关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
今天向大家正式介绍下 ListenHub x 知乎 24 小时电台
我们把知乎日报和每日热榜搬进了 ListenHub！
它变成了一个24小时不打烊的电台📻
不管是早起洗漱、还是下班路上，
不用再盯着手机屏幕。
来用 ListenHub 听知乎热榜！
这个温暖的电台会一直陪伴你到元宵节
这也是 ListenHub 电台计划的第一弹，后续我们会陆续和其他品牌合作，一起推出丰富的 24 小时电台
ListenHub 所有的电台都将是完全免费的。
我们正在探索一个 AI 时代的电台形态。
https://listenhub.ai/zh/radio?utm_source=media&utm_medium=social
以小博大直接爆15000倍 点击查看
实力盘总4000一拉直接爆2304000 点击查看
注册升级领18888， 每周送福利5888
每日存款彩金每日送，每笔存款加赠
🌐 官网注册网址 : 1820036.com
💖专属VIP客服： @vipkf_182ty8
💖吃瓜搞笑：@chiguagaoxiaoxinwen
我最近在研究机器人赛道，发现了一个反常识的现象。
按理说，2024到2025年资本市场整体偏冷，一级市场尤其难。
但有家公司，半年时间完成了7轮融资，金额加起来好几个亿，直接跻身独角兽阵营。
这家公司叫智平方。
我一开始也觉得奇怪，机器人这个赛道，光是做demo视频的公司就一大堆，为什么偏偏是它能跑出来？
后来仔细研究了一下，发现背后有个很有意思的逻辑。
你可以把具身智能理解成「让AI真正拥有一个身体」。
以前的AI，比如ChatGPT，它只能在屏幕里跟你聊天。
但具身智能不一样，它要让AI控制一个实体机器人，在物理世界里干活。
但你会发现，很多公司发的视频特别惊艳，机器人又是翻跟头又是跳舞，观众看完直呼厉害。
但你真把这机器人拉到工厂里，让它干点实际的活儿，它就歇菜了。
为什么会这样？
因为做demo和做产品，根本是两码事。
demo只需要在理想环境下成功一次就行，但产品需要在复杂环境下稳定运行几万个小时。
这中间的差距，比大多数人想象的要大得多。
那智平方做对了什么？
我后来去翻了很多资料，包括摩根士丹利去年发的两份报告。
大摩在报告里反复提到智平方，这在他们的研究体系里其实挺少见的。
他们给出的评价是：智平方是少数能同时实现「技术领先」和「商业验证」的公司。
这句话怎么理解？
第一层是模型能力。
智平方自研了一个叫GOVLA的大模型，这个模型的核心能力是让机器人具备「通用智能」。
通用智能就是你不用针对每个任务单独编程，机器人能自己理解指令然后执行。
根据公开数据，GOVLA的性能比国际上被广泛对标的π0模型高出30%左右。
第二层是硬件量产。
光有一个聪明的大脑还不够，你得有一个能批量生产、稳定可靠的身体。
智平方的AlphaBot系列机器人，核心部件已经跑过5万小时的无故障测试。
他们还自建了产线，2025年就具备了千台的年产能。
第三层是真实场景落地，这是最关键的。
智平方的机器人不是在实验室里表演，而是真的进了工厂。
半导体制造、汽车制造、生物科技这些领域，都有他们的机器人在实际工作。
这三层能力，其实对应着一个很经典的商业模型。
你可以想象一下智能手机刚出来那会儿，苹果为什么能成功？
不只是因为iOS系统好用，也不只是因为iPhone硬件设计漂亮，而是因为它把软件、硬件、应用生态这三件事同时做到了。
单独做一个好用的操作系统，诺基亚也试过，塞班系统当年市场份额很高。
单独做漂亮的硬件，摩托罗拉、三星都不差，但把这三件事串起来形成飞轮效应的，只有苹果。
智平方在机器人领域做的，本质上是同一件事。
他们的创始人郭彦东有句话说得挺直接：没有AI，机器人就是一堆金属；没有硬件，AI就是一堆代码；没有场景，产品就是个demo。
这三样东西必须同时存在，才能转起来。
说到这儿，就不得不提智平方和惠科的那笔合作了。
惠科是全球第三大面板厂，他们跟智平方签了一个3年1000台、金额接近5亿人民币的订单。
这个数字在中国人形机器人领域，目前是最大的一笔。
但光看数字还不够，更重要的是这笔订单的性质。
它不是那种象征意义大于实际意义的战略合作，也不是买几台放在展厅里做展示。惠科是真的把这些机器人部署到了生产线上，用来做上下料、物料转运这些实际工作。
换句话说，这是一笔经过真实场景验证的商业订单。
摩根士丹利在报告里专门提到这笔交易，把它作为判断「机器人时代正在加速到来」的一个关键证据。
在大摩的分析框架里，这代表着行业从「技术验证」阶段跨越到了「商业验证」阶段。
最后聊一个更长远的事儿。
《从优秀到卓越》这本书里，作者柯林斯提出过一个「飞轮模型」的概念，意思是说，好的商业模式应该像一个巨大的飞轮，一开始推动它很费力，但只要坚持往同一个方向推，它会越转越快，最终形成一种自我强化的势能。
智平方现在做的事情，正好符合这个模型。
机器人在真实场景里工作，会产生大量数据。这些数据反哺到模型训练里，让AI变得更聪明。AI更聪明之后，机器人就能应对更复杂的任务，进入更多场景。更多场景又意味着更多数据。
这个循环一旦转起来，后来者就很难追了。
因为数据这种东西，是没办法用钱直接买到的，它必须靠真实的部署和运行，一点一点积累。
目前，作为唯一构建“模型×硬件×应用”三位一体护城河的具身智能独角兽，智平方已经有千台级别的机器人在半导体制造、汽车制造、公共服务等多个真实场景中持续运行。
按照他们的规划，2026年产能要扩展到万台规模。如果这个目标能实现，他们的数据飞轮会转得更快。
这大概也是为什么资本愿意在寒冬里下注的原因，他们看中的不只是现在的技术指标，而是这套「越用越聪明」的系统级能力。
在一个所有人都在卷模型分数的行业里，已经有人把机器人送进了工厂。
这件事本身，可能比任何一个技术参数都更有说服力。
按理说，2024到2025年资本市场整体偏冷，一级市场尤其难。
但有家公司，半年时间完成了7轮融资，金额加起来好几个亿，直接跻身独角兽阵营。
这家公司叫智平方。
我一开始也觉得奇怪，机器人这个赛道，光是做demo视频的公司就一大堆，为什么偏偏是它能跑出来？
后来仔细研究了一下，发现背后有个很有意思的逻辑。
你可以把具身智能理解成「让AI真正拥有一个身体」。
以前的AI，比如ChatGPT，它只能在屏幕里跟你聊天。
但具身智能不一样，它要让AI控制一个实体机器人，在物理世界里干活。
但你会发现，很多公司发的视频特别惊艳，机器人又是翻跟头又是跳舞，观众看完直呼厉害。
但你真把这机器人拉到工厂里，让它干点实际的活儿，它就歇菜了。
为什么会这样？
因为做demo和做产品，根本是两码事。
demo只需要在理想环境下成功一次就行，但产品需要在复杂环境下稳定运行几万个小时。
这中间的差距，比大多数人想象的要大得多。
那智平方做对了什么？
我后来去翻了很多资料，包括摩根士丹利去年发的两份报告。
大摩在报告里反复提到智平方，这在他们的研究体系里其实挺少见的。
他们给出的评价是：智平方是少数能同时实现「技术领先」和「商业验证」的公司。
这句话怎么理解？
第一层是模型能力。
智平方自研了一个叫GOVLA的大模型，这个模型的核心能力是让机器人具备「通用智能」。
通用智能就是你不用针对每个任务单独编程，机器人能自己理解指令然后执行。
根据公开数据，GOVLA的性能比国际上被广泛对标的π0模型高出30%左右。
第二层是硬件量产。
光有一个聪明的大脑还不够，你得有一个能批量生产、稳定可靠的身体。
智平方的AlphaBot系列机器人，核心部件已经跑过5万小时的无故障测试。
他们还自建了产线，2025年就具备了千台的年产能。
第三层是真实场景落地，这是最关键的。
智平方的机器人不是在实验室里表演，而是真的进了工厂。
半导体制造、汽车制造、生物科技这些领域，都有他们的机器人在实际工作。
这三层能力，其实对应着一个很经典的商业模型。
你可以想象一下智能手机刚出来那会儿，苹果为什么能成功？
不只是因为iOS系统好用，也不只是因为iPhone硬件设计漂亮，而是因为它把软件、硬件、应用生态这三件事同时做到了。
单独做一个好用的操作系统，诺基亚也试过，塞班系统当年市场份额很高。
单独做漂亮的硬件，摩托罗拉、三星都不差，但把这三件事串起来形成飞轮效应的，只有苹果。
智平方在机器人领域做的，本质上是同一件事。
他们的创始人郭彦东有句话说得挺直接：没有AI，机器人就是一堆金属；没有硬件，AI就是一堆代码；没有场景，产品就是个demo。
这三样东西必须同时存在，才能转起来。
说到这儿，就不得不提智平方和惠科的那笔合作了。
惠科是全球第三大面板厂，他们跟智平方签了一个3年1000台、金额接近5亿人民币的订单。
这个数字在中国人形机器人领域，目前是最大的一笔。
但光看数字还不够，更重要的是这笔订单的性质。
它不是那种象征意义大于实际意义的战略合作，也不是买几台放在展厅里做展示。惠科是真的把这些机器人部署到了生产线上，用来做上下料、物料转运这些实际工作。
换句话说，这是一笔经过真实场景验证的商业订单。
摩根士丹利在报告里专门提到这笔交易，把它作为判断「机器人时代正在加速到来」的一个关键证据。
在大摩的分析框架里，这代表着行业从「技术验证」阶段跨越到了「商业验证」阶段。
最后聊一个更长远的事儿。
《从优秀到卓越》这本书里，作者柯林斯提出过一个「飞轮模型」的概念，意思是说，好的商业模式应该像一个巨大的飞轮，一开始推动它很费力，但只要坚持往同一个方向推，它会越转越快，最终形成一种自我强化的势能。
智平方现在做的事情，正好符合这个模型。
机器人在真实场景里工作，会产生大量数据。这些数据反哺到模型训练里，让AI变得更聪明。AI更聪明之后，机器人就能应对更复杂的任务，进入更多场景。更多场景又意味着更多数据。
这个循环一旦转起来，后来者就很难追了。
因为数据这种东西，是没办法用钱直接买到的，它必须靠真实的部署和运行，一点一点积累。
目前，作为唯一构建“模型×硬件×应用”三位一体护城河的具身智能独角兽，智平方已经有千台级别的机器人在半导体制造、汽车制造、公共服务等多个真实场景中持续运行。
按照他们的规划，2026年产能要扩展到万台规模。如果这个目标能实现，他们的数据飞轮会转得更快。
这大概也是为什么资本愿意在寒冬里下注的原因，他们看中的不只是现在的技术指标，而是这套「越用越聪明」的系统级能力。
在一个所有人都在卷模型分数的行业里，已经有人把机器人送进了工厂。
这件事本身，可能比任何一个技术参数都更有说服力。
神秘悍匪爆庄·3 天爆提1086 万USDT
爆庄王者 首充1000,6天狂赚120万U
爆奖接力 玩家500一拉爆奖133万U
官方同步 · 实时开奖 · 公平透明
✅ #球速 体育
球速体育 大会员再创新高：
✅ u存u提每日提款无上限，随便提、全球不限ip、免实名、无需绑定手机号码和银行卡，大额出款无忧 （您的最佳选择，欢迎体验）
🔥平台
注册升级领18888， 每周送福利5888
每日存款彩金每日送，每笔存款加赠
💖vip客服专属热线，添加客服领取活动福利
🌐官网客服： @QSTY567
感谢用过亿营收带来的真知灼见，非常同意，但可以微信教教我怎么做到低于 30... //@JS瞎讲讲: 橘总最后那句还是很对的，AI时代的增长范式和以前有很大区别，所以算账也不能用原来方法来。
简单说几个我们最近一年的验证：
1、可以彻底不要注册用户，只要付费用户
2、只要别和“大厂”抢量，付费用户投放成本有机会做到低于30元
3、中国付费用户可以做到客单价3000元+
4、ROI可以从开始就跑正，不正不投
5、配合直播之类的转化方式，转化率最高可以做到25%+
6、自媒体koc流量不一定比投放便宜,因为投放平台的算法精准度现在也是历史最强
转发 @OrangeAI: 今天投放一个 AI 产品的价格是非常昂贵的
投放多贵呢？
要获得一个注册用户，大概要花2-3美金。
要获得一个付费用户，大概要花50-100美金的成本。
要算 ROI 是根本算不过来的。
要算 LTV 是将将能算过来的。
但是今天 AI 工具的毛利率平均也就 40%，算上 token 成本和营销成本，总体 ROI 是死活也算不过来的。
所以今天做 AI 产品，最重要的还是先做好有机增长系统
把 40% 的毛利用好，养团队，买算力。
在健康的基础上，全力增长。
为什么以前移动互联网时代，可以疯狂投放呢？
其实疯狂只是个情绪化的词，用理性细看根本不疯狂。
那时候增长非常便宜，早期拼多多的获客成本只有1块钱，即便涨到后来 21 块钱的时候，也比同期的阿里和京东的50块钱要低一半以上。
可惜时代已经变了，今天注意力经济是饱和的，各种服务都是饱和的。
新的超级 APP 一定会伴随新的增长方式、新的经济体系而诞生。
简单说几个我们最近一年的验证：
1、可以彻底不要注册用户，只要付费用户
2、只要别和“大厂”抢量，付费用户投放成本有机会做到低于30元
3、中国付费用户可以做到客单价3000元+
4、ROI可以从开始就跑正，不正不投
5、配合直播之类的转化方式，转化率最高可以做到25%+
6、自媒体koc流量不一定比投放便宜,因为投放平台的算法精准度现在也是历史最强
转发 @OrangeAI: 今天投放一个 AI 产品的价格是非常昂贵的
投放多贵呢？
要获得一个注册用户，大概要花2-3美金。
要获得一个付费用户，大概要花50-100美金的成本。
要算 ROI 是根本算不过来的。
要算 LTV 是将将能算过来的。
但是今天 AI 工具的毛利率平均也就 40%，算上 token 成本和营销成本，总体 ROI 是死活也算不过来的。
所以今天做 AI 产品，最重要的还是先做好有机增长系统
把 40% 的毛利用好，养团队，买算力。
在健康的基础上，全力增长。
为什么以前移动互联网时代，可以疯狂投放呢？
其实疯狂只是个情绪化的词，用理性细看根本不疯狂。
那时候增长非常便宜，早期拼多多的获客成本只有1块钱，即便涨到后来 21 块钱的时候，也比同期的阿里和京东的50块钱要低一半以上。
可惜时代已经变了，今天注意力经济是饱和的，各种服务都是饱和的。
新的超级 APP 一定会伴随新的增长方式、新的经济体系而诞生。
