在人工智能加快速度进行发展的新时代， AI大模型和智能驾驶爆火之后，下一个将要兴起的赛道无疑是具身智能。
“具身智能带来的是一种进化，从‘机器’到更像‘人’的转变。”“机器人技术是慢慢地发展的，最终实现群体化能力。”“信息革命时代，信息是主角，AI是配角；现在，AGI的发展使得主角和配角角色转换。”“建筑机器人会大幅度提高适配性，适应更多的非标准化场景。”“模型的适应性较差，在复杂工业场景中识别能力受限。”“咱们不可以仅依赖传统的非接触式传感器，而是需要与城市物理环境进行交互……”
2024年12月19-20日，第16届创业邦100未来独角兽大会在成都举行。会上，中关村智友研究院副院长英语霏、凌星光瞳董事长兼CEO察日苏、世航智能创始人兼CEO陈晓博、加速进化创始人兼CEO程昊、丰坦机器人创始人兼CEO李自可、深视创新CEO许琦、库萨科技联合创始人兼CEO杨希，在题为《具身智能，解锁AGI的物理世界交互之门》展开对话。
他们的分享向我们展示了具身智能的未来美好憧憬以及多元应用场景的展示，也前瞻的为我们指出AGI将推动具身智能技术的跨越式发展，将为各行各业带来革命性变化的机遇抉择。
英语霏：在场的每位嘉宾都来自不同的领域，在各自领域中都有应用具身智能技术落地的经验。请每位嘉宾分享他们对通用AI在具身智能发展中的作用、差异观察及未来预测的看法。
察日苏：大家好，我是来自凌星光瞳，主要是通过全真光学来赋能AI智能体的感知导航，我们也是世界第一家真正解决单目、全景和纯光学无畸变实时三位统一的量产团队，技术源自浙江大学极端光学技术与仪器全国重点实验室，已经在科沃斯首台套智能割草机器人上完成量产。
在我看来，具身智能带来的是一种进化，早先我们讨论的“机器人”，更多像是“机器”而非是“人”，而现在则更像“人”。因为它具备了深度理解的能力，能够观察理解复杂的环境，并通过自主学习不断的提高。我的看法可能更为激进一些，我认为具身智能不应仅停留在模仿人类，某些功能还可以超越人类。譬如人类依赖双目视觉来观察理解周围环境，并通过扭脖子（云台）和声音来补充对环境的认知；而站在更宏观的角度来看，自然进化出两大类视觉体系：双目和全景，捕食者需要双目视觉来进行精确抓取，而被捕食者则需要全景视觉来逃避捕食者。具身智能可以超越人类，既拥有3D感知进行抓取，也同时拥有全真光学打造的全景视野实时精确感知周围并做出最优决策。
陈晓博：我来自世航，专注于水体机器人研发。水下世界与我们生活紧密相关，涉及航运、食物和能源。我们团队研发了全球首个水下工程作业机器人，并获多项荣誉。我拥有7年行业经验，专业从电子信息转向机器人，特别是智能导航与控制。我研究了智能体协同工作，并深造智能体技术。我认为机器人技术是慢慢地发展的，最终实现群体化能力。
博士毕业后，我进一步研究了人工通用智能（AGI），发现海洋领域应用广泛，但传统方法开发效率低。AGI的发展使我们能开发一种多功能的水体具身机器人，满足多种水下作业需求，提高产业化效率。AGI对海洋机器人产业化至关重要，世航是行业首个将AGI应用于水体机器人开发的团队。
程昊：我们大家都认为，当前这波具身智能和机器人的机会与以往大不相同。过去的技术发展更多是关于硬件与算法的结合，以提升机器的自动化和智能水平。而当前的变革，AGI成为主导，它正在寻找新的载体。我们大家都认为，过去四五十年的信息革命时代，信息是主角，AI是配角。从软件到互联网，再到移动网络，信息的生产和消费一直是核心，而互联网催生了笔记本电脑，移动互联网催生了iPhone这样的智能手机。但现在，AGI的出现使得主角和配角的角色发生了转换。信息的生产已达到了一个极端的阶段，人类能通过手机直播，迅速将信息传播给上亿人。在此阶段，AGI的发展接过了发展的接力棒。
接下来，AGI将成为主角，硬件载体也将出现重大变化，慢慢的变标准化和统一。就像智能手机最终从多种形态收敛为iPhone这样的形态一样，未来也会出现超级手机，比如折叠屏手机等不断的发展。
我认为，这一波机会是由AGI带来的，而具身智能则是AGI与硬件载体结合的产物。就像智能手机与移动互联网的结合开启了一个新的时代，具身智能机器人与AGI的结合也将开启未来几十年的新篇章。
李自可：具身智能的加快速度进行发展对建筑机器人的进步是一个巨大的利好。当我开始涉足建筑机器人领域时，许多人对此持悲观态度。他们都以为，由于建筑场景的非标准化和复杂工况，现有的工业和移动机器人技术很难完全满足建筑场景的需求，在标准化比较高的场景应用会比较好。如今，随着具身智能和人工通用智能（AGI）的应用，建筑机器人会大幅度提高适配性，适应更多的非标准化场景。总的来说，我对具身智能的发展感觉到很兴奋，这对我们产业来说是一个巨大的好消息。
许琦：上世纪90年代末，工业视觉检验测试领域就已经存在。我们从2016年回国后开始在国内研究AI不一样的行业应用，到了2017年，我们确定在工业领域探索AI技术。当时，我们主要研究的是小模型，因为在工业领域，获取样本非常有限。例如，对于像手机边框这样的产品，良品率很高，可能在交付期间我们只可以拿到几十个不良品样本。我们只可以通过这些少量样本来训练小模型，最多也就通过算法或者人造生成弥补一部分样本缺失，从而训练出一个能快速适应工厂环境的模型。
我们之前的研究重点是减少样本量，使小模型能快速适应交付。但这种方法存在一个问题，即模型的适应性较差。在一些复杂的工业场景中，如存在工艺粗糙、粉尘、和水渍等干扰的情况下，AI的识别能力受限，导致误判率变高。另一个问题是在需要频繁的产品换型环境下，例如制药领域，有些产线每天应该要依据订单生产多种不同的产品，小模型难以适应这种快速变化。
现在，随着通用大模型的发展，我们正在研究怎么样长期优化在细分行业中建立通用大模型，以提高模型的适应性，使其能适应快速换型和复杂背景的行业，实现更精准高效的检测。
此外，我们的核心技术是AI算法底层开发。以前我们开发中都是将AI和传统算法的结合开发的方式，对于研发人员的代码能力有一定的要求极高。现在，有了AGI框架和大模型的支持，即使是高中生也能完成以前只有少数海归博士和顶尖高校毕业生才能完成的工作。这对我们行业来说是一个划时代的推进，也是最大的帮助。
杨希：许总的观点关于开发效率非常正确。我们团队目前规模比较小，但效率很高，与传统团队相比，我们只需要1/3到1/4的人手。我们专注于开发城市开放场景的服务机器人，首个应用场景是环卫服务。AGI（人工通用智能）对具身智能的增强效果，比传统的无人驾驶技术更为显著，能够说是指数级增长。
我们的产品和服务与传统无人驾驶技术的主要不同之处在于输入输出端的不同。首先，在输入端，咱们不可以仅依赖传统的非接触式传感器，而是需要与城市物理环境进行交互，因此我们会使用许多接触式传感器，包括压力传感器。在传统框架下，处理传感器输入端的时间同步和空间同步是一项繁杂的工作，结合AGI算法优化，这些传感器可以在一定程度上完成高精准的时间和空间同步和后续处理，从而大幅增强机器人感知的容错能力。
其次，在输出端，传统无人驾驶技术只需要在水平面上进行X轴和Y轴的输出，而我们的具身智能机器人需要在城市场景中增加处理Z轴的垂直输入，以及XYZ三个轴的旋转输出。输出的最终目标是直接输出终端作业轨迹。为了兼顾精度和效率，我们在业内创新性地采用了非均匀分布OCC占用网络，使具身智能机器人能够在复杂的城市环境中实现更高效和精确的操作。
环卫机器人之所以能具备更好的自主能力，在更复杂的交互场景下取得更好的表现，正是得益于AGI强大的泛化能力。与传统的机器人（rule-Base）相比，AGI的逻辑推理能力和泛化能力赋予了具身智能更深层次的交互和决策能力，使得机器人能够自主应对复杂多变的城市环境挑战，也加速了环卫行业服务智能化的步伐。
英语霏：各位嘉宾讨论了AGI对产业高质量发展的影响。程总，您的智元机器人公司新发布的视频提升了行业对机器人发展的期待。从应用落地角度看，我们加速进化公司也参与了这一领域。请问您对近两年人形机器人的发展有何看法，以及我们公司在这方面的规划和考量？
程昊：我们来自清华大学自动化系，专注于人形机器人的研究。我们大家都认为，尽管AI和人形机器人发展迅速，但大范围的应用还需时日。目前阶段应专注于产品研究开发和商业模式建立，逐步形成商业闭环以实现持续发展。人形机器人尚未大规模应用，时机未到。我们始终相信，随技术进步，未来将出现关键技术推动行业发展，如同计算机行业的Windows、浏览器和互联网。我们的发展策略是：做好产品，跑通商业模式，逐步增长。
英语霏：可能由于每个行业从业者或团队采取的策略不同，他们关注的领域和节奏也各不相同。因此，在您看来，人形机器人要实现成熟落地，可能还需要一定的时间周期？
程昊：对，虽然人形机器人的成熟落地可能需要一个相对较长的周期，但我认为这个周期会比整个信息革命时期要短。这是因为，尽管计算机和互联网在最初并不成熟，但现在的机器人技术可能正处于计算机技术发展的阶段，而AI的发展速度已经很快。如果将70年代的计算机和网络技术同时出现的情况类比到现在，我认为整个信息革命的进程将会大大加速。
英语霏：程总，如果这是一个长期的过程，那么在这个赛道上，我们是不是都需要依赖持续的融资和政策支持来推进？在这样一个漫长的周期里，大家都在强调耐心资本的重要性，您认为我们如何能保证所有产业创新要素，包括市场信心，能够顺利地跨越这个长周期的挑战？
程昊：我觉得可以，如果我们有机会穿越回75年前，我相信没有人会拒绝投资苹果公司。苹果公司在整个80年代，包括Windows在80年代末期的蓬勃发展，都显示了其巨大的潜力。站在现在这一段时间点，我们可能会对投资苹果感到犹豫，但如果我们真的能穿越回去，并且知道未来的发展，我相信没有人会选择不投资苹果。
我认为，对于具身智能和人形机器人的发展，我们现在正处于一个建立认知的过程中。我们应该慢慢的变多的创新展示，就像马斯克的特斯拉那样，坚定地发展人形双足机器人。站在50年后回顾现在，我们可能只有少数的能力去预测20年后的事情，因此选择现在应该做的事情。
在面对如此宏大的机遇时，我认为我们反而需要保持平常心，脚踏实地地去做事情。过高的预期有几率会使预期的下跌。我们该逐步积累信心，这样会更健康地推动技术的发展。
程昊：我们对未来持有非常乐观的态度，但我们并不认为这种乐观意味着明年就能实现技术进入车厂和家庭。在这一点上，我们可能看起来比较悲观，但实际上这并不是悲观。
英语霏：在座创业者们企业平均岁数2-3年，虽处于早期，但都与实际场景紧密结合，落地效果良好。我想探讨的是，例如察总，您在技术领域积累多年，与大厂和科学家合作创业，并迅速布局产业，与科沃斯深度合作。您是如何制定产业应用策略，考虑与场景结合的？
察日苏：我之前在全球第一大消费类电子光学企业舜宇光学科学技术工作了近10年，我的技术合伙人白剑教授是浙江大学光电学院光学工程所所长，全线年。以前在舜宇光学科技，我们大家常常讨论下一个手机可能是什么？可能是汽车、AR或是机器人。但能确定的是：每一个新物种的智能终端，都在大多数情况下要新物种的传感器。就像刚才程总提到的，大家都想回到过去投资苹果。但开玩笑来讲我们怀疑马斯克有很大的可能性就是那个从未来回来的人，他每一次都精准预见了未来，如今更是致力开发双足机器人，甚至认为未来每个家庭都需要一台这样的机器人。
全真光学技术就是新物种传感器，最初应用于航天卫星的辅助飞行调整，经过30年的不间断地积累才堪堪走到商业化寻找PMF（Product Market Fit）。一开始认为可能与汽车相关，但由于这项技术从没量产过，我们又转到机器人导航领域，恰逢很多清洁科技巨头开始从室内走向室外开发智能割草机器人，传统方案有RTK、鱼眼镜头、拼接相机或激光雷达，但这些方案各有优缺点：RTK信号容易被房屋树木遮挡；鱼眼镜头边缘畸变大，单靠去畸变算法无法提升置信度；拼接相机出图非实时、成本高且可靠性差；激光雷达成本随线束数量增加而上升，且没办法识别边界和贴地异物。历经几轮技术PK，最终客户选择了我们的方案。
英语霏：你觉得在整个应用过程中，还有哪些技术和产品上需要跨越和迭代的，目前遇到哪些挑战？
察日苏：我认为中国拥有众多优秀的机器人科技公司，这让我们对未来充满信心。凌星光瞳的任务是专注于传感器技术的纵向深度研发，提供更高精度、更大FOV、更低成本的产品，以助力终端产品的发展。通过这样的合作，我们大家可以帮助人形机器人更早地融入人们的日常生活，进而进入人类社会。
英语霏：陈总，我对水下机器人项目很感兴趣。鉴于水下环境的复杂性，开发这类机器人挑战重重。请问我们如何针对具体应用场景开发产品？在需求挖掘上采取了哪些方法？又是怎么样应对这些挑战的？
陈晓博：我认为开发水下和水体机器人是基于对未来的判断。我的看法是，社会和经济的基础在于价值交换，经济繁荣依赖于交换的速度，而这一切都建立在生产力之上。在选择专业时，我考虑到目前我们的生产力大多来自陆地，天空也有所涉及，但海洋的开发程度还不到1%。而未来社会将是一个以高度发达的AI和超级生产力为基础的社会。为实现超级生产力，我们最终选择了海洋和水体作为主要的应用场景，这是一个跨周期的领域。
在学校里，我们从始至终在研究海洋机器人，这样的领域有很多应用点，技术难点也很多。十几年前，我们甚至需要手工打磨推进器的每个部件。如今，我们已将推进器的寿命从几百小时提升到上万小时，形成了全产业链的自主研发能力，这是我们十多年来一直在做的事情。
在应用场景方面，我们前期做了很多国家级和国防课题，我个人也是国防科学技术进步一等奖的获得者。在这样的一个过程中，我看到了应用场景的数量和条件，它们往往非常苛刻和狭窄。为了真正的完成产业化，我们应该寻找强刚需、高复购的场景。我们得知，国防领域，如航母，需要机器人来清洗水下的藤壶和海蛎。全球几十万艘商船也需要清理，这是一个强刚需、高复购的市场，潜水员的工作很危险且供不应求，因此这个场景符合我们对机器人产业化应用的需求。
我们最终选择了航运领域，使用机器人进行快速清理。第一代demo产品在10年前就已然浮现，而我们的第一版商业化产品在2020年推出。在这样的一个过程中，我们面临了很多挑战，包括零部件和产业链的不完善。我们与国内所有涉海的高校、研究所以及我们的团队进行了长期深入的合作，现在我们已具备了全产业链的资源能力，也具备了工业化的前期条件。
我们的推进系统可以在一定程度上完成1万小时的低成本全电驱动能力。我之前提到过，对于水下推进器来说，它就像人形机器人的关键电机一样重要。在这样的领域，我们也取得了很多突破，与高校合作，进行产业化自主研发，也包括与合作伙伴的合作。因我们整个行业已经深耕了10多年，与航运、交通部、航运集团以及我们的股东招商局集团都在联合深耕航运业务。
英语霏：李总，您好。我们最终选择智能建造领域是基于您建筑行业的经验。考虑到该领域人力依赖重，机器人技术虽是替代方案，但市场门槛不低。您能分享我们当时如何评估产业应用的决策吗？
李自可：这可能跟我的背景有关。我在上一个企业工作了大约15年，专注于建筑信息化领域，公司上市后我选择出来创业。我们是带着具体的应用场景去寻找合适的技术。建筑行业有三十几万亿的市场规模，基本上还是依赖于劳动密集型的工作方式。因此，在寻找项目时，我结合了自己在软件和智能硬件方面的经验，决定朝AI+硬件的方向发展。
在确定方向后，我们调研了20多个不同的场景和产品，最终选择了涂料工程项目施工机器人作为第一个切入场景。从今天的成果来看，与我大约3年前的判断基本一致，室内涂料工程机器人施工是应用最广泛的。
这个判断主要是对于作业环境的依赖性。涂料工程是一个独立的分包项目，不涉及多个主体，这使得产品的推广和应用更为容易。从目前的情况去看，无论是在中国还是全球，包括我们在新加坡、匈牙利的项目，涂料工程的应用都是最广泛的。因此，我们是先确定了场景，再去寻找相应的技术。
英语霏：许总，探讨一下：为何人们觉得工业场景比家庭场景简单，以及我们为何选择工业
许琦：感谢英院长，我想表达的是，我对家庭场景不太熟悉，但在工业应用领域，我认为工业场景对技术的需求是非常迫切的。根本原因有三点：首先，工业场景需要减少人工依赖；其次，需要减少相关成本并提高效率；第三，技术的进步使得机器能够替代人力，这在早些年由于算力成本高昂而没办法实现。现在，随着算力成本的降低和性能的提升，工业领域开始可接受这种技术变革。
我作为一个技术人员和商人，深知我的企业经营必须盈利。在工业场景中，无论是国内还是国外的高端制造企业，能完全取代人的AI视觉瑕疵检测应用普及率都很低，有很大的技术提升和市场利润空间。这为咱们提供了足够大的机会。从90年代的传统算法，到早期的AI小模型，再到现在的细分行业通用模型，技术一直在进步，逐步协助人类完成没办法完成的任务，甚至正在替代人类原来无法替代的工作。我们的目标不是完全取代人类，而是解放人的能力，让其能够从事更高级的工作。
在国内市场，大家都集中在恶性竞争的行业，如3C、手机制造、新能源等领域的应用，这一些行业应用规模大但已经是红海和失去理智。我们将会更加专注于起步较晚的制药，医疗，粗糙加工业甚至农业，畜牧业等。
在国外市场，早期都是一窝蜂跟随国内大企业的步伐配套设备出海。而我们最终选择了最难的进攻全球各个高端制造业集中的欧洲、东南亚甚至中东区域，亲自为世界500强输出中国高端视觉装备。现在，即使欧美国家不再在中国设厂使用中国劳动力，我们也可以追进他们的任意生产基地，同样输送中国高端设备替代劳动力在全球落地。
总的来说，我认为工业领域因为生产降本增效的刚需，是更容易实现新技术使用与落地。而家庭为代表的消费领域，必须要用使用者真实的体验接近完美的技术与产品做落地，从而将变得难度更高。
英语霏：我想再问一下，在工业的具体场景，您觉得客观来讲，从技术上还是产品上，目前遇到最大的阻碍和问题会是什么？
许琦：我们是最早在国内推出AI在工业瑕疵检验测试领域标准软件的公司。然而，我们大家都认为的市场先机其实就是将近3年的市场教育期。
当年很多设备企业从老板到执行层对怎么样去使用AI软件存在误解，他们都以为只要购买了软件，就应该能达到预期的检测效果，却忽视了软件背后的模型标注与训练过程。实际上，模型训练的效果取决于样本和标注的质量，这些都是早期教育市场产生的巨大时间与沟通精力成本。
第二个挑战是算力与算力其成本的挑战。如果算力成本无法降低，算力无法增加，那么在许多复杂领域中实现AI检测将变得很困难。我们曾经尝试过使用云端算力，但发现其速度远远达不到我们的需求。因此，算力和算力成本一直是目前阻碍我们跳跃式进步的两个主要因素。
在国内，早些年有许多优秀的芯片勇于探索商业模式的公司正在开发AI芯片，我们大家都希望这一些企业能尽快推出产品，以降低算力成本。同时，我们仍旧是寄最大的希望于英伟达等公司，想让他们能让我们解决一些算力相关的问题。
英语霏：您好，杨总。我们决定首先在智慧环卫领域进行项目落地。虽然您刚才已经分享了很多信息，但我还想进一步了解，您认为在这样的领域中，我们面临的主要门槛是什么？
杨希：我们的第一个落地场景面临的门槛大多数来源于几个维度。首先，对场景的理解存在一定的难度，除了常规的外因，还需要理解场景要求，并明确其核心的交叉结合点，找到平衡点。其次，为了大规模量产，成本控制是一个主要的因素。过去几年，通过应用AGI（人工通用智能）和我们的技术，产品前期的部署成本已经一下子就下降。几年前，高精地图部署落地的部署成本大约在每公里3000到4000元，而现在新的轻图方案，已经降至每公里一两百元。预计在未来一两年内，我们大家可以实现零部署成本。
此外，作业精度要求非常高。过去，人们单一通过提升无人驾驶一侧的性能来实现精度，但这种方法成本比较高。现在，我们有了更经济、性价比更高的落地方案。
这也解释了为什么一些传统技术的盈利能力相对较弱。如果采用新技术，团队规模减少、落地成本降低，从而增强企业的总实力和商业化能力。我认为，如何在中国市场上实现更好的成本控制，以及如何通过精准的行业理解来减少相关成本，对大规模商业化至关重要的。
英语霏：时间飞逝，我们的讨论环节即将结束。在最后，我想请每位嘉宾用一句话来表达他们对具身智能产业未来发展的愿景和期待。
察日苏：谢谢主持人，我在大多数情况下要两句。首先是乔布斯在初代iPhone发布会时曾说：People who are really serious about software should make their own hardware./真正关心算法的人应该自己开发硬件。iPhone不仅是iOS系统做得出色，更重要的是划时代引入了触摸屏这种新硬件技术，让手机从按键切换到触屏体验。因此，我建议在座的诸位能够尝试测试使用我们的全真光学镜头，它可能会带来全新的体验。其次是：You are what you eat./人如其食。因我们的全真光学捕获的是单目全景且纯光学无畸变的数据，所以能训练出更为精准的视觉大模型，因为你的input决定了你的output。我认为这对各位老板来说很有参考价值，建议能够尝试一下新技术。
陈晓博：我期待人工智能（AGI）与具身智能的结合可构建一个超级生产力的世界，这个时代正在慢慢地到来。在未来，我们可能更多地进行思想交流，享受喝茶聊天的悠闲时光。物质生产和精神需求的满足，将主要由人工智能来实现。具体来说，物质产品的生产将由AI结合具身智能机器人来完成，而精神文明的创造则由AI和AGI本身来推动。这将是一个高度发达的时代，我对未来充满憧憬。
程昊：我们公司的使命是联合全球开发者，一同推动生产力的变革。我们坚信的愿景是在未来10到20年内，将有数千万开发者一同推动通用机器人的发展，使其大范围的应用于各行各业，并真正融入千家万户，与人类生活紧密相连。
技术发展存在许多不确定性，工作替代还是要有所选择。对创造性工作需求和成就感，是人类很重要的生存的意义，这样我们才可以感受到自己活着的价值。否则，如果技术发展完全取代了人类的创造性活动，我们可能就会失去生存的意义。
许琦：新的时代已经到来，前进的脚步是无法阻挡的。随着AI算力的快速的提升，科幻电影中所描绘的场景都会变为现实，这可能仅需几年的时间。
技术落地应用的普及：我们正在开发各种应用型机器人，目的是让更多人能够直观地看到并体验到技术的实际应用。这样的普及有助于缩小技术与普通大众之间的距离。
城市开放场景的大规模应用：我们大家都认为，城市开放场景中机器人的使用量将达到百万级别。这不仅会催生更多的从业者，还会提供更便利的开发工具，吸引更多人参与到AGI行业和开发中来。
2024年12月19-20，第十六届创业邦100未来独角兽大会在成都举办。本届大会由创业邦主办，成都市科学技术局、成都市投资促进局为指导单位，睿兽分析为数据支持平台。大会官方指定用车为比亚迪旗下新能源个性品牌方程豹汽车豹8。
“创业邦100未来独角兽大会”是准独角兽企业的年终盛会，始于2009年，致力于发掘出一批未来1-3年有望成为独角兽的未来独角兽企业。作为独角兽的挖掘者、创新的探路者，大会连续十六载颁发《创业邦100未来独角兽榜单》，累计评选出1289家高成长企业，如美团、小米、滴滴、理想汽车、蔚来汽车、泰格医药……根据睿兽分析多个方面数据显示，其中有106家公司已成功上市，91家企业被并购，105家成为独角兽企业。
本届大会以“CrossingtheAlps——行者无疆”为主题，继续揭晓“2024年度投资人”《2024创业邦100未来独角兽榜单》《2024硬科技创变者50强》，发布《2024年全球独角兽企业洞察》，携手未来独角兽、硬科技创变者奋楫前行。 更多未来独角兽、硬科技榜单，以及实时科创数据、产业图谱尽在睿兽分析。
工作2年，华科大博士从“职场打工人”转型“产投CEO”，让国产替代成为国产超越
育碧金蝉脱壳？腾讯巨资入股，传言线家独角兽激战，哪家最赚钱，哪家最昂贵
“新经济轻创投”2025经济年会在苏州吴中太湖新城启幕： 政企投研协同赋能，共筑长三角创新生态高地
DeepSeek梁文锋首登全球富豪榜：财富超OpenAI CEO两倍；宇树科技回应已盈利至少5年，没有新一轮融资打算 丨AI周报
上一篇:江西制作学院三期项目全面竣工交给
