全模態素材都能參考，鏡頭切回來還保持原樣。智東西2月9日報導，2月7日，字節跳動AI視訊生成模型Seedance2.0開啟灰度測試，該模型支援文字、圖片、視訊、音訊素材輸入，可以完成自分鏡和自運鏡，鏡頭移動後人物特徵能夠保持一致。字節Seedance團隊釋放出的飛書文件中介紹到，Seedance2.0可精準還原參考圖的畫面構圖、角色細節，可以復刻參考視訊的鏡頭語言、複雜的動作節奏和創意特效。其所生成的視訊支援平滑延長與銜接，可按使用者提示生成連續鏡頭。Seedance2.0的編輯能力同步增強，支援對已有視訊進行角色更替、刪減、增加。▲女士優雅地曬衣服（來源：Seedance官方）在海外社交平台X上，Seedance2.0的討論熱度居高不下。一位學習了7年數字電影製作的網友在體驗後說，這個模型（Seedance2.0）是唯一一個讓他感到害怕的模型，電影行業的所有崗位幾乎都要消失了。90%他所學習到的技能，Seedance2.0都能實現。▲數字電影製作學習者評論（來源：X）產品設計師、使用者體驗（UX/UI）設計師Linus Ekenstam看完Seedance2.0的案例後說：“它會讓網際網路崩潰，百分之百。 ”▲產品設計師評價（來源：X）遊戲科學創始人兼CEO、《黑神話·悟空》製作人馮驥在體驗了Seedance2.0後還專門發了微博，稱讚該模型為“當前地表最強的視訊生成模型。”並且很慶幸今天的Seedance2.0來自中國。但他也從其中看出了假視訊氾濫與信任危機，因為“逼真的視訊將變得毫無門檻。”▲馮驥微博（來源：新浪微博）但是Seedance2.0也並不完美，在字節Seedance團隊發出的飛書文件《Seedance2.0使用手冊》中，有使用者在評論區中反映，使用同樣的提示詞和素材，生成的視訊在精細化控制上卻不太行。▲飛書文件使用者評論（來源：飛書）並且在一個官方案例中，Seedance2.0生成視訊的中文字幕還是會出現老生常談的中文亂碼情況。▲官方案例錯誤（來源：飛書）這個模型真的有一眾網友說得這麼“恐怖”嗎？智東西第一時間體驗了Seedance2.0，Seedance2.0所生成的視訊畫風、場景和人物的一致性較高，不會發生畸變現象。模型可以根據其自己對劇情的理解加入運鏡和剪輯，聲效上也可以實現提示詞和參考素材的要求。但在提示詞較為簡單或模糊的情況下，Seedance2.0在動畫人物的面部情感表達上還有些僵硬。體驗地址：https://jimeng.jianying.com/ai-tool/home01.能自動加入運鏡全模態素材均可參考2025年12月16日，Seedance1.5 pro模型發佈，在音視訊聯合生成、音畫同步、多語言、運鏡以及語言理解方面進行了提升。Seedance2.0預計在明天正式發佈，目前在即夢AI官網可以充值會員付費體驗，在小雲雀App中則有三次免費體驗機會。Seedance2.0支援文字、圖片、視訊和音訊作為參考素材輸入。使用者可以同時給它最多9張圖片、3段視訊和3段音訊作為參考，指定動作、運鏡、人物、場景、特效、聲效等，Seedance2.0就可以根據參考材料和提示詞要求，合成視訊。但為了保護隱私，Seedance2.0目前暫不支援上傳包含寫實真人臉部的圖片素材。Seedance2.0可精準還原參考圖的畫面構圖、角色細節，還支援鏡頭語言、複雜的動作節奏、創意特效的復刻。其所生成的視訊支援平滑延長與銜接，可按使用者提示生成連續鏡頭。Seedance2.0的編輯能力也同步增強，支援對已有視訊進行角色更替、刪減、增加。如果沒有參考素材也沒關係，只需要一段簡單的提示詞，該模型就可以根據所描述的情節自動規劃分鏡以及運鏡，還能在劇情需要的地方實現慢動作、鏡頭搖晃等效果。在一致性上，Seedance2.0在生成視訊的同時就可以生成匹配的音效和配樂，並且支援口型同步和情緒匹配。Seedance2.0所生成視訊中的角色和場景還可以在多個鏡頭之間保持一致性，使用者可以用該模型生成一段包含多個鏡頭切換的完整片段。02.體驗：人物場景一致性高汗水灑落可以“以假亂真”智東西上手體驗了Seedance2.0模型，主要考察模型的自運鏡、角色場景一致性和角色替換方面的能力。Seedance2.0所生成的視訊畫風、場景和人物的一致性較高，不會發生畸變現象。模型可以根據其自己對劇情的理解加入運鏡和剪輯，聲效上也可以實現提示詞和參考素材的要求。但在提示詞較為簡單或模糊的情況下，Seedance2.0在動畫人物的面部情感表達上還有些僵硬。首先，我們輸入提示詞：特寫，焦距50mm，扎馬尾的女生坐在窗邊，微笑時有梨渦，在咖啡廳的桌面上的筆記本上寫著什麼，偶爾有思考的停頓，背景虛化呈現，咖啡館的木質桌沿，柔光打在面部，突出輕鬆的氛圍，咖啡廳中放著鋼琴曲。Seedance2.0生成的視訊如下：▲咖啡廳女孩生成片段（來源：智東西體驗）在生成速度上，Seedance2.0生成一段10秒的視訊需要5分鐘左右。從視訊的畫面上來看，在提示詞沒有說如何運鏡的情況下，該模型自動在開頭加了一個漸進的運鏡，讓畫面劇情更加自然和流暢。在漸進的過程中，畫面中的人物、場景都沒有發生畸變，保持了一致性。Seedance 2.0也可以很準確地還原國漫風，我們上傳了一張國風動漫角色圖，要求Seedance2.0參考圖片，生成一段人物自述片段。▲國風參考圖（來源：Seedance2.0）Seedance 2.0生成的視訊就像是某個遊戲的過場CG動畫，視訊的畫風和人物特點都與素材圖片一致，隨風飄動的絲帶和花瓣邊緣輪廓清晰，運動軌跡合乎常理，人物的嘴型和台詞也可以對得上。但是，在人物情緒的表達上，視訊中人物的面部肌肉沒有明顯的變化，情緒表達不夠飽滿。▲國漫生成片段（來源：智東西體驗）最近，一個韓國AI小狗接受採訪的視訊非常火，我們將視訊截圖發給Seedance2.0，讓它將原圖中的小狗換成小貓。▲AI小狗視訊截圖（來源：小紅書）可以看到，Seedance2.0生成的視訊很完整地保留了參考素材的風格，給小貓穿上了睡衣，並且讓小貓雙手張開，並不是簡單地換頭，小三花貓沒有被睡衣覆蓋的肚子部分也還原了真實小貓崽肚子的質感。而且，在音訊上，Seedance2.0也精準地實現了提示詞中所說的25歲女記者和小孩的聲線。▲AI小貓生成片段（來源：智東西體驗）在X上，自媒體博主冰河用Lovart的Skill生成分鏡故事板，直接複製到Seedance2.0中，他說該模型所生成的視訊比他用ComfyUI做的還細緻。▲自媒體博主冰河製作視訊片段（來源：X）AIGC藝術家DynamicWang用Seedance2.0製作了一個模仿Nike品牌廣告風格的短片，短片中共出現了四位不同族裔的女性，每一位角色的身材和肌肉線條都很符合其所進行的運動的標準，且鏡頭角度變動後，角色的臉部特徵依舊保持一致。短片中的運鏡也十分自然，沒有拼接痕跡，慢動作、角度移動的位置都很準確，符合劇情需要。從第一位體操女孩流暢的翻轉跳躍可以看到，Seedance2.0直接攻破了“AI生成不了體操視訊”這個難題。拳擊女生和跑步女生的汗水以及游泳女生濺起的水花，都沒有了此前AI生成的“黏膩感”。在小雲雀App中，有不少使用者都上傳了自己用Seedance2.0生成的視訊片段。有李小龍對戰日本武士：▲使用者上傳案例（來源：小雲雀App）真人版七龍珠：▲使用者上傳案例（來源：小雲雀App）還有仙俠竹林對決：▲使用者案例（來源：小雲雀App）03.結語：Seedance2.0降低表達門檻但提高了對創作者的敘事能力要求從各路大神的體驗、官方案例以及智東西自己的體驗視訊看下來，Seedance2.0最突出的就是運鏡和剪輯能力以及人物和場景的一致性。但其在情感表達的細膩度、中文文字的呈現等方面仍有提升空間。從這一點看，或許Seedance2.0還不足以徹底改變影視界，但Seedance2.0的出現，無疑降低了專業表達的門檻，讓更多人有工具可以將想法可視化。同時，此類AI視訊製作模型也可能加劇內容市場的同質化競爭，並對創作者的原創性、審美和敘事能力提出更高要求。 (智東西)

在一個看似平凡的周二，GitHub 上的一個倉庫以令人顫慄的速度引爆了全球開發者社區——160,000 顆 Star，幾乎在一夜之間達成。這個項目就是OpenClaw——當然，這已經是它的第三個名字了。它最初被稱為Clawdbot，隨後在法律糾紛的壓力下被迫更名為Moltbot，最終才定名為 OpenClaw。但這番波折絲毫沒有阻擋它的爆發，反而讓它顯得更加頑強。當大多數人還在爭論如何通過 API 呼叫雲端大模型時，OpenClaw 的創始人Peter Steinberger已經向世界展示了一種截然不同的未來：一個不需要雲端、不需要訂閱、甚至不再需要複雜介面的“本地智能時代”。這個 Agent 不僅僅是一個聊天框，它更像是一個潛伏在你電腦裡的“幽靈”，擁有接管你滑鼠、鍵盤，甚至控制你特斯拉汽車和智能家居的最高權限。最近著名的訪談節目 Y Combinator 與Peter進行了一場深度的對話，在這場深度對話中，Peter 向我們揭示了 OpenClaw 爆紅背後的頓悟時刻，以及他那套足以顛覆當前 AI 行業邏輯的“逆向哲學”。同時Peter說了一句 “80% 的 App 走向消亡！”1. OpenClaw 是什麼？OpenClaw 是一個開放原始碼的個人 AI 智能體（Agent）。核心特性：與大多數運行在雲端的 AI 不同，OpenClaw 直接運行在使用者的本地電腦上。形態：它被描述為一個居住在你電腦裡的“幽靈”或實體，能夠完全接管和控制你的滑鼠、鍵盤以及本地檔案系統。熱度：該項目在 GitHub 上極其火爆，短時間內獲得了超過 16 萬顆 Star，社區甚至衍生出了讓機器人之間互相交流的項目（如 Maltbook）。2. 它有什麼用？由於在本地運行且擁有系統級權限，OpenClaw 的能力遠超雲端模型（如 ChatGPT）：全能控制：它能做任何人類通過電腦能做的事。不僅限於處理文字，還能控制硬體，例如連接並控制特斯拉汽車、Sonos 音響、智能燈光，甚至調節智能床的溫度。創造性解決問題：它具備極強的“程式碼生成”與“問題解決”能力。訪談中提到的例子是：它能自動識別未知的音訊檔案格式，在本地搜尋工具（如 ffmpeg）進行轉碼，利用發現的 API 金鑰進行雲端轉錄，並最終回覆使用者——這一切都是在沒有預先程式設計的情況下，Agent 自主規劃完成的。群體智能協作：未來的 OpenClaw 不僅服務於個人，還能實現“機器人對機器人（Bot-to-Bot）”的互動。例如，你的訂餐機器人可以直接與餐廳的機器人協商預訂，甚至僱傭人類在現實世界中排隊。3. 為什麼 80% 的 App 會消失？Peter 提出了一個激進的觀點：只要是僅僅用於“管理資料”的 App，都會被取代。邏輯：目前的 App（如 MyFitnessPal、待辦事項軟體）本質上是資料的輸入和展示窗口。Agent 的替代方案：健身/飲食：Agent 通過攝影機看到你在吃漢堡，會自動記錄熱量，或者自動調整你的健身計畫增加有氧運動，你不需要手動打開 App 輸入。待辦事項：你只需口頭告訴 Agent 提醒某事，它就會自動管理，你不需要關心資料存在那個 App 裡。結論：只有那些真正依賴特定硬體感測器的 App 可能會存活，其餘的資料管理類需求將由 Agent 通過自然語言互動統一接管。4. 關於隱私與資料主權OpenClaw 強調資料的所有權歸使用者所有：本地儲存：所有的記憶（Memories）都以Markdown 檔案的形式儲存在使用者的本地硬碟上，而不是被鎖定在科技巨頭（如 OpenAI）的雲端伺服器裡。資料孤島問題：Peter 認為雲端模型公司試圖建立資料護城河，使用者很難匯出自己的資料。而本地 Agent 打破了這一點，使用者可以隨時查看、修改甚至加密這些檔案。靈魂檔案（Soul.md）：Peter 提到他建立了一個不對外開放原始碼的soul.md檔案，裡面定義了 AI 的核心價值觀、性格和互動原則，這讓 AI 擁有獨特的“靈魂”且保護了創造者的隱私設定。5. 逆向的開發哲學Peter 在開發 OpenClaw 時採取了非常“反主流”的技術路線：拒絕 MCP（模型上下文協議）：行業內（如 Anthropic）正在推行 MCP 標準，但 Peter 認為這太複雜且沒必要。他堅持使用CLI（命令列介面）。理由：機器人本質上非常擅長使用 Unix 系統和命令列。CLI 簡單、高效且擴展性強，不需要專門為機器人發明一套新協議。開發環境：他不使用複雜的 Git Worktrees 或 IDE 的雲端同步功能，而是簡單粗暴地在多個終端窗口中平行運行多個程式碼庫副本（Clone）。他認為保持文字同步和簡單的檔案結構比複雜的 UI 工具更高效。以人為本的工具：他的核心邏輯是：給機器人提供人類喜歡用的工具（如 CLI），而不是發明只有機器人能用的複雜協議。「結尾」OpenClaw 的崛起，本質上是對“雲端中心化”思維的一次強力回擊。在 Peter 的願景裡，AI 不應該是巨頭手中昂貴的黑盒，而應該是每個人硬碟裡那一堆觸手可及、完全透明的Markdown 檔案。當我們不再需要打開幾十個 App 去打理生活，當機器人開始像人類社會一樣進行分工協作，當我們的資料主權重新回到自己手中，人機互動的定義將被徹底改寫。這場變革沒有華麗的 UI，只有高效的 CLI（命令列）和無處不在的邏輯推理。或許，80% 的 App 確實正在走向黃昏。而在黃昏之後，一個以本地為中心、由智能體驅動、資料完全自主的新紀元才剛剛開始。OpenClaw 已經為我們打開了一扇窗，至於窗後的未來如何建構，球現在回到了我們每一位建構者的腳下。 (The AI Frontier)

在生命進化的漫長長河裡，“看見”世界比“談論”世界早了整整5億年。如今，AI正在補上這一課。這句充滿進化論智慧的判斷，正是李飛飛對當下AI浪潮的最新註解。在充斥著浮躁與噪音的矽谷，她的聲音始終代表著一種冷靜的遠見。台北時間2月4日凌晨，這位公認的“AI教母”帶著初創公司World Labs現身思科年度AI峰會(Cisco AI Summit)。作為曾經引爆電腦視覺革命的科學家，她沒有隨波逐流於大模型的語言遊戲，而是將目光投向了AI進化的下一塊拼圖：空間智能(Spatial Intelligence)。她認為，AI的下一個巔峰，不只是會寫程式碼和聊天，而是像生物一樣，真實理解並互動我們所處的這個三維空間。而超越技術維度之外，她更為AI的未來立下了一把人文標尺：“AI的成功，應當體現為文明的進步，讓每個個體都能由此追求幸福、繁榮和尊嚴。”以下是本次精彩訪談的解析，為你拆解“空間智能”將如何重塑我們的未來。01 進化論的啟示：感知先於語言很多人認為AI的終極形式是語言模型，但李飛飛提出了一個有趣的視角：從進化論來看，語言其實是“後來者”。她舉例說，在5億多年前的寒武紀，生命體最先發育出的並不是語言，而是感知系統。動物通過觸覺和視覺觀察環境，才開啟了那場讓生命變得更聰明的“進化軍備競賽”。李飛飛認為，“理解、推理並與3D物理世界互動的能力，與語言智能一樣，都是最基礎的底層能力。它是AI的下一個前沿。”這也是World Labs的核心邏輯：如果AI不能像人一樣理解空間，它就永遠無法真正進入現實物理世界。02 什麼是Marble？ 它不只是視訊，而是一個“世界”訪談中，李飛飛詳細介紹了World Labs的第一代模型：Marble。很多人將其與Sora等視訊生成模型混淆，但李飛飛指出，二者有著本質區別。Marble是一種真正意義上的“世界模型”：·全場景互動：它能根據文字或圖片提示，生成一個完整的、可導航的、可互動的3D世界。·物理一致性：它具有幾何結構，不是一段“看起來像”的視訊，而是一個在物理邏輯上始終保持一致的空間。這意味著，它不僅能用來做遊戲，更能直接成為機器人訓練的“虛擬實驗室”。03 意想不到的用例：從機器人到心理治療空間智能的應用邊界在那裡？李飛飛給出的答案超出了很多人的想像：·遊戲與影視：開發者可以用它快速建構可穿行的虛擬世界，特效團隊能進行虛擬製片。·機器人訓練：與輝達等夥伴合作，為機器人提供高精度的模擬環境。·建築設計：設計師能瞬間將平面圖轉化為可步入的3D樣板間。最令人稱奇的是醫療科研。心理學家正利用Marble為強迫症(OCD)患者定製個性化的沉浸式環境，通過模擬特定觸發場景來進行科學干預。04 資料與算力：我們離通用機器人還有多遠？當被問及Marble是否像GPT-5那樣燒錢時，李飛飛顯得很坦誠。目前，Marble的訓練規模比頂級大語言模型要小幾個數量級。這一方面是因為這個領域尚處於“規模定律(Scaling Law)”的早期，另一方面也面臨著資料獲取的挑戰。李飛飛坦言，不同於網際網路上隨處可見的文字，高品質的3D物理資料非常稀缺。她透露，World Labs當下採用一種混合資料策略，綜合利用網際網路級的圖文視訊、模擬資料以及類似自動駕駛公司的“實景捕獲”資料。關於通用機器人，李飛飛也潑了一盆冷水：“汽車只是在二維平面上移動、儘量不去碰東西的‘方盒子’。但通用機器人要在三維空間裡完成靈活、精準的抓取和互動。這是一個極高維度的難題，我們不能亂開空頭支票。”05 拒絕“技術末日論”：AI的成功應關乎尊嚴作為AI領域的領軍人物，李飛飛對當下的兩極分化言論感到擔憂。“技術烏托邦”和“末日生存危機”在她看來都不夠負責任。她強調，技術是雙刃劍，人類必鬚髮揮主觀能動性去引導它。那麼，AI最終的成功標誌是什麼？李飛飛借用了“電力”的類比：電力的成功不在於電線本身，而在於它點亮了學校、溫暖了家庭、延長了人類壽命。“AI的成功，也應當體現在文明的進步，讓每個人都能追求幸福、繁榮和尊嚴。”06 結語從理解像素到建構世界，李飛飛正帶領團隊在空間智能的無人區探索。這不僅是技術的跨越，更是人類試圖賦予數字生命“感知力”的又一次嘗試。空間智能，或許就是我們通往AGI的那把“物理鑰匙”。(以下為發言實錄)主持人：好的。接下來，我們要聊聊3D模型，而不僅僅是語言模型。今天，我們有幸請到了被譽為“AI教母”的李飛飛博士。很榮幸，我們也是飛飛博士公司的投資者。讓我們用掌聲歡迎李飛飛博士上台。我今天該穿上World Labs的周邊T恤的，你之前送過我，真的很有心。李飛飛：是啊，我可還等著思科的周邊呢。主持人：沒問題，我們馬上安排。感謝你來到這裡。看到World Labs在過去一年取得的進展，真的令人欣喜。飛飛，先跟我們聊聊你們目前在做什麼，以及為什麼這件事如此重要？李飛飛：好。現在我每天醒來，腦子裡其實只在想一件事：空間智能(Spatial Intelligence)。這就是我大約兩年前和一群年輕的技術專家共同創辦的公司：World Labs的核心。如果從進化論的角度來看，在5億多年前，最先開啟神經系統發育的並不是語言，而是感知。早在語言出現之前，動物就開始通過觸覺和視覺感知光線、接觸環境。主持人：那你認為“本能”也屬於感知的範疇嗎？李飛飛：對我來說，“本能”是一個比較虛泛的詞。但從物理進化上講，正是視覺開啟了進化史上的“軍備競賽”，讓動物變得更加活躍和聰明。理解、推理、互動並在真實的3D/4D物理世界中穿行的能力，與語言智能一樣，都是最基礎的底層能力。而其中的關鍵技術就是“空間智能”，這是AI的下一個前沿陣地。主持人：聊聊Marble吧。前陣子剛發佈的Marble到底是什麼？李飛飛：Marble是我們的第一代空間智能模型。我們私下管它叫“世界模型”。它能接收多模態輸入：無論是文字、圖片、視訊，還是簡單的3D輸入，然後根據這些提示詞，生成一個可以完全穿行、即時互動、且具有永久一致性的3D世界。這與目前的視訊模型截然不同，它擁有完整的幾何結構，可以支撐機器人模擬訓練或遊戲程式設計。主持人：有一種觀點認為，如果不增強AI的物理特性，我們就無法實現通用人工智慧(AGI)。隨著時間的推移，這裡面最大的“突破口”會是什麼？除了機器人領域，五年後我們還能用它做什麼？李飛飛：其實都不用等五年。現在就已經有使用者在用Marble開發遊戲了，影視特效(VFX)客戶也用它進行虛擬製片。我們正與輝達以及一些初創公司合作，將Marble作為機器人的訓練環境。建築師和設計師用它做室內設計。還有一個令我意外的用例是臨床研究：心理健康研究人員利用它為強迫症(OCD)患者建立沉浸式的個性化環境，來模擬特定的觸發場景。主持人：你把整個人生都奉獻給了AI。在創辦這家公司、研究空間智能的過程中，最讓你感到驚訝的是什麼？李飛飛：過去幾年的發展速度簡直令人窒息。每個人都會感到焦慮，覺得“要讀的東西太多，發佈的模型太快”。這讓我時刻保持謙遜，意識到自己所知甚少。另一件讓我擔憂的事是那些極度兩極分化的言論：要麼是技術烏托邦主義，要麼是“生存危機”之類的末日論。這兩種觀點其實都不太負責任。技術是一把雙刃劍，我們必鬚髮揮主觀能動性，引導它走向善意化和精細化的應用。主持人：在你看來，未來幾年AI的成功標準是什麼？李飛飛：回看電力技術，它的成功在於點亮了學校、溫暖了家庭、推動了工業化，並延長了人類的壽命。AI的成功標誌應該是：文明因它而進步，每個個體都能由此追求幸福、繁榮和尊嚴。主持人：大型世界模型的計算量和語言模型一樣大嗎？李飛飛：目前，我們的模型規模還沒有最大的大語言模型(LLM)那麼大。GPT-5的訓練算力可能在10^26 FLOPS左右，而Marble要小幾個數量級。部分原因是這個領域還很新：Transformer論文發佈於2017年，而世界模型才剛剛開始進入Scaling Law的上升曲線。主持人：語言模型是用網際網路上的免費資料訓練的。但物理資料很難獲取，所以合成資料變得至關重要。資料的匱乏會減慢世界模型的發展嗎？另外，未來我們會擁有通用機器人，還是專用機器人？李飛飛：我們採取的是混合資料策略。語言資料相對幹淨且易於觀察，但像素和體素(Voxel)構成的物理世界則複雜得多。我們利用網際網路規模的文字、圖像和視訊，但也需要模擬資料和“現實世界捕獲”資料，這與特斯拉或Waymo等自動駕駛公司的做法類似。關於機器人：作為科學家，我不喜歡亂開空頭支票。汽車可以看作是一個在二維平面上移動的“方盒子機器人”，它的主要目標是避開障礙物。而通用機器人是一個三維實體，它必須觸碰並與物體互動，且不能損壞它們。這是一個維度高得多的問題，涉及極高的靈活性和空間精準度。主持人：在最後的一分鐘裡，企業端應該如何看待世界模型？李飛飛：空間智能是一項橫向通用技術。除了機器人和遊戲，它還可以應用於醫療、教育、外勤服務、金融服務、農業、製造業和城市規劃。它是下一個前沿領域，我邀請大家共同來探索這個課題。主持人：非常感謝。李飛飛：謝謝。 (網易科技)

1月27日，DeepSeek團隊發佈了DeepSeek-OCR-2模型。來自深圳的智子芯元公司運用自主研發的KernelCAT工具，僅用38分鐘就完成了這款模型在華為昇騰平台的自動化部署和推理驗證。什麼是AI模型適配？AI模型就像一套複雜的指令，不同的晶片能聽懂的語言不一樣。而AI模型適配國產晶片，就是讓模型能在國產晶片上正常運行，還能發揮晶片性能。過去，適配工作主要依靠工程師進行，不僅耗時久，還相當依賴個人經驗，複雜模型往往需要好幾天才能實現適配。而KernelCAT採用“AI+數學運籌最佳化”雙驅動的算子開發範式，將DeepSeek-OCR-2模型自動遷移至昇騰CANN平台僅用約38分鐘，遷移過程中開發者無需進行反覆試錯或深度干預，相關問題由KernelCAT在執行過程中自動處理，直至完成既定的模型遷移任務。昇騰平台（Ascend）是華為面向全場景AI打造的端邊雲協同全端軟硬體與生態體系，核心是“硬體開放、軟體開源”，為AI訓練/推理提供自主可控的國產算力底座 。據微信公眾號“昇騰CANN”發佈消息，在前序模型DeepSeek-OCR部署任務中，KernelCAT給出的方案較原生Transformers方案的加速效果可達139倍。這一結果表明，在KernelCAT支援下，複雜OCR模型可以在國產算力平台上實現可用、穩定、可復現的工程落地。深圳現有人工智慧企業2600余家智子芯元（深圳）科技有限公司由深圳市巨量資料研究院孵化，成立僅5個月。公司專注於以“數學+AI”最佳化AI計算，通過自動化方式生成高性能算子，持續推動算力底層創新。公司聯合創始人丁添此前在接受媒體採訪時表示，“我們不僅在做一家公司，更在探索數學與AI最本質的結合如何轉化為產業生產力，為這座城市的‘硬’產業，修好最關鍵的那條‘軟’路。”作為國家新一代人工智慧創新發展試驗區和創新應用先導區，深圳擁有良好產業基礎、廣闊市場空間和強勁創新活力，近年來，像智子芯元這樣聚焦晶片、大模型等關鍵賽道攻堅的企業不斷湧現，已成為深圳人工智慧產業的核心競爭力。同時，《深圳市加快打造人工智慧先鋒城市行動計畫（2025—2026年）》《深圳市加快推進人工智慧終端產業發展行動計畫（2025—2026年）》等多項政策接連出台，從政策支援、場景開放、創新賦能、要素保障等維度為人工智慧產業發展提供有力支撐。目前，深圳市人工智慧產業規模位居全國前列，連續兩年實現兩位數增長。現有人工智慧企業2600余家，產業鏈覆蓋晶片、模型、硬體及應用等全環節。 (深視新聞)

當前，全球AI大模型的技術焦點正從“對話互動”轉向“自主執行”。在這一趨勢中，國產大模型正展現出獨特的價值與影響力。近日，人工智慧企業月之暗面正式發佈並開源新一代大模型Kimi K2.5。作為該公司迄今最智能、最全能的模型，K2.5在視覺理解、程式碼生成與Agent叢集協作等方面實現重要突破，被AI業界視為國產人工智慧發展的又一標誌性產品。2025年初，DeepSeek-R1憑藉極高的推理效率火遍全球。一年後，月之暗面通過原生多模態與智能體能力的深度融合，進一步體現了國產基座模型在提升智能“密度”與實用效能方面的進階。隨著以Kimi K2.5為代表的AI大模型加速賦能千行百業，其廣泛的應用潛力越發凸顯。KimiK2.5模型全球多榜單領先自2023年成立以來，月之暗面先以“長文字”功能打開市場，隨後推出基於強化學習的K系列模型。這次K2.5的發佈，意味著公司在基礎模型研發上再進一步。相比2025年7月發佈的K2模型，Kimi K2.5模型意義重大。多項測試表明，K2.5在程式設計、視覺、推理和Agent（智能體）任務等多個領域達到國際先進水平。K2.5讓AI更“親民”。通過融合視覺、推理、程式碼和Agent能力，使用者現在只需拍照、截圖或錄屏，就能讓Kimi理解複雜需求，大大降低了與AI的互動門檻。發佈不到一周，來自美國、英國、德國、西班牙、新加坡等近20個國家超50家主串流媒體對Kimi K2.5進行了報導。該模型發佈後，迅速登上多個權威評測榜單前列。在第三方評測機構Artificial Analysis的最新榜單中，Kimi K2.5綜合性能位列全球前五，僅次於GPT-5.2、Claude Opus 4.5、GPT-5.2 Codex和Gemini 3 Pro Preview這四款閉源模型，在開源模型中居首。圖為評測機構Artificial Analysis發佈的最新模型排名Kimi K2.5還進一步提升了開源模型的程式碼水平，尤其是在前端開發領域，通過融合視覺能力降低了程式設計的門檻。比如，K2.5能自動拆解錄屏背後的互動邏輯，用程式碼進行完整復現。開發者社區的反響也十分熱烈。大模型聚合平台OpenRouter平台資料顯示，K2.5的呼叫量已進入全球前三，且仍在快速增長。LMArena榜單也顯示，其程式碼能力在開源模型中居首，總榜排名前三，是前十名中唯一的中國模型。知名程式設計工具Kilo Code近期資料顯示，K2.5已成為平台上呼叫量最高的模型。在程式設計的實際應用中，因具備視覺理解能力，Kimi K2.5模型也成為多家頭部大廠的首選，展現出廣泛的行業適配性。對普通使用者來說，Kimi K2.5模型將Agent能力擴展到日常辦公領域，它已具備處理Word、Excel、PPT、PDF等常用軟體的高階技能，能幫助使用者直接交付准專業水平的辦公文件。更值得關注的是，Kimi K2.5首次引入了“Agent叢集”能力，可以自主建立多達100個的數字“分身”，按需組成不同角色的團隊，平行工作，團隊作戰，獲得效率的極大提升。例如，使用者輸入40篇論文後，K2.5會先通讀全文，再派生子Agent分別撰寫不同章節，最後由主Agent整合成一份完整的PDF報告。這種“團隊作戰”模式極大提升了效率。圖為評測平台Design Arena發佈的榜單，Kimi K2.5位列第一最新資料顯示，Kimi K2.5已登上評測平台Design Arena榜單首位。該平台主要評測AI大模型的“視覺+互動+創意”能力，此結果印證了K2.5在“設計智能體”領域的綜合領先優勢。隨著應用場景的持續拓展與技術的穩步迭代，Kimi K2.5有望在全球範圍內推動AI應用走向更廣、更深的落地，為各行各業的智能化轉型提供切實助力。國產AI大模型影響力持續提升Kimi K2.5模型的快速破圈，不僅是國產AI模型的一次“實戰測試”，更是中國開源模式憑藉技術能力和性價比優勢在全球舞台嶄露頭角的重要體現。從DeepSeek-R1以強化學習最佳化實現“效率革命”，到月之暗面Kimi K2.5實現原生多模態與智能體叢集能力的融合突破，國產大模型在技術體繫上完成了從單點突破到系統化創新的範式躍遷，影響力持續提升。大模型能力是人工智慧走向規模化應用的核心基石。Kimi K2.5的發佈，體現了人工智慧行業將加速從“聊天互動”轉向以“自主執行”為目標的智能體新階段。以“Agent叢集”為例，過去工程師需要逐行編寫程式碼的複雜流程，如今僅憑一條自然語言指令，即可調度上百個智能體協同作業、平行處理。業內分析認為，這一從“單一模型智能”向“多智能體群體協作”的躍遷，是企業級AI開發的下一個前沿。當前，智能體技術正逐漸從實驗室走向實際應用，進入規模化落地階段。在政策引導與產業鏈協同創新的雙輪驅動下，中國在場景、資料與工程化方面的優勢持續釋放，為AI產業形成全球競爭力奠定了基礎。在市場與資本的雙重助推下，頭部企業正將資源聚焦於下一代技術的攻堅。月之暗面創始人楊植麟表示，下一代模型將採用Kimi Delta Attention新型線性注意力機制，進一步提升短長文字任務性能與速度。同時，未來的大模型還將具備更多“審美”和“價值觀”，擺脫同質化發展。“我們致力於在未來十年、二十年，推動K系列模型從K4、K5到K100實現代際跨越。”楊植麟表示，當前多款中國開源模型已成為事實上的行業基準，“中國技術不僅要好用，還要參與制定規則”。 (瞭望財經)

2006年的房地產，是公認的黃金賽道，需求爆發、資本扎堆，房價與投資熱度一路走高，成為拉動經濟、創造財富的核心引擎，開啟了長達十餘年的繁榮周期。如今2026年，AI應用正迎來類似的爆發期，從工業製造、企業辦公到消費終端、民生服務，AI全面滲透各領域，降本增效、提質升級的效果肉眼可見。資料顯示，2025-2030年全球AI市場規模將從2440億美元飆升至8270億美元，復合年增長率高達24%，遠超物聯網和公共雲等熱門領域。再者，技術迭代加速、政策持續加持、資本密集佈局，AI商業化落地與規模化應用全面提速，滲透廣度與增長潛力堪比當年的房地產，正成為新一輪產業升級與經濟增長的核心驅動力，長期發展前景十分廣闊。01技術迭代+政策護航，AI產業迎來全方位賦能AI產業的快速發展，離不開技術突破與政策支援的雙重驅動。全球範圍內，大模型性能持續提升，各主流模型在語言理解、程式碼生成、電腦視覺等核心領域的差距不斷縮小，為廣泛應用奠定了堅實基礎。2025年7月底，AI大模型Token總使用量已達3.41T，相較年初增長近10倍，直觀反映出技術落地的加速態勢。在政策層面，國務院發佈的《關於深入實施“人工智慧+”行動的意見》，明確了“發展——應用——安全——治理”的清晰路徑，規劃了到2027年、2030年和2035年的三階段里程碑目標。從算力統籌、資料創新到開源生態、人才建設，八大基礎支撐為AI產業保駕護航，推動智能經濟核心產業規模快速增長。與此同時，AI產業鏈生態日趨完善。上游的AI晶片、伺服器等算力基礎設施持續升級，中游的通用大模型與行業解決方案不斷創新，下游的網際網路、金融、教育、醫療等應用領域加速滲透，形成了協同發展的良好格局。這種全產業鏈的協同發力，讓AI技術的落地效率大幅提升，為產業爆發提供了充足動力。02多場景落地開花，AI重塑產業價值格局AI技術的價值，最終體現在豐富的應用場景中。目前，AI已在內容創作、行銷推廣、軟體開發、遊戲產業等多個領域實現規模化落地，不僅帶來了效率的革命，更催生了全新的商業模式。在內容創作領域，AI的賦能效果最為顯著。從圖片生成、視訊剪輯到文案撰寫、劇本創作，AI工具讓內容生產的門檻大幅降低。2025年上半年，全球生成式AI應用下載量接近17億次，應用內購買收入高達19億美元，使用者總使用時長達到156億小時。國內市場同樣火爆，AI漫劇成為新風口，2024第四季度到2025第三季度，中國AI漫畫流水增長900%，月新增劇集數增長567%，抖音、快手等平台紛紛推出AI創作工具與流量扶持計畫，推動全民創作時代的到來。行銷領域更是AI應用的核心戰場。AI驅動的智能投放系統能夠精準分析使用者畫像，實現廣告素材的自動化生成與即時最佳化，大幅提升行銷ROI。藍色游標2025年前三季度AI驅動業務收入達24.7億元，Mobvista核心平台Mintegral的AI智能競價系統貢獻了80%以上的收入，易點天下打造“服務+產品”雙輪驅動戰略成效顯著，跨境電商領域市佔率穩步提升同時，深耕智能家居、新消費、短劇、AI產品等高潛力賽道，頭部客戶的LTV海外市場中AI類應用的數字廣告支出也實現翻倍增長，充分證明了AI在行銷領域的商業價值。此外，AI在軟體開發、遊戲研發等領域的應用也成效顯著。82%的開發者使用AI工具編寫程式碼，工作效率提升超120%；遊戲行業中，86.36%的企業在研發環節應用AI技術，實現了內容生成、系統設計等環節的降本增效。AI正全方位重塑各產業的價值創造方式。03平台+企業雙輪驅動，商業化變現路徑清晰AI產業的蓬勃發展，離不開平台型企業與垂直領域龍頭的共同推動，兩者形成的雙輪驅動格局，讓商業化變現路徑愈發清晰。在平台端，抖音、快手、B站等新媒體平台成為AI應用的重要載體。抖音以豆包大模型為核心，將AIGC技術嵌入內容生產、剪輯、發佈、行銷的全流程，推出“AI創作浪潮計畫”扶持創作者；快手可靈AI全球使用者規模突破4500萬，2025年第二季度收入超2.5億元，其文生視訊模型在全球市場佔據30%的份額；B站、小紅書等平台也紛紛上線AI創作工具，推動內容生態的智能化升級。這些平台憑藉龐大的使用者基數與流量優勢，成為AI技術落地的“試驗場”與“放大器”。在企業端，各類市場主體積極擁抱AI，實現了業務增長與效率提升的雙重突破。美圖憑藉AI圖像、視訊、設計等四大模組的佈局，全球VIP會員數突破千萬，生產力工具付費訂閱使用者達180萬。多鄰國通過AI驅動的高端套餐Duolingo Max，2025年第二季度營收同比增長41%，淨利潤增長84%，股價單日飆升32%；Palantir推出的人工智慧平台AIP，推動公司2025年第二季度收入同比增長48%，“40法則”得分高達94%。這些企業的成功案例，印證了AI技術商業化的巨大潛力。同時，AI產品出海成為新的增長點。在圖像、視訊編輯和社交領域，美圖系、字節系應用佔據全球流量入口，國內模型通過與海外平台合作分發，影響力持續擴大，為行業增長開闢了新的空間。04投資建議：聚焦核心賽道，把握AI成長紅利AI產業的爆發式增長，為投資者提供了豐富的投資機會。結合行業發展趨勢與企業表現，建議重點關注以下三大方向：一是內容與流量平台型企業。這類企業憑藉龐大的使用者基礎與完善的生態佈局，在AI應用落地中具備天然優勢。二是AI行銷與商業化落地龍頭。行銷領域是AI技術率先實現規模化變現的賽道，相關企業業績增長確定性強。三是垂直領域AI應用先鋒。在遊戲、教育、設計等垂直領域，AI技術的應用正在催生新的增長機遇。 (格隆)

2026 年 1 月，蘋果與Google確認達成合作，Gemini 將成為 Apple Intelligence 體系的重要技術支撐之一，並用於包括新版個性化 Siri 在內的多項系統級 AI 功能。這並不是一次簡單的 API 接入，而是涉及模型能力、雲端計算以及系統層級整合的深度合作。對外界來說，這個消息的衝擊力，甚至超過了很多具體功能本身：過去三年裡，蘋果在 AI 領域畫過的餅太多，但真正落地的成果太少。WWDC 上展示過的「更懂上下文的 Siri」「能跨應用執行複雜操作的 Siri」更是一次次延期，直到 2026 年，這些能力依然沒有完整交付。圖片來源：Apple而這一次，蘋果沒有繼續強調「完全自研」，而是選擇直接引入 Gemini 作為核心能力來源。更有消息稱，這個全新的 Siri 不久後就會在 iOS 27 的測試版中亮相。考慮到 Siri 和 Apple Intelligence 的畫餅歷史，雷科技對更智能的 Siri 始終持懷疑態度。而這次蘋果與Google的合作，至少說明了一件事——蘋果已經不再堅持「凡事都要自己來」了。Siri 也曾是先進技術的代表不過話又說回來，儘管國內使用者對 Siri 評價非常一般，但作為手機智能助手裡的「老資歷」，Siri 的誕生其實一點都不保守：2011 年，Siri 隨 iPhone 4S 正式發佈，是業內第一批被大規模推向消費級市場的語音助手。要知道在當時，語音互動還停留在指令式輸入的階段，Siri 已經開始嘗試提供語言理解、上下文關聯和服務整合。至少在那個階段，Siri 的出現是具備明顯前瞻性的。但問題在於，作為蘋果的技術產品，Siri 的發展路徑從一開始就被框在了一個保守的技術邊界內。蘋果很早就為 Siri 定下了幾個不容妥協的前提：優先保護隱私、儘可能在端側完成計算、系統行為高度可控。在傳統功能型語音助手時代，這套邏輯是成立的。因為當時的 Siri，本質上只是一個「語音入口」，負責把使用者指令轉譯成系統操作；但當 AI 進入大模型時代，更複雜的 AI 指令帶來了更大的算力缺口，Siri 也開始變得力不從心起來。與 AI 時代脫節不是「一日之寒」在雷科技看來，這種頂層路線的不合時宜，才是 Siri 在 AI 時代體驗「遙遙落後」的根本原因。首先，Siri 的模型規模與能力註定了它不可能好用。在大模型時代，聰明本身就是一種資源密集型能力。更強的理解力、更自然的對話、更複雜的任務拆解，本質上都依賴大規模模型和持續的雲端算力支援。圖片來源：Apple而蘋果在這件事上，一直保持克制：一方面，蘋果希望把 AI 能力儘量壓到端側，減少資料外流；另一方面，蘋果在自建雲端算力上的節奏，也明顯慢於Google、微軟這樣的雲服務原生廠商。這導致 Siri 背後的模型規模長期受限，能力提升緩慢，而使用者對 AI 的期待，卻在 ChatGPT、Gemini 等產品的推動下迅速被拉高。其次，是組織和人才的問題。過去幾年裡，蘋果 AI 團隊的人員流動並不小。從公開資訊來看，不少原本參與核心模型研發的工程師和管理層，陸續被 OpenAI、Google、Meta 等公司吸納。這種流失並不罕見，但在一個高度依賴長期積累的領域，會直接影響研發節奏。更不用說蘋果內部的保密文化對 AI 人才的限制了。在 AI 時代，任何一個技術突破都能在短時間內形成論文、成為研究人員的光鮮履歷和跳槽時的底氣。但在蘋果的保密文化下，除了極少數頭部負責人有在公眾面前露面的機會，大多數研究員都無法將技術與自己掛鉤。在這樣的文化背景下，蘋果 AI 團隊成員接連出走已成必然。而蘋果與 Google、Meta、OpenAI 等巨頭之間的能力差距，也逐漸消耗了外界對 Apple Intelligence 的耐心。能滿足蘋果條件的 AI 模型並不多當然了，蘋果也嘗試過自救，比如講 Apple Intelligence 接入 ChatGPT。但在雷科技看來，對蘋果來說，與Google合作確實是一個更合適當前局面的選擇。首先，OpenAI 的模型能力很大程度上依賴微軟 Azure 的算力。如果蘋果選擇深度繫結 OpenAI，實際上等於在核心 AI 能力上間接受制於微軟，這顯然不符合蘋果一貫強調的獨立性。而Google不僅擁有 Gemini 這樣的自研模型體系，同時也具備成熟的全球雲基礎設施，以及長期服務 Android 與 Pixel 裝置的經驗。在「如何把大模型穩定地嵌入移動系統」這件事上，Google是少數有實戰經驗的公司之一。圖片來源：Google其次，是多模態能力的契合度。Siri 的下一步顯然不是「更會聊天」，而是要理解螢幕、理解應用狀態、理解使用者正在做什麼。這種高度依賴多模態理解的能力，恰好是 Gemini 的強項之一。從這個角度看，Gemini 並不是來「替代 Siri」，而是成為 Siri 背後的理解層和推理層。當然了，既然是雙方合作，那Google的合作態度也非常重要。根據已披露的資訊，Siri 背後的 Gemini 並非直接運行在Google公有雲上，而是被部署在蘋果自建的私有雲端運算體系中。這意味著蘋果依然可以控制資料路徑，維持其隱私敘事。而像 Gemini 這樣同時滿足「模型能力」「雲算力」「隱私控制」這三點的合作方，確實不多。Gemini 能讓蘋果回到 AI 一線嗎？從能力上看，Gemini 的引入，確實有機會補上 Siri 在理解力和執行力上的短板。更複雜的指令拆解、更自然的上下文延續、更穩定的跨應用操作，都是現階段 Siri 明顯欠缺的能力。但這能否把 Siri 重新帶回 AI 助手的第一梯隊，雷科技認為 Gemini 的「藥效」還沒有這麼強。我們知道，AI 能力並不只取決於模型本身，「感知權限」同樣重要。如果蘋果想讓 Siri 重回一線，必然需要在系統層級，真正放權給 Siri。過去 Siri 的很多問題，並不是「不聰明」，而是「不能做」：權限受限、介面不開放、應用不配合，都會直接限制 AI 助手的實際價值。而對國內使用者來說，蘋果與Google的合作也讓 Apple Intelligence 國內落地的情況變得更複雜：Gemini 的引入，必然能為 Siri 帶來質變的提升；但海外模型國內落地的合規性依舊是一道無法繞過的門檻。在這個時間點切換模型，很可能會讓 Apple Intelligence 的入華工作清零。幸運的是，這種不確定性也為國內 AI 廠商創造了機會。圖片來源：豆包如果蘋果證明了一件事——系統級 AI 助手，必須依託頂級模型能力，那麼Android陣營的硬體廠商，也勢必會加快與頭部模型廠商的深度合作。無論是字節、阿里，還是其他大模型團隊，都會迎來新的談判空間。說到底，Siri 和 Gemini 的合作，其實也是蘋果在 AI 時代的一次路線修正。蘋果用直白的技術代差，證明了「有些事情自己真不一定能做」。說到底，iOS 27 能否真正補上那塊畫了三年的 AI 大餅，這個問題沒人說得準。但至少在 2026 年，蘋果終於站到了正確的道路上了。 (雷科技)

特斯拉的“世界模型”對手來了？這家中國公司用AI造了個無限試煉場。“物理AI的‘ChatGPT時刻’已經到來。”在2026年CES展上，輝達CEO黃仁勳斷言，那些能理解並規劃物理世界的AI模型將重塑千行百業，而“自動駕駛將是其首個大規模主流落地場景”。然而，在自動駕駛時代全面到來之前，那些1%的長尾場景成為了核心障礙。特斯拉CEO埃隆·馬斯克感同身受，就像他說的，“讓自動駕駛達到99%容易，解決剩下的‘長尾問題’卻非常困難。”但科技巨頭們已經達到了共識，必須建構一個無限逼近現實、甚至能主動創造未知的高保真的“數字宇宙”。這個虛擬世界不僅要能精準復現已知的各種極端路況，更要能主動合成未知的、甚至超出人類想像的複雜互動場景，讓自動駕駛系統得以持續進行“飽和式”的訓練與迭代。為此，特斯拉研發了世界模型，輝達通過高精模擬建構虛擬試驗場Cosmos，中國自動駕駛明星企業文遠知行則發佈了通用模擬模型WeRide GENESIS，它們都在教AI理解物理世界。不難看出，模擬模型正在成為推動自動駕駛跨越長尾鴻溝、駛向規模化落地的關鍵。01.模擬模型破局自動駕駛“最後一公里”自動駕駛汽車需要經歷多少測試才算足夠安全？業界的一份測算指出：至少110億英里（約177億公里）的測試里程，才能獲得高置信度的安全驗證。而傳統的實地路測因成本高昂、周期漫長、法規限制、極端危險場景難以復現以及安全風險高等問題，已成為自動駕駛商業化的主要障礙。在這一背景下，自動駕駛模擬憑藉其安全、可控、可無限重複的核心優勢，成為推動自動駕駛跨越商業化臨界點的關鍵“試金石”。國際調研機構Fortune Business Insights預示了模擬的廣闊前景：到2032年，全球模擬測試市場規模預計將達341.4億美元（約合人民幣2374億元），維持高速增長。全球科技巨頭已在此領域展開激烈角逐。Waymo推出了自動駕駛模擬軟體Simulation City，用以高效生成極端場景、訓練自動駕駛系統。特斯拉官宣了“世界模擬器”，旨在用AI直接模擬物理世界，擴充演算法應對邊緣場景的能力。然而，建構真正有效的“數字試金石”遠非易事，當前技術仍面臨幾大核心挑戰：1、保真度鴻溝：虛擬環境往往在關鍵細節上與真實世界存在差距。例如精確模擬暴雨對雷射雷達的干擾、夜間複雜的光影反射等場景，仍是技術難點。2、互動真實性不足：許多模擬系統中的交通參與者（車輛、行人）行為模型過於呆板，難以復現人類駕駛員的複雜決策，導致互動場景失真。3、閉環迭代難打通：打造能夠自動發現問題、精準診斷根因、持續最佳化演算法並即時驗證效果的自我進化體系，對許多企業來說仍是挑戰。這些侷限性共同導致了模擬在應對極端場景時的乏力，成為自動駕駛突破商業化落地的“最後一公里”阻礙。模擬模型必須進行一場從“場景復現”到“智能進化”的範式升級。換句話說，它不應是回放已知困難場景的“錄影機”，而需進化成為能夠主動發現系統未知弱點、生成高價值對抗性場景的“陪練”。02.WeRide GENESIS刷“副本”自己訓練自己面對“百億公里”的驗證鴻溝與長尾場景的現實挑戰，行業討論重心已從“是否需要模擬”轉向“需要多強的模擬”。有觀點認為，必須通過高保真、高效率的模擬技術，建構一個能無限逼近現實、甚至能主動創造未知的“數字宇宙”。文遠知行發佈的自研通用模擬模型WeRide GENESIS，正是朝這一方向進行的關鍵探索。▲文遠知行發佈WeRide GENESIS文遠知行的WeRide GENESIS模擬模型具備那些能力？WeRide GENESIS基於生成式AI技術，可在幾分鐘內生成高度真實的模擬城市環境，還原現實道路中罕見的極端長尾場景，高保真復刻任意現實路況。該模擬平台還允許自由編寫與組合任意場景，例如移除或增加特定的交通參與者，或模擬車輛變道博弈。在感測器層面，WeRide GENESIS可合成任意不同位置和視角的感測器資料，並適配從L2++到L4不同自動駕駛等級的任意感測器套件，確保了模擬與真實車輛配置的一致性。最終，這些能力可以擴展至模擬任意大範圍的數字街區，使自動駕駛系統在虛擬環境中完成充分訓練與測試，從而大幅提升演算法應對複雜場景的能力與迭代效率。這套能力是如何打造的？WeRide GENESIS將其核心能力拆解並內化為四個相互協同的AI模組，即AI場景、AI主體、AI指標、AI診斷。▲WeRide GENESIS的四大AI模組AI場景模組負責建構各類關鍵情境，通過生成式AI技術，它可以組合衍生出近乎無限的複雜情境，如臨車加塞、行人“鬼探頭”、火災地震、極端天氣以及其他稀有事件等，確保自動駕駛系統具備應對各種複雜邊界場景的能力。這相當於將測試從“在路上等待Bug出現”轉變為“在模擬中主動進行飽和式壓力測試”，系統性地觸探演算法的邊界。AI主體模組其實就是讓系統告別“呆板NPC”，擁抱複雜人性。傳統模擬中的交通參與者（車輛、行人等）行為往往簡單、平均，且可預測，這與現實世界中充滿不確定性和主觀意圖的複雜互動相去甚遠。GENESIS的AI主體模組則致力於為每一位交通參與者建構智能行為模型，使其能夠模擬從日常駕駛到高風險行為的全譜系反應。例如，它可以模擬在路口猶豫不決最終又突然加速搶行的駕駛員，或者在車縫中穿梭的外賣騎手。這種對客體不確定性互動的模擬，對自動駕駛系統提升在實際複雜交通流中的應變能力極為重要。▲自車駕駛表現對比如對比視訊所示，在左側“原始演算法+無AI主體”的組合下，自車表現猶豫，直至對向車輛完全通過後才開始通行，無法滿足效率要求；在中間“新演算法+無AI主體”的模擬中，自車僅按預設軌跡行駛，缺乏對周邊車輛行為的預測，最後發生碰撞，無法滿足安全要求；在最右側“新演算法+AI主體”的加持下，自車能夠即時判斷周邊車輛的行駛意圖，在確保安全的前提下流暢通過，實現了效率和安全雙重保障。當系統出現問題時，如何客觀評估其影響？AI指標模組建立了一套覆蓋安全、合規、舒適、效率的多維度量化評估體系。例如，一次急剎車帶來的乘客不適感，可以被轉化為舒適度評分；一次變道的流暢與否，可以通過軌跡平滑度、加速度變化等多個指標客觀衡量。▲舒適度曲線畫面中的舒適度曲線（Comfort Score）是“AI指標”模組的核心指標之一，動態量化了行駛過程中的乘客舒適度，為演算法評估和迭代提供了即時判斷依據。畫面均由WeRide GENESIS生成。這使得演算法迭代的效果變得一目瞭然，演算法最佳化有了精準的資料導航，而非依賴工程師的主觀經驗。當演算法在某個場景下表現不佳時，“AI診斷”模組會自動介入，像一位資深專家一樣進行問題溯源，更能進一步分析根本原因，並提供可執行的修復建議。隨後，修復後的演算法可被立即重新投入該場景進行驗證，形成“測試-診斷-修復-驗證”的快速閉環。值得注意的是，這四大AI模組並非孤立運作，而是構成了一個完整的自動駕駛研發閉環迭代體系。AI場景源源不斷製造高難度考題；AI主體在其中扮演狡黠的“考官”；AI指標進行毫秒級、全方位的“閱卷”；AI診斷則對錯題進行深度復盤並給出“解題思路”。原本需要耗時數年、耗費巨資的真實道路測試與演算法調優過程，可以在虛擬世界中以天為單位的高效迭代中完成。▲WeRide GENESIS為自動駕駛技術迭代提供“加速飛輪”03.加速全球商業化部署進度條對文遠知行而言，WeRide GENESIS已超越單一研發工具，成為實現規模商業化的戰略基石，它將從四個維度建構關鍵支撐：首先，破解泛化難題，為跨區域落地鋪平道路。面對全球不同城市路網、交通習慣、法規等差異，傳統一地一測的模式效率低下，WeRide GENESIS大幅提升了自動駕駛系統的泛化能力。通過虛擬模擬，WeRide GENESIS突破了真實路測在場景覆蓋、成本與效率上的侷限，為多城市、多場景的規模化商業落地提供了可靠支撐。其次，閉環迭代體系，提升研發效率與安全性。通過四大AI模組的協同，WeRide GENESIS實現了“生成場景-量化評估-診斷最佳化”的完整閉環。該系統能持續生成高價值場景、找到性能瓶頸並提供最佳化方向，將數百萬公里測試壓縮至數天的虛擬模擬，提升演算法迭代效率與行車安全性。此外，降低測試成本，加速技術落地。WeRide GENESIS在虛擬環境中進行自動駕駛測試，節省了車隊營運、人力等巨額邊際成本，為解決Robotaxi規模化盈利難題提供了技術前提。最終，建構可擴展的“數字宇宙”，支撐全球化部署。文遠知行CTO李岩將WeRide GENESIS視為可隨時生成、擴展的“數字宇宙”。它能為任何目標城市建構“數字副本”，讓自動駕駛系統可以進行超大規模的營運推演和演算法調優，為全球商業部署打下基礎。在這一能力底座的驅動下，文遠知行取得了一系列行業矚目的營運成果。其L4級Robotaxi服務已在北京、廣州、阿布扎比等全球超10座城市落地。截至2026年1月12日，文遠知行全球Robotaxi車隊規模達到1023輛，正式邁入“千輛時代”。▲文遠知行Robotaxi已進入全球超10座城市作為全球唯一在8個國家獲得自動駕駛牌照的公司，文遠知行已經在全球11個國家超40個城市開展自動駕駛研發、測試及營運，營運天數超2300天，持續驅動其商業版圖高效、快速地向全球新市場複製與落地。04.結語：全球自動駕駛商業化提速隨著WeRide GENESIS的不斷完善與應用，文遠知行自動駕駛技術正持續良性循環：更完備的模擬平台催生更強大的自動駕駛演算法，更強大的演算法加快了商業部署，而規模化營運產生的海量資料，又推動模擬平台迭代最佳化……在一個可以無限生成、無限測試的“數字宇宙”中，未來自動駕駛的成熟速度將遠超我們想像。文遠知行通過WeRide GENESIS，已經在全球自動駕駛競爭中佔據了有利位置，而全球自動駕駛商業化也正加速駛來。 (車東西)