AI 日报

今天，大模型圈再次被点燃，这一次的火花来自前 OpenAI 应用研究负责人翁荔。她创立的Thinking Machines Lab（TML）首次公布的技术愿景，直指人机交互的终极形态——一个能与人类进行「全双工」实时对话的 AI 模型。然而，当 TML 那支展示着无缝、主动交互能力的 Demo 视频在网络上流传时，许多 AI 领域的从业者却产生了一种强烈的「既视感」——因为 TML 描绘的那个未来，早在三个月前，就已被中国公司「面壁智能」的 MiniCPM-o 4.5 以开源的形式，带到了现实。先看「边看边听边说」的全模态实时交互效果——这是 MiniCPM-o 4.5 的效果，模型可以实时观察周围并对环境进行描述输出，主动反应表现

家中监控不停推送「有人移动」「有车经过」等重复提醒，用户被海量无效信息淹没，真正关键的事件却容易被忽略；想回看某个片段只能手动逐条翻找，耗时耗力……传统安防正从「被动记录」走向「主动感知」，用户对智能监控的需求早已不满足于「看得见」，更要求「看得懂、判得准、反应快」。在此背景下，作为全球民用智慧物联网领先企业的乐橙，不断思考如何提升其产品体系的服务能力。2025年，乐橙与火山引擎达成深度合作，双方围绕豆包大模型、云服务、边缘计算、数据产品等展开智能家居全场景的升级探索，结合火山引擎和豆包大模型开发乐橙AI智见大模型服务，旨在解决当前家庭安防场景中「信息过载、关键事件难捕捉、重复提醒」等用户痛点。通过多模态感知与语义理解技术，赋予智能设备真正的场景认知与事件提炼能力，实现录像及事件的

2026年5月12日，以「普罗精工 寰宇共生」为主题的普罗宇宙机器人全球合作伙伴大会隆重举办。会上，普罗宇宙机器人重磅发布全球首创高精度融合数采解决方案AcCI、大白机器人智能上下料模组，并正式推出全域共生生态战略，面向全球开启生态伙伴招募，携手共建万亿级工业具身智能产业新生态。来自全球学术研究、渠道集成、智能制造等领域的数百位嘉宾齐聚一堂，共同见证普罗宇宙机器人的技术突破、产品矩阵升级与全球化落地成果。普罗宇宙机器人全球合作伙伴大会活动现场。硬核新品矩阵亮相，以全栈式布局破解工业柔性智造痛点。普罗宇宙成立16个月以来，凭借对工业场景的极致理解，快速迭代产品，形成了「1+N+♾」战略布局。普罗宇宙机器人总裁葛巾介绍，1是指1个具身大脑、N代表多款全场景产品，♾无穷则代表无限生态与全球

「自动化」是具身数据行业的第一竞争力。2026年的具身智能赛道，热闹非凡。各家机器人厂商都在秀Demo、拼算力，试图用海量数据教会机器人叠衣服、冲咖啡。但一个尴尬的现实是：我们似乎从未真正教会机器人「看懂」这个世界。绝大多数机器人仍在模仿人类动作的表层轨迹，却不理解为什么拧不开瓶盖时要先擦擦手。这种认知缺失，像极了自动驾驶早期依赖高精地图的窘境——能应付固定场景，却处理不了充满不确定性的真实生活。而阻碍具身智能真正进入生活的瓶

当机器从识别图像走向介入现实，视觉研究的边界也被重新划定。如果您漫步在 CVPR 2026 的会场，会产生一种强烈的错觉：自己是不是跑错了场馆，误入了 ICRA 或者 IROS 的现场？满屏的机械臂抓取、足式机器人的越野导航、以及在虚拟沙盒中进行千亿次迭代的物理模拟。具身智能已经不再是视觉领域的一个「边缘分支」，而是以一种占据主舞台的姿态，成为视觉顶会最难被忽视的叙事之一。这种范式

LegoOcc：无需语义体素标注，也能识别开放类别。真正的室内空间智能，并不只是让机器认出画面里有一张桌子，而是让它理解真实三维物理空间内：哪里可以通行、哪里存在遮挡、哪些物体能够交互。对于未来的家庭机器人和护理机器人来说，理解一个房间并不只是完成图像分类。它意味着，机器人能够根据一句自然语言找到玄关柜旁的雨伞，能够在夜间识别走廊中的充电线是否可能绊倒老人，也能够在厨房中理解台面、水杯与边缘之间的空间关系

3D 视觉正从重建生成，走向空间理解、动态模拟与工程化应用。     作者丨郑佳美     编辑丨岑   峰                                                                                                                 如果说过去几年的视觉 AI 主要是在回答'模型能不能看懂一张图'，那么到 CVPR 2026，一个更清晰的趋势正在浮现：模型正在被要求理解图像背后的三维世界。 二维图像只是现实世界在某个视角下的投影，真正困难的地方不在于生成一张看起来合理的画面，而在于模型能否理解物体的空间结构、相机运动、材质光照、物理变化，以及这些信息在不同视角和不同时间中的一致

5月，随马斯克诉 OpenAI 一案进入第二周，案件焦点逐渐从马斯克本人转向 OpenAI 的内部治理结构及董事会相关证言。 更多的证据被呈现出来：比如2017年马斯克试图将OpenAI吞并入Tesla的'打包方案'，Brockman日记记录谈判破裂后马斯克'撕画摔门'的细节，Karpathy被秘密挖角等。 5月6日，Oakland联邦法庭上出现了一个更特殊的身影，Shivon Zilis。她是马斯克四个孩子的母亲，也是OpenAI的前董事会成员。 2026年5月6日，OpenAI公司前董事会成员Shivon Zilis离开位于加利福尼亚州奥克兰的联邦法院。 她站上证人席，揭开了一个连法官都为之侧目的事实：她是马斯克在OpenAI内部的'联络人'，负责定期向马斯克汇报公司动态，包括奥特曼的

2025 年到 2026 年，如果要问生成式 AI 领域最值得关注的研究方向，流匹配 是一个无法绕开的答案。 从去年起，这个名字开始频繁出现在顶会论文里、被工业界反复讨论、被拿来和统治了图像生成领域长达五年的扩散模型正面比较。 所谓流匹配，本质上是用常微分方程路径替代扩散模型的随机微分方程路径，让数据从噪声到图像的转变不再依赖数百步迭代，从而在理论上实现更高效的生成。但从理论可行到工程落地，中间隔着无数技术细节——训练目标怎么设计、架构怎么选、速度和质量如何兼顾，每一步都是坑。 何恺明团队正是在这个节点上，密集地交出了一份多角度的答卷。 AI科技评论总结了何恺明团队近期在CVPR大会上发表上的论文： 2025 年 5 月，他们提出了均值流（M

2026年的AI行业正陷入一种集体焦虑——DeepSeek、Kimi、Qwen……当一家企业的技术栈里躺着五到十个不同厂商的API密钥时，'多模接入'从战略优势变成了工程噩梦。协议不统一、计费黑盒化、故障切换靠人工、敏感数据在各部门的代码里裸奔——这些藏在模型能力之下的'隐性成本'，正在吃掉企业的AI预算。 大模型产业的天平正在倾斜：上半场的赢家是参数规模最大的那个，下半场的赢家则可能是让模型真正'好用'的基础设施。 ThinkFlow登场：给大模型时代造一个'智能调度层' 记者获悉，网易有道智云近日正式发布企业级大模型聚合平台ThinkFlow。它负责解决一个被长期忽视的关键问题：当企业面对碎片化的大模型供给时，如何让Token的生产、分发、计费与效率优化变得像云计算一样标准化。 简单来说

2026年的春天，硅谷的空气里弥漫着未来的气息。 美国时间4月28日，追觅科技在这里呈现了一个覆盖起居、烹饪、清洁、护理乃至庭院的庞大智能产品矩阵。 能感知用户、定向送风的空调，能管理全家营养健康的冰箱，能自主完成全流程的洗衣机器人，以及更聪明的割草机、泳池机器人……这些产品共同指向一个明确的信号：AI正在深入硬件的骨髓，重写每一个家电品类的定义。 行业喧嚣，人人皆言'重做一遍'。 然而，口号背后，一个更现实的问题浮现：谁有能力定义这场'重写'的标准与方向？或者说，在即将到来的新牌局中，谁具备坐上'主桌'、参与制定核心规则的资格？ 追觅的硅谷展示，可被视为对这一问题的一次系统性回应。其回应的重点在于展示了一套完整且可自证的能力体系：一套能够跨品类迁移与进化的核心技术，一套将技术精准转化为用户

过去一年存储行业迎来历史性的上涨大周期。 根据TrendForce今年2月发布的报告，2026年第一季度传统DRAM合约价比2025年第四季度涨了90%到95%；2026年第一季度NAND Flash合约价比前一个季度涨了55%到60%。 然而3月下旬开始，市场突然变脸，DRAM现货市场出现了恐慌性抛售，DDR4、DDR5内存条现货价格一下子跌了不少，有数据显示主流32GB DDR5套装价格从3月中旬的2999元左右降至2200元附近，单月跌幅接近27%。 现货市场的下跌，也让无数从业者和投资者困惑，市场真实的供需到底紧不紧张？既然 AI 算力需求这么大，为什么传统内存还会遭遇现货闪崩？存储股的上涨逻辑还在吗？ 为此，雷峰网邀请了两位身处存储产业链一线的嘉宾，从渠道、客户、系统厂商的多重视角