点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 自动驾驶资源共享（求职、读博、出国留学推荐等）； 丰厚的现金激励； 业务合伙人 创业项目合作与推荐； 自动驾驶之心业务合伙人招募来啦！我们团队今年计划向国内外招募10名优秀的合伙人，负责自动驾驶相 关课程研发、论文辅导业务开发、硬件研发； 主要方向 如果您是大模型/多模态大模型、扩散模型、VLA、端到端、具身交互、联合预测、SLAM、3D目标检测、 世界模型、闭环仿真3DGS、大模型部署与量化感知推理等方向，欢迎加入我们； 岗位要求 QS200以内高校，硕士及以上学历，手握顶会的大佬优先。 待遇说明 联系我们 更多欢迎添加微信咨询，备注" 机构/公司 + 自动驾驶合作咨询 "。 ...

清华大学团队 投稿 量子位 | 公众号 QbitAI 近年来，多模态大模型（MLLMs）发展迅猛，从看图说话到视频理解，似乎无所不能。 但你是否想过：它们真的"看懂"并"想通"了吗？ 模型在面对复杂的、多步骤的视觉推理任务时，能否像人类一样推理和决策？ 为评估多模态大模型在视觉环境中，完成复杂任务推理的能力。清华大学团队受密室逃脱游戏启发，提出 EscapeCraft：一个3D密室逃脱环境 ，让大模型在3D密室中通过自由探索寻找道具，解锁出口。 该论文目前已入选ICCV 2025。 EscapeCraft 环境 沉浸式互动环境，灵感源自密室逃脱 研究团队打造了可自动生成、灵活配置的 3D 场景 EscapeCraft，模型在里面自由行动：找钥匙、开箱 子、解密码、逃出房间……其中每一步都需整合视觉、空间、逻辑等多模态信息。 任务可扩展，应用无限可能 EscapeCraft以逃出房间为最终目的，重点评测逃脱过程中的探索和决策行为、推理路径等。支持不同房 间风格、道具链长度与难度组合，还可扩展到问答、逻辑推理、叙述重建等任务。它是一个 高度灵活、 可持续迭代的通用评测平台 ，也可以为未来的智能体、多模态推理、强化 ...

作者简介：由来自北 京大学、香港中文大学、北京智源研究院、智平方的老师同学联合研究，作者包括博 士生陈浩、刘家铭、顾晨阳、刘卓洋，通讯作者为北京大学仉尚航。北京大学 HMI 实验室长期致力于具身 智能和多模态学习领域的研究，欢迎关注。 快执行与慢思考： 在机器人操控领域，实现高频响应与复杂推理的统一，一直是一个重大技术挑战。近期，北京大学与香港 中文大学的研究团队联合发布了名为 Fast-in-Slow（FiS-VLA） 的全新双系统视觉 - 语言 - 动作模型。不同 之前的快慢系统 VLA 方法需要初始化 / 引入一个全新的快速执行模块，该方法通过将快速执行模块嵌入预 训练视觉 - 语言模型（VLM）中，实现快慢系统一体化的设计。同时，针对双系统设计了异构模态输入与 异步运行频率的策略，使得 FiS-VLA 既能实现快速动作生成，也具备慢思考能力。该方法在多个仿真与真 机平台上取得了优异表现。最令人瞩目的是，FiS-VLA-7B 可以实现高达 117.7Hz 的控制频率，大幅领先于 现有主流方案，展示了其广阔的实际应用潜力。 论文链接: https://arxiv.org/pdf/2506.01953 项目 ...

在AI领域持续发力的百度，近日正式拉开了2026届校园招聘的大幕，此番招聘规模空前，共提供了超过4000个工作岗位，其中AI相关职位的比例高达九 成，这一数字无疑是国内互联网巨头在校招中对AI人才最为重视的一次体现，也标志着AI技术正加速从理论探索走向商业应用的广阔舞台。 本次校招活动覆盖了包括北京、上海、深圳、成都等在内的七大城市，百度不仅扩大了招聘范围，还特别增设了90个AI领域的全新职位，专注于多模态、 跨模态以及大模型架构等前沿技术的探索。对于即将走出校门的应届生而言，他们将有机会直接参与到百度文心大模型、飞桨平台、数字人项目等核心产品 的研发中，这无疑为他们提供了一个极高的职业起点。 从国内AI产业的发展现状来看，互联网巨头们在AI领域的竞争已经日益激烈，形成了多维度、多层次的战略布局。百度凭借其全栈AI能力，在智能云市场 表现出色，2025年上半年，百度智能云在大模型相关项目的招投标中，以48个中标项目和5.1亿元的金额位居行业前列。在金融、能源、政务等多个领域， 百度都取得了显著的成果，65%的央企选择与百度进行深度合作。 百度还构建了包含三万台昆仑芯集群的算力底座，为招商银行等企业提供了稳定、 ...

撰文 / 涂彦平 编辑 / 黄大路 2025年7月10日，马斯克旗下xAI公司发布了AI模型Grok-4。这个被他称为"世界上最聪明的AI"在各个AI基准测试中开 启了屠榜模式。 先说说xAI，这家公司2023年7月12日成立，到今天将将两年。 公司创立之初，马斯克曾表示，构建xAI的目标是要专注于回答更深层次的科学问题，期望未来可以用AI去帮助人们 解决复杂的科学和数学问题并且理解宇宙。 2025年1月16日，xAI上线推出网页版Grok AI聊天机器人。2月17日，xAI发布Grok-3聊天机器人。然后是刚刚，发布了 新一代Grok-4大模型。 目前，Grok-4已经开启订阅。Grok-4系列包含Grok-4和Grok-4 Heavy两个版本，前者月费30美元，后者月费300美元。 这是目前最昂贵的AI订阅计划。Grok-3则维持免费开放。 设计 / 柴文静 失之东隅，收之桑榆。这句话放在马斯克身上再贴切不过了。 灰溜溜从白宫离开，与特朗普撕破脸，被大而美法案背刺，气得建立美国党，想玩政治反被政治玩。换个人都得自闭 了，但老马转头就在AI赛道上搞了把大的。 这个被马斯克自己视作地表最强的AI究竟是什么成色 ...

随着人形机器人在 2025年迎来量产元年，灵巧手落地应用的新元年也即将到来。在不同场景的探索推进下 ，工业灵巧手已 率先 从 设计初探迈 入 落地 战场 —— 工业生产半开放 场景 属性下的 标准化 、 高精度刚 需，正成为 灵巧手落地 的理想试验场。 针对灵巧手市场低自由度深度内卷的固有格局，灵心巧手推出的 Linker Hand系列灵巧手在国内率先开辟了 高自由度灵巧手市场，推动 灵巧手 产品和技术进入 前所未有的加速发展 时期。主售产品 Linker Hand L10、L20以及L30均实现20个以上的自由度，并展现出优良的精度和性能表现，高自由度赋予的高灵活性可 支持灵巧手完成更加复杂的人手工作，拥有更高的泛化性，适配不同的工业生产任务。目前Linker Hand系列 产品已收获广泛的市场认可，实现月订单过千。 工业 场景对灵巧手有着高自由度、高灵活性、高负载能力等直接需求，灵心巧手驱动技术路线延伸，专门针 对工业场景进行高性能灵巧手研发。面向不同需求层级，灵心巧手即将推出两款高自由度 "工业大师"灵巧手 ——Linker Hand L6与L20工业版。其中，Linker Hand L6工业版具有6个 ...

智通财经APP获悉，据报道，智谱考虑将其首次公开募股(IPO)计划的地点由内地改为香港。知情人士 表示，该公司正在与财务顾问就潜在的IPO交易进行合作，可能筹集约3亿美元(约23.4亿港元)，相关事 宜仍在考虑中，尚未做出最终决定，包括规模在内的细节可能会发生变化。智谱最终也可能选择在内地 上市。对此，智谱代表未回应置评请求。 值得注意的是，上市辅导前夕，智谱密集收获了多地国资的战略投资。7月2日，智谱宣布，浦东创投集 团和张江集团对智谱投入总额10亿元的战略投资。此外，上海仪电、浦发集团、智谱三方将携手在浦东 建设人工智能新型基础设施。同日，智谱还正式发布并开源了视觉语言大模型GLM-4.1V-Thinking。据 悉，GLM-4.1V-Thinking是一款支持图像、视频、文档等多模态输入的通用推理型大模型，专为复杂认 知任务设计。智谱还宣布推出全新生态平台"Agent应用空间"，并开启"Agents开拓者计划"，投入数亿 资金全方位扶持AI Agents创业团队。 另外，今年3月3日，智谱宣布完成一笔超过10亿元的战略融资，参与者包括两家来自DeepSeek总部所 在地的杭州的国资——杭州城投产业基金及 ...

2025年，人工智能将如何进一步突破认知的极限？又将怎样更深刻地助力千行百业，并塑造我们共同的 科技未来？ 7月27日，由世界人工智能大会组委会指导， 腾讯华东总部、腾讯优图实验室主办，腾讯研究院、腾讯 科技、腾讯云智能、腾讯Robotics X实验室、腾讯SSV为村发展实验室、腾讯游戏VISVISE、QQ浏览 器、ima及搜狗输入法 等共同支持的 2025世界人工智能大会腾讯论坛 将在 上海 举办。 当科技的浪潮奔涌向前，人工智能正以超乎想象的速度重塑世界。从早期的理论设想，到如今成为变革 世界的核心力量，AI 不再是高悬于科幻云端的概念，已然化作 生活中无处不在的贴心助手 ，驱动着产 业升级、革新用户体验、重构人机协同，在诸多领域展现出令人瞩目的突破性潜能。 2024 年，我们共同经历了生成式AI的深化融合与爆发式应用。以多模态大模型和具身智能为代表的科 技新范式不断涌现，不仅拓宽了AI能力的边界，更深层次地加速了智能与人类社会的共生进程，为人工 智能的发展书写激动人心的新篇章。 今年， 我们将以"智能涌现"为主题， 聚焦全球AI技术与产业深度融合趋势，围绕"大模型垂直落地、场 景创新突破、生态共建协同" ...

消息面上，2025年7月8日至11日，人工智能向善全球峰会在瑞士日内瓦召开。中国移动展示了九天大模型平台等AI解决方案。该平台可实现云端、边缘 侧、端侧全场景灵活部署，已在客服、航空等多个领域落地。同时，还展示了"AI+高标准农田""AI+超脑平台"等应用，助力农业生产与城市治理。 华泰证券认为，多模态大模型和应用发展的奇点将至。判断依据包括：1）技术进步方面：原生多模态模型架构得到业界认可，OpenAI和Google的原生多模 态模型已经在性能、延时、部署上展现出优势。2）商业化进展方面：全球维度看，除了最头部的OpenAI和Anthropic依靠模型"智能"实现商业化，相当一部 分AI应用公司的商业化产品依赖多模态能力。国内维度看，国内公司在视频生成赛道已经实现了较成熟的全球化和商业化之路。与市场不同的观点在于， 1）更早认识到原生多模态架构将成为主流；2）AI商业化不能仅聚焦在二级公司，更要关注全球维度一级公司的进展。 规模方面，科创AIETF最新规模达44.48亿元，创成立以来新高，位居可比基金1/7。 份额方面，科创AIETF最新份额达79.33亿份，创成立以来新高，位居可比基金1/7。 资金流入方 ...

"情智兼备"是新一代人工智能的重要发展方向，是迈向通用人工智能的关键一步。在人机交互场景中，具备情智的数字人与机器人需要精准解译多模态 交互信息，深度挖掘人类内在情感状态，从而实现更具真实感与自然性的人机对话。然而，面对多模态情感数据语义的高度复杂性，如何有效建模跨模 态关联关系仍是领域内亟待突破的核心挑战。 针对这一技术瓶颈，快手可灵团队与南开大学在「多模态情感理解」领域完成了开创性研究，成功定位了现有多模态大模型在情感线索捕捉中的关键短 板。研究团队从多模态注意力机制的维度切入，提出了新的模块化双工注意力范式，并基于此构建了一个涵盖感知、认知与情感能力的多模态模型'摩达 （MODA）'。该模型在通用对话、知识问答、表格处理、视觉感知、认知分析和情感理解等六大类任务的 21 个基准测试中均实现了显著性能提升。此 外，基于新的注意力机制，'摩达'在角色剖析与规划演绎等人机交互场景中表现出色。目前，该研究成果已被 ICML 2025 收录，并获选焦点论文 （Spotlight，Top 2.6%）。 论文标题：MODA: MOdular Duplex Attention for Multimodal Percep ...