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...

昨日，美团发布了其首款开源大模型LongCat-Flash，这是一款拥有5600亿个总参数的MoE（混合专家）模型。 推理速度是这一模型最大的特点之一。美团称，这一模型具备快捷连接架构，扩展了计算-通信重叠窗口，实现了每秒超过100个token的推理速度，理论每token输出时间相比DeepSeek-V3降低近50%。 智东西的实测也印证了这点：我们要求其输出大约100个token的内容，除去首token延时后，输出速度确实在100 tokens/秒左右。 动图封面 L...

AI 总结：a16z 2025年8月发布第五版Top 100生成式AI消费级应用，含网页（ChatGPT榜首，谷歌多产品上榜）与移动（ChatGPT第一）各50款，生态趋稳。亮点有Grok、Meta发力，中国企业（夸克、豆包等）表现突出，Vibe coding用户留存佳，14家成“全明星”，数据源自Similarweb等，不构成投资建议。 This is the fifth edition of our Top 100 Gen AI Consumer Apps which reflects two and a half years of data on how everyday AI us...

8月21日，百度蒸汽机（MuseSteamer）音视频一体化模型完成重大升级，Turbo版、Lite版、Pro版，及有声版全面开放，在行业内首次实现多人有声音视频一体化生成。百度蒸汽机通过五大技术突破实现“需求即成片”，在生成电影级高清视频画面的同时，实现逼真环境音效、自然人物语音的同步输出。即日起，用户可通过百度搜索“百度蒸汽机”或登录“绘想”平台体验，企业用户可在千帆平台享受高性能视频生成服务。 五大突破定义视频生成新标准...

小某书最新起号方式，还得看AI（doge）。 这两天打开一看，几乎全被各种精致逼真的手办图刷屏了： 而且仔细一扒，甭管是AI圈、二次元圈还是骑行圈等等，感觉大家一下子都在玩。 so，发生了啥？到底是什么引得大家如此动作一致？ 时刻游走在吃瓜第一线的量子位赶紧去瞧了瞧，结果发现，这不是最近爆火的图像编辑模型nano-banana嘛。 这个模型起初在LMArena平台匿名出现，后来因生图表现太好突然爆火，继而引得无数网友猜测其归属...

文章转载自「新智元」 昨晚，谷歌发布了其最新图像生成与编辑模型 Gemini 2.5 Flash Image，代号nano banana，被网友誉为「最强图像模型」。 此前，nano-banana 在 LMArena 上线后便迅速风靡。凭借角色一致性、提示编辑、原生世界知识和多图像融合四大能力，nano-banana 在盲测的 500 多万场中，获得了超 250 万选票，以 171 分优势领先第二名 flux-1-knotext-max，并取得了 LMArena 竞技场历史上最大的 Elo 分数领先优势。 目...

风投巨头 Andreessen Horowitz（ a16z ） 第五版《全球前 100 大 Gen AI 消费级应用》出炉。 报告显示，OpenAI 的 ChatGPT 依旧稳居榜首，但谷歌 Gemini、xAI 的 Grok，以及 Meta AI 等竞争对手正在快速追赶，差距正在不断缩小。 与此同时，中国力量强势崛起，多款 AI 应用不仅跻身榜单前列，并已走向全球市场。 本次榜单依旧覆盖 Web Top 50 （网页端）与 Mobile Top 50（移动端），两榜单共计 100 款消费级 AI 产品...

"这一切始于一个香蕉的表情，却预示着AI生成技术新时代的到来。" 一切始于一个略显神秘的预告。  当Google CEO桑达尔·皮查伊（Sundar Pichai）在社交媒体上仅仅发布了“🍌🍌🍌”三个香蕉的表情时，整个科技圈与投资界便已屏息期待。  随后谜底揭晓，代号为“nano-banana”的 Gemini 2.5 Flash Image-preview横空出世，这不仅是Google在AI图像生成领域的又一次重磅落子，更可能标志着整个行业从“技术玩具”向“工业级生产力...

万兴喵影 实现ai音乐的操作很简单，只需选择合适场景，系统就会自动匹配适合的背景音乐。 万兴喵影在AI功能实用性方面表现突出，可以自动识别视频内容并推荐相应的音乐；输出质量方面，无论是画质还是音质都非常出色；核心功能亮点是其强大的智能剪辑能力，可以根据视频内容自动生成精彩片段。此外，它的学习成本相对较低，即使是初学者也能很快上手。不过，万兴喵影对于一些高级用户来说，可能在专业功能深度上略显不足。 Adob...