产业动态 共 2811 条 · 筛选后 111 条

MiniMax发布多模态创作Agent工作台，把模型、工具与创作流程装进同一环境。实测显示其规划专业，创意简报与分镜脚本可圈可点，但从分镜到成片仍有执行落差。当生成能力趋同，组织生产的流程整合正成为视频生成的新战场。 8月20日，MiniMax发布多模态创作Agent工作台MiniMax Design。 它并不是一款单纯的视频生成器。用户给出一个创作需求后，主Agent会先理解目标、拆解任务，再调用文本、图片、视频、音频等能力完成不同环节。用户也可以进入Canvas画布、Skill、3D导演台和ComfyUI工作流，对中间过程继续调整。 MiniMax Design的前身是今年6月底亮相的MiniMax Hub，此后更名并接入H3。到了这次正式发布，MiniMax更明确地把它放到了“商业内容生产”的位置上。 为什么现在越来越多公司开始做视频生成Agent？原因在于单靠生成一段视频，已经无法满足真实创作需求。 文生视频、图生视频、人物一致性、镜头控制和视频编辑能力不断提升，模型已经能够生成越来越接近成片的视频内容。但进入商业场景，品牌宣传、电商素材、短剧等任务，往往还需要完成脚本策划、分…

用户洞察的核心不在于方法论，而在于视角转换。本文通过9个视角、18个提示问句，教你如何跳出惯性思维，从提问、双视角等角度挖掘真实需求，捕捉市场机会，适合产品经理与运营人员深度思考。 面对数据，为何有人挖掘出爆品线索，有人只看见一堆众所周知的趋势？开展用户调研，为何有人捕捉到真实需求，有人得到的永远只是 “更便宜更好用” 的标准答案？在社交平台捕捉情绪，为何有人只抓取到算法推送的瞬时热词，有人却读懂圈层背后真正的诉求？ 差距，从来不在于掌握多少复杂方法论，而在于洞察用户的视角。或者说，真正的用户洞察，从来不靠海量数据的分析与技术工具的堆砌，核心在于视角转换。 下面我们用9个视角、18个提示问句，把“洞察用户” 这件事说明白。 视角 1、从“主动提出问题”开始 很多时候，提出问题发现问题，远比寻找答案更重要、更难得。 ——马斯克 在马斯克的认知中，搭建商业假设、挖掘用户需求，并不需要高深的营销理论，也不靠特殊的专业技巧。这件事的关键，在于是否拥有主动质疑、独立思考的意识。 为此，今天给出三个可落地的方法，帮助我们普通人建立提问与假设的能力。 技巧一：无论在想什么，反过来想想 iPhone问…

自 2026 年 8 月 2 日起，《欧盟人工智能法案"》第 50 条规定的监管措施在各成员国正式生效。该条款要求通用和生成式人工智能系统的提供商以机器可识别的格式标记合成输出的结果。为此，主要的基础模型供应商在推理管道中推出了统计文本水印算法和加密元数据标准。很快，这在他们与开源开发生态系统之间引发了一场快节奏的“猫鼠游戏”。 合规转型的运营核心在于针对自然语言生成的统计性 Token 采样水印技术。现代水印技术不再通过注入会干扰下游解析器或破坏明文数据管道的零宽度 Unicode 字符，而是直接在自回归解码过程中进行干预。生成运行时将模型词汇表划分为伪随机的“绿色”和“红色” Token 集，并通过加密方式与前续文上下文 Token 建立关联。在“绿色”候选词的对数概率（logit）上施加微小的正偏置，既能保持语义连贯性与推理延迟不变，又能在 Token 序列中嵌入可以被数学方法检测到的签名。 Anthropic 宣布针对 8 月 2 日及之后发布的 Claude 模型在全球范围内部署该机制，具体内容详见 Anthropic 支持文档"。该实现方案在网页界面、开发者 API、Cla…

Firefox 和 Chrome 都宣布准备启用对 JPEG XL 的支持。JPEG XL 是一种免版税的位图文件格式，支持有损和无损压缩。它旨在超越现有的位图格式，并成为它们的通用替代。Google Chrome 在 2023 年 移除了对实验性的 JPEG-XL 图像格式的支持，引发了很多争议，因为 Chrome/Chromium 占据了九成市场份额，它是 Web 标准事实上的仲裁者。但到了 2025 年 Google 改变了主意，Chrome/Chromium 加入了 Rust 语言开发的 JPEG-XL 图像解码器 jxl-rs，但对 JPEG-XL 的支持还没有默认启用。Mozilla 开发者通过邮件列表宣布即将释出的 Firefox 157 将默认启用对 JPEG XL 的支持。Google 也宣布准备默认启用。苹果的 Safari 则早在 2023 年就加入了对 JPEG-XL 的支持，但它使用的不是 Rust 实现而是 C++ 实现。

告别理想仿真，中国学术团队用物理工程方案回应落地挑战。 作者丨张璐 编辑丨岑峰 过去一年多里，具身智能似乎按下了快进键。 从 Physical Intelligence 发布的π₀到开源社区追捧的OpenVLA，VLA大模型一路高歌猛进。在各种标准基准测试和精心搭建的实验室 Demo 中，机械臂叠衣服、拿取物品流畅得宛如人类，动辄刷出 90% 甚至 95% 以上的成功率。 然而，当全行业都在欢呼“机器人的 GPT 时刻”到来时，前沿学术界与产业界却爆发了一场剧烈的反思：这些动辄数十亿参数的具身大模型，真的学会“举一反三”了吗？还是在“死记硬背”？ 在主流学术视角中，VLA 大模型像是给机器人装上了具备常识与规划能力的“大脑”。但要让机械体真正干好精细活，仅有一个聪明的大脑远远不够。 最新实验数据表明，面对物品位置的随机挪动或新指令组合时，纯端到端大模型往往会受到“空间过拟合”的约束，末端执行成功率会出现剧烈衰减。 这恰恰说明：具身智能要真正走出实验室，不仅需要大模型提供常识和高层决策，更需要扎实的工程技术去打造精准、稳健的“小脑”。 下面雷峰网盘点入选 IJCAI 2026 的 6 项…

当你把一份包含社区舆情、用户投诉、行业争议事件的竞品调研材料丢给 AI 辅助分析，弹出来的是"内容违规，请遵守社区规范"——这一刻，产品逻辑和场景认知发生了根本错位。本文从一次具体的产品经理工作场景出发，拆解 AI 平台将"公域社区惩戒逻辑"套用到"私域工作场景"的结构性问题，并指出：平台完全有能力在不牺牲合规安全的前提下，做到不影响用户体验。 一、一个具体的触发场景 笔者在撰写一份社交类产品的竞品分析报告时，将收集到的公开用户反馈整理后粘贴到 AI 对话框，请求协助提炼核心痛点和情绪关键词。材料中包含以下内容： 用户A：平台推荐算法经常给我推擦边内容，投诉了也没反应 用户B：未成年人保护机制形同虚设，我家孩子随便就能注册 用户C：社区里有人组织线下聚会，结果被骗了，平台根本不管 用户D：这个产品的审核标准到底是什么？同样的内容有的能发有的不能发 AI 返回的不是痛点归纳，而是一条“内容违规提醒”。 类似的场景在产品经理日常中并不少见： 把某款产品的用户差评汇总丢给 AI，请求做情感分析； 将行业监管处罚公告贴进去，让 AI 提取合规风险点； 在调研内容安全类产品时，让 AI 协助梳理…

Grafana Labs 宣布"正式上线两款工具 gcx CLI 和 Grafana MCP 服务器，使 AI 编码代理能够在开发过程中实时查询可观测性数据。这两款工具均允许智能代理从 Grafana Cloud" 或自建技术栈中提取指标、日志、追踪、SLO 以及合成监控结果。这种集成有助于弥合智能代理生成代码的速度与工程师对代码功能理解之间的差距。据 InfoQ 报道"，这两款工具已于 4 月在 GrafanaCon 2026 大会上发布。 这些工具解决了基于智能代理的编码工作流中经常存在的一个问题。开发人员主要借助大语言模型（LLM）来规划、实现和审查变更。然而，它们可能在尚未完全理解代码变更的情况下就合并了拉取请求（PR）。过去，工程师在编写代码时会同步构建针对这次变更的心理模型。当代码差异由智能代理生成时，这一构建心理模型的过程便不复存在，尽管代码审查代理和“LGTM”审批会带来一种虚假的安全感。Grafana Labs 提出的解决方案是将可观测性数据纳入审查流程，作为一种额外的证据，用于对智能代理的输出结果进行检查，而非仅依赖代码审查。 从架构上讲，这两款工具的功能固化程度有…

15 年前的 2011 年 8 月 24 日，蒂姆·库克（Timothy Donald Cook）接替史蒂夫·乔布斯担任苹果 CEO，下周的 9 月 1 日，库克将卸任 CEO 一职，John Ternus 将接替他。Ternus 于 2001 年加入苹果产品设计团队。他于 2013 年晋升为硬件工程副总裁，2021 年升任高级副总裁，期间负责监督了 AirPods、Mac、iPad 和 iPhone 的开发。库克将继续留在苹果公司，担任执行董事长，负责与政策制定者沟通，帮助苹果应对监管压力。

2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载"《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！ 你有没有想过，在任意一秒钟里，一个巨大的数据平台内部究竟在发生什么？ 对很多公司来说，数据基础设施就像一个黑盒子：数以百万计的数据点被送进去，复杂查询在里面运行，然后报表被吐出来。但一旦系统变慢、成本飙升，或者某个关键 dashboard 突然空白，想找到根因就像在黑暗里摸索。 为了让这个问题更清晰地被看见，实时购物平台 Whatnot 在 Snowflake Summit 2026 上与 Snowflake 同台分享了他们的实践。他们展示了一套现代企业新蓝图：一边是传奇般的 hyper-growth 故事，一边是自动化 AI analysts 和极度清晰的平台监控。这个合作案例说明，现代数据工具可以在巨大的实时压力下，依然让客户体验保持顺滑、可靠且完全可见。 超高速增长的现实：数十亿事件，零容错空间 Whatnot 已经成长为全球增长速度最快的 marketplace 之一。仅在成立最初几年，其增长轨迹就已经超过历史上的电商巨头 e…

AI 生成的大多数世界“中看不中用”，根本原因是 AI 少了一本“底账”：一份记住世界里有什么、每次行动改变了什么、并且能被检查和回滚的状态记录。 作者丨刘紫东 编辑丨幸丽娟 李飞飞押注的空间智能，被视为世界模型的主流路线之一。 这条路线的基本构想是，让 AI 从识别二维画面，走向理解、推理和生成可进入、可操作、可持续编辑的三维世界。 但真正的考验在于：一个“站得住”的世界，是怎样构建出来的？ 要回答这个问题，不妨先回到一个更基础的追问：当 AI 的交付形态从“画面”变成“三维世界”，互动方式从“观看”变成“进入和操作”，到底意味着什么？ 它意味着 AI 交付的内容开始拥有时间属性：对象需要在多轮操作中保持身份，规则要承受真实行动，局部修改也要与已经成立的关系相容；系统还得从每一次行动的后果中，修正自己对世界的理解。 李飞飞将这组能力概括为 Renderer、Simulator 与 Planner——通俗地说，一个负责把世界“画出来”，一个负责记住“世界现在是什么样、行动之后会变成什么样”，一个负责决定“下一步做什么”；三者之间的连接，尤其是模拟与规划共享的状态层——也就是那本“底账”…

近年来，"AI雷达"成为行业热词。围绕它是什么、为何现在出现、将如何改变毫米波雷达产业，业界正在形成越来越多的讨论。本文基于公开研究、产业实践及超级雷达社区的行业讨论，对其中的核心观点进行梳理。超级雷达社区由承泰科技发起，面向雷达产业链、科研机构与开发者开放，关注技术交流、工具共建、数据协作与标准讨论。 AI雷达 vs 传统雷达 AI雷达，简单说是AI赋能的雷达，准确说是支持AI模型部署、由模型定义功能的雷达（Model-Defined Radar, MDR）。 传统雷达的功能由工程师把人工设计的算法和硬性规则写进固件，出厂即定格；AI雷达的功能则由可训练、可迭代的AI模型实现，模型可部署、替换、持续升级，由开发者自行定义。 技术底层看，传统雷达遵循几十年不变的级联信号处理链：ADC采样、2D-FFT、CFAR检测、DOA测角、聚类、跟踪、分类。每一级处理都是对物理世界的"简化假设"（点模型、高斯噪声、多径可滤除），而真实世界从不按假设运行，逐级丢失信息、累积误差，形成能力天花板。 AI雷达走另一条路：让数据自己说话。模型直接从原始信号中学习最优表征，信息无损传递、特征自学习，追求全局…

OpenRouter 提出一套模型选型框架：先定义任务，从实时用量和第三方基准中筛选候选，再对比各提供商的定价与延迟，最后用自有提示词测试。判断标准是"每完成任务的成本"而非"每 token 成本"。其 MCP 服务器可直接在 Claude Code、Cursor 等编辑器中查询实时排名、价格和基准，并用 openrouter/auto-beta 按请求路由。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmt924nw007a4rolyhmqbswmh

NVIDIA 实测数据显示，Vera Rubin NVL72 在智能体工作负载下每兆瓦吞吐量较 GB300 NVL72 最高提升 30 倍，每百万 token 成本降低至 35 倍。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmt7e0g7y232wro738qg82x67

从 2009 年的 Wi-Fi 4 起，每一代 Wi-Fi 的一大卖点都是相比前一代数据速率提升多少。Wi-Fi 5 的最大数据速率十倍于 Wi-Fi 4，到 Wi-Fi 7 每频段理论最大吞吐量达到了 23Gbps，对于大部分用户的网速是绰绰有余了。也许是时候放慢速度了。正在开发中的 Wi-Fi 8 将与 Wi-Fi 7 维持基本相同的最大数据速率、支持相同数量的空间流，使用相同的 4096-QAM（4K-QAM）调制，工作在相同的频段，支持相同的 320MHz 信道带宽。Wi-Fi 8 将专注于提升可靠性，目标是在不同的信噪比 (SINR) 水平下吞吐量提升 25%；95% 的请求延迟降低 25%；MAC 协议数据单元丢失率 (MPDU) 降低 25%。Wi-Fi 8 标准预计将于 2028 年定稿。

8月22日，第二届世界人形机器人运动会在国家速滑馆“冰丝带”开幕。本届运动会吸引来自16个国家的666支队伍、2056台机器人参赛，参赛规模较首届大幅提升。作为本届运动会官方合作伙伴及独家官方售后服务伙伴，京东携手大赛组委会共同打造机器人服务保障中心——“机器人之家”，为参赛机器人提供全赛程服务保障。 在刚刚结束的世界机器人大会上，京东重磅发布机器人战略布局，立足供应链、服务、技术三大维度，明确在机器人领域的发展规划。其中在服务层面，京东宣布未来5年将建立覆盖全球超100个国家的售后服务能力，创造超10万名机器人售后服务工程师新就业岗位。而在世界人形机器人运动会上，京东机器人售后服务工程师就已闪亮登场，全面助力保障机器人运动员顺利完赛，成为赛场上最令人安心的一道红色风景线。从WRC到人形机器人运动会，从战略到实战，京东的全链条产业服务正在助力机器人走进千行万业，走进每个家庭。 “机器人之家”总面积约7000平方米，围绕机器人赛事保障需求，设置存储、维修调试、充电等功能区域。其中，3个公共存储区和26个专属存储区可同时容纳1500余台机器人；维修调试区配备24个维修站点，为参赛机器人提供…

今年 10 月在法国举行的国际计量大会将讨论用闰时取代闰秒。闰秒需要经常性修改，会导致混乱，而引入闰时后数百年内无需修改。协调世界时（UTC）基于用原子振动实现的高精度原子钟来确定，成为 1 秒长度的标准。不过由地球自转时间决定的 1 天长度会发生不规则变化，因此会产生偏差。地球的自转速度根据潮汐涨落以及地球内部地核运动而波动。地球的一天即地球自转一圈，大约需要 86,400 秒。闰秒的作用就是调整与原子钟的偏差，当偏差累积即将超过 0.9 秒时，就会在一天中增加1秒。1972 年引入闰秒以来已修改了 27 次。然而对于需要同步时间进行自动控制的金融交易、交通、电力等高端通信系统而言，哪怕是微小的误差也可能导致整个网络陷入混乱。2012 年增加闰秒时大型网络服务等发生故障。因此美国 IT 巨头 Google 和微软等方面为避免影响而引入各自的调整方法。各公司采用的“时间系统”各不相同，导致闰秒作为标准时间基准的地位动摇。