26年6月30日，全球AI资讯约15条：姚班传奇陈立杰苦思7年的计算几何核心难题 被ChatGPT推翻、智平方完成近50亿融资等

马斯克近期动作频频，AI与航天双线狂奔：其旗下AI公司xAI正式推出大模型Grok 4.5，已在SpaceX和特斯拉内部启动Beta测试，参数达1.5万亿（基于V9基础模型），并引入编程工具Cursor数据，重点强化代码生成能力；早期评测显示其性能已逼近甚至超越Anthropic的Claude Opus。

更引人注目的是，SpaceX宣布今年剩余时间将“每月发布一个从零训练”的全新AI模型——非简单升级，而是底层重构，凸显xAI高强度研发节奏。与此同时，SpaceX于6月12日登陆纳斯达克，以每股135美元发行5.56亿股，创全球IPO历史纪录。这场“航天+AI+资本”的超级联动，不仅加速了xAI对OpenAI、谷歌等巨头的竞争追赶，也标志着中国高端装备开始切入其AI算力基建供应链。

https://www.chinaz.com/2026/0629/1761836.shtml

高德近日内测一款名为“袋马”的AI编程工具，主打“说话就能做App”。用户无需懂代码、不用装开发环境，只需用自然语言描述需求（比如“做一个预约理发的小程序”），袋马就能自动生成可直接上线的微信小程序，甚至兼容iOS原生App。

目前测试阶段已支持真机体验——生成后扫码即可在微信里打开测试，后续还能用中文提修改意见，AI自动重构迭代，整个流程几分钟搞定。据透露，一个简单小程序从想法到上线，过去需2–4周+专业团队，现在有望压缩至1小时内完成原型。不过，高德尚未公布上线时间、收费模式及合作细节。简言之，“袋马”不是替代程序员，而是让每个有想法的人，真正拥有“零门槛造应用”的能力。

https://www.1ai.net/54315.html

这篇报道讲述了一个震撼数学与AI界的突破：GPT-5.5 Pro协助证明了计算几何中一个悬而未决7年的核心难题——“最远点对”等问题在任意超常数维度下，算法时间下界为近平方级（Ω(n²)），即无法显著快于暴力枚举。该结论覆盖最大内积搜索、双色最近点对等多个重要问题，且依赖被广泛接受的SETH假设。

关键突破来自“质数裂开”技术：传统方法受限于质数分布稀疏，而陈立杰上月参与的OpenAI工作引入代数数论工具——在扩展数域中，一个普通质数可分解为多个“素理想”，大幅提升编码效率。新论文作者仅用两句话Prompt+两篇文献链接，引导AI探索该思路，最终完成严谨证明，并经Lean 4形式化验证。

https://www.163.com/dy/article/L0JHJQ7U0511ABV6.html

当前人形机器人运动控制普遍存在“有样学样”的局限——只能复刻预设动作，无法理解文字、音乐或人体姿态等真实交互信号，更难自主生成新动作。为突破这一瓶颈，清华MARS实验室推出OMG全模态运动生成框架：构建了1174.66小时高质量、机器人原生可执行的多模态数据集，并自主研发OMG-DiT生成模型，实现“生成大脑+跟踪小脑”分层控制——上层实时生成未来60帧全身轨迹，下层精准执行平衡与抗扰。

实测显示，OMG在文本驱动任务中FID仅6.03、跌倒率低至0.78%；音频舞蹈全程零跌倒；姿态复刻误差仅18.84mm，全面优于主流方案。它还具备小样本迁移、零样本模态组合、模型规模可扩展等大模型特性，且全部开源，为人形机器人迈向通用智能迈出关键一步。

https://aitntnews.com/newDetail.html?newId=26668

清华大学团队提出的OpenHLM，是一套面向人形机器人“全身移动操作”的开源视觉-语言-动作（VLA）学习方案。它仅用20条室外示范数据，就让机器人学会从捡瓶、下蹲、踩踏板到投掷的完整流程。研究发现：真正有效的VLA系统需满足三点——支持全身协调、适配高维关节空间、能低成本扩展新任务。

为此，OpenHLM分三阶段优化：①验证关节级全身遥操作比简化接口更利于学习真实运动；②证明非人形机器人预训练模型+多步动作生成可高效迁移到人形平台；③引入低成本数据，仅用少量数据即提升对新物体/指令泛化能力——在12个覆盖典型任务的HLM-12基准上，HuMI协同训练使任务完成率达87.5%，远超GR00T（57.5%）和Ψ0（48.8%），逼近全监督上限（97.5%）。

https://aitntnews.com/newDetail.html?newId=26655

OceanBase近日发布面向AI时代的“湖库一体”AI数据库，标志着国产数据库正式迈入智能数据基础设施新阶段。简单说，它用一套引擎同时搞定数据湖和数据库的活儿，还能统一处理结构化数据、文本、图片等多模态数据及向量数据——这正是大模型和智能体（Agent）真正“读懂”企业业务所需的完整上下文。

实测显示，相比传统“湖+库+向量库”多系统拼接方案，其总体拥有成本（TCO）可降低30%–50%。该技术已在蚂蚁“阿福”、灵光等真实场景落地，灵光已生成超3000万个“闪应用”，验证了千万级Agent并发下的稳定性。背靠15年金融级锤炼，OceanBase不再只是“替代国外数据库”，而是从底层重构AI时代的数据底座——让数据不出错、不割裂、实时可用。

https://www.qbitai.com/2026/06/439876.html

Momenta于2026年6月正式启动港股IPO，以“6880”代码挂牌，成为全球首家上市的“物理AI公司”。本次发行1994万股，定价295.6港元，募资约58.9亿港元（未行使绿鞋）；更引人注目的是——14家顶级基石投资者豪掷约30亿港元，阵容堪称“史诗级”：国际方面，新加坡GIC、富达国际各投1亿美元；产业端，奔驰与比亚迪罕见联手加码。

这不仅体现对其技术与商业路径的高度认可，也凸显物理AI赛道的战略价值。财务上，Momenta营收三年翻三倍（2023年7.4亿→2025年24.1亿），毛利率跃升至71.6%，亏损大幅收窄至3.03亿元，现金储备超100亿元。其自研R7世界模型已量产落地，正加速赋能乘用车、Robotaxi及无人物流车。

https://www.leiphone.com/category/industrynews/cWATkKQ0a3yy8sWE.html

头部企业“自变量”在两个月内密集完成B轮至C轮共四轮融资，全部交割完毕，投后估值突破200亿元，成为大湾区首家、也是目前唯一一家超200亿元的具身智能公司。其投资方阵容堪称“顶配”——覆盖四大互联网巨头、国家队、顶级VC，凸显资本高度共识。

技术上，自变量全球首发端到端具身大模型WALL-B，基于“世界统一模型”架构，实现视觉、语言、动作、物理预测一体化训练，首创“原生本体感”与“原生物理世界观”，让机器人像人一样感知自身空间和理解真实世界。开源模型WALL-OSS-0.5预训练即达80%+真机任务完成率；XRZero-G0数据方案将采集成本降低95%。5月起，其双臂家用机器人已批量入户深圳真实家庭，并联合58同城推出人机协同家政服务。

https://view.inews.qq.com/k/20260629A02RX700

智平方，这家被称作“最像特斯拉”的具身智能公司，近期完成近50亿元人民币融资（国内该赛道单笔最大之一），估值超200亿元。其投资方阵容罕见：国家队、大湾区产业基金，以及险资和头部券商——“国家队+产业+特斯拉链+险资”四重背书，在业内极为少见。这背后，是市场对通用机器人产业化窗口加速收窄的共识。

技术上，其自研具身大模型NeuroVLA创新引入“皮层—小脑—脊髓”三层架构，运动抖动降低75%以上，碰撞响应快至20毫秒，功耗仅约0.4W；开源平台AlphaBrain Platform已向全行业开放。量产方面，年产能超2000台，已在半导体（惠科1000台订单）、生物制药、新零售（“爱宝智魔方”覆盖十余省市，日均制饮数百杯）实现真实交付。

https://view.inews.qq.com/k/20260629A06J7Z00

AI账单正变得越来越“看不懂”——这不是用户太笨，而是计费机制本身太复杂。前Oracle总监Michael Hahn创办的审计公司Vaudit，已为60家企业审核约3400万美元AI账单，揪出约170万美元疑似多收费用，其中80%最终获退。

常见问题有三：一是“张冠李戴”，用便宜旧模型却被按高价新模型计费；二是为失败请求照样收费；三是最隐蔽的“重试风暴”——AI智能体后台反复自动重试，用户毫不知情，token悄然翻倍烧掉。AI按token计费，而token用量受模型选择、prompt写法、智能体编排等影响极大，波动剧烈且不可见。当200美元月订阅催生5万美元账单，当“查账”变成一门年审超10亿美元的生意，说明AI时代的财务信任，正建立在一张张亟待厘清的糊涂账之上。

https://www.163.com/dy/article/L0JBSRV40511ABV6.html

芬兰正全面推进政府“AI化”改革：计划到2031年，将全国公共部门整体升级为以人工智能为基础的运行模式。核心举措是搭建统一的国家级共享AI平台，接入当前最先进的人工智能模型，目标是提升公共部门整体生产力至少20%。这一转型并非单纯技术升级，更承载现实压力——政府希望通过AI优化流程、减少重复性工作，腾出更多预算用于社会保障体系。

不过，改革也引发争议。财政部官员明确表示，部分岗位将由AI智能体替代，虽主要通过自然退休消化冗余人力，但裁员不可避免。而芬兰工会则呼吁审慎推进：AI应用应聚焦“提质增效”，例如加快审批、改善市民服务响应速度，而非简单替代人力；否则可能削弱公共服务温度与韧性，并加重在职员工负担。

https://www.1ai.net/54313.html

引发轰动的论文提出了一种突破性AI架构——“红皇后哥德尔机”（RQGM），它首次让AI同时进化“考生”和“考官”，打破持续20年的理论僵局。传统AI优化依赖固定评测标准，而RQGM让评审系统与任务智能体协同进化：写代码的AI会催生更严苛的代码审查员，写论文的AI会训练更犀利的审稿人，连数学证明的评分器也同步升级。

实测显示：代码通过率从69.9%→71.7%，论文接收率从21.8%→40.5%，奥赛级证明评估效率提升3倍；更关键的是，它成功矫正了大模型“偏爱AI生成内容”的顽疾，使评审对AI/人类论文一视同仁（准确率保持80%）。英伟达等团队用“沙盒淘汰+受控效用进化”绕开了哥德尔机所需的数学证明难题——不再求“绝对正确”，而靠“生存筛选”。

https://www.36kr.com/p/3872518454776841

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～