7月28日，荣耀影像技术发布会在浙江横店国际马戏城举办。会上，荣耀展示与全球电影工业标杆阿莱（ARRI）深度联合研发成果，发布影像演进底层规律“光智进化律”，在移动终端搭建专业电影级影像技术体系，助推移动影像行业迈入电影工业化创作新阶段。依托阿莱沉淀百年的院线色彩科学，荣耀“芯端云”全域影像引擎，于Robot Phone全面落地，打造全球首款拥有好莱坞电影工业创作能力的移动终端。本次发布会现场，阿莱首席科学家Harald 、奥斯卡金像奖最佳摄影得主克劳迪奥·米兰达、中国著名电影摄影指导王博学、荣耀首席影像工程师罗巍、荣耀影像认知专家赵福臣等到场并分享发言。 发布会现场，基于“敢想敢不同”品牌主张，罗巍分享了荣耀对于移动影像的理解与思考。他表示，“移动影像长期陷入像素、传感器等硬件参数内卷。但在全民视频创作浪潮下，用户真正需要的是能够承载完整创作意图，产出电影质感作品的影像工具，实现赋予每个人自由记录与表达的能力和权力。这正是荣耀AiMAGE影像的初心。” 以“光立其本，智成其高”的影像底层逻辑，荣耀构建了一套完整的“芯端云”全域影像引擎。芯侧搭载自研原生AISP，全栈重构影像处理管线；端侧搭载自研行业最小钛合金三轴云台，配合全套专业光学与实时算法矩阵，实现软硬深度协同；云侧围绕“深耕云端画质、升级影像Agent生态”等方面，依托RAW域画质增强与影像Agent创作助手，打破端侧算力桎梏，覆盖拍摄、优化、创意生成全流程。阿莱则带来沉淀百年的色彩科学，LogC3编码、多套官方的影像风格预设及AWG3广色域，让移动终端首次使用好莱坞大片通用的专业电影制作工作流。值得期待的是，荣耀与阿莱的强强联合，不止于Robot Phone，会上官宣在今年即将上市的荣耀Magic9，还会有更多的技术合作落地。 罗巍还宣布荣耀与阿莱共建联合影像技术实验室，未来将以传感器底层光学与动态范围突破、全链路电影工业级工作流打通、AI时代的影像真实感与审美标准作为研究课题，把好莱坞电影工业创作能力从底层注入移动影像。基于双方的合作，阿莱Harald Brendel也在现场表示，荣耀与阿莱的合作不是一次简单的品牌联名，而是把专业电影工业的色彩标准，首次完整落地到消费级手机上。展望未来期待与荣耀深化合作，在人工智能时代保持影像真实度与高级美学标准。 荣耀还特别邀请克劳迪奥·米兰达用荣耀Robot Phone复刻电影名场面，并亲临大会现场，称荣耀Robot Phone搭载的LogC3、ARRI Looks等专业功能，沿用成熟影视创作标准，可精准塑造画面色彩与镜头情绪。同时，其小巧机身、稳定系统与运动能力，能够捕捉那些传统设备难以实现的独特角度和瞬间，拓展视觉叙事的可能性。 此外，大会现场发布电影指导王博学使用荣耀Robot Phone，在狭小空间一镜到底拍摄电影级短片《返航日》。结合真实片场创作经验，王博学从专业创作视角，高度认可Robot Phone电影级画质、焦点准确性、镜头稳定性及产品带来的拍摄空间的自由度，称技术的本质是在为创作者“减负”，为创意“赋能”。 发布会上，“荣耀手机影像计划”这一全球影像赛事正式官宣其评审阵容，首次融合电影工业、影视创作和专业摄影的多维专家阵容。 本次荣耀影像技术发布会的举办，标志移动影像正式脱离基础日常记录工具定位，迈入好莱坞电影工业标准的全新发展周期。未来，荣耀持续深化与阿莱的合作，稳步推动更多院线级专业影视技术落地消费终端。

7月31日，荣耀正式官宣韩寒出任“荣耀影像创想家”。身兼作家、导演、赛车手多重身份的韩寒，凭借不拘一格想象力持续刷新角色定义。这种不断突破边界的创作力，与荣耀影像所追求的探索精神高度契合。科技拉近创作与大众的距离，让自由表达触手可及。荣耀与韩寒的携手，将助力让每一份想象得以绽放。 据悉，主打电影工业级影像能力的荣耀 Robot Phone 将于 8 月 12 日正式发布，双方合作的更多亮点将在发布会上同步揭晓。

近日，基于全球首创的具身模型信息密度定律与以人为中心的环境式数据采集方案 2.0，并依托环境式采集引擎 ACE，大晓机器人联合南洋理工大学 S-Lab 重磅开源 L5 级多模态具身物理智能数据集 ACE-Data-0。通过对真实物理交互、长程任务过程与多模态因果信号的高保真采集和高精度标注，ACE-Data-0 为全球具身模型提供面向泛化、反思与进化的高质量数据底座，推动通用物理智能加速跨越实验验证，走向规模化产业落地。 具身数据的价值不在于规模堆叠，而在于能否高密度记录那些真正改变行动结果的信息；在这一定律下，L1-L2 级数据仅能支撑基础预训练，L3-L4 级数据止步于已知任务的拟合；ACE-Data-0 数据集已迈入 L5 级，深度融入接触压力、自然出现的犹豫与恢复过程，以及真实家庭场景中的开放行为变量，通过桌面尺度与房间尺度两套互补采集系统，将真实家庭环境转化为可持续记录、统一标定和精准同步的具身数据采集场景，让日常生活中的真实交互直接成为机器人学习物理世界的数据来源。 具体而言，ACE-Data-0 包含 150 小时数据、1700 万帧视频、200 个任务类别、50 名参与者、2 个真实家庭场景和 7.5 万个交互片段，覆盖原子级人—物交互、长时序家庭场景活动链及人与场景交互。数据同步采集第一人称视频、多视角第三人称视频、全身与手部运动、物体六自由度轨迹、多通道音频与触觉信号，并将全部模态对齐至同一时间线和空间坐标系，完整保留人类感知、行动、接触与环境变化的连续过程。 基于 ACE-Data-0，大晓进一步构建了从底层信号、场景组成要素到具身交互理解的三级评测基准，系统检验模型在接触感知、人体与物体状态恢复、手—物交互理解等关键环节的真实能力。ACE-Data-0 因此不只是一批家庭场景活动视频，更是一套面向模仿学习、世界模型、视觉—语言—动作模型（VLA）、机器人策略学习及人类示范向机器人迁移的具身数据基础设施，为通用物理智能走进真实世界提供更完整、更可扩展的数据底座。 机器看见了动作，却没有看见完整的物理过程 过去几年，视觉语言模型、VLA 和世界模型快速发展，但机器人真正进入物理世界后，仍然面对一个基础问题：应该从什么数据中学习人类的行动能力？打开橱柜、倒水、叠衣服等日常行为，同时涉及视觉、全身运动、手部操作、物体状态、声音、触觉和任务规划。普通视频可以记录发生了什么，却难以准确呈现接触何时发生、力度如何变化、物体怎样运动，以及当前动作与前后任务之间的关系。 现有第一人称视频通常缺少精确的人体、手部和物体状态；动作捕捉数据又多来自理想化实验室，容易缺少自然遮挡、第一人称视角、音频和触觉。大量数据还停留在持续数秒的抓取、放置等单步动作，难以描述真实家庭场景任务中的长期依赖。因此，ACE-Data-0 不再把活动切割成孤立短片，而是连续记录感知、行动、接触和状态变化，让不同模态共同描述同一个物理过程。其重点可以概括为：完整感知、长时序任务、多模态同步。 从桌面到房间：两套系统覆盖精细操作与长程活动 精细手部操作与房间尺度活动，对采集系统提出了截然不同的要求。指尖接触、抓握变化和物体细微运动，需要近距离密集传感器；人在厨房、客厅和卧室之间移动，则需要大范围覆盖、全局视角和统一空间坐标。为兼顾两类需求，大晓将环境式采集引擎 ACE 设计为桌面尺度与房间尺度两套互补配置，并基于两套系统构建 ACE-Data-0。 桌面尺度系统面向精细化手—物交互，在操作区域周围布置多视角摄像机、光学动作捕捉和触觉设备，重点记录抓取、倾倒、擦拭、切割、折叠等任务中的手部姿态、物体轨迹和接触变化。房间尺度系统覆盖厨房、餐厅、客厅、卧室等完整家居空间，通过广基线摄像机和全空间动作捕捉，持续记录参与者的全身运动、跨区域移动，以及发生在场景不同位置的连续交互。 两套配置共享统一的数据采集、同步、标定、质检和标注流程：桌面尺度回答「手与物体如何精细交互」，房间尺度回答「人如何在完整环境中移动、规划并完成任务」。采集过程中，参与者佩戴第一人称设备，系统同步记录四路鱼眼视频、IMU、头戴设备位姿、全身运动和手部关节状态；多视角外部摄像机则补足第一人称视角中容易被遮挡的身体和环境信息。 每个活动时刻均由多个视角同步观察，并与可度量的人体、手部和物体状态对应，使自然行为与高精度物理监督得以同时保留。此外，ACE-Data-0 还记录物体运动、全手掌触觉压力和多通道音频。视觉描述外部变化，运动数据还原人体与物体轨迹，音频记录碰撞和设备状态，触觉则提供接触、压力与滑动信息。不同模态共同构成对同一次真实交互的完整观察。 不是一堆数据流：把所有信号锁定在同一时空 多模态数据真正的难点，不是设备够不够多，而是不同设备产生的数据能否准确对应。摄像机、动作捕捉系统、触觉手套和音频设备通常拥有独立时钟与不同采样频率。即使只有几毫秒偏差，也可能出现画面中的手尚未接触杯子，触觉信号却已经产生的问题；如果不同摄像机、人体和物体没有统一空间基准，也无法准确建立几何关系。 通过时间同步与空间标定，ACE-Data-0 把视频帧、人体动作、物体状态、触觉读数和音频统一到同一条时间线，并将外部摄像机、持续运动的第一人称设备、人体、双手和物体配准至共享世界坐标系。因此，每次采集并不是一组互不相关的数据流，而是一份对同一物理过程的统一记录。研究者可以直接找到某个视频帧对应的人体姿态、物体位置、接触压力和声音变化，也可以比较第一人称与第三人称视角下的同一事件。 ACE-Data-0 进一步提供相机参数和同步时间线、人体及手部状态、物体网格与六自由度位姿、边界框、运动轨迹、手—物接触信息，以及与物理时间线对齐的自然语言描述；其中，大量标注直接来自经过标定的采集系统，而非完全依赖模型事后估计。这使数据在遮挡、快速运动和长期任务中拥有更稳定的一致性，也让模型能够真正学习发生在同一时刻的视觉、动作、声音和接触。 不给标准答案：目标级采集保留真实行为差异 ACE-Data-0 覆盖三类互补任务。第一类是原子级人—物交互，单次约 3 分钟，包括倒水、清洗、擦拭、切割、折叠和整理等单项操作，即使最短序列也以分钟计，而非传统 HOI 数据中常见的数秒片段；第二类是多个原子动作组成的长时序家庭场景活动链，可持续 20—30 分钟，例如从打开冰箱、取出食材，到清洗、切配、烹饪、装盘和收拾；第三类是人—场景交互约 5 分钟，包括移动、坐下、锻炼、开关家具、取放物品及姿态转换等。 与严格规定每一步动作的脚本式采集不同，ACE-Data-0 采用目标级指令。参与者只被告知最终任务，不被要求遵循固定流程，因此可以自由选择物品、操作顺序和移动路径，也可能在过程中犹豫、改变计划、返回上一步或处理意外情况。同样是整理房间，有人先收拾桌面，有人先整理沙发；同样是准备食物，不同参与者会选择不同工具和顺序。这些差异在标准化采集中可能被视为噪声，但对于真正进入家庭场景的机器人来说，正是必须理解的现实。 长时序任务的难点也不只是「视频更长」。此前的决定会改变后续可执行的动作，物体可能离开并重新进入视野，子任务可能中断、重排或在其他位置继续。模型必须持续记住任务目标、物体状态和已经完成的步骤，而不能将活动视为一串彼此独立的动作。ACE-Data-0 保留这些自然变化，使数据不再只提供理想化动作模板，而是记录人类真实完成任务时的规划、调整和恢复过程。 从采集数据到评估模型：ACE-Data-0 的更大价值 基于 ACE-Data-0，大晓建立了由底向上的三级具身感知评估基准。第一级是底层信号推断，研究模型能否从视觉观测中预测接触与触觉信息；第二级是场景组成要素恢复，评估模型在遮挡、复杂姿态和持续运动下恢复人体与手部运动状态的能力；第三级是具身交互理解，要求模型从第一人称和第三人称视频中恢复接近、抓取、调整和释放等完整手—物交互过程。 研究团队进一步评测了 30 多种代表性方法。结果显示，现有模型在接触、严重遮挡、第一人称自运动、极端视角和长时间任务中仍存在明显能力缺口。 这套基准不只判断任务最终是否成功，更试图回答：模型究竟在哪一步失效？一次失败可能源于没有感知到接触，也可能来自物体状态估计错误、任务上下文丢失、动作顺序理解偏差，或手部运动恢复不准确。分层评测将这些问题拆解开来，帮助研究者判断模型已经理解了什么，又在哪一层发生能力断裂。 ACE-Data-0 的价值也不止于评测。由于第一人称视频、多视角第三人称视频、人体与物体轨迹、音频、触觉和语言标注处于统一时空框架，它可以进一步服务于模仿学习、机器人策略学习、世界模型、VLA，以及人类示范向不同机器人本体的迁移。 在大晓机器人看来，具身数据建设不能只追求小时数和轨迹数，更需要保留真实世界中的物理联系、任务结构、接触反馈与状态演化。「ACE-Data-0」中的「0」，代表这套具身数据体系的起点。未来，大晓机器人将继续围绕具身数据引擎、通用具身基础模型、世界模型和 VLA 推进研发，并与研究机构、开发者及产业伙伴共同探索从人类自然行为到机器人通用能力的可拓展路径。 从「看见动作」到「理解行动」，从孤立视频到连续物理过程，ACE-Data-0 正在为具身智能建立一条更接近真实世界的数据入口。让每一次真实生活中的感知、接触与行动，都成为机器人理解物理世界的训练信

2026 年上半年，中国乘用车市场整体承压，但辅助驾驶仍在加速渗透。高工智能汽车研究院数据显示，2026 年上半年，在中国市场乘用车交付量同比下滑接近 20% 的背景下，前装标配 NOA 车型交付量同比增长 51.23%。同期，乘用车前装标配智驾域控制器达到 317.32 万套，同比增长 29.07%，市场渗透率升至 37.21%，同比提升 14 个百分点。 随着高速 NOA、城区 NOA 等功能逐步向主流价位车型下放，智驾芯片市场的需求结构也在发生变化。过去承担主要出货量的低阶 ADAS 前视一体机芯片，正逐渐被中高算力智驾域控芯片取代，开放生态、软硬件适配能力以及规模化量产效率，成为影响供应商市场份额的关键因素。 在自主品牌乘用车智驾芯片全阶市场中，地平线以 31.94% 的市场份额位居第一，英伟达以 29.38% 排名第二，二者合计占据超过六成市场份额。Mobileye 以 9.17% 排名第三，华为份额为 8.74%。 相比覆盖不同级别辅助驾驶方案的全阶市场，城区 NOA 芯片市场更能反映高阶智驾芯片供应商的竞争变化。 数据显示，2026 年上半年，中国市场支持城区 NOA 的乘用车交付量达到 204.69 万辆，同比增长接近 70%。其中，在自主品牌乘用车支持城区 NOA 芯片供应商中，英伟达以 39.43% 的市场份额保持第一；地平线市场份额达到 22.82%，较 2025 年提升接近 5 个百分点，排名升至第二；华为以 16.89% 位居第三。三家供应商合计占据接近 80% 的市场份额。 地平线份额增长，主要来自征程 6 系列芯片的规模化量产。目前，征程 6 系列已获得超过 25 家车企、超过 100 款车型的定点合作，其中超过 40 款车型已经量产上市。伴随更多定点项目进入交付阶段，征程 6 系列的装车规模预计还将继续扩大。 在芯片之外，地平线也在推动软硬一体化方案落地。其 HSD 全场景辅助驾驶系统于 2025 年底亮相，目前已经在奇瑞星途、iCAR、风云以及长安深蓝等品牌的部分车型上量产落地。根据公开信息，地平线 HSD 计划在 2026 年底前完成约 20 款车型的定点及交付合作。 从市场结构来看，高速 NOA 与城区 NOA 正逐渐呈现不同的发展路径。高速 NOA 供应商数量较多，车企的关注重点逐步转向成本控制和配置普及；城区 NOA 对芯片算力、算法能力、数据闭环和工程化能力的要求更高，目前仍主要集中在少数头部供应商手中。 与此同时，城区 NOA 的装车价格区间还在继续下探。2026 年上半年，市场交付的支持城区 NOA 车型已经达到 258 款，数量同比增长超过一倍，相关功能正加快进入 15 万元级车型。合资品牌也成为新的增量来源，上半年中国市场合资品牌 NOA 搭载交付量同比增长 240%，全年规模预计超过 70 万辆。 高工智能汽车研究院预计，2026 年中国市场支持城区 NOA 的乘用车交付量有望达到 650 万辆。这意味着，下半年交付量可能达到上半年的两倍左右。 随着城区 NOA 进入规模化普及阶段，智驾芯片竞争已从单纯的算力参数比拼，进一步延伸至芯片、算法、工具链、车型适配和量产交付能力。英伟达目前仍在高阶市场保持领先，地平线则依靠征程 6 系列快速扩大份额，高阶智驾芯片市场前两名的位置正在进一步稳固。