Industry News 行业资讯

通过引入企业级知识库，ChatGPT 现已能够深度融合来自各类应用程序的上下文信息，从而针对特定业务需求提供精准的解答。这一功能的上线，标志着人工智能正从通用的对话工具向具备行业深度的专业助手转型。 该功能不仅能够提供带有清晰引用来源的准确回答，更在数据安全、隐私保护以及管理员权限控制方面构建了严密的防御体系，确保企业核心资产的安全。目前，该功能已正式面向企业版、企业级及教育版用户开放。 🔗 来源：https://openai.com/index/introducing-company-knowledge

近日，具身智能领域的新锐力量——零次方机器人宣布完成超亿元人民币的新一轮融资。这笔规模巨大的资金注入，不仅标志着资本市场对具身智能这一前沿赛道的高度认可，也让这家由清华大学“00后”天才团队创办的初创企业成为了全球硬科技创投圈关注的焦点。 作为人工智能与机器人学深度融合的交叉领域，具身智能被视为通往通用人工智能（AGI）的关键路径。零次方机器人通过将先进的感知算法与物理执行机构进行高度集成，试图解决机器人如何在复杂、非结构化环境中实现自主决策与精准交互的行业难题。此次融资的成功，将为公司在核心算法迭代、传感器开发以及大规模原型机测试等方面提供坚实的资金保障。 值得关注的是，该团队极具代表性的“清华00后”标签，为硬科技创业注入了全新的生命力。在算力与算法驱动的时代变革中，这群年轻的科研力量正尝试利用更具颠覆性的技术架构，重塑物理世界与数字世界的交互逻辑。随着融资规模的扩大，零次方机器人能否在激烈的全球具身智能竞赛中脱颖而出，成为观察中国新一代硬科技创新生态的重要窗口。 🔗 来源：36氪 (36Kr)

2026年，全球AI产业迎来关键转折点，大模型狂热逐渐退潮，核心叙事从技术军备竞赛转向商业化兑现。 在中国，一家名为「品览科技」的初创公司选择了一条相对另类的发展路径：没有追逐大模型风口，也没有做C端爆款，而是聚焦于工业设计这个不太“性感”的细分领域。该公司成立于2018年，创始人李一帆毕业于清华大学电子工程系，并在卡耐基梅隆大学获得硕士学位。 品览科技专注于AI+CAD平台的研发与产业化应用，为AEC工程设计和MFG工业设计行业提供AI设计整体解决方案。李一帆曾在硅谷创业期间参与多个项目，担任MailTime创始团队成员与Caicloud行业AI负责人，领导开发多个AI相关产品与解决方案。 为了构建一个可以接受自然语言任务、理解设计意图和物理规律，并且能够自主规划与持续自我进化的能力，李一帆选择钻进图纸堆。品览科技的产品演进过程经历了从简单的图纸识别到复杂的“AI工程师”的转变。 2018年回国创业后的一年里，李一帆曾用时间寻找适合AI技术落地的应用场景。直到2019年，品览科技的AI审图系统引起万科团队注意。经过几个月沟通探讨，李一帆了解到建筑设计需要大量绘图工作，并且具备

36氪首发 作者丨欧雪 编辑丨袁斯来 硬氪获悉,面向机器人与空间智能领域的数据基础设施服务商——Ropedia完成了千万美金级种子轮融资。本轮融资由多位来自谷歌、英伟达、亚马逊的北美天使投资人和亚洲头部美元基金联合投资，深渡资本担任长期独家财务顾问。 Ropedia于2025年下半年在新加坡成立，致力于为机器人、空间智能等领域提供新一代数据采集与解决方案。公司由三位联合创始人创立：CEO陈昭熹博士（清华大学本科，南洋理工大学博士，曾在Meta参与光学动捕数据体系搭建）、CTO洪方舟博士（清华大学本科，南洋理工大学博士，曾在Meta从事第一人称多模态智能研究）和首席科学家刘子纬教授（南洋理工大学副教授，计算机视觉领域知名学者，谷歌学术引用超9万次）。此外，南洋理工大学校长讲席教授、CVPR 2026程序大会主席吕健勤担任科学委员会主席。 据陈昭熹介绍，未来十年，智能将打破屏幕的桎梏，来到真实物理世界。但是，就像二维生物无法理解三维生物，通用物理智能无法从低维的互联网数据中获得，而是需要从三维世界中的交互体验中习得。Ropedia与传统意义上以视频和图文为主的行业不同，它旨在构建面向机器人

/* 默认白昼模式：深灰字 */ .aibing-content { font-family: -apple-system, BlinkMacSystemFont, "Microsoft YaHei", sans-serif; line-height: 1.8; font-size: 16px; color: #1f1f1f; /* 默认深色 */ } .aibing-content h2 { margin: 30px 0 15px; font-weight: 700; border-left: 4px solid #007bff; padding-left: 10px; color: inherit; /* 跟随父级 */ } .aibing-content a { colo

近日，澳大利亚联邦银行（Commonwealth Bank of Australia）宣布将与全球知名的人工智能研究机构OpenAI展开深度合作，共同推进ChatGPT Enterprise在该行内部的广泛应用。此次合作旨在为超过50,000名员工提供人工智能技能培养，推动全行范围内的人工智能应用水平。 通过引入ChatGPT Enterprise，澳大利亚联邦银行希望能够显著提高其客户服务质量和响应速度，并有效增强面对欺诈事件时的快速反应能力。这一举措不仅体现了该行对于技术创新的高度重视和积极拥抱，也为其他金融企业乃至更多行业提供了宝贵的学习案例。 🔗 来源：Building AI fluency at scale with ChatGPT Enterprise (AI 严选)

在人工智能技术日益深入各行各业的背景下，我们有幸与Google的研究团队合作，共同开发了一种新的可视化方法——激活图谱(Activation Atlases)。这一创新旨在帮助我们更直观地理解神经网络内部各个神经元之间的交互关系所代表的意义。 随着人工智能系统被广泛应用于医疗、金融等关键领域，深入了解其决策过程中的内在机制显得尤为重要。通过激活图谱技术，研究人员和开发者能够识别出潜在的弱点，并深入探究那些不理想的运行状况背后的原因。这一工具无疑为AI技术的应用提供了更多的透明度与可靠性保障。 激活图谱的核心在于它能以图形化的方式展示神经网络内部特定任务或决策过程中的活跃区域，从而帮助研究人员更好地理解模型是如何做出决定的。这对于确保人工智能系统的安全性、公正性和有效性具有重要意义。 🔗 来源：Introducing Activation Atlases (AI 严选)

随着大语言模型技术的迭代，人工智能正从简单的逻辑推理迈向更深层次的情感共鸣与叙事构建。作为下一代预训练模型的焦点，GPT-5 的出现不仅是算力的跃迁，更是创意写作领域的一次范式革命。 在传统的生成式人工智能时代，创作往往受限于逻辑连贯性与风格模仿的浅层化。然而，GPT-5 展现出了前所未有的语义深度，它能够精准捕捉文学作品中的隐喻、语气细微差别以及复杂的叙事结构。通过更强大的上下文理解能力，它不再仅仅是文字的搬运工，而是能够理解创作者意图的“数字缪斯”。 对于创作者而言，GPT-5 的核心价值在于其“共创”属性。它并非试图取代人类的思考，而是通过提供多元化的情节分支、丰富的词汇联想以及即时的逻辑校验，极大地降低了创作的认知负荷。无论是构建宏大的奇幻世界观，还是雕琢细腻的人物心理描写，GPT-5 都能在毫秒间提供极具启发性的素材，让创作者能够将精力集中在最核心的审美决策与情感表达上。 然而，技术进步也引发了关于“创作灵魂”的深刻讨论。当算法能够完美模拟人类的笔触，创作的本质是否会被消解？答案或许在于人机协作的新边界。GPT-5 的出现，实际上是在倒逼人类创作者回归文学的本质——即那些无法

在当今科技飞速发展的时代，人工智能技术不断涌现，其中3D点云生成技术尤为引人注目。最近一项名为Point-E的创新系统引起了广泛的关注与讨论。本文将深入探讨这一技术的独特之处及其对未来的影响。 一、什么是3D点云？ 在介绍Point-E之前，我们首先需要了解其研究的基础——3D点云。3D点云是一种表示空间中物体的数字化方法，由一系列三维坐标组成，每个坐标代表一个点在空间中的位置。通过这些点可以构建出虚拟场景或实体模型。 二、Point-E技术详解 Point-E是由一位资深科技研发团队开发的一种先进系统，专门用于从复杂的提示中生成3D点云。其核心在于能够理解并解析用户的复杂需求与想象，并将之转化为精确的三维模型。 (1) 技术原理 Point-E技术通过深度学习算法训练，能够在无需人工干预的情况下，根据给定的文字描述或图片提示生成对应的3D点云数据。这项能力的背后是其对图像理解和语义解析的高度依赖。 (2) 优势特点 灵活性高：能够处理各种复杂场景和细节，适应性强。 效率显著：相较于传统建模方法，Point-E极大地提高了生成速度与精度。 应

当地时间周五清晨，一场突如其lam的暴力袭击打破了硅谷科技领袖们的宁静。位于旧金山的价值2700万美元豪宅——OpenAI首席执行官山姆·奥特曼（Sam Altman）的寓所，成为了燃烧瓶袭击的目标。这起事件不仅是对个人安全的威胁，更像是一次社会情绪的极端爆发，映射出当前全球范围内对通用人工智能（AGI）深层恐惧与权力分配不均的集体焦虑。 据警方通报，一名20岁男子向奥特曼的住宅投掷了燃烧瓶，引发了火灾。虽然由于外墙的物理阻隔，人员并未受伤，但随后的连锁反应令人不寒而栗：在凌晨时分，一名特征与袭击者高度吻合的男子，竟出现在OpenAI办公楼外，扬言要烧毁大楼。尽管嫌疑人最终被警方拘留，但这种从私人住宅到企业总部、从物理破坏到言语威胁的攻击路径，揭示了技术前沿阵地正面临着前所未有的安全挑战。 面对这场针对个人的暴力冲击，奥特曼罕见地选择了公开回应。他不仅发布了一张全家福，更发表了一篇充满情感与哲学思辨的长文。在文中，奥特曼并没有回避公众对AI发展的恐惧，反而坦承这种焦虑是完全合理的。他提出了一个令人警醒的比喻：他将这种技术变革与权力博弈，比作一种“魔戒”式的诱惑——当技术的力量足以重塑世

近日，全球领先的开放人工智能平台OpenAI宣布推出针对爱尔兰市场的项目——OpenAI for Ireland（面向爱尔兰的OpenAI）。该项目旨在与爱尔兰政府、Dogpatch Labs 和 Patch 合作，支持当地的中小企业(SMEs)、创业公司和年轻建设者们利用人工智能技术进行创新，提高生产力，并为下一代爱尔兰科技初创企业的发展奠定基础。 🔗 来源：Introducing OpenAI for Ireland (AI 严选)

/* 默认白昼模式：深灰字 */ .aibing-content { font-family: -apple-system, BlinkMacSystemFont, "Microsoft YaHei", sans-serif; line-height: 1.8; font-size: 16px; color: #1f1f1f; /* 默认深色 */ } .aibing-content h2 { margin: 30px 0 15px; font-weight: 700; border-left: 4px solid #007bff; padding-left: 10px; color: inherit; /* 跟随父级 */ } .aibing-content a { colo

在数字通信领域，“垃圾信息”的过滤早已是成熟的技术，但如何将这一概念引入物理世界，并让机器人具备识别现实中“冗余”或“干扰”物体的能力，一直是机器人学面临的巨大挑战。近日，一项突破性的科研成果打破了这一僵局：研究团队成功开发出了全球首个能够检测物理世界“垃圾信息”的人工智能系统。 这项技术的关键在于其创新的训练范式。该AI系统并非依赖昂贵的真实世界数据进行学习，而是完全在高度精确的模拟环境中完成训练。通过在虚拟世界中模拟各种复杂的物理场景和干扰因素，AI能够学习如何精准地辨别哪些物体是任务目标，而哪些是应当剔除的“垃圾”或干扰项。 更令人瞩目的是，这项技术已经成功跨越了“从模拟到现实”（Sim-to-Real）的鸿沟，并已成功部署到了真实的物理机器人身上。这意味着，机器人现在具备了在复杂、多变的物理环境中自主识别并过滤掉无用、干扰性物体的能力。这一进展不仅为机器人感知技术的升级提供了全新路径，也为未来智能机器人在物流分拣、自动化仓储以及家庭服务等领域的深度应用铺平了道路。 🔗 来源：OpenAI

近日，一篇发布在预印本平台上的研究论文引发了全球科学界的震动。该研究揭示，新一代人工智能模型 GPT-5.2 在处理极其复杂的理论物理问题时，展现出了超越以往的逻辑推演能力，并成功提出了一种全新的胶子振幅（gluon amplitude）计算公式。 胶子振幅的计算是量子色动力学（QCD）研究中的核心难题之一。根据论文记载，GPT-5.2 并非仅仅是在进行简单的模式匹配，而是通过深层的数学逻辑构建，提出了一种此前未被人类发现的数学表达形式。更令人瞩目的是，这一由 AI 提出的公式随后经过了 OpenAI 及其学术合作伙伴的严密审查，并通过了正式的数学证明与物理验证。 这一里程碑式的事件标志着人工智能的角色正在发生根本性转变：从单纯的文本生成工具，进化为能够参与基础科学发现的“科研合伙人”。随着 AI 开始具备处理量子物理领域中极高维度数学结构的能力，我们正站在“AI for Science”时代的真正门槛之上，这预示着人类在探索宇宙基本规律的征途中，将拥有一个全新的、强大的逻辑引擎。 🔗 来源：OpenAI

OpenAI 再次向生成式人工智能领域投下震撼弹，正式发布了其最新一代视频生成模型——Sora 2。作为前代技术的重大飞跃，Sora 2 不仅仅是参数规模的提升，更是在物理规律模拟、画面真实感以及创作可控性方面实现了质的突破。 在技术核心层面，Sora 2 显著增强了对物理世界的理解能力。通过更精准的物理模拟，新模型能够更真实地还原重力、碰撞及流体动力学等复杂现象，有效解决了早期视频生成模型中常见的“违背物理常识”的问题。同时，针对创作者对精准度的需求，Sora 2 提供了更强大的指令遵循能力，让用户能够更细腻地操控镜头语言与画面细节。 更为令人瞩目的是，Sora 2 引入了声画同步技术。新模型现在能够生成与画面内容高度契合的同步对话与环境音效，这标志着视频生成从单纯的“视觉模拟”迈向了“全感官叙事”的新阶段。随着全新 Sora App 的同步上线，这一强大的创作工具正逐步走向大众，预示着内容创作生态即将迎来一场深刻的变革。 🔗 来源：OpenAI

随着生成式人工智能技术的迭代，OpenAI 再次向业界展示了其在多模态生成领域的统治力。全新的 Sora 2 系统卡片正式揭晓，这款集视频与音频生成于一体的顶尖模型，标志着生成式视频技术正式进入了一个全新的维度。 作为 Sora 的进化版，Sora 2 不仅仅是参数规模的单纯扩张，更是在底层逻辑上实现了质的飞跃。其核心突破在于对物理规律模拟的精准度提升，使得生成的动态画面能够更真实地遵循现实世界的重力、碰撞与流体动力学逻辑。同时，视觉表现力的细腻程度也达到了前所未有的高度，画面质感更加锐利，实现了更深层次的写实主义。 尤为引人注目的是，Sora 2 实现了音画同步的重大技术突破。以往的视频生成模型往往面临“有画无声”或声画脱节的困境，而 Sora 2 通过深度的模态融合，能够生成与画面动作高度契合的同步音频。此外，该模型在指令可控性与风格多样性上也展现了极强的性能，用户能够通过更精准的引导实现复杂的艺术创作，极大地拓宽了生成式 AI 的创作边界。 🔗 来源：OpenAI

在具身智能产业的激战正酣之际，一场关于资本与技术的“围猎”正在上演。据《智能涌现》独家获悉，国内具身智能新锐企业“自变量机器人”已于今年三月底至四月初完成了近20亿元人民币的B轮融资。值得关注的是，本轮融资由小米产业基金与红杉中国共同领投，标志着顶级资本对该赛道核心技术路线的高度认可。 自变量机器人的资本版图呈现出一种罕见的“大厂共振”态势。此前，美团、阿里巴巴与字节跳动已分别在A轮、A+轮及A++轮中通过领投或独投的方式深度参与。截至目前，自变量已成为国内极少数同时获得四家互联网巨头青睐的具身智能企业。这种“围猎”现象背后，折射出互联网大厂在智能硬件与物理世界交互领域的战略焦虑与布局野心。 小米的入局并非单纯的财务投资，更是一场产业链的协同演进。小米在具身智能领域的布局已初见端倪，其投资版图涵盖了触觉传感、灵巧手、机器人本体及模型算法等关键环节。与此同时，小米自身的机器人研发也在加速推进，其CyberOne机器人已进入小米汽车工厂进行实地生产线实习，旨在攻克汽车制造中的柔性装配难题。这种“投资+自研”的双轮驱动模式，正试图构建一个从算法到硬件、从模型到应用的完整生态闭环。 技术层面的

科技不焦虑 2026.03.16 · 来自北京 全文7551字 “两年之内，中国头部的具身智能公司会到千亿级市值，五年内会到万亿级市值。”说这话的周永，刚刚带领灵心巧手在2月份拿下15亿元人民币的B轮融资，公司的估值来到百亿元人民币，他也成为全球估值最高的灵巧手公司创始人。 灵心巧手成立于2019年，在过去五年低调研发后，于2025年正式开启融资通道。之后便一路凯歌，一年之内连融六轮，股东囊括红杉中国、蚂蚁集团、中金资本、北京国管、博佳资本、浙江创新投资、德清产投、创世伙伴、道得投资、盛世投资等一众知名机构，总融资金额高达数十亿人民币。 而在业务层面，灵心巧手也在腱绳、直驱和连杆等多条技术路线上全面布局，构建起涵盖“灵巧手—数据采集系统—灵巧操作技能库—灵心造物大模型”的全栈自研体系。凭借其极致性价比的产品体系，灵心巧手下已占据全球80%以上高自由度灵巧手市场份额，并成为全球唯一实现高自由度灵巧手月产千台的企业。 就在2月份最新的融资消息发布之后，灵心巧下手新一轮融资的消息也呼之欲出。但对于这一切，周永却对我们说“没有啥感觉。” 具身智能行业从来不缺“少年天才”。2

经过一段时间的猜测与流言，阿里巴巴旗下的 ATH 创新事业部终于揭开了神秘视频生成模型 HappyHorse 的面纱。近日，阿里巴巴 ATH 正式确认，HappyHorse 系其旗下创新事业部研发的内测产品。目前，该模型尚处于内测阶段，官方明确提醒用户，网络上流传的所谓“官网”均为虚假信息。 此次模型背后的核心团队极具含金量。据业内获悉，负责 HappyHorse 开发的是阿里巴巴副总裁郑波所领导的团队。郑波博士拥有清华大学计算机系背景，曾长期领导谷歌的展示广告算法及中国地图团队，是算法领域资深专家。他在阿里内部曾主导过淘宝搜索推荐及阿里妈妈等核心业务的算法架构，其研究领域涵盖大模型、多模态及决策智能等前沿方向。这一背景的披露，为 HappyHorse 的技术爆发提供了强有力的背书。 在性能表现上，HappyHorse 的登场堪称“暴力”。本周三，该模型在权威 AI 评测平台 Artificial Analysis 的视频竞技场榜单上横空出世，以压倒性优势在文生视频、图生视频等多个赛道夺冠，甚至超越了近期备受瞩目的 Seedance 2.0。根据 Artificial Analysis

/* 默认白昼模式：深灰字 */ .aibing-content { font-family: -apple-system, BlinkMacSystemFont, "Microsoft YaHei", sans-serif; line-height: 1.8; font-size: 16px; color: #1f1f1f; /* 默认深色 */ } .aibing-content h2 { margin: 30px 0 15px; font-weight: 700; border-left: 4px solid #007bff; padding-left: 10px; color: inherit; /* 跟随父级 */ } .aibing-content a { colo

提示注入是人工智能系统面临的一项前沿安全挑战。本文将探讨这些攻击是如何运作的，并介绍OpenAI在研究、训练模型以及为用户提供保护措施方面的进展。 🔗 来源：Understanding prompt injections: a frontier security challenge (AI 严选)

随着人工智能技术的爆发式增长，生成式 AI 正从个人实验阶段迈向大规模商业化应用。OpenAI 今日正式发布 ChatGPT 企业版，这不仅是其产品线的扩张，更是其深耕企业级市场的战略转折点。 针对企业用户最为关心的核心痛点——数据安全与隐私保护，新版本提供了企业级的安全保障。通过建立严密的隐私边界，确保企业敏感数据不会被纳入模型训练集，这一举措为金融、医疗及法律等高合规性行业大规模部署人工智能扫清了技术与信任障碍。 在性能层面，ChatGPT 企业版集成了目前最为强大的模型能力，旨在处理更为复杂的逻辑推理与大规模数据分析任务。通过提供更高效的响应速度与更强大的计算底座，该版本正致力于将人工智能深度融入企业的核心业务流，开启智能决策的新纪元。 🔗 来源：OpenAI

在当今快速发展的科技和财经领域，人工智能（AI）技术正以前所未有的速度改变着我们的生活。而在众多的AI分支中，生成对抗网络（GANs）、逆强化学习（IRL）以及能量模型（Energy-based Models, EBM）尤其引起了广泛关注。本文将深入探讨这三者之间的联系及其在实际应用中的潜力。 1. 生成对抗网络（GANs） 生成对抗网络由Ian Goodfellow等人于2014年提出，是一种基于博弈论原理的深度学习模型。其核心思想是通过两个神经网络之间的竞争来生成逼真的数据样本。一个生成器负责创建尽可能接近真实数据的新样本；另一个判别器则评估这些样本的真实性。两者的较量使得生成的数据质量不断提高。 2. 逆强化学习（IRL） 逆强化学习是机器学习领域中的一个分支，专注于从观察到的行为中推断出奖励函数或目标函数的过程。这种技术常用于解决那些缺乏明确奖励信号的任务环境下的问题，如游戏策略研究或是复杂行为的模拟。 3. 能量模型（EBM） 能量模型是一种基于概率模型的方法，通过定义一个能量函数来描述样本数据之间的差异和相似性。这类模型通常用于图像识别、语音处理等任

OpenAI 官方今日宣布，备受瞩目的 DALL·E API 已正式进入公开测试阶段。这一重要进展标志着开发者群体正式获得了利用顶级图像生成技术构建应用程序的权限，预示着生成式 AI 应用开发正迈入一个全新的爆发期。 随着 API 的全面开放，开发者能够将高质量、高精度的图像生成能力深度集成到各类软件生态中。无论是自动化设计平台、智能交互界面，还是全新的数字内容创作工具，开发者现在都可以通过调用这一强大的底层模型，实现从文本指令到视觉艺术的无缝转化，极大地降低了高质量图像生成的开发门槛。 从行业视角来看，DALL·E API 的公测不仅是技术能力的输出，更是 AI 生产力工具化进程的关键里程碑。随着开发生态的逐步完善，我们预见将有一批基于该底层模型驱动的创新应用涌现，它们将重塑数字营销、游戏开发及创意设计等多个领域的生产流，进一步拓宽人工智能在视觉创意领域的应用边界。 🔗 来源：OpenAI