当科技狂奔的脚步声与生命倒计时的滴答声交织，我们是否该重新审视智能驾驶的“安全神话”？3月29日，一场以97km/h划破寂静的碰撞，让小米SU7的智驾系统从云端跌落现实。三具冰冷的躯体、四秒仓促的警报、一场被死神提前截停的“接管赛跑”，不仅撕开了车企技术叙事中的理想化滤镜，更将整个行业推向一个残酷的悖论：我们越狂热地追逐智能化的星辰大海，是否反而在安全根基上埋下更深的隐患？这场事故，早已超越单一品牌的危机，成为技术崇拜时代的一面棱镜——折射出创新与生命的天平该如何校准。
这一事件不仅引发了对小米汽车技术安全性的质疑，也为整个智能电动汽车行业的发展敲响了多重警钟。这起交通是用"生死时速"揭开了智能电动汽车“技术、营销和法规”三大隐患的幕布：
此次事故警示行业需从技术、宣传、法规三方面综合改进：
唯有在安全底线之上推进技术创新，智能驾驶才能真正实现“解放人类”而非“威胁生命”的愿景。
2 个月前
Xiaomi-Robotics-0 预训练了大量跨身体机器人轨迹和视觉语言数据，使其能够获得广泛且可推广的动作生成知识，同时保持强大的VLM能力。
5 个月前
马斯克为股东和公众描绘了一幅超越电动汽车、迈向人工智能与机器人技术的宏大未来蓝图。
9 个月前
2025年8月5日，小米星核超级AI电脑是小米有品众筹上线的一款迷你机，众筹定价13999元。它搭载强大的硬件配置，具备出色的AI算力和丰富功能： 处理器：搭载AMD锐龙AI Max+395芯片，基于Zen5架构，拥有16核32线程，加速频率5.1GHz，总缓存80MB，性能强劲。 显卡：搭配Radeon 8060S GPU，基于RDNA3.5架构，有40个图形单元，共享96GB显存，图形性能超越RTX 4060，部分场景下AI性能超越RTX5090。 内存和存储：配备128GB LPDDR5内存，频率为8000MHz，存储方面采用2TB SSD（2*M.2 2280 PCIe 4.0），可满足大量数据存储和快速读写需求。 *网络连接：支持WiFi 7+蓝牙5.4，能提供高速稳定的网络连接，方便用户进行数据传输和网络访问。 接口：接口丰富，正面有电源键、性能切换键、SD卡槽、USB4.0 Type-C接口、两个USB3.2接口和3.5mm音频口；背面有USB 2.0、HDMI2.1、DP1.4、满血USB4.0、USB3.2以及2.5G的网口，可满足多种外接设备需求。 AI算力：总算力150+TOPS，可以本地部署多款开源模型，如Qwen3、Deepseek、小米MiMo等，无需依赖云端，保证数据安全和隐私性。 功能应用：赠送NOVA AI Studio终身免费使用权，支持AI文生图、文生视频、PPT自动化排版等功能，并配备Nova推理引擎，AI填充速度提升至多800%。此外，还搭载玲珑月影串流工具，支持多终端数据流转、远程访问，可连接多块显示器及平板、手机等设备。 操作系统：预装Win11专业版，提供120W性能模式、85W平衡模式、55W静音模式，用户可根据不同使用场景选择合适的模式。*
1 年前
AI技术在汽车行业应用广泛，在研发设计上，能生成设计方案、优化虚拟仿真测试；生产制造中，智能机器人提高效率与质量，AI用于检测和流程优化；自动驾驶方面，实现环境感知、决策与路径规划；智能座舱里，多模态交互和智能显示提升体验；售后服务时，可诊断预测故障、提供客户服务；在销售和市场分析中，能预测趋势、精准营销。 研发设计 方案生成与优化：AI算法能根据市场需求和消费者喜好，快速生成多种汽车外形、内饰设计方案。还可通过大模型技术筛选参数，优化设计，缩短设计、验证和修改周期。 虚拟仿真测试：利用AI进行车辆性能、安全性等方面的虚拟仿真测试，如车身气密性仿真、喷涂仿真等，减少实际测试次数，降低研发成本。 生产制造 智能机器人装配：智能机器人可精确完成复杂装配任务，通过内置传感器和智能控制系统，实时监测零部件尺寸精度、装配紧密程度等参数并及时调整。 质量检测：AI视觉检测系统对生产线上的质量图片进行分析计算，能自动识别缺陷并警告、推送责任人处理，还可自动生成统计报表。 生产流程优化：通过分析生产数据，AI找出瓶颈环节和潜在质量问题，实现生产效率最大化和产品质量最优化。数字孪生技术可创建物理车辆的虚拟副本，用于测试产品性能，优化制造过程。 自动驾驶 环境感知与决策：依靠车载传感器、摄像头和雷达收集环境信息，由AI算法分析处理，实现车辆自主导航和决策，如自适应巡航、自动紧急制动等。 路径规划：根据实时路况和目的地，AI为车辆规划最优行驶路径，同时考虑交通规则、行人等因素，确保行驶安全和高效。 智能座舱 语音交互：语音助手可识别和理解驾驶员的语音指令，实现导航、音乐播放、车窗控制等功能，让驾驶员专注于驾驶。 情感交互：通过监测驾驶员的表情、情绪等，提供情感陪伴和个性化服务，如根据驾驶员情绪调整车内氛围灯、音乐等。 售后服务 故障诊断与预测：基于车辆传感器数据和历史维修记录，AI可预测车辆可能出现的故障，提醒车主及时保养和维修。在维修时，AI系统能快速定位故障原因，提供维修方案建议。 客户服务：AI驱动的虚拟助手在售前、售中和售后为客户提供支持，解答产品咨询、处理投诉等，提供24小时不间断服务，提高客户满意度。 供应链管理 需求预测：AI通过分析市场趋势、消费者行为等数据，帮助汽车制造商预测未来市场需求，以便合理安排生产计划和原材料采购。 库存管理与物流优化：优化库存管理，减少库存积压和缺货现象。同时，AI优化物流配送路线和计划，提高物流效率，降低成本。
1 年前
小米眼镜提前发布情况 相关爆料：小米首款AI眼镜M2442G1已获入网许可，原计划于2025年3月至4月发布，现提前至2月，将与小米15 Ultra一同亮相。 功能推测：可能搭载高通骁龙AR1芯片，集成音频耳机模块和摄像头模块，支持全息语音交互，接入小米大模型，实现实时翻译、AR导航等功能，还可进行高质量的视频和照片拍摄，智能识别显示内容。 官方回应：小米集团公关总经理王化称小米眼镜官微为多年前申请，并非新上线，但未明确否认AI眼镜提前发布一事。 业内看好AI眼镜爆发的原因 技术进步 芯片技术：更先进的芯片可实现快速数据处理，让AI眼镜能实时响应用户指令。 传感器技术：高精度传感器能收集更多数据，为用户提供更个性化服务。 网络发展：网络速度提升，为AI眼镜提供更快的数据传输速度，满足实时处理信息的应用需求。 市场需求 应用场景丰富：生活场景中可实时导航、提供交通信息，带来沉浸式游戏和观影体验；工作场景能辅助处理文件、记录会议内容；教育场景可通过AR技术提供沉浸式学习体验；医疗场景中医生能借助它获取患者实时信息，辅助诊断和手术。 发展趋势：AI眼镜是可穿戴设备智能化的新方向，智能手表、智能手环等可穿戴设备的普及，使用户对这类设备的接受度越来越高，AI眼镜有望延续这一发展势头。 巨头入局：包括百度、华为、小米、三星、Meta、苹果、字节跳动等科技巨头，以及闪极科技、杭州灵伴科技、深圳市雷鸟网络等创新企业，均已涉足AI眼镜领域，推动市场发展。 成本降低：以DeepSeek为代表的国内大模型密集更新，大幅提升模型质量的同时降低单位成本，算力环节有望得到缓解，参与玩家可采用相对少硬件和相对低成本，国内智能眼镜玩家或加速入局。 市场数据支持 IDC预计2025年全球AI眼镜市场出货量为1280万副，同比增长26%，中国AI眼镜市场出货量为280万副，同比增长107%。 洛图科技预计2025年AI功能在智能眼镜市场的销量渗透率将突破60%。 Wellsenn预测2029年AI智能眼镜的年销量将达到5500万副，2035年有望突破14亿副。
21 天前
AiPPT: 一句话、一分钟、一键搞定
28 天前
Ralph 就是一个让 AI "自己干活直到做完"的循环机制，特别适合复杂的编程任务，解放人力。这里介绍具体怎么搭建和使用 Ralph 循环。 📋 前置准备 你需要准备以下内容： 工具 用途 Claude Code Anthropic 的 AI 编程助手 CLI Docker Desktop 提供隔离的沙盒环境 Anthropic API Key 调用 Claude API 🛠️ 搭建步骤 方法一：使用 Claude Code 插件（推荐） Step 1: 安装 Claude Code # 安装 Claude Code CLI npm install -g @anthropic-ai/claude-code Step 2: 初始化项目 mkdir my-ralph-project cd my-ralph-project claude init Step 3: 添加插件市场 claude plugins add-marketplace Step 4: 安装 Ralph Wiggum 插件 claude plugins install ralph-wiggum Step 5: 配置 Stop Hook 在 .claude/hooks/ 目录下创建 stop-hook.json： { "hook_type": "stop", "decision": "block", "conditions": { "check_tests": true, "check_type_errors": true, "check_git_changes": true }, "max_iterations": 20, "prompt": "任务未完成，请继续迭代修复问题" } 方法二：手动搭建（完全控制） Step 1: 创建项目结构 my-ralph-project/ ├── .claude/ │ ├── hooks/ │ │ └── stop-hook.sh │ ├── skills/ │ │ └── ralph-loop.json │ └── config.json ├── prd/ │ └── requirements.json └── workspace/ Step 2: 配置核心文件 config.json - 核心配置 { "max_iterations": 15, "auto_commit": true, "run_tests_after_each_iteration": true, "stop_conditions": { "all_tests_pass": true, "no_type_errors": true, "prd_completed": true } } skills/ralph-loop.json - 技能定义 { "name": "ralph-loop", "description": "自主迭代循环实现 PRD 任务", "trigger": "when_task_incomplete", "actions": [ "analyze_current_state", "identify_blockers", "fix_issues", "run_tests", "commit_if_passing" ] } hooks/stop-hook.sh - Stop Hook 脚本 #!/bin/bash # 检查测试是否通过 TESTS_PASS=$(npm test 2>&1 | grep -c "passed") # 检查是否有类型错误 TYPE_ERRORS=$(npx tsc --noEmit 2>&1 | grep -c "error") # 检查 PRD 是否完成 PRD_COMPLETE=$(node check-prd.js) if [ "$TESTS_PASS" -eq 0 ] || [ "$TYPE_ERRORS" -gt 0 ] || [ "$PRD_COMPLETE" = "false" ]; then echo "BLOCK: 任务未完成，继续迭代" exit 1 else echo "ALLOW: 任务已完成" exit 0 fi Step 3: 准备 PRD 文件 prd/requirements.json { "project_name": "My Feature", "tasks": [ { "id": 1, "description": "创建用户登录页面", "criteria": ["表单验证正常", "API 调用成功", "错误处理完善"], "status": "pending" }, { "id": 2, "description": "实现用户注册功能", "criteria": ["邮箱验证", "密码强度检查", "重复密码确认"], "status": "pending" } ] } 🚀 使用方法 启动 RALPH 循环 # 方法一：插件方式 claude run --skill ralph-loop --prd ./prd/requirements.json # 方法二：Docker 隔离环境 docker run -it \ -v $(pwd):/workspace \ -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \ claude-ralph:latest 监控循环状态 # 查看当前迭代次数 cat .ralph/iteration_count # 查看任务完成状态 cat .ralph/task_status.json # 查看日志 tail -f .ralph/loop.log 🔧 高级配置 1. 自定义 Stop Hook 规则 { "stop_conditions": { "all_tests_pass": { "enabled": true, "command": "npm test", "success_pattern": "all tests passed" }, "no_lint_errors": { "enabled": true, "command": "npm run lint", "success_pattern": "no problems" }, "coverage_threshold": { "enabled": true, "threshold": 80 } } } 2. 添加代码审查步骤 { "after_each_iteration": [ "run_tests", "run_linter", "code_review", "commit_if_passing" ], "code_review_prompt": "审查代码质量、安全性、性能问题" } 3. 设置成本控制 { "cost_limits": { "max_tokens_per_iteration": 50000, "max_total_cost": 50, "alert_at_cost": 30 } } 📊 典型工作流程 ┌─────────────────────────────────────────────┐ │ 1. Claude 读取 PRD 任务列表 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 2. 选择下一个待完成任务 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 3. 实现代码、编写测试 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 4. 运行测试套件 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 5. Stop Hook 检查是否完成 │ │ • 测试通过？ │ │ • 无类型错误？ │ │ • PRD 要求满足？ │ └─────────────────┬───────────────────────────┘ ↓ ┌───────┴───────┐ ↓ ↓ 未完成 完成 ↓ ↓ 返回步骤 2 结束循环 💡 最佳实践 建议 说明 PRD 要清晰 任务描述具体、可验证，避免模糊需求 设置最大迭代 防止无限循环消耗过多成本 使用 Docker 隔离环境，避免污染本地系统 定期检查 每 10 轮查看一次进度和日志 成本监控 设置预算警报，避免超支 ⚠️ 注意事项 成本控制：每次迭代消耗 tokens，长时间运行成本较高 质量检查：AI 可能"认为"完成但实际有 bug，需要严格测试 安全边界：在沙盒环境运行，避免 AI 误删重要文件 人工介入：复杂任务仍需人工审查结果
28 天前
Ralph Loop 是一种让 AI 自主迭代的机制，主要用于解决 AI 编程助手"半途而废"的问题。
Minimax（海螺AI）已由大模型名Minimax替换原海螺AI。现海螺AI为Minimax视频生成产品名。
海螺AI