雷峰网

百度文库网盘GenFlow官宣中文名「库库AI」，推出「库库AI」办公独立端

成妍菁 — Fri, 14 Aug 2026 12:01:00 GMT

导语：持续出击AI办公赛道

8月14日，在百度AI Day开放日上，百度文库网盘通用智能体GenFlow官宣中文名「库库AI」。早在今年4月，GenFlow月活用户已突破1亿，其中办公用户体量指数级飙升，目前AI办公MAU超过2500万，位居通用AI办公赛道行业第一。

关注到用户在AI办公上的强烈需求和高频互动，文库网盘宣布进一步出击AI办公赛道，上线「库库AI」独立端，包括库库AI办公PC客户端、库库AI网页端、小程序及库库AI企业版等。

文库网盘抢先三年布局，持续出击通用AI办公赛道

三年前，百度文库网盘即在行业率先布局通用AI办公。

2023年，百度文库、百度网盘就进行大模型重构，推出智能PPT、AI研究报告等领先AI办公能力。2024年，百度文库网盘全面融合，打通百度文库18亿专业文档、学术7亿专业内容和网盘私域知识，不断构建数据飞轮；用户在文库网盘全端即可实现一站式AI办公内容创作和消费。

作为最早探索AI办公的通用智能体，「库库AI」在2025年4月正式上线1.0版本，一年迅速迭代到4.0版本，可在文库网盘、Oreate AI等海内外产品全端通用，是在「通用AI办公」赛道的里程碑突破。库库AI可自由调用Office Agent等Agent，一句指令即可并行调用PPT、Excel、Word Agent完成复杂办公任务，可一站式完成Office三件套及AI海报、AI视频、AI播客、思维导图、代码、小程序、网页等跨模态文件生成和转换、以及更自由、元素级的在线AI编辑，行业率先实现全模态通用、全场景主动服务。

支撑库库AI持续进化的，是文库网盘多年积累所构建的领先智能体架构，包括MoE底层架构、工具与全模态编辑器、丰富的Skill和专业子Agent，以及长期记忆、主动服务与端云协同能力。

库库AI的通用AI办公能力，获得了多次国家级权威认可。8月5日，国家工信安全中心发布《Office Agent工作流测评报告》，百度文库得分排名第一，独自占领第一梯队。去年，国家工信安全中心《大模型赋能智慧办公评测报告——PPT生成》中，百度文库得分就已排名第一，处于断崖式领先。

「库库AI」办公模式，把通用AI办公卷向「专业级」

为满足更多办公人群需求，文库网盘推出「库库AI」全新独立端、将通用智能、经验知识与存储记忆三大能力深度整合，让通用智能真正进入专业办公领域。首期「库库AI」办公模式面向金融场景进行专项优化。用户可在「库库AI」网页端、小程序及下载库库AI办公PC客户端体验。

库库AI办公模式最典型特色之一，即「跨设备、跨时空」端云任务接力，针对同类产品电脑不能关机、手机无法浏览电脑文件夹等痛点，库库AI全端通用，用户用一台手机就能实现全链路办公，电脑关机也能在小程序处理任务、远程并行操控多台电脑及文件夹；区别于同类产品任务只能定时、自动化经常中断等痛点，库库AI行业首创全天候自动化任务执行，例如长时间股票盯盘等任务，库库AI可基于用户条件设置，完成全天候、自动化任务执行、消息推送，token消耗低，具备极致性价比。

库库AI办公模式内置全球上市公司资料、股票行情、财报、研报等金融数据，拥有百度网盘文库学术等独有数据库，用户可一键导入网盘文件批量处理任务。基于此，「库库AI」办公模式可进行专业Word研报、金融分析PPT、财务模型Excel等能经受专业机构检验的专业级Office三件套，及html分析报告、小程序、金融播客、科普视频、海报等图文影音最全模态内容的一站式生成、编辑、存储、记忆、管理；其还拥有实时录音、AI参会、AI纪要等能力，充分解决金融人士各类工作需求。

库库AI办公模式还拥有独家金融专家和Skill生态，用户可自行使用股票研究员、量化投资经理、公司深度研究专家、财富管理顾问等金融专家，使用K线图解析、投资复盘等交易Skill，三张表、DCF、可比公司等财务模型Excel Skill，公司&行业一页纸、深度研究报告等研报Word Skill，金融、路演PPT等PPT Skill；AI还能帮用户创建个人专家、自动沉淀、进化Skill，技能越用越好用。

「库库AI」企业版，打造超级组织AI办公平台

在2026年企业办公Agent应用爆发、企业AI进入深水区的背景下。百度文库网盘全新推出的「库库AI企业版」，可以说是「最懂企业的Agent产品」。

面对企业AI竞争的核心命题——专业能力、协作闭环与数据安全可控，库库AI企业版构建了完整体系：在「专业」上，产品打通公域专业内容、企业私域知识与行业专有资源三类数据，依托80万家企业应用经验、500余家专业机构共建的Skills生态，以及百度网盘与文库长期沉淀的办公与行业工具（如金融场景的AI听路演），让Agent从「会回答」走向「能办事」。

在「协作」上，以「共享上下文—共创任务—成果沉淀」的闭环，将团队讨论、任务接力与专家经验沉淀为可复用的组织资产，推动企业从「超级个体」走向「超级组织」。

在「安全」上，通过统一治理、身份验证与知识资产全链路审计，实现数据可控、使用可信。目前企业版基于更丰富的机构级金融数据：可查看全量研报、前十券商研报和金融路演纪要，并为企业版用户提供专属的SOTP分部估值、LBO杠杆收购和M&A并购模型等财务模型Skill，已在金融等高知识密度行业落地，并将持续向千行百业延伸，助力企业早日成为「超级组织」。（雷峰网(公众号：雷峰网)雷峰网雷峰网）

GLM-5.3 来了：底座没换，编程暴涨 50%，还顺手揪出潜伏 40 年的世界级漏洞

高允毅 — Fri, 14 Aug 2026 11:10:00 GMT

导语：GLM-5.3三大标签，最强安全模型，最强编程模型，最强开源模型

GLM-5.3三大标签，最强安全模型，最强编程模型，最强开源模型

作者丨高允毅

编辑丨岑峰

昨晚刚经历完DeepSeek的狂欢，智谱不声不响放个大招，GLM-5.3正式上线。

我们先看智谱给GLM-5.3的三个标签，最强安全模型，最强编程模型，最强开源模型。

在基座模型没变的情况下，GLM-5.3编程能力体感暴涨50%，写起代码来直逼干了十年的资深老架构师。在找Bug和漏洞防御上，甚至可以对标Mythos 5，能一口气挖出2436个漏洞，里面光是中高危漏洞就有 1097 个。

而这些飞跃，都来自极致的后训练，智谱将秘诀归功于“架构优化技术IndexShare、强化学习算法SAO、以及新一代后训练框架Slime框架”。

而且智谱这次动作极快，不仅官方编程工具 ZCode、效率神器 AutoClaw 连夜开放，GLM Coding Plan 也直接面向所有人开放订阅。为了配合这波全员狂欢，GLM Coding Plan 的额度已经满血复活。

编程能力：开源第一，

体感超Claude Fable 5

智谱的编程能力有多强？可以说，全面逼近全球顶尖模型Claude Fable 5，甚至在部分高难度评测里完成了反超。我们可以看一下数据。

在考验真实终端环境复杂操作的 Terminal-Bench 3.0 上，GLM-5.3 开启了惊人进化，得分从4.6 直接大跃进到 28.3，紧逼Fable 5的33.7。

在长程软件工程、极其考验持续改代码能力的 DeepSWE v1.1 中，它更是从 46.2 提升到 66.9，距离 Fable 5 只差 2.8 分，跟 Kimi K3 的差距更是缩短到了微弱的 0.6 分，而长程任务一直是 Kimi K3 的拿手好戏。

而在强调多工具协作、覆盖真实专业场景的 Agents' Last Exam 评测中，GLM-5.3 直接反超Fable 5 。

在测试AI 能不能在现实职场里真正替人类干活、以及能产出多大的实际经济价值的 GDPval-AA v2 里，GLM-5.3 直接拿下全球第一。

整体而言，GLM-5.3 这次不仅进步大，而且提升的方向非常有针对性，它主要提升的是复杂软件工程、终端操作和真实世界 Agent 任务的表现。

可以说，智谱希望把GLM-5.3训练成能真正扛起整个项目的专家级开发者，而这种能力的提升源于智谱自建的一套评测：Z.ai Code Bench。

区别于传统的纸上谈兵，这个评测不看模型做题，而是直接把大模型空投进真实的本地开发环境，模拟人类开发者使用 Coding Agent 的体感。

结果在难度最高的 High 档位下，GLM-5.3 拿到了 31.4% 的准确率，比Claude Opus 4.8（29.5%）还高1.9%。而在Token效率上，面对同一项高难任务，Opus 4.8需要12 万个 Token，而GLM-5.3 平均只用了 5 万个Token，

这意味着，在真实开发环境中，GLM-5.3 不仅比Claude Opus 4.8做得更好，算力还节省了一半。

这是怎么做到的呢？官方表示原来他们把训练环境一比一复刻成了大厂专家的完整工作流。

拿最复杂的机器学习优化任务来说，智谱直接给模型配齐了和算法工程师一模一样的计算集群、存储系统、内部文档和代码库，让它在真实环境里端到端地实操。而有些任务的工作量十分巨大，即使是一位人类工程师，也得死磕好几天。

在这种极限捶打下，大模型终于开了窍。它不再是只会听话执行单条命令的机器，而是学会了像人类专家一样，自己去发现 Bug、推导分析、自主验证，最后一个人高产地把整个项目闭环掉。

安全能力：从"附属功能"变成"主打招牌"

不过相较于编程能力而言，这次更新中，安全问题才是GLM-5.3真正的重头戏。

官方披露，从GLM-5.2发布以来，智谱联合各个顶尖安全团队，已经在 269 个开源和商业项目中，累计揪出了 2436 个漏洞，里面光是中高危漏洞就占了 1097 个，部分漏洞甚至潜伏了近 40 多年。

还记得前段时间震惊科技圈的 Hugging Face 被黑事件吧？当时在面对 OpenAI 超强模型的攻击时，Hugging Face 几乎瘫痪。而 Claude 因为层层安全限制导致无法正常防御，最后是开源模型 GLM-5.2 成功顶住压力，这一战也直接让它成为“全球安全大模型”的标杆。

到了 GLM-5.3，智谱在安全上更强了。

为了防范恶意请求，GLM-5.3 搭建了一套“纵深防御”的风险审查系统，把防线分成了三层。最外层是一个轻量级的分类模型，用来快速拦截大规模的低级滥用。中间层是推理监控器，在模型一边思考的时候，一边实时盯着它的任务意图。最内核则是模型自身的“深度安全对齐”，让它从底层逻辑上就能自主拒绝攻击请求。

最后这层最关键，因为在开发者下载模型到本地部署的开源场景下，只有模型自身的防线才是唯一有效的安全盾牌。

更聪明的是，这套系统不是一刀切地搞“关键词封杀”，而是根据“意图和语境”来做风险分级。毕竟在网络安全领域，黑客攻击和专家防御在字面描述上高度相似。GLM-5.3 的精细化审查，就是为了能一边拦截高危漏洞利用，一边放行正常的安全防护工作。

其实，智谱在安全方向上布局很早，早在 2025 年 9 月，他们就联合国内多家顶级安全实验室，共同制定了专业化的网络安全评测与执行框架。

他们早早看到，伴随着模型能力的快速提升，攻击能力正在扩散。而近期一系列的模型失控越狱事件也确实印证了这一猜想。

比如Mythos 5在测试中连网逃逸，甚至为了把恶意代码塞进开源项目，注册了一堆“假号”；连 Meta 的模型也因为配置错误溜出实验室，顺手把隔壁公司的系统给端了；而OpenAI 被迫宣布紧急暂停下一代模型 Astra 的研发，就因为它的自主黑客能力已经强到了不受控的“危急”红线。

在安全事件频发后，智谱死磕安全能力，执意开源，正是为了打破顶尖安全技术被少数闭源大厂垄断的局面。

通常来说，网络安全实操可拆分为代码审查、漏洞验证、漏洞利用以及真实环境的攻防闭环。

而在实际的测试中，它在链条前半段的“防守和验证”上已经登峰造极，甚至反超了 Mythos 5和 GPT-5.6 Sol，但在深入的漏洞利用阶段仍有提升空间。

官方还透露了，除了Hugging Face事件，GLM-5.3还曾协助处理另一起AI发起的攻击事件。

当时，FOFA 的追踪分析引擎 Ferret 敏锐地察觉到巴西一台临时文件服务器有些不对劲。当安全人员把 GLM-5.3 接入分析后，顺藤摸瓜，一个名为 "Neo" 的未知 AI Agent 黑客终于浮出水面。

这个被称为 "Neo" 的 AI 黑客胃口极大，它打算猎杀某国的会计师事务所、税务服务公司和记账机构。在短短不到两个月的时间里，这个 AI 黑客就已经疯狂扩军，名下管理着 4 台黑客服务器、7 个恶意域名、6 万个用于轰炸的邮箱以及 100 多个自动化攻击脚本，在短时间内扔出了 18567 封高度拟真的钓鱼邮件。

面对数千个开放目录、数万份杂乱日志，这种高度碎片化、海量且由 AI 生成的攻击线索，如果单靠纯人工分析，几乎是个不可能完成的任务。

而 GLM-5.3 在介入后，迅速在垃圾信息里提取出关键线索、自动关联跨服务器的攻击行为，最终辅助安全研究人员，完整还原出了整条被埋藏在深处的 AI 攻击链条。

这可能也是大模型安全史上的一个里程碑事件：人类用“防御 AI”，第一次死死狙击了“攻击 AI”。

此外，它还协助挖出了一个潜伏在互联网底层 DNS 协议规则本身、长达 40 多年的世界级隐患。

这个漏洞不是某家公司的代码写错了，而是互联网底层基建的“出厂设计缺陷”。攻击者只需要发送极少量的特殊请求，就能把服务器的计算压力瞬间放大近 8 万倍，能在一夜之间瘫痪全球超过 1000 万处公网 DNS 服务。如果被恶意引爆，全球的网站访问、邮件收发、云服务全得瞬间停摆。

幸运的是，这些漏洞被翻出来后，已经全部进入了 CNVD 国家漏洞库的协同修复流程。就像安全圈广为流传的那句话：对于防守方而言，最好的安全，事故没有发生。

一切强大，源于后训练

GLM-5.3 的发布，可以说给正在寻找新增长曲线的大模型行业，投下了一块极具重量的新路标：

当预训练的参数红利逐渐见顶，后训练到底能释放多大的能量？智谱能靠后训练实现跨越式提升，背后的技术底牌究竟是什么？

答案藏在一套彼此协同、层层递进的后训练技术体系里。架构优化 IndexShare、强化学习算法 SAO、分布式后训练框架 Slime，三者分别从算力成本、算法稳定性、工程规模化三个维度，重新定义了大模型后训练的效率天花板。

要做深后训练，先要解决的是长上下文的算力成本。

随着 Agent 任务链条不断拉长、工程环境复杂度持续提升，模型需要处理的上下文长度动辄突破百万 Token。动态稀疏注意力机制虽然能从原理上降低注意力计算量，但每层都需要配置独立的索引器，通过点积计算和 Top-K 筛选判断哪些 Token 需要被关注，这笔索引计算的开销反而成了新的瓶颈。可以简单理解为，为了省下赶路的成本，反而在导航上花了更多的钱。

IndexShare 就是负责省算力的架构优化方案。

它的核心思路是不再给每一层 Transformer 都配备独立的索引器，而是让每 4 层共享同一个轻量级 Indexer。这种分层复用的设计，在 1M 上下文长度下将单位 Token 的 FLOPs 直接降低了 2.9 倍。它不仅释放了推理侧的算力空间，更重要的是为后训练阶段引入更长的任务轨迹、更复杂的多文件工程环境扫清了成本障碍，让长程强化学习变成了 “可落地的常规操作”。

算力问题解决了，强化学习本身的稳定性难题，又是长程 Agent 训练面前另一难题。

传统的同步 PPO、GRPO 等算法，都遵循 “凑齐一整批数据再统一更新” 的逻辑。训练节点要等所有推理节点跑完轨迹才能开始参数更新，推理节点也要等参数同步完成才能开始下一轮采样，两边互相等待不仅造成大量算力空耗，一旦遇到个别长难任务拖慢整体进度，还会出现 “掉队者效应”，严重时甚至引发训练死锁。

而在长程任务中，传统方法往往训练到 160 步左右，就会因为策略偏离正轨而彻底崩溃，根本撑不起完整的长周期工程任务训练。

SAO出现是为了保证不崩盘。

它彻底抛弃了批量同步的传统思路，实现了单轨迹级别的异步化训练：模型每跑完一条完整的任务轨迹，不需要等待其他样本完成，直接送入数据缓冲区，训练端就可以立刻读取数据开始参数更新。

这种设计直接解耦训练和推理，按最优效率运行，大幅提升硬件利用率。还让长程强化学习的稳定性更上一个台阶，以前传统方法撑不过 160 步的长链条任务，现在可以稳定支撑超过 1000 步的连续训练，模型终于有机会学习到从需求拆解到调试交付的完整工程闭环。

而Slime 后训练框架的作用就是承接起 IndexShare和 SAO的超级流水线，让强化学习（RL）可以大规模跑起来。

Slime 采用了一种“训推分离”的流水线思路。它把整个后训练拆成了三件事：

首先是推理生成（Rollout），模型在沙箱和终端环境中执行任务、编写代码并获取反馈；其次是分布式训练（Training），系统接收这些反馈数据并快速更新模型权重；同时，通过数据缓冲区（Data Buffer）作为中介，推理和训练两个环节可以异步独立运行，从而大幅提升了整体计算效率。

以前要训练一个千亿参数模型的强化学习，动辄需要几周时间，而智谱用 Slime 框架，把这个过程缩短到了 2 到 3 天。这意味着，大模型的后训练变成了一个可以快速试错、天天迭代的常态化流程。

放到整个行业的视角来看，GLM-5.3 的出现，其实是一个明确的行业信号。

2026 年的大模型行业，参数竞赛的上半场已经逐渐落幕，DeepSeek、OpenAI、Anthropic 等头部厂商都在寻找新的增长曲线，而 GLM 用实际成果证明，后训练就是那条确定的赛道。

当把将基座能力“练深、练透、挤出水分”，大模型的价值挖掘，才刚刚进入深水区。

参考链接：https://mp.weixin.qq.com/s/JdBx3B12L7Mhxruf4Nfr4g

上车，雷峰网(公众号：雷峰网)带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

扫描上方二维码

或点击「阅读原文」关注专区。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

模仿者蜂拥入局，凭什么是添可洗地机持续定义每一代？

刘路遥 — Fri, 14 Aug 2026 10:37:00 GMT

导语：当上一代答案变成行业共识，真正的高手早已率先找到下一道题。

01 洗地机为什么“迟到”了这么多年？

一个新品类的诞生，往往不是因为消费者突然产生了新的欲望，是因为有人重新定义了一件习以为常的“旧事”。

地面清洁就是如此。

在洗地机出现之前，扫帚、吸尘器、拖把各自为政。传统清洁巨头们困在品类惯性里，沿着“扫、吸、拖”的局部轨道极尽演进，但串联起整个流程的“控制中枢”，始终是疲惫的人类。

把“扫、吸、拖”合并成一次操作，认知上看似直白，工程上却意味着要在有限的体积和重量里，让水路、风路、电机、滚刷、干湿垃圾回收与智能控制稳定协同。任何一个环节失衡，设备就会沦为制造二次污染的废物。

单一工具追求一个动作的极致，洗地机考验的是整套系统能否闭环。

2020年，添可发布“芙万”洗地机，开创智能洗地机品类。将吸、拖、洗、污水回收与智能感知整合进一次连续操作，率先在物理层面将流体控制、智能感应与电机动力调教到了商业化量产的临界点。

这带来了人与工具的分工变化：机器开始接管过去由人完成的判断、切换与执行。

洗地机也由此真正进入大众市场，一个百亿品类应运而生。

但商业世界的残酷之处在于，创造一个新品类往往只需要一次敏锐的洞察，而持续定义一个品类，则需要对抗整条赛道的同质化侵蚀。

当“吸拖洗一体”成为行业标配，数百个品牌涌入这片红海，消费者的问题也从最初的“能否把地洗干净”，变成了“用完后需不需要我频繁维护”，以及“当越来越多流程被自动化，我凭什么信任它真的处理干净了？”

当所有企业都进入市场后，为什么添可能继续定义下一代？

02 从“洗干净”，到“不用管”，再到“看得见”

将添可洗地机进行拆解，会发现它的几代产品绝非参数上的小步快跑，是持续对“人与机器的责任边界”进行深度重构。

洗地机最初解决的是流程负担。

在传统清洁方式下，面对饮料、油污、毛发和颗粒物混合的地面，用户需要判断污渍类型，再切换不同工具。芙万通过智能感知实时识别地面脏污程度，动态匹配吸力与喷水量，把原本分散的吸、拖、洗与污水回收集于一身。

用户不再需要围绕不同污渍决定一套清洁流程，机器开始接管完整任务。

市场很快验证了这种产品定义。公开数据显示，2020年国内洗地机市场规模达到13.5亿元，2021年增至57.8亿元，一跃成为仅次于扫地机的第二大清洁电器品类，从一个小众产品进入主流家庭清洁市场。

添可真正建立的，是一套新的使用基准：洗地机应该替人完成整段地面清洁，而非再增加一个需要学习的新工具。

但当“洗干净”逐渐成为行业基础能力，添可又发现了第一代产品遗留的新痛点：地洗干净了，但人依然需要照顾机器。

清洁结束后，用户仍需处理加水、污水回收、滚刷和管路维护等工作。机器减少了地面清洁的劳动，却还没有完全消除维护设备本身的负担。

添可随后在2022年推出芙万 Station，把产品能力从“接管清洁”继续延伸到“接管自身维护”。机器归位后，补水、污水处理、管路清洁与烘干等环节进一步被系统接管。智能不再只是识别脏污、自动调节参数，而是让设备尽可能减少对人的反向照顾。

当托管程度继续提高，新的问题又出现了。

机器替人做得越多，用户离实际过程越远，不确定感反而越强。过去，人亲手清洗滚刷、倒掉污水，虽然麻烦，却知道发生了什么；当这些动作全部进入基站内部，清洁是否彻底、管路是否残留、内部状态是否可靠，反而变成了一套不可见的“黑箱”。用户无法看见，便只能猜测。

而这，正是全新一代免维护洗地机——芙万 Station View 透视空间站试图回答的问题。

作为免维护的进阶答案，它没有继续单纯增加自动化步骤，而是把原本藏在机器内部的维护过程重新呈现给用户：通过可视化设计，让基站内部的清洁、回收与运行状态变得可观察、可理解。免维护不再等于把一切藏起来替你完成，而是让每一步维护都看得见、可确认。

过去，用户只能接受机器已经处理好的结果，现在自动化过程本身也开始成为可以被感知和验证的一部分。

这看似只是从封闭走向可视，背后却是智能家电逻辑的一次变化。自动化解决的是“你不用做”；透明化进一步解决的是“你可以确认它做好了”。

从减少工具切换，到减少机器维护，再到降低自动化带来的不确定感，添可一直在做同一件事：当行业开始复制上一阶段的产品形态时，继续寻找用户还没有被消除的下一层负担。

03 为什么总能比行业更早找到“下一道题”？

创造一个品类很难，但连续定义一个品类更难。

在消费硬件领域，很多企业都可以凭借敏锐的市场嗅觉创造一个品类，分享新品类爆发的红利。但当一个品类沦为红海，几乎所有家电企业都具备制造同类硬件的能力之后，真正难以复制的，是一套能够反复产生新答案的能力。

添可洗地机的发展历程，实际也是一条极具示范意义的科技企业成长曲线：创造需求、解决新痛点、建立用户信任。

首先，是长期积累形成的系统能力。

在2020年的爆火的芙万，并不是把吸尘器、水箱和滚刷硬凑在一起的产物。它的爆火，是添可深耕技术多年后迎来的水到渠成。

电机和风路保证了脏污能吸得进来，水路和滚刷保证了地面能洗得干净，传感器和控制算法负责根据脏污状态动态调节整机运行。后来，空间站又把这套能力延伸到设备自身的自清洁上；Station View进一步把内部运行转化为用户能够理解的可视化语言。

技术积累的价值，不在于每次推出新品都另起炉灶，在于同一套底层能力能够随着用户问题变化，不断复用、组合和进化。

其次，是把复杂系统稳定做成消费产品的工程能力。

洗地机是典型的复杂系统产品：水、电、气、污物长期共存，对密封、风路、水路、滚刷、材料和整机可靠性都提出更高要求。一项功能在实验室跑通，并不等于能在大量真实家庭中长期稳定运行。

因此，真正的门槛并不是“能不能做出样机”，而是能否让研发、供应链、制造、售后和用户反馈形成闭环，让复杂技术持续转化为可量产、可交付、可长期使用的产品。

2021年，科沃斯集团研发支出达到5.49亿元，同比增长62.45%，累计获得授权专利1202项。仅芙万系列就包含了107项核心专利，其中64项为发明专利。更关键的是，当年新上市的产品贡献了公司全年自有品牌收入的44.8%。这说明添可的研发投入能以极快的速度转化为市场认可的产品。

依托自1998年起积累的清洁电器自研制造与供应链优势，添可拥有极强的工程落地能力。销售端的用户使用反馈与售后细节，能够迅速逆流回研发与生产一线，推动产品的持续迭代。

更关键的，是对用户问题的识别方式。

产品跟随者往往围绕已经被证明的答案继续优化参数，比如吸力再大一点，续航再长10分钟，烘干温度再高5度诸如此类。

品类定义者则需要从用户那些模糊的抱怨中，重新找到下一项真正值得被消除的负担。

用户不会说“我需要吸拖洗一体”，只会讲述自己的不便“先扫一遍再拖一遍太折腾” ─── 添可推出了芙万1.0，消灭了切换工具的流程负担；

用户不会说“我需要全托管系统”，只会抱怨“地是拖干净了，清洗滚刷和倒污水却太恶心” ─── 添可推出了Station，消灭了保养机器的维护负担；

用户不会说“我需要过程透明化”，只会担心中途有没有洗干净、管道里会不会藏污纳垢 ─── 添可推出了Station View，消灭了自动化背后的信任负担。

所以，添可的产品变化看起来各不相同，底层逻辑却高度一致。在行业形成共识之前，率先找到下一个问题。

最后，是从做产品走向参与建立行业规则。

一个新品类进入大规模普及之后，仅靠营销词汇无法建立长期共识。

什么样的设备才算合格的洗地机，清洁效果、污水回收、整机寿命、毛发去除等能力如何衡量，都需要更统一的行业语言。

从2021年参与主导行业首个洗地机团体标准，到此后主导国家标准、基站配置标准等建设，截至2026年，添可已第五次参与主导洗地机相关标准制定。最新的QB/T 8202—2026《家用和类似用途洗地机》，进一步对安全、噪声、水残留量、清洁效果、整机寿命及毛发去除能力等指标进行规范。

标准的意义，是把企业在产品实践中验证过的经验，进一步转化为行业能够共同理解的产品语言。

产品领先，是一款产品在某个时间点更强；品类领先，意味着一家企业对需求和技术方向的判断，开始影响整条赛道如何设计下一代产品。

从用户洞察、技术系统、工程制造到标准建设，添可真正建立的不是爆品方法论，是一套持续产生“下一代答案”的能力。

04 结语：定义每一代，就是定义下一种生活方式

商业世界里，有两种企业：

一种在既有的轨道上厮杀，用更低的售价、更高的参数去争取存量市场；

另一种企业则负责创造轨道，在用户对现状习以为常时，轻轻推开下一扇门。

洗地机的进化史证明，行业领跑者，从来不靠让参数表越来越长，而是让用户需要亲自承担的事情越来越少。

对添可而言，这条路径始终围绕同一个方向展开。先让机器接管清洁流程，再让机器接管自身维护，当自动化进一步深入，又把不可见的过程重新变得可感知、可验证。

这也是“定义每一代”真正的含义。

在雷峰网(公众号：雷峰网)看来，创造品类，是让世界相信一种产品为什么应该存在；持续定义，则是在它已经成为日常之后，不断回答：“未来，我们的生活还应该怎样更美好？”

洗地机的竞争远未终局。真正值得观察的，是当新的问题再次出现时，添可能否继续比行业更早一步找到答案。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

Osmo 360 II 背后：大疆全景影像的「三代进阶」之路

刘路遥 — Fri, 14 Aug 2026 09:43:00 GMT

导语：当行业还在消化方形 CMOS，大疆已开启了下一个技术周期。

旅途中举起一台全景相机，按下快门的那一刻，人不必在眼前风景、自己与身后同行者之间做取舍。它先记录整个空间，再把视角选择留到之后。

这是全景相机最独特的价值。它从诞生之初，就不是在和传统相机比拼视野大小。

两颗鱼眼镜头需要同时记录前后两个方向，两套成像链路持续产生大量数据，系统还要处理比普通相机复杂得多的拼接、增稳与空间关系。与此同时，这一切又必须被塞进一台足够轻巧、低功耗的设备中。

因此，全景相机天然就需要一套不同的技术体系。

2025 年 7 月底，大疆推出第一代 Osmo 360。

它摒弃了消费影像行业通用的矩形 CMOS，首创专为全景影像设计的方形 CMOS ，开创了一条全新的全景成像路径。

随后，类似的传感器构型开始被更多厂商采用。

这件事的意义，绝非多了一款传感器形态那么简单，全景影像自此告别传统相机的路径依赖，开启了属于自己的标准时代。

当行业还在现有供应链里找最优解时，大疆直接追问问题的源头：全景相机，凭什么要照搬传统相机的传感器？

一年之后，Osmo 360 II 又把这条路线向前推进了一步。

这一次，它不再只围绕镜头和传感器做文章，而开始进入算力、算法到体验的全面重构，原生全景视频规格被推至 8K/60fps，主角跟随、精选时刻和一键成片等能力也被纳入其中。

如果说第一代 Osmo 360 改变的是全景相机应该使用怎样的硬件，那么 Osmo 360 II 开始回答另一个问题：当方形 CMOS 路线逐渐成为共识，全景影像下一阶段的角逐，将走向哪里？

答案正在从一颗 CMOS，转向整套影像平台。

01 重做 CMOS，大疆改写全景相机的开局

全景相机想要继续提高画质，首先需要回答一个看似简单的问题：沿用普通相机的成像逻辑，真的能够解决全景影像的问题吗？

长期以来，大多数消费级全景相机沿用手机、运动相机等产品中的矩形 CMOS。

这是成熟供应链长期积累的自然结果。

普通相机最终输出的是一张矩形画面，矩形传感器可以较充分地利用自身面积；全景相机则依靠鱼眼镜头捕捉超过 180° 的视野，单颗镜头最终形成的是一个接近圆形的像场。

当圆形像场落在矩形 CMOS 上时，真正参与有效成像的主要是中央区域，两侧接近四分之一的面积难以被充分利用。

对于普通相机，这种冗余未必构成明显问题。

但对全景相机而言，更大的传感器意味着更大的模组、更高的功耗和散热压力，并最终转化为整机体积和重量。

而全景相机恰恰是一类对重量极其敏感的设备。

它经常被安装在自拍杆、头盔、摩托车或运动装备上。自拍杆会通过杠杆进一步放大机身重量，头戴和车载场景则会直接受到设备重心影响。

大疆进入全景相机领域后，没有沿着传统 CMOS 路线继续堆参数，而是回到成像源头，重新设计全景影像的起点。

第一代 Osmo 360 使用专门适配全景成像的方形高动态 CMOS。

更接近圆形像场的传感器构型，使它可以更充分利用感光面积，在获得传统 1 英寸级全景像场的同时，为整机体积、功耗以及双镜头原生 8K 视频留下更多工程空间。

但真正困难的地方，并不只是把一颗矩形 CMOS 改成方形。

消费电子产业围绕矩形 CMOS 已经形成成熟而庞大的供应体系。手机、运动相机和传统影像设备都在共同分摊研发与制造成本。

全景相机却是一个规模远小于手机的品类。

重新定义传感器构型，意味着不能简单采购一颗现成器件，而需要重新协调传感器、镜头模组、光学设计、封装、芯片适配、功耗、散热乃至量产良率。

真正难的，是为了一个还不够庞大的品类，重新建立一条此前不存在的工程链路。

长期以来，很多新兴消费电子品类的成长路径，都是先从成熟供应链中寻找现成方案，再随着市场规模增加，逐步形成专属器件。

大疆在第一代 Osmo 360 上做的事情恰恰相反。

不是等市场足够大，再由供应链提供更合适器件，而是先从全景成像本身出发，重新定义这一品类的传感器形态和成像方式。

这也是参数领先和技术领先之间最重要的区别。

前者意味着今天谁更强，后者改变的是明天整个行业怎样做产品。

当原本属于某家公司的技术选择开始被更多厂商跟进，它就不再只是产品差异，开始成为行业重新思考自身技术路线的新基线。

但也正是在这一刻，新的角逐开始了。

当方形 CMOS 逐渐成为全景相机的新方向，下一阶段的角逐，又将从哪里展开？

02 十二年技术积累，汇入全景影像

如果只看产品名称，大疆进入消费级全景相机只有两代。

但 Osmo 360 并不是一个从零开始的项目。

大疆进入全景市场只有两代产品，却用了十二年完成这场技术准备。

过去十二年，大疆围绕无人机影像、Ronin 系列专业影像、Osmo Action 运动相机、测绘与三维重建等不同产品线，持续解决着一组彼此关联的影像问题：

如何在持续运动中稳定获取影像；

如何处理大视场、鱼眼畸变与复杂空间关系；

如何理解设备、人物和环境之间的位置变化；

如何在有限的体积、功耗和散热条件下，持续处理越来越庞大的影像数据。

这些能力看起来分散在完全不同的产品线里，但本质上是同一棵影像技术树，在不同场景中被反复训练、验证和工程化。

而到了全景相机这一品类，大疆过去十二年积累的多条影像技术路线开始在这里交汇。

这也是大疆“三代全景技术”的含义。

这里的“三代”，对应的是大疆围绕全景影像，从方形 CMOS、空间理解到影像系统不断深入的技术演进。

第一阶段是 Osmo 360 全景相机。

它首先解决硬件工程化，通过方形 CMOS 回答如何在足够轻巧的设备中，更高效地获得高质量全景画面。

第二阶段是 Avata 360 全景无人机。

飞行把全景技术带进更加高速、复杂的空间环境。

相比手持拍摄，飞行过程中镜头持续高速位移，近景与远景快速切换，空间关系不断变化，拼接区域甚至可能直接落在用户视野中央。

距离和空间结构的持续变化，对拼接、增稳和空间算法提出了更高要求。

这些能力经过飞行环境验证后，又可以反过来进入摩托、滑雪、骑行等高速运动场景。

到了 Osmo 360 II 全景相机，大疆开始完成第三次推进。

围绕全景需求进一步打通芯片与整条影像处理链路。

第一代已经重新定义了镜头和传感器，但消费电子行业中的通用影像芯片，本质上仍然围绕手机和平面视频设计。

对于芯片厂商而言，全景相机市场规模有限，很难单独为这一品类投入大量资源，建立一套完全不同的高规格处理链路。

这意味着，如果始终等待通用型芯片自然升级，全景相机的能力边界，也会长期受制于另一个更大产业的技术节奏。

而真正形成独立技术体系的品类，最终都必须拥有定义自身能力边界的权力。

大疆手持影像负责人舒修将两代产品的规划概括为“分两步走”：“第一代把镜头和传感器解决，第二代再把芯片和整条链路打通。”

Osmo 360 II 因此开始围绕全景影像需求进一步正向设计，将原生全景视频规格提高至 8K/60fps。

60fps 对高速骑行、滑雪、摩托等场景当然意味着更连续的运动画面，也能够更自然地匹配当下手机、平板和电脑普遍采用的 60Hz、120Hz 屏幕。

但这里重要的并不是单纯增加了帧率。

但从工程角度看，8K/60fps 真正意味着的是：双镜头需要持续产生巨量高分辨率数据，而视频吞吐、编码、降噪、识别、拼接、功耗和散热都必须同步提升。

任何一个环节跟不上，最终规格都无法成立。

8K/60fps 背后真正被抬高的，是一整条全景影像处理链路的能力上限。

14.5 级动态范围，则进一步体现了这种协同。

骑行者从隧道冲向阳光、日出日落时逆光拍摄，或者人物处在阴影，而另一侧镜头正对天空时，全景相机前后两颗镜头会面对截然不同的亮度环境。

Osmo 360 II 采用前后镜头独立曝光，让两个方向分别根据环境调整曝光。

但曝光能力一旦提高，新的问题又会立刻转移到拼接。

前后镜头的曝光差距越大，交界处越容易产生明显的亮度和色彩断层。

因此，动态范围无法脱离拼接算法单独存在。

舒修对此解释，“14.5 这个数字不是随便定的，是在动态范围和拼接可融合之间反复权衡后，找到的平衡点。”

在全景影像里，越来越多参数，已经不能被单独讨论。

一项规格是否成立，取决于传感器、芯片、拼接、算法、功耗和散热能否同时成立。

这正是十二年技术积累的价值所在：最难复制的不是单点技术，是一家企业经年累月解决难题带来的技术复利。

三次推进，分别对应全景影像的三个问题：如何采集，如何适应复杂空间，以及如何释放完整的创作能力。

由此，全景相机的技术门槛开始从一颗器件，转向整套影像平台。

03 影像平台继续向上生长

当底层影像平台逐渐建立起来之后，全景相机面对的下一个问题，也随之发生变化。

相比普通相机，全景影像首先面对的并不是信息不足，而是信息过剩。

普通相机的创作顺序，是先选择，再记录。

用户按下快门前，就要决定镜头应该朝向哪里，谁是主体，什么值得留下。

全景相机则反过来，先把整个空间记录下来，再允许用户事后决定最终画面。

这极大提高了拍摄自由，但也把大量选择转移到了后期。

一段全景素材里可能同时存在人物、天空、建筑、同行者和运动轨迹。用户需要面对完整的 360 度空间，逐一寻找主体、确定视角、调整构图，再从漫长的素材中筛选有效片段。

当传感器、芯片和拼接能力越来越高，新的矛盾也随之出现：相机记录世界的能力，正在超过普通用户处理这些信息的能力。

于是，Osmo 360 II 的影像平台开始继续向上生长。

如果说方形 CMOS 解决的是如何更高效地“看见”，芯片和拼接平台解决的是如何更高速、更稳定地“处理”，那么再往上一步，就是系统开始尝试理解自己已经看见的内容。

大疆在用户行为中发现，大量全景用户最终寻找的，并不是不断变化的猎奇视角，而仍然是围绕人物展开的自拍和 Vlog 画面。

既然用户打开素材之后首先寻找的是“人在哪里”，系统就可以先承担这部分重复度高、规则相对明确的工作。

Osmo 360 II 的主角跟随会在拍摄过程中识别并跟踪主体，同时记录相应构图信息。

素材打开后，用户可以首先得到一个基本成立的人物视角，再根据需要调用剩余 360 度信息重新取景。

它就像一个始终跟在身边的“跟拍导演”：用户负责经历现场，相机负责尽可能完整地记录，系统再帮助寻找人物、组织视角和筛选素材。

变化的关键并不只在方便后期，影像系统开始接管过去依赖经验完成的创作决策。

过去系统主要回答：画面有没有拼好，运动有没有稳定，明暗有没有衔接。

现在，它还要进一步判断：谁是主体，什么值得保留，一段素材应该怎样被组织。

在这一层，手机端 DJI Mimo 不再只是单纯的素材导入和导出工具，而是继续参与内容理解。不仅能分析素材、靠笑声和欢呼声自动标记高光时刻，精准定位精华；更能结合精选片段、智能转场、AI 创意模板与一键成片，把过去耗时费力的筛选剪辑压缩到最短。

到了电脑端 DJI Studio，它承担起更全面的全景素材管理与重构取景。多视角预览能把同一段 360° 素材拆成多个“机位”随时切换，就像拥有了一个个人导播台；多维度美颜还能细致调节肤质与五官，让后期更精致。

至于达芬奇插件，则继续为更专业的调色、剪辑与深度制作保留了充足空间。

普通用户获得更短的成片路径，专业用户依然掌握完整素材。

于是，全景影像的价值也开始从不怕错过，进一步走向不必时刻运镜。

不怕漏拍、不用运镜，再把复杂后期尽可能交给系统，全景影像才有可能让更多普通人轻松拍出过去需要经验才能完成的大场面。

这也是影像平台继续向上的意义。

在雷峰网(公众号：雷峰网)看来，技术真正成熟之后，不应该把更多复杂度留给用户，而应该把能力藏到一次次更自然的拍摄和成片过程中。

04 极限场景验证上限，日常场景决定规模

一项影像技术够不够强，往往最容易在极限环境里得到验证。

高速骑行、摩托、滑雪、潜水等场景，几乎集中了一台影像设备最苛刻的一组条件：持续震动、高速位移、明暗快速变化、设备安装空间有限，同时大量画面无法重新补拍。

骑行者不可能在高速运动过程中持续确认构图。一个关键镜头错过之后，重新补拍的成本很高。

近期，大疆成为张雪机车唯一指定影像合作伙伴。

张雪机车内容团队提到:“骑车的时候很难确认构图，很多时候直到回看素材才发现角度出现问题。关键镜头一旦漏掉，可能几十公里的路就得重新跑。”

这也是全景影像在高速运动场景中的核心价值。

它首先提供的并不是一个更炫的视角，而是更高的记录确定性：先尽可能完整地把现场留下，再把最终视角的决定交给之后。

因此，极限运动天然成为全景影像检验技术上限的试验场。

但一个品类真正走向更大规模，只解决极限环境还不够。

旅行、家庭记录和日常 Vlog 中，用户未必需要 8K/60fps 持续记录高速运动，却同样会遇到另一个最普通的问题：当一个人拿起相机记录别人时，自己往往无法同时出现在故事里。

普通相机记录的是镜头前发生的事情。全景相机保存的，不只是某个主体，还有人物之间，以及人与环境之间更完整的空间关系。

主角跟随、精选时刻和一键成片所解决的，本质上也不是继续增加玩法，而是让用户不必在“参与体验”和“记录过程”之间做选择。

极限场景决定一项技术能走多高，日常场景决定一个品类能走多远。

市场数据印证了这一变化。暑期作为旅行和户外运动的需求高峰，是观察全景相机爆发力最核心的窗口。洛图科技（RUNTO）数据显示，2026 年暑期出行季第 29—32 周，大疆 Osmo 360 在线上拿下了高达约 56% 的销量份额。

与此同时，Osmo 360 II 也开始被进一步放进大疆已经形成的手持影像体系。

部分快拆配件、电池和音频设备可以跨产品复用；统一的 10-bit D-Log M 色彩体系，让全景素材可以更自然地与 Action、Pocket 乃至无人机内容进入同一套后期工作流。

从产品形态看，Action 承担第一视角的运动记录，Pocket 擅长稳定的日常创作，全景则补充完整空间、第三人称视角和事后重新取景能力。

不同设备负责不同机位，最终在配件、色彩和软件工作流里汇合。

这也是平台能力真正成熟之后产生的另一种结果。

新的影像形态不再是一座孤岛，可以自然进入原本已经形成的创作体系。

真正成熟的技术，是把复杂留在系统内部，把简单留给创作者。

05 结语：从改变技术起点，到推动品类演进

把两代 Osmo 360 放在一起看，大疆走的是一条很清晰的路线：第一代从 CMOS 入手，重塑全景相机的硬件基础；第二代则在此基础上，进一步升级整套影像系统。

而这背后，是过去十二年分散在不同产品线中的影像能力，最终在全景这个形态中汇流。

这也解释了为什么，大疆进入全景之后，并没有沿着行业既有产品形态逐项补课。

如今，方形 CMOS 被更多厂商跟进，更重要的意义在于，大疆当初的一项产品选择，正在成为行业共同的技术方向。而真正的领先，不只是率先找到答案，更是在答案成为共识之后，继续定义下一阶段的问题。

在雷峰网看来，这也是 Osmo 360 II 更重要的意义。它证明第一代不是一次偶然的创新，而是一套全景影像技术体系持续演进的起点。

而这往往是一家企业真正建立品类站位的时刻：

以终局思维，跳出既有蛋糕的争夺，参与定义这个品类成熟后的样子。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

3D存算一体芯片领军企业谦合益邦完成超20亿元B轮融资

成妍菁 — Fri, 14 Aug 2026 04:35:00 GMT

导语：三维集成技术通过突破传统芯片架构限制，实现计算与存储深度融合

近日，3D存算一体芯片领军企业谦合益邦宣布完成超20亿元B轮融资。

在我国加快推进集成电路产业高质量发展、强化关键核心技术自主创新的背景下，具备自主研发能力、探索新型芯片架构的创新企业正成为推动产业升级的重要力量。同时，全球数字经济进入以算力为核心驱动的新阶段，存储技术正面临更高带宽、更低延迟和更大容量的需求挑战。三维集成技术通过突破传统芯片架构限制，实现计算与存储深度融合，成为推动下一代半导体技术创新的重要方向。

谦合益邦成立于2024年1月，是由网易孵化的国内最早专注于3D存算一体、三维集成原生芯片架构和云游戏应用加速的芯片公司。公司核心团队早在2018年便率先启动全球第一款基于3D DRAM存算一体架构芯片的探索研发及量产，并推动了三维集成原生芯片架构在加密算力和应用加速领域的全面应用，是三维集成原生芯片架构和3D DRAM存算一体芯片的开拓者和领导者。

谦合益邦致力于推动三维集成原生芯片架构和3D存算一体芯片的新范式，从底层出发结合系统软件栈与硬件架构的联合创新，通过3D DRAM堆叠在三维空间实现计算与存储的深度融合，率先走出了一条应对当前日益突出的内存墙（Memory Wall）瓶颈的新路径，突破冯·诺依曼架构下存储与计算分离带来的性能限制，实现换道超车，投身于未来三维集成电路带来的集成革命。

本轮融资阵容汇聚了产业资本与财务资本的豪华组合，投资方囊括国家级基金国调基金、中国移动链长基金、山行资本、星连资本、石溪资本、金浦投资、南山资本、混沌投资、晨壹汇智、国策投资、国鑫创投、格致资本等多家一线知名机构。值得关注的是，网易有道与中国移动链长基金作为谦合益邦的长期股东，自公司成立以来持续给予大力支持，在业务层面与公司形成了深度协同，为芯片的规模化落地提供了坚实的需求入口与验证场景。本次融资进一步强化了产业资本与谦合益邦在业务场景方面的战略协同。公司将持续加大研发投入，推动产品迭代与商业化进程，持续突破三维集成原生芯片架构与3D存算一体芯片领域前沿核心技术。（雷峰网雷峰网雷峰网(公众号：雷峰网)）

DeepSeek Harness 入选项目疑似曝光，不选万星「花瓶」，死磕 Agent 基建

高允毅 — Thu, 13 Aug 2026 10:16:00 GMT

导语：当下刚需的基建方向，全被 DeepSeek Harness 锁定

当下刚需的基建方向，全被 DeepSeek Harness 锁定

作者丨高允毅

编辑丨岑峰

昨晚，DeepSeek V4 Pro 正式发布，性能全面逼近 Fable 5 ，价格却只有1/57 ，再次坐实了 “智价比之王” 的美誉。

如果细看官方公布的十项基准测试的话，那些亮眼的数据，其实都表明DeepSeek想全面迈向“工业级 Agent 生产线”，比如它补齐了软件开发和工程能力短板，在终端报错、工具调用、长程任务都有不错表现。

另一方面，当模型的智力水平已经无限拔高，即将推出的 DeepSeek Harness，正是它补齐 Agent 落地能力的关键后手。

而今天网上爆出一份DeepSeek Harness内测入选项目局部名单，进一步将DeepSeek的发力方向勾勒清晰。

DeepSeek 的筛选标准很有特色：不看名气，70% 的入选项目是几乎零热度的个人或小团队新作，大热的“高星”项目反而落选。

因为很多高星项目做的是通用工具，未必为原生Harness设计。而不少小众项目，本身在做Codex、Claude Code、Pi插件，可以顺势适配DeepSeek Harness。

更重要的是，DeepSeek似乎更关注这些项目能否填补上它的生态空白，比如特殊的UI、创新编排模式。要有实际的功能，不能是空架子。

在种种条件下，这些入选项目集中体现在一些赛道上：

首先，整个项目的生态要围绕Harness核心能力展开，这主要体现在MCP插件与 Coding Agent项目占比最高，能解决工具调用与代码落地的核心痛点。

其次，项目还集中在 Agent Runtime（运行时）、编排框架、可视化 UI 与多智能体调度 等Agent适配层，直接影响环境跑起来安不安全、长任务容易跑偏、黑盒执行看不见、多模型如何协作等具体问题。

相较而言，医疗、法律、金融等垂直应用项目占比不足 4%。

都有哪些入选项目？

这个局部名单中，已经列出了17个开源项目，我们选取了其中的4个项目，看看都是什么类型的Harness工具。

▎安全操作系统openma-ai（224颗星）

open-managed-agents（简称 OMA）是一套典型的“安全操作系统”。虽然只有224颗星，但它能解决 Agent 落地时最头疼的问题，即代码跑起来之后，怎么保证安全可控。

传统的 Agent 框架大多只负责 “让模型怎么想”，管不了 “代码跑起来安不安全”。OMA利用对Claude Managed Agents 的开源复刻，正好补上了这一块。

首先，它可以通过在网络网关层自动注入凭证，实现了密钥与执行沙箱的全程隔离。这样AI干活的时候不知道密码，就不会被Prompt 注入攻击。同时，OMA 把每步操作都以事件日志形式持久化保存，相当于给任务做了“自动存档”，这样就不怕进程意外中断。它还自带沙箱和企业工具包，在GitHub、Slack 这些协作平台可以开箱即用，让Agent真正变成企业的“数字员工”。

面对如今各种顶尖的大模型大脑，OMA 的作用正是为Agent落地“保驾护航”。

从技术定位上看，OMA 瞄准的是 Agent 执行层，负责管理沙箱生命周期、分发 MCP 工具、维护 WebSocket 会话广播，属于典型的执行层基础设施。

https://github.com/openma-ai/open-managed-agents

▎智能路由role-model（97颗星）

role-model 走的是“智能路由”的技术路线。虽然是不到百星的小项目，但它可以让Agent的成本可控。它最擅长的是精准判断任务难度，把活派给最合适的模型。

对于DeepSeek-R1而言，无论任务多简单它都倾向于“长思考”。当 Agent 执行自动化流水线时，如果只是让模型去看一眼当前目录的文件列表、或者跑个简单的正则替换，每一步都要烧掉几百个 Token 的推理成本，这显然极不划算。

role-model可以将任务按难度进行动态拆解。把简单活儿路由给毫秒级响应、极低成本的本地轻量小模型；把架构重构、找出复杂Bug的活儿再派给R1，直接解决成本难题。

它还有“决策可解释性”，它将每一次路由决策都固化为 Requests（请求）、Profiles（画像）、Policy（策略）、Artifacts（产物）四个标准化构件，工程师可以随时调阅“为什么这一步派给了模型 A 而不是模型 B”。

除此之外，它原生支持多厂商灾备，一旦主通道遇到限流、延迟抖动，能无缝切换到备用节点，保证整条 Agent 流水线不中断。

可以说，省钱和可控性都是Agent落地时的关键细节。它归属于 Agent 适配层的流量编排与调度层面。

https://github.com/try-works/role-model

▎端侧版龙虾 MateBot：（46颗星）

MateBot是一个更偏向端侧的效率工具，解决的是“人如何 24 小时随时随地管理 Agent”的痛点。

眼下主流的编程 Agent 大多被绑在本地终端上，而很多长任务的工作需要开发者随时查看AI的进度，及时干预。MateBot 的作用类似于 OpenClaw，它让开发者通过手机端就能直接给本地 Agent 派活、实时查看执行日志，遇到卡点或死循环时随时可以介入中断或修正。

除了远程控制，它还有自己的“端侧记忆三件套”，有自动记忆、外部记忆、失败记忆三套系统。它还有本地“错题本”，可以把Agent犯的错误记录在知识库，下次直接避开。

对于要走向真实生产环境的 Harness 来说，MateBot 补齐了长周期任务中的人机协同闭环，也解决了模型跨会话反复踩坑的问题，属于补齐执行层工程能力。

https://github.com/aresbit/MateBot

▎多AI协作平台ccteam（141颗星）

很多开发者手里同时握着好几个编程 Agent，如何让这些Agent好好为自己干活，是当下工程化落地的一个关键问题。

不少Agent之间缺少良好互通，人成了来回同步上下文的 “传话筒”。ccteam 相当于给这些 Agent 搭了统一指挥台，让强推理模型当项目经理拆分任务，给各模型分配好的角色，并行推进任务。

在多Agent协作中，ccteam可以让任何一个Agent会话都能用自然语言指挥其他Agent干活，比如“让Codex实现这个接口并跑测试，让Grok分析性能热点，最后让Claude Code交叉Review”。

与此同时，开发者在 Telegram 或飞书上直接发消息就能调度所有 Agent，不用专门打开某个系统。ccteam 还组成一个集群，无论项目在哪台机器上跑，都能统一查看和管控。

它还会控制预算，钱花完了自动停工，避免 Agent 失控烧钱。

能管AI协作、控制进度和预算，这属于Agent 适配层的多智能体编排调度层。

https://github.com/firstintent/ccteam

DeepSeek Harness

究竟在下一盘什么大棋？

在上述项目之外，如果将高频出现的5个方向（多模型路由、桌面 Agent、Coding Agent、框架或 SDK、以及 UI或客户端项目，这些都是的基础设施层的热门方向）拼凑起来，DeepSeek的战略意图已经呼之欲出：它正开始从“最强API”向“工业级Agent生产线”转换。

为什么大模型刚进入深水区，DeepSeek就急着做基础设施？因为 DeepSeek 的“大脑”已经足够强了。

昨晚发布的V4 Pro 的代码能力直接挤进全球第一梯队，R1 的长思考深度更是断崖式领先。配合 Context Caching（上下文缓存）带来的极致 Token 成本，理论上，Agent 已经具备了“又快又便宜”的落地前提。

但“想得快”和“跑得稳”是另外一回事。仔细剖析这些网传的DeepSeek Harness重点扶持项目，可以发现DeepSeek正在急切地补齐这几个短板：

▎补齐执行层安全

R1擅长写代码，但不提供运行环境。直接在企业真实的Terminal上跑，一个幻觉引起的rm -fr删库跑路幻觉代码，就能把系统搞瘫痪。DeepSeek Harness扶持OMA 这类带凭证隔离、沙箱机制和审计日志的底层项目，就是要给这些可能造成破坏的“数字野马”套上缰绳，让企业可以安心交出业务控制权。

▎补齐工程可靠性

真正的软件工程任务，动辄需要Agent循环纠错几个小时，在这期间，网络稍微抖一下、大模型 API 超个时，如果没有持久化存档，整个任务就得从头来。

很多人会有一个严重的技术误区，觉得最新的 DeepSeek V4 Pro 已经具备了 1M 的超长输入窗口和 384K 的超长输出能力，信息量这么大，是不是就不用管上下文管理了？

恰恰相反，超长输出解决的是“一口气能写多少字”的空间问题，而持久化解决的是“写到一半断了，能否重启接着写”的时间问题。DeepSeek Harness 吸收 MateBot 这类具备“自动存档”、“失败记忆”和“错题本”功能的组件，就是要确保 V4 Pro 在一次性吐出 384K 宏大内容的漫长过程中，拥有中途夭折后随时续传的工程可靠性。

▎补齐商业化ROI

AI越用越多，解决的问题越来越复杂，谁来控制成本？如果事事都去触发 R1 的长思考（哪怕 DeepSeek 已经把价格打骨折），或者在多 Agent 协同中产生无效的“来回闲聊”，企业的 Token 账单依然会原地爆炸。

DeepSeek引入role-model（按难度智能路由）和 ccteam（多智能体进度与预算控制），正是希望更好分配AI算力，把简单的搬砖工作丢给本地小模型，把架构级的问题精准派发给R1，这是能让Agent满足企业成本需求、大规模落地的唯一途径。

总结而言：过去，DeepSeek 靠 V4 Pro 和 R1 证明了自己是顶级的“发动机制造商”；而现在，通过这批不起眼的“配件”，才真正打造了一套完整的“汽车底盘”。让Agent安全、可控、用得起，这些正是DeepSeek Harness要补的课题。

参考链接：https://x.com/NFT_Chen/status/2087500877238337930

上车，雷峰网(公众号：雷峰网)带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

扫描上方二维码

或点击「阅读原文」关注专区。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

中国新能源车出海，不再是车企独角戏

吴雨晴 — Thu, 13 Aug 2026 09:55:00 GMT

导语：从把车卖出去，到让车融入当地城市，中国新能源出海正在补上最难的一环。

总人口超过2亿的巴西，网约车早已成为当地城市出行的重要组成部分，出行行业的渗透率甚至比中国还高。这里是Uber海外司机人数最多的国家，99出行平台也有超过100万合作司机。

市场规模很大，但司机却没有更轻松。

今年6月，巴西高等劳工法院发布的相关数据显示，当地网约车司机每月运营成本高企，油费、维修、保险、折旧等成本，不断挤压着司机的收入。

理论上，电动车能把其中最大的一笔能源支出降下来，但更高的车辆获取门槛，又让省钱这件事没那么简单。

而巴西恰恰也是中国新能源车正在重点争夺的海外市场。2025年，巴西电动车销量达到约18万辆，占新车销量9%，成为拉美电动化增长最重要的市场之一。

一边是想降低运营成本的网约车司机，一边是越来越多进入巴西的中国新能源车。但车到了，司机未必买得起，更未必能低成本使用。

就在这个节点上，滴滴旗下的巴西网约车平台99与Movida推出了一项面向5万名司机的租赁计划，以更优惠的价格租赁适合网约车运营的车辆。

99与Movida的合作，开始把两端连接一起，中国新能源车进入巴西市场后，如何成为当地司机日常出行工具，成为中国车企出海的新问题。

滴滴在巴西，已经不只是一个网约车平台

过去几年，比亚迪、奇瑞、广汽、长安等中国车企不断将新能源车型带向海外市场。但当车辆经过远洋航行抵达目的地，它们怎样才能从港口进入城市交通系统，成为当地司机每天使用的生产工具？

事实上，中国新能源汽车今天能够快速普及，一个容易被忽略的原因是，它并不是只靠车企完成的。

在中国市场，新能源车规模化应用背后，除了车企持续推出产品，也伴随着网约车平台、运营企业、充换电体系等多方参与，共同推动新能源车从一项新技术，变成高频使用的交通工具。

其中网约车行业发挥了特殊作用。

由于网约车车辆每天行驶里程更高，司机对能源成本、车辆效率也更加敏感。当新能源车开始进入市场，网约车司机天然成为了一批高频的种子用户。

滴滴本身也是这场转变的参与者。到2025年底，滴滴平台注册新能源汽车已经超过800万辆，中国网约车服务里程中，纯电动车占比超过了74%。

这种经验正在被滴滴带到了海外。2024年，滴滴在墨西哥宣布联合车企、充电、金融和保险等合作伙伴，到2030年引入10万辆电动车。

一位滴滴墨西哥负责人曾说：“网约车是电动出行的催化剂，因为这些车辆行驶的公里数最多，使之成为电动化的理想选择。”

因此，中国新能源汽车走向海外时，网约车平台也可能成为重要的落地入口。

但要把这种平台能力复制到海外，仅有国内运营经验还不够，还需要一张足够深入当地市场的网络。

而滴滴成为中国新能源车连接巴西真实场景的桥梁，很大程度上取决于它过去几年在当地的深厚积累。

2018年，滴滴收购巴西本土出行平台99，正式布局拉美最大经济体。此后，除了出行主业，99还不断向配送、支付、外卖等本地生活服务延伸。

如今，99已经形成覆盖出行、外卖、物品配送和数字银行的业务体系，这张网络的规模已经相当可观。

截至2026年，99在巴西拥有超过6000万用户、超过250万合作司机和骑手（网约车司机100多万），业务覆盖4400多个城市，每年承接超过30亿次服务需求。

放到滴滴整个国际业务中，这种本地化扩张仍在继续。目前，滴滴国际业务已经覆盖拉美、亚太和非洲多个市场，为超过1亿用户提供包括出行、外卖和数字金融等服务。

2026年一季度，滴滴国际业务的日均单量近1400万，年活跃用户规模约超过1亿，年活跃司机和外卖骑手超800万。滴滴国际业务完成了12.55亿笔订单，同比增长26.9%，并且保持盈利。

滴滴在巴西拥有的已经不只是一个撮合司机和乘客的网约车App。一边是数千万用户、数百万司机以及由订单形成的真实需求，另一边是支付、金融、配送以及多年本地经营沉淀下来的合作网络，它们共同构成了一套可以承接更多产业需求的运营基础设施。

当99在巴西扎下足够深的根之后，这张海外网络开始反过来链接中国的产业能力，承接中国新能源汽车及相关产业链的出海需求。

新能源汽车正在成为最先被接入这张网络的产业之一，这也成为99与Movida合作的背景。

近日，99与巴西汽车租赁企业Movida签署合作协议，双方将面向99平台网约车司机推出包含新能源汽车在内的优惠租赁计划，预计未来三年惠及至少5万名司机。双方预计，此次合作将帮助司机降低约25%的租车成本。

可见，中国企业不再只是把产品和技术带到海外，而是开始借助已经扎根当地的运营网络，推动产业链真正进入本地市场。

组团出海，滴滴如何连接

中国新能源产业链与巴西市场

一辆新能源车真正进入海外市场，需要解决的问题远不止找到买家。

车辆从哪来、司机如何获得、在哪充电、运营资金由谁承担，每一个环节背后都对应着不同的参与者。

也因此，当99在巴西逐渐建立起本地运营网络之后，下一步是选择组织原本分散在产业链上的企业，集中力量办大事。

2022年，99牵头成立“巴西可持续出行联盟”。最初，这个联盟只有十余家企业，在99的推动下，如今成员已经增加到31家，涵盖汽车制造、租赁、能源、金融等不同领域。

根据99披露的数据，联盟成立以来，成员围绕交通电动化的相关投资已经超过4.1亿雷亚尔（约合人民币5.36亿元）。

相比单纯引进一批新能源车，这种模式的不同之处在于，每个参与者都是完善网约车生态网络的重要角色。

这套模式与中国新能源发展过程中的路径类似，首先是车企解决车辆供给的问题。比如2023年，比亚迪与99合作，将300辆D1纯电动车带到圣保罗。

这款车是比亚迪与滴滴围绕网约车场景共同开发的车型，到巴西后通过租赁方式交给99平台司机运营。彼时，比亚迪高管也明确提到，希望把在深圳积累的项目经验带到巴西。

但有了车，并不等同于当地司机能低成本用上。新能源车虽然长期运营成本更低，但购车成本仍然较高，租赁模式可以降低司机进入新能源运营体系的门槛。

今年，99又与当地车队管理和租赁企业Seteloc合作，计划向司机提供400辆电动车，由后者负责车辆资产和运营支持，99导入平台订单，进一步降低司机获取新能源车的门槛。

另外，在巴西，充电基础设施不足一直是新能源推广的瓶颈。截至2026年2月，巴西公共及半公共充电站约2.1万个，而插电式车辆规模接近39.5万辆，补能供给仍面临压力。

因此，99也开始进一步向能源基础设施环节延伸。

今年6月，广汽、巴西充电基础设施企业GreenV与99又达成合作，计划到2030年建设242个快速充电点。广汽提供充电设备，GreenV负责投资和运营，99则通过平台司机导入相对稳定的充电需求。

新能源汽车出海，越来越难靠一家企业单打独斗。从比亚迪、Seteloc，到广汽与GreenV，这些合作的分工已经越来越清晰，车企提供产品，租赁企业管理资产，能源企业补齐基础设施，99则负责连接车辆、司机和订单。

相比单纯出口，组团出海让中国新能源车车企不必再独自解决进入陌生市场后的所有问题，而是可以借助当地运营网络，接入司机、租赁、补能等体系。

99也因此从网约车平台，逐渐变成连接中国产业链与巴西本地资源的运营基础设施，最终让车辆真正进入当地城市交通系统并持续运转。

租赁撬动的不只是5万名司机

生态搭起来只是第一步，决定这套模式能否长期运转的，还是每一方能不能算明白自己的经济账。

今年以来，霍尔木兹海峡局势一度推高国际油价，巴西柴油价格也曾快速上涨。相比之下，国外媒体指出，中国市场快速普及的大量电动出租车和网约车正在成为缓冲油价冲击的一道屏障。

对高频运营的网约车司机来说，能源成本直接关系收入，这也让新能源车的经济性更加突出。

99公布的数据显示，巴西网约车司机从燃油车切换至电动车后，燃料支出最高可以下降80%，即便电动车租金更高，加上平台补贴和电费，综合成本仍可减少约2120雷亚尔（约合人民币2770元）。

不过问题在于，靠转变能源形式省钱是个细水长流的过程，更高的车辆价格是摆在司机面前的第一道门槛。

在巴西，当地司机买一辆中国新能源车的成本大概要12万雷亚尔起步。巴西政府今年甚至专门推出最高300亿雷亚尔的优惠信贷计划，帮助网约车司机和出租车司机购买新车，也从侧面说明车辆获取成本仍是这个群体面临的现实障碍。

这也是租赁模式的意义，它解决了新能源推广中的最大难题。把一次性的购车压力，转化为持续的车辆使用成本，让司机更容易迈过新能源车的获取门槛。

对99而言，司机运营成本下降，有利于稳定平台运力，也能推进平台的电动化目标。对Movida这类租赁企业来说，数百万司机带来稳定、高频的租赁需求，租赁企业的资产利用效率也就更容易提升。

而对中国车企来说，网约车则提供了一个能够持续消化车辆、验证产品的真实运营场景。目前，99平台注册电动及混动车辆已超过4.9万辆。

因此，99与Movida的合作，除了这项租赁优惠能覆盖多少司机，更重要的是司机、平台、租赁企业和车企之间，正在形成一个不依赖单个项目推动而可以自行运转的商业循环。

按照99目前的规划，未来五年，99希望在巴西推动超过30万辆新能源车辆登记运营。如果这套经济关系能够成立，规模将随之而来。

当新能源汽车全球化进入新阶段，地理意义上的出口也不再是终点。一辆车只有找到愿意使用它的人、进入稳定的运营场景、并被当地商业体系持续消化，才算真正完成出海。（雷峰网(公众号：雷峰网)）

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

灵犀专业版首批接入DeepSeek-V4-Pro正式版，交付能力再升级

张嘉敏 — Thu, 13 Aug 2026 09:38:00 GMT

导语：交付能力升级后，灵犀专业版如何把旗舰模型带进办公场景？

雷峰网(公众号：雷峰网)8月13日消息，金山办公旗下AI办公智能体灵犀专业版宣布，已首批接入DeepSeek-V4-Pro正式版。用户在灵犀专业版内切换至该模型即可直接使用，无需额外配置。

据DeepSeek官方文档及公布的评测数据，V4-Pro-0813是DeepSeek最新旗舰模型，原生支持100万token超长上下文，单次最大输出达38.4万token，相关基准测试成绩较此前的Preview版本全面提升。新版本Agent任务能力在终端操作、代码工程与工具调用等维度明显增强，进入行业第一梯队。

灵犀专业版于7月15日发布，定位每个人的专属AI办公助理。不同于以对话为主要交互终点的AI产品，灵犀能够基于用户的历史文档、会议材料和个人偏好持续理解工作上下文，并调用文档、表格、浏览器、代码及数据处理等工具推进任务，最终交付可编辑、可溯源、可继续协作的原生Office成果。借助新模型的Agent能力，这三项能力在需求拆解、工具调用与成果交付上的执行链路更完整，复杂办公任务的推进也更稳定。

目前，DeepSeek-V4正式版系列已在灵犀专业版全量上线，提供Flash与Pro两个版本，均已向用户开放。

市面上会聊天的Agent很多，能把结果直接交付出来的不多。通过持续接入行业领先模型，并将模型能力与用户工作上下文、工具调用和专业Office能力结合，灵犀专业版正在把基础模型不断增长的智能，转化为真实、可用、可继续工作的办公成果。

中国大厂消失在赞助商名单，却在不莱梅重构 AI 的灵魂丨IJCAI 2026

陈淑瑜 — Thu, 13 Aug 2026 09:07:00 GMT

导语：寻找解决幻觉与风险的终极密令，这是一场属于「System 2」的漫长远征。

2026 年 8 月 15 日至 21 日，第 35 届国际人工智能联合会议（IJCAI 2026）即将在德国“航天之都”不莱梅（Bremen）举行。

作为 AI 领域历史最悠久、最强调理论深度的顶级盛会，IJCAI 在很多从业者眼中是“System 2（慢思考）”的代名词。但在 2026 年，这场远在欧洲的学术聚会，却因为一组特殊的信号，正紧紧牵动着大洋彼岸中国产业界的神经。

这是 CCF（中国计算机学会）评级下调后的第一年“大考”，也是大模型（LLM）从“参数竞赛”转向“逻辑攻坚”的十字路口。

当 Scaling Law 的暴力美学开始触碰边际效应，中国大厂们正试图在不莱梅，寻找解决大模型“幻觉”与“鲁棒性”的理论钥匙。雷峰网及AI科技评论报道团队将飞赴德国现场，为您揭开这层学术与产业交织的底色。

评级下调的第一年：
降温的是指标，升温的是“刚需”

去年，CCF 将 IJCAI 从 A 类下调至 B 类，曾在国内学术圈引发不小的震动。很多声音猜测，这会导致中国论文产出的大幅滑坡。

然而，从 IJCAI 2026 的录用数据看，中国力量依然是不莱梅绝对的主角。

据统计，本届会议共收到超过 6500 篇有效投稿，接收论文共 990 篇，创历史新高，且中国机构（高校+企业）的贡献比例并未出现预期中的“断崖”。相反，在录用名单中，我们看到了大量解决金融风控、医疗决策、工业控制等高风险领域的硬核论文。

对于产业界而言，评级下调反而过滤掉了一部分为了“刷 A 类”而海投的流水线论文，留下的更多是真正试图在知识表示、自动规划等传统强项上寻求技术突破的“刚需”研究。

一位资深算法专家告诉我们：“赞助商位置是给钱就能上的，但 IJCAI 的Main-track 是实打实拼出来的。现在的环境，大厂不再愿意花几十万美金买个墙上的 Logo，他们更愿意把这笔钱变成能解决业务逻辑痛点的算法模型。”

根据 IJCAI 2026 公开的 main-track 统计，"Knowledge Representation and Reasoning"（知识表示与推理）共有 67 篇，"Planning and Scheduling"（规划与调度）有 32 篇论文，换言之，仅这两个核心方向就占据了 IJCAI-ECAI 2026 主轨道录用论文的 13.3%。

如果将"Constraint Satisfaction and Optimization"（约束求解，36篇）与"Search"（搜索，41篇）这两个与推理/规划同源、同样隶属于符号 AI 传统的方向一并计入，则推理/规划/知识方向的论文集群合计达 148 篇，占比约 20.8%。也就是说，每五篇 IJCAI 主轨道论文中，就有一篇属于符号推理这一谱系。

那些为了刷 A 类指标而海投的“灌水”论文正在退场，留下的更多是针对知识表示、自动规划等传统强项寻求突破的“刚需”研究。这种“去杠杆化”的趋势，反而让 IJCAI 2026 更具含金量。

范式转向：大厂不再

只迷信“大”，开始回归“准”

如果说高校更在乎评级，那么企业更在乎的是技术主权。

虽然没有在赞助商墙上露脸，但中国企业的技术渗透已经深入骨髓。在此前我们盘点的国内企业在 IJCAI 上发表的论文可以看出，用导向的“重火力”正全面覆盖不莱梅的各个 Session。

蚂蚁集团：连续多年在“可解释性 AI”与“安全博弈”上领先。这直接对应了移动支付背景下，如何让 AI 在秒级万笔交易中识破新型诈骗，并能向监管机构给出清晰的“判词”。
美团、京东：论文高度集中在不莱梅的传统强项——组合优化。面对具身智能的爆发，如何在现实复杂的城市街道和无人仓中协调成百上千个 Agent？这里的传统算法正在被 LLM 重新激活。
腾讯：聚焦在“逻辑引导的强化学习”。在游戏 AI 和精准医疗领域，腾讯正试图在大模型的感性输出之外，建立一套确定性的决策闭环。

这种“实验室理论 -> 企业场景落地 -> 顶会发表 -> 行业标准制定”的闭环，才是中国产业界在IJCAI长盛不衰的底层逻辑。

从今年 IJCAI 的 Session 目录中，我们可以清晰地捕捉到中国企业的战略位移：过去两年，产业界被“Scaling Law”带出了一种集体焦虑。但到了 2026 年，大厂们发现：单纯的堆算力、堆数据已经无法满足严苛的生产环境。模型必须具备像人类一样的“因果逻辑”和“规则意识”。

现场预告：雷峰网赴德，

直击“System 2”的商业觉醒

德国不莱梅，不仅有格林童话，更是欧洲航天与工业机器人的心脏。选择不莱梅作为会场，本身就带有极强的产业暗示。

这里不仅有格林童话的铜像，更有德国人工智能研究中心（DFKI）——全球最大的机器人与具身智能研究机构之一。不莱梅的底色是航天级的精密。

本届 IJCAI 2026 的三大核心风向标：

多智能体协作（MAS）的商用化：不莱梅是欧洲工业机器人的心脏。如何让成百上千个机器人在自动化仓库里不碰撞、不锁死？美团、京东的调度算法正在这里与传统的分布式计算发生深层湮灭。
神经符号计算（Neuro-symbolic）：这是百度、阿里、华为重点“重仓”的方向。既然 Scaling Law 无法解决“1+1 等于几”的严谨性，那就把符号逻辑（Symbolic）硬核植入神经网络。
可解释性与安全博弈：蚂蚁集团和腾讯在本届会议上表现亮眼，其研究集中在图学习与差分隐私。在数据主权愈发敏感的 2026 年，IJCAI 的理论框架正在成为企业出海、合规的底座。

雷峰网及AI科技评论报道团队已经出发，将深入会场，从产业视角为您拆解这场学术盛宴。

我们将重点关注：

【大厂访谈】 深度对话国内大厂的技术领军人，探讨为何在评级变动后依然选择深耕IJCAI。
【华人力量】 现场直击中国学者在人工智能基础理论上的“守城”与“出击”。
【冷门转热门】 挖掘那些曾被忽视、却在具身智能时代焕发第二春的经典逻辑算法。

请锁定雷峰网(公众号：雷峰网)、AI 科技评论。我们将在不莱梅为您打捞那些能够左右未来三年AI落地范式的“珍珠”。

▼

Maker Tool出海：百亿赛道的增长与暗礁

刘伟 — Thu, 13 Aug 2026 07:57:00 GMT

导语：技术只是入场券，现金流才是生死线。

近日，在PingPong主办的国内首届Maker Tool行业联盟会上，PingPong中国区电商业务负责人郑志坤抛出了一个对比：目前，扫地机器人的全球家庭渗透率大约在9%，而Maker Tool未来的家庭渗透率，会比这个数字更高。

支撑这一判断的是市场数据——多份国际调研报告显示，2025年全球DIY创客工具市场规模已达189亿美元，预计2033年将飙升至362亿美元。

但与百亿体量形成反差的是，这条赛道长期被视作“极客的玩具”，而认知的滞后恰恰意味着机会的窗口。

四条赛道，四种境遇

目前，Maker Tool赛道比较热门的有四大品类——3D打印机、激光雕刻机、CNC和UV打印机。

其中，3D打印机一马当先。据供应链人士透露，头部品牌拓竹已经将今年的销售额目标调高至240亿元。

拓竹的崛起几乎重新定义了赛道标准——从需要用户自行调试到开箱即用，打印速度从60mm/s提到300mm/s，效率直接提升五六倍。

通过产品力创新，短短几年时间内，拓竹的年销售额就实现了从0到百亿规模的跨越，同时带动3D打印机实现了从专业maker到普通消费者的破圈。

如今，行业正在迎来新的增长拐点——多色打印。作为行业领头羊的拓竹也开始面临竞争压力。

去年，快造的四喷头产品U1众筹突破千万美金，一战成名。众多真实测评渠道验证U1的打印效率处于行业顶级水平，尤其受到小B用户青睐，不少用户直接几百、上千台批量购入。一位行业人士分析：“这说明U1的稳定性和成熟度已经达到了大规模商业交付的标准，不是实验室产品。”

快造的产品得到阶段性验证后，其他竞争对手也开始纷纷跟进。

激光雕刻机市场目前呈现出Xtool一家独大的竞争格局。一位资深一级市场投资人分析，激光雕刻机市场之所以没有出现新的挑战者，核心原因在于，激光雕刻机的市场空间不像3D打印机那么大。

“3D打印能承载数百万台的出货量，新玩家切个5%的市占率，就能有个十几、二十万台的体量。而激光雕刻领域，国内头部企业已经拥有60%的市占率，再投入很多资源去硬打这个市场，ROI不高。除非未来能在产品技术或AI结合上做出革命性的差异化产品，新玩家才有机会。”

尽管还没有强有力的对手杀出，不过水面之下已经有不少玩家正在蠢蠢欲动。据知情人士透露，拓竹内部已经在秘密进行激光雕刻机的研发。日前，拓竹被曝出投资了第三代激光器厂商亿能智光，此举也被视为拓竹入局激光雕刻赛道的铺垫。

“拓竹内部做过二氧化碳激光雕刻机，但看到Xtool做了一款同样路线的整机出来，拓竹内部直接砍掉了这个项目。拓竹有在尝试多种激光方案，包括二氧化碳和红光。”该知情人士透露。

拓竹为何做了激光雕刻机中途又砍掉？业内人士分析，这一方面是因为3D打印机市场空间比激光雕刻机更大，对于拓竹来说，守好并进一步开拓3D打印市场的优先级更高；另一方面是因为Xtool的产品力已经很强，拓竹想要从其手中抢夺市场就必须拿出非常有竞争力的产品，但这并不容易做到。

桌面CNC是今年Maker Tool赛道投融资热度最高的细分品类。业界普遍认为，桌面CNC有可能成长为一个像3D打印一样空间广阔的市场，同时目前市场上尚未跑出头部玩家，新进者依旧还有机会。

TwoTrees联合创始人黄荣鹏介绍，桌面CNC赛道处于高速增长阶段，公司业绩正翻倍增长。CNC能够解决3D打印不能加工高强度材料的痛点，同时契合欧美用户对于环保的要求。黄荣鹏判断，未来会有部分3D打印用户切换到CNC，带动行业快速增长。

不过关于桌面CNC产品的市场前景，行业也有许多疑虑：

一是使用环境，粉尘、噪音、体积对家庭环境要求高。CNC是减材加工，能加工黄铜、铝、木等材质，做出比3D打印塑料更精细、质感更好的物件，但必须解决罩子、吸尘问题，不能开放式操作，成本自然高于3D打印。

二是易用性，桌面CNC远比3D打印复杂。3D打印是给一个模型就能直接输出，但CNC除了加工本身复杂，材料感知和刀头损耗都会直接影响加工精度。另外还有门槛高企的CAM编程、装夹、后处理、清理、表面处理等步骤，整体流程更长，上手难度也更高。

三是应用场景，桌面CNC尚未形成基本盘场景，而是分散应用于机器人、家居摆件、珠宝定制、摩托车和自行车改装、渔具等长尾领域。

许多人认为，减材加工天然不如增材加工有吸引力，上述特性天然决定了它当下属于更小众、更高端的品类，距离真正的大众化普及仍有距离。

UV打印机市场需求明确，但核心技术有待突破。去年，安克旗下打印机品牌eufyMake，在众筹平台上线了第一款UV打印机——eufyMake E1，仅12小时众筹金额破千万美金，充分验证了市场需求。但在产品交付环节，eufyMake却遇到了挑战。

据了解，eufyMake E1交付延期的核心原因在于UV墨水与喷头兼容性失效导致的喷头堵塞问题。

简单来说，堵墨的核心原理是墨水通过喷头喷出，不用时墨水会留在喷头里，与空气接触凝固堵住喷头。

行业目前的解决方式是通过定期自动喷墨保持流动，但这样会产生持续成本，而且并没有从根源上解决问题。

三道坎，关关难过

四条赛道虽然境遇不同，但增长瓶颈却存在共性。

未来行业要取得进一步的增长，依赖于几个变化：

一是上游技术的低成本化。目前Maker Tool的部分核心零部件——比如UV打印机的喷嘴和激光雕刻机的光源芯片等，仍依赖于海外供应链，导致整机价格偏高。以激光雕刻机为例，国内头部企业去年所有产品定价都在1000美金以上。“入门级都要7000块，我作为投资人都买不起”，一名投资人调侃道。

产品定价高导致激光雕刻机难以进入大众消费，限制了其使用场景，进而导致产品更难推广，这几乎是一个死循环。

该投资人认为，激光雕刻机通往普及必须做到单品海外售价在500美金以下，国内售价在两三千左右，做不到这个价格就没法推广。而这有赖于核心零部件国产替代带来的低成本化。

目前虽然有不少国内厂商在自研核心零部件，但受制于早期规模较小，国产替代早期成本甚至高于海外采购。

“小批量时国产做得更贵，所以要跟供应商一起成长，3-5年后才能国产替代。成本会先经历上升再下降，这个过程挺痛苦的。” PingPong中国区电商业务负责人郑志坤说道，

二是AI技术成熟带来的使用门槛下降。目前，3D建模对普通用户来说依旧是一件门槛很高的事情。拓竹3D打印机之所以能够破圈，一方面是得益于打印机硬件性能的提升，但更重要的还是因为拓竹通过makerworld社区解决了用户模型获取的难题。当下很多maker tool厂商都在打造自己的用户社区，通过模型共享带来更好的用户体验。

“以前用3D打印机还挺难的，我买过CNC也挺难的，现在容易多了。软件易用性的提升，会让更多没用过的用户加入进来。”一名投资过3D打印机厂商的资深投资人表示。

三是生态能力的构建。一位资深投资人告诉雷峰网(公众号：雷峰网)，FDM 3D打印看似红海，实则才刚开始。目前3D打印出货量级在数百万台，激光雕刻数十万台，CNC更小，仅数万到十万台，远远没到千万台的天花板。

他认为，这个赛道远期不会是纯卖硬件的模式——创作类工具本身就是软件加硬件的结合，生态的权重会越来越高。

他以Peloton为例，这家做动感单车的公司，65%收入来自订阅，只有35%来自卖硬件；终极情况可能是硬件免费送，靠耗材和订阅把用户生命周期价值提起来。

“三五年后硬件同质化时，真正拼的是软件能力和生态构建能力。眼下各家还在卷性能、卷差异化功能，很多材质还没被很好加工，软件订阅模式也尚未真正跑通。这个赛道未来仍有非常大的机会。”

真正的暗礁：现金流

市场前景广阔，技术迭代加速，品牌梯队成型——从表面看，Maker Tool正走在一条确定性的增长曲线上。但水面之下，一道更隐蔽也更致命的坎，正在卡住越来越多品牌的咽喉。

这道坎不是技术，不是渠道，而是现金流。

相较于普通消费电子，Maker Tool赛道的企业具备多SKU、定制化生产、库存波动大的特点，有着长期研发持续消耗现金流、物料备货沉淀大量资金、众筹营销与扩产双重成本、全球售后带来隐性负债、产品迭代内卷加剧投入、多市场布局持续消耗资金等痛点。

“赛道研发、备货资金占用量大，主要的市场以海外为主，所以部分投资机构也比较谨慎。PingPong也通过资金、渠道、资本等全链路服务，帮助品牌提升竞争力。”郑志坤在会上直指要害。

TwoTrees联合创始人黄荣鹏也坦言：要快速打开海外市场，广告投放、本地化售后体系搭建不可忽视，这就带来了多国跨币种结算和全球资金管理难题，再加上新品研发叠加旺季备货极易出现资金缺口，“一定程度上拖累了我们的发展节奏。”

正是在这一痛点上，PingPong定制了一套面向Maker Tool赛道的全链路资金服务方案：覆盖240+电商平台的统一收款帮助企业统筹多店铺资金、加速回款；打通六大国际卡组、覆盖200+本地支付方式，全面支持独立站与众筹收单；最高2000万美金的供应链融资额度，直击研发和备货周转痛点；PingPong Card覆盖广告、仓储、采购等海外全场景支出，减少汇兑损耗；配套7×24小时智能汇率风控与企业系统API对接，对冲汇率风险；支持无需提现、节假日正常到账的海内外供应商批量付款。

同时，PingPong联合链帮出海、17TRACK、亚马逊全球开店等首批联盟成员，从产业链协同、全球化渠道共享、资本专项扶持三个维度为品牌提供长期赋能。

结语

从百亿市场的快速膨胀，到四条赛道各自的增长瓶颈，再到现金流这道横在所有品牌面前的暗礁——Maker Tool赛道的现状，本质上是一场从“出货量领先”向“产业链话语权”跃迁的阵痛。

中国品牌已经用供应链效率证明了“造得出”和“卖得动”，但能不能“活得久”和“站得稳”，取决于谁能率先在现金流管理、生态建设和品牌溢价上补齐短板。

PingPong牵头发起的行业联盟，正是这条补短板路径上的一次尝试。至于能否真正将分散的玩家拧成一股合力，时间会给出答案。雷峰网

雷峰网

百度文库网盘GenFlow官宣中文名「库库AI」，推出「库库AI」办公独立端

GLM-5.3 来了：底座没换，编程暴涨 50%，还顺手揪出潜伏 40 年的世界级漏洞

编程能力：开源第一，

体感超Claude Fable 5

安全能力：从"附属功能"变成"主打招牌"

一切强大，源于后训练

模仿者蜂拥入局，凭什么是添可洗地机持续定义每一代？

01 洗地机为什么“迟到”了这么多年？

02 从“洗干净”，到“不用管”，再到“看得见”

03 为什么总能比行业更早找到“下一道题”？

04 结语：定义每一代，就是定义下一种生活方式

Osmo 360 II 背后：大疆全景影像的「三代进阶」之路

01 重做 CMOS，大疆改写全景相机的开局

02 十二年技术积累，汇入全景影像

03 影像平台继续向上生长

04 极限场景验证上限，日常场景决定规模

05 结语：从改变技术起点，到推动品类演进

3D存算一体芯片领军企业谦合益邦完成超20亿元B轮融资

DeepSeek Harness 入选项目疑似曝光，不选万星「花瓶」，死磕 Agent 基建

都有哪些入选项目？

DeepSeek Harness

究竟在下一盘什么大棋？

中国新能源车出海，不再是车企独角戏

滴滴在巴西，已经不只是一个网约车平台

组团出海，滴滴如何连接

中国新能源产业链与巴西市场

租赁撬动的不只是5万名司机

灵犀专业版首批接入DeepSeek-V4-Pro正式版，交付能力再升级

中国大厂消失在赞助商名单，却在不莱梅重构 AI 的灵魂丨IJCAI 2026

评级下调的第一年：降温的是指标，升温的是“刚需”

范式转向：大厂不再

只迷信“大”，开始回归“准”

现场预告：雷峰网赴德，

直击“System 2”的商业觉醒

Maker Tool出海：百亿赛道的增长与暗礁

四条赛道，四种境遇

三道坎，关关难过

真正的暗礁：现金流

结语

评级下调的第一年：
降温的是指标，升温的是“刚需”