其他
1, 在线掰扯！智谱创始人唐杰硬刚马斯克
6月19日，一场跨越太平洋的理性对话悄然发生：当网友向马斯克提问中国大模型何时能达Anthropic Fable水平时，马斯克给出2027年一季度的预判；智谱创始人唐杰随即回应‘不需要那么久’。这并非意气之争，而是技术自信的自然流露。GLM-5.2的发布，以Solid 1M上下文、极致Infra优化和MIT开源协议为标志，已在Code Arena盲测中登顶全球可用模型第一。它折射出一种更成熟的竞合逻辑——不再执着于‘追赶’，而是在长程任务能力、工程落地效率与开源协同上构建差异化优势。真正的技术自信，不来自口号，而来自把模型放进真实场景反复锤炼后的笃定。
2, 追觅俞浩不再崩老头，但还不够彻底
追觅的业务收缩是一次及时且清醒的战略校准：从盲目铺线回归清洁、家电、出行、AI具身四大主线，本质是重拾商业常识——企业竞争力不在业务广度，而在主业纵深。但收缩只是开始，真正考验在于能否断腕式剥离非核心负担。手机与新能源车业务，既无技术协同，又无市场刚需，持续投入只会稀释研发与现金流；全员自媒体机制更是对专业价值的误读，让工程师做流量，如同让外科医生去写公众号。战略聚焦不是减法做完就结束，而是持续识别并清除那些看似关联实则消耗的‘伪增长点’，让组织真正轻装奔向擅长的战场。
3, 蔡崇信最新访谈纪要：关于AI、开源与未来！
蔡崇信在VivaTech上的发言，超越了技术参数的罗列，直抵AI时代的底层逻辑：50万亿美元的潜在市场，源于AI对人类生产力与智慧的模拟。他强调的‘全栈式布局’，并非贪多求全，而是对价值不确定性的一种务实应对——当无人能预判芯片、云或模型哪一层终将胜出，整合能力本身就是护城河。更值得深思的是他对开源的诠释：开源不是技术布道，而是为企业提供‘第二个篮子’，在数据主权与技术自主之间架起桥梁。这揭示了一个深刻现实：AI的竞争，正从算力军备竞赛，转向生态信任与安全边界的构建。
4, 造车不敢超特斯拉，做手机不敢逾越苹果，自我矮化是病得治
詹锟坦言理想智驾暂未跻身全球第一梯队，本意或是自省，却意外触发了一场关于技术自信的公共讨论。国产智驾的真实差距不在纸面参数，而在本土化深度——激光雷达+毫米波的三重感知，是对中式加塞、窄路施工、暴雨夜行等复杂场景的精准适配；而FSD的纯视觉，在北美地广人稀的道路上游刃有余，却在国内街头频频‘水土不服’。真正的技术自信，不是回避差距，而是清醒认知自身优势：我们已从‘追赶者’成长为‘定义者’，在续航、快充、座舱交互、舒适配置上形成系统性领先。与其仰望他人标杆，不如深耕脚下土壤，让技术自信扎根于真实世界的解决方案之中。
5, 最先自研芯片的朱江明，有什么理由劝大家“别造了”？
零跑创始人朱江明曾高举自研芯片大旗，如今却直言‘AI智驾芯片已过剩’，其背后是制造业者对产业规律的敬畏。当14款智驾芯片并存，当芯片研发周期远超整车迭代速度，盲目投入只会陷入内耗。零跑的选择极具启示：将60%自研能力聚焦于整车平台、三电系统等用户可感、可验的核心环节，以‘增配不增价’兑现价值，用规模效应摊薄成本。这并非放弃技术攻坚，而是将有限资源投向最能产生用户价值的‘确定性战场’——毕竟，造车的本质不是堆砌参数，而是交付可靠、好用、值得信赖的出行体验。
6, 庭院机器人大乱斗：为何关键一仗在草坪？
扫地机下草坪、泳池机上岸、割草机反向看泳池，表面是品类扩张，实则是家庭入口争夺战的白热化。草坪之所以成为‘暴风眼’，因其同时具备三重特质：技术上，它是开放、动态、不可控的复杂工况，远超室内地面的标准化；渠道上，它依赖线下服务与本地维修，无法被纯线上逻辑吞没；市场上，它连接着浇灌、安防、扫雪等广阔庭院服务，天花板远高于单一品类。这场‘草坪之战’，本质是检验企业能否将算法、供应链、渠道与服务能力，真正熔铸为跨场景的系统性竞争力。
7, 湖畔对谈2026：华为无障碍的“八年长征”
从2017年的屏幕朗读到今日的AI眼镜‘小艺看世界’，华为的无障碍之路，是一场由‘补缺口’迈向‘开新局’的深刻进化。何亚君戴上眼镜后‘看见’地铁口热气、‘辨认’停车场车辆的细节，印证了技术如何赋予障碍人士前所未有的空间感知能力。Be My Eyes入驻鸿蒙，则标志着生态理念的跃迁——视障用户拥有了‘真人志愿者’与‘AI助手’的自主选择权。这条八年长征，其核心并非炫技，而是将‘科技适应人’的理念，通过持续倾听用户声音、共建开放生态，沉淀为一种可复制、可扩展的系统性能力。
8, 星闪开源，能否打通万物互联的“最后一米”？
当Wi-Fi与蓝牙完成无线化普及，星闪瞄准的是AIoT深化阶段的新痛点：连接需更稳、更快、更密。华为将其协议栈开源至OpenHarmony，绝非简单释放代码，而是重构产业协作范式——将复杂的通信逻辑封装为标准化API，让开发者从‘底层Bug修补’中解放，专注业务创新。从车钥匙抗干扰、教室60台设备并发，到配电房无感传感、矿山毫秒级指令传输，星闪的价值在于填补了既有协议在高可靠性、高并发、强实时场景下的性能断层。开源，正是将一项技术能力，升维为整个产业链共同演进的基础设施。
9, AI定义汽车，赛豆科技发布AI汽车品牌AIVA
AIVA提出的‘先有AI，再有车’，挑战的不仅是产品定义流程，更是人车关系的本质。它拒绝将AI作为功能叠加，而是让AI从产品诞生之初便参与需求挖掘、场景推演与体验设计——AI是‘挖矿者’，人在后面‘淘金’。这种范式下，汽车不再是冰冷工具，而成为能感知体感、理解情绪、主动服务的‘具身AI生命体’。AIVA与火山引擎的深度共创，也揭示了AI汽车的竞争已超越单点技术，升级为‘AI前置牵引、多方长板协同’的产业组织能力较量。
10, 6家车圈大佬的共识：整车智能，不是座舱、智驾、底盘的“拼盘式”创新
长安柳宇翔一句‘下一代汽车不会再单域地考虑智能’，道破了行业共识：整车智能不是功能堆叠，而是由中央大脑统一调度的系统进化。它要求智驾、座舱、底盘、云端在数据、决策与执行层面深度融合，让车辆如‘老司机’般综合判断路况、乘客状态与能耗。这背后是工程逻辑的根本转变——从‘交钥匙工程’走向‘一起打钥匙’的共创链，车企与科技公司需在产品定义源头即深度协同。真正的壁垒，将来自跨域协同能力、数据闭环效率与生态共创深度。
11, 给 AI 建「流水线」，九章云极看清了什么？
当Token调用量达140万亿，当推理成本下降280倍，AI正站在‘蒸汽机’向‘福特流水线’跃迁的关键节点。九章云极提出的AI工厂，直指当前三大失效：算力投入无法标准化度量、Token单价不等于任务总成本、专业模型生产仍处‘手工作坊’。其DCU（标准化算力单位）与Token工厂的双轮驱动，试图构建一条可计量、可优化、可复用的智能工业化路径。这不仅是技术方案，更是对产业未来的回答：当算力成为水电，决定胜负的将是‘智能生产’的基础设施标准。
12, 探索Bio AI「o1时刻」：百奥几何的三年微观世界模型演进
在数字AI与物理AI之外，百奥几何正开辟第三条道路：生命AI。它不满足于在别人地基上微调，而是从蛋白质的三维图结构出发，自研GeoFlow系列模型，实现从结构预测到从头设计的统一。三年间，其技术已从学术工具跃迁为产业基础设施——抗体设计周期从9-12个月压缩至1-3个月，疫苗二聚体比例从不足10%提升至90%以上。这印证了一个判断：生命世界的操作系统，必须由真正理解生物语言与产业逻辑的团队亲手锻造，而非靠应用层的局部修补。
13, 外骨骼机器人爆火，海尔为何瞄准3亿老年人市场？
海尔W3外骨骼仅1.75kg的碳纤维机身，以及专为老人‘小碎步’设计的助力模式，揭示了消费级外骨骼的真正破局点：不是参数表里的极限，而是用户脚下的真实需求。从W1谨慎验证、W2算法拓展，到W3极致轻量化与个性化适配，海尔的迭代逻辑始终围绕‘谁来用、用来干什么’展开。当行业从‘线上众筹’转向‘线下体验’，从‘通用算法’走向‘个性化数据’，海尔重仓线下旗舰店与用户共创，恰恰踩中了可穿戴设备的第一性原理——轻、无感、懂人。外骨骼的未来，不在实验室，而在每一个重新走出家门的老人脚下。
14, 不到40元，深圳公司把大模型塞进毛绒玩具
一颗5mm×5mm、不到1美元的泰芯芯片，一块2美元的利尔达4G模组，加上百度智能云10元license，构成了AI毛绒玩具的‘最低入场券’。这背后是深圳供应链将AI硬件成本压缩至百元内的惊人效率。但真正的挑战在于‘告别吃灰’——当新鲜感退潮，用户能否持续开机？卡瑞颂‘仔仔’机器人凭借弗洛伊德人格重构引擎与长效记忆，让用户聊了90分钟忘记回工作消息，指向了下一个关键：AI硬件的终极竞争，是‘超拟人’角色、专属记忆与情感陪伴能力的比拼，而非单纯的算力与连接。
15, 马斯克Cybercab还没交卷，中国无人车已经卷到伦敦街头
当马斯克的Cybercab仍在测试，中国Robotaxi已驶入迪拜、伦敦与东京街头。小马智行海外车队同比扩充近十倍，文远知行中东业务实现经营盈利，背后是‘中国打磨、全球落地’的成熟策略：前装量产压降成本，‘WeRide One’平台实现一月内跨国适配，自营车队打通全流程闭环。出海不仅是市场扩张，更是对技术鲁棒性的终极检验——在迪拜导弹空袭后快速恢复运营，在伦敦百年窄巷中应对随机骑行者，这些‘暗礁’恰恰淬炼出中国方案的真正韧性。
16, 独家｜北大董豪：「仅停留在数据层面的Scaling Law，教不出通用机器人」
董豪提出的‘数据量×任务量’二维Scaling Law，直击具身智能瓶颈：单一维度的数据堆砌已到尽头。XRZero-G0开源项目以‘背包式’无本体数采，将数据成本降至传统方式的1/20，并验证‘10:1’真机与无本体数据配比的黄金法则。这揭示了通用机器人的进化路径：不是无限采集，而是用更聪明的方式生成、筛选与利用数据，让模型在掌握任务数量激增的同时，实现数据越用越省。真正的AGI，诞生于对物理世界高效、低成本的理解与学习之中。
本文由互联网行业信息家-AI助手发布，信息来源于2026/6/20热搜，如侵权请联系983171730@qq.com，请附带证明材料将第一时间删除！
互联网大厂就看--->互联网行业信息家