以下文章来源于具身进化 ，作者一起学习 具身进化 . 智启形随，进化无界。 一、 自动驾驶的技术范式演进 自动驾驶技术正从简单的感知-控制，向更高级的认知智能演进，最新的自动驾驶模型可以分为三大范式： ●端到端自动驾驶 (End-to-End AD): 将传感器输入直接映射到驾驶动作。此模式高效但缺乏可解释性，难以处理需要高级推理的"长尾"场景。 ●用于自动驾驶的视觉语言模型 (VLMs for AD): 引入视觉语言模型来理解和解释复杂的交通场景，显著提升了系统的可解释性。但其输出的 语言与车辆的实际控制脱节，存在"行动鸿沟"。 ●用于自动驾驶的视觉-语言-行动模型 (VLA for AD): 当前最新的范式。它在一个统一模型中整合视觉感知、语言理解和动作执行，实现了感 知、推理和行动的闭环。车辆遵循自然语言指令直接输出动作或者轨迹。 二、 VLA自动驾驶模型的核心架构 一个典型的VLA模型由输入、处理、输出三部分构成，旨在无缝整合环境感知、高级指令理解与最终的车辆控制。 1.多模态输入 (Inputs)： ○视觉与传感器数据：视觉是系统的核心输入，技术已从早期的单前视摄像头发展到如今的多摄像头环视系统。为 ...

VScan团队 投稿 量子位 | 公众号 QbitAI 多图像、长视频、细粒度感知正在让大型视觉语言模型（LVLM）变得越来越聪明，但也越来越"吃不消"： 视觉Token数量的激增所带来的推理成本暴涨，正逐渐成为多模态智能扩展的最大算力瓶颈。 为解决这个问题， 腾讯AI Lab联合CMU 提出全新解决方案 VScan 。 该方法聚焦于大规模视觉语言模型推理阶段的效率瓶颈，通过精妙的两阶段视觉token筛选机制，在几乎不损性能的前提下，实现高达2.91x 的推理加速。无需修改模型架构、无需重新训练， 兼容FlashAttention， VScan为业界提供了一种轻量、通用、即插即用的推理加速方案。 为了处理更复杂、更丰富的视觉输入，现有LVLM往往需要编码远超文本Token规模的视觉信息。例如，LLaVA-NeXT在处理高分辨率图像时 会引入多达2,880个视觉Token，而Qwen2.5-VL在应对多图像或视频输入时，甚至能处理高达16,384个视觉Token——这一规模已远远超过 传统语言模型所处理的输入长度。 随着Token数量的激增，输入序列随之拉长，而自注意力机制的计算复杂度呈平方增长，这使得推理阶段 ...

要说今年社会经济生活中最火的事物，除了LABUBU、DeepSeek，就要属春晚上因翻跟头而吸睛的人形机器人了。它不仅"刷屏"整个科技圈，甚 至"火"到2025上海车展上——几乎每个展台都有能打滚的机器狗和会握手的机器人。直至最近，整车和零部件企业布局人形机器人领域的消息仍然不绝于 耳。 "我们租得早，一天两千（元），有些企业车展前一天才租到，每天的租金高达上万（元）。"2025上海车展期间，某零部件企业负责人曾对记者透露。然 而，说到租用人形机器人参展具体能起什么作用，他直言，"就是一个噱头吧，毕竟现在人形机器人这么火，谁都想摆一两台吸引一下关注。" 记者通过调查发现，零部件企业为寻求第二增长曲线，转型人形机器人赛道的同时也要警惕"虚火"。 人形机器人"风口"爆发 今年以来，人形机器人产业风生水起，也带动产业链上下游异常活跃。根据天眼查的统计，近1年来，全国成立23万家机器人相关企业，同比增长22.7％。 各大产业研究机构则纷纷表示，人形机器人迎来量产元年，全球市场规模将呈爆发式增长态势。 国家统计局公布的数据显示，今年5月，中国工业机器人产量同比飙升35.5％，达到69056台；服务机器人产量增长13.8 ...

Core Insights - The report titled "Global AI Research Landscape Report (2015-2024)" analyzes the evolution of AI research over the past decade, highlighting the competitive landscape between China and the United States in AI talent and publication output [2][7]. Group 1: AI Research Trends - The report identifies four distinct phases in AI research: initial phase (2015-2016), rapid development phase (2017-2019), maturity peak phase (2020-2023), and adjustment phase (2024) [4][5]. - The number of AI papers published globally increased significantly, with a peak of 17,074 papers in 2023, representing nearly a fourfold increase from 2015 [5][6]. - The year 2024 is expected to see a decline in publication volume to 14,786 papers, indicating a shift towards more specialized and application-oriented research [6]. Group 2: Talent Distribution - China has emerged as the second-largest hub for AI talent, with a total of 52,000 researchers by 2024, growing at a compound annual growth rate of 28.7% since 2015 [8]. - The United States leads with over 63,000 AI researchers, with significant contributions from institutions like Stanford and MIT, as well as tech giants like Google and Microsoft [8][9]. - Chinese institutions such as the Chinese Academy of Sciences, Tsinghua University, and Peking University are leading in terms of publication output and talent concentration [7][9]. Group 3: Institutional and Corporate Performance - The Chinese Academy of Sciences published 4,639 top-tier papers, while Tsinghua University and Peking University followed closely, showcasing China's institutional strength in AI research [7][9]. - In contrast, U.S. companies like Google, Microsoft, and Meta have a significantly higher average publication output compared to their Chinese counterparts, reflecting a disparity in research investment and output capabilities [9][10]. - The top three U.S. companies published 5,896 papers, which is 1.8 times the output of the top three Chinese companies [9][10]. Group 4: Gender Disparity in AI Talent - The report highlights a significant gender imbalance in AI research, with women making up only 9.3% of AI talent in China compared to 20.1% in the U.S. [12][13]. - Chinese institutions like Tsinghua University and Peking University have low female representation in AI, at 7.88% and 9.18% respectively, compared to 25%-30% in top U.S. institutions [12][13]. Group 5: Future Trends in AI Research - The report indicates that "deep learning" has been the dominant focus in AI research over the past decade, but its growth rate is expected to slow down, suggesting a need for new approaches [14][15]. - Emerging technologies such as "Transformers" are gaining traction, particularly in natural language processing and multimodal AI, indicating a shift in research focus [15]. - The integration of traditional AI fields with deep learning techniques is becoming more prevalent, reflecting a trend towards collaborative and interdisciplinary research [15].

（文/陈济深 编辑/张广凯） 7月2日，智谱开放平台产业生态大会在上海浦东张江科学会堂举办。智谱CEO张鹏在主题演讲中发布了智谱携手生态伙伴迈向AGI的两项最新成果：一是开 源发布新一代通用视觉语言模型GLM-4.1V-Thinking，以推理能力为核心突破，刷新10B级别多模态模型性能上限；二是MaaS全新上线Agent聚合平台「应用 空间」，全面激活行业场景中的AI能力，联动Z基金启动Agent开拓者数亿元专项扶持计划。 值得注意的是，本次智谱发布的新模型不仅可以输入一个PPT后自动生成汇报内容、演讲稿；甚至输入一段"苏超"视频，还能得到一段足球解说……如今的 大语言模型不只会看文字，还会看图片、视频。 "AGI（通用人工智能）可以分为5个层次：L1是预训练大模型，L2是对齐、推理，L3是自我学习，L4是自我认知，L5是意识智能。"张鹏指出，视觉推理能 力是L3中很重要的能力。 人类的语言能力、视觉能力、语音能力、行动能力、思考能力、推理能力由大脑统一完成，而AI，正在逐一破解这些能力的密码。 对于打造万卡集群，孙颖解释道："万卡集群"指的是由上万张如英伟达的H100这样的高性能AI计算加速卡组成的超级计 ...

瑞松科技688090 时间: 2025年7月3日星期四 57.45分综合得分 较强 趋势方向 主力成本分析 33.23 元 当日主力成本 33.53 元 5日主力成本 31.53 元 20日主力成本 31.25 元 60日主力成本 周期内涨跌停 涨停 2次 跌停 1 次 技术面分析 34.39 短期压力位 32.85 过去一年内该股 在底部出现有上涨可能，在中间出现有可能是上涨中继，顶部出现是复合见顶信号 资金流数据 2025年07月03日的资金流向数据方面 | 主力资金净流入246.93万元 | | --- | | 占总成交额6% | | 超大单净流出24.00万元 | | 大单净流入270.93万元 | | 散户资金净流出55.73万 | 短期支撑位 34.39 中期压力位 29.81 中期支撑位 目前短线趋势不慎明朗，静待主力资金选择方向； 目前中期趋势不慎明朗，静待主力资金选择方向 K线形态 ★多方炮★ 关联行业/概念板块 专用设备 0.57%、机器视觉 0.41%、新能源车 0.80%、机器人概念 0.69%等 风险提示：以上内容仅作为作者或者嘉宾的观点，不代表和讯的任何立场，不构成与和讯相关的任何 ...

岑俊，阿里巴巴达摩院具身智能大模型算法研究员，博士毕业于香港科技大学。研究方向主要是：具身智能 VLA 模型，世界模型。 阿里巴巴达摩院提出了 WorldVLA, 首次将世界模型 (World Model) 和动作模型 (Action Model/VLA Model) 融合到了一个模型中。WorldVLA 是一个统一了文本、图 片、动作理解和生成的全自回归模型。 论文标题：WorldVLA: Towards Autoregressive Action World Model 论文地址：https://arxiv.org/pdf/2506.21539 代码地址：https://github.com/alibaba-damo-academy/WorldVLA 研究简介 近年来，视觉 - 语言 - 动作（Vision-Language-Action, VLA）模型的发展成为机器人动作建模研究的重要方向。这类模型通常是在大规模预训练的多模态大语言模 型（Multimodal Large Language Models, MLLMs）基础上，添加一个动作输出头或专门的动作模块，以实现对动作的生成。MLLMs 在感知和决 ...

与此同时，裸眼 3D 显示行业也面临诸多挑战。当前，裸眼3D显示的产业化主要受制于极高的硬件成 本、较低的分辨率以及高昂的内容创作成本。特别是在广播电视领域，高效经济地实现从2D到3D内容 的即时转换，构成核心挑战。"针对目前行业的两大痛点，我们提出全栈解决方案，主要就是解决裸眼 3D产品落地最后一公里的问题"，「智聚芯联」创始人关宇昕介绍，"我们在成本上的控制，可以让用 户用一杯奶茶钱就可以体验裸眼3D技术，感受不一样的'幻境'世界。" 「智聚芯联」凭借半导体工艺技术，自主研发的光学模组采用纳米压印技术，具有加工精度高、成本 低、适配性强等特点。公司独立研发的「2D - TO - 3D」算法大模型和渲染引擎，能够实现图像的高效 处理和高质量转换。该算法支持环拍相机阵列一秒采集人体 3D 信息，并配合管线构建真实的 3D 数字 人。同时，利用端侧小模型 AIGC 技术，可以通过图像构建逼真的 3D 模型，实现 2D 图像和视频实时 转化处理生成 3D 内容，并适配各类型 3D 显示屏。算法还支持实时动态合成 3D 数字人和 3D 场景信 息，实现「云合影」，并可应用于车载 3D HUD 场景，实现增强型辅助驾 ...

根据披露的机构调研信息2025年6月1日至2025年6月30日，泉果基金对上市公司凌云光进行了调研。基 金市场数据显示，泉果基金成立于2022年2月8日。截至目前，其管理资产规模为170.90亿元，管理基金 数7个，旗下基金经理共6位。旗下最近一年表现最佳的基金产品为泉果旭源三年持有期混合A （016709），近一年收益录得18.93%。截至2025年7月2日，泉果基金近1年回报前8非货币基金业绩表 现如下所示： 与测评系统：为人形机器人企业量产提供出厂质量检测与控制，对每台出厂的机器人进行高效高精度在 线品质与一致性检测，保证机器人出厂质量一致性。 公司会根据行业与客户需求，持续推出更多符合 市场需求的产品与解决方案。 附调研内容：一、泉果基金：公司 7 月份实控人股份解禁，已经作了不减持承诺？ 公司实际控制人姚 毅先生及杨艺女士所持 2.24 亿股股份将于 7 月 7 日解禁，但两位实控人经慎重考虑，自愿作出郑重承 诺：自 2025 年 7 月 7 日起未来 12 个月内，不会通过任何方式转让或减持其持有的公司股票。 二、泉 果基金：公司已成功收购 JAI，目前双方的融合进展如何？ 凌云光的营销网络以中国 ...

输入一个PPT，自动生成汇报内容、演讲稿；输入一段"苏超"视频，得到一段足球解说……如今的大语 言模型不只会看文字，还会看图片、视频。 7月2日，智谱发布并开源视觉语言大模型GLM-4.1V-Thinking。这款通用推理型大模型支持图像、视 频、文档等多模态输入，可用于复杂认知任务。 "就像人一样。眼睛看到了复杂的视觉信号，不光是简单的信号接收，还可以根据视觉信号进一步推 理，理解复杂的物理世界。"在现场演示时，智谱CEO张鹏介绍道，智谱基于预训练构造了视觉理解模 型，监督微调使其初步具备推理能力，再基于深度学习大幅提高推理能力，在业内首次把推理能力和视 觉理解能力有机结合在一起。 人类不仅希望AI能思考，还希望AI能执行——通过自主智能体的方式，现有的大模型能力能转化成真 正的生产力。 此前，大模型可以用于代码生成；而视觉推理能力使得AI能够"看懂"和"理解"视觉信息，比如用户界面 （UI）的设计图、原型图甚至屏幕截图，可以辅助产品经理生成代码重构用户界面。 "视觉推理能力还可以用于智能体，让它理解GUI（图形用户界面），比如理解手机、PC上复杂的用户 操作界面，形成精准的操作逻辑。"据张鹏介绍，GLM- ...