刚刚，全球⾸个“事件级预测”具身智能世界模型WALL-WM来了！
刚刚，全球⾸个“事件级预测”具身智能世界模型WALL-WM来了！刚刚，自变量机器人团队带来全新解法——发布全球首个「事件级预测」具身智能世界模型WALL-WM。WALL-WM把世界模型的预测单位从时间帧换成了语义事件：
来自主题:
AI资讯
9055 点击 2026-05-29 15:12
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
刚刚，自变量机器人团队带来全新解法——发布全球首个「事件级预测」具身智能世界模型WALL-WM。WALL-WM把世界模型的预测单位从时间帧换成了语义事件：
Apple 必须面对它过去三年最难堪的一个问题——为什么全世界最贵的智能手机，装着一个最蠢的 AI 助手？当地时间 5 月 28 日，在发布会前十天，外媒率先曝光了答案。
过去一年，AI 出海应用，集中爆发：Gartner 预测 2026 年全球 AI 相关支出将达到 2.53 万亿美元，预计比去年增长 44%。IDC 预测未来五年的复合增速是 31.9%，届时全球 AI IT 投资将突破万亿美元大关。
编辑｜Panda 数学正在迎来 AI 革命。 最近几个月尤为明显。比如，就在前几天，Google DeepMind 新论文宣布其最新系统 AlphaProof Nexus 在一次自主运行中，解决了 3
不用JAX，SpaceX正在用C语言编写的全新堆栈训练新模型。而且马斯克本人亲口承认，Grok 5已经用的就是这个新堆栈。按马斯克的说法，这种新堆栈能让大模型训练速度提升一个数量级。
近日，千寻智能高阳团队的研究成果 《Learning Native Continuation for Action Chunking Flow Policies》 被机器人顶会 RSS 2026 接收！这项工作从训练机制出发，让机器人动作天然具有连续性，实现了 "连音" 般的流畅执行，在五个真实世界操作任务上超越了现有方法，为具身智能领域的动作生成研究提供了新的思路。
Anthropic今日正式上线Claude Code动态工作流预览版，这项功能面向超大型任务推出，Claude会根据任务自动编写脚本，调用数十到上百个智能体处理任务，无需手动设置。
网上有条帖子炸了，稳定复现，通过 API 问 Claude Opus 4.8 你是什么模型。回答是：Qwen，或者 DeepSeek。重要的事说三遍：必须是通过 API，必须是通过 API，必须是通过 API。因为网页端有系统提示词，会做二次处理。
Anthropic最强通用模型Claude Opus 4.8正式发布，新模型基准测试全面超越Gemini 3.1 Pro、Opus 4.7，仅一项逊色于GPT-5.5，但其标准模式价格不变，快速模式价格仅为Opus 4.7的1/3。与此同时，Anthropic还官宣一笔650亿美元（约合人民币4406.94亿元）H轮巨额融资，投后估值冲上9650亿美元（约合人民币6.54万亿元）
真实世界需要 200 多个小时的模型评测任务，可以在仿真中不到 0.5 小时内完成。
扎尔伯格重金押注的AI蛋白质团队，拿出了最新成果。
AI母婴硬件，正在成为出海圈新的机会。
这原本是一个看起来“毫无胜算”的众筹项目。
GPT-5.5 把进攻性网络安全最难的 7 个基准全部打穿，92.4% 正确率，评估体系直接失灵。AI 黑客能力每 6 个月翻一倍，而衡量它有多危险的尺子，已经先被干碎了。
ElevenLabs的声音克隆和长文本音频生成质量确实很好，但也太贵了。
ElevenLabs的声音克隆和长文本音频生成质量确实很好，但也太贵了。
光正在进入AI算力系统，但这次不只是拿来传数据，而是直接参与计算。
OpenAI 公开介绍 Computer-Using Agent 时，讲的也是这个方向：模型针对图形界面交互做过训练，能把屏幕理解、任务目标和鼠标键盘动作接起来。鼠标会动只是表面。遇到按钮位置变化、弹窗多一层、页面慢一点时，它还能重新看屏幕，继续判断下一步。
训练一个真正会用网页的GUI Agent，最自然的思路通常是： 去真实网站上操作，收集轨迹，再拿来训练。
后空翻、跑酷、单手抓举几十公斤……
随着全球遥感卫星持续运行，地球观测数据正在快速增长。多源、多时相、多光谱遥感影像为国土监测、生态评估、灾害预警、气候变化研究等任务提供了重要数据基础，但也带来了显著的存储、传输和计算压力。
DeepSeek V4发布，比模型本身更受关注的，是一个根本性的转变： 国产算力生态正在从过去“芯片被动适配模型”的单向奔赴，迈向“芯模协同”的新阶段。
最近Codex的热度，真的感觉直线飙升。
LeCun的LeJEPA到底有没有构建出世界模型？他本人最新发表的论文，解答了这个问题。
同一个市场，同一个月成立的公司。
国内唯一基于 MRAM（磁性随机存储器）构建存内概率计算平台的技术团队。
2026 年初，国内具身智能赛道掀起了一波开源潮，越来越多团队开始公开自己的视觉-语言-动作（VLA）模型、数据集与训练框架。与此同时，行业竞争也逐渐集中到 benchmark 成绩、任务成功率以及跨任务泛化能力上，尤其是在标准化或已训练任务中的表现。
7×24，AI也吃不消。
过去的大模型 scaling law 通常回答的是：当模型参数量、数据量和训练计算量增加后，loss 会如何下降。
