文标题:

    UniCAR-RL: Seeing Better before Thinking Deeper in Visual Mathematics

    收录会议:

    EMNLP 2026 Findings

    作者单位:

    华中科技大学、华为

    论文地址:

    https://arxiv.org/abs/2609.13849

    代码地址:

    https://github.com/yzli9/UniCAR-RL

    模型“算错”之前,可能已经“看错”

    过去两年,强化学习显著提升了大模型的数学推理能力。但把同样的范式直接搬到多模态数学问题上,会遇到一个更基础的瓶颈:图像中的条件并不总能被模型可靠地读出来。

    几何图里的直角标记、共线关系、刻度值,统计图中的轴标签,甚至一个很小的符号,都可能决定后续推理是否成立。

    这类错误有一个很麻烦的特点:一旦视觉前提错了,后面的推理即使逻辑完全自洽,也只是在错误前提上“认真地算错”。

    因此,视觉数学推理中的失败至少包含两种来源——感知错误和推理错误。

    传统端到端 RL 往往只看最终答案对不对。答案错了,模型得到负奖励;但训练过程并不知道究竟是“图没看清”,还是“逻辑推错”。这种稀疏全局奖励对推理能力有效,却很难精准修复感知能力。

    另一条常见路线是先用更强的教师模型生成带视觉描述的高质量 CoT,再做监督微调,但代价是额外的数据生成成本,而且教师模型自己的视觉幻觉也可能被一起蒸馏进去。

    〓 图1:视觉数学推理中的感知瓶颈,以及直接 RL、感知增强 CoT 蒸馏与 UniCAR-RL 的差异(来自论文 Figure 1)

    核心想法:把“看清楚”变成一个可验证的奖励

    UniCAR-RL 的出发点很简单:如果一段图像描述真的保留了做题所需的关键信息,那么一个“看不到原图”的强文本模型,应该能够只根据这段描述和题目,推导出正确答案。

    于是,原本很难直接评价的“视觉描述质量”,被转化成了一个可验证的问题:把模型生成的 caption 交给一个纯文本 verifier,如果 verifier 仅凭 caption 就能解出 ground-truth answer,就说明这段描述至少在任务层面是充分的。

    这样得到的奖励,不需要人工标注详细视觉描述,也不要求教师模型生成完整的感知 CoT。

    这个设计的重要之处在于,它评价的不是 caption 写得像不像人工描述,而是它对下游求解是否“够用”。

    换句话说,UniCAR-RL 关心的是 task sufficiency,而不是表面文本相似度。

    UniCAR-RL:三个分支分别解决“看、想、答”

    UniCAR-RL 把训练拆成 Caption-RL、Reasoning-RL 和 QA-RL 三个协同分支。

    三个分支共享同一个目标 VLM 的参数,并在每次迭代中共同更新,因此不是先训练一个模块、再冻结去训练另一个模块,而是让感知与推理在同一策略中持续共同演化。

    〓 图2:UniCAR-RL 总体框架。三条分支共享参数,同时提供感知、推理和端到端问答三种优化信号(来自论文 Figure 2)

    3.1 Caption-RL:先别问它题目,让它把图看完整

    Caption-RL 有一个刻意的设计:生成图像描述时,不把问题 q 提供给模型。这样做是为了避免模型只盯着“可能与当前问题相关”的局部区域,而忽略其他视觉元素。

    没有问题提示后,模型必须更完整地描述图像,从而形成更全面、偏置更小的视觉 grounding。

    对每张图,策略生成 G 个 caption rollout。随后,纯文本 verifier 只接收 caption、原问题和任务 prompt,不接触原始图像。

    如果它能从某个 caption 推导出正确短答案,该 caption 就得到正的 perception reward。

    一个被漏掉的刻度、直角符号或图例,都可能让 verifier 无法解题,从而直接给感知分支提供纠错信号。

    3.2 Reasoning-RL:把图拿走,只训练“怎么想”

    Caption-RL 得到多个候选描述后,UniCAR-RL 从中选择奖励最高的 caption 作为当前样本的 gold caption。

    接下来,Reasoning-RL 不再给模型原图,而只给 gold caption 和问题,让模型在纯文本条件下完成推理。

    这一步的意义是切断“视觉看错 → 推理跟着错”的级联链条。因为输入已经被转成相对可靠的文本描述,Reasoning-RL 的奖励主要反映逻辑推导能力,而不是视觉读取能力。

    随着 Caption-RL 逐步提高描述质量,Reasoning-RL 接收到的输入也会越来越丰富,形成一种自然的 curriculum。

    3.3 QA-RL:最后还要回到真实测试形态

    如果只训练前两个专门分支,模型可能擅长“描述图”和“基于描述推理”,却偏离真正部署时的 image + question 输入形式。

    因此第三条 QA-RL 分支保留原生端到端问答:输入图像和问题,直接生成推理与短答案。

    三个分支的 reward semantics 不同,因此论文在每个 rollout group 内分别做 advantage normalization,再使用标准 clipped GRPO objective。

    最终三个 objective 在同一次反向传播中共同更新共享参数:局部上把不同能力拆开训练,全局上仍然保持一个统一模型。

    实验:不只“答对更多”,感知能力本身也在提升

    训练使用 MMRL30k 中的 30k 样本,评测覆盖 WeMath、MathVerse、MathVista 和 MathVision 四个视觉数学推理基准,并进一步在 ChartQA、HallusionBench 上测试通用多模态能力。

    主干模型包括 Qwen2.5-VL 和 Qwen3-VL 的多个参数规模。

    四个数学基准的平均分(Avg.)

    〓 注:UniCAR-RL 结果采用论文中对应配置;不同 backbone 的 verifier 配置见原论文 Table 1/2。

    最明显的趋势是:初始感知能力越弱的 backbone,收益往往越大。

    Qwen2.5-VL-7B 的四项平均分从 48.3 提升到 58.2,绝对增益达到 9.9;Qwen2.5-VL-3B 也从 42.9 提升到 52.2。

    Qwen3-VL 这类更强的新模型依然能稳定获益,4B 配置在 Gemini 3 Pro verifier 下从 61.5 提升到 65.9。

    更关键的是,论文单独测了“视觉描述是否更有用”。

    统一使用 Gemini 3 Pro 作为 solver 时,Qwen3-VL-4B 零样本 caption 的 verifier-solve 平均准确率是 71.4;普通 GRPO 只提升到 72.8(+1.4),而 UniCAR-RL 达到 75.9(+4.5)。

    这说明最终数学成绩的提升并不只是模型更会“猜答案”或更会写推理链,视觉描述本身确实变得更充分。

    这种感知增益也能迁移到更一般的多模态任务。以 Qwen3-VL-4B 为例,ChartQA 从 83.0 提升到 89.5,HallusionBench 从 73.7 提升到 75.5。

    论文因此认为,针对细粒度 perception bottleneck 的优化并不只服务于数学图形。

    为什么三条分支都不能少?

    分支消融给出了一个很直观的结果。

    完整 UniCAR-RL 在 Qwen3-VL-4B + Gemini 3 Pro 设置下平均分为 65.9;去掉 Reasoning-RL 后下降到 64.2。

    去掉 Caption-RL 后就退化成普通 Vanilla GRPO,只有 62.8;再去掉 QA-RL,则回到 base model 的 61.5。

    这组结果说明,单纯加 RL 并不足以解决视觉数学里的感知瓶颈。

    Caption-RL 提供针对感知的直接信号,Reasoning-RL 负责在可靠视觉条件上强化逻辑,QA-RL 则保证前两种专门能力能够重新整合到真实的端到端推理流程中。

    案例:普通 GRPO 会纠正“推理错”,但未必能纠正“看错”

    论文中的定性案例很能体现这种差别。

    在第一类题目里,baseline 和普通 GRPO 都把图中的几何关系读错,例如产生错误的共线判断;即使后续推导写得很完整,最终答案仍然错误。UniCAR-RL 则先修正了视觉关系,再完成正确计算。

    另一类题目主要是逻辑推导错误。这里普通 GRPO 已经能够起作用,而 UniCAR-RL 仍能保持并强化这种推理纠错能力。

    也就是说,三分支设计并不是用“感知训练”替代传统 RL,而是在保留推理优化的同时,额外补上过去难以直接监督的视觉感知环节。

    〓 图3:Baseline、GRPO 与 UniCAR-RL 的定性对比。上例主要是感知错误,下例主要是推理错误(来自论文 Figure 3)

    代价:每一步更贵,但整体训练开销没有线性放大

    三分支训练显然会带来额外成本,其中最主要的开销来自 Caption-RL,因为每个 caption 还要经过 verifier 求解。

    论文统计显示,一个完整 UniCAR-RL iteration 的总耗时约为 Vanilla GRPO step 的 3.75 倍。

    不过,在实验观察中 UniCAR-RL 需要的优化迭代更少:大约 70 次,而 Vanilla GRPO 约 150 次。

    因此最终总训练时间约为 Vanilla GRPO 的 1.75 倍。换句话说,方法不是“免费提升”,但额外成本明显低于把三分支的单步倍率直接乘到整个训练过程上。

    从“先看清,再深想”出发

    UniCAR-RL 想解决的其实是一个比视觉数学更普遍的问题:对于多模态大模型,推理链的上限往往受制于输入理解的下限。

    只要第一步视觉解析出了问题,后面再强的 reasoning 也很难补救。

    这项工作的核心并不是额外构造一套昂贵的感知标注,而是利用“一个文本 solver 能否从描述中还原正确答案”作为任务相关的验证信号,把原本难以监督的 perception 变成可做 RL 的对象。

    最终,Caption-RL 负责“看清”,Reasoning-RL 负责“想对”,QA-RL 负责“在真实输入里把两件事一起做好”。

    目前方法主要在视觉数学和少量通用视觉任务上验证,三分支训练也会增加计算开销。

    后续一个值得继续探索的方向,是把这种 perception-reasoning decoupling 扩展到图表理解、文档推理、科学图示等更广泛的多模态任务中。

    更多阅读

    ·

    跳转微信打开

    国内AI4S圈的头号玩家,科学模型,权重全开放!

    2026年11月3日 21:48

    原创 FrankGPT 2026-11-03 21:48 北京

    深度原理 DeepPrinciple 团队,又把模型实践往前推了一步……

    Image

    国内AI4S领域头号玩家,又把模型实践往前推了一步……

    深度原理 DeepPrinciple 团队,把 GLM-5.3 后训练成了一个科学模型,权重全开放,名字叫 Hydrogen-1.0。

    简单跟大家说说背景。

    DeepPrinciple 把自家的 GLM-5.3 拿来后训练,灌进化学、材料、生命科学的领域数据,再加上他们自己实验室的实验记录,训练出 Hydrogen-1.0。

    权重开放,是说挂在 Hugging Face 和 ModelScope 上随便下,同时也在 NeuroSpark 上开了 API,还能在自家 AI 科学家产品 Mira 里直接用。

    如果横向比较一下海外顶尖的AI组织和NeoLab,就能看出深度原理的技术判断,很前瞻。

    OpenAI 用 AI agent 证明了强迫 Navier-Stokes 方程的有限时间奇点,还配了 Lean 形式化。

    Anthropic 通过基因组分析和实验室验证,找到一个带 CRISPR 样重复序列的酶系统。

    最新的共识是,模型已经能参与真实的科学发现,能提出可以被数学或实验验证的想法。

    可惜这些模型的发现能力是闭源的,权重不外放,别人想复现、想改造、想接着往下做,都得看人家的脸色。

    Hydrogen-1.0 干的事情,是把这条刚刚被证明能走通的路,用开源权重重新铺了一遍。

    见过很多打着开源旗号的模型,开源的是名头;权重、数据、评测口径全都藏着掖着。

    这次Hydrogen-1.0的发布就很有诚意了。

    它把从领域知识到实验记录,再到发现轨迹的整条链路,都摊开了,连失败实验的记录都拿来当训练数据。

    失败记录,是科研里最难拿、也最值钱的数据,愿意拿它出来训练的团队,至少说明他们真的相信这条路。

    01

    说说「权重开放」这件事

    先看评测数据。

    Hydrogen-1.0 在 FrontierScience-Research 上超过 GPT-6-Astra,在 GPQA-Diamonds 上比它的起点 GLM-5.3 高,基本追平开源前沿模型 Kimi-K3。

    让我在意的,是发布页里那张性能对成本的图,横轴是输出侧 API 价格。

    把能力和单位成本放在一起比,能看出水准,也能看出性价比。

    这种产品化算账的思维,有些研究团队意识不强,也造成了产业侧的落地难。

    内部场景的评测,更有意思。

    科学计算、单步正向反应预测、NMR 结构解析,三个他们团队天天用的场景,最高思考档下前两项比 GPT-6-Astra 高 5.13 和 4.76 个百分点,NMR 那项低 3.33。

    发布页专门写了一句,不同任务的绝对分数差异反映的是内部题目难度,不能直接当成模型能力的横向比较。

    能主动给自家数字画边界、承认某一块不如别人的,是认真做研究的人。

    02

    会自己修实验流程的模型,比会做题的模型更吓人

    榜单数字撑不起一个新范式,让我觉得这个模型有点东西的,是那几个演示案例。

    先说聚合物分子动力学。

    给模型一个材料学问题,它自己写 Python 搭聚乙烯熔体,跑 GROMACS,跑到一半发现拓扑结构有错,自己检测、自己修、修完重启模拟。

    最后给你一条 40 纳秒的轨迹,还能接着分析密度、分子堆积、扩散和链尺寸。

    对于今天的模型,写代码不难,难的是程序跑起来出了错,能看懂报错、定位到拓扑定义的问题、再自己改掉。

    这一步卡死了市面上绝大多数 coding 模型。

    因为这背后不是背题,是在一条真实工具链里做调试,每一步都需要对底层物理和软件行为有理解。

    另一个案例更有味道。

    一个 Ireland-Claisen 重排反应网络,27 个分子结构、30 条反应记录,主路线每一步的电子势垒都比备选路线低。

    模型把整个网络铺开,帮你找潜在瓶颈、比较竞争路线。这不是单步预测,是几十步的推理链,每一步都连着真实的化学数据。

    还有 NMR 结构解析。模型拿到一张氢谱,从 2-溴萘的 7 个可能单甲酰化产物出发,先看低场信号,再看拥挤的芳香区,逐个评估候选结构。

    做过的人都知道,NMR 解析是研究生要练很久的功夫,要把谱图特征和结构化学对应起来。

    最打动我的,是实验室编译这个设计。

    一个 12 管 Suzuki 偶联实验,模型写出 JSON 协议,虚拟预演时抓住一个低级错误,吸液的时候没换新枪头。

    这在真实实验室里意味着交叉污染,做过湿实验的人看到这里都会会心一笑,这是每个进实验室的人都踩过的坑。

    模型自己把动作顺序改对,编译通过,才进入实际执行。

    能在执行前拦住这种错误,说明它对实验流程的理解已经进入动作层面。发布页里那句话说得实在,执行前把错误拦住,能缓解 AI 自主性带来的安全问题。这个思路,比多考几分重要得多。

    03

    训练细节里,藏着这家团队的底牌

    榜单和演示看完了,重头戏在训练。

    Hydrogen-1.0 的管线是 SFT 加 RL。

    SFT 提供推理、实验规划、协议设计、结果分析的工作示例,RL 让模型根据研究结果的反馈学会做更好的决策。

    训练数据分四块,领域知识、科学家的任务级反馈、实验室记录、完整的发现轨迹。

    这里我想多说两句。多数科学模型的训练数据是论文和教科书,干干净净的正确答案。

    但是 Hydrogen-1.0 的数据里混着大量实验室记录,包括失败的尝试和修正过的假设。

    看着反直觉,脏数据怎么训出好模型?

    很快我想明白了:科学发现的真实过程本来就是这个样子,假设、实验、失败、修正、再试。

    只喂干净答案,模型学到的是教科书里包装好的科学;喂全过程,模型学到的才是真实发生的科学。

    他们专门讲了自己的电子实验记录本,配合 Mira 的智能体文档化,把实验从头到尾的上下文都留全,想研究什么、怎么做、发生了什么、下一步查什么。

    从这种记录里学到的,是实验完整展开的过程,不是孤零零的最终结果。这是大多数只拿论文训练的科学模型给不了的。

    训练工程上几个细节,越看越觉得有分量。

    全模型 MoE 后训练,优化器用 Muon,FP32 主权重和动量在 CUDA 上放 CPU,只把当前要更新的主矩阵搬上 GPU,更新完写回;

    在 ROCm 上更狠,把动量直接卸载到磁盘,前向反向计算时给长序列激活腾显存。

    长序列用离线打包,不截断完整推理示例,损失只算在 assistant 输出上,按全局监督 token 数归一化。

    动态稀疏注意力在多卡之间做因果约束,保证每个样本只看自己的因果前缀。

    SFT 基础设施示意,长序列打包、稀疏注意力与优化器状态的调度方式

    还有个特别有意思的设计,可恢复的强化学习 rollout。

    GPU 池在生成和训练之间切换,没跑完的响应保留前缀,下一轮接着续写。

    一个响应可能横跨多个策略版本,每个 token 都记录自己生成那一刻的真实行为 log-prob,重要性修正按 token 对齐。

    这就解决了一个老大难问题,长序列生成慢,整个 rollout 周期都会卡住,现在没跑完的活可以跨轮接着干。

    图2:可恢复强化学习与训练推理权重交换示意(来源:Deep Principle 发布页)

    还有一个小地方,也挺见功力。

    训练和推理用的权重布局、精度格式都不一样,训练是 BF16,推理是 128 乘 128 分块的 FP8,中间用一个双向适配器衔接。

    他们甚至在归因训练收益之前,先做零梯度更新的导出和量化漂移检查,再用同一套推理配置去评估训练效果。

    做评测的人看到这段会心一笑,太多团队训练归训练、上线归上线,两套配置各跑各的,最后数字打架还找不到原因。这种自证,是工程上最值钱的东西。

    单个细节拿出来都是工程优化,串在一起,能看出这是做长期主义的事。

    为了把长序列和 RL 跑起来,连优化器状态放哪里、磁盘和显存怎么交换都重新设计了一遍。

    从这种基建投入,也能看出来深度原理他们,认定科学模型这条路值得走下去。

    04

    科学直觉,正在变成一种可以训练的东西

    最后聊点更长期的。

    有一个「寻找新材料」的实验,很有意思,我特意留到最后。

    过渡金属配合物设计任务里,每个模型从相同的初始种群出发,五轮迭代,每轮推荐一个新配合物,只接收自己推荐的结果作为反馈。

    第五轮,Hydrogen-1.0 的最佳 HOMO-LUMO 带隙到 4.318 eV,GPT-6-Astra 是 3.689,Kimi-K3 是 3.353。

    数字看着不大,背后的东西却不小。

    这是模型在只有自己反馈的情况下,一步步学会往目标性质靠拢。

    换句话说,它开始表现出一种接近直觉的东西,知道哪些候选值得探索,哪些观测值得做,一条路走不通的时候怎么掉头。

    深度原理官方有一句话,我特别喜欢:「科学是一个开放式的探索,AI 可以无限地探索和创造价值。」

    我只觉得,科研里最贵的东西从来不是算力,是判断力。

    该试什么、不该试什么、哪个实验值得做、哪个假设该放弃,这些决定耗掉了无数研究者的时间和热情。

    如果模型能从完整轨迹里学到一点这种判断力,哪怕只是皮毛,对科研效率的改善都可能是数量级的。

    当然,边界也要说清楚。

    目前的评测大多来自他们内部场景,领先幅度是几个百分点,需要更多第三方复现;NMR 那一项,他们自己承认不如 Astra。

    科学模型离真正替代科研决策,还有很多值得见证的路要走。

    而一个信号是,科学发现的能力,正在第一次以开源权重的方式,被交到所有人手里。

    以后任何一个实验室,不管规模大小,都能下载一个会设计实验、会写协议、会修流程、会从失败里学习的模型,在自己的数据上接着训。

    随着模型越来越多参与发现,它们要学习的数据里,会出现越来越多它们自己帮助做出的发现。

    模型要从明天的观察里学习,包括它自己创造的明天。这个闭环一旦转起来,科学进步的速度会超出所有人的预期。

    小时候,我们很多人的梦想是成为一名科学家。

    也许,这就是最好的时代。

    Image

    朋友圈会发一些具体的案例和商业化日常~ 

    AI交流,欢迎加我本人微信:FrankGPTs

    跳转微信打开

    《影之刃零》是村里第几个大学生?

    2026年11月3日 21:13

    原创 胡程 2026-11-03 21:13 上海

    国产3A游戏的春天

    影之刃零发售72小时销量突破400万,同时在线人数打破Steam年内单机游戏纪录,作为村里第二个大学生,这个成绩相当扎实。

    游戏最初构想可以追溯到2017年,正式立项到等到2022年初,开发周期近五年,整体研发投入约3亿-4亿人民币。

    2021年前后,以黑神话为代表,国内3A游戏迎来立项高峰期。过了五年,这批准大学生陆续到了志愿填报阶段:

    黑神话:悟空第一个拿录取通知书,2018年2月立项,2024年8月发售,开发耗时6年半,开发总成本3亿元以上(杭州税务局口径)。发售后万人空巷,成为游戏产业标志性事件。

    明末:渊虚之羽2020年3月开发,2025年7月发售,耗时5年多,开发成本2亿元左右(Alinea Analytics口径)。

    湮灭之潮2023年初立项,团队约150人,按照五年左右的开发周期,上市可能得2028年;古剑虽然2021年就立项,但2024大规模投入开发,上市可能更晚。

    这批大学生的共同点是“百人团队、五年开发、3-5亿研发成本”,听上去是大制作,其实一点也不高。

    作为对比,海外大厂单个项目成本早早跨过1亿美元大关,直奔3亿美元而去。影之刃零的开发商灵游坊全公司不到200人,育碧一年到头没几个游戏,居然养了两万员工。

    国产3A游戏,似乎进入了一个爆发期。这股风是怎么吹起来的?

    算术题

    3A游戏是个行业约定俗成的概念,舆论语境下的“国产3A游戏”,更多指的是其商业模式:买断制。

    买断制游戏是一锤子买卖,用户购买游戏,公司确认收入,双方一拍两散。

    欧美和日本两大游戏老区,一直是3A游戏的最大的生产地。

    但最迟在2018年前后,3A游戏市场遇到了一个愈发严峻的问题:开发成本暴涨,导致商业模式坍塌。

    从上世纪90年代到2020年前后,3A游戏的定价始终保持在60美元左右。游戏公司长期靠市场规模扩大,对冲开发成本和通胀压力,维持游戏定价。

    2000年,全球游戏市场规模大概是430亿美元,2020年达到1770亿美元。刨除手机游戏,3A游戏的主要平台(PC/主机),市场规模在900亿美元上下。

    同期的游戏开发成本,则以十年十倍的速度增长。

    90年代中期,3A开发成本约为100万美元;2005年涨到1000万美元;到2015年,已经站上1亿美元。

    2007年的刺客信条由育碧蒙特利尔一家工作室开发,2020年刺客信条英灵殿,参与的工作室多达15个、总人数超过1000人。

    一方面,成本还在继续增长。

    2023年,美国政府审查微软收购动视暴雪交易案,索尼提供的证词,泄露了欧美大学生的培养成本:

    地平线:西之绝境研发开支2.12亿美元;最后生还者2 2.2亿美元;战神:诸神黄昏2亿美元;漫威蜘蛛侠2更是重量级,3.15亿美元,够做7遍黑神话了。

    另一方面,市场规模增速远远跑不过成本增幅。

    按照研究机构Newzoo的口径,2020年到2025年,PC+主机游戏市场累计涨幅只有9.1%,年均1.8%。甚至不如同期的白酒,谁是老登资产啊?

    2020年,NBA 2K21定价70美元,打破了60美元的祖宗之法,2026年,GTA6又把定价拉到80美元。买断制游戏的商业模式,已经到了坍塌的边缘。

    面对此情此景,欧美大厂的选择是进一步推高成本。

    游戏行业记者Jason Schreier今年发了条推文。欧美3A游戏的开发费用高得离谱,新项目预算动辄3亿美元起步。

    即便一份游戏卖到70美元,厂商也得卖出至少600万份才能勉强抹平开发成本,而这还没把营销费用算进去。

    想让这个生意持续下去,需要一套新的商业模式。

    大厂离家出走

    2022年,美国发生一起校园枪击案,知名游戏使命召唤发行商动视暴雪不幸躺枪,被受害者家属告上法庭。动视暴雪提交的证据里,意外泄露了游戏开发成本:

    黑色行动3(2015)4.5亿美元,现代战争(2019)6.4亿美元,黑色行动冷战(2020)7亿美元。

    想靠卖光盘把成本收回来,是万万不可能的,利润得靠玩家在游戏里抽卡开箱子的氪金收入。

    从动视暴雪的收入结构看,一次性付费的产品销售收入占比一直在缩水,订阅收入占比不断提高,其中就包括魔兽世界的月卡、使命召唤和炉石传说的氪金等等。

    玩家购买游戏后,又继续贡献了占比近80%的经常性收入,才能让这笔账算得过来。

    这种商业模式被称为服务型游戏(Game as a Service,GaaS),灵感来自手机游戏的付费模式,含义是把游戏从一锤子买卖变成“可持续服务”,通过内容更新和付费项目,不断从用户兜里掏钱。

    动视暴雪有一半收入来自手机游戏,说服力也许不强。另一家游戏公司EA手机游戏收入占比不高,但氪金收入占比依然在70%以上,比如FIFA的抽卡和APEX的开箱子。

    服务型游戏改造了游戏的商业模式,重心从市场规模的扩张,转向了单用户价值的汲取。

    买断制模式下,穷哥们富哥们想体验全部游戏内容,都只用花60美元;但服务型游戏可以解放富哥的消费空间,一个月氪10万,单个游戏的创收上限大大提高。

    毕竟由奢入俭难,服务型游戏代替3A游戏的买断制模式,可以用更高的收入来覆盖成本上涨,满足了大厂的增长饥渴。

    但传统3A游戏的市场需求不会凭空消失,大厂前赴后继投身服务型游戏,把市场空间让了出来。

    按照Newzoo的口径,2025年,欧美主要市场PC买断制游戏收入同比增长17.4%,买断制游戏的受众,仍然广泛存在。

    于是,在大厂继续增加开支,扩大项目规模的同时,另一条路线也在产业界蔓延:用更低的成本做中等规模的游戏。

    2A崛起

    黑神话发售同年,日本公司Team Asobi用65人开发团队和2000万美元成本,开发了游戏宇宙机器人,至今销量接近500万份(Alinea Analytics口径),创收2.5亿美元。

    这种级别的销量,EA和动视暴雪这些大厂是看不上的,但对家小业小、不过百来人的游戏公司来说,已经是回报率非常高的投资了。

    与此同时,买断制3A游戏的生产地也在转移,并且有两个明确的方向:东欧和中国。

    波兰人口不多,但坐拥超过800家游戏工作室,巫师、冰汽时代等IP皆出自此地。捷克的游戏行业营收2023年达2.26亿欧元,诞生过天国拯救、武装突袭等IP。

    和黑神话、影之刃零类似,这类游戏的特点同样是低成本小投资。天国拯救2研发成本4000万美元,不够使命召唤塞牙缝。

    但好处是回本阈值也低,卖出100万份就能开香槟了。

    行业把这类成本在1亿美元以下的项目,一般称作2A或准3A。那么,2A游戏的投资,为什么会集中在东欧和中国?

    成本是一个因素。现代游戏图形技术非常复杂,美术是最大的一项成本。按照Innovecs games的口径,3A游戏美术和动画部分占总成本的30%左右。

    不考虑未来AI的大规模介入,美术在性质上偏向劳动密集型,对成本高度敏感。2000年后,中国和东欧开始大量承接西方游戏的美术外包,有成熟的人才供给。

    但在中国,事情还不止成本这么简单。2021年,影之刃零制作人梁其伟接受采访时曾提出:

    “业界的状况正处在一个临界点。一方面,很多单机作品即将出来了;另一方面,做手游成本也不低,但成功的越来越少。那么,与其做一个可能一出就死的手游,不如拿出一样的资金试试做3A。”

    什么是临界点,不妨有话直说:

    2020年原神发售后,国内手机游戏/服务型游戏的入场门槛,被抬高了几个量级。米哈游原本的设想是两年时间+2.5亿元开发成本,结果花了三年半时间+7亿元的成本才做出来。

    游戏发售后还要继续更新内容,持续投入成本。从投资角度看,砸进去两个黑神话的钱,如果收入不及预期,沉没成本实在巨大。

    产业界日益弥漫的焦虑中,黑神话恰如其分地出现了。

    黑神话这类2A游戏虽然商业模式胜似赌博,并不性感,但强在赌资可控,失败的代价可以承受。

    资本也是这么想的,黑神话、影之刃零、湮灭之潮和古剑的开发商都拿过腾讯的投资。腾讯在玩家群体里口碑一般,但作为产业资本,是人人都想抱的大腿。

    是什么吸引了腾讯?

    对腾讯来说,比起当年元梦之星大战蛋仔派对的军费,三角洲行动这种级别的大项目,投资游戏科学(黑神话开发商)那点钱,零花钱都算不上,反倒让腾讯赚美了。

    除了影之刃零这类“大制作”,中国还有大量中小型独立游戏,用小成本搏高收益。

    波西亚时光平均35人开发、总成本约2700万元,换来3700万美元收益;卖出超过250万份的戴森球计划,最初由一个5人小团队制作。独立工作室的风来之国销量早早突破50万,规模不大,但成本更低。

    考虑到2A游戏平均五年左右的研发周期,国内游戏供给的爆发期,应该会在2028年出现。作为玩家,捏着鼻子玩了这么久的DEI,到时候就能吃点好的了。

    [1] 2025年中国游戏产业报告,游戏工委

    [2] The Game Industry of Poland,PARP

    [3] Czech Gaming Industry Report 2024,GDACZ

    [4] 我们真的要为80刀的GTA6付费吗,游戏动力

    [5] The cost of games,Ragh个人网站

    [6] Video game industry,维基百科 

    [7] Activision spent almost $1.8 billion developing three Call of Duty titles,GameDeveloper

    [8] AAA Game Development Cost: What It Really Takes to Build a Blockbuster,innovecs games

    [9] 3A太贵、独游太多,2A游戏会是个机会吗,游戏茶馆

    [10] 2022–2026 video game industry layoffs,Wikipedia

    [11] Ubisoft Posts €1.5B Loss, Scraps 7 Games,Tech insider

    [12] Leveraging local know-how to develop video game hubs,WIPO

    [13] The Business Of Video Games: Market Share For Gaming Platforms in 2019,Forbes

    [14] Post-pandemic growth returns for PC and console, driven by premium spending and changing price dynamics,newzoo

    跳转微信打开

    吉利的下一轮增长,从何而来?

    2026年11月3日 21:13

    罗松松 2026-11-03 21:13 上海

    以下文章来源于:远川汽车评论

    远川汽车评论

    不止是汽车

    好日子还在后头

    每年车企翘首以盼的“金九银十”,今年直接降级成了“铜九铁十”。

    根据乘联会的数据,9月份,全国乘用车零售161.8万辆,同比下降28%。刚刚过去的10月,国内上市了几十款新车,但市场依旧不见回暖。

    在寒气逼人的环境中,能做到销量、单价和利润同步提升的中国车企寥寥无几,吉利汽车是其中之一。

    10月29日,它交出了一份量价齐升、含金量十足的财报:三季度销量81.3万辆,同比增长7%;营收约990亿元,同比增长10%;单车平均收入11.2万元,同比增长12%;核心归母净利润52.1亿元,同比增长32%。

    收入增速高于销量增速,利润增速又高于收入增速。相比多卖了多少辆车,这组差异更能说明吉利增长结构的变化:出口和高端车型贡献了更多收入,推行两年的“一个吉利”战略,则让规模优势进一步转化为经营效率。

    进入四季度,增长的势头仍在延续。10月,吉利汽车销量达到31万辆,其中新能源销量首次突破20万辆,同比增长21%。

    财报反映的是过去,外界关心的是未来。当国内车市持续承压、海外政策又充满不确定性时,吉利的下一轮增长将从何而来?

    出海扎根

    国内市场承压,海外正在成为中国车企越来越重要的增长来源,吉利的变化尤其明显。

    前三季度,吉利汽车累计出口79.8万辆,相当于每卖出三辆车,就有一辆卖到了海外,同比增长169%,增速在主流车企中位居第一。其中,新能源出口48.4万辆,同比增长531%,成为整个集团重要的增长来源。

    到10月,吉利海外单月销量已连续五个月超过10万辆。极氪当月海外销量达到1.42万辆,占品牌当月销量的四成以上,豪华车型也在成为海外增长的重要力量。

    英国市场是一个典型缩影。去年10月,吉利正式进入英国,并陆续投放三款产品,两款纯电和一款插混,今年9月,吉利在当地的新车注册量突破5000辆,是最快达成这一里程碑的中国汽车品牌。

    今年巴黎车展上的吉利展台

    产品竞争力正在转化为海外销量,但出口规模越大,中国车企需要面对的问题,也越不局限于产品本身。

    以中国品牌大团建的欧洲为例,2024年10月,欧盟宣布对中国制造的纯电车加征反补贴关税,多数中国车企适用的追加税率在17%至35.3%之间。按17%计算,一辆到岸价3万欧元的电动车,仅新增关税就达到5100欧元。

    这迫使中国车企加快向欧洲投放插混车型。但调整动力形式,只能应对眼前的政策变化。随着中国汽车在当地的份额提高,围绕产业、就业和贸易的博弈还会持续。

    汽车产业背后是工厂、供应商和大量就业岗位。对于希望保护本土产业的国家,仅仅提供物美价廉的汽车,并不足以消除它们的顾虑。中国车企要继续扩大海外业务,就需要让当地产业也参与到增长中来。

    今年7月,吉利以2.21亿欧元入股福特位于西班牙瓦伦西亚的工厂,就是一个例子。

    这座工厂1976年投产,设计产能约50万辆/年,一度是福特在美国以外最大的生产基地。但到了2025年,产量下滑至不足10万辆,产能利用率只有两成。按照双方最新的合作计划,吉利将在这座工厂生产两款电动车,首款将于2028年下线。

    Spain's Prime Minister Pedro Sánchez at a podium with Ford and Valencia logos, speaking in front of a screen displaying a factory landscape and Ford and Geely logos.

    西班牙首相参加吉利和福特的合作仪式

    对吉利来说,成熟工厂的价值不只是现成的厂房和产线,还包括熟练工人、供应商网络,以及长期在欧洲生产经营的经验,这些都是全新工厂短期不具备的优势。

    特斯拉和比亚迪的经历已经说明,在欧洲建设一座同等规模的工厂,从选址、审批到建设投产,时间至少需要两三年,投资也要几十亿欧元起步。

    利用现有产能,吉利可以避免从零开始所需的巨额投入,把更多精力放在产线改造和产品导入上;当地则有机会盘活闲置产能,稳定就业,并拉动供应链订单。

    中国车企的增长,由此与当地产业的利益产生了更直接的联系。

    这种合作共赢的思路也从制造端延伸到了销售端。

    2026年9月,沃尔沃和领克达成协议,从2027年1月起,沃尔沃将成为领克在欧洲的独家经销商。领克由此可以借助沃尔沃经营数十年的渠道和服务体系,扩大当地业务;沃尔沃经销商也能通过引入领克产品,增加客流和收入来源,提高现有网络的利用效率。

    对一个进入欧洲时间不长的品牌而言,销售网络决定了消费者能否方便地买到车,售后体系则影响他们是否愿意放心购买。维修是否便利、备件供应是否稳定,也会直接影响二手车流通和残值预期。成熟的渠道能够帮助领克更快地建立这些信任。

    类似的合作也在其他市场展开。在东南亚,吉利和宝腾协同发展;在巴西,吉利与雷诺合作推进本地化生产,为进一步拓展南美业务创造了有利条件。

    合作的具体形式不同,思路却高度一致:将中国的产品技术与当地的制造、渠道和市场经验结合,共同投入,也共享增长。

    整车出口能够迅速打开市场,本地经营则决定一家车企能在当地走多远。随着海外业务扩大,吉利多年积累的国际合作关系,正在从进入市场的便利,转化为持续经营的优势。

    技术拓宽市场

    过去几年,中国新能源车渗透率一路攀升,今年9月已经达到67%。对国内消费者来说,买车时先看新能源车型,逐渐成了一种习惯。

    但把视野放到全球,情况就复杂得多。

    北欧的电动化走在前列,其他市场的进程却受到补贴政策、购置成本和和充电便利性等因素影响。即便在同一个国家,有没有固定车位、日常短途为主还是经常跑长途,都会直接影响消费者的购车选择。

    要把中国车卖到五湖四海,中国车企就必须理解并适应这些差异。

    以动力系统为例,虽然纯电在中国超越了燃油,成为当下最主流的动力形式,但放眼全球,不依赖充电设施、又能降低油耗的HEV,仍有巨大的需求。

    HEV市场有多大?看丰田就知道了。

    截至今年3月底的完整财年,丰田在全球卖出了约462万辆HEV,同比增长4.4%,在这场电动化浪潮中,这种不用外接充电、最大程度保留燃油车使用习惯的混动车型,依然吸引着大量消费者。

    这也正是吉利今年推出i-HEV智擎混动的重要背景。

    今年前9个月,吉利中国星系列累计销量达到87.4万辆,其中,出口31.8万辆,同比增长47%。对于这个庞大的燃油车业务,HEV提供了一条明确的升级路径:降低油耗,同时改善驾驶体验。

    根据公开信息,吉利i-HEV搭载的混动专用发动机最高热效率达到48.41%,最低实现了百公里2.22升油耗,虽然实际使用表现会因路况和驾驶习惯而变化,但这样的硬核实力,让中国品牌有机会进入被日系车长期统治的市场。

    10月,吉利i-HEV车型销量达到1.96万辆,占中国星当月销量的19%以上。按照计划,吉利i-HEV车型预计从明年一季度开始出口,并率先登陆高增长市场。

    对于充电设施尚不完善、消费者又对油耗敏感的地区,HEV能让吉利在现有燃油车业务之外,提供更有吸引力的选择,已有的海外渠道则有助于加快推广。

    另一边,对于已经考虑购买纯电车的用户,吉利希望通过智充,降低他们对补能的顾虑。

    这几年,国内纯电车的续航大幅提高,满足日常城区通勤已经不是问题。但到了节假日出行、高速长途这些场景,能否方便地找到充电站并且快速补能,仍然直接影响用车体验和购买选择。

    比亚迪推进兆瓦闪充,吉利布局智充,都是为了改善这一体验。不过,超快充需要车辆和充电设施共同配合,也对电池的温度管理提出了更高要求。大电流带来的发热如果控制不好,充电功率的持续性和电池安全都会受到影响。

    吉利智充将AI温控与高功率充电结合,做到了提高充电速度的同时控制住了温升。根据中汽中心实测,采用吉利智充的领克10从10%充到97%,全程最高温度64℃,57%的充电时间温度低于55℃。

    不过,技术优势能够转化成为购买理由,取决于用户能否在日常路线附近找到可用的充电站。

    按照吉利公布的规划,到2026年底,吉利智充站将达到6000座、智充枪超过2万把;到2030年前实现“县县通”,布局15万座充电站,其中智充站10万座。

    HEV与智充对应着不同的市场条件和用户需求,前者提升燃油产品的竞争力,后者改善纯电车的使用体验。

    对于拥有广泛产品布局、正在扩大海外业务的吉利而言,技术路线越能适应不同需求,可以争取的市场也就越大。

    品牌分工,产品补位

    技术能否带来增长,最终要看消费者愿不愿意为产品买单。

    经过过去两年的整合,吉利旗下极氪、领克和银河的分工逐渐清晰:极氪向上,拓展豪华市场;领克向宽,覆盖更广泛的中高端用户;银河聚焦主流新能源,承担规模增长。

    前三季度的表现,已经体现了这种分工的成果。

    极氪累计交付28.8万辆,同比增长101%。其中,9X上市一年累计交付超过8.5万辆,单车成交均价超过53万元,旗舰产品帮助极氪建立了高端的品牌认知,下一步则需要更多产品承接。

    极氪9X一年时间交付了8.5万辆

    四季度,极氪计划推出新款7X,并且焕新009光辉,同时扩大9X、8X和009的海外布局。

    领克的重点,则是在扩大用户覆盖的同时,让品牌特色更加鲜明。

    前三季度,领克累计销量约19.6万辆,新能源占比达到71.5%,已成为销售主力。

    过去,领克通过运动轿车和SUV吸引了一批重视设计与驾驶体验的用户。随着家庭结构和用车需求变化,这些消费者可能需要更大的空间、更强的舒适性,但依然认同领克的风格,四季度即将推出的领克900L,就是为了承接这些需求。

    但是,品类越丰富,越需要让消费者理解:同样的预算下,为什么选择领克?

    在三季度财报电话会上,吉利的管理层提到,领克需要进一步明确产品定位、强化差异化。运动、潮流、个性,最终需要体现在设计、底盘调校和驾驶感受中,扩大市场覆盖时保留这些特点,品牌才能建立更稳定的用户认同。

    银河的任务更加直接:在已有规模之上,补齐产品供给。

    前三季度,银河累计销量87.7万辆,10月,银河销量进一步达到15.34万辆,同比增长30%,推动前十个月累计销量突破100万辆。星愿之外,银河E5连续四个月销量破万,星舰7在9月突破2.2万辆,主流SUV正在贡献更多销量。

    星愿之外,吉利银河也在打造更多爆款

    不过,主流新能源也是当下竞争最惨烈的市场。爆款能够迅速打开局面,竞争对手也会很快跟进。持续扩大份额,需要在不同价格区间提供有竞争力的产品。

    按照规划,银河将持续在15万元以上价格带推出新品,补强腰部产品。四季度计划上市的银河M8,将进入大尺寸家用插混SUV市场,丰富现有产品布局。

    由此再看这一轮产品上新,各品牌的任务相当明确:极氪延伸豪华产品的优势,领克扩大中高端用户覆盖,银河补充主流市场的产品空白。

    “一个吉利”的战略整合,则为产品上新提供了坚实的后盾。平台、动力系统和电子电气架构等能力可以共享,研发投入也能通过更多车型分摊,采购与制造协同,有助于减少重复建设和资源闲置。

    但能力共享不等于产品趋同。消费者选择极氪、领克和银河,理由应当有所区别,各品牌需要围绕自己的用户,在空间、性能、舒适性和价格之间作出不同取舍,让差异体现在具体的产品体验中。

    这也是多品牌经营最考验能力的地方。

    如果定位相近、产品互相替代,增加车型未必能带来相应的新增销量,反而会分散研发和营销资源。品牌分工足够清楚,共享技术才能一边降低开发成本,一边帮助企业覆盖更多用户。

    尾声

    一款车的销量,可以在短期内迅速攀升,但是一家汽车公司的成色,往往要过几年才看得清。

    汽车行业的挑战就在于,今天开发的新品、布局的技术、新建的工厂、铺设的渠道,往往要在几年后才能接受市场检验,所谓穿越周期,考验的正是这种前瞻性和体系力。

    这也是为什么,在价格竞争激烈的时候,利润尤其值得重视。研发、质量和售后,每一项都需要真金白银。企业可以为了打开市场暂时让利,却很难靠长期亏损维持这些投入。

    对于中国汽车业而言,当竞争从国内延伸到全球,如何让更大的规模带来更好的经营回报,将成为一道绕不开的考验。

    毕竟,一家车企对用户作出的承诺,比一款车的热销期要长得多。

    图片

    编辑:熊宇翔

    责任编辑:罗松松

    图片来源:ShotDeck 《Wolf》

    图片

    图片

    跳转微信打开

    进化、成本、场景:轩辕4.5的技术支点,撬动怎样的金融未来?

    2026年11月3日 21:04

    原创 藏狐 2026-11-03 21:04 天津

    轩辕4.5的大模型支点上,金融AI的自进化之跃

    自2023年起,通用模型依靠堆参数、堆数据的暴力美学(拓展规则),展现了大力出奇迹的效果。大模型行业的竞争,也成为一场比拼参数和规模的军备竞赛。

    但随着Scaling Law遇到瓶颈,规模扩张的边际收益递减,算力投入和成本压力日益凸显,产业开始提出新的问题:能不能以小博大,用更少的资源,获得更强大的AI能力?

    RSI(Recursive Self-Improvement,自我递归改进),凭借自我迭代和优化训练的技术能力,成为一个全新的技术支点,让垂类行业模型有了以小博大的可能。问题在于,谁能基于这一技术思路,率先打造出媲美通用模型的行业大模型呢?

    2026年11月2日,在2026香港金融科技周开幕式上,度小满与香港科技大学、香港生成式人工智能研发中心(HKGAI)联合发布轩辕4.5金融增强大模型。轩辕4.5基于RSI技术在获客、风控、客户经营等核心金融场景中,效果提升30%,成本仅为通用模型的10%。

    度小满CEO朱光在峰会中提到,香港科技大学和HKGAI的研究能力,与度小满长期积累的金融业务经验、真实应用场景和工程能力形成互补,三方联合推动AI 在金融领域的深度应用,助力香港金融行业的智能化升级。

    三方合力,让金融大模型走向自进化。那么,轩辕4.5发布之后,又能撬动一个怎样的金融未来?

    力大砖飞的模型训练思路,不再适用于当下的金融智能化阶段。究其原因,是AI正在进入金融领域的深水区。

    首先,AI正在逐步进入金融的核心业务,这些严肃场景的专业性强,容错率极低,通用模型在开放知识和通用推理上表现出色,却未必能直接胜任这些专业融业务。

    此外,随着AI应用的规模部署,Agent智能体的大量引入业务流程,金融机构对Token的消耗持续攀升,单纯依靠堆数据、堆参数的资源军备竞赛难以为继,投入越来越高,也难以支撑长期、大规模的商业应用。

    即使金融机构持续加大投入,但金融垂类模型的训练还受到高质量数据供给的约束。一些金融场景的闭环数据,比如信贷风控、反欺诈的数据,是很多通用模型无法获取的。

    所以,当AI进入金融领域的深水区,垂类大模型不仅没有被通用模型所替代,反而价值进一步提升。轩辕4.5的AI自进化之路,就是在这一背景下展开的。

    当AI开始自进化,会带来哪些改变?轩辕4.5的三次飞跃,或许可以作为参照。

    轩辕4.5,是金融领域首个将自进化RSI技术运用于模型训练及智能体场景目标适配的金融增强大模型,包含大语言模型和多模态模型两部分。

    它的第一个飞跃,技术创新驱动下的能力进化。

    传统模型的优化流程,往往依赖大量人工参与,需要人发现问题,分析原因,再转化为策略和训练任务,经过新一轮训练后,才能将改进后的能力部署上线。这个过程不仅耗时,也让许多实时、动态的业务信息,无法及时沉淀为模型能力。

    轩辕4.5的语言大模型,采用全流程RSI,改变了模型研发和优化的组织方式。

    度小满自研的Xuanyuan-Machine机制,在模型训练的Agentic数据合成、有监督微调、强化学习等全流程中,参与新模型的研发。模型能够围绕金融任务持续生成和优化训练数据,不再完全依赖人工整理样本,形成持续改进的循环。

    数据显示,度小满的风控策略迭代周期从原来的两周缩短至四天,短期逾期风险下降约47%。也就是说,业务中反馈和发现的问题,能更快进入AI学习流程,模型与风控策略也更快得到优化。

    金融任务的专业性、复杂性、低容错率,不仅要有大模型,还要求金融大模型掌握金融领域的专业方法。这就要依靠轩辕4.5的另一个技术创新:长链路强化学习。

    轩辕4.5引入GiGPO双层优势估计,通过不同层次的优势评估,改善长链路任务中的稀疏奖励和信用分配问题,帮助模型学习复杂任务中的决策方式。再结合基于信贷标准作业流程(SOP)的奖励机制,把金融业务的专业标准转化为训练中的评价依据,对模型的表现进行打分。在线策略蒸馏(OPD),则帮助模型吸收不同领域专家的策略和经验。这些机制结合起来,让金融大模型逐步掌握了专业工作方法。

    与此同时,度小满在可信合规的金融智能体环境中,构建了超过1000亿Token的金融可信合规数据飞轮,为模型训练提供真实业务背景。这些真实业务数据,让金融大模型对金融场景的理解,远超通用模型。

    很多金融业务,只靠单一的文本材料,并不足以支撑专业判断。轩辕4.5-多模态大模型除了全流程RSI以外,采用原生多模态架构,首Token响应时间降低约两倍,消减多模态信息瓶颈,并通过模拟真实业务中的复杂推理链路,提升在长文档信息抽取、跨表数据对比及逻辑演算中的准确性,以及金融合规性与严谨性。

    举个例子,在消费流水审核中,门店提供的订单截图并不是标准化的。某商家的订单截图上显示商品金额1404.16元,旁边标注「共2件」。

    某头部通用模型,就将数字理解为单件商品的价格,在汇总时重复计算,最终得出2913.71元。轩辕则结合页面语义,理解订单金额与商品件数,避免重复计算,识别出1404.16元已经是整笔订单的总价。不同模型理解能力的差异,会直接影响后续的系统决策。

    看起来只是一个简单的数字识别问题,实际上考验的是模型能否同时理解数字、页面结构和业务。实现了自进化的轩辕4.5,比通用模型更能胜任复杂的金融任务。

    在专业能力的基础上,轩辕4.5的第二个飞跃,是成本优化。

    AI要在产业中实现规模化应用,成本和ROI十分关键。目前,轩辕4.5的大语言模型,推理成本约为通用模型的十分之一,视觉语言模型推理成本约为GPT-6的百分之一。不只具备更高的专业能力,还提高了长期大规模使用的性价比。

    企微就是一个例子。传统客户经理需要花费大量时间梳理客户需求,制定沟通话术。企微Agent能够结合客户历史对话,更有效地管理客户关系。度小满披露,一名客户经理结合企微Agent,服务客户数量可提升至2万人,工作量相当于原来10名客户经理。

    只有模型的成本可控,这类能力才有普及,帮助客户经理提高服务效率,也让更多人接受到更高质量的人工专业服务。

    智能体,作为金融+AI的一大应用方向,在轩辕4.5的加持下,进一步深入金融业务场景。这是轩辕4.5的第三个飞跃:场景深化。

    目前,轩辕4.5已承接度小满内部约90%的业务需求,覆盖信贷获客、风险管理、客户经营等核心场景。基于轩辕,度小满已构建上千个智能体、5000余项技能,推动金融服务从“千人一面”走向“一人千面”。

    比如AI信贷数字顾问。同一个人,在不同时间、不同经营阶段,可能有完全不同的资金需求。举个例子,一家火锅店的老板,计划再开一家分店。传统的产品推荐可能主要根据他的基本资质,匹配一款标准贷款产品。但要真正理解他的需求,还需要结合多维信息分析他的资金需求。比如,考虑到新店开业初期现金流较为紧张,模型可以辅助匹配先息后本的还款方案,让客户在经营回款之后再偿还本金,从而更好地适应经营周期。据度小满披露,相关AI能力帮助新客户用信转化率提升20%。

    客服场景中,客服Agent不再只是根据关键词匹配标准答案,能够理解用户意图、查询知识库,处理多个环节的复杂问题。目前,度小满客服Agent可以独立处理约80%的高频问题,复杂问题再由人工兜底。

    正如度小满首席AI官谢剑在峰会中提到的,AI在金融行业最大的机会,是将足够强的金融专业能力与对客户需求的个性化洞察结合起来,让“一人千面”的金融服务成为可能。

    这些变化共同说明,大模型参数的军备竞赛告一段落,行业垂类大模型的价值时代也正式开启。

    阿基米德需要一个支点,才能撬动地球。对于金融AI而言,一个真正撬动技术价值的支点,也不可能只靠单一技术突破来构建。

    拿自进化金融增强大模型来说,轩辕4.5背后,是度小满与香港科技大学、香港生成式人工智能研发中心(HKGAI)的产学研协同探索,共同构筑金融大模型持续进化的技术基础。

    这也提醒我们,金融增强大模型的竞争,正在从拼参数、拼榜单,转向拼进化能力、拼成本、拼场景。归根结底,这是一场综合能力的竞争。

    有价值的AI,不是发发参数规模全球第一的新闻稿,就大功告成了,需要进入业务流程,完成复杂任务并基于业务反馈持续优化。从这个角度看,轩辕4.5的自进化技术支点,撬动的不只是一个模型的能力边界,更为金融大模型走向行业深水区和普惠化应用,打开了广阔空间。

    跳转微信打开

    网易智企在乌镇首发 AI 原生安全产品体系,给 Agent 划出行动边界

    2026年11月3日 20:40

    有新 2026-11-03 20:40 浙江

    当 AI 还停留在对话框里,企业关心的是它能不能给出正确的答案。当 AI开始接入知识库、调用业务工具、操作企业系统,问题就变了:它是否访问了不该访问的数据?是否执行了不该执行的指令?出了问题,能否及时发现、拦截和追溯.....

    “当 AI 不再只回答问题,而是开始替人行动,安全的边界也必须随之延伸。”

    当 AI 还停留在对话框里,企业关心的是它能不能给出正确的答案。当 AI开始接入知识库、调用业务工具、操作企业系统,问题就变了:它是否访问了不该访问的数据?是否执行了不该执行的指令?出了问题,能否及时发现、拦截和追溯?

    AI 能力的边界在扩大,安全治理的边界也必须跟上。

    11 月 3 日,2026 年世界互联网大会“互联网之光”博览会在浙江乌镇举行。网易智企亮相本届大会,首发基于易盾双向架构的 AI 原生安全产品体系,并提出一个判断:安全必须从“管住 AI 说的话”,走向“管住 AI 做的事”。

    这一 AI 原生安全产品体系,已获 2026 年世界互联网大会“互联网之光”博览会互联网之光发布厅颁发的“首发成果证书”。

    ▍AI 开始“动手”,安全不能只守住模型出口

    在精品首发论坛上,网易智企副总经理,易盾业务负责人朱浩齐以《基于双向AI安全架构的 AI 原生安全产品体系》为题发表主题分享。

    朱浩齐指出,AI 已深入营销、客服、办公、研发、知识库、身份核验、交易运营等核心业务链路。过去,安全治理主要围绕内容、账号、设备展开;如今,AIGC 内容风险、深度伪造、自动化黑产、模型越狱、敏感数据泄露、Agent 越权执行,正成为新的挑战。传统安全思路是防外部入侵,而 AI 进入业务之后,AI 自身也可能成为风险源。

    这对企业安全能力提出了新要求:不能只发现问题,还要能理解风险、判断意图、实时处置、审计追踪、持续运营。

    针对这一趋势,易盾提出双向 AI 安全架构,核心是:AI for 安全,安全 for AI。

    AI for 安全:用 AI 重新提升安全能力。 借助垂类模型、多 Agent 协同与多模态理解,AI 可以自动分析内容与威胁数据、生成并验证安全策略,安全人员从依赖人工写规则,转为对运行结果做验收确认。朱浩齐表示:“要用 AI 来对抗,要用魔法打败魔法。靠人去对抗 AI,是根本对抗不过来的。”

    安全 for AI:用安全能力保障 AI 可控运行。 围绕大模型输入输出、身份交互、数据访问、智能体的工具调用与行为执行,建立内容检测、意图识别、权限控制、风险拦截与审计追踪能力,让AI 在明确的边界内运行。

    两个方向共享同一个底座,即易盾在内容安全、业务风控与安全运营领域的长期积累。在此基础上,易盾构建了覆盖三层的 AI 原生安全产品体系,该体系已作为“首发成果”,获互联网之光发布厅颁发证书:

    1.AI 内容与数据安全: 守护 AI 生成、传播、引用和处理的内容与数据可信,包含 AI 内容审核、AI 内容分析、CMA 审核智能体等。

    2.AI 交互与身份安全: 守护人与 AI、人与业务系统之间的交互可信,包含 AI 业务风控、设备指纹、行为式验证码、DeepGuard 人脸鉴伪等。

    3.AI 模型与智能体安全: 守护模型交互、工具调用与智能任务执行可信,包含大模型安全围栏、智能体安全平台、智能体供应链安全等。

    从 AI 生成的内容、AI 接触的数据,到 AI 执行的行为,安全能力被延伸到 AI 应用的多个关键环节。

    ▍三项首发:每一项都对着一个真问题

    1.CMA 审核智能体:让海量审核从“人海战术”走向人机协同

    面对持续增长的内容审核需求,单靠人工,效率与稳定性很难兼顾。CMA(Content Moderation Agent)以自研内容安全大模型结合多类专项小模型,构建“研判—分流—处置—反馈—优化”的审核闭环,支持 7×24 小时运行与快速横向扩容。

    在某客户的投诉工单审核场景中,面对月均 250 万 + 的工单量,采用“ CMA 智能体初审+人工复核”后,平均出审时长由纯人工审核的 35.7 分钟缩短至 12.3 分钟,审核准确率达 99.2%。在短剧审核场景,日审核量 10w+ 分钟数,审核效率提升 70%+ ,审核准确率 99%+ 。

    这意味着,机器承担高频、重复、标准化的初审,人工把精力放在复杂语境理解、争议判断和高风险内容处置上。

    2.DeepGuard 人脸鉴伪:伪造越来越真,安全需要更强的“理解力”

    AI 换脸、屏幕翻拍、打印照片、3D 面具、摄像头劫持、视频注入,身份伪造手段不断翻新。传统鉴伪依赖预设特征寻找痕迹,面对没见过的生成方式,泛化能力有限。

    DeepGuard 基于视觉理解,从“寻找已知伪造痕迹”走向“理解内容、发现不合理之处”,并融合 Deepfake 检测、AI 水印识别、静默活体与注入攻击环境检测,做多模态联合决策。

    该能力通过中国信息通信研究院“可信 AI ”人脸鉴伪能力专项评测,获评“卓越级”,评测覆盖生成式攻击、呈现攻击与注入攻击;阶段性测试中,屏幕翻拍、怼屏攻击召回率达 99% 、精度 96% 。

    3.AI 应用与智能体安全:从管住输入输出,到管住工具调用与行为执行

    如果说传统大模型内容安全解决的是 AI “说什么”,Agent 安全要解决的则是 AI “做什么”。

    易盾通过大模型安全围栏守住输入输出;通过 Agent Guard 覆盖意图一致性校验、权限控制、工具调用风险检测与行为拦截;通过智能体安全平台实现资产发现、Skill/MCP 供应链安全检测与敏感数据防泄露。

    针对企业普遍存在的“影子 AI ”与资产不可见问题,平台从 AI 资产安全和 AI 运行安全两个维度统一纳管,并提供拦截、复核、告警、脱敏等处置能力,让 AI 资产可见、可管、可追溯。

    在能力验证上,易盾获得 UbiComp 2026 可信 AI 国际评测“敏感信息识别与隐私合规”赛道第一名,及东盟 AI 安全攻防大赛 AI 智能体安全攻防赛优秀奖。

    ▍体系怎么搭之外,企业今天应该怎么做

    如果说朱浩齐回答了“AI 安全体系应该怎么搭”,那么在红亭安全论坛上,网易智企·易盾内容安全负责人饶晓艳回答的是“企业今天应该怎么做”。

    她以《大模型规模化应用中的安全治理实践》为分享主题,从真实业务出发,拆解大模型从试点走向规模化的三个关键问题。

    第一,风险在变:从内容、数据到执行行为。 AIGC 内容生产阶段,风险在“量”,治理重点是内容审核、生成标识与传播追溯;知识与业务辅助阶段,风险在“数据”,重点是最小数据权限、知识溯源与人工复核;Agent 任务执行阶段,风险在“动作”,重点是任务级授权、操作确认与执行审计。AI 从“说”走向“做”,风险也从“说错话”走向“做错事”。只在模型输出端设一道关,已经不够。

    第二,意图要识别:不能只靠关键词。 恶意指令可能伪装成普通问答、角色设定,也可能藏在网页、文件、API、Tool 或 MCP 的返回内容里。安全系统需要同时识别关键词、指令结构与语义意图,分清什么是“任务数据”,什么是“行为指令”。

    第三,防护要全链路:让安全进入每一个关键环节。 饶晓艳分享了四项实践:Prompt 注入防护,分别在模型调用前和上下文组装前设防;输入输出分类分级管控,不是一拦了之,而是分级处置,输出则边生成边检测,通过的先上屏,存疑的复审,高风险的撤回并拒答;语料清洗,训练数据进入模型前经过敏感隐私识别、字段级脱敏与语料 AI 机审三道防线;多模态身份鉴伪,应对复杂的身份伪造场景。

    饶晓艳表示:“整个 AI 的风险是越来越高的:AI 进入业务越来越深,攻击门槛越来越低,攻击速度越来越快。”

    ▍让 AI 安全成为智能化升级的基础能力

    两场分享,一场聚焦体系架构,一场聚焦企业实践,共同指向一个趋势:AI 安全正从保障模型输出的内容安全,走向覆盖数据、身份、模型与智能体行为的体系化治理。

    朱浩齐表示,易盾的发展伴随着国内 AI 产业从单点问答走向规模化应用的全过程。未来,易盾将继续推动安全能力从单点检测走向体系化治理,从产品供给走向场景价值,从项目交付走向规模化复制,从被动防护走向持续运营,助力降低 AI 应用风险,支撑 AI 产业高质量发展,创造更大的经济效益与社会效益。

    AI 正在获得越来越强的行动能力,安全也必须拥有与之匹配的理解力、判断力和治理能力。正如朱浩齐分享所言:“如果有一天 AI 技术变成水电煤一样,成为生活中的基础能力,那我也希望易盾的安全能力能融入日常生活,并且最好是无感知的。”

    当 AI 开始替企业做事,安全不仅要知道 AI 说了什么,更要知道 AI 正在做什么,以及它是否应该这样做。

    ✦精选内容✦

    DeepSeek 刚提出的 Super-agent 新架构,LobeHub 已经做成了产品

    微软谷歌重整办公套件,腾讯 Buddy One 串联应用:办公 AI 开始比拼生态协同

    Arc 让位 AI 浏览器,WorkBuddy 则让 AI 用上了旧浏览器

    押注金融 Agent 自我进化,EasyLink 完成数千万元天使轮融资,27B 模型超越千亿级最前沿模型

    AI 数据供应商转向机器人部署,Mecka 想做新一代系统集成商

    跳转微信打开

    生鲜、即配、AI购物加速协同,亚马逊说自己的零售业务被低估了

    2026年11月3日 20:30

    原创 窄播 2026-11-03 20:30 江苏

    守住与消费者和商家的关系。

    「未来5—10年,亚马逊可能拥有两个年收入达到万亿美元的业务」,即AWS和零售。

    作者 | 庞梦圆(上海)

    监制 | 邵乐乐(上海)

    亚马逊最新一季Q3财报发布后,AWS仍是市场和电话会关注的重点,但同时,管理层给了零售业务非常高的评价。

    总裁兼CEO安迪·杰西Andy Jassy说,「未来5—10年,亚马逊可能拥有两个年收入达到万亿美元的业务」,即AWS和零售。

    他认为,「有些人低估了(零售)这项业务在过去几年取得的巨大进展」。

    今年以来,亚马逊商品销量同比增长近15%,过去12个月总销售额增加900多亿美元。Jassy称,「每季度新增的总销售额,约为我们在美国规模最接近的竞争对手(也就是沃尔玛)的两倍,我们仍在持续扩大零售市场份额」。

    同时,亚马逊零售重点推进的每一项工作,从更快的配送履约、更优的服务成本,到生鲜杂货与药房业务,再到AI购物,都在发挥「效能倍增器」的杠杆作用,且目前都在全力运转。

    配送上:Q3,Prime会员当日或次日收到的商品超过15亿件,单件商品的服务成本有望连续第四年下降。

    食杂与药品上:生鲜与日常必需品的增速约为其余商店业务的3倍,约占售出商品件数的一半;药房客户数同比增长逾60%。

    AI购物上:过去12个月,超过4亿用户使用AI购物助手Alexa for Shopping,互动量同比增长570%。

    且这些动作间的联系正变得更紧密:配送提速、降本,让更多低价、高频商品能够以可控的成本送达;生鲜、食品和药品扩大日常采购场景,AI让选购和管理这些需求更方便,而Prime可以把这些权益串联起来,把用户关系留在亚马逊。

    亚马逊推进各项业务的思路,此前已被中国互联网公司以不同形式实践过:阿里布局同城零售,京东加码线下超市,双方同时争夺即时零售,淘系电商也在加快接入千问,并且持续把88VIP打造成为战略级资源优势。

    但相似的战略动作,未必会产生相同的结果。中国零售市场的竞争更激烈,消费者在2025外卖大战之前对即时零售的使用习惯仍在形成;生鲜日杂放在一个购物车里履约,也还没有与物流基建形成紧密协同。只要这些能力尚未真正打通,「生鲜为其他品类引流」或「即时零售为电商主站导流」,就很难在短期内看到效果。

    生鲜加速,与食杂的协同也开始验证

    亚马逊是美国线上零售头部,但食品杂货品类长期由沃尔玛领先。近期的核心变化是,通过将生鲜接入既有购物和履约体系,争取到更多家庭食杂支出;更重要的是,生鲜带动了Prime会员对亚马逊使用频次、采购宽度、交易份额的提升,增强了用户关系。

    研究机构EMARKETER估计,2025年亚马逊占美国食品杂货电商销售额23.6%,位居第二,沃尔玛占30.9%。亚马逊也提到,比较顾客在其可服务品类上的家庭总支出与实际在亚马逊的支出后,「最大差距在食品杂货」。

    生鲜是家庭采购食品杂货的入口,亚马逊一直以多种方式发展生鲜,如做Amazon Fresh、收购全食超市Whole Foods Market。这一轮的关键动作,是去年加速将数千种生鲜接入既有同日达网络,并不断扩充覆盖范围,更多消费者可以把牛奶、蔬菜与电子产品、家居用品放进同一个购物车。

    今年Q2电话会上,Jassy就称,生鲜加入同日达「让亚马逊终于找到了真正能显著改变业务的办法」。当季,亚马逊生鲜月活跃购买用户较年初增加50%。

    到Q3,生鲜采购用户相较于其他用户在购物频次、采购品类和消费额上的更好表现,开始有更多数据证明。

    使用生鲜同日达的顾客,购物频次约为未使用者的两倍,且这类顾客购买的日常必需品件数接近未使用者的7倍。以及,活跃食品采购用户购买的非食品品类数量(包括家居和服装),接近不采购食品的用户的4倍,在这些品类上的消费额是后者的2倍以上。

    这个过程中,亚马逊还在不断增加生鲜供给的宽度。去年8月至年底,亚马逊可同日达的生鲜选品扩大了超30%,并引入全食的热门商品。同年10月,亚马逊推出食品自有品牌Amazon Grocery,覆盖1000多种食品,多数售价低于5美元,包括牛奶、鸡蛋、果蔬、肉类、海鲜和常温食品。

    会员权益也在降低消费者使用生鲜配送的门槛。多数地区,Prime会员订单满25美元可免费同日达,生鲜与其他品类可以共用购物车、一起满足配送门槛。

    一名员工在亚马逊生鲜超市挑选顾客所下订单的商品

    而目前亚马逊生鲜的整体布局,除了线上的同日达整合,线下也更聚焦。

    今年1月,亚马逊宣布关闭美国的Amazon Fresh和Amazon Go实体门店,部分改为全食超市。全食目前全欧共拥有560多家门店,未来几年计划再开100多家;全食社区小店Daily Shop则以即食食品、咖啡和日常必需品承接补货需求,截至今年9月已有12家。

    全食自己也在加强线上线下结合。它本就提供配送和自提,此前在宾夕法尼亚州的一家试点门店,后场还新增自动化微型履约中心,让全食食品与洗衣凝珠等大众品牌商品进入同一笔配送或自提订单。它也曾测试只服务线上配送的门店,功能类似盒马、山姆的前置仓,目前还没见到大规模扩张计划。

    未来,全食有可能成为类似小象超市之于美团闪购的存在,承载品牌认知和线下体验,并在部分区域承担线上履约,它与整个亚马逊生鲜的联动也可因此进一步增强。

    即时配送网络还在加密、提速、降本

    亚马逊生鲜的发展,离不开长期对快速履约网络的提速、加密、分层,以及降成本——与国内即时零售发展路径相似。

    首先,仓配网络密度提升、位置优化,推动单均服务成本下降、速度提高;成本降低、时效改善,加上温控能力补充,又让平台得以配送更多低单价、对时效要求高的商品,如生鲜和其他低温短保食品,从而实现扩品类。

    生鲜接入的同日达,是亚马逊已有相当密度的主流配送网络之一,近两年还在继续加密。2025年度股东信中,Jassy就提到,美国已建设超过85座SSD(即极速当日达的仓),配置约9万种核心SKU。2025年,亚马逊一天内送达的商品件数同比增加70%。

    今年Q3,亚马逊也将当季服务成本的改善,归因于库存放置改善、运输距离缩短和包裹合并。公司预计,今年还有望连续第四年降低单均配送成本。

    其次,履约时效进一步分层,不同服务配合不同货盘和设施。

    今年3月,亚马逊在既有同日达设施上增加1小时、3小时配送。去年底在美国试点的Amazon Now,更接近国内的即时零售,通过靠近居住和工作区域的小型节点,提供约30分钟配送,以数千种生鲜、日用品,承接临时急用需求。到Q3,Now在全球覆盖超过450个城镇,订购件数同比增至约10倍。

    要注意的是,亚马逊即时配送与国内的一个巨大区别,是它的1小时、3小时配送和Now配送都会额外收费,会员享受配送折扣,但并非完全免费,这不仅能带来附加服务收入,也增加了Prime的权益吸引力。

    亚马逊在即配与生鲜上的加速,也让美国即时零售的竞争进一步升温。

    早在去年,亚马逊宣布扩大生鲜同日达服务时,杂货配送平台Instacart、配送平台DoorDash和超市集团Kroger等竞争者的股价就纷纷下跌。

    近期,DoorDash宣布拟以约170亿美元的股权价值收购Instacart。美国零售媒体Modern Retail援引消费数据研究机构Consumer Edge的统计称,两者合计占美国配送平台消费者支出的77%,二者合并可能打通餐饮、食杂订单与广告数据。因此有分析认为,这笔交易不仅涉及与Uber的竞争,也是在回应不断加码30分钟及1小时配送的亚马逊。

    这也让亚马逊与沃尔玛在食杂和即配上的竞争更直接。沃尔玛的30分钟配送今年也在加速,已经覆盖美国38个市场,另有统计称,该服务已能在30分钟内触达约60%的美国家庭。

    AI:同时抢成为To C入口和To B首选平台的机会

    至于AI这个能同时影响消费入口和商家经营的变量,亚马逊的尝试主要聚焦两方面:To C不断完善助手功能、并联动软硬件扩大场景覆盖,继续争取入口机会和广告份额;To B努力成为商家优选的跨渠道AI工具,并通过联动仓储物流等既有的优势基建,服务商家更多经营环节。

    消费者端,亚马逊对外部通用Agent长期持谨慎态度,优先发展自家入口。过往发布的各种既有设备、累积的消费者使用习惯和账户关系,也在帮它巩固成为AI入口的可能性。

    今年5月,购物助手Rufus与承接家庭场景的Alexa+整合为Alexa for Shopping,进入搜索栏、商品页、App与硬件产品Echo Show。

    Rufus有商品知识和购物历史、选购过程积累,Alexa+了解家庭日程、生活偏好与日常对话。合并后,AI助手不仅有更丰富的消费者认知维度,而且同一用户在不同设备间切换,购物任务也可以延续。

    例如,家长在Echo上讨论孩子科学展的火山方案,次日在购物App说「准备昨天讨论的实验用品」,助手便能直接推荐对应材料,减少消费者重新解释、搜索和组织购物车的步骤;用户还能设置带条件的任务,比如,「如果这款防晒霜降到10美元,且过去两个月没买过,就加入购物车。」

    今年10月,Alexa for Shopping又新增100多项购物动作,包括调整订阅配送、管理清单和查询退款等。

    而且,亚马逊这些线下设备的销量称得上不错。公司1月披露,全球累计购入的Alexa兼容设备超过6亿台。美国消费者研究机构CIRP估计,截至6月,Echo占美国智能音箱市场约三分之二。亚马逊10月称,Echo Show产品线同比增长逾25%。

    官网显示场景之:用户选购了一台笔记本电脑,但价格超预算,

    让Alexa设置降价提醒,几天后收到来自Echo的降价通知,

    后通过Alexa下单购买

    与此同时,亚马逊还在推动自家助手与外部连接。通过Shop Direct,助手可展示亚马逊没有销售的站外商品,用户可跳转商家网站购买。Jassy还在Q3电话会上表示,未来「预计会与通用Agent合作」,但相信自家助手凭借购物历史、地址和支付信息,仍将是用户在亚马逊购物时的主要Agent。

    也就是说,亚马逊并非完全不与外部合作,而是要在确保自己主导体验的前提下合作。

    从结果来看,亚马逊称,美国使用其AI助手的消费者较未使用者,每单消费在Q2高40%以上,Q3高50%;使用Alexa for Shopping的Agent执行功能的用户数,也已超过年初的8倍。公司还曾估算,Rufus在2025年帮助带来近120亿美元的「增量年化销售额」。

    至于通用agent对亚马逊的广告业务是否有影响,目前并无定论。本季度,亚马逊广告收入剔除汇率影响后的同比增速,从Q2的26%降至12%。Jassy表示,目前未看到外部购物Agent对广告业务产生显著影响。公司将增速变化归因于:促销活动Prime Day节奏变动、NBA广告的季度分布因素,以及搜索营销调整带来的基数变化,并预计Q4广告增速将回升至接近20%。

    商家端,亚马逊的目标更直接:争取成为商家跨渠道经营时优先调用的AI能力、经营工具和履约服务提供者。

    亚马逊披露,其平台超过95%的独立卖家跨多个渠道经营。亚马逊全球卖家体验副总裁Mary Beth Westmoreland表示:「我们关注的是支持他们的全部业务,而不只是他们在亚马逊上的业务。」

    于是,商家的AI经营助手Seller Assistant正从答疑、分析建议,转向持续监控库存、价格和账户状况,在商家设定的规则与授权下执行补货、调价。它还通过插件接入自家的Amazon Quick,并以测试形式接入Claude。也就是说,商家可以选择不同的工作界面,但调用的仍是亚马逊的经营能力。

    商家经营后台Seller Central,也开始集中管理Shopify、沃尔玛、eBay、TikTok等外部渠道的商品和订单,部分功能仍在逐步推出。

    连接的外部工具变多,AI助手获取的信息更丰富、视角更全面,给出的经营建议就可能更可靠。今年大会演示中,鞋护品牌Proof Culture创始人Richard Brown就提到,其助手「Lisa」接入亚马逊后台后,便能将同时存在的新鞋发售新闻、供应商涨价、与亚马逊实时销售与库存结合在一起,分析对商家利润、库存的影响。

    此外,这套商家经营服务还可连接亚马逊的履约网络。商家可将Shopify等站外订单交给亚马逊多渠道配送服务MCF,追踪信息回传原渠道,并与站内订单共用仓内库存。

    AI时代,消费者与商家关系由谁承接,是所有零售企业都关心的问题。咨询机构波士顿咨询(BCG)的研究中,91%的受访零售商担心外部AI购物Agent导致顾客关系流失。所以,Shopify让AI订单进入商家后台,但由商家保留顾客关系;沃尔玛与一边与外部Agent合作,一边通过自有账户、交易和服务体系承接订单。

    亚马逊的以上动作则表明,它同时在争取两端:既让自己的AI成为消费者购物的起点,也让自己的经营能力和仓配服务,成为商家跨渠道经营时持续调用的后台。

    - END -

    跳转微信打开

    本体引导的知识提取

    2026年11月3日 20:26

    原创 半吊子全栈工匠 2026-11-03 20:26 北京

    本体引导的知识提取,从文档到上下文感知规则,让企业知识真正“可用”!

    【引】本体引导的知识提取,从文档到上下文感知规则,让企业知识真正“可用”。本文是对《本体驱动的AI大模型:方法与实践》一书的解读与补充。

    我们经常会遇到这样的问题:一份设备维护手册里写着“高温会导致部件老化”,但具体多高的温度算“高温”?这个结论适用于哪种型号的设备?在什么运行配置下才成立?缺少了这些关键信息,再精准的事实提取也无法为设备维护决策提供有效支持。这就是企业知识管理的痛点所在:我们不缺知识,缺的是将知识转化为受管控、可执行、可审计的决策逻辑的能力。

    本文将介绍一种以本体为核心的知识提取架构,它不再将本体仅仅作为提取知识的模板,而是让本体成为语义控制层,引导知识从零散事实向情境化、可测试的规则转化,真正实现企业知识的“可操作化”。这种架构适用于制造、金融、能源、医疗等多个行业,能够为风险评估、合规审查、设备维护、工作流自动化等场景提供有力支撑,且无论领域如何变化,核心架构都能保持稳定。

    一、从“描述性事实”到“条件性规则”

    我们先来看一下传统的知识提取流水线:

    文档→ 提取实体、关系和事实 → 构建知识图谱

    这套流水线的优势很明显,它能帮我们快速梳理出文档中包含的核心概念、概念的属性,以及概念之间的关联,还能追溯每个事实的来源,找出提及同一概念的所有文档。这些功能对于知识搜索、信息发现、检索增强生成和语义集成来说,已经足够实用。

    但如果我们的目标是支持业务决策,这套流水线就远远不够了。决策类系统需要的不是孤立的、描述性的事实,而是带有条件、约束和语境的结构化知识。它需要的是这样的逻辑:在语境Z下,当条件X和Y同时满足时,结合证据E,可以推导出结论R。

    我们通过两个例子来对比一下这两种知识表示方式的差异。第一种是传统提取得到的描述性事实:“高温与部件老化相关”。第二种是决策系统需要的条件性规则:“如果X类型的部件在Y配置下,运行温度超过批准的阈值,且持续时间超过允许时长,那么该部件的老化风险会显著升高”。

    对比之下不难发现,第二种表示方式包含了完整的操作结构:明确的主体、类型约束、可测量的条件、具体的阈值、持续时间、操作语境、结论,以及隐含的证据要求。这样的规则可以被评估、测试、审查,甚至直接转化为可执行的代码,真正为业务决策提供支撑。

    这也是知识提取的核心转变方向:从提取孤立的事实,转向提取和生成包含条件、约束、背景、观察、证据、结论、例外、建议行动等内容的结构化知识陈述。只有当提取的知识能够转化为情境化、受控且可测试的决策逻辑时,企业积累的海量文档资料,才能真正成为可操作的核心资产。

    二、本体引导的知识到规则模式

    要实现从事实到规则的转化,核心就是引入本体作为引导和控制的核心。本体引导的规则生成架构,并非一步到位生成可执行规则,而是通过多步转化,让知识逐步落地,其核心流程如下:

    非结构化/半结构化知识源 → 本体解释 → 生成一般知识规则 → 绑定特定上下文 → 生成决策/诊断规则草案 → 验证审查 → 转化为可执行逻辑

    这个过程的起点,是企业中各类非结构化或半结构化的知识源,比如我们前面提到的工程文件、法规政策、操作手册等。这些资料本身没有统一的结构,需要依靠本体来进行解释。本体通过定义领域内的核心概念、概念之间的关系、语义角色和约束条件,为零散的知识建立起统一的语义框架,让系统能够“读懂”文档中的知识。

    需要注意的是,从知识源中提取并生成的第一个成果,并非直接可用的生产规则,而是一般知识规则。这类规则描述的是条件和结果之间可重复使用的通用关系,不涉及具体的业务场景。随后,我们会将这些一般规则与具体的业务上下文绑定,比如特定的资产类型、产品配置、流程阶段、系统环境、组织政策等,再结合实际的观察、事件和测量数据,生成决策或诊断规则草案。

    这里有一个关键要点:生成的规则草案,并不一定是最终的决策结论。在实际业务场景中,企业知识往往具有条件性、不完整性或概率性,因此规则草案可能代表的是候选解释、高风险提示、影响因素、政策适用性评估、建议的行动,或者是需要补充额外证据、提交专家审阅的结论草案。一个可靠的知识系统,必须保留这些不确定性,而不是将每一个提取的关系都转化为绝对的确定性规则,这也是保证决策科学性的重要前提。

    三、知识规则的三个层次

    在本体引导的规则生成架构中,我们可以将规则分为三个层次,这三个层次由浅入深、由抽象到具体,逐步实现知识的可操作化。清晰区分这三个层次,能够帮助我们更好地管理知识、验证规则,避免将通用原则与具体场景混淆。

    3.1 Level 1:一般知识规则——领域通用的核心原则

    一般知识规则是领域内通用的、可重复使用的核心原则,它不指向特定的客户、产品、资产、组织或流程实例,是所有后续规则生成的基础。其基本形式为:

    条件A + 条件B + 启用约束C → 结果或风险R

    举几个实际场景中的例子:反复过载 + 冷却不足 → 设备故障风险升高;异常交易序列 + 控制权共享特征 → 欺诈风险升高;敏感操作 + 缺少审批流程 → 可能违反合规要求。这些规则适用于同一类场景,不针对具体的某一台设备、某一笔交易或某一次操作。

    一般知识规则的来源非常广泛,包括行业研究论文、行业标准、相关立法、企业内部政策、操作手册、专家经验、历史事件报告和调查结论等。这些规则表达的是在一类情况下可能成立的规律,但并没有明确该规则是否适用于某个具体场景,也没有明确具体的执行标准,因此还需要进一步的转化和落地。

    3.2 Level 2:情境化规则——绑定具体业务场景

    情境化规则的核心,是将一般知识规则与具体的操作环境、业务场景绑定,让通用原则落地到具体的业务中。比如,将“反复过载 + 冷却不足 → 设备故障风险升高”这个一般规则,绑定到工业压缩机的场景中,就变成了:工业压缩机在额定负载以上运行 + 冷却风扇容量低于要求标准 + 高负载运行反复出现 → 压缩机故障风险升高。

    这里的“上下文”涵盖的范围非常广,主要包括:资产或产品类型、组件结构、客户细分、地理位置、合同类型、系统配置、流程阶段、材料组合、设备型号、操作环境等。这些上下文信息,决定了规则的适用范围和具体执行标准。

    在这个过程中,本体发挥着关键的引导和验证作用。一方面,本体通过确定候选概念对特定语义角色是否有效,引导系统完成规则与上下文的绑定;另一方面,本体还能检测不兼容的绑定,避免出现逻辑错误。比如,要求“操作环境”作为上下文的规则,不能与被分类为“金融交易”的实体绑定;需要“可测量属性”的规则,不能与文档、组织等无法测量的实体绑定。因此,情境化不仅仅是简单的变量替换,更是对规则适用范围和有效性的精准界定。

    3.3 Level 3:决策或诊断规则——结合实际数据,支持业务决策

    第三个层次是决策或诊断规则,也是最贴近实际业务应用的规则,它在情境化规则的基础上,结合了实际的观察、事件、测量数据或状态变化,能够直接为业务决策提供参考。其基本形式为:情境化条件 + 观测状态 + 相关事件 + 可用证据 → 候选结论。

    例如,如果X类型的资产在Y配置下运行,且观测到异常的温度模式,同时冷却系统报告容量下降,那么冷却相关的老化问题,可能是导致当前异常状态的原因。这里的结论,并非绝对的判定,而是需要明确标注其知识置信度。

    结论的置信度类型主要包括确认的结论、候选原因、影响因素、相关性、高风险提示、未经证实的假设、证据不足的结果等。这样的设计,能够有效避免系统将简单的关联关系,错误地转化为确认的因果关系,保证决策的严谨性。比如,“事件A发生在结果B之前”,并不意味着“事件A导致了结果B”;“条件A经常与风险B同时出现”,也不代表“条件A一定会引发风险B”。明确标注置信度,是知识系统可信、可用的重要保障。

    四、本体作为语义控制层

    在整个架构中,本体的作用远不止于定义领域概念和关系,更重要的是,它在知识提取、情境化、规则生成和验证的全过程中,充当着语义控制层的角色,为知识的转化和落地提供统一的标准和约束,避免出现语义混乱、逻辑错误等问题。具体来说,本体的控制作用主要体现在四个方面。

    4.1 定义语义角色,让知识“各司其职”

    任何一条规则,都包含不同类型的参与者,比如目标、条件、处理过程、事件、观察、测量的特性、约束、证据、风险、原因、行动、结论等。本体通过明确定义这些语义角色,帮助系统在知识提取过程中,准确区分文档中出现的概念,以及这些概念在知识陈述中所承担的功能。

    比如,文档中提到“长时间暴露在水分中,会增加未受保护构件的腐蚀风险”,通过本体的引导,系统能够准确识别出:“湿度暴露”是条件,“暴露持续时间”是变量,“未受保护组件”是范围主体,“腐蚀风险”是结论。这样一来,零散的句子就被拆解为结构化的知识元素,为后续的规则生成奠定了基础。

    4.2 定义有效关系,规范知识“连接方式”

    本体的另一个重要作用,是限制哪些概念之间可以建立关联,明确概念之间的有效关系,为规则的解释提供统一的语义结构。比如,本体可以定义:资产参与流程、观察测量属性、事件发生在流程阶段内、政策适用于业务活动、证据支持结论、配置约束操作等。

    这些明确的关系定义,能够避免系统出现不合理的概念关联,保证知识的逻辑性和一致性。比如,系统不会错误地将“设备型号”与“审批流程”建立无关的关联,也不会将“温度测量”与“客户投诉”错误绑定,从而确保提取的知识和生成的规则符合业务逻辑。

    4.3 强制约束,验证知识“有效性”

    本体中定义的各类约束,是验证知识有效性、避免逻辑错误的关键。这些约束主要包括:领域和范围约束、所需关系约束、概念兼容性约束、单元兼容性约束、基数性约束、允许的分类约束、互斥状态约束、适用条件约束等。

    在实际操作中,我们可以借助相关技术工具来实现约束的验证:OWL推理可以支持逻辑一致性验证,确保规则的逻辑推导没有矛盾;SHACL可以验证知识图谱的结构、所需属性和数据质量条件,确保知识的完整性和准确性。通过这些约束验证,能够及时发现并纠正知识提取和规则生成过程中的错误,提升规则的可靠性。

    4.4 词汇对齐,解决知识“语言障碍”

    企业中的文档资料,往往来自不同的部门、不同的时期,使用的术语也存在很大差异:同一概念,可能会有缩略词、本地名称、遗留术语、产品特定标签、同义词等多种表达方式。这种术语的不统一,会导致知识提取出现偏差,无法实现知识的有效整合。

    本体通过提供规范性的概念和映射关系,将不同来源的术语,统一映射到企业的标准术语体系中,解决了术语不统一的问题。比如,“工业压缩机”“空压机”“压缩机组”等不同表述,通过本体的映射,都可以统一为“工业压缩设备”这个标准概念。这样一来,系统就能识别出不同文档中描述的是同一个核心概念,实现知识的有效整合和复用。

    可以说,本体就像一份“语义契约”,连接起了文档、知识图谱、企业数据、规则、智能体和运行时系统,让整个知识转化过程有统一的标准可依,确保知识在各个环节的流转中,不会出现语义偏差和逻辑混乱。

    五、端到端的AI原生生成流水线

    基于本体的语义控制作用,我们可以构建一套端到端的AI原生生成流水线,将知识从文档到可执行规则的转化过程,拆解为9个标准化阶段,每个阶段都有明确的目标和操作规范,确保知识转化的效率和质量。

    第1阶段:提取结构化知识陈述

    这一阶段的核心,是从非结构化文档中,提取出包含条件、结果、原因、效果、异常、阈值、变量、约束、建议、证据、适用性等内容的结构化知识陈述,而不仅仅是识别名词和关系。同时,对于每个提取的陈述,系统必须完整保留其溯源信息,包括来源文档、章节或页码、表格或图表、原始句子、提取方法、提取置信度等。溯源至关重要,因为后续生成的所有规则,都必须能够追溯到支持它的原始知识,这是规则可审计、可审查的基础。

    第2阶段:解读一般规则

    在这一阶段,系统会将提取的自然语言知识陈述,转化为结构化的规则骨架。比如,将“反复过载+冷却不足→设备故障风险升高”,转化为“输入:条件A(反复过载)、条件B(冷却不足);结论:结果R(设备故障风险升高)”的结构。此时,规则中的变量可能仍然是抽象的,这一阶段的核心目标,是明确知识的逻辑结构:需要哪些条件、需要测量哪些变量、哪些约束会影响结果、支持哪个结论、是否存在例外情况、这种关系是因果关系、相关关系还是建议关系。

    第3阶段:将变量绑定到本体概念

    这一阶段的核心,是将规则骨架中的抽象变量,映射到本体中定义的具体概念和属性。比如,将“条件A”映射到“设备运行状态”,将“条件B”映射到“冷却系统性能”,将“结果R”映射到“设备故障风险”。在这个过程中,本体将发挥验证作用,检查这些映射是否在语义上兼容。如果存在多个候选概念,系统不会默默做出选择,而是会保留所有替代方案,提交给人类专家进行确认,避免出现映射错误。

    第4阶段:将规则与企业背景联系起来

    完成变量与本体概念的绑定后,系统会将一般规则与企业的具体业务背景结合,解决规则的“落地”问题。这一过程可能涉及将抽象角色,与企业实际的资产、流程模型、产品、组织单位等关联起来。同一个一般规则,可能会根据不同的业务背景,生成多个情境化变体。比如,“反复过载导致设备故障风险升高”这个一般规则,在不同的资产设计、操作环境、控制配置、监管管辖权下,会有不同的具体执行标准,形成不同的情境化规则。

    第5阶段:将规则变量映射到数据

    规则要想真正可执行,就必须明确所需数据的来源。这一阶段,系统会确定规则中每个变量对应的数据源,比如:本体属性对应数据库中的某一列、本体概念对应API的响应结果、观察数据对应事件流、阈值对应批准的参数注册表、状态对应知识图谱中的断言等。同时,系统还会明确数据的类型、单位、更新频率、来源所有权、质量状态、可用性,以及必要的转换逻辑。需要特别注意的是,对于缺失的字段,系统必须明确报告,绝对不能因为规则需要,就随意创建运行时值,这是保证规则可靠性的关键。

    第6阶段:添加观察和证据

    情境化规则只有与实际的观测数据结合,才能真正具备可操作性。这一阶段,系统会将规则与实际的观测结果关联起来,这些观测结果包括:设备测量数据、状态转换记录、系统事件、业务交易、警告信息、检查结果、用户报告、外部信号等。系统会根据规则中描述的条件,对这些观测结果进行评估,同时明确区分证据与结论——测量数据可以支持某个假设,但不能直接证明假设成立,必须保留这种不确定性。

    第7阶段:生成监管规则草案

    这一阶段,系统会生成监管规则草案,而非直接生成可执行代码。规则草案需要包含完整的信息,具体包括:规则身份、规则类型、适用范围、本体绑定关系、所需输入、派生值、条件、结论、证据、缺失的输入、需要批准的阈值、置信度或状态、审查要求等。生成草案的目的,是为后续的验证和审查提供清晰的载体,确保规则的每一个细节都能被追溯、被审查。

    第8阶段:验证和审查

    在将规则部署到实际业务系统之前,必须进行多维度的验证和审查,这是保证规则可用性和可靠性的关键环节。验证主要包括:模式有效性验证(检查规则是否符合中间模式)、本体一致性验证(检查本体概念和关系的使用是否正确)、数据可用性验证(检查规则所需数据是否可获取)、单元兼容性验证(检查数据单位是否统一)、阈值审批验证(检查阈值是否经过批准)、证据充分性验证(检查支持结论的证据是否充足)、因果措辞验证(检查因果关系的表述是否严谨)、适用范围验证(检查规则的适用范围是否合理)、测试覆盖率验证(检查是否有足够的阳性、阴性测试用例)。

    在验证的基础上,人类专家还需要对规则进行最终审查,重点确认:规则是否有效、适用范围是否合适、阈值是否合理、因果关系的表述是否严谨、规则是否可能触发自动化操作、规则是否具备投入生产的条件等。尤其是在规则涉及安全、合规、财务结果或客户决策的场景中,人类专家的审查和批准,是必不可少的环节。

    第9阶段:编译批准规则

    经过验证和审查,获得批准的规则草案,会被编译为可执行的代码,具体的执行技术,会根据实际的业务场景选择,比如SPARQL查询语言、SHACL规则、SWRL规则、Cypher密码,或者企业自定义的规则语言。需要注意的是,规则的语义应保持独立于运行时语言,这样一来,即使更换了执行技术,规则的核心逻辑也不需要重新定义,提升了规则的复用性和可维护性。

    六、中间规则表示

    直接从文档生成可执行规则,是一种非常危险的做法。因为运行时语言(如Cypher、SPARQL等)的语法和逻辑,可能会模糊规则中需要优先审查的假设和前提,一旦出现错误,很难追溯和修改。因此,在规则生成过程中,引入中立的中间规则表示,是降低风险、提升规则可维护性的关键。

    中立的中间规则表示,核心是分离三个核心关注点:知识的含义、知识适用的语境、用于执行知识的技术。这样一来,规则的语义含义不会被执行技术的细节所掩盖,便于专家进行审查和修改,也便于后续将同一规则编译为不同的执行代码。

    我们来看一个简化的中间规则表示示例:

    rule_id: RULE-001(规则编号)

    rule_type: diagnostic(规则类型:诊断)

    status: draft(规则状态:草案)

    scope:(适用范围)

    subject_type: target_subject_type(主体类型)

    process_stage: target_process_stage(流程阶段)

    bindings:(本体绑定)

    role_a: ontology_concept_a(角色A对应本体概念A)

    role_b: ontology_concept_b(角色B对应本体概念B)

    inputs:(所需输入)

    - observed_value_a(观测值A)

    - observed_value_b(观测值B)

    - contextual_condition(语境条件)

    derived:(派生值)

    difference: abs(observed_value_a - observed_value_b)(派生值:观测值A与B的差值绝对值)

    conditions:(执行条件)

    - difference > ${approved_threshold}(差值超过批准阈值)

    - contextual_condition == true(语境条件满足)

    conclusion:(结论)

    candidate_outcome: target_risk(候选结果:目标风险)

    reasoning_status: candidate(推理状态:候选)

    evidence:(证据)

    - source_knowledge(来源知识)

    - source_data(来源数据)

    - supporting_observation(支持性观测)

    missing_inputs: [](缺失输入:无)

    review_required: true(需要审查:是)

    从这个示例中可以看到,中间规则表示清晰地展示了规则的核心逻辑、适用范围、本体绑定关系、所需数据、证据和状态,所有关键信息都一目了然,便于审查和修改。同一个中间规则定义,后续可以编译到不同的执行技术中,而无需重新定义其语义含义,大大提升了规则的复用性和可维护性。

    七、架构模式中的Agent能力

    本体引导的知识提取架构,并不依赖单一的智能体,而是可以通过多个智能体分工协作,或者构建具有专门功能的单个协调工作流来实现。这里的“智能体”,并非特指独立的自主应用,而是一种逻辑上的责任划分,每个智能体承担特定的任务,共同完成知识从文档到规则的转化过程。具体来说,我们可以设置以下7类智能体:

    1. 知识解释器:核心任务是将文档中的叙事性知识,转化为结构化的规则候选,完成知识的初步提取和结构化处理。

    2. 本体基础:负责将文档中的源术语,映射到本体中定义的标准概念,同时识别并报告模糊或不支持的映射,确保术语的统一和准确。

    3. 语境绑定器:将抽象的规则变量,与企业的具体业务语境绑定,解决规则的落地问题,生成情境化规则。

    4. 数据映射器:确定规则所需数据的来源,完成规则变量与数据源的映射,同时识别数据的类型、单位、质量等关键信息,报告缺失的数据。

    5. 规则生成器:基于前面的工作,生成中间规则、派生变量、所需阈值、证据引用以及测试用例,为后续的验证和审查提供基础。

    6. 规则验证器:负责对生成的规则进行多维度验证,包括模式一致性、本体兼容性、单元一致性、数据可用性、不受支持的阈值、缺失的证据和范围冲突等,及时发现并报告规则中的问题。

    7. 规则审查员:这里的审查员可以是人类专家,也可以是辅助审查的智能体,核心任务是确认规则的有效性、适用范围、阈值合理性、因果关系表述、自动化操作触发可能性,以及规则是否具备投入生产的条件,承担最终的审批责任。

    通过这些智能体的分工协作,知识转化的各个环节都有专门的角色负责,既提升了转化效率,又能有效避免错误,确保规则的质量。同时,这种分工模式也便于后续的维护和优化,当某个环节的需求发生变化时,只需调整对应的智能体即可,不会影响整个架构的运行。

    八、证据、溯源和认知状态

    一个可信的知识规则,绝不仅仅是简单的IF-THEN陈述,它必须能够回答一系列关键问题:使用了哪些本体概念?哪些数据字段实例化了规则中的变量?引入了哪些假设?哪些阈值是经过外部批准的?运行时有哪些证据可用?缺少了什么证据?结果是推测、相关还是确认?谁审核和批准了这条规则?

    这些信息,必须作为规则模型的一部分,与规则本身绑定,而不是存储在不相关的文档中。只有这样,规则才能实现可审计、可追溯,才能被业务人员信任和使用。同时,规则的结论本身,也需要明确传达主张的力度,不能模糊其置信度。

    在实际应用中,我们可以通过定义特定的关系,来明确结论的置信度,比如:候选原因、提示风险、支持假设、相关联、需要补充证据、确认原因等。需要特别注意的是,这些关系不能被等同对待,必须严格区分关联关系和因果关系、推测和确认。比如,“事件A发生在结果B之前”,不能自动等同于“事件A导致了结果B”;“条件A经常与风险B同时出现”,也不能证明“条件A一定会引发风险B”。

    明确表示规则的认知状态,能够让知识图谱准确区分不同类型的知识:断言、假设、建议、观察、相关性、候选原因、确认原因等。这对于企业的合规审查、风险管控、决策支持来说,至关重要——它能避免因错误解读知识而做出不合理的决策,同时也能为决策提供清晰的证据支持,满足审计要求。

    九、流水线阶段的一级公民

    在知识转化的整个流水线中,验证绝不是最后一个环节的技术检查,而是贯穿全过程的核心部分,是保证规则可靠性和可用性的关键。我们将验证分为四个层次,每个层次都有明确的目标和要求,共同构成了规则的质量保障体系。

    1. 结构验证:核心是检查生成的规则是否符合中间规则表示的模式,确保规则的结构完整、格式规范,没有语法错误,便于后续的审查、修改和编译。

    2. 语义验证:重点检查本体概念和关系的使用是否正确,规则的语义是否符合领域逻辑,是否存在语义偏差或概念混淆的问题,确保规则的逻辑一致性。

    3. 操作验证:主要确认规则是否可以实际评估和执行,检查规则所需的数据是否可获取、数据质量是否达标、数据单位是否统一,确保规则能够落地到实际业务场景中。

    4. 认知验证:核心是检查规则的结论是否夸大了现有证据,是否将关联关系错误地转化为因果关系,是否明确标注了结论的置信度,确保规则的结论严谨、可信。

    除此之外,每条生产规则在投入使用前,都必须经过充分的测试,至少包括:阳性测试(验证规则在符合条件时能否正确触发)、阴性测试(验证规则在不符合条件时能否正常不触发)、边界测试(验证规则在条件边界值时的表现)、缺失数据测试(验证规则在数据缺失时的处理能力)、超出范围测试(验证规则在超出适用范围时的表现)。

    通过这四个层次的验证和全面的测试,能够确保生成的规则不仅在技术上可执行,而且在语义和操作上都值得信赖,能够真正为企业的业务决策提供有效支持。

    十、从提取流水线到知识生命周期

    本体引导的知识提取,并非一次性的工作,而是一个持续迭代、不断优化的过程,它应该被视为企业更广泛的知识生命周期的一部分。完整的知识生命周期,包括以下10个环节:获取 → 提取 → 建模 → 情境化 → 生成规则 → 验证 → 批准 → 执行 → 观察结果 → 优化知识。

    知识的生命周期,始于知识的获取,我们从文档、专家、数据和操作系统中,收集各类领域知识;随后,通过本体对齐的概念和关系,对知识进行提取和建模;将提取的一般知识进行情境化处理,转化为规则草案;经过验证和批准后,将规则部署到决策系统、推理引擎、工作流或应用程序中执行;在规则执行的过程中,持续观察执行结果,并将结果反馈到知识体系中,对现有知识和规则进行优化。

    在这个生命周期中,企业需要能够随时提出并回答一系列问题,来监控和优化知识体系:哪些规则被触发了?哪些结论被接受了?哪些建议被拒绝了?哪些证据经常缺失?预期的结果是否发生了?是否存在假阳性情况?规则的适用范围是否需要调整?基础知识是否需要修改?

    这种反馈机制,让企业的规则库不再是静态的专家逻辑集合,而是成为一种受管控、可进化的知识产品。随着企业业务环境的变化、领域知识的更新、新证据的出现,规则库能够不断优化和完善,始终适应企业的业务需求。比如,新的法规出台后,相关的合规规则可以及时更新;产品配置调整后,对应的设备维护规则可以同步优化;新的事件报告出现后,能够补充和完善现有的风险规则。

    知识生命周期的重要性,还体现在企业环境和领域知识的动态变化上。在实际业务中,新的证据可能会挑战现有的规则,业务流程可能会被重新设计,产品配置可能会调整,法规可能会更新,阈值可能会失效。只有建立完整的知识生命周期,才能确保企业的知识和规则始终保持最新、最有效,为业务决策提供持续的支撑。

    小结

    本体引导的知识提取,代表了企业知识系统设计方式的一次重要转变——从构建可搜索的知识图谱,转向打造可操作的知识规则,核心目标是将企业中零散、非结构化的专业知识,转化为可以进行情境化、评估、管理和负责任使用的决策逻辑。这种架构模式,不仅适用于各类企业,还能跨行业复用,无论领域如何变化,核心的架构原则和流程都能保持稳定。

    支撑这种模式的核心架构原则,主要有8条,也是企业在落地过程中需要重点遵循的准则:

    1. 提取关系、条件和约束:知识提取不能局限于识别术语,更要捕捉条件、效果、例外、变量、约束、观察、证据、适用性等关键信息,构建结构化的知识陈述。

    2. 将一般知识与本地语境分离:可重用的领域通用原则,不应直接嵌入单个产品、流程或应用中,而应保持独立性,通过明确的约束与具体语境绑定,提升知识的复用性。

    3. 将本体视为一个控制平面:充分发挥本体在提取、术语对齐、语义角色识别、上下文绑定、数据映射、验证、解释等环节的控制作用,让知识转化有统一的标准可依。

    4. 在可执行代码之前生成中立规则:通过中间规则表示,分离知识的语义、语境和执行技术,保留规则的意义、来源、假设、范围、缺失信息和检查状态,降低规则风险。

    5. 永远不要发明缺失的阈值或输入:对于未知信息,明确表示为知识差距,识别缺失的字段、观察结果、阈值、证据和未解析的映射,不随意创建运行时值,保证知识的可靠性。

    6. 保留不确定性和因果强度:候选原因、相关性、建议等,都应明确标注其置信度,不将关联关系等同于因果关系,不将建议自动转化为强制性行动,确保结论的严谨性。

    7. 让起源成为规则的一部分:知识源、本体绑定、数据源和审批历史,应与规则绑定,贯穿规则的整个生命周期,确保规则可追溯、可审计。

    8. 让人类对激活负责:AI系统可以加速知识提取、解释、绑定、验证等过程,但授权专家必须对规则的操作使用负责,尤其是在规则影响安全、合规、财务结果或客户决策的场景中。

    我们可以将企业知识的成熟度,分为三个层次:第一层次是可搜索知识,能够实现事实的发现;第二层次是关联知识,能够在上下文中梳理和解释事实;第三层次是操作知识,能够用事实支持治理决策、规则和行动。本体引导的知识提取,正是帮助企业实现从第一层次、第二层次,向第三层次跨越的关键路径。

    对于企业而言,海量的文档资料不是负担,而是宝贵的知识资产。通过本体引导的知识提取架构,将这些资产转化为可操作的决策规则,不仅能够提升业务决策的科学性和效率,还能降低风险、保障合规,为企业的数字化转型提供坚实的知识支撑。未来,随着AI技术和本体技术的不断发展,这种架构模式将更加完善,成为企业知识管理的核心方式,让知识真正成为企业发展的核心竞争力。

    【关联阅读】

      跳转微信打开

      采访夜叉李艮:你这么丑,活该被哪吒打死

      2026年11月3日 20:22

      原创 帅呆的sixgod 2026-11-03 20:22 重庆

      第一集,抢先快看

      大家都知道哪吒闹海,把哪吒当英雄。

      可谁还记得,被哪吒打死的那个打工人?

      大家都说,出来混,要有势力,要有背景。

      就因为他啥没有,还长得丑,就活该被哪吒打死?

      欢迎来到《飞雪连天日谈》第一期,对谈嘉宾,被哪吒“打死”的——夜叉李艮。

      跳转微信打开

      ❌