美国AI三巨头重构制药产业：从卖工具到要分成，它们想拿走更大利益

传统AI助手奉行‘有问必答’，但清华团队的两项新研究试图扭转这一范式。据机器之心报道，研究者致力于让AI学会‘读懂人’，并把握互动时机——在用户开口之前预判需求，或在沉默中判断是否介入。这并非简单的响应优化，而是对交互主动权的重新分配。

研究的关键在于理解用户状态与情境。例如，当用户频繁查看时间时，AI可能主动提醒日程；当用户陷入思考时，AI则选择静默。这种能力要求模型整合多模态线索（眼神、动作、历史行为）并实时推理。目前该工作尚处于实验室阶段，但指向一个明确方向：比正确回答更重要的，是‘何时回答’和‘是否回答’。

与虚拟助手并行的另一条路径，是物理世界中的机器人智能。乐动机器人作为港股新贵，近期宣布押注‘物理AI基础设施’，公司核心论断是‘感知即权力，数据即壁垒’。量子位的报道指出，其战略聚焦于让机器人从环境中持续获取数据，而非仅仅执行预设指令。

物理AI的核心挑战在于，真实世界具有非结构化、动态变化的特性。机器人需要实时理解自身位置、物体属性、人类活动等，并据此调整行为。乐动投资的方向正是构建高密度感知网络与数据闭环，使机器人能从每次交互中学习。这一策略将数据积累——而非算法突破——视为长期护城河。

表面上看，清华的‘适时互动’研究与乐动的‘物理AI’分属不同领域，但底层逻辑一致：AI必须从被动执行转向主动理解。清华的研究强调交互时机，乐动的投资强调环境感知，二者共同指向对‘上下文’的深度建模。没有上下文，AI无法判断何时行动；没有感知，机器人无法理解上下文。

这一转变将重新定义AI的价值。当前大多数系统依赖用户主动发起请求，但未来系统可能先于用户行动——例如智能家居根据用户习惯主动调节环境，或机器人仓库在订单下达前预判并移动货物。这种能力对数据质量与实时性提出极高要求，也使得‘感知’和‘时机’成为比‘算法’更稀缺的资源。