【技术前沿】日本举国打造 Physical AI 引擎：Noetra 联合体获五载万亿日元政府基金注资

由 inforstack评论关闭
内容要点： • 四巨头强强联手：由软银 (SoftBank)、NEC、索尼 (Sony Group) 和本田 (Honda) 联合组建的 Physical AI 研发实体 Noetra 正式获得日本政府的巨额支持，旨在研发完全自主掌控的“具身/物理智能”和多模态大模型。 • 五载万亿日元国家基金护航：日本经济产业省 (METI) 与 NEDO 宣布对其进行 5 年期高达 1 万亿日元（约 62 亿美元）的战略资助，其中 2026 首财年直接下拨 3873 亿日元，用于支持 1 万亿参数量级工业 AI 模型的训练。 • 服务 2040 千万智能机器人国策：Noetra 的主要使命是为制造、医疗、物流等 18 个核心垂直领域的智能机器人打造“物理智能大脑”，以配合日本到 2040 年部署 1000 万台 AI 机器人的国家劳动力缺口补完计划。 久湛洞察： 日本 Noetra 的成立表明大模型的竞争已经从网页端的“信息助理”全面燃向物理世界的“实体控制”。大国在“Physical AI”（物理智能）领域的竞争是抢占未来工业自动化、智能制造和人形机器人主导权的制高点。企业应关注具身智能（Embodied AI）模型的成熟度，将 AI 技术路线图与仓储自动化、精密制造等实际物理场景提前对接。   >  权威源：日本读卖新闻、日本经济产业省 (METI) 与 NEDO 官方公示 (2026年7月初动态)   >  关键词：Noetra、Physical AI、具身智能、日本经济产业省、索尼、本田、软银、NEDO   >  真实链接：METI Press...
阅读更多

【技术前沿】NVIDIA Research 推出免训练三维推理框架 SpatialClaw：代码即动作（Code-as-action）

由 inforstack评论关闭
内容要点： • 代码作为底层动作接口：NVIDIA Research 推出 SpatialClaw 框架，摒弃了昂贵且需要重训的多模态微调，采用让 VLM 动态编写并执行 Python 代码的方式操纵感知工具。 • 闭环验证与链式感知调用：智能体能通过生成的代码调用深度估计、三维物体分割等物理世界探测工具，进行循环链式感知，并在执行后对空间抓取结果进行校验。 • 三维空间任务准确率大幅跨越：在 20 项包含空间抓取、堆叠和避障等三维复杂空间推理任务测试中，SpatialClaw 实现了 59.9% 的准确率，远超传统闭源 VLM 模型。 久湛洞察： 具身智能和视觉大模型在三维物理世界中的“空间推理”痛点，通过“代码作为接口（Code-as-action）”的工程架构得到了优雅解决。这一理念说明，大模型并不需要独自学习所有三维物理规律，而是可以通过“编写代码操纵专用工具”来实现能力的延伸。这种“大模型+可生成代码+专业计算工具”的闭环方法，对工业视觉检测、物流机器人和精密制造的 AI 化升级具有极强的行业指导意义。   >  权威源：NVIDIA Research 官方技术博客及开源论文（2026年6月中旬）   >  关键词：SpatialClaw、NVIDIA Research、VLM、代码即动作、三维空间推理、具身智能   >  真实链接：NVIDIA Research Blog...
阅读更多

【技术前沿】加速物理世界“具身智能”商业化：谷歌 DeepMind 联合 Agile Robots 启动欧洲机器人加速器计划

由 inforstack评论关闭
内容要点： • 启动首期机器人加速器：谷歌 DeepMind 于2026年6月9日在伦敦正式启动首期机器人加速器计划，面向 15 家欧洲物理 AI 初创企业提供技术支持。 • 首度开放高级智能体接口：入选企业（如挪威 3D-Components AS、希腊 Acumino 等）将获得 Gemini Robotics ER-1.6 物理智能体模型接口，以及 35 万美元的云算力额度。 • 深化与思灵机器人的战略合作：DeepMind 进一步深化与 Agile Robots（思灵机器人）的战略合作，加速将具身智能触觉对齐、零样本装配等高级算法部署在工业机器人平台中。 久湛洞察： 具身智能正在从实验室演示迈向大规模商业化孵化。通过释放带推理能力的 Gemini Robotics 接口与提供算力扶持，谷歌正在构建以其大模型为核心的物理世界 AI 生态系统。对于工业制造、物流和医疗企业而言，这意味着机器人正变得高度“免配置化”与“任务自适应”。技术主管应密切关注此类平台的接口开放进度，尽早布局基于物理大模型的“软硬协同”应用。   >  权威源：谷歌 DeepMind 官方博文与 Agile Robots 联合公告（2026年6月9日）   >  关键词：谷歌 DeepMind、机器人加速器、Agile Robots、Gemini Robotics ER-1.6、具身智能   >  真实链接：DeepMind 官方博客...
阅读更多

【行业洞察】富士康与英伟达联合发布欧洲 Vera Rubin 平台部署计划：加速“Sim2Real”智能工厂与具身机器人落地

由 inforstack评论关闭
内容要点： • 推进欧洲主权 AI 基础设施：富士康在巴黎 VivaTech 2026 科技大会上宣布，将与法国 Bull 公司及英伟达联合，在欧洲本土部署英伟达最新的 Vera Rubin NVL72 架构平台，以支持欧洲主权 AI 的算力基础设施成长。 • 展示 Sim2Real 工业数字孪生：现场展示了基于英伟达 Omniverse 构建的“富士康 Omniverse 数字孪生（FODT）”系统，实现虚拟与物理工厂环境的实时同步，使得生产线 AI 智能体可先在模拟环境中完成百亿次演练。 • 部署 Isaac GR00T 具身机器人：双方联合展示了搭载英伟达 Jetson Thor 平台及 Isaac GR00T 大模型的工业人形机器人，这些具身 AI 机器人已具备高精度装配等复杂非标生产任务的零样本迁移与操作能力。 久湛洞察： 富士康与英伟达在 VivaTech 的展示，揭示了“Sim2Real（模拟到现实）”与“具身智能”正在彻底重构先进制造业的生产力基准。工厂数字化转型已经不再是单纯的看板数据可视化，而是通过数字孪生和实时物理仿真，让 AI 智能体在云端演练成熟后直接控制物理实体。率先跑通这一工业数字闭环的厂商，将在智能硬件与机器人组装的高精尖制造领域建立坚不可摧的效率护城河。   >  权威源：富士康集团官方 VivaTech 2026 现场通报及美通社报道（2026年6月17日）   >  关键词：富士康、英伟达、Vera Rubin、Omniverse 数字孪生、具身智能、VivaTech   >  真实链接：富士康新闻中心...
阅读更多

【技术前沿】具身智能多模态触觉对齐：实现机器人毫米级工业非标件零样本装配

由 inforstack评论关闭
技术要点： • 物理反馈闭环：根据 Google DeepMind 团队于2026年4月22日公布的多模态机器人触觉控制最新数据表明，其“多模态具身大脑”模型，首次实现了高维触觉数据（力矩、表面材质）与视觉大模型的实时对齐，彻底解决了机器人抓取软性、异形非标件的力反馈问题。 • 零样本迁移：机器人无需在特定的工业流水线上进行数万次的预演，即可根据视觉指令，直接在从未见过的物理场景中执行高难度的零部件组装任务。 • 物理世界泛化：该技术在精密半导体组装及新能源汽车非标装配灰度测试中，展现出高精度的自适应调整能力，极大降低了非标自动化的调试门槛。 久湛洞察： AI 正在从“能写会画”的数字世界真正迈入“能够改造物理世界”的具身智能时代。多模态触觉对齐的突破，意味着企业未来的数据治理范围不能仅局限于文本和音视频，高维传感器数据（力学、触觉、轨迹）的收集与对齐将成为新一代工业大模型竞争的制高点。 权威源：Google DeepMind 具身智能研究团队论文（2026年4月22日公布） 关键词：具身智能、触觉对齐、零样本装配、DeepMind 真实链接：https://deepmind.google/discover/blog/...
阅读更多

【技术前沿】具身智能 (Embodied AI) 商业闭环：FF 签署首个“数据工厂”销售订单

由 inforstack评论关闭
商业化里程碑： Faraday Future (FF) 宣布其 EAI Data Factory 签署首张订单，正式打通从具身智能设备部署到数据资产变现的商业回路。 数据生产线： 该工厂通过采集现实世界的机器人交互轨迹，利用专有大脑模型（Brain Model）自动提炼为高价值的物理 AI 训练算料。 多端应用： 提炼出的数据不仅服务于智能交通，还将扩展至自动化物流及工业级具身智能机器人的感知训练。 物理反馈机制： 强调了“数据回流”逻辑，设备在实地运行中发现的异常数据会自动反馈至工厂进行算法调优，形成自我进化的知识环。 久湛洞察： 这是 AI 从“数字空间”向“物理世界”的大迁徙。对于自动化实验室而言，意味着 AI 开始“产生物理数据”。这种“端到端”的数据反馈回路，是数字化科研具备“物理感知力”的关键。  关键词： Faraday Future EAI Data Factory Order  媒体链接： https://www.businesswire.com/news/home/20260512044099/en/...
阅读更多

【技术前沿】智能体架构演进：OpenClaw 与 Hermes 开启“具身智能自反思”框架

由 inforstack评论关闭
核心突破： OpenClaw v3.0 引入了“具身感官插件”，支持直接处理来自工业传感器的原始物理数据，而非仅仅是文本或 API 指令。 自适应修正： Hermes 模块实现了物理动作的闭环反思。智能体在执行物理动作失败后（如机械臂抓取偏移），能通过数据回放自主修正动作逻辑参数。 场景落地： 该架构已开始应用于复杂环境下的无人巡检与自动化货运，解决了 AI 在面对物理世界非结构化数据时的“策略漂移”难题。 久湛洞察： 智能体正式从“数字逻辑”跨向“物理感知”。OpenClaw 负责采集物理世界的数据，Hermes 负责对行为结果进行归因学习。这种双路径架构是实现“黑灯工厂”与高度自动化实体产业的关键，标志着 AI 助手正在从“懂你意思”进化到“能干实事”。 关键词： OpenClaw v3.0、Hermes、具身智能、物理自纠错、多模态智能体 信息来源： GitHub OpenClaw 官方发布日志与 2026 技术趋势报告 https://github.com/OpenClaw/OpenClaw/releases/v3.0-dev ...
阅读更多

【技术前沿】具身智能史诗级突破：索尼 AI “Ace”机器人击败顶级人类乒乓球手

由 inforstack评论关闭
物理 AI 极限： 索尼 AI 发布项目“Ace”，这是首个在真实世界物理运动中达到职业级人类水平的自主系统。 极致感知： Ace 配备了 9 个高速 APS 摄像头和事件相机（EVS），实现了毫秒级的 3D 位置捕捉和决策反馈。 超越虚拟： 该技术成功将 Gran Turismo Sophy 的虚拟决策模型迁移到物理环境，证明了 AI 在高速、动态、非确定性物理场景中的实用性。 久湛洞察： 这不仅是一个体育新闻，它证明了“物理智能体”已经跨越了反应时间的门槛。当 AI 在物理反馈上能超越人类精英，它的应用逻辑将彻底改变。 关键词： 索尼 Ace、物理 AI、毫秒级反馈、具身智能 信息来源： 《Nature》杂志 2026 年 4 月 23 日刊 https://ai.sony/news/sony-ai-announces-breakthrough-research-in-real-world-artificial-intelligence-and-robotics ...
阅读更多

【行业洞察】Forrester 2026 报告：AI 正式跨越“数字边界”进入物理空间

由 inforstack评论关闭
趋势发布： Forrester 昨日发布的《2026 年十大新兴技术》报告宣布，AI 已完成从软件环境向物理环境的迁徙。关键载体： 人型机器人与具身智能（Physical AI）开始在制造业和物流业解决劳动力瓶颈。 挑战升级： 物理 AI 的广泛应用正面临数据、安全标准以及劳动力技能重塑的严峻挑战。 久湛洞察：“脱虚向实”是 2026 年 AI 产业最显著的特征。当 AI 拥有了“身体”，其产生的数据价值将呈几何倍数增长。对于工业领域而言，目前的窗口期在于“Sim-to-Real（仿真到现实）”的算法适配。谁先解决机器人执行的低延迟与高鲁棒性问题，谁就能在后互联网时代的实体竞争中掌握话语权。 关键词： Forrester 2026、具身智能、Physical AI、机器人化 真实链接： https://www.hpcwire.com/bigdatawire/this-just-in/forresters-top-10-emerging-technologies-for-2026/...
阅读更多

Google DeepMind 发布“多模态具身大脑”：实现物理世界零样本任务迁移

由 inforstack评论关闭
内容要点： 跨域泛化能力：DeepMind 今日发布最新论文，展示了具备强逻辑推理能力的具身大模型，机器人无需预演即可在从未见过的物理场景中完成复杂指令。 物理反馈闭环：该模型首次实现了触觉数据（Haptic Data）与视觉大模型的实时对齐，赋予机器人毫米级的抓取精度与感知反馈。 具身智能商用：该技术已在工业分拣和精密组装场景中通过灰度测试，极大降低了非标工业自动化的部署成本。 久湛洞察：  AI 正在从“能写会画”跨越到“能做实事”。这种多模态具身能力的突破，意味着数据治理的重心将向高维传感器数据延伸。抢先布局“物理数据+大模型”的闭环，是占领具身智能应用制高点的核心。 真实链接： https://deepmind.google/discover/blog/...
阅读更多