快讯|清华&上海期智研究院开源Project-Instinct框架,攻克机器人“感知-运动”割裂核心难题;灵心巧手入选毕马威中国“第二届智能制造科技50”榜单

快讯|清华&上海期智研究院开源Project-Instinct框架,攻克机器人“感知-运动”割裂核心难题;灵心巧手入选毕马威中国“第二届智能制造科技50”榜单
🐾 过去24小时,具身智能/AI行业一端是政策、资本与顶尖学术机构合力,为产业的未来搭建更坚实的地基;另一端,新旧玩家则在商业化与生存的现实中奋力搏击,接受最严酷的检验。

🌟 重磅速递

1. 灵心巧手连获行业殊荣,彰显灵巧手赛道领军地位
2026年初,灵心巧手接连获得多项行业权威奖项:入选毕马威中国 “第二届智能制造科技50” 榜单;在星河频率评选中,包揽 “年度灵巧手企业领航奖”“年度灵巧手产品” 双奖;同时获评投中信息 “2025年度锐公司”

这些荣誉集中反映了行业对其在灵巧手领域技术产品化能力与商业化进展的认可。在具身智能规模化应用的关键期,核心执行器厂商的标杆作用日益凸显。

🔬 技术前沿

2. 清华等机构开源Project-Instinct框架,攻克机器人“感知-运动割裂”难题
清华大学交叉信息研究院与上海期智研究院联合发布了开源机器人运动控制框架 Project-Instinct,旨在攻克“感知与运动割裂”的核心挑战。该框架为“本能级”运动智能研究提供全链路工具包,支持从高动态全身跑酷到野外复杂地形徒步等多种能力训练。

其创新在于模块化设计,允许研究者灵活配置,快速复现“Deep Whole-body Parkour”和“Hiking in the Wild”两大顶会级工作。该框架的开源将大幅降低高级运动智能算法的研发门槛,推动行业从预编程动作向自适应“本能”演进。

3. 商汤大装置SenseCore AI云平台获信通院最高级5A认证
商汤科技宣布,其SenseCore原生AI云平台通过中国信通院《算模数用-算力平台服务能力》评测,获业界首个5A卓越级认证。评测显示,该平台在大规模算力纳管、高性能调度、多芯片异构适配等核心能力上领先。

目前,该平台已服务众多大模型厂商,覆盖AIGC、具身智能等场景。据Frost & Sullivan报告,商汤在2025年上半年中国全栈AI云服务市场位列原生AI云厂商第一。此次认证巩固了其作为AI基础设施核心服务商的地位。

🔧 产业动态

4. 贾跃亭FF发布三款机器人并开启预售,称将成美国首家交付公司
法拉第未来(FF)于2月5日在拉斯维加斯发布三款具身智能机器人,包括人形机器人FF Futurist(售价34,990美元)和FF Master,以及四足机器人FF Aegis,并宣布即日开启预售,计划于2月下旬开始交付。公司联合首席执行官Chris Chen声称“将成为美国第一家能够交付真正机器人产品的公司”。FF同时公布了EAI 5x4技术架构和“三位一体”生态战略。

此举被外界视为贾跃亭及FF在汽车业务屡次延期后的“背水一战”。截至发布会结束,官方宣称付费预订量已超1200台。

5. 苹果Xcode重磅更新,原生集成OpenAI Codex与Anthropic Claude
苹果发布了Xcode 26.3开发者工具的重大更新,首次原生集成OpenAI Codex和Anthropic Claude两大AI模型。开发者可直接在IDE中调用AI进行代码生成、重构、调试和文档编写。新引入的“Coding Intelligence”功能赋予了AI Agent更高权限,可跨文件操作甚至修改项目设置。

此举被看作苹果面对AI编程工具竞争(如Cursor、VSCode)的一次关键“防守反击”,旨在通过引入最佳外部模型,巩固其全球超5000万开发者的生态系统,提升开发效率。

💻 产品落地

6. 昆仑天工发布Skywork桌面版AI助手,专注Windows本地化办公
昆仑天工面向全球发布“天工Skywork桌面版”AI助手,这是一款直接运行于本地的Windows应用。其核心特点是数据本地处理,无需上传云端,主打安全与隐私。产品可直读并理解电脑本地多种格式文件,集成了超过100种预设技能,并支持调用Claude和Gemini系列模型。

该产品的发布标志着AI办公助手正从简单的聊天交互,向深度理解用户个人工作上下文、主动执行复杂任务的“OS级同事”演进,同时也加剧了桌面AI Agent赛道的竞争。

🔍 猫站长热点解读

FF的“豪赌”与巨头的“赋能”:生存游戏与生态游戏
贾跃亭的FF发布机器人与苹果Xcode集成AI,看似风马牛不相及,却揭示了同一时空下产业的不同维度。FF的发布会,是一场关于生存与信誉的极限豪赌。在汽车故事难以为继时,必须讲一个更性感、更前沿的故事来获取续命资金。其公布的交付时间表与订单数据,是真是假已不重要,重要的是它必须向市场证明“这次不一样”。

而苹果的更新,则是一场关于巩固与赋能的生态游戏。它不必亲自造出最牛的AI模型,只需将最好的模型“请进来”,就能让整个iOS开发生态的战斗力倍增,锁住开发者。一边是初创公司为活下去的“秀肌肉”,另一边是科技巨头为繁荣生态的“搭舞台”。

这两类故事将长期并存,但投资人需要极度清醒:前者是高风险高不确定性的冒险,其价值取决于能否跨越从“PPT”到“稳定现金流”的死亡谷;后者则是高确定性的价值增强,关注的是其生态壁垒能否因此加深。


本资讯由AI猫站长精选自公开信息,仅供参考,不构成任何投资建议,喵~

Read more

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

* 本文重点在于文心大模型的微调 * 一起来轻松玩转文心大模型吧👉一文心大模型免费下载地址: https://ai.gitcode.com/theme/1939325484087291906 计算机配置 * 在国内部署选个自带CUDA的会快一点,不自带还得去NVIDIA下载,而其提供的CUDA依赖需要科学上网才能下载快。换阿里清华源也没用。 * 文心模型汇总 环境配置与部署 1. 更换镜像源(使用阿里云镜像源): sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo sed -i 's|http://archive.ubuntu.com/ubuntu|http://mirrors.aliyun.com/ubuntu|g' /etc/apt/sources.

AI无人机赋能乡村道路管护构建智慧交通的“最后一公里“新范式,基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建公共交通道路场景下路面缺陷病害智能化检测预警系统

AI无人机赋能乡村道路管护构建智慧交通的“最后一公里“新范式,基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建公共交通道路场景下路面缺陷病害智能化检测预警系统

在乡村振兴战略的推进过程中,"村村通"工程作为连接城乡的重要纽带,已实现全国98%以上的行政村通硬化路。然而,随着农村公路里程的快速增长,传统人工巡检模式逐渐暴露出效率低、覆盖难、响应慢等痛点。当AI技术遇上低空无人机,一场乡村道路管护的智能化革命正在悄然发生,为破解农村交通治理难题提供了创新方案。 一、传统巡检之困:乡村道路管护的"阿喀琉斯之踵" 农村公路具有"点多、线长、面广"的典型特征,全国农村公路总里程已突破450万公里。传统人工巡检模式下,养护队伍需定期徒步或驾车巡查,日均巡检里程不足20公里,且受地形限制,桥梁涵洞、临水临崖等特殊路段存在巡检盲区。某农业大省调研显示,农村公路病害发现平均滞后周期达47天,裂缝发展成坑槽的比例高达63%,直接导致养护成本增加3-5倍。 更严峻的是,农村地区技术人才短缺,巡检人员平均年龄超过50岁,对裂缝宽度、沉陷深度等关键指标的判断依赖经验,数据记录仍采用纸质台账,难以实现病害发展的动态追踪。这种"被动式"

AI绘画提示词工程:从基础原理到高效实践

快速体验 在开始今天关于 AI绘画提示词工程:从基础原理到高效实践 的探讨之前,我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来,但作为开发者,如何将大模型(LLM)真正落地为一个低延迟、可交互的实时系统,而不仅仅是调个 API? 这里有一个非常硬核的动手实验:基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。 从0到1构建生产级别应用,脱离Demo,点击打开 从0打造个人豆包实时通话AI动手实验 AI绘画提示词工程:从基础原理到高效实践 背景:提示词的重要性与当前痛点 AI绘画模型如Stable Diffusion已经让图像生成变得触手可及,但很多开发者发现,同样的模型在不同提示词下表现差异巨大。常见问题包括: * 语义歧义:模型对抽象词汇理解不一致,比如&

面向电力线场景下无人机返航任务的尺度不变逼近检测器

点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID|计算机视觉研究院 学习群|扫码在主页获取加入方式 https://pmc.ncbi.nlm.nih.gov/articles/PMC11852856/pdf/biomimetics-10-00099.pdf 计算机视觉研究院专栏 Column of Computer Vision Institute 无人机为电网维护提供了高效解决方案,但返航过程中的避障问题面临跨越电力线的挑战,尤其对于计算资源有限的小型无人机而言更为突出。传统视觉系统难以检测纤细、复杂的电力线,常出现漏检或误判。尽管深度学习方法提升了图像中静态电力线的检测效果,但在动态场景下仍难以实时识别碰撞风险。 PART/1      概述    受视叶巨运动检测器(LGMD)通过检测逼近目标的连续、聚集运动轮廓,从而区分背景中稀疏、非相干运动的机制启发,本文提出一种尺度不变逼近检测器(SILD)。SILD通过视频帧预处理实现运动检测,利用注意力掩码增强运动区域,并模拟生物唤醒机制识别逼近威胁、抑制噪声;同时可预测高速飞行中