OpenAI 招募工程師與軟體夥伴,推進物理世界工程
OpenAI 表示正推進面向「物理世界」的工程,目前處於早期階段,並公開徵集工程師、工程公司與軟體合作伙伴參與後續工作。帖文未披露具體產品、時間表或合作方式,僅給出官方頁面連結。
依意思最接近的 30 筆
OpenAI 表示正推進面向「物理世界」的工程,目前處於早期階段,並公開徵集工程師、工程公司與軟體合作伙伴參與後續工作。帖文未披露具體產品、時間表或合作方式,僅給出官方頁面連結。
前輝達產品營銷負責人、現 Techable Ventures 創始人 Amulya Vishwanath 表示,物理 AI 目前仍處於「樂高時代」,機器人領域的 ChatGPT 時刻尚未到來。她認為,當前行業仍在搭建機械手、執行器等基礎構件,通用與專用機器人並行推進,只有這些模組成熟組合後才可能迎來突破。她同時強調人才是關鍵壁壘,大量人才正流向 Anthropic、輝達等大公司。
在輝達領導機器人平台產品營銷七年的 Amulya Vishwanath,如今轉而投資 Physical AI,並認為機器人行業仍處於“樂高時代”、尚未迎來爆發。這一判斷與“通用基礎模型將推動機器人突破”的流行看法相反:執行器、機械手、軟體與安全標準等基礎構件仍在重建,而 Physical AI 的內涵也不止於機器人。
輝達聯合 MIT 與牛津大學提出的 Physis-Lang,把物理原因、規律和結果寫進影片文字描述,並貫穿資料篩選、模型訓練與影片生成。其 Cosmos3-Super 與 Cosmos3-Nano 在 Physics-IQ Verified 榜單以 48.2 和 43.3 分列前二,Super 較此前最高分高出 5.5 個百分點。基於 Cosmos3-Nano 的版本在論文四項物理 benchmark 上取得開源最佳,三項總分超過 Veo 3.1。
Physical Intelligence 上線 Pi API beta,把 π0、π0.5 等機器人基礎模型開放給開發者微調與託管推理。開發者上傳資料後,在官方管理的算力上啟動微調,再通過託管閘道器在自家機器人上跑推理,並用評估資料決定下一輪採集。早期合作方 Actor 的自主輪式裝載機已在無操作員的真實商業場景中裝卸物料,Almond 的雙臂機器人 Axol 用團隊迭代四天得到的模型為自身零件去毛刺。多數應用走雲端推理,部分遇到網路連線問題,beta 報名已開放。
Periodic Labs 聯合創始人 Liam Fedus 與 Ekin Dogus Cubuk 在一檔播客中介紹了其「合成超級智慧」構想:以真實物理實驗作為強化學習環境,訓練能自主發現新材料的 AI 科學家。這家成立一年的公司正搭建自動化實驗室,希望讓每臺儀器擁有「140 IQ」,並用做科學的完整過程而非僅論文結果來訓練模型。他們認為失敗的實驗可能是最有價值的訓練資料,自主實驗可把數十年的試錯壓縮到數月,目標材料涵蓋室溫超導、磁體與電池。
10 月 12 日,2026 工業具身智慧產業創新高峰論壇舉行,靈巧智慧聯合松應科技發布物理 AI 工業具身作業系統與靈巧操作模組,並推出 21 自由度靈巧手 021B。該系統以松應科技 ORCA OS 為底座,稱其為國內首個支援人形、四足、無人機等多形態機器人協同訓練的物理 AI 作業系統,已適配輝達、AMD、Intel 及摩爾線程等國產 GPU。靈巧智慧同時聯合上海人工智慧研究院、上海電氣、京東零售發布全球首家工業具身智慧 6S 店,由合資公司靈機智聯運營。
在巴塞羅那 Smart City Expo 上,NVIDIA 與合作伙伴宣布把物理 AI 與智慧體 AI 擴充套件到全球城市,用於居民服務、視覺智慧體與基礎設施數字孿生。西班牙 1MillionBot 將 ALIA 開源模型與 Nemotron 用於市政服務智慧體,已有 150 多個部署;馬來西亞 ITMAX 的 SamurAI V2 視覺智慧體計劃到 2027 年支援 1.7 萬多路攝像頭,其 TeraSim 模擬把高峰通行時間最多縮短 26%。
美國機器人 AI 公司 Physical Intelligence 正洽談至少 10 億美元新融資,投後估值預計約 200 億美元,而公司迄今沒有任何商業營收。去年 11 月其估值還是 56 億美元,今年早些時候為 115 億美元,Avenir 與 Lux Capital 考慮領投,貝索斯、CapitalG、紅杉等已在投資方名單中。它不做硬體,專做適配第三方機器人的通用基礎模型,模型已迭代至π0.7 並具備一定組合泛化能力,本月還開放了機器人基礎模型 API 測試版,提供微調與推理服務。
OpenAI 宣布在數學、電腦科學和物理領域取得三項「重大」發現,距其批次發布數百篇手稿不到一個月。這次電腦科學與物理的結果由 OpenAI 稱為「shepherds」的外部專家引導產出;數學問題則按這些專家的建議,直接公開 AI 輸出,交由研究者自行給出解釋。相關結果已於當天加入 GitHub。
正行創新 10 月 8 日在亞太零售商大會(APRCE 2026)發布零售開放場景的 Physical AI 24/7 人機協作方案,由機器人本體與統一管理平台 M1 組成,無需改造門店貨架與動線。首批本體為雙足人形機器人 H1(支援 20 多種語言、45 種表情、36 種手勢,提供開放 API)和搬運理貨輪臂機器人 C1(窄體全向底盤,作業高度覆蓋 100mm 至 1750mm 以上,遇障緊急制動距離小於 10cm)。
Google DeepMind 發布 Genie 4 世界模型,稱它在物理模擬與人物表現上比去年的 Genie 3 更真實,幾乎各方面都有提升。世界模型不需要預先渲染環境或程式設計互動元素,只要說明需求,它就能即時逐幀生成可探索的虛擬世界;DeepMind 將其視為通往 AGI 的關鍵,可用於機器人的訓練環境和創意領域的快速原型。部分改進來自 Google 更新的 Gemini 模型,DeepMind 還暗示付費後有望提前用上 Genie 4。
德國聯邦政府與輝達簽署意向宣告,將聯合推進面向物理 AI 的前沿模型,並對接德國“工業 4.0 平台”。黃仁勳同時宣布投資 Agile Robots、Avelios Medical、Mirelo、Reflex Aerospace 四家德國初創,屬於其在歐洲近 100 億美元投入的一部分。西門子同日宣布與輝達合作推進自主工廠,全虛擬產線除錯可減少最多 85% 的工程工作量,基於智慧體的生產規劃最高可降本 20%。
前華為小藝多模態大模型研發負責人唐都鈺創辦觀行數智,主攻讓機器自主判斷何時介入的「主動式物理 AI」。團隊採用雙模型協同架構 ProAgent:輕量模型 StreamingJev 持續讀取環境事件流、判斷是否需要介入,Response Model 再決定回應方式與呼叫裝置,並自建評測體系 ProactiveXBench。
清華特獎得主、GeoPT 一作吳海旭已創立世界模型公司物原科技,從搭載物理建模能力的世界模型切入,迄今迅速完成多輪融資,估值達數億美元,投資方包括螞蟻、美團、達晨財智、星連。其技術思路一定程度延續 GeoPT 的研究路線,該工作提出合成動力學預訓練範式,把靜態幾何提升到動態空間,讓模型從粒子軌跡演化中獲取物理直覺,作者還包括龍明盛、何愷明與 Wojciech Matusik。吳海旭 2025 年起在 MIT CSAIL 做博士後,Google 學術被引 29611 次。
Einsia AI 旗下 Navers Lab 發布 World Models' Last Exam in Physics,用 40 個任務、9 類物理現象測試 8 個影片生成模型,Seedance 2.5 以 57.76 分居首,MiniMax H3 以 54.89 分次之。評分由一致性分 C 與物理分 P 組成,物理分靠程式從影片中測量軌跡、週期、角度等量再按物理關係計算,且只有 C≥80 才計入總分。
Mistral AI 與歐洲核子研究中心(CERN)宣布合作,探索用大規模 AI 模型應對粒子物理日益增長的複雜度。雙方的目標是訓練一個單一的大型物理模型(Large Physics Model),訓練資料為數十億次模擬對撞。目前公開的只有合作意向與這一目標,模型規模、時間表與開放方式均未披露。
The Verge 發表評論文章,認為人類的心智並不適合應對 AI,AI 行業把大腦等同於計算機的流行比喻過於簡化了人。文章引用控制論奠基人 Norbert Wiener 的「每個時代的思想都映照在其技術中」,並點名 Google 的 Demis Hassabis 稱大腦是圖靈機的生物近似、Elon Musk 稱應把大腦視為生物計算機。作者反駁這類說法,指出人類的複雜性遠超多數 AI 從業者的認知,而 AI 產品仍在不斷推進。完整內容見 The Verge。
Google DeepMind 官方帳號提到,Apptronik 的 Argon 能把影片變成物理 AI 的訓練場,將原本需要數週的人工建模壓縮到幾個小時。這條推文以回覆 @Apptronik 的形式發出,正文只有這一句說明和一個 goo.gle 短連結,沒有披露涉及的機器人平台、影片資料規模或可用範圍。資訊發布於 2026 年 10 月 13 日。
哈佛-史密森天體物理中心研究者 P. K. G. Williams 發表 14 頁 arXiv 論文,論證 AI 提供了將科學文獻這一資訊公地圈佔為私有財富的工具。論文以英國 1600–1800 年圈地運動為類比框架,指出 AI 圈佔的關鍵特徵是借“slop spam”低質生成內容淹沒文獻、破壞支撐公地的社會系統,而非經典的“公地悲劇”。文章橫跨天體物理儀器方法與計算與社會兩個分類,附 32 條參考文獻,主張這套概念可為審視 AI 對科研生態的衝擊提供學術基礎。
Jev 發布 33 天后熱度迅速消退,這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器,宣稱不會幻覺、更快更便宜,但輸出仍會出錯,且已有開放權重模型在部分任務上價效比更高,並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現,並由此質疑行業四年來的創新增量。
南洋理工大學 MMLab 與上海人工智慧實驗室提出 PhysLDM,這是首個面向體網格可變形動力學的隱空間擴散範式,可一次性生成整段高保真形變軌跡。其時空自編碼器把整段軌跡壓成固定數量 token,壓縮率最高 78 倍,平均重建誤差 2.48 毫米;訓練資料為 3 萬多個 Objaverse 物體、約 8 萬條 StiffGIPC 模擬軌跡。在未見過的 GSO、Toys4K 物體上,零樣本誤差與訓練分佈內相當,頂點數超過訓練上限兩倍多的網格誤差約 5 毫米。
正行創新在 APRCE 2026 發布面向零售開放場景「人機協作」的 Physical AI 解決方案,推出雙足人形機器人 H1 與輪臂式搬運理貨機器人 C1,無需改造貨架與動線即可部署。官方稱機器人可自主完成 99% 的任務,自研輕量級世界動作模型 SLM-0.5 在 LIBERO 基準平均任務成功率 98.6%,推理速度較主流方案提升 24 倍。方案計劃 2027 年正式商業化,客戶可直接採購或按 RaaS 訂閱,覆蓋硬體、軟體、運維與升級,目前正與連鎖零售企業聯合測試。
軟體工程學者 Diomidis Spinellis 在部落格中判斷,AI 將接管大部分認知工作,思考會像狩獵、書法和木工一樣,從謀生手段變成休閒愛好。他給出三個驅動因素:效能更高、成本更低、可用性更高,並提到 OpenAI 內部模型已解決數百個此前未解的數學問題。文中還提到到 2030 年數萬億美元的資料中心投資將帶來更多算力,政府可能以監管和稅收限制 AI,但歷史上的類似舉措未能阻止技術革命;他建議保持靈活、跟上進展,並在工作之外建立有意義的生活。
清華大學與新加坡國立大學提出 ParallelWorld,讓具身智慧體在高層規劃中先預演多條候選動作的未來,把任務成功率從 56% 提升至 83%。系統會推演各分支後續觀察、剪去較差路徑,選定軌跡後只執行第一個動作再依新觀察重新規劃;在 ESI-Bench 的 28 個子任務中 26 項超過順序式主動探索,LIBERO-Pro 八個操作設定全部超過直接基線,Spatial 位置交換提升 27 個百分點。
Mistral 宣布與輝達建立新合作,將 AI 引入工業工程,並加快模擬速度。合作還包含為物理 AI 發布開放基準與配套資料集,以及為 CAE、EDA 中的 agentic AI 提供評測。更多資訊見 Mistral 官方公告。
Anthropic 發布 Science Blog 客座文章,哈佛物理學家 Matthew Schwartz 提出 AI 與科學之間存在類似物理學的阻抗失配:LLM 能力很強,但像對待人類合作者那樣使用它並非發揮其科學優勢的最佳方式。為此他開發了一套用於定量科學精確計算的工具包,Claude 藉此發現與生態學、群體遺傳學等十幾個領域的聯絡,Schwartz 再與領域專家合作將方向引導到有價值的問題上。
OpenAI 宣布在數學、電腦科學和物理三個方向取得突破,並表示正與外部專家「shepherds」合作,決定如何分享最新成果。這被視為對溝通方式的調整,但接受 The Verge 採訪的研究者表示,對其做法越來越厭倦:10 月初該公司曾把數百篇預印本直接拋給數學界,數學家至今仍在疲於應對。報導未展開三項成果的具體內容。
清華大學姚期智、袁洋團隊提出「代數世界模型」(AWM),讓 AI 把觀察到的現象寫成可執行假設、凝鍊為通用規則,最後用 Lean 4 形式化成機器可檢驗的數學證明。在 ARC-AGI-3 上,基於 Opus 5 的 AWM 通關全部 183 個關卡,得分 99.9%,平均通關步數只有人類基準的 43%;面對被人為改成無解的關卡,它嘗試兩次即證明「不可能」,並指出再增加一步就能獲勝。團隊同時說明,這些證明只在已觀測到的世界內成立,探索不全時得到的只是區域性真理。
Anthropic 聯合創始人 Jack Clark 在 IMF 2026 曼谷年會的佩爾·雅各布森講座上宣稱,奇點已經到來。他給出的證據包括:Claude Opus 5.5 在「人類最後的考試」上的得分升至 67.7%,在 FrontierMath 上從 2 分升至 94 分;在 50 道未公開的頂尖物理難題中,GPT-6 Astra 初評約 80%,人類專家修正參考答案後達到 98%(50 題對 49 題)。