Dyna-2:具备小时级自主能力的通用物理智能体 — Dyna Robotics 联合创始人 Jason Ma
Dyna Robotics 发布世界动作模型 Dyna-2,在超过 100 万小时人类视频上预训练,并推出物理机器人智能体 Dyna-2.1。Dyna-2 将未来视频预测与机器人动作相结合,使机器人具备更强泛化能力,仅需 45 分钟演示即可学习新任务。目前机器人已在 Din Tai Fung 等场景实现日常规模化部署,连续 24 小时折叠餐巾成功率达 99.4%。
Dyna Robotics 发布世界动作模型 Dyna-2,在超过 100 万小时人类视频上预训练,并推出物理机器人智能体 Dyna-2.1。Dyna-2 将未来视频预测与机器人动作相结合,使机器人具备更强泛化能力,仅需 45 分钟演示即可学习新任务。目前机器人已在 Din Tai Fung 等场景实现日常规模化部署,连续 24 小时折叠餐巾成功率达 99.4%。
Cambrian 看好 AGI 快速到来,认为市场低估了 AI 供应链的实体稀缺资产,相关寡头企业市销率仅 1–5 倍,远低于资金拥挤的软件公司 13–100 倍。
中国低成本 LLM 的崛起可能引发规模达万亿美元的 AI 基础设施重构。原文目前仅有标题信息,尚无正文与评论内容可供核实具体模型、价格或相关数据。
《科学美国人》报道,越来越多科学家担心把未发表稿件和研究思路输入大语言模型后,可能被 AI 公司据为己有或用于训练。OpenAI 和 Anthropic 均明确否认在近期两起争议事件中使用相关用户上传数据训练模型。斯坦福大学 Jennifer King 提醒,企业账户相对安全,个人账户用户需主动检查设置并选择退出数据训练。
腾讯专家闫德利梳理人工智能发展史,指出1943年人工神经元、1950年图灵测试与1956年学科命名共同标志其登上历史舞台。学术与产业深度融合,AlexNet和Transformer等论文成为大语言模型的基础架构,图灵奖得主多有大厂或创业经历。
Muse Wonder 聚焦 Zuckerberg 与 Wang 围绕 $100B AI 展开的动向。该文在 Hacker News 上仅获得 1 点热度与 0 条评论,未披露更多产品或模型细节。
Antonio Auffinger 指出,若 AI 让证明生成变成快速、易得的商品,数学界长期以来的开放共享文化可能被削弱,年轻学者可能因激励体系不变而趋于保守保密。
马斯克表示打造超级智能必须“攻克编程”并依赖大量训练数据,据他所知仅 OpenAI、Anthropic 和 Cursor 拥有足够编程训练数据,勉强还可算上谷歌。SpaceX 已于 8 月 14 日完成对 Cursor 的收购,交易对价约 600 亿美元。
马斯克宣布 SpaceX 将构建全球首个太空 AI 数据中心集群后,中国太空算力赛道迅速升温,多家公司半年内完成多轮融资,最新估值达 40 亿元。太空算力旨在利用太空太阳能与真空散热突破地面数据中心电力瓶颈,Starcloud 已完成在轨大语言模型训练,谷歌也推出“太阳捕手”计划探索太空算力部署。随着商业航天投资创纪录增长,在轨算力被视为打开海洋监测、灾害预警等新场景的关键。
硅谷AI竞争正从模型能力转向算力资源:Anthropic CEO Dario Amodei向Meta求算力被婉拒,转而与SpaceX签下涉及22万块英伟达GPU的供货协议;谷歌花27亿美元请回的Noam Shazeer也因团队算力被重新分配而跳槽OpenAI。
数据显示 AI 市场正上演教科书式的 Jevons 悖论:token 价格持续下降,但 H100 GPU 租金持稳或上涨。更便宜的 token 解锁了 AI 智能体、自动化与新应用,用量增长快于单位成本下降。整个系统的前提是 AI 用量必须增长得足够快,一旦需求趋平,从芯片到云的产业链都会受到冲击。
Standard Bots 介绍了其工业机器人 AI 技术栈:通过共享基础模型结合演示与微调适应任务,最大模型参数量在数十亿级别。其零样本感知系统基于超 10 亿张图像训练,模型在云端训练但推理在工厂本地运行,以应对网络不稳定并保障正常运行时间。公司还通过捕获失败信号与人工纠正进行车队学习,并控制从机械臂到 AI 的全栈以实现模型与控制策略的协同优化。
昆士兰大学 Jen Jen Chung 在 IROS 2026 主旨演讲中指出,决定智能上限的是数据质量与信息密度,而非数据的绝对规模。她以无人机自主滑翔、未知代价场最短路径规划、多机器人通信与富接触装配任务为例,说明按需采集高价值信息远胜于盲目堆砌数据。团队提出的“策略修复”方案在相同示教数据预算下,比盲目扩增数据带来更显著的策略泛化性能提升。
ChatGPT 会话标题夹带赌博色情小广告,根源是标题生成用的轻量推理模型在应结束时收尾失败,继续输出词元并从被污染的 o200k_base 词表中抓取,并非隐私泄露或广告功能测试。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 深入对谈,指出 AlphaFold 的突破只是起点,单靠扩展算力和数据无法解决生物学问题。
原文仅含标题与链接,未提供正文内容,无法提取有效要点。
该网站逐条汇总 ChatGPT、Claude、Microsoft Copilot、GitHub Copilot、Perplexity、Grok、Cursor、Windsurf、DeepSeek、Jasper、Le Chat 等服务的条款,标注各产品默认是否使用用户内容训练模型以及如何退出。
Periodic Labs 联合创始人 Liam Fedus 和 Ekin Dogus Cubuk 在 Latent Space 访谈中阐述“合成超级智能”愿景,认为 AI 的下一个前沿不是训练更多互联网数据,而是让模型在真实物理实验中学习。
模型崩溃并非 AI 时代独有,中世纪欧洲对单一解释权的垄断同样导致多样性消失。2024 年 Nature 论文证实,用 AI 生成内容训练模型会造成不可逆缺陷,使原始内容分布的尾部消失。应对方式不是停用 AI,而是保留异见、寻求第二意见并守护自己的原创目标。
Lawfare 发文指出,美国政府一边主张未经许可训练 AI 属于 fair use,一边指控中国实验室蒸馏美国前沿模型,两种立场相互矛盾。文中对比司法部为 OpenAI 辩护的声明与 NSA、CISA、FBI 对 DeepSeek、Moonshot AI、阿里巴巴、MiniMax、StepFun、Z.ai 的指控,并分析美国实验室因担心判例反噬自身而未提起诉讼。
本文分析了 AI 算力建设潮背后的经济学逻辑。原文目前仅呈现标题与讨论区链接,正文尚未给出具体数据或结论。
今年云栖大会上,阿里披露 Qwen4 系列即将到来,Qwen4.5 和 Qwen5 计划迈向 5T—10T 参数,并将继续扩大预训练计算量、沿 Scaling Law 向上走。
Anthropic 与 OpenAI 于 9 月分别披露并拦截了针对其旗舰模型的蒸馏行动,均称活动“未经授权”并将矛头指向中国实验室。文章解释说,蒸馏通过向教师模型大量发送提示并把回答喂给学生模型,可绕过数据收集与人类反馈;研究者发现改写推理可降低其被蒸馏的价值,却也让人类更难读懂。
Microsoft Research 播客访谈中,研究经理 Jennifer Neville 分享了团队在 AI 评估领域的发现,即模型在多轮对话和长程任务中会出现传统基准难以暴露的意外失败。她建议用户在模型出错时换种方式提问或重开对话,并在工作流中保留人工核查与验证。
国际能源署 2025 Energy and AI 报告估计,2024 年全球数据中心耗电量约 415 TWh,约占全球总用电量的 1.5%,预计到 2030 年将翻倍至 945 TWh。AI 推理正成为其中更大的耗电份额。具有讽刺意味的是,2025 年最大的数据中心恰好选址于一个世纪前最大的燃煤发电站所在地。
陶哲轩在SAIR最新演讲中公开批评AI模型公司无休止加速、对后果一无所知,呼吁必须慢下来,此前他已联合Peter Scholze、邓煜、Pierre Deligne等25位菲尔兹奖得主联名写信炮轰OpenAI等公司。
推荐理由:文章梳理了陶哲轩从拥抱AI到公开喊话模型公司的转变脉络,并借证明消化不良这一比喻解释数学界担忧的真正原因。
AMD CEO 苏姿丰预测,受人工智能应用增长推动,未来数年半导体需求将维持在“极高”水平,芯片需求已超过供给、存储芯片供应持续紧张。她表示人工智能有益于世界,美国头部 AI 企业之间开展协作十分重要,并称美国“超级智能工作组”是“向前迈出的重要一步”。
AI 热潮正在让最便宜的智能手机从市场上消失。该话题在 Hacker News 引发讨论,已获得 13 票、3 条评论。
作者用第一人称视角视频训练物理 AI 模型,训练完成后才发现标签贴错动作、运动模糊、手部出帧等隐蔽数据问题。他向社区提问:大家遇到过哪些隐蔽数据问题,又是如何发现和处理的?
AI 图像生成之所以总以美女为默认值,是因为生成模型从数据分布中心取样,天然倾向平均脸,而平均脸恰好符合人类审美。用户的点击与商业激励不断强化这一倾向,Civitai 的 NSFW 图片占比已从 2023 年 1 月的 41% 升至 2024 年 12 月的 80%。文章还指出,即便 PickScore 这类打分员剔除了明显的 NSFW 数据,用它微调的模型仍会生成更多 NSFW 内容。
量子位整理了TypeSafe AI联合创始人兼CEO Diogo Almeida的Latent Space访谈,Jev估值达100亿美元。他主张以机器原生、可编程的System-One决策内核取代聊天范式,强调可靠性而非跑分,并透露Jev日处理量已突破一万亿token,在第三方JevBench v1.2.1综合榜中Jev 1.13.0以75.3分排名第一。
阿里云在云栖大会一次性升级从数据入湖、训练集生产、模型训练到推理服务的整条链路,应对 Agent 持续并发运行制造的新负载。MaxCompute 与 EMR 的升级让具身智能数据处理耗时减少 40%,PAI-DLC 3.0 使多模态模型端到端训练速度提升 2.4 倍。
傅盛认为AMD以82亿美元收购李飞飞的World Labs是情理之中,世界模型已是资本军备竞赛,World Labs今年刚融10亿美元仍不够独立做出顶级模型。同时GPT-6加入大量真实物理世界数据,打穿了语言、视觉与空间能力的边界,独立世界模型未必需要单独存在。对AMD来说,这笔交易买到的是团队和观察下一代模型方向的窗口,李飞飞将任AMD首席科学家和高级执行副总裁,直接向CEO苏姿丰汇报。
推荐理由:傅盛从资本军备竞赛与GPT-6能力外溢两个角度,解释了独立做世界模型的公司为何越来越难单独存活,以及这笔交易对AMD芯片布局的意义。
阿里云在中国汽车公有云市场份额达 45.2%,在智能驾驶、智能座舱等六项市场及细分赛道均拿下第一。以"芯、云、模一体"为框架,其千问座舱 Agent、平头哥真武 V900 芯片(性能为上一代真武 M890 的三倍,2027 年第一季度量产)与千问办公正覆盖智能汽车全产业链的 AI 基础设施。
深朴智能(Simple AI)首席科学家王家伟从大模型前沿转向具身智能,认为通用大模型会承担越来越多理解与规划,但当杯子滑落时机器人仍需能快速反应的动作模型。深朴智能已开源 2,000 小时 HiFi-UMI 数据、内部积累数万小时,模型观察到一定的 Zero-shot 泛化,并用 Agentic OS 把上层意图与底层动作连接起来。
Kevin Ding 认为 RL as a Service 只解决一半问题,Pyromind 押注的 AutoRL 把训练、奖励、反馈、部署与数据回流串成自动循环管道,让 Agent 在生产环境持续改进。
《晚点聊 LateTalk》第 179 期由《晚点 LatePost》主笔高洪浩与科技报道负责人程曼祺对谈,系统梳理蒸馏技术的原理、规模化实现方式与代价。节目内容来自他们与多位中国 AI lab 从业者的交流及公开资料,探讨蒸馏为何在 2026 年出圈、学生模型能否超越教师模型、蒸馏的红线与双标争议,以及字节在张一鸣
42章经将举办免费线上活动,邀请 Evolvent AI 联创繁青与数十位 Model Researchers 交流 RSI 与合成数据。繁青是 01 年的 PhD,此前在 Kimi 做 RL infra 与 agent 相关工作,参与过 Kimi K2.5、Kimi Linear 等模型发版。活动将于北京时间 8 月 22 日(周六)上午 10:30 线上举行。
42章经对话 Evolvent AI 联创繁青,聊蒸馏、合成数据与 RSI 背后模型竞争的下一阶段焦点。
推荐理由:受访者结合一线造数据经验,讲清了蒸馏、合成数据与 RSI 之间的关系,可帮助判断模型竞争的下一阶段焦点。
《晚点聊》主播曼祺采访 Recursive SuperIntelligence 联创田渊栋,聊递归自进化(RSI)在今年回热的原因与进展。田渊栋参与创立的 RSI 公司估值超 46 亿美元,其 6 月初释放的首批成果在小规模上验证了 AI 系统可以自动化地提升性能、提升效率并改进 Infra。他提出另一种可能性:智能提升或许是阶梯式跳跃而非平滑向上,率先达成 RSI 的公司未必能把其他人越甩越远。