OpenAI組織與AGI說法升溫

英偉達前AI總監近日提出一套顛覆性的技術路線，試圖徹底改寫當前人工智慧領域由Transformer架構主導的局面。這項新方向鎖定「物理AI」與超大型上下文窗口，目標是讓模型具備推演整個宇宙運作邏輯的能力，消息一出立刻引發學界與產業界高度關注。 過去幾年，Transformer幾乎成為大型語言模型的代名詞，從自然語言處理到多模態理解，幾乎所有主流AI系統都建立在這個架構之上。然而，隨著應用場景從文字對話延伸到物理世界模擬、機器人控制與科學計算，Transformer在運算效率、記憶長度與時空推理上的瓶頸也越來越明顯。

《麻省理工科技評論》在分析 AI 訓練過程時採訪了多位研究大語言模型效率的專家。一個很直觀的結論是：嬰兒學習語言的能力遠勝今天的 AI 聊天機器人，而且學習效率也高得多。

將動作從輸出端搬到調度端，推理速度提升1.79倍。 作者丨鄧哲敏 編輯丨齊鋮湧 機器人想要真正走進千行百業、千家萬戶，有一道繞不開的坎：它得足夠快。不說快到能打羽毛球那，至少得快到讓人覺得這玩意兒能用。一個機械臂每動一下都要停頓兩三秒，哪怕成功率再高，在工業場景裡算下來的投入產出比也很難說服人。VLA 模型是當前具身智能領域最受關注的技術路線之一。它把視覺感知、語言理解和動作生成整合進一套模型，讓機器人能夠依據語言指令完成複雜操作任務。但 VLA 模型有一個部署層面的老大難問題：推理太慢。

SPADE透過自博弈機制讓大型語言模型生成可執行的環境，並由同一模型分別扮演不同角色。環境目標會隨著模型能力提升而自動調整難度，最終使工具使用能力提升13.9%。

TechPulse2026.08.25 12:06 · 來自河北全文1711字00:00 / 05:05通用世界模型不是單一的生成器、模擬器、機器人動作模型或策略模型，也不是這些能力的割裂片段或簡單線性串聯，而是三種能力耦合在一起的閉環反饋系統。

原力靈機的具身模型DM0.5在RoboDojo評測中奪冠，綜合得分24.90，平均成功率19.34%，並在記憶維度表現突出。該模型在LIBERO、RoboTwin 2.0等多項評測中皆取得佳績，且已全面開源。模型透過長記憶、具身思維鏈與對齊式動作監督等創新，並將核心延遲大幅降低至57.49毫秒，旨在以開源賦能產業生態。