具身智能的PyTorch时刻，还需要哪些“原力”？ 过去两年，具身智能几乎成了全球机器人领域最不缺讨论、却最难落地的方向。在北美，Embodied AI被频繁写进通往AGI的路线图；在欧洲，实验室里的机器人已经能完成越来越复杂的多步操作；而在中国，从大厂到创业公司，几乎所有与智能有关的发布里都开始出现“embodied”“VLA”“世界模型”等关键词。IDC预测，2026年的全球人形机器人市场将翻倍，中国具身智能支出规模或将超过110亿美元，从千台级向万台级跃迁。2026春节前夕已经传出多家具身智能企业的机器人将集体上春晚斗舞的消息。看上去，一切都在加速。但一个略显尴尬的现实是，热度虽高，真正能稳定跑在真实场景里的系统却寥寥无几，大多数方案仍是在通用大模型上拼凑感知、控制和执行模块。行业逐渐意识到，研发新技术并不意味着真实的量产能力，具身智能的瓶颈正从算力Infra转向算法Infra，也就是支撑开发、验证和持续迭代的底层工具链。有没有好用的开发框架？有没有统一的评测标准？模型能不能在真实环境中越用越聪明？换句话说，具身智能要走向大规模部署，需要的不是更多单点技术，而是一套原生的、端到端的系统。那么，这套系统应该如何构建？实验室到量产之间还有哪些鸿沟需要跨越？在刚刚结束的Dexmal Open Day 2026上，原力灵机发布的系列产品给出了一些不同的答案。明明技术和发布会层出不穷，大规模部署却迟迟难以落地，具身智能究竟被困在了哪里？如果回顾过去两年具身智能的技术脉络，会发现几乎所有玩家都走上了同一条路——拼凑主义。简单来说，拼凑主义就是从大模型出发，引入视觉、语言，再试图通过动作头或策略网络，把智能延伸到物理世界。这种方式能让机器人快速学会看图说话，却难以让它进行常识推理。一旦现场环境发生变化，或遇到训练数据中未覆盖的长尾场景，系统就会失效。模型技术之外，另一个阻碍行业爆发的顽疾是行业碎片化。现在具身智能的开发就像是在原始森林里开路，各家的感知、规划和控制模块深度绑定。如果想给机器人换一个更好的视觉方案，就需要把整套控制逻辑重写一遍。极高的重复造轮子成本让很多初创团队还没走到交付阶段就耗尽了资源。在这个节点上，开发者们真正渴望的，其实是一个像PyTorch那样统一、开放且解耦的开发底座。除了技术和开发工具，目前行业还缺乏一套能够将技术转化为经济价值的衡量标准。目前主流的具身智能公司都无法回答客户最关心的指标问题。而缺乏指标，自然难有客户愿意为大规模量产买单。正因如此，行业逐渐意识到：具身智能不能被视为大模型的下游应用，而必须是一套具备原生技术、开发工具和商业评估标准的面向物理世界的系统工程。面对碎片化的难题，谁能给出新解法？一个值得注意的变化是，在这轮具身智能讨论中，中国团队的身影愈发清晰。早期，中国公司更多被视为快速部署和落地的代表，而具身智能的底层范式往往由海外实验室主导。但在最近一两年，这种分工正在被打破。从跨机型VLA训练到真机评测基准、再到开源框架和数据标准，越来越多中国团队开始直接参与到方法论层的构建。但这些构建大多还停留在争论用哪个大模型改，那么能不能直接跳出这个问题，从第一行代码就直接为机器人而写呢？在刚刚结束的 Dexmal Open Day 2026 上，这个问题已经有了一些新的思考。Dexmal Open Day2026 是原力灵机成立之后首次面向行业专家、技术开发者、媒体等举行的技术开放日。开放日上，原力灵机给出的答案可以概括为一个关键点——以infra为底座构建具身原生。该系统以DM0为原生智能内核，以Dexbotic 2.0为算法开发Infra，以RoboChallenge为评测Infra，再以DFOL为持续进化引擎，四者共同构成一套自洽、可扩展、可进化的具身智能基础设施体系。这一思路最直接的体现是其具身原生大模型DM0。与行业中常见的单任务训练方式不同，DM0是从0开始训练的具身原生大模型。其在预训练阶段就引入多任务、跨机型的混合训练，覆盖抓取、导航、全身控制等核心能力，并横跨8种结构差异显著的机器人本体。例如，在A平台上学会处理易碎品的经验，能够有效迁移到B平台处理类似物体，无需重新标注海量数据。有意思的是，DM0只有2.4 B参数，却在真机测评里拿了单任务和多任务双项第一。为什么？关键在于它用了一种叫空间推理思维链（Spatial CoT） 的方式来思考。举个例子，“把桌上的商品扫个码计价”这句话其实很模糊，桌上可能有好几个商品，有的被遮挡，有的反光，扫码枪的角度也得对。DM0能够像人一样一步步拆解：先看清楚有哪些东西，判断哪个是目标商品，再想“我该从哪边靠近？手怎么动才能稳稳拿起它并转到扫码位置？”接着生成一条平滑的视觉轨迹，最后转换成机械臂能执行的三维动作。正因如此，它不仅能完成特定任务，还能内化物理常识，具备更强的泛化能力和鲁棒性。 广告 扫码计价格（+真机强化学习） for DM0 14:08 广告 广告 广告 了解详情 > 会员跳广告 首月9.9元 秒后跳过广告 开通搜狐视频黄金会员，尊享更高品质体验！1080P及以上画质仅为黄金会员专享> 开通/续费会员 抱歉，您观看的视频加载失败 请检查网络连接后重试，有话要说？请点击 我要反馈>> 正在切换清晰度... 播放 按esc可退出全屏模式 00:00 00:00 00:49 广告 只看TA 高清 倍速 剧集 字幕 下拉浏览更多 5X进行中 炫彩HDRVIP尊享HDR视觉盛宴 原画 1080P 超清 720P 高清 540P 2.0x 1.5x 1.25x 1.0x 0.8x 50哎呀，什么都没识别到反馈循环播放 跳过片头片尾 画面色彩调整 AI明星识别 视频截取 跳过片头片尾 是 | 否色彩调整亮度标准饱和度100对比度100恢复默认设置关闭复制全部log目前，DM0 2.4B版本代码、模型已分别在GitHub、Hugging Face开源，模型测试任务RoboChallenge Table30的全部30个任务的参数和推理代码也同步开源。如果说DM0解决的是底层技术，Dexbotic 2.0解决的就是如何让能力被复用。作为全球首个具身原生开发框架，Dexbotic 2.0的出现某种程度上解决了开发碎片化的难题。过去，感知、规划与控制模块往往深度耦合，换一个视觉模型可能就得重写整套控制逻辑。而Dexbotic 2.0通过模块化设计，将整个系统清晰拆解为三大可插拔组件：V（Vision Encoder）、L（LLM ）和A（Action Expert），实现真正的解耦。在此基础上，它还统一了数据格式、训练流程和评测标准。无论是模仿学习还是强化学习，都能在同一个框架内高效协同，仿真训练的结果也能无缝迁移到真机部署。这种端到端打通的思路显著降低了具身智能系统的工程复杂度。但研发与开发之后，什么能让具身智能真正被大规模复制、走向实际生产生活场景？真正将这一切推向商业语境的是具身原生应用量产工作流DFOL（Distributed Field Online Learning）。传统模式中，真实场景只是模型的考场，系统部署后，表现好就留下，表现差就退货。DFOL构建了一个“云端－现场”协同的持续学习闭环，将成功率、动作精度、节拍（吞吐效率）等工业客户最关心的指标直接嵌入学习目标中。这样一来，具身智能不再是交付即终结的一次性产品，而变成一种可进化、可度量、可解锁具身应用量产工作流。客户按效果付费，厂商通过数据飞轮持续优化体验，形成正向商业循环。当然，要让这一模式被广泛采纳，还需要行业共识。原力灵机联合Hugging Face共同发起RoboChallenge，旨在建立全球首个聚焦真机性能的大规模评测平台。未来，各家公司不再自说自话，而是用同一套标准衡量成功率、精度与节拍，推动行业透明化与良性竞争。这样一来，从模型、研发到商业化、评测，具身智能就有了自己的一套原生系统。站在今天回看具身智能，竞争焦点已经发生了变化。具身智能的上半场，拼的是单点突破，语言理解、视觉识别、运动控制轮番登场，每一项技术进步都足以掀起一轮融资热潮。但热潮褪去，客户开始更加关注技术落地能力和算法层面的开发框架。在下半场，具身智能不再比谁的单项技术最亮眼，而是比谁拥有更强的系统能力、谁有更强的开发基础设施。所谓系统能力，不是模块的简单堆砌，而是感知、决策、执行、反馈各环节能否在真实物理世界中形成高效、鲁棒、可进化的闭环。2026年不是具身智能的元年，而是具身原生的元年。所谓具身原生，意味着不再将通用AI“外挂”到机器人上，而是从第一行代码起，就让智能在物理交互中生长，理解重力、摩擦、碰撞，适应光照变化、物料变异与环境扰动。在这一意义上，原力灵机的技术产品矩阵提供了一条值得被认真审视的样本路径：用具身原生大模型弥合语义与动作的鸿沟，用开源框架降低创新门槛，再通过DFOL这样的闭环机制，将工业客户关心的成功率、精度与节拍直接转化为可优化的学习目标。而RoboChallenge作为真机评测Infra，用统一标准衡量实效，确保所有技术进步可验证、可比较、可对齐商业需求。历史经验表明，真正的技术革命往往始于Infra的成熟。深度学习因PyTorch而爆发，自动驾驶因CARLA而加速。如今，具身智能正站在自己的Infra拐点上。得Infra者，得天下。谁构建了更开放、更高效、更贴近物理世界的基础设施，谁就掌握了定义下一代智能体的能力。而这，或许正是克服具身智能“最后一公里”难题的关键解法。返回搜狐，查看更多

Lazarus组织在npm和PyPI平台植入恶意软件包 网络安全研究人员发现，与朝鲜相关的Lazarus组织在npm和Python包索引(PyPI)仓库中投放了一批新的恶意软件包，这些软件包与一个虚假招聘主题活动有关。这一协调攻击活动被命名为graphalgo，名称来源于在npm注册表中发布的第一个软件包。据评估，该活动自2025年5月以来一直处于活跃状态。ReversingLabs研究员Karlo Zanki在报告中表示："攻击者通过LinkedIn和Facebook等社交平台，或通过Reddit等论坛上的工作机会接触开发者。该活动包括一个围绕区块链和加密货币交易公司精心策划的故事。"值得注意的是，其中一个已识别的npm包bigmathutils在发布第一个非恶意版本后，在包含恶意载荷的第二个版本发布之前，吸引了超过10,000次下载。恶意软件包清单npm平台的恶意包包括：graphalgo、graphorithm、graphstruct、graphlibcore、netstruct、graphnetworkx、terminalcolor256、graphkitx、graphchain、graphflux、graphorbit、graphnet、graphhub、terminal-kleur、graphrix、bignumx、bignumberx、bignumex、bigmathex、bigmathlib、bigmathutils、graphlink、bigmathix、graphflowx等。PyPI平台的恶意包包括：graphalgo、graphex、graphlibx、graphdict、graphflux、graphnode、graphsync、bigpyx、bignum、bigmathex、bigmathix、bigmathutils等。攻击手法分析与朝鲜威胁行为者进行的许多以工作为重点的活动一样，攻击链始于建立一个虚假公司，如在区块链和加密货币交易领域的Veltrix Capital，然后建立必要的数字基础设施来营造合法性的错觉。这包括注册域名并创建相关的GitHub组织来托管多个用于编码评估的仓库。这些仓库被发现包含基于Python和Java的项目。Zanki表示："检查这些仓库没有发现任何明显的恶意功能，这是因为恶意功能不是通过工作面试仓库直接引入的，而是间接引入的——通过托管在npm和PyPI开源包仓库中的依赖项。"建立这些仓库的目的是欺骗在Reddit和Facebook群组上申请其职位列表的候选人在他们的机器上运行项目，从而有效地安装恶意依赖项并触发感染。在某些情况下，受害者直接被LinkedIn上看似合法的招聘人员联系。恶意载荷功能这些软件包最终充当部署远程访问木马(RAT)的渠道，该木马定期从外部服务器获取和执行命令。它支持各种命令来收集系统信息、枚举文件和目录、列出正在运行的进程、创建文件夹、重命名文件、删除文件以及上传/下载文件。有趣的是，命令和控制(C2)通信受到基于令牌的机制保护，以确保只有带有有效令牌的请求才被接受。这种方法之前在2023年与名为Jade Sleet(也称为TraderTraitor或UNC4899)的朝鲜黑客组织相关的活动中观察到过。它的工作原理是：软件包将系统数据作为注册步骤的一部分发送给C2服务器，服务器响应一个令牌。然后在后续请求中将此令牌发送回C2服务器，以确认它们来自已注册的受感染系统。其他相关威胁此次披露之际，JFrog发现了一个名为"duer-js"的复杂恶意npm包，由用户"luizaearlyx"发布。虽然该库声称是一个"使控制台窗口更可见"的实用程序，但它隐藏了一个名为Bada Stealer的Windows信息窃取器。它能够从Google Chrome、Microsoft Edge、Brave、Opera和Yandex浏览器收集Discord令牌、密码、cookie和自动填充数据，以及加密货币钱包详细信息和系统信息。数据随后被泄露到Discord webhook，以及作为备份的Gofile文件存储服务。同时还发现了另一个恶意软件活动，该活动武器化npm，在使用"npm install"命令安装软件包期间向开发者勒索加密货币支付。该活动首次记录于2026年2月4日，被OpenSourceMalware称为XPACK ATTACK。这些由用户"dev.chandra_bose"上传的软件包包括：xpack-per-user、xpack-per-device、xpack-sui、xpack-subion、xpack-arc-gateway、xpack-video-submission、test-npm-style、xpack-subion-test、testing-package-xdsfdsfsc。安全研究员Paul McCarty说："与窃取凭据或执行反向shell的传统恶意软件不同，这种攻击创新性地滥用HTTP 402需要付费状态码来创建看似合法的付费墙。攻击阻止安装，直到受害者向攻击者的钱包支付0.1 USDC/ETH，同时收集GitHub用户名和设备指纹。"Q&AQ1：Lazarus组织的恶意软件包攻击是如何进行的？A：Lazarus组织首先创建虚假的区块链公司如Veltrix Capital，然后通过LinkedIn、Facebook等社交平台或Reddit论坛发布虚假招聘信息。当开发者申请职位并运行编码测试项目时，会自动安装包含恶意代码的npm或PyPI依赖包，从而触发感染并部署远程访问木马。Q2：这些恶意软件包具有什么功能？A：恶意软件包会部署远程访问木马，能够收集系统信息、枚举文件和目录、列出运行进程、创建/删除文件、上传下载文件等。它还会检查MetaMask浏览器扩展是否安装，显示攻击者对加密货币的关注，并使用基于令牌的机制保护C2通信。Q3：开发者如何防范此类软件包供应链攻击？A：开发者应该仔细审查第三方包的来源和维护者信息，避免安装来源不明或下载量异常的包。对于招聘测试项目，应在隔离环境中运行，并检查项目依赖项。同时要保持警惕，对通过社交媒体联系的招聘机会进行验证。返回搜狐，查看更多

IBM Spyre加速器的PyTorch原生支持构建之路 我们最近发布了在PyTorch生态系统中启用IBM Spyre加速器的2026年上半年路线图。在配套的技术说明中，我们介绍了该硬件的特性——32个活跃AI核心、混合精度SIMD-脉动阵列以及可编程数据流设计。在这里，我们想详细介绍路线图的关键主题，以及我们如何在一个主要由GPU塑造的生态系统中为数据流加速器构建一流的PyTorch支持。我们的理念是生态优先——我们利用上游机制，最小化自定义代码，并回馈那些让下一个加速器更容易遵循相同路径的组件。扩展Inductor以支持数据流抽象我们正在树外扩展inductor，以处理数据流加速器所需的抽象。三个扩展最为重要：首先，我们引入了基于块的张量布局，使编译器能够推理Spyre环形连接核心所期望的块结构数据移动。其次，我们添加了多核工作划分过程，在编译期间而非运行时将块分配到Spyre的32个核心上。第三，我们添加了暂存器优化——Spyre核心使用显式管理的片上内存而非硬件缓存，inductor在调度数据时需要考虑这一点。这些扩展将使torch.compile能够为我们2026年上半年范围内的每个优先模型生成高效的Spyre代码，从Llama 3.1 8B到Granite 4 Hybrid 30B。后端编译器中间表示的两阶段方法我们对位于inductor高级图和Spyre机器码之间的后端编译器中间表示采取两阶段方法。在第一阶段，SuperDSC（SDSC）将作为后端编译器中间表示——所有操作降级和代码生成的单一入口点。我们优先模型所需的每个torch操作都可以在SDSC中表达，在PyTorch集成层和硬件特定优化之间提供清晰的分离。在第二阶段，我们将过渡到KernelTile IR（KTIR），这是一个更符合社区的规范，与TileIR等新兴计划更加一致。KTIR将泛化块级表示，使其他数据流加速器——不仅仅是Spyre——可以将其用于更低级别的调度和代码生成。我们计划在今年上半年发布完整的KTIR规范，并且我们正在设计的开源调度算法可以适应我们自己硬件之外的应用。设备集成与分布式通信Spyre将完全通过树外扩展注册为PyTorch设备：设备生命周期、内存管理、数据传输和调度。我们的目标是以这种方式处理100%的注册，与直接设备访问相比开销低于5%。我们计划将构建的通用原语回馈到PyTorch核心的OpenReg测试基础设施中。对于多卡推理，我们通过torch.inductor编译功能性集合操作（all-reduce、all-gather），这将使我们在2026年上半年实现所有优先模型的分布式推理。长期来看，我们计划迁移到torch.distributed，并最终随着社区通信层的稳定迁移到torch.comms。生产推理与vLLM集成生产推理将通过vLLM运行。我们将Spyre作为vLLM平台插件启用，采用上游模型实现而非维护我们自己的分支。我们的优先模型将通过Spyre上的vLLM进行端到端服务。两项优化将推动实际可用性。新的Spyre注意力后端将消除同质序列长度约束，直接减少Token间延迟。上游vLLM中改进的torch.compile工件缓存将把启动时间降至几秒钟。我们正在与vLLM社区合作，以稳定平台插件接口。测试与持续集成我们正在构建一个分层测试金字塔，将验证整个堆栈：操作级正确性、inductor编译和降级、模块级测试（包括注意力、归一化和激活）、顶层模型质量和性能，以及端到端vLLM推理。所有测试都将限定在优先模型范围内，并每晚运行，回归失败将在数小时内标记。我们正在将此持续集成基础设施构建为对PyTorch生态系统的树外贡献，建立其他加速器团队可以采用的模式。我们的目标是每晚运行的通过率超过95%，完整流程在三小时内完成。回馈社区生态优先意味着回馈，而不仅仅是在上面构建。本半年有三项突出贡献：我们计划上游OpenReg原语，使树外设备测试成为PyTorch的一流能力。我们正在努力将KTIR泛化为社区规范，使数据流加速器共享通用的块级中间表示，而不是各自发明自己的。我们将记录树外持续集成模式，使下一个加速器团队不必从头解决基础设施问题。设计文档和RFC存放在我们的公共存储库中。我们欢迎参与——无论是审查KTIR规范、试用Spyre跟踪分析器，还是参与关于PyTorch原生加速器支持应该是什么样子的讨论。Q&AQ1：IBM Spyre加速器有什么硬件特点？A：IBM Spyre加速器拥有32个活跃AI核心、混合精度SIMD-脉动阵列以及可编程数据流设计。其核心使用显式管理的片上内存而非硬件缓存，核心之间采用环形连接架构，适合块结构数据移动。Q2：PyTorch如何支持Spyre这样的数据流加速器？A：通过树外扩展inductor来处理数据流加速器所需的抽象，包括引入基于块的张量布局、添加多核工作划分过程以及暂存器优化。Spyre将完全通过树外扩展注册为PyTorch设备，处理设备生命周期、内存管理、数据传输和调度，目标是与直接设备访问相比开销低于5%。Q3：KTIR在Spyre的PyTorch支持中扮演什么角色？A：KTIR（KernelTile IR）是第二阶段的后端编译器中间表示，它是一个更符合社区的规范，与TileIR等新兴计划一致。KTIR将泛化块级表示，使其他数据流加速器也可以将其用于更低级别的调度和代码生成，而不仅仅服务于Spyre硬件。返回搜狐，查看更多

油价降温，黄金一度逼近4500关口 | EBC环球焦点 周五（3月20日）油价有所回落，此前全球央行行长们对中东持续战事引发的通胀风险敲响了警钟。海湾石油公司高级能源顾问Tom Kloza警告称，如果冲突蔓延至海湾地区以外，并开始针对其他地区的能源基础设施，市场可能会陷入“一切皆有可能”的局面。 以色列总理内塔尼亚胡表示，伊朗已丧失铀浓缩和制造弹道导弹的能力。他还补充说，以色列正在协助美国疏通霍尔木兹海峡。 伊拉克与库尔德斯坦达成协议，将通过该半自治地区的输油管道恢复石油出口。此前，因水道封锁导致产量削减，此举对作为OPEC第二大产油国的伊拉克而言是一大提振。 伊拉克石油部长表示，除库尔德斯坦地区每日21万桶的产量外，伊拉克还具备通过北部输油管道从基尔库克每日运输至少15万至20万桶原油的能力。 据美国能源信息署数据显示，截至3月13日当周，原油库存增加620万桶。该数值仍比同期五年平均水平低1%。 RSI底背离以及超买状态表明，价格从当前水平进一步回落的可能性较大。首个主要支撑位预计在98.3美元附近。 热门品种简报 截至3月19收盘，在EBC主要产品中，斯伦贝谢股价领涨。该公司将季度股息上调了3.5%，并承诺在2026年向股东回馈超过40亿美元。 欧文斯科宁周三公布的第四季度财报低于分析师预期，受市场环境严峻导致需求疲软的影响，其盈利和营收均未达预期。 随着中东战事持续推高能源价格，金银价格大幅下跌。原油和天然气价格的飙升已成为近日贵金属价格下跌的主要推手，伦敦现货黄金大幅下跌，一度逼近4500美元关口。 【EBC平台风险提示及免责条款】：本材料仅供一般参考使用，无意作为（也不应被视为）值得信赖的财务、投资或其他建议。返回搜狐，查看更多

看哭了！詹姆斯拼命+里夫斯绝平+东契奇绝杀，湖人胜掘金取5连胜 这绝对是湖人本赛季打得最精彩的一场比赛，也是湖人打得最具韧性和血性的一场比赛，更是湖人本赛季名场面最多的一场比赛，41岁的詹姆斯第四节两次舍身鱼跃争球，里夫斯最后时刻的神奇绝平，东契奇加时赛最后的超神绝杀，还有斯马特的关键三分，艾顿加时封盖约基奇，拉拉维亚化身奇兵，湖人主场对阵掘金，赛季关键的卡位战，湖人终于打出争冠球队该有的表现，全员皆有贡献，人人发狠想赢，最终通过加时，以127比125险胜掘金。凭借本场比赛的胜利，湖人豪取5连胜，最近9场比赛合计8胜1负，同时以42胜25负的战绩重回西部第三，接下来他们将要连打两场火箭，如果能够保持这场比赛的状态，那么我相信湖人完全可以冲击7连胜。回顾这场比赛，湖人可谓是全民皆兵，东契奇30分11篮板13助攻，里夫斯32分7篮板6助攻，詹姆斯17分6篮板5助攻2抢断，斯玛特21分3篮板2助攻5抢断，艾顿9分9篮板1盖帽，八村垒6分4篮板，肯纳德3分2助攻，海斯5分4篮板，拉拉维亚4分。而在数据之外，真正让人感到动容和兴奋的，是湖人全队展现出的凝聚力和对胜利的渴望，斯马特在防守端倾尽一切，拉拉维亚第四节扮演奇兵，艾顿在加时赛攻防两端强硬无比，而把他们凝聚在一起的，无疑是湖人三巨头的表率作用，毫不客气地说，这是湖人三巨头本赛季打得最出色，配合最完美的一场比赛，三个人的精神属性都拉满了，也各自贡献了高光名场面，更重要的是，他们真的开始找到彼此兼容配合的方式了。全场比赛，詹姆斯出战40分钟，投篮13中7，三分3中1，得到17分6篮板5助攻2抢断。自从复出之后，詹姆斯在进攻端彻底放权，将更多的出手权让给了东契奇，里夫斯和艾顿，自己则把更多的精力放在了防守端，本场比赛他几乎成为湖人的防守核心，外线挤挡拆防穆雷，内线卡戈登，关键的第四节，詹姆斯连续两次鱼跃滚地扑救争球更是令人动容，为了湖人可以赢球，詹姆斯是真的拼了，湖人媒体更是发文盛赞道：“41岁的勒布朗·詹姆斯飞身扑向地板，为湖人抢回球权，这才是对比赛的极致追求、激情和尊重。”有了老大哥的带头冲锋，湖人的两位新领袖自然也是倾尽所有，里夫斯全场出战45分钟，21投12中，其中三分球8投3中，得到32分7篮板6助攻1抢断1封盖，在第四节最后只剩下6秒钟的情况下，湖人落后三分，里夫斯进行罚球，面对掘金的点球战术，湖人陷入绝境，这时候里夫斯再次化身神奇小子，先是第一罚命中，然后第二罚故意不进，并自己抢回进攻篮板，完成绝平上篮，帮助湖人把比赛拖进加时，这一连串精彩的发挥出乎所有人的预料，可以说，是里夫斯的神奇表现给湖人强行续命，并给了东契奇最后封神的机会。全场比赛，东契奇出战43分钟，26投10中，得到30分11篮板13助攻1抢断3封盖，并在加时赛最后完成准绝杀，帮助湖人击败掘金，可以说，这场比赛东契奇正式宣告，湖人再也不怕掘金了，他就是湖人打掘金的底气，也是湖人本赛季争冠的最大底牌，根据统计，东契奇近5场比赛场均得到38分10篮板8助攻，带领球队战胜尼克斯、森林狼和掘金，不仅带队赢球，本周的周最佳应该也稳了，同时也给自己本赛季竞争MVP再次增加筹码。总结来说，这是我本赛季看的最兴奋最激动的一场湖人比赛，并不只是因为对手是掘金，更是因为这场比赛湖人展现出的凝聚力和团队性，他们不再是一支只会单打，攻防两端千疮百孔，精神属性极差的球队，他们这场比赛几乎展现了一支争冠球队该具备的全部要素，相信看完这场比赛，那些原本对本赛季已经失去期待的湖人球迷，应该是被重新唤起内心的激情了吧，如果湖人保持这样的状态，等到了季后赛，又有哪支球队敢说一定可以赢他们呢？