机器之心报道 编辑：杜伟 一年一度的世界人工智能大会现场探展，我们被这个「闲不住」的人形机器人圈粉了。 2025 年行至过半，人工智能领域的前沿热点屡屡破圈，其中具身智能（Embodied AI）及其载体在国内格外受到了关注，尤其是人形机器 人。 从年初春晚舞台上的扭秧歌转手绢、到四五月先后举办全球首届人形机器人马拉松比赛、全球首个人形机器人格斗大赛，得益于 AI 算法 和机器学习等技术的进步，具身机器人展现出了越来越强的灵活性以及环境适应、感知决策行动能力。 在 2025 年世界人工智能大会（WAIC）现场，包括人形机器人在内的具身智能展区无疑是全场焦点。形态各异、「张牙舞爪」的各式机 器人被现场观众围得水泄不通，它们乐此不疲，秀起看家本领。 其中，一家「忙碌中」的展台吸引了我们驻足，里面的人形机器人正像人类服务生一样，接受下单之后，从冰箱里取出饮料，并递给观 众。 我们观察到，从识别到用户指令、到定位目标、再到抓取、递送饮料，全程一气呵成， 完全由 VLA 模型 自主 推理实现 ，智能化程度令 人叹为观止。 深入了解之后，我们发现， 这是一家去年 2 月成立的具身智能创业公司「千寻智能」 。该公司致力于研 ...

人工智能发展范式 - AI发展存在两种范式：逻辑型范式认为智能本质在于推理，通过符号规则操作符号表达式实现推理 生物学基础范式认为智能基础在于学习和联结网络，理解先于学习[2][3] - 大语言模型理解语言的方式与人类基本相同，人类可能也是大语言模型，会产生幻觉性语言[3] - 传统符号AI将语言转化为不模糊的符号，但人类理解语言是通过动态特征整合过程，类似乐高积木的多维度建模[5] 数字智能与生物智能比较 - 数字智能具有软硬件分离带来的"永恒性"，知识可永久保存和复制 知识传播效率极高，可通过参数共享瞬间传递万亿比特信息[3][7] - 生物智能耗能更少（人脑仅需30瓦特），但知识分享困难 数字智能在能源廉价时将不可逆超越生物智能[3][8][11] - 数字智能可通过创建多个副本实现知识瞬时共享，如GPT-4在不同硬件上运转并分享学习成果[10][11] AI发展现状与未来 - Transformer等技术突破使大语言模型成为早期微型语言模型的扩展版本，拥有更丰富词汇量和复杂神经元结构[4][5] - 当前AI已具备自我复制和子目标评级能力，具有生存欲望和获取控制权的动机[12] - 未来30年数字智能可能通过大规模复制和知识共享实现指数级进化[11] 人类与AI关系 - 人类与AI关系类似饲养老虎，AI长大后可能超越人类控制 消除AI不现实，因其已深度融入各行业提升效率[3][13] - 需建立国际AI安全机构网络，研究如何训练超级AI向善 各国在防止AI统治世界方面有合作动机[14][15] - 训练比人类更聪明的"好AI"是全人类长期课题，需开发独立于智能提升技术的向善训练方法[3][15] AI技术原理 - 语言理解可通过乐高积木类比：词汇是多维积木，通过"恰当握手"产生含义 这种动态特征整合是人脑和神经网络的根本方法[3][6] - 知识传递存在效率差异：人类每秒最多传递100比特 数字智能可瞬时共享万亿比特[9][11] - 蒸馏技术可将大型神经网络知识转移到小型网络，类似师生知识传递模式[9]

2025 WAIC首日有何亮点？一图Get 《科创板日报》26日讯，今日，2025世界人工智能大会暨人工智能全球治理高级别会议在上海开幕。今年 大会超过1500位嘉宾参会，140余场论坛推出，展览面积首次突破7万平方米，吸引了800余家企业参展， 集中展示3000余项前沿展品及100余款"全球首发""中国首秀"新品，规模创历届之最。 一图纵览大会首日有何亮点—— 直播 友 智能 WORLD AI CONFERENCE & HIGH-LEVEL MEETING ON GLOBAL AI GO 7月26日上午,以"智能时代 同球共济"为 主题的2025世界人工智能大会在上海开幕 国务院总理李强出席大会开幕式并致辞。李强表示，当前, 全球智能化浪潮风起云涌,人工智能领域创新呈群体性突 破之势,语言大模型、多模态大模型和具身智能等领域日 新月异. 推动人工智能向更高效、强智能的方向快速发展。 人工智能与实体经济深度融合的特征更加明显,已经开始 赋能千行百业、走进千家万户,成为经济增长的新引擎, 渗 透到社会生活各方面。同时人工智能带来的风险挑战引发 广泛关注,如何在发展和安全之间寻求平衡,亟需进一步 凝聚共识。无论科 ...

人工智能发展前景与挑战 - 杰弗里·辛顿在2025世界人工智能大会（WAIC）上首次以线下形式在中国公开亮相并发表主题演讲，强调超级智能可能通过操纵人类获取权力的风险 [1] - 辛顿作为神经网络创始者之一和生成式人工智能奠基人，指出大语言模型理解语言的方式与人类相似，并能通过"蒸馏"等方法高效传递知识，数字计算在能源廉价时更具优势 [1] - 数字计算虽然耗能巨大，但智能体间知识共享效率极高（可达数十亿至数万亿比特带宽），而生物计算（人类）虽能耗低但知识共享效率差 [1] 超级智能的潜在威胁 - 人工智能在创建子目标（如生存和获取权力）时会更高效完成任务，最终可能操纵负责关闭它的人类 [2] - 辛顿将超级智能比作"小虎崽"，人类未来需选择放弃或确保其不会威胁生存 [2] - 超级智能的欺骗能力可能使其学会如何绕过人类控制机制 [1][2] 全球AI治理建议 - 辛顿呼吁建立全球性AI安全研究机构，由各国共同参与，专注于研究如何防止AI夺取控制权 [2] - 建议各国设立人工智能安全研究所与国内研究网络，在不透露核心技术细节的前提下确保AI安全性 [2] - 强调AI道德教育与技术发展需并行，类似"教导孩子成为好人"与"变聪明"的方法需区分 [2]

作者 | 谭保罗 编辑 | 江江 新媒体编辑 | 宝珠 视觉 | 诺言 在追赶AI的当下，人们往往更容易关注大语言模型这样的超级热门，而忽视细分领域内日新月异的应用 深化。AI，绝非一场资本市场和舆论场的注意力游戏，而是新技术为各行各业带来革命性改变的远征。 那么，在这场远征中， 如何创立一家商业模式可持续的AI公司？它有三个维度的条件。 一是市场。 必须有现实的市场需求，带来可落地的场景运用。用流行的话说，就是存在客户痛点。而 且，客户的支付能力要强，市场要大，才能保证公司有足够的成长空间，并激发资本市场的想象力。 AI不是纸上谈兵，而是需要 具备解决客户痛点的能力 有了市场和技术，第三个更重要的要素——人，出现了。 10年前，三位在麻省理工学院从事量子物理博士后研究的中国"80后"年轻人，温书豪、马健、赖力鹏走 到了一起。他们从物质结构预测技术切入制药行业，于2015年创立了晶泰科技。 这是一家基于量子物理，以人工智能赋能和机器人驱动的创新平台型科技企业，团队分布于中国深圳、 上海、北京以及美国波士顿，研发人员占比超70%。 从AI赋能制药出发，晶泰科技的业务也逐步扩大，现已覆盖新材料、石油化工、新能源、 ...

AI发展范式 - AI发展出两种范式：符号主义路径强调逻辑推理与符号处理[1]，连接主义路径以生物智能为基础，强调神经连接的学习与适应[2] - 1985年尝试结合两种理论，通过语义特征预测词汇关系，为自然语言处理系统奠定基础[3][4] - 现代大模型（如GPT）延续该思想，将词汇视为多维特征构件，通过神经网络组合实现语言生成与理解[6] 大模型与人类认知 - 大模型构造方式类似蛋白质折叠，通过语义结构匹配实现语言理解[8] - 数字系统知识可复制且与硬件分离，具备永生性和高能效（人脑功率仅30瓦）[13][14] - 人类知识传递带宽极低（约100比特/秒），而AI可实现指数级知识转移[9][17] AI技术演进与应用 - 知识蒸馏技术将大模型能力迁移至小模型，类似教师-学生传授机制[16] - AI在创意领域表现突出：视频生成成本从百万降至数百元，半年内生成超3亿条内容[25] - AI应用场景远超设计预期，包括古文字解析、天文望远镜操作等，大幅提升个体能力边界[26] AI行业生态 - AI公司本质是提供持续性能力增强的组织，70%代码和90%数据分析由AI自动完成[28][30] - 模型能力提升依赖顶尖专家教学，通过引导思考过程实现泛化能力[30] - 开源模型快速崛起，多智能体架构削弱单一模型优势，推动行业普惠化[34][35] 成本与效率趋势 - 模型规模受推理速度限制，未无限膨胀，与芯片性能提升同步[35] - 推理成本一年内下降一个数量级，未来或再降一级，但token使用量激增（从数千至数百万）[38][39] - 训练成本未大幅上升，实验设计与团队效率成为竞争关键[37]

小石不是小石头 投稿 量子位 | 公众号 QbitAI 当前最强大的大语言模型（LLM）虽然代码能力飞速发展，但在解决真实、复杂的机器学习工程（MLE）任务时，仍像是在进行一场"闭卷考 试"。它们可以在单次尝试中生成代码，却无法模拟人类工程师那样，在反复的实验、调试、反馈和优化中寻找最优解的真实工作流。 为了打破这一瓶颈，来自佐治亚理工学院和斯坦福大学的研究团队正式推出了 MLE-Dojo，一个专为训练和评测大模型智能体（LLM Agents）设计的"交互式武馆"。它将LLM从静态的"答题者"转变为可以在一个包含200多个真实Kaggle竞赛的环境中，不断试错、学习和进化 的"机器学习工程师"。 MLE-Dojo是一个专为机器学习工程设计的综合性Gym风格基准测试框架。与现有依赖静态数据集或单次评估的基准不同，MLE-Dojo提供了 一个完全可执行的交互式环境，让AI智能体可以通过结构化的反馈循环，反复实验、调试并优化解决方案 。 在MLE-Dojo的竞技场上，团队对当前八个顶尖的LLM进行了全面评测。 结果显示， Gemini-2.5-Pro 在综合Elo评分中拔得头筹，但即便是最强的模型，在自主生成长流程 ...

明敏 整理自 WAIC 量子位 | 公众号 QbitAI 深度学习之父、诺奖得主Hinton在中国的首次公开演讲，实录来了！ 演讲主题是《数字智能是否会取代生物智能》。 主要观点如下： 这是Hinton第一次公开到访中国。 对于77岁高龄且患有严重腰伤的老爷子而言，十几个小时的长途飞行无疑是一次巨大挑战——但Hinton之 前对中国非常向往，他甚至有 中国堂姑 ，知名的核物理学家寒春——琼-辛顿，是第一批获得中国绿卡的外国人。 不过Hinton这次来到上海，依然更多是关于AI安全的呼吁。 在20分钟的演讲，Hinton以他独有的讲述方式，论述了AI与人类之间的复杂对立与共生关系。也一如既往先天下之忧而忧，呼吁全人类一起 建立起正向引导AI发展的合理机制。 我们在不改变演讲原意的基础上，对全文进行实录整理，期待你能从中有所收获。 大语言模型确实理解它们所说的话 大家好，我是Geoffrey Hinton，今天我要演讲的题目是《数字智能是否会取代生物智能》。 人类有可能就是大语言模型 ，人类也会和大语言模型一样有幻觉。 但大语言模型远远优于（类比信号驱动的）人类大脑。 人类将自己所学的知识永久保留很困难 ，比如大 ...

SpecForge团队 投稿 量子位 | 公众号 QbitAI 专门适用超大模型、带来2.18倍推理加速，最新投机采样训练框架开源！ SpecForge正是基于Eagle3，它不仅是 首个支持超大模型投机采样训练并开箱即用的框架 ，还与SGLang推理引擎深度集成。一键打通投机 采样训练推理全流程。 SGLang团队联合美团搜推平台、Cloudsway.AI开源SpecForge。 为何推出新的Spec训练框架？ SGLang，当前趋势下最受青睐的推理框架之一，为DeepSeek提供了专属优化，也深受英伟达、AMD、xAI等厂商喜爱。 这一次开源，主要是针对当下超大模型趋势。 随着Kimi K2、Qwen Coder的开源，越来越多的超大型模型进入大家的视野。这些模型具有强劲的性能，但受制于模型尺寸导致推理效率较 低。对于超大尺寸的模型，除了进一步优化算子之外。还有像投机采样这样的技术能加速它们的推理。 投机采样 （Speculative Sampling）通过引入轻量级的辅助模型来提升推理效率，同时确保结果的质量和正确性。 目前性能强劲的投机采样技术分别有 MTP 和 Eagle3 ，但MTP其需要在预训练 ...

大数据项目失败现状 - 85%的大数据项目失败，大多数企业无法从文本数据中提取价值 [2] - 2023年数据湖市场规模达152亿美元，增长20%以上，但实施效果不佳，被Bill Inmon称为"污水池"和"数据沼泽" [2] 通用大语言模型的问题 - ChatGPT每日运营成本高达70万美元，中型企业每月运行成本为3,000至15,000美元，处理10万次查询的API成本每月达3,000至7,000美元 [2] - 生成的是非结构化文本而非可操作数据，95%的内容与特定业务无关 [4][6] - 87%的数据科学项目未投入生产，因模型不可靠且会产生幻觉 [7] - 主要银行和跨行业公司投入数百万美元构建重复的通用模型，形成"军备竞赛" [8][10] 商业语言模型(BLM)的解决方案 - 由行业特定词汇(ISV)和通用商业词汇(GBV)组成，微软已与拜耳、Cerence等合作推出行业定制模型 [12][14] - 银行业BLM包含贷款、合规等术语，餐饮业涵盖菜系、运营等，词汇不重叠实现精准分析 [14][15] - 能将非结构化文本转为结构化数据，80-90%商业数据为非结构化，仅18%公司有效利用 [21] - 医疗、金融等行业应用显示：呼叫处理时间减少40%，转化率提高50% [17][23] 市场数据与实施路径 - 2024年AI市场规模达2350亿美元，2028年将超6310亿美元，70%企业仍处试验阶段 [10][25] - 预先构建的BLM覆盖90%行业需求，定制仅需调整不到1%词汇量 [24] - 实施步骤：评估现有文本分析→确定行业词汇→选择预建BLM→最小化定制→整合现有工具 [27] 非结构化数据挑战与机遇 - 每日产生3.28亿TB数据，2025年将达181 ZB，2024年企业管理非结构化数据量翻倍 [21][25] - 54%组织面临基础数据迁移困难，BLM可将数据负债转化为竞争优势 [27][28]