资讯与观察· AI 落地
AI 行业动态、工程实践、产品方法和社区故事。
我们让 GPT‑6 Astra、Fable 5.1 和 Sol 控制同一台机器人：谁真的把活干完了？
真实云台实测：三个模型都让机器转起来，但“完成”的标准天差地别。 作者丨Rhea 编辑丨李娜 岑峰 云台机械臂是一个能上下左右转动的摄像头底座/支架，我用GPT‑6 Astra、Claude Fable 5.1 和 GPT‑5.6 Sol这三个顶级模型都让机器人转了起来，三个模型均完成了任务，但执行路径、验证标准和成本差异明显。 这次 GPT-6 Astra 出来之后，网上已经有很多优秀的测评案例了。如果读者已经能在其他地方看到这些，…
拆解 WorkBuddy、千问办公和豆包工作，它们其实不是同一种产品
活是 AI 干的，锅是人背的。 作者丨Reah 编辑丨李娜 岑峰 我们以职场牛马的身份，把同一份脏活同时交给了三家办公 Agent：WorkBuddy、千问办公和豆包工作。本来想试试能不能为自己省出半天时间，结果半天没省出来，先被三个总额问住了。 这份脏活是一张销售流水表，混着不同日期格式、退款、跨季度订单、部门缺失和异常金额，平时谁看了都头疼。 同一份脏销售流水和同一句提示词，交给 WorkBuddy、千问办公、豆包工作。三家都交了…
23 分钟 · 雷峰网
实测 Seedance 2.5 vs 可灵 3.0，谁能让我们无痛当上视频导演？
差距不只在画质，而在工作流。 作者丨吴海明 编辑丨李娜 岑峰 《牛来》大概是今年国产电影里最意外的一次出圈，并不是因为一部低成本动画突然被推到台前，而是因为它把一个老问题重新摆到了创作者面前：当影像生产的门槛越来越低，真正决定一条视频能不能成立的，究竟是画质、预算，还是把想法稳定变成成片的能力？（雷峰网） AI 视频模型也走到了类似的节点。 过去，大家更关心模型能不能生成一段“像真的视频”；现在，问题正在变得更具体：模型能不能听懂一个…
13 分钟 · 雷峰网LATEST STORIES
最新内容
从 Dreamore 到 CreaXene：AI 生成工具正在走向创作工作流精选导读
生成式 AI 的竞争正在发生变化。当生成工具越来越多，一个更现实的问题开始浮现：如何把分散的模型和能力，真正纳入一个完整的创作流程？ 近期完成品牌升级的 CreaXene，正试图从这一方向切入。原有产品 Dreamore 已正式更名为 CreaXene，官网同步迁移至 creaxene.ai。此次调整并非单纯的品牌更换，也反映了产品从单一 AI 生成工具向综合创意平台转变的方向。 从“生成内容”到“完成创作” 早期 AI 创作产品多围…
具身智能不只在地上跑：给无人机装上机械臂，它们要去天上「拧螺栓」了 | IROS 2026精选导读
具身智能的研究边界，正从地面移动操作向空中协同作业延伸。 作者丨张岂萍 编辑丨幸丽娟 机械臂抓取、移动机器人导航和多机器人协作，是具身智能研究的常见切口，但大多仍延续“地面机器人”范式：身体默认是地面移动机器人，环境是结构化可通行空间与离散物体，任务是感知、移动、抓取、搬运等。 但如果机器人离开地面、进入空中，还能完成同样的操作吗？ 没有固定支撑的空中机器人（无人机），不仅要保持自身飞行稳定，还要在空中完成推箱子、写字、拧螺栓这样的接…
从三维视觉到世界模型：空间智能为何成为 AI 走向物理世界的共同主线？| ECCV 2026复盘精选导读
AI 正从看懂画面，走向理解空间、预测变化、执行动作。 作者丨张岂萍 编辑丨幸丽娟 AI 已经越来越会生成一个“看起来真实”的世界，却依然很难真正理解并行动于这个世界。 物体在哪里、彼此是什么空间关系，遮挡之后还剩下什么；一个动作发生后，世界会怎样变化。这些问题的解法，共同指向空间智能。 而近两年具身智能与世界模型的爆火，进一步推动空间智能成为 AI 走向物理世界的核心能力基座。 回看 ECCV 2026，这趋势尤其明显。 大会程序主…
计算机视觉的下一个十年：从「看懂世界」到「教会人类」| ECCV 2026精选导读
AI 不应只做更强的观察者，而应成为帮助人学会现实世界技能的 AI Guide。 作者丨张岂萍 编辑丨幸丽娟 过去十年，计算机视觉的技术演进主线几乎围绕同一件事展开：让机器看得更准。 从目标检测、姿态估计到三维重建、视频理解，“看懂”正在成为大模型的基础能力。但一个被反复验证的现实是：机器越会“看懂人”，人获得的实际帮助并没有同步增长。 健身 App 能识别动作，却未必知道该让你改哪一寸；教学视频能展示标准动作，却无法判断你卡在哪一步…
NVIDIA 李柏依：机器人只会「看」还不够，它还得学会「听」| ECCV 2026精选导读
给生成模型引入仿真，补上难以获得的声音感知。 作者丨张岂萍 编辑丨幸丽娟 机器人要进入真实世界，需要处理的信息远不止视觉。 倒水时，声音可以帮助判断杯子是不是快满了；物体发生碰撞时，不同材质会发出不同的声音；一个人在小房间和大房间里说话，空间回声也不一样。然而，这些人类习以为常的多模态感知，以及诸如切苹果、叠杯子这类极其复杂的双手灵巧操作，在机器人的训练阶段却面临着极其高昂的“数据采集壁垒”。 当机器人需要的数据很难直接采集，传统物理…
源升智能杨思成：具身模型能力突破之前，灵巧手要先卷性能｜物理AI 50人精选导读
灵巧操作的最高境界，是「无剑胜有剑」。 作者：向欣 高景辉 编辑：高景辉 雷峰网：金庸笔下的独孤求败，对剑术的理解有几重境界：二十岁前看重利剑凌厉刚猛，四十岁前领悟重剑「大巧不工」；四十岁后渐渐达到「不滞于物，草木竹石皆可为剑」的境界，内功强到极致，兵刃都是身外之物。 在源升智能创始人杨思成看来，灵巧手之于机器人操作能力，就像兵刃之于剑术，模型（剑术）越强，就越不依赖末端执行工具（兵刃）；反之，当模型能力还不够强时，就需要有灵巧手加持…
具身智能的无本体数据，终于有了自己的「代表作」精选导读
无本体数据跑通复杂长程任务的时刻，到了。 作者丨向 欣 编辑丨高景辉 最近，自变量机器人发了一段Demo。看完之后我们的感觉是：无本体数据路线要迎来一个重要的里程碑了。 画面里，一个机器人独立完成了开瓶取样、滴管操作、玻璃棒引流、混合摇匀，24个子动作，一镜到底做完了整场化学实验。 这里的重点是，用于训练它的数据，只有数百条，而且全部都是无本体数据，没有一条来自机器人真机。 也就是说，自变量只用极少的无本体数据，就让机器人学会了需要精…
被质疑「容易复制」的视触觉，到底难在哪？精选导读
对视触觉的许多质疑，并不中肯。 作者丨向 欣 编辑丨高景辉 在 3C 产线上，让机器人把一根 USB 线插进毫米级的接口，难点藏在视觉看不到的地方。插没插正、有没有卡滞、该加力还是收手，答案都落在指尖与工件接触的瞬间。 精密装配、柔性物体抓取、插拔等任务，是自动化产线上价值最高、也最难被机器人替代的一批工序。这类过去依赖老师傅手感的工序，正把触觉推到具身智能的台前。 视觉解决「看到了什么」，触觉解决「碰得怎么样」。VLA 模型在真实任…
豆包支持出行服务：一句话订机票、火车票，打车导航全覆盖精选导读
国庆黄金周前夕，豆包宣布支持多种出行服务，用户现已可通过豆包一站式完成机票预订、火车票购买、打车及路线导航等多种出行需求，覆盖从长途交通到市内出行的全场景。 据了解，豆包此次的功能升级主要围绕用户出行核心需求，在酒店预订和餐饮预订的基础上，新增了包括机票预订、火车票预订，打车出行和导航等多项出行服务。用户只需在豆包对话中以自然语言描述出行需求，例如“帮我订一张明天从北京到上海的机票”或“叫一辆车去首都机场”，豆包即可自动识别意图并完成…