<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[opensnn的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/opensnn</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; opensnn]]></copyright><item><title><![CDATA[我们没有进入AGI时代，而是OpenAI把AGI的门槛降低了]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/164981700</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/164981700</guid><author>opensnn</author><pubDate>Fri, 11 Sep 2026 12:31:07 +0800</pubDate><description><![CDATA[真正的分水岭，是它能否脱离人类提前准备好的问题和答案，独立进入未知领域，并持续创造新的知识。过去谈论AGI，人们期待的是一种真正意义上的通用智能：能够自主学习，理解复杂现实，在没有标准答案的情况下进行推理，进入陌生领域解决从未遇到的问题，甚至发现新的科学规律。一旦AGI被宣布实现，过去庞大的算力投入就可以被解释为通往新时代的基础设施，巨额亏损可以被解释为抢占未来的必要成本，而一家AI公司的估值，也就拥有了更大的想象空间。这时候，“模型又升级了一代”和“我们已经进入AGI时代”，是完全不同的两种叙事。]]></description><category></category></item><item><title><![CDATA[AI竞争进入生态时代：OpenCL为何值得关注]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/164973007</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/164973007</guid><author>opensnn</author><pubDate>Fri, 11 Sep 2026 11:19:46 +0800</pubDate><description><![CDATA[从DeepSeek到通义千问，从OpenHarmony到openEuler，再到越来越多企业参与的人形机器人开源社区，开源正在从一个软件行业的技术理念，快速进入AI产业的核心地带。未来真正决定竞争力的，越来越可能是能否建立一个开放的生态，让更多开发者参与进来，让更多企业重复利用，让不同技术持续协同。这也是为什么，今天讨论AI竞争，不能只看谁的模型更强、谁的芯片跑得更快，还要看谁能够形成更大的开发者生态、更广泛的产业协作以及更有影响力的技术标准。这背后反映的，可能是AI产业正在发生的一次重要变化。]]></description><category></category></item><item><title><![CDATA[孙宇晨问AI要不要给5000万美元：AI的答案为什么不能只看结论]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/164367690</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/164367690</guid><author>opensnn</author><pubDate>Fri, 04 Sep 2026 14:08:52 +0800</pubDate><description><![CDATA[另一个AI应该专门找风险；最近，孙宇晨在一篇文章中写到，面对这笔5000万美元的决定，他没有自己做判断，而是去问Claude，得到的回答是“No”。它不只是要解释模型内部为什么这样计算，更要让用户理解一个结论背后的依据、假设、不确定性，以及哪些条件发生变化之后，答案可能跟着改变。AI真正成熟的标志，也许不是它越来越像一个什么都知道的人，而是它越来越像一个愿意把自己的判断摊开来让你检查的顾问。但对于普通用户来说，更现实的黑箱其实是：AI给出了一个结论，却没有让你知道它依据了哪些事实，又忽略了哪些风险。]]></description><category></category></item><item><title><![CDATA[比尔·盖茨提醒：AI的红利与风险，会同时到来]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/164367594</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/164367594</guid><author>opensnn</author><pubDate>Fri, 04 Sep 2026 14:05:32 +0800</pubDate><description><![CDATA[他认为，当企业大量使用AI和机器人替代人工后，劳动相关税收可能减少，但失业保障、职业培训等社会支出却可能增加，因此可以讨论对AI Token或机器人征税，为社会转型提供资金。今年1月，盖茨就已经指出，未来几年AI将进一步冲击就业，软件开发等领域已经开始受到影响，而仓储、客服等行业一旦技术成熟，也可能出现更直接的变化。未来医生可以让AI整理病历、分析资料，老师可以让AI辅助教学，护理机器人也可以承担大量重复劳动，但最终的判断、责任和人与人的关系，仍然应该保留在人的手中。其中最值得关注的，是年轻人的就业问题。]]></description><category></category></item><item><title><![CDATA[AI的下一个赛道：从聊天窗口走向真实世界]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/164137780</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/164137780</guid><author>opensnn</author><pubDate>Fri, 28 Aug 2026 09:45:19 +0800</pubDate><description><![CDATA[从北京近期发布的《关于加快智能体引领发展的若干措施》来看，一个明显变化是：政策关注的重点已经不再只是大模型本身，而是开始围绕智能体、驾驭层、AI原生应用、智能终端、安全治理、Token经济等环节构建完整体系。因此，政策提出推动Token经济，并探索从“按照Token消耗量计费”转向“按照价值计费”，背后反映的正是一个趋势：AI未来不能只证明自己消耗了多少算力，而要证明自己创造了多少价值。企业需要的不是一段漂亮的文字，而是一个能够理解任务、调用工具、处理数据、持续记忆并最终完成工作的系统。]]></description><category></category></item><item><title><![CDATA[宇树科技上市：人形机器人进入下半场，类脑智能迎来关键窗口]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/164137478</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/164137478</guid><author>opensnn</author><pubDate>Fri, 28 Aug 2026 09:36:02 +0800</pubDate><description><![CDATA[国家层面对人工智能、机器人和智能制造持续加码，也说明这不是一轮简单的概念炒作，而是产业升级的重要方向。如果说传统AI是在告诉机器“答案是什么”，那么类脑智能更重要的价值，是让机器逐渐学会“这个世界为什么会这样”。接下来，市场会逐渐从“谁的机器人卖得更多”，转向“谁的机器人真正能够进入工厂、家庭和复杂现实环境”。但政策解决的是产业发展的方向和资源配置，资本解决的是融资和产业扩张，硬件解决的是机器人的“身体”。市场给了它超过200倍的发行市盈率，本质上并不是在给今天的硬件定价，而是在给未来的具身智能定价。]]></description><category></category></item><item><title><![CDATA[Agent的终局不是“会干活”，而是像人脑一样越干越聪明]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163928559</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163928559</guid><author>opensnn</author><pubDate>Fri, 21 Aug 2026 01:26:36 +0800</pubDate><description><![CDATA[摘要： 当前Agent虽能规划任务、调用工具并反思错误，但缺乏真正的“成长”能力。真正的智能需具备自进化（Self-Evolution）属性，即通过反馈更新记忆、策略、技能甚至模型，而非重复犯错。类脑智能的持续学习机制可赋能Agent从经验中迭代，形成动态适应能力。未来Agent的核心价值不在于初始表现，而在于长期任务中能否积累经验、优化自身，最终实现“越用越聪明”的类脑进化。]]></description><category></category></item><item><title><![CDATA[AI最离谱的不是会思考，而是没人知道它什么时候开始学会了“思考”]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163928456</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163928456</guid><author>opensnn</author><pubDate>Fri, 21 Aug 2026 01:21:40 +0800</pubDate><description><![CDATA[AI系统的&quot;涌现&quot;能力引发深度困惑：随着模型规模扩大，AI突然展现出编写代码、解决数学题等复杂能力，但科学家至今无法完全解释其形成机制。更棘手的是，AI的内部决策过程如同黑箱，其提供的&quot;理由&quot;可能并非真实决策依据。当前研究正从外部观察转向内部机制解析，试图追踪神经活动与信息流。随着AI进入金融、医疗等高风险领域，可解释性成为竞争新焦点，欧盟已出台相关监管要求。专家提醒，不应轻信AI的表面解释，关键决策仍需专业人士验证。人类正面临AI发展的根本悖论：我们创造了超越自身理]]></description><category></category></item><item><title><![CDATA[机器人为什么需要百万小时数据？类脑智能可能正在改写这笔账]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163725878</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163725878</guid><author>opensnn</author><pubDate>Thu, 13 Aug 2026 14:26:18 +0800</pubDate><description><![CDATA[本文探讨具身智能数据采集面临的成本与效率挑战。人类只需少量经验即可完成抓取等动作，而机器人需海量数据训练。当前数据采集成本高昂（每小时有效数据成本达数百至上千元），且存在大量重复低效数据。文章指出，解决方向在于提高数据价值密度，结合大模型与类脑智能优势：类脑系统通过事件驱动和多模态融合，可自动识别关键动作、提升信息密度、增强数据复用率并降低计算成本。未来趋势将从&quot;堆数据量&quot;转向&quot;用更少数据训练更强机器人&quot;，通过优化数据生产方式实现真正的降本增效。]]></description><category></category></item><item><title><![CDATA[AI进入现实世界的新考验：类脑智能如何破解物理AI“跑不久”的难题]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163725666</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163725666</guid><author>opensnn</author><pubDate>Thu, 13 Aug 2026 14:25:31 +0800</pubDate><description><![CDATA[摘要：人工智能从实验室走向实际应用时，面临算力、功耗和稳定性等现实挑战。传统依赖大算力的AI模型在边缘设备中表现不佳，而类脑智能借鉴人脑高效处理方式，在低功耗下实现快速决策，更适合无人车、无人机和工业机器人等场景。未来AI发展或将融合大模型与类脑智能，前者负责复杂推理，后者处理实时控制，推动AI从数字世界真正落地物理世界。评判AI能力的标准也将从模型参数转向持续运行、断网自主和适应复杂环境等实际指标。]]></description><category></category></item><item><title><![CDATA[大脑教会AI如何“偷懒”：下一代人工智能或将开启低能耗革命]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163560199</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163560199</guid><author>opensnn</author><pubDate>Fri, 07 Aug 2026 11:41:20 +0800</pubDate><description><![CDATA[科学家正尝试让人工智能向人类大脑学习&quot;偷懒&quot;能力——通过类脑计算减少无效运算，在保证智能水平的同时降低能耗。当前AI依赖算力和数据堆叠的发展模式面临能耗高、数据匮乏等瓶颈，而人脑仅需20瓦功耗就能完成复杂认知任务。类脑智能采用脉冲神经网络、稀疏计算等技术，模拟大脑&quot;按需计算&quot;机制，有望实现低功耗实时学习，解决AI的能源与数据依赖问题。未来类脑智能可能与传统AI融合发展，推动AI从规模竞争转向效率竞争的新阶段。]]></description><category></category></item><item><title><![CDATA[当闭源AI遇上开源反击：未来竞争的核心不是模型，而是生态]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163558481</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163558481</guid><author>opensnn</author><pubDate>Fri, 07 Aug 2026 11:35:41 +0800</pubDate><description><![CDATA[人工智能行业正从单一模型能力竞争转向生态体系构建。OpenAI等闭源模式虽在早期占据优势，但随着开源模型的崛起，行业意识到未来胜负关键在于开放生态而非技术垄断。杨植麟指出，AGI发展的瓶颈在于组织模式创新而非纯技术突破。KimiK3等开源模型的出现表明，开放生态能更高效满足多样化产业需求，正如英伟达凭借CUDA生态超越硬件性能本身。互联网历史证明，开放协议最终催生全球创新，AI时代或将遵循类似规律——未来属于能构建包容性生态的参与者，而非仅依赖封闭技术的企业。这场竞争正从&quot;模型强弱&quot;转向]]></description><category></category></item><item><title><![CDATA[当AI遭遇算力、能源和落地困境：类脑智能或成为具身智能破局关键]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163368077</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163368077</guid><author>opensnn</author><pubDate>Fri, 31 Jul 2026 14:55:39 +0800</pubDate><description><![CDATA[AI未来突破点：类脑智能或成关键 人工智能在数字世界取得显著进展后，正面临向物理世界拓展的三大挑战：算力瓶颈、能源消耗和物理世界理解不足。专家提出，类脑智能可能是解决方案——借鉴人脑高效、低耗的信息处理机制，提升AI的端侧计算能力和持续学习效率。未来，AI竞争核心将从模型规模转向低成本、高效率的实体应用，类脑智能或成为连接数字与物理世界、推动具身智能落地的关键路径。]]></description><category></category></item><item><title><![CDATA[从数学最高荣誉到AI革命：基础科学正在决定人工智能未来高度]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163367524</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163367524</guid><author>opensnn</author><pubDate>Fri, 31 Jul 2026 14:48:26 +0800</pubDate><description><![CDATA[中国数学家王虹、邓煜同获2026年菲尔兹奖，这是中国首次斩获这一数学界最高荣誉。该成就不仅标志着中国基础科学研究的重大突破，更在人工智能时代具有特殊意义。数学理论是AI算法创新的核心支撑，未来AI发展将愈发依赖数学突破。中国数学家的成功展现了几十年来教育体系和科研环境的积累，也预示着AI与数学的深度融合趋势——AI或将从科研工具进化为科学发现伙伴。这一里程碑事件凸显，在科技竞争中，持续的理论创新能力才是决定长期竞争力的关键。]]></description><category></category></item><item><title><![CDATA[没有手机和电脑爆发，RISC-V为何仍可能成为下一代AI计算底座？]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/163148944</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/163148944</guid><author>opensnn</author><pubDate>Fri, 24 Jul 2026 09:10:49 +0800</pubDate><description><![CDATA[摘要：AI时代下，RISC-V架构通过开放生态在工业控制、边缘计算等底层场景持续渗透，其发展路径与传统架构不同。当前挑战在于构建完整的软硬件生态，而非单纯技术突破。未来RISC-V需向GPU和高性能计算延伸，与AI需求结合，推动开放计算体系发展。其核心价值在于降低创新门槛，适应多样化智能应用，而非替代现有架构。随着AI向高效计算转型，RISC-V有望成为下一代智能计算基础的重要组成，重塑芯片产业竞争逻辑。（149字）]]></description><category></category></item><item><title><![CDATA[港股正在告别旧时代：AI浪潮或将重塑香港资本市场新格局]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/162973272</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/162973272</guid><author>opensnn</author><pubDate>Fri, 17 Jul 2026 16:42:33 +0800</pubDate><description><![CDATA[从芯片设计、半导体制造，到服务器、存储、光通信，再到数据中心、电力供应和智能制造，人工智能正在成为新的基础设施。高盛亚洲（除日本外）股票资本市场主管王亚军提出，理解今天的香港市场，不能再简单依靠传统指数，而应该站在AI产业变革的角度重新审视。当越来越多AI企业登陆香港，当国际资金重新关注中国科技资产，当资本开始围绕人工智能产业链重新配置，港股的未来价值正在被重新定义。这背后意味着，港股正在经历一次重要的结构变化：过去代表香港市场的是传统经济，而未来代表香港市场的，可能是人工智能驱动的新经济。]]></description><category></category></item><item><title><![CDATA[英伟达GPU时代之后，中国AI芯片或将在类脑芯片赛道实现弯道超车]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/162973221</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/162973221</guid><author>opensnn</author><pubDate>Fri, 17 Jul 2026 16:40:44 +0800</pubDate><description><![CDATA[摘要： 随着AI产业从算力堆叠转向高效智能计算，类脑芯片成为新焦点。它模拟人脑神经元结构，通过脉冲神经网络和稀疏计算实现低功耗高效处理，突破传统芯片的算力竞争逻辑。全球类脑芯片技术尚未成熟，为中国在下一代AI芯片架构中创造弯道超车机会。未来竞争核心将转向&quot;智能效率&quot;，而非单纯算力规模，这或重塑全球芯片产业格局。（149字）]]></description><category></category></item><item><title><![CDATA[当市场开始恐慌时，真正的机会正在悄悄浮现：AI与机器人可能才是下一轮财富重估的核心]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/162735330</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/162735330</guid><author>opensnn</author><pubDate>Thu, 09 Jul 2026 17:07:58 +0800</pubDate><description><![CDATA[市场调整后，投资者对AI趋势产生质疑，但产业革命往往在市场信心低谷时完成价值重估。AI产业链虽经历波动，但计算需求将随智能助手和AI Agent的普及爆发式增长，存储产业逻辑正被重构。机器人因AI补足认知短板，成为重要落地方向。尽管短期波动难免，AI仍将像电力、互联网一样成为社会基础设施。长期投资者需在恐慌中识别机遇，历史表明颠覆性产业常在质疑声中崛起。]]></description><category></category></item><item><title><![CDATA[中国AI进入国家工程时代：算力、芯片与产业重构的深层逻辑]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/162735281</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/162735281</guid><author>opensnn</author><pubDate>Thu, 09 Jul 2026 17:06:26 +0800</pubDate><description><![CDATA[中国AI政策正从产业竞争上升为国家战略，构建以算力网络为底座、芯片为核心的三层架构体系。政策路径经历了技术突破、补链强链到系统化统筹的演变，将AI纳入基础设施范畴，强化算力调度和国产芯片应用。这一转变使AI成为数字经济基础能力，推动&quot;AI+制造业&quot;深度融合与消费端普及，形成体系化发展模式。尽管面临效率与创新平衡的挑战，中国正通过工程化路径将AI定位为国家长期竞争力的核心要素，重塑全球AI竞争格局。]]></description><category></category></item><item><title><![CDATA[为什么人形机器人做了这么多年，依旧很难真正落地？]]></title><link>https://blog.youkuaiyun.com/opensnn/article/details/162521756</link><guid>https://blog.youkuaiyun.com/opensnn/article/details/162521756</guid><author>opensnn</author><pubDate>Thu, 02 Jul 2026 15:18:59 +0800</pubDate><description><![CDATA[手机在采集数据，手表在采集数据，机器人本体也在采集数据，但这些数据之间缺乏统一时间轴、统一语义结构和统一学习框架，它们只是“孤立的信息集合”，而不是可以被系统性学习的“世界经验”。语言模型之所以能“聪明”，是因为它吃到了人类几十年积累的文字、图像和视频信息，这些数据本质上是对世界的“描述”。人形机器人这两年看起来进步很快，能跑、能跳、能翻跟头，甚至还能做一些简单的搬运动作，但如果把这些演示放到真实世界里仔细看，会发现一个更本质的问题：它们更像“被设计出来的动作机器”，而不是“理解世界的智能体”。]]></description><category></category></item></channel></rss>