00:00 / 00:37
连播
清屏
智能
倍速
点赞257
00:00 / 00:24
连播
清屏
智能
倍速
点赞14
00:00 / 00:21
连播
清屏
智能
倍速
点赞997
00:00 / 01:59
连播
清屏
智能
倍速
点赞15
00:00 / 00:20
连播
清屏
智能
倍速
点赞55
00:00 / 00:21
连播
清屏
智能
倍速
点赞394
最近有一个有意思的变化:中国开发的人工智能(AI)模型正在 美国 被越来越多公司采用,而这背后,对我们国内投资者、创业者、以及消费者,意味着不少机会和挑战。 尽管美国对中国在高端芯片、AI 技术上实施了出口管制,但中国的 “大模型” 仍然在美国市场悄悄获得青睐。比如: •美国短租平台 Airbnb 的 CEO 公开表示,他们用了中国 Qwen 模型,而没有选择美国的 ChatGPT。这款中国模型被称为“速度快、成本低”。 •各种报道指出,很多美国 AI 初创公司其实用的不是美国主流的闭源模型,而是中国开源或“半开源”的模型。甚至有说法:约 80% 的美国 AI 创业公司在用中国模型。 •一些分析认为,美国打算通过限制芯片出口来压制中国的 AI 发展,但实际情况是:中国企业反而在研发出更轻量、能在普通硬件上运行的大模型,从而绕开了一部分硬件瓶颈。 二、对中国民众/消费者意味着什么 •消费者可能会更早接触到中国开发的 AI 应用。换句话说,无论你用的手机、智能设备、或软件服务,说不定背后就是中国模型在“提供大脑”。 •对于普通用户来说,成本更低、速度更快的中国模型可能意味着服务价格更优惠、体验更流畅。 •但也要留意:因为模型越来越多是“开源/半开源”,数据安全、隐私保护、使用规范可能会有新的问题,需要用户提高警惕。 三、对投资者和创业者的机遇 •投资者视角:如果中国模型已经能走出国门、被美国企业采用,这说明其在“性价比”“普适硬件”“全球部署”方面有优势。投资在这类模型或者相关软硬件生态(轻量化模型、模型部署服务、模型应用场景)可能会是一个趋势。 •创业者视角:对于国内创业者来说,可以从两个方向考虑: 1.利用中国模型做“中小企业智能化”服务。因为模型更轻量、成本低,对中小商铺、个体经营者、地方市场更友好。 2.把产品或服务“出海”时,也可以考虑中国模型作为技术基础,因为其已经在海外有先例。
00:00 / 00:09
连播
清屏
智能
倍速
点赞1
00:00 / 01:03
连播
清屏
智能
倍速
点赞83
今天我们聊聊:Pelican-VL 1.0 中国开源具身智能的里程碑突破 2025年11月,#北京人形机器人创新中心 开源全球参数量最大的具身智能多模态大模型Pelican-VL 1.0(7B-72B参数),首次实现从「视觉理解」到「物理执行」的全链路智能。该模型在空间推理、精细操作等12项基准测试中超越谷歌Gemini-RoboticsER,推动人形机器人从「马拉松冠军」进化为「会思考的执行者」。 核心技术突破:从感知到行动的闭环 Pelican-VL通过三大创新重构具身智能范式: 刻意练习机制(DPPO) :模型在失败中自我诊断,空间理解能力较基线提升47%,能像人类般通过「试错-修正」掌握复杂操作 感知运动闭环:三阶段抓取框架实现毫米级精度——视觉预判物体属性生成初始力(主动预测)、触觉传感器实时微调抓力(触觉适应)、交互经验存入物理记忆图谱(记忆更新),成功抓取生鸡蛋等易碎物体 跨模态长程规划:解析自然语言指令并分解为可执行步骤,如「整理房间」任务中自主规划移动路径,完成鞋架归位、垃圾清理、衣物分类等多步骤操作 开源生态与产业影响 项目全面开放模型权重与推理代码(GitHub星标数3天破万),形成「通用大脑+硬件平台+场景数据」三位一体体系: 降低研发门槛:提供「视觉理解→长程规划→物理操作」全链路训练范式,企业可基于此快速开发特定场景应用 多机协作能力:支持轮式/双臂机器人协同,如灯泡质检流程中动态分配「系统启动」与「结构检测」任务 千台数据计划:部署机器人在工厂/酒店采集真实场景数据,加速制造业自动化与家居服务落地 Pelican-VL的开源标志着中国在具身智能基础研究领域实现从「跟跑」到「领跑」的跨越,其「智能操作系统」理念或将重塑全球机器人产业格局。
00:00 / 08:11
连播
清屏
智能
倍速
点赞1
AI时代开发者生态变革:从编码者到构建者的思维跃迁 亚马逊云科技奠基人Jeff Barr在QCon 2025上海站提出颠覆性观点:AI正推动开发者生态进入"创造性重构"新阶段,未来将涌现"一人独角兽"——单个开发者借助AI工具可打造十亿美元级公司。这场变革的核心不是代码生成效率的提升,而是开发者价值定位的根本性转变。 从"写代码"到"定义意图":开发者角色的范式转移 价值重构:AI接管80%重复性编码工作后,开发者核心能力转向"系统理解"与"意图表达",需判断AI输出的逻辑合理性并定义清晰约束条件 沟通溢价:将业务语境转化为机器可理解的逻辑语言成为稀缺能力,高质量Prompt如同"给AI厨师的详细菜单",需明确目标、用户画像与技术边界 技术平权:自然语言编程打破专业壁垒,非技术背景人员可通过LLM创建应用,但深度技术理解仍是把控质量的关键 一次性应用与数据护城河:双层生态的形成 Jeff Barr提出"应用即拼图"新理念: 上层敏捷创新:AI生成的一次性应用(Disposable App)生命周期短至数周,用于快速验证商业假设,开发效率提升10倍 底层系统稳定:操作系统、数据库等核心代码仍需人类精雕细琢,遵循严格架构设计与形式化验证 数据主权:应用会过时但数据持续累积智能,企业竞争力从"代码量"转向"数据质量",数据建模投入应占研发预算30%以上 组织演化:从双披萨团队到一人全能构建者 角色合并:AI自动生成测试脚本、优化数据库、撰写文档,使"全周期开发者"(Full-cycle Builder)成为可能 协作模式:亚马逊Kiro工具实现"自由创作"与"规范协作"双模式切换,Vibe Coding适合探索性开发,Spec-Driven模式确保大型项目可控 生存策略:每周4-8小时学习配额+业务深度理解成为开发者核心竞争力,5-10年经验的中坚工程师最能快速变现AI价值 四I模型:软件开发本质的回归 Jeff Barr将技术演进概括为"意图上移"历程: Idea(想法) → 2. Intent(意图) → 3. Implementation(实现) → 4. Iteration(迭代) AI的革命性在于,开发者首次可用自然语言直接表达Intent,由模型自动生成Implementation路径。
00:00 / 07:57
连播
清屏
智能
倍速
点赞6
00:00 / 01:48
连播
清屏
智能
倍速
点赞2
00:00 / 01:33
连播
清屏
智能
倍速
点赞11
00:00 / 00:25
连播
清屏
智能
倍速
点赞NaN