“养龙虾”狂热背后：中国AI应用诚可贵，底层创新价更高 当OpenClaw在中国市场迅速走红，从开发者社区到普通用户层面掀起一轮“本地AI智能体”热潮，其意义显然已不止于一个开源项目的成功。在某种程度上它更像一面镜子，折射出中国AI产业在应用层面快速落地、场景丰富、体验驱动的强大创新能力。 但如果我们将视角拉长，这场热潮同样暴露出一个更深层的问题，那就是支撑这些应用繁荣的底层能力，我们仍然存在不小的差距。无论是基础大模型，还是高端算力体系，中国AI仍处在“追赶与突破并存”的阶段。从这个角度看，OpenClaw的火爆，与其说是一次胜利，不如说是一种提醒。 OpenClaw火爆，其根基基础大模型差距犹存OpenClaw之所以能够迅速破圈，本质上并不只是产品设计或工程实现的成功，而是站在大模型能力已经足够“可用”的拐点之上，即智能体（Agent）形态的爆发，依赖的是模型在理解、推理和执行任务方面的综合能力达到一个临界值。 换言之，没有基础大模型能力的支撑，就不会有OpenClaw的应用繁荣。但问题在于，这一“底座”本身，我们与国外主流大模型相比仍存在客观差距。 根据Epoch AI今年年初发布的报告（《Chinese AI models have lagged the US frontier by 7 months on average since 2023》，以下简称报告），自2023年以来，处于AI能力前沿的顶级模型几乎均出自美国，中国最佳模型在Epoch Capabilities Index（ECI）上的平均“时间差”约为7个月。报告给出的区间是在开源快速迭代期（如DeepSeek‑R1奋力追近Claude 3.5）时差距可缩小至约4个月，而在美国闭源新模型（如o3 系列）刚发布的窗口期，差距一度拉大到约14个月，均值则相对稳定在7个月左右。趋势虽在缓慢改善，但尚未收敛到“零差距”。 具体到节奏上，美国AI模型的更新频率极高，从GPT‑4到o1，再到GPT‑5和新一代Gemini系列，几乎不存在长时间的停滞窗口，且能力跃迁并不完全依赖参数规模，而更多来自训练范式、推理路径设计、对中间状态的显式建模等方向的系统创新。例如o1系列在推理路径、思考过程建模上的工程化尝试。 相比之下，中国AI模型呈现出典型的“跳跃式追赶曲线”。从Baichuan2、Qwen‑14B 到Yi‑34B，再到DeepSeek‑V2、Qwen2.5、Qwen3 Max，每一步间隔都能看到大幅跃迁，但提升往往更多依赖参数规模扩展、MoE架构以及工程层面的极致优化。虽然这种“台阶式追赶”在短期内颇为高效，但也意味着在连续迭代频率、训练范式创新等维度仍存在差距。 此外，报告还特别强调了“开源vs闭源”的结构性差异。当前中国领先模型几乎清一色选择开源或开放权重（如Qwen系列、DeepSeek系列），而美国最前沿的一批模型（如GPT‑5、o3）则保持闭源。这两种路径各有优势，例如开源降低复现门槛、放大社区协作效应，但闭源更容易围绕新范式构筑高壁垒。报告同时指出，中国模型在ECI曲线上首次超越 GPT‑4出现在2024年5月左右（比GPT‑4发布滞后约14个月），但截至2025年底尚无模型在整体能力上超越o3级别模型。 这背后反映的并非工程实力，而是范式创新的主导权问题。虽然开源生态在代码、数学、对话等单一维度上可以快速追平甚至在部分榜单上反超，但在决定下一代AI范式跃迁的关键能力——持续学习、自我反思与规划、更强的Agent级系统能力，仍主要掌握在具备闭源模型与巨量算力资源的少数美国公司手中。 需要说明的是，ECI指数综合语言理解、推理、多任务泛化与专家校准，量化了真实能力差距。所以上述7个月的差距并非只是抽象的数字，而是它会在OpenClaw的典型使用场景中得到具象的体现。 例如长上下文的稳健性。众所周知，OpenClaw的一个关键特点，是会话历史和任务状态往往会被完整地保留并反复引用，对于一些复杂的企业流程，一个会话轻松突破10万token，甚至逼近20万token。而在这样长的上下文下，模型不仅要记住“你之前说过什么”，更要持续做出高质量的规划决策（例如决定何时调用工具、如何修改既有计划、怎样解释外部系统返回的复杂结果等）。但当前在这一维度表现最稳健的仍然是GPT‑5和少数几款最新的前沿闭源模型，而不少国产模型在超过特定上下文长度之后，开始出现遗忘前文指令、逻辑跳跃、工具调用混乱等问题。 又如Agent化推理能力。OpenClaw之所以被视为“数字员工框架”，就在于它不仅能回答问题，还能把“完成任务”拆分成多步执行，例如先查收合同邮件，再在CRM系统里更新客户状态，然后根据对方时区安排会议，最后生成一条总结发送给内部群。而这个过程背后，需要模型具备相当程度的任务分解、规划和反思能力，即业界常说的agentic reasoning。事实是，美国的最新前沿模型在这方面已经形成了一套从架构到训练范式的系统性方法，而中国模型尽管在代码、数学、对话等单一维度上成绩亮眼，但在Agent链路上的一致性方面仍稍逊一筹。 更值得我们警惕的是安全性与对抗鲁棒性。安全公司Palo Alto Networks在分析OpenClaw风险时，将此类自动化Agent系统视为“高危组合”的一部分，理由很直接，一个可以自动读取邮件、浏览网页、操作企业系统的Agent，一旦在提示注入、权限边界控制、越权调用等环节存在缺陷，就可能演化为“带AI的自动化攻击脚本”。在这一点上，部分美国前沿模型厂商已经投入大量资源，用于对抗式训练、权限分级、敏感操作的多轮确认等机制，而不少国产模型和应用方仍更多处在“补齐基础安全能力”的阶段。当OpenClaw 与真实业务系统深度绑定，这种安全能力的差距就会被成倍放大。 基于上述，我们发现OpenClaw在中国的流行呈现出某种矛盾的两面性。一方面，它是中国在应用层和生态组织能力上的一场胜利，证明了我们自己极擅长“把好模型用起来”“把框架玩出花儿来”；另一方面，它也折射出一个残酷的现实，即在最关键的基础大模型领域，我们仍然在以大约半年的时差追逐前沿，而这无疑决定了OpenClaw的性能上限。 高端算力不足，拉低中国大模型上限如果说上述的基础模型差距是表象，那么算力，则是决定这一差距能否缩小的根本变量。原因很简单，在AI体系中，算力不仅决定模型训练的规模上限，也直接影响模型迭代速度和实验空间。尤其是在当前大模型进入“规模+算法”双轮驱动的阶段后，算力的重要性被进一步放大。而事实是，中国在高端算力上的结构性短板，正成为基础模型迭代的“阿喀琉斯之踵”。 据Epoch AI另一份报告显示，2019年后中国顶级中文语言模型训练计算能力迅速增长，2021年底曾追平全球，但此后放缓，这导致自2021年底以来，前十中文模型每年训练计算能力增长约3倍，远低于全球其他地区自2018年起每年5倍的增速。而按照当前发展速度，中国需约数年才能达到全球顶级模型的计算水平。 如果说Epoch AI的报告代表了海外视角，那么在今年年初国内举行的AGI‑Next前沿峰会（以下简称峰会）上，来自清华、智谱AI、阿里巴巴通义千问等多位一线大佬及从业者，也给出了与之相呼应的判断。 例如当英伟达发布新一代 Rubin 芯片时，首批主要客户名单中几乎难见中国互联网或 AI头部企业的身影。对此，智谱AI联合创始人唐杰在会上直言，中国与美国在算力资源上的差距“有可能不但没有缩小，反而在扩大”，这种差距不仅体现在单枚芯片性能上，更体现在总算力规模、算力利用效率和供应可预期性等维度。而阿里巴巴通义千问（Qwen）前技术负责人林俊旸在峰会上给出的评估称，美国顶级实验室拥有的算力资源，普遍比中国实验室高出1到2个数量级。 尽管这类估算并非精确测量，但结合公开披露的GPU规模、融资能力和云基础设施布局，我们可以大体勾勒出了一个事实，即由于高端算力受制于成本和供应，中国企业不得不将大量资源优先用于支撑既有业务的推理与在线服务，而像OpenAI、Anthropic这样的对手，却可以持续将海量算力资源投入到下一代模型的“饱和式研发”之中。 林俊旸同时提醒，Agent在执行长尾任务时暴露出来的各种“棘手问题”，不可能完全通过Prompt工程或应用层代码修补，必须回到模型层面，通过针对性的大规模训练与后训练（“烧卡”）来解决—“模型即产品”，没有系统性的模型训练能力，就很难构建真正可持续的技术壁垒。 更令人担忧的是，为了打破这种“算力锁死”，中国企业正陷入一种“打游击式”的生存困境。据峰会透露，不少国内团队为了获取高端算力支持，不得不通过错综复杂的步骤，去租用东南亚或中东数据中心的算力，这不仅带来了极高的成本，更意味着研发效率的摊薄。而这种结构性的落后，让业内精英们保持着清醒的悲观。例如当被问及未来三到五年中国公司有多大概率超越美国顶尖AI企业时，林俊旸给出的猜测是20%或更低。 正是在上述背景下，中国厂商近年来通过工程优化与架构创新，在一定程度上“对冲”了算力不足的影响。例如通过MoE架构、推理优化等方式提升效率，甚至在部分场景中实现对海外模型的成本优势。 但我们必须看到，这种优势更多是“效率创新”，而非“资源优势”。而当模型竞争进入更高维度（例如更长上下文、更复杂推理、更大多模态融合），直至Agent时，底层算力的差距仍然会成为限制上限的关键因素。 因此，从长期看，如果算力基础设施无法实现质的突破，中国AI在基础模型层面的追赶将持续面临“天花板效应”。而要打破这个“天花板”，仅靠应用层面的“用法创新”是不够的，必须依赖更扎实、也更漫长的底层技术创新投入。 中国AI向未来，需押注算力底层创新提及所谓“底层创新”，在我们看来，其不应是宽泛的口号，而是一系列极其具体、需要长期投入的系统工程。具体到基础大模型，其是在架构、训练范式、对齐技术、安全机制上的持续突破，是在多语言、多模态、多任务一体化上的深耕，是在数据治理与标注体系上的扎实建设；至于算力体系，则是从芯片、互联网络、系统软件到调度平台的一整套协同优化，力图用更高的系统效率，抵消部分在单卡性能与供应上的外部约束。而这之中，如前述，算力是重中之重。 基于此，国内厂商正在尝试从不同层面补齐底层算力的缺口。 以中科曙光近期推出的scaleFabric国产原生RDMA网络为例，其价值并不只是替代某一类进口产品，而是在算力体系中重构“网络”这一关键变量。 众所周知，在大规模训练中，通信开销往往占据30%—50%，而scaleFabric通过全栈自研实现高带宽、低时延和无损传输，本质上是在提升算力的“有效利用率”。虽然这类创新不直接体现在模型参数规模上，却可以让同样规模的算力集群释放出更高的训练效率，从而间接提升模型能力的上限。 类似的底层创新，并不只发生在网络层。 例如在芯片层面，以华为昇腾、寒武纪、海光、壁仞等为代表的厂商，正在通过不同技术路径推动国产算力体系从“可用”走向“高效”。这之中，有的厂商通过架构设计提升通用性与扩展性；有的则在特定场景中优化算力密度或能效比；有的通过兼容主流软件生态降低迁移成本，逐步构建起从芯片到服务器乃至数据中心的一体化能力。而这些路径的共同点在于不再简单追求“对标某一款GPU”，而是围绕实际应用重构算力效率。 与此同时，一些更具前瞻性的创新开始出现在“系统级组织方式”上。例如以华为CloudMatrix为代表的超节点架构，通过高速互联将数百颗芯片组成一台“超级AI服务器”，以系统能力弥补单芯片性能差距；又如光互连、硅光交换等新型网络技术，也在尝试从物理层突破传统电子互联的带宽与延迟瓶颈。 类似的思路也体现在国内算力系统的工程实践中。以中科曙光ScaleX万卡集群为代表，其通过在万卡规模下对计算、存储与网络进行一体化设计与调度，实现跨节点的大规模协同训练能力。在这种体系中，真正重要的已不再是单一芯片或单台服务器的性能，而是整个集群在通信效率、任务调度与资源利用率上的整体表现，本质上也是在通过系统级设计提升整体算力的可用性和有效性，为大模型迭代提供更稳定、高效的运行基础。 其实无论是华为，还是曙光，其探索的共同点在于，它们不再局限于单一硬件指标的比拼，而是通过重构算力的组织方式，在既有条件下逼近甚至重塑性能边界。 此外，在计算范式层面，中国厂商也在尝试“绕开约束”。例如围绕FP8低精度计算的实践，已经证明在不依赖最先进制程的情况下，通过算法与硬件协同优化，同样可以实现大模型训练效率的大幅提升，而这类创新路径，本质上是在重写“算力=先进制程”的单一逻辑。 如果我们把这些探索放在一起不难发现一个重要变化，那就是中国AI算力正在从过去的“单点替代”，逐步走向“体系化重构”。 写在最后：综上，我们认为，OpenClaw的爆火，是中国AI应用能力的一次集中释放，但并没有改变一个更深层的现实，即基础大模型仍在追赶，算力体系仍存约束。 不可否认，应用可以放大能力，但却无法替代能力本身。而当行业沉浸于“又一个爆款”的热闹时，更需要看到底层的差距与方向。基于此，对中国AI的未来，不在于还能诞生多少个中国版的OpenClaw，而是我们能否凭借在模型、算力与系统架构等的底层创新完成从追赶到定义的跃迁。 本文来自微信公众号“班门弄斧”，作者：孙永杰，36氪经授权发布。

央企加码AI产业规划，人工智能AIETF涨1.65% 截至3月20日10点0分，上证指数跌0.05%，深证成指涨1.00%，创业板指涨2.31%。F5G概念、通信设备、元件等板块涨幅居前。ETF方面，人工智能AIETF（515070）涨1.65%，成分股新易盛（300502.SZ）涨超10%，中际旭创（300308.SZ）涨超5%，光迅科技（002281.SZ）、北京君正（300223.SZ）、芯原股份（688521.SH）、中科曙光（603019.SH）、星宸科技（301536.SZ）、昆仑万维（300418.SZ）、景嘉微（300474.SZ）、复旦微电（688385.SH）等上涨。消息面上，国务院国资委表示，国资央企要在促进人工智能赋能千行百业方面切实肩负起使命责任，要强化统筹推动，编制好中央企业人工智能产业发展“十五五”规划，进一步加大投入力度，打造安全可靠的人工智能产业底座，推动人工智能在中央企业规模化落地。广发证券表示，AI的Memory时刻，AI记忆持续扩展模型能力边界，AIAgent等应用加速落地。AI记忆相关上游基础设施价值量、重要性将不断提升。广发证券表示，公司所处的AI营销赛道高速增长。中国AI营销科技市场仍处于早期发展阶段，随着中国企业持续加速数字化转型，并日益重视数据驱动和智能营销能力，中国AI营销科技市场预计将展现长期增长潜力和发展空间。展望未来，中国AI营销科技市场的市场规模预计到2029年将达到268亿美元，2024年至2029年的年复合增长率为40%，中国AI营销科技市场受到基座模型和数据资产的技术融合、主动搜索转向算法驱动的内容分发、多平台与数据驱动和迭代式营销环境等因素驱动。中国企业的快速海外扩张，加之市场对本土化、多平台营销执行的需求日益增长，推动出海AI营销科技解决方案成为整体市场中的高增长板块。钛动科技已进行战略布局，主要专注于中国出海AI营销科技细分市场。返回搜狐，查看更多

人工智能+3D打印 七旬烧伤老人圆了“造鼻”梦 封面新闻记者宁芝近日，成都大学临床医学院、附属医院联合西安交通大学王晶教授团队，成功为一名72岁患者实施“AI+3D 打印联合多学科手术”，帮助她“造鼻”圆梦 。患者（左四）与医护人员合影据了解，40年前，一场大火导致老人全身大面积重度烧伤，面部严重毁损，出现鼻畸形、小口畸形、眼睑长期外翻无法闭合、耳廓部分缺损等问题。近年，老人因牙齿松动，部分脱落，却因口周瘢痕挛缩导致张口严重受限，正常进食成为奢望。在辗转多家医院无果后，2025年11月，经医联体社区医院推荐，老人抱着一线希望来到成都大学临床医学院、附属医院。急诊医学科彭蛟龙医生接诊后，急诊病区烧伤创面修复组徐尚刚教授团队立即牵头，联合耳鼻咽喉头颈科、麻醉手术中心开展多学科会诊（MDT）。面对气管狭窄、瘢痕粘连、高龄体弱等多重高危因素，医疗团队通过反复术前评估、制定周密麻醉预案、精细化手术设计，成功完成小口畸形修复术，将张口度恢复至正常水平，解决了进食与后续治疗的核心难题。同年12月，老人又接受了眼睑外翻微粒皮植皮修复术，困扰四十年的双眼终于能够安稳闭合。术后，老人顺利完成了患牙拔除，预计今年8月开展种植牙修复。治疗期间，老人对主管医生周裕丰说：“我想看看自己没受伤时的样子。”这句朴素的期盼深深触动了医疗团队。周裕丰医生主动对接西安交通大学王晶教授团队，该团队在AI面部重建、3D打印仿生器官领域拥有成熟技术与丰富经验。为精准还原老人容貌，王晶教授团队三次来到成都，开展高精度光学三维扫描，基于扫描数据通过生成式AI算法重建面部解剖结构，精准匹配残存组织形态与肤色，3D打印制作出高度仿生、贴合紧密的仿真鼻假体。2026年3月13日，王晶教授团队专程从西安抵达成都，现场完成鼻部假体精准安置。当老人看到自己挺立的鼻子、闭合的眼睑、张开的嘴巴，激动的泪水夺眶而出。她紧紧握住王晶教授与周裕丰医生的手，反复致谢。周裕丰医生介绍，这是全国首例“烧伤后面部畸形手术修复联合AI+3D打印重建”的成功案例。此次救治融合“外科修复手术、多学科风险管控、AI数字建模、3D打印仿生假体”四大核心技术，既解决了烧伤后功能障碍的临床刚需，又实现了面容复原的心理期盼，为全国超长病程、高风险、复杂面部毁损患者的救治提供了全新范式。图据成都大学临床医学院、附属医院返回搜狐，查看更多

刚刚！Google与OpenAI同步推进AI入口升级 AIPress.com.cn报道3月20日消息，据多家外媒报道，谷歌与OpenAI正分别在桌面端推进关键产品布局，围绕AI入口与工作流整合展开新一轮竞争。据彭博社披露，谷歌已开始面向部分用户测试其AI产品Gemini的macOS原生应用。目前该版本仍处于早期阶段，目前仅保留核心功能，尚未覆盖移动端与网页端的完整能力。而在此之前，Anthropic与OpenAI已分别推出其Claude与ChatGPT的原生Mac应用，谷歌此举也终于补齐了Gemini的桌面短板。值得注意的是，在测试版本中出现一项名为“Desktop Intelligence”的功能。根据相关代码描述，该能力允许Gemini在启用状态下获取用户屏幕内容及应用上下文，从而实现更精准的内容理解与个性化响应，但仅在用户主动使用时生效。这也意味着与网页端和移动端相比，Gemini桌面端应用将获得更大的隐私权限。不过，OpenAI好像没有的等待谷歌“成长”的意思。据《华尔街日报》报道，OpenAI正筹划推出一款桌面端“超级应用”，整合ChatGPT、Codex以及AI浏览器Atlas等能力，将原本分散的对话、编程与信息获取流程统一到同一环境中。OpenAI应用业务负责人Fidji Simo在内部备忘录中指出，多产品并行为用户带来了体验割裂，也影响了整体推进效率。在AI编程需求快速增长的背景下，将能力集中于统一入口，是构建完整工作流闭环的关键。在智能体开始“异军突起”的当下，用户对AI的期待其实已经发生改变。人们不再满足于AI只在某个环节提供能力，比如写一段文字、改一段代码，而是希望它能把一整件事接管下来，从信息获取、内容生成到实际执行，形成一个完整的工作流闭环。换句话说，用户要的已经不是“更强的工具”，而是一个可以把事情一步步做完的“代理人”。也正因为如此，谷歌在Gemini中强化对屏幕与环境的理解，本质是在让AI“看懂用户需求”；而OpenAI推动ChatGPT与Codex等能力的整合，则更像是在让AI“走完工作流程”。截至目前，谷歌和OpenAI都没有公布两款应用的具体发布时间，最终效果如何，还有待市场和用户的实际反馈来验证。返回搜狐，查看更多

从“AI+”到“智能经济”，产业+AI如何落地成新形态？ 蓝鲨导读：解决真问题，创造真价值作者 | 张二河编辑 | 卢旭成近期，一款面向AI智能体开发的开源框架OpenClaw正在迅速从技术社区扩散至产业，掀起“养龙虾”热，这也预兆着我国人工智能已进入底层生态繁荣与多场景应用普及并行的关键阶段。值得关注的是，2026年的政府工作报告“打造智能经济新形态”为标题单列成段，提出要深化拓展“人工智能+”。人工智能技术正在加快构建智能经济新形态，赋能以实体经济为支撑的现代化产业体系建设。今年年初，2026“草根知本合伙人之夜”在成都顺利举行，本次的主题字是“智”。对此，新希望集团创始人刘永好表示，“国家提出新质生产力，提出新科技来武装，提出要创新和发展，无一不是‘智’。以往人们会认为，消费品行业会更加聚焦在品牌、营销、渠道等领域，而草根知本作为新希望集团旗下的产业投资平台，以“产业+资本+科技”模式，成为推动“产业+AI”融合的重要力量。一方面，它通过资本驱动和科技接入，撬动新兴产业发展，发展新质生产力；另一方面，它深耕产业一线，帮助企业在具体场景中找到AI落地的精准切口。比如其冷链供应链赛道企业鲜生活冷链25年首发《优质乳冷链物流技术规范》，以全场景管理体系重新定义行业新标准；推出冷链无人叉车等Robot+AI系列产品，突破-25℃深冷作业；并且凭借基础设施、营收规模、绿色技术、专业保障四大维度的实力斩获中冷联盟“2025冷链服务能力第一名”。作为已连续举办七届的行业盛会，“草根知本合伙人之夜”致力于构建一个开放、包容、充满活力的交流平台，深度链接数百位创新创业者、投资人及行业专家，通过实战分享，探索消费企业增长新路径。一直以来，活动都将“科技篇章”作为重要环节之一，与“品牌篇章”“供应链篇章”三位一体，共同构成驱动产业进化的完整闭环。在本次活动中，以沃飞长空、聆动通用、阿里云、参盘科技、新腾数致为代表的人工智能企业，在“科技篇章”从不同维度分享各自推动“产业+AI”战略落地的最新成果。沃飞长空：物理世界的“空间智能”重构者沃飞长空首席产品官屠强认为，当前中国把低空经济作为战略新兴产业推进以后，预估未来将实现万亿元的经济规模。重点在于低空经济如何商业化落地，对于沃飞长空来说，第一个落地的场景是低空文旅的目的地直达。在传统的文旅出行场景中，用户需要在网约车、地铁、公交之间反复切换，耗时耗力。而沃飞长空的解法是打造一个“AI路径规划智能体”。这个智能体不再只是简单的叫车或飞行调度，而是通过Al算法，自动为用户规划‘Robotaxi+eVTOL(电动垂直起降航空器)”的最优接驳路线。用户只需在一个平台、一次下单，就能完成从地面到低空的全程行程，实现“一趟旅行、无缝衔接”。这一差异化方案的背后，是大模型从“数字世界”向“物理世界”的关键跃迁。要真正实现“天地一体”调度，模型不仅要理解复杂的城市路网，还需实时解析空域管制、气象条件、垂直起降点动态负荷等多维数据。沃飞长空的实践表明，当大模型进入物理世界，考验的是多模态时空数据处理能力——这是重构未来城市立体交通的基础设施级能力。聆动通用：给机器人装上“大小脑”如果说沃飞长空在解决“空间智能”，那么聆动通用则在攻克“动作智能”的堡垒。聆动通用创始人兼CEO季超认为：当一个智能体在虚拟空间具备了智能，在后面发展中，一定会进入真实世界，从虚拟AI走进物理AI。多模态加具身智能，是通用人工智能下一个技术台阶，机器人是具身智能最好的落地载体。聆动通用专注做一件事，就是让具身智能机器人帮助人在泛制造领域做体力劳动，降低人工成本，帮助客户提质增效。技术层面，聆动通用的具身智能框架分为预训练和后训练两个阶段。首先，机器人通过具身多模态基座大模型模型(VLM)获得"大脑"能力，建立起对三维空间的认知与理解。在视觉-语言-动作(VLA)模型的技术路径上，聆动通用创新性地提出了多层一体化的模仿学习框架以及支持大规模预训练+后训练的多模态具身数据采集管线，横跨仿真合成数据，第一视角数据，真机操作数据全维度。借助成熟的车规级硬件标准，团队能够生成高质量的"同构"模仿数据，从而实现机器人在多样化场景下的精准动作预测。季超强调，聆动通用是一家实现"大脑+小脑"，软硬件一体化的公司。聆动通用的探索揭示了一个重要趋势：大模型正在从"纯软件智能"向"软硬一体"进化，具身智能正是连接数字智能与物理作业的最后一道关卡。阿里云：让AI模型成为同事阿里云智能集团副总裁、AI 加速器解决方案总经理娄恒表示，在2022年以后，AI大模型的概念非常火。他进一步预测：大模型能力提升以后，企业端不只是用AI模型能力，而是让它像一个员工一样，从AI模型成为同事。基于这一判断，阿里云提出了“通云哥”战略，旨在整合通义大模型、云计算资源与底层芯片能力，构建全栈服务体系，希望通过全栈技术能力与企业深度融合，聚焦企业核心业务场景的“深水区”，打造原生的Agent应用，真正实现从“模型”到“同事”的跨越。谈及企业实际落地情况，娄恒表示，当进入企业核心业务的高价值“深水区”时，情况则复杂得多。要使AI真正融入核心场景，必须进行大量与业务和数据紧密结合的工程化工作。通过强化学习和系统集成完成“最后一公里”的能力对齐，让AI逐步达到企业标准，并向更高价值的业务边界延伸。为加速这一进程，阿里云推出了“AI加速器”计划，聚焦高价值场景，与企业展开端到端的协作，助力产业端深入核心业务场景。对于产业的意义在于，阿里云正在改变企业应用范式，让AI从通用工具转变为具备业务理解能力的“数字员工”。参盘科技：冷链物流的“数智化管家”生鲜物流，是物流行业公认的“硬骨头”。损耗率高、时效要求严、链路复杂，这些痛点让无数企业望而却步。鲜生活冷链旗下参盘科技的入局，为这个传统行业带来了新的解题思路。鲜生活-参盘科技总经理张祥阳表示，新消费时代，客户需求越来越多元化，要求供应链柔性能力越来越强。而AI提供了很好的工具，能结合多元素，做一系列的建模分析，最终得到想要的结果。参盘科技围绕AI驱动的产业生态协同，聚焦“人、货、场”三大维度的效率提升，在农业、医药、乳业等垂直领域展开了深度实践。参盘科技在线下虾交易平台（覆盖山东、江苏、广东、海南、四川等地）引入智能化分级与品控体系。通过网格化设备对虾的大小进行分类，结合智能仓储系统动态监测虾的活跃度，建立标准化的品质评估模型，实现供需双方的精准匹配与最优价格撮合。运输环节，智能硬件对车厢内的盐度、含氧量等关键指标实时监控，无需人工干预，系统可自动调节温度与增氧设备，确保虾从产地到消费端全程保持最佳活性。参盘科技还推动生产全流程自动化。以四川某药企为例，全过程实现24小时无人化作业，自动喷码、扫码、无人叉车搬运至重载APV，再流转至货架，前后端衔接效率大幅提升。在需求预测方面，视频识别技术不仅分析内部数据，还监测门店周边人流、人群特征及商品关注度，将滞销率从百分之几降至千分之几。场效层面，参盘科技通过多轮技术迭代实现成本持续下降。在城配场景，无人车搭载CMS系统实现自动配送与视觉交割，确保店员取货准确无误。在仓储场景，从指环+耳机升级为视觉眼镜，通过识别物体位移自动判断上架/下架、出库/入库，彻底替代传统扫描设备。在冷链、高危化学品等对人体有害的环境中，公司采用无人搬运机器人，结合3D定位、路线规划、避障及仿真调度模型实现全自动化作业，并突破极寒环境下的续航、防水防雾、防结霜等技术难点。参盘科技的技术理念强调数字世界与现实世界的协同。所有业务流程与个体均在数字化空间建立映射，先在虚拟环境中模拟优化，再应用于物理世界；运行过程中持续监测实际执行，发现偏差及时预警调整，最大限度降低试错成本与不确定性。从发展战略上来看，参盘科技致力于与行业客户形成协同生态系统，帮助客户提升供应链效率、改善终端体验，最终实现客户价值与企业价值的共同增长。新腾数致：构建食品企业应用Al铁三角新腾数致CEO王长征抛出了一个话题：在人工智能时代，食品企业何去何从呢？新腾数致提出应用AI的铁三角，就是开源大模型+专业知识库+企业专属的智能体，用这个铁三角去构建低成本的智能劳动力的体系。基于在食品行业的多年积累，新腾数致自主研发了一款面向食品企业的智能体产品。该智能体具备两大核心能力：一是能够独立完成多数交互性工作；二是可在专家指导下胜任部分流程性任务。在应用场景方面，王长征分享了两个典型实践。其一为新产品研发。智能体可从需求分析入手，自主生成配方与工艺参数，并完成食品安全合规审查，全程在专家指导下运行。实际应用案例中，该模式使研发周期缩短60%，研发成本降低80%以上。其二为功能性原料筛选。以研发功能性饮料为例，研发人员需寻找合适的营养添加剂。智能体能够根据需求设定核心分析因子（如“原料肠道免疫平衡关联度”），列出数十种原料分析对象清单，并内置安全审查机制。新腾数致的实践表明， 将行业know-how深度融入模型，在研发等高价值环节实现显著的降本增效。小结回顾这五家企业的实践，一条清晰的“产业+AI”发展脉络浮出水面：从“点状应用”到“链状改造”。 早期的AI应用往往是单点提效，如AI客服替代人工。而今天的趋势是，以沃飞长空、参盘科技为代表，AI正在重构整条产业链的协作流程，从局部优化走向全局最优。从“通用底座”到“垂直深耕”。 聆动通用的VLA模型证明，单纯依赖通用大模型无法解决行业深层次问题。行业know-how与算法的深度结合，才是真正的护城河。从“降本增效”到“创造新形态”。 “低空出行”这些新业态在AI出现前无法想象。大模型正在催生智能原生新业态，重新定义行业边界。路径各异，但内核相通——真正的产业智能，来自于对AI大势和产业场景的深刻理解，以及对问题的精准拆解。草根知本总裁席刚在“草根知本合伙人之夜”的分享中进一步谈到，当前环境下，传统企业要积极拥抱以AI为代表新科技。因为AI不仅是新工具，更是一个全新物种，它将为传统企业生产与服务方式带来革命性的改变。传统企业+AI，一定要把全产业链的丰富场景，开放给AI，比如育种+AI、养殖+AI、研发+AI、生产+AI、物流+AI、客户+AI、营销+AI……传统企业如何更快拥抱AI，他提了三个建议：1、战略坚定。企业从上到下全情投入，开放场景，让AI Agent和企业拥有的闭环数据一一结合，最终重塑生意的生长模型。2、数据化。很多企业的数据化基础薄弱，要快速补课。3、不仅要关注AI的降本提效，更要用AI把企业的核心业务进行提升。草根知本合伙人之夜上分享的企业实战再一次证明，产业+AI，不是追逐风口，而是扎根产业，用技术解决真问题，创造真价值。返回搜狐，查看更多