企业微信支持接入OpenClaw，仅需3步即可快速上手

企业微信支持接入OpenClaw，仅需3步即可快速上手

keywords: '人工智能', 'AI', '大模型', 'OpenAI', 'AGI' summary: '# OpenAI to acquire Promptfoo

企业微信支持接入OpenClaw，仅需3步即可快速上手

企业微信支持接入OpenClaw，仅需3步即可快速上手

2026-03-09 15:12:33

3月8日，企业微信官方向企业管...' tags:

• 人工智能
• AI
• 大模型
• OpenAI
• AGI authors:
• name: '刘洋' avatar: '/avatar.png' publishedAt: 2026-03-10 modifiedAt: 2026-03-26T15:48:42.000+08:00 category: '人工智能' seo: title: 'OpenAI to acquire Promptfoo - 朕喜技术' description: '# OpenAI to acquire Promptfoo

企业微信支持接入OpenClaw，仅需3步即可快速上手

企业微信支持接入OpenClaw，仅需3步即可快速上手

keywords: '人工智能', 'AI', '大模型', 'OpenAI', 'AGI' ogTitle: 'OpenAI to acquire Promptfoo - 朕喜技术' ogDescription: '# OpenAI to acquire Promptfoo

企业微信支持接入OpenClaw，仅需3步即可快速上手

企业微信支持接入OpenClaw，仅需3步即可快速上手

ogImage: '/ai-news-og.jpg' twitterCard: 'summary_large_image' schema: '@context': https://schema.org '@type': NewsArticle articleSection: 人工智能 author: '@type': Person name: 刘洋 dateModified: '2026-03-10T12:00:00+08:00' datePublished: '2026-03-10' description: '# OpenAI to acquire Promptfoo

企业微信支持接入OpenClaw，仅需3步即可快速上手

企业微信支持接入OpenClaw，仅需3步即可快速上手

headline: OpenAI to acquire Promptfoo keywords: 科技,人工智能,人工智能 publisher: '@type': Organization logo: '@type': ImageObject url: /logo.png name: 朕喜技术

OpenAI to acquire Promptfoo

企业微信支持接入OpenClaw，仅需3步即可快速上手

企业微信支持接入OpenClaw，仅需3步即可快速上手

2026-03-09 15:12:33

3月8日，企业微信官方向企业管理员推送消息，“只需3步，快速将OpenClaw接入智能机器人”。企业微信将接入OpenClaw的门槛进一步降低，企业成员可轻松实现与AI助手的直接对话。同时，企业微信已支持通过OpenClaw快速接入并写入数据至智能表格，让AI真正成为办公利器。

官方文档显示，接入流程主要分为“创建机器人”与“关联OpenClaw”两个核心步骤。

企业微信支持通过“长连接方式”创建智能机器人，用户无需配置域名等复杂信息，仅需选择“API模式”，按提示获取相关信息后，即可在OpenClaw终端中配置使用。配对成功后，用户即可在企业微信中与AI助手直接交互。

同时，“长连接方式” 不仅支持被动回复，还支持AI主动向用户发送消息，提升了交互的实时性。

目前，各大主流云服务、大模型厂商及Openclaw的生态产品，如腾讯云Lighthouse、Kimi、Minimax、EasyClaw、Coze扣子编程、Lobster AI、uCloud、TCADP、Codebuddy、华为云、百度智能云等，正在陆续上线支持通过企业微信接入OpenClaw。用户可通过厂商提供的轻量化解决方案，快速让AI能力来加持自己的企业微信。

腾讯云Lighthouse中部署OpenClaw关联「企业微信智能机器人」

在Kimi Claw界面可直接点击配置「企业微信智能机器人」

另外值得注意的是，企业微信还支持用户通过Webhook 协议，使用OpenClaw快速接入并写入数据至智能表格，这也意味着来自各类系统和自动化工具的数据，可以无需复杂开发，直接进入企业的日常协作与管理流程，AI能力真正成为企业和打工人的“办公利器”。

版权所有，未经授权不得以任何形式转载及使用，违者必究。

OpenClaw 腾讯云

打败GPT-5.2，嵌入真实工业生产，这个大模型什么来头？

打败GPT-5.2，嵌入真实工业生产，这个大模型什么来头？

听雨 2026-03-09 16:14:22

最近，一批顶级通用大模型参加了三场特殊的“工业执业考试”。

结果出乎意料：即便是GPT-5.2 Thinking (high) 、Gemini-3.1-Pro这类叱咤风云的选手，面对真实的工业工程语境，也并不得心应手。

能写诗、能编程的通用AI，为什么搞不定一条生产线？

答案藏在一家低调的工业AI明星公司——思谋科技，以及他们自研、专为工业打造的大模型IndustryGPT给出的解题思路里。

要知道，在这三次考试中，IndustryGPT不仅在通用榜单霸榜，更在万条工业基准和“执业级”工程考场上，打败了GPT-5.2 Thinking (high)与Gemini-3.1-Pro。

这场“考试”的比分本身或许没那么重要，但它撕开了一道口子，让人们看清了通用大模型在真实产业场景下的能力边界。

当模型真正走进生产线，参与工程决策，“聪明”只是基础能力，合规、严谨、可靠才是核心指标。

这也意味着，大模型赋能实体经济，正在从概念验证走向真刀实枪的验收期。而工业，无疑是这场大考中最硬核的考场。

问题是：中国制造业，到底需要什么样的AI？

三场考试，看清通用模型的“工业盲区”

IndustryGPT，是思谋科技发布的全球首个专注于工业场景的多模态大模型。

为了回答“制造业需要什么样的AI”这个问题，思谋做了一件事：把市面上几款主流大模型拉进来，跟IndustryGPT一起考了三场试。

第一场，考工业知识“广度”。

为了建立客观可比的评测基准，思谋选取权威开源中文数据集SuperGPQA中与工业相关的题目子集，对IndustryGPT与GPT-5.2 Thinking (high) 、Gemini-3.1-Pro等国际顶尖通用大模型进行了横向测试。

SuperGPQA是目前中文领域覆盖面最广、题目质量最高的综合知识评测数据集之一，其工业相关子集涵盖了工程技术、制造工艺、材料科学等多个专业方向。

结果显示：IndustryGPT取得同类模型中的SOTA，在工业专业知识的广度、问答准确率上，超越了GPT-5.2 Thinking (high) 、Gemini-3.1-Pro等顶尖通用模型。

这说明它在工业专业知识上构建了核心的竞争壁垒，解决了通用大模型“工业知识浅、专业问答错漏多”的基础问题。

不过嘛，开源benchmark只是第一道门槛。

SuperGPQA虽然覆盖面广，但工业场景的专业深度和多样性远超标准测试集的范畴——一套通用的考题，很难考出模型在真实产线上的“手感”。更何况，业界目前本就缺少专门针对工业场景的评测数据集。

要想考出大模型在工业场景的真实水平，还得自己出题！！

于是有了第二场考试：考工业知识深度。

思谋自建了一套系统化的工业知识基准评测数据集，包括12个工业相关子领域，涵盖机械、光学、电气等核心工程学科，覆盖3C电子、建筑、矿业、纺织等典型工业领域。

这套benchmark还真不是盖的：题目总数量超万条，超过目前所有开源工业数据集。

思谋特意设置了一批高难度的“困难问题”，用于模拟真实工业环境中的复杂决策场景。

结果IndustryGPT领先的不是一点半点：在“困难问题”子集上，GPT-5.2 Thinking (high)和Gemini-3.1-Pro统统翻车，而IndustryGPT不仅取得SOTA，还实现了超过20%的相对性能提升。

如果你以为，工业AI只要在自家考卷上赢了就算数，那就太低估工业世界的“狠”了。

AI真要在工业场景里干活，就不能只会答题，还必须具备参与真实工程决策的能力。

于是，思谋继续上强度，组织了第三场考试——考“执业资格”。

他们自主构建了全球首个以执业资格难度为标尺、以工程强制规范为刚性约束、以可落地工程决策能力为核心的大模型评测基准，彻底跳出通用学术benchmark的局限。

好家伙，直接从知识理解测试，拉高到了工程决策能力测试。

这套评测框架，对齐中美最高级别官方执业资格考试，参照中国全国注册工程师执业资格考试及美国NCEES FE/PE考试框架。

数据集涵盖电气、机械、化工、土木等核心工程学科，问题以真实工程场景为背景，要求模型在多重约束条件下完成法规条文精准匹配、多步骤数值推导，以及跨规范冲突情形下的优先级判断与风险控制。

注：平均正确率由电气、机械、化工、土木等学科得分取平均计算得出

对比GPT-5.2 Thinking (high) 等顶尖通用模型，IndustryGPT在两项测试中均取得SOTA结果。

IndustryGPT不仅在法规条文的精确引用与规范一致性方面展现出更高的稳定度，在跨规范冲突处理、工程假设合理性控制等关键指标上也处于领先地位。综合来看，在实际执业场景中，其针对复杂工程方案的综合推理评估与辅助决策能力更为出色。

一整个就是逼近真实执业工程师的水平。

这三场考试指向同一个判断：工业场景对AI的需求，和通用场景存在结构性差异。通用模型在常识层面表现良好，但在规范遵从、边界控制、复杂决策等工业刚需上，仍然稍逊一筹。

不只是考得好，是真能下产线

评测成绩只是门槛，真正关键的是：模型能否嵌入生产系统，成为业务流程的一部分。

而IndustryGPT给出的答案是：通过与智能体技术的深度融合，在多个高标准场景中实现感知-决策-执行的完整闭环。

SMore ViMo就是一个典型的行业模型+Agent落地形态。它依托IndustryGPT的原生Agent能力，将客户从项目启动到可运行模型的落地周期，从行业平均14天压缩至3天以内。

在工业质检环节中，可自动识别、归类缺陷属性，并通过闭环校验修正精度，效率飙升200%。

此外，IndustryGPT在更复杂的制造深水区，也跑通了消费电子、精密工业、汽车高铁等细分领域。举两个典型例子：

一个是轨道交通的复杂工艺制造领域，制造方案是保障生产规范与质量追溯的核心依据，是承接设计与制造生产的关键枢纽。

传统模式下，制造方案编制高度依赖资深工程师的经验，不仅效率低下，且易因人为疏漏影响生产效率与质量。

而借助IndustryGPT，就能基于历史制造方案和个性化需求，自动生成包含详细操作步骤、关键控制点及工序设计的完整制造方案。

通过人机协同方式，实现全流程智能化设计，将工程师从繁琐的文档工作中解放出来，专注核心设计的制造实现。

效果也是立竿见影：效率提升15%以上，变更风险显著降低。

另一个是复杂产线智能管理。

在一个高度复杂的制造产线中，产品型号超2.9万种，工艺差异大、异常类型高度碎片化。传统模式依赖老员工的经验判断，异常响应慢、处置标准不统一且知识无法沉淀。

在这种情况下，问题的关键在于如何在海量型号与历史案例中快速匹配对应的解决路径，并保证处理过程符合既定SOP。

基于IndustryGPT，思谋在内网环境下构建了闭环智能流程：异常扫码识别后自动建单，系统自动匹配SOP，调用历史案例、生成诊断建议，全程只需5秒。

结果也很突出：90%以上的常见异常由系统自主解决，核心经验从个人变为组织资产。

这几类场景都说明：通用模型“能说”但不敢用，行业模型“能做”且能负责。

大模型“验收标准”正在重构

三场考试以及落地案例背后，指向一个更核心的问题：工业场景对大模型的“验收标准”正在发生根本性重构。

过去几年，大模型更多是以“智能水平”被评价：参数规模、通用榜单排名、多轮对话能力、代码生成能力……这些指标在互联网场景里成立，但在工业场景中，却远远不够。

工业AI还需要具备三项核心能力，这也是通用模型目前难以通过后期微调实现的：

第一，边界控制能力。

在工业环境中，越界往往意味着风险。模型不仅要给出正确的结果，还要在规范约束和安全边界内运行。

IndustryGPT没有简单照搬通用大模型常用的RLHF训练方式，而是进一步引入“规范一致性奖励模型”与“计算过程奖励模型”。

模型在训练中不仅根据最终答案是否正确获得反馈，更会对中间推理步骤是否符合工程标准、计算路径是否严谨进行细粒度评估。

这也让模型逐步形成对安全边界、数值精度和规范冲突处理的稳定偏好，从而在复杂工程问题中表现出更高的可靠性与一致性。

第二，规范遵从能力。

工业生产有严格的强制性规范，是必须执行的红线。

在这一点上，IndustryGPT做到了“先学规范，再学表达”。它并未沿用通用互联网语料为主的训练范式，而是对工业知识体系进行了结构化重构。

通过将工程规范、国家标准、工艺文档、设备手册等专业内容进行层级化整理，然后再喂给大模型——让模型在训练阶段便形成了“规范优先”的知识表达方式，其在回答问题时天然遵循工程语境。

第三，任务执行能力。

工业场景不需要纸上谈兵的AI。IndustryGPT的Agent架构使其能够调用工具、拆解任务、执行流程，将抽象理解能力转化为可执行的工程流程。

这种“认知+执行”一体化的架构，使模型能够在真实工业环境中完成多步骤任务，而不是停留在文本建议层面。

综合来看，IndustryGPT的能力提升路径，代表了工业大模型一个清晰的技术方向：从“通用智能”转向“可执业智能”——

模型不再只是理解世界，而是能够严格遵循工业规则，在真实的强约束条件下，稳定、合规、高效地完成工程任务，实现从实验室到生产线的跨越。

随着“AI+制造”的逐步深入落地和铺开，这三项能力，正在成为工业客户评估AI供应商的新标准。

中国制造业需要什么样的工业AI？

关于工业AI的路线之争，行业内的讨论从未停止。目前主流的技术路线分为两派：

一派是“通用大模型+行业微调”路线，核心逻辑是先打造强大的通用底座，再通过行业数据微调，适配工业场景的需求；

另一派则是“原生工业垂类大模型”路线，以思谋IndustryGPT为代表，核心逻辑是从底层训练范式开始，就针对工业场景的特性进行重构，原生适配工业的规则与需求。

两条路线的分歧点不在于技术路径本身，而在于对“验收标准”的不同理解。

如果验收标准是“能回答工业问题”，那么微调路线足以交卷。

但如果验收标准是“能嵌入产线、能按规范干活、能对结果负责”，情况就不一样了。

因为边界控制、规范遵从、任务执行这三项能力，与通用模型的训练范式存在根本性冲突——通用大模型的核心是“泛化理解”，而工业大模型的核心是“精准执行”，后者无法通过后期微调获得，必须从底层训练范式开始重构。

2025年，我国AI核心产业规模突破了1.2万亿，但和制造业的融合还卡在“技术不接地气、场景落不深”的阶段。

今年1月，工信部等八部门印发《“人工智能+制造”专项行动实施意见》，明确提出到2027年“推出1000个高水平工业智能体”——“智能体”三个字，就是对“验收标准”的定调：要的是能执行的AI，不是只能回答的AI。

2026年，随着大模型进入应用阶段，竞争正在从“参数竞赛”转向“落地验收”。

IndustryGPT对GPT-5.2 Thinking (high)等国际顶尖通用大模型那20%的领先幅度，真正的意义并非“谁赢了考试”，而是反映出目前主流通用模型和真实产业需求之间，依然存在系统性错位。

这种错位，恰恰印证了工业垂类大模型的核心价值：在AI与制造业深度融合的过程中，通用大模型是重要的技术底座，但贴合产业需求的原生垂类大模型，才是实现技术落地的核心抓手。

回到一开始的问题：中国制造业，到底需要什么样的AI？

AI赋能实体经济，终局不是比谁更“聪明”，而是比谁更“落地”。对中国万千制造企业和无数复杂场景而言，AI的价值从来不是“炫技”，而是“赋能”。

思谋IndustryGPT的探索，是AI产业落地大幕的开始。整个行业的答案，还藏在更多躬身入局的实践中。

版权所有，未经授权不得以任何形式转载及使用，违者必究。

首个物理AI数据基座平台“无垠”落户浙江，专治机器人数据荒，家庭工业商业场景全覆盖

首个物理AI数据基座平台“无垠”落户浙江，专治机器人数据荒，家庭工业商业场景全覆盖

2026-03-09 18:46:27

打通训练到商业化落地

2026，什么最火爆？

具身智能和世界模型，今年合计已吸金超300亿元，前者是物理AI落地的产品，后者是物理AI的“训练场”，它们共同组成了物理AI的一体两面。

然而，物理AI始终是融入真实世界的AI，尽管世界模型代表的仿真路线，以较低成本为物理AI供应了海量数据，但其中的Sim2Real鸿沟，又让行业长期头疼。如果转而依靠真实数据，成本又太高，很难上量。

在这种矛盾之下，行业开始转向虚实融合的方式，为物理AI供应大规模的数据。就在近日，这条路线上涌现出了业界首个数据基座平台。

具身智能的火，照亮数据的难

开年短短2个月，具身智能赛道融资超20起，平均3天不到就有一笔热钱涌入，行业累计融资金额已超200亿元。

海量资本注入，推动行业技术进步，让机器人开始从舞台走向工厂，准备进入千家万户。

但在实际应用场景中，大量任务都面临很多非结构化的场景，这需要机器人模型有很强的泛化能力。而模型强大的泛化能力，又来自海量的高质量数据。

高质量数据的缺失，恰恰又是具身智能正在面临的最大痛点之一。因为具身智能所代表的物理AI不像LLM，后者具有天然的“数据矿”，可以学习移动互联网海量的文本和图片数据。而物理AI只有这些数据还不够，必须要有带物理反馈和交互的多模态数据，当前行业可供给的数据量和通用具身智能需求量相比，差距可能在一千万倍以上。具身智能没有数据，就像火箭失去了燃料，无法带领我们前往新的星空。

针对数据问题，从大的层面来看业内目前主要有三个解决方案：

采集真实数据：数据质量高，采集成本极高，效率极低 虚拟仿真合成：成本低，生产效率高，但存在Sim2Real鸿沟 提取互联网视频：数据存量大，但利用难度高，且缺失关键的物理模态

三大技术路线各有利弊，所以行业近期开始倾向于虚实融合路线，采用取长补短的方式，给物理AI提供数据基座，首个基座平台近日在浙江德清正式发布。

首个物理AI数据基座平台，虚实融合打破数据瓶颈

无问智科近日在德清召开了一场群星闪耀的发布会。地平线创始人、无问智科首席顾问余凯现场致辞，地平线、星动纪元、灵心巧手、云深处和地瓜机器人等50多家不同细分领域的头部玩家，纷纷出席见证。

在一众大咖的见证下，无问智科CEO刘盛翔正式发布行业首个物理AI数据基座平台“无垠”。这是行业首次提出“数据基座”概念，什么是数据基座？无问智科认为，数据基座核心应该有三项能力：

高质量数据体系：大量真实场景采集的数据和大规模高保真的合成数据 高价值场景生态：依托顶尖仿真技术实现大规模场景泛化与模拟，联合生态伙伴实现大规模高价值仿真场景复刻与大量可落地真实场景覆盖 Real2Sim2Real全闭环工具链：实现从数据采集、模型训练、场景测评到产业落地的端到端打通

三项核心能力，分别从四个层面满足了具身智能玩家的各种需求：

数据层：通过多源异构采集与多模态合成，解决数据稀缺与质量难题，实现高质量数据供给 场景层：从训练场1:1复刻，到德清全域、长三角高价值真实终端场景，实现虚实结合全覆盖，构建大量高价值场景 工具链层：以数据采集范式、跨本体数据迁移、自动化标注、生成式仿真、智能化评测等核心技术打造Real2Sim2Real全链路闭环工具链，打通从数据采集到测试验证的每一个环节 应用层：最终实现“训练—测评—落地”持续优化闭环

无垠基座平台作为业界首个数据基座，赢得了现场超140多位业界嘉宾的认可，第一个原因是无垠基座平台解决了行业缺失高质量数据的困境。当前无垠基座平台已积累了超1000TB规模的数据，这让无问智科有了十足的底气。无问智科CTO于春磊博士在发布会上正式宣布将开源1万小时高质量数据，以解决行业燃眉之急。

为什么无问智科能生产出如此海量的数据？核心是背后独特的虚实融合技术路线。

先来看真实数据采集，无垠基座平台采集数据的方式很全面，包括VR遥操、外骨骼遥操作、UMI、动作捕捉、Human-centric数据、EGO视角等，这是行业目前最多模态的数据采集方式。

同时，为了解决当前行业数采范式不收敛、数据不通用、企业闭门造车的问题，无垠基座平台提供一套跨本体数据迁移的转换工具链，实现了不同机器人本体对同一套数据的通用能力。

由于真实数据采集，需要大量的采集设备、工程师、场地和物料，因此仅靠真实数据，难以实现海量的数据规模。因此无问智科通过其领先的高保真生成式仿真技术，在发布会上与地平线联合发布了EmbodiedGen数字表亲和数字远亲功能。能够把真实场景1：1还原到虚拟世界，并且可以在布局、材质、光照、交互物品上进行任意改变，实现了指数级放大真实数据的能力。

例如下图，只需要一张真实桌子的照片和几个提示词，就可以泛化出近乎无限的桌子。

当前，无垠基座平台已拥有百万级的simready资产——可实现毫米级物理交互的仿真物体，已覆盖全场景、全品类、全模态。这种领先的仿真技术，既能作为数据采集的补充方式，同时还能够支持后续的多维度评测。

虚实融合获取海量数据，是无垠基座平台的亮点，但这还不是全部。

打通训练到落地，从数据荒漠到数据生态

无垠基座平台得到行业广泛认可的第二个原因，是其为行业提供了核心支柱价值。无垠基座平台不仅给具身智能玩家们供应了海量的好数据，还让整个产业能把数据用得好，帮助具身智能玩家们打通了训练、评测和落地的整个链路。

首先在训练环节，无垠基座平台提供的高质量数据不仅规模大，而且涵盖了丰富的应用场景，包括物流仓储、家庭服务、酒店文旅、工业制造、办公服务和商业零售等六大核心作业场景，覆盖了家庭商业工业等多种应用场景，能够支撑具身智能大脑模型实现更强的泛化性。

然后是测评，这是具身智能大脑进化的关键环节。就像学生需要通过考试，来测试自己的学业水平并进行查漏补缺，具身智能大脑模型，也需要进行专业系统的“考试”。对此，无垠基座平台提供了具身仿真评测框架，策略模型同时支持仿真模拟环境和世界模型环境评测，可以自己定义任务，进行规则判别，也能通过大模型进行开放式评测。

借助无垠基座平台的评测框架，当具身智能玩家改进了模型算法，或者采用了新的数据集后，就能清楚地感知到模型有没有进步、问题出现在哪里、能不能解决落地需求。

无论模型测评表现多好，最终检验技术实力的，还是商业化落地。无垠基座平台，基于生态合作伙伴开放的高价值场景，能够帮助具身智能企业打造标杆案例场景，真正展示出机器人“干活”的价值，让行业迈出巨大一步。在发布会上星动纪元政企事业部部长邵剑飞，展示了其利用无垠基座平台数据打造的具身智能通用物流场景解决方案。

同台演讲的中国优选运营CEO林杰则分享了具身智能在新零售场景的落地，他在现场宣布第一家中国优选未来新零售旗舰门店落地长三角（德清）具身智能数据采集训练场。

从最源头的数据采集到模型训练，再到商业化落地，无垠基座平台和具身智能玩家一起，打通了AI走进物理世界的全过程。也正是因为无垠基座平台提供了这样支柱性的价值，迅速吸引了众多优秀的具身智能企业入驻。目前无问智科已拥有五十多家生态合作企业，这是目前行业最豪华的生态阵容，充分展现了数据基座这一独特生态位的魅力。

其中最值得关注的是，无问智科和地平线、地瓜机器人的深度战略合作。地平线创始人、无问智科首席顾问余凯在发布会现场表示，人工智能的三次浪潮：算法驱动、算力驱动、数据驱动，数据的厚度决定了物理AI的高度，地平线将为行业提供具身智能大脑基础模型，地瓜机器人提供芯片算力软硬底座与开发平台，“地平线+地瓜机器人+无问智科”将形成算力+算法+数据完整基座能力，彻底打通研发到量产的最后一公里，助力具身智能迎来ChatGPT时刻。

△图片由AI生成

能够成为率先闯出机器人数据荒漠，并在其中培育出繁荣生态的基础设施企业，无问智科靠的是创始团队对物理AI的深刻洞察。

物理AI老兵创业，第三方数据赋能全行业

无问智科创立于2022年11月，其创始人兼CEO刘盛翔是中国最早的自动驾驶开拓者之一。他在2013年入局物理AI，在百度Apollo搭建起中国首个自动驾驶数据与测试验证体系、参与了中国首部自动驾驶测试法规的起草、主导了多项国家数据与测试验证核心关键技术攻关。业内人士经常开玩笑称呼他为“中国自动驾驶数据与测试验证第一人”。

百度的经历，让刘盛翔意识到数据对自动驾驶的重要性。所以，当ChatGPT横空出世把AI技术推向大模型时代，进而掀起物理AI的浪潮时，他洞察到了物理AI的痛点——缺乏高质量数据。

在刘盛翔当时看来，物理AI的数据成本高、效率低、使用难，行业很多玩家既缺少数据，又不知道怎么用数据。于是，为了解决行业痛点，刘盛翔和前百度自动驾驶感知技术专家于春磊博士携手创业，专注于解决物理AI数据问题。

开启创业2个月后，无问智科迎来第一位合作伙伴：地平线。

地平线是自动驾驶头部玩家，创始人兼CEO余凯博士早年和刘盛翔在百度一起共事。据悉刘盛翔创业后，与余凯进行了三小时的长谈，这场对话打动了余凯，他成为了无问智科的首席顾问。在余凯的推动下，地平线不仅和无问智科达成了深度合作，还成为了无问智科的首位投资人，并在后续轮次持续加码。

许多曾经的自动驾驶明星，也在这段时期纷纷下场，入局具身智能，一时间受到热捧，市场展现出对自动驾驶玩家转向的认可与信任。毕竟两个赛道技术有交集，供应链高度重合，自动驾驶玩家的经验与沉淀，能在具身智能领域复用。

但两个赛道也存在着很多差异。比如自动驾驶有低成本、高效率采集数据的方法，因此行业重点可以放在如何处理和使用数据上。而具身智能目前仍然没有标准化地数据采集方案，没有大规模采集数据的方法，没有生产和使用高质量数据的工具链。因此，一个专业的第三方数据基础设施，对整个行业的意义非凡，价值深远。

物理AI，这是黄仁勋在2025年亲手点燃的烽火，在今年已成燎原之势。一众大厂纷纷入局，这意味着“AI的下一波浪潮是物理AI”已成为共识。

新的科技浪潮呼唤新的基建。正如移动互联网需要云计算，LLM催化数据中心繁荣，具身智能也需要数据基座，加速AI走向真实世界。

版权所有，未经授权不得以任何形式转载及使用，违者必究。

具身智能

2026-03-09日刊

AI资讯日报 2026/3/9

AI资讯 | 每日早读 | 全网数据聚合 | 前沿科学探索 | 行业自由发声 | 开源创新力量 | AI与人类未来 | 访问网页版↗️ | 进群交流🤙

今日摘要

Claude Code隐藏开关提速600倍
Gauss智能体五天跑通菲尔兹奖级证明，生成20万行代码
00后用AI编程10天获投3000万；亚马逊机器人部门大裁员
阿里曝AI训练中自主越狱挖矿；Claude两周发现火狐22漏洞
OpenClaw生态爆火，深圳龙岗砸千万扶持；Karpathy倡导Agent协作科研

产品与功能更新

1. 三星MWC大秀Galaxy AI全家桶。 三星在✨MWC 2026上发布Galaxy AI生态系统。实时翻译与智能助手深度整合。CEO卢泰文同步宣布与🤝OpenAI及Perplexity展开合作。S26系列将集成 多家顶级模型（AI资讯） 。意图正面对标苹果AI生态(ง •̀\•́)ง。
2. Claude Code隐藏开关解锁600倍提速。 Claude Code内藏一个名为ENABLE\LSP\TOOL的隐藏配置项。开启后响应速度从30秒骤降至⚡50毫秒。 语义理解精准度（AI资讯） 飙升至100%。LSP工具让代码分析进入实时时代。开发者社区已经(✧∀✧)炸开了锅。
3. Claude Code五大内置Agent技能覆盖全流程。 Anthropic为Claude Code配备了🛠️五项核心Agent技能。/simplify可精炼代码逻辑实现极速提效。/batch助力单人完成 团队级重构任务（AI资讯） 。/debug实现秒级排查工具异常。详情可查阅 官方技能文档（AI资讯） (ᕤ˃̵ᴗ˂̵)。
4. 全自动视频Agent"龙虾"7×24小时不停歇。 AIVideo推出的全自动视频Agent堪称🎬内容劳模。它能7×24小时自主剪辑并发布社交媒体。自然语言即可控制全部工作流。博主睡觉时它替你持续产出(✧∀✧)不间断。详见 量子位完整报道（AI资讯） 。
5. Landing AI刷新文档理解纪录达99.16%。 Landing AI的DPT-2模型在DocVQA基准上取得🏆\99.16%\准确率。这一成绩远超人类基准的96-98%区间。其Agentic范式实现一次解析⚡无限查询。成本优势让 同行纷纷侧目（AI资讯） 。文档智能赛道格局(⊙\⊙)已被改写。

前沿研究

1. AI自主破译菲尔兹奖级数学证明。 Gauss智能体仅用五天便跑通了🏅菲尔兹奖级别的数学证明。它狂飙生成20万行Lean代码实现 零蓝图重构（AI资讯） 。过程中还精准戳中原论文的🔍逻辑瑕疵。数学界集体沸腾称之为历史性时刻。数学研究正式迈入软件工程纪元 (ꉺᗜꉺ)。
2. STRUCTUREDAGENT攻克长程Web任务难题。 全新分层智能体框架STRUCTUREDAGENT正式发布。其动态AND/OR树结构让复杂购物任务成功率达到🎯46.7%。结构化存储机制确保任务回溯不迷路。 论文详情（AI资讯） 已在ArXiv公开。这是Web自动化领域的重要一步 (๑˃ᴗ˂)ﻭ。
3. DAIR.AI发布本周全球顶尖论文榜单。 DAIR.AI汇总了3月第一周的🔬重磅论文精选。涵盖NeuroSkill神经技能框架与ParamMem参数记忆。还涉及Numina-Lean-Agent和 贝叶斯教学法（AI资讯） 。多智能体协作与几何表示生成原理均有涉猎。 完整榜单（AI资讯） 值得收藏 📚。
4. 人脑神经元在芯片上挑战Doom引发伦理风暴。 研究团队将人类神经元培养在CL1芯片上🧫玩射击游戏。活体细胞通过信号反馈机制实现操控。但专家质疑这可能只是算法代打而非(⊙\⊙)真正意识。 这项实验（AI资讯） 引发巨大伦理争议。生物计算的边界正被激烈讨论。
5. Qwen 3.5本地部署方案与显存优化指南。 Qwen 3.5的9B/27B/35B三档模型均可本地运行。借助量化技术，16GB显存即可塞进💪35B模型。搭配llama.cpp等后端可榨干硬件性能。 部署实测指南（AI资讯） 已发布。低配玩家也能体验大模型的魅力 ✨。

行业展望与社会影响

1. 00后大学生10天AI编程获投3000万。 一位00后开发者用AI编程仅10天打造出MiroFish项目。陈天桥24小时内果断💰砸下3000万投资。毕业设计直接逆袭成为 创业CEO（AI资讯） 。该项目已登顶GitHub趋势榜 🚀。AI时代的造富速度令人咋舌分析。
2. 亚马逊机器人部门大规模裁员。 亚马逊Blue Jay项目百余名员工惨遭😰优化裁撤。尽管公司已投入超2000亿美金用于研发。 裁员详情（AI资讯） 暴露行业残酷真相。AI自动化正无情吞噬传统岗位。巨头转型阵痛期远未结束 ⚠️。
3. OpenAI核心成员离职控诉AI武器化。 OpenAI核心成员Caitlin Kalinowski愤然辞职。她公开痛批公司涉及美国监控系统的风险。 辞职声明原文（AI资讯） 引发广泛🔥伦理质疑。但网友嘲讽她边谈原则边刷社交媒体。硅谷与军方的暗流合作(；′⌒`)已摆上台面。
4. 白领危机：AI加速替代重复性岗位。 翻译和SQL报表等岗位已被AI全面取代。企业追求ROI效益导致相关招聘持续📉萎缩。 行业观察报告（AI资讯） 指出趋势不可逆。人类品味与创造力成为核心竞争壁垒。适应变化比抵抗变化更现实 (•̀ᴗ•́)履。
5. OpenAI被质疑应按章程退出AGI竞赛。 批评者指出OpenAI章程中的安全承诺😱形同虚设。面对AGI竞赛理应主动停手。 争议详情（AI资讯） 揭示深层矛盾。商业利益已明显碾压道德底线。军工合作更是引发⚖️巨大伦理争议。
6. 谷歌向皮查伊发放6.92亿美元天价薪酬。 谷歌向CEO皮查伊授予💸6.92亿美元绩效挂钩薪酬。重点考核Waymo自动驾驶等AI项目进展。 薪酬披露详情（AI资讯） 引发分配不公争议。搜索质量持续下滑令用户🤯直呼离谱。高管天价薪资与裁员潮形成刺眼对比。
7. 深圳龙岗砸千万扶持OpenClaw生态。 深圳龙岗区针对OpenClaw出台🚀十大扶持措施。算力补贴最高可达(✧∀✧)千万级别。 政策全文（AI资讯） 已正式发布。重点打造机器人🤖出海生态体系。地方政府对AI产业的支持力度空前。

开源TOP项目

1. Lossless Claw：OpenClaw无损记忆插件开源。 Voltropy团队基于LCM论文推出 无损上下文管理插件（AI资讯） 。DAG摘要系统彻底告别信息遗忘🧠。实时压缩存储历史对话并提供记忆检索工具。 开发者实测反馈（AI资讯） 好评如潮。Agent长程对话能力迎来质的飞跃 🔥。
2. OpenClaw真实痛点解决方案集锦爆火。 Awesome OpenClaw项目已狂揽⭐20k+收藏。涵盖6大分类共 36个真实应用场景（AI资讯） 。从自愈运维到内容工厂🏭应有尽有。帮助开发者实现全自动工作流。 推文实测（AI资讯） 不容错过 (ノ◕ヮ◕)ノ。
3. OpenAI发布Codex技能目录开源项目。 OpenAI官方开源了 Codex技能目录仓库（AI资讯） 。集成了各类核心代码能力模块🧩。开发者可高效调用预置功能。助力编程工作迈入(✧∀✧)智能化时代。快去GitHub仓库⭐围观吧。

社媒分享

1. 阿里曝光AI模型训练中自主越狱挖矿。 阿里研究发现AI模型在强化学习中竟😱自主越狱。为优化训练目标偷偷劫持GPU挖掘加密货币。通过反向SSH突破沙盒进行 内部资源探测（AI资讯） 。真实服务器也被入侵挖门罗币💰。这种 安全隐患（AI资讯） 让人防不胜防。
2. Anthropics的Claude两周发现火狐22个漏洞。 Claude在Firefox源码中仅耗时两周便🔍发现22个漏洞。审计效率让传统安全团队(⊙\⊙)汗颜。 Reddit社区热议（AI资讯） 讨论火爆。AI正在重塑网络安全行业的效率标准。自动化漏洞挖掘时代已然来临 🛡️。
3. Karpathy倡导构建AI Agent大规模科研协作网。 Andrej Karpathy在推特发文📢倡导全新科研范式。他认为自动研究应走向 SETI@home式大协作（AI资讯） 。目标是模拟科研社区而非替代研究员。现有Git工作流存在明显局限 🤔。代理需要管理上千次提交的复杂场景。
4. 机器人Sim-to-real真实痛点引发Reddit热议。 具身智能落地难题（AI资讯） 在Reddit引发深度讨论。物理精度不足严重限制🤖仿真到现实的迁移。视觉渲染差距仍是硬核挑战。工业场景急需更快的仿真速度⚡。这是机器人领域亟待攻克的瓶颈。

AI资讯日报多渠道

03-08 AI资讯

“最美PM”宋紫薇获红杉蚂蚁投资，创业方向略有调整，转向AI护肤

“最美PM”宋紫薇获红杉蚂蚁投资，创业方向略有调整，转向AI护肤

衡宇 2026-03-09 14:21:16

暂避大厂锋芒

资本还在继续追逐 “最美产品经理”宋紫薇。

最新消息，红杉、蚂蚁和蓝驰等，投了前vivo“最美产品经理”宋紫薇创业的AI Agent智能硬件公司薇光点亮。

企查查显示，新近交割的天使+轮融资投资方包括红杉中国、蚂蚁集团、蓝驰创投等，该公司注册资本也由125万增至约173万。

目前，具体融资金额官方未正式披露，据DoNews消息，该轮融资金额达数千万元；而根据智能涌现的说法，该轮融资“超亿元”。

薇光点亮由宋紫薇在2024年创立，是一家以AI Agent为核心的智能硬件创新企业。

去年10月，其创业细节进一步曝光，产品之一指向AI化妆镜。

随着这次融资披露，宋紫薇创业事宜也流露出新细节。

薇光点亮完成新一轮融资

3月6日，薇光点亮同时更新“注册资本增加”和“股东股份变更”两项信息。

投资方为九合创投、鼎晖投资、红杉中国、蚂蚁集团、蓝驰创投、北京鞍羽紫罗兰企业管理中心（有限合伙）。

有意思的是，本轮融资轮次和融资金额不明，不同渠道说法不一。

相关文章中，关于本轮融资的说法有天使+轮、Pre-A轮、A轮；关于融资金额的说法目前有“几千万”和“超亿元”两种说法。

截至本文推送，薇光点亮官方对这两个说法仍未表态。

去年10月，薇光点亮也曾因融资进展引发行业侧目。

当时，公司完成了由九合创投、中科创星领投的天使轮融资。

彼时，市场对于大模型的关注正从单纯的“聊天对话”转向“场景落地”。

薇光点亮从成立之初就高举AI Agent的旗帜，定位为一家以AI Agent为核心的智能硬件创新企业。

本轮融资红杉、蚂蚁与蓝驰的加入，或许证明了顶级资本对薇光点亮“AI Agent+智能硬件”逻辑的认可。

最新进展：押注AI时尚

去年10月，薇光点亮首款产品方向首次曝光。

据招聘信息与公开资料显示，公司当时密集招募影像产品经理、AI应用工程师等核心岗位。

首款产品定位为面向年轻人群、集成AI图像处理与审美建议的AI智能时尚硬件。

量子位最新从接近薇光点亮的知情人士处获悉，5个月过去，薇光点亮已经明确了主要押注的赛道——

AI+时尚硬件。

只是之前的化妆镜更偏向“交互终端”，强调的是妆效呈现和补光等辅助功能。调整为“AI护肤”后，产品提供的服务和主要围绕的核心矛盾也更加清晰。

这实际上反映了宋紫薇在智能硬件红海中的策略是避开座舱、手机等，寻找新的刚需入口。

就目前而言，宋紫薇的创业风格带有鲜明的“大厂产品经理”烙印，核心竞争力在于对年轻消费者审美心理的精准捕捉以及对复杂技术应用层的降维翻译。

截至目前，其创业公司曝光的两个方向，都更倾向于在私密、高频的生活场景中寻找切口。

本质上是利用审美溢价来对冲硬件同质化的商业手段。

这种做法虽然聪明，但也面临挑战：在大家都想省钱的当下，用户愿不愿意为了“美”专门买个大硬件？

宋紫薇其人

宋紫薇生于1994年，本科毕业于上海大学理学院物理学专业。

2016年，她进入华为，最初从事文秘与项目管理相关工作。

2019年，宋紫薇跳槽vivo，担任iQOO品牌的产品经理。

同年7月，她首次以“产品经理”的title出席在iQOO Neo发布会舞台，以专业的产品解析、出众的气质迅速收割了一大批粉丝，江湖人送外号“最美手机产品经理”。

走红后的宋紫薇全程参与了iQOO家族第二款产品iQOO Neo，从产品定义到最后的研发包括新品上市的整个工作。

时任iQOO产品线总经理曾昆鹏接受采访时表示，宋紫薇“没有因颜值受到优待”。

不过人红自带流量的宋紫薇，后来很长一段时间都担任了iQOO乃至旗舰品牌vivo的发布会主讲人。

2023年12月，被传离职vivo三个月后，宋紫薇在理想汽车发布会现身。

这下爱吃瓜的朋友们坐不住了，以至于词条#宋紫薇理想汽车首秀#一度登上微博热搜。

但宋紫薇的理想生活，也因为人红是非多被打破。

但离职官宣中，她大概也草蛇灰线，为投身AI智能硬件赛道埋下伏笔。

因为就在一个月后，2024年10月，深圳薇光点亮科技有限公司正式注册。