HY-WU ：一种在推理阶段动态生成模型参数，而非依赖固定参数处理任务的方法。 作者丨郑佳美 编辑丨岑 峰 很多机器学习系统在设计时都默认一个前提：模型一旦训练完成，其参数基本是固定的。 无论输入是什么样的数据，模型都会依赖同一套参数完成推理。这种范式在过去十多年里非常成功，模型能力的提升主要依赖更大的模型规模、更多的数据以及更长时间的训练。但当人工智能逐渐进入更加复杂的应用环境时，这种“固定参数”的方式也开始显现出局限。 现实任务往往具有高度多样性，不同用户需求、不同任务目标甚至可能彼此冲突。例如在图像编辑场景中，同一张图片可能会对应完全不同的修改要求。有的任务需要增强细节，例如去模糊或图像修复，而另一些任务则需要弱化细节，例如增加模糊效果或模拟老照片的老化过程。如果模型始终依赖同一套参数，它往往只能在不同目标之间做出折中，从而影响最终效果。 过去，研究人员通常通过 domain adaptation...

具备初步的世界状态跟踪能力，但不适合强约束、高可预测性的系统任务。 作者丨冯逸飞 编辑丨马晓宁 梁丙鉴 4 月 16 日，阿里发布了主打实时构建和交互的开放式世界模型产品 Happy Oyster。基于原生多模态架构，Happy Oyster 支持多模态输入与音视频联合生成，且生成过程中能够持续接收用户指令，实现画面实时响应、持续演绎。 如果说 AGI 是终极愿景，具身智能是物质载体，那么世界模型就是这一切的认知基础。它在技术脉络中占据了一个极其特殊的位置，那就是从大模型的“预测下一个词“，向”预测下一个物理状态“的演进节点。 这也让世界模型成为了一条炙手可热的赛道。16 日当天，腾讯开源了 HY-World 2.0，次日群核科技在港交所上市，成为“全球空间智能第一股“。视角拉得更远，谷歌、英伟达、Meta，以及李飞飞坐镇的 World Labs 都早就对这一赛道有所布局。 竞争逐渐升温之际，我们不禁要问，在最宏伟的愿景实现之前，有哪些先期落地场景可以为日后的争夺输血？...

机器人觉醒：控制范式退场，认知时代降临 作者丨岑峰 编辑丨马晓宁 2025年10月，IROS（国际智能机器人与系统会议）在全球机器人从业者的目光中落幕。作为行业最具影响力的学术与产业盛会，本届在杭州召开的IROS的“中国印记”与“具身智能转向”尤为醒目——展台上，国产具身智能企业扎堆亮相，灵巧手、低成本机械臂等硬件技术刷新全球认知；会场内，“Learning驱动具身智能”的论文占比突破60%，标志着机器人从“传统控制工具”向“智能认知主体”的范式转移。 当“具身智能”从实验室热词走向产业实践，当硬件迭代与大模型技术碰撞出真实的商业可能，雷峰网AI科技评论特别邀请三位横跨学界与业界的嘉宾：上海交通大学计算机学院助理教授、上海AI Lab青年研究员穆尧、SOMA Robotics创始人陈天一、 科罗拉多大学助理教授李正雄，共同解码IROS 2025背后的具身智能前沿趋势。 在讨论中，嘉宾们的观点围绕“IROS观察”“技术进化”“商业落地”三大核心层层展开： ...

“记忆”有望成为 AI 在产业界红利释放的最大驱动引擎。 作者丨岑峰 编辑丨马晓宁 工智能在过去的十年中，以惊人的速度革新了信息处理和内容生成的方式。然而，无论是大语言模型（LLM）本体，还是基于检索增强生成（RAG）的系统，在实际应用中都暴露出了一个深层的局限性：缺乏跨越时间的、可演化的、个性化的“记忆”。它们擅长瞬时推理，却难以实现持续积累经验、反思历史、乃至真正像人一样成长的目标。 近日，雷峰网主办了一场主题为《智能始于记忆：Agent Memory 的技术演化过程》的线上圆桌论坛，邀请到了金融行业的资深领域专家何逸凡、腾讯 AI Lab 专家研究员王琰、上海交通大学人工智能学院副教授陈思衡三位重量级嘉宾，他们与主持人、 记忆张量CTO李志宇一起，他们围绕记忆的本质定义、与传统技术的区别、系统架构的瓶颈，以及未来在金融、教育、游戏等领域的商业化范式，展开了系统性的探讨。 何逸凡表示，记忆系统是大模型乃至整个 AI 发展至今，除了核心大模型结构研究之外，可能最为关键的领域之一。当前传统 RAG...

旧的 SaaS 范式正在瓦解，但属于 AI Native 的黄金时代才刚刚拉开帷幕。 作者丨岑峰 胡敏 今年开年，全球软件股的投资人共同经历了一场“惊魂六十天”。 去年底到今年初，市场尚沉浸在“AI 应用大爆发”的幻梦中，然而 1 月底，Anthropic 甩出了能够自主操控电脑、实现自主办公的 Claude Cowork ，直接震碎了传统 SaaS 的估值逻辑。 短短两个月，北美软件股蒸发了超 1.6 万亿美元市值。市场弥漫着一种近乎绝望的论调：既然 AI 已经可以像人一样操作电脑、接管业务流，那么过去二十年里我们辛苦构建的图形界面和业务软件，是否已经沦为了落后的生产力？ 针对这些事关生死的问题，在雷峰网 GAIR Live 线上圆桌中，三位深耕 SaaS 行业、视角互补的行业老兵—— ▪ 何润：致趣百川联合创始人兼CEO； ▪ Daniel：资深投资人，互联网大厂业务负责人； ▪ 吴昊：《 SaaS 创业路线图》作者、SaaS 领军企业天使投资人、前执行总裁； 展开了一场一个半小时的硬核对谈嘉宾们针对 SaaS 的现状与未来给出了极具穿透力的判断。 01 近期...

世界模型：通过统一建模空间结构、时间演化与物理规律，实现对现实世界的理解与模拟。 作者丨郑佳美 编辑丨岑 峰 在过去几年中，视频生成技术取得了令人瞩目的进展。从基于扩散模型的方法到大规模视频基础模型，生成结果在视觉质量上已经逐渐逼近真实世界。然而，当我们进一步审视这些模型时，一个更本质的问题开始显现：它们究竟是在“理解世界”，还是仅仅在“拟合像素分布”？ 传统视频生成方法大多建立在 2D 图像空间之上，通过逐帧建模来合成动态内容。这种范式虽然在短时间尺度和视觉表现上表现出色，但也暴露出一系列根本性局限：相机运动难以精确控制，多物体交互缺乏一致性，长时间生成容易出现结构漂移，甚至在复杂场景中违背基本物理规律。这些问题的共同根源在于模型缺乏对“世界本身”的建模能力。 正是在这一背景下，“世界模型（World...

CFG-Ctrl：将不稳定的扩散模型引导机制转化为可控动态系统，实现更稳定、更精准文生图生成。 作者丨郑佳美 编辑丨岑 峰 很多人在使用文生图工具时都会遇到类似的情况，输入一段很清晰的描述，希望画面中人物站在左边、动物在右边，或者希望海报上出现一段完整可读的文字，但生成结果却常常让人失望。 要么位置关系混乱，要么文字变形，要么整体画面看起来不自然。继续调整参数，有时结果会更接近描述，但画面质量却明显下降，颜色变得奇怪，结构开始扭曲。反复尝试之后，往往需要生成十几张甚至几十张图，才能勉强挑出一张可用的。 这种既想让模型听懂指令，又不希望画面被破坏的矛盾体验，已经成为很多用户在实际使用生成模型时的共同感受。 随着生成式人工智能逐渐进入设计、电商、内容创作等真实场景，这种问题变得更加突出。用户不再只是追求一张看起来不错的图，而是希望结果稳定、结构正确、细节可靠，可以直接用于实际工作。 然而现有方法在可控性和稳定性之间始终存在明显冲突，模型越是强调语义对齐，就越容易牺牲视觉质量，这种内在限制逐渐成为生成模型走向更广泛应用的一道门槛。...

视觉智能：从单一感知能力，扩展为融合感知、认知与行动的一体化智能形态。 作者丨郑佳美 编辑丨岑 峰 如果回看过去十年的计算机视觉发展，其主线其实非常清晰：从早期以 ImageNet classification 为代表的“识别范式”，到以检测、分割为核心的“结构理解”，再到扩散模型推动的“生成范式”，视觉研究始终围绕一个核心目标展开——让机器更准确地“看见世界”。 然而，这一路径在近两年开始出现明显的边界：当模型已经可以在静态图像上达到接近甚至超过人类的感知水平时，“看得更准”本身，正在变成一个边际收益递减的问题。 在这样的背景下，在 CVPR 2026 中的一些相关工作所呈现出的，不再只是性能曲线的继续上扬，而是一种更深层的范式转向：视觉不再被视为终点，而被重新定位为一种中介能力，它服务于更高层的目标，例如推理、决策与交互。 这种变化直接体现在多个层面：一方面，越来越多工作开始质疑以语言为中心的推理路径，尝试让模型在视觉或潜在空间中直接完成结构推理；另一方面，研究者也在反思现有评测体系与数据构建方式，因为如果评价标准本身存在偏差，那么所谓的“进步”很可能只是对...

370倍的鸿沟，不只是限时促销 作者 | 岑峰 GPT-5.5 “大杯版”的输出价格是 130 美元/百万 Token，而 DeepSeek-V4 只要 2.5 元人民币。在同样的智能水位下，两者的成本差了整整 370 倍。 这绝非一场互联网式的“补贴大战”或限时促销，而是一场已经持续了四年的中国特色“效率革命”。在 Agent 时代，当长程任务的一致性需求迫使 Token 消耗量呈指数级增加时，DeepSeek-V4 延续了其“用更少的资源做更多的事”的硬核传统，再一次以极致的压缩方案，将百万上下文的门槛从“奢侈品”变成了“日用品”。 但省钱从来不是免费的午餐。每一次效率的跨代领先，都在系统复杂度、生态锁定和能力边界上埋下了伏笔。为什么 OpenAI、Anthropic 始终坚守稠密模型与原生长窗？DeepSeek 与昇腾芯片的深度软硬绑定，究竟是国产替代的曙光，还是构建了新的技术孤岛？当大模型竞赛进入“系统战争”的深水区，谁能定义下一个十年的 AI 基础设施？ 在Deepseek V4发布当天的GAIR Live圆桌上，雷峰网联合创始人岑峰对话三位行业专家： ...

从扩散控制到语义泛化，视觉 AI 进入范式重构期。 作者丨郑佳美 编辑丨岑 峰 过去几年，视觉生成与视觉理解领域的技术推进，整体上始终沿着一条相对明确的路径展开：当一套建模范式被验证有效之后，后续的大量工作往往都会围绕这套既有框架持续做模型扩容、训练增强、采样优化与局部模块修补，以此换取更高的性能上限。 无论是扩散生成、视频 world model，还是动作建模与视觉匹配，主流研究在很长时间里都更多表现为对既有系统的持续加固，而不是对底层假设本身的重新审视。 但从今年 CVPR 集中出现的一批代表性工作来看，这种相对稳定的技术推进逻辑正在发生值得警惕的变化。越来越多研究已经不再满足于在现有模型框架内部继续做增量式性能修补，而是开始系统性地把问题重新拉回到那些长期被工程实践视为“默认正确”的基础设定上。 扩散模型中的引导机制是否真的合理，视频生成是否必须建立在 diffusion 的反复去噪之上，生成模型所学习的预测对象是否从一开始就遵循了最自然的数据流形，以及人体动作生成与语义对应任务中长期被粗粒度评价掩盖的控制边界和泛化边界，是否都需要被重新定义。...