从翻跟头到24小时连轴转:我们在WAIC看到了机器人的班味

marsbit發佈於 2026-07-17更新於 2026-07-17

文章摘要

在2026年上海世界人工智能大会(WAIC)上,机器人行业呈现出从“炫技”转向务实“落地”的显著变化。相比去年展示舞蹈、格斗等表演能力的机器人,今年展会更多聚焦于具备实际“工作能力”的轮式机器人,它们被部署在流水线、咖啡机旁等场景,执行具体任务。行业共识是,风向已从比拼参数转向冲刺商业化落地。 大会首次将具身智能提升为核心赛道,参展企业激增,真机数量超过300台。一个标志性变化是,数十台人形机器人首次作为志愿者大规模部署在会场提供导览服务。行业关注点也从“能否跳舞”转变为“能否连续工作24小时”、“功能能否复用”,量产成为关键分水岭。 然而,从实验室走向量产面临多重挑战:一是大模型上机存在算力和延迟难题;二是机器人系统对多传感器协同和实时计算的要求极高;三是需要跨产业链的协同,涉及设计、标准、品控等环节。 当前发展的核心瓶颈在于“大脑”(人工智能与决策能力),而非硬件“身体”。尽管硬件进步较快,但让机器人真正理解复杂指令并可靠执行仍有很长的路要走。多家企业展示了在“大脑”方向的努力,例如通过类脑模型改进规划与控制,或尝试通过自然语言指令让机器人完成系列任务。资本市场也向“大脑”研发公司投入重金。 成本是另一大现实难题。机器人价格呈现分化:消费级产品价格持续下探至万元以内,而工业级及高性能机器人价格依然高昂。高盛报告指出,将成本控制在2-3万美元是普及的关键。 关于机器人进入家庭这一终极场景,业界普遍认为时机尚未成熟。家庭环境完全非结构化,涉及安全、隐私和复杂任务,挑战巨大。虽有企业尝试以租赁模式探索家庭陪伴与服务,但现阶段的机器人更多被视作“智能玩具”,要完全替代人类完成家务仍需至少五年时间。 2026年被视为人形机器人的“量产元年”,意味着真机开始下线并交付客户,在工业等结构化场景中实现初步商用。但距离像消费电子一样走进千家万户仍然遥远。WAIC 2026成为机器人商业价值的“考场”,行业正在经历从“展品”到“产品”、从技术突破到稳定交付的成人礼。机器人能否真正“毕业”,取决于其在真实工作场景中的持续表现。

摘要:

打比赛、跳炫舞、组乐队的“炫技型”机器人们还在,但更多的,是被安置在各个场景下展现自身“工作能力”的轮式机器们:流水线上、洗衣机前、咖啡机旁——它们不再必须有类人的“双足”或者仿真的皮肤,但一定得会“干点什么”。

2026年7月17日,上海世博展览馆。10万平方米的展区,1100余家企业,3000余项展品,超300款全球首发。数字之外,一个更值得注意的变化正在发生。

去年展馆里宇树的拳王争霸赛被围的水泄不通,那时候的机器人跳舞是拿手戏,能干活还寥寥,但今年你会发现,展馆马路上就有一个穿交警服的机器人指挥员,进入展馆是一个个身披黄马褂的机器人导览员,到处都有机器人在端茶倒水、上蹿下跳、收拾家务,再不济还能秀一段兵乓球球技、举个哑铃,今年人们对机器人打拳变得麻木,更吸睛的产品变成了390万元的机甲机器人。

走进WAIC展馆,碳基生物有种乱入感,仿佛进入了一个赛博生活广场。

打比赛、跳炫舞、组乐队的“炫技型”机器人们还在,但更多的,是被安置在各个场景下展现自身“工作能力”的轮式机器们:流水线上、洗衣机前、咖啡机旁——它们不再必须有类人的“双足”或者仿真的皮肤,但一定得会“干点什么”。

“去年各家都在秀参数,今年风向彻底变了,全都埋头冲落地。”一位现场工作人员向凤凰网科技感慨。

从实验室进入量产,还有几道坎

本届大会首次将具身智能提升为与智算并列的核心赛道。具身智能参展企业数量从去年的80多家飙升至200多家。208款具身智能终端、超300台真机同台亮相。

最直观的变化,写在数十台人形机器人的“工牌”上。去年它们还是展台里的展品,今年直接成了WAIC的志愿者——游走在会场多个角落,承担导览和问询支持工作。这是全尺寸人形机器人首次在如此大规模的展会上进行规模化部署,背后的技术提供方正是智元机器人。

“过去大家会问:机器人能不能跳舞?能不能翻跟头?现在大家会问:机器人能不能连续工作24小时?能不能重复动作一万次?功能能不能复用至另一款标准化产品?”地瓜机器人开发者生态副总裁胡春旭说。量产,正在成为今年行业的分水岭。这已不是一场“秀肌肉”的嘉年华,而是一次从实验室到工厂、从对话到履职的系统性产业大考。

而走近各家机器人展台,也会发现变化正在发生,对机器人的考察正变得复杂。

智元本次展出的远征A3 Ultra斩获WAIC“镇馆之宝”,作为本届大会展览板块的最高官方荣誉,重点考察的是前沿创新性、产业落地前景、经济效益与应用价值。这款产品搭载了360°视觉与激光雷达融合感知系统,配合700TOPS算力。

地瓜机器人CEO王丛在WAIC前夕的沟通会上也向我们表示,真正进入工厂场景后,很多原本以为是算法的问题,最后都变成了生产管理、系统对接的实际问题,因为落地后对泛化性和稳定性的真实要求才刚刚浮现。

具身智能从实验室迈向量产,全行业至少要面对三道坎。

第一道是模型上机难。VLA、VLM等大模型参数越来越大,塞到端侧要过算力、内存、量化、工具链适配好几关;全放云端又躲不开网络延迟,机器人实时感知和控制根本跟不上。

第二道是系统算力要求高。机器人不是跑一个模型就完事,多路相机、激光雷达、IMU的数据要时空对齐,几十个关节要低延迟协同,感知、推理、控制得同时跑,对计算架构的要求远高于普通智能设备。

第三道最容易被忽略,是产业协同难。实验室做Demo,十次成一次就行,手工调参、临时走线都能凑活;真要量产,结构设计、接口标准、可靠性验证、自动化标定、全流程品控样样不能少,单靠一家企业根本啃不下来。

“过去拼的是单点技术突破,现在拼的是产业链协同速度。”地瓜机器人相关负责人在沟通会上反复提到这句话。

大脑,才是真正的瓶颈

硬件在进步,但“大脑”的进展明显更慢。

蚂蚁灵波CEO朱兴不久前对媒体表示:“过去的一两年,(机器人)小脑和硬件进展还是非常快的。相比小脑的进展,大脑的进展是慢的。”

傅利叶创始人兼CEO顾捷也持类似判断:“2026年,具身机器人技术架构上已经有了明显的收敛趋势”。但收敛的是硬件架构,大脑仍是那个最不确定的变量。

智平方的展台上,类脑大模型NeuroVLA被放在了最核心的位置。这套模型借鉴人脑工作机制,采用“皮层—小脑—脊髓”三层协同架构——皮层负责语义理解与任务规划,小脑负责高频运动协调与动态修正,脊髓负责毫秒级的运动执行与安全反射。

摩根士丹利已将智平方列为机器人“大脑”方向的代表企业。但即便如此,现场工作人员也向凤凰网科技坦承:“大脑的进展是慢的,我们还有很大的进步空间,没有说哪家谁就一步就到位。”

在智平方演示现场,每台机器人旁边依旧配备了一个人类操作师帮助其夹冰块。“最开始要三四分钟打一杯,现在好做的咖啡可以一分半钟打一杯了,但目前还是没办法完全脱离人自动操作。”

除了进工厂之外,“打奶茶”的场景也在被更多企业盯上。“刚去看了一圈,做我们这种打咖啡、打酒的明显今年变多了。”上述人员表示,此类机器均价在50万左右,每个月能实现百台左右交付,“现在产线的产能已经有点跟不上了,马上下半年要规划1万台机。”

这种判断背后是资本市场的真金白银。据IT桔子数据,2026年上半年国内具身智能赛道融资总金额达935亿元,其中有145亿涌向了“大脑派”公司。市场真切的了解,具身智能的瓶颈不在“身体”,而在“大脑”。

傅利叶则展示了另一种思路。本届WAIC上,傅利叶首次公开“具身之家”——面向居家陪伴服务的具身智能全链路技术Demo。其核心突破在于,不再需要告诉机器人“去厨房吧台上、拿水杯、放到客厅桌子上”,只需要一句“我渴了”,机器人就能自主完成全流程。但现场工作人员也告诉凤凰网科技,距离真正让客户买单、当成能用的产品,还有一段距离,“大脑还是没法实现我们预期的那种效果。”

除了家务机器人外,吸引了更多目光驻足的,还有主打情绪价值,有标志性“猫猫头”设计的桌面机器人GR Nano——预备9月正式下线,价格在千元以内。

逐际动力也加入了“大脑”竞赛。7月15日,公司发布了人形大脑系统LimX COSA 0.5版本。加速进化则在本届WAIC上全球首发Booster T2,定位为“面向未来真实应用打造的新一代人形机器人”,旨在推动人形机器人从“能动”走向“能用”。松延动力则携带Bumi小布米OTA V3.0版本而来,这款曾亮相今年春晚的万元级别产品,通过软件OTA更新升级了多项功能,可实现自动连接、新增发现功能涵盖了喜马拉雅、少儿编程、拳击小子游戏等内容。

进家之前的难题们

量产不仅是技术问题,更是经济问题。

数据是第一个难题。具身智能的训练依赖大量真实世界的操作数据。目前行业的主流做法是:在模拟器里让机器人反复执行任务,自动生成海量的“视觉+动作”配对数据,成本几乎为零。但这条路有它的天花板——Sim-to-Real gap,模拟器里的物理规律和真实世界始终存在偏差,训练出来的策略搬到真机上往往水土不服。仿真更适合做预验证和补充增强,真正的泛化能力仍依赖真实数据。

成本是第二个现实。人形机器人的价格正在经历一场剧烈的分化。消费级产品价格持续下探——宇树2026年4月发布的双臂人形机器人R1系列起售价仅2.69万元;松延动力的小布米更是将价格直接降至9998元,首次让量产人形机器人进入万元以内价格带。而工业级机器人价格保持平稳,轮式形态成为产业落地主流。

智平方的AlphaBot 2均价在50万元左右。优必选推出的U1系列全尺寸超仿生情感人形机器人,定价从11.98万元半身Lite款到99万元顶配Ultra机型不等。创始人周剑坦言,仿生机器人的制造工艺仍处于探索阶段,整体量产与技术难度“史上罕见”。

高盛报告预测,若能将每台人形机器人的成本控制在2至3万美元,将极大推动其在各行各业的普及。

如果“大脑”是技术瓶颈,那“进家”就是所有人心照不宣的终极目标——也是最遥远的那个。

关于家庭场景,多家企业给出了几乎一致的判断。智平方明确表示:“进家庭肯定是要进的,但当下不是一个特别好的时机。先通过工业场景,再做公共服务,最终才考虑进家庭。现在推家庭,全球都没有哪家真正能说推到家庭的。”

今年首次参展的未来不远团队,三年前脱胎于教育公司掌门,以家庭陪伴为场景,拓展了管家服务、收纳整理、陪伴互动、AI语音互动等多场景,推出的家庭通用机器人,以租赁模式已入户500余家,累计家庭工作时长3万小时。

“除了陪玩外,基础家务也可以做,代替的不是工具型机器,而是帮人类完成一些前置性工作,比如把衣服放进洗衣机、收拾孩子散一地的玩具。”为了节省成本,采用的是夹爪而非灵巧手。

但现场工作人员也承认,现阶段的进家机器人更像一个加了智能音箱的“大号玩具”,所以瞄准的客户都是愿意给孩子尝鲜、体验科技前沿成果、有一定付费能力的家庭——日租金100元,月租3000元。

“续租率还挺高的,但我们现阶段希望去到更多家庭,所以一般只给租一个月。”未来不远联合创始人Louis对凤凰网科技透露,机器人本体价格已经能够压低至两万,但考虑到算力成本,现阶段进家机器人以租赁模式更为合理。

“现在机器人的最大的问题,它没法给自己洗澡。我们现在只敢让它做一些基础的收纳工作和洗衣。一旦牵扯到重水重油污的,就不行了。”Louis预判,进家机器人能够完整替代保洁阿姨的工作,“至少还要五年”。

究其原因,家庭是一个完全非结构化的场景,不确定性太多,还涉及安全、隐私等问题。即便有企业把机器人送进家庭,也更多是带实验性质的探索,主要目的也是为收集更多丰富的家庭场景,还需要配备真实的技术人员、甚至通过远程遥操辅助。

据工信部预测,今年人形机器人全年整机产量有望突破10万台。2025年,全球人形机器人出货量还在2万台上下。2026年则被业界公认为人形机器人的“量产元年”——不是“Demo元年”或“融资元年”,而是“真机下线、客户签收、产线运行”的元年。

“量产元年”的定义仍然微妙。如果是指万台级别的出货、真实的工业部署、可复制的商业化场景——那么是的,2026年确实在发生一些以前没有发生过的事:智元的万台下线、智平方的千台订单、宇树的IPO冲刺、银河通用的连番大单,都在指向同一个方向。

但如果“量产”意味着像智能手机一样走进千家万户,那还远。家庭场景的非结构化、安全性、隐私、成本——每一个都是尚未跨越的坎。

这么看来,WAIC 2026不再是人形机器人展示“奇技淫巧”的舞台,而是其商业价值的“考场”。从运动能力到产业能力,从技术突破到商业落地,从炫酷展示到稳定交付,人形机器人正在经历一场从“展品”到“产品”的成人礼。

展馆里,它们看上去已经学会了“打工”。至于能不能从技校顺利毕业,答案不在展台上,在工厂里、在商超里、在那些真正需要它们连续工作24小时、重复动作一万次的地方。

本文来自微信公众号: 凤凰网科技 ,作者:凤凰网科技,编辑:董雨晴

相關問答

Q根据文章,WAIC 2026上机器人行业的风向发生了怎样的明显转变?

AWAIC 2026上,机器人行业的风向从去年的‘炫技’(如打比赛、跳舞)和秀参数,转变为更加注重实际落地和‘工作能力’。更多的轮式机器人在具体场景(如流水线、咖啡机旁)展示功能,行业焦点从‘能不能跳舞’变成了‘能不能连续工作24小时’和‘能不能量产’,这表明行业正在经历从实验室Demo到产业应用和商业落地的关键转型。

Q文章指出,具身智能从实验室迈向量产需要面对哪三道坎?

A根据文章,具身智能量产需要面对三道坎:第一,模型上机难,即大模型(VLA、VLM等)难以适配到机器人端侧设备上;第二,系统算力要求高,机器人的感知、推理、控制等多任务并行处理对计算架构提出了极高要求;第三,产业协同难,量产需要结构设计、接口标准、可靠性验证、自动化标定和全流程品控等多环节协同,单靠一家企业难以完成。

Q当前制约人形机器人发展的主要技术瓶颈是什么?文章列举了哪些企业和观点来支撑这一判断?

A当前制约人形机器人发展的主要技术瓶颈是‘大脑’,即智能决策与控制系统的进展相对缓慢。文章引用了蚂蚁灵波CEO朱兴和傅利叶CEO顾捷的观点,他们都指出大脑的进展慢于小脑和硬件。例如,智平方的类脑大模型仍有进步空间,其演示机器人仍需人类操作师辅助;傅利叶的具身之家Demo也坦言大脑效果未达预期;此外,资本也大量涌向‘大脑派’公司,从侧面印证了技术瓶颈所在。

Q关于机器人‘进家庭’这一目标,文章揭示了哪些主要挑战?企业目前采取了怎样的务实策略?

A机器人‘进家庭’面临的主要挑战包括:家庭场景高度非结构化、充满不确定性;涉及安全和隐私问题;成本高昂;以及目前技术尚无法处理重水重油污等复杂家务。企业目前的务实策略是:1. 优先布局工业和公共服务场景,而非直接进军家庭。2. 尝试租赁模式降低用户门槛,如未来不远的家庭机器人。3. 聚焦于可实现的‘前置性’基础家务(如收纳、放衣物进洗衣机),而非全面替代人力。多家企业预判,能完整替代保洁阿姨至少还需要五年时间。

Q文章如何定义和评价2026年作为人形机器人的‘量产元年’?

A文章对2026年作为‘量产元年’的定义和评价是辩证的:一方面,确实发生了前所未有的产业进展,如智元机器人万台下线、智平方获得千台订单、银河通用收获大单等,标志着真机开始规模化下线、交付并进入工业部署,商业场景开始可复制,因此可以说进入了‘量产元年’。另一方面,如果‘量产’意味着像智能手机一样普及到千家万户,那还为时尚远。因为家庭场景在非结构化、安全性、成本和隐私等方面仍有巨大障碍。因此,WAIC 2026更多是机器人商业价值的‘考场’,展示了其从‘展品’向‘产品’的成人礼。

你可能也喜歡

AI 泡沫破了?2000 年科网股崩盘会重演吗?

本文是一篇假设性推演,探讨如果AI泡沫破裂,溢出的资本可能流向何处,并指出RWA/资产代币化可能是最具优势的承接赛道。 **核心观点:** 1. **AI泡沫破裂信号密集**:2026年7月,从链上数据、传奇投资者到主权基金和央行,多个独立信号源发出警告,显示市场对AI估值过高的担忧达到临界点。 2. **资本迁徙的三条路径**:若泡沫破裂,资金可能(一)短期涌入国债等避险资产;(二)中期寻找有真实收入和现金流的“新叙事”;(三)部分选择性流入加密资产。 3. **RWA/代币化成为关键替代叙事**:该赛道具备真实底层资产(如国债、股票)、可验证收入、主流金融基础设施支持(如DTCC启动生产级代币化)和明确监管框架,恰好处于从概念验证进入全栈生产就绪的关键时刻。 4. **加密市场内部将分化**:AI相关代币(如AI Agent代币)最脆弱;而有真实收益的RWA代币(如ONDO、MORPHO)、比特币及DeFi蓝筹可能相对坚韧甚至受益。 5. **对香港的潜在影响**:若发生叙事轮换,香港在合规数字资产和代币化方面的监管基础设施,可能吸引从AI撤出、寻求受监管替代方案的机构资金,面临区域竞争(如韩国)但也存在机遇窗口。 **结论**:文章并非预测AI泡沫必然破裂,而是指出一系列结构性变化(如DTCC入场、RWA交易量激增)已为市场潜在的叙事轮换(从AI到RWA)准备了条件。这一情景能否实现,取决于泡沫破裂的时机、方式及监管节奏等多重变量,需要持续观察验证。

marsbit1 小時前

AI 泡沫破了?2000 年科网股崩盘会重演吗?

marsbit1 小時前

ether.fi 与 Nexus Mutual 合作,为机构级规模提供ETH Slashing防护

伦敦,2026年7月17日,Chainwire — 数字资产管理领域的头部链上新银行 ether.fi 已选择 Nexus Mutual 为其提供加密货币史上最大规模的 ETH Slashing 保障。该保障将为 ether.fi 的验证者提供最高价值 15,000 ETH 的罚没损失保护。 随着 ether.fi 在零售和机构用户中的采用率迅速增长,为其用户获取行业领先的罚没风险保障至关重要。过去一年,ether.fi 在基础设施、风险管理、运营安全和实时防御系统等方面持续加强其技术栈。 鉴于 ether.fi 运营着以太坊上规模最大的验证者集群之一,罚没是其面临的实际尾部风险。通过与 Nexus Mutual 合作,ether.fi 引入了在验证者发生损失时触发的保障,有效缓解了此风险。该保障的额度设计足以覆盖最极端情况下的损失,其规模超过了历史上所有 ETH 罚没损失的总和。 ether.fi 创始人兼首席执行官 Mike Silagadze 表示,最安全的协议终将胜出,因此公司在审计、运营安全、质押架构以及此次业内最大的保险项目上投入巨大,很高兴能与 Nexus Mutual 合作实现这一目标。 Nexus Mutual 创始人 Hugh Karp 表示,自 ether.fi 创立之初,团队就始终关注风险管理,为其用户提供高达 15,000 ETH 的罚没保障是历史性的一步,很自豪能共同参与。 **关于 ether.fi** ether.fi 是领先的链上数字资产管理新银行,管理资产规模超 60 亿美元,业务涵盖现金(加密卡)、质押(再质押)和流动性质押衍生品,在加密新银行领域占据主导地位。 **关于 Nexus Mutual** Nexus Mutual 是首个加密保险替代方案。自 2019 年以来,已为超过 70 亿美元的智能合约黑客攻击、罚没等数字资产风险提供保障,成为从个人到机构管理链上风险的可靠合作伙伴。

TheNewsCrypto2 小時前

ether.fi 与 Nexus Mutual 合作,为机构级规模提供ETH Slashing防护

TheNewsCrypto2 小時前

MegaETH关闭Mega Mafia加速器,成功项目迁移至竞争公链

区块链扩容网络MegaETH最近关闭了其旗舰孵化器项目Mega Mafia。该计划运营两年后,团队做出了这一艰难决定。期间,它支持了20个早期初创团队,这些公司总计从知名风投筹集了8000万美元。然而,MegaETH并未持有这些项目的股权,核心开发者原本期望创始人们能基于共同价值观保持对网络的忠诚,但竞争激烈的加密市场现实很快证明这一假设是错误的。创始人们自然更优先考虑自身产品路线图而非生态对齐。 这些成功的应用已迁移至竞争区块链。例如,Global Token Exchange决定构建自己的主权链;Noise团队将社交注意力市场移至CoinBase的Base网络;HelloTrade团队迁至Monad区块链;稳定币发行方Cap则选择了多链策略。此外,五个孵化应用中有两个已停止运营,最终回流至MegaETH的价值甚少。 这一结构性转变发生在一个重要网络里程碑之后。4月30日,MegaETH因十个生态应用达成性能里程碑而创建了其原生代币MEGA。今后,MegaETH平台将直接资助其自主开发的原生消费者应用,这些被称为OMEGA的应用将独家利用MegaETH的高速实时执行能力。此举展现了在Web3生态中对自主开发的信心。 通过这一转变,核心团队得以与平台用户建立直接联系,不再依赖外部初创公司来提升交易量,同时也让开发者对产品性能承担更多责任。平台将继续实施其基于稳定币的经济系统,利用USD稳定币的净收入持续回购MEGA代币,期望通过自主开发的新方法将经济活动保留在核心生态内。

TheNewsCrypto2 小時前

MegaETH关闭Mega Mafia加速器,成功项目迁移至竞争公链

TheNewsCrypto2 小時前

真人短剧,被AI逼上大银幕

真人短剧开始集体进军电影院,多部现象级短剧IP如《好一个乖乖女》《一家三口在同班》《掀桌》已通过电影局立项,计划推出电影版。此举标志着短剧正尝试从竖屏小屏走向大银幕,寻求内容生态的突破。 这一转变背后是真人短剧行业面临的现实压力。过去两年,短剧凭借低成本、快节奏迅速崛起,但进入2026年,行业增长红利消退:爆款减少、项目缩减、平台政策调整,尤其是AI短剧的快速扩张严重冲击了真人短剧的市场。AI在标准化、高产出的内容生产上具备优势,迫使真人短剧必须寻找新的竞争力。 电影化被视为一条可能的出路。其优势在于,经过市场验证的短剧IP降低了原创电影的试错成本,且短剧擅长的情绪调动和情感共鸣与部分成功电影有相通之处。此外,电影化有助于将短期的爆款流量转化为长期的IP资产,拓展商业链条。 然而,短剧电影化面临严峻挑战。电影与短剧的消费逻辑完全不同,电影需要观众付出更高的金钱和时间成本,短剧积累的流量并不直接等同于票房保证。历史经验表明,单纯依赖IP热度而内容质量不足的影视改编往往遭遇失败。电影市场竞争激烈,观众选择愈发谨慎,唯有故事扎实、人物立体、情感持久的作品才有可能成功。 总之,电影化是真人短剧在行业变局下的一次主动探索与产业升级实验,但并非万能解药。它能否成为新出路,最终取决于内容本身能否完成从“短平快”到“精深耕”的跨越,真正赢得大银幕观众的认可。

marsbit3 小時前

真人短剧,被AI逼上大银幕

marsbit3 小時前

算法代理不对称:当AI替你决策时,你连反对的权利都没有

随着人工智能深度融入社会,一种被称为“算法代理不对称”的危险关系正在形成。在这种关系中,科技公司与组织能够利用算法观察、测试并塑造用户行为,而用户却只能被动承受算法的影响,既不了解其运作逻辑,也难以进行有效质疑和抵制。 这种不对称性体现在三个层面:一是系统运作的“不透明性”,使得其输出结果常被误认为客观;二是算法会学习并放大“历史偏见”,让旧有的不平等以更隐蔽的方式重现;三是系统与用户构成“递归”关系,用户在训练系统的同时,自身的行为和选择也被系统持续塑造和引导。 这种不对称赋予了组织强大的“代理能力”,使其能够通过个性化推送、动态定价、自动化筛选等工具大规模地、精准地引导个体决策。例如,招聘AI可能偏爱特定族群的简历,教育算法可能不公平地调整学生成绩,而员工则可能在不清楚规则的情况下被算法指标所驱动。个人往往只能接触到系统给出的最终结果(如一条推荐、一个分数),却对其背后的数据使用、优化目标和引导机制一无所知。 为了应对这一结构性失衡,政策制定必须采取行动。建议包括:要求系统在产生影响时提供“有意义的通知与解释”;在高风险领域部署前强制进行“影响评估”;确保有效的“人工监督”,赋予审查人员中断有害输出的实权;建立部署后的持续“监控与审计”机制;明确“禁止”某些具有操纵性和剥削性的算法应用;并将“算法素养”教育作为公民基础设施进行广泛普及。 总之,良好的政策目标不是彻底消除不对称,而是通过增强透明度、可问责性和公众认知,在关键领域缩小权力差距,使算法的影响变得可见、可质疑且可治理。

marsbit3 小時前

算法代理不对称:当AI替你决策时,你连反对的权利都没有

marsbit3 小時前

交易

現貨
活动图片