OpenAI 正在重组其模型行为（Model Behavior）团队。据媒体日前报道，OpenAI 的首席研究官 Mark Chen 透露，大约由14名研究人员组成的模型行为团队将加入后训练（Post Training）团队，负责在模型完成预训练后持续改进。
模型行为团队已经成为OpenAI的关键研究小组之一，主要负责塑造模型的“性格”。今年8月推出的GPT-5减少了类似“谄媚”“过度迎合用户”的现象。
但部分用户强烈不满GPT-5的性格调整，认为其过于冷淡。最终，OpenAI 重新开放了对 GPT-4o 等旧模型的访问，并更新 GPT-5，使其回答在保持独立性的同时更温和、友好。
OpenAI近期也在最新研究中讨论如何减少大模型幻觉问题，让模型变得越来越聪明。OpenAI认为，大语言模型之所以会产生幻觉，是因为标准的训练和评估程序更倾向于对猜测进行奖励，而不是在模型勇于承认不确定时给予奖励。大多数评估方式只关注模型答对的比例，鼓励模型进行猜测，而忽略了“承认不知道”也是一种合理反应。例如，当模型被问及某人的生日，如果它随意猜测一个日期，那么它有1/365的概率猜对，而留空则肯定得零分。大型语言模型本质上总是处于“考试模式”，回答问题时似乎只有正确或错误，黑色或白色。因此，OpenAI提出了一个简单的解决方案：对自信的错误回答施加更重的惩罚，而对表达不确定性的行为给予部分分数。
Meta纠正招聘热潮，超级智能实验室裁员约600人。此次裁员并未波及Meta最新招聘的人工智能人才。
根据一份转达给《纽约时报》的Meta员工备忘录，Meta于周三表示在其超级智能实验室裁员约600人。该实验室于今年7月成立，负责加速通用人工智能（AGI）研发，并由数据标注初创公司Scale AI 28岁的前首席执行官Alexandr Wang领导，约有员工3000名。
据CNBC报道，此次裁员是Meta为继续精简部门、进一步巩固Alexandr Wang在公司人工智能战略领导地位所采取的举措，通过减少层级，提高运营效率。
Alexandr Wang在发给员工的备忘录中写道，“通过缩减团队规模，决策所需的沟通环节将减少，每个人的责任会更重，所负责的范围和影响力也会更大。”
据了解，在超级智能实验室，由Alexandr Wang领导、负责研发超级智能并管理Meta大语言模型的TBD部门未受裁员影响。知情人士表示，TBD部门包含今年夏天Meta招聘的多名顶尖人工智能人才，这些由Alexandr Wang主管的员工未被裁员，凸显出Meta首席执行官马克·扎克伯格更看重这些高薪招聘的人才，而非老员工。
Meta高管强调，裁员并不意味着公司会缩减AI业务投入，超级智能仍是核心优先事项之一。两名知情人士则透露，此次裁员是为了清理组织臃肿问题。过去三年，Meta人工智能业务扩张过快，最终导致这一局面，裁员旨在帮助Meta更快地研发人工智能产品。
过去三年，Meta一直在应对人工智能技术的快速崛起。2022年ChatGPT横空出世后，OpenAI、谷歌和微软都在大举招聘，研发下一代人工智能聊天机器人及其他产品。Meta早期开发了Llama开源人工智能模型，但后续进展陷入停滞。在过去18个月里，Meta重启了招聘热潮，但也出现了战略失误，最终导致产品研发问题频发。
在经历了今年上半年的动荡后，扎克伯格重启人工智能业务，大举招聘，高薪吸纳顶尖AI人才。今年6月，他向Scale AI投资143亿美元，随后扎克伯格将包括Alexandr Wang在内的Scale AI顶尖人才纳入Meta超级智能实验室。
扎克伯格还斥资数十亿美元，从OpenAI、谷歌、微软、苹果等其他人工智能实验室和公司挖来顶尖研究人员，甚至向其中一些人才开出高达数亿美元的薪酬。
今年8月，扎克伯格将Meta超级智能实验室拆分为四个部门，其中人工智能基础研究部门（FAIR）负责人工智能研究，其余三个部门分别负责超级智能研发、产品开发和基础设施建设。在Meta内部，像FAIR这样的研究团队与更侧重产品的团队常常争夺计算资源。
两名知情人士称，重组之后，FAIR部门的员工纷纷争取加入Alexandr Wang的团队。Alexandr Wang领导的核心团队成员均来自OpenAI、谷歌等公司的外部招聘人员，不过最近他也从Meta其他部门吸纳了数十名具备特定专业知识的人工智能研究人员。
据了解，此次裁员将波及的是超级智能实验室的FAIR部门、产品部门和基础设施部门的员工，负责研发超级智能的TBD部门未受裁员影响。被裁员工已收到邮件通知，Meta计划为受影响员工在公司内部寻找其他岗位。10月23日，Meta AI华人科学家、FAIR研究员及高级经理田渊栋在社交平台发文称，他和他的几个团队成员都受到了裁员影响。田渊栋的研究方向为大模型高效训练及推理、表示学习、智能决策与优化。
随后，澎湃科技联系到了田渊栋本人，他向澎湃科技证实了这一消息。他透露，在此之前，他已经在寻找一些外部机会，公司领导也知情，Meta这次裁员赔偿了他八个月的薪资，现在他也在积极接洽一些外部工作机会。
近日，南方医科大学中西医结合医院教授杜庆锋团队联合中国疾病预防控制中心慢性非传染性疾病预防控制中心主任吴静团队，首次基于中国大规模人群数据研究发现，糖尿病共病高血压会显著提升老年人认知障碍的发生风险。其中，共病10年以上的患者痴呆风险激增73%，不过规范药物治疗可明显降低此类风险。相关成果发表于《阿尔茨海默病研究与治疗》。
研究人员依托“中国老年人神经退行性疾病预防与干预数据库”纳入13252名受试者，系统分析了糖尿病、高血压及其共病状况对不同阶段认知障碍的影响，为在中老年群体中开展认知障碍防控提供了关键循证依据。
研究发现，糖尿病共病高血压对痴呆的影响（OR=1.53）显著高于单一疾病，其中高血压对痴呆的影响OR值为1.18，糖尿病对痴呆的影响OR值为1.26。这表明，两种疾病共病时对认知功能的损害并非简单的相加，而是存在协同放大效应。
随着共病时间的延长，认知障碍发生风险持续上升。持续10年以上共病的患者，发生轻度认知障碍和痴呆的风险分别升至1.43倍和1.73倍。这表明，对于糖尿病共病高血压的患者，长期的病情管理至关重要。
高血压患者若在45至64岁确诊，痴呆风险显著上升（OR=1.22）。这说明，高血压发病年龄越早，对认知功能的潜在损害可能越早开始积累。糖尿病早期患病对认知功能的影响更为显著，45岁以下确诊的患者痴呆风险高达4.55倍。这进一步强调了早期预防和干预糖尿病对于保护认知功能的重要性。
该研究明确指出，糖尿病和高血压作为单一危险因素均会影响认知功能，而其共病状态会导致风险叠加效应，且早期发病及病程延长会进一步加剧认知障碍的进展。研究结果强调，要高度关注糖尿病共病高血压患者的高认知障碍风险，重视在共病人群中推行规范治疗与长期管理。
“该研究为将来在社区和临床中制定认知障碍高风险人群的早期干预策略提供了重要科学依据。”论文共同通讯作者杜庆锋建议，应加强对中老年糖尿病共病高血压人群的筛查管理与用药依从性支持，这可能是延缓或降低认知障碍发生的有效途径。
相关论文信息：https://doi.org/10.1186/s13195-025-01761-3
（原标题为《南方医科大学中西医结合医院等：糖尿病共病高血压显著加剧认知障碍风险》）
10月22日，中美两国人工智能领域的顶尖专家和技术领袖联名发起一项呼吁，在科学界达成“安全可控开发超级智能的广泛共识”前，应暂停“超级智能”的研发。
中外顶尖科技专家联名签署情况
该声明由非营利组织未来生命研究所发起，包括人工智能先驱杰弗里·辛顿（Geoffrey Hinton）、苹果公司联合创始人史蒂夫·沃兹尼亚克（Steve Wozniak）、维珍集团董事长理查·布兰森（Richard Branson）、经济学家达龙·阿西莫格鲁（Daron Acemoglu）以及前美国国家安全顾问苏珊·赖斯（Susan Rice），都参与了签名。
值得一提的是，哈里王子及其妻子梅根、萨塞克斯公爵和公爵夫人、史蒂夫·班农（Steve Bannon）和等知名人士也参与了联合签署声明。
截至10月23日中午，这份声明的签署人数已经达3193人。中国科学院院士、图灵奖得主姚期智、清华大学智能科学讲席教授、智能产业研究院院长张亚勤，以及清华大学战略与安全研究中心学术委员、苏世民书院院长薛澜等中国学者也位列其中。
声明 来源：官网截图
“超级智能”是一种在所有认知任务上都超过人类的人工智能形式。有别于当下绝大多数公司研发通用人工智能，“超级智能”的前景引发业界担忧。该声明称，许多顶尖AI企业将要打造超级智能，“引起了人们的担忧，从人类经济过时和被剥夺权力、自由、公民自由、尊严和控制的丧失，到国家安全风险，甚至潜在的人类灭绝。”
参与这一呼吁的北京前瞻人工智能安全与治理研究院院长，中国科学院自动化研究所研究员曾毅告诉澎湃科技（www.thepaper.cn），目前我们还没有坚实的科学证据和切实可行的方法来确保超级智能的安全，使其不会给人类带来灾难性的风险。世界尚未准备好迎接不是可控工具的超级智能。
当前，超级智能已成为人工智能领域的热门词汇。从埃隆·马斯克（Elon Musk）的xAI到萨姆·奥特曼（Sam Altman）的OpenAI等公司都在竞相推出更先进的大语言模型。Meta甚至将其LLM部门命名为“Meta超级智能实验室”。
科技界的人们对人工智能的看法越来越两极分化：一方认为它是推动社会进步的强大力量，理应不受限制地发展；另一方则担忧其潜在风险，主张加强监管。
然而，即使是马斯克和奥特曼等世界领先人工智能公司的领导人，过去也曾警告过超级智能的危险。在担任OpenAI首席执行官之前，奥特曼在2015年的一篇博客文章中写道：“发展超人类机器智能（SMI）可能是对人类持续存在的最大威胁。”
曾毅认为，绝大多数公司研发的只是通用人工智能工具，这并不是超级智能。但是超级智能的风险是并没有科学依据可以控制的。美国企业，例如Meta建立超级智能实验室，以及阿里声称的开发超级智能，这并不只是通用人工智能工具。
澎湃科技注意到，据《纽约时报》报道，10月22日联合声明发布当天，Meta在超级智能实验室裁员 600人。该部门拥有约 3000 名员工，他们被授权开发“超级智能”，即超越人脑的人工智能。
Ｍeta新任首席人工智能官亚历山大·王 （Alexandr Wang）表示，裁员旨在清理因三年来过快建立Meta人工智能工作而导致的组织臃肿，从而帮助Meta更快地开发人工智能产品。Meta高管强调，裁员并不意味着他们正在缩减人工智能方面的工作，超级智能仍然是扎克伯格公司的首要任务之一。
10月21日，OpenAI推出人工智能浏览器ChatGPT Atlas，这是一款基于ChatGPT构建的新型浏览器。它保留了传统浏览器的外观，但核心功能是让用户能在任意网页上，直接使用ChatGPT来生成摘要、解答疑问或完成各种任务，相当于在浏览器内置了一颗ChatGPT的聪明大脑。
OpenAI推出人工智能浏览器ChatGPT Atlas
据了解，Atlas将首先在macOS系统上推出，随后将支持Windows、iOS和Android，并向所有用户免费开放。
OpenAI首席执行官萨姆·奥特曼（Sam Altman）在直播中谈到Atlas产品理念时说：“我们认为，人工智能代表了一个罕见的、十年一次的机会，可以重新思考浏览器是什么，以及如何最高效、愉快地使用网络。”
据OpenAI产品负责人亚当·弗莱（Adam Fry）介绍，ChatGPT Atlas将具备侧边栏功能，能自动获取屏幕内容的上下文。用户可以在任何文本字段中调出ChatGPT进行编写或编辑，无需来回复制、粘贴。
Atlas 主页 来源：OpenAI 官方截图
此外，ChatGPT Atlas拥有浏览器历史记录功能，这意味着ChatGPT可以记录用户访问的网站及其操作，并利用这些信息使回答更加个性化。例如用户可以向ChatGPT提问：“查找我上周查看的所有招聘信息，并创建行业趋势摘要，以便我为面试做准备。”用户始终控制存储于Atlas中的浏览器记忆，可以随时查看、存档或删除。
使用Atlas浏览器，用户还可以用“智能体（agent mode）模式”让ChatGPT执行任务。比如规划晚宴时可以直接把食谱交给ChatGPT，它就能自动搜索超市、将所需食材加入购物车并配送到家。在工作中也可以直接指示ChatGPT调取以往的团队文件，进行最新的竞品调研，并把关键发现整理成简报。目前该模式仍处于实验阶段，仅适用于为ChatGPT Plus和Pro版本支付月费的用户。
Atlas 主页 来源：OpenAI 官方截图
浏览器正迅速成为人工智能行业的下一个战场。科技公司一直在大力投资自己的浏览器和新的人工智能功能，试图从谷歌的Chrome手中抢夺市场份额，后者占据了全球浏览器市场近72%的份额。
此前，已有多家初创企业推出自主研发的AI浏览器，例如Perplexity的Comet和总部位于美国纽约的浏览器公司The Browser Company推出的Dia。谷歌和微软也分别尝试通过为Chrome和Edge添加AI功能来升级产品，力求让自家传统浏览器在竞争中脱颖而出。
相较于其他初创企业推出的AI浏览器，Atlas的核心优势在于强调“ChatGPT在浏览器中的深度整合”，能够减少用户从“浏览器到聊天工具”转换的步骤。此外，OpenAI强调，Atlas的记忆能力更强，可以记住用户的浏览记录。
Atlas推出当日，谷歌母公司Alphabet的股价收盘下跌2.4%，反映投资者对Alphabet核心业务部门面临潜在威胁的担忧。谷歌的 Chrome浏览器一直在网络浏览器领域占据着绝对的市场份额，任何依托OpenAI人工智能能力的新进入者都可能构成竞争挑战。
美国深水资产管理公司（Deepwater Asset Management）管理合伙人吉恩·芒斯特（Gene Munster）分析认为OpenAI和谷歌都能在搜索领域获胜，Atlas提高了浏览器的门槛，谷歌可能会在一年内做出回应。
在本月初于阿塞拜疆举行的国际大学生程序设计竞赛（ICPC）世界决赛中，OpenAI、谷歌DeepMind两家公司的人工智能模型获得了金牌级别的成绩，顺利解出人类参赛者无法完成的问题。DeepMind称之为“朝着通用人工智能（AGI）迈进的历史性时刻”。
ICPC世界总决赛汇集了来自全球103个国家、近3000所大学的139支顶尖队伍。在一共12道题目中，排名第一的是OpenAI，成功解决全部12道题目。Gemini 2.5 Deep Think模型最终解决10道题目，达到金牌水准，位列第二。
OpenAI参赛系统由多个通用模型组成，包括GPT-5和一个实验性推理模型。其中，GPT-5解决了11题，实验性推理模型解决了最难的第12题，并负责最终提交决策。所有模型均未针对ICPC进行专门训练。OpenAI技术团队在赛后表示，“我记得刚加入OpenAI时，我们最好的AI模型甚至连Codeforces的简单问题都解决不了。看到过去两年的进步速度，真是令人难以置信。”
谷歌方面介绍，参赛的Gemini2.5并非专门为ICPC训练，而是用户在Gemini应用中可直接使用的版本。模型在比赛开始10分钟后启动，前45分钟便解出8题，三小时内又完成两题。DeepMind称，这一表现是人工智能在“解决抽象问题能力上的飞跃”。例如，Gemini在不到半小时内解出了“问题C”——一项关于管道网络向储液器分配液体的复杂优化问题，而这一题目无人类队伍成功解答。
“对我来说，这是一个相当于国际象棋的‘深蓝’和围棋的AlphaGo的时刻。”DeepMind副总裁Quoc Le进一步解释说，“更重要的是，它更接近现实世界，而不仅仅是像国际象棋和围棋这样受限的环境。正因如此，我认为这一进步有可能改变许多科学和工程学科，”比如设计新药或芯片。
谷歌表示，Gemini 2.5 Deep Think是一款经过专门训练的通用人工智能模型，可以解决非常困难的编码、数学和推理问题，其表现“与世界前20名的程序员一样好”。在这些竞赛中解决复杂的任务需要深度抽象推理、创造力、综合新解决方案的能力，以及真正的创造力火花。
不少网友在社交平台庆祝这一历史性时刻。AI在ICPC上斩获金牌可能意味着人工智能可以成为程序员真正的问题解决伙伴。但同时也引发了未来人类的编程能力可能会永远落后于AI的担忧。
加州大学伯克利分校的计算机科学教授斯图尔特·拉塞尔（Stuart Russell）在细节公布之前表示，“具有划时代意义的说法似乎有些夸大其词。”他认为，人工智能系统在编程任务上表现优秀已经有一段时间了，而“人工智能公司一直声称取得突破要面临巨大的压力。”
同时他也承认，“要正确回答ICPC的问题，代码实际上必须能够正常工作（至少在有限数量的测试用例上），所以这种性能可能表明，人工智能编码系统在足够准确地生成高质量代码方面取得了进步。”
截至10月27日，上交所融资余额报12465.07亿元，较前一交易日增加115.07亿元；深交所融资余额报12101.60亿元，较前一交易日增加128.64亿元；两市合计24566.67亿元，较前一交易日增加243.71亿元。
·AI的出现，使得物质科学研究的范式已经发生了变化，也将推动新材料的研发数量和质量出现本质变化。
·创新首先是激发人才的创新兴趣，其次是社会要能够容忍创新过程中的失败”。
一、
作为一名从事计算的物理学工作者，如果没有AI的出现，我可能已经在思考“退休”了；但AI来了，物理研究的范式已经发生了变化，研究技术、研究效果和解决问题的难度都发生了根本性的变化。以前解决不了的问题，现在有了解决的可能。这是一个激动人心的契机，但也是充满压力的挑战，对于我来说，现在我们所做的AI物理，是一个全新的领域，也是我从事学术研究以来从未遇到过的大挑战。
技术的革新和经济的发展越来越依赖新材料的进步。以往的新材料研发主要依据研究者的科学直觉和大量重复的“尝试法”实验。材料的研发有点像玩乐高积木，可以有很多种搭法、无穷的组合可能，但什么样的材料是有用的，过去没法直接回答。但有了AI技术后，可以在一定程度上回答这个问题，AI可以快速地进行配比、模拟来验证。AI提供了一种全新的研究范式。
AI技术，特别是深度学习，正在深刻地变革分子动力学模拟领域，解决了该领域长期存在的一些核心瓶颈问题。譬如传统分子动力学的核心是“力场”，即描述原子之间相互作用力的数学函数。传统力场基于简单的物理近似，虽然计算快，但精度有限；而高精度的量子力学计算虽然准确，但计算成本极高，无法用于大体系或长时间模拟。AI通过从量子力学计算产生的大量数据中学习，可以构建出既接近量子力学精度、又接近传统力场计算速度的机器学习力场。
用传统的实验设备是无法捕捉分子的动态过程的，但AI（如无监督学习算法）能分析模拟数据，自动识别出描述动态过程本质的关键变量（反应坐标），让我们能实际“看到”原本几乎不可能捕捉到的动态过程。因此，AI使得分子动力学模拟在物质科学领域再一次出发。
二、
2024年，上海高校人工智能交叉中心——数智物理（AI Physics）在复旦大学成立，这是国内第一个“AI+物理”数智中心，对于我来说，跨入这一领域，压力很大，因为这是一个交叉学科，而我也只熟悉我自己那一小部分，以前在我的研究领域知识面，现在这个领域被重构了，需要涉及很多不熟悉的内容，我们需要更多的人来参与这一研究。
目前，“原始创新不足”是我们的一个很大挑战。以前我们可以学别人，跟着别人跑，但现在我们的科技发展已经跑到了很前面，后面能否跑好，其中一个重要的因素在于我们的创新人才。基础研究和应用研究都需要创新人才。
中国的人才培养有自己的特色。在过去的几十年，国家在人才培养方面下了很多功夫，但在创新人才培养方面，我觉得还有很多可以向别人借鉴的地方。比如说，鼓励学生创新，激发学生兴趣，容忍失败等。
我觉得中国的教育应该发展不同的教育元素，应该更加多元。中国现在有3000所大学，应该有一些不同类型的大学。如果教育都是一个模式，所有人都做一样的事，内卷一定会发生。
今年复旦大学物理系首次设立了量子智能英才班，我们尝试更多地加入创新人才培养理念与中国教育实践相结合，探索人才培养的新模式。英才班计划分两类招生：一是高考统考，二是入校后的“二次选拔”。入选的学生进行本博融通教育，本科毕业后授予物理学、人工智能的双学位。在校期间，英才班鼓励学生创新，开展批判性思考，并与清华、南大等高校建立交流机制。我觉得中国的本科生教育最重要的目标，应该是培养一些创新能力比较强的学生。
9月23日，第25届中国国际工业博览会（下称“工博会”）在上海开幕，“AI智能制造”是今年展馆里最醒目的主题：“工业+具身智能”、“AI驱动，让算法更智能”、“数智融合”等与AI智能制造相关的标语随处可见，从能与人实现对话交互的协作机器人，到工业具身智能柔性生产线在展会现场演绎一条产线“永不停歇”，AI正以前所未有的密度出现在工业制造的舞台。人工智能技术正在推动行业的数字化转型和智能化发展，AI正成为影响工业企业发展的重要因素。
但眼下产线的稳定性和AI落地后的成本问题，仍是绕不过的两大门槛。
AI超级生产队
在工博会现场，微亿智造携手捷勃特发布工业具身智能柔性生产线“创TRON”新产线。这条工业具身智能柔性生产线由8台机器人组成，既能完成生产过程中将物料上下料，还能进行检测和装配，一旦有机器发生故障，临近的机器设备会自动分担任务。“这是24小时不间断标准化生产的超级生产队”。微亿智造董事长兼CEO张志琦这样形容。
张志琦认为，要让AI很好地赋能生产，关键是让AI吸收人类老师傅的经验，把人类几十年的制造智慧转化为模型。“过去是师傅带徒弟，现在是师傅教AI，AI再去组织生产。”
在本届工博会上，英特尔以工业AI为核心概念，携手多家生态合作伙伴，对外展示了在具身智能、人形机器人、工业AI与大模型、工业机器视觉、工业控制等领域的前沿解决方案与算力平台，还发布了基于英特尔® 酷睿™ Ultra平台的具身智能工厂落地案例。
根据英特尔发布的《智启边缘：英特尔软硬件一体化赋能产业AI应用实践白皮书》（以下简称《白皮书》），预计到2028年，中国工业企业AI支出将达到900亿元人民币， CAGR（复合年增长率）为37.7% 。利用先进的算法和强大的计算能力，AI和大模型能够优化生产流程、提高产品质量、降低成本，并增强供应链管理。
微亿智造则提出一种可能性，未来工厂生产线70%仍将保持传统自动化，20%由具身智能补足，10%留给人创造更大价值。“具身智能不会让工人都下岗，而是释放人力，从繁重重复劳动中解放出来。”张志琦称。
微亿智造携手捷勃特发布工业具身智能柔性生产线“创TRON”新产线。
高成本与“不稳定性”的担忧
AI正在逐步渗透进工业制造，但算力、数据、成本和生态的现实瓶颈，决定了它不可能一蹴而就。
未来工业领域AI智能化的趋势是让机器人能够自主判断要抓取的物体、要焊接的工件，业内人士判断，这一过程需要5到20年才能实现。
在工博会现场，上海松川远亿机械设备有限公司展示了一款AI语音交互功能的协作码垛机器人操作。该公司工作人员黄云龙介绍，操作员可以用语音对话唤醒机械臂抓取，但目前还未正式投入产线使用。
英特尔中国边缘计算事业部行业解决方案总经理李岩在接受澎湃科技采访时指出，工业制造领域本身是一个高度讲究可靠性、准确性的场所，对新技术、新产品的接受度一定不会太激进。企业必须看到数据验证结果，算清ROI（投资回报率），确认有实效，才会真正部署，“这是我们常说的‘最后一公里’问题”。
眼下，企业普遍担心AI落地后的高成本和产线稳定性问题。
据黄云龙介绍，不加AI语音功能的码垛机器人，一台售价在3万到4万元，一旦搭载了AI功能，单价会明显上涨。对于多数工业制造企业而言，加入AI功能必须算得过一笔账，一台设备替代两个人工，两年内若收不回成本，就不可能投入生产线。
产线的稳定性同样关键，机器一旦出问题，停一条产线的损失，远比少几个人力大。 另有参展商告诉澎湃科技，工业机器人加入AI功能，具备自主判断的“智能抓取”还处于展示阶段，到真正应用还需一定的时间。
AI落地工业制造离不开算法、算力和硬件的支撑。
英特尔技术专家介绍，工业现场很多场景无法依赖云端算力。视觉检测和机器人控制都要求毫秒级响应，只能在端侧部署。因此，如何在功耗和成本受限的边缘设备上运行AI，成为关键挑战。对此，英特尔提供的解决方案覆盖从边缘端到数据中心的全链算力平台，包括酷睿Ultra处理器、Xe内核与MXM矩阵加速引擎显卡系列等产品，满足从机器视觉到大模型部署的多类需求，就是为了帮助客户加速工业AI大规模落地。
张志琦称，具身智能和AI时代，很多传统自动化理论和经验已经被颠覆。市场需要一个认知过程。就像自动驾驶经历了从“全自动”到“辅助驾驶”的回调，工业AI也在寻找最合适的落地姿态。
