Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

【震驚 😱】中國媒體報導，字節跳動旗下汽車評測平台「懂車帝」近日實測華為頂級旗艦商務車「尊界」（MAEXTRO）。在進行緊急煞車極限測試時，車輛出現嚴重機械結構隱憂；在進行數次緊急煞車測試過程中，煞車踏板竟然直接斷裂，畫面曝光後引發業界與消費者高度震撼。據「懂車帝」發布的實測內容顯示，評測團隊針對這款定位頂級奢華市場的商務車進行了嚴格的煞車性能與安全極限測試。在模擬緊急情況並大腳全力踩踏煞車時，車輛的煞車踏板連桿疑似無法承受瞬間的高強度應力，直接於測試現場應聲斷裂。值得注意的是，該狀況並非單一車輛的個案瑕疵。評測過程中「懂車帝」調用了多台同款測試車進行多次重複驗證，均陸續發生緊急煞車踏板斷裂的情形，顯示煞車模組結構設計或零件用料強度在極端制動情況下，可能存在嚴重的工程結構缺陷。由華為與江淮汽車聯合打造的「尊界」品牌，主打高端豪華商務市場，新車定價高達 88 萬至 101 萬人民幣，鎖定頂級層峰買家。車室內部極力強調尊榮舒適體驗，配備後排專屬智能冰箱、整合式沖泡咖啡系統以及頂級獨立行政座椅等奢華機能。然而，煞車系統作為車輛最基礎且攸關生死的關鍵主動安全部件，其耐用度與可靠性理應經過最嚴苛的壓力測試，但這台定位百萬級別的旗艦車款竟在基礎機械制動部件上出現斷裂狀況，實在令人相當擔憂。評測影片發布後迅速在中國各大社交平台與車友圈引發廣泛討論，評論區湧入大量車主與網民留言，除了對煞車踏板斷裂感到震驚外，網友亦留名看這條測試影片什麼時候會遭到下架。截至目前為止，相關車廠及華為官方尚未就此測試結果發布正式技術分析與召回說明，後續事件發展仍有待進一步觀察。

HKEPC

3,971 subscribers

17,657 views • 6 days ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

5 Comments

冰山小企鵝6 days ago

完美預謀殺人法：把犯罪方式建立在車禍必定會破壞的零件上很難鑑定煞車踏板是因為撞擊而壞的，還是因為正常踩下而壞的。

abc6 days ago

咱們中國製造的車質量過硬 #我爱你中国

imsqfjmsosfice6 days ago

無break轉生

Nak Nemuk6 days ago

There is no such thing as recall for China made cars.

Littleplankton6 days ago

總加速師專用座駕

Related Videos

時隔三年揭密特斯拉 AI 核武器：不只「端到端」，解密征服物理世界的「神經網路模擬器」距離上一次特斯拉舉行 AI Day 分享科技樹經過三年，一般猜測因為由於分享得太過仔細，導致於中國同行在相關技術上，突然打藥般地往前跨越一些，也或許是看了懂車帝的評測之後，馬誼郎覺得對手差太遠，只好再讓大家看一下特斯拉具體的做法。建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了，請記得協助按讚分享。本次由特斯拉 AI 負責人 Ashok Elluswamy 登台，在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享，這場演講的核心，不只是宣揚其數據護城河，而是揭示一個殘酷的事實：傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個「微型電車難題」：車輛應駛過一個大水坑，還是冒險駛入對向車道？傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著，他展示第二個場景：AI 如何區分「一群要過馬路的雞」（需要耐心等待）與「一群只是想待著的鵝」（可以倒車繞行）。「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出，這些充滿細微權衡與意圖判讀的情境，根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺，註定失敗。特斯拉的答案是徹底拋棄這種分工，轉而採用單一大型神經網路，實現從「像素輸入」到「駕駛動作輸出」的端到端（End-to-End）決策。這個系統不再依賴工程師的規則，而是直接從海量的人類駕駛數據中，學習那些無法言傳的「價值偏好」。這是一場關於典範轉移的豪賭，賭注是未來所有機器人的作業系統。駕馭維度災難：從「數據瀑布」到「二階效應」的預判轉向端到端範式，意味著一場更艱鉅的挑戰：維度災難（Curse of Dimensionality）。Ashok Elluswamy 揭示的數字是殘酷的：特斯拉的系統必須在即時狀態下，將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達二十億個輸入標記——壓縮到僅僅兩個輸出標記：轉向與加速。在如此極端的資訊壓縮過程中，模型極易產生「虛假的相關性」，錯把噪音當成訊號。這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」（Elluswamy 證實車隊每天能產生500年駕駛時長），特斯拉的解方不是盲目儲存，而是精煉。系統利用特定的觸發條件或小型神經網路，主動「挖掘」那些最稀有、最關鍵的邊緣案例（corner cases）。這些罕見情境（例如前方車輛的詭異動態、路面上的非典型障礙物）是訓練AI的最高價值養分，也是傳統模組化系統最容易崩潰的地方。用高品質的邊緣數據餵養端到端模型，其回報是驚人的預判能力。在一個展示影片中，前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身，而在於時機。系統並非在偵測到「碰撞風險」時才反應，而是在偵測到前車「即將失控」的瞬間就已啟動煞車。「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對，開始進行煞車。這是系統需要模擬的二階效應。」這種對二階效應的建模，是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統，會等待碰撞發生、速度劇變後才緊急煞車，導致更危險的後果。而端到端AI透過學習海量的真實物理互動，理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」，從而做出超越人類反應的主動安全決策。破解黑盒子：端到端系統的「可解讀性」端到端AI長期以來最大的罩門，在於其「黑盒子」特性。如果一個單一網路決定所有事，當它犯錯時，工程師該如何除錯？特斯拉的回應是：端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重輔助任務（auxiliary tasks）。雖然模型最終的唯一目的是輸出控制指令，但在訓練過程中，工程師會「提示」它同時預測各種「可解讀的中間標記」（interpretable intermediate tokens），藉此打開黑盒子，窺探模型的「內心世界」。這就像在考核一個駕駛員時，除了看他是否能開到終點（控制任務），還會隨機提問他「剛才路過的交通標誌是什麼？」、「左側行人的意圖為何？」（輔助任務）。特斯拉展示的「生成式高斯潑濺（Generative Gaussian Splatting）」技術變體，便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化，且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內，利用車輛的即時影像，快速生成高解析度的3D語意場景。這使得工程師能以3D視角，直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至，模型還能生成自然語言，解釋自己「為何」在此時選擇減速或轉向。這些輔助任務就像鷹架，在模型建構階段提供支撐與可解讀性，確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟，這些鷹架在即時駕駛中可以被簡化甚至關閉，只保留最高效的「像素到動作」路徑，確保系統擁有可預測的確定性延遲。終極試煉場：用「神經網路世界模擬器」發動閉環戰爭「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言，即便擁有龐大的數據和可解讀的工具，端到端AI仍面臨最後一道關卡：評估。原因是「開迴路（open loop）」測試的侷限性。在開迴路中，模型只是觀看一段歷史影像並「預測」它會怎麼做，這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮，但「實際上路時可能表現就沒那麼好了」。因為在真實世界中，AI的每一個動作（例如輕微的轉向）都會反過來改變整個世界的後續狀態（例如引發後車的反應），產生連鎖反應。你無法在現實世界中反覆測試最危險的邊緣案例。那麼，該如何安全、高效地驗證AI在極端情況下的連鎖反應？特斯拉的答案，是其當前最核心的戰略武器：神經網路世界模擬器。這不是傳統意義上由工程師和美術師打造的電玩遊戲（如GTA）。特斯拉的模擬器本身，就是一個基於真實世界數據「學習」而來的生成式AI。它以車輛過去的「狀態與動作」配對為養分，學會「在特定動作下，世界（包含所有八個攝影機的畫面）會如何演變」。這個模擬器強大到令人畏懼：高度一致性：它可以同時生成八個攝影機、每秒高幀率的5K影像流，且所有畫面（例如鄰車的輪圈細節、遠處紅綠燈的變化）在跨攝影機視角下保持完美一致。可控性：這是關鍵。它不僅是播放影片，而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤，整個世界會即時、合理地反饋。對抗性生成：工程師可以在這個模擬器中「人工創造」新的危險。例如，調取一段過往的正常行車記錄，然後對模擬器下指令：「讓那輛原本直行的車，在特定時間點突然切入我的車道」。這個世界模擬器，讓特斯拉得以發動一場低成本、高效率的閉環（closed-loop）戰爭。他們不再需要冒著風險上路測試，而是可以在這個神經網路生成的「數位孿生世界」中，進行數百萬次高強度的強化學習與對抗性測試，最終目標是實現「超人般的表現」（superhuman performance）。終局：從Cyber Cab到Optimus，征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時，許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示，這一切只是序幕。 Cyber Cab（自動駕駛計程車）的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流，但這筆錢的最終用途，並非停留在交通領域。「我們為自動駕駛開發的這套技術，也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後，展示了這套「世界模擬器」同樣在Optimus（人形機器人）身上運作的畫面，這證實了特斯拉的真正野心：它所打造的，根本不是一個「自動駕駛系統」，而是一個可擴展的、通用的物理世界AI引擎。汽車，只是這個AI引擎的第一個載體。它擁有輪子，能在結構化的道路上移動，是收集物理世界互動數據（包含光影、天氣、人類行為）最理想、最低成本的工具。而人形機器人Optimus，則是這個引擎的下一個載體。特斯拉已經全力押注在機器人技術上。這場圍繞端到端典範與神經網路模擬器的豪賭，其目標遠非賣出更多的汽車，而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭，只是這場更大戰役的第一個灘頭堡。

時隔三年揭密特斯拉 AI 核武器：不只「端到端」，解密征服物理世界的「神經網路模擬器」距離上一次特斯拉舉行 AI Day 分享科技樹經過三年，一般猜測因為由於分享得太過仔細，導致於中國同行在相關技術上，突然打藥般地往前跨越一些，也或許是看了懂車帝的評測之後，馬誼郎覺得對手差太遠，只好再讓大家看一下特斯拉具體的做法。建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了，請記得協助按讚分享。本次由特斯拉 AI 負責人 Ashok Elluswamy 登台，在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享，這場演講的核心，不只是宣揚其數據護城河，而是揭示一個殘酷的事實：傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個「微型電車難題」：車輛應駛過一個大水坑，還是冒險駛入對向車道？傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著，他展示第二個場景：AI 如何區分「一群要過馬路的雞」（需要耐心等待）與「一群只是想待著的鵝」（可以倒車繞行）。「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出，這些充滿細微權衡與意圖判讀的情境，根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺，註定失敗。特斯拉的答案是徹底拋棄這種分工，轉而採用單一大型神經網路，實現從「像素輸入」到「駕駛動作輸出」的端到端（End-to-End）決策。這個系統不再依賴工程師的規則，而是直接從海量的人類駕駛數據中，學習那些無法言傳的「價值偏好」。這是一場關於典範轉移的豪賭，賭注是未來所有機器人的作業系統。駕馭維度災難：從「數據瀑布」到「二階效應」的預判轉向端到端範式，意味著一場更艱鉅的挑戰：維度災難（Curse of Dimensionality）。Ashok Elluswamy 揭示的數字是殘酷的：特斯拉的系統必須在即時狀態下，將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達二十億個輸入標記——壓縮到僅僅兩個輸出標記：轉向與加速。在如此極端的資訊壓縮過程中，模型極易產生「虛假的相關性」，錯把噪音當成訊號。這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」（Elluswamy 證實車隊每天能產生500年駕駛時長），特斯拉的解方不是盲目儲存，而是精煉。系統利用特定的觸發條件或小型神經網路，主動「挖掘」那些最稀有、最關鍵的邊緣案例（corner cases）。這些罕見情境（例如前方車輛的詭異動態、路面上的非典型障礙物）是訓練AI的最高價值養分，也是傳統模組化系統最容易崩潰的地方。用高品質的邊緣數據餵養端到端模型，其回報是驚人的預判能力。在一個展示影片中，前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身，而在於時機。系統並非在偵測到「碰撞風險」時才反應，而是在偵測到前車「即將失控」的瞬間就已啟動煞車。「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對，開始進行煞車。這是系統需要模擬的二階效應。」這種對二階效應的建模，是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統，會等待碰撞發生、速度劇變後才緊急煞車，導致更危險的後果。而端到端AI透過學習海量的真實物理互動，理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」，從而做出超越人類反應的主動安全決策。破解黑盒子：端到端系統的「可解讀性」端到端AI長期以來最大的罩門，在於其「黑盒子」特性。如果一個單一網路決定所有事，當它犯錯時，工程師該如何除錯？特斯拉的回應是：端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重輔助任務（auxiliary tasks）。雖然模型最終的唯一目的是輸出控制指令，但在訓練過程中，工程師會「提示」它同時預測各種「可解讀的中間標記」（interpretable intermediate tokens），藉此打開黑盒子，窺探模型的「內心世界」。這就像在考核一個駕駛員時，除了看他是否能開到終點（控制任務），還會隨機提問他「剛才路過的交通標誌是什麼？」、「左側行人的意圖為何？」（輔助任務）。特斯拉展示的「生成式高斯潑濺（Generative Gaussian Splatting）」技術變體，便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化，且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內，利用車輛的即時影像，快速生成高解析度的3D語意場景。這使得工程師能以3D視角，直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至，模型還能生成自然語言，解釋自己「為何」在此時選擇減速或轉向。這些輔助任務就像鷹架，在模型建構階段提供支撐與可解讀性，確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟，這些鷹架在即時駕駛中可以被簡化甚至關閉，只保留最高效的「像素到動作」路徑，確保系統擁有可預測的確定性延遲。終極試煉場：用「神經網路世界模擬器」發動閉環戰爭「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言，即便擁有龐大的數據和可解讀的工具，端到端AI仍面臨最後一道關卡：評估。原因是「開迴路（open loop）」測試的侷限性。在開迴路中，模型只是觀看一段歷史影像並「預測」它會怎麼做，這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮，但「實際上路時可能表現就沒那麼好了」。因為在真實世界中，AI的每一個動作（例如輕微的轉向）都會反過來改變整個世界的後續狀態（例如引發後車的反應），產生連鎖反應。你無法在現實世界中反覆測試最危險的邊緣案例。那麼，該如何安全、高效地驗證AI在極端情況下的連鎖反應？特斯拉的答案，是其當前最核心的戰略武器：神經網路世界模擬器。這不是傳統意義上由工程師和美術師打造的電玩遊戲（如GTA）。特斯拉的模擬器本身，就是一個基於真實世界數據「學習」而來的生成式AI。它以車輛過去的「狀態與動作」配對為養分，學會「在特定動作下，世界（包含所有八個攝影機的畫面）會如何演變」。這個模擬器強大到令人畏懼：高度一致性：它可以同時生成八個攝影機、每秒高幀率的5K影像流，且所有畫面（例如鄰車的輪圈細節、遠處紅綠燈的變化）在跨攝影機視角下保持完美一致。可控性：這是關鍵。它不僅是播放影片，而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤，整個世界會即時、合理地反饋。對抗性生成：工程師可以在這個模擬器中「人工創造」新的危險。例如，調取一段過往的正常行車記錄，然後對模擬器下指令：「讓那輛原本直行的車，在特定時間點突然切入我的車道」。這個世界模擬器，讓特斯拉得以發動一場低成本、高效率的閉環（closed-loop）戰爭。他們不再需要冒著風險上路測試，而是可以在這個神經網路生成的「數位孿生世界」中，進行數百萬次高強度的強化學習與對抗性測試，最終目標是實現「超人般的表現」（superhuman performance）。終局：從Cyber Cab到Optimus，征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時，許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示，這一切只是序幕。 Cyber Cab（自動駕駛計程車）的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流，但這筆錢的最終用途，並非停留在交通領域。「我們為自動駕駛開發的這套技術，也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後，展示了這套「世界模擬器」同樣在Optimus（人形機器人）身上運作的畫面，這證實了特斯拉的真正野心：它所打造的，根本不是一個「自動駕駛系統」，而是一個可擴展的、通用的物理世界AI引擎。汽車，只是這個AI引擎的第一個載體。它擁有輪子，能在結構化的道路上移動，是收集物理世界互動數據（包含光影、天氣、人類行為）最理想、最低成本的工具。而人形機器人Optimus，則是這個引擎的下一個載體。特斯拉已經全力押注在機器人技術上。這場圍繞端到端典範與神經網路模擬器的豪賭，其目標遠非賣出更多的汽車，而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭，只是這場更大戰役的第一個灘頭堡。

fox hsiao

29,516 views • 11 months ago

驚險一刻！車子高速爆胎失控界立建直指中共惡意破壞 9月25日，中國民主黨國際聯盟主席界立建在加州高速駕車時，車輛突然失控，險些與大貨車相撞。他驚魂未定下車檢查，發現三個輪胎同時爆胎，並帶有釘子與刀割痕跡，修車技工也確認屬人為破壞。界立建懷疑此舉是中共再度針對他的迫害行動。他透露，僅一週前網上出現懸賞10萬美元「致殘」他的消息，而他過去也多次遭遇刀刺、車輛衝撞等死亡恐嚇。他已向警方與FBI報案，並強調：「共產黨！我跟你絕不罷休！」你認為這起爆胎事件真與中共有關嗎？ #界立建 #中共打壓 #政治迫害 #美國高速驚險 #人權威脅

驚險一刻！車子高速爆胎失控界立建直指中共惡意破壞 9月25日，中國民主黨國際聯盟主席界立建在加州高速駕車時，車輛突然失控，險些與大貨車相撞。他驚魂未定下車檢查，發現三個輪胎同時爆胎，並帶有釘子與刀割痕跡，修車技工也確認屬人為破壞。界立建懷疑此舉是中共再度針對他的迫害行動。他透露，僅一週前網上出現懸賞10萬美元「致殘」他的消息，而他過去也多次遭遇刀刺、車輛衝撞等死亡恐嚇。他已向警方與FBI報案，並強調：「共產黨！我跟你絕不罷休！」你認為這起爆胎事件真與中共有關嗎？ #界立建 #中共打壓 #政治迫害 #美國高速驚險 #人權威脅

新唐人電視台

115,142 views • 1 year ago

3Q比喻的真好，行政院是油門、立法院是煞車🤭 現主時，台灣這輛大客車正由賴桑掌握前進的韓斗魯，當行政院準備一拜向前開的時候，立法院卻在藍白主導下用力踩住煞車😳 見不得台灣如同過去8年一樣一直進步、一直耀眼全世界，牠們一方面故意讓大客車空轉、磨胎，一方面指責駕駛亂開車🙄 這就是國民黨、民眾黨的計謀，就是這麼無恥、壞心，無時無刻不配合中國指令在台灣內部搗亂、瞎搞，在政治、國防、經濟、社會層面內耗台灣的一切🤬🤬🤬 而這樣明顯賣台手段能否達成，真的就是考驗選民的智商程度了，唉😮‍💨 老實說，我沒有信心ㄟ😓

3Q比喻的真好，行政院是油門、立法院是煞車🤭 現主時，台灣這輛大客車正由賴桑掌握前進的韓斗魯，當行政院準備一拜向前開的時候，立法院卻在藍白主導下用力踩住煞車😳 見不得台灣如同過去8年一樣一直進步、一直耀眼全世界，牠們一方面故意讓大客車空轉、磨胎，一方面指責駕駛亂開車🙄 這就是國民黨、民眾黨的計謀，就是這麼無恥、壞心，無時無刻不配合中國指令在台灣內部搗亂、瞎搞，在政治、國防、經濟、社會層面內耗台灣的一切🤬🤬🤬 而這樣明顯賣台手段能否達成，真的就是考驗選民的智商程度了，唉😮‍💨 老實說，我沒有信心ㄟ😓

家有Frank

36,147 views • 2 years ago

為不幸受虐逝世的流浪狗「旺旺」（Wang Wang）爭取權益的跨國動保運動「Wang Wang Global Action」，正式進軍日本。一台印有旺旺身影與「#justiceforwangwang」醒目字樣的專屬活動宣傳車（Vision Scooter），於東京澀谷街頭展開巡迴行駛，吸引大批海內外民眾與國際觀光客駐足關注。 8月28日適逢旺旺事件發生滿兩個月，日本動保志工與支持者，特別選在全亞洲人潮最密集的東京澀谷，租用大型行動 LED 宣傳車。車身兩側高頻率播放旺旺生前的影像，並配上日文及英文訴求，向世界傳達「為無法說話的生命發聲」之理念，呼籲大眾重視動物虐待問題並推動動保立法。主辦團隊表示，選擇澀谷作為日本站的發起地，是希望利用其巨大的國際影響力，讓更多人看見這個悲劇，進而化悲憤為力量。除了日本的宣傳車外，全球串聯行動也正如火如荼展開，包含香港的「旺旺遊車河」電車車身廣告募資，以及台灣、美加等地的動保志工正積極籌備實體與線上聲援，形成強大的跨國倡議網絡。主辦方強調，街頭宣傳車只是起點，未來將持續透過國際連署與各國動保團體合作，期盼喚醒大眾對流浪動物生命權的尊重，並防範類似的虐待悲劇再度發生。地點：日本。時間：2026年8月28日。 #wangwang #justiceforwangwang #旺旺

為不幸受虐逝世的流浪狗「旺旺」（Wang Wang）爭取權益的跨國動保運動「Wang Wang Global Action」，正式進軍日本。一台印有旺旺身影與「#justiceforwangwang」醒目字樣的專屬活動宣傳車（Vision Scooter），於東京澀谷街頭展開巡迴行駛，吸引大批海內外民眾與國際觀光客駐足關注。 8月28日適逢旺旺事件發生滿兩個月，日本動保志工與支持者，特別選在全亞洲人潮最密集的東京澀谷，租用大型行動 LED 宣傳車。車身兩側高頻率播放旺旺生前的影像，並配上日文及英文訴求，向世界傳達「為無法說話的生命發聲」之理念，呼籲大眾重視動物虐待問題並推動動保立法。主辦團隊表示，選擇澀谷作為日本站的發起地，是希望利用其巨大的國際影響力，讓更多人看見這個悲劇，進而化悲憤為力量。除了日本的宣傳車外，全球串聯行動也正如火如荼展開，包含香港的「旺旺遊車河」電車車身廣告募資，以及台灣、美加等地的動保志工正積極籌備實體與線上聲援，形成強大的跨國倡議網絡。主辦方強調，街頭宣傳車只是起點，未來將持續透過國際連署與各國動保團體合作，期盼喚醒大眾對流浪動物生命權的尊重，並防範類似的虐待悲劇再度發生。地點：日本。時間：2026年8月28日。 #wangwang #justiceforwangwang #旺旺

小貓看世界@子猫は世界を見る

22,281 views • 1 month ago

這不是「有沒有救護車」的問題，而是第一反應單位是誰、幾秒抵達、有沒有人敢衝進去、以及系統把人命排在第幾位。 2020 年巴林站，Grosjean 以約 221 km/h、53G 撞進護欄，車斷成兩截、瞬間火球。他在座艙裡待了大約 28 秒才爬出來。同一時間，FIA 醫療車在撞擊後約 9 到 11 秒已經停在現場：駕駛是職業賽車手 Alan van der Merwe，副駕是醫療救援協調官 Dr. Ian Roberts。醫生用滅火器開路，再把他從護欄另一側拉出。那台車看起來像高性能旅行車或 SUV，不是馬路上的廂型救護車。F1 不是不用救護車——場邊仍有救護車、解困車、直升機——而是不用普通救護車當第一反應。1978 年 Monza，Peterson 事故後救護車大約拖了 18 分鐘，Sid Watkins 因此定下規矩：醫療車必須跟著車陣跑完第一圈，之後停在可立即出動的位置。廂型救護車跟不上、也過不了仍在高速行駛的車陣；要在不製造第二起事故的前提下把醫生送到現場，駕駛必須是職業賽車手。醫療車做的是把急救開到殘骸旁邊：壓火、判斷、穩定。真正運送，仍交給場邊救護車和醫務中心。 2026 年 9 月 5 日，China GT 上海站 GT3 第一回合約第 7 圈，14 號彎前。33 號 Verhagen 的 BMW 與 37 號陳意飛的 Ferrari 纏鬥，草地濕滑失控，撞上 91 號 Millroy 的 Ferrari 側身油箱區域。車瞬間起火。36 歲的英國車手 Millroy 被困，撞前 30 秒到撞後一小時記憶空白；五根肋骨、鎖骨、手與手指骨折，肺挫傷。車隊稱火燒超過一分鐘，現場看不見及時有效的滅火與救援。先到的不是賽會，是後方 79 號、23 歲荷蘭車手 Loek Hartog。他剎停下車，駕駛側火太猛，繞到另一側要來滅火器壓艙火，再把人拖出。從離開自己的車到把人拉出，公開畫面約 49 秒。有說法是拖出十秒後賽車爆燃。他回到維修區當眾痛哭。 Millroy 寫：今晚還活著，完全因為一個人，現場看不到旗務員或消防隊。Hartog 回：看見前方變成火球，沒有什麼決定好做；希望有一天這不被當成英勇，而是本能。這句比官方聲明刺耳——需要英雄，本身就是系統已經失敗。1992 年比利時站 Senna 停車救 Comas，是同一類「車手補位官方」。差別是：那是三十多年前的 F1；這條上海賽道辦過多年中國大獎賽，不該還停在靠對手良心。比較穩的事實是：第一個有效施救者是參賽車手；轉播未核實就說「自行離車」，FIST 車隊為此退出後續賽事；現場有人遞滅火器，也有目擊者稱有人打不開、有人放下器材後退。組委會承認「細緻管理有待提高」，同時仍說整體配置符合國家級——硬件可以過關、執行過不了關。楊百杰指稱救護車約 15 分鐘才到、司機睡著、拍窗拍不醒，以及仲裁先傳人問責、不先問死活。這些目前是當事車手的公開指控，調查結論未出，不宜當成已判決事實。但就算司機沒睡，15 分鐘對賽車燃油火也已經是錯的數量級。黃金時間是幾十秒，不是把市區 120 的邏輯套進封閉賽道。失靈通常不在「有沒有場地」。上海國際賽車場辦過 F1，紙面可以對上國家級。斷在戰備：F1 醫療車發車時人就綁在座位上，普通賽事若把救護車當值班休息，編制再漂亮也是假戰備。斷在人員：滅火器打不開、靠近火球就退，是訓練、防護和權責不清，勇氣不能靠動員產生。斷在優先級：火還在燒就報「自行離車」，隨後仲裁先談誰的錯——把運動做成輿論管理和行政處分。同一條賽道，F1 週末和國內 GT 週末的演練密度可以差一個數量級，鏡頭卻都在用國際賽事的語言。 Hartog 值得尊敬。把故事停在人性光輝，主辦方最樂意，因為光輝可以轉發，調查可以「復盤中」。真正該公開的是幾秒內第一具滅火器開始噴、幾秒內專業人員接觸傷者、器材是否實操、司機是否在崗。這些數字不拿出來，致歉就是公關。 China GT 不必一夜變成 F1。場邊可以繼續停普通救護車，用來送醫。缺的是敢靠近、會用器材、被授權衝進去的第一分隊，並且用秒錶考核。Millroy 說以後會告訴三個孩子，Hartog 是超級英雄。感人，也殘忍。運行正常的賽會裡，孩子該聽到的是消防和醫生按規程把人救出來。當敘事只能靠對手棄賽，這次用掉的不是情懷，是運氣。

這不是「有沒有救護車」的問題，而是第一反應單位是誰、幾秒抵達、有沒有人敢衝進去、以及系統把人命排在第幾位。 2020 年巴林站，Grosjean 以約 221 km/h、53G 撞進護欄，車斷成兩截、瞬間火球。他在座艙裡待了大約 28 秒才爬出來。同一時間，FIA 醫療車在撞擊後約 9 到 11 秒已經停在現場：駕駛是職業賽車手 Alan van der Merwe，副駕是醫療救援協調官 Dr. Ian Roberts。醫生用滅火器開路，再把他從護欄另一側拉出。那台車看起來像高性能旅行車或 SUV，不是馬路上的廂型救護車。F1 不是不用救護車——場邊仍有救護車、解困車、直升機——而是不用普通救護車當第一反應。1978 年 Monza，Peterson 事故後救護車大約拖了 18 分鐘，Sid Watkins 因此定下規矩：醫療車必須跟著車陣跑完第一圈，之後停在可立即出動的位置。廂型救護車跟不上、也過不了仍在高速行駛的車陣；要在不製造第二起事故的前提下把醫生送到現場，駕駛必須是職業賽車手。醫療車做的是把急救開到殘骸旁邊：壓火、判斷、穩定。真正運送，仍交給場邊救護車和醫務中心。 2026 年 9 月 5 日，China GT 上海站 GT3 第一回合約第 7 圈，14 號彎前。33 號 Verhagen 的 BMW 與 37 號陳意飛的 Ferrari 纏鬥，草地濕滑失控，撞上 91 號 Millroy 的 Ferrari 側身油箱區域。車瞬間起火。36 歲的英國車手 Millroy 被困，撞前 30 秒到撞後一小時記憶空白；五根肋骨、鎖骨、手與手指骨折，肺挫傷。車隊稱火燒超過一分鐘，現場看不見及時有效的滅火與救援。先到的不是賽會，是後方 79 號、23 歲荷蘭車手 Loek Hartog。他剎停下車，駕駛側火太猛，繞到另一側要來滅火器壓艙火，再把人拖出。從離開自己的車到把人拉出，公開畫面約 49 秒。有說法是拖出十秒後賽車爆燃。他回到維修區當眾痛哭。 Millroy 寫：今晚還活著，完全因為一個人，現場看不到旗務員或消防隊。Hartog 回：看見前方變成火球，沒有什麼決定好做；希望有一天這不被當成英勇，而是本能。這句比官方聲明刺耳——需要英雄，本身就是系統已經失敗。1992 年比利時站 Senna 停車救 Comas，是同一類「車手補位官方」。差別是：那是三十多年前的 F1；這條上海賽道辦過多年中國大獎賽，不該還停在靠對手良心。比較穩的事實是：第一個有效施救者是參賽車手；轉播未核實就說「自行離車」，FIST 車隊為此退出後續賽事；現場有人遞滅火器，也有目擊者稱有人打不開、有人放下器材後退。組委會承認「細緻管理有待提高」，同時仍說整體配置符合國家級——硬件可以過關、執行過不了關。楊百杰指稱救護車約 15 分鐘才到、司機睡著、拍窗拍不醒，以及仲裁先傳人問責、不先問死活。這些目前是當事車手的公開指控，調查結論未出，不宜當成已判決事實。但就算司機沒睡，15 分鐘對賽車燃油火也已經是錯的數量級。黃金時間是幾十秒，不是把市區 120 的邏輯套進封閉賽道。失靈通常不在「有沒有場地」。上海國際賽車場辦過 F1，紙面可以對上國家級。斷在戰備：F1 醫療車發車時人就綁在座位上，普通賽事若把救護車當值班休息，編制再漂亮也是假戰備。斷在人員：滅火器打不開、靠近火球就退，是訓練、防護和權責不清，勇氣不能靠動員產生。斷在優先級：火還在燒就報「自行離車」，隨後仲裁先談誰的錯——把運動做成輿論管理和行政處分。同一條賽道，F1 週末和國內 GT 週末的演練密度可以差一個數量級，鏡頭卻都在用國際賽事的語言。 Hartog 值得尊敬。把故事停在人性光輝，主辦方最樂意，因為光輝可以轉發，調查可以「復盤中」。真正該公開的是幾秒內第一具滅火器開始噴、幾秒內專業人員接觸傷者、器材是否實操、司機是否在崗。這些數字不拿出來，致歉就是公關。 China GT 不必一夜變成 F1。場邊可以繼續停普通救護車，用來送醫。缺的是敢靠近、會用器材、被授權衝進去的第一分隊，並且用秒錶考核。Millroy 說以後會告訴三個孩子，Hartog 是超級英雄。感人，也殘忍。運行正常的賽會裡，孩子該聽到的是消防和醫生按規程把人救出來。當敘事只能靠對手棄賽，這次用掉的不是情懷，是運氣。

三木真黒

69,088 views • 1 month ago

【GTA 8+9 😂】GTA 6 還未有得玩，不如先試試這款「GTA 8+9 之 Taipei City」。近日，一名台灣開發者推出了「台北版 GTA」的 3D 開放世界網頁遊戲，將西門町、台北車站及忠孝復興等知名地標搬進虛擬世界。玩家無須下載任何遊戲客戶端，僅需透過電腦瀏覽器即可進入遊戲，親身步行探索或駕車漫遊。開發者透露，為完成該專案，至今已消耗超過 1 萬美元（約合 32 萬新台幣 / 7.8 萬港元）的 AI Token。據遊戲開發者「aicodewithme」表示，遊戲目前以 Web App 形式部署於 Vercel 雲端平台，並已全面免費對外開放。此作品並非預錄的展示影片或技術雛形（demo），而是具備完整互動機能、已可實際運行的版本，相關連結已置於留言區頂部。雖然該遊戲支援手機瀏覽器，但由於手機效能有限，畫面會受到較明顯的壓縮，因此開發者建議玩家使用個人電腦瀏覽器登入，以取得較佳的視覺渲染效果與流暢度。遊戲在場景構建上高度還原台灣都會區的日常街景。除了忠實呈現西門町、台北車站與忠孝復興等核心商圈外，畫面中隨處可見密集的招牌、老公寓、騎樓步道、路邊停泊的機車、補習班廣告，以及外賣員穿梭的身影，精準勾勒出住商混合的典型台北街頭風貌。此外，遊戲內建諸多互動場景與隨機事件。其中最具辨識度的地標，為一間致敬連鎖便利店 7-Eleven 的虛構超商「7-TWELVE」，不僅外觀保留標誌性的橘、綠、紅三色線條，店內更配置有自動櫃員機（ATM）、雪櫃及鮮食區，玩家甚至能與店員互動，花費新台幣 13 元購買茶葉蛋。當玩家在街頭駕車時，亦可能觸發警方路障截查事件，彈出「警察：下車！手放在頭上！」等對白，甚至還能乘搭摩天大樓電梯直達 89 樓俯瞰市景。開發者表示，目前台北虛擬地圖仍在持續擴建，並已公開向玩家社群徵求未來的更新方向。若後續進一步導入捷運路網、更完整的都市交通系統與隨機城市事件，該專案有望從單純的 AI 編程實驗，演進為具備高自由度與深度沉浸感的「台北」開放世界。

【GTA 8+9 😂】GTA 6 還未有得玩，不如先試試這款「GTA 8+9 之 Taipei City」。近日，一名台灣開發者推出了「台北版 GTA」的 3D 開放世界網頁遊戲，將西門町、台北車站及忠孝復興等知名地標搬進虛擬世界。玩家無須下載任何遊戲客戶端，僅需透過電腦瀏覽器即可進入遊戲，親身步行探索或駕車漫遊。開發者透露，為完成該專案，至今已消耗超過 1 萬美元（約合 32 萬新台幣 / 7.8 萬港元）的 AI Token。據遊戲開發者「aicodewithme」表示，遊戲目前以 Web App 形式部署於 Vercel 雲端平台，並已全面免費對外開放。此作品並非預錄的展示影片或技術雛形（demo），而是具備完整互動機能、已可實際運行的版本，相關連結已置於留言區頂部。雖然該遊戲支援手機瀏覽器，但由於手機效能有限，畫面會受到較明顯的壓縮，因此開發者建議玩家使用個人電腦瀏覽器登入，以取得較佳的視覺渲染效果與流暢度。遊戲在場景構建上高度還原台灣都會區的日常街景。除了忠實呈現西門町、台北車站與忠孝復興等核心商圈外，畫面中隨處可見密集的招牌、老公寓、騎樓步道、路邊停泊的機車、補習班廣告，以及外賣員穿梭的身影，精準勾勒出住商混合的典型台北街頭風貌。此外，遊戲內建諸多互動場景與隨機事件。其中最具辨識度的地標，為一間致敬連鎖便利店 7-Eleven 的虛構超商「7-TWELVE」，不僅外觀保留標誌性的橘、綠、紅三色線條，店內更配置有自動櫃員機（ATM）、雪櫃及鮮食區，玩家甚至能與店員互動，花費新台幣 13 元購買茶葉蛋。當玩家在街頭駕車時，亦可能觸發警方路障截查事件，彈出「警察：下車！手放在頭上！」等對白，甚至還能乘搭摩天大樓電梯直達 89 樓俯瞰市景。開發者表示，目前台北虛擬地圖仍在持續擴建，並已公開向玩家社群徵求未來的更新方向。若後續進一步導入捷運路網、更完整的都市交通系統與隨機城市事件，該專案有望從單純的 AI 編程實驗，演進為具備高自由度與深度沉浸感的「台北」開放世界。

HKEPC

30,120 views • 15 days ago

NVIDIA 黃仁勳 CES 2025 開場演講，AI 無所不在 - 完整中英字幕對照 NVIDIA 執行長黃仁勳在 CES 2025 的主題演講中，揭示人工智慧 (AI) 發展的嶄新紀元。他展示 NVIDIA 如何引領這波科技浪潮，將 AI 的力量帶入各個領域，包含遊戲、企業應用、機器人以及自動駕駛等。黃仁勳首先回顧 NVIDIA 的發展歷程，從早期遊戲顯示卡的研發到近年在 AI 領域的突破，展現 NVIDIA 如何從一家圖形處理器公司轉型為 AI 技術的領導者。他強調 AI 的發展已從「知覺 AI」進化到「生成 AI」，現在更邁向「代理 AI」階段，AI 不僅能夠感知和生成，更能進行推理、規劃和行動，這將徹底改變人類與電腦互動的方式。演講中，黃仁勳發表多項 NVIDIA 的最新技術。GeForce RTX 50 系列顯示卡以其強大的效能和創新的 AI 技術，如光線追蹤加速和 DLSS 畫格生成，將遊戲畫面提升到全新境界。Blackwell 伺服器則以其高效能和能源效率，滿足企業對 AI 規模化的需求，加速 AI 訓練和部署。 NVIDIA 也推出了 NIMS 和 NEMO 平台，協助企業應用 AI。企業可藉此建立和訓練 AI 代理，提升工作效率和自動化程度。黃仁勳更進一步展望 AI 的未來，發表 NVIDIA Cosmos 世界基礎模型。Cosmos 旨在理解物理世界，並應用於機器人和工業 AI 領域。Cosmos 的出現，使 AI 能夠更深入地理解和模擬真實世界，進一步推動機器人和自動駕駛的發展。在自動駕駛領域，NVIDIA 推出了新一代車用電腦 Thor，其強大的效能和通過 ASIL D 認證的安全設計，預計將加速自動駕駛汽車的發展。此外，NVIDIA DriveOS 成為首款通過 ASIL D 認證的軟體定義 AI 電腦，為自動駕駛汽車提供更安全可靠的保障。黃仁勳也強調 AI 人才培育的重要性，並宣布推出 Project Digits，將 AI 超級電腦的規模縮小到一般使用者也能輕鬆使用，讓更多人有機會接觸和學習 AI 技術。台積電：作為 NVIDIA 的主要晶片代工夥伴，台積電可望持續受惠於 NVIDIA 的 AI 產品需求，並在先進製程技術上保持領先地位。鴻海：鴻海積極佈局電動車和機器人領域，NVIDIA 的 Thor 車用電腦和 Isaac Groot 機器人平台，可望為鴻海的發展提供助力。聯發科：與 NVIDIA 在晶片設計上的合作，有助於聯發科提升在 AI 領域的技術能力，並拓展在 AIoT 市場的應用。豐田汽車：與 NVIDIA 合作開發自動駕駛技術，可望加速豐田在自動駕駛領域的發展，並提升其汽車產品的競爭力。發那科：作為全球領先的工業機器人製造商，發那科可望利用 NVIDIA 的 AI 技術和平台，開發更智慧、更具效率的工業機器人。 Sony：Sony 在遊戲和影像領域擁有深厚的技術積累，NVIDIA 的顯示卡和 AI 技術，可望為 Sony 的產品創新提供更多可能性。

NVIDIA 黃仁勳 CES 2025 開場演講，AI 無所不在 - 完整中英字幕對照 NVIDIA 執行長黃仁勳在 CES 2025 的主題演講中，揭示人工智慧 (AI) 發展的嶄新紀元。他展示 NVIDIA 如何引領這波科技浪潮，將 AI 的力量帶入各個領域，包含遊戲、企業應用、機器人以及自動駕駛等。黃仁勳首先回顧 NVIDIA 的發展歷程，從早期遊戲顯示卡的研發到近年在 AI 領域的突破，展現 NVIDIA 如何從一家圖形處理器公司轉型為 AI 技術的領導者。他強調 AI 的發展已從「知覺 AI」進化到「生成 AI」，現在更邁向「代理 AI」階段，AI 不僅能夠感知和生成，更能進行推理、規劃和行動，這將徹底改變人類與電腦互動的方式。演講中，黃仁勳發表多項 NVIDIA 的最新技術。GeForce RTX 50 系列顯示卡以其強大的效能和創新的 AI 技術，如光線追蹤加速和 DLSS 畫格生成，將遊戲畫面提升到全新境界。Blackwell 伺服器則以其高效能和能源效率，滿足企業對 AI 規模化的需求，加速 AI 訓練和部署。 NVIDIA 也推出了 NIMS 和 NEMO 平台，協助企業應用 AI。企業可藉此建立和訓練 AI 代理，提升工作效率和自動化程度。黃仁勳更進一步展望 AI 的未來，發表 NVIDIA Cosmos 世界基礎模型。Cosmos 旨在理解物理世界，並應用於機器人和工業 AI 領域。Cosmos 的出現，使 AI 能夠更深入地理解和模擬真實世界，進一步推動機器人和自動駕駛的發展。在自動駕駛領域，NVIDIA 推出了新一代車用電腦 Thor，其強大的效能和通過 ASIL D 認證的安全設計，預計將加速自動駕駛汽車的發展。此外，NVIDIA DriveOS 成為首款通過 ASIL D 認證的軟體定義 AI 電腦，為自動駕駛汽車提供更安全可靠的保障。黃仁勳也強調 AI 人才培育的重要性，並宣布推出 Project Digits，將 AI 超級電腦的規模縮小到一般使用者也能輕鬆使用，讓更多人有機會接觸和學習 AI 技術。台積電：作為 NVIDIA 的主要晶片代工夥伴，台積電可望持續受惠於 NVIDIA 的 AI 產品需求，並在先進製程技術上保持領先地位。鴻海：鴻海積極佈局電動車和機器人領域，NVIDIA 的 Thor 車用電腦和 Isaac Groot 機器人平台，可望為鴻海的發展提供助力。聯發科：與 NVIDIA 在晶片設計上的合作，有助於聯發科提升在 AI 領域的技術能力，並拓展在 AIoT 市場的應用。豐田汽車：與 NVIDIA 合作開發自動駕駛技術，可望加速豐田在自動駕駛領域的發展，並提升其汽車產品的競爭力。發那科：作為全球領先的工業機器人製造商，發那科可望利用 NVIDIA 的 AI 技術和平台，開發更智慧、更具效率的工業機器人。 Sony：Sony 在遊戲和影像領域擁有深厚的技術積累，NVIDIA 的顯示卡和 AI 技術，可望為 Sony 的產品創新提供更多可能性。

fox hsiao

25,119 views • 1 year ago

[ 誠摯的獻上Molly S 首部沈浸開箱影片 ] 這不只是一件簡單的評測，而是致敬所有投入面具開發與設計者熱忱的其中一種方式，我選擇用個人能展現的標準詮釋並歌頌著所有熱愛這個文化且綻放光輝的所有人。希望能透過這部影片的拍攝忠實的還原產品最原始的狀態，另外可從影片中的厚度測量看出為了達到臉型修飾效果所做的局部增厚設計等，實際上無論從外盒包裝開箱至面具本身都展現了非常豐富的細節 (PS:為了拍攝效果，影片並不是實際的開箱體驗，盒裝內也並不包含發光的機構，請勿與實際產品進行對照) 影片時間軸： 00:00～00:30 > 開箱 00:31～00:58 > 360 °細節展示 00:59~07:40 > 各部位厚度測量 - 測量單位mm/誤差範圍± 0.1 - 平均最薄處為0.5mm - 臉頰/額頭/嘴唇鼻梁等增厚數值可參考影片內厚度計上的顯示屏幕感謝大家的關注～更多相關演示都將於未來逐步更新與發佈感謝MOLI’S提供 Moli 茉莉兔兔 Inthemask by MOLIS

[ 誠摯的獻上Molly S 首部沈浸開箱影片 ] 這不只是一件簡單的評測，而是致敬所有投入面具開發與設計者熱忱的其中一種方式，我選擇用個人能展現的標準詮釋並歌頌著所有熱愛這個文化且綻放光輝的所有人。希望能透過這部影片的拍攝忠實的還原產品最原始的狀態，另外可從影片中的厚度測量看出為了達到臉型修飾效果所做的局部增厚設計等，實際上無論從外盒包裝開箱至面具本身都展現了非常豐富的細節 (PS:為了拍攝效果，影片並不是實際的開箱體驗，盒裝內也並不包含發光的機構，請勿與實際產品進行對照) 影片時間軸： 00:00～00:30 > 開箱 00:31～00:58 > 360 °細節展示 00:59~07:40 > 各部位厚度測量 - 測量單位mm/誤差範圍± 0.1 - 平均最薄處為0.5mm - 臉頰/額頭/嘴唇鼻梁等增厚數值可參考影片內厚度計上的顯示屏幕感謝大家的關注～更多相關演示都將於未來逐步更新與發佈感謝MOLI’S提供 Moli 茉莉兔兔 Inthemask by MOLIS

Bella Paprika

35,507 views • 3 years ago

國防科技公司 Anduril Industries 掌舵者——帕爾默·拉奇（Palmer Luckey）。這位身著招牌花襯衫與人字拖的科技新貴，近日在 TED 演講中，以極具衝擊力的未來戰爭想定，直指美國及其盟友在國防科技上的滯後，可能導致災難性的後果。當特斯拉比戰機更聰明：拉奇點出的國防困境拉奇的演講開門見山，描繪了一個令人不安的場景：中國對台灣發動大規模突襲，以壓倒性的飛彈、海軍力量，結合網路攻擊，在美、台反應過來之前便癱瘓關鍵設施。美軍試圖馳援，卻發現傳統武器平台速度太慢、數量不足，精準彈藥庫存更在短短數日內告罄。最終，台灣淪陷，全球不僅面臨晶片供應鏈斷裂引發的數十兆美元經濟災難，更將迎來一個由專制政權主導國際秩序的新現實。這並非危言聳聽。拉奇直言不諱地指出，當前美國國防體系面臨多重困境：創新停滯：大型傳統國防承包商更在乎股東分紅與官僚流程，而非追求突破性技術與快速部署。矽谷缺席：曾是國防科技重要推手的矽谷，如今卻普遍對軍事合作抱持距離，甚至將重心放在迎合中國市場，導致頂尖人才與技術未能有效挹注國防。能力落差：諷刺的是，拉奇點出，消費級產品如特斯拉電動車的 AI、Roomba 掃地機器人的自主性，甚至 Snapchat 的濾鏡，其技術含量都可能超越了美軍現役的部分昂貴裝備。產能危機：相較於中國龐大的造船能力與飛彈產能，美國過度依賴少量、精緻但生產緩慢的「手工藝品」式武器，難以應對大規模衝突的消耗。 Anduril 的解方：AI、自主化、大規模生產面對如此嚴峻的挑戰，曾被 Facebook「請」出門的拉奇，並未選擇歸隱山林，而是創辦了 Anduril，決心以科技創業的模式顛覆傳統國防產業。他強調 Anduril 是一家「國防產品公司」，而非承包商——他們用自有資金研發產品，而非等待政府標案，藉此大幅縮短開發週期、降低成本。 Anduril 的核心競爭力，在於軟體定義的硬體，以及對 AI 與自主系統的大膽擁抱。其核心 AI 平台「Lattice」能整合、指揮大量自主武器系統協同作戰，讓「數百萬武器上場，而非數百萬人命」。拉奇認為，面對中國的數量優勢，美國唯一的出路就是依靠 AI 驅動的自主系統，以質勝量，達成「非對稱」嚇阻。他舉例，Anduril 已在短時間內為美國空軍開發自主戰鬥機、為澳洲海軍打造大型自主潛艦，其「Roadrunner」反無人機系統更在 24 個月內從概念走向實戰驗證。這些系統的共同特點是：自主性高：能在複雜、高風險環境下獨立或協同執行任務，減少對人力的依賴與風險。可規模化生產：設計之初便考慮利用現有工業基礎進行量產，如同二戰時期福特汽車廠每 63 分鐘生產一架轟炸機。快速迭代：基於軟體平台，能像更新 App 一樣快速升級武器能力，應對瞬息萬變的威脅。「殺手機器人」的倫理辯證：不擁抱 AI 的風險更大？當然，將 AI 大規模導入戰場，引發了對「殺手機器人」和戰爭倫理的擔憂。對此，拉奇的觀點相當務實甚至略帶挑釁。他認為，具有一定自主性的武器（如水雷、神盾系統的自動接戰模式）早已存在數十年，「潘朵拉的盒子」早已打開，現在的問題不是要不要打開，而是如何應對這個現實。他反駁道，拒絕使用 AI 並不能佔據道德高地。若 AI 能更精準地區分目標、減少附帶損害（例如區分校車與敵軍裝甲車），甚至因為其強大效能而阻止衝突發生，那麼因道德潔癖而放棄使用，反而是不負責任的。更關鍵的是，如果美國及其盟友不在 AI 軍事應用上領先，那麼毫無倫理顧忌的威權政權將會制定遊戲規則，其後果可能更加不堪。未來戰爭的想像：嚇阻來自「打不贏」的認知演講的最後，拉奇再次描繪了台灣衝突的另一種可能：當中國飛彈來襲，部署在周邊的 AI 無人機群即刻升空攔截；太平洋上，無人潛艦、匿蹤無人艦艇與有人載具協同，從無法預測之處發動反擊；AI 戰機群以超人反應速度贏得空戰；地面自主哨兵與 AI 火力在灘頭便瓦解登陸企圖。這一切的核心，並非追求戰爭，而是「嚇阻」——讓潛在侵略者清楚認知到，發動戰爭的代價極高，且毫無勝算，從而打消其動武的念頭。拉奇呼籲，民主國家需要團結起來，正視科技落差的現實，積極擁抱 AI 與自主化帶來的變革力量，為守護自由的人們提供最先進、最安全的裝備。未來戰爭的樣貌或許正被重新定義，而 AI 在其中扮演的角色，以及我們如何駕馭這股力量，將深刻影響未來數十年的全球權力格局與和平穩定。這不僅是軍事問題，更是關乎科技倫理、產業變革與民主存續的時代大哉問。

國防科技公司 Anduril Industries 掌舵者——帕爾默·拉奇（Palmer Luckey）。這位身著招牌花襯衫與人字拖的科技新貴，近日在 TED 演講中，以極具衝擊力的未來戰爭想定，直指美國及其盟友在國防科技上的滯後，可能導致災難性的後果。當特斯拉比戰機更聰明：拉奇點出的國防困境拉奇的演講開門見山，描繪了一個令人不安的場景：中國對台灣發動大規模突襲，以壓倒性的飛彈、海軍力量，結合網路攻擊，在美、台反應過來之前便癱瘓關鍵設施。美軍試圖馳援，卻發現傳統武器平台速度太慢、數量不足，精準彈藥庫存更在短短數日內告罄。最終，台灣淪陷，全球不僅面臨晶片供應鏈斷裂引發的數十兆美元經濟災難，更將迎來一個由專制政權主導國際秩序的新現實。這並非危言聳聽。拉奇直言不諱地指出，當前美國國防體系面臨多重困境：創新停滯：大型傳統國防承包商更在乎股東分紅與官僚流程，而非追求突破性技術與快速部署。矽谷缺席：曾是國防科技重要推手的矽谷，如今卻普遍對軍事合作抱持距離，甚至將重心放在迎合中國市場，導致頂尖人才與技術未能有效挹注國防。能力落差：諷刺的是，拉奇點出，消費級產品如特斯拉電動車的 AI、Roomba 掃地機器人的自主性，甚至 Snapchat 的濾鏡，其技術含量都可能超越了美軍現役的部分昂貴裝備。產能危機：相較於中國龐大的造船能力與飛彈產能，美國過度依賴少量、精緻但生產緩慢的「手工藝品」式武器，難以應對大規模衝突的消耗。 Anduril 的解方：AI、自主化、大規模生產面對如此嚴峻的挑戰，曾被 Facebook「請」出門的拉奇，並未選擇歸隱山林，而是創辦了 Anduril，決心以科技創業的模式顛覆傳統國防產業。他強調 Anduril 是一家「國防產品公司」，而非承包商——他們用自有資金研發產品，而非等待政府標案，藉此大幅縮短開發週期、降低成本。 Anduril 的核心競爭力，在於軟體定義的硬體，以及對 AI 與自主系統的大膽擁抱。其核心 AI 平台「Lattice」能整合、指揮大量自主武器系統協同作戰，讓「數百萬武器上場，而非數百萬人命」。拉奇認為，面對中國的數量優勢，美國唯一的出路就是依靠 AI 驅動的自主系統，以質勝量，達成「非對稱」嚇阻。他舉例，Anduril 已在短時間內為美國空軍開發自主戰鬥機、為澳洲海軍打造大型自主潛艦，其「Roadrunner」反無人機系統更在 24 個月內從概念走向實戰驗證。這些系統的共同特點是：自主性高：能在複雜、高風險環境下獨立或協同執行任務，減少對人力的依賴與風險。可規模化生產：設計之初便考慮利用現有工業基礎進行量產，如同二戰時期福特汽車廠每 63 分鐘生產一架轟炸機。快速迭代：基於軟體平台，能像更新 App 一樣快速升級武器能力，應對瞬息萬變的威脅。「殺手機器人」的倫理辯證：不擁抱 AI 的風險更大？當然，將 AI 大規模導入戰場，引發了對「殺手機器人」和戰爭倫理的擔憂。對此，拉奇的觀點相當務實甚至略帶挑釁。他認為，具有一定自主性的武器（如水雷、神盾系統的自動接戰模式）早已存在數十年，「潘朵拉的盒子」早已打開，現在的問題不是要不要打開，而是如何應對這個現實。他反駁道，拒絕使用 AI 並不能佔據道德高地。若 AI 能更精準地區分目標、減少附帶損害（例如區分校車與敵軍裝甲車），甚至因為其強大效能而阻止衝突發生，那麼因道德潔癖而放棄使用，反而是不負責任的。更關鍵的是，如果美國及其盟友不在 AI 軍事應用上領先，那麼毫無倫理顧忌的威權政權將會制定遊戲規則，其後果可能更加不堪。未來戰爭的想像：嚇阻來自「打不贏」的認知演講的最後，拉奇再次描繪了台灣衝突的另一種可能：當中國飛彈來襲，部署在周邊的 AI 無人機群即刻升空攔截；太平洋上，無人潛艦、匿蹤無人艦艇與有人載具協同，從無法預測之處發動反擊；AI 戰機群以超人反應速度贏得空戰；地面自主哨兵與 AI 火力在灘頭便瓦解登陸企圖。這一切的核心，並非追求戰爭，而是「嚇阻」——讓潛在侵略者清楚認知到，發動戰爭的代價極高，且毫無勝算，從而打消其動武的念頭。拉奇呼籲，民主國家需要團結起來，正視科技落差的現實，積極擁抱 AI 與自主化帶來的變革力量，為守護自由的人們提供最先進、最安全的裝備。未來戰爭的樣貌或許正被重新定義，而 AI 在其中扮演的角色，以及我們如何駕馭這股力量，將深刻影響未來數十年的全球權力格局與和平穩定。這不僅是軍事問題，更是關乎科技倫理、產業變革與民主存續的時代大哉問。

fox hsiao

27,032 views • 1 year ago

⚡⚡⚡最新消息：德州住宅遭 Tesla 高速撞入 76 歲婦人喪命，Tesla 數據指向駕駛全油門超速 2026 年 6 月 19 日晚間，美國德州 Katy 一處住宅區，一輛 Tesla Model 3 未完成右彎、偏出車道後飛越路緣，高速撞入一棟磚造房屋前廳。屋內 76 歲婦人 Martha Avila Mantilla 在客廳遭撞擊，直升機送醫後不治；駕駛 44 歲男子 Michael Butler 同樣受傷送醫，初步無酒駕跡象。據報導，駕駛向 Harris 郡警方表示當時使用「自動駕駛輔助系統」，此說法隨即引發媒體大規模以「Tesla Autopilot 撞屋致死」為標題報導，NHTSA 也啟動特別調查。 Tesla AI 負責人 Ashok Elluswamy 公開車輛數據反駁：數據顯示駕駛在住宅區內手動將油門踩至 100%、加速至時速約 117 公里，撞擊後油門仍持續踩著，這是人為覆蓋，非系統失控。他對媒體的回應措辭強烈：「這種公然不負責任的報導，對人們造成的傷害遠超過他們所意識到的。使用 Tesla 自動駕駛功能遠比手動駕駛安全得多，這已在超過 100 億英里的數據中得到驗證。在不了解所有事實的一般民眾心中種下這種 FUD，可能會阻止他們使用這種能讓他們更安全的技術。」目前 Harris 郡警方正提取完整車輛行車日志，NHTSA 調查也在進行中。「司機說法」與「車輛客觀數據」的落差，往往在第一時間被媒體標題淹沒，而完整的真相通常要等上數週才浮現。最終責任認定仍需等待完整調查報告。

⚡⚡⚡最新消息：德州住宅遭 Tesla 高速撞入 76 歲婦人喪命，Tesla 數據指向駕駛全油門超速 2026 年 6 月 19 日晚間，美國德州 Katy 一處住宅區，一輛 Tesla Model 3 未完成右彎、偏出車道後飛越路緣，高速撞入一棟磚造房屋前廳。屋內 76 歲婦人 Martha Avila Mantilla 在客廳遭撞擊，直升機送醫後不治；駕駛 44 歲男子 Michael Butler 同樣受傷送醫，初步無酒駕跡象。據報導，駕駛向 Harris 郡警方表示當時使用「自動駕駛輔助系統」，此說法隨即引發媒體大規模以「Tesla Autopilot 撞屋致死」為標題報導，NHTSA 也啟動特別調查。 Tesla AI 負責人 Ashok Elluswamy 公開車輛數據反駁：數據顯示駕駛在住宅區內手動將油門踩至 100%、加速至時速約 117 公里，撞擊後油門仍持續踩著，這是人為覆蓋，非系統失控。他對媒體的回應措辭強烈：「這種公然不負責任的報導，對人們造成的傷害遠超過他們所意識到的。使用 Tesla 自動駕駛功能遠比手動駕駛安全得多，這已在超過 100 億英里的數據中得到驗證。在不了解所有事實的一般民眾心中種下這種 FUD，可能會阻止他們使用這種能讓他們更安全的技術。」目前 Harris 郡警方正提取完整車輛行車日志，NHTSA 調查也在進行中。「司機說法」與「車輛客觀數據」的落差，往往在第一時間被媒體標題淹沒，而完整的真相通常要等上數週才浮現。最終責任認定仍需等待完整調查報告。

Angus電科技

22,705 views • 3 months ago

Peter Thiel分享了他對未來五年人工智慧（AI）發展的看法，以及他對實體物理世界科技停滯的觀察。他覺得大家低估了AI長期的影響，但也像1999年網路泡沫的時代一樣，高估大規模的改變會在18個月內就發生。以下是Claude對他的主要觀點整理： AI的突破性進展 Thiel指出，近期AI最重大的成就是通過了圖靈測試。像ChatGPT這樣的系統能夠以近乎人類的方式進行交流，這標誌著我們進入了一個新時代。這一突破實現了過去60年來AI研究的終極目標。 AI應用的廣泛整合未來五年將是AI應用和整合的關鍵時期。我們將看到AI技術在各個行業和領域中的廣泛應用，這可能會重塑我們的經濟、文化和政治結構。 AI與人類的關係 Thiel提出了一個關鍵問題：AI是會成為人類的補充還是替代？他認為，這個問題比AGI（通用人工智慧）的發展更為重要，因為它直接關係到人類社會的未來走向。 AI的經濟影響儘管AI是一項重大技術突破，但Thiel提醒我們，它是否能顯著提高人類生活水平仍是一個開放性問題。他指出，技術進步不一定等同於經濟繁榮。實體世界科技的停滯與AI的快速發展形成鮮明對比的是，Thiel觀察到實體物理世界的科技進展似乎陷入了停滯。他指出：過去50年來，物理世界的許多領域進展有限。例如，我們在運輸方面並沒有變得更快。康科德超音速客機在2003年停飛，反映了航空技術的倒退。高速公路因為交通擁堵而變得更慢，我們實際上比40或50年前移動得更慢。相比之下，資訊技術領域的進步非常顯著。科技發展的不平衡 Thiel認為，科技發展呈現出一種奇怪的不平衡：在位元（bits）的世界裡，即計算機和互聯網領域，我們看到了密集而顯著的進步。但在原子（atoms）的世界，即物理實體領域，進展相對停滯。這種不平衡反映在我們的生活環境中：我們可能在使用最新的智慧手機，但乘坐的可能是100年歷史的地鐵。監管與創新 Thiel提到，過度監管可能是阻礙實體世界科技進步的一個因素。相比之下，資訊技術領域受到的監管相對較少，這可能解釋了為什麼這個領域進步如此之快。

Peter Thiel分享了他對未來五年人工智慧（AI）發展的看法，以及他對實體物理世界科技停滯的觀察。他覺得大家低估了AI長期的影響，但也像1999年網路泡沫的時代一樣，高估大規模的改變會在18個月內就發生。以下是Claude對他的主要觀點整理： AI的突破性進展 Thiel指出，近期AI最重大的成就是通過了圖靈測試。像ChatGPT這樣的系統能夠以近乎人類的方式進行交流，這標誌著我們進入了一個新時代。這一突破實現了過去60年來AI研究的終極目標。 AI應用的廣泛整合未來五年將是AI應用和整合的關鍵時期。我們將看到AI技術在各個行業和領域中的廣泛應用，這可能會重塑我們的經濟、文化和政治結構。 AI與人類的關係 Thiel提出了一個關鍵問題：AI是會成為人類的補充還是替代？他認為，這個問題比AGI（通用人工智慧）的發展更為重要，因為它直接關係到人類社會的未來走向。 AI的經濟影響儘管AI是一項重大技術突破，但Thiel提醒我們，它是否能顯著提高人類生活水平仍是一個開放性問題。他指出，技術進步不一定等同於經濟繁榮。實體世界科技的停滯與AI的快速發展形成鮮明對比的是，Thiel觀察到實體物理世界的科技進展似乎陷入了停滯。他指出：過去50年來，物理世界的許多領域進展有限。例如，我們在運輸方面並沒有變得更快。康科德超音速客機在2003年停飛，反映了航空技術的倒退。高速公路因為交通擁堵而變得更慢，我們實際上比40或50年前移動得更慢。相比之下，資訊技術領域的進步非常顯著。科技發展的不平衡 Thiel認為，科技發展呈現出一種奇怪的不平衡：在位元（bits）的世界裡，即計算機和互聯網領域，我們看到了密集而顯著的進步。但在原子（atoms）的世界，即物理實體領域，進展相對停滯。這種不平衡反映在我們的生活環境中：我們可能在使用最新的智慧手機，但乘坐的可能是100年歷史的地鐵。監管與創新 Thiel提到，過度監管可能是阻礙實體世界科技進步的一個因素。相比之下，資訊技術領域受到的監管相對較少，這可能解釋了為什麼這個領域進步如此之快。

Intl Econ Observe

17,085 views • 2 years ago

今年是法拉盛华人新年游行30周年的时间，这个游行是1996 年由本地華商和文化團體組織，開始只有几百人，后来逐年扩大，現在變成上萬人，蔚為壯觀，在主办方法拉盛華人工商促進會等社區團體的推動下，現在已經变成美国东部地区最大的新年游行！今年的游行有100個團體、50輛花車與各式車輛組成隊伍，但是不看現場，從數字看不出它的聲勢浩大，總之已經成為纽约最大的慶祝华人新年的活动，紐約很多民選官員都要來出席「捧場」。我昨天因为太忙没能赶去現場拍攝，但在X上看到一位叫踩旗哥@Broccoli741的网友拍摄了給这个游行壓陣的法轮功队伍，加上他的觀感「點評」。彩旗哥顯然不是煉法輪功的人士，但是聽聽他作為第三者的「點評」，我覺得也挺有意思。如果從來沒有完整看過法輪功遊行隊伍的朋友，不妨看看，其實是很別開生面的。

今年是法拉盛华人新年游行30周年的时间，这个游行是1996 年由本地華商和文化團體組織，開始只有几百人，后来逐年扩大，現在變成上萬人，蔚為壯觀，在主办方法拉盛華人工商促進會等社區團體的推動下，現在已經变成美国东部地区最大的新年游行！今年的游行有100個團體、50輛花車與各式車輛組成隊伍，但是不看現場，從數字看不出它的聲勢浩大，總之已經成為纽约最大的慶祝华人新年的活动，紐約很多民選官員都要來出席「捧場」。我昨天因为太忙没能赶去現場拍攝，但在X上看到一位叫踩旗哥@Broccoli741的网友拍摄了給这个游行壓陣的法轮功队伍，加上他的觀感「點評」。彩旗哥顯然不是煉法輪功的人士，但是聽聽他作為第三者的「點評」，我覺得也挺有意思。如果從來沒有完整看過法輪功遊行隊伍的朋友，不妨看看，其實是很別開生面的。

方伟｜Allen Zeng

31,615 views • 7 months ago

這是我第一次聽到 Jim Fan 的演講，非常幽默有趣，然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了，好好活著，各位。在 AI 領域，我們常聽說圖靈測試（Turing Test）是衡量機器能否展現與人類無異對話能力的里程碑。如今，大型語言模型（LLM）似乎已悄悄地通過了這個測試，但大家對其突破已習以為常，甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出，當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」（just yet another Tuesday），這反映了我們對文字世界 AI 的標準已大幅提高。然而，當我們將目光轉向現實世界，讓機器人進行物理操作時，會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念：「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是：如果你回家後，看到雜亂的房間被整理得乾淨俐落，甚至還準備了一頓浪漫的燭光晚餐，而你無法分辨這是由真人還是機器人完成的，那代表這個機器人通過了物理圖靈測試。但現實呢？看看那些連站起來都困難的人形機器人，或是嘗試為主人做早餐卻搞得一團亂的機器手臂（雖然辨識出牛奶值得給 A-，但湯匙餵食的確是 VIP 等級的體驗），我們離「物理圖靈測試」還差得很遠。實體 AI 的最大瓶頸：資料飢渴症為什麼物理圖靈測試如此困難？ Jim Fan 點出了核心問題：資料。LLM 研究人員抱怨網際網路資料快被用完，稱其為 AI 的「化石燃料」。但對機器人學家來說，我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」（teleoperation）方式收集，也就是由真人穿戴感應裝置來遠端控制機器人，手把手地教它完成任務（例如從烤麵包機拿出麵包再淋上蜂蜜）。這種方式極度沒效率，Jim Fan 將其比喻為燃燒「人類燃料」(human fuel)，比化石燃料還稀缺，每天每個機器人頂多運作 24 小時，而且真人會累，機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模，形成了一個巨大的資料瓶頸。模擬世界的核能：突破資料荒的救星要突破這個瓶頸，唯一的出路是「模擬 (Simulation)」，找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略：模擬 1.0：數位分身 (Digital Twin) 概念：在虛擬世界中建立機器人和環境的一對一精確拷貝。方法：利用高效能的向量化物理引擎，可以在單一 GPU 上模擬上萬個環境，速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術，在模擬時隨機改變重力、摩擦力、物體重量等參數，迫使 AI 在各種條件下都能執行任務。優勢：極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上，無需微調。例如，訓練機械手在模擬中轉筆，訓練機器狗在球上平衡，訓練人形機器人行走（10 年訓練量在 2 小時模擬完成）。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。限制：數位分身需要人工精確建模，建立複雜環境耗時費力，模擬的多樣性仍然受限於人工設定的範圍。模擬 2.0：數位表親 (Digital Cousin) 概念：開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝，但能產生足夠多樣的環境和場景，「像數位分身的表親」。方法：利用 3D 生成模型生成場景中的各種物品（如家具），使用擴散模型（Diffusion Model）生成紋理貼圖，利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子，可以生成大規模、包含日常任務的模擬場景，除了機器人本身，其他幾乎都是生成的。優勢：顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作，然後將軌跡變異、擴展到更多生成的環境中，實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界，但「足夠接近」。限制：相較於 1.0，運行速度可能較慢，仍部分依賴傳統渲染管線。模擬 3.0 (世界模型 / 擴散模型)：數位遊牧者 (Digital Nomad) 概念：直接利用生成式模型（特別是影片擴散模型）來模擬物理世界的互動，擺脫對傳統物理引擎的依賴。方法：以大量真實世界影片（數百萬段網路影片）訓練影片擴散模型，使其學會模擬各種複雜的物理現象（如流體、軟體變形）。 NVIDIA 的研究表明，只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型，就能讓模型學會模擬機器人的精確互動。優勢：極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動，不受傳統物理引擎的限制（例如模擬機器人彈烏克麗麗，即便硬體不支援，模型也能「畫」出來）。這就像讓機器人漫遊在影片模型的「夢境空間」（dream space）——一個壓縮了海量網路影片的多元宇宙，實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間，影片生成模型在物理真實度上（例如變形麵條）的進步，就超越了傳統圖學 30 年的發展。速度：目前運行可能較慢，但具備隨算力呈指數級成長的巨大潛力。具身縮放定律與 GR00T N1 Jim Fan 總結，傳統模擬（1.0）的速度快但受限於多樣性，而生成式模擬（2.0/3.0）雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合，將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著，對 AI 算力的需求只會越來越大，那些認為算力問題會迎刃而解的人需要再三思考。藉由這些模擬技術產生的海量資料，NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」，能接收圖像和語言指令，並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例，它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源，NVIDIA 也計劃將未來的模型開源，以普及「實體 AI」。物理 API：通往新世界的入口實體 AI 的最終目標，是實現「物理 API (Physical API)」。想像一下，就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣，物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API，你可以讓軟體直接控制物理致動器，改變物理世界的狀態。這將催生全新的經濟模式和應用場景：物理提示 (Physical Prompting)：不再只用文字，而是結合視覺和語言等方式更直觀地教導和指示機器人。物理應用商店和技能經濟 (Physical App Store & Skill Economy)：米其林大廚不必親自下廚，他可以「教導」機器人他的獨家烹飪技巧，並將這個技能作為服務販售，讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調，未來「每一個會移動的東西都將是自主的」。總有一天，你回家會看到乾淨的沙發和燭光晚餐，伴侶對你微笑而不是責備你沒做家事——而那一天，我們通過物理圖靈測試的時刻，很可能就像 LLM 通過圖靈測試一樣，在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。

這是我第一次聽到 Jim Fan 的演講，非常幽默有趣，然後我覺得有生之年大概買一台人形機器在家處理家事、幫你洗頭髮大概穩了，好好活著，各位。在 AI 領域，我們常聽說圖靈測試（Turing Test）是衡量機器能否展現與人類無異對話能力的里程碑。如今，大型語言模型（LLM）似乎已悄悄地通過了這個測試，但大家對其突破已習以為常，甚至會因為語音助理慢了幾秒或程式碼沒被完全除錯而抱怨連連。 NVIDIA AI 研究總監、身為廣受矚目人形機器人專家 Jim Fan 指出，當前業界對 LLM 的驚人進步視為「只是又一個平常的星期二」（just yet another Tuesday），這反映了我們對文字世界 AI 的標準已大幅提高。然而，當我們將目光轉向現實世界，讓機器人進行物理操作時，會發現挑戰巨大得多。 Jim Fan 在演講中提出了一個引人深思的概念：「物理圖靈測試 (Physical Turing Test)」。這個測試的想像情境是：如果你回家後，看到雜亂的房間被整理得乾淨俐落，甚至還準備了一頓浪漫的燭光晚餐，而你無法分辨這是由真人還是機器人完成的，那代表這個機器人通過了物理圖靈測試。但現實呢？看看那些連站起來都困難的人形機器人，或是嘗試為主人做早餐卻搞得一團亂的機器手臂（雖然辨識出牛奶值得給 A-，但湯匙餵食的確是 VIP 等級的體驗），我們離「物理圖靈測試」還差得很遠。實體 AI 的最大瓶頸：資料飢渴症為什麼物理圖靈測試如此困難？ Jim Fan 點出了核心問題：資料。LLM 研究人員抱怨網際網路資料快被用完，稱其為 AI 的「化石燃料」。但對機器人學家來說，我們甚至連這種「化石燃料」都沒有。真實世界的機器人資料——例如關節的精確控制訊號、連續的運動軌跡——是無法從網路上抓取的。這些資料必須透過昂貴且耗時的「遙控操作」（teleoperation）方式收集，也就是由真人穿戴感應裝置來遠端控制機器人，手把手地教它完成任務（例如從烤麵包機拿出麵包再淋上蜂蜜）。這種方式極度沒效率，Jim Fan 將其比喻為燃燒「人類燃料」(human fuel)，比化石燃料還稀缺，每天每個機器人頂多運作 24 小時，而且真人會累，機器人更容易壞。這嚴重限制了機器人學習的多樣性和規模，形成了一個巨大的資料瓶頸。模擬世界的核能：突破資料荒的救星要突破這個瓶頸，唯一的出路是「模擬 (Simulation)」，找到機器人學的「核能」。Jim Fan 介紹了NVIDIA為此推進的三階段模擬策略：模擬 1.0：數位分身 (Digital Twin) 概念：在虛擬世界中建立機器人和環境的一對一精確拷貝。方法：利用高效能的向量化物理引擎，可以在單一 GPU 上模擬上萬個環境，速度比現實世界快上萬倍。結合「領域隨機化 (Domain Randomization)」技術，在模擬時隨機改變重力、摩擦力、物體重量等參數，迫使 AI 在各種條件下都能執行任務。優勢：極快的訓練速度。訓練出的模型可以直接零次轉移 (zero-shot) 到真實世界機器人上，無需微調。例如，訓練機械手在模擬中轉筆，訓練機器狗在球上平衡，訓練人形機器人行走（10 年訓練量在 2 小時模擬完成）。一個僅有 150 萬參數的神經網路就足以捕捉人形機器人全身平衡和敏捷動作的複雜控制。限制：數位分身需要人工精確建模，建立複雜環境耗時費力，模擬的多樣性仍然受限於人工設定的範圍。模擬 2.0：數位表親 (Digital Cousin) 概念：開始在模擬中引入生成式 AI。雖然不像數位分身那樣是精確拷貝，但能產生足夠多樣的環境和場景，「像數位分身的表親」。方法：利用 3D 生成模型生成場景中的各種物品（如家具），使用擴散模型（Diffusion Model）生成紋理貼圖，利用 LLM 根據文字提示生成場景佈局的 XML 檔案。 NVIDIA 的 Robocasa 框架就是例子，可以生成大規模、包含日常任務的模擬場景，除了機器人本身，其他幾乎都是生成的。優勢：顯著增加了環境和任務的多樣性。可以在模擬中進行遙控操作，然後將軌跡變異、擴展到更多生成的環境中，實現 N (環境數) * N (動作變異數) 的資料乘法爆炸。雖然畫面真實度可能不及真實世界，但「足夠接近」。限制：相較於 1.0，運行速度可能較慢，仍部分依賴傳統渲染管線。模擬 3.0 (世界模型 / 擴散模型)：數位遊牧者 (Digital Nomad) 概念：直接利用生成式模型（特別是影片擴散模型）來模擬物理世界的互動，擺脫對傳統物理引擎的依賴。方法：以大量真實世界影片（數百萬段網路影片）訓練影片擴散模型，使其學會模擬各種複雜的物理現象（如流體、軟體變形）。 NVIDIA 的研究表明，只需用真實機器人實驗室收集的少量領域特定資料微調通用的影片生成模型，就能讓模型學會模擬機器人的精確互動。優勢：極致的多樣性。影片擴散模型能模擬任何它在訓練資料中「看過」或「想像」的互動，不受傳統物理引擎的限制（例如模擬機器人彈烏克麗麗，即便硬體不支援，模型也能「畫」出來）。這就像讓機器人漫遊在影片模型的「夢境空間」（dream space）——一個壓縮了海量網路影片的多元宇宙，實現「萬物、處處、一時」(Everything Everywhere All at Once) 的互動學習。僅僅一年時間，影片生成模型在物理真實度上（例如變形麵條）的進步，就超越了傳統圖學 30 年的發展。速度：目前運行可能較慢，但具備隨算力呈指數級成長的巨大潛力。具身縮放定律與 GR00T N1 Jim Fan 總結，傳統模擬（1.0）的速度快但受限於多樣性，而生成式模擬（2.0/3.0）雖可能起步慢但能隨算力呈指數級擴展其多樣性。這兩種模擬方式的結合，將是為下一代機器人系統提供龐大訓練資料的「核能」。這也意味著，對 AI 算力的需求只會越來越大，那些認為算力問題會迎刃而解的人需要再三思考。藉由這些模擬技術產生的海量資料，NVIDIA 開發了「視覺語言行動模型 (Vision Language Action Model, VLA)」，能接收圖像和語言指令，並直接輸出機器人的運動控制訊號。今年 GTC 大會上黃仁勳發表的 GR00T N1 模型就是一個實例，它能在真實世界執行抓取香檳、工廠零件甚至多機器人協調等任務。 GR00T N1 已開源，NVIDIA 也計劃將未來的模型開源，以普及「實體 AI」。物理 API：通往新世界的入口實體 AI 的最終目標，是實現「物理 API (Physical API)」。想像一下，就像 LLM API 讓軟體能夠操作數位世界的位元 (bits) 一樣，物理 API 將賦予軟體操作現實世界的原子 (atoms) 的能力。透過這個 API，你可以讓軟體直接控制物理致動器，改變物理世界的狀態。這將催生全新的經濟模式和應用場景：物理提示 (Physical Prompting)：不再只用文字，而是結合視覺和語言等方式更直觀地教導和指示機器人。物理應用商店和技能經濟 (Physical App Store & Skill Economy)：米其林大廚不必親自下廚，他可以「教導」機器人他的獨家烹飪技巧，並將這個技能作為服務販售，讓任何擁有機器人的家庭都能享受到米其林級的晚餐。 Jim Fan 引用黃仁勳的話再次強調，未來「每一個會移動的東西都將是自主的」。總有一天，你回家會看到乾淨的沙發和燭光晚餐，伴侶對你微笑而不是責備你沒做家事——而那一天，我們通過物理圖靈測試的時刻，很可能就像 LLM 通過圖靈測試一樣，在世人眼中「只是又一個星期二」。這正是驅動 Jim Fan 和團隊每天努力的動力。

fox hsiao

19,553 views • 1 year ago

抓張又俠，為何不可能在高速公路上動手在中共的體制內，要抓捕這個張又俠級別的實權人物，政治安全是第一位的。你去看看歷史上抓捕“四人幫”，或者是後來抓捕周永康、徐才厚、郭伯雄，哪一個不是在戒備森嚴的內部會議室，或者是在重兵把守的特定封閉場所裡“甕中捉鱉”？為什麼絕對不能在馬路上動手？第一，京藏高速那是北京最繁忙的高速公路之一，下午五點正是車流量極大的時候。在這種開放式的公共交通要道上逼停國家級領導人的車隊，動靜實在太大。無數個行車記錄儀和手機攝像頭隨時可能拍下這一幕，這還有什麼政治保密性可言？第二，張又俠身邊是有中央警衛局配備的貼身內衛的，如果雙方提前溝通好，則張又俠一定會知曉風聲，沒有提前溝通好，雙方在高速公路上發生激烈交火，那可就成了震驚世界的軍事政變現場了。這種極度不可控的風險，是任何一個策劃抓捕行動的最高決策者都不可能承受的。這篇“爆料”編造一個高速公路逼停的戲碼的原因很簡單，就是在刻意製造戲劇衝突，迎合大眾對權力鬥爭的獵奇心理。更重要的是，這篇推文的出現，是為了配合《華爾街日報》魏玲靈那篇文章的發佈。在情報界和新聞界，這有一種非常經典的心理戰術，叫做“循環印證”。中共內部的習派，把精心編造的劇本，分發給了兩條截然不同的渠道。一條是走高端路線的西方主流媒體，給華爾街日報“餵料”，讓他們用客觀中立的語氣寫出來，這叫定調子；另一條是走基層路線的海外中文網絡平台，讓所謂的“體制內神秘人”用第一人稱的視角，添油加醋地把細節補齊，這叫加佐料。

抓張又俠，為何不可能在高速公路上動手在中共的體制內，要抓捕這個張又俠級別的實權人物，政治安全是第一位的。你去看看歷史上抓捕“四人幫”，或者是後來抓捕周永康、徐才厚、郭伯雄，哪一個不是在戒備森嚴的內部會議室，或者是在重兵把守的特定封閉場所裡“甕中捉鱉”？為什麼絕對不能在馬路上動手？第一，京藏高速那是北京最繁忙的高速公路之一，下午五點正是車流量極大的時候。在這種開放式的公共交通要道上逼停國家級領導人的車隊，動靜實在太大。無數個行車記錄儀和手機攝像頭隨時可能拍下這一幕，這還有什麼政治保密性可言？第二，張又俠身邊是有中央警衛局配備的貼身內衛的，如果雙方提前溝通好，則張又俠一定會知曉風聲，沒有提前溝通好，雙方在高速公路上發生激烈交火，那可就成了震驚世界的軍事政變現場了。這種極度不可控的風險，是任何一個策劃抓捕行動的最高決策者都不可能承受的。這篇“爆料”編造一個高速公路逼停的戲碼的原因很簡單，就是在刻意製造戲劇衝突，迎合大眾對權力鬥爭的獵奇心理。更重要的是，這篇推文的出現，是為了配合《華爾街日報》魏玲靈那篇文章的發佈。在情報界和新聞界，這有一種非常經典的心理戰術，叫做“循環印證”。中共內部的習派，把精心編造的劇本，分發給了兩條截然不同的渠道。一條是走高端路線的西方主流媒體，給華爾街日報“餵料”，讓他們用客觀中立的語氣寫出來，這叫定調子；另一條是走基層路線的海外中文網絡平台，讓所謂的“體制內神秘人”用第一人稱的視角，添油加醋地把細節補齊，這叫加佐料。

江峰

34,453 views • 7 months ago

台灣有一位熱血勇士，曾創下「9天機車環島」的壯舉。他不為個人榮譽，只為了在全台各個城市發放傳單，聲援慘遭虐殺的狗媽媽「旺旺」。這份無私的善舉，讓他被大眾溫暖地尊稱為「旺旺超人」。此時，他剛利用下班時間，在台北板橋南雅夜市發完 #justiceforwangwang 的宣傳單。為了將一個好消息帶給他，旺旺超人特地在睡前拍了這部影片。因為旺旺的遭遇，這2個多月以來激發了中國越來越多朋友投入動物保護。這陣子，他們在路上攔截了許多非法的貓狗肉車，救下大批被偷盜的寵物貓狗。正因為他們的勇敢行動，讓這些被犯罪份子偷走的孩子們，終於有機會重回溫暖的家。這也代表著，關愛動物的意識已在許多人心中悄悄萌芽。最讓人動容的是，這些攔截貓狗肉車的志工團體，特別將名稱取為「Wangwang 關愛流浪動物公益小組」。因為旺旺的犧牲，凝聚了更多人的力量，進而拯救了無數弱小的生命。中國球員「阮奇龍」利用一次進球的機會，為生命發出安靜卻又震耳欲聾的吶喊，更是一次帶來改變的希望之光。一個人的力量或許微小，但當越來越多人願意站出來，奇蹟就一定會發生。

台灣有一位熱血勇士，曾創下「9天機車環島」的壯舉。他不為個人榮譽，只為了在全台各個城市發放傳單，聲援慘遭虐殺的狗媽媽「旺旺」。這份無私的善舉，讓他被大眾溫暖地尊稱為「旺旺超人」。此時，他剛利用下班時間，在台北板橋南雅夜市發完 #justiceforwangwang 的宣傳單。為了將一個好消息帶給他，旺旺超人特地在睡前拍了這部影片。因為旺旺的遭遇，這2個多月以來激發了中國越來越多朋友投入動物保護。這陣子，他們在路上攔截了許多非法的貓狗肉車，救下大批被偷盜的寵物貓狗。正因為他們的勇敢行動，讓這些被犯罪份子偷走的孩子們，終於有機會重回溫暖的家。這也代表著，關愛動物的意識已在許多人心中悄悄萌芽。最讓人動容的是，這些攔截貓狗肉車的志工團體，特別將名稱取為「Wangwang 關愛流浪動物公益小組」。因為旺旺的犧牲，凝聚了更多人的力量，進而拯救了無數弱小的生命。中國球員「阮奇龍」利用一次進球的機會，為生命發出安靜卻又震耳欲聾的吶喊，更是一次帶來改變的希望之光。一個人的力量或許微小，但當越來越多人願意站出來，奇蹟就一定會發生。

小貓看世界@子猫は世界を見る

23,127 views • 1 month ago

剛接到捐血的小護士來電，一時間心跳加快，親切的問候、甜美的聲音，直接問我有沒有空看一見，有空的話11、12點都可以 !!!! 然後接著說，因為兩個預約血小板分離術的捐贈者取消了，所以我可以去幫忙衝業績........... --------------- Rayls Rayls ：構築銀行級別的區塊鏈基礎設施 Rayls Rayls 是一個專為傳統金融（TradFi）與區塊鏈（DeFi）融合所打造的混合型區塊鏈平台。目標明確：打造能被中央銀行、商業銀行、清算機構、資產管理者實際採用的鏈上金融基礎設施。 Rayls Recall 強調合規、隱私與跨鏈互操作性，並採用「私有鏈 + 公鏈」雙層架構，有效將合規性與開放性結合。主要應用場景與合作成果 Rayls Rayls 並非僅止於技術展示，已實際推動數個重要金融級合作案： 🇧🇷 巴西中央銀行：提供數位貨幣 Drex 的隱私交易方案 🏦 摩根大通：Kinexys 平台測試資產上鏈與跨機構流通 📑 Núclea（原CIP）：處理商業應收帳款鏈上化，覆蓋 150+ 銀行與保險業者 💳 Mastercard：入選其全球加速器計畫，正合作研究跨鏈清算與身份驗證潛在影響與金融應用價值 ✅ 為金融機構帶來的優勢：法規合規性：內建 AML/KYC 機制與審計模組，降低合規成本與風險交易效率提升：鏈上交易即時結算，省去多層清算與人工流程隱私保護強化：透過 ZK/FHE 保護敏感資訊，符合法規同時保留機構機密降低中介成本：資產代幣化與自動化結算，減少手續費與交收時間全球資本市場對接：跨鏈支援使資產更容易在多地流通與協作社群與推廣：以 DeFi 精神建立用戶參與模型 Rayls Rayls 非僅供機構使用，其代幣經濟與社群活動也展現 Web3 特色。例如： Cookie Snaps 計畫：發放 50 萬枚 $RLS 代幣，用以鼓勵內容創作與推廣，培育早期用戶與開發者群體 $RLS 代幣用途：公鏈 Gas Token 私有鏈交易支付治理參與與質押此種結合社群與金融工具的推廣方式，未來有潛力演變為一種新的混合型金融產品推廣模式。 Rayls Rayls 正在解決的是一個極具潛力但尚未完全打通的市場：傳統資本市場的鏈上化。若 Rayls Rayls 成功，其平台將成為金融市場中的「Layer 0」，成為央行與銀行將數位資產與跨鏈清算進行標準化的關鍵平台。

剛接到捐血的小護士來電，一時間心跳加快，親切的問候、甜美的聲音，直接問我有沒有空看一見，有空的話11、12點都可以 !!!! 然後接著說，因為兩個預約血小板分離術的捐贈者取消了，所以我可以去幫忙衝業績........... --------------- Rayls Rayls ：構築銀行級別的區塊鏈基礎設施 Rayls Rayls 是一個專為傳統金融（TradFi）與區塊鏈（DeFi）融合所打造的混合型區塊鏈平台。目標明確：打造能被中央銀行、商業銀行、清算機構、資產管理者實際採用的鏈上金融基礎設施。 Rayls Recall 強調合規、隱私與跨鏈互操作性，並採用「私有鏈 + 公鏈」雙層架構，有效將合規性與開放性結合。主要應用場景與合作成果 Rayls Rayls 並非僅止於技術展示，已實際推動數個重要金融級合作案： 🇧🇷 巴西中央銀行：提供數位貨幣 Drex 的隱私交易方案 🏦 摩根大通：Kinexys 平台測試資產上鏈與跨機構流通 📑 Núclea（原CIP）：處理商業應收帳款鏈上化，覆蓋 150+ 銀行與保險業者 💳 Mastercard：入選其全球加速器計畫，正合作研究跨鏈清算與身份驗證潛在影響與金融應用價值 ✅ 為金融機構帶來的優勢：法規合規性：內建 AML/KYC 機制與審計模組，降低合規成本與風險交易效率提升：鏈上交易即時結算，省去多層清算與人工流程隱私保護強化：透過 ZK/FHE 保護敏感資訊，符合法規同時保留機構機密降低中介成本：資產代幣化與自動化結算，減少手續費與交收時間全球資本市場對接：跨鏈支援使資產更容易在多地流通與協作社群與推廣：以 DeFi 精神建立用戶參與模型 Rayls Rayls 非僅供機構使用，其代幣經濟與社群活動也展現 Web3 特色。例如： Cookie Snaps 計畫：發放 50 萬枚 $RLS 代幣，用以鼓勵內容創作與推廣，培育早期用戶與開發者群體 $RLS 代幣用途：公鏈 Gas Token 私有鏈交易支付治理參與與質押此種結合社群與金融工具的推廣方式，未來有潛力演變為一種新的混合型金融產品推廣模式。 Rayls Rayls 正在解決的是一個極具潛力但尚未完全打通的市場：傳統資本市場的鏈上化。若 Rayls Rayls 成功，其平台將成為金融市場中的「Layer 0」，成為央行與銀行將數位資產與跨鏈清算進行標準化的關鍵平台。

藍色彈塗魚

10,495 views • 1 year ago