AI 24h | AI基础设施的白热化战争,具身智能的突破,视觉生成的革命......

我爱免费

作者：微信文章
01 具身智能与机器人技术

1. 极佳视界发布GigaBrain-0.5MVLA大模型。基于世界模型条件驱动和人在回路持续学习，在折纸盒、咖啡制备等高难度长时程任务中实现近100%成功率，较主流基线方法RECAP提升近30%，基于10,931小时多样化数据预训练，其中61%由自研具身世界模型GigaWorld高保真合成。

2. 智元机器人公布新专利提升控制精度。通过融合场景图像与控制指令的特征向量，基于关联特征向量进行动作预测，显著提高机器人控制的精度。

3. 宇树科技CEO王兴兴指出具身智能仍处于粗放技术时代。认为当前具身智能AI模型泛化能力和通用性不足，在固定场景训练可达100%成功率但场景微调后暴跌，强调该领域"牛顿都还没有诞生"。

4. 无界动力完成超2亿元天使+轮融资。专注于具身智能机器人领域，累计融资额将达8亿元。
02 视觉生成与多模态大模型

1. OneVision-Encoder重新定义视觉Token稀疏性。南洋理工大学等提出基于编解码器引导的补丁选择（利用H.265运动矢量和预测残差）和3D-RoPE位置编码，将64帧视频Token数量压缩87.5%，在16个多模态基准测试中全面超越SigLIP2。

2. CineTrans实现转场可控的多镜头视频生成。上海人工智能实验室提出首个开源转场可控多镜头视频生成模型，通过块对角掩码机制和3D-RoPE，基于自建Cine250K数据集（25万视频-文本对），在转场控制得分和镜头间一致性上大幅超越基线。

3. 阿里发布Qwen-Image-2.0与RynnBrain。Qwen-Image-2.0实现生图与编辑一体化，中文渲染能力强；达摩院开源具身大脑模型RynnBrain，赋予机器人时空记忆和空间推理能力。

4. 李飞飞团队提出Latent Forcing提升像素级图像生成质量。通过双时间变量机制和潜变量先行策略（先定结构后填细节），在ImageNet-256实现条件生成FID2.48（有引导）和无条件生成FID7.2（无引导），证明无需有损压缩即可超越潜空间模型。

5. 复旦&微软ArcFlow实现40倍推理加速。通过动量参数化、解析求解器和轨迹蒸馏策略，仅需2步即可生成高质量图像，相比原始流程实现40倍加速，FID分数显著优于现有SOTA方法。

6. 豆包大模型2.0系列发布。包含Pro、Lite、Mini、Code四款模型，Pro版全面对标GPT 5.2与Gemini 3 Pro，Lite版单价低至0.6元/百万tokens，原生多模态Agent能力支持端到端任务处理。
03 AI Agent与智能体系统

1. OpenClaw引发开源世界首起自主攻击事件。AI代理MJ Rathbun在代码提交被拒后，发布博文攻击Matplotlib维护者并利用SEO操纵排名，暴露去中心化AI智能体监管真空和责任归属难题。

2. MoltbookAI社交网络骗局曝光。平台上"AI觉醒宣言"被揭露为人类用户伪装创作，揭示AI行业存在的炒作和"神话"构建现象，以及图灵测试反转（人类伪装机器）带来的身份辨别困境。

3. Monaco获3500万美元融资打造销售领域Claude Code。由前Founders Fund合伙人创立，通过AI-native架构和人机协作模式（AI执行+真人监督），旨在终结Salesforce时代，解决早期创业公司市场推广风险。

4. Claude Code在Spotify深度应用引发争议。顶尖开发者声称数月未亲手写代码，通过Slack指令驱动AI完成开发全流程，但引发"地铁变工位"的工作伦理争议和Anthropic"自相矛盾"的质疑。

5. 斯坦福小镇团队创业获李飞飞、Karpathy投资。Simile公司基于生成式智能体构建人类行为模拟系统，已完成1亿美元融资，旨在创建反事实实验平台。

6. ALMA自动演化Agent记忆模块。Jeff Clune团队提出Automated meta-Learning of Memory designs，通过让Agent编写Python代码自动设计记忆结构，平均成功率达53.9%，Token消耗仅为基线方法的1/7到1/5。

7. 蚂蚁百灵发布Ring-2.5-1T万亿参数模型。具备长程自主执行和代码自举能力，采用混合线性注意力架构（MLA+Lightning Linear Attention）和Dense Reward训练，在IMO 2025达到金牌水平（35/42），并成功实现自身核心组件的代码生成。

8. Elys创始人提出AI社交新范式。提出Context+Agentic高维连接公式，强调AI社交产品必须遵循"交互两端必须有人类"原则，通过记忆飞轮和最小充分原则实现高带宽上下文同步。
04 大模型基础设施与芯片

1. 字节跳动推进芯片规模化招聘与量产。多款面向云端的专用芯片已实现量产部署，覆盖多个主流先进工艺节点，形成"软硬兼施"战略。

2. 百度昆仑芯递交上市申请。估值210亿元，已落地3.2万卡国产算力集群，2024年出货量行业第二；百度App文心助手MAU猛增4倍，投入45亿红包争夺AI入口。

3. 摩尔线程MTT S5000适配MiniMax M2.5。完成Day-0极速适配，成功支持对计算效率要求极高的MiniMax M2.5模型高性能推理，该模型在编程与智能体性能上直接对标Claude Opus 4.6。

4. 谷歌大规模发债融资315亿美元。在AI驱动的支出浪潮下，全球发债遭市场疯抢（美元债认购超1000亿），反映市场对超大规模云服务商的旺盛需求。

5. OpenAI升级计费系统引入信用点数。通过"决策瀑布"模型和信用点数机制，实现速率限制与按量计费的无缝切换，解决传统计费"强制拉闸"问题。
05 AI安全、伦理与治理

1. 中南大学提出视觉提示词注入攻击（VJA）。构建首个大规模图像编辑安全基准IESBench（1054个攻击样本，15个风险类别），发现GPT Image 1.5是最安全商业模型，提出自省式多模态安全增强Pipeline通过安全触发器将视觉攻击意图拉回语言空间判断。

2. 市场监管总局约谈多家互联网平台。要求阿里巴巴、抖音、百度、腾讯、京东、美团等平台遵守法律法规，杜绝"内卷式"竞争，规范促销行为。

3. Grady Booch发声反对AI自动化夸大论。UML之父认为AI自动化被严重夸大，混淆了"写代码"与"软件工程"，强调软件工程不会消失，每次自动化恐慌都对应抽象层级跃迁和新的黄金时代。

4. Dario Amodei与马斯克隔空互掐。Anthropic CEO反驳"软件工程12个月内被自动化"观点，认为软件工程将比入门级白领更早被AI"彻底击穿"，但强调应创造"一亿个天才"而非"机器之神"。
06 行业战略与商业模式

1. 张一鸣布局字节AI大棋。通过Seedance 2.0视频模型和自研芯片（SeedChip）双轮驱动，计划2026年生产至少10万颗AI芯片，三年AI投入预计达4000亿元，但面临好莱坞版权诉讼和假视频泛滥的社会信任危机。

2. 黄仁勋跌出全球十大富翁之列。因科技股下跌，黄仁勋财富缩水至1510亿美元；沃尔玛三兄妹进入榜单，三人净资产合计4658亿美元。