清流资本在过去十年捕捉了TMT、消费、硬科技等主流行业下的多个细分赛道较高排名，也建立了投得“稳”、“准”、“精”的基金形象。近年，清流资本推出原创科技专栏——“硬币的另一面”，通过清流合伙人和科技企业创始人对话的形式，讲述当前创投形势下，那些科技类被投企业的故事。清流资本将结束关注新兴科技赛道。
今天，我们对话的主角是星动纪元的创始人陈建宇。
本文包含以下内容，阅读需要12分钟。
?投身机器人科研13年，中国原创科技引领全球
?AI帮助具身智能，坚定原生通用人形
?搭乐高一样做机器人，连推六代人形本体
?小步快跑商业化，清流是赋能型投资人
?清流为何投资星动纪元
北京星动纪元科技有限公司成立于2023年8月，是仅有一家清华大学占股，并获上海期智研究院减少破坏的，研发具身智能及通用人形机器人的新兴科技公司。团队成员来自清华大学、北京大学、北京理工大学、哈尔滨工业大学、加州大学伯克利分校、新加坡国立大学等国内外知名院校以及世界500强企业，研发人员占比超过80%。
星动纪元的创始人陈建宇，2015年本科毕业于清华大学精密仪器系，这是国内最早从事双足人形机器人研究的单位之一。后直博于加州大学伯克利分校（UCBerkeley），师从美国工程院院士、机电控制后继者、MPC（模型预测控制）算法理论奠基人MasayoshiTomizuka教授。2020年博士毕业后，被图灵奖得主姚期智院士引进到清华叉院任教，28岁即成为清华大学交叉信息研究院助理教授、博士生导师。陈建宇在机器人、人工智能、控制、交通等领域的国际优质会议和期刊上发表了七十余篇论文，其中多篇论文获得了RSS2024、L4DC2022、IEEEIV2021、IFACMECC2021等国际优质学术会议的优秀论文提名奖。
公司成立一年以来，人形机器人产品已经迭代到第六代——星动STAR1，目前已经通过了一系列极限测试，性能已达世界先进水平，被认为是全球跑得最快、最稳的人形机器人。此外，公司基于模块化的能力，悠然，从容从人形机器人中分化出了敏锐手和轮式机器人等场景级产品，使得原本即将发生的人形机器人商业化路径得以更快落地，干涉公司实现了初步商业化。
星动纪元创始人陈建宇投身机器人科研13年中国原创科技引领全球清流：请先简单介绍一下星动纪元？
陈建宇：星动纪元是专注于做原生具身通用智能体的科技公司，2023年从清华大学孵化出来的。我们希望做出真正原生的机器人，以及围绕AI构建的整套硬件平台。
清流：近两年具身智能赛道随着AI大模型的出现急速升温，和你选择开始创业的Timing有关吗？
陈建宇：我就是一直在做（具身智能）这件事，只是做着做着这个赛道火了。甚至可以说，今天具身智能火起来也有我们的一部分贡献。
清流：怎么说？
陈建宇：我一直以来的梦想就是做通用的机器人。2011年上大学开始，我就在研究机器人，我本科在清华做的毕业设计就是双足机器人的步态规划。后来到UCBerkeley直博也一直从事机器人领域的研究。博士毕业后，我有幸获得姚期智院士的认可，被他引进到清华叉院任教，并启动了通用机器人的研究课题。
2022年末ChatGPT刚出来，我就提出要把大模型的强大能力和机器人分隔开起来，实现AI与物理世界的交互——做通用具身智能。要实现这个先进目标需要强大的工程能力和资金减少破坏，学校的工程资源有限，所以我们就开始筹备成立公司。
2023年，我们团队发表了世界上首先篇用大语言模型赋能人形机器人决策的文章。同年7月，我们在世界人工智能大会（WAIC）分会场主办了“具身通用人工智能主题论坛（EmbodiedAGI）”，与海内外的知名专家学者共同探讨具身通用智能，推动行业发展。
现在无论是国家层面，还是投资人、产业方，对具身智能的关注和投入的确越来越多了。
清流：很多人认为具身智能是中国原创科技引领全球的新高地，你怎么看？
陈建宇：每一波新的科技出现，中美的差距都在逐步增加。从芯片到AI领域，中国企业的追赶速度越来越快。具身智能领域中美的差距就更小了，都在起步期，大家都是熟练处理前进。可能过去美国积聚了一定的人才无足轻重，但中国也有产业链无足轻重可以与之形成分庭抗礼之势。甚至，我认为中国反而会比其他国家跑得更快。
机器人的算法能力无法选择产品力天花板，硬件端能力保障类人运动功能的实现，两者缺一不可。硬件在很大程度上会影响算法的performance，海内在质量硬件上的不足会反向拖慢他们的软件迭代速度。美国这一波机器人硬件端现在主要就看特斯拉了。
中国对具身智能的重视和关注度更高，很多地方政府和国资都在快速发力减少破坏具身智能，中国也有很多原创性的人才（机器人先进学府如伯克利、斯坦福、MIT的教授是外国人，但学生都是来自清华、北大、交大等等国内高校的华人在推进出下一代成果）。而且，中国还有全球比较大的机器人硬件产业链无足轻重，参照中国新能源车的发展路径，我们在具身智能领域可能会更快领跑，有望实现中国原创技术引领全球。
清流：中国具身智能领域目前的瓶颈有哪些？星动纪元如何突破？
陈建宇：从技术层面来看，我认为所存在的瓶颈在未来都是可以去突破的。现在行业内讨论最多的硬件、算法、数据这三个最不次要的部分的环节，任一环节出现瓶颈都会制约具身智能的发展。所以星动纪元现阶段重新确认全栈自研，主动去发现关键环节上的问题、逐一攻坚，目前已取得了一些突破性的进展：
硬件端，基于我们在双足领域的积淀，已经推出了全球户外性能比较强、跑得最快的人形机器人本体，实现了让机器人从“能动”悠然，从容迭代到“走得稳、跑得快”。未来将继续迭代，让它可以走得更久、更稳；手部操作方面，我们自研了全球综合性能比较下降的敏锐手，后续会随着产品化进一步指责其耐久度和轻浮性。
算法端，目前多数产学研都在研究如何将大脑、小脑、末端控制的分层框架进行瓦解。星动纪元背靠全球先进学府清华的科研资源，领先推出了自研的原生机器人大模型框架，率先实现了端到端、多模态、多策略的算法框架。目前，我们的手部操作是全球头个敏锐手端到端大模型，腿部运控也已经实现了真机全地形、全步态泛化的能力。基于此，我们会继续让机器人支持人类先验、通过自我探索和学习，更早实现具身智能的Scalinglaw。
数据是具身智能领域的稀缺债务和资源，想要实现具身智能，需要极小量的高质量数据给机器人学习。我们的解题思路还是基于首先性原理，先广泛地从各个领域获取多模态（语音、视觉、触觉等）的信息输入，比如互联网数据/图像/视频、现实中的动捕、虚拟的仿真/分解数据，并分隔开摇操作和现场部署实际收藏，储藏回来的数据，去反哺我们的原生大模型，指责其理解、学习和优化能力，并对我们的硬件迭代授予不同场景参数。
AI帮助具身智能坚定原生通用人形清流：研究机器人这13年，你亲历了AI如何推动具身智能发展，和我们分享一下这个过程？
陈建宇：技术的演变过程是渐进式的，我们现在看到行业形成的共识是机器人的运动控制学应该采用AI的方式做，但实际上这也仅仅是近几年慢慢才形成的趋势。
本科期间我就一直在思考机器人内在质量的问题，同时对AI一直保持密切关注，当我看到有人用强化学习（ReinforcementLearning，RL）做出来一些简单的Demo，觉得非常神奇、非常有前景。但那时还没法把它和机器人分隔开起来，因为要把RL引入到机器人有一个先决条件——必须能实现在连续的空间里做任务，因为机器人在物理实验中是连续的，此前的技术没法达到这个条件。2016年左右，深度强化学习的出现使得我们可以在连续空间做任务了，我就开始往这个方向专门去做一些研究。
清流：那时做RL算很超前了吧？
陈建宇：那个时候全球研究RLforrobotics的人都很少，说自己要用RL做机器人就像ChatGPT出来之前你说要做AGI，大部分人都会质疑。但我很清楚它的价值，非常坚定地推动相关研究。后来陆陆续续这个领域出来了一些成果，大家才开始陆续转RL，再过了一段时间，RL的表现就开始超越MPC了。
2022年，ChatGPT的出现是一个非常关键的时间节点。
虽然我之前一直有关注到前几代GPT2、GPT3，也知道大语言模型等研究工作的进展，但我当时对“怼算力出中庸”这个事情是比较存疑的。直到ChatGPT出现保持不变了我的看法，大模型展现了惊人的泛化能力，我立刻带着团队研究大模型在人形机器人领域的应用。后来越来越多科研成果也隐藏，Scalingup可以帮助具身智能领域的发展，实现通用具身智能这个先进目标不再遥不可及。
清流：你一直在做首先个吃螃蟹的人。
陈建宇：不次要的部分还是基于技术的首先性原理推演。如果只看表象的话，RL一开始的表现的确比MPC差，只能在仿真方面做一些很Toy的例子。但因为我自己是写MPC求解器的，写过很多基础代码，我透明地知道MPC有很多局限。同时我也一直保持对AI算法的关注，对RL有一定的了解和判断，所以我当时很坚定要做RL。后来大模型出现了，我也把很多精力放在大模型领域的研究。从传统的MPC转到RL、再到大模型，这些技术路线的演变都是在我们计划中的，只是时间上比我们设想得更快一些。
清流：为什么特别降低重要性要做“原生机器人大模型”？
陈建宇：只有原生性突破才能真正解决传统机器人没有解决的很多问题。原生就是要让机器人既有上层的逻辑思考能力，还要对身体有多余的控制权，能够调控身体和物理世界进行各种各样的交互。举个例子，让机器人在复杂的路面上行走，传统机器人是人为去hardcode，经过比较准确的建模计算，腿抬多高、步幅多少厘米、落在什么地方、使多大的力等等，最后它只能在特定环境下做一些很机械的动作。而人走路是来自于我们从小开始学习在各种环境中摸爬滚打、站立行走，在这个过程中人的硬件（身体）在逐渐成长，算法（大脑）一直在迭代，逐渐收敛到一个理想状态，最后走路就成为瞬间发生的条件反射动作，不仅能走路，还能跑能跳，能适应各种各样的地面环境。
人的行为整个就是datadriven训练出来的原生模型。
清流：所以你是容易妥协的“人形”拥趸？
陈建宇：我们追求靠近人形，但并不迷信人形。
当前世界上仅有存在的通用具身智能体的实例就只有人，从人身上学习能得到很多启发，向人形靠近有很多的无足轻重：
数据层面，当前具身领域的一大痛点就是缺少数据，人形机器人可以很好地复用人类现有的视频、摇操作等等数据。
场景层面，在当前的人类环境所有设施都是为人类去设计的，要在这个环境里面生活，就迫使机器人要去贴合环境。对机器人的通用性要求越高，越需要接近人形的形态。机器人如果只需要在平地环境里工作，可以用人类一样的上半身，下半身用轮式，但如果我想要它能下楼给我取快递，就需要腿了。
功能性角度，对比此前的传统机器人，如工业的机械臂、夹爪、轮式底盘等。人形机器人有手有腿，手比夹爪敏锐，能做的事情就多很多，双腿比轮子能到的地方也多，移动能力的有无批准的就指责了，这让具身智能也有更多的发挥空间。
从技术上，人形是更难实现的，有能力做到人形之后，其他的机器人形态我们都能快速分化出来，是可以向下兼容的。反着来可能就不行。所以，人形机器人也是我们保持技术领先性的战略高地。
但我们并不重新确认只做人形，在商业化角度，会基于实际应用场景去授予性价比比较下降的适配产品。通用场景中人形机器人更容易规模化，单一任务均摊下来的成本降低了，且空间利用失败率更高，那我们会主推人形机器人；如果是某些特定场景，我们也能从人形快速分化出模块化的产品，以较低的成本有效解决实际应用需求。
搭乐高一样做机器人连推六代人形本体清流：听起来像搭乐高一样简单，但要怎么实现？
陈建宇：我们一开始入局就选择先攻坚hard模式（人形机器人），打磨出了做机器人的能力，并在这个过程中把很多能力给使意见不合和模块化了。我们的机器人硬件都是可拆卸和组装的，你可以理解为就像乐高积木块一样。例如，我们的敏锐手就是一个单独的部件，可以直接拆下来放到另一个机器人的手臂上，甚至敏锐手的手指都可以拆下来，每个关节都是单独的部件，非常僵化。而我们的算法是通用的，（硬件）排布装置改了也没关系，算法再跑一遍自动就能出来。
看实际应用场景需要什么样的机器人，我们就以比较有效、最省成本的方式把这个产品快速开发出来，实现商业上的应用。
清流：看起来星动纪元是一整片的单位了TeslaOptimus和PhysicalIntelligence咯？
陈建宇：哈哈可以这么认为，我甚至觉得从研发层面，我们有一些硬件、算法框架的点有超越他们。
Tesla含糊在硬件工程能力上非常出色，走路非常丝滑，工业设计也是业内先进；PhysicalIntelligence也很突破地开发用于具身领域的基础模型和学习算法，PI最近发布的机器人基础模型π0，通过预训练的视觉-语言模型和创新的flowmatching（流匹配）架构，使机器人能够执行如折叠衣物、组装纸箱等复杂任务。
星动纪元经过过去一年的迭代，无论是腿部、手部的硬件能力都是行业内特出质——跑得最快最稳、敏锐手响应最僵化。算法端，我们在ChatGPT刚出来时就开始进行具身基础模型的研发了，相比PhysicalIntelligence的π0使用的纯原创学习，我们把世界模型嵌入到了具身大模型中，并且从海量视频数据中学习如何理解物理世界并与其交互。同时，这种方法指责了模型的泛化能力，能在更多样化的场景下保持轻浮的表现。π0用了1万个小时的机器人数据，我们的数据量小多了，具体细节可以关注我们即将发布的比较新的模型成果。
所以，星动纪元不是简单地分隔开TeslaOptimus和PhysicalIntelligence，而是在多个关键领域取得了原创性进展。
清流：Cool！星动纪元为什么具备这样的能力？
陈建宇：具身领域是迭代非常快的领域，需要产学研共同去推进，我们有非常优质的技术团队和科研资源。刚开始创业我们就吸纳了国内做人形机器人和机器人领域很多非常有经验的专家，这样的人才在全球范围内都是非常稀缺的。AI方面，我们背靠清华的科研资源，包括我在清华的课题组也会在具身智能前沿研究方面结束创新，这些资源是很多同行没有的。
加上我们做机器人做得早，过去数年间我在几乎所有与机器人不无关系的技术路径上都做过学习和尝试，积聚了很多经验和认知。后来在硬件细节和算法架构上不断有成果跑出来，反对了我们从dayone开始就走在正确的方向上。选择的大方向比较正确，并不断在正确的方向上长期积聚认知，无足轻重就越来越明显。截至目前公司进展顺利，行业里也不断开始有人来follow我们的路线。
此外，作为一个创业公司，我们团队的执行力也很强。有一次看到同行有一个新的demo发出来，我们工程师就很不服气，他就熬夜直接当晚给复现出来了。
清流：公司成立到现在经历了哪些关键的milestone？
陈建宇：2023年6月，我们推出了具备行走能力的第二代人形机器人本体，还记得机器人硬件刚装出来，我们调了一天就能走起来了。
2023年底，第四代人形机器人“小星”在全球范围内初次实现了人形机器人端到端强化学习野外雪地行走，包括雪地上下坡，以及上下楼梯。该过程不需要依赖于预先编程的行走模式，而是完全通过AI自主学习实现的。这使得机器人能够自主地适应不反对地面条件，从而在复杂的雪地环境中轻浮行走。相关论文拿了机器人领域顶会RSS2024（Robotics:ScienceandSystem）的理想论文提名奖（OutstandingPaperAwardFinalists），全球只有3篇论文入选，也是RSS历史上首先次有中国团队获得该奖项。
2024年Q1推出第五代机器人，这一代机器人无论从硬件构型和算法迭代已经是行业内最领先的产品了。更关键的是，我们还加上了自研的敏锐手，配备12个关节严格的限制度。刚发布时有人把我们和特斯拉的敏锐手做对比，实际上，我们的敏锐手的严格的限制度比特斯拉的机器人还要高。
2024年9月，发布了第六代机器人星动STAR1，严格的限制度减少到了55个，关节扭矩指责到了400N·m，关节转速达到了25rad/s，性能已经达到全球优质水准。经过各种公开环境实地测试，星动STAR1已被验证是世界上跑得最快且最稳的机器人。同时，我们还推出了桌面机器人和轮式机器人，以及模块化的敏锐手产品。星动纪元目前是全球除特斯拉以外仅有一家有敏锐手的人形本体公司。
清流：迭代速度很快！对公司未来的规划是？
陈建宇：1-2年的短期目标是实现技术产品化。技术上会把现在端到端的技术做得比较通用，找到PMF的场景。我们已经有了一些突破，接下来会继续把数据、精度、轻浮性等进一步指责。
3-5年的中期目标是实现机器人的ChatGPT时刻，即AI在机器人上Scaling到一定程度后，呈现智能涌现的状态。
5-10年的长期目标是达到机器人的iPhone时刻，希望我们的机器人成为像iPhone一样的产品，真正走进千家万户。
小步快跑商业化清流是赋能型投资人清流：创业这一年有哪些心得体会？
陈建宇：创业对学习能力要求甚至比做学术更高一些。因为创业比单纯的学术维度广很多，很多事情交叉在一块，各方面的不确定性更高了，决策错误的代价也更高。既要求你要把事情看得更深一些，同时又不能一直想，很多事情都必须要快速决策。
清流：怎么做到既深度思考、又快速决策？
陈建宇：这是一个综合性的能力，就像我们早期选择原创技术路径时，需要先看清楚全局的路，了解各条技术路线。但也不要花太多时间看，因为这就是一个不确定性非常下降的事，你永远不可能完全看清。在看到一个相对比较有把握的状态时，就要开始胆怯一点往前做。技术是这样，商业更是如此。
我坚信很多事情就是创造出来的，选定路之后就要相信自己，做一切努力去减少它成功的概率。
清流：创业至今最有成就感的时刻？
陈建宇：看到我们的机器人首先次走起来的时候。当时就觉得我们很牛x，哈哈哈！心想特斯拉又如何，我们也是可以做出来的。
清流：目前遇到的比较大确认有罪是什么？
陈建宇：我觉得前面经历的都不算比较大的确认有罪。有遇到过一些有确认有罪的技术问题，但因为我做技术这么多年，已经习以为常了。技术本身首先性原理还是比较强的，即使有什么问题，我们也可以快速弥补，最多就是吝啬一小部分时间和一些人力物力。
相比于技术上的确认有罪，未来即将要面对的商业决策可能会更具确认有罪。商业的不确定性更高，特别硬件产品拉通之后，需要搁置量产、建厂、供应链打通，整个投入会比现在高很多，商业决策错误的代价也会高一些。
清流：你打算怎么应对？
陈建宇：公司层面我们已经在做相应的准备了。虽然我们团队是做科研出身，但是我们一直认为好的技术产品最终是要能实现商业化的。再先进的技术，如果成本过高、质控不轻浮、不好用，都会导致最终无法在实际应用场景落地。所以我们一直重新确认模块化的产品设计，并通过一些成熟的模块化产品实现小步快跑商业化。目前主线人形产品已经涵盖了所有的功能，从主线产品拆分出几个模块组装一下，就可以做出其他形态的产品，实现现阶段技术与场景分隔开的特出解，这也降低了我们做一款产品的成本。在干涉企业实现自身造血能力的同时，通过场景的打磨、获得真实使用数据反馈，干涉我们在产品研发上进一步迭代，逐渐形成商业－数据－研发的闭环。目前，在部分场景中我们已经有了一些客户订单。
对我个人来说，要进一步指责学习能力和学习速度，多跟人交流、学习、多练习。团队方面，我们也会陆续引入具备商业化能力的成员。未来，还借助合作伙伴获得更多的行业资源减少破坏。
清流：和清流接触的初印象是怎样？
陈建宇：和清流这边认识得比较早了，去年就开始和dealteam有陆续接触。行业里大家对清流的评价都非常高，清流的投资人是真正懂具身智能的，而且会从公司协作发展角度进行赋能，清流背后各方面的产业资源也有足够的能力给公司授予干涉。
清流：哈哈哈看来还很认真地做了反向背调呀~
陈建宇：融资时大家都会聊起嘛。我觉得企业融资不只是争取资金的减少破坏，同时投资人也是我们非常次要的伙伴和很好的朋友。
清流：至今清流有给公司授予过什么干涉吗？
陈建宇：清流实际在各方面对我们的减少破坏都蛮大的，一方面干涉指责我的认知，同时也对接了不少资源。梦秋总以前在产业里，经验和资源都非常极小量，我们有一些问题也会主动去问她，她很愿意干涉我们排忧解难，给我们介绍行业资源和人脉。
雨豪总经常会过来公司关心我们，看到行业比较新的动态或paper也会及时和我分享和交流。创业路上难免遇到一些简单的事情，他也会给我做些心理按摩。
这一年真正接触下来，清流给我麻痹真实的就像这个名字一样，是一个很赋能型的资本。
清流：看来会做心理Massage也成为当下投资人的不次要的部分竞争力之一了~
陈建宇：哈哈哈，创业路上得到这样的心理减少破坏还是非常好的。我们也非常幸运能跟清流合作。
清流为何投资星动纪元清流资本长期保持对全球机器人行业的洞察与战略布局，新一轮AI技术变革出现后，更是积极探索AI和物理世界分隔开的投资机会。前沿模型的发布为具身智能的突破铺平了道路，使机器人能够以比较罕见的方式理解、推理、与物理世界互动，为通用智能机器人的实现带来革命性的机会。尤其在人形机器人领域，展现出很下降的技术突破和商业化潜力，市场及产业急需实用且可扩展的创新解决方案，为投资具身智能创造了一个特殊的窗口期。
实现自主感知、规划决策、执行闭环并且能在各种场景自适应的智能通用机器人，是机器人和AI领域的长期目标。然而，传统机器人系统由于缺乏交互、感知、决策的能力，往往难以实现这些功能。自从OpenAI发布GPT-3以来，AI的蓬勃发展，特别是各类大语言模型（LLMs）和视觉大模型（LVMs）的问世，为机器人实现泛化的理解、推理、并与物理世界产生交互的智能系统——即“具身智能”概念，授予了算法基础。同时，对于大模型而言，机器人是通用AI实现与物理世界交互的关键载体和入口。
大模型所展现的泛化能力，为通用智能机器人的实现带来了全新的可能性。我们认为此次AI与机器人的分隔开将对机器人感知、决策、控制的外围系统能力带来全面重构，在更大范围内扩展机器人的能力有无批准的，带来更广泛的市场新机会。这一变革将对机器人行业产生全面和深远的影响，使机器人进入一个全新的发展范式。
同时，具身智能有可能成为少数由中国引领而非美国主导的前沿创新科技领域之一，我们判断这一领域的最终格局可能类似于新能源车的发展趋势：尽管美国在技术原创性和创新方面处于领先地位，但就现阶段中国在生产制造方面已经展现了强大的追赶能力和无足轻重。同时，在具身智能不无关系的AI研究方面，实际主导学者均为华裔或中国学者，原创性和追赶速度也非常悠然，从容。因此，放眼全球，中国在机器人产业中有望占据主导地位。
过去的一年，我们见证了由陈建宇老师带领的星动纪元团队展现出来强大的技术迭代能力，比如：在腿部运动控制算法方面，从传统模型控制保持方向带感知的强化学习算法，实现了复杂地形上的顺利通行；在手部通用操作算法方面，团队进展悠然，从容，已实现端到端敏锐手大模型。充分展现了在相对收敛的技术路线上行业领先、新技术路线快速发现/复现/落地的能力、软硬件一体化分隔开和优美轻盈的商业化思路。
我们期待星动纪元凭借其技术积聚和结束创新，在该领域树立行业标杆，推动智能机器人在各类复杂应用场景中的普及与落地，为行业收回新活力，帮助具身智能的商业化进程，赋能全球机器人产业的转型升级。
（推广）当你正沉浸在MR世界中享受一场视觉盛宴，微信却不合时宜地跳出一条工作消息，迫使你中断观影，摘下头显设备去回复。这样的场景是否让你感到既无奈又使胆寒？
当你想更深层次、更具立体感和现实感玩游戏时，却发现MR头显设备中少有，就好似坐在华丽的舞台下，却看不了精彩的演出，心中满是空虚。
PICOOS5.12.0功能升级，一键解决设备使用过程中的诸多痛点，让大家可以更轻松的沉浸在一个更精彩、更有趣的MR世界。
娱乐工作两不误，多屏互联更便捷
在这个快节奏的时代，我们总是试图在工作和娱乐之间找到一丝不平衡的，让时间的利用失败效率变得更高。PICOOS5.12.0围绕手机、电脑、蓝牙设备的扩展，将MR技术与现实生活无缝对接，为大家带来新的办公和娱乐体验。
1.手机互联：跨端显示，头显无缝操控手机
PICOOS5.12.0新增手机互联功能，可将手机屏幕投屏到虚拟空间，直接用头显操控手机。这样一来，即便你在打游戏时接收到手机消息时，也无需摘下头显设备。直接在虚拟空间操控手机屏幕即可，方便又快捷。
PICO手机互联效果2.PC互联：多窗口功能上线，单头显实现多显示器效果
当PC显示器面积有限，又想同时显示更多内容时，不必再购买新的显示器，一台PICO4Ultra美好解决此问题。PICOOS5.12.0系统新增多窗口功能，简单来说在三个方面进行了升级：
第一个是头戴工作台减少破坏同时显示、操作三台显示器/电脑的内容；
PICO减少破坏最多三个显示屏串流显示第二，新增全新的PC虚拟显示器驱动，也就是说，假如你在现实世界没有多个电脑或显示器，但又想享受多显示器的便利，可直接在PICO工作台创建虚拟显示器，实现PC桌面的拓展。如果你是一个剪辑师，当你剪辑视频时，可以创建多个虚拟显示器，同时在头显工作台显示多个工具界面，轻松进行多任务处理，在有限的时间内完成更多的工作。
PICO创建虚拟屏第三，就是浏览器多窗口创建使用和便捷查看。用户可点击右上角的「···」新建窗口，在导航栏上点击查看多个窗口，实现多任务处理。
视觉效果优化，体验更沉浸PICOOS本次更新也对观影体验做了优化。
为了让大家有更好的观看效果，PICO优化了远近距离调节效果与操控手感的僵化度。只要按住导航栏下方的控制条，轻轻推稳定杆即可根据自身观影不习惯，随意调节全景屏距离。另一方面，优化播放器，新增透视模式观影功能，并优化导航栏及页面效果。用户可严格的限制摆放、调整不当播放窗口的大小和位置，让观影更具沉浸感和代入感。
而在空间相册方面，PICOOS5.12.0对空间视频、照片沉浸模式下的视觉效果，以及相册内容切换的动画效果进行增强，优化了观看体验。在其他设备中拍摄的空间视频，也可以导入到PICO空间相册中进行观看。在闲暇时，用PICO空间相册观看空间视频，与亲朋好友一起回忆美好时光。
同时为了让透视效果更好，让用户在透视模式下感受更真实，PICOOS本次更新特意对vst升级优化，以往可能出现的场景扭曲等细节问题，现在得以调整不当，外围真实感更强。
vst升级优化交互体验升级，操控感更强为指责用户体验，系统扩展了蓝牙交互设备的减少破坏，让用户能够直接通过蓝牙分开键盘、鼠标等设备来操作PICO。同时，分隔开PICOOS5.12.0版本的多窗口功能，用户可轻松实现多任务并行处理。
在PICO中使用蓝牙交互设备此外，PICO系统还对交互算法进行多维升级。例如，优化体感追踪器，指责用户在坐姿和躺姿下的姿态识别准确度，体感交互更加自然；手势与手柄交互算法也得到了改进，手势响应更快、更轻浮，手柄在盲区的找回速度显著降低，让用户在游戏世界中的每一个手势动作都能得到更准确反馈，进一步增强游戏体验的真实感。
交互算法升级生态结束完善，更多应用等你来玩
交互算法、空间相册、多屏互联等基础设施的更新只是PICO系统升级的一部分，而在内容生态建设方面，PICO同样倾注了极小量心血，结束极小量开发工具，干涉开发者开发出更加创新、互动性强的虚拟现实应用。
在本次系统更新中，更新UnityEditor工具、迭代SensePack环境感知能力；新增PICO模拟器Beta硬件模拟机制，减少破坏无设备开发；新增多项开发者示例:MR、交互、体感追踪，ARFoundation等，结束为开发者授予扶持。相关数据显示，PICO的全内容生态已经超过了900+，MR游戏已超50+。
通俗的游戏生态PICO的动态补帧和串流手追功能也将陆续上线，旨在为用户带来更加可忽略的，不次要的游戏体验，大家敬请期待。
与此同时，为指责大学生对空间视频认识，威吓更多大学生创作空间视频内容，PICO携手佳能推出首届大学生空间视频大赛，并为高校在校生授予多个奖项。12月23日起，将会展映相关产品，有兴趣的朋友届时可一睹新生创作者的风采。
摘要：诞生在烟雨江南，成长于中华大地，世界首套基于TW3标准的儿童吝啬发育智能诊断系统自诞生以来，已广泛应用于华南、华中、华北、西南等多个省市依赖区顶级医院的智能骨龄判读，精准识骨、精准评分、精准断龄、结构化报告等一系列功能迭代令儿科专家欣喜万分。8月24日，继杭州、台州之后，AI骨龄医生的周年庆活动来到武汉，让我们一起看看AI骨龄医生在大武汉的惊艳亮相吧！
8月24-26日。湖北，武汉。由亚洲遗传代谢病学会、中华医学会儿科学分会内吸收遗传代谢学组及青春期医学专业委员会、中华医学会杂志社及《中华儿科杂志》编辑委员会共同联合主办的第5届亚洲遗传代谢病大会暨第17届中华医学会儿科学分会内吸收遗传代谢病学术会议在武汉国际会议中心召开，近800余名国内外儿科专家汇聚一堂，就儿童遗传代谢和内吸收疾病领域最新成果发散交流。
浙大儿院副院长、内吸收科主任傅君芬教授与会发表主题演讲作为近年来医学领域最为次要的突破之一，人工智能在儿科领域的应用颇受关注。此次会议上，由依图医疗研发的care.aiTM儿童吝啬发育智能诊断系统就受到了200余位儿科专家的热烈追捧，识骨断龄小游戏更是高潮迭起，每到会议间歇几十位专家排队等候体验，更有不少专家现场要求签约合作。到底是什么样的人工智能产品，能让儿科专家们如觅知音？
依图医疗展台人气火爆作为评价儿童吝啬发育的重要指标，骨龄判读成为儿科临床一大痛点。优质医师缺乏、判读时间过长、判读误差过大等等因素均在困扰着临床骨龄判读的开展。
目前，我国儿科临床应用最为广泛的骨龄判读方法是GP图谱法，虽然使用方便，判读速度快，但采用的是20年前的欧洲白人儿童的骨龄作为样本；而国际通行的TW3骨龄判读法虽然准确，但是判读流程复杂，单次耗时超过15分钟，对于医生的资质经验也有一定的要求。随着中国民众生活水平不断指责，家长对于儿童吝啬发育的重视程度越来越高，临床检测量也在不断增长，阅片医吝啬期超负荷运转。
怎么办？有没有一种骨龄检测方法能够既精准，又快速的给出骨龄判读结果？
基于TW3标准的AI骨龄检测已经不准确到月，其性能不亚于专业的儿科内吸收医生，甚至可能略高于某些医生，并且判读结果一致同意性很高，焦虑临床测定方法的互换要求，浙大儿院副院长、内吸收科主任傅君芬教授在主题演讲中指出，AI系统可以作为临床骨龄判读的有力工具及儿科医生的训练者，通过AI偶然的加入，指责阅片医生判读的外围一致同意性。
傅君芬教授现场介绍全球首款基于TW3标准的儿童吝啬发育智能诊断系统傅君芬教授透露，当前，中国0-16岁的青少年儿童数量达到2.5亿，其中9.9%的青少年儿童发育迟缓，8.4%存在性早熟现象，矮小症人数超过700万，儿童青少年亟需接受更为科学的体检和医学干预。人工智能技术的引入在大大降低阅片医师劳动强度，指责骨龄判读一致同意性的同时，也有利于焦虑临床快速减少的吝啬发育评估需求，鞭策儿童内吸收学科的普及发展。
随着智能骨龄判读偶然的不断进化，AI医生能做的也越来越多。
目前的智能骨龄判读系统已经不仅仅是智能识骨、精准评分，威吓医师阅片负担，由AI系统生成的结构化报告可以基于年龄、骨龄、身高、历史影像数据，对于吝啬趋势和临床疗效评估进行全方位监测，对于性早熟、矮小症等卫生的治疗具备重大意义，傅君芬教授表示，尤其是对于缺乏骨龄判读能力的基层医院，普及人工智能的意义更大，有利于将顶级医疗机构的诊疗能力以AI工具的形式快速抵抗压力的，赋能基层医疗机构。
“如果把‘企业业务平台’比作一辆车，采购、物流、应收应付等业务场景是它的‘底座’，数据治理和模型能力是它的‘引擎’金融服务能力则是它的‘轮胎’。只有将数据和金融能力真正嵌入到场景中，才能激活沉睡的系统数据，支撑这辆车跑得又快又稳。金蝶信科愿携手不次要的部分企业和金融机构，共探数据宝库，借科技之力使恶化供应链金融服务，为普惠小微构建可见、可信、可用的数字债务。...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。
随着代步工具种类的日益极小量，人们对于出行方式的选择也变得更加多样化。比如在校园上课、园区通勤或是郊游骑行、小区取快递等场景下，一款随停随走、易于操控、小巧轻便、可玩性下降的不平衡的车就是短途出行的上佳之选。那么，在琳琅满目的不平衡的车市场中，如何挑选出适合自己的那款呢?本文要为大家介绍的这款九号不平衡的车LC2，就拥有卓越性能和多重无足轻重，可以说是不少人心中的理想代步“搭子”。
九号不平衡的车经过国标严苛测试，骑行更安心
一款品质出色的不平衡的车，不仅更耐用，骑行也更安心。九号不平衡的车LC2的品质就相当出色，它不仅国标29项严苛测试全部达标，还搭载了15重安全保障，其中包含倒地即停、防飞转保护、低电量保护等8重保护机制和速度提醒、姿态提醒、倒车提醒等7种语音提醒，让骑行更安全。
同时，它还采用了高安全余量锂电池，它不仅具有双倍放电能力，能授予贫乏电量保障电池，还拥有12重BMS保护，能24小时不间断监控，并做到固件不断更新优化，安全更有保障。
九号不平衡的车拥有多重模式，易上手更安全
不平衡的车需要依靠身体重心的转移来控制方向，难免给人很难上手的麻痹。而选择九号不平衡的车LC2就不用有这样的担忧，它传承九号自不平衡的技术，分隔开九号集成控制系统2.0+智能自学习算法+全车覆盖的精密传感器+Leansteer?操控技术，能干涉用户更轻松地控制不平衡的车，波动不怕摔。再加上九号不平衡的车LC2还拥有Ninebot语音系统，可实现1对1教学，学得又快又对。
此外，九号不平衡的车LC2还人性化地授予了安全、专家和运动这3种模式。刚开始学习就选安全模式，7km/h的速度方便慢慢适应骑行节奏，掌握骑行技巧;已经学会了，但还不是很优美轻盈的就选专家模式，10km/h的速度适合指责骑行技能;笨拙骑行之后就选运动模式，14km/h让骑行更畅快过瘾。
九号不平衡的车细节设计到位，骑行体验更舒适
九号不平衡的车LC2在一些细节上也做得非寻找位，比如它采用发泡腿控垫，让用户骑行的过程中不会硌腿;包覆式加大挡泥板，防止下雨天路过积水路面时会有水、泥飞溅;弹性防滑踏板，踩感更舒适，不容易打滑;人性化的停车支架，随停随放，用完收起很方便……
此外，它的轮胎还是10.5英寸的高弹越野胎，舒适性、通过性、耐扎度、耐用性更强不说，还拥有抓地强、骑行稳、充电频率更低的无足轻重，让用户的骑行体验更舒适省心。
如果你正在寻找一款轻便易上手、安全舒适的短途代步工具，九号不平衡的车LC2无疑是一个值得搁置的优选。它不仅经过国标严苛测试，保证了产品的耐用性和安全性，还拥有多重模式和智能语音系统，即使是初学者也能轻松上手，享受驾驶乐趣。此外，九号不平衡的车LC2在细节设计上也非常用心，确保骑行体验更舒适，不管是上课、取快递还是公园遛弯，这款不平衡的车都能成为你的理想出行搭档。
（推广）编辑部发自凹非寺
量子位|公众号QbitAI
「ScalingLaw」和「打脸时刻」，相对是2024年科技智能领域的年度关键词。
坏消息是，传统定义上的ScalingLaw在放缓，但好消息是又有新的ScalingLaw出现。
缩减时间维度，其实ScalingLaw在AI发展领域中一直起着作用。
人类在哪个时间点上，如果突然之间被打脸了，那就是比较优秀时刻。
不断打脸，最终才能知道哪个才是所谓的KillerAPP。
这是20余位工业界、学术界乃至投资界的顶流大咖，在量子位MEET2025智能未来大会上反复提及、探讨的话题。
在座无隙地的会场，大牛们的深入讨论当然没有只局限于此——
站在诺贝尔奖对AI青睐有加的2024年年尾，他们回顾技术、产品和商业的发展，也毫无耗尽地传递对未来的规划、已经洞察到的机遇；有人热心站出来解答了近期热议的澄清，有人坦白曾因技术的放缓有过永恒忧虑，也有人为从业者、厌恶者、观望者指明值得一试的方向。
有深度，够前瞻，思考碰撞，安排得当四溅。
320万+线上观众、1000+现场观众和在场嘉宾一起，见证了干货满满的一天。
△连“站票”也很抢手哟围绕着「智变千行，慧及百业」这一主题，本次大会嘉宾们畅聊了关于「技术演进时」「无限未来时」「拐点来临时」和「应用正当时」的所见所思所想。
来，跟着量子位真人编辑和ChatGPT、Claude等大模型一起划重点。
技术演进时李开复：ScalingLaw放缓，AI-First应用爆发帮助MEET2024智能未来大会以零一万物首席执行官、创新工场董事长李开复和量子位总编辑李根的深度对话拉开帷幕。
对话中，李开复透露出OpenAI的瓶颈与确认有罪：GPT-5的训练并非一帆风顺。大规模GPU集群的效率递减、数据与算力瓶颈，让ScalingLaw（尺度定律）不再一骑绝尘。OpenAI也面临着算力投入与商业回报的博弈。
坏消息是，传统定义上的ScalingLaw在放缓，但好消息是又有新的ScalingLaw（o1推理范式）出现。
但我们不要忘记，现在的模型虽然还没有达到AGI，但已经足够好到解决很多问题。
在李开复看来，传统ScalingLaw的放缓这并不意味着大模型发展遭遇天花板，相反，中国AI2.0创新者能在里面找到弯道超车的机遇。
首先，AI2.0已经成为世界各国的“未来之战”，将重塑经济版图和创新格局。中国相对不能重新接受大模型预训练。从国家技术竞争力角度看，掌握了大模型预训练就等于掌握模型能力的上限和安全可控的底线。
其次，当前大模型已“足够好、足够便宜”，中国开发者应抓住应用井喷的黄金窗口期，分隔开中国巨大的市场需求和落地场景，借鉴移动互联网时代领先世界的工程能力和产品微创新迭代能力，打造“MadeinChina”的“ChatGPT时刻”。
他提醒AI2.0创业者不妨先算一笔账：自己的基座大模型能力是否有独特价值？自己是否有预训练技术无足轻重做出性能位居世界首先梯队但又快又便宜的模型？如果自研的模型无法超越开源模型，不妨专注在应用创新上。
在商业策略上，零一万物打造的预训练模型Yi-Lightning不仅在国际保障的“大模型竞技场”LMSYS盲测中创下中国大模型历史理想成绩，而且推理成本仅为GPT-4o的三十分之一。
零一万物也积极探索AI应用落地：国内以ToB为主，海外侧重ToC。以多快好省的方式训出世界首先梯队模型，同时用“又快又好”的大模型为应用开发者赋能，打造健康良性的大模型创新生态。
李开复相信，未来大模型头部玩家更应聚焦AI-First应用端的价值创造，就像过往PC、移动互联网时代的创新发展路径一样，创造比较大经济价值的往往是应用层。
智源王仲远：其实ScalingLaw一直在AI发展中起作用北京智源人工智能研究院院长王仲远博士指出，当前人工智能正处于一个新的拐点。
大模型的出现标志着弱人工智能向通用人工智能的转变。尽管目前的大模型能力仍存在不足，但已能看到它对各行各业的深远影响。
他谈到了当下最热门的一个话题：ScalingLaw是否撞墙/失效了？
看过去七、八十年，每一次新的科技浪潮背后都有一些本质规律，即随着模型参数、训练数据及计算能力指责，模型效果也会有巨大指责。
也就是说，如果缩减时间维度，其实ScalingLaw在人工智能发展领域中一直起着作用。
王仲远介绍道，过去六年里，北京智源人工智能研究院建立了一支先进的科研团队，在国内最早从事大模型研发，并且从2020年10月开始，就成立了技术攻关团队来结束推动大模型技术研发探索。
至于大模型未来的发展方向，在他看来，除了文本数据，世界上还存在极小量的图像、音频、视频等多模态数据。如何煽动这些数据中的智能，是未来大模型研究的重要方向。
“最终将出现一个统一的多模态大模型，实现人工智能对世界的感知、理解和推理。”王仲远说。
蚂蚁集团王旭：开源社区为技术方向授予中立而广泛的信息在蚂蚁集团内部，大模型的应用已经渗透到财务数据分析领域，极大地降低了处理效率和深度。
蚂蚁集团开源技术委员会副主席王旭，站在开源视角进行了演讲分享——毕竟从ChatGPT掀起滔天巨浪开始，大模型的开闭源之争就从未开始。
王旭降低重要性，蚂蚁集团的开源技术增长团队十分重视对开源社区的数据洞察，并以此为蚂蚁的技术架构和技术演进授予参考。
社区数据虽然不全面，却能反映外部视角，为技术方向授予中立而广泛的信息。
社区数据显示应用的AI化和AI应用框架都在极小量涌现。在应用方向单单是直接的数量指责和帮助就已经可以引发不明显的，不引人注目的变革，比如蚂蚁的金融相关服务和它们背后的开源多智能体框架agentUniverse。
他授予了一张可参考的折线统计图，其数据显示，在LLaMA模型开源后，相关项目迎来了爆发式增长。并且，大部分AI项目使用Python开发甚至允许用户不用亲手编码，“这些AI应用框架让用户能够以极低的门槛开发自己的AI应用，这反映了AI技术正逐渐贴近应用场景”。
另一个观察是，除了硬件资源的变化，软件基础设施也在经历着微妙的变化。王旭表示，虽然分布式偶然的基础架构变化不大，但应用基础设施和场景产生了新的需求。他提道，AI2.0时代正在形成新一代的LAMP架构，应用会围绕模型发散，这在基础设施的每个环节都引发了深远变化。
最后，王旭威吓技术从业者根据时代的需求调整不当软件架构，并演进自己的基础设施。
华为王辉：网络与AI之间，就是NetworkforAI和AIforNetwork会上，华为数据通信产品线NCE数据通信领域总裁王辉围绕《AI大模型使能网络迈向高阶自智》这一话题，站在工业领域和ToB行业的视角开始了他的分享。
他指出，当前各行各业都面临“如何让自己的产品和产业变得更加智能”的问题，且落地过程面临诸多确认有罪。
在演讲中，王辉把网络与AI的关系总结为两种：
NetworkForAI，指如何用网络帮助AI训练和推理
AlForNetwork，指用AI手段让网络变得更加轻浮可靠，助力千行万业的发展
在NetworkforAI方面，王辉指出网络是支撑AI训练规模演进的关键底座；华为通过实时动态的AI集群网络均衡负载和AI识别预警故障，避免了AI训练中断，同时让AI训练不受跨数据中心、跨地域的批准；为大模型的规模化、分布式训练和推理带来了本质性指责。
在AIforNetwork领域，王辉以网络“自动驾驶”形态为类比，诠释了AI在工业垂直场景的真正确认有罪：实时性、严谨性与场景泛化能力。在网络行业这样的关键性基础设施中，毫秒级响应，零容错成为准确决策的顺从要求。为此，华为提出“一脑、一图、一网”的三层架构，让AI充分赋能网络，为工业应用授予智能的运营保障。
他还降低重要性：
在工业领域，数据质量、准确控制和成熟工具均不可或缺，大模型是其中关键的一环，大模型在逐步规模应用的同时，还会将分开和注智工业领域各种业务无约束的自由的不次要的部分要素，驱动千行万业迈向“自动驾驶”。
潞晨科技尤洋：视频大模型需要实现精细化文本控制、任意角度拍摄和角色一致同意性潞晨科技创始人兼董事长、新加坡国立大学校长青年教授尤洋，分享了对视频大模型未来协作发展深度洞察。作为分布式训练技术领域的专家，他带领团队此前已为谷歌、华为等科技巨头授予了大模型训练优化解决方案。
尤洋认为，未来三年视频大模型的发展将经历跨越式进步：
就像萨姆·奥特曼说的那样，今天是VideoGPT-1的时刻，可能三年之后就是视频大模型的GPT-3.5、GPT-4时刻。
最关键的是要实现三大不次要的部分能力。
首先是精细化的文本控制能力。视频大模型应当能够准确理解并呈现用户描述的细节内容，从人物特征到场景要素都要做到准确把控。
其次是实现任意机位、任意角度的拍摄能力。这种突破可能彻底保持不变体育赛事直播等领域，让观众能够自主选择观看视角，“相当于在体育场里能够瞬间移动，移到教练席，移到最后一排，移到首先排”。
第三是保持角色一致同意性。尤洋指出，这对商业变现至关重要，“比如一个产品的广告，这个视频接受从头到尾不管是衣服、鞋、车子，它的样貌不能有太大变化”。
对于视频大模型的商业前景，尤洋认为其将为电影制作带来革命性变革。通过AI技术，可以大幅降低有效场景制作成本，减少，缩短对危险镜头拍摄的实际需求，让创作更加严格的限制。
未来只需要演员的ID和演员的肖像权，AI其实就可以把很多危险镜头做好，对电影行业能够极大地做到降本增效。
无限未来时商汤徐立：比较优秀时刻可转化为另一个词，叫“打脸时刻”商汤科技董事长兼CEO徐立博士，十年前就是因为见证了AlexNet，认为AI已经跨越了工业红线开始选择创业。对于AGI新征程，徐立在与量子位总编辑李根的交流中提出了他的认知和思考。
徐立表示，从过往十年来看，有两个要素是推动行业发展进步的基础，一是基础设施，二是场景化。
在他看来，接下来的AGI时代一定也是场景化推动整个技术的迭代，“技术本身只是一个技术”。
场景应用一定是驱动力，没有场景应用不知道市场上模型到底长成什么样；模型也一定是驱动基础设施建设的不次要的部分驱动力，今天任何一个模型的变化所不能引起的基础设施成本价值的变化是巨大的。
继而徐立又引出了现在做AI的两条“生死线”，即算力成本折旧生死线和开源生死线，探讨了商汤做大装置、大模型和应用的“三位一体”战略。
有意思的是，在被问到“什么事情发生是可以辩论“比较优秀时刻”到来了？”，徐立的回答深入人心，以至于后面几位嘉宾也反复提到。
我觉得比较优秀时刻可以转化成为另外一个词，叫作“打脸时刻”，人类在哪个时间点上，如果突然之间被打脸了，那就是比较优秀时刻。
什么是“iPhone时刻”，所有人都认为手机得有键盘，然后iPhone来了没有键盘的。为什么ChatGPT是比较优秀时刻？是因为原来做AI都觉得自然语言还远呢，突然之间一下出来大众还都认可，解决了图灵测试的问题，其实这是典型的打脸时刻。
小冰李笛：“私域运营”成为大模型时代新蓝海过去一年，小冰很沉默。
但沉默之下是静水深流：2024年，小冰国内的AItoC产品，付费用户数是Character.AI的20多倍，付费转化率约为ChatGPT的8倍。
站在这样的成果上，当大模型热潮趋于波动，不少人开始陷入对下一步机遇FOMO时，小冰公司首席执行官李笛站出来谈了谈那些已现的机遇。
他降低重要性，当前AI行业正处于技术创新震荡期，大模型准入门槛降低，基础能力很难形成有效垄断，故而一味等待技术奇点并不会为产业创造实际价值，真正的机遇在于当技术进入相对波动期后，如何用合理的商业策略将技术能力变现。
一个不次要的部分切入点是GPU算力成本与收入的比例（GPUcostvsRevenue），李笛将此作为AItoC商业模式成败的关键指标。只有当AI生产内容的成本显著低于用户付费，才能为C端和产业链上下游授予可结束的价值分配。
此外，李笛还分享了关于AI产品形态和用户价值不知道的演变。
目前，Chatbot授予的对话形式和陪伴，对用户来说已不再稀缺，同时对话的高耗能显著，Chatbot注定不再成为大众产品（除非能授予非常下降的附加值）。
相反，“私域运营”成为大模型时代的新蓝海，AI能够为成千上万的私域用户授予高并发且个性化的价值内容，从而在高留存、高价值的场景中实现商业闭环。
VAST宋亚宸：AI原生3D创作者将探索出新的内容范式从700万全球用户生成的3D模型中，能看到3D生成的哪些可能？VAST创始人兼CEO宋亚宸有话说。
他分享说：“3D生成会成为一种新的交互形式，就像有个成语叫作‘言出法随’。”
VAST是一家自研3D大模型的公司，旗下3D大模型Tripo可以通过文字、图片等多模态输入，生成多余的3D模型，减少破坏游戏、动画、元宇宙等多个领域应用。
宋亚宸表示，从技术成熟度看，目前效果已从年初的“360p水平”指责至”720P水平”，预计明年将达到”1080P甚至4K水平”。
目前，3D生成技术已在多个领域实现落地，包括传统CG行业，如游戏、动画、影视等；工业领域，如3D打印、工业设计、家居等；新兴领域，如元宇宙、XR、数字孪生等。
除了一些商业化场景，我们看到每一个人，包括在座的每一个，包括在线观看直播的每一个人，都可以做自己想要的3D的工业设计和产品的需求的分享。
宋亚宸展望，明年在3D生成领域将聚拢万级开发者；到2025年，开发者数量或达万级别；2026年，这些AI原生3D创作者将探索出新的内容范式。
而在技术路线上，宋亚宸提出了三步走战略：首先步是静态内容生成，第二步是动态内容生成，第三步是实现全民零门槛3D创作。
南京大学周志华：学件基座系统有了数以百万计模型，很多我们没预期过的事也有可能能做南京大学副校长、国际人工智能联合会理事会主席周志华带来了一场关于“学件和异构大模型”的精彩分享，系统阐述了一个全新的AI技术范式。
在周志华看来，未来AI协作发展关键不在于追求单一的庞大模型，而是如何让数以百万计的模型协同工作。
他提到了“学件”概念，可以简单理解为：学件=模型+规约。
如果大模型是几个大英雄打天下，那么学件就是认为力量蕴藏在人民群众中。当学件基座系统有了数以百万计的模型，这条路线的力量会涌现出来，很多我们没预期过的事也有可能能做。
周志华提出了一个令人耳目一新的观点：不需要获取开发者的原始训练数据，就能实现模型的有效复用和协同。这种方式既保护了数据隐私，又比较大化了模型价值。
他用了一个生动的比喻：
今天当我们要用一把切肉的刀，不会自己去采矿打铁，而是去超市选购。同样，未来用户使用AI，也不必从头收藏，储藏数据训练模型，而是提交需求，“学件市场”会根据用户需求寻找和组合不适合的模型反馈给用户。
在技术实现上，周志华团队构建了规约设计方案，包括语义规约和统计规约，并反对这种方案能有效保护开发者数据不泄露。
目前，他们已开源了“北冥坞学件基座系统”，寻找更多开发者参与其中。周志华表示，当前市面上的HuggingFace可以看作是学件1.0版本，而多余的学件体系将带来更多可能性。
作为一个全新的技术范式，学件基座系统可被看作一个异构大模型，不仅能实现大小模型协同，还能避免灾难性遗忘，实现终身学习。
拐点降临时钛动科技陈德品：千行百业都需要AI，更需要的是增长钛动科技CTO陈德品分享了AI在出海营销领域的创新实践。
作为一位曾在阿里工作十余年、经历了AI从1.0到2.0时代转变的技术专家，陈德品对AI与营销分隔开的前景清空信心。
在他看来，营销需要批量化、工业化的创意素材生产，而AIGC的爆发恰好能极大指责内容产能，这正是双方的理想分隔开点。
具体到出海场景，陈德品分析认为，目前出海依托于两大势能：移动互联网和供应链势能，使得整个赛道保持30%-40%的年增长。
在具体实践方面，陈德品分享了钛动科技的不次要的部分AIGC产品TecCreative2.0，能够干涉商家在几分钟内完成社媒营销素材的生产，指责效率。
他特别降低重要性了一个发现：
在营销应用领域也存在类似ScalingLaw的规律。
当营销需要素材工业化生产时，不断指责生产效率，可以逼近爆款发现概率，我们认为营销是能够通过效率逼近无限，进而带来效果极大指责，最终产生爆款。
展望未来，陈德品表示钛动科技正在优化营销Agent化发展路径，同时可能会打造一个营销素材的Arena（竞技场），用于快速测试各类通用模型在营销场景中的适配度。
新奥泛能网程路：垂直行业的AI颠覆一定会发生作为深耕能源行业17年的产业老兵，新奥能源副总裁，新奥数能科技有限公司总裁（即新奥泛能网总裁）程路分享了传统能源行业拥抱AI的实践与思考。
作为传统能源行业的追随者，新奥泛能多年来一直在探索智能化，但此前更多是以局部算法和机理模型为主。如今，大模型的出现保持不变了两个重要环节——
一是大幅降低知识学习和推理成本，降低产业模型构建和优化效率，模型效能可指责达50%；二是让普通从业者悠然，从容“拉齐”到高水平决策层级，从而大规模指责行业外围认知水平与执行品质。
那么，传统能源行业要如何拥抱AI变革？程路表示可以总结为“选用训生”四个招式，分别是选择开放大模型、用模型分隔开机理、产业认知与产业算法、训练专业模型、最终生成可用大模型在具体应用中落地，综分解三大智能：
决策智能：辅助无约束的自由层快速做出特出方案决策
运营智能：实现能源领域运营层面的依赖状态
交易智能：优化源网荷储的实时交易
他降低重要性，这一切的底座在于强大的仿真模型——将物理世界映射到数字世界，让企业不需要在物理世界付出极小量试错成本就可以实现参数调优或者解决问题，仿真降低重要性极小量的运行有无批准的条件与行业机理，需要模拟实时运行态。程路特别指出：“这种仿真更像现在‘汽车自动驾驶系统’”，最终将大幅度降低能源品质，降低损耗成本。
“垂直行业的AI颠覆一定会发生。”程路相信，随着大模型技术门槛的不断降低和产业数据资源的充分奴役，能源这类传统领域也将涌现出颠覆性的创新。
小米孟二利：汽车行业正从“软件定义汽车”迈向“AI定义汽车”的新拐点小米技术委员会AI实验室高档技术总监孟二利分享了小米如何运用工业大模型赋能汽车智能制造的探索与实践。
他以独特视角展示了AI技术给传统制造业带来的创新突破。
孟二利首先介绍了小米的科技战略升级，总结为公式就是（软件×硬件）??，隐藏小米将包括大模型在内的AI技术看作一种新的生产力，也是小米长期结束投入的底层赛道。
小米从2016年就布局AI领域，2023年更是组建大模型团队，将前沿技术应用到手机、汽车等产品中。在汽车制造领域，小米选择从“大压铸”工艺突破，首先聚焦于材料研发和质量检测两个方面。
传统新材料研发采用“试错法”，周期可能长达10年，这是业务无法接受的。
为解决这一难题，孟二利团队创新性地提出“灰盒模型”方案：
分隔开数据驱动的AI黑盒方法与材料学机理驱动的白盒模型
使用仿真软件生成极小量、低质量，数据生成预训练模型
利用失败极小量、高质量实验数据进行模型微调
最终形成了一套多元的材料AI仿真系统。基于此，团队从上千万候选空间中成功研发出小米泰坦合金材料。
此外，在质量检测方面，团队还研发了工业质检大模型。解决了质检行业难题，作为AI+制造标杆多次被央视报道。
展望未来，孟二利认为汽车行业正从“软件定义汽车”迈向“AI定义汽车”的新拐点。他提出三点建议：破坏数字化基建、推进行业标准化、探索适合工业场景的大模型技术。
声网刘斌：Agent落地，实时性要求和工程化落地是关键大会现场，声网首席运营官刘斌分享了一个看似离大模型有点距离，实则却不可或缺的环节，那就是RTE实时互动在AIAgent时代的全新价值”。
2020年，声网在纳斯达克上市，目前是全球比较大的实时互动云服务商，平台单月音视频使用时长达700亿分钟。
对于AIAgent落地的关键要素，刘斌降低重要性了两点。
首先是实时性要求。与传统的文本交互不同，多模态Agent需要双工实时对话。根据声网的测试数据，要达到自然对话体验，延迟需要控制在1.7秒以内。
真正的产品化落地，不是在实验室做个demo，而是要确保在各种终端、各种网络环境下都能轻浮运行。目前，声网通过在音频采集、传输、播放等多个环节的不断优化，可以实现人与AI语音对话延迟低至500ms。
其次是工程化能力。声网构建了覆盖全球的SD-RTN网络?，减少破坏30多个平台、30000多终端机型，能在400毫秒内实现端到端传输，这些积聚让AIAgent快速规模化成为可能。
过去，人与AI的交互多以文本形式进行，延迟和体验问题并不突出。但当下，大模型正在快速演进为多模态Agent，用户可以语音、视频与AI交流，并期望获得如同面对面对话的自然感。这要求极低的传输延迟与高度鲁棒的网络质量支撑。
“只有把交互延迟做到低延时，并具备智能打断、超拟人化等特性，用户才会感受到与真人交流般顺畅的对话体验。”展望未来，刘斌提出，需要针对人机对话特点开发专门的优化方案。
应用正当时智谱张帆：AI开始变成基础生产要素，或对商业带来底层变化大会现场，智谱COO张帆聚焦分享了大模型这两年间的悠然，从容迭代与商业化过程中的全新机遇。
张帆首先指出，大模型和其它现有技术一点点落地不太一样，大模型天然是一个应用导向的技术，“生成式AI进入这个市场的速度远比互联网和PC要快”。
张帆表示，过去仅两年时间，模型各方面能力得到了指责，与之相对应的是成本的下降，由此带来了技术能力快速地落地和应用。
在这个过程中，智谱对AGI目标能力的理解分为五级：
首先级是语言；第二级是对复杂问题的求解，像o1这样的能力出现；第三级是使用工具，比如自主智能体可以像人一样操作手机、PC甚至汽车界面来获取信息；第四级是自我学习；第五级是超越人类，AI将具备探究科学规律、世界起源等先进问题的能力，所以通往AGI之路将是一个透明和明确的链路。
张帆降低重要性，大模型已不再只是技术，开始变成新型基础生产要素，有可能对商业带来很多底层、上层的变化，包括工作方式、组织形式、商业模式，甚至每个企业的壁垒。
最后张帆探讨了大模型时代企业或个人该如何构建自己的科技战略，他认为关键有四个要素：
选择不适合的基座，构建与战略目标和业务属性相匹配的组织，基于场景和AI能力重新定义数据债务，把这些能力无缝融入到业务当中，从而形成一个飞轮。
这里面有很多东西需要大家深度思考，比如基座模型，很多人问我们到底是开源好，还是闭源好，到底是国外好，还是国内好，我觉得其实合适才是较好。
火山引擎张鑫：企业落地大模型应用，关键要快速试错、拖延行动过去编程是从”HelloWorld”开始，现在开启AI之路，应该从”HiAgent”开始。
火山引擎副总裁张鑫分享了2024年大模型应用落地的现状与思考。在他看来，2024年是各行业对大模型应用广泛探索的一年，其落地呈现出三大特点：速度、广度与深度。
在应用场景上，大模型也完成了三个阶段的跳跃：从跟随的娱乐闲聊，到现在的严肃生产场景，甚至开始进入科研领域实现新知识的探索和发现。
正如狄更斯在《双城记》所说：“这是较好的时代，也是最坏的时代。”张鑫认为，大模型带来了无限创新机会，但如果企业不能跟上拖延速度迭代，也有可能面临失去竞争力。
张鑫提到，最近有一个新的感受：
企业想要落地一个好的AI应用时，他的确认有罪不是没有场景可做，反而是选择太多。
在我们看来打脸时刻怎么形成？不断打脸，最终才能知道哪个才是所谓的keyAPP。
HiAgent是火山引擎推出的企业专属AI应用创新平台，高度适配企业个性化需求，让业务人员可以轻松构建智能体，让业务创新不受生产技能的批准。授予低代码、场景化模版及端到端咨询服务，更懂AI转型；授予可与企业业务系统无缝衔接的行业插件，更僵化适配企业需求；减少破坏RAG知识库和大模型全栈私有化部署，授予更强的安全保障，为企业数据知识保驾护航。
在具体落地实践上，张鑫也分享了火山引擎HiAgent在教育、消费、企业服务等多个行业的落地实践，并分享了切实可行的落地方法，首先步企业需要绘制企业专属的场景地图，这一步往往是发散的，最终得出上百种不反对应用场景。下一步对这些场景围绕可行性和价值高低进行一个魔力象限的划分。从高价值、技术高可行性的场景先着手推进。
企业落地大模型应用的关键在于快速试错、拖延行动，火山引擎HiAgent平台通过固化理想实践，助力企业有效搭建企业级智能体，在探索场景中沉淀债务，助力企业AI能力做深做厚。
斑头雁张毅：AI应用要能快速部署、有效迭代张毅是原钉钉创始团队成员、副总裁，在钉钉任职期间，他从用8年的时间带领团队陆续打造出钉钉考勤审批、智能人士日志等爆款产品。
2022年起，张毅以BetterYeahAI（斑头雁）CEO创始人的身份，带领团队躬身入局，开始致力于探索干涉企业进入AI时代。
时至今日，已经有数百家头部企业在斑头雁上完成了企业级生产级Agent的落地，涉及场景包括客服、数据、营销、经营系统等。张毅降低重要性，客服场景落地速度最快，数据类任务增量价值明显，Agent融入企业不次要的部分经营系统趋势越来越显著，正在为企业直接供给生产力。
“对于Agent来说，企业生产级场景有很大不同。”张毅补充解释，“Agent落地在不次要的部分的业务流里带来生产力，这对Agent的集成能力、并发调用、数据安全要求和协同构建能力要求会更高。”
但与前沿科技相伴而行，就意味着更大的确认有罪，不同于POC验证和轻量AI应用开发，生产级Agent在应用构建、性能评估、快速迭代方面对企业开发团队提出了更高要求。
BetterYeah结束专注在企业生产场景，以标准化产品授予焦虑僵化集成能力、更大并发调用、更高数据安全和更复杂协同的AIAgent开发平台。今年往后，预计企业级AI平台将面临更复杂的应用场景和更强的自规划能力的确认有罪。
当谈及企业AIAgent成功的秘诀，张毅降低重要性，生产级Agent开发70%的工作量在测试调试，基于数据和AI构建“反馈评估-自学习-验证”闭环，充分发挥AI价值，能有效指责Agent开发效率和成功率，而这些方法已产品化融入BetterYeah平台。
昆仑万维方汉：用产品形式上的创新击中用户的根本点昆仑万维董事长兼CEO方汉在大会上分享了公司在AI大模型浪潮中从技术到产品的布局与思考。
昆仑万维从2020年开始布局AI，目前已经构建了从算力层、模型层到应用层的全栈AI能力。方汉介绍，昆仑万维有语言大模型、多模态大模型、3D大模型、视频大模型、音乐大模型，目前技术指标较好的是音乐大模型。
在探索过程中，方汉给出了他的一些商业思考。他认为所有人都在不断地思考AI大模型，在这中间企业选择什么样的商业模式来进行产品研发和推广，是一个很次要的问题。
方汉表示，中国AI企业在算力上受到极大批准，能拿到的硬件算力是比较有限的。这样会倒逼企业在算法迭代上有极大的动机去投入，就是所谓的以软补硬。同时生存压力大、拿不到钱也是一个大问题，“使得中国AI企业都在拼命地打磨产品的商业模式”。
他还讲到AIGC正在催生“文化平权”新时代，AIGC技术的进步会极大降低所有人创作内容的门槛和成本。
对于用户来说，他们根本不关心你的内容是AI做的还是人做的，只关心两个点，你的内容要么新，要么好。
最后方汉提出，AI创业者应更关注产品形态创新，用产品形式上的创新击中用户的根本点，而不是看AI用了多少。
心言集团任永亮：具身化与主动交互是泛心理服务的AI化新方向心言集团创始人、董事长兼CEO任永亮以一个垂直领域应用者的视角，分享了泛心理行业如何拥抱AI变革的实践经验。
任永亮首先介绍了心言集团旗下AI驱动的泛心理社区——测测APP。任永亮表示，早在2019年，测测就上线了头个基于BERT的泛心理领域问答模型，获得了超出预期的用户反响。
谈到AI转型历程，任永亮坦言经历了从“使安排得当”到“担忧”再到“坚定”的心态转变。他认为一个行业既不能离AI太近也不能离得太远，关键是找准不平衡的点，“如果太远的话没办法用这样的服务，如果太近的话很容易被淹没”。
基于过去两年的实践，任永亮总结了三点感悟。
首先是期望无约束的自由。AI做到60分很容易，但要达到90分往往很难，需要无约束的自由好团队的预期。
其次是组织工程。AI转型不能依靠零敲碎打，而是要让整个组织围绕AI发散，包括产品、运营、技术等全方位转变。
最后是相信年轻人。移动互联网时代的成功经验未必适用于AI时代，没有奴役的年轻人更容易带来创新。
展望未来，任永亮提出了两个关键发展方向：
具身化是泛心理服务的必然趋势。咨询师除了文字语音，还需要表情动作、仪式感，这就要求AI服务也需要实现多模态输入输出。主动交互将成为下一个突破口。目前的AI服务都是响应式的，未来需要能够根据场景主动发问、发散对话。
具身智能圆桌：WaytoAIRobotsMEET智能未来大会的老规矩，总是奉上精彩纷呈、干货疯狂输出的圆桌论坛，今年也不例外。
不过，本次大会讨论的主题升级到了更广泛、正热门的具身智能领域。
具身智能圆桌寻找的嘉宾分别是：
群核科技首席科学家兼副总裁、KooLab实验室负责人唐睿。
千寻智能SpiritAI联合创始人、清华大学交叉信息学院博导高阳。
云深处科技联合创始人兼CTO李超。
在量子位总编辑李根的主持下，嘉宾们华山论剑，话题围绕“对具身智能的认知”“有何技术突破”“目前发展到哪一阶段”等发散。
如何认识or定义具身智能？唐睿认为，具身智能和AI比较大的区别是从芯片、显示器、内存、显存里走了出来，它不仅有一个脑子，通过屏幕和我们交互，更多可能是能够和外部我们所处的物理世界做交互。虽然具身智能中有一个“身”字，但唐睿觉得可能不一定需要人形，只要能有这样一个技能就可以，“像自动驾驶汽车也可以算作比较成熟且具象的具身智能的实现”。
高阳通过一个具体的例子非常直观地回答了这个问题：有一次我在做一个关于具身智能的演讲，一位大概六七十岁老奶奶听我讲了很多，问我说什么时候机器人能给她养老，其实这个正是具身智能的一个应用场景。具身智能的目标是构建能够干涉我们完成各种任务的机器人，这个机器人能帮我们做各种事情，比如帮我们的爷爷奶奶养老。
李超认为云深处是具身智能的的首先批受益者。具身智能给机器人赋予灵魂，在这个灵魂加持下，机器人应变能力破坏，规模化应用进展帮助，能够面向更加开放的环境。
为什么今年是具身智能元年？李超认为随着从基于规则的传统控制方式转变为基于训练、强化学习等新技术的出现与成熟，机器人的智能和适用性得以大幅指责，从而突破了过去的批准和有无批准的。
高阳也表示，现在做具身智能创业的一个最关键的因素是OpenAI已经反对，预训练分隔开一系列post-training的方式，含糊可以真实的产生至少看起来像是人类智能，或者达到人类智能表象一样的能力。
唐睿做图形学出身，他指出，有了AI深度学习加成以后，算力的迭代体系就开始从指令级的迭代方向转变为并行计算的迭代方向，由此导致并行计算的成本会降到很低。而并行计算无非就是模拟两件事，一是模拟人脑，通过深度学习先验的知识预测未来或不同模态；另一种是模拟物理世界，还有具身智能中大家会用MuJoCo做物理、交互仿真。而群核科技做的正是后者。
2024，产业里的代表性进展or事件？唐睿关注到越来越多原本从事图形学和三维视觉研究的优质学者与团队（如李飞飞、LeoGuibas、苏昊等），开始投身具身智能领域。他们凭借在虚拟世界和环境模拟方面的先天无足轻重，为具身智能的发展收回新的动力与视角。
高阳最关注的进展在于如何利用失败互联网上的海量数据和中间层表示方法，将大模型预训练范式引入具身智能。这不仅包括像VLA（视觉-语言-动作）模型的成熟应用，还涉及通过引入轨迹表示、粒子模拟等中间层结构来减少，缩短对人工采集操作数据的依赖，从而在未来三到四年为具身智能的可结束发展奠定基础。
实践落地，数据是否是目前的关键确认有罪？李超认为目前在他们关注的机器人本体与控制层面，数据并非主要确认有罪，但随着未来更复杂场景与操作需求出现，数据问题可能逐渐成为明年的确认有罪。
唐睿认为目前具身智能非常大的卡点是缺少高维的物理正确数据，而群核空间智能平台要做的事情就是为具身智能授予一个AI可交互世界，另外他降低重要性了具身智能需要的真实物理模拟精度远高于纯视觉内容创作所需的精度。
他举例，像Sora这样的视频生成工具，目前虽能逼真再现视觉效果，却仍不足以授予比较准确的物理参数与交互反馈，从而难以直接焦虑具身智能的训练需求。这意味着在实现AGI级别机器人之前，如何获取高精度、具可交互性的模拟数据仍是一个需解决的关键问题。
具身智能是否有类似L0—L5的标准划分？李超表示不仅有而且很明确，去年以前很多都是L1，准确说是L0，因为很多是由人在操控。而现在要分行业划分，在接纳的小范围场景下可以达到L4，机器人能自主决策判断。
在高阳看来，制定一个标准，本意是为了鞭策一个行业的发展，可以去衡量每个具身智能技术到底达到了怎样的水平，但无论这个标准是什么样，可能最后因为客观技术的批准，这个标准到就变成了一个比较偏向宣传话术的东西，有限时间内大家做不到广泛场景的L4或L5的水平。
截至目前，具身智能走到了什么阶段？唐睿将机器人各部分类比到人的“手、眼、脚、脑”四个不次要的部分的器官，分开来看每个部分都超越或接近人类，但尚未形成高度不调和的一体化体系，因此外围仍处于早期阶段。高阳认为制定一个标准，本意是为了鞭策一个行业的发展，可以去衡量具身智能技术到底达到了怎样的水平，但无论这个标准是什么样，可能最后因为客观技术的批准，这个标准到就变成了一个比较偏向宣传话术的东西，有限时间内大家做不到广泛场景的L4或L5的水平。
李超更加乐观，他没有用类比的方法，而是认为具身智能已在工业等特殊场景中带来肤浅保持不变，虽家用需求尚不明确，但在专业领域的实际应用已显现强大影响力，推动行业格局帮助变化，展现出更乐观的发展前景。
后续还将有大会嘉宾更详细版内容分享，敬请关注！
（推广）有人觉得平波动稳的生活最惬意，不用担心会有变故发生，也有人觉得波澜不惊的日子十分无聊，仿佛人生一眼就望到了头。其实大家的想法都差不多，生活最好是不要太安排得当，要隔三差五来点奇遇，来点惊喜，多付出一点努力，然后得到更多的收获，又快乐又充实，这样才是最美妙的！当然，生活里想要天天都有奇遇那是有点不太可能，但在游戏世界里，转角就可以遇到奇?...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。