# 三星公开 Meki、M2RL 和 LiveClawBench 三项研究，从端侧记忆架构做到物理 AI 评测

> 原标题：从Foundation Model到Physical AI，三星「杀入」大模型核心战场

- 来源：机器之心 · 公众号
- 发布时间：2026-05-27T03:56:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/28888
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651035341&idx=3&sn=c24ab7c8c7275ac2e9e050dec831c77b

## 摘要

三星这次放出了三个项目：Meki 是一种给端侧模型用的记忆架构，让手机或 IoT 设备上的小模型能记住上下文、省着用算力；M2RL 是多领域强化学习框架，想让一个模型在不同任务里都能自己学会干活；LiveClawBench 则是专门测物理 AI 的基准，看模型能不能在真实世界里抓取、操作物体。文章还提到三星已经采购了数万张 GPU 来搭 AI 基础设施...

## 推荐理由

这是一组三星研究院的技术打包发布，不是旗舰模型或产品上线，但胜在信息具体、方向明确。我会先打个折：正文没披露数万张 GPU 的具体型号和部署时间线，也没说 Meki 在端侧实测的延迟和功耗，所以不能当量产信号看。不过，三星把 Memory 架构、多领域 RL 和灵巧手评测一起端出来，等于公开了自己在 Physical AI 上的三条腿走路策略，对关注端侧和机器人方向的从业者来说，比单篇论文更有参考价值。

## 锐评

三星这次放出的 Meki、M2RL 和 LiveClawBench，方向上都踩在点上：端侧记忆、多任务强化学习、物理 AI 评测。但文章本身被微信环境验证拦住了，我拿到的只有摘要，看不到具体方法、模型规模、训练成本或实验数据。摘要说 Meki 是给手机和 IoT 小模型用的记忆架构，能省算力、记上下文，这思路不新，关键看它省了多少、在多小的芯片上跑得动。M2RL 号称让一个模型在不同任务里自己学会干活，没披露任务跨度多大、泛化指标如何，容易变成“我们试了几个游戏”。LiveClawBench 测抓取和操作，是物理 AI 里缺的评测，但基准的难度分布、真机还是仿真、样本量都没提。另外文章提到三星采购了数万张 GPU，这只能说明他们有卡，不代表模型训出来了。整体看，方向对，但信息缺口太大，没法判断是实打实的进展还是路线图发布。