技术方向
直接跑在手机、电脑等设备上的 AI：小模型、在本机运行模型的工具与端侧芯片。
120 条精选近 30 天 118 条共收录 145 条
炎曦动力公开具身基座模型 Paimon-0，在 RoboColiseum 以 0.7754 排名第一，并超过 GPT-6 Astra。它在 RoboCasa365 和 VLA-Arena 分别以 58.1、0.73 排名第一，并以 46.599 总分夺得启元机器人 IROS Workshop 双臂机器人挑战赛冠军。
推荐理由：文章以榜单成绩和端云协作为线索，解释 Paimon-0 的 query token 蒸馏、自我改进设计及其与机器人芯片方案的衔接。
岩山科技旗下岩芯矩阵与港科大、CMU联合发布并开源EdgeRock-4B，256K上下文下KV Cache固定为72MiB，较源模型减少99.1%。在单张Hopper 80GB GPU、32K输入和32K输出下，模型支持512路并发，输出吞吐12124 tokens/s，是Qwen3.5-4B的6.42倍。
推荐理由：文章拆解了EdgeRock-4B以RMA固定KV Cache的机制，并对照Qwen3.5-4B及有界状态模型的吞吐、内存与推理表现。
AI眼镜行业在2026年上半年同时出现出货扩张、供应链抢产与融资升温，但高退货率、低毛利和盈利困难也暴露了商业化压力。Omdia数据显示，2026年上半年全球AI眼镜出货量达420万台，同比增长127%，中国智能眼镜出货量52万台，上半年几乎平均每三天就有一款AI眼镜新品发布。
推荐理由：文章结合出货、融资、利润和退货数据拆解AI眼镜热潮，呈现供应链扩张与商业化承压之间的错位。
国星宇航“星算”计划已随朱雀二号改进型遥四火箭将8颗卫星送入轨道，目标是让卫星在轨处理遥感数据，从“天感地算”转向“天数天算”。“星算”02组卫星搭载AI计算、高速激光通信和微光相机等载荷，入轨后整个星座在轨总算力达到50P，完整计划包括2400颗推理卫星和400颗训练卫星。文章还梳理三体计算星座、太空算力云和天基光计算路线，并分析散热、能源、星间通信、成本和应急救灾等落地条件。
推荐理由：文章用95%遥感数据未下传这一约束串联“天数天算”的技术路线、星座规模与商业化难点，便于理解太空算力为何强调分钟级响应。
TechCrunch 汇总了多款面向个人记录、陪伴和任务处理的 AI 可穿戴设备与便携硬件。已公布或预计售价从 Bee 的 $49.99 到 Sandbar Stream 戒指的 $299，常见能力包括持续录音、转写、摘要、提醒、情绪识别和语音交互。
推荐理由：文章按价格、佩戴形态和核心功能横向比较多款 AI 可穿戴设备，并列出订阅门槛、隐私控制与上市状态，便于判断产品定位。
灵颜科技近期完成数千万元种子轮及种子+轮融资，投资方包括盈动资本、浙江火炬中心、毅达资本、梅花创投和领甪资本。资金将用于产品迭代、核心零部件研发、算法平台建设和团队扩充。
推荐理由：文章对比了连杆与线驱灵巧脸在成本、空间和运动特性上的差异，并补充端侧表情生成方案与商业合作进展。
Block 发布全双工语音到语音模型 Dessa，可同时听说，并能在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。该模型完全基于人类语音训练，Block 称其仅用单块 NVIDIA GPU 训练，并将情绪直接纳入语音生成。模型目前尚未公开访问，Block 邀请安全研究人员测试语音智能体误导他人的风险。
推荐理由：Dessa 的全双工语音、情绪表达与消费级设备本地运行方案交代具体，并说明暂未开放及安全测试安排，便于评估语音智能体的落地条件。
EPFL团队开发低功耗可植入神经芯片LogSync，用于追踪不同脑区间的通信，并实时识别认知与情绪状态。该芯片提取脑波强度及跨脑区同步性等网络层生物标志物，由机器学习算法生成特定状态下的刺激触发信号，功耗控制在200 microwatts 以下。研究使用既往精神疾病实验的人脑记录验证状态区分，并在University of Minnesota的大鼠实验中测试振荡追踪与刺激触发。
推荐理由：LogSync把跨脑区同步性提取、状态分类与刺激触发集成到低功耗芯片，并完成了人脑数据和大鼠实验验证。
科大讯飞首发星辰TaaS平台，以星辰MaaS为底层，通过模型调度、智能体引擎、知识工程和工具编排连接模型能力与行业应用。平台覆盖同传翻译、数字员工、办公提效、知识问答、智能营销等场景，并面向企业服务、金融、医疗、教育、能源等行业提供产品与解决方案。平台提出将 Token 消耗嵌入真实业务流程，让每次 Token 调用推动业务任务完成。
推荐理由：星辰TaaS把模型调度、智能体引擎、知识工程与工具编排串成全链路，并给出金融、医疗等行业落地方向。
报道称，一名黑客逆向分析自己的 Samsung 电视，发现其内置 AI 存在监听行为，另有一个 OpenAI 账号被停用。
推荐理由：材料呈现逆向分析 Samsung 电视、发现内置 AI 监听及 OpenAI 账号停用的案例，可用于审视智能家居隐私与平台治理。
TypeSafe AI 发布的 Jev 是一款通用分类器，以“不会幻觉”、低成本和端侧运行为卖点，发布 33 天后热度已迅速消退。作者指出其非自回归决策模型思路并非新概念，RLCD 训练方法和实现细节披露有限；它虽能按结构输出，仍可能得出错误答案，相较部分开放权重模型的优势也取决于任务。
推荐理由：文章借 Jev 从爆红到降温的案例，对照模型能力、端侧成本与输出可靠性，梳理 AI 热潮中容易被忽略的判断维度。
Daniel Murrell 发布开源 Mac 歌唱训练应用 OnKey，可配合 Spotify、Apple Music 或浏览器中的 YouTube 跟唱。首次播放可显示歌词，并在歌曲结束时学习旋律；之后呈现滚动音符、实时音高轨迹和逐句评分。
推荐理由：OnKey展示了从主唱分离、实时音高跟踪到逐句评分的完整流程，并说明本地处理、硬件门槛与数据请求，适合评估Mac端歌唱练习方案。
联想集团董事长兼CEO杨元庆近日在一场内部领导力发展培训项目中表示，他预测未来80%的Token将在终端和边缘侧生成。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。
推荐理由：杨元庆用80%的Token将在终端和边缘侧生成这一预测，呈现端边云协同演进下个人计算设备与边缘基础设施的增长空间。
第六届RISC-V中国峰会在深圳开幕，披露了车规芯片量产上车进展，而AI与数据中心仍主要围绕架构扩展、IP核和软件栈展开。紫荆M100于2025年12月18日量产上车，车规级芯片出货量已突破1000万颗，IAR同时推出面向RISC-V的开发工具。AI与数据中心尚无公开部署规模和客户名单，中科院计算所预计RISC-V面向数据中心的基础软件生态有望在2030年前走向成熟。
推荐理由：文章对比了RISC-V在车规、AI与数据中心的推进阶段，梳理量产落地、架构探索和软件生态成熟时间之间的差异。
科大讯飞发布端云一体讯飞星火X2.6，并同步推出语音基座大模型SparkAudio 1.0。云端和端侧星火X2.6-4B能力同步提升；未来60%的应用可在本地完成，30%通过云端协同，10%需要云端大模型解决。SparkAudio 1.0支持语音识别、同传、交互、音频理解、情绪识别、实时说话人分离和环境声理解。
推荐理由：端云一体的任务分工、本地处理比例和多类语音能力，为比较模型应用的安全、效果与成本提供参考。
Nirva 宣布获得 $25 million pre-Series A 融资，加上今年早些时候的 $8 million，累计融资达到 $33 million。首款设备是一枚可兼作手链的 AI 吊坠，重约 8 克，单次充电最长续航 3 天；Nirva 称设备会依据引导阶段的用户语音片段过滤周围人的对话，处理后默认不保留音频数据或转录文本。
推荐理由：文章说明了设备如何用引导阶段的语音样本过滤周围对话，并在处理后默认不保留音频或转录，为环境 AI 穿戴设备的隐私设计提供可比较案例。
黄仁勋在柏林GTC上宣称PC需被重新发明为个人Agent，并展示了与微软合作四年推出的RTX Spark：CPU+GPU融合设计，最高128GB统一内存和1 petaflop FP4算力，可在本地运行更大模型和Agent。文章还讨论了盒子、边缘服务器、分布式算力等替代方案，并援引芯片从业者称今年边缘服务器、盒子类产品订单增速远超AI PC。
推荐理由：原文把PC、盒子、边缘服务器等多种Agent载体并置讨论，给出芯片从业者的一线观察和不同方案的比较视角。
普通 AI 眼镜兼具既有佩戴需求、可接受价格和持续交互产生的数据，是万亿级消费级 AI 硬件市场中最贴近规模化落地的入口形态之一。千问 N1 取消近眼显示，国补后 2218 元起；2026 年第一季度全球智能眼镜出货 356.6 万台，同比增长 130.1%。文章据此认为，眼镜长期积累的个性化数据难以迁移，厂商竞争重点正从硬件销量转向占据用户数据入口。
推荐理由：文章把智能眼镜与手机、AI Pin 对照，梳理既有佩戴需求、价格下探和专属数据如何共同构成端侧 AI 入口的竞争壁垒。
WorldTUI 将 Qwen2.5-Coder-0.5B 微调为约 360M 参数的终端世界模型，接收原始按键并预测屏幕行与光标变化，背后没有真实 shell 或文件系统。
推荐理由：文章拆解了真实终端数据构造、模型错误修正和屏幕行并行解码的实现路径，并给出 ShellBench、记忆测试与浏览器延迟数据。
AAIF 基于 Strands Agents 构建，本地小语言模型（SLM）处理常规任务，复杂请求则路由至 Amazon Bedrock。该分层编排旨在减少 API 成本并保持本地操作低延迟。框架以 llama3.2:1b 作为编排器，不依赖硬编码规则选择遥测、本地视觉或云端分析工具，并可部署在配备 8 GB 内存的 Raspberry Pi、全云或混合环境中。
推荐理由：文章以 IoT 监控为例，拆解本地小模型、云端模型与智能体编排的三层架构，并提供可改造的代码和部署路径。