作者｜黄楠
编辑｜袁斯来
硬氪获悉，具身智能机器人公司Lumos Robotics鹿明机器人（以下简称“鹿明机器人”）近日完成Pre-A1和Pre-A2两轮融资，金额数亿元。我们总结了本轮融资信息和该公司几大亮点：
融资轮次：Pre-A1、Pre-A2
融资规模：总金额达数亿元
投资方：Pre-A1轮由鼎晖投资领投，南京创投、金景资本、金固股份跟投；Pre-A2轮由申能诚毅投资
资金用途：本轮融资将用于公司在具身智能数据和硬件领域的持续投入
成立时间：2024年9月
注册地址：广东省深圳市宝安区
企业定位：鹿明机器人长期专注于具身智能机器人及核心零部件的研发、销售，构建了从真机数据采集、硬件本体创新到操作系统模型的全栈能力闭环。依托自研的FastUMI高效数据采集系统与高性能机器人硬件平台，为企业提供覆盖数据、硬件、算法的具身智能基础设施，推动具身智能技术在多领域的规模化落地与商业化应用。
公司聚焦家庭、物流、制造等高价值产业场景，其核心产品涵盖LUS、MOS系列人形机器人，以及机器人关节模组、视触觉模组等关键零部件。
鹿明机器人产品矩阵（图源/企业）
团队背景：创始人兼CEO喻超毕业于清华大学，自2016年起从事机器人学习算法领域研究，曾主导构建追觅科技具身机器人业务，并参与开发了机器狗“铁蛋”等多款消费级机器人产品。CTO曹俊亮是上海交通大学机械工程博士，曾深度参与过多款性能优异的具身机器人产品的研发工作。联席CTO丁琰为纽约州立大学人工智能博士、前上海AI lab明星研究员。目前公司研发人员占比达70%以上，包括十余位博士，是一支拥有深厚产业经验和技术积累的团队。
技术亮点：过去一年，鹿明机器人已推出四款机器人产品，围绕训练数据和硬件本体两大方向，公司已形成了从数据采集、本体设计、运动控制、感知算法到系统集成的全栈研发能力。
真机训练数据是机器人通用操作大脑的关键基础设施，成本、效率与泛化性是其核心考量维度。此前，美国Generalist公司推出的GEN-0大模型，通过27万小时真机数据采集，初步验证了具身智能领域的Scaling Law，但其数据绝大部分依托UMI数采技术获取。鹿明机器人的FastUMI高效数据采集系统，正是对其数采方案的迭代优化与性能跃升。
鹿明机器人数据采集软硬件系统FastUMI Pro（图源/企业）
相较于传统数采技术，FastUMI数采系统可将数采效率提升三倍、成本仅为传统方案的五分之一，精度可达到1-3mm。依托这一核心技术，鹿明机器人已初步完成了1万小时的真机数据积累与基座模型训练，正围绕数据硬件、软件及模型的全链条能力，构建完善的具身数据生态体系。
在硬件本体方面，鹿明机器人推出了高性能模块化机器人平台。其自研的大扭矩密度一体化关节，为业内首个实现了双臂50公斤负载的机器人系统；同时，采用全PEEK材料的摆线关节模组，在实现减重40%、扭矩密度提升60%的基础上，具备低噪音运行特性，为未来的人形机器人多元应用场景提供适配支持。
人形机器人市场规模正呈现持续扩张的迅猛态势，根据高工机器人产业研究所（GGII）报告显示，2025年，全球市场规模预计达63.39亿元、中国占比超50%，预计到2030年，全球人形机器人市场销量将接近34万台，市场规模有望突破640亿元。Yole Group机构预测，2030年全球人形机器人市场规模将达到60亿美元，并预计在2035年快速攀升至510亿美元。
在产业生态布局上，鹿明机器人已与日本三菱、中远海运等头部企业建立深度合作，并引入复星集团、商汤科技、德马科技、金固股份等具备产业资源的战略股东。
已同三菱等头部企业达成合作（图源/企业）
目前，公司正陆续同智慧物流解决方案及核心部件厂商德马科技、全球航运巨头中远海运等知名企业，就具身智能在物流及智能制造等场景落地、核心部件开发、开拓新的应用场景、推动机器人产业链与创新链深度融合等方面开展合作，加速具身智能在产业中的商业化落地。
硬氪：鹿明的Fastumi技术已完成1万小时真机数据积累。目前来看，大规模、高质量的真机训练数据在多大程度上决定了具身智能的规模化落地？
喻超：相较于仿真训练，真机训练数据的质量最高，这次GEN0基于27万小时真机数据训练的模型效果就是佐证。
真机训练带来了在复杂物理交互中的高保真动力学信息、对真实环境噪声与不确定性的鲁棒性建模，以及跨场景任务泛化的核心依据，在降低仿真到现实（Sim2Real）的迁移差距、确保动作执行的安全可靠等方面，具有仿真训练无法比拟的优势。因此我们认为，大规模、高质量的真机数据是实现规模化落地的关键。
当前，机器人真机数据采集面临三大核心痛点：采集成本高、效率低、跨本体适配性差。这些瓶颈严重制约了高质量训练数据的规模化积累，进而影响具身智能在实际场景中的落地速度与稳定性。
鹿明的FastUMI技术可以解决上述问题，将数据采集效率提升至传统方法的3倍，成本降至1/5，并达到1-3毫米的精度。这正是在为高效积累此类构建基础设施。
硬氪：如何进一步优化数据采集与模型训练闭环？
喻超：接下来，我们团队将通过以下三个方向持续推进。第一，丰富与拓展硬件产品体系；围绕工业与服务场景的多样化需求，团队正在构建覆盖多类型夹爪、力控/非力控结构及便携形态在内的硬件产品矩阵，以灵活、可配置的解决方案满足不同行业客户的差异化使用需求。
第二，数据与算法能力的系统性升级。在数据采集与处理环节，我们正持续优化全链路流程，构建高标准的数据质量评估体系，强化数据可信度与处理效率，为上层智能化能力的演进提供可靠的数据基础与算法支撑。
第三，为下一代具身智能模型做场景化开发。我们正通过与前沿科研机构合作，逐步融合触觉、力控等多模态数据，推动模型向更高维感知与自主决策能力演进。明年3月初，鹿明机器人计划发布面向工业核心作业场景的新一代模型。
基于数据-整机-场景的三角。通过优质的整机产品，在业务场景中运营，积累真机数据，训练更好的模型，再应用到更广的场景之中，是鹿明整体的业务路径。可以说，我们所有业务都是为了真机数据积累展开。结合商业化进程，在商业化的同时实现真机数据的规模化，这是鹿明机器人1-2年内的主要目标。
硬氪：公司自主研发的一体化关节、轻量化摆线模组等核心硬件，已在负载、静音等方面实现突破。这些技术将如何支撑机器人在工业、家庭等不同场景中的长期可靠运行？在硬件成本与性能平衡上，鹿明有什么样的策略？
喻超：机器人进入家庭，成为消费级的产品时，成本和可靠性非常重要的考量因素，这也是鹿明的硬件在设计时就关注的。在成本与性能平衡上，我们通过从本体到核心零部件再到算法的全栈自研，在保证产品可靠性的前提下实现成本可控，为机器人规模化落地奠定基础。
目前，鹿明机器人已经构建了一套兼顾高负载性能与家庭友好特性的机器人硬件体系。
针对工业场景中物流搬运等重负荷任务，我们开发的一体化关节技术已实现高负载性能突破，以Lumos机器人为例，其双臂负载能力可达50公斤，能够稳定支持高强度作业需求。
面向未来家庭服务场景，我们也推出了轻量化摆线模组，在实现结构减重的同时，显著降低运行噪音并提升安全性能，为机器人在家庭环境中的可靠运行提供技术保障。
苹果的人事变动，仍在持续。
过去一周，苹果接连失去了人工智能主管 John Giannandrea（退休）、设计负责人 Alan Dye（跳槽 Meta）、法务负责人 Katherine Adams（退休）和政府事务主管 Lisa Jackson（退休）。
此前，这四位高管全都直接向 CEO 蒂姆·库克汇报——这种级别的人事震荡在苹果历史上极为罕见。
更糟糕的是，据彭博社援引知情人士透露：负责硬件技术的高级副总裁 Johny Srouji 最近告诉库克，他正在「认真考虑」在不久的将来离职。
Srouji 是苹果最受尊敬的高管之一，也是苹果自研芯片战略的操盘手。他已经向同事透露，如果最终离开，绝对不会是「退休」，而是打算加入另一家公司。
这可能是库克任期内最动荡的时刻之一。
苹果的离职名单正在变得越来越长。
AI 主管 John Giannandrea 的「退休」，跟苹果在生成式 AI 领域的一连串失误有关。不仅底层的 Apple Intelligence 平台架构饱受延期和功能不佳的困扰，上层产品 Siri 的所谓「2.0 版」大规模改进计划，也落后了大约一年半。目前苹果计划与谷歌的合作来填补能力空白。
苹果在今年三月就开始让 Giannandrea 逐步退出职位，并且允许他留任到明年春天——苹果是一家很给面子的公司，给高管面子，更是给自己挽尊：过早分手会被视为公开承认问题的存在。
▲ John Giannandrea
设计老将 Alan Dye 的离职则更具戏剧性。他将前往 Meta 的 Reality Labs 部门，投奔苹果最激烈的竞争对手之一。在苹果内部，Dye 此前「液态玻璃」界面设计语言的主要坚持者，离职之前还在负责一款桌面机器人产品的界面设计。
据报道，Dye 的出走，部分因为希望将 AI 更深入地整合到产品中，以及对苹果在这一领域进展缓慢的失望。
法务方面，苹果从 Meta 挖来了 Jennifer Newstead 作为新任法律总顾问，接替将要退休的 Katherine Adams。Newstead 曾帮助 Meta 赢得与美国联邦贸易委员会的反垄断诉讼，这段经历对于苹果可能很有价值。Adams 将于 2026 年底退休。
环境、政策和社会事务副总裁 Lisa Jackson 也宣布退休。她曾在奥巴马政府担任官员。
早前，库克长期以来的二把手 Jeff Williams 也在担任 COO 十年之后正式退休了，将棒子交给了手下 Sabih Khan。
另一位资深苹果高管、首席财务官 Luca Maestri，在 2025 年初将大部分职权交给了同事，并将在不久后退休。
Srouji 的潜在离职,可能是最令人担忧的。
作为苹果自研芯片战略的核心人物，Srouji 是 M 系列和 A 系列芯片的最大功臣之一，让苹果在性能和能效方面获得了对竞争对手的巨大优势。
特别是他在 M 芯片上的工作，挽救了后 X86 时代的苹果电脑颓势。Mac 电脑成功转向自研芯片后，苹果在 PC 行业的市场份额大幅增长。
据彭博社报道，库克以及整个苹果高管层都在疯狂挽留 Srouji，包括提供更加丰厚的薪酬待遇，以及许诺在未来给他更多职权。
公司内部一些高管提出的方案是，将 Srouji 提升为首席技术官，负责硬件工程和芯片技术的大部分工作——这将使他成为苹果第二有权势的高管。
这是个非常「反传统」的做法：要知道，苹果公司历史上从未设立过正式的 CTO 职位，因为其组织结构是基于职能专长 (funciontal expertise) 构建，而非产品线或技术线。乔布斯确立了这个「规矩」，并且库克也一直在维护。
也正因此，设立 CTO 的做法可能会存在巨大的障碍。最大的障碍，就在于需要先把硬件工程负责人 John Ternus 确立为 CEO——然后才能把 Ternus 手里的硬件工程汇报线转到 Srouji 那里。
▲Johny Srouji
问题是，苹果可能还没准备好迈出这一步。根据此前爆料，库克至少要在 CEO 任上到 2026 甚至 2027 年——一种可能性是，库克或许会安排在 iPhone 20 周年，也即 2027 年，正式交棒 CEO。
此外，据知情人士透露，即便获得了 CTO 的职位，Srouji 仍然希望不用向 CEO 汇报，而是可以有极大的自主权——这对层级森严，汇报体系多年以来一成不变的苹果来说，同样是个麻烦。
如果 Srouji 最终离开，苹果很可能会从他的两位得力副手中选择接替者：Zongjian Chen 或 Sribalan Santhanam。
在高管层动荡的同时，苹果的工程师团队也在经历人才流失，特别是在 AI 领域。 Meta、OpenAI 和各种初创公司正在疯狂挖苹果软件/硬件工程的墙角。这让苹果试图追上 AI 浪潮变得难上加难。
曾负责 Siri 的 Robby Walker 在去年十月离开公司；他的继任者 Ke Yang 在这个职位上只待了几周就离职，加入了 Meta 新成立的超级智能实验室。
AI 模型主管 Ruoming Pang 的离职更是引发了连锁反应，他和 Tom Gunter、Frank Chu 等同事一起去了 Meta——当时，Meta 号称开出上亿美元的年包从苹果、OpenAI 等公司挖人。当时，苹果的 AI 组织士气严重低落，几周内就跳槽了十几位优秀的 AI 研究员。 苹果越来越多地使用外部 AI 技术，比如谷歌的 Gemini，也让从事大语言模型工作的员工感到担忧。
苹果的 AI 机器人软件团队，前不久也经历了大规模离职，包括其负责人 Jian Zhang，他同样加入了 Meta。
代号为 J595 的桌面设备的硬件团队也在大量流失人才，其中一些人前往了 OpenAI。除了负责「液态玻璃」之外，Alan Dye 也是监督该产品软件设计的关键人物。
Alan Dye 手下的用户界面部门同样遭受重创，2023 年至今已有多名团队成员离职。知名设计师、前《连线》杂志创意负责人 Billy Sorrentino 也去了 Meta。
▲Alan Dye 和 Billy Sorrentino
苹果的硬件设计团队，是这家公司的绝对灵魂——然而在过去五年里，这个灵魂几乎被掏空了。
许多员工跟随前设计主管 Jony Ive 去了他的工作室 LoveFrom，或者去了其他公司。不仅如此，Ive 跟 Sam Altman 的关系密切，帮助其从苹果疯狂挖人，几乎成为 OpenAI 的 AI 硬件「首席招募官」。
OpenAI 成为了苹果人才流失的主要受益者。目前已经聘请了数十名苹果工程师，背景涵盖 iPhone、Mac、相机技术、芯片设计、音频、手表和 Vision Pro 头显等广泛领域。
据彭博社报道，OpenAI 从苹果挖走了 Vision Pro 光学系统的负责人、苹果显示技术高级总监 Cheng Chen。
今年九月，在秋季新品发布会上声优出演介绍 iPhone Air 的设计师 Abidur Chowdhury，也离开苹果加入了一家 AI 初创公司。作为苹果的后起之秀，Chowdhury 在内部被认为是接近于 Tony Fadell 的优秀工程师，他的离职让同事们感到意外。
甚至连苹果大学的院长也离开了：这个内部项目旨在保护公司的文化和实践，其院长 Richard Locke 在今年夏天离职，加入麻省理工学院担任商学院院长。
人事变动正在重塑苹果的权力结构，更多权力现在流向了四位高管：
硬件工程 John Ternus、服务业务 Eddy Cue、软件工程（包括 AI） Craig Federighi 和新任首席运营官 Sabih Khan。
据彭博社报道，Ternus 是苹果「候任 CEO」的最热门人选，他将在明年苹果 50 周年庆典中担任主角，进一步提升他的知名度。
他还被赋予了更多机器人和智能眼镜方面的责任——这两个领域被视为未来的增长动力。
长期担任用户界面设计师的 Steve Lemay 接替了 Dye 的职位，担任用户界面的首席设计师。他将直接汇报给库克。
苹果内部对 Lemay 接任 Dye 的旧职位充满热情。他是一位深受喜爱的设计师，参与了初代 iPhone 的界面设计，甚至出现在初代 iPhone 的 master 专利上。
▲Steve Lemay
苹果内部的高管地震，可能还没有结束：零售和人力资源负责人 Deirdre O’Brien 已经在苹果工作了 35 年以上，而营销负责人 Greg Joswiak 在公司度过了四十年。
据彭博社报道，苹果已经提拔了这两位高管手下的关键副手，为他们最终的退休做准备。
这场高管地震，更是引发了关于库克本人未来计划的猜测。
正如前文提到，库克不会很快「退休」，至少也要等到明年甚至后年，并且在交棒 CEO 期间和之后继续留在公司。不过，据彭博社报道，熟悉库克日程的人士透露，库克的生活习惯正在悄然改变：
他不再像以前那样经常在凌晨 4 点起床去健身房。在过去一年左右与他相处过的人注意到，他的手有轻微的颤抖，尽管这可能并非严重健康问题的迹象。
多年来一直在硅谷租房而不买房的库克，近年来在棕榈泉附近购买了一套豪宅作为「冬宫」，也正好跟老同事 Eddy Cue 成了邻居。
当库克最终卸任时，他很可能会转任董事长职位。
苹果从未选择外部人士担任 CEO（卖糖水的 John Sculley 不算）。但是，一些优秀的外部候选人也被推荐了过来——比如 Tony Fadell，「iPod 之父」，一位早已不在苹果的苹果人。
▲Tony Fadell
低落的士气、外部更具吸引力的薪酬方案，以及苹果在 AI 领域的相对落后，都在导致人才外流。目前，苹果人力资源部门加大了招聘和留住人才的力度，这在今年已经成为高管最关心的事务。
库克坚称，苹果正在开发其历史上最具创新性的产品阵容——预计将包括可折叠 iPhone 和 iPad、智能眼镜和机器人——但事实上，苹果已经十年没有推出极其成功的新产品类别了。
对于一家长期以稳定著称的公司来说，2025 年以来苹果的人事动荡，用不寻常来形容都欠点意思。这到底是短期的阵痛，还是更深层次问题的征兆？随着时间推移，答案将越来越清晰。
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
华尔街日报此前报道称 SpaceX 正启动新一轮二次股票出售，若交易完成，其公司估值有望翻倍至 8000 亿美元（现汇率约合 5.66 万亿元人民币），一举超越 OpenAI 成为全美最有价值的私营公司。与此同时，SpaceX 高管层明确表示，公司正在评估于 2026 年进行首次公开募股（IPO）的可能性。
对此，马斯克于当地时间周六否认 SpaceX 正以 8000 亿美元估值融资，但未回应关于该公司计划出售内部股份的报道。
马斯克在其社交媒体平台 X 的一篇帖子中表示：「SpaceX 以 8000 亿美元估值融资的消息并不准确。SpaceX 多年来一直保持现金流为正，且每年会定期进行两次股票回购，为员工和投资者提供流动性。估值的提升取决于星舰（Starship）和星链（Starlink）的推进进展，以及获得全球直连手机网络的频谱，这将大幅扩大公司可服务市场的规模。」（来源：IT 之家）
据报道，美国消费机器人巨头iRobot被曝陷入严重财务危机。截至11月24日，该公司欠中国深圳代工厂杉川机器人超3.5亿美元，折合人民币约25亿元。而其现金储备仅剩2480万美元，已处于技术性破产边缘。
iRobot于1990年由麻省理工学院教授创立。2002年推出首款Roomba扫地机器人，曾占据美国扫地机器人市场80%以上份额，产品还广泛应用于军事、救援等领域。
2022年，公司迎来转折点，全球各区域市场全面下滑。营收同比下降24%至11.83亿美元，净亏损2.863亿美元。当年亚马逊提出收购计划，但因反垄断审查失败。此后，iRobot裁员350人，占总人数的31%，CEO辞职，战略收缩，财务状况进一步恶化。
其定价策略僵化，产品竞争力持续下降。今年全球市场份额已跌至7.9%。截至今年9月，公司总资产4.81亿美元，总负债5.08亿美元，股东权益为-2680万美元，已正式资不抵债。
目前iRobot正与杉川就债务解决方案“积极磋商”。业内普遍认为杉川的介入是「iRobot唯一可能的生存机会」，但也意味着公司控制权将落入中国企业手中。（来源：新浪财经）
Meta 近日宣布收购人工智能初创公司 Limitless，此举将使后者旗下备受关注的 AI 记忆穿戴设备 Limitless Pendant 停止对新用户销售。Limitless 专注于通过软件与专用硬件增强人类记忆与认知能力，其主打产品是一款体积小巧、外观简洁的 AI 挂件，可持续记录和处理用户的日常信息。
业内认为这次收购有助于 Meta 在 AI 可穿戴设备领域与正与 Jony Ive 合作开发新形态设备的 OpenAI 展开更直接的竞争。
Limitless 在官网公告中表示，公司已被 Meta 收购，将携手推动「令人惊叹的 AI 可穿戴设备」以及「个人超级智能」的愿景落地。收购完成后，Limitless 将不再面向新用户销售 Pendant 硬件产品，但现有用户的设备在未来至少一年内仍将继续获得官方支持。此外，原本需要付费订阅的 Unlimited Plan 也已对所有现有客户免费开放，无需再支付订阅费用，作为对产品即将退出市场的一种补偿安排。（来源：cnBeta）
大众集团 CEO 奥博穆今天在《法兰克福汇报》的采访中表示，大众将在 2030 年前投入 1600 亿欧元（现汇率约合 1.32 万亿元人民币），和前几版五年规划比起来略有收紧。
此前的投资安排为 2025-2029 年的 1650 亿欧元（现汇率约合 1.36 万亿元人民币），以及 2024-2028 年的 1800 亿欧元（现汇率约合 1.48 万亿元人民币），其中 2024 年达到最高点。
过去一段时间，大众旗下保时捷与奥迪同时受到美国加征关税以及中国市场竞争加剧的挤压。保时捷的利润受影响尤为显著，原因在于其过半销量来自这两个市场，且电动汽车战略被迫退回。
奥博穆在表示，新一轮投资将重点投向德国与欧洲，包括产品、技术以及基础设施。他预计，围绕保时捷更大规模的节约方案的谈判会延续到 2026 年。（来源：IT 之家）
12 月 6 日消息，豆包与中兴合作的首款「豆包助手」手机一经发售就引发热议，继微信出现被动下线后，经搜狐科技测试，阿里系多款应用——淘宝、淘宝闪购、闲鱼、大麦等 App 已开始拒绝「豆包手机」登录。
据悉，若用户手动操作打开上述 App，将触发安全机制，弹出登录受阻提示。与此同时，手机银行和金融类 App，也先后出现了针对 AI 、屏幕共享的监测以及风控措施。多名用户反馈，在使用豆包 AI 手机助手时，遭到了农行、建行 App 内的强弹窗提醒，要求关闭 AI 手机助手后再进行使用。
此外，游戏类 App 如《王者荣耀》同样能监测到 AI 控制，目前仅支持手动打开，AI 助手无法对其进行开启或控制。（来源：IT 之家）
12 月 7 日消息，据 WindowsLatest 报道，微软已回应用户呼声，将在 Windows 11 的下一次更新中使文件资源管理器右键菜单中的「AI 操作」（AI Actions）功能完全可选。此前，即使用户已在系统设置中关闭该功能，「AI 操作」仍会出现在右键上下文菜单中；如今这一问题即将得到解决。
除了使「AI 操作」变为可选外，微软还在测试一个更简洁的上下文菜单（即右键菜单）。例如，「压缩为…」和「复制为路径」等选项将被移至一个名为「管理文件」（Manage file）的新子菜单中，该菜单还整合了 TAR、RAR、ZIP 等压缩格式选项。这会使菜单杂乱程度显著降低，整体视觉上也更为紧凑。
此外，微软还将所有与 OneDrive 相关的选项（如「始终保留在本设备」和「释放空间」）统一归入单一的「OneDrive」主项下，进一步简化菜单结构。（来源：IT 之家）
领克汽车近日宣布领克 03+ TCR 赛车首批订单已售罄（2026 年 4 月前产能）。该车是全球首台中国品牌量产 TCR 赛车并于今晚开售，价格为 140 万元。
这款新车的具体配置，IT之家此前进行了详细报道。该车的动力系统基于 T6 发动机升级了散热部件，搭载 1046 六速序列式变速箱，采用拨片换挡设计。
制动系统方面，新车搭载前六活塞一体卡钳 380mm 制动盘、后两活塞 290mm 制动盘。此外，这款新车还匹配全新设计的 Gen3 空气动力学套件，车内设有防滚架、专业赛车座椅等设施。
具体动力方面，新车峰值马力 350Ps，峰值扭矩 420N・m，包含车手的目标重量为 1265kg。值得一提的是，该车还更换涡轮并重新标定程序，可全面优化直线动力输出。（来源：IT之家）
汽车媒体 CarBuzz 12 月 6 日发布博文，报道称在迈阿密艺术周（Miami Art Week）上，迈凯伦（McLaren）揭晓基于高性能超跑 750S 打造的「色彩学项目」（Project Chromology）。
该项目由迈凯伦特别定制中心（MSO）与知名艺术家 Nat Bowen 深度合作完成。据博文介绍，Bowen 以树脂艺术创作和「色彩学」（即色彩心理学）研究闻名，此次合作希望探索色彩如何塑造情绪与身份，将原本冰冷的机械载体转化为具有生命力的艺术表达。
为了实现这一理念，MSO 工程师与 Bowen 共同研发了全新的「色彩分层饰面」（Chromatic Layered Finish）。该工艺利用多层半透明涂料进行精密叠加，创造出随光线变化而流动的色调深度。
外观极具艺术气息外，这辆 750S 的性能核心依然强悍。车辆搭载 4.0 升双涡轮增压 V8 发动机，匹配 7 速自动变速箱，采用后轮驱动布局。该动力系统可爆发出 740 马力（hp）的最大功率和 590 lb-ft 的峰值扭矩。
迈凯伦目前尚未公开「色彩学项目」的具体售价，但明确表示这并非量产车型。该项目仅面向「特定的 MSO 客户群」开放，采取按需委托（Commission）的模式进行生产。考虑到复杂的涂装工艺、纯金材质的应用以及包含的原创艺术品，其造价预计将远超普通版 750S，成为顶级收藏家的专属目标。（来源：IT 之家）
根据发表在《Cell Genomics》的一项遗传分析，今天的家猫（Felis catus）是在唐朝前后抵达中国。此前中国出现的捕鼠动物是豹猫（Prionailurus bengalensis）。现代家猫起源于近东的非洲野猫，经过驯化后传播至全球。中国最早的猫科动物考古记录来自距今五千多年的陕西泉护村遗址，一具猫类遗骸显示其与人类关系密切，曾被认为可能是家猫，但后被确认为体型与家猫相近的本土猫科动物豹猫。因此家猫何时以及如何传入中国的问题一直悬而未解。
为解答这一问题，北大博士后韩雨和同事采集和分析了来自人居环境、时间跨度超过五千年的 22 份小型猫科动物骨骼样本，涵盖了中国已知大部分的古代猫类遗存。通过古 DNA 技术获得了全部 22 份线粒体基因组和 7 份全基因组。其中 7 份为豹猫样本，年代从 5400 年前新石器时代晚期的仰韶文化延续至 1800 年前的东汉末年，揭示了豹猫与人类持续 3500 多年的密切关系。研究中 14 份样本鉴定为家猫，均来自唐代及其后的时期。
中国迄今最早的家猫遗骸出土于陕西靖边唐朝统万城遗址，碳14测年为公元 706 至 883 年，距今约 1200 年。基因组表型复原显示，该猫为雄性，毛色可能为纯白或白斑狸花，短毛、长尾，且不携带现代家猫常见的遗传缺陷。
结合文献记载与考古图像，家猫传入中国的时间应早于出土遗存的年代，可能在公元 6—7 世纪唐代前后。基因组分析进一步确定了家猫传入中国的路线。
中国唐代家猫与哈萨克斯坦占肯特遗址出土的同时期家猫，以及近东黎凡特地区的非洲野猫和家猫遗传关系紧密。这三地恰位于陆上丝绸之路的重要枢纽，表明家猫很可能随商旅往来，经由丝绸之路自地中海东岸途经中亚传入中国。（来源：solidot）
全球最大的云厂商，正在重构其在 Agent 时代的云计算核心。
美国东部时间 2025 年 12 月 2 日上午（北京时间 12 月 3 日凌晨），在拉斯维加斯举行的 re:Invent 大会上，亚马逊云科技宣布了一系列围绕 AI Agent 的重大更新：一方面是面向客户的 Agent 应用和平台工具，如 Amazon Connect、Kiro 等；另一方面是面向未来的底层基础设施，包括新一代 Trn4 AI 芯片以及 Trn3 超级服务器等。
今年以来，AI Agent 的爆发正在深刻影响企业工作流和生产力模式。亚马逊云科技的这些新产品和发布，似乎在回答两个关键的行业问题：如何确保 Agent 安全合规地「用好」，以及如何让 Agent 以经济可行的方式「跑起来」。正如亚马逊云科技 CEO Matt Garman 在主题演讲中所强调的，最终目标是实现「将 Agent 投入工作」（Put Agent into Work）。
如何让 Agent 可用丨来自：2025 re:Invent
有意思的是，在长达 2 个小时的主题演讲中，Matt Garman 用了 1 小时 50 分钟的时间介绍 AI 基础设施和全新的 Agent 产品，而只用了 10 分钟的时间提及传统云产品升级（如实例、存储、数据库等）。11:1 的时间分配对比，也印证了 AI Agent 及其背后的基础设施，已成为当下云厂商们最重要的战略核心。
AI Agent 的价值不再是传统的「聊天」，而在于「行动」。今年 re:Invent 期间，AWS 发布了一系列围绕 Agent 构建的产品和应用。
一方面，在企业服务领域，AWS 将 Agent 融入到各类传统的平台和工具之中，对后者实现技术升级从而提高生产效率。今年，针对企业数字化经营中最耗时、最复杂的三个领域：代码运维、应用现代化和客户服务，AWS 推出了一系列 Agent 产品。
三个不同场景的 Agent丨来自：2025 re:Invent
首先是在代码和运维领域，AWS 发布了多个 Agent 产品。其中 Kiro Autonomous Agent 值得关注。以前的 AI 编程工具虽然能写代码，但往往把开发者变成了忙于搬运上下文和协调工具的「助理」。而 Autonomous Agent 解决的就是这个问题，它可以被视为团队中一位 24 小时待命、过目不忘的「影子开发者」。
开发者只需专注于核心难题，把修 Bug、跨库变更等繁琐任务直接丢给它。它不仅能在后台自主规划并执行，还能像真人一样记住跨会话的上下文，通过连接 Jira 和 Slack 深度学习团队的业务逻辑与协作规范。随着每一次代码审查，它会越来越懂你们的产品和标准，真正成为团队共享的「超级大脑」，让开发者只做决策，不再打杂。
还有 DevOps Agent。从国内的「双 11」到海外的「黑五」，大型数字营销活动背后，技术运营人员熬夜加班已经成为常态。当下的模式是系统监测预警，技术人员需要随时待命处理每一个问题。而 AWS DevOps Agent 像是一个永不眠的运维员工，可以 24 小时调查事故和识别运营问题，从而大幅减少需要提报告给运营人员的警报数量，让后者可以更轻松更高效地处理那些真正有价值的问题，而非一直被一些没什么意义的警报轰炸。
「炸掉」技术债务丨来自：2025 re:Invent
同时，Agent 还在重塑企业的核心资产——传统应用。今天很多企业面临沉重的「技术债务」，很多传统应用的工作负载都运行在大型机、VMware 等传统服务器上，云迁移虽是趋势，但也是巨大的负担。而 Amazon Transform Agent 就像一位专业的「全能代码重构工程师」，能够对任何代码、API、语言、甚至企业自有的编程语言或框架进行定制化转换。这种能力将传统应用现代化的速度提升至 5 倍，减少 80% 的时间和成本。
在客服领域，Amazon Connect 的新 Agent 也帮助这个产品实现了能力飞跃。此次 Amazon Connect 一口气发布了四项更新，包括用更先进的语言模型提供更加自然、类人的对话体验；同时让 AI 掌握工具从而完成整理材料、执行常规流程等工作，让其与真人员工更好地协作；以及基于历史行为和点击流等构建客户画像，让 AI 可以提供更加个性化的推荐。
另外，随着企业部署越来越多 AI Agent 参与客户交互，理解其决策过程对保障服务质量与合规至关重要。Amazon Connect 还新增 AI Agent 可观测性功能，为企业提供高度透明度——清晰呈现 AI 的理解内容、使用的工具以及决策过程。这种可见性帮助企业优化性能、确保合规，并增强对 AI 交互体验的信心。
除了在已有的服务场景中引入 Agent 能力，另一方面，AWS 也对构建 Agent 的平台工具进行了升级。其中最核心的是加强了 Agent 的治理与评估，让客户可以为 Agent 行为设置「红线」。
让 Agent 可评估和被约束丨来自：2025 re:Invent
随着 Agent 获得执行企业操作的权限，可控性和可信赖性成为其规模化落地的首要前提。AWS 本次发布的重点在于：对 Agent 的约束，必须从传统的「内容安全」转向更高级的「行为治理」。
AWS 推出的 Policy in AgentCore 功能，正是针对 Agent 行为治理的新工具。它允许用户使用自然语言来设定 Agent 的行为边界。这与传统安全护栏（Guardrails）仅过滤语言内容不同，Policy 可以简单地创建和管理 Agent 运行策略，并在 Agent 工作流中进行实时检查，确保 Agent 的操作始终在预设的权限范围内。
此外，为了确保 Agent 在实际工作中的表现，AWS 还推出了 AgentCore Evaluations。这项服务允许基于真实世界的行为对 Agent 的工作质量进行持续检查和评估，为企业规模化部署 Agent 提供了可靠的性能衡量标准。
通过这一系列治理工具，AWS 试图告诉企业：AI Agent 是可以信任的。只要设置了明确的「红线」，平台就能保证 Agent 的行为始终在安全边界之内。
如果说 Agent 是台前的「数字员工」，那么支撑它们日夜运转的基础设施就是幕后的「超级工厂」。
今年 AWS 在基础设施层面的动作，似乎在向行业传达一个信号：要让 Agent 真正普及，不仅要让它变得聪明，更要让企业「用得起」且「不论用什么模型都能跑得好」。
首先是算力层面。Agent 时代对算力的消耗模式发生了根本改变。过去，企业关注的是「训练」一个大模型需要多少张卡；而在 Agent 时代，成千上万个 Agent 需要 24 小时在线，进行持续的推理、规划和工具调用。推理成本如果居高不下，Agent 就无法大规模落地。
Trn3 UltraServer丨来自：2025 re:invent
Matt Garman 在会上宣布，AWS 正式推出了由第四代 AI 芯片驱动的 Amazon EC2 Trn3 UltraServer。作为 AWS 首款采用 3nm 工艺制造的 AI 芯片，Trainium3 实际上是在构建一种比通用 GPU 更具性价比的算力替代方案。每颗芯片提供 2.52 PFLOPs 的 FP8 计算能力，配合 144 GB 内存（比上一代提升 1.5 倍），它完美契合了 Agent 应用中长上下文架构和多模态推理的需求。
Trn3 UltraServer 服务器最多可以集成 144 颗 Trn3 芯片，并可以通过 EC2 UltraClusters 扩展至数十万颗。而对于企业最关心的成本问题，Trn3 在 Bedrock 上的表现是：相比 Trn2，性能提升 3 倍，每 MW 能耗的输出 Tokens 数提升超过 5 倍。对于目前 AI 算力昂贵的挑战，Trn3 的推出可以起到明显的降低作用。
而在模型层面，AWS 再次证明了自己是「最开放的 AI 平台」。通过 Amazon Bedrock，AWS 打出了一套「自研强模型 + 全球全明星模型托管」的组合拳。
自研模型方面，AWS 正式发布了下一代 Amazon Nova 2 模型家族。其中包括了针对 Agent 语音交互优化的 Nova 2 Sonic——这是一款新一代的 speech-to-speech 模型，它不仅具备行业领先的对话质量和更低延迟，还能实现实时、人类般的语音对话。
此外，AWS 还推出了 Amazon Nova Forge，首次引入了「开放式训练模型」理念。它解决了企业「既想深度定制又怕灾难性遗忘」的痛点。与今天大多专有模型依赖后训练的精调或者接入专用数据库不同，Forge 允许开发者访问 Nova 训练检查点，并在训练的每一个阶段将自有数据与 Amazon 精选的数据集深度融合，从而训练出既理解业务又保留大模型智能水平的专属模型。
Bedrock 的模型合作伙伴丨来自：2025 re:invent
另外值得关注的是，今年 AWS 展现出对中国本土 AI 模型前所未有的拥抱。在 Bedrock 新增的 18 个完全托管模型名单中，三家中国公司的四个模型名列其中：
过去，全球云厂商往往更倾向于绑定少数几家欧美头部模型厂商。而 AWS 此次将 Kimi、MiniMax、Qwen 等中国顶尖模型纳入核心库，不仅是因为这些模型在性能上已经具备了全球竞争力，更显示了 AWS「互联互通」的生态格局。
对于企业而言，这意味着选择权的极大丰富。无论是需要 Mistral Large 3 这样的长文档处理专家，还是需要中国本土的优秀模型，AWS Bedrock 正在变成一个打破地域和技术栈隔阂的「万能转换插座」，让算力和模型真正成为像水电一样的资源。
乍看之下，今年的 re:Invent 似乎显得有些「波澜不惊」。这里没有令人瞠目结舌的参数大跃进，也没有颠覆认知的「黑科技」突袭。
Trn3 的性能提升固然强悍，但基本也在预期之内；更有性价比的 Nova 2 和首次推出的语音模型，虽然让人眼前一亮，但在如今 SOTA 模型遍地跑、参数竞赛白热化的行业背景下，似乎也算不上「核弹级」的重磅发布。即便是最受关注的 AI 编程工具 Kiro 和 Agent 开发平台 AgentCore，也多是基于既有产品的更新——这些关于安全性、可观测性或辅助功能的修修补补，难免让人产生「没什么大动作」的错觉。
然而，这种「平淡」或许正是 AWS 最厉害的地方。当我们将视线从单个产品移开，投向整个产业，会发现 AWS 其实在定义下一代基础设施的路上，迈出了极为关键的一步。
AWS 做对的第一件事，是率先打破了 Agent 的「空谈」阶段。在大多数平台还在比拼 Agent 框架的灵活性、推理速度时，AWS 敏锐地意识到：企业需要的不是一个能聊天的机器人，而是一个能干活的员工。于是我们看到，Transform Agent 被用来解决棘手的技术债务，DevOps Agent 被用来处理繁琐的运维报警。
AWS 不再只是提供一个简单的 LLM 接口，而是将行业 Know-how（如 19 年的运维经验、代码迁移经验）封装进 Agent，将其打造成了真正能解决具体业务痛点的「成品工具」。这种「将能力封装为产品」的思路，标志着 Agent 从技术玩具正式迈向了商业实战。
更深层的变革在于 Agent 治理。Agent 的运行范式与过去的 Chat 类应用和传统的云计算业务有着本质区别。传统的云关注「资源」，Chat 应用关注「内容」，而 Agent 关注的是「行动」。将一个拥有自主决策权的 Agent 放入企业的核心业务流，其风险不亚于招聘一名不受控的员工。难点不在于如何让 Agent 跑起来，而在于如何让它不乱跑。
Policy in AgentCore丨来自：2025 re:invent
AWS 在本次大会上展示的 Policy 功能，实际上是在尝试重新定义一套 Agent 时代的治理范式。这种用自然语言设定边界的方式，不再是死板的代码约束，而更像是给数字员工颁布一套「法律」。它让管理者可以用人类的逻辑（如「退款金额不得超过 1000 元」）来约束 AI 的行为。这种治理模式的建立，比单一模型的性能提升更具战略意义——因为只有解决了「可控性」和「合规性」这两个拦路虎，企业才敢真正让 Agent 接入核心业务。
最终，当我们重新审视这次 re:Invent，会发现它的意义不在于某个单品的参数碾压，而在于生态位的抢先占领。当大多数玩家还沉浸在解决架构优化和算力堆叠的「基建期」时，AWS 已经通过一系列真实的落地案例和完善的治理技术栈，开始为行业「打样」——它展示了一个 Agent 在真实企业环境中，应该如何被构建、如何被管理、以及如何产生价值。
这或许不是一场充满噱头的发布会，但对于渴望用 AI 提效的实体产业而言，AWS 正在构建的那套让 Agent「可用、可控、可信」 的基础设施，可能是通往未来的真正门票。
今年在拉斯维加斯举行的「云计算春晚」——re:Invent，新增了一个非常特殊的板块：体育论坛（Sports Forum）。
如果你是 re:Invent 的常客，大概会对其典型的「硬核技术风」印象深刻：在威尼斯人酒店望不到头的长廊里，数百个会议室密集输出着关于架构、代码和 AI 的硬核干货；展区里则密密麻麻排列着大大小小的展位，一张桌子、一台演示 demo 的笔记本，往往就代表着一个复杂的 ToB 产品。
这里的空气，充斥着「计算存储」、「云原生」、「Agentic AI」等术语。走廊里随处可见行色匆匆的开发者，或是盘腿坐在地毯上敲代码的极客，抑或是坐在简易塑料桌椅上低声洽谈百万级合作的行业伙伴。
Sports Forum 丨来自：2025 re:Invent
但当你推开 Sports Forum 的大门时，画风发生了一百八十度的大转弯。我甚至一度怀疑自己是不是走错了片场。这里不再是严肃的技术讨论场，而是一个充满活力的「主题乐园」。眼前不再是枯燥的代码屏幕和架构图，而是投篮机、正规尺寸的半场篮球场、乒乓球台，以及轰鸣声不断的 F1 模拟器和激战正酣的电竞舞台。
但如果你认为这仅仅是个活跃气氛的「游乐场」，那就被骗了。事实上，这可能是整个 re:Invent 技术含量最高的区域之一。揭开这些娱乐设施的幕布，背后全是硬核的算力和算法。亚马逊云科技正在用云和 AI，在体育行业里掀起新一轮技术革命。
Sports Forum 里的 VR 观赛体验区丨来自：2025 re:Invent
展馆中央的 NBA VR 体验区格外引人注目。戴上头显后，你不再是个被固定在座位上观看 360 度全景的观众，而是能以裁判甚至球员的视角，自由观看比赛名场面。更令人惊喜的是，系统还能实时展示投篮难度、防守统计等高端数据分析。
我瞬间意识到：这不仅是显示技术的进步，更是 AI 技术的深度应用。
NBA 名宿、怒吼天尊拉希德·华莱士有一个标志性台词：「篮球不会说谎。」
这个名言广泛流传于 NBA 文化圈，并被勒布朗·詹姆斯等明星球员在比赛中多次引用的背后，其实道出的是职业球员的无奈：数据很多时候并不能反映真实的比赛过程。而这一现象，正在随着科技的发展迎来改变。
2025 年 10 月 2 日，当 NBA 宣布与亚马逊云科技达成战略合作的那一刻，篮球这项拥有百年历史的运动，悄然迎来改变。
对于资深球迷而言，我们习惯了用数据去评价球员：得分、篮板、助攻，进阶一点的看 PER 值、正负值。但坦白讲，这些传统的高阶数据依然停留在「统计学」的范畴——它们记录的是结果，而不是真正体现出比赛过程。
这就导致了「数据刷子」的存在，也导致了许多隐形价值被忽略：库里无球跑动时对防线的巨大牵制力，在统计表里是 0；一位防守悍将对持球人的窒息逼抢，只要没产生抢断或盖帽，在数据栏里也是空白。而即使效率值和正负值这种高阶数据，实际上也很难完美体现出每一个不同个性和特点的球员在场上的真正作用。
而亚马逊云科技带来的技术解法，是让机器真正「看懂」比赛。
通过计算机视觉和机器学习技术，现在的系统不再只是记录「球进没进」，而是以每秒 60 次的高频率，实时捕捉并分析球员身上 29 个骨骼点的移动轨迹。
这标志着体育数据从「结构化统计」迈向了「多模态理解」。基于此，NBA 在 2025-26 赛季能够推出三项全新的高阶数据：
投篮难度指数丨来自：亚马逊云科技
第一，防守数据统计（Defensive Box Score）。防守一直是篮球场上的「玄学」。过去我们评价追梦格林防守好，全凭印象流。现在，AI 算法能实时识别每一秒钟「场上谁在防谁」，并计算防守施压频率、协防质量等。这意味着，防守端的贡献第一次有了客观的数据标尺。
第二，投篮难度指数（Shot Difficulty）。不是所有的两分球都生而平等。空位吃饼的 50% 命中率，和在双人包夹下后仰跳投的 45% 命中率，含金量截然不同。新系统通过分析投篮时的身体平衡、防守干扰距离等因素，计算出每一次出手的「难度分」。它能有效区分「体系球员」和「巨星硬解」，还原球星的真实价值。
第三，引力指标（Gravity）。这可能是最令战术分析师兴奋的指标。它通过复杂的三角函数运算，量化一名无球球员吸引了多少防守注意力，以及为队友拉扯出了多大的空间。库里那种「虽然没拿球，但整个防线都因我而动」的影响力，终于变成了可视化的数据。
除了赛场上数据统计规则的重塑，场下的训练和观赛体验也在被改写。
数字投篮实验室丨来自：2025 re:Invent
在 Sports Forum 现场，NBA 多伦多猛龙队展示了他们的「数字投篮实验室」。利用先进的摄像机网络和 AI，系统能实时捕捉每一次投篮的详细生物力学数据，即时分析姿势、轨迹和发力机制。这相当于给每位球员配备了一个拥有「火眼金睛」的 AI 助教，能精确指出哪怕 1 度的姿态偏差。
不仅是 NBA，如果我们把视野拉宽，会发现亚马逊云科技构建的这套技术栈，正在重塑整个职业体育的「竞技」与「体验」。
首先是在残酷的职业赛场，比如毫秒必争的 F1、NFL 等比赛，AI 正在成为球队的新助教。
模拟 F1 车队进站换胎丨来自：2025 re:Invent
以 F1 法拉利车队为例，进站换胎是 0.1 秒级的战争。法拉利利用亚马逊云科技 SageMaker 开发了一套进站分析系统，将完成单次进站分析的时间从数小时压缩到了 60-90 秒。系统通过 AI 视觉识别，能自动分析换胎工的每一个动作细节，帮助车队在每一场比赛中寻找那微小的效率提升空间。同时，在车辆设计上，亚马逊云科技的高性能计算如同「数字风洞」，通过千万次的流体力学模拟替代昂贵的物理测试，让赛车设计的迭代速度提升了 70%。
而在对抗激烈的 NFL（职业橄榄球大联盟），亚马逊云科技协助创建了「数字运动员」（Digital Athlete()）平台。这实际上是在云端构建了球员的「数字双胞胎」。系统运行了数百万次比赛场景模拟，涵盖了相当于 10000 个赛季的数据，以此来预测受伤风险。NFL 最近修改的开球规则，正是基于这些模拟数据，在保护球员安全与保证比赛观赏性之间找到了最优解。
而对于屏幕前的观众，AI 正在将「看热闹」升级为「看门道」。
今年 re:Invent 期间，亚马逊云科技 CEO Matt Garman 发布了新一代自研的 Amazon Nova2() 的系列模型，不仅有高性价比的推理模型 Lite、处理复杂推理的 Pro, 语音模型 Sonic, 这次还推出了业界首个真正统一的多模态模型 Omni。
而在过去一年里，Nova 模型正在悄然改变着体育行业的内容生态。
AI 辅助生成的德甲短内容丨来自：2025 re:Invent
比如德甲联赛，就在尝试利用亚马逊云科技的技术能力，成为最受球迷欢迎的足球联赛。其负责人在 Sports Forum 上分享了德甲联赛如何利用 Nova 改造了其内容生产的工作流，包括帮助编辑节省时间的「自动化战报」、「德甲故事」，翻译和转录来实现视频本地化，在保持比赛原声和氛围的同时，自动完成多语言转换, 以及满足球迷查阅和聊天需求的「AI 球迷助手」。
现代体育赛事本就是一个多维度信息的融合：从实况解说的语音，到精彩瞬间的画面，从战术数据的分析，到球员表情的特写，每一个环节都在传递着比赛的张力与故事。Nova 的多模态处理能力恰恰可以满足这种复杂场景的需求，精准处理这些交织在一起的文本、图像、视频和音频信息，为球迷带来更丰富的观赛体验。
还有更早推出的「比赛事实」（Match Facts）。AI 实时计算「预期进球概率」（xGoals），让观众直观地知道，这个球没进究竟是运气太差，还是射术不精。更有趣的是「技能角色卡」功能，AI 能自动分析出谁是「终结者」，谁是「策动者」，让伪球迷也能瞬间秒懂场上球员的战术定位。
通过这些措施，德甲编辑可以在人手不变的情况下，几倍增加生成内容，不论是海外球迷、新球迷还是硬核球迷，都能有更好的观赛体验。
而伴随技术进步，生成式 AI 也在改变我们观看比赛的互动逻辑。比如开头提到的 VR 观赛，就用到了 NBA 最新的 "战术探索"（Play Finder()）功能，允许球迷用自然语言搜索视频。你不用再输入复杂的关键词，只需说一句「帮我找东契奇所有的后撤步三分」，AI 不仅能理解语义，还能结合对球员骨骼移动轨迹的分析，从海量历史视频库中精准匹配出相关片段。
AI 改变竞技体育丨来自：2025 re:Invent
走出 Sports Forum，我不禁思考：为什么亚马逊、微软、谷歌，以及国内的阿里云、腾讯云等科技巨头，都要在体育领域卷得这么厉害？
仅仅是为了卖云服务给体育联盟吗？我想这只是商业的一面。
从技术演进的角度看，体育正在成为 AI 的终极试炼场。
历史上，F1 赛车一直是汽车工业的试验场，如今的民用车技术许多都源自赛道；NBA 和世界杯则是鞋服科技的试验田。而现在，体育场景拥有最极端的要求：毫秒级的低延迟、物理世界的极端复杂性、以及难以预测的球员动作。
如果亚马逊云科技的 AI 能力，能在 NBA 总决赛中提供毫秒级的投篮概率预测，能在 F1 赛车 300 公里时速下完成实时推理，能在 NFL 的肌肉丛林中准确预测人体风险……经历过"魔鬼级"应用场景下一系列的"抗压测试", 那么，证明这套技术在物理世界中具有了极强的鲁棒性。
这种溢出效应的价值前景非常可观。今天我们在 Sports Forum 里看到的、用来保护 NFL 球员膝盖的算法，明天可能就会应用在老人的康复医疗中；今天用来分析 F1 赛车流体力学的算力，明天可能就会用于设计更高效的新能源汽车。
我们在 re:Invent 现场看到的，不仅仅是更精彩的比赛，更是 AI 技术通过体育这一载体，向物理世界和人体奥秘深度渗透的预演。
当科技的终极命题遇上人类最纯粹的竞技热情，一个由数据驱动、AI 赋能的新纪元，正在加速到来。
登录
