搜索
从 GPT-6 在演示里用 Blender 做三维建模，到 AI 短剧占据越来越多的屏幕时间，再到机器人走进真实场景，看似不同的应用，正指向一组共同的能力要求：理解物体在哪里、彼此如何关联、状态怎样随时间变化，以及采取行动可能带来什么结果。
一个充电器，一根缠成一团的线。
想象一下，你向几个 AI 倾诉最近的压力。
近日，在NVIDIA Research推出的GPU算子性能评测榜单SOL-ExecBench [1] 上，无问芯穹（Infinigence AI）取得亮眼成绩： 先后登顶L1基础算子、L2融合算子、Quant量化算子与FlashInfer-Bench推理算子全部四大赛道。
每个做 AI 系统的人都经历过这个阶段：效果上不去，又不知道往哪使劲——读轨迹、改 prompt、调配置，靠人一轮轮试，一试就是好几天。
近期，Meta 的 Muse、OpenAI 的 Dot 等产品相继推出，让 Personal Agent（个人智能体）再次成为大模型领域的关注焦点。相比传统的对话助手，这类 Agent 不再局限于回答问题，而是能够结合用户的个人背景、历史记忆与应用上下文，主动执行任务并持续推进长期目标。一个更具主动性、能够长期陪伴用户的 AI 助手，正在逐渐成为现实。
家庭不需要万能机器人。
材料是 AI 最难进入的行业之一。实验周期长，数据采集难度大；材料的理论性能与成品的实际性能存在差异；并且材料从实验室走到工业界有巨大量产鸿沟。因此，一种新材料从确定原子怎么排列，到在产线上稳定量产，通常要走十年以上。
近两年，视频世界模型（video world model）成为生成式 AI 最受关注的方向之一。只需给定一张参考图和一段场景描述，模型就能根据用户输入的相机位姿或控制指令，逐帧生成出一个可以自由漫游的虚拟世界。
理论计算机界，也被 AI 轰炸了！