7月21日 AI创业晚报:工业机器人、Agent产品与模型工具更新챕터1×0:07开场0:20工业机器人进入现场2:20芯片和多模态底座4:14Agent 产品化5:22Flova 的视频 Agent6:28多模型协作和成本7:29新模型和机器人工具8:30收束0:009:050:07主持人本期在 X 上读取了 400 个关注账号的 7633 条推文,其中 514 条落在时间窗内、175 条与 AI 和创业相关;公众号方面,5 个账号的 100 篇文章在本期窗口内。0:20女主播先看工业现场。量子位文章写到,日冕和远图公布了万台级物理 AI 部署计划,现场展示里,设备换了环境之后,只训练半小时就完成了适配。0:31主持人文章还写到,这套方案面对的是服务器上下料等工厂任务,日冕提供物理世界基础模型、机器人系统和工业级解决方案,远图一侧提供服务器、交换机、超节点和液冷机柜等产品。0:45女主播36 氪今晚的文章把史河机器人放在另一个工业场景里,标题就是「数亿元 C 轮收官,史河机器人将智能特种机器人推向全球工业现场」。0:57主持人智东西的详情页写到,这轮融资由浙江国资旗下强港资本领投,中际控股、广投资本、国海证券和君桐资本参与,老股东复星锐正继续加码。1:09女主播史河机器人做的是高空智能特种机器人,产品包括船舶除锈、化工防腐、球罐打磨和火电检测。详情页还列了磁粉检测、超声焊缝检测和人形爬壁机器人产品。1:23主持人数据也在文章里。史河机器人沉淀了约 200 万小时工业现场原始数据,船舶除锈机器人在国内细分市场的占有率写为百分之七十到百分之八十,累计获得海外订单数亿元。1:35主持人文章还写到,日冕团队成员来自清华,并有蔚来、华为和智元机器人的工作经历。WAIC 展示里,服务器主板上的芯片、接口和元件需要被识别,机器人还要完成抓取位置、力度和装配精度控制。1:52女主播文章还写到,双方先在服务器制造场景验证超级工站,规划在 2027 年完成百台级部署,未来实现万台级部署。超级工站由物理世界模型、模块化机器人硬件和 Workflow Agent 组成。2:07主持人其中,Workflow Agent 负责把生产流程拆成机器人任务,再完成方案设计、仿真验证、生产执行和反馈优化;真实执行产生的数据,会继续回到模型训练和技能库里。2:20主持人再看底座。量子位文章写到,阿里平头哥在 WAIC 现场宣布开源自研 AI 软件栈 T-Head SAIL,这是面向真武系列 AI 芯片的底层软件,覆盖操作系统、软件开发工具包和接口层。2:35女主播这篇文章把时间点也写出来了:开源之前,真武 AI 芯片累计卖出 56 万片,服务 400 多家客户。开源的技术栈从驱动和运行时,到编译器、调试器、算子库、编解码库和运维工具。2:51主持人文章还给出两项开发侧数据:SAIL 对主流 AI 推理框架的平均适配时间小于 7 天,已经适配 PyTorch、TensorFlow、vLLM、SGLang 等 260 多个训练与推理框架。3:03女主播文章列出的软件栈分成五层,从驱动和运行时,到编程语言接口、编译器、高性能计算库,再到性能分析和集群管理工具;开发者可以通过 C、C++ 和 Python 接口接入。3:17主持人机器之心的文章报道了商汤在 WAIC 的两次发布。第一张牌是面向长程任务的日日新 U1 Pro 原生多模态智能体基座模型,把理解、生成和行动放进一个能力框架。3:31女主播第二张牌是开源的日日新视觉大模型,文章写到它覆盖目标检测、图像分割、深度预测和三维重建,并开源了包含 5000 万个视觉监督样本的 SN-VC-50M 数据集。3:46主持人机器之心还介绍了一篇 ICML 2026 论文,题目是 Agent Primitives,作者来自伊利诺伊大学厄巴纳香槟分校 DREAM Lab。论文把多智能体系统里的反复协作模式拆成可复用模块。4:00女主播文章列出的基础模块包括先生成答案再审查和修改、规划与执行分离,以及用 KV Cache 传递潜在状态。它还把这些模块放进数学推理、程序编写和多阶段问答等任务里做实验。4:14主持人应用层的变化也有新条目。量子位文章介绍腾讯应用宝团队的 Marvis,它可以做操作系统层面的设置修改、广告清理和文件整理,也可以把本地文件整理成知识库。4:25女主播文章写到,Marvis 采用应用模拟器,在沙箱里理解应用元素和行为;产品目前下载即可用,每天提供 1000 万免费 Token,也提供云端模式。4:37主持人Genspark 方面,Genspark 联合创始人兼 CEO Eric Jing 的个人简介写着,他曾任百度搜索首席产品官和微软 Bing 负责人。他在 X 上介绍 Genspark 6.0,列出的更新包括 SecondBrain、面向 Agent 的知识库、理解写作风格的邮件客户端、GenTeam,以及 Build Suite 和 AgentBase。4:57女主播同一条帖子还提到 Genspark 的第一款硬件 SecondBrain Note,用来记录现实中的对话。Genspark 官网当前页面也展示了自然语言生成实时数据看板的功能。5:08主持人做 Agent-Native Apps 的开发者 idoubi 这次发帖说,Agent-Native 终端 Termany 开源了。帖子列出的功能包括文件树、终端、文件、浏览器、多 Agent 管理、Token 统计和会话检索。5:22女主播Founder Park 的新文章是对 Flova 团队的首次公开采访。文章写到,Flova 由郭列在 2025 年创业,做视频 Agent,两轮融资由红杉、IDG 和云九资本投资,累计超过 8000 万美元。5:36主持人文章还写到,郭列此前做过脸萌和 FaceU 激萌,2018 年相关业务被字节跳动以 3 亿美元并购,之后在字节参与了轻颜相机、剪映和醒图。5:48女主播Flova 团队在文章里说,产品测试从 2025 年 9 月初开始。团队观察用户创作内容的品类变化、单个用户的 Token 消耗和用户从试用模型到持续创作的变化,把这三条线作为产品市场匹配的观察指标。6:02女主播采访中,Flova 团队把视频 Agent 的工作描述为理解创作目标、调用不同模型和工作流,并管理素材、版本和镜头之间的关联。6:13主持人采访还提到,Flova 团队会研究 Codex 和 Manus 这类通用 Agent 产品,并把创作资产放在同一个上下文里处理;一个镜头的修改可能牵连其他镜头、角色和音频,用户继续负责内容、创意和审美判断。6:28女主播X 上的讨论集中到了多模型协作。Box CEO Aaron Levie 转发 Cursor 的研究,说复杂 Agent 可以让更强的模型负责规划和编排,让成本更低的模型负责大量执行,帖子里写的是总 Token 成本可以改善 15 倍。6:43主持人做设计和媒体 Agent、分享新产品和开源项目的开发者 meng shao 也发了长帖,复述 Cursor 用 835 页 SQLite 文档做对照实验的细节。实验把任务拆成 Planner 和 Worker,Planner 负责拆解和决策,Worker 负责窄任务执行。7:01女主播他的帖子还写到,旧系统一度达到每小时约 1000 次提交,新系统峰值约每秒 1000 次提交;旧系统出现超过 7 万次冲突,新系统在四小时实验里把冲突控制在 1000 次以内。7:15主持人同一实验里,旧系统最热文件出现 7771 次冲突,新系统最热文件是 47 次;旧系统生成 64305 行代码的新配置,Fable 混合方案生成 9908 行,均通过了测试。7:29女主播模型更新也有几条。硅谷 AI、机器人和未来科技观察者 Robert Scoble 转发的帖子写着,阿里发布了 Qwen-Image-3.0,并附上了生成图示例。7:40主持人分享全球前沿科技和 AI 动态的账号小互发帖说,通义发布 Qwen-Audio-3.0-TTS。帖子列出的信息是支持 16 种语言和 20 种方言,首包延迟做到 300 毫秒级。7:56女主播小互还写到,同一段参考音可以跨语言保持音色,帖子给出的说话人相似度评测结果是 16 个语种全部排第一,Plus 版本平均 82.75 分。8:07主持人Hugging Face 这个建设 AI 社区的平台转发 LeRobotHF 的帖子,介绍 LeRobot 0.6.0 可以把深度摄像头数据直接接入端到端训练,保留 12 位精度,用于机器人训练数据。8:20女主播Robert Scoble 还转发了 BodyPark 的 ATOM 信息。帖子把它描述成一台口袋大小的 AI 摄像头,可以观察健身动作、计数并给出训练指导。8:30主持人本期新增信息到这里:工业机器人出现了新的融资和部署消息,芯片软件栈和多模态底座继续发布,Agent 产品从应用商店、工作空间走到视频创作和终端工具,X 上还出现了多模型协作成本实验以及新的图像、语音和机器人开发工具更新。8:50女主播本期来源已经按话题整理在节目文字稿中。感谢收听,明早 9 点继续更新。