編委會(huì)顧問(wèn)司曉|騰訊集團(tuán)副總裁騰訊研究院院長(zhǎng)吳運(yùn)聲|騰訊云副總裁騰訊云智能負(fù)責(zé)人優(yōu)圖實(shí)驗(yàn)室負(fù)責(zé)人黃晨霞|騰訊新聞運(yùn)營(yíng)總經(jīng)理許好好|騰訊云戰(zhàn)略研究院院長(zhǎng)李侃|騰訊華東總部總經(jīng)理主編策劃徐思彥編寫委員袁曉輝黃小明王舒懷馬曉芳研究團(tuán)隊(duì)袁曉輝徐一平徐思彥李瑞龍王亞鑫曹士圯劉莫閑白惠天賀澤軒內(nèi)容支持陳夢(mèng)凡鄭可君曹浩宇聯(lián)合出品騰訊研究院騰訊優(yōu)圖實(shí)驗(yàn)室騰訊云智能騰訊科技序言序言 PartPartI基礎(chǔ)模型的躍遷 PartPartII智能行動(dòng)者的崛起 PartIIIPartIIIAI走向物理世界 從智能工具到共生伙伴:騰訊副總裁騰訊研究院院長(zhǎng)隨著技術(shù)的快速演進(jìn)，基礎(chǔ)模型正迎來(lái)一場(chǎng)深層次的躍遷。2025年，大模型的訓(xùn)練重點(diǎn)從系統(tǒng)奠定了堅(jiān)實(shí)基礎(chǔ)。單純的執(zhí)行任務(wù)轉(zhuǎn)向成為更加可信的合作伙伴，能在多個(gè)場(chǎng)景下為用戶提供更具深度的智能支序言0103從智能工具到共生伙伴:AI演化的新篇章在行業(yè)應(yīng)用方面，垂直行業(yè)智能體的出現(xiàn)正推動(dòng)各個(gè)行業(yè)的智能化升級(jí)。AI不再僅僅提供通另一方面，智能的應(yīng)用正在從語(yǔ)言智能走向空間智能?？臻g智能的興起意味著AI從處理詞元果推理能力，推動(dòng)AI從"會(huì)聊天"到真正"懂世界"的跨越式發(fā)展?？亍⒔换サ热蝿?wù)。從配送機(jī)器人在城市街區(qū)的自主行動(dòng)，到養(yǎng)老機(jī)器人在特定情境中提供主動(dòng)服序言0104從智能工具到共生伙伴:AI演化的新篇章打造更好用的AI’吳運(yùn)聲騰訊云副總裁騰訊云智能負(fù)責(zé)人騰訊優(yōu)圖實(shí)驗(yàn)室負(fù)責(zé)人態(tài)等技術(shù)的突破，讓AI系統(tǒng)具備了更強(qiáng)的感知、理解和生成能力，也讓模型從傳統(tǒng)的“語(yǔ)言專家”序言0205打造更好用的AI，走入產(chǎn)業(yè)序言0206打造更好用的AI，走入產(chǎn)業(yè)例如，我們?cè)谥圃煨袠I(yè)聯(lián)合某企業(yè)打造了產(chǎn)線AI質(zhì)檢智能體，能夠自主識(shí)別缺陷并實(shí)時(shí)調(diào)整用，而應(yīng)是我們生活的長(zhǎng)期伴侶?一個(gè)能夠理解你的行為、情緒、習(xí)慣并主動(dòng)提供幫助的“數(shù)字PartI入，使得模型能夠在基于客觀反饋的情況下不斷積累經(jīng)驗(yàn)并優(yōu)化決策，突破了傳統(tǒng)監(jiān)督學(xué)習(xí)在追求實(shí)際正確性時(shí)的局限。這種由明確結(jié)果導(dǎo)向的持續(xù)學(xué)習(xí)能力大大提高了模型在復(fù)雜問(wèn)題中的推理能1強(qiáng)化學(xué)習(xí)在大語(yǔ)言模型中的應(yīng)用范式正經(jīng)歷一場(chǎng)深刻將強(qiáng)化學(xué)習(xí)的應(yīng)用重心從對(duì)齊轉(zhuǎn)向了對(duì)模型核心推理性能能通過(guò)長(zhǎng)期的探索式訓(xùn)練，幫助模型發(fā)現(xiàn)并“創(chuàng)造”出全新的能力增長(zhǎng)將不再僅僅受限于人類已有數(shù)據(jù)的邊界，通過(guò)持的現(xiàn)實(shí)世界問(wèn)題。智能體飛躍：強(qiáng)化學(xué)習(xí)構(gòu)筑連接模型與物理及數(shù)及物理世界交互并從中學(xué)習(xí)的能力，RL讓大模型能夠用工具并完成復(fù)雜任務(wù)。一個(gè)真正的智能體不僅需要生成文本，更需要感知環(huán)境、規(guī)劃步驟并執(zhí)行一系列動(dòng)作以達(dá)成目標(biāo)。強(qiáng)化學(xué)習(xí)憑借其獨(dú)特的試錯(cuò)學(xué)習(xí)和獎(jiǎng)勵(lì)機(jī)制，為智能體提供了從經(jīng)驗(yàn)中持續(xù)學(xué)習(xí)和優(yōu)化的路徑，使其不再僅僅是通過(guò)強(qiáng)化學(xué)習(xí)獲得的動(dòng)態(tài)策略遠(yuǎn)比靜態(tài)的指令更為強(qiáng)大和深耕垂直領(lǐng)域：強(qiáng)化學(xué)習(xí)協(xié)助克服數(shù)據(jù)與安全瓶承受在線探索風(fēng)險(xiǎn)的價(jià)值?通過(guò)從歷史交互數(shù)據(jù)中挖掘最強(qiáng)化學(xué)習(xí)正推動(dòng)AI從優(yōu)化單個(gè)智能體向協(xié)調(diào)多個(gè)智能使AI系統(tǒng)能夠應(yīng)對(duì)超出任何單個(gè)模型能力的復(fù)雜協(xié)作任務(wù)。現(xiàn)實(shí)世界中的許多重大問(wèn)題本質(zhì)上都是復(fù)雜的系統(tǒng)性問(wèn)題，需要多個(gè)具備不同專長(zhǎng)的角色協(xié)同工作。將大語(yǔ)言模型調(diào)與優(yōu)化機(jī)制，正在催生一種前所未有的集體智能。這一趨勢(shì)預(yù)示著AI的應(yīng)用模式將從依賴單一的、全能的“超級(jí)大這種多智能體協(xié)作模式在自動(dòng)化復(fù)雜決策與執(zhí)行等前LLM智能體團(tuán)隊(duì)的協(xié)作也取得了顯著進(jìn)展。例如，MARTI2趨勢(shì)0212原生多模態(tài)生成原生多模態(tài)的技術(shù)基礎(chǔ)在于構(gòu)建統(tǒng)一的跨模態(tài)表征空原生多模態(tài)的一個(gè)重要貢獻(xiàn)在于端到端學(xué)習(xí)范式的引Transformer架構(gòu)的應(yīng)用進(jìn)一步推動(dòng)了原生多模態(tài)模音頻等多種模態(tài)的輸入轉(zhuǎn)換為統(tǒng)一的token序列，再通過(guò)共趨勢(shì)0213原生多模態(tài)生成趨勢(shì)0214原生多模態(tài)生成而原生多模態(tài)模型通過(guò)端到端的統(tǒng)一鏈路，讓感知與生成1.統(tǒng)一架構(gòu)·即時(shí)理解原生設(shè)計(jì)的一體化架構(gòu)讓感知與生成首次在同一鏈路上無(wú)縫銜接。統(tǒng)一的token化與共享的Transformer主干消音往返延遲平均約為320毫秒（ms已達(dá)到自然對(duì)話所需·能實(shí)時(shí)解析環(huán)境并提供個(gè)性化提示的增強(qiáng)現(xiàn)實(shí)眼鏡，2.協(xié)作躍遷·實(shí)時(shí)共創(chuàng)細(xì)粒度理解與跨模態(tài)一致性生成推動(dòng)人機(jī)交互從“單以O(shè)penAI發(fā)布的Sora為例，其可生成最長(zhǎng)1分鐘的長(zhǎng)鏡頭視頻，支持720p分辨率、4幀/秒輸出，具備對(duì)相機(jī)視敘事邏輯維持方面取得突破。當(dāng)前已被多家影視工作室用協(xié)同創(chuàng)作平臺(tái)Flow，其核心理念是實(shí)現(xiàn)“瀏覽器內(nèi)幀級(jí)協(xié)同”?支持多個(gè)創(chuàng)作者在同一項(xiàng)目中實(shí)時(shí)編輯視頻片段、頻、語(yǔ)音生成等能力統(tǒng)一封裝進(jìn)協(xié)作界面，是目前最接近以騰訊混元圖像2.0為例，其通過(guò)模型結(jié)構(gòu)優(yōu)化與推理款連衣裙并做出“滑動(dòng)”手勢(shì)，系統(tǒng)便能即時(shí)替換布料紋廣告行業(yè)也在嘗試將多模態(tài)閉環(huán)能力整合至內(nèi)容生產(chǎn)游戲視覺(jué)生成平臺(tái)，其Hunyuan-Game模型涵蓋游戲圖像原生多模態(tài)生成技術(shù)通過(guò)其底層架構(gòu)的統(tǒng)一設(shè)計(jì)，推所未有的潛力。通過(guò)多模態(tài)感知構(gòu)建的世界模型（WorldModels不僅為AI的規(guī)劃、推理和決策提供了強(qiáng)大的基據(jù)處理、算力能耗、倫理問(wèn)題以及生成內(nèi)容的真實(shí)性問(wèn)題趨勢(shì)0215原生多模態(tài)生成3語(yǔ)音合成技術(shù)最顯著的突破在于從機(jī)械化的文本朗讀對(duì)話場(chǎng)景的專業(yè)化優(yōu)化成為技術(shù)發(fā)展新方向。S人聲演唱技術(shù)實(shí)現(xiàn)高保真度突破，演唱不僅技術(shù)指標(biāo)文語(yǔ)境優(yōu)化，在人聲處理上減少電音使用，提高吐字清晰指令遵循與精細(xì)可控性大幅提升，極大程度上解決了了基于示例的風(fēng)格遷移。騰訊SongGen用LLM-DiT融合架構(gòu)，在多項(xiàng)客觀評(píng)測(cè)中超越現(xiàn)有開(kāi)源模聲音智能與多模態(tài)技術(shù)的深度融合開(kāi)啟了全新的應(yīng)用水準(zhǔn)。ThinkSound引入鏈?zhǔn)酵评碚J(rèn)知架構(gòu)，通過(guò)三階段推理流程（基礎(chǔ)Foley生成→交互式對(duì)象中心基于Kling視頻生成模型構(gòu)建智能音效設(shè)計(jì)系統(tǒng)，能夠理解音頻驅(qū)動(dòng)視聽(tīng)生成技術(shù)展現(xiàn)了聲音智能的另一個(gè)重要幅降低，實(shí)現(xiàn)真正的"人人都是創(chuàng)作者"；在企業(yè)服務(wù)領(lǐng)域，訓(xùn)練等專業(yè)應(yīng)用將快速普及。隨著邊緣計(jì)算能力的提升和真正的"隨時(shí)隨地"智能交互。PartⅡ伙伴”發(fā)展。端到端的Agent模型正快速崛起，推動(dòng)智能助手從執(zhí)行任務(wù)的工具轉(zhuǎn)變?yōu)榭梢灾鲃?dòng)參4趨勢(shì)0420智能體雙軌進(jìn)化基礎(chǔ)模型推理躍遷催化編排類Agent從實(shí)驗(yàn)走向編排類Agent的發(fā)展歷程清晰地展現(xiàn)了從概念驗(yàn)證到生產(chǎn)應(yīng)用的演進(jìn)軌跡。這一路線最早可追溯到2023年春季末到2024年初的低谷期后，2024年開(kāi)始看到更多現(xiàn)實(shí)可行的應(yīng)用上線?；A(chǔ)模型的推理能力提升是編排類Agent可用性質(zhì)變要通過(guò)復(fù)雜的提示工程來(lái)引導(dǎo)模型進(jìn)行任務(wù)分解，而新一性。Cursor不僅僅是一個(gè)AI代碼編輯器，更重要的是其普通用戶。用戶可以通過(guò)自然語(yǔ)言描述復(fù)雜的編程需求，Cursor的Agent能夠理解意圖并自主完成多文件的代碼生一路線在復(fù)雜任務(wù)處理上的能力。Manus能夠獨(dú)立處理復(fù)等。其核心優(yōu)勢(shì)在于合理編排調(diào)度不同能力的模型及各類趨勢(shì)0421智能體雙軌進(jìn)化趨勢(shì)0422智能體雙軌進(jìn)化端到端Agent模型在專業(yè)垂直領(lǐng)域?qū)崿F(xiàn)突破性接訓(xùn)練到模型內(nèi)部。與編排類Agent的"外掛式"架構(gòu)不同，主決策何時(shí)以及如何使用工具。這種內(nèi)化的關(guān)鍵在于強(qiáng)化學(xué)習(xí)訓(xùn)練，OpenAI使用強(qiáng)化學(xué)習(xí)教授o3"思考"后再生成答OpenAI在端到端Agent領(lǐng)域的突破主要體現(xiàn)在兩個(gè)專尋找小眾信息方面表現(xiàn)出"訓(xùn)練有素的獵犬追蹤氣味"般的業(yè)化體現(xiàn)在精確指令遵循、迭代測(cè)試改進(jìn)和代碼風(fēng)格一致在搜索和研究方向的學(xué)術(shù)項(xiàng)目。search-r1等研究項(xiàng)目專注學(xué)會(huì)更好的搜索策略和信息整合能力。ReSearch等項(xiàng)目則息檢索和知識(shí)發(fā)現(xiàn)領(lǐng)域的應(yīng)用奠定了理論基礎(chǔ)。端到端模型的核心優(yōu)勢(shì)在于可驗(yàn)證環(huán)境中的深度能達(dá)到99.5%的pass@1成績(jī)，這種性能水平反映了端到端訓(xùn)兩條技術(shù)路線將在差異化優(yōu)勢(shì)場(chǎng)景中長(zhǎng)期并行這種特性使其在企業(yè)級(jí)應(yīng)用中具有不可替代的優(yōu)勢(shì)。端到解釋性和控制性的挑戰(zhàn)。趨勢(shì)0423智能體雙軌進(jìn)化用元素、數(shù)據(jù)和工具集成以及API相結(jié)合。這種靈活性體現(xiàn)也在集成更強(qiáng)的推理能力，在工作流中嵌入更強(qiáng)的規(guī)劃和推理模塊，端到端模型也在學(xué)會(huì)更好地調(diào)用和組合外部工將看到針對(duì)醫(yī)療保健、金融和教育等特定行業(yè)定制的智能體，這種多元化需求決定了單一技術(shù)路線無(wú)法滿足所有場(chǎng)應(yīng)用場(chǎng)景的擴(kuò)展機(jī)會(huì)主要體現(xiàn)在垂直行業(yè)的深度滲端模型適合量化分析和風(fēng)險(xiǎn)建模。醫(yī)療健康領(lǐng)域端到端?；钠胶庖约鞍踩耘c可控性的保障展開(kāi)。MCP等協(xié)議標(biāo)在努力democratize先進(jìn)的Ag技術(shù)創(chuàng)新和風(fēng)險(xiǎn)控制之間找到平衡。實(shí)用和安全的方向發(fā)展。趨勢(shì)趨勢(shì)隨著生成式AI技術(shù)的快速成熟，人工智能正從輔助工具逐漸演化為人類生活深處的“共生伙伴”。OpenAI創(chuàng)始人Sam術(shù)成熟之前，一些生產(chǎn)力工具和個(gè)人管理系統(tǒng)已經(jīng)開(kāi)始探索然而然地將ChatGPT用作“生活操作系統(tǒng)”，他們上傳文把AI視為Google的替代、生活顧問(wèn)，乃至“生活操作系統(tǒng)”在擁有記憶的基礎(chǔ)上，LifeOS需要具備強(qiáng)大的個(gè)性化像，隨著用戶成長(zhǎng)和環(huán)境變化而動(dòng)態(tài)更新，確保推理的準(zhǔn)確性和相關(guān)性。此外，AI不僅要理解用戶明確提出的和環(huán)境的上下文，才能做出準(zhǔn)確的判斷和提供恰當(dāng)?shù)膸妥R(shí)的掌握。傳統(tǒng)AI應(yīng)用往往局限于孤立、被動(dòng)的單點(diǎn)任務(wù)?打車、刀”，那么LifeOS則是一位“懂你且能自主行動(dòng)的共生伙邊說(shuō)邊看邊改會(huì)話級(jí)短期記憶基于近期行為的輕量推薦跨端編排決策深度工具層指令典型形態(tài)風(fēng)險(xiǎn)焦點(diǎn)生活操作系統(tǒng)：AI成為生活-工作-成長(zhǎng)的底層“編排器”最終，LifeOS有望成為個(gè)人生活與成長(zhǎng)的底層操作系戶的情緒波動(dòng)，主動(dòng)提供運(yùn)動(dòng)或音樂(lè)療愈等個(gè)性化干預(yù)建小結(jié)趨勢(shì)趨勢(shì)微調(diào)與雙通路等架構(gòu)融合等結(jié)構(gòu)化知識(shí)路線成為主流的根生成前引入原始數(shù)據(jù)驗(yàn)證流程。其核心并非提升生成多樣不止停留在單輪問(wèn)答能力上，而是轉(zhuǎn)向能基于知識(shí)鏈條完成多步推理與任務(wù)代理的流程型能力。Salesforce正在構(gòu)建的的關(guān)鍵行動(dòng)單元。企業(yè)對(duì)AI的定位正在從“外部工具”轉(zhuǎn)向人類審校的能力，逐步融入企業(yè)工作流之中。正如Satya西Hemominas血庫(kù)部署的聊天Agent承擔(dān)起“流程協(xié)調(diào)員”織成員靠攏。系統(tǒng)架構(gòu)角度看，它更像一個(gè)嵌套在工作流中的智能節(jié)點(diǎn)，字員工的行為已經(jīng)被納入KPI體系與審計(jì)機(jī)制，其運(yùn)行數(shù)據(jù)點(diǎn)”。Gartner預(yù)測(cè)，到2028年，33%的企業(yè)軟件將內(nèi)置為企業(yè)流程的新型操作系統(tǒng)。在第一階段，企業(yè)部署單個(gè)鏈條。出，跨平臺(tái)Agent協(xié)作能力是推動(dòng)Agent完Kimi等國(guó)內(nèi)模型已廣泛應(yīng)用于金融文檔處理、風(fēng)控審核中，能力使智能體真正具備進(jìn)入高感知場(chǎng)景的門檻，成為企業(yè)數(shù)字邊界的執(zhí)行節(jié)點(diǎn)。Engagement）方向，就將從2024年的360億美元增長(zhǎng)到饋的Agent網(wǎng)絡(luò)。企業(yè)未來(lái)將像開(kāi)發(fā)微服務(wù)一樣節(jié)點(diǎn)，像配置數(shù)據(jù)庫(kù)一樣配置智能體之間的調(diào)用邏輯。場(chǎng)斷層”盡管企業(yè)對(duì)“智力即服務(wù)”的期望日益清晰，現(xiàn)實(shí)中Agent的普及仍面臨不小的落地挑戰(zhàn)。在許多一線場(chǎng)景中，仍缺乏強(qiáng)約束與一致性機(jī)制；另一方面則是企業(yè)組織結(jié)構(gòu)、趨勢(shì)趨勢(shì)趨勢(shì)0733游戲智能體趨勢(shì)0734游戲智能體游戲智能體正在重新定義虛擬世界中AI與人類的交互邊界。從早期簡(jiǎn)單的腳本化NPC到如今具備深度學(xué)習(xí)能力的自主智智能輔助系統(tǒng)—從工具到伙伴的角色轉(zhuǎn)變騰訊天美工作室推出的AI教練系統(tǒng)通過(guò)深度學(xué)習(xí)分析速度比傳統(tǒng)玩家快40%。體驗(yàn)到團(tuán)隊(duì)作戰(zhàn)的策略深度，真正實(shí)現(xiàn)了從"工具"到"戰(zhàn)友"情感共鳴引擎—構(gòu)建跨越虛實(shí)的深度連接對(duì)話生成確保每個(gè)智能體都有獨(dú)特的說(shuō)話方式和性格特征。這種深度的情感連接讓玩家不再將游戲角色視為代碼獨(dú)立開(kāi)發(fā)者蔡浩宇創(chuàng)作的這款游戲?qū)hatGPT技術(shù)與智能社會(huì)雛形—從個(gè)體智能到群體涌現(xiàn)化出獨(dú)特的"文化"和"價(jià)值觀"。更令人驚嘆的是智能展現(xiàn)出的創(chuàng)造力和適應(yīng)性往往超越了單個(gè)智能體的能力總和，產(chǎn)生了真正的涌現(xiàn)效應(yīng)。智能體之間的協(xié)作與競(jìng)了一個(gè)微縮但完整的數(shù)字社會(huì)生態(tài)。這不僅為研究社會(huì)學(xué)社會(huì)提供了重要參考。Krafton開(kāi)發(fā)的《inZOI》將智能體技術(shù)推向了新的高中曾出現(xiàn)過(guò)Zoi們自發(fā)組織的音樂(lè)節(jié)、因經(jīng)濟(jì)危機(jī)導(dǎo)致的失更展示了智能體技術(shù)在構(gòu)建自演化虛擬世界方面的無(wú)限可趨勢(shì)0735游戲智能體PartIII8趨勢(shì)0837具身智能的“GPT-2時(shí)刻”趨勢(shì)0838具身智能的“GPT-2時(shí)刻”其驚人的涌現(xiàn)能力和泛化特性徹底顛覆了對(duì)AI發(fā)展速度的的未來(lái)，其影響將深遠(yuǎn)地改變機(jī)器人和人工智能的應(yīng)用前大模型，正在成為機(jī)器人實(shí)現(xiàn)高階認(rèn)知與執(zhí)行能力的核心。趨勢(shì)0839具身智能的“GPT-2時(shí)刻”VLA模型具有如下特征：一是多模態(tài)理解與指令遵循。能。這種情境感知能力使得機(jī)器人能夠做出更智能的決策。三是泛化性與零樣本/少樣本學(xué)習(xí)?；A(chǔ)模型通過(guò)在海量多真實(shí)與合成數(shù)據(jù)雙路并進(jìn)，驅(qū)動(dòng)具身智能“燃料”大模型的成功離不開(kāi)海量高質(zhì)量數(shù)據(jù)的支撐。對(duì)于具真實(shí)數(shù)據(jù)成本高昂但不可或缺。真實(shí)世界數(shù)據(jù)具有無(wú)組成部分。然而，收集高質(zhì)量的真實(shí)具身數(shù)據(jù)面臨巨大挑為具身智能模型提供寶貴的真實(shí)世界經(jīng)驗(yàn)。合成數(shù)據(jù)是一種容易規(guī)模化、多樣性與可控性的新范式。為了彌補(bǔ)真實(shí)世界數(shù)據(jù)的不足，合成數(shù)據(jù)（Synthetic據(jù)工程等生態(tài)發(fā)展。具身智能的數(shù)據(jù)工程并非簡(jiǎn)單地選擇真實(shí)數(shù)據(jù)或合成專用軟件平臺(tái)實(shí)現(xiàn)應(yīng)用，推動(dòng)具身智能統(tǒng)一開(kāi)發(fā)具身智能的邁向通用離不開(kāi)開(kāi)源開(kāi)放的軟件平的是，它們與真實(shí)機(jī)器人硬件和傳感器接口保持高度一致，使得在仿真環(huán)境中開(kāi)發(fā)的算法和模型能夠無(wú)縫遷移到真實(shí)趨勢(shì)0840具身智能的“GPT-2時(shí)刻”基于人工智能技術(shù)迎來(lái)從符號(hào)推理到具身認(rèn)知的范式人的能力邊界?從被動(dòng)執(zhí)行指令的機(jī)械體，進(jìn)化為能主動(dòng)據(jù)顧客意圖導(dǎo)航至對(duì)應(yīng)貨架或展車完成現(xiàn)場(chǎng)演示與掃碼下器人則能提供任務(wù)理解、精準(zhǔn)家政與情感陪伴等多重價(jià)值。助科研，具身智能將以前所未有的深度和廣度融入人類社趨勢(shì)趨勢(shì)技術(shù)架構(gòu)變革，從二維信息處理向三維空間理解攻克這一3D生成式基礎(chǔ)模型難題?即讓AI像預(yù)測(cè)下一句文3D世界"的原型模型，實(shí)現(xiàn)了從單幅圖像或一句空間表示與場(chǎng)景生成：有效表達(dá)和生成三維環(huán)境的當(dāng)前部分視頻生成模型也可以生成360°視頻環(huán)境并號(hào)稱為界保持一致且允許實(shí)時(shí)交互控制（生成場(chǎng)景后，由移動(dòng)視角觀察細(xì)節(jié)）。未來(lái)發(fā)展方向之一是需要找到更加高效的空間表示方式。覺(jué)、聽(tīng)覺(jué)和語(yǔ)言等感知整合才能完成復(fù)雜任務(wù)，6月初，智能進(jìn)化驅(qū)動(dòng)，空間智能成為AGI發(fā)展的關(guān)鍵拼圖在理解和交互物理世界方面仍遠(yuǎn)遠(yuǎn)落后于一只家貓"。這也是他認(rèn)為當(dāng)前大型語(yǔ)言模型無(wú)法實(shí)現(xiàn)AGI的一個(gè)重要原因。等基本常理，這樣的常識(shí)性理解正是當(dāng)前大模型普遍缺乏種基于對(duì)現(xiàn)實(shí)世界的理解而形成的"理性"是AGI的必備條知和定位使智能體知道自身在空間的位置和周圍物體的形間智能讓AI像嬰兒那樣通過(guò)與環(huán)境互動(dòng)逐步學(xué)習(xí)因果驗(yàn)積累為模型提供對(duì)物理世界機(jī)制的理解，從而為AGI奠定產(chǎn)業(yè)應(yīng)用爆發(fā)機(jī)會(huì)，多行業(yè)共性需求驅(qū)動(dòng)技術(shù)迭代武之地。自動(dòng)駕駛汽車和無(wú)人機(jī)都必須實(shí)時(shí)感知3D道路理想汽車、元戎智行等提出的VLA模型（Vision-Lan-智能將幫助用戶更加自然地與現(xiàn)實(shí)世界和數(shù)字世界進(jìn)行交趨勢(shì)的反饋持續(xù)迭代和優(yōu)化具身智能本體的硬件配置、控制策開(kāi)始在高危險(xiǎn)、低技能、高重復(fù)的應(yīng)用場(chǎng)景提供有力的勞動(dòng)力補(bǔ)充。具身智能本體的整體架構(gòu)設(shè)計(jì)全面服務(wù)于大規(guī)模量產(chǎn)。形機(jī)器人因其能夠更好地體現(xiàn)人工智能技術(shù)優(yōu)勢(shì)和滿足人性產(chǎn)品都在具身智能大模型等技術(shù)應(yīng)用的推動(dòng)下快速迭代。的運(yùn)動(dòng)系統(tǒng)在運(yùn)動(dòng)控制算法和系統(tǒng)的精確控制下，能夠高置基本收斂為雙足和輪腿兩種主流方案。雙足配置如Tesla滾柱絲杠）實(shí)現(xiàn)旋轉(zhuǎn)-直線運(yùn)動(dòng)轉(zhuǎn)換；三級(jí)傳動(dòng)采用腱繩方用需要持續(xù)演化。感知系統(tǒng)作為具身智能本體的“五感和神周圍環(huán)境的空間關(guān)系、物體位置和物理特征，為機(jī)器人實(shí)現(xiàn)自然人機(jī)交互、自主決策和任務(wù)執(zhí)行提供核心數(shù)據(jù)輸入。感知系統(tǒng)的技術(shù)水平直接影響具身智能本體的智能化程度和（采用3D結(jié)構(gòu)光和ToF傳感器代表產(chǎn)品包括宇樹(shù)G1、感器集成在線性執(zhí)行器和旋轉(zhuǎn)執(zhí)行器內(nèi)部；二是將三維/六主流方案。騰訊RoboticsX實(shí)驗(yàn)室和香港具身智能本體的標(biāo)準(zhǔn)配置，為語(yǔ)音交互和網(wǎng)絡(luò)連接提供基配置，但為了在物流分揀場(chǎng)景中更好地識(shí)別形狀各異的包