沈向洋解讀AI演進(jìn)五大維度！IDEA研究院發(fā)布“萬(wàn)物可抓取”模型，GPU渲染器打破國(guó)外壟斷

西風(fēng) 2025-11-23 12:18:16 來(lái)源：量子位

衡宇 發(fā)自 深圳

量子位 | 公眾號(hào) QbitAI

“機(jī)會(huì)不只來(lái)自技術(shù)本身?！?/p>

帶領(lǐng)IDEA研究院（粵港澳大灣區(qū)數(shù)字經(jīng)濟(jì)研究院）走過(guò)第五個(gè)年頭的沈向洋，新鮮分享了他用來(lái)梳理智能演進(jìn)的五個(gè)維度——

• 算法范式
• 智能載體
• 交互范式
• 計(jì)算架構(gòu)
• 數(shù)據(jù)

作為IDEA研究院創(chuàng)院理事長(zhǎng)，相比給出一個(gè)技術(shù)路徑路線(xiàn)圖，他更希望提出一個(gè)識(shí)別機(jī)會(huì)的思考框架，幫助創(chuàng)新者在智能演進(jìn)中找到技術(shù)、產(chǎn)品與商業(yè)的切口。

從算法范式維度出發(fā)，AI算法已經(jīng)從構(gòu)筑表達(dá)與生成能力的監(jiān)督學(xué)習(xí)階段，演進(jìn)到引入因果與執(zhí)行的強(qiáng)化學(xué)習(xí)階段。

后面，將繼續(xù)朝邁向高層認(rèn)知的自主學(xué)習(xí)階段探索。

從智能載體維度出發(fā)，當(dāng)下的關(guān)注點(diǎn)已從語(yǔ)言和多模態(tài)模型，轉(zhuǎn)向世界模型與具身模型。

這個(gè)變化反映出智能載體正從抽象符號(hào)空間邁向物理空間。

在人機(jī)交互維度上，沈向洋強(qiáng)調(diào)交互創(chuàng)新的重要性。

過(guò)去70年，人機(jī)交互經(jīng)歷了命令行、圖形界面、搜索、推薦到自然交互的多次范式遷移，每一次遷移背后都對(duì)應(yīng)著底層技術(shù)浪潮的變化。

“今天的產(chǎn)品開(kāi)發(fā)者必須看懂智能特性帶來(lái)的交互機(jī)會(huì)。”他同時(shí)提到，自然交互內(nèi)部也在分層：

被動(dòng)響應(yīng)——交互式執(zhí)行——具備提議能力的主動(dòng)模式，交互方式從文本擴(kuò)展到語(yǔ)音、手勢(shì)乃至未來(lái)的腦機(jī)接口。

而計(jì)算架構(gòu)維度已經(jīng)出現(xiàn)從通用走向?qū)Ｓ?、從單一走向多元的趨?shì)。GPU刺激了深度學(xué)習(xí)的第一波爆發(fā)，但能耗與成本也不斷攀升。

于是，性能、成本與能效成了大家追逐的新的平衡點(diǎn)，推理、端側(cè)、強(qiáng)化學(xué)習(xí)等匹配不同應(yīng)用任務(wù)的專(zhuān)用芯片紛紛涌現(xiàn)。

最后關(guān)于數(shù)據(jù)——在模擬世界階段，數(shù)據(jù)是靜態(tài)教材；在探索世界階段，數(shù)據(jù)是動(dòng)態(tài)反饋；在歸納世界階段，數(shù)據(jù)是驗(yàn)證假設(shè)的證據(jù)。

從人類(lèi)數(shù)據(jù)枯竭到合成數(shù)據(jù)興起，再到AI主動(dòng)探索并獲取實(shí)驗(yàn)數(shù)據(jù)，這背后體現(xiàn)出數(shù)據(jù)從限制模型能力的約束，逐步轉(zhuǎn)變?yōu)橥苿?dòng)AI主動(dòng)學(xué)習(xí)的工具。

綜上，不難得出沈向洋的insight：

機(jī)會(huì)并不僅僅來(lái)自技術(shù)本身，也來(lái)自理解技術(shù)如何改變載體、交互、計(jì)算與數(shù)據(jù)的方式，如何重新分布能力、資源與價(jià)值。

此外，沈向洋特別提到對(duì)未來(lái)個(gè)體和未來(lái)公司的思考。

當(dāng)個(gè)體的能力被AI放大，許多原本需要多環(huán)節(jié)協(xié)作的任務(wù)，可以由單個(gè)個(gè)體端到端完成。

組織的重心，在某些領(lǐng)域中，會(huì)從管控變成定義問(wèn)題、融合個(gè)體之間的協(xié)作。

他打趣地說(shuō)道：

我想未來(lái)的CEO應(yīng)該怎么定義呢？
可能不是Chief Executive Officer，而是Chief Entertaining Officer（首席氛圍官）。

還發(fā)布了啥？一攬子創(chuàng)新項(xiàng)目

此次大會(huì)上，IDEA研究院還宣布了國(guó)際先進(jìn)技術(shù)應(yīng)用推進(jìn)中心（深圳）與深港高等研究交流中心（SHARE）兩個(gè)創(chuàng)新平臺(tái)，以及一系列創(chuàng)新項(xiàng)目。

量子位選取了與具身、AI-Native編程語(yǔ)言等項(xiàng)目與大家分享——

從視覺(jué)切入，發(fā)布“萬(wàn)物可抓取”DINO-X Grasp模型

2025 IDEA大會(huì)上，IDEA研究院計(jì)算機(jī)視覺(jué)與機(jī)器人研究中心負(fù)責(zé)人張磊，首次系統(tǒng)介紹了研究院在具身智能方向的最新成果：

DINO-X Grasp。

過(guò)去兩年，具身智能異軍突起，不少團(tuán)隊(duì)試圖通過(guò)VLA（視覺(jué)-語(yǔ)言-動(dòng)作）大模型架構(gòu)，讓機(jī)器人像人一樣“聽(tīng)得懂人話(huà)，看得懂世界，動(dòng)得起來(lái)”。

但這條路線(xiàn)背后的問(wèn)題很快浮現(xiàn)出來(lái)：泛化能力不足。

與其從動(dòng)作建模著手，不如先把“看清楚”這個(gè)問(wèn)題解決得更徹底——這成為了IDEA研究院發(fā)力的突破口。

依托IDEA團(tuán)隊(duì)過(guò)去在開(kāi)集目標(biāo)檢測(cè)和視覺(jué)感知的研究積淀，以強(qiáng)泛化的視覺(jué)檢測(cè)模型DINO-X為基礎(chǔ)，IDEA研究院發(fā)起了DINO-X Grasp項(xiàng)目。

這個(gè)模型不僅能夠精準(zhǔn)識(shí)別物體、預(yù)測(cè)抓取點(diǎn)位，還可以結(jié)合深度信息，還原物體的三維結(jié)構(gòu)，從而指導(dǎo)機(jī)械臂完成穩(wěn)定、精確的操作。

更重要的是，它不挑設(shè)備也不挑場(chǎng)景。

• 在普通4090顯卡上，DINO-X Grasp可以實(shí)現(xiàn)10幀/秒的實(shí)時(shí)推理速度。
• 可兼容主流的英特爾深度相機(jī)與X-ARM機(jī)械臂，不依賴(lài)昂貴工業(yè)設(shè)備。
• 具備開(kāi)箱即用的適配能力，支持在移動(dòng)端或端側(cè)設(shè)備運(yùn)行。

現(xiàn)場(chǎng)展示的視頻中，DINO-X Grasp驅(qū)動(dòng)的機(jī)器人靈活應(yīng)對(duì)各種形狀各異的物品，從食品包裝袋到異形障礙物，一抓一個(gè)準(zhǔn)。

目前，這套方案已在招商局集團(tuán)多個(gè)子公司應(yīng)用，覆蓋港口集裝箱驗(yàn)殘、橋梁螺釘檢測(cè)、夜間車(chē)輛識(shí)別等多個(gè)復(fù)雜場(chǎng)景。

此外，DINO-X Grasp已經(jīng)與美團(tuán)機(jī)器人研究院開(kāi)展了合作。

張宏波團(tuán)隊(duì)MoonBit：中國(guó)人寫(xiě)的編程語(yǔ)言有了10萬(wàn)用戶(hù)

寫(xiě)過(guò)ReScript語(yǔ)言的張宏波，現(xiàn)在又帶領(lǐng)團(tuán)隊(duì)在IDEA研究院開(kāi)發(fā)MoonBit。

沈向洋特別提到，張宏波是他知道的唯一一個(gè)寫(xiě)的編程語(yǔ)言全世界有以萬(wàn)為計(jì)量單位的人數(shù)在用的人。

他所帶領(lǐng)的MoonBit團(tuán)隊(duì)2022年底才成立，剛好趕上了ChatGPT橫空出世。張宏波在臺(tái)上分享時(shí)說(shuō)：“作為新的編程語(yǔ)言，（趕上這個(gè)時(shí)間點(diǎn)），可以讓我們有機(jī)會(huì)重新思考在AI時(shí)代下怎么做開(kāi)發(fā)者工具。”

MoonBit專(zhuān)門(mén)為AI時(shí)代設(shè)計(jì)。

它是所有編程語(yǔ)言史上第一個(gè)原生提供AI助手的語(yǔ)言，還為語(yǔ)言模型打造了基于語(yǔ)義分析的IDE。

更重要的是，MoonBit的性能表現(xiàn)出色。在數(shù)字計(jì)算等基準(zhǔn)測(cè)試中，性能超越Java近10倍；WebAssembly后端代碼體積比Rust小30%，是TypeScript和Go的50%。

過(guò)去一年半，MoonBit從一門(mén)支持多后端的編程語(yǔ)言，逐步演進(jìn)為完整的全棧工具鏈（包含專(zhuān)為AI設(shè)計(jì)的原生工具集），最終構(gòu)建起集開(kāi)發(fā)者工具鏈與智能體開(kāi)發(fā)生態(tài)于一體的開(kāi)發(fā)者平臺(tái)。

張宏波透露，MoonBit已經(jīng)有了商業(yè)付費(fèi)客戶(hù)，包括北美的云廠(chǎng)商用它來(lái)進(jìn)行服務(wù)器開(kāi)發(fā)。”大部分編程語(yǔ)言在前四年、前五年都是默默無(wú)聞的，而我們?cè)谶@么早的階段就累積了這么多用戶(hù)?！?/p>

目前，MoonBit的用戶(hù)從去年的2.6萬(wàn)到現(xiàn)在超過(guò)了10萬(wàn)。張宏波預(yù)計(jì)到2026年底會(huì)有接近100萬(wàn)用戶(hù)，“成為首個(gè)從中國(guó)走出去的有世界影響力的開(kāi)源平臺(tái)”。

提前預(yù)告一下：

下個(gè)月，用MoonBit編程語(yǔ)言開(kāi)發(fā)的、支持使用多種編程語(yǔ)言的智能體平臺(tái)MoonBit agent SDK將正式開(kāi)源。

GPU渲染器Smaray：五年磨一劍，打破國(guó)外壟斷

王嘉平團(tuán)隊(duì)的GPU渲染器Smaray是更為直觀(guān)的IDEA研究院新近成果。

“在電影工業(yè)中，一個(gè)鏡頭通常包含幾百個(gè)G的數(shù)據(jù)?！蓖跫纹皆谘菔緯r(shí)介紹，電影工業(yè)的渲染和游戲完全不同。游戲要求毫秒級(jí)響應(yīng)，而電影渲染一幀畫(huà)面可能需要幾小時(shí)甚至一天。

目前全球電影渲染市場(chǎng)被三家公司壟斷：

美國(guó)的Arnold占據(jù)半壁江山，皮克斯的Renderman和歐洲的V-Ray瓜分剩余市場(chǎng)。

此前，《流浪地球》等國(guó)產(chǎn)大片幾乎必須使用Arnold渲染。

花了整整5年時(shí)間，從基礎(chǔ)算法到工業(yè)標(biāo)準(zhǔn)集成，IDEA研究院終于推出了Smaray渲染器。

現(xiàn)場(chǎng)演示環(huán)節(jié)，王嘉平展示了Smaray的實(shí)時(shí)渲染能力——

原本需要幾分鐘才能看清的場(chǎng)景圖和雄獅形象，Smaray幾秒鐘就渲染完成，而且可以像玩FPS游戲一樣在場(chǎng)景中自由探索。

更讓人驚喜的是，Smaray不僅支持英偉達(dá)GPU，還支持AMD、國(guó)產(chǎn)GPU甚至蘋(píng)果芯片。

目前，《流浪地球》特效制作方MoreVFX、《哪吒》制作方光線(xiàn)動(dòng)畫(huà)等頂級(jí)公司已經(jīng)開(kāi)始使用Smaray。