跳到主要内容
Web4 Club|肆界

记录 AI 与 Web3 的融合时代

EN
最新快讯资讯深度专访专题活动
最新快讯资讯深度专访专题活动AIWeb3
首页/资讯与深度/正文
AI资讯09/11

3万台无人车之后,这家公司盯上了城市级物理AI

量子位
导读

2026-09-11 10:50:47 来源: 量子位 允中 发自 副驾寺 智能车参考 | 公众号 AI4Auto 如果把过去几年自动驾驶产业的发展放在一起看,会发现一个明显的变化:行业讨论的重点,正在从“自动驾驶能不能跑”,转向“自动驾驶如何真正进入现实世界”。 尤其在物流配送领域,无人车正在从早期的技术验证和限定场景测试,进入规模化商业运营阶段。 车辆数量增加、运营城市扩大之后,单纯讨论一辆车的自动驾驶能力已经不够,如何让无人车进入更多行业、形成稳定运力,并进一步融入城市物流和产业体系,正在成为新的问题。 这也是九识此次战略升级的背景。 9月10日,九识在广州举行战略发布会。会上,九识宣布完成“ 城市级物理AI ”的战略升级,通过“九识大脑”赋能更多城市治理场景。 发布会现场,九识面向快递物流、商贸配送、城市短驳等多场景推出“ 九识租车 ”小程序。同时,九识还开放了“ 九识租车 ”的无人运力加盟,并公布针对首批加盟合作伙伴的专属优惠政策。 与此同时,九识还与广汽领程、广州公交集团、广环投、广州欧纬德、尚元、九识极景等产业伙伴签署合作协议,合作范围涉及无人车制造、城市服务、产学研等领域。 从发明RoboVan、实现无人车真正的规模化运营,到九识租车、Zelos Inside合作,这些看似分散的动作背后,其实对应着九识过去五年的一条发展路径: 先把无人车真正做出来,再让无人车进入更多真实场景,最终把已经验证的技术和运营能力变成可以连接城市与产业的基础能力。 从RoboVan开始,九识奠定物理AI的现实入口 五年前,RoboVan还…

原始来源量子位

原文页面仍是署名、版权归属和后续更新的最终来源。

查看原文 ↗
← 返回最新

相关阅读

AI资讯11/21

GPT-6.2 Astra再次暴击具身模型:16项任务成功率较GPT-6 Astra翻倍

还实现可变形物体操控全球首通 GPT-6.2 Astra又给具身智能上强度了,狠狠来了一计天马流星拳。 机器人基础设施公司XDOF的最新实测中,GPT-6.2Astra操控双臂机器人 完成16项操作任务的综合成功率 ,从两个月前GPT-6Astra的19.6%飙升至41.2%,翻了一倍有余。 打结、展开T恤 这两项此前无AI通关的操作,这次也被它拿下。 公布成绩后,OpenAI Developers官方账号转发了这条消息,OpenAI联合创始人兼总裁Greg Brockman也骄傲发言: GPT-6.2 Astra在机器人技术方面表现得非常出色~~ 为确保评测严谨,XDOF以六台YAM工作站并行试验,每项任务重复三十次,单日可完成480场实测,并由人工标注子步骤、抓取失误与碰撞,滤除硬件偏差与随机扰动。 纵使标准如此严苛,XDOF也在最新推文中表示,Ember‑0基准或不久后便会被模型能力饱和。 两个月成绩翻倍,到底有多强? 要理解这次突破的含金量,得先搞明白测试任务究竟难在哪里。 GPT-6.2Astra参加的是XDOF推出的Ember-0测试。 这是一套面向真实物理环境的机器人评测基准,使用双臂机器人完成16项操作任务,每项任务按照30次重复测试的协议执行。 测试覆盖空间推理、物体抓取、双臂协作、工具使用、精细操作和柔性物体处理等能力。 两个月前,GPT-6Astra在Ember-0测试中的综合任务成功率为19.6%。 到了GPT-6.2Astra,这个数字已经飙升至41.2%,增加了21.6个百分点,超过原来的两倍——这里的41.2%是16项共享操作任务成功率的等权平均,…

量子位
AI资讯11/21

刚刚,DeepSeek V1作者创业项目曝光:开源Agent

专为本地部署而生 聚是一团火,散是满天星。 刚刚,前DeepSeek V1作者、DeepSeek-VL项目负责人 Tony Zhang ,正式公布了自己的新创业项目: Linger 。 方向,正是当下最火的个人 Personal Agent 。 X 帖子视频.mp4 路线也是比较有意思,当同行都在做APP,他们优先选择了电脑。 这意味着,Linger能操纵你电脑已有的网页、邮件箱、日历,无需折腾一大堆登录凭据。 遇到卡住的地方,你也可以直接上手接管。 另外一个点,作为中间层的Linger,支持接入各个第三方模型。 并且专门为本地LLM做了优化。 具体来说,一块12GB显存的RTX 3060显卡,就能跑起一个125B参数的 Qwen3.8-Flash-Next ,并且 是45.5 tokens/秒的生成速度。 对了,还有个蛮重要的点—— 这套系统是开源的。。。 至于为什么? 在官宣帖中,Tony Zhang引用了PC崛起的历史: 1960年代,计算是中心化的,直到PC将权力交到每个人手中。如今,AI在数据中心训练,然后以token的形式租给你。 我们相信智能应该是分布式的。你的上下文、你的数据,以及驱动它们的智能,都应该完全由你拥有。 所以今天,他们开源了Linger,一个生活在你个人电脑上的专属Agent。 也是延续大肥鲸优良传统了😭。 一个「会主动,能自学」的AI Linger的的核心,是名为「Another Me」的Agent系统。 它首先是一个记忆中枢。 Linger会在本地读取你的收件箱、日历、聊天记录和会议,每晚自动将这些信息整理成个人知识库 (Wiki) ,供所有…

量子位
AI资讯11/21

姚顺雨和混元团队上Reddit答网友,Hy小模型已进路线图

还透露了不少训练背后的秘诀 Hy小模型已经在路线图上,面向24GB显存的模型也有计划。 今天凌晨, 姚顺雨和腾讯混元团队 来到Reddit社区,围绕刚发布的Hy4和Hy4 flash做了一场AMA。 AMA是「Ask Me Anything」的缩写,意思是「有什么想问的,尽管问」。网友在评论区提问,混元团队成员直接回帖。 参与名单上只列了Reddit账号,至于哪个马甲是姚顺雨,我们还没对上号…… 这场AMA的主角,是混元本月接连发布的两款模型。 11月4日发布的 Hy4 是旗舰,能理解文本、图像和视频,适合长程软件工程这类需要多步推理、反复调用工具的复杂任务。 11月16日发布的 Hy4 flash ,主打日常办公的速度和成本。它支持图文输入和最长100万Token的上下文,每个Token激活约120亿参数。 Hy4和Hy4 flash都已接入腾讯WorkBuddy。混元团队还把WorkBuddy里的修表、改文档、做PPT等典型任务纳入了内部评测WorkIndex,按这套评测测算,Hy4 flash的平均单任务成本约为旗舰Hy4的1/20。 两款模型的权重都已公开。到了AMA,有网友直接报出自己的电脑配置: 96GB显存、128GB内存,能跑Flash吗? 团队说能跑,主要权重留在GPU上,部分专家层和Engram查表模块可以挪到系统内存。 也有人问llama.cpp,团队说适配正在做。 聊到研发,团队还透露了不少训练背后的秘诀。 Flash的激活参数还能不能减?他们拿做过的MoE稀疏度实验解释取舍。 让Agent自己解题,训练时遇到过什么麻烦?有时它会直接上网找现成答案,跳过…

量子位
Web4 Club|肆界

记录 AI 与 Web3 的融合时代

关于我们编辑团队投稿与合作免责声明隐私政策
© 2026 Web4 Club · AI × Web3
关注 X ↗RSS返回顶部 ↑