EIT｜从“机器”到“伙伴”：将舒适与信赖注入护理机器人
⬇️ 本文内容源自对Hod Lipson的采访 智能机器正在各种医疗场景中协助专业人员开展工作，越来越多的机器人出现在了微创手术、医院后勤、疾病诊断乃至康复治疗等领域中，持续改变着医疗保健行业。随着机器人设计与功能的不断发展，新型机器人正成为医疗护理的助手，让不堪重负的护理人员得以减轻工作压力。 为了了解护理机器人未来的发展方向，我们采访了毕生致力于探索“机器如何具备人性”的专家Hod Lips
人工智能
0人已关注纳米网人工智能频道 — 提供人工智能领域最新资讯、技术文章和行业动态。
人工智能技术
瑞萨嵌入式AI技术漫谈 · 嵌入式系统机器学习终极指南
嵌入式系统机器学习终极指南 概述 什么是嵌入式系统的机器学习？ 机器学习是人工智能的一个分支，它使计算机能够通过不同技术，从数据中以迭代方式进行学习。我们的目标是让系统从数据中学习并进行预测。这与传统方法有明显区别：传统方式依赖程序员编写明确的指令，而不是从数据中学习模式。嵌入式系统中的机器学习则专门面向嵌入式设备，使其能够采集数据、学习并执行预测。这类系统通常与传统计算机相比，内存更小、RAM更
内存墙之痛：为什么AI加速不能只靠堆计算单元？
本文介绍了为什么AI加速不能只靠堆计算单元。 很多人一说起AI加速，第一反应就是堆算力、堆更多浮点计算单元。 错了， 现在的瓶颈根本不是计算本身，是数据搬运、通信和不规则算子，峰值算力再高也没用。 举个最直观的例子，大语言模型推理的时候，每个新生成的token都要读写一遍已经存起来的KV缓存，这玩意儿根本不怎么缺计算，缺的是内存带宽——你带宽不够，就算计算单元堆得再多，也得等着数据慢悠悠从内存运
为什么现在的电脑对AI来说太慢了？
自动驾驶、救灾无人机等高风险实时 AI 任务算力需求巨大，传统计算机受 “存储墙” 制约，算力与能耗难以平衡。文章剖析传统硬件瓶颈，借鉴人脑神经元特性，介绍存算一体、神经形态芯片等仿生硬件方案，为高效 AI 计算指明方向。 人工智能曾经在科幻电影中，负责给宇宙飞船导航，操纵火箭着陆。如今，它早就不是什么新鲜事，而是润物细无声地渗透到我们的日常生活中。你听歌、看视频，它给你推荐；你出国旅行，它帮你
开芯课堂｜机器人挥出那一拳之后：智能机器人的安全，到底该怎么做？
机器人要走进真实世界，只有聪明还不够，它还必须可靠、可控、可验证、可托付。聪明，是机器人的上限；安全，是机器人的底线。 一、那一拳的警示：从隐忧到现实 2025年GeekCon安全极客大赛上，两名白帽黑客远程劫持人形机器人，仅用不到3分钟就让两台机器人“沦陷”。随后，被劫持的机器人径直走向舞台中央的假人，抬起机械臂，狠狠挥了一拳，将假人击倒在地。那看似普通的一拳，却击碎了整个行业对安全的幻想。当机
腾讯这个App，太逆天了
「人人都能做 App」时代真来了？ 继蚂蚁灵光推出“闪应用”后，腾讯 Vibe Coding 产品「吐司」在自家应用宝商城上线，定位「应用生成及灵感共创平台」，简单来说，就是用户说需求，AI 拆解功能需求，最终输出成品应用。 （图源：应用宝） 在腾讯之前，蚂蚁灵光、百度秒哒这类 Vibe Coding 应用早已经在市场上流行。不过，它们生成的应用通常仅支持在内部平台分享，或者以在线的方式分享给其
地平线开源HoloMotion-1：4亿参数机器人小脑大模型，实现端侧300FPS
地平线正式发布并开源HoloMotion-1，这是地平线机器人实验室面向人形机器人全身控制打造的4亿参数级机器人小脑大模型。相比以往常见的百万级、千万级机器人控制模型，HoloMotion-1将机器人“小脑”的模型规模提升到新的量级，并在端侧实现约300FPS实时推理，让大模型能力真正进入机器人运动控制闭环。通过本次开源，地平线希望降低人形机器人全身控制的研发门槛，帮助开发者更高效地构建、复现和部
CVPR 2026 NTIRE：小米影像算法的技术突破
近日，小米在 CVPR 2026 NTIRE 赛事中荣获三项奖项。其中，小米玄戒多媒体算法团队斩获高效超分辨率赛道冠军，小米大模型应用团队夺得人像修复赛道冠军与反光消除赛道亚军。 NTIRE（New Trends in Image Restoration and Enhancement）由 CVPR 组委会承办，是全球规模最大、水平最高的图像恢复与增强领域学术研讨会。小米在本次赛事中展现了从硬件优
“天机”类脑芯片，到底在“类”什么？
大脑天生擅长多任务并行，启发出类脑计算这一颠覆性方向。从“天机”芯片到生物计算机CL1，类脑技术正从科幻走向现实。想成为类脑智能科学家，需打好数学与生物学基础，培养跨学科思维与动手能力。 人人都惊叹大脑有多神奇！ 你骑车赶路时，大脑同时调控身体平衡、识别路况，还能和同伴闲聊。人脑为何擅长多任务并行？想要成为类脑人工智能科学家，又该做好哪些准备？ 人脑VS传统计算机 从图中可以看出，我们的大脑和传
AI 公司最怕的不是训练贵，而是每次回答都在烧钱
AI产品越受欢迎，公司越焦虑——推理成本像屋顶漏水，持续消耗算力。vLLM、TensorRT-LLM、llama.cpp三个开源项目分别从云端调度、硬件优化和本地部署入手，试图把“每token成本”降下来，让AI从烧钱走向赚钱。 你有没有发现一个很奇怪的现象。 AI产品越受欢迎，公司反而越焦虑。 传统软件公司最喜欢的一种模式叫规模效应。 一个SaaS产品开发出来之后，新增用户的边际成本很低。用户越
开发者说｜3D-Fixer：单图3D场景生成的原位补全新范式
• 项目主页： https://zx-yin.github.io/3dfixer • 文章链接： https://arxiv.org/pdf/2604.04406 • GitHub代码**：** https://github.com/HorizonRobotics/3D-Fixer 现有挑战 基于单张图像生成3D场景，是构建物理世界数字孪生环境的关键技术问题。现有方法在泛化能力与生成效率之间存在显
5亿视频炼出全球最大 GUI 开源数据集、推理 Token 省71%小模型反超大模型——小米 AI 团队多篇论文入选 ICML 2026
从5亿条互联网视频中炼出全球最大的开源 GUI 操作数据集，让7B 模型在 ScreenSpot-Pro 上准确率提升38%；3B 参数的小模型做时序推理，干掉专用大模型还省了71%的 Token。这不是 PPT 愿景，而是小米 AI 团队研究成果的真实体现。 近日，ICML 2026（International Conference on Machine Learning）公布了论文录用结果。
你每天都在用的AI，背后藏着这四种系统架构
基础模型与系统架构 精心设计 85%的受访企业指出，架构和部署是影响性能和成本的主要因素。 当今的AI体验离不开经过精心设计的平台，这些平台将大语言模型 (LLM) 与直观的用户界面相结合，帮助增强人类的能力。在考虑成本、硬件资源、延迟、安全性和可信度等限制因素的同时，工程师们正在塑造这些系统在现实环境中的运行方式和扩展能力。 ChatGPT（OpenAI）、Gemini（谷歌）、Copilot
物理 AI 为什么离不开边缘计算？
本文主要讲述物理AI为什么离不开边缘计算。 过去两年，AI 给人的印象基本是一回事——一个对话框，一个输入框。你打字它打字，你上传它分析，AI 安静地待在屏幕里，处理着一切关于文字、图像、代码的事情。 行业的注意力也都跟着堆在那一头。云厂商抢算力，芯片厂卷训练卡，应用层抢入口，关于 AI 的大新闻几乎都和云端有关：模型又大了多少倍，集群又烧了多少钱，推理价格又降了几个点。但风向其实在悄悄变。 AI
开发者说｜Uni3R：探索统一3D表征，0.16秒实现3D重建、渲染与理解
• 项目主页： https://horizonrobotics.github.io/robot\_lab/uni3R • 文章链接： https://arxiv.org/pdf/2508.03643 • GitHub代码**：** https://github.com/HorizonRobotics/Uni3R 概述 在现实场景中，通常只能获取来自多个视角的RGB图像，而缺乏相机位姿、深度或点云等
老外魔改DeepSeek，杀入全球第一！
最近几天，一个叫 DeepSeek-TUI 的开源项目突然在 GitHub 彻底火了，仅仅在过去一天，Star 数量直接从 8.7k 又涨到了 16.3k。 DeepSeek-TUI 不是 DeepSeek 官方产品，而是个人开发者基于 DeepSeek V4 开发的终端原生编程智能体。但它涨星的速度很快，吸引了国内外很多 AI 开发者的关注，短短几天时间就冲上了 GitHub Trending
超600种语言，一个模型全搞定! 小米开源 OmniVoice 多语言语音克隆 TTS
数秒克隆语音早已不是新鲜事，但能覆盖600+语种的语音克隆 TTS 模型，你见过吗！主流音色克隆 TTS 模型的多语言支持最多停留在几十种，大量低资源小语种始终难以覆盖，成为行业痛点。小米AI实验室新一代Kaldi团队全新推出 OmniVoice，以创新的极简架构打破这一局限，不仅在中英文场景达到顶尖性能，更在多语言任务中展现出超越商用系统的实力，是业内首个覆盖数百语种的语音克隆 TTS 模型，在
摩尔线程完成DeepSeek-V4全链路工程化适配：S5000基于MUSA+SGLang实现复杂MoE模型快速落地
近日，摩尔线程依托旗舰级AI训推一体智算卡MTT S5000与自研MUSA软件栈，基于SGLang 开源推理框架，成功完成DeepSeek-V4的完整运行验证。该成果表明，面向新一代MoE大模型，摩尔线程已构建起从硬件架构核心计算引擎承接、热点算子支持**，**再到端到端部署验证的系统化适配链路，验证了国产GPU平台对前沿大模型“框架级兼容、开箱即落地”的承载实力及工程化落地能力。 随着大模型架构
为什么AI需要专门的硬件加速？从GPU，TPU到LPU的技术演进全景
本文介绍了从GPU，TPU到LPU的技术演进全景。 为什么AI需要专门的硬件加速？ 聊AI芯片之前，先想明白一个问题：为什么CPU跑AI这么慢？ 本质上，神经网络计算就是海量的矩阵乘法和卷积运算。这些运算的特点是计算密度高、并行性强，但控制逻辑简单。 CPU设计目标是通用计算，强大的控制单元和缓存层次用来处理复杂的分支和随机内存访问，但拿来跑矩阵乘法就像用跑车拉货，不是不能干，就是效率太低。 硬
谁拿下边缘 AI，谁就更可能赢下整个 AI 时代
本文介绍了边缘AI。 过去两年，AI 行业的热闹几乎都集中在云端。大家都在比模型参数、训练数据、算力规模和推理能力，好像只要把数据中心堆得够大，AI 的未来就会水到渠成。但一个时代真正的转折点，往往不出现在最喧嚣的地方。 高通 CEO 克里斯蒂亚诺·阿蒙在2026年网络峰会和达沃斯论坛上反复强调的一个观点，值得整个行业停下来认真想一想: AI 最终的胜负手，未必在云端，而在边缘。 这话从一家芯片