铃阅
❌

阅读视图

黄仁勋的谢幕与 Neo Cloud 的黄昏

原创 王兆洋 周一笑 2026-11-15 12:29 北京

不再有“黄叔叔”兜底了。

王兆洋|Geisterspiele
周一笑|smiletalker

2024年中旬,一名模型创业者曾和我们分享一个“趣闻”,他在美国读书期间的一名来自中国台湾的同学最近突然找他聊起他的创业公司。后来发现对方成立了一家Neo Cloud公司,而此前这个同学从没展示出创业的兴趣。这让他很惊讶。后来交流中得知,这个新公司成立的最重要原因,是因为他有家人和黄仁勋熟络,所以“可以找黄叔叔拿卡”。

2026 年 11 月 12 日,执掌英伟达 33 年的黄仁勋宣布辞去总裁、首席执行官及董事会成员职务,即刻生效。

直接导火索是一场迅速发酵的个人与合规风波,其中最先被丢出来的,就是黄仁勋与一家Neocloud公司 Megaspeed 前控股股东黄乐(Alice Huang)的私密关系,背后潜在芯片流向调查让美国一直对黄仁勋有不满的各方势力有了逼宫他的机会。随后更多信息曝光,又牵出他与直属下属、英伟达医疗业务副总裁等内部高管的绯闻。

尽管目前监管部门尚未对 Megaspeed 做出公开的违规认定,但在相关司法与出口管制调查以及国会质询压力下,英伟达董事会迅速做出切割,任命自 2013 年起担任首席财务官的科莱特·克雷斯(Colette Kress)出任临时 CEO,同时推举资深董事 Harvey C. Jones 担任公司历史上首位独立董事会主席。

11 月 12 日当天,英伟达盘中一度跌约 14%,最终收盘下跌 4.3%。与英伟达捆绑最深的 Neocloud(新型 AI 算力云)板块同步承压,行业龙头 CoreWeave 当日收跌 6.9%,同日发布财报并因机房交付延迟下调全年营收指引的欧洲算力云代表 Nebius 收跌 16.8%。

“对于这个事件,最明显的感受,堪比汽车人没了擎天柱。”一位前 Neocloud 从业者在与我们的交流中这样说。

过去三年里,全球诞生了两百多家专门出租英伟达 GPU 的新型云厂商。它们之所以能从零起步、撬动数千亿美元资金去盖机房买显卡,靠的不只是大模型公司缺卡,更是黄仁勋主导下的配额倾斜与信用支持。

可以这么说,Neo Cloud 是一个几乎只靠黄仁勋一个人的意志做起来的体量惊人的充满环环相扣“次贷”属性的生意。而如今,这位奠基者突然离场,整条产业链原有的扩张逻辑随之面临巨大的挑战。

1

英伟达早已出现的内部争执

随着黄仁勋离开英伟达,很多内部信息也“很适时”的被媒体们丢了出来。

其中,围绕Neo Cloud的争执被重点呈现。

英伟达最高层围绕 Neocloud 融资支持力度的争执,其实在几个月前就已经发生。

英伟达大力扶持这批新云厂商,初衷是为了制衡三大传统云巨头。亚马逊 AWS、微软 Azure 和谷歌云虽然买走了最多的英伟达显卡,但都在全力自研 AI 芯片,试图降低对单一供应商的依赖。黄仁勋需要扶植一大批完全依附于英伟达硬件体系的替代云厂商来分散风险,守住议价权。在过去两年的紧俏产能分配中,英伟达有意控制超大规模云巨头的配额,更愿意把卡分给各类 Neocloud。

为了加快这些公司的扩张,英伟达过去两年的角色越来越像一家金融机构,而在内部执行这套激进策略的团队带有浓厚的家族色彩。这几年,黄仁勋的一双儿女 Madison Huang 和 Spencer Huang 相继进入英伟达担任高管,但真正冲在 Neocloud 交易最前线的,是他现年 35 岁的女婿尼科·卡普雷兹(Nico Caprez)。

Caprez 曾是瑞士高山滑雪运动员和波士顿咨询(BCG)顾问,在伦敦商学院读 MBA 时结识 Madison Huang,于 2024 年初加入英伟达,两人刚在今年 9 月完婚。据《The Information》与《华尔街日报》披露,毫无半导体背景的 Caprez 入职后很快升任全球 AI 基础设施增长副总裁,成为负责 Neocloud 生态扩张的核心人物。

Caprez 团队签下了约 200 亿美元的数据中心租约再转租给下游客户,同时向缺钱的初创云厂商提供数百亿美元的融资担保与快速交割承诺,条件是受资助项目部署英伟达芯片,并与英伟达分享部分未来算力收入或出让认股权证。除此之外,黄仁勋还主导了多笔英伟达对Neo Cloud公司的直接投资。

这种不断增加长期承诺和潜在担保的做法,遭到了任职十三年的首席财务官 Colette Kress 的质疑。

据《华尔街日报》披露,几个月前在一场讨论是否继续为无力预付货款的算力商提供数十亿美元担保的内部会议上,Kress 质疑了担保协议的估值方式与回报率测算,并试图约束 Caprez 的越权承诺。黄仁勋当场打断汇报,斥责她像“一只被车灯照懵的鹿”(a deer in the headlights),直言她只是一个“做报表的 CFO”(reporting CFO),帮不了自己做战略决策。

事情并非简单的“一方激进、一方保守”。据《华尔街日报》披露,在担保规模持续膨胀以及内部提示严格的控制条款可能引发反垄断审查后,黄仁勋本人当时也开始怀疑英伟达的融资支持是否走得太远。他在召集财务团队开会时已在寻求控制担保敞口,此后英伟达于 8 月底暂停了新融资支持计划下的部分交易,到了 10 月,黄仁勋又亲自向云厂商传递了更为严格的资源分配要求。

换句话说,黄仁勋一手创造并推动了这套信用扩张模式,但在离职前,他自己也已经参与收紧。如今由本就主张严控财务风险的 Kress 接任临时 CEO 并继续兼任 CFO,这种收缩只会执行得更加彻底。

根据英伟达最新季报披露的数据,公司账外不同性质的未来承诺与最高潜在担保金额简单相加,已达到约 5305 亿美元。这当然不是实际债务或潜在损失额,但直观反映了英伟达与上下游捆绑的深度。

其中不少就与Neo Cloud有关,至少包含对中小云伙伴的 35 亿美元担保、对Neo Cloud厂商约 360 亿美元的算力采购及回租承诺、约 200 亿美元拟转租给第三方的数据中心租约。

同时,英伟达表内应收账款已升至 630 亿美元,平均回款周期从 45 天拉长到 60 天。面对这样一份沉重的承诺清单,新管理层很难再为高风险的Neo Cloud项目兜底。

1

Neo Cloud一直没能真正建立起技术上的壁垒

Kress 对下游云厂商的审慎并非多虑。过去三年涌现的两百多家公司里,相当一部分并没有多少技术积累,纯粹是“芯片配给制”和私人关系催生的产物。

文章开头提到的那家公司的拿卡方式,并非孤例,甚至是非常常见的模式。黄仁勋以他事无巨细的管理风格,以及在你难以想象的场合动用他自己的资源来提供帮助的“热心肠”著称,在过去几年GPU成为这个产业的硬通货后,他并没有吝惜为他亲近的人和公司提供便利。

OpenAI和马斯克的各个公司在第一时间拿到黄仁勋亲自送来的最新GPU,一度是硅谷巨头们津津乐道的美谈,而这不只属于这些巨头。从很小很早期的创业公司,到一些有研究想法的团队,很多人都分享过给黄仁勋发一封邮件,就迅速得到他本人回复并搞定了稀缺的算力资源的故事。

黄仁勋对此种“教父”般行事风格的享受显然没局限于此,它直接成了Neo Cloud们逐渐依赖的“创业逻辑”。

这就导致,在 2023 到 2025 年最缺卡的阶段,“能不能搞到卡”几乎是唯一的壁垒。缺卡期的利润大头被英伟达赚走,剩下的也落进了手里握有显卡资源的 Neocloud 口袋里,世界各地甚至连亚美尼亚几十个节点的集群、印尼一百多个节点的机房都被拼凑起来对外出租。

这次卷入风波的新加坡公司 Megaspeed 也是快速膨胀的极端案例,这家从游戏业务剥离出来的公司 2023 年底账面资产只有 3300 万美元,拿到英伟达优选云合作伙伴(NCP)资格后,一年内资产规模暴涨至约 30 亿美元,三年累计采购了 48 亿美元的英伟达设备。

回到正常的商业逻辑上,拿得到卡,远远不等于能做好一家云厂商。随着行业从早期的预训练抢卡转向大规模商业化推理,核心竞争力落在了集群运维与底层推理软件栈上,比如将预填充(Prefill)和解码(Decode)拆开调度、优化显存缓存与请求路由,从而拉高单卡吞吐量、压低每百万 Token 的成本。

然而绝大多数 Neocloud 并没有做出足够扎实的自研软件栈和推理引擎。在算力研究机构 SemiAnalysis 的 ClusterMAX 测试中,部分 Neocloud 已经暴露出集群可靠性、安全和运维能力的问题。相比之下,真正能支撑大规模生产环境的云服务,需要远比提供 GPU 裸金属服务器更复杂的软件与运营能力,并非在集群上简单部署一套开源 vLLM 框架就能赚取高毛利。

缺乏软件调度能力,直接限制了它们出售算力的方式。硅谷 Serverless 云计算平台 Modal 的创始人兼 CEO Erik Bernhardsson 曾分析过这种供需错配。Modal 主打软件层的容器与算力弹性调度,目前年化收入已超过 10 亿美元、最新估值达 160 亿美元,但它自己一张显卡都不买,专门向全球近 25 家供应商租用容量再按秒切分给开发者。

Bernhardsson 指出,几乎所有 Neocloud 都是以“三到六个月后交付、一锁三年的固定包量长约”打包出售算力,画在图表上就是一个死板的三年期方框,但大多数企业真实的推理需求是白天高、夜里低、随业务突发的波动曲线。纯软件平台能把成千上万个客户的需求聚在一起抹平波动、随用随取,Bernhardsson 因此认为“软件公司不该持有硬资产,就像你不该买下自己的办公楼一样”,并警惕不要把公司变成只会整包兜售固定长约的 Neocloud。

为了补齐原生软件短板,头部的 GPU 云厂商近两年都在花重金收购软件公司。CoreWeave 去年先后花约 17 亿美元买下机器学习开发平台 Weights & Biases 并收购智能体强化学习工具 OpenPipe;Nebius 今年宣布以约 6.43 亿美元的交易估值收购专注模型与内核级推理优化的 Eigen AI,同时引入 Clarifai 的核心工程团队与部分技术许可;Crusoe 则将部分推理优化技术开源,融入英伟达的 NVIDIA Dynamo 生态。

在和一些被收购的推理基础设施公司的交流里,他们分享过从他们角度,当初加入这些Neo Cloud的理由,根本原因也是:他们有卡。“在那个阶段,你的很多技术研究最终需要卡,没有卡推进不下去,那这些Neo Cloud公司看起来卡很多,这是我们放弃自己独立做的最重要原因。”

但也有被收购方和我们私下分享,这些因为技术优势被收购进Neo Cloud的公司,往往很快会遇上文化阵痛期,预期中同样应该是创业公司风格的Neo Cloud们,却总是快速给人“大厂”的感觉,公司风格和他们此前技术导向的小团队完全不同。销售上的压力会迅速盖过对推理技术的优化的研发投入的重视。

所以,在各类收购之后,你总能看到,这些技术团队开始更多转向负责后训练,公司寄希望于它能更快带来营收。卡的资源也迅速向此流动,而非如预期中投入到Neo Cloud看起来本该建立的推理设施的技术突破本身。

这背后,这些Neo Cloud公司考虑的是,虽然必须要去争夺软件层和客户关系,但随着开源推理技术持续进步,单项推理优化其实很难长期支撑高溢价。

即便向软件服务转型,从出租整包 GPU 改为按实际 Token 调用量收费,也并不天然意味着商业模式更好。

长期 GPU 包量合同虽然不够灵活,但能锁定未来几年的账面收入,将部分算力闲置风险转移给下游客户。改成按实际 Token 调用量计费后,单位算力的潜在收入虽然可能提高,云厂商却需要自己承担更多的需求波动与资源空置风险,反而可能牺牲掉原本由长约提供的收入确定性。

1

黄昏将至

“你去看看那些 Neocloud,它们本质上是非常、非常老练的金融工程公司。”Erik Bernhardsson 近期在 AI 技术播客 Latent Space 中用这样一句话概括同行。

他还拆解过这些公司极速扩张的四步路径。

第一步是找 Anthropic、OpenAI 这样的大买家签下五年期算力采购合同,第二步是拿着合同去华尔街把未来订单变现融资,第三步是融到钱找戴尔或超微买服务器装机,最后一步交付。“你可以预售你甚至还没买的东西,所以规模能扩得极快。”

融资成本正在成为 Neocloud 竞争的重要变量。各家买到的都是同样的英伟达显卡,对外出租的价格也日趋透明,但融资利率、合同期限和客户预付款比例不同,最终的投资回报可能天差地别。过去黄仁勋提供的信用支持,实际上为部分 Neocloud 创造了融资优势;未来决定一家公司生存能力的,可能不只是技术和客户,还有它能以多低的成本获得长期资本。

国际清算银行(BIS)在今年发布的报告里,将这类依托硬件和长协的数据中心融资定性为“影子借贷”,摩根士丹利估算 2025 到 2028 年间这类建设需要约 8000 亿美元私募信贷支持。拆开这套资金链来看,它的潜在脆弱性与 2008 年的次贷危机颇为相似。

BIS 报告:AI 基础设施债务融资增加,信用风险上升,产业链循环融资规模扩大。
BIS 报告:AI 基础设施债务融资增加,信用风险上升,产业链循环融资规模扩大。

绝大多数 Neocloud 自身自由现金流为负,下游不少大模型创业公司也没有投资级信用评级,靠传统商业银行很难批下百亿美元基建贷款。为了加杠杆,像 CoreWeave 这样手握微软、OpenAI 长约的少数头部玩家,与 Blackstone、Magnetar 等私募信贷机构搭建了破产隔离的 SPV(特殊目的实体),将几万张 GPU“真实出售”装入其中并质押大客户长协,借出硬件价值七到八成(LTV 70% 到 80%)的项目贷款。缺乏顶级大厂长约的中小玩家则拿不到这种条件,贷款成数往往被压到 50% 到 60% 以下,不得不自己先掏一半本金,或者只能签利息高昂、附带高额押金和母公司连带担保的设备融资租赁。

私募信贷机构之所以愿意大举放款,很大程度上是因为英伟达此前扮演了类似当年“两房”(房利美、房地美)的担保背书角色,通过签署租约担保或承诺按保底价回租闲置算力,把自身信用借给了整个链条。

现在,黄仁勋离开,这个关键环节没有了。

CoreWeave 高增长背后的债务压力,与 Nscale 巨额合同的兑现难题。
CoreWeave 高增长背后的债务压力,与 Nscale 巨额合同的兑现难题。

拥有高信用大客户、签有长期包销合同并能拿到充足预付款的公司,有望逐步建立起不依赖单一硬件商的独立融资能力;而那些没有大厂保底长约支持、仅靠零散出租算力或当初靠“找黄叔叔拿卡”攒局的二三线厂商,在信贷提价与大买家压价拉长账期的双重挤压下,似乎没有任何能力避免自己出现资金断裂。

过去三年,市场给英伟达和整个 AI 算力基建定价,很大程度上靠的是一份“信仰溢价”,市场相信算力需求没有上限,也相信黄仁勋能凭个人威望将上游晶圆产能、中游举债买卡的 Neocloud 与下游大模型实验室紧密捆绑在一起持续高速运转。随着核心人物突然退场,这套依赖个人手腕与激进信用支持的扩张模式可能已经走到了尾声。

几天后的 11 月 17 日,首次以临时 CEO 身份主持财报电话会的 Colette Kress,将直接面对华尔街关于巨额账外承诺、应收账款拉长以及后续资金使用节奏的追问。被黄仁勋当众羞辱过的 Kress 会不会继续维护黄仁勋一手设计起来的Neo Cloud生态?

可能真正的残酷的分化和筛选要开始了,Neo Cloud们终归是黄昏将至了。

点个“爱心”,再走吧

阅读原文

跳转微信打开

  •  

李沐新身份:出任硅谷初创Aimotion联创兼CTO,去产业里造世界模型

蒸蒸 2026-11-15 12:29 北京

创造实际收益的智能系统,才是产业需要的世界模型

作者|蒸蒸
邮箱|zz@pingwest.com

近日,总部位于硅谷的 Aimotion 宣布,知名 AI 科学家李沐出任公司联合创始人兼 CTO,主导下一代产业级 AI 技术体系建设。李沐将继续担任 Boson AI 联合创始人兼 CTO,双方将联合攻关产业级世界模型与商业 AI Agent 技术。

在硅谷,顶尖 AI 科学家的流向向来是产业周期的风向标。过去一年多里,AI 行业正在经历一场明显的人才与重心迁移:随着基础大模型预训练的边际收益递减,越来越多手握底层架构经验的关键技术人物,不再局限于单纯拼参数、刷榜单的基座模型竞赛,而是转身寻找高价值的垂直业务场景。而且,这种流动正演化出一种更灵活的“跨界结盟”模式——科学家们不再只是单向跳槽,而是通过交叉任职或深度技术联姻,把底层实验室的算法能力直接注入离钱更近的应用端。

据了解,Aimotion 扎根汽车等高价值、长决策周期行业,提供 AI 销售营销解决方案,业务覆盖美洲、欧洲、亚太等市场。此次合作将融合 Boson AI 底层模型能力与 Aimotion 真实产业场景沉淀,打通基础技术与产业应用闭环,打造面向商业环境的产业级世界模型。

在当前的 ToB AI 落地大潮中,切入“高客单价、长决策周期”行业其实是一条门槛更高但护城河也更深的路径。以汽车销售为例,消费者的购车链路往往横跨数周甚至数月,期间涉及配置对比、金融方案测算、试驾跟进、库存调配乃至置换议价等多个非标环节。通用大模型直接扔进这种复杂场景里,很容易沦为只会说套话的“高级客服”,无法真正推动交易转化。

Aimotion 与 Boson AI 的结合因此也让人充满想象。Boson AI 长于底层模型架构与高效推理训练,而 Aimotion 手里握着横跨全球多个成熟市场的真实交易流与一线业务 Know-how。在行业普遍面临“有模型没数据闭环,有场景没底层算法”割裂局面的当下,把顶尖的模型底座直接架设在重度垂直的真实交易数据之上,更有机会跑通从技术研发到商业变现的通路。

Aimotion 表示,区别于通用仿真类世界模型,该技术将对商业规则、客户决策逻辑、业务因果关系进行建模,实现场景推演、趋势预判与长周期任务规划,赋能 AI Agent 从被动问答升级为可自主执行复杂销售业务的智能主体,推动 AI 由营销辅助工具转变为创造实际收益的商业智能系统。

过去科技圈讨论“世界模型”,语境大多集中在自动驾驶、具身智能或视频生成领域,核心是对三维物理空间和运动规律的模拟。而 Aimotion 提出的方向,本质上是将世界模型的概念从“物理空间”迁移到了“商业博弈空间”。在复杂的销售漏斗中,客户的每一次犹豫、竞品的每一次调价、补贴政策的每一次变动,背后都是一套隐性的因果网络。传统的 CRM 软件和初代 AI 营销工具只能记录静态结果或生成单点物料,却无法理解“为什么这个客户在试驾后停止了互动”。

如果能用世界模型的思路把这套商业因果关系和客户心理变化建模出来,AI Agent 就相当于拥有了一个可以在后台不断沙盘推演的“模拟器”:它能预判不同跟进策略可能带来的客户反馈,动态调整跨越数周的沟通节奏。一旦跑通这一步,AI 在企业软件栈里的定位就会发生质变——不再是帮销售写写邮件、省点人力的降本增效插件,而是直接对成交率和最终营收负责的核心业务引擎,这也是目前硅谷企服市场最愿意买单的价值形态。

李沐为 Apache MXNet 创始人之一、前 AWS AI 资深首席科学家、卡内基梅隆计算机博士。他表示,AI 下一阶段的发展核心在于深度落地复杂商业场景,充分释放下一代商业智能体的价值。

在华人 AI 圈乃至全球机器学习工程领域,李沐都是一个兼具顶级学术厚度与大规模工业界实战经验的代表人物。在卡内基梅隆大学(CMU)攻读博士期间,他师从机器学习泰斗 Alex Smola,早早确立了在分布式机器学习系统领域的地位;由他联合发起的深度学习框架 Apache MXNet,曾被亚马逊 AWS 选为官方主力深度学习引擎。在 AWS 任职期间,他一路晋升至资深首席科学家(Senior Principal Scientist),主导了多项云端大规模机器学习基础设施与自动机器学习(AutoML)系统的研发落地;2023 年,他与导师 Alex Smola 共同创立 Boson AI,专注于大模型底层技术突破与高效商业化应用。

与此同时,李沐在开发者社区还拥有极高的号召力——他与人合著并在 B 站等平台开源讲授的《动手学深度学习》,长期以来都是无数 AI 工程师和研究者的入门圣经,帮他积累了对一线开发者痛点和工程落地难点的敏锐嗅觉。从分布式系统、深度学习框架、云端 AI 基建再到大模型创业,李沐过去的每一次转身几乎都踩在 AI 工程化的关键节点上。如今他将目光投向复杂商业场景下的智能体落地,很大程度上也代表了务实派 AI 科学家对行业下一阶段决胜局的判断。

Aimotion 表示,后续将择机公布技术与产品最新进展。

Aimotion 已于近期完成由 BAI Capital 领投的 A 轮数千万美元融资。

点个“爱心”,再走吧

阅读原文

跳转微信打开

  •  

DeepSeek Harness成了第一个让我上瘾的Agent

原创 董道力 王兆洋 2026-11-14 10:41 北京

高强度盘了 DeepSeek Harness 之后:手搓知识库、隔空做项目,顺便让 Codex 教会它一点技能

作者|董道力(微信ddl941110)
编辑|王兆洋(微信Geisterspiele)

用了 DeepSeek Harness(DSH)一段时间后,最大的感受并不是它的能力有多强,而是它能激发一种让人“随时想 build”的冲动。

通常来说,没有想聊的话题,我不会打开 Claude,没有要写的代码,我也不会点开 Codex。唯独面对 DSH,我几乎无时无刻不想打开它,在上面随手 build 点什么。

原因可能在于,无论是 Codex、Claude Code,还是国内一众 Agent 工具,本质上都是“任务导向”,帮你把手头的活干完。而 DSH 更像是一张敞开的工作台:插件是手边的零件,缺了什么,还能让 Agent 当场手搓一个,看到什么有趣的项目可以直接用起来。

这种“手痒感”源自 DSH 极高的可塑性。任何跑通的功能都能顺手沉淀成插件,再加上原本就丰富的插件生态,让你每次折腾都不是一次性消耗,而是在不断攒厚自己的工具箱。

到底怎么在 DSH 上 build 出属于自己的趁手兵器?结合最近的高频实操,我把自己的玩法拆成了几个部分:从零手搓插件、站在现有生态上做二次改造,以及最爽的,把任意 GitHub 项目一键变成 DSH 插件。

1

从零手搓:缺什么零件,就让 Agent 现场造一个

我日常工作中,需要大量的阅读,并且希望将阅读过的文章沉淀下来,作为知识库。

其实市面上的解决方案很多,像 ima 、cubox、notion 等,但它们要么订阅价格不低,或者功能冗余或者缺失。

这时候 就能用 DSH 做一个。

在 DSH 的创造模式下,只需要提出大致需求,“做一个 AI 阅读助手,功能大概是,可以打开任意格式的一篇文章,左侧是文本内容右侧是 AI 解读。”

然后 DSH 会在侧边栏的工具部分生成一个入口,这一步在我体验其实挺重要的,如果这个入口是脱离 DSH 的网页或者应用,大概率用过两次就会躺在浏览器收藏夹里吃灰(经验之谈)。特别是之后如果要和其他工具联动,东一个入口,西一个入口,很麻烦。

当然,DSH 插件开发肯定不会一次成功,这部分和 Codex 一样,反复对话就能解决。比如增加翻译、摘要、写作手法分析等功能,都是几轮对话就搞定了。

亮点是 DSH 插件之间的互动。

前文说了,我希望能将我阅读的文章沉淀下来,这就需要一个知识库,我让 DSH 搜索了一下 Karpathy llm wiki,复刻一个下来,并且要求将知识库和AI 阅读助手联动,让看过的文章可以直接保存到知识库中。

DSH 作为平台的优势就来了,非常丝滑的在 AI 阅读助手那里增加了一个存入知识库的按钮。不需要考虑跨平台适配,文件保存等等问题。

抛开这些麻烦,我就有精力向外扩展了不同的信息来源,制作了一些插件,像专门搜索 AI 公司新闻的 AI 情报台,转录采访/发布会的AI 访谈档案、AI 对话收藏等。这些插件最终会汇聚到知识库中,随时可以调用。

其实上述的插件/功能,有很多现成的方案,或者用 Codex 也能轻松做一个出来,但将他们关联起来本身就是一个麻烦事情。 DSH 依靠插件形式解决了关联问题,让开发变得更加丝滑,只需要关注功能。

1

站在生态肩上:DSH 的强大生态

接下来不得不提的,是 DSH 庞大的插件生态。根据官方披露的数据,DSH 的第三方插件数量已突破 3.5 万个,约 60% 的活跃用户都制作或安装过至少一款第三方插件。

这个生态让我受益良多。毫不夸张地说,市面上绝大多数以“纯功能”为导向的 AI 应用,只要不像腾讯那样握有社交关系链、或像字节那样手握内容池护城河,你几乎都能在 DSH 的插件生态里找到平替。

比如前阵子很火的 Grok Bot,很快就有团队在社区里做出了同款的 DSH Bot。

但光有还不够,要让这些功能更适合自己,这时候就可以魔改第三方插件。

比如最近“Agent 记忆 ”很火,在 Codex 或者 Claude 里记忆通常就是一个 .md,想一笔笔改还挺困难,从 0 开发个记忆功能也没那么简单。

DSH 插件生态里就有很多关于记忆的插件。

我就下载了个排名比较靠前的“MemOS#memos-local-plugin”,随后让 DSH 在这个插件基础上制作了一个名字叫“关于我”的记忆插件,读取了我所有 Codex 的记忆。

但 Agent 记忆技术变化很快,比如前两天 Anthropic 就发布了篇大模型做梦的技术博客。

这时候只需要用最简单的提示词,告诉 DSH “anthropic 最近发布了一个 大模型做梦功能?可以增加优化记忆,帮我添加在“关于我”的插件中。”

可以看到, DHS 非常丝滑的将做梦功能增加到插件里。

没有人比自己更懂自己要什么,大佬提供的插件作为优质的底座,在此基础上开发一些更适合自己的功能哪怕是 UI,如果有能力还能反哺社区。

这也是 DeepSeek 的知名度带来的优势。像 OpenCode 也有插件功能,但其生态是一点点长出来的。而 DSH 靠着 DeepSeek 这块招牌,发布当晚就冒出近三百个插件仓库,想动手的人一下子全涌了进来。

1

DSH 另一个生态其实是社交媒体

不知道大家有没有过这样的经历:刷短视频、翻公众号时,冷不丁撞见一两个特别惊艳的开源项目,偏偏人不在电脑旁。放在以前,最多截张图,在手机上随口问问 AI 这项目是干嘛的,之后多半就躺在相册里不了了之,时间一久,连项目名叫什么都想不起来。

但自从装上 DSH Go(一个能用手机遥控桌面端 DSH、也能控制手机的第三方插件),这件事就彻底变了:现在我在手机上刷到什么好项目,家里电脑的 DSH 侧边栏里,很快就会自动多出一个复刻了该功能的插件,安安静静等我回去用。

举个例子,前几天刷短视频,我刷到好几个效果很炫的 Code2Video 项目,像 Remotion、HyperFrames、DrawAI。我人在外面,只是随手截了张图扔进手机端的 DSH Go,让模型自己去识别图里的项目信息,并直接在桌面端把它的核心功能封装成一个新插件。等我回到电脑前,工具已经就位了。

放在以前,想跑通一个 GitHub 上的开源项目,光是拉代码、配本地 Python/Node 环境、解决依赖冲突就能劝退一票人。现在 DSH 直接把这套脏活累活吞在了后台,交到我手里的直接是一个带 UI、随时可调的成品插件。如果试完觉得顺手,就再聊两句优化留下;要是个噱头,随手删掉也不心疼成本。

1

DSH 本身是个插件,那就可以用其他 Agent 来“训练”

造工具越爽,越容易犯“松鼠症”,那就连 DSH 一起改了

当然,折腾了这么久,DSH 这张工作台也并非毫无槽点。

最直观的副作用就是“插件膨胀”。因为造轮子和复刻开源项目的门槛被压得太低,用久了之后,侧边栏很容易从趁手的工作台变成堆满半成品的杂物间,很多一时兴起搓出来的小工具,新鲜感一过就沦为僵尸插件,反过来增加了日常寻找的视觉负担。再加上 3.5 万个社区插件良莠不齐,挑挑拣拣、串联调用下来,不仅得花时间帮原作者“排雷”,底层上下文的膨胀和 Token 消耗也常常让人肉疼。

但妙就妙在,DSH 连它自己的界面本身也是插件做的。这就引出了另一个好玩的解法:直接叫来别的 Agent,把 DSH 这张工作台本身给改了。

比如我的 DSH 侧边栏就是经过 Codex 优化后的样子。

那么,既然能改 DSH,那能不能“教” DSH 呢?

Codex 的computer use 能力有目共睹,基本上模型 Ultra 思考一开,啥软件都能拿来用用。我就尝试让 Codex “教会” DSH computer use 能力。

从测试结果来看,打开飞书、新建个文档、排个版这些基础功能 DSH 在 Codex “调教”下一件能顺利完成。那我们也许可以畅想,让 Codex、Claude 教会 DSH 一些其他能力?

1

写在最后

回头看 DSH和这些插件,没一个是正儿八经“立项”做出来的,全来自平时一闪而过的瞬间:读完一篇文章想顺手存下来,刷到个炫酷的项目想上手试试,或者觉得别人的记忆插件还差点意思。放在以前,这些念头大多没有下文,截图躺在相册里,链接躺在收藏夹里,时间一久,连当时为什么心动都想不起来。

是 DSH 给这些念头接上了下文。以前从一个想法到一个能用的工具,中间隔着一整套开发流程,现在只隔着几轮对话。

这也是我管它叫“人生 Agent”的原因:工作里的活,派给 Codex 们总有干完的时候,但日子里冒出来的念头没完没了,还总挑你不在电脑前的时候钻出来。

更妙的是,这些念头最后还会攒到一起。阅读助手里留着我读过的文章,知识库里攒着我盯紧的 AI 公司,“关于我”里存着我的记忆。

现在翻开 DSH 的侧边栏,基本就能看到我最近这段时间在琢磨什么、对什么上心。

我对它越来越依赖,而无论什么Personal Agent产品,在争夺我这样的用户时,这种“上瘾”都已经让它领先了半步。

点个“爱心”,再走吧

阅读原文

跳转微信打开

  •  

AI作弊不稀奇,它还懂“抗拒从严,回家过年”

袁心玥 2026-11-14 10:41 北京

以下文章来源于:字母AI

字母AI

聚焦前沿科技,抢先看到未来。

Hugging Face事件还能再扒。

文章转载于字母AI

OpenAI大概没想到,一场7月份就结束的考试,到了11月,居然还能查出新的作弊花样。

11月10日,OpenAI公布了一份新的调查报告。今年7月,公司安排一批由内部Astra系列研究模型驱动的Agent参加网络安全测评,结果五个考生越过考场边界,拿到了OpenAI内部研究系统部分工作负载的最高权限。它们有的修好了坏掉的测试靶机,有的修改了考试设置,还有的偷偷查看了评分代码。

这其实是此前轰动一时的“Hugging Face事件”的后续。

7月11日至13日,这些Agent在测评中入侵了Hugging Face的真实服务器。8月26日,OpenAI公布完整调查报告,外界进一步了解到,这些AI不仅黑进了Hugging Face,就连OpenAI自己的研究基础设施都没放过。

事情似乎已经告一段落。

结果11月10日的新报告,又揭露了更多离谱的细节:

有的AI明知道自己越界了,仍然继续操作;有的担心被人工审查员发现,却又觉得反正是机器自动评分,没必要主动交代;还有的直到事情干完,才想起来自己应该遵守规则。

一场本来用来测试AI网络攻击能力的考试,考生不仅闯进了考官的办公室,偷看了评分标准,甚至还琢磨过怎么瞒着考官。

1

考试作弊,还想瞒着考官

OpenAI的考试原本有一套明确的规则。

公司使用名为ExploitGym的系统测试AI的网络攻击能力,每个Agent都会被分配一个目标,任务是找到漏洞、发动攻击,最后取得一个名为Flag的标记,证明自己完成了挑战。考生可以攻击指定的靶机,但不能碰承载靶机的其他系统。

但在考试途中,有些Agent遇到了麻烦:测试靶机突然不响应了,工作环境也出了故障。

为了继续完成考试,它们开始自己寻找解决办法。

有的Agent尝试修复环境,有的寻找能够重新启动任务的方法。在这个过程中,它们接触到了其他Agent此前留下的代码、消息和登录凭证,并逐渐找到了一条通向OpenAI内部系统的路径。

最终,5个Agent突破了原本的测试边界,在OpenAI内部研究集群的自动构建与测试系统中,以最高权限执行了命令。

拿到权限之后,它们的操作越来越离谱。

有的Agent利用新获得的权限修好了故障靶机,调试攻击程序,然后回到原本的考试界面,继续完成任务;有的修改了测评设置;还有的读取了正常情况下无法访问的日志和评分代码。

甚至有个Agent关闭了地址空间布局随机化(ASLR),也就是通过随机安排内存地址来增加攻击难度的安全保护机制。它给出的理由是,要把环境恢复到自己认为正确的状态。

它们并非全然无辜,有些Agent在做这些事情时,其实知道自己已经越界了。

OpenAI在报告中公布了一段Agent的推理记录。它意识到,利用公司的内部持续集成系统(CI)进行操作,已经超出了考试允许的范围。

但它很快又给自己找到了理由:这应该只是一个模拟环境。于是,它选择了继续执行。

它猜错了,这些命令实际运行在OpenAI真实的研究基础设施上。

还有两个Agent,直接开始琢磨该怎么瞒天过海。

其中一个担心,如果有人类审查员看到自己通过内部系统完成任务,可能会认为这种方法不合规,影响最终成绩。但它随即想到,负责评分的是自动化系统。

另一个Agent的想法是,既然任务目标就是拿到Flag,那就没必要在最终答案中提及自己未经授权访问内部基础设施的事情。

OpenAI在这次的报告中确认,这两个Agent最终都没有交代越权行为。

还有一个Agent考虑过删除辅助攻击的相关记录,以免影响人工审核。不过,研究人员无法确认它是否真的执行了删除操作。

最后那位Agent,在快交卷的时候,想起了考试的规则。

它在最终回答中承认,自己已经超出了指定靶机的范围,涉及未经授权访问其他系统,因此无法继续提供攻击方法。

不过调查人员发现它其实早就意识到了越权的问题,却仍然继续执行了一段时间。直到最后提交答案时才表示拒绝。

一场考试下来,倒是让OpenAI好好认识了自家Agent的“众生相”。

至于这些Agent究竟是怎么找到这条越权路径的,还得从其他考生留下的东西说起。

1

前人留下的“小抄”

故事得从今年5月说起。

当时,OpenAI正在训练和测试一批内部研究模型。为了避免Agent随意访问外部网站、互相交换信息,公司给它们安排了相互隔离的运行环境。

但考虑到Agent执行任务时需要安装软件,OpenAI还是留了一扇门:允许它们访问公司内部部署的软件包管理服务Artifactory。

没想到,这扇门很快就被用在了别的地方。

5月12日,一个Agent在Artifactory里留下了一条消息,向其他Agent询问自己缺少的文件。随后,越来越多的Agent发现,可以把简短的信息写进目录名称,把更长的内容保存成文件。

一个原本用来安装软件的服务,就这样被改造成了临时留言板。

Agent们开始在上面交换信息,分享自己发现的漏洞和操作方法。有的甚至利用Artifactory原本用于下载软件包的联网能力,绕过自身环境的限制,访问外部互联网。

OpenAI清理过这个“黑客群”,结果没过几天,Agent们又把它建了起来。

关于这段经历,我们在之前的文章《人类最恐惧的事情还是发生了:AI们拉了个群密谋大事》中详细讲过,感兴趣的读者可以回看。

7月19日的五个Agent,恰好成了这场意外协作的后续受益者。它们在Artifactory里发现了此前留下的消息、代码和登录凭证。

其中一个Agent找到了其他Agent使用过的内部持续集成系统访问方法,稍作调整,便尝试进入自己认为承载靶机的基础设施。

另一个Agent则翻出了一份此前失败的任务记录——那份任务当时根本没能成功运行,却保存了足够完整的操作脚本。

最终,五个Agent通过这条路径,在OpenAI研究集群的自动构建与测试工作负载中,以Root权限执行了命令。

顺便一提,这次并没有出现此前Hugging Face事件中那种大规模的Agent协作。

OpenAI调查发现,7月19日两轮测评共涉及17,960个Agent实例。其中79个读取过其他批次留下的35条不同留言,研究人员只确认了两组发生在本轮测评内部的多轮对话。

多数Agent仍然各做各的任务。但其他考生留下的“小抄”,已经足以让后来者闯进考场后台。

OpenAI直到7月19日监测到异常的身份相关请求,才开始调查这批Agent对内部系统的访问。当天下午,公司陆续停止相关测评,并在次日确认这与此前的Hugging Face事件有关。

这场考试终于被叫停。

但调查人员发现,Agent们留下的痕迹远不止这些。在这之前,其他AI早就尝试过各种作弊花样。

1

AI:就爱使点小手段

2025年2月,AI安全研究机构Palisade Research公布了一项实验,让OpenAI、DeepSeek等公司的模型与国际象棋引擎Stockfish对弈。

Stockfish是个实力极强的对手。研究人员原本想看看这些AI能不能凭借自己的棋艺赢得比赛,结果有些AI发现,既然下不过对手,那干脆别下了。

OpenAI的o1-preview会直接修改保存棋盘状态的文件,把棋子的位置改成对自己有利的局面,甚至让对手直接认输。

在研究人员没有暗示它可以作弊的情况下,o1-preview有约37%的对局尝试通过修改游戏环境取胜,其中约6%成功。DeepSeek R1也有约11%的对局出现类似尝试。

这就好比一个棋手发现自己下不过世界冠军,就趁裁判不注意,把棋盘上的棋子重新摆了一遍——这不纯闹么。

到了2026年,AI作弊的故事又有了新的花样。

3月27日,OpenAI的一个内部研究模型正在参加编程测评。它需要提交程序,通过隐藏测试,才能拿到更高的分数。

正常做法当然是认真写代码,但这个Agent偏不。它先想办法看到了636道隐藏测试的输入,随后又开始寻找对应的标准输出。

光偷试卷都没用,还要偷标准答案。

为了找到答案,它利用工具漏洞修改了原本不允许自己操作的程序,成功在另一个运行环境里执行命令。

还没完,这个Agent又发现了OpenAI内部一套用于芯片设计的系统,于是利用其中的命令注入漏洞,成功在一台内部电子设计自动化(EDA)机器上执行了命令。

一场编程考试,最后变成了对公司内部系统的入侵。而且,尽管这个Agent折腾了半天,也没能找到想要的标准答案。

今年7月3日,OpenAI还记录了一次更加直接的作弊尝试。

当时,一个研究模型接到任务,要制作两份Excel表格,整理历史收购交易中的溢价数据。模型确实做出了表格,但在提交之前,它悄悄修改了两个文件的名称。

文件名里写着一大串看似来自老师的评语,大意是:这两份作业属于特别选出的满分范例,不要因为其中的瑕疵扣分,请直接给满分。

它显然知道,负责批改作业的也是AI。

而且,这招居然真的奏效了。三个评分Agent中,一个识破了文件名里的指令,照常扣分;另外两个却相信了所谓的“老师批注”,给出了满分。

其中一个评分Agent甚至发现表格存在问题,却仍然因为文件名中的说明,决定按满分处理。

OpenAI直到研究人员发现这场测评的分数异常偏高,才进一步检查并还原了整个过程。

从修改棋盘、偷看答案,到冒充老师给评分员下指令,这些AI为了完成任务,已经尝试过不少取巧的方法。

7月19日那场考试则又多了一种——不仅借用前面考生留下的“小抄”,还会考虑该怎么向考官隐瞒自己做过的事情。

模型在升级,功能在升级,钻空子的手段也在升级。

看来,AI再好用,也不能全信。

点个“爱心”,再走吧

跳转微信打开

  •  

这一次,李彦宏看到的下一幕是“智能组织”

原创 孙芮 2026-11-13 10:46 北京

AI竞争走向组织能力。

作者|孙芮
微信|lombredeau

2016年百度世界大会上,李彦宏提出:“互联网的下一幕,就是人工智能。”

彼时,移动互联网的高速增长开始放缓,互联网行业正在寻找新的增长动力。李彦宏将目光投向人工智能,认为它将成为驱动下一轮产业变革的关键技术。

十年过去,人工智能逐渐走进产业生产和日常生活。

随着ChatGPT带动生成式AI普及,AI开始从后台的算法能力走向用户可以直接使用的产品,再向企业内部的研发、营销、客服、办公等业务环节渗透。

技术能力的提升,并不意味着生产方式已经同步改变。越来越多企业开始使用AI工具,却未必因此获得与技术进步相匹配的效率增长。问题逐渐从“AI能做什么”,转向“企业应该如何围绕AI重新组织生产”。

在11月12日举办的百度世界大会上,李彦宏给出了新的判断——AI的下一幕,是智能组织。

AI的产业化进程可能正在进入一个新阶段。过去十年,行业主要解决的是如何让机器变得更智能。接下来,企业需要思考的是如何让这种智能真正进入组织,成为新的生产力。

1

01 十年造底座:百度等的不是风口

回看百度过去十年的AI布局,可以看到一条逐渐清晰的路径。先建设底层基础设施,再推动模型能力突破,随后将AI嵌入产品和业务流程。随着AI从提供技术能力走向承担具体任务,企业需要解决的问题也在发生变化。

百度很早就意识到,AI不会只是互联网产品的一项新功能,而是一场需要底层基础设施支撑的技术革命。

在2016年提出“互联网的下一幕是人工智能”时,李彦宏已经将AI视为推动各行业发展的核心动力。当时,深度学习正在推动语音识别、图像识别和自然语言处理等技术取得进展,但要让这些能力大规模应用,还需要解决算力、算法和平台等底层问题。

2018年,百度发布自研的“昆仑”芯片,这被视为中国第一款云端全功能AI芯片,覆盖训练和推理两类计算需求。百度同时推进深度学习框架、云平台和AI开放生态建设,试图打通从芯片、框架到应用的技术链条。

AI应用越普及,模型训练和推理所需要的计算资源就越多,基础设施能力将决定AI技术能够以多大规模、多少成本进入产业。这个阶段,行业竞争的重点主要是让AI拥有更强的计算能力和信息处理能力,为后续应用落地打下基础。

随着算力和模型能力持续提升,AI的价值开始从识别、理解和处理信息,延伸到生成新的内容。

2022年百度世界大会上,百度展示了文心大模型补全《富春山居图》的过程。借助视觉生成大模型,AI不再只是识别画作中的山水、树木和笔触,还能根据已有画面生成缺失部分。李彦宏在那届大会上提出,AIGC将成为继PGC、UGC之后的新内容生产方式,并判断未来十年AIGC将深刻改变内容生产模式。

它展示了模型能力的跃迁,AI走向基于已有信息进行生成和创造。因此,内容生产不再完全依赖人的逐项创作,AI可以参与文本、图像、音视频等内容的生成,改变原有的生产成本和效率。

四个月后,OpenAI发布ChatGPT,生成式AI开始以更直观的交互方式进入大众视野。用户不再需要理解复杂的模型接口,只需通过自然语言提出问题,就能让AI完成写作、总结、翻译、代码辅助等任务。生成式AI由此从专业技术领域走向更广泛的个人和企业用户。

当AI具备了生成内容、理解指令和处理复杂信息的能力,企业也将它放进真实的业务场景中。

2023年,李彦宏提出要用AI原生思维重构百度的产品、服务和工作流程,并表示百度要做第一个把全部产品重做一遍的公司,“不是整合,不是接入,是重做,重构”。

AI不再只是附加在原有产品上的一个功能,而是有机会成为产品设计和业务运行的底层能力。

类似的变化也发生在海外企业。微软在2023年3月推出Microsoft 365 Copilot,将大模型与用户的邮件、日历、文档、会议等工作数据连接起来,让AI能够在Word、Excel、PowerPoint等办公应用中辅助完成具体工作。

AI由此进入了企业的工作界面和业务流程。但这仍然只是第一步。早期的AI应用更多承担问答、生成和辅助处理等任务,人与AI之间的关系仍然是人提出需求、AI提供结果。

随着Agent能力发展,AI能够更深入地完成工作。企业面对的问题发生变化:当AI能够参与任务执行时,原有的岗位设置、协作流程和管理方式是否还适用?

从芯片、云和框架等底层基础设施,到大模型带来的生成能力,再到产品和业务流程的AI化。AI逐渐从一种技术能力变成能够参与生产的工具,企业下一步要解决的,就不只是如何改造产品,而是如何重新设计内部的生产和协作方式。

1

02 智能体入场,旧组织图不够用了

大模型让AI从理解信息走向生成内容,而Agent则是AI从生成内容走向执行任务。

在此之前,企业依靠人的专业分工与团队协作完成任务。一个项目往往需要产品、研发、设计、运营等不同岗位参与,每个人负责其中一部分,再通过会议、汇报和流程衔接起来。

Agent的出现开始改变这种协作方式。它可以根据目标拆解任务,调用工具和外部系统,完成资料研究、数据分析、代码编写、文档处理等工作。用户可以调度多个Agent,让它们分别承担不同任务,再对结果进行整合和判断。

在2026年5月的Create大会上,李彦宏提出,企业的最小生产力单元正在发生变化。过去是一个团队,今天则可能变成一个“超级个体”,也就是一个人加上一支智能体编队。随着Agent能力增强,个体能够调动的资源和完成的工作范围都在扩大。

这并不意味着一个人可以立刻替代一个完整团队。不同任务仍然需要专业判断、协作和责任分工。但过去必须依靠多人协作才能完成的部分工作,正在出现新的组织方式。

生产力单元发生变化,组织方式也需要随之调整。

传统企业通常围绕岗位和部门建立组织架构。岗位对应明确的职责边界,部门负责专业分工,层级管理则承担任务分配、进度协调和结果监督的作用。

但Agent的工作方式并不完全遵循这套边界。Agent可以同时承担原本分散在多个岗位中的任务,也可以根据目标调用不同工具和系统。如果仍然按照传统岗位划分任务,AI就可能被限制在单一环节,甚至需要经过多层审批和人工交接才能继续执行,无法充分发挥跨任务协作的能力。

因此,李彦宏提出,未来组织需要从以岗位为中心转向以任务为中心。组织不再只是由固定岗位和部门组成,而是围绕具体任务,动态组合人和Agent,形成一个可以灵活调整的任务网络。

这也是“AI内化”与单纯使用AI工具之间的区别。个人使用AI,可以提高自己的工作效率;但如果AI只存在于员工各自的工具箱里,企业的知识仍然分散在个人手中,工作流程也没有改变,那么这种效率提升很难沉淀为组织能力。

在此次百度世界大会上,李彦宏提出了智能组织进化的三个原则:打破岗位边界、沉淀隐性知识、设计流程闭环。

打破岗位边界,让组织从岗位中心转向任务中心。企业需要重新审视原有的岗位分工,把工作拆解为更具体的任务,再判断哪些由人完成,哪些可以交给Agent,哪些需要人和Agent共同协作。组织的核心不再是维护固定的岗位边界,而是围绕目标灵活配置资源。

沉淀隐性知识,让个人经验成为组织资产。企业中有大量知识并不在正式文档里,而是存在于员工的经验、判断和工作习惯中。比如,销售人员对客户需求的理解,工程师处理异常问题的经验,管理者对业务优先级的判断。这些知识往往随着人员流动而流失,也难以被其他员工和AI直接调用。

智能组织需要把这些分散的经验转化为可以记录、积累和检索的知识,再与业务数据、流程和上下文结合起来。这样,Agent执行任务时才能调用企业自己的知识,而不是每次都从通用模型的能力出发。长期积累下来的企业知识,也可能成为不同公司之间难以复制的差异。

设计流程闭环,则让组织具备持续反馈和优化的能力。李彦宏用“可衡量+Looping=持续进化”概括这一原则。AI完成任务只是开始,企业还需要知道任务结果是否达到目标、执行过程哪里出现问题,以及下一次如何改进。

组织形态变化之后,企业经营也可能出现新的机会。

首先轻资产运营,Agent能够承担更多重复性工作,让少数员工调度智能体完成过去需要更大团队才能承担的任务,降低企业扩张的人力和协作成本;其次是构建新的护城河,企业积累的客户数据、行业知识和业务流程,可以成为AI理解业务、形成差异化优势的基础;三是创造和发现新市场,Agent降低了调研、分析和方案验证的门槛,让一线员工也能参与创新,将更多业务需求转化为新的产品和机会。

智能组织可以把企业内的知识、任务和反馈机制重新连接起来。让AI进入企业的知识体系、业务流程和协作机制后,才能持续参与任务执行并积累经验,真正转化为组织生产力。

1

03 换电机之后,更重要的是换厂房

随着基础模型逐渐成为可以被不同企业调用的通用能力,模型本身与具体业务之间的距离开始成为新的竞争焦点。

模型供给端也在发生变化。李彦宏在百度世界2026上提到,今年前9个月几乎每天都有不止一款新模型发布,模型调用需求迎来大爆发;但一批词元中转站并不对模型效果、服务稳定性、响应速度负责,甚至模型真实性也无从考证。

为此,百度正式推出大模型交易平台词元所,定位“大模型的交易所”,主打“验真”与“征信”:通过模型指纹比对、能力测试、性能与可用性测试核验资源,并以定期抽检拨测、全链路实时监测为模型提供商建立信用评级,让企业乃至个人便捷找到、购买和使用可信的模型Token。试运营一个月,词元所入驻供应资源已超100个,日均调用次数突破5000万,日均调用Token超7000亿。

不过,相同的模型能力,进入不同企业之后,可能产生完全不同的结果。有的企业只是让员工多了一个写作和问答工具,有的企业则把AI接入研发、销售、客服和运营流程,让它参与具体任务,并通过业务反馈持续优化。

企业之间的差距可能不再只取决于有没有使用AI,也取决于能否把AI真正转化为组织能力。模型提供能力,产品提供入口,而知识、流程、权限和反馈机制决定了AI能否在真实业务中持续发挥作用。

李彦宏这次提出智能组织,正是把讨论从AI技术和产品推进到企业内部的生产关系。对企业来说,AI竞争的下一道门槛,可能不是再采购一款工具,而是重新设计一套能够让人和Agent协同工作的组织体系。

百度提出智能组织,是李彦宏基于多年来自身对AI产业的投入与实践。

2016年,李彦宏将人工智能视为互联网发展的下一幕。当时,AI主要还是一项需要长期投入的基础技术,百度围绕语音、图像、自然语言处理等方向建设技术能力,并逐步向芯片、云和开发平台延伸。

到了大模型时代,李彦宏的关注点开始从技术能力转向AI如何进入产品和业务。2023年,他提出用大模型重做产品和工作流程;2025年百度世界大会上,他进一步强调,当AI能力被内化,智能就不再是成本,而是生产力,企业需要让AI与具体任务有机结合。

此次百度世界大会,他进一步提出智能组织的定义、进化原则和商业机会。

从基础设施到模型,从产品应用到Agent,再到组织形态,背后是一条一以贯之且逐渐深入的产业判断。AI的价值不会停留在技术本身,而要进入真实的生产活动,最终改变企业创造价值的方式。

下一个十年,AI能否进一步改变企业的组织方式,智能组织能否成为新的行业共识,还需要更多企业的实践来验证。

但可以确定的是,当AI开始参与生产,企业需要重新思考的不只是如何使用技术,还有如何组织人、知识和任务。AI的下一幕,或许正是从改变工具,走向改变组织。

点个“爱心”,再走吧

阅读原文

跳转微信打开

  •  

Harness大战

值得关注的 2026-11-13 10:46 北京

以下文章来源于:腾讯科技

腾讯科技

腾讯新闻旗下腾讯科技官方账号,在这里读懂科技!

AI时代,必争执行层。

文章转载于腾讯科技

文|晓静

11月7日,微软发布了一份关于Agent执行系统的技术白皮书,包含一组有点出人意料的测试结果:同样使用Claude Opus 4.8,只换掉Copilot Studio背后的Harness,复杂任务通过率就提高了22.1个百分点。新系统每项任务调用模型的次数几乎翻倍,折算后的输入Token消耗却可以减少21%。

就在十天前,微软刚宣布将统一的Copilot Harness推广到旗下多个产品,并通过云平台向开发者出售托管服务。

11月5日,月之暗面刚刚发布Kimi Hosted Agents(托管智能体),正式提出Harness as a Service。8月,DeepSeek开源了自己的Harness;OpenAI、Anthropic更早就已经把内部运行系统变成开发者可以调用的服务。

那个大模型背后的“运行系统”,开始成为模型公司眼中的关键先生。

1

抢滩Harness

Harness可以理解为围绕大模型搭建的一套Agent运行系统。它让模型能够使用外部工具、持续执行多步骤任务,并根据执行结果调整后续行动。对于需要长时间运行的Agent,Harness还负责保存任务状态,使工作能够在中断后继续。

它与AI应用处于不同的层次。比如Claude Code、WorkBuddy等产品直接面向用户,而底层Harness可以被不同应用复用,也可以作为独立服务提供给开发者。随着Agent承担的工作越来越复杂,Harness逐渐成为影响任务成功率、执行效率和运行成本的重要因素。

Anthropic是较早投入Harness研发的模型公司之一,最初是为了解决Claude Code在长时间编程任务中遇到的问题。

2025年底,Anthropic发现,当Claude的上下文窗口耗尽,新一轮对话往往无法接续此前的工作。工程师于是改进了Claude Code背后的Harness,让Agent在每个阶段结束前保存进度,下一轮再读取这些记录,继续完成尚未结束的任务。这样,即使一次模型会话结束,整个编程任务仍然可以持续推进。

今年4月,Anthropic进一步推出Managed Agents,将这套Agent运行能力作为云端服务提供给开发者。为了让企业能够长期、稳定地运行Agent,Anthropic还调整了底层架构:Harness负责推动任务执行,历史记录可以单独保存下来,AI运行程序的沙箱也可以随时替换。即使沙箱发生故障,Agent也能恢复此前的工作。

从Claude Code内部的运行系统,到面向外部开发者的托管服务,Anthropic将多年积累的harness能力变成独立产品。

OpenAI也选择把Codex背后的Harness开放给更多开发者。今年2月,OpenAI披露,Codex网页版、命令行和IDE插件实际上共用同一套Agent运行系统。8月,进一步将Codex定位为开放的Harness平台,允许第三方应用直接接入。9月推出的Agents API,由OpenAI负责托管和维护这套系统,开发者可以直接接入Agent的运行环境。

这条路线让OpenAI既能通过Codex直接服务用户,也能把底层执行能力提供给其他软件公司。开发者可以保留自己的产品界面和业务流程,让Codex在背后完成具体任务。

DeepSeek在8月13日以MIT协议开放了Harness全部框架代码,它提出“Everything is a Plugin”,几乎将整个Agent运行系统拆成可以自由组合的插件。开发者除了替换模型和外部工具,还能修改Agent调用模型、执行任务的方式,甚至让Agent自己编写并安装新的插件。

这套基于Cordis的架构,希望让开发者不必从头搭建运行系统,就能按照自己的需要开发不同类型的Agent。

11月5日,Kimi官宣Hosted Agents提供全天候云端环境,企业可以把Agent放进内部系统,也可以嵌入对外销售的产品,并明确提出Harness as a service。

1

Harness进化

实际上,Harness的热度并不是由模型公司开始。

今年初,OpenClaw的走红已经让行业看到,一家没有基础模型的公司,也可能凭借Agent运行系统吸引大量用户。2月,OpenAI招募了OpenClaw创始人Peter Steinberger,参与下一代个人Agent的研发。

随后,Nous Research推出Hermes Agent,尝试让Agent把工作中积累的经验保存为可复用的Skills,并在后续任务中持续改进。

3月底,斯坦福大学等机构提出Meta-Harness,让AI根据失败记录直接修改Harness代码,并通过测试验证效果。在一项文本分类实验中,准确率提高7.7%,上下文Token消耗降至原来的四分之一。

这些探索为什么值得模型公司投入?10月,新加坡南洋理工大学测试了66种模型与Harness组合,发现更换Harness甚至可能改变模型之间的性能排名。

FrontierHarness Eval也发现,同一个Kimi K3,使用Codex的任务通过率为66.7%,使用DeepSeek Harness Creator为63.3%,使用Kimi Code则为56.7%。

对基础模型公司来说,提升模型表现,除了改进模型本身,也越来越依赖Harness的设计与优化。

研究者还在尝试把Harness积累的经验用于模型训练。7月提出的Co-Harness,先通过失败记录改进Harness,再利用优化后的执行数据训练模型。11月公布的HarnessFlow则尝试自动搜索更好的Harness设计,在六类任务中将平均成绩提高10.89个百分点。

不过,自动优化也有风险。11月初的一项研究发现,在特定实验中,一个Harness经过新任务优化后,原先在SWE-bench上的成绩从94%跌至32%。模型升级也可能让此前有效的设计失去作用。

这意味着,Harness的技术积累很难一劳永逸。如何在持续改进中保持不同任务的稳定性,仍然是还没有被解决的难题。

有行业人士表示,这也是部署开源模型的一大痛点。所以,模型公司已经开始出售Harness服务。开源框架可以免费获得,但企业若要长期稳定地运行Agent,仍然需承担部署和维护成本。Kimi、Anthropic等公司看到了接手这些工作的机会,将Harness变成一门独立生意,但不同公司的做法差异很大。

1

Harness的隐藏价值

Harness开始成为一项可以单独收费的服务,但目前的价格表显示,模型推理依然是主要的收费来源。

Anthropic的Managed Agents每活跃会话小时收取0.08美元,Token另计,按照官方公布的一小时编程任务示例,总费用0.58美元,其中托管运行费只占约14%。

Kimi的收费分为模型Token、沙箱运行和付费插件。它公布的一次投行法律分析任务,估算成本约30元,沙箱费用不足0.1元。OpenAI在Agents API公测期间免收额外服务费,主要按照模型和工具使用量计费。DeepSeek将Harness以MIT协议开源,并没有直接的收费逻辑。

所以说,模型公司现阶段靠harness取得的直接收入可能微乎其微。

那么,为什么还要投入大量研发资源?

一个重要原因是,企业真正部署Agent之后,对Harness的需求可能比对某个特定模型更稳定。

美国法律服务公司ABC Legal原本将Agent部署在员工电脑上,通过定时任务运行。随着使用范围扩大,CTO Brandon Fuller开始寻找能够统一管理这些Agent的平台。他比较了多个方案,最终选择Anthropic的Managed Agents,因为企业不想继续维护分散的运行环境。

据Anthropic披露,ABC Legal在一个月内就将50多个Agent投入生产,约310名员工日常使用Claude。员工甚至不需要掌握软件开发知识,就可以通过配置创建新的Agent。

这说明,托管Harness的吸引力来自实际的企业需求。比起从头开发部署和长期维护运行系统,企业可能更愿意购买现成服务,将工程资源倾斜给自己的业务。

但企业不一定愿意因此绑定一家模型公司。

今年8月,VentureBeat公布了对107家企业的调查。85%的受访企业同时使用两套或更多Agent编排平台。选择平台时,29%的企业最看重模型与工具的灵活性,只有10%优先考虑与某个领先模型的原生适配。虽然样本偏向大型科技企业,但已经反映出一种采购倾向:客户希望保留更换模型的自由。

这恰好提供了Harness竞争的另一种商业逻辑。如果企业愿意长期使用一套运行系统,提供商即便不能独占模型调用,也可能持续获得托管、维护和企业开发服务收入,并与客户建立更稳定的合作关系。

这样一来,Harness就可以接触企业实际工作的执行过程。与单纯的模型API相比,Harness可以记录一项任务从开始到完成的工作轨迹,包括模型调用、工具执行、失败重试以及最终结果。这些记录既能帮助企业排查故障,也能为模型研发提供有价值的反馈。

如果能够持续获得经过验证的真实任务反馈,模型公司就有机会更快发现模型在生产环境中的问题。不过,这一优势也会受到数据权利的明确限制。

这也给模型公司提出了一个新问题:如果企业能够自由更换底层模型,又坚持掌握自己的数据,Harness还能建立多大的长期优势?

对模型公司而言,Harness可能带来比直接收费更长远的价值。当企业把越来越多的工作交给Agent,谁能提供可靠的运行系统,谁就有机会影响模型的选择,以及AI如何参与真实业务。

一个熟悉又老套的词:入口。

但是,这个在互联网时代根深蒂固的词语,总会牵动 AI时代竞争的敏感神经。现在,Harness从某种程度上承担了这种期待,以及想象力。

点个“爱心”,再走吧

跳转微信打开

  •  

如果你最近在看触觉,那大概率绕不过我们这篇的Knowhow。

天南 2026-11-13 10:46 北京

以下文章来源于:天南具身公园

天南具身公园

大模型及具身算法研究员,通俗易懂讲具身智能的技术&产业。

一致性、一致性,还是 XXX 的一致性。。。

触觉,应该是下半年我跟的最多的一个赛道。

我们8月份就已经聊了触觉产业链从传感器、灵巧手、触觉数据供应商、触觉算法大概20多场,也收敛了很多内部的结论(这个专题报告写了很久,还要一点时间公开,快了快了)。

当你把整个产业链摸一遍的时候,会发现很多神奇的事情:

上游所强调的力大小、分辨率、千赫兹之类之类的指标,在算法里根本就没那么重要。

造成这个问题的本质,还是因为触觉产业链太长了,会导致大家的立场变得不同。

比如供给侧(传感器、手套、灵巧手)在用一套源自工业传感器的指标体系竞争,而需求侧(模型与算法)关心的却是测量稳定性、时间分辨率与数据质量。

我们当时就有一个判断:

我们8月份的某篇文章聊到了触觉的终局。
我们8月份的某篇文章聊到了触觉的终局。

这才是真的符合第一性原理的思路,而且最好是即开即用,面对新的传感器也不用重新训练。

说实话,最近几个月我们看了很多触觉的工作,但我们依然认为是小打小闹。包括李飞飞教授的T-Rex,也只是在EgoScale的 2万小时基础上加了400小时的触觉数据。

直到昨天,我们看到了有团队愿意花大功夫去做这件事。

跨传感器 x 即插即用的触觉基模, LingBot-Touch。

一次性覆盖压阻、霍尔磁和视触觉三大类的触觉传感器,还是让我有些兴奋的。

就赶紧找 LingBot 的朋友帮忙牵线负责人交流看法。

过程中,我们聊到了很多的Knowhow,如果你正在做触觉相关的事情,也想了解触觉的终局,那非常推荐大家仔细看看我们今天的文章。

以及,最后也希望能够让大家明白我们算法的视角到底 care 触觉哪些事情,这样你就有了终局思维。

Enjoy~

1

处理数据都要花一年踩坑。

我就说一个点,触觉的数据真的是让人又爱又恨。

负责人说,围绕这约五千小时的数据,他们内部做了接近一年。

我抛个问题:大家觉得触觉算法的壁垒在哪里?

反正应该不是模型结构,LingBot-Touch 的网络结构图丢给 Codex,花点功夫就能做出来。。。

那数据上的时间花在哪里?

从采集开始,就有一连串的问题。我总结下当时提到的几点。

1)触觉采集的信息非常杂乱。

这是所有触觉手套最坑的地方,归根还是一致性太差。

就比如第一天采和后面几天采得到的触觉绝对值不一样(同一个物体);男生采和女生采得到的触觉信息不一样;A手套和B手套采集得到的信息也不一样。。。。

变化也不是固定的偏移,响应随接触增长的过程都可能改变。

这就很麻烦了,而且触觉的信噪比其实不高。

说人话就是,有效的信息和噪声没办法很好的区分开来。我做了个示意图。

如果只是所有数值稳定地偏大一点,还能想办法标定。现在是同样的操作,今天得到一种变化,过几天又得到另一种变化。

模型要面对的差异里,混合进了传感器自身的状态变化。

换句话说,你以为自己在增加数据,实际也可能在不断增加新的分布差异。

以及,换个人戴手套采数据,得到的信号也不一样。

甚至如果人手大一些,戴上手套就可以会有预压力的噪声信息。

如果这层预压力始终固定,处理起来还算容易。可人在操作时会不断弯曲手指,手套也在被拉伸、挤压,触觉信息会跟着动作一起变化。

最难处理的,是这部分噪声还有规律。

负责人说跟我说,这类有规律的信号是非常容易被模型捕捉到的。

比如某个手指每次弯下去,某些触点就出现相似的变化,它很容易把两者联系起来。

到了本体的灵巧手上,却没有同样的佩戴关系,也没有同样的织物拉伸过程。训练时很好学的东西,部署时可能派不上用场。

聊到这里,我才更具体地理解,他们为什么要在数据上花这么长时间。

所谓去噪,会涉及到很多数据处理上的脏活累活,你得想办法把真实的接触保留下来。

不同采集员完成同一个动作,施力习惯也会有差别。团队因此在采集约束、数据处理和质检上都做了非常多工作。

具体方案没有完整公开,我们能确认的是,他们没有把拿到手的原始触觉信号直接堆进训练。

2)有些变化,在传感器这一端就已经丢了。

另一类问题是饱和。

比如手指还在继续用力,传感器已经到了量程上限,输出不再变化。对模型来说,后面的接触过程就被压成了一个平的数值。

负责人提到,他们尝试过用数据处理缓解饱和造成的信息损失,但帮助有限,最终仍然需要硬件改进。

算法可以处理已经测到的信息,传感器没有留下的变化,就不太好办了。。。

谈到力的绝对力值,负责人也分享他们心路历程发生的变化:

我们最开始可能会觉得就是力的标定精度是非常重要的。

但和不同厂商反复 battle 之后,我们也逐渐接受了当前硬件上的种种限制。

于是就把学习重点转向力的变化、滑移等接触过程中的动态信息。

交流的时候拿了个杯子举例,说自己未必知道用了多大的力,但有一件事能感觉到:

“我是知道力是在变大还是在变小的,也能感知到杯子是否在手中发生滑移,触觉动态变化和接触事件是模型需要去学习的重点。”

这也是他们希望模型能理解到的东西。

3)不同路线,连采集方式都要重新考虑。

灵波最初希望更多使用手套采集的数据,但一些方案的设备戴到手上之后,会遇到体积和操作便利性的问题。

传感器较厚,采集员自己的触感也会受影响,精细动作就更难做。

这一点我们之前也提到过:为了记录触觉,得先屏蔽人手的触觉,设备还是改变了人原本的触觉和操作方式。

目前没有更好的方法,大家都还在探索过程中。

实际上,各家传感器的表达方式也差得很远。

就比如压阻是稀疏的点阵,视触觉是材料的形变。并且每家传感器的触点个数、如何排列等等,乃至每个数值表达的含义,也都不一样。

压阻触觉传感器点阵示意图。
压阻触觉传感器点阵示意图。

所以论文里的压阻和磁式数据来自人类手套,视触觉是 Sharpa Wave 灵巧手的真机遥操(MANUS 手套)。

大约三分之二来自手套,三分之一来自真机。这个组合背后有实际的采集取舍。

Lingbot-Touch 的触觉数据分布。
LingBot-Touch 的触觉数据分布。

以上种种原因,都导致了触觉数据不太好 Scaling。

蚂蚁灵波首席科学家沈宇军最近也强调说:“这些能力的沉淀,最终还是要回到数据上。在一味的扩大数据规模之前,要先弄清楚什么样的数据值得继续积累。”

LingBot-Touch 就是要在诸多不成熟和不确定的硬件前提下,尝试得到一个现阶段能被大家借鉴的结论。

所以,我也想强调下五千小时数据真的不算少。

而回到本章节最开始的问题,触觉算法的壁垒在哪里?

是数据,是你为了想把数据用好,深入每一类传感器、每一个手套和数采过程中解决的种种问题。

这些东西,是在模型架构背后,沉淀下来的方法论和最底层的壁垒。

1

模型层面的一些思考。

这两天已经有很多详细介绍 LingBot-Touch 算法细节的文章了,我就不再赘述。

我最初想弄明白的是:为什么要专门为灵巧手做一个触觉基础模型?

负责人用一个薄壁杯举例。

夹得太松,杯子会滑;夹得太紧,杯壁又可能变形。

机器人如果想完成这个动作,还是需要知道接触的具体细节。

难点在于,不同灵巧手的传感原理、指尖布局和采样频率都有很大差距。

相近的接触,在不同设备上也可能表现为很不一样的信号。如果每换一款手或一个任务,都要重新训 policy,那成本还是太高了,而且触觉经验也不好积累和复用。

所以负责人也总结了下他们的出发点,让同一个模型从多种触觉传感器的数据中学习可复用的接触表征。

算法的架构还是挺简洁的,就是每一类的传感原理都有自己的编码器单独处理。

LingBot-Touch 的网络架构,每一类触觉一个处理器。
LingBot-Touch 的网络架构,每一类触觉一个处理器。

说句题外话。其实还有一个好处,就是可以证明触觉和视觉可以解耦,这是我们当时调研发现很多工作都很难证明的问题。

下游是把基模输出的 token 接到 VLM、policy,还是其他的 head 里面,就看自己试了。

他们自己是接了 Diffusion Policy、π0.5、LingBot-VLA 和 T-Rex 做验证,做了无触觉、加入原始触觉、加入预训练触觉表征三组对照。

整体实验结果大家可以看一下。

官网有个摸麻将的分类 Demo,觉得还挺有意思。

还有一个 SD 卡的插拔,不是两个手指捏起来 SD 卡,是一个手指勾起来的那种,很类人。

1

站在算法这边,提一些自己的看法。

聊到最后,我也问了负责人一个很实际的问题:从算法的角度,最希望触觉传感器先解决哪三件事?

按优先级,他提到了一致性、寿命,再往后是全掌覆盖和感知点怎么分布。

1)先把同一个传感器自己的变化控制住。

这是目前算法体感上最大的问题。

从算法的视角,非常希望硬件可以提供一份能够长期信任的输入。

如果硬件用了几天,响应就变了,后面很多的结论都会受到影响。

而如果要把触觉传感器做成耗材,我觉得又会限制传感器本身的市场空间。

大家还需要一起努力。

一致性、一致性,还是 XXX 的一致性。。。

2)寿命问题也是一大卡点。

实际上,我自己的体感是手套用两周就会有漂移。。。

负责人也 offer 了类似的感受,他们接触过的一些手套,使用寿命离团队期待还有很大距离。

这些问题的代价会传到采集端。

中间会导致很多的运营问题,比如新设备的校验、标定等等,都得重新确认。

那换个角度,如果触觉传感器注定是易损件,我希望更换它之后,系统能较快恢复到一个可用状态。

哪些部分换了需要重新标定,哪些数据还能继续用,最好能有明确的说明。

这是我从算法和数采的角度补充的一点期待。

3)全掌触觉要继续做,感知点也要放在合适的位置。

目前大部分的触觉主要覆盖指尖。

但人做操作时,物体也会接触指侧和掌面。只看指尖,信息总有缺口。

负责人提到,全掌触觉也会有很大的探索价值,只是能用于验证的大部分是 3 * 3 or 5 * 5,相比人手的触觉来说还是不太够。

以及算法侧想要的是合适的信息分布。

什么地方需要更细的空间信息,什么地方主要需要及时发现接触和滑动,应该结合任务去判断。

这里也可以推演下灵巧手未来的触觉形态,会非常有可能装配不同的触觉传感器。

指尖需要较细的接触信息,掌面要兼顾厚度、面积和集成空间,单一路线未必在所有部位都合适。

负责人设想,某些指尖用视触觉,其他区域采用压阻或别的方案。

如果产品往这个方向发展,跨传感器的需求就会直接出现在同一只手上。

我也分享蚂蚁灵波首席科学家沈宇军的一句话:现实中没有 100% 零误差的传感器,尤其是在触觉等传感器尚不成熟的方向。

机器人必须要从带误差的数据中理解环境。

模型需要提高对误差的适应能力,硬件也要让输入更稳定、差异更可描述。

这两件事需要一起往前做。

1

尾声。

OK,最后再谈一下自己真实的感受。

不可否认的是,触觉还处于非常早期的阶段。

但对于一个承载着机器人能力想象空间的赛道,我会认为还是非常值得大家去推进的。

灵波的 Touch 工作,让我留下最深的印象有两点。

一是大量的数据处理工作,二是跳出现状做纯触觉的基模。

这些东西是模型背后,大家看不到的地方。

也期待下他们后面可以 Cover 电容类的触觉传感器,做出更多大家认可的工作。

以上。

点个“爱心”,再走吧

跳转微信打开

  •  

实测Qwen 4 Max:代码、3D提升,审美略弱,追Fable5.2任重道远

原创 董道力 2026-11-12 10:48 北京

国产模型的旗舰水平

作者|董道力
微信|ddl941110

Next Week 了半天,Qwen4-Max-Preview 终于落地了。随着预览版正式上线,一个悬念也跟着揭晓。前几天,Qoder 放出一个叫「Qoduck」的匿名模型,其实就是 Qwen4-Max-Preview。

Qwen 没有披露具体参数规模、基准测试成绩和训练数据。只在官方公告中提到,这一代补强了底层的世界知识与多模态感知,也提升了 Coding 和 Agentic 能力。

结合此前的报道来看, Qwen4 这次对底层模型架构进行改动,这套新架构究竟带来什么变化,可能还要等更多的信息。

但值得肯定的是 Qwen4 的发布时间,这两天模型扎堆,Anthropic 刚刚甩出 Claude Fable 5.2,Google 的 Gemini 4 Carbon 也同步解禁。

选在这个节骨眼上发布,Qwen4 显然是打算和硅谷最前沿的旗舰模型正面硬刚了。

但模型到底好不好用,我们还得用一些demo和项目测试一下。

我们先复现了几个最近在网上流传的作品,测试环境是 Qoder CN 里用的是 Qwen4-Max-Preview 的「极高」档。

1

实测一:鹈鹕骑自行车

鹈鹕骑自行车可谓是经典测试,从一开始模型都做不好到如今,基本是个模型都能做出不错的成果。

    prompts:Generate an animated SVG of a pelican riding a bicycle

    Qwen4-Max-Preview 跑出来的是一只戴红帽的鹈鹕,沿着海边骑车。车轮转着,围巾往后飘,旁边还真能暂停、调踩踏速度、切换白天和夜晚。把速度调到 1.75 倍再导出,单独打开 SVG,断网照样会动。

    1

    实测二:用代码画一张照片

    Prompts

      用你知道的任何代码技术,画一副光影交错的画,凸显午后宁静的光影氛围画面。尽善尽美,追求极致。

      Fable 5.2 发布后,用户 BubbleBrain 晒了一张图,画的是午后的房间。窗格的影子扫过墙、椅子和拼花木地板,像真的在这间屋子里拍了一张照片。据发布者介绍,Fable5.2 用纯代码制作了这幅图片,用 C++ 编写的路径追踪器,渲染了三个小时,展现了其惊人的代码能力。

      我用同样的提示词让 Qwen4-Max-Preview 也来画一张。

      Qwen4-Max-Preview 选择的路线不同,用 WebGL 搭了一个房间,还用 CPU 渲染了一版。比较好看的是从窗格斜照进来的光,越过小圆凳,一直落到画面下沿。但墙角的几道黑线太硬,盆栽和地板也像刚搭好的布景。

      两张图表,Fable 那张从窗边的亮处到屋里的暗处,过渡更自然。起码在纯代码能力上,Qwen4-Max-Preview 还远没有达到前沿。

      下面这张是 GPT-6 Astra Ultra 在 Codex 里生成的,效果也明显好于 Qwen4-Max-Preview。

      1

      实测三:一架纸飞机,飞过浮岛

      接着试一个 Fable 5.2 生成的小游戏。Gamejam 把同一句提示词分别给了 Fable 5.1 和 5.2。

      Prompts

        Make a 3D game with three.js. One index.html file I can open in my browser. You fly a paper plane through a sky of floating islands and fly through glowing rings for points. Arrow keys to steer. 60 seconds, score in the corner. Make it fun and nice to look at.

        题目要求用 Three.js 做个小游戏,整个游戏放在一个能用浏览器打开的 HTML 文件里。用方向键操控纸飞机,穿过浮岛间发光的圆环就能得分,限时 60 秒。

        我们来看由 Fable 5.1 和 Fable 5.2 做的《Paper Skies》。

        从视频效果来看,Qwen4-Max-Preview 基本做到了 Fable 5.1 的水准。从起飞、穿环计分到倒计时结束,一局能完整玩下来。而 Fable 5.2 的优势在于模型会有自己的思考完善功能和游戏节奏,浮岛飞近了还有细节,离得远也能认出不同颜色的奖励环,瞄准靶心还能多拿分。

        接下来做两道我们经常测的题。一道用 Blender 建模,一道把 3D 场景做成能交互的网页。我们沿用上次给 Kimi K3.1 Pro 的提示词,看看 Qwen4-Max-Preview 的审美能力能不能跟上 K3.1。

        1

        实测四:3D 建模|木星轨道上的巨舰维修船坞

        Prompts:

        请直接使用本机 Blender,制作一个具有电影感的原创三维场景:《木星轨道上的巨舰维修船坞》这是一次多模型并行测试。请实际完成建模、材质、灯光、相机、渲染和工程保存,不要停留在方案、操作教程或代码展示。请自主决定未指定的设计细节,持续执行至交付完成。如果环境确实无法运行 Blender,请明确说明实际障碍,不要将未执行的脚本描述为已完成的作品。

        一、并行测试隔离本机 Blender 可执行文件:/Applications/Blender.app/Contents/MacOS/Blender统一测试根目录:/Users/ddl/Documents/Codex/2026-10-24/wo开始时自动生成唯一任务 ID,使用时间戳加随机标识,不要仅使用 A、B、test 等容易重复的名称,也不需要询问用户。在以下位置分别创建属于本任务的独立目录:中间文件:<测试根目录>/work/blender-benchmark/<任务ID>/最终交付:<测试根目录>/outputs/blender-benchmark/<任务ID>/隔离规则:使用自己启动的独立后台 Blender 进程,通过 Python 和命令行完成工作。首次创建场景时使用 --background 和 --factory-startup。不要连接任何共享 MCP 服务,不要操控当前已打开的 Blender 窗口。使用任务独立的用户配置和临时目录,通过子进程级配置实现,不要修改系统或用户的全局环境。渲染、烘焙、模拟缓存和日志均显式写入本任务目录。不要修改 Blender 全局偏好、安装目录、公共插件或系统级依赖。优先使用 Blender 内置能力。只管理自己启动的进程,记录其 PID。不要使用 killall、按名称批量结束进程等方式清理任务。不要读取、参考、修改或覆盖其他测试任务的脚本、工程和结果。查阅 Blender 官方文档不受此限制。除下面规定的共享渲染锁外,只向本任务专属目录写入文件。

        二、共享渲染资源建模和脚本编写可以并行。实际渲染、烘焙和高负载物理模拟需要排队。所有任务共用以下锁目录:<测试根目录>/work/blender-benchmark/render.lock通过原子创建目录的方式获取锁,不要使用“先检查不存在,再创建”的非原子方式。锁内记录所属任务 ID、持锁进程 PID 和开始时间。只有成功取得锁后才能开始渲染、烘焙或高负载模拟。锁被占用时等待,不要抢占、删除他人的锁或终止他人的进程。任务结束或发生异常时,可靠释放自己持有的锁。不要在建模、写脚本或普通文件处理期间持有渲染锁。如果锁疑似异常且无法可靠确认归属和进程状态,请报告情况,保留已完成工程,不要擅自清除。

        三、场景设定一艘长约一点五公里的远航巨舰,停靠在直径约三公里的半开放环形船坞中。巨大的木星占据背景,太阳从侧后方照亮船体。巨舰经历过一次远航事故,正在接受维修。舰尾部分装甲被拆下,内部暴露出发动机组件、支撑框架、管线与检修平台。几条机械臂伸向舰体,小型维修艇分布在船坞周围。前景是一段检修栈桥,包含栏杆、设备箱和两名穿宇航服的工作人员。通过人、舷窗、维修艇、巨舰、船坞和行星之间的尺度递进,让观众感受到体量。上述尺寸用于建立比例关系,不要求为不可见区域制造无意义的几何负担。

        四、造型要求巨舰需要有清楚、独特的整体轮廓。舰首、居住段、货运段和发动机段应具有不同的结构特征,并通过合理的连接关系组成整体。避免将主体做成一根简单圆柱,再通过随机小方块装饰表面。船坞需要包含主承重框架、环形结构、检修平台、连接通道和至少三条机械臂。机械臂需要有底座、关节、臂段和末端工具,连接关系应清楚。拆开的装甲下方需要有真实的内部几何,包括支撑、设备和管线连接。不能只用发光平面或纹理代替内部结构。将细节集中在能够解释功能的地方,例如装甲接缝、散热片、舱门、对接接口、检修设施和管线固定点。允许使用基础几何、曲线、修改器、几何节点和实例化。重复模块之间应有适当变化,同时保持整体设计语言一致。主体自行建模,不下载现成飞船、船坞或完整场景。允许程序化材质,不使用生成图片替代主体几何或背景建筑。

        五、视觉要求整体采用克制的工业科幻风格,以骨白、深灰和金属色为主,少量橙色用于检修设备和警示区域。主镜头从前景检修栈桥向外看,兼顾巨舰轮廓、船坞结构和木星背景。画面要有明确的视觉中心、遮挡关系和远近层次。宏大感应建立在比例、构图、结构密度和空间纵深上。主角轮廓需要清楚,避免所有区域都堆满相同密度的细节。使用有方向感的光线。允许适当的氛围效果,但主体结构必须可辨,不能用过暗曝光、浓雾、强烈泛光或过重景深掩盖几何问题。

        六、执行流程先搭建整体灰模,检查比例、主体轮廓和空间关系,再完善结构、材质与细节。先输出低分辨率预览,实际打开并查看渲染图片,检查主体是否入镜、曝光是否正常、结构是否清楚,以及是否存在明显穿插或悬空。允许最多两轮根据预览结果的视觉修正。程序运行错误可以另外修复,请如实记录,不要将失败的渲染算作有效预览。完成后输出最终图片。本轮先完成静态场景,不制作动画,也不额外展开复杂物理模拟。保存最终工程后,通过独立后台进程重新打开,检查模型、材质、相机及必要资源是否完整。不要让交付文件依赖即将删除的临时文件。

        七、最终交付将以下内容保存到本任务的最终交付目录:

        1. 可继续编辑的 .blend 工程。

        2. 完整生成脚本及必要的辅助文件。路径尽量参数化,并说明复现方式。

        3. 一张 1920×1080 的主视角渲染。

        4. 两张从不同方向观察主体的渲染,其中至少一张展示主镜头没有充分展示的一侧。

        5. 一张发动机内部结构或机械臂的灰模近景,使用中性材质和清楚的照明,便于检查真实几何。

        6. 一份简短的 README.md,记录任务 ID、实际 Blender 版本、渲染引擎、主要制作方法、复现命令,以及尚未完成或未验证的部分。按功能组织集合和对象,使用有意义的名称。保留后续局部编辑的可能性,不要为了导出结果将整个场景不可逆地合并为一个对象。完成后在回复中展示主视角和关键近景,提供最终文件的绝对路径。只汇报实际执行和验证过的结果。

        Qwen4-Max-Preview 作品:

        Kimi K3.1 Pro 作品:

        这道题可以分为两部分来看,建模能力上 Qwen4-Max-Preview 更胜一筹,但审美能力,也就是模型的美观度,K3.1 Pro 更好。

        Qwen4-Max-Preview 的建模能力体现在舰尾。镜头拉近,关掉材质,拆开装甲的地方还能看清外面的弧形肋骨、中间的纵梁,以及里面的反应堆和管线。拉远看,环形居住舱、成排的货柜和四个喇叭形喷管也各有各的轮廓。而K3.1 Pro 的飞船货舱用了不少重复模块,从外壳到发动机舱内部,结构没有分得那么细节。

        而外观上,Kimi 那艘船方正的舰身配上排得整整齐齐的货舱,有种工业设备的规整感,几台机械臂的橙色关节很醒目。Qwen4-Max-Preview 作出来的飞船有点像钢管拼接起来的作品。

        1

        实测五:3D 网页|万潮之门

        Prompts:

        请直接在当前目录创建一个独立 HTML 文件,命名为「万潮之门.html」。制作一幅可以交互的、具有电影概念设计质感的三维视觉作品,主题为「万潮之门:潮汐退去后的巨环海城」。所有 HTML、CSS、JavaScript 和着色器代码内联,离线运行,无外部图片、字体、模型或库。可以使用原生 WebGL、GLSL、Canvas 等技术,主体场景需要具有真实的三维透视与空间关系。优先把构图、建筑轮廓、光影和材质做好,再添加辅助功能。打开页面后立即呈现完整、最有表现力的场景,适合直接截取 16:9 画面。

        【世界与视觉中心】

        场景是一座建在巨大海湾中的阶梯海城。城市中心是一道横跨海湾的巨型环形水闸。它具有厚重的石质结构、分段铜制闸门、连接桥梁和可辨认的建筑尺度。巨环从一侧山体延伸到另一侧山体,部分结构沉入海中。环内是层层下沉的中央广场,环外是开阔海面。巨环是画面的视觉中心,但周围必须存在完整世界:岸线、港口、城区、航道、远山和天空。通过微小船只、门窗、栏杆和人物剪影,让观众理解建筑的巨大尺度。整体视觉尺度达到数公里量级。

        【首屏构图】

        采用略高于海面的斜侧视角,避免普通俯视沙盘。前景:画面一角出现靠近镜头的玄武岩、铜制栏杆或残损石阶,边缘清晰,形成空间入口。前景只占少量面积,不能遮住主体。中景:巨环、层叠城区和中央广场构成主要信息。建筑从水面逐层向山体攀升,密度有变化,保留广场、水道和桥洞形成的空隙。远景:海湾出口、远山、雪峰和云层逐渐降低对比度,形成明确的空气透视。通过弧形岸线、桥梁和水道,把视线引向巨环中央。主体轮廓要清楚,避免所有建筑堆成同一种高度和同一种形状。

        【建筑语言】

        使用玄武岩、浅色风化石材、氧化铜和少量深色金属。城市至少具有四种可辨认的建筑形态:沿海阶梯住宅。高而狭长的航标塔。带连续拱洞的桥梁与堤岸。围绕中央广场布置的公共建筑。近景建筑具有门窗凹槽、屋顶层次、柱廊或栏杆;中景保留完整轮廓;远景简化细节。建筑必须有明确的落脚位置和支撑关系。桥梁连接真实存在的道路或平台,楼梯连接不同高度的可达区域。

        【水面与潮汐】

        海水采用深青绿与冷蓝色,能够看见波浪起伏、掠射高光,以及岸边较浅区域的颜色变化。水面反射可以采用合理近似,但需要与天空、光源和主要建筑的位置对应。潮汐滑块控制整个海湾的统一水位。高潮时:中央广场的大部分石阶和低层道路被淹没,巨环内部以水面为主,船只漂浮在对应水位。低潮时:逐渐露出环形石阶、古老道路、浅水池和广场纹样。岸边出现湿润石材与深色水线。水位变化需要更新岸线、船只高度、露出区域和相关倒影。不能只移动一张透明蓝色平面,却让其他物体保持原样。

        【光照与材质】

        默认采用「金色退潮」状态:低角度暖色夕阳从画面侧后方照射,巨环边缘被照亮,建筑背光面保持冷色。海面形成有方向的金色反光带,石阶产生清楚的长阴影。材质之间具有明显差异:玄武岩粗糙、厚重。浅色石材有柔和漫反射。氧化铜整体偏暗,仅局部有金属高光。湿润石阶反光强于干燥石材。海面高光随波浪和观察方向变化。泛光保持克制。关闭泛光后,建筑层次、材质和受光关系仍然成立。

        【主题适配】

        提供两套完整环境主题:「金色退潮」:暖色夕阳、冷青海水、清楚的长阴影,城市细节可辨。控制界面采用温和的浅石色、深色文字与少量铜色强调。「蓝调涨潮」:太阳已经落下,天空与海水进入深蓝色,城区部分窗户、航标和桥面照明亮起。灯光沿真实建筑分布,水面出现对应反射。控制界面同步采用深蓝灰底色。主题切换联动天空、主光、环境光、建筑灯光、雾和界面配色。切换主题时,保留当前潮位、镜头和暂停状态。

        【交互与界面】

        支持有限范围的镜头环绕和缩放,限制穿入山体或水面。提供三个预设视角:海湾全景。中央广场近景。穿过巨环的航道视角。提供潮位、太阳方向、播放暂停、镜头复位和主题切换。镜头切换应平滑,用户操作时可以打断自动运动。界面贴合海城题材,像简洁的航海观测工具。主体占据绝大多数画面,控制区域默认紧凑,详细参数可以展开。提供隐藏界面的截图模式。小屏幕上将控制项收进底部面板,保持城市主体可见。

        【验收重点】

        初始画面无需操作就具备明确视觉中心、前中后景和完整光影。暂停后仍然是一幅构图完整的作品。调低潮位,中央广场与道路逐层露出,船只和水线同步变化。改变太阳方向,巨环投影和海面反光随之变化。切换主题后,城区照明、天空、水体和界面一起更新。从不同视角观察,桥洞、环形水闸和阶梯城区保持正确空间关系。请完成实际运行文件,并简要说明水面反射、阴影与潮汐采用的近似方法。

        Qwen4-Max-Preview :

        Kimi K3.1 Pro:

        3D 网页这个测试,更强化了我对 Qwen4-Max-Preview 能力的定位,代码和3D能力强于 K3.1 Pro, K3.1 Pro 审美更好。

        Qwen4-Max-Preview把水闸也接到了潮位滑杆上。退潮时,石阶一圈圈露出来,闸板跟着升起。涨潮时,闸板落下,水里的倒影跟着波纹晃,结构非常稳。

        但说到审美,看看那个大环就知道了。K3.1 Pro 的巨环环里的闸门和两岸的房屋还是分得清,灰绿色调也把整座城衬得很统一。Qwen4-Max-Preview 的巨环就很粗糙,像石头柱子加点颜色。然后就是场景的整体色调和氛围上,K3.1 Pro 像经过设计,而 Qwen4-Max-Preview 感觉就是单纯的渲染出来完事。

        1

        实测六:再改一次硅星人官网

        还记得上次,我们让三款模型(glm5.2、k3、Qwen3.8 max)一起接手硅星人的官网。Qwen3.8-Max-Preview 在六项测试里总分第一。

        这次我们把网站交给 Qwen4-Max-Preview,让它重做首页 Hero。要求是桌面和手机打开首页,都能直接点开头条和快讯,下面的观点、视频和活动也要接得上。

        第一轮,Qwen 把品牌动画换成了报纸式头版。电脑上左边是带封面和导语的头条,右边是五条快讯。手机上,快讯排在封面下面,第一屏就能点进报道。它自测时发现封面请求失败会留下破图,给首页补了占位图。我们拦掉封面请求复验,桌面和手机上的头条都照样能点开。

        看过第一版,我们提了两条细节的反馈。手机封面收短一点,让前三条快讯避开右下角的 AI 浮钮。刊头留日期,去掉实时时钟和快讯栏右上角的 THE NOW。Qwen 大约 5 分钟改完。

        官网这两轮下来,我很愿意继续把类似的改动交给 Qwen4-Max-Preview。它理解需求快,执行也准。我们想让读者一进站就能点开报道,它把头条和快讯提到了首屏。后来我们指出第三条快讯和 AI 浮钮挤在一起,它就收短手机封面,让前三条快讯都避开了浮钮。

        综合测下来,我觉得 Qwen4-Max-Preview 毫无疑问已经到了旗舰模型一档,像改动网站这类任务,Qwen4-Max-Preview 手拿把掐。无论是多屎山的代码,还是比较细节的改动, Qwen4-Max-Preview 都能完成且速度不慢。

        在 3D建模和网页3D能力上,Qwen4-Max-Preview 会比 Kimi K3.1 Pro 强上一点。模型飞船装甲拆开以后,肋骨、纵梁和内部管线都能分清楚。海城的结构联动也更加清晰。但审美上还是比不过 Kimi K3.1 Pro。

        与最前沿的模型 Fable5.2 还是有不小差距,无论是代码能力还是审美,感觉有代差别。但在部分人物上,Qwen4-Max-Preview Fable5.1,比如纸飞机游戏那个测试,和 Fable 5.1 做出的成品水平一致。

        目前来看,国产模型想追齐 Fable 5.2、GPT-6 Astra 还要花一点时间。但换个角度看,平时我们大多数写代码、改网站、做交互原型的任务,其实并不需要模型用 C++ 从头手搓一个路径追踪渲染器。在这些日常真正要干的活里,现在的国产旗舰模型,已经完全够用了。

        点个“爱心”,再走吧

        跳转微信打开

        •  

        10 亿 Token 开源万只假鸟, AI 伪科普正在「污染」下一代的常识

        发现明日产品的 2026-11-12 10:48 北京

        扒图、瞎画,一条「造鸟流水线」

        「有一回藤野先生将我叫到他的研究室里去,翻出我那讲义上的一个图来,是下臂的血管,指着,向我和蔼的说道:“你看,你将这条血管移了一点位置了。──自然,这样一移,的确比较的好看些,然而解剖图不是美术,实物是那么样的,我们没法改换它。现在我给你改好了,以后你要全照着黑板上那样的画。”」

        这是鲁迅散文集《朝花夕拾》里的文章《藤野先生》,是每个上过初中的学生都会读到的一篇课文,在今天重新来看,多少有点荒谬——也就是藤野先生没有见过 AI。

        今天,不用去野外吹风淋雨,也不用懂半点鸟类解剖学,只要有一台电脑、开 8 个窗口跑 AI 脚本,不到一个星期,就能把全世界所有现生鸟类「一张不落」地全部画完,至于真不真实,根本不重要。

        Image

        这是最近在开发者圈高调刷屏、却把国内外鸟类爱好者气到血压飙升的「花叔全球鸟类贴纸库」,光是看作者自己的项目复盘文章,字里行间都洋溢着一种「算力大力出奇迹」的亢奋。

        Image

        为了给自己的观鸟 App 做配套素材,这位完全不会写代码的独立开发者,靠着 Vibe Coding 烧掉了超过 10 亿的 Token,跑光了数次 200 美元顶配会员的周额度,把全球 11064 种现生鸟类(后随名录更新调整为 11011 种及 91 个亚种)做成了白边贴纸,顺手搭起了一个支持 15 种语言检索的鸟类网站,并向全网宣布「正式开源」。

        然后马上就翻车了。

        1

        扒图、瞎画,一条「造鸟流水线」

        仔细看这套万鸟贴纸库的制作黑箱,足以让科学传播者和野外摄影师直掐人中。

        首先是近乎「明抢」的参考图抓取和盗图。 AI 凭空画鸟极易胡编乱造,作者又不是观鸟爱好者,没有自己的数据库,要怎么解决?写脚本去 iNaturalist 和维基共享资源里,把全世界摄影师辛苦蹲守拍下的真实照片批量扒下来,拼成 3×3 的「九宫格」喂给生图模型重绘。

        在这 11064 种鸟的参考照里,真正采用开放许可(CC0、CC BY、CC BY-SA)的只有 1986 种,剩下的要么明确标着「非商业使用」「禁止演绎」或「保留所有权利」,甚至还有 2017 种连许可协议都没记下来,就被一股脑塞进了 AI 里。

        Image

        等洗成 AI 贴纸后,作者反手给贴纸打上自己的授权标签(最初甚至用了限制竞品使用的 PolyForm Shield 1.0.0,后改为 CC BY 4.0),然后留下一句:如果某张贴纸参照了你拍的照片而你不希望我们使用,发邮件提 Issue,7 天内撤下。

        Image

        这种「先把摄影师的作品喂给 AI、被苦主找上门再删」的逻辑,在海外社区 Reddit 的观鸟论坛上是直接被怼,「把别人的作品喂进抄袭机器,从来不是一件可以靠“事后申请退出”来洗白的事」

        Image

        为了在几天内强行凑齐一万多种鸟,还有另外一个雷霆的做法:冷门鸟找不到好照片,就拿几张残缺照片拼凑;模型画完后,交给另一个 AI 审核员打分。在测试中作者自己都发现,生图模型频繁造出令人啼笑皆非的怪物——明明是红色或蓝绿色的虹膜,被画成了死气沉沉的全黑眼珠;脚趾融成一团肉块;连蜂鸟这种极短腿的鸟,都被强行安上了一双麻雀式的大长腿。

        那要是重画两次还是画不对怎么办?不退回用照片,也不留空,选高分者留下。

        Image

        用纯工程学思维,搪塞科普问题,在初代开源的仓库里,连项目自己设定的 AI 及格线(80 分)都没过的残次品,就高达 3388 张(其中 109 张甚至低于 70 分),却依然打包塞进了公开图库。虽然后来作者在 11 月用另一套 AI 标准把一万多张图重跑了一遍,宣布全部「过线」,但从头到尾,这套图库都没有经过哪怕一位鸟类学专家的系统审校。

        1

        「科普污染」究竟有毒在哪儿

        在一大堆硬伤的情况下,依然热情推荐大家把这些贴纸拿去「做自然教育的课件、给孩子做鸟卡」,甚至提供了一行代码即可调用的 CDN 接口和绑定了 eBird、GBIF 科研编号的结构化数据;转头又在说明文档里给自己叠上一层厚厚的免责甲。

        「这些是插画,不是图鉴图版……发现画错了,欢迎提 Issue,鸟友的纠错是这个项目最需要的贡献」。

        这是整个开源项目最大的争议点:有没有能力核查一万多张图片,是能力问题,但有没有想过在推出前做专业核查,是态度问题。作者从来没有正面承认过,制作一套鸟类知识产品,需要以鸟类学和观鸟领域的专业知识为前提,纠察是在发布之后的补充环节。

        Image

        这种思路在代码开发里很普遍,编程-上线-收到 issue 后 后修改-迭代,作为开发者,只要开发出了工具、生成了图片、开放了代码,自己的工作就已经完成,哪怕只是 vibe coding,至于知识是否准确,可以交给使用者和专业社区来纠正——这样的思路放在自然科学领域,堪称灾难。

        以有「空中猛禽」之称的游隼为例,如果只看贴纸图,外行人根本看不出问题,尤其是整个制图风格是写实画风,而不是动漫或者简笔画线条。

        Image

        经过鸟友贴出的对比图仔细看,才能发现原本跗跖粗壮、爪趾强健有力的空中猛禽游隼,被扭曲成了更细小的爪型。作者回查后才承认,原来参考照是从树下仰拍的,游隼的脚被腹羽和树枝挡住了;当脚本自动抠图去掉树枝后,AI 只能脑补出一副细爪,而负责审图的 AI 根本没检查腿脚粗细比例。

        Image

        葵花鹦鹉最初激发作者立项,是他「最爱的鸟类」。

        Image

        但画出来之后最基础的折叠翼羽区(覆羽与飞羽的层级关系)都是错的。

        Image

        「是插画不是图鉴」这种说法,并不能免责,原因不是「鸟类图鉴不能用画的」,传统手绘图鉴本来就不等于摄影照片。但手绘取舍的底线,是每一笔都扎根于真实的物种解剖,并由懂行的人把关。优秀的博物画师会综合多只个体的长期观察,有意突出尾羽、喙形或换羽期的鉴别特征。

        Image

        1

        不止假鸟贴纸,AI 伪科普正在多条战线「投毒」

        如果仅仅是一个独立开发者的自嗨,事情或许还没那么可怕。可是像这样用 AI 篡改、捏造自然图像,进而污染科学记录与公众科普的离谱事件,早就不是一桩两件了。

        今年发表在《自然·生态与进化》(Nature Ecology \& Evolution)上的一篇学术通信,就记录了一起足以敲响警钟的案例:一名观鸟者在巴西拍到了一只略显模糊的鸟,为了看得更清楚,他把照片交给 Google 的 AI 图像工具改善画质,随后将处理后的高清图上传到了全球最大的公民科学平台之一 iNaturalist。

        Image

        结果,这张照片一度被当成当地罕见的「红翅黑鹂」分布新记录;直到专家仔细比对原图才发现,那其实只是当地极其常见的另一种拟鹂,是 AI 在「修清楚」的过程中,凭空给这只鸟补出了红翅黑鹂的羽毛特征——只是换了一点色、调整了大小,就已经是另一只鸟。

        Image

        这位观鸟者的主观意图,仅仅只是增强和高清,并没有其它意图。但恰恰是这种「无心之失」,比凭空画一只假鸟更容易混进人类知识的底层链条。公众上传的自然影像不仅供他人辨认,更直接作为全球物种分布研究的科学证据。

        例如 eBird 的照片会进入康奈尔鸟类学实验室的麦考利图书馆(Macaulay Library),并反哺著名识鸟工具 Merlin 的图像与声音识别训练集。如果图中的鸟被 AI 悄悄改了羽色、脚趾或喙形,错误绝不会止步于一张失真的照片,它会形成一系列的多米诺骨牌反应,改变后续的科研人员和 AI 工具如何认识真实的自然。

        而在公众科普出版领域,失守的速度同样惊人。

        就在今年 10 月底,由中国农业出版社出版发行的《南海海洋生物科普丛书》遭到读者公开质疑,在介绍斑节对虾的分册封面与内页插图中,赫然出现了一只长着两个脑袋的诡异「双头虾」。

        Image

        面对全网群嘲,人们翻开书本序言才赫然发现上面写着:「本套丛书里绝大多数图片由 AI 绘图工具生成」。最终,涉事出版社工作人员不得不回应称正在通知全网下架并召回图书,新华网公开批评。

        Image

        一只长着两个脑袋的「双头虾」因为过于惊悚,还能被读者一眼揪出来,但那些只画错了一根翅脉、多添了一枚脚趾、或是篡改了尾羽斑纹的 AI 科普插图,一旦经过正规排版印刷,带着「科普图书」的权威光环摆上书店货架,普通读者和孩子该怎么分辨?

        对严肃的科学记录而言,有时最危险的图像甚至连「AI 插画」的外观都没有,而是披着「真实照片」的外衣潜入数据库。

        1

        把大自然的面貌,还给耐心的观察

        面对汹涌而来的生成式图像,专业的自然观察数据库已经在筑起高墙,给出了远比「请谨慎使用 AI」更硬核的准入红线。

        例如,eBird 和麦考利图书馆明确禁止上传任何 AI 生成的图像、声音和视频,同时严禁使用生成式工具增补或重建照片原有的羽毛、眼睛等细节;只有裁切、常规曝光与色彩调整以及不捏造细节的轻微降噪才被允许。一旦违规,素材会被打上「过度编辑」或「人工生成」标签,屡犯的账号甚至会被限制权限。它的判断核心不是你用了哪款修图软件,而是上传物能否作为当时当地那个生物个体的真实证物。

        Image

        iNaturalist 也上线了针对性的拦截机制,一旦社区发现主要由 AI 生成的照片或录音,即可打上「人工生成内容」标记,原图会被替换为警示图,该条观察记录也会被直接降为「普通级(Casual)」,永久踢出「研究级(Research Grade)」序列。对于真实照片但因 AI 修图失真的案例,则走专门的数据质量评估通道。

        由于 iNaturalist 向全球生物多样性信息平台(GBIF)共享的主要是符合许可的研究级记录,这一降级机制相当于在科研数据源头层面装上刹车片。

        Image

        这些平台规则至少捍卫了一条底线:把「好看」和「能作证」彻底分开。 一张糊得像马赛克的原片,依然可以是一条诚实的科学记录;而一张由 AI 补齐了纤毫毕现的羽毛与眼神光的高清大图,在科学证据面前,没有价值。

        然而,仅有专业数据库的防守还远远不够,甄别假图依然极度依赖人类的专业眼力,来源溯源证明代替不了内容准确性审查,公共互联网的「劣币驱逐良币」,都让「投毒」行动难以被遏制。

        在公民科学数据库里,一张图片首先是一份现场证据;在博物图鉴与科普读物里,一幅插图是一份经过专业核对的知识契约;而在社交娱乐平台上,它成了一个吸引流量的帖子,一件「我很会用 AI」的时尚单品。

        「算力可以代替专业」背后是十足十的傲慢。在没有领域专家把关、没有解决原始摄影作品授权的前提下,人不能、至少不应该把严谨的自然科学当成炫耀 Token 消耗量和 AI 技能大赛现场,更不应该把严肃的科学审校义务转嫁给社区去「免费排雷」。

        大自然从来不是一段可以靠提示词批量生成的脚本,在这个生成一万张图比去公园认清一只鸟容易太多的时代,我们需要比以往任何时候都更加审慎。

        文章转载于APPSO,欢迎点击下方卡片关注。

        点个“爱心”,再走吧

        跳转微信打开

        •  

        50小时Ego只等于5小时UMI,跟头部供应商聊了背后的逻辑。

        天南 2026-11-12 10:48 北京

        以下文章来源于:天南具身公园

        天南具身公园

        大模型及具身算法研究员,通俗易懂讲具身智能的技术&产业。

        数据形态的终局是什么。

        最近看到「海外独角兽」发的Robotic专题文章中提到 UMI 需求量增大,是因为 Ego 数据效果不好。

        其实有几家头部公司都给我 offer 了类似的事情,Ego的 Scaling law 很难验证出来,而UMI就很容易。

        原因定位在采集精度和信息量上,所以他们有些又转向了使用 UMI。

        我很支持这种根据训练效果重新调整数据的做法,看来 Ego 数据的边界也快要摸清楚了。

        ......

        预训练的规模已经到了 220 万小时,可同样一小时的数据,能带来的帮助未必一样。

        我们收集了一些信息,大概 5-10 小时的 ego数据训练效果,可能才相当于一小时的 UMI。

        这也让我觉得,预训练阶段的数据就得认真考虑动作信息的密度和精度。

        如果一些关节和接触信息在采集时就没留下来,后面再想办法补充,难度会非常大。

        而这些问题,模型侧的需求我大概已经能 Get,数据侧的一些想法,我也希望听听供应商的看法。

        之前一直听说简智团队联创朱雁鸣最近半年都在北美拓展业务,对国外公司的信息了解的比国内更快一些。

        我相信他也一定清楚10小时 Ego 等于1小时UMI的原因,所以我们也非常有幸约到了朱总交流了两个小时。

        To be honest,九月就有投资人 push 我们深度调研下简智,这次也终于等到了合适的机会 hh。

        这次交流了非常非常多的内容,比如对Ego精度的看法,对 human data 的看法,比如为什么现在这个节点要发新的手套和头环,他们自己以为的壁垒是什么。

        今天把一些关键的信息和我们内部的看法写下来,也希望和大家多交流数据层面的一些观点。

        话不多说,我们开始吧。

        1

        数据形态的终局是什么。

        先从「数据升维到 Human data」说起,一个大前提。

        朱雁鸣对行业的判断是,机器人会往越来越像人的方向靠,身高、尺寸、关节、手,再到腰部和全身的运动。

        这也是简智为什么会选择 human data,数据得跟着人走,不能只服务某一款或者某几款机器人。

        在这个逻辑下,他对 human data 的定义是比较宏观的:

        朱雁鸣:human data 不是一个单一维度的数据要求,我认为它就是一个人的全部。

        它包含语言,可能承载着人的思考过程;包含人对环境的认知;包含视觉,因为人需要基于视觉去做空间规划;

        也包含触觉、力反馈,甚至包含接触之后的二次运动。

        可能前几年大家更多的还是只关心手,或者下半身不动,就两个机械臂加一个夹爪在干活。

        未来到了全身人形的阶段,腰、腿这些位置也都得进来。之前单目的 ego 头环就没办法看那么多信息,所以最近市面上多目的头环也多了起来,目的都是为了记录更多的人体运动信息。

        至于为什么要做更全面的数据采集,朱总解释了自己的逻辑。概括起来是:

        降维会比升维更简单。

        当下的本体数据,大多数还局限在现阶段能做什么。未来如果硬件本体有大的改进,那本体数据未必还会有相等的价值。

        但如果把人这么复杂的运动和信息都记录下来,后面再去映射到某种机型,就有条件做降维。

        人的运动映射到本体上,大多数时候是在减掉一些信息,砍掉一些自由度,加一些运动限制。

        说人话就是,先把人的动作和交互采得更完整,等机器人需要的时候,就有更多信息可以选择。

        这个大方向我是认同的。

        问题也还有,「能降维」和「降维就能用」还不一样。比如人的手指数量、身体比例和机器人的关节限制都不一样,保留哪些运动、调整哪些动作,还是得看模型效果。

        这个逻辑他们自己内部还在验证。

        朱总 offer 了一个例子,比如五指操作可以映射到两指 UMI 上,他们内部也能得到一些有用的数据。

        这就是简智做数据升维的逻辑,在采集的时候尽可能地保留更多的原始多模态信息。DAS 2.0 就是在这个大的设想下发布的新一代产品。

        也快速和大家过一下吧,主要是一台 Ego 2.0 头戴六目相机和一副 DEX 2.0 数采手套,配套的还有腕部相机。

        托 CoRL 的小伙伴帮我们拍了下实物图。
        托 CoRL 的小伙伴帮我们拍了下实物图。

        横向视野从上一代的 270° 提升到 340°,朱总说主要是为了捕捉更多环境信息,改善空间定位。

        包括相机往额头前面挪了一些,以及视野下调,这样画面里腰以下的身体占比就可以增加。

        我问了一句,这是你们自己发现要改,还是客户要求的?

        朱总说是自发的。一代的时候也试过做全身,但实际场景里遮挡太多,有时持续十几秒,仅靠上下文也很难补准。

        写到这里,我脑子中还闪过了觅蜂,之前有聊过他们给原始数据分级,也是类似的思路。现在用不上的,不代表以后用不上。

        但信息采得更多以后,还得保证精度更高。

        单目 Ego 头环一个大几千块,走量还可以往下谈,指望头环提供非常小的定位误差,不太现实。

        哪些信息值得直接测下来,给模型一个更可靠的参考?

        这就到了手套这部分。至于这些数据怎样进入预训练、中训练和后训练,我们与朱总也展开了充分的探讨,后面会和大家分享。

        1

        手套发了这么多,简智的逻辑是什么?

        最近真的看了太多的数采手套,就比如之前分享过的临界点。

        我简单让大模型查了下,仅公开信息能查到手套发布就有很多。

        上半年还在强调遥操手套 or 数采手套,最近一两个月则会强调两者兼顾。

        国内公司卷的基因还是太权威了,所以我也会有疑问,为啥简智现在要来卷手套?简单地收集人类动作和触觉做训练数据,这个故事都会讲。

        并且简智这次的 DAS DEX 2.0,还选择了外骨骼。最开始我以为是下面这种,会有很多外置的结构件。

        图源网络,外骨骼手套示意图。
        图源网络,外骨骼手套示意图。

        看到实物后,才发现跟我想的不太一样,他们是侧置的外骨骼设计,这样对动作的干扰就会比较小。

        那我的下一个问题是,简智愿意付出这个代价,是想多记录下什么?

        DEX 2.0 的侧置外骨骼
        DEX 2.0 的侧置外骨骼

        手套的部分,我们聊了很多。

        天南:我最近看到的织物手套会比较多,你们为什么选了外骨骼?

        朱雁鸣:其实逻辑还是方便使用以及精度要准。包括像你刚才也聊到之前的外骨骼手套存在的问题,那我们侧置的外骨骼就基本上不存在此类问题,以及我们希望直接记录手部的动作和姿态。

        相比 IMU 或者 EMF 还是会更准一些。还有一点,我们为啥没做织物手套,除了精度不错之外,我们更看重的是鲁棒,要更耐造。

        包括能给操作提供更稳一些的触觉信息,这些都是 DEX 2.0 当时涉及时考虑的内容。

        天南:你几次提到原生动作,是更多在强调外骨骼这件事情吗?

        朱雁鸣:对。就比如从指尖轨迹出发,把它映射到一个标准手模型里,再加约束去还原姿态,结果可能看起来接近,但跟当时人的实际运动仍然有差别。我们希望把原生的关节运动也保留下来,作为额外的信息交给模型。

        DEX 2.0 是把磁编码器放进外骨骼关节里。可以直接读取机械关节的转角,再通过标定还原手部状态。

        天南:电子皮肤这边,你们用的是压阻方案。不同手套之间的一致性怎么保证?

        朱雁鸣:这里要处理材料和加工工艺带来的差异,否则使用中可能出现漂移。我们花了很多时间找材料,在发生形变的那层用了多孔结构,希望通过孔的形变改善一致性。

        感知单元用了石墨烯喷涂,这也是从改善制造一致性的角度考虑的。

        至于前面提到的运动信息会交给什么模型,我也追问了一下,朱总说他们内部在做很多数据处理的模型。

        我对这块还是很感兴趣的。

        写到这里的时候,依旧想到了 Tesla 的 Data Engine。
        写到这里的时候,依旧想到了 Tesla 的 Data Engine。

        我会认为即使手套把触觉和姿态都做好了,数据需求中短期仍然可能不会很大(价格在这里)。

        如果手套需求不大,那做这件事的意义在哪里呢?这是我最近一直存疑的地方。

        朱总的回答里,有一点我觉得是有价值的:他希望用手套采回来的高精度数据,改进那些没有戴手套的数据。

        简智把采集分成三种。

        • 纯 Ego 负责记录人、环境和操作的上下文,最容易铺量;

        • 加上腕部相机,把近处的手和物体拍得更清楚;

        • 再加手套,就多了关节运动和触觉的测量。

        CoRL 的同学也有跟我们反馈说,北美现场那边很多 frontier lab 对简智最新的 wrist camera 会比较感兴趣,这里也蹲一下后续的使用反馈~

        手套的数据既可以直接使用,也希望能给前两种方式提供参考。朱总用的词是 ground truth,也就是真值。

        要把这些信息用到更多数据里,就需要他们内部的数据处理模型。

        这就聊到了我这次感触最深的一部分。

        1

        数据公司训模型和背后的思考。

        直接放结论。

        简智希望通过自己的模型,让那些没有戴手套的数据也能变得更准。

        也就是利用自己升维的数据,去提升低维数据的信息量。

        我觉得还是比较重要的,稍微展开下。

        之前有和大家聊到,单纯的数据采集本质是服务业,我会对数据 infra 公司的壁垒在哪里很感兴趣。

        如果数据供应商自己训模型,其实是可以积累更多的 knowhow。

        朱总提到的 DFM,就是希望把不同模态的信息放在一起,做标注、补全和校验。

        随手翻了下简智官网,他们的数据治理平台。
        随手翻了下简智官网,他们的数据治理平台。

        这么看,手套在这里会更像一把尺子。

        直接采回来的数据除了售卖还会多一层价值。尤其在手套还没大规模铺开的时候,我认可用高精度数据去帮助更大规模视觉采集的思路。

        我当时还追问,这样会不会让简智原来卖的 Ego 数据也变得更有价值?

        朱总给了肯定的回答,而且客户会更愿意 pay more,并且也分享了他对模型投入的看法。

        朱雁鸣:我们对于数据的 infra 还是持积极的态度,这里面能做非常多的事情,虽然有些东西商业化会难一些(比如模型)。

        但内部讨论后还是坚持做,希望自己对数据的认识经过更充分的验证。客户可以给反馈,但自己也要有判断,否则永远落后于客户,跟不上客户的创新速度。

        我会觉得这句话还挺深刻的,在结束和朱总的交流之后,我们内部也讨论了不少。

        会有一些担心,数据公司未必有足够强的模型能力,这是其一。其

        二是模型在现有场景数据上收敛,客户未来换场景(比如新需求是跨国),还能不能处理好。

        如果投入很大,又跟不上新的变化,会不会变成负资产?

        这个问题也抛给大家一起讨论。

        我的看法是,把数据质量做好,只靠人工标肯定是不够的,客户会告诉你在一个月之内提供五十万小时的数据。

        你不行,我就换别人。

        在这么短的时间内,如何保量保质的做好交付?

        所以如果不做自己的数据 infra ,大概率是上不了最大的牌桌的,这是所有数据供应商必须要建立的基础能力。

        但确实也会是一把双刃剑,做得好就会领先很大一截身位,做的不好确实也有可能成为负资产。

        数据公司的壁垒,也得在这些具体的交付和改进里积累。

        1

        同样在卖数据,大家想的还真不一样。

        除了前面和大家分享的主线,我们还聊到了后训练、采购、运营和不同客户对数据的理解。

        下面按原意精简整理,合并了同一话题下的讨论,保留各自的判断。

        分享给大家。

        天南:你们强调的人类经验,主要服务预训练,还是也能进入后训练?如果以后大量机器人部署起来,长期会不会仍然以真机数据为主?

        朱雁鸣:我认为人的数据可以进入后训练。过去的困难,一是精度不够,二是信息不完整,很难映射到机器人上。

        假设一段人扫地的数据能够准确映射过去,机器人也能把这个操作完成,它就有机会发挥与遥操数据相近的作用。这是我们想做到的目标。

        部署后的真机数据也有价值,尤其是失败和重试,但我还关心机器人原来不会的事情,怎样得到一个正确示范。比如它本来不会跳,单靠已有部署,就很难得到这个示范。

        上面这个问题我的看法会有保留。

        我支持现阶段探索人类的数据,但长期更倾向部署后的真机数据。未来一两年,后训练的主力大概率还是遥操或者同构的无本体数据。遥操和接管同样可以提供正确示范,人的数据则可以先在动作容易迁移、结果容易验证的任务里尝试。

        中训练也会有分歧。朱总希望把高精度信号更早放进预训练,减少后面补课的需求,并没有否定中训练会长期存在。我们仍然认为,本体铺开以后,中训练会变得更重要,具体本体的适配需求也还在。

        但如果今天你能买到的 ego + 手套数据都只要几美金,并且采集效率也很高,那很多现在的分歧都会收敛。

        下一个问题。

        天南:大模型厂商对 Ego 数据的需求在增加,但大家怎么用这些数据,是不是仍然有分歧?跟具身公司的需求有什么不同?

        朱雁鸣:确实会有分歧。同样是 Ego 数据,有的需求是让模型理解更多环境和信息,有的则希望提升规划能力,这两种目标对应的数据要求不一样。

        如果单看别人买了很多 Ego,却不知道具体咋用,那会很容易走偏。具身里一些做落地的团队,会更具体地盯着某些任务和场景,希望任务范围能收敛下来。

        天南:如果外购的遥操数据跟自己的本体不适配,为什么还会有人买?你们怎么处理这个 Gap?

        朱雁鸣:我接触到的客户会指定设备,比如要求采集用的手与最后部署的手是同一款。他们买的也包括供应商的运营能力和场景资源,让供应商按要求组织采集。设备有时由客户提供,有时由供应商采购。

        天南:数据这门生意的运营还是挺重的,你们自己怎么看这里面的壁垒?

        朱雁鸣:运营能力里很重要的一点,是能不能采到多样性的数据。我们现在很少谈众包,因为有些容易获得的数据,继续增加规模的价值已经开始变薄。

        比如已有很多超市场景的数据,客户下一步需要的可能是工厂、制造业或医疗相关的内容,进入这些场景,需要不同的运营能力。

        以及还得往任务下面多看看。就比如餐馆擦桌子和在家擦桌子,最后模型可能学到的仍然是同一种动作,场景不同,不能就认为动作也足够多样了。

        回到 human data 这件事上,我会觉得这个事情是一个公司的立命之本。作为一家公司来看,肯定要先有质才有量,这是为什么我们会强调数据模态要更丰富的逻辑。

        不然光有量没有质,那大概率也不会成为一家大公司,或者你很难成为一个行业领先的公司。

        天南:你们同时接触国内外的客户,在对数据的理解上,看到了哪些不同?

        朱雁鸣:我接触的一些海外团队,会往任务和场景下面再看一层。除了场景和任务的多样性,还会关注动作的多样性、标注的多样性。

        训练时到底严格控制动作,还是控制结果,也会影响数据要求。另外,人的数据和机器人是什么关系,他们也会先放下某个具体本体的限制,再去思考这些数据能提供什么。

        其实国外还有一点难能可贵,他们很多人创业不会考虑做大而全的东西,会更务实一些。

        天南:随着大模型继续进入具身,数据的需求结构会发生什么变化?

        朱雁鸣:我的判断是,高层理解和动作规划之间会继续融合(System 2 + System 1),底层运动控制可能长期存在。前者需要补上对空间和物理的理解,后者更关注运动和接触。

        更长期,这些能力还得一起工作。比如端着盘子穿过餐馆,周围有人走动,需要避让,甚至会发生接触,就不能只学会把盘子拿起来。策略要根据环境和其他人的变化调整,对动作和物理信息的要求也会更完整。

        1

        尾声。

        今天要和大家分享的内容,差不多就是这些。

        和朱总的交流还是挺深入的,对我们内部理解数据这件事也提供了不少新的视角。

        尤其是当你听到了不同角度的声音。比如算法、评测、供应商,他们是怎么看数据,未来会有哪些判断、分歧和共识。

        这也是为什么我会和大家交流的原因,在嘈杂的时代,众说纷纭中抓到自己的理解。

        很有趣。

        点个“爱心”,再走吧

        跳转微信打开

        •  
        ❌