宇树科技明确三大布局方向,将每年投入数千万元举办世界物理AI大赛
宇树科技在2026世界物理AI大会上宣布三大未来布局:提升机器人大规模量产能力、推进物理AI小模型落地、布局超大规模算力集群。同时,宇树将每年投入数千万元举办世界物理AI大赛,设置八大赛道,推动物理AI技术边界突破。
宇树科技在2026世界物理AI大会上宣布三大未来布局:提升机器人大规模量产能力、推进物理AI小模型落地、布局超大规模算力集群。同时,宇树将每年投入数千万元举办世界物理AI大赛,设置八大赛道,推动物理AI技术边界突破。
NVIDIA 推出全新人形机器人参考平台、框架、仿真工作流及数据,全面推进面向通用机器人的 Isaac 平台。
Maxinsights公司已向全球Physical AI头部厂商交付超过200万小时的第一人称视角数据,包括Google DeepMind、Figure AI等客户,其年化经常性收入连续多月达到或接近1亿美元。
推荐理由:Maxinsights以200万小时交付量跻身全球Physical AI核心供应链,数据飞轮效应已显现。
IBM Research 发布 Granite Timeseries Ensemble,结合四种互补架构的时间序列模型,提供概率集合和四分位范围集合两种预测方法,无需重新训练即可获得中位数和分位数预测结果。该模型在 GIFT-Eval 数据集上表现优于单个成员模型,并支持扩展添加其他兼容预测器。
推荐理由:IBM 发布 Granite Timeseries Ensemble,将四种互补架构合并为一个预测接口,减少模型选择的不确定性。
RoboParty 在东南亚发布 RP1 机器人,面向教育和研究领域提供全栈开源解决方案。该产品支持定制化开发,适用于教学实验与科研场景。
小红书宣布将AI一级部门Dots与公司核心基础设施团队打通,这是半年内第二次对AI组织架构进行重大调整。此次调整旨在消除跨团队协同壁垒,提升算力调度与模型训练效率,同时明确Dots聚焦模型研发与业务场景融合,Hi Lab负责长期前沿技术探索。
英伟达扩展Isaac平台,加速卡位人形机器人生态位。该平台提供AI计算与仿真工具,支持开发者构建人形机器人应用。
科大讯飞发布讯飞星火 X2.6 端云一体大模型,首次基于全国产算力实现代码和智能体能力突破。星火 X2.6-4B 开源端侧大模型下载量已进入全球端侧模型前四,采用 293B-A30B 参数的 MoE 架构,上下文长度拓展至 1M,推理定价为输入 0.9 元/百万 tokens,输出 3.6 元/百万 tokens。
推荐理由:国产算力训练的星火X2.6实现代码和智能体能力突破,端侧模型进入全球前四,国产芯片长程任务效率瓶颈被攻克。
NVIDIA 推出开放模型支持欧洲公共部门项目,包括欧盟委员会的 AI@EC 平台、波兰的医疗和就业服务系统、德国的机密工作平台等。这些项目使用 NVIDIA 的 Nemotron-Personas 数据集和 NeMo User Sim 库,在本地基础设施上运行模型,同时保持数据主权。
推荐理由:开放模型让政府既能掌控数据又能定制服务,但真正的挑战在于如何平衡本地化需求与全球模型生态。
NVIDIA 发布 Earth-2 开源 AI 模型家族,包括 StormScope EU 等区域模型,支持全球天气预测、区域预报和环境研究。AXA、Vaisala Xweather、曼彻斯特大学等机构已将其应用于气旋风险评估、空气质量建模和太阳能预测等领域。
推荐理由:开源气象模型家族让欧洲本地化预报成为可能,接下来看各行业如何结合专有数据创造新应用。
NVIDIA 加速欧洲零售商使用开源模型和物理智能,Shopify 通过后训练模型将推理成本降低90%,响应速度提升7倍;Zooplus 实现了86%的搜索准确率;L'Oréal 将成分筛选时间从数月缩短至数小时;Mirakl 已处理超过7000万种产品。
推荐理由:欧洲零售商用开源模型降低90%推理成本,NVIDIA正将AI从数字发现延伸至物理操作,虚实融合的零售新范式正在形成。
NVIDIA扩展了Cosmos平台,新增训练工具、仿真检查点和Cosmos Data Factory蓝图,帮助开发者构建物理AI系统的世界模型。平台提供多模态数据处理、模型微调和优化工具,并已应用于自动驾驶、工业检测等领域。
推荐理由:从数据工厂到模型训练再到部署,NVIDIA Cosmos构建了完整的世界模型开发流水线,工业应用已开始验证其价值。
NVIDIA宣布多家欧洲金融机构采用开源模型构建专有智能体,Revolut推出PRAGMA基础模型服务8000万客户,Starling Bank开发Starling Intelligence,Lloyds Banking Group构建ATUM交易基础模型。这些应用基于NVIDIA加速计算平台,在成本控制下实现高性能金融智能服务。
推荐理由:欧洲金融机构采用开源模型构建专有智能体,展示AI在金融场景的规模化落地,成本与性能平衡成关键看点。
Meta的AI助手Muse上线一个半月,美国和加拿大已有超1000万人完成设置,购物成为最热门用途,平均购买金额超200美元。由于算力成本高,Meta计划比以往更早推进Muse商业化,除订阅外还将从交易中收取费用,预计由商家支付。Muse将于11月接入智能眼镜,12月推出专用设备Charm。
研究人员提出AW-0框架,整合代码规划与视频预测,使机器人技能可复用且具备物理预测能力。该框架在RoboTwin 2.0和双臂操作任务中表现优于VLA和WAM基线模型,提升了任务性能、语言遵循能力和语义推理能力。
同一件事,精选收录的是《Agentic World Action Models 论文发布》
研究人员提出DeepEvolve系统,一种基于未来事件预测的可持续进化智能体系统,该系统通过与动态变化环境持续交互并内化经验实现自我改进。在FutureX排行榜上,该自我改进预测器连续三周排名第一,评分提升高达195%;在合成的评估中,它在四个基础大语言模型中排名前三,比最强基线高出最多10.7 Bradley-Terry分。
推荐理由:通过未来事件预测构建可持续进化系统,在真实世界评估中连续三周排名第一,展示AI从静态模型向自我进化智能体的转变。
SpatialBrain 框架通过保留空间推理决策经验,在五个基准测试中优于或持平同骨干模型的直接答案。该框架包含 3DFusionMemory 融合场景观测、Spatial Skill Library 提供可复用工具程序,以及 Spatial Cognition 关联任务条件与经验使用策略。
研究人员提出 TraceForge 方法,通过生成与目标模型风格一致的推理轨迹来解决前沿模型不提供详细推理过程的问题。该方法采用两阶段训练,在 HumanEval+ 上提升 3.7 分,在 MBPP+ 上提升 7.1 分。
推荐理由:通过生成与目标模型风格一致的推理轨迹,TraceForge 在保持数据来源合规的同时提升了模型性能。
DeepSeek在最新一轮融资中筹集约1000亿元人民币,成为中国史上规模最大的融资之一。主要投资者包括宁德时代和腾讯控股,这笔资金将用于AI数据中心建设和开源模型开发,同时为上市铺平道路。
推荐理由:近千亿融资让中国AI企业首次在资金规模上接近硅谷巨头,但真正的挑战在于如何将资本转化为持续的技术优势。
研究人员提出DONIC,首个通用双灵巧手跟踪控制器,结合近端策略优化与行为克隆,在无需微调的情况下,对训练对象未见轨迹成功率达86.79%,超出最先进基线77.36个百分点。同时发布BiHOI数据集,包含1575个序列,覆盖229个物体,强调持续双手交互。
推荐理由:首个通用双灵巧手跟踪控制器通过人类演示训练,成功率达86.79%,解决了双手协调操作数据稀缺问题。
Yicheng Xu提出TARSphere框架,包含基础设施TARSphere-Infra和多模态大语言模型智能体TARSphere-Harness,用于在物理和社会环境中评估长周期具身智能体。研究通过TARSphere-Bench基准测试评估了8个多模态大语言模型,发现通用模型在特定任务上表现优于专用具身模型,但任务更新和人类交互仍是挑战。
推荐理由:TARSphere框架首次将物理与社会约束整合进长周期具身智能体评估,揭示了通用模型在复杂环境中的潜力与执行安全挑战。
Zhuoyang Liu等人提出AW-0框架,将代码规划与视频、动作预测整合为三个耦合的生成流,在RoboTwin 2.0和双臂操作任务中表现优于VLA和WAM基线模型。
推荐理由:AW-0框架首次将代码规划与视频、动作预测耦合,为机器人提供了可复用的技能库,弥合了预测与执行间的鸿沟。
研究人员提出Harness Scaling方法,通过多样化训练配置提升智能体强化学习的泛化能力。该方法构建因子化harness空间,选择平衡训练子集,并组织跨harness训练,在多个基准测试中显著提高了模型对未见配置的泛化性能。
研究人员提出ALPS,一种预训练的视觉状态编码器,能够统一物理状态信息、原生语言对齐和像素重建三种能力。在LIBERO评估中,ALPS在ViT-B模型中实现了最低的聚合状态探测误差,同时保持了强大的语言对齐和准确的像素重建能力。
推荐理由:ALPS通过统一物理状态、语言对齐和像素重建三种能力,为世界模型提供了更全面的视觉基础。
Rodion Shkokov提出AOV-GS系统,使用冻结的SAM和CLIP模型引导机器人探索,构建支持开放词汇语义查询的3D地图。在Replica和Matterport3D数据集上,该方法相比纯几何主动规划提升了语言场mIoU 1.3-1.8个百分点,同时保持新视角PSNR相当。代码已公开。
推荐理由:冻结基础模型引导机器人探索,无需人工标注即可构建开放词汇语义地图,提升语义查询能力。
该研究通过引入激光指针和混合现实策略,将现有视觉管道扩展至多目标场景,抓取部位识别准确率提升最高9%,同时保持计算成本不变。方法通过修改硬件设置和重新训练深度卷积神经网络实现,可复用高质量分割掩码生成逼真图像。
Qingling Fan提出S-rolling步态,通过S形平面曲线设计结合低扫掠高度移动与平面机动性,使蛇机器人在10cm间隙环境中实现90°和180°精确转向。该研究推导了关节空间步态方程,开发了准静态运动学模型,并通过实物实验验证了各种运动模式。
推荐理由:S-rolling通过S形平面曲线设计解决了蛇机器人在低空间环境中的转向难题,实现了90°和180°的精确转向。
研究提出基于语义地形标签条件化的人形机器人统一多模态行为克隆方法。该方法通过语义标签实现不同地形条件下的行为适配,提升机器人复杂环境适应能力。
AWS Solutions Architecture团队发布Deep Insight多智能体系统,解决了从原型到生产的五大核心挑战:执行流控制、模型选择、可靠运行、代码执行安全性和系统监控。
推荐理由:从原型到生产,多智能体系统面临五大挑战,AWS团队通过Deep Insight架构展示了如何解决执行流控制、模型选择、安全部署等关键问题。
AWS 推出基于 PrivateLink 的私有连接方案,让 Amazon Quick 无需公网访问企业防火墙后的数据源。该方案通过 VPC 端点处理用户流量,VPC 连接处理数据源查询,支持 PostgreSQL、MySQL 等数据库及内部 API,降低攻击面并满足 HIPAA 等合规要求。
美国国家安全局警告发现PHP存在两个严重漏洞,影响约70%的网站。OpenAI和Google的Wiz分别使用GPT-5.6 Sol和Gemini 4 Argon等AI工具发现了这些自PHP 5版本以来存在的漏洞。PHP基金会已发布补丁,建议网站升级至PHP 8.5.12版本。
推荐理由:AI同时发现并放大了PHP漏洞风险,这标志着安全领域进入AI双刃剑时代。
Blacksmith 完成 6600 万美元 C 轮融资,由红杉资本领投,公司估值达 10 亿美元。该公司帮助公司更高效地构建和测试软件,包括 AI 生成的代码。公司年经常性收入增长了 17 倍,已运行超过 9000 万个 CI 作业。
AWS发布了基于Strands Agents的自适应智能体智能框架(AAIF),通过本地小模型处理常规任务,云端大模型处理复杂分析,降低API成本并减少延迟。该框架采用三层架构:智能调度层使用轻量级SLM作为决策层,本地处理层通过Ollama运行SLM处理常规任务,云处理层通过Amazon Bedrock处理复杂模式分析和战略建议。
推荐理由:通过本地小模型与云端大模型协同,AAIF框架解决了AI智能体全依赖大模型导致的成本与延迟问题,展示了智能路由的实用价值。
Meta第三季度营收达646亿美元,同比增长26%,超出分析师预期;第四季度营收指引730亿至760亿美元,中值高于市场预期。公司宣布将发行无投票权新类别股票,为AI投资计划融资,并将2026年资本开支指引下限从1300亿美元上调至1350亿美元。
Recursive 公司发布了名为 Flint 的免费编码模型,可在笔记本电脑上运行,并声称主要由其 AI 研究系统 Eureka Machine 协助构建。Flint 是一个 400 亿参数的混合专家模型,仅需使用 25 亿参数即可完成任务,在 SWE-Bench Verified 基准测试中表现优于其他 500 亿参数以下的模型。
推荐理由:AI辅助构建小模型实现本地化部署,展示了递归自我改进的早期实践,但人类监督仍是关键。
AWS Trainium 通过 torchtitan 支持三种方式训练 Qwen3,包括 Transformers v5 后端、torchtitan 原生实现及 NKI MoE 内核优化。实验在 trn2.48xlarge 实例上完成,支持预训练和微调,可加载 Hugging Face 检查点并导出 safetensors 格式。
英伟达升级Isaac通用机器人平台,推出全新人形机器人参考样机和仿真流水线。该平台支持开发者快速构建和测试机器人应用,提升开发效率。
OpenAI 将前沿模型和 Codex 智能体工作流集成至谷歌云 ModelGarden,支持企业在现有构建环境中使用其技术。
Seyond 与 Galileo 建立合作伙伴关系,加速具身机器人部署。双方合作旨在提升机器人应用落地效率。
NVIDIA发布Kumo Relational,这是一种预训练的关系基础模型,可直接在企业数据库上进行预测,无需任务特定训练、特征工程或表格扁平化。该模型在41项任务中超越监督学习模型,在SAP SALT企业基准测试上比AutoGluon集成模型高出8%的平均倒数排名(MRR),可扩展至500B+行数据库的规模。
推荐理由:无需训练即可直接在企业数据库上进行预测,Kumo Relational在41项任务中超越监督学习模型,标志着结构化数据基础模型的新阶段。