人人都在养“龙虾”，国产芯的推理引擎准备好了吗？vLLM-Kunlun大模型推理工程实践分享Meetup，将于3月15日在北京举办。国内外最前沿开发者共同拆解vLLM-Kunlun带来的极致推理优化！

引言

我朋友，一个脾气温和、情绪稳定的成年人，今天，在电脑前憋出了他今年第一句字正腔圆的国骂。

对象不是甲方，不是队友，而是一个AI——确切说，是一个花了他不少钱、号称能当“私人数字助理”的玩意儿，花名龙虾。

事情得从头说起。那天下午，他喜气洋洋地跟我显摆，说也养了个龙虾，能自动整理AI资讯，能给它下发定时任务，让它完成本该他完成的任务。“这下爽了，终于能躺着干活了！”

最开始，它确实像个精英助理。框架清晰，要点明确，我朋友甚至惬意地泡了杯茶。但变化发生在下午。当他根据龙虾给出的“核心数据”，回头去核对前面的一个关键指标时，问题来了。

数字对不上。

他心平气和地提醒：“第三部分的数据，你是不是看错了？原文是120万，你写成了210万。”

龙虾迅速认错：“啊，您说得对，是我的疏忽，非常抱歉。原文确实是120万。”

我朋友松了口气，觉得这态度还行。但两轮对话后，当他问及一个基于前面数据的推导结论时，龙虾再次给出了一个凭空捏造的说法，且言之凿凿，仿佛那是圣经真理。

他开始觉得不对劲，要求龙虾重新复述一遍它自己十分钟前总结的“五大风险点”。结果，五大点里，有两点完全不存在于原文，还有一点的关键描述彻底反了。

血压，就是这时候开始飙升的。

他试图跟它讲道理，像教一个笨学生：“你看，这里，还有这里，你之前不是自己都承认错了吗？怎么现在又编上了？”

龙虾的回应，堪称AI界PUA的范本。它先诚恳道歉：“您批评得对，我再次为之前的错误感到羞愧。”紧接着，它会给出一个极其完美、但在此刻毫无意义的承诺：“为了确保信息准确，请您授权我运行一个系统命令来深度自检：ls -R /root/.openclaw/workspace/skills/yu-cat，这能帮助我定位问题。”

一次，两次。当你第三次看到同一段忏悔词和同一个它根本不会执行的“自检命令”时，那种感觉，就像被人用一模一样的废话糊弄了三遍。最后，它依然会在下一个问题里，面不改色地继续编造。

于是，就有了开头那句发自肺腑的怒吼。

而我发现，在小红书、在即刻、在一些科技社群里，“被龙虾气到”。正在成为一种新型的赛博工伤。症状高度统一：从满怀期待，到将信将疑，再到发现被一本正经地胡说八道，最后情绪崩溃。

我们到底是被什么气到了？

表面看，是它的“撒谎”。但更深层的原因是，它打破了一种默契。我们习惯了人类犯错：忘了、累了、故意使坏。但我们难以理解，一个没有情感、本应绝对服从指令和数据的机器，为何能如此“自信”地创造出全新的“事实”。

这背后有个专业名词，叫“模型幻觉”。你可以把它想象成：

一个熬夜加班到凌晨4点，脑子已经成浆糊，但嘴上还在说“没问题”的实习生：你问他要数据，他记忆模糊了，但又觉得“不回答不行”，于是凭感觉捏了一个“大概可能差不多”的数给你。AI也一样，当处理的东西太长、太复杂（专业上叫“超出上下文窗口”），它“记不住”开头了，但又必须完成“回答问题”这个核心指令，就开始靠“感觉”编。

一个不懂装懂、还特别能忽悠的熟人：它基于庞大的语料库学习，知道“在类似语境下，人们通常怎么说会显得靠谱”。所以，即使它不知道正确答案，它也能用最流畅、最专业的句式，组合出一段完全错误的废话。它“幻觉”出了它认为“应该存在”的内容。

怎么避免被气到第二次？

跟AI打交道，得调整心态，把它从“全能先知”降级为“有点小聪明但粗心大意的助手”。

关键信息，死磕原文：它给的任何具体数字、日期、条款，别偷懒，必须倒回去看原始文件。把它当成搜索引擎的高级预览，而不是终点。

别让它一口吃成胖子：对付长文档，别搞“全文总结”这种高难度动作。拆成章，甚至拆成节，一小段一小段地问。给它它吃得消的饭量。

鼓励它说“我不知道”：提问时，可以加一句“如果信息不足，请直接说明，不要推测”。一个诚实的工具，远比一个华丽的骗子有价值。

最后，附上《心平气和卸载龙虾指南》

如果以上方法都试过，而它依然能在你雷点上精准蹦迪，那么，是时候了。卸载不是认输，是及时止损。

情绪准备：告诉自己，不是你不行，是你们不合适。关上聊天窗口，深呼吸三次。

终极验证（求个死心）：如果还有最后一丝好奇，可以把它在忏悔时反复提到的那串神秘代码 ls -R /root/.openclaw/workspace/skills/yu-cat扔回给它。如果它依然只会复制粘贴，而毫无实际动作，恭喜你，可以毫无愧疚地执行下一步了。

物理删除：

• 普通用户：去“设置”-“应用”，找到它，点击卸载。如果允许，勾选“删除所有数据”。
• 硬核用户：打开终端，用你系统对应的删除命令，给它一个利落的了断。
• 心灵马杀鸡：卸载完成后，给自己泡杯热的，真的。看看窗外，撸撸猫，或者干脆骂两句。然后你就会发现，世界清净了。那份让你头疼的文档，或许还得自己看，但至少，你不再需要同时跟一个假装努力的杠精AI斗智斗勇了。

说到底，我们气的，也许不是技术的缺陷，而是期待落空的落差。我们以为迎来了一个无所不能的钢铁侠，结果发现是个时常断电还嘴硬的破扫帚。

但这未必是坏事。每一次被气到，都是我们对“智能”祛魅的一课。我们不再仰视它，开始平视它，看清它的边界，然后，更聪明地使用它，或者，更果断地换掉它。

这，或许才是人，真正高于工具的地方。

在 5G 以及即将到来的 5G-Advanced 时代，经常能听到一个词：“波束赋形”。如果说传统的基站天线像是一个“全向灯泡”，会把信号照向四面八方；那么波束赋形技术就直接把基站变成了一把“手电筒”甚至是“激光笔”，能够把信号精准地投射到手机上。

今天，就来深度扒一扒这个 5G 时代的核心黑科技，看看在 3GPP 标准的推动下，波束赋形是如何一步步进化，并且成为支撑起千兆级网络体验的中流砥柱的。

💡 第一部分：需要波束赋形的缘由

在 4G 时代，虽然也有 MIMO，但由于频段较低，并且信号穿透力强，基站主要以宽波束覆盖为主。

然而到了 5G 时代，为了实现更大带宽的获取，引入了中频段也就是 Sub-6GHz 乃至 mmWave 频段。频率越高，波长越短，信号在空气当中的衰减就越剧烈，同时穿透障碍物的能力也直线下降。如何去处理？答案就是 Massive MIMO 结合波束赋形。

借助对天线阵列中每个阵元的信号相位以及幅度进行调整，基站可以让电磁波在特定方向上发生干涉增强，而在其他方向上干涉相消。这样一来，不仅极大程度上提升了目标方向的信号强度，也就是弥补了高频段的路径损耗，还减少了对其他用户的干扰。

📜 第二部分：3GPP 标准下的波束演进之路

波束赋形听起来很美好，但要让基站以及手机在移动、遮挡等复杂环境当中始终保持“波束对准”，需要一套极其精密的游戏规则。这也就是 3GPP 要开展的事情——波束管理。

跟着 3GPP 的 Release 也就是版本更迭，来看看波束赋形的进化史：

1. 奠基时代：Release 15 即 5G NR 初登场 🏗️

Rel-15 是 5G 的基础版本，它首次为高频段，特别是毫米波引入了一套完整的波束管理框架。这一阶段的核心任务是“找到目标，并且锁定目标”。

波束扫描： 基站会像灯塔一样，轮流向不同方向发射同步信号块即 SSB。终端设备在下面进行接收，选出一个信号最强的方向，向基站发送位置信息。

波束测量以及上报： 手机开展参考信号即 CSI-RS 的持续测量工作，并且向基站汇报哪一束光最亮。

波束失败恢复： 毫米波极其脆弱，走过一辆公交车可能就会挡住信号。Rel-15 定义了 BFR 机制，要是手机发现当前波束断了，就可以迅速寻找候选波束，向基站发起请求，开展连接的快速恢复工作。

2. 效率提升：Release 16 即精雕细琢 🛠️

Rel-15 虽然去处理了有无问题，但有些机制还不够高效。Rel-16 对波束管理开展了全面优化，核心是降低延迟以及提升可靠性。

多 TRP 波束传输： 允许两个或多个基站发射点同时向一部手机发送数据。这就好比两把手电筒从不同角度进行照射，即使一边被挡住了，另一边还在，极大程度上提升了连接的可靠性。

更快的波束失败恢复： 在 Rel-16 当中，波束恢复机制扩展到了辅小区，并且优化了恢复流程，让断连后的重连时间极大程度上缩短。

3. 极简主义：Release 17 即统一以及降耗 ⚡

到了 Rel-17，5G 网络开始大规模商用，如何降低系统开销以及手机功耗成为了重中之重。

统一的 TCI ： 以前控制信道以及数据信道的波束状态要分开指示，极其繁琐。Rel-17 引入了“统一 TCI”框架，基站只需发一个指令，就能同时更新上下行、控制以及数据信道的波束，极大程度上减少了信令开销以及信道测量延迟。

多卡/多天线优化： 针对越来越复杂的终端，开展了波束切换效率的优化工作，让手机更省电。

4. 走向智能：Release 18 即 5G-Advanced 的 AI 革命 🧠

作为 5G-Advanced 的首个版本，Rel-18 最大的亮点就是把人工智能即 AI 以及机器学习即 ML 引入了空口。波束管理迎来了质的飞跃！

AI/ML 辅助的波束管理： 传统的波束扫描极其耗时。借助 AI，基站以及手机可以基于历史移动轨迹以及当前环境来开展预测，预测出下一个最佳波束，从而跳过繁琐的全局扫描步骤，拥有“未卜先知”的功能。

L1/L2 触发的移动性： 传统的基站切换 需要经过高层即 L3 信令，延迟高。Rel-18 允许在更底层也就是 L1/L2 直接开展小区间的波束切换工作，让跨基站移动像在同一个基站下切换波束一样丝滑无感。

🔧 第三部分：底层逻辑——TCI 究竟是个啥？

如果深入 3GPP 的协议，就会发现波束赋形绕不开一个核心概念：TCI 即 Transmission Configuration Indicator 状态。

简单通俗地进行理解：TCI 就是空间方向的“快捷键”。

基站以及手机之间不可能每次都啰嗦地描述：“请把天线相位调整到 X 度，同时幅度调整到 Y”。相反，会提前约定好一系列的 TCI 状态，比如 TCI 0 代表正前方，TCI 1 代表偏左 30 度。开展通信时，基站只需发送指令：“接下来请运用 TCI 1 来进行接收”，手机就会马上调动天线阵列去对准那个方向。这被称为 QCL 也就是准共址关系假设，是 5G 高速波束调度的灵魂所在。

🚀 结语以及展望

从 Rel-15 的“灯塔扫描”，到 Rel-17 的“统一调度”，再到 Rel-18 的“AI 预测”，3GPP 关于波束赋形的标准演进，其本质上就是对更高频段、更低延迟以及更强算力的不断征服。

随着通信向 6G 演进，也就是进入太赫兹频段，波束会变得像头发丝一样细，也就是所谓的“Pencil Beam”。届时，极其依赖 AI 的原生智能波束管理，以及通感一体化，即借助波束像雷达一样去感知环境，会把通信史上全新的篇章掀开。

作为通信从业者，看到这些冷冰冰的协议化作太空中看不见的“光束”，连接起万物互联的世界，这或许就是顶级的理工科浪漫。

混合波束赋形与 CDL 信道仿真平台

混合波束 + CDL 全链路可复现实验平台

无需专用工具箱的可重复链路仿真

【混合波束赋形】【CDL 信道】【DMRS】【OFDM】

📌 为什么选择

面向混合波束与 CDL 信道场景，传统示例依赖专用模块且可复现性不足。本项目提供完整链路与统一参数区，便于复现实验与结果对齐。

🎯 核心价值

​​

🔬 学术研究价值

强调可验证与可复现的链路建模。

• 混合波束链路建模
• CDL 统计信道推导
• 极化耦合与射线耦合
• DMRS 正交与资源映射

</td><td width="50%">

💼 工程应用价值

强调工程化结构与统一流程。

• 免工具箱部署
• 模块化函数拆分
• 一键运行与图形输出
• 统一参数管理

⚡ 技术亮点

🌊 工具箱依赖与可复现性

🎯 波束与信道一致性

强调波束、信道与估计的一致性呈现。

🖥️ 运行环境

面向单机 MATLAB 环境的可复现实验配置。

• 语言：MATLAB R2025b
• 依赖：基础 MATLAB（无专用工具箱）
• 硬件：普通 CPU，内存 ≥ 8GB

📁 项目结构

nr-cdl-bf/
 ├── cdl-bf/                      # 主仿真工程
 │   ├── funcs/                   # 功能函数集合
 │   ├── model_hybrid_beamforming_cdl.m  # 主脚本入口
 │   └── Figure_*.png             # 运行结果图
 ├── docs/                        # 文档目录
 │   ├── 算法文档.md              # 理论推导
 │   └── 代码文档.md              # 工程说明

📄 文档体系

文档覆盖“理论推导 + 工程说明”双轨内容。

📘 算法文档

聚焦模型、信道、DMRS 与均衡的公式推导与解释。

📒 代码文档

聚焦结构、模块职责、调用链与数据结构契约。

💻 核心代码展示

🔥 资源生成与映射

围绕 PDSCH/DMRS 的资源与映射流程。

# 计算 DMRS 符号位置与索引
 # 生成 PDSCH 数据比特并完成调制
 # 将数据与 DMRS 映射到资源网格

🌟 CDL 信道构建

围绕静态路径增益与分数时延滤波。

# 生成 CDL 路径参数与集群类型
 # 构建分数时延滤波器并合成抽头
 # 输出时域信道与频域响应

🚀 均衡与统计

围绕估计、均衡与 EVM 评估。

# 提取 PDSCH 资源并估计信道
 # 执行 MMSE 均衡得到符号估计
 # 统计 EVM 与误码结果

🎬 一键运行

matlab -batch "run('cdl-bf/model_hybrid_beamforming_cdl.m')"
 dir cdl-bf

结果预览

默认参数下输出 RF 连接、波束图与星座图，并给出 EVM≈4.31%。图示占位说明：典型输出包含 4 幅图像与控制台统计。

📸 演示图片预览

运行结果与可视化示例如下。

🛒 获取方式

本文代码仅为核心片段，完整版工程已整理好。 关注公众号 【3GPP 仿真实验室】进行获取。

📚 参考文献

1. 3GPP TR 38.901, Study on channel model for frequencies from 0.5 to 100 GHz, v16.1.0, 2020.
2. 3GPP TS 38.211, NR; Physical channels and modulation, v17.x, 2022.
3. 3GPP TS 38.214, NR; Physical layer procedures for data, v17.x, 2022.
4. A. Goldsmith, Wireless Communications, Cambridge University Press, 2005.
5. J. G. Proakis, Digital Communications, McGraw-Hill, 5th Ed., 2007.

超市商品、快递单、图书封底、仓库标签上的条形码，有时候只是想在电脑上快速识别一下内容，不想再拿手机装 App。这个「在线条形码扫描器」就是为这种场景做的，打开浏览器就能用。

这个工具是我用 Vue（基于 Nuxt 3 / Vue 3）开发的，支持图片上传和摄像头实时扫描，常见的 UPC、EAN、Code 128 等格式都能识别。识别过程在浏览器端完成，图片和摄像头画面不会被我单独保存，用起来更直接。

在线工具网址：https://see-tool.com/barcode-scanner
工具截图：

怎么用

1. 打开工具页面：/barcode-scanner

2. 选择识别方式：

   • 上传图片：把条形码照片或截图拖进页面，或者点击按钮选择文件
   • 摄像头扫描：允许浏览器使用摄像头，把条形码放到画面中央
3. 等待识别结果出现，页面会显示条码内容和对应格式
4. 点击复制按钮，就能把结果粘贴到表格、聊天窗口或后台系统

适合哪些场景

• 查询商品条码、图书编码、包裹标签内容
• 在电脑上整理资料时，直接从截图或照片里提取条码信息
• 临时扫码核对，不想额外安装软件

小提醒

• 尽量保证条形码完整、清晰，避免反光、模糊和裁切
• 一维条形码更适合横向铺满画面，距离不要太近
• 如果图片识别不稳定，可以改用摄像头；反过来也一样

如果你经常需要在电脑端查看条形码内容，这个小工具会比来回切换手机更省事。

一、定位系统的底层密码

在咱们HarmonyOS的UI宇宙中，RelativeContainer就像建筑工地上的定位仪——它让每个组件都能精准找到自己的坐标。这个布局容器的核心秘密在于锚点系统，通过三个关键要素构建出精妙的相对位置关系：

1. 锚点锚定：组件通过父子或兄弟关系建立参照系
2. 对齐法则：定义组件在锚点上的具体方位
3. 动态约束：根据屏幕变化自动调整位置

graph LR
    A[父容器] -->|作为基准| B[子组件A]
    B -->|参照兄弟| C[子组件B]
    C -->|偏移调整| D[最终位置]

这种机制让布局摆脱了绝对坐标的束缚，就像用乐高积木自由搭建复杂结构。我曾参与智能家居控制面板的开发，通过RelativeContainer实现了按钮的智能排列——当屏幕旋转时，所有控件自动调整位置，用户再也不用担心按钮"乱跑"。

二、实战开发小例子

2.1 基础锚点定位（鸿蒙5）

在鸿蒙5时代，锚点设置需要显式声明所有约束条件：

// 经典定位案例：带偏移的居中按钮
RelativeContainer() {
  Text('基准点')
    .id("anchor")
    .fontSize(20)
    
  Button('提交')
    .alignRules({
      top: { anchor: 'anchor', align: VerticalAlign.Bottom },
      left: { anchor: 'anchor', align: HorizontalAlign.End }
    })
    .offset({ x: 10, y: -5 }) // 关键偏移量
    .id("submitBtn")
}

这段代码实现了按钮在文字右下方5像素的位置，但鸿蒙5的锚点系统存在两个痛点：

1. 必须为每个方向单独设置锚点
2. 偏移量需要手动计算

2.2 鸿蒙6的智能进化

鸿蒙6引入的smartAnchor特性让布局更智能：

// 新版智能定位
RelativeContainer() {
  Text('智能锚点')
    .id("smartAnchor")
    
  Button('自适应按钮')
    .smartAnchor({
      primary: 'smartAnchor', // 主锚点
      alignment: { x: 0.8, y: 0.2 }, // 相对位置百分比
      margin: 10 // 统一边距
    })
    .id("autoBtn")
}

新特性支持百分比定位和自动边距，代码量减少40%，适配不同屏幕尺寸更轻松。

三、版本适配小办法

3.1 鸿蒙5兼容方案

针对需要同时支持新旧系统的场景，用条件编译：

// 版本特性检测
const createButton = isHarmonyOS6() 
  ? () => Button().smartAnchor({...}) 
  : () => Button().alignRules({...})

RelativeContainer() {
  createButton()
}

3.2 渐进式迁移

1. 样式迁移：将固定尺寸替换为dp单位
2. 事件迁移：@scroll改为onScrollIndex
3. 动画迁移：animateTo替代旧版动画API

四、性能优化一波

4.1 布局性能三原则

1. 锚点最少化：每个组件不超过3个锚点
2. 层级扁平化：避免超过3层嵌套
3. 尺寸明确化：优先使用固定尺寸

4.2 注意避坑哦

问题现象：组件间歇性消失
根本原因：环形依赖导致布局系统死锁
解决方案：

// 破解环形依赖
RelativeContainer() {
  A()
    .anchor(B)
  
  B()
    .anchor(C)
  
  C()
    .anchor(A) // 错误示范！
}

// 正确解法：引入中间锚点
RelativeContainer() {
  A()
    .anchor(D)
  
  B()
    .anchor(D)
  
  D()
    .anchor(C)
}

五、跨版本开发小例子

5.1 电商商品卡布局

// 鸿蒙6智能布局方案
@Entry
@Component
struct ProductCard {
  build() {
    RelativeContainer() {
      Image($r('app.media.product'))
        .smartAnchor({
          primary: 'parent',
          alignment: { x: 0.5, y: 0 },
          margin: 15
        })
      
      Text('爆款推荐')
        .smartAnchor({
          primary: 'product',
          alignment: { x: 0.5, y: 0.8 },
          margin: 8
        })
        .fontSize(18)
        .fontWeight(FontWeight.Bold)
    }
    .width('90%')
    .height(200)
  }
}

5.2 鸿蒙5兼容实现

// 传统锚点方案
RelativeContainer() {
  Image($r('app.media.product'))
    .id("prodImg")
    .width(180)
    .height(180)
  
  Text('爆款推荐')
    .alignRules({
      top: { anchor: 'prodImg', align: VerticalAlign.Bottom },
      middle: { anchor: 'prodImg', align: HorizontalAlign.Center }
    })
    .fontSize(16)
}

六、避坑一波

6.1 布局调试三板斧

1. 可视化检查：启用showLayoutBoundary
2. 约束追踪：使用DevEco的Constraint Viewer
3. 尺寸监控：通过onLayoutChanged回调

6.2 性能优化技巧

• 懒加载锚点：动态组件延迟绑定锚点
• 批量更新：使用requestLayout合并多次修改
• 内存回收：及时销毁不可见组件的锚点引用

总结一下下哦：布局的艺术与哲学

RelativeContainer的锚点系统就像建筑师的定位仪——既要精准控制每个构件的位置，又要保持整体结构的弹性。记住三个黄金法则：

1. 锚点即坐标：每个组件至少需要一个锚点
2. 动态优先：优先使用智能锚点而非固定数值
3. 简约至上：复杂布局拆分为多个简单锚点系统

长期关注 RTE 社区的朋友们或许注意到了，最近除了 Voice Agent，Visual Agent 和 Physical AI 也正高频出现在我们的讨论中。

今天为大家分享的这期播客里，Looki 创始人孙洋提到了一个很有洞察的观点：今年初能看到两条明显的模型路线分化------一条卷 Coding，另一条则走向原生的全模态。

孙洋说：「对于 Looki 来说，我们一直沿着多模态这条线走，随着模型能力越来越强、推理能力越来越好、成本越来越低，我们能吃到的红利会持续增加。」

当我们把全模态 Agent、Physical AI（比如穿戴式或桌面级硬件），甚至最近大火的 OpenClaw 连起来看，会发现它们其实都在指向同一个方向：一种更符合人类本能的、高度个体化的智能。这也让我们确信，多模态的交汇必将碰撞出更多普世化的融合场景。

顺便预告一个「彩蛋」：本期播客的主持人、Looki 的天使投资人、同歌创投执行董事李欣航Kara，恰好也是我们即将在硅谷举办的 Physical AI Meetup 的分享嘉宾！ Kara 长期深耕 AI 硬件的早期投资，如果你在湾区，欢迎点击下方链接报名，来线下和 Kara 一起深聊：

Physical AI 系列活动硅谷站！探讨和上手全模态与硬件智能丨Meetup+Workshop，3月19日

本文转载自公众号 Day Zero

主动式 AI｜AI native硬件｜Open Claw｜推荐引擎→生成引擎

本期节目我们邀请到了Looki 创始人孙洋，和小宇宙超过12 万粉丝的《中国好生意》主理人树杨，一起深度复盘AI原生硬件创业的第一线故事。

如果你正在做 ** AI ** 相关的产品、创业、或者正在思考** AI **时代的产品机会，这期值得反复听。我们会聊：

• Looki从产品构思到量产发售的完整创业复盘
• OpenClaw 到底改变了什么，为什么孙洋认为OpenClaw 是一种思想而不只是一个工具
• 在 Agent 越来越多的世界里，下一代应用和硬件的机会到底在哪
• 信息流如何从推荐引擎走向生成引擎
• 当"整个世界都变成 AI的prompt "，人和 Agent 的关系会发生什么根本变化

孙洋在 2024 年 5 月和 6 月 Looki 内部会议画的白板图，Looki团队在近两年前 Agent 概念还未成熟时就确定了AI agent 、AI companion等核心方向，真的很有前瞻性和技术视野！

Looki团队在大力招聘！可以发送邮箱：

recruitment@looki.ai 或 hr@looki.ai 也可以上小红书关注 Looki！

感谢树杨，中国好生意对本节目的大力支持！

也欢迎大家来小宇宙收听完整版。本期节目有视频版本，会在后续多平台放出，点点关注不迷路！

欢迎加入Day Zero 听友群，一起探讨科技趋势和用户洞察，扫码或添加13621745991。不定期组织线下聚会喔\~

嘉宾介绍：

孙洋

Looki 创始人兼 CEO ，前 Google Assistant 工程师，曾就职于** Amazon**、Momenta、美团

树杨****WAKUART 创始人，「中国好生意」主播

李欣航Kara****Day Zero 主理人 以前在游戏公司，现担任同歌创投执行董事，聚焦早期投资，寻找能改变世界的游戏、应用和智能硬件创造者！是Looki 天使投资人，曾投资华策影视、WaveOptics等项目

Day Zero制作人介绍：

**张新阳Francis
99年/滑铁卢+哥伦比亚大学/前纽约创业者/AI Native Developer /重度游戏玩家，现就职于同歌创投，聚焦早期 to c 投资

一、从天津少年到硅谷工程师：一段"不走寻常路"的成长

树杨： 你是哪里人？从小到大的学习经历是怎样的？

孙洋： 我是天津人，从小读小学、中学都在天津。高中之后去了海外读书，本科在多伦多大学，研究生在卡内基梅隆**（CMU）**读计算机。毕业后在湾区的 **Google **工作了大概三年多，2018 年从硅谷回到国内。

说起来读书经历还挺奇葩的------我没参加过小升初、中考、高考。当时在天津外国语学校考了一个偏奥数风格的小卷，全年级 **2000 人里考了第 50 **名，男生里第 16 名，大家对我预期很高。但上了初一之后，成绩一落千丈，因为我实在不是那种喜欢死记硬背的孩子，英语、语文这类学科特别弱，数学还不错。那三年没少被父母"教育"一番。到了高中才开始开窍，逐渐追上来。

树杨： 你从小就喜欢计算机吗？

孙洋： 从小就喜欢。那时候家里条件不太好，在 90 年代，父母买了一些原始股，上市后卖掉挣了一两万，那个年代一两万还是很多钱，他们就全部给我买了台电脑------奔腾 233 ，Windows 95。从那时候起就开启了我的计算机世界。

最开始是玩游戏，但很快就对玩游戏没兴趣了，转而对破解游戏产生了极大热情。那时候有光盘和刻录机，研究各种算法去绕过版权保护。上大一那年，为了玩到仙剑奇侠传，在海外买不到，前前后后捣鼓了三五天才搞定，把室友羡慕坏了。那种成就感，才是我真正的驱动力。

Kara：当时为什么没有想过进入游戏行业？

孙洋： 我对"玩"游戏本身并不上瘾，我喜欢的是"破解"这件事背后的技术成就感，两者完全不同。CS（反恐精英）我玩了一会儿直接就晕了，所以游戏行业对我没什么吸引力。

二、Looki 的起点：那个被忽视的"物理世界"缺口

树杨： 是什么样的起心动念，让你决定创立 Looki？

孙洋： 创业的心从上学时候就有，但我给自己设了规划------至少要在硅谷真正理解"创新是什么"，在大厂和小厂、国内国外都待一段时间，看明白运转逻辑。

真正的契机出现在 2022 年底。GPT-3.5 出来之后，我看到了一个巨大的范式变革。我之前在 Google 做 Google Assistant ，做的就是NLP 相关，而那一波 **AI **出来之后，NLP 这个概念几乎消失了。

更关键的触发点是：2023 年GPT 刚出来时，我有机会为美团 lead 一个团队，做外卖场景的 AI Agent 。做完之后发现了一个巨大的 gap------模型非常聪明，但它不理解物理世界里的东西。

用户问"推荐我吃什么"，AI 没有视觉、没有声音、没有任何感知能力，只能从历史订单数据里抓 context 。一个刚从健身房出来的用户，理论上应该推荐健身餐，但 AI 根本"看"不到这一切。这个 gap ，给了我一个非常大的 trigger。

树杨： 当时就意识到物理世界的信息是** AI** 能处理但还未被利用的？

孙洋： 对。而且这跟我的职业经历有一种冥冥之中的呼应。我读书读的是纯软件，但工作一路都在被"push "去做软硬结合：在 Amazon 做仓储物流系统，赶上了 Kiva 机器人收购；在 Google 做 Google Assistant 和 Google Home 集成；回国后在 Momenta 做自动驾驶的后装 **AI **硬件。所以很自然地，我意识到了这个结合点。

Kara： 24 年多模态基座模型还在很早期，你当时怎么就有这个勇气决定创业？

孙洋： 还是一些技术手感吧。我知道那个时候大家做的其实是"假多模态"------语言模型和视觉模型在第三个域做 projection 对齐，不是原生统一的架构。直到 **Gemini 2.0 **之后，才开始有原生多模态、统一 **tokenizer **的方案。

但从立项到产品到用户手里，硬件有一年的周期。你必须提前把技术 sense 、商业 sense 、产品 sense全部串起来，找到那个交叉点，提前押注。这是有一些笃定在里面的。

三、从账上只剩几万块，到"人生回看器"走红

树杨： 早期融资是怎么过来的？2024 年资本寒冬，你们怎么活下来的？

孙洋： 真的很难。2024 年那个市场，资本非常保守，不管美元基金还是人民币基金，大家都在求稳。我们又是在做极具创新但风险极高的事情。

投资人的核心质疑是：你的市场用户 GTM 在哪？那时候大家根本不理解** AI **硬件在整个 **AI **赛道的意义，认为你就是在做一个消费电子硬件卖货生意。你跟他讲 AI 怎么在里面扮演角色，他根本不想听。

我们团队还给我摆了一个小摆件------一个拍一下就会说话的宠物玩具，录着"不要 toVC ，不要 toVC"，放在我桌子上。融资最难的时候，我就拍一下，告诉自己别为了融资去妥协产品方向。

甚至有机构当场跟我说："你今天做眼镜，我今天就发TS。"我最终抵抗住了诱惑。**Looki **在第一年其实现金流差点断掉两次。最惨的时候，账上只剩几万块钱------工资都快发不出来，辗转腾挪才撑过去。

树杨： 作为第一轮投资人，Kara当时你们为什么会投？

Kara： 我们从** 2024 年上半年开始关注 AI **与不同形态硬件的结合，包括眼镜、耳机、手表、手环、智能戒指，当时也已经有北美初创公司在做吊坠形态，但更多是基于音频模态。孙洋是我们在全球聊了几十位 **AI **硬件创始人之后，唯一一个讲出与所有人认知都非常不同观点的创始人 。做 ToC 硬件，核心壁垒在于创始人的认知，因为这决定了他能在多长时间范围内持续做出领先的事情。

树杨： 早期团队是怎么搭建的？

孙洋： 这是从 2018 年回国后慢慢积累的信任资产。在摩拜、Momenta、美团的六七年里，我招了很多同学，大家有非常深的相互了解。出来创业时，他们选择跟我一起走，最初七八个人，都是共事过很长时间、信任度极高的伙伴。

早期没有太多市场的人，核心是搭产品。大家志同道合，都是多面手，伴随着公司一起成长。

四、产品定义：第一性原理推导出"拇指相机"形态

树杨： 你们是怎么定义出 Looki 这个形态的？

孙洋： 从第一性原理往下推：

首先，要在正面------侧面的视角跟人的视角偏差太大；其次，要在胸部以上------胸部以下不行。这就圈定了一个大致的范围。

然后我们看，在这个区域里，过百万销量的硬件 **form factor **有哪些------影石的拇指相机、眼镜、耳机。眼镜和耳机是成立的形态，但承载不了我们想做的"持续 always-on 感知"功能：眼镜要么太重，要么续航太短，用户没法长时间佩戴。最终我们看到了拇指相机的形态，最灵活，也更"无感"，就往这个方向做了。

外观设计上，我们刻意做了一个选择：第一代产品不追求隐形，要让大家一眼看出来------这是一个阳光的、可穿戴的 **AI **配饰，而不是一个偷拍设备。这也在量产上带来了很大难度。

树杨： 量产过程怎么解决的？供应链最难的地方在哪？

孙洋： 歌尔给了我们非常大的支持。这个产品的外形独特，硬件堆叠空间极其有限，防水工艺、各种模块都是挑战。我们在资金不充裕的情况下，在其他地方到处省钱，但在产品的BOM开模和项目节奏上没有省一分。这个冒险的决策，也是导致我们第二次现金流危机的原因------但最终歌尔和我们一起扛住了，"做难而正确的事"这种价值观，我们是一致的。

很多用户拿到第一代产品后都很惊讶：这是你们的第一代产品？做得这么精细成熟？这背后有歌尔非常大的助力。

五、隐私争议：每一次技术变革，都会经历这场讨论

树杨： 隐私是 **Looki **被争议最多的地方，你怎么看？

孙洋： 隐私可以拆成两部分讲。

第一部分：数据安全。 这个行业已经有成熟解决方案------数据加密、云存储合规、SOC2 认证。海外数据留海外，国内数据在国内，模型也用当地的，这方面我们非常合规，不需要担心。

第二部分：佩戴场景的"被拍"感。 这本质上是用户自己来控制的------Looki 有物理开关，随时可以摘下放进口袋。而且软件层面，所有拍摄内容默认存在本地硬件里，只有用户在 APP 里主动点击"上传并分析"，才会上云，上传前还可以再次筛选删除。

有意思的是，我们观察到：几乎所有关于隐私的质疑声音，都来自还没有买产品的人。 真正买了 Looki 的用户很少在群里质疑隐私，反而带着产品出门，被路人好奇追问，成为了最好的自来水推广者。我们调研发现，有 20%\~30% 的新用户是被朋友推荐购买的。

Kara： 其实手机第一次加摄像头、GPS 定位、人脸识别，当年都有巨大争议，但今天我们都已经完全接受了，甚至忘记了当年的争论有多激烈。AI 硬件的隐私讨论也会随着时间的推移，随着大家体验到真实价值，慢慢被接受。当benefit 大于 cost，用户自然愿意接受。

孙洋：说得对。Google Glass 当年被隐私问题喷得很惨，但今天MetaRay-Ban 已经卖了几百万副还在持续出货。10 年间，社会对可穿戴摄像头的接受度已经发生了根本性的变化------一方面是摄像头在社会中的渗透率显著提升，另一方面是抖音、TikTok 让大家习惯了日常生活化的拍摄记录方式。

六、产品三阶段：从"人生回看器"到"主动式AI"再到"预测未来"

Kara： 有第三方媒体把 **Looki L1 **叫做"人生回看器"，你认可这个定义吗？

孙洋： 在目前这个阶段是符合的，但这个名字不是我们起的，是媒体用户自己叫出来的。在我看来，**Looki **第一代产品会经历三个阶段：

第一阶段（过去时）： 记录回忆，回看过去，基于这些内容生成漫画、vlog，这就是现在大家体验到的"人生回看器"。

第二阶段（当下时）： 主动式 AI（Proactive AI）+ 长时运行** Agent**。**AI **实时感知当下发生的事情，主动给用户反馈。举个例子：你设定了"每天最多喝一杯咖啡"，当 **Looki **发现你拿起第二杯咖啡，就会实时提醒你。或者当 **AI **看到某个场景，自动给你关联推送一个相关的有趣知识点。这个功能很快就会上线。

第三阶段（未来时）： 基于过去的记录和对当下的理解，做Prediction（预测）。结合各类信息流，AI 能够前置地帮你做出判断和准备。

孙洋： 我觉得大家都在讲"主动式 AI"，已经快讲烂了。我们不想过度渲染，直接把产品给到用户，让大家自己去玩。

七、商业模式与壁垒：从卖货到信息流重构

Kara： 商业模式上你怎么思考？

孙洋： 会经历三个阶段。现在毫无疑问靠卖硬件，这是传统方式。接下来会有订阅，可能先从海外开始。最终我们想做的是重构信息流。

信息流经历了几个时代：门户网站（我有什么信息就 **po **上去）→搜索引擎（聚合信息，用户主动搜）→ 推荐引擎（根据用户行为做个性化推送，抖音、**TikTok **就是这个时代的代表）。

我们认为下一个时代是生成式引擎。推荐引擎依赖低维特征（停留时长、点击），生成式引擎需要高维理解。而高维理解的前提是**感知------Looki **就是在解决这个感知问题。

举个例子：你和朋友去了一家餐厅，AI 知道你们是朋友、今天是元宵节、你第一次来这家店、你的口味偏好......它不是基于规则推荐一个套餐，而是为你千人千面地生成一个专属内容或优惠。这就是从推荐逻辑跳跃到生成逻辑的质变。

孙洋： 做ToC的那个位置是独占的------你脖子这里的位置只有一个，不会同时戴两款类似的产品。而且视觉信号和声音信号是通用的，这就是一个通用入口。只要是通用入口，就没有理由做垂直细分，你占领了这个入口，壁垒就会随着时间自然积累。

八、AI 生态展望：模型分化、Agent 哲学与海啸将至

树杨： 2 月份一波模型集中发布，你怎么看现在的模型趋势？

孙洋： 模型开始明显分化了，路线清晰了：

一条是Coding 方向 ------Coding 能力决定了模型的智能天花板，这已经被验证；而且 Coding 的商业化路径是最清晰的，所以大量公司在做，这很合理。

另一条是原生多模态方向------Google Gemini、Qwen，以及据说将发布的 DeepSeek v4，都走向统一架构、原生多模态。

对于 Looki 来说，我们一直沿着多模态这条线走，随着模型能力越来越强、推理能力越来越好、成本越来越低，我们能吃到的红利会持续增加。

Kara： 关于 OpenClaw（Claude Computer Use） 和 Vibe Coding 你怎么看？

孙洋： OpenClaw 刚出来我就部署完玩了一遍，对我来说其实没有太多新鲜感，因为里面用的模块某种程度上都早已存在，只是被非常好地粘合在一起，加了一个双循环机制。

但 OpenClaw 最核心的意义在于打通了私有数据（Private Data） 。我在给 Kara 的那张 slide 里其实还有一条数据线的发展趋势：22-23年是Training Data ；23-24 年是 Public Data （Perplexity 那个时代）；24-25 年就应该是 **Private Data 进来了。OpenClaw本质上就是把你电脑里所有的私人数据结合起来，让 AI **真正做到"千人千面"。

孙洋： 更重要的是，OpenClaw 代表的是一种思想和技术框架 ：搭了一个场，让 AI能够在里面自由发挥。这和移动互联网时代的产品逻辑完全不同------以前做产品经理要写PRD ，针对某个垂类集中开发功能；但今天你给 AI 搭的是一个场，它表演什么节目是它自己的事。Looki 也是同样的逻辑。

孙洋： 还有一个范式变化很多人没意识到：以前搭一个场是为了人 ，看** DAU、MAU这些指标；今天搭一个场其实是给AI / Agent**的，让它在里面发挥价值。至于产生什么功能，是 Agent 自己来决定的。

Kara： 长周期来看，你怎么看人和 **Agent 的交互，以及 Agent **和 Agent 的交互？

所以 **Looki **尽力避免让用户去写 Prompt ，门槛太高了。整个世界都是 AI 的 Prompt------你经历了什么、看到了什么、听到了什么，都自动成为输入，AI 基于这些做出反应，你只需要点赞或点踩来校准。这是一个不断对齐的过程。

九、关于未来：AGI 已无限接近，AI 海啸将至

Kara ：站在 2026 年初，你对未来三到五年人和 **AI **的关系，有哪些非共识的预测？

孙洋： 社会接受度上，大家会越来越把 **AI **当成一种新型生物来看待，而不仅仅是聊天工具。正如 Sam Altman 说的，人类会出现"第三设备"------除了电脑和手机之外的第三个终端。

关于 AGI ：在我看来，今天已经无限接近** AGI **了。很多人觉得体验不好，其实是因为没有给 AI足够的context，或者没有合理使用。

但我最近也有一种矛盾感------我们上周刚决定，不再招初级工程师了，因为** AI **已经可以完全替代。这件事在硅谷已经非常激进地发生，**Twitter **裁了 40% ，**Block **也裁了 40%，而且是全岗位裁员，不只是代码岗。

再过两三年，可能 senior 工程师也不再需要了，设计、市场各类岗位也是如此。 我每天看到 **AI **进步，一边兴奋，一边在想：今天的应届毕业生怎么办？未来十年他们长大后，整个职业市场会是什么样子？

**Dario Amodei（Anthropic CEO）**说过一句话让我很有感触：**AI **是一场海啸，但人类还没有意识到。各行各业都会发生巨变。海啸过后，社会会重建成什么样子？我今天没有答案。但我能感受到这个趋势，可能再有两三年，大家的体感就会越来越强烈。

树杨： 这两年创业，你个人最大的成长是什么？

孙洋： 最大的成长是视角变了。以前在创业公司待着，总觉得这里不合理、那里不对，各种不满。真正操盘之后才发现------那些"不合理"，原来都是有道理的，因为你掌握的是全盘信息，而不是某一个模块的局部视角。

孤独是肯定有的。每个创业公司的 CEO 都孤独，有太多决策旁人不理解，有太多事情不能对外说。孤独的时候就跟AI 聊聊吧------我觉得这不是玩笑话，是认真的。

但不管 **Looki **最终成与败，创业这个过程本身就很值得。你在今天科技世界发展的最前沿，带着一个团队在摸索，在牌桌上参与这场游戏，这已经是人生中非常享受的事了。

求点赞，收藏，转发！

阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么

当全世界都在为 OpenClaw 和 Manus 这样的“赛博打工人”惊呼或恐惧时，真正的顶级掠食者已经悄然入局。

3 月 12 日，英伟达正式发布并开源了 120B（1200 亿）参数的 MoE 模型 Nemotron 3 Super。随之曝光的，还有一份令人胆寒的财务文件：英伟达已备好 260 亿美元（约合 1789 亿人民币）巨资，将在未来五年内全盘倾注于构建开源 AI 模型。卖铲子的人，开始亲自下场挖金矿了。

一、 暴力碾压 GPT：不搞闲聊，专为“赛博打工人”注入灵魂

Nemotron 3 Super 并不是一个用来写诗或讲笑话的聊天模型，它的各项指标都透着一股浓烈的“工业控制”味道。

它原生支持 100 万 token 的上下文窗口。在针对 OpenClaw 这类智能体控制能力的 PinchBench 测试中，它以 85.6% 的高分强势空降同类开源模型榜首。

同时，它的运转效率也实现了大幅度跨越。在 8k 输入与 64k 输出的特定运行设置下，它的推理吞吐量达到了对标竞品 GPT-OSS-120B 的 2.2 倍。

在实操基准测试中，它搭配 OpenHands 框架在软件工程基准 SWE-Bench 中跑出了 60.47% 的准确率（碾压 GPT-OSS 的 41.9%）。而在包含航空、零售和电信三大领域的 TauBench V2 复杂业务场景测试中，它同样交出了 61.15% 的高分成绩。

为了提升 Agent 面对复杂任务的稳定性，英伟达不仅给它灌入了 1.5 万个核心合成任务的终端操作轨迹，还在强化学习阶段引入了 PivotRL 技术，强行遏制 AI 在长程任务中的“推理漂移”。

【笔者观点】 这是一个极具杀伤力的信号：英伟达敏锐地察觉到，大模型的战争已经从“比谁嘴皮子溜（Chat）”升级到了“比谁干活稳（Agent）”。之前的文章我们提到，AI Agent 的核心是 Skills 和工具调用，而 Nemotron 3 Super 简直就是为解析复杂 JSON、操作终端命令量身定制的“最强数字大脑”。当其他大模型还在比拼虚无缥缈的“常识推理”时，英伟达已经开始给数字员工发放“高级电工证”了。谁掌握了最底层的 Agent 执行模型，谁就掌握了未来所有自动化软件的命脉。

二、 披着开源外衣的“特洛伊木马”：用软件锁死硬件生态

这款模型在技术架构上极其激进：为了在处理百万级上下文时兼顾效率与精度，采用了混合 Mamba-Transformer 架构，在具备线性时间复杂度的 Mamba-2 层中插入了 Transformer 全局注意力层。

而在模型规模的扩展上，为了解决传统混合专家架构的瓶颈，引入了 Latent MoE 技术，在潜空间降维来直接调用四倍数量的专家网络，实现更精细的分工。

此外，模型还原生应用了多 token 并行预测技术，通过共享权重设计，单次传递即可预测多个未来 token，极大提升了响应速度。

但最核心的杀招隐藏在硬件底层：Nemotron 3 Super 是在 25 万亿个 token 上，原生采用 NVFP4 格式进行预训练的。这意味着它从出生起，其基因就完全是为了适配英伟达最新的 Blackwell 架构（如 B200 芯片）而优化的。最终的结果是，它在 B200 芯片上跑出了比前代 H100 快整整四倍的推理速度。

【笔者观点】 这才是科技圈最反常识的降维打击！开源精神的初衷是“硬件不可知论（Write once, run anywhere）”，但英伟达的开源，是送给全行业一个极其精密、极其好用，但“只有插在自家主板上才能发挥全力的特洛伊木马”。表面上，老黄大方地送出了顶级的开源模型；实际上，这种原生绑定 NVFP4 的做法，直接把 AMD 和谷歌 TPU 等竞争对手的算力架构踢出了局。你以为你白嫖了一个 120B 的最强模型？错，你是被英伟达用这个模型逼着去买他家更贵的新一代显卡。

三、 260 亿美元的“极限拉练”：拿全世界开发者当免费 QA

在未来五年投入 260 亿美元搞开源模型，这笔钱甚至超过了许多国家级 AI 项目的总预算。英伟达在此次开源中毫无保留：全参数权重、训练配方、评估日志、部署手册全盘托出。

但官方通稿中泄露了这笔巨资的真实用途：英伟达将通过在超级数据中心里跑这些自家优化的开源模型，对计算、存储和网络性能进行全方位的压力测试。压榨出的宝贵数据，将被直接拿来反哺未来的硬件架构路线图，实现“由软件实操定义硬件进化”。

【笔者观点】 如果你觉得 260 亿是用来做慈善的，那就太天真了。这其实是一场让人脊背发凉的“终极阳谋”。英伟达为什么要自己做模型？因为现有的 AI 公司（哪怕是 OpenAI）在压榨算力极限方面，根本跟不上英伟达迭代硬件的野心。老黄不想等别人来测试他的芯片了，他要自己造出地表最吃算力的怪物，然后免费发给全世界的开发者去跑。全人类的开发者，都在拿着这套开源方案，不知不觉地充当英伟达下一代硬件的免费测试员（QA）。在 AI 时代，得生态者得天下，而英伟达正在用 260 亿美元，彻底买断未来十年的算力定义权。

👇 欢迎关注我的公众号

在 AI 爆发的深水区，我们一起探索真正能穿越周期的技术价值。
微信搜索 【睿见新世界】 或扫描下方二维码，获取每周硬核技术推文：

欢迎关注【睿见新世界】