
Know AI. See What’s Next.
Slide 1 of 5: Developer Uses Gemini for WindowsiOS Demo, Running Windows 11 Locally on iPhone Duo
Latest news

速递|开源AI模型运行工具Ollama融资6500万美元,团队仅14人,月活890万开发者 (opens in a new tab)
流行的开源人工智能工具 Ollama 完成了 6500 万美元的 B 轮融资,由 Theory Ventures 领投,创始人兼首席执行官 Jeff Morgan 告诉 TechCrunch。Ollama 于 2023 年推出,帮助开发者在其个人电脑上运行开源权重的 AI 模型,让它们在数分钟内即可启动运行。

Mecka AI:不造机器人,它怎么靠“人类动作数据”融到 6000 万美元 (opens in a new tab)
今天分享一家很新的公司,Mecka AI,Mecka AI 是一家给机器人公司提供训练数据的公司。更具体一点,Mecka AI 做的是“人类动作数据”。也就是说,Mecka 做的事情很像“机器人时代的 Scale AI”。

独家|开创可信具身智能架构新范式,Xspark AI获亿元天使轮融资,加速Physical AI规模化落地 (opens in a new tab)
近日,可信物理智能企业 Xspark AI(无界智航)完成首轮近亿元天使轮融资。本轮融资由鼎晖VGC、初心资本、SEE Fund 无限基金联合领投,深圳天使母基金、水木校友种子基金等多家财务投资机构,以及北洋海棠基金、特步家办等产业方跟投,多维资本担任融资财务顾问。资金将主要用于核心技术研发、产品迭代以及 Physical AI 的规模化落地。

最适合机器人的视频基座模型,被中国团队开源了 (opens in a new tab)
蚂蚁灵波选择了后一条路:开源 LingBot-Video。这是一个面向具身智能的视频生成基座模型,也是一套专为机器人场景设计的 DiT 视频预训练范式。通用视频模型更多学习画面变化、镜头运动和视觉风格;LingBot-Video 则把重点放在动作、任务、交互和物理环境变化上,面向世界预测、动作理解和机器人训练构建视频生成基座。

西湖大学吴泰霖:从“AI物理学家”到创业,原力引擎想回答AI for Engineering的根问题 (opens in a new tab)
2026 年 1 月,他作为首席科学家创立了原力引擎(UniForce AI)公司,试图用生成式仿真、智能控制和多智能体系统解决多物理场仿真与强耦合控制问题,并率先从可控核聚变这一工程领域最困难的问题切入。

速递|全栈Agent开发平台Prime Intellect融资1.3亿美元,估值10亿美元,ARR破1亿美元 (opens in a new tab)
Prime Intellect 是一家为企业提供算力及专业软件工具、助力构建 AI Agent 的初创公司,近日完成 1.3 亿美元 A 轮融资,估值达 10 亿美元。Prime Intellect 成立于 2024 年,其目标是赋予企业自主训练 AI Agent 系统的能力,无需依赖前沿 AI 实验室。

你的自教师模型还在用参考解吗?马普所联合清华大学推出d-OPSD,第一个针对扩散语言模型的在线自蒸馏学习 (opens in a new tab)
有没有一种更为合适的 OPSD 范式?近期,清华大学和马普所等机构的研究者们联合推出的 d-OPSD,给这一问题提供了完美的答案。这是第一个针对扩散大语言模型的 OPSD 范式,无需参考解,无需额外的教师模型,只需要 RL 十分之一的训练步数,便可以达到或超出 RL 的后训练效果。

ICML 2026 Spotlight | 直面「模态缺失」挑战:北大彭宇新团队联合福大柯逍团队提出LIMSSR,面向训练阶段不完整观测的精准评价 (opens in a new tab)
本文是北京大学彭宇新教授团队联合福州大学柯逍教授团队在细粒度多模态动作质量评价领域的最新研究成果,相关论文已被 ICML 2026 接收为 Spotlight,并已开源。真实世界中的多模态数据往往并不完整。在动作质量评价任务中,视频、光流、音频等模态能够从不同角度描述动作执行过程,但在实际采集时,传感器故障、环境噪声、隐私限制等因素都会导致模态缺失。

不用人工标注,GUI Agent跑起「数据飞轮」:快手、浙大开源MobileForge (opens in a new tab)
来自浙江大学 APRIL 实验室、快手主站技术部和清华大学的研究团队提出了 MobileForge,试图把手机 GUI Agent 的适配过程变成一个 “无标注、自探索、自反馈、自优化” 的闭环系统。

清华AI数学家来了!从想法一路推到定理,参与完成84页量子算法论文 (opens in a new tab)
研究团队提出了符号嵌入量子算法(Sign Embedding Quantum Algorithms),形成了一篇84页的量子算法论文。可以说,相比此前主要解决研究者给定的开放数学问题,这一次,AIM开始参与研究问题的提出与方向探索。

Vidu背后的生数科技,悄悄做了个AI陪聊搭子 (opens in a new tab)
一家叫生数科技的公司,用自己的方式来切入。他们最近上线了一款叫Vidy的产品,定位是AI Vibe Buddy。文字陪聊,语音输入等部分部分基本基本功能在AI陪伴产品中都是最常见的,有日常话题推荐,比如让AI讲个笑话,推荐一部电影,或者讲一个故事。更进一步的就是语音通话功能,这一个也是目前越来越多陪伴产品支持的。

Zero-Shot、长记忆、抗干扰,DM0.5把VLA带进真实世界 (opens in a new tab)
今天原力灵机正式发布的 DM0.5 往前推进了一步。它不只是继续提高某些固定任务上的表现,而是围绕真实世界里的泛化问题做了一次系统突。 如果深入分析,就会发现 DM0.5 这几个核心提升,都是想解决一个问题:如何让具身模型从可控环境里的能力演示,走向开放环境里的稳定执行。

估值60亿美元的AI保险公司,Mistral AI团队换皮?|Alan (opens in a new tab)
一家法国公司完成了一轮 4.8 亿欧元(约 5.5 亿美元)的融资,估值一举冲到 55 亿欧元(约 63 亿美元)。这家公司叫 Alan。它做的恰恰就是最不被看好的健康保险。但它的故事之所以值得讲,是因为 Alan 根本不是一家「用了 AI 的保险公司」,它更像是一家「顺便卖保险的 AI 公司」。

终于,市场看清了支付宝AI战略的全貌 (opens in a new tab)
从5月发布AI支付全栈产品构建智能体交易信任底座,到6月通过“史上最大改版”的AI版支付宝革新C端交互范式,再到本次开放平台打通全行业、全域服务链路,支付信任底层、用户交互入口、跨端开放生态三层核心能力依次落地。

多模态 Agent 记忆,为什么不能当成升级版多模态RAG? (opens in a new tab)
多模态 Agent 的记忆系统,过去很容易被理解成一个升级版 RAG:图片、图表、PDF 进来之后,先抽取内容、做 embedding、写进向量库;用户提问时,再用 query 做检索,把命中的top-k图片、文档页或图表一并塞进上下文,再交给多模态模型回答。整个过程中,所有原始模态信息都会不加选择的塞给大模型。

一个A股老手的Agent实验:在扣子里养出了一个投研助理 (opens in a new tab)
朋友向她推荐了字节旗下的扣子。今年3月起,朋友就用扣子自动盯盘、分析、复盘,生成每日投资日报。在她看来,扣子之所以适合投资人,关键在于接入了同花顺、中金、广发等多个数据源,再配合定时任务,能把投研中大量重复、连续的工作沉淀为固定流程。

乱用AI,打工人被坑惨了 (opens in a new tab)
现在,我依然会使用AI,但是我不再把AI的产出当成最终答案。AI可以帮我提高效率,却不能替我承担结果。它写错一个字、弄错一条信息,最后向客户解释的是我,被领导追责的也是我。该自己做的判断,一个都不能省。

民办大模型MiniMax努力专升本 (opens in a new tab)
葬AI身边的朋友常常有个疑问:为什么MiniMax M3做的不够好(问了很多在做模型测评的朋友,也是类似看法),但市场仍然觉得他们是第一梯队?我朋友@朱亦辉的解释是,MiniMax M3的核心科技是叙事能力,让外界觉得他们和Kimi是一个级别,达到一个强行双骄的效果。

照这样下去,AI 早晚能出片。 (opens in a new tab)
我最近又玩了一个新的视频制作平台,名叫 Flova,它的思路就是我上边说的这个方向。它不仅仅是一个调用单个模型的生成工具,而是一个面向 AI 视频 / AI 影视创作的全能六边形 Agent。

蚂蚁灵波发布最新世界模型 LingBot-World 2.0,无限时长、随机变化的世界,终于来了? (opens in a new tab)
最新世界模型 LingBot-World 2.0 正在试图实现的事情。「一个世界只需要几秒钟就能造出来」不再仅限于预制的世界,而是让每一次生成,都是一次全新的创造。这是一个秒级生成、支持实时交互的开源世界模型。



