人工智能发展路径与现状 - 人工智能发展存在两种不同范式：符号型逻辑性范式和以生物为基础的范式，辛顿在1985年尝试结合这两种理论[3] - 当前大语言模型是辛顿早期微型语言模型的衍生，采用更多词输入、更多层神经元结构，处理大量模糊数字并建立复杂交互模式[4] - 大语言模型理解语言的方式与人类相似，通过将语言转化为特征并整合这些特征，因此也会产生"幻觉"[4] 人工智能技术突破 - 2012年辛顿团队开发的AlexNet算法采用卷积神经网络(CNN)，成为机器学习重要分支[5] - AlexNet仅使用4颗英伟达GPU就取得突破性成果，相比谷歌猫项目使用的16000颗CPU大幅提升效率[5] - GPU在深度学习中的价值被辛顿早期发现，AlexNet论文成为计算机科学史上最具影响力的论文之一[5] 人工智能安全挑战 - 几乎所有专家认为人类将创造出比自身更智能的AI，AI未来可能为生存和目标寻求更多控制权[1][4] - 辛顿将AI发展比喻为抚养虎崽，强调需要确保其不会伤害人类[4] - AI接管并摧毁人类文明的概率估计在10%至20%之间[6] - 建议将至少三分之一计算资源用于研究如何确保AI系统不偏离人类意图[6] 人工智能治理建议 - 提议建立AI安全机构国际社群，研究训练AI向善的技巧[5] - 各国可在主权范围内研究并分享成果，全球或AI领导国家应建立相关网络[5] - 批评大型科技公司为商业利益游说放松监管是危险趋势[6] - 强调需要国际合作预防AI统治世界，防止AI夺走人类控制权[4]

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 自动驾驶的"怪圈"？一边岗位虚位以待，一边人才难觅踪影！ 最近不少星友私信吐槽："柱哥，明明看到各家自动驾驶公司招聘信息满天飞，HC也不少，怎么投了简历就石沉 大海，面试后就没下文了？公司是真缺人还是假招聘？"，"某招聘网站上，3-5年薪资就上百万了，他们到底在 招什么人？" ，"端到端VLA，实验室没算力没实习，感觉毕业就是失业" 。 作为经历过否词行业起伏的人来看，这再正常不过。现在的自动驾驶行业，兜里有钱（或者刚融到钱）的公司， 花钱比以往谨慎太多了！ 市场预期回归理性，资本眼光更挑剔，"活下去"、"跑通商业模式"成为首要目标。烧 钱扩张的时代过去了，精打细算、聚焦核心、追求落地和盈利才是王道。行业深度调整和洗牌，可能就在未来1- 3年见分晓。 一个认真做内容的社区，一个培养未来领袖的地方。 星球内部目前已4000人，聚集了近100+自动驾驶行业专家为大家答疑解惑，总结了30+自动驾驶技术的学习路 线！星球还为大家邀请了数十位自驾&大模型领域的嘉宾，都是活跃在一线产业界和工业界的大佬（经常出现的 顶会和 ...

股指期货短线高手是市场波动中的精准舞者，以敏锐的观察力捕捉日内趋势变化，用果断的操作在短周期波动中寻找机会，他们的成功并非依赖运气，而是 源于扎实的功底与理性的策略。 对他们而言，盘口语言是重要的信息源。分时图上的成交量变化、买卖挂单的动态调整，都被转化为判断短期方向的信号，这种对细节的敏感，让他们能在 行情启动初期便察觉端倪，抢占先机。 严格的纪律是短线操作的生命线。设定明确的止盈止损点，无论行情如何波动都坚决执行，不因贪心放过离场时机，也不因侥幸拖延止损，这种自律性让每 笔交易都有明确边界，避免情绪化操作。 他们擅长从混沌中提炼规律。通过大量复盘总结日内波动特征，比如特定时段的惯性走势、关键点位的支撑阻力效应，将这些规律转化为可复制的策略，让 操作从随机尝试变为有章可循。 快速决策能力是长期训练的成果。短线机会稍纵即逝，高手们能在几秒内完成对行情的判断与下单，这种反应速度背后，是对市场逻辑的深刻理解与肌肉记 忆般的操作熟练度。 他们的成长轨迹激励着后来者。从最初的频繁犯错到逐渐稳定盈利，从机械执行策略到灵活应变，这个过程证明短线操作的核心是可习得的技能，只要肯投 入时间打磨，普通人也能在短线交易中找到属于 ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 今天自动驾驶之心为大家分享 华中科技大学&旷视科技 最新的工作！ 首个统一驾 驶世界模型HERMES，BEV+世界查询协同优化3D驾驶场景，生成误差降三成！ 如果您有相关工作需要分享，请在文末联系我们！ 自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一 步咨询 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Xin Zhou等 编辑 | 自动驾驶之心 概述 自动驾驶领域中，驾驶世界模型（DWMs）已成为核心工具，但现有模型存在明显割裂：一类专注于场景 生成，能预测环境演化（figure 1(a)），却难以解读、描述环境或回答相关问题；另一类以视觉语言模型 （VLMs）为代表，擅长场景理解，可处理复杂查询、生成描述（figure 1(b)），但缺乏对未来场景的预测 能力。 为打破这种割裂，本文提出HERMES——一个能同时实现3D场景理解与未来场景生成的统一框架（figure 1(d)）。其核心创新在于通过BEV表示整合多视图空间信息，并引入"世界查询"机制， ...

公司专利动态 - 北京小米移动软件有限公司与北京小米松果电子有限公司联合申请了一项名为"文本处理方法、文本处理装置及存储介质"的专利，公开号为CN120373448A，申请日期为2024年1月 [1] - 该专利涉及使用大语言模型处理文本任务，通过预先训练的判别器确定任务类型，并利用包含前缀编码器的大语言模型执行处理，旨在保证专项任务效果的同时不降低其他任务的处理效果 [1] - 专利摘要显示技术方案包括获取文本描述信息、判别任务类型、处理文本并输出目标文本三个核心步骤 [1] 公司基本信息 - 北京小米移动软件有限公司成立于2012年，注册资本14.88亿人民币，主要从事互联网和相关服务，对外投资4家企业，参与招投标137次，拥有5000条专利信息和123个行政许可 [2] - 北京小米松果电子有限公司成立于2014年，注册资本2.5亿人民币，主要从事零售业，对外投资1家企业，拥有15条商标信息、1029条专利信息和5个行政许可 [2]

核心观点 - LOVON框架创新性地整合大语言模型（LLMs）、开放词汇视觉检测和语言-运动映射模型，解决足式机器人在动态非结构化环境中长程目标导航的难题[2][5] - 该框架具备即插即用特性，兼容Unitree Go2、B2、H1-2等主流足式机器人平台，突破传统导航场景限制[2][19] - 在仿真与真实环境中均实现性能突破，如仿真成功率1.00（EVT为0.94），训练效率提升240倍[18] 技术架构 三大核心模块 - **LLM任务规划器**：分解长视野任务为子任务并动态调整顺序，例如“先跑向椅子再靠近行人”[16] - **开放词汇视觉检测**：识别从背包、盆栽到汽车、宠物等开放类别目标，适配多样化场景[16] - **语言-运动模型（L2MM）**：将指令直接转化为运动向量，实现精准速度与方向控制[16] 抗干扰视觉处理 - 采用拉普拉斯方差滤波技术过滤模糊图像帧，配合滑动平均滤波提升有效检测帧比例25%[11][12] 自适应执行逻辑 - 目标丢失时自动切换至搜索模式，新指令无缝衔接，外力干扰后快速重规划路径[14][15] 性能表现 仿真环境 - GymUnreal场景中成功率1.00（EVT为0.94），训练时间仅1.5小时（TrackVLA需360小时）[18] 真实世界 - **开放世界适配**：识别大小形态各异目标并在陌生环境快速适应[23] - **多目标长程追踪**：流畅执行“找椅子→找行人→找背包”等复杂任务链[23] - **动态环境鲁棒性**：在螺旋楼梯、杂草丛等复杂地形稳定跟踪移动目标[23] - **抗干扰能力**：目标移动或碰撞后快速重新锁定[23] 应用前景 - 覆盖家庭服务、工业巡检、野外科研等领域，推动足式机器人从实验室走向实际应用[21] - 通用框架设计加速技术落地，有望成为智能服务变革的关键技术[21]

图片来源： Unsplash Vanta 在一轮 1.5 亿美元的新融资中估值达到 41.5 亿美元，其价值增加数十亿，表明投资者对运用人 工智能的企业充满兴趣。 本轮融资由新晋投资方威灵顿管理公司(Wellington Management)领投，现有投资方高盛另类投资旗下 的成长型股权基金、红杉资本、 摩根大通集团以及由投资人 David Sacks 联合创立的风投机构 Craft Ventures 也参与了本轮融资。 Vanta 的CEO 克里斯蒂娜·卡乔波（ Christina Cacioppo ）表示，公司计划利用新融资扩大人工智能产 品线，她指出近期 AI 技术突破使该初创企业的工具。标志着投资者对运用人工智能简化复杂企业流 程公司的浓厚兴趣。 此次交易使 Vanta 的估值从一年前融资时的 24.5 亿美元大幅提升，自 2021 年以来累计融资额已达约 5.04 亿美元。 成立于 2018 年的 Vanta 致力于开发帮助企业合规管理及存储客户数据的软件。这家初创企业已积累 12,000 家客户，覆盖科技、金融服务和医疗保健领域。目前 Vanta 正寻求将业务拓展至国家和地方政 府层面。 Chr ...

机器之心发布 机器之心编辑部 如今，GPT-4o、Gemini 2.5 Pro 等多模态基础模型在对话、代码生成和数学推理等任务中已经达到甚至超越了人类水平。研究者开始探索如何将这种智能从数字世 界延伸至 物理空间 ，以实现 具身智 能 。这其中最受关注的前沿方向之一，便是 视觉 - 语言 - 动作模型（Vision-Language-Action Models，简称 VLA） 。此类模 型借助基础模型的通用能力与大规模学习范式，可以处理通用的视觉（Vision）与语言（Language）输入，并生成实时动作（Action），极大地赋能了机器人系 统。 近两年来，VLA 相关研究爆发式增长，技术路线日新月异 —— 但这也造成了认知碎片化与理解上的困难。现有分类方法如 "大脑 - 小脑"、"快慢系统"、"分层 - 端到端" 等，直觉清晰但本质仍不明确。 领域急需系统化的分析框架，以梳理研究现状，指明未来方向。 为此， 北京大学 - 灵初智能联合实验室首次从动作词元化（action tokenization）视角，提出统一理解 VLA 模型的新框架 。综述系统分析了八种主流 action token，探讨了不同动 ...

| 市场 | 名称 | 现价 | 涨跌 | 涨跌幅 | | --- | --- | --- | --- | --- | | 欧美 | 道琼斯工业平均 | 44693.91 | -316.38 | -0.70% | | | 纳斯达克 | 21057.96 | 37.95 | 0.18% | | | 标普500 | 6363.35 | 4.44 | 0.07% | | | 欧洲斯托克50 | 5355.2 | 10.95 | 0.20% | | | 英国富时100 | 9138.37 | 76.88 | 0.85% | | | 法国CAC40 | 7818.28 | -32.15 | -0.41% | | | 德国DAX | 24295.93 | 55.11 | 0.23% | | | 俄罗斯RTS | 1121.55 | -19.37 | -1.70% | | | 上证指数 | 3605.73 | 23.43 | 0.65% | | | 深证成指 | 11193.06 | 134.02 | 1.21% | | | 创业板指 | 2345,37 | da 34.7 | 1.50% | | | 恒生指数 | 256 ...

智己汽车超级增程技术 - 智己汽车官宣"超级增程"技术 聚焦电池容量 续航里程和快充能力三大核心突破 [1] - 新技术搭载宁德时代66kWh超大电池 纯电续航超过450km（CLTC） 远高于当前主流增程车型的200-300km水平 [1] - 集成800V高压快充平台 提升补能效率 支持"一周一充"日常通勤 [1] - 该技术将于8月1日正式发布 [1] 哈啰Robotaxi自研车型 - 哈啰Robotaxi首款自研车型在上海临港某园区开启测试 [2] - 首款测试车辆为SUV车型 配备激光雷达 [2] - 哈啰目标在两年内实现Robotaxi业务规模化 未来逐步向国际市场迈进 [2] 特斯拉欧洲市场表现 - 特斯拉6月在欧洲地区新车注册量为34,781辆 去年同期为45,087辆 同比下滑22.9% [3] - 这是特斯拉在欧洲销量连续第六个月下滑 [3] 北汽极狐T1小型SUV - 北汽极狐T1小型SUV新车7月24日首发亮相 [4] - 采用ARC-FLOW概念设计语言 拥有家族化图形学+运动姿态跃设计 [4] - 配备"灵动冰璨"贯穿式前大灯 设计灵感源自冰川 [4] - 新车长宽高分别为4337*1860*1572mm 轴距2770mm [4] - 将于8月下旬开启预售 [4]