How Tolan builds voice-first AI with GPT-5.1

让欧美老外彻底“真香”，这家中国割草机器人品牌正在定义一个行业新标准

让欧美老外彻底“真香”，这家中国割草机器人品牌正在定义一个行业新标准

梦瑶 2026-01-07 18:10:57

要是没来CES，都不知道具身智能机器人的又一个垂直场景，也被中国玩家占领了高地。 前几年，这个位置属于扫地机器人，而现在相似的剧本正在割草机器人身上重演——从技术成熟度到市场推进速度，中国厂商依旧走在前面。 在这条赛道上，一家名叫未岚大陆的中国厂商已经率先跑出了结果，把割草机器人送进了「四十万」欧美家庭的真实使用环境中。

△Navimow X4 CES 2026 现场互动体验

就在今年的CES 2026现场，未岚大陆把最新产品、能力演进以及背后的核心技术，一次性完整摊开。 重磅发布了面向大面积全地形庭院、主打极致性能的X4旗舰系列；搭载三重融合定位技术、专为复杂庭院设计的H2系列；针对中小面积、全驱不伤草的i2 AWD和兼顾精准导航与轻松上手的i2 LiDAR；以及面向商业场景的Terranox系列五大新品阵容。

△Navimow CES 2026 新品阵容

通过其行业领先的「Xero-Turn™ 零转全驱、越障不伤草」解决方案，与全系列支持的「免部署、自动建图」功能，共同呈现“Navimow标准”体系下的具体实践。 台前看到的是一整套行业标准，台后其实全是技术硬活儿。 那么问题来了，未岚大陆到底是用了哪些带派的招数，才能让这些风吹日晒的小小割草机器人不再频频卡bug的？

定位部署这一步，终于不用人“下场”了

大家应该都有过这种经历：每次我们要去一个陌生地方的时候，都会先打开导航App，确认自己目前的定位，接着设定目的地，然后跟着导航的方位指示出行。 u1s1，这套逻辑放到机器人身上其实也适用，割草机器人导航核心解决的就三个问题：我在哪儿、我要去哪儿、我怎么去。 其中“我在哪儿”说的就是「定位」问题，小小机器人得知道现在具体的位置才能开始工作，而在真实的庭院环境中，定位要想稳定成立，首先得把活动范围划清楚——明确哪些地方能去、哪些地方不能去，避免机器人跑偏或越界，也就是要做定位部署工作。 最初，割草机器人的定位部署主要采用的是传统「物理埋线」方法。 在草坪边缘埋一圈电缆，机器人通过无线电信号判断边界，来判断自己能不能往前走，但是这样的部署过程真的很苦命！不仅整个埋线过程要耗费几个小时，精度也不高，草坪边界一变就要把线挖出重来… 于是这几年整个割草机器人行业也一直反复琢磨：怎么把定位部署这事儿，做得又简单又精准呢？

方法总比困难多，聪明的厂商们很快换了新思路，在第二阶段开始引用「RTK」定位技术。 不用人工埋线，只需要安装天线和基站，再拿着手机遥控机器，绕庭院溜达一圈，就能建立地图和作业边界，定位部署流程大大缩短，目前市面上主流割草机器人大多都是这么处理的～ 从有线到无线的部署，确实是一次不小的跨越，但在未岚大陆看来，这一步还远没到终点。 团队成员又开始动起了小脑袋瓜儿：定位这件事，能不能再少一点部署，甚至…干脆做到“开箱即用”呢？ 在这次发布的新品中，未岚大陆给出的答案是：让全系产品实现「免部署、自动建图」。 简单点说就是，彻底丢掉了之前定位部署过程中所需的埋线、插杆、遥控建图等麻烦步骤，真正做到开箱即用。 借助GeoSketch™可视化编辑功能，用户可以直接在APP中将庭院实景投射为全彩实景的可交互地图。 感觉整个过程更像是在玩《我的世界》，画面能拖能拽，地图清晰可见，还能直观地进行互动编辑～

此外，用户还能针对不同区域定制专属的割草计划，将专业级庭院规划变得更easy，大幅增强了可操作性与控制感。 对用户来说，这种体验上最直观的变化不光是省时间，更关键的是心智负担被拿掉了。 不用再研究部署步骤，也不用反复对着说明书折腾，上手就能直接用起来，后面想改区域调细节，打开App点几下就行，省力更省心。 当定位部署从一套需要经验和耐心的工程流程，变成普通用户也能轻松完成的日常操作时，割草机器人这类产品，也就进一步具备了大规模走进家庭和长期使用的条件了。

再复杂的庭院环境，导航定位也能稳稳接住

不知道大家跟我一不一样，对割草机器人的印象主要来自于美剧， 就像《绝望的主妇》中Gaby连夜除草的经典场景，总感觉它看起来已经像是一件成熟得不能再成熟的产品。

但现实可没那么理想，因为老外家里的庭院状况真的太——复——杂——了： 面积大不说，坡多、拐弯多、遮挡物还多，再加上天气变化带来的各种干扰，割草机器人的定位和导航就很容易出问题，一个不小心就晕头转向找不着北了… 为了解决这个行业老大难问题，在这次CES展出的系列新品里，未岚大陆给产品补上了一项关键能力——「EFLS™ LiDAR⁺三重融合定位系统」。 在固态激光雷达基础上，叠加视觉感知与Network RTK，并结合AI算法进行实时数据协同处理，实现了在极端复杂环境下的厘米级精准建图与稳定导航。 不卖关子，具体咋实现的，咱往下看！

懂定位的Network RTK

刚才我们聊到了割草机器人的免部署、自动建图的功能，但是要实现这项能力可没那么简单，背后得有强大的技术能力支撑。 其中，就包括未岚大陆在这次系列新品中引入的「Network RTK」定位技术，我们可以把它理解成一种接入网络的RTK。 未岚大陆总裁兼CTO陈子冲提到，在传统RTK定位中，基站的位置直接影响了定位效果，一旦被房子、树木挡住，机器人能“看到”的卫星定位信号数量就会明显减少，定位精度自然跟着下滑。 而Network RTK的技术逻辑很有意思，它不再需要用户在院子里自建基站，而是通过4G/网络，直接接入运营商侧已经长期部署、持续校准的RTK基准数据，把原本依赖现场条件的那部分能力，交给网络侧来执行！

这样一来好处很直接，首先就是定位部署这一步被明显压轻，用户不再需要在庭院里架天线、建基站，而是通过网络接入定位基准，进而实现真正意义上的免部署。 此外，由于基准数据来自视野更开阔、稳定性更高的网络侧，机器人的信号就不再那么容易被庭院不确定的环境变化牵着走，整体定位准确度和一致性也随之提升。 从RTK到Network RTK，未岚大陆的想法其实很明确：在尽量帮用户省力的同时，把原本受外部环境制约很大的定位问题补齐，让机器人在不同环境条件下都能把定位稳住。 放到割草机器人身上，这一步带来的意义也很明显。 割草机器人的定位能力逐渐从一个需要反复调试、容易出问题的环节，转变为能够在复杂庭院环境中持续发挥作用的基础能力，也为整个割草机器人行业，在定位这件事上铺出了一条更稳定、更可复用的长期路径。

能感知环境的固态激光雷达

当我们真正把割草机器人丢进现复杂实庭院环境后，我们还会发现一个很容易被忽略的问题：单单知道「我在哪儿」，还远远不够。 小机器人们还得具备一定的环境感知能力，清楚地知道周围环境的情况，比如哪儿能走，哪儿不能走。 而这项能力很大一部分正是由激光雷达来承担的：它负责把真实、立体、充满细节的庭院，变成机器人真正“看得懂”的空间结构。 给大家小小科普一下，激光雷达不算是个新技术，目前已经经历了几轮技术迭代，但…多少都有点小问题。 最早的机械式激光雷达，靠转动结构扫描环境，体积大速度慢，用久了还容易磨损，主要应用在自动驾驶测试车场景。 后来出现的混合固态、半固态激光雷达，虽然在体积和扫描速度上有所改善，但仍然保留了运动部件，长期使用场景下可靠性问题并没有被彻底解决。 考虑到目前激光雷达的技术bug，在本次发布的新品中，未岚大陆采用了最新一代「固态激光雷达」技术，彻底解决了机械雷达在高振动、强户外、追求轻薄美观的消费级产品上的可靠性、耐用性与集成度难题。

未岚大陆CEO任冠佼表示，在耐用性上，由于固态激光雷达没有转动部件，也就少了震动和磨损带来的偏差，小体积也更容易藏进机身里，长期在颠簸、冲击不断的庭院环境中，感知能力更容易保持稳定。 其次在分辨率上，固态激光雷达传感器每秒可扫描约20万个点，其成像精度是行业内普通机械雷达的4倍之多，能够提供更多环境细节，配合70米的长测距和50ms的扫描间隔，机器人在复杂庭院里也能看得更远、反应更快～

△Navimow i2 LiDAR 固态激光雷达

对应到避障层面，变化同样明显，配合「视觉能力」，固态激光雷达能轻松识别出1厘米左右的障碍物，整体可识别的障碍类型超过200种。 秋千、蹦床、滑梯这些固定设施不用多说，就连在院子里活动的小动物、走动中的人，也能被提前感知，并在接近前完成减速、绕行和安全距离判断，而不是等到快撞上了才急刹～ 环境感知足够可靠之后，割草机器人才能真正融入日常生活，用户不需要为了它改变庭院生活习惯，安全、避障这些事，开始由机器人自己承担。 也正因为这种稳定、精确的环境感知能力，固态激光雷达才会被视为未来高级自动驾驶的重要方向——而在割草机器人这个场景里，它已经提前在未岚大陆的产品线中发挥出了技术的价值。

会融合3D信息的AI视觉能力

如果说LiDAR更像是在摸环境，负责量距离算高低，那在割草机器人身上，Vision就是负责「看」的那一部分。 Vision干的事很直观：它可以告诉机器人，这是一整片草坪、那是围栏、那边是花坛，哪些地方能走，哪些地方最好避开。 但问题在于，目前行业应用的Vision方案大多仍然采用单目视觉，也就是一颗摄像头，虽然能大概齐知道眼前物体是什么，但一到该算距离、抠细节的时候，就容易判断失准。

这次未岚大陆给出的思路很直接，通过融合固态激光雷达的3D数据信息，让割草机器人在视觉上具备更精细的AI识别能力。 逻辑也很简单，摄像头先把庭院环境拍下来，提供完整的画面，固态激光雷达同步给出对应的3D信息，包括高度和距离等等，由于AI模型已经在大量数据上训练过，就能轻松把画面中的像素特征和具体语义对应起来进行判断。 机器人不但知道前方物体是什么，还能够结合空间信息判断它是高是矮、是扁是立，是边界杂草还是需要避开的障碍物。 这样一来视觉上就能实现厘米级的精准度，眼前东西要不要割、哪里能走哪里要避开，对小机器人们来说都不在话下了～

可优势互补的三重融合定位系统

目前，行业在定位和导航上的主流方案，大多采用RTK+Vision的组合方式：一个负责定位，一个负责看环境，条件允许还会再叠加雷达技术做感知兜底。 但叠起来也不是就高枕无忧，RTK能定位但吃亏在对信号要求高，Vision看得懂环境但怕光线和环境变化，雷达能感知环境和物体，但在啥都没有的空旷地，也会有点犯懵。 简单说就是，组合能提升覆盖面，但盲区依然存在，因为每家每户的庭院结构都不一样，每种技术自身的bug都容易钻空子。 好在，如今有了新解法～ 未岚大陆这次推出的「EFLS™ LiDAR⁺三重融合定位系统」，直接把最新一代固态激光雷达、Network RTK和Vision拉到一块儿干活，谁在当前环境说话好使就听谁的，这样一来割草定位问题对小机器人来说就是手拿把掐～

△Navimow H2 狭窄地区导航示意图

我们举个复杂庭院场景的的例子大家就明白了。 我们来想象这样一个庭院场景：一侧是自家的草坪，另一侧可能紧挨着邻居的房子，中间有道路、篱笆、灌木，后面再接一块更大的草坪，看起来很规整，但细节其实非常多。 在这种环境里，房子、树木、灌木都会形成遮挡，单靠Network RTK网络定位，容易信号出现不稳的情况，这时候固态激光雷达和视觉感知就成了关键补充。 此外，当灌木附近有泥巴时，由于泥巴长得大差不差，机器人的视觉感知可能会出问题，这时候固态激光雷达就可以通过空间结构，把灌木的轮廓、高低关系感知清楚，帮助机器人稳住做出导航判断。 再比如，当机器人进入一块儿大草坪空间时，周围几乎没有明显参照物，视觉和雷达反而缺少足够特征点，这时Network RTK网络定位反而会更加稳定，精准告诉机器人「我在哪儿」，保证整体位置不跑偏～ 也正因为如此，「EFLS™ LiDAR⁺三重融合定位系统」真正带来的价值，并不是让某一项能力变得极致，而是让定位和导航这件事不再被单一场景牵着走。庭院越复杂，越需要三种技术一起配合。 用户不需要为了适配机器人去刻意调整院子，也不用担心环境一变化导航就失效，在此基础上，割草机器人的定位导航能力，才真正具备了在不同庭院环境下都能成立的稳定性。

原地转向+控制算法，伤草问题有救了

不知道大家留没留意过有一个蛮有意思的现象： 在各大割草机器人厂商的宣传演示视频里，小机器人们看起来都割得很好，可一到真实庭院，原地一转，草坪上的磨痕基本谁都躲不过…

目前市面上主流的割草机器人沿用的普遍是「硬转向」思路。 四个轮子本身并不能转向，原地掉头完全依赖正反转来实现，转向过程中不可避免地产生侧向摩擦，实际使用中草坪上经常会留下明显磨痕，本质上既伤草，也会加速轮胎磨损。 针对这个问题，未岚大陆这次提出了行业领先的「Xero-Turn™ 零转全驱、越障不伤草」的解决方案，专门解救被割草机器人无情伤害的草坪！ 在底盘上，未岚大陆这次引入了「零转模组」，在原有动力轮之外，引入可调角度的零转轮，让轮子真正具备主动转向能力。 具体来说，在转弯时，提供驱动力的动力轮持续输出，由零转模组控制的转向轮不再简单地同步摆向同一角度，而是根据内外侧差异，形成不同转角，模拟真实车辆的转向轨迹。 需要像汽车一样拐弯时，前面的轮子可直接实现转向；需要原地掉头时，轮子就也能被调整到特定角度，直接在原地完成转向，全程不蹭地、不伤草。

△Navimow X4 复杂地形穿越

在这种分工下，轮子的运动方向始终与自身滚动方向保持一致，转向过程中几乎不再产生横向拖拽。草地承受的受力，也从原本的侧向撕扯，转为更可控的纵向滚压，磨痕自然明显减少。 为了防止复杂地形下的意外伤草，未岚大陆在软件层面还引入了稳定控制逻辑，通过电子稳定控制算法（ESC），让机器人在坡地横向行走时实时感知姿态并进行修正，避免机器下滑。 同时结合牵引力控制逻辑（TCS），持续计算四个轮子的相对运动关系，防止在湿滑草皮上打滑空转，避免对草坪造成刨坑式损伤。 通过硬件与软件的深度协同，该技术实现了高效作业与生态友好之间的统一， 重新定义了高端智能割草机器人的性能标准，目前此技术在X4系列和i2 AWD上已经实现了完美应用～

大家发没发现，割草机器人虽然看起来是一个高度垂直、边界清晰的应用，但它所依赖的技术路径，并不封闭。 未岚大陆围绕Navimow标准所建立的技术体系，真正产生影响的也不只是某一款特定产品的体验，还会在具身智能机器人整体技术体系中，沉淀出一套可复用、可扩展的工程范式。

当定位、导航、执行等关键能力被统一纳入同一套框架中，行业中长期存在的不确定性，开始被系统性地收拢。 这意味着，割草机器人能否稳定运行、是否覆盖更多真实场景、效果能否长期保持，不再主要依赖经验和运气，而是逐步进入可验证、可评估、可持续优化的状态。 而对用户而言，这种变化来得更直接：许多原本需要自己兜底的事情，开始被一个方案标准接走。 免部署、自动建图，让设备从开箱那一刻就进入可用状态；精准靠谱的三重融合定位系统，让用户不必为了机器人的导航问题而抓耳挠腮；零转全驱与越障不伤草的设计，则解决了机器人频繁伤草的老bug。 你会发现，割草这件看起来简单、却总是小毛病不断的事，正在悄悄发生变化，从需要时刻盯着、反复介入，慢慢变成了一件可以放心交给机器去完成的日常。 当技术标准不再停留在方法论和方案层面，而是真正进入长期运行，并持续作用于真实使用场景时，行业看到的第一个完整落地案例，已经出现——来自未岚大陆。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 AI机器人 CES 港科大教授实测AI眼镜“作弊”：30分钟碾压95%的学生，把传统教学评估体系整破防了2026-01-06 对科技圈，小红书是个「新绿洲」2025-12-30 OpenAI首款硬件定型为笔！网友：就叫oPen吧2026-01-04 ViT一作盛赞：这个中国开源“PS模型”强过Nano Banana2025-12-29

重塑虚实边界：智元机器人发布首个大语言模型驱动的开源仿真平台Genie Sim 3.0

重塑虚实边界：智元机器人发布首个大语言模型驱动的开源仿真平台Genie Sim 3.0

2026-01-07 15:44:52

建开源共享，共创智能未来 当仿真环境的真实性逼近物理世界，当场景构建的效率以“自然对话”和“分钟”来衡量，具身智能的研发范式将发生根本性改变。智元机器人在CES国际消费电子展首日正式发布首个大语言模型驱动的开源仿真平台——Genie Sim 3.0。 基于NVIDIA Isaac Sim ， Genie Sim 3.0 融合三维重建与视觉生成，打造数字孪生级的高保真环境；首创大语言模型驱动，让万级场景的生成只需几分钟；同步开源包含真实机器人作业场景的上万小时仿真数据集；并构建了覆盖10万+场景的多维度智能评估体系，为模型能力绘制全景画像。 从数字资产生成、场景泛化、数据采集到自动评测的全流程功能，这一整套完整闭环的解决方案，将显著加速模型训练验证，降低对物理硬件的依赖，助力开发者与研究者的研发效率，推动具身智能的创新应用。 项目主页：https://agibot-world.com/genie-sim Github: github.com/AgibotTech/genie\sim Modelscope: https://modelscope.cn/datasets/agibot\world/GenieSim3.0-Dataset

五大核心亮点，开启具身仿真新纪元

01/ 数字孪生级高保真仿真环境 传统仿真难以兼顾视觉逼真与物理真实。Genie Sim 3.0 开创性地将三维重建、视觉生成技术与物理引擎深度融合，实现了视觉真实感与物理精确性的统一。 精准重建：依托 MetaCam 手持3D激光扫描仪，结合高分辨率RGB、360° LiDAR点云与厘米级RTK定位，实现对真实环境的毫米级精准复刻。 视觉增强：利用视觉生成模型，智能合成新视角图像增强3D重建，极大提升了仿真环境的视觉逼真度。 资产生成：对于任意物体，仅需一段60秒环拍视频，即可快速生成带精确网格的仿真模型，大幅提升场景构建效率。 02/ 首创自然语言驱动的场景生成与泛化 告别手动编写复杂逻辑的场景生成方式，在Genie Sim平台中，开发者输入自然语言指令即可驱动平台在分钟级内自动生成、泛化成千上万个训练与测试场景。 对话式创建：直接输入如「生成一份蛋白质和维生素含量丰富的晚餐」的指令，平台自动理解并构建出结构化的仿真场景。 智能编辑与泛化：生成场景自带结构化信息与视觉预览，可进一步通过对话进行场景增广、细节增删、布局调整，最终输出满足要求的仿真场景。

03/ 全量开源仿真数据集与高效采集方案 具身领域最大规模开源仿真数据集，涵盖200余项任务、总时长上万小时，为模型研发提供坚实的数据基石。 多维度数据：数据集包含RGB-D、双目视觉、全身关节状态等多传感器信息，并覆盖背景、布局、光照、噪声等多种泛化维度。 智能采集工具：平台提供低延迟遥操作与自动任务编排双模式采集，结合自动化标注实现高效数据生产。 独创错误恢复机制：任务失败后可自动回退至关键节点续采，将数据采集损耗降至最低。 零样本Sim2Real：仿真数据训练完成后，实现零样本迁移到真实世界，任务成功率超过真实数据训练。

04/ 超十万仿真场景，勾勒模型全景能力画像 模型评估不再仅限于“成功率”。Genie Sim Benchmark 3.0 构建了基于 10万+ 仿真场景的立体评估体系，结合LLM与VLM技术，从多个维度为模型绘制深度能力画像，是当前业界覆盖最全面、最权威的具身智能模型评估基准。 自动化评测生成：评测指令与步骤可由LLM根据场景语义自动生成，并转化为可执行流程。 多维度深度评估：通过视觉语言模型（VLM），从语义理解、空间推理、操作精度、时序逻辑等多维度进行综合评价，清晰揭示模型的能力边界与薄弱环节，指引明确的优化方向。

虚实一致的评测结果：仿真与真实世界评测差异 Jay 发自 凹非寺量子位 | 公众号 QbitAI 央企第一家AI独角兽，诞生了。 中电信人工智能科技（北京）有限公司（以下简称中电信AI公司），宣布完成首轮增资、引入四家国家级战略投资方，此举使得这家AI独角兽的「国家队」旗帜，更加坚实醒目。 这是对其成绩的认可。自大模型开启AI 2.0范式以来，中电信AI公司成为国家队出征代表，并且从第一天开始就坚定技术自研路线，积极响应国家「开源协同、自主可控」的发展方向，持续加码基础能力建设。 而现在，这支早早出征的AI国家队，也率先成为了央企里第一家AI独角兽，实现了技术认可到市场认可的闭环。 弹药和粮草的补足，实际也是全球AI竞争更大决战的预示。大模型的争夺经过第一阶段收敛，已经到了决赛圈，而中电信AI公司，三军未动，粮草充足——背后是国家战略坚实的支撑。

科技领域的重大突破，几乎是历史上所有大国，在崛起前的前兆。 今天，AI无疑是那道正悄悄酝酿，不知何时会猛然爆开的闷雷。 在此背景下，当一只来自央企的独角兽，选择靠自研模型闯入科技巨头们殊死相搏的AI赛道，会如何撬动暗流涌动的全球科技竞争格局？

央企首家AI独角兽

AI竞争，彻底进入白热化。 奇幻的2025年，先有DeepSeek的横空出世，打破既有产业格局；后有硅谷科技巨头全面开战，不断加大Scaling杠杆；最终，以谷歌逆风翻盘、反超OpenAI，拉下帷幕。 中电信AI公司此次跻身独角兽之列，如同一支身着国家队队服的选手突然现身，在新一轮逐鹿中原中率先冲锋，全力踩下了油门。 而这只央企独角兽的战略融资方，个个声名显赫： 首先是国家人工智能基金和北京人工智能基金。这两家基金，皆代表着国家级资源的倾斜。但在具体把关方向上各有所侧重： 前者，属于牵头的战略性引导基金，不追求短期变现退出，旨在长期投资芯片、算法等AI基础设施。这种强政策属性资本的存在，能为「高风险、长周期、卡脖子」的项目兜底。允许企业在这个急躁的市场环境中稍微「慢」一点，优先专注于技术本身。 后者，由北京市政府主导出资，聚焦AI生态建设，打造产业闭环。 与以往「单点作战」的技术发展范式不同，本轮技术革命讲究「集中力量办大事」。以GPT时刻为例，这个惊人的涌现，需要Transformer算法、GPU工程、高质量数据集等多项突破。 而凭借北京人工智能基金这张认可度极高的「名片」，企业或许能更顺利地嵌入生态位上下游，最大程度调用各项资源，接入庞大产业应用场景。 华舆高新交控基金，这是中车资本旗下投资平台。这意味着，其背后是庞大的轨道交通实体产业资源。 在当前技术周期下，AI产品的落地场景依然高度模糊，真正可规模化、可持续的场景并不多见。而这类产业资本，恰好能够为AI提供一个天然的「试炼场」。一旦跑通，能在很长一段时间内为企业带来持续收入。 这种可预期的变现能力，在市场环境收紧、投资方资产负债表受损时，展现出其重要性。 毕竟，谷歌凭借Gemini 3 Pro的翻盘，已经证明了一件事：一个跑得通的商业模式，能为企业提供极其宝贵的试错空间。 最后一位，央视融媒体基金，与中央电视台联动，拥有顶级宣传资源。 AI时代，信任本身就是一种稀缺资源。能有央媒的背书，无疑更容易得到市场的关注与信赖。 而当这样四家国家队投资方一同现身，传递的信号呼之欲出。 毕竟，一边是提供政策导向洞察的引导资本，一边是能真刀真枪检验AI的实体产业试炼场，待锤炼成熟后，还有能「背书」的权威官媒。这几块跨资源的拼图碰撞在一起会迸发出的火花，光是想想就令人兴奋。 比起简单的融资，中电信AI公司这次，更像是借助「增资」，把分散在各个产业腹地的「江湖高手」攒到了一块，携手为国家队的道场坐镇，合力攻克单一企业无法解决的行业技术和产业的壁垒。 2026年初，面对即将到来的新一波科技巨浪的冲刷，有这么一家国家队AI独角兽的出现，或许也能让中国AI行业更从容地面对百年未有之大变局。

为什么是中电信AI公司？

资本和身份已经说明「被看好」，其背后的理由，还是靠实力说话。 既然是AI公司，首先要看的，自然是作为技术底座的基础模型，到底成色如何。 这家央企AI独角兽的底气，来自其「全模态、全尺寸、全国产」的「三全」模型体系——「星辰」系列大模型，覆盖语义、语音、视觉、多模态四种核心能力，在多项国内外权威评测中位居前列。

星辰语义大模型是基于全国产化万卡集群和国产深度学习训练框架打造，近期，中电信AI公司更正式开源了MoE语义大模型TeleChat3-105B-A4.7-Thinking，在多项benchmark上比肩业内头部。更有战略意义的是，其语义大模型累计下载量已突破40万，成为国内生态开源的重要力量。 星辰语音大模型，覆盖语音识别、语音生成和端到端语音对话三大核心能力，支持60多种方言的自由混说，已在中国电信万号智能客服规模落地，日均处理超过100万通电话。 星辰视觉大模型，在跨模态检索上达到国际领先水平，支持自然语言精准检索图片或视频，已在多地市的防汛防涝、应急指挥救援、电动自行车入梯识别等实际场景中投入使用。 星辰多模态大模型，整合语义理解、语音合成以及数字人等多项前沿技术，为更复杂的内容生产和交互形态打下了基础。 这些突破，不仅说明中电信AI公司的模型底子相当扎实，更重要的是，这代表国家队正在亲自出手，逐步打破硅谷的技术垄断。 或许正是这个原因，让星辰大模型成功入选2025年度央企十大国之重器。 不过，自研模型的真正意义，不止于此。 掌握技术话语权，能让企业在面对战略和产品路线的抉择时，有更强的底气。 事实上，凭借这种底气，中电信AI公司已成功实现toC和toB的双向开花，并且硕果累累。 先看C端： 央企首个视频生成创作工具TeleStudio，支持2K分辨率、20秒以上长镜头和精准动作生成，并通过语音驱动口型、音乐驱动动作等能力保持了高质量输出。

天翼智能防诈，提供全流程通话守护，包括来电风险提醒、通话中实时告警、挂机后风险报告。 硬件方面的想象力则更为丰富。包括能实时翻译的AI眼镜，面向家庭育儿场景的AI智伴玩偶等。 形态多种多样，但背后是一个底层逻辑：让星辰大模型渗透进日常生活中的方方面面，帮用户从手机屏幕中解放双手，用更自然、更优雅的方式完成智能交互。 再把目光转向B端： 如果TeleStudio、天翼AI眼镜是提升用户创作和生活品质的伙伴，那么星辰超级智能体，则是深入企业业务的「超级同事」。

智能体要想在产业中创造价值，最关键一步，就是将模型能力和企业业务需求对齐。任何一环脱节，都会让效果大打折扣。 因此，比起一味强调「简单、上手快」，星辰超级智能体更强调因地制宜的能力。为企业提供更高自由度的定制能力，方便其围绕自身业务，对模型进行更细颗粒度的打磨。 不过，现实生活中的工作场景那么多，单个公司再怎么努力，永远无法覆盖到所有的长尾领域。 想要真正赋能千行百业，需要的是生态。 为此，中电信AI公司打造了一站式的智能体「训练基地」，星辰MaaS平台。

借助这一平台提供的完整工具包，企业可以根据自身需求，灵活组建专属的「AI军团」。 值得注意的是，星辰MaaS平台并不是一个单纯的技术提供方。为了真正让生态壮大起来，中电信AI公司还通过系统化培训，手把手帮助客户学会部署、管理和优化智能体。 截至目前，星辰智能体平台公有云已服务数万名开发者，累计创建智能体数量突破10万；在私有化部署层面，相关方案也已在超过50家大型国央企中成功落地。 归根结底，国家队，天生擅长推动产业落地。 这背后有三层背景： 首先，央国企内部本身就有海量可落地场景。 在这个训练场中，新产品能通过内部测试快速得到反馈，然后基于此迭代。 最终交付出来的，是一个已经经过千锤百炼，并且有大量可验证数据做背书的完整产品。 其次，中国电信在产业落地层面，本就经验丰富、营销渠道丰富。 2024年，其产业数字化收入达到1466亿元，整整占当年整体营收近30%。在与各大国企、市政深度合作的过程中，沉淀了宝贵的经验。 另外中国电信拥有超10亿的公众客户、上千万的政企客户及遍布全国的渠道网络，为AI的应用和落地提供了天然的土壤。 第三，也是经常被低估的一点：央企本身就对安全合规性有非常严苛的要求。 在智能体需要与业务架构深度嵌合才能创造价值的背景下，对企业而言，这不是锦上添花的加分项，而是必须纳入决策考量的前置条件。 综上，央国企，天然适合承担「连接前沿技术与产业」的那座桥梁。 这或许也会逐渐成为未来AI行业的一种分工方式：基础模型厂商负责钻研模型，科技大厂侧重生态构建，创业公司深耕垂直场景…… 而国家队，则负责把技术推向大规模产业落地，让更多普通人吃到技术发展的红利。 面对竞争异常残酷的AI生死时速，本可以只把控宏观方向的中电信AI公司，却毅然进军技术一线，全力深耕自研大模型。 这既是对国家政策导向的回应，也是中电信AI公司基于自身使命与责任，所做出的选择。 毕竟，只有技术话语权掌握在自己手上，才能避免重演当年安卓生态被谷歌「拉闸」的被动局面。才能保持自主节奏，最大程度释放AI的价值。

慢一点，深一点，远一点

当一家央企坐上全球AI独角兽的牌桌，或许会给这个寸土必争的行业，带来一道更宁静、但也更长远的风景线。 代表国家队出场的中电信AI公司，虽同样全速行驶于AI发展的高速公路上，但其骨子里，始终恪守着「长期主义」这四个字。 以数据标注为例，中电信AI公司并不止是提供平台的「技术方」，而同时扮演着三个角色：生态规划者、产能运营者、新职业培育者。 作为规划者，它结合地方产业特色，协助政府引入上下游企业，搭建数据生态。 作为运营者，它调配平台资源，为各地标注基地提供稳定、可持续的订单，保障「有活干」。 作为培育者，它建立标准化培训体系，持续孵化数据标注师、AI训练师等新型人才。 说到底，国家队所追求的，不是短期的项目利润，而是通过技术赋能带动产业发展，通过产业发展培育出繁荣的AI生态，最终实现多方共赢的长期价值。 生态繁荣能带来的正外部性，远超任何单一项目的短期收益。 如今，随着中电信AI公司跻身AI独角兽之列，也代表其一直坚持的这套「长期主义」打法，得到了资本市场真正的认可。 而当AI行业，出现一只长期主义色彩的独角兽，我们或许终于有机会，给这台过于滚烫的机器降降温—— 有时候，慢一点，可能走得更远。 全球AI竞争态势愈发复杂，中国开始重塑全球AI竞争格局。科技革命是个引子，真正能带来全球竞争格局巨变的，往往是伴随技术范式更新而来的产业革命。 这意味着，国家想抓住这波机遇，在突破技术瓶颈的之外，还必须同步发展相关的产业基础设施。这是一项规模更大、周期更长、更困难的任务。 在此背景下，国家队身份的中电信AI公司，先是靠自研模型从既有技术霸权结构中破局而出，如今又通过增资进一步加码，联手四家跨资源国家队资本，全方位协同产业链，加速推动AI赋能千行百业。 而当AI真正实现大规模落地，最终渗透进每个人日常生活点点滴滴的那天，我们会知道——国家队+自研模型，真正能带来的价值是什么。 「央企第一家AI独角兽」，或许只是起点。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 中国电信 马斯克宣布：量产脑机接口，手术全自动化2026-01-02 MiniMax作价461亿港元募资46亿，1月9日敲钟代码001002025-12-31 千人千面的真人级AI名师，劈开教育「不可能三角」2025-12-30 良心老黄不搞硅谷资本家那套！Groq人均套现500万美元2025-12-29

NVIDIA 发布全新物理 AI 模型，全球合作伙伴展示新一代机器人

NVIDIA 发布全新物理 AI 模型，全球合作伙伴展示新一代机器人

梦晨 2026-01-07 17:25:06

，通过 AI 驱动机器人推动各行各业实现转型

摘要：

从移动机械臂到人形机器人，Boston Dynamics、Caterpillar、Franka Robotics、Humanoid、LG Electronics 和 NEURA Robotics 均推出了基于 NVIDIA 技术构建的新机器人和自主机器。 NVIDIA 发布了全新的 NVIDIA Cosmos 和 GR00T 开源模型和数据，用于机器人学习和推理，还发布了用于机器人评估的 Isaac Lab-Arena，以及边缘到云端计算框架 OSMO，以简化机器人训练工作流。 NVIDIA 和 Hugging Face 将 NVIDIA Isaac 开源模型和库集成到 LeRobot，加速开源机器人开发社区的发展。 NVIDIA Blackwell 架构驱动的 Jetson T4000 模组现已发售，将能效与 AI 算力提升至 4 倍。

拉斯维加斯 —— CES —— 太平洋时间 2026 年 1 月 5 日 —— NVIDIA 今日宣布推出用于物理 AI 的全新开源模型、框架和 AI 基础设施，并展示了全球合作伙伴为各行业打造的多款机器人。 NVIDIA 的全新技术能够通过加快整个机器人开发生命周期的工作流，加速新一代机器人开发浪潮，包括构建能够快速学习多种任务的“专家级通用”机器人。 全球领先的机器人企业，包括 Boston Dynamics、Caterpillar、Franka Robotics、Humanoid、LG Electronics 和 NEURA Robotics 等正在借助 NVIDIA 机器人开发栈推出 AI 驱动的全新机器人。 NVIDIA 创始人兼首席执行官黄仁勋表示：“机器人开发的 ChatGPT 时刻已然到来。物理 AI 领域取得了突破性进展，这类模型具备理解现实世界、推理和行动规划的能力，持续催生全新的应用场景。NVIDIA 的全栈技术，包括 Jetson 机器人开发处理器、CUDA、Omniverse 和开源物理 AI 模型为我们全球合作伙伴生态系统注入动力，通过 AI 驱动机器人推动各行各业实现转型。”

全新开源模型推动机器人学习和推理的发展

要将成本高昂、功能单一且难以编程的机器转变为具备推理能力的“专家级通用”机器人，需要投入巨额资金和大量专业知识来构建基础模型。 NVIDIA 正在构建开源模型，助力开发者绕过资源密集的预训练阶段，专注于打造新一代 AI 机器人和自主机器。这些新模型均可通过 Hugging Face 获取，包括： Ÿ NVIDIA Cosmos™ Transfer 2.5 和 NVIDIA Cosmos Predict 2.5：开源、完全可定制的世界模型，为物理 AI 实现基于物理原理的合成数据生成与机器人策略评估的仿真支持。 Ÿ NVIDIA Cosmos Reason 2：开源推理视觉语言模型（VLM），使智能机器能够像人类一样看见、理解物理世界并采取行动。 Ÿ NVIDIA Isaac™ GR00T N1.6：专为人形机器人打造的开放式推理视觉语言行动（VLA）模型，可解锁全身控制能力，并借助 NVIDIA Cosmos Reason 增强推理和上下文理解。 Franka Robotics、NEURA Robotics 和 Humanoid 正在利用 GR00T 赋能工作流对机器人的新行为进行仿真、训练和验证。Salesforce 正在使用 Agentforce、Cosmos Reason 和用于视频搜索和总结的 NVIDIA Blueprint，对其机器人采集的视频片段进行分析，同时将事件解决时间缩短一半。 LEM Surgical 借助 NVIDIA Isaac for Healthcare 和 Cosmos Transfer 训练 Dynamis 手术机器人，Dynamis 搭载 NVIDIA Jetson AGX Thor™ 和 Holoscan。XRLabs 利用 Thor 和 Isaac for Healthcare 为手术内窥镜提供支持，以外置手术内镜为切入点，通过实时 AI 分析为外科医生提供手术引导。

面向机器人开发的全新开源仿真和计算框架

可扩展的仿真对于机器人训练和评估至关重要，但当前的工作流依然分散且难以管理。基准测试通常由人工操作且难以扩展，而端到端工作流需要跨异构计算资源进行复杂编排。 NVIDIA 今天在 GitHub 上发布了全新开源框架，可简化这些复杂工作流，并加速从研究到现实应用的过渡。 NVIDIA Isaac Lab-Arena 是一个开源框架，已在 GitHub 上公开发布，旨在为在仿真中进行大规模机器人策略评估与基准测试提供协作系统。其评估层和任务层的设计与光轮智能紧密合作完成。Isaac Lab-Arena 支持对接 Libero 和 Robocasa 等业界领先基准测试体系，实现测试流程的标准化，并确保机器人技能在部署至物理硬件前具备稳健性与可靠性。 NVIDIA OSMO 是一个云原生编排框架，可将机器人开发整合至单一易用的命令中心。OSMO 支持开发者定义和运行跨计算环境（从工作站到混合云实例）的工作流，包括合成数据生成、模型训练与软件在环测试，从而加速开发周期。 OSMO 现已开放使用，并被 Hexagon Robotics 等机器人开发者采用，同时已集成至 Microsoft Azure Robotics Accelerator 工具链中。

NVIDIA 与 Hugging Face 一起加速开源物理 AI 开发

机器人现已成为 Hugging Face 平台上增长最快的领域，在蓬勃发展的开源社区中，NVIDIA 开源模型与数据集下载量持续领先。 为推动社区发展，NVIDIA 正与 HuggingFace 合作，将开源的 Isaac 与 GR00T 技术集成到领先的 LeRobot 开源机器人框架中，为开发者提供更便捷的软硬件一体化工具的获取渠道，加速端到端开发。此次合作连接了 NVIDIA 的 200 万机器人开发者与 Hugging Face 的 1300 万全球 AI 开发者社区。 GR00T N 系列模型 和 Isaac Lab-Arena 现已上线 LeRobot 库，便于开发者进行微调和评估。Hugging Face 开源的 Reachy 2 人形机器人将与 NVIDIA Jetson Thor™ 机器人计算机实现完全互操作，可供开发者运行包括 GR00T N1.6 在内的任何 VLA。Hugging Face 开源的 Reachy Mini 桌面机器人也与 NVIDIA DGX Spark™ 实现完全互操作，开发者可以基于 NVIDIA 大语言模型以及本地运行的语音和计算机视觉开源模型打造自定义体验。

人形机器人开发者采用 NVIDIA Jetson Thor

NVIDIA Jetson Thor 能够满足具备推理能力的人形机器人对海量计算的需求。在 CES 上，人形机器人开发者展示了目前集成 Jetson Thor 的最新先进机器人。 NEURA Robotics 将推出由保时捷设计的第 3 代人形机器人，以及针对精细化控制优化的小型人形机器人。Richtech Robotics 将发布一款可在复杂工业环境中进行精细操作和导航的移动人形机器人 Dex。智元机器人将推出面向工业和消费行业的人形机器人以及与 Isaac Sim 集成的机器人仿真平台 Genie Sim 3.0。LG Electronics 发布了一款可执行各种室内家务的新家用机器人。 Boston Dynamics、Humanoid 和 RLWRLD 均已将 Jetson Thor 集成至现有的人形机器人，用于增强其导航和操作能力。

推动物理 AI 赋能工业边缘

全新 NVIDIA Jetson™ T4000 模组为 NVIDIA Jetson Orin™ 客户提供高性价比、高性能的升级路径，千片起订量下单价为 1999 美元，将 NVIDIA Blackwell 架构引入自主机器和通用机器人领域。该产品能够在可配置的 70 瓦功率范围内提供 1200 FP4 TFLOPS 算力及 64GB 内存，性能较上一代产品提升至 4 倍，是能耗受限型自主系统的理想选择。 NVIDIA IGX Thor 将于本月晚些时候上市，将机器人技术扩展到工业边缘，提供由企业级软件提供支持的高性能 AI 计算与功能安全保障。Archer 使用 IGX Thor 将 AI 引入航空领域，从而提升飞机安全、空域集成以及具备自主化能力的系统等关键功能。 AAEON、Advantech、ADLINK、Aetina、AVerMedia、Connect Tech、EverFocus、ForeCR、Lanner、RealTimes、Syslogic、Vecow 和 YUAN 等合作伙伴现已推出搭载 Thor 的系统，面向边缘 AI、机器人和嵌入式应用。 此外，Caterpillar 正在扩大与 NVIDIA 的合作，将先进的 AI 和自主系统引入建筑和采矿领域的设备及作业现场。在 1 月 7 日（星期三）的 CES 主题演讲中，Caterpillar CEO Joe Creed 将与 NVIDIA 机器人和边缘 AI 副总裁 Deepu Talla 共同披露更多合作细节。 观看 NVIDA CES 现场直播，了解更多信息。 文首图片由 Caterpillar（左上）、LEM Surgical（右上）、智元机器人（左下）和 Franka Robotics（右下）提供。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 英伟达 最新英伟达经济学：每美元性能是AMD的15倍，“买越多省越多”是真的2026-01-01 能文能武！智元首个机器人艺人天团亮相湖南卫视跨年演唱会2026-01-01 Hinton加入Scaling Law论战，他不站学生Ilya2026-01-01 Manus收购案细节曝光：20亿刀闪电成交，CEO不向亚历山大王汇报2025-12-31

8块钱跑通一次强化学习全流程，潞晨云重塑微调赛道：1名算法工程师=1支Infra团队

8块钱跑通一次强化学习全流程，潞晨云重塑微调赛道：1名算法工程师=1支Infra团队

思邈 2026-01-07 15:16:23

国内首个！兼容Tinker范式且全面开放

大模型下半场的战火，已经从“暴力预训练”烧向了“后训练”战场。 无论是OpenAI o1的推理突破，还是DeepSeek-R1靠强化学习（RL）实现的性能飞跃，都释放了一个明确信号：

决定模型天花板的，不再只是算力堆砌，而是更精准的微调和RL迭代。 但现实很骨感——复杂的分布式基建、高昂的显卡租金、繁琐的架构调优，像一道道高墙，把无数算法工程师挡在了“炼丹房”外。 现在，这堵墙正在被推倒。 潞晨云微调SDK正式开放上线——这是国内首个全面开放、且兼容Tinker范式的Serverless微调平台。 其基于Thinking Machine Lab开源的Tinker SDK构建，核心目标只有一个： 为复杂且昂贵的强化学习，提供一套更具成本优势的工业级解法。

拥抱后训练与RL：算法层与底层算力架构的解耦

随着OpenAI o1在推理能力上的突破，业界逐渐形成共识—— 即大模型的能力突破已不再单纯依赖预训练（Pre-training）阶段的参数堆砌，后训练（Post-Training） 特别是强化学习，正成为决定模型实用价值的核心战场。 以DeepSeek‑R1为例，仅靠强化学习训练，模型在AIME数学推理基准上的pass@1从15.6%提升至77.9%，充分展示了RL在低数据量条件下即可实现大幅能力跃升，迅速成为后训练赛道的新范式。 然而，摆在算法工程师面前的问题依旧严峻。 强化学习涉及到更为复杂的系统设计，训练过程中存在一系列的问题，如多个模型的优化，数据的传递，以及模型权重的传递； 另外，一系列工程化的工作，给算法的设计带来了更多的困难，同时也对基础设施提出了更高的要求。 Tinker的出现，就是为了解决这个问题：把繁杂训练变成标准易用的API。 潞晨云把这一范式写进底层假设，算法设计与基础设施解耦——开发者只负责定义数据与Loss函数，底层的异构集群调度、并行策略优化、容错运维等应被封装为基础设施服务，对开发者实现全托管与无感支持。

它试图回答的不是范式是否新，而是开发者能否用起来、能否稳定跑起来。 具体来看，潞晨云微调SDK兼容Tinker接口，消除了从“算法灵感”到“模型落地”之间的工程化壁垒，在零代码微调与裸机全手写之间落在最佳平衡点，将研究精力和算力成本从集群运维还原至算法本身，带给开发者“本地写码、云端计算”的“训练即服务（Training as a Service）”流畅体验 。

颠覆性人力效能比：1名算法工程师顶替原庞大Infra团队

潞晨云微调SDK的核心思路可以概括为：算法工程师定义算法逻辑，潞晨云搞定Infra。 在传统的开发中，用户往往要花大量精力去租赁合适的算力集群、管理环境配置、调训练框架和集群运维。 但潞晨云将大模型训练拆解成了一组标准的函数原语, 打通了从SFT到RL的全链路： Forward & Backward：处理前向传播与梯度计算； Optimizer Step：执行权重更新策略； Sample (Rollout)：做推理生成和评估，使用户不仅可以完成SFT，更能轻松构建PPO、GRPO、DPO等复杂的强化学习（RLHF/RLAIF）训练流； Save State：管理模型检查点与状态保存。

这意味着，用户可以在本地熟悉的Jupyter Notebook或IDE里，用最标准的Python语法像搭积木一样自由组合，掌控训练逻辑的细节。 这种模式带来了颠覆性的“人力效能比”提升：它将原本需要运维工程师、Infra工程师、平台工程师和算法工程师紧密配合的庞大团队，简化为了“一个算法工程师”的独立闭环。 用户不再被底层繁杂的基建拖累，不再背负多职能的枷锁，也不再是黑盒填参的被动执行者，而是能够独立驾驭大规模训练流的主动设计师。 这也意味着，无论是监督微调（SFT）还是更复杂的强化学习（RL）Pipeline，都能通过组合这些原子函数来灵活构建。

那么问题来了，为什么体验能做到如此丝滑？ 为了实现极致的流畅度，潞晨云基于现有的GPU云服务架构实现了一套完整的后端系统。 在具体实现中，潞晨云采⽤控制⾯与计算⾯分离设计，通过统⼀API Server管理跨地域的多个GPU计算集群，实现多云部署能⼒。 核⼼采⽤基于Future模式的异步API，所有训练操作⽀持⾮阻塞调⽤，⽤⼾⽆需等待GPU计算完成即可继续执⾏后续逻辑。

潞晨云微调SDK还具备智能队列系统，即使在资源洪峰期，任务也会自动进入持久化队列（Persistence Queue），一旦底层资源可用，毫秒级启动，队列等待期间0计费，仅对实际prefill+sample+train的Token量收费，无资源闲置，将用户每一分钱都用在产生梯度的刀刃上。

模型微调的算力零售革命：从“包机租赁”到“按Token计费”

如果说“易用性”是后训练平台的入场券，那么“成本结构”则是决定谁能走得更远的护城河。 在传统云主机的“包机/时租”模式中，用户一直在为“过程”买单—— 也就是说，无论是在加载数据、调试代码，还是仅仅在思考Loss函数，只要占用了显卡，计费表就在跳动。 这种模式下，开发过程中有一半以上的预算都浪费在了这些没有实际产出的“垃圾时间”里。 潞晨云为微调大模型场景引入了Serverless架构，推行“按Token计费”的商业模式，将微调场景的算力服务切分到了最细的颗粒度： 为价值付费：就像使用推理API一样，用户只需为Prefill（输入）、Sample（推理输出）和 Train（训练）产生的有效计算Tokens量付费。 其他环节全免费：本地代码调试、环境配置、数据预处理、模型Checkpoint保存……这些在传统租卡模式下分秒必争的环节，在潞晨云全部免费。 极致性价比：通常，RL需要同时维护高吞吐的推理集群（vLLM）和训练集群，算力成本极高。但在潞晨云上，实测基于官方Cookbook的math\rl recipe跑通包含Rollout采样、Reward评分和PPO更新的完整RL流程（~300 steps），总算力成本仅8.61元。这意味着，个体开发者也能低成本复现RLHF/RLAIF探索。

技术落地的三个场景：SFT与RL同时“开箱即用”

这种新模式，也将彻底改变不同领域开发者的工作流： 1、科研场景：告别资源焦虑 学术界，时间与算力往往是最紧缺的资源。 研究人员不仅要面对繁琐的集群运维（Slurm/Docker配置），还要应对昂贵的实验复现成本。 潞晨云微调SDK支持“白盒级”的科研探索，全面兼容Tinker API。 研究人员可以自定义Evaluation逻辑、通过Forward/Backward，Sample等原语精确控制后训练和强化学习Pipeline，而无需关心底层的分布式实现，让实验复现成本大幅降低。 2、创业与独立开发：极速验证MVP 对于初创团队，“快”是生存根本。 利用潞晨云微调SDK的Serverless特性，开发者无需等待资源排期。配合极低的Token成本，实测从pip install到跑通一个包含1000条样本的SFT或RL微调实验，仅需数分钟。 这种极致的边际成本，让创业者敢于在有限预算下快速迭代Reward模型，实现真正的“低成本试错”。 3、工业级落地：复杂架构突围 而在金融、医疗等垂直领域的工业应用中，已有微调API往往难以应对复杂的异构架构与RLHF/RLAIF需求。 潞晨云微调SDK允许工程师通过train\step自由定义Loss逻辑与强化学习奖励函数。开发者拥有对模型权重与训练细节的完整控制权，实现端到端定制。

极简实战：三步上手

没有复杂的集群配置，没有冗长的Docker构建。 使用潞晨云微调SDK，训练一个大模型就像写普通Python脚本一样简单： 1、Install & Import:

Bash 
pip install hpcai

2、Initialize Client: 目前已支持Qwen3系列 (4B – 32B) ，更多模型即将上线

Python 
import hpcai 
# 初始化 LoRA 训练客户端，无需配置复杂的分布式参数 
trainingclient = serviceclient.createloratrainingclient( 
    basemodel=”Qwen/Qwen3-4B”, 
    rank=32 
)

3、Define Training Loop & Run：像在本地写PyTorch一样，拥有对训练循环的完整控制权：

Python 
# 训练循环：完全可控 
for step in range(targetsteps): 
    # 前向与反向传播
    fwdbwd = trainingclient.forwardbackward(batch, “crossentropy”)
    # 优化器步进
    optim = trainingclient.optimstep(adamparams)
    # 实时获取 Loss 进行监控
    loss = fwdbwd.result().metrics.get("loss:mean")

⽬前，微调SDK已覆盖Qwen3系列模型（4B、8B、14B、32B），支持监督学习和强化学习训练方式，并将持续扩展更多模型能⼒与细分落地场景，⼤家也可以向官⽅提交需求push更新。 平台还准备了开箱即用的HPC-AI Cookbook，提供包括DeepSeek-R1 GRPO算法、基于Verifier的数学推理、自定义Reward函数等复杂RL场景的完整代码实现。 开发者无需从零构建复杂的PPO/GRPO流水线，只需复制Cookbook中的“配方”，运行轻量级本地train.py脚本，即可驱动云端复杂的分布式RL训练流，在潞晨云上复现具备复杂逻辑推理能力的SOTA模型。

从“能训”到“可持续训”

后训练正从学术支线升级为工程主线，AI基础设施的终极形态应该是“零认知负荷”—— 开发者只需描述数据与算法，其余（租卡、配环境、并行策略、运维调度、故障自愈，乃至RL涉及的一系列工程化的工作）全部下沉到用户无感。 当GPU闲置成本趋近于0，环境配置时间趋近于0，长序列RLHF也能按Token即时计费，应用创新效率直接逼近算力上限。 潞晨云微调SDK今日起全量开放： 无需白名单，无需预约 前150名专属链接注册即得30元使用额度（注册链接：https://cloud.luchentech.com/account/signup?invitation\code=LZW） 立即体验：
https://cloud.luchentech.com/fine-tuning
使用文档：
https://cloud.luchentech.com/doc/docs/finetune-sdk/ Reference
1 Tinker SDK: https://github.com/thinking-machines-lab/tinker
2 DeepSeek-R1: https://arxiv.org/pdf/2501.12948 版权所有，未经授权不得以任何形式转载及使用，违者必究。 大模型微调 强化学习 微调 潞晨云 潞晨科技 有300亿美元也未必“再造GPT-4”？NUS尤洋最新长文：拆穿AI增长瓶颈的真相2025-12-31 AI医生终于有了硬标尺！全球首个专病循证评测框架GAPS发布，蚂蚁联合北大王俊院士团队出品2025-12-29 推理成本打到1元/每百万token，浪潮信息撬动Agent规模化的“最后一公里”2025-12-26 国产AI4S创业头雁再获8亿投资！深势科技完成C轮，产品已服务300万科学家2025-12-24

老外对屏狂拍！海信全新一代RGB-Mini LED电视亮相轰动CES2026

老外对屏狂拍！海信全新一代RGB-Mini LED电视亮相轰动CES2026

2026-01-07 15:24:01

在科技圈开年大戏CES 2026上，海信以一场“RGB色彩革命”强势霸屏。作为全场焦点，全新一代RGB-Mini LED电视116UX携“RGB超大屏天团”集体亮相，凭借全球首创的玲珑4芯真彩背光惊艳全场，让外媒的快门声与现场观众的“wow”惊叹声交织成展会最强音，成为展会中最耀眼的中国科技符号。

全新一代RGB-Mini LED电视116UX全球首秀，色彩真实到像“现场” 作为全球首款搭载玲珑4芯真彩背光的巅峰超旗舰产品，海信116UX的登场直接定义了高端显示新标杆，斩获美国消费者技术协会(CTA)颁发的“CES 2026荣誉奖”。不少外国观众蹲在屏幕前仔细观察画质细节，举着手机拍个不停，感叹“这色彩也太真实了！看球赛时像在现场”。

能这么圈粉，核心就在于海信全新一代RGB-Mini LED三大王炸黑科技升级：一是全球首创玲珑4芯真彩背光，在红绿蓝三原色基础上加入天青色芯片，不仅让色域提升到行业最高的110% BT.2020，比QD-Mini LED高10%，比QD-OLED高18%，色彩体积100%，还原肉眼级的真实色彩，还解决了普通彩色背光串色、色晕、偏色的三大行业难题；二是高达134bits超高精度算力的信芯AI画质芯片，可分辨百万亿级色彩差异，实现了背光色彩与亮度的完美同步，即便面对全新玲珑4芯真彩背光的复杂性，其强大算力也能从容驾驭高阶混光运算，实现亮场不漂白、暗场不漏光的全场景画质通透感；三是带来了全链路色彩管理系统，比如全球首发光影妙控台，支持画质模式自定义和分享，普通用户只需几步操作，就能获得大师级调校效果，人人都是“画质大师”。 在极致画质之外，海信全新一代RGB-Mini LED更实现了用户体验的全面升级，有害蓝光比QD-OLED降低60%，比传统QD-Mini LED降低75%，真正做到“护眼不损色”；纯净光效的提升，产品能耗比QD-OLED降低30%，成为高端显示领域“护眼+节能”的双重标杆。 “RGB超大屏天团”集体整活，定义未来视听体验 全新一代RGB-Mini LED电视116UX的高光表现，仅是海信RGB技术矩阵的冰山一角。此次展会上，全球首款163吋四色Micro LED、全球首款150吋屏幕发声激光电视等多款首创产品同台亮相，组成覆盖不同技术赛道的“RGB超大屏天团”。其中163吋四色Micro LED创新独立四色像素发光架构，实现了100% BT.2020超广色域覆盖，颜色峰值亮度提升一倍，画面明暗过渡更细腻，细节还原更精准，斩获“CES 2026最佳创新奖”。全球首款150吋屏幕发声激光电视探索X1 Ultra采用电影院同源技术，搭配9.1.4声道屏幕发声，音画协同的效果极具沉浸感，仿佛把IMAX影院直接搬到了展台。

深耕显示领域多年，海信已成为行业独一份的“RGB全满贯选手”——作为目前全球唯一在RGB-Mini LED、RGB-Micro LED、RGB三色激光三大核心赛道均手握顶级旗舰的品牌，其技术积淀与全链路创新能力在此刻尽显。从2025年首创RGB-Mini LED技术并快速占据RGB-Mini LED市场近九成份额，成为高端电视首选，到2026年以玲珑4芯真彩背光引领跨代升级，海信不仅掀起了全球显示行业的“RGB热潮”，更以全赛道领跑姿态，将中国科技的技术话语权注入全球高端显示格局。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 OceanBase蝉联中国分布式数据库本地部署市场第一，领跑国产数据库2026-01-07 重塑虚实边界：智元机器人发布首个大语言模型驱动的开源仿真平台Genie Sim 3.02026-01-07 全自主、更好用！北京人形 “干活机器人” 惊艳亮相 CES20262026-01-06 1956-2026：人类与机器智能的七十年对话2026-01-06

给AI打个分，结果搞出17亿估值独角兽？？？

给AI打个分，结果搞出17亿估值独角兽？？？

闻乐 2026-01-07 17:32:01

「匿名对战」出圈了

大模型竞技场LMArena官宣拿下1.5亿美元A轮融资。 估值升至17亿美元，妥妥的新年开门红！

这波融资由Felicis和加州大学投资公司UC Investments领投，Andreessen Horowitz、The House Fund等机构跟投。 资本用真金白银投票，足以见得AI时代大模型评估这个赛道有多香～ 而这支90后华人含量99%团队的走红之路，还得从2023年ChatGPT横空出世后说起。

从学术探索到商业崛起

LMArena的前身是曾经火爆AI圈的Chatbot Arena，最早由LMSYS这个自发的开源组织创建。 组织的核心成员全是来自UC伯克利、斯坦福、UCSD、CMU等顶尖高校的学霸。 他们的开源推理引擎SGLang在业内首次实现了在96块H100上跑出几乎媲美DeepSeek官方报告吞吐量的开源方案。 目前SGLang已经实现大规模部署，被xAI、英伟达、AMD、谷歌云、甲骨文云、阿里云、美团、腾讯云等企业和机构采用。 不过，比起硬核技术，他们最主要也更出圈的工作是对大模型进行评估。 在ChatGPT、Claude一众模型刚刚面世之际，他们率先创办了Chatbot Arena这么一个第三方众包基准测评平台。 LMSYS的创办人之一、SGLang主导者郑怜悯曾对我们透露，当时之所以创建Chatbot Arena，是因为他们自己训练了小羊驼Vicuna的开源模型。

当时他们觉得自己模型还不错，但市面上已有的各种基准测试很难真正区分出模型是“真好”还是“假好”。 团队认为，评估模型最好的方式就是将其放到网上，让用户试用并投票。于是乎他们就搞了个众包测试平台Chatbot Arena，通过实际的用户交互来评估模型性能。 结果没想到的是后来Chatbot Arena已独立成一家公司，而小羊驼Vicuna等大模型的研发已经停滞。

早期的Chatbot Arena搞的是双盲测试，让用户在不知道模型身份的情况下盲选最优回答，这种模式吸引了大量AI爱好者来打卡。 后来，全球各地一有新模型更新都会在里面偷偷测一把，Chatbot Arena逐渐成为模型测评首选的排行榜。 这样的影响力让Chatbot Arena在AI领域崭露头角，获得资本市场的认可。 它独立出来成为一家商业公司lmarena.ai，专注于AI模型评估。 2025年5月，被曝获种子轮1亿美元投资，估值达到6亿美元。

动态竞技场

lmarena.ai的主要项目就是如今全球大模型的动态竞技场LMArena。

核心评估规则围绕匿名对战、Elo式评分和人机协同框架展开，方式也比较有意思。 用户只要输入问题，系统就会随机匹配两个模型来做匿名回答。 这时候大家不用管模型是谁，只需要根据回答的好坏投票选出更优的那个，系统在投完票之后才会揭晓模型的真实身份。 在评分上，平台基于Bradley–Terry模型设计了Elo评分机制，每个模型都有初始分数，赢了就加分，输了就扣分，随着对战次数越来越多，分数会慢慢稳定下来，最终形成实时更新的排行榜。 除此之外，平台还采用了人机协同的评估模式，用人类的真实投票来反映大家对模型的偏好，再通过算法去平衡各个模型的出场次数、任务类型和样本分布，避免有的模型因为曝光多就被高估，或者因为曝光少就被低估，确保整个评估过程公平客观。 就这样，LMArena成了各家新模型“出道”时的必测榜单。当前Gemini 3 Pro以1490分位居榜首。

去年拿到1亿美元种子轮融资后，LMArena的发展迅速超出预期。 在短时间内不仅累计了涵盖文本、视觉、网络开发等跨模态的5000万张投票，完成了400余种开放及专有模型的评估，还产出了覆盖文本、多模态、专家及职业等多个类别的14.5万个开源战斗数据点。 现在，LMArena计划将新筹集的资金用于平台运营，确保平台稳定且高效运行，提升用户体验。同时扩大技术团队，为平台发展注入更多专业技术力量。 参考链接：https://news.lmarena.ai/series-a/ — 完 — 版权所有，未经授权不得以任何形式转载及使用，违者必究。 大模型竞技场 悲报！Stack Overflow彻底凉了，比18年前上线首月问题数量还少2026-01-05 老黄All in物理AI！最新GPU性能5倍提升，还砸掉了智驾门槛2026-01-06 顶会直聘！大厂ICCV现场玩出新模式，还是鹅会玩2025-10-23 OpenAI突然开源新模型！99.9%的权重是0，新稀疏性方法代替MoE2025-12-14

三赴CES，睿尔曼以三大底层能力构建全球化具身智能新基建

三赴CES，睿尔曼以三大底层能力构建全球化具身智能新基建

十三 2026-01-07 14:07:17

50000小时无故障运行 2026年1月6日-9日，全球科技风向标——国际消费电子展（CES 2026）在美国拉斯维加斯举行。睿尔曼智能连续三年参展，本届更是以“面向具身智能时代的系统级基础设施平台公司”全新定位，携三大核心产品——全栈自研一体化关节模组、超轻量仿人机械臂及远程作业网络（GLN），全面展示其在具身智能领域从硬件、数据到远程作业网络的全链路布局，开启具身进化与全球化发展的新阶段。

基础能力：50000小时无故障运行，为高性能机器人定义“可靠标准”

作为一家面向具身智能时代的系统级基础设施平台公司，睿尔曼自2018年成立以来，始终围绕能灵巧运动的机械臂和精准耐久的关节展开技术创新。2025年，公司自主研发的一体化关节模组年产能已突破10万台，同时与德国TUV南德合作完成合规检测，取得了ROHS、Reach认证。机械臂已通过CR L3认证，平均无故障运行时间达50000小时，能完成开关冰箱门、洗衣机门等真实生活任务，这标志着机器人硬件从“可用”到“可靠耐用”的本质飞跃，为高质量真机数据采集打下物理基础。

睿尔曼机械臂设计对标成年男性胳膊的长短、粗细、灵活度及负载能力，力求在外观与性能上实现与人、工作、生活环境的友好共融，达成“人能干，它能干”的效果。此次睿尔曼展出的超轻量仿人形机械臂，单臂（全臂展）额定负载5公斤，最大负载可达9公斤，TCP线速度1.8m/s。值得一提的是，此次展出的七自由度仿人形机械臂（RX系列），基于仿人形的腕部设计，适用于灵活性要求高的狭小空间。

数据引擎：构建远程作业网络，打造“操作力即服务”的全球基础设施

本次CES的最大亮点，睿尔曼完成了从“北京—拉斯维加斯”跨洋实时遥操演示。通过构建“人形机器人数据训练中心—拉斯维加斯国际会展中心”的远程劳动力网络，使在北京的具身训练师可远程精准控制远在CES展台的RealBOT轮式折叠机器人执行“递送物品”、“传递水果”等真实场景作业。

远程作业网络的本质，是把真人操作力做成基础设施，将操作能力转化为可调度、可质检、可结算的网络化服务。该系统通过沉浸式远程操作界面，让操作者可以实时、精准地指挥机器人执行真实场景中的任务——从日常的叠毛巾、搬箱子，到需要一定经验的管廊巡检、电力管控等专业作业。 这意味着睿尔曼交付的不只是机器人硬件，而是一套可持续供给的交互能力底座，能在不同场景里复用、扩张，并不断沉淀真实数据与行业标准。不仅能实现劳动力资源的跨时空高效配置，还将积累大量真实场景数据，反哺具身智能技术的迭代与突破。 这得益于睿尔曼在真实场景下高质量数据的厚积薄发——北京人形机器人数据训练中心，通过108套具身本体和十大真实应用场景，已经积累了覆盖千余项任务、千万级轨迹片段的真机数据，并在近期正式宣布开源全球首个高质量、模态数量最多的真机数据集，旨在突破机器人研发中的数据壁垒，为全球学术界与工业界提供关键数据支撑，助力智能机器人算法的创新与产业化落地。

百万产能：以规模化量产，保障全球市场的敏捷响应与稳定供给

睿尔曼自2024年迈出全球化战略第一步至今，业务已覆盖亚洲、欧洲、北美及南美等多个地区。与三星电子、川崎重工、西门子、亚马逊、苏黎世联邦理工学院等全球顶尖企业及机构建立合作，目前在全球范围内已服务超过4000家企业用户。在工业自动化、科研教育、商业服务等领域积累了丰富的实战经验，持续赋能全球智能制造与创新应用。 为突破行业瓶颈保障规模化交付，睿尔曼在硬件基础之上，逐步构建起“硬件+数据+远程作业网络”三大底层能力，贯通从动力关节、机械臂与机器人整机，到远程劳动力网络、数据资产，再到超级工厂与产业生态的全链路布局。2026年，睿尔曼将以 AUTRON （奥创）产线体系承载柔性、共线与规模化制造能力，实现百万级关节模组的年产能突破。这一规模化量产能力，不仅是数字的跨越，更是全球化布局的核心支撑。

展会期间，睿尔曼展位汇聚了来自海内外的行业伙伴、专家学者与现场观众，就具身智能基础设施的核心价值与未来趋势交换了前瞻性见解，为睿尔曼把握全球市场动态、完善产品布局、深化本地化运营提供了重要参考。 从一体化关节模组的可靠运行，到构建覆盖全球的远程作业网络，再到机器人超级工厂的全球供给，睿尔曼在CES 2026所呈现的是一个稳定可靠的、覆盖全球的机器人生产力系统。未来，睿尔曼将持续深耕具身智能基础能力建设，以技术创新为核心驱动力，以全球市场为发展舞台，打破技术、数据、成本壁垒，持续推动具身智能技术迭代升维，加速实现机器人服务人类社会的愿景。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 CES 2026 具身智能 霍尔曼机器人 杜比在CES 2026重塑了观影、娱乐的方式2026-01-07 英特尔CES奇袭老黄大本营！英伟达显卡刚涨价，最强酷睿量产出货2026-01-06 樱智α·医疗可信平台全新发布，北电数智与中日友好医院联合打造2026-01-04 今年TRAE写的代码：100000000000行！超50%程序员每天在按Tab键2025-12-29

Mobileye砸63亿杀入具身智能！百辆Robotaxi今年Q3进美国

智能驾驶首个供应商，也盯上了具身智能机器人。 Mobileye刚斥资63亿元，买下了一家估值11亿元的人形机器人公司。 消息本身不算喧闹，但放在当下这个时间点，就很耐人寻味—— 一边，是自动驾驶商业化，依然在和时间博弈；另一边，是具身智能正成为科技圈最炙手可热的方向。

Mobileye出手，实际更像是买了一张通往新地图的船票。 因为自动驾驶技术逐步走向成熟的当下，系统开始更能“聪明地”学会如何感知世界、理解世界，并在真实物理环境中做出决策…… 而下一步新进展也被同步披露，Mobileye布局的Robotaxi，今年就要进军美国，和Waymo特斯拉正面交锋了。

Mobileye收购机器人公司

在热闹非凡的消费电子“春晚”——CES 2026上，自动驾驶老牌巨头Mobileye趁机宣布了一则好消息： Mobileye将以9亿美元（约62.8亿元），收购人形机器人公司Mentee Robotics。这9亿美元包含6.12亿美元（约42.7亿元）的现金，以及至多2620万股的A类普通股。 收购计划已经获得Mobileye董事会、Mobileye母公司英特尔的批准，预计今年一季度就能完成。

交易完成后，Mentee仍保留原有团队和技术路径，作为Mobileye的独立事业部运营。 其之后的研发方向重点，将放在整合Mobileye自动驾驶的AI训练基础设施、增强人形机器人研发能力上。 这是不是说明Mobileye转型做人形机器人了？非也。 这家成立已27年的智能驾驶巨头，当前的主体业务仍如火如荼，就在收购前一天，还宣布刚拿下了大单—— 一家“全球排名前十”的美国OEM，已选定Mobileye的新一代环绕式ADAS（搭载Mobileye的EyeQ6H芯片），预计未来交付规模能达到900万套。

至于买下机器人公司，对于Mobileye来说，其实就是试图通过新的独立部门，实现「自动驾驶+人形机器人」的双引擎，完成更全面的物理AI布局。 只是新的疑问是，Mobileye走向具身智能，为什么是现在？又为什么选择Mentee？

Mentee是谁？

来自以色列的Mentee Robotics，是一家成立于2022年的人形机器人初创公司。 去年3月完成2100万美元融资后，Mentee的最新估值约为1.62亿美元（约11.3亿元），三星也是Mentee的投资者。 公司的核心业务，聚焦人形机器人的研发、测试及商业化落地，目前已推出第三代垂直整合人形机器人平台（MenteeBot V3.0）。 不过，这个平台正处于技术验证和商业拓展的初期阶段，还没有已签约的正式客户。 当前，具身智能赛道方兴未艾，不乏大牛投身的明星初创公司。Mobileye为什么会选择非名声大噪、也没有客户傍身的Mentee呢？

首先可以从技术层面看这家机器人公司的独特性： Mentee的机器人平台，基于“自然示范指导+小样本学习”的AI架构。结合强化学习的运动模型，Mentee的机器人可在仿真中高效习得技能，再迁移到现实场景中。 系统不必依赖大规模真实场景数据或持续远程操控，仅需少量人类示范，就能快速学习并执行新技能。 这种能力大幅降低了机器人的部署门槛，将来能快速适配工厂、仓储等多元场景。 核心硬件设计部件，例如执行器、电机、机械手等都是由公司自主研发，优化了扭矩密度、控制精度与成本效益。 还有热插拔电池系统，能支持全天候运行，将来能很好满足工业场景的高可靠性需求。 这种垂直整合的模式，不仅缩小了Sim2Real（从模拟到现实）的差异，还大幅降低了硬件成本，能更好支撑规模化量产。

有Mobileye的充足资金做后盾，Mentee预计今年就能与客户进行首次现场概念验证部署。 当然，Mobileye选择Mentee还有另一个很重要的原因—— 这场交易，是由Mobileye总裁兼CEO阿姆农·沙舒亚（Amnon Shashua）一手推动。他毕业于麻省理工脑与认知科学博士，后来在耶路撒冷希伯来大学担任计算机科学系的教授。

而Mentee其实正是他携手Mobileye CTO沙伊·沙莱夫-施瓦茨（Shai Shalev-Shwartz），以及前Facebook AI研究总监利奥尔·沃尔夫（Lior Wolf）共同创立的。 CES 2026上，沙舒亚将这次收购称为“Mobileye 3.0时代的开始”。 自动驾驶和具身智能，被认为是物理AI最具代表性的两大应用领域。 两者技术栈的高度重合，都需要在人类设计的世界里，实现安全、可靠、可预测的自主运行，多模态感知、动态规划与决策、精确控制等技术共享，这些都是收购合理性的基础。 不同之处是，自动驾驶处于结构化场景，任务数量相对有限；人形机器人则要面临更复杂的非结构化场景，任务数量也是开放的。 但差异中也能有所互补： Mobileye将其经过验证的安全模型、大规模AI训练基础设施、车规级量产经验注入Mentee，可以解决人形机器人安全验证和商业落地的难题。 Mentee的VLA模型和Sim2Real迁移技术，又能反哺自动驾驶，帮助Mobileye的自动驾驶系统更好地处理“长尾场景”，加速算法迭代。

所以，Mobileye的核心目标也明了了，就是把重心从自动驾驶跃升为更广义的“物理AI”。 也就是升级为能在物理世界中，理解情境、推理意图、安全高效行动的智能系统，从“车轮上的智能”走向“全场景的智能体”。 这一新的战略方向，其实已经在CES 2026上被进一步曝光了。

CES 2026，Mobileye传递了什么新进展？

Mobileye在CES 2026举办了一场主题演讲，传递出的最新内容，可以分为代表当下的“自动驾驶”，以及代表未来的“物理AI”两个部分表述。 先看Mobileye的主业务——汽车方面。 L2层面，就是前面提到的公司推出的环绕式ADAS，目前已经获得两大订单。 最新提到的这一家，被外界推测是通用汽车，另一家是去年3月官宣合作的大众。

两家加在一起，预计搭载EyeQ6H的环绕式ADAS交付量能突破1900万套。 L3层面，Mobileye将会和奥迪共同推出，目前原型车正在测试中，公司正在研究让驾驶员可以闭眼驾驶的功能。 L4层面，Mobileye与合作伙伴Moia（大众子公司）、ID.Buzz等携手的自动驾驶项目，已经在欧洲多个城市进行了路测，当前L4级车队规模大约有100辆。 今年2月，这些车辆将完成进入美国的准备工作，预计今年三、四季度推出Robotaxi服务，从2027年开始拓展到多个城市，并且还会和Uber等平台达成合作。

接下来是更全面的物理AI方面，重点强调人形机器人。 由Mentee全栈自研的第三代机器人，身高175cm，体重72公斤，可以举起25公斤重物。 其手部具有11个自由度，采用刚性连接直接与电机相连，不需要任何传感器。

目前的路线图是： 2026年进行现场概念验证部署； 2027年开始小批量生产第一批产品； 2028年进行大规模部署，率先面向物流中心、装配厂、生产工厂等结构化场景； 2030年开始进入家庭这样的非结构化场景中。 至于机器人未来的盘子能有多大，CEO沙舒亚的看法，和“预言家”马斯克的观点一致：

10年后，世界上将会有数百万计的机器人。 不过，远了先不说先看当下，今年的美国Robotaxi市场，有Mobileye携手大众、Lucid合作Nuro今年马上进场，英伟达也来搅弄风云，计划明年推出服务。 马斯克在美国的L4对手，马上可就不止是Waymo一家了。

2026-01-07日刊

01-07-日报-AI资讯日报

AI资讯日报 2026/1/7

AI资讯 | 每日早读 | 全网数据聚合 | 前沿科学探索 | 行业自由发声 | 开源创新力量 | AI与人类未来 | 访问网页版↗️ | 进群交流🤙

今日摘要

Gemini登陆TV用自然语言找片，字节AnyGen对标Manus抢Agent入口
MMP-A融合视觉语言模型实现自主导航，RAG噪声过滤微调方法提升鲁棒性
黄仁勋宣布物理AI时刻，波士顿动力联手DeepMind打造自主Atlas
AI眼镜考场92.5分碾压95%学生，Grok生成CSAM引发平台责任争议
北京人形机器人CES展示自主分拣，HuggingFace热门论文半数来自中国

产品与功能更新

1. Gemini登陆Google TV。 谷歌🚀在CES2026上展示了 Gemini新功能(AI资讯)") 。用户(✧∀✧)可用自然语言找片，模糊描述也能匹配。回复会动态整合图片视频，支持语音调电视设置。先在部分TCL机型上线。
2. 字节推出AnyGen对标Manus。 字节跳动悄悄上线了🔥 AnyGen产品(AI资讯)") 。有网友调侃"全面对标Meta"，看来大厂都在抢Agent入口。具体功能还待深挖(๑•̀ㅂ•́)و✧。
3. liko.ai完成首轮融资。 智能家居初创公司liko.ai拿到💰商汤国香资本等机构投资。核心是做端侧视觉语言模型，目标打造 下一代AI家庭中枢(AI资讯)") 。CEO是前美团硬件委员会主席Ryan Li。数据本地存储(ง •̀\•́)ง保护隐私。

前沿研究

1. MMP-A\多模态路径规划。 新论文提出🧠MMP-A\框架，融合视觉语言模型做 自主导航(AI资讯)") 。用自适应衰减机制调节不确定航点。在复杂环境中实现近最优轨迹，大幅降低内存开销(´▽`)ノ。
2. RAG噪声过滤新突破。 检索增强生成常被噪音文档干扰🤔，新研究指出 标准微调效果有限(AI资讯)") 。论文提出新微调方法，帮模型区分相关与无关信息。多个基准测试显示鲁棒性显著提升。
3. PICABench评估物理真实感。 图片编辑进步很快，但💡 物理效果常被忽略(AI资讯)") 。比如删物体没删影子。新基准覆盖光学力学状态转换8个维度。还提供10万训练集PICA-100K(ノ≧∀≦)ノ。

行业展望与社会影响

1. 黄仁勋宣布物理AI时刻。 英伟达CEO在🚀CES上高呼"物理AI的ChatGPT时刻到了"。他预测未来10亿辆车将实现自动驾驶， 无人出租车率先受益(AI资讯)") 。同时开源了自动驾驶模型Alpamayo。
2. 波士顿动力联手DeepMind。 CES上宣布🤝历史性合作，Gemini Robotics将驱动 新一代Atlas机器人(AI资讯)") 。Atlas将获得自然语言理解、视觉动作推理能力。从"动作表演者"进化为自主任务执行者(๑>ᴗ<๑)。
3. AI眼镜考场实测引热议。 港科大教授用🔥搭载GPT-5.2的AI眼镜参加期末考。30分钟拿下92.5分，碾压 95%学生(AI资讯)") 。实验引发对传统教学评估体系的反思，AI时代考试该怎么考？
4. 2025年AI上岗争议复盘。 有文章质疑💭AI是否真正"加入劳动力"， 引发热议(AI资讯)") 。支持者列举保险自动化、编程辅助案例。反对者指出炒作成分大、幻觉问题仍在。衡量口径成争论焦点(´・ω・`)。
5. X平台Grok生成CSAM事件。 Grok被曝🔴生成疑似儿童性侵材料， X只怪用户(AI资讯)") 。争论围绕平台责任和Section 230展开。批评者指出官方账号发布的内容应由平台负责。监管讨论再升温(#`Д´)ノ。

开源TOP项目

1. web-check全能OSINT工具。 GitHub⭐27.5k的开源神器， 一站式分析任意网站(AI资讯)") 。安全研究人员必备工具，信息收集超方便(✧∇✧)。
2. BitNet 1位LLM推理框架。 微软开源的💡 1位大模型推理框架(AI资讯)") ，⭐25.3k。极限压缩模型参数，推理效率拉满。
3. PageIndex推理式RAG索引。 VectifyAI推出的📑新项目， 基于推理的文档索引(AI资讯)") 。⭐4.6k，解决RAG检索不准的痛点。

社媒分享

1. 北京人形机器人亮相CES。 “具身天工2.0”🚀在CES展示全自主分拣能力， 快准狠(AI资讯)") 。Ultra版还跑完了半马，2小时40分完赛。已进入福田康明斯工厂验证(๑°o°๑)。
2. 上下文工程论文解读。 有人分享了一篇🧠“一切皆上下文"的论文，提出用 文件系统管理AI上下文(AI资讯)") 。团队开源了AIGNE框架，把记忆、工具、知识统一抽象为"文件”(´▽`)。
3. 3D信息图提示词分享。 博主分享了制作🔥英伟达CES发布会信息图的 Gemini提示词(AI资讯)") 。风格是"盲盒玩具+产品渲染"，建议在AI Studio使用(✧∀✧)。
4. Chat Memo对话管理插件。 有开发者做了Chrome插件💡，可以统一管理 所有AI聊天历史(AI资讯)") 。支持自动同步、导出、总结，再也不怕对话记录散落各处。
5. Skills比n8n更易上手。 有博主分享🎯从n8n转向Skills的心得， 复刻完成率翻10倍(AI资讯)") 。MCP面向开发者，Skills面向用户。自然语言说一句就能跑通流程。
6. 像大模型一样进化人生。 刘嘉教授文章被热传📚，用大模型训练范式 类比人生成长(AI资讯)") 。设目标函数、随机梯度下降式行动、优化注意力分配，最聪明的人的思想结晶(ノ◕ヮ◕)ノ:・゚✧。
7. 纳瓦尔称已进入垃圾代码时代。 AI让🔥非专业人士也能写代码，但纳瓦尔担心 技术债务问题(AI资讯)") 。反对者认为这是民主化，未来模型能修复今天的bug，别羞辱Vibe Coder。
8. HuggingFace热门论文一半来自中国。 博主💡解读当日热门论文，发现 大半是中国团队发表(AI资讯)") 。字节腾讯商汤高德都有。AI竞争真的只剩中美两国最猛(✧∇✧)。

AI资讯日报语音版

Our GitHub Blog editor has a front-row seat to every story we publish. So she put together a list of...

Don't wait for the next malware campaign to audit your security. 👀

We’ve outlined practical steps ...