这是一种把“干活权”的授予权交还给App的设计。豆包手机、Rokid眼镜做的，本质上都是在用具体的产品体验，把用户的“担忧”一点点转化成“习惯”。EY在2026年AI情绪调查中，覆盖23个国家、超过18000名受访者，数据显示：16%的受访者在过去六个月内已经使用过“代表自己行动”的AI系统，但与此同时，66%的人担心AI系统被黑客攻击或入侵，近70%的人表示人类监督仍然不可或缺。手机试探的是“操

默认情况下，预测和验证走的是多对一头加NMS，但导出模型时，你可以设置。而对于开发者和爱好者来说，理解这段进化史，比记住某个版本的参数更重要——因为它揭示了技术演进的逻辑：每一次突破，都是在速度、精度和部署成本之间重新找平衡。2010年代，深度学习爆发，卷积神经网络（CNN）让计算机能自动从数据里学习特征，不用再靠人工设计，检测精度一下子被拉高了一大截。它的做法是把整张图划分成网格，每个网格直接预

同期40场细分产业论坛与技术峰会，全面覆盖物联网与AI领域当下热门赛道，从底层技术突破、行业场景落地到全球化市场拓展，汇聚产业专家、技术大咖与企业代表深度分享。→物联感知与通信方向：涵盖RFID无源物联网、高精度定位、毫米波雷达、微能量收集，以及LoRa、Matter、Wi-SUN等主流通信协议的技术演进与产业应用。→AI前沿技术方向：聚焦具身智能、人形机器人、物理AI、端侧边缘AI、AI智能硬件

AI功能如今已经是PTZ摄像机标配，诸如自动跟踪、自动取景、自动框选、自动构图等等。但AI功能需要持续运行深度学习模型，对算力有持续需求，所以我们需要解决一个问题：“算力从哪来？部署在哪里？”。目前主流方案有三种：内置、外挂、上平台。

8月17日，AI语音交互公司Wispr宣布完成2.8亿美元B轮融资，Menlo Ventures领投，投后估值达20亿美元，累计融资3.61亿美元。资金核心投向是会议场景——Wispr从个人听写工具向企业会议助手转型，推出Notetaker会议笔记产品，并成立Wispr Interface Labs探索下一代人机交互界面。会议，成为本轮融资故事的核心叙事。

到了2026年，FPGA竞争焦点已经从能跑AI转向性能的极限榨取和物理形态的极限压缩——FPGA行业的两大势力Altera和Efinix相继发布新品，前者重塑软件范式，使AI推理速度提升28倍，后者重构硬件底层，将功耗减半、体积缩减60%。2010年后深度学习兴起，FPGA变得更香了，高并行、低延迟、可重配置，比GPU功耗低，比ASIC灵活，很适配边缘AI推理，FPGA厂商纷纷推出AI专用开发套件

这让边缘AI显得更为迫切，而据IDC数据显示，超过45%的企业已将边缘AI纳入核心战略，到2027年推理将占智能算力需求的70%以上，边缘基础设施的增速将全面超过核心数据中心。边缘AI（边缘人工智能，Edge AI） 是指将人工智能算法和模型直接部署在网络边缘的设备上——也就是数据产生的源头，或靠近数据源的地方——让设备在本地完成数据的处理、分析和决策，无需依赖远端的云服务器。一个形象的比喻：云端

不过，DeepSeek 现有系统本质上仍是大型语言模型（LLM），要进军机器人领域，就需要获得真实世界训练数据，而这正是宇树能够提供的。人形机器人领域的竞争焦点，正日益从"会走"转向"更智能"。考虑到宇树的市场地位，从其已部署机器人采集的数据，可能显著加快 DeepSeek 的机器人 AI 研发进程。中国自主研发的机器人模型，既有宇树、智元等机器人厂商使用的专有系统，也有字节跳动的 GR-3 与

当前边缘AI行业正处在概念验证向规模化部署过渡的关键转折期，能不能构建与之匹配的工程能力和管理体系，将决定边缘AI最终是昙花一现的热点，还是真正改变产业的核心力量。

消费级NPU和数据中心TPU之间的这种共享架构DNA，是这两种"不同类型"芯片之间最深的联系——它们都是对同一问题（高效矩阵乘法）的优化答案，只是部署在两个非常不同的规模上。只有GPU或TPU。NPU：消费设备（手机、笔记本）中能效优先的专用推理芯片——以1-5W运行AI。这四种芯片——CPU、GPU、NPU、TPU——都能加速计算，但它们面向的根本问题是不同的，规模也完全不同。CPU、GPU、N