AI 发展
人形机器人（Figure / Optimus / Unitree）、世界模型、自动驾驶及 AI 眼镜、耳机、陪伴终端等硬件新物种进展。
20 条精选近 30 天 20 条共收录 69 条
Google 推出决策模型 Gemini Decision 1 API，进入与 Jev 和 OpenAI 竞争的决策模型品类，支持是非题、多选题和标准评分。该模型全面支持文本、图像、音频、视频及 PDF 等多模态输入，输入定价为每百万 token 0.10 美元且输出免费。在实测视频的是非问答中，与 Jev 和 OpenAI 直接输出 1.0 或 0.0 不同，Gemini 会给出具体的概率数值。
推荐理由：原文对比了 Gemini 与 OpenAI 及 Jev 在全多模态支持、Token 定价以及是非题概率输出形式上的具体差异，便于评估决策模型选型。
Serve Robotics 推出 AV Delivery Developer Portal，通过公开 API 和沙盒环境允许开发者、企业与 AI 智能体以代码形式调度其人行道配送机器人。此前该车队仅限大型第三方配送平台使用，接入后外部应用可直接发起取送货请求并跟踪配送状态，真实机器人调用需经官方审核批准。
推荐理由：该门户将原本仅对大型配送平台开放的无人车队转为公共 API，使开发者和 AI 智能体能够直接调用线下实体履约能力。
加州大学伯克利分校与 NVIDIA 联合开源 RoboSimStudio、GaP 框架及 VABAR 基准，利用多智能体在仿真环境中自主编写、测试和优化工业机器人控制程序。
推荐理由：原文展示了多智能体结合物理仿真自主迭代控制代码的完整链路，为缩短工业机器人产线调试周期提供了可落地的工程参考。
eBay 疑似已封锁包括 Meta 的 Muse 在内的第三方 AI 智能体在平台上浏览和抓取商品。eBay 发言人表示平台正限制未经授权的数据抓取和训练，此前已更新协议禁止代下单的 LLM 机器人。目前各电商对第三方智能体态度不一，Amazon 全面拦截而 Shopify 选择开放，但公开数据显示第三方智能体实际订单量目前仍极低。
推荐理由：原文结合实测与多平台对比展现了电商零售面对第三方智能体访问时的策略分歧。
Google DeepMind 推出视觉语言动作（VLA）模型 Gemini Robotics 2.5，旨在提升机器人在非结构化现实环境中的操作灵巧度、任务获取速度与安全性。
推荐理由：通过真实车间零件分拣验证与开源安全基准，读者可据此评估多模态动作模型在复杂物理作业环境中的落地可行度。
Anthropic 宣布推出 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型，旨在应对高难度的技术挑战。官方称新模型在编码、推理和视觉能力上均有提升，生成速度快于 5.1 版本，其中 Claude Fable 5.2 擅长复杂软件工程、智能体团队编排和长程项目。
推荐理由：原文给出了新模型的基准表现与测试案例，读者可以据此判断复杂长程任务和科学计算的落地可能。
UC Berkeley 与 NVIDIA 在机器人学习大会上提出智能体机器人技术，利用大模型代码智能体自动编写机器人控制程序并迭代仿真，无需依赖大规模人类示范数据。测试显示该方法在特定任务中成功率达到 99%，并将工业产线重构编程时间从 8 小时缩短至一两分钟，但仿真与现实物理环境的对齐仍面临行业挑战。
推荐理由：该研究用代码智能体自动生成可读控制程序并自适应调整仿真环境，展示了绕过昂贵示范数据解决工业机器人任务的新路径。
NVIDIA Cosmos 世界模型开发平台新增 4 款 16B 参数的 Cosmos 3 Nano 开源权重模型，面向自动驾驶和具身智能交互模拟。
推荐理由：原文给出了四款模型的适用场景与后训练方案，具身智能与自动驾驶开发者可据此获取权重进行传感器适配和策略验证。
Meta 宣布在 Muse 应用的移动端、Web 和 Mac 端正式上线实时语音对话与动态表情数字人功能。该功能基于 Muse Realtime Avatar 与 Voice 技术，支持实时对话打断及数百种声音风格切换，率先在美国地区推出，后续将接入 AI 眼镜及 Muse Charm 设备。
推荐理由：原文给出了实时语音对话与动态表情交互的适配平台及交互形态，便于读者评估多模态智能体交互界面的演进趋势。
多家网站在 Google Search Console 中出现点击量激增 2 到 6.5 倍但展示量与排名持平的异常，分析证实为非人工的机器人或 AI 智能体检索流量。
推荐理由：原文拆解了自动化爬虫与智能体检索导致的异常点击特征，并给出具体的过滤排查步骤。
NVIDIA 介绍了多个团队利用前沿 AI 智能体结合 Omniverse 库构建物理仿真的实际案例。开发者通过自然语言指令指导智能体完成资产组装、物理配置与渲染，涵盖 Houdini 资产创建、机器人拆解测试、数字孪生以及人形机器人模拟等工作流。文中展示了 Astra 等模型结合 Isaac Sim、OpenUSD 及相关 MCP 工具加速仿真开发落地的具体方式。
推荐理由：文章详细梳理了开发者结合前沿模型与 Omniverse 搭建物理仿真的实践案例，展示了从自然语言指令到 3D 资产和工业仿真的具体落地路径。
Meta 宣布个人 AI 智能体 Muse 正式在新加坡上线，支持连接 Gmail、Google Calendar、Instagram 以及 Shopee、Grab 等本地生活与电商平台协助处理日程和比价。系统运行在专用的 Muse Secure VM 上以隔离密码与支付凭据并在敏感操作前二次确认，目前已在 iOS、Android 与 Web 端提供免费基础功能并附带进阶订阅方案。
推荐理由：Meta 将个人智能体接入东南亚本地生活与电商生态，展示了消费级 Agent 整合第三方应用连接器与云端安全隔离的具体实现路径。
Google DeepMind 宣布推出新一代世界模型 Genie 4，支持实时交互式模拟与原生音画同步生成。该模型结合 Gemini 家族的推理能力，允许用户通过自然语言和按键在运行中实时修改天气、视角或角色行动；目前已开启研究预览，后续将通过 Project Genie 与 Gemini API 逐步开放。
推荐理由：该模型结合多模态大语言模型实现了实时推理与环境干预，展示了生成式世界模型融入动态物理模拟的具体路径。
二手奢侈品寄售平台 The RealReal 宣布升级防机器人系统，限制 AI 智能体在其网站上自动加购和结账。此前 The Verge 报道指出，用户可通过 Meta 的 Muse 智能体在 20 分钟保留期结束后循环将商品重新加入购物车，从而长时间霸占商品阻碍其他买家。
推荐理由：原文披露了电商平台防御智能体循环锁单的具体动作，展现了智能体电商对传统零售规则的冲击。
电商平台 Etsy 更新 AI 使用政策，要求绝大多数商品刊登必须包含至少一张在真实背景下拍摄的非 AI 生成照片，以强调手工艺与原创性。新规同时禁止使用 AI 生成图纸、食谱等实用指南以及机器人自动化刊登，未达标且导致实物不符的交易将支持买家退款。此外，Etsy 正在卖家刊登表单中加入 AI 检测提示功能，并在自身搜索与个性化匹配业务中继续扩大 AI 投入。
推荐理由：电商平台开始系统化限制卖家使用生成式 AI 包装商品，为跨平台电商和手工艺卖家明确了真实的素材合规边界。
NVIDIA 宣布扩展 Cosmos 平台，推出用于构建物理 AI 世界模型的训练工具、仿真检查点以及 Cosmos Data Factory 蓝图。平台提供自动驾驶与缺陷检测等 5 个云原生数据蓝图，并支持对 GR00T、Qwen 及 Hugging Face 开源模型进行微调与蒸馏。
推荐理由：该工具链打通了从多模态合成数据生成到轻量化蒸馏的完整管线，为物理AI开发者提供了端到端的工业落地参考。
NVIDIA 在 GTC 柏林展示了涵盖 RTX Spark、DGX Spark 与 DGX Station 的本地 AI 硬件阵容，并公布一系列硬件发售与软件生态更新。
推荐理由：该更新梳理了从个人设备到工作站的本地算力矩阵，有助于开发者评估私有化智能体部署与推理的选型路径。
NVIDIA 宣布扩展开源基础模型家族，涵盖语言理解、结构化商业数据、机器人及生物计算等多个垂直领域。此次推出的模型包含 Nemotron 3.5 视觉语言模型、处理表格与关系数据的 Kumo 系列、Cosmos 3.5 世界模型以及蛋白质设计模型 BioNeMo RFD4-Proteina 等。
推荐理由：覆盖语言、结构化数据与生物计算等多领域权重开放，为企业自主微调及垂类智能体落地提供了基座参考。
NVIDIA 创始人兼 CEO 黄仁勋在 GTC Berlin 2026 发表主旨演讲，发布了涵盖模块化数据中心、智能体安全与具身智能的一系列全栈基础设施。
推荐理由：演讲集中展示了从模块化物理算力到智能体安全运行时的完整交付方案，可作为评估企业级 AI 基础设施落地的参考。
Google DeepMind 发布面向机器人全生命周期的通用物理推理模型 Gemini 4 Argon，在具身推理基准 ERQA 上以纯推理取得 87% 的成绩。
推荐理由：模型展示了从真实视频或草图自动构建物理仿真并闭环控制机械臂的能力，提供了打通端到端具身智能工作流的具体落地范式。