今天，Anthropic 突然宣布暂停向中国用户提供 Claude 服务，消息一出立即引发国内外舆论场的广泛关注。 对不少开发者和企业而言，这意味着他们在一夜之间被挡在了全球头部大模型之外；对行业观察者来说，这也被解读为一家美国明星 AI 公司在地缘政治高压下的 强硬姿态。 表面上，这是一次"一刀切"的合规动作；但若仔细推敲，这背后并非只有政治与监管的因素，更折射出 Anthropic 长期以来的算力困境与战略抉择。 事实上，Anthropic 早已在算力供给上捉襟见肘。Claude 4 系列的走红，让其用户需求井喷，进而频繁触发额度收紧与服务降级。与其说"停服中国"是价值观的主动 挥刀，不如说是算力吃紧下的被动收缩：通过关上部分市场的大门，为欧美核心客户腾出有限的资源。 与此同时，Anthropic 在另一条战线上做出了一场史无前例的豪赌——押注亚马逊自研的 Trainium 芯片。 近期，SemiAnalysis 的一篇深度研究文章详细剖析了这一战略：为什么 Anthropic 要绕开英伟达 GPU，选择尚未大规模验证的 Trainium；为什么它要深度绑定 AWS，以近百万颗芯片级别的数据中心扩展来换取 ...

AI 能写歌 、 能拍片 、 能做 PPT ——这些赛道的测试已经让我们看到"创意自动化"的边界。 但当 AI 开始写代码时，问题变得尖锐： 为了回答这个问题，我们设计了六个贴近真实业务的任务，横向测评了十余款 AI Coding 工具。从官网到路演，从投研报告到小游戏，我们想看清楚：这些工具究 竟能在多大程度上，把"起稿快"变成"交付快"。 需要说明的是 ，我们此系列的测评以年轻普通用户的实用视角和审美进行测评，于AI产品持有相对积极的评价态度。 如果你对哪些AI产品方向的测评感兴趣，也欢迎私信告诉锦秋基金（微信公号：锦秋集；微信ID：jqcapital）。 在本轮测评中，我们挑选了当前市面上颇具代表性的 AI coding 产品与平台 ： Manus、Minimax、Genspark、Kimi、Z.AI、Lovable、Youware、Metagpt、Bolt.new、Macaron、Heyboss 它们既囊括了大模型厂商推出的通用产品，也包括面向大众的低代码工具和强调工程化的开发助手，整体勾勒出当前 AI coding 赛道的主要产品谱系。 （左右滑动查看表格） | | 亮点 | | --- | --- ...

以下文章来源于42号电波 ，作者大吉 42号电波 . 42HOW 旗下专注 AI 智能硬件与具身智能的科技媒体，致力于深度报道和洞察前沿科技，探索智能技术如何重塑未来生活。 2025年，锦秋基金已完成对地瓜机器人的投资 。 锦秋基金，作为12 年期的 AI Fund，始终以长期主义为核心投资理念，积极寻找那些具有突破性技术和创新商业模式的通用人工智能初创企业。 2025年8月29日，42号电波对地瓜机器人进行了报道，以下为此次报道的转载。 对话地瓜机器人隋伟：VGGT、数据闭环与具身智能，机器人产业的新篇章 人工智能正经历一场新的范式转变。十年前， 自动驾驶 还是技术最前沿的舞台：从早期的模块化感知与规则驱动，到 2019 年之后的 BEV 与 Transformer 融合，再 到如今端到端的大模型路线，行业经历了数次迭代，如今已进入工程收敛期。但与此同时，另一条平行线—— 机器人 ——正在悄然兴起。 在 2023 年， 隋伟 选择从地平线转向地瓜机器人，正是因为看到了这种交汇的拐点。他在采访中坦言，自动驾驶的技术栈已逐渐收敛，后续更多是工程优化；而机 器人则正处于一个早期未解之地：硬件形态尚未统一，算法框架 ...

多模态硬件入口 - 多视角拍摄设备叠加AI后普及度提升 多模态影像数据具备显著入口价值[20] - AI眼镜产品面向近视人群(中日韩近视率超80%) 因长时间佩戴需求为持续获取人眼视角数据奠定基础[20] - 某大厂AI眼镜出货量达10万+ 主力人群为25-48岁(男女比例7:3) 周末活跃度极高[20] - 眼镜AI调用频率为手机7倍 开始替代小音箱成为新IOT交互入口[20] - 眼镜具备10+tops算力 理论上可运行轻量级AI大模型但耗电问题暂未解决[20] - 未来可能叠加眼动追踪与麦克风阵列波束成形技术 提升AI个性化理解与训练价值[21] 多模态记忆技术 - 多模态记忆串联视频/音频/文本形成完整逻辑链 实现场景复现与高效需求响应[22] - 通过全模态集成与双端压缩技术突破传统记忆模式效率瓶颈 实现海量数据高效利用[22] - 高压缩比技术将10分钟视频压缩至2帧仍保持原性能上限 实现小数据承载全信息[24] - 输入端动态抽帧技术根据画面变化调整频率(5-10帧/秒捕捉快速动作)[24] - 精准搜索技术集成视频/音频/OCR/文本等多模态信息 避免单一文本局限[25] 多模态AI Agent发展 - AI Agent核心在于动态工具选择与上下文感知系统 避免工具箱扩展导致系统崩溃[25] - 正攻克多模态数据整合难题 通过对齐不同模态实现统一语义理解与记忆检索[26] - 分层架构解决工具生态开放后的复杂度问题(上层代理选工具/下层工具执行)[26] - Agent技术趋势从自动化向可复用+生态化演进 用户操作可生成MCP模块形成复用套路[32] - 可能出现AI能力交易市场平台 核心逻辑为AI时代能力可复用[32] 情感陪伴与社交产品 - 情感陪伴产品融入日常生活 兼具情感共鸣与工具价值(如分析聊天记录/设置提醒)[33] - 虚拟角色需打通角色与用户/角色间记忆以提升真实陪伴感 统一风格模板助力社交[33] - Tolan成功切中轻情绪场景并融合工具能力(拍照识图/日程提醒) 但用户context获取方式影响体验[33] AI内容消费与平台 - 新交互方式更易产生新平台机会 否则内容可通过推荐权重调整在原有平台曝光[34] - 用户主动发起的角色互动成为内容产品解法 使Feed流交互转变为问答模式[35] - 从爆款起高楼比空地起高楼更合理 可先通过IP多平台破圈再聚合形成平台[35] 技术供给展望 - 模型大厂因coding商业价值高而重心转回文本模态 多模态理解与生成仍有期待空间[35] - 多模态理解能力待解锁(如精准定位视频片段/融入现实知识) 此为AI抖音难做原因[35] - OpenAI GPT realtime推出使Agent"前台聊天+后台执行"模式可能成为产品范式[36] - 新终端(如autoglm)为Agent操作与AI内容消费提供更大机会 不依赖手机载体[36] 产品工具推荐 - Claude Code较Cursor交互轮次明显减少且更清晰 长期看Cursor价值被压缩[37] - Showrunner通过融合100集对话风格+大语言模型生成内容 用户消费核心为语言非画面[38] - Loom在录屏产品打磨最佳(zoom in/out/编辑/便捷分享等功能完善)[39]

01 机器人操控是具身AI的核心挑战，传统方法在非结构化的真实世界中泛化能力有限。 近年来，基于大型视觉语言模型（VLM）的视觉-语言-动作（VLA）模型成为一种变革性范式，赋予了机器人前所未有的语义理解、推理和泛化执行能力，但也带 来了架构多样、研究碎片化的问题。 哈尔滨工业大学（深圳）的研究团队近期发表了综述《Large VLM-based Vision-Language-Action Models for Robotic Manipulation》， 旨在解决现有分类法的矛盾之 处、缓解研究的碎片化问题 。作为该领域的首次系统性、面向分类的评述，文章首先明确定义了VLA模型，并提出了一个清晰的架构范式，将现有模型划分为两大 类： 在此基础上，该综述还深入探讨了VLA模型与前沿领域的结合（包括 强化学习 、免训练优化、从人类视频中学习 和世界模型集成），系统性地总结了其特性、数 据集与基准，并指出了未来的前景方向，如 记忆机制、4D感知、高效自适应 和多智能体协作等。 锦秋基金（公众号：锦秋集；ID:jqcapital）认为，这篇综述为快速发展的VLA领域提供了一个急需的、结构化的技术蓝图与参照框架，有助 ...

2024年锦秋基金领投了星尘智能 A轮 融资，2025年锦秋基金继续追投了星尘智能A+轮融资。 锦秋基金，作为12 年期的 AI Fund，始终以长期主义为核心投资理念，积极寻找那些具有突破性技术和创新商业模式的通用人工智能初创企业。 图注：仙工智能与星尘智能达成千台级合作 星尘智能（ Astribot ）于 2022 年底在深圳成立，是 业界 首个量产绳驱 AI 机器人的公司，其愿景是让数十亿人拥有 AI 机器人助理，推动人机共存、共创、共赢。 其 机器人采用 独特的 绳驱传动设计， 模拟人类肌腱 的丝滑用力方式，让机器人行为与动作高度仿人，具备 高动态响应、高灵巧操作、高交互安全等先天操作优 势 ，攻克 传统刚性机器人高惯量、低能效、低 力 透明度等技术瓶颈， 能持续探索人擅长而传统机器人通常无法胜任的工作，极大拓宽了应用想象力。 公司自创立就秉持 面向 AI （ Design for AI ， DFAI ）的软硬件一体化系统架构，将 "AI 智能 " 与 " 最强操作 " 深度耦合，让机器人能像人一样学习、思考和劳动， 与人流畅智能交互，使用人的工具和设备、帮人完成枯燥、困难或危险的任务。 公司已完成 ...

具身智能长期被视为通往通用人工智能（AGI）的关键路径。它让智能体在部分场景下逐步具备"感知—决策—行动"的闭环雏形，从而能够在真实世界中探索、学 习并完成更复杂的任务。随着大模型在多模态推理与生成能力上的突破，这一领域正进入快速演进阶段。 如今，VLA 模型已能在特定任务中实现语言与视觉信息到动作输出的映射，世界模型也为智能体提供了相对精确的内部环境模拟，使它们能够在虚拟空间中不断演 练与优化策略。这些进展让具身智能比以往任何时候都更接近实现关键性的提升。 本文编译自 电子科技大学团队 的最新全面综述《Large Model Empowered Embodied AI: A Survey on Decision-Making and Embodied Learning》 （arXiv:2508.10399v1），旨在为读者系统梳理大模型赋能具身智能的最新进展。 文章全面综述了由大模型驱动的具身智能研究。文章深入探讨了大模型如何赋能智能体的自主决策，具体涵盖了 分层决策中的高层规划、底层执行与反馈 ，以及 端到端 范式 中的视觉-语言-行动（VLA）模型 。 在具身学习方面，文章重点阐述了大模型如何深度增强 ...

当前图生视频可以帮助用户实现自己的"导演梦"，或帮用户真的完成日常的视频工作吗？ 带着这些疑问，我们找到了3位日常会用 AI 工具的 年轻用户 。他们不是专业视频从业者，也没研究过复杂的提示词技巧，只是尝试用这些工具完成日常内容中的 一部分工作。 在锦秋基金（微信公号：锦秋集；微信ID：jqcapital）AI实验室的上一篇测评（ 新手实测8款AI文生视频模型：谁能拍广告，谁只是凑热闹 ） 中，我们测试了 8 款 主流的文生视频模型，发现它们虽然在生成能力上已有明显进步，但依然面临一个核心瓶颈： 和他们聊下来，我们发现他们的诉求大致为以下三个： 文字驱动下的语义理解不稳、逻辑组织能力偏弱 。 这也侧面验证了图生视频的必要性。 基于这种理解，我们设计了本次测评任务。 需要说明的是，我们此系列的测评以 年轻普通用户 的实用视角和审美进行测评，于AI产品持有 相对积极的评价态度 。 如果你对哪些AI产品方向的测评感兴趣，也欢迎私信告诉锦秋基金（微信公号：锦秋集；微信ID：jqcapital）。 本次测评，我们选取了 9 款具有代表性的图生视频产品： Google Veo3、快手 Kling 2.1、字节 Seeda ...

虽然这份榜单代表的仅仅是一家之言，但是作为投资过Anthropic的投资机构，我们认为他们对当前趋势的判断也有一定参考价值，因此我们也对比分析了近两年来 这份榜单的变化，以尝试窥见 Madrona投资偏好的演进。 核心趋势：从"炫技型生成"转向"可运营的Agent化工作流" 最根本的转变是，人工智能行业正在从过去那种注重展示生成能力的阶段，全面转向构建能够实际运行、可以被有效管理和持续运营的自动化工作流。简而言之， 就是从"炫技"走向"实用"。 每年，Madrona Ventures都会发布"智能应用40强"（IA40）榜单，反映出了这家机构及其合作者眼中，未来最值得下注的方向。 今年，这份榜单发生了剧烈的变化——高达68%的上榜公司都是新面孔。如此之高的更迭率，让我们不禁好奇：在Madrona这样的顶尖投资者看来，AI应用的价值 天平正在向哪一端倾斜？ 通过仔细比对今明两年的榜单变化，一个核心趋势是：焦点正从"炫技型"的生成能力，转向"可运营、可落地"的Agent化工作流（Agentic Workflow）。 2025年的公司名单明确地印证了这一趋势。专注于工作流与Agent化的公司数量和重要性都显著提升。 ...

核心观点 - AI革命是规模超过工业革命的认知革命 将创造10万亿美元服务业转型机遇 [1][4] - AI发展呈现加速态势 从1999年首块GPU到2016年首个AI工厂仅用17年 远快于工业革命数百年进程 [1][6][10] - 专业化是核心趋势 初创公司将在AI服务领域创造新一代巨头企业 [1][13] 工业革命类比分析 - 工业革命从1702年蒸汽机到1769年首座工厂耗时67年 到1913年流水线再耗144年 [6] - AI革命演进速度显著加快:1999年GeForce 256 GPU相当于蒸汽机 2016年首个AI工厂相当于首座工厂 [6][10] - 专业化是复杂系统发展的必然要求 通用技术需与专业化组件结合 [7] 市场机遇规模 - 美国服务市场总规模达10万亿美元 目前仅200亿美元被AI自动化 [16] - 各职业领域TAM巨大:注册护士2840亿美元 软件开发2240亿美元 律师1250亿美元 会计1250亿美元 [17] - 类比云转型:SaaS从60亿美元增长至6500亿美元 AI将复制此路径并扩大整体市场 [14][16] 当前投资趋势 - 工作模式转向高杠杆低确定性 销售代理可实现1000%杠杆率 [22][24] - 验证标准从学术基准转向真实世界表现 Expo通过HackerOne实战证明AI黑客能力 [25][26][27] - 强化学习进入主流应用 Reflection使用强化学习训练顶级编程模型 [28][30] - 物理世界应用落地 Nominal用AI加速硬件制造和质量保证 [31][33] - 算力成为新生产函数 知识工作者算力消耗将增长10-10000倍 [37] 重点投资主题 - 持久化记忆:需解决长期记忆和AI身份持续性 尚无成熟解决方案 [39][40] - 通信协议:MCP协议类似TCP/IP起点 将催生AI间无缝通信应用 [42] - AI语音:保真度和延迟已达实用水平 物流和金融等领域存在企业级应用机会 [45][46] - AI安全:涵盖开发层到消费者的全链条保护 可部署海量AI安全代理 [49] - 开源AI:处于关键时刻 需保持与最先进基础模型的竞争能力 [52] 企业布局 - 红杉已在关键领域投资:Open Evidence和Freed(医疗) Factory和Reflection(开发) Harvey和Crosby(法律) [17] - 标普500市值显示AI企业机会 英伟达市值超4万亿美元 服务领域将出现新巨头 [20]