AI日报 – 2026年08月04日

4K开源生图，国产新王炸

▲图片由AI生成 4K-直出、开源权重、中文场景理解、低显存推理

[众享AI摘要] 商汤科技近日预览了其新一代生成式AI模型SenseNova U1.5 Lite，主打4K分辨率图像直出能力，且模型权重完全开源。该模型采用改进的扩散Transformer架构，在保持高细节还原的同时，将推理显存占用降低约40%，支持文本到图像、图像编辑及局部重绘等多任务。与主流闭源模型相比，U1.5 Lite在中文场景理解、复杂提示词遵循度上表现突出，尤其擅长生成包含汉字招牌、传统建筑等本土文化元素的画面。4K直出意味着无需超分后处理即可用于印刷、电商海报、影视分镜等专业场景，大幅缩短创作流程。开源策略允许开发者本地部署、微调，适配企业私有化需求，降低了高端视觉生成工具的使用门槛。该模型预计将于近期在商汤官方平台及Hugging Face同步发布，届时将公开完整训练代码与推理脚本，或引发新一轮国产开源生图工具的热潮。

AI工作流规模化：从惊艳到产线，谁在填坑？

[众享AI摘要] AI内容生产正经历从“技术验证”到“产业落地”的关键跨越，单点生成能力已不再是门槛，真正的瓶颈在于工作流能否稳定运转、协作生态能否有效构建。在2026 ChinaJoy AI未来生态大会上，36氪游戏主编刘士武与Funloom AI CEO吴同、阿里云智能集团公共云AI原生事业部副总经理艾文、VAST战略负责人罗小我、珀乐互动科技创始人杨晟展开圆桌讨论，聚焦AI在游戏行业工作流中的实际应用痛点与解决方案。嘉宾分别代表AI产线上的不同角色：Funloom AI专注UGC互动内容共创平台，帮助用户将想法落地为可商业化的游戏、影视、文学内容；阿里云提供AI原生算力与MaaS服务，支撑AI原生客户从云服务向Tokens、Agent工具服务商转型；VAST与珀乐互动则分别从3D生成与互动科技角度切入。讨论核心指向：技术红利终将趋平，行业最终比拼的是对场景的理解深度与工程化落地能力，而非模型本身的生成效果。

十亿订单背后：具身智能卡在数据

[众享AI摘要] 博登智能创始人赵捷在对话中指出，尽管公司手握十亿级订单，具身智能行业当前最核心的瓶颈并非硬件算力或算法架构，而是高质量训练数据的稀缺。赵捷强调，机器人真正的能力跃迁往往发生在失败后的纠错过程中——系统能否记住人类如何修正错误，并将这一过程转化为可复用的数据资产，决定了具身智能的泛化水平。目前行业普遍依赖遥操作采集和仿真合成数据，但真实物理交互中的长尾场景、非结构化操作及人类示教细节仍难以覆盖。博登智能正通过自研数据采集闭环系统，将“失败-纠正-复现”流程标准化，以提升数据质量与效率。这一路径直接关系到具身智能从实验室走向规模化落地，尤其在工业装配、家庭服务等复杂场景中，高质量数据将成为决定订单交付能力与产品迭代速度的关键壁垒。

千问办公实测：AI带货全流程一键搞定

[众享AI摘要] 阿里正式推出企业级Agent产品千问办公并开启公测，该产品由QoderWork、MuleRun和悟空三大工具整合而来，同时上线旗舰模型Qwen3.8-Max。实测中，作者通过递进式任务验证其多模态能力与工作流连贯性：从Mac磁盘占用分析、虚构电商数据看板制作，到发布会PPT生成及完整营销物料生产，千问办公均能自主完成。其核心亮点在于打通了“数据分析—可视化呈现—内容创作—营销落地”的完整链路，用户仅需自然语言指令即可驱动AI完成跨步骤复杂任务。在带货场景测试中，千问办公可自动生成商品卖点提炼、社交媒体文案、海报设计建议及短视频脚本，显著降低电商运营的创作门槛。该产品定位企业级生产力工具，未来或将对标微软Copilot生态，成为阿里在AI Agent赛道的核心竞争产品。

双AI协作：成本砍半，效率翻倍

[众享AI摘要] 作者分享了一套多Agent协作工作流，核心是让Fable 5与Codex（GPT-5.6 Sol）各司其职。Fable 5负责生成技术方案文档，该文档结构清晰、便于批注，能让其他Agent快速理解任务上下文。方案确认后，执行/compact命令压缩上下文，显著降低后续调用成本。随后将压缩后的文档交给Codex（GPT-5.6 Sol xhigh）负责具体代码执行。这一分工兼顾了方案质量与执行性价比：Fable 5擅长复杂逻辑推演与方案验证，而Codex在代码实现上效率更高。作者强调，通过文档化交接与上下文压缩，可避免多Agent协作中的信息冗余与token浪费，尤其适合长周期、多步骤的复杂开发任务。该工作流为AI Agent的工程化落地提供了可复用的实践范式，适用于技术方案评审、代码生成、任务拆解等场景，能有效平衡质量、速度与成本。

具身智能估值崩了？按生产力重算

[众享AI摘要] Demo演示驱动的高估值时代正式落幕，具身智能赛道正经历从“概念叙事”到“生产力核算”的残酷估值重构。过去，人形机器人企业凭借一段惊艳的行走、抓取或叠衣视频，即可获得数十亿乃至上百亿美金的估值，资本为“可能性”支付溢价。如今，随着技术成熟度曲线进入低谷，投资人与产业方开始用更冰冷的指标——单位时间有效任务完成量、故障率、能耗成本、产线替换ROI——来重新衡量每一台机器人的真实价值。这一转变直接导致多家明星初创公司融资受阻，估值普遍回调30%-50%，部分依赖纯Demo融资的二三线企业面临断粮危机。与此同时，具备真实场景落地能力（如仓储分拣、汽车产线拧螺丝、高危环境巡检）的公司反而获得溢价，估值逻辑从“技术领先”转向“商业闭环”。行业洗牌加速，头部效应凸显，具身智能正式进入“按生产力算账”的理性期，这既是泡沫出清，也是产业走向成熟的必经阵痛。

可灵3.0实测：电影感满分，长叙事翻车？

[众享AI摘要] 本次针对可灵3.0的深度压力测试，围绕经典IP《霸王别姬》原创脚本《霸王别姬·前世今生》，利用首尾帧图生视频与主体绑定功能，从人物一致性、构图空间、光影氛围、动作运镜四大维度展开。测试结论明确：可灵3.0在单目标短动作镜头上表现惊艳，构图、光影、情绪氛围及人物一致性均达到高质量电影感水准，尤其适合广告、商业短片及关键镜头创作。然而，一旦任务涉及跨空间移动、多道具交互或多人物打斗等复杂叙事场景，画面稳定性急剧下降，最终效果高度依赖提示词设计、参考图质量、镜头时长拆分及分镜策略。模型当前更适合作为“关键镜头生成器”，而非完整叙事影片的独立创作工具。更稳妥的创作路径是将长动作拆解为单目标短镜头，再通过后期剪辑串联成完整段落。本次测试旨在探索可灵3.0的能力边界与稳定创作方法论，而非对其性能盖棺定论。

硅光新锐获数千万融资，剑指千亿OIO市场

[众享AI摘要] 量引科技完成数千万元天使轮融资，由珠海科技产业集团领投，珠海正方集团、险峰跟投，资金将用于团队扩充、流片迭代及设备补充。该公司成立于2024年，聚焦光子集成电路，核心方向为硅光子传输芯片（PIC）、共封装光学（CPO）及芯片级光互连（OIO）。创始团队堪称豪华：创始人李耀基拥有30余年集成电路经验，曾任Cadence中国区CTO；CTO赵京雄拥有英特尔、思科多年AI芯片与硅光架构设计背景；首席科学家Craig Peterson曾主导英特尔多代处理器及芯片组设计。随着大模型训练推动算力集群向1.6T/3.2T速率演进，传统可插拔光模块在功耗、热密度和链路可靠性上逼近物理极限，CPO/OIO被业界视为通往超高速光互连的唯一路径。量引科技以微环调制器（MRM）为切入点，自研单通道200G MRM，构建1.6T及更高速率硅基光芯片，并布局CPO方案与Optical I/O Chiplets，旨在去除DSP、缩短电传输距离，将系统光互连能耗降至极低。公司还攻克了MRM温度敏感难题，自研实时温控反馈及电均衡算法IP，并掌握底层硅光PDK自研能力，采用国内自主可控的成熟CMOS工艺，规避高端制程供应链风险。据预测，OIO最终渗透至每颗高端GPU/CPU，潜在市场达千亿美元级别。

字节合围：豆包重构AI商业闭环

[众享AI摘要] 字节跳动正以AI助手“豆包”为核心，系统性重构其AI时代的商业闭环，形成对百度、阿里等老牌巨头的合围之势。豆包不再仅是聊天工具，而是被嵌入字节系全线产品——抖音、今日头条、飞书、剪映等，成为统一的内容推荐与生成引擎。技术上，字节自研的“云雀”大模型持续迭代，支持多模态理解、长文本处理与实时视频生成，并已开放API供开发者调用。商业层面，豆包通过会员订阅、企业定制、广告精准投放及电商导购分成等多重模式变现，同时以极低推理成本（据称较行业平均降低40%）抢占中小开发者生态。这一策略将AI能力从“单点工具”升级为“基础设施”，不仅提升用户粘性，更意图在智能硬件（如AI耳机、智能眼镜）与海外市场复制TikTok式扩张。分析认为，字节的合围并非简单功能叠加，而是以数据飞轮驱动场景联动，其威胁在于：一旦豆包成为超级入口，传统搜索与云服务商的AI营收模式将面临直接挤压。

AI大回调是上车机会？大摩120页报告揭秘

[众享AI摘要] 摩根士丹利发布120页深度研报，将近期AI板块的剧烈波动定性为技术性回调，而非基本面逆转。报告指出，当前AI基础设施投资仍处于早期扩张阶段，云计算资本开支、数据中心建设及芯片订单未出现实质性放缓。研报重点分析了三大支撑逻辑：一是大模型训练需求持续攀升，头部厂商算力采购预算同比仍保持高增长；二是推理成本快速下降正催生更多AI应用场景，推动需求侧扩容；三是全球科技巨头对AI的资本开支指引未下调，产业链订单能见度仍高。报告同时提示，短期波动主要源于估值消化与获利了结，而非产业趋势改变。大摩认为，具备核心算力资源、自研芯片能力及云服务生态的公司，在回调后具备更高配置价值。该报告为投资者提供了在恐慌情绪中重新审视AI长期逻辑的框架，强调应区分短期价格波动与产业真实景气度。

千问办公公测：企业Agent化，办公自动化新拐点

[众享AI摘要] 千问办公（QwenWork）正式开启公测，标志着AI办公从个人效率工具向企业级Agent平台跃迁。该产品将传统对话式助手升级为组织级工作台，左侧功能菜单扩展至网页生成与部署、多模态内容生产、数据清洗分析等复杂任务执行。核心创新在于其企业级Agent架构：通过钉钉生态深度整合，实现群聊内直接调用Agent完成跨部门协作，将个人工作流连接为组织级自动化流程。技术层面，千问办公支持技能沉淀——企业可将高频操作固化为标准化Agent模板，供团队成员复用；同时具备上下文记忆与权限管理能力，确保在数据安全前提下实现任务自动流转。该产品对企业的直接价值在于降低流程自动化门槛：非技术人员可通过自然语言配置Agent，完成报表生成、客户跟进、文档审阅等重复性工作。长远来看，千问办公与钉钉的绑定，可能重塑企业软件交互范式——从“人找应用”转向“Agent找人”，并推动办公数据资产化。其公测表现，将直接影响国内企业级AI Agent赛道的竞争格局。

DeepSeek V4 Flash：8万亿Token日耗，价格屠夫斩杀谁？

[众享AI摘要] DeepSeek V4 Flash 以单日消耗8万亿Token的惊人数据，远超OpenRouter全平台日均规模，成为AI模型市场现象级产品。其核心策略在于极致的低价与架构优化：通过MoE（混合专家）架构的稀疏激活机制，大幅降低推理成本，同时利用动态批处理和KV Cache压缩技术提升吞吐效率。这一组合使V4 Flash在同等性能下，API调用价格仅为行业均值的十分之一，直接击穿市场心理底线，形成所谓的「斩杀线」。该模型不仅冲击了OpenAI、Anthropic等闭源厂商的定价体系，更迫使中小模型厂商重新评估生存空间。商业上，DeepSeek采用「以量换价」的激进策略，通过开源权重吸引开发者生态，再以企业级服务变现。对开发者而言，这意味着推理成本骤降，可更自由地探索长上下文、多轮对话等重计算场景；对行业而言，则可能加速AI应用普及，但也引发对模型同质化与算力浪费的担忧。V4 Flash的爆发标志着大模型竞争从参数竞赛转向效率与成本的双重博弈。

硬件之年，来了！?

[众享AI摘要] WAIC 展会 H4 展区集中展示了 153 个 AI 硬件项目，标志着 AI 从纯软件 Agent 向具身化产品加速转变。展品覆盖肩戴式 AI 宠物、智能台灯、AI 打印机等多样化形态，开发逻辑从“模型能力”转向“用户数据与场景深度分析”。产品定价跨度极大，从百元级消费电子到万元级专业设备并存，反映出市场定位的分层。技术路线上，端侧推理芯片、多模态传感器融合、轻量化大模型部署成为主流选择，但各厂商方案高度碎片化，缺乏统一接口与评测标准。商业化路径呈现两极分化：部分产品通过高频交互场景快速验证需求，另一些则陷入“演示惊艳、量产乏力”的困境。文章指出，硬件驱动型赛道面临迭代速度慢、供应链成本高、生命周期短等结构性挑战，标准缺失进一步放大试错成本。整体来看，2025 年 AI 硬件正从概念验证走向初级规模落地，但“硬件之年”的真正成熟仍需跨过标准化与可持续盈利两道门槛。