AI出现前，人类以"万物之灵"自居；但在AI之后，这个答案开始动摇。 在量子位MEET2026智能未来大会上，上海交通大学上海高级金融学院金融学教授 朱宁 发出灵魂拷问： 编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 在AI面前，人类是什么？ 问题虽然留给大家思考了，但身为一名经济学家，他还是从专业角度为我们勾勒了一幅清晰而令人警醒的图景： 当算力、创意、时间这些曾被视为"稀缺"的人类核心优势逐渐被AI吞没，那么以这些稀缺性为基础构建起来的整套经济学逻辑——从资源配 置、生产结构到收入分配，无疑也将随之被撼动。 所以更保险的做法是，未来不要去想哪个行业在AI面前是安全的、完全不会被替代的，而应该更多考虑如何更好地掌握AI技术，和AI共生。 为了完整体现朱宁的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。 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。线下到场参会观众近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 AI出现之后，稀缺的概念改变了 。如何在稀缺面前做出更好的选择，是 ...

文章核心观点 - 中国在具身智能（特别是人形机器人）领域，凭借量产能力、完整的产业链和聚焦实战应用的赛事，已取得全球领先地位，引发了美国网友和行业的高度关注与焦虑 [1][3][5][9][33][40][53][56] 国际反响与对比 - 美国网友在Reddit等平台热议，对比中国机器人已在参与应急救援等实战比赛，而美国同类产品仍停留在演示和娱乐阶段，感到“破防”和落后 [1][3][5][6][8] - 国际关注度高涨，外国网友对中国具身智能发展的关注度甚至超过国内，GDPS 2025大赛的规模和实战性给其带来强烈刺激 [9][10][11][12] - 美国机器人公司（如特斯拉）在技术路径上曾受中国公司（如宇树科技）影响，例如从经典控制方法转向强化学习以提升运动能力 [30][31][33] - 硅谷行业人士（如Sunday机器人联创Tony Zhao）警示，中国公司在“硬件量产”与“AI驱动运动控制”结合的垂直整合模式上可能超越硅谷，后者若沉溺于软件优势的假设可能会输掉竞争 [34][35] 中国具身智能的领先优势：量产与实战 - 核心优势在于实现了大规模量产，例如优必选和智元机器人，这与Figure、特斯拉、1X等仍处于原型或小规模试点阶段形成鲜明对比 [36][40][41][42] - 量产（如智元机器人达成5000台交付）能暴露并解决硬件设计潜在问题，推动技术可靠性、供应链稳定性与场景适配性三大核心难题的攻克，使机器人从局限场景进入成熟的产业化部署阶段 [37][38][39] - 量产带来的规模效应将进一步推动算法和数据的标准化，形成正向循环 [41] GDPS 2025大赛作为展示窗口 - 大赛是全球开发者先锋大会暨国际具身智能技能大赛，设有机器人应急救援等实战比赛项目，首次对标世界技能大赛 [7][46] - 规模庞大，参赛队伍超过百支，涵盖复旦、交大等高校及智元、宇树、新松、开普勒等企业，设立六大赛道、17个赛项，覆盖工业、医疗等多领域 [46] - 首创“三元评审”机制（科学家、AI专家、技能大师），将人类老师-机器学生的经典设定现实化，聚焦实战能力考核 [46] - 大赛作用在于将中国已落地的技术实力摆上台面，形成训练-评估的正反馈循环，并揭示了硅谷可能回避的技术代差 [45][47][48][52] 产业链与生态支撑 - 以上海为代表的机器人产业规模已占全国三分之一，形成了以张江机器人谷为核心的密集产业链，核心部件企业集聚，实现“上下楼就是上下游”，将硬件迭代周期从“月”级缩短至“天”级 [49][50] - 发展由真实工业焊锡、消防救援、医疗康养等场景需求驱动，技术落地目的明确 [50] - 政策、场景与生态协同发力，通过开放百个核心试验场景、推出最高4000万元算力券、支持物理世界常识库建设等系统化产业政策，推动技术与商业双重突破 [50] - 完整的产业链和生态支撑使具身智能从“展示品”变为“量产品”，并赋予举办高规格赛事的底气 [49][51] 行业现状与影响 - 中国具身智能技术展示的内容（如机器人车间操作、长距离行走）在国内已是“日常”而非“作秀”，标志着产业化进入新阶段 [16][18][26][54] - 产业链持续运转，应用场景不断开拓，生态拼图日趋完整，上海是这一进程最先和最完整的呈现者 [55] - 中国在该领域的进展已达到令国际社会不得不高度重视的程度 [56]

核心观点 - 智谱公司开源的AutoGLM项目，是一个能让手机通过自然语言指令自动执行操作（如点外卖、比价）的AI智能助理框架，实现了从“对话”到“行动”的范式转变[12][13] - 通过结合Claude Code与GLM-4.6等工具，用户现可通过简化步骤在本地或云端部署使用AutoGLM，降低了使用门槛[7][8] 产品功能与效果 - AutoGLM能够理解用户自然语言描述的任务意图，“看懂”手机屏幕并自动执行点击、输入、跳转等操作，模拟人类操作手机[13] - 具体应用场景包括：通过一句话指令在美团自动点一杯冰豆花[4][5]，以及自动完成“货比三家”等复杂操作[6] 技术部署与使用 - 部署方法使用工具组合Claude Code + GLM-4.6，主要分为三步：安装ADB Keyboard并连接手机、在Claude Code中输入特定提示词、在安装过程中确认弹窗[8][9][11] - 开源后，用户可选择在本地设备上部署以完全掌控数据与流程，或在云端环境中快速体验，即开即用[14] 项目发展历程 - 智谱AutoGLM项目历时共计32个月，有三个关键发展节点[14] - 2024年10月，发布全球首个具备Phone Use能力、能自动操作手机的AI Agent[15] - 2024年11月，完成人类历史上第一个由AI全自动发出的红包，完全打通从理解意图到在真实手机上进行操作的全链路[15] - 2025年8月，发布AutoGLM2.0云机版，将系统置于云端虚拟手机中，以实现对敏感数据的严格隔离[15]

公司概况与市场地位 - 公司是一家以追踪AI新进展为核心的内容平台，拥有8年行业积累[1] - 公司在微信公众号拥有超240万订阅用户，全网用户超700万，日均阅读量200万以上[12] - 公司在第三方数据平台被认定为AI及前沿科技行业TOP1新媒体[12] 招聘岗位与方向 - 公司开放三大方向的全职岗位招聘，工作地点位于北京中关村[2] - AI产业方向关注基建层创新，包括芯片、AI Infra、云计算[6] - AI财经方向关注AI领域创投和财报，跟踪产业链资本动向[6] - AI产品方向关注AI在应用和硬件终端方向的进展[6] - 社招岗位覆盖编辑、主笔、主编各个层级，按能力匹配[6] - 校招面向应届毕业生，接受实习且可转正[6] 岗位职责与要求 - AI产业方向岗位需跟进芯片、AI Infra、云计算等领域新进展及核心玩家动态[6] - AI产业方向需对前沿论文、开源社区、技术大会报告进行大众化解读[6] - AI产业方向需参与核心采访，对话产业专家并撰写落地案例[7] - AI产业方向任职要求包括对芯片、GPU、服务器、云计算等有基本理解[11] - AI产业方向需熟悉AI行业供应链与生态，并能将复杂技术内容结构化表达[11] - AI财经方向岗位需聚焦创投、AI创业公司、上市公司及产业链资本动向[11] - AI财经方向需产出创投融资、财报解析、公司战略分析等稿件[11] - AI财经方向需访谈投资人、创业者及产业分析人士[11] - AI财经方向任职要求包括对数据敏感，对财报、股权结构感兴趣[11] - AI财经方向需逻辑结构强，对商业叙事敏感，并热爱对话采访[11] - AI产品方向岗位需关注AI在软件应用和硬件终端的落地[11] - AI产品方向需撰写AI应用深度评测，跟踪手机、PC、XR、车机等新品发布[11] - AI产品方向需对话AI应用创业者、产品专家及终端技术专家[11] - AI产品方向任职要求包括对智能硬件和AI终端趋势敏锐，是重度产品体验人士[11] - AI产品方向需熟悉各大终端厂商业态，并具备强逻辑和结构化表达能力[11] - 主编岗位需具备选题和带队能力及经验[6] - 主笔岗位需具备原创深度稿件能力[6] - 编辑岗位需热爱表达，喜欢挖掘信息，能用通俗语言解读AI进展[6] 员工福利与发展 - 员工可第一时间接触AI领域最新技术和产品，构建完整的AI认知体系[6] - 员工可将各种AI新工具应用于工作，提升效率和创造力[6] - 员工可通过撰写独家原创内容建立个人知名度，成为AI领域意见领袖[6] - 员工可与AI领域大咖零距离接触，参与重要科技活动，拓展行业人脉[6] - 应届新人会由主编级编辑担任导师，提供一对一指导以加速成长[6] - 公司提供扁平、简单、开放、多劳多得能者上位的团队氛围[6] - 公司提供行业TOP薪资待遇，以及五险一金、餐补、项目绩效、商务绩效、加班补助等福利[6]

一水 发自 凹非寺 量子位 | 公众号 QbitAI 天下果然没有免费的午餐！ 为了让"米老鼠"加入Sora，OpenAI刚刚正式官宣与迪士尼达成合作。 协议内容之一即为， OpenAI需向迪士尼出售价值10亿美元的公司股权，而且迪士尼还获得未来增持的权利。 消息一出，彭博社带头吃瓜，文章标题更是相当赤裸裸： 奥特曼刚刚意识到，在迪士尼没有免费的午餐。 如此大出血下，现在看OpenAI CEO奥特曼和总裁Greg Brockman的庆贺推文似乎也有点"强颜欢笑"的意味了（bushi。 不过作为交换，OpenAI旗下的视频生成工具Sora现在能"光明正大"地生成200多个热门IP角色。 什么米老鼠、白雪公主、巴斯光年、钢铁侠等，通通拿下。 包括ChatGPT Images也将具备同等能力。 该说不说，迪士尼"地表最强法务"的大名真不是虚的，现在连OpenAI也得变相"割肉"求平安了。 OpenAI迪士尼达成三年之约 调侃归调侃，还是来看看双方达成的正式协议。 根据OpenAI公告，迪士尼将成为 Sora的首个主要内容授权合作伙伴 ，合作时间为三年，第一年的授权许可具有排他性。 根据协议，Sora将获得迪士尼旗下 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI OpenAI强势更新，谷歌也没闲着。 正式发布增强版的 Gemini Deep Research ，基于Gemini 3 Pro构建，专门减少幻觉，在复杂信息检索与分析任务上表现领先，很快将被 集成到谷歌搜索、NotebookLM、Google Finance以及升级版的Gemini App中。 谷歌还配套推出了 DeepSearchQA基准测试集 ，为深度搜索与研究任务提供了更全面的评估标准。 | DSQA-full.csv (355.11 kB) | | | | 2 | | | --- | --- | --- | --- | --- | --- | | Detail Compact | Column | | | 4 of 4 columns | V | | A problem | | | | | | | | | | Valid ■ Mismatched ■ | 900 0 | 100% 0% | | 900 | | | | | | | | | | Missing ■ | O | 0% | | unique values | | | Unique | 9 ...

编辑部 整理自 凹非寺 量子位 | 公众号 QbitAI 从移动互联网的"人机连接"走向AI时代的"智能连接"，企业正在经历一场深层重构。 在大模型与智能体快速普及的当下， 中关村科金总裁喻友平 给出了一个贯穿技术与业务本质的判断：AI时代的核心，不是工具更强，而是连 接更强。 智能体正在成为新时代的超级连接器，把人、数据、知识与智能编织进企业的全流程运行体系中，进而形成新的数字人力体系。 企业智能化不再是一次性项目，而是由场景选择、数据与知识治理、模型构建三元素持续迭代驱动的长期工程。 在量子位MEET2026智能未来大会上，喻友平进一步提出，真正让智能体规模化落地的，是底座平台能力的重构。 大模型平台提供认知中枢，AI能力平台补齐感知细节，AI数据平台沉淀企业级记忆。 在三者之上，打造一个数百上千个数字员工协同工作的"智能体集市"，成为企业营销、运营、生产等环节的组织新单元。 为了准确呈现喻友平的完整思考，以下内容基于演讲实录进行整理编辑，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 ...

编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 当主流大语言模型还在采用自回归架构时，有人已经盯上了扩散架构。 在本次量子位MEET2026智能未来大会上，浙江大学百人计划研究员、博士生导师，蚂蚁集团资深技术专家 赵俊博 表示： 扩散架构在推理过程中可以直接修改和控制token，而不需要像自回归模型那样重新生成整段内容。 这意味着，相比自回归模型，扩散模型理论上有望实现更快的生成速度以及更低的计算成本。 基于此，他和团队将重点押注于扩散架构，并致力于探索扩散语言模型独有的Scaling Law。 而作为这一探索的关键里程碑，他们近期发布并开源了 LLaDA 2.0 ，率先将扩散语言模型做到 千亿体量 。 赵俊博坦言，该领域在训练与推理层面仍处早期，但发展势头迅猛，已吸引包括谷歌、字节在内的巨头及一批初创公司积极布局。 编者注：就在MEET2026智能未来大会结束后，赵俊博和团队也发布了全新的技术报告，揭示了千亿体量扩散语言模型背后的关键技术选择。 报告标题：LLaDA2.0: Scaling Up Diffusion Language Models to 100B 报告链接（github） ...

OneThinker团队 投稿 量子位 | 公众号 QbitAI 横扫31个主流基准、拿捏10类核心任务，视觉模型界的"通才"来了！ 香港中文大学MMLab与美团研究团队开源提出 OneThinker ——一个基于RL的统一多模态视觉推理通才模型，覆盖图像与视频两种模态下 的十类核心视觉任务。 在31项主流视觉任务测试中，OneThinker均表现亮眼。它不仅能在多任务训练中实现相互促进，还能在从未见过的任务上做出合理推理，初 步展现了通才模型的泛化能力。 1. 无法统一建模现实复杂场景 2. 知识隔离，迁移受限 从"专才模型"到"通才系统" 现实世界中的视觉数据复杂多样，往往同时包含静态图像与动态视频信息。同时，视觉任务类型也高度多样化，例如问答、定位、分割、追踪 等。 在这种背景下，传统的"单任务、单模态"RL思考模型架构存在以下两个根本性问题： 虽然以Vision-R1、Video-R1、VLM-R1等为代表的工作，已经在图像问答、视频理解、目标检测等任务上取得显著效果。 但这类RL模型大部分存在一个限制： 只能处理单一模态或单一任务 。模态、任务之间缺乏关联，推理能力被割裂，难以泛化应用。 来看看On ...

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 红色警报拉响，OpenAI是真急了： 30天， GPT-5.2 系列紧接着GPT-5.1而来，这次还专门强化了打工能力。 这是GPT-5.1 Thinking和GPT-5.2 Thinking做人力资源表格的对比： | GPT-5.1 Thinking | GPT-5.2 Thinking | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | ...