#具身智能
什么是 JEPA ，它和世界模型有什么关系？
JEPA（联合嵌入预测架构）不生成像素或token，而是在潜空间中学习数据的抽象表示并预测状态变化，天然承担世界模型中的状态表征与动态预测功能。它更关注“理解与模拟”，而非“生成与表达”，为机器人、自动驾驶等需长期推理与多模态交互的系统提供更高效稳定的基础能力。
1X 发布最新世界模型，称为机器人 NEO 的认知核心
1X为机器人NEO推出全新世界模型，使其能基于视觉与人类交互视频预训练，在脑中预演符合物理规律的动作，再执行真实操作；支持多方案并行、动态环境适应及自我强化学习闭环，显著提升泛化能力与自主性。
2026 年 AI 发展趋势预测
IBM预测2026年AI将走向多智能体协同作业、数字员工规模化上岗及物理AI落地应用；社交计算催生人机共情的集体智能，可验证AI强化合规透明，量子计算开始融入实际工作流，边缘小模型实现本地高效推理，无定形混合计算推动软硬一体化演进。
Ted 演讲：使用脑细胞的 AI 芯片
Hon Weng Chong团队将活体脑细胞集成至定制芯片，构建出可实时学习《Pong》、直接运行代码的生物计算机；能耗极低、学习迅速，已开放商用及云平台部署，有望推动个性化医疗与药物研发，也引发意识、产权与伦理新讨论。
Figure 宣布 Go-Big 项目，构建全球最大的人形机器人预训练数据集
Figure启动Go-Big项目，利用Brookfield超十万住宅采集的真实人类生活视频，构建全球最大人形机器人预训练数据集。Helix仅凭人类视角视频即实现零样本导航与自然语言驱动的灵巧操作一体化控制，显著提升家庭场景泛化能力与适应性。
π0.5：迈向开放世界泛化机器人的基础模型
π0.5是Physical Intelligence推出的视觉-语言-行动（VLA）基础模型，通过多源异质数据协同训练，显著提升机器人在全新家庭环境中的泛化能力。它能理解物理操作与任务语义，完成清洁、整理等复杂长程任务，仅需约100个训练环境即可接近定制化训练效果，降低对海量场景数据的依赖。
DeepMind 通过神经网络建立果蝇全身物理仿真
DeepMind 基于 MuJoCo 构建高保真果蝇全身物理仿真，集成空气动力学与足部吸附模拟，并用神经网络从真实视频学习运动控制，实现逼真飞行与视觉导航。该“数字果蝇”可解析身体、神经与环境协同机制，技术正延伸至小鼠和斑马鱼。
工业智能化转型：AI 与数字孪生引领制造业未来
AI与数字孪生正推动制造业从“试错”转向“预见”：工业元宇宙实现设备互联与实时预测；虚拟工程师辅助设计，仿真技术加速研发；机器人通过sim-to-real双向学习提升自主性，降低对人工编程依赖。
川崎重工发布新型机器座骑：CORLEO
川崎重工在关西世博会发布氢动力四足机器人座骑CORLEO，灵感源自摩托车设计，通过骑手重心偏移实现自然操控；搭载150cc氢引擎与独立驱动机械腿，可越野越障、跳跃障碍；配备HUD实时显示氢量与稳定性，目前为概念验证阶段。