与「机器视觉」相关的搜索结果

给大家带来蚂蚁灵波LingBot-Vision 实测! 本次测试最大的亮点是在仅 1B (10亿) 参数量下, 展现出了极强的空间几何和边界感知能力, 实测表现直接越级打平甚至超越了 7B 参数的 DINOv3, 极具性价比！它非常适合用作具身智能的视觉主干 (Backbone) , 或者嵌入到机器人导航、机械臂抓取等需要极高空间精度的框架中使用都很不错, 对本地算力要求也很低. 视频中我直接给大家演示了免微调的视频目标追踪, 随便画一笔就能死死"咬"住目标. 另外, 它在硬件级深度补全 (比如识别透明玻璃、反光物体) 上表现也堪称杀手级, 不过由于技能点都加在了密集空间结构上, 在全局图像分类能力上算是中规中矩. 手里有 30 系显卡的兄弟们强烈建议本地跑着玩玩！ #灵波# #LingBot# #视觉大模型# #具身智能# #机器视觉#

错过了今年上半年的半导体、AI、存储，不要再错过下半年的主线。 上半年炒的是 AI 硬件短缺：GPU、HBM、存储、芯片设备。 下半年看的是 AI 资本开支外溢，以及 AI 从屏幕里走向物理世界。 2026 下半年主线排名： 1. AI 电力 / 数据中心基础设施 AI 服务器不是只买芯片就能跑起来，背后还需要电力、天然气、电网、储能、核电、制冷、液冷和数据中心建设。 2. 工业设备 / 电气化 / 自动化 数据中心扩建、电网升级、先进制造扩产，都会带动电气设备、连接器、测试设备、制冷系统、工程建设和工业自动化需求。 3. 物理 AI / 机器人 人形机器人、工业机器人、自动驾驶、机器视觉、传感器、伺服电机、执行器、边缘 AI，都值得关注。 4. AI 应用 / 软件修复 市场迟早会追问：谁能用 AI 真正赚钱？Agent、企业软件、网络安全、数据平台、云服务、自动化工作流，可能迎来修复。 5. 存储 / HBM / 半导体设备 HBM、DRAM、NAND、SSD、先进封装、晶圆设备需求还在，但涨幅大后更考验业绩和预期差。 6. 金融 / 医疗 / 通信服务补涨 如果科技和半导体高位震荡，资金会找估值更低、业绩更稳的方向。金融、医疗、通信服务可能成为轮动承接地。 7. 海外 AI 供应链 韩国存储和 HBM、台湾代工和先进封装、日本材料和设备，仍有性价比逻辑。 错过上半年的 already 后悔了，下半年再错过，可就真要拍大腿了！ 仅个人调研观点，非投资建议

昨天聊了机器人这条线 我的核心观点是： 机器人不是一个单点机会，而是一整条产业链机会 今天直接补一份更完整的观察池 不是买入建议，也不是说这些都能涨，而是方便后面持续跟踪。 类人机器人 / 整机方向 $TSLA：Optimus + Robotaxi $XPEV：IRON 人形机器人 $XIACF：小米机器人 / 智能硬件生态 $HYMTF：现代，间接看 Boston Dynamics $AGLT：Agility Robotics，关注后续上市进展 传感器 / 机器视觉 $VPG：力 / 载荷 / 应变传感 $OUST：激光雷达 $ARBE：4D 成像雷达 $MVIS：激光雷达 / 视觉感知 $INVZ：激光雷达 $CGNX：机器视觉 $ZBRA：扫描、视觉、仓储计算 芯片 / 边缘 AI $NVDA：AI 计算平台 / 机器人生态 $AMBA：边缘 AI 视觉 SoCs $AMBQ：超低功耗边缘 AI 芯片 $INDI：ADAS 与汽车半导体 $LSCC：低功耗 FPGA 运动控制 / 工业自动化 $ALNT：控制、驱动与电机 $NOVT：编码器、运动控制、机器人自动化 $ROK：工业自动化 $HON：工业自动化 $ABBNY：ABB 自动化与机器人 $TER：自动化测试 + 协作机器人相关资产 $LECO：焊接自动化 $KLIC：半导体组装设备与制造自动化 物流与仓储自动化 $AMZN：仓储机器人与物流自动化 $SYM：仓储自动化系统 自动驾驶 / 移动出行 $AUR：自动驾驶卡车 $MBLY：ADAS 与自动驾驶 $TSLA：Robotaxi $XPEV：智能驾驶 + 低空出行生态 医疗机器人 $ISRG：达芬奇手术机器人 $SYK：骨科手术机器人 $MDT：医疗设备 / 机器人辅助手术布局 $PRCT：泌尿外科手术机器人 服务 / 配送 / 特种机器人 $RR：服务机器人 / Dex 工业人形机器人 $SERV：人行道配送机器人 $KITT：海底 / 海洋机器人 $KRKNF：海底机器人与声呐系统 $OII：海洋工程与水下机器人服务 国防机器人 / 无人系统 $AVAV：无人机与巡飞弹 $KTOS：无人系统与国防科技 $LMT：军工主承包商 $NOC：无人系统 / 航空航天防务 $BA：军用航空与无人系统 $GD：防务平台与系统集成 电池与储能 $EOSE：长时储能 $QS：固态电池 $MVST：锂电池系统 $FLNC：储能系统 $KULR：电池安全与热管理 $SLDP：固态电池 $AMPX：高能量密度电池 主题 ETF $ROBO：机器人产业链 ETF $BOTZ：机器人与 AI 主题 ETF 这份名单我不会一口气全看。 我会先分三层： 第一层：已经有真实收入和客户的核心公司 第二层：有技术弹性，但商业化还早的小票 第三层：只适合跟踪情绪和主题热度的概念股 机器人这条线，短期看情绪，长期看交付。 最后真正能走出来的，不一定是故事讲得最性感的，而是谁能把订单、营收、毛利率和现金流做出来。 先建观察池，再等市场给答案。 DYOR，不构成投资建议。

我可不会错过机器人领域这波牛市 很多人一提机器人，只想到人形机器人和自动驾驶，但真正的机会不是一个点，而是一整条产业链： 感知与传感：机器人的眼睛和神经 $AEVA：FMCW / 4D 激光雷达 $ARBE：4D 成像雷达 $CGNX：机器视觉 $OUST：激光雷达 $VPG：力 / 载荷 / 应变传感 $ZBRA：扫描、视觉、仓储计算 芯片与边缘计算：机器人的大脑 $AMBA：边缘 AI 视觉 SoCs $AMBQ：超低功耗边缘 AI 芯片 $ATOM：半导体材料与 IP 授权 $INDI：ADAS 与汽车半导体 $LSCC：低功耗 FPGA 运动控制与精密自动化：机器人的身体** $ALNT：控制、驱动与电机 $NOVT：编码器、运动控制、机器人自动化 $KLIC：半导体组装设备与制造自动化 自动驾驶与移动出行 $AUR：自动驾驶卡车 $MBLY：ADAS 与自动驾驶 $TSLA：Robotaxi + Optimus 人形机器人 $XPEV：IRON 人形机器人，小鹏生态也在布局低空出行 现场、服务与仓储机器人 $KITT：海底 / 海洋机器人 $RR：服务机器人与 Dex 工业人形机器人 $SERV：人行道配送机器人 $SYM：仓储自动化系统 外科机器人 $ISRG：达芬奇手术机器人系统 主题基金配置 $ROBO：机器人产业链 ETF $BOTZ：机器人与 AI 主题 ETF 我现在看机器人，不会只盯“谁最像特斯拉 Optimus” 真正值得跟踪的是： 谁提供传感器，谁提供芯片，谁控制运动，谁负责视觉，谁已经进入真实应用场景。 机器人牛市如果真的来，最先涨的不一定是最终整机厂，反而可能是藏在产业链里的“铲子股”。 当然，这条线弹性大、波动也大，尤其很多小票还处在商业化早期。 我的思路是：先建观察池，再看订单、营收、毛利和现金流，不盲目追概念。 机器人不是短线故事，可能是 AI 之后下一条更长的主线。 DYOR，不构成投资建议。

$MU 看见的机器人，不是玩具，是 AI 的下一副身体 a16z 昨天发布了一张图片 表面上讲的是机器人一级市场融资创历史新高，Q1 2026 的融资金额和交易笔数同时冲上去。 不只是机器人火了，重要的地方在于资本在用自己的方式告诉市场，AI 的下一段叙事，正在从云端走向现实世界。 过去几年，AI 投资的中心很清楚。 先是模型，后是算力，然后是 GPU、HBM、数据中心、电力、液冷、光模块、网络交换机。 看着五花八门、很高大上，本质上解决都是在一个问题：怎么把更大的模型训练出来，怎么让更多推理跑起来。 但现在，一个新的问题开始出现。 这些智能，最后要去哪里？ 如果 AI 永远停在聊天框、办公软件和云端 API 里，它当然很有价值，但它仍然主要停留在数字世界里。 真正更大的变化，是 AI 开始进入工厂、仓库、医院、汽车、农田、矿山、家庭和战场。 也就是进入物理世界。 机器人就是这个过程里最重要的载体。 所以这张图不是简单的融资图，而是一张资金迁徙图。 钱正在从纯软件、纯云端、纯模型，往能让 AI 落地到现实世界的硬件系统里迁移。 这也是为什么美光这次财报电话会里，CEO 专门提到机器人。 美光不是一家机器人公司，它也不是一个靠讲故事拉估值的创业公司。 美光站的位置非常特殊。它在产业链里看见的不是概念，而是每一个终端到底要吃掉多少内存、多少存储、多少带宽、多少功耗预算。 所以当美光 CEO 说，人形机器人的内存含量可能是普通 L2+ 汽车的十倍，这句话的分量很重。 不是在说机器人明天就爆发。 而是在说：如果机器人真的走向规模化，它就不会是一台简单的机械设备，而会是一台移动的边缘 AI 系统。 它要看见世界，要理解世界，要实时推理，要控制动作，要记录数据，要在本地完成大量计算。 这意味着机器人不是一个轻资产故事。 它是一个重硬件、重供应链、重制造、重可靠性的产业故事。 说实话，我们看机器人，最容易被外形吸引。 人形机器人走几步，挥挥手，搬个箱子，视频一发，大家就开始兴奋、欢呼。 但产业化的视角从来不是这样子，产业化看的是：一台机器人到底由什么构成？哪些环节能规模化？哪些部件会成为瓶颈？哪些供应商可以稳定交付？哪些客户愿意付钱？单位经济模型什么时候跑通？ 从这个角度看，美光这次财报其实给了一个很重要的提醒。 机器人不是从“机器”开始定价的，是从“数据”开始定价的。 一个机器人进入现实世界，第一件事不是行动，而是感知。 它要用摄像头、激光雷达、毫米波雷达、IMU、力传感器、触觉传感器去采集环境。 采集之后，数据要被处理 处理之后，要进入模型 模型要判断环境，理解任务，规划动作 动作又要通过电机、减速器、伺服系统、控制器执行出去 执行之后，还要反馈回来，再调整下一步 这就是机器人的闭环。 感知、推理、控制、执行、反馈。 这个闭环越复杂，对内存和存储的要求就越高。 因为机器人不是在干一个静态任务。 它是在真实环境里不断接收数据，不断判断，不断行动。 云端可以慢一点，办公软件可以等几秒。 但机器人不能等。 它要避障，要抓取，要平衡，要停下，要躲人，要判断物体有没有滑落。 这些事情都发生在现实世界里，延迟一高，错误就会变成碰撞。 所以机器人天然需要边缘计算，也天然需要高带宽、低功耗的内存和存储。 这就是美光那句话的核心。 人形机器人之所以可能带来多年的内存需求，不是因为它长得像人，而是因为它把 AI 从服务器机柜里，搬到了一个会移动、会交互、会执行任务的物理终端里。 这和汽车很像，但又比汽车更复杂。 一辆 L2+ 汽车已经需要大量传感器、算力、内存和存储。 但它的任务相对单一，主要是行驶、避障、辅助驾驶。 人形机器人面对的世界要复杂得多。 它不只在道路上移动，要进入工厂、仓库、办公室、家庭。 它要处理开放环境里的长尾问题。 它要用手操作各种不同形状、不同重量、不同材质的物体。 它要理解人的指令，也要适应环境的变化。 这就是为什么人形机器人如果真正量产，它的硬件含量不会低。 它不是一个带腿的玩具。 它更像是一台高度压缩的移动数据中心，一台装进身体里的 AI 服务器 其实融资图和美光的电话会都说了一件事。 一级市场融资创高，说明资本正在下注机器人公司的未来形态。 美光电话会，说明上游半导体公司已经开始把机器人纳入长期需求模型。 一个是资金端的变化，一个是供应链端的变化。 这两件事合在一起，才是机器人板块真正值得重视的地方。 机器人投资创历史新高，不等于所有机器人公司都有价值。 很多公司会融到钱，很多公司也会消失。 这和电动车、光伏、AI、大模型都一样。 每一轮产业浪潮刚开始的时候，市场都会把叙事打得很满。 但产业最后只奖励两类公司。 一类是能把产品真正交付出去的整机公司 另一类是站在关键瓶颈上的供应链公司 机器人也是一样。 用产业化视角拆，它至少有六层。 第一层，是大脑 包括 GPU、边缘 AI 芯片、机器人基础模型、世界模型、仿真平台。 最典型的还是老大哥英伟达。 因为机器人真正成熟之前，需要在仿真里训练，需要在虚拟世界里先摔无数次，再去真实世界里减少试错成本。 第二层，是记忆 这就是美光看到的部分。 机器人要实时感知、推理和控制，就需要更高带宽、更低功耗、更大容量的内存和存储。 过去市场把美光看成周期股。 但如果 AI 进入设备端、汽车端、机器人端，美光就不再只是传统意义上的存储周期公司，而是在吃 AI 终端扩散的硬件红利。 第三层，是眼睛 机器人要进入现实世界，首先要看见世界。 摄像头、激光雷达、机器视觉、深度传感器、传感器融合，都是这一层。 Ouster、Cognex、Keyence 这种公司，看的是机器人和自动化的感知入口。 这层的核心不是某个单一传感器赢不赢，而是机器人对空间理解的需求会越来越强。 第四层，是皮肤和手感 这对应力传感、触觉反馈、应变片、压力传感、灵巧手。 这条线现在还很早，但非常关键。 因为机器人从“会走路”到“会干活”，真正难的是手。 抓一个箱子很容易，抓一个玻璃杯、鸡蛋、衣服、软袋子、工具，就完全不一样。 视觉只能告诉机器人物体在哪里。 触觉和力反馈，才能告诉它该用多大力。 所以 VPG 这类精密测量和力传感公司，才会开始被市场重新注意。 第五层，是关节和肌肉 机器人要动起来，离不开电机、减速器、伺服系统、编码器、控制器。 这里面最典型的是 Harmonic Drive Systems 这类精密减速器公司。 机器人越接近人形，关节越多，运动控制要求越高，对高精度、轻量化、低背隙零部件的要求就越高。 这条线不如整机性感，但产业位置很硬。 第六层，是场景 机器人最终不是卖给想象力，而是卖给场景。 工厂、仓库、医院、农业、国防，是最可能先跑出来的地方。 因为这些地方有明确的人力成本、效率需求、安全需求和 ROI 计算。 亚马逊的仓储机器人、Intuitive Surgical 的手术机器人、AeroVironment 的无人系统，本质上都说明了一件事： 机器人最早赚钱的地方，往往不是家庭，而是商业和工业场景。 所以现在看机器人板块，不能只看人形机器人。 人形机器人是最大的想象空间，但不一定是最早兑现利润的地方。 真正产业化的机器人浪潮，很可能先从仓库、工厂、医院、军工和农业里长出来。 等这些场景把供应链打磨成熟，成本打下来，可靠性提高，软件泛化能力增强，才有机会一步步进入更开放的生活场景。 我觉得机器人板块未来会分成两条线。 一条是情绪线 它会围绕人形机器人、具身智能、Physical AI 反复炒作。 这条线弹性大、波动也大。 另一条是产业线 它围绕内存、传感器、激光雷达、力反馈、减速器、边缘芯片、工业自动化、仓储物流、医疗机器人慢慢展开。 这条线没有那么刺激，但更接近真实订单和真实利润。 美光这次财报的意义，就在于它把机器人从情绪线，往产业线拉了一步。 因为它说的不是机器人很酷，它说的是机器人会消耗多少内存，什么时候开始形成需求周期，这个周期可能持续多久。 这就是半导体产业看问题的方式。 不看视频，不看口号，不看发布会掌声。 看 bit growth，看 content per device，看 supply constraint，看客户是不是愿意签长期协议，看资本开支是不是敢下去。 所以机器人这条线，真正值得重视的不是某一天谁涨了多少。 而是它开始具备产业化的三个信号。 第一，资金进来 一级市场融资创历史新高，说明资本开始愿意为机器人公司的长期制造能力和技术壁垒买单。 第二，上游开始建模 美光把机器人放进长期内存需求框架，说明机器人已经不只是科幻叙事，而是被上游供应链纳入未来需求曲线。 第三，场景开始筛选 仓储、工业、医疗、国防、农业这些领域，会先把真正有用的机器人筛出来。 最后留下来的，不一定是视频最好看的公司。 而是能稳定工作、能持续交付、能降低成本、能融入客户流程的公司。 所以我对机器人板块的看法很简单，它不是明天就爆发的题材。 但它一定是 AI 下半场最重要的产业方向之一。 过去 AI 的主线是云端算力。 接下来几年，AI 的增量会逐步走向边缘、终端、汽车和机器人。 再往后，AI 会进入真实世界里的每一个生产场景。 可能五年后，B端也就是企业端会开始大规模应用，而十年后，或许就会进入千千万万家。 这条路不会平滑，中间一定会有泡沫，有失败，有估值杀，有技术路线反复，有商业化低于预期。 但大方向很清楚，智能不会永远困在屏幕里。 它一定要长出眼睛，长出手，长出身体，进入现实世界。 而当这件事发生的时候，机器人就不再只是一个行业。 它会变成 AI、半导体、精密制造、自动化、传感器、电池、软件、国防和医疗共同汇合的一条大河。 美光看到的，是这条河最上游的水位变化 一级市场看到的，是河道开始变宽 二级市场接下来要做的，不是追每一个浪花，而是找到那些真正站在河床里的公司 @a16z

梁文峰的炒股人生线： 1985年・出生 - 生于广东湛江吴川市覃巴镇米历岭村，父母均为小学语文老师，家境普通。 1990s–2002 年 · 早年 - 小学：从小擅数学，爱拆解电子设备 。 - 初中/高中：被称“数学神童”。 - 2002 年高考：总分 806 分，吴川一中状元、湛江第14名、广东约前100名。 2002–2006 年 · 浙大本科 - 就读浙大电子信息工程：大学生电子设计竞赛全省第一名/全国一等奖。 2007–2010 年 · 浙大硕士 - 2007 年：浙大通信工程硕士（机器视觉方向）。 - 2008 年（23岁，研二）：以8万元本金开始A股自动化交易，正式试水量化。 - 2010 年：硕士毕业；当年股市低迷，凭自动化策略盈利约100万，获“校园股神”称号。 2010–2013 年 · 职业散户 - 未就业、未创业，全职炒股。 曾在成都租房闭门交易三年，持续打磨量化策略。 2013–2015 年 · 机构化起步 - 2013 年：与浙大同学徐进成立杭州雅克比投资管理有限公司，从散户转向机构化，仍以策略研发为主。 2015–2023 年 · 幻方量化 - 2015 年：创立杭州幻方科技（幻方量化）；对外称2008–2015年8万做到1亿（7年1250倍），引发热议。 - 2016 年10月：首个深度学习AI策略上线实盘，启用GPU集群替代CPU。 - 2017 年：全面AI化；管理规模破30亿，奠定头部量化地位。 - 2018 年：获私募金牛奖。 - 2019 年：规模破100亿；自研萤火一号AI集群（1100卡，投资近2亿）。 - 2021 年：规模破1000亿；投10亿建萤火二号（约1万张A100）；年底产品普遍回撤超10%，开始主动缩规模。 - 2023 年底：规模降至约450亿；监管趋严、高频受限，算力闲置，寻求新方向。 2023–2025 年 · 跨界AI（DeepSeek） - 2023 年7月：创办杭州深度求索（DeepSeek），主攻通用大模型。 - 2024 年5月：发布DeepSeek‑V2（混合专家）。 - 2024 年12月26日：开源DeepSeek‑V3；训练280万GPU小时、成本约4000万，春节期间走红。 - 2025 年1月20日：发布DeepSeek‑R1，数学/代码/推理性能对标OpenAI o1，并开源权重与技术，全球引发震动；当月出席总理座谈会、登上新闻联播。

下面这位35岁老哥是一家做机器人视觉的上市企业技术总监，他一心把精力放在事业上，但她的老婆突然吵着想要小孩，在此之前两个人根本就没有要小孩的计划。 所以“女人为男人生孩子”就是个伪命题，实际上女人过了28岁就会陷入强烈的生育焦虑！因为年龄越大生育风险越大！ 但传统叙事认为只有男性才有传宗接代的意愿，女人往往是在配合男人生孩子，是在为男人牺牲。 无论从什么角度去解释，女人本质上都是在为自己生孩子。

逛 HN 的时候，看到了这一篇挺有价值的帖子，作者从 5 万多个书签里，整理出了自己心中的 S 级可视化教程。 在 AI 时代来临以前，大家会花费巨大的精力和时间去手敲写博客和教程 于是才有了下面这些非常优质的教程，AI 时代来临以后，还有人会做同样的事吗？ HN 原帖： 🎮 互动游戏 / 动手学习 从逻辑门开始造一颗 CPU 用游戏学习 Git 分支 用游戏学习 CSS Grid SQL 侦探游戏 另一个 SQL 解谜游戏 从零组装一个神经网络 机器人实时 3D 仿真 🧠 AI / 机器学习 交互式理解 Transformer 可视化理解 K-means 聚类 视觉 Transformer 图解 机器学习可视化入门 线性回归、逻辑回归与神经网络 神经网络的前向传播与反向传播 FAISS 向量检索原理 💻 编程 / 计算机基础 算法可视化 从零实现 React 从零“造”一块 NVIDIA GPU 一次请求如何从浏览器到达服务器 网络七层模型 限流算法 椭圆曲线密码学 🎨 图形学 / 游戏开发 颜色、屏幕、图形、渲染、着色器、编译器与解释器 用 Rust 和 Bevy 搭建 3D 编辑器 Vulkan 图形管线 碰撞检测、着色器、渲染与剔除 📐 数学 / 物理 交互式概率论 线性代数与向量 引力如何工作 ⚙️ 工程 / 硬件 内燃机工作原理 芯片制造流程

人形机器人最难跨过的，可能不是工厂流水线，而是一架梯子。 Figure最新展示：F.03已经能在无人操控下，自主识别并攀爬梯子。 这类动作同时考验视觉判断、全身平衡和手脚协同，也意味着人形机器人离进入仓库、建筑等复杂环境又近了一步。

中文内容创作者，必装的 10 个 skill 1｜Humanizer-zh 中文"去 AI 味"神器，专抓空话、套话、三段式、过度排比那股机器腔，改得像人写的（归藏做的汉化版）。 2｜dbskill 内容"选题诊断器"，帮你诊断商业表达、抠 hook、拆爆款、想小红书标题。 3｜content-research-writer 从选题、找资料、列提纲到初稿，一条写作流跑通，公众号、长文、Newsletter 都能写。 4｜notebooklm-skill 让 NotebookLM 先查资料、Claude 再动笔，基于你的资料库写，少胡编，适合深度文和行研。 5｜khazix-skills 卡兹克开源的写作合集，写作流偏重，适合啃 AI 热点分析、万字长文、深度观点。 6｜ian-xiaohei-illustrations 正文配图神器，把观点、流程、情绪画成"小黑"手绘插图，不是随便甩你一张图。 7｜guizang-social-card-skill 写完文章直接切成小红书图文和公众号封面，一篇长文拆成多张能发的卡片。 8｜baoyu-skills 宝玉做的视觉工具箱，封面、信息图、结构图、图解都能出，专管文章包装。 9｜guizang-ppt-skill 把文章观点做成 PPT、演讲图、公众号头图、小红书封面，二次分发省事。 10｜html-anything 把 Markdown、文案变成好看的 HTML 页面、海报、卡片、PNG，杂志风、知识卡都能做。