🔥 1. 银河通用发布全球首个具身测试时后训练框架 WAM-TTT：仅需人类视频即可部署，机器人"现学现上岗" — 1600 pts
银河通用发布 WAM-TTT（World-Action Model Test-Time Training），全球首个面向具身大模型的测试时后训练框架。将 TTT 范式从 NLP 迁移至物理世界机器人控制——机器人可以"现学现上岗"。核心机制：一个独立的小型参数存储单元 fast-weight memory（快速权重记忆）。底座是一个预训练的 World Action Model（WAM），由视频专家和动作专家两部分组成。在部署阶段，WAM 主体权重全程冻结，仅更新轻量化记忆模块参数——机器人通过观看一段未标注的人类 RGB 视频，将场景信息写入临时记忆，然后结合已有的动作能力完成任务。后训练阶段不再需要昂贵的人类标注或机器人遥操数据。对比特斯拉 Optimus 依赖上百人的数据采集团队每人每天重复数百次动作——WAM-TTT 用一段人类视频就能完成适配。具身智能进入了自己的"后训练时代"——机器人从"训练定型"走向"部署后持续进化"。
→ https://www.qbitai.com/2026/07/451403.html
🔥 2. 苹果起诉 OpenAI 窃密：一句"LOL"引爆千亿美元级别的商业间谍大战 — 1500 pts
苹果正式起诉 OpenAI、两名前员工和 Jony Ive 参与创立的 io Products。核心指控：OpenAI 硬件负责人 Tang Tan（前苹果 20 年老将）系统性挖角苹果员工从事 AI 硬件开发。最抓马的一幕：前苹果电气工程师 Chang Liu 离职后发现还能访问苹果内部网络存储，发消息给仍在苹果的同事："LOL，我发现我还能访问网络存储，太好笑了。"——这段话被原文写进诉状。苹果调查发现：超过 400 名前苹果员工现在在 OpenAI 上班，部分来自硬件设计/制造/供应链团队，部分人员流失已影响到新款 iPhone 团队的重建。Liu 利用苹果"零日漏洞"持续数周下载了数十份机密硬件文件。OpenAI 的首款硬件——移动式 AI 音箱（昨天爆料）可能就是这场诉讼的根源。 诉讼将影响 AI 公司招募科技巨头的硬件人才策略——所有挖人的 AI 公司都得重新审视合规风险。
→ https://www.qbitai.com/2026/07/450921.html
🔥 3. 逐际动力全尺寸人形机器人 Oli 全程自主做家务 3 分钟一镜到底——对标 Figure 的中国力量 — 1400 pts
逐际动力发布全尺寸人形机器人 Oli 自主做家务 Demo：3 分钟一镜到底，无后台人工介入、无分段剪辑。任务包括：从衣架高处取衣服→精准扔进脏衣篓→归纳玩偶→搬箱摞箱→深弯腰拾取地面杂物。中国首个全自主完成长程移动操作家庭任务的全尺寸人形机器人。底层支撑是人形大脑系统 LimX COSA 0.5。创始人张巍的核心观点被 Demo 直接验证："模型不是大脑，系统才是"——逐际动力的大脑路线不是靠单一大模型暴力扩大参数，而是由认知、技能、运控多模块协同配合的 Embodied Agentic OS。对比 Figure 的端到端模型路线，COSA 的"操作系统"路线认为单一 VLA 只是"技能"而非"大脑"——真正的机器人大脑应该复刻人类神经系统。
→ https://www.qbitai.com/2026/07/451084.html
🔥 4. 具身智能第一个"基建商"出现：景烁科技——不做整机、不做单纯大脑，押注物理 AI 基础设施 — 1300 pts
文远知行内部孵化的 景烁科技 正式进入行业视野，CEO 是文远知行 001 号员工。选择了一个被大多数具身公司忽视的切入点：数据和世界模型技术体系。核心判断："不要在大数据里捞钻石，而是直接人工生成钻石。" 三层产品架构：WorldEngine（驱动数据闭环）、GENESIS-Robotics（提供核心引擎）、SkillForge（封装最终交付物）。从自动驾驶 10 年经验中沉淀的认知：物理 AI 的第一轮拼算法、第二轮拼算力、第三轮最终回到数据基础设施。景烁正在做的是把数据基础设施作为一种产品来交付——不是卖数据，而是卖"生产好数据的能力"。"具身智能离比拼模型和算力还很远——基于真实落地反馈的物理认知体系，初创公司无法速成。"
→ https://www.qbitai.com/2026/07/451327.html
🔥 5. RLinf v0.3 发布：全球首个面向具身智能持续进化的 RL 基础设施——打通数据采集到真机部署全链路 — 1200 pts
无问芯穹联合清华大学发布 RLinf v0.3，全球首个面向具身智能持续进化的大规模强化学习基础设施。主要升级：首次完整打通数据采集→数据管理→SFT→RL→模型评测→真机部署关键环节。模型生态新增 6 款主流具身模型（Dexbotic DM0、DreamZero、GR00T N1.6/N1.7、ABot-M0、StarVLA、LingBot-VLA）。算法体系覆盖真机 RL、仿真 RL 和人在环学习。真机支持新增 3 种遥操作方式、3 款平台和 2 款末端执行器。RLinf 正在成为具身智能的"操作系统级基础设施"——之前各个团队各自搭建训练环境、重复造轮子，RLinf 将这套流程标准化了。加上 WAM-TTT（测试时训练）、DW0.5（世界模型当教练）、银河通用和原力灵机在同时验证"后训练"路线——具身智能的 RL 基础设施正在一周内加速成型。
→ https://www.qbitai.com/2026/07/451379.html
🔥 6. WAM-TTT 的技术深度：fast-weight memory——一条解决"部署泛化衰减"的新路 — 1100 pts
WAM-TTT 的技术核心 fast-weight memory（快速权重记忆） 值得深入解析。与 DW0.5（用外部世界模型提供反馈）不同，WAM-TTT 在机器人内部嵌入了一个轻量级记忆模块。两阶段训练：离线元训练阶段——用成对的人类和机器人演示数据教会模型"如何从人类视频中提取关键信息"；测试时训练阶段——主体模型完全冻结，仅更新记忆模块参数以适配新场景。这解决了具身智能最核心的"部署泛化衰减"问题：同一项技能在训练场景精通，换个环境就失灵。WAM-TTT 让机器人不是重新学习技能，而是将新场景的"上下文"快速编码进记忆，再调用已有能力去执行。"厨师不需要重新学炒菜，只需要看懂顾客给的菜谱"——这个类比非常贴切。
→ https://www.qbitai.com/2026/07/451403.html
🔥 7. 逐际动力 COSA 路线 vs Figure 端到端路线：具身智能的"大脑"之争白热化 — 1100 pts
逐际动力 Oli 演示和 Figure 此前发布的厨房/房间整理演示可以说是"针锋相对"。相同点：都完成了全尺寸人形机器人在真实家庭场景的长程多任务操作；都做到了一镜到底无剪辑。根本差异在路线：Figure 用端到端 VLA 大模型（一个超大模型从视觉输入直接输出动作），可以理解为"一个模型包打天下"；逐际动力 COSA 用多模块协同架构（将认知、技能、运控分开），可以理解为"操作系统而不是应用程序"。张巍的判断："模型只是一个一个的技能，系统才是大脑。" 如果把 VLA 模型比作厨师的"炒菜技能"，那 COSA 就是包括"什么客人来→该炒什么菜→怎么安排工序→手眼配合→出了问题怎么办"的完整认知系统。这场路线之争将成为 WAIC 2026 的核心讨论。
→ https://www.qbitai.com/2026/07/451084.html
🔥 8. 苹果诉 OpenAI 的行业影响：当 400+ 前员工从一家巨头流向另一家，"数据密墙"如何建立？ — 1000 pts
苹果诉 OpenAI 的核心不止于商业秘密，更关乎 AI 行业的人才格局重塑。400+ 前苹果员工在 OpenAI 工作意味着 OpenAI 的硬件部门主要由前苹果员工组成——这块被挖走的不仅是个人，而是苹果积累了十几年的硬件设计、制造、供应链管理知识体系。Tang Tan 是核心推手——他在苹果二十多年、参与 iPhone 设计，带着 Jony Ive 的设计哲学加入 OpenAI。更久远的背景：OpenAI 2025 年以 65 亿美元收购 Jony Ive 创立的 io Products。这起诉讼的真正关键不在于"一个员工偷了文件"，而在于：当 AI 公司开始做硬件，它们正在系统性地吸收传统硬件巨头的人才和知识。 反向来看，这对开源硬件生态可能也是一个机会——当闭源硬件公司的设计从"商业机密"变成"诉讼焦点"，开源硬件的吸引力反而在上升。
→ https://www.qbitai.com/2026/07/450921.html
🔥 9. 景烁科技的"数据基础设施"三层架构——WorldEngine + GENESIS + SkillForge 详解 — 900 pts
景烁科技的三层架构值得关注：WorldEngine（最底层）——大规模仿真器，从自动驾驶场景中演进而来的物理世界模拟引擎，能生成具备物理因果关系的场景数据而非单纯的视频。GENESIS-Robotics（中间层）——世界模型核心引擎，支持从仿真到真机的数据闭环。SkillForge（最上层）——将经过验证的数据包封装为可复用的"技能包"直接交付给客户。三层架构中越往下越重（需要大量数据、算力、工程经验积累），越往上越轻（标准化产品交付）。景烁的独特优势是文远知行在自动驾驶淘汰赛中的经验——"完整经历了自动驾驶从缺数据到想办法解决数据的全过程"。在具身智能缺数据的当下，这种经验的价值正在被行业重新发现。
→ https://www.qbitai.com/2026/07/451327.html
🔥 10. WAIC 2026 前夜的 AI 全景图：7 月第三周的五大趋势预示"智能体时代的iPhone时刻"即将到来 — 900 pts
7 月 13-16 日的密集信息形成了一张完整的 AI 产业全景图：智能体操作系统（阶跃 Step AOS + 逐际动力 Embodied Agentic OS + OpenAI 硬件）→ 实时语音交互（Qwen-Audio-3.0-Realtime + GPT-Live）→ 测试时持续学习（WAM-TTT + AdaJEPA + DW0.5）→ 数据基础设施（景烁 + 高德 + 趋境科技）→ 具身智能量产（小米进厂 + 爱诗 29.8 亿 + 逐际 Pre-IPO）。五个方向同步推进，各自都有标志性产品或突破。WAIC 2026（明天！7 月 17-20 日 上海）将是一次集中展示。从阶跃的手机到小米的产线，从 WAM-TTT 到 DeepSeek IPO，AI 正在从"模型竞赛"进入"应用落地竞赛"阶段。 智能体时代的"iPhone 时刻"——可能是由操作系统、硬件终端、实时交互、持续学习、数据基座五个方向同时成熟共同引爆的。
→ 综合本周报道
📌 今日趋势一览
原文链接
欢迎访问 小易撩挨踢