算法很多、利润很薄：极视角冲刺IPO，AI计算机视觉的“平台化故事”又能讲多远？

　　在大模型热潮席卷全球的当下，“AI”本身已不再构成稀缺标签。真正稀缺的，是稳定、可复制、可持续的商业化能力。 2026年1月，山东极视角科技股份有限公司（下称“极视角”）正式向港交所递交上市申请，中信

　　1 月 20 日，上海国际会议中心，阿里云 PolarDB 开发者大会揭幕。在一个由代码和数据构成的科技舞台中央，阿里云发布了一系列全新的 AI 能力，这中间还包括 AI 数据湖库、模型算子化以及面向 A

　　每隔十到十五年，计算机行业就会经历一次“平台重置”——从大型机到 PC，从互联网到移动端。但在 CES 2026 的舞台上，黄仁勋宣布我们正面临一场史无前例的“双重平台变革”： 应用层的变革：软件不再

　　“物理AI的‘ChatGPT时刻’已经到来。” 2026年伊始，NVIDIA创始人黄仁勋在CES主题演讲中，用一句标志性的断言，为全球科学技术产业拉开了新的序幕。 黄仁勋认为，物理 AI 领域取得了突破性

　　2025年12月26日，【想象·2025极新AIGC峰会】在上海浦东浦软大厦成功召开。Zilliz出海业务负责人乔丹先生在会上做了题为《向量数据库对研发范本转移的影响》的演讲，从非结构化数据特点、大模

　　Disruptive 创始人 Alex Davis 在致投资者信中尖锐地指出，“数据中心建成了就会有人来租用”的宣传是个陷阱，过多数据中心在没办法保证租用率的情况下被建造出来。 这家刚刚领投了 AI 芯

　　文 智能相对论 作者 叶远风 AI时代，当算力供给能力逐步提升，且形式和来源都变得更丰富后，业界的目光开始更多放到了数据上，“AI能力由数据决定”这句话的含金量在逐步提升。优质的数据、强大

　　近几年，每个人、每家企业都清楚感知着智能世界正加速到来。随处可见的AI应用，全面发展的行业数智化水平，都让人对智能化充满信心。而智能化实现的基础，离不开更快、更强、更智能的数据库。 多年以来，国内开源

　　前言： 2026年，SpaceX计划以1.5万亿美元估值启动史上最大规模IPO，募资超300亿美元，而这一宏伟蓝图的核心，正是被科技界视为[下一代算力革命]的太空数据中心。 这场革命的背后，是AI算力

　　谁能更快转动那个飞轮？ 文｜徐鑫 编｜任晓渔 时隔三年，大反转。 上周一，OpenAI CEO山姆·奥特曼在内部宣布启动“红色代码”行动，推迟其他一切产品开发专注ChatGPT，以应对来自谷歌和其他对

　　? 当我们为机器人每一个灵巧的动作而惊叹时，不应忘记那些在阴影中为其绘制行动地图的“影子”。这不是商业模式的拷问，更是一个关于技术伦理与社会的深刻命题：我们追求的智能未来，究竟应该由怎样的人文基石来支

　　在人形机器人这条赛道上，关节、电机、算力已经卷到极致。既要跑得稳，又要跳得高，还要骑车、滑板、搬箱子。 但是，当人形机器人走进家庭、商场、医院、养老院，它到底是成为一个可替换的工具人，还是一个能长期陪

　　作者 ?章涟漪 编辑 邱锴俊 从个人电脑、智能手机，到智能汽车，再到机器人，智能正在从数字世界坚定不移地走进物理世界。而机器人，正是这一进程的最新体现。 在此之下，11月20日，黑芝麻智能创始人

　　TikTok 主站推荐算法掌门宋洋闪电离职转投 Meta。 同期，平台灰度上线 “减少 AI 推荐” 开关，用户可将算法内容占比一口气压至三成，创史上最大流量让渡纪录。 11?月 20 日，多方信源证

　　文｜魏琳华 编｜王一粟 “具身智能，究竟发展到了哪个节点？”对这个火爆但早期的产业，不少人都有这个疑问。 一方面，是资本用真金白银投出的繁盛。据不完全统计，中国具身智能相关公司数已接近百万家。今年

　　9月22日，NVIDIA 与 OpenAI 今日宣布已签署意向书，计划建立具有里程碑意义的战略合作伙伴关系。 根据协议，OpenAI 将在下一代 AI 基础架构中部署至少?10 千兆瓦的 NVIDIA

　　你知道不，Commvault正在撤出中国市场…… 今天一早打开手机微信，就看到了业内朋友给我的这条留言。 这次是动真格了 也很突然，在国内好像服务平台都没了，据说上周突然通知结束。 朋友这样对我说道，

　　近日，英伟达推出研究项目 OmniVinci，专注于探索全模态 LLM，不但可以看和读，还可以听、说和推理。 在模型架构方面，英伟达团队提出了三项关键创新： OmniAlignNet：用于在共享的全模

　　每当提到无人驾驶模型，很多人关注的是模型的算法和采用的架构，但是对于给模型进行训练的数据，却鲜有人去关注。其实一个模型想变得“聪明”，是需要给他不断投喂数据让其学习的，而这一些数据，也不是拿过来就能使用

　　高通这波从手机芯片跨界向 AI 数据推理进攻，以功耗和成本优势为利刃，期望撕开英伟达的防线 日，手机芯片巨头高通宣布推出 AI200 和 AI250。 两款芯片既不是手机 SoC，也

　　把无人驾驶比作人的大脑和感官系统，数据就是外界感知的原始输入，而标注就是告诉大脑“这是啥，这在哪儿，这会怎么动”。没有高质量的标注，即便是再先进的感知模型、跟踪模型与预测模型都会像没吃过饭的人，理论上

　　一、灵巧手 —— 具身智能机器人的“最后一厘米” 具身智能的本质，在于机器人通过身体与环境的动态交互构建认知—— 从感知物理属性到执行复杂操作，从适应未知场景到实现人机协同。而灵巧手正是这实现这一交互

　　AI训练下半场，数据成为关键词。 新眸原创·作者 简瑜 两个月前，Meta豪掷约150亿美元（约合人民币1078亿元）入股Scale AI，一举拿下49%股份。交易完成后，Scale估值被推高至2

　　当东方数据库“智慧大脑”遇见国产全闪存“数字基石”，一场静默却至关重要的“握手”正在数字世界的地缘博弈中悄然发生，它们带来的不仅是兼容认证的一纸证明，更是一个关乎未来自主与安全的关键答案。 近日，东方

　　最近翻看QuestMobile的AI应用市场半年报，发现一个挺有意思的变化。 截至今年6月，原生APP和PC网页端的市场规模，跟3月比起来，分别少了2000万和3000万，而各类App里AI插件的规模

　　作者丨铅笔道 松格 大数据与大模型结合，会擦出哪些火花？ 最近，上海跑出一个超级独角兽：星环信息，向港交所发起IPO冲刺。2022年，星环科技已在科创板上市。 它的主攻方向是：大数据基础软件。 星环科

　　两千多年前，屈原挥笔写下《天问》。诗中，他用一百七十一个问题，问遍了天地离分、阴阳变化。那时的他，眼眸中尚且看不到星辰的运行与物理的奥义，但依旧叩问着天地，追问着终极。 这份浪漫，顺着时间的河床流淌至

　　撰文? 王 ? 潘 文烨豪 编辑? 吴先之 图文资讯平台的黄金时代，似乎已悄然谢幕。 图文称雄的年代，公众号、资讯App等聚拢了无可撼动的流量池，但时过境迁，张小龙所言“视频化表达是下一个十年的内

　　当百度宣布与 Lyft 合作进军欧洲，德国媒体惊呼 中国无人驾驶开始技术出口 时，一个更值得玩味的问题浮出水面：谁真正代表中国自动驾驶？ 答案藏在哈尔滨零下 30 度的冰雪路面上，在广州电动车大军

　　位于江西省樟树市的盐化工基地，聚集着多个能源、化工企业。作为江西省盐产业特色基地，其在发展的同时也肩挑安全大任，例如把关气体泄漏、设备设施老化危化品运输等所有的环节，对园区应急管理提出了高要求。2024

　　前言 尽管当前的视觉-语言-动作（VLA）模型已展现出显著进展，但其在新场景和与复杂物体交互中的性能会显著下降，在遵循指令方面落后于像LLaVA 这样的大型多模态模型（LMM）。 这种局限性源于现有V

　　近年来伴随着AI技术的突飞猛进，无论是国家还是企业对于AI的重视程度都与日俱增，我国更是在2022年极具前瞻性地推出了“东数西算”战略。 在“东数西算”的动脉上，流淌的不再是传统的电力，而是毫秒级穿梭

　　7 月 28 日，字节跳动旗下 AI Agent 开发平台 “扣子” (Coze) 宣布正式开源。 目前，“扣子” 平台的开源代码已在 GitHub 等平台上线，开发者可直接获取并参与项目贡献。?这标

　　作者｜毛心如 今年 WAIC 创记录了。 不仅有 40 余款大模型、50 余款 AI 终端产品、60 余款智能机器人以及 100 余款「全球首发」「中国首秀」的重磅新品，场馆内还有超过 150 台人形

　　点击看大图 盘点国内120+AI Agent平台（下）：流程管理、自动化、AI初创企业、垂直领域服务商全收录，了解智能体平台看这篇就够了国内120+智能体开发平台大盘点（下）：流程管理、自动化、AI初

　　一口气盘点国内120+AI Agent平台（上）：大厂、云服务商、AI 企业全收录，了解智能体平台看这篇就够了国内120+智能体开发平台大盘点（上）：互联网巨头、云服务商、传统软件商的 AI布局全曝光

　　寒武纪发布了重要的公告，说要调整今年的股票发行计划，打算通过发新股募资差不多 39.85 亿元。 这笔募集来的钱，扣除发行费用后，主要会用在三个地方：一是搞面向大模型的芯片平台项目，二是做面向大模型的软件平台

　　【硕科斯】即将亮相 WAIE全数会智能工业展及大会-机器人及智能工厂展 展位号：D137-1 深圳市硕科斯科技有限公司 深圳市硕科斯科技有限公司是专门干工业控制硬件平台与工业以太网产品的硬件整合应用

　　近年来，无人驾驶技术成为全世界科技领域的热门话题，被视为交通领域革命性变革的重要推动力。在这一领域中，数据被称为推动技术进步的燃料，其采集、分析和反馈的效率与质量直接决定了自动驾驶系统的性能和安全性

　　一、引 言 随着感知、决策和控制各模块的性能逐步逼近上限，端到端学习（End-to-End Learning）在智能驾驶领域受到慢慢的变多关注。端到端模型通过深度神经网络将原始传感器输入直接映射为驾驶控制信号，减少中间模块误差传播的影响，有望简化系统架构、提升整体协同效率