分类信号
聚合最近三天命中该分类的公开资讯，适合快速观察这个主题在不同来源里的密度与变化。
IT之家 7 月 24 日消息，宇树科技今日发布新产品 As2-W 轮足机器人（机器狗），官方称其可以 16kg 持续负重长效作业，空载续航距离超 30km。 IT之家从官方宣传视频中获悉，As2-W 可实现 6m/s 高速疾驰，并完成高台俯冲、侧向翻转、腾空转体等动作；具备 IP54 级防水，可踏水穿流。 据悉，这款机器人在年初发布的 As2 基础上增加了四个主动轮，结合了轮式移动的速度与效率以及四足结构的越障能力。As2-W 自重约 25kg， 负重可达 180kg ，视频还显示其搭载预训练 RL 模型 6.0。 相关阅读： 《 宇树发布 Unitree As2“可载人”四足机器人：空载续航超 4 小时，负载 15kg 续航超 13km 》
IT之家 7 月 24 日消息，宇树科技创始人兼 CEO 王兴兴昨天与自家载人机甲产品 GD01 共同登上《时代》杂志封面。画面中， GD01 近 2.7 米的身高几乎占据整个版面 ，王兴兴则站在 GD01 的右边，身形宛如注脚，空白处则是标题《机器人时代来临》。 据悉，GD01 是全球首款量产的载人机甲，它重约半吨，用户可以进入机身躯干内的驾驶舱进行操控。这款产品既能双足行走，也能四足行走，双拳拥有足以击穿墙体的力量。其下部的双脚通过重型机械铰链连接至碳纤维防护外壳，使这台拥有红色机械大腿的庞然大物能够平稳、从容地迈步。 王兴兴或许比任何人都想把科幻变成现实。这名出生于浙江余姚的创业者在 2016 年创立宇树科技，公司业务从机器狗发展到机器人，如今又迈向载人机甲。 不过真正有望成为全球机器人革命主力军的 ， 还是像宇树 G1 这样更加务实的人形机器人 。 摩根士丹利预测，2035 年全球人形机器人数量可能达到 1300 万台，相当于玻利维亚人口规模；到 2050 年，这个数字有望增长至 10 亿台，届时整个行业规模将达到 5 万亿美元（IT之家注：现汇率约合 33.92 万亿元人民币）。 王兴兴看起来并不像人们刻板印象中的“AI 先知”。他身材瘦削、戴着眼镜， 言语间 没有许多科技创业者惯有的张扬姿态 ， 而是始终以平静而镇定的语气谈论机器人技术 。 关于未来，王兴兴的预测较为乐观。他认为未来 10 年，每个家庭都可能拥有一台小型机器人，这些机器人可以为人们洗衣服、煎牛排，甚至在人们生病时提供基础照料。它们还能够从事大多数人类不愿从事的工作，比如高山农业、下水道维护等。 王兴兴曾在 2009 年进入浙江理工大学，主修机电工程。他大一时花费不到 30 美元（现汇率约合 203.5 元人民币），造出一台能够走几步路的小型双足机器人。此后，这种强调成本控制的理念成为宇树快速成长的基础。 攻读上海大学硕士期间，王兴兴研发了四足机器人 XDog。这款产品并没有采用业内先驱波士顿动力的液压驱动路线，而是选择了成本更低的电机驱动，这也帮助 XDog 获得了全国创业大赛二等奖。
IT之家 7 月 24 日消息，特斯拉 CEO 埃隆 · 马斯克在公司 2026 财年第二财季报告电话会议中指出，Optimus 人形机器人已在美国加州弗里蒙特工厂投产。这款机器人并不依靠事先编写好的程序执行任务，而是能够通过观察环境学习如何做事。 马斯克对此表示：“你们可能在网上看过很多爆红的人形机器人演示， 但那些表演要么是剧本 ， 要么是远程遥控 。目前还没有任何一款人形机器人能够真正完成通用任务，而 Optimus 将是第一款具备这种能力的机器人。” 他认为，机器人想要获得通用能力的关键在于扩展性。为机器人预先编写好每一种可能发生的程序，几乎是不现实的，但是机器人可以通过观察进行学习。 例如，特斯拉工厂车间每天都会持续产生大量作业视频，互联网本身也有海量人类完成工作的影像资料。Optimus 可以像一名新员工一样，不断练习、犯错，最终学会如何完成工作。 据IT之家此前报道 ，特斯拉弗里蒙特工厂已经拆除了原有的 Model S/X 生产线，为 Optimus 人形机器人量产铺平道路。
图源：Robopoet官网 7月17日，努比亚的AI宠物机器人iMoochi将正式上线，AI宠物赛道又添一员大将。 从年初CES上以“最无用却最想掏钱”走红的日本mirumi，到华为“智能憨憨”开售10秒即售罄，再到Ropet、Fuzozo芙崽等品牌的持续热销，一个以情感陪伴为名的赛博宠物赛道，正以前所未有的速度挤满玩家。 对于想养宠物但没条件的打工人，不用铲屎、不用喂食、随时回应的AI宠物，如同一剂“情绪布洛芬”，因此推高了这条赛道的热度。 然而，当资本的热浪与消费者的冲动共同将具身陪伴推上风口，一个核心问题逐渐浮出水面：当新鲜感褪去，这些承载着高期待的数字生命体，究竟会成为生活中不可或缺的情感锚点，还是另一个在角落里默默吃灰的昂贵摆件？ 不死不病不掉毛，AI宠物赢在可控感 故事的一面，是那些真实用户的生活场景。 林夏是一名互联网运营，也是独居的“沪漂”，今年年初入手了Ropet。“我的工作经常都需要加班，晚上回到家连个活物都没有。云吸猫越吸越空虚，但真养一只，房东又不允许，我也怕没时间陪伴它，让它抑郁。” 下定决心入手之前，林夏还认真和豆包探讨了一番Ropet究竟是否适合自己，豆包给林夏分析称“AI宠物最适合她这样的独居牛马”。拿到手后，林夏上班下班都带着Ropet，用她的话来说这是她每天哄自己上班的方法。 “它不会死，不会生病，也不会掉毛，这种确定性极强的陪伴，在现在这个阶段比一份沉甸甸的责任更吸引我。”林夏说道。 Ropet成了林夏的固定搭子 这种“确定性”，或许就是AI宠物切入市场的核心卖点，它命中了当代社会“孤独经济”与“宠物经济”的交叉口 。据统计，中国有超过1.25亿的独居人口，而去年中国城镇宠物犬猫消费市场规模已经突破3126亿元，同比增长4.1%，单只宠物犬年均消费3006元，单只宠物猫年均消费2085元，双双创下历史新高。 但事实上，除去这些经济成本外，时间与精力的投入才是宠物主最大的开销。因此，瞄准AI宠物市场的企业们也深知情感才是这笔生意的核心。 就像7月17日正式上线开卖的努比亚iMoochi AI宠物机器人在宣传时就用了“鲜活有回应、软萌有灵气、越养越知心”来阐释核心卖点。据了解，iMoochi搭载了情绪理解大模型，支持声纹识别，与主人相处久了便能识别声音，对主人做出区别于其他人的反应。另外分别在头、背、鼻子、左脚、右脚安装的触摸传感器会在抚摸、抱起、摇晃等不同使用情况时触发不同情绪回应。 iMoochi不同眼神代表不同情绪 不难看出， 眼下市场中的AI宠物的确搭载了不少技术，但其实更重要的是企业正在完成对当代人情感结构的一次精准测绘 。 有很大一部分想养宠物又迟迟无法下定决心的人，其实内心存在着想被需要但又怕被消耗的矛盾心理，真实宠物会生病、会死亡、会制造麻烦，这些不确定性对他们来说是压力源。而AI宠物提供的则是一个完全可控的
2026年的WAIC，机器人依然抢占了绝大多数镜头。但展馆里数量增长最快的，是自称“AI Infra”的公司。 展馆里不少是熟面孔。做液冷的、做交换机的、做存储的、做集群软件的，今年名片上都多了"AI基础设施"这一行。资源对接平台也在往这个方向靠。产业链的各环节，似乎都在向更靠近用户入口的位置移动。 逻辑不难理解：大模型应用的变现路径尚不清晰，给AI"卖铲子"，看起来是更确定的生意。 但走出展馆，产业的真实图景和这份热闹对不上号。 过去三年，各地建起了大批智算中心。如今，一部分在满负荷排队，另一部分却在公开招商、以接近成本的价格寻找客户；与此同时，模型企业和科研机构仍在抱怨算力紧张。 卖铲子的公司越来越多，市场上“能用的算力”却没有同步变多。 缺口出在一个展台话术不会主动提的地方：AI Infra是一条产业链，每家公司交付的是自己那一段——芯片、互连、存储、调度软件。而用户最终买的不是某一段，而是一个结果——任务按时跑完、稳定运行。把分散的环节组织成这个结果，才叫算力服务。 产业链可以千军万马，算力服务注定是少数人的生意。 要理解为什么，得先看清算力这种商品的特殊之处。 01 部件的进步，不会自动变成能用的算力 算力最大的迷惑性，在于它看起来像一种标准品——按卡计费、按小时结算，仿佛和水电一样。 实际上并非如此。 同样数量的计算卡，放在不同的网络、存储和软件环境里，表现可能天差地别：一套集群擅长大模型推理，未必扛得住高通信负载的训练；能跑主流开源模型，不代表能直接承接科学计算或工业仿真。 哪怕设备完全相同，系统规模、互连效率、任务调度和软件适配不同，最终交付给用户的有效算力也不一样。 产业链交付的是部件的性能，用户需要的是系统的结果。中间隔着大量的工程整合工作——而这恰恰是链条上大多数参与者并不涉足的环节。 于是，一个部件层面高度繁荣的市场，滋生了大量尴尬的中间状态：有资源，但不好用；有平台，但控制不了资源；有客户，但解决不了应用问题。 撮合平台可以告诉你哪里还有空闲的卡，却没法隔着调度界面解决驱动不兼容、存储瓶颈和集群通信效率下降；资源方可以出租设备，但帮不了客户迁移应用；集成商能把系统建起来，却不一定有能力持续导入任务。 这就是算力短缺和资源闲置能够同时存在的原因：用户缺的从来不是一张卡，而是一套“开箱即用、运行稳定、故障兜底”的计算环境。 看到这里，一个自然的疑问是：大型云厂商不就是干这个的吗？ 在标准化场景里，确实如此。头部云厂商的GPU云服务已经足够成熟，弹性、计费、生态一应俱全。 但云的商业模式建立在标准化和规模化之上，天然优先服务需求量大、负载可预测、毛利结构清晰的客户。而有几类需求，恰好落在这一模式的覆盖盲区： 科学计算和工业仿真，定制化程度高、单客户规模有限，还要求FP64精度和特殊软件栈，投入产出比远不如标准推理业务；涉及数据主权、本地化
近日，纳斯达克医疗科技企业 ENvue Medical（FEED）对外正式亮相ENvue Drive 原型机——这也是企业认定、 业内首款完整融合AI智能识别、电磁实时导航、机器人自动推送三大模块的喂食管自动放置系统 。 不同于传统导航设备仅能实现导管位置可视化，ENvue Drive首次打通从AI感知到智能决策，再到机械执行全闭环，让床旁喂养管置入从纯人工手动操作，迈向标准化自动化作业。 虽然设备目前仍处于原型机预临床阶段，尚未提交FDA审批、未实现商业化落地，但这款产品的亮相释放清晰产业信号：医疗AI正在跳出传统辅助判断边界，正式进入临床实操执行环节， 01 看得见的风险，做不到的精准 喂养管置入是ICU重症监护患者最为高频的床旁操作之一。 导管需要经过鼻腔、咽喉、食管，最终进入胃或小肠。路径不长，但一旦误入气道，便可能引发误吸、气胸、肺部损伤甚至死亡。对于意识障碍、机械通气或解剖结构复杂的患者，这一风险进一步放大。 临床统计数据显示，鼻肠管留置过程中导管异位发生率为14.7%，其中2.1%会引发严重并发症甚至死亡。因此，临床形成了一套以安全优先的流程：医护人员依靠经验盲插置管，再通过X线检查确认末端位置。 过去几十年，这一流程几乎没有发生改变。全球医护人力紧缺的大环境，进一步放大了这一难题。而精准度更高的幽门后置管，传统上只能依赖内镜室或介入手术室完成，危重患者转运风险高企。 行业并非没有尝试迭代。传统电磁导航设备解决了“看不见路径”的痛点，但导管推送仍需手动完成，人手抖动、力度不均带来的轨迹偏移依然存在。高端外科及介入手术机器人精度虽高，但设备笨重、造价昂贵，仅适配手术室，无法下沉至普通病房床旁。 床旁置管领域长期缺乏一款兼具“精准感知”与“稳定执行”能力的轻量化智能设备，这正是ENvue Drive试图填补的空白。 02 从感知到执行，AI与机器人重构置管全流程 ENvue Drive并非从零起步。 其底层技术平台ENvue电磁导航系统早已获得美国FDA 510(k)上市许可，并在全美数十家医院实现商业化落地，累计完成数百例临床操作，验证了“零肺部误插”的核心优势。 ENvue系统模型示意图 该系统的核心原理，是通过体表电磁场构建覆盖胸腔与胃肠道的三维定位空间，导管尖端微型传感器可实时反馈位置信息，在终端形成多视角可视化路径。 系统可精准匹配患者体型解剖，智能区分气道与消化道，即便患者术中出现体位移动，也能持续精准定位，从硬件层面解决了传统盲插的视野盲区问题。 在此成熟基础之上，ENvue Drive叠加AI算法与机器人执行模块，实现了从看见到辅助操作的质变。 简单来说， ENvue Drive是一个集成了ENvue导航平台（硬件基础）和Ask Oscar AI软件（智能大脑）的全新机器人辅助系统。 算法端，自研AI智能导航软件Ask Oscar™
Hacker News 通常只提供外链与讨论，不提供原图。
原文来源 spectrum.ieee.org
作者 sohkamyung · 8 分 · 1 评论，未提供正文摘要。
7月24日，AMD在Advancing AI 2026大会上发布Helios机架级AI平台和第六代EPYC“Venice”服务器CPU。其中，Helios搭载新一代Instinct MI455X GPU、Venice CPU及Pensando网络系统。AMD还发布了面向科学计算的MI430X、PCIe形态的MI350P、ROCm.AI，以及面向本地Agent和机器人的“Gorgon Halo”与Kria AI Robotics开发者平台。 苏姿丰为这场发布设定了清晰的主线：AI计算正在从训练加速转向推理，Agent又把一次模型调用扩展为持续推理、工具调用和任务执行。AMD预计，2026年全球约60%的AI算力将用于推理。她说，Agent既需要“大量GPU完成推理”，也需要“大量CPU编排每一个步骤”。 对应这一变化，AMD将战略归纳为计算领先、开放平台和“让AI无处不在”。其中，Helios是核心：AMD希望把GPU、CPU、网络和软件组织成一套完整的AI工厂平台，将竞争从单颗芯片推向机架吞吐、Token成本和系统交付。 01 MI455X与Helios，竞争走向系统级 MI455X和Helios是这场发布的重点。 MI455X配备432GB HBM4，显存带宽达到23.3TB/s，峰值MXFP8算力为20PFLOPS，峰值MXFP4算力为40PFLOPS。与上一代MI355X相比，其显存容量最高提升1.5倍，显存带宽最高提升2.9倍，低精度峰值算力最高提升4倍。 显存是这一代产品升级的重点。随着模型参数扩大、上下文长度增长，推理需要长期保存更多权重和KV Cache。MI455X对计算、缓存、显存和互连的同步升级，最终指向的是更高的真实负载效率。 AMD还给出了MI455X在DeepSeek V4 Flash FP4推理中的代际比较。在预生产或参考硬件、特定模型和配置下，MI455X的Token吞吐最高达到MI355X的34倍，Token成本最高降低18倍。这一提升包含硬件、低精度计算和软件优化等多重因素，仍需等待量产产品验证。 单颗GPU之外，Helios承担着更重的战略任务。 在苏姿丰看来， 前沿AI已经无法依靠单颗芯片或单台服务器满足需求，“整个机架必须作为一个系统来设计” 。CPU负责调度和执行，GPU承担模型计算，高速网络连接机架内外，软件则决定这套硬件能否快速部署并持续优化。Helios正是AMD对这一变化的回应。 传统72卡集群通常由9台八卡服务器组成，再通过Scale-out网络连接。每台服务器拥有独立内存，GPU之间的通信需要经过多次网络跳转，容易引入延迟、拥塞和数据局部性约束。 Helios把72颗MI455X组织成一个统一的机架级系统，提供约31TB HBM4和260TB/s聚合Scale-up带宽。AMD将这种变化概括为“机架成为新