虽然联想和摩托罗拉在CES上凭借最新硬件发布引起轰动,包括备受期待的摩托罗拉Razr Fold,但这两家公司在AI领域也发布了令人兴奋的消息。
联想Qira是一个可在联想和摩托罗拉庞大设备生态系统中工作的AI助手,涵盖智能手机、可穿戴设备、PC、平板电脑等。该助手超越了传统聊天机器人(如ChatGPT),能够在各设备和应用程序间执行实际任务,包括在线和离线设备间的文件传输。
"联想Qira不是另一个助手,它是智能在你的设备上展现的新方式,"联想智能设备集团AI生态系统副总裁Dan Dery说道。"我们的目标是让AI感觉不像是一个使用工具,而更像是与你持续自然合作的智能。"
摩托罗拉还发布了一款将集成Qira的AI可穿戴设备。尽管只是概念验证,但我看到了演示,看起来很有前景。
Qira被描述为个人环境智能系统,这意味着它具有情境感知能力,可在多个设备上使用。Qira构建了联想所称的融合知识库,它结合用户选择的交互、文档和跨设备记忆,创建个性化体验并开发"用户世界的活模型"。
这应该能够通过消除情境切换和只需最少背景信息即可完成任务,为用户提供直观体验。一些建议用途包括"下一步行动"(提供针对当前任务的情境建议)和"追赶更新"(为用户提供离开期间发生事情的摘要)。
联想表示,用户隐私和同意是该助手的核心,采用混合架构,优先考虑设备端处理并将个人数据保留在本地。在需要向云端发送信息的情况下,联想声明会使用具有强大保护措施的安全云服务。
Qira将首先在2026年第一季度推出到选定的联想设备上,然后扩展到支持的摩托罗拉智能手机。在联想设备上,体验将显示为联想Qira,而在摩托罗拉设备上,将显示为摩托罗拉Qira。
虽然AI别针之前已有尝试且著名地失败了,但摩托罗拉的312实验室构建了Maxwell项目以采取不同方法。摩托罗拉将其描述为"AI感知伴侣概念验证"。
该别针使用摩托罗拉Qira在不想使用手机时帮助处理日常任务。它配有摄像头,因此Qira具有你正在看的内容的情境,为你提供帮助。别针本身采用磁性背面,还附有链条用作项链。
在演示中,Maxwell项目用于协助各种任务,包括获取路线、预订Uber和发送短信。在每个实例中,用户无需拿出手机,只需直接对别针说话。然后,别针从头到尾执行任务。虽然这听起来像任何其他AI助手,但关键在于理解它如何完成任务。
虽然你无需查看手机即可完成任务,但如果你选择这样做,可以看到Qira如何推理完成任务的每个步骤。在Uber示例中,它打开了Uber应用程序,输入请求的位置,选择付款方式,并提交了完整的叫车请求。
虽然更简单,发送短信示例也类似。Qira打开应用程序,选择正确联系人,在字段中输入文本,然后发送。这种智能体辅助,包装在轻便方便的外形中,可能成为日常生活中的有用伴侣。
Q&A
Q1:联想Qira与普通聊天机器人有什么不同?
A:联想Qira超越了传统聊天机器人如ChatGPT,它能在各设备和应用程序间执行实际任务,包括设备间的文件传输,并且可以跨联想和摩托罗拉的整个设备生态系统工作,提供真正的跨平台智能体验。
Q2:摩托罗拉Maxwell项目AI别针如何工作?
A:Maxwell项目是摩托罗拉的AI感知伴侣,配有摄像头以获取用户所看内容的情境。用户可直接对别针说话,它能完成获取路线、预订Uber、发送短信等任务,从打开应用到完成操作的全流程都自动执行。
Q3:联想Qira何时能使用?如何保护隐私?
A:Qira将在2026年第一季度首先推出到选定的联想设备,之后扩展到摩托罗拉智能手机。在隐私方面,采用混合架构优先进行设备端处理,个人数据保留在本地,必要时使用具有强大保护措施的安全云服务。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。