搜索“多模态”

国人工智能产业发展联盟端侧智能组正式发布《端侧智能产业发展报告（2026年）》。 中国信息通信研究院联合华为、中兴、vivo、海尔、阶跃星辰、面壁智能、大华股份等单位，共同发布《端侧智能产业发展报告（2026年）》。 中国信通院人工智能研究所副总工程师闫树对报告进行了解读。 当前，人工智能正加快从云端集中计算向端云协同、泛在部署和场景化服务演进。随着大模型、多模态模型和智能体技术持续突破，模型能力不断向数据产生侧、用户交互侧和任务执行侧延伸，端侧智能成为人工智能与实体世界深度融合的重要方向。与此同时，模型轻量化、异构计算、高效存储、推理优化和基础软件等技术持续发展，使人工智能能够在更加多样化的硬件资源和运行环境中实现高效部署。 报告系统梳理端侧智能产业发展脉络、政策环境、市场态势和概念特征，重点研究模型轻量化、异构硬件融合、基础软件、智能体、端云协同和安全可信等关键技术，研究个人智能、空间智能、移动智能、行业智能节点和具身智能等原生产品形态，梳理消费娱乐、智慧家庭、智慧办公、智慧出行、智慧健康及融合场景的发展特征，并进一步研判端侧智能在技术、应用、生态和安全等方面的发展趋势、主要挑战与

匹配字段正文

业数据去重、补全、降噪、格式标准化等，能持续提升数据质量。实现数据标注，提供开发可视化标注工具，支持工业数据的人工与半自动标注，能为模型训练提供高质量数据集。支持数据合成，可利用生成式技术合成工业场景下的稀缺数据，扩充数据集规模。 2.数据集成 具备元数据扫描能力，支持自动采集各业务系统、设备的元数据信息，构建数据目录与血缘关系，实现数据资产可视化管理。实现多模态融合，可整合业务报表等结构化数据、设备日志等半结构化数据、图像语音等非结构化数据，支持形成统一数据视图。支持数据虚拟接入，可通过数据虚拟化技术，实现跨系统、跨设备的数据联邦查询，无需物理迁移即可实现数据互联互通。 3.本体引擎 支持本体构建，可基于工业领域知识构建领域本体模型，定义实体、属性与关系。可维护本体间的层级、关联与约束规则，支持知识推理与图谱检索，实现关系管理。支持技能封装与复用，可将工业机理模型与AI模型封装为智能技能，形成标准化、可复用的智能技能组件，为上层智能体构建、多智能体协同提供可靠的服务调用能力。 4.知识学习 沉淀工业物理机理、生产工艺及设备原理等专业知识，形成可复用、调优的工业机理模型库。支持构建工业

匹配字段正文

种沟通在不同场景中的便捷切换；讯飞全球会议室将翻译、转写与纪要生成融入会议流程，讯飞智能办公本和AI录音笔则让会议记录、信息整理与知识复用更加高效。 在具身智能展区，聆动通用仓储小件LDB分拣机器人通过抓取、移动和放置等柔性作业，展现具身智能在仓储分拣场景中的应用潜力；聆动通用无本体数采设备LDU无需搭配机器人本体，即可在科研、工厂及物流等场景采集空间定位与多模态数据，为具身智能模型训练提供真实场景数据支持；7×24小时AI无人超市可直观看到机器人如何理解购物需求、调整任务并完成取送；机器人超脑平台及多模态交互等展项，则将展示AI在环境感知、任务执行与自然交互方面的探索，为观众带来更多互动体验。 面向开发者与企业，科大讯飞提供从模型调用到应用开发的多层次支持。讯飞星辰MaaS平台覆盖模型选型、精调、部署和评测，帮助开发者构建大模型应用；AIUI人机交互平台与AI虚拟人交互平台开放语音、视觉及多模态交互能力，支持智能硬件和数字人应用开发； 面向海外市场，海外生态平台、星火一体机、WallEX智慧空间解决方案及GuideX数字人交互平台，展示了AI技术在多语言交互、私有化部署与智能空间等场

匹配字段正文

FT 任务，而 Serverless Training API 让你掌控训练循环。 欢迎来到 Fireworks Free Weights Club。限时期间，我们将为你带来新的后训练研究、一份可在此基础上构建的配方，以及针对一款精选模型的免费训练，让你运行自己的实验。 首先是 Muse Glimmer 30B，SFT 训练在 11 月 30 日前免费。它是多模态的，性价比表现强劲，是个人智能体的绝佳起点。 在我们的第一个实验中，我们想知道在 Kalshi 历史市场上训练 Muse Glimmer 能否让它在预测结果时占据优势。我们在未纳入训练集的市场中，将其预测与 Jev 和原始模型进行了对比评估。 我们将训练出的版本称为 tuned Glimmer，将原始模型称为 base Glimmer。在预测准确率上，tuned Glimmer 超过了两个对比模型。在历史回测中，计入模拟手续费后，它将假设的 1,000 美元变成了 1,071 美元，而两个对比模型均亏损。 以下是我们训练了什么、如何测试，以及你如何自己尝试。 免费开始训练。 构建数据集 Jev 给了我们一个要击败的模型；Kal

匹配字段正文

T 任务，而 Serverless Training API 则让你掌控训练循环。 欢迎来到 Fireworks Free Weights Club。限时期间，我们将为你带来新的后训练研究、可在此基础上构建的配方，以及针对一款精选模型的免费训练，让你能够运行自己的实验。 首先是 Muse Glimmer 30B，SFT 训练在 11 月 30 日前免费。它是多模态的，在同等成本下性能强劲，是个人智能体的绝佳起点。 在我们的第一个实验中，我们探究了在历史 Kalshi 市场上训练 Muse Glimmer 能否让它在预测结果方面占据优势。我们在未纳入训练集的市场中，将其预测与 Jev 和原始模型进行了对比评估。 我们将训练后的版本称为 tuned Glimmer，将原始模型称为 base Glimmer。Tuned Glimmer 在预测准确率上领先于两个对比模型。在历史回测中，扣除模拟费用后，它将假设的 1,000 美元变成了 1,071 美元，而两个对比模型均亏损。 以下是我们训练了什么、如何测试，以及你如何自行尝试。 免费开始训练。 构建数据集 Jev 给了我们一个要超越的模型；K

匹配字段正文

这价格是真便宜！！ 输入每百万Token 1元，输出4元，缓存读取只要0.1元。 太仁义了嗷，我宣布，以后闲时梁文谷，忙时闫俊峰！（bushi） △ 图源：@大厂显微镜 不过，硅谷闭源阵营恐怕又得遭殃了。 继DeepSeek之后，硅谷一众大参数旗舰，又被国产Flash架上了一条全新的性价比斩杀线o(╥﹏╥)o。 说实话，之前我对MiniMax有过不少嘀咕。 多模态和视频生成确实很顶，但纯文本大模型这边吧，不知道从什么时候开始就没动静了。。。 这次M3.1 Flash亮相，也算是打了场翻身仗吧。 咱们挨个看下战绩： 代码工程与真实修Bug 在DeepSWE v1.1评测里，M3.1 Flash拿下了73.7%。 也是倒反天罡了。 GPT-6.1 Sol、Claude Opus 5、Claude Fable 5……居然被一款Flash跑分反超。 排在它前头的，只剩下DeepSeek V4.1 Flash 1017的77分。 这也印证了玉兔匿名测试期间社区的反馈：在处理Three.js这类3D渲染和复杂前端任务时，它对细节的把控极其变态。 网络安全实战 在加州大学伯克利分校主导的CyberG

匹配字段正文

意力模型；KV 缓存卸载到主机内存；每晚在智能体工具调用工作负载上测试 交互式、低延迟使用 EAGLE-3、DFlash、DFlash2、DSPark 和 MTP 草稿模型的投机解码 高吞吐批处理带专家并行的数据并行注意力 长上下文FP8 KV 缓存；预填充和解码的上下文并行 分离式服务预填充和解码位于不同主机，并在不同张量并行规模之间进行 KV 重新分片 多模态支持图像输入的视觉语言模型：Qwen3-VL、Qwen3.5-VL、Kimi MoonViT 和 Gemma 4 vision 超大型模型跨主机的张量并行、专家并行和数据并行注意力；FP8、MXFP4 和 INT4 检查点；流水线并行和 NVFP4 MoE（实验性） 我们一直在努力将最流行的开源模型在发布时带到 TPU。一些最新模型仍处于实验阶段，我们正在对其进行全面测试并将其加入 CI。 模型类型 Muse Spark OpenLLM GLM-5.3 Flash、GLM-5.3LLM Kimi K3LLM DeepSeek V4LLM Ling 3.1 Flash、Ling 3.0 系列LLM Qwen3.8LLM Gemm

匹配字段正文

🚀 MiniCPM-V 4.7 1B 正在将开源多模态 AI 带到日常 iPhone 上！ 开发者 @mustafaergisi 分享称，该模型已在 OnDeviceLLM 中于日常 iPhone 上运行，不再局限于 12GB 内存的 Pro Max。📱 实际体验如何？🧾 读取收据并询问总额 📃 从传单中提取信息 🖼️ 理解截图 ✈️ 离线运行，飞行模式下也能使用 🔒 图像处理保留在设备端 这是一个极具说服力的例子，展示了小型多模态模型能带来什么：在你随身携带的手机上实现实用的视觉理解。 对于探索端侧 AI 的开发者而言，MiniCPM-V 4.7 1B 提供了一个开源模型进入真实应用的具体范例。🛠️ 很高兴看到社区将 MiniCPM-V 转化为日常体验。🙌 🚀 你会用 MiniCPM-V 4.7 构建什么？欢迎分享你的应用、演示和真实用例。分享你的项目并 @OpenBMB！ 👉 查看应用：https://t.co/4IT6T8D2tj 🔗 MiniCPM-V GitHub：https://t.co/msjm2QlrvX 🤗 模型信息：https://t.co/W95QKGhymw M

匹配字段正文

riever 模型从非结构化数据中查找相关证据，使智能体能够在 Databricks 工作流中做出明智决策并采取行动。 开发者可以利用 Genie Code、NVIDIA 专属 Agent Skills 以及我们联合推出的 Nemotron cookbooks，在 AIR 上开始进行模型定制。 GPU 为当今最先进的 AI 工作负载提供算力，从尖端语言模型到多模态 AI 系统和智能体。越来越多的企业正在将开放模型适配到自身的数据和业务需求。但获取 GPU 访问权限只是挑战的一部分。团队还需要配置训练作业、治理数据访问并管理 GPU 基础设施，留给试验模型和评估其满足业务需求程度的时间因此更少。 Databricks 和 NVIDIA 提供了一条从企业数据到定制 AI 模型的无缝路径，涵盖从小型模型微调到大规模分布式训练。通过 Unity Gateway，Databricks 为开发者提供对前沿模型和开源模型的受治理访问。对于需要定制模型的团队，AI Runtime（AIR）将 NVIDIA 的 AI 软件生态和无服务器 GPU 引入企业数据。团队可以在 AIR 上试验、微调和评估模型，

匹配字段正文

，让技术从“可用”变为“真实可感”。 以语言为例，传音已经围绕通话翻译、社交对话翻译、会议同传等场景布局多语种机器翻译能力，不仅针对非洲本地口音英语、法语进行优化，也覆盖斯瓦希里语、豪萨语等区域语言，并逐步向东南亚、南亚、中东等市场扩展。目前其离线翻译支持约100种语言，联网状态下可扩展至140种语言，并覆盖160+个国家和地区的口音。 在教育场景中，传音将多模态AI能力与当地需求结合，推出拍图解题等功能，帮助学生理解题目和解题思路；在通信场景中，针对嘈杂的街道、户外及多人交流环境，通过本地化噪声数据库和AI降噪算法提升语音体验；在影像领域，则围绕不同肤色、语言和文化审美优化AI生成及图像处理能力。 与此同时，传音还持续推动AI能力向中低端设备下沉。通过模型压缩、算法轻量化和端侧部署，降低对网络与硬件性能的依赖，让更多用户能够以较低门槛使用AI服务。这也与Today AI提出的人人智能愿景相契合：让更多人用得起、用得好AI，即使不熟悉技术，也能获得符合自身需求的智能服务。双方在推动AI普及、降低使用门槛方面有着共同的方向。 目前，传音已逐步形成以智能手机为核心，覆盖笔记本电脑、平板、智

匹配字段正文

力。 比较还应确定分析单元。一篇关于分布式 AI 训练的论文可能只孤立地研究一个模型或算法，而一个已部署的服务还会加入检索、路由、缓存、策略、身份、用户界面和监控。两个产品可能使用同一个标题术语，却实现该技术栈的不同部分。要问哪个组件执行决定性变换，以及哪些其他组件是所报告结果所必需的。 分布式 AI 训练现在很重要，因为 AI 系统正被赋予更大的上下文、更多模态、更多运行时算力、更广泛的工具访问权限，以及与组织决策更深的连接。在这些条件下，曾经看似研究细节的东西可能决定延迟、安全性、可访问性、环境成本、产品质量或法律责任。 相关的衡量标准不是分布式 AI 训练能否产生一个令人印象深刻的结果。而是该技术能否在代表性条件下改善一个重要的结果，并且比更简单的基线更有效。报告分布、失败类别、尾部延迟、资源使用和受影响的子群体，而不是把每个结果压缩成一个平均值。 在真实并发下对实际请求分布进行基准测试。报告首个结果的时间、稳态速度、尾部延迟、吞吐量、质量、利用率、失败以及每个有用结果的成本。具体应用于分布式 AI 训练时，这种纪律使证据具有可移植性：另一个团队可以判断所声称的收益是否可能在不同

匹配字段正文

OS 6.1系统的iPhone 4S，想体验当年的越狱乐趣、安装第三方怀... 2026-10-21 17:55:05 科技推荐 【业界】 Truist：半导体基本面处于超级周期，看好涨势延续至2027年 【业界】 全球市场生成式AI手机渗透率将在2027年达到52% 移远通信2连板 【业界】 蚂蚁集团等在上海成立商业管理合伙企业 【业界】 中汽中心、中国移动成立数智科技公司 【业界】 小米MiMo-V2.5-Pro模型今日下线，替换为V2.6-Pro后将支持多模态理解 【业界】 美图6款产品入选2026 Q3 AI 100榜单 北京恒祥宏业专利技术：高铁地基沉降治理，多层承载与稳固抬升协同推进 4 技术规程权威解读，备赛资源全面开放——2026金砖大赛之第三届3D数字化内容设计创作全国赛项说明会举... 2026工地安全体验馆设备厂家怎么选？工期要多久？五阶段与流程全解析 7 文化铸魂·智造破局 | 2026台州机车工业文化大会顺利举办 8 2026DMP大湾区工博会12月3日启幕：1000+参展企业呈现制造业主线之变 9 行业首创！荔枝互娱携手《国风说唱地带》 要把主播送上说唱舞台

匹配字段正文

队已经覆盖研究、产品和工程部署等方向。 其中，Joy Jiao担任OpenAI生命科学研究负责人，她先后毕业于MIT和哈佛，拥有系统生物学博士背景，负责推动模型在生命科学研究中的应用。 Yunyun Wang则担任生命科学产品负责人，参与将模型能力转化为具体的研究工具和工作流。 另一位值得关注的成员是Konstantin Hemker。 他此前在剑桥大学从事多模态机器学习与空间生物学研究，研究背景连接了机器学习、生物医学数据分析与科学工具建设，也公开参与过Rosalind Workbench相关项目。 总得来看，GPT-Rosalind侧重科学推理，帮助研究人员理解问题、分析证据和推进研究；Rosalind Workbench负责连接科学工具与数据；Orchestra则聚焦研发项目的组织、协调与管理，三者覆盖的环节有所不同。 对OpenAI而言，收购Orchestra Bio很大程度上能补足Rosalind在药物研发里组织协调与项目落地的能力。 OpenAI加码生命科学还要放到另一家模型公司的布局中看。 谁呢？ 必然是奥特曼一生之敌，达里奥带领的Anthropic。 与OpenAI不同

匹配字段正文

核心的判断标准从来不是短期的肿瘤缩小幅度，而是能否实现长期、稳定的疾病控制，能否在延长总生存期的同时，维持较好的生活质量。不少患者在就诊时都会反复和医生确认：这个方案用满疗程后，能不能稳住不进展？长期用的... 2026-10-21 15:02:36 科技推荐 【业界】 Truist：半导体基本面处于超级周期，看好涨势延续至2027年 【业界】 全球市场生成式AI手机渗透率将在2027年达到52% 移远通信2连板 【业界】 蚂蚁集团等在上海成立商业管理合伙企业 【业界】 中汽中心、中国移动成立数智科技公司 【业界】 小米MiMo-V2.5-Pro模型今日下线，替换为V2.6-Pro后将支持多模态理解 【业界】 美图6款产品入选2026 Q3 AI 100榜单 三年一评再过关：简单一百通过北京市“专精特新”中小企业复核 2 3 聚焦“微生物组与同一健康”——第四届中国微生物学会微生物组专业委员会年会圆满收官 4 益生菌贴牌代工厂哪家靠谱：多维度帮你筛选实力工厂 | 诺品健康 5 别只看模型 “像不像”｜启创动力谈BIM验收三个硬问题 6 家庭日常用生铁锅还是熟铁锅？煎炒需求下怎么选更合适

匹配字段正文

元的轨道。报告以token 3 作为AI经济的新基准，预测对智能体商务日益增强的信心将推动区域AI使用量在未来五年激增60倍。 以下是今年《e-Conomy SEA 2026》报告的三大要点： 1. AI正支撑各行业增长。 在整个数字经济中，AI正在重塑人们的生活、购物和出行方式。电子商务（GMV 2260亿美元，同比增长18%）是这一转变的支柱，购物者借助多模态发现和应用内助手，自信地应对复杂的购买决策。这些个性化体验自然带来10%的转化率提升，订单量增幅最高可达75%。 在线旅游（GMV 590亿美元，同比增长10%）方面，传统搜索引擎仍是人们规划旅行的首选平台，而生成式AI已超越社交媒体，成为安排复杂行程的第二大常用工具。 在线媒体（收入440亿美元，同比增长22%）正在个性化内容信息流，并将受众与更相关的广告连接起来，随着商业媒体成为一个40亿美元的市场，带来10%至20%的优质互动提升。 出行与外卖（GMV 400亿美元，同比增长15%）通过预测性建议、更智能的路线规划以及拼车等AI驱动的服务为消费者节省时间，推动交易量健康增长。 最后，数字金融服务（GTV 1.65万亿美元

匹配字段正文

文理解、逻辑推理、指令跟随的能力要求；FP8虽然在云端成为主流，却无法适配端侧极致的资源约束。在此背景下，FP4作为新一代低比特浮点量化范式，凭借极致压缩、高保真、训练友好等优势，正在成为推动端侧AI落地的技术方向。原生支持FP4也正从AI芯片的可选特性走向产业标配。 2026年被普遍视为端侧AI规模化落地的关键拐点。在智能座舱之中，由大模型驱动的语音交互、多模态感知与主动服务正从旗舰车型向主流车型快速渗透。在边缘侧，面向政企客户的Agent Box（智能体一体机）也在加速起量，“本地部署、数据不出域”成为采购的刚性诉求。多条赛道的商业化进程提速使端侧大模型的部署需求进入爆发前夜。 然而，热闹的另一面不乏现实困境。对智能座舱来说，落地难点可以概括为“四重墙的叠加”：首先是带宽墙，车规级内存带宽普遍只有每秒几十GB量级，一个7B参数模型即便压到INT4，解码速度也仅约20 Tokens/s，交互流畅度打了折扣；其次是算力墙，用户期待座舱语音交互的“首字延迟”控制在一秒以内，对峰值算力提出了严苛要求；第三是功耗墙，车规环境需适应-40℃～85℃的温度区间，十余瓦的功耗红线是硬性门槛；第四是

匹配字段正文

8 到 2019 年，OpenAI 用 Dactyl 在仿真环境里训练机械手，最后让它单手复原魔方：普通打乱的成功率约 60%，需要 26 次旋转的最难情形降到约 20%。路线被验证了，真机数据的成本却降不下来，2020 年 10 月团队解散，资源转向大语言模型。之后它换了一种参与方式：2023 年领投挪威公司 1X，2024 年为 Figure AI 提供多模态模型，2025 年 2 月 Figure 创始人宣布终止合作，转做端到端自研。 今年 6 月 1 日，奥特曼宣布成立 OpenAI Robotics。到 10 月 19 日，官网挂出的机器人岗位有 19 个，集中在运动控制、状态估计、执行器控制，没有一个指向外观。 自己造整机，意味着放弃另一条路径，即把大脑卖给所有本体厂商，做具身智能的操作系统供应商。选择自建身体，背后的判断是大脑无法脱离身体独立进化。没有真机的力反馈和失败样本，模型的泛化能力会停在仿真环境里。 它还没有公布自研整机的形态，外观、运行视频和产品定义都未公开。 身体已经是标准件 伺服电机、谐波减速器、灵巧手、传感器，在深圳南山“机器人谷”沿线的供应链里，大约八成

匹配字段正文

模型正在成为智能体电脑的重要参考基准，但单纯提升AI算力并不足够，因为模型运行效率还受内存容量和带宽制约。当前，智能体电脑的基础门槛至少需要32GB内存和135GB/s内存带宽；面向更高阶的本地AI工作负载，则需向64GB以上内存和250GB/s以上带宽提升。 在软件侧，AI交互方式正从“对话”向“任务执行”演进。本地RAG、代码助手、自动化办公、个人助理和多模态应用，都可能成为智能体电脑最明确的落地场景。 从“怎么做”到“要什么”，交互逻辑彻底变了 传统PC的交互逻辑很清晰：用户发出指令，PC完成操作。AI PC在此基础上增加了自然语言交互和生成式AI能力，但用户仍需参与任务拆解和具体操作。 智能体电脑进一步改变了这一模式：用户只需提出目标，Agent即可理解与规划、调用模型及工具、自主执行并返回结果。关键变化不只是增加了一个“执行”环节，而是改变了用户与PC交互的基本方式。过去用户需要告诉电脑“怎么做”，未来更多是告诉电脑“我要完成什么”。 这意味着，PC的使用方式将从围绕“点击、命令和操作”转向围绕“目标、任务和结果”。相应地，PC的评价标准也在变化。过去消费者关注处理器、显卡、

匹配字段正文

aptics高管Vikram Gupta表示，SR200的设计初衷，是将应用处理器的内存与算力特性，带入传统MCU的低功耗领域。 传统MCU遭遇内存瓶颈，中间地带的边缘设备急需新解法 在嵌入式系统中，传统MCU的主频通常在几十到几百MHz，片上内存（SRAM）容量大多在KB到MB级别。这种配置足够应付简单的控制和传感信号采集，但当边缘设备开始处理视觉、语音等多模态AI任务时，算力往往不是最先耗尽的，内存容量和带宽才是最核心的制约因素。多模态模型需要同时加载视觉网络、语音模型和传感器融合逻辑，模型权重和中间数据的迅速膨胀，会轻易超出MCU有限的片上内存。 当内存不够用时，硬件工程师通常只有两条路：要么在板子上外挂DRAM，要么直接换成运行Linux系统的应用处理器（MPU）。外挂DRAM不仅增加成本，还会扩大PCB面积和功耗；而换用MPU，功耗会直接跨上一个台阶，电池供电难以支撑。 Synaptics在评估市场后发现，大量新兴的边缘AI设备（如AI穿戴设备、电池供电的传感终端、工业视觉相机）正好处在中间地带：它们极度渴望比MCU大得多的内存和AI算力，但又承受不起MPU的成本和发热。 集

匹配字段正文

Miso Info Tech 参与 138 亿韩元 AI 模具维护项目 가 文章正文内容将改为此字号。 滚动移动状态栏 多模态数据平台与 AI 公司 Miso Information Technology 于 10 月 20 日表示，该公司已入选由韩国产业通商资源部（MOTIR）主导的、利用串联压力机实现自主制造的政府支持研发（R&D）项目。 该项目旨在实现串联压力机的换模自动化、异常检测和设备控制，并开发基于 AI 的自主制造技术。串联压力机是汽车零部件制造中的关键设备。 该项目由汽车零部件制造商 Sewon Mulsan 牵头，总预算为 138 亿韩元。其目标包括在五分钟内完成单次换模、实现 90% 的无人化运行率，以及达到 98% 的异常检测准确率。 Miso Information Technology 将开发制造 AI 数据平台和预测性维护技术，整合制造现场的设备、传感器、生产和质量数据。该系统将利用 AI 预测模具状态变化并识别异常早期迹象。 目前，换模大约需要 40 分钟，降低了生产效率，而模具状态评估和维护严重依赖工人经验。该项目旨在用基于 AI 的自主制造取代这些做法

匹配字段正文