搜索
昨天，奇绩创坛举办了 2026 年春季创业营路演日，共有 56 个项目上台。从赛道分布来看，覆盖： 智能体（39 家）、具身与物理智能（19 家）、数据（10 家）、AI 基础设施（14 家）、FDE & AI 咨询（10 家）。
大模型还在混战，AI及智能硬件市场先跑出了三个“爆款”：AI眼镜、AI录音笔、3D打印机。
当前，Coding Agents 在软件工程领域一路高歌猛进，科学家们看到此场景，也不禁寄予厚望：AI 智能体何时能以同样的速度，帮人类攻克药物设计、病毒监控与生物学建模的重重难关？
“你将有机会参与从MW（兆瓦）到GW（吉瓦）级基础设施的规划与建设。”
Meta 发布了一项令人震撼的研究工作 VLM³，首次揭示了三维视觉学习的 Bitter Lesson：标准的视觉语言模型 + scale 数据就是最简单有效的范式，针对特定任务的架构、损失函数以及数据增强的设计，甚至是 regression 的 formulation，均不是三维视觉学习的必要条件。
数百万用户、超千万ARR，还能保持25%月环比增长，这是一家AI应用公司已经跑出来的真实数据。为什么大多数AI应用仍困在“用的人多、赚钱难”，而它却能持续增长？
奥特曼亲口承认，OpenAI内部token消费冠军月烧1000亿个，还不是全球第一。
如果你接触过“氛围编程”（Vibe coding）、开发过 AI 应用，或许会对 Supabase 的名字感到熟悉。它是全球无数独立开发者最信赖的默认后端之一，也在最近一年里，成了资本热捧的开源巨头。
北大彭宇新团队提出「美学照片重构」新任务，从摄影教学视频中自动构建数据集AesRecon，并开发两阶段模型AesFormer，通过优化构图、视角与人物姿态，提升照片的美感与艺术表现力。
近年来，大语言模型能力的提升，已不再仅仅依赖于更大的模型规模或更多的训练数据。越来越多的研究开始探索另一条路径：通过多个专家模型的协作来完成生成任务。