00:43Y Combinator@ycombinator当前AI在代码、语言和图像领域因海量数据达到超人水平,但对物理世界的理解仍受限于稀疏传感器和基于直觉的模型。YC提出,更便宜的传感器和更好的基础模型可以解锁能源、农业、物流、建筑和气候等领域的新数据集。一旦精确建模物理世界,就能开始控制它。行业YC传感器基础模型推荐理由:YC说物理世界数据太少,用便宜传感器和好基础模型能解锁能源、农业这些领域的新数据,挺有启发的。原文稍后读已读值得跟进有用关注 YC
12:51量子位@量子位的朋友们Om AI联汇发布了VLX模型,这是全球首个面向物理世界的端侧流式多模态模型。VLX支持实时视频流分析,能够在边缘设备上运行。它适用于机器人、自动驾驶、智能家居等场景,实现了低延迟的物理世界交互。模型采用了创新的流式架构,兼顾了性能和效率。AI模型VLXOm AI多模态推荐理由:Om AI联汇发布的VLX模型,能在手机上实时看懂视频流,适合做机器人或智能硬件的AI大脑,跟云端模型比延迟低得多。原文稍后读已读值得跟进有用关注 VLX
12:34berryxia@berryxia阿里通义实验室新视频指出,具身智能的核心难点在于物理世界的不确定性。机器人面临传感器噪声、执行延迟、环境变化等挑战,简单抓取动作可能因光线、摩擦差异失败。相比之下,语言和代码世界的scaling law仍在快速进步。行业通义实验室具身智能机器人推荐理由:想看AI在真实世界碰壁?阿里通义实验室这个视频讲透了机器人拿鸡蛋为啥那么难。原文稍后读已读值得跟进有用关注 通义实验室
06:57官方账号Jim Fan@jimfan在一项无法在物理世界中被攻破的基准测试中,OpenAI Codex 的表现超越 Anthropic Claude,而 Claude 又优于月之暗面 Kimi。该基准由 @DrJimFan 参与的论文提出,专注于物理世界的真实场景评估。结果显示了各模型在复杂物理任务上的相对排名。AI模型CodexClaudeKimi10 个信源在谈事件专题推荐理由:英伟达科学家发推说他们论文里 Codex 把 Claude 和 Kimi 都干掉了,还是物理世界实测,看看你家模型排第几。原文稍后读已读值得跟进有用关注 Codex
11:52Lenny Rachitsky@lennysanCaitlin Kalinowski,曾从零搭建OpenAI机器人及硬件团队(此前也搭建了Meta AR/VR硬件团队),在访谈中解释了AI公司为何重注硬件。她认为,AI在键盘后的能力即将饱和,下一个前沿是物理世界,包括硬件、机器人、制造和工业化。她还讨论了VR技术如何成为现代战争基础、人形机器人仍处原型阶段的原因、即将到来的内存价格冲击,以及从乔布斯、扎克伯格和奥特曼身上学到的经验。行业AI硬件机器人物理世界2 个信源在谈事件专题推荐理由:Kalinowski从零搭建了两个顶级硬件团队,她的判断对AI从业者和硬件创业者有直接参考价值——如果你在思考AI下一步怎么走,这篇访谈值得看。原文稍后读已读值得跟进有用关注 AI硬件
08:13berryxia@berryxiaMeta AI 首席科学家、图灵奖得主 Yann LeCun 最新预测,未来 12 到 18 个月内将出现通用方法来训练分层世界模型。这些模型直接从视频和真实世界数据中学习,能够帮助机器人规划动作、辅助医疗系统决策,并解决更多物理世界中的实际问题。LeCun 认为,最终目标是将其扩展为通用世界模型,这标志着 AI 从“会聊天”走向“会做事”的关键一步。行业Yann LeCun世界模型物理世界推荐理由:LeCun 的预测直指当前大语言模型的局限——只会聊天不懂物理世界,做机器人、自动驾驶、医疗决策的团队值得关注这个从“理解语言”到“理解因果”的范式转变。原文稍后读已读值得跟进有用关注 Yann LeCun