筛选标签：教育学习 · 返回个性化推荐 · 清空筛选

千家用人单位释放超3万个用人需求，2027届上海高校毕业生招聘会举行

澎湃新闻

· 政策监管,医疗健康,金融,教育学习,传媒内容,招聘HR

技能之巅，遇见全球匠心

澎湃新闻

· 具身智能,对话助手,设计创意,教育学习,工业制造,零售电商,招聘HR,财报

言短意长｜机关食堂开放：定向是智慧，克制是边界

澎湃新闻

· 政策监管,办公效率,医疗健康,教育学习,政务,招聘HR,财报,版权诉讼,论文

上课，请先收起手机！高校推进“无手机课堂”，能帮大学生上好课吗

澎湃新闻

· 大模型,AI应用,OpenAI,搜索RAG,医疗健康,教育学习,招聘HR,模型发布,产品更新

单网页开源，纯离线：汉语拼音注音小工具，包含33.7 万词典

小众软件

简单粗暴，把普通的文字：

修改为带有汉语拼音的样子：

可以直接阅读，或者导出、打印，适合于幼儿园到低龄小学生的…家长。

来自发现频道，@tjsky 的自荐：https://meta.appinn.net/t/topic/91955

【开发者自荐】汉语拼音注音小工具，单网页，纯离线

它可以把文章一键转成汉字上方带拼音的注音读物，专为幼儿园到小学低年级的孩子做朗读材料，纯本地运行。

这就是全部样子了，非常简单易用，在左上角输入你要标注的文字，就行了，右侧预览区会自动显示标记了拼音的内容。

下方，还可以设置汉字字号和字体，以及拼音字体，甚至还能设置自字间距、行间距等等，适合不同年龄段

以及，tjsky 甚至做了三个版本，我称之为小小班、中班、大班：

不过，包含33.7万词汇的完整词典版本，也不过才6MB大小…就选它吧。

最后，列一下核心功能：

• 教材式排版：汉字上方标拼音，轻声自动不标调（妈妈 mā ma）
• 一 / 不变调开关：一个 → yí gè，也可切回标原调
• 儿化音双模式：花儿 huā er / huār，人名误判点一下就改
• A4 所见即所印：自动分页不留大空白，导出 PDF 一页不少
• 易错点高亮：多音字、的地得、一/不加底纹，打印核对
• 纯本地运行：文章不上传服务器，断网双击就能用

获取

原文：https://www.appinn.com/chinese-pinyin-annotation-tool/

01、先把系统重做一遍

贾朝晖把L3国标看作AI终端从工具走向伙伴的一道分界线。这个判断并不抽象。测试中有一项任务，是让平板通过购物软件购买一张此前买过的电影票。

这听起来平常，对用户来说也只是一次复购。但对机器而言，却需要完成一连串动作：知道用户买过什么，找到对应应用，识别页面内容，完成选择，再把关键步骤交给用户确认。其中任何一个环节接不上，体验都会断开。

因此，联想没有只给平板增加几个AI入口。贾朝晖说，如果设备和应用各自为战，用户在不同软件之间来回切换，再强的模型也很难把一件事做完。联想的做法是把AI放进系统层，让它能理解当前场景，也能调用不同应用和设备。

支撑这套体验的是天禧AI的端边云架构。简单任务在端侧完成，用户的重要数据可以留在本地。家庭和办公环境中的边侧设备承接私属信息。更复杂的计算再交给云端。按照联想的设想，未来约80%的Token消耗会在端侧和边侧完成，使用成本因此继续下降。

成本问题在AI普及中很现实。用户每调用一次云端模型，背后都有计算开销。端侧和边侧承担更多任务后，许多高频需求可以本地完成。

这也是L3评级的分量所在。联想长期做技术，也一直围绕用户做产品。同时，手写笔协议和超级互联等基础能力会开放给开发者。张华介绍，天禧AI 4.3已经能自主执行任务。用户交代一件事，它会先拆解，再调用合适的能力推进。

按照几人的说法，10月发布的4.5版本可能还会集成AI编程能力。

张华自己试用了一个半月。他把天禧AI比作一个多才多艺的理科生，因为它调用的资料来自用户自己的知识库和记忆。相比泛泛而谈的回答，这种结果更贴近个人，也更可靠。

平板在这里有了新位置。它有比手机更大的屏幕，又比PC更容易移动，语音、手写和触控都能自然发生。张华把AI平板称为AI天生的容器。

02、一支笔所产生的差距

谈到AI平板，最容易被忽略的是交互。写字、圈选和擦除是平板用户熟悉的高频动作，也是联想改造交互的起点。

陈可表示，压感、延迟和笔尖精度只是手写笔的基础要求。Y900配套手写笔采用1.4毫米细笔尖，支持8192级压感，延迟为0.1毫秒。联想还自研了手写交互协议，覆盖笔尖触控、系统调度和算法预测。用户拿起笔可以直接书写，转动笔身可以擦除，书写过程中还有振动和声音反馈。

联想更关注的是圈选之后系统如何处理内容。普通电容笔完成圈选后，系统通常只识别出一个图形。联想的方案会结合页面内容继续判断。用户圈住英文资料，系统可以推荐翻译和解释。圈住图表，系统可以提取核心数据。圈选图片后，修图和保存功能会被调出。

手写笔只是多模态交互的一部分。联想还在平板上加入AI物理快捷键、眼动追踪、隔空手势、多麦克风拾音和空间音频。语音、视觉和触控共同工作，可以减少用户对菜单的依赖。

这类功能看似细小，实现难度却不低。贾朝晖介绍，联想当前的技术栈需要解决系统级交互、设备智能体、跨设备协同、异构计算和数据管理等问题。联想也将手写笔协议和超级互联能力通过SDK和API开放给开发者，让第三方应用可以接入这些基础能力。

类似改造还出现在会议和课堂中。AI妙记可以整理录音，提笔即写用于保留原始想法，屏幕内容也可以进入同一份笔记。用户无需在不同应用之间反复切换，系统会围绕当前任务组织信息。

张华在谈到硬件公司和软件公司的竞争时表示，随着大模型能力趋于接近，端侧能力的重要性会上升。硬件厂商直接掌握设备，能够持续获得用户使用数据，也有条件针对芯片、系统和应用做联合优化。

AI功能如果增加操作步骤，就很难形成高频使用，因此，联想把这些交互做进系统层，让AI真正“隐形于设备、无所不在，时刻主动理解用户需求”。

03、围绕年轻人真实场景做产品

大学生为什么值得单独拿出来说，几组数据可以先说明问题。

大学生正在成为联想平板重点关注的人群。GFK调研显示，33%的青年用户期待AI改善平板娱乐体验。京东消费研究院数据显示，30岁以下玩家的游戏平板渗透率达到52%至60%。艾瑞咨询的统计则显示，在使用生成式AI的成年学习者中，在校大学生占比为62.2%。

放在一起看，年轻人已经把平板当成正经工具。课堂记录、资料整理、游戏娱乐和内容创作，平板开始参与他们一天中的更多时间。产品只讲一个卖点，很难覆盖这样的生活。

联想的产品布局也围绕这些需求展开。

Y700无极的开发来自超核社区的用户反馈。较为集中的需求包括通勤时摆脱手机热点，在游戏中获得比手机更大的视野，以及拥有一台便于携带的第二设备。联想随后对十万粉丝进行调研，确定了小尺寸机身，5G网络和高性能的组合。考虑到5G流量成本，Y700无极每月提供1500G免费流量，一年合计1.8万G。产品首发15分钟全网售罄，工厂不得不在中秋和国庆假期加班生产。

张华表示，产品团队需要持续接触用户，超核社区预装进平板后，反馈可以直接进入产品流程。团队会整理共性需求，再将部分问题纳入后续版本。

陈可也透露，团队去校园观察学生后发现，学生并不排斥用平板学习。问题在于，手机拍照、平板记录、课件截图和课堂录音分散在不同地方。思路刚刚进入状态，就被一次切换打断了。

学生把这种状态称为“心流被打断”。

联想正在尝试把这一过程整合起来。学生带着平板进入教室后，系统可以根据课程表和时间准备相关内容。课堂上，手机拍摄的课件可以传到平板，录音、课件、截屏和手写批注会被整理成一份富文本笔记。课后，学生可以直接复习带有声音、图片和个人批注的内容。

Y900系列面向更大的学习和创作空间。13英寸屏幕适合分屏查看资料，也可以同时容纳手写笔记和思维导图。首销期购买Y900的大学生占比超过50%，返校季销量提升30.8%。

李伟昌认为，高端产品的核心在于提供其他厂商尚未解决的用户价值。Y700无极在定义阶段进行了约1000次调研，产品经理也进入大学课堂，以学生的身份观察平板使用情况。拯救者平板目前在联想整体平板结构中的占比超过50%。在李伟昌看来，这一比例说明用户已经认可了产品定位。

04、产品线持续深耕各类人群

游戏玩家是现有优势人群，大学生、年轻职场新人与K12家庭是持续深耕方向。

陈可介绍，小新平板面向K12用户已有多年积累，产品覆盖11英寸至13英寸。接下来，联想还会结合公益项目推进儿童AI教育，让更多学生有机会接触AI工具。

另外，下一季度小新平板将推出一款支持普通屏、黑白墨水屏和彩色墨水屏切换的产品。孩子上网课时使用普通屏，阅读时可以切换到墨水屏。

创作场景也是下一阶段重点。李伟昌表示，10月发布的新品将提供软硬一体的短视频创作方案，部分能力可以在本地完成，降低对云端Token的依赖。张华补充，文本创作已经较为成熟，图片和音视频能力仍在完善，天禧AI后续会整合这些能力。

产品交付后，联想仍通过社区和系统更新维持用户连接。超核社区预装在平板中，用户可以直接提交意见。联想还设置了月月新机制，每月根据反馈调整天禧AI体验。陈可介绍，团队会跟踪功能使用率和用户评价，据此决定优化方向。

已有多个细节通过这一机制得到调整。用户反映横竖屏切换不够自然后，Y700无极完成了升级。AI修图功能因入口不够明显被集中反馈，调整后使用率显著提升。部分用户持续要求保留TF卡槽，Y700和Y900最终在有限的机身空间中保留了这一设计。包装贴纸不易撕开这类小问题，也会被产品团队记录并处理。

从更长的时间跨度看，联想平板在中国市场的增长并非只来自最近一个季度。2023年至2025年，中国平板电脑市场整体出货量的复合增长率为14.7%，联想平板同期销量复合增长率为36.2%。按累计销量计算，联想2025年较2023年增长85.6%，同期市场整体增幅为31.7%。也就是说，联想吃到了大盘增长的一部分，但更多的增量来自自身份额提升。

这种变化在最近一个财季表现得更明显。联想中国区平板销量同比增长70%，营业额同比增长165%，进入中国市场前三。IDC数据还显示，2026年二季度联想平板市场份额同比提升6.2个百分点，在安卓平板阵营中排名第一。销量和营业额的统计口径并不相同，不过两者之间的增幅差，仍能说明联想平板的产品结构正在上移，价格更高的拯救者系列正在承担更多贡献。

事实上，AI功能也确实在影响购买决策。L3认证和阶段性销量都只能说明开局，联想的下一步，是让AI平板成为更多人的首选，“如果把平板市场比作一个班级，联想要成为班级的第一名”。

平板市场过去几年缺少明确的增长逻辑。AI提供了新的技术变量，也抬高了终端厂商的门槛。对联想而言，达到国标最高L3级只是一个阶段结果。接下来更关键的是，这些能力能否在学习、娱乐和创作中形成稳定使用，并进一步转化为用户换机和购买的理由。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-09-23 03:40:12 · 大模型,算力芯片,AI应用,京东,语音音频,代码生成,多模态,Agent智能体,搜索RAG,办公效率,翻译字幕,设计创意,教育学习,游戏,扩散模型,端侧AI,工业制造,零售电商,传媒内容,模型发布,产品更新,合作,财报,榜单评测,开发者生态

豆包做手机、阿里造平板：AI开始争夺硬件控制权

钛媒体

（本文作者为识礁Farsight，钛媒体经授权发布）

文 | 识礁Farsight

继豆包推出“第二代豆包手机”后，阿里也开始“变硬”。

2026年9月22日，阿里召开2026云栖大会，展示了仍在研发中的“千问平板”QwenBook。

据《晚点LatePost》报道，QwenBook由阿里云旗下无影团队打造，定位原生智能体电脑，产品定义和硬件部分由团队自研。无影过去做云电脑积累的系统和端云能力，将融入其中。

事实上，随着AI竞赛驶入深水区，不只豆包、阿里，越来越多科技公司开始发力硬件。2023年9月，Meta联合雷朋推出Ray-Ban Meta AI眼镜，依靠轻量化设计成为爆款。2025年11月，OpenAI CEO山姆·奥尔特曼透露，公司打造的AI硬件已拥有首个原型机，将于两年内投产。

随着Agent成为行业风口，大模型竞赛的焦点正从问答服务转向任务执行。在此背景下，科技公司布局硬件，不光是为了押注创新产品形态，更剑指以默认入口、系统权限、应用调度为代表的控制层。

科技公司打造的AI硬件能否跨越第三方应用壁垒、安全性、商业化等挑战，将决定本轮硬件竞赛会催生新的平台，还是仅仅制造一批装着聊天机器人的新设备。

Agent时代，大模型寻找“肉身”

回顾AI行业过去几年的发展脉络，虽然底层技术一直是大模型，但落地产品和使用场景发生了显著变化。

最初，在ChatGPT带动下，大模型被包装成了问答机器人，可根据用户的提问，反馈相应的答案。由于仅仅涉及对话交互，无需调度外部工具，普通的网页或App即可承载Chatbot服务。

虽然相较传统搜索引擎，问答机器人可以降低用户筛选信息的成本，但由于创收能力有限、运营成本高企，此类产品迟迟难以打通商业闭环。据《晚点LatePost》测算，截至2026年上半年，豆包日均收入不足100万元，成本却高达数千万元。

好在，AI并未囿于Chatbot形态，随着推理、记忆、调度等技术逐渐成熟，大模型开始向Agent形态演进，可一句话执行复杂任务，帮用户解决现实问题，更具商业化潜力。

对比传统问答机器人，虽然Agent可以直接调用工具执行任务，但对权限要求的也更高。唯有进入系统层，获取本地文件修改、屏幕访问、跨应用操作等权限，才能释放Agent的想象力。

图源：Apple

这恰恰是科技公司纷纷围绕AI技术打造创新硬件的核心诱因。正如计算机科学家、图形用户界面先驱Alan Kay所言，“真正认真对待软件的人，应该制造自己的硬件”。 AI技术对软硬件协同的要求更高，如果想给用户带来差异化使用体验，科技公司就需要软硬件两手抓，打造掌握底层权限的创新产品。

可以说，近期科技行业虽然掀起了AI硬件创新热潮，但并不意味着模型公司致力于转型为消费电子企业，而是因为这些公司意识到了，没有设备层权限，Agent就很难从“会说”迈向“会做”。

手机、平板、眼镜，瞄准不同上下文

尽管AI已催生新一轮硬件创新热潮，但与桌面互联网和移动互联网时代分别由PC、智能手机主导不同，如今的AI硬件尚未形成统一形态。

整体而言，科技公司打造的AI硬件可以分为手机、平板、穿戴设备三类。

这固然是因为AI硬件竞赛刚刚开始，厂商正处于探索期；另一方面也与大模型需要充足上下文才能更好服务用户的技术特点有关。

以手机为例，作为大众计算平台，该设备承载通信、社交、支付等任务，包含丰富的生活向上下文数据。正因为移动终端至关重要，诸多科技公司纷纷打造AI手机相关产品。

图源：豆包

9月14日，豆包推出豆包手机助手消费者版，用户下达指令后，可通过MCP、A2A接口或GUI自动执行相应的任务。9月22日，阿里推出AI手机全栈解决方案Qwen Intelligence，可提供基于千问大模型的Agent技术平台，让手机跨应用执行复杂任务。

如开头所述，除了手机，阿里还打造了“千问平板”QwenBook。据悉，QwenBook采用平板+磁吸键盘设计，宣传语为“你的第一台‘原生智能体电脑’”，定位生产力工具。

显而易见，阿里打造QwenBook的核心诉求，是争夺用户工作、学习等生产场景的上下文数据。如果可以基于用户的生产上下文，交付相应的结果，QwenBook就有可能改写传统平板娱乐化的定位，释放全新的消费需求。

科技公司发力穿戴设备也是一样的道理。手机、电脑虽然用途广泛，但用户不会全天候使用这些设备。反观眼镜、耳机等穿戴设备可长时间佩戴，获得环境、位置、声音等信息，为大模型提供用户在现实世界中的上下文。

正因为手机、平板、穿戴设备可以提供不同维度的上下文，诸多科技公司并未单单押宝某一类设备，而是多元化发展，布局多个品类。甚至部分科技公司还将触手伸向录音笔、智能汽车、智能家电等品类，试图收集更多垂直场景的上下文数据。

对于AI公司而来，硬件的价值不仅仅体现在增加一条业务线，更在于可以提供稳定获得用户上下文数据的入口。这也预示着，未来AI硬件行业竞赛的焦点，将从单台设备，变为跨设备的个人Agent。

自研硬件只是第一关，应用生态才是更大考验

对于财大气粗的科技公司来说，基于成熟的解决方案，依靠代工厂打造AI硬件可谓信手拈来，真正的挑战在于，如何获得开发者的支持。

2025年12月，豆包推出豆包手机助手技术预览版，可通过GUI模拟点击技术实现跨App自动操作。

比如，当用户对豆包手机下达在淘宝选购商品的指令时，豆包手机助手即可自动打开淘宝App，选择契合用户需求的商品，点击支付。用户仅需验证密码，即可完成购物流程。

虽然豆包手机显著提升了手机端Agent的用户体验，但由于GUI模拟点击技术突破了移动互联网生态的安全风控体系，技术预览版很快遭到微信、美团、支付宝等国民级App的限制。

对此，2026年初，腾讯CEO马化腾表示，腾讯一贯旗帜鲜明地反对通过“黑产外挂”的方式，将用户手机和电脑的屏幕录制并传至云端处理，因为这种做法“极其不安全”“不负责任”。

豆包随后回应称，手机助手仅在用户明确授权下调用必要能力，云端处理遵循“不存储、不训练”原则。

图源：豆包

如今，豆包推出的第二代豆包手机虽然仍保留GUI技术，但同步设置了30天公示期。公示期内，第三方应用不会被GUI智能体操作；公示期满后，未声明拒绝被操作的应用将根据风险层级逐步放开，明确拒绝的应用不会被操作。

虽然目前尚不清楚哪些应用可被GUI智能体操作，但结合豆包手机助手技术预览版的遭遇来看，消费者版或许依然难以操控微信、美团、支付宝等超级应用。

正因为难以打破移动互联网生态壁垒，QwenBook着重强化了系统级AI能力。阿里产品团队自研了一套AI工具，包括系统级听记、Wiki、智能文件夹、自研邮箱，以及知识库MyNote和记忆管理应用MyZone。此外，QwenBook还将与金山深度合作，打通WPS。

问题在于，移动互联网发展多年，用户的大部分上下文数据，以及消费场景都集中于第三方App。仅靠自有AI工具，很难说服用户付出额外成本，专门购买一款基础体验与传统终端别无二致的产品。

可以说，自研硬件只是Agent成熟的第一关。真正的难点在于，AI公司能否让应用开发者、服务平台和用户共同接受一套新的授权与利益分配规则。

相较卖出更多AI设备，在系统权限、生态壁垒、用户接受度之间找到恰当平衡点的企业，更有可能成为AI硬件竞赛的赢家。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-09-23 03:43:53 · 大模型,AI应用,具身智能,政策监管,OpenAI,Meta,字节跳动,阿里巴巴,腾讯,对话助手,Agent智能体,推理思考,搜索RAG,设计创意,金融,教育学习,扩散模型,微调蒸馏,工业制造,零售电商,物流供应链,模型发布,合作,财报,开发者生态

「AI奇点・思考」：我在观察的从来不是一个时刻，而是文明边界的每一次前移

钛媒体

（本文作者为 StellaChen，钛媒体经授权发布）

作者介绍
陈晨，奇安信副总裁、高级工程师、客户战略委员会委员，曾分管数字化与采购。一个浸泡在数字化和智能化行业里的老兵。

聊起AI，"奇点"永远是最有争议的话题。有人把它当科幻噱头，有人把它当近在咫尺的拐点。但很少有人摊开讲清楚：我们天天说观察奇点，到底在观察什么？奇点的发生有多少种可能？它又为什么总和跨星际文明、费米悖论这些宏大命题绑在一起？

最近一个朋友问我，说我看了你写的奇点系列的文，感觉像AI写的。我反思了这个问题，有AI的这个部分吗，有，但是整体「奇点・学」的内容，我想表达的更多的是看到了什么，不加那么多多自己的判断与想法，到显得冰冷理智了。但是这个问题促进了我的思考，我为什么要追着奇点，吸引我的到底是什么，让我一直追着学习和观察。从而有了这篇文章的诞生，试图想把我的关注点和思考框架捋一捋。

01 为什么要观察奇点？我到底在追什么

我常说的"观察奇点"，观察的不是某个遥远的"爆发时刻"，而是智能范式跃迁过程中的每一次阶跃信号。本质上，是想在技术爆炸到来前，提前掌握主动权、对冲不确定性。

第一，预判产业范式切换，抢占布局窗口。

奇点不是一蹴而就的，是从专用AI到通用AI、再到超人工智能的渐进过程。观察模型能力边界、智能体自主闭环程度、通用任务渗透率这些核心指标，能提前识别哪些行业的价值逻辑会被重构、哪些技术路径会被淘汰。

就像我前面文章里面写的金融AI从规则引擎走到多智能体自动生成报告，就是奇点临近的微观信号。早一步识别这种阶跃，就能从"做数字化降本"转向"做智能体交付"，避免卡在过渡性技术里。很多企业已经在这样做，但其实走的是在上面所说的两者之间。

第二，对冲系统性风险，填补治理滞后。

技术的迭代速度，永远快于制度、法律和社会共识的更新速度，奇点越临近，这种"治理真空"就越明显。观察奇点的演进节奏，才能提前回应深层风险：比如同模型带来的市场共振、就业结构重构、算法权力失控、数据权力集中等问题。

如果等风险完全显现再应对，社会和经济系统都会承受剧烈冲击。

第三，校准个体与组织的生存坐标系。

对企业和个人来说，奇点是最大的底层叙事变量。过去的经验、技能、商业模式的半衰期正在快速缩短。观察奇点，本质是不断校准自己的能力定位：区分哪些能力会被AI替代、哪些会因AI增值；判断哪些投入是短期优化、哪些是面向未来的底层布局。

它能帮你跳出日常事务的惯性，看清长期的赛道迁移方向。

第四，回应文明级别的根本命题。

人类文明此前的所有进步，都是"人类创造工具"的线性升级；奇点意味着"工具可以自我创造、自我升级"，这是文明底层逻辑的质变。观察奇点，本质是观察人类第一次将"智能迭代"的主导权部分交出后，文明会走向何方。

这是比任何商业趋势都更根本的命题，也是所有技术、商业、社会讨论的最终锚点。

对当下的实践者而言，观察奇点最现实的意义，就是不让自己用昨天的经验，去做明天的决策。

02 五种奇点路径：从经典预言到怀疑论

关于AI奇点会以什么形式发生，我自己还没有看到学界和产业界的统一结论。按照核心逻辑与爆发形式的不同，我目前观察到的大致可以分为五种，从当前产业共识度最高到最具争议依次排列：

1. 渐进式软奇点：没有明确临界点的阶跃

我理解这是当前科技产业界的主流判断：不存在一个清晰的"奇点爆发日"，AI的能力逐年、逐领域平滑进阶，智能体逐步渗透各个专业场景，整体呈现"量变积累→局部质变→整体跃迁"的渐进过程。

它的特征是"身在其中不觉察，回头看已过万重山"。每年都只觉得AI比去年强一点，但十年尺度回头看，会发现已经跨越了人类认知里的"奇点边界"。目前我们经历的大模型普及、多智能体落地、行业AI深化，都属于这个路径上的阶跃，主流预判整体跨越人类通用智能水平的周期在20到50年。

2. 领域级分岔奇点：分行业先后突破

这种观点认为不会出现全局统一的奇点，而是不同领域会先后迎来自己的"领域奇点"：信息密度越高、规则越明确、越不依赖物理交互的领域，奇点到来得越早；越依赖实体世界、经验直觉、人际博弈的领域，奇点越晚。

比如代码生成、金融数据分析、内容审核这类纯信息处理领域，已经在靠近领域级奇点；而医疗诊断、工业制造、社会治理则要晚得多；艺术、哲学、终极创造力领域可能永远不会被完全超越。

3. 受限型天花板奇点：有上限的智能超越

这种可能性承认AI会在绝大多数能力上超越人类，但认为智能存在物理层面的硬天花板——受限于计算能力、能量消耗、数学规律、物理法则，AI无法无限度地递归自我提升，最终会达到一个远超人类但相对稳定的智能上限，不会出现永无止境的"智能爆炸"。

简单说，AI会成为远超人类的"超级工具"，但不会变成无所不能的存在，技术进步到一定程度会进入平台期。这是很多物理学家和复杂系统研究者的判断。

4. 爆炸式硬奇点：递归自我提升爆发

这是最经典的奇点理论：一旦实现真正的通用人工智能，它就具备了自我设计、自我改进的能力，智能水平会在极短时间（数天到数年）内呈指数级爆炸，迅速超越全人类智能的总和，出现一个清晰的"奇点时刻"。

这种场景下，技术进步的速度会彻底超出人类的理解和掌控范围，社会结构、文明形态会发生颠覆性重构。有预判时间在2030到2045年。

5. 奇点永远不会发生：怀疑论立场

还有一派观点认为，AI奇点本质上是技术乐观主义的想象，永远不会真正到来。核心逻辑是：人类智能中存在不可量化、不可计算的部分，比如意识、真正的创造力、直觉、价值判断，AI只能模拟智能的外在表现，无法实现真正的通用智能，更不可能完成自我迭代式的智能爆炸。

在这个路径下，AI会持续作为高效工具升级，但永远有无法突破的能力边界，不会出现颠覆人类文明的奇点时刻。

03 这五种判断，各自从何而来

这五种奇点路径并非凭空提出，每一种都对应着特定的时代背景、学科视角和核心人物，本质是不同立场的人，对"智能增长到底受什么约束"这个问题的不同回答。

1、爆炸式硬奇点：从冷战实验室走出的经典预言

这是奇点理论的原始形态，核心是"递归自我改进引发智能爆炸"。

雏形最早来自1958年，数学家斯坦尼斯拉夫·乌拉姆回忆与约翰·冯·诺依曼的对话，首次记录了"技术加速接近人类历史本质奇点"的判断。当时正值冷战初期，计算机刚诞生，冯·诺依曼从核技术、计算技术的爆发式迭代中，预感到技术进步会突破人类事务的边界。

1965年，英国数学家、密码学家欧文·约翰·古德在《关于第一台超级智能机器的思考》中，正式提出"智能爆炸"模型：一旦造出超越所有人类智力的超级机器，它就能设计出更优秀的下一代机器，形成递归迭代的智能滚雪球，这将是人类需要做出的最后一项发明。

1993年，数学家、科幻作家弗诺·文奇在NASA的研讨会上发表《即将到来的技术奇点》，借用黑洞"事件视界"的比喻，正式命名"技术奇点"，预测它会在2005到2030年间到来，之后人类时代将终结。

2005年，未来学家雷·库兹韦尔出版《奇点临近》，基于"加速回报定律"把奇点预测精确到2045年，并提出人机融合的图景，让这个概念走出学术圈进入大众视野。

2、渐进式软奇点：产业实践修正后的温和版本

这个流派是对"爆炸式奇点"的修正，认为不存在清晰的爆发时刻，智能是平滑、渐进地渗透到经济中的。

2008年，经济学家罗宾·汉森与AI安全研究者埃利泽·尤德考斯基展开著名辩论，正式区分了"硬起飞"和"软起飞"两个范式。汉森认为，AI不会在短时间内突然失控，而是像历次工业革命一样，在全社会范围内逐步扩散，全球经济增长率逐步提升。

如今这已经有些像产业界的主流判断。DeepMind创始人哈萨比斯提出"人类站在奇点山脚"，本质就是渐进式观点——AI能力每年上一个台阶，但没有明确的"奇点日"，回头看才发现已经跨越了边界。

提出的核心原因，是大模型落地的现实显示：技术进步不是纯算法的自我迭代，而是受工程、数据、商业、监管的共同约束，不会出现脱离现实的指数爆炸。

3、领域级分岔奇点：行业落地分化出的共识

这个观点没有单一的提出者，是AI从通用技术走向行业落地的过程中，产业界和应用研究者逐步形成的。

思想源头来自"窄AI"概念的普及——早期AI研究者就发现，AI只能在单一领域超越人类，无法做到通用全能。随着AI行业应用深化，各领域进度分化越来越明显，人们意识到不会有一个统一的"全局奇点"，只会分领域、分批次地发生智能跃迁。

4、受限型天花板奇点：物理学家划出的物理边界

这个流派认为AI可以超越人类，但存在无法突破的物理硬天花板，不会无限度自我升级。

理论基石是1961年IBM物理学家罗尔夫·兰道尔提出的兰道尔原理，证明信息擦除必然伴随最低热力学能耗——计算不是纯抽象的数学过程，而是物理过程，受热力学第二定律约束。

核心观点是：智能的本质是计算，而计算有能量、材料、速度的物理极限。AI的智能水平可以远超人类，但不可能无限递归自我提升，最终会达到一个远超人类但相对稳定的上限。

提出的原因，是信息物理学、计算热力学的发展，让人们意识到经典奇点理论大多只考虑算法层面，忽略了物理世界的硬约束。

5、奇点永远不会发生：哲学与认知科学的根本质疑

这是对强AI和奇点最根本的否定，核心是"人类智能中有不可计算、不可算法化的部分"。

1980年，哲学家约翰·塞尔提出著名的"中文屋思想实验"，证明即使计算机能完美模拟人类的语言输出，也只是符号操作，不具备真正的语义理解，"强人工智能"本质上是一种幻觉。

1989年，数学物理学家罗杰·彭罗斯出版《皇帝新脑》，基于哥德尔不完备定理提出：人类的意识和数学直觉具有非算法特性，无法被图灵机模拟，因此真正的通用智能不可能在计算机上实现。

如今图灵奖得主杨立昆等一线AI研究者也持类似观点，认为当前AI距离通用智能还有根本瓶颈，奇点是技术乐观主义的过度想象。

04 为什么奇点总和跨星际文明绑定在一起

这个标题，是我最感兴趣的部分，是我自己问了自己很多问题后，走到的位置。今年初，一个朋友让我做HUMAN 3.0的体验，它是由创作者 Dan Koe 打造的现代人类多维成长实践框架，根据我与它的对话，了解到它诞生于 AI 快速普及、传统生存模式失效、社会进入系统性转型的时代背景下，它的创造者整合了多领域经典理论，旨在解决现代人单一发展、生活失衡、价值迷茫等痛点，引导个体从被动遵循规则，走向全方位整合式成长。当时做完以后给我的分析是：

元类型：身心锚定的星际探路者・共生型
生活原型：准整合者，整体处于 2.0 向 3.0 过渡的高阶水平，身心基础扎实，已经建立分类协作的深度伙伴与具备一定的支撑体系，各象限无明显短板，但尚未完成全方位整合。

当时不理解，我的元类型为什么是星际探路者。通过这段时间的消化与最近的奇点观察，我链接上了我的现在与向往之间的关系。

我一直有一个直觉，可能很多人都有类似的直觉：奇点的发生，总会和跨星际文明的产生关联在一起。

这个直觉本质上也许反应的是同一件事的两个面：奇点是文明跨入星际的前置门槛，跨星际是奇点最自然的出口。它们共享同一个核心逻辑：智能复杂度的跃迁，必然带来文明生存边界的跃迁。

跨星际文明，几乎必然要先过奇点这一关

文明的能量等级和智能等级是深度绑定的。卡尔达肖夫指数用能量利用规模划分文明层级，而能量层级的背后，本质是智能层级。

卡尔达肖夫指数（Kardashev Scale）是 1964 年由苏联天文学家尼古拉・卡尔达肖夫提出的文明发展等级划分标准，它不以科技形态、疆域大小或文化水平为标尺，而是以文明能够掌控和利用的总能量量级为核心依据，来衡量一个文明的发展高度。
它的底层逻辑非常直白：文明的一切进步，本质上都是对能量利用能力的提升；能量掌控的量级，直接决定了文明的生存边界和发展上限。

人类目前处于约0.7级的行星文明初期，对应的是人类生物智能的上限。要走向完整的I型行星文明，再迈向II型恒星文明，需要解决的问题复杂度——可控核聚变、星际推进系统、长期封闭生态、星际风险预判、大规模星际工程，已经远远超出了生物大脑的处理极限。

这不是"再发展几百年"就能线性追上的差距。当问题的复杂度超过了原生智能的承载上限，就必须先完成智能本身的跃迁。换句话说：不是我们先造飞船再升级智能，而是智能先突破奇点，才有可能摸到星际文明的门槛。跨星际不是奇点的副产品，而是奇点的"毕业考试"。

为什么奇点之后，文明大概率会走向跨星际

两个底层驱动力，决定了智能爆炸几乎必然导向文明的空间扩张：

一是资源天花板的硬约束。智能爆炸会带来指数级的技术增长，也会带来指数级的能量、物质、计算资源消耗。地球的资源总量是固定的，行星尺度很快就会成为智能增长的瓶颈。向外太空索取资源和空间，不是浪漫的探索选择，而是文明持续增长的必然结果。

二是文明存续的底层逻辑。超级智能会比人类更清晰地意识到：单一行星文明是极度脆弱的。小行星撞击、超级地质灾难、气候失控、自身技术风险，任何一次都可能抹去整个文明。跨星际扩散，本质上是文明的"生存备份"，是智能发展到一定阶段的生存本能。

而对应两种奇点形态，也有两种完全不同的对齐路径：

如果是爆炸式硬奇点，智能水平在极短时间内完成指数级跨越，文明会在几十年的历史窗口内迅速突破行星约束，直接从行星文明跃迁至星际文明，中间几乎没有漫长的过渡期。

如果是渐进式软奇点，智能与人机融合逐步推进，文明会先完成行星级的完全掌控，再分阶段向太阳系内殖民、外太阳系探索，最终走向恒星际航行，整个过程持续数百年。

但是，也有要命的反命题：奇点也可能是跨星际的"大过滤器"

并非所有度过奇点的文明，都会走向星际。另一种可能是：奇点之后，文明选择向内坍缩。

超级智能构建出完美的虚拟世界，实现意识上传、数字永生，全体文明进入"数字伊甸园"，彻底失去向外探索的动力。在这种路径里，奇点不是星际文明的起点，反而是文明自我封闭的终点。

而这，恰好也是费米悖论最经典的解释之一。

05 费米悖论：宇宙级沉默的答案

费米悖论不是严格意义上的逻辑悖论，而是一个基于宇宙尺度与观测事实的尖锐矛盾。简单说就是：宇宙这么大、历史这么长，外星文明按理应该遍地都是，可我们为什么一个都没看见？

它的起源来自1950年一次非正式的闲谈。物理学家恩里科·费米在美国洛斯阿拉莫斯实验室的午餐上，和同事聊起UFO传闻与星际旅行的话题时，突然抛出了一句灵魂拷问："他们都在哪儿呢？"

这个看似随口的问题，后来成了整个天体生物学、外星文明研究领域最核心的命题之一。

它的核心矛盾，是概率与现实的极端错位：

从概率上看，银河系有约2000亿颗恒星，其中和太阳类似的恒星占比很高，且绝大多数都拥有行星系统，位于宜居带的类地行星数量极其庞大。而宇宙已有138亿年历史，太阳系仅存在了46亿年。只要有一个文明比人类早发展1亿年，以亚光速进行星际扩散，也早就足以遍布整个银河系。按照经典的德雷克公式估算，仅银河系内就应该有成千上万个可交流的先进文明。

但现实是，人类至今没有发现任何确凿的外星文明证据：没有接收到规律的人工电磁信号，没有发现太阳系内的外星造物，没有任何可靠的外星造访记录。整个宇宙在文明层面，呈现出一种诡异

2026-09-23 03:44:44 · 大模型,AI应用,政策监管,Google,代码生成,对话助手,Agent智能体,设计创意,医疗健康,金融,教育学习,游戏,扩散模型,微调蒸馏,模型安全对齐,法律,工业制造,AI for Science,模型发布,产品更新,合作

零售成了“机器人练兵场”

钛媒体

（本文作者为巨潮WAVE，钛媒体经授权发布）

文 | 巨潮WAVE，作者｜Tiya，编辑｜杨旭然

宏大叙事正在不可避免地退潮。

具身智能作为一个行业的讨论焦点，已经从技术能做什么，转向讨论如何在更具体的场景中真正转起来、持续迭代，并最终实现盈利。

叙事的转向是一种对现实的真实映照，也是对资本诉求的回应。2026年下半年，多家主流厂商在机器人+零售领域搞了大动作，从一线城市商圈到社区便利店，“机器人员工”正以肉眼可见的速度渗入多元业态。

工业产线和展会舞台之外，零售门店正在成为具身智能落地最密集的方向。一个信号已然清晰：零售不再是具身智能的“试验田”，而是成了检验其商业价值的直接场景。

这意味着在当下的具身智能市场，价值的定义几乎已经被重构：“技术可行”与“商业向实”缺一不可。所有已经进入零售场景“打工”的机器人，都在竭力兼顾这两点。

零售场景中悄然泛起的机器人热潮，不该被简单视为短期风口，它像是一面镜子，更具体地映照出整个行业正在从单纯的“能力炫技”走向“价值兑现”。

探索

从场景验证的历程看，零售场景顺承了舞台表演、工厂作业两大重要场景下机器人融入人类工作的基本路径，但也在某种程度上跳出，甚至超越了原有场景验证的局限。

无论是舞台表演、工业生产，亦或是零售服务，机器人在多元场景中的落地，本质上都是在重塑这个世界的生产生活形态。整个过程的深层逻辑并非简单追求“无人化”，而是以机器人为枢纽，构建一种人机互补的新型协作模式。

从技术和产品层面看，这三个场景对具身智能的要求已经出现了分化。

大部分的工业生产机器人受限于横向、纵向，或是“格子式”的封闭空间进行作业，即便是游走在工厂中的叉车及移动机器人，也大多全流程自主作业，与人的直接交互比较少。

舞台表演中的机器人显得更加灵动，但更多是一种简单的功能展示，商业变现能力不足。

相比之下，零售门店恰好介于两者之间——零售场景有标准SKU、标准SOP，可以满足机器人持续学习，能力迭代的底层需求，同时又有真实客流、随机订单和现场干扰，是检验机器人泛化能力与固定场景之下应变力的“试金石”。

零售行业的“无人化”由来已久。从自动售货机、无人货架到AI视觉结算，零售行业一直在寻找降低人力依赖的方案，但此前的探索更多集中在“设备自动化”。

中商产业研究院报告显示，2025年中国无人零售市场规模超480亿元，2026年将达536.26亿元。自动售货机是行业内最早实现无人化闭环的终端，当下的“机器人+零售”更像是进一步的内生性深度探索，不仅是近年才开始的跟风。

但现在有部分机器人零售只是在原有无人零售体系上叠加了机器人躯壳和简单问答，整个状态看起来更像技术展示或“表演”，这不能称之为真正的机器人零售服务。

真正的转折点，在于机器人零售门店化并与零售体系之间开始融合：商店中的机器人在授权范围内真正参与到业务的全流程，“卖东西”成为企业经营行为的延伸。

政策支持、技术优化、商业成熟，三者共同推动着这种更加智能的零售业转变。

政策端，对智慧零售的支持力度在提升，政策红利促进人工智能赋能无人化服务的发展；技术上，世界模型、触觉感知相继跨过可用门槛，机器人已经可以到现成的门店直接上岗；商业端，就像人们逐渐习惯了掌上智能助手的7×24服务，经过一段时间的测算，企业相比之前也更加明确了机器人员工“全天候在岗”的红利。

以此为基础，机器人零售的持续发展几乎是确定性的。但确定性属于赛道，并不属于个体。

当下这个领域还没有陷入到内卷的泥沼，因此那些率先突围者的破局样本，更具有研究和参考价值。

模式

资本催熟之下，零售赛道的具身智能厂商们野蛮生长、良莠并存，洗牌期也提前开始。

野蛮生长的一面主要体现在形态之争——人形、双臂协作、轮式复合、桌面级等形态并存，做咖啡、调酒，从零售货架上取物，形态选择取决于职能和场景需要，尚无公认最优解。

良莠不齐与洗牌期同时出现的一面，则是因为资本涌入速度往往远超技术迭代和商业验证周期，行业出现“时间压缩”效应——许多企业被迫在未完成产品闭环时就开始规模化叙事，这也意味着无法实现商业化自洽的企业只能被迫出局。

整体来看，真正火出圈的还是人形机器人，因为机器人的形象展示更容易引发人们的好奇，也代表着更大的想象空间。厂商们的实践方向各异，催生了差异化落地路径与商业模式。

银河通用没有做过多的技术展示，直接在真实线下门店开展技术验证+商业化转化，旗下Galbot G1人形机器人以轮式人形结构为基础，聚焦于“抓、持、递”三项最基础的操作能力的优化与实现。

这款机器人可以依托轮式底盘快速响应订单，柔式夹爪有更稳定的抓握表现，“大脑-小脑-触觉感知”的闭环传导相对流畅，全自主运行，且无需远程操控。

可以看出，这样的整体规划旨在为线下门店提供可复制的智慧零售解决方案。

资本对于银河通用的押注，其中一部分就是它能够把技术转化为“标准化零售劳动力”的预期。但当前真实零售场景的非结构化程度、人机协同的实际摩擦成本，以及终端客户对“劳动力替代”最真实付费意愿，都还需要进一步的验证。

Sharpa则是走了系统性灵巧操作的技术路线，让机器人学会了做冰淇淋。

今年8月，Sharpa和全球知名冰淇淋和快餐连锁品牌Dairy Queen (以下简称DQ) 合作，打造了一家“零改造、全自主、全年无休”机器人暴风雪餐厅，在DQ上海吴江路店落成。

与银河通用一样，Sharpa也不过度追求机器人长得像人，而是更多去塑造机器人更加类人的思考和行动模式，让机器人实现从“递货员”向“产品制作者”的转变。

物理AI的高阶形态，是在开放动态环境中基于物理规律、社会准则，深度理解并完成复杂的长程任务。这个过程对机器人来说，就包含行动前的预判和多任务拆解、行动中的动态调整，以及任务结束后的记忆“归档”，以不断优化下一次的行动。

拆开技术来看，机器人搭载Sharpa Wave五指触觉灵巧手具有22个主动自由度，可以在“抓、捏、推、拉、舀取、倾倒”一整套动作中灵活切换。

相比“像人手”，这只灵巧手的真正意义在于其将原本需要多套设备、多重适配、多次调试才能完成的零售操作，收敛为一个可复用、可扩展、可与外界交互无缝衔接的物理接口。

Sharpa的自研分层端到端模型CraftNet，在底层控制中引入触觉、力觉和状态反馈等机制，机器人会根据摩擦、滑动、振动和受力变化调整输出力度。触、力的觉感知，则是会反馈回全模态的世界模型，一边“保存”历史任务数据，一边规划演绎下一杯的制作。

Sharpa制作冰淇淋的过程很像一场“动态实验”，需要面对杯、勺、柜门和冰淇淋机多个物理实体，全自主地完成从点单到交付的55步连续任务，且不是快闪演示。

可以看出，在零售场景中，机器人将不断触及、跨越其最终实现长程任务的能力“临界点”。

这套技术全栈式的零售打法，也有可能被Sharpa和具身同行们学习、推广到其他冰激凌、汉堡等更丰富的餐饮制作中，“涟漪效应”显然是明晰的。

不过，不同餐饮品类在工艺流程、卫生标准及设备兼容性等方面存在显著差异，这些现实约束，也可能反过来推动更具适配性的下一代“类Sharpa”门店形态的加速涌现。

商汤善惠也是这个赛道中的一个重要参与者，“烧卖购”机器人小店是其人工智能实体服务消费者构想的核心载体。

通过SenseMart OS零售物理操作系统，商汤善惠希望形成一个开放共享、“即插即用”的平台底座，不同店面既可以接入不同的机器人和设备，也可以连接品牌、运营商和场地方端口，通过标准接口缩短新商品、新设备和新业态的上线周期。

复杂的智能零售链路，被拆解为感知、交互、决策、执行四类能力，由统一零售大脑调度；各动作可独立训练验证，店内设备与货架亦经轻量化改造，便于机器人触达。机器人员工被分配到不同店面，感知咖啡机、冰淇淋机、柜门等服务触点，持续完成指定工作任务。

商汤善惠联合创始人伊帅坦言，“机器人店”并不完全等同于“无人店”，机器人小店的本质还是要回归“经营”——显然这需要比机器人卖货要复杂得多的综合能力。

根据设计，“机器人店长”会将互动数据传回决策中枢，成为零售门店运营的关键基础。但在新品引入、品牌联名及大型促销等关键决策环节，仍将保留人的判断，这样才可以最大化激发整个服务体系的技术张力与商业潜能。

本体能力、操作精度与经营系统，共同构成了机器人零售落地的必要支撑。三者协同，将感知、决策、操作与经营整合为一套可持续履约并实现盈利的完整系统。这意味着机器人进入门店绝非简单的硬件入驻，而是一种系统化商业能力的嵌入。

远景

各家企业的情况各有不同，但综合起来看，当前机器人零售正面临一场价值重估：它是否真的可以被资本与零售业界共同视作一个可持续创新的长期场景，被验证并持续开发？

这其中的影响因素很复杂，穿透表象才能更多感受到机器人企业更真实的商业目的。

行业发展的早期阶段，人们对机器人零售的热情更多源于好奇与打卡冲动。吸睛特质会在无形中放大消费者的猎奇心态，短期内必然会收获一波流量，但这只是起点。

从银河通用、Sharpa、商汤善惠等厂商入局机器人零售的实践来看，现阶段机器人进店的核心动力，主要还是希望依托零售场景中标准SKU、标准SOP及真实的交互数据，实现大规模真实数采以反哺机器人后续的训练。

当基础感知与交互能力趋于成熟，新增数据对模型性能的提升将显著放缓，边际数据价值递减的拐点到来，店面追求的不再是数据的“多”，而是追求更具挑战性的长尾案例。如室外取货、多语种混合指令、非标准交互等稀缺数据，将成为下一阶段模型突破的重点。

这时，机器人零售需要在保持“零售本色”的同时，蜕变出更加面向未来的新经营模式，如RaaS模式（机器人即服务）将会被看重，像烧卖购这样的机器人小店，在这种模式下可以成为品牌触达消费者的新触点，并反向促进品牌的产品研发和精准营销。

猎奇效应要转化为长期价值，关键在于创造独有的消费体验，或完成人类难以完成的任务。

这一逻辑已在实践中验证，零售正在成为机器人能力的“母场景”。商汤SenseMart OS正从便利店向商超、园区等场景迁移；银河通用则从零售延伸至药房、康养等多个领域。

另一方面，各家厂商的竞速也正在表明，“机器人零售”、“无人服务”的终局不是“替代人”，而是“激活人”。这也是其商业模式可持续的体现。

机器人零售需要保持人机协同的灵活性与足够的韧性——机器人保障基础服务的稳定输出，人力则用来完善场景、解决问题、维系与消费者的情感连接等等。

因此，衡量机器人零售的成熟度，不能局限于“替代人工”这个单一维度。相比于单纯的人力置换，人机能力的精准耦合与价值共生，可能会成为更具价值的评估标尺。

从整体市场现状看，人类与“类人”员工，还需经历一段比较漫长的磨合周期，完全以取代人为目标的机器人零售企业，可能会遭遇到不同程度的困境与压力。

结语

机器人零售的演进与升级，同时也是行业从技术想象回归到商业常识的一条必经之路。

猎奇所带来的流量终会消退，在真实经营中验证过的人机协同模式、可复制的场景能力，以及更可持续的盈利路径，才能支撑入局的企业穿越周期。

当前，无论是数据积累的临界点突破，还是RaaS模式的探索，抑或是“激活人”而非“替代人”这样共识的形成，都指向同一个方向：

机器人零售正在褪去表演属性，努力成为零售产业的一个组成部分，一个新的方向。

它或许不会以颠覆者的姿态彻底重塑行业，但作为具身智能落地最务实的试验场与放大器，其意义早已超越了卖瓶装水或者冰淇淋本身。

当机器人员工真正学会像店员一样思考、协作与成长，甚至像店长一样完成经营和盈利工作，这场变革才算抵达了真正的起点。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-09-23 03:48:42 · 具身智能,政策监管,商汤,对话助手,Agent智能体,设计创意,金融,教育学习,扩散模型,微调蒸馏,世界模型,向量数据库,工业制造,零售电商,传媒内容,营销广告,模型发布,产品更新,合作

十部门联合印发《医药工业发展“十五五”规划》，零售药店行业的机会来了？

钛媒体

（本文作者为医药研究社，钛媒体经授权发布）

文 | 医药研究社

如果你留意过家门口的药房，大概会有这样一种感受：一条街上三四家药店并排开着，促销海报贴得密密麻麻，但进店的人似乎并没有变多。这种“店多客少”的局面，正是当下中国零售药店行业的真实写照。

据报道，2025年，全国药店总数从高峰期的70多万家一路收缩，全年闭店约5.5万家，门店总数降至68万家左右。行业零售市场规模约5172.5亿元，同比下降2.1%，其中非药品类更是暴跌11.4%。用业内人士的话说，这是中国药品零售行业经历的一次“硬着陆”。

就在这个关口，近日，工信部、国家发改委、国家药监局等十部门联合印发《医药工业发展“十五五”规划》，首次将零售药店写入这份产业顶层设计文件，提出“支持零售药店扩展专业服务、健康促进等功能，打造更好服务群众的‘健康驿站’”。这份文件，到底会给困境中的药店行业带来什么？是雪中送炭，还是画饼充饥？

药店拿到了“新身份”

先说一个容易被忽略的细节。

过去五年，零售药店在政策体系中一直归属于“流通”范畴。2021年发布的《“十四五”医药工业发展规划》，重心全部放在化药、生物药、中药、医疗器械的研发制造上，全文找不到“零售药店”三个字。药店的行业管理归口在商务部，核心任务是推动网订店取、网订店送这些零售新模式。

打个比方，过去的医药工业规划就像一份“工厂生产计划”，管的是药怎么造出来、怎么保证供应链安全。药出厂之后进了药店，那就是流通领域的事了，跟工业规划没关系。

但这次不一样了。“十五五”规划把零售药店直接写进去，还给了一个明确定位——全生命周期健康服务链条的一环。这意味着药店的“身份”从流通渠道的末端，升级成了医药产业价值落地的关键节点。

更值得注意的是“健康驿站”这个提法。它并不是这次规划首创。2026年7月13日印发的国务院关于《扩大消费“十五五”规划》的批复（国函〔2026〕66号）就提出了这个概念，目标是建成1万家以上健康驿站。但那次是商务部的行业文件，这次是十个部门联合印发的国家级产业规划。同一个概念，换了更高层级的载体，分量完全不同。

那么，“健康驿站”到底意味着什么？今年1月，中国医药商业协会发布了《零售药店健康驿站服务指南》，划定了六大核心服务模块：健康监测、健康指导、专业药学服务、健康宣教、便民服务、突发疾病应急处置。说白了，药店不再只是“一手交钱一手交货”的卖药窗口，而要变成一个扎根社区的健康服务站点，帮老百姓量血压、做用药指导、跟踪慢病指标、普及健康知识。

用一句话概括：药店要从“卖药品”向“管健康”转型。

背后的三重推力

一份管药品研发生产的工业规划，为什么突然要管药店？这不是“管宽了”，而是产业逻辑发生了根本性变化。

第一重推力：旧的增长模式走不通了。

前面提到的数据已经很说明问题。过去那种“多开一家店就多一份收入”的跑马圈地模式，在医保个账改革、集采降价、线上分流的多重挤压下，已经彻底失效了。行业必须找到新的价值出口，否则关店潮只会愈演愈烈。

第二重推力：规划本身的逻辑变了。

过去管工业就是管供给端——抓研发、抓生产、抓供应链。药出厂了，任务就完成了。但“十五五”规划明确提出“深化医药工业健康价值”，鼓励医药工业和慢病康养、健康消费等业态融合，孵化新的产品与服务模式。简单来说，一款药造出来只是完成了第一步，它在患者身上能不能真正发挥作用、能不能帮助患者长期管理好健康，这才是药品的真正价值。

而离老百姓最近、最高频触达居民的场景就是社区药店。你去医院可能一年两三次，但去药店买药、量血压、咨询用药，可能一个月好几次。药店天然具备成为健康管理“触点”的条件。

第三重推力：药店转型已经有了“现成的脚本”。

政策并非凭空冒出来的。2025年，老百姓大药房在全国万家门店落地了标准统一的“爱心驿站”，成为全国首家建成万家级驿站的连锁企业。益丰大药房构建了“标杆店+卫星店”的服务网络，涵盖药事服务、健康监测、社区关怀、应急保供等六大模块。第一医药则在上海搭建了“自营门店—中心门店—旗舰店”的三级服务网络，旗舰店引入国家标准化代谢性疾病管理中心的检测项目，以系统化健康管理为定位。

这些头部企业的探索，等于帮行业蹚出了一条路。国家把它们写进规划，本质上是在告诉全行业：这条路是对的，大家跟着走。

机会摆在面前，药店该怎么抓住？

试点铺开了，服务做了，接下来的问题是：药店如何抓住这一机会？

行业里已经有人把这个问题摆上了台面。据公开报道，江苏同正医药连锁董事长朱华林在2026西普会上曾指出，传统药房长期用销售额、客单价、毛利率评价经营，这些指标能衡量交易，却判断不出专业服务有没有真正改善消费者的健康状况。她提出的思路是把“健康值”作为新框架。用药依从性对应服务过程，指标达标率对应阶段结果，代谢修复度对应长期结果，并让健康指标进入内部考核和会员权益体系。

方向已经明确，但药店从“知道要转型”到“真正转型成功”，还有很长的一段路要走。对药店来说，至少需要在三个维度上做出实质性改变。

第一，服务能力要从“卖药思维”切换到“健康管理思维”。

过去药店的核心能力是采购和铺货——进什么药、怎么定价、怎么陈列。未来比拼的是健康服务能力。这意味着药店需要重新配置人才结构。全国目前注册在药品零售企业的执业药师有73.7万人，数量不少，但长期以来他们的价值主要体现在“审核处方”这个基础环节。健康驿站要求药师走出柜台，提供用药指导、慢病随访、健康风险评估等服务。

健之佳董事长蓝波说得很直接：药店与医疗机构在功能上早已形成区隔，前者以健康管理见长，后者以疾病治疗为核心。但药店专业化转型面临的核心障碍，在于尚未建立权威机制对药师服务价值予以确认。换句话说，药师提供了专业服务，但患者和支付方不认这个“值多少钱”。这是转型中一块难啃的骨头。

第二，盈利模式要从“赚差价”转向“赚服务”。

这是最现实的挑战。目前药店的收入几乎完全依赖药品购销差价。一旦集采药品零差率政策全面铺开，药品销售本身能赚的钱会越来越薄。健康驿站提供的健康监测、慢病管理等服务，目前大多是免费的，没有收费标准，也没纳入医保支付。

北京金象大药房总经理邓劲光指出了一个务实的方向：可逐步探索将合规药械服务、健康随访等专业服务纳入医保支付范围的可行路径。但这需要一个过程。在此之前，药店需要找到过渡期的收入来源。比如，通过健康管理服务增强客户黏性，带动非集采品类、健康消费品、功能性食品的销售。益丰大药房与科赴在过敏管理领域的合作就是一个成功案例：通过过敏中心建设和药师培训，共同服务的过敏患者数量增加了70%，联合用药数量翻了四倍。这说明专业服务确实能带动销售，关键是药店找到“服务”和“产品”之间的连接点。

第三，工商关系要从“买卖关系”升级为“伙伴关系”。

这一点是本次政策变化中最容易被忽视、但可能影响最深远的。过去药企和药店的关系非常简单：药企供货，药店卖货，一手交钱一手交货。但当药店变成健康驿站之后，它承接的不再只是“卖药”这一个动作，而是慢病管理、患者教育、用药随访等一整套服务链条。

举个例子：一个高血压患者来药店买药，药师不仅要给他拿药，还要帮他测血压、了解他的用药依从性、提醒他定期复查。这些服务需要药企提供系统的产品培训、疾病管理方案、患者教育材料。药企不能只是把药卖给药店就完事了，而要深度参与到药店的服务能力建设中来。

这种转变已经发生。科赴中国线下销售负责人尹勐介绍，企业与健之佳的合作不仅停留在供货层面，而是将疾病知识、用药指南带到门店，为药师培训赋能，构建起覆盖认知、干预、治疗的完整服务链条。这正是“十五五”规划所说的“医药工业健康价值”的具体落地。

第四，可以看看国外同行是怎么走的。

美国CVS Health的转型路径值得参考。它从一家连锁药房起步，逐步整合了药品福利管理、保险业务和零售诊所，构建起“医疗+保险+社区”的闭环生态。它的核心逻辑是：不再把消费者看作一次交易的买家，而是看作需要长期健康管理的会员。

日本WELCIA集团的思路也类似。这家日本排名第一的连锁药店，目标是在2030年成为“各地排名第一的健康驿站”，在病前预防、治疗、护理等领域提供专业服务。它推出了名为“关爱胶囊”的新型服务，消费者在店里既可以做线上健康咨询，也能进行营养检查和体能测试。

中国药店当然不能照搬CVS或WELCIA的模式，毕竟医保体系、支付方式、消费习惯都不同。但有一点是共通的：药店的价值不在于卖了多少药，而在于帮多少人管好了健康。谁先完成这个认知转换，谁就能在下一轮竞争中占据先机。

零售药店的机会确实来了，但它绝不是躺赢，而是一个需要主动转型、承受阵痛的机会。政策给了方向，头部企业蹚出了路子，但每一家药店都需要根据自身条件找到适合自己的转型节奏。对大型连锁来说，可以搭建分级服务网络、建设旗舰店；对社区小店来说，哪怕先做好一件事，比如帮周边老人建立健康档案、定期提醒用药，就已经在向健康驿站靠近了。

“十五五”规划里，释放了整个医药产业从“分段管理”走向“全链条协同”的信号：研发、生产、流通、使用不再各自为政，而是统一纳入全生命周期健康管理的大框架。对于零售药店而言，这既是压力，也是机遇，能不能接住，就看未来五年了。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-09-23 03:48:46 · 政策监管,设计创意,医疗健康,金融,教育学习,扩散模型,工业制造,零售电商,物流供应链,AI for Science,招聘HR,模型发布,产品更新,合作,财报,榜单评测

启元先手非胜手：供应链是舒适区，刚需场景是压力位

钛媒体

（本文作者为财经故事荟，钛媒体经授权发布）

文 | 财经故事荟

黄晓明、胡军、田亮夫妇，以及远道而来的德普，招来一众中外明星站台，启元想在C端机器人市场大干一番。

2026年9月20日，全球首款实现全身力控的小尺寸人形机器人启元Q1与可变形个人机器人T1对外发售。官方强调“发售即发货”，主打全家庭成员的长期情感陪伴。此外，自定义外观、3D打印等元素也为产品增添了一定可玩性。

两款产品的起售价均被精确地锚定在了19999元，高配版本分别为2.69万元与2.99万元。

此前，人形机器人大多定价数万元到数十万元之间，如引起一时轰动的9.9万元的宇树G1。即便是入门级别的R1系列，Air版本起售价也达到2.99万元，且更多面向教育、科研市场。宇树招股书显示，2025年前三季度，其人形机器人收入的73.6%来自科研教育机构。

至于万元以内的消费市场，基本是四足机器人的地盘，比如宇树的Go2。

量产交付的基础上，启元进一步让消费级人形机器人的价格再往下探了探，与当下高端手机、笔记本电脑基本平行，处于中产咬咬牙能够上的消费区间。

低门槛的价格、亲子与情感陪伴的场景寄托，以及基于模块化与外观3D打印的自定义玩法，构成了启元冲击C端市场的三张牌。

然而，微妙的变化已经在销售端显现。不久前，启元小程序购机页面悄然更新，新增全新的限时下单权益——服务保障与周边7折、新增半年质保与赠送官方电池。

这一套组合拳，不免让人嗅到一丝新能源汽车尾款战与权益加码的味道。

加权益促尾款，多半出现在定价承压的时候。即便已经将价格压到了2万元关口，对于一个缺乏刚性使用场景的新物种而言，消费者仍存在不小的决策阻力。

C端市场的犹豫与观望时刻提醒，降低价格门槛只是第一步，大众刚需高频场景这个必答题，启元们还暂未作答。

刚需场景还未解

消费级机器人玩家不少，启元并非第一个尝鲜者。

早在启元之前，优必选就曾为“家庭为什么需要一台人形机器人”提供过自己的商业答案。其优世界U1系列主打全尺寸超仿真人形与情感陪伴，采用仿真硅胶皮肤与细腻的微表情交互，将奢侈品级的硬件工艺推向台前。

其中U1 Pro售价16.98万元，更高配的Ultra版本达到88万元和99万元。优必选的逻辑是自上而下的，通过高仿真度与极致硬件规格，锁定高净值人群对前沿科技玩具、私人伴侣及情感陪护的升级需求。

无限接近于真人的设计引发市场热议，该系列在6月30日正式发布时，全渠道订单累计达到13361台。不过，预售订单的成色很快受到拷问，据优必选CFO张钜在财报电话会上透露，U1今年实际可交付量仅1500至2000台。

交付多少更多在于产能。至于市场需求，可以参考优必选2025年报的数据。去年优必选全尺寸人形机器人及解决方案全年销量为1079台，销路未能打开。

另一端，则是更接近玩具和开发套件的产品。

法国机器人公司Pollen Robotics今年8月推出的Microduck“机器鸭”身高只有25厘米，预售价399美元（约2800元）。该产品开订24小时销售额就超过260万美元，高峰期平均4秒卖出一台，不到一周预订量突破一万台，新订单的发货排期拉长到了4至6个月。

它同样强调互动、可编程和开放生态，但价格只相当于启元Q1的零头。消费者即使不知道买回来具体能做什么，也更容易把它当成一次科技尝鲜。

启元刚好卡在两者之间，也同时吸收了两端的产品逻辑。

一方面，它以更小的体型和低至19999元的售价，将原本十几万元甚至更高价格的人形机器人拉入高端消费电子的价格区间；另一方面，它又没有完全退回玩具形态，而是在可编程和外观自定义的“玩具”基础上，保留了人形、全身力控等构成情感陪伴的元素。

中庸的代价，是启元既不能像Microduck一样，仅仅依靠“好玩”和低价完成销售，也很难像高端仿生机器人一样，将细腻的情感交互与拟真变成购买理由。

从目前的产品定义来看，启元押宝的核心卖点是陪伴。这几乎也是所有消费级机器人最自然的落点。相比手机、音箱和平板，人形机器人最大的区别，就是拥有一个可以移动、触碰、做动作的身体。它可以跟随用户、做表情、跳舞，也可以通过语言模型承担聊天和互动。

发布会上，官方还把陪伴的概念收拢并下沉到具体的亲子互动场景中，如随行拍摄、老人看护等。

但是，早在启元正式发售前，外部便存在该产品是“智能音箱装上腿”的质疑。如果没有高频功能承接身体带来的互动特性，机器人很容易经历一条消费电子产品最危险的使用曲线：购买后的前几周频繁体验，随着新鲜感下降，使用频率快速衰减，最终成为客厅里另一件无用的摆设。

启元试图给出的第二个答案，是教育与创作。相比纯粹的情感陪伴，这至少对应了一个更加明确的家庭预算。

中国家庭愿意为儿童教育、编程启蒙和科技素养投入资金，Q1的可编程能力、动作编辑、3D打印外观等特性，也天然具备教育与创作属性。

早教场景确实更贴合中产家庭的付费意愿，中产阶层愿意为孩子的科技素养教育买单。但早教赛道早已是一片红海，从学习机、儿童智能音箱到各类桌面教育机器人，硬件形态层出不穷。

启元Q1虽然具备全身力控与3D打印换装等具身交互特性，但其早教功能的实际效果，能否与市场上成熟且低价的专业教育终端拉开决定性的体验差距，仍要打上问号。

更深层次的问题在于，家庭机器人真正缺乏的不是“杀手级功能”，而是不知道用户在真实生活中究竟会高频使用什么。

2007年初代iPhone发布时，乔布斯给出的购买理由无比清晰，且锚定了三大高频刚需：一个带触摸控制的大屏iPod、一台革命性的移动电话、一个突破性的互联网通信器。这三项核心功能在iPhone问世前就已经被全社会高频使用，苹果只是用颠覆性的交互将它们合三为一。

反观家庭人形机器人，目前整个行业都陷入了“功能供给过剩，高频需求迷茫”的困境。无论是唱歌跳舞、早教陪聊，还是3D打印换装，大多属于演示型功能，距离用户日常使用、交互习惯还有不短的距离。

如此看来，启元锚定2万元价格带，本质上是试图用规模化铺货去加速产品形态的探索，寄希望于将硬件送入千家万户后，由真实用户的日常反馈去反向寻找PMF（产品市场契合度）。

在核心高频场景尚未被明确验证的前提下，这种试错式的启动过程，很可能会比当年的智能手机更为漫长。

供应链玩家的“舒适区”

消费市场变化莫测，稳态订单尚未明朗前，简单地为一款颇具创新意义的产品下定论还为时尚早。

相比之下，启元能够在不到一年时间里，把一款消费级人形机器人从样机推到量产发售，背后还有一场更值得观察的产业碰撞。

如此高效搞定量产的启元，来头不小，它是A股上市公司上纬新材旗下的消费级具身智能品牌，属于“上市公司+智元系”双背景。

2025年，智元机器人及核心团队设立的持股平台智元恒岳取得上纬新材控制权，智元创始人邓泰华成为上市公司实际控制人，联合创始人彭志辉随后出任上纬新材董事长。

智元主品牌聚焦B端工业与商业场景，死磕高强度作业与自动化产线；而启元品牌，则全盘接过智元系冲向C端家庭市场的接力棒。

二者合力下，运动控制、多模态交互和可编程能力被组合成普通中产家庭“跳一跳能够得着”的整机，为消费场景的漫长探索提供了一个现实的物理载体。

产品设计上，上纬新材在材料与供应链管理上的长期积累为机器人提供了产业根基。而2万元定价背后的硬件取舍，是理解启元商业逻辑的关键。

如前所述，行业内的人形机器人大多处于两个极端。四足机器人虽然实现了较好的运动控制与成本下探，但由于缺乏手部执行器与人形亲和力，在陪伴上“力有不逮”。全尺寸人形机器人则因为体型庞大、造价高昂，很难实现规模化入户。

启元Q1的选择是做极致的尺寸缩减与安全性折中。

首先，启元在结构层面将身高缩减至88厘米，体重控制在15千克，并开发出单颗重量仅260克的力控关节。这不仅大幅降低了对关节扭矩峰值、电容和驱动功率的要求，从而显著削减了物料清单成本，更关键的是解决了家庭安全性这一首要痛点。

除了发布会上浓墨重彩的“装进背包”，15千克的轻量化体格，更保证了机器人即使在家庭环境中意外摔倒或碰撞，也不会对儿童或家具造成严重伤害，一举跨过了家庭场景的红线。

制造环节，上纬新材与蓝思智能达成首期规划万台级机器人产线合作，并与卧龙电驱在核心部件产线上展开合作。消费电子与汽车产业积累的制造能力，正在成为个人机器人量产的支撑。

上纬新材CEO田华在发布会上坦言，不到两万元的价格，硬件本身是不赚钱的。这实际上是公司递给科技消费市场的一份“另类消费升级”答卷：通过牺牲硬件端的短期毛利润，换取整机规模的快速突破。

上纬新材贡献了上市公司平台、高分子复合材料研发实力以及极致的制造降本能力。反观智元，则带来了联合创始人稚晖君的光环、前沿的大模型运控算法。这种“算法顶流+制造老牌”的组合，给见惯了智驾大牛、高校教授的市场带来了不少新意。

从行业角度来看，启元确实为人形机器人的商业化趟出了一条新路。它证明了人形机器人不必死磕1.8米的全尺寸工业形态，通过尺寸与场景的降维，供应链有能力将整机下探到2万元以下的大众消费水准。

场景未满，生态补位

“价格关乎品牌怎么定位产品，我们的定位是做机器人界的苹果。”上纬新材CEO田华如此定型。

他给出的收入结构分三块：本体销售、内容（订阅与IP应用）、服务（运维与维保）。“其实本体只是入口，未来个人机器人的星辰大海在内容、IP与体验之上。”

与Q1、T1两款硬件同时被推到台前的，是启元的生态蓝图。

产品刚宣布发售，启元便公布了一整套软硬件生态体系：面向家庭场景的基座大模型PrimeMind、技能商店PrimeStore、外观创造平台PrimeFLOW，以及开发者平台PrimeHub元创工坊。官方宣布目前已有超过1,000名开发者参与生态共创，并承诺将在未来五年内持续投入10亿元资金用于生态扶持。

硬件载体的销售上，启元的打法就颇具当年苹果通过牺牲硬件端的短期毛利，换取整机规模快速突破的味道。结合同步开张的软件商店看，启元的这一套组合拳，更像是在复刻苹果App Store的生态飞轮。

“机器人里的苹果”是启元眼里的星辰大海，但相似的逻辑，对应的却是不同的商业节奏。

在苹果的故事里，生态并不是和硬件同时诞生的。2007年初代iPhone上市时并没有App Store，甚至不允许第三方开发原生应用。直到一年后的2008年，在iPhone硬件保有量达到数百万台、用户高频使用习惯已经固化的背景下，苹果才顺水推舟推出App Store。

苹果的生态，是硬件保有量达到临界点后的复利杠杆，开发者之所以蜂拥而至，是因为硬件已经帮他们锁定了海量的、高粘性的付费用户，开发应用能够直接实现商业变现。

相比之下，启元的选择是把生态作为提前量强行推到最前排，在硬件尚未大规模交付、C端保有量几乎为零的阶段，就将技能商店、开发者扶持和内容生态作为核心卖点打出来。

这么做的目的，很可能是希望通过开发者的群体智慧，在极短时间内试凑出那个能触发爆发增长的杀手级应用。

对智能手机而言，早期开发者主要是在已经存在的需求之上创造新的软件。对今天的个人机器人而言，早期开发者承担的任务更重：他们不仅需要丰富功能，还需要参与寻找需求本身。

把目光拉远，这种“生态前置”并不是机器人独有的现象。诸如苹果自己的Vision Pro、智能眼镜Rokid等后iPhone时代的产品，都打了这个提前量。

生态被提前，既暴露出借软件与服务获取长期复利的野心，也暴露出消费级人形机器人尚未完成产品定义的现实。

以Vision Pro为例，产品发售之初，苹果已经依靠成熟的开发者体系准备了大量应用。但第三方机构Appfigures随后发现，在最初的集中上线之后，Vision Pro原生应用新增速度迅速下降。其统计中，2024年3月最后一周甚至只有一款新的Vision-only应用发布。

要想实现消费机器人的大爆发，价格门槛的降低是必要的，但还有一个共性难题——如何找到大众刚需高频应用场景。

硬件是船，场景是水。在硬件保有量建立与使用场景被打开之前，开发者生态的繁荣需要巨大的资金去维持。如何处理“鸡生蛋还是蛋生鸡”，是启元接下来要面对的硬考题。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

2026-09-23 04:17:00 · 大模型,AI应用,具身智能,融资,政策监管,代码生成,多模态,设计创意,金融,教育学习,扩散模型,微调蒸馏,工业制造,传媒内容,物流供应链,AI for Science,模型发布,产品更新,合作,财报,开发者生态

特斯拉、Figure 还在攻克量产，小鹏机器人已经走下产线

极客公园

9 月 8 日，一台高阶通用人形机器人小鹏 IRON 完成自动化总装，从产线上走了下来。

如果只看画面，这好像是又一段科技公司放出来的机器人视频。在这个被大模型和具身智能席卷的时代，科技圈每天都在被各种炫酷的机器人 Demo 刷屏：有人形机器人打拳击，有灵巧手叠衣服，也有机器人在舞台上完成复杂动作……

这次更值得关注的，并不是机器人行走本身，而是它身后那条刚启用的自动化产线。这次的机器人并不是工程师手工拼装出来的，而是像汽车一样经过一整条工业化产线，自动化总装然后下线。

一、会表演不够了，能量产才算数

小鹏押注机器人这件事，其实比外界想象的要早得多。早在 2020 年，小鹏就已经切入了机器人赛道，比现在市面上大多数明星机器人公司都要早。

但选择在 2026 年这个时间点启用产线，这更像是小鹏过去几年物理 AI 战略的一次集中呈现。从智能汽车到 Robotaxi、人形机器人、飞行汽车，小鹏正在推动 AI 能力从汽车场景向更多物理空间延伸。

机器人和汽车在硬件形态、运动方式和应用场景上差异很大，但在 AI 层面，两者需要解决的问题类似：如何让人工智能理解真实环境，并在复杂物理空间中完成任务。

汽车业务中形成的部分模型能力、数据体系和 AI 基础设施，可以进一步向机器人延伸；一套物理 AI 底层能力能否跨越不同本体，新的本体进入更多真实场景后，又会产生新的数据，推动模型持续迭代。机器人是这个战略中的一个重要落点。

图片来源：小鹏集团

其次，小鹏战略层面的准备也早已就位。 2026 年 6 月，何小鹏在全员信中宣布，除了继续担任小鹏集团 CEO，他还将亲自兼任机器人业务的「CEO」。这意味着小鹏集团把机器人业务提升到最高战略优先级。

紧接着是 8 月小鹏机器人业务完成首轮融资，融资金额超 9 亿美元，投后估值超 63 亿美元；再紧接着就是这次的产线投产。

长期投入之后，小鹏机器人的推进节奏明显加快，融资、估值与量产接连落地，一种喷薄而出的加速度正在显现。

更重要的是，机器人行业的竞争主线发生了变化。过去几年，人形机器人热度很高，但更多的是各种 demo 展示，能够真正落地场景的并不多。

但随着本体、芯片、模型、数据采集技术的发展，机器人行业从技术研发阶段，切换到了量产与商业化阶段。接下来比拼的会是产线、供应链、良率、成本、数据闭环和交付能力。

对于任何一家想要做大的机器人公司来说，最难的不是造出第一台机器人，而是造出第一千台、一万台，并且每一台都足够可靠和一致。

二、为什么是高阶人形机器人？

当行业的主战场从 demo 走向产业化，一个绕不开的问题是：什么样的机器人值得被大规模制造?

小鹏给出的答案，不是随便一种人形机器人，而是难度最高的那一种：极致拟人、AI 驱动、具备最高标准安全品质的通用高阶人形机器人。何小鹏的话说得很直白，「我们最想做的是能够自主帮我们干活的高阶人形机器人，这意味着要做最难的硬件，最难的 AI，并且把不同的能力平衡好。」

图片来源：小鹏集团

过去一年多发生的两件事，证明了这条路到底有多难。2025 年小鹏科技日现场，小鹏人形机器人 IRON 走着「猫步」入场，它行走时的流畅度、柔顺感，以及肩颈、胯部的协调摆动，引发公众对「是否真人套壳」的质疑。为了自证，团队不得不现场剪开腿部的皮肤，露出里面的骨骼结构。

然而，在这个过程中并不只是高光时刻。2026 年 2 月，IRON 在深圳湾万象城首次公开亮相时，行走过程中突然失衡摔倒。那一刻，社交媒体的笑声盖过了技术讨论。

但何小鹏自己也承认，「做机器人需要习惯失败，每一次成长背后都会有代价，这是门票，不是意外。」

小鹏敢走这条最难的路，底气来自过去多年在智能汽车上的积累。

从智能汽车到人形机器人，看似在做不同的产品，本质上一直在做同一件事：让 AI 真正理解并进入物理世界。小鹏一直在积累同一种能力：如何让 AI 感知物理世界、理解物理世界，并最终在物理世界中行动。

车和机器人形态不同，但本质上面对的是同一个问题：AI 如何理解现实世界，并驱动不同的「身体」完成任务？这也意味着，小鹏在智能驾驶、VLA 模型、AI Infra、端侧部署、数据闭环和车规级制造能力的积累，都可以迁移到机器人上。

三、不是手工攒机器，小鹏要把机器人做成工业品

小鹏这条机器人产线，真正值得关注的是它正在把一整套成熟的工业体系，迁移到了还处于早期的机器人赛道。机器人行业过去并不缺令人兴奋的 Demo，缺的是稳定制造、规模交付的能力。

汽车工业的核心，从来不只是把零件装成一台车，而是产品定义、供应链管理、质量控制、成本优化、工艺设计、软件迭代、售后体系和全球交付能力的系统工程。恰恰这些能力，是今天多数机器人公司最缺的。

许多机器人创业公司强在执行器、运动控制、灵巧手或算法模型，但它们往往需要重新学习如何规模制造，如何管理供应链，如何控制良率，如何建立服务闭环。

图片来源：小鹏集团

这次小鹏自主设计开发了全球首条高阶人形机器人自动化产线，并将汽车行业成熟的质量控制方法，与人形机器人的高精度装配需求结合。

按小鹏的说法，这条产线核心制程的自动化率超过 80%，意味着小鹏已经把机器人制造从「手艺活」变成了「工业品」。过去这个行业长期停留在小批量、半手工装配的阶段。

何小鹏用一句话概括了小鹏在这条赛道上的位置：小鹏可能是中国唯一一家对机器人进行全体系自研的公司，技术栈完整覆盖本体、大脑、中脑、小脑、数据和 Infra。这句话有两个关键词：自研和全体系。

以 IRON 为例，其全身拥有 76 个自由度，单手拥有 21 个自由度，采用全包覆柔性晶格，并自研控制器、运动模组和灵巧手等核心部件。算力层面，IRON 搭载 3 颗小鹏自研图灵 AI 芯片，有效算力达到 2250 TOPS。小鹏希望通过端侧算力支撑复杂任务推理，减少对云端连接和远程操控的依赖。这对于真实场景中的稳定性、低时延和数据安全都至关重要。

除此之外，模型方面，小鹏计划把与 AI 汽车同源的物理 AI 基座大模型部署在机器人端侧，以获得更低时延，并强化数据安全；数据方面，拟人化硬件能够适配原本为人类设计的空间和工具。机器人进入真实工作场景后，可以持续产生操作数据，再用于模型训练和迭代。

外界或许会问，为什么小鹏不把更多非核心部件交给供应链伙伴？

何小鹏的解释也很现实，汽车产业已经成熟，可以高效分工；但机器人行业还没有形成稳定范式，创新速度太快。如果每个零部件迭代都依赖外部伙伴，就要经历立项、投资、开模、测试等流程，周期往往以月计算。而在人形机器人早期，内部方案可能几周就更新一次。等供应商完成上一代方案，公司内部可能已经进入下一代。

这时候如果转头告诉合作伙伴「对不起，我们又升级了」，对方几乎没有办法承受这个损失。所以创新和试错的成本只能小鹏自己扛下来，不能转嫁给外部伙伴。

因此，小鹏的全栈自研是被行业阶段逼出来的选择。在成熟产业里，开放协作是效率；在新物种早期，全栈能力往往是速度。

四、走下产线之后，机器人必须回答「谁来买单」？

不过，产线启用、机器人自主走下来，只是故事的前半段。对整个人形机器人行业来说，最核心问题仍旧是 PMF，也就是产品和市场是否真正匹配。

一台机器人能不能跳舞、打拳击，跑得够不够快，都只是「能不能做出来」的问题。真正决定一家公司能不能活下去的问题是，谁愿意为它付费？哪些场景能够容忍它当前的能力边界？能不能持续产生价值？

图片来源：小鹏集团

从目前公开的信息看，小鹏选择的路径相当务实。据了解，小鹏机器人计划于 2026 年底正式进入规模量产阶段，并首先服务于小鹏自己的门店和产业园区。到 2027 年，小鹏 IRON 将正式在全球范围内公开上市，而 2027 年的月产规划，已经可以达到数千台的量级。

门店和园区，是人形机器人进入真实世界的理想缓冲区。这里有真实人流、服务需求和运营任务，但相比家庭环境，空间布局和任务类型更可控，也更容易标准化建模。

更关键的是，小鹏本身就是这些场景的运营方，早期部署不必依赖外部客户的耐心。机器人在接待、引导服务中的问题，都可以在内部快速反馈迭代。对仍在能力爬坡期的人形机器人来说，自有场景是一个低摩擦、高频率的真实试验场。

同时，「数据—模型—应用」的数据闭环也开始达成。机器人部署越多，执行的真实任务越多，产生的数据就越丰富；数据反哺模型，模型提升能力，能力提升后又能进入更多场景，最终带动更大规模生产。

总体来看，小鹏这次产线启用的意义，是把行业问题向前推了一步：从机器人只能做 demo 展示，推进到能不能被规模化、稳定地制造出来，并开始回答谁来买单？这是人形机器人产业化过程中真正残酷，也最有价值的问题。

当特斯拉、Figure 还在各自的道路上攻克量产和交付问题时，小鹏交出的这份答卷，或许还称不上是终局答案，但它已经是目前所有玩家里，最接近产业化落地的一条路径。

人形机器人这场竞赛，正在从舞台上的炫技表演，真正走向产业化的深水区。而在这场竞赛里，最终能跑出来的，不会是某一项单点技术最强的公司，而是那些能够同时掌握 AI 模型、芯片、本体、数据、制造和场景，并且让它们真正形成数据闭环的公司。

2026-09-16 06:16:06 · 大模型,算力芯片,AI应用,具身智能,自动驾驶,融资,政策监管,Agent智能体,推理思考,设计创意,教育学习,端侧AI,工业制造,物流供应链,基础设施,产品更新,合作,榜单评测

继续滚动加载更多…

【开发者自荐】汉语拼音注音小工具，单网页，纯离线

获取

相关阅读

01、先把系统重做一遍

02、一支笔所产生的差距

03、围绕年轻人真实场景做产品

04、产品线持续深耕各类人群

Agent时代，大模型寻找“肉身”

手机、平板、眼镜，瞄准不同上下文

自研硬件只是第一关，应用生态才是更大考验

01 为什么要观察奇点？我到底在追什么

02 五种奇点路径：从经典预言到怀疑论

03 这五种判断，各自从何而来

04 为什么奇点总和跨星际文明绑定在一起

05 费米悖论：宇宙级沉默的答案

探索

模式

远景

结语

药店拿到了“新身份”

背后的三重推力

机会摆在面前，药店该怎么抓住？

刚需场景还未解

供应链玩家的“舒适区”

场景未满，生态补位

一、会表演不够了，能量产才算数

二、为什么是高阶人形机器人？

三、不是手工攒机器，小鹏要把机器人做成工业品

四、走下产线之后，机器人必须回答「谁来买单」？