跳到正文
今天11月5日周四1 条
  1. 钛媒体38

    嘉加资本对话Normal Computing创始人:在硅谷,创始人只需做对三件事

    嘉加资本对话Normal Computing创始人Faris Sbahi,探讨AI芯片与热力学计算的商业化路径。Normal成立于2022年,前身为Google X内部项目,今年3月完成三星催化基金领投的5000万美元融资,累计融资超8500万美元,全球营收前十的半导体公司中已有半数以上与其合作,并在Hot Chips大会公布首颗热力学计算芯片CN101的测试结果。

11月4日周三
11月2日周一
10月30日周五
  1. 钛媒体66

    当企业都戴上AI的帽子:92%试点为何只有8%见到回报

    作者观察大量企业后指出,AI叙事盛行但收益分化:德勤调研显示92%企业开展AI试点,仅8%认为实现财务与战略收益,4%完成组织级转型。文章以日照钢铁、友达光电等正面案例对比建材、餐饮、银行等失败案例,论证多数AI失败源于组织基础、数据孤岛和工作流程问题,而非算法本身,引用RAND结论称企业花90%精力在模型上,但模型只占成功的10%。

10月23日周五
10月20日周二
  1. 钛媒体56

    对话Dyna Robotics联合创始人Jason Ma:被部署教训300天后找到机器人Scaling Law

    硅谷101时隔一年半再访Dyna Robotics联合创始人Jason Ma,复盘Dyna-1十个月部署的教训与Dyna-2的模型路线转变。Dyna从VLA转向世界动作模型,用100万小时第一人称人类视频做预训练,发现人类视频数据每扩大10倍,模型对未见过的机器人动作预测也变好;新机器人Taku可端到端完成洗衣房洗、烘、叠流程,叠餐巾从每小时35条提升到95条、每天1590条,达到鼎泰丰客户标准。

10月19日周一
  1. 雷峰网52

    复旦贾萧松谈VLA与WAM架构热潮:真正瓶颈不在模型架构,而在训练方式

    雷峰网对话复旦大学可信具身智能研究院助理教授贾萧松,回顾他从轨迹预测转向端到端自动驾驶、再研究世界模型与灵巧手的经历。他提出端到端价值在于直接优化最终目标,模仿学习先到90分、强化学习再补10分;Think2Drive用隐空间世界模型让一张显卡同时运行约1000到2000个环境。他认为当前瓶颈不在VLA、WAM等架构而在训练方式,具身智能扩大模仿学习规模后可能遇到自动驾驶同样的瓶颈。

10月14日周三
  1. 钛媒体54

    人类视频能否训练机器人:从星动纪元VPP2到Dyna-2百万小时实验

    钛媒体发布具身志文章,梳理近期多项围绕人类视频训练机器人的研究与产业动作。10月10日星动纪元开放VPP2前两段视频模型权重;Dyna-2转钥匙实验显示,人类第一视角视频预训练从1,000小时增至100万小时后,机器人在相同后训练条件下10次测试成功9次;DreamZero用12分钟人类视频将平均任务进度从38.3%提高到54.3%。

10月13日周二
10月12日周一
  1. 雷峰网32

    费莫一刘念邱:智驾无图的经验,也能迁移到机器人 | 物理AI 50人

    元戎启行联合创始人刘念邱于2026年创办费莫一科技,获IDG资本领投、云启资本、滴滴出行、复星锐正、耀途资本、禾赛科技等近亿美元种子轮融资,专注开放动态场景的"Physical Agent"。他主张机器人不应被固定为单一职业,而应在商业区、写字楼、住宅等生活圈中按需切换任务,通过落地—数据—训练—再落地的闭环形成跨场景迁移能力,今年重点做初始数据采集,计划明年多点部署。

10月11日周日
  1. 钛媒体46

    千元入门手机几乎“灭绝”,存储危机到底还要多久?

    美光预警2027年和2028年存储供需将比2026年更紧张,即使新增DRAM产能全部投产也无法满足需求,供需恢复平衡的时间点尚不可见。Counterpoint Research预测廉价手机市场将暴跌40%,竞争压力向中端转移,该趋势预计持续至2030年。AI服务器对存储的指数级需求引导三星、海力士、美光将新增产能倾斜给HBM等高毛利AI产品,消费级存储只能从存量产能中挤压份额。

10月10日周六
  1. 雷峰网32

    昆士兰大学 Jen Jen Chung 在 IROS 2026 谈数据与信息的关系:数据越多≠决策越好

    昆士兰大学 Jen Jen Chung 在 IROS 2026 主旨演讲中指出,决定智能上限的不是数据绝对规模,而是数据质量与信息密度。她以无人机自主滑翔、多机器人通信和富接触装配任务为例,说明盲目堆砌数据会导致系统崩溃与策略失能,并提出“策略修复”方案,用定向选取修复性样本替代盲目扩增数据。

10月9日周五
10月1日周四
7月7日周二
  1. Berkeley AI Research36

    智能免费之后怎么办?面向智能体、由智能体运行、由智能体构建的数据系统

    伯克利 AI 研究团队指出,GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,推理价格年降幅在 9x 到 900x 之间、中位数约 50x。作者提出近零推理成本下的三大挑战:为智能体设计的数据系统、运行智能体集群的数据系统、以及由智能体合成的数据系统。