Vai al contenuto principale

Cerca su CooLWJ

选择搜索范围，输入关键词后按回车。

Le parole chiave restano quando cambi ambitoEsc per chiudere

Lingua

🔥爱范 Tendenze：2026-10-15

12:21  爱范  小鹏G9L巴黎车展全球上市，法国市场售价74990欧元起
2026巴黎国际车展正式拉开帷幕，小鹏集团以“Physical AI For All”为主题重磅亮相，全面展示其在物理AI领域的前沿成果与场景布局。作为下一代AI旗舰SUV的小鹏G9L也正式面向全球上市，并同步开启欧洲订购，法国市场售价74990欧元起，进一步完善小鹏面向全球市场的产品矩阵。 与此同时，小鹏与特斯拉作为本届巴黎车展官方 Autonomous Lab（智驾实验室）公众智驾体验活动仅有的两家参与企业同台竞技，在公开道路上面向公众开放高阶智驾体验。这也是小鹏图灵AI智驾在欧洲首次面向公众大规模开放体验。 随着全球车型矩阵出海，到智能辅助驾驶技术走向欧洲市场，小鹏集团正加速推动物理AI技术创新成果惠及全球用户。 2026年上半年，小鹏在法国保持中国新势力纯电品牌销量第一；7月，在慕尼黑全球上市的小鹏MONA L03，短短3个月就在欧洲获得超1万个订单。 在本地化研发方面，小鹏欧洲研发中心为助力产品适配欧洲用户的使用习惯与道路环境，积极开展法规认证、语言交互适配、底盘调校、充电能源网络布局及智能辅助驾驶测试等工作。 在本地化生产制造方面，小鹏集团于2025年第三季度在奥地利格拉茨麦格纳工厂启动本地生产，小鹏G9L是在欧洲投产的第四款车型，并实现中国广州与奥地利格拉茨同步生产，本地化制造为新车型在欧洲市场的平稳交付提供了保障。 在全球产业生态合作方面，小鹏拥有博世、达索等一众欧洲供应链合作伙伴，巴黎车展期间，小鹏集团还和米其林现场签订了战略框架协议。此前，小鹏与大众集团开展深度技术合作，从电子电气架构延伸至整车联合开发。在发布会上，小鹏还正式推出 “XPENG AI ENGINEERING”，面向全球新能源汽车伙伴开放整车平台、模块化技术与全套工具链，提供覆盖研发、生产及售后一站式技术解决方案。不仅是智能电动车，小鹏的物理AI生态，也对外开放合作，合作范围涵盖Robotaxi、图灵AI芯片、物理世界基座模型等。其中，Robotaxi 正与欧洲头部出行平台洽谈落地。 作为小鹏面向全球市场打造的下一代AI旗舰SUV，小鹏G9L以“一车三得”的产品理念，兼顾商务出行、家庭生活与户外探索，满足用户在不同人生场景下的多元出行需求。新车从研发之初便面向全球市场，历经三年研发，在26个国家和地区完成累计674万公里道路测试，以全球标准打造旗舰产品品质。 在商务出行场景下，小鹏G9L以智能科技带来行政级的豪华舒适体验。 超过5.1米的车身长度与3.1米轴距，塑造大气舒展的旗舰姿态；DLP像素大灯、迎宾光毯、智能电动门及可伸缩电动踏板，让上下车更具仪式感。主驾全体型AI贴合座椅与副驾全体型AI贴合零重力座椅，可主动适应不同用户的体型与坐姿，配合RNC主动降噪以及多重隔音配置，营造舒适静谧的专属座舱。 面向家庭生活，小鹏G9L则以宽裕空间与丰富配置，让全家人都能享受舒适旅程。 0.605黄金轴长比充分释放乘坐空间，宽裕的头部、肩部与膝部空间，每位乘客都能舒展乘坐。12.5升双开门双温区车载冰箱、21.4英寸3K娱乐屏及23扬声器音响系统，丰富家庭旅途体验；采用婴儿级安全材质的儿童座舱，配合6D防晕车设计，全家出行更加舒适安心。 用户奔赴户外、探索远方，小鹏G9L凭借旗舰级底盘与强劲动力，从容应对多元路况。 新车搭载全铝悬架架构、双腔空气悬架及DCC自适应减振器，配合最大216毫米离地间隙与700毫米涉水深度，兼顾户外通过性与驾乘舒适性。主动式后轮转向系统让超过5.1米的车身实现仅5.5米的转弯半径，轻松应对欧洲老城狭窄街道及停车场；4.9秒零百加速、35.1米百公里制动距离与超过80公里/小时的麋鹿测试成绩，进一步彰显旗舰SUV的驾控实力。 在长途出行场景下，小鹏G9L以领先三电技术提升出行效率。新车搭载800V高压平台与5C超充技术，电量从10%充至80%最快仅需11.7分钟，有效减少长途补能等待；6kW V2L对外放电功能进一步拓展户外露营等多元用车场景，远行更加自由从容。 在智能体验方面，小鹏G9L将科技融入日常出行。新车通过智能泊车能力，为城市狭窄道路及复杂停车环境提供便利；同时，针对欧洲用户的使用习惯，深度融合Google Maps、Google Play等本地化智能生态，提供超过500款原生应用，让商务出行与家庭生活更加便捷。 安全是最大的豪华。小鹏G9L构建涵盖被动安全、主动安全与航空级安全冗余的三重旗舰安全体系。新车按照全球四大安全评价体系相关要求设计，累计完成192次碰撞测试，采用16000吨前后一体化大压铸车身，配备最多10个安全气囊，并通过EIS电池安全芯片强化电池安全防护；主动安全方面，AEB自动紧急制动最高工作时速可达150公里，配合驾驶员失能辅助等被动安全功能，进一步提升复杂场景下的安全保障能力。此外，源自飞行汽车技术的航空级安全冗余设计，为制动、驱动、通信及解锁四大关键系统提供多重保障，全方位守护用户出行安全。 巴黎车展期间，官方Autonomous Lab（智驾实验室）举办高阶智能辅助驾驶公开道路体验活动，最终小鹏与特斯拉成为唯二参与的汽车品牌，在巴黎真实城市道路上展示智驾能力。这也是小鹏NGP首次在欧洲开展大规模公开体验，活动正式开始前已吸引超400家全球媒体报名参与。 车展前夕，何小鹏亲自体验小鹏NGP挑战巴黎著名的凯旋门环岛。该环岛汇集12条大道，车流密集、交通环境复杂，对智驾系统的环境感知与通行决策能力提出较高要求。小鹏NGP凭借精准的车流判断与高效决策，顺利通过这一复杂路段。何小鹏评价，其表现如同一位“欧洲老司机”。 从德国、荷兰到法国，小鹏正持续验证第二代VLA的全球泛化能力。 今年7月，小鹏NGP在德国完成本地化验收测试；9月，新华社记者在荷兰阿姆斯特丹对小鹏NGP与特斯拉FSD进行同场实测，双方整体表现丝滑高效，小鹏在部分复杂场景中展现出精准的空间判断与高效通行能力。此次巴黎车展的公开道路体验，进一步展现了小鹏智驾对欧洲复杂道路环境的适应能力。
13:55  爱范  不用机器人，也能给机器人「补课」： 董豪团队提出 HIL-UMI
怎样知道机器人还需要学什么？一种直接的办法，是让它先做一遍：哪里抓不稳、哪里放不准，人再接管纠正。这样教很有针对性，但每补一批经验，都得让机械臂实际运行。 董豪团队联合启元机器人、北京大学、西安交通大学等提出的 HIL-UMI，把发现薄弱环节的过程放到了人类示范中。人手持夹爪操作，模型同时预测自己的做法，系统比较两者的差异，提示哪些地方需要多教一段。无需机器人实际执行，也能根据当前模型的需要，采集数据并继续训练。 HIL-UMI: Bringing Human-in-the-Loop Post-Training of Vision-Language-Action Models to Universal Manipulation Interface Zimu Han*1,4, Yiming Zeng*1,4, Jiyao Zhang*‡1,2,3, Zihao Zhao1, Yuanfei Wang1,2,3, Yixiang Jin5 Shiqi Li5, Shuangben Chen1, Wei Huang1, Ruodai Li5, Hui Shen5 and Hao Dong†1,2,3 论文地址：https://arxiv.org/pdf/2609.20659 项目主页：https://hil-umi.github.io 多教几遍 为什么还是会出错 假设要把桌上的玩具收进抽屉。人演示时，通常能稳稳夹住，再顺利放进去。机器人自己做时，却可能抓偏了一点，把玩具推到了旁边。位置变了，朝向也变了，接下来该怎么夹，已经和示范里的情况不同。 这时候，它缺少的是处理这个新局面的经验。如果继续按原来的动作做，小误差就可能越积越大。再给它看几次顺利完成的操作，未必正好能补上这一课。 如今，一类被称为视觉语言动作模型（VLA）的模型，可以根据摄像头画面和语言指令，生成机器人要执行的动作。用新的操作数据继续改进已有模型，就是后训练。常见做法是监督微调（SFT）：人演示怎样完成任务，模型学习其中的动作。 示范帮助机器人学会了基本操作，但人顺利完成任务时经历的情况，和机器人自己动手时遇到的情况，往往不完全一样。后训练需要补充的，正是当前模型还不擅长的那些操作。 比如，模型已经学会打开抽屉，却总把不同颜色的笔放错槽位，下一轮就应该重点教它怎样分辨和放置。如果它夹不稳形状特殊的玩具，就需要多看这类物体该怎么抓。要教什么，应当随着模型已经学会什么而调整。 针对性训练的成本 HG-DAgger 就是这样一种有针对性的后训练方法。它让机器人执行任务，人在需要时接管，演示正确操作，再把这些纠正数据用于训练。机器人哪里做得不好，下一轮就补充哪里的经验。 成本也来自这个过程。采集者要守着机械臂，等待它执行、及时接管，还要复位场景。想让多个人同时采集，通常就得准备多台机器人和相应的场地。 另一种工具提供了更轻便的采集方式。通用操作接口（UMI）是一套手持夹爪设备，人直接拿着它操作，就能记录机器人可用的画面和动作。这样采集不需要机械臂，但仅有记录工具，还不能告诉人：眼前这段示范，是不是模型现在最需要学的？ HIL-UMI 将模型接入了这个采集过程。人正在演示，模型就同步预测动作、提供反馈，帮助决定接下来该重点采什么。HG-DAgger 中根据模型表现补充经验的思路，因此也能用在无需机器人执行的采集上。 人类操作时 就能发现模型的薄弱环节 在 HIL-UMI 的采集现场，人手持夹爪移动物体。摄像头记录画面，系统同时记录夹爪的位置、角度和开合。模型在计算机上运行，接收同样的画面和任务指令，预测接下来一段时间该怎样操作。 实际移动物体的始终是人，模型给出的动作不在机械臂上执行。系统把两者放在一起比较，就能发现人类示范与模型预测在哪些地方出现了分歧。 例如，要夹起一个不规则的玩具，人会先调整夹爪角度，再找到稳妥的夹持位置。模型预测的接近方向或闭合时机，却可能与人明显不同。这种差异能帮助系统找到模型还需要学习的操作。 系统会生成多组动作预测，等对应的人类动作片段完成后，综合比较移动位置、夹爪角度和开合的差异。当差异超过设定门槛，系统就提示操作者从当前状态继续录制，直到当前这一步操作完成。这样补充的可以是一段抓取或放置示范，不必每次都从头录完整个任务。 模型开始参与决定自己需要什么数据。它更新之后，与人类操作的分歧也会改变，下一轮采集的重点随之调整。发现问题、补充示范、继续训练，就可以在人与模型之间反复进行，无需每一轮都让机械臂先尝试。 让模型学会更有效的动作 还要解决一个问题：哪些动作确实让任务向前推进了？以叠方块为例，夹着方块来回移动，和把它对准下方的方块，都有动作发生，对完成任务的帮助却不同。 HIL-UMI 用一个称为“优势估计器”的模型来判断这件事。它查看操作前后的画面，估计这段动作让任务推进了多少。如果人已经有效推进任务，它却给出很低的评价，系统也会补充这类示范，改进它的判断。 动作模型随后结合这些评价和专家示范继续训练，学习更有利于完成任务的做法。执行时，系统也会加入相应提示，引导模型生成能推进任务的动作。这种训练方式称为优势条件行为克隆。 每轮训练会同时使用新示范和历史数据，兼顾新学到的操作与已有技能。更新后的模型再参与下一轮采集，继续提供反馈。 同样多的数据 三轮训练能提高多少 这些在手持设备上采集的经验，最终能让真实机器人做得更好吗？团队以 π0.5 为基础模型，在 Franka 机械臂上测试了四项任务。 整理桌面需要打开抽屉、把笔放进对应颜色的槽位，再收好形状各异的玩具，考验连续完成多个步骤的能力。折毛巾则要应对布料不断变化的形状。叠方块和盖章更强调精度：前者要对齐并放稳，后者要调整好印章姿态，准确落在指定区域内。 实验按机器人完成了多少步骤来评分，称为任务进度分数（TPS），满分 100 分。比如整理桌面，收好了哪些物品、完成了哪些抽屉操作，都会计入得分。 在采集相同帧数数据的条件下，团队比较了持续增加常规示范的 SFT，以及根据模型反馈补充示范的 HIL-UMI。下图记录了三轮采集和训练后的变化。 先看紫色和橙色曲线。二者从相同的平均分 44.3 出发，三轮后，SFT 达到 58.0 分；保留针对性采集、去掉优势机制的 HIL-UMI 达到 88.0 分。这组对比说明，新增数据是否对准模型的薄弱环节，会显著影响后训练的效果。 绿色曲线对应完整方法，从一开始就使用优势条件训练，平均分从 62.3 提升到 94.8。第三轮后，叠方块和盖章均达到 100 分，整理桌面达到 96 分。随着新示范不断补充，四项任务的表现都在逐轮提高。 后训练可以不再围着机械臂开展 省去机械臂反复执行和人工接管，首先改变的是采集速度。团队在整理桌面任务上，将 HIL-UMI 与 HG-DAgger 进行了比较。 HIL-UMI 的数据采集效率达到 HG-DAgger 的 5.63 倍，也就是单位时间内获得的训练数据帧数更多。最终，HIL-UMI 的任务进度分数为 96 分，HG-DAgger 为 91 分，采集更快的同时也取得了更好的任务表现。 HIL-UMI 带来的范式转变，体现在后训练的组织方式上：模型在采集时就参与决定该教什么，而这份反馈可以通过预测获得，不必以机器人实际运行为前提。采集者使用手持设备便能补充模型需要的操作经验，减少了对机械臂设备和运行时间的依赖，也让开展后训练更方便。 团队接下来计划探索分布式后训练，让不同地点的操作者并行采集当前模型需要的示范。每个采集点都不必配一台机械臂，采到的经验可以汇入同一个模型，支持它持续改进。
17:33  爱范  阶跃开放 Step 5 Preview 权重，全球免费下载！
阶跃星辰宣布正式开放 Step 5 Preview 权重，包括 BF16 与 FP8 两个版本、技术博客、配套开源开发工具及部署指南。模型权重已上线 Hugging Face 和 ModelScope。 据介绍，Step 5 Preview 面向长程 Agent 任务设计，采用稀疏 MoE 架构，总参数量为 600B，每 token 激活参数为 27B，支持 100 万 token 上下文窗口，原生支持文本与视觉输入，面向软件工程、专业知识工作及金融等应用场景。 此次发布的技术博客介绍了 Step 5 Preview 的设计思路，包括 92 层窄深架构、Sparse GQA、训练稳定性优化、百万级可验证环境及长程任务强化学习等。其中，模型将上下文压缩纳入端到端策略训练，支持 Agent 整理任务状态并继续执行。 部署方面，Step 5 Preview 提供面向多种芯片平台和推理框架的适配支持。开发者可通过 vLLM 或 SGLang 部署兼容 OpenAI 接口的 API 服务，也可使用 Transformers 进行离线推理，接入自有数据、工具与系统。在开发者使用方面，根据 OpenRouter 截至 2026 年 10 月 15 日的数据，Step 5 Preview 位列该平台 Token 用量周榜及日榜全球第二。
22:12  爱范  吐司开放APK与H5源码导入，支持初创产品继续创作并上架应用宝
近日，腾讯应用宝旗下的AI应用生成平台吐司App开放外部产品导入能力，用户可直接上传APK安装包，或导入H5源码后在吐司内继续创作；两种方式均可一站式完成应用信息填写、上架材料准备与审核提交。这意味着，非吐司平台产出的初创产品，也能借助吐司继续创作，并完成上架应用宝的全流程。目前该能力面向进阶版Pro权益包用户开放。 今年8月，腾讯吐司推出“上架App”功能，在应用内接上了软著申请、App备案、合规文件生成到提交应用宝审核的整条链路，已有不少用户通过该路径，把自己用吐司开发的App上架到应用宝。同时，过程中生成的软著、备案等资料进一步提升了上架到其他应用平台的效率。 具体来看，吐司的APK导入能力面向使用其他工具开发的安卓应用，开发者沿用熟悉的工具完成开发、调试与打包后，直接上传到吐司即可，无需从应用生成环节重新开始，也无需跨平台重复整理资料，在吐司内补充应用介绍、图标、截图等基础信息后，便可进入上架流程。H5源代码导入的方式则保留了继续修改的空间，开发者上传后可在吐司内查看效果，接着完善应用，适合已完成部分页面或功能，希望在现有成果上继续推进的项目。导入H5源代码并继续通过吐司创作的应用，平台还会自动抓取并输出产品简介与截图，帮助开发者补齐上架所需的材料。 在“吐司生成与上架、应用宝审核与分发”的模式下，吐司负责降低创作及上架门槛，应用宝提供审核、分发与持续运营能力。此次开放APK与H5源代码上传后，吐司的创作与上架服务，从原本仅覆盖平台内生成的应用，扩展为可承接多渠道产出产品的全流程服务。对于应用宝，这是新的应用供给，平台也从传统分发渠道进一步升级为安卓应用上架的重要入口；对开发者，非专业开发者、一人公司（OPC）和个体创业者也能以更低成本复用已有成果，把合规、上架到用户触达这条路走完。
22:12  爱范  2026 TMOT 首个 AI 智能体走进电音现场，让听众成为音乐共创者
10月17日至18日，顶尖电音节The Magic of Tomorrowland 2026将在上海举行。STEPX 作为 The Magic of Tomorrowland 2026 战略合作伙伴，携大模型原生智能体手机 STEPX Neo 奔赴上万年轻人热爱的潮流现场，探索 AI、音乐与潮流文化的深度融合，解锁 “人人可创作专属AI音乐” 的智能体新玩法，带来更具创造力和个性化的创作体验。 刚于10月13日正式发布的智能体手机STEPX Neo，搭载智能体原生操作系统Step AOS，内置新一代个人智能体阶跃Amoo。STEPX与AI创客基于阶跃StepAudio 3 Music模型及STEPX Neo智能体手机打造现场音乐共创体验，让观众把个人灵感化为专属电音，从听众成为创作者。 STEPX推出旗下首款AI终端原生开发工具（IDE）Step Studio，创客只需使用自然语言，即可生成AI App、游戏、智能体和Skill。基于这一开发环境，STEPX Neo可向创客全面开放模型、系统、硬件与生态能力，并支持通过MCP、A2A等协议连接外部服务与专业智能体。专属AI音乐玩法正是这一开放能力在年轻潮流文化场景中的落地，让开放共创从技术能力走进热爱与表达，展现智能体终端如何承接灵感、放大个人想象力与创造力。
23:14  爱范  AI音乐视频杀入商业场景，MVLAND营销MV功能正式上线
10月15日，美图旗下AI音乐视频创作平台MVLAND正式上线营销 MV功能，进一步拓宽AI音乐视频的商业边界。用户上传商品素材、选择创作风格、生成音乐与画面，三步即可产出一支营销MV，打造更符合短视频平台消费与传播的营销内容，助力个人商家、中小品牌等大幅提效降本。 从近年出圈的营销案例来看，“广告MV化”正在成为一条被验证有效的破圈路径。从蜜雪冰城传唱全网的主题曲到世界杯期间王老吉与哈兰德合作的“魔性”广告，有一个共同的传播逻辑，即商品名被唱出来、核心卖点变成歌词、消费场景随着旋律反复出现。一旦旋律具备传唱性，便拥有了更多分享与二次创作的可能。 然而，想要复刻这种自带旋律记忆点的营销内容并不容易。传统方式制作一支营销视频，往往要投入策划、作词作曲、实景拍摄、后期剪辑等大量人力物力，周期长、成本高。面对新品发布、节日大促、热点借势等时效性强的营销需求，品牌、电商商家与内容创作者常常遭遇创意无法快速落地的困境。 针对这一行业痛点，MVLAND将成熟的AI MV全链路创作能力向商业场景延伸，推出营销MV功能，让个人商家、中小品牌和小型营销团队，都能低成本产出完整、有创意的营销内容。 记者实测发现，上传一张商品图，并填写商品名称、卖点和使用场景，再选择音乐广告类型和模特角色，系统即可根据商品信息进行音乐创作，用户可自主调整歌词、选择音乐、明确画面风格，即可生成一支时长30秒的商用级营销MV。目前，系统已内置魔性节拍、经典质感、潮流唱跳、概念说唱4种音乐风格和超20个模特角色，用户也可以上传自定义模特肖像用于视频创作。 一位电商商家体验后称，此前，市面上并没有此类AI工具，创作类似成片需要在多款软件间来回切换，门槛并不低。而MVLAND的营销MV功能流程简单便捷，创作者无需分别完成策划、作词、作曲、拍摄和剪辑，也不必具备作词、作曲、拍摄或剪辑经验，还不用找模特、搭场景、组团队拍摄，即可一键生成适配多种商品品类的营销视频，更快出片，更省成本。 营销行业分析人士认为，营销MV将品牌理念、产品卖点和营销主题融入原创歌曲，让音乐从视频配乐升级为承载品牌信息的内容主体，形成视听结合的营销新形式。其采用适配社媒平台的30秒竖屏形式，结合抓耳Hook、重复记忆点与富有节奏感的画面，在短时间内快速吸引注意、传递核心信息，也为模仿、翻拍和二次创作提供更多空间。 MVLAND相关负责人表示，新上线的营销MV功能面向品牌营销人员、电商商家、内容创作者等核心用户，可解决商业视频成本高、周期长、传播慢的现实难题，适合用于新品预热、促销推广、社媒传播、门店展示等，也可以延伸到品牌宣传片、线下活动预热视频等多元化场景。

Tendenze passate

Scegli il tema

Il tema si applica a tutto il sito.