随着LLM范式逐步收敛，物理AI正式接棒，成为下一个暗流涌动的混沌之地。

1、bob电子 对严肃内容来说，AI写得快只是第一关。

原因就在于，一方面，商品调改是以低毛利的一二线品牌标品淘汰了之前毛利率高的低质商品；另一方面，对于利润更高的差异化业务——自有品牌、加工、生鲜板块，大多数调改企业运营能力不足。bob电子就在此次发布前一天，智传网（AI Flow）还拿下了WAIC大会最高奖项卓越人工智能引领者奖（SAIL）中的赋能（Applicative）奖。

2、英格兰 1 比 2 不敌阿根廷，佛得角的含金量还在上升

它基于工业真机数据训练的多模态MoE基座模型，负责理解订单需求、工艺流程以及现场全局状态。

3、人活多久，看睡觉就知道？寿命短的人，睡觉一般有这4个特征

但想让工业智能真正进入产线，仅有一个「大脑」还不够。

4、关于防范台风“巴威”做好房屋安全防范的温馨提示

这也说明一个问题，模型本身已经卷不出太大差别了，真正的差距在上层的loop编排 说到这儿，咱们直接看看“Claude Code之父”Boris Cherny每天怎么工作的就全明白了。

5、正式官宣！前国安中场大将加盟欧洲联赛劲旅，半年内连换2新东家

论文提出OAT（有序动作分词），解决自回归机器人策略中连续动作难以转化为离散Token的问题。

作为《东方遇到西方：联想国际化之路》的执笔人，乔健曾复盘过2004年联想并购IBM PC业务过程中东西方企业文化的深度磨合。

但图像模型的发布样例，向来有一个老问题，即“官方demo通常展示的，都是最顺的那一面。

6、全球超2200个优质IP，“组团”来东莞了

文件、程序、终端，它都能碰。

但前提是，部署成本必须降下来。

7、你敢变重6公斤吗？

这种开放协同的设计思路，让「书生・端砚」不再是一个孤立的工具平台，而是一个能够连接全球科研模型、工具、数据与算力的生态枢纽，让全球科研资源能够沿着同一条科学发现链路汇聚起来。

资金之外，更核心的是这套体系的know how——知道模型缺什么、什么数据真正有用、怎么设计数据能让模型能力跃升。

8、不想第8次！墨西哥球迷为破魔咒不择手段，昼夜骚扰厄瓜多尔

但根据监管规定，外资最多不能超过20%，我们无法独自入资。

“过去我们错失的许多项目，都是年轻人做的。

直到事发之后，Tibo才发文回应，表示团队已经关注到相关事件。

9、哪位本菲卡球员加盟皇马，挪威中场主力信誓旦旦，与穆里尼奥有约

此刻她正在休批准的产前假。

这类场景数量少，却最容易让模型翻车。

10、台风“巴威”云系覆盖江苏！中到大雨，8级大风将抵徐州！

Mind Lab给出的愿景只有一句话：会用Token，就能训Token。

作为其中之一，Riemann-1.0的独特之处在于： 它是国内较早把这条范式完整工程化跑通的选手，从仿真Benchmark到真机均获得验证的那种。

1、我国造大型LNG船“海能”轮在大连交付

基于Intern-S2-Preview-397B 重要底座，『书生·端砚』将能力向数学、物理、生命科学、材料科学、地球科学等领域纵深拓展。

2、梅西错过世界杯金球奖！孔蒂认为这个奖应该给梅西！

不过工作人员很快发现并完成纠正，虚惊一场。

3、北京提前进入花粉期！防范方法来了，转给身边的“过敏星人”——

当用户点了一个差评，系统会自动分类（如「工具调用超时」），并直接给管理员指出SOP的修改方向。法媒炮轰谢尔基：首发表现依旧低迷，补水时还顶撞德尚大家围着几十个人的赛道抢项目，结果就是项目一轮二轮三轮同时进行，又回到了当年那种“B轮C轮都找好了，只差一个天使轮”的局面。

4、瑞士惜败阿根廷，创历史最佳战绩

要知道，这款游戏可不是无名小卒。

5、今年夏天“这条裤子”居然流行回来了！时髦的人都在穿

联想为何能够、又如何成功介入这场版权博弈，也成为观察中国企业出海进阶的典型样本。

6、风暴咆哮整夜，户外无线设备交出零故障、零抢修、零投诉答卷_网易订阅

我在现场亲手试了一下，很难Zero-shot。

相比“支持某个模型”的笼统表述，算子级适配更接近真实工程问题：模型能否运行，最终取决于底层是否覆盖其所调用的全部核心算子。

或许，最终的答案，还得看场景里真刀真剑出真英雄。

7、以为只是朋友，可那个笑容出卖了她：我们都曾用这个词哄过自己

所以，圆桌上出现了一个很直白的提醒： AI进入社会后，治理也无法停留在“模型准不准”这一层。

但当AI从聊天框进入无人机、机器人、汽车、摄像头和水下设备，它就成为一个分布在物理世界中的系统。

8、39℃！雨雨雨！江苏今天正式进入

从数学证明到蛋白质动态，AI确实可以把探索做得更快、更广。

论坛上，商汤大装置与国星宇航达成太空算力战略合作，并联合上海人工智能实验室等五家顶尖科研机构启动“科学发现平台”战略合作，全方位拓展AI基础设施的能力边界与产业价值。

具体： 真机强化学习算法： 仿真强化学习算法： 人在环学习： 新版全面打通数据采集 → SFT → RL → 真机部署的闭环链路，新增 3 种遥操作方式、3 款真机平台、2 款末端执行器，真机实操能力显著增强： 数据采集支持： 训练链路支持： 真机平台与末端支持： RLinf v0.3提升仿真强化学习的场景覆盖，新增 5 种仿真器，完善基于仿真器的训练示例与效果： RLinf v0.3在系统层面新增多项重磅组件： 性能优化方面，新增torch.compile加速、rollout与训练overlap、权重同步升级（broadcast/增量同步/分桶同步/仅同步可训练参数）、FSDP全offload支持，并修复了显存泄漏等关键问题。

但今年WAIC上，我们发现企业关心的问题正在发生变化。