制造业的 AI 是「硬功夫」路线：不聊天、不写作，只做三件事——把质检的眼睛装上产线、把设备故障预告出来、把工艺参数调到最优。这一领域的 AI 与大模型关系微妙：工业视觉不需要大模型，大模型在知识管理与文档环节补充。本文讲清制造业 AI 的真实落地地图与它对「AI 泡沫」的最好反驳。

大语言模型只认 token 序列，图片如何进入对话？本文拆解视觉语言模型的三块积木：把图像切块编码的 ViT、对齐两种向量空间的投影层，以及图文对三阶段训练配方，并解释视觉幻觉与计数失准这些特有失败的架构根源。

田, 晏林* 2026-09-28 20:43:53 来源：量子位 工业平台已经卷到帮伙伴拿线索、做Agent、出海了 田晏林 发自 凹非寺 量子位 | 公众号 QbitAI 一家技术公司想把一个工业创新方案卖进工厂，中间大概要过多少关？…

田, 晏林* 2026-09-30 20:11:24 来源：量子位 什么样的AI才适合工业现场？企业真正开始做工业AI时，又该从哪里下手？ 允中 发自 凹非寺 量子位 | 公众号 QbitAI 工业AI，正在从一个个单点项目，走向更真实、…

IT之家 9 月 26 日消息，据新华社报道，国际机器人联合会 24 日发布的《2026 年世界机器人报告》显示，2025 年中国工业机器人安装量达 35.4 万台，约占全球总安装量的 59%，创历史新高，**中国连续两年成为全球最大工业机…

田, 晏林* 2026-09-22 22:28:59 来源：量子位 从真实工厂到产品复制，再到生态和下一批机会，两位嘉宾会把工业AI从「能用」走向「规模化」的关键问题一层层拆开。 允中 发自 凹非寺 量子位 | 公众号 QbitAI 工业…

IT之家 9 月 12 日消息，据柳州市融媒体中心“柳州 1 号”公众号，9 月 12 日，柳州优必选万台级工业人形机器人超级智慧工厂投产仪式在北部生态新区举行。 该超级智慧工厂是优必选打造的 全球首个适配万台级产能 的工业人形机器人智能制…

媒体是 AI 冲击最矛盾的行业：AI 既是降本增效的采编工具，又是分流广告与制造假新闻的竞争者。新闻机构在「用 AI」与「防 AI」之间走钢丝。本文讲清媒体 AI 化的真实地图（采编辅助的渗透、内容工业化的边界）、与 AI 内容平台的结构性冲突、以及行业最后的护城河——真实性的溢价。

「把文稿变成能听的节目」已经是一条可工业化的流水线：声音资产管理、逐段生成与情绪控制、多角色编排、后期质检各有工具与坑。本文以 ElevenLabs 与开源自托管两条路线为轴，拆解 AI 配音的完整工作流与成本账。

量子位的朋友们* 2026-10-10 18:30:36 来源：量子位 西门子将以更集中、更场景化的方式，展示其工业全栈能力 首次完整展示面向人形机器人的端到端解决方案，覆盖研发设计、生产制造、总装集成与工业现场应用** 将发布20余款新…

IT之家 9 月 11 日消息，蓝鲸汽车今天（11 日）援引内部知情人士消息称，一汽-大众捷达首款纯电轿车（M6）预计于下月中上市， 搭载地平线征程 6M 芯片，并采用纯视觉智驾方案 。知情人士还透露，捷达预计 明年下半年推出新能源 SUV…

真实企业文档的多数信息不在正文段落里，而在表格、图表与版式关系里——文本 RAG 的 OCR 管线在这里系统性失真。本文拆解两条补齐路线（解析增强 vs ColPali 式视觉检索）与生成端的图文编排，给出选型权衡。

论文提出 VITAL 动作分词器，将视觉推导的运动骨架与紧凑的残差编码结合，把视觉运动作为主要预测目标，以提升世界-动作模型中厘米级精度的驾驶动作预测。

论文提出将退化图像的嵌入映射回由高分辨率自然图像形成的流形上来实现真实世界超分辨率，并主张像素空间或重建导向的潜空间不是合适的基底，而应使用冻结的视觉基础模型潜空间。

研究指出多向量视觉文档检索器存储的补丁向量索引可被逆向还原出页面图像，在ViDoRe v3基准上从原始索引反演的页面可恢复47%的词，提示此类索引应被视为与原文同等敏感。

QuadTok 提出基于四叉树的视觉分词方法，对复杂区域动态分配 token、对均匀区域用粗分辨率，在 ImageNet 上节省约 10% token 并在 COCO 零样本迁移时节省 9%，且树结构天然支持自回归图像生成。

论文提出UltraText Bench，一个包含432条中英双语提示、覆盖24类真实场景和三个难度等级的基准，用于评测纯提示生成密集视觉文本的表现，并使用Q-Judger视觉语言模型从文本保真度、清晰度和空间质量等维度打分。

从 RT-2 把机器人动作当文本 token 输出，到 OpenVLA 开源 7B、π0 用流匹配跑到 50Hz、GR00T 与 Helix 转向双系统架构——本文梳理 VLA 模型三年的演进脉络：动作怎么表示、参数怎么变小、控制频率怎么上去，以及开源与闭源两条路线的分野。

IT之家 9 月 24 日消息，当地时间 9 月 23 日，OpenAI CEO 萨姆 · 奥尔特曼（Sam Altman）在联合国安理会就 AI 议题发表讲话，讨论 AI 发展带来的机遇与风险，并呼吁加强国际合作，建立针对前沿 AI 系统…

IT之家 10 月 4 日消息，近期网络上流传一段所谓“乐山大佛开展养护作业”短视频，其中显示文保工人正在给大佛“掏耳朵”，佛耳里掏出鸽子和腐叶，鼻孔里清理出大量腐叶等物质，旁边还有一只猴子在佛身上上蹿下跳，猴子还抢工人的安全帽戴在自己头上…

破晓智能与天珑移动发布SeePhys Hub数据采集系统，通过四目头环、腕部手环、腰腿部追踪器和触觉手套，将视觉与身体运动、触觉信号融合，为机器人学习全身移动操作补充Ego数据中缺失的交互信息。

西门子Xcelerator繁星生态大会，在生态合作中共赢机遇]

2025-2026 年发布的前沿模型几乎清一色是 MoE：Llama 4、gpt-oss、Qwen3、Kimi K2，直到 2026 年 2.78T 参数的 Kimi K3。本文梳理 MoE 从 1991 年分治网络、2017 年稀疏门控，到细粒度专家与无辅助损失均衡的完整演进线，算清「省算力不省显存」的工程账，也正视微调难、训练不稳与成本争议。

“IT早报”时间，大家好，现在是 2026 年 10 月 5 日星期一，今天的重要科技资讯有： 1. 乐山大佛景区回应网传“掏耳朵”养护作业视频：系 AI 合成，佛耳内并无所谓“杂物” 网传视频显示文保工人给大佛掏耳朵、掏鼻孔，还出现猴子抢…

IT之家 9 月 26 日消息，据央视新闻报道，不用任何电子设备，仅靠一块提前设计好的普通薄板，就能让大小不一的颗粒、构件自动旋转、绕行、定点停留。 近日，中国科学院声学研究所联合合肥工业大学的科研团队，攻克新型物体操控技术，**实现了无电…

IT之家 9 月 20 日消息，据新华社报道，9 月 20 日，在安徽省合肥市举办的 2026 世界制造业大会上，国家工业信息安全发展研究中心发布的《制造业数智化转型能力水平（2026）》显示， 今年上半年，我国制造业人工智能重点场景应用普…

RAG 答案不对，先别急着调切块参数——病灶常在更上游的 PDF 解析。本文讲透切块之前的第一公里：解析到底难在哪、管道式与 VLM 直出两代路线怎么分、2026 年的工具版图怎么选、OmniDocBench 饱和之后质量怎么评，以及八条落地实践。

上海发布新一代智能制造行动方案，提出到 2028 年推动 8000 台人形机器人进工厂、工业机器人密度达每万人 600 台。

全球平均气温正走在比工业化前水平高出 1.5°C 的轨道上。很多人可能会觉得升温幅度不大，可以接受或忍受。但地球绝大部分表面是海洋，海洋的升温幅度要缓慢得多，而陆地则显著得多，居民体会到的升温幅度要高得多。德国研究人员在《Environme…

泰国经济和社会发展委员会上周下令暂停所有数据中心项目的建设，给予数据中心运营商和投资者一周时间提交运营信息，以帮助政府加快制定统一的数据中心监管框架。经济和社会发展委员会考虑将所有用电量超过 2 MW 的数据中心视为工业企业，考虑引入“资源…

IDC《中国企业级通用Agent产品技术评估》让中国电信 TeleAgent 以 6.85 分位列第三。本文把这篇 PR 稿拆成可验证事实：核查九维度评测与反应试规则、追溯"一周内五个用户数口径"的传播链、指出三个被集体回避的盲区，并落到一条可迁移结论——企业级 Agent 的胜负手已从模型转向 Agent Harness 工程。

henry* 2026-10-11 16:59:06 来源：量子位 多模态模型的视觉原生Harness，来了！ henry 发自 凹非寺 量子位 | 公众号 QbitAI 多模态模型的视觉原生Harness，来了！ 最近，何恺明团队在最新…

爱范儿「多样性公司」栏目专访一目科技创始人李智强博士，介绍其厚度迭代至3毫米以下、号称全球最薄可量产的仿生视触觉传感器SENTRA T0，以及触觉感知对机器人灵巧操作的重要性。

浏览器智能体已走过演示期：可访问性树、视觉定位、混合感知三条路线各有代表实现，产品入口从框架卷到整只浏览器，而网站方的封锁也在同步升级。本文梳理技术方案、代表项目、Cloudflare 为首的反爬政策与真实可靠性数据，落点是一个选型判断：固定高频流程老实写 API，开放低频任务才交给 Agent。

IT之家 9 月 29 日消息，据路透社看到的 Anthropic IPO 招股书文件显示，该公司正在豪押一个判断：人工智能对全球经济带来的变革，其深刻程度将会超过工业化、电力普及以及互联网。 但实现这一愿景所要付出的成本高得惊人。招股书披…

IT之家 10 月 24 日消息，据中国信通院，2026 世界智能网联汽车大会已于 10 月 21 日至 23 日在北京亦庄举办。在全体大会成果发布环节，工业和信息化部装备工业一司司长郭守刚介绍了国家车联网技术标准体系与跨标委合作机制，发布…

加州公司 Atomic Canyon 与核工业组织合作推出了针对核反应堆运营的 AI 助手 NIVA——代表 Nuclear Industry Virtual Assistant。该 AI 助手已进行试点，目前向美国全部 94 座核反应堆开…

论文指出多数VLM在判断相机左移还是右移时接近随机猜测，并提出CameraVLM，通过相机运动令牌与屏幕内光流令牌的联合表征以及状态-语言对齐来提升相机运动理解能力。

Vela 提出用连续轨迹（样条参数化 + 运动相关的时间支撑）替代固定速率动作块来表示机器人未来行为，并通过共享动作接口支持异构本体，使固定输出预算能自适应分配。

IT之家 9 月 20 日消息，阿里千问今日宣布，开源千问图像系列当前兼顾生成效果、推理效率与使用成本的开源图像模型 Qwen-Image-2.1。 Qwen-Image-2.1 将文生图与图像编辑整合在同一模型中，视觉生成部分仅有 7B …

IT之家 9 月 13 日消息，据新华社报道，工业和信息化部 11 日对外发布《“人工智能 + 软件”专项行动实施方案》，提出到 2030 年，人工智能与软件和信息技术服务业融合发展实现新跃升， 关键软件全面实现智能化升级 ，智能编程、智能…

IT之家 9 月 11 日消息，美国国防部（又称“战争部”）首席技术官埃米尔 · 迈克尔（Emil Michael）当地时间 9 月 10 日在华盛顿举行的国防工业会议上，回应了 Anthropic 工程师雅各布 · 考克森（Jacob C…

欧盟哥白尼气候变化服务中心（C3S）公布的数据显示，2026 年 8 月是全球有记录以来最热的月份，与 2023 年 7 月并列第一。这一记录是气候变化与厄尔尼诺影响增强共同驱动的。8 月气温比工业化前水平高 1.65C，超过了世界各国为避…

美国国家安全局、联邦调查局及网络安全和基础设施安全局周二发表联合声明，称深度求索（DeepSeek）、月之暗面等六家中国 AI 企业至少从 2024 年起利用“蒸馏”技术，以“工业化规模”访问美国 AI 模型并提取信息。六家企业包括 Dee…

从纯 AIGC 长剧上星到「AI 跑一千张图选一张」的分镜工作流，盘点 2026 年 AI 视频在短剧、广告、影视与电商四个场景的真实渗透率、成本账与卡点。

八个摄像头各自看世界，每张图都是不同的透视——让它们对齐到同一张俯视网格里，是自动驾驶感知十年来的核心工程问题。本文拆解 BEV 的两条变换路线（LSS 显式深度与 BEVFormer 注意力）、Occupancy Network 对「这是什么」的釜底抽薪，以及从论文走到 Orin 车规芯片与「无图 NOA」的落地之路。

可灵发布Kling 4.0，主打真实、可控、专业，在运镜稳定性、视听表现、多关键帧、口型匹配等能力上提升，并推出高性价比的Kling 4.0 Flash。

📱库克现身广州，探班 iPhone 18 Pro 咏春短片拍摄现场 💬曝苹果 iPhone Duo 加单 30%，Pro 系列总订单量不变 ⚡苹果第二期中国清洁能源基金扩容至 2.12 亿美元 🚗四部门拟禁全隐藏式车门把手，要求车企如…

量子位的朋友们* 2026-10-10 17:07:43 来源：量子位 2026年9月28日，荣耀（HONOR）在北京举办荣耀Magic盛典暨荣耀Magic9 系列新品发布会 2026年9月28日，全球领先的AI终端生态公司荣耀（HONO…

IT之家 9 月 25 日消息，据央视新闻报道，9 月 22 日至 27 日，第 48 届世界技能大赛在中国上海举行。本届世赛上，人工智能走进赛题、操作台，成为选手训练和比赛的一部分。 本届世赛 64 个项目中，与 AI 直接相关的赛项有 …