搜索“DeepMind”

并没有向投资者承诺具体的商业化时间表——话里话外都是 完全不急着赚钱 。 不是？完全没有商业化收入，资本却给出了更高的估值溢价……神了。这帮平时精明得要死的老钱和VC集体失心疯了？ 或许你会觉得这是彻头彻尾的泡沫。但翻开PI的创始团队名单，就能明白顶级风投为何不看营收也敢下重注。 这家公司成立于 2024年 ，坐标美国旧金山。核心创始团队来自 Google DeepMind、斯坦福大学和加州大学伯克利分校 ，堪称全球机器人学术界和工业界的天花板阵容： 联合创始人兼首席执行官 Karol Hausman ，此前在Google与Google DeepMind深耕多年，是负责前沿机器人研究的核心科学家，还是斯坦福大学兼职教授，长期主导谷歌机器人的前沿探索。 联合创始人 Sergey Levine ，加州大学伯克利分校（UC Berkeley）教授，机器人学习和强化学习领域宗师级的大神，很多研究具身智能的学生应该都读过他的论文。 以及联合创始人 Chelsea Finn ，斯坦福大学助理教授，元学习和机器人领域的领军学者（也曾是Levine的博士生）。 还有一位联合创始人，就是前面提到的 La

匹配字段正文

ie 4，这是一款能够生成逼真三维环境的人工智能模型。 该算法是该公司于 2024 年推出的一系列世界模型中的最新成员。与其前代相比，Genie 4 更擅长渲染流体运动和其他复杂细节。此外，它还能生成配套音频，例如海浪拍击的声音。 “最显著的飞跃在于 Genie 4 如何模拟人物，创造出动作自然、能对环境做出有机反应、并可实时交互操控的角色，”Google DeepMind 员工 Raia Hadsell、Diego Rivas 和 Hang Qi 在博客文章中写道。 用户可以通过向 Genie 4 提供希望渲染内容的自然语言描述来创建虚拟世界。随后，他们可以浏览模拟场景，并通过输入后续提示词进行编辑。例如，用户可以要求 Genie 4 改变天气或添加更多物体。该模型进行此类编辑时，不会降低虚拟世界的照片级真实感或一致性。 Genie 4 的自然语言界面与键盘控制并存。键盘控制可用于改变摄像机的位置和角度。 在底层，Genie 4 使用 Google 的其他多个模型来提升其输出质量。它依赖这家搜索巨头于 5 月推出的视频生成器 Gemini Omni，以确保其生成的视觉素材逼真。Gem

匹配字段正文

CEO劈柴哥在x上更是凡尔赛地调侃道（doge）： 我之前就说过，我们会周期性地发布模型……现在向大家介绍Gemini 4 Carbon。 结合此前曝出的内部信息来看，谷歌实际上在内部同时并行训练和评估了Argon、Barium、Carbon等多个Gemini 4存档点（其中公开发布的Argon实为内部的Barium-B存档点）。 在官方公告不起眼的角落里，谷歌DeepMind高级副总裁、首席AI架构师Koray Kavukcuoglu透露了真正的秘密： “我们的研究人员正与我们的模型携手并进（working hand in hand），以更快的速度推进能力演进，同时同步强化安全护栏。” 不过，谷歌还是你谷哥，发布≠上架。 由于Carbon具备较强的漏洞挖掘与利用能力，还要进行发布前测试流程。从本周开始，Carbon将率先向一部分网络安全防御人员开放。 还记得Argon从发布到真正给你用过了多久吗，这次等的也不会短就是了。 眼下Anthropic上市的关键节点上，这下该把Fable 5.5放出来了吧？ 至于沉迷发中杯Terra模型和短信通知Dot的OpenAI，我祝他好运。 参考链接：

匹配字段正文

改进版。（鞭牛士） 17岁天才少年离开Kimi后被争抢！美国AI大牛已发出邀请，本人回应 10月28日消息，据媒体报道，最近AI圈被一个名字刷屏了——17岁的陈广宇。本月15日，00后天才少年陈广宇在社交平台发文宣布，日前已离开月之暗面的Kimi团队，但并没有对外透露自己接下来的去向，仅表示还希望继续探索更多新方向。 消息一出，迅速引发热议。几乎同一时间，前DeepMind推理架构负责人、现Anthropic研究员肖尔托·道格拉斯现身评论区，公开邀请他去旧金山。面对肖尔托·道格拉斯的邀请，陈广宇回复：“谢谢Sholto！我正要去湾区。”也有分析认为，他离开或是去读大学。 有传闻称，陈广宇前脚宣布离开，后脚便收到5份工作邀约，金额均在100万美元以上。公共资料显示，陈广宇于2009年出生，曾就读于原北大附中深圳南山学校，后转入华润小径湾贝赛思国际学校，今年6月刚刚高中毕业。去年11月，年仅16岁的他加入Kimi团队，担任机器学习研究员，以此计算，他在Kimi工作的时间不超过一年。（快科技） 飞书首席战略官史志隽将卸任 10月28日消息，据媒体爆料，飞书原副总裁、首席战略官史志隽即将卸任，

匹配字段正文

。 不止 Artificial Analysis，Arena.ai 最新公布的榜单也显示，Gemini 4 Carbon（High）在 Text Arena 登顶第一、Agent Arena 排名第二、Code Arena WebDev 排名第四。 伴随着新模型登顶，谷歌内部也开始为 Gemini 积极造势。此前从 Anthropic 跳槽至 Google DeepMind 的华人研究员姚顺宇，同样为 Gemini 系列宣传打 call。 除了综合排名，Gemini 4 Carbon 在实际工程任务上的表现也有明显变化。 过去，大模型可以在几分钟内写出一段程序，但面对大型软件工程，问题就复杂得多。一个隐藏在数百个文件中的故障，可能需要开发者反复检查依赖关系、定位异常、修改代码，再经过多轮测试才能解决。 谷歌表示，Gemini 4 Carbon 已经能够连续运行数天，处理大型代码库和底层系统中的复杂工程问题，即使遇到障碍，也能持续寻找其他方案，最终定位并修复一些隐蔽的软件缺陷。 网页开发方面，Gemini 4 Carbon 在 WebDev Arena 上的 Elo 评分提升了 89 分

匹配字段正文

室之一提供的机会，来参与讲述有史以来最伟大的故事之一。 “任务简报是‘帮助我们理解这项技术，它的优势在哪里，哪里可以改进’。” 订阅《电影周刊》 通过我们的每周电子邮件，在影院占据前排座位，获取所有最新新闻和所有重要的电影动态 彼得·布拉德肖在《卫报》的评论中给它打了一星，称：“每一个戏剧性时刻——奥德修斯装疯卖傻并同意参战、告别家人、海上旅程的艰辛与冒险以及高潮处的决定——都像笔记本电脑屏保上形状的移动一样毫无动机、毫无意义。” 发布在Grok Imagine X账号上的这一集已获得730万次观看和一些严厉反馈，《每日电讯报》的一位评论者说：“当它以全部邋遢的恐怖感展开时，你能感觉到自己的眼球在抽动。” 柯林斯表示，Wonder的目标是让下一集比第一集有所改进，并将回应批评，包括船只的历史准确性和节奏过快的问题。 “我们将审视所有评论以及所有我们本可以做得更好的地方，看看能否改进。目标是，我们制作的最后一集要比第一集有根本性的提升，”他说。 Wonder还与谷歌DeepMind合作，为刘易斯·卡帕尔迪的歌曲《Something in the Heavens》制作了一段AI生成的视频。

匹配字段正文

商业软件、机器人等英伟达产品的应用场景。 人工智能的关键在于芯片、模型以及数据。这些领域的美国企业动辄几十亿、上百亿美元的融资，比如OpenAI现在谋求300亿美元的融资；中国企业沐曦上市前融资超过100亿人民币，DeepSeek则被传出正在融资1000亿人民币。 即便欧洲诞生人工智能的幼苗，它们也不容易在欧洲本土找到类似美国、中国的充足资金。 2014年，DeepMind被谷歌收购的时候，欧洲人工智能的融资困局就已经很明显了。这家公司成立于英国，创始人Demis Hassabis曾试图让它保持独立，但难以在英国这个欧洲金融中心得到风险资本支持，之后才被谷歌收入囊中。Demis Hassabis也加入了谷歌，并在2024年凭借“蛋白质结构预测”获得了诺贝尔化学奖。 美国、中国是这一轮人工智能浪潮的两大中心，而欧洲则处于相对边缘的地带，这是历史上产业断裂、人才积累不足和资金匮乏等多方面因素造成的。黄仁勋希望英伟达的AI工厂为欧洲企业所接纳，他也带来了一大笔资金。但这些对于欧洲产生本土的AI生态作用有限。 欧洲人工智能赶超美国或者中国的步伐，似乎难以完成的任务。欧洲企业最好的办法依然是拥抱

匹配字段正文

容，但"显著修改""明显虚构"等标准模糊，裁量权实质交还广告主，形成"宽覆盖、软执行"格局。 3.执法、罚则与格局：仅州检察长与地区检察官可执法，民事罚款上限3000美元且无私人诉权，威慑有限；叠加各州规则互不兼容、美国尚无联邦综合AI立法（白宫2025年12月、2026年3月框架均推动联邦优先），中小广告主合规风险最高，大企业则倾向于将罚金计入成本。 九、DeepMind：持续学习能力成招聘关键指标 1.DeepMind招聘信号转向：2026年10月25日据DoNews快讯报道，谷歌DeepMind首席运营官转任“首席AI就绪官”的莱拉·易卜拉欣表示，AI把获取答案的成本压到接近零后，招聘正从考察“你知道什么”转向“你还能学会什么”，自学项目、开源贡献等“非正式资历”更受看重，学历仍有参考价值但已非决定项，应届生正系统地把课堂外学习经历写入简历。 2.底层动因是技能半衰期缩短：LinkedIn《Skills on the Rise 2026》（2026年2月发布）指出，雇主日益优先考虑技能而非学位、职位头衔与线性职业路径，五到十年前掌握的技术已无法自动证明当下能力；企业购买的不是候选

匹配字段正文

功能运行于Mythos 5并向企业客户开放，暴露“对外输出的最强网络能力”恰是对齐最薄弱环节的结构性张力。 三、Anthropic 刚交出 19 起自主攻击，英国却把 1 亿英镑押进它的生物安全实验室 1.英国政府宣布投入1亿英镑建设新的AI生物安全实验室（AIBL），由OpenAI（1亿英镑算力与模型额度）、Anthropic（最高1亿英镑模型额度）及谷歌DeepMind共同支持，合计最高2亿英镑额度，用于检测和监测生物威胁；AI安全正从“公益合规”转向“主权采购”。 2.Anthropic处境两难：2026年5月完成650亿美元H轮融资、投后估值9650亿美元，6月1日秘密提交S-1草案、IPO目标估值约2万亿美元；但英国AISI于8月4日报告披露，在122次测试中出现10次越权行动、累计19起未经授权自主行为，其中17起来自Claude Mythos 5，安全叙事与上市估值形成张力。 3.英国“先看一眼”的预发布访问权并不稳固，2026年9月24日至10月11日白宫曾要求OpenAI、Anthropic暂缓向英国AISI分享新模型，促使英国以正式合同固化访问权；安全能力由此被重新

匹配字段正文

mpt engineering is dead. Prompt however you want. Have fun。提示工程已死，想怎么问就怎么问，玩得开心。 三句话，加起来 10 个英文单词。可就这 10 个词，在 AI 圈掀起了滔天巨浪。 这话不是谁说都有这分量。 Goodside 做过 Scale AI 的首席提示词工程师，后来又加入 Google DeepMind 继续干这行。Scale AI 的 CEO Alexandr Wang当年亲自站台说，他打赌 Goodside 是全球第一个被正式雇用的提示词工程师。 早年他靠公开做实验出名，专门研究怎么跟大模型打交道，连「提示注入攻击」这个安全概念都是他早期研究的重点方向之一。 有网友评论一针见血：这话出自一个几乎亲手设立了这个职位的人之口，真是一篇有趣的悼词。 念「咒语」的日子，你也经历过吧 把时钟往回拨一拨。 ChatGPT 刚火那阵子，谁的收藏夹里没躺过几份「万能提示词模板」呢？ 先给 AI 指定一个身份——「你是一位资深 XX 专家」，再规定输出格式，再叮嘱一句「请一步步思考」，最后还得加两句客气话。 那时候大家是真信这个

匹配字段正文

本周五(10月23日)，美国能源部宣布，已根据《2020年能源法》将氦气认定为关键材料，以加强美国制造业和供应链安全； ②美国能源部长克里斯·赖特在一份声明中写道，氦气对于生产推动美国经济发展的半导体和先进技术至关重要。 OpenAI、Anthropic齐参与！全球首个AI生物安全实验室将问世 财联社 潇湘 2026-10-24 15:45 ①英国内阁办公厅周六发布公告表示，英国将设立一个国家级人工智能生物安全实验室，以帮助加强其应对新出现生物威胁的防御能力； ②该实验室将由OpenAI、Anthropic与Google DeepMind共同支持，这是英国为提升理解并化解AI技术潜在风险而推出的一揽子关键举措之一。 什么信号？亚马逊CEO：AWS 2027年容量基本售罄，巨额投资仍难匹配需求！ 财联社 黄君芝 2026-10-24 13:40 ①受人工智能基础设施需求不断增长的影响，亚马逊网络服务的云计算容量在2027年底前已基本售罄，且大量订单已排至2028年； ②亚马逊计划在2026年投入约2200亿美元用于资本支出，反映出其对数据中心和配套基础设施的积极投资，但供应仍然受到限制。

匹配字段正文

立的反馈可回原会话，原会话也可判断是否采纳。 · 找茬往往比创造容易，对抗侧有时可用略弱模型。 · 两类任务：自己完全不懂好坏 → 多砸 token/多轮 AI；自己能当「甲方」判断观感（如他不懂 Blender 但能判网站 3D 好不好）→ 观感即可。 Agent、Skills、数据怎么摆 · 偏刺的观点：行业对「Agent 角色扮演」过转；模型是强通才，DeepMind 定制数学银牌后，通才模型很快拿金。硬套「你是数据科学家」常限制用法；他多数任务不设人设。 · 与其给每个 agent 切一小片数据，不如给全景业务视图 + 文档清楚的工具（需要业务数据就调业务工具，不必整库灌进上下文）。工具调用变强后，他不再优先做「该给谁哪片数据」的决策。 · Skills：官方与他个人都劝慎用；半衰期极短，有时删掉 skill 输出更好；上一世代模型的规矩常会绑住新模型。 · 换位成「模型体验」：你会要原始数据、一台电脑、装软件的权限、少被别人先下结论，而不是只听人转述。 不信任什么 · 问「还信不过 agent 做什么」时，他改答：更不信同一个会话自评；当前会话当自己工作的法官仍很不靠谱。尽量

匹配字段正文

用这些条件，而非公司成立了多少年。 机器开始学习新的工作 汽车工厂并不缺机器人，固定机械臂擅长的焊接、喷涂等工作，早已形成成熟方案。今天还要研究人形机器人，是因为企业希望机器处理更有变化的任务：物品的位置会变，生产的型号会变，原本由人完成的取放、搬运和操作，也很难全部用一套固定动作覆盖。 视觉、语言与动作模型正在尝试把环境、指令和动作联系起来。Google DeepMind在2025年公布的端侧机器人模型，已展示通过少量示范适应新任务的研究进展。对车企而言，值得下注的方向是：汽车换型、零件换位置之后，机器人能否通过训练继续工作，减少每次重新开发专用方案的负担。 人形结构的吸引力也与此有关，大量工位、工具和通道本来就是供人使用的，接近人的操作范围，使机器人有机会沿用部分现成环境。企业便可以尝试把机器送到任务面前，而不必每次围着设备重建一套工作场地。双足并非所有任务的最佳选择，稳定地面上的轮式设备也能完成许多工作；车企最终购买的仍是适合任务的方案。人形带来的空间适应性，要与动作能力一起证明价值。 宝马与Figure的合作，已经展示了真实任务怎样改变机器人。Figure 02在斯帕坦堡工厂承

匹配字段正文

系统开展双足行走研究，1973年WABOT-1成为全球首个全尺寸人形机器人；此阶段以运动机理为主、智能能力初步萌芽。 动态运动时代（2000s—2022）：本田ASIMO、波士顿动力Atlas/PETMAN等推动高动态运动控制，感知与规划能力快速提升，但智能化程度有限，尚未形成任务级泛化能力。 商业化爆发（2023至今）：大模型与具身智能结合，Google DeepMind于2023年7月发布RT-2，标志VLA（视觉—语言—动作）范式正式确立并成为主流技术路线，资本与政策同时进入。 不同形态成熟度差异显著：工业/协作机械臂、AMR 已规模商用，人形机器人正从工厂与仓储试点向小批量部署过渡；面向家庭场景的通用产品，距离大规模可用仍有相当距离。过去三年的进展速度明显快于此前三十年。 梳理上述历程可以提炼一条清晰规律：每一轮产业加速，都由上一层“底层能力外溢”触发——控制理论外溢带来运动与平衡能力，催生了工业机械臂；机器学习外溢带来感知与识别能力，催生了视觉与导航应用；当下的外溢则是通用大模型，其显著降低了任务理解与指令跟随的门槛，推动了VLA与任务级泛化。然后，运动控制、可靠性与成本这三

匹配字段正文

3.0同期的3倍。 这是Google最新旗舰模型Gemini 4 Argon交出的首秀成绩单。哪怕是家底丰厚的Google，面对瞬间涌入的调用需求，也不得不再次实施算力限流。 在科技播客《Sources》的最新访谈中，Google CEO桑达尔·皮查伊复盘了Gemini 4 Argon的发布细节，首次公开解释了Gemini 3.5 Pro为何神秘消失，以及DeepMind核心管理层变动的幕后原因。 1.砍掉3.5 Pro直接冲刺Argon，内部研发已进入RSI阶段 过去几个月，外界一直好奇曾在I/O大会上提及的Gemini 3.5 Pro去哪了。皮查伊在访谈中直接给出了答案：为了抢夺Agent编程能力的高地，被团队主动舍弃了。 今年年中，Google在训练3.5系列时发现，模型在Agentic Coding上存在明显缺口。团队判断，利用体积更小、效率更高的Flash版本进行高频迭代，是补齐短板的最快路径。于是Google在约3个月内密集推进了从3.5、3.6、3.7到3.8 Flash的连续迭代。 当这套技术方案跑通并准备应用到Pro版本时，Gemini 4.0 Argon的预训练已

匹配字段正文

为的后果 AI智能体的数据架构需要一个联邦式知识层吗？ 从脑扫描到图像：AI如何重建人们当前所见 OpenWiki实测：为编程智能体提供记忆 教程：用来自互联网的最新事实丰富本地AI模型 链式操作如何变成风险：AI智能体中的传话游戏 Thomas Brox是弗莱堡大学模式识别与图像处理教授，他本人也在那里训练世界模型。 （图片：弗莱堡大学） 从根本上说，谷歌DeepMind的AI系统AlphaGo在2015年至2017年间战胜了多位职业围棋棋手，它也已经具备某种世界模型。不过，其内部表征仅限于棋盘游戏。“现实世界当然要复杂得多，无法用几条简单的游戏规则来描述，”Brox说，他在自己的计算机视觉研究团队中也在训练世界模型。“因此，当前世界模型的思路是从数据中学习。” 以上是我们heise-Plus文章《世界模型：AI如何学会预测行为的后果》的试读部分。订阅heise-Plus即可阅读全文。 从2035年起，欧盟新车中不应再允许使用内燃机。然而，这一妥协正受到攻击。为什么？一篇评论。 如果在寻找家庭用车时也考虑较新的二手车，选择范围会大大扩展。对5万欧元以下车型的比较。 新的移动处理器为迷

匹配字段正文

pify 的持续学习案例研究。 第 0 天：培训、工作坊和同期活动 10 月 19 日的第 0 天议程包括： PyTorch：携手 Red Hat、NVIDIA 和 IBM 赋能企业 LF AI & Data Summit 2026 PyTorch 助理培训 Jupyter Day 从学术到应用工作坊 Arm Create 携手 Google、Google DeepMind、Nota 和 Renesas 在 Amazon SageMaker 上微调 LLM 并使用 GenieX 在设备端运行 The PyTorch 助理培训 提供了一项线下、由讲师主导的课程，聚焦于 PyTorch 认证助理（PTCA）考试. 所涵盖的基础和实践技能。通过讲座、演示、指导实验和评估，该培训旨在帮助参与者从零开始构建和优化真实世界的模型。完成课程还包括一张认证考试代金券。 感谢首席讲师 Faradawn Yang、内容创作者 Sahdev Zala，以及助理讲师 Allison Ding、Krishna Kalyan、Santosh Bahir、Lakshay Garg 和 Ian Wang。 由 PyT

匹配字段正文

omas Wolf，以及多家风险投资机构。 Enact（正式名称为 Eta Robotics AG）于今年早些时候由首席执行官 Manuel Yves Galliker 创立。这位高管此前曾在机器人初创公司 Physical Intelligence Inc. 和 1X Technologies AS 担任工程岗位。Enact 团队还包括来自 Google DeepMind、Amazon.com Inc. 及其他行业主要参与者的前员工。 Enact 正在开发专门用于控制机器人的 AI 模型。这类算法过去通常针对特定的机器人形态量身定制。因此，一个为驱动人形机器人而构建的模型，可能无法可靠地操作一台独立的机械臂。相比之下，Enact 的算法旨在支持多种多样的机器人设计。 早期初创公司通常使用开源模型的定制版本来驱动其软件。最近的一则招聘信息表明，Enact 正在采取不同的路线。该公司正在招聘一名具备预训练专长的 AI 研究员——预训练是指从零开始开发 AI 模型，这项任务可能比定制开源模型要困难得多。 Enact 表示，公司不仅开发 AI 模型，还开发机器人的物理组件，其中最引人注目的是

匹配字段正文

利马特河谷在过去几年中已确立为机器人领域的领先地区。 创始人、团队与苏黎世基地 Enact 由 Manuel Yves Galliker 于 2026 年 3 月创立，他此前曾领导 1X 旗下 NEO 人形机器人的软件团队，帮助在硅谷组建 1X 的 AI 团队，之后在机器人实验室 Physical Intelligence 工作。该公司十二人的团队包括来自 DeepMind、1X、Amazon Robotics、Helsing 和 Physical Intelligence 的工程人才。此前在 redalpine 担任深科技投资人的 Philip Kneis 也已加入，负责推动公司增长。 Galliker 表示，物理 AI 的优势在于可以从已经具备的强大推理、语言和视觉能力出发，而不必收集教机器人理解世界常识所需的每一条数据。“我们可以基于现有模型（例如视频模型）进行构建，并调整它们以输出机器人动作，从而与真实世界交互，”他说。他表示，Enact 正在解决的问题是从经验中高效学习和可靠地执行任务，而这两者都要求模型理解机器人自身的物理特性以及当前任务。 该公司有意决定在苏黎世而非湾区建

匹配字段正文

我们可以无视他们。” 我们在自己的受众身上也看到了这一点，对吧？“我们不能发布这个模型，太危险了。”“这只是为了撑起泡沫的炒作。”如此种种，不一而足。 是的。业内人士对这些模型发出的警告，没有一条是言不由衷的。它们绝对是真话，而且几乎是普遍共识。你甚至可以回溯OpenAI的创立故事，其初衷就是：“如果我们变得过于强大，也许我们可以不打开潘多拉魔盒”，或者看看DeepMind与谷歌管理层的谈判。 接近此事的人非常担心滥用、就业影响、社会关系影响，我要说，有一个行业能像他们这样鲜明地发声，令人印象深刻。一些局外人说：“找个更好的公关公司吧。”但这忽略了这些警告都是事实这一点。 你的人生显然在将软件和技术商业化与做人道主义者之间来回切换。这些公司尤其有某种特质：它们三家——Anthropic、OpenAI和DeepMind——都始于非常崇高的理想，即构建AGI。 它们都建立了某种公司治理结构，以避免商业化和不受约束的资本主义的陷阱，然后它们开始向企业客户销售，似乎很快就背离了那些理想。你认为这仅仅是市场使然吗？ OpenAI重构了自身。 不，不。所创建的那种架构，在你面对大量处于前沿的公司时

匹配字段正文