第 23 页

机器人公司最近都在讲大脑、世界模型和真机泛化，训练工具反而很少站到台前。7 月 16 日，无问芯穹与清华大学等团队把 RLinf 升到 v0.3，发力点正好卡在这条链路的中段：数据怎么采、监督微调怎么接强化学习、训练完怎么推到真机。这类基

把 AI 放进生物实验室，最敏感的地方在于它能把检索、设计、推演和实验规划连成链条。过去两年，外界盯着的多是风险：模型会不会帮人绕过专业门槛，做出危险方案。Google DeepMind 这次给出的答案更直接：同一套能力要被拉进防线里。 7

AI 办公产品正在从“帮你写一段话”往“替你交一份活”移动。金山办公这次在上海把两款产品摆到同一个台上：面向个人的灵犀专业版，面向组织的 WPS Comate。它没有停在给 WPS 加一个聊天窗。它瞄准的场景更具体：一个人要做 PPT、表

机器人训练又多了一条便宜路径：不用重新采一批机器人遥操作轨迹，也不用把人手动作逐帧转成关节角。银河通用、北大、中科院自动化所和清华团队把一段普通人第一视角视频塞进模型的临时记忆，让机器人在部署现场先“看懂这桌活”，再用原有动作能力去做。这

一套模型在棋盘上跑得慢，未必更像人。MIT、剑桥和普林斯顿等团队新发在 Nature 的研究，把问题换成 121 个陌生棋类规则后，结论反倒指向一条很轻的路线：人第一次看见新游戏时，靠的多半是少量、浅层、带目标感的心理模拟。这件事放到 A

7月22日之前，Meta 的这轮裁员还没完全落地。26名现任和前任员工先把公司告上了加州北区联邦法院，要求法官暂停解雇、恢复5月20日前的雇佣状态，并让独立审计员查清裁员名单怎么被排出来。这起案子的抓手很窄：他们并没有只说“AI 抢工作”

机器人公司最近很爱讲“基座模型”，但原力灵机这次抛出的 DW0.5，抓的点更窄：机器人学会动作后，能不能先在一个可计算的世界里试错，再把更少的失败带回真机。这听上去像仿真。差别在于，传统仿真靠人建场景、调物理参数、写任务规则；DW0.5

腾讯这次没有先讲机器狗、机械臂或展台演示，而把两套“脑子”直接放到开源社区：Hy Embodied VLM 1.0 负责看懂真实场景、推演动作影响；Hy Embodied RxBrain 1.0 负责把任务拆成语言步骤，并同时想象每一步完成

Google DeepMind CEO Demis Hassabis 这次没有发新模型，也没有讲 Gemini 的功能升级。他在 7 月 14 日放出一篇个人长文，主张美国牵头建立一个面向前沿模型的 AI 标准机构：模型发布前先交给这个机

在一段真实语音对话里，最难的地方往往不在回答一句话，而在模型能不能听出你已经换了主意。比如先问附近川菜馆，再追问“评分 4.5 以上哪家最近”。传统语音助手通常要重新理解一遍地点、偏好和检索条件；阿里今天发布的 Qwen Audio 3.