搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 2026年世界旅游日主题确定：数字议程与人工智能重塑旅游业
世界旅游日今年以数字议程与人工智能重塑旅游业为主题，主场活动在萨尔瓦多举行。联合国强调旅游不仅促进文化交流和丰富生活，也在思考未来应具备的形态。核心理念是以人为本，人工智能正在改变游客出行方式、行业运作模式与体验设计方法，呼吁加大数字技术投入，让创新成果惠及更多游客并推动行业发展。此次活动旨在构建开放包容、以人为本的旅游业数字未来，使人工智能更广泛地普及应用，促进旅游业的可持续。萨尔瓦多成为首个承办世界旅游日主场的中美洲国家，政府表示将推动技术创新、人工智能和数字化转型，建设更具包容性与现代化的旅游业。未来还将带领全球访客走进焕新后的历史中心、品尝当地美食、体验传统文化，感受萨尔瓦多人民的热情与温暖。
🏷️ #世界旅游日 #数字议程 #人工智能 #旅游业 #可持续
🔗 原文链接
📰 2026年世界旅游日主题确定：数字议程与人工智能重塑旅游业
世界旅游日今年以数字议程与人工智能重塑旅游业为主题，主场活动在萨尔瓦多举行。联合国强调旅游不仅促进文化交流和丰富生活，也在思考未来应具备的形态。核心理念是以人为本，人工智能正在改变游客出行方式、行业运作模式与体验设计方法，呼吁加大数字技术投入，让创新成果惠及更多游客并推动行业发展。此次活动旨在构建开放包容、以人为本的旅游业数字未来，使人工智能更广泛地普及应用，促进旅游业的可持续。萨尔瓦多成为首个承办世界旅游日主场的中美洲国家，政府表示将推动技术创新、人工智能和数字化转型，建设更具包容性与现代化的旅游业。未来还将带领全球访客走进焕新后的历史中心、品尝当地美食、体验传统文化，感受萨尔瓦多人民的热情与温暖。
🏷️ #世界旅游日 #数字议程 #人工智能 #旅游业 #可持续
🔗 原文链接
📰 世界技能大赛新增项目反映数字化智能化绿色化趋势 传统项目也在升级 比拼传统技能 更比拼前沿科技
第48届世界技能大赛将在上海开幕，涵盖运输与物流、结构与建筑、制造与工程、信息与通信、创意艺术与时尚，以及社会与个人服务六大类。新增的高科技项目如智慧安防、无人机系统、软件测试，凸显了对复合型人才的需求与挑战。无人机系统强调组装、调试、飞控、任务规划等综合能力，且AI算法提升让无人机在失去遥控信号时仍能安全返航；智慧安防则将高清监控、智能识别等技术应用于城市治理，提升公共安全水平。软件测试新设立的原因在于明确开发与测试的分工，黑盒、白盒、灰盒测试各有重点，AI 已成为测试的合作者，选手训练也引入了AI工具，以提升验证效率与覆盖面。自主移动机器人作为传统强项，面临复杂环境下的目标识别、导航与地形适应等挑战，未来有望通过世界模型等技术实现更高层次的环境理解与预测，从而推动农业、工业等领域的应用升级。总体而言，本届世赛强调跨领域知识与前沿技术的融合，促使从业者在理论与实务之间建立更紧密的联系。
🏷️ #世赛 #无人机系统 #软件测试 #自主移动机器人 #智慧安防
🔗 原文链接
📰 世界技能大赛新增项目反映数字化智能化绿色化趋势 传统项目也在升级 比拼传统技能 更比拼前沿科技
第48届世界技能大赛将在上海开幕，涵盖运输与物流、结构与建筑、制造与工程、信息与通信、创意艺术与时尚，以及社会与个人服务六大类。新增的高科技项目如智慧安防、无人机系统、软件测试，凸显了对复合型人才的需求与挑战。无人机系统强调组装、调试、飞控、任务规划等综合能力，且AI算法提升让无人机在失去遥控信号时仍能安全返航；智慧安防则将高清监控、智能识别等技术应用于城市治理，提升公共安全水平。软件测试新设立的原因在于明确开发与测试的分工，黑盒、白盒、灰盒测试各有重点，AI 已成为测试的合作者，选手训练也引入了AI工具，以提升验证效率与覆盖面。自主移动机器人作为传统强项，面临复杂环境下的目标识别、导航与地形适应等挑战，未来有望通过世界模型等技术实现更高层次的环境理解与预测，从而推动农业、工业等领域的应用升级。总体而言，本届世赛强调跨领域知识与前沿技术的融合，促使从业者在理论与实务之间建立更紧密的联系。
🏷️ #世赛 #无人机系统 #软件测试 #自主移动机器人 #智慧安防
🔗 原文链接
📰 计算机行业深度报告世界模型从“生成世界”到“控制世界”，物理AI打开工业软件与自动化重估空间 - 东吴证券 ｜ 发现报告
本文对“世界模型”及其在物理AI中的定位、技术路线、应用场景和投资趋势进行了系统梳理。世界模型被定义为智能体在行动前预演后果的内部模拟系统，需完成从多模态观测形成状态表征、预测未来状态以及比较路径以决策等三大基本职能；单纯的生成模型若缺乏动作输入与规划能力则不能视为完整世界模型。未来世界模型将呈现生成、潜空间动力学、物理仿真与因果结构的混合架构，并以机理边界、残差学习、实时数据校正与闭环控制实现融合。当前阶段的核心技术路线包括潜空间动力学、像素级视频、JEPA联合嵌入预测、显式物理/结构化模型和因果世界模型，各自解决数据、预测、精度与泛化等不同难点。物理AI的落地更倾向于高价值、半结构化场景，如流程工业、工程仿真、自动驾驶与仓储物流，强调数据回流、可量化的错误成本以及已有系统的对接能力。投资重点聚焦掌握数据、机理与控制闭环的企业，涉及流程自主运行、物理仿真/工程世界模型以及工业智能体与数字化主线，且行业展望在2026–2030年经历三轮价值迁移。通过融合边界模型、学习残差和实时校正，未来将从“生成世界”向“控制世界”演进，推动产业软件与自动化的新一轮重估。
🏷️ #世界模型 #物理AI #工业应用 #融合架构 #投资趋势
🔗 原文链接
📰 计算机行业深度报告世界模型从“生成世界”到“控制世界”，物理AI打开工业软件与自动化重估空间 - 东吴证券 ｜ 发现报告
本文对“世界模型”及其在物理AI中的定位、技术路线、应用场景和投资趋势进行了系统梳理。世界模型被定义为智能体在行动前预演后果的内部模拟系统，需完成从多模态观测形成状态表征、预测未来状态以及比较路径以决策等三大基本职能；单纯的生成模型若缺乏动作输入与规划能力则不能视为完整世界模型。未来世界模型将呈现生成、潜空间动力学、物理仿真与因果结构的混合架构，并以机理边界、残差学习、实时数据校正与闭环控制实现融合。当前阶段的核心技术路线包括潜空间动力学、像素级视频、JEPA联合嵌入预测、显式物理/结构化模型和因果世界模型，各自解决数据、预测、精度与泛化等不同难点。物理AI的落地更倾向于高价值、半结构化场景，如流程工业、工程仿真、自动驾驶与仓储物流，强调数据回流、可量化的错误成本以及已有系统的对接能力。投资重点聚焦掌握数据、机理与控制闭环的企业，涉及流程自主运行、物理仿真/工程世界模型以及工业智能体与数字化主线，且行业展望在2026–2030年经历三轮价值迁移。通过融合边界模型、学习残差和实时校正，未来将从“生成世界”向“控制世界”演进，推动产业软件与自动化的新一轮重估。
🏷️ #世界模型 #物理AI #工业应用 #融合架构 #投资趋势
🔗 原文链接
📰 具身智能涌向工厂一线,产业界竞逐落地“最后一公里”
在2026年世界机器人大会上，行业代表普遍达成共识：具身智能正进入“ChatGPT时刻”，将逐步从验证阶段转向商业落地，且对生产力的提升可能超过数字智能。黄源浩认为世界模型将弥补机器人实操的短板，未来物理智能市场规模有望达到甚至超越数字智能的数倍；吴明辉则指出具身智能已进入从2.0向3.0过渡的阶段，爆发点在于具备强推理能力的机器人能解决复杂问题。行业从业者从“能不能做Demo”转向“ROI是否成立”的商业评估，物流场景被选作切入点以验证可规模化落地的潜能。不同企业在路径上各有侧重：星动纪元通过通用本体与大脑加速部署、缩短部署周期并聚焦物流场景；明略科技强调将通用大模型与具体场景结合；桦之坚展示了以巨型人形与四足机器人并存的多元化应用，如工业巡检、消防机器人等；奥比中光强调数据层面的关键性，推动视觉与触觉数据的毫秒级同步，倡导建立统一数据标准以降低成本。总体而言，行业正在跨越从“能干活”到“干好活”的鸿沟，数据、硬件与通用AI架构的协同将推动具身智能的快速落地并释放更大生产力潜力。
🏷️ #具身智能 #世界模型 #ROI #物流场景 #数据标准
🔗 原文链接
📰 具身智能涌向工厂一线,产业界竞逐落地“最后一公里”
在2026年世界机器人大会上，行业代表普遍达成共识：具身智能正进入“ChatGPT时刻”，将逐步从验证阶段转向商业落地，且对生产力的提升可能超过数字智能。黄源浩认为世界模型将弥补机器人实操的短板，未来物理智能市场规模有望达到甚至超越数字智能的数倍；吴明辉则指出具身智能已进入从2.0向3.0过渡的阶段，爆发点在于具备强推理能力的机器人能解决复杂问题。行业从业者从“能不能做Demo”转向“ROI是否成立”的商业评估，物流场景被选作切入点以验证可规模化落地的潜能。不同企业在路径上各有侧重：星动纪元通过通用本体与大脑加速部署、缩短部署周期并聚焦物流场景；明略科技强调将通用大模型与具体场景结合；桦之坚展示了以巨型人形与四足机器人并存的多元化应用，如工业巡检、消防机器人等；奥比中光强调数据层面的关键性，推动视觉与触觉数据的毫秒级同步，倡导建立统一数据标准以降低成本。总体而言，行业正在跨越从“能干活”到“干好活”的鸿沟，数据、硬件与通用AI架构的协同将推动具身智能的快速落地并释放更大生产力潜力。
🏷️ #具身智能 #世界模型 #ROI #物流场景 #数据标准
🔗 原文链接
📰 上半年机器人产业规上企业营收达1655亿元_数字快讯_数字中国建设峰会
2026世界机器人大会在北京开幕，主题聚焦人机共生与产需共融，大会由中国电子学会与世界机器人合作组织共同主办。数据显示，2025年机器人产业规模以上企业营业收入突破3000亿元，近5年年均增速超20%；上半年收入达1655亿元，同比增长24.5%。工业和信息化部指出，将以智能化为主线推动产业创新，重点聚焦核心零部件与具身智能等环节，打造一批标志性产品，打通产学研用创新链条，推动中外科研机构与企业联合攻关。智能机器人作为AI从数字走向物理世界的重要载体，正在加速赋能各行业及家庭场景。参展企业超过300家，企业在真实场景下推进商用交付，强调智能化与感知能力提升。优必选表示，2026年人形机器人将从概念走向场景化、实用化、规模化发展，建立基座模型-世界模型-行动模型的全栈式自研体系，重点突破场景认知、任务规划及精准感知与空间理解等能力。未来世界模型将与大模型、强化学习深度融合，使具身智能真正落地。我国机器人产业链企业超过116.5万家，新增主体多集中在算法研发、系统集成、场景解决方案等领域，与AI、软件、自动化系统的融合趋势明显。但行业仍面临智能化水平不足、技能作业能力偏弱等挑战，需在技术攻关、产业培育、场景拓展与安全治理方面推进协同创新与应用验证，推动农业、医疗、养老、应急等重点领域的广阔应用。
🏷️ #机器人#智能化#世界模型#场景化#应用
🔗 原文链接
📰 上半年机器人产业规上企业营收达1655亿元_数字快讯_数字中国建设峰会
2026世界机器人大会在北京开幕，主题聚焦人机共生与产需共融，大会由中国电子学会与世界机器人合作组织共同主办。数据显示，2025年机器人产业规模以上企业营业收入突破3000亿元，近5年年均增速超20%；上半年收入达1655亿元，同比增长24.5%。工业和信息化部指出，将以智能化为主线推动产业创新，重点聚焦核心零部件与具身智能等环节，打造一批标志性产品，打通产学研用创新链条，推动中外科研机构与企业联合攻关。智能机器人作为AI从数字走向物理世界的重要载体，正在加速赋能各行业及家庭场景。参展企业超过300家，企业在真实场景下推进商用交付，强调智能化与感知能力提升。优必选表示，2026年人形机器人将从概念走向场景化、实用化、规模化发展，建立基座模型-世界模型-行动模型的全栈式自研体系，重点突破场景认知、任务规划及精准感知与空间理解等能力。未来世界模型将与大模型、强化学习深度融合，使具身智能真正落地。我国机器人产业链企业超过116.5万家，新增主体多集中在算法研发、系统集成、场景解决方案等领域，与AI、软件、自动化系统的融合趋势明显。但行业仍面临智能化水平不足、技能作业能力偏弱等挑战，需在技术攻关、产业培育、场景拓展与安全治理方面推进协同创新与应用验证，推动农业、医疗、养老、应急等重点领域的广阔应用。
🏷️ #机器人#智能化#世界模型#场景化#应用
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度21期：物理AI如何从架构借鉴走向模型迁移？ - 发现报告
本文围绕数字AI向物理AI迁移的路径与挑战进行梳理。物理AI以感知、决策与行动落地于真实三维空间为目标，落地场景以智能驾驶为代表。迁移经历两个阶段：首先在架构理念层面引入数字AI的注意力机制、矢量化表达等建模范式，形成VectorNet、BEV等统一空间表征；随后向模型层级直接迁移，如EMMA等端到端多模态模型，以及MindVLA、世界基座模型等车端VLA实践。这种迁移并非线性放大，越靠近物理闭环，直接迁移的红利越小，需要重新设计或再训练的部分增多。物理AI与数字AI的三大核心差异在于表征、数据与学习范式。物理世界的连续信号需要先被编码为可学习的三维表征，数字AI的离散文本与符号不同；高价值数据在物理场景中极为稀缺，世界模型被用来生成合成数据以扩充训练；学习范式方面，强化学习在高物理闭环任务中扮演关键角色，帮助超越模仿的局限。总之，数字AI提供底座能力与通用范式，物理AI则聚焦建立物理世界的可控闭环，并以智能驾驶为先导探索安全性与可验证性的发展路径。
🏷️ #物理AI #数字AI #迁移 #表征 #世界模型
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度21期：物理AI如何从架构借鉴走向模型迁移？ - 发现报告
本文围绕数字AI向物理AI迁移的路径与挑战进行梳理。物理AI以感知、决策与行动落地于真实三维空间为目标，落地场景以智能驾驶为代表。迁移经历两个阶段：首先在架构理念层面引入数字AI的注意力机制、矢量化表达等建模范式，形成VectorNet、BEV等统一空间表征；随后向模型层级直接迁移，如EMMA等端到端多模态模型，以及MindVLA、世界基座模型等车端VLA实践。这种迁移并非线性放大，越靠近物理闭环，直接迁移的红利越小，需要重新设计或再训练的部分增多。物理AI与数字AI的三大核心差异在于表征、数据与学习范式。物理世界的连续信号需要先被编码为可学习的三维表征，数字AI的离散文本与符号不同；高价值数据在物理场景中极为稀缺，世界模型被用来生成合成数据以扩充训练；学习范式方面，强化学习在高物理闭环任务中扮演关键角色，帮助超越模仿的局限。总之，数字AI提供底座能力与通用范式，物理AI则聚焦建立物理世界的可控闭环，并以智能驾驶为先导探索安全性与可验证性的发展路径。
🏷️ #物理AI #数字AI #迁移 #表征 #世界模型
🔗 原文链接
📰 信息化观察网 - 引领行业变革
本文梳理了智能驾驶从模块化割裂向端到端融合、再向物理AI的演进路径。早期以DARPA挑战赛为起点，自动驾驶多为规则算法和高精地图的“昆虫级”智能，难以泛化。2024年起，端到端方案兴起，特斯拉FSD V12/V14等推动感知、决策、控制的统一与可解释性提升，同时出现VLA（视觉-语言-行动）与世界模型两条路线的竞争与融合。行业逐步从“二段式”向“一段式”与“VLA+世界模型”深度融合转变，华为、百度、小鹏、蔚来、理想等企业纷纷落地世界模型、闭环强化学习、跨模态底座模型等技术，形成以物理世界理解与行动能力为核心的新竞争格局。未来五年，物理AI将成为智驾行业的核心底座，推动从价格战、堆参数向“建底座、懂因果、能行动”的升级，最终实现L3/L4甚至无人驾驶阶段，然而要真正达到像人类般的理解与预测仍需更大规模数据、算力与更高的技术突破。
🏷️ #物理AI #智能驾驶 #世界模型 #VLA #端到端
🔗 原文链接
📰 信息化观察网 - 引领行业变革
本文梳理了智能驾驶从模块化割裂向端到端融合、再向物理AI的演进路径。早期以DARPA挑战赛为起点，自动驾驶多为规则算法和高精地图的“昆虫级”智能，难以泛化。2024年起，端到端方案兴起，特斯拉FSD V12/V14等推动感知、决策、控制的统一与可解释性提升，同时出现VLA（视觉-语言-行动）与世界模型两条路线的竞争与融合。行业逐步从“二段式”向“一段式”与“VLA+世界模型”深度融合转变，华为、百度、小鹏、蔚来、理想等企业纷纷落地世界模型、闭环强化学习、跨模态底座模型等技术，形成以物理世界理解与行动能力为核心的新竞争格局。未来五年，物理AI将成为智驾行业的核心底座，推动从价格战、堆参数向“建底座、懂因果、能行动”的升级，最终实现L3/L4甚至无人驾驶阶段，然而要真正达到像人类般的理解与预测仍需更大规模数据、算力与更高的技术突破。
🏷️ #物理AI #智能驾驶 #世界模型 #VLA #端到端
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度23期：智能驾驶的表征演进 - 发现报告
物理AI与数字AI的根本差异在于表征获取方式。物理世界输入缺乏天然通用的token化方案，需要先构建三维物理空间的可学习表征，才能进入规划、控制和行动。以智能驾驶为例，其表征演进可概括为五个阶段：原始像素、BEV/VectorNet、Occupancy、multimodal Token和潜在状态。原始像素端到端简单但缺乏结构约束；BEV+Transformer与矢量化VectorNet是同等级的两条并行路线，前者将多摄像头信息统一到鸟瞰三维空间，后者将道路与参与者抽象成数学对象；Occupancy关切空间占据而非仅识别类别；多模态Token连接视觉、语言与动作；潜在状态把世界压缩成可预测的潜在空间。物理AI的tokenizer本质是重型编码网络，离散化与嵌入非预先给定，而是通过网络学习获得，因此工程门槛高于数字AI。当前公司路径虽各有侧重，但共同趋势是从目标级识别走向空间级理解，再走向潜在状态预测；多种表征将长期共存，服务于感知、预测、仿真和规划的不同层次需求。世界模型或成为关键手段，在自监督环境下预测未来状态、生成场景以形成统一的物理表征，进而提升在无标注情境中的学习效果。竞争壁垒正由单点感知提升到将物理世界嵌入可预测的潜在空间。整体看，物理AI将成为对物理世界的AI解决方案，智能驾驶作为闭环最先落地的场景，应成为重点关注方向。
🏷️ #物理AI #表征演进 #智能驾驶 #世界模型 #潜在状态
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度23期：智能驾驶的表征演进 - 发现报告
物理AI与数字AI的根本差异在于表征获取方式。物理世界输入缺乏天然通用的token化方案，需要先构建三维物理空间的可学习表征，才能进入规划、控制和行动。以智能驾驶为例，其表征演进可概括为五个阶段：原始像素、BEV/VectorNet、Occupancy、multimodal Token和潜在状态。原始像素端到端简单但缺乏结构约束；BEV+Transformer与矢量化VectorNet是同等级的两条并行路线，前者将多摄像头信息统一到鸟瞰三维空间，后者将道路与参与者抽象成数学对象；Occupancy关切空间占据而非仅识别类别；多模态Token连接视觉、语言与动作；潜在状态把世界压缩成可预测的潜在空间。物理AI的tokenizer本质是重型编码网络，离散化与嵌入非预先给定，而是通过网络学习获得，因此工程门槛高于数字AI。当前公司路径虽各有侧重，但共同趋势是从目标级识别走向空间级理解，再走向潜在状态预测；多种表征将长期共存，服务于感知、预测、仿真和规划的不同层次需求。世界模型或成为关键手段，在自监督环境下预测未来状态、生成场景以形成统一的物理表征，进而提升在无标注情境中的学习效果。竞争壁垒正由单点感知提升到将物理世界嵌入可预测的潜在空间。整体看，物理AI将成为对物理世界的AI解决方案，智能驾驶作为闭环最先落地的场景，应成为重点关注方向。
🏷️ #物理AI #表征演进 #智能驾驶 #世界模型 #潜在状态
🔗 原文链接
📰 券商观点|汽车行业深度报告：AI系列深度24期：世界模型作为“数据工厂”
本文梳理了AI分为数字AI与物理AI的差异及其数据范式转变。数字AI以互联网上已沉淀的文本、代码、图像等为训练语料，核心在于抓取、过滤和压缩现有数据；而物理AI则需在现实场景中构造稀缺且成本高昂的长尾、极端和事故样本，故数据范式需要由被动抓取转向主动制造。世界模型的发展从车端预测逐步扩展至云端数据工厂，形成合成训练数据的来源，能够在云端生成未观测场景与新样本，提升Corner Case的密度与覆盖度，但生成式世界模型也存在分布偏离、长时域等带来的物理不一致与目标漂移等风险，因此需通过外生受控生成和内生问题驱动生成等手段来约束与提升样本有效性与物理可信度。总体而言，数字AI的底座模型在确定性方面已有清晰路径，而要实现对物理世界的完整建模闭环，物理AI将成为更具增量意义的方向，智能驾驶作为最先跑通闭环的代表场景值得重点关注。
🏷️ #AI #物理AI #世界模型 #智能驾驶
🔗 原文链接
📰 券商观点|汽车行业深度报告：AI系列深度24期：世界模型作为“数据工厂”
本文梳理了AI分为数字AI与物理AI的差异及其数据范式转变。数字AI以互联网上已沉淀的文本、代码、图像等为训练语料，核心在于抓取、过滤和压缩现有数据；而物理AI则需在现实场景中构造稀缺且成本高昂的长尾、极端和事故样本，故数据范式需要由被动抓取转向主动制造。世界模型的发展从车端预测逐步扩展至云端数据工厂，形成合成训练数据的来源，能够在云端生成未观测场景与新样本，提升Corner Case的密度与覆盖度，但生成式世界模型也存在分布偏离、长时域等带来的物理不一致与目标漂移等风险，因此需通过外生受控生成和内生问题驱动生成等手段来约束与提升样本有效性与物理可信度。总体而言，数字AI的底座模型在确定性方面已有清晰路径，而要实现对物理世界的完整建模闭环，物理AI将成为更具增量意义的方向，智能驾驶作为最先跑通闭环的代表场景值得重点关注。
🏷️ #AI #物理AI #世界模型 #智能驾驶
🔗 原文链接
📰 2026年AI行业月度观察报告（7月期）
2026年7月的全球AI产业正从数字智能迈向物理智能，进入从理解世界到创造世界的阶段。报告指出竞争焦点正从单纯的模型性能转向对权重、资本与规则话语权的综合较量，体现出技术、产品、资本与治理等多维度的系统性升级。技术端多条主线并行推进，物理智能、世界模型、社会智能与图工程共同发展，语言模型的“全局工作空间”等发现为审计提供新入口；产品端开源与闭源差距缩小，围绕模型蒸馏及潜在制裁的讨论升温，治理端加大对可控性与防作弊的监管力度。资本端，具身智能的融资热度上升，循环融资结构逐渐成为定价因素，ARR、订单与实际收入的重要性上升，产业格局出现新变量如Neo Labs与主权AI工厂。总体判断包括：12个月内开源权重对闭源API定价的压缩效应、融资循环下市值成为生产要素、世界模型与物理智能将与语言模型合成成为新技术线、中国基座模型的调用量上升推动图工程阶段、以及AI进入物理世界成为必然的交汇点。未来AI竞争将取决于谁能掌握权重、资本与规则话语权。
🏷️ #AI发展 #物理智能 #世界模型 #图工程 #监管
🔗 原文链接
📰 2026年AI行业月度观察报告（7月期）
2026年7月的全球AI产业正从数字智能迈向物理智能，进入从理解世界到创造世界的阶段。报告指出竞争焦点正从单纯的模型性能转向对权重、资本与规则话语权的综合较量，体现出技术、产品、资本与治理等多维度的系统性升级。技术端多条主线并行推进，物理智能、世界模型、社会智能与图工程共同发展，语言模型的“全局工作空间”等发现为审计提供新入口；产品端开源与闭源差距缩小，围绕模型蒸馏及潜在制裁的讨论升温，治理端加大对可控性与防作弊的监管力度。资本端，具身智能的融资热度上升，循环融资结构逐渐成为定价因素，ARR、订单与实际收入的重要性上升，产业格局出现新变量如Neo Labs与主权AI工厂。总体判断包括：12个月内开源权重对闭源API定价的压缩效应、融资循环下市值成为生产要素、世界模型与物理智能将与语言模型合成成为新技术线、中国基座模型的调用量上升推动图工程阶段、以及AI进入物理世界成为必然的交汇点。未来AI竞争将取决于谁能掌握权重、资本与规则话语权。
🏷️ #AI发展 #物理智能 #世界模型 #图工程 #监管
🔗 原文链接
📰 物理AI重塑智驾-钛媒体官方网站
2026年被称为物理AI元年，智能驾驶正从数字AI向物理AI跃迁，技术路线从模仿走向超越，行业进入新发展阶段。文章梳理了从早期模块化、规则算法到端到端、再到VLA（视觉-语言-行动）与世界模型的演进，强调端到端解决了黑箱问题，但在可解释性与追溯性上仍存挑战，因此业界转向VLA+世界模型的深度融合，以实现对环境的理解与对物理世界的预测。特斯拉的FSD V14、西云等新版本推动了两大路径的融合成为主流趋势：以WA（World-Action）为核心的世界模型、以VLA提升语义理解，两者相辅相成，形成更具物理感知与决策执行的一体化系统。未来五年行业将以底座模型为核心，谁掌握对物理世界的理解与行动能力，谁就掌握价值链主导权。尽管全球领先企业都在加速算力与数据积累，真正的物理AI自动驾驶仍需大量真实世界数据与高算力支持，距离完全的终极形态尚有距离。
🏷️ #物理AI #自动驾驶 #VLA #世界模型 #端到端
🔗 原文链接
📰 物理AI重塑智驾-钛媒体官方网站
2026年被称为物理AI元年，智能驾驶正从数字AI向物理AI跃迁，技术路线从模仿走向超越，行业进入新发展阶段。文章梳理了从早期模块化、规则算法到端到端、再到VLA（视觉-语言-行动）与世界模型的演进，强调端到端解决了黑箱问题，但在可解释性与追溯性上仍存挑战，因此业界转向VLA+世界模型的深度融合，以实现对环境的理解与对物理世界的预测。特斯拉的FSD V14、西云等新版本推动了两大路径的融合成为主流趋势：以WA（World-Action）为核心的世界模型、以VLA提升语义理解，两者相辅相成，形成更具物理感知与决策执行的一体化系统。未来五年行业将以底座模型为核心，谁掌握对物理世界的理解与行动能力，谁就掌握价值链主导权。尽管全球领先企业都在加速算力与数据积累，真正的物理AI自动驾驶仍需大量真实世界数据与高算力支持，距离完全的终极形态尚有距离。
🏷️ #物理AI #自动驾驶 #VLA #世界模型 #端到端
🔗 原文链接
📰 物理AI重塑智驾-证券之星
本文梳理了从“看见什么做什么”到“想象接下来会发生再主动行动”的物理AI浪潮对智能驾驶的深刻影响。随着终端端到端、VLA（视觉-语言-行动）与世界模型等路线的崛起，智能驾驶正从依赖规则和高精地图的模块化系统，逐步走向具有可解释性与预测能力的统一智能体。2024-2025年国内外先后落地的一段式端到端、VLA与世界模型的融合，促使特斯拉、华为、蔚来、小鹏、理想等厂商将底座模型作为核心支撑，推动自动驾驶、座舱及机器人等多场景的技术协同。行业共识逐步形成：VLA提供理解能力，世界模型增强对物理世界的预测，二者的深度融合被视为未来的主流方向，甚至可能超越人类驾驶。与此同时，算力与数据规模成为关键瓶颈，头部企业正在通过大规模算力投入与海量真实数据积累，提升物理AI的落地能力。尽管如此，真正的物理AI形态尚未到来，仍需解决“从理解到行动”的完整闭环与安全可控的问题。展望未来，物理AI在五年内有望成为行业普遍的核心底座，推动自动驾驶进入更高水平的智能时代。
🏷️ #物理AI #世界模型 #VLA #端到端 #自动驾驶
🔗 原文链接
📰 物理AI重塑智驾-证券之星
本文梳理了从“看见什么做什么”到“想象接下来会发生再主动行动”的物理AI浪潮对智能驾驶的深刻影响。随着终端端到端、VLA（视觉-语言-行动）与世界模型等路线的崛起，智能驾驶正从依赖规则和高精地图的模块化系统，逐步走向具有可解释性与预测能力的统一智能体。2024-2025年国内外先后落地的一段式端到端、VLA与世界模型的融合，促使特斯拉、华为、蔚来、小鹏、理想等厂商将底座模型作为核心支撑，推动自动驾驶、座舱及机器人等多场景的技术协同。行业共识逐步形成：VLA提供理解能力，世界模型增强对物理世界的预测，二者的深度融合被视为未来的主流方向，甚至可能超越人类驾驶。与此同时，算力与数据规模成为关键瓶颈，头部企业正在通过大规模算力投入与海量真实数据积累，提升物理AI的落地能力。尽管如此，真正的物理AI形态尚未到来，仍需解决“从理解到行动”的完整闭环与安全可控的问题。展望未来，物理AI在五年内有望成为行业普遍的核心底座，推动自动驾驶进入更高水平的智能时代。
🏷️ #物理AI #世界模型 #VLA #端到端 #自动驾驶
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告AI系列深度13期：世界模型如何实现？ - 发现报告
世界模型源于认知科学、系统动力学和模型式强化学习等三条独立脉络，核心在于对环境状态及其演化规律的建模。在当下的AI语境中，世界模型指智能体内部的环境模型，用于预测行动后果、支持规划与决策。文章将世界模型的分歧拆解为四个环节：预测空间（生成观测结果还是预测抽象状态）、输出真实性（视觉真实还是物理一致）、与动作结合方式（数据工厂、闭环训练环境，还是架构级融合）、以及产业落地进度（数字AI进展快于物理AI的闭环构建）。在实现路径上，生成式路线可直接生成未来画面或视频，内部又分自回归与扩散两条路径；非生成式路线（JEPA）在抽象表征中预测下一状态。输出方面，生成式路线可采用渲染器以追求视觉真实，或模拟器以确保物理一致。落地方面，自动驾驶是最完整的闭环场景，车队回传数据、云端重建、虚拟环境训练再OTA回到车端形成数据飞轮；机器人场景需求高但仍处于早期。综合来看，数字AI底座模型的路径逐渐明朗，但难以实现对物理世界的完整建模闭环，物理AI有望成为更具增量的方向，智能驾驶将作为先行代表，需要持续验证物理一致性、长时序稳定性与评测标准的完善。整体结论是：在当前阶段，数字AI更适合实现确定性与高效推理，物理AI则具备对真实世界的更大改进潜力，智能驾驶作为闭环最深的应用场景值得重点关注。
🏷️ #世界模型 #生成式 #物理AI #自动驾驶 #JEPA
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告AI系列深度13期：世界模型如何实现？ - 发现报告
世界模型源于认知科学、系统动力学和模型式强化学习等三条独立脉络，核心在于对环境状态及其演化规律的建模。在当下的AI语境中，世界模型指智能体内部的环境模型，用于预测行动后果、支持规划与决策。文章将世界模型的分歧拆解为四个环节：预测空间（生成观测结果还是预测抽象状态）、输出真实性（视觉真实还是物理一致）、与动作结合方式（数据工厂、闭环训练环境，还是架构级融合）、以及产业落地进度（数字AI进展快于物理AI的闭环构建）。在实现路径上，生成式路线可直接生成未来画面或视频，内部又分自回归与扩散两条路径；非生成式路线（JEPA）在抽象表征中预测下一状态。输出方面，生成式路线可采用渲染器以追求视觉真实，或模拟器以确保物理一致。落地方面，自动驾驶是最完整的闭环场景，车队回传数据、云端重建、虚拟环境训练再OTA回到车端形成数据飞轮；机器人场景需求高但仍处于早期。综合来看，数字AI底座模型的路径逐渐明朗，但难以实现对物理世界的完整建模闭环，物理AI有望成为更具增量的方向，智能驾驶将作为先行代表，需要持续验证物理一致性、长时序稳定性与评测标准的完善。整体结论是：在当前阶段，数字AI更适合实现确定性与高效推理，物理AI则具备对真实世界的更大改进潜力，智能驾驶作为闭环最深的应用场景值得重点关注。
🏷️ #世界模型 #生成式 #物理AI #自动驾驶 #JEPA
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度12期：从模块化到端到端 - 发现报告
本文聚焦端到端在智能驾驶与机器人领域的发展脉络，解析其核心内涵、与模块化流水线的差异，以及在产业中的演进路径。端到端的要义在于以可整体训练的神经网络，将原始传感器输入直接映射为规划或控制输出，并通过全局优化提升系统性能。与模块化相比，端到端信息传递更完整、可提升任务导向的协同效果，但在可解释性、可控性与安全性方面面临挑战。历史上从网络工程的端到端概念演进到机器学习范式，经历了ALVINN、DAVE等代表性项目、以及LeCun等学者对整体可微与全局优化的确立。产业端，特斯拉FSD v12等示例标志着端到端在主决策中的主导地位逐步增强，但规则体系并未完全消失，而是作为安全兜底和合规约束依然存在。文章进一步指出，端到端、VLA与世界模型并非替代关系，而是处于不同能力层级的组合方案，数字AI在很多场景已将端到端设为默认范式。未来智能驾驶与机器人应用将围绕端到端的整体训练、与VLA、世界模型等协同，构建更稳健的闭环系统。
🏷️ #端到端 #自动驾驶 #模块化 #VLA #世界模型
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度12期：从模块化到端到端 - 发现报告
本文聚焦端到端在智能驾驶与机器人领域的发展脉络，解析其核心内涵、与模块化流水线的差异，以及在产业中的演进路径。端到端的要义在于以可整体训练的神经网络，将原始传感器输入直接映射为规划或控制输出，并通过全局优化提升系统性能。与模块化相比，端到端信息传递更完整、可提升任务导向的协同效果，但在可解释性、可控性与安全性方面面临挑战。历史上从网络工程的端到端概念演进到机器学习范式，经历了ALVINN、DAVE等代表性项目、以及LeCun等学者对整体可微与全局优化的确立。产业端，特斯拉FSD v12等示例标志着端到端在主决策中的主导地位逐步增强，但规则体系并未完全消失，而是作为安全兜底和合规约束依然存在。文章进一步指出，端到端、VLA与世界模型并非替代关系，而是处于不同能力层级的组合方案，数字AI在很多场景已将端到端设为默认范式。未来智能驾驶与机器人应用将围绕端到端的整体训练、与VLA、世界模型等协同，构建更稳健的闭环系统。
🏷️ #端到端 #自动驾驶 #模块化 #VLA #世界模型
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度01期：从数字AI通用底座到物理AI真实世界闭环 - 发现报告
数字AI已在语言、视觉与多模态任务中实现通用底座，但难以直接完成对物理世界的建模与闭环。物理AI将通过“感知—行动—反馈—优化”的连续、实时与安全约束下的闭环，逐步与数字AI并列成为实际场景的解法。两者在技术源头上存在共性，因此回顾数字AI的发展脉络有助于预测物理AI的演进路径。早期以CNN、RNN为代表的专用架构推动AI第一次爆发，随后Transformer凭借注意力机制与规模效应成为跨领域通用底座，促成语言、视觉及多模态的统一模型趋势。当前物理AI面临三大差异：缺乏天然Token需自建物理表征、极端场景稀缺且采集成本高、模仿学习受限于人类驾驶上限需靠强化学习持续试错，因此世界模型被认为更贴合物理AI的发展方向。随着世界模型与强化学习闭环的成熟，以及云端到车端的落地部署，物理AI有望从展示能力走向大规模应用，成为当前阶段最具成长弹性的方向。
🏷️ #物理AI #数字AI #世界模型 #强化学习 #统一底座
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度01期：从数字AI通用底座到物理AI真实世界闭环 - 发现报告
数字AI已在语言、视觉与多模态任务中实现通用底座，但难以直接完成对物理世界的建模与闭环。物理AI将通过“感知—行动—反馈—优化”的连续、实时与安全约束下的闭环，逐步与数字AI并列成为实际场景的解法。两者在技术源头上存在共性，因此回顾数字AI的发展脉络有助于预测物理AI的演进路径。早期以CNN、RNN为代表的专用架构推动AI第一次爆发，随后Transformer凭借注意力机制与规模效应成为跨领域通用底座，促成语言、视觉及多模态的统一模型趋势。当前物理AI面临三大差异：缺乏天然Token需自建物理表征、极端场景稀缺且采集成本高、模仿学习受限于人类驾驶上限需靠强化学习持续试错，因此世界模型被认为更贴合物理AI的发展方向。随着世界模型与强化学习闭环的成熟，以及云端到车端的落地部署，物理AI有望从展示能力走向大规模应用，成为当前阶段最具成长弹性的方向。
🏷️ #物理AI #数字AI #世界模型 #强化学习 #统一底座
🔗 原文链接
📰 AI下一站：从“虚拟世界”走向“物理世界”
在2026世界人工智能大会的多场论坛中，大模型仍是核心议题，但外延扩展到世界模型、工业大脑、企业智能体与AI Scientist等领域。行业共识是，下一代世界模型应从单纯追求画面效果，转向执行能力的可靠性和任务闭环，评测标准将聚焦真实机台的成功率与接管能力。AI与数学的关系被描述为“乘”而非“加”，强调深度融合与因果推理的重要性，以及算力本质是能源的竞争。具身智能展区显著增多，展示从“能演示”走向“能干活”的趋势，核心在于表征和闭环的高效结合，以及通用、可持续的训练架构。与此同时，Token经济成为新的产业生产要素，数字与物理世界的协同正在重构生产力结构，全球共识指向规模扩张、成本下降与生态落地，并通过高效的算力网络、低成本Token与高效推理芯片等手段实现AI普惠化。
🏷️ #世界模型 #具身智能 #Token经济 #AI与数学 #通用智能
🔗 原文链接
📰 AI下一站：从“虚拟世界”走向“物理世界”
在2026世界人工智能大会的多场论坛中，大模型仍是核心议题，但外延扩展到世界模型、工业大脑、企业智能体与AI Scientist等领域。行业共识是，下一代世界模型应从单纯追求画面效果，转向执行能力的可靠性和任务闭环，评测标准将聚焦真实机台的成功率与接管能力。AI与数学的关系被描述为“乘”而非“加”，强调深度融合与因果推理的重要性，以及算力本质是能源的竞争。具身智能展区显著增多，展示从“能演示”走向“能干活”的趋势，核心在于表征和闭环的高效结合，以及通用、可持续的训练架构。与此同时，Token经济成为新的产业生产要素，数字与物理世界的协同正在重构生产力结构，全球共识指向规模扩张、成本下降与生态落地，并通过高效的算力网络、低成本Token与高效推理芯片等手段实现AI普惠化。
🏷️ #世界模型 #具身智能 #Token经济 #AI与数学 #通用智能
🔗 原文链接
📰 从Agentic AI到Physical AI：三七互娱抢占下一代智能产业发展先机
三七互娱在Physical AI领域持续布局，近期通过两笔投资强化关键基础能力。一方面投资Prana Labs，聚焦多模态通用智能，构建可交互、物理精准的无限量世界生成系统，形成环境、数据、模型的自驱动循环，为机器人提供可反复学习的虚拟训练场；另一方面投资一目科技，补齐机器人感知的核心环节——触觉传感，通过自研材料与光学传感实现对压力、纹理与滑动趋势等物理信息的高效提取，形成识别-接触-反馈-调整的闭环。两家企业共同覆盖从虚拟世界生成到真实感知的关键底层能力，契合Physical AI的世界模型、感知交互与执行控制等链条。三七互娱强调，产业竞争不是单点技术的较量，而是整体能力协同的竞争，因而在世界模型、环境感知、执行控制及终端应用等环节持续布局，并以游戏产业积累的数字世界构建与仿真能力为天然优势，推动AI从数字世界走向物理世界。未来将通过自研大模型、小七及多智能体平台，构建覆盖模型、知识、工具、智能体与治理的一体化AI能力体系，推动Physical AI落地与产业升级。
🏷️ #PhysicalAI #世界模型 #感知交互 #执行控制 #数字世界
🔗 原文链接
📰 从Agentic AI到Physical AI：三七互娱抢占下一代智能产业发展先机
三七互娱在Physical AI领域持续布局，近期通过两笔投资强化关键基础能力。一方面投资Prana Labs，聚焦多模态通用智能，构建可交互、物理精准的无限量世界生成系统，形成环境、数据、模型的自驱动循环，为机器人提供可反复学习的虚拟训练场；另一方面投资一目科技，补齐机器人感知的核心环节——触觉传感，通过自研材料与光学传感实现对压力、纹理与滑动趋势等物理信息的高效提取，形成识别-接触-反馈-调整的闭环。两家企业共同覆盖从虚拟世界生成到真实感知的关键底层能力，契合Physical AI的世界模型、感知交互与执行控制等链条。三七互娱强调，产业竞争不是单点技术的较量，而是整体能力协同的竞争，因而在世界模型、环境感知、执行控制及终端应用等环节持续布局，并以游戏产业积累的数字世界构建与仿真能力为天然优势，推动AI从数字世界走向物理世界。未来将通过自研大模型、小七及多智能体平台，构建覆盖模型、知识、工具、智能体与治理的一体化AI能力体系，推动Physical AI落地与产业升级。
🏷️ #PhysicalAI #世界模型 #感知交互 #执行控制 #数字世界
🔗 原文链接
📰 它也有了“眼力见儿！” 机器人正在变得越来越像人_视频播报_数字中国建设峰会
随着大模型技术迭代、算力成本下降、实体场景数据爆发，物理AI正迎来规模化落地拐点。一个能读懂你的情绪，能参与社交的大模型到底长什么样？又是怎样诞生的呢？机器人是如何认识世界的 探访一个新模型的诞生 当拿着锣，出其不意对具身机器人敲一下的时候，它像人条件反射一样被吓一跳。但当对着它铛铛铛不停敲的时候，它就习以为常了。这台还处于测试阶段的大眼机器人，不仅会被突然出现的声音吓到“跳起来”，还能在人靠近它的时候，展现出独特的“眼力见儿”。当有人在旁谈话时，它会保持安静，不插话。从条件反射到读懂社交场景，人类习以为常的行为，对机器人而言是复杂的认知挑战。如今通用大模型随处可见，人们习惯输入文字，获得智能应答。但在炽梦科技创始人李林天眼中，这只是被动运算，缺少生命体最重要的特质——主动性。想要赋予机器人主动性，关键就在认知大模型。李林天表示，公司的机器人认知模型刚刚研发完成，考虑的第一个问题就是生活场景的陪伴，去做一个让你感受到它活着的机器人。为了让模型更像人，研发团队通过数字化建模，抽象提取出人类大脑前额叶、杏仁核、海马体等分区的运转机制，实时运算机器人的内部情绪状态。要构建这样一个有主观情感的系统，需要极强的跨学科支撑。团队融合认知心理学、生物神经学、脑科学等多学科能力。目前公司成立不到一年，已完成四轮融资，估值由1.5亿元升至30亿元。行业竞逐“世界模型” 欲打破具身智能场景边界过去几年，AI大模型的关键词是“会写代码、会说话”，也就是理解和生成语言。如今更多的科学家和创业者正在让AI走向“会想”和“会做”，让机器人不仅能够看见环境，还能够理解以及判断接下来可能发生什么。当人工智能进入一台机器人，它要面对的，是不断变化的真实世界。李林天这样的创业者正在做的就是探索新的认知模型，一个能打破具身智能场景边界的“世界模型”。这是今年具身智能行业出现频率最高、赛道最火的词之一，也是让AI系统理解真实世界动态、迈向具身智能的关键基础。 从“会说”到“会想会做” AI大模型产业加速落地更多现实场景 工业和信息化部数据显示，今年上半年，我国规模以上制造业企业人工智能技术应用普及率超30%，相当于每三家规上制造企业就有一家在生产中运用AI。国产人工智能开源大模型全球累计下载量突破100亿次，具身智能加速迭代，超230家企业推出400多款整机产品，全年整机产量有望突破10万台。从引爆市场的智能体，到帮助机器人看懂环境的世界模型，中国AI大模型的全球影响力持续提升。
🏷️ #具身智能 #世界模型 #大模型 #认知模型 #AI落地
🔗 原文链接
📰 它也有了“眼力见儿！” 机器人正在变得越来越像人_视频播报_数字中国建设峰会
随着大模型技术迭代、算力成本下降、实体场景数据爆发，物理AI正迎来规模化落地拐点。一个能读懂你的情绪，能参与社交的大模型到底长什么样？又是怎样诞生的呢？机器人是如何认识世界的 探访一个新模型的诞生 当拿着锣，出其不意对具身机器人敲一下的时候，它像人条件反射一样被吓一跳。但当对着它铛铛铛不停敲的时候，它就习以为常了。这台还处于测试阶段的大眼机器人，不仅会被突然出现的声音吓到“跳起来”，还能在人靠近它的时候，展现出独特的“眼力见儿”。当有人在旁谈话时，它会保持安静，不插话。从条件反射到读懂社交场景，人类习以为常的行为，对机器人而言是复杂的认知挑战。如今通用大模型随处可见，人们习惯输入文字，获得智能应答。但在炽梦科技创始人李林天眼中，这只是被动运算，缺少生命体最重要的特质——主动性。想要赋予机器人主动性，关键就在认知大模型。李林天表示，公司的机器人认知模型刚刚研发完成，考虑的第一个问题就是生活场景的陪伴，去做一个让你感受到它活着的机器人。为了让模型更像人，研发团队通过数字化建模，抽象提取出人类大脑前额叶、杏仁核、海马体等分区的运转机制，实时运算机器人的内部情绪状态。要构建这样一个有主观情感的系统，需要极强的跨学科支撑。团队融合认知心理学、生物神经学、脑科学等多学科能力。目前公司成立不到一年，已完成四轮融资，估值由1.5亿元升至30亿元。行业竞逐“世界模型” 欲打破具身智能场景边界过去几年，AI大模型的关键词是“会写代码、会说话”，也就是理解和生成语言。如今更多的科学家和创业者正在让AI走向“会想”和“会做”，让机器人不仅能够看见环境，还能够理解以及判断接下来可能发生什么。当人工智能进入一台机器人，它要面对的，是不断变化的真实世界。李林天这样的创业者正在做的就是探索新的认知模型，一个能打破具身智能场景边界的“世界模型”。这是今年具身智能行业出现频率最高、赛道最火的词之一，也是让AI系统理解真实世界动态、迈向具身智能的关键基础。 从“会说”到“会想会做” AI大模型产业加速落地更多现实场景 工业和信息化部数据显示，今年上半年，我国规模以上制造业企业人工智能技术应用普及率超30%，相当于每三家规上制造企业就有一家在生产中运用AI。国产人工智能开源大模型全球累计下载量突破100亿次，具身智能加速迭代，超230家企业推出400多款整机产品，全年整机产量有望突破10万台。从引爆市场的智能体，到帮助机器人看懂环境的世界模型，中国AI大模型的全球影响力持续提升。
🏷️ #具身智能 #世界模型 #大模型 #认知模型 #AI落地
🔗 原文链接
📰 物理AI浪潮下：自动驾驶务实前行，商业化落地才是核心王道-人工智能-ITBear科技资讯
人工智能领域正在经历从单一数字AI向物理AI的转型，后者以世界模型和具身智能为核心，正在从实验室走向产业应用。物理AI通过构建三维空间感知系统，突破虚拟信息边界，形成感知-推理-决策-执行的闭环，应用前景覆盖自动驾驶、工业机器人、低空物流等领域，预计五年内市场规模将达到万亿美元级别。技术突破与资本双轮驱动下，物理AI商业化进程加速，2026年初全球融资同比增长显著，通用仿真平台和数字孪生被广泛部署，城市自动驾驶、工业机器人自主决策等能力显著提升。行业进入新阶段的共识要求企业具备可迁移的通用物理模型、硬件与软件的深度融合及跨行业的技术复用能力，形成可持续商业模式。当前头部企业在量产与盈利能力上具备更强的定价与利润空间，但部分公司仍受限于场景化架构，尚需扩大应用边界与自主控制体系。综上，物理AI的发展需要在提升通用性与落地商业化之间找到平衡，未来将逐步模糊与自动驾驶的边界，但短期核心仍是稳健的商业化能力与垂直领域深耕。
🏷️ #物理AI #自动驾驶 #世界模型 #数字孪生 #商业化
🔗 原文链接
📰 物理AI浪潮下：自动驾驶务实前行，商业化落地才是核心王道-人工智能-ITBear科技资讯
人工智能领域正在经历从单一数字AI向物理AI的转型，后者以世界模型和具身智能为核心，正在从实验室走向产业应用。物理AI通过构建三维空间感知系统，突破虚拟信息边界，形成感知-推理-决策-执行的闭环，应用前景覆盖自动驾驶、工业机器人、低空物流等领域，预计五年内市场规模将达到万亿美元级别。技术突破与资本双轮驱动下，物理AI商业化进程加速，2026年初全球融资同比增长显著，通用仿真平台和数字孪生被广泛部署，城市自动驾驶、工业机器人自主决策等能力显著提升。行业进入新阶段的共识要求企业具备可迁移的通用物理模型、硬件与软件的深度融合及跨行业的技术复用能力，形成可持续商业模式。当前头部企业在量产与盈利能力上具备更强的定价与利润空间，但部分公司仍受限于场景化架构，尚需扩大应用边界与自主控制体系。综上，物理AI的发展需要在提升通用性与落地商业化之间找到平衡，未来将逐步模糊与自动驾驶的边界，但短期核心仍是稳健的商业化能力与垂直领域深耕。
🏷️ #物理AI #自动驾驶 #世界模型 #数字孪生 #商业化
🔗 原文链接
📰 蚂蚁灵波发布行业首个具身原生世界动作模型LingBot-VA 2.0 — 新京报
蚂蚁灵波发布了业界首个具身原生世界动作模型LingBot-VA 2.0，围绕如何将世界模型与具身智能有效融合进行探索。不同于将数字内容生成模型通过微调来适配机器人控制的路径，LingBot-VA 2.0 选择从头进行自回归预训练，构建原生基模，强调指令理解与动作执行的一体化。核心设计包括：引入语义视觉-动作分词器作为新的视觉编码器，在压缩视觉信息时对齐语义与动作，促进指令跟随与提高动作精度；采用严格的因果预训练范式，确保视觉预测与动作生成遵循单向时间顺序；引入MoE架构扩大模型容量同时保持推理效率；以及增强的异步推理实现实时闭环控制，在执行动作的同时预测未来状态并用新观测校正决策。该方案在单卡实现150Hz实时推理，显著提升具身世界模型的执行效率与泛化能力。CEO 表示将持续推进具身智能上限与开放生态建设，推动机器人快速落地产业场景。
🏷️ #具身智能 #世界模型 #LingBot-VA 2.0 #自回归预训练 #异步推理
🔗 原文链接
📰 蚂蚁灵波发布行业首个具身原生世界动作模型LingBot-VA 2.0 — 新京报
蚂蚁灵波发布了业界首个具身原生世界动作模型LingBot-VA 2.0，围绕如何将世界模型与具身智能有效融合进行探索。不同于将数字内容生成模型通过微调来适配机器人控制的路径，LingBot-VA 2.0 选择从头进行自回归预训练，构建原生基模，强调指令理解与动作执行的一体化。核心设计包括：引入语义视觉-动作分词器作为新的视觉编码器，在压缩视觉信息时对齐语义与动作，促进指令跟随与提高动作精度；采用严格的因果预训练范式，确保视觉预测与动作生成遵循单向时间顺序；引入MoE架构扩大模型容量同时保持推理效率；以及增强的异步推理实现实时闭环控制，在执行动作的同时预测未来状态并用新观测校正决策。该方案在单卡实现150Hz实时推理，显著提升具身世界模型的执行效率与泛化能力。CEO 表示将持续推进具身智能上限与开放生态建设，推动机器人快速落地产业场景。
🏷️ #具身智能 #世界模型 #LingBot-VA 2.0 #自回归预训练 #异步推理
🔗 原文链接
