瑞为技术即是其中的代表性企业。史淼泓表示，源于多年的经验，瑞为早已识别到行李搬运这一痛点，从单款机器人到全链条方案的推进，也体现了瑞为的整体战略路径：从真实的生产任务出发，先通过成熟的专用机器人突破单点自动化和人机协同，再逐步向更加复杂的柔性操作、多机器人协同和自主作业演进，最终推动机器人参与更加完整的生产流程。基于这一逻辑，瑞为正在形成一条从场景到能力的闭环路径，真实场景定义任务，机器人进入生产

与宇树"抱元守一"的单一主体路线不同，智元选择"化整为零"：以母公司为"1"，将零部件、数据、运营等能力拆分为"5"大独立子公司——临界点（灵巧手）、觅蜂科技（数据采集）、擎天租（机器人租赁）、智元酷拓（四足机器人）、智鼎机器人（商用清洁），各自独立融资、独立发展，最后以资本纽带辐射"N"个生态合作伙伴。宇树的架构可以用“抱元守一”来形容，包括王兴兴在内，宇树的核心研发人员仅3人，下设管理、生产、

人类数学家撰写证明时，困难部分通常会留下某种“自然摩擦”：更谨慎的引理、记号的突然变化、反复修改过的段落，或者一句说明某处不容易的解释。理解我们周围的世界；可是，如果最强版本成立，问题就会完全不同了，到那时，数学共同体过去围绕“尽可能多地解决未解决问题”建立的文化和评价体系，可能无法继续正常运转。只是这一次接受压力测试的，不再是“数学真理凭什么成立”，而是另一套一直没人写下来的东西——数学实践里的

王鹤多次讲到WAM-TTT，希望机器人去一个新的客户现场后，客户只需要拍摄员工怎么干活，不需要人工逐条标注，也不需要先由遥控操作员控制机器人重新采完整轨迹，就能够通过测试时训练让基础模型适应新的环境和任务。如果连续看过这两年的机器人展，这些画面会带来一种奇怪的熟悉感：机器人明显更多了，但它们做的事情，似乎没有发生与产业热度匹配的跃迁。去年抓杯子，今年还在抓杯子；王鹤表示，在宁德时代，银河已经度过单

当然，这本身也并不是新概念。2019年，加州大学伯克利分校与脸书AI团队发表的论文《Manipulation by Feel》，已经在利用触觉预测模型控制机器人操作。近期变化在于，触觉开始进入规模更大、同时处理视觉和动作的世界模型体系。而触觉预测能力，恰恰是纯视觉世界模型最容易露怯的地方。

水下、矿场、消防现场的地形和任务差异很大，现场因此出现了轮式、履带式、轮足式、四足、无人机和水下机器人等不同形态。论坛上，企业家和研究者谈大脑、本体、世界模型、开发者、开源和数据供应链，也谈家庭陪护、安全治理和责任边界。再往里走，展台上的机器人做着不起眼、却更像“打工人”的活儿：传送带转个不停，机械臂一次次落位，有的在分拣包裹，有的在搬运料箱，还有的机器人低着头，努力把衣服叠好、把桌上的杂物归位。

知名嵌入式工程师Jacob也认为，AI可以帮助工程师更快开发高质量固件，但最终的软件质量和安全责任仍然在人，尤其是在汽车等安全关键领域，AI生成代码之后，人工审核、测试和验证仍不可替代。此外，工程师还提出了一个更值得关注的方向：未来的嵌入式AI IDE不应该只是一个“AI聊天框”，而应该能够同时理解数据手册、应用笔记、原理图、Gerber、寄存器映射和项目代码，在完整硬件上下文中生成驱动、应用层和

沌序科技面对的并不是一片无人区。恰恰相反，“怎么组织越来越多的智能体”，正在变成AI行业共同关注的问题。软件世界里，大模型厂商正在把多Agent协作和工作流编排做成基础能力；物理世界里，Shield AI、Anduril等自主系统公司也在让不同平台、传感器和无人系统协同工作。甚至到了2026年，类似的产品边界仍在继续扩张。Applied Intuition推出了面向Physical AI的Agen

德意志银行研究院主题策略师Adrian Cox在最新报告中指出，AI的70年历程充满繁荣与萧条的交替，而当前这轮投资与估值热潮，正在重演历史上多次出现的技术革命范式。与此密切相关的是，AI的进步速度已超越摩尔定律。以对数坐标呈现训练算力的历史数据，可以清晰看出，自1956年至今，用于训练主要AI系统的算力增长跨越了数十个数量级，而线性图表的视觉呈现则几乎将这一趋势完全掩盖。报告援引数据显示，目前美

从这个意义上看，瑞数信息此次发布的《2026自动化威胁报告》，不仅是一份对自动化攻击趋势的年度观察，也提供了一个观察AI Agent时代网络安全变化的新视角：未来的互联网，可能不再只是“人与机器交互”的网络，而是一个人类、Bot与Agent共同参与的复杂数字生态。当用户打开网页、搜索商品、调用服务时，越来越多的请求背后，可能并不是一个真实的人，而是Bot、爬虫，甚至是能够自主理解任务、调用工具并完