# 自动化的所有文章

在 HTX 新聞中心流覽與「自动化」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

微信 AI 卡实测指南：AI Shopping时代降临了吗？

微信AI卡实测：AI购物时代尚未到来微信支付近期推出了AI专属卡，旨在为AI助手提供支付能力。用户需在WorkBuddy对话中开通此卡并充值独立余额，AI相关的消费将从此卡扣款。然而，实测发现，它并非AI“全自动消费”工具，每笔支付仍需用户扫码确认。文章通过尝试用WorkBuddy点一杯喜茶揭示了当前局限。虽然能触发支付，但AI未能正确理解需求，最终购买了错误的美团团购券。这表明问题核心不在于支付功能本身，而在于AI代理（Agent）执行复杂任务链路的成熟度，包括需求理解、平台授权和商品匹配等环节。目前，AI专属卡更像一个与主钱包隔离、额度可控的“小钱包”，设计上较为克制。它适用于购买付费内容、调用付费API或订阅服务等标准化场景，但对于外卖等需要多环节协作的生活服务，效果尚不理想。总结建议：用户可小额体验，但支付前务必仔细核对商品信息，切勿完全依赖AI对复杂需求的理解。

marsbit06/18 12:04

marsbit06/18 12:04

NVIDIA团队让编程Agent接管真实机器人实验，成功率达99%

NVIDIA GEAR实验室推出名为ENPIRE的项目，首次让编程Agent在真实机器人硬件上实现了全自动化的研究闭环。系统部署了8个Codex Agent组成机器人舰队，在仅给定“高效安全完成任务”的简单目标后，人类基本退出干预。Agent自主管理整个流程：自动重置环境、搜索文献、编写并改进代码、训练和部署策略、分析日志并持续迭代，最终在系扎带、插针整理等高精度灵巧操作任务中达到了99%的成功率。项目核心是由环境、策略改进、策略评估和进化四个模块构成的闭环框架，将真实世界机器人学习转化为由Agent管理的优化过程。研究中的一个关键发现是，对许多任务而言，重置环境比完成任务本身更容易，因此系统优先让Agent构建自动重置能力。实验还观察到“物理规模定律”，即增加并行机器人数量能显著加快任务解决速度。例如，插针任务在8台机器人并行下，达到完美表现的时间从1.5小时以上缩短至约40分钟。团队为此提出了平均机器人利用率（MRU）和平均Token利用率（MTU）两个新指标，以量化资源效率。目前，部分系统已能彻夜无人干预运行，未来目标是实现实验室完全自主运作。该项目计划开源，使普通开发者也有机会搭建类似系统。

marsbit06/18 00:35

marsbit06/18 00:35

机器人也需要加密钱包？稳定币巨头Tether押注德企NEURA Robotics

德国机器人公司NEURA Robotics近期完成了高达14亿美元的C轮融资，估值达到70亿美元，成为欧洲乃至全球备受关注的机器人企业。此轮融资由稳定币巨头Tether领投，其他投资方包括高通、亚马逊、英伟达等科技巨头。 NEURA成立于2019年，其发展路径从工业协作机器人起步，逐步扩展到移动机器人、服务机器人和人形机器人领域。公司的核心战略是打造名为“Neuraverse”的机器人生态系统平台，旨在让不同机器人在真实世界中积累的经验和数据能够共享与复用，形成网络效应。本次融资的一个关键亮点是Tether的深度参与。Tether计划将其开源的钱包开发工具包（WDK）集成到NEURA的机器人平台中，使机器人能够在预设规则下进行收款、付款和结算操作。这一设想为机器人在物流、仓储、服务等场景中实现“机器人即服务”（RaaS）的按使用量付费模式提供了金融基础设施。此外，双方还将在Neuraverse生态中测试和部署Tether的QVAC边缘AI计算框架，旨在提升机器人在本地端进行即时决策和执行的能力，减少对云端计算的依赖。此举标志着Tether正试图将其业务从稳定币发行拓展至更广泛的基础设施领域，探索加密支付和自托管钱包作为未来“机器支付基础设施”的可能性，为加密行业切入实体经济找到了新的叙事接口。

marsbit06/16 09:13

机器人也需要加密钱包？稳定币巨头Tether押注德企NEURA Robotics

marsbit06/16 09:13

供应链、能源与阵营化：梳理2026 AI投资的核心主线

2026年的投资核心将围绕地缘政治重组展开，美国正从全球覆盖转向以“阵营体系”为主导的模式。投资框架需从传统的周期分析转向关注战略阵营、供应链重塑和资本开支方向。主要投资主线包括： 1. **阵营体系**：与美国结盟、具备稳定制度和生产能力的经济体（如日本、韩国）将受益，制造业回流受限于劳动力，使盟友地区更为关键。 2. **防务重组**：美国转向区域防御，拉丁美洲成为重点，其政治右转与对美结盟可能吸引投资、改善经济。 3. **能源约束**：制造业回流面临电网老化与能源短缺的硬约束，将推动可再生能源、储能及电网升级的投资。 4. **欧洲角色**：虽增长受限，但欧洲在电力设备、工业自动化等“卖铲人”领域拥有全球龙头，将受益于全球资本开支。 5. **AI竞争**：作为中美战略核心，AI驱动算力、电力等基础设施高强度投资，机器人等领域可能加速发展。 6. **组合轮动**：建议从拥挤的美国科技股转向全球供应链重组受益者，如电气化、自动化、防务及非美市场资产。总之，2026年的机会在于全球供应链重组带来的资本开支周期，而非单纯的增长或通胀逻辑。

marsbit06/15 11:20

marsbit06/15 11:20

94亿，机器人今年最大的一笔融资出现了

人形机器人公司Neura近日完成14亿美元（约94.9亿元人民币）C轮融资，估值达70亿美元，进入全球行业第一梯队。本轮投资方除英伟达、亚马逊等科技巨头外，更引人注目的是德国工业巨头舍弗勒和博世的参与，显示产业资本开始关注该领域的实际落地能力。与侧重通用场景、讲求AI叙事的美国公司不同，Neura选择了聚焦工业垂直场景的路径，并已获得宝马等制造业客户的验证。融资背后反映行业逻辑正从技术演示转向工厂应用。当前，制造业面临劳动力成本上升与短缺的压力，为人形机器人提供了明确需求。工业制造因其环境结构化、任务重复性强，成为最可能率先规模落地的方向。然而，大规模应用仍面临适配成本高、维护体系建立等工程与商业挑战。随着产业资本和真实场景应用的推进，行业焦点已从“能否实现”转向“如何更稳、更快地商业化”。

marsbit06/14 02:54

marsbit06/14 02:54

机器人开始“吃数据”：从印度数据工厂到百亿美元人形机器人的隐秘生产链

随着具身智能行业的发展，机器人训练对高质量数据的需求急剧增长，催生了一条隐秘的数据生产链。与依赖互联网文本数据的大语言模型不同，具身模型面临物理世界的“数据荒漠”，人类第一视角视频（Ego Data）等真实世界经验成为关键。在印度等地，出现了专门采集人类工作视频的“数据工厂”。工人们佩戴头戴摄像头和数据手套，按照严格规范完成整理、抓取等任务，产出结构化视频与动作数据，出售给欧美等地的机器人公司。这类Ego Data成本相对较低，可用于模型预训练，让机器人理解人类如何完成任务。数据价值呈现“金字塔”结构：底层是低成本互联网视频；上层是带精细动作标注的Ego数据；再往上是仿真合成数据，可大规模生成但存在与现实差距；顶层是最稀缺、昂贵的真机遥操数据，直接指导机器人本体动作。行业上游已分化为多类玩家：低成本数据工厂、专注动作捕捉与重定向的服务商、提供真机遥操数据的第三方、仿真合成数据公司，以及探索数据标准与流通的平台。机器人公司则采取“分层采购”策略：通用Ego数据倾向外包以快速获取规模；而关乎自身硬件适配的核心真机数据与部署中产生的失败数据，则多由自己掌控以构建壁垒。当前，行业竞争焦点正从硬件与模型架构，转向高质量数据的持续供给与有效利用。能否建立高效的数据采集、标注、仿真扩增与反馈闭环，将成为影响机器人能力突破的关键。这条从全球劳动力密集区延伸到顶尖机器人公司的数据供应链，正在支撑着百亿美元估值的人形机器人迈向现实应用。

marsbit06/13 03:32

marsbit06/13 03:32

Anthropic警告的递归AI，田渊栋新公司刚刚走出了「第一步」

近日，Anthropic发布文章披露，其代码库超过80%由AI撰写，并警告AI“递归自我改进”（即AI自主设计、训练后续版本）可能带来风险，呼吁行业建立暂停机制。与此同时，由田渊栋等人联合创立的新公司Recursive Superintelligence结束了隐身状态，发布了其首项公开技术成果——“迈向自动化AI研究的第一步”。该系统旨在将传统AI研究中“提出想法-编写代码-运行实验-分析结果”的人工闭环自动化。它能够针对给定目标自动生成实验思路、实现代码、运行验证并从中学习，从而自主推进研究进程，并内置了防止“奖励作弊”的机制。 Recursive在三个差异显著的基准测试中取得了领先结果： 1. **小模型训练优化**：在固定计算预算下，将模型验证损失进一步降低，相当于以更少时间达到同等效果。 2. **训练速度竞速**：在社区持续优化两年的基准上，将训练时间从79.7秒缩短至77.5秒，核心改进包括在注意力层使用FP8计算、为优化器添加退火噪声等。 3. **GPU内核优化**：在英伟达的底层计算内核基准测试中，将整体得分提升至0.754，缩小了与硬件理论极限的差距，而这些优化策略并非来自团队的专业知识，而是由系统自主发现。 Recursive团队阵容强大，已获得巨额融资，其目标是构建能够递归提升自身研发能力的AI系统。这与Anthropic的警告形成了微妙对比：一方正在实践AI加速AI研发的路径，另一方则呼吁为可能到来的“递归自我改进”时刻做好风险管控准备。当前成果虽仅是迈向自动化研究的初步尝试，但标志着一个能够自我增强的AI研发新范式已开始运转。

marsbit06/12 04:11

marsbit06/12 04:11

公开版Mythos正式上线：解析AI智能合约审计的优势与局限

近日，Anthropic正式推出公开版AI审计工具Mythos（Claude Fable 5）。AI在代码审计领域展现出显著优势，尤其在模式匹配与批量初筛方面效率惊人。例如，在Zcash事件中，研究员借助AI在数小时内发现了一个潜伏四年的人工审计未察觉的严重漏洞。另一个案例中，AI迅速识别出因存储布局冲突导致的“存储槽碰撞”漏洞，该类漏洞因涉及第三方库细节而容易被人工审计忽略。然而，AI审计也存在明显局限。在复现Curve LlamaLend sDOLA等复杂跨协议攻击事件时，Fable 5未能识别其核心风险。这类漏洞依赖于多个协议间的组合与业务逻辑联动，考验对整体经济模型和业务语义的理解，目前仍是AI的短板。综上所述，AI在标准化、细节化的单合约漏洞挖掘中优势突出，能有效补充人工审计的盲点；但在处理复杂的跨协议组合攻击与业务逻辑分析时，仍需依赖安全审计专家的主导。业界正逐步形成“AI辅助筛查+专家深度分析”的协同工作流程，以提升审计的效率和全面性。

marsbit06/11 08:05

marsbit06/11 08:05

AI 投资人的 2026 焦虑：当模型吞噬一切，创业公司的护城河还剩什么？

本文探讨了AI投资人面对大模型快速进步时产生的“2026焦虑”：当模型能力持续超越人类，除了巨头如Anthropic和英伟达，创业公司的护城河还剩下什么？文章指出，真正的护城河并不在于公开的基准测试成绩，而存在于那些“不可训练”的领域。模型在可衡量、可优化的任务上（如标准编码测试）进步神速，正使许多表层应用变得商品化。然而，许多工作的核心价值是私有的、难以衡量的：例如理解一个公司陈旧的特定代码库、改变律师的工作流程、或获得医生对诊断工具的信任。这些价值建立于长期的系统集成、领域专精、客户关系以及责任承担之上，无法通过基准测试反映，也无法被更聪明的模型快速复制。因此，创业公司的机会在于深入特定垂直领域，做“不起眼的翻译”工作：将客户的私有现实（数据、流程、习惯）与AI能力相结合，并在此过程中定义该领域“什么是好结果”。这需要时间积累信任、处理复杂集成，并承担最终责任。虽然通用能力在商品化，但在私有、前沿且正确性难以公开验证的角落，依托深度集成的专业应用仍能建立持久的壁垒。未来的价值将不断滑向这些模型本身无法直接触及的地方。

marsbit06/11 03:34

marsbit06/11 03:34

写Prompt过时了？AI编程正在转向Loop Engineering

AI编程协作方式正从手动编写提示词转向设计自主运行的循环工作流，即“循环工程”。该模式通过五个核心模块构建系统：Automations（自动发现和分诊任务）、Worktrees（隔离并行开发环境）、Skills（沉淀项目知识）、Plugins/Connectors（连接真实工具）和Sub-agents（执行与审查分离），并依赖外部记忆层保存状态。这种转变将工程师的判断力前置到系统设计中，使开发者能设计可持续、可验证的Agent工作流，从而显著提升工作效率。然而，循环工程并未取代工程师的验证、理解和判断责任。风险在于过度依赖自动化可能导致“理解债”和“认知投降”，即忽视对代码和系统的深入掌握。未来与AI协作的关键能力在于设计可靠且受监督的工作流，而非仅仅撰写提示词。真正的价值在于利用循环放大工作杠杆，而非逃避思考。

marsbit06/10 17:55