https://ai.programnotes.cn/tags/zeva/ Recent content in Zeva on AI Hugo -- gohugo.io zh-CN Tue, 01 Sep 2026 00:00:00 +0000 https://ai.programnotes.cn/p/%E6%99%BA%E5%B9%B3%E6%96%B9%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%85%A5%E9%A9%BB%E9%A6%99%E6%B8%AF%E5%85%B0%E6%A1%82%E5%9D%8A-%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD%E5%87%BA%E6%B5%B7%E8%B7%91%E9%80%9A%E5%85%A8%E9%93%BE%E8%B7%AF/ Tue, 01 Sep 2026 00:00:00 +0000 https://ai.programnotes.cn/p/%E6%99%BA%E5%B9%B3%E6%96%B9%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%85%A5%E9%A9%BB%E9%A6%99%E6%B8%AF%E5%85%B0%E6%A1%82%E5%9D%8A-%E5%85%B7%E8%BA%AB%E6%99%BA%E8%83%BD%E5%87%BA%E6%B5%B7%E8%B7%91%E9%80%9A%E5%85%A8%E9%93%BE%E8%B7%AF/ <img src="https://ai.programnotes.cn/img/ai/AI.png" alt="Featured image of post 智平方机器人入驻香港兰桂坊 具身智能出海跑通全链路" /><h2 id="1-智平方alphabot-2入驻香港兰桂坊-中国具身智能首次跑通出海全链路">1. 智平方AlphaBot 2入驻香港兰桂坊 中国具身智能首次跑通出海全链路 </h2><p>8月31日，深圳具身智能企业智平方（AI² Robotics）旗下通用智能机器人AlphaBot 2（爱宝）正式入驻香港兰桂坊一家酒吧，为顾客提供鸡尾酒调制与互动服务。这是中国具身智能首次在高度复杂的境外商业原生环境中实现真实上岗，标志着智平方率先跑通从硬件出关、清关合规、取得香港本地饮品售卖资质到真实商业环境中合法可持续常态化运营的全链路闭环。爱宝搭载智平方自研类脑架构具身大模型NeuroVLA，借鉴人脑&quot;皮层—小脑—脊髓&quot;协同机制：皮层负责语义理解与任务规划，小脑处理高频运动协调与动态修正，脊髓主管毫秒级安全反射。实测数据显示该架构可将机器人运动抖动降低75%以上，遭遇意外碰撞时20毫秒内完成反射响应。兰桂坊高密度动态人流、嘈杂声场与复杂灯光对机器人感知决策构成综合考验。</p> <p>值得关注的原因：具身智能行业正从展台演示走向商业化验证。智平方此前已在北京、上海、深圳等十余省市以&quot;智魔方&quot;模块化服务空间实现常态化运营，此次从标准化服务空间跃迁到开放式酒吧，验证了机器人在动态复杂环境中的作业能力。以香港为跳板跑通出海合规与运营闭环，为整个中国机器人企业出海提供了可复制范式，行业竞争焦点已从单机性能参数转向真实场景的持续运营能力。</p> <h2 id="2-清华air发布zeva具身自进化模型-不调权重越用越强">2. 清华AIR发布Zeva具身自进化模型 不调权重越用越强 </h2><p>9月1日，清华AIR与域变换发布Zeva，首个实现In-Context Causal Learning（ICCL）的具身世界动作模型。Zeva让模型在不更新权重的情况下，从交互经验中持续学习。在RoboCasa365-Atomic5上平均成功率76.8%，真实化学实验室中累计成功率从Evolve 1的26%提升至Evolve 4的73%。一次人类演示即可让模型学会新操作，在Place Beaker任务上最高带来20个百分点提升。Zeva通过Causal Interaction Extractor将动作及其引起的状态变化编码为因果交互信号，存入双时标因果记忆，再通过In-Context Policy Injection注入冻结的策略模型。整个过程零梯度更新，两次尝试之间立即生效，且不会遗忘已有能力。</p> <p>值得关注的原因：Zeva把具身模型的scaling从&quot;参数空间&quot;延伸到&quot;上下文空间&quot;。传统Test-Time Training依赖梯度更新，速度慢、成本高、可能遗忘。Zeva开辟了部署即进化的新范式：每一次失败都变成可检索的因果证据，模型越用越强。这为解决&quot;最后几毫米成功率暴跌&quot;问题提供了全新路径——不是靠更多训练数据，而是靠部署中的交互经验积累。如果ICCL成立，具身智能将多出一条独立于参数规模的scaling曲线。</p> <h2 id="3-具身大脑百模大战提前打响-数据缺口超99引发基建浪潮">3. 具身大脑&quot;百模大战&quot;提前打响 数据缺口超99%引发基建浪潮 </h2><p>据《每日经济新闻》不完全统计，截至8月31日，国内至少已有30家公司发布、预告或明确宣布涉足世界模型。银河通用创始人王鹤提到，2025年发布世界动作模型论文时相关论文仅1篇，一年多后变成171篇；星海图创始人高继扬指出过去18个月全球已出现100多款开源具身基础模型。宇树科技创始人王兴兴指出，机器人在固定场景经充分训练成功率接近100%，但环境稍有变化成功率就严重下降——&ldquo;最后几厘米或几毫米的偏差没办法很好地跟真实世界匹配&rdquo;。与此同时，据中国信通院报告，全球可用高质量真实数据仅为数十万至百万小时级，而具身基础模型迎来&quot;ChatGPT时刻&quot;至少需数千万小时，缺口超99%。2026年上半年25家中国具身智能数据创业公司合计拿到超170亿元融资。工信部8月批准发布《具身智能数据集质量要求及评价方法》，将于11月1日实施。</p> <p>值得关注的原因：具身大脑赛道呈现出上一轮百模大战的特征，但行业既未出现全民级产品教育，也未就模型路线达成一致——VLA、世界模型、扩散模型多路线并行。公司数量最繁盛时往往是淘汰真正开始的时刻，未来1-2年将出现激烈洗牌。数据层面，产业链正从&quot;以硬件本体为核心&quot;向&quot;以数据基础设施为驱动&quot;迁移，数据本身正在变成可交易、可交付的标准化商品。数据质量与多样性取代&quot;累计多少小时&quot;成为核心评判指标，标准化实施将加速行业向头部集中。数据基建赛道是当前具身智能最确定的受益群体。</p> <h2 id="4-deepseek开源首个多模态模型v4-flash-vision-exp-agent能力接近opus-48">4. DeepSeek开源首个多模态模型V4-Flash-Vision-Exp Agent能力接近Opus-4.8 </h2><p>8月31日，DeepSeek在Hugging Face开源首个多模态模型DeepSeek-V4-Flash-Vision-Exp，采用MIT License，公开模型文件、Tokenizer、Prompt Encoding参考实现及最小化PyTorch推理实现。该模型基于DeepSeek-V4-Flash（284B总参数、13B激活）构建，是DeepSeek首个原生多模态模型，在多模态Agent能力上接近Anthropic Opus-4.8。此前DeepSeek已于8月13日发布V4系列文本模型（V4-Pro 1.6T/49B激活、V4-Flash 284B/13B激活），均支持100万Token上下文。V4-Pro在Agentic Coding评测中达开源最佳，世界知识测评大幅领先其他开源模型，公司内部员工已将V4作为Agentic Coding模型使用。</p> <p>值得关注的原因：DeepSeek从纯文本模型扩展到多模态，填补了其在视觉理解与多模态Agent方向的关键空白。V4-Flash-Vision-Exp以MIT License完全开放权重和推理实现，为开源社区提供了可复现的多模态Agent基座。结合V4系列百万Token上下文与全球领先的注意力压缩效率（1M上下文仅需V3.2的27%推理FLOPs和10% KV缓存），DeepSeek正以&quot;能力前沿+完全开源+极低部署成本&quot;三重优势重构开源AI生态格局。</p> <h2 id="5-科大讯飞开源百万上下文端侧大模型星火x25">5. 科大讯飞开源百万上下文端侧大模型星火X2.5 </h2><p>9月1日，科大讯飞全资子公司词元星火推出并开源星火X2.5-4B和星火X2.5-1.7B两款端侧通用大模型，为端侧模型中首个原生支持最长100万Token上下文的模型，可应用于手机、PC、汽车座舱、智能家居和机器人等终端设备。两款模型基于全国产算力平台训练，已在Hugging Face和GitHub开放权重。9月7日还将发布全新一代旗舰通用大模型星火X2.5。</p> <p>值得关注的原因：端侧模型原生100万Token上下文是重要突破，此前端侧模型受限于内存和算力，上下文窗口通常远小于云端模型。星火X2.5将长上下文能力下沉到端侧，配合机器人等具身智能终端设备，可显著提升端侧Agent的推理与规划能力，减少对云端推理的依赖。基于全国产算力训练并在主流平台开放权重，为端侧AI自主可控提供了新的开源选项。9月7日旗舰模型的发布值得持续关注。</p>