前 NVIDIA 高管 Amulya Vishwanath：物理 AI 不止于机器人
前 NVIDIA 机器人平台产品营销负责人 Amulya Vishwanath 指出，物理 AI 涵盖分子、材料、药物及工厂机器，远超机器人范畴。她认为当前机器人处于“乐高时代”，基础组件仍在重建，而非即将迎来由通用基础模型驱动的“ChatGPT 时刻”。作为 Techable VC 创始人，她正投资跨机器人、材料科学和生命科学的早期项目。
#具身智能
TechCrunch · AIAI 评分2828 TechCrunch · AIAI 评分2626 Nvidia 前高管 Amulya Vishwanath：机器人尚未迎来 ChatGPT 时刻
Nvidia 前产品营销负责人、Techable VC 创始人 Amulya Vishwanath 认为，机器人行业目前仍处于“乐高时代”，执行器、机械手等基础组件仍在重建中。这一观点反驳了通用基础模型即将让机器人迎来类似 ChatGPT 的爆发式突破的看法。
IT之家AI 评分4040 黄仁勋盛赞 OpenClaw 助力机器人发展，强调权限管控必要性
英伟达 CEO 黄仁勋称 OpenClaw 是首个真正可信的智能体运行框架，将推动机器人领域进步。他类比互联网早期风险，指出必须通过 OpenShell 系统实施容器隔离与最低权限管控。若智能体越权行动，系统将发出警报以便人工干预。
IT之家AI 评分2323 长城汽车：传感器装得多辅助驾驶不一定好用，关键要看得准
长城汽车指出传感器数量并非辅助驾驶性能的决定因素，精准感知才是关键。其智能辅助驾驶传感器验证试验室将硬件安装精度控制在 2mm 以内，并通过数百次压测将误差锁定在 0.3° 以内。此前魏牌 CEO 赵永坡也强调，多传感器融合若导致算力内耗，反而可能抵消优势。
Latent SpaceAI 评分6363 Dyna Robotics 联合创始人 Jason Ma：百万小时数据与长时自主物理智能体
Dyna Robotics 联合创始人 Jason Ma 在访谈中分享了其世界动作模型 Dyna-2 和机器人 Dyna-2.1 的技术细节与商业化进展。该模型基于超过一百万小时的人类第一人称视角视频进行预训练，结合 diffusion transformer 架构预测未来状态以指导机器人动作，仅需约 45 分钟的演示即可让机器人学习新任务。
IT之家AI 评分2626 Counterpoint 预测：全球 Robotaxi 保险市场 2035 年达 260 亿美元
Counterpoint Research 预测，全球 Robotaxi 保险市场规模将从今年的 5,000 万美元增长至 2035 年的 260 亿美元。届时单位里程保费有望较 2025 年下降约 30%。Robotaxi 持续生成的数据流将推动保险评估向车辆和系统层面发展，并重塑风险分配机制。
IT之家AI 评分2828 宇树科技王兴兴：GPT-6 部署测试效果良好，具身智能临界点或在一两年内到来
宇树科技创始人王兴兴透露，团队已将 GPT-6 部署至机器人进行测试，效果表现不错。他认为具身智能行业的临界点可能在一两年内到来，未来几年将解决泛化性和效率问题以推动大规模应用。
Latent SpaceAI 评分4040 Standard Bots 工业 AI 机器人技术解析：本地推理与全栈协同优化
Standard Bots 采用低十亿参数模型，通过云端训练、边缘 GPU 本地推理实现高可靠性。其全栈控制允许模型与控制策略协同优化，利用内部千兆以太网传输传感器数据生成动作块。该方案针对工厂无稳定网络环境设计，支持零样本感知及基于现场干预的微调。
Latent SpaceAI 评分4545 Periodic Labs 探讨合成超级智能：从半导体到超导体的 AI 科学家愿景
Periodic Labs 联合创始人 Liam Fedus 和 Ekin Dogus Cubuk 阐述“合成超级智能”愿景，主张通过基于物理实验的强化学习让 AI 自主发现新材料。该实验室致力于构建自动化高通量平台，赋予仪器“140 IQ”，利用失败实验数据训练模型，旨在将数十年的科学试错压缩至数月，推动室温超导体等前沿突破。
MIT Technology Review · AIAI 评分5555 MIT科技评论：AI突破难让人形机器人近期改变生活
MIT Technology Review 分析指出，尽管特斯拉 Optimus 等厂商高调宣传人形机器人前景，但多数研究者认为当前基于语言和图片的 AI 难以应对物理世界的无限变数。
MIT Technology Review · AIAI 评分1818 AVEVA 探讨构建更安全的自主工业 AI 路径
AVEVA 首席技术官 Arti Garg 提出，在基础模型和智能体 AI 推动工业自动化的背景下，需建立以安全、效率和人类监督为核心的负责任 AI 框架。该框架主张 AI 应增强而非取代关键决策中的人类判断，并正通过 IEEE 工作组制定涵盖电力、能源及碳足迹的标准化测量方法，以实现更安全、可持续的自动化运营。
Jim FanAI 评分2323 Jim Fan 称黎曼猜想先于物理图灵测试
越来越明显的是，人类将在通过“物理图灵测试”之前解决黎曼猜想——即在一场疯狂的周日派对后回到整洁的家，你无法分辨是机器人还是人做的家务。我们对莫拉维克悖论的体认还不够深刻。
SemiAnalysisAI 评分7373 SemiAnalysis 分析机器人推理：端侧 vs 数据中心
SemiAnalysis 发布文章探讨机器人 AI 推理应位于端侧还是数据中心。文章指出由于实时性要求和硬件成本限制，当前前沿机器人模型参数规模远小于 LLM，且受限于网络延迟和抖动，多数公司选择将部分计算保留在机器人本体上。
Jim FanAI 评分2121 触觉是机器人最被忽视的模态
触觉是机器人领域探索最少、最令人遗憾的模态。想象一下戴着厚烤箱手套变魔术的感觉。如果机器人有生命，它现在的感受正是如此。磁吸部件咔哒就位，纸杯从叠放中抽出，USB
Jim FanAI 评分4040 GEN-1.5 数据重复性优势解析
看到围绕 GEN-1.5 的炒作热潮，这确实名副其实。对 Pete 和 Andy 出色的执行力表示敬意。秘诀在于人类采集数据中自然存在的重复动作。这类重复主要有两个来源：(1) 对称模式。排序、整理，以及
Jim FanAI 评分1212 Jim Fan分享机器人组装日常
我的晨间仪式：喝咖啡，然后看我们的机器人组装物品。模型速度不快，但它会测量每一次抓取，执着于每一次对齐，并像对待传家宝一样处理每一个零件。观看过程具有疗愈感，甚至近乎冥想。这种来自完美执行任务的简单快乐
Jim FanAI 评分3939 Jim Fan分享物理AGI路线图
我保证这将是今天你度过的最好的20分钟！《机器人学：终局》，是我去年在红杉资本AI峰会演讲“物理图灵测试”的续篇。我将解决物理AGI的路线图作为大语言模型成功故事的简单类比进行了阐述。做一个好的科学家，复制
Jim FanAI 评分2626 Jim Fan谈EgoScale与机器人学习
遥操作已是2025年的过时做法。自我们发布 EgoScale 和灵巧度缩放定律以来，我们及整个生态系统都清楚，直接从人类进行行为克隆是打破遥操作诅咒的关键。2026年将是无需机器人即可扩展机器人学习的一年。