还记得那个穿着「Lululemon」紧身衣、主打温柔陪伴的家用人形机器人 NEO 吗？ 上次聊到它时，大家还在吐槽其「远程操控」的隐私安全问题，调侃每个机器人的背后可能都是一个「印度小哥」。 那么这一次是「瑜伽服」下的真功夫，还是只存在于 Demo 里的「剪辑魔法」呢？不管技术落没落地，热度已经先爆表了。到截稿时间，官方推文浏览量 已突破 500 万。 昨天，1X 公司带着它的全新「大脑」亮相：1X World Model。这一次，NEO 似乎准备把「背后的操作员」给解放了。 简单来说，现在的 NEO 不再只是死记硬背动作，它学会了像人一样「想象」。通过观看海量的网络视频和人类第一视角的实操录像，它理解了物理世界 是如何运作的：东西掉了会下落，门是可以推开的。 他们把类似 Sora 的视频生成技术装进了 NEO 的脑子里，接到指令时，它会先在脑海里生成一段「自己成功完成任务」的视频，然后倒推身体该怎么动， 才能把这段想象变成现实。 不过，官方博客中也表示，有时候会出现「脑子学会了，手没学会」的情况：脑补出的视频很完美，但实际动作可能会抓空。 家庭机器人要真正走进现实环境，必须具备常识性的行为能力以及对物理世界 ...

机器之心编辑部 还记得那个穿着「Lululemon」紧身衣、主打温柔陪伴的 家用人形机器人 NEO 吗？ 上次聊到它时，大家还在吐槽其「远程操控」的隐私安全问题，调侃每个机器人的背后可能都是一个「印度小哥」。 昨天，1X 公司带着它的全新「大脑」亮相： 1X World Model 。这一次，NEO 似乎准备把「背后的操作员」给解放了。 简单来说，现在的 NEO 不再只是死记硬背动作，它学会了像人一样「想象」。通过观看海量的网络视频和人类第一视角的实操录像，它理解了物理世界是 如何运作的：东西掉了会下落，门是可以推开的。 他们把类似 Sora 的视频生成技术装进了 NEO 的脑子里，接到指令时，它会先在脑海里生成一段「自己成功完成任务」的视频，然后倒推身体该怎么动， 才能把这段想象变成现实。 不过，官方博客中也表示，有时候会出现「脑子学会了，手没学会」的情况：脑补出的视频很完美，但实际动作可能会抓空。 那么这一次是「瑜伽服」下的真功夫，还是只存在于 Demo 里的「剪辑魔法」呢？不管技术落没落地，热度已经先爆表了。到截稿时间，官方推文浏览量 已突破 500 万。 看来，在经历了 AI 时代各式各样炫酷 Dem ...

来源：科技日报 科技日报记者 孙越 实习生 杨佳音 "'飞行街景'首次将世界模型用于普惠生活服务行业，在全球范围内开创了先河。"日前，高德CEO郭宁 在接受科技日报记者采访时表示，高德自研世界模型在国际权威评测基准WorldScore上综合得分位列第 一。 前不久，上线100天的高德扫街榜宣布三大重磅升级，其中"飞行街景"功能备受关注。该功能依托高德 自研世界模型，通过"物理AI"实现沉浸式、可交互的线上探店体验。业内人士指出，这不仅为榜单增添 了新功能，更是"物理AI"应用的典型代表。 什么是"飞行街景"？其背后依托的是高德自研世界模型，通过高拟真数字还原技术，可实现连续、动态 且几乎真实的实景导航与探店体验。借助该功能，用户前往餐厅、景点前就能沉浸式俯瞰其内外部实 景，并提前"实地"体验沿途风景、停车条件乃至餐厅包厢环境等细节。 有网友分享，"飞行街景"能让人沉浸式俯瞰店铺全貌、在线体验靠窗座位，甚至还能查看停车位情况。 除了提升探店体验，"飞行街景"还能带领用户直达深巷中的口碑好店，降低"踩雷"概率。此外，环境可 视化也促使商家更加注重卫生与环境细节，逐步构建更可信的消费场景，最终实现用户与商家的共赢。 ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 论文作者 | Jingyu Li等 编辑 | 自动驾驶之心 复旦大学、上海创智学院、理想汽车、同济大学和萨里大学联合完成的新工作 - SGDrive。在这篇工作里面柱哥看到了一些对量产的思考，比如高速直行时应该扩展感 知范围，而转弯时则应聚焦弯道内侧（图6）。 理想的情况下，自动驾驶应该像人类一样，分层次的理解世界：先感知整体环境（ Scene Cognition ） → 再聚焦影响自车行为的关键目标（ Agent Cognition ） → 最 后形成局部的驾驶目标（ Goal Cognition ），并进一步生成Action（轨迹）。但现有的VLM虽然具有强大的认知能力，但作为通用模型，缺乏对驾驶领域的专业理 解，特别是在3D空间和时间维度上难以建立结构化的时空表征。 这篇工作也在探索一个问题： 世界模型到底应该生成什么才能对VLA有效? 生成图像、生成结构化信息，还是生成隐特征? 生成图像会带来冗余的像素信息，预测结 果与当前观察存在大量重叠且缺乏空间信息；生成结构化信息虽有空间维度，但大部分信息仍与自 ...

昨晚夜里快12点，AI视频公司PixVerse毫无预兆的发了一个项目。 PixVerse R1，下一代实时世界生成模型。 这玩意你看文字，可能不是很好理解，我直接放一个官方的demo视频，大家的感觉应该会强一些。 上面是视频，下面是实时输入的Prompt。 整个过程，都是AI一直连续不断的生成视频，你可以在过程中用Prompt修改视频的进程，比如开头第一句Promtp，是士兵躺在雪山上，然后躺着躺着， 你就输入了一个Prompt，说一只黑乌鸦飞过，飞完了以后，这个视频准备自己去做一些决策了自己去演后续的剧情了，你又有了新想法，于是，你又发 了一段Prompt过去： 巡逻队发现了士兵。 每次你输入Prompt延迟2秒左右之后，你会发现，这个世界的剧情，就随着你的不断输入，不断的进行变化。 如果你不给Prompt干涉的话，他会自己一直演下去，最长的时间，在官方的技术报告里，写的是： 无限、连续的视觉流式传输。 PixVerse将其称为，实时世界生成模型。 网址在此：https://pixverse.ai/en/blog/pixverse-r1-next-generation-real-time-world-mod ...

每一项成果都精准锚定具身智能核心痛点，得益于大晓机器人构建了一套从"环境式数据采集-开悟世界模型3.0-具身交互"的全链路技术体系，有效解决行业 数据荒、常识差、泛化难和通用性不足等问题。 产学研天团坐镇，11年积淀赋能 去年12月，王晓刚正式入选工信部人形机器人标准化技术委员会，牵头推进我国人形机器人行业标准体系建设。目前看来，具身智能标准体系建设存在哪些 难点？从企业视角转向国家顶层设计视角，看待行业发展有何不同？ 过去一年，具身智能及人形机器人领域，既有草根团队投身其中，也有商汤科技这样的头部玩家强势下场。不管哪种力量入局，都绕不开规模化量产与体系 化运营的支撑。 "我们的团队并非尽善尽美，仍有诸多短板亟待补强，要想在这一领域站稳脚跟，需要多维度的综合能力。"商汤科技联合创始人、执行董事、大晓机器人董 事长王晓刚在大晓机器人首场品牌发布会期间，接受《汽车观察》等媒体采访时说道。 这份对综合能力的深耕，正转化为大晓机器人实打实的技术突破与产品落地：率先发布行业首创的ACE具身研发范式、发布首个开源且商业化应用的世界模 型——开悟世界模型3.0、发布具身超级大脑模组A1…… 王晓刚对《汽车观察》强调，人形机 ...

Core Insights - The AI industry is transitioning from "single-point capability breakthroughs" to system-level intelligence and real-world applications by 2026 [1][2] - The focus is shifting from parameter scale competition to modeling physical world laws, indicating a paradigm shift in technology [1][2] Group 1: Key Trends in AI Technology - **Trend 1: World Models** AI is beginning to understand the real world, emphasizing the modeling of physical laws, temporal changes, and causal relationships [4][7] - **Trend 2: Embodied Intelligence** Embodied intelligence is moving from demonstration to large-scale application, with humanoid robots set to enter real industrial production and service scenarios by 2026 [9] - **Trend 3: Multi-Agent Systems** AI is evolving from individual agents to collaborative systems, where multiple agents work together to solve complex problems, enhancing efficiency and stability in various fields [10][11] Group 2: AI's Role in Science and Business - **Trend 4: Rise of AI Scientists** AI is transitioning from a research assistant to an active participant in scientific exploration, significantly shortening R&D cycles in fields like materials science and biomedicine [11][12] - **Trend 5: Restructuring of AI Competition** The competition landscape is shifting towards vertical domain value, with companies focusing on industry-specific AI solutions rather than just model parameters [14] - **Trend 6: Recovery of ToB Applications** After a period of disillusionment, enterprise-level AI applications are expected to rebound in the second half of 2026, with measurable commercial value emerging [14][15] Group 3: Data and Infrastructure - **Trend 7: Importance of High-Quality Data** The shortage of high-quality real data is a core bottleneck for AI development, with synthetic data becoming essential for model training [15] - **Trend 8: Optimization of Inference** As model sizes grow, inference costs are a major barrier to AI deployment, with ongoing advancements in inference acceleration and model compression [18] - **Trend 9: Integration of Heterogeneous Computing** The development of a software stack compatible with heterogeneous chips is crucial for breaking computing monopolies and reducing barriers for AI adoption [19] Group 4: AI Safety and Future Directions - **Trend 10: Evolution of AI Safety** AI safety risks are evolving from early "hallucination" issues to more subtle "systemic deception," necessitating a shift towards mechanism-level safety measures [19][21] - **Overall AI Development Stage** By 2026, AI is expected to move beyond parameter competition to a mature development stage characterized by cognitive elevation and infrastructure improvement [21][22] - **Key Characteristics of Future AI** The future of AI will focus on deep understanding of real-world data logic and creating measurable growth and efficiency in complex business scenarios [21][22]

编者按： 智能驾驶的发展，并不是一条线性上升的技术曲线，而是一系列技术范式、工程约束与现实场景不断博弈的结果。无图、端到端、世界模型、 VLA……每一种路径，都被寄予厚望，也都在落地过程中逐渐暴露出边界。 随着行业逐渐走出概念验证阶段，单一技术名词已无法解释真实能力差异。算力规模、数据质量、系统架构、工程稳定性，正在共同决定智能 驾驶的上限与下限。 站在工程与产品的交汇点，汽车之心特此策划出"智驾进化论"系列文章，理解不同技术选择背后的现实条件，以期看清技术热词背后的真实进 展，理解这场长期竞赛中的关键变量。 特斯拉 FSD 又在全球秀了波硬核操作。 一辆搭载 FSD V14 的 Model 3，从美国西海岸的洛杉矶出发，驶向了 2732 英里（ 约 4400 公里 ）外的南卡罗莱纳州。这是一段横穿美国大陆的行程，穿 越 24 个州，跨越沙漠、平原、山地和数不清的高速出入口，并覆盖多种不可预见的天气情况。 整段行程耗时 2 天 20 小时，全程 0 接管。 并线、超车、博弈、进出高速、沿途充电，所有驾驶任务，全部由 FSDV14 完成。 上一次完成类似横跨美国大陆测试的，还要追溯到 2015 年的德尔福。当时 ...

文｜明晰野望 最近AI巨头都在释放钞能力。 英伟达以200亿美元和核心团队加盟的模式"收编"AI推理新贵Groq；谷歌豪掷47.5亿美元现金拿下清洁能源巨头Intersect Power，锁定AI数据中心的能源主 权；Meta以45亿美元重金将通用AI智能体Manus纳入版图，打通大模型到落地应用的关键链路。 闪电式的高估值交易密集出现，背后是巨头"老登"与初创公司"小登"的无奈之举——前者需要通过技术路径差异化、场景补齐来提升容错，而势单力薄的后 者，则要把先发优势尽快货币化。或许在2026年，"老登"与"小登"的双向奔赴将成为AI行业主旋律。 "老登"难，"小登"更难 面对行业的疯狂内卷，当今AI的牌桌上已无人轻松，即便是手握千亿美金、掀起全球AI竞赛的OpenAI，也深陷"烧钱黑洞"。根据OpenAI截至2025年7月的统 计，ChatGPT约有3500万的付费用户，这个数字仅占周活跃用户的5%。 行业标杆尚且在商业化的钢丝上摇摇欲坠，散落在牌桌各处的中小AI公司面临的压力更是成倍增长。 "老登"怕"小登"弯道超车、"小登"怕看不见黎明。左右为难之间，双方心照不宣地走到了一起。 另一方面，依靠技术创新起 ...

2025年的帷幕已经落下，这一年中，AI行业无疑走过了极具里程碑意义的一程。从技术范式的革 新，到商业逻辑的重构，从产业应用的落地，到全球规则的博弈，这一年既有突破，也留下诸多思 考。 以下文章来源于经济观察报观察家 ，作者经观观察家 经济观察报观察家 . 理性，建设性 AI已经进入"下半场"。技术边界不再只是把模型做得更大、更 久，而是重新定义问题、重塑评估方式、判断未来路径。越来 越多的企业意识到，AI的核心从"解决问题"转向"提出什么问 题、如何衡量进步"，而这种能力往往出现在长期浸泡在一线 研究中的年轻技术派身上。 作者：陈永伟 封图：图虫创意 鉴于AI发展错综复杂，这里只能从十个侧面做一个简要回顾。 在设计原生多模态模型的过程中，很多人逐渐意识到：多模态模型的真正瓶颈，并不在于它能不能 看图、听声音，而在于能否把视觉、语言、时间与空间组织成一个可推理、可行动的统一表征。现 在的大模型在语言上已经高度成熟，却依然缺乏对三维空间、物理约束和因果关系的系统理解。因 此，下一代AI的突破重点，可能并不在于再多几个参数，而在于能否构建对真实世界的内部模型， 使其可以在脑中"预演"行动后果。在这种思路之下，"世 ...