原因也不难理解。

1、高比体育 无论你是科研人员、在校生、在职人员，还是已经启动项目的创业者，只要具备一定技术或项目基础，希望推动科研成果、算法方案或比赛项目走向产品验证和公司化，都可以提交申请。

那既然这么怕，为什么还要加入AI公司？ 他在访谈里其实也回答了：他支持暂停AI，但不认为会发生。高比体育会议现场，四位学者分别围绕自己近年来最重要的研究方向进行了主题报告，也勾勒出机器人领域未来几年的几条重要技术路线。

2、九年火箭姚（一）：姚明2002年选秀之前不为人知的芝加哥联合试训

尤其是占大头的那道「广菜」：20万+小时人类视频，没洗没切，连动作标签都没有，没法直接下锅。

3、从30万到10.5亿 智元创新启动上市

无论是机器人互动控制、端侧设备体验，还是创作型应用试玩，原先那种单向的技术演示，如今都被拆解成一个个具体的小任务，用户自己上手指挥体验。

4、火箭对阵公牛前瞻 面对无欲无求的公牛 火箭是否能延续连胜

你可能会说，不就是延迟低一点嘛？ 但实际上，几毫秒的延迟差距，在实时交互场景中可能直接决定一款产品的生死。

5、CCTV5直播中日大战，12人大名单公布，郭士强志在必胜

但初衷可以改变。

影石Luna产品负责人Allen曾向《中国企业家》表示：“我们在立项之初就已经做好了各种竞争的准备，设计的时候已经做过非常多的推演。

采集速度慢、成本高，能够覆盖的任务和场景也很有限。

6、城市服务，成为了具身智能的新考场？

单一芯片很难同时满足所有场景，这给商汤这类擅长「组合调度」的玩家，留出了长期的研究和发展空间。

如果说德国考验的是高速能力，法国考验的是复杂交互，日本更像是在考验系统能否快速适应另一套世界规则。

7、北京大学发文祝贺校友王虹、邓煜荣获菲尔兹奖

但机器拥有先天优势，可以将忠实存档和定向回忆彻底拆开。

于是我们发现，AI Coding率先在行业建立起相对清晰的付费模式和ROI，也成为大模型商业化跑得最快的方向之一。

8、新官上任三把火，韩德君烧了第一把火！

这也是Demo里，Oli能够做到毫无迟滞、边走边弯腰边伸手这一极具人类感姿态的直接来源。

同时，产品延续 Halliday “眼镜优先”理念：智能眼镜首先应当是一副能够长期佩戴的日常眼镜。

“各类智能终端走进千家万户，切实惠及民生，‘中国智造’ 已然成为中国式现代化的又一亮丽名片。

9、中国男篮添劲敌！卡塔尔男篮5年签湖人旧将纳恩 去年归化古德温

这一波AI驱动下，未来两年存储、上游材料的价格还会上涨。

这背后是一个简单但深刻的判断： 大模型竞争的终局，不在「谁训出最大的底座」，而在「谁能让模型持续变聪明」。

10、招聘专栏

到了公共治理领域，问题更加直接。

但这场竞争，在今年夏天突然走向白热化，核心原因源于手持云台相机已经成为电子行业的少见增量。

1、兹维列夫与新女友疯狂激吻秀恩爱，分手不久的前女友怒点一赞

机器人还需要一副能够承担工作的身体。

2、Fischer：为保持薪资灵活 老鹰不急于跟多尔特提前续约

2025年， Claude开始自己写代码，merge数突然开始飙升。

3、4年2.29亿！确实太贵了，所以他接受替补定位！

物理AI正在进入同样的拐点。不花一分钱，3分钟居家自测眼底病，老小都能用！这种Knowhow需要在一个完整的业务场景里跑通闭环，经历足够多的案例才能积累。

4、美国沙特核协议引爆中东！以色列被激怒，对特朗普发出威胁

这次实测下来给我最大的感受，倒不是说来自Agent能力本身，更像是我对AIGC工具的一种重新思考—— AI视频行业讲了这么多年的成片交付，终于开始从一个老生常谈的概念，变成普通创作者，能真正够得着且能落实的事儿。

5、杨福东，香河的质感与陌生天堂

未来的使用体验应该接近大语言模型的prompt输入，或者协作机器人的拖拽示教。

6、体育史上最伟大经纪人？富保罗理应位列顶端：詹姆斯始终信赖他

语言模型要覆盖人类对话的全貌，视觉模型要覆盖图像与文字的各种形态，自动驾驶要覆盖千变万化的路况和Corner case，而机器人则要覆盖人在不同环境中对各种物体的操作方式。

更没有ChatGPT那样的现成互联网数据。

过去大家对装机量的预测都很乐观，每年30%~50%的增长，但对装机的承载能力预计不足。

7、感谢贺希宁！山东高速男篮这场胜利太需要了

物体层面的泛化能力，在这个Demo里体现得最直接。

但这个优势能守多久？ Anthropic在博客里说，他们也不确定。

8、掌舵2万亿金融央企！60岁“金融老将”谭炯跨司履新，出任中国人保党委书记

具体到业务场景，在AI4S长序列蛋白质预测场景中，通过融合算子优化，整体预测耗时减少75%；在AIGC视频生成场景中，国产芯片运行DiT模型时，多卡并行视频生成加速比达到了93%。

国产算力走向成熟，需要解决的不只是“有没有国产芯片”，还要回答不同地区、不同芯片、不同智算中心之间，能否实现统一调度、协同运行和跨区域交付 例如本次作为样本研究的清微智能，他们试图做的，正是把可重构算力从单一芯片和计算卡，延伸为覆盖软件、系统与应用的分布式算力服务网络： 底层通过可重构架构和三维集成提升计算效率，中间通过4K超节点聚合算力资源，再借助RAISA、FlagOS等软件平台完成模型适配、资源管理与集群调度，最终将不同地区的算力节点连接起来，服务政务、能源、教育和内容生产等场景。

趋势六：具身战火烧到供应链上游，机器人量产进入数据和零部件红利期 具身智能一年一台阶。

只有成功轨迹数据训练的模型容易形成过强的成功偏置，这样的系统无法识别错误动作，更谈不上为强化学习提供惩罚信号。