作者｜Li Yuan

编辑｜ 郑玄

桌面浏览器曾被认为是一个「古典」且稳定的工具，直到 AI 的出现，打破了平静的竞争格局。

在国外，OpenAI 的 Atlas 试图颠覆 Google 的地位，而 Google 也没有丝毫放松，一直努力往 Chrome 中加入 AI 功能。

而在加入 AI 上，国内的公司，甚至走的更加激进。

笔者注意到，2025 年底至 2026 年初，夸克 AI 浏览器开启了一段密集更新。

一开始笔者以为只是简单地在浏览器侧边框加入一个 AI 对话框，结果完全不是如此。

从全面融合千问、背靠阿里 Qwen 大模型；到提出新交互形态，无需切换标签应用可实现全局桌面唤起 AI，帮你一句话干活；再到 AI PPT、超级播放器、PDF 编辑工具等功能的集成；再到处于预研阶段的千问读屏，支持自动回复模式；夸克 AI 浏览器正以极快的速度改造浏览器的多模态提问方式、浏览体验、交互模式，并以效率为核心驱动，在 PC 端构建更丝滑高效的「一站式工作流」。

更惊喜的是，夸克浏览器的 AI 功能仍在低调的高速上新中：从将一系列常见的 AI 功能内置，走向探索行业内创新的 AI 交互形式。

拆解夸克的几个月以来的更新，笔者认为，夸克这波更新最值得讨论的，不是新增了多少功能，而是这些能力开始和浏览器的基础功互相穿插、互相补位：该快的更快、该闭环的闭环、该打通的打通。结果就是，你不再需要把内容搬来搬去，许多高频任务在一个浏览器里就能跑完整条链路。

 

01

更近的 AI，

更准确的回应

 

2025 年的 AI 场，模型能力再次占据了大家的关注焦点。

在应用领域，现在已经十分明确：模型能力是应用产品体验的基础，二流模型作为基座，很难构建很好的用户体验。

夸克 AI 浏览器也符合这一规律，其大规模更新的第一步，就是融入阿里 Qwen 这一顶级大模型。

不过相比于市面上太多所谓的「AI 浏览器」，只是生硬地在侧边栏挂载了一个聊天机器人，夸克一直在探索如何将 AI 放在离用户更近的地方——去年 11 月，夸克一口气推出了千问智能套件——千问悬浮球、快捷框、截屏、划词、侧边栏、读屏等全套武器。

不必再复制粘贴，告别频繁应用切换，六大套件把用户在浏览器里的每一次操作，都直接转化为大模型可理解的上下文。

以千问侧边栏为例，无论你在浏览什么样的网页，只需要点一下，就能马上总结出你在看的网页，甚至可以直接进行追问，体感上极其舒适。

极客公园总结 CES 的文章，用 AI 还能一键帮你总结、实现多轮对话，帮你读懂、读透一篇文章！

但夸克的野心不止于此。笔者发现，在推出这六大套件之后，夸克仍在保持高频的演进节奏。

首先是在多模态的融合架构中，加入了语音输入。无论是首页、侧边栏还是快捷框，都可以直接使用语音输入。

这让 AI 站在了离用户更近的位置上。比如在写稿码字时，双手正放在键盘上赶文案，不想中断思路，直接对着侧边栏语音提问「帮我想 3 个标题」；又或者在玩 PC 端游戏间隙，无需放下手柄，直接语音询问隐藏攻略。

除此之外，夸克还对不少细节做了进一步迭代，让用户除了能更快找到 AI 助手外，还能尽量减少「AI 输出不靠谱→用户再返工」的循环。

比如近期，夸克在首页一次性上线了十多个模型，可自由选择，允许用户根据不同任务灵活选择更适合的模型。

写代码时，可以切换到 Qwen3-Coder，代码逻辑更精准；啃论文时： 切换到 Qwen3-Max-Thinking，可以利用其深度思考能力。还可以根据自己的使用习惯设置默认模型。

这种「按需分配大脑」的逻辑，减少了 AI 胡说八道的概率，大幅降低了用户的返工成本。

同样的进化也体现在「划词」上。

从之前的一划即可触发操作，支持 AI 搜索、解释、写作优化等能力，新版千问划词更支持「快捷指令」。再也不用背指令、告别复制粘贴，你可以设置专属指令，一划即可调用。

比如常读科技新闻的笔者，就设定了一个快捷指令：无论选中什么晦涩的英文技术名词，AI 都会用中文大白话给我解释一遍。即便是在微信聊天窗口，这套指令也能一键调用，游刃有余。

更有意思的是，笔者了解到，夸克正在内部预研一种更激进的能力：类似于一种主动的屏幕内容感知——不仅能动态识别出视频、网页的变化，还能自动回复。

想象一下这样的场景：当你在看一个海外发布会，来不及看完大屏内容；或者学习备考刷错题集的时候，你不需要再停下来截图去问 AI「这一步该怎么办」。只要打开夸克「千问读屏」，它看着你的屏幕，实时给出解题思路或操作指引。

这种减少用户手动输入频率，根据环境变化主动提供服务的逻辑，正是 AI 交互的更高境界。

 

02

不必打开其他应用，

一个浏览器就能解决所有问题

 

回顾过去一年，Agent（智能体）的概念在科技圈盛行。

大家的愿景都很宏大，都想做一个大包大揽的浏览器，恨不得让 AI 直接替用户把所有事情都干了。但这在某种程度上超出了今天 AI 技术的实际能力边界。

即便是 Google 等拥有深厚技术储备的巨头，虽然做了大量的预研，也很难推出一款大众产品，做出完美的体验。

今天一个真正成熟的 AI 浏览器，能做到的最佳状态，不是试图取代人，而是重塑你的学习、工作流。

1 月更新后，在深度体验了夸克 AI 浏览器的超级播放器、千问侧边栏、 AI PPT 等功能后，笔者发现，夸克始终致力于生产力这条链路。

最显著的变化，是我原本要在多个工具里手动完成的两件事——看视频做笔记、把内容整理成可交付的文档——现在被夸克一个工具接管了大半。

首先是「视频学习流」的重塑。

视频是当今信息密度最高的媒介，但也是效率最低的媒介——你必须按部就班地看完。

我们都经历过那种面对一个长达 40 分钟的 B 站干货视频，犹豫要不要点进去的时刻——标题很吸引人，但内容真的有干货吗？现在，夸克给出了解决方案。升级后的千问侧边栏，不仅能帮你提取实时字幕，给出对应时间轴和对应内容，还能进行总结提问。

这不仅仅是抓取 AI 字幕，夸克 AI 浏览器完全掌握了长视频内容，用户完全可以对视频做任何想要的提问。

上图就是笔者的一个实用例子——想看看演讲者在讲什么，我直接让 AI 每三分钟总结一下视频，再针对性地去看感兴趣的内容。再也不用倍速观看找重点了。

更进一步的是，夸克还能帮你把 「 视频 」 变成「课件」。在观看在线网课时，我们往往需要疯狂截图、整理笔记。

而现在，可以用夸克播放器本地视频、网页视频，除了免费 5 倍速，一个 6 小时的视频，AI 直接帮你总结提炼视频要点，一键生成课程的思维导图、视频文稿；AI 还能直接识别视频画面中的 PPT 页面，一键提取并生成清晰的课程 PPT，让你刷网课学习更高效。

第二条被重塑的，则是「文档产出流」，尤其是 PPT 的制作。

在通过千问侧边栏高效完成了知识的「输入」后，最后一步往往是「输出」。

不管是使用 word 撰写一篇论文，还是使用 PPT 做一个课堂展示课件，找模板、调格式、对齐文本框……这些机械劳动占据了 80% 的时间。

用夸克 AI 浏览器写 PPT 恰好能帮用户补上了这个工作流的最后一环。

尤其是 AI PPT 功能，对于已有素材的用户，夸克提供了两种极其贴心的导入模式：如果你只有简单的几行笔记，选择「智能润色」，AI 会帮你扩写、丰富内容，让 PPT 看起来丰满专业；而如果你已经有了成熟的讲稿，选择「遵循原文」，AI 则会严格恪守你的逻辑，只负责排版美化，绝不随意胡编乱造。

有趣的是，未来这学习、产出两条链路还可以进一步打通：直接提取网页内容，生成 Word、PDF、Excel 文档，并在夸克内无缝编辑。

想象一下这样的场景：

当你正在浏览一个包含丰富信息的视频，或者是一个有密密麻麻的表格头皮发麻时，只需对夸克说一句：「将页面中的表格转为 Excel，方便分析数据」，或者「整理页面中的 600 条招聘信息，将薪资和所需技能提取出来生成表格」。AI 会瞬间化身数据分析师，将网页上的「死数据」变成可编辑的「活表格」。

一个更好的浏览器未来或许不只是一个浏览器。它可能会成为一个办公软件，一个写作软件，一个图片编辑软件，一个视频播放器…等等的叠加。

 

03

好的 AI 浏览器，

必须保留一个好的浏览器的特征

 

2025 年，我们见到了很多试图加入 AI 的产品，但是最终真正能流行起来的并不多。

究其原因，是因为很多产品在追逐 AI 的过程中，忘记了产品原本的使命。对于浏览器而言，也是一样：一个好的 AI 浏览器，首先必须是一个好用的浏览器。

夸克在这点上就做得非常清醒。在 AI 能力狂飙突进的同时，它也在默默打磨那些看似不起眼、却决定了用户留存的「基本功」。

首先是「更流畅」的体验。

针对浏览器最遭诟病的内存问题，夸克能自动识别并处理那些高内存占用的闲置标签。你再也不用担心因为开了几十个网页，导致电脑风扇狂转、系统卡顿。

其次是「不打断」的闭环。

夸克将文档处理的链路闭环在了浏览器内部。假设你收到一份需要紧急修改的 PDF 文件，你可以丢进夸克，直接编辑、标注、甚至修改图片中的内容，修改完毕后轻松转格式。浏览器不再只是阅读器，更是轻量级的万能编辑器。

再者是「无隔阂」的流转。

夸克网盘与浏览器的深度集成，打破了手机与电脑、本地与云端的物理隔阂。这让 100G 的大文件传输也能像发微信消息一样顺滑。

只有底座搭好了，加入新的 AI 功能，才能让浏览器成为「更好的浏览器」。

即将上线的一个新功能，就是最好的例证。目前，夸克 AI 浏览器已经能在多标签页处理的时候，按域名自动排序、智能分组。而不久之后，夸克希望利用 AI 进一步打通这些标签页。

想象一下：当你打开了 5 个不同品牌的行业研究报告，无需来回切换复制数据，直接告诉 AI：「帮我对比这几家公司的核心优势」，一份聚合好的分析报告就出来了；或者当你打开了 10 个酒店预订页面，只需一句「帮我选出性价比最高且离地铁近的」，决策瞬间完成。

更关键的是，只有底座足够好，AI 才能在其上长出真正可串联的工作链，而不是零散的功能点。

本来就在夸克网盘里看网课视频。过去我想弄懂某个知识点，要么暂停回拉反复听，要么截图再丢到别的 AI 工具里问；记笔记更麻烦，开两个窗口对照、手敲、再整理结构。

但现在，当视频、文件、页面都在同一个体系里，AI 的介入方式就变了：你可以边看边问、按时间点追问；需要复盘时，直接让它把这一段提炼成要点；甚至进一步把内容「直出」为结构化笔记，后续再转成文档、脑图或用于做 PPT 的提纲。

这才是 AI 浏览器不断更新的真正意义：用户在高频任务里节省越来越多的时间。

*头图来源：千问 AI 生成

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

作者｜Li Yuan

编辑｜ 郑玄

你有没有向 AI 助手问过你的健康问题？

如果你和我一样是一个 AI 的深度用户，大概率你也试过。

OpenAI 自己给出来的数据是，健康已成为 ChatGPT 最常见的使用场景之一，全球每周有超过 2.3 亿人提出与健康和保健相关的问题。

正因如此，跨入 2026 年，健康领域也大有成为 AI 领域必争之地的迹象了。

1 月 7 日，OpenAI 发布 ChatGPT 健康，允许用户连接电子医疗记录和各类健康应用，让用户能够获得更针对性的医疗回复；而 1 月 12 日，Anthropic 也立马推出了 Claude for Healthcare，并强调了新模型的医学场景能力。

不过有趣的是，这次，中国公司没有落下，甚至大有领先之意。

1 月 13 日，百川智能宣布发布百川 M3 模型，在 OpenAI 发布的医疗健康领域评估测试集 HealthBench，反超 OpenAI 的 GPT-5.2 High，获得 SOTA。

在宣布 All-in 医疗受到诸多质疑后，百川智能似乎终于证明了自己。极客公园此次也专程与王小川聊了聊百川智能如何看待此次 M3 模型的能力，以及 AI 医疗的终局。

 

01

首次在健康领域测试集超越 OpenAI

 

此次发布的 M3 模型，最亮眼的成绩之一，在于模型第一次在 OpenAI 发布的医疗健康领域评估测试集 HealthBench，超越 OpenAI 的 GPT-5.2 High，获得 SOTA。

SOTA On Healthbench、Healthbench Hard and Hallucination Evaluation

 

Healthbench 是 OpenAI 在 2025 年 5 月份发布的医疗健康领域评估测试集，由 262 位来自 60 个国家的医生共同构建，收录了 5000 组高度逼真的多轮医疗对话，是目前全球最权威、也最贴近真实临床场景的医疗评测集之一。

发布后，OpenAI 的模型一直霸榜。

而此次，百川智能的新一代开源医疗大模型 Baichuan-M3，则获得了 65.1 分的综合成绩位列全球第一，甚至在专门考验复杂决策能力的 HealthBench Hard 上，M3 也成功夺冠，刷新了最高分。

百川还同步公布了一个幻觉率的测试结果，在幻觉率，M3 模型达到了 3.5%，属于全球最低。

值得注意的是，这个幻觉率是不依赖外部检索工具，纯模型设置下的医疗幻觉率。

百川智能表示，能够达到这两点，关键的模型提升在于为医疗引入了合适于医疗的强化学习算法。

百川在 M3 模型上首次使用了 Fact Aware RL（事实感知强化学习）技术，达到了既让模型不说套话，也不让模型乱说话的效果。

这在医疗领域实际上是非常关键的。

在没有优化的模型中提问医疗问题，最容易出现的问题就是两类，一是模型直接胡编乱造你的症状，臆测一个疾病出来；而另一个则是语义模糊，最终提示你还是得去看医生，而这无论对于医生还是患者，都没有太大帮助。

这正是因为很多模型以纯幻觉率作为优化目标，此时模型可能通过堆砌简单正确的事实来稀释整体幻觉率。而百川引入语义聚类与重要性加权机制——聚类消除冗余表述的干扰，加权确保核心医学论断获得更高权重。

同时，如果单纯引入高权重的幻觉惩罚，极易迫使模型陷入「少说少错」的保守策略，因此 Fact Aware RL 的算法中还设计了动态权重调节机制，根据模型当前的能力水平自适应地平衡这两个目标——在能力构建阶段，侧重医疗知识的学习与表达（高 Task Weight）；在能力成熟后，逐步收紧事实性约束（提升 Hallucination Weight）。

当可以联网搜索时，百川还加入了基于多轮搜索的在线校验模块，同时引入了高效的缓存系统，进行海量医疗知识的对齐。

 

02

问诊水平超过人类医生，

步入可用阶段

 

不过，在 Healthbench 上超过 OpenAI 并不是此次唯一的亮点。

此次更有趣的一个点，百川自己创造性地构建了一个 SCAN-benche 评测集。比起刷榜 OpenAI 的评测集，百川自己构建的评测集，或许更能说明百川智能在医疗上想要优化的方向。

此次百川构建的测评集，关键点在于优化「端到端的问诊能力」。这源于百川自己做的实验洞察：问诊准确度每增加 2%，诊疗结果准确度就会增加 1%。

也就是说相比于 OpenAI 的 HealthBench，仍然主要关注「AI 会不会回答问题」，百川的 SCAN-benche 希望评测出的是：AI 是否能在一问一答中，获取有效信息，同时给出正确的诊疗结果和医疗意见。

通常情况下，我们向 AI 助手提问，如果只是提到「你是一位经验丰富的医生」，通常并不会得到太好的模型效果。因为真正的医生，问诊的流程是十分规范的——百川将其归纳为四个象限的 SCAN 原则：Safety Stratification（安全分层）、Clarity Matters（信息澄清）、Association & Inquiry（关联追问）与 Normative Protocol（规范化输出）。

围绕 SCAN 原则，百川借鉴医学教育里长期使用的 OSCE 方法，联合 150 多位一线医生，搭建了 SCAN-bench 评测体系，将诊疗过程拆解为病史采集、辅助检查、精准诊断三大阶段，通过动态、多轮的方式进行考核，完整模拟医生从接诊到确诊的全过程，也以在这几个流程中，都获得更好的结果，来优化模型。

此次百川也公布了 M3 模型在 SCAN-benche 上的测评结果。

结果十分有趣。百川此次不仅和模型进行了对比，还找来了真人医生进行对比。而在四个象限中，真人医生实际上都已经落后于模型能够达到的水平了。

极客公园特意对此向百川团队进行了提问，得到的回答是：此次的测评，全都是真人的专科医生在专科案例上与模型进行的比较。模型能够获胜，其一，在于模型更耐心，但更重要的是，模型拥有更好的跨学科的知识的掌握能力。

比如在一个案例中，提到 10 岁孩子反复发热，而发热是一个非常综合的医疗现象，如果只询问咳嗽等肺部情况，就容易忽略关节和泌尿系统中的严重问题，误判为普通感染。

人类医生通常只对分科的病情比较擅长，这也是复杂症状常常需要专家会诊，或者疑难病症专家也常常要去翻书找资料的原因。

而没有经过专门训练，只是扮演医生的普通模型，往往也很难回答好这类问题。

 

03

下一步：逐渐开始做 C 端产品，

推进更严肃的医疗

 

对于百川智能而言，超过人类医生这个节点，意义十分重大：这意味着 AI 开始迈过可用性的门槛，开始能够被部署到使用场景中了。

从 1 月 13 日起，用户已经可以开始在百小应的网站和 app 中，体验到 M3 模型提供的回答了。

目前的网站设计十分有趣，虽然都是使用 M3 模型进行回答，但是区分医生版和用户版。在医生版，回答更加简洁，引用更多参考文献，也更「不说人话」。而在普通病人版，模型几乎不会一次性给出回答，都会进行更多追问，进行更明确的诊断。

百川智能提到，模型在后台的思考很有意思。 「 我们经常能看到这个模型在思维链中提到，『这个患者没有理我的这个问题，但是这个问题我必须要问。』甚至我们有看到过那种极端的，说我已经问了患者 20 轮了，这个已经超出了设定的最大轮数，但是这个问题我还是要问。这是因为在训练的过程中模型把话说得讨巧，是得不到奖励的，它必须真的得到了足够多的关键的信息，得到正确的诊断，才能得到奖励。这个是我们跟其他人训练模型的一个明显的不同。」

近来很多 AI 公司都开始介入医疗领域。这也是百川智能认为自己的最大不同之处——要做更严肃的医疗。

「这意味着百川在选择场景时，并不是看哪个场景最好做就去做哪个。相反，百川坚持要不断上推技术能力，挑战更难的问题。」王小川讲到。

一个典型的例子是未来百川会优先做肿瘤专科的解决场景，而心理疗愈排在百川的优先级的比较靠后的位置。

在通俗观点中，普遍认为 AI 提供心理疗愈会更简单，也是一个更容易落地的场景。百川的判断逻辑则不同。他们认为肿瘤领域有更严格的科学依据。在这里，AI 更有可能做出严肃的医疗效果，从而达到或者超越人类医生的水平。相比之下，心理学领域缺乏这种确定性的科学锚点。

再比如有的公司选择给医生做分身，王小川则认为这种方向并不是百川想要做的方向。医生的分身本身不能完整复用医生的水平，更不能超越医生的水平。这样的 AI 最终只能沦为幌子和获客工具，并不能真正推动严肃医疗。

这种对严肃性的坚持，深刻影响了百川的很多商业选择。

这直接关系到王小川对医疗 AI 下个阶段根本问题的思考。他认为，当前这个阶段最重要的任务是在增强 AI 能力的基础上，逐渐提供更多的医疗供给。

中国多年来一直尝试推行分级诊疗和全科医生制度。初衷是希望老百姓先在基层看病，解决大医院挂号难、排队长、拥堵不堪的现状。

这个制度之所以推行困难，本质上是因为医疗资源的供给不足。基层医疗机构缺乏高水平的医生。大家即便只是感冒也愿意去三甲医院排队，是因为对基层的诊疗水平不放心。

这正是医疗 AI 发挥作用的关键点。大模型能够把顶尖的医学知识实现规模化分发。它填补了基层的供给缺口，让每一个社区、每一个家庭都能拥有像三甲医院专家一样的诊疗能力。

而长远来开，这还能有更广泛的影响，可能让医疗的让决策权从医生手中逐渐转移到用户身上。在传统的医疗场景中，患者是利益的受益方，但往往没有决策权。决策权集中在医生手中。这种权力的不对称往往会带来沟通成本和治疗中的痛苦。

而百川希望通过 AI，让患者能够更容易地获得优质医疗资源的供给。「很多人觉得医疗太复杂了，患者是永远理解不了的。但我们想的在美国的司法体系里面有个叫陪审团制度。法律也是非常专业的一个事，陪审团的普通人不懂，那就要求在法官、律师和检察官能够进行带领，做充分的辩论，把话说清楚，说到一个普通人能判断有罪没罪的程度，让普通人能依据逻辑正常判断即可。」王小川讲到。

这也是百川智能不愿意只做简单场景，而是希望不断向高难度的严肃诊疗推进的原因之一。

当被问到解决高难度问题是否在商业上最有回报时，王小川给出了深刻的回答。

他认为，解决感冒发烧这类小问题，很难在用户心中建立起足够的信任。医疗是一个高度依赖信任的行业。只有当 AI 能够解决重疾等高难度难题时，才能真正建立起信任的基础。

从商业逻辑上看，患者面对严肃的健康问题时，也更有意愿为高质量的 AI 服务付费。这种信任不仅是商业回报的前提，更是 AI 医疗能够规模化应用的核心。

而从更根本的意义上讲，医疗对于百川智能和王小川本人而言，仍然意味着是一条接近通用人工智能（AGI）的路径。

王小川认为，AI 目前在文、理、工、艺等领域都已找到了切实的解法，医疗则是一个极为独特的领域。人类对医学的探索尚未穷尽，AI 在这一领域也正处于摸索阶段。

百川的路线图非常清晰。首先通过 AI 提升诊病效率，解决当前医疗供给短缺的问题。在此基础上，百川致力于建立与患者之间的深度信任。当患者愿意使用 AI 工具，长期进行医疗咨询，AI 就能在长期的陪伴中积累真实且高质量的医疗数据。

这些数据的终极目标是构建生命的数学模型。这是一条人类医生至今尚未完全走通的道路，未来很有可能由 AI 率先实现。如果能完成对生命本质的建模，这将成为推动通用人工智能迈向更高阶进步的关键一步。

*头图来源：百川智能官网

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

 

2026 年 1 月 12 日，家庭通用机器人领域迎来一个标志性事件： 国内首个聚焦 C 端家庭场景的机器人公司——未来不远（Futuring Robot），正式宣布完成 2 亿元的天使轮融资。 本轮融资由真格基金领投，联新资本、源来资本及掌门部分老股东跟投，累计融资额 2 亿元，彰显了资本市场对家庭通用机器人赛道及未来不远独特路径的强烈信心。

在 2025 年具身智能成为最热投资赛道的背景下，未来不远此轮融资别具意义。它不仅是资本对技术的押注，更是市场对直达用户需求的商业化路径的投票。与众多仍在展示实验室成果或追逐通用人形机器人概念的同行不同，未来不远机器人自 2022 年创立之初便坚定地选择了一条差异化的道路： 不做炫技的「PPT 公司」，而是成为第一个真正走进成百上千个中国家庭的通用机器人。

自 2025 年下半年启动实测以来，未来不远已悄然进入超过 200 个真实家庭，累计提供超过 21238 小时的家庭服务， 成为了率先实现 C 端商业化付费试用的家务机器人， 其样机试用满意度高达 96.8%，用户付费租赁意愿强烈，现有样机已经满档期租出。为明年的正式售卖打入一针强心剂，也获得了资本市场的认可。

更重要的是未来不远已经顺利搭建了数据到模型的正向飞轮，作为 首家拥有千万级真实家庭场景数据的机器人公司， 未来不远创造性地提出了 AVLA 端到端模型。这是一套面向动态家庭环境的智能机器人全栈技术体系。该体系并非单一技术的突破，而是一套从感知、认知到执行、进化的完整架构，旨在让机器人真正理解家庭、服务家庭，并与人自然共生。

基于这套模型体系，机器人能够稳定、高精度地感知动态变化的家居环境，把看到的物体、听到的指令，或是感受到的力，都映射到同一个「语义理解空间」，做跨模态理解和任务规划。这样即使用户发出一个非常简单模糊的指令（如「帮我收拾一下客厅」），机器人也能智能分解为可执行的步骤并从搭建的庞大的原子技能专家库中精准、稀疏地激活所需的专家技能，去根据实时环境自适应的完成任务。

这套体系在真实家庭环境中已成功验证，在数百个真实、非标且持续动态变化的家庭环境里，累积完成了上万小时的常态化自主运行，并保持了百分之百的安全运行记录。使未来不远成为首个在真实家庭环境落地端到端具身智能算法的机器人公司。

在技术突飞猛进的同时，未来不远机器人也意外地在社交媒体上掀起波澜。其创始人兼 CEO 张翼以「 未来不远机器人翼哥 」为名，在各大社交平台分享第一代机器人在测试家庭中的日常，无论是机智的应答还是偶尔「手滑」的搞笑瞬间，都让冷冰冰的科技充满了生活温度。短短数月，相关内容已收获近亿浏览，数十万网友在线催更， 使其成为首个跻身「网红」行列的家务机器人， 成功将尖端技术以极具亲和力的方式推向公众视野。

技术必须服务于人，而服务的有效性只能在真实场景中被检验。未来不远机器人创始人兼 CEO 张翼表示，「我们所有的成绩，都源于三年前一个简单的信念，机器人必须离开实验室的温床，到家庭的复杂性中去学习和成长。」这位曾成功创立上市教育公司的连续创业者，将其对用户需求的深刻洞察注入到机器人研发中，带领一支来自全球顶尖高校和企业的团队，三年投入过亿，完成了从关键部件、算法到整机的全栈自研。

本次融资不仅是资本的加持，更是新阶段的发令枪。据公司透露，公司将于 2026 年正式启动「千户试用计划」，目标是让机器人进入更多中国家庭。同时，一款面向更广泛家庭需求、能力全面升级的第二代机器人产品，也已进入发布倒计时。

从首个聚焦家庭，到首个进入真实家庭，再到即将启动的「千户计划」和产品发售；从 PPT 到实验室到真实环境，从纸面论文到具身智能真实落地，未来不远机器人正以一系列扎实的第一，重新定义家庭通用机器人的商业化进程。它的故事向行业清晰地揭示：当机器人离开炫酷的展厅，真正融入千家万户的烟火气时，一个属于家庭智能的新纪元才算真正启幕。

作者｜金光浩

编辑｜ 靖宇

上周听一位朋友吐槽她上六年级的侄子。

她侄子数学成绩一般，那天她辅导作业，他被一道题卡住了，她看了看题目，自己也拿不准，就随口说了句「要不你用百度查一下这个题的解」。

结果他头都没抬，直接打开豆包，拍了张照片，然后语音让 AI 回答，AI 直接给出答案和解题步骤，他直接照抄，然后我朋友让他给自己讲解题思路，结果他讲不出来。

朋友后来才反应过来，怪不得她侄子平时数学作业没问题，一到考试就露馅。

听完我有点惊讶，10 后的孩子，好像已经活在另一个世界了。

后来我发现，这种代际差异，20 多年前就有人预见了。

2001 年，美国教育技术专家 Marc Prensky 提出了「数字原住民」的概念，指从小就泡在互联网里长大的一代。00 后是这个概念的典型代表，他们习惯了智能手机、社交媒体、移动支付，QuestMobile 的数据显示，00 后每天平均使用手机超过 7 小时。

随着 AI 的普及，10 后更进一步，他们成了「AI 时代的原住民」。

这两个概念只差几个字，但背后却代表了两代人不同的思考习惯：

00 后是逐渐「学会」用 AI 的一代，而 10 后是「生来就被 AI 陪伴」的一代。

陪伴的同时也意味着，AI 会影响 10 后的整个成长过程。

数字原住民和 AI 原住民的对比｜图片来源：nanobanana

 

 

01

AI 已经融入 10 后的童年

 

我们来看几个真实场景，你可能会有点吃惊：

有孩子拿 AI 写作文，余姚一位教六年级的王老师发现，自己有一个学生的作文很诡异：文笔流畅得不像小学生，内容却文不对题，追问之下才知道他是用豆包改的。

有孩子拿 AI 做数学题，北京日报采访过西城区一位初三学生，他说：「AI 解题软件我们班同学几乎都会用，只要有手机、会拍照，就能拥有一本参考答案大全。」

更夸张的是，北京一个三年级男孩，用 AI 辅助写了本小说，拿了两万版税。

这不是个例，豆包、夸克、文心一言等 AI 工具已渗透到 10 后的日常学习场景中。在小红书上，「小学生 AI 作业神器」、「用 AI 帮孩子检查作业」等话题讨论热度居高不下。

《AI 少年火星生存大挑战》封面｜图片来源：淘宝

 

AI 对 10 后这一代人来说，已不是新鲜事物。

Nifty 今年对 1000 多名中小学生的调研显示，超过 80% 用过 Siri 等语音助手，超过 35% 表示「学习或写作业时用过 AI」。当然，AI 辅助创作并非坏事，关键在于孩子是否真正理解和消化了其中的内容。

这一代孩子正在以我们意想不到的方式，与 AI 共同成长。

 

02

10 后们会变成什么样

 

当 AI 融入 10 后的成长，这代人会发生什么变化？

「学习方式」

南京的一份调查显示，超过 80% 的小学生知道什么是 AI，其中四分之一每天都在用。

10 后遇到问题的第一反应，不是查书、不是问人，是问 AI。

比如有个妈妈在社交平台分享：她儿子写作业时突然问「妈妈，恐龙为什么灭绝了」，她还没来得及回答，儿子已经对着平板说「豆包，恐龙为什么灭绝了」。

几秒后 AI 就开始回答，孩子边听边点头，一脸认真。

「情感陪伴」

一款面向青少年的 AI 应用发现，其服务的近百万 10 后用户中，84% 会主动向 AI 寻求情感共鸣与理解。

对这些孩子来说，AI 是一个愿意听他们说话的「人」。

在一些 AI 聊天记录里，孩子会跟 AI 说「今天在学校被同学嘲笑了」、「我觉得爸妈不理解我」，AI 会耐心倾听、给出安慰和建议。

对于那些社交受挫或在家庭中缺少表达空间的孩子来说，AI 成了一个「永远不会批评自己」的朋友。

「创作能力」

AI 把创作的技术门槛拉低了，更多孩子的想法能直接变成作品。

新加坡一位程序员爸爸分享过他 8 岁儿子的故事：小男孩 Kyo 完全没学过编程，用 Claude 和 Cursor，每两小时就能做出一个项目，这条帖子引发了很大的关注。

当技术不再是障碍，更多孩子愿意动手去做点什么。

Kyo 用 AI 辅助开发引发广泛关注｜图片来源：X

 

 

03

AI 可能给 10 后带来的风险

 

但与此同时，AI 带来的负面影响也来了。

并且它带来的风险，可能比我们想象的更隐蔽。

最直接的风险是让孩子不再独立思考

中国青少年研究中心的数据显示，20% 以上的未成年人存在「想依赖 AI，不想自己思考」的倾向。《南京市小学生生成式人工智能素养白皮书》也提到，27% 左右的学生存在依赖 AI 完成作业的认知依赖。

过度依赖 AI 可能削弱未成年人的批判性思维能力，因为当答案来得太容易，「自己想」反而变成了一件费力的事。

而学习的本质其实是「跟困惑相处」，AI 正在剥夺这代人跟困惑相处的机会。

针对这一点，值得一提的是，今年教育部发布了《中小学生成式人工智能使用指南（2025 年版）》，文件明确指出，学生应该避免在作业中简单照抄 AI 给的内容。

使用指南（2025 年版）摘录｜图片来源：中国教育学会

 

其次是创造力的风险

当任何信息都可以随时检索，「记住」这件事的重要性似乎下降了。但记忆不只是「存储信息」，它还是创造力的土壤：很多灵感来自于脑子里那些看似无用的积累。

AI 的输出本质上是对现有数据的整合与模仿，长期接受这种「标准化创意」，孩子会逐渐失去「试错的勇气」。

真正的创造力，往往来自那些「错误」的尝试，比如，孩子第一次画画，把天空涂成绿色，「错误」往往是灵感和创意之母。

所以当 AI 直接给出「正确答案」的同时，也是在扼杀孩子一定程度的「创造性」。

最后是和人相处的风险

我问过一位妈妈，她说最崩溃的不是孩子用 AI 抄作业，而是有一次孩子问她「妈妈你知道的还没有 AI 多，为什么我要听你的？」这个回答让她很受伤。

当孩子习惯了「AI 无所不知」，父母的权威正在被悄悄瓦解。

有研究者观察到，习惯优先找 AI 倾诉的孩子，在识别他人情绪、处理冲突方面表现更弱。

AI 的陪伴本质上是「永远顺着你」：它几乎不会跟你吵架，不会让你失望，也不会有自己的情绪。

而真实的人际关系需要理解他人的感受、接受对方的不完美、学会妥协和包容。如果孩子过多地在 AI 的陪伴中寻求情感满足，他们处理真实情感关系的能力可能难以发展。

AI 过滤掉了这些冲突，也就过滤掉了孩子在冲突中学习成长的机会。

比起跟朋友发短信，青少年给 AI 打的字更多｜图片来源：aura

 

 

04

教孩子「怎么用 AI」

 

面对这些变化和挑战，我们该怎么办？

AI 已经融入社会的方方面面，试图让孩子与 AI 隔绝，既不现实，也可能让他们在未来处于竞争劣势。

青少年对 AI 的感受｜图片来源：hopelab.org

 

也许，核心不在于「要不要用 AI」，而在于教孩子「怎么用 AI」。

以下是几条可能有用的建议：

第一， 用 AI，但不让 AI 替你想 。可以让孩子用 AI 查资料、获取灵感，但最后的思考和表达必须是自己完成的。

有个朋友的做法我觉得挺好：她女儿用 AI 写作文之后，她会问一句「这里面哪句话是你自己想的？」，让孩子意识到什么是自己的、什么是 AI 的。

第二， 教孩子「追问」 。不要只接受 AI 的第一个答案，而是追问「为什么？」「还有其他可能吗？」，把 AI 当成讨论对象，而不是点到为止。

第三， 保留一些「无 AI 时间」 。比如每周一次的「无 AI 作业日」，让孩子有机会体验自己独立解决问题的过程。

第四，也是最重要的一条，让孩子知道 AI 也会错，别什么都信，帮助孩子培养批判性思考的意识和习惯。

 

05

结语

 

写到这，我又想起朋友侄子的那个故事。

「百度一下」这个曾经无比流行的表达，可能正在对 10 后失去意义。

每一代人都在用自己的方式理解和适应世界。父辈这一代曾经担心电视会「毁掉」80、90 后，我们曾经担心互联网会「毁掉」00 后。现在，我们又在担心 AI 会「毁掉」10 后。

这些担心不是没有道理，但历史告诉我们，每一代人最终都找到了与新技术共处的方式。

关键在于我们如何使用它，如何引导下一代使用它。

黄仁勋今年说过一句话，让我印象很深：「我有点嫉妒现在的年轻人，他们一出生就有这些工具。」

确实，10 后是幸运的，他们刚长大就可以使用 AI 作为工具。

与此同时，10 后也是需要帮助的：

正因为 AI 太方便，他们可能会错失一些在「不方便」中才能获得的学习和成长。

我们没法替他们成长。

但我们可以在他们成长的路上，提供另一种视角：

AI 可以给你 100 个答案，但真正让你兴奋的，往往是那个自己想通的瞬间。

那是 AI 给不了的东西，也是属于你自己的东西。