1、对话刘靖康：镜头之外的「智能」和「审美」，才是 Camera Agent 的主战场
影石Insta360创始人刘靖康在AGI Playground 2026上提出，未来影像设备将走向“前轻后重”，并发布“打造Cameraman”产品愿景，即通过AI实现“更简单操作+更好交付”的Camera Agent体验。影石已尝试云端AI剪辑服务，收费标准为6元/条，前两个月灰度测试完成数十万条剪辑，导出率超过50%。刘靖康认为，Cameraman无需通用大脑，相比执行标准化任务，“审美在线”更为关键，同时需加深对人类在物理世界中审美期待的理解。
2、等等，MiniMax H3不是刚发布吗？怎么就卷到几分钱的价格了……
秘塔AI上线MiniMax H3视频生成模型，支持网页端直接使用，无需本地部署或配置环境。该模型为MiniMax首个开源视频模型，具备2K分辨率、原生双声道及多模态编辑能力，曾在Artificial Analysis榜单视频编辑排名第一。价格方面，768P方案低至0.09元/秒，生成5秒视频成本不足五毛；2K方案为0.15元/秒，10秒视频约1.5元。API接口同步开放，并支持接入ComfyUI工作流。
3、李飞飞最新访谈：人也不全靠现实数据学习啊
李飞飞在a16z访谈中阐述空间智能愿景，其创立的World Labs收购机器人仿真公司SceniX，共同为机器人构建可规模化数字训练场。双方将整合World Labs的生成模型Marble与SceniX的real-to-sim-to-real管线，解决机器人训练与评估数据匮乏难题。李飞飞强调，机器人是空间智能落地的第一块试金石，需释放缩放定律力量，仿真环境在可靠性和效率上优于真实评估，且基础设施比具体模型更具长期价值。
4、突发，Jeff Dean离职创业！谷歌股价应声蒸发1.34万亿
谷歌传奇人物、谷歌DeepMind和谷歌研究院首席科学家Jeff Dean宣布离职，与Sanjay Ghemawat、Quoc Le、Oriol Vinyals三位AI元老共同创办公益性公司Discovery Loop，致力于实现机器学习、科学和工程的自动化。同日，谷歌DeepMind CEO哈萨比斯卸任原职，转任DeepMind董事长兼Alphabet首席科学家，其职务由Koray Kavukcuoglu接任。消息公布后，谷歌股价下跌4%，市值蒸发约1860亿美元（约合1.34万亿人民币）。谷歌已入股Discovery Loop并成为其云合作伙伴。此前，Gemini核心成员Noam Shazeer、John Jumper等已相继离职，谷歌正面临来自OpenAI和Anthropic的激烈竞争。
5、15岁进少年班，97后打造「元点机器人宇宙」：全栈技术自研领跑家庭机器人赛道
元点机器人（Zeroth）近日发布两款家庭具身智能产品：全尺寸人形机器人Jupiter（身高165cm、体重55kg）与全球首款异构机械臂家庭协作机器人N1。后者可拆分为两个独立工作单元，支持动态避障与记忆系统。其背后公司乐享科技由97年出生、15岁入读西安交大少年班的郭人杰创立，成立不足一年半累计融资10亿元，在手订单超3万台，已形成覆盖小型人形、履带移动及全尺寸人形的产品矩阵，并自研六大方向全栈技术体系。
6、全球首个，连续时间具身世界模型！任意帧率自由生成
清华大学智能产业研究院与UC Berkeley BAIR团队提出ODEWorld，据称是全球首个连续时间具身世界模型。该模型采用Physical-Time Flow范式，学习潜状态关于真实物理时间的导数，可通过ODE求解器积分生成任意帧率视频。在LIBERO实验中，ODEWorld生成64帧仅需0.072秒，约为LDP的1/55、V-JEPA2的1/8.6；长时预测PSNR达19.46，优于对比方法。模型还支持时间补全与反向生成。
7、走出数学与代码，大模型还能自我进化吗？
大模型自我进化研究提出RLSVR训练框架，通过任务变换为开放式任务构造自可验证奖励，并给出自博弈实例SpyRL。SpyRL采用信息不对称的多智能体博弈，使模型通过身份判断获得确定性奖励，可用于摘要、创意写作和数学推理。在Qwen3-4B和Qwen3-8B上，SpyRL在GovReport等五个摘要数据集取得最高ROUGE-L，GovReport上Qwen3-4B由30.2升至36.7；创意写作总体胜率最高达81.3%；数学推理七项基准平均提升8.97个百分点，AIME 2025上Qwen3-4B由6.7升至20.0。该方法无需人工标注或外部裁判。
8、Physical AI正进入经验工程时代，Ropedia聚焦全链路数据基建，完成数千万美元融资
Physical AI公司Ropedia宣布完成新一轮数千万美元融资，由多家东南亚头部风投领投，一线美元基金及智能制造、大模型产业方参投。其旗舰数据集Xperience-10M在Hugging Face全平台数据集榜位列第2名、具身赛道第一，累计下载超270万次，已被Qwen-VLA、MolmoMotion、ACE-Ego-0等模型采用。公司已服务超20家全球机器人及基础模型公司，计划于2026年8月发布新一代多模态采集系统。
9、反击VLA中「L」无用论：用对位置指令泛化能力暴涨20-40%
上海交通大学与无界动力具身智能实验室联合提出GSR（Grounded Semantic Re-Binding）方法，以提升VLA模型的指令泛化能力。研究发现现有模型在改写指令后成功率大幅下降，如SmolVLA从72.0%降至4.47%，VLA-Adapter从98.2%降至46.82%。GSR通过调整语言语义进入视觉与动作计算路径的方式，在LIBERO-Para等基准上使指令泛化成功率提升20%-40%，并识别出语言信息在特定层集中控制动作，单层替换可恢复96.8%的动作差异。相关模型包括VLA-Adapter、SmolVLA和π0.5。
上一篇
【紧急加更】谷歌Bard中文版火爆上架，畅享中文对话，一键登录，告别ChatGPT封号困扰！
下一篇
08月05日AI资讯 | Ilya首个模型将上线；Sand.ai开源千亿MoE视频模型；SpaceX英伟达AI算力上天；阿里发布Qwen3.8
- 作者:AI学长小林
- 链接:https://ai.linbintalk.com//article/3b4629a6-152d-814d-897a-da2453acfa5b
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
