单一来源
当前只有一个可用来源,尚未完成多源交叉核验中国科技企业亮相全球网络峰会 展示AI及人形机器人
中国科技企业在葡萄牙举行的全球网络峰会(Web Summit)上大举展示人工智能(AI)及机器人技术,从能跳舞、打太极的人形机器人,到低成本AI模型,凸显中国在全球科技领域日益增强的影响力。
综合法新社和新浪科技报道,峰会星期一(11月9日)在里斯本开幕,将持续至星期四(12日),预计吸引来自164个国家的至少7万名与会者,包括初创企业及投资者。峰会创办人科斯格雷夫(Paddy Cosgrave)在开幕式上说:“未来的科技明星越来越多不再来自加利福尼亚,而是来自中国。
” 他指出,今年有超过50名来自中国领先AI实验室、机器人初创企业、汽车制造商,以及量子计算和能源领域的代表受邀演讲。中国机器人企业成为峰会焦点之一。智元机器人的人形机器人星期一登台表演舞蹈和太极,银河通用及优必选也将展示各自的人形机器人。
出席峰会的中国科技企业高管包括宇树科技联合创始人陈立、智元机器人欧洲区总裁William Shi,以及AI企业Manus联合创始人张涛。张涛在开幕式上展示Manus 2.0,现场演示利用AI自主搜集资料并生成视频智能出行方面,自动驾驶企业小马智行联合创始人也将出席峰会。
该公司已在中国及欧洲开展无人驾驶出租车业务。小鹏汇天创始人赵德力则介绍公司的飞行汽车发展计划,并在星期一的开幕活动上展示一款原型机。在国内需求疲弱、美国以国家安全为由限制中国部分科技产品进入市场的背景下,中国科技企业正积极拓展海外业务。
与此同时,中国开发的开放权重AI模型,因可免费下载并进行一定程度的修改,吸引欧洲企业关注,包括电信运营商Orange、汽车制造商雷诺、金融科技公司Revolut及德国工业集团西门子。
Evidence
来源与证据
当前仅有一个可用来源,尚未完成多源交叉核验。
- 发布时间
- 内容处理
- AI 翻译 / 摘要,需结合原文核对
相关资讯
微软正式发布 .NET 11:开发更省时,AI 工具更齐全
IT之家 11 月 11 日消息,昨日(11 月 10 日)召开的.NET Conf 2026 线上大会上,微软正式发布 .NET 11,围绕运行性能、开发效率及 AI 应用构建推出一系列更新,覆盖网页、移动端和桌面应用开发。IT之家注:.NET 是由微软支持、与开源社区共同维护的软件开发平台。它免费、开源,开发者可以用它构建网站后台、桌面软件、手机应用、云服务等多种程序。本次 .NET 11 围绕性能、AI 应用及跨平台开发展开升级,涵盖 C# 15、网站开发框架 ASP.NET Core 和跨平台框架.NET MAUI 等,从而减少开发等待时间,简化现代应用构建流程。性能方面,新版带来数百
苹果子公司 Claris 正测试「Harbor」应用:将 Mac 变身本地 AI 服务器
首页 > 智能时代>人工智能 苹果子公司 Claris 正测试「Harbor」应用:将 Mac 变身本地 AI 服务器 2026/11/11 8:25:48 来源:IT之家 作者:潞源 IT之家 11 月 11 日消息,苹果全资子公司 Claris 正在测试 Harbor 应用程序。这款 App 可以将苹果芯片的 Mac 变身本地 AI 服务器。 据介绍,Harbor 可以运行在单台苹果芯片 Mac,也可以使用雷雳 5 接口连接多台 Mac,运行规模更大的 AI 模型。苹果已在 macOS Tahoe 26.2 系统中加入雷雳 5 RDMA(IT之家注:远程直接内存访问)支持,使多台设
谷歌最强 VLA 机器人模型:Gemini Robotics 2.5 登场,会系蝴蝶结、已在奔驰生产线上岗
IT之家 11 月 10 日消息,谷歌推出迄今为止能力最强的视觉-语言-动作(VLA)机器人模型 Gemini Robotics 2.5,大幅提升机器人可学习的技能广度与学习速度。该模型增强了机器人的灵巧度、可靠性与安全性,助力机器人走出实验室,进入更非结构化的真实环境,协助人类完成更多类型的任务。谷歌今年早些时候已为包括人形机器人在内的多种机器人引入全身智能。此次进展很大程度上得益于 Gemini 4 Argon 加速机器人研发的能力,进一步拓展了物理智能的边界。谷歌在超过 200 项不同任务中测试了 Gemini Robotics 2.5 的任务广度、性能与复杂度。Gemini Robot
不靠外部裁判,统一多模态模型学会自己「看图改图」:修复成功率提升到 3 倍,GenEval 0.72→0.84
南洋理工大学、上海交通大学、东京大学的研究者提出 UMM-Reflection 方法,在开源统一多模态模型 BAGEL 上通过「反思 SFT 冷启动 + 整轨迹强化学习」训练完整的多轮「反思 — 修改」轨迹,让同一模型自主完成看图、诊断、修改与停止决策,推理无需外部打分器。该方法将初始错误图像的修复成功率从 20.6% 提升至 64.9%,GenEval 指标从 0.72 升至 0.84,其中空间位置分项从 0.47 跃升至 0.89,在训练未见过的 WISE 等基准上也有明显提升,效果远优于直接对生成器做强化学习。研究证实模型本身本就具备判断图像对错的能力,强化学习的作用是教会模型筛选出真正
AI 翻译、摘要和解读仅用于辅助判断;涉及重要决策时,请回到上方来源核实。