從田間到「指尖」：陝西渭南打造現代農業「智慧樣板間」
2025-10-22 05:00 6,431次浏览文/陳昊星 在賽場上切磋武藝、踢足球、跑馬拉松；在景區裡進行舞獅表演、為遊客端茶倒水、打卡拍照；在工廠車間搬運物料、協同作業……一批批基於具身智能打造的機器人，正加速融入人們的生活。 自年初首次被寫入政府工作報告以來，具身智能便在政策加持和資本追捧下全面躍升為新興風口。這個新興領域，到底發展到哪兒了？ 各地支持具身智能不遺餘力 從政策布局到資源加持，各地對具身智能的支持不遺餘力。 目前，北京、上海已分別成立國家地方共建具身智慧機器人創新中心、國家地方共建人形機器人創新中心。浙江、安徽、湖北、廣東、四川等地均成立省級機器人創新中心，集聚區域產業優勢力量，推動技術共享與聯合攻關。 上海專門出臺了《上海市具身智能產業發展實施方案》，為這一產業量身定製扶持政策。根據方案，上海計劃到2027年，實現具身模型、具身語料等方面核心算法與技術突破不少於20項；建設不少於4個具身智能高質量孵化器，實現百家行業骨幹企業集聚、百大創新應用場景落地與百件國際領先產品推廣，具身智能核心產業規模突破500億元。 江蘇省崑山市也在近日發布《崑山市推動具身智能產業創新發展的行動方案(2025-2027年)》，提出圍繞AI伺服器、智慧機器人、智能網聯汽車、低空飛行器四項前沿領域，開展「十個一批產業行動」，打造新千億級產業集群。 多地加快布局具身智能的同時，業界亦動作頻頻。 京東在7月21日一天內連投三家人形機器人企業，宇樹科技以120億元的估值啟動IPO輔導，智元機器人透露於近日獲得正大集團旗下正大機器人的戰略投資……人形機器人作為該領域最具代表性的實體，一段時間以來，行業融資及上市步伐加快。 企查查數據顯示，截至7月下旬，國內人形機器人相關現存企業達834家，主要分布在華東地區、華南地區。從註冊資本分布來看，超5成相關現存企業註冊資本在千萬級別及以上。從註冊量角度來看，2024年註冊量同比增長103.92%至104家，截至目前今年已註冊123家，其中上半年註冊量達105家，同比增長183.78%。 產業快速起步仍待突破 越來越多資金與資源正向具身智能聚集，產業發展目前處於何種階段？ 大連理工大學力學與航空航天學院教授解兆謙接受國是直通車採訪時表示，目前，我國具身智能產業整體仍處於起步階段，距離真正成熟和廣泛應用尚有較大差距。 他直言，在複雜多變的家庭環境，或災害救援等高度混亂的場景中，機器人往往難以全面、準確地感知周圍環境，從而及時調整策略並找到最佳行動路徑。要實現具身智能的全面普及，仍需攻克諸多技術難題，前路任重而道遠。 在解兆謙看來，未來具身智能產業亟須在感知系統、運動控制、人機互動、算法算力及軟硬體集成等方面實現突破。 解兆謙分析稱，感知系統方面，現有傳感器精度遠低於人類皮膚，難以高效感知溫度、壓力、剪切力及滑移等多模態信息。運動控制存在模式單一，難以適應多樣且強耦合的交互場景。人機互動方面，隨著媒介擴展至動作、身體狀態及環境物品，機器人處理複雜信號的能力面臨重大挑戰。同時，多模態觸覺反饋設備的開發仍是關鍵技術瓶頸。 上海社科院研究員、南通大學長三角現代化研究院院長何建華接受國是直通車採訪時亦表示，目前，具身智能發展介於傳統機器人與人形機器人之間，尚處過渡階段。但自年初被寫入政府工作報告以來，國內具身智能領域已進入快速發展期，在實體場景、工業網際網路等方面的落地應用日益增多。 專家：行業監管須跟上技術迭代 日前召開的2025世界機器人大會上，發布了2025具身智慧機器人十大發展趨勢，包括具身感認知協同、多層次端到端決策、智能控制、生成式AI設計、軟硬體一致性、大工廠仿真系統、高質量數據集、人機協同、跨學科開源社區以及安全與倫理建設等。 何建華指出，具身智能產業目前在長三角地區已具備一定先發優勢，尤其上海在政策和園區布局方面起步較早，國家政策出臺之前就已謀劃相關規劃。此外，該地區產業基礎雄厚，製造業體系完備，數據積累豐富，技術與人才資源高度集聚，依託上海、杭州、南通等地的科研實力和產業鏈配套，已形成較完善的創新生態。 據解兆謙觀察，部分地區發展具身智能產業存在一定的跟風和應用複雜等問題，容易脫離本地產業基礎，導致低效投入和資源浪費，尤其是缺乏核心技術人才。此外，一些企業為吸引關注，過度強調產品展示和外觀設計，忽視安全和人機互動體驗。所以，行業標準和監管體系要進一步跟上技術快速迭代。 2024年10月，國家地方共建人形機器人創新中心發布了《人形機器人分類分級應用指南》。解兆謙認為，該非強制性標準側重功能分類，缺乏對關鍵安全性能(如動態環境下感知誤判率)和倫理風險(如自主決策權限、隱私保護)的強制約束。將強制性安全標準與交互能力評估納入監管，引導企業聚焦技術核心，才是下一步亟待完善的發展方向。 何建華則提醒，具身智能產業還可能面臨同質化競爭的風險。地方政府後續在推動產業發展的過程中，應善於發現問題，針對性地制定和完善相關標準。鑑於新興技術領域技術細節複雜，政府部門在專業認知上可能不及科研人員，因此需要充分依託專家力量，強化引導和把關，確保產業健康有序發展。
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
520直播
「活动」首次登录送新手大礼包
- 软件大小: 187.45MB
- 最后更新: 2025-10-22 05:00
- 最新版本: v9.10.19.1
- 文件格式: apk
- 应用分类:ios-Android 嗨球直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 6.64以上
客服热线：139-5379-9247
24
38
42679
18
2025-10-22 05:00
72583
92
2025-10-22 05:00
87164
57
2025-10-22 05:00
24638
38
2025-10-22 05:00
83497
26
2025-10-22 05:00
97385
82
2025-10-22 05:00
13756
52
2025-10-22 05:00
28314
31
2025-10-22 05:00
12783
29
2025-10-22 05:00
59
78316
17598
36
82
84
68342
98527
16783
95
54269
63812
