在加州圣利安德罗的一间仓库里，一家名为Encord的数据工具公司正在进行一项前沿实验：让"飞行员"佩戴带有摄像头和脑电波传感器的头显设备，一边玩叠叠乐积木，一边采集大脑活动数据。这枚来自德国神经科学初创公司Zander Labs的脑电头显，能够实时测量操作者在执行精细任务时的脑波信号，试图从中推导出错误、意图和惊讶等心理状态，为机器人模型创造更有价值的训练数据集。
Encord认为，人形机器人和仓储机器人发展的真正瓶颈不是模型架构，而是真实世界物理训练数据的极度匮乏。正如Encord机器人学习负责人Vineeth Velmurugan所言——"这些数据根本不存在"，而突破所需的数据规模大约是YouTube全部视频库容量的五倍。
从人工操作到数据工厂，物理AI的经济学困境
仓库内，飞行员们正使用"主从式"机械臂装置——一只由人类直接操控，另一只模仿其动作——生成倒咖啡、堆扑克筹码等任务训练数据。货架上摆满假花、书籍、塑料蔬菜和猫砂盆，都是训练家用操作机械手的道具。另一工位上，飞行员Sofia Infante正操控机械臂插拔服务器网线——这类数据中心运营商梦寐以求的自动化任务，目前仍因机械爪灵活度不足而遥不可及。
除脑电波外，Encord还在开发新的数据模态：在前臂绑戴传感器组以检测肌肉电信号，据此构建手部三维轨迹，弥补视频中手指被遮挡的信息缺失。每个数据集都配有密集的物理动作标注（如"右手拧紧螺栓"），Velmurugan估算这种高质量标注对特定任务训练的价值是普通数据的 100 倍，而生产成本仅为 20 倍——理论上是一笔划算的交易。
然而关键在于，与LLM厂商从互联网近乎免费抓取文本不同，物理训练数据必须被"制造"而非"收集"，这从根本上改变了模型构建的经济学。Encord凭借横跨多家机器人公司的独特位置，能够先于任何单一客户发现全行业数据技术的趋势走向。在这间仓库里，十几位飞行员日复一日地搭建着物理AI的基石——毕竟，机器人要学会叠积木，首先得有人愿意一遍遍教它。
蚂蚁百灵发布新模型Ling-3.0-Flash，总参数量124B、激活仅5.1B，在基础推理、指令遵循及长文本处理上对标甚至超越2-3倍参数的领先模型，实现更高智效比与性价比。已上线OpenRouter，免费一周后正式开源。
谷歌CEO皮查伊在2026年Q2财报会上透露，下一代模型Gemini 4已投入训练，资源投入巨大，预计今年11至12月发布。公司坦承在编程与智能体领域落后，希望借此追平前沿。此前Gemini 3.5 Pro延期，已引发外界对其模型迭代节奏的疑问。
美团7月27日否认LongCat团队基础模型负责人裴鹏离职传闻，称消息不实。裴鹏毕业于北大，2023年加入美团，先后任基座模型预训练负责人及LongCat基础模型负责人，全面主导大语言模型、多模态模型与Agent智能体的研发，并牵头万亿参数大模型LongCat-2.0的研发与落地。
智能办公平台“千问办公”已启动内测，定位专业人士的AI协同中枢。其围绕“任务到交付”首次推出六大核心能力，包括企业IM协作、Office一站式生成编辑、多模态理解生成、全栈网页交付、专业数据源聚合及技能市场，覆盖HR、律师、财务等岗位的专属工作套件。
Cursor公布新版AI智能体集群测试：仅凭SQLite文档，用Rust重建SQLite，测试通过率达100%，远超旧版。集群已随Cursor3升级为核心产品，支持开发者并行运行多个智能体协同开发，新架构强调规划能力。
关注 “悠AI” 更多干货技巧行业动态
相关文章
