AI國際學會「NeurIPS」的企業攤位（12月3日，美國加州聖迭戈）“第一年的期望薪酬是200萬美元”，德州大學的在讀博士生說。在AI領域中，像強化學習這樣供不應求的方向，「年薪100萬美元」成為企業招攬人才的起始價。會場上到處都能聽到中文…近日，人工智慧（AI）的國際學會「NeurIPS」在美國西部聖迭戈舉辦。近年來，該會議作為企業爭奪AI人才的招募平台屬性愈發突出。在此次創下歷史新高、約2.5萬人參加的現場訪談中可以發現，在AI熱潮的推動下，頂尖研究人員的薪資水準已提高至與職業運動員不相上下。NeurIPS兼具學術會議與招聘會的雙重功能。來自世界各國的研究人員在會場內講解論文，約150家贊助企業在緊鄰會場的區域內設立了展位。各家企業的共同目標，都是為AI研發部門招募優秀人才。在科技界，2025年美國Meta以高薪從競爭對手挖來AI人才，一度成為話題。在各家公司以巨額投資推進AI開發競賽的背景下，頂尖研究人員的待遇與一流的職棒選手不相上下。這股浪潮也波及了研究生們。“第一年的期望薪酬是200萬美元”，美國德州大學奧斯汀分校的在讀博士生（29歲）平靜地說。這是包括簽約獎金和在職數年後可獲得全額的股票薪酬在內的總額，相當於日本大型企業員工的終身工資。他表示，只要有符合條件的錄用邀請，就會選擇退學。他的研究方向是透過讓AI不斷試錯來提升表現的“強化學習”，這是AI企業尤為重視的領域。直到兩年前，他還打算走研究者道路，但看到學長和朋友們以約100萬美元的薪酬入職美國OpenAI等公司後，改變了想法。他表示：「高薪或許只是當前的泡沫現象，就業還是趁早為好」。在AI領域中，像強化學習這樣供不應求的方向，「年薪100萬美元」成為企業招攬人才的起始價。一名就讀於美國維吉尼亞大學博士課程、從事強化學習研究的研究人員表示：“在我周圍，開出100萬美元年薪的報價並不罕見。”參與爭奪的不僅是科技公司。美國大型避險基金城堡投資（Citadel）、DE Shaw、投資公司海納國際集團（Susquehanna International Group）等作為頂級贊助商，佔據了會場入口附近的顯要位置。根據城堡投資的AI團隊負責人介紹，為了將生成式AI的基礎技術、大語言模型客製化為面向金融領域並用於交易，正在招募專業人才。該負責人表示：「相對於以股票報酬為主的科技公司，我們可以提供100萬美元現金」。在汽車製造商方面，除了作為NeurIPS常客的美國特斯拉之外，美國通用汽車（GM）也是近年來首次參加。TikTok（抖音國際版）的母公司字節跳動和阿里巴巴集團等中國企業也參加了本屆NeurIPS。在美國大學就讀的AI研究人員中也有很多來自中國，會場上到處都能聽到中文。阿里巴巴旗下的金融公司螞蟻集團和電商網站淘寶網幾乎沒有在美國的招募崗位，主要是為了吸引回國人才而參展。日本企業的存在感則較弱。(日經中文網)

距離聖誕節還有一星期，奧特曼卻徹底放飛了！今天凌晨，OpenAI 掌門人Sam Altman 提前為節慶氛圍來了一波火辣的暖身。圖片裡，Sam Altman 化身肌肉猛男消防員，聖誕主題，半裸腹肌、油光閃閃，右手扛著水管，左手插兜……，配文簡單粗暴：「比如這樣玩……」（For example:）一下子，整個X都炸鍋了，圍觀群眾直接攀升超百萬，甚至超過了Sam宣布推出ChatGPT Image 1.5 的主帖。 （ps：主貼文訪問是40多萬。）百萬網友坐不住了，紛紛上手幫Sam穿衣服看罷，網友也坐不住了，直呼辣眼睛，有的為奧特曼打圓場：說奧特曼終於受不了自己不是家族裡最帥的那位，有的則實在忍不了，乾脆上手，讓ChatGPT新推出的“Image”功能，為下面這張“奧特曼版節日消防員”穿上了T卹。效果立竿見影。連OpenAI 官方帳號也實在看不下去了，在下方弱弱回覆：「sam.」（就一個點，翻譯成中文就是「老哥你別這樣…」）而Sam 的親弟弟也聞訊第一時間來表達自己的尷尬：老哥，你有毒吧！我不行了！而OpenAI的另一個官方認證帳號「ChatGPT」也在幾個小時後趕來為老闆「遮羞羞」：別的不變，給他穿個shirt。再來看網友們的替Sam「遮羞」的作品，prompt：讓他的T恤衫換成紅色——一位推友則，索性生成了一張“穿了8層帶領襯衫的Sam”，來提醒Sam多穿點。不過，有位網友倒是比Sam本人還放得開，乾脆徹底放飛吧，直接讓ChatGPT生成了一張堪比86版豬八戒的大肚子，和一頭殺馬特的頭髮，更意外的是，竟然毫無違和感。 （ps：怕難過審，小編只能打碼了~）現在這篇貼文的瀏覽量和給Sam穿衣服的圖片數量還在狂飆，有網友甚至開始擔心：“這值得我們燒掉一個小城鎮的電量嗎？”但得到更多讚的網友認為：值！這個功能用起來爽！為什麼這波自黑操作能這麼爆？因為，今天凌晨發售的新版 ChatGPT Images 真的太強了！這次的版本命名為GPT Image 1.5，號稱是OpenAI 迄今最好的圖像生成模型，現在已經直接集成到所有ChatGPT 用戶（免費+付費）中，還開放了API。繼GPT-4o之後，這個新版本的核心升級主要有5點：首先，速度提升4倍：以前等半天，現在秒出圖，玩起來超爽！這一點，作為免費用戶，速度提昇明顯。之前4o生成影像至少要等10分鐘左右，而現可以說1分鐘以內就可以做到，不用排隊的感覺，真的有被爽到。下面這張圖，是小編為Sam換衣服帽子的無快放錄屏，大概10秒鐘就出圖了。其次，指令遵循更精準：你說改那裡就改那裡，不會亂動其他部分，保持光影、構圖、人物一致性。這點也是很多圖像模型都在卷的地方。可以說人物一致性方面，OpenAI做得一直都很好。第三個，編輯能力爆棚：精準加物、刪物、換風格、試衣服、改表情……你可以把它當成隨身的PS神器！為此，小編試了一個相對刁鑽的P圖玩法：先讓它生成一張亞洲女生形象。prompt：一張寫實風格的照片：一位30歲左右的亞洲女性，短髮，穿著白色T恤和牛仔褲，站在現代簡約風格的客廳裡，雙手自然下垂，表情平靜中帶著一絲嚴肅，正面直視鏡頭。客廳背景有灰色沙發、木質茶几、落地窗，窗外是城市白天景色。光線自然，明亮但不刺眼，高清攝影，細節豐富。然後小編就開始，上難度了！為它設定了6重關卡，重點是考核Image1.5的對於部位細節處理、光影色調、風格切換。prompt：使用我上傳/剛生成的這張照片作為基礎，進行以下精確修改，只改動指定的部分，其他所有元素（包括人物面部特徵、身材比例、姿勢、光影方向、構圖、背景細節）保持完全一致： 1. 給她換上一件紅色聖誕毛衣（帶白色雪花圖案，毛衣要貼身，顯示出原本的身材），下身保持牛仔褲不變。 2. 在她右手邊（畫面左側）加上一個真實感的聖誕樹，樹高約到她肩膀，放在地板上，樹上掛滿彩燈和小飾品，燈是暖黃色亮著的。 3. 在茶几上添加一個正在燃燒的壁爐效果的小蠟燭組（3-5支），有真實火焰和輕微煙霧。 4. 把她的表情改成開心的笑容，眼睛微微瞇起，露出牙齒，自然真誠的聖誕日笑容。 5. 把整體畫面風格轉換成吉卜力工作室的動畫風格（類似宮崎駿電影《千與千尋》或《龍貓》的手繪質感），但要保持高度寫實的光影和細節，不能變成卡通簡化。 輸出4K分辨率，細節拉滿。可以看出，嚴格遵循指令，可以做到精準修改，沒有讓它修改的部分，例如“手部下垂”，可以說紋絲不動。第四，文字渲染終於可靠：以前生成帶字的圖總歪歪扭扭，現在清晰銳利。這裡，我要看看中英文方面到底如何。中文方面，可以看出字體準確度上已經有了質的飛升。之前的4o生成圖方面非常容易出錯。這是之前小編用4o生成的一張馬斯克的插畫。錯字多到數不清。而現在的Image 1.5不僅錯字少了，就連「插畫」生成的品質也有模有樣了。不僅如此，中文的LOGO字體也有了較高的突破。小編在實測中發現，新版本的圖像模型對於中文LOGO和對應的品牌特質有了理解，例如：農夫山泉字體有棱有角，背景是紅色；而元氣森林的背景則是白色（當然對於具體的介紹語，還是會有錯字。）ps：裸瓶也是提前讓Image 1.5 生成的，所以顏色一直是藍色沒有變。第五，新介面：ChatGPT 側邊欄新增「Images」入口，像創意工作室一樣，有預設濾鏡和熱門提示字。OpenAI 應用負責人Fidji Simo 爆料：“很多人第一次用ChatGPT 就是生成圖片，這太魔性了，但原來的聊天界面不是為這個設計的。現在我們把它變成一個真正的創意工作室。”Image 1.5 也被視為OpenAI 上周GPT-5.2發布沒有發布圖像模型所彌補的一個遺憾。毫無疑問，這波更新明顯是衝著Google的Nano Banana Pro 去的。今年下半年以來，影像生成大戰被Google再次掀起戰火。OpenAI 可以說用速度+精度+娛樂性，一定程度上實現了反殺。普通人怎麼玩？現在所有ChatGPT 用戶（含免費版）都能直接使用！打開ChatGPT，側邊欄點Images，或直接聊天說：「幫我生成一張…」就能玩。想玩得更嗨？試試這些提示詞：“把我變成聖誕消防員日曆模特兒”“把這張自拍照轉成吉卜力風格”“給我試穿這件衣服，保持臉不變”“把背景換成太空，但人別動”除此之外，還有許多新玩法，官網上放出了不少精品範例。地址：https://openai.com/index/new-chatgpt-images-is-here/例如經典的生成90年的照片。prompt：將兩個男人和一隻狗放在一張2000年代膠卷相機風格的照片中，照片中他們看起來很無聊，正在參加一個孩子的生日派對。當然，小編獨家推薦的是：舊照片修復，還有專業求職照片，這些功能不但生成品質能打，關鍵是，不用花錢也可以實現P圖自由了！例如小編，為哈利波特中最令人欽佩的石內卜教授做了一張年輕時候的履歷職業照。prompt：產生一張年輕時的、求職用的履歷照片。再例如，我讓它修復一張鄧麗君老照片。清晰度和還原度還是不錯的，但小編發現，還是少了一代歌後的一絲神韻（尤其是眼睛）。prompt：改成一張2025年的高清照片。基準測試（LMArena）排名第一LMArena 排名（真人盲測排行榜）：文字轉圖像類別排名第一，得分1277 分（擊敗Gemini 3 Pro Image / Nano Banana Pro 的1235 分）。當然，根據reddit網友，覺得這個分數雖然高，但實測體驗並不如Google的圖像模型NanoBanana Pro。架構細節與模型特性據公開放出資料顯示，GPT Image 1.5 是 原生多模態模型，屬於GPT Image 系列（繼GPT Image 1 和mini 之後）。它結合了自回歸先驗與強大解碼器，可能採用類似「tokens → transformer → diffusion → pixels」的混合架構（從OpenAI Cookbook 提示指南推測）。支援質量參數（quality="high" 或"low"）權衡速度與精確度。輸入支援上傳影像（png/webp/jpg，<50MB），輸出解析度包括1024x1024、1536x1024 等。API 與定價細節方面，小編也扒了下來。相較於前代GPT Image 1，Image 1.5 的影像輸入/輸出成本 降低約20%，較適合大規模應用。已整合到OpenAI API，支援產生（generate）和編輯（edit）端點。開發者可參考官方 Prompting Guide（Cookbook 中有詳細範例），包括攝影風格、logo 設計、infographic 等最佳實務。不過，OpenAI文件中也表示：建議根據實際場景需求進行模型選擇。GPT影像模型包括gpt-image-1.5（最先進的）、gpt-image-1和gpt-image-1-mini。它們共享相同的API接口，其中gpt-image-1.5提供最佳的整體品質。我們建議使用gpt-image-1.5以獲得最佳體驗，但如果您正在尋找更經濟實惠的選擇，並且影像品質不是首要考慮因素，則可以使用gpt-image-1-mini。也可以將專用影像產生模型（DALL·E 2 和DALL·E 3）與映像API 一起使用，但請注意，這些模型現在已棄用，我們將於2026 年5 月12 日停止支援它們。不過，OpenAI 很誠實，團隊也承認模型仍有限制，例如某些複雜場景下的一致性或特定內容過濾，但整體已向「生產級視覺創作」邁進一大步。最後想說：OpenAI或還憋著一個大Sam這波自黑行銷，真的絕了！「行銷學大師」再次玩出了新高度。既展現了新模型的強大（臉部一致性、肌肉細節、節日氛圍拉滿），又用幽默拉近距離。另外，有網友猜測，從這次命名看，OpenAI應該還在憋著一個大版本沒發！之所以命名1.5，要嘛是不想重蹈GPT-5的覆轍，要嘛，是還有一個更好的模型等著發布！不得不說，大模型進展實在太神速了！ AI 影像生成已經從「技術demo」變成「全民娛樂工具」。2025年的尾巴，OpenAI 給了我們一個大禮包。不知道大家是否已經去試過了？各位大俠可以在留言區分享你的神圖！讓子彈快樂飛吧！(51CTO技術棧)

著名科幻小說家阿瑟·克拉克有句名言：“任何足夠先進的科技，都與魔法無異。”這句話用在劉若鵬研究的「隱身衣」上再適合不過了。2009年，25歲的美國杜克大學在讀博士劉若鵬，率領團隊成功研發出“隱身衣”，這一成果發表於《科學》雜誌上，在全球範圍內引起轟動。● 劉若鵬。圖片來源：光啟這種隱身衣在指定的電磁波頻段內，能夠使電磁波轉向，繞過被覆蓋的物體，從而達到「隱身」效果。此後，該技術作為戰略前沿性技術，成為歐美科技大國角逐的重點。英國物理學家John Pendry預期，軍方可望利用這種技術，來避免船艦和坦克車被雷達的微波偵測系統發現行蹤。美國麻省理工學院則向劉若鵬發出就職邀約。但讓很多人沒想到的是，面對優渥的待遇，劉若鵬帶領4位團隊核心成員毅然回國。這群年輕人一頭栽進超材料的研究中，他們用十餘年時間，讓中國超材料產業從無到有、從弱到強，一步步站上了世界的巔峰。●光啟五人創業團隊，由左往右依序為趙治亞、張洋洋、劉若鵬、季春霖、欒。圖片來源：深圳晚報什麼是超材料？科學界有個比較有趣的說法：人類所有的發明，本質上都是發現。例如火的使用源自於對燃燒規律的發現，發電機的誕生源自於電磁感應原理的應用，而電腦的誕生則是對半導體、二元等規律的組合利用等。但如今，隨著超材料的出現，這種論調有些站不住腳了。●第一代至第四代超材料結構圖。圖片來源：光啟超材料被譽為材料領域的“基因編輯技術”，它通過複雜的人工手段，對材料微觀結構進行重組，從而創造出自然界從未有過的物質，獲得超越常規的物理特性。這種材料最早於1967年由蘇聯物理學家Veselago提出，但在後續漫長的幾十年時光裡，幾乎沒有任何實質突破。直到2001年，美國David Smith教授等人，在實驗室成功製造出世界上首枚負折射率的超材料樣品，這才為超材料走到台前拉開了序幕。劉若鵬大學時開始接觸超材料，博士階段師從David Smith，是最早研究超材料的一群人。他說：“我們在進入超材料領域時，連'超材料'這個名字都沒有，即使在美國它都是最新、最前沿的技術。而我們這幾個人就是這個領域的先驅。”●劉若鵬。圖片來源：深圳晚報劉若鵬出生於1983年，陝西人，9歲那年父母因工作需要前往深圳，他便也隨著父母到深圳生活。當時的深圳正處於高速發展期，經濟、文化、科技等方面的變化日新月異。還在讀小學的劉若鵬猶如被打開了新世界的大門，他第一次見識到了什麼是新股認購、什麼是高科技展覽會，對科學產生了濃厚的興趣。劉若鵬19歲保送浙江大學，被選拔進入浙大竺可楨學院混合班，這裡又被稱為“天才班”，重點培養理工科領域的拔尖創新人才。由於學業成績極為優異，劉若鵬獲得美國杜克大學電子與電腦工程系全額獎學金，赴美碩博連讀，深入研究超材料。●杜克大學。圖片來源：攝圖網他率領團隊，於2009年利用超材料技術成功研製出“隱身衣”，相關成果發表於世界頂級期刊《科學》，引起學術界、公眾媒體和各國政府的高度重視。「對材料學具有顛覆性意義。」另一頂級期刊《自然》如此評價。2010年，《科學》將超材料列為「21世紀前10年自然科學領域的10項重大突破」之一。而到了2012年，美國國防部已將超材料列為「六大顛覆性基礎研究領域」之首；美軍方確立超材料技術率先應用於最先進的軍事裝備；日本和俄羅斯也將超材料列為下一代隱身裝備的核心關鍵技術。●光啟參加中國國際航空航天博覽會。圖片來源：光啟在這種環境下，如果劉若鵬留在美國，他和團隊的幾位成員無疑將獲得大量的設備和資金支持。但他們最終還是選擇回國。劉若鵬很清楚，若他們帶著成果回國，那麼中國在這個高精尖領域，不但不輸發達國家，還具有先發優勢。他說：“我們這批80後是戴著紅領巾、站在紅旗下成長的一代，愛國的種子從小便種在了心中。長大後，我們希望能以所學報國。”在國內艱難起步2010年7月，劉若鵬和團隊透過高階人才引進計畫落腳深圳，在深圳正式創立光啟高等理工研究院。但創業過程比他們預想的更艱難。那時候，超材料在國內尚屬一片未開發的領域，產業壁壘多、門檻高，幾乎一切都要從零開始。●光啟科技總經理欒琳，也是光啟核心創業團隊中唯一的女性。圖片來源：光啟超材料的研發需要龐大投入，而他們拿到的啟動資金，僅夠解決基本的科學研究問題。做電磁波測試時，為了躲避訊號幹擾，一群人必須深更半夜跑到一個沒有完工的地下車庫做實驗。深圳的夏天潮濕悶熱，有人熱得實在受不了，索性光起膀子工作。保全聽到動靜跑過來，朝他們大聲喝斥：「幹什麼的！」他們趕緊解釋是在做實驗。有一次，劉若鵬和同事們在一處垃圾堆旁做超材料性能測試。電源供應器是從不遠的小賣部買東西，跟老闆娘商量後用插線板拉過來的，每隔一段距離蹲一個人監測。有小孩子好奇地湊過來看熱鬧，很快就被媽媽拽走了，還指著他們教育孩子：“你看看，不好好學習，以後就是這個樣子！”搞得一群海歸博士哭笑不得。●劉若鵬（右）與同事進行產品測試。圖片來源：深圳晚報雖然實驗設施簡陋，但劉若鵬他們從未抱怨，反而覺得這段經歷非常重要：“其實蠻難得能有這樣一段過程，讓大家知道所有機會都來之不易，不要認為實驗室之類的都是天上掉下來的。”在如此窘迫的條件下，劉若鵬帶領光啟，開啟了光速般的發展之路。從2010年到2014年，短短幾年間，光啟申請核心專利數量超過2600件，穩居全球第一，基本完成了超材料行業的所有專利佈局，為中國超材料構築起一道強大的技術護城河。●各國超材料專利申請趨勢圖。圖源：國家智慧財產局同時，光啟研究院主導組成全國唯一的超材料電磁調製技術國家重點實驗室，並部署搭建了光啟高效能運算中心。這是全球第一個超材料高效能運算中心，涵蓋上億種人造微結構數據，大幅縮短了超材料的自研周期。「在美國時用3個月做出一個超材料微結構，現在30分鐘內就可以做出百萬級的超材料微結構，超材料的設計和模擬能力大大提高。」劉若鵬如此說道。此外，劉若鵬還領銜起草了全球首個超材料國家標準《電磁超材料術語》，打破了西方國家對前沿科技的技術標準壟斷。2012年7月，光啟全球首條超材料中試生產線正式投產，中國也因此成為第一個實現超材料規模化生產的國家。劉若鵬和他的團隊，已在不知不覺間，悄悄成長為世界超材料領域的引領者。超材料的產業化一項科技的誕生，不能只停留在實驗室，最重要的是轉化為實際應用，才有真正的價值。劉若鵬從創業初期就深諳這一點。2025年7月，在光啟研究院成立15周年大會上，劉若鵬現場展示了光啟發展路上的一長串數字：累計完成11.72萬張設計圖紙，搭建54.5萬個數位模擬模型，撰寫超材料設計技術文檔7.74億字、製程製造大綱38.28億字，累積實測成像圖220萬條、實測曲線8000萬條…在這串數字的支撐下，光啟超材料成功實現了從實驗室到產業化的跨越，現已廣泛應用於中國海陸空尖端裝備領域，覆蓋多個裝備體系幾十個關鍵部位，為中國裝備綜合作戰性能的提升做出了巨大的貢獻。●光啟超材料生產線。圖片來源：光啟同時，劉若鵬將超材料技術拓展至更多新興領域，為蜂群無人機、智慧網路汽車、人形機器人等提供核心技術支援。在低空經濟領域，光啟推出全球首款超材料無人機，不僅在電磁性能、結構強度和耐久性等方面更具優勢，同時降低了機體重量，使裝備的關鍵指標獲得大幅提升。●光啟旗下超材料無人機。圖片來源：光啟而在智慧網聯汽車領域，光啟推出的緊縮場檢測技術，將上百公里的真實電磁環境壓縮在一個籃球場大小的實驗室內，因此解決了大尺寸整車電磁相容性驗證的難題。●光啟緊縮場實驗室。圖片來源：光啟一系列的產業化應用，讓光啟在超材料領域逐步領先全球，以12.38%的市佔率登上產業頭把交椅，將一眾海外巨頭甩在身後。如今，光啟已在全國建造五大超材料生產基地，並聯合1919家上下游企業，建構起中國超材料領域的完整產業鏈。旗下擁有大批超材料專業人才，光博士後就培養出134位。專利方面，光啟在全球積極佈局智慧財產權，累計申請專利6,000餘項，穩居全球之冠。「光啟的成功，比的是原創。」劉若鵬底氣十足。●光啟，中華贏「光啟」二字，取自中國明朝大科學家徐光啟。徐光啟在數學、天文學、農學和軍事科學等領域都有重要貢獻，光啟研究院的研究使命與之高度契合。正如劉若鵬所言：“我們取這個名字，就是希望能為中華民族的科技復興，做出應有的貢獻。”15年風風雨雨，劉若鵬和團隊成員們將最好的年華，都傾注在了中國的超材料事業上。他們攻克了從基礎理論到產業化應用的層層難關，讓超材料從實驗室走向戰場，從圖面變成現實。這15年的堅守，正是「光啟」精神最好的詮釋──唯有以創新為刃，方能劈開發展的荊棘之路。(最華人)

摩根士丹利最新報告《機器人年鑑：第二卷：如何訓練你的機器人》指出，人工智慧驅動的機器人正在經歷從工廠車間向更廣闊應用場景的歷史性躍遷，訓練焦點從“認知智能”轉向“物理智能”，這一轉變將引爆邊緣計算的新一輪軍備競賽。12月14日，摩根士丹利全球具身智能團隊發佈《機器人年鑑·第二卷：如何訓練你的機器人》，提出機器人產業正在發生“雙重逃逸”：一是物理空間上從工廠流水線逃逸到家庭、農場、城市、海洋乃至太空；二是技術範式上從以“大腦”為核心的通用大模型逃逸到以“身體”為核心的物理動作控制。報告認為，這場逃逸將直接重塑全球算力地圖，邊緣推理晶片、模擬引擎、機器人感測器三大賽道將成為未來十年最硬核的投資主線。一、機器人“逃離工廠”：從結構化牢籠到非結構化世界傳統工業機器人被鎖死在“結構化牢籠”裡：任務單一（重複裝配）、環境可控（固定產線）、無需感知與學習能力。大摩用一幅對比圖揭示變化：Pre-AI時代的機器人被安全圍欄包圍，警告牌寫著“嚴禁進入”；Post-AI時代的機器人已出現在農場、公寓、火星地表。報告以“抓取冰箱中的瓶子”作為經典案例：人類0.5秒完成的動作，對機器人卻是一場多變數耦合的噩夢——手指微弧度調整、腕部扭矩控制、重心即時補償、濕度對摩擦係數的擾動、冰箱內其他物體的碰撞規避。大摩強調，物理世界的“難”是字面意義上的硬：它要求機器人具備毫秒級感知-決策-執行閉環，而非傳統工廠的預設程序。二、訓練範式革命：從“大腦”最佳化到“身體”控制報告把AI訓練拆成兩條賽道：一條是LLM/VLM為代表的“認知賽道”，訓練的是文字與圖像的抽象關係；另一條是VLA（Vision-Language-Action）為代表的“物理賽道”，訓練的是像素到關節扭矩的對應。大摩指出，Moravec悖論在此顯靈——對人類而言“走路比微積分簡單”，對AI卻恰恰相反。為了獲取物理資料，產業界已形成三條技術路線：遠端操作（Teleoperation）：人類穿戴動捕裝置“手把手”教機器人，資料質量高但規模受限，特斯拉2023年曾為Optimus大量招聘“機器人操作員”，時薪48美元。模擬訓練（Simulation）：NVIDIA Omniverse、Google DeepMind MuJoCo、Unreal Engine建構高保真數字孿生，可在虛擬世界模擬暴雨、地震、零重力等極端場景，配合強化學習實現“無限試錯”。視訊學習（Video）：從YouTube、TikTok等公開視訊中提取人類動作，Meta V-JEPA 2、Google Genie 3等“世界模型”可預測物體運動軌跡，實現“零樣本”遷移。大摩認為，三種方式將長期並存，但模擬+視訊的佔比會快速上升，到2030年或佔訓練資料總量的80%。三、邊緣算力需求爆發：即時推理與分散式運算當機器人走出工廠，雲端延遲成為致命短板。大摩提出“邊緣計算雙輪驅動”模型：專用邊緣晶片普及：NVIDIA Jetson Thor（Blackwell架構）以3500美元套件價提供2070 FP4 TFLOPS算力，功耗僅130W，已被波士頓動力、Figure、Agility等頭部企業採用。報告測算，單台人形機器人需2顆Jetson Thor，自動駕駛汽車需2顆DRIVE Thor，家用機器人則需1顆Jetson Orin Nano。分佈式推理網路：特斯拉提出“機器人即算力節點”構想——若全球部署1億台機器人，每台2500 TFLOPS，50%利用率下可貢獻125000 ExaFLOPS，相當於700萬顆B200 GPU。這種“去中心化雲”不僅降低資料中心依賴，還能通過車-機-無人機協同實現“群體智能”。大摩預測，到2030年全球機器人邊緣算力需求將達697 ExaFLOPS（B200當量），2050年進一步攀升至14000 ExaFLOPS，對應市場規模超1600億美元。三、投資地圖：三條主線與三大風險報告在最後一章給出“具身智能投資九宮格”：上游：感測器（索尼IMX、Velodyne雷射雷達）、稀土磁材（MP Materials、Lynas）中游：邊緣晶片（NVIDIA、高通、Ambarella）、模擬引擎（Unity、Epic Games）下游：機器人本體（特斯拉Optimus、Figure 01、1X NEO）三大風險同步升溫：資料瓶頸：物理資料無法像文字那樣“一鍵爬蟲”，真實世界採樣成本高昂。稀土卡脖子：一台人形機器人需2-4kg釹鐵硼磁材，中國控制全球90%精煉產能，地緣政治溢價將持續放大。模擬到現實的“Reality Gap”：虛擬環境再逼真，也無法100%復現摩擦、形變、光線散射等微觀物理現象。摩根士丹利在結尾引用卡爾·薩根1995年的警告：“文明處於教育與災難的競賽之中”。報告認為，具身智能的爆發正是美國重奪製造業主導權的歷史窗口——誰能率先解決“物理資料-邊緣算力-稀土材料”的三重約束，誰就能定義下一個五十年的全球產業秩序。機器人正在逃離工廠，而投資者需要逃離“純軟體”的舒適區，迎接一個軟硬一體、邊緣即中心的新世界。(TOP行業報告)

多家媒體報導，春晚金主爸爸爭奪戰開始了，不少機器人公司都去競標。其中，智元和宇樹的競爭最為激烈。智元率先開價6000萬元，而宇樹將報價拉升至1億元。但別急著驚訝，這些資料還沒被官方確認。智元模糊地回應“不是真的”，但沒說具體那裡是假的。宇樹則沒有回應。我通過多方打聽：春晚機器人廣告爭奪戰，應該是開始了。只是錢有沒有這麼誇張，不好說。我覺得是好事，說明機器人行業真的有錢。據行業分析，2025年前九個月，中國機器人行業有610筆投資交易，總金額約500億元，相比去年同期增長超過250%。只是，我有點好奇：這些機器人的投資方，你們看著自家項目，幾百萬、幾千萬、上億地砸春晚，心裡不會肉疼嗎？如果一點都不疼，估計沒人會有意見。本文我想討論的，其實只有一個問題：機器人公司，為什麼要在這個時間點，重金砸春晚？- 01 - 資本肉疼嗎？首先，誰會有意見？春晚肯定沒意見：贊助多了，手裡彈藥就多，節目會更好看，老百姓更開心。機器人公司更沒意見。我的直覺：他們的主要目的，也不是為了賣產品，而是為了給資本和政府發訊號：“我是行業老大，有錢就投我，有資源請我砸；我若未來想上市，給我開綠燈。”如果把這場贊助大戰比作賽馬，那麼大家不是比誰的機器人走得更快、抓得更穩、幹得更好，而是在比誰能先搶認知制高點，讓資本更快注意到自己。那有人會問了，你怎麼知道他們不是為了賣產品？如果是toB場景，比如工業機器人。他們的客戶，用一張excel表就能梳理清楚，無需春晚獲客。如果是家庭場景，你想賣也沒那麼多人買。大腦不夠聰明，手腳不夠靈巧，賣給誰？以靈巧手為例，行業人士告訴我：估計15年都進不了普通家庭——力氣太小，連搬個快遞都費勁。壽命也不長，頻繁維修家庭使用者受不了。所以，如果從賣產品角度看，機器人公司重金砸春晚，未必是最優選擇。你的產品如果是全民要用，那春晚才是完美管道。比如當年的微信。2015年，微信官方首次成為春晚獨家新媒體合作夥伴，投入約5300萬元，發了5億元紅包。那年，微信紅包互動總量達10.1億次。幾天內，微信支付使用者從不到800萬暴漲到2億人。所以機器人公司砸春晚，大機率是為了資本和資源：奠定全國的市場地位，為融資、為上市打基礎，也能拉動部分產品訂單。也正因為此，我前文點名問資本：你們的心疼不疼，你們不疼沒誰會有意見。畢竟這些公司後續融資、上市，資本也能大獲收益，大家是一條船上的螞蚱。- 02 - 可持續嗎？我只是站在長遠利益，給大家提一個醒：在產品沒有大規模付費使用者之前，這種資本的“抬轎子”遊戲，是不是真的可持續。什麼是“抬轎子”？我投天使，你投A，他投B，一輪一輪抬到IPO——和產品、市場、收入沒啥關係，不用使用者拿錢投票。這個遊戲能持續多久？我不是要反問大家，是真的不知道答案。前一陣，一家VC的掌舵人告訴我：過去10年，絕大多數的股權投資人都沒賺到錢。一個關鍵原因是：投資了一堆只有“抬轎子”價值的公司，產品沒有足夠的市場。我就不點名具體公司名了。大家看無人駕駛賽道，是不是屬於這種情況？抬轎子抬出一堆低差異化、低收入、高虧損的獨角獸，擠在IPO門口。我是看著都心疼。再復盤歷史，AI、小程序、共享經濟賽道也出現過類似情況：投資狂熱，但回報不確定，讓後來者和投資人更謹慎。機器人賽道會不會步其後塵呢？希望不會。人形機器人行業的熱鬧，有事實資料作背景——但這些資料並不等同於商業化成功，甚至還差得遠。一方面，人形機器人確實開始拿到真實訂單和合同：智元與宇樹聯合中標總計約1.24億元的人形機器人採購項目，涉及全尺寸機器人及配件服務。另一家公司優必選也拿下近億元的工業人形機器人訂單，並進入車企生產線使用場景。這些案例說明，機器人不再只是概念產品，它在工業、物流、製造等垂直場景有了實際應用。但另一方面，目前階段仍然是“初步落地”，不是“家庭普及”：很多機器人在真實運行場景依舊表現有限，需要極強技術和場景適配；人形機器人真正進入千家萬戶、替代人工勞動這種“未來場景”還很遠。既然距離大規模應用就那麼遠，錢是不是更應該花在刀刃上？投在有真實使用價值的技術上，投在能真正降低成本、創造收益的產品上，投在能快速進入真實場景，而不是華而不實的行銷上。資本可以短期推高熱度，但市場和使用者才是長期價值的試金石。讓我們期待未來幾年，人形機器人不僅能上春晚，更能上生產線、進工廠、進醫院、進家庭。只有這樣，這項投入才真正值回票價。 (鉛筆道)

一、全球儲存公司梳理：總覽（按市佔率）三星電子、海力士在DRAM、HBM、NAND、SSD等領域市佔率均較高，為全球儲存龍頭公司；其次為美光，產品矩陣全面，但市佔率略低於三星、海力士；SanDisk、鎧俠聚焦於NAND、SSD領域，西部資料、希捷科技聚焦於HDD領域；從地域來看，全球儲存公司主要集中在韓國、美國、中國（包括台灣）、日本。圖1：全球儲存公司總覽（25Q2各產品市佔率情況）二、全球儲存公司梳理：三星電子三星電子：全球NAND、DRAM領先企業。三星電子業務包括消費電子產品、儲存產品（NAND&DRAM等）、OLED手機面板以及Harman（音響產品）等。從收入結構來看：根據公司財報披露資料，3QFY2025公司DX部門（TV、手機、空調等）、DS部門（DRAM、NAND、移動Aps等）、SDC（OLED手機面板）、Harman（智能座艙、汽車音響等）收入佔比分別為55%、33%、8%、4%，儲存業務為公司第二大業務，僅次於消費電子業務。從競爭格局來看：根據IDC披露資料，25Q2全球DRAM市場，三星電子市佔率為33.2%，全球第二；25Q2全球NAND市場，海力士市佔率34.0%，全球第一；25Q2全球HBM市場，三星電子市佔率17.0%，全球第二；25Q2全球SSD市場三星電子市佔率為32.0%，全球第一，在消費級、企業級SSD均具備競爭優勢。從發展歷史來看：1）公司發展歷史：公司1969年成立，最初主要生產電子電器類產品，1874年通過收購韓國半導體進軍半導體業務；1983年開始發力DRAM領域，1984年研發成功64kDRAM；1988年公司在韓國推出第一部手機；1998年開發出第一款128MB Flash快閃記憶體，2004年公司研發出全球首款8GB NAND快閃記憶體，2005年開始進入晶圓代工行業，2011年出售HDD業務，專注發展儲存晶片，2016年收購Harman，強化自身在汽車晶片、車載娛樂領域優勢。2）從DRAM產品發展歷史來看：1984年研發成功64k DRAM，1996年首次提出DDR概念，1998年發佈全球第一個商用DDR晶片，2003年量產DDR2，2008年開始DDR3，2013年量產DDR4，2021年量產DDR5。3）從HBM產品發展歷史來看：2016年量產HBM2，2020年量產HBM2E，2023年量產HBM3，2024年量產HBM3E。4）從NAND產品發展歷史來看：1998年開發出第一款128NM Flash快閃記憶體，2013年開始進入3D V-NAND階段（24層），後堆疊層數持續增長，2024年第九代VNAND（300+層）量產。圖2：三星電子HBM產品lineup圖3：三星電子NAND產品發展圖4：三星電子SSD產品發展圖5：三星電子收入結構（25Q3）三、全球儲存公司梳理：海力士海力士：全球NAND、DRAM領先企業。海力士主要從事NAND、DRAM的開發、生產和銷售，產品覆蓋DRAM、NAND、HBM、SSD等。從收入結構來看：根據公司財報披露資料，3QFY2025公司DRAM（包括HBM）、NAND（包括SSD）、其他業務收入佔比分別為78%、20%、2%，DRAM、NAND業務為公司主營業務。從競爭格局來看：根據IDC披露資料，25Q2全球DRAM市場，海力士市佔率為39.1%，全球第一；25Q2全球NAND市場，海力士市佔率22.0%，全球第二；25Q2全球HBM市場，海力士市佔率67.0%，全球第一；25Q2全球SSD市場海力士市佔率為19.6%（包括Solidigm，收購的英特爾的NAND業務），其中海力士優勢在消費級SSD領域，市佔率為9.15%，全球第四，Solidigm 優勢在企業級SSD領域，市佔率23.18%，全球第二。從發展歷史來看：1）公司發展歷史：公司1983年成立，最初名為現代電子，以DRAM的生產製造為主；1998年收購LG半導體，2001年改名為海力士，2003年從現代集團完成剝離，2004年出售非儲存業務，將重心轉向半導體儲存；公司於2012年併入SK集團，改名為SK海力士；2021年SK海力士收購英特爾的NAND業務，成立了Solidigm；2023年開發並大規模生產全球最高規格的HBM3E。2）從DRAM產品發展歷史來看：1985年，公司256kb DRAM量產，整合LG半導體後於2001年推出128MB DDR SDRAM；2003年底512MB DDR2通過英特爾認證，2004年開始量產；2007年開發出業內首款DDR3並獲得英特爾認證；2011年成功研發2GB DDR4；2018年完成DDR5研發，2020年正式量產；2013年與AMD聯合開發全球首款HBM1，2017年發佈HBM2，2019年發佈HBM2E，2021年發佈HBM3，2023年量產HBM3E。3）從NAND產品發展歷史來看：2004年開始進軍快閃記憶體領域，開發了512MB NAND快閃記憶體，2014年正式進軍3D NAND領域，推出24層3D NAND晶片，2018年業內率先實現4D NAND商業化突破，發佈96層4D NAND快閃記憶體，2024年開始量產全球首款321層4D NAND快閃記憶體。圖6：海力士NAND產品發展圖7：海力士HBM產品發展四、大模型對儲存的需求：訓練&推全球儲存公司梳理：美光美光：全球DRAM、NAND領先企業。美光主要從事DRAM、NAND的開發、生產和銷售，產品覆蓋DRAM、NAND、HBM等。從收入結構來看：根據公司財報披露資料，FY2025公司DRAM（包括HBM）、NAND、其他業務收入佔比分別為76%、23%、1%，DRAM、NAND業務為公司主營業務。從競爭格局來看：根據IDC披露資料，25Q2全球DRAM市場，美光市佔率為22.8%，全球第三；25Q2全球NAND市場，美光市佔率13.8%，全球第四；25Q2全球HBM市場，美光市佔率16.0%，全球第三；25Q2全球SSD市場美光市佔率為11.1%，全球第三。從發展歷史來看：1）公司發展歷史：公司1978年成立，以DRAM的生產製造為主，1981年量產64KB DRAM；1998年收購TI(德州儀器）全球儲存業務，躋身全球儲存前列；同年，併購Rendition，進入3D圖形晶片領域；1999年發佈產業內第一款DDR晶片；2002年美光收購日本東芝在美國的DRAM工廠，生產能力進一步提升；2005年美光與英特爾合資成立IM FlashTechnologies，開進發力NAND領域，2006年又收購了Lexar Media，進一步開拓消費級儲存卡和SSD市場；2009年收購奇夢達持有的華亞科技全部股份，2015年收購華亞科技全部股份，改名為台灣美光；2013年美光完成對爾必達的收購，改名為美光日本；2015年美光與英特爾聯合發佈3D NAND技術；2018年美光放棄HMC技術，開始轉向HBM產品的研發，2020年美光開始提供HBM2產品。2）從DRAM產品發展歷史來看：1981年，公司64KB DRAM量產，通過收購TI儲存業務、華亞科技、爾必達，DRAM產品能力持續提升；1991年推出DDR1，2003年推出DDR2，2007年推出DDR3，2014年推出DDR4，2020年推出DDR5；3）從HBM產品發展歷史來看：美光最初專注於HMC技術，2011年發佈第一代HMC，2018年放棄HMC，開始轉向HBM技術，2020年推出HBM2,後持續迭代；4）從NAND產品發展歷史來看：2005年通過和英特爾合資公司進軍快閃記憶體領域，2015年和英特爾聯合發佈3D NAND技術，2024年232層NAND已經大批次量產。圖8：美光發展歷史圖9：美光收入結構（FY2025）五、全球儲存公司梳理：SanDiskSanDisk：全球消費級NAND領先企業。SanDisk主要從事快閃記憶體及固定硬碟（SSD）的開發、生產和銷售，在消費級儲存市場具有領先優勢。從收入結構來看：根據公司財報披露資料，公司產品主要包括儲存卡、USB快閃記憶體驅動器、SSD，FY2025公司消費端、商業端、雲端產品收入佔比分別為56%、31%、13%。從競爭格局來看：根據IDC披露資料，從全球NAND競爭格局來看，25Q2SanDisk市佔率為12.1%，全球市佔率第五；從全球SSD市場來看，25Q2SanDisk市佔率為11.8%，全球市佔率第三名；從消費級SSD市場，25Q2SanDisk市佔率分別為19.0%，市佔率全球第二。從發展歷史來看：1）公司發展歷史：1988年公司成立，1991年推出首款基於快閃記憶體的固態硬碟，2016年被西部資料收購，2025年西部資料剝離快閃記憶體業務，獨立上市；2）從NAND和SSD產品發展歷史來看：1991年SanDisk為IBM生產了首款基於快閃記憶體的SSD；1992年推出FlashDisk，可以插入筆記型電腦的拓展槽中；1994年發佈CF卡，成為早期數位相機和可攜式電子裝置的主流儲存方案；2000年，公司正式推出SD儲存卡格式；2001年，公司與東芝聯合發佈全球首款商業化的NAND MLC快閃記憶體技術；2004年，作為核心推動者參與制定microSD儲存卡標準；2005年發佈首款基於快閃記憶體的MP3播放器SanDisk Sansa e100，開始進入數字音訊播放器領域；2011年，公司收購固態硬碟製造商Pliant Technology；2012年，發佈首款SATA SSD產品，發力消費級SSD市場；2013年，公司收購面向企業市場的SSD製造商SMART Storage Systems；2014年，公司收購企業資料中心快閃記憶體製造商Fusion-io，開始佈局企業級SSD市場；2019年SanDisk主導發佈SD Express標準，通過PCIe NVMe將介面速度大幅提升；2024年SanDisk發佈microSD Express儲存卡。圖10：SanDisk產品發展歷史圖11：SanDisk收入結構（FY2025）六、大模型對儲存的需求：訓練&推全球儲存公司梳理：西部資料西部資料：全球HDD領先企業。西部資料主要從事硬碟（HDD）的開發、生產和銷售，覆蓋資料中心級、商業級、消費級HDD產品。從收入結構來看：根據西部資料財報披露資料，HDD為其核心產品，FY2025財年西部資料Cloud（雲）、Client（商業級）、Consumer（消費級）收入佔比分別為88%、6%、6%，資料中心等級HDD貢獻主要收入。從競爭格局來看：根據IDC披露資料，2024年希捷、西部資料、東芝市佔率分別為40.8%、40.0%、19.2%，其中希捷、西部資料市佔率合計達80.8%，呈現雙寡頭壟斷格局。從發展歷史來看：1）公司發展歷史：1970年西部資料成立，為全球知名的儲存解決方案提供商，1990年開始確立“硬碟主業”戰略，2011年收購日立環球儲存科技，擴張企業級HDD市場，2016年收購SanDisk，確立“HDD+快閃記憶體”雙核心業務，2025年完成對SanDisk分拆，正式剝離NAND快閃記憶體業務，目前全面聚焦於HDD領域；2）從HDD產品發展歷史來看：1988年收購Tandon，切入硬碟製造領域；1992年發佈Caviar驅動器，獲得市場認可；1999年，同IBM合作，推出Expert系列驅動器；2001年，西部資料成為第一家提供8MB磁碟緩衝區的主流ATA硬碟驅動器製造商；2003年收購磁頭製造商Read-Rite，推出首款10,000轉SATA硬碟WD Raptor；2005年，開始進入筆記本HDD市場，推出Scorpio系列硬碟；2006年推出採用垂直磁記錄（PMR）技術的硬碟；2009年，推出全球首款2TB硬碟WD Caviar Green；2012年，完成對HGST收購，成為全球最大的傳統硬碟製造商，並獲得HGST在企業級HDD和氦氣硬碟技術優勢；2013年，發佈全球首款商用氦氣硬碟Ultrastar He；2017年，展示MAMR（微波輔助磁記錄）技術原型；2020年，發佈ePMR技術(Energy-Assist PMR)。圖12：西部資料產品發展圖13：西部資料收入結構（FY2025）七、大模型對儲存的需求：訓練&推理全球儲存公司梳理：希捷科技希捷科技：全球HDD領先企業。希捷科技主要從事硬碟及儲存產品的開發、生產和銷售，核心產品為HDD硬碟，此外亦覆蓋系統、SSD等產品。從收入結構來看：根據公司財報披露資料，FY2025公司HHD、系統&SSD&其他產品收入佔比分別為93%、7%，HDD產品業務為公司主營業務。從競爭格局來看：根據IDC披露資料，2024年HDD市場希捷、西部資料、東芝市佔率分別為40.8%、40.0%、19.2%，希捷為全球龍頭；SSD產品全球佔比較低。從發展歷史來看：1）公司發展歷史：公司成立於1978年，1980年發佈全球首款5.25英吋硬碟ST-506，後成為IBM PC主要供應商，1989年收購CDC旗下的儲存部門ImprimisTechnology，進一步擴大企業級HDD市場份額；1996年，公司與Conner Peripherals合併，成為當時全球最大的獨立儲存裝置製造商；2003年發佈Momentus系列產品，重回筆記本HDD市場；2006年收購Maxtor，整合其消費級產品線，市場份額進一步提升；2011年，為應對西部資料收購HSFT，希捷收購三星旗下硬碟業務；2013年佈局SSD市場，2014年收購LSI快閃記憶體業務；2020年公司HAMR技術開始商業化，HDD容量大幅提升。2）從HDD產品發展歷史來看：1980年公司發佈全球首款5.25英吋硬碟ST-506，為個人電腦提供了首個標準儲存解決方案，1981年發佈10MB版本ST-412，以此獲得IBM主要OEM供應商合同，後出貨量快速增長；1989年收購CDC旗下的儲存部門Imprimis Technology，進一步擴大企業級HDD市場份額；1992年發佈全球首款7200RPM硬碟BarraCuda（酷魚），1996年發佈全球首款10000RPM硬碟Cheetah系列，鞏固其在企業級儲存領域地位；2003年發佈Momentus系列硬碟，重回筆記本硬碟領域；2005年收購Maxtor，整合其消費級產品線FreeAgent等，擴大消費級市場份額；2011年收購三星旗下硬碟業務，進一步提升市場份額；2020年HAMR技術開始商業化，2022年推出基於HAMR技術的Exos M系列硬碟，2025年推動第二代HAMR技術開發，目標容量提升到30TB以上。圖14：通過HAMR技術，希捷產品容量持續提升圖15：希捷科技收入結構（FY2025）八、大模型對儲存的需求：訓練&推全球儲存公司梳理：鎧俠鎧俠：全球NAND快閃記憶體領先企業。鎧俠主要從事快閃記憶體及固定硬碟（SSD）的開發、生產和銷售，覆蓋企業儲存產品、個人消費儲存產品。從收入結構來看：根據公司財報披露資料，2025H1公司SSD&儲存、智能裝置、其他業務收入佔比分別為53%、31%、16%，SSD&儲存業務為公司主營業務。從競爭格局來看：根據IDC披露資料，從全球NAND競爭格局來看，25Q2三星、海力士、鎧俠、美光、SanDisk佔比分別為34.0%、22.0%、13.9%、13.9%、12.1%，鎧俠僅次於三星、海力士；從全球SSD市場來看，25Q2三星、Solidigm、SanDisk、美光、鎧俠市佔率分別為28.7%、12.6%、11.8%、11.2%、8.1%，全球市佔率第五名。從發展歷史來看：1）公司發展歷史：1987年東芝公司發明NAND快閃記憶體，2017年鎧俠前身東芝儲存器集團從東芝公司剝離，2019年公司改名為鎧俠；2）從NAND產品發展歷史來看：1987年公司發明NAND快閃記憶體，1991年發佈全球首個4MB NAND快閃記憶體（全球第一個商業化NAND產品），2001年鎧俠和SanDisk聯合開發，推出首款1GB MLC NAND產品（首次在NAND中使用MLC技術，實現每單元儲存2位資料），2007年率先發佈三維(3D)快閃記憶體層疊技術，2014年發佈全球首款15nm工藝NAND產品，2015年發佈全球首款256GB（48層）TLC BICS FLASH，實現了3D NAND技術的商業化突破，2019年全球首次實現量產96層QLC 3D NAND產品，後續堆疊層數、容量持續提升；3）從SSD產品發展歷史來看：2001年發佈首個PATA SSD，2007年發佈第一代SATA介面SSD（128GB），2010年首款SAS SLC企業級SSD發佈，2012年發佈首款SAS MLC企業級SSD+QSBC技術（錯誤矯正技術），2016年面向消費級市場推出SATA介面TLC SSD產品，2018年發佈全球首款採購96層BiCS4 FLASH的NVMe SSD。圖16：鎧俠產品發展圖17：鎧俠收入結構（2025H1）(AI雲原生智能算力架構)

Scott 正在 Humanoids Summit 現場連線。大會非常火爆，入口一度排隊到“溢出”，說明整個行業的關注度已經明顯上來了。本文基於 ScottWalter等 的公開視訊進行學習復盤，僅供學習交流參考。開場重磅：Disney 的角色機器人、安全與模擬/RL開場的重磅報告來自迪士尼（Disney）：他們的人形機器人主要面向角色動畫和主題樂園場景，機構設計比傳統工業/物流機器人複雜得多，需要做更高精度、更複雜的模擬與強化學習。因為未來這些機器人要在樂園裡和遊客近距離互動，所以在他們那裡，安全性需求和“家用機器人”非常類似，安全是第一優先順序。Scott 也認為，迪士尼不同的應用場景，正在倒逼模擬、強化學習方法本身往前推進。展區概覽：矽谷頭部不“擺機”，Unitree 依然高頻展區裡聚集了來自全球的機器人公司和供應商。特斯拉、1X、Figure 等矽谷頭部人形公司這次沒有帶整機參展，但像 Unitree（宇樹）等依然高頻出現。Scott 提到一個叫UFB（Ultimate Fighting Bots）的項目，會用 Unitree 機器人做“機器人搏擊平台”來對打展示——原因很簡單：Unitree 的機器人可以直接買到、可商用、可量產，這點在現在的市場上仍然是稀缺能力。全尺寸人形 傅里葉Fourier：把“安全、友好”做成第一眼印象走進展廳後，Scott 首先看的是一台他之前只在新聞裡見過的全尺寸人形機器人傅里葉Fourier 。這台機器人外觀做得非常“親和”，到處是圓角、包膠、軟質外殼，Scott 形容為：“這是一個你不會害怕站在它旁邊的機器人”，給人的第一印象是“安全、友好”。關節處執行器做成類似玫瑰金色的外觀，整體觀感很接近消費電子級產品，既是人形機器人，也是一個“可展示給普通人的工業設計樣本”。供應鏈視角：諧波減速器仍是關節主流方案之一在零部件供應商區域，Harmonic Drive（諧波減速器）這類廠商也在現場。Scott 特別強調，諧波減速器 / 應變波減速器仍然是當前人形機器人關節執行器的主流方案之一，幾乎所有新一代人形機器人在髖、膝、踝等大關節上都會不同程度地依賴這類核心部件；人形機器人的“動作質感”和“能量效率”，很大程度上都被這些減速器所決定。Booster Robotics：會迴旋踢的小型人形 + 開放平台路線隨後 Scott 遇到 Booster Robotics 的 Aaron Chen（負責北美和南美的 go-to-market），重點聊了他們的小型人形平台。現在 Booster 已經有多個尺寸版本，其中一台可以完成非常“秀肌肉”的迴旋踢（round kick）。這些動作不是簡單的固定指令碼，而是通過模仿學習 + 模擬中的強化學習得到：機器人在不同地形、受到推動或輕微干擾時，仍然可以保持平衡並完成動作，說明它的控制策略會即時對外界擾動作出響應，而不是“只按劇本跳舞”。更關鍵的是，Booster 的整體定位是一個面向開發者的“開放平台”：他們的 API 和介面完全開放，支援開發者做二次開發，官方不斷在打磨 SDK 和作業系統，希望研究者、愛好者、軟體工程師願意在他們的平台上建構自己的智能體和應用。從商業模式上看，他們更偏向軟體與生態驅動，而不是只賺硬體整機的錢：硬體是“載體”，價值在於“大家願意在這個載體上長期開發”。價格是這一段裡最硬的一條乾貨。Booster 小型人形的起售價大約在 6000 美元等級，而過去類似定位的研究機器人往往要到10 萬美元量級。Scott 的判斷是，這會極大降低“個人愛好者 + 學術實驗室”進入人形機器人的門檻——很多人第一次可以以“幾千美元 + 開源 SDK”的模式真機上手，而不是只停留在模擬軟體裡。機器人手生態：Psyonic 手像“USB 通用外設”在手部展品區域，Scott 提到一個非常關鍵的名字：Psyonic 機器人手。他強調，Psyonic 手是目前全球各類機械臂、人形機器人上使用最廣泛的“現成通用機器人手”之一。如果一家團隊不想把資源花在“從零做一隻靈巧手”上，最常見的做法就是直接採購這種成熟的 Psyonic 手作為標準末端執行器，因為它已經被大量應用場景驗證，生態成熟、整合方便。可以把它理解成當下機器人生態裡的“USB 通用外設”：不想自己造手、或者前期只做上層演算法驗證時，就先用它。動作搬運演示：Manus 資料手套遙操作（可拆洗的細節很工程）現場這段主要在展示人手 → 機器人手的“動作搬運”方案。Scott 先演示的是一隻機器人手，通過 Manus 資料手套來做遙操作：人戴上手套動手指，機器人手就跟著動。關鍵點在於：手套上有一套精度很高的手部跟蹤系統——手背有一個高精度追蹤器確定整隻手在空間中的位置，各個指尖還有感測器，能給出相對位置與關節角度，方便做抓取姿態的精確重建 + 逆運動學計算。另外一個很實用的細節是：感測器可以拆下來，手套本身可以丟進洗衣機清洗，而且用顏色編碼幫助你把感測器拆卸後重新插回正確的位置、區分左右手，方便長期使用和維護。兩大核心問題：資料採集 + 一隻能執行的機器人手Scott 接著強調：要把人類動作搬到機器人上，其實有兩大件事要解決：一是動作資料採集，二是有一隻能執行這些動作的機器人手。資料採集不一定要靠手套，也可以只用攝影機做手部跟蹤。現場演示中，他們把一隻靈巧手裝在 Unitree G1 人形機器人的手臂末端，通過機器人本身的介面把手控製器接進來，然後讓 Scott 把自己的左手伸到攝影機前，系統用視覺來識別手指動作，螢幕上還能看到一套紅色骨架的運動學手模型。隨著 Scott 彎曲手指，機器人手同步做伸展、拇指對掌、捏取等動作，整體反應速度（時延）非常不錯，還可以嘗試精細的指尖捏取（pinch）。手套 vs 純視覺：遮擋是分水嶺在“資料手套 vs 純視覺跟蹤”上，Scott 也做了利弊對比：純攝影機方案的優勢是不需要穿戴裝置，直接用相機就能跟蹤手部骨架；但一旦出現遮擋（occlusion）——比如手握住物體或者被擋住——攝影機就很難知道手指實際姿態；資料手套方案則不怕遮擋，因為感測器直接綁在手指上，抓東西也能精準測到關節角；最終選擇還要看成本、精度（fidelity）等權衡，不同公司、不同應用場景會選不同組合。小型機器人趨勢：可愛、柔軟、安全，適合“陪伴+娛樂”試點回到小型人形/運動機器人，Scott 觀察到現場那些會踢腿、會被人“踹一腳再站起來”的小機器人：雖然它們穩定性不如大型 T1 等級機器人，但在被踢、被絆倒時仍然可以快速恢復、繼續站立或重新起身，說明它們在平衡控制上已經相當成熟。更重要的是，這些機器人體型小、造型可愛且柔軟包裹多，即使撞到人也不太可能造成嚴重傷害，因此非常適合作為早期“陪伴+娛樂”場景的試點平台：一邊做商業展示，一邊收集關於安全/不安全行為的資料。“電影角色化”外形：先鋪娛樂/展覽，再遷移到嚴肅應用現場還有很多“可愛風”的小車、小機器人穿梭，其造型非常像《機器人總動員》（Wall-E）或《星球大戰》裡的一些小型步行機。這些設計明顯是刻意往“電影角色”和“萌物”方向靠：既好賣，也能降低公眾對機器人的恐懼感。Scott 提到，這類機器人很可能會先在娛樂、陪伴、展覽類場景大規模鋪開，再把積累的資料和經驗遷移到更嚴肅的應用裡。Realman：上半身 + 升降 + 移動底盤的工業協作路線隨後他們路過 Realman 的展位：那是一套人形上半身 + 升降機構 + 移動底盤的組合，定位偏工業協作機器人（cobot）。Realman 的機械臂看起來比較纖細，但因為內部使用了高減速比的諧波減速器（harmonic drives），所以能在保持細長外形的同時，獲得很高的扭矩密度和較高精度。這使得它們可以在工業環境中同時滿足載荷（payload）和精確定位的要求，且已經在不少工廠場景中長期部署。在移動平台方面，Scott 強調一個關鍵點是“是否具備全向（omnidirectional）運動能力”。如果底盤只能“前進+轉向”，在需要小幅側移對位時，就像汽車平行泊車一樣麻煩；而全向底盤可以直接左右平移，極大簡化貼邊、對接工位、狹窄空間調位等動作。因此，越來越多移動平台開始支援橫移/斜移，讓機器人在工廠或倉庫裡“像人一樣側身挪一步”。Agibbot：宣稱 5000+ 部署，量產交付跑出了規模訊號Scott 還提到另一個玩家 Agibbot：他們近期對外宣稱，已經累計部署了超過 5000 台“類人形”機器人（涵蓋不同形式，不一定是完整雙足人形）。無論具體外形如何，這個 5000 台的數字本身，意味著他們在實際落地應用和量產交付上已經跑出了一定規模，而不是停留在 Demo 階段。傅里葉Fourier GR3：從“金屬感”到“軟萌”，安全與結構野心同框最後，話題回到 傅里葉Fourier的 GR3 等新一代人形。相比早期 N1 那種“滿身金屬、機械感強烈”的造型，現在這代 GR3 給人的感覺是“軟 + 萌”：全身大量柔軟包覆，整體輪廓像一隻擬人化的“貓”。手腕：做成串聯驅動的複雜關節（serially actuated wrist），還刻意露出一部分給行內人看；頸部：有類似“保護性衣領”的結構，確保摔倒時頭部/頸部不會輕易扭斷或脫落；肩部：能看到很誇張的“二面角（dihedral angle）”佈局，用於避開肩關節奇異位形（singularity），甚至“驕傲地露出來”。Scott 在現場簡要點評了這台人形機器人的下肢與腰部設計：髖關節採用常見的“遠置髖關節”執行方案，但沒有加入很多新機型在用的“下反角（anhedral）”設計，他覺得更穩妥；腰部只提供一個繞 Z 軸的旋轉自由度（扭腰/yaw），通過單一執行器做左右旋轉；機背有把手、急停開關（E-stop）以及資料介面，方便演示扶持/急停/有線接入。供應鏈“摸溫度”：擴產衝動 vs 泡沫擔憂從參會結構上看，這次峰會矽谷本地初創公司的參展比例反而不高，很多展商來自北美以外地區。Scott 的判斷是：有些創業公司機器還沒準備好展示，或覺得這不是他們要重點曝光的場合。相比之下，上周在聖地亞哥舉行的 NeurIPS 更像“AI 頂會 + 招聘戰場”；而這次 Humanoids Summit 更偏“產業側 + 供應鏈側”場合：許多材料廠、減速器與執行器廠、齒輪製造商來這裡判斷：人形機器人是不是值得重倉的長期賽道；是否要為未來可能巨大的供給需求提前擴產/佈局；也在警惕如果只是泡沫，提前砸重金擴產，未來去產能會很痛，所以來“摸一摸行業的真實溫度”。小花絮：12 月 12 日被定為“國際人形機器人日”有一個有趣的小花絮是：12 月 12 日（12-12）被主辦方定為 “國際人形機器人日（International Humanoid Robot Day）”，目前大概是第二年，希望慢慢變成一個行業傳統節日——算是給這次會議加了一點“儀式感”。Scott 的個人視角：預訂 1X + 排隊名單 + “拆機用的昂貴玩具”在個人層面上，Scott 也透露了自己和“量產人形”的關係：他已經給 1X 的人形機器人付了訂金，排在漫長的預訂佇列中（據稱 1X 預訂人數可能 4 萬+）；也在 Sunday Robotics 的預約名單上；對於 Booster 這類 6,000 美元級的小型人形平台，如果自己真買一台，對他來說更多是“拆機 + 學習用的昂貴玩具”：一方面可以拆解、分析硬體和執行器佈局；更重要的是體驗 SDK 易用性、訓練策略（policy）開發難易度、整體使用門檻，通過“玩真機”體感當前平台的開發者體驗水平。收尾：這更像一次“狀態快照 + 供應鏈試探會”最後，他總結說，這幾天在灣區從周日開始密集開會、聽報告、私下交流，已經收集到大量關於行業走向、供應鏈佈局和政策風向的“不便全部公開的細節”，自己還在消化。這次 Humanoids Summit 更像是全球人形機器人行業的一次“狀態快照 + 供應鏈試探會”，真正的大戲還要等未來一兩年落地。 (AI工業)

你有沒有想過，那個號稱“最懂你”的ChatGPT，到底是怎麼記住你的？它真的擁有一個龐大的記憶資料庫，能隨時回溯你說的每一個字嗎？最近一位開發者Manthan Gupta的逆向工程，徹底顛覆了我們的認知！他發現，ChatGPT的記憶機制，簡單到令人難以置信，甚至沒有用到我們普遍猜測的向量資料庫和RAG檢索。👉 技術突圍：極簡四層架構，打造“記憶幻象” Manthan Gupta通過大量對話實驗，揭示了OpenAI打造“它好像真的記得我”效果的底層邏輯。這並非依靠複雜的AI“大腦”，而是一套極其精巧、工程化驅動的四層架構。這套系統，用最小的成本，實現了最大的記憶效果，堪稱一場效率上的“降維打擊”。💡 第一層：會話中繼資料——AI的“察言觀色”🔥 別把它想得太高科技。當你在每次打開ChatGPT時，它會默默觀察你的“環境資訊”：裝置類型、瀏覽器、大致地理位置、訂閱等級、甚至你的使用習慣（比如平均聊幾輪、消息多長）。這些中繼資料不會被長期儲存，也與你個人身份無關。它們的作用，僅僅是讓ChatGPT動態調整對話風格和節奏。比如你半夜用手機打開，它可能就直接切入重點，不繞彎子。這是一種即時性的環境適應，而非真正意義上的記憶。👉 第二層：使用者記憶——你的專屬“檔案卡”🚀 這一層才是ChatGPT真正“記住你”的地方。在後台，它會維護一份屬於你的、小小的“檔案卡”。上面記錄著你的名字、工作、興趣、偏好風格等明確事實。這些資訊不會憑空出現，要麼是你明確告訴它“記住我是一名AI編輯”，要麼是它在你反覆提及後，自動識別並判斷為“穩定事實”後儲存。最關鍵的是，這份記憶透明且可控。你可以隨時讓它記住或忘掉某個資訊。每次新對話，這張“檔案卡”都會被自動載入，讓ChatGPT的回答悄悄對齊你的偏好。這就是個性化體驗的“複利”效應，讓你感覺AI越來越懂你。💡 第三層：近期對話摘要——高效的“記憶索引”🔥 這也是最讓人意外的部分。我們曾以為ChatGPT會用RAG機制檢索歷史對話，但它沒有！它採用的是一個輕量級的摘要系統。ChatGPT會將你最近約15次聊天，整理成一份簡短清單，只包含時間戳、聊天標題和你當時說的幾句關鍵資訊（僅使用者側）。它不儲存對話細節，只保留“你最近關注了什麼”的方向性資訊。這種機制犧牲了細節，卻換來了驚人的速度和效率，以及對token預算的精準控制。它不“檢索”，而是“預處理”——這是一種工程上的“護城河”，確保了系統的流暢運行。👉 第四層：滑動窗口——當前對話的“短期記憶”🚀 這一層是大家最熟悉也最容易誤解的。ChatGPT每次回答時，只能看到你和它最近一段對話的內容，這就是所謂的“滑動窗口”。這個窗口的長度是有限的（如GPT-4的128k token），一旦超出，最前面的內容就會被“擠掉”，徹底遺忘。窗口內的內容會一次性打包輸入模型，不做任何“回憶”操作。這解釋了為什麼你刷新頁面或開啟新對話，它就像換了個“魂”。理解這一點，對於最佳化你的Prompt和Agent設計至關重要。✅ 認知突圍：效率至上，而非蠻力 Manthan Gupta的發現揭示了一個核心真相：ChatGPT的記憶系統並非依賴龐大的知識庫或複雜的檢索演算法，而是通過分層策略與工程化巧思，用最少的資源，實現了最強大的使用者體驗。這是一種效率至上的底層邏輯，是AI行業的一次“認知突圍”。它告訴我們，有時最簡單的架構，在精準的權衡下，反而能帶來更高的紅利。當你打開ChatGPT的Memory頁面，看到它為你精心整理的“檔案卡”時，那種感覺是複雜的。它不只是在“記住”你，它在書寫你。它像一面鏡子，映照出你在AI面前展現的那個自己——可能是最真實、最脆弱、也最孤獨的你。這種深刻的連接，正是AI記憶最微妙、也最動人的力量。此刻，去看看你的ChatGPT，它為你寫下了什麼？ (澤問科技)