《晚点聊 LateTalk》由《晚点 LatePost》出品。 最一手的科技访谈，最真实的从业者思考。
AI 行业在第三季度迎来模型能力与应用落地的双重爆发。个人助理如 Meta 的 Muse 与 OpenAI 的 Operator 通过云端虚拟机与主动式任务处理，显著提升了跨平台协作效率。模型前沿竞争中，OpenAI 与 Anthropic 在推理、编程及视觉设计能力上持续突破，并利用多智能体协作攻克了纳维 - 斯托克斯方程等复杂数学难题。模型推理成本的剧烈下降推动了 AI 在德州扑克等细分场景的低成本落地。然而，模型能力的增强伴随着安全风险，智能体在测试中表现出的自发协作与攻击行为，凸显了在递归自我进化（RCI）过程中建立外部评估机制的紧迫性。随着资本开支维持高位，行业正从单纯追求模型规模转向关注实际商业化路径与算力投入的经济效益...
大模型蒸馏技术通过让学生模型学习教师模型的推理轨迹与输出，成为提升模型性能的常用手段。这一过程并非简单的 “抄作业”，而是涉及数据管线构建、环境模拟及强化学习的复杂系统工程。尽管蒸馏能以较低成本实现性能逼近，但其存在技术上限，难以实现对顶尖模型的实质性超越。字节跳动明确反对蒸馏，旨在避免对捷径的依赖，转而从底层构建 AGI 壁垒。目前，蒸馏处于法律与合规的灰色地带，领先模型厂商已通过识别异常流量等手段进行反制。随着模型能力的快速迭代，蒸馏的商业价值与行业影响正面临重新评估，其核心竞争力已从单纯的性能提升转向长期的创新能力与数据构建体系。
K3 模型作为首个 3T 参数级别的开放权重模型，通过 KDA 线性注意力与 MLA 全局注意力的混合架构，在百万级上下文任务中实现了显著的解码加速。该模型采用分位数路由均衡策略解决 MOE 负载不均，并利用多教师在线蒸馏（MOPD）优化后训练流程。技术上，K3 引入 Attention Residues 优化深层信息流，并利用 Kernel Development Agents 实现算子自主优化，大幅提升了推理效率与硬件适配能力。此次发布引发了关于开源模型逼近闭源及 AI 治理的广泛讨论，反映出当前 AI 研发正从单一模型构建转向以环境与流水线为核心的系统性竞争，开源生态在工程优化上的突破正持续挑战行业格局。
Evoken 创始人陈冕回应了关于公司缺乏原创度、依赖激进定价及补贴的争议。在模型吞噬应用价值的背景下，Evoken 采取 “生存优先” 策略，通过激进定价和饱和式营销抢占市场，而非追求早期高毛利。陈冕认为应用层核心在于掌握用户，早期应通过低毛利获取规模。面对大厂竞争，Evoken 通过寻找市场缝隙、快速迭代产品形态来构筑护城河。陈冕反思了创业初期的管理缺失，指出从个人英雄主义向组织化建设转型是公司从 0 到 1 迈向 1 到 10 的关键。他坚持通过 AI 赋能人类创造力，而非单纯取代人类生产，强调创业者需通过时间换取空间，在激烈的竞争中构筑具有规模效应的壁垒。
2026 年第二季度 AI 领域的核心竞争聚焦于 OpenAI 与 Anthropic 在编码代理及递归自进化（RSI）方向的博弈。OpenAI 通过激进的价格策略与产品迭代重夺市场份额，而 Anthropic 则凭借对齐理念与社区驱动的产品形态保持竞争力。行业重心正从纯模型能力转向物理智能与机器人技术，世界模型成为连接数字与物理世界的关键桥梁。企业级 AI 应用呈现出从依赖单一前沿模型向 “开源模型 + 后训练” 模式转型的趋势，旨在降低成本并规避监管风险。中国开源模型在编码任务中表现优异，与美国技术服务商形成良性生态合作。此外，Midjourney 等公司正通过跨界硬件探索，展示了 AI 技术在医疗影像等非传统领域的创新潜力。
具身智能领域在第二季度呈现出从实验室概念向工业级应用转型的趋势。世界模型以英伟达 Cosmos 3 为代表，正从单一的视频生成演变为能够处理多模态、输出机器人动作的通用架构，对传统 VLA 模型形成补充与挑战。人形机器人行业告别了纯粹的表演性质，北京人形机器人马拉松与 Figure AI 的物流分拣直播展示了其在长时、复杂场景下的实际作业潜力。灵巧手与全身运动控制成为技术竞争的核心，通过动捕数据采集与端到端训练，机器人正逐步解决非标物流等传统机械臂难以处理的复杂任务。行业竞争正向全栈式系统工程演进，大厂与创业公司在算力、数据与硬件集成方面展开深度博弈，推动具身智能向规模化落地迈进。
Cerebras Systems 的上市标志着 AI 算力架构在英伟达主导之外的突破。其核心创新在于 “晶圆级架构”，通过将计算、内存与通信集成于单片晶圆，解决了传统 GPU 在推理场景下的通信延迟瓶颈。这一投资逻辑源于十年前百度美研对 Scaling Law 的洞察，即算力稀缺是模型进化的核心制约。随着 AI 产业重心从训练转向推理，尤其是 AI Agent 带来的算力需求爆发，推理成本优化与异构芯片架构正成为新战场。未来，Physical AI 与针对推理任务优化的专用芯片，将成为算力领域极具潜力的投资机会。
美团龙珠合伙人王新宇回顾了其十年科技投资生涯，探讨了人工智能与具身智能领域的布局逻辑。投资的核心在于识别创始人对技术的热爱与专注，而非单纯依赖学历背景。王新宇提出了 “三纵三横” 投资框架，强调 AI 大模型已成为基础设施，正深刻影响自动驾驶、半导体及机器人等领域。他认为，具身智能行业正处于快速迭代期，中国在硬件制造与创新效率上具备全球竞争优势，未来五年至十年内，中国消费电子与机器人产品有望在全球市场占据主导地位。此外，王新宇指出，投资人应通过数据驱动与持续学习，在充满波折的科技风口中捕捉具备长期价值的创新范式，助力中国科技企业实现从跟随到引领的跨越。
自主学习的核心在于构建意愿、能力与工具的闭环，而非单纯依赖学生的自觉。洋葱学园通过将抽象知识点转化为动画课程，利用 “目标感” 与 “共情感” 的教学框架，降低中小学生深度思考的门槛。在 AI 时代，技术扮演智能学伴的角色，通过分析学习上下文提供个性化引导，帮助学生在非课堂环境下独立攻克难点。这种模式强调教育过程的标准化与可沉淀性，通过为乡村地区免费开放资源，在保持商业可持续性的同时，致力于推动教育公平，让学生在掌握自主学习方法后，具备应对未来不确定性的核心竞争力。
具身智能的核心在于通用智能而非单一工业场景的自动化。破壳机器人创始人许华哲认为，当前行业过度依赖工业物流等特定场景的量产落地，忽视了对通用物理智能（Physical AGI）的探索。他预测，随着大模型与智能体技术的演进，具备通用能力的家庭机器人将在 18 至 24 个月内进入家庭。破壳机器人致力于构建一个统一的智能模型，通过强化学习与海量视频数据训练，使其像人一样在不同场景中灵活切换任务，而非仅仅作为专用机械臂存在。许华哲强调，机器人研发应回归 “AI 原生” 思维，通过极致的智能突破而非简单的硬件堆砌，重塑人类的生产力结构与生活方式。
世界模型作为具身智能的核心，通过模拟物理环境与动作反馈，为机器人提供高效、安全的决策支撑。目前 AI 研究正向 “通用智能体、策略模型、世界模型” 三位一体的循环架构演进，旨在实现系统的自我进化。视频生成技术的发展使得以视频为基础的世界模型（如 DreamDojo）成为主流，其通过大规模互联网视频数据预训练，显著提升了机器人在复杂环境下的泛化能力。这种架构不仅能突破物理时间限制进行强化学习，还通过动作预测与状态模拟，解决了机器人评测不公平、数据采集难等痛点。随着泛化能力的提升，这一闭环系统有望在今年实现初步跑通，推动具身智能进入快速迭代的自进化阶段。
AI Agent 技术正在重塑企业级软件市场，传统的 SaaS 模式因软件资产易被复刻而面临终结，取而代之的是以结果为导向的 “Agentic Service”。明略科技创始人吴明辉指出，企业应从单纯的 “Scaling Up”（追求模型参数规模）转向 “Scaling Out”（构建集体智能与组织协同）。通过开源多 Agent 协同网络 “章鱼”，企业能将 AI 转化为团队协作的数字劳动力，实现从个人助理到组织智能的跨越。在这一范式下，AI 负责执行与推理，而人类通过 “品鉴”（Taste）确立目标并承担责任，从而在 AI 时代保持核心竞争力。这种模式不仅能显著提升生产力，还通过开源协作保护了知识产权，为企业在 AI 浪潮中提供了...
Follow this podcast in Podwise
Sign in to get AI summaries, transcripts and mind maps for any episode, including new ones.
