当前位置：

社区首页

电脑数码

智能设备

智能机器人

AIGC文章详情

张大妈

机器人如何“看懂”世界？多模态融合构建通用视觉大脑

源自48位全网作者

05-25 14:16

精选参考来源

#AI为小米汽车带来出行新体验#AI 是辅助驾驶的技术核心之一，无论是VLA模型，还是 Xiaomi HAD 增强版全新上线的「世界模型」，其本质就是让辅助驾驶系统能够像人一样思考、推理、预判。可以说，AI 就是辅助驾驶为车主带来“出行新体验”的关键一环。小米汽车在辅助驾驶能力迭代过程中相当重视AI 能力的落地与应用。2025年，小米集团于 AI 领域投入70亿资金，并建立了辅助驾驶三大研发中心，同时拥有超1800人的精英研发团队，“有钱、有人、有决心”，这便是小米汽车技术团队深耕 AI 的底气与毅力。在近期发布的 Xiaomi HAD 增强版中，我们已经能够领略小米汽车在 AI 领域的初步进展：「强化学习」带来相较传统模仿学习更高的效率与上限、「世界模型」不断丰富辅助驾驶学习场景来源，于仿真世界中不断强化模型学习推理能力。像这些 AI 技术的新进展所带来的“体验提升”是广大车主有目共睹的。AI 对辅助驾驶的“变革”离不开实践的检验，期待车主们实际场景下的体验央视财经的微博视频

中国AI王炸！具身智能把欧美甩到身后！ #大咖观察 #红衣聊AI #人工智能 #具身智能#ai新星计划

全部
来源

内容由AI生成

1. #AI为小米汽车带来出行新体验#AI 是辅助驾驶的技术核心之一，无论是VLA模型，还是 Xiaomi HAD 增强版全新上线的「世界模型」，其本质就是让辅助驾驶系统能够像人一样思考、推理、预判。可以说，AI 就是辅助驾驶为车主带来“出行新体验”的关键一环。小米汽车在辅助驾驶能力迭代过程中相当重视AI 能力的落地与应用。2025年，小米集团于 AI 领域投入70亿资金，并建立了辅助驾驶三大研发中心，同时拥有超1800人的精英研发团队，“有钱、有人、有决心”，这便是小米汽车技术团队深耕 AI 的底气与毅力。在近期发布的 Xiaomi HAD 增强版中，我们已经能够领略小米汽车在 AI 领域的初步进展：「强化学习」带来相较传统模仿学习更高的效率与上限、「世界模型」不断丰富辅助驾驶学习场景来源，于仿真世界中不断强化模型学习推理能力。像这些 AI 技术的新进展所带来的“体验提升”是广大车主有目共睹的。AI 对辅助驾驶的“变革”离不开实践的检验，期待车主们实际场景下的体验央视财经的微博视频

2. 中国AI王炸！具身智能把欧美甩到身后！ #大咖观察 #红衣聊AI #人工智能 #具身智能#ai新星计划

3. #科技先锋官# 机器人与实时视觉正成为全球AI技术竞争的核心赛道，各大巨头纷纷加码布局，通过多模态融合、本地智能升级、感知体系革新等创新方向。这一突破重构了机器人的环境交互能力，更拓宽了AI在工业、服务、创意等多场景的应用边界。谷歌DeepMind的创新极具颠覆性，其发布的Gemini Robotics On-Device实现关键突破，成为首个可在机器人本地独立运行的视觉-语言-动作模型。该模型摆脱云端依赖，通过多模态Transformer架构深度融合视觉感知、语言理解与动作规划，响应延迟降至毫秒级，弱网环境下任务完成率超95%，仅需50-100次演示即可让机器人掌握新技能，大幅降低部署成本。OpenAI则通过o3/o4-mini多模态模型强化视觉推理能力，实现带图思考的全新范式，能将图像融入思维链，在医学影像分析、图表解析等场景展现出精准的视觉理解与决策能力。腾讯鸿元发布HY-Motion 1.0模型，聚焦高质量3D动作生成，为机器人实时动画、虚拟人交互提供核心技术支撑；智谱与华为联合推出的GLM-Image多模态模型，在图像生成与编辑领域实现突破，适配国产算力底座。行业层面，DA3通用三维视觉模型、OpenTau开源训练平台等技术的涌现，正推动机器人视觉从多模型适配走向统一化、轻量化，为产业规模化落地奠定基础。#AI生活指南##一条vlog回顾2025##AI创造营# 种斌Marco的微博视频

4. 苹果摄像耳机曝光，AI视觉黑科技拉满苹果新款耳机内置摄像头，主打AI视觉识别，并非拍摄用途。设备进入后期测试，延期打磨AI算法，增设隐私指示灯。穿戴AI时代，真的要来了吗？ #生活服务热点中心 #科技 #airpods #airpodspro3 #苹果airpods

5. 从CES 2026机器人热潮，看透具身智能三大进化趋势2026 CES上的机器人热潮，本质上是具身智能技术从“量变”到“质变”的集中爆发。大模型赋予的认知能力、场景深耕带来的落地价值、生态协同构建的产业基础，三者共同推动具身智能从“技术概念”进化为“生产力工具”。未来几年，随着成本下降与技术成熟，具身智能将进一步走进寻常生活、深入产业核心，不仅重塑制造业、服务业的生产模式，更将改变人类与机器的交互关系——从“人指挥机器”到“人机共同决策”。当AI真正拥有“感知世界、改造世界”的能力，一个更高效、更安全、更具温度的人机共生时代，正加速到来。#具身智能让ai从虚拟走向真实# #波士顿动力推出全新atlas机器人# 机器人从CES 2026机器人热潮，看透具身智能三大进化趋势

6. 如何评价 DeepSeek 刚刚上线的多模态「识图模式」？

7. #互联网技术[超话]##个重磅信号！#黄仁勋 #AI #人工智能#机器人 #自动驾驶 #CES2026 #英伟达#新年演讲# 黄仁勋在2026年CES展会上的新年首场演讲，以"物理AI"为核心主题，宣告人工智能正式迈入从理解数字世界到改造物理世界的新阶段。以下是演讲的核心内容整理：一、时代定调：双重平台转移开启AI新纪元黄仁勋指出，计算机行业正经历十年一遇的"平台重置"，同时发生两大平台转移：一是应用程序全面构建于AI之上，软件开发从"编程"转向"训练"，运行载体从CPU迁移至GPU；二是软件的开发与运行逻辑彻底革新，AI应用不再是预编译的固定程序，而是能理解上下文、实时生成内容的智能系统。这一变革正驱动全球价值约十万亿美元的计算机基础设施进行现代化改造。二、物理AI的ChatGPT时刻已至物理AI成为演讲的核心焦点。黄仁勋认为，AI的演进可以分为四步：感知AI、生成AI、代理AI、物理AI。当模型能够理解重力、摩擦、惯性、动量守恒等物理定律，AI才能真正走出屏幕，进入物理世界执行任务。支撑物理AI战略的三大技术支柱已全面成型： Newton物理引擎：实现低于0.01秒的实时物理计算响应 Cosmos基础模型平台：以1000亿参数达成1毫秒级推理延迟，支持多模态物理世界理解 GPU+LPU混合架构：算力效率提升100倍，成本降低90% 三、Rubin计算架构全面量产英伟达推出新一代Vera Rubin计算架构（简称Rubin架构），该平台已进入全面量产阶段。Rubin架构通过CPU与GPU协同设计，AI训练性能较前代Blackwell提升3.5倍，推理性能提升5倍，token生成成本最高降低10倍。该架构包含六款全新芯片：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU和Spectrum-X以太网交换机。四、自动驾驶与机器人突破自动驾驶领域：英伟达发布全球首个开源端到端AI系统Alpamayo，这是业界首个具备思考推理能力的自动驾驶AI模型。2025款梅赛德斯-奔驰CLA将首发搭载该技术，计划2026年第一季度在美国上路，随后推广至欧洲和亚洲市场。机器人领域：黄仁勋宣布"机器人领域的ChatGPT时刻已经到来"。英伟达发布了专为人形机器人设计的Isaac GR00T N1.6视觉语言行动模型等开源工具，同时推出Cosmos Reason 2推理型视觉语言模型。特斯拉Optimus人形机器人已通过Omniverse数字孪生平台完成90%以上的训练，自主运行比例达85%，2026年第一季度将实现5万台量产，成本降至2万美元以下。五、开源生态战略加速黄仁勋强调，开源模型与前沿闭源模型的差距已缩短至约6个月，且仍在持续缩小。英伟达不仅开源模型，还开源用于训练这些模型的数据，以建立真正的"系统信任"。现场展示的多款开源模型包括三家中国开源模型：Kimi K2、Qwen和DeepSeek V3.2。黄仁勋特别提到，DeepSeek R1的出现意外推动了整个行业的变革进程。六、全栈AI体系构建英伟达的角色已从芯片供应商转变为"全栈AI体系"的构建者。通过"三台计算机"的架构——训练（DGX超级计算机）、仿真（Omniverse与RTX）、推理（AGX系列边缘设备），英伟达构建了从云端训练到现实部署的完整闭环系统。同时，通过开源模型、数据及NeMo开发库，英伟达正推动技术民主化，让更多开发者和企业能够参与到物理AI的创新浪潮中。黄仁勋在演讲结尾强调，物理AI的落地将重塑全球千万家工厂与数十万个仓库的运作逻辑，开启AI与实体经济深度融合的新时代。 http://t.cn/AXb9Z9MM

8. RLinf v0.2重磅发布 | RLinf-USER：具身智能的「系统时刻」，让机器人在真实世界中自学成才

9. ICML'26 | 复旦新作OneTrackerV2：多模态视觉跟踪大一统！

10. 万亿具身智能赛道，被数据卡住了

11. 当AI学会了创造世界，科幻电影中的机器人时代开始全面加速！ #AI新星计划 #科技改变生活 #玩个很新的东西 #世界模型 #具身智能

12. #it那些事儿# AI模型处理物理世界有多模态融合一说，那么人类大脑处理物理世界存在多模态概念吗？首先，理论上来说在神经系统的底层（如神经元层面），所有的信号本质上都是“一样的信号”（即动作电位，神经脉冲）。无论是视觉、听觉还是触觉，最终传入大脑的都是电化学脉冲。因此，在硬件层面不存在“视觉信号”或“听觉信号”的物理隔离或本质区别。其次，雪貂实验证明将雪貂的听神经连接到视觉皮层，大脑可能“看到”声音。而人类先天盲人也被证实“视觉皮层听觉化”。雪貂实验是神经科学史上最震撼的实验之一，由牛津大学的 Mriganka Sur 团队在 1990 年代和 2000 年代初完成。他们在雪貂胚胎发育的早期，将原本应该投射到听觉皮层的神经纤维，通过手术引导到了视觉皮层（原本应该接收来自眼睛的信号）。同时，他们切断了视觉皮层正常的视觉输入。这些雪貂长大后，它们的视觉皮层在结构上发生了改变，形成了类似听觉皮层的柱状结构，但保留了视觉皮层的一些微电路特征。更惊人的是，当给这些雪貂播放声音时，它们的视觉皮层被激活了。行为测试显示，这些雪貂能够利用被“改装”的视觉皮层来分辨声音的频率和位置，其精度甚至接近正常听觉皮层。核磁共振成像研究发现，当先天盲人进行触觉阅读（盲文）或听觉定位任务时，他们大脑后部的视觉皮层（枕叶）会被显著激活。而在视力正常的人做同样任务时，这部分区域是静默的。这说明什么？这说明实验证明神经元在生理层面并不“在乎”输入的是光还是声，即在底层机制上没有“模态”一说，皮层没有“这是声音”或“这是图像”的底层标签，只有“这是一串有规律的电脉冲”。即它们像CPU，不在意模态，它们只是在处理数据流。再次，但是再往上一层，视觉皮层演化出了对方向、边缘、颜色极度敏感的滤波器，听觉皮层演化出了对频率、音调、时间差极度敏感的滤波器，即虽然皮层都是通用CPU，但视觉皮层预装了“图像处理驱动软件”，听觉皮层预装了“音频处理驱动软件”。所以，人类处理外部信号绝对有“模态”概念，只不过这个概念不是写在每一个神经元里的，而是写在整个神经网络的连接结构里的。

13. #小米新SU7XLA大模型揭秘# 新一代 SU7 搭载的XLA 认知大模型，依托小米自研MiMo-Embodied 具身智能基座，实现行业重大突破：首次彻底打通辅助驾驶与具身机器人两大核心任务，完成知识双向迁移那区别于传统 VLA 架构，XLA 升级多模态感知，融合视觉、雷达、声音及机器人交互数据，结合世界建模、潜空间推理技术，兼顾端到端快速响应与语义理解能力。厘米级环境感知、毫秒级极速决策，不再机械识别路况，而是真正理解真实世界、预判风险、自主规划路径小米用 2 年走完同行 5-10 年技术路XLA 大模型以统一具身架构领跑行业，让汽车成为最先落地的民用具身智能载体，重新定义高阶辅助驾驶新范式#车是最先落地的具身智能 #

14. 比剥橘子也能拿世界冠军？别笑，这是全球最难的机器人“高考 #科技改变生活 #玩个很新的东西 #人工智能 #具身智能#机器人

15. 机器人行业有泡沫，商业化必须做起来，怎么做？#机器人 #具身智能 #安努智能 #模型 #机器人泡沫

16. 具身智能的到来会越来越好还是越来越凶呢!

17. 从技术落地到资本认可，它石智航一步到位！ 4.55 亿美金融资，财务 / 战投 / 产业 / 国资四大资本维度齐聚，具身智能从此只看真能力。#具身智能史上最大单轮融资 #全球首个能干活的具身智能大模型AWE #它石具身数据引擎 #它石智航 #它石智航丁文超

18. 🧠第二代 VLA 物理 AI 大模型原生多模态赋能，重构智驾决策核心✅ 自动驾驶问题本质上也就是物理 AI 问题，L4能力=模型x算力x数据x本体✅ 以物理 AI 为核心，打造原生多模态基座大模型，深度理解物理世界✅ 实现看、听、读一体化融合，视觉思维链推理效率飙升 32 倍✅ 支持语音、视觉、动作多模态输出，自主推演最优驾驶策略，筑牢舱驾联动底层⚡第二代VLA有效算力1 颗顶 10 颗，车端实时跑大模型无压力✅ 全栈自研图灵芯片，算力利用率高达 82.5%，模型推理仅需 80ms✅ 1 颗图灵芯片实际有效算力≈10 颗 Orin-X，车端流畅运行大模型✅ 车端视觉数据信息密度超其他传感器 300 倍，累计 50PB 训练数据筑牢基础✅ 日消耗 token 达 58.8 万亿，是全国数字 AI 调用量的 80 倍，算力支撑超强#小鹏第二代VLA发布##小鹏智驾负责人称拉开差距的时刻到了#

19. 智元APC香港观察：具身智能的终极角色是先进生产力单元

20. 具身智能奇点已至！超越π*0.6，极佳视界自我进化VLA大模型拿下世界第一

21. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

22. 突破具身智能长程任务瓶颈！EchoVLA双重记忆机制赋能移动操作机器人，超越π0.5

23. 12 月 17 日，小米 AI 领域领军人物罗福莉首次公开亮相，引发广泛关注。她在亮相中表示，小米将重注物理 AI—— 它需要理解重力、运动等基本物理法则，拥有全模态感知能力，并能实现从感知、规划到执行的闭环任务。显然，物理 AI 已成为中国科技大厂竞逐的 “显学”。不过即便如此，物理AI的关注度今天要被港股“物理AI第一股”——北京五一视界数字孪生科技股份有限公司（以下简称“五一视界或51WORLD”）抢去了——12月18日，它开始大规模招股，并准备在2025年12月30日在港交所主板挂牌上市。据了解，五一视界（51WORLD）这次在全球发售2397.5万股A类股份，其中，香港发售119.9万股，配售2277.6万股，另有15%超额配股权。国产GPU第一股摩尔线程（市值超3000亿元）、AI龙头企业商汤科技已参与认购，其他机构和投资人也踊跃参与，大大超出市场预期。以每股30.5港元的发行价计算，五一视界（51WORLD）本次 IPO预计募集资金达 7.31亿港元，若行使超额配售权，最高募资规模可达8.41亿港元。发布了头条文章：《开启招股即受资本追捧，五一视界冲刺物理AI第一股》 #五一视界##51WORLD##物理ai# #ai##人工智能# 开启招股即受资本追捧，五一视界冲刺物理AI第一股

24. 阿里这次出招具身智能，剑指深度环境理解力

25. CES 2026趋势照进现实：算力引擎RK182X重塑千行百业，瑞芯微AI生态大会共建落地生态

26. 【阿里、腾讯陆续推出具身大脑模型创业公司和云厂商同台竞技】具身智能“大脑”能力持续受关注。2月10日，阿里巴巴达摩院发布具身智能大脑基础模型RynnBrain，并一次性开源了包括30B MoE在内的7个全系列模型。阿里巴巴称，RynnBrain首次让机器人拥有了时空记忆和空间推理能力，智能水平实现大幅跃升，在16项具身开源评测榜单上刷新纪录，超越谷歌Gemini Robotics ER 1.5等行业顶尖模型。http://t.cn/AX5Bu5v4 　　而稍早前腾讯也发布了具身智能模型的诸多进展。2025年7月，腾讯旗下负责具身智能研究的Robotics X实验室和福田实验室联合发布了具身智能开放平台 Tairos（钛螺丝），随后该平台上线了多款具身智能模型并落地了多个真实场景。

27. 3月3日上午10点，访谈正片首发上线，欢迎观看！当一些机器人在跳舞表演，智平方的机器人已经“超越演员”，落地干活。当行业热衷于讲故事融资，有人用5亿订单说话。本期红衣客厅，我和智平方创始人郭彦东聊了聊，拆解机器人产业的产品技术逻辑与竞争格局。#周鸿祎说机器人长得像人是很大的陷阱#特斯拉机器人被曝是遥控操作 #大有学问 #机器人 #具身智能

28. 解决自动驾驶最后一公里特殊场景，像谷歌WAYMO这样堆高级传感器，看来是靠不住得靠脑子，AI需要理解物理世界，靠世界模型虽然图一只是一个例子，但多传感器融合顶流WAYMO类似的个例太多了，已经说明问题了人类为什么用双眼，只要注意力不出问题就能安全驾驶？靠的不是传感器多，而是人脑是一个超级“世界模型”，理解物理世界的规律人只需要视觉信心，配合大脑就能重建物理结构、理解常识规律、预测未来变化的强世界模型但如今ai的世界模型还远赶不上人脑的世界模型，所以我们看到了多传感器融合的“过渡性世界模型”暂时用传感器的冗余来补足脑力的不足而未来自动驾驶的终极方向，个人认为仍是视觉 AI +世界模型的进化：让 AI 像人类一样，依靠世界模型的智慧，通过机器视觉，从图像里看懂世界、理解物理、推理因果，这是我认为的最理想的：物理世界AI你觉得呢？#人工智能#

29. 【京东发布行业首个具身数据全链路基础设施，打造全球领先“具身智能超级供应链”】4月16日，在京东具身智能生态发布会上，京东宣布在全球首推覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施，自研超高清采集终端JoyEgoCam、具身大模型JoyAI-RA、具身智能数据交易平台等均重磅亮相。关键信息：京东将发动最多60万人参与“人类历史上规模最大的数据采集行动”，在两年内积累1000万小时人类真实场景视频数据，构建全球最大具身数据采集中心。经全链路处理后，模型训练效率可提升3.5倍，数据处理成本降低60%，基于自采数据训练的JoyAI-RA大模型在真机实验中的成功率达73.5%，超越行业先进水平。京东同步开放首批2000小时高精标注数据集，促进数据合规流通。观察：京东从“数据采集—模型训练—仿真评测”构建全闭环数据基础设施，将自身超3600个物流仓储设施及多元业态场景转化为核心数据壁垒，从源头破解行业高质量真实交互数据不足的瓶颈，推动具身智能从实验室研发迈向规模化商业落地。#京东##具身智能##数据基础设施##JoyEgoCam##具身智能超级供应链#

30. 极佳视界发布物理AGI「双金字塔」体系：数据与算法如何撑起具身智能Scaling Law？

31. 商汤SenseNova U1：原生多模态统一模型的范式革命

32. 澜舟科技周明：五大挑战拖慢企业AI落地，智能体工程是破局关键

33. Alluxio AI——构建面向具身智能数据闭环的高性能数据访问平台

34. 【京东开源图像模型JoyAI-Image-Edit】京东探索研究院正式开源自研图像模型JoyAI-Image-Edit，支持文生图、指令编辑、三维空间重塑，空间理解与编辑能力达到世界一流水平。核心信息：具备视角变换、空间漫游、物体空间关系操控三大空间编辑能力，全面兼容15类通用编辑能力，适用于电商内容生产、具身智能视觉感知等场景。观察：京东以空间智能为突破口，将AI图像编辑从“平面修图”推向“空间重塑”，以开源姿态加速电商与具身智能的底层技术布局。#京东AI #开源模型 #图像编辑 #空间智能#

35. 具身智能产业成为大国博弈新赛道

36. 多模态——感官融合还是概念堆叠

37. #李想称全新L9是具身智能机器人#，这就开始把车叫做具身智能机器人了？百科上具身智能是这么说的Embodied Intelligence，是人工智能与机器人学交叉的前沿领域，强调智能体通过身体与环境的动态交互实现自主学习和进化，其核心在于将感知、行动与认知深度融合。那么，L9实际会在使用过程中充分体现出【认知】吗？拭目以待、翘首以盼，一定要试试

38. FT：DeepSeek V4 下周发布，原生多模态。和华为、寒武纪联合优化，估计是优化了 V4 在对应平台上的推理性能。现在多模态最强的还是 Gemini，Demis 的表述很有说服力： Gemini 从第一天起就是多模态的，这是有原因的。它是机器人所需要的…这些多模态模型能理解世界的物理学，再加上一点机器人微调，就能处理动作、电机控制以及机器人所需的规划…AGI 必须理解物理环境、周围的物理世界…为了让机器人工作…理解你的物理上下文。期待 DeepSeek V4 的多模态性能！

39. 厂长在老罗的这个节目里说了很多，信息量比较大首次系统性阐述了理想汽车的具身智能战略全貌。对谈中，李想提出“自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场”这一核心定义，并从战略布局、技术路径、产品落地、组织能力四个维度全面解读了理想汽车从汽车企业向具身智能企业演进的完整逻辑。厂长说具身智能是最后一次创业，还聊了具身智能相关的话题厂长每年亲自面试上百人，这点有点狠！还有一个重要的信息：26款开始，理想就提供海外版了

40. 18万起，连干4小时满血输出，机器人进化得有点不礼貌了吧？ #具身智能 #科技改变生活 #玩个很新的东西 #机器人达人秀 #众擎机器人

41. Hologres 4.0：面向 AI 时代的一站式多模态分析检索平台

42. 【高德全量开源具身操作基座模型 ABot-M0】高德宣布全量开源 ABot-M0，称其为全球首个基于统一架构的机器人具身操作基座模型，可实现“一个通用大脑”适配多种形态的具身机器人。核心信息：在 Libero-Plus 基准上任务成功率达 80.5%，较业界标杆方案 Pi0 提升近 30%；开源涵盖数据（超 600 万条真实操作轨迹的 UniACT 数据集）、算法（动作流形学习 AML、双流感知架构）与模型三大维度。观察：高德从地图服务向具身智能底层技术延伸，以“开源数据集+算法+模型”构建通用技术基座，为“通用大脑+专用躯体”的产业标准落地提供实证支撑。 #高德 #具身智能 #开源模型 #机器人#

43. 12月20日，在摩尔线程MUSA开发者大会主题演讲中，摩尔线程创始人、董事长兼CEO张建中重点介绍了摩尔线程与五一视界（51WORLD）旗下仿真平台51Sim围绕KUAE智算集群构建下一代物理 AI 仿真体系的深度合作。我刚刚发布了头条文章：《五一视界与摩尔线程深度合作，押注机器人测试训练无限可能》五一视界与摩尔线程深度合作，押注机器人测试训练无限可能

44. 松延动力B轮融资近10亿，宁德时代领投。这是具身智能赛道最大一笔融资。为什么这么火？因为具身智能比自动驾驶更复杂。机器人需要感知、决策、执行，三位一体，难度是智能驾驶的10倍。但资本等不及了。春晚"仿生蔡明"就是他们做的，虽然看起来像噱头，技术积累是实的。具身智能和智能驾驶是相通的。很多自动驾驶的技术可以迁移到机器人上。这也是为什么宁德时代要投。我的判断：2026是具身智能爆发元年，三年后你家里可能会有一个机器人帮你做事。但路径会很漫长，不要预期太高。这是长周期赛道，要有耐心。具身智能是下一个万亿级赛道。家里有机器人帮忙做家务，不远了。这就是未来，正在到来。 #AI##科技##具身智能##机器人#

45. 小鹏推出的第二代 VLA 物理 AI 大模型：✅ 自动驾驶问题本质上也就是物理 AI 问题，L4能力=模型x算力x数据x本体✅ 以物理 AI 为核心，打造原生多模态基座大模型，深度理解物理世界✅ 实现看、听、读一体化融合，视觉思维链推理效率飙升 32 倍✅ 支持语音、视觉、动作多模态输出，自主推演最优驾驶策略，筑牢舱驾联动底层#小鹏第二代VLA发布##小鹏智驾负责人称拉开差距的时刻到了#

46. SenseNova U1开源：8B参数原生统一多模态模型

47. 蚂蚁具身研究首次亮相!就解决了机器人「看」透明玻璃这些难题