搜索
有人把 YC 2026 春季批次的 launch，一家不落地全看了一遍。196 家公司，395 个创始人，上周刚 Demo Day。95% 的公司沾 AI，70% 在做 agent。可它们的定位，没有一家是「我们用了 AI」。区别只在于，这句「换掉人」，被包装成了几种不同的话术。
来自哈佛大学、MIT、IBM、波士顿大学、谷歌、JHU、CMU 和 Kempner Institute 的研究者提出了一个新的诊断性基准：MemoBench。这是首个面向动态环境的「消失-重现」世界建模评测基准，并已被计算机视觉顶会 ECCV 2026 接收。其一作 Haoyu Chen 为哈佛大学计算科学与工程专业一年级硕士生，师从哈佛大学计算机科学助理教授 Yilun Du。
具身智能正在进入数据 scaling 时代。Vision-Language-Action（VLA）模型让机器人可以从大规模示教数据（demonstrations）中学习更通用的操作策略。但对机器人 VLA 训练来说，数据并不总是越多越好：低质量数据可能会拖累模型性能，而每一条 demonstration 都意味着昂贵的人力采集、机器人运行，以及云端存储和训练成本。
今晚活动结束不到半小时，我从旧金山 Jackson Square 的 Canopy 办公室四楼走出来，脑子里还在转。十个团队，每人上台做 live demo，直接把产品打开给大家看。我觉得这个形式非常好，它逼着每个人真的做出来，而不是靠一叠 deck 撑场面。
当大模型应用进入深水区，决定一个 Agent 体验上限的，早已不只是 "答得对不对", 而是 "能不能持续记住同一个人"。
近日，穗升科技首款产品Memoket在海外正式开启预售。这是一款AI Memory可穿戴硬件，仅11克，分表带款和手环款两种形态，待机超过30天，连续录音续航20小时。它可以将物理世界中所听到的信息结构化，需要时调给Agent，实现跨时间聚合和Context（上下文）串联。
最近硅谷最火的岗位，非FDE莫属。FDE全称“Forward Deployment Engineer”，可以直接翻译成“前线部署工程师”。他们既要懂模型和技术，也要理解客户的数据、流程和业务痛点，核心任务是把AI从demo变成各个职业自己的AI-native工作流。
押注 AI 的 Memory Layer。
在做 Agent Memory 工程化探索的这几个月里，我经常有种被概念淹没的窒息。图结构记忆、AutoMemory、做梦机制、各种层出不穷的 Memory 框架……整个技术社区似乎陷入了一种每遇到一个新场景就要发明一套新词汇的群体焦虑中。
模型还不够完美，但机器人必须开始干活。Ferrata 想解决的，正是 Physical AI 从 Demo 走向真实现场之前，最缺的那层安全绳。