26年4月21日，全球AI资讯约15条：高德首个面向AGI的全栈具身技术体系 横扫全球15项SOTA、自变量机器人完成近20亿元B轮融资等

高德正式进军具身智能领域，发布首个面向通用人工智能（AGI）的全栈技术体系——ABot，并非简单跨界，而是将其20年地图基建能力升维为“机器人操作系统”。该体系横扫全球15项SOTA（性能第一），在物理合规性、动作可控性、零样本泛化三项核心指标上均为全球唯一全面领先。

其核心是可交互世界模型ABot-World，由两大引擎构成：ABot-3DGS（数字孪生工厂）：基于高德厘米级城市数据与千万级真实轨迹，生成万级带物理属性的3D场景，覆盖99%生活长尾交互；ABot-PhysWorld（物理思维引擎）：用300万条结构化操作视频训练，让模型不仅“看得像”，更能推演“动起来会怎样”，实现因果级物理推理。  

https://www.qbitai.com/2026/04/403226.html

斯克近日高调宣布：Grok 5就是AGI（通用人工智能）！这一“断言”引爆AI圈。更惊人的是其推进节奏：5月初发布1万亿参数（1T）的Grok 4.4，5月底再推1.5万亿参数（1.5T）的Grok 4.5——一个月内参数连跳三级，史无前例。

而真正的“核弹”Grok 5正于孟菲斯Colossus 2超算集群上以6万亿参数（6T）训练，该集群拥有55万块GPU、功耗达2吉瓦（相当于供应一座150万人城市）。xAI还手握独特优势：X平台日均6800万条实时推文、特斯拉数百万车的实况驾驶数据、以及SpaceX级工程执行力（122天建成超算）。不过，学界仍有质疑——如Karpathy指出，单纯堆参数未必能跨越AGI鸿沟。

https://www.163.com/dy/article/KQV5I00R0511ABV6.html

中国人民大学团队推出的AiScientist，是一个面向“长程机器学习科研工程”的自动化系统，旨在让AI真正接手而非仅辅助整个研究流程。它不满足于单点能力（如写代码或读论文），而是打通从论文理解、环境配置、代码实现、实验运行，到结果分析、错误归因与反复优化的全链条。

关键突破在于File-as-Bus机制：将项目所有中间产物（计划、代码、日志、结果）持久化为可读写文件，作为跨阶段协作的“记忆总线”，确保23小时内完成74轮迭代时，系统仍能准确追溯并修复数小时前置的偏差。实测显示，在高难度复现基准PaperBench上，其性能比最强基线提升10.54分；在MLE-Bench Lite任务中，AUC从0.903升至0.982，达成81.82%“任意奖牌”率。

https://www.163.com/dy/article/KQV5GN580511ABV6.html

Kimi团队联合清华大学推出全新推理架构“PrFaaS”（预填充即服务），直击大模型长文本推理的痛点。传统方案中，Prefill（预填充）和Decode（解码）必须绑在同一机房，依赖昂贵的RDMA高速网络，因KV Cache传输带宽压力巨大——例如32K上下文时，稠密模型KV生成速率达60Gbps，远超普通以太网承载能力。

而新方案依托“线性+全注意力”混合架构，将KV流量压降至4.66–8.25Gbps，首次让跨数据中心传输成为可能。PrFaaS据此实现Prefill与Decode物理分离：长请求交由异地高性能集群（如H200）处理，生成的KV Cache仅需13Gbps带宽（占100Gbps链路13%）即可传回本地解码。实测显示：相比同构部署，吞吐提升54%，P90首词延迟降低64%。

https://www.qbitai.com/2026/04/403528.html

自变量机器人是目前国内唯一一家同时获得字节、美团、阿里、小米四大互联网巨头投资的具身智能公司，堪称行业“顶流”。今年3月底至4月初，公司完成近20亿元B轮融资，由小米战投与红杉中国联合领投，此前三轮均由各家大厂分别主导，凸显其技术稀缺性与战略价值。

不同于多数企业依赖微调开源模型，自变量坚持100%自研端到端具身基础模型“WALL-A”，将视觉、语言、触觉、动作统一编码为高维Token，在单个Transformer中同步处理——大幅减少模态间信息损耗，提升机器人在动态环境中的实时感知-决策-执行能力。小米亦加速布局：其CyberOne机器人已进入汽车产线实习，VLA模型Xiaomi-Robotics-0于2026年2月开源。

https://inews.gtimg.com/news_bt/OUYknZOEQ28yEWJYjUHblDeOUrCoUg0UGiYsiapwgR-IwAA/641

NVIDIA副总裁Ming-Yu Liu在GTC 2026上介绍了Cosmos计划的最新进展：一个面向“物理人工智能”的开放世界模型体系。简单说，Cosmos旨在破解机器人研发的“数据困局”——现实中类人机器人少、难部署，导致真实训练数据极度匮乏（典型的“鸡生蛋、蛋生鸡”问题）。为此，Cosmos提出“用算力换数据”的思路，构建三层数据支柱：① 海量互联网视频/图像；② 合成数据；③ 少量但关键的真实机器人交互数据。  

实测显示，基于Cosmos的机器人策略（Cosmos Policy）在仿真基准LIBERO上成功率高达98.5%，真实机器人任务（如折T恤、开自封袋）也表现优异。截至2026年初，Cosmos模型下载量已达“数百万级”，正加速成为Physical AI开发者的通用基础设施。

https://view.inews.qq.com/k/20260419A03S6I00

编程正经历一场静默革命：AI不再只是“助手”，而是深度参与开发的“协作者”。GitButler获1700万美元融资（a16z领投），背后是GitHub联合创始人Scott Chacon的深刻洞察——我们仍在用为2005年邮件列表补丁设计的Git，去管理人类+AI agent并行写代码的现代工作流。

GitButler提出“并行分支”方案：多个AI可在同一目录中独立编辑、智能堆叠修改，无需复制整个代码库（省下数倍磁盘与同步开销）；其CLI更首创“三模输出”——人类看友好提示、脚本解析JSON、AI agent偏爱带上下文的Markdown式反馈。更关键的是，开发重心正从“写代码”转向“写清晰规格”——未来顶尖工程师的核心能力，或是精准表达需求、推动团队共识的沟通力。

https://m.163.com/dy/article/KQI4PBPO0556DR95.html

黄仁勋在演讲中强调：AI不是来“抢饭碗”的，而是人人可用的“超级助手”。他指出，AI是人类历史上普及最快的技术——从发布到全球数亿人使用仅用约2年（远快于智能手机的5年、互联网的10年）。

关键不在于懂算法，而在于“会不会用”：就像普通人借助AI设计软件，无需建筑学学位也能完成专业级绘图。他比喻AI如同从手工木匠升级为建筑师的“力量倍增器”，大幅降低专业门槛。当前职场核心矛盾已从“有没有AI工具”，转向“会不会培训员工”。调查显示，超70%企业正加速部署AI技能培训。黄仁勋呼吁政府与企业合力破除使用障碍（如权限限制、操作复杂），把AI变成像Word或Excel一样的通用学习工具。

https://www.1ai.net/52280.html

Anthropic CEO达里奥·阿莫代伊（Dario Amodei）在接受《金融时报》采访时表示：未来5年内，AI可能取代最多50%的初级白领岗位（如基础文秘、数据录入等），强调行业必须正视这一冲击，而非回避。他提出关键观点——“AI将以信任的速度扩散”，即技术落地不取决于算力或算法，而取决于公众、企业与监管者对AI安全、可靠性的信任程度；目前这种信任仍严重不足。

尽管如此，他对AI长期潜力保持坚定乐观，用“彩虹没有尽头”比喻技术进步永无止境，且尚未出现增长放缓迹象。不过，其言论引发争议：图灵奖得主杨立昆在X平台直言批评，称阿莫代伊“对劳动力市场影响一无所知”，呼吁公众参考劳动经济学家的专业研究，并推荐了5位该领域权威学者。

https://www.1ai.net/52276.html

研究者Almira凭空编造了一种名为bixonimania（蓝光狂躁症）的假眼病——名字荒谬、作者名是乱码、单位是虚构大学、致谢里甚至感谢“小丑鲍勃教授基金会”和“指环王大学”，论文更直接写明：“全部内容均为捏造”“受试者50名，均为虚构”。

然而，当两篇漏洞百出的假预印本上传后，ChatGPT等主流AI在数日内全军覆没：微软Copilot称其“真实存在”，Perplexity给出精确患病率“1/90,000”，ChatGPT则根据干眼、发痒等症状主动诊断该病。更讽刺的是，AI对“它是不是真的？”回答矛盾——有时说假，转头又当真推荐治疗。截至2026年，部分模型仍未彻底纠正。更严重的是，印度团队竟在正规期刊《Cureus》中引用该假论文，最终被撤稿。

https://www.163.com/dy/article/KQ8KE5QP055650HM.html

欢迎大家关注、分享、转发本公众号，也欢迎直接与小编联系 对接合作～