AI 资讯 · 2026-04-30

一季度过去，具身智能行业的融资热潮还在继续。 36氪获悉，专注于L4低速自动驾驶的公司「优时科技」宣布完成数亿元人民币B2轮融资。本轮融资由前海方舟领投，前海母基金旗下多支基金参与，联同鲲翎资本、厚天资本等8家投资机构共同完成。 在此之前，「优时科技」已完成了6轮融资： ·2018年6月，拿到 PNP 中国领投、北京汇丰投融、北京金种子和上海平阳复辉跟投的数百万人民币种子轮； ·2019年7月，获得英诺天使领投、驰星创投跟投的千万人民币天使轮； ·2020年10月，获得 Global Brain、英诺天使、驰星创投、PNP 中国、平阳复辉的数千万A轮融资； ·2022年7月，获得海尔资本、金茂资本、惟一资本投资的数千万A+轮融资； ·2023年1月，获得零以创投、厚天资本的数千万A++轮融资； ·2024年7月，完成了B1轮融资，由驰星创投、Global Brain投资，金额在数千万元级别。 「优时科技」成立于2018年，聚焦于通过计算机视觉实现L4自动驾驶，取代了传统多线激光雷达在低速行驶领域的应用。截至目前，「优时科技」已在海内外商圈、步行街、地铁站、机场等大流量场景部署了数千台「

如果回看过去十年的计算机视觉发展，其主线其实非常清晰：从早期以 ImageNet classification 为代表的“识别范式”，到以检测、分割为核心的“结构理解”，再到扩散模型推动的“生成范式”，视觉研究始终围绕一个核心目标展开——让机器更准确地“看见世界”。然而，这一路径在近两年开始出现明显的边界：当模型已经可以在静态图像上达到接近甚至超过人类的感知水平时，“看得更准”本身，正在变成一个边际收益递减的问题。在这样的背景下，在 CVPR 2026 中的一些相关工作所呈现出的，不再只是性能曲线的继续上扬，而是一种更深层的范式转向：视觉不再被视为终点，而被重新定位为一种中介能力，它服务于更高层的目标，例如推理、决策与交互。这种变化直接体现在多个层面：一方面，越来越多工作开始质疑以语言为中心的推理路径，尝试让模型在视觉或潜在空间中直接完成结构推理；另一方面，研究者也在反思现有评测体系与数据构建方式，因为如果评价标准本身存在偏差，那么所谓的“进步”很可能只是对 benchmark 的过拟合。更重要的是，这一届论文并不是在单一方向上推进，而是呈现出一种系统性重构的迹象：推理机制上，从“始终

在今天的 AI 叙事里，“世界模型”几乎成了通往具身智能的必经之路。它被期待理解物理规律、预测环境变化，并为机器人决策提供依据。但一个尖锐的问题是：当一个模型能生成一段足够逼真的未来视频时，我们究竟该相信它真的理解了世界，还是只是更擅长复刻世界的表象？咬了一口的苹果会自动愈合，坠落的杯子在空中漂移——在具身智能的视角下，这种AI视频“感知与功能的断裂”无疑是致命的。一个模型即便能生成 4K 分辨率的视觉幻象，如果它无法理解重力约束、因果关联与物体永久性，它就永远无法支撑机器人在复杂物理世界中的抓取、规划与交互。视觉真实不等于功能可用，这道长期被忽视的“裂缝”，正是当前视觉智能通往 AGI 的最大障碍。CVPR 2026 正在释放一个明确的信号：计算机视觉（CV）与计算机图形学（CG）的传统边界正在模糊。视觉研究的主线正从单纯的“像素预测”转向对“世界动力学”的重建，世界模型不再仅仅满足于“看”，而是要构建一个具备物理一致性的内部沙盒。这意味着，下一代视觉智能必须跨越 2D 藩篱，去硬碰硬地解决因果律、重力与 3D 空间的拓扑逻辑。这种转向，不仅标志着视觉研究正在从“图像处理”回归到“世

作者 | 郑浩钧编辑 | 王瑞昊作为中国汽车产业的年度盛会，2026北京车展不仅汇聚了全球主流车企的最新车型与技术成果，更成为汽车科技的重要风向标。今年首次开启新场馆的北京车展，不仅比往年更热闹，也更“智能”。走进展馆，扑面而来的不再是单纯的新能源叙事，而是一股浓郁的AI气息，“物理AI”（Physical AI）成为全场热议的核心关键词——从英伟达提出的“物理AI的ChatGPT时刻即将到来”，到国内头部智驾企业集体向物理AI领域转型，一场围绕AI技术在物理世界落地的产业变革正在悄然上演。在这场变革中，易航智能以北京车展为契机，正式官宣品牌定位全面升级，推出Robotaxi与机器人双新业务布局，联合行业内各类伙伴探索物理AI落地路径，也迈出了自身向AI机器人公司演进的关键一步。01物理AI元年，智驾行业迎来转型新格局回溯物理AI概念的兴起，其最早于2020年由瑞士联邦材料科学与技术实验室Aslan Miriyev与伦敦帝国理工学院Mirko Kovač在《Nature Machine Intelligence》中提出。2026年初，在被称为“全球科技风向标”的CES展上，英伟达首席执

250 亿美元，最近，亚马逊给 Anthropic 砸下了一笔天价投资。但在不少行业人眼里，这里有一个令人困惑的反差：在这次给核心盟友Anthropic投250亿美元不久前，亚马逊给Anthropic的死对头OpenAI开出了500亿美元的投资价码——偏要给“外人”多花几百亿，亚马逊是怎么想的？“账面数字看着倒挂，可真正的亲疏深浅，要从藏在数字背后的布局里仔细看。” 长期跟踪 AWS 算力生态的行业研究员陈默表示。在亚马逊给 Anthropic的此次投资中，其中 50 亿美元立即到账，剩余 200 亿美元则与未来的商业化落地里程碑挂钩。算上 2023 到 2024 年间已经陆续投出的 80 亿美元，亚马逊对 Anthropic 的总投资承诺，直接拉升到了 330 亿美元。与此同时，双方还同步敲定了一份为期 10 年、总额高达 1000 亿美元的算力采购长约。换句话说，Anthropic 与 AWS，几乎已经被彻底绑上了同一条船。雷峰网此前就曾从多位内部知情人士了解到，AWS 旗下的大模型平台 Bedrock，表面上接入了全球十几家主流模型厂商，像是一座“开放式 AI 超市”；但真实的运

在拉斯维加斯Google Cloud Next大会，谷歌高级副总裁Amin Vahdat掏出的不是一枚芯片，而是两枚：TPU 8t与TPU 8i。 这是谷歌TPU家族史上第一次明确“分家”：一枚专攻训练，一枚专注推理。“随着AI智能体的兴起，我们认为社区将受益于分别针对训练和服务需求进行优化的芯片。”Amin Vahdat在官方博客中写道。谷歌率先释放了一个明确信号，过去那个只要抱紧英伟达大腿、靠“万能芯片”的草莽时代翻篇，正式进入了像流水线车间一样“精细化分工”的时代。而这场“分家”的核心焦点，正是那枚为“奔跑”而生的TPU 8i，以及它背后那个即将喷涌的“Agentic AI”时代。TPU为什么要分家为什么谷歌非要把芯片一分为二？答案很简单：效率。训练和推理看似都是AI算力的活儿，本质上完全不同。训练像学霸埋头啃完整个人类图书馆，追求的是“大力出奇迹”，核心是把模型能力“锤炼”出来；推理则像学霸毕业后去大厂当客服，重点不再是谁懂得最多，而是谁回得够快、成本够低、性价比够高。过去，业界默认一颗芯片兼顾训练和推理，是因为那时AI还处在算力早期：模型没那么大，场景没那么多，统一架构至少可

Google is preparing to update vehicles that have Google built-in with its Gemini AI assistant. This will be an upgrade from the current Google Assistant according to Google's announcement, and promises to provide an improved experience for natural conversations, fetching vehicle-specific information, settings adjustments, and more. "When cars with Google built-in first hit the road […]

随着AI智能体迈向规模化生产，安全治理正成为企业数字化转型的核心命题。近日，IDC全新发布的《2026中国智能体威胁检测技术评估》报告中，阿里云凭借资产管理、态势感知、数据合规与技术创新等综合优势，从20余家参评厂商中脱颖而出，成为总分最高、满分项最多、综合实力最强的厂商。同时，阿里云Agent安全中心产品斩获4项满分，并在漏洞检测、运行时检测、MCP安全检测三大维度表现优异，印证了其在AI安全领域的技术领导地位。（图：数据来源：IDC《中国智能体威胁检测技术评估，2026》此次评估聚焦智能体在企业环境中引发的数据泄露、违规操作及业务中断等风险，重点考察厂商对智能体全生命周期的威胁检测与治理能力。阿里云能在七大维度取得优异成绩，核心在于摒弃传统单点防御思路，构建了基于“Agent原生安全”与“以AI防御AI”理念的系统化防御体系，实现了从“被动防御”向“主动免疫”的跨越。 资产管理层面，Agent安全中心构建了跨云“Agent资产地图”，识别190余种AI组件，自动生成“Agent关系图谱”，将模型、Skills、RAG、Tools及身份凭据深度关联，消除资产盲区，并联动安全访问服务类

“一位新人将接任我心中这份世上最好的工作。”2026 年 4 月 21 日，北京凌晨。苹果官宣：蒂姆・库克将于 9 月 1 日卸任 CEO，转任执行董事长，硬件工程高级副总裁约翰・特努斯接棒。消息一出，苹果盘后股价一度下跌超过 1.5%。01 乔布斯的遗嘱，“紧箍咒”与“免死牌”15 年前，帕洛阿尔托的阳光透过落地窗，洒在乔布斯消瘦的脸上。他把库克请到家里，平静地说："我将向董事会推荐你接任 CEO。永远不要问 ' 乔布斯会怎么做 '，你只需去做正确的事。"这句嘱托，成了库克 15 年 CEO 生涯的 "紧箍咒"，也成了他的 "免死金牌"。他确实没问过，也做了很多 正确的事—— 把 iPhone 从奢侈品变成全球标配，让 Apple Watch 成为智能穿戴的代名词，用 App Store 构建起 3000 亿美元的数字生态，甚至把服务业务做成了堪比 Facebook 的营收巨兽。但在另一些人眼里，库克的 "正确"，恰恰是乔布斯最警惕的 "平庸"。当谷歌、微软、OpenAI 在 AI 赛道上你追我赶时，苹果却像个迷路的孩子，在 Siri 的泥沼里越陷越深，在大模型的浪潮中犹豫不决，在生

Link lets users connect cards, banks, and subscriptions, then authorize AI agents to spend securely via approval flows.

The move signals Google’s push to bring more advanced, conversational AI into the driving experience.

OpenAI is launching additional opt-in protections for ChatGPT accounts. The new security initiative includes a new partnership with security key provider Yubico.

OpenAI will begin rolling out its cybersecurity testing tool, GPT-5.5 Cyber only "to critical cyber defenders" at first.

在过去两年的大模型工业化进程中，安全审计始终遵循着一套 “猫鼠游戏” 的默认设定：开发者微调模型以增强能力，而安全专家则通过红队测试（Red Teaming）或白盒探测来寻找潜在的 “后门” 或 “偏见”。这套逻辑的前提是：模型是一个被动的受访者，它的行为必须由外部观测者通过穷举输入或数学解构来 “审判”。然而，当 OpenAI、Anthropic、Meta 等公司全面开放微调 API 后，微调带来的不可检测行为成为了最严峻的安全挑战之一。过去我们审计模型，始终沿着一条低效的路径：通过外部输入去 “探测” 模型。黑盒测试就像在干草堆里找针，覆盖率极低；白盒分析试图解码数千亿参数的神经元，计算成本高得离谱且准确率有限；直接询问则完全失效，因为经过对抗训练的模型会系统性撒谎。2024 年首次披露的 “加密微调攻击” 更是让传统手段全线溃败：攻击者将有害指令加密后植入，模型只对密文响应，审计员在明文世界里永远抓不到现行。2026 年 4 月 28 日，Anthropic 联合剑桥大学 Ashwood AI 科学与政策中心在 arXiv 发布了一篇震动 AI 安全界的论文：《Introspec

如果把近几年计算机视觉的发展放在一个更长的时间尺度上去看，会发现整个领域其实一直在沿着一条非常明确但也非常受限的路径前进：研究者不断把模型做得更大，把训练数据堆得更多，把单项 benchmark 指标推得更高，于是无论是分割、重建还是生成，模型在标准任务上的表现都在持续逼近“看起来已经足够强”的状态。但如果把视角拉回到 CVPR 2026 前后这一批最新工作，会发现一个更值得警惕的变化正在发生：研究的重心，正在悄悄从“把答案做对”，转向“在不完美条件下依然能够持续理解世界”。也就是说，这一轮进展不再只是精度层面的线性推进，而更像是对视觉系统基本工作方式的一次系统性松动。问题在于，这种“强”，往往建立在一个并不真实的假设之上——默认输入信息是充分的、任务定义是清晰的、交互过程是单轮的、场景变化是可预期的。换句话说，过去的大多数视觉模型虽然在实验环境中越来越像一个“高精度求解器”，却依然很难成为一个真正能够在开放环境中持续理解、持续修正、持续适应的视觉智能体。而 CVPR 2026 这一波工作最值得关注的地方，恰恰不在于它们分别把某个子任务的数字提高了多少，而在于它们几乎不约而同地开始挑战