搜索
6 月 1 日，老黄在 GTC 上用了不小的篇幅讲物理 AI 和具身智能，并重磅发布了 Cosmos 3。英伟达将其定义为面向 Physical AI 的最新前沿模型，也是全球首个完全开放的全能模型，原生具备视觉推理、世界生成和动作生成能力。
8.99万元操作天花板，6月发货，具身智能的「苹果时刻」！中国版Figure，星尘智能自研「AI模型-具身OS-绳驱本体」三位一体架构，用击穿底线的定价，推动Physical AI落地。一句话：今年必Buy！
过去几年，大模型竞争主要发生在 AI 公司之间。但随着 AI 开始从数字世界进入真实设备与物理世界，竞争逻辑正在发生变化。
Agent Skills不应该只以SKILL.md、README或自然语言说明文档的形式存在，而应该被转成一种机器可检索、可检查、可治理的结构化表示。这是《From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills》这篇论文的核心主张。
来自华为泰勒实验室、北京大学和上海财经大学的研究团队提出了 SHAPE（Stage-aware Hierarchical Advantage via Potential Estimation），给推理链装上了一套「里程碑 + 推理税」机制——不仅告诉模型每一步推得对不对，还让它为啰嗦付出代价。结果是：准确率平均提升 3%，token 消耗直降 30%。
AI科技评论独家获悉，卡内基梅隆⼤学机器⼈研究院（CMURI）博⼠后、悉尼⼤学（USYD）⻓聘助理教授WilliamZhi联合创办具⾝智能公司⸺ZenoAI（芝诺机器⼈），致⼒于打造通⽤全栈物理智能（Full-stackPhysicalAI），提供可靠的全⾝灵巧操作解决⽅案。
如何创建大规模的Physical AI数据，来加速Physical AI开发者的进展。我们采取的方法，本质上是用算力去换数据；
一年前，DeepSeek R1 横空出世，人们才意识到，真正让模型产生推理能力质变的，不必是更大的预训练规模 —— 后训练，用强化学习、过程奖励、闭环反馈，以极低的代价解锁了原本需要数倍算力才能触达的能力边界。
今天凌晨，Physical Intelligence发布了全新的VLA模型π0.7，狠狠敲了世界模型一记闷棍。π0.7第一次在机器人领域证明了Compositional Generalization（组合泛化），且VLA。
质量和成本只能二选一？通过大脑+小脑分层、场内+场外双轮驱动，数据堂给出了具身智能数据难题的解。