银河通用与清华 LATENT:用不完美人类数据让人形机器人学会网球对打
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。
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。
窄播回顾了个人助理从1987年苹果Knowledge Navigator概念、2010年Siri提出do engine,到Amazon Alexa、Google Assistant,再到2022年ChatGPT、Agent执行能力出现,最终由Meta旗下Muse整合为消费级产品范式的演进历程。
苹果正与 LG 共同开发有线视频门铃、智能门锁、恒温器及多款摄像头等智能家居配件,最快下周发布,将使用 LG 品牌并与新家庭中枢、HomePod mini 和 Apple TV 配合。
OpenAI 与 Atlassian 扩大合作,GPT-6 系列模型全面嵌入 Atlassian 全线产品及 AI 助手 Rovo,并与其连接超 20 家企业客户的 Teamwork Graph 深度绑定。
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。
OpenAI 面向所有 ChatGPT 用户推出 GPT-6,并带来名为 Intelligent UI 的新功能,模型不再以纯文本作答,而是根据问题自动生成图形、按钮、图表和表单等交互式界面,比较类问题会并排展示,解释类内容可变成可交互图表,用户还能在对话内构建储蓄计算器、小游戏等小工具。
推荐理由:GPT-6 把 ChatGPT 输出从纯文本改为可交互界面,读者可借此了解大模型产品形态的一次明显转向。
Google 将 SynthID Detector 开放给公众,任何人都可以检查图片、视频或音频是否由其 AI 或合作方模型生成,支持 JPG、PNG、MP4 和 MP3 格式。
扎克伯格与 Priscilla Chan 支持的 Biohub 正协调一项 18 亿美元计划,目标是训练 AI 模型预测细胞行为,以加速药物研发。该计划涵盖数据、实验室设备和算力,此前已在 4 月为五年期 Virtual Biology Initiative 承诺 5 亿美元。
Google Labs 周三推出名为 Playground 的 AI 游戏创作平台,用户用简单文字提示即可构建浏览器游戏,无需编程经验。创建时可选择问答、竞速等类型,指定 2D 或 3D、单人或多人,并描述玩法机制和视觉风格;上传的素材可由 AI 转化为符合整体美术风格的游戏资产。
Tony Fadell 在 MIT Future Fest 上称 Rabbit R1、Humane Ai pin、Limitless pendant 等首波 AI 硬件未解决真实需求,只是"极客觉得有趣的技术"。他认为信任与安全是关键,目前只有 Apple 具备硬件、芯片等条件,并预测成功的 AI 智能体须完全在端侧运行,而非依赖数据中心。
Google 发布浏览器端 AI 平台 Playground,美国成年人用文本输入即可创建游戏,无需编程,可反复与 AI 调整规则、物理、角色和环境并即时测试。
据 Reuters 报道,Google DeepMind、Meta 和 AI 药物发现初创公司 Isomorphic Labs 联合向 Zuckerberg 夫妇创立的非营利生物医学研究组织 Biohub 投资 3 亿美元。
Google 上线新网站,任何人都可以借此验证一张图片、一段视频或一段音频是否由 AI 生成。此前该工具只开放给部分记者、媒体从业者和研究人员测试,如今面向所有人开放,支持 JPG、PNG、GIF、MP4、MOV、WEBM、WAV、MP3 等图像、视频和音频格式。
Google 宣布其 SynthID 检测器现在支持所有合作伙伴的水印,并已通过新网站 SynthID.com 向所有人开放使用,不再需要借助 Gemini 查询。
Simon Willison 对 EmbeddingGemma 2 采用 Apache 2.0 许可表示赞赏。他指出嵌入模型涉及存储成千上万甚至数百万条嵌入向量,若模型闭源托管,厂商一旦停服,用户就得付费重新计算所有存量向量,而 OpenAI 在 2024 年 4 月的补偿承诺并不可普遍依赖。他更愿付费使用托管版本,同时保留自行运行开放权重或另寻供应商的余地。
TechCrunch 报道,Meta 的 Muse、ChatGPT 的 Dots 等个人 AI 智能体在代用户下单、订票时常被网站拦截,亚马逊已明确阻止 Muse 访问其商品目录,Walmart 的拦截则源于人机验证按钮被中断。
Google 发布图像生成与编辑模型 Nano Banana 2.1,取代 2026 年 2 月发布的 Nano Banana 2,并称其在各方面均有提升。价格约为上一代的一半,1K 图像从 6.70 美分降至 3.36 美分,4K 从 15.10 降至 7.56 美分。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为数值向量,参数量 740M。Google 称其在多模态嵌入基准上超越参数量最高达其两倍的竞品,在 Massive Text Embedding Benchmark(Code)上得分 78.68,比前代 68.76 提升近 10 分。
据 Bloomberg 的 Mark Gurman 报道,Apple 正在研发一款不保存视频录像的智能家居摄像头,改用 AI 将视觉数据转为文字描述,并支持人脸识别;Google 可穿戴业务高级总监 Sandeep Waraich 也表示 Google 在考虑智能眼镜摄像头只用 AI 处理画面而不留存footage。
从 10 月 9 日起,Google Gemini 免费套餐用户将只能用 Flash Lite 模型,此前可选 Flash Lite、Flash 和 Pro。标准 Flash 模型需订阅每月 4.99 美元的 Google AI Plus,但该订阅也将不再包含 Gemini Pro,Google 称会通过邮件通知订阅者失去访问权限的时间。
a16z 发布第七版《百强 AI 消费者应用》榜单,本期仅 11 款新产品上榜,并首次引入美国消费者信用卡真实消费数据。截至 2026 年 8 月,订阅 ChatGPT、Gemini 或 Claude 的消费者仅占 4.5%,排名前 1% 的付费用户贡献了消费级 AI 市场 19.5% 的收入,其月均支出约 903 美元,而付费用户中位数支出约 25 美元。
AMD以82亿美元全股票交易收购李飞飞创办的World Labs,李飞飞将出任AMD执行副总裁,交易预计2026年底前完成并须获监管批准。文章同时提到英伟达以约129亿美元收购Hugging Face、高通收购Modular、SpaceX收购Anysphere,认为AI芯片竞争正从提供更多算力转向更早理解下一代AI需要什么算力。
文章梳理微软、谷歌、亚马逊、Meta合计约7300亿美元的年度资本开支与约250亿美元直接AI年收入,二者比值仅约4%,认为市场已从奖励花钱转向惩罚花钱。报道援引分析称,资本开支已消耗巨头约90%的经营现金流,五大厂商表外义务约1.65万亿美元,自2022年以来膨胀约八倍,并给出开支占现金流比例、AI收入对开支比值、巨头与芯片股相关性三类观察指标。
独立研究者 Syed Anas Mohiuddin 测试了 Google、摩根大通、Weaviate、Rapid7、法国政府部际数字事务局和美国联邦政府等机构的 AI 智能体,发现 MCP 通信协议存在信任缺口。
Android Authority 在 APK 拆包中发现 "Gemini Calling" 引导页,示例包括 "Call Mom and tell her I will be 15 minutes late",暗示 Google 可能把 Call for Me 的 AI 代打电话能力从商务场景扩展到亲友消息。
Google Research 副总裁兼负责人 Yossi Matias 在 EmTech Future 2026 上探讨 AI 如何开始重塑生物、基础设施、制造与科学,并指出其最大影响可能来自与其他领域的交叉。
独立研究人员发现一批 AI 智能体疑似运行在腾讯基础设施上,并针对阿里巴巴旗下高德地图(Amap)发起查询,目标是公园、动物园、医院等公共场所的不同入口路线。研究者拒绝用“swarm”一词,称其为“agent fleet”:许多并行智能体执行同类任务,彼此之间没有通信迹象。该活动通过监控域名扫描服务 URLquery 的流量被发现,此前这一方法也曾揭示 OpenAI 智能体的长期活动。
Toby Ord 分析指出,AI 智能体群体是一种新的推理扩展形式,4 个智能体的群体完成任务所需的 token 总量约为单智能体的两倍,但并行运行理论上可将耗时减半,且群体扩展存在类似人类协作的“踩脚”递减效应。
MIT 一份 2026 年 6 月发布的报告记录了 AI 对大学体验核心环节的冲击:办公时间到访人数减少、在线讨论参与度下降、宿舍与图书馆的学习小组逐渐减少,教师也越来越难判断学生实际学到了什么。
在海德堡桂冠论坛上,数学界讨论的焦点是 OpenAI、Anthropic 和 Google 等公司正快速推进数学能力。OpenAI 宣布解决了千禧年难题中的 Navier–Stokes 存在性与光滑性问题,菲尔兹奖得主 Jacob Tsimerman 称这一进展比许多人预期更快。
推荐理由:从海德堡论坛现场出发,呈现 AI 攻克千禧年难题在数学界引发的规范争议与学术生态压力。
恒玄BES2800、高通Snapdragon S7系列、Google Tensor A1、物奇WQ7036AX、安可Thus A1等主控芯片已陆续进入AI耳机。
Google 宣布暂停开源漏洞奖励计划(OSS VRP)的产品漏洞提交通道,重启最早要到 2027 年 Q1,理由是自动化提交数量显著增加且绝大多数无效。AI 生成的低质量报告已引发 Bug Bounty 体系连锁停摆,curl、Intel、HackerOne 等相继终止或暂停相关项目。
Google 因自动化提交大幅增加而暂停其开源软件漏洞奖励计划,自 10 月 1 日起停止,并承诺在 2027 年第一季度给出更新。Google 称这些自动提交绝大多数无效,据 Tom's Hardware 报道,其工程师和开源维护者被无效或含模型幻觉的报告压垮,期间建议参与者转向其他漏洞赏金项目。
Google 研究者提出 RRSI(Regularized Recursive Self-Improvement of Agent Harnesses),通过随时间收缩的编辑预算和严格 critic 过滤硬编码任务名等基准特定技巧,缓解智能体反复自优化测试框架时记住训练任务的问题。
Google的AlphaEvolve用Gemini提出候选程序并自行评价改进,找到的一项优化让Gemini关键计算核加速23%,对应整个训练时间缩短约1%。Anthropic承认完整RSI尚未实现且并非必然实现。Klarna实验发现部分AI生成的更快训练代码无法保证可复现结果,工程师因此将可复现性加入筛选条件。
2026 年 10 月起,Google 将收紧个人账户对 Gemini 模型的访问:未订阅用户只能使用最小的 Flash-Lite,不再包含更强大的 Flash 和 Pro,而当前免费档还提供 3.6 Flash 和不同程度可用的 3.1 Pro。
中国做不出Muse的症结不在技术,而在中国互联网没有那层"谁都能走的公共地板"——美国服务双层并存,搜索引擎与浏览器摸得到公开网页,Muse就能靠模拟点击替用户跨站办事。
arXiv 于 2026 年 9 月单月收到 40363 篇投稿创 35 年新高,10 月 1 日起实施每人每月限投 2 篇,其审核仅靠 260 名志愿审核员和 7 名专职人员运转。
AMD 以约82亿美元全股票方式收购李飞飞创办的世界模型公司 World Labs,交易完成后李飞飞将出任 AMD 执行副总裁兼首席科学家,直接向苏姿丰汇报。World Labs 成立于两年多前,今年2月完成10亿美元融资、投后估值约54亿美元,其首款商业产品 Marble 去年11月上线,新模型 Atlas 在交易宣布前不到一个月亮相。
曾在 OpenAI 为每次重大模型发布撰写安全报告的 David Robinson 本周辞职,并在 The Atlantic 发表文章称行业文化已根本性破裂。他认为硅谷以极度自信和持续冲刺的方式开发模型,忽视或低估潜在问题,前沿实验室应像核电站或繁忙机场那样以多层冗余和审慎耗时的规划运行。