3D打印网-3D打印行业门户

杨元庆最新判断：未来80%Token将在终端和边缘生成 AI设备将迎新变革

Fri, 23 Oct 2026 13:57:44 +0800

快科技10月23日消息，未来AI设备将不再只是为人服务，还会成为智能体（Agent）的工作工具；与此同时，AI计算也将加速从云端向个人终端和边缘侧延伸。近日，联想集团董事长兼CEO杨元庆在一场内部领导力发展培训项目中，分享了其对下一阶段AI产业发展趋势及联想战略的最新判断。他认为，AI产业的计算架构、生态格局和终端形态都将发生深刻变化，而这也将为联想带来新一轮增长机遇。

杨元庆表示，过去的生态是芯片和操作系统，未来的生态是计算、模型和数据。随着大模型参数规模进入万亿级别、Token使用规模持续扩大，如何提升AI计算效率、降低Token使用成本，将成为AI规模化普及的重要课题。他强调，算力是联想最具优势的领域，联想将以此重点做好三件事：

依靠技术创新、卓越运营和“全球资源、本地交付”模式，提升产品竞争力；发展Token Hub，在统一算力平台上将不同工作负载分配给不同模型，提高Token使用效率；发挥“端—边—云”全栈技术与产品组合优势。

其中第三点尤其重要，他预测，未来80%的Token将在终端和边缘侧生成。

这意味着，随着AI应用从云端集中式计算向端边云协同演进，越来越多的AI推理任务有望在终端和边缘侧完成，个人计算设备与边缘基础设施将迎来新的增长空间。

对于个人AI的发展，杨元庆也提出了另一个颇具前瞻性的判断：随着个人AI日益普及，每个人都需要一台家用服务器或者属于自己的AI中心。

这意味着，未来个人计算可能不再局限于一台PC或智能手机，而是形成围绕个人数据、模型和智能体运行的专属计算体系。

目前，联想正围绕“一体多端”推进个人AI战略，从AI PC延伸至各种智能终端，并通过个人超级智能体Qira整合跨设备AI体验。

杨元庆还提出，未来很多设备将不再由人直接使用，而是由Agent使用。

随着智能体从回答问题转向自主执行任务，未来的计算设备不仅需要满足人的交互需求，还需要适应智能体持续运行、协同工作和自动执行任务的需要。

当谈及联想为何能够抓住本轮AI基础设施市场的爆发式增长，杨元庆给出了四个关键词：愿景、战略、执行和坚持。

他回顾了2014年收购IBM x86服务器业务的往事。当年IBM决定出售在其战略判断中已不再是发展重点的x86服务器业务。但联想认为，服务器不仅不是一项行将淘汰的业务，更是决定联想未来的重要战略方向。

收购整合并非一帆风顺，市场环境很快发生变化，一些竞争对手选择放弃，但联想始终没有退缩。

杨元庆回顾当时的判断时表示：“如果我们没有这块业务，我们将没有未来。正是基于这样的信念，联想在市场低谷中坚持投入，持续推进业务整合和能力建设。”

12年后，这项长期投资终于迎来收获，据IDC发布的2026年第二季度全球服务器市场数据显示，联想首次登顶全球x86服务器出货量第一，营收位居全球第二。

杨元庆表示，联想从2017年便开始推进本轮智能化转型，是“All in AI”的坚定践行者，也是混合式AI技术路径的早期提出者。

面向下一轮AI变革，联想将继续加大投资，并从公司层面自上而下推动突破性创新项目，带动关键业务、流程及决策方式的变革。

杨元庆还透露，目前联想内部每月消耗的Token已达一万亿个，未来将进一步鼓励员工积极使用AI，推动人工智能更广泛地融入日常工作和企业运营。

“我们需要为下一波AI爆发做好准备。我们需要坚持，我们需要继续投资。”

杨元庆最新判断：未来80%Token将在终端和边缘生成 AI设备将迎新变革

【本文结束】出处：快科技

AI漫剧越做越快赚钱却没那么容易了

Fri, 23 Oct 2026 11:14:57 +0800

「一个创作者加上 IP 和 AI 工具，就能完成漫剧创作全流程。」

在上周举行的阅文创作大会上，阅文集团 CEO 侯晓楠这样描述正在兴起的「一人公司」。当日，阅文发布首批 AI 精品动画项目，将 DramaBuddy 漫剧助手升级为 OPC 一站式平台，并推出「IP 委员会」模式，试图把故事从文字到影像，再到后续开发的过程连接起来。

看起来，AI 带来的机会似乎还在不断扩大。

但身处一线的漫剧从业者们，正感受着更真实、更锋利的行业变化。

在会后，极客公园参与了对阅文 AI 平台负责人陈炜于、酱油文化创始人黄浩南（业内称「酱油」）、前尾猴文化总经理三行的采访。其中，酱油作为最早一批扎进 AI 漫剧赛道的从业者，从去年风口期到今年红海期，他的经历几乎就是行业变化的缩影—— 漫剧越做越快、产能越翻越高，赚钱却反而没那么容易了。

一、产能翻了几倍，营收却没怎么涨

在酱油的印象里，一年前的漫剧生意要好做太多。

2025 年这个时候，行业默认的制作标准是 1000 元 / 分钟，一部 80 分钟的漫剧做下来成本约 10 万元。他的团队 10 个人凑在一起，一个月才能磨出一部剧，即便产能不高，利润也相当可观，属于「躺着都能赚钱」的阶段。

仅仅一年时间，整个成本和产能模型就翻了个儿。

如今行业里标准化的 80 分质量漫剧，单分钟成本已经压到 400 元，一部 80 分钟的作品总成本约 4 万元，比去年降了 60%。人效更是涨了数倍：从过去 10 个人一月做一部，变成现在 1 个人一月就能出三部。

AI漫剧越做越快赚钱却没那么容易了

图片来源：ChatGPT 生成

但产能的暴涨并没有换来营收的同步增长。酱油算了笔账：去年公司一个月做四五十部剧，营收大概两三千万元；现在月产能冲到两三百部，国内月营收还是差不多两千万元上下。「量上去了，单价掉下来了，整体收益没怎么涨」，这是他最直接的感受。

背后是整个行业成本结构的翻转。去年成本的大头是人工、剪辑、配音，AI 算力 Token 只占 20%-30%；现在反过来了，Token 成本占到了一半，人工只剩 20%，剩下的是剧本和杂项开支。「人是省了，但算力贵了」，酱油总结道。

陈炜于的观察是，现在行业实际上分化成了两个极端：批量剧里人力已经压到三成以下，算力占六到七成，基本一人一天就能出一部；精品剧则反过来，前面的美术、导演、大美术成本依然很高，「有经验、有独特见解的人，在 AI 时代反而越来越值钱，因为下面的产能可以无限放大，前面的品味变得关键」。

爆款的门槛也在肉眼可见地下移。去年单部收入破千万才能算行业爆款，现在能有十万、二十万收入就已经属于头部梯队。 内卷同样蔓延到了海外。酱油观察到，TK 平台的月上新量从今年 6 月的不到 1000 部，短短三个月冲到了二十万部上下；播放量越涨越高，分成却越跌越低—— 最早 1 亿播放能拿 14 万美金，后来 5 亿播放才拿 12 万，最近 3 亿播放就只分到 4 万美金。

市场风向的切换速度也在逼着从业者不停调头。

年初仿真人题材有平台红利，全行业扎堆做；暑假学生用户起来了，3D 题材爆发，大家又立刻转场；现在又回到了仿真人和 3D 各占一半的均衡状态。「原来是老天爷喂饭吃，现在是求着老天爷抢饭吃」，这句调侃里藏着从业者的真实焦虑。

二、机构在收缩，OPC 开启全民漫剧时代

这次阅文大会正式推出 OPC 一站式平台，同时披露已经签约 5000 多个个人及工作室，前十大 OPC 创作者年收入均突破百万。在酱油看来，这不是什么新信号，而是行业已经发生的变化—— 机构的优势在弱化，个体创作者正在成为产能主力。

AI漫剧越做越快赚钱却没那么容易了

图片来源：阅文

他甚至有个更激进的判断：「2026 年结束之后，中国可能就没有传统意义上的 AI 漫剧机构了，未来全是 OPC。」

底层逻辑是平台和行业的关系变了。

过去机构是平台的「省心搭档」，不用对接几万个人，直接管几家头部公司就行，所以机构能拿到保底、政策补贴、独家权益。但现在平台的思路转向了 OPC：与其把产能绑在少数机构身上，不如扶持十几万、几十万个个体创作者，供给更充足，抗风险能力也更强。

技术平权则彻底推倒了入行门槛。

AI 漫剧被酱油称为「5 年内最低成本的创业风口」，三五个人凑几万块启动资金，薅一薅免费的 AI 工具额度，花一两个礼拜就能做出一部剧，赚了都是净利润。他还听过更夸张的案例，一个初中女生用手机加 AI 工具，做出来的短视频有 300 万点赞。

「制作已经没有门槛了」，在他看来，现在真正稀缺的不是制作能力，是懂内容、会挑 IP、能把控节奏的人。但行业现状恰恰是内容人才紧缺。

三行在入行前甚至混进一家漫剧公司 "卧底" 过，发现对方的剧本负责人是写剧本杀出身，老板从茫茫人海里把他捞进来，他又挑了一批同样非内容出身的编剧，「老板自己也不懂内容，甚至不知道自己挑中的人不懂」。

在他看来，网文作者出身的人做漫剧是一种 "降维打击"—— 起点的推荐机制是四级淘汰赛，第一级 60 个人里只晋级 2 个，能在首页露脸的作品，身下一定躺着几百上千具「尸体」。这种在免费盗版网文里练出来的市场嗅觉，是现在大多数漫剧公司缺的东西。

头部机构也早已开始收缩。酱油文化从巅峰时期的 1500 名员工，缩减到现在的几百人，不是因为经营不善，而是技术迭代后不需要这么多人了。三行的公司则干脆走精品路线，每月产能控制在 10 到 20 部，本质上就是一个「超级个体」——几乎所有作品他自己导演、自己剪分镜，公司同事只负责打下手。

三、爆款再多，也难出经典 IP？

产能爆炸、个体涌入、成本跳水，行业热闹的另一面，是酱油观察到的一个隐忧：AI 时代，漫剧可能再也出不了真正的经典 IP 了。「AI 从出来的第一天开始，就把成名之路给封死了」，这是他做了两年 AI 漫剧最深的感触。

过去一部《铁齿铜牙纪晓岚》能流传三十年，现在哪怕做出同样水准的作品，也不可能拥有同样的传播度和记忆点。原因很简单：太多了。

一个月几十万部新剧上线，一天就有十部「爆款」，观众根本看不过来，更记不住。 就像小时候看动画，翻来覆去就是《火影忍者》《死神》《海贼王》那几部，每个人都印象深刻；现在一个月 30 万部动画，再精彩的内容也会被淹没。「传播得快，但没记忆点，形成不了真正的 IP」。

这也形成了一个行业悖论：有天赋的创作者越来越多，却越来越不值钱。 一个普通人靠一部作品拿到 500 万点赞，放在过去绝对是天才级表现，但现在几乎没有长期商业价值—— 观众记不住这个人，也不会为他的下一部作品买单。「今天你爆，明天我爆，跟抽奖一样」，这样的爆款更像一次性流量快消品，沉淀不下来个人品牌，也成不了长效 IP。

去年，酱油还在想着怎么扩张团队、扩大产能。如今他坦言，自己现在花了不少精力去找下一个风口。公司还在运转，剧也越做越多，但那个一边招人、一边收入快速上涨的增量阶段，已经过去了。

从一年前「躺着赚钱」的风口，到如今全民涌入的红海——AI 改写内容生产的浪潮里，没有哪个赛道比漫剧的迭代更剧烈。

行业的狂奔还在继续，当制作不再是门槛，当机构不再有优势，当爆款不再等于 IP，新的比拼已经开始了。

预处理时间降低约87%，玛瑞斯联手Additive Industries推出新一代金属3D打印软件

Fri, 23 Oct 2026 11:11:09 +0800

2026年10月22日，荷兰金属增材制造设备商Additive Industries与比利时3D打印软件公司玛瑞斯（Materialise）联合推出面向MetalFab系列金属3D打印设备的新一代构建处理器（Build Processor）软件。新软件重点提升打印任务的预处理速度、复杂构建处理能力、工艺稳定性以及扫描策略控制，目前已经向MetalFab用户开放。

这款软件由两件软件公司联合开发，基于Additive Industries现有的Build Processor软件开发而成。两家公司表示，新款软件能够提供更快的预处理速度、更好地处理大型复杂模型、提高工艺稳定性、增强对扫描策略的控制，并生成可用于生产的构建文件。

其中最直观的升级来自计算效率。两家公司公布的基准测试显示，使用此前的ClassicBuild Processor 2.6处理同一任务需要约46分钟，而新一代Build Processor仅需6分钟，处理时间减少约87%，速度提升至原来的约7.7倍。官方表示，这一提升主要来自多进程并行计算和算法优化。对于大型、零件数量多或扫描路径复杂的金属增材制造任务而言，缩短构建文件生成时间，可以进一步减少设备等待时间，提高实际生产节拍。

与此同时，新一代Build Processor继续与Materialise Magics集成，覆盖构建准备、参数配置和任务提交等环节，原有MetalFab用户还可以直接导入Classic Build Processor中的工艺配置文件，无需重新建立已有参数体系。软件还可与Materialise的CO-AM制造平台连接，使构建数据进一步融入从设计到生产的数字化工作流。

MetalFab 420K 功能

此次升级不仅仅是“算得更快”。新Build Processor还将此前率先应用于MetalFab 420K平台的多项软件控制功能扩展至MetalFab产品体系，包括优化的多激光负载均衡、根据矢量类型调整光斑直径、用于改善热稳定性的Ghost Vector，以及更精细的曝光策略控制。这些功能可以让工程师更灵活地分配不同激光器的扫描任务，并针对轮廓、填充等不同区域调整激光作用方式，从软件层面改善复杂零件打印过程中的热输入和工艺一致性。

增材制造公司首席执行官里克·巴克尔表示：“新一代构建处理器的推出，标志着我们在最大限度提高客户生产力和工艺性能的战略中又迈出了重要一步。通过启用为 MetalFab 420K 平台开发的先进功能，我们能够帮助制造商以更高的效率和更一致的工艺生产更多零件。我们与 Materialise 的合作将继续提供解决方案，帮助客户实现端到端的工业增材制造。”

Materialise 高级合作关系总监 Karel Brans 补充道：“对于 MetalFab 的客户而言，这意味着更快、更稳定的构建，对扫描策略更精细的控制，以及吞吐量的真正提升。我们在这里看到的处理时间缩短直接影响到每个零件的成本。它还能直接接入协同增材制造（CO-AM）生态系统，使构建数据成为从设计到生产的更广泛的数字化流程的一部分，从而释放更多自动化可能性。与增材制造行业合作开发这款构建处理器，正是我们认为增材制造未来发展所需的合作模式的一个很好的例证。”

SWISSto12 的制造工程师LionelSimon在软件的测试阶段进行了验证。他表示：“新一代构建处理器为提高工作流程速度和提升打印准备效率提供了明确的机遇。”

来源：南极熊

Carbon数字光合成技术累计量产超百万个自行车坐垫

Fri, 23 Oct 2026 11:08:59 +0800

2026年10月，美国3D打印公司Carbon宣布，其数字光合成（Digital Light Synthesis，简称 DLS）技术已被用于生产超过100万个自行车坐垫。这批坐垫由Carbon与多家全球领先的专业骑行品牌合作开发，被业界视为3D打印在消费市场的标杆性应用，在骑行表现、乘坐舒适度以及个性化定制方面均带来了可感知的提升。

11家品牌、60余款型号
目前Carbon已与全球11家坐垫品牌建立合作，其中包括Selle Italia、Specialized、fizik等行业头部厂商，其技术平台被用于量产超过60款坐垫型号。竞技层面的验证尤为亮眼：在2025年环法自行车赛最终完赛的选手中，有7人使用了3D打印坐垫，其中即当届总冠军塔德伊·波加查（Tadej Pogačar），他所使用的是fizik为其量身定制的Argo Adaptive坐垫。波加查随后在2026年环法再次夺冠，座驾上搭载的仍是这款定制3D打印坐垫。
DLS为何成为新一代坐垫的主流工艺
DLS 之所以能够在新一代高端坐垫的技术路线中跑出来，Carbon将其归纳为三方面能力：

•可编程晶格结构：相比传统泡沫与硬塑材质，一体成型的晶格在缓震、支撑、通风和整体运动表现上更有优势；

•高性能弹性材料矩阵：Carbon提供多种高性能弹性体，在柔韧性、耐用性和可调性上都能匹配坐垫这一使用场景；

•规模化定制能力：DLS让坐垫品牌得以在量产的成本框架内，为消费者提供真正意义上的个性化定制，而不必把定制停留在样品阶段。

典型案例：Selle Italia Unica全定制坐垫
以Selle Italia为例，其推出的Unica定制数字化坐垫由Carbon的生产合作伙伴Prototek制造。

△Selle Italia定制Unica马鞍
Unica的生产流程体现了DLS的定制逻辑：品牌先为每一位骑手采集骨盆压力分布数据，再据此设计坐垫内部的晶格结构，最后使用Carbon EPU 46材料完成打印。这是继上一代产品之后，Carbon DLS技术打造的第二款全定制量产坐垫。
Carbon CEO：数字制造已经从"原型"走到"可信量产"
Carbon 首席执行官 Phil DeSimone表示："突破100万个坐垫是一个重要里程碑，但它的意义远不止于一个产量数字。它证明了当数字制造从原型阶段走出来、成为一种可信的规模化生产方式时，会发生什么。我们与坐垫品牌和生产合作伙伴共同开创了骑行产品的一个全新品类，从晶格技术的早期应用，发展到如今被普通消费者日常使用、并被这项运动最高水平的运动员所信赖的产品。"

△生产Vivobarefoot的定制鞋履
他同时强调，Carbon 客户的信任和他们真正推向市场的产品，本身就是对技术能力最有力的证明："品牌并不需要更多关于增材制造'未来可能'的案例；他们需要的是'今天就能交付'的证据。100 万个坐垫就是一个非常直观的例子。"
Carbon技术用于消费端
在刚刚落幕的TCT展会现场，Carbon也集中展出了多款依托DLS技术实现量产的消费端产品。展品延续了骑行、鞋履等方向，直观呈现DLS从样品走向规模化消费品的落地实力，让到场观众近距离观察晶格结构设计、定制化3D打印成品的细节。

来源：南极熊

格陵兰北极开发公司布局大型机器人3D打印，探索北极地区本地化制造新模式

Fri, 23 Oct 2026 11:06:08 +0800

2026年10月21日，格陵兰北极开发公司（GADC）采购了一套Caracol公司的Heron 400大型增材制造系统。这套搭载轨道平台、具备六轴以上自由度的机器人3D打印机，专门用于生产大尺寸聚合物及复合材料构件。设备将先在芝加哥完成安装调试与前期测试，后续计划搬迁至格陵兰投入使用，探索北极地区本地化制造新模式。

在北极就地生产所需零部件
长久以来，格陵兰地处偏远、交通不便，船舶、全地形车、雪地摩托的替换配件、建材、海事构件乃至家具都依赖外部长途运输。这类配件大多属于小批量需求，不仅采购成本高昂，到货周期也十分漫长。项目的核心思路是传输数字模型，在本地直接打印成品。GADC计划招募一名格陵兰本土创业者，为其提供全套技术培训，并共同成立合资企业来运营这套打印设备，打造扎根当地的制造业务。
Heron 400设备搭载工作半径约4米的机械臂，机械臂架设在长轨道上，X 轴方向行程可超过10米。它以热塑性粒子、纤维增强复合材料为原料，支持非平面路径打印，在很多造型下可以大幅减少支撑结构的使用。未来投产后，可生产适配北极环境的海事通道、车船备件、建筑构件、家具等多种产品，服务当地资源开发、基建、旅游行业以及普通居民。
公司观点
格陵兰北极开发公司主席Larry G. Swets Jr.表示：”外来投资确实能依托矿产勘探、基建项目为格陵兰带来经济活力，但真正具备长久价值的，是培育本土自持的产业能力。我们不只是简单把一台机器运到格陵兰，而是围绕这套设备，扶持本土主导的企业。借助先进制造设备、配套培训与创业扶持，我们创造本土技术岗位与生产能力，既能支撑大型开发项目，也能满足格陵兰社区日常需求。”
Caracol美洲区销售负责人Francesco Pantaleone表示：“过去数十年制造业高度集中在少数工业中心，偏远地区不得不承担高昂运费、漫长等待周期。而大型机器人增材制造提供了新方案：一套柔性生产单元，可以按需、就地打印船用配件、建材甚至家具。Caracol本身已经面向航空、海事、能源、建筑领域交付同类设备，生产工装、结构件与混凝土模板。”

地缘政治及美军负面事件
本地化制造构想从技术层面看起来十分吸引人，但项目所处的地缘环境、美国过往在格陵兰的开发历史，也让外界生出不少疑虑。项目负责人Swets和美国政坛联系紧密，深度参与美国针对格陵兰的投资布局。近年美国持续对这片丹麦自治领地表现出强烈兴趣，寻求扩大在当地的军事存在、推进基地扩建，而该3D打印项目虽然并未官宣和军事建设计划绑定，但相关政治背景很难被忽略。
美国在格陵兰有着两段影响深远的负面历史记录。一个是 1968 年的图勒核事故：图勒空军基地曾是美国针对洲际弹道导弹的早期预警站点，圆顶行动（Operation Chrome Dome）计划让携带核弹的B-52轰炸机持续空中待命，以便快速响应来袭。当年一架 B-52 在基地附近起火坠毁，机上四枚核弹的常规炸药引爆，放射性物质大面积扩散至冰面。事件没有引发核爆炸，但清理工程规模浩大，核弹残骸的完整回收情况至今仍是历史争议话题。
另一个秘密项目是冰虫计划（Project Iceworm），美军在世纪营（Camp Century）于冰盖之下修建隧道网络，原本计划在冰层下绵延数千公里，配套铁路转运数百枚核武器，甚至专门在冰盖内部搭建了核反应堆为基地供电。但冰盖本身持续流动变形，隧道不断塌陷、需要反复修补，这个计划最终彻底搁置。

外界质疑
基于美国过往在格陵兰的建设历史，不少观察者对这个新项目持保留、怀疑态度。首先，仅在芝加哥做测试存在明显局限：芝加哥的环境条件完全无法复刻格陵兰极寒、强风、冰雪侵蚀等极端工况，只能完成设备基础调试、人员培训，很难提前预判大型工业设备在北极野外会遇到的各类故障。其次，当地民众对外部势力介入、改变格陵兰现状本身十分敏感，想要找到愿意合作、获得社区认可的本土创业者，本身就会是一道难关。虽然数字就地制造是非常契合北极偏远地区需求的技术路线，但想要真正落地生根，除了设备与工艺，还需要充分回应当地社区的顾虑，妥善处理地缘、环境、历史遗留问题。

来源：南极熊

小鹏人形机器人IRON大升级：0.2秒推理一次可预测6秒内人类动作

Thu, 22 Oct 2026 21:00:47 +0800

快科技10月22日消息，小鹏IRON人形机器人迎来能力升级，依托第二代VLA大模型，它可以预判人类未来6秒内的动作变化，人机互动的灵活度大为提升。很多人形机器人交互都有一个通病，需要人按照固定节奏配合机器人，一旦人临时改变动作，机器就容易反应不过来。而小鹏IRON不再是识别完手势再执行一套固定动作，它会持续观察面前的人，每0.2秒就根据画面重新推理一次。

小鹏人形机器人IRON大升级：0.2秒推理一次可预测6秒内人类动作

演示场景里，握手、碰拳、击掌这些简单动作，IRON都可以轻松完成。就算人中途临时变招，手掌突然握拳，或者击掌的位置临时挪动，机器人也能立刻调整姿态换手配合，不会僵在原地。这套预测能力来自小鹏的物理AI基座，这套技术和小鹏汽车自动驾驶的预测能力是同源的，直接端侧部署在机器人本体，不用依赖云端遥控。把汽车上理解时空变化的能力，搬到人形机器人身上，让机器人不光看懂当下画面，还能推演接下来短时间内会发生什么。

硬件上IRON搭载三颗自研图灵AI芯片，总算力2250TOPS，足够支撑高频次的实时推理，保证动作响应不会出现明显延迟。对于人形机器人来说，想要真正走进日常生活，不能只做固定脚本的表演，必须学会看懂人的行为、预判人的意图。这次升级算是重要一步，机器人不再只会机械执行指令，开始学着理解人的行为逻辑。

上个月，何小鹏谈及机器人业务时透露，做机器人的难度大约相当于造车的20倍，“真的是非常困难。”何小鹏表示，“基本上我们机器人的硬件、软件、设计及供应链都是我们自己的。过去我一直不愿意把机器人拿出来，主要是因为不能量产，市面上很多机器人能力演示都是通过剪辑之后放出来的。”

小鹏人形机器人IRON大升级：0.2秒推理一次可预测6秒内人类动作

【本文结束】出处：快科技

性能直追Astra 国产旗舰大模型Kimi K3.1开测：惊艳一众网友

Thu, 22 Oct 2026 20:58:51 +0800

快科技10月22日消息，月底之前有望发布的国产大模型中，2款旗舰级的产品是Kimi K3.1和智谱GLM-5.5，前者已经多次曝光，现在开始在Arena上测试了，代号为Kibitz。Kibitz大模型已经被多个网友验证了分词器等特征，基本确定是Kimi K3.1，此前的爆料称其主要提升是在长程自主任务，游戏及3D代码增强，还有操作电脑的能力，整体模式看齐OpenAI等前沿大模型的一线玩法。今天也有多位网友实际测试了K3.1大模型的能力，表现可以说惊艳了众人，不论是鹈鹕还是3D动画，性能都很强，可以跟GPT-6 Astra有得一拼。

性能直追Astra 国产旗舰大模型Kimi K3.1开测：惊艳一众网友

依照之前的管理，在Arena竞技场上测试的大模型通常会在一周后发布，本月底依然能有机会看到Kimi K3.1官宣上线。Kimi K3.1的性能应该会是国产AI大模型的新标杆，也应该有能力进入全球TOP3，AA榜单上估计也会是首个突破50分的国产大模型，希望能达到55分甚至60分左右。

除了性能，K3.1还要解决的就是可用性及性价比，此前的K3就因为算力资源的问题导致速度偏慢，套餐给的额度也不高，所以这两个月来声名不显，存在感远不如DeepSeek V4.1 Flash这样的大模型。

性能直追Astra 国产旗舰大模型Kimi K3.1开测：惊艳一众网友

【本文结束】出处：快科技

马斯克：人形机器人数量将超过人类整个赛道都将成全球最大产业

Thu, 22 Oct 2026 11:50:20 +0800

快科技10月22日消息，据财联社报道，美东时间周三，特斯拉CEO马斯克在财报电话会上表示，坚信人形机器人整个赛道都将成为全球最大的产业，未来地球上人形机器人的数量甚至会超过人类。他还预计，到明年年末，机器人AI、机电设计、可靠性以及使用寿命等一系列问题有望得到解决。马斯克表示：“到那个时间点，我们才可以对外向特斯拉以外的企业交付Optimus。”

马斯克：人形机器人数量将超过人类整个赛道都将成全球最大产业

特斯拉最新财报显示，Optimus（擎天柱）机器人正处于从研发走向量产的关键阶段。特斯拉在财报中介绍称：“Optimus在弗里蒙特工厂的高产量产线上开始了生产。从这条产线下线的机器人是制造的首批具备量产质量的机器人。虽然我们将继续在硬件和制造工艺上进行迭代，但我们已经证明Optimus目前的制造工艺适合用于商业产品。”

据了解，加州弗里蒙特工厂人形机器人专用生产线规划年产能达100万台，同时特斯拉正在得州超级工厂准备机器人的第二条产线，其长期设计年产能为1000万台。但马斯克表示，这条产线还需要大约一年甚至更久，才能达到每周2万台机器人的目标产能。他还介绍，特斯拉计划将AI5芯片集成到Optimus上，如果一切顺利，相关工作预计在明年4月完成。这款芯片的算力远超AI4，特斯拉针对Optimus的使用场景缩减了AI5的内存配置。

马斯克：人形机器人数量将超过人类整个赛道都将成全球最大产业

马斯克预计，特斯拉大约能在2027年底解决这款机器人剩余的设计、可靠性与使用寿命问题，届时才会对外供应Optimus。他称，机器人早期的应用场景集中在工业领域，主要用于需要全天候执行的高危、重复性作业。而在此之前，特斯拉准备发布一段视频，展示擎天柱完成非预先编程设定的任务，相关视频大概还要一两个月才能推出。

【本文结束】出处：快科技

SpaceX越来越像一家AI算力公司

Thu, 22 Oct 2026 10:11:54 +0800

AI，已经成为SpaceX的新增长引擎。

北京时间10月21日凌晨，SpaceX公布2026年第三季度财报。公司当季实现营收145.8亿美元，同比增长161%；净利润44亿美元，去年同期则亏损11亿美元。这是SpaceX今年上市以来首次实现季度盈利。

超出市场预期的增长，主要来自AI业务。

财报显示，SpaceX超级智能业务（虎嗅注：Super Intelligence，简称SI，也就是我们理解的AI）第三季度收入达到76亿美元，同比增长830%，占公司总营收的52%，首次超过以Starlink为核心的通信业务，成为公司第一大收入来源。作为对比，通信业务贡献52.48亿美元，增长69%；航天业务17.67亿美元，增长6%。

与此同时，AI业务高速扩张所需的算力、能源和数据中心投资，也在同时推高公司的资本开支。第三季度，SpaceX资本开支达到195.93亿美元，较去年同期的68.8亿美元增长约185%；今年前九个月累计投入480.69亿美元，约为去年同期的3.5倍。

马斯克预计，2027年底SpaceX的年化经常性收入最高可达1万亿美元。SpaceX的年化经常性收入最高可达1万亿美元。而管理层给出的2026年底目标还是1000亿美元。

一年翻十倍。

尽管有对巨额支出的担忧，但扭亏为盈的事实、高增长的预期，还是让市场给出了积极反馈。截至美东时间10月20日盘后交易结束前，SpaceX股价收盘上涨8.06%，对应市值2.17万亿美元，已超过马斯克旗下特斯拉、Neuralink和The Boring Company三家公司的估值总和。

我们还总结了随后的财报电话会上的四大看点：

马斯克预计，2027年底SpaceX的年化经常性收入可达到5000亿至1万亿美元。这一步判断主要建立在，AI算力基础设施扩张、Grok Bot等智能体产品增长的预期之上。

SpaceX与特斯拉正讨论潜在合并，两家公司已成立特别委员会。马斯克认为，超级智能软件、芯片设计、Terafab、机器人及卫星通信等业务存在协同空间。如果两家公司最终合并，有可能形成一家估值超过3万亿美元的AI科技集团。

马斯克每周投入约四天，亲自推动超级计算集群建设。SpaceX计划在2026年底将名义算力容量提升至2.5至3吉瓦，并在2027年继续大幅扩容。马斯克认为，制约AI部署的关键瓶颈正在从芯片本身转向供电、冷却和基础设施。

路易斯安那州新发射基地，目标2028年首飞、2029年规模化运营。同时，SpaceX还计划用发射塔机械臂捕获助推器和飞船，向完全、快速重复使用推进。马斯克给出的发射后续目标是，明年上半年实现每周发射，下半年提高到每周两次。

SpaceX的新增长引擎，AI以前看SpaceX，主要看火箭发射和星链。

但这一季度，AI业务的体量已经超过这两块之和，并且成为了SpaceX增长最快的业务，首次贡献公司超过一半的季度营收。

根据公司第三季度财报，超级智能业务收入达到76亿美元，同比增长830%，环比增长195%。相比之下，包括Starlink（星链）在内的通信业务收入约52.5亿美元，同比增长69%；传统航天业务收入约17.7亿美元，同比增长约6%。

而其中推动增长的核心，是算力租赁业务。

据路透社报道，SpaceX正在向Anthropic、Google和Reflection AI等企业提供数据中心算力。随着新的云服务协议开始贡献收入，算力基础设施正成为其收入增长的重要来源。

截至9月底，SpaceX已经拥有1.7吉瓦名义算力容量，高于6月底的1.4吉瓦和去年同期的0.6吉瓦。

在财报电话会上，马斯克表示，目前AI基础设施建设最突出的限制，已经不只是芯片供应，还有供电、冷却系统和其他相关基础设施能否及时投入使用。

他透露，自己经常每周四天、日夜投入，去推动Terafab超级计算集群相关工作。公司计划到2026年底部署2.5至3吉瓦名义算力，并争取在2027年底进一步扩大规模。

SpaceX越来越像一家AI算力公司

与此同时，SpaceX还在向AI应用层扩张。

今年8月，公司完成了对AI编程工具Cursor的收购，交易公布时的隐含股权估值为600亿美元。财报显示，Cursor在第三季度贡献了6.08亿美元营收。

星链，以及星舰不过，收入规模超过Starlink（星链），并不意味着AI已经成为SpaceX最赚钱的业务，卫星互联网仍是支撑公司经营的重要现金来源。

从利润来看，通信业务实现约24亿美元营业利润，作为对比，超级智能业务的营业利润为4.31亿美元。（虎嗅注：后者受到Cursor收购相关12亿美元股权激励费用影响。如果剔除这项费用，超级智能业务当季营业利润约为16亿美元。）

同时，作为SpaceX的核心业务，Starlink仍然维持着较快增长。

SpaceX披露，截至第三季度末，Starlink全球宽带消费者订阅用户达到约1360万，当季新增约160万用户，业务已经覆盖174个市场。

SpaceX越来越像一家AI算力公司

增长还来自企业和政府客户。这部分收入同比增长91%，快于消费业务的57%。航空、海事和政府服务，正在为星链增加收入来源。

在传统航天业务星舰这边，其战略意义已经不止于卫星发射，也将成为公司提高卫星网络容量的关键。

SpaceX第三季度完成35次发射任务，包括两次星舰飞行。SpaceX披露，星舰已经执行首次产生收入的任务，将26颗Starlink V3卫星送入轨道。这批卫星增加的下行容量，约相当于一次猎鹰9号星链发射的10倍。

分析师TD Cowen认为，星舰对于SpaceX整体战略具有关键意义。星舰能否实现完全重复使用，将直接影响公司未来的发射成本、发射频率，以及更大规模的卫星和潜在太空数据中心部署。

按照马斯克最新披露的时间表，SpaceX内部希望在2028年实现路易斯安那州新基地首次发射，并在2029年实现规模化运营。

算力扩张带来更大的融资压力高速增长的另一面，是SpaceX正在快速膨胀的资本开支。

第三季度，公司资本开支达到195.9亿美元，其中约164亿美元用于AI基础设施建设，占比超过八成。这一支出已经超过了SpaceX当季全部营收。

而按照公司财报电话会披露的最新指引，2026年第四季度资本开支预计将进一步增加至350亿至400亿美元。

也就是说，即便SpaceX刚刚实现上市以来首次季度盈利，未来仍需要为算力扩张持续投入巨额资金。

根据标普全球市场财智（S&P Global Market Intelligence）发布的研究报告，分析师Melissa Otto指出，AI基础设施资本开支持续快速增长，已经引发市场对投资增速可能超过收入增长的担忧。

报告引用的市场一致预期显示，SpaceX总债务可能从2025年的507亿美元，上升至2029年的3500亿美元。

摩根士丹利分析师Adam Jonas也提出了类似的风险。

Jonas认为，SpaceX未来对外部融资的需求是其投资风险之一。他预计，2027年至2029年间，公司可能需要新增约2300亿美元债务融资。尽管他对SpaceX长期前景持乐观态度，但巨额融资需求仍是不可忽视的变量。

对于资金来源，SpaceX首席财务官Bret Johnsen在电话会上回应称，公司可以依靠经营现金流、债务市场融资，以及与供应商、客户的合作安排来支持未来扩张。

管理层还表示，部分AI算力投资的回收周期可能短于一年。

在马斯克的规划中，SpaceX未来将同时拥有AI算力、芯片、智能体、卫星互联网和航天运输等多个业务增长点。

但对投资者而言，接下来真正需要验证的，不只是AI收入还能增长多快，还有SpaceX能否以足够低的融资成本持续扩张，并将不断增长的算力需求转化为长期、稳定的盈利。

SpaceX越来越像一家AI算力公司

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

Thu, 22 Oct 2026 10:11:04 +0800

这两年世界的发展太快了，以至于不少人都在网上吐槽，本以为 AI 和机器人是帮人类洗碗、拖地、扫厕所的，好让我们去写诗、画画、仰望星空。结果现在倒好，AI 忙着写诗画画，我还得自己洗碗拖地。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

扎心归扎心，但这也引出了一个严肃的问题：既然机器人和 AI 都已经这么猛了，为什么那些真正又脏又累、甚至危及生命的高危工业工作，我们依然很难全盘交给它们？还真别说，这事可能比你想象中麻烦得多。在机器人领域，有一个非常著名的论断叫 " 莫拉维克悖论 "。简单来说就是：人类觉得极其困难的事情，比如下围棋、算微积分，对机器来说小菜一碟；但人类觉得闭着眼睛都能搞定的事情，比如在泥地上稳稳走两步、从杂物堆里挑出个螺丝钉，对机器人来说反而难如登天。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

一旦进了真实的工业现场，这个难度还会成倍暴增。

就拿大家听起来好像挺规整的 LNG（液化天然气）工厂来说，巡检员的日常看似简单，不就是按既定路线溜达一圈，抬头看指针读数，竖起耳朵听压缩机有没有异响，再用仪器测测测吗？

乍一听，我上我也行，但对机器人来说，这简直是个地狱级副本。

首先，全世界没有两座一模一样的工厂，哪怕都是 LNG 厂，这家的储罐在东边，那家的设备在西边；这家平地宽阔，那家到处是管道、台阶，就连同一种仪表，换个版本外观都有变化。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

这些变化对人来说，换个厂熟悉半天就能上岗，但对传统巡检机器人来说，每进一个新项目，跟重投一次胎没啥区别。

因为上一家厂攒下的数据经验，到下一家厂基本作废。每开一个新项目，工程师都得扛着设备去现场重新扫图、标路线，手把手教机器人在哪停脚、看哪块表，遇到环境变化还得现场改算法。

顺利的话，折腾个把礼拜也就搞定了，万一碰上复杂地形或者突发 bug ，工程师驻场死磕小半年都是常事。

最要命的是，上一个厂攒下的现场数据没法直接拿到下一个厂用，每进一个新厂都得从零开始 " 重新理解现场 "。

结果就是明明是科技含量十足的高科技项目，却做出装修施工队的味道，有的时候，卖十台机器就得派十拨人去现场当牛马，根本没法规模化走量。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

更要命的是，高危工业现场根本不给你试错的机会。

比如常见的氯碱厂，到处都是极易燃爆的氢气、剧毒的氯气和强腐蚀性的烧碱。

在这种地方，别说放个自带电池满场飞奔的机器人，就是普通的电子设备，整出点电火花，都有可能成为 " 爆点 "。

所以特种工业机器人要规模化普及，需要解决一个致命痛点：

不仅要能在一家工厂干活，还得能在一百家不同的工厂快速上岗。

难道就没有办法让机器人提前熟悉工厂，少去现实世界里折腾吗？

前不久，差评君跑了趟重庆，跟胜通能源以及七腾机器人的工程师们聊了聊，发现他们还真琢磨出了一套方案：元域智巡。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

简单来说，就是把以前必须在现场苦哈哈手搓的活儿，全搬进虚拟世界里提前干完。

听起来挺符合直觉，但细拆下来，每个环节都有很硬核。

元域智巡的第一步是在电脑里构建数字工厂。

搁以前，大伙搞工业数字孪生，很多都是外包给建模团队，拿 3D 软件手动画图贴图，做出来的场景看着像模像样，但压根没法用。

而元域智巡采用的是基于 3D 高斯（3D Gaussian Splatting）等数字化重建技术。

它可以利用多视角影像数据，转化成高精度的三维实景。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

这么一来，机器人还没踏进工厂大门，系统就已经先通过大模型自动把三维实景里的仪表、阀门、传感器认了个遍，生成好了候选巡检点。

甚至细致到机器人该走哪条路、停在哪个坐标、摄像头云台要转多少度、先看哪块表后看哪根管子，全在电脑里通过提前固化出了最佳视角。

第二步，是把危险的试错放到虚拟世界里，先炸上个成千上万次。

基于前面搞定的三维实景，元域智巡配套推出了 Sim Studio 仿真推演模块。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

在现实中，你绝不可能真让化工厂放火、漏气来测机器人。但在仿真环境里，系统可以随意拉满地狱工况，你说要起雾，那就起雾；你说要起火，那就起火。

几千种极端险情在虚拟世界里推演几百万次，机器人在虚拟世界跑上几天，相当于在现实里毒打了几个月，开箱下场就是个巡检老手。

这还没完，以前很多工业仿真系统最让人诟病的地方，就是服务止于交付，真机进场后，仿真系统就被扔在一边了。

而元域智巡还有一个更重要的技术底牌，叫 Real2Sim2Real 闭环。

它负责把真实机器人和虚拟环境连接起来，让数据形成一个持续循环。

要知道，虚拟训练放到真实工厂里，最大的拦路虎叫 " 虚实一致性 "，就是说电脑里算得好好的，到了现场可能因为一束强光、一块玻璃反光或者管线遮挡，机器人直接就懵了。

举个例子，真机到现场看某块压力表，结果表盘反光看不清，它就会当场微调站位和歪头角度，直到看清为止，并顺手把这个 " 最佳姿势 " 同步回系统库，下次再来直接抄作业。

有的时候，机器人离各种监测区域比较远，容易出现各种意外情况。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

要是遇到某块地面反光太强导致视觉定位打滑，数据传回去后，数字工厂也会立刻给这块地打上材质补丁、修改虚拟路网，以后机器人路过自动绕道走。

也就做到了用得越久，系统就越懂这间工厂。

更让人舒服的是，搁以前，类似元域智巡这种工业级软件，动不动就是满屏复杂的专业参数，完全劝退一线工人。

元域智巡在操控层用了 " 双脑 Agent + VLA（视觉 - 语言 - 动作）多模态大模型 "。

UI 界面被精简到了极点。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

工作人员只需要像发微信一样：去 3 号罐区把阀门和仪表检查一遍。

平台大脑负责拆解业务目标，本体大脑负责看路执行，真正把工业软件做到了 " 像使唤人一样使唤机器人 "。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

这么看下来，3D 重建、仿真、数据回流、大模型，单拎出来都不是今天才有的新词儿，元域智巡干的事，是把它们真正拧成了一条能自我进化的闭环。

不过，比起这套系统本身，更有意思的是它背后的推手，胜通能源。

胜通能源可不是什么老底子机器人公司，它是一家主要经营 LNG 采购、运输和销售的上市公司，怎么突然研究起机器人具身智能平台了？

这就得说到七腾机器人了，今年 6 月，七腾机器人通过股份转让和要约收购等方式，正式成为胜通能源的控股股东。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

在机器人圈子里，七腾一直是个非常独特的存在。他们没去跟风挤消费级 " 玩具 "，而是一头扎进了石油化工这个高危细分赛道，摸爬滚打了整整十几年。中石油、中石化、巴斯夫等巨头企业的厂区里，早就跑着几千台七腾的机器人。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

有了这些一线 " 工人 "，七腾机器人为元域智巡的诞生提供了大量实战经验和数据。就拿陕西榆林沙漠 LNG 项目来说，周边是戈壁荒漠，温差极大且沙尘漫天。单靠一台机器人，高空管线够不着，平地续航又吃力，七腾一通研究，最终靠 " 防爆轮式跑长途 + 防爆挂轨抓高空 " 的立体编队，才彻底消灭盲区。在另一个石化项目里，凌晨 4 点，七腾的巡检机器人在一个极其隐蔽的管道转弯底部，通过微小的液滴反光和算法识别，精准捕捉到了微量滴漏并及时报警，直接把一起可能引发重大恶性事故的隐患扼杀在摇篮里。正是因为七腾在极端现场踩过无数的坑、攒下了海量的真实工况数据，胜通能源才精准摸透了工业具身智能的死穴在哪儿。

去重庆看了一圈工厂实操后我对工业机器人彻底改观了

当然，工程师也跟差评君实话实说，元域智巡并不是那种点一下鼠标就能免去所有现场工作的 " 仙丹 "。

像底层的仿真平台、认表听声的经验包、还有双脑操控框架，如今能够实现跨厂直接打包；但每座新工厂的首次实景扫描、特殊工艺流程乃至防爆合规校准，依然得老老实实重新适配。

元域智巡真正改变的，是把过去 " 堆工程师驻场肉身试错 " 的苦力活，变成 " 进场扫一圈 + 电脑跑通策略 + 真机下场微调 " 的流水线作业。

至于这套流水线在大规模铺开后，到底能把原本长达数月的交付周期砍掉几成，还得靠接下来一个个真实项目的交付数据说话。

回过头看，这几年机器人技术确实进步飞快，从走路跌跌撞撞，到奔跑、跳舞、后空翻，科幻正在变成现实。

但对真正想把机器人用起来的工厂来说，舞台上的能力可能只是第一道门槛。

真正的具身智能落地，在于让冷冰冰的机器快速看懂陌生的物理世界。

毕竟，机器人学会走路是一回事；

学会在不同的地方安全上班，又是另一回事。

我们还是希望在不久的将来，让机器离危险更近，让人离危险更远。

3D打印网-3D打印行业门户

杨元庆最新判断：未来80%Token将在终端和边缘生成 AI设备将迎新变革

AI漫剧越做越快 赚钱却没那么容易了

预处理时间降低约87%，玛瑞斯联手Additive Industries推出新一代金属3D打印软件

Carbon数字光合成技术累计量产超百万个自行车坐垫

格陵兰北极开发公司布局大型机器人3D打印，探索北极地区本地化制造新模式

小鹏人形机器人IRON大升级：0.2秒推理一次 可预测6秒内人类动作

性能直追Astra 国产旗舰大模型Kimi K3.1开测：惊艳一众网友

马斯克：人形机器人数量将超过人类 整个赛道都将成全球最大产业

SpaceX越来越像一家AI算力公司

去重庆看了一圈工厂实操后 我对工业机器人彻底改观了

AI漫剧越做越快赚钱却没那么容易了

小鹏人形机器人IRON大升级：0.2秒推理一次可预测6秒内人类动作

马斯克：人形机器人数量将超过人类整个赛道都将成全球最大产业

去重庆看了一圈工厂实操后我对工业机器人彻底改观了