IROS 2026 观察:具身智能学术与产业边界正在消融
IROS 2026 于 9 月 27 日至 10 月 1 日在美国匹兹堡举行,具身智能技术路线明显收敛为四大趋势:基础模型内化物理规律、“大小脑”分层架构成行业标配、触觉成为精细操作核心变量、数据采集成本大幅下降。
IROS 2026 于 9 月 27 日至 10 月 1 日在美国匹兹堡举行,具身智能技术路线明显收敛为四大趋势:基础模型内化物理规律、“大小脑”分层架构成行业标配、触觉成为精细操作核心变量、数据采集成本大幅下降。
天津聚集了飞腾、海光、中科曙光、麒麟软件、南大通用等信创企业,覆盖芯片、整机、操作系统到数据库的国产算力链关键环节。截至2026年8月底飞腾芯片累计销售超1500万片,麒麟银河操作系统连续15年居中国Linux市场占有率第一。今年国家超算天津中心联合飞腾、曙光等成立"太空数智基础设施联合攻关体",并推进量超智紧耦合算力原型系统建设。
中国一汽将企业级智能体 OpenMind 升级至 2.0,并基于千问大模型自研的汽车行业大模型入驻阿里云百炼平台,面向全行业开放。OpenMind 2.0 建立持久化记忆体系,把能力拆为可组合、可独立评测的 Skill,并设开发、验证、生产三环境隔离。其 BOM 智能体使更改单处理时间缩短 60%以上,产销平衡智能体将月度平衡周期压缩约两周。
Anthropic 启动长期计划 Cyber Mission,其中面向开源项目的免费 AI 扫描器会定期检查代码、自动标注并解释漏洞、给出补丁建议,基础设施或用户安全相关项目的维护者可通过 GitHub 申请加入。
特斯拉机器人团队9月21日落地宁波审厂,拓普集团、三花智控、均胜电子等汽车零部件供应商已拿到涵盖关节模组、执行器等品类的人形机器人订单。这些企业正把汽车领域的精密结构件、执行器、电机电控能力迁移到具身智能产线,均胜灵犀已推出20个自由度的TeleHand Pro灵巧手,三花智控规划2026年机器人执行器产能达100万台。
2026年上半年中国举办近500场黑客松,平均每天2-3场,单场成本从不到2万元到120万元不等。钱的来源主要是政府补贴与企业赞助:企业图招聘池和产品曝光,政府图人才与创新创业品牌,主办方则靠“founder”身份换取信任溢价,活动本身很难盈利。
扩散智能DiffuSpace近期连续完成两轮融资,由经纬创投、顺为资本、君联资本联合领投,中科创星、华为哈勃、地平线等跟投,两轮总金额近5亿元,刷新全球扩散语言模型领域融资规模纪录。
IROS 2026 上,Sharpa 发布 D01 机器人、W02 灵巧手和 AE01 外骨骼数据手套,戴盟则把 DM-Tac 触觉传感器、Data-Nexus 数采系统和触觉锚定世界模型 Daimon-TWM 摆到一起。
阿布扎比技术创新研究院(TII)发布 Falcon-ASR,这是一个 1.6B 参数的语音识别模型,重点支持阿联酋方言阿拉伯语,同时支持英语、法语、西班牙语和葡萄牙语,五种语言共用同一套权重。
作者描述自己用 Hugging Face 的 ML Intern 在几天内做出六个小模型,包括基于 Qwen3.5-2B 的柑橘病害模型、Huggy LoRA、相机角度 LoRA、Pocket Rewriter 0.8B/2B 和 Agate 4-step 蒸馏模型,累计算力成本约 103 美元。
推荐理由:作者用 ML Intern 在两三天内做出六个小模型,给出提示词结构与逐项成本,可作为低成本定制模型的实操参考。
NVIDIA 展示开发者用 GPT-6 Astra、Claude Fable 5 等前沿 AI 智能体结合 Omniverse 库构建仿真应用:仓库人形机器人模拟器、旧金山 Market 街自动驾驶测试环境、数字孪生传感器校验、Unitree G1 人形机器人 Robo Olympics 项目,以及浏览器版国际空间站模型。
SpaceXAI 宣布以创始企业赞助方身份加入监管 Omarchy 的 Omacom 基金会,并向 David Heinemeier Hansson 的 Linux 项目捐赠价值 150 万美元的 Grok tokens,主要用于加速开发、审查代码和修复 bug。此前 1Password 和 Cloudflare 也曾因支持 Omarchy 而陷入争议。
Ben Affleck 近期多段采访视频走红,他本人讲解机器学习、神经网络、Transformer 与张量等概念,并称自己会写一点 Python。他透露曾到访 OpenAI,还通过解冻权重、只训练最后一层"电影感"层来微调开源视频模型,该技术已用于其电影《Animals》的后期制作。
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在访谈中提出"合成超级智能"路线:以物理实验为环境的强化学习、AI 材料表征与高通量自主实验室,让模型在真实世界中试错而非只靠互联网数据训练,把数十年材料试错压缩到数月。
Goodfire 发布一套面向 AI 智能体的监控方案,不再由第二个模型阅读智能体输出,而是用探针读取模型内部激活信号,仅在触发时才交由单独的 AI 模型复核。
清华背景的 Naive AI(工商注册名北京智衍慧生科技)成立 7 个月完成三轮共 4 亿美元融资,投后估值 14.2 亿美元,投资方包括腾讯、博裕、红杉中国、IDG、经纬等。
2002年微软亚洲研究院内部进行人脸检测算法赛马,博士毕业不到两年的张磊带队击败人脸识别专家李子青,将误报率从"买一送一"降至1%,方案被集成进Windows。其带过的实习生包括黄峥、颜水成、朱珑等人。他后来加入Bing,搭建名人识别系统并公开MS Celeb数据集,其图文匹配思路被OpenAI参考用于训练CLIP模型。
英伟达团队从 Nemotron 3 出发,用监督微调、强化学习和反馈驱动的推理循环,让 Nemotron-3-Ultra-CC 在 IOI 2026 拿到 535.4/600,超过 361.12 的金牌线;通用版 Nemotron 3 Ultra 配合 SFT、RL 检查点在生成-验证-修正系统中于 IMO 2026 得到 30/42,超过 29 的官方金牌线。
推荐理由:原文公开了从 Nemotron 3 到 IOI、IMO 金牌级系统的完整微调配方与数据规模,可据此评估领域特化模型的可复现路径。
银河通用 GaLbot 团队联合清华大学、北京大学等机构在 IROS 2026 发布 LATENT,用 5 名业余网球选手约 5 小时的人体动作数据,训练人形机器人学习网球击球技能。
2026年9月,阿里确认1993年出生的刘大一恒负责Qwen预训练,1992年出生的陈宇森以千问办公CEO身份首次亮相;小米同期晋升1995年出生的罗福莉至22级,其负责的MiMo-V2.6-Pro在Artificial Analysis以46分位列全球开源权重模型第一。
Artcraft 上周末推出转向计划,发布七款开源应用,复刻 Adobe 的 Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 和 Acrobat Pro 的界面与工具。
Nous Research 确认完成 9000 万美元 B 轮融资,估值 15 亿美元,由 Robot Ventures 领投,Nvidia、Union Square Ventures、Menlo Ventures、Samsung 和 1789 Capital 等参投,公司累计融资达 1.58 亿美元。
Google DeepMind 发布 EmbeddingGemma 2,把文本、图像、音频、视频统一映射到同一嵌入空间,基于 Gemma 4 架构,参数 740M,采用 Apache 2.0 许可,面向端侧推理。
推荐理由:官方给出参数量、模块化设计与存储压缩细节,读者可据此判断端侧多模态检索的落地成本。
微软研究院开源 Agent Lightning v1.0,一个约 3500 行代码的轻量级 Agentic RL 框架,提出 Harnessed Agentic RL 范式,让部署时使用的同一 agent harness 直接参与强化学习训练,无需在训练框架内重写 agent。
推荐理由:微软亚研开源 3500 行轻量级智能体 RL 框架,给出真实 harness 参与训练、Kubernetes 原生运行和端到端编码智能体实验的完整方案。
Mistral 表示其新模型 Le Chonk 能够与顶尖闭源模型竞争,同时保持开放权重。
Kubernetes 联合创始人 Craig McLuckie 和 Joe Beda 正通过 Stacklok 将云原生思路用于 Agent harness。
OpenAI 发布 372 项由内部前沿模型生成的数学结果,每项都声称解决或推进了一个未解问题,涵盖重要计算机算法的改进以及与黎曼猜想相关的进展,结果托管在 GitHub 仓库中并附有修订日志和引用。
推荐理由:OpenAI 未经同行评审就把 372 项 AI 生成数学结果放上 GitHub,读者可据此观察学术评审流程与 AI 产能之间的张力。
OpenAI 发布内部前沿模型在数学开放问题上的新结果,并在 GitHub 上公开 Lean 证明形式化与研究细节。材料仅提供摘要,未给出具体问题、模型名称或结果数据。
Simon Willison 发布 datasette-atom 0.11a0。该版本为 alpha 预发布,原文未披露具体功能变更或参数细节。
开源办公软件 LibreOffice 宣布,在可预见的未来“不会添加”AI 功能,其默认安装将不含任何 AI,用户如需 AI 可自行安装扩展连接本地模型。背后的 Document Foundation 称这是刻意设计,目的是让文档不被上传到服务器处理、软件无需联网即可运行。该组织表示这并非对 AI 的彻底拒绝,现有集成方案尚无法满足数据留在本地、不依赖单一 AI 供应商等要求。
Anthropic 发布报告称 GLM-5.3 可作攻击性网络工具,但迄今公开记录的多数网络攻击都源自闭源模型。若因网络风险封禁开源权重模型,逻辑上同样应禁止前沿闭源模型的公开 API;在开源被禁而闭源持续进步的世界里,攻防网络能力差距反而会扩大。
电信运营商正把 AI 战略建立在开源模型之上,NVIDIA《State of AI in Telecommunications》报告显示 89% 受访者认为开源模型与软件对公司 AI 战略重要。
彭博社援引知情人士消息称,DeepSeek 接近在最新一轮融资中锁定至少 800 亿元人民币(约合 120 亿美元),远超最初约 500 亿元的目标,已签署的投资条款清单显示最终总额有望逼近 1000 亿元。
推荐理由:梳理 DeepSeek 从拒绝外部融资到千亿融资冲刺 IPO 的转折,并给出投资方、估值与算力投向的关键数字。
阿联酋发布 Falcon-Emirati-7B,一个在 Falcon-H1-Arabic 之上专攻阿联酋阿拉伯语方言的模型,目标是以母语者的词汇、语气和文化语境理解和生成方言。
Reflection 发布 Beam,一个面向编码、智能体和科研任务的纯文本 MoE 模型,总参数 501B、激活 23B,从零开始训练,Apache 2.0 全权重预计本月放出。
Reflection AI 正式发布首个前沿开源权重模型 Beam,称其在高级推理基准上匹配领先中国开源模型,推理算力用量少 3-4 倍。Beam 是 5010 亿参数、230 亿激活参数的文本 MoE 模型,预训练用 23.8 万亿 token,支持 100 万 token 上下文窗口。
Hugging Face 的 Avijit Ghosh、Margaret Mitchell 与 Samir Passi 在 9 月 6 日发布于 ArXiv 的论文中指出,当前 AI 智能体的审批流程实际上把人类挤出循环,人沦为只给权限、无从思考的"肉工具"。
Aleph Alpha 发布 780 亿参数的德英双语模型 Kolibri,采用 MoE 架构,每 token 约激活 30 亿参数,权重以 Apache 2.0 许可在 Hugging Face 开放。
10月2日纳斯达克再创历史新高,恒生科技指数盘中最低触及4111点、创一年新低,收盘跌2.26%。同日港交所迎来景旺电子、罗博特科、彤程新材、本末科技四只新股,其中三家为A股公司第二上市;大普微拟赴港第二上市募资至少10亿美元。2026年至今港股近120只新股合计募资约4000亿港币,但破发率已超70%。
硅谷AI圈正从追求最强模型转向计算成本账。花旗银行数据显示开源模型每项任务成本按周下跌35%至0.8美元,相对封闭模型折让从40%扩大至60%;Forkast统计开放权重模型平均每百万Token成本0.83美元,专有方案为6.03美元。