编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 从夹爪到灵巧手，具身智能操作正在从简单的抓取迈向真正可泛化的灵巧操作。 就在特斯拉人形机器人因灵巧手，整体延期交付，卡在"手"上时，灵心巧手联合创始人 张延柏 却表示： 灵巧手是不依赖人形机器人的终端，在一些场景能比机器人更早应用，但光有硬件不够，还要有算法。 换句话说，灵巧手不是人形机器人的附属部件，而是具身智能的核心执行平台。 它不依赖人形本体，可率先进入工业与家庭场景；它是软硬一体的平台，决定了机器人是否具备真正的泛化能力；同时，它也是门槛最高、生 态最深的关键部件之一。 在他的判断中，一只好的灵巧手既要有高自由度、高耐用性、高性价比和多模态感知，还得软硬结合，为不同场景定制解决方案，具备稳定 性。 为了完整呈现张延柏的思考，在不改变原意的基础上，量子位对演讲内容进行了整理编辑，希望能提供新的视角与洞察。 MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下参会观众近1500人，线上直播观众350万+，获得了主 流媒体的广泛关注与报道。 核心观点梳理 灵巧手是具身智能的核心零部件之一，一方面灵巧手可以不依 ...

henry 发自 凹非寺 量子位 | 公众号 QbitAI 官宣了。 就在刚刚，量子位获悉，腾讯内部宣布了大模型组织架构调整，而 姚顺雨 也首次被明确了加盟。 姚顺雨是谁？ 前OpenAI研究员、清华姚班学霸、普林斯顿博士、NOI奥赛银牌、安徽省高考探花，是近几年大模型 Agent 方向最受关注的青年研究者之 一。 只有28岁。 他是Tree of Thoughts（思维树）、ReAct等工作的作者，也是SWE-bench、SWE-agent等一系列知名研究的核心贡献者。 去年一篇《AI下半场》的博文，让他在学界与产业界迅速出圈；而今年9月从OpenAI离职后，他的去向也随之成为各大 AI 公司关注的焦 点，一度引发诸多猜测。 如今，一切尘埃落定—— 姚顺雨确定加盟腾讯，双重身份： 第一， "CEO/总裁办公室"首席AI科学家 ，向 腾讯总裁刘炽平 汇报； 同时兼任AI Infra部、大语言模型部负责人，向技术工程事业群总裁卢山汇报。 腾讯内部官宣说了啥 姚顺雨内部官宣加盟的消息，是随着腾讯AI组织架构一起披露的。 新成立AI Infra部、AI Data部、数据计算平台部，全面强化其大模型的研发体系与核心能 ...

坏了，阿里这波是冲着Sora 2去的！ 刚刚，阿里发布了新一代 通义万相2.6系列模型 ，一次性覆盖 文生视频 、 图生视频 、 参考生视频 ，以及 图像生成 和 文生图 ，是目前全 球功能最全的视频生成模型。 在视频创作上，万相2.6不仅推出了Sora2目前还没有的 多 音频驱动生视频 能力，还同步引入了音画同步、多镜头叙事等能力。 梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 像下面这个超火的一刀切ASMR，就是通过文本+音频直接驱动出来的： 再看这个由 文本+图像+音频 驱动的小猫沉浸式吃播，咀嚼声和嘴部动作基本能卡在点上，吃得那叫一个香： 文生图这条线也同步补强了，万相2.6在艺术风格控制、真实感人像、中英文长文本生图以及历史文化IP语义理解等方面的创作能力也都有明 显提升，效果be like： 本着啥都测测的原则，我也专门用不同Prompt和参考素材实测了一轮，总的来说： 万相2.6在音视频参考、声画同步、风格理解方面表现确实不错，但在个别场景下仍会出现画面逻辑偏差的小问题，不过对日常短视频和二创 来讲，已经是可用且好用的水平了。 模型到底表现如何，咱们边唠边测～ 视频生成能力一手实测 实测 ...

允中 发自 凹非寺 量子位 | 公众号 QbitAI 12月17日，在香港举办的全球图形学领域备受瞩目的顶级学术盛会SIGGRAPH Asia 2025上， 摩尔线程 在3D Gaussian Splatting Reconstruction Challenge （3DGS重建挑战赛） 中凭借自研技术 LiteGS 出色的算法实力和软硬件协同优化能力，斩获大赛 银奖 。 这再次证明了，摩尔线程在新一代图形渲染技术上的深度积累与学术界的高度认可。 3DGS：下一代图形渲染的范式革命，开启AI加速的高效渲染时代 3D Gaussian Splatting （3DGS，三维高斯溅射） 是在2023年被提出的一项革命性3D场景表示与渲染技术，以可参数化的3D高斯分布为 核心，实现了画质、效率与资源占用之间的卓越平衡。 与传统NeRF相比，3DGS在保持逼真渲染质量的前提下，将渲染效率提升数百至上千倍，并在 光线追踪、VR/AR实时渲染、多模态融合 等 方向展现出极强的适应性与扩展性。 △ 上图仅作示意 作为近年来快速发展的神经渲染技术，3DGS不仅在三维重建与实时渲染等方向展现出卓越优势，也在更广泛的AI场景中具备潜 ...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 李飞飞 团队最新的空间智能模型 Cambrian-S ，首次被一个国产开源AI超越了。 从这张展示空间感知能力的雷达图中，一个名为 SenseNova-SI 的模型，它在多个维度上的能力评分均已将Cambrian-S给包围。 而且从具体的数据来看，不论是开源或闭源，不论是2B或8B大小，SenseNova-SI在各大空间智能基准测试中都拿下了SOTA的成绩： | Model | vsı | MMSI | MindCube-Tiny | ViewSpatial | SITE | | --- | --- | --- | --- | --- | --- | | Open-source Models (~2B) | | | | | | | InternVL3-2B | 32.9 | 26.5 | 37.5 | 32.5 | 30.0 | | Qwen3-VL-2B-Instruct | 50.3 | 28.9 | 34.5 | 36.9 | 35.6 | | MindCube-3B-RawQA-SFT | 17.2 | 1.7 | 51.7 | 24.1 | 6. ...

ViLoMem团队 投稿 量子位 | 公众号 QbitAI 多模态推理又有新招，大模型"记不住教训"的毛病有治了。 南京理工大学联合百度等单位提出新方法ViLoMem，通过构建 视觉流+逻辑流的双流语义记忆 ，让模型像人一样把视觉陷阱和推理错误分开 存档，做到真正的"从错误中学习"。 在六个多模态基准中，ViLoMem让GPT-4.1 在MathVision上暴涨+6.48，小模型Qwen3-VL-8B在MMMU上提升 +4.38。 而且不需要任何微调，强模型积累下来的记忆还能直接迁移给小模型，起到类似"免费知识蒸馏"的效果。 整体来看，ViLoMem 做了三件关键的事： 在不改动大模型参数的前提下，ViLoMem能在多个多模态基准上稳定拉升表现，尤其是在需要精细视觉理解的数学与真实场景推理任务上， 为构建真正"会从经验中长记性"的多模态智能体提供了一条很有潜力的道路。 大模型的"金鱼记忆" 但人类并不是这样记忆的。 认知科学研究表明，人类的语义记忆天生就是多模态整合的，既会记住"这道题要用勾股定理"（逻辑规则），也会记 "这个角看着像直角其实 不是"（视觉经验）。 ViLoMem正是沿着这个方向，把视觉和逻 ...

VGGT4D团队 投稿 量子位 | 公众号 QbitAI 如何让针对静态场景训练的3D基础模型 （3D Foundation Models） ，在不增加训练成本的前提下，具备处理动态4D场景的能力？ 来自 香港科技大学（广州）与地平线（Horizon Robotics） 的研究团队提出了 VGGT4D 。该工作通过深入分析Visual Geometry Transformer （VGGT） 的内部机制，发现并利用了隐藏在注意力层中的运动线索。 VGGT4D的核心设想：能否在不进行额外训练的前提下，直接从预训练的3D基础模型中挖掘出4D感知能力？ 作为一种 无需训练 （Training-free） 的框架，VGGT4D在动态物体分割、相机位姿估计及长序列4D重建等任务上均取得了优异性能。 从3D迈向4D的挑战 近年来，以VGGT、DUSt3R为代表的3D基础模型在静态场景重建中表现出色。然而，面对包含移动物体 （如行人、车辆） 的 动态4D场景 时，这些模型的性能往往显著下降。动态物体的运动不仅干扰背景几何建模，还会导致严重的相机位姿漂移。 现有的解决方案通常面临两类挑战： 计算或训练成本高： 依赖繁重的测试时 ...

AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来 量子位 呢？ 我们是一家以 追踪AI新进展 为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观 测和学习生态位。 目前，我们有 三大方向 岗位招聘，希望你是 （或者能成为） 这三个方向的内容专家： 岗位均为全职，工作地点：北京中关村。 岗位面向： 编辑部 发自 凹非寺 量子位 | 公众号 QbitAI 加入我们，你可以获得： 以下是岗位详情： 所有岗位不同能力层级职位均在开放，欢迎结合个人履历和经验申请。 AI产业方向 岗位职责： AI产业方向 ：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向 ：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向 ：关注AI在应用和硬件终端方向的进展。 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 站在AI浪潮之巅 ：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具 ：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力 ：通过撰写独家原创内 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 英伟达低调出手收购 SchedMD ，被业界评价为：悄悄把自家的护城河拓宽了。 SchedMD是全球HPC（高性能计算）与AI领域的"资源调度王牌管家"—— Slurm 系统的核心开发商。 为啥说又挖宽了护城河？ 因为这个Slurm系统，不仅全球超半数TOP500超级计算机在用、科技巨头Meta在用、Mistral和Thinking Machines等创企在用—— 就连用AMD、Intel芯片的AI公司，只要需要算力调度，也都绕不开它 …… SchedMD是干啥的？ SchedMD于2010年成立，是一家专注于大规模计算任务调度技术的公司。 公司的核心资产就是开源的工作负载管理系统Slurm，这款工具能够高效分配成千上百台设备的算力资源。 无论是大模型训练、数据预处理这类AI核心任务，还是天气预报、基因测序等超算级科研工作，都需要靠它实现资源的最优分配，进而保障任 务的有序进行。 而且SchedMD的商业逻辑也很清晰： Slurm免费向全球开发者和企业开放，公司则靠提供专业工程支持、系统维护、定制化开发等增值服务盈利 。 这样的商业模式加之Slurm的技术 ...

编辑部 整理自 凹非寺 量子位 | 公众号 QbitAI 未来应该是智能体之间自主协同，解决复杂问题、自动化工作流程、自主下达任务，创建一种全新的商业模式。 MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下参会观众近1500人，线上直播观众350万+，获得了 主流媒体的广泛关注与报道。 核心观点 初创企业在全球化过程中面临不同侧重点与挑战，Google的全链路生态在每一阶段都可以为初创企业助力，赋能高效出海。 Gemini 3是一次真正的突破，在多个权威榜单中排名第一，标志着从"辅助工具"向"自主智能体"的跨越。 谷歌主导推出了A2A协议（Agent-to-Agent Protocol，智能体间通信协议），旨在打通跨企业、跨系统的智能体协同。 商业模式正在从SaaS按月订阅转向Outcome-based按结果付费，这是智能体时代的底层逻辑变化。 3到10人的初创团队完全可能通过调度大量智能体成长为独角兽，但需要重视数据壁垒、行业深度集成以及法律合规。 初创出海的五个阶段与Google全链路解决方案 在演讲开篇， Dennis系统梳理了初创企业出海的五个阶段，以及谷歌在每个阶 ...