🔥 1. ElementsClaw 发布：AI 智能体 28 个 GPU 时发现 4 种全新超导体，百年物理学圣杯加速 — 1400 pts
阿里达摩院联合中国人民大学高瓴人工智能学院、中国科学院大学等发布首个专攻超导材料发现的 AI 智能体 ElementsClaw（元素虾）。仅用 28 个 GPU 小时，就对已知 240 万种稳定晶体全量扫描，预测其中 6.8 万种可能是超导体——对比人类一百多年才发现的 2000 多个超导材料，效率差距达数百倍。研究团队选出几种易合成材料进行实际验证，确认其中 4 种是人类此前未知的全新超导体。所有预测数据已开源。达摩院科学智能负责人荣钰指出：此前 DeepMind GNoME 和微软 MatterGen 虽能预测或设计材料，但"太单点"——无法判断文献是否已有前人研究、合成难度、毒性、成本等现实约束。ElementsClaw 的核心创新在于将超导发现从"预测 → 验证"的单点流程升级为 AI 全链路闭环，这是 AI Agent 在基础科学领域的重要里程碑。
→ https://www.qbitai.com/2026/07/442452.html
🔥 2. WorldClaw 携手百度智能云：文心 5.0（2.4 万亿参数）登陆 WorldRouter——Agent 经济操作系统浮出水面 — 1200 pts
WorldClaw（由特朗普旗下 World Liberty Financial 支持的 AI 基础设施项目）与百度智能云达成战略合作，文心大模型 5.0 系列（2.4 万亿参数、原生全模态 + 超稀疏 MoE）通过千帆平台正式上架 WorldRouter 模型聚合平台。WorldRouter 聚合 300+ 大语言、图像与视频模型，开发者通过单一 API 调用多家模型能力。更关键的是合作覆盖 Skill 共建、A2A（Agent-to-Agent）场景探索和 AgentOS 建设——百度将 Vibe Coding、视频生成、模型安全治理等能力封装为 Skill 上架 WorldClaw 的 Skill 市场。WorldClaw 还提供 AgentPay SDK，支持 Agent 在合规策略下完成支付与结算。这意味着Agent 经济的完整基础设施（统一模型入口 + Skill 市场 + Agent 间通信 + 支付结算）正在成型。
→ https://www.qbitai.com/2026/07/442447.html
🔥 3. Uranus 世界模型发布：不当"大脑"当"裁判"——地瓜机器人打造具身智能基础设施 — 1200 pts
地平线分拆的机器人公司地瓜机器人发布世界模型 Uranus，不走"具身大脑"路线，而是做机器人的评测平台和仿真训练器。两个核心用途：一是benchmark（裁判）——Uranus 根据模型输出逐步生成环境反馈，得出成功率和轨迹偏差，模拟-现实的 gap 极小，可解决当前仿真评测高分但真实场景打折的问题；二是机器人仿真器（训练场）——采用帧级闭环推理，每次只生成下一帧，而非整段视频，支持实时交互和人类中途接管改变动作指令。已突破 60 秒稳定闭环生成，且跨具身硬件零样本泛化。Uranus 不刻意避免"刷榜"，而是确保刷出来的分数能真实反映模型在物理世界的能力——它不是在对抗刷榜，而是在让刷榜真正有意义。
→ https://www.qbitai.com/2026/07/442138.html
🔥 4. ProtoPilot + BioLab Bench 发布：全球首个让 AI "真正走进实验室"的闭环系统 — 1300 pts
华大智造子公司 涌生智能 联合上海人工智能实验室发布两项成果：ProtoPilot（自进化多智能体系统）+ BioLab Bench（生命科学全流程 Agent 评测体系）。核心突破：从自然语言实验意图到湿实验物理执行的完整闭环——AI 不仅出方案，还能在真实设备上跑通实验。此前即使是 OpenAI × Ginkgo Bioworks 的合作，GPT-5 也只停留在"实验设计"层面，真正执行的 protocols 仍由人类编写。ProtoPilot 打通了五层转换链：科学意图 → Protocol → SOP → 设备代码 → 物理执行。BioLab Bench 则是首个能评价 Bio Agent 真实实验链路能力的 benchmark。这标志着 Physical AI 的"ChatGPT 时刻"不仅发生在机器人和自动驾驶领域，生命科学实验室成为 Physical AI 的新战场。
→ https://www.qbitai.com/2026/07/442311.html
🔥 5. 百曜科技 AURA CellOS：全球首个基于 LLM-JEPA 架构的 AI 虚拟细胞世界模型 — 1200 pts
百曜科技发布 AURA CellOS，基于 LLM-JEPA 架构 的 AI 虚拟细胞世界模型，基于 3.905 亿个人类单细胞转录组训练，覆盖 40 余种组织、260 余种细胞类型——是目前公开报道中参数规模最大的单细胞基础模型。核心创新：首次将 JEPA（联合嵌入预测架构）与世界模型理念引入单细胞研究。解决的问题：第一代 AIVC 模型主要学习基因表达模式而非状态演化机制，难以区分背景噪声和关键信号。CellOS 将细胞理解从"认得出"升级到"能预测细胞在扰动下如何演化"——敲除基因、给药或诱导分化后细胞会如何变化。这恰好与 LeCun 在 2022 年提出 JEPA 时的核心思想吻合：世界不是由文字构成的，AI 需要在抽象表示层预测世界的下一步——只不过这次被应用于生命的最小单元。
→ https://www.qbitai.com/2026/07/442746.html
🔥 6. ElementsClaw 的技术路线：比 AlphaFold 更难——超导发现从"单点预测"到"全链路 Agent"的跨越 — 1100 pts
ElementsClaw 的技术突破值得深入拆解。超导发现的难度远高于蛋白质结构预测：蛋白质只有 20 多种氨基酸，序列规律清晰；晶体元素上百种，原子间有离子键、金属键、共价键等。达摩院科学智能负责人荣钰指出 GNoME 和 MatterGen 的问题在于"太单点"——它们能说"这可能是超导"，但不能告诉你文献是否已有研究、合成方不方便、毒性如何。ElementsClaw 的全链路升级体现在：不仅预测超导性，还自动检索文献、评估合成可行性、筛选有前景的候选材料。中国科学院大学金士锋研究员的比喻极贴切：做超导体探索很多是"炒菜式科研"——不断调整配比，做几十次实验才能成功一次。AI 不是取代炒菜，而是给了物理学家一本菜谱。
→ https://www.qbitai.com/2026/07/442452.html
🔥 7. 地瓜机器人 Uranus：帧级闭环世界模型——可交互的机器人训练场告别"仿真 ↔ 真实"鸿沟 — 1000 pts
Uranus 的技术实现路径值得关注。核心问题：传统视频生成模型一次性生成整段视频，中间不能打断，机器人无法在其中强化学习。Uranus 采用帧级闭环——每次只生成下一帧，新帧立刻进入历史窗口，与下一步动作一起成为输入。这意味着人类可在任意时刻改变动作指令，让后续画面沿着新轨迹生成。不是按剧本拍电影，而是实时交互的游戏。最大挑战是误差累积：每步预测误差作为历史条件喂入下一步，几十步后画面可能糊掉。Uranus 训练时只见过 2 秒片段，但在推理时稳定运行 60 秒 且画质不变。加上跨具身零样本泛化，Uranus 让机器人的训练-评测循环从"昂贵、慢、难复现"变成了"快、可控、可复盘"。
→ https://www.qbitai.com/2026/07/442138.html
🔥 8. AURA CellOS 的 JEPA 架构选择：为什么第一代 AIVC 触及瓶颈，CellOS 如何破局 — 1000 pts
AURA CellOS 的架构选择基于一个关键的洞察：第一代 AIVC 模型面临的瓶颈不是 Scaling Law 失效，而是架构与数据特性的系统性错配。传统语言模型训练目标是学习基因表达模式本身，而非细胞状态变化的内在机制——模型难以区分背景噪声和真正的驱动信号。CellOS 选用 JEPA 架构的核心理由：JEPA 在隐空间做状态转移预测，跳过像素级/表达级的冗余计算，直接预测细胞状态的演化轨迹。这与 FaceMind 的 LoopWM 和它石智航的 TacForeSight 共享同一个底层逻辑——让 AI 从"看懂状态"走向"理解状态如何随时间变化"。2026 年 6 月《Nature Methods》的研究显示，仅用约 1% 的预训练数据模型性能就基本拉满——这验证了第一代范式的瓶颈，也凸显了 JEPA 路线的必要。
→ https://www.qbitai.com/2026/07/442746.html
🔥 9. AI for Bio 成为 Physical AI 新战场：涌生智能打通"屏幕到实验台"最后一公里 — 1000 pts
涌生智能 × 上海 AI 实验室的 ProtoPilot 填补了 AI for Bio 最关键的缺失环节。当前全球现状：OpenAI 和 Google 的 AI 能出方案，但出不了结果。ProtoPilot 的报告拆解了从实验意图到物理执行的五层转换链：科学意图（"我想验证某基因的作用"）→ Protocol（方案设计）→ SOP（标准操作流程）→ 设备代码（绑定具体的设备平台和 SDK 指令）→ 物理执行和反馈修正。每个环节都解决不同模糊性——Protocol 表达生物逻辑，SOP 落到可操作参数，设备代码处理具体硬件指令。五层必须全部打通才算"AI 真正走进实验室"。涌生智能的独特优势在于拥有全栈生命科学设备作为"物理底座"——这比任何纯算法公司都更难被复制。
→ https://www.qbitai.com/2026/07/442311.html
🔥 10. 7 月第一周总结：AI 正从"数字世界"大规模进入"物理世界"——超导、细胞、实验室三线突破 — 900 pts
7 月第一周（7.1-7.3）的全部重大新闻指向一个清晰的主线：AI 正在从数字世界大规模进入物理世界。具体来看三条核心战线——基础科学：ElementsClaw 发现全新超导体，AI Agent 替代"炒菜式科研"；生命科学：CellOS 的虚拟细胞世界模型、ProtoPilot 的实验室全链路闭环，让 AI 从"读论文"变成"做实验"；具身智能：Uranus 帧级闭环世界模型、AReaL 2.0 自演进 RL、英伟达 ASPIRE 技能库，机器人训练范式全面升级。加上商业化的加速（天工 AI ARR 8 亿美元、硅基流动 IPO 冲刺、DeepSeek V4 涨价），2026 年下半年，AI 产业正在从 "模型能力竞赛" 全面转向 "物理世界落地竞赛"。
→ 综合 7 月 1-3 日报道
📌 今日趋势一览
原文链接
欢迎访问 小易撩挨踢