2026年9月28日，AMD宣布以约82亿美元全股票收购李飞飞创办的World Labs，李飞飞将出任AMD执行副总裁兼首席科学家。这是AMD历史上规模第二大的收购案。一家成立仅两年的公司获得芯片巨头如此定价，意味着AI的竞争重心，正从数字世界转向物理世界。 视线转回国内。影身智能早已在同一条路上跑出完整答卷：以原生4D世界模型为核心引擎，打通从数据采集、模型训练到场景落地的全链条，并已经把这台“引擎”装进了真实产线。 影身智能创始人、CEO闵伟有一个直截了当的判断：“数据从来不是多少的问题，而是维度问题。”这与李飞飞从ImageNet到World Labs一以贯之的“数据焦虑”，形成隔空呼应。 一个在硅谷为空间智能定价，一个在中国车间为物理智能验证。看懂这两件事，就看懂了世界模型赛道的上半场：方向已无悬念，真正的分野才刚刚开始。 一、AI走向物理世界的“必答题” 世界模型要“预测下一个物理状态”。业界普遍认为，这是AI从数字智能迈向通用物理智能的关键路径。 但共识之下藏着硬瓶颈：世界模型需要同时具备三维空间信息与时间维度的4D数据，这类数据获取成本极高、供给极度稀缺。物理世界的信息是物体、接触、力、形变及其在时间上的演化——用二维视频或静态3D数据训练世界模型，信息在源头就被降维了。这解释了行业的集体困惑：训练数据从十万小时堆到千万小时，泛化能力却没有本质突破。 影身智能把这个困局称为“维度鸿沟”：机器人训练用一维语言加二维视频，处理却要在四维物理世界中交互，这是机器人能力没有突破性进展的底层原因。 要走4D世界模型这条路，对团队有两个硬要求：一是三维视觉和动态重建的学术积累，二是机器人进入真实产线的工程落地能力。同时具备这两项能力的团队，在国内屈指可数。 自成立起就押注原生4D世界模型的影身智能，是少数同时满足这两个条件的团队：创始人闵伟是清华博士、原阿里机器人业务负责

9月16日，WorldArena 2.0全球终榜揭晓，考拉悠然旗下悠然无界世界模型在Track 1视频质量赛道获得全球第二，并在Background Consistency与JEPA Similarity两项核心指标中位列第一。 进一步验证了其在长时场景一致性、状态演化与物理规律建模方面的能力。基于结构化4D世界建模、动态场景记忆等技术，悠然无界正进一步与Geek Mind具身大脑结合，将世界模型能力从榜单评测延伸至工业巡检等真实场景，推动具身智能从“能推演”走向“能执行、能复制”。 9月16日，WorldArena 2.0全球终榜正式揭晓。考拉悠然旗下悠然无界世界模型在Track 1（视频质量赛道）中综合得分位列全球第二。本次评测汇集了来自阿里巴巴、中国科学院等顶尖科技企业、科研机构及具身智能独角兽公司的80个模型，围绕世界模型的视频生成质量、时序一致性与物理演化能力展开统一评估 在多项核心指标上，悠然无界世界模型同样展现出领先性能。其中，Background Consistency（背景一致性）位列第一。长视频生成最常见的失效是场景漂移——推演到几十帧后，背景的纹理、光照或物体摆放在无声中发生改变；这一指标居首，意味着模型能在整段生成过程中稳定维持全局环境与场景布置。更具含金量的是 JEPA Similarity 位列第一：该指标不比对像素，而是在高层表征空间中度量生成结果与真实世界演化过程的距离，考察场景语义、物体状态与动作变化是否被正确保留。两项第一叠加指向同一个结论——模型不只是画得像，而是学到了物理世界随时间演化的规律。 视频质量赛道比的不是"生成的画面像不像"，而是模型在长时推演中能否保持场景几何、纹理外观、物体与交互状态的物理一致性——也就是世界模型最核心的能力：理解物理世界如何随时间演化。考拉悠然的技术路线，是以"世界模型＋智能体+场景复制"回应这一转折：

2026年，具身赛道不缺野心，不缺金钱，唯独缺少一个能让产业界真正相信“通用”二字的落地样本。 过去两年，机械臂做咖啡、机器人后空翻、弹钢琴等……每一段视频都能在社交媒体上收割数百万播放量。但是这些光鲜的演示背后，几乎都有一个不能说的秘密：每一个炫酷动作都是为某一个特定场景，特定任务量身定制的。换个环境，换个其他任务，机器人就可能从神坛跌落。 这种一事一训的模式，在实验室里无伤大雅，但到了真正的产业现场，就成了致命伤。制造业需要的是能够快速响应订单变化的柔性产线，服务业需要的是能够适应千变万化现场环境的服务终端，家庭场景需要的是能够应对无数长尾需求的家庭助手，而一事一训的机器人，显然无法满足这些需求。 所以，当大多数玩家还在为了单一场景、单一机械臂训练专属模型时，它石智航用AWE3.7给出了另一种答案：一个不挑本体、不挑任务、不挑环境的通用具身大模型，正在将“物理世界操作系统”从概念拉进现实。 一、打破“一事一训”：通用泛化能力的产业价值 要理解AWE3.7的意义，得先把视野拉回到传统机器人身上。 如果把传统机器人比作一个非常聪明的工具，那么它最大的特点是：听话，但不会举一反三。 工程师告诉它怎么走，它就怎么走。只要环境足够稳定，这种方式当然没有问题。但问题恰恰出现在“稳定”二字上。因为现实世界并不稳定，一个零件稍微偏了一点，机器人就可能抓空；传动带速度发生变化，原本设定好的轨迹就可能失效；任务从一种产品切换成另一种产品，原有程序又需要重新调整。 也就是说，传统机器人本质上依然是高级数控机房：需要针对一个任务训练一套模型，一种机器人对应一种控制逻辑。可当市场需求从大批量少品种转向少批量多品种，这种一事一训的成本和效率瓶颈就彻底暴露了。 AWE3.7的核心突破，恰好是切中了这一痛点。 它构建了一个能理解物理世界通用逻辑的具身大脑，实现了跨环境、跨本体、跨任务的泛化能力。简而言

近日，大晓机器人联合南洋理工大学S-Lab等机构发布并开源统一多模态世界模型框架Puffin-World。作为面向空间智能与具身智能的成果，Puffin-World首次在一个统一多模态框架中，将物理、几何和外观定义为三种原生的三维世界状态，并贯通重力场感知、自由视点空间仿真、三维世界生成与重建以及闭环探索，预测机器人行动后世界将处于什么状态。 Puffin-World同步开源代码、模型和Puffin-16M数据集，包括1500万组视觉—语言—相机三元组和100万条具有挑战性的旋转轨迹，并开放覆盖28个公开数据集、约4450万张图像的绝对相机位姿标注，为机器人仿真、合成数据生产与具身智能训练提供可复现、可扩展的技术底座。 针对机器人训练来说，需要的并不是一段视觉上逼真的视频，而是能够支撑感知、定位、规划和行动的环境信息：当前相机处于什么姿态，重力方向是否稳定，场景结构如何延续，机器人移动后将看到什么。图像只是世界状态的一部分，物理方向、空间几何和视觉外观共同构成机器人真正需要的训练环境。 项目链接：https://kangliao929.github.io/projects/puffin-world/ 代码链接：https://github.com/KangLiao929/Puffin Arxiv链接：https://arxiv.org/abs/2609.04196 Hugging Face链接：https://huggingface.co/blog/KangLiao/puffin-world   统一构建三种原生状态——物理、几何与外观 Puffin-World从三维世界状态本身出发，将其建模为三种相互关联的原生状态： 物理状态：描述相机和观测视角在真实世界中的绝对朝向，包括重力场与纬度图。 几何状态：通过深度信息表达场景的三维结构、空间远近和表面关系。 外观状态

近日，帕西尼（PaXini AI）与通用具身基础模型企业 智在无界（BeingBeyond）正式达成合作，智在无界成为 PaXini Inside 生态伙伴。双方将携手推进具身基础模型训练、全模态数据生产、真实场景 POC 验证及数据的标准建设。  当前行业面临的关键问题，是高保真物理交互数据尚未形成稳定。帕西尼与智在无界此次合作，将围绕这一问题连接数据源、模型训练与场景验证，建立面向具身任务的联合研发链路。 帕西尼：从感知源头定义高质量数据 具身模型需要的数据，既要具备规模，也要保证质量。对物理交互数据而言，高质量体现在感知信号准确、多模态时间同步、任务上下文完整、采集过程可追溯、数据格式可复用等多个方面。  帕西尼的独特价值，在于同时掌握数据源、采集载体、生产体系和标准能力。 在感知端，帕西尼拥有触觉感知芯片和多维触觉传感器自研能力，可采集机器人接触物体时产生的压力及受力变化等信号；在人形机器人本体端，可将感知信号与机器人动作、任务过程及执行结果建立关联；在数据端，帕西尼已形成覆盖采集、清洗、标注和交付的完整体系，并通过五大数据工厂持续推进全模态数据的规模化生产。  帕西尼也在持续参与具身智能数据标准建设。作为工信部 WG7 数据工作组联席组长单位，帕西尼深度参与人形机器人数据标准研讨，多项力触觉相关规范入选国家重点标准项目清单，并参与全球首项具身智能国际标准编制。这充分发挥了帕西尼在力触觉感知与具身数据领域的技术积累，也为其建立统一的数据采集、同步、标注、评价和交付体系提供了实践基础。 智在无界：推动物理数据转化为模型能力 智在无界专注于通用具身基础模型研发，是国内最早采用大规模人类视频数据训练通用具身模型的企业之一。 基于隐式世界动作模型范式，智在无界已推出 Being-H 通用灵巧操作大模型与 Being-M 通用移动操作大模型。20

如果把训练数据从300小时扩大到30,000小时，机器人模型能否像大语言模型一样，随数据增长不断解锁新能力？ 智元最新发布的原生世界—动作模型（World Action Model，WAM）GE-Act 2.0，首次系统回答了这个问题。与沿用现成视频生成模型的主流路线不同，GE-Act 2.0的所有模型参数，包括视觉表征、未来生成、动作预测等核心组件均从随机初始化开始，在具身操作数据上从头训练。训练完成后，模型不针对评测任务做任何微调和示范，直接在陌生场景、陌生物体上，接受语言指令跟随、多技能操作和陌生环境泛化等真机零样本（Zero-shot）检验——覆盖100项原子任务、20类技能、两种机器人本体。 结果显示，随着数据规模扩大100倍，模型不仅原有技能更稳定，还逐步解锁了此前完全无法完成的新任务，包括折叠毛巾、嵌套纸杯、拔插笔盖、插花等较精细动作，原生世界—动作模型的Scaling路径首次被系统性验证。 图中每个任务接受四档数据量训练（300小时/1200小时/5000小时/30000小时），随着训练数据不断扩大，技能覆盖范围与任务成功率同步扩大，这验证了原生世界-动作模型预训练与Scaling路径   项目主页与论文： https://ge-act-v2.github.io/   一、用 Zero-shot 检验预训练  用 100 倍数据验证 Scaling 针对评测任务做额外训练，能刷高成绩，却分不清能力来自通用预训练还是“考前特训”。GE-Act 2.0 因此把真机零样本表现作为标准：不微调、不示范、不换模型，测试中的场景、背景、光照和物体实例均未进入训练。在相同训练配方下，最后一阶段分别使用300/1,200/5,000/30,000小时四档数据，三条Scaling线索清晰可见： 技能“逐格点亮”：取得非零成功率的任务，在G1-OP

瑞芯微与面壁智能持续深化软硬生态协同，针对面壁智能即将开源的新一代高密度端侧语言基础模型MiniCPM5-2B，实现 Day-0 原生适配，完成完整端侧部署。 RK3588 + RK1820 双芯平台部署架构 作为面壁智能新一代端侧 “小钢炮”，MiniCPM52B 重点强化端侧 Agent 能力，支持深思考推理、工具调用、深度搜索、代码生成，覆盖通用知识、数学代码推理、多语言、长文本处理等任务。 本次开源除模型权重外，还同步开放训练 Recipe 、RL框架与多套高质量数据集，进一步降低开发者创新门槛。 依托瑞芯微 RKNN3 工具链完成模型量化与算子深度优化，MiniCPM5-2B 可在硬件平台稳定运行，是首款在RK1820上面流畅运行Agent的模型。完整保留模型原生 Agent 能力，实现设备本地离线智能闭环，无需依赖云端即可完成复杂任务。   模型能力效果简表 此前双方已完成MiniCPM5-1B LLM模型、MiniCPM-V-4的4B VLM模型和MiniCPM-o-4.5的9B Omni模型，分别覆盖RK1820，单卡RK1828和双卡RK1828的适配，满足各类端侧AI的方案需求。本次完成MimiCPM5-2B的适配，为RK1820芯片搭载行业通用Agent提供全新可落地选项。   瑞芯微 × 面壁智能 端侧模型合作持续深化 本次 Day-0 适配，是双方长期生态共建的又一次落地。借助完整的软硬件开发栈，开发者可以快速完成模型调优、二次开发与产品移植，助力终端厂商把端侧 Agent 能力快速转化为量产产品。 面向未来，瑞芯微将持续联合大模型伙伴，打磨端侧软硬协同方案，推动端侧 AI 从 Demo 走向规模化商用。

近日，基于全球首创的具身模型信息密度定律与以人为中心的环境式数据采集方案2.0，并依托环境式采集引擎ACE，大晓机器人联合南洋理工大学 S-Lab 重磅开源 L5 级多模态具身物理智能数据集 ACE-Data-0。通过对真实物理交互、长程任务过程与多模态因果信号的高保真采集和高精度标注，ACE-Data-0 为全球具身模型提供面向泛化、反思与进化的高质量数据底座，推动通用物理智能加速跨越实验验证，走向规模化产业落地。 具身数据的价值不在于规模堆叠，而在于能否高密度记录那些真正改变行动结果的信息；在这一定律下，L1-L2 级数据仅能支撑基础预训练，L3-L4 级数据止步于已知任务的拟合；ACE-Data-0 数据集已迈入 L5 级，深度融入接触压力、自然出现的犹豫与恢复过程，以及真实家庭场景中的开放行为变量，通过桌面尺度与房间尺度两套互补采集系统，将真实家庭环境转化为可持续记录、统一标定和精准同步的具身数据采集场景，让日常生活中的真实交互直接成为机器人学习物理世界的数据来源。 具体而言，ACE-Data-0 包含 150 小时数据、1700 万帧视频、200 个任务类别、50 名参与者、2 个真实家庭场景和 7.5 万个交互片段，覆盖原子级人—物交互、长时序家庭场景活动链及人与场景交互。数据同步采集第一人称视频、多视角第三人称视频、全身与手部运动、物体六自由度轨迹、多通道音频与触觉信号，并将全部模态对齐至同一时间线和空间坐标系，完整保留人类感知、行动、接触与环境变化的连续过程。 基于 ACE-Data-0，大晓进一步构建了从底层信号、场景组成要素到具身交互理解的三级评测基准，系统检验模型在接触感知、人体与物体状态恢复、手—物交互理解等关键环节的真实能力。ACE-Data-0 因此不只是一批家庭场景活动视频，更是一套面向模仿学习、世界模型、视觉—语言—动作模型（VLA）、机器人

摘要：面向工业、汽车、科研场景开启规模化落地   2026年7月13日，在2026世界人工智能大会（WAIC）前期，地瓜机器人宣布与它石智航的最新合作成果，即它石智航全新一代A3轮式双臂具身工业机器人将全面搭载旭日S600具身智能大算力芯片，面向工业、汽车、科研等场景开启规模化落地量产。 双方基于地瓜机器人成熟的工具链与软件栈，顺利完成大模型端侧部署，端侧推理效果达到工业级高性能标准，为全行业边缘端具身大模型落地提供了可复用、高完成度的工程范本。此次合作标志着具身智能产业从单点技术创新，正式迈向"算法+端侧算力+本体"系统级规模化量产的关键阶段。     A3效果图，仅示意 聚焦真实工业痛点 它石智航破解"哥德巴赫猜想"   柔性线束装配素有工业自动化"哥德巴赫猜想"之称，对机器人的环境感知、物理预判、力控精度与自主纠错能力要求极高。当前该岗位用工缺口持续扩大，高强度作业下人工差错率居高不下，企业生产与工人作业双重承压。   它石智航基于第一性原理判断：具身智能的核心价值并非打造形似人类的机器，而是让AI落地物理世界、创造产业价值。今年3月，它石机器人凭借1小时内完成百余次亚毫米级线束装配的稳定表现斩获吉尼斯世界纪录；随后，上海嘉定首批百台级A系列机器人成功落地，完成从技术展示到产线闭环的关键跨越。   如今，这套经真实产线打磨的全栈作业能力已完整注入全新A3机器人体系。依托地瓜机器人旭日S600芯片的端侧智能支撑，A3无需依赖云端即可完成感知、决策、控制全链路闭环，将工业级精密操作从固定工位延伸至全场景移动作业，真正拓宽了具身智能的产业落地边界。   满足高复杂场景实时性需求 旭日S600重新定义端侧计算效率   2026年被业内普遍视作具身智能的量产元年，产业竞争核心已从单点技术突破转向系统

近日，大晓机器人联合香港中文大学多媒体实验室（CUHK MMLab）正式发布全新“一脑多型”具身操作VLA模型 ACE-Ego，并向行业开源。作为“以人为中心”ACE 研发范式在具身模型预训练的核心落地成果，ACE-Ego提出大规模第一视角人类视频与多型机器人数据高效联合预训练的新范式，在两大国际权威具身智能基准上双双领先，并在复杂零售场景中展现出强泛化落地能力，为具身操作模型的规模化演进开辟了全新路径。 在国际公认的人形机器人操作基准 RoboCasa GR1 TableTop 上，ACE-Ego 以72.8%的平均成功率刷新当前最高纪录，夺得榜首，大幅超越英伟达 GR00T、PI π₀.₅、京东JoyAI-RA 等主流模型；在高难度双臂操作基准 RoboTwin 2.0 的强域随机化测试中，ACE-Ego 以90.62%的成功率展现出远超行业平均水平的环境鲁棒性。 2025年12月，大晓机器人提出“以人为中心（Human-centric）” 的ACE具身研发范式，将人类与物理世界的互动规律作为核心研究起点，构建了一套从“环境式数据采集—开悟世界模型3.0—具身交互”的全链路技术体系。源于对 “以人为中心” ACE 范式的深度践行，不同于行业传统 “以机器为中心”、依赖大批量高成本真机遥操作数据的路线，ACE-Ego 将海量低成本的第一视角人类视频转化为可用于模型训练的有效监督信号。通过统一相机空间动作表示、统一本体形态编码、时间对齐动态分块、可靠性自适应目标函数四大核心机制，它系统性破解了人与不同型号机器人数据在空间坐标系、本体结构、时序频率、标签质量上的四重异构难题，实现使用大规模高质量人类第一视角视频与数千小时多机型机器人数据的协同训练。 实验结果证实了大规模第一视角人类视频能够有效提升VLA模型预训练和下游适配能力：在 RoboCasa 基准上，引入第一视角人类视

6月15日，海洋具身智能公司世航智能宣布完成A轮融资，融资金额超过10亿元。这也是目前全球海洋机器人领域规模最大的单轮融资。 新投资人包括摩尔线程和昆仑芯的产业投资方上河动量基金、新加坡淡马锡旗下VertexGrowth、中信集团旗下中国最大农业产业基金、誉尊资本、上市公司大洋电机，老股东金沙江创投、祥峰中国基金、华映资本、长石资本、盛景嘉成资本、鞍羽资本等全部大比例超额追投。 世航智能创始人兼CEO陈晓博为1989年出生的哈尔滨工程大学校友，深耕海洋机器人领域19年，在28岁时获得国防科技进步一等奖，是该奖项最年轻获奖者之一，并主导研发全国首台商用水下清洗机器人。作为正高级工程师，陈晓博带领团队持续聚焦海洋机器人核心技术攻关与产业化落地。 据世航智能方面透露，本轮融资将主要用于核心技术研发、全球化市场拓展及产业链生态建设，进一步推动海洋机器人在复杂水下场景中的规模化应用。   海洋具身大模型“沧穹”，开启自主作业新纪元 今年4月25日，世航智能发布海洋具身大模型“沧穹 CEORION”。 与传统水下机器人依赖人工遥控或预设程序不同，沧穹 CEORION 让机器人在复杂海洋环境中具备更强的感知、理解和自主执行能力。该模型采用统一端到端架构，将环境感知、任务理解和动作生成集成在同一个模型中，并结合真实作业数据与仿真数据进行训练。公司已基于百万小时级商业作业数据构建海洋世界模型，并通过真实任务持续迭代优化。 搭载沧穹 CEORION 的海洋机器人，无需针对不同任务频繁切换多个模型，即可覆盖巡检、检测、清洗、抓取、切割、焊接、勘探、搜救、应急等12大类水下作业场景。 在仿真测试中，沧穹 CEORION 任务成功率超过90%，精细控制定位抓取成功率超过90%，达到专业潜水操作员的操控水平；面对从未见过的海域环境、水质条件、光照变化以及不同机器人平台，模型零样本适应能力超过