中国开源LingBot-World世界模型，阿里真武810E芯片对标H20

核心技术突破

蚂蚁灵波开源可交互世界模型 LingBot-World

蚂蚁集团旗下灵波科技开源 LingBot-World，该模型旨在为具身智能和自动驾驶提供高保真、逻辑一致且可实时操控的虚拟环境。

• 核心能力

  • 长时序一致性：可连续稳定生成近10分钟内容；镜头转开60秒后返回，场景物体结构与外观仍保持一致，解决细节塌陷问题
  • 高保真实时交互：支持动作驱动生成，约16FPS、端到端延迟≤1秒；可通过键盘/鼠标/文本指令实时改变环境与视角
  • Zero-shot泛化：基于混合数据策略（网络视频+虚幻引擎合成），仅需一张真实城市照片或游戏截图，即可生成对应可交互视频流，无需针对特定场景额外训练

• 开源资源：模型权重与推理代码已全部开源，支持通过ModelScope、HuggingFace与GitHub获取

深度解读 & 洞察：

• 世界模型的核心价值在于"模拟环境动态并预测状态变化"，是具身智能实现大规模低成本训练的关键路径。LingBot-World通过高保真、可交互且长时序一致的数字演练场，使智能体能以更低的真机试错成本积累经验与行为因果，有助于提升真实环境下的泛化能力与鲁棒性
• 从产业层面看，开源与模块化的世界模型有助于加速具身智能、自动驾驶与游戏等场景的落地与迭代，降低训练与仿真门槛

阿里平头哥发布自研AI芯片「真武810E」

阿里平头哥发布高端AI芯片 真武810E，软硬件全自研，已在阿里云部署多个万卡集群并服务400多家机构。

• 关键参数（参考多家报道对比）

  • HBM2e内存，最高96GB
  • 支持7个独立ICN链路，片间互联带宽达700GB/s，灵活多卡组合
  • 全面兼容主流AI生态，支持源代码级编译与统一编程接口

• 行业对标：综合性能超越A800和主流国产GPU，接近英伟达H20水平（注：具体性能对比需结合实测与第三方基准）

• 规模化落地：已在阿里云实现多个万卡集群部署，服务对象包括国家电网、中科院、小鹏汽车、新浪微博等400多家机构

深度解读 & 洞察：

• 自研芯片是算力自主可控与长期成本优化的关键一环。真武810E体现阿里在"通云哥"（通义实验室—阿里云—平头哥）层面的软硬协同，有助于在训练、推理与自动驾驶等场景提升性能一致性并降低对外部供应链的依赖
• 长期看，芯片、云与模型的三位一体布局，有助于提高端到端效率与生态协同，加速大模型与AI应用的规模化落地

AI音乐创作突破：MiniMax Music 2.5 与昆仑 Mureka V8

• MiniMax Music 2.5

  • 核心突破：“段落级强控制"与"物理级高保真”，支持Intro、Bridge、Hook等14种结构变体的标签化控制；实现连续转音、自然颤音与混音自动适配，达到录音棚级输出
  • 针对华语优化：覆盖慢歌、说唱与中英文混搭，减少吞字与糊音问题

• 昆仑万维 Mureka V8

  • 技术基座：基于 MusiCoT（Music Chain-of-Thought），从"声音拼接"转向类似人类作曲的结构化创作
  • 能力提升：旋律抓耳度、主副歌对比、编曲层次与音质空间感均达到可发布标准，支持从歌词/描述出发进行持续迭代与多版本对比
  • 产业合作：与太合音乐达成战略合作，加速"创作—发行—收益"的链路整合

深度解读 & 洞察：

• 两家公司的突破共同推动AI音乐从"玩具级demo"向"可直接发布的专业作品"跃迁，段落级控制与物理级保真显著提升可控性与商业可用性
• 伴随平台化与渠道合作，AI音乐从单一生成工具逐步走向"创作—分发—收益"闭环，有望催生全新的音乐品类与工作流

多模态与视频生成进展

• 昆仑万维 SkyReels-V3 开源：集成参考图像转视频、视频延长与音频驱动虚拟形象三大模块，采用统一架构并支持模块化组合，已在GitHub开源并提供限时免费API

• 谷歌 Project Genie 发布：面向美国AI Ultra订阅用户开放实验性世界模型原型，支持文本/图像构建、实时探索与创意重构，单次生成限时60秒；当前仍为实验阶段，存在非写实与控制延迟等局限

开源生态与模型更新

• 宇树开源 UnifoLM-VLA-0：面向通用人形机器人操作的视觉—语言—动作模型，基于Qwen2.5-VL-7B，融合空间感知与动力学预测，在真机验证中以单一策略完成12类复杂任务；已在LIBERO基准接近最优性能，并开源项目主页与代码

• 百度开源 PP-HDiNetV2：新一代端到端OCR模型，采用混合判别器网络（HDiNet）与SSLD半监督知识蒸馏，在文本检测与识别综合能力上超越DeepSeek-OCR2（注：具体以官方报告与基准为准）

• 阿里千问开源 Qwen3-ASR：支持52种语种与方言；1.7B版在中文、英文及多口音识别上达SOTA；支持流式/非流式一体化推理，最长可处理20分钟音频；提供易用推理与微调框架

产业与商业动态

人形机器人：中美两强竞争与商业化进展

• 马斯克评中国为最强对手：在财报会上称中国是"另一个层级的对手"，AI与制造两大核心能力均顶尖；除中国外未发现其他重要竞争者

• 特斯拉停产Model S/X，转向Optimus生产：计划将加州弗里蒙特工厂改造为人形机器人专用生产基地，长期目标年产100万台；资本支出将因AI与机器人投入大幅增加

• 马斯克：Optimus尚未承担实际工厂工作：承认目前无Optimus在工厂承担有用工作，仍处研发早期；预计年底前可能出现显著产量，Gen 3为首个面向量产的设计

• Figure AI 发布 Helix 02：统一神经网络控制架构，支持零样本泛化与多机器人协作；已完全端侧部署于低功耗嵌入式GPU，支持分层System 2与System 1架构；已启动家用Alpha测试，在宝马南卡工厂进行商业化验证

• 北京人形机器人中试验证平台启动：第1000台客户定制化样机下线，平台占地9700平米、年产能5000台套，提供试制打样、性能工艺验证等一站式服务

• 宇树科技发布UnifoLM-VLA-0：面向通用人形机器人操作的VLA模型，真机验证显示12类任务可在单一策略下高质量完成

巨头资本与算力布局

• SK海力士：在美投资100亿美元成立AI解决方案公司：新公司借Solidigm实体启动，将首先关注AI系统软件优化并探索与创新型企业投资

• 三星2025年业绩创新高：全年营业利润同比增长33.2%达43.6011万亿韩元；Q4营业利润同比增长209.2%创20.0737万亿韩元历史新高，主要受AI芯片短缺与价格高位驱动

• 微软：单季从OpenAI投资中获利76亿美元；与OpenAI的商业履约义务增至约6250亿美元，其中约45%（超2800亿美元）来自OpenAI；对Anthropic的商业预订量同比增长230%

• OpenAI下架多款旧模型：计划于2026年2月13日从ChatGPT服务中退役GPT-4o、GPT-4.1等模型；API平台暂不受影响；目前仅约0.1%的日常用户仍在使用GPT-4o

• Hugging Face拒绝英伟达5亿美元投资：以保持独立性与去中心化；公司托管250万个公开模型与70余万个公开数据集，2025年已实现盈利

• 它石智航获2.42亿美元融资：采用可穿戴设备采集数据以低成本规模化；押注AI世界引擎AWE路线，聚焦线束装配等工业场景

智能体与AI应用生态

• 字节豆包AI手机与眼镜：二代手机与努比亚继续联合开发，预计2026年Q2中晚期发布；带显示AI眼镜计划2026年Q4发布，无显示版或于2026年Q1推出

• Moltbot云服务上线京东云：轻量云主机预置镜像，三步完成环境配置，降低普通人使用门槛

• Kimi K2.5 Agent提升办公能力：支持直接操作Excel、Word、PDF与PPT，快速生成估值模型、合同修订意见与发布级PPT等

• Mistral发布Vibe 2.0编程助手：新增自定义子代理功能，月费14.99美元

企业战略与组织调整

• 亚马逊再次裁员1.6万人：三个月内第二轮，与去年10月的1.4万人合计约占员工总数9%；目标重塑为更像初创企业的组织，加速决策应对AI竞争

• 理想汽车重组研发体系：拆分为基础模型、软件本体与硬件本体三团队；郎咸朋转任硬件本体负责人，聚焦机器人研发；座舱与智驾软件统一归入软件本体团队

• 思科CEO：AI影响将比互联网更大，部分公司会倒在泡沫中；强调劳动者应积极拥抱AI转型，并指出网络安全威胁升级

算力与能耗探索

• 热力学计算概念登场：劳伦斯伯克利国家实验室提出，理论上可将AI图像生成的能耗降至当前水平的百亿分之一；原型机验证了利用物理系统热运动进行计算的可行性，仍处早期雏形阶段

安全、治理与监管

韩国实施全球首部AI基本法

• 核心条款：AI生成非真实内容需加水印；深度伪造需明显视觉标签；在医疗诊断、招聘与贷款审批等关键领域需建立风险评估与决策记录机制

• 争议：98%的AI初创企业尚未为合规做好准备，担心监管挤压创新空间；民间团体则认为条款过度偏向产业，对受害者保护不足

英国警方停用微软Copilot引发风波

• 事件：西米德兰兹警方因Copilot提供关于虚假比赛的"球迷冲突"情报，做出可能引发国际争议的安保建议，现已全警队停用该工具；前任警察局长因AI使用证词前后不一致面临压力并提前退休

• 启示：生成式AI在关键决策中存在"幻觉"风险，需严密的监管政策与人工审核机制

微软承诺用户数据掌控

• 声明：用户可随时访问、转移或删除数据；用户与Copilot的互动数据不会用于训练包括LLM在内的AI模型；组织数据保留在企业租户环境，但在特定法律要求下需配合执法

App Store道德争议

• 问题：数十款"AI裸体化"应用在架，利用未经同意的照片生成虚假色情或裸露图像；全球下载量超7亿次、收入超1亿美元，苹果与谷歌从中抽取数百万美元分成

• 风险：审核指南禁止此类内容，但应用通过伪装规避监管；平台面临"用户至上"承诺与治理漏洞的信任危机

更多动态

• DeepSeek加速布局AI搜索与智能体：招聘多语言AI搜索引擎开发与智能体技术人才，聚焦长期运行的Agent系统与AGI路径

• ServiceNow联合Anthropic推进多模型战略：Claude成为首选与默认引擎；内部2.9万名员工将使用Claude；企业可通过多模型选择适配不同任务

• 腾讯健康与蔡司光学推出国内首个青少年近视防控智能体「少儿护眼Dr.Z」：整合LLM与眼科专业知识，支持秒读、深分析与主动健康管理建议，通过微信小程序开放

• 民政部推动大语言模型、脑机接口等技术在残疾儿童康复领域的应用；鼓励高性能智能养老服务机器人等产品的研发与应用

• 韩国实施全球首部AI基本法：AI生成非真实内容需加水印；深度伪造需明显视觉标签；在医疗诊断、招聘、贷款审批等关键领域建立风险评估与决策记录机制

• 文远知行发布通用仿真模型WeRide GENESIS：在几分钟内构建高保真仿真城市环境，通过AI场景、AI主体、AI指标与AI诊断四大模块，双向反哺真实道路算法

• OpenMind推出机器人应用商店：基于OM1模块化操作系统，支持四足/人形机器人技能更新与功能扩展，已兼容10家硬件制造商的产品

• 研究发现AI生成数据会导致诊断模型退化：在特定场景下假性安心率（False Reassurance）飙升至约40%，凸显合成数据在医疗等高风险场景的局限

• 蚂蚁灵波开源LingBot-Depth空间感知模型：采用掩码深度建模解决透明/高反光物体的深度缺失问题；与奥比中光战略合作，计划推出新一代深度相机

• 字节豆包AI手机加速迭代：二代机型Q2将至，与努比亚合作；同时在AI眼镜与耳机等硬件形态上多点布局

• 谷歌Gemini 3.5泄露信息（代号Snow Bunny）：声称单次提示可生成约3000行可运行代码；引入"Deep Think"模式；泄露内容尚未经官方确认，变量与API准备状态暗示或已接近可用

• Meta调整WhatsApp政策，第三方AI机器人按消息付费：从2月16日起，在受监管地区需为每条"非模板类"回复支付0.0691美元；政策源于意大利反垄断压力

• MiniMax Music 2.5正式发布：宣称段落级强控制与物理级高保真，针对华语音乐深度优化，适配专业工作流与交付标准

• 昆仑万维SkyReels-V3视频生成模型开源：集成参考图像转视频、视频延长与音频驱动虚拟形象，支持模块化组合，已在GitHub开源并提供限时免费API

• 阿里千问开源Qwen3-ASR语音识别模型：支持52种语种与方言；1.7B版在中文、英文与多口音识别上达SOTA；支持流式/非流式一体化推理，最长处理20分钟音频

• 谷歌为Chrome引入基于Gemini 3的Auto Browse：支持跨站点工作流自动化（机票比价、表单填写、账单检查等），通过密码管理器处理登录，涉及敏感操作需用户确认

• Meta规划2026年AI电商智能体密集发布与高额基建投入：预计资本支出1150亿—1350亿美元，打造"个人超级智能"与"代理式商业"

• 北京人形机器人中试验证平台启动：第1000台客户定制化样机下线，年产能5000台套，提供试制打样与验证等一站式服务

• 宇树科技创始人王兴兴访谈：称率先用大模型制造出机器人将站上全球AI领域顶峰，足以获诺贝尔奖

• 它石智航陈亦伦访谈：提出不做VLA、不用遥操作的技术路线，通过可穿戴设备低成本规模化采集数据；押注AI世界引擎AWE路线，聚焦工业制造中的线束装配等场景

想第一时间获取最新内容？

欢迎加入我们的 Telegram 群组 @ai_news_plus，抢先获取每日更新。

立即加入群组