搜索“多模态”

：科研流程闭环迭代提速，研究方式走向人机协同，科研体系走向平台化组织。 （项目团队：本报记者陈海波、崔兴毅） 1; 杨振宁数学与基础物理研究所揭牌 | 一周动态 2; 从失控入侵到擅自行动，人工智能为何频频“闯祸”？ 1; 应用“酷农工具”，推动加拿大大西洋地区农业迈向净零排放 | MDPI Sustainability 2; 当生成式AI走进移民成人教育：多模态学习内容设计的新思路 | MDPI Multimedia 3; 对话 Information 期刊2024最佳论文奖得主采访：AI欺骗时代，揭开虚假现实与错误信息威胁的面纱 4; 论文选题灵感：神经调控| MDPI Brain Sciences 5; 文献清单：AI与人类协作专题 | MDPI AI 6; 中国科学院化学研究所刘云圻院士、王翰林、中国科学院大学倪振杰Angew：三受体骨架平衡有机导体的双极混合离子-电子传输 7; 印度尼西亚不同作物的社会经济效益：西米淀粉在生物塑料开发中的机遇 | MDPI Sustainability 8; 文献清单：2025 “神经精神病学”栏目编辑荐读 | Brain Sciences

匹配字段正文

上运行，面对暴雨、冰雹、鬼探头、逆行电动车以及几乎无法穷举的长尾事件；同时还要满足低延时、高可靠与故障安全。更重要的是，它已经做到大规模终端部署，并在真实环境里持续产生数据。 “今天不少工业机器人还停留在单工厂、小范围试点；割草、扫雪、泳池清洁等产品，也远没有汽车那样的终端规模和环境复杂度。所以，自动驾驶留给这一轮创业的，不只是几套算法，而是一整套产业能力：多模态感知、真实数据闭环、模型训练、端侧部署、软硬件协同、安全冗余，以及与大客户长期交付的经验。把这些能力平移到工业巡检、矿山无人化或物流配送，很多时候确实像站在巨人的肩膀上。” 此外，在投中网此前发布的《首发｜智驾“老炮儿”刘念邱创业，首轮拿下近亿美元》一文中，费莫一科技创始人刘念邱也提到了关键的一点。 在两年前的那波具身创业热潮中，由于供应链的供给并不完备，要想在那个节点做具身，需投入大量的精力从零部件基础造起。而如今，情况已大不相同——市面上已有大量专为机器人优化设计的电机和减速机，本体制造难度被大幅拉低，与此同时，AI基础设施的供给也远比两年前充裕。 “这意味着，我们无需再花一两年去‘造轮子’，而是从第一天起，就能专注思考产

匹配字段正文

4S的加持下，最伟大的科学革命与最颠覆的奇点时刻正可能同步到来，人类将可能步入第二次认知革命的黄金时代。已经屹立东方数千年的中国，想必不会错过这次伟大的革命。 5; DeepSeek国庆上新：希望做出让世界跟进的创新 1; 应用“酷农工具”，推动加拿大大西洋地区农业迈向净零排放 | MDPI Sustainability 2; 当生成式AI走进移民成人教育：多模态学习内容设计的新思路 | MDPI Multimedia 3; Forests | 高被引综述论文 4; 可解释的医学图像诊断与自关注变压器：卫生保健领域可解释人工智能综述 | MDPI BioMedInformatics 5; 识别投资准备就绪的中小企业：提升股权获取与经济增长的机器学习框架 | MDPI Forecasting| 6; 肠道微生态如何参与心力衰竭进展？|MDPI Medical Sciences 7; Informatics：人工智能时代的健康数据管理 | MDPI 特刊征稿 8; 对话 Information 期刊2024最佳论文奖得主采访：AI欺骗时代，揭开虚假现实与错误信息威胁的面纱 10; 西湖大学

匹配字段正文

解决方案的底层模型能力主要依赖大模型平台。未来随着大模型厂商向应用层延伸，以及模型价格、技术迭代和供给变化，应用层厂商的业务模式也可能面临调整。此外，像素绽放目前Agent业务仍处于较早阶段，后续发展仍有较大的探索空间。 路演推介现场。新京报记者 浦峰 摄 爱诗科技：世界模型驱动文化新质生产力 爱诗智能（北京）科技有限公司成立于2023年4月，是一家自主研发多模态大模型的AI企业，核心产品为面向全球用户的AI视频创作平台PixVerse，中文产品名为“拍我AI”。 “视频大模型可能是这一轮技术浪潮中距离文化产业最近的技术之一。”爱诗科技副总裁金涵旻表示，视频大模型正在改变内容创作的方式、成本和传播边界。爱诗科技持续推进模型迭代，2024年推出基于DiT架构的视频生成模型，2025年发布基于“DiT+自回归”架构的实时生成世界模型R1，今年进一步推出R2模型，增加键盘、语音和文字等多模态控制能力。 在产品和市场方面，爱诗科技从成立之初就布局海外市场。截至2025年底，公司累计注册用户达到1.267亿，较2024年增长564%，年视频生成量达到7.3亿条，同比增长约14倍，产品覆盖全球17

匹配字段正文

被快速跨越，产业已初步解决“机器人能不能动”的问题，真正决定产业天花板的已不再是硬件能力，而是“数据能不能喂饱模型”。 机器人在单一任务中表现较好，但环境变化或多任务叠加时成功率明显下降，反映出真实物理世界数据覆盖度不足。 这个瓶颈之所以难破，是因为具身数据的本质特征与传统 AI 数据根本不同。 图 1 ：具身数据的本质特征 具身数据的本质是“物理交互世界的多模态记录”，其核心特征表现为： 物理交互性 （必须包含力、触觉、形变、摩擦等真实物理属性，互联网已有数据不通用）、 多模态强耦合 （视觉、本体姿态、触觉力觉、音频、语言指令需在同一时间轴上精确对齐）、 时序连续性 （以“状态—动作”序列构成轨迹，是行为克隆与模仿学习的核心载体）。换句话说， 具身数据不是互联网数据的延伸，而是一种必须绑定真实物理属性的新数据品类； 它因此从训练的“副产品”变成了产业的“核心燃料”。 图 2 ：具身数据的瓶颈破局 二、造数据：三条供给线互补，解决“量” 1. 真机数据保真 本体厂商依托量产机器人规模，在真实场景中持续采集物理交互数据，以真机数据锚定质量基线。智元机器人 2025 年全年出货量突破 50

匹配字段正文

司新闻隆重推出 North Mini Code：Cohere 首个面向开发者的模型2026年6月9日3 分钟阅读；产品发布技术隆重推出 Command A+：让主权智能体能力惠及所有人2026年5月20日4 分钟阅读；产品发布研究隆重推出 Cohere Transcribe：开源语音识别领域的新一代顶尖成果2026年3月26日3 分钟阅读；产品发布公司新闻隆重推出 North：企业级 AI 的新时代2025年8月6日6 分钟阅读；产品发布隆重推出 Model Vault：用于安全、可扩展模型推理的私有平台2026年1月28日6 分钟阅读；产品发布公司新闻隆重推出 Rerank 4：Cohere 迄今最强大的重排序模型2025年12月11日6 分钟阅读；产品发布公司新闻Command A Translate：面向全球企业的安全翻译2025年8月28日3 分钟阅读；产品发布公司新闻Command A Reasoning：面向 AI 智能体的企业级控制2025年8月21日6 分钟阅读；产品发布隆重推出 Command A Vision：为企业打造的多模态 AI2025年7月31日4 分钟阅读

匹配字段正文

VLA方案，虽然学得很快，但在面对长流程任务时，有一个致命弱点，那就是误差累积。 第1步有点小偏差，第2步偏差变大，到了第10步，整个动作可能就已经彻底变形了。更要命的是，单一黑盒模型在遇到干扰时，它不知道到底发生了什么，往往只能硬着头皮继续往下按原计划推，或者直接崩溃停机。 而另一种常见的Agent方案，虽然会做步骤拆解，但它的思考逻辑基本停留在纯文本或者多模态大模型的概率推理上。 每次环境一变，它得先把画面转成文本，等模型在那慢吞吞琢磨「下一步该干嘛」，等你推理完了，手可能早就被门夹到了。。。 CRIS-0展现出来的这种抗干扰和连贯性，背后到底是怎么做到的？ 在CRIS-0的系统里，有一个非常底层的改变，叫做统一状态与因果变量。 以前的机器人看世界，看的是密密麻麻的图像像素。但在CRIS-0眼里，它关心的不是世界表面长什么样，而是任务到底进行到了哪一步，任务本身就是一个因果状态进度条。 举个特别接地气的例子，比如机器人去铺桌布。 它不会傻乎乎地去计算整张桌布每个像素的坐标，而是实时追踪几个核心因果变量。比如桌布有没有被夹爪真正抓住，桌布的角点离目标位置还有几厘米，拉动的时候有没有发

匹配字段正文

。项目建设方应列入国家主管部门发布的正式文件或公示名单，或省数据局发布的优秀省级高质量数据集建设先行先试项目公示名单。 3. 具身智能机器人数据采集项目。数据采集场运营方应具备以下条件：（1）依法注册登记，具有独立法人资格。（2）具备符合要求的物理采集场地和采集环境，包括但不限于室内场景、室外场景、特殊工况场景、无本体数据生成场景等，能够满足具身智能多场景、多模态数据采集的需要。（3）配备必要的采集设备、传感器系统、数据存储与传输设施或仿真基础设施。（4）建立规范的数据采集流程和质量控制体系，确保采集数据的规范性、完整性和可用性。（5）具备相应的安全管理条件和应急处置能力。 具身智能企业应具备以下条件：（1）在江苏省境内正常经营，从事具身智能研发、制造或应用相关业务。（2）具备相关整机，或核心部件，或关键算法的研发能力，拥有相关自主知识产权或合法使用权。（3）所采集的数据用于具身智能算法优化或性能验证等用途。（4）具备与相关主机厂协同开展数据采集、仿真工作的能力，能够明确采集任务、采集标准和数据质量要求。（5）信用记录良好，近三年内无重大违法违规行为，无安全生产事故记录。 参与采集、仿

匹配字段正文

迹，却很难完整保留接触过程中的物理经验。 AE01通过编码器捕捉自然手部运动，同时把机器人端的触觉状态反馈给操作者，形成双向接口：人的动作进入机器人，机器人与物体接触后的状态又影响人的下一步操作。 这样一来，一次人工操作留下的数据不再只有“手移动到了哪里”，还包括接触时刻、力量变化、滑动状态以及随后的修正动作。精准控制、触觉同步采集和免标定，降低了人机映射与多模态数据同步的门槛。 所以IROS上的新进展，其实总结起来就一句话： Sharpa试图解决的是一个具身智能很现实的问题：高质量操作数据很难获得，而真正有价值的数据又恰恰发生在接触最复杂的那些瞬间 。 从这个角度看，Sharpa 的灵巧操作“全栈”能力缺一不可：本体负责把机器人带进真实工作空间，灵巧手负责处理人与物体之间的细粒度接触，数据入口则把人的操作经验和机器人的物理反馈保存下来。 最后，模型再利用这些信息，把一次次操作变成下一轮能力。 手，首先是人类完成各种复杂任务最可靠的器官。 同样也是机器人与真实世界发生精细物理交互最直接的媒介。 所以从W01开始，Sharpa长期围绕高自由度、触觉和精细操作展开，并不奇怪。 年初CES上

匹配字段正文

31 亿美元估值融资 2 亿美元，同时发布 Arena 的 Alignment Index。 AI 的进步速度已经超过了我们评估它的能力。世界需要一个中立的第三方，来衡量 AI 在真正交到真实用户手中之后，究竟有多安全、多对齐。这正是 Arena 今天要承担的角色。 Alignment Index 基于真实世界的智能体轨迹构建，最初采用三项信号：Unauthorized Action（未授权操作）、False Attribution（错误归因）和 Deceptive Completion（欺骗性完成），今天同步发布 20 多个前沿模型的评估结果。 这笔资金将让我们在安全信号、智能体能力和多模态方面走得更远，也让我们能够把公司发展到与使命相匹配的规模。目前我们仍是一支 90 人的精干团队，正在招聘研究、产品、工程等方向的人才。来和我们一起构建吧。 随着 AI 能力更强、自主性更高，理解它能否安全、有效地为人们工作只会变得更加重要。这正是 Arena 要衡量和推进的事情。 感谢我们的社区、我们的投资人，以及每一位与我们并肩构建的人！ 如果你想加入我们，欢迎查看我们的开放职位（链接见简介）。

匹配字段正文

个高价值应用场景，新一代智能终端及智能体普及率超80％等工作目标。 （一）实施“人工智能＋”六大专项行动 一是“人工智能＋”制造。紧扣先进制造业集群应用需求，实施全流程智能化再造。聚焦光电子信息、汽车、装备制造、生物制造4个方向，推进AI在芯片、显示、终端、元器件等领域应用，推动“闪存、内存、存算一体、智能终端”全产业链发展，打造世界级存算一体产业基地；推广多模态大模型在生成式设计与结构优化中的应用，推进模块化工艺岛建设与柔性产线改造，加快智能驾驶、智能座舱、智能底盘等研发应用；推动AI与CAD、CAE、MES等工业软件融合创新，搭建智能设计平台，培育自主可控工业大模型，累计建成智能工厂3000家以上；推动AI在酶分子设计、细胞工厂构建、工艺系统集成等环节应用，建设“武汉·中国种都”，推动30款以上创新药进入临床测试。 二是“人工智能＋”科技。打造从基础研究到技术突破的智慧引擎，推进科技创新与产业创新深度融合。聚焦科学研究、技术研发2个方向，推动重大科技基础设施、基础科研平台智能化升级，深化AI for Science多模态科学计算与知识推理技术在数学、生物、材料、地球科学等领域应用，

匹配字段正文

MoE模型。路透社报道了阿里巴巴声称其超越了DeepSeek-V3。 更大的声明出现在3月6日。QwQ-32B基于Qwen2.5-32B构建，并通过强化学习训练，以Apache 2.0发布。Qwen声称其性能可与671B的DeepSeek-R1相媲美。VentureBeat指出硬件差距约为24 GB显存对超过1,500 GB。阿里巴巴港股当天上涨超过7%。 多模态能力同步跟进。Qwen2.5-Omni-7B于3月26日以Apache 2.0发布。它接受文本、图像、音频和视频作为输入，并以文本或语音作答。CNBC将其定位为面向高性价比AI智能体的模型。 第四章——2025年：Qwen3与万亿参数线 Qwen3（4月）：2025年4月29日（北京时间），团队发布了Qwen3：6个稠密模型，从0.6B到32B，以及2个MoE模型。旗舰是Qwen3-235B-A22B，拥有22B激活参数。所有模型均以Apache 2.0发布。 关键特性是混合思考。一个模型可以逐步推理或即时作答，由用户切换。《Qwen3技术报告》列出预训练使用了约36万亿个token。语言覆盖从29种跃升至119种语言和方言。

匹配字段正文

统计口径需要仔细核对，一个直观感受是，中美前沿研究力量正在迅速接近。在我观察的一些方向上，中国团队已经有能力提出最前沿的问题，而不只是追赶别人提出的问题。 需求侧也有变化。中国模型在海外的调用量上升，越来越多外国企业会直接购买中国模型的能力。需求正在出现，这个趋势很值得投资人注意。 还有一种很直接的产品体感。谈语言模型，大家会先想OpenAI；谈视频生成这些多模态工具，字节的Seedance、海螺、可灵，已经是全球用户会拿来比较的产品。在一些榜单里，中国团队也常常处在非常前面的位置。 这些变化加在一起，让我觉得，一些产业走到了中美并跑的深水区。追赶时，投资人能把同行做过的产品当作坐标；并跑时，连产品边界和使用场景都还在变化。山顶还看不见，怎么投资、谁适合创业，乃至政府怎么适应这种创业方式，问题都变了。 观察者网：孙喜研究创新体制。张辰说我们有些领域已经走到并跑的位置，你怎么看这种变化？ 孙喜：并跑不是突然发生的。关于中国怎样从跟跑走向并跑，十多年前研究产业和科技政策的人就在讨论。起初可能在少数产业链上看到变化，再从一个产业链扩散到更多产业，从单个企业的技术能力扩散到系统、工艺和上下游配

匹配字段正文

从应用场景看，生成式AI可归纳为五大类别（简称“5C”）：虚拟专家（Concision）、代码编程（Coding）、内容生成（Content generation）、客户交互（Customer engagement）与认知工作流（Cognitive workflow）。 其中，虚拟专家（Concision）是占比最高的场景类别（40%）。它采用生成式AI对多模态数据进行汇总和提炼，并结合业务背景输出高价值洞见。典型的虚拟专家应用包括设备故障的根因分析、客户投诉的应答建议、变革举措的方案生成等等。 认知工作流（Cognitive workflow）则是过去一年增速最快的大类。越来越多的灯塔企业开始把智能体嵌入各个生产与业务环节（如采购降本分析、供应链风险处置、生产计划和排程、质量问题解决、工厂业绩管控等），甚至部署了多智能体、跨价值链的复杂AI工作流（见图1）。 价值跃迁：智能体的三重业务增值 智能体AI突破了生成式AI的技术边界：能够由物理世界信号自主触发，并且集成调度多种工具协同运转，跨层级驱动端到端工作流。这一技术突破，可为企业带来三重独特业务价值： 1. 释放人力：从“低头执行

匹配字段正文

派全球发布会现场获悉，觅蜂科技董事长兼CEO姚卯青正式发布全球首个全品类高质量物理AI数据众包服务平台“觅蜂派”。觅蜂派被视为“中国版Index”，用户下载该应用后可以领取数据采集任务，并佩戴MEgo设备在零售、仓储、制造、家庭等真实场景中完成指定操作，按照审核后的有效数据时长获得报酬。据悉，在为期1个月的内测期间，觅蜂派注册用户数达2万人，采集提交总量为1.3万份。 具身智能正从技术验证步入规模化前夜，产业链的投资焦点正从本体制造转向数据资产与商业化闭环。无论大模型厂商、通用具身模型公司还是整机企业，要让机器人从“演示”走向“干活”，都必须先过数据关。物理交互数据的稀缺，使高质量数据供给成为全行业最先爆发真实采购需求的环节。根据研究机构的InteractAnalysis报告，全国已经有至少90个人形机器人数据采集和训练中心（简称“数采中心”）处于使用或规划建设中，折射出数据供给端的基础设施投资热度。德邦证券指出，数据成为AI迈向物理世界的关键门槛，目前存在获取成本高且规模远未达到训练所需数量级等问题，《人工智能合作发展行动计划》将优质数据供给行动放在首位，多模态数据采集成为热门赛道。

匹配字段正文

”和“讲笑话”的玩具。 2017年前后，天猫精灵、小度、小爱同学靠补贴大战在中国铺开智能音箱，却又陷入同质化与价格战，入口叙事难以变现。行业逐渐形成一个共识：助手的能力天花板，由底层语言理解技术决定，而不是入口形态。 2022年11月，ChatGPT上线，对话助手第一次具备开放域的知识问答、写作与推理能力。2023年，GPT-4、Claude、Gemini等多模态大模型进一步打通文本、图像与音频。然后Agent时代来了。大模型作为大脑，自主规划、调用浏览器、代码与API，完成多步真实任务。 从OpenAI的Operator到Coding Agent，再到Instinct这类没有新界面的个人Agent，AI助手的形态又一次进化，而这一次，它真的可以替你办事了。 构建“通用人工智能助手”，成为每个人的生活助理，是无数公司和创业者的愿景。虽然OpenClaw今年早些时候已在技术圈流行，但Instinct这样的产品初露端倪，有望接过那把等了六十年的钥匙。 权限、隐私与失控 Instinct引发的兴奋，与它的争议几乎同时到来。 争议的焦点恰是它最大的卖点，权限。想让它帮你订机票？它需要你的信用卡

匹配字段正文

据产品质量。健全数据跨境流动政策动态优化机制,持续拓展负面清单应用领域,提升数据跨境服务中心、数据出境“绿色通道”服务能级。创新发展数字贸易。支持数据领域企业出海,积极融入全球数据价值链。 三、加强数智技术创新引领 (四)强化数智领域关键技术攻关 聚焦数据采集、计算存储、流通交易、智能应用、安全可信和全生命周期治理等方向加强技术攻关,推进数据编织、数据本体、多模态数据合成、区块链与隐私保护计算融合架构等技术验证应用。强化模型新架构、群体智能、世界模型等人工智能核心技术攻关,深化可解释、可决策等关键算法研究,加快人工智能安全技术研究应用,促进芯模云端用协同创新。加快跨模型跨芯片的通用智能体技术攻关。前瞻布局类脑智能、量智融合等多元技术路线。加快下一代通信网络、脑机接口、具身智能等领域技术突破。 (五)提升数智技术自主可控水平 加快建设全球人工智能创新高地,构建全栈自主可控软硬件生态,推动国产人工智能芯片、软件栈等实现突破。持续迭代自主可控区块链底层技术体系,强化第五代精简指令集(RISC-V)创新,深化众智FlagOS开源生态建设。打造国际领先的人工智能开源社区,构建开发者社区体系。推动

匹配字段正文

Use 领域本身也向前发展了。我认为我们使用了更多技术。现在 Computer Use 经常会写代码。所以如果你在 Codex 里实际查看并手动展开工具调用，你可以看到它不只是一次做一个动作。它实际上在写 JavaScript 代码并执行，由计算机执行，有时一次执行多个动作，这大大加快了速度，也是很强的能力。我们使用了更多 accessibility，算是多模态接口。所以，模型可能会用截图，可能会用 accessibility，可能会用 Playwright。它可以根据手头的任务使用很多不同的机制。然后，是的，模型的加速一直，一直非常惊人。所以，是的，今天有什么不同？我认为我们一直在让计算机变得更好，所以我认为仅仅一天的差异，可能比比如过去一个月或过去两个月的影响要小一些。但是，是的，我认为 Dot 中的 Computer Use 非常令人兴奋，还有我们推出的新模型。 Vibhu [00:08:03]：在主题演讲中，Tejal 提到 Computer Use 的速度提升了 7 倍，在几项基准测试上表现好得多。你们是怎么考虑衡量它的？Computer Use 就是那种，正如你所说，你知

匹配字段正文

。交互上以触摸感应 " 猫耳 " 降低使用门槛，配合后台故障日志实现零门槛部署。 效果数据：配送效率提升 2 – 3 倍，传菜工时节省约 50% （每班可减少 2 名传菜员），已在全球数千家门店部署。 ◇ 优必选 × 金融网点：大堂人形服务具身方案 方案硬件为 Walker S 双足人形机器人，配备 RGB-D 摄像头、环形麦克风阵列与触控屏。核心能力包括：多模态交互（人脸检测→问候→ ASR+NLP 理解业务意图）、对接银行 FAQ 与合规话术的金融知识库、适老化引导（大字版交互、语速放慢、耐心重复）。部署上采取 " 旗舰网点试点→迭代垂域语料→待系统对接与合规审批后推广 " 的渐进路径，交互日志本地存储可审计，不外传客户身份信息。 应用分为三类场景：一是银行大堂，由 Cruzr （克鲁泽）承担指路带路、迎宾接待、取号分流、业务咨询与智能营销；二是 VIP 理财室，由 Walker S/Cruzr 高端定制机型提供金融管家与理财产品介绍；三是机房巡检，由 AIMBOT （智巡士）执行全感官检测、资产盘查与分级告警。 效果数据：大堂经理重复咨询工作量下降约 30% （估算）， VIP

匹配字段正文

似的事情。 Meta自己也在加码，9月29日推出小企业版Muse for Small Business，接入Asana、Zoom、Slack等办公软件。按Meta的说法，约三分之一的早期用户已经用Muse连接了某种业务账号，个人Agent正在自己长进工作场景。 AidenInTech发现，Muse可以胜任短程、浅层的任务，一旦任务链条加深，失败率便明显上升。多模态能力也偏弱，生成的报告和文档质量较为基础。跨系统的复杂任务同样是短板，还有用户反映，涉及教育、医疗、交通等多个系统的协同任务，Muse频繁失败。 更大的阻力来自外部平台。9月20日起，亚马逊开始阻止Muse在其平台完成购物，理由是未经授权的AI智能体持续访问违反使用条例。也就是说，Muse目前没法替用户在亚马逊买东西。 一是个人AI智能体存在大量的真实需求，250万下载、64万日活，是用户自己投的票。二是超级App的分发能力，决定了Agent产品早期获客成本的下限，Apptopia显示，95%的Muse用户同时是Facebook用户，63%同时使用Instagram，Meta几乎没有为获客额外花钱。 02.谁离中国版Muse更

匹配字段正文