来自该信源的全部动态 · 共 783 条
量子位报道，一场AI赛事的决赛选手背景引发关注：曾任保安的参赛者与高中生一路晋级，并有高中生最终获得25万元奖金。歌手胡彦斌与Tim参与颁奖。事件体现AI竞赛对非传统技术人才和青少年群体的开放性，但报道暂未披露赛事名称、评审标准及具体项目细节。
量子位报道WRC上一个以真实体验为卖点的沉浸式机器人咖啡店展台，强调机器人与人协同完成点单、制作和服务，主打现场可感知的机器人应用，而非概念展示。
香港多所高校的教授开始下场做具身智能创业，文章梳理了他们从学术走向产业的路径、项目方向与本地创新生态，也反映出香港在机器人与AI交叉赛道上的人才流动。
据量子位报道，一位曾向王兴兴早期项目投入200万元的投资人，如今出任另一家具身机器人创业公司的董事长，并公开表达对优秀具身机器人创业者的支持。该动向显示，早期资本正持续关注人形机器人及具身智能赛道，但报道暂未披露企业名称、融资规模与具体业务进展。
文章逐项比对 tokenizer、视频编码器和 API 报错等细节，认为一款匿名大模型可能带有智谱系血缘；另有网友据此推测 Cursor 也可能拿开源 GLM 做过训练，但仍缺乏官方确认。
量子位报道了 AstraTennis 机器人与网球运动员对打的演示，重点展示高速来球识别、快速移动、极限救球和摔倒后迅速起身等能力，体现了感知、运动控制与实时决策的结合。
量子位报道，一支由在读博士组成的年轻团队，押注面向双足人形机器人的一体化大脑，并展示机器人卡丁车连续过弯、全程自主完成的能力，凸显其在具身智能控制与决策上的进展。
量子位报道称，上纬新材推出的个人机器人已开启预订，定位家庭消费场景，试图将机器人从展示、实验和产业应用推进至普通家庭使用。当前公开摘要未披露产品定价、功能配置、交付时间及规模化生产信息，事件更适合作为国产家庭机器人商业化探索观察。
无界动力在世界机器人大会期间参与主论坛及多场同期活动，围绕世界模型、具身智能与现实生产力转化分享实践。信息主要体现企业在机器人产业场景中的观点与曝光，缺少具体产品发布或技术细节。
受内存等零部件成本持续上涨影响，英伟达AI服务器计划涨价约15%。按1GW数据中心规模测算，整体建设成本将增加约50亿美元，进一步推高云厂商和算力运营商的扩容预算与采购压力。
伽利略机器人在WRC期间首次发布「陆行具身系统」，聚焦轮式与足式移动机器人的底层技术融合，试图打通轮车、足式平台在运动控制、底盘结构及通用能力上的技术壁垒。现有信息主要来自单一信源，具体产品形态、性能指标和商业化进展尚待进一步披露。
魔法原子在2026世界机器人大会展示面向三类应用场景的物理AI解决方案，强调以统一智能系统驱动不同形态的机器人落地。现场通过实景演示呈现其在感知、决策与执行环节的协同能力，体现具身智能从技术验证走向具体工作岗位的产品化进展。
量子位报道，一支由00后清华博士生发起的创业团队正从腕带切入神经接口领域，尝试采集人体肌肉反应等生理信号，并将其编码为可供人工智能理解和处理的Token。该方向聚焦人机交互数据入口，具体技术路线、产品形态与商业化进展仍有待更多信息验证。
文章对比Eon以漏积分发放神经元模型重建果蝇脑的路径，以及中国团队在更精细神经元建模和跨身体智能平台上的探索。相关研究试图把真实场景转化为持续更新、可计算的4D数字世界，但当前信息主要来自单一信源，技术细节与验证进展仍需进一步核实。
优必选在世界机器人大会相关展示中，按客户真实生产场景复刻产线流程，呈现具身智能从实验演示走向工业应用的路径。报道强调，行业核心壁垒并非单纯出货量，而是机器人对复杂任务的理解、执行稳定性以及与实际生产系统的适配能力。
量子位对硅羽科技进行访谈，聚焦将具备智能决策能力的机器人系统部署到空中，代替人员进入高危作业现场。报道主要讨论其技术路线、应用场景及商业化方向，但摘要未披露具体机型、性能指标、客户或融资信息，适合关注具身智能、无人系统和特种作业的读者。
星海图与产业伙伴围绕具身智能的落地路径展开讨论，重点指向从模型能力走向实际生产力的转化。报道强调技术、场景与产业协同的重要性，反映出具身智能正从概念验证进入应用推进阶段。
小马智行推出面向城市物流的自动驾驶轻卡，载重4.2吨、货厢容积19.32立方米，主打快递分拨、商超补货和冷链配送等场景。该车复用Robotaxi自动驾驶技术底座，显示头部无人车公司正加速向货运商业化扩展。
明略科技与海康机器人联合参加2026世界机器人大会，围绕商业服务场景展示Agent与具身智能结合的应用进展。双方聚焦机器人在商业空间中的感知、决策与执行协同，释放从人工智能能力到实体设备落地的合作信号，但目前公开信息主要涉及联合参展与方向展示，具体产品规模和客户案例仍有限。
研究团队展示了一种机器人动作学习方法：机器人只需观察约3秒的人类操作演示，便能理解动作过程并完成此前未执行过的新任务。该进展指向更低成本、更高效率的机器人模仿学习，有望减少逐动作编程和大规模数据采集需求，但其泛化能力、复杂场景表现与实际稳定性仍需进一步验证。