MoneyDJ新聞 2026-03-06 06:17:13 黃文章 發佈紐約商品期貨交易所（COMEX）4月黃金期貨3月5日收盤下跌56美元或1.1%至每盎司5,078.7美元，因美元與美債殖利率上揚；美元指數上漲0.5%，5月白銀期貨下跌2.5%至每盎司81.285美元。紐約商業交易所（NYMEX）4月鉑金期貨下跌2.4%至每盎司2,113.9美元，6月鈀金期貨下跌3.6%至每盎司1,636.5美元。全球最大黃金ETF道富財富黃金指數基金（SPDR Gold Shares, GLD）5日黃金持有量減少18.01公噸至1,081.04公噸。最大的白銀ETF安碩白銀指數基金（iShares Silver Trust, SLV），白銀持有量減少33.81公噸至15,947.57公噸。世界鉑金投資協會（WPIC）3月4日發布季報表示，鉑金市場在2025年錄得連續第三年供應短缺。值得注意的是，自2023年以來，短缺規模逐年擴大，而2025年108.2萬盎司的供給缺口，是自WPIC自2013年開始統計以來最大的一次短缺。報告表示，去年的一個關鍵特徵是，受持續供應缺口、地上庫存降至不可持續的低水平，以及波動的宏觀政治環境推動所有貴金屬投資情緒轉為有利影響，鉑金價格上漲超過一倍。展望2026年，此前對市場將達到平衡的預期現已修正為24萬盎司的缺口。這反映出強勁的投資者情緒支撐ETF持倉維持穩定，以及貿易擔憂使交易所庫存維持在較高水平。世界鉑金投資協會研究總監愛德華·斯特克（Edward Sterck）表示，儘管今年預測的赤字規模較小，但市場基本面仍然緊張，預計即便波動性仍處於高位，也將為價格提供進一步支撐。斯特克表示：「我們已經歷三年高峰赤字，這已將地上庫存消耗至不可持續的低水準。」根據WPIC數據，自2023年以來的累計赤字已接近300萬盎司，預計到2026年底，全球地上庫存將降至約260萬盎司，相當於略高於全球四個月的需求量。報告表示，2025年鉑金總供應量年減1%，降至721.5萬盎司。礦山供應年減4%，部分被回收供應年增10%所抵消。2025年鉑金總需求量年增1%，達829.7萬盎司。鉑金投資需求年增65%，珠寶需求年增9%，創下自2018年以來最佳表現。這些增幅足以抵消工業需求的周期性低谷。2025年鉑金市場缺口為108.2萬盎司，較原先預測的69.2萬盎司缺口高出39萬盎司。缺口擴大的原因在於投資需求高於預期，主要來自ETF持倉與交易所庫存的強勁增長。報告預計2026年鉑金總供應量較2025年增加2%。受價格上漲激勵，報廢汽車催化劑的加工量增加以及更多珠寶廢料出售，回收供應預計年增10%。礦山供應預計保持穩定。預計2026年鉑金總需求量將年減8%，降至761.9萬盎司，因2025年交易所庫存與ETF的大量累積預計不會在今年重現。預計2026年鉑金市場將出現24萬盎司的供給缺口。斯特克指出，投資資金流向的轉變，是2026年供給缺口在數字上看起來大幅縮小的關鍵原因。他表示：「我們預期不會再出現2025年那樣規模的ETF累積或交易所庫存增加。」投資需求仍然穩健，許多ETF持有人維持部位，預期價格將進一步上漲。他說：「我們預期ETF持有人將繼續持有投資，推測他們預期在更高價格水準獲得獲利機會。」工業需求將放緩但仍保持強勁，多數領域的基礎需求情況仍相對穩健。2026年工業需求預計將反彈11%，達212.4萬盎司，主要由玻璃產業產能再擴張，以及化工與氫能應用成長所帶動。珠寶需求方面，在2025年強勁增長之後，預計今年將回落12%，主要因鉑金價格上漲以及中國加工需求疲弱所致。2026年汽車需求——鉑金消費的最大來源——預計將小幅下降3%至294.3萬盎司，反映汽車產量及動力系統結構變化。儘管如此，斯特克表示，電動車普及速度放緩與混合動力車產量增加，正持續為觸媒轉換器中的鉑金需求提供支撐。他說：「部分地區環保目標有所放寬，這實際上意味著內燃機與混合動力車型將在市場中存在更長時間。這對汽車領域的鉑金需求是利多。」紐約商品期貨交易所（COMEX）5月期銅3月5日收盤下跌1.6%至每磅5.7970美元。（圖片來源：MoneyDJ理財網資料庫）https://www.moneydj.com/KMDJ/News/NewsViewer.aspx?a=e5c3799c-eb20-4136-be31-27ed37d2d9b0----------------------洽詢國內外期貨手續費專線洽詢 0935-884886加LINE洽詢服務:  pei098康和期貨佩君康和期貨手機線上開戶24小時約10分鐘申請低價手續費免出門好方便!!!營業員務必點寫:凌佩君即可享有手續費低價優惠專案價手機點選:【康和期貨線上開戶】​​​​康和期貨線上開戶營業員請指名:凌佩君

討論瑞士錶時，品牌與價格常被放在前面，但真正影響佩戴時間長短的，是製錶流程中各環節的掌握程度。瑞士錶的分層，來自結構設計、機芯製作與後續維修取向的差異。本文從瑞士錶成為製錶標準的背景出發，整理瑞士錶等級，協助理解瑞士錶入門到頂級之間的工藝分層。一、瑞士錶成為製錶標準的因素瑞士錶會被視為製錶標準，關鍵在於長時間累積而成的一套製作體系。從早期家庭工坊的分工合作，到後來製錶學校與工會制度的建立，再到今日成熟完整的供應鏈，瑞士逐步形成一個可以長期運作的製錶環境。這套體系關注的不只是一枚完成的腕錶，也涵蓋零件來源、裝配流程、調校方式，以及後續維修的可行性。「Swiss Made」所代表的，是一種具體的門檻規範。機芯設計、組裝與調校需在瑞士完成，零件成本比例也有明確要求。這樣的制度，使瑞士錶在品質穩定度與製作一致性上建立明顯基準，也讓消費者在面對不同瑞士錶品牌時，能對基本水準有相對清楚的預期。二、瑞士錶等級拉開的關鍵瑞士錶等級通常不以價格作為唯一依據，而是回到品牌在製錶流程中掌握的核心程度。入門層級的瑞士錶，多半採用成熟穩定的通用機芯，重點放在外觀比例、佩戴舒適度與日常可靠性；隨著層級提升，開始出現自製機芯、結構調整，以及更高標準的零件修飾與組裝要求。層次差異多半體現在複雜功能與整體完成度上。品牌是否具備自行設計、製作、組裝與調校複雜結構的能力，會直接影響其在瑞士錶等級中的位置。因此瑞士錶等級看似沒有明確分界，實際上卻存在清楚共識。熟悉製錶的人，會從機芯結構、修飾細節與長期穩定表現中辨識差異，而非單純以標價作為判斷依據。三、不同瑞士錶品牌面臨的問題每一個瑞士錶品牌，其實都在解決不同的問題。入門與中階品牌，重點通常放在「如何讓機械錶更容易被接受」，包含耐用性、維修便利性與價格控制；高階品牌則必須思考「如何在既有技術上持續深化」，避免只是重複過去的成功經驗。到了頂級層級，問題又不一樣了。這些品牌面對的課題，在於如何維持製錶語言的一致性，以及如何在不偏離核心精神的情況下持續推進技術。從這個角度來看，瑞士錶品牌之間的差異，更像是反映各自所處的位置與所承擔的角色，而非單純以高低強弱來衡量。四、瑞士錶從入門到頂級的品牌對照表選擇品牌時，重點不在於「一次到位」，是否符合當下的生活節奏與佩戴需求率最需重視的。以下是常見的分層邏輯整理：如果從整體定位來看，瑞士錶品牌其實可以大致分為入門、中階、高階與頂級等不同層級。每個層級在製錶技術、設計細節與使用取向上，都有明顯差異。首先是瑞士錶入門級。這類品牌通常採用通用機芯，整體品質穩定，設計風格清楚且實用，主要訴求是讓更多人能夠輕鬆接觸機械錶。對多數消費者來說，這一層級的腕錶非常適合日常佩戴，也常成為許多人第一次接觸機械錶的入門選擇。再來是中階瑞士錶。這個層級的品牌開始加入部分自製機芯，整體風格更加鮮明，也更重視品牌特色與設計語言。佩戴者通常已經對機械錶有一定興趣，希望透過腕錶建立個人風格，因此這類腕錶常被用於長期配戴與日常搭配。接著是高階瑞士錶。這類品牌多半具備較高比例的自製機芯，並且在打磨與細節處理上更加講究。腕錶除了日常佩戴功能之外，也逐漸帶有身份象徵與品味展現的意味，因此常見於商務場合或正式場合佩戴。最後是頂級瑞士錶。這一層級的品牌通常強調全面自製機芯、複雜功能以及高度手工製作比例。對許多收藏家而言，這類腕錶不僅是時間工具，更是一件值得長期保存與收藏的機械藝術品。推薦閱讀：沛納海手錶系列完整解析！認識4大經典款，從男錶到女錶一次搞懂IWC飛行錶怎麼挑？認識4大系列，探索美式工程×瑞士製錶工藝！五、為什麼瑞士錶能被長期選擇瑞士錶能被長期選擇，關鍵在於它對「使用時間」的預設方式。多數瑞士錶在設計階段，就考量到反覆佩戴與腕錶養護的可能性，因此在結構安排與零件規格上，保留足夠的調整與替換空間，讓腕錶能長時間維持運作狀態。當佩戴者開始關心保養週期、維修難度與日常穩定度，瑞士錶的價值會逐漸被理解。它不需要依賴短期話題來證明存在感，而是在長時間使用後，仍能維持可靠表現，讓人願意繼續戴下去。這種特性，也成為許多人選擇瑞士錶的重要原因。理解瑞士錶等級與品牌結構後，選擇不再只是追求最高規格，而是找到符合自身使用節奏的位置。當腕錶能在長期佩戴中持續穩定運作，它的價值也會自然被留下來。推薦閱讀：手錶推薦TOP10品牌｜男士與女士手錶推薦，5大要點打造專屬品味手錶品牌推薦，5個熱門手錶品牌全盤點，錶迷最愛這幾款！

2026年AI行業最大的機會，毫無疑問就在應用層！字節跳動已有7個團隊全速佈局Agent大模型崗位暴增69%，年薪破百萬！騰訊、京東、百度開放招聘技術崗，80%與AI相關……如今，超過60%的企業都在推進AI產品落地，而真正能交付項目的 大模型應用開發工程師 ，卻極度稀缺！落地AI應用絕對不是寫幾個prompt，調幾個API就能搞定的，企業真正需要的，是能搞定這三項核心能力的人：✅RAG：融入外部資訊，修正模型輸出，給模型裝靠譜大腦✅Agent智能體：讓AI自主幹活，通過工具呼叫（Tools）環境互動，多步推理完成複雜任務。比如做智能客服等等……✅微調：針對特定任務最佳化，讓模型適配業務目前，脈脈上有超過1000家企業發佈大模型相關崗位，人工智慧崗平均月薪7.8w！實習生日薪高達4000！遠超其他行業收入水平！技術的稀缺性，才是你「值錢」的關鍵！具備AI能力的程式設計師，比傳統開發高出不止一截！有的人早就轉行AI方向，拿到百萬年薪！👇🏻👇🏻AI浪潮，正在重構程式設計師的核心競爭力！現在入場，仍是最佳時機！ (AI寒武紀)

春晚之後，2026年中國兩大科技主線已經明確：巨頭之間的AI（大模型）之戰，創業團隊之間的具身（機器人）之戰。其中更為性感的、也更為產業所熱議的，自然是後者，具身機器人之戰，尤其是2026年正在成為具身機器人從“量產”到“落地”的關鍵一年。僅僅是在開年這一周時間裡，就出現了五起大額融資——千尋智能兩輪近20億元融資，智平方超10億元B輪融資，銀河通用25億元A+輪融資，松延動力近10億元B輪融資，以及優理奇3億元股權融資。經過這一輪資本加持，中國具身智能賽道已經跑出至少7家百億級獨角獸企業：宇樹、智元、銀河通用、星海圖、智平方、自變數、千尋智能。然而，在具身機器人經歷了第一波量產嘗試後，在市場熱情再次被燃燒起來之時，整個產業更需要反思的是：2025年，在第一波具身機器人量產過程中，暴露出了那些問題？2026年，在又一波具身機器人落地浪潮下，有那些確定性瓶頸和趨勢？就這兩個關乎具身機器人產業未來走向的問題，我是在近期舉辦的人形機器人與具身智能標準化年會上，聽到了一場含金量極高的對話，參與這場對話的均為中國具身領域頭部機構的從業者——智源研究院院長王仲遠、星動紀元創始人陳建宇、星海圖創始人高繼揚、清華大學教授汪玉、自變數機器人創始人王潛、眾擎機器人創始人趙同陽、 帕西尼創始人許晉誠、加速進化創始人程昊，以及它石智航首席科學家丁文超。從這九位具身機器人頭部機構從業者的深入研討中，我們找到了上述兩個問題的些許答案。01 具身機器人量產，N個“一致性”難題問：具身機器人量產過程中，最難啃的“骨頭”是什麼？陳建宇：量產過程中，我們認為有兩個比較大的問題：第一，“一致性”問題。因為機器人鏈條很長，從供應鏈、零部件，到整機、系統、演算法，每個環節都可能出現一些小的變數影響一致性。例如，我們之前遇到過這樣一個問題：同一批次造出的人形機器人，有幾台走路走得總是不好，後來查了半天發現，工人在電機組裝的打膠水環節中，有幾台打得不太好，這種問題在實際生產環境中並不少見。後來的解決方案是，我們設定了多層關卡和閘門，一層層把風險排除掉。第二，因為具身機器人這類產品太新了，我們往往無法提前考慮到所有問題，特別是在我們自己小批次內測時，可能會存在沒有考慮到的問題。例如我們之前有一款在售產品，推出一段時間並沒有出現任何問題，後來我們一位大客戶，買的量比較多、用得比較久，使用場景也比較重，在他們使用過程中，出現了一些我們完全沒有預料到的問題。這樣的問題是目前難以避免的，但是我們可以做兩件事情：第一，快速迭代， 遇到問題後，快速想辦法把問題分析解決掉；第二，形成經驗“錯題本”，不斷積累，避免下次出現同類問題。高繼揚：整機和智能的聯動是一個很重要的問題。我們通過生產、工藝能夠保證一定的一致性，但最終發現，每台機器人之間依然存在細微差異，加上基礎模型之後，這些細微差異就會被放大。這就需要有一個標定的過程，將整機中的各種感測器、機械結構，在一個統一的數學空間中做出標定，並與模型完成聯動。基於此，不僅整機有量產，智能也有了一個量產的過程，中間的聯動就靠標定，這是在機器人或者具身智能量產過程中，比較獨特的問題。王潛：兩位講的都是我們所能控制的部分，在我們自己的生產、標定當中，依然存在一部分我們自己控制不了的部門，就是供應鏈問題。我印象特別深刻的是，有一次我們有一個電機，老是出現一些不規則的、難以預測的損壞情況，我們當時覺得很奇怪，為什麼在我們友商那裡，用同樣的電機，他們沒有碰到這樣的問題。後來我們發現，因為大家使用的工況不同，友商使用的是比較常見的工況，供應商針對這個工況做的最佳化比較好，我們雖然也在供應商標定工況之內，但是可能供應商有點偷懶，沒有把那部分的測試和最佳化做好。這也凸顯出了標準工作的重要性，如果我們有一套足夠完備的標準，能夠把這類情況規範起來，就可以避免這類問題發生的。但是目前階段，還是不可避免地會走一些彎路，依然需要我們不斷積累，在各類環境中大量使用和測試，包括量產，才可能讓這些問題暴露出來，這是產業鏈一個發展過程。趙同陽：首先，關於量產，我們要有一個清晰的定義。從去年到現在，人形機器人數千台規模的出貨量，相較於汽車行業而言，只能算是“小批次試產”。相對於百年的汽車行業而言，機器人現在所處的階段還遠未到量產階段，這是一個事實。這其中，供應鏈的發展也還遠未達到量產階段。像汽車，從輪胎、減速器，到玻璃、方向盤，每一個零部件都有幾十家，乃至上百家成熟的供應商，經過近百年的發展，而機器人行業，尤其是人形機器人行業，只是在近兩三年才得到高速發展。從機器人的供應商來看，目前可選的並不多，質量也還在一起探索階段。另外，這個行業到目前依然處於快速發展階段，產品迭代很快，這使得像模具的生產製造，大家都不敢放開手去做。由於行業發展非常快，一個產品可能只有1-2年的競爭力，假如企業備了幾十萬台的貨，有可能在下次競爭中就會被淘汰，導致企業出現大量庫存，這就使得我們和供應鏈廠商都不敢大規模進行產品量產，也就導致整個供應鏈會有一點卡滯。此外，小型人形機器人和大型人形機器人的標準要求也不一樣，小型人形機器人運動能力對機械強度等方面要求不是特別高，但大尺寸人形機器人要又蹦又跳，要承受10g-20g的加速度，還要保證齒輪不斷裂，需要從模擬到設計上慢慢驗證。有些東西甚至無法模擬或設計出來，只能測試出來，這些都是我們整個行業在現階段要去解決的問題。丁文超：大家講的很多是關節的、控制的一致性，我們遇到的一個問題是，如何保證大腦、小腦以及本體協同的一致性。例如機器人要送去進行作業，機器人全生命周期的各種動態性能，包括力觸的感知都是動態變化的，但企業發佈的其實是“本體+模型”，如何保證大腦也具有一致性、量產性，其實是我們現在正在解決的問題。這個問題不僅僅是一個硬體問題，還有很多大腦層面的訓練、資料使用技巧都可以加進去，讓機器人在整個生命周期，無論遇到怎樣的損耗、老化，都可以保持模型的泛化能力。02 具身機器人落地，26年如何造大腦？問：2026年，要讓機器人真正具備泛化能力，並在各個場景中發揮價值，還需要在那些方面進行突破？王仲遠：過去這幾年機器人之所以受到如此高的關注，不僅是因為硬體的發展，也是由於人工智慧，尤其是大模型的突破，為具身智能帶來了新的變數。具身智能和傳統的大模型相比，它需要和硬體耦合在一起，不像純數字世界，可能大模型本身可以直接發揮價值，但具身智能既需要有模型能力本身的提升，又要依賴硬體，複雜性更高。具身智能現在依然非常缺乏高品質資料，這就要求具身智能的資料除了從網際網路模擬環境中獲取以外，一定要有真機資料。當然，這些真機資料如何高品質、標準化地獲得，這就是標委會可以重點推進的一些事項。展望未來，尤其是今年，我覺得可能分兩部分：第一，就企業實際落地來看，我相信依然會以VLM+VLA，或者純VLA為主，在具體的場景中做資料閉環打磨；第二，就科研角度來看，會將重心放在世界模型，放在推進下一代真正具備泛化性的具身智能模型。陳建宇：2026年，我們有兩個重點：第一，資料閉環。經過過去兩年的發展，端到端VLA模型的一些範式已經開始標準化，這時，提升資料質量就成了提升模型能力最高效的途徑。第二，模型範式的提升。當前比較標準的VLA模型主要是基於模仿學習的範式，如何為機器人建立更好的理解物理世界的模型，幫助機器人更好、更范化、更精細地完成各類物理世界中的任務，這也需要進行範式的探索。高繼揚：現在看機器人大腦這件事，主要分為三部分：資料的形態、預訓練怎麼做、後訓練怎麼做。預訓練，去年大家都在做VLA，今年明顯的趨勢是往世界模型在走，這是一個確定性的趨勢；後訓練，去年主要是SFT的模仿學習微調，今年明確在向強化學習方向去走；資料形態，現在具身智能有很豐富的資料形態，從傳統的遙運算元據，到UMI資料，再到我們最近和輝達有一個基於EgoScale框架的合作，是用POV資料觀測自己的雙手怎麼去做，沒有佩戴任何其它輔助裝置，也有很好的預訓練效果。這三個方面，都會在今年有集中的體現。汪玉：從演算法發展的角度來看，後訓練是從SFT向IL（模仿學習）、RL（強化學習）的方向走。現在如何做強化學習，特別是如何將現有算力高效地用於強化學習，這是在雲端要考慮的問題。邊端如何讓機器人在百分之七八十精準率的情況下，進一步通過真機的強化學習能夠將特定認為的精準率提升到99%，乃至100%，這是今年重點要突破的。此外，就具身資料而言，資料的“量”很重要，“質”也很重要。特別是針對資料的“質”，我們看到，做真機強化學習時，實際場景中沒有做好的資料如何回流，如何加入到典型資料中，讓機器人能夠不斷學自己做不好的事情，我覺得是一個關鍵問題。王潛：模型架構本身是一個大的方向。兩年前，還有很多人在做單點任務的小模型，去年大家開始去做VLA，今年大家開始做世界模型。整體上是在往越來越統一、越來越全能的方向發展。但是我們看模型的輸出，有輸出動作，有輸出世界模型對於未來狀態的預測，但其實我們希望模型學到的倒不一定是這些東西，我們更希望模型學到一些物理世界的規律，例如物體的屬性或者更加本質的東西。其實我們自己認為，VLA模型、世界模型並不是相斥的關係，它們在更大框架下是相互幫助，所以我們提出了物理世界基礎模型，這個詞讓大家稍微有一點費解，後來我們把這個詞改成了世界動作模型。我們的看法是，不同任務之間的相互協同是具身模型非常顯著的特點。不同時間的任務，互相之間有大量本質性交叉，這是基於預訓練基礎模型架構的一個大的發展趨勢。當然中間會有百花齊放，有的團隊更注重世界模型，有的團隊更注重動作的訓練。另一方面，最近兩年後訓練獲得了很大的進展。例如很多團隊已經能夠在某些單點場景上做相當優秀的後訓練，特別是強化學習，能夠獲得非常不錯的、前幾年做不到的一些效果。這很大程度依賴於預訓練模型的發展，不管是在具身模型上，還是之前在語言模型上看到的明顯特點，如果預訓練模型沒有很好的基礎，強化學習效果會很差。關於資料，我看到的一個大趨勢是，資料生產逐漸從單點的known-how轉向工業體系。之前大家對於資料的理解是在一個地方有一個口傳心授的秘訣，另外一個地方有單點的模型進行處理，但是現在整體的趨勢是，資料越來越向工業化的方向發展。我們正在以一個完整、可控制、可大規模複製的方式去生產資料，我們也有成體系的 benchmark或模型閉環，這也是我們自己會非常重視和大力度投入的方向，基本上是這樣。趙同陽：早期我們把人形機器人當成一個工具去使用，看重的是機器人的工具屬性，工具要做的就是足夠快、足夠精準、失敗機率足夠低，我們自己內部也在用世界模型、強化學習讓它的失敗機率更低一些。但是人類已經有很多工具，還在乎多一種新的工具嗎？除了工具屬性，接下來人形機器人會帶來更多情緒價值。我們賦予它“雙眼”，讓它能看清這個世界，賦予它“雙耳”，讓它能聽懂這個世界，賦予它“觸覺”，讓它能夠感知這個世界……既然賦予了它這麼多能力，我們希望它不僅能為人類帶來工具屬性的價值，還能帶來情緒價值，世界模型的使用，包括情緒、情感、喜怒哀樂，我們要將它做得至少像一個人，而不僅僅是一個機器。此外，具身機器人大腦的模型還完全沒有收斂，每一家都有自己的做法，每過一兩個月都會有新的演算法出現。它不像做腿足運動控制，現在已經能跑能跳，很多東西幾乎已經超越人類現有水平，而現有的VLA模型很多還處於探索階段，模型能力只能達到人類的1/3、1/4 ，甚至更糟糕的狀態，我們也正在嘗試解決這個問題。許晉誠：我們一直嘗試在做的就是泛化的定義，我們押注在與物理世界接觸模態資訊上，只有這些資訊，才能提升整體任務的成功率。我們在機器人實驗中，加入了大量接觸模態的感測器，例如觸覺感測器，它可以讓基於Pi0這樣基座模型的一個任務的執行成功率，從20%提升到90%以上。這很大程度上提升了任務執行的成功率和泛化性，這是我認為具身機器人未來很重要的一個發展方向。物理接觸模態的資料也很重要，我們現在也在把大量接觸模態的多維觸覺資料採集下來，這對提升整體任務的成功率很重要。程昊：我們認為具身大腦是前期研發需要投入比較多的地方。在整體路線變得越來越清晰的情況下，我們更側重於在現有雙足人形機器人上，尤其是在機器人全身運動已經越來越成熟，可能今年在很多任務執行上能夠超過人類的情況下，現有的具身模型或VLA到底引入那些新維度的資料，模型通過強化學習，還是更多模態的方式，能夠在雙足人形上有更好的效果提升，這是接下來兩年我們在具身大腦上重點投入的方向。丁文超：資料和模型是我們成立第一天起就開始解決的問題，我們公司第一天就提出了一個概念，叫作“以人為中心的資料”。遙操作是通過VR/AR裝置把動作對應到機器人上，讓機器人去完成，而我們的想法是，通過可穿戴式裝置，讓人去做資料採集任務。我們設計了一整套數據採集套件SenseHub，你可以佩戴第一人稱的攝影機、穿戴手套，也可以佩戴二指指套，多種不同的終端。這樣一套數采裝置很 大的好處真正能夠深入到各行各業，所以我們現有資料不僅侷限於數采中心，我們在真實場景下的各行各業，大家能想到人能去的場景，我們都能采到資料，這對於整個模型的泛化能力的提升非常關鍵。在模型側，我們有一個落地任務，它是一個長程、柔性、高精度的任務，這是這代具身智能需要解決的問題。我們發現，在現在的世界動作模型落地過程中，關鍵在於如何將對世界的預測和動作有機結合起來。現在很多世界模型單純把它引入到VLA，很容易產生幻覺問題，對空間的幻覺、物理的幻覺會直接影響機器人最終執行的動作。如何讓機器人的物理感知，對物理的推測、對空間的推測沒有幻覺，能夠穩定可靠執行任務，這是過去這一年我們一直在解決的問題。 (鋅產業)

10分鐘充電約50%，首創六重連接解決方案。芯東西3月2日巴塞隆納報導，剛剛，高通在2026世界移動通訊大會（MWC 2026）上發佈新一代旗艦可穿戴晶片——驍龍可穿戴平台至尊版。驍龍可穿戴平台至尊版採用3nm製程，整合了升級的CPU和GPU，採用全新5核CPU架構。與前代平台相比，其CPU單線程性能提升最高可達5倍，GPU最高FPS性能提升可多至7倍，並提供多達10TOPS的AI算力、可支援在裝置端運行20億參數的AI模型。這是高通面向個人AI裝置推出的迄今最先進可穿戴平台，也是高通首次將“至尊版”品牌標記引入可穿戴領域。高通基於四大核心技術對該平台進行了最佳化，包括端側AI、性能、續航、連接性。最佳化AI體驗方面，驍龍可穿戴平台至尊版整合的eNPU、高通Hexagon NPU、感測器中樞共同工作，使近身的AI終端能夠更深入地理解使用者的日常生活情境。其中，eNPU是高通顯著增強面向低功耗用例的專用AI加速器，能幫Hexagon和MCU分擔AI工作負載，可通過高通AI Runtime（QNN）程式設計。eNPU支援在裝置端運行關鍵詞偵測、動作識別等環境感知類的“低功耗島始終開啟”任務，並支援語音通話回聲消除、噪音抑制等主動模式用例。高通還在可穿戴平台上首次引入了專用Hexagon NPU，使裝置端可直接運行參數規模達20億的模型，首個token生成時間為0.20秒，最高每秒生成10個token。基於驍龍可穿戴平台至尊版，終端能有效處理來自語音、視覺、位置以及各類感測器的多模態輸入，打造個性化的AI智能體，在工作、學習、健康及日常生活的方方面面為使用者提供支援。續航也是一大亮點，驍龍可穿戴平台至尊版可實現日常使用時長（DOU）延長30%、10分鐘充電約50%。連接方面，該晶片首創六重連接解決方案，包括5G RedCap、超低功耗Wi-Fi、藍牙6.0、UWB超寬頻、窄帶非地面網路（NB-NTN）衛星通訊、全球導航衛星系統（GNSS）這6項連接技術。三星宣佈智能手錶會搭載驍龍可穿戴平台至尊版，聯想旗下摩托羅拉也分享了與高通在可穿戴領域的合作。如今，AI模型不斷向更小型化、更高效率方向演進，個人AI終端需要能在裝置本地支援更複雜且持續運行的AI工作負載，並具備更強大的連接能力。通過這些設計，驍龍可穿戴平台至尊版在性能與時延之間實現了更好的平衡，既能更好滿足智能體驗隨時可用的需求、實現當下消費者所期待的高響應體驗，同時又不犧牲產品的尺寸、能效、佩戴舒適度或可用性。 (芯東西)

又一地標商業即將落地成都！近日，成都發佈《2026年市重點項目計畫》，其中比斯特成都購物村項目赫然在列。這一消息也引起了廣泛討論。比斯特到底什麼來頭？對成都商業格局有什麼影響？最有可能落地那裡？接著往下看！比斯特購物村的故事要從其背後的英國唯泰集團（Value Retail）說起。作為全球奢侈品折扣目的地的標竿，比斯特以“旅遊+購物”模式聞名，目前已在上海、蘇州等地佈局12座購物村，覆蓋全球8個國家。圖源：thebicestercollection官網成都與比斯特的緣分始於2021年，當時項目方曾考察東部新區，擬選址天府國際機場周邊；2024年天府新區產業高品質發展大會上，官方明確將其列為數字文創城重點招商項目，力爭2025年簽約。如今項目進入前期籌備階段，落地天府新區已成定局，選址猜想集中在興隆湖片區或萬安類股，具體位置待官方揭曉。若順利落地，成都將成為繼上海、蘇州後全國第三座、西南首座比斯特購物村，填補區域高端奧萊空白。好消息還不止於此。同樣入選重點項目的天府新區冰雪大世界。項目由四川景區發展集團投資10億元打造，佔地約100畝，定位沉浸式冰雪主題綜合體。2025年11月，天府新區發佈了一則調規公告，引起了廣泛關注。地塊位於正興片區，公告範圍14.44公頃的地塊內，原1#地塊拆分為1-1#（商業混合用地，容積率≤2.5，限高100米）和1-2#地塊，變電站遷至1-1#西南側保障用電。這塊緊鄰地鐵19號線正興灣站（步行5分鐘）、坐擁益州大道與武漢路樞紐的土地，被推測為冰雪大世界的預留用地，交通便捷性與基底條件均契合大型場館需求。兩大項目為何紛紛押注成都？答案藏在成都的消費力與吸引力資料中。據資料顯示，2025年，成都社會消費品零售總額達11434.1億元，同比增長5.53%，排名全國第4，蟬聯“副省級城市消費第一城”；不僅消費水平高，成都的旅遊吸引力同樣也數一數二。春節假期接待遊客2378.2萬人次（同比增5.9%），位列全國熱門目的地TOP2。商業與文旅項目的落地，本質上是對城市消費活力的投票。比斯特將聯動SKP、太古裡形成奢侈品矩陣，助推成都建設“國際消費中心城市”；冰雪大世界則突破氣候限制打造四季冰雪體驗，與融創雪世界互補啟動成都的“冷經濟”產業鏈。從全球頂流奧萊到現象級文旅IP，雙項目落地天府新區不僅是商業配套的升級，更是城市能級的戰略升維。它們將加速人口匯入、消費升級與區域價值重塑，為成都衝刺世界級休閒旅遊勝地注入強心劑。當國際品牌與本土文旅在此交匯，一個輻射西部的消費極核正在成都南部強勢崛起，未來可期。 (成都購房通)

在馬年春節各家大模型應用暴漲的日活資料背後，存在一個迴避不了的客觀情況，大模型不同於點選就能使用的外賣或出行軟體，它有著非常具體的認知和操作門檻。 普通使用者領完紅包、拿到應用權限後，面對介面上空白的輸入框，往往不知道該輸入什麼指令。 玩不轉AI，領完“雞蛋”之後，使用者自然也不會再用AI。封圖：圖蟲創意馬年春節，國內的科技大廠們拿起了慣用的老招數——紅包大戰。目的只有一個，把自家的旗艦大模型推到神州大地上每一位普通使用者面前，這場砸錢拉新的盛況，在微博上被網民調侃為“一代人有一代人的免費雞蛋要領”。百度文心助手宣佈投入5億元啟動春節紅包活動；騰訊元寶啟動10億元現金紅包活動，通過社交網路進行使用者裂變；阿里千問上線了春節30億元大免單活動；字節跳動豆包則宣佈與央視春晚進行深度合作，在除夕當晚送出10萬份科技好禮和現金紅包。依靠密集的現金補貼和大型晚會的集中曝光，豆包、千問、螞蟻阿福和元寶等人工智慧應用，在春節期間輪番登頂了蘋果應用程式商店免費下載榜。短期的大規模資金投入換來了直接的資料增長。公開資料顯示，春節期間阿里千問完成近2億次下單，其中60歲以上使用者達到400萬；字節豆包人工智慧總互動達到19億次，幫助使用者生成了超過5000萬張新春頭像和超1億條祝福語，大模型每分鐘處理令牌數（TPM）峰值達到633億；騰訊元寶日活躍使用者超過5000萬，月活躍使用者達到1.14億，春節主會場累計抽獎次數超36億次，完成了超10億次人工智慧創作。大批普通使用者在此期間在手機上安裝了多個人工智慧應用，公開資料顯示，截至2月上旬，阿里千問的日活躍使用者數達到7352萬，豆包日活躍使用者數達到7871萬，元寶日活躍使用者數達到1828萬。在全球範圍內，中國人工智慧模型的呼叫量也呈現出高速增長。監測資料顯示，2026年2月中旬，中國模型的呼叫量首次超過美國模型，2月16日至22日期間，中國模型的周呼叫量達到5.16兆Token，三周內增長127%，底層計算成本的下降，為大模型廠商在春節期間進行全民範圍的市場推廣提供了基礎條件。流量的峰值可以靠資金拉動，但要做好使用者的留存還需要習慣來支撐。在馬年春節各家大模型應用暴漲的日活資料背後，存在一個迴避不了的客觀情況，大模型不同於點選就能使用的外賣或出行軟體，它有著非常具體的認知和操作門檻。普通使用者領完紅包、拿到應用權限後，面對介面上空白的輸入框，往往不知道該輸入什麼指令。玩不轉AI，領完“雞蛋”之後，使用者自然也不會再用AI。如果沒有具體的應用環境和明確的操作指導，春節一過，新鮮感退潮，應用的打開率自然會往下掉。所以，單純靠發錢拉新的招數已經摸到了天花板。AI應用想在使用者的手機裡紮根，廠商們亟須一個能讓使用者互相交流用法的內容生態平台，讓那些剛下載好APP的新使用者，看到別人都是怎麼玩轉AI的，自己又能如何抄作業。抹平認知門檻技術的普及規律歷來如此，產品完成底層突破後，首要任務是儘可能降低普通使用者的使用門檻。2025年春節期間，市場對DeepSeek的關注主要停留在技術突破和研發成本層面，使用者關注的是模型參數和開源路線。到了2026年春節，可以明顯看到社交平台上，普通使用者的討論方向發生了實質性轉移。根據第三方資料，2月1日至2月18日整個春節周期內，微博就累計產生了371個人工智慧相關的熱搜，閱讀量達到127億，互動量近2690萬。其中千問相關熱搜達到190個，元寶相關熱搜53個，豆包聯動春晚相關熱搜42個。而討論的核心已經從國產自主技術突破這種單一新聞事件的討論，徹底轉向產品玩法、操作教學和具體問題的解決方案。以字節跳動發佈的Seedance 2.0視訊生成模型為例。該模型支援文字、圖像、視訊、音訊四種輸入模態，並具備自動分鏡和原生音視訊同步功能。底層模型生成能力很強，但普通使用者很難精準描述長串的鏡頭語言和畫面細節。在大眾的認知裡，用大模型生成視訊似乎非常簡單，在輸入框裡敲一句話就能出片。但實際情況是，文生視訊大模型存在極高的操作門檻，一個普通使用者腦子裡有清晰的畫面，卻很難用具體的文字去精準描述鏡頭推拉、光影調度和動作細節。面對複雜的生成工具，絕大多數使用者根本不知道該怎麼用文字去表達自己想要的視訊效果。在這個階段，微博上不同領域的創作者直接填補了這項空白，他們針對新發佈的模型，編寫並行布了詳細的提示詞範本。例如，知名設計博主Simon_阿文就在微博上發佈了針對Seedance 2.0的實操測試內容。他向使用者展示了如何通過具體的提示詞控制複雜的畫面。在製作一段科技產品風格的視訊時，他指出僅靠單句指令很難達到理想效果，他隨後在提示詞中增加了暗底背景、局部掃光、部件爆炸檢視和極簡參數展示等具體的視覺要素。加入這些限制條件後，模型精準輸出了具有專業廣告質感的視訊，這種將專業視覺元素轉化為結構化文字的拆解過程，直接為普通使用者提供了一套現成的操作參考。除了這種針對提示詞的進階拆解，微博上還湧現了大量保姆級的新手教學，不少博主將視訊生成的邏輯提煉為“誰在做什麼動作加在什麼環境裡加鏡頭怎麼拍”的基礎公式，並且把新手容易踩坑的盲區一一列出，讓零基礎的使用者也能直接套用出片。普通使用者不需要研究底層參數和複雜的演算法機制，他們可以在微博上直接複製這些博主分享的提示詞範本，替換其中的主體名詞和環境設定，就能生成高品質的視訊內容。這種基於微博大V分享的圖文和視訊教學，把複雜的模型指令變成了普通人能看懂的操作步驟。在微博等平台創作者的帶動下，不同廠商大模型產品順理成章地完成了最艱難的使用者教育環節。還原真實場景工具的價值，最終要在具體的使用場景中完成閉環。大模型應用廠商在研發階段無法預判所有的生活細節和使用者需求，真實的剛性需求往往在群體互動和具體的現實問題中產生。春節期間，不少使用者就在微博上自發拓展了大模型的實際用途，將技術工具嵌入到日常的生活當中。在社互動動中，面對節日期間親戚的常規提問，知名微博博主默庵·超級個體分享了使用阿里千問生成反套路回覆的方法。他在提示詞中要求模型扮演話術軍師，針對工資、對象、買房等問題，生成不敷衍、幽默且不失禮貌的回覆，他要求模型為每個問題提供不同風格的應對選項，並直接通過對話生成配套的漫畫梗圖。熱門影視IP也為大模型提供了天然的創作環境。在電影《鏢人》上映時，微博發起了相關的二次創作活動，大量創作者通過大模型對電影中的武俠人物進行重新演繹。創作者米啦女士將電影中的角色轉化為貓咪形象，創作者鈴蘭ninja利用生成技術製作了原版電影中不存在的偶遇財神爺的搞笑情節視訊，創作者安建明利用大模型生成了具有大漠風沙質感的動態視訊，創作者共生藝術運用指令，將傳統的武俠風格轉換為機甲科技風格。原本侷限於文字創作的博主，現在通過幾句指令就能產出高品質的視訊內容。大模型工具釋放了文字創作者的視訊生產力，拓展了內容的表達形式，平台也因此獲得了更為豐富的優質視訊內容。除了文娛二創與社互動動，這種基於大模型的創作方式正在向更多維度延伸。在微博上，無論是美食、旅遊，還是情感與健康科普，不同圈層的創作者都在利用人工智慧應用尋找新的圖文與視訊表達方式。值得一提的是，今年春節期間，市場上出現了一個特殊現象。不少大模型廠商在電視螢幕上投放了長達幾十秒甚至一分鐘的廣告，不同於以往快消品塑造品牌形象的打法，這些廣告的內容高度一致，高密度地口播大模型究竟能解決那些具體的生活問題。這種做法直接暴露了行業的普遍焦慮，廠商們急於告訴普羅大眾，花重金推到他們面前的AI工具到底有什麼用。但面對具有操作門檻的前沿科技產品，單向的電視口播很難讓觀眾建立起實際的使用習慣，老少皆宜的電視螢幕，無法提供直接的操作反饋和交流空間。脫離了具體使用環境的技術，只能停留在測試階段，智慧型手機和新能源汽車的普及，都經歷了從硬體比拚到日常場景滲透的過程。隨著春節檔的流量洪峰退去，各大模型廠商依靠“發雞蛋”拉了一大波新使用者。但隨著行業競爭回歸日常，各大廠商都需要依託微博等平台上成熟的創作者生態，讓普通使用者在不同的使用場景下獲取操作攻略，將技術工具融入社交、娛樂和資訊檢索的實際需求中。畢竟，“發雞蛋”可以換來一時的下載量，但薅完羊毛之後，最終目的還是要讓使用者真正把大模型用起來。 (經濟觀察報)

當前全球人工智慧大模型賽道已形成多元競爭格局，國際陣營與中國本土模型各有技術路線與場景優勢，共同推動AI技術走向普及化、實用化。OpenAI的ChatGPT作為全球通用大模型的標竿，綜合能力均衡全面，在邏輯推理、程式碼編寫、專業創作與多模態理解上保持領先，外掛生態成熟完善，是全球專業辦公、學術研究與海外業務的主流選擇，產品風格嚴謹穩定，適配各類高要求任務場景。xAI的Grok憑藉鮮明特色快速崛起，依託X平台即時資料接入，對全球熱點與時事動態響應迅速，產品風格個性直接、迭代節奏激進，同時與特斯拉車載、智慧型手機器人生態深度聯動，更受科技愛好者與追求前沿體驗的使用者青睞。微軟依託與OpenAI的深度合作及自研佈局，形成了以Copilot為核心的AI體系，全面融入Windows、Office、Azure等生態，在文件處理、表格分析、簡報製作等辦公場景體驗極致，同時整合Claude模型能力，兼顧企業級服務的穩定性與效率，小參數模型Phi系列在輕量化部署上表現突出，成為辦公場景的首選AI助手。GoogleGemini系列以超強多模態能力與超長上下文處理為核心優勢，深度聯動Google搜尋、雲端辦公與Android生態，在長文件解析、多媒體理解、科學計算等領域表現亮眼，是全場景智能體的代表產品。中國大模型立足本土需求，打造出更貼合國內使用者的實用體系。字節跳動豆包定位國民級全能AI，中文理解自然流暢，多模態創作與日常工具呼叫能力突出，深度聯動抖音、剪映、飛書等生態，使用門檻低、普惠性強，適配日常娛樂、內容創作、辦公輔助等全場景。百度文心一言依託知識圖譜與搜尋技術積累，在知識問答、複雜推理與行業解決方案上優勢顯著，政務、金融等企業級服務體系成熟，合規性與穩定性領先。阿里通義千問兼顧開源與閉源雙路線，長文字處理與多語言能力出色，深度融入電商、雲端運算生態，性價比優勢明顯。騰訊混元依託微信、QQ等社交生態，在內容生成、社交場景適配與多模態協同上表現優秀。華為盤古聚焦政企與工業場景，依託鴻蒙與算力底座，在智能製造、智慧城市等領域落地深入，安全可控能力突出。整體來看，國際模型中ChatGPT主打全能均衡，Grok聚焦即時個性，微軟Copilot深耕辦公生態，GoogleGemini領跑多模態；中國模型則以地道中文體驗、本土生態融合、安全合規與高性價比為核心優勢，更適配國內使用者的日常與產業需求。不同模型依託各自技術與生態優勢，覆蓋不同場景與使用者群體，為全球AI應用提供了豐富多樣的選擇。 (趣ai視角)