IT之家 5 月 6 日消息，据 Wccftech 及《电子时报》昨日报道，英特尔在芯片设计和代工业务方面不断传出好消息。随着制程工艺与良率的提升，其未来两年的 PC 平台路线图日益清晰。 消息人士表示，在由先前 CEO 帕特 · 基辛格、现 CEO 陈立武等领导层的努力下，英特尔的平台执行能力正逐步回归正轨。 英特尔已明确其 PC 平台路线图，并准备与 AMD 展开竞争。该路线图涵盖了 Nova Lake、Razor Lake、Titan Lake 以及英特尔下一代纯 E 核架构 Moon Lake 等产品线。 消息人士称，相关产品预计不会再出现延迟，将按计划如期交付。IT之家下面就从今年发布的 Arrow Lake Refresh 开始为大家进行讲解。 Arrow Lake Refresh 重返路线图，Wildcat Lake 定位精简版 首先，当前 Arrow Lake Refresh 已被重新被添加至 2026 年第一季度的路线图中，也就是刚刚发布的酷睿 Ultra 7 270K Plus、Ultra 5 250K/KF Plus、Ultra 9 290HX Plus 等处理器产品。 而 Wildcat Lake 系列也已于上个月发布，采用 2P+4E 的 6 核架构设计，主要面向入门级轻薄本和 Chromebook 等低功耗市场，其主要竞争对手是 MacBook Neo。 Nova Lake 最快 Q3 登场，Razor Lake 针脚兼容 最快今年下半年，英特尔预计将推出全新 Nova Lake 。据此前爆料，Nova Lake-S 桌面处理器最高可配备 52 核心及 288MB 缓存，移动 HX/H 系列最高 28 核心，采用 Coyote Cove（P 核）与 Arctic Wolf（E 核）架构，覆盖高端至主流市场。 下下代 Razor（早期传闻中的 Razer 是错的）Lake 将涵盖“S”“HX”“H”版本，计划于 2027 年第四季度推出，并将与 Nova Lake 保持针脚兼容，意味着用户无需更换主板即可升级。该系列预计采用 Griffin Cove（P 核）与 Golden Eagle（E 核）架构。 Titan Lake 与 Moon Lake 定档 2028 年 作为英特尔与英伟达技术合作成果之一，Titan Lake 预计于 2028 年底亮相。该平台在 CPU 和 GPU 两端均有重大架构升级，将采用名为 Copper Shark 的统一核心设计，融合大小核优势。此前有路线图显示，Titan Lake 可能完全放弃 P 核，配备最高 100 个 E 核，但这一信息尚未得到官方确认。 结合此前爆料，英特尔与英伟达合作的“Serpent Lake”属于是“Titan Lake”处理器的一种衍生版本，有望成为英特尔首款采用英伟达 GPU 芯粒的产品，直接对标 AMD Halo 系列产品。 作为 Twin Lake（N150、N355 等）的继任者，Moon Lake 将成为英特尔的下一代纯 E 核架构 CPU（属于酷睿 300 系列），主要面向低成本平台和 Chromebook 市场。 代工业务与 AI 需求为英特尔提供支撑 英特尔正经历其历史上最大规模的转型之一，获得了来自美国政府、软银和英伟达的投资支持。与此同时，随着 AI 正从训练阶段向推理和智能体 AI 应用转变，也推动了数据中心 CPU 的结构性需求增长。英特尔表示，AI 目前约占公司业务的 60%。 尽管获得资本支持，市场对英特尔的芯片设计和代工前景仍持谨慎态度。消息人士认为，英特尔在服务器和 PC 市场可能继续受到 AMD、英伟达及 Arm 阵营的挤压，其代工业务在台积电主导 AI 芯片订单的格局下面临盈利挑战，仍需进一步加强 18A、14A 工艺及 EMIB 相关先进封装技术。
IT之家 5 月 6 日消息，宝马集团当地时间 5 月 5 日宣布，其第 200 万辆纯电动汽车已在丁格芬工厂正式下线。 这辆具有里程碑意义的车型为一台坦桑尼蓝金属漆色的 BMW i5 M60 xDrive 轿车，即将交付给西班牙的一位客户。 宝马集团于 2024 年 4 月达成 100 万辆纯电全球交付，仅时两年，宝马集团正式开启 200 万辆全新里程碑。 宝马介绍称，丁格芬工厂是宝马集团纯电车型最集中的生产基地。该工厂于 2021 年以 BMW iX 为起点，开始量产纯电动汽车。 目前，丁格芬工厂生产宝马集团旗下最丰富的纯电车型阵容，包括 BMW iX、BMW i5 轿车及旅行版，以及 BMW i7。 自 2021 年以来，这座位于下巴伐利亚的工厂已累计生产超过 32 万辆纯电动汽车，这意味着宝马集团全部 200 万辆纯电产量中，近六分之一来自丁格芬。2025 年，该工厂生产的车辆中有超过四分之一为纯电车型。 近年来，宝马集团在德国的每一家工厂均已实现至少一款纯电车型的量产，电动化已成为其生产网络中的新常态。宝马集团表示，正因此，德国已成为当今全球第二大电动汽车生产国。
IT之家 5 月 3 日消息，据科技媒体 Phoronix 昨天报道，自 2023 年末 Linux 6.8 内核以来，Steam Deck OLED 掌机在 Linux 主线上游内核中一直无法正常播放音频。 IT之家从报道中了解到，AMD ASoC 驱动的一项更改无意间破坏了 Steam Deck OLED 的音频支持，但 LCD 型号并未受影响。 并且V社自家的 Steam OS 下游内核也修复了这一已知问题 ，其他针对 Steam Deck OLED 的发行版也打上了这一补丁， 所以普通玩家可能并没有遇到过相关问题 。 如今，Linux 开发者已针对 7.1 内核提供了基于 DMI quirk 的上游修复方案，这个存在两年之久的问题终于修复。 目前，该补丁已经合并到 Linux 主线内核， 预计将在本周日发布的 Linux 7.1-rc2 中出现 。
IT之家 4 月 28 日消息，包括微软、Meta 在内的科技企业近来纷纷青睐天然气，争相兴建以这种化石燃料为能源的发电厂，为自家数据中心供电。但这些公司对天然气的追捧或许有些过热，彭博新能源财经（BloombergNEF）最新发布的报告显示，过去两年间，此类发电厂的建设成本暴涨了 66%。 报告称，尽管伊朗局势持续紧张，但美国国内天然气价格仍维持低位，可新建联合循环燃气轮机发电厂的造价却大幅攀升：2023 年每千瓦发电容量造价不足 1500 美元（IT之家注：现汇率约合 10252 元人民币），去年已涨到 2157 美元（现汇率约合 14742 元人民币）。此外，新建一座电厂的工期也延长了 23%。 数据中心是电力需求激增的主要推手之一，这不仅促使科技企业布局天然气发电，也带动公用事业公司纷纷入局。特朗普政府敦促数据中心运营商实现“自备电力”，而公用事业公司往往会把新建发电设施的成本转嫁到用户身上，这也导致普通民众对数据中心的不满情绪日渐高涨。 虽然数据中心并非电力新增需求的唯一来源，却是电力消耗增速最快的领域之一。预计到 2035 年，数据中心新增用电需求将达到当前水平的 2.7 倍，从目前的 40 吉瓦攀升至 106 吉瓦。需求增长的部分原因在于新建数据中心的规模大幅扩容。目前，仅有 10% 的数据中心装机容量达到 50 兆瓦及以上；未来十年，新建数据中心的平均装机规模将突破 100 兆瓦。 此前，科技企业更倾向于建设并网式数据中心，通过电力采购协议采购风电、光伏及储能电力。但人工智能催生的用电需求激增，再加上公众对数据中心的抵触情绪，推动更多天然气发电新项目上马。 企业扎堆兴建天然气发电厂，已造成燃气轮机供不应求。这类设备造价占新建电厂总成本的 30%，预计今年年底其价格较 2019 年将飙升 195%。同时，燃气轮机的制造工艺难以快速扩产，导致设备排单等待周期已顺延至 2030 年代初。 不过，并非所有企业都全力押注天然气发电。 谷歌已提出一套为电网新增发电容量的全新方案：依托可再生能源搭配长时储能系统，其中就包括 Form Energy 大型铁空气电池，该电池可连续放电长达 100 小时。与燃气轮机价格持续上涨不同，太阳能光伏板和电池的成本长期呈下降趋势，为造价高企的天然气发电厂提供了替代方案。
IT之家 4 月 27 日消息，日产汽车今日公布，在截至 2026 年 3 月的 2025 财年，其合并净亏损为 5500 亿日元（IT之家注：现汇率约合 235.74 亿元人民币），上一财年净亏损为 6708 亿日元（现汇率约合 287.51 亿元人民币）。 这意味着日产连续第二年录得净亏损，不过亏损规模比此前预期少了 1000 亿日元，也好于市场原先预估的亏损 5783 亿日元。 经营层面表现更好一些。 日产合并营业利润为 500 亿日元（现汇率约合 21.43 亿元人民币） ，上一财年为 697 亿日元。日产此前曾预计会出现 600 亿日元营业亏损，最终却实现扭亏。主要原因包括美国撤销温室气体排放相关监管，使日产得以冲回相关准备金；日元汇率比最初预期更弱；固定成本和变动成本削减也带来了效果。 日产目前正推动经营重建，已经提出一轮结构改革方案， 计划在全球裁减 2 万人，并削减 7 座工厂 。日产汽车连续两年亏损，2025 财年净亏 5500 亿日元同比收窄按照日产的目标，到截至 2027 年 3 月的财年，在剔除关税影响后，汽车业务营业损益要实现转正，自由现金流也要转为正值。
IT之家 4 月 26 日消息，4 月 24 日，捷达汽车在 2026 北京车展举行品牌焕新发布会，正式宣告捷达品牌向智能电动赛道全面转型，捷达新能源序列全新 LOGO 在发布会上正式亮相。 智能化方面，捷达自主研发的全新捷思架构平台采用高速网络和安全加密等技术，支持智慧 AI 座舱、城市辅助驾驶及车辆 OTA 等功能。同时，捷达已与 地平线 、酷睿程、火山引擎等行业头部公司深度合作， 采用最新的豆包大模型和 DeepSeek 大模型 ；一段式大模型实现有合适位置即可泊车，并提供稳定可靠的高速和城区 NOA 体验。 面向未来，捷达同步公布战略规划，两年内推出 4 款新能源车型的计划正式写入品牌日程。 首款纯电轿车正式命名为捷达 M6，将于今年下半年上市 ，明年还将迎来一款纯电 SUV 和一款插混 SUV。同时，捷达将拓展销售网络超过 600 家，展厅形象全面焕新。在海外市场方面，捷达将向中亚、非洲进发，持续开拓海外版图。 IT之家注意到，捷达汽车科技董事、总经理高解放回应外界对捷达转型时机的关切：捷达的新能源布局并非迟到入场， 而是基于充分准备后的正式登场 。“新能源的上半场比拼的是速度，而下半场比拼的是厚度。”
IT之家 4 月 25 日消息，阿联酋总统穆罕默德 · 本 · 扎耶德前天（本周四）宣布，该国未来两年内将把 50% 政府部门、服务和运营转变为 Agentic AI 驱动。 据穆罕默德 · 本 · 扎耶德介绍，阿联酋将成为全球首个使用 Agentic AI 大规模处理政府事务的国家，这种 AI 模型可以独立执行任务、管理流程和支持决策。 未来两年，阿联酋政府将对各部长、干事以及联邦机构进行评估，考察他们实施新标准和使用 AI 的速度。所有政府雇员都将接受 AI 知识培训，目的是让政府转型。 IT之家注：Agentic AI 是代理式人工智能的简称，指具备自主感知、推理、规划与执行能力，能够独立完成多步骤任务的人工智能系统。
IT之家 4 月 22 日消息，在今天的鸿蒙智行春季新品发布会，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东带来了全新一代的问界 M9 的前瞻信息。 据介绍，全新一代问界 M9 提供标准尺寸及 Ultimate 领世加长版两款车型，预售价分别为 49.98 万元起、66.98 万元起。 IT之家注意到，余承东还在发布会现场放出豪言：2 年前，第一次发布问界 M9 之后，整个中国汽车产业家家都在学习，他们在追赶 M9 的道路上。 今天我们又发布全新一代的 M9，让他们永远追不上 。
IT之家 4 月 22 日消息，据路透社报道，当地时间周二（4 月 21 日），长城汽车宣布，未来两年 将在欧洲推出至少 10 款新车型 ，力图在此前受挫之后重新打开欧洲市场。 作为最早进入欧洲的中国车企之一，长城汽车曾在 2021 年慕尼黑车展上以电动汽车为主打阵容高调亮相，但在高度竞争的环境中始终未能站稳脚跟。此次重返欧洲，长城汽车计划在 接下来 12 个月内进入 13 个欧洲市场 展开销售。 长城汽车国际总裁史青科在保定技术中心表示，公司不愿在任何市场落败。“我们会重新出发，并带来真正合适的产品。” 与此同时，比亚迪、奇瑞旗下 Jaecoo 和 Omoda 品牌以及零跑汽车等后来者在 2025 年迅速扩大欧洲业务，而长城汽车在当地销量却持续下滑， 2024 年下降 25.4%，2025 年再降近 30%，仅售出 3500 辆 。 随着中国国内市场增长趋缓，中国车企正加速向欧洲及新兴市场拓展海外空间。 为增强竞争力，长城汽车此次将提供更丰富的产品组合，涵盖 纯电、混动以及燃油车型 。首款车型 Ora 5（欧拉 5）预计于 2026 年上半年推出，这是一款面向城市的小型车，提供多种动力版本。此外，公司还计划在今年晚些时候推出 Jolion Max SUV 以及越野车型 H7。 据IT之家了解，目前，长城汽车已进入包括英国和德国在内的 9 个欧洲市场。欧洲市场营销总监 Thiemo Jahnke 表示，公司将在 6 月进入意大利和西班牙，7 月进入波兰，并在未来一年内拓展至另外 10 个市场。 长城汽车还计划到 2029 年在欧洲 建设一座年产 30 万辆的工厂 。首席执行官穆峰表示，选址尚未最终确定，目前正重点考察中欧和南欧地区。 分析人士 Felipe Munoz 认为，多动力系统布局让长城汽车产品竞争力较首次进入欧洲时明显提升，不过像坦克 300 这类越野车型，并不符合欧洲主流消费者需求。业内普遍认为，在大量中国车企集中进入欧洲的背景下，长城汽车未来推进将面临更大难度。 Felipe Munoz 表示，欧洲市场上的中国车企已经过多，“实现差异化将变得非常困难。”
IT之家 4 月 17 日消息，动视旗下游戏《使命召唤：战争地带手游》将在明日停服，不过主机 / PC 版作品《使命召唤：战争地带》仍然可以免费游玩。 IT之家了解到，本作上线于 2024 年 3 月，运营至今仅有两年。在正式停服前，动视已经逐步减少支持，去年 5 月 19 日关闭所有真实货币内购功能，同月从苹果 App Store、谷歌 Play 商店下架，已安装的玩家仍可继续游玩，但停止吸收新用户。 同时， 本作的赛季更新、玩法更新早已停止 ，游戏在完全无内容更新的情况下运营近一年，最终迎来停服。 停服后，玩家将无法访问游戏服务器。此前注册的动视账号仍然有效，可在其他游戏 / 服务中使用。但游戏内的虚拟货币“COD 点数”将在停服后永久失效，官方不提供任何退款服务。
时隔两年半，大疆终于带来了 Pocket 这款破圈产品的继任者，相信屏幕前已经有很多“等等党”，持币等待这款产品好久了。那么今天，我们就来和大家聊聊，Pocket 4 相比 Pocket 3 的 7 大核心升级点。 点击关注IT之家B站账号
文｜邱晓芬 编辑｜苏建勋 2026年，全球的具身智能机器人创业者不约而同将目光方向调转向深水区：家庭。 点燃这份热情的，是近期行业里闪烁着的一丝丝Scaling Law苗头—— 先是硅谷具身智能公司Generalist AI在GEN-1模型上验证了确定性，当他们给机器人喂进海量数据后，精细操作任务成功率竟从64%提升到了惊人的99%； 随后，硅谷当红的具身智能独角兽公司Sunday Robotics也试图解决家庭场景数据难关，不仅推出Umi手套数据采集方案，还直接将机器人Memo送进家庭做家务（收拾餐做、冲咖啡、叠衣服），因此吸引了大量的资本押注。 在大洋彼岸的中国，近期闯入家庭机器人领域的创业者中，还有一个熟悉的身影——许华哲。 “两年内，中国将会出现可用的家庭机器人”，他对于行业的判断，同样乐观且激进。 作为“伯克利归国四子之一”、清华大学交叉信息研究院助理教授，2023年，许华哲曾加入「星海图」任前首席科学家兼联合创始人，一起将这家公司打造成中国具身智能领域的明星公司。 不过，在这家公司估值冲破200亿、融资近30亿的巅峰时刻，许华哲又选择“单飞”并创办了全新的具身智能公司「破壳机器人」。 此次重新出发，他想做的是能在家庭场景干活的、真正有泛化性的具身智能机器人。 △ 许华哲 其实，想做一个家庭机器人公司并不是近期偶然的想法。初高中时的他读完《乔布斯传》后，内心便萌生创办一家伟大To C公司的种子。此后，在清华、伯克利、斯坦福的一路升学中，他一直深耕机器人强化学习方向，梦想便是把机器人送入千万家庭。 他理想中的家庭机器人，虽然不是无所不能，却能完成上一代机器人（比如扫地机、洗地机）无法完成的复杂任务，比如能进行更精细的清洁工作、有条理的完成诸如洗衣收纳的长序列、多步骤任务串联。 在他看来，这种创业方向的选择，也带有强烈的审美洁癖。许华哲直言，泛化性的本质是一种“美与影响力”——用最简洁优雅的模型，解决人类复杂的生活问题，并真正将AI转化为生产力，而非仅仅替代低端劳动力。 从更理性的层面，切入To C家庭场景也包含着许华哲的商业判断。在他看来，当前大量机器人厂商将人形机器人送进工厂，完成传统机械臂就能完成的上下料、搬运箱的工作，本质上只是在用新的人性在做旧时代的事情，机器人没有发挥出真正的通用性。 他认为，真正的AGI应该在家庭场景中诞生、运用，因为家庭场景任务比工厂场景更混乱随机，且数据丰富，恰恰是训练通用模型的最佳土壤。 因此，为了追赶时机，在创业的短短一个月内，新公司「破壳机器人」已经完成了融资、核心团队组建、具身模型的训练、以及硬件迭代工作。 《智能涌现》独家获悉，破壳机器人近期完成数千万美元天使轮融资，由云启资本领投，并获得顺为资本、弘晖基金等一线美元基金，小米战投、星海图等知名产业方，以及BV百度风投、英诺天使基金、水木清华校友种子基金、东方嘉富等一线市场化基金的支持。 快速得到资本押注，也因为许华哲在关键技术路线上有一些不同的选择。 为了实现泛化，在关键技术路线方面，他的选择也略显反常识。他完全放弃了行业主流的VLA（视觉-语言-动作）基座模型方案，转而构建一种能直接输入和输出“视频-动作”的 世界模型 。 在模型结构上，他也提出了独特的“ UAG架构 ”，用并联式预训练替代过去的瀑布式级联，并将强化学习贯穿预训练与部署全过程，实现了训练效率的五倍提升。 打好模型基础之余，在数据与硬件层面，他也通过UMI、外骨骼和第一人称视角三层方案采集高质量数据，形成从任务定义到数据、模型、本体的闭环迭代。 据许华哲透露，「破壳机器人」第一代 32B参数规模的具身世界模型 已完成首轮训练，正处于数据迭代的关键爬坡期。在硬件层面，「破壳机器人」为数据采集量身定制的手套硬件已迭代了五六个版本。 近期，《智能涌现》与许华哲聊了聊，以下是交流实录（略经摘编） 为何出走「星海图」？ 《智能涌现》：为什么选择离开星海图，创立一家新的机器人公司？ 许华哲：这个想法其实酝酿了很久。在2023年8、9月份，我就开始和高继扬聊，加入星海图。但经过了两年，到去年11、12月份，我已经基本决定要离开了，真正办完手续是在今年，创立「破壳机器人」是最近一个月的事情。 离开的原因主要是因为我内心一直想做一些To C的、真正泛化的通用机器人。 《智能涌现》：既然一直想做To C，为什么一开始不直接做To C方向机器人的创业呢？ 许华哲：原因是多方面的。2023年我加入星海图时，也考虑过要不要自己创业，但那时我刚从美国读完书回来，在叉院工作才一年左右，要自己开公司lead一摊事，还要兼顾教职，挑战很大。 那时星海图和其他一些具身智能公司也邀请我加入，我觉得先加入一个优秀的团队做联创，是一个更稳妥的选择，而且当时星海图的宣传里也提到大概是“让机器人服务千万人类”的话语，这和我的一部分想法是吻合的。 《智能涌现》：您现在新公司虽然只成立一个月，都有哪些进展？ 许华哲：团队方面，目前有20人左右，AI侧有一些天才少年，硬件侧有很多做过To C量产交付的工程师。我们还在火热招聘中。 在技术上，我们的AI模型在“动得快”、“泛化强”、“成功率高”三个维度都有较好的前期积累，能让机器人完成某些复杂任务时达到接近100%的成功率。 我们第一代32B的模型已经完成了第一次训练，但还需要数据量的迭代才能展现出更好能力。我们的硬件手套也已经迭代了五六个版本。 第一个月要处理公司注册、选址、装修等各种事务。能跑出这个速度，我觉得还是比较快的。 《智能涌现》：您这次创业，和第一次创业时心态有什么不同？ 许华哲：最大的不同是心态上更踏实、也更敢了。第一次创业前，我会担心，我没上过班怎么给别人“班”上？我没做过生意怎么办，没跟投资人、政府打过交道怎么办？ 在星海图的两年，我接触过这些事，“没打过就硬打，没上过就硬来”，其实最终结果也挺顺利的，太多的顾虑没必要，出来混最重要是先出来。这次心理上更从容。 《智能涌现》：在2023年和2026年两个节点创业做家庭机器人这件事，区别大吗？ 许华哲：区别挺大的。首先是硬件本体，这三年中国的硬件供应链打磨得更好了，有了更多能用的机器人，2023年时可能只能用工业臂； 第二是数据，2023年时机器人的数据几乎是0，现在网上开源数据就有几十万小时，还出现了大量的数据供应商，虽然数据质量和跨本体适配还是问题，但丰富度已经不可同日而语。 第三是融资和市场认知，2023年要做To C机器人可能很难融资，大家给的时间缓冲也更少。今天起步比2023年更好。 AGI应用于家庭，工厂是上一代技术的领地 《智能涌现》：一直想做To C的机器人，背后的触发点是什么？ 许华哲：首先，一个核心思考是，我们做机器人到底在做什么？机器人是人类自古以来的追求，我们在海底捞、酒店、工厂都见过机器人，但如果我们只是用人形的外壳去工厂拧螺丝、搬箱子，那本质上还是在做旧时代的事情。 这一代机器人最核心的不同在于它的通用性。 通用性该用在越混乱、越需要通用能力的地方。那答案就是家庭，或者广义的服务场景。我认为，通用的AGI（通用人工智能）应该用在家里。 第二，从个人偏好来说，做有品牌的事情是可以做得足够大、有梦想的。伟大的公司很多是To C的，比如苹果、小米。 第三，从数据角度看，通用性需要有丰富的数据，混乱的家庭场景恰恰能提供丰富的数据。如果你的数据源头错了，就得不到正确的模型。 基于这三点，我觉得做To C机器人是一件正确的事，我自己也特别感兴趣。 《智能涌现》：您认为AI模型什么时候可以支撑做家庭To C机器人？ 许华哲：我的预测比较乐观激进，我认为 两年内 会出现可以用起来的机器人。它不是万能的，但会是一个有完善产品定义、能做相当多通用事情的机器人，但它会有一些明确不做的事，比如抱婴儿、烧热水。 《智能涌现》：机器人进家庭能做的事情都包括哪些？能否举一些例子？ 许华哲：分两类。 一类是本身很难的任务， 比如更精细的清洁，比如清洁墙角霉点、擦掉干涸的饭汤、剥橘子、剥虾等等。 另一类是 长序列、多步骤任务的串联。 举个例子，一个完整的洗衣流程是——把脏衣服放进洗衣机、倒洗衣液、启动，然后机器人可以去做别的事，它会在监听到“洗完了”的声音后，把衣服拿出来放进烘干机，启动烘干，最后再把衣服拿出来叠好放进衣柜。 现在的机器人能做任何一个单一步骤，但没有机器人能像人一样，从头到尾，带着这些“任务间的缝隙”把它完成，我认为两年后的机器人能有这个能力。 《智能涌现》：家庭和工厂场景，最大的区别是什么？ 许华哲：家庭和工厂某种程度上都是“混乱”的，但是本质上不同。工厂的混乱更多是“管理混乱”，比如东西乱扔、人走来走去，但它具体干的活，比如上下料、装配是高度确定性的。 家里的混乱是任务本身的混乱， 比如衣服是团成一团的，杯盘狼藉需要收拾，这种混乱是需要通过工作去恢复秩序的。工厂的很多混乱并不需要去恢复。所以，这是两种完全不同性质的“混乱”。 《智能涌现》：您认为当前做家庭To C机器人，最大挑战是什么？ 许华哲： 机器人进家庭的逻辑和落地To B不同。 To B的账很难算，因为工厂给人形机器人干的活价值很低，一台二三十万的机器人可能相当于一个人三四年的工资，还要考虑可靠性、维护，很难回本。再加上工厂里采集的数据可能过于专化。 To C的账不是简单的“替代人力”计算。它更像 科技潮品+家庭助手+管家 的复合体。用户买它，是购买一种先锋的生活方式、极致的便利，就像二十年前大家买车一样。我们考虑的是，当用户有一笔预算时，是买辆车还是买个能改变生活的机器人。 所以，关键是产品体验要足够好，价值感知要足够强。价格区间我们内部还在讨论，但肯定会是五位数起步。 追求泛化，也是追求美和影响力 《智能涌现》：所以To C并不是您离开星海图后才有的想法，而是一贯的想法？ 许华哲：是的。我从小就想做To C，想创业。初高中的时候读《乔布斯传》、《迪士尼传》，读完了就很想创业，做一个像谷歌一样的公司，后来选电子系也是想要做IT，大学还修了管理学双学位，就是为了创业做铺垫。 后面去了伯克利、斯坦福，也是一直在做强化学习和机器人，后来还做了一些触觉相关的研究，也是在机器人大类里。 我博士毕业时（2021年），主要就是找教职还有找投资人聊，看看有没有创业机会，当时普遍观感是，下一代技术还远，这一代技术就是做扫地机、餐馆机器人，但是和AI关系不大，没看到特别匹配我专业技能的创业机会。 《智能涌现》：你判断一件事情做与不做，或者谈论你对某件事是否感兴趣时，你的标准是什么？ 许华哲：一个是美，这件事要能给我带来好的审美体验。另一个是影响力，我们学术圈有一个词叫impact追问。 美，更多是个人体验，我做这件事创造出来的东西是优雅、简洁的，就像简单的公式能描述复杂的现象，泛化性的本质也是美；影响力意味着，我做的这件事要能对世界产生足够大的影响，改变人们的生活方式。 现在我们被迫用巨大的参数量来描述世界，是因为我们还没找到AI领域的牛顿定律， 我相信大模型只是一个中间状态。 我的博士生涯是带着“AI一定存在一个优美理论”的心理开始的，但后来发现理论越来越解释不了AI，这是一个痛苦但必须接受的过程。 所以现在我的使命是追求简洁和影响力，如果有另一个公式（而不是AI模型）能描述机器人与世界的所有交互，我会觉得它更好。 《智能涌现》：这次创业你希望找到什么样的合作伙伴？你会更欣赏什么样的公司文化？ 许华哲：我对合作伙伴和团队文化有三个核心要求—— 极致： 我很喜欢戴密斯·哈萨比斯那本传记里的描述，里面说，一个人做事要做到什么程度，就像跑马拉松撞线后，有个救护车把你拉走了，但是你最后没死。虽然有点夸张，但是我觉得做事极致投入，永远想更进一步，是很重要的。 坦诚： 对自己、对同事、对事情绝对坦诚。不会因为不会而装会，搞砸了就承认，不要为了面子影响效率。 利他： 公司里有很多“缝隙”，如果每个人都只盯着自己的KPI，这些缝就没人填。对于初创公司，需要每个人在有余力时主动填缝，这种利他性长期看对个人和团队成长都有益。 （作者注：戴密斯·哈萨比斯（Demis Hassabis）是英国著名人工智能科学家、Google DeepMind 联合创始人兼CEO、神经科学家，被誉为“AlphaGo之父”。） 我很欣赏段永平的“本分文化”，也欣赏前段时间一篇报道中提到的，Kimi“没有部门墙”的协作模式，我倾向于弹性、扁平的组织，很赞同黄仁勋、亚马逊那种鼓励一线员工直接向老板直接发邮件反馈问题的文化。 做全新物种的家庭机器人 《智能涌现》：很多To C的机器人是曲线救国，先从陪伴场景切入，但是感觉你们的您的产品路径和其他家很不一样。 许华哲：完全不一样。他们做的是陪伴，核心能力是大模型提供的对话能力和娱乐。我们追求的 核心是物理世界的通用交互和干活能力。 我们的机器人是“家庭助理”，要能实际处理家务，所以在技术上，我们需要非常强的模型能力来保证通用性，但是很多家庭陪伴机器人是没做基础模型的。本质上，我们和他们是两个不同的品类。 《智能涌现》：你们最主要的技术的差异点是在模型侧吗？ 许华哲：我们的一大亮点我们的模型能 用好强化学习 。过去机器人对强化学习的使用一般停留在单机的后训练上，但是其实强化学习上有很多自己独特的东西。 第一个就是价值函数（value function）。 价值函数 可以对数据质量进行评估，让模型知道哪些数据好、哪些次优、哪些失败。数据带着权重，去让模型学习。 它带来的好处有两个，一是可以让模型学得更精准，二是可以理解失败的边界，这样模型就能够知道紧邻着成功的失败长什么样，让强化学习去把这些失败因素排除掉； 第二是，强化学习能同时在多个任务上保持高成功率高速度，而不过度拟合到单一任务。 第三是，强化学习也可以突破人类数据上限。以前我们用人采集的数据去做某件事，数据是什么样的，机器人就能做到怎么样的，甚至会更差，因为机器人是跟着数据学习的。 但是强化学习就是根据数据以及后续的自我改进，持续突破自己的上限，最终可能做出比人类示范数据更好的表现，上限更高。 《智能涌现》：你们的强化学习只用在后训练上吗？ 许华哲：我们的预训练也会用离线的强化学习。预训练现在还是有一些卡点的，比如说模型的选择上有很多种，市面上有用VLA+VLM的，也有世界模型的，还有VLWAM，就是VLM后面再内嵌一个世界模型。 《智能涌现》：那你们还是用VLA的路线吗？ 许华哲：现在模型的路线还远远没有收敛，我们的选择是 世界模型结合原生的机器人模型，不是用VLA的路线。 《智能涌现》：现在的世界模型有很多派别，有的人用的是偏3D视频的方向，有的又是偏向于世界仿真，你们对世界模型的理解方式是什么？ 许华哲：我们输入的是视频和动作，在训练和推理的时候，输出的也是视频和动作。这些视频和动作里面是遵循物理规律的真实世界的数据。 《智能涌现》：你们做这些事情的过程中，遇到的最大的挑战是什么？ 许华哲：要训练大模型所需的Infra （基础设施）是一个挺大的卡点，因为我们想做一个32B的大模型，要支撑比较大的数据量，GPU 集群的并行效率、数据吞吐都是一个很大的挑战和壁垒。 《智能涌现》：在模型侧你们提到了一项“UAG”架构，这个怎么理解？ 许华哲：UAG（Unconditioned Action Guidance）是我们的一种模型训练架构。 相对于传统的瀑布式级联的模型训练方式，我们采用的是一种并联的方式，核心思想是 先对动作进行预训练，然后再对所有的动作做整体联合的训练，做一个动作预测器，然后再将动作预测器和视觉模型一起进行联合训练。 背后的原理是，一个小时的图片、视频是巨大的，但是一个小时的动作很少，可能就是一系列关节的运动，也就是一堆小的浮点数。 这种方式可以最大程度保留基础模型的泛化能力，同时大幅提升训练效率， 估计至少5倍以上。 《智能涌现》：数据也是你们新公司的亮点，你们大概有哪些方案？ 许华哲：我们的数据方案主要分三层—— ①外骨骼数据采集： 提着机器人手臂直接操作，精度高，反馈更直接； ②UMI方案： 让人戴一个和机器人手部构型完全一样的“硬手套”进行操作，好处是没有机械臂的负担，采集效率高，数据量大。手套做硬是为了保持和机器人手的一致性，确保人能做的动作机器人都能做； ③第一人称视角人类数据： 在头上戴一个摄像头，记录人日常干活的视频。这是从人的视角（Ego-centric）采集海量自然行为数据。 《智能涌现》：这些采集方式其他家也在探索，你们最大的不同点在哪？ 许华哲：采集的数据，表层方法可能相似，但内核有本质不同。比如umi手套是否打磨得足够好，足够通用？采集的数据质量如何保证？以及如何清洗和处理这些数据，提升数据质量？ 我们一个很大的不同是，我们会大量使用评估数据，就是机器人自己做测试和探索的时候，自己在动的数据。这样的数据某种意义上是更“差”的数据，因为里面会有失败、会有次优。但是这种“差”其实也是“好”，会让模型更知道任务的目标是什么。 另外，手套的设计细节，比如摄像头位置、佩戴舒适度、是否适应不同手型等等，都需要针对家庭任务精心打磨，我们手套的构型设计是面向家庭任务，追求通用性的。我们会在8月末左右给大家看到我们和现在所有的形态都不一样的数采系统。 《智能涌现》：但是现在出来创业会不会太晚了？现在具身智能行业的融资环境怎么样？ 许华哲：市场热度还可以，投资人还是比较有热情的。和之前比，投资人更懂了，大家被市场教育过一轮，所以会问得更细。 关于创业出来是否太晚，我认为——在技术没有收敛的今天，仍然有巨大的机会。同时，因为我们更晚，所以我们的时间压力更小、负担更小，但是各种基础设施比如本体等也更加成熟了。另一方面，走向通用家庭机器人，其实才刚上半场。虽然后发，但是谁能先至，也未可知。 封面来源｜企业官方 end
近两年，以人工智能、半导体为代表的科技股行情持续升温，成为推动A股市场结构性回暖的核心动力。在这轮行情中，一批主动权益基金凭借对科技方向的提前布局，交出了颇为亮眼的成绩单。值得提及的是，傅鹏博、谢治宇、萧楠、冯明远等投资老将所管理的基金，近期也纷纷刷新了历史高点。这些基金的净值曲线5年来走出了一条完整的“U形”——从巅峰坠入深坑，再一步步爬出新高。这背后是市场风格的轮转，也是产业浪潮的更迭，更是部分主动基金基金经理在逆境中对原有投资框架的笃行。（证券时报）
美东时间周四盘后，英特尔CEO陈立武在财报电话会上表示，尽管工厂产能持续提升，所有业务板块需求仍高于供给，尤其是至强服务器中央处理器，预计今明两年保持强劲增长势头。基于英特尔3工艺的至强6代、基于英特尔18A工艺的酷睿3代系列已进入全面量产爬坡阶段，均创下英特尔五年以来新品爬坡最快速度。我们正最大化、优化工厂产能以满足客户需求，这是我们的首要任务。（财联社）