跳到正文
目前篩選:觀點
11月21日週六
  1. DEV Community39

    人形機械人的低延遲,代價在訓練階段支付

    預印本《Beyond Retargeting》提出一種人形機械人控制策略,將原始人體動作直接映射為機械人關節指令,省去即時動作重定向。該策略在 Unitree G1 模擬環境及硬件上測試,作者報告其延遲和穩健性均優於比較基線。省下的即時轉換工作轉移至訓練階段,控制效果取決於動作數據對不同體型、速度及感測條件的涵蓋。

  2. 第一財經50

    機械人低質數據氾濫:劣質數據如何產生

    覓蜂科技真機操作團隊分析逾20萬小時真機數據及2萬多項任務記錄,指出觀測畫面缺少決策依據會令訓練數據失效。積木拾取試驗中,操作員與機械人同視角觀察,模型操作準確率由約50%升至100%。EGO數據亦有重複、與用戶需求不匹配及同質化等問題。

  3. 新浪科技51

    機械人低質數據泛濫:低質數據如何產生

    機械人訓練數據低質的成因包括觀測未涵蓋動作決策依據、EGO 數據重複或與需求不匹配,以及仿真對流體和柔性體的精度不足。文中引用的積木拾取對照顯示,以操作員與機械人同視角觀察的數據訓練模型,手臂操作準確率由約 50% 提高至 100%。姚卯青表示,市場上有企業購入 100 萬小時數據後,最終只有 10% 至 20% 可用。

  4. DEV Community29

    Physical AI 商業及行業應用——第 01 章:Physical AI 市場概況

    Physical AI 市場涵蓋能感知、理解並與物理世界互動的智能系統,透過自主移動、操作、檢查及運輸等實際行動創造經濟價值。市場範圍包括自主移動機械人、機械臂、人形機械人、四足機械人及空中機械人等。產品商業表現取決於技術能力、應用要求和經濟價值,也受可靠性、安全、能源效率及環境適應能力影響。

11月20日週五
  1. 新浪科技32

    一目科技創始人李智強出席博原資本2026年度產業大會,探討人形機械人規模化落地

    一目科技創始人兼 CEO 李智強出席博原資本2026年度產業大會,與嘉賓探討人形機械人規模化落地的路徑與節奏。他認為模型能力正逐步收斂至 Scaling Law,但靈巧操作仍是產業缺口。李智強預計,2027至2030年將是 Infra 階段,之後三年進入模型大爆發,再往後三年才是 Harness 與應用鋪開的階段。

  2. 新浪科技44

    投中信息吳浠:2026年股權投資市場熱度創新高,為何機構更難出手

    投中信息副總經理吳浠表示,2026年中國股權投資市場融資活躍度創歷史高點,但高估值令投資機構出手更審慎。投中榜PE/VC TOP50機構前三季度出手次數按年增長70%至80%,第四季度增幅回落至18%,日均出手由第三季度的14次降至9.6次。國資LP出資比重由2024年第四季度約80%降至2026年第三季度的54%。

  3. 新浪科技31

    中國工程院院士陳學東:具身智能將賦能新一代智能製造,驅動第四次工業革命|2026中國5G+工業互聯網大會

    中國工程院院士陳學東指出,具身智能將賦能新一代智能製造,驅動第四次工業革命。現時互聯網上可用於訓練具身智能大模型的數據不足50萬小時,而訓練一個大模型所需數據量超過1000萬小時,數據採集成本每小時可能高達上千元。陳學東表示,建設訓練場與數據採集中心有助補足數據短板。

  4. 新浪科技52

    模型能力提升,機械人開始自主學習

    具身智能機械人正由依賴大量操作數據的模仿學習,轉向利用通用模型自主探索技能,但直接由大模型控制仍受響應速度與計算成本限制。大曉在酒店洗衣場景把53個原子動作組成14個高層步驟,技能固化後單輪執行由首次探索的30分15.64秒縮至18.648秒,約提速97倍。但真機測試顯示,烘乾機取衣仍未穩定,跨場景泛化和商業回報亦是規模部署的難題。

  5. 創業邦46

    創投圈近期湧現一批神秘 GP

    一批來自傳統製造業、房地產和消費等行業的企業家及家族投資平台,正把資金投向商業航天、可控核聚變、量子計算等前沿科技,部分家族二代也開始參與投資管理。這類資本願意投資尚未獲主流機構廣泛認可的早期項目,為部分科技創業者帶來新的融資機會。

  6. 新浪科技36

    APEC期間:企業領袖都談了些甚麼?

    APEC工商領導人峯會上,小米、格力、海信及TCL企業負責人分享對人工智能、全球化與製造業轉型的看法,並談及亞太區域合作。雷軍表示,小米具身智能機械人已進入工廠實習,可連續工作8小時並自主充電兩次;小米自研大模型MiMo,IoT生態平台接入設備達11.6億台。企業亦談到在亞太深化本地化經營及產業鏈佈局。

11月19日週四
  1. 新浪科技57

    專訪西湖大學於開丞:通用語言模型再強,物理世界也「等不起」

    西湖大學助理教授於開丞在專訪中指出,世界模型面向連續物理空間的狀態預測,與語言模型並非替代關係。他認為,機械人控制需要即時互動,而語言模型單是推理便要兩三秒,難以滿足實時要求。Awomo-0.5 有 40 億參數,在具身智能、物理世界理解等六個國際主流評測榜單登頂,程式碼和權重均已開源。

  2. 虎嗅38

    具身智能的終局玩家,可能不是機械人公司

    未來五至十年,具身智能出貨量最大的公司可能不是純機械人公司,而是兼具數據飛輪、量產能力和真實場景的車企。智能汽車與機械人的感知、決策及執行架構重合超過70%,車企亦可利用工廠提供訓練場景和數據。車企仍需與機械人公司合作,補足靈巧手和具身大模型等短板。

  3. 阿里雲開發者社區 AI47

    董明珠向周劍喊話「你需要甚麼部件」,説出今屆 APEC 的真相

    董明珠在2026年APEC工商領導人峯會上向優必選創辦人周劍表示,可按需要提供機械人部件,凸顯企業間的供應鏈協作。峯會有21個經濟體、2000餘位政商代表及115家世界500強企業參與,並發布《深圳倡議》。與會者指出,人形機械人產業化仍面對製造、可靠性、售後服務、算力及安全等挑戰;工信部亦發布了5項相關標準。

  4. 第一財經52

    壹評級:GPT-6.2具身能力躍升,北美機械人鏈迎放量拐點

    GPT-6.2正式發布,並在真機評測中顯著領先前代,通用模型的機械人操作能力持續進化。通用模型結合視覺反饋已能進行多步規劃及結果自查,降低場景適配成本;API成本下調亦改善商業化基礎,令數據需求轉向高質素真實交互。以拓普集團為例,其關節模組周產已達1250台且供不應求,預計明年產能進一步提升;文章指出,具備規模製造及客戶協同開發能力的企業更具優勢。

11月18日週三
  1. 新浪科技50

    本地 AI 如何從遊戲與機械人示範走進日常生活

    作者在 NVIDIA 上海辦公室觀看 RTX Spark 本地模型示範後,認為本地 AI 的價值不在取代雲端大模型,而是把 AI 帶進更多日常場景。示範中的開源機械人 Microduck 透過 Wi-Fi 把數據傳至 RTX Spark 筆記型電腦,由本地模型處理和整理,最終讓機械人動起來。作者將雲端大模型比作負責複雜問題與長鏈路推理的大腦,把本地小模型視為處理感知及瑣碎任務的神經末梢。

  2. 雷鋒網54

    紐媧機械人創辦人楊睿剛:自動駕駛踩過的數據坑,機械人還會再踩一遍

    紐媧科技創辦人楊睿剛表示,自動駕駛的真實數據難以覆蓋所有長尾情況,機械人也會遇到相似問題,因此公司重視仿真、數據生成與數據增強。紐媧選擇社區末端配送,先處理定位、導航和避障,再逐步拓展至門禁、電梯及包裹交付等物理交互任務。WorldWeaver 組織真實場景數據、三維資產和生成數據,SimWeaver 提供物理仿真,相關體系用於 WTM 訓練和評測。

  3. 雷鋒網43

    清華徐夢迪:預訓練做得再好都不夠,機械人需要在部署中學習 | CoRL 2026

    清華大學徐夢迪指出,通用機械人不能只靠預訓練,還必須在部署中透過新資訊調整策略,以適應開放環境和多樣的人類指令。她的研究顯示,部署時使用驗證器挑選動作,性能提升速度比直接微調 Pi 0 快約 7 倍;以仿真補足人類影片缺少的觸覺資訊,也能提升靈巧操作能力。

  4. 新浪科技45

    清華徐夢迪:預訓練做得再好都不夠,機械人需要在部署中學習 | CoRL 2026

    清華大學徐夢迪指出,機械人不能只依靠預訓練,必須在部署期間透過新資訊及人機互動調整策略。團隊提出的驗證框架,性能提升速度比直接微調 Pi 0 快約 7 倍,分佈內提升約 20%,分佈外約 10%。從人類演示學習的研究則顯示,缺少觸覺會令成功率至少下降 10%。

  5. 創業邦38

    海願資本李芳麗:寧投一流團隊、二流技術,不投二流團隊、一流技術

    海願資本創始合夥人李芳麗表示,投資時團隊優先於技術,寧投一流團隊、二流技術,也不投二流團隊、一流技術。海願資本從7—8月起放緩出手節奏,計劃觀望3—6個月,等待市場環境和估值更趨合理。她同時強調,硬科技企業能否量產、獲得訂單並實現持續經營,取決於管理、供應鏈和商業化能力。

  6. 新浪科技37

    廚電具身智能分野:方太「造身」、老闆電器「煉腦」,集成灶企業「佔位」

    方太、老闆電器及集成灶企業走出不同的廚電具身智能佈局路徑:方太自研機械人硬件與軟件系統,老闆電器聯手極佳視界探索數據、模型與廚房場景合作,集成灶企業則以參股或佈局算力謹慎試探。方太於2026年3月11日發布機器人廚房,老闆電器於2026年11月6日與極佳視界簽署戰略合作協議。原文指出,各路徑各有課題,尚無絕對高下。

  7. 新浪科技33

    AI 熱潮下,賺錢的公司多嗎?雷軍:真正賺錢的還不多

    雷軍表示,過去四年 AI 大模型技術進步迅速,但行業投入巨大、落地場景有限,能實現商業閉環並賺錢的公司仍相對較少。他看好 AI 與手機、汽車及具身智能機器人結合,並認為未來三四年相關領域可能迎來顛覆性時刻。小米正研發 MiMo 等基礎大模型,目前有 11.6 億台設備接入小米 IoT 生態平台。

  8. 新浪科技41

    宇樹科技王興興:機械人進入家庭真正工作已不遠

    宇樹科技董事長王興興表示,機械人泛化能力難題已接近突破臨界點,進入家庭真正工作的時間可能比預期更快。他指出,模型突破後,量產、產品可靠性、售後體系及算力需求仍將面臨壓力。2026年上半年全球人形機械人出貨約1.91萬台,按年增長272%;中國廠商佔97%以上,宇樹以5900台排名全球第二。

  9. 新浪科技55

    雷軍看好 AI+手機,預計未來三至四年迎來顛覆性產品落地

    雷軍認為,AI+手機融合賽道有很大想像空間,預計未來三至四年 AI 行業將迎來顛覆性產品落地時刻。他指出,行業目前面臨前期研發投入高、實際應用場景有限及商業閉環尚未完全跑通等問題。雷軍表示,小米人形機械人已進入小米汽車工廠實習,可連續作業8小時,並自主完成兩次充電。

  10. IT之家33

    雷軍:「AI+手機」及「AI+具身智能機器人」想像空間大,未來三四年將出現顛覆性時刻

    小米創辦人、董事長兼 CEO 雷軍表示,「AI+手機」及「AI+具身智能機器人」等領域想像空間很大,未來三四年會出現顛覆性時刻。他認為,AI 進入物理世界並與終端及各種應用場景深度結合,將帶來巨大商業機會;具身智能機器人也是巨大的產業機會。

  11. 新浪科技43

    AI這麼火,賺錢的公司多嗎?雷軍:真正賺錢的還不多

    雷軍表示,過去四年 AI 大模型技術進步迅速,但投入巨大,能落地並實現商業閉環、真正賺錢的公司仍相對較少。雷軍看好 AI 與手機、汽車等終端結合,並認為「AI+手機」和「AI+具身智能機器人」未來三四年有望迎來顛覆性時刻。小米正研發 MiMo 等基礎大模型,目前有 11.6 億台設備接入小米 IoT 生態平台。