铃阅时讯
❌

阅读视图

一边加仓,一边被埋……

原创 心木123 2026-10-27 23:18 广东

跳水后别猜K线,盯紧美联储与三季报,算清仓位与杠杆这笔账。

插入的图片

加班回来,盘已经收了。窗外安静,账户不安静。绿肥红瘦,全是跌麻了……

白天看着海外硬科技还在喘,韩国存储那边也不算难看,A股这边尾盘却来了一脚——猝不及防,连所谓的“大哥”都没能把指数拽回来。

这种跳水,经历多了就不觉得稀奇。稀奇的是那种“明明刚想喘口气”的错觉。

大环境拧着,情绪差,存量里互相挤,突发下杀往往就是常态。只是常态来的时候,还是会疼的很厉害。

情绪还没麻,账户先埋了

今天群里又热闹起来。热闹说明还有痛感:还想讨论、还想找个说法。

真正麻木的时候,往往是连账户都不想打开,成交也跟着蔫下去。痛和麻之间,差的不是一句安慰,是成交意愿还在不在。

指数层面也不好看。题材属性更重的科创50,创下本轮调整以来的新低;创业板、沪深300等宽基,收盘同样走弱。

插入的图片

技术图形丑,不代表明天一定更丑,也不代表“跌多了就该怎么样”。图形只说明一件事:抛压还没被消化完,托底叙事扛不住实实在在的卖单。

短线最好猜,也最吸引人讨论。可市场偏偏是那个你觉得“看懂了”的瞬间,最容易打脸的地方。

昨天的阳线、今天的跳水,中间未必有一条能讲圆的故事,更多时候只是预期和仓位撞在一起。

两件即将落地的事

这一周往后,值得盯的不是某根K线,而是两件会改写预期的事。

一是美联储议息。真正要看的,往往不是这一次会议本身给不给一个动作,而是它对后面路径怎么说。

利率预期一变,全球风险资产的折现和风险偏好都会跟着抖。A股硬科技今天没跟上隔夜的反弹,本身就说明:外盘的一口气,传不到内盘的仓位和情绪上。传导断在哪儿,比“外盘涨了我们该不该跟”更值得想。

二是三季报业绩。业绩季有两条老经验,反复被验证,却总被当成意外。

插入的图片

机构看到的信息,常常比散户早半步。报表还没正式落地,股价先出现说不清的下杀,未必是“基本面突然坏了”,有时只是提前知道边际变化的资金在撤。

你觉得莫名其妙,对方觉得窗口已经关了。

环境不友好的时候,一点不及预期就会被放大。反过来也一样:行情顺的时候,一粒芝麻大的利好也能被讲成趋势。

这不是谁更聪明,是同一套信息,在不同风险偏好里权重完全不同。周期就是这样演绎的——放大镜在牛市里照亮希望,在退潮里照亮裂缝。

杠杆跌出来的算术

今天还看到一则说法:有知名私募这一波净值从高位大幅回撤,幅度很大,背后绕不开杠杆。具体产品和数字,未经核对就不拿来当事实。但逻辑本身不复杂。

杠杆不创造认知,只放大结果。看对的时候,净值走得好看;看错或者只是波动变大的时候,回撤会按倍数结算。

插入的图片

4倍附近的净值跌到接近1倍出头,听着像故事,算下来就是本金和借来的筹码一起承担波动。

私募如此,个人账户加上杠杆工具、加上“越跌越补、补完再加”的冲动,算术是同一套。

被埋住的那一笔,安慰解决不了。能解决的只有两件事:仓位是否和自己能承受的回撤匹配,逻辑是否还在

——逻辑不在,熬就是拖延;逻辑还在,也要接受市场可以很久不给反馈。

产业和股价不是同一张表

算力、存储、硬科技,产业趋势可以是慢变量:资本开支、产能、订单、海外需求,都要季报和指引一点一点验证。

股价是快变量:情绪、仓位、资金风格,一天就能改写。

熊市,基本不看逻辑,只看筹码……

海外链反弹、国内链掉队,不一定说明产业逻辑一夜之间反转,更可能说明定价权暂时在风险偏好手里,不在故事手里。

三季报会把一部分预期兑现成数字,也会把另一部分预期打回原形。

数字出来之前,用隔夜涨跌去推A股第二天,成功率从来就不高。

插入的图片

投资里最难受的时段,往往不是看错,而是看的方向还没被证伪,价格已经先走得很远。

晚安。愿把精力放在能核对的业绩和能承受的仓位上,希望底部能尽快企稳……

再次说明:以上内容仅为市场与产业逻辑的个人梳理,不涉及具体证券推荐,不构成投资建议。历史波动与他人净值变化不代表未来表现。投资有风险,入市需谨慎。

精彩内容推荐:

跳转微信打开

  •  

EMNLP 2026|京东零售 AI Infra 团队提出分离式多模态训练框架 FlowTrain

京东零售技术 2026-10-27 21:28 北京

本文导读

近日,京东零售 AI Infra 团队围绕多模态大模型训练效率提升,提出 FlowTrain 分离式训练框架,并在国产芯片超节点上完成实验验证。FlowTrain 面向视觉语言模型训练中 encoder 与 LLM backbone 同步等待、资源利用率低、变长样本负载不均等核心挑战,提出流式解耦训练范式。依托超节点的高带宽互联、跨设备数据访问和集群训练能力,FlowTrain 在真实工业负载下实现超过 50% MFU,并获得最高 1.7 倍吞吐提升,为自主创新 AI 算力底座上的多模态大模型训练提供了新的技术路径。

基于本工作的论文已被 EMNLP 2026 Industry Track 接收,欢迎阅读交流。 

· 论文:FlowTrain: Flow-Based Decoupled Training for Industrial-Grade Vision-Language Models

· 链接:https://arxiv.org/pdf/2606.23087

01

背景与挑战

多模态大模型正在成为智能零售、内容理解、智能客服、工业质检等场景的重要技术底座。与纯文本大模型相比,多模态训练需要同时处理图像、文本、视频等异构输入,训练链路中通常包含视觉 encoder、投影层、LLM backbone 等多个模块。不同模块的计算形态、并行方式和资源需求差异显著,给训练系统带来了新的效率瓶颈。 在传统训练框架中,多模态样本通常以固定 batch 方式组织。encoder 需要先完成图像或视频特征提取,再将 embedding 交给 LLM backbone 继续训练。由于样本分辨率、图像数量、文本长度差异较大,不同 microbatch 的处理耗时波动明显,容易造成以下问题:

  • Batch 级同步等待明显:encoder 和 backbone 被固定 batch 边界绑定,快的一侧需要等待慢的一侧,导致算力空转。

  • 异构模块并行策略难以统一:encoder 更适合轻量化 DP/TP 组合,LLM backbone 则通常需要 DP/TP/PP 等复合并行。如果所有模块采用统一并行策略,会造成资源错配。

  • 变长多模态样本导致负载不均:padding 浪费、attention计算差异、pipeline stage 负载不均,会进一步拉低集群整体 MFU。

针对上述挑战,京东零售 AI Infra 团队提出 FlowTrain 框架,将多模态训练从传统的“同步 pipeline”重构为“生产者—消费者数据流”,FlowTrain包括三个核心亮点。Unified Memory Pool:通过统一内存池打破 encoder 与 backbone 的 batch 级同步屏障,将点对点批量交互转化为全局可寻址的缓冲交换; Heterogeneous Parallel Allocator:将资源分配目标从“单模块最快”转为“生产速率与消费速率匹配”,为 encoder 和 backbone 选择差异化并行策略;Dynamic Packing Scheduler:根据运行时样本长度和真实计算成本动态构造 microbatch,降低 padding 浪费并平衡 PP/DP 负载。 在超节点实验环境中,FlowTrain 进一步结合其高带宽互联与跨设备数据访问能力,验证了框架在工业级多模态训练中的效率潜力。

图片

02

FlowTrain 的关键技术创新

Unified Memory Pool:以全局地址空间实现多模态训练时间解耦

FlowTrain 的 Unified Memory Pool 是实现时间解耦的基础。该机制通过 64 位全局虚拟地址统一管理跨节点 HBM 与 DRAM 资源,将 encoder 产生的多模态 embedding 与文本 token 纳入全局可寻址空间。backbone 可依据元数据和全局虚拟地址持续访问已就绪数据,无需等待完整 batch 的 encoder 输出。 国产芯片超节点提供的高带宽互联与跨设备访问能力,为 embedding 的透明流转和 backbone 的连续消费提供支撑,使 encoder 侧的运行波动能够被统一内存池吸收,而不直接传导至 backbone 训练阶段。

图片

FlowTrain 通过消费者-生产者流消除同步训练的 batch-level 同步等待

Heterogeneous Parallel Allocator:以吞吐匹配优化异构并行资源分配

多模态训练中,encoder 与 LLM backbone 的计算特征不同。Encoder 通常更适合 DP/TP 组合,LLM backbone 则通常需要 DP、TP、PP等复合并行。如果所有模块采用统一并行策略,会造成资源错配。

FlowTrain 提出的 Heterogeneous Parallel Allocator,将资源分配转化为生产速率与消费速率的匹配问题,而非依赖经验调参。系统先以小规模吞吐 profiling 建立吞吐代理模型,再通过 MILP 在既定资源预算内,为 encoder 与 backbone 选择各自更匹配的并行配置;优化目标是优先最大化全局吞吐,并进一步降低生产—消费不匹配。 该机制可结合集群拓扑、通信代价、算子执行效率和并行策略组合,更准确地刻画真实训练吞吐,为异构模块提供差异化资源配置。

Dynamic Packing Scheduler:基于真实计算成本的动态打包调度

多模态训练样本天然存在变长问题。文本长度不同,图像数量不同,视觉 token 数也不同。即使 token 总数接近,最长子序列长度也会显著影响 attention 计算开销。

FlowTrain 设计 Dynamic Packing Scheduler,不再仅按 token 数或样本大小进行静态分桶,而是在完成编码后,依据 LLM 侧的实际计算代价动态构造 microbatch。调度器先通过 segment tree-based best-fit packing 降低 padding 浪费,再基于真实计算成本对 microbatch 分桶,并通过 zig-zag dispatch 同时平衡 PP 与 DP 维度负载,从而更有效应对多模态样本带来的计算波动与负载不均。

基于 MindSpeed MM 的工程实现

在完成 FlowTrain 三项核心方法设计后,京东零售 AI Infra 团队基于 MindSpeed MM 进行工程实现。MindSpeed MM 提供多模态训练所需的数据工程、模型组件、并行训练和算子优化能力,为 FlowTrain 的落地验证提供工程承接。

在工程实现层面,FlowTrain 还可利用 MC2 通信计算掩盖技术,将可并行的通信任务嵌入计算窗口执行,减少通信在关键路径上的暴露;在相关工程优化条件下,整体性能可进一步提升约 10%。

03

实验结果

端到端训练性能提升

图片

我们评估了 FlowTrain 在三种模型规模下的端到端训练性能。上图表明,FlowTrain在与 Megatron-LM、DistTrain 的基线对比中始终实现最高的吞吐量。在 InfoVQA数据集和工业数据集上,FlowTrain 分别带来最高达 1.7 倍和 1.4 倍的吞吐量提升。值得注意的是,随着模型规模增大,FlowTrain 与基线方法之间的性能差距也在不断扩大。在 InfoVQA 数据集上,FlowTrain 相较于 Megatron-LM 的吞吐量提升从VLM-6B 的 1.3 倍增加至 VLM-72B 的 1.7 倍。这是因为基线方法受限于批次级别的同步屏障,导致硬件利用率低下。相比之下,FlowTrain 允许执行解耦,并通过共享内存抽象来协调异构模块,从而显著提升大规模VLM的训练效率。

计算效率大幅提升

图片

基于同样的实验环境,我们比较了不同方法在三种模型规模下的 MFU(模型浮点运算利用率)。如上图所示,FlowTrain 在所有配置下均大幅优于 Megatron-LM。得益于生产者和消费者之间的流匹配优化,FlowTrain 在 InfoVQA 数据集和工业数据集上训练 VLM-72B 时,MFU 分别达到 52.9% 和 50.0%,而 Megatron-LM 由于采用单体设计,MFU 仅达到 31.2% 和 36.9%。此外,虽然 DistTrain 的分离式编排能够缓解一部分并行度不匹配的问题,但由于其僵化的流水线执行方式,MFU仍低于 FlowTrain。FlowTrain 允许 backbone 无需等待整个批次的 encoder 输出即可继续执行,并能够消费均衡的微批次,从而提升了资源利用率。

优秀的横向扩展性能

图片

为了进一步验证可扩展性,我们在不同集群规模下基于 InfoVQA 数据集训练 VLM-32B,并以纯 LLM 训练作为性能参考上限。上图结果展示 FlowTrain 在所有集群规模下均达到 53% 以上的 MFU,吞吐量提升 1.1-1.4 倍,表现出不同训练规模下的鲁棒性,而其他方法的训练效率远低于 FlowTrain。

此外,我们观察到 FlowTrain 的性能相比于基线方法更接近纯 LLM 训练。Megatron-LM、DistTrain 和 FlowTrain 与纯 LLM 训练的平均MFU差距分别为 18.7、12.1 和 5.0 个百分点,证实我们的设计能显著缩小 VLM 训练与单模态训练在效率上的差距。

在京东电商大模型训练的真实应用

京东零售 JoyAI-OxygenVLM 电商多模态 32B Dense 和 35B-A3B MoE 大模型上,训练吞吐分别提升 1.7 倍和 1.4 倍;通用能力与同尺寸开源模型持平,在 OxyEcomBench 零售电商评测任务达到行业 SOTA;已支持 7 个以上零售业务场景,包括 AI 图搜、商品素材质检、穿搭推荐、货不对品、AI 致幻、平生-商品违规巡检、风控-风险商家巡检等多项业务,其中AI图搜相比线上模型 UCVR 核心指标置信提升 +2.24%,且多个核心指标均置信正向。

04

结论与展望

京东近年来大力布局、共建国产 AI 生态。本工作是京东零售 AI Infra 团队与国产芯片团队合作,基于高速互联硬件能力、MemFabric内存池化技术、MindSpeed MM软件栈,结合多模态大模型训练特点所作出的系统级工作,并在京东电商业务真正的应用落地,带来显著的效率提升。

我们看到,大模型训练正在从单一模型优化走向系统级协同优化,模型规模、数据形态和业务复杂度将持续提升,训练系统需要同时具备更高的算力利用率、更强的异构并行能力和更灵活的数据调度能力。京东零售 AI Infra 团队围绕 FlowTrain 的技术创新,验证了自主创新 AI 基础设施支撑工业级多模态训练的可行路径。未来,将持续推进面向真实业务场景的训练框架、调度算法和系统优化实践,将 FlowTrain 相关技术能力在更大规模模型、更复杂数据分布和更多产业场景中落地,并面向开发者社区开放更多实践经验,促进高效、开放的多模态大模型训练生态发展。

— END —

推荐阅读

跳转微信打开

  •  

短剧的黄金时代,可能还在路上

原创 戴老板 2026-10-27 21:27 上海

群众爱看,并不是“原罪”

作为一家内容和研究公司,我司的同事经常发出一个灵魂疑问:到底谁在刷短剧?

我们毕竟经历过内容产业的风口,见识过微博的爆发、直播的繁荣、公众号的崛起、短视频的横扫千军,但短剧陡峭的增长曲线,还是给了我们一丝震撼。

按照QuestMobile的口径,截止今年5月,短剧行业去重用户规模已经达到了8.51亿,月人均使用时长达到了26.9小时。

8个亿的用户规模表明短剧的受众,已经接近中国主流社会模型——客观上说,不存在只有小镇青年天天看霸道总裁爱上我这件事。

但你要是问在魔都写字楼里上班的Sophie,Olivia和Patrick,问他们有没有在被窝里刷短剧,他们大都会言辞闪烁,顾左右而言他。

俗话说,战报会撒谎,但战线不会。尽管还有人还不好意思承认,但越来越多的人,都已经悄咪咪地成为短剧的受众了。

这表明短剧行业的水面之下,可能有一种强大的趋势,正在发生。

01

两年前我刷短剧,打开一会就会受不了,迅速关掉。但今年,我又重新“回坑”了。

今年上半年,一部14集的短剧《归墟》把我拉了回来。这部末日+生化+怪物题材的作品总时长2小时,每一帧都具备工业水准的电影质感,相当多的镜头肉眼已经分不出跟实拍大片的差别。

与实拍几乎无异的《归墟》画面

而且作为一个上海居民,看着巨大的蚂蚁、蜜蜂和螃蟹在熟悉的弄堂和江边肆虐破坏的时候,有一种有生之年居然真能看到沪版《汉江怪物》的惊喜。

到了下半年,一部《持械入宋》又让我连连赞叹。这是一部“特战小队集体穿越”剧,以北宋秦凤路的宋夏战争为历史背景,刻画了大量关于军制、官制、兵器、通信、侦查甚至后勤系统的硬核内容。

这部剧让我想起了10多年前看过一部叫做《宰执天下》的宋穿网文,里面以北宋神宗年间的“河湟开边”为故事主线,穿插了对北宋官制、科举、市井风貌的描摹,细节和典故也是多到发麻。

《持械入宋》剧照

当年我还特意买来曾瑞龙老师的《拓边西北:北宋中后期对夏战争研究》进行研读,臆想过这部网文何时能登上荧幕。没想到,十多年后红果的这部《持械入宋》让我得偿了当年的愿望。

当然,这两部剧远算不上满分,剧情有尬点,画面也有些AI作品常见的错误。但整体看来,故事的逻辑完备度、细节的丰富性、AI演员的拟人程度等等,与一年前相比可谓是天翻地覆。

以前的短剧普遍不是这个样子:人物关系靠吼,社会地位靠跪,矛盾纠纷靠扇,5秒钟搞定三幕递进,10秒钟完成起承转合,霸道总裁喜欢公司保洁,豪门公主看上薄肌黄毛,剧情雷点比38线附近还多。

我在一年前刷短剧,基本会先把智商留在App外面,担心它不堪受辱、自我了断。而这半年再看短剧,至少敢带着智商一起看。

一个可能的情况是:粗制滥造的短剧会长期存在,但精品化的短剧,将会不可阻挡的涌现。

02

其实从古至今,当一种新的“内容形态”进入规模化商业运营后,短期都会出现不少粗制滥造的内容。

比如在1905-1907年前后,影院的商业模式跑通,美国出现了大量“五分钱影院”,拍得多烂都能赚钱,导致影片供应量两年之间扩张了4倍,赶工、抄袭、廉价布景的作品比比皆是。

华语电影同样经历过类似过程。1928年张石川导演的《火烧红莲寺》上映爆火,同行跟风拍了《火烧青龙寺》《火烧白雀寺》《火烧灵隐寺》《火烧百花台》《火烧九龙山》《火烧平阳城》…等一堆垃圾,全国的寺庙景区都快不够烧了。

美剧更是如此。1950年前后美国家庭电视机渗透率只有10%,1960年就达到了90%,大量粗糙的电视剧扎堆上映,尤其是很多仅花两三天时间、在摄影棚内拍摄的西部剧,被业界西城为“四面墙西部剧”(four-wall westerns)。

1961年,联邦通信委员会(FCC) 主席米诺发表了著名的“广袤荒原(Vast Wasteland )演讲”,对美国电视剧进行了批评性概括:家庭关系令人难以置信的公式化喜剧、泛滥的暴力和犯罪题材、不断出现的西部剧模仿品,以及令人厌烦的广告。

Newton N. Minow发表Vast Wasteland 演讲,1961年

事实上,美剧经历了50-60年代的粗劣,到70年代开始优胜劣汰,80年代佳作频现,90年代全面繁荣,直到2000年代之后美剧才进入黄金时代,并借HBO、奈飞等平台把影响力扩展到了全球。

电影、电视剧走过的路,短剧也会再走一遍。

如何定义“短剧”——每集1~2分钟、竖屏拍摄、移动观看、节奏极快、通过“按集付费”或“免费+广告”等方式来实现商业闭环——无论是否愿意承认,它都是一种不折不扣的新内容形态。

这种形态由中国公司首创,从诞生至今也就不到10年时间,真正爆发更是不足5年。所以问题来了:短剧要想迎来佳作涌现的繁荣期,是不是也要像电影和电视剧那样等上几十年?

《归墟》和《持械入宋》这些作品的出现,给这个问题带来了否定的答案,其核心变量在于——AI。

03

传统影视从业者很难想象的是:一个零从业经验、6个月前还在电商公司搬砖的打工人,一个人就能手搓出一部全网播放过亿的爆款剧集。

归墟的作者“泫九”(本名江澜)是一名90后奶爸,美术专业出身,没有影视从业经验,在2025年9月之前一直在一家电商公司工作,年薪20多万[1]。

归墟的作者“泫九”

从电商公司辞职后,他一个人独自完成了从世界观搭建、剧本撰写、分镜设计、画面生成、剪辑配乐的全部流程,生产力堪比一家小型的影视公司。

往小了说,这是工具带来的效率革命;往大了说,这是一种“创作平权”。

历史上,白话文运动是一次创作平权,博客、公众号、短视频等也都是创作平权,它们都让更多的个体有了创作的“权力”,而AI短剧是这个案例库的最新成员。

在以前,即便是拍摄一部简单的微电影,也需要资本和人脉,才能组织起场地、剧务、选角、拍摄、动效、剪辑等生产链条。而现在,token就能解决上述大部分环节。

AI协助制作的《归墟》分镜脚本

AI工具的出现不仅让影视行业降本增效,也能让很多原本被热爱影视内容、但被隔离在墙外的人,突然有了一次“进圈”的捷径。

很多人可能不知道的是,影视行业其实是一个非常封闭的存在,讲究资历、圈子和关系,对外来势力天生就有一种排斥反应。

即便如昆汀·塔伦蒂诺这等天才,14岁写剧本,15岁辍学逐梦好莱坞,也在录像带店做了5年收银员的冷板凳后才找到一份制作助理的工作,又混迹多年才得以指导自己的第一部电影。

相比之下,江澜的经历验证了那句话——一个人的命运要靠自我奋斗,但也要考虑历史的进程。

这种技术和平台的红利,会让大量对某一领域有深度理解的创作者,突然有了“进圈”的捷径,而他们必然会大大加快短剧精品化的趋势。

打开某平台,就能看到一大批带有“行业专家”色彩的短剧作品:有教你专业养大闸蟹的《寒塘鉴人心》、科普急诊工作流的《急诊摸鱼王》、呈现宋锦非遗工艺的《顾盼锦年》、还原中药黄精加工全流程的《药香满园,种田采药赚万金》……

在AI的帮助下,短剧平台上的“行业剧”简直囊括了中国大部分生意:有送外卖、摆地摊的、开餐馆的、做卤味的、跑冷链的,开大货的,搞捕捞的、干家政的,当律师的、做医生的……

这意味着未来的短剧主题,不会再集中在豪门、穿越、逆袭等少数几个关键词,而是向更广泛的社会层面散开,真正地描绘千行百业,真正的刻画人间百态。

可以这样说,短剧行业结束粗放期、全面转向拼质量阶段的时间,远快于人们的预期。

其实很多人对“短剧降智”的惊惧,用崔健的歌词最能诠释:不是我不明白,这世界变化快。

短剧的确发展太快了。从月活几百万,到用户超过8个亿,总共也就花了5-6年的时间,电影电视剧几十年走过的路,短剧几年就飞跃而过。

但这也同样意味着,电影电视剧产业要花十几年、甚至几十年完成的“从粗放到精品”的过程,短剧也可能在几年时间跨过这个门槛。

对于这么一类新生的、群众喜欢、已经有精品化趋势的内容形态,我们不妨给它更多一点时间。

全文完,感谢您的耐心阅读。

参考资料

[1] 带娃间隙做AI短剧,5个月花近20万元,播放量上亿 | 对话《归墟》创作者泫九,AI新榜

作者:戴老板

编辑:李墨天

责任编辑:戴老板

图片

图片

跳转微信打开

  •  

Muse与灵光:中美Personal Agent的殊途同归

乱翻书 2026-10-27 21:23 上海

一、收藏夹和账单,正在往中间走

关于person agent,韩歆毅和扎克伯格,最近在从两个方向讲同一类产品。

韩歆毅谈意图经济,从争夺注意力走向赢得理解,从流量漏斗变成意图放大器;扎克伯格讲Muse,帮用户省钱、办事,再从促成交易中获得收入。

一个讲需求怎么来,一个讲价值怎么兑现,都想把“我想做”推进到“替我办成”。

收藏夹里装着没兑现的愿望,Meta想把兴趣推进成行动;账单里记着已经发生的消费,蚂蚁想让服务接住更复杂的需求。两边在往中间走。

个人Agent得理解用户的生活与消费习惯,从“买了什么”走到“需要什么”,这是灵光的机会,也是难题。

今天蚂蚁发布灵光2.0,定位是“能管事的个人AI助理”。产品定位从制作工具到使用工具,从交付一次结果到持续管好一件事。

二、工具越来越多,AI可以做个项目经理

互联网服务已经足够丰富,缺的是站在用户整体目标上调度服务的角色。

比如周末带父母去杭州,父亲膝盖不好,酒店要近,行程得留午休。临出发下雨,游船又得调整。携程订酒店、高德查路线、点评找餐厅,每个产品都好用,怎么凑成一趟全家不累的旅行,还得自己操心。

灵光用跨会话记忆保留偏好和进展,靠独立云主机持续运行,用任务调度跟进,再调用工具办事。人关掉对话,它还能继续关注变化,需要调整时回来找你。

落到生活里,就是授权后找出可能遗忘的续费、订完机票酒店继续盯价、把钉钉群通知整理成待办。

但降价还得算退改费,订阅是否取消也得用户判断。替人跟进,把需要人决定的部分讲清楚,知道什么时候值得打扰,才是“主动”的难度。

三、小程序的下一站,是让AI用起来

中美个人助理面对两套互联网环境。

美国更多通过网页和浏览器连接服务,中国大量服务在超级App和小程序里。创业公司面对的生态壁垒,可能成为支付宝的优势。

小程序背后已有商家、订单、支付和售后。过去支付宝把服务装进一个入口,接下来要让它们围绕同一个用户目标工作。这是蚂蚁工具箱的价值,但有服务不等于AI就能调用,接口和授权还得打通。

灵光连接钉钉、飞书、邮箱、米家,支持MCP、CLI扩展,也说明管事必须跨平台:群里收到通知,邮箱里有材料,最后还要调用家里的设备。

支付宝过去接住已经决定的交易,灵光想争取更早的一刻:事情还没想清楚,用户就先交给它。

好的个人助理,可能让人少打开应用,却交给它更多事情。灵光接下来要证明这种持续委托,就是用户把事情交出去之后,真的可以少操一点心。

跳转微信打开

  •  

已严肃沉迷短剧

白子靖 2026-10-27 21:12 上海

以下文章来源于:远川消费评论

远川消费评论

消费的第一现场,商业的逻辑真相

总有一款适合你

最近,全民进入不烧心时代,而莫言早就走在前列。

早在2024年,聊起霸总短剧,莫言说自己知道故事都差不多,但还是很上头:“每次都强忍着自己的欲望,说不能再看了”[1]。

今年8月的上海书展上,莫言再谈看剧心得,两年过去,非但没有忍住欲望,反倒每天花几个小时发狠忘情地刷短视频和短剧,并信手拈来一句经典台词:“这怎么可以!你给我跪下!把我的鞋子舔干净”[2]。

图片来源:网络

贾樟柯也跑步进入不烧心时代,今年8月在微博起笔的六个大字“最近在看红果”,为文青至暗时刻再添沉痛一笔。不过早在去年的平遥国际电影展上,他就透露过自己已经看了快200部短剧[3]。

图片来源:新浪微博

人民大众更是各个前途一片红果,也不再拿《悉达多》营造清醒疏离人设了,只默默在AI短剧评论区袒露心扉:我是土狗我爱看。

数据统计,超过35%的受访用户批评内容套路化、脱离现实。与此同时,超过75%的人认可它节奏快、爽点密集[4]。

嘴上说说老套路得了,手上谁不想赶紧加载完广告点击下一集。

全民不烧心时代

这年头的最高赞誉,莫过于一句“不烧心”。

这个梗的源头,是红果上一大批AI做的路边摊短剧。

剧情几乎是复制粘贴的,良心摊主用料干净、价格实在,攒下一批老主顾。原料一涨价,摊主跟着涨,食客就不乐意了。摊主也不解释,只说一句:“先把规矩立住了,路才能越走越宽。”

这时隔壁准会冒出个黑心老板,便宜料、便宜价,把人全抢走。结果吃了黑心饭的人个个烧心,只有一位清醒的老顾客守着主角的摊子,抹抹嘴,说出那句经典台词:

“贵是贵点,但吃了不烧心。”

这类剧一部接一部地拍,从包子铺到猪脚饭,台词几乎一字不差,变的只是锅里煮的东西。

图片来源:红果短剧

路边摊题材是AI短剧里比较朴素的一类,各种天马行空的热门剧集里,也是深刻贯彻着“不烧心”三个大字:

罪妻被发配边关,开荒种地,顺手养出个战神,单月播放破20亿;贴砖工穿越西游,错把玉帝当亲爹,还跟孙悟空拜了把子,上线35个小时,抖音播放就破了亿;急诊科医生一开局就能“看见疾病词条”,一路升职进阶[5][6]。

现实里讲究幸福者退让,短剧里的恶气必须当场就出:

打工人刚被开除,转身成了公司的新老板;真千金才被赶出家门,亲爹的私人飞机已经落地;上一集长老还在偏心内门弟子,下一集就轮到整个宗门后悔。

AI短剧的配方就是这样,俗是俗了点,但看起来不烧心。

图片来源:DataEye

AI短剧脑洞越开越大,大多数从剧名到剧情也是土得没边,但一点也不耽误大家爱看。

据广电总局统计,今年前8个月,全国上线了43万部微短剧,是去年的13倍,其中9成以上是AI剧。红果热播榜前20名里,真人剧只剩下1部[7][8]。

另一组数据也能辅佐证明,截至今年2月,每个月刷短剧的人有7.18亿,相当于每两个中国人里头就有一个人在看短剧,去年平均观看时长还高达129分钟,约等于一部院线电影[9][10]。

AI短剧的火爆其实不难理解,每个时代都有人民大众喜闻乐见的通俗文学,配料也都大差不差。

《金粉世家》早就流行过霸道总裁的剧情,最看不上这类才子佳人小说的鲁迅,也架不住老母亲追更上头,乖乖掏钱给她买来看;身世坎坷的少年学到绝世武功,《倚天屠龙记》的张无忌走过这条路;真假女儿认错亲的设定,几代中国观众都在《还珠格格》里看过;而要论剧情之狗血炸裂程度,厕所读物《故事会》不遑多让[11]。

载体换了一茬又一茬,芸芸众生、三教九流的审美最大公约数,始终是爱情、逆袭和身份揭晓,外加一点意难平。

今年9月爆火的AI漫剧《秦始皇:朕有华夏全明星阵容》,就是爽文元素大乱炖。

现代医学生穿越回大秦,把诸葛亮、霍去病、华佗这些后世名人一个个摇到秦始皇身边。嬴政一句“蜀汉太小,委屈丞相了”,诸葛亮一句“这辈子没打过这么富裕的仗”,千古一帝配上千古一相,史书里留下的遗憾,短剧替你圆上了。

图片来源:《秦始皇:朕有华夏全明星阵容》

《我年终奖80w降到1w9,领导却慌了》,专治领导觉得“没了你,公司照样转”。

男主干了八年,年终奖被砍到1.9万,直接辞职。结果公司贷款出了问题,领导想甩锅,他拿出证据当众打脸。打工人咽下去的气,短剧替你出了。

图片来源:《我年终奖80w降到1w9,领导却慌了》

当然,光是爽还不足以带领全民进入不烧心时代,AI短剧还胜在全面。说剧情都是一个套路的人,多半只是还没刷到适合自己的那一款。有人对霸总免疫,却喜欢上了萌宠;有的人看不上战神,却被末日囤货拿捏。

DataEye剧查查的数据显示,每天有超过1300部AI短剧上线,总有一款让你看了不烧心[12]。

共襄盛举

全民进入不烧心时代,从来不是一时兴起。

观众要爽,创作团队要又省又快,平台要流量,AI短剧刚好让三方都不烧心,才得以造就这个时代。

具体而言,首先得是观众爱看,大多数人的需求很朴素:爽看一番还不用花钱。

这个需求短剧早就满足过一轮。

长视频平台最让人诟病的是套娃收费的会员体系,拿爱奇艺来说,有基础、黄金、白金一路排到星钻,追个大结局还收你超前点播的钱。短剧的主要商业模式是免费观看、广告变现,看多了还能领点小红包,一下就笼络住了广大不愿意付费娱乐的用户。

至于“好看”,见仁见智,但可以肯定的是,在长剧广泛进入注水时代,被慢镜头和回忆杀填满时,短剧站在了快节奏这边,快到让人还没反应过来,抬头已是凌晨两点。

一个想着怎么撑长集数多卖钱,一个想着怎么让人沉迷其中戒不掉。

效果也很分明,今年7月,每天打开它的人冲到了1.68亿,一年翻了一倍还不止,比腾讯视频、爱奇艺、优酷、芒果TV四家加起来的1.55亿还多[13]。

人在哪儿,钱就在哪儿。2025年,中国微短剧的盘子突破了1000亿元,全国电影院卖了一整年的票,也才518亿元,真金白银的数据是大众热情的最好证明[7][14]。

都说短剧没营养,但观众用脚投票,大多数人上了一天班,早就信息过载,没有耐心再注入什么营养了,来一些炸鸡可乐般迅速刺激多巴胺的快乐才更满足人性。

被短剧饲养成熟的观众,早已练成认剧不认人的本事,只要剧情够带劲,屏幕里那张脸换成AI,大家也能丝滑接受。

于是在短剧完成市场启蒙的基础上,AI的最大贡献是让供给迎来指数级大爆发,无孔不入地闯入观众视野。

AI短剧前两年就有,但质变发生在今年。

2024年3月,央视频上线《中国神话》,号称国内首部AI全流程微短剧,到了2025年时,AI短剧的受众也才刚刚1亿出头[15]。

爆发的转折点是今年2月,字节发布的Seedance 2.0生成画面已经可以以假乱真,没过多久,迪士尼就发函指控它拿漫威、星战的角色当素材。

质量上去了,也就慢慢破圈了,到了3月,新增的AI短剧和去年一年差不多,整个2026年上半年,累计看AI短剧的人已突破6亿,是去年的5倍[15]。

于是打工人的一天彻底被AI包圆:白天AI帮你上班,晚上AI带你上头。

图片来源:网络

既然观众不挑脸,AI短剧做起来又省时省力,创作团队也迅速拿到大结果(红果的果)。

拍真人短剧得找演员、租场地、看天气还得包食宿。AI既不怕下雨,也不用吃饭。按照长江证券的估算,一部真人短剧要花费120万到150万,换成AI漫剧只需要10万到30万便足够了[16]。

时间也压缩了不少。短剧本来就拼数量,人设要多,反转要密,一个题材火了,十个同款马上就得跟上,开头没人看,就得赶紧换个开头重来。这些恰好又是AI拿手的,改剧情不用重新搭景,换个开头也不用重新约演员。郑州一家AI短剧公司,两个组每周各要交出一部60集以上的新剧,换成真人剧组,一周可能刚够把演员凑齐[13]。

成本一降,胆子就大了。以前投入高,只敢求拍得稳妥,现在十几万就能试一把,再野的脑洞也有人接。

穿越回80年代当首富,真人剧得找绿皮火车供销社,AI敲几行提示词就有了;国足勇夺世界杯冠军,现实里没有球迷敢做这个梦,结果AI球员已在国足夺冠之夜振臂高呼;丑小鸭逆袭成魅魔,从霸总到体育生,攻略完7个男主后又开始做搞钱大女主,只需要AI给你重置一个系统。

图片来源:左边《热血国足:勇夺世界冠军》,右边《满级传球称霸欧洲!》

也是托AI的福,中国人都能拍上美剧了,播放量破亿的美高题材AI短剧《Shame》和《The Accident》都做得有模有样。

成本低、出片快、创作空间大,三样凑到一起,各路人才的创作激情都死灰复燃了。不少热门剧集的幕后团队都是半路出家,上述国产美剧的作者就是自学AI工具的学生。

如此全民参与的创作氛围,放在整个人类艺术史上都是十分罕见的。

图片来源:《The Accident》

淘金热里最大的获益者永远是卖铲子的人,所以最后还有一股重要势力推波助澜,坐收流量红利的平台。

DataEye的副总裁林启文算过一笔账,AI把制作成本砍掉了90%,买流量的钱却一年涨了100%还不止,收入反倒掉了一半以上[12]。

制作方花出去的钱,一部分变成了流量。AI短剧全行业每天的投流消耗都超过2亿,今年上半年巨量引擎短剧投流消耗同比上涨了118%;另一部分进了AI工具的钱包。可灵AI二季度收入超过8.5亿元,同比涨了两倍多;Seedance年化收入,据媒体报道已经到了20亿美元[17][18][19][20]。

在字节的体系里,AI短剧带来的正循环尤其明显:剧本可以和番茄小说联动,画面在即梦用Seedance模型生成,算力在火山引擎上跑,内容在抖音和红果上播放,投流走巨量引擎[21]。

红果自己单拎出来表现也挺好,23年4月才上线,2025年全年收入预计超150亿[22]。

长视频平台看在眼里,更坐不住了。当初看不上短剧的要么开始追着合作,要么自己下场开始做。

芒果TV去年一口气上线了5137部微短剧,比前一年增长超14倍,还跟红果合开了一个“果果剧场”;腾讯视频专门做了个AI漫剧平台,每天上新超过1000部短剧;爱奇艺连电影都开始给AI发补贴,对全流程用AI做的内容,分成额外再补贴20%[23][24][25]。

9月下旬,一向克制的微信生态内也上线了“绿泡泡短剧”。到了10月,TVB开始找红果合作,准备把《金枝欲孽》拍成短剧版,毕竟在流量面前,做人最重要的就是开心[26][27]。

图片来源:网络

三方主力之外,同行的衬托也功不可没。

网友总吐槽AI演员表情僵、眼神空,可这届观众什么场面没见过。抠图演戏、替身拍全景、台词念成“1234”再靠后期配音的流量剧,大家见得多了,AI演员起码不轧戏、不耍大牌,也不会哪天突然塌房。

AI短剧未必有多好,只是有些同行太让人烧心了。

尾声

最近“红果短剧降智商”冲上热搜,有网友晒出手机屏幕使用时间,一天刷红果超过10小时。

浙江中医药大学副主任解释,短剧密集的反转钩子持续刺激多巴胺,大脑超负荷运转导致专注和理解能力暂时变差,人才会觉得自己“变笨”,都怪短剧过分精彩[28]。

图片来源:网络

网文刚兴起时,也没少遭受类似的“荼毒大众”的嘲讽,结果2020年,《斗破苍穹》入藏中国国家图书馆,2022年,大英图书馆又把《赘婿》收入囊中[29]。

被骂过的不一定都能成为经典,但连泥沙都容不下肯定淘不出金子。

今年上半年,光是抖音就上新了22.19万部AI短剧,但爆款率只有0.47%,剩下的大多数,看着确实挺一言难尽的[30]。

但热门作品中也有很多质量上乘之作,4月上线的《云浮若梦归》,5天播放破4.9亿,观众评价最集中的一条是“不出戏”;6月上线的《被裁掉的女孩》,也有超3.6亿的总播放量,获得“这回真觉得AI能取代演员”的极高赞誉。

今年还有个AI短剧的里程碑时刻,两部AI短剧《摸金之天机入梦》和《饿塔》入选了戛纳国际电影节的展演单元,成为中国短剧行业在戛纳的首次荣誉[31]。

大作家莫言说得公允,有些短剧“看了100个实际上好像都是一个故事”,但也不乏精彩之作:“虽然短,但也是有头有尾的故事,也有个性鲜明的人物、意味深长的余韵”[32]。

管它什么形式,百家争鸣反正从来不是坏事,创作从来不怕泥沙俱下,只怕枯竭断流,就像贾樟柯微博里写的:“屏幕竖起来,创作者不会矮一截”[3]。

无数普通团队乐意做,无数普通观众乐意看,好戏才有开场的可能。

[1] 太上头!诺贝尔文学奖获得者莫言谈霸总短剧:我强忍欲望 不能再看了,新浪科技

[2] 莫言携短小说集《人呐》再次亮相上海书展,解放日报

[3] 贾樟柯谈短剧:竖屏横屏,同一个影视生态,澎湃新闻

[4] 《文化出海“新三样”全球用户大调查》——中国微短剧用户年度调查核心发现,西安交通大学新闻与新媒体学院、中国日报社海媒研究院、中国广视索福瑞媒介研究(CSM)

[5] 月榜|抖音热播榜(统计时间:2026年6月),DataEye

[6] AI漫剧赛道最大黑马,十一连冠封神春节档!,澎湃新闻

[7] 前8个月上线微短剧43万部 AI剧占比超九成,新华网

[8] AI短剧爆火:制作成本仅为真人剧1/10,平均每36秒诞生1部,IT之家

[9] 行业用户规模达7.18亿,短剧App银发人群4653万,QuestMobile

[10] 《中国网络视听发展研究报告(2026)》,中国网络视听协会

[11] “民国第一写手”传奇文字生涯:鲁迅曾买其书送母,中国作家网

[12] 每天1300部AI短剧上线 投流成本持续攀升“堆量”难以为继,证券时报

[13] 红果的闭环:高周转如何碾压全场,华尔街见闻

[14] 国家电影局公布2025年全国电影票房518.32亿元,央视新闻

[15] 2026上半年AI剧漫剧数据:灵矩动漫、魔方、爱看互动、酱油领跑红果出品!迎米科技、云繁、云景领跑抖音制作!创作者超50万!,DataEye短剧观察

[16] 复盘2025,AI漫剧如何撬动百亿级内容生态,长江证券

[17] 一边裁员承压,一边半年狂赚数亿,AI短剧到底谁在赚钱?,Tech星球

[18] 巨量引擎:上半年短剧消耗增118%,DataEye短剧观察

[19] 快手2026年第二季度及中期业绩公告,快手科技

[20] 字节跳动的 AI 账本:豆包每天不足百万收入、Seedance 毛利 70%,晚点LatePost

[21] Cover Story: How AI Took Over China’s Micro-Drama Industry in 90 Days,财新

[22] 字节跳动旗下第五款现象级App诞生 红果短剧日活破亿 成立不到3年,快科技

[23] 红果之后,长视频被重新定义了,界面新闻

[24] 从财报看长视频下半场:短剧、AI、出海成新战场,深度文娱

[25] 爱奇艺发布电影分账新规 新增多元发行渠道选项,同花顺财经

[26] 微信绿泡泡来了,短剧要变天?,听筒Tech

[27] 《金枝欲孽》短剧开拍,陈豪时隔22年再演“孔武”:感觉好熟悉,拍竖屏剧的节奏和演绎方式很新鲜,是新挑战,凤凰网

[28] “红果短剧降智”冲上热搜 医生回应,21世纪经济报道

[29] 首次!大英图书馆收录16部中国网文,含《赘婿》《画春光》……,中国日报网

[30] 我们盘点了半年数据,发现22万部AI短剧,播放量破亿的不到千分之五,扬帆出海

[31] AI短剧,谁是主角?,界面新闻

[32] 「你给我跪下」作家莫言发表新书 模仿短剧经典台词,世界新闻网

跳转微信打开

  •  

制造业 AI 落地回眸

原创 半吊子全栈工匠 2026-10-27 20:26 北京

工厂里的 AI 不是"上一个模型",是"把每一台设备的每一秒,变成能被人和模型同时读懂的一行记录"。这件事很土,很慢,也没有发布会......

【引】对于制造业的AI赋能而言,决定 AI 项目成败的,通常不是选了哪个模型,而是车间里那台 2012 年机床的时间戳跟 MES 对不对得上。本文是对《本体驱动的AI大模型:方法与实践》一书的案例扩展解读,也是一些制造业AI落地项目的一些实践笔记。

在制造业的设计、生产、质量、供应链、售后和可持续这六个环节中,AI项目落地的真正前置条件只有一个:把设备数据做成"带上下文、能对齐时间"的资产。缺了这一步,任何场景换个厂区就会失效,而且失效得很安静——不是报错,是模型精度悄悄掉下去。

最快见效的通常不是生成式 AI,而是三类"老机器学习":设备异常检测、视觉质检、能耗分析。它们指标清楚、数据现成、投入产出比能在一个季度内算出来。

生成式 AI 目前在制造业最扎实的落点是排障和知识传承:把老师傅的经验变成带出处的回答,把小时级的排查压到分钟级。这条路对模型能力要求不高,但对数据质量要求极高。

一、工业数据可能只有四个动词

工业数据的处理拆成四个动词:摄取、存储、情境化、利用,这个拆法很工程化。

环节

要解决的问题

工程上真正交付的东西

摄取

批量数据、流式数据、间歇性数据怎么统一进来

一份点位清单,标明采样频率、协议、时区、谁负责

存储

源数据变化时,关系还能保持住

原始层不动、加工层可重算的分层存储,而不是一个大表

情境化

筛选、过滤、插值、时间维度对齐

数据字典:资产层级、工单号、班次、产品型号如何挂到每一行上

利用

让用数据的人拿到自己要的格式

面向具体角色的数据产品,比如给工艺工程师的窗口视图

这里最容易被跳过的是第三个。很多团队把"数据上云"当成目标,把 CSV 灌进对象存储就算完事,结果模型训练时才发现:这台机床的振动数据是毫秒级,那台的采集卡只给一秒一个点;这台用本地时间,那台用 UTC;换型时间只在班组长的纸质记录里。这些东西不补齐,后面所有分析都是沙上建塔。

多数工厂是从单个场景切入的,比如选一个厂做预测性维护试点,验证成功后想推广到其他厂。但各厂的数据结构不同、标准不同,用的工具也不同,所以哪怕要解决的是完全一样的问题,第一个场景里有效的方案,到第二个场景就不见得有效。这不是技术问题,是资产建模没有统一。

情境化听着抽象,落到代码上其实就是几十行。下面这段把一个产线三路数据对齐到同一张表上,注释里写了几个必须做判断的地方:

import pandas as pd
# 三路数据:设备秒级遥测、MES 工单事件、质量抽检结果
telemetry = pd.read_parquet("plant-a/line-3/telemetry/")# ts, tag, value
events    = pd.read_parquet("plant-a/line-3/mes/events/")# ts, wo_id, sku, state
qc        = pd.read_parquet("plant-a/line-3/qc/")# ts, wo_id, defect_rate
# 1) 统一时区,全部落到 UTC 秒。现场最常见的错误就是本地时间混 UTC
for df in(telemetry, events, qc):
    df["ts"]= pd.to_datetime(df["ts"], utc=True).dt.floor("s")
# 2) 以 1 秒网格重采样。前向填充只允许 3 秒,超过就置空
#    原因:拿 10 分钟前的值填充,等于替设备编造了一段连续工况
grid = pd.date_range(telemetry["ts"].min(), telemetry["ts"].max(), freq="1s")
wide =(telemetry.pivot_table(index="ts", columns="tag", values="value")
.reindex(grid).ffill(limit=3))
# 3) 打上下文:资产层级 + 工单 + 班次,这才是"情境化"的实质
wide = wide.reset_index().rename(columns={"index":"ts"})
wide["asset"]="plant-a/line-3/filler-01"
wide = pd.merge_asof(wide, events.sort_values("ts"), on="ts", direction="backward")
wide["shift"]=(wide["ts"].dt.hour //8).map({0:"A",1:"B",2:"C"})
# 4) 建模时分状态。开机、稳定运行、换型三种工况混在一起训练,模型必然学歪
wide["run_state"]= wide["state"].fillna("unknown")

这段代码没有任何高科技,但它决定了后面能不能做事。真正花时间的不是写代码,是搞清楚"filler-01 这个资产下面到底挂了几个传感器、它们的 tag 命名规则是什么、谁有权改"。

给数据地基定验收门槛,比定技术栈有用得多:

验收项

及格线

为什么

时间对齐误差

同一事件在三路数据里的时间差小于 1 秒

超过 1 秒,故障前后的因果顺序就开始错乱

资产覆盖率

目标产线关键设备 100% 有点位清单

缺一台设备,模型就会把它的停机算到别人头上

历史回放能力

任意 30 天窗口能重算出同样的结果

不能回放就无法解释模型为什么报警

缺失值策略

每个点位标明"允许填充多久"

无脑前向填充是精度虚高的主要来源

口径一致性

同一指标在两个厂的定义完全一致

否则跨厂对比全是噪声

二、设计端把试错成本从"开模具"降到"跑一次作业"

工程设计是最早被云改变的一环,因为它天生就是计算密集的。例如,把仿真从本地工作站搬到云端 HPC,把设计协作从共享盘搬到云工作站,把 PLM 从机房搬到云上。

场景

做法

公开案例数字

衍生式设计

工程师只定义约束,算法生成上千个候选结构

某自行车零部件企业曲柄减重 20%、强度翻倍,骑手模拟从数小时降到几分钟

大规模仿真

云端弹性扩容,跑批量参数扫描

某卫星推进企业模拟时间从 8 小时降到 1 小时

芯片验证

用变异感知方法替代暴力蒙特卡洛

验证速度提升 1000 倍,迁到基于 ARM 架构的云服务器后成本降 24%

PLM 上云

15 个以上工程应用整合到一个闭环

产品配置到交付 28 天降到 8 天,成本降 40%

设计协同

虚拟工作站串流,图纸不出云端

某电动车企业设计速度提升 66%,整车 BOM 加载 22 分钟

这些数字背后有一条共同逻辑:设计阶段的迭代成本,从"物理世界的一次试错"变成了"计算资源的一次调度"。以前改一版曲柄要开模、试制、上车测;现在先跑几百次拓扑优化,把明显不行的方案在仿真阶段就淘汰掉。

但这里有个容易忽略的工程细节:收益不在"算得快",在"排队短"。本地 HPC 集群的利用率往往只有三四成,忙的时候排队三天,闲的时候机器空转。云端弹性解决的是排队问题,所以衡量这件事的指标应该是"仿真作业平均等待时间",而不是"单次仿真耗时"。前者从三天降到两小时,工程师的工作方式才会真的变——他敢一天试五个想法了。

三、车间端最快见效的三条线

生产现场的用例很多,但按"数据现成度"和"指标清晰度"排,只有三条线适合作为第一批。

线

典型数据源

该盯的指标

案例数字

先决条件

设备可用性

振动、电流、温度、停机记录

计划外停机小时数、MTBF、MTTR

某医疗设备企业避免 500 小时以上计划外停机

有至少半年的历史停机记录

质量

产线相机、抽检结果、工艺参数

漏检率、误判率、一次合格率

某药企用合成图像训练缺陷检测,误判率降 50% 以上

缺陷样本能被标注,哪怕很少

能耗

电表、气表、水表、蒸汽流量

单位产品能耗、WAGES 分项占比

某饮料企业两个工艺系统年省 20% 能源、9% 用水

计量点位细化到主要设备

这是最容易被过度承诺的场景。某农业与能源企业原本跑的是冗长的定期维护流程,后来用振动监测和异常检测,比任何其他监控手段早若干小时发现了一台压缩机的问题,也提前发现了风扇可能失效的迹象。注意措辞——是"早若干小时",不是"提前三周"。

真正的预测性维护需要带标签的故障历史:什么时候坏的、坏的是什么件、坏之前的工况是什么。多数工厂拿不出这个。拿不出就先做异常检测:用无监督方法学出"正常工况长什么样",偏离就报警,由人判断。这条路能拿到大部分收益,而且不需要标签。例如,某商用制冷企业用设备联网数据加预测模型,把维护需求预测准确率做到 80% 以上,从而减少了全球客户的制冷停机时间。80% 这个数字的意义不在精度本身,而在于它足以支撑排班——技术人员可以按预测结果提前安排路线,而不是等客户打电话。

质检的模型结构早就成熟了,卡点一直在数据。某食品企业用边缘部署的视觉模型数产线上的产品数量,模型训练和重新部署的闭环建起来之后,收益才持续。某药企的做法更值得借鉴:真实缺陷样本太少,就用生成式方法合成图像来训练检测模型,最终各产品线误判率总体降低 50% 以上。

合成数据解决的是长尾问题。一条产线一年可能只出几十个某种缺陷,但模型需要几百上千个样本才学得会。合成的时候要注意一点:合成样本的分布必须贴近真实相机、真实光照、真实工装,否则模型在产线上会"认得出假缺陷、认不出真缺陷"。

能耗分析是投入最小、最容易说服管理层的一步。例如,用机器学习分析用电数据,发现有一台数控机床长期空转,仅这一项就把能耗降了 5%。这类"找闲置设备"的工作不需要复杂模型,需要的是分项计量。

四、AI 真正开始干活的地方

生成式 AI 的制造业场景分成三类:产品工程、生产、员工培训与生产力。这个分法可以用,但要加一列"成熟度",否则容易一起上、一起翻车。

场景

输入

输出

验收指标

当前成熟度

排障助手

设备手册、历史工单、报警记录

可能原因、检查步骤

平均修复时间、上报率

高,可规模化

知识传承

老师傅的维修记录、工艺参数调整日志

带出处的问答、培训材料

新员工独立上岗时间

高,但依赖知识沉淀

文档核对

标签、图纸、BOM 文本

差异清单

漏检率、核对工时

高,规则清晰

设计生成

约束条件、二维图、三维模型库

候选三维结构

概念阶段方案数量

中,需人工筛选

代码与报表

业务数据、自然语言问题

查询、图表、摘要

报表交付时间

中高,边界清楚

直接控制设备

实时时序

控制指令

不适用

低,不建议现阶段做

例如,某造纸企业给设备操作员配了生成式 AI 助手,用来提供故障排查指导、辅助熟悉复杂操作、定位问题根因。结果是检索故障排除指导的时间从数小时缩短到数分钟,向高级人员上报的次数明显减少。

这个案例的价值在于它选了正确的任务:不是让模型控制设备,而是让模型帮人更快找到那一页手册。任务边界清楚,错了也不会出安全事故,但收益立刻可见。

还有一个容易被低估的场景:某车企有二十多种车辆标签、涉及多语言、两千多个变体,人工核对极慢。用文档解析服务把标签文本抽出来跟系统数据比对,自动标出异常,接近零标签缺陷。这件事跟"大模型聪明不聪明"毫无关系,纯粹是把重复劳动交给机器。

排障助手的技术形态基本都是检索增强生成。骨架不长,但有三个地方不能省:范围过滤、相关度阈值、出处引用。范围过滤防止把 A 型号的经验套到 B 型号上;阈值让系统在没把握时把人推给老师傅,而不是编一个像模像样的答案;引用让维修工能自己判断该不该信。少任何一个,这套东西在现场活不过两周。

五、从设备到收入:联网产品的第二增长曲线

设备联网之后,商业模型会变。原来是一次性卖硬件,卖完关系就淡了;现在可以卖可用性、卖耗材、卖预测性维护。几个不同行业的示例如下:

案例

做的事

结果

扫地机器人

无服务器架构支撑 C 端应用与设备后端

节假日流量激增 1900% 未出问题

木屑颗粒烤架

供应商平台下线,三个月完成迁移

11.1 万台设备、70 万移动用户平移,18 个月设备量翻倍到 30 万台

商用烤箱

三款应用支持远程监控与程序下发

服务层面客户要求满足率 95%

商用制冷

联网数据加预测模型排维护

维护需求预测准确率 80% 以上

冷链物流

整合碎片化冷链数据,监控位置与温度

减少食品变质,优化配送路线

这些案例背后有个共同的坎,很少有人提前想到:设备身份管理。一台设备出厂、换固件、换通信模组、换 owner,它的身份记录必须能跟着变。等你有三十万台设备在线,再回头补这套东西,成本会高一个数量级。

联网产品的价值不在"连上了",在"连上之后有人看数据并采取行动"。如果售后团队的组织方式还是"客户报修、我们上门",数据再多没用。

六、可持续性的两本账

可持续发展这件事容易写成口号,落到工程上是两本账:一本是工厂自己的能耗账(WAGES:水、空气、燃气、电力、蒸汽),一本是产品的碳足迹即从原料开采到最终销售的过程。

层次

具体动作

案例数字

工厂能耗

分项计量加机器学习分析,找出低效设备

某饮料企业两个工艺系统年省 20% 能源、9% 用水

设备效率

数字孪生模拟不同工况下的运行方式

同上,用近实时资产监控优化生产流程

泄漏与损耗

数据湖加机器学习提升检测精度

某水设备企业每天自动采集 5GB 以上数据,单客户五年预计省 800 万美元

供应链碳

统一平台汇集供应商数据,避免数据粉饰

供应链占企业温室气体排放 90% 以上、运营成本 50%–70%

产品碳足迹

自动化精细排放跟踪

需要物料清单、工艺路线、能源因子三者对齐

有个判断标准很实用,这套碳数据能不能被审计。如果排放因子来自一张谁也说不清版本的 Excel,那优化就无从谈起,因为改一版工艺,账要重算一遍,永远算不完。先建"单一数据源 + 可追溯口径",再谈降碳。

七、制造业AI落地的常见反模式

起步四步法是对的:设定目标、确定具体场景、选模型、与专家携手。但它偏战略层,落到执行需要一张带交付物的时间表。

然而,那些看似应该做却在落地困难的方式有哪些呢?这就是反模式。

反模式

直接后果

更稳的做法

先定模型,再找场景

模型很强,但没有可验收的指标,项目无法结项

先写清楚"哪条线、哪个指标、改善多少算成功"

拿一个厂的试点直接复制

数据结构、标准、工具都不同,复制即失效

先统一资产模型与数据字典,再复制场景

没有故障标签就承诺预测性维护

模型学不到故障模式,最后退化成看门狗

先做无监督异常检测加阈值告警,同时攒标签

让大模型直接读秒级原始时序

上下文烧光,幻觉严重,成本失控

时序交给统计方法与专用模型,语言模型只处理文本与工单

排障助手不给引用

维修工试两次不信,然后弃用

每条结论带工单号或手册页码,查不到就拒答

碳数据靠人工汇总

审计不过,改一版重算一遍

建单一数据源,口径与因子版本化

八、小结

对于制造业的AI落地路径是先把数据变成资产,再让算法去用它。反过来做也能出成果,但成果会锁在第一个厂区里,出不来。

如果只能记住一句话,那就是:工厂里的 AI 不是"上一个模型",是"把每一台设备的每一秒,变成能被人和模型同时读懂的一行记录"。这件事很土,很慢,也没有发布会。但它是唯一绕不过去的那一步。

【关联阅读】


跳转微信打开

  •  

当书本走进现实 - 西北游记

原创 caoz 2026-10-27 19:50 甘肃

题图,月牙泉。

来甘肃前几个没想到,没想到甘肃那么大,从兰州到敦煌上千公里,省内坐飞机完全是有必要的。没想到甘肃居然是有边境的,甘肃和蒙古国接壤。也没想到敦煌除了旅游,还有非常值得关注的光伏基地。

那么进入正题,这次行程解锁了太多历史认知,见到了太多以前只有课本上,媒体上,诗词上看到的地名。

1,先从兰州开始

传说中的马踏飞燕,终于见到了。

琉璃盏,真的漂亮,突然想到了卷帘大将,不会是因为打碎了这个被贬下界吧。

金书铁卷,传说中的免死金牌,皇帝赏赐给给功臣的,可抵死罪一次(谋逆除外)。

太多藏品就不说了,但这个造型很有意思,网上也看过其他博物馆类似造型,后来在鸣沙山看到了解释。

这个叫水月观音,是观音菩萨三十三法身之一,不过鸣沙山这个近代的人工造景其实不严谨,水月观音另一条腿应该是自然下垂的。

在阳关博物馆再次证实。

兰州博物馆,除了以上这些藏品,我还发现了一个很少游记提及,但我觉得很有价值的东西,淳化阁帖。

什么是淳化阁帖,宋太宗要求将当时收录的历代帝王和书法大师的文字,拓印成木贴保存收藏。这其中比例最多的王羲之,王献之的书法作品,限于纸张的可保存性,二王作品其实没有一件是原作流传,都是后人拓印或临摹的,淳化阁帖算是其中最大的流传来源。对中国书法传承意义巨大。

但问题是,淳化阁帖也没有保存下来,宋仁宗时期皇宫府库失火,全部焚毁。不过在拓印过程中少许石板流传了下来,此外在淳化阁帖存在的几十年里,一些王公贵族也进行了二次拓印,后来在明朝,又有一些王侯进行了整理和收藏和翻印,那么兰州这边流传下来的,是明朝肃王府的肃府本。

文化的传承很有意思,不仅仅是文字可以通过不断的抄录传播,书法也可以通过多次拓印流传,二王的书法作品,流传到现在值得学习和研究的,保留最多的就是肃府本的淳化阁帖。

除了二王之外,还有诸如李世民,司马懿这些耳熟能详的帝王将相的文字,有一说一,李世民的字真漂亮。之前太原晋祠看到过李世民的题碑,但原碑文经过岁月已经几乎无法辨认。有近代拓印的石碑在旁,可以对比。

甘肃博物馆收藏了肃府淳化阁帖,绝对是国宝,不过之前拿出来给公众展览的极少,也就是最近一周(我刚核对才知道),淳化阁帖特展,展出了不少肃王阁帖的拓本和少量石版。不知道特展持续多久。

在甘肃淳化阁帖展览上,有个关键词,叫做薪火相传,这个词,在未来几天,会再度被认识。

对了,甘肃博物馆还看到这个,古币售卖机,甚至有汉朝的半两钱,而且还标注,不可出境。我就好奇半天,这玩意是真的古董还是仿的,如果是仿的感觉卖的有点太贵了,而且凭啥不让带出国,如果是真的,又是不是太便宜了。汉代铜币五六十人民币就能带回家了?Deepseek说这是真的。

不过既然不让带出境,那我老老实实也就没买。国内我也没地方放啊。

友情提醒,甘肃博物馆参观完全免费,但需要小程序预约,淡季名额很空。

2,七彩丹霞

丹霞地貌,又是一次经常听说的名词,第一次亲历,感慨大自然的鬼斧神工。

其实游客蛮多的,但都限制在特定围栏,所以拍出来看很空旷。

没有滤镜,也没有高级相机,三星手机实拍。

3,嘉峪关

明长城的终点,山海关到嘉峪关。明朝实际统治的边界。

悬臂长城,明长城遗址。

 不过看上去建筑都是近代翻新的,只有部分砖墙还是明朝的。

一个书本上的地名,有了切实的认识。

4,戈壁艺术

据说很多是清华美院的作品,但也有人说这是破坏环境。

5,莫高窟

这个太知名了,它的故事几乎每个中国人都知道,遗失的经卷瑰宝,以及仍然散发无尽魅力的千佛窑洞。

说两个小攻略。

5.1,莫高窟虽然开放了几百个窑洞,但是每次进入,会随机分组,常规票导游只带你逛8个窑洞并讲解。不同小组会逛不同窑洞,当然他们会尽量把不同风格的窑洞展示给你。主要原因是游客太多,担心过于拥挤。

那么想多看行不行,其实导游讲解行程结束后你把讲解器还掉,然后跟着其他小组逛也是可以的。只要你时间富裕就行,不过我估计只有淡季会允许这样,旺季应该会限制严格一点,至少我去的时候其实你只要还掉讲解器,他们不管你是不是离开窑洞区。

5.2,莫高窟窑洞区游览过程禁止拍照,小红书上很多人吐槽这一点,但是,在离开景区的景交车站旁边就有一个陈列馆,而陈列馆里有五六个完全1:1复刻的窑洞,这个是随意拍照的!但是90%的游客会无视这个,然后在小红书上吐槽。

参观时只能拍摄外景,不同小组不同到有带入不同窑洞。

这些经卷不是原件,都是复制件,原件最多被英国国家博物馆和法国国家图书馆收藏,其实美国,俄罗斯和日本也有一些。

目前敦煌文物研究所发起了流失文物数字化回国的活动,还是得到了全球各大博物馆的合作支持,很多藏品高质量数字化版本已经拿到,这些复制品基本上也是靠这种合作复刻出来的。其中前两张图可以看到敦煌当时丝绸之路是东西方文化交汇所在,各种文字都有,栗特语,回鹘语,甚至还有希伯来文的圣经旧约。并不只是宗教经卷,也有很多生活记录,契约账目,艺术作品,甚至儿童习字册,是了解当时社会生活的一个重要窗口,也是研究古代少数部族语言的重要依据。

以上也是很容易被游客忽视的一个陈列馆里的藏品。

以上就是陈列馆中复刻窑洞的实拍,莫高窟的壁画比佛像还有吸引力。复刻窑洞尽量还原了窑洞实景,其中包括缺损和氧化。在这里拍片是不受限制的,和真窑洞实拍几乎没区别,而且也没什么人。

这种只能说是近代仿制品,都不能算复刻版,没有缺损也没有氧化。

6,都不用说名字,看图即知。

传说中的月牙泉,终于实地见证了。

拍摄点是鸣沙山,纯沙丘,如果没有绳梯,爬上去还是很吃力的。

如果不借助绳梯往上爬,往下降,这时候感觉就很像林贾尼冲顶中的一段了,当然鸣沙山的爬升比林贾尼简单多了。

那很多读者都知道我现在有见山就爬,见梯就蹬的病,既然来了,爬一遍怎么够。爬两遍才过瘾(不过我还是借助绳梯的,依然怕摔)。

敦煌文旅还是很会做活动的,鸣沙山露天音乐会这一年搞得非常火,不过这个季节太冷了,目前没有,夏天如果去敦煌,值得去参加。

我对骑骆驼没兴趣,在埃及金字塔脚下都没想过要骑,不过拍别人的感觉还不错,大漠风沙,商旅远行。

7,阳关!

莫高窟,月牙泉,解锁了课本里多少年的记忆,够震撼了吧,还不够,继续解锁唐宋诗词里的常见词!

劝君更尽一杯酒,西出阳关无故人。

昔日的阳关,也是重要的边界关卡,可惜岁月磨平了几乎一切痕迹,只剩下一些土墩,但这个词在我们历史上,也是熠熠生辉的。

阳关故址,之前被老百姓叫做古董滩,经常有人从这片地捡到古代的箭矢,货币,生活用品的各种碎片,不过现在保护起来了。

这种都是近代景区建筑。

古长城的峰燧。这里解读一下,也是有导游讲解的,汉长城烽火台烧的是积薪(堆起来的柴火),在博物馆里有考古证据的,不是什么狼粪,狼烟其实是个比喻,类似说狼来了,没有那么多狼粪可以烧。当时一些古人凭想象传讹,但所有历史考古证据里,从未证明过狼粪用于燃料。

回来接应一下,前面提到的薪火相传,其实就是从烽火台传递信息这个意思衍生来的。

据说,唐朝时,阳关是丝绸之路最热闹的关卡之一,阳关外的大道,胡商络绎不绝,道路宽广,可供十几匹马并排驰骋,所以被称为阳关大道。

你走你的阳关道,我过我的独木桥,也是从这里衍生出来的。

再来学习一个词汇,所谓关照,关照最早的意思就是通关文牒,类似于护照,你看电视剧西游记里唐僧总拿出来的那玩意。按照导游的说法,阳关,玉门关(别急,待会说)在汉唐相当时期里就相当于国门,出入这里需要通关文牒,在当时就叫关照。

当时具有关照,意味着沿途关卡,驿站有义务为你安排水和食物,并保障你在它范围内的安全,所以你有关照,你经过这些地方就会得到基本的照顾,那么词汇衍生后,关照就成了就关心和照顾。

8,玉门关,这个更有名

广泛出现在古诗中,很多人小时候都应该背诵过。

第一首,王之涣 凉州词

黄河远上白云间,一片孤城万仞山。

羌笛何须怨杨柳,春风不度玉门关。

第二首,王昌龄 从军行

青海长云暗雪山,孤城遥望玉门关。

黄沙百战穿金甲,不破楼兰终不还。

李白,关山月

长风几万里,吹度玉门关。

另一个经典典故是班超,经营西域三十年,上书求归,“臣不敢望到酒泉郡,但愿生归玉门关”。

在中国历代王朝疆域地图里,我们看到的汉唐疆域往往要远远超出玉门关和阳关,但历史上主权概念是模糊的,按照“普天之下莫非王土”的理念,天下都是皇帝的,根本不存在所谓的疆域;但从现实来说,会分为三种情况,一种就是直接管理,建立州府衙门,中央派人管理;一种是羁绊管理,你们自治,名义上以我为尊。中央会派少数官员或驻军在重要节点应变,但不干预地方治理,第三种就是完全管不着了,鉴于当时的交通能力和世界认知能力,很多地方都在王权的认知之外,管理更是无从说起。那么朝代不同时期管理范围也不同,比如高昌国被灭国后变成了高昌郡,就是从羁绊管理变成直接管理,而晚唐各大节度使彻底自立,朝廷直接管理的疆域也会极大缩水。

这么说主要是叠甲,那么在那个时代,从班超上书求归来解读,当时认为进入玉门关就是回到了故土,把玉门关当作国家的大门,而班超的西域都护,按照导游的说法,(不是我说的,继续叠甲),类似于更强硬的外交官,协调管理西域各国和汉朝的关系。

汉长城遗址蛮长的,敦煌开车出来几十公里都能看到路边有隔离保护带,汉长城还有一些残余,那么一时千年多来的风化自然侵蚀,另外也包括近代人为损坏,这倒不是说故意破坏,而是很长时间没有文物保护的概念,当地居民会就地取材修缮自己的房屋,搭建灶台等等,所以近代随着人口增长,其实破坏还是蛮大的。据说最初汉长城是有5米高的,现在一些保存相对好一点的燧台也只有两三米高。而大部分区域只有浅浅的一层。

继续历史知识

玉门关和阳关都在敦煌之西,距离也不算很远,现在两关之间车程不过一个小时,那为什么相近位置会有两个关卡。

第一是道路分叉了,西行之路在敦煌出来分天山南路和天山北路,玉门关和阳关分别扼守南北通路中河流与道路的紧要之处。(古时候大军队调动必须保证水源,这是古时军事部署的关键考虑)。

第二是在唐代开始了功能区分,阳关更多满足商旅,外交出行的便利,而玉门关偏重于军事部署,军队调动。所以前面也能看到军事征伐相关的古诗词多提及玉门关,而阳关大道这样的词汇来自于商旅交流。

另一个冷知识,据说玉门关名称来历其实很简单,西域产玉,玉石曾源源不断运往中原贩卖,从而得名玉门关。

那么,行程还没完。

9,魔鬼城,雅丹地貌

魔鬼城已经非常贴近罗布泊无人区,而历史上这两个区域也有非常深的联系。

那么大片无人区,我就问了一个很傻的问题,古时候驼队怎么过那么大片无人区。

答案来了,古时候这里不是无人区,罗布泊为啥叫泊,历史上这是曾经是巨湖,比青海湖还要大一倍,有水有生态就有人类,楼兰古国能存在,也是有赖于此。

魔鬼城雅丹地貌应该是更早的湖区,十几万年前是古罗布泊的一部分,但是它先干涸了,经过十几万年的地质演化,古湖底沉积物被侵蚀成各种形状。古人路过时,因为经常有异常的响声,(风吹过奇形怪状的土堆产生的声音,以及当地早晚温差大热胀冷缩带来的岩层爆裂和剥落),加上形状诡异,似乎是古城遗迹,所以被带上很多幻觉感知,是恶鬼阴魂不散发出的声音。其实连我坐车路过都恍惚觉得有很多土堆不就是人造的么,隐约看到有台阶,有门,有浮雕,但仔细看其实是岩层逐层剥落带来的视觉效果。逐层剥落的岩石带来的层次感和立体感。

不过罗布泊解答了一个困惑,汉唐时期的西域,没有那么干旱,没有那么荒凉,有湖,有河,有水源就有生态,有生态就有人类聚居。大漠风沙是近代的事情,降水量低,河流改道,湖泊干涸,沿途人类不断迁移,大片无人区出现,丝绸之路也就不通了。后来水路通了,中国南方开始依托水路将丝绸,瓷器卖向世界,西北也就慢慢失去了其曾经的辉煌地位。

本地司机一直说,敦煌什么都有,就是缺水。

10,回到现代。

早上出发都很早,在车上昏昏沉沉的半睡半醒,突然眼前一亮,这不是形容词,就是真的很亮眼,都怀疑自己眼花了,问向导,那边亮亮的是什么,向导见怪不怪,估计被问的多了,熔盐发电塔,有两座。

啥?

下午回来的时候看到路边数不清的光伏板,一路开车一路都是,你们知道我新加坡来的,没见过这阵势。

查了查,敦煌每年新能源发电能力是本地需求的四倍,大部分都输送出去了,这还不搞点算力中心?

熔盐发电塔,重点不是发电,是蓄电,用高温熔盐来锁住住热量,白天太阳能给熔盐吸热,晚上放热,从而实现24小时不间断发电。

光伏24小时供电?!黑科技来着。这全球都需要啊,澳大利亚铁定需要!

熔盐哪里来?其实路上就看到答案了,司机指过,路边白花花的,盐湖来着,以前当地人过来去湖里捞盐,捞上来回家晒晒就能做饭吃。

敦煌规划的光伏基地面积200多平方公里,200多平方公里,俩厦门岛来着,这我熟,目前建成的50多平方公里,确实挺震撼的。

敦煌不仅有历史,还有未来,当然,目前还是缺水。

其实敦煌有河的,也挺漂亮。

这是敦煌河畔夜景。

夜市也很漂亮,五星级的厕所,是国内景区里最炫的。

再往里就不方便拍了,有兴趣的自己来体验。

11,小八卦。

敦煌是县级市,属于酒泉市,当然这个县级市面积大得很,2.6万平方公里,相当于两个北京,4个上海,或者,30多个新加坡。但人口只有18万多,大部分区域是荒漠。

这18万人里,又有大约四分之一是青海油田的员工和家属,石油小区面积很大很大。

等等,为啥是青海油田,哦,这就是特定历史原因了,油田其实离敦煌距离挺远的,但是家属区放在了敦煌,油田工人会轮休折返油田和家属区。

那么油田工人的平均收入比本地人高,福利也好一些,又能有内部便宜的房源,而且家属区又是青海户口,据说高考分数线都比甘肃低不少,所以本地人多少还是有点不平衡的。

当然,司机聊天吐槽的时候我也说了,毕竟石油工人工作很辛苦么,作为正能量博主,我还是很讲究和谐的。

你看,挨着油田,有油有气,还有电,还有盐,有历史文化,旅游业,有熔盐电塔这种我第一次见的黑科技。

就是缺水,硬伤,我刚问AI,敦煌没有大规模算力中心的规划,还是受限于水冷系统的消耗。

世界气候正在转变,400毫米降水线正在向西北移动,但目前也无法证实这是会持续的气候特征,但也许呢,也许有一天,西北降雨充分,也许有一天,罗布泊会重焕生机。

最后,今天这篇文章写的最长,总算写完了,不过还有个要特别分享的诡异小故事。

去魔鬼城路上司机就说,罗布泊这地方磁场异常,很多诡异的事情发生,而魔鬼城就在罗布泊边上。

当时没当回事,借着司机车载电源给手机充电,下车的时候差不多已经50%+,按照常规,就算用的多一些,至少能顶3个小时吧。

结果进景区一个小时就掉到只有20%了,然后就不敢用了,直接飞行模式,窗口全关,除了拍照啥都不用了,按照省电模式理论上能扛俩小时吧。然后撑不过半个小时,彻底没电了。买这手机以来从没见过掉电这么快的时候,邪门的很,原因不详。

还好一直跟着景交车走的,结束游览出来找到司机后继续充电。

最后,看看敦煌夜市

传统手作码字不易,最近文章浏览量惨不忍睹,不知道这篇如何。

如果喜欢本文内容,烦请转给喜欢旅游的朋友。

跳转微信打开

  •  

评审结果公示丨2026年度CCF-快手大模型探索者基金

快手技术 2026-10-27 19:08 北京

2026年CCF-快手大模型探索者基金已完成评审,现予以公示。

图片

10月27日,2026年CCF-快手大模型探索者基金完成评审,共18位学者获资助,现予以公示。

2026年,CCF与快手联合发布第三期"CCF-快手大模型探索者基金"(以下简称“快手大模型探索者基金”)。本年度基金项目延续聚焦于大模型技术基础研究与应用探索,加速技术成果产业化转化;同时致力于培养该领域科研与工程人才,通过为全球学者搭建产学研合作平台,促进学术界与工业界深度交流合作,助力科技进步与社会发展。

2026年度快手大模型探索者基金围绕"智能体(Agent)与自主进化"、"多模态大模型理解与生成"、"大模型安全与可信治理"、"大模型训练与推理优化"、"数据科学与实验科学"五大重点研究方向,于2026年9月2日至10月7日开放申请,共发布18项研究课题,收到来自海内外105所高校及科研单位的303份课题申报书。

基金项目组邀请了30余位专家组成评审委员会,从申请课题的研究意义、创新性和可行性、申请者(及团队)的学术水平和科研能力、快手业务与技术方向的匹配程度等维度对申报书进行综合评估。经过多轮严格评议,最终遴选出18位优秀学者,以下是本年度入选学者名单:

图片

恭喜以上入选学者!期待与各位在产学研深度合作中共同推动大模型技术的创新与发展!

【活动推荐】

跳转微信打开

  •  

OpenViking 上线原生 3D 内容理解模型

原创 OpenViking 2026-10-27 19:04 北京

OpenViking 发布原生支持 3D 数据导入与解析的内容理解模型

10 月 20 日,OpenViking 发布原生支持 3D 数据导入与解析的内容理解模型。

现在你可以把零件模型、工程图纸和项目资料都交给 OpenViking,在豆包工作/Workbuddy/Codex/Claude 等 Agent 中描述你要找的结构,让 AI 帮你找候选零件、整理 BOM,核对供应变更带来的影响。

OpenViking ✖️ 3D 内容理解模型

OpenViking 是火山引擎推出的 Agent 上下文数据库,支持文档、图片、音视频等多模态数据理解。

今天迎来重磅升级,上线首个 3D 内容理解模型,支持三维 STEP 文件的导入与解析,信息还原率做到 100%。

导入一个三维 STEP 文件,解析产物会包含其正交六视图、八轴侧视图、信息摘要及模型明细,涵盖几何、PMI、装配、工艺等全部原始信息。

解析目录
解析目录
正交六视图
正交六视图
轴侧八视图
轴侧八视图
信息摘要
信息摘要
模型明细
模型明细

以上内容,OpenViking 均会建立索引,并用于下游模型推理。接入 Agent 后,可以在以下场景感受到价值。

场景一|让 Agent 理解三维结构,找到那个零件

一个做机器人零部件设计的结构工程师,电脑里已经积累了大量的模型和工程图纸。

当需要为新机器人设计一个安装支架。你需要翻历史项目、查零件库,挨个确认有没有可复用的设计。

而现在,你只需要将机器人零件库,图纸,项目资料全部上传到 OpenViking,连接到你使用的 Agent。

对它说:“我要把这台机械臂固定到设备的竖直安装面上。帮我找一个 L 形安装座,水平面承接机器人底部,竖直面连接设备,并避开侧后方线缆。帮我找下有没有合适的零件”,再附上一张新机器人连接位置的截图。

Agent 就会自动推断:水平面有 4 个 Φ11 孔,孔距为 160×160 mm,竖直面另有 4 个连接孔。线缆侧可以朝开放方向布置···,并在 OpenViking 库里找到符合该特征的零件。

以后,再也不用担心重复设计,任何你想找的结构,Agent 都可以帮你完成。

原始机械臂模型
OpenViking + Codex检索
OpenViking + Codex检索
检索到的零件 (D063)
检索到的零件 (D063)

场景二|BOM 清单与成本,一句话搞定

你完成了新零件的设计。但在发给采购前,还需要整理出 BOM 清单,并完成成本估算。

这一步非常简单,你只需要让 Agent 根据 OpenViking 库里已有的历史采购报价、公司的 BOM 要求。

把 CAD 软件的导入明细给到 Agent,并说:“帮我整理出 xx 零件的 BOM 清单,基于历史报价完成成本估算”。 Agent 就能帮你一键完成,直接发给采购,工作效率大大提升。

原始机械臂模型
原始机械臂模型
FreeCAD导出的BOM明细
FreeCAD导出的BOM明细
OpenViking + Codex处理
OpenViking + Codex处理
BOM清单及成本估算
BOM清单及成本估算

场景三|零件断供不用担心,影响范围立刻确定

当一家螺丝供应商突然断供,相应下单、产线上的生产,售后的保证都会受到影响。

作为负责人的你需要第一时间查清范围,应对风险。

但是 M3×8 内六角圆柱头螺钉已经用了十年,相关联的产品很难穷尽,盘清影响更是难上加难。

不过,你不用担心。只要零件库、BOM 清单、采购记录存在 OpenViking,那你只需要把零件的信息,又或模型文件,甚至一张截图给 Agent,对它说:“帮我找到这个 M3×8 内六角圆柱头螺钉都在哪些产品中有使用,用量多少”。

Agent 将理解这根螺丝的所有特征,并跟库里的零件做比对,沿着 BOM 和采购清单就能找到所有相关联的产品。

有了 OpenViking,风险应对也有了保障。

断供的M3×8 内六角圆柱头螺钉
断供的M3×8 内六角圆柱头螺钉
OpenViking + Codex处理过程
OpenViking + Codex处理过程
螺钉具体位置及用量
螺钉具体位置及用量

最后

OpenViking 作为业内首个理解三维世界的 Agent 上下文数据库产品,后续将陆续支持dxf、iges、sldprt、sldasm 等更多格式的导入与理解。现在接入,后续上线无需额外操作,即刻使用。


🚀 点击「阅读原文」立即试用,上传前 50 个文档免费 👉 

https://v2ig.cn/h4BUnhqt-dU/

🌟 开源 OpenViking:访问 GitHub 仓库(https://github.com/volcengine/OpenViking),为我们点亮一颗 Star!

❓三分钟测出你是哪种 Agent 饲养员选择属于你的 OpenViking ⬇️

https://blog.openviking.ai/post/should-you-use-openviking/

💬 加入飞书交流群&微信群!

阅读原文

跳转微信打开

  •  

论文秀Live #48 | EMNLP 2026论文解读:强化学习如何重塑大模型后训练?

蚂蚁技术AntTech 2026-10-27 18:09 浙江

大模型已经会用强化学习"刷题"了,但新问题接踵而至:奖励太粗,模型学不会察言观色;规划与调用混作一团,多步任务容易一步错步步错;确定性奖励又让模型养成了"不懂装懂"的坏习惯。本期论文秀Live带来 EMNLP 2026 三篇蚂蚁集团论文——EBM-RL 用奖励分解让视频角色扮演"入戏"、DUPO 用双模式策略让智能体"会分工"、Reliable-V-RL 用可靠性奖励让多模态模型"知进退"。

论文一 

DUPO: Dual-Mode Unified Policy Optimization for Tool-Using Agents

DUPO:工具调用的双模式策略优化

Oral Paper

LLM 现都已具备工具调用能力,但完成多步任务时,仍需协调规划意图与具体调用。现有方法通常将二者视为同一生成序列,难以区分规划错误与调用错误。本文提出双模式统一策略优化框架 DUPO,将每一步显式划分为描述当前子目标的 PLAN 与执行工具调用的 TOOL,在统一策略中分别优化两类输出,并结合规划语义与调用合法性构建步骤级奖励。此外,引入链感知上游优势机制,为可能影响后续操作的上游决策赋予更高权重。为支持训练,本文构建人工标注数据集 PlanArena,涵盖 7,941 个场景、20,646 条轨迹,提供显式的规划与调用监督。在 BFCL、API-Bank 和 Tau2 上的实验表明,DUPO 能够改善工具使用表现,优势主要体现在多步与多轮任务中。

论文二 

Reward-Decomposed Reinforcement Learning for Immersive Video Role-Playing

面向沉浸式视频角色扮演的奖励分解强化学习

Oral Paper

基于文本的角色扮演模型虽然能够模仿角色的语言风格,但往往难以准确感知场景氛围及其动态变化的紧张程度,而这些因素对于虚拟现实游戏和交互式叙事等沉浸式应用至关重要。本文研究视频驱动的角色扮演对话任务,并提出 EBM-RL(Eye–Brain–Mouth Reinforcement Learning),一种基于群组相对策略优化(GRPO)的解耦强化学习框架,将角色扮演过程划分为视觉感知(Perception)、推理(Think)和回答生成(Answer)三个阶段。该框架模拟人类“观察—思考—表达”的认知过程,使模型能够在推理和生成回答之前充分利用视觉信息,实现基于视频场景的角色对话。为优化这一过程,EBM-RL 引入场景—文本对齐、感知—认知效用、回答忠实度及格式一致性等互补奖励机制,对不同阶段进行针对性优化。大量实验表明,EBM-RL 在沉浸式角色扮演基准测试中显著优于纯文本角色扮演基线及更大规模的视觉语言模型,有效提升了生成对话与视觉场景氛围的一致性及角色表现的真实性。此外,该方法无需额外微调,即可在域外视频问答(VideoQA)基准测试中展现出良好的零样本迁移能力。本文还开源了一个面向视频驱动角色扮演对话的数据集,为沉浸式交互智能体的研究提供支持。

论文三 

To Answer or Not to Answer? Reliability-Oriented Reinforcement Learning for Visual Language Models

答还是不答?面向可靠性的视觉语言模型强化学习

Main Poster

基于可验证奖励的强化学习(RLVR)近年来显著提升了视觉语言模型(VLM)的推理能力。然而,现有方法依赖确定性奖励,隐含地惩罚不确定性表达和拒答,使模型更倾向于给出推测性答案,降低了可靠性。我们的定量分析发现,常规 RLVR 虽能提高推理准确率,却会显著削弱模型对不可回答问题恰当拒答的能力。为系统评估这一问题,我们提出 Reliable-V-Bench,用于测试模型面对具有挑战性且贴近现实的不可回答视觉问题时的拒答能力。我们进一步提出 Reliable-V-RL:该框架将不可回答和有歧义的视觉问题纳入训练,并采用细粒度、基于评分准则的奖励机制,引导模型同时提升推理准确率和判断可靠性。实验表明,Reliable-V-RL 显著增强了模型的可靠性与拒答能力,同时保持了其在标准多模态基准上的表现。

论文亮点聚焦

1

解耦决策规划与工具调用,提升智能体多步任务执行能力。

2

以感知—推理—回答分解大模型强化学习后训练中的奖励,提升视频角色扮演的沉浸感与情境适应能力。

3

揭示常规强化学习削弱多模态大模型对不可答问题的拒答能力,提出可靠性基准与奖励机制。

本期论文秀Live特邀三位论文作者,分享各项工作的设计思路、验证过程与落地经验。

Zexin Hu——蚂蚁集团算法工程师、悉尼大学计算机科学博士生

王淼——南京大学硕士研究生,蚂蚁国际研究型实习生

李佳宁——蚂蚁集团算法工程师

直播观看指南

直播速约,锁定前沿!

⏰ 观看时间:2026年10月29日 18:00-19:30

👀 观看平台:微信视频号【蚂蚁技术研究院】、【蚂蚁技术AntTech】、B站【蚂蚁技术研究院】同步直播,敬请预约关注!

跳转微信打开

  •  

一份旅行手册,豆包做完,IGA Pages 一句话就分享出去

视频架构 2026-10-27 18:00 北京

打开豆包工作,说一句“帮我做一份北京红叶旅行手册”,几分钟后,一份排版清爽、带时间轴、带预算表的网页就躺在你的文件夹里。可朋友想看?你得把 HTML 连同图片文件夹一起发过去,朋友们下载、解压、双击打开 —— 手机上还可能错位。想让一群人一起往里填行程、投票、算 AA?更不可能。

问题不在做得好不好,而在做完之后那最后一步:怎么让它被看到、被一起用。

IGA Pages 就是补上这一步的插件——它把豆包工作做出来的页面,一句话变成可以分享、可以共创的在线链接。下面用一次真实的北京红叶行程,看两个 Demo 分别怎么落地。

个人旅行手册 Demo

这是最基础的用法 —— 一个人做、所有人看。

如何做出来它?

第一步,描述你要什么。

在豆包工作里打开一个新的工作任务说:

    帮我做一份「北京 5 日秋季红叶」旅行手册网页:
    - 封面用北京秋季主题。
    - 按天做时间轴,每天列景点、交通方式、预计停留时间。
    - 每个行程节点配一段 100 字左右的介绍和亮点。
    - 附一张整体路线示意。
    - 最后加一个预算表和 5 条实用贴士。
    风格清爽,适合手机看。

    几分钟后,一份移动端手册就出来了:慕田峪长城秋色封面、五天时间轴、路线示意图、预算表、五条贴士。它是一个 HTML 文件,待在你的项目目录里。

    第二步,说一句“部署”。

    这时你不用管它怎么发布、发布到哪、域名是什么。只要说:

      帮我部署上线。

      第一次部署时,Pages 会引导你完成登录认证(在浏览器里授权一次即可,后续会自动保持登录;授权失效时重新登录即可)。这一步只做一次。

      完成认证后,Pages 自动接管:打包项目文件、上传到火山引擎服务器、完成部署,几秒后返回一个公网预览链接。你把它发给同行的朋友,她在手机上点开就是完整的手册 —— 不需要下载、不需要解压、不需要任何设置。

      这就是第一件事的价值:一个人做出来的东西,一句话变成所有人都能看到的页面。它适合旅行手册、活动通知、产品介绍页、个人作品集 —— 任何“做好了就发给大家看”的场景。

      从“我的行程”到“我们的行程”

      旅行手册真到了组队出行的时候,问题才刚开始。

      一个人做的手册是给别人看。可真到了行前,群里就开始刷屏:香山和慕田峪先去哪个?酒店定城区还是住景区旁?故宫门票谁来约?这顿烤鸭谁先垫了?钱怎么分?

      这些事,一份定稿的手册回答不了 —— 因为它已经“定稿”了,但组队的行程是所有人一起攒出来的。你需要一个大家都能打开、都能往里写、写了别人立刻能看到的地方 —— 一面“大家一起写的墙”。

      共创行程墙 Demo

      接着上面那个项目,不用推翻重来。你说:

        在这份旅行手册的基础上,升级成一个多人共创行程墙:
        ① 景点投票,大家能点赞、票数实时更新
        ② 想去清单,任何人都能新增条目
        ③ 可认领的任务卡(订票/订酒店/租车),显示认领人
        ④ AA 预算表,自动汇总人均
        这些数据要能被多人写入并长期保存下来。帮我部署上线。

        关键就在最后那句“多人写入、长期保存”——Pages 识别到这需要数据库,自动接上了火山引擎 Supabase。它做了几件你不需要操心的事:

        • 在云端数据库里建好四张表:投票记录、想去清单、任务卡、预算明细;

        • 打开行级安全,让任何人都能读、能写,数据长期留在云端;

        • 开启实时同步 —— 一个人投了票,其他人的页面几秒内就更新;

        • 把页面和数据库一起部署到同一个链接下。

        整个过程你不需要写一行代码、不需要建一张表。Pages 按你的描述把数据库结构设计好,再把它和页面一起发出去,返回一个可分享的链接。

        同行的朋友打开页面,先在顶部输入自己的昵称,就能开始协作:给想去的景点投一票、把“五道营胡同午餐”加进清单、认领“订故宫门票”那张任务卡、记下一笔酒店的垫付。

        这就是第二件事的价值:从“给别人看”升级到“我们一起写”。它适合组队出行、活动筹备、班级作业、部门小项目 —— 任何“一群人需要在同一个地方对齐信息”的场景。

        IGA Pages:补上“用起来”这一步

        两个 Demo 背后,是 IGA Pages 在发挥作用。

        豆包工作近日正式发布。它能围绕一句话的目标,自动写文档、做表格、生成图片视频,甚至直接搭出一个网页或小应用。你描述想要什么,它就把成品交到你手上。可东西做出来,不等于用起来。

        IGA Pages 是豆包工作里的一个内置技能插件。你只需在「插件 - 豆包推荐」中搜索“iga pages”并安装,就可以使用。安装插件以后,当豆包帮你做完一个页面,你只要顺口说一句“帮我部署”、“发出去给别人看”,它就自动接管,不需要你单独找入口、装工具、配环境。

        Pages 做两件事:

        • 第一件,把静态页面变成可分享的链接。你做的网页在“做好那一刻就定稿了”—— 谁打开都是同一份内容。Pages 把它发布到火山引擎遍布全球的服务器上,几秒内生成一个预览链接。你把链接转发到微信群,对方在手机浏览器里直接打开,不需要任何额外操作。

        • 第二件,也是它真正不一样的地方。当你说“这个要多人一起写、数据要存下来”,Pages 会自动接上火山引擎 Supabase —— 一个云端数据库,把“前端页面 + 数据库”打包成一个完整项目一起部署。你不需要懂什么是表、什么是接口,Pages 帮你搭好。正是这一层,让“大家一起用”成为可能。

        AI 负责造,Pages 负责流通

        两个 Demo 看似不同,其实是同一条路径上的两步。

        • Demo 一的静态部署,解决的是“被看到”—— 你做的东西不再困在自己的文件夹里,一个链接就能送到任何人手机上。

        • Demo 二的动态部署,解决的是“被一起用”—— 页面不再是一张定稿的纸,而是一面可以共同编辑、共同记录、共同决策的墙。

        Pages 不是把东西“做完”的工具,而是把做完的东西“发出去”的那一步。AI 负责造,Pages 负责让它真正流通起来。

        立即试用

        打开豆包工作,把你最近做的那份东西 —— 一份手册、一个清单、一个活动页 —— 顺口说一句“帮我部署”。你会立刻看到它从文件夹里走出来,变成一个可以转发、可以打开、可以和朋友一起填的链接。

        开始前提醒:

        合法的预览链接必须包含 iga_token 和 iga_time。出于安全考虑,豆包展示的预览链接可能没有这两个参数。这时,你可以直接要求豆包提供保留 iga_token 和 iga_time 的预览链接。

        • 火山引擎 Supabase 按实际用量计费。搭建动态 Demo 前需确保火山引擎账号余额充足,否则可能搭建失败。了解更多计费信息(https://docs.volcengine.com/docs/aidap/Billing_items_and_prices?lang=zh)。

        • AI 生成具有随机性。同一句提示词每次生成的版式、配图、文案细节可能不同;上文 Demo 中的页面结构是本次生成的结果,不代表每次都完全一致。你可以多生成几次挑最满意的,再让 Pages 部署它。

        跳转微信打开

        •  

        逛完声网 iRTE2026,我看到了实时 AI 更具体的样子

        原创 FrankGPT 2026-10-27 17:12 北京

        AI实时互动的可能性更多了

        Image

        这两天在北京逛声网 iRTE2026,我最直观的感受是,实时 AI 开始有了具体的样子。

        前几年逛这个场子,满眼都是音视频链路、编解码、网络抖动这些藏在屏幕背后的东西;

        但今年,改名叫“iRTE2026 实时智能大会”之后,多出来的那个“i”,把整个场子的气质都拽到了台前。

        机器人在地上走,机器狗在旁边转,可穿戴设备戴在手上,一台台看起来像消费电子展上的东西,偏偏每一台背后都连着一条实时互动的神经。

        你伸手跟它说话,它会转头看你、回你一句,再接着做动作;屏幕里的 AI 也不只会听,它一边听一边看,能接住你的手势、表情和动作,声音、画面和回应是同时发生的。

        这种「它在听、它在想、它要动」的连续感,在现场几乎随处可见。

        实时互动正在从人与人,扩展到人与 Agent。

        现场的工具包、工作坊和开发者作品,也让人看到,把一个实时 AI 的想法做出来,正在变得更容易。

        01

        从 RTE 到 iRTE,实时互动开始承载智能

        大会改名这件事,放在别的行业可能就是个品牌动作;但在实时互动这个圈子里,名字的变化,往往对应着一层实实在在的技术升级。

        2015 年,声网办了第一届实时互联网大会,那时候它叫 RTC 大会,核心命题是把声音和画面低延迟地送到对面;到了 2020 年,大会从 RTC 升级为 RTE,开始讲场景和体验。

        到了 2026 年,大会又从 RTE 升级为 iRTE,多出来的那个“i”,是 intelligent,也是 instant。

        它指向的是一层更根本的变化:实时网络不再只是信息的通道,而要为 AI 的感知、理解、表达和行动提供实时支撑。

        从 RTE 到 iRTE,变化具体落在三个地方。

        第一,AI 开始持续地听声音、理解画面。它不再等你说完一段话才开始处理,而是在你开口的同时就在听,在看摄像头捕捉到的表情、手势和环境。

        第二,回应的方式变多了。以前是语音和文字,现在还可以有表情、动作,甚至实时生成的画面。

        第三,用户的反馈能实时改变正在发生的内容。你随时可以打断、插话、换个话题,AI 都要接得住,而不是自顾自地把一段话说完。

        说得直白一点,以前实时互动解决的是“你看见我、我看见你”,现在要解决的是“你开口的瞬间,AI 就已经在听、在想、准备接话,而且随时准备被你打断”。

        声网 CEO 赵斌在主论坛上把这个判断讲得很清楚:实时互动技术的角色正在延伸,它不仅要让信息传得稳,还要为 AI 的感知、理解、表达与行动提供实时底座。

        换句话说,iRTE 这个新名字不是在追风口,它是在给一个已经发生的工程现实命名。

        02

        一次自然互动,背后需要怎样的系统

        一次自然的互动,在用户看来只是「你说一句、它接一句」,但拆开看,背后是一整套需要实时运转的系统。赵斌在演讲里把它概括为三件事:

        实时推理、实时编排,以及大规模全双工互动。

        首先是实时推理,系统要持续处理声音和画面。

        你说的话,要经过语音识别(ASR)实时转成文字;模型开始输出(也就是常说的“首 token”)之后,再由语音合成(TTS)把回答变成声音。与此同时,摄像头里的画面也要被持续理解:你的表情、手势、手里拿起的物体,都在上下文里。

        在保障传输质量的同时,系统还需要处理更多事情:音视频要同步,语音和画面不能各说各话;视觉上下文要接得上;AI 要能调用工具查信息、做操作;最后还要把回应落到动作上,让屏幕里的形象或设备真正动起来。

        其次是实时编排。

        一次对话里同时在场的,往往不只有一个模型,还有记忆、工具和会话状态。系统要协调好这些部分:谁在说话、说到了哪里、该调用哪个工具、前面聊过的内容怎么记住。

        第三是大规模全双工互动。

        全双工意味着用户和 AI 可以像两个人打电话一样同时说话,用户随时可以插话、打断,系统要在不同网络、不同设备上都维持住这种持续交互。

        在现场展示的全双工方案里,声网给出了这样一组数据:

        端到端响应延时约 650 毫秒,极限打断响应约 340 毫秒。数字背后是同一个目标:让语音识别、意图判断、上下文调取和回应生成高效衔接,尽量缩短用户的等待,让回应和打断更自然。

        声网的对话式 AI 引擎把全双工交互作为核心,像一个实时交互层,向上连接模型和 Agent 运行框架,向下连接用户和设备——不只是压缩延迟,而是把模型、人和设备接到同一条互动链路里。

        赵斌在演讲里还提到一个容易被忽略的背景:

        过去一年,OpenAI 等公司对 WebRTC 技术的深入采用,让实时互动技术在对话式 AI 领域获得了更广泛的关注。

        这其实是在说,当整个行业都往对话式 AI 里冲的时候,底层的实时传输和交互编排能力,正在从“音视频团队的专属领域”变成“AI 产品团队的必修课”。

        iRTE2026 把对话式 AI 技术专场、RTE 101、Real-Time AI Infra 这几个板块放在一起,本质上就是在回答这道必修课的考题:

        从 Demo 到真正可用的语音智能体,除了模型能力,还需要一整套实时工程系统。

        03

        从想法到 Demo,开发者可以再快一点

        工程系统搭好了,下一个问题是:这些能力怎么交到开发者手里?

        赵斌在演讲里发布了一套实时互动 AI 开发工具包,里面包含 Skills、CLI、60 多个 Recipes 和 Agora SDKs。

        它既是给开发者的,也是给 AI 编程助手用的——开发者可以让 AI 助手借助这些现成的能力模块,把一个实时 AI 创意更快地变成能体验的作品。

        现场给出的目标是:5–10 分钟,从 0 开始构建一个 Voice Agent Demo。

        而且还可以有多模态能力融入,实际看下来,Demo效果也确实不错。

        很推荐试试声网官方的开发者工具包,Skills、CLI、MCP、Recipes……都挺好上手实操的。

        开发者工具包链接:https://docs.agora.io/en/introduction/start-with-ai

        在展示材料里,基于这套能力做出来的应用已经覆盖了很多场景:AI 人体解剖讲解、AI 你画我猜、AI 实时解说、AI 互动故事书,把教育、游戏、解说和陪伴都拉进了实时互动里。

        现场还有一个叫“饺子就酒”的展台,摆着不少有趣的 Demo,其中一些已经在 X 上流传开来,让人看到开发者用这些工具做出来的创作活力。

        这种活力在 RTE Open Day 的开发者市集里更直观。不大的区域里挤了近二十家伙伴,桌上摆的从 AI 眼镜到桌面机器人,再到可穿戴语音笔记,像一个微缩版的实时智能生态切片。

        另一个让我停留很久的角落,是声网 Agora 和 M5Stack 搭的硬件 Workshop。

        令人惊喜的是,这次也请到了 Stack-chan 的原作者石川真也。

        M5Stack 是一套开源硬件,OpenAI 和 Anthropic 都在用。现场的人可以真的动手,搭一个能语音对话的小硬件:从接线到跑通,最后带走一个“活”的东西,而不是一个录屏。

        这其实就是工具包和硬件结合的样子——把实时对话能力和硬件拼在一起,一个会听、会说的小设备,半天就能有个雏形。

        从有一个想法,到做出第一版 Demo,中间的时间正在变短:你可以更快地试用、拿到反馈、继续迭代。

        当然,第一版 Demo 做出来,只是开始。真正走向真实场景,还要靠实时网络、媒体处理这些工程能力一点点打磨;而声网的音视频能力和全球基础设施,正是为这一步准备的。

        04

        在展区里,看实时 AI 如何回应人

        逛展区最怕的是概念演”:灯光一打,屏幕一亮,讲完就收起来。

        iRTE2026 的实时智能特色展区反着来,东西摆在那儿,就是让人上手、插话、甚至故意捣乱的。

        天工 3.0 全尺寸机器人做了基础动作和编排舞蹈的演示,联想机器狗在展区里转悠,AI 可穿戴、AI 陪伴、教育硬件一字排开,覆盖的场景从生活到协作再到空间协同。

        但比有什么更值得看的,是怎么交互。

        现场特意设了在嘈杂环境下测试全双工对话的环节。不是在实验室里安安静静对着麦克风念稿子,而是就在现场,有人声、有噪声、有打断的真实声场里,看 AI 能不能分清谁在说话、什么时候该接、什么时候该停。

        这种演示方式本身就在传递一个信号:实时智能的及格线不在实验室里,而在用户真实开口的那一秒。

        视觉互动也有可以上手的例子。比如 AI 你画我猜:你在屏幕上随手画,AI 一边看一边猜,画面刚出几笔,它就开口说出它看到的东西;你再添上一笔,它会马上改主意。用户做了什么、AI 看到了什么、怎么回应,都摆在明面上。

        逛下来会发现,这些能力正在一步步进入用户能实际体验的应用和设备:可能是手机里的一个应用、一段实时视频,也可能是一台你能拿起来、对它说话的硬件。

        展区的意义,就是让这些能力在真实的人声和动作里被体验、被检验——哪些接得住、哪些还会掉链子,上手聊几分钟就知道。

        05

        从及时回应,到理解交流的情境

        逛完展区、听完论坛,最打动我的不是某一个参数或某一场发布,而是一个反复出现的词:“活人感”。

        声网 AI 产品线负责人姚光华在之前的活动里说过一句话,大意是模型决定了 AI 聪明的上限,但交互节奏、回声消除、超低延迟这些工程细节,才真正决定它能不能成为一个“活的存在”。

        这句话放在 iRTE2026 的现场看,格外具体。展区里那些让人愿意多停留一会儿的设备,往往不是回答最聪明的,而是接得住的:

        话说到一半停顿,它不抢话;突然插一句别的,它跟得上;有时候语气变了,它回应里也能听出一点相应的分量。

        这些东西拆开来看都是老问题:延迟、打断、回声、状态同步。但它们组合在一起,产生的是一个很难用指标描述的东西——对话的呼吸感。

        赵斌在演讲里提出的「五级对话能力」框架,讨论的正是这件事能走到多远。

        演讲里用的是五个逐层递进的名称:L1 基于自身视角的表达,L2 基于互动规律的表达,L3 基于个体认知的沟通,L4 基于群体认知的沟通,L5 基于深度关系的沟通。

        简单说,L1 像是自言自语或被动接续,问一句答一句;

        L2 开始理解互动规律,转为主动表达,协调听说时机;

        L3 会考虑人设、用意和处境,对话能因人而异;

        L4 在个体认知之上理解社会关系,考虑各方视角、知情范围和发言边界;

        L5 则把人和关系延展到时间维度,理解整体的心智轨迹,形成难以复制的共同语境。

        这是一套关于能力演进的框架,描绘的是对话从「表达」走向「沟通」的方向,非常清晰地呈现出了发展图景。

        要在自然、连续的互动中发挥这些能力,需要实时链路的配合。

        要让一个 Voice Agent 因人而异,系统得让语音识别、意图判断、上下文调取和回应生成高效衔接,尽量缩短用户的等待;

        要处理好几个人同时在场的对话,也要能同时跟踪多个说话人的状态,知道谁在插话、谁在等待。

        声网把今年的社交泛娱乐专场主题定为《从人与人到人与 Agent 的连接》,把智能硬件与具身智能专场聚焦在 AI 驱动新增长和开源加速新终端上,背后其实是在追问同一个问题:

        当 Agent 进入对话、服务和协作,用户感受到的「自然」,到底由什么构成。

        RTE Open Day 里那个 AI 主题桌游《Talk With》的试玩区,可能是这个问题最轻松的注脚:一群人围着一张桌子,跟一个 AI 角色玩下去,玩着玩着就忘了自己在测试技术,只是在判断跟它说话舒不舒服。

        这次探展让我看到,实时 AI 已经有了可以上手的具体体验,也有了让开发者开始动手的工具。

        接下来值得期待的,是更多人把自己的想法做出来,在一次次真实互动中继续打磨……

        iRTE 2026 实时智能大会

        Image

        朋友圈会发一些具体的案例和商业化日常~ 

        AI交流,欢迎加我本人微信:FrankGPTs

        跳转微信打开

        •  
        ❌