跳到正文

#具身智能

今日 0 条

11月15日星期日

Computing Life · Share · 鸭哥调研

为什么造出大模型的研究者纷纷离开大厂创业

大模型研究者离开大厂创业,被文中解读为对持续学习、物理交互和前沿科学数据短板的回应。文中汇总的 45 家公司已确认融资合计 538 亿美元,其中 8 家未发布公开模型、接口或论文的公司拿走近 300 亿美元,约占 56%。文章提出,独家物理与生化实验数据、快速且低成本的自动验证机制,是创业团队抵御大厂竞争的两类筹码,并判断算力成本可能推动部分团队最终并入巨头。

11月7日星期六

Hacker News 首页

Josef Chen 参观宇树工厂后为何更看好西方制造业

Josef Chen 参观宇树杭州工厂后,更看好西方制造机器人所需设备的机会,判断依据是中美人工成本差异与 AI 降低编程成本。宇树 2025 年生产近 32,000 台机器人,人工占制造成本的 8%;其新电机产线预计使一款机器人降本 1.7%,作者估算按美国工资可降本约 9%。他主张西方优先建设能快速适配尺寸变化的电机自动化产线,并披露自己投资了自动化制造及人形机器人相关企业。

10月31日星期六

Computing Life · Share · 鸭哥调研

从 Genie 4 看世界模型的祛魅:端到端理想的退守、算力困局与工业落地

Genie 4 采用视频模型与三个 Gemini 模型协作的架构,文章据此分析世界模型端到端路线的局限、算力成本与工业应用方向。文中称,外围模型分别承担训练阶段的常识补充、运行阶段的任务引导和机器人棋步推理,单次交互虽延长至两分钟,仍无法保证全程一致性。文章区分视觉渲染、物理模拟与动作规划,主张由代码和三维网格管理空间规则、语言模型负责规划,世界模型负责合成供智能体训练的复杂环境。

10月27日星期二

MIT Technology Review · AI

工业智能:制造业的下一个增长机会

工业智能将制造商的积累经验、运营实践与生产数据结合,让知识在决策现场可用并接入物理生产环节。Toyota Industries 打通碎片化喷漆车间数据后,分析周期从五天缩短到四小时以内,试点将相关喷漆缺陷减少约 25%。Rockwell Automation 新加坡工厂用维护 copilot 整合制造数据、设备手册与老员工经验,新员工掌握数百台设备排障的时间从九个月降至三个月。

10月21日星期三

TechCrunch · AI

前英伟达产品营销转做VC的Amulya Vishwanath:物理AI还处在“乐高时代”

Techable Ventures 创始人兼管理合伙人 Amulya Vishwanath 认为,物理 AI 目前仍处于“乐高时代”,而非外界期待的机器人版 ChatGPT 时刻。她指出,机器人手、执行器等基础软件与构件正被重新设计,通用与专用机器人同时在造,只有这些积木逐步拼合,创新才能规模化。她曾在英伟达做近七年产品营销,如今把连接创始人与顶尖人才视为基金护城河。

Hacker News 首页

人们如何学着与 Waymo 自动驾驶汽车共处

Waymo正在从区域出行服务走向更广泛的城市基础设施,无人驾驶的便利也伴随着乘客控制权、公共安全与责任归属的难题。公司宣称车辆比人类驾驶安全10倍,这一指标指造成严重伤害或更严重后果的碰撞减少92%,并未涵盖文中乘客经历的闯入施工路段、受袭后无法离开等情况。报道通过乘车体验和多方采访,记录了远程支持、无障碍出行及充电设施扰民等问题,区分自动驾驶的交通安全潜力与无人驾驶带来的私人空间体验。

6月5日星期五

量子位 · 公众号

姚顺雨现身腾讯云大会,回应腾讯 AI 落后质疑

姚顺雨在腾讯云 AI 产业应用大会上说,混元 3 把预训练和强化学习的基础设施重做了一遍,数据和评估方式也换了,还把最强的后训练人员先调去改进元宝。他点名代码 agent、多模态和具身智能是腾讯接下来的重点方向。

推荐理由:姚顺雨在腾讯云大会上回应AI落后质疑,并说明混元3重做了预训练与强化学习基础设施,还提到后训练人员先调去改进元宝,由此可了解腾讯当前的资源分配与重点方向。

阮一峰的网络日志

中国 AI 大厂访问记

一群美国科技分析师在 5 月走访了 14 家中国 AI 和机器人公司,带回来一些观察。最核心的矛盾是算力:他们估算到 2025 年底,美国的 AI 算力大概是中国的 8 倍,中国公司能拿到的英伟达高端显卡数量比美国对手少一个数量级。

推荐理由:一群美国科技分析师走访 14 家中国 AI 和机器人公司后估算,到 2025 年底美国 AI 算力约为中国的 8 倍,中国公司能拿到的高端显卡少一个数量级。

AI HOT 精选

AGI 之后,还有什么东西是稀缺的?

Alex Imas 和 Phil Trammell 聊了一个很根本的问题:当机器人和 AI 能把大多数东西都造出来之后,经济里还有什么会保持稀缺。他们给出的核心判断是,只要人还在意“这件事是人做的”,那人的参与本身就变成了稀缺品。比如芭蕾舞表演、咖啡馆里的真人服务,机器可以复制一万个,但芭蕾舞演员的数量是固定的,这种“人给人服务”的体验就成了价值锚点。

推荐理由:两位研究者提出,当 AI 能复制大多数产品后,只要人在意事情由人完成,真人参与就成了稀缺品,芭蕾舞演员数量固定即是例证。

5月26日星期二

纽约时报中文网

中美共同的 AI 焦虑:怕被未来收割

作者在中美两头跑,发现两边的普通人都在被同一种不安笼罩:技术跑太快,红利不一定轮到自己。文章用滴滴司机钻算法空子、美国送餐员抢单的例子开场,指出 AI 在两国都加剧了职场监控、情感孤独和无力感。美国超七成青少年拿聊天机器人当陪伴,中国预计到 2030 年独居人口达 2 亿,AI 伴侣成了孤独的速效解药。

推荐理由:作者在中美两地观察到普通人对 AI 的共同不安,用滴滴司机钻算法空子、美国送餐员抢单等例子,说明技术红利未必落到个人身上。

5月18日星期一

Latent Space

无人机自主技术栈与经济学:从宠物摄像头到 AI 制导炸弹

Yaroslav Azhnyuk 是 The Fourth Law 的创始人,这家公司做 AI 制导无人机。他之前创办了 Petcube,卖的是给宠物扔零食的摄像头,现在做的是给占领军扔炸药的摄像头。这期播客他和 Noah Smith 聊了两个小时,核心是 FPV 穿越机怎么成了战场上的新杀器——前线 70% 到 80% 的伤亡都是它造成的。

推荐理由:The Fourth Law 创始人 Yaroslav Azhnyuk 在播客里拆解 FPV 穿越机如何成为战场主力,并梳理无人机自主化的分级与成本结构。

5月17日星期日

机器之心 · 公众号

世界模型的两条路线和一场百亿赌局

这篇文章是机器之心编译自 MoE Capital 的一篇博客,梳理了“世界模型”这个概念的两条发展脉络。一条是 AI 学术圈常说的,让模型在脑子里推演环境变化、做规划;另一条来自游戏和影视工业,追求用模型直接生成逼真的 3D 世界。文章提到,过去一年半里,有超过 100 亿美元的资金涌入了这个方向。

推荐理由:机器之心编译的这篇博客梳理了世界模型的两条路线,一条来自 AI 学术圈的规划推演,一条来自游戏影视的 3D 世界生成,并提到一年半内超 100 亿美元资金涌入。

5月16日星期六

AI HOT 精选

黄仁勋对 CMU 计算机毕业生说:电工水管工比你们更有前景

黄仁勋在卡内基梅隆大学 2026 届计算机科学毕业典礼上直接说,技工的前景比计算机毕业生好。Randstad 的数据显示技工需求增速是白领的三倍,机器人技术员岗位涨了 107%,而斯坦福研究发现 AI 相关职位的早期就业反而降了 16%。顶级电工年薪能超过 10.6 万美元,还不用背学费贷款。

推荐理由:黄仁勋在卡内基梅隆大学计算机毕业典礼上称技工前景优于计算机毕业生,材料同时给出技工需求增速是白领三倍、机器人技术员岗位涨 107% 的对比数据。

AI HOT 精选

杨立昆播客访谈:LLM 走不远,他离开 Meta 去赌世界模型

杨立昆在 Unsupervised Learning 播客里把大语言模型的底牌翻了个遍。他直接说 LLM 这条路有天花板,劝博士生别再往里扎。他预测到 2027 年,纯靠堆语言数据做不出真正的智能。他离开 Meta 后创立的 AMI 公司,核心押注在“世界模型”上——让 AI 像人一样通过观察和互动去理解物理世界,而不是只读文本。

推荐理由:杨立昆在播客中判断大语言模型路线存在天花板,并说明离开 Meta 后押注世界模型,为理解 AI 路线分歧提供了关键人物的直接表述。

5月10日星期日

机器之心 · 公众号

谷歌 Ted Xiao 把近十年机器人学习分成三个时代,从 RT-1 到 RT-2 再到规模化

这篇文章的正文被微信环境异常拦截了,实际内容无法读取。从标题和已有英文摘要看,Ted Xiao 的复盘主要讲谷歌机器人团队怎么从 RT-1 用 8.7 万条遥操作轨迹训练,走到 RT-2 把 50 亿到 550 亿参数的视觉语言模型改造成视觉-语言-动作策略。具体三个时代怎么划分、每个阶段踩了什么坑、规模化后效果到底提升多少,正文没披露,没法展开。

推荐理由:Ted Xiao 复盘谷歌机器人学习从 RT-1 用 8.7 万条遥操作轨迹训练,到 RT-2 将 50 亿至 550 亿参数视觉语言模型改造为动作策略的路径。

5月8日星期五

AI HOT 精选

机器人终局:一份物理 AGI 路线图,用大语言模型的成功逻辑来推演

演讲者把机器人做成人形通用智能拆成六块:视频世界模型当第二预训练范式,世界行动模型(WAM)负责把感知转成动作,数据收集策略对标特斯拉 FSD 的物理数据飞轮,EgoScale 和灵巧性缩放定律试图量化训练规模与手部操作能力的关系,物理强化学习用来跑通最后一公里,DreamDojo 则是一个端到端的神经物理引擎。

推荐理由:演讲者把物理 AGI 拆成六个模块,并用大语言模型的发展阶段类比机器人训练路径,为讨论人形通用智能提供了一套可对齐的框架。

4月28日星期二

Latent Space

Applied Intuition 十年做成 150 亿美元估值,他们想把所有会动的机器都塞进同一个 AI 操作系统

Applied Intuition 的 CEO 和 CTO 聊了他们从 YC 时期的自动驾驶工具链,一路做到估值 150 亿美元实体 AI 公司的完整路径。公司现在有 30 多款产品,全球非中国车企前 20 名里 18 家是他们的客户,L4 级无人卡车已经在日本跑起来了。

推荐理由:Applied Intuition 的 CEO 和 CTO 复盘了从 YC 时期自动驾驶工具链到 150 亿美元估值实体 AI 公司的路径,并给出 30 多款产品、18 家全球前 20 非中国车企客户和日本 L4 无人卡车的落地情况。

4月24日星期五

机器之心 · 公众号

机器人跑赢人类马拉松后,资本开始从硬件转向“大脑”

荣耀的人形机器人“闪电”在北京亦庄半马跑出50分26秒,比人类男子世界纪录57分20秒还快。宇树H1在1.9公里弯道赛段也跑出4分13秒。文章说2026年一季度具身智能融资近200笔、总额超300亿元,4月16日灵初智能又拿了4.55亿美元Pre-A轮。信号很直接:钱正从机器人本体流向模型和智能系统,硬件能卷的差不多到头了。

推荐理由:荣耀人形机器人半马跑出50分26秒,超过人类男子世界纪录,同期具身智能一季度融资近200笔、超300亿元,资金正从本体转向模型与智能系统。

4月17日星期五

MIT Technology Review · AI

机器人是怎么学会干活的:一段当代简史

2025年人形机器人拿到的投资是61亿美元,是2024年的4倍。钱突然涌进来,不是因为造出了C-3PO,而是机器人学习的方式彻底变了。以前靠人手写规则,比如叠衣服要定义领口、袖口、折叠角度,情况一多规则就爆炸。2015年前后,前沿做法改成在仿真里用奖励信号让机器自己试错,跑几百万次来学会一个动作。

推荐理由:梳理人形机器人学习方式从手写规则转向仿真试错的过程,并交代2025年61亿美元投资为2024年四倍这一背景。

4月1日星期三

MIT Technology Review · AI

在家训练人形机器人的零工:尼日利亚医学生头顶 iPhone 拍做家务

Micro1 这家公司雇了 50 多个国家的几千名零工,让他们把 iPhone 绑在头上,拍自己叠被子、洗碗、做饭的视频,再把这些真实动作数据卖给做人形机器人的公司。一个尼日利亚的医学生时薪 15 美元,在当地算高收入,但他觉得每天重复熨衣服很无聊。

推荐理由:Micro1 在 50 多个国家雇零工头戴 iPhone 拍摄叠被洗碗等家务,把真实动作数据卖给做人形机器人的公司,尼日利亚医学生时薪 15 美元。

2月27日星期五

阮一峰的网络日志

当外卖员接入 AI:程序开始直接调动人力了

Waymo 无人出租车乘客下车后没关好门,车就走不了。这家公司没做远程关门功能,而是在外卖平台下单,花 6.25 美元叫小哥跑一公里去关门,完事再加 5 美元。新闻点不是关门本身,而是程序在自动调动人力完成自己搞不定的环节。外卖员自带 API,已经接入了软件系统,成了可以被程序随时调用的“自动化人力”。

推荐理由:Waymo 无人出租车因乘客没关好门无法行驶,公司在外卖平台下单花 6.25 美元请小哥跑一公里关门,另加 5 美元,程序由此直接调用人力补上自己搞不定的环节。

2月26日星期四

纽约时报中文网

美国在 AI 上“输”给中国的不是模型,是工厂

这篇文章的核心判断是:中国把 AI 用进了工厂车间,美国还在把 AI 当实验室项目。中国已建成 3 万多家智能工厂,2024 年全球新装的工业机器人超过一半进了中国工厂。极氪宁波工厂用了 800 多台机器人,小米北京工厂每 76 秒就能产一辆车,美的荆州工厂用 AI 把产线响应时间从几小时压到几秒。

推荐理由:中国已建成3万多家智能工厂,2024年全球新装工业机器人超过一半进入中国工厂,极氪、小米、美的等企业的车间数据展示了AI在产线上的实际落地节奏。

1月21日星期三

NVIDIA 博客

黄仁勋在达沃斯把 AI 分成五层蛋糕,说这是人类史上最大规模基建

黄仁勋在达沃斯论坛上把 AI 产业链拆成五层:能源、芯片与算力基建、云数据中心、模型、应用。他说 2025 年全球风投砸了超过 1000 亿美元,大部分钱流向了 AI 原生公司,重点在应用层和基建层。他举了个具体例子:美国护士缺口大概 500 万,AI 可以先把病历记录和转录这类活接过去。

推荐理由:黄仁勋在达沃斯把 AI 产业链拆成能源、芯片算力、云数据中心、模型、应用五层,并给出 2025 年超 1000 亿美元风投的流向分布,为理解当前 AI 投资结构提供了一套分层框架。

1月20日星期二

硅谷101 播客

CES 现场对谈:人形机器人量产计划很热闹,但仓库里轮式加手臂可能更划算

这期节目是硅谷101在 CES 现场录的。嘉宾傅盛和硅谷徐老师聊了聊今年展会上的人形机器人热潮。官方数据显示,38 家人形机器人参展商里,有 21 家来自中国。Boston Dynamics 在展会上宣布,Atlas 产品版 2026 年开始交付,计划到 2028 年实现年产 3 万台。

推荐理由:硅谷101在CES现场与傅盛对谈,用38家参展商中21家来自中国、Atlas计划2028年年产3万台等现场数据,讨论人形机器人量产热度与仓库场景实际落地之间的落差。

1月13日星期二

MIT Technology Review · AI

CES 2026 逛完,我理解了为什么中国科技公司这么乐观

今年 CES 来了超过 14.8 万人、4100 多家参展商,中国公司占了将近四分之一,在 AI 硬件和机器人区域尤其扎堆。作者临时决定去现场,结果发现中国厂商已经不只是“便宜量大”的路子——家用清洁机器人在美国市场把 Dyson 和 Shark 的份额抢得很凶,庭院设备也大多来自深圳,外观做得让人看不出是中国品牌。

推荐理由:今年 CES 中国展商占近四分之一,作者在现场看到家用清洁机器人在美国市场抢下 Dyson 和 Shark 的份额,庭院设备也大多来自深圳。