关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
这只机器人鸭子卖爆了，直接掀翻了机器人行业的桌子！
就在前几天，Hugging Face旗下的机器人公司Pollen Robotics正式发布了这只机器鸭Microduck，一只25厘米高的双足机器鸭，售价399美元，折合人民币不到三千块。一开订更夸张，平均每4秒就卖出一台，没多久就卖了五十万美元，直接刷爆了科技圈。
其实这恰恰说明一个道理：机器人根本不必是人形。我们总默认机器人就得有头有手有脚、长得像人，可很多时候，非人形的形态反而更接地气、成本更低，也更容易找到精准的场景。就像这只鸭子，它不用模仿人类做事，就靠可爱的形态、好玩的动作，反而比很多笨重的人形机器人更能戳中普通人的兴趣点。
很多人可能纳闷，这不就是个玩具吗？跟咱们见惯的人形机器人差远了，至于这么火？
你可别小看它。它能走路、能踢球、能低头叼起袜子、马克笔这类小物件，推倒了还能自己翻身爬起来，装上轮滑底座就能直接溜冰。表面看是个电子宠物，骨子里装的是全套强化学习技术栈，出厂自带7种训练好的动作模型，用手柄就能直接玩。
更狠的是，它的整套软件栈全开源，你懂点代码就能重新训练动作，甚至从零开发新技能再部署到真机上。等于用三千块的价格，给了你一个能上手的强化学习实验平台。普通玩家觉得好玩，爱好者觉得能折腾，开发者能拿来做研究。
我一直人文，对于机器人这类产品而言，能让用户自主二次开发、自己创作新技能，这件事比产品本身的功能更重要。过去的消费级机器人都是厂商做好什么你玩什么，玩腻了就失去新鲜感；但这只鸭子相当于给了你一套可编辑的硬件底座，你能不断给它加新玩法、教它新本事，产品的生命周期直接被拉长，整个社区也能靠共享内容越玩越活。
但这都不是重点，真正值得琢磨的是：Hugging Face一个做AI模型平台的，为什么突然下场卖机器人？
其实这盘棋早就布下了。去年Hugging Face收购了法国的Pollen Robotics，先推出主打对交互的Reachy Mini桌面机器人，现在又补了主打运动控制的Microduck。两条线一个管“说”，一个管“动”，用不到五百美元的价格，直接把具身智能最核心的两个方向，铺到了普通人的桌面上。
偏偏就在发布同一天，市场传出英伟达要以129亿美元收购Hugging Face的消息。
这只鸭子哪里是玩具？它根本就是英伟达补全具身智能生态、拿下全球开发者的最便宜的入口。用几百块的硬件圈住用户，再顺理成章对接自家的算力、仿真工具和模型生态，这算盘打得太精了。
这件事最有意思的地方，是它戳破了机器人行业多年的“参数崇拜”。以前开发布会，上来就讲多少自由度、多少线激光雷达、多少算力，普通人直接听懵。现在倒好，不用讲术语，不用秀参数，一只可爱的鸭子，好玩、便宜、还能自己改，反而火出了圈。
其实国内也有类似的趋势，比如上纬启元刚发布的Q1机器人，打出“你的第一台机器人”的口号，一千块订金就能预定，走的也是降低门槛、打造用户身份的路子。但不得不说，在开源生态和社区运营上，我们还有很长的路要走。
@aigc1024
就在前几天，Hugging Face旗下的机器人公司Pollen Robotics正式发布了这只机器鸭Microduck，一只25厘米高的双足机器鸭，售价399美元，折合人民币不到三千块。一开订更夸张，平均每4秒就卖出一台，没多久就卖了五十万美元，直接刷爆了科技圈。
其实这恰恰说明一个道理：机器人根本不必是人形。我们总默认机器人就得有头有手有脚、长得像人，可很多时候，非人形的形态反而更接地气、成本更低，也更容易找到精准的场景。就像这只鸭子，它不用模仿人类做事，就靠可爱的形态、好玩的动作，反而比很多笨重的人形机器人更能戳中普通人的兴趣点。
很多人可能纳闷，这不就是个玩具吗？跟咱们见惯的人形机器人差远了，至于这么火？
你可别小看它。它能走路、能踢球、能低头叼起袜子、马克笔这类小物件，推倒了还能自己翻身爬起来，装上轮滑底座就能直接溜冰。表面看是个电子宠物，骨子里装的是全套强化学习技术栈，出厂自带7种训练好的动作模型，用手柄就能直接玩。
更狠的是，它的整套软件栈全开源，你懂点代码就能重新训练动作，甚至从零开发新技能再部署到真机上。等于用三千块的价格，给了你一个能上手的强化学习实验平台。普通玩家觉得好玩，爱好者觉得能折腾，开发者能拿来做研究。
我一直人文，对于机器人这类产品而言，能让用户自主二次开发、自己创作新技能，这件事比产品本身的功能更重要。过去的消费级机器人都是厂商做好什么你玩什么，玩腻了就失去新鲜感；但这只鸭子相当于给了你一套可编辑的硬件底座，你能不断给它加新玩法、教它新本事，产品的生命周期直接被拉长，整个社区也能靠共享内容越玩越活。
但这都不是重点，真正值得琢磨的是：Hugging Face一个做AI模型平台的，为什么突然下场卖机器人？
其实这盘棋早就布下了。去年Hugging Face收购了法国的Pollen Robotics，先推出主打对交互的Reachy Mini桌面机器人，现在又补了主打运动控制的Microduck。两条线一个管“说”，一个管“动”，用不到五百美元的价格，直接把具身智能最核心的两个方向，铺到了普通人的桌面上。
偏偏就在发布同一天，市场传出英伟达要以129亿美元收购Hugging Face的消息。
这只鸭子哪里是玩具？它根本就是英伟达补全具身智能生态、拿下全球开发者的最便宜的入口。用几百块的硬件圈住用户，再顺理成章对接自家的算力、仿真工具和模型生态，这算盘打得太精了。
这件事最有意思的地方，是它戳破了机器人行业多年的“参数崇拜”。以前开发布会，上来就讲多少自由度、多少线激光雷达、多少算力，普通人直接听懵。现在倒好，不用讲术语，不用秀参数，一只可爱的鸭子，好玩、便宜、还能自己改，反而火出了圈。
其实国内也有类似的趋势，比如上纬启元刚发布的Q1机器人，打出“你的第一台机器人”的口号，一千块订金就能预定，走的也是降低门槛、打造用户身份的路子。但不得不说，在开源生态和社区运营上，我们还有很长的路要走。
@aigc1024
我觉得还是不要去从事那些不鼓励你形成可被证伪的判断的职业，每个行业都有许家印，具身智能将来绝对会比你跪得更快、舔得更好。
@aigc1024
@aigc1024
最稳大平台，点击以下链接认证
😍 世博联盟-联盛担保1000万U😍 新币28公群 上押300万U😍 okapy钱包-ok28担保上押300万U😍 8G国际娱乐官方福利群 公开透明
全部是社区和创作者们精心挑选
每天都有新的 skill 推送
找不到想要的 skill 的时候
就可以来搜搜看
https://colaskill.com
@aigc1024
从股票代币配对到 LongX 杠杆 RWA，新产品、流动性和手续费价值捕获，都在持续给 $AI 加码。平台每向前走一步，$AI 的赋能就多一层。
这轮Meme周期推荐用Fomo，可以来看我的交易信号：https://fomo.family/r/KKaWSB
推荐码：kkawsb
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
全球必须抓住防守窗口，用AI修复漏洞、共享情报，并优先保护医院、供水和互联网等关键基础设施。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
人类历史也许正走到一个不同寻常的关口：AGI——一种拥有人脑全部认知能力的系统——或许再过几年就会出现。
“AI应该被管起来”——这类呼吁通常来自技术的批评者。但这一次，说这的是一个把整个职业生涯都押在AI上、并且相信通用人工智能几年之内就会到来的人。
文章的作者是Demis Hassabis，Google DeepMind的联合创始人和CEO，2024年因AlphaFold在蛋白质结构预测上的贡献获得诺贝尔化学奖。7月14日，他发表了这篇《前沿AI的框架与新时代的开端》。
他在文中承认了一个很少有从业者公开说出的事实：前沿AI的进展已经跑在了人类理解它的前面。接下来会发生什么，没有人确切知道，专家之间也没有共识。他的判断是，当不确定性这么大、赌注这么高的时候，谨慎的乐观才是正确的策略。
这篇文章值得一读，是因为它没有停留在表态上。
Hassabis 给出了一套具体的制度设计：仿照美国金融业监管局FINRA，建立一个由联邦监督、行业出资的标准机构，负责测试前沿模型在网络安全、生物威胁等高风险领域的能力；实验室在发布前30天把模型交给它评审；评测基准每季度更新，防止模型“应试”；如果形势需要，它甚至可以协调各家实验室一起放慢开发速度。这套框架不分国别，也不分开源闭源，只看模型是否达到“前沿”门槛。
一个正在领跑的人，主动设计让自己慢下来的规则——这本身就是关于当下AI处境的一个信号——未来尚未写定，而窗口期就是现在。
如果你也在思考AI监管相关的问，建议配合沉浸式翻译插件读一遍原文。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
“AI应该被管起来”——这类呼吁通常来自技术的批评者。但这一次，说这的是一个把整个职业生涯都押在AI上、并且相信通用人工智能几年之内就会到来的人。
文章的作者是Demis Hassabis，Google DeepMind的联合创始人和CEO，2024年因AlphaFold在蛋白质结构预测上的贡献获得诺贝尔化学奖。7月14日，他发表了这篇《前沿AI的框架与新时代的开端》。
他在文中承认了一个很少有从业者公开说出的事实：前沿AI的进展已经跑在了人类理解它的前面。接下来会发生什么，没有人确切知道，专家之间也没有共识。他的判断是，当不确定性这么大、赌注这么高的时候，谨慎的乐观才是正确的策略。
这篇文章值得一读，是因为它没有停留在表态上。
Hassabis 给出了一套具体的制度设计：仿照美国金融业监管局FINRA，建立一个由联邦监督、行业出资的标准机构，负责测试前沿模型在网络安全、生物威胁等高风险领域的能力；实验室在发布前30天把模型交给它评审；评测基准每季度更新，防止模型“应试”；如果形势需要，它甚至可以协调各家实验室一起放慢开发速度。这套框架不分国别，也不分开源闭源，只看模型是否达到“前沿”门槛。
一个正在领跑的人，主动设计让自己慢下来的规则——这本身就是关于当下AI处境的一个信号——未来尚未写定，而窗口期就是现在。
如果你也在思考AI监管相关的问，建议配合沉浸式翻译插件读一遍原文。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
AI 只会描述意图、算不了硬问的搜索空间。
HexStellar 把难接过来算：agent 把模型翻译成 JSON 提交云端，返回带确证标签和收据的答案。
https://github.com/brayonpi/hexstellar
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
HexStellar 把难接过来算：agent 把模型翻译成 JSON 提交云端，返回带确证标签和收据的答案。
https://github.com/brayonpi/hexstellar
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
做 PPT 的最优解来了：一份文档丢进去，出来的是能逐页改的 PPTX。这就是skill：ppt-master .
GitHub 已经 51.5万 star，我刚刚专门去Starred过！
以前拿 AI 做 PPT，最恶心的一点是它给你的其实是一堆图片，或者一个动不了的模板。想挪一个方框、改一个字号，只能自己重画，而且不能调模板和各种元素的设置，只能沦为玩物，上不了台面。
PPT Master 生成的是 PowerPoint 原生对象：形状、连接线、图表、表格，连母版和版式都是真的，打开就能像平时那样双击改。图表和表格默认导出成可编辑的 DrawingML，公式转成 PowerPoint 2010 以上能编辑的 OMML，甲方让你改个数据，不用回头重新生成一遍。
操作顺序大概是这样：
1.安装skill，github.com/hugohe3/ppt-master
一般的agent都可以安装，但是Codex效果不好还浪费宝贵额度。我试下来Zcode比较稳定+GLM5.3-flash，效果不错。
2.做定制化模板，手里有一份公司的ppt模板扔给它，让它学习，强调要求，然后存成模版。
3.内容加工定稿，（建议单独开一个session）
把内容的先后顺序、布局和每页的action title，翻页动画、对象动画、演讲者备注一起给你，备注还能配上音频旁白，让ai给你编排好，确认后固定成md或者html文件。
4.生成。让大模型调用skill和模板，按照你给的内容参考文件，生成你想要的格式和要求的可编辑PPT了。
5.速度，如果不复杂的模板，大概40分钟6-8页。
6.Review问并及时修改模板，或者查询指令依从性的问。
做PPT汇报最费时间的从来不是想内容，是把内容摆进版式里。以前在开水团禁止内部用PPT，脱离苦海，开心了几年。
最后：
1.不算很费token额度，折算每页0.5元起。
我的用法参考：用zcode+glm5.3 flash，智谱的lite套餐（定价118元，年付82.6元）月额度能做个120-160页（每次一个模板6页）左右，大概每页0.5元；
火山的codingplan pro（定价200元，新人优惠价50元）能做96页左右，每页0.5-2元。
2.建议搭配有视觉能力的flash模型使用，推理开中档就行。
3.核心的技巧是先定下文字和布局（ai可
这个风格看着很舒服，运镜方式平稳顺滑，女孩看起来温柔又清新。
核心要点是这三点：
初恋风+日系胶片质感+跟拍运镜
提示词：
年轻漂亮亚洲女性，身材苗条，生成一个清新治愈系微叙事的片段视频，时长10秒，视频比例9:16，风格为清新初恋风并带有轻微日系胶片质感，整体氛围温柔治愈。
画面：在雨后城市滨水公园的湿润石板路上，素材1的主体向镜头方向缓步走来。她左手自然摆动，右手抬起轻扶额前发丝，面部保持温柔微笑，过程中偶尔低头、侧头，步幅轻盈自然。背景是中式长廊挂有红色灯笼，茂密的鲜绿色灌木与乔木环绕，远处可见高层住宅楼。地面湿润反光，阴天漫射自然光，光线柔和均匀，整体冷调通透。左上角点缀淡蓝色透明气泡特效。色调以浅灰蓝、鲜绿色、米白色为主，柔和干净。
运镜：采用流畅跟拍+缓慢推镜的组合运镜，镜头跟随人物移动保持主体在画面中心，人物靠近镜头时同步缓慢向前推镜，全程保持平视视角，镜头运动平稳顺滑。
背景音乐：舒缓治愈的日系轻音乐，以钢琴为主旋律搭配轻柔弦乐，节奏缓慢温柔，带有雨后清新感。音效包含远处轻微的鸟鸣和脚步轻踏湿润地面的细微声响。
视频需保持五官清晰不变形、人体结构正常、服装发型一致、4K超高清画质、画面稳定无模糊、电影质感，无字幕。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
核心要点是这三点：
初恋风+日系胶片质感+跟拍运镜
提示词：
年轻漂亮亚洲女性，身材苗条，生成一个清新治愈系微叙事的片段视频，时长10秒，视频比例9:16，风格为清新初恋风并带有轻微日系胶片质感，整体氛围温柔治愈。
画面：在雨后城市滨水公园的湿润石板路上，素材1的主体向镜头方向缓步走来。她左手自然摆动，右手抬起轻扶额前发丝，面部保持温柔微笑，过程中偶尔低头、侧头，步幅轻盈自然。背景是中式长廊挂有红色灯笼，茂密的鲜绿色灌木与乔木环绕，远处可见高层住宅楼。地面湿润反光，阴天漫射自然光，光线柔和均匀，整体冷调通透。左上角点缀淡蓝色透明气泡特效。色调以浅灰蓝、鲜绿色、米白色为主，柔和干净。
运镜：采用流畅跟拍+缓慢推镜的组合运镜，镜头跟随人物移动保持主体在画面中心，人物靠近镜头时同步缓慢向前推镜，全程保持平视视角，镜头运动平稳顺滑。
背景音乐：舒缓治愈的日系轻音乐，以钢琴为主旋律搭配轻柔弦乐，节奏缓慢温柔，带有雨后清新感。音效包含远处轻微的鸟鸣和脚步轻踏湿润地面的细微声响。
视频需保持五官清晰不变形、人体结构正常、服装发型一致、4K超高清画质、画面稳定无模糊、电影质感，无字幕。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
人形机器人最核心壁垒，居然不是芯片而是手？
你敢信吗？一个做冰淇淋的机器人，估值居然超 200 亿？
我猜很多人看到DQ机器人做冰淇淋的这条新闻第一反应都是：就这？百亿估值的公司，去给冰淇淋店打工？
大材小用了吧？但这根本不是什么降维做餐饮，这是人形机器人赛道最关键的一场实战试炼，看懂了这步棋，你就看懂了具身智能接下来的竞争逻辑。
就在昨天，上海吴江路的DQ门店，一台来自Sharpa的机器人正式上岗。它要干的，是完整做出一杯标准的DQ冰淇淋——从消毒柜取杯圈、抽纸杯、冰淇淋机接料、加奥利奥碎、搅拌、刮净杯口，最后倒扣杯子验证“倒杯不洒”，整整55步连续操作，全流程自主完成，不用店员搭一下手。
但很有意思的是，店员做一杯只要2到3分钟，机器人要做6分钟，慢了一倍还多。可不管是DQ还是Sharpa，没人纠结效率。为什么？因为这根本不是比谁手快，这是在给具身智能攒“原生数据”。
咱们平时见的餐饮机器人，基本都是端盘子、送菜、来回跑，说白了就是带轮子的托盘，干的是最低自由度的搬运活。
但Sharpa偏不，它非要钻进后厨，用人类的设备、人类的原料、全球统一的标准，把一整套工序全干了。
他们创始人李一帆有句：如果一个几十自由度、带视觉带力控的人形机器人，最后只干个普通机械臂就能干的递咖啡的活，那成本永远算不过来。
机器人不能要求环境迁就它，不能干9步留最后一步给人擦屁股，那不是创造生产力，那是给机器人找了份养老的闲差。
所以DQ这个场景，难就难在55步环环相扣，纸杯会软、冰淇淋软硬会变、三次加料视觉上几乎一样，差一点就失败。
而Sharpa要的，恰恰就是这些失败的数据。具身智能最大的门槛是什么？
不是看视频学动作轨迹，是真实的触觉、力觉，是出错之后的修复逻辑。
你看人做一遍，只会知道手抬多高，但你不知道握杯子要用多大劲，不知道洒了到底是接料歪了还是搅拌快了。
只有让机器人在真实场景里摔跟头、出错、再调整，把这些失效数据喂给模型，下一个场景才能少走弯路。
Sharpa练这个流程练了不到5个月，现在实验室成功率大概90%，但这数字不算数，真实门店里的各种突发状况，才是真正的大考。
而它真正的野心是：今天在DQ练会的抓握、舀取、搅拌、倾倒，明天放到便利店、酒店、甚至家庭里，都能直接复用。
如果换个场景还要重新练十万小时，那这家店就是个一次性工程，毫无价值。
你可能有印象，今年春晚上那个精准盘核桃的灵巧手，就是他们家的。
这家公司2024年底才成立，到现在还不到两年，刚刚官宣新一轮融资，总额超过45亿，投后估值直接冲到220亿。
更有意思的是它的背景：三个联合创始人全是激光雷达龙头禾赛科技的创始团队原班人马。
而现在禾赛自己的市值，换算成人民币还不到200亿，等于成立不到两年的新公司，估值已经超过了老东家。
那为什么不放在禾赛里面做？要分出去另起炉灶？
其实这是非常典型的产业打法：首先赛道不一样，估值逻辑天差地别，激光雷达是成熟制造业逻辑，人形机器人是爆发期科技成长逻辑，体外独立融资，估值天花板高得多；其次团队激励更灵活，也不会稀释禾赛老股东的权益。
你看这轮投资方，阿里、美团、京东产业资本全进场，还有红杉、启明这些头部机构，本质就是押注他们能把激光雷达的成功路径，在人形机器人身上再复制一遍：先攻下核心部件，再靠场景数据跑通算法闭环，最后形成全栈壁垒。
现在灵巧手这个赛道有多火？给大家几个数字：截至今年7月，国内灵巧手赛道累计融资已经突破80亿，比去年同期暴涨15倍，是人形机器人里最热的细分赛道，没有之一。
玩家分成了两派：一派像帕西尼感知、灵心巧手，都是从灵巧手硬件往整机、数据生态延伸，路线偏稳健，先拆流程、人补位，先把商业账算过来；另一派就是Sharpa，硬刚全流程自主，宁慢不残，非要把一个场景做透。
前阵子我跟深圳一个做灵巧手的创业者聊天，他说了个很颠覆的观点：别看现在大家都卷B端工业、餐饮，其实灵巧手最大的C端机会，可能是成人用品的升级，用精细力控做交互类产品，那个付费意愿和毛利，比餐饮高好几个量级。当然这是另一条赛道的思路，也侧面说明灵巧手的想象空间，远不止工厂和餐厅。
很多人看这件事，觉得就是个营销噱头，机器人做冰淇淋又慢又贵，图什么？但你往五年十年的维度看，人形机器人的终局，就是真的能独立接手一整条工作流。
今天它能在DQ独立做一杯冰淇淋，明天就能在便利店独立理货，在中央厨房独立做菜，在家庭独立做家务。
这条路很慢，很重，看起来很笨，不像拿定制订单来钱快，但这才是真正的护城河。
就像当年自动驾驶刚起来的时候，没人觉得激光雷达值那么多钱，但当数据闭环跑通，壁垒就再也追不上了。
@aigc1024
你敢信吗？一个做冰淇淋的机器人，估值居然超 200 亿？
我猜很多人看到DQ机器人做冰淇淋的这条新闻第一反应都是：就这？百亿估值的公司，去给冰淇淋店打工？
大材小用了吧？但这根本不是什么降维做餐饮，这是人形机器人赛道最关键的一场实战试炼，看懂了这步棋，你就看懂了具身智能接下来的竞争逻辑。
就在昨天，上海吴江路的DQ门店，一台来自Sharpa的机器人正式上岗。它要干的，是完整做出一杯标准的DQ冰淇淋——从消毒柜取杯圈、抽纸杯、冰淇淋机接料、加奥利奥碎、搅拌、刮净杯口，最后倒扣杯子验证“倒杯不洒”，整整55步连续操作，全流程自主完成，不用店员搭一下手。
但很有意思的是，店员做一杯只要2到3分钟，机器人要做6分钟，慢了一倍还多。可不管是DQ还是Sharpa，没人纠结效率。为什么？因为这根本不是比谁手快，这是在给具身智能攒“原生数据”。
咱们平时见的餐饮机器人，基本都是端盘子、送菜、来回跑，说白了就是带轮子的托盘，干的是最低自由度的搬运活。
但Sharpa偏不，它非要钻进后厨，用人类的设备、人类的原料、全球统一的标准，把一整套工序全干了。
他们创始人李一帆有句：如果一个几十自由度、带视觉带力控的人形机器人，最后只干个普通机械臂就能干的递咖啡的活，那成本永远算不过来。
机器人不能要求环境迁就它，不能干9步留最后一步给人擦屁股，那不是创造生产力，那是给机器人找了份养老的闲差。
所以DQ这个场景，难就难在55步环环相扣，纸杯会软、冰淇淋软硬会变、三次加料视觉上几乎一样，差一点就失败。
而Sharpa要的，恰恰就是这些失败的数据。具身智能最大的门槛是什么？
不是看视频学动作轨迹，是真实的触觉、力觉，是出错之后的修复逻辑。
你看人做一遍，只会知道手抬多高，但你不知道握杯子要用多大劲，不知道洒了到底是接料歪了还是搅拌快了。
只有让机器人在真实场景里摔跟头、出错、再调整，把这些失效数据喂给模型，下一个场景才能少走弯路。
Sharpa练这个流程练了不到5个月，现在实验室成功率大概90%，但这数字不算数，真实门店里的各种突发状况，才是真正的大考。
而它真正的野心是：今天在DQ练会的抓握、舀取、搅拌、倾倒，明天放到便利店、酒店、甚至家庭里，都能直接复用。
如果换个场景还要重新练十万小时，那这家店就是个一次性工程，毫无价值。
你可能有印象，今年春晚上那个精准盘核桃的灵巧手，就是他们家的。
这家公司2024年底才成立，到现在还不到两年，刚刚官宣新一轮融资，总额超过45亿，投后估值直接冲到220亿。
更有意思的是它的背景：三个联合创始人全是激光雷达龙头禾赛科技的创始团队原班人马。
而现在禾赛自己的市值，换算成人民币还不到200亿，等于成立不到两年的新公司，估值已经超过了老东家。
那为什么不放在禾赛里面做？要分出去另起炉灶？
其实这是非常典型的产业打法：首先赛道不一样，估值逻辑天差地别，激光雷达是成熟制造业逻辑，人形机器人是爆发期科技成长逻辑，体外独立融资，估值天花板高得多；其次团队激励更灵活，也不会稀释禾赛老股东的权益。
你看这轮投资方，阿里、美团、京东产业资本全进场，还有红杉、启明这些头部机构，本质就是押注他们能把激光雷达的成功路径，在人形机器人身上再复制一遍：先攻下核心部件，再靠场景数据跑通算法闭环，最后形成全栈壁垒。
现在灵巧手这个赛道有多火？给大家几个数字：截至今年7月，国内灵巧手赛道累计融资已经突破80亿，比去年同期暴涨15倍，是人形机器人里最热的细分赛道，没有之一。
玩家分成了两派：一派像帕西尼感知、灵心巧手，都是从灵巧手硬件往整机、数据生态延伸，路线偏稳健，先拆流程、人补位，先把商业账算过来；另一派就是Sharpa，硬刚全流程自主，宁慢不残，非要把一个场景做透。
前阵子我跟深圳一个做灵巧手的创业者聊天，他说了个很颠覆的观点：别看现在大家都卷B端工业、餐饮，其实灵巧手最大的C端机会，可能是成人用品的升级，用精细力控做交互类产品，那个付费意愿和毛利，比餐饮高好几个量级。当然这是另一条赛道的思路，也侧面说明灵巧手的想象空间，远不止工厂和餐厅。
很多人看这件事，觉得就是个营销噱头，机器人做冰淇淋又慢又贵，图什么？但你往五年十年的维度看，人形机器人的终局，就是真的能独立接手一整条工作流。
今天它能在DQ独立做一杯冰淇淋，明天就能在便利店独立理货，在中央厨房独立做菜，在家庭独立做家务。
这条路很慢，很重，看起来很笨，不像拿定制订单来钱快，但这才是真正的护城河。
就像当年自动驾驶刚起来的时候，没人觉得激光雷达值那么多钱，但当数据闭环跑通，壁垒就再也追不上了。
@aigc1024
完全一致的看法！！
“去 AI 味”这件事，本身就挺有 AI 味的！
让 AI 写，再让 AI 把自己伪装成人，其实盲点还是一样的，只不过是用你没看烦的句式替换了你已经看烦的。
很多人觉得“去AI味”，是在提示词里把一些“一眼AI”的句式禁掉，比如“不是…而是”，“我越来越觉得”。
但AI学习的，不就是之前人工写作惯用的句式，你禁用了这一批句式，但过段时间，某种短句、某种转折、某种表达被模型大量使用，我们又会觉得它很 AI。
就像几年前看到“赋能、抓手、闭环”觉得高级，现在看到只觉得头皮发麻。
真正让人觉得有“AI 味”的，从来不只是某几个词某些句式。而是那种过分完整、过分正确、过分顺滑的表达。
而这种表达往往呈现出高度一致的结构。
但真人写东西不是这样的。
人有时会词不达意，有时会把看起来不相关的两个字组合到一起，有时逻辑也不那么严密，有时会重复…
这些“不完美”，反而构成了一个人的表达。
所以我现在越来越少让 AI “帮我写一篇文章”。我更愿意自己先写。
想到什么写什么，哪怕只有几个观点、几段残缺的，甚至前后完全不连贯。
然后再把 AI 拉进来：
帮我查资料；
跟我争论；
找逻辑漏洞；
补充我没想到的角度；
卡住的时候帮我接一句；
最后再帮我整理结构、润色表达。
如果是比较重要的文章，我甚至会让几个模型分别挑毛病、分别改一版，最后自己重新写。
但最后那个决定“我到底想说什么，以及我要怎么说”的人，最好还是自己。
因为真正难以复制的，从来不是你的文风。
而是你为什么会产生这个观点。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
“去 AI 味”这件事，本身就挺有 AI 味的！
让 AI 写，再让 AI 把自己伪装成人，其实盲点还是一样的，只不过是用你没看烦的句式替换了你已经看烦的。
很多人觉得“去AI味”，是在提示词里把一些“一眼AI”的句式禁掉，比如“不是…而是”，“我越来越觉得”。
但AI学习的，不就是之前人工写作惯用的句式，你禁用了这一批句式，但过段时间，某种短句、某种转折、某种表达被模型大量使用，我们又会觉得它很 AI。
就像几年前看到“赋能、抓手、闭环”觉得高级，现在看到只觉得头皮发麻。
真正让人觉得有“AI 味”的，从来不只是某几个词某些句式。而是那种过分完整、过分正确、过分顺滑的表达。
而这种表达往往呈现出高度一致的结构。
但真人写东西不是这样的。
人有时会词不达意，有时会把看起来不相关的两个字组合到一起，有时逻辑也不那么严密，有时会重复…
这些“不完美”，反而构成了一个人的表达。
所以我现在越来越少让 AI “帮我写一篇文章”。我更愿意自己先写。
想到什么写什么，哪怕只有几个观点、几段残缺的，甚至前后完全不连贯。
然后再把 AI 拉进来：
帮我查资料；
跟我争论；
找逻辑漏洞；
补充我没想到的角度；
卡住的时候帮我接一句；
最后再帮我整理结构、润色表达。
如果是比较重要的文章，我甚至会让几个模型分别挑毛病、分别改一版，最后自己重新写。
但最后那个决定“我到底想说什么，以及我要怎么说”的人，最好还是自己。
因为真正难以复制的，从来不是你的文风。
而是你为什么会产生这个观点。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
