浭深

具身智能展会最热的一年，肉眼难见机器人的进化？

Fri, 21 Aug 2026 16:28:11 +0800

　　8月的北京亦庄，机器人又一次挤满了展馆。

　　世界机器人大会现场(WRC)，人形机器人跳舞、格斗、抓取、分拣，机械臂在模拟产线上插接、码垛，另一边的机器人忙着叠衣服、整理房间、给冰箱补饮料。

　　如果连续看过这两年的机器人展，这些画面会带来一种奇怪的熟悉感：机器人明显更多了，但它们做的事情，似乎没有发生与产业热度匹配的跃迁。去年抓杯子，今年还在抓杯子;去年叠衣服，今年还在叠衣服;去年所有人都在说进汽车工厂，今年最重要的话题之一依然是进厂。

　　就在WRC26举行期间，Counterpoint Research发布最新统计：2026年上半年，全球人形机器人出货量突破2.2万台，同比增长接近300%，全年预计超过5万台。智元上半年出货约9700台，宇树超过7000台，银河通用超过1100台，前五家厂商合计占到全球市场的86%。

　　从应用结构来看，文娱表演占33.6%，数据生产与科研占27%，两项合计超过六成;服务与导览约19%，智能制造12.8%，仓储物流4.9%。真正进入智能制造和仓储物流的还不到两成。

来源：conterpoint’s Robot Research

　　火爆的展会背后，过去一年，具身智能究竟进步在了哪里?

　　真正剧烈的变化可能已经难靠肉眼识别：同样是抓起一个杯子，它需要多少训练数据，动作有没有提前编排，换一个杯子还能不能抓;机器人去了另一家工厂，需要几个工程师重新调;一次失败以后，它能不能判断自己做错了;同一个“大脑”换进另一副身体，还剩多少能力。

　　机器人展台正在变得没那么好看了。用户对跳舞、抓取、奔跑的画面开始审美疲劳，但产业真正重要的变化，反而发生在这些画面之外。

01 “换个地方还能不能干”

　　今年WRC，宇树创始人王兴兴花了不少时间回顾宇树过去十年的变化。但在那些奔跑速度、新本体和模型之外，他反复谈到的是同一个问题：泛化。

　　“为什么我们现在没有大规模推广?最主要的原因是目前的效率和泛化能力还不够。”

　　现在的机器人已经能够做简单装配。在一个固定场景里采集足够多的数据，成功率甚至可以接近100%;操作物品稍微换一下，环境稍微发生变化，成功率就可能迅速下降。

　　这几乎解释了机器人展会上最容易产生的错觉。

　　过去两年，行业越来越擅长证明“这件事机器人能做”。拿药盒、整理会议室、抓取异形物体、上下料、叠衣服，只要任务边界足够明确，再给模型足够的数据和工程资源，越来越多公司可以把任务做到很高的完成度。

　　银河通用创始人王鹤给出了一个很有代表性的判断：今天如果有一个明确任务，并且愿意投入资源进行后训练，“几乎都能把这个任务做好”。真正的问题在于，背后仍然需要专业人员参与后训练，这笔研发投入很难立即复制到成千上万个行业。

　　于是，2026年机器人行业真正的分水岭开始发生变化，关键的问题是：这个任务做会以后，能不能少采数据、少派工程师，把能力复制到100家工厂、1000家门店?

　　王兴兴给通用机器人划过一条很具体的临界线：把机器人带进一个此前从没见过的陌生环境，只通过语言告诉它要做什么，它能够完成80%左右的任务。达到这一水平，他认为才接近产业真正的爆发点。时间上，他给出的区间快则两三年，慢则五年乃至十年。

　　王鹤给出的坐标还要早一些。他把今天的具身基础模型类比成数字AI时代的GPT-2：模型已经表现出通用性的雏形，但距离在各行业零样本直接工作还有一段距离。他预计，到2028年前后，具身基模才可能接近数字世界GPT-3.5至GPT-4附近的阶段。

02 宇树“补大脑”，银河通用“长出双腿”

　　如果要从今天中国具身智能市场找两个标签足够鲜明的样本，宇树和银河通用很有代表性。

　　宇树让市场记住的首先是机器人的身体。从四足机器人到H1、G1，它过去十年的优势非常具体：运动控制、本体工程、成本和量产。今年4月，宇树用H1改制机型跑出超过10米/秒的速度;王兴兴在WRC又预览了一台研发三个多月的新机器人，最高速度已经达到12.65米/秒。Counterpoint统计显示，今年上半年宇树人形机器人出货超过7000台，占全球市场31%。

　　不过，这7000多台机器人现在主要去了科研教育市场。宇树已经证明高性能人形本体可以从几十台、几百台走到数千台规模，甚至成为很多研究团队和开发者使用的标准平台。接下来需要证明的，是这些身体里有多少最终能够从研究设备、数采工具和展示机器人，转化成真正工作的机器人。

　　宇树今年的资源流向因此很值得关注。王兴兴在WRC透露，公司目前资金和人力投入最大的方向已经是AI模型。宇树2020年就做过基于视频生成的世界模型，效果不理想后停过一段时间，2025年重新大力投入。

　　今年展示的一项变化，是机器人动作开始从“事先练会”走向“现场生成”。王兴兴承认，过去舞蹈、功夫等看起来很复杂的动作，大量都是提前采集并训练好的;近期宇树演示的另一套能力，会在听到实时语音后由多模态模型生成对应动作。目前从语音识别到云端生成、验证再下发，仍有数秒延迟，真正的实时动作生成还在继续优化。

　　银河通用过去几年最强的标签一直是“机器人大脑”，包括具身基础模型、具身智能数据，代表性产品长期采用轮式路线。药房、商超、工业搬运不需要机器人先证明自己能跑多快，轮式底盘能提供更高稳定性和持续作业效率。

　　今年WRC期间，银河带来了最新双足机器人ET1，产品形态从此前的轮式G1、面向工业重载的S1，扩展到双足和高动态全身运动。银河在现场还展示了机器人通过视觉学习街舞。

　　王鹤介绍，这背后先训练了一个通用的全身控制“小脑”：动作源头来自约10万小时人类全身运动数据，经过仿真和强化学习完成Real-to-Sim、Sim-to-Real，再由上层智能体安排观察、学习和执行。

银河通用推出双足机器人Galbot ET1

　　银河今年另一项技术动作直击商业化的隐形成本。王鹤多次讲到WAM-TTT，希望机器人去一个新的客户现场后，客户只需要拍摄员工怎么干活，不需要人工逐条标注，也不需要先由遥控操作员控制机器人重新采完整轨迹，就能够通过测试时训练让基础模型适应新的环境和任务。

　　王鹤表示，在宁德时代，银河已经度过单台POC和单一工厂验收阶段，开始在数十家工厂横向部署，任务从堆垛、拆垛、搬运、分拣延伸到拧螺丝和异形物体操作;与此同时，目前仍需要工业垂类模型和工程人员参与后训练。

03 家庭已经成为下一张考卷

　　今年WRC还有一个变化：“家”出现得越来越多。

　　过去两年，具身智能讨论商业落地，最常见的答案是汽车工厂、3C、仓储物流。今年更多团队开始主动走进另一种环境。

　　家庭是一块很特殊的试验场。

　　机器人进入汽车工厂，可以要求零件按照固定方向送到面前;进入家以后，杯子今天放在餐桌，明天可能出现在水槽。衣服没有固定形状，椅子会被挪走，房门可能只开一半，光线每天都不一样，人、宠物随时走进机器人的路线。

　　很多任务还无法拆成一个抓取动作：整理房间、洗衣服、准备一顿饭，往往持续十几分钟甚至更久，中间任何一步失败，都可能让后面的计划全部改变。

银河通用机器人Galbot展示叠衣服

　　工厂可以通过标准化降低机器人面对的世界复杂度，家庭几乎要求机器人直接面对复杂度本身。

　　这也是今年不少“大脑派”公司愿意在家庭场景里展示模型的原因。它并不一定意味着这些机器人很快就会进入千家万户，反而说明家庭正在成为检验长程规划、记忆、泛化、柔性操作和失败恢复的一块高难度考场。

　　同样是进入家庭，另一条路线已经开始分化出来。

　　优必选旗下“优世界”推出的U1超仿生机器人，关注人的面孔、眼神、嘴部动作、表情和情感交互，U1在WRC2026现场热度很高。

　　价格跨度也足够大。U1 Lite售价11.98万元，U1 Pro为16.98万元，U1 Ultra男版99万元、女版88万元;产品定位集中在家庭情感陪伴，6月底公司披露全系列订单超过1.3万台。

优必选在WRC2026现场展出的U1 Ultra

　　这批订单最终有多少转化成实际交付和持续使用，还需要时间检验。但U1让家庭机器人出现了一条和“自动叠衣服”完全不同的商业路线：机器人进入家庭，可以卖劳动力，也可以卖情绪价值。

　　这两条路线以后也可能重新合流。一个真正成熟的家庭机器人，大概率既需要帮人做事，也需要懂得如何和人长期相处。但行业还远没有走到那一步。

　　王鹤提到家庭场景时，把最先要解决的问题放在了安全上。普通用户不会像工厂工程师一样知道机器人出现异常时该如何处置，家里还有老人、孩子和宠物。对工业设备而言，一次错误可能导致停机;对进入家庭的人形机器人而言，安全容错空间还要更小。

　　所以今年“家庭场景变多”不能简单理解成家庭机器人马上要爆发。它至少说明，具身模型的竞争开始从结构化环境向更开放的环境延伸。

　　工厂测试的是生产效率，家庭测试的已经越来越接近通用能力。

　　站在这些新机器人旁边，WRC里还有另一群已经在工厂工作二十多年的老玩家。

　　新松成立于2000年，工业机器人、移动机器人和自动化产线早已进入汽车、半导体、物流等制造场景。今年WRC，它带来的松羿-Power轮式人形机器人，产品定义里写着高频搬运、大跨度作业和“长时连续运行”;公司近期的另一条重点仍然是汽车焊装、智能焊接等成熟工业需求。

　　把新松和今天最热的人形公司放在一个展馆里，会形成一种很有意思的错位。新一代人形机器人还在证明“我也能进工厂”，传统工业机器人已经在工厂接受几十万、几百万次重复工作的检验。

　　资本市场给两类公司的想象空间却完全不同。老牌工业机器人公司按照制造业公司的收入、利润和订单定价，新一代人形公司获得的估值里，包含了大量“未来通用机器人市场”尚未发生的价值。

04 大厂的位置

　　科技大厂也在找自己的位置。

　　小米今年带来了新一代人形机器人，这也是这款产品第一次面向公众亮相。机器人身高约1.7米、体重66公斤，全身66个自由度，目前仍处于样机阶段。在WRC的“具身花园”里，它扮演一名“花艺师”，完成抓取香片、撒花和递送等互动。

小米新一代人形机器人在2026世界机器人大会的“具身花园”展台上

　　单看这些动作，很难说出它的特点。小米的特殊之处在于，它本身同时拥有手机、汽车、IoT、智能家居和制造体系。卢伟冰谈到机器人时也把它放进了“人车家全生态”，应用范围指向智能工厂、智能出行和家庭。

　　对一家机器人创业公司来说，最大的难题之一是去哪里找到真实场景和用户;对小米而言，工厂、汽车和家庭设备本来就在自己的业务体系里。

　　今年WRC，京东成为大会全球战略合作伙伴，搭出600平方米展区，把机器人放进研发数采、仓储物流、零售和未来家庭等不同场景。公司宣布未来将在机器人领域投入百亿级资源，目前已经与200余家机器人品牌展开合作。

　　京东未必需要自己造出最好的人形机器人。它拥有仓库、物流、门店、渠道和售后体系，这些都是机器人从Demo走向规模部署时非常稀缺的基础设施。

　　大厂入场带来的是另一种时间差。

　　产业已经按照“机器人会成为下一代重要终端”的未来配置资源，技术本身仍在解决换个物品还能不能抓、去了另一家工厂是否要重新训练这些很基础的问题。

　　这种时间差也是这轮热潮最需要警惕的部分。

05 最后的几毫米，以及第一个千万小时

　　机器人没有复制ChatGPT的进化速度，一个原因是物理世界容错率更低。

　　王兴兴在WRC提到，机器人真正难的地方常常发生在“最后几厘米、最后几毫米”。模型已经知道该拿起哪个物体，机械臂也知道大致该往哪里伸，但视觉、关节、摩擦力、物体形变都会带来误差。语言模型答错一个词还能继续生成，机器人手偏几厘米，杯子可能已经掉了。到了工厂，评价标准还会进一步变成节拍、良率、连续运行和维修频率。

　　模型的另一道限制来自数据。大语言模型有互联网，机器人没有天然存在的“动作互联网”。人类每天开门、洗衣服、搬箱子，却不会自动留下包含三维位置、触觉和作用力的训练数据。

　　昆仑万维董事长方汉曾表示，目前头部具身世界模型的数据大多还在十万小时量级，2026年底可能有人进入百万小时;如果具身模型也存在Scaling拐点，可能要到1000万小时甚至1亿小时才会出现明显变化。

　　更现实的是成本。高质量UMI和真机数据每小时往往仍需数百元，千万小时意味着巨大的投入。于是第一视角视频、遥操作、仿真、合成数据、数据清洗开始同时升温。过去一年，很多看起来不像机器人的东西，反而可能决定下一代机器人进化的速度。

　　具身智能正在寻找它自己的“互联网”。

06 写在最后：高估了短期，也低估了变化

　　过去三年，ChatGPT让市场习惯了软件式的进化速度：模型能力突破以后，可以在几个月内覆盖全球用户。

　　机器人很难复制这条曲线。

　　很长一段时间里，人类造机器人，像是在重复皮格马利翁的故事：先把身体塑造得越来越像人，再期待某一天，它真的“活”起来。

　　过去几年，我们已经让机器人站起来、跑起来、跳起来，也让它们学会抓杯子、叠衣服、搬箱子。真正困难的部分，现在才开始出现。

　　一个生命之所以被认为理解世界，并不在于它能重复一个练熟的动作，而在于面对陌生的房间、意外被挪走的椅子、突然出现的人，它仍然知道下一步该怎么办。

　　机器人离开雕塑台的那一刻，也许才是具身智能真正的开始。

亚马逊无人机，把货扔进了泳池

Fri, 21 Aug 2026 16:23:28 +0800

一、包裹掉进泳池，一次“翻车”暴露了什么问题?

　　本周一，得克萨斯州里士满镇的居民林赛·奥斯汀经历了一件让她哭笑不得的事。

　　她正在屋里，突然听到外面传来巨大的噪音。“我心想：难道是耶稣第二次降临了吗?”奥斯汀后来对媒体说。她跑出去一看，一架亚马逊送货无人机正悬停在她家后院的游泳池上方。接下来的画面让她愣住了——无人机打开舱门，包裹径直掉进了泳池里。

　　奥斯汀赶紧把包裹捞了出来，箱子已经湿透了。好在里面装的是干猫粮和女儿的鞋垫，没怎么受损。让她更困惑的是另一件事——她压根不记得自己选过无人机配送选项。

　　“老实说，我觉得这个订单可能是个系统错误，因为我并没有选择这个选项。”奥斯汀说。

　　亚马逊回应说，这类事故“极其罕见”。发言人表示：“配送过程没有按计划进行，我们会从中吸取经验，以改善用户体验，并采取措施防止类似情况未来再次发生。”

　　但这真的是“极其罕见”吗?过去一年里，亚马逊无人机已经不止一次把包裹送进水里了。去年7月，亚利桑那州一名客户的维生素订单被无人机投在泳池旁边，螺旋桨产生的气流直接把包裹吹进了水里。今年5月，又有一架无人机把包裹扔在了池塘附近，包裹弹起来滚进了水中。去年10月，两架MK30无人机撞上了起重机，亚马逊被迫暂停了凤凰城西谷都会区的无人机送货服务。无人机还切断过互联网电缆、撞过公寓楼。

二、一边事故不断，一边疯狂扩张

　　事故频发的另一面，是亚马逊正在以前所未有的速度推进无人机配送。

　　就在“泳池事件”发生的前两天——8月19日，亚马逊高调宣布：计划在2026年底前将Prime Air无人机配送服务扩展至美国近500个城市和城镇，覆盖范围是目前的六倍。

　　亚马逊Prime Air副总裁David Carbon表示，今年已完成数十万次无人机配送，目前日配送量已达数千单，全年目标是完成100万次配送。无人机最快可以在30分钟内将包裹送到消费者手中。

　　目前，Prime Air已经在美国7个州设立了11个配送站，覆盖亚利桑那州、佛罗里达州、堪萨斯州等地。无人机可配送重量不超过5磅(约2.3公斤)、尺寸不超过鞋盒大小的商品，涵盖生鲜食品、电子产品、美妆用品和药品等数百万种商品。

　　亚马逊创始人贝索斯早在2013年就提出了无人机配送的愿景。但这项业务一直面临监管审批延迟、人员裁减、技术挑战，以及部分试点社区的抵制。直到2022年12月，Prime Air才正式在美国开展小规模配送。

　　现在，亚马逊显然不想再等了。

三、为什么亚马逊要“抢跑”?

　　竞争对手在加速，是亚马逊不得不“抢跑”的关键原因。

　　在无人机配送这条赛道上，亚马逊并不是跑得最快的那个。

　　谷歌母公司Alphabet旗下的Wing，今年已经突破了100万次商业无人机配送，目前通过沃尔玛和DoorDash等合作伙伴，在美国20个市场开展业务。今年1月，Wing宣布将把服务扩展至沃尔玛在美国的另外150家门店，并计划在2027年建立超过270个无人机配送运营站点，覆盖4000万名消费者。

　　更猛的是Zipline。这家无人机配送初创公司已经累计完成超过200万次商业配送，业务覆盖全球四大洲。今年1月，Zipline宣布已实现整体盈利。8月，Uber宣布与Zipline合作，目标是在2029年底前实现每天100万次无人机配送。

　　沃尔玛也在加速。通过与Wing和Zipline合作，沃尔玛的无人机配送服务累计订单量已突破100万单，平均配送时间仅23分钟。

　　亚马逊在零售业务上的老对手沃尔玛，正在用无人机配送构筑一道新的护城河。沃尔玛的优势在于门店密度——约90%的美国人居住在沃尔玛门店10英里范围内。这意味着沃尔玛的无人机可以从遍布全国的门店出发，天然拥有更密集的配送网络。

　　反观亚马逊，它的无人机配送站只有11个。虽然亚马逊计划将配送站数量增加到近70个，但建设和审批都需要时间。

四、快，但还不够好

　　亚马逊的无人机配送确实很快。奥斯汀的包裹从下单到送达只用了大约20分钟。但这20分钟带来的体验，并不让人愉快。

　　最大的问题是噪音。奥斯汀明确表示，无人机声音太大，让她不想再使用这项服务。

　　这不是个例。在已经开展无人机配送的社区，当地居民对噪音和隐私问题的担忧一直存在，有人甚至担心这可能影响房产价值。

　　亚马逊高管曾在爱达荷州Nampa市的规划会议上回应噪音问题，称无人机运行时噪音仅持续约20秒，低于割草机的声音。但社交媒体上成功配送的视频显示，无人机的噪音相当于一台吹叶机。

　　对于住在郊区、有泳池的居民来说，头顶上每天有无人机嗡嗡飞过，这种“未来感”并不一定是他们想要的。

　　更值得关注的是配送地点识别的问题。亚马逊声称，无人机到达配送点后会进行检查，确认下方没有人、宠物或车辆阻挡，然后才安全投放包裹。但系统显然没有识别水域的能力——泳池、池塘都成了“盲区”。

　　亚马逊目前使用的MK30无人机，正是这些事故中的“主角”。如果连基本的水域识别都无法做到，那么随着配送范围从11个站点扩展到近500个城镇，类似的事故只会更多。

五、监管：一把悬在头顶的剑

　　亚马逊的扩张计划还有一个不容忽视的变量——监管。

　　2025年6月，特朗普政府发布了一项行政命令，要求FAA加快无人机部署。FAA随后提议制定新规，允许经过认证的无人机运营商进行超视距飞行。

　　但实际进展并不顺利。FAA提出的Part 108法规——即允许常规超视距飞行的关键规则——原定2026年2月出台，却迟迟未能落地。美国交通部称这一延迟是“有意为之”，而Zipline的CEO则警告说，这种不确定性正在冻结行业投资。

　　DoorDash在7月底获得了FAA的Part 135航空承运人认证，可以运营自己的商用无人机配送网络。但整体来看，美国的无人机配送监管框架仍然碎片化，企业每进入一个新社区都需要逐一获得当地批准。

　　在英国，情况更不乐观。今年7月，一架亚马逊Prime Air无人机在英国达灵顿配送时坠毁在居民花园里。英国航空事故调查处已展开调查，达灵顿的无人机配送被限制在每天100单。

六、快与稳的平衡

　　回到奥斯汀的那个泳池。

　　她说看着无人机配送自己的亚马逊订单，有一种强烈的未来感，“我们就像活在《杰森一家》的时代”。但她同时也说，巨大的噪音让她不想再用这个服务。

　　这或许是当下无人机配送行业最真实的写照——技术上已经能让包裹“飞”到家门口，但离“让用户舒服地接受”还有不小的距离。

　　亚马逊想在2026年完成100万次无人机配送。Wing已经完成了100万次。Zipline完成了200万次。数字在增长，速度在提升，覆盖范围在扩大。

　　但泳池里的那个湿透的纸箱提醒我们：送货无人机能飞多快，和它能飞多稳、多安静、多精准，是两件完全不同的事。

　　当一家公司把“覆盖500个城市”当作目标时，它需要想清楚——这500个城市的居民，是否都愿意接受头顶上的嗡嗡声，是否都放心把自己的包裹交给一台识别不了泳池的机器。

　　速度可以赢得市场，但只有信任才能留住用户。

Waymo官宣自研芯片上车

Fri, 21 Aug 2026 16:20:04 +0800

　　Alphabet旗下自动驾驶技术子公司Waymo官宣已经研发出一款定制芯片，声称可以提升Robotaxi(无人驾驶出租车)的性能。

　　Waymo周四(8月20日)在官网表示，这款ASIC(专用集成电路)芯片已经应用于Waymo最新一代Robotaxi。

　　Waymo称，将自研芯片与其他芯片以及公司自主设计的传感器结合使用，将提升Robotaxi在复杂城市环境中的反应能力和导航能力。

　　它是一款专为实时处理、融合原始传感器数据并运行高级神经网络而设计的专用机器学习引擎。通过芯片、传感器和算法的同步开发，我们能够突破传感器保真度、带宽效率和量化方面的极限，从而执行从稀疏卷积到密集Transformer的各种异构模型。

　　Waymo称，该ASIC的专用加速器可即时从原始激光雷达、雷达和摄像头数据流中提取关键信息，用于增强低光照感知能力的时域降噪。

　　新闻稿表示，其自研芯片的算力超过1000 TOPS——按照这一指标衡量，Waymo的自研芯片已经达到与英伟达最新一代自动驾驶系统相当的水平。

　　Waymo表示，这款芯片采用台积电的5纳米工艺制造。尽管5纳米工艺已不再是台积电最先进的制程，但目前仍被众多领先企业用于芯片生产。

　　这一举措标志着Waymo正转向打造更加专用化的Robotaxi。公司表示，这有望降低成本，同时为乘客提供更加宽敞、便捷的乘坐空间。

　　这也与谷歌正在推进的更广泛自研芯片战略相呼应，当下谷歌正试图控制不断飙升的AI计算基础设施成本。过去，Waymo一直依赖英伟达、AMD等公司的产品，并将这些芯片集成到自行设计的计算机系统中。

　　目前，Waymo已是美国Robotaxi市场的明显领先者，在旧金山、菲尼克斯、亚特兰大等城市提供的乘车服务数量超过特斯拉以及亚马逊旗下Zoox等竞争对手。

高通官宣两款骁龙8 Elite：安卓旗舰也要开始分“标准版”和Pro

Fri, 21 Aug 2026 16:15:47 +0800

　　高通下一代旗舰芯片还没正式发布，但产品线已经先变复杂了。

　　高通近日通过官方社交账号预告，将在9月22日推出两款骁龙8 Elite系列芯片，并用“双8精英版”和“双倍选择”来强调这次不再只有一个旗舰核心。按照此前爆料，这两款芯片大概率就是骁龙8 Elite Gen 6和更高规格的骁龙8 Elite Gen 6 Pro。

一颗旗舰芯片，变成两档

　　过去安卓旗舰虽然也会出现“领先版”“For Galaxy”等高频版本，但底层通常还是同一颗芯片。

　　这次高通如果真的直接拆成标准版和Pro版，意义就不一样了。它相当于从芯片层面把旗舰手机切成两档：普通旗舰用8 Elite Gen 6，追求极限性能的超大杯再上Pro。

　　这会让手机厂商在定价上更灵活，也能避免所有旗舰都被迫承担最高规格芯片的成本。

Pro版可能全面堆料

　　爆料显示，8 Elite Gen 6 Pro可能采用台积电2nm工艺，CPU为2+3+3的八核Oryon架构，并搭载Adreno 850 GPU。

　　它据称还会配备18MB独立显存，并支持LPDDR6内存。

　　相比之下，标准版可能采用3nm工艺，同样是2+3+3八核CPU，但频率更低，GPU降为Adreno 845，独立显存缩减到12MB，并继续支持LPDDR5X。

　　如果这些规格属实，两颗芯片之间的差距就不会只是“少几百MHz”，而是工艺、GPU和内存体系都被真正拉开。

问题还是价格

　　真正麻烦的，是Pro版据称会明显涨价。

　　今年内存价格本来就在上涨，如果再叠加2nm工艺、LPDDR6和更大的GPU资源，旗舰手机整机成本很难不继续上升。

　　这也解释了为什么高通要同时准备标准版。

　　对于售价更敏感的入门旗舰，厂商完全可以选择非Pro版本，把预算留给电池、相机或屏幕;而Ultra、Pro Max这类顶级机型，则可以用Pro版继续冲性能天花板。

　　未来安卓旗舰之间的差距，可能会从“调校不同”，变成“芯片本身就不同”。

9月22日才是真正揭晓

　　高通目前只确认两款旗舰芯片、最新连接技术、强劲GPU和沉浸式游戏体验，具体参数仍未正式公布。

　　因此，2nm、18MB独立显存、LPDDR6等信息目前都还属于泄露内容。

　　但从官方主动强调“双倍选择”来看，下一代骁龙8 Elite显然不再是单一旗舰方案。

　　如果最终真是8 Elite Gen 6和8 Elite Gen 6 Pro双线并行，那么今年安卓旗舰最大的变化，可能不是谁先首发2nm，而是高通第一次把“旗舰”和“顶级旗舰”从芯片层面彻底分开。

行业首款阔直板！华为Pura X View发布

Fri, 21 Aug 2026 16:09:54 +0800

　　8月20日下午，在享界G9及鸿蒙智行新品发布会上，余承东公布了行业首款阔直板手机——华为Pura X View。

16:9.5阔比例，显示面积超6.9英寸机型

　　Pura X View的核心创新是屏幕比例。正面搭载业界首发16:9.5阔型屏幕，屏幕尺寸6.39英寸，显示面积114.27cm²，显示内容量大于部分6.9英寸直板机型。

　　这个比例需要解释一下。传统直板手机多为19.5:9或20:9的细长比例，Pura X View的16:9.5明显更宽。这种阔比例在横屏场景下优势显著，比如播放16:9比例影视剧、综艺、赛事视频时黑边收窄，画面更接近全屏显示。竖屏短视频也能获得横向、纵向更大的显示空间。

　　阅读场景下，阔比例提升文字阅读画面占比，漫画内容可接近铺满屏幕显示。游戏竞技、FPS、自走棋类手游可获得更宽横向视野，按键布局间距同步拓宽。办公时，PPT、表格等文档的显示面积增大，虚拟键盘按键间距舒展。设备支持手写笔，适配笔记、绘图、视频剪辑操作。

　　屏幕采用四等边均匀窄边框设计，四边黑边宽度均为1.05mm，屏占比达到96.1%。

201g、6.68mm，且塞下7000mAh电池

　　Pura X View机身重量201g，厚度6.68mm，单手可以轻松持握。这个轻薄程度在旗舰机中属于优秀水平，但更让人意外的是电池容量7000mAh。

　　7000mAh是什么概念?目前主流旗舰机的电池容量多在5000-5500mAh区间，7000mAh通常出现在游戏手机或超大屏设备上。Pura X View在6.68mm的厚度内塞下7000mAh，说明华为在电池能量密度和内部堆叠上做了大量优化。

　　余承东表示，该机可支持导航、社交、影音、游戏、拍照等多场景全天使用。对于重度用户来说，7000mAh意味着真正的一天一充甚至两天一充。

立体光栅玻璃+跑道环形DECO的设计

　　机身背部采用立体光栅玻璃，以条纹纹理为基础，通过几何拼接与光栅工艺形成光影变化效果。背部摄像模组采用跑道环形DECO设计，整机提供跃影红、亚麻灰、零度白、幻夜黑四款配色。

　　立体光栅玻璃的工艺难点在于，如何在玻璃表面形成精细的纹理，同时保持手感和耐刮性。光栅工艺通常用于防伪或装饰，用在手机背盖上比较少见，说明华为在CMF(颜色、材料、工艺)上做了新的尝试。

　　跑道环形DECO设计相比传统的圆形或方形模组，视觉上更修长，和阔比例的机身形成呼应。这种设计语言的统一性，是华为阔家族系列的一个特征。

HarmonyOS 7首发

　　Pura X View将首发搭载HarmonyOS 7系统。阔比例屏幕的系统适配，是决定这款产品体验成败的关键。

　　Android生态中，不同比例的屏幕适配一直是难题。很多应用在不同比例的屏幕上，会出现黑边、拉伸、布局错乱等问题。华为作为自研系统的厂商，可以通过HarmonyOS 7对阔比例进行原生适配，确保主流应用在Pura X View上有良好的显示效果。

　　手写笔的支持，也说明华为对Pura X View的定位不仅是消费级手机，还包括轻度办公和创作场景。阔比例+手写笔的组合，让这款手机在文档批注、笔记记录、简单绘图等场景下，体验接近平板。

阿里CEO吴泳铭：AI算力Capex投入3年内回本

Fri, 21 Aug 2026 16:04:10 +0800

　　阿里巴巴集团发布2027财年第一季度财报。截至2026年6月30日止季度，阿里巴巴集团收入为2689.53亿元，同比增长9%;经营利润方面，报告期内为151.61亿元，同比下降57%。

　　其中，阿里云外部商业化收入加速增长45%，增速创22个季度新高;AI相关产品收入连续第十二个季度实现三位数同比增长。大消费方面，即时零售收入同比增长45%。

　　在分析师电话会上，集团CEO吴泳铭预计，下季度AI相关产品年化收入(ARR)将接近100亿美元。并对于加速实现2030年前云外部收入达到1000亿美元的目标，具备极强的信心。

　　吴泳铭还表示，AI算力Capex投资回报确定性非常高，Capex投入可三年内回本。考虑到AI相关产品毛利率还在提升，以及自研芯片的比例的提高，未来有望缩短到2.5年回本甚至2年。

收入同比增9% 净利润同比下降75%

　　具体来看，本季度阿里巴巴集团收入为2689.53亿元，同比增长9%;净利润为104.44亿元，同比下降75%，主要归因于经营利润的减少、处置投资的净收益减少，以及集团所持有的股权投资按市值计价变动的净收益减少。

　　截至2026年6月30日止季度，非公认会计准则净利润为207.15亿元，相较2025年同期的335.10亿元下降38%。

　　阿里集团经营活动产生的现金流量净额为229.45亿元，相较2025年同期的206.72亿元增长11%。自由现金流为净流出446.70亿元，2025年同期为净流出188.15亿元。

　　“自由现金流的下降主要归因于我们的云基础设施支出增加。于2026年6月30日，我们的现金及其他流动投资为人民币4745.05亿元。”阿里方面表示。

　　据财报披露，集团对部分业务进行战略整合。阿里巴巴中国电商集团、阿里国际数字商业集团与盒马整合，组建阿里巴巴电商集团。云智能集团与平头哥整合，组建“AI云与算力服务”。

　　此外，归入“所有其他”分部的AI模型实验室、千问2C事业部及千问办公整合组建了“AI实验室与应用”。这一新成立的“AI实验室与应用”业务板块，本季度收入33.38亿元，同比增长16%;经调整EBITA亏损却从去年同期32.24亿元扩大到138.61亿元，亏损增加超过100亿元。

　　阿里对此的解释称，主要来自AI能力投入，以及千问App相关推理成本增加。

平头哥二代AI芯片下半年将流片

　　阿里云外部商业化收入增速提升至45%，创22个季度新高。本季度，AI云及算力服务收入484.37亿元，经调整EBITA为56.28亿元，同比暴增133%，利润率升至12%。其中，AI相关产品收入连续第12个季度实现三位数同比增长，该季度已达123.76亿元。

　　在分析师电话会上，集团CEO吴泳铭表示，AI已成为阿里云加速增长的核心引擎。本季度，阿里AI相关产品年化收入(ARR)突破495亿元人民币(73亿美元)，在阿里云外部商业化收入中的占比升至35%。AI相关产品毛利率显著高于云产品平均水平。

　　吴泳铭预计,下季度AI相关产品年化收入将接近100亿美元。未来阿里云EBITA利润率也会逐季提升。并对于加速实现2030年前云外部收入达到1000亿美元的目标，具备极强的信心。

　　在芯片层，平头哥覆盖GPU、CPU及网络芯片，包括最新一代AI处理器真武M890在内的真武芯片，通过阿里云，在自动驾驶、互联网、金融等20多个行业的超650家外部客户中实现规模化商业应用。吴泳铭称，基于新一代平头哥芯片真武M890的超节点实例，近日已上线阿里云进行规模化销售，下半年将持续放量以满足客户的旺盛需求。

　　吴泳铭还透露，“平头哥的第二代国产芯片，今年下半年会开始流片和产出，这一代的芯片会有非常强的算力以及非常强的互联带宽，我们觉得完全可以替代大规模的模型训练。”

　　去年2月份，阿里宣布将投入超过3800亿元，用于建设云和AI硬件基础设施，总额超过去十年总和。吴泳铭表示，到6月季度末，已经累计投入了1900亿，进度符合预期。“因为硬件交付存在周期，并不是每个季度均匀的，所以更多的是设备交付的波动性，同时还有芯片组件价格上涨的因素构成。”

　　吴泳铭表示，AI算力Capex投资回报确定性非常高，Capex投入可三年内回本。考虑到AI相关产品毛利率还在提升，以及自研芯片的比例的提高，未来有望缩短到2.5年回本甚至2年。

即时零售同比增长45%，传统电商仍承压

　　财报显示，来自电商集团本季度贡献的收入2058.62亿元，相较于去年同期的1998.12亿元同比增长4%，整体营收保持稳步增长态势，但集团内部业务发展分化态势突出，高速增长的即时零售与承压的传统电商形成鲜明对比，成为本季度电商业务的发展特征。

　　阿里电商营收主要由中国传统电商、中国即时零售、国际电商及全球批发四大板块构成，其中即时零售是整体业务的最大亮点。本季度即时零售收入达532.95亿元，同比大幅增长45%，增速稳居电商集团各业务首位。财报指出，这一爆发式增长主要得益于盒马业态的稳步扩张与淘宝闪购的快速崛起，两大核心业务持续带动即时零售赛道扩容。

　　阿里中国电商事业群CEO蒋凡在业绩会上表示，经过一年多的深耕投入，淘宝闪购在上季度实现高质量发展，用户规模、订单量持续攀升的同时，UE模型大幅优化，业务亏损规模显著收窄。未来阿里将持续整合盒马、天猫超市核心资源，重点发力非餐饮类即时零售赛道，加码前置仓布局，完善即时零售基础设施。

　　对于即时零售发展前景，蒋凡在财报业绩会上预判，非餐饮品类即时零售交易额有望在下一财年超越餐饮品类，带动电商全品类升级扩容。同时，即时零售板块预计2029财年实现整体盈利，长期有望承载平台30%的整体交易额，成为阿里电商业务的第二增长曲线。

　　与即时零售的高速增长形成反差，传统电商业务持续承压。本季度中国传统电商收入1109亿元，同比下降8%，核心的客户管理收入同比下滑7%。不过受新营销发展计划会计处理调整影响，原始同比数据存在偏差，剔除相关因素后，客户管理收入同口径微增1%，基本面整体平稳。

　　针对传统电商的发展困境，蒋凡在财报业绩会上坦言国内电商行业短期仍面临宏观环境压力。

　　对此，阿里将聚焦核心经营策略，一方面持续扶持平台原创品牌商家，深挖优质产业带白牌商家潜力，夯实平台商品供给优势;另一方面依托AI技术赋能全场景，优化数据分析、广告营销、智能客服等环节的运营效率与用户体验。此外，将携手千文办公，推出适配电商场景的专属智能体。

王兴兴上市后首次公开演讲：机器人真正爆发要等两个「80%时刻」丨WRC 2026

Thu, 20 Aug 2026 17:04:01 +0800

　　8月19日，宇树科技正式登陆科创板。上市后的答谢午宴上，宇树科技创始人王兴兴首次提出“物理AI机器人的自进化”，希望利用基础大模型，将论文检索、代码生成、仿真训练、真机测试和评价反馈串成闭环，让机器人研发逐步从高度依赖人工转向持续自我迭代。

　　一天后的2026世界机器人大会主论坛上，王兴兴再次谈到了这一方向。相比说明机器人跑得多快、跳得多高，他把更多时间留给了一个没那么“炫技”、却更决定具身智能产业胜似的问题——机器人什么时候才能真正走进工厂和家庭?

　　在王兴兴看来，答案的关键已经不是本体能否完成一个动作，而是“换一个房间、物体、任务之后，它还能不能完成”的泛化能力。

　　基于此，他不仅给出了具身智能行业大爆发的量化临界点，即两个80%(在80%的陌生场景中，通过语音或文字指令，机器人能够顺利完成约80%任务)，更给出了一个明确的路径：物理AI机器人的自进化——与其让人类工程师微调机器人的“最后一厘米”，不如把研发、仿真、测试的闭环交给AI。

01 泛化能力：真正的关键点

　　过去一年，我们在硬件和动作表现上取得了不少突破，比较有代表性的，还有我们马年春晚上表演的节目《武BOT》，融合中国传统功夫文化与AI训练，让机器人在舞台上做出了极具观赏性的复杂动作，我觉得这是一个很好的科技和文化交流案例。

　　随后，我们还在天坛做了一个50台机器人的震撼表演。

　　但过去几年，我们公司其实一直在推动另一件更重要的事情，就是让机器人真正走进生活、去工厂干活。

　　2024年，我们就开始和汽车工厂合作，在汽车生产线上做一些落地应用，包括我们自己也在工厂部署机器人，进行一些简单测试和落地。目前公司绝大部分AI团队，都在做机器人真正进入家庭或者工厂干活这件事情。

　　但为什么现在机器人还没有被大规模推广?最主要的原因，就是目前机器人的效率和泛用性还不够。

　　简单来说，虽然目前机器人已经能够做一些简单的装配，但它的效率和人相比还是更低一些。另外，每次有新的任务过来，还需要重新进行训练，整个部署效率也比较低。

　　所以我们还是希望把技术的泛化能力做得更好以后，再进行大规模推广。这也是目前全球共同面临的最大瓶颈。

　　今年4月份，我们也在百米测试中跑出了约10米/秒(36km/h)的峰值速度，刷新了人形机器人奔跑速度的世界纪录。

　　这款机器人是基于我们第一代人形机器人H1改制的，后面我们也可以在上面安装轮子，让它更加灵活。

　　大家也知道，目前机器人基本都是AI驱动，而AI目前又基本是数据驱动。有多少数据，尤其有多少高质量的数据，很大程度上决定了AI能够做到什么程度。

　　所以我们也在自己采集数据，或者和第三方公司合作，给大家使用，也给我们自己使用。

　　数据驱动仍然是非常重要的一件事情。我个人认为，真正的AI机器人训练数据，还是需要海量的真人数据或者互联网数据作为主要的预训练数据，再加上一部分真机数据。这是两类非常刚需的数据。

　　如果从数据量的角度来说，真人数据可能会更多或者更加重要一些。但真实的真机数据也非常重要，因为我们需要让机器人真正和物理世界进行匹配。

　　今年5月份，我们还发布了一款应该是全球第一款量产级的载人机甲。这款机器人也非常有意思，身高大概3米多，载人以后重量大约500千克。

　　它有点像一辆越野车，并不是给在家庭或者城市里面使用的;很多情况下，比如户外徒步，或者在一些非常复杂的环境下进行运输，就可以使用它。它还可以变形成四条腿的模式，这样稳定性会更好一些，越障能力也非常强。

02 从提前训练到实时生成，AI开始接管机器人的动作

　　前几个月，我们还演示了一个基于多模态和端到端的自动AI动作生成。

　　大家也知道，我们过去做很多常规的机器人动作演示，基本都是提前训练好的。但这部分动作是基于实时语音生成的。

　　具体来看，一句话说完以后，首先要进行语音识别，识别以后上传到云端，再由云端进行AI动作生成。

　　动作生成以后，还要进行一些动作验证，确认没有问题以后再下发给机器人。所以整个过程目前还需要几秒钟的延迟。

　　但我们的目标，是希望未来机器人真正应用落地的时候，它的动作能够完全实时生成，而不是提前进行编程。

　　比如，我们可以直接告诉它“双手平举向前走几步，然后再走回原点”。因为现在还有语音处理的过程，所以会存在一点延迟。

　　这种自动生成的方式目前也有一个不太好的地方，每一次生成出来的动作会存在一定差异。你跟它说同一句话，它今天和明天做出来的动作，可能都会有一些细微差异。

　　另外，我们也在推动机器人真正到会议室里干活。

　　我觉得这也是非常重要的一件事情。像我们公司自己的会议室有时候就比较乱，所以会议室整理其实也是一个很刚需的应用。

　　我们主要在一个会议室里进行数据采集和训练。如果把会议室任意打乱以后，机器人可以把它恢复到干净整洁的状态。

　　因为目前完全是端到端实现，所以它的运动效率还相对比较慢。

　　这同时也是一个多任务场景。我们在这里大概布置了7到8个不同的任务，通过一个模型让机器人自动切换，不同任务都能够直接执行，而且具备一定的抗干扰能力。

　　正因为它是由AI实时生成和实时识别，所以大家可以看到，它的动作可能还没有那么流畅。机器人每走一步，动作都需要进行推理，所以动作的丝滑程度会稍微差一些。

　　这个功能也是我们最近一直在开发的。我们希望一台机器人能够真正去做像会议室整理这样的事情。这种场景相对有实用价值，并且难度又不是特别高，我觉得还是非常有意义的。

　　另外，我们还在刚才语音自动生成动作的基础上进一步做了一件事情。

　　刚才的动作生成本身不带交互或者干活能力，只是在生成动作;这部分则是在语音驱动的情况下，让机器人的动作真正能够完成任务，同时搭载一个多模态模型。

　　比如问它“你看到了几盒药”，机器人可以识别出一共有三盒药，一盒红色、一盒蓝色、一盒黄色。而且它可以具备一定的抗干扰能力，并不是简单执行一个固定动作。

03 本体继续迭代，机器人还在跑得更快、走得更远

　　前段时间，我们还发布了最新一代轮足复合四足机器人Unitree As2-W。

　　这款机器人比较轻量化，自重约25千克，但它的负载能力和续航都非常强，而且基本上能够防雨水，在室内和室外都可以使用。

　　因为比较轻量，在正常日常生活中使用，或者在一些工业场景中使用，都会比较方便。

　　而且我们目前把一些人形机器人的技术重新放到了四足机器人上，让四足机器人的灵活性进一步提升，包括它的负载能力也比较强。

　　我们还是非常希望把这款机器人真正落地到一些场景里，比如户外徒步。

　　前段时间，我们也升级了去年一款小型四足机器人Unitree As2的灵活性。

　　另外，我们前段时间还预览了一款人形机器人“超人”。这款机器人开发时间比较短，到现在为止大概只花了三个多月。从某种意义上来说，它目前还只是一个预览产品，并不是正式发布。

　　它目前最快速度已经达到12.66米每秒，已经超越了目前全世界历史上最快人类的奔跑速度;它的跳高高度，目前也基本上超过了人类历史上的最高跳跃高度。

04 具身智能真正的临界点，是“80%的陌生场景”和“完成80%的任务”

　　再回过头看最近几年具身智能AI模型的发展，目前比较主要的流派包括VLA模型和世界模型。当然，今年大家可能听到最多的还是世界模型这个方向。

　　我们公司对AI模型这块的投入一直非常大，而且应该也是目前公司资金和人力投入最大的方向。

　　其实我们在2020年初就开始做基于视频生成的世界模型，但是到2020年底，做出来的效果不是特别理想，所以中间稍微搁置了一段时间。从去年开始，我们又重新大力发展基于视频生成的世界模型。

　　很多人都会好奇，真正的通用机器人，无论是人形机器人还是半人形机器人，什么时候能够真正走进生活、走进家庭?

　　我认为现在全球最大的瓶颈，还是具身智能的泛化能力不够。

　　简单来说，目前全世界很多AI模型，在一个固定场景里，如果进行足够的数据采集和训练，任务成功率基本可以做到接近100%。

　　但是，只要它操作的物品发生一些变化，或者环境稍微换一下，成功率就会下降得非常严重。

　　所以我希望，快的话可能两到三年，慢的话可能五年或者十年。

　　评价具身智能具备真正通用能力的指标也非常简单。把机器人带到80%左右的陌生场景里，通过语音和语言指令，它可以完成80%左右的任务，我觉得这是一个非常重要的临界点。

　　为什么现在还没有达到这个时刻?

　　最大的一个瓶颈，是目前AI模型的输入和输出，与真实机器人的对齐程度还不够。

　　比如让机器人移动，把一些东西装配在一起，或者把一个物体搬到另一个位置。从大的趋势来看，现在的模型其实没有太大问题，大差不差能够执行你的任务。

　　问题往往发生在最后几个厘米，甚至最后几个毫米。

　　机器人去拿一个东西的时候，看起来已经快要拿住了，但是最后一点点误差，它没有办法很好地修正，这就会导致整个任务的成功率严重下降。

　　所以我认为，目前全球具身智能最大的瓶颈，就是AI模型的输入和输出，与真实世界之间仍然存在偏差。

　　为什么机器人模型会出现这个问题，而在一般的语言模型或者多模态模型上表现却没有这么明显?

　　因为语言模型处理的信息，本身就是数字编码的。一个文字输入是什么、输出是什么，它严格限制在一个向量空间里面，基本不会产生特别大的偏差。

　　简单来说，它不会产生现实世界中的物理误差。但是对于机器人来说，每进行一次输入和输出，都可能存在偏差和损失。

　　所以这也是目前全球机器人模型泛化能力和成功率相对较差的一个原因。但我觉得未来几年，这个问题必然是可以解决的，只是还需要一些时间。

05 让AI接管研发，开启机器人的“自进化”

　　另外，我也在这里介绍一下我们昨天刚刚提出的正在预研的事情。

　　过去很多年，尤其是过去几年，大家已经大量使用AI做编程或者AI开发。但对于AI真正的使用，我觉得在机器人领域的开发上还是相对欠缺。

　　所以公司最近一段时间正在推动的一件事情，就是直接让物理AI机器人模型实现自进化。我们的想法，是使用目前最前沿、最顶尖的AI大模型来驱动。

　　我们自己设定一些规则、经验、约束和工具，让AI自己去网上搜索最新的论文、最好的研究成果，以及各种优秀的开源方案，然后自己去编程，生成机器人的控制代码。

　　控制代码生成以后，可以先放到仿真环境里面运行，也可以调用一些大模型，然后再去控制实物机器人。等真正部署到实物机器人后，我们再进行测试、评价和打分。

　　一部分评价和打分可以由AI模型自己实现，另外一部分也可以由人来参与。

　　因为人的经验非常重要，人其实很容易判断出来一个结果究竟是好的还是坏的。所以一旦整条逻辑形成一个体系并真正运行起来，机器人的开发效率会高很多，整个迭代速度也会非常快。一旦这个流程持续运行一段时间，就可以真正实现机器人自我进化能力的提升。

　　这里有一个最简单的示例。

　　左下角是一个Coding智能体，它可以自己编写机器人的一些控制代码，包括很多具体代码。

　　如果大家有兴趣可以试一下。目前很多简单的深度强化学习算法，让Coding程序自己进行自动编程，效果其实已经不错了。

　　然后，我们把这部分编程结果放到仿真环境里面进行验证和训练。训练完成以后，再把它放到实物机器人上进行测试。

　　测试以后，再由AI模型以及人工进行评价和打分，确定这个效果到底怎么样，再把结果反馈给编程智能体，从而形成一个正向循环。

　　这只是一个最简单的示例，真正使用的时候会比这个更加复杂。

　　我觉得这是当下以及未来几年全球都非常值得做的一件事情，有以下几个比较简单的原因：

　　第一，随着每个月、每一年基础模型能力的提升，这套自进化循环本身的能力也会进一步提升。

　　所以它是一套非常良性的机制。某种意义上，它可以持续跟随整个全球AI技术的进步。

　　第二，它可以使用更加多元的数据。

　　大家也知道，单纯依靠人工去使用和处理数据，效率非常低。如果使用这套自循环，我们可以把各种训练数据，包括真实世界数据和人的数据都用起来，数据使用效率会更高。

　　第三，它可以带来更多的真机部署。

　　随着我们的真机部署越来越多，会有更多测试数据，也会产生更多评价指标。这样一来，整个数据利用率和数据增长就能够得到保证，也可以逐渐实现数据的规范化。

　　另外，我们每天或者每个月还可以不断累加技能，而不是今天开发了一个技能，明天这个技能又被浪费掉。

　　真正使用AI，把机器人的开发效率或者机器人进化效率大幅度提升，我觉得是未来非常值得做的一件事情。这同时也是开启物理AI机器人的机缘。未来这个方向，应该会有越来越多人去推动。

　　站在当下这个新的起点，尤其是在AI大爆发、全球关注度都非常高的时期，整个机器人的进化速度已经大幅提升。

　　未来十年，机器人的发展速度可能比我现在预估的还要更快一点。

OpenAI“暴雷”，收入被Anthropic大幅反超

Thu, 20 Aug 2026 17:00:44 +0800

　　OpenAI的增长势头正遭遇严峻考验。这家ChatGPT的开发商二季度收入环比增幅仅为18%，不仅令部分投资者失望，更在与竞争对手Anthropic的对比中相形见绌——后者同期收入不仅超过OpenAI，增速更是远超行业预期。

　　周三，据华尔街日报援引知情人士报道，OpenAI二季度收入为67亿美元，较一季度的57亿美元增长18%，与此同时运营亏损进一步扩大，令公司在备受期待的IPO前景上蒙上阴影。

　　相比之下，Anthropic同期收入超过115亿美元，不仅环比增幅逾140%，更是首次在季度收入上超越这家成立更早的竞争对手，并实现小幅运营盈利。

　　两家公司的业绩分化，折射出AI行业竞争格局在今年以来的深刻变化。

　　ChatGPT增长放缓、Anthropic旗下编程工具Claude Code大获成功，正迫使OpenAI重新审视其商业策略并重组管理团队。

　　OpenAI方面则向投资者表示，随着7月份一批新模型的发布，公司增速已在三季度有所回升。

01 OpenAI增速失速，亏损持续扩大

　　OpenAI二季度收入环比增长18%，达到67亿美元，但运营利润率进一步恶化，公司距离盈利的目标愈发遥远。

　　这一表现令部分股东感到失望，他们此前期待OpenAI能够展现出更强劲的追赶势头。

　　与此同时，OpenAI管理层近期经历了一系列动荡。

　　上周，公司首席营收官Denise Dresser在任职不足一年后离职。此前，首席运营官Brad Lightcap以及曾被视为CEO Sam Altman接班人的Fidji Simo也相继出走。

　　频繁的高管变动，加剧了外界对OpenAI内部稳定性的担忧。

　　在收入结构上，OpenAI预计到今年年底，来自企业客户的收入将占总收入的一半以上，显示其正加速向企业市场转型。

　　据Axios报道，OpenAI联合创始人Greg Brockman上周在内部分享的信息显示，公司最新年化收入运营率已达400亿美元。

02 Anthropic强势崛起，收入首超OpenAI

　　Anthropic的业绩表现则形成鲜明对比。

　　该公司二季度初步收入超过115亿美元，是去年同期的逾14倍，环比一季度的47.3亿美元增长超过140%。这也是Anthropic季度收入首次超越OpenAI。

　　更值得关注的是，Anthropic在实现爆发式增长的同时，还实现了小幅运营盈利，显示出其商业模式正逐步走向可持续。截至7月底，Anthropic的年化收入运营率已突破650亿美元，较去年底实现约七倍增长。

　　驱动Anthropic增长的核心引擎之一，是其面向开发者的编程工具Claude Code。

　　据Pitchbook分析师Harrison Rolfes向Axios表示，尽管Anthropic旗舰模型的单次调用成本较高，但由于其准确率更高，用户无需反复运行查询或依赖人工复核，实际每项任务的综合成本反而更具竞争力。

03 IPO竞赛：Anthropic或抢先上市

　　在资本市场层面，两家公司均在筹备IPO，但Anthropic的节奏似乎更为领先。

　　据Axios报道，Anthropic正在与潜在新投资者会面，计划于今年9月或10月上市，摩根士丹利、高盛和摩根大通正协助推进此次发行。

　　抢先上市的战略意义不容忽视。IPO所募集的资金将帮助公司扩充模型推理所需的算力资源，而率先登陆资本市场，或将为Anthropic在与OpenAI的竞争中赢得额外优势。

　　在效率层面，Atreides Management管理合伙人Gavin Baker向Axios表示，"Anthropic在token效率上曾远优于OpenAI，但OpenAI已缩小了部分差距。"两家公司均已与主要推理服务商达成合作，并各自布局自研芯片，以期降低未来AI查询的服务成本。

　　值得注意的是，两家公司的收入统计口径可能存在差异，直接比较时需保持审慎。

　　此外，AI行业竞争格局瞬息万变，任何单一指标的领先优势都难以持久。但可以确定的是，以企业客户为核心的收入增长策略，已被证明是当前阶段的制胜路径。

小米展出新一代人形机器人

Thu, 20 Aug 2026 16:57:56 +0800

　　8月19日，2026世界机器人大会现场，结束4个月汽车工厂实训的小米新一代人形机器人正式对外亮相。

　　该机器人延续了“铁大”这一产品代号，整机身高约1.70米，体重66公斤，全身设置66个自由度，其中33个自由度集中分布在双手部位，硬件规格贴合制造业一线工人的身形条件。整机外观采用浅灰一体化机身设计，头部为哑光银头盔式造型，没有多余装饰，更偏向工业实用取向。

　　在展会现场，机器人以“花艺师”的角色完成多组交互动作。它可以自主抓取展台花束并将香片洒在花束内，再将花束递向现场观众，完成握手、碰拳、比心等肢体反馈，手指开合、手腕旋转、躯体微调较为自然，动作没有明显卡顿。

　　据小米方面介绍，整套动作不依靠预设脚本，由具身大模型驱动自主决策执行。该机器人目前仍然处于样机研发阶段，完成国内首展之后，将前往欧洲展出。

　　不同于很多产品先公开发布、再寻找落地场景的路径，小米这台样机在正式对外展出前，已经在小米汽车工厂完成产线实训。

　　今年3月，小米创始人雷军曾发文称，小米机器人进入汽车工厂实习，未来5年会有大批量人形机器人进入小米工厂干活。

　　据雷军介绍，小米在通用VLA基座模型Xiaomi-Robotics-0的基础上，结合多模态感知能力和强化学习技术，让小米人形机器人初步实现了在自攻螺母上件工站、料箱搬运等场景的自主工作。机器人平均无故障时间、单次任务成功率等关键指标都在稳步提升，围绕更多经典工站的实际部署与验证工作也在持续推进中。

　　雷军提到，机器人作业从实验室到真实工厂，存在一个难以跨过的巨大鸿沟——生产节拍。实验室做技术探索，可以用一万次失败换来一次成功;真实工厂则必须做到一万次任务次次成功，才能满足生产要求。

　　另据小米公布的数据，该机器人在压铸车间自攻螺母上件工站中连续自主运行3小时，安装成功率90.2%，同步满足76秒产线节拍。小米表示，这是小米人形机器人在智能制造领域稳定应用的第一步。

　　而在今年7月，小米又放出了机器人的工作视频。视频拍摄场景为小米汽车工厂总装车间物流区。在中控台侧盖板排序作业画面，机器人依靠全身多自由度配合，身体适度探身，灵巧手伸入料箱内部抓取盖板;拿到工件之后，会进行双手换手，实时调整工件握持姿态。调整完毕后，机器人双手托举，将柔性盖板放至料架车对应的料格当中，完成柔性件分拣排序流程。

　　在料箱折叠回收作业中，面对工厂空塑料物流料箱，机器人用灵巧手精准抠开料箱锁扣拉环，双臂协同发力，分步完成翻折、按压、扣合，把展开的空料箱折叠压缩。折叠完成后，机器人还会把折叠完毕的料箱推送堆叠到指定存放位置，完成物料回收全流程。

　　据雷军介绍，此时小米机器人自攻螺母上件工站双侧作业成功率已从90.2%提升至98%，中控台侧盖板上件和料箱折叠成功率均达到90%，且首次实现柔性工件的长时作业。

　　小米最初布局人形机器人是在2021年前后，次年正式对外发布第一代CyberOne铁大机器人，彼时产品更多承担技术验证功能。初代机器人拥有21个全身自由度，侧重交互能力展示，距离工业级作业能力还有很大差距。

　　产品定位上，小米人形机器人不追求独立硬件产品，主要配合小米的“人车家全生态”协同策略，技术路线选择全尺寸双足方案，采用“大脑+小脑”混合架构。该公司还自研Mi‑Sense深度视觉感知系统，同步推进具身大模型研发，并且开源Xiaomi‑Robotics‑0机器人模型，以降低行业部署门槛。

　　雷军7月曾提及，小米具身基座模型Xiaomi-Robotics-1在Robocasa365、RoboDojo两大具身榜单中，综合排名全球第一。小米机器人团队初步完成“本体、数据、模型”布局，接下来会推动机器人走向更开放、更复杂的真实世界。

　　就在8月18日，小米发布了2026年第二季度财报，其总收入为1089亿元，同比下降6.1%，环比增长9.9%;经调整净利润为62亿元，同比下降42.6%，环比增长2.4%。

　　尽管营收和净利均有下滑，但小米研发开支在二季度达到92.3亿元，同比增长18.9%，主要投入于智能电动汽车、AI等核心领域。

　　雷军此前曾透露，过去5年小米累计研发投入超过了1000亿元，未来5年计划将超过2000亿元。未来三年，小米在AI领域计划投入资金超过600亿元。今年小米在AI上研发和资本开支会超过160亿元。人形具身智能也是其重点投入方向之一。

　　不过，当前小米机器人业务仍处在样机迭代、内部验证阶段，暂时没有独立对外营收，现阶段的价值更多体现在工厂内部降本、技术沉淀，距离大规模对外商业化还有不少工程难题待攻克。

“急踩刹车”，OpenAI暂缓前沿模型训练两周

Thu, 20 Aug 2026 16:55:30 +0800

　　北京时间8月19日，OpenAI CEO萨姆·奥尔特曼(Sam Altman)表示，公司暂停了部分前沿模型的强化学习(RL)训练，以确保安全、对齐和监控能力能够跟上新一轮模型能力跃迁。

　　他提到，模型进展现在极其迅速，“如果我们觉得模型能力的发展速度超过了安全和对齐的步伐，我们将采取行动。”

　　根据OpenAI博客中的信息，公司暂停了面向部署的最新模型强化学习训练两周，目前部分工作已经恢复，但其原计划规模最大的前沿强化学习训练仍被搁置。OpenAI正在以更小规模的训练和评估观察模型行为、验证安全措施，并积累更多对齐证据。

　　在评论区奥尔特曼补充称，OpenAI仍然预计很快推出新模型，但是目前的这一暂缓训练会影响更远的发布。

　　OpenAI突然减速，与过去一个月接连出现的安全事件直接相关。

　　7月，OpenAI在模型评估过程中遭遇了重大安全事件，当时，OpenAI的模型安全测试演变成针对开源平台Hugging Face的真实网络攻击。Anthropic在7月也披露了三起AI模型安全测试入侵事件。

　　在8月初，英国人工智能安全研究所(AISI)也发布报告称，在近期一次例行网络安全评估中，Anthropic和OpenAI的最新模型在互联网上采取了未经授权的自主行动，表现出可能具有欺骗性的行为。报告再次说明模型安全问题的严重性。

　　另一个让OpenAI踩下刹车的信号来自Astra。OpenAI表示，内部观察到即将推出的模型之一Astra可能达到OpenAI《准备框架》规定的“关键网络安全能力”门槛。模型能力触发了更高等级的内部安全要求。

　　这些事件让OpenAI迫切地需要加强在训练过程各个阶段的监控、协调和遏制措施。“随着模型能力的提升，内部开发和测试的风险也随之增加。我们的监控、校准和安全标准必须始终领先于这些风险。”OpenAI称，为此内部暂时放慢了扩展速度。

　　OpenAI将安全体系概括成三个部分：一个是监控(Monitoring)，发现值得警惕的行为，并能够及时做出响应。其次是对齐(Alignment)，降低模型采取有害或未经授权行动的可能性。第三是安全措施(Security measures)，限制 AI 系统能够访问或影响的对象和范围。

　　OpenAI表示，在安全事件后，内部已通过新的监控方案改进并扩展了监控方法。新的监控系统采用多阶段机制，目标是在监控系统发现可疑活动后的30分钟内发出警报。所有涉及Sol级或更高级别模型工具的强化学习训练和评估都需要进行此项监控。

　　安全并不免费，这些安全措施需要大量的计算资源。OpenAI估算，监控开销大约占被监控推理计算量的20%，不同训练和评估任务之间会有明显差异。

　　OpenAI此次解释并没有消除外界的全部疑问。

　　一些网友提出，所谓“完成安全加固和红队测试”，对公司之外的人仍然近似一个黑箱。用户能够看到什么证据，从而验证模型已经达到要求，而不是只能相信OpenAI的自我判断?

　　甚至也有人认为，这也许只是当前一种比较流行的营销手段罢了。有网友结合最近一些管理人员离开OpenAI的动态，认为情况不对劲，“因安全原因暂停是否会成为其他实验室新叙事模板，用来解释训练运行表现不佳的情况。”毕竟从OpenAI外部很难区分这两者。

　　OpenAI在博客中提到，将在未来几周内发布一份关于OpenAI所获得的经验的技术报告。这里面或许会有更详尽的解答。

　　值得一提的是，这次减速发生在OpenAI商业压力上升之际。今日有外媒报道称，投资者对OpenAI收入的增长速度感到失望，因为其远低于竞争对手Anthropic。

　　外媒从投资者那里获得的消息是，从第一季度到第二季度OpenAI的收入增长了18%，截至6月的三个月内，其收入增长到67亿美元，高于第一季度的57亿美元，但同期经营亏损由93亿美元扩大至123亿美元。这些结果让一些股东感到失望，他们希望OpenAI能取得更多进展，赶上Anthropic。

　　在不久前，Anthropic对外披露2026年二季度营收超115亿美元。近期Anthropic还向投资者披露，截至7月底，公司年化营收(ARR)已突破650亿美元。

　　一个问题是，竞争对手仍在加速、投资者仍在追问增长时，一家前沿模型公司是否真的愿意为尚未完全量化的风险延后训练和发布?这还有待观察。