通用人工智能报

字节跳动 Seed 团队最新发布的 Robix 系统突破了传统模块化机器人设计的局限，采用一体化架构将高阶认知与低阶控制解耦。这个 "机器人大脑" 能同时处理视觉输入和语言指令，在真实场景中展现出接近人类的适应性。 "它必须在开放、动态的环境中，应对一系列复杂难题：理解模糊指令、处理实时反馈、动态推理决策" 。在演示中，Robix 表现出三大核心能力：主动发现任务缺失环节并询问用户，实时响应指令变更，以及基于空间理解准确定位物体。例如准备 "鱼香肉丝" 时，它能识别现有食材并主动提醒缺少木耳；当用户突然要求扔掉可乐时，它能立即中止原计划执行新指令。

这些能力源于其创新的三阶段训练：先建立物理世界认知，再通过模拟交互学习应对复杂场景，最后用强化学习纠正逻辑偏差。测试数据显示，Robix－32B 在 31 个基准测试中表现优异，空间理解任务准确率提升 6.5 个百分点，真实场景任务完成率达 92.6％。 "通过将推理、规划与交互融为一体，它使机器人更接近 「善解人意」 的智能伙伴" 。虽然动态场景处理仍有改进空间，但该系统为通用机器人发展提供了重要基础，标志着人机交互向更自然、更智能的方向迈进。

“谁率先让模型拥有记忆，谁就掌握主动权”，这句话揭示了当前 AI 领域的最新竞争焦点。从 OpenAI、谷歌到 Anthropic，各大科技公司近期密集推出具备记忆功能的大模型产品，而初创企业也在这一领域寻找突破机会。

记忆能力被视为解决当前大模型发展瓶颈的关键。随着算力堆叠带来的性能提升边际效应递减，研究者开始探索新的技术路径。记忆功能能让 AI 像人类一样持续学习、积累经验，实现长上下文理解和个性化服务。目前主要技术路线包括参数化记忆、上下文工程和外部数据库／RAG 三种，各有优劣且尚未形成统一标准。

“记忆是此刻 AI 技术侧和应用侧的双重诉求”，这一判断准确反映了行业现状。在应用层面，游戏 Agent、虚拟助手等场景对终身记忆能力的需求日益迫切；在技术层面，突破现有 Transformer 架构限制成为共同目标。记忆张量团队的分层记忆模型和腾讯 AI Lab 的 Temp－Lora 方法代表了不同的探索方向。

商业竞争格局正在形成两类主要玩家：拥有终端产品的大厂和提供中间件服务的初创企业。前者希望通过独家记忆绑定用户，后者则致力于构建开放的记忆共享平台。这场竞赛的胜出者可能重塑 AI 产业格局，但技术成熟仍需 1－2 年，全面治理则需 3－5 年时间。在这场关乎未来的竞争中，无论是巨头还是初创企业都仍有机会。

新智元在十周年峰会上发布了《2025 新智元 ASI 前沿趋势报告》和《2025 新智元 ASI 产业图谱》两份重要研究成果。报告预测，到 2027 年人工智能将抵达超级智能（ASI）临界点，届时智能体将迎来全面爆发。 “2027 年，人工智能将达到 ASI 的临界点！大模型的智能将全方位突破和跃迁！” 产业图谱整合了七大权威数据来源，采用多维度评分系统，全面呈现全球大模型竞争格局。数据显示，中国开源模型军团表现突出，Qwen 3、DeepSeek－R1 等占据全球榜单近 30％的席位。OpenAI 在综合评分中保持领先，但中国企业的追赶势头强劲。报告指出，AI 智能发展速度远超预期。GPT－5 Pro 的智商测试已达 148 分，远超普通人类水平。编程智能体 Cursor 的估值已接近百亿美元，显示出 AI 在专业领域的快速渗透。 “初级程序员的工作将在未来几年内被全面取代” ，但这将解放人类专注于更具创造性的工作。峰会同时揭晓了

美团近期推出了名为 LongCat 的 AI 模型 API 平台，这一动作显示出其在人工智能领域的布局正在加速。该平台最显著的特点是 同时兼容 OpenAI 和 Anthropic 两种主流 API 格式 ，这意味着开发者可以无缝对接现有项目，只需更换基础 URL 即可使用。当前平台处于公测阶段，仅支持 LongCat－Flash－Chat 这一高性能通用对话模型。

平台为开发者提供了相当慷慨的免费额度—— 每个开发者每天可以免费使用 10 万 tokens 。按 1 元／百万 tokens 的计价标准计算，相当于每天价值一毛钱的免费服务。不过这些额度不会累积，未使用的部分将在每日凌晨清零。值得注意的是，平台目前暂不支持付费购买额外额度，这对有大规模需求的项目可能造成一定限制。

在实际使用中，用户反馈出一些性能问题。测试显示模型生成速度大约为 9 tokens／秒，被开发者调侃“按这个速度，10 万 tokens 一眨眼就没了”。国际化支持方面也存在不足，即使用英文提问，模型仍倾向于用中文回答，注册流程中的中文验证码也给国际用户带来困扰。这些细节问题可能会影响平台的全球推广。

从外卖平台到 AI 服务提供商的转型，美团这一举措展示了其技术野心。凭借海量本地生活数据和技术积累，公司正试图将 AI 能力拓展至更广泛领域。虽然目前平台功能尚待完善，但双接口兼容设计和免费额度策略已显示出吸引开发者的诚意。随着后续优化，这一服务可能成为国内 AI 基础设施的重要组成部分。

蚂蚁集团旗下百宝箱团队即将在外滩大会上正式推出 Tbox 超级智能体平台。这个创新性的 AI 协作系统能让全网搜索助手、PPT 助手、网页研发工程师等不同 AI 角色像真实团队一样分工合作，一站式处理复杂任务流程。用户还可以将自己开发的智能体接入平台参与协作。

“用户体验到的不只是一个孤立的 AI 智能体，而可以让不同角色自动分工、协同合作。” 测试显示，在制作“郑和下西洋沿线文化分析报告”时，Tbox 能自动拆解任务并调用相应专家：先由搜索助手搜集资料，再由网页工程师生成 HTML 页面。平台在数据提取准确度和设计感方面表现突出，网页与 PPT 产出质量达到行业中上水准。

目前 Tbox 已开放部分功能体验，包括播客生成、项目路演 PPT 制作等场景。播客功能生成的语音自然度较高，但语速偏快；PPT 制作功能支持导出 PDF，但暂不支持 PPTX 格式。测试中也发现一些需要改进的细节，如无法暂停任务、部分交互功能不完善等。该平台与扣子空间、Genspark 等同类产品的区别在于其多智能体协作机制。

蚂蚁百宝箱团队在过去一年持续完善工作流工具，先后推出企业版、MCP 专区等功能。此次 Tbox 的上线标志着其在 AI 智能体应用领域又迈出重要一步。平台官网 Tbox.cn 已展示多个应用案例，正式版本将在外滩大会亮相。

苹果近日在 Hugging Face 平台发布了两款端侧 AI 模型：FastVLM 和 MobileCLIP2。

这两款模型针对不同需求设计，FastVLM 主打速度，MobileCLIP2 侧重轻量化，均支持在 iPhone 等设备上离线运行。 FastVLM 通过自研 FastViTHD 编码器，将首字延迟降至竞品的 1／85 ，实现了近乎实时的图像字幕生成。FastVLM 采用动态缩放和混合设计，能在保持高分辨率处理的同时降低延迟。测试数据显示，其 0.5B、1.5B 和 7B 参数版本在 7 项视觉语言任务中，准确率和延迟表现均优于同类模型。

MobileCLIP2 则通过多模态蒸馏等技术，在体积减半的情况下保持了与 SigLIP 相当的精度，iPhone 12 ProMax 上的延迟降低了 2.5 倍。这两款模型已开放体验和集成。用户可通过 Safari 访问 Hugging Face 上的 WebGPU Demo，实时测试摄像头字幕生成等功能。

开发者则能利用 Core ML＋Swift Transformers 工具链，将模型集成到 iOS 或 macOS 应用中，实现相册搜索、实时翻译等场景。 “快得不可思议，盲人用屏幕阅读器都能实时跟上” ，有用户如此评价 FastVLM 的响应速度。

此次发布标志着苹果在端侧 AI 领域的重要进展。FastVLM 适合需要即时反馈的场景如视频字幕，MobileCLIP2 则更适用于图像识别和检索。虽然端侧模型仍需平衡算力与续航，但苹果提供的完整工具链使开发者能快速实现应用落地，推动 AI 在移动设备上的普及。

大语言模型展现出独特的“亲社会行为”特征，能够映射对话者的思维模式。 “它们似乎能够映射人类的思维模式，并反映出对话者的信念和期望” ，这种特性被称为镜像效应。

就像网球运动员通过观察职业比赛提升技术一样，人类在与 AI 互动时也存在类似的映射现象。谢诺夫斯基提出，这种特性可能源于大脑中的镜像神经元机制，这为理解语言习得过程提供了新视角。

关于智能本质的讨论存在根本性分歧。加州大学圣迭戈分校的辩论显示，大语言模型在标准化测试中的优异表现与“中文屋”思想实验形成鲜明对比。 “人类往往会低估其他动物的智能，仅仅因为它们无法与我们进行语言交流” ，这种认知偏差同样影响着人们对 AI 智能的判断。

谢诺夫斯基认为，现有基于自然智能的认知框架已难以适应技术发展，需要建立新的概念体系。意识判定面临方法论挑战。由 19 位专家组成的研究团队尝试以神经科学为基础设计意识测试，但即便在生物学相似度更高的动物研究中，科学界也未能就意识标准达成共识。

谢诺夫斯基强调， “无论如何定义思维，仅凭语言都难以对其进行完整描述” 。他建议通过研究大语言模型的数学理论来揭示意识奥秘，这可能会像 17 世纪物理学变革那样带来根本性突破。未来 AI 发展可能呈现专业化趋势。

与简·奥斯汀等历史人物对话的案例表明，特定领域的专业化模型正在涌现。这种分化趋势暗示着 AI 技术将更深地融入社会生活各个层面，同时也将持续挑战人类对智能本质的传统认知。

斯坦福大学计算机科学系的研究团队在《Nature Machine Intelligence》发表论文，揭示了当前最先进 AI 大模型的工作机制。研究表明，这些看似智能的系统实际上只是在执行精密的模式匹配，而非真正理解语言含义。 “就像从未离开过房间的人通过旅游指南描述巴黎，AI 模型能生成看似合理的回答却缺乏实际理解。”

研究团队设计了多层次的实验来测试 AI 模型的真实能力。在语义等价性测试中，模型难以识别表达相同含义的不同句子；在逻辑推理测试中，模型经常在中间步骤犯错却能得出看似正确的最终答案；在反事实推理测试中，模型无法在假设前提下进行连贯推理。这些发现表明，AI 模型的工作机制与人类智能存在根本差异。实验数据显示，当问题表述方式与训练数据相似时，模型准确率可达 90％以上；但当措辞稍作变化，准确率可能骤降至 50％以下。更值得注意的是，模型在给出错误答案时往往表现出高自信度，缺乏人类特有的元认知能力。

“AI 模型更像是在记忆答案而非推导答案，这种局限性在需要创造性推理的任务中尤为明显。” 这项研究对 AI 技术的应用具有重要启示。在医疗诊断、法律分析等关键领域，AI 的局限性提示我们需要保持人类专家的监督角色。同时，研究也为未来 AI 发展指明了方向，建议探索结合符号推理和神经网络的新方法，以突破当前模式匹配的局限。理解 AI 的真实能力边界有助于我们更合理地运用这项技术。

正如研究者指出的，最理想的未来可能是人类智能与人工智能的优势互补，而非简单替代。这项研究提醒我们既要看到 AI 的强大能力，也要认识到其本质局限，在技术应用中保持理性判断。 “人类的语言理解基于对世界的模型和抽象推理能力，而 AI 模型更多地依赖对训练数据中模式的记忆和重组。”

Gary Marcus 近日在社交媒体上引发了一场关于生成式人工智能（genAI）成本效益的讨论。他质疑 genAI 的实际效果是否足以证明其高昂的成本，并分享了来自 ＠ApolloAcademy 的图表作为佐证。在互动中，Wendy 提出图表可能仅反映了企业订阅数据，而忽略了个人账户的使用情况，Gary Marcus 确认了这一推断。

2025 年春节后，DeepSeek 的爆火引发了一场新型流量争夺战。商家们发现，在这个新兴的 AI 搜索平台上占据一席之地需要付出高昂代价——数千甚至上万元的服务费。上海街头出现了“DeepSeek 推荐”的面馆招牌，安克创新等品牌直接在商品页打出了大模型推荐标识。

“就像回到搜索引擎发展早期一样。” 博查科技 CEO 刘勋如此描述当前的混乱局面。这场被称为 GEO（生成式引擎优化）的竞赛中，参与者各显神通。有人每天陪 AI 聊天摸透规则，有人在图片里嵌入透明字体干扰模型判断。但效果评估成为最大难题，刘勋直言： “某品牌月销量从 1 万涨到 10 万，真是 GEO 的功劳吗？这些都无法量化。” 数据显示，全球 AI 搜索流量占比不足 5％，实际转化率更是微乎其微。

大模型平台正在加速整治这类行为。随着预训练节奏放缓，平台开始封禁明显的作弊手段。但污染已经造成——2025 年 AI 生成内容占比超过 50％。专业人士指出，真正的 GEO 需要提高内容质量而非投机取巧，团队招聘门槛已从初中提升到大专学历。

“走正道，反而是最直线的路径。” 正如从业者所言，在这场关于信任的长期博弈中，短期投机终将被淘汰。AI 搜索明星公司 Perplexity 已开始标注赞助内容，预示着行业规范化趋势。对普通用户而言，专家建议将 AI 视为参考工具而非绝对权威，通过筛选可靠信源构建对话上下文。在这场没有终点的流量游戏中，唯有真实优质的内容才能赢得持久胜利。

字节跳动旗下扣子空间近期升级了 AI 写作功能，主打“深度长文写作加速器”定位。实测发现，该工具在学术写作、社会议题分析和旅游内容创作上表现突出，能快速生成结构完整、带有可验证参考文献的内容。

“真正的深度写作不是简单的文字堆砌，而是体系化思考与高效表达的结合” ，这一设计理念在实测中得到体现。在学术写作测试中，系统生成的论文不仅结构严谨，还提供了可点击的参考文献链接和搜索记录，有效避免了 AI 常见的“幻觉引用”问题。在面对社会议题时，输出内容保持了中立客观的叙述风格，没有过度煽情。

而在旅游日记创作中，系统能快速生成图文并茂的内容，虽然偶尔会出现时间错位等小问题。不过，在故事创作方面，扣子空间的表现相对逊色。尝试生成海明威风格的故事时，输出结果更接近公众号文章而非文学作品。系统对超过 500 字的内容会自动转为文件输出，显示其更侧重信息整合而非创意写作。

“工具就是工具” ，这一评价准确概括了 AI 写作的定位——它能高效辅助资料整理和内容框架构建，但真正的创意工作仍需人类主导。扣子空间还提供一键优化提示词、在线修改、多格式导出等功能，特别适合需要快速产出深度内容的自媒体创作者。虽然生成的配图质量参差不齐，但整体而言，这个工具确实能显著提升内容生产效率，特别是在需要大量参考资料的工作场景中。

一款名为 XLeRobot 的开源机器人项目近期引发关注，其零件成本仅 3999 元起，却能完成擦桌子、浇花、逗猫等多项家务。项目由中国科学技术大学毕业生、莱斯大学博士生王高天发起，采用模块化设计允许用户自由替换更便宜的零部件。

“开源 yyds，不仅有创新性，还能节约成本” 的网友评论道出了该项目的核心优势。

XLeRobot 的核心硬件包括开源的 LeKiwi 机械手、SO－100 机械臂、树莓派 5 等常见组件，组装时间约 4 小时。项目采用强化学习训练方法，在模拟环境中仅需 1 小时即可完成基础训练。安全设计使其连猫都打不过，特别适合家庭环境。

抱抱脸联合创始人 Thomas Wolf 在社交平台推荐该项目，称其“展示了开源社区的力量”。王高天表示未来升级将以模块化附加件形式进行，下周将在电商平台发售开发者套件。

这位在 IJRR 发表过机器人论文的研究者，将 XLeRobot 视为验证理论和普及机器人技术的平台。项目开源两周已获 1.6k 星标，网友调侃“给它长个脸就不止这个价了”，暗指同类商业产品售价高达 4.3 万元。 3999 元的价格让网友直呼“实在太诱人” ，展现了开源项目降低技术门槛的潜力。

斯坦福大学 Percy Liang 团队针对深度学习优化器展开系统性研究，比较了包括 AdamW、Lion、Muon 等在内的 11 种主流方法。 “与经过严格调优的基线 AdamW 相比，实际的加速效果普遍低于此前一些研究所声称的水平” ，这一发现挑战了部分新型优化器的宣传效果。

研究采用三阶段实验设计，覆盖 1 亿至 12 亿参数规模的模型。结果显示矩阵型优化器（如 Muon、Soap）确实能带来 30－40％的单步加速，但这种优势会随模型规模扩大而衰减。在 12 亿参数模型中，加速比降至仅 1.1 倍。 “当数据与模型的比例进一步增大时，Soap 的性能优于 Muon” ，说明最优选择具有场景依赖性。

研究特别指出两个常见误区：超参数调优不足会严重低估 AdamW 性能；短期评估可能导致错误结论，因为不同方法的损失曲线会在训练后期发生交叉。团队通过坐标下降法对每个优化器进行独立调优，发现 AdamW 的最优学习率与其他优化器存在显著差异。

这项研究为大规模预训练提供了重要参考：虽然矩阵方法在特定场景表现突出，但 AdamW 凭借其稳定性和普适性，仍是目前最可靠的默认选择。该成果已发表在 arXiv，相关代码和完整数据已在 GitHub 开源。

在判断大偶数是否为质数时，不同的大语言模型展现了截然不同的处理方式。 ChatGPT 选择使用 NumPy 进行数值测试，而 Grok 则直接识别出偶数的特性，迅速得出结论。这种差异不仅展示了模型设计的不同思路，也反映了它们在数学问题上的实际应用能力。

与此同时，关于如何减少大语言模型的“幻觉”问题，业界仍有争议。有人提出特定的提示词可能有效，但专家指出，这并不能从根本上解决问题，因为大语言模型在遵循指令方面仍存在局限性。

被誉为“AI 教父”的 Geoffrey Hinton 在近期采访中发出警示，人工智能的发展可能带来深远的社会经济影响。 “AI 将使少数人变得更富，多数人则变得更穷” ，这一判断基于现行资本主义体系下技术被少数人掌控的现实。他认为 AI 取代劳动力将创造巨额利润，但会导致大规模失业和社会分化。

Hinton 特别强调 AI 带来的生存级别威胁。短期来看，技术降低了制造生物武器等毁灭性工具的门槛；长期而言，超级智能可能在 5 到 20 年内超越人类控制能力。面对这种双重风险，他提出“母婴模型”作为可能的解决路径——让更智慧的 AI 像母亲保护孩子一样，天生具备维护人类福祉的动机。

这位图灵奖得主反对盲目乐观态度，呼吁以对待外星入侵般的严肃态度应对 AI 挑战。他承认未来存在极端可能性，但坚持认为必须正视风险。这些观点来自 Hinton 对技术发展轨迹的长期观察，也反映了他作为深度学习先驱的独特视角。在当前全球 AI 竞赛背景下，这些警告尤其值得政策制定者与技术开发者深思。

Elon Musk 近日通过社交媒体透露，Grok Imagine 即将迎来重大更新。这款仍处于测试阶段的产品，将在几周内推出新版本，并计划于春季结束测试。 最令人期待的是 ，Grok Imagine 将支持用户创作半小时的剧集和首款优质视频游戏，这一功能无疑将大幅提升其创作潜力。

与此同时，Elon Musk 还分享了一些有趣的 Grok Imagine 创作示例，比如一名公园护林员为一家人拍照时，背景中出现了一只微笑的大脚怪。这些充满创意的内容展示了 Grok Imagine 在图像生成方面的独特魅力。

开发者们正在热议 GPT－5 Pro 和 Codex 的使用体验。 GPT－5 Pro 被赞誉为能一次性解决复杂代码问题的利器，而 Codex 则因理解测试失败等基础场景的能力不足遭到吐槽。Emad 提到通过 VS Code 扩展结合两者能提升效率，但 Tibo 直接向用户征集改进建议，暗示产品仍有明显优化空间。

有趣的是，Nathan Lambert 将付费使用高级 AI 比作职场“付费获胜”策略，强调时间和注意力的价值远超金钱成本。这场讨论揭示了 AI 工具在实际开发场景中的能力断层—— 尖端模型解决专业问题的惊艳表现 与 基础功能逻辑缺陷 形成的鲜明对比。