SpaceX计划执行首趟私人火星飞越任务，由亿万富翁王春担任任务指挥官，他将搭乘星舰进行人类首次跨行星私人飞行。 SpaceX和王春均未透露此次历史性任务的具体时间，但预计飞行将持续约两年。 资料显示，王春出生并成长于天津，后获得马耳他公民身份，靠加密货币成为亿万富翁。 他曾在2025年领导了人类首次极地轨道载人任务Fram2，并公开表示希望成为首批登陆火星的人。 王春说，现在星舰V3已经亮相，离多行星文明的目标又近了一步。他在Fram2任务训练时，讨论最多的是如何在火卫一可靠降落，虽然这次飞越任务不会在火卫一停留，但凡事都得从第一步开始。 他解释，为什么不选月球而是火星。他觉得，就算没有私人投资，月球也会因为中美竞争很快实现基地建设，自己更愿意旁观。 但他对有生之年看到火星登陆没信心，所以想通过这次任务，让SpaceX别忘记火星，别把它推给下一代。 很多人说载人飞越没什么科学价值，他觉得挺难过。人类太空飞行的科学很大程度上是医学科学，就算国际空间站运营多年，我们对太空飞行对人体的影响还有很多空白。 Fram2任务里做的大多是医学研究，时间短但都是为未来深空飞行做准备，登陆前的前驱任务能回答地面实验解决不了的长期问题。 有人说有核发动机就能解决一切，但现实是，就算技术再先进，我们还是得在深空中度过数月甚至数年才能到达目标。轨道力学不会骗人，所以现在的每一步尝试都很重要。 王春说，哆啦A梦的任意门不存在，只能靠一步步努力。这次任务不是为了冒险，而是要向公众证明，火星不是望远镜里的光点，是人类能飞到那里，活着健康回来的真实地方。 查看评论
我最近把 AgentClaw 开源了，想听听 V 友对 Agent 托管、多渠道接入和长期记忆治理这块的意见。 它不只是一个聊天 UI ，而是把 Agent 当成可托管服务来设计：每个 Agent 都有自己的 Soul 、工具白名单、技能、记忆命名空间、知识库、API Key 、模型覆盖、用量统计和限流。 目前支持： Web UI 、REST/SSE API 、Tauri 桌面端 Telegram / WhatsApp / 钉钉 / 飞书 / QQ / 企业微信等多渠道接入 TypeScript monorepo + Fastify + React + Tauri + SQLite 多模型 Provider 、failover 、MCP 、沙箱工具、trace logging 和长期记忆治理 项目地址： https://github.com/vorojar/AgentClaw 我自己比较想继续打磨的方向是： 长期记忆怎么治理，避免越记越乱 工具权限怎么做得既安全又不束手束脚 多 Agent 隔离和 API 暴露应该怎么设计 Agent-as-a-Service 这种模式是否真的有长期价值 欢迎拍砖。
管理一千台无人车需要多少人？答案是：一个人，一部手机，一句话。当自动驾驶逐渐“平权”，真正的瓶颈从技术转向了规模化运营。 新石器用七年时间走完从合规落地、规模量产到万台运营的三级跳，如今推出AI Agent“Neo Claw”——让用户像聊天一样指挥车队，把单人管理效率从10台拉升到100台以上。颉晶华强调，AI的价值不在于写多少代码，而在于解放双手——让无人车管理从“专业操作”变成“说话就行”。 以下为演讲内容，经36氪整理编辑： 颉晶华丨新石器无人车联合创始人兼CPO 各位好，我是新石器的颉晶华，很荣幸跟大家介绍新石器和我们在AI方面的应用与思考。 八年前新石器公司创立，到如今已经成长为全球无人配送赛道的领军企业。从这几年的进程来看，我们有三条主线，第一条线是公司发展的里程碑。三个重要的里程碑：第一、2019年我们完成了全球第一个L4级别无人车万台量产能力的工厂，；第二、2021年5月，北京亦庄当时授予新石器中国第一张无人配送牌照，开启了我们商业化部署的大门；第三、2025年我们达到了万台量级的无人车队，开始实现大规模运营。 第二条线是我们的拳头产品，X3、X6、H12，X3对应3个立方的装载，X6，6个立方的装载，H12，12个立方的装载。对商用车来说，用户最看重的是是降低使用成本，TCO（总拥有成本），这是我们最核心的价值。 第三条线，三个数字。1亿5千万公里，这是自动驾驶的累计运营里程；一个是1500个专利，基于自动驾驶行业的专利，50%以上的发明专利，一个是20个国家，除中国以外我们现在已经在海外19个国家开始做规模化部署、POC。 我们不单是一家做无人配送、新石器无人车的公司，物流行业里有三个重要的环节，运输、装卸、搬运，我们现在解决的只是运输这一个环节，装卸和搬运需要具身智能的装备来完成，我们正由新石器无人车向新石器机器人发展。 介绍完公司大概的脉络，我们整个技术基于L4级别自动驾驶的无图技术，Neolix VA视觉+动作大模型，前段时间有行业大佬谈到自动驾驶没有那么神秘，现在自动驾驶实现的方法无非是三个，虚拟仿真、端到端、强化学习，抓眼球的词语更多是为了营销。从我的体感也是这样，商业自动驾驶还是为了降本，三个核心点也是为了降本，第一个就是摆脱对高精地图的依赖，高精地图的整个部署成本非常高，采、建、制、验，每一个环节都会产生成本。通过无图方案，我们可以大幅度降低部署成本，快速进行部署；第二个端到端依托于国内丰富的城配场景，基于现有数据在多场景、全天候、全时段运营；第三，新石器生于物流、长于物流，在物流行业的Know-how，无论是软件、硬件开发都沉淀了很多的经验，为接下来大规模扩张做好了相关的准备。 RaaS是我们去年开创的新商业模式，之前无人配送行业主要以卖车为主，RaaS的意思是RoboVan-as-a-Service，我们希望提供给用户是即时服务，用户有运输需求的时候，可以很快叫到新石器无人车满足他运输的需求。无人配送车作为机器，是可以24小时运营的，有效运营的时间越长，边际成本越低，这就是我们开创RaaS模式的驱动力。 新石器出海近20个国家，包含了阿联酋、泰国、新加坡、日本、韩国包括欧洲、瑞士、西班牙，今年的目标是在中东地区部署超过一万台车，在这个区域建起一个无人配送网络。 AI，自动驾驶本身已经是AI了，新石器今年思考的一个新的关键方向是如何使用AI技术来管理和运营大规模无人车车队。全球最大的商用车车队是美国的UPS（United Parcel Service），拥有12万辆商用车，管理12万辆商用车需要6000-8000人，这个还不算司机，这几千人是做车辆管理、车辆调度。新石器这么大规模的无人车队，AI能够在车队管理和调度方面提供哪些帮助呢？，大家可以看一个介绍NeoClaw的视频。 NeoClaw是新石器全栈自研、行业首个无人车运营的AI Agent。春节时期很多行业都在养“虾”，我们也组建了产品研发团队。 我们认为接下来无人车的规模化部署、规模化运营难点会在于车队管理，不再是自动驾驶，自动驾驶基本上已经平权了。大家可以看到我们对于车队管理的核心功能已经集成在NeoClaw产品里。 还有一个问题，为什么是养“虾”而不是养“马”？Hermes最近很火，前段时间刚刚推出的开源、自进化的AI智能体，智能化程度非常高，但我们认为OpenClaw更适合物流行业。物流对确定性要求很高，它需要的不止是一个单体智能，单体智能可以理解很长的上下文，可以进行大量的数据处理，但物流行业最需要的是自动化的执行体系，OpenClaw更像执行体系，同时还是协调性的Agent——系统发出自动化解析命令，校验车辆状态，生成最后方案，最后批量执行，反馈结果，这是物流行业需要的。 我们认为，一个人、一部手机，一个NeoClaw未来可以轻松管理一千台以上的无人配送车。想用车时说句话就行，在机器人时代，跟机器人的交互不再是原来通过APP、接口，而是应该用自然语言。现在所有的交互方式，我们认为跟机器人交互用自然语言是效率最高的，对用户来说，几乎不需要培训成本，一线员工一分钟上手，真正实现人人会用，说话即可以控制。 NeoClaw本身也不是单个对话的记忆，OpenClaw是单个记忆，NeoClaw本身就是车辆管理人员，通过短记忆+记忆skill来完成整个大的RAG闭环，通过安全链路、安全网关传到云端数据，我们进入基于用户的所有权限以及持续输入的全局记忆，最终成为具备不断学习能力的智能体。 持续学习。持续学习的核心点不在于单独的用户行为，而是包含运营数据、场景数据、用户习惯，深度分析完这些运营数据后，最终会给用户提供最好的运营解决方案，输出优化建议，驱动运营体系的持续迭代。 对于NeoClaw不只是运营，更是具身智能的试验田。具身智能机器人未来要大规模落地，有点像现在自动驾驶大规模的落地，重点不止是单体的智能程度，更重要的是如何进行大规模的管理。NeoClaw让AI从虚拟对话走向物理执行，从辅助工具走向自主决策，真正打通感知、决策、执行、进化的具身智能闭环。 常用大模型的朋友一定知道，大模型总会在最后时刻跟大家说，我用一句话给你用最简单的方式���达你现在要问的问题。我也有一页PPT作为总结：NeoClaw带来的是十倍效率提升。 如果说单人管理无人车的天花板是十台，AI智能时代，天花板将升至100台以上。对于无人车队管理以及未来的机器人管理，十倍效率提升这是现在的数据，从我们的视角来看未来的管理效率应该是一百倍以上。 一旦能实现一百倍以上的效率提升，将会带来几个重要的突破：第一是管理模式和能力的跃迁；第二个全流程闭环，不再是单体智能，是全场景、全Agent智能；第三个会出现很多新的典型场景；最后是零培训成本，使用无人配送车不再存在门槛。 这也是新石器为之努力的方向，人工智能的价值不仅在于能写多少代码，更在于能解放多少双手，温暖多少人心。最后感谢北京亦庄、36氪和关注AI的所有朋友们和在场来宾，非常感谢！