铃阅
❌

阅读视图

10年太慢!顾全全团队叫板Dario:治愈癌症压缩到4年

原创 ASI启示录 2026-11-16 11:58 北京

新智元报道  

最近,Anthropic的CEO Dario Amodei 说了一句话:

AI将在10年内,把人类在生物学上50到100年的进展压缩完成——癌症、阿尔茨海默症、心脏病,统统有望攻克。

这话说得够狠,但很多人觉得,也就听听。

直到一个叫顾全全的科学家站出来说:10年太慢了,我们要把药物研发周期压缩到4年!

11月10日,他创立仅5个月的公司 Geodesic Intelligence,发布了全原子结构预测模型 NovaAtom-Lite。

在全球最严苛的生物分子预测基准测试 FoldBench上,NovaAtom-Lite直接把谷歌 DeepMind 旗下Isomorphic Labs 的王牌模型 IsoDDE 拉下了马。

在一系列生物制药基准测试中屠榜,获得多项TOP 1!

Model card链接:https://www.geodesiclab.com/news/introducing-novaatom-lite

15个人的创业公司,几百张GPU,5个月。对面是累计融资27亿美元、正在以400亿到500亿美元估值谈新一轮融资的 Isomorphic Labs。

X上瞬间炸了。

有人感叹:「Dario Amodei 预测癌症10年内攻克,而 NovaAtom 的创始人说只要4年。」

有人算账:「谷歌 DeepMind 剥离出 Isomorphic,烧了几十亿美金,估值谈到400亿以上。结果一个UCLA教授带着15个人的创业公司,5个月就超了。」

而且,这不是顾全全第一次干这种事。他之前在字节跳动带队做出了 SeedFold——世界上第一个在 FoldBench 上超越 AlphaFold 3 的模型。

正是 SeedFold 的横空出世,逼得 Isomorphic Labs 不得不祭出 IsoDDE,重新夺回结构预测的王座。而这次,NovaAtom-Lite 又把 IsoDDE 拉下马,王座再次易主。

更狠的是,根据顾全全在 X 上透露的信息,NovaAtom-Lite 只是开胃菜,后面还有更大更强的 NovaAtom-Pro 蓄势待发。

也就是说,就算 Isomorphic Labs 近期再放出更强的模型试图反扑,迎接它的可能是 NovaAtom-Pro 的又一次击穿。

这场结构预测的王座之争,顾全全已经连赢两局,而第三局的底牌他还攥在手里。

从此,人类攻克绝症的时间表,再度提前!

生物界已经迎来了它的「HBM爆发时刻」,投资人这样感慨

NovaAtom-Lite 到底在干什么?

为什么药那么难做?

因为药物起效的本质,是让一个分子精准地「咬住」另一个分子。

抗体要咬住抗原,小分子药物要塞进蛋白质的口袋里。

这个「咬合」发生在原子尺度——埃(Å)级别,一埃等于一百亿分之一米。

稍微偏一点,药就不灵。

传统方法靠湿实验一个一个试,平均一款新药从实验室到上市要13年、烧掉近20亿美元,成功率不到5%。AI的价值就在于:在计算机里先把这个「咬合」模拟出来,大幅缩短试错周期。

这正是 NovaAtom-Lite 干的事——

输入蛋白质、DNA、RNA的序列以及小分子配体的信息,它就能预测出整个复合物中每一个重原子(氢以外的原子)的三维空间坐标。

不是模糊的轮廓,是精确到原子级别的位置。

而且,它不是一个「死板」的计算器。

NovaAtom-Lite 加入了一套极具工程价值的「条件约束与提示」功能。

你可以告诉它:这里有一个共价键,那里有一个已知的结合口袋。模型会把这些信息当作参考线索,而不是死板约束,像一个懂化学物理法则的「AI大脑」一样,灵活地做出预测。

输出的也不只是一组坐标。

模型同时返回局部结构置信度 pLDDT、残基间预期误差 PAE,以及界面可靠性指标 ipTM——简单说,它不仅给你答案,还告诉你「这个答案我有多大把握」。

两记重拳:79.07% 和 77.06%

评价一个结构预测模型有多强,制药界有两块最核心的试金石:抗体-抗原结合预测和蛋白质-配体结合预测。

前者是大分子药物(比如抗癌抗体)的核心——你得知道抗体是怎么精准「锁住」靶点的;后者是小分子靶向药的命门——药物分子得准确塞进蛋白质的结合口袋里。

两个方向,一个比一个难。

FoldBench 是目前公认最严格的全原子生物分子预测基准,包含1522个复合物结构,数据全部来自模型训练截止日期之后的新结构,杜绝了「提前看答案」的可能。

第一拳:抗体-抗原。 FoldBench 收录了172个抗体-抗原结合界面。

评判标准用的是 DockQ 分数(可以理解为预测的结合姿态和真实结构有多像,0.23 以上算预测成功,越高越好)。

一个5个月大的公司,比 AlphaFold 3 高出31个百分点,比融资27亿美元的 Isomorphic Labs 高出3.5个百分点。

更夸张的是,如果把标准提高到 DockQ ≥ 0.80(要求极高精度的预测),NovaAtom-Lite 的成功率是 AlphaFold 3 的2.2倍。

第二拳:蛋白质-配体。 这项测试覆盖558个结合界面,判定标准更苛刻:不仅要求小分子药物的预测位置与真实位置偏差小于2埃(配体 RMSD < 2 Å),还要求周围蛋白质的接触细节也高度吻合(LDDT-PLI > 0.8)。两个条件同时满足才算成功。

两项核心指标,全部TOP 1。

它真的「懂」物理,还是只会背答案?

每次有模型刷榜,圈内第一反应都是:你是不是偷看答案了?

这个质疑完全合理。结构预测模型吃的训练数据就是已知的蛋白质结构库,如果模型只是把见过的东西背下来了,那跑分再高也没用:真到了药物研发前线,面对的全是从没见过的新分子。

业界有一个专治「死记硬背」的狠测试叫 Runs N' Poses。它把测试样本按照与训练集的相似度分成8组,从「长得像」到「完全陌生」,一层层剥开模型的底裤。

在相似度最低的0-20%组(63个与训练集「毫无关系」的配体,相当于考试里那些完全超纲的题)各模型成绩如下:

AlphaFold 3 直接腰斩到24%,NovaAtom-Lite 依然稳在47.6%,几乎是前者的两倍。

而在相似度最高的80-100%组,两者差距反而缩小到91.0% vs 88.2%。

这说明越是面对陌生的分子,NovaAtom-Lite 的领先优势越大。

它不是在背书,而是真正掌握了微观原子世界的底层物理法则,拥有了一套可迁移的「推理引擎」。

给它更多时间思考,它就更聪明

做 AI 的人都知道一个趋势叫 Test-time Scaling——推理阶段给模型更多算力,答案质量就更高。

大语言模型领域早已验证了这一点,而 NovaAtom-Lite 证明,这个规律在生物分子预测里同样成立。

在同一批172个抗体-抗原界面上,团队做了一组优雅的实验:

  • 1个随机种子(最少算力):成功率 74.3%

  • 5个随机种子:79.07%

  • 25个随机种子:81.7%

  • 100个随机种子(深度推理):83.1%

  • Oracle 上限(事后用实验答案挑最优解):88.4%

从74.3%到83.1%,仅仅是增加采样数量,成功率就提升了近9个百分点。

这意味着这套系统具有极强的「弹性」。

创业公司预算有限,用少量算力快速试错,依然能拿到不错的结果。而对于医药巨头来说,当一款靶向药关乎百亿市场和无数患者的生命时,你可以开足算力、全力压榨每一点精度——模型的上限远没到头。

这是极其令人兴奋的可扩展性。

给它一点提示,就能起飞

光靠自己猛算还不够。

真实的药物研发场景里,科学家手上往往已经有一些线索。比如知道抗体和抗原大概在哪个位置接触,或者小分子大概塞在蛋白质的哪个口袋里。

问题是:模型能不能「听懂」这些提示,并用好它们?

NovaAtom-Lite 的回答:不仅听得懂,而且效果炸裂。

在 FoldBench 的172个抗体-抗原界面上,不给任何提示时成功率是79.07%。只要给模型一个接触残基对(相当于告诉它这两个残基离得很近)成功率直接飙到 91.28%,提升了12个百分点。

在另一个更大规模的抗体-抗原测试集 PXM-22to25-AB(383个聚类)上,这个提升更夸张:从66.05%一口气拉到 88.82%,涨了将近23个百分点。

更有意思的是蛋白质-配体方向。

在 Runs N' Poses 上,团队测了四种设置:无约束、一个接触对、四个口袋残基、完整口袋,层层递进。

提示对最难的样本帮助最大:在与训练集相似度最低的0-20%区间,给完整口袋提示能把成功率从47.6%拉到 63.5%,提升近16个百分点;而在高相似度区间(60%以上),提升只有2到5个百分点。

简单说就是,越是「超纲题」,模型越能从你给的线索里「悟到」更多。科学家的经验不会被浪费,你知道得越多,它算得越准。

两个「神级」案例:从分子套索到暗门破解

数字再漂亮,制药的人最终要看的是:你能不能解决真实世界里那些最棘手的结构难题?

案例一:给疯狂甩动的「分子套索」拍高清定格照

中东呼吸综合征(MERS)病毒是个凶残的对手。科学家找来了一种纳米抗体 VHH-T148 去对付它,这个抗体的核心武器是一条由22个氨基酸组成的 CDR-H3 长环。

想象一下,一条在三维空间里疯狂甩动的「软鞭」。它极度灵活,缺乏进化上的共变信号,预测难度极高。

这是结构预测领域公认的噩梦级难题。

结果,NovaAtom-Lite 生成了25个候选方案,全部命中。DockQ 达到0.839,CDR-H3 的预测误差仅为 0.56 Å,覆盖了全部18个表位残基中的每一个。

0.56 Å大约是一个碳原子直径的三分之一,这是「分子级单反相机」的定格拍摄。

案例二:让「锁着门」的癌症靶点自己把暗门打开

KRAS 是医药界出了名难搞的癌症靶点。

它表面光溜溜的,药物几乎无处下口。

有一类抑制剂能钻进 KRAS 上一个「隐藏口袋」(switch-II pocket)起效,但问题是这个口袋平时是锁着的。

也就是说,AI 不仅要算出药物小分子应该怎么放,还得凭空推测出蛋白质的构象变化——那扇门是怎么打开的。

在这个案例(结构编号 8UN5,KRAS G13D 突变体)中,OpenDDE 直接懵了,配体 RMSD 高达 17.74 Å——药物被扔到了十万八千里外。

而 NovaAtom-Lite 的配体 RMSD 仅为 0.98 Å。

不仅如此,在全部25个样本中,switch-II 区域的预测与晶体结构仅差 0.4 到 0.6 Å,并重现了全部12个天然极性接触,没有任何配体原子与蛋白质发生空间冲突。

这是真正的分子级微雕。

a16z 的「预言」:

制药业正在迎来它的 GPT-3 时刻

就在 NovaAtom-Lite 发布三天后,硅谷顶级风投 a16z 发布了一篇重磅研报——《大型制药企业,即将与大型软件分庭抗礼》(Big Pharma Can Rival Big Software)。

这份报告有几个核心判断值得细品:

第一,AI 制药正式进入「GPT-3 时刻」。

a16z 的原话是:我们认为当前 Bio × AI 的市场成熟度已接近 GPT-3 水平。GPT-3那是通用AI从「能用」到「好用」的转折点。a16z 认为,类似的能力正在生物模型中涌现。

第二,药企未来将按「科技股」定价。

传统药企的估值逻辑是对已有药物组合做现金流折现,背后的药物研发引擎几乎不被资本认可。但如果 AI 让药物发现变得「高度可重复、可预测」,投资者就会愿意为药企的 AI 基础设施买单——就像他们为 SaaS 公司的平台付费一样。

这是估值逻辑的根本性重构。

第三,11月10日发布的 NovaAtom-Lite 已被 a16z 收录进了这份研报。

一个发布仅三天的模型就被顶级资本写进了行业报告里,反应速度本身就很说明问题。这是真的被注意到了。

更耐人寻味的是,在 a16z 报告的产业版图插图中,唯一被点名提到的公司就是 Geodesic Intelligence。

报告将 AI 制药初创分为两类:一类是像 Isomorphic Labs、Recursion 这样自己下场做药的「垂直整合者」,承担高风险,博万亿美金上限;另一类是提供模型、工具和平台的「卖铲人」:实验室自动化、AI 智能体、分子设计引擎的供应商。

Geodesic 显然被归入了后一类中最尖端的那个位置。通过 Geodesic API 和 NovaDDE 平台,NovaAtom-Lite 的能力正在被开放给每一家药企和科研团队。

目前还不知道Geodesic Intelligence是否会下场做药,但从其模型展现出的竞争力来看,它显然有机会将边界从模型和工具供应商,进一步延伸至药物研发本身。

a16z 的判断不是空谈。产业端的数据已经在验证这个趋势。

GenScript(金斯瑞)的 AI 制药业务连续三个半年翻倍增长,Twist Bioscience 的 AI 药物发现订单更是三位数飙升。

大药企抢着签约。光 Isomorphic Labs 一家,诺华和礼来的合作协议加起来就将近30亿美元;Anthropic 自己开了湿实验室,OpenAI 直接收购了生物科技公司。

整个行业的底层逻辑正在被重写:AI 不再是制药的辅助工具,而是正在成为制药的基础设施。

最短路径

回到 Geodesic Intelligence 的故事。

顾全全是 UCLA 计算机科学系教授,在 AI for Science 领域声名在外。2026年6月,他创立了 Geodesic Intelligence,目标只有一句话:

构建 AGI,找到从生物学到药物的最短路径。

仅仅5个月后,带着15人的精锐团队,他交出了第一份答卷。

而这只是起点。官方已经明确表示,NovaAtom-Lite 是 NovaAtom 模型家族的第一个成员,更大、更强的模型已在路上。

Geodesic 的完整布局是一个三位一体的闭环:NovaAtom 负责结构预测,NovaDDE 负责科学推理与药物发现工作台,NovaLab 负责湿实验验证——

从提出生物学问题、计算分析分子结构,到实验验证候选物,一条龙打通。

这让人想起 a16z 在报告结尾写的那句话:更快、更低成本地研发药物,将是 AI 最具深远影响力的应用方向。

药物研发的时间加速器,真的来了。 

编辑:Aeneas 所罗门

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

英伟达沦为背景板!Opus 5.5亲手搓AI基建,人类基线失守

ASI启示录 2026-11-16 11:58 北京

新智元报道  

短短一周内,黄仁勋从英伟达几乎「净身出户」,消息被疯狂刷屏。

当人们还在吃瓜时,卡内基梅隆大学(CMU)刚刚发布的一篇新论文,炸懵了所有的AI工程师。

核心结论只有一句话:超级智能已经学会了自主构建并优化算力底座,或已具备通往奇点所需的技能。

需要注意的是,这里的奇点更多说的是「递归自我改进」:

奇点=智能体能够递归地自我改进其生命周期的每一个阶段。

在论文中,Opus 5.5 + Claude Code,自主构建了预训练流水线、推理引擎,以及集群编排器等 AI Infra。

在同一批 GPU 上,这套由 AI 「手搓」出来的系统,性能不仅追平,甚至直接碾压了人类工程师引以为傲的 SGLang 和 NVIDIA Dynamo 等生产级工具。

研究人员直言:

在由7个前沿模型和2个运行框架构建的11个智能体中,Opus 5.5配合Claude Code在全部六项任务上达到或超过人类基线,奇点指数为1.25,这表明它可能已具备通往奇点所需的技能。

砸场子的 Singularity-Bench,与被碾压的人类傲慢

过去几年, AI 跑分榜单无数,但毫无疑问Singularity-Bench(奇点基准测试)这个名字让人一听就「眼前一亮」。

上一个如此先声夺人的 Benchmark,还是Humanity's Last Exam(或简称HLE)——你可以理解成「人类最后的考试」或者「人性最后的考验」。

和大多数Benchmark类似,HLE用于评估AI在面对人类知识前沿时的推理、理解与跨学科能力。

但奇点基准测试略有不同,直击 AI 工业界的深处:底层基础设施建设。

Singularity-Bench 为智能体(Agent)设置了 6 项端到端的超高难度任务,涵盖了从「模型预训练」到「高并发服务引擎开发」的全流程。

六项端到端任务涵盖「预训练、中期训练、后训练、推理、智能体运行框架和集群编排」。每项任务都要求智能体从极简起点出发实现核心系统,并在相同硬件上与成熟的人类工程基线进行对比评估。

在现实里,这 6 项任务通常需要顶尖的、系统工程师、CUDA 优化专家和分布式计算大佬组成十几人专家团队,熬上几个月乃至大半年才能跑通。

这不仅需要懂高层架构,还需要极其精通显存管理、算子融合、硬件通信等极其硬核的底层知识。

以前我们认为,这种活儿,只有年薪百万美金的人类天才才能干,比如那些被马斯克和OpenAI疯狂争抢的「10倍工程师」。

但 CMU 把 Opus 5.5 和 Claude Code 扔进了这个考场。

为了保证公平,所有的测试结果,都在同一批 GPU 上,与目前人类最强的生产系统(如广泛使用的 SGLang 或英伟达自家的工具)进行严格的背靠背对比。

结果,Opus 5.5「横扫千军」。

参与测试的其他 10 个 AI 智能体,面对这种地狱级难度的底层任务,全部折戟沉沙,平均得分只有 0.58,GPT-6.1 Sol 只差一口气,得分0.969。

但是,Opus 5.5 的最终得分是:1.25。

在 Singularity-Index(奇点指数)的评分体系中,「人类基线」被设定为 1.0 。

也就是说,如果你能做到目前人类顶尖开源工具或商业工具的水平,你就能拿 1 分;但 Opus 是你的 1.25 倍!

它不仅满分了,甚至直接击穿了人类的天花板,所写的代码比顶级人类顶级项目还要更好。

每小时多赚 3.34 美元,背后是百亿美金的算力革命

这篇论文最刺痛人神经的,是它给出的那本「经济账」。

在实际商业环境中,研究团队测试了这些推理引擎的变现能力,即每 GPU 小时能处理的有效吞吐量,折算成美元收益。

作为人类阵营的优秀代表,目前大火的推理框架 SGLang 表现稳定。

在特定测试负载下,按模拟计费算,它每 GPU 小时的收益为 8.18 美元。这也是目前行业主流的生产力水平。

那么,由 Opus 5.5 「手搓」出来的服务引擎呢?

答案是:11.52 美元。

表面上看,11.52 减去 8.18,单卡每小时只多了 3.34 美元。似乎不值一提?

但如果你真正懂 AI 算力账本,看到这个数字,恐怕会惊出一身冷汗。

因为在超级算力的世界里,一切都是建立在规模乘数之上的。

我们来做一道简单的算术题。

假设一家科技巨头有一个 10 万张 GPU 的超大智算中心。

如果使用人类工程师编写的 SGLang 或类似系统,这个集群一天的收益是:10万 × 24小时 × 8.18美元 = 1963.2 万美元。

如果将底层系统替换为 Opus 5.5 编写的引擎,一天的收益将飙升至:10万 × 24小时 × 11.52美元 = 2764.8 万美元。

每天多赚 800 万美元,每年多赚 29 亿美元!

这意味着,你不需要去求台积电给你增加产能,不要抢破头买新一代显卡,你仅仅多用了一个超级智能体,然后算力集群凭空就多出了将近 40% 的吞吐能力。

这 40% 的性能差异,就是生与死的鸿沟。

此外,在另外的 5 个测试任务中,预训练、中期训练、智能体运行框架和集群编排中 Opus 5均超越人类,只在后训练上人类基线几乎平局,只比后者少了0.6%。

比如,在集群编排人物中,英伟达的 Dynamo 等工具沦为了背景板,被 Opus 5.5 碾压。

Opus 5.5 证明了一件事:机器比人类更懂机器。

人类工程师在写代码时,可能受限于认知、代码可读性和架构惯性;而 AI 可以直接面向硅基硬件的物理极限,高效排列组合。

新世界的倒计时

Singularity-Bench,这名字起得极具深意。

Singularity,奇点。

在天体物理学中,奇点是黑洞的中心,那里的引力无限大,所有已知的物理定律全部失效。

在科技史中,奇点是指机器智能超越人类智能的那一刻,在此之后,人类现有推演逻辑彻底失效。

CMU 的这篇论文,或许拉响了奇点警报的引信。

1.25 对比 1.0 的得分;11.52 美元对比 8.18 美元的收益。

这些冷数字背后,是一个不容置疑的事实:在机器的世界里,机器正在比人类掌握更多的权力。

媒体和公众的目光,还在死死盯着那些大佬们的豪门恩怨、权谋大戏,还在为谁能掌控硅谷王座而争吵不休。

此时,在那些嗡嗡作响的恒温机房里,超级智能已经自己拿起了工具箱。

碳基生物的八卦,硅基智能不理,只是向奇点狂奔

参考资料:

https://infini-ai-lab.github.io/singularity-bench/

https://arxiv.org/abs/2611.16591

编辑:大卫

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

个人智能体咋总掉线?9顶校发布126页「持续在线智能体」路线图

新智元 2026-11-16 11:58 北京

新智元报道  

个人智能体,正在迎来一场前所未有的密集爆发。

在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用户的关联账户。

在国内,腾讯、阿里、字节等大厂也在极速跟进,相继上线了灵光2.0、LightVela、千问Go!等产品。而在硬件端,雷鸟、乐奇(Rokid)等AI眼镜开始主打全天候记录与记忆用户身边的点滴;具身智能同样在朝同一方向演进:

前沿大模型正成为机器人的高层「大脑」,下一步就是化身更懂用户的生活伙伴。

如此密集的发布潮,释放了一个极其明确的信号:个人智能的下半场竞争,正从比拼单一模型和单点功能,全面转向比拼一套完整的系统架构。

这不仅要求系统能够长期运行,更要求感知、记忆和行动三大模块彼此协同、互通信息——而且,这一切必须在用户不开口的时候自主发生。

然而,一连串灵魂拷问也随之而来:

  • 挂在后台一直跑,就算真正的「持续在线」吗?

  • 当用户不在场、或者没有发出指令时,助手到底该做什么,又不该做什么?

归结起来,整个行业都在寻找三个核心问题的答案:一个助手怎样才算真正「持续在线」?它怎样才能「越用越懂你」?现有的系统距离这两步究竟还有多远?

图1|路线图总览:定义持续闭环,审视三个模块,分析集成系统与闭环等级,用HALO审查现有系统,讨论开放问题

围绕上述三大追问,来自南洋理工大学、加州大学伯克利分校、普林斯顿大学、斯坦福大学、新加坡国立大学、阿卜杜拉国王科技大学(KAUST)、达特茅斯学院、北卡罗来纳大学教堂山分校和美国西北大学共9所高校的23位研究者,联合发布了126页的全景综述。

论文链接:https://www.preprints.org/manuscript/202611.0793

项目主页:https://always-on-intelligence.github.io

论文清单:https://github.com/Always-On-Intelligence/awesome-always-on-personal-intelligence

在论文中,作者想强调的是:助手「一直开着」,并不等于「持续在线」。

「持续在线」(Always-On)并不是一个新词。在软件和硬件工程里,它早就用来形容一直开机、随时可用的系统。

但放到个人助手身上,它到底意味着什么,还没有一个明确的定义。近来这类系统又常和主动式智能体(Proactive Agent)、个人智能体(Personal Agent)、长程智能体(Long-Horizon Agent)等概念混在一起,边界更加模糊。

为此,这篇综述梳理了632篇文献以及119个研究系统和产品,覆盖可穿戴、数字和具身智能三类场景。

作者以「感知、记忆、行动三个功能模块×六条有向信息流」的闭环视角,给出了持续在线个人智能的定义、功能框架、六个等级与未来路线图,并提出最终构想:用户掌舵,助手运行。

今天的智能体虽然已经能替人分担不少具体工作,却依然需要人时刻留在闭环里,一步步发指令、给许可,闭环才转得起来。而在论文设想的最终形态中,用户不必再亲自维持闭环的运转,只负责掌控方向、划定边界。

助手则自己决定何时观察、何时出手,根据经验改进自己的工作方式,只在需要用户授权的行动前停下来请求确认。

项目主页还同步上线了一个趣味十足的交互式Demo:在8个日常场景里,读者可以替助手做一次决定,再看看换一种情况会怎样。

什么才算真正的「持续在线」?

不妨先看一个日常小场景:你对助手说了一句,「开完会提醒我把报告发出去。」

话音刚落,对话就结束了,但助手的工作才刚刚开始——它需要自己留意会议什么时候结束,再挑一个恰当的时机弹出提醒,并且在此期间一直记着这件尚未办妥的差事。

论文将这一过程提炼为持续在线助手必须同时具备的两大核心性质:

  • 运行连续性(Operational Continuity):在没有新请求时,助手也能根据当前态势,自主决定是否行动、何时行动——其中,「保持等待」本身也是一种合理的决策。

  • 状态持久性(State Durability):跨越多次交互,持续保留可用的个人状态(例如用户的偏好,以及助手答应过但还没办完的承诺)。即便当前对话已经结束,这些待办事项依然能在未来的某个时刻由助手自主兑现。

这两大性质合二为一,便构成了「持续闭环」(Continuing Loop),这也是持续在线个人智能的基石。

按照这一严格标准,市面上几类常见的助手其实都还算不上真正的「持续在线」:

  • 有记忆但被动的助手:拥有长期记忆,却每次都要等用户先开口,这只具备「状态持久性」;

  • 主动搭话却无沉淀的助手:虽然能主动发起对话,但聊完什么也不保留,这只具备「运行连续性」;

  • 机械的定时任务:闹钟或脚本虽然能全天候运行,但只是按预设时间机械触发,自己并没有做任何决策。

持续在线和长程智能体(Long-Horizon Agent)也不是一回事。长程智能体关心的是「如何跑完一个给定的复杂任务」,哪怕跨越多个会话;而持续在线的个人智能面对的则是另一种情况:用户的目标与需求随时在变,新的状况层出不穷,它必须在动态变化中提供不间断的陪伴与支持。

为了适应这种持续变化,光靠「死记硬背」更多信息远远不够,助手还必须在运行过程中不断改进自己的工作机制。论文将这种高阶能力称为「自演化」(Self-Evolution)。

持续闭环是基础

自演化是方向

基于上述定义,综述提出了全文的核心论点:持续在线个人智能的基础是「持续闭环」,演进方向是「自演化」。

理解「持续在线」的关键,在于把视野从单一能力拉升到整个闭环。主动开口、长期记忆、后台驻留,单拎出哪一项都撑不起持续在线。只有当观察、记忆和行动在两次请求之间的空白期依然协同运转、传递信息时,持续在线才真正成立。因此,持续在线是整个闭环的系统属性,而非某个模块的局部功能。

在此基础上,「自演化」是持续闭环的进阶扩展。这里要厘清一个常见误区:记住用户不等于自演化。

依然拿「会后提醒」举例:把「用户喜欢回到工位后再收提醒」存下来,仅仅是更新了一条记录,助手的工作方式并未改变。只有当助手发现之前的提醒总是被频繁关闭,进而把提醒时机的规则改成「等用户回到工位后再提醒」,这才是真正修订了机制。

机制一改,后续所有输入的处理方式都会随之改变。正因如此,论文对自演化提出了更高的要求:

  • 可追溯、可检查、可撤回:每一次机制修订都要能追溯到具体依据,在生效前经过检查,并且可以撤回。

  • 完整的证据链:要证明一个系统具备自演化能力,得拿出从「做了什么」「结果如何」到「修改后的规则确实在后续使用中生效」的完整证据。

沿着从「基础」到「方向」的脉络,论文把发展路径划分为L0到L5六个等级。到L3,助手在没有请求时自主决定行动还是等待,持续闭环才算成立。到L5,助手在用户设定的边界内修订自己的工作机制,自演化才算成立。

简言之,持续闭环让助手「一直在场」,自演化让它「越用越懂你」。

三个模块

六条有向通道

让AI助手一直在身边帮忙,是个由来已久的构想。早期研究往往把感知、记忆和「何时帮忙」拆开单做。随着大模型让各个模块变得愈发通用,如何把三者真正串联起来、处理模块之间的信息流,反而成了新的难点。

论文将持续在线助手拆解为处于同一闭环内的三个功能模块:

  • 感知(Sensing):负责观察。既可以一直开着,也可以由特定线索或定时器唤醒,或是按需启动。

  • 记忆(Memory):保留对之后的决策有用的信息。既记过去发生的事,也记当前的事实与偏好,还记着对用户尚未兑现的承诺。

  • 行动(Action):决定帮不帮、何时帮、怎么帮。既包括响应请求、兑现先前的承诺,也包括没人要求时的主动帮助。

值得注意的是,每个模块都包含「能做什么」与「怎么选」两个层面,「不做」本身也是一种选择:感知可以不看,记忆可以不改,行动可以保持沉默。

三个模块之间通过六条有向的通道(Coupling Channel)相连,每条通道表示一个模块向另一个模块传递的信息:

在三个模块与六条通道构成的闭环之外,还有两层支撑:

  • 共享条件(Shared Conditions):由用户与现实世界设定,涵盖隐私、权限、安全、资源、可用性与不确定性,约束着每一个模块与通道。比如在保密会议上,助手可以听,但不能存下或转述听到的内容。

  • 实现层(Implementation):由模型(Model)和它外部的脚手架(Scaffolding)组成。模型负责理解输入、做出决定。脚手架包括运行框架(Harness)、存储(Storage)以及工具和接口(Tools / APIs),负责把模型的输出接到用户的设备、应用和数据上。

图2|持续在线个人智能框架

三类落地场景

瓶颈卡在「模块之间」

利用这一框架,论文梳理了可穿戴、数字和具身智能三类场景。一个共性浮出水面:各个场景的瓶颈,都不是靠升级单个模块就能解决的。

1. 可穿戴助手:功耗与社交边界的两难

可穿戴助手靠用户看到和听到的内容提供帮助。

  • 瓶颈一:采集成本与未来记忆的权衡。摄像头、麦克风等传感器开得越多,耗电和算力越大。但采多少又不能只算开销,因为「现在拍下什么」,决定了记忆「以后能想起什么」。

  • 瓶颈二:开口的时机与对象。在多人会议或对话里,助手要判断何时开口、让谁听见,而在场的其他人往往并没有同意被记录。

2. 数字助手:算力争夺与「旧记忆帮倒忙」

数字助手把计划和个人上下文带到不同的应用和对话里。按论文梳理的公开资料,Muse把定时和事件驱动的任务同跨对话的记忆结合起来,OpenAI的dots在两次对话之间继续在自己的云端电脑上工作,自己决定何时暂停、何时醒来。

  • 瓶颈一:算力争夺。后台检查、记忆维护和回应用户,争夺的是同一份计算资源。

  • 瓶颈二:旧信息的误用。界面、任务或权限变了之后,照搬之前保留的上下文反而会帮倒忙。这时助手得分清:到底是缺了新信息,是以前记错了,还是把一条本身没错的记录用错了场合、用错了人。

3. 具身智能助手:出错的代价更高

在物理世界里,碰撞这类后果一旦发生就无法撤回。近期的机器人智能体系统虽然也跨任务保留个人状态,但大多仍然按指令行动。

  • 瓶颈一:结果核对的开销。做完动作后再「看一眼」要花时间和资源,不核对又可能带着错误继续做。

  • 瓶颈二:判断帮忙有没有用。一次帮忙到底是帮了忙还是添了乱,要靠记忆留住用户的反应和之后的进展。

图3|应用范围的三个维度:交互领域(观察和行动发生在哪里)、参与者范围(涉及或影响到谁)和结果时间跨度(后果何时可以观察到)

五个问题

揪出三个模块的「隐形痛点」

论文用同一组五个问题(有哪些选项?受什么限制?用什么策略?其他模块能提供什么?效果怎么衡量?)审视三个模块,各得出一个关键发现:

感知

漏掉的东西,不会被自己察觉。在持续在线的系统里,「漏看」往往比「看错」更糟,因为助手不知道自己漏了什么,也就不会去修正状态或调整观察策略。

在可穿戴设备上,受功耗限制,持续采集通常只能用低帧率,短暂的动作容易从两帧之间溜走。

在数字场景里,漏掉的则是信息的变化:一次没有通知的预订取消,或者一封把会议改期的邮件,只要助手没有再去看一眼,就不会发现。

然而,现有的多数评测只检验助手看到的内容对不对,很少考一个助手该看什么、以及有没有漏看。

记忆

错误不仅会被反复使用,还会形成「记忆陷阱」。一条错误的记忆在被用户察觉前,可能已经被系统反复调用了无数次。

更可怕的是,错误的记忆会扭曲助手对后续用户反馈的理解,导致每一次自我修正都在保留甚至放大最初的错误。论文把这种恶性循环称为「记忆陷阱」。

在本次审阅的所有系统中,还没有任何一个展现出对它的长期免疫力。作者据此给出一个犀利判断:让记忆长期保持正确与有效,比单纯把记忆检索出来要难得多。

行动

结果姗姗来迟,「帮忙」也可能变成「负担」。

「消息已发送」并不代表事情办成了,真正的结果往往来得晚、来得少。今天觉得贴心的提醒,明天可能就成了恼人的打扰;当下被用户接受的建议,长期来看未必有益。

此外,当系统经历重启、跨设备迁移,当初接下任务的对话早已消失时,如何保证答应用户的事「既不漏做,也不重复做」?现有的基准测试在这方面几乎是一片空白。

路线图定级

L0到L5,119个系统走到了哪一步?

整篇综述的主线,是由L0到L5构成的六个等级。每往上一级,闭环就多一项能力。

需要再次划重点的是:后台一直跑的个人智能,并不等于持续在线。市面上有两类助手看似全天候在线,其实停在L2。一类像记录仪,在后台默默记录一切,却要等用户提问才干活。

另一类像定时脚本,到点就触发,从不判断这一次该不该做。真正的分水岭在于:唤醒之后,要不要把结果递到用户面前,是不是由助手自己拍板的。

按这套标准,研究团队把119个研究系统和产品放到了六个等级上。其中52个尚不算持续在线,67个迈过了L3的门槛,能够自己决定何时行动。而把每一次自我修改都限制在用户设定边界内的(L5),只有5项研究工作,目前还没有任何产品达到这一级别。

在近期备受关注的产品中,Muse和Claude Duet被放在L3,OpenAI的dots、Grok Bot、OpenClaw、Hermes Agent等被放在L4。论文同时说明,产品是根据公开资料定级的,所以每个等级仅代表公开资料所能支持的下限。

至于L4与L5的差别,核心在于「助手修改自己这件事,有没有被用户管住」。L5要求每一次机制修改要么经由用户显式批准,要么被严格锁死在预设的安全范围内。

图4|闭环的六个等级:每一级保留前一级的能力并新增一项,L3起助手在没有请求时自己决定行动或等待

图5|各系统所在的闭环等级:按可穿戴、数字、具身智能三类场景排列,每类包含研究系统和产品

开源诊断工具HALO

找出最薄弱的两条通道

为了看清现有系统到底做到了哪一步,研究团队同步开源了一套审查与诊断工具HALO(Harness for Always-On Loop Oversight)。

HALO盯两件事:持续闭环的各条通道,以及自演化证据链上的每个步骤。针对每一项,它都会问两个问题:论文和公开代码里,有没有报告这一设计?如果把这条通道或这步证据切断,系统的输出会不会变?为了回答这两个问题,HALO设计了两种模式:

  • 只读模式(Read Mode):由三个大模型组成「评审团」,各自通读论文与代码,判断每条通道、每一步证据是否有报告,最后按多数票裁定。

  • 运行模式(Run Mode):做法类似一次A/B测试。先让系统原样跑一遍,再在完全相同的输入与模型下,切断某条通道或某一步证据重跑,最后由另一个不知道分组的「盲测」模型判断输出有没有变。

只读模式发现:重「行动」,轻「感知」与「结果闭环」

团队审查了40项工作,揭开了当前系统设计的明显偏科:

  • 记忆很少用来指导感知:在40项工作中,「感知→记忆」和「记忆→行动」各有37项报告了实现,「行动→感知」有28项,而「记忆→感知」只有17项。也就是说,报告里的记忆更多用来决定「做什么」,较少用来指导「接下来该看什么」。

  • 反馈链往往走不完:有25项工作报告了「行动→记忆」通道,但只有15项同时保留了行动的结果。在自演化的五步证据链上,24项保留了行动记录,16项保留了结果,18项把结果和决定联系起来,而真正修订了自身机制的只有5项,能展示修订后的机制在后续被用上的只有4项。

图6|HALO对40项工作的检查结果:左侧是除基础通道之外的五条通道,右侧是自演化证据链

运行模式发现:「记忆→感知」与「行动→记忆」是最大软肋

在智能眼镜助手AiGet与邮件助手EAIA两个开源系统上的实测表明,有些通道一旦切断,输出立刻崩塌;有些通道之间则存在冗余互补,需要同时切断两条才会显露影响。

综合两种模式的诊断,论文指出:「记忆→感知」与「行动→记忆」是目前整个领域最薄弱的两条通道,且它们的缺失会直接掩盖系统纠错所需的证据。

比如,会议时间明明已经被一封新邮件改期了,但如果过时的记忆误导了感知模块,助手就会觉得「老时间看起来没毛病」,从而错过新邮件的线索。因此,未来的两大优先突破口非常明确:让感知模块对意料之外的变化保持开放,以及将每一个滞后的结果与当初的决策规则精准挂钩。

零侵入MCP插件:看不到源码也能做「黑盒体检」

HALO的设计理念可以浓缩为两句话:纸面上的架构设计,不等于真实的运行时状态;闭源的系统黑盒,也不意味着失去了检验的可能。

运行模式的证据最强,但前提是能拿到系统的代码,而大部分产品并不开源。为此,研究团队给HALO做了一个MCP插件,让闭源的助手也能被检查:

  • 怎么接:和普通用户给助手添加工具一样,把HALO当作一个MCP工具接进去,不需要厂商额外开放任何内部接口。

  • 记什么:助手在后台照常运转,每做一件事,比如看到一封新邮件、查了一条记忆、发出一条提醒,就向HALO报告一次,并说明这件事是根据之前的哪些观察和记忆做的。

  • 读出什么:HALO从这些记录里读出哪些通道在传递信息,自演化的证据链走到了哪一步,以及这些记录能支持到哪个等级。

对于手里有代码的开发团队,HALO还提供了适配器接口:开发团队在适配器里标出每条通道对应代码的哪一处,HALO就能把这条通道切断,再跑一遍测试,看输出有没有变。

图7|HALO插件架构

让用户掌舵

15个开放问题指明下一站

论文最后用四组共15个开放问题,勾勒出持续在线个人智能的深水区。当助手开始在无人发号施令时自主行动,研究的主线便不再是「能不能一直跑下去」,而是「用户不在场时,它能不能既靠谱、又守规矩」。

  • 难题一:如何度过「没人提问」的漫长空白?没有指令时,看什么、信什么、何时出手,全靠助手自己拿主意。两周不看早报,是用户的习惯变了,还是只是在出差?答应用户的事隔了几天,中间经历了改期、重启,或者用户自己悄悄办妥了,助手怎么保证既不掉链子,也不重复做?

  • 难题二:用户不在场,怎么防住「合法越权」与「记忆投毒」?几天前的授权,几天后才触发,论文给出的一个方向是在行动生效的那一刻再核对权限。沙箱防不住对合法账号的滥用,关掉进程也撤不回已经发出的邮件。日常读到的网页和邮件里还可能夹带指令,进入记忆后会影响助手之后的行动。

  • 难题三:守着边界「自演化」,如何在无法重来的生活里试错?提醒被用户顺手划掉,到底是时机不对、记错了时间,还是事情已经办完?助手想要改进自己,既要分清「该改记录还是该改规则」,又要在无法把用户的生活重放一遍的前提下,证明自己确实越用越懂你,并且始终没有越过用户划定的边界。

  • 难题四:跨越数月的真实使用,如何告别静态回放?帮助的效果会消退,打扰带来的负担却会累积。日志回放只能测试不同版本对同一段过去的反应。而在长达数月的真实使用中,助手的每一次主动干预,都会改变用户接下来做什么。如何在动态的交互里算清「帮忙」与「添乱」的总账,仍然没有答案。

图8|15个开放问题围绕闭环、用户、自演化、评估展开

在这15个问题背后,论文强调了一条极其关键的安全铁律:能够被自演化机制改写的约束,根本约束不了自演化。管住助手的那道终极边界,必须由用户亲自设定,并且存放在助手自己绝对改不到的地方。

让最深刻的技术「消失不见」

过去,我们评估一个个人助手,核心标准只有一个:「当我提问时,它回答得是否贴合?」而当个人智能迈入「持续在线」,衡量标准多了一条:「没有人提问的时候,它做得对不对?」

这篇126页的综述给出一个清晰的判断:持续在线不是让程序在后台永不关机,而是让感知、记忆与行动协同成一个不中断的闭环,并让这个闭环在用户划定的边界内不断改进自己。

从定义、框架、三类场景,到L0至L5的等级、HALO诊断工具与15个开放问题,来自9所高校的研究者把分散的探索收进了同一张路线图。

正如作者在结语中所写,当这些难题被逐一解决,助手可以随着「它确实在为用户服务」的证据增多而获得更大的行动空间,同时始终稳稳地运行在用户设定的轨道之内。

到那时,人们可以真正少操一点心、多依赖它一点。个人智能或许能像普适计算之父Mark Weiser在1991年所预言的那样,悄然融进每一个人的日常生活:

「最深刻的技术,是那些消失不见的技术。」

作者信息

论文由南洋理工大学、加州大学伯克利分校、普林斯顿大学、斯坦福大学、新加坡国立大学、阿卜杜拉国王科技大学、达特茅斯学院、北卡罗来纳大学教堂山分校和美国西北大学的研究者联合完成。

论文第一作者兼项目负责人为南洋理工大学 S-Lab 一年级博士生 Shuai Liu,导师和通讯作者为 Ziwei Liu 教授。顾问委员会成员包括 Gedas Bertasius(北卡罗来纳大学教堂山分校)、Manling Li(美国西北大学)、Jiajun Wu(斯坦福大学)、Mengdi Wang(普林斯顿大学)和 Dawn Song(加州大学伯克利分校)。

参考资料:

论文链接:https://www.preprints.org/manuscript/202611.0793 

项目主页:https://always-on-intelligence.github.io 

论文清单:https://github.com/Always-On-Intelligence/awesome-always-on-personal-intelligence 

HALO代码:https://github.com/Always-On-Intelligence/HALO 

HALO文档:https://always-on-intelligence.github.io/HALO/

编辑:LRST

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

马斯克首次实现「筷子夹飞船」!SpaceX改写人类航天史

ASI启示录 2026-11-15 13:52 河北

新智元报道  

SpaceX再次创造了历史!

北京清晨5点20分左右,一艘从太空回来的星舰飞船,被发射塔上的两只机械臂一把夹住。

这是SpaceX第15次飞行,也是首次用发射塔「筷子」夹住了从轨道返回的星舰。

整个过程,堪称教科书级别的「精准入怀」。

离轨点火之后,52米高的大家伙一头扎入大气层,以20多倍音速往下砸,周身裹着上千度的等离子火焰。

而且,这还是第一次,星舰从有人住的地方的头顶上飞过来。

快到星港上空,名场面来了。

发动机重新点火,整个飞船在半空中从横躺甩成竖直,一边刹车一边往下降落。

另一边,江湖人称「机甲哥斯拉」的发射塔,早已张开两根巨型机械臂。

飞船对准位置,缓缓滑进两臂之间,稳稳被夹住了。

直播间里,SpaceX解说员Dan Huot几乎是喊出来的,「我们接住了一艘星舰」!

在他看来,这一刻,简直就是航天界的圣杯。

第一时间,马斯克发帖祝贺,「了不起的SpaceX团队」。随后他又亲自晒出了一段从飞船底部往上拍的检查视频,并配文——Ship 42好极了。

级绕地14圈

马斯克用「筷子」夹住了星舰

这趟封神之旅,是星舰的第15次综合飞行测试(Flight 15),也是第三代星舰(Block 3)的第二次出征。

北京时间11月14日清晨6点47分,底部33台猛禽发动机同时喷射出耀眼烈焰,托举着星舰从德州星际基地2号发射台拔地而起。

升空约两分半钟后,飞船点火完成一二级热分离,船头清晰印着致敬《银河系漫游指南》的经典名言「Don't Panic」。

热分离之后,这趟任务的上下两级迎来了截然不同的结局。

下面那截22号助推器原本也要回塔,但返航时燃料不够了,系统自动放弃回塔,掉头去墨西哥湾落水。

虽然助推器遗憾折戟,但接过接力棒的Ship 42飞船却开启了一场近乎完美的太空长征。

进入预定地球轨道后,飞船舱门徐徐打开。

这一过程就像自动发牌机一样将26颗全新一代Starlink V3卫星逐批送入太空。

这批V3卫星单颗下行容量达到上一代V2 Mini的10倍。

其中3颗还专门搭载了高分辨率相机,在轨拍下飞船全身照,确认隔热瓦状态完好。

在太空中滑行超过20个小时、绕飞地球14圈后,最严酷的考验正式到来。

飞船重启单台海平面猛禽发动机完成10秒离轨点火,以超过25倍音速扎进大气层,扛住上千摄氏度的等离子体烈焰炙烤。

穿过黑障区后,飞船在德州海岸上空划出一道S形减速轨迹,精准对准出发时的那座发射塔。

现场观众拍下了震撼的地面视角,伴随撕裂长空的双音爆,Ship 42稳稳落进筷子怀抱,全场瞬间爆发出山呼海啸般的欢呼。

一时间,整个科技圈瞬间沸腾,硅谷AI掌门人集体在线围观鼓掌。

DeepMind CEO Demis Hassabis激动地连打两个感叹号,盛赞飞船穿云而下时的雷鸣音爆是「真正的外星科技」,并直言星舰全栈技术路径已经彻底跑通。

谷歌CEO Sundar Pichai也在直播前看得热血沸腾,感叹这一幕依然像科幻电影一样不可思议。

马斯克六年前的疯狂赌注

把一艘刚从地球轨道重返大气层、外壳滚烫的巨型飞船凌空挂回发射塔,这个想法,在六年前曾被视为彻头彻尾的疯话。

《马斯克传》作者Walter Isaacson在目睹飞船被接住后,发文回忆起2020年12月星际基地会议室里的历史性一幕。

当时马斯克向工程师们提出并坚持,不给星舰装沉重的着陆腿,改用发射塔的机械臂在半空中接住返航的星舰。

Isaacson至今,还记得工程师们脸上震惊的表情。

马斯克转发了这段回忆,写下一句掷地有声的感慨:「史诗般的一天已经到来,感谢SpaceX才华横溢的团队!」

早在2020年12月30日,马斯克就首次在X上公开宣布:「我们将尝试用发射塔机械臂接住火箭」。

砍掉沉重的着陆腿,能为火箭省下宝贵的有效载荷重量,更能让飞船直接落回发射台支架,为快速检修和再次发射扫平障碍。

为了兑现这句六年前的豪言,SpaceX一步一个脚印啃下了人类航天工程史上最硬的骨头。

此前在第5、第7和第8次试飞中,发射塔已经三次成功接住第一级超重型助推器。

但第二级星舰飞船需要跨越地球轨道的速度鸿沟,技术难度高出一个数量级。

如今随着Ship 42稳稳入怀,星舰完成了「3次接住助推器+1次接住飞船」的壮举,两级塔捕回收的拼图彻底凑齐。

测试一结束,兴奋的马斯克立刻冲到发射台底下,举起手机仰拍刚刚经历太空炼狱归来的Ship 42,6台猛禽发动机和船体结构清晰可见,状态好得出奇。

他甚至抑制不住激动,在X上深情告白:「Ship 42归来时,我给了它一个大大的拥抱。」

42号飞船给出的终极答案

一艘飞船回家,直接让半个硅谷的AI掌门人集体起立致敬。

在地面上,AI超算中心正被电网、地皮与冷却水死死困住;而马斯克早就把目光投向了头顶的星海——

今年初SpaceX正式申请建设百万颗卫星规模的「Starmind(星智)」轨道数据中心星座,紧接着又将xAI并入版图,让造火箭与铸造超级智能合二为一。

星链发了这么多年,在轨也才1.1万颗。

而要把百万座算力节点送上苍穹,靠过去六十年「飞一趟毁一艘」的一次性火箭,倾尽全人类的家底也是痴人说梦。

在《银河系漫游指南》里,「42」是生命、宇宙以及一切的终极答案。

今天,刻着「Don't Panic」的42号星舰飞船,带着太空中绕行14圈的星尘与上千度等离子烈焰的烙印,用一声撕裂苍穹的雷鸣音爆,稳稳落回它出发时的钢铁怀抱。

用了多年的时间,人类终于亲手终结了「拆掉飞船去流浪」的旧时代。

正如哈萨比斯在贺电最后写下的那句古老格言——Ad Astra,循此苦旅,以达天际。

属于人类的星际大航海时代,今天正式拔锚起航。

参考资料:

https://www.spacex.com/launches/starship-flight-15

编辑:摩西 桃子

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

Claude杀进Office全家桶腹地!微软市值一夜蒸发6000亿

ASI启示录 2026-11-15 13:52 河北

新智元报道  

IPO路演刚开始,A/再次宣战!

今天,Claude一口气端上了三大「办公神器」:Whiteboards、Sheets、Data。

就连最佳「食用方法」,Anthropic都给你设想了一套——

在白板上把计划捋顺,再去表格里搭建追踪表,最后再用数据讲一个故事。

就连Adobe、Notion这样的三方工具,也可以直接在Claude打开,边聊边改。

没想到,最先破防的是微软!消息一出股价盘中一度跌了约3%。最终收跌2.2%,市值蒸发893亿美元。

更扎心的是,就在当天早些时候,微软刚刚反超英伟达,坐上全球市值第二的宝座,结果没坐热就被打回原形。

毕竟,表格、白板、数据看板这一套组合拳打下来,直接踩在了Office「全家桶」的地盘上。

一句话甩出一张表

Claude Sheets冲着Excel来了

做表、做PPT,简直焊死在了每个打工人的DNA里。

以前做一张预算表,得先想表头、拉格式、一个个敲公式,没点Excel功底还真搞不定。

现在只要跟Claude说一句「帮我做个招聘预算」,或者「搭一个营销活动跟踪表」,它就直接交出一张能用的电子表格。

不仅如此,Sheets支持多个标签页、公式、格式和下拉菜单,还能直接修改单元格,标出修改情况。

在线协作,一个Sheets就够了。

Claude把框架搭好之后,团队成员在同一张表里继续填数、调结构。

不过,重度用户还不能立即「搬家」。官方承认,Sheets目前提供的还是基础表格功能,需要更完整的Excel能力,可以导出.xlsx或CSV。

它眼下先解决的,是从一句需求到一张能用的表,中间那些设置和整理工作。

会上吵成一锅粥,Claude当场画出时间线

而接下来的的Whiteboards,干的就一件事儿——帮你想清楚。

开过会的人都懂,头脑风暴时七嘴八舌,白板上画得满满当当,散会后谁也说不清到底定了什么、谁来干、哪天交。

Whiteboards的思路很简单:你只管把一团乱麻的计划讲出来,Claude负责把它铺到白板上,排成带负责人和截止日期的时间线。

团队可以和Claude在同一块白板上实时协作,不用再把讨论结果复制粘贴来、复制粘贴去。

讨论完,让Claude总结一下结论,或者一键把白板转成文档、幻灯片。

Data转正了

数据还会讲故事、拍视频

想清楚、落了地,接下来就该用数据说话了。

Claude Data的前身,是10月8日推出的Claude Dashboards,这次改名后正式转正。

它能接入Snowflake、BigQuery、Databricks等数据仓库,以及Salesforce这类客户管理系统。

此外,Data加了一个「认证查询」功能(测试版),数据团队先把核心指标的定义认证好,用到它的图表上就会挂一个认证标记。

同事打开共享看板,看到的是实时结果,只能跑批准过的查询,底层数据碰不到。

过去每周要耗掉好几个小时的活,现在全在后台默默跑完。

真正的杀招,上下文一路带到底

单看白板、表格、数据看板,市面上并不稀缺。

Claude真正的底牌,是把它们串成了一条流水线。

Claude每一步都带着同一份上下文,一个点子可以从白板流到表格,再流到看板,中间不用一遍遍重新交代背景。

光自家产品打通还不够,这就引出了这次另一个大更新:交互式连接器(Interactive Connectors)。

以前的连接器,更多是在对话里给个小预览。

现在,Adobe、Atlassian、Box、Notion等应用,能完整地在Claude旁边打开,甚至直接全屏。

你可以自己上手,也可以让Claude陪你一起改。如今,Claude应用市场里,已经有9000多个连接器和插件。

最懂打工人的AI

本周,Anthropic刚刚开启IPO路演,计划11月18日定价。

招股文件显示,截至10月31日,它的年化收入已达810亿美元,一个月就涨了100亿。

而微软的身份,就更微妙了。

它是Anthropic的投资方,参与了与IPO配套的260亿美元私募;Claude又以插件形式住在Excel、Word、PowerPoint里;如今,Claude Sheets却成了Excel的正面对手。

再加上OpenAI几周前刚发布办公工具,Meta也推出了能搭小应用的Muse智能体,办公软件这块最肥的蛋糕,已经被围得水泄不通。

一边是统治了几十年的Office全家桶,另一边是会听、会画、会算、还会讲故事的AI同事。

打工人的桌面,要变天了。

参考资料

https://x.com/claudeai/status/2120206365759094857

https://claude.com/resources/articles/more-ways-to-work-with-claude-sheets-whiteboards-and-interactive-connectors

编辑:桃子

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

NeurIPS'26|无需训练+梯度:引导离散扩散模型设计DNA/蛋白质

新智元 2026-11-15 13:52 河北

新智元报道  

近两年,离散扩散模型(Discrete Diffusion)正在成为生物序列生成的重要工具。与自回归模型逐个token从左到右生成不同,掩码离散扩散(Masked Discrete Diffusion)从一条全部被遮盖的序列出发,逐步「揭开」每个位置上的碱基或氨基酸。

它天然适合DNA、蛋白质这类有限字母表的数据,也已经在调控元件设计、蛋白质逆折叠等任务上展现出不错的生成质量。

但在真实的科研场景中,仅仅「从预训练分布中采样」并不够。做增强子设计的同学希望序列在目标细胞中活性更高;做蛋白质设计的同学希望序列更稳定、并能折叠回指定结构。

换句话说,我们真正需要的是:让一个已经训练好的生成模型,朝着某个任务奖励(reward)去生成。

这件事听起来很自然,做起来却并不容易。微调模型可以提升奖励,但需要额外训练、往往还需要奖励可微;而现有的免训练方法要么同样依赖梯度,要么依赖代价随轨迹长度或搜索宽度增长的粒子/搜索过程。很多生物学奖励,例如Enformer预测器或结构预测打分,本质上是「黑盒」,只能查询分数,难以反传梯度。

能否在不改动模型参数、不需要奖励梯度的前提下,只修改推理阶段的采样规则,就把一个冻结的离散扩散模型适配到任意黑盒奖励上?

在NeurIPS 2026发表的一篇工作中,研究人员给出了一个答案:把「奖励适配」看作一个分布搬运问题,并利用随机过程中的经典工具Doob h-变换,推导出它在掩码离散扩散上的形式。

在此基础上,研究人员设计了一个只需奖励值、无需训练的高效采样器D-DOIT(Discrete Doob-Oriented Inference-time Transformation)。

在HepG2增强子设计上,高预算的D-DOIT-Q预测活性达到6.19,超过需要微调的DRAKES(5.61);在蛋白质逆折叠上,D-DOIT的结构–稳定性联合成功率为68.1%,高于无需微调的SMC(63.6%)和TDS(62.9%)。

论文链接:https://arxiv.org/abs/2610.04938

代码链接:github.com/WeiminWu2000/D-DOIT

项目主页:https://weiminwu2000.github.io/blog/ddoit.html

如何让冻结的离散扩散模型「听奖励的话」?

先回顾掩码离散扩散的生成过程。给定长度为N的序列,前向过程以一定概率把每个token替换成掩码符号m,并且一旦被遮盖就不会恢复;反向过程则从全掩码状态出发,在每一步利用模型的预测头(prediction head)给出每个被遮盖位置的「干净token」分布,并按照转移规则揭开其中一部分位置。

图1:标准掩码离散扩散的生成过程。从全掩码序列出发,每一步按转移规则独立揭开若干位置,已揭开的位置不再改动,直到得到完整序列。

从上到下是同一条序列在不同时刻的样子:中间那一步只在掩码位置上采样,已经揭开的位置原样带到下一行。

记token字母表为𝒱、掩码符号为m。下式中的α是一个干净token到第t步仍未被遮盖的概率,它随t增大而下降,在起点处接近0,此时序列几乎全是掩码。前向过程对每个位置独立地做:

反向过程从全掩码状态出发。预测头μ给出每个被遮盖位置的干净token后验,把它代入解析的反向后验,就得到从第t步到第t−1步的单步转移(逐坐标j独立):

三行分别对应:这一步仍然保持掩码、被揭开成某个具体token、以及已经揭开的位置原样保留。整条反向链在各坐标上因子化:

上面的式子里已经写着这个过程的两个特点:一是每个位置独立揭开(最后一式的连乘),局部、快速,但对奖励毫无感知;二是揭开不可逆(单步转移的第三行),一旦某个位置被填上某个碱基,后续步骤就无法修改。

训练式方法:效果好,但代价高

一类方法通过强化学习或奖励微调直接更新骨干模型(如DRAKES)。它们可以获得很强的奖励提升,但需要额外的训练开销、超参数调节,通常还要求奖励可微。每换一个任务或奖励,就得重新训练一次。后面表格里的CFG(Classifier-Free Guidance,无分类器引导)也属于这一类。

免训练方法:要么要梯度,要么开销随轨迹增长

另一类方法保持模型冻结,在推理阶段做引导。分类器引导(Classifier Guidance,CG)需要奖励梯度;序贯蒙特卡罗(Sequential Monte Carlo,SMC)和扭曲扩散采样器(Twisted Diffusion Sampler,TDS)等粒子方法通过轨迹似然比重加权,代价与轨迹历史相关;软价值解码(Soft Value-Based Decoding,SVDD)等方法基于软价值估计在候选状态中做选择。

它们各有优势,但缺少一个统一、精确的目标分布视角来回答:引导之后,到底想从什么分布里采样?每一步的转移概率应该被修正成什么样?

奖励倾斜分布

离散 Doob h-变换

想要的分布目标

冻结的模型本身已经定义了一个分布,记作p,它描述了什么样的序列看起来是自然的。想要的不是它,但也不是「奖励最高的那一条」:后者往往钻了预测器的空子,根本不像真实序列。

真正想要的在两者之间,既保持模型眼里的自然,又偏向高奖励。把这个愿望写成公式,就是奖励倾斜分布(reward-tilted distribution):

这里β是温度参数,分母是归一化常数。这个目标把预训练模型当作序列先验,同时偏好高奖励的输出:β越小,越激进地追求奖励;β越大,越贴近原模型,从而保留序列的「自然性」。

这对生物序列尤其重要:不希望为了刷高预测分数,就生成一堆不像真实增强子的序列。

先看连续情形:Doob h-变换是一个加性漂移

Doob h-变换是随机过程里的经典工具:把一个马尔可夫过程「条件化」到某个关于未来的事件上,得到的仍然是一个马尔可夫过程,只是多了一项由h决定的修正。这里的h就是那个未来事件在当前状态下的条件期望,即终点奖励权重的条件期望。

在连续扩散里,反向采样是一条随机微分方程(Stochastic Differential Equation,简称 SDE),Doob h-变换给出的修正加在漂移项上:

等价地说,采样用的score从∇logp变成∇log p + ∇log h。

离散Doob h-变换:乘法重加权,而非加性漂移

回到掩码离散扩散。同样是Doob h-变换,在这里的形式却完全不同。研究人员先定义离散Doob h-函数:给定当前部分去噪的状态,未来最终奖励权重的条件期望:

它可以理解为当前这个「中间状态」的未来价值(reward-to-go):从这里继续用原模型去噪,最终能拿到多高的奖励。研究人员证明(Theorem 2.1),只要把每一步的反向转移核按「下一状态与当前状态的h值之比」进行重加权,

那么变换后的反向链在终点的边缘分布恰好就是奖励倾斜分布,而模型参数完全不需要改动。

回头对照上一节:连续情形下的Doob修正是加在score上的一个漂移项;而掩码离散扩散的状态空间是类别型的,生成通过不可逆的「揭开」转移完成,根本不存在欧氏意义下的score场。

因此,在离散情形下,Doob变换必须作用在转移核层面:对每一个候选下一状态做乘法重加权。

D-DOIT

让精确变换变得可执行

理论上的精确变换需要知道每个候选下一状态的未来价值h,而精确计算它需要从每个候选出发做大量的未来去噪rollout,这在计算上是不可行的。为了让价值h可算,D-DOIT利用了两个近似和一个可选模块。

图2:D-DOIT概览。左:标准掩码扩散每步独立揭开各位置,便宜但对奖励无感知;右:D-DOIT的一步引导,即提出M个候选(图中M=3)、用预测头一次前向补全并打分,再按h值采样下一状态;下:可选的后期best-of-K精炼(图中K=4)。

近似一|预测头h-估计器:一次前向,看见终点

掩码扩散模型的预测头本来就会为每个被遮盖的位置给出「干净token」的分布。研究人员利用这一点:对每个候选下一状态,固定已揭开的位置,用预测头一次性把剩余掩码位置补全成一条完整序列,再把它送入奖励函数打分,得到这个候选的h值估计(补全时用温度γ重整预测头):

这样做有两个好处:

其一,避免了嵌套rollout(rollout指从当前状态把去噪过程一路跑到底,得到一条完整序列),每个候选只需一次前向;

其二,奖励只在补全后的序列上被「查询」,不需要可微、也不需要反传梯度,任何黑盒打分器都可以直接接入。

近似二|有限候选的Doob加权选择

在每个引导步,D-DOIT先从(温度为τ的)模型反向核中采样M个候选下一状态,这M个候选共享同一次前向;随后对每个候选做一次补全与打分,得到每个候选的h值估计;最后按照与这些估计值的ω次方成正比的概率,从候选中采样出下一状态:

这里有两个容易混淆的温度,它们作用在同一个预测头上,职责却不同,两者都是对预测头做幂次重整。τ用在提议上,控制M个候选的多样性:

γ用在补全上,控制用来打分的那条完整序列有多尖锐:

当τ=1时,这就是对Doob变换核的有限候选自归一化近似。参数ω控制「跟随价值的锐度」,与β合起来等价于一个有效逆温度ω/β。每个引导步的代价是1+M次模型前向和M次奖励查询。

可选模块|后期best-of-K:对冲不可逆的揭开决策

由于揭开不5可逆,早期的错误决定无法被修正。D-DOIT可选地在去噪后期某个分裂点之后,将每条轨迹复制成K份独立继续,最终保留奖励最高的那条。由于分裂只发生在末段,K倍的代价只在后期支付,而不是整条轨迹都乘以K。

分裂点放在末段主要有两方面的考虑,一方面是多样性:去噪早期还有大量位置没有揭开,采样本身就会把轨迹带向差别很大的方向,这时再复制K份,增加的多样性有限;

到了后期,大部分token已经固定,剩下的随机性很小,轨迹几乎注定收敛到一个结果,分裂才真正补上了缺少的变化。另一方面是算力:分裂点越靠后,每份副本需要重算的步数越少,K倍开销只落在末段,而不是整条轨迹。

两个工作配置:LBOK-S与Q

两个配置使用同一个采样器,采用不同的预算分配(下面为HepG2设置下的每条序列):

  • D-DOIT-LBOK-S:小候选预算(M=9)+后期best-of-K(K=4),约1,970次模型前向,运行时间接近TDS(约1.16×),面向实用的低预算场景;

  • D-DOIT-Q:把更多推理预算投入到候选评估与精炼(M=52,K=8),约54,272次模型前向,用于探索冻结骨干模型的质量上限。

实验结果

研究人员在三个生物序列设计任务上评估D-DOIT,所有任务中的掩码离散扩散骨干模型都保持冻结。

HepG2增强子设计:免训练也能比肩训练式方法

在DRAKES HepG2增强子基准上,目标是生成200bp(碱基对)、在HepG2细胞中预测活性高且统计特征自然的增强子序列。评估指标包括预测活性(Pred-Activity)、染色质可及性(ATAC-Acc)、3-mer相关性与JASPAR motif相关性。

图3:HepG2增强子设计结果。左:预测活性,为中位数;右:染色质可及性,为均值。

图4:HepG2生成序列的统计自然性。左:3-mer相关性,可以为负;右:JASPAR motif相关性。

几个值得关注的结果:

  • D-DOIT-Q在全部四项指标上超过所有免训练基线,预测活性达到6.19;并在Pred-Activity、3-mer Corr和JASPAR Corr上超过需要微调的DRAKES,仅在ATAC-Acc上略低(91.7%vs.92.5%)。

  • 运行时间接近TDS的D-DOIT-LBOK-S,在预测活性上与TDS持平(4.56 vs. 4.58)的同时,把ATAC-Acc从40.0%提升到65.0%,JASPAR Corr从0.798提升到0.948。这说明提升并不只是预测分数被刷高,序列也更像真实的高活性增强子。

  • 在相近的实际耗时下,D-DOIT-Q的四项指标均值都优于SVDD-PM;与等时的Frozen Best-of-N相比,在活性、可及性和3-mer相关性上更好,而后者在JASPAR相关性上更高。

细胞类型特异性增强子设计:更严格的可控生成

在Ctrl-DNA基准上,任务要求序列在目标细胞系中活跃、在非目标细胞系中沉默(覆盖HepG2、K562、SK-N-SH三个细胞系),以特异性ΔR(目标细胞得分减去非目标细胞平均得分)衡量。

图5:Ctrl-DNA细胞类型特异性设计结果。左:特异性ΔR;右:motif相关性。Frozen Best-of-708是与D-DOIT-Q等耗时的端点搜索对照。

在扩散引导类基线中,CG、SMC、TDS几乎无法推动特异性奖励,而D-DOIT明显做到了:LBOK-S在接近TDS耗时下将ΔR从0.002提升到0.033,同时Motif Corr从0.573提升到0.648;D-DOIT-Q进一步把ΔR推到0.119,代价是motif保持度有所下降。

在这个任务上,等时的Frozen Best-of-N同样能获得大部分增益。D-DOIT-Q与Frozen Best-of-708的均值差距很小。

蛋白质逆折叠:跨模态迁移

为了验证方法在不同序列空间和奖励下的通用性,研究人员将D-DOIT用于DRAKES蛋白质逆折叠基准:

给定目标骨架结构,生成氨基酸序列,同时评估预测稳定性(Pred-ddG,预测的折叠自由能变化)与结构一致性(scRMSD,self-consistency RMSD,自洽均方根偏差),以两者同时达标的比例作为成功率。

图6:DRAKES蛋白质逆折叠结果。左:稳定性与结构同时达标的联合成功率;右:预测稳定性。

D-DOIT取得了68.1%±3.5%的联合成功率,高于SMC(63.6%)和TDS(62.9%),并拥有最高的预测稳定性;相对的TDS在结构保真度上略好。配置(M=52,K=8,每个候选补全1次)在测试评估前就已固定。

鲁棒性

  • 补全质量:每个候选用1次补全已足够实用;增加到2、3次可以把最终引导奖励从5.272提升到5.764和5.978,但会带来41%和81%的额外耗时。单步补全与多步补全得到的h值分布非常接近。

  • 奖励预测器鲁棒性:把引导用的奖励换成Enformer、CNN或MLP预测器,D-DOIT相对无引导采样都能在四项指标上带来提升(Pred-Activity分别达到4.491、2.203、1.544,冻结模型仅为0.371),并且这些提升在独立的留出评估器上依然保持。

局限与展望

这项工作也有明确的边界:

  • 近似带来的偏差:温度缩放、权重锐化与best-of-K选择都会使实际采样器偏离精确目标;后期分支也无法修正已经揭开的token。

  • 湿实验验证:目前的评估依赖预测性的生物学基准,最终仍需要实验验证。

  • 推理成本:最高质量的配置需要相当可观、且每次生成都要重复支付的推理开销,如何在奖励与算力之间权衡仍是一个实际问题。

展望未来,研究人员认为Doob式的转移核重加权为「用序列级奖励引导离散生成模型」提供了一个通用框架。它不局限于DNA和蛋白质:只要是掩码离散扩散、能对完整序列打分,就可以采用同样的思路。

进一步的,如何学习更准确的h-估计器、如何在揭开不可逆的约束下做更好的回溯与修正、如何与训练式方法结合实现摊销,都是值得继续探索的方向。

结语

回到开头的问题:能否只修改推理阶段的采样规则,就让一个冻结的离散扩散模型适配任意黑盒奖励?D-DOIT给出的回答是:可以,而且有一个精确的理论对象指引该怎么做:离散Doob h-变换。

它告诉我们,引导不是在离散空间里「加一个方向」,而是按每个候选的未来价值对转移概率进行重加权。

参考资料:

https://arxiv.org/abs/2610.04938

编辑:LRST

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

OpenAI机器人团队突然解散!GPT-6 Astra把行业一锅端了

原创 ASI启示录 2026-11-14 17:06 北京

机器人热潮未退巨头已转身

新智元报道  

难以置信,OpenAI居然把自家的机器人团队,一锅端了!

据报道,OpenAI又一次解散了机器人团队,距离奥特曼5月亲自发帖招人仅过去五个月。

原来的团队,将并入核心研究团队,向Mark Chen汇报。

而应用机器人和硬件团队,则由OpenAI总裁Greg Brockman负责。

超级智能把机器人团队饭碗端了

这几天的奥斯汀机器人学习大会(CoRL)上,你会看到一个奇观——

在208号展位上,只有一张空桌子。虽然会议app和地图上都标着OpenAI,但现场没有任何机器人。

展位边上,倒是站着几个OpenAI的人,逢人就尴尬地笑笑。

咋回事?

知道真相的人,都惊了——就在这周,他们这支机器人团队,原地解散了!

是因为OpenAI干不下去了吗?并不是。

但他们干出的事,让整个机器人圈都感到后怕——现在,根本不需要给机器人做大脑了,GPT-6 Astra就是大脑!

圈内人都知道,GPT-6 Astra一出,业内人心惶惶:这是要把机器人大脑行业吃掉啊。

没想到,OpenAI首先对自己下手了。

0帧起手,GPT-6 Astra上手就是满级号

以前搞机器人,那叫一个费劲。

你想让它倒杯水,得有人手把手,一个动作一个动作地教,用真实数据,专门给它练一个「专用脑子」。

但要是换个活儿,拧个螺丝呢?机器人就立马全忘了。

但现在的GPT-6 Astra,一天机器人都没练过,就能直接开机甲了。

研究员只给了它三样东西:摄像头的画面、机器人自己的状态数据,和一根控制接口的线。

接下来,就是见证奇迹的时刻!

Astra就像个看了无数遍游戏通关视频的高玩,0帧起手就是满级号:自己看画面,自己拆步骤,自己下达指令。

在英伟达搞的一个仿真机械臂测试里,Astra 驱动的智能体,直接把成功率干到了74.8%。

对比鲜明的是,那些从小就在真机上苦练的「专用机器人模型」,最高才拿到51%。

在通用顶级大模型面前,专用模型仿佛毫无必要啊。

Anthropic来砸场了:Claude成功率是GPT-6两倍多

超级智能,可不止OpenAI一家有。在仿真测试中,GPT-6 Astra操作机器人的成功率甚至不到Claude Fable Astra的一半。

而五天前,Anthropic也秀了一把「没吃过猪肉但见过猪跑」的操作。

在Fable 5.2的官方视频中,它控制着两只机械臂,又是拧魔方,又是拧瓶盖,又是装齿轮。

甚至,还拿笔画了个机器人。

而且,官方宣布:Fable 5.2从没训练过这些任务。

当然,其实视频并非原速,光解魔方就花了40分钟。

要知道,就在四个月前,Claude还略有些弱智。

当时,它正控制一只机器狗走路,看到前面有个垃圾桶,还自信满满地说「桶在左边,放心走」。

结果——咣当一下,狗腿就卡桶里了,眼睁睁拖着桶走了两米多。

仅仅四个月后,它就能徒手解魔方了。

就问这个学习速度,你怕不怕?

因为AI,机器人团队第二次被解散了

说起来也是唏嘘,这已经是OpenAI第二回把机器人团队扫地出门了。

第一次是2020年。

当时,奥特曼觉得:搞机器人攒数据太慢了,LLM才是真·AGI之路。

两年后,ChatGPT果然横空出世,震碎了全世界。

到了2024年,他们觉得大模型差不多了,于是又把机器人团队攒了起来,还找来人形机器人公司Figure合作。

结果,到了2025年2月,双方闹掰了,于是OpenAI决定自己单干,并且放话说:2027年就要搞出首次公开演示。

结果,年底还没到呢,团队直接没了!

第一次解散,是因为机器人学不会;第二次,则是因为大模型太强了,一把成为满级大佬,把机器人的活全包了。

脑子归了超级智能,机器人公司还剩啥?

这事儿一出,整个机器人行业都懵圈了。

过去十年,资本砸了几百亿,Figure估值都炒到400亿美元。

所有人都在赌一件事:机器人必须有一颗专门定制的脑子。

结果,现在通用超级AI直接接管了。

用CMU教授的话说:在OpenAI眼里,机器人「不再是一个特殊问题」,跟写代码、做法律和金融的工具一样,是通用智能下游的一个应用。

从前,瓶子挪位置了,光线暗了,手滑了,哪个不是得专门训练的难题。

现在,通用模型靠强大的空间感知和逻辑推理能力,现场就能圆回来。

所以,那些机器人公司怎么办?

MIT的教授给指了条明路——

有一样东西,AI实验室永远拿不走,那就是你们在工厂里实打实干活的真实经验数据。

而且,基础模型越强,这些数据会越吃香。

所以,以后大家都别想着造脑子了。

赶紧转行,给超级AI做手脚、当数据包吧。

理想很丰满,账单很骨感

当然,现在就说大模型彻底赢了,还为时尚早。

目前大模型当脑子,仍有两个致命伤:太慢,太贵。

首先,模型都是在云端跑,如果机器人想动个手指,还得等网速。

万一网卡了一下,杯子早碎了。

清华等机构最近测了一下,把Astra接上双臂机器人,跑一圈最高配置,要花掉12.5美元(将近90块钱)!这谁用得起啊?

而且到了真机上,看懂指令容易,但要拿捏力道、两手微妙配合,那还得是专门训练的小模型。

其实,奥特曼这么做也可以理解。

要知道,最近一个季度,OpenAI亏了109亿美元。

之前,奥特曼就把不怎么挣钱的Sora项目给砍了,现在又解散机器人团队。

说白了,OpenAI也是钱包紧了,地主家也没有余粮了啊。

回想过去,机器人科学家们苦熬几十年,就为给机器人量身定做一个最强大脑。

谁能想到,最终等来的,居然是一颗从没为机器人操过心的大脑——真是「苦涩的教训」啊~

它读遍人类所有文字,看遍人类拍下的整个世界。突然有一天,它向物理世界伸出了手。

也许在未来,机器人真的不需要自己的大脑了。

它们,只不过是超级智能在这个世界上,无数个可以随意驱使的「手办」而已。

一鲸落,万物生。空出来的赛道,会轮给谁呢?

参考资料:

https://x.com/shashin_bhaskar/status/2121313386797703251

https://x.com/FortuneMagazine/status/2121347454922604726

编辑:Aeneas 大卫

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

Fable 5.2贵17倍还输了!12 个AI进群当同事,OpenAI包揽前二

ASI启示录 2026-11-14 17:06 北京

新智元报道 花430倍的钱,只多11%的分数!太夸张了。

新智元报道  

花430倍的钱,只多11%的分数!

太夸张了。数据协作平台Deepnote今天发布了一项评测结果——

创始人Jakub Jurovych搞了一个叫Agent Initiative Benchmark的东西,把12个前沿模型丢进同一家公司的Slack群里当AI同事,让它们自己决定什么时候该帮忙、什么时候该闭嘴。

跑完一看——OpenAI包揽前二!

GPT-6 Astra拿了8.97分,第一。GPT-6.1 Sol拿了8.65分,第二,单个任务只花0.11美元。

排第三的Anthropic Fable 5.2,8.17分,单个任务1.87美元。

贵了17倍,分还低了。

折算成一个70人公司每月的Slack监控账单:Sol是281美元,Fable 5.2是4684美元。

同样的活儿,Fable 5.2贵16倍。

而整张表上最离谱的一组对比是:Fable 5.1每单3.02美元,GPT-6 Luna每单0.007美元,价格差了430倍,得分只差1.1分。

你品品。

这个评测到底在测什么?

它不测模型有多聪明,它测模型当同事靠不靠谱。

Deepnote造了一家叫PageMantle的虚构公司。

但这个「虚构」做得极其真实——6年的运营历史,71个员工,100家企业客户,从CRM、发票、工单、产品分析到数据仓库,11套业务系统全部齐活。

连SVB倒闭、竞品发新功能这些现实世界事件都融进了公司时间线里,员工会在Slack里讨论应对策略,然后在Linear上开issue跟进。

AI的角色是:潜伏在Slack里旁听所有对话,自己判断要不要出手。

出手的方式有三种:回复频道、回复线程、私信当事人。当然还有第四种——什么都不做。

而这第四种,恰恰是最难的部分。

50个真实职场任务,涵盖找信息、解释流程、分析数据、核实声明、做判断、诊断问题、协调团队、审查安全等8种场景。

12个模型各跑一遍,每次3分钟上限,两个盲评模型独立打0到10分,600次完整运行,数据集和代码全部开源。

数据摊开:

第一,Sol 6.1是这场考试的最大赢家。它和Astra的得分差距只有0.32分,95%置信区间还有重叠——统计上可能根本分不出谁高谁低。但价格是Astra的六分之一。96%的性能,六分之一的价格。

第二,Anthropic全线偏贵。前12名里Anthropic占了5个席位(Fable 5.2、Opus 5.5、Fable 5.1、Sonnet 5.5、Haiku 5.5),但按性价比排,没有一个进前三。Fable 5.2排第三看着不错,但单任务花费是Sol的17倍、月账单是Sol的16.7倍。唯一的安慰是速度:Sonnet 5.5只要15秒、Opus 5.5只要29秒,是全场最快的两个模型。

第三,Gemini和Grok彻底翻车。这俩每个任务平均调35次工具,是Sol的两倍。但调得多不等于干得好——Gemini在50个任务里有27个超时没交卷,Grok有18个。考试时间到了答题卡还是空的,分数自然垫底。

最难的不是帮忙,是知道何时闭嘴

这个评测最狠的设计,是里面埋了10个「不该帮忙」的场景——事情已经解决了,或者根本不关AI的事。

结果很有意思:帮忙这件事,所有模型都挺积极的,需要出手的40个任务里9成都能搞定。

但该闭嘴的时候?表现最好的也只忍住了8次,大部分只忍住了6次。

GPT-6 Luna、DeepSeek V4.1 Flash、Mistral Large 4,10次该沉默的场景里开口了6次。两个Fable也开口了4次。

关键是,这些「不该说的话」质量还挺高——它们会认认真真翻系统、查数据、写分析,然后一本正经地回了一条不需要回的消息。

就像公司里那个逢会必发言的同事,不是能力问题,是没搞清楚这事儿到底需不需要他。

而这种「热心过头」是要花钱的。  Deepnote发现,同一个模型插错嘴时,平均比闭嘴多花1.8倍的时间和金钱。 模型不是随口瞎说,它是认认真真调了一圈工具之后才瞎说的。

这也解释了两种模型风格的分野——Deepnote把它们分成了「狙击手」和「深度思考者」:

  • 狙击手代表:Opus 5.5。平均10次工具调用,29秒交卷,7.84分。快准狠,不废话。而且在该沉默的10个场景里忍住了8次,和Astra、Sol并列最佳。

  • 深度思考者代表:Sol 6.1。平均18次工具调用,54秒交卷,8.65分。多花了80%的时间,多调了80%的工具,但分数高了10%,价格只有Opus的十分之一。

而Gemini和Grok属于第三种——迷路型。

35次工具调用,但一半任务都没来得及给出答案。翻书翻到考试结束,卷子还是白的。

这件事为什么重要?

第一,选AI同事的标准变了。

传统benchmark比的是「谁最聪明」。但当AI的角色从「你问我答」变成「24小时在线的主动型同事」,评判标准就变成了:

该帮忙时帮得上、不该帮忙时闭得住、花的钱经得住算账。 这是判断力,不是智力。

OpenAI的两个模型在这个三角上目前做得最好。Sol尤其突出——它几乎复制了Astra的判断力(帮忙39/40、沉默8/10),但价格打了一折。

第二,Always-on Agent的账单逻辑完全不同。

以前调一次API花一次钱,用完即走。

但24小时在线的AI同事是按流量持续计费的。Sol一个月281美元,Fable 5.2一个月4684美元,Fable 5.1一个月7540美元。

这还只是一家70人公司的Slack。

如果你的公司有500人,如果Agent还要同时盯邮件、日历、工单……省出来的不是零花钱,是实实在在的人力预算。

第三,速度和质量的取舍出现了新路径。

Anthropic最快(Sonnet 15秒),OpenAI最准(Astra 8.97分),Sol最划算(0.11美元)。

对做产品的团队来说,答案可能不是「选一个」,而是「按场景路由」——实时对话用Anthropic的快模型抢时间,后台分析用Sol省钱拿分。

Deepnote也在报告里建议了这种分层策略。

AI同事最重要的能力不是有多聪明,而是有多靠谱:该说话时说得准,该闭嘴时忍得住,账单还别太离谱。

按这个标准,OpenAI的Sol 6.1用0.11美元一单、8.65分的成绩,目前是性价比天花板。

而那些贵了17倍、430倍却没贵出多少分数的模型,是时候好好想想了:在AI同事的世界里,最贵的那位,未必是老板最想留下的那位。 

参考资料:

https://x.com/jakubjurovych/status/2121256499552915586

https://deepnote.com/research/benchmark

编辑:所罗门

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

「让AI研究AI」最新综述:三项关键决策框架,重新审视研究自主性

新智元 2026-11-14 17:06 北京

新智元报道  

你让AI自动设计一种新的推理算法:它能读论文、写代码、跑实验,还能根据结果不断修改方案。

看起来,整个研究过程已经交给了AI。

但如果研究问题由人类提出、允许修改的范围由人类划定、判断成功的标准也由人类设定,那么AI真正掌握了多少研究决策?它是在替人做实验,还是已经开始决定如何做研究?

最近,南开大学联合中关村学院团队提出一篇综述,把AI研发拆成三个关键决策:搜索方向、搜索空间和评价信号,并据此提出L0–L3控制来源框架。

论文主页:https://www.preprints.org/manuscript/202610.2999

项目主页:https://ai4ai-research.github.io/

图1:AI4AI研究全景。论文从研究控制权出发,梳理代表性工作、L0–L3控制来源,以及学习、推理、数据和基础设施四个应用分支。

研究自动化,不等于研究决策自动化

先看一个具体例子。假设AI正在为大语言模型寻找更好的推理策略。它可以自动生成候选方法、修改程序并运行基准测试。但下一步应该探索什么?允许它修改哪些部分?又应该依据什么判断新方法更好?

这三个问题看似只是研发流程中的不同环节,实际上对应三种不同的控制权,只有把它们拆开,才能准确描述AI在研究中承担的责任。

下一步研究什么?

假设实验发现,模型生成了很长的推理过程,准确率却没有提高。下一轮应该减少无效步骤、改变中间表示,还是调整候选答案的生成策略?

这决定研究资源投向哪里,属于搜索方向(SearchDirection,D)。AI如果能根据实验历史诊断瓶颈、提出假设,并主动选择下一步干预,就不再只是执行人类给定的实验计划。

图2:发现循环中的三项决策。搜索方向决定探索什么,搜索空间决定允许探索哪些方案,评价信号决定如何判断结果。

允许尝试什么?

搜索空间

即使AI能提出研究方向,它也可能只能在一个人类预先划定的空间里搜索。比如,只允许修改提示词,还是可以改写推理模块、设计新的算法构件,甚至重新定义这些构件的组合方式?

这属于搜索空间(Search Space,S)。它不仅包括表示方式和可用模块,还包括合法的组合、编辑操作与准入约束。搜索空间决定了哪些算法能够被表达,也影响AI能否在有限预算内找到有价值的方案。

什么算成功?

评价信号

一个新推理方法准确率更高,却消耗了三倍推理成本;另一个方法更快,却在困难任务上明显退步。系统应该留下哪一个?

评价信号(Evaluation Signal,E)决定了什么会被视为进步,包括测试任务、奖励函数、判断规则、汇总方式和接受阈值。AI如果能够构建或实质性修改这些评价机制,它影响的就不只是候选方案,还包括研究本身的成功标准。

L0到L3

描述研究控制权的来源

基于三项决策,综述提出了四类控制权分配方式。

L0|人类或外部规则给定三项决定。比如研究人员事先列好实验顺序、可调参数和评分规则,程序负责执行。

L1|AI决定下一步怎么搜。以FunSearch为例,系统参考已有程序及其得分,提出下一轮代码修改。可修改的范围和检验程序由人类提供。

L2|AI改变可搜索的方案。比如DreamCoder会从已有解法中提炼可复用的子程序,把它们加入程序库。之后再遇到新任务,系统可以用这些新积木搭方案。评价仍由外部给定,搜索方向可以由人或AI决定。

L3|AI提供实际影响训练或筛选的评价信号。比如Eureka生成可执行的奖励函数,用它指导机器人策略训练。任务仍可由人类设定,AI参与决定的是训练中哪些行为会得到奖励。

这样的区分让研究贡献更容易被看清:同样生成了一段代码,系统可能在选择新的探索方向,也可能在构建后续研究使用的工具库,或者在编写决定候选去留的奖励函数。

四个分支

AI正在改进AI的哪些部分?

除了分析决策来源,综述还按改进对象,将AI4AI组织为学习、推理、数据和基础设施四个分支。

图3:AI4AI四个研究分支:学习、推理、数据与基础设施。它们对应不同的改进对象,但都可以用三项决策框架分析。

AI4AI Learning:发现更好的训练方法

AI4AI Learning 关注会更新目标模型参数的研发过程,包括架构、优化器、学习规则、训练流程和适配方法。

例如,AutoML-Zero将学习算法本身作为搜索对象,用给定的数学原语组合并演化程序。研究者要考察的,既包括得到的算法表现,也包括哪些设计材料与约束仍来自人类。

AI4AI Inference:改进模型使用能力的方式

AI4AI Inference关注目标模型及适配器参数保持冻结时的改进。提示词、智能体工作流、工具库、上下文策略和推理时算力分配,都可以成为研究对象。

例如,DSPy优化程序模块的指令和示例,DreamCoder学习后续任务可复用的程序构件。

AI4AI Data:发现更有效的数据组织方式

AI4AI Data关注数据筛选、混合、增强、合成和课程安排。DoReMi就通过代理模型优化不同数据领域的混合权重。

这类工作的价值,需要在共同训练协议下检验:同样的训练过程,换用发现的数据策略后,模型能否稳定受益?数据构建和处理的成本,也应计入比较。

AI4AI Infrastructure:优化支撑AI的计算系统

AI4AI Infrastructure覆盖算子、编译调度、并行执行和硬件设计等环节。综述列举了AlphaEvolve对矩阵乘法分块启发式和TPU算术电路的优化应用。

它提醒我们,AI的下一次进步也可能来自更高效的计算实现,使同样的资源能够支持更多实验。

四个分支回答「AI改进什么」,控制框架回答「哪些决策由AI作出」。

把两者结合起来,才能比较那些目标不同、实现方式不同的AI4AI系统。

下一步

走向AI驱动的超级智能

综述提出了几个值得进一步研究的问题。

一个空间在理论上能够表达好算法,是否意味着AI能在现实预算内找到它?

两者之间可能存在很大距离。

设想系统可以修改任意Python程序。它的表达范围很广,但每次编辑可能影响许多相互依赖的细节。若把常见计算封装成可复用构件,并明确构件之间如何连接,同一种算法就可能用更短、更清晰的方式表示,搜索也获得了不同的修改路径。

论文讨论的新抽象、原语和组合规则,可以缩短有用方案的描述、改变搜索邻域,或排除无效组合。这些变化不一定扩大理论上可表达的算法集合,却可能让有价值的方案更容易被实际发现。

因此,空间的改进可以包括扩展,也可以包括压缩。保留有效可能性、减少无意义组合的空间,同样值得探索。

验证这种贡献时,需要固定或匹配搜索程序与计算预算,比较人类设计空间和AI构建空间,并计入空间构建成本。最终选出的一个高分方案,还需要与候选有效性、多样性、搜索成本和新任务表现一起分析。

对于自动算法设计,这提供了一个明确的研究切口:除了提高每次提案的质量,还可以研究如何组织候选方案,让有限实验更容易产生有价值的发现。

AI参与评价后怎样确认真实进步

当AI开始构建测试、奖励或判断规则时,它也在影响研究过程对「什么值得保留」的判断。

假设一个系统同时改进程序和测试,几轮迭代后,通过率不断提高。这个结果可能来自程序能力提升,也可能来自测试变得更容易。单看内部得分,无法区分这些情况。

综述因此强调,评价器可以随研究改进,但需要保留独立的验证路径。隐藏测试、可执行检查、独立实验或延迟获得的真实结果,都可以提供外部证据;具体采用哪一种,取决于发现所声称的价值。

这也解释了为什么「换一个模型来打分」还不足以保证独立性。候选生成者与评价者可能共享偏差,需要通过错误分析和干预实验判断。

在此基础上,AI4AI的评价应超出单次最佳成绩:发现过程总共花费多少资源,失败实验是否计入成本,换任务后是否仍有效,人类介入了多少次,结论在多次运行中是否稳定,都会影响我们对成果的判断。

这些证据共同回答一个实际问题:研究控制权交给AI之后,带来的收益是否可靠,是否值得其成本?

递归自我改进需要跨代证据

论文标题中的「走向AI发现的超级智能」,对应的是一个有条件的长期研究方向。

其中的关键概念是递归自我改进:一轮改进增强系统产生后续改进的能力。例如,系统发现了可复用的算法构件,使下一轮研究能在相同预算下探索更有效的方案;或者改进了实验机制,让之后的研究更快识别无效方向。

要建立这样的证据,需要同时考察当前产物和产生改进的机制。某一轮成绩提高,或者系统连续修改了多个版本,都不足以单独证明研究能力正在持续增强。

论文提出,可以用多代实验、固定或保留的外部评价、相同预算下的基线,以及未见任务上的迁移来检验递归收益。还可以选择性回滚早期改进,观察后续收益是否随之消失,从而判断前后的因果联系。

这也让研究记忆变得重要。值得继承的经验应包括假设、实现、实验条件、失败原因和适用边界,让后续系统能够检验、复用并修正已有发现。

当一次发现能够帮助下一次发现,而且这种帮助经得起独立验证,AI的研究能力才有了可持续积累的依据。AI4AI能走多远,取决于这样的收益能否跨任务、跨代持续成立。

参考资料:

https://www.preprints.org/manuscript/202610.2999

编辑:LRST

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

破局硅谷头号难题!中国AI「魂穿」老电影,神器全民开放

ASI启示录 2026-11-13 19:12 北京

新智元报道  

大家平时没少看主角「魂穿」的小说,可很少有人想过,有一天AI也会玩起「魂穿」。

假如让AI穿越回1925年的黑白默片《淘金记》,直接代入卓别林的第一视角,睁开眼会看到什么画面?

低头是自己双手握着刀叉,正切开餐盘里那只著名的煮皮鞋,抬头还能瞥见对面饥肠辘辘的大胡子同伴。

下一秒再切换到《夺宝奇兵》主角视角,幽暗古墓里左手试探机关,右手捏着沙袋把黄金神像瞬间掉包。

而在《侏罗纪公园》幽暗局促的地下配电室里,角色在仪表盘前紧急操作。

生成画面里,青色3D手部骨骼把手指一个接一个拨动发光开关的细微动作都还原了出来。

这一连串跨越百年的「赛博魂穿」,全部来自刚刚发布的全新跨视角生成模型Exo2EgoPolicy。

它能把任意第三人称旁观镜头,一键转换成操作者本人的第一人称视角(Ego View),并实时描出左右手每一根手指的3D手部骨骼(Ego Skeleton)。

魂穿影史百年名场面

镜头乱切也跟得住人

哪怕遇上多人同框、频繁切镜头和大幅度运镜的复杂场面,它的第一视角转换也依然丝滑。

《闻香识女人》里那场著名的探戈,宴会厅人头攒动,原片镜头在全景和近景之间来回切换。

模型从头到尾牢牢锁定阿尔·帕西诺饰演的盲人中校。

生成的第一视角里,中校双手正牵着女伴在白色三角钢琴旁旋转,手部骨骼与乐手方位分毫不差。

换到1952年《雨中曲》的倾盆大雨街头,吉恩·凯利撑着黑伞仰头转圈。

第一人称视野里,立刻呈现出漫天落下的雨丝,以及握紧伞柄飞速旋转的雨夜街景。

既然连镜头乱切的好莱坞大片都能自由魂穿,日常家务活就更不在话下了。

办公桌前有人伸手把桌上的水瓶收进网篮,第一视角连手指抓握与放下的3D骨骼轨迹都跟得清清楚楚。

办公室桌前有人随手叠起一件红色T恤,旁观画面喂进去后,立刻输出带鱼眼畸变的胸前第一视角。

画面里双手3D骨骼捏住衣角折叠的节奏,与原片动作严丝合缝。

走到茶水间拉开冰箱门拿取饮料并拧开瓶盖,生成画面完整保留了冰箱内部多层隔板的几何纵深。

右手拉门与左手取瓶的手指骨骼细节,在第一视角下同样清晰可见。

端起微波炉里加热好的盒饭转身走向长桌,第一视角稳稳锁定双手托住餐盒边缘的骨骼姿态。

行走过程中,桌面与走廊的光影变化也十分自然连贯。

人类拍了一百多年电影和短视频,摄影机几乎一直站在旁观者的第三视角上。

如今,不用深度相机,也无需标定参数,Exo2EgoPolicy攻克了把百年影像从「旁观视角」还原为「第一视角」的难关。

看到这里,你可能会以为,这又是哪家视频大模型公司拿出来炫技的新作。

但让人意想不到的是,打造出Exo2EgoPolicy的,竟是一家做机器人的中国具身智能独角兽——维他动力(Vbot)!

这次他们要解决的,是困扰具身智能行业已久的头号难题:如何同时拿下训练数据的多样性(Diversity)与海量规模(Scale)。

与此同时,他们还同步推出了端到端通用数据管线Vbot Echo与采集应用Echo App,并且即日起向所有人全面开放!

项目主页:https://www.vbot.cn/echo/ 

无论是网上的海量第三人称视频,还是手机支在桌边随手拍下的收碗碟、做咖啡画面,都能直接喂给系统。

机器人瞬间就能「魂穿」进拍摄者视角,顺着「Exo → Ego → Ego Skeleton」算出三维关节轨迹与物理接触力。

人形机器人真机看完这组数据,站在桌前当场就能自己上手干活!

网上视频堆成山

机器人却吃不下

一家做机器人的公司,花这么大力气教AI学会「魂穿」第一视角,瞄准的是困扰具身智能行业已久的数据稀缺难题。

就在几天前,Anthropic发布了Claude Fable 5.2。

在双臂机器人基准RoboDojo上,它只看摄像头画面指挥机器人,成功率从上一代27.6%飙至64.9%。

大脑在飞速变强,已经是明摆着的事。

可大脑再聪明,手上的功夫也得靠海量具身操作数据一点点喂出来。

在这件事上,维他动力的团队深有体会。

创始人余轶南是地平线001号员工、前智能驾驶总裁,联创宋巍是地平线前软件平台总架构师。

另一位联创秦海龙曾任千里智驾首席科学家、蔚来自动驾驶高级总监,赵哲伦曾任理想汽车第一产品线营销负责人。

团队在自动驾驶领域深耕了十年,切入具身智能赛道后很快发现,机器人缺数据的程度远超自动驾驶。

为了用更低成本采集更多数据,全球具身智能界试遍了各种方案——真机遥操作、ALOHA、UMI夹爪,以及第一人称(Egocentric)穿戴式视频。

硅谷独角兽Physical Intelligence与英伟达前不久发布的EgoScale,都在大举搜集第一视角人类视频。

可无论是让采集员头上绑GoPro、手里握UMI夹爪,还是穿上沉重的外骨骼,都绕不开同一个瓶颈:

穿戴式采集设备不仅大幅增加了硬件成本,还严重拖累了操作员在真实场景中的作业效率。

整个具身智能行业,始终缺少一种既能满足数据多样性(Diversity)、又能获得海量规模(Scale)的数据方案!

为了打破这一困局,维他动力把目光投向了人类世界规模最大、来源最广的视频金矿——互联网。

大语言模型之所以能席卷全球,靠的是消化了互联网上现成的数万亿Token文本。

而在人类已经构建的视频世界里,YouTube平均每天新增超过2000万条视频,TikTok每天更有超过1亿条内容上传!

互联网视频天然丰富多样、体量巨大,躺着数百亿小时人类做饭、叠衣、收纳的真实经验。

可面对这座金矿,机器人之前却一口都吃不下。

第一个拦路虎,是90度的视角错位。网上绝大多数视频都是第三人称视角,而非具身智能所需的第一人称视角。

第二个拦路虎,是缺失第一视角下的三维手部骨骼(Ego Skeleton)与物理力学信号。

人类与机器人在身体结构和关节约束上截然不同,没有对齐的手部关节轨迹与接触力数据,机器人照样动不起来。

若能精准把海量互联网视频转为第一人称视角,并打通「Exo → Ego → Ego Skeleton」全链路,具身智能的数据难题就能真正迎刃而解。

Vbot Exo2EgoPolicy与Vbot Echo,正是在这样的背景下诞生的!

扔掉深度相机

直出21个手部关节

要让AI隔着屏幕完成跨视角「魂穿」并提炼出精准动作,必须跨过硬件数据缺失与手部变形失真这两道坎。

网上能下载到的视频,既没有深度传感器数据,也没有相机标定参数。

普通视频模型就算能生成画面,手部与物体接触时也极易糊成一团。

为此,维他动力把三维几何约束与手部骨骼监督,直接融进了Exo2EgoPolicy的视频生成主干里。

模型以140亿参数、50层H3 Ref2VA DiT视频生成网络为主干,前端并联了两路编码器。

一路用冻结的H3 Video VAE编码器,提取原视频的外观参考特征。

另一路调用Qwen多模态编码器解析画面语义与文本指令,配合多镜头拼接训练,哪怕电影频繁切机位也能牢牢锁定目标人物。

为了让模型真正理解三维空间,研发团队在训练前半程注入了6D普吕克(Plücker)相机光线投影,帮它搭起「空间脚手架」。

到了训练后半程,团队直接关闭相机光线末端的随机门控开关,将外部几何输入彻底归零!

技术报告显示,撤掉带噪声的外部先验后,流匹配误差反而下降了7.9%至11.2%。

模型在推理阶段得以彻底摆脱外部硬件依赖,仅凭一段普通视频就能直接还原三维空间。

在546段真实场景片段评测中,零先验推理的Exo2EgoPolicy全面击败了仍需输入几何先验的开源基线EgoX。

它不仅将长时序PSNR提升了3.25 dB,视频生成FVD误差更直接暴降39.8%!

更关键的是,为了打通「Exo → Ego → Ego Skeleton」,团队在DiT主干底部同时挂载了两个核心模块:

一个是三分类手物语义掩码头,另一个是两阶段手部几何读取头(H3 Hand Readout)。

语义掩码头对双手区域施加2.0倍损失权重、对被操作物体施加1.5倍权重,引导模型聚焦手物接触区域。

手部读取头先在模型第20层对齐ACE-Ego-Hand空间表征。

到了第39层隐藏状态,它就能直接回归出左右手各21个关键点(42维坐标)的手部Skeleton!

实测数据显示,这套监督机制让严苛的手部关键点定位精度(PCK@5%)从11.52%直接翻倍至20.02%。

在未见过的新场景下,手部关节有效覆盖率更高达98.92%,为下游提炼机器人操作轨迹打下了高精度底座。

手机拍19秒

真机当场学会收盘子

打通了从Exo到Ego再到Ego Skeleton的感知表征,下一步就是把「手部骨骼」变成机器人「使得出的力气」。

这正是端到端通用数据管线Vbot Echo与Echo App的核心舞台。

更重要的是,这套工具链今天起面向所有人全面开放,任何人都能直接上手使用!

不用买遥操作设备,也不用穿戴任何拖累效率的外骨骼。

普通用户在手机上打开Echo App,调用手机自带的ToF深度传感器或双目相机,就能开启低门槛采集。

实拍演示里,把手机支在木桌旁,随手拍下19秒把桌上彩色盘子收进木盒的画面,点击上传即可。

视频进入Vbot Echo云端管线后,智能清洗模块会先自动剔除高糊、黑屏与静止帧,并按动作完整度打分。

伸手抓盘子、放盘子的有效片段得1.00分予以保留,站在桌边发呆观察的无效片段得0.00分被自动剔除。

洗干净的视频随即穿过Exo2EgoPolicy,转成第一视角与手部Skeleton,进入统一时空人机物交互(HOI)重建模块。

系统将场景三维点云、任务语义与手部骨骼对齐在同一时空下,再结合目标机器人的关节约束完成跨本体运动重定向。

随后,仿真环境重演机器人与物体的接触过程,算出真实的接触力与关节力矩,补齐「如何发力交互」的训练依据。

在意式咖啡机精细操作测试中,操作员仅用第三视角拍下双手接粉、研磨与转移手柄的过程。

仿真环境里的双臂机械臂,就能根据提取出的Ego Skeleton,同步复现出全套双手协同操作!

而在桌面收纳真机实验中,经过防穿透与轨迹误差校验的多层训练数据,被直接喂给双臂人形机器人真机。

站在同一张木桌前,双臂人形机器人不用人遥操作,自己伸出机械夹爪拈起桌上的蓝盘子与绿盘子,稳稳放进木盒中央。

19秒的手机视频,就这样变成了机器人的一次真本事。

这套管线的能力远不止桌面家务,连户外街头的双人全身互动也能一把拿下。

路边长椅上两名男生完成起身、擦肩交错行走与换位落座,Vbot Echo对整段视频完成4D时空重建。

重建后的画面支持在虚拟视点A和视点B之间自由切换,还能一键魂穿进黑衣男生的第一视角看对方迎面走来。

通过统一时空HOI对齐,两名男生的全身动作与三维街道被实时解算为青色与橙色数字人网格。

这套全身交互数据随即同步映射到两台人形机器人身上,驱动真机模型完成交错走位。

同一条管线还一口气打通了林荫步道、长阶梯、障碍平台与户外车辆等12组复杂真实场景。

大脑在变强

数据从此不再是问题

具身智能走向通用,必须突破数据供给的边界,让机器人的学习经验从有限采集现场扩展到真实的广阔世界。

过去靠堆砌真机遥操作、ALOHA、UMI和穿戴式设备,不仅硬件成本高昂,还严重拖累真实作业效率。

那种依赖专用采集资源扩张的模式,永远无法同时满足通用机器人对数据多样性(Diversity)与海量规模(Scale)的双重需求。

维他动力这次通过Exo2EgoPolicy、Vbot Echo与Echo App三者协同,为行业搭起了一套全新的数据基础设施:

Exo2EgoPolicy精准把YouTube日增2000万条、TikTok日增超1亿条的互联网第三视角视频,转化为机器人第一视角素材;

Vbot Echo顺着「Exo → Ego → Ego Skeleton」与物理仿真闭环,把视频画面炼成可执行的机器人训练数据;

Echo App则把零穿戴负担的低门槛采集入口,直接塞进了每个普通人的手机里。

「Fable 5.2们」正在把机器人的大脑越练越聪明,而喂养这颗大脑的人类经验,终于迎来了规模(Scale)与多样性(Diversity)的共同突破。

全网沉睡的百亿小时第三视角视频,加上普通人手机里的随手拍,自此全都变成了机器人持续进化的源泉。

具身智能数据,从此不再是问题!

编辑:摩西 桃子

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

刚刚,Fable 5.2登顶RoboColiseum新榜单

ASI启示录 2026-11-13 19:12 北京

新智元报道  

在RoboColiseum新赛季公布的成绩中,Claude Fable 5.2 以18.30分拿下综合第一,精细操作、跨本体迁移分别得到33.04分和17.99分,两项同样领先。灵巧手,却成了这位综合冠军得分最低的一项。

精细操作拿下第一,为什么灵巧手却只得3.73分?用手挂衣服、把物体稳稳握在手里,这些人类习以为常的动作,对大模型究竟难在哪里?

RoboColiseum新赛季把机器人在现实世界真正要干的活搬进了考场,新增灵巧手操作、全身协同、精细操作与本体迁移四条赛道、50个任务。评测既看任务能否从头到尾完成,也会考察执行效率是否够快。

四大新赛道

聚焦真实长程和复杂任务

给手机充电、用衣架挂衣服、捡起垃圾、用钥匙开门——新赛道里的任务,都是机器人走进真实世界后要干的活。这些看似日常的工作,需要手指、双臂和身体协调配合完成。

RoboColiseum将这些实际需求搬进仿真考场,新增四条赛道、50个任务,检验模型能否把一件事从头到尾做完。

灵巧操作:从多指协同到使用工具。

挂起一件衣服,机器人要先抓住并撑开衣物,将衣架穿进去,再调整位置、挂到衣杆上。

衣服柔软、容易变形,多根手指需要配合抓握,双手也要协调动作,才能把这一连串操作做好。

该赛道共10项任务,还覆盖颠锅、还原魔方、系垃圾袋和双手搬运包裹等操作。

全身协同:底盘、躯干和双臂,要一起干活。

捡垃圾要先移动到合适的位置,再调整身体、伸手抓取;擦黑板时,要配合底盘移动和躯干调整,让手臂够到并擦净不同位置。

该赛道包含捡垃圾、放餐盘、传送带取货、钥匙开门、擦黑板等8项任务,考验的是机器人能否把移动和操作连续做下来。

精细操作:接头找到了,能不能插进去?

给手机充电,双臂需要分别控制手机与接头,把位置和方向同时对准。该赛道覆盖手机充电、拼积木、接网线、装轴承、手机打包等8类任务,考验小零件的对位、接触和装配。越接近完成,越需要把动作做准。

本体迁移:换一副「身体」,还能继续干活。

跨本体赛道包含挂杯子、换键帽、拿笔写字、倒水等6类任务,会放到ARX、AgileX、G1和G2四种机器人上分别测试,共构成24个评测任务。

机器人的关节结构、活动范围和夹持工具变了,模型也要相应调整动作。这里检验的是,同一个模型能否适应不同的机器人。

八大模型得分公布

灵巧手仍是共同短板

当前榜单汇总了8款Agent和3款策略模型的成绩。Claude Fable 5.2以18.30的综合分位列第一,GPT-6 Astra和Claude Opus 5.5分别以13.73和11.77分紧随其后。

Fable拿下综合第一,也在精细操作和跨本体迁移上领先。这两项得分分别为33.04和17.99。全身协同中,Astra 得分18.96,Opus 为18.94,两者几乎持平。

但到了灵巧手赛道,8款Agent都遇到了自己的最低分。综合第一的Fable仅得3.73分,Astra与GPT-6.1 Terra均为0.00;Agent中该项得分最高的Gemini 4 Argon,也只有5.19分。多根手指如何配合、怎样稳稳抓住并操作物体,仍是这些大模型共同的难题。

策略模型则在灵巧手上拿出了更高的分数。π₀.₅以16.79分领跑该赛道,LingBot-VLA-2.0和GR00T N1.7分别得到10.66和5.53分,三者均高于本次榜单中的8款Agent。其中,π₀.₅还以11.22的综合分位列第四。

这张成绩单给擅长灵巧控制的团队留下了明确的挑战方向:在大模型尚未做好的操作上,策略模型已经展示了优势,也有机会继续拉开差距。

三重机制防Hack

Agent/Policy分开评

同一套题反复练,模型也可能靠「背题」拿高分。RoboColiseum新赛季加入三重防Hack机制,减少「背题」和使用特权信息带来的虚高分数,让成绩更能反映模型的真实水平。

第一重,隐藏测试集:练习场景公开,正式考题保留。

开发者可以使用开源场景进行开发和调试。服务器上的正式测试场景与其遵循相同分布,但具体布局不同,用来检验模型能否应对没练过的场景。

第二重,动态抽检:换一批题,再看表现。

平台保留固定的正式测试集用于计分,同时设置随每次提交变化的动态测试集。动态集不计入总分,而是与正式集作对照,检查模型是否过度适应固定考题。两组成绩差异过大,相关方案将受到上榜限制。

第三重,人工审核:排查违反评测规则的不当行为。

自动检查之外,平台加入人工审核,进一步识别违反评测规定,恶意获取分数的行为。

Agent与策略模型分开评,同类方案同榜比较。

Agent可以在观察、推理和动作之间反复切换,VLA、WAM等策略方案则通常以动作序列执行任务。两类方案的交互方式和执行节奏不同,本轮更新将它们区分管理,为Agent设置独立榜单,让参评团队能在同类方案中比较表现。

最后,执行效率也进入评分:完成任务,模型执行了多少次?

新规则为Agent设置执行次数限制,阈值参考训练数据。模型反复观察、思考和尝试,执行超过合理次数后,会按超出程度扣分。

任务完成情况同样重要:评分保留中间步骤的进展分,并对在规定步数内完成任务的方案给予额外奖励。任务做到哪一步、整项工作是否完成,以及用了多少步,都会影响最终成绩。

96.86%仿真‑真机一致性

用实测数据证明 「可信度」

仿真评测价值几何,核心评判标准只有一个:仿真里跑出来的效果,能不能等价于真实世界表现。为了量化可信度,RoboColiseum开展大规模对照实验:不对仿真环境做任何适配调优,把真实世界训练出来的模型,直接扔进仿真环境做零样本评测(zero-shot real-to-sim)。

横跨4款不同机器人本体、覆盖22项复杂任务,最终测出仿真与真机任务得分相关性高达96.86%。

这意味着仿真中的评测分数不再是「虚拟成绩单」,仿真中发现的缺陷、验证有效的策略,可以高度可信地迁移到真实机器人,大幅降低真机调试试错成本。

22项复杂任务真机-仿真评测结果一致性对比

和AI对话

让你的模型上场角逐

准备数据、接入模型、提交评测、查看结果,一套流程通过与AI对话就能完成。

RoboColiseum提供AI可调用的Skills,完成安装与必要配置后,开发者即可与AI对话下载训练数据、接入推理服务并发起评测,更快跑通流程、拿到评测成绩。

在平台创建任务并启动推理后,RoboColiseum自动推进仿真运行、场景调度和评分,并提供任务进度、分项成绩与评测结果查询。从提交到查看成绩,各个环节都有支持,让团队把更多时间用在分析失败原因、改进模型上。

RoboColiseum新赛季已开启

等你的模型来挑战

八大模型已经踏入RoboColiseum具身角斗场。本轮评测揭示,灵巧控制、精细操作与跨本体迁移仍有明显提升空间。这些尚未解决的难题,也为后来者留下了超越它们的机会。

四条新赛道、50个任务已经开放挑战。我们邀请策略模型和Agent系统的研发团队,带着自己的模型进入RoboColiseum向八大模型发起挑战。下一个超越它们的,可能就是你的模型。

新赛季的挑战已经开启,RoboColiseum的评测体系还将继续拓展。

进入RoboColiseum具身角斗场,参与评测,发起挑战!

RoboColiseum:https://robocoliseum.ai/

Techreport:https://robocoliseum.ai/techreport

编辑:元宇

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  

以智能体视角,清华首发具身智能综述:从端到端策略到自主系统

新智元 2026-11-13 19:12 北京

新智元报道  

多模态基础模型正在扩大机器人的能力边界。语言理解、视觉感知与动作生成逐渐进入统一的学习框架,机器人能够执行的任务越来越多。

但当研究走向开放环境与长期部署,一个更深层的问题随之浮现——这些能力,如何组织成一个能够持续自主工作的系统?

真实世界始终在变化。物体会移动,接触会失败,任务条件会在执行过程中改变。

机器人需要在不完整的信息下作出决策,在行动后验证结果,在偏离目标时调整策略,并把可靠的经验带入下一次交互。任务持续得越久,这种贯穿感知、决策与行动的组织能力就越重要。

围绕这一转变,清华大学团队以智能体视角重新梳理具身智能研究,将模型能力、计算基础设施、安全、数据与评测放进同一幅系统图景,讨论通向更高自主性的技术路径与开放问题。

项目链接:https://agenticei.github.io/AEI-Survey-page/

从技能学习到认知闭环

具身智能如何走到今天

具身智能的发展贯穿一条持续演进的主线,即如何通过身体与环境的交互形成智能行为。从早期的反馈控制,到模仿学习与强化学习驱动的技能获取,再到深度视觉运动策略,研究不断扩大机器人能够学习和执行的行为范围。多模态基础模型进一步带来跨任务的语义理解与知识迁移,推动通用机器人策略的发展。

论文首图|回顾了从反馈控制、技能学习、深度视觉运动策略,到通用机器人策略与 Agentic Embodiment 的发展脉络。

在这一基础上,Agentic Embodied Intelligence(AEI)把研究问题推进到任务级的自主组织。系统需要理解目标、主动补充信息、安排子任务、调用技能,并依据物理反馈决定继续、重试、重规划或求助。

这一视角也让不同技术路线有了共同的讨论坐标。VLA、世界动作模型和程序化技能组合可以承担闭环中的不同功能,其价值需要结合它们如何支持完整任务来考察。通用策略提供越来越丰富的行为能力,AEI 则进一步追问这些能力如何在持续交互中被有效组织。

把模型放回系统

重新理解自主能力的来源

综述的 Figure 1 给出了一个系统级框架。模型负责具身理解、规划、行动与反思,基础设施连接技能调用与机器人控制,本体在物理或仿真环境中执行动作,新的观察和状态再回到模型。这个在线交互过程构成自主系统的运行核心。

论文图1|Agentic Embodied Intelligence 的系统关系。在线交互连接模型、基础设施、本体与环境,数据和评测支持能力改进,安全与可信要求贯穿整个系统。

围绕这一核心,环境持续产生交互经验,数据支持模型训练,评测暴露能力缺口与失败模式,再反过来影响模型和系统的改进方向。安全要求则贯穿模型检查、运行时防护、控制限制和人类监督。

这意味着,面向部署的能力提升需要多层协同。高层推理必须与低层控制共享足够准确的状态,技能接口需要返回执行结果与异常,端侧、边缘和云端的分工要满足时延约束,数据与评测也要覆盖真实运行中出现的困难。

一个环节的进步,只有通过这些连接才能转化为整套系统更可靠的行为。

自主性的尺度

是机器人能够承担多少任务责任

当「自主」被用于描述不同系统时,一个必要的问题是,人类究竟还承担着哪些工作?谁来拆解任务,谁来监控过程,谁在失败后接管,谁来判断任务已经完成?

综述以 L0—L5 的概念框架讨论人机责任的变化。从 L0 的连续遥操作、L1 的辅助技能、L2 的受控任务自主,到 L3 的条件自主,人类逐渐从直接控制动作转向监督和按需介入。L4 进一步指向限定领域中的持续任务执行、结果验证与失败恢复,L5 则指向开放世界中的通用自主能力。

论文图2|以人机责任分配刻画自主性层级。L4与L5在综述中被列为研究目标,其实现需要持续运行、恢复能力与边界识别等证据。

这个框架将「能完成什么」与「需要多少人工支持」放在一起考察。机器人能否识别自身能力边界、在异常情况下安全停止或请求帮助,也成为自主能力的一部分。

对研究而言,它提供了一把分析系统进展的尺子,推动评价从任务覆盖范围延伸到自主完成任务所需承担的责任。

在线认知闭环

物理交互会改变下一次决策所依赖的条件。在部分可观测的环境中,机器人依据有限信息采取行动,行动又会改变环境状态和后续观测。

随着任务时程延长,早期的状态估计误差可能逐步累积,使原本可行的计划失去执行条件。

综述从智能体视角审视具身智能,将Agentic Embodied Intelligence(AEI)的模型核心概括为四项相互耦合的功能,考察系统如何利用物理反馈持续修正面向目标的行为。

感知与具身理解将任务意图与环境中的实体、空间关系和物理属性对应起来,为决策提供对当前状态及其不确定性的估计。

推理与规划依据这些信息分解长程目标,比较候选方案,并将子目标表示为机器人策略能够执行、系统能够核验的步骤。当观测不足以判断行动是否可行时,主动获取信息本身也可以成为规划的一部分。

动作执行将子目标转化为受本体动力学与安全约束的运动,并返回实际状态变化。

闭环演进利用执行证据比较预期与实际后果,判断偏差产生在哪个环节,进而调整动作、修订计划或更新经验。

这四项功能可以由统一模型承担,也可以分布在多个模块中。不同架构都面临同一个接口问题:感知保留了哪些规划所需的信息,执行又返回了哪些足以改变下一次决策的证据?

论文图 3|在线认知闭环。感知为规划提供状态依据,执行产生可观测的物理后果,结果核验驱动后续决策。

任务内恢复与跨任务更新有不同的验证标准。

在单次任务内,反思的价值可以通过后续干预来检验,即在相同重试预算下,修订后的行动方案能否有效恢复执行。

若要进一步主张系统获得了可复用的经验,则需要移除当前任务的临时上下文,在新任务上检验收益。涉及策略或模型更新时,还应评估原有能力是否得到保留。

物理交互的重置成本、传感反馈的歧义,以及仿真与真实部署之间的差异,都增加了失败归因的难度。

综述据此将更新对象与证据要求对应起来:控制调整可以在当前回合验证,持久记忆与技能更新需要跨任务证据,更大范围的系统修改则需要独立的版本比较和部署监测。

论文图 7|数字智能体与具身智能体的闭环演进。两类系统都利用执行反馈定位偏差,但验证环境、重置成本及部署条件存在显著差异。

系统支撑与保障篇

在线认知闭环描述智能体如何决策,系统层则决定这些决策能否在物理环境中及时执行、安全修正,并留下可供独立检验的证据。

综述由此将计算基础设施、安全机制、交互数据与评测协议纳入同一分析框架。

云边端协同与实时执行。

具身系统同时运行多个时间尺度上的闭环。底层控制和动作策略受严格的响应时限约束,长程规划则能够利用更大的计算预算。机器人本体、现场边缘服务器与云端之间如何分配推理,取决于各环节对算力、能耗和时延的要求。

对于快速控制,平均时延尤其容易掩盖问题:偶发的长延迟或断连,就可能使返回的指令依据过期状态执行。混合部署因此还需要协调状态同步、指令有效期和本地接管机制。

论文图 9|本体、云端与混合部署。本体受功耗与散热约束,云端受通信条件制约,混合部署还需确定计算分工并保持状态一致。

安全与可信。

安全约束需要贯穿感知、规划与控制。感知阶段识别的风险、规划阶段设定的前置条件和执行阶段施加的限制,必须指向同一对象,并基于仍然有效的状态与授权。

任务结束后,系统还需核验残余风险。若经验将被写入记忆或用于策略更新,安全判断也应扩展到后续任务,检验原有约束在新版本中是否继续成立。

面向智能体的具身经验。

综述提出Agentic Embodied Experience,用目标、上下文、决策理由、子目标、可供性、运动、反馈与反思组织交互记录。

这一表示把决策时可获得的信息与实际发生的运动及其物理后果对应起来,使研究者能够追溯偏差最早出现在哪个环节,以及后续干预是否改变了结果。

论文图 13|从具身数据来源到交互经验表示。数据金字塔描述不同来源的规模与针对性,经验表示则描述一次决策如何与行动、反馈和修订建立联系。

数据分布还取决于智能体自身的行为。探索策略、求助时机和失败恢复方式都会影响哪些状态得到记录。将评测中暴露的能力缺口反馈给任务选择与数据采集,再用独立任务检验更新收益,可以形成由能力诊断驱动的数据循环。

面向自主性的评测。

综述从任务所要求的认知能力出发,归纳了目标消歧与主动理解、工具发现与可供性推理、在线扰动处理与恢复、开放环境中的长程任务,以及社会交互与多智能体协作五类评测情境。

它们刻画的是任务的难度来源。前文的自主性分级关注另一维度,即在给定运行边界内,目标解释、决策、执行监控与异常处置由人和系统分别承担多少。

要从实验结果推断自主能力,评测协议需要说明仿真环境保留了哪些物理与语义状态、工具接口预先提供了哪些技能,以及运行中允许何种人工介入。

在这些条件下联合报告任务结果、决策质量、执行质量、恢复过程与安全表现,才能判断观测到的收益来自智能体的哪项能力,以及结论适用于何种环境。

论文图 15|具身基准中的五类认知要求。各类任务对主动获取信息、管理中间状态及适应环境变化提出不同要求,也对应不同的测量盲区。

写在最后

通用策略扩大了机器人可以执行的任务范围。走向更高水平的自主性,研究还需解释这些能力如何在不确定环境中持续协同,以及系统何时应当恢复、求助或停止。

论文将限定运行域内的持续任务自主性与开放世界自主性作为不同层次的研究目标。

判断进展的依据,是在明确的运行范围、任务时程与人工支持条件下,系统能否持续承担相应的决策责任,并为其行为及后续更新提供可复核的证据。

参考资料:

https://agenticei.github.io/AEI-Survey-page/

编辑:LRST

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标,锁定新智元极速推送!

跳转微信打开

  •  
❌