Aoyii

核心洞察：为什么灵巧手比行走更难？ 通过观察2023-2025年机器人行业实践，我们发现：机器人行走需要解决的是"稳定性"问题，而灵巧手需要解决的是"精细操作"问题。人手拥有27个自由度，而机器人灵巧手通常需要6个以上，高端产品可达20-27个。灵巧手的控制难度是机器人行走的10倍以上，这也是为什么灵巧手价格远高于机器人整机的原因。 "不可能三角"的行业实践解读 在机器人灵巧手领域，一直存在一个"不可能三角"：性能、成本、...

人形机器人2025量产，特斯拉、Figure AI领跑，B端工业应用加速。 （1）人形机器人：孕育下一个百倍机会的温床 人形机器人产业正处在从研发演示向量产落地的关键拐点。 基于当前头部企业如特斯拉（ Optimus 计划 2026 年量产）、 Figure AI 及国内优必选等的量产规划， 2025-2026 年被视为产业规模化验证与商业化加速的关键窗口期。 当前人形机器人 呈现出“ 硬件降本 ”&...

GO-1是什么 GO-1（Genie Operator-1，智元启元大模型）是智元机器人推出的首个通用具身基座模型。模型采用Vision-Language-Latent-Action（ViLLA）架构，由VLM（多模态大模型）和MoE（混合专家）组成。VLM借助海量互联网图文数据，赋予模型通用场景感知和语言理解能力；MoE中的Latent Planner（隐式规划器）通过大量跨本体和人类操作视频数据，获得通用的动作理解能力；Action Expert（动作专家）则基于百万真机数据，实现精细...

开源 2.0 ：变脸堪比整容 等了一百多天，悬念终于揭晓。 9 月 13 日上午，蚂蚁集团开源团队（「开源技术增长」）携《 2025大模型开源开发生态全景图 》2.0 版，亮相上海外滩大会。 三个月前，「一场直播中的『现实世界的黑客松 』(A Real-world Hackathon )」的断言，今天依然成立—— 彼时「撕拉片」记录下生态初现的模样，而今，已经大变样。 访问地址：https://antoss-landscape.my.canva.site/ 这一...

8月的AI应用榜单出来了，乍一看，多少有点魔幻。 一边，是聊天机器人赛道锣鼓喧天，用户数以亿计，豆包、DeepSeek们几乎成了手机里的新“基建”；另一边，是图片视频应用闷声发大财，在收入榜上遥遥领先，把流量巨头们远远甩在身后。 一半是海水，一半是火焰。如果你还看不懂这个局，那你可能还没真正理解AI应用落地的残酷真相。 “美貌”依然是第一生产力，而且更贵了 我们先来看火热的“火焰”——收入榜。 中国AI应用收入排行榜TOP30...

视觉语言模型 (VLM) 能够支持文本输入的同时进行视觉理解。它们通常是通过将视觉 token 从预训练的视觉编码器通过投影层传递到预训练的大型语言模型 (LLM) 来构建的。通过利用视觉编码器丰富的视觉表征以及 LLM 的世界知识和推理能力，VLM 可以广泛应用于各种应用，包括无障碍助手、UI 导航、机器人技术和游戏。 VLM 的准确度通常会随着输入图像分辨率的提高而提升，因此需要在准确度和效率之间做出权衡。对于许多生产用例而言...

能看懂视频并进行跨模态推理的大模型Keye-VL 1.5，快手开源了。 相比此前的预览版本，Keye-VL 1.5的时序定位能力进一步升级，并且支持跨模态推理。 还创新性地提出Slow-Fast双路编码机制，给模型带来了128k的超长上下文窗口，而且速度与细节兼顾。 成绩上，不仅在Video-MME短视频基准斩获73.0的高分，还在通用、视频和推理场景的大量Benchmark当中领跑同级模型。 视频元素0.1秒级定位，还支持推理 要说Keye-VL-1.5最大的亮点，...

Junie是什么 Junie 是 JetBrains 推出的AI编程助手，通过 AI 技术帮助开发者更高效地完成编程任务。能理解项目上下文，提供智能代码补全、多行代码生成、单元测试生成等功能。Junie 支持跨语言开发，可一键将代码转换为不同语言。Junie 的核心优势在于深度集成 JetBrains IDE（如 IntelliJ IDEA 和 PyCharm），结合了专有的大语言模型（LLM），具备上下文感知能力，能根据项目需求提供精准的代码建议。 Junie的主要功能 如何使...

最强实时语音模型支持笑声捕捉、无缝切换语言。 智东西8月29日消息，今天凌晨，OpenAI发布为开发人员打造的语音转语音模型GPT-RealTime，并同步更新了包括远程MCP服务器支持、图像输入和SIP（通过会话发起协议）电话呼叫支持的API功能。 OpenAI称这是其迄今为止最先进的语音合成模型，GPT-RealTime在遵循复杂指令、精确调用工具以及生成更自然、更具表现力的语音方面有所改进。该模型可以自然朗读重复的字母、数字，无缝切换语...

OmniHuman-1.5是什么 OmniHuman-1.5 字节推出的先进的AI模型，能从单张图片和语音轨道生成富有表现力的数字人动画。模型基于双重系统认知理论，融合多模态大语言模型和扩散变换器，模拟人类的深思熟虑和直觉反应。模型能生成动态的多角色动画，支持通过文本提示进行细化，实现更精准的动画效果。OmniHuman-1.5 的动画具有复杂的角色互动和丰富的情感表现，为动画制作和数字内容创作带来全新的可能性，大大提升创作效率和表现力...

来源： DeepSeek官网 今天，我们正式发布 DeepSeek-V3.1。本次升级包含以下主要变化： 官方 App 与网页端模型已同步升级为 DeepSeek-V3.1。用户可以通过“深度思考”按钮，实现思考模式与非思考模式的自由切换。 DeepSeek API 也已同步升级，deepseek-chat 对应非思考模式，deepseek-reasoner 对应思考模式，且上下文均已扩展为 128K。同时，API Beta 接口支持了 strict 模式的 Function Calling，...

Introduction  介绍 Artificial Intelligence (AI) has been a turning point in innovation and has integrated itself into our daily lives. As AI continues to advance, humanoid robots are slowly becoming more prominent and might soon take over households worldwide. In this article, we will explore the top 20 most advanced AI robots in the world, including their capabilities and potential a...