从 Agent 到多模态再到具身:一位 AI 研究者的三次转向
淏楠先后在 MiroMind 做语言 Agent、在混元负责多模态 RL infra,最近加入某具身公司负责模型训练。他认为视频生成仍处"60 分"的半山腰,未来半年到一年的机会在交互式 Harness 与平台;具身方面,Astra 可接管小模型失败场景产生 Error Recovery 数据,把成功率从 50% 拉到 80%。
按事件最新进展排列 · 同一事件合并展示,可展开查看进展
淏楠先后在 MiroMind 做语言 Agent、在混元负责多模态 RL infra,最近加入某具身公司负责模型训练。他认为视频生成仍处"60 分"的半山腰,未来半年到一年的机会在交互式 Harness 与平台;具身方面,Astra 可接管小模型失败场景产生 Error Recovery 数据,把成功率从 50% 拉到 80%。
Meta 与中国机器人公司傅利叶合作,用三个月造出约 106 磅的人形机器人原型,内部代号 Max,并已在开发第二版。知情人士称,该原型旨在帮助 Meta 机器人部门打磨未来可发布的产品,目前尚未设定上市时间表。
无界动力10月31日宣布与京东签署战略合作协议,首个零售项目已于10月落地,机器人 K15 在七鲜咖啡西宸里店和长楹天街店正式上岗,首批机器人产品同期通过京东平台向第三方客户交付。双方将推进 1000+ 七鲜门店规模化复制,并共同投入资源实现 10 亿元人民币产品合作规模,重点布局海外市场。K15 为双臂轮式半人形机器人,搭载自研 1200TOPS(INT8)算力国产计算平台,已进入批量投产阶段。
【未经独立核实】有用户发帖称,字节 Seed 核心负责人周畅已离职创业,并可能获得头部美元基金投资,该说法尚未获公司证实。帖文称周畅 2017 年北大博士毕业后进入阿里,任 M6 和通义千问技术负责人,2024 年加入字节后接手 Seedream、Seedance,2026 年将 Seed Robotics 纳入管理范围。
腾讯云在2026腾讯全球数字生态大会发布《AI Agent企业解决方案及落地实践》白皮书,提出企业智能体从“能对话”到“能干活”再到“能上岗”的三阶段跃迁,产品骨架包括WorkBuddy、ClawPro、Agent Runtime与TokenHub。
字节跳动Seed Model部门近期密集放出数十个具身智能岗位,覆盖硬件设计、灵巧操作、减速器控制、物理模拟与数据算法,试图打通“大模型推理—物理模拟训练—硬件本体执行”全栈管道。目前可证实的是,字节物流机器人已量产超千台,用于抖音电商仓分拣运输,并有顺丰、比亚迪电子等外部客户;人形机器人进入直播、内容制作仍只是想象空间。
【未经独立核实】10月28日凤凰网科技查询招聘平台发现,字节跳动正为火山引擎招聘“端到端具身智能规控专家”和“具身智能道路测试开发专家”。规控专家要求3年以上自动驾驶规划控制经验及一段式端到端智驾系统量产落地经验,路测专家负责基于VLA的L2+智能驾驶功能道路测试执行。原帖作者个人认为,字节意在将自动驾驶工程化人才引入具身智能底座,而非造车或卖智驾方案。
【未经独立核实】有用户发帖称,字节招聘要求三年以上自动驾驶规控研发经验、端到端智驾量产落地经验,并熟悉AEB、NOA、APA,覆盖高速、城区、泊车测试,该说法尚未获公司证实。原帖认为字节有大模型但缺量产上车与问题归因经验,因此倾向直接招有智驾量产经验的人。
【未经独立核实】字节跳动被曝通过火山引擎在北京、上海放出端到端规控、道路测试、智驾大模型产品等自动驾驶与具身智能岗位,引发其亲自下场做智驾的猜测。字节官方回应称,仅在AI大模型、物理AI等领域有早期研究和探索,没有做智能驾驶业务的计划。原帖认为其路径是Seed世界模型团队加火山引擎汽车行业线,不做整车和智驾硬件,而是输出智驾背后的AI能力。
10月28日,京东旗下七鲜小厨首家后厨烹饪无人化门店在北京长楹天街开业,机械臂向炒菜机器人投料,约5分钟出菜,门口还有一台人形机器人现场炒菜。七鲜餐饮堂食业务负责人表示,机器人主要替代炒菜和出菜环节,预计可减少1至2名员工,11月北京五棵松店也将开业。业内专家称出餐效率可提升三到五成、人力可压缩过半,但规模化前提是单店经济模型先跑通。
超衍智能10月28日发布首款基于RSI的35B参数模型Apex-35B-V1.0,兼顾通用能力与研究能力,自进化体现在训练环节自动生成数据自训及应用层覆盖AI for AI、科研仿真和AI for Robot。
字节跳动正为其 AI 研究部门 Seed 招聘约十几个机器人与软硬件岗位,多数职位位于北京,覆盖数据采集和模型训练系统等机器人开发流程。这轮招聘显示字节跳动正推动具身智能从基础研究走向实体工程与商业化生产。
Google DeepMind 正式发布世界模型 Genie 4,单次交互模拟时长从约一分钟延长至两分钟,并首次支持原生音频生成,可实时生成环境声音、音乐和人物对话。
【未经独立核实】10月下旬,字节Seed团队在官网和招聘平台密集放出机器人岗位,剔除重复后约10个在招,覆盖本体结构、灵巧手、减速机、嵌入式驱动、仿真和数据评测。岗位在北京,月薪20K起、15薪,灵巧手和本体岗开到30-60K,部分要求硕士加3年量产经验。发帖用户称,此举是在补具身数据产线,而非急着卖人形机器人,该说法未经字节证实。
【未经独立核实】据脉脉用户发帖,字节6月将原李航负责的Seed Robotics团队划归多模态负责人周畅,与多模态交互、世界模型合并,同期张一鸣亲自督导实时空间视频生成模型,指向为机器人生成仿真训练数据。该帖还称字节1月领投自变量机器人10亿元A++轮融资,并引述田丰判断称自研机器人2027年底前大概率优先用于内部数据采集。上述内容尚未获公司证实。
【未经独立核实】有用户发帖称,字节一个机器人岗位的JD要求候选人懂大模型、强化学习、ROS、电机控制、机械设计,最好还懂嵌入式开发,薪资开得挺高。该用户还称JD写明“对具身智能有深刻理解和实践经历”,并调侃全球有相关实践经历的人不超过200个。上述内容为个人发帖,尚未获公司证实。
嗅态核对公开名单、融资报道和工商信息,整理出北京61家核心AI公司及38家观察池企业,以2022年12月1日ChatGPT发布次日为界,35家成立于此前、26家成立于此后。
【未经独立核实】据脉脉原帖称,2011年以T9级别加入百度、后进入字节的文石磊,在字节商业化GenAI负责人岗位任职时间不长,已离职前往一家具身智能创业公司担任合伙人,相关身份与去向尚未获公司证实。原帖认为,大厂高级技术管理者流向创业公司已不稀奇,但流向具身智能方向值得关注。
据工商登记、公司公告和公开讲话核实,23位有华为工作经历的AI创业者创办了18家公司,截至2026年10月23日仅智元确认有大规模经营收入,2025年收入10.5亿元、通用人形机器人出货超5100台。融资规模与产品交付并不同步:墨奇智能成立一年融资超10亿元但未公开客户名单,诺因智能首款产品计划2027年一季度发布。华为云不做机器人本体,只提供开发平台、算力和模型。
DeepSeek完成约1000亿元人民币新一轮融资,投前估值约5000亿元,腾讯与宁德时代领投,半年内累计融资约1500亿元。报道称其具身智能布局已落三子:领投胡瀚创办的Winverse AI种子轮、投资前逐际动力人形基模负责人俞涛的新团队,并以1.41亿元获配宇树科技科创板战略配售、锁定36个月。
OpenAI官网机器人相关岗位已增至15个,覆盖软件、控制到电机、执行器和测试设备,电气工程师年薪上限42.3万美元;字节今年6月将Seed Robotics并入周畅管理范围并招聘L8级具身智能技术负责人。文章认为大厂从模型、硬件到数据回流压向物理世界,会把行业分层,卡在中间的全栈公司最危险,创业公司需在模型、本体或场景中至少控制一层。
打车平台 inDrive 与 Pony.ai、Nvidia 签署谅解备忘录,计划 2027 年上半年在哈萨克斯坦首都阿斯塔纳测试 robotaxi,初期配备安全员,最终目标是完全无人驾驶。
阿里达摩院前算法专家、乐云具身智能平台负责人陈明修已于今年6月启动创业,成立睦灵科技(杭州)有限公司,业务聚焦 Physical RSI(物理递归自进化)方向。
亚马逊云科技汽车与制造全球总经理Ozgur Tohumcu认为,企业把AI方案推向规模时,拖慢速度的通常不是技术,而是数据基座、智能体护栏与可观测性、组织是否容得下试验。他称亚马逊运营网络已部署超过100万台机器人,并提到宝马已在亚马逊云科技上完成超10亿公里自动驾驶仿真训练,欧洲传统OEM研发周期从4到5年压到约3年,中国车企为18到24个月。
文章认为,物理交互的固定成本才是决定大模型厂商在具身智能中位置的关键,而非模型能力本身。DeepSeek 以1.41亿元战略配售宇树、拟领投偏底层基础设施的 Winverse AI,不碰本体和产线;OpenAI 则自研执行器、自建数据采集体系。商汤用 GPT-6 Astra 在 RoboDojo 测试中把成功率推到81.9%,但叠碗任务耗时约131分钟、成本19美元,远高于人工。
OpenAI 官网招聘页出现 27 个机器人相关岗位,全部在旧金山,base 年薪 17.7 万到 50 万美元,其中 4 个为执行器专属岗。作者结合 OpenAI 在加州 Richmond 签下 202,000 平方英尺仓库、Mission Bay 遥操作设施扩至约 100 名合同工的 4 倍以上等线索,认为其机器人更像自用的数据采集器件,硬件按研发费用而非销货成本记账。
群核科技联合创始人黄晓煌、陈航、朱皓及CFO沈倍自愿将所持股权禁售期延长12个月,涉及4.83亿股、约占已发行股份27.99%。黄晓煌同日发内部信称公司将以空间智能成为AI通往物理世界的入口,未来3年计划把算力和数据规模扩充至现在的数倍以上。2026年上半年公司AI新应用及新产品收入同比增长超177%,经调整净利润5542万元、同比增长211%。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017,官方称性能提升、成本下降,API 调用方式和价格不变,开发者仍用 deepseek-flash 访问。
阿里巴巴达摩院在10月19日深圳举行的RISC-V中国峰会上透露,玄铁RISC-V处理器通过架构创新、软件兼容与生态合作,提升了在Agentic AI和服务器等领域的表现,推动高性能RISC-V从“可用”走向“可靠”并迈向大规模量产落地。达摩院同时发布面向自动驾驶和具身智能的处理器产品路线图,推动RISC-V进入全新领域。
截至10月19日,OpenAI 官网已发布19个与“Robotics”相关的招聘职位,覆盖机器人控制系统、电气工程、执行器、电机设计、制造和数据系统等方向。其机器人团队希望开发能在动态真实环境中工作的通用机器人,并探索多种机器人形态,目前正同时推进软硬件研发及现实世界机器人数据采集与训练体系。现场工程师岗位信息显示,其机器人数据采集环境中已运行多个机器人工作站。
彭博社披露DeepSeek已同意领投腾讯前科学家胡瀚创立的Winverse AI种子轮,金额达数千万美元,投后估值约4亿美元,交易尚未最终敲定。传前逐际动力基础模型负责人俞涛也已创业,方向为LLM+具身,DeepSeek在投资方之列。
小红书博主橘AI称在影视飓风看到 Tim 演示字节最新世界模型,可控制运镜、进入虚拟世界并让机器人与医生做模拟训练,字节尚未官宣。据36氪报道,世界模型被列为字节2026年AI四大重点方向之首,由张一鸣亲自协调跨部门团队与算力资源;该模型以 Seedance 为基础,按需生成每秒20帧视频、端到端延迟约50毫秒,渲染在云端、画面串流到终端,计划适配 Pico 头显,应用场景为直播、互动短剧和游戏。
有消息称梁文锋正接触多家具身智能创业公司,考虑让DeepSeek进入具身智能领域。文章梳理了通用大模型通过Agent框架驱动机器人的路线,即模型理解任务、制定计划并调用机器人动作工具执行,RoboCurve的实机测试中GPT-6 Astra在20次将积木放进碗里的任务中成功19次。
京东在2026全球科技探索者大会上发布AI购物助手东东、JoyAI系列模型、物流机器人、具身数据采集计划和国产算力集群规划,并以超级AI供应链串联这些动作。京东称物流超脑3.0可将亿级包裹路径规划求解时间从分钟级缩短到秒级,具身模型在物流多任务场景执行成功率达96.7%。京东还公布十万卡集群、千万小时真实场景数据采集、80余个RoboBase产业基地和全球机器人售后网络等目标。
国家人工智能应用中试基地(具身智能)推进赋能边境巡防试点建设。国内首个人工智能全产业链评测基准“求索”4.0上线;字节跳动Seed单独设立大模型安全与对齐部门;MiniMax开设天猫官方旗舰店,token套餐首单5折;微软在AI改革中重组Azure云部门。
据外媒报道,DeepSeek已同意领投Winverse AI种子轮融资,金额数千万美元,投后估值约4亿美元,美团旗下龙珠投资跟投。Winverse AI成立仅数月,创始人胡瀚是Swin Transformer论文作者、2021年ICCV最佳论文奖得主,2026年7月刚从腾讯离职,公司方向是让机器人理解指令、处理现实任务的AI模型。
《晚点聊》第 183 期请来 MoE Capital 创始合伙人 Henry Yin 做「AI 季报 26Q3」,讨论 OpenAI DevDay 后个人助理的新一轮尝试,包括从 100 美元起步的 OpenAI Dots 和 Instinct。