物理AI领域领头羊Momenta港交所亮相，首日股价飙升逾6%
2026年7月8日，国际知名物理人工智能企业Momenta成功登陆香港交易所，股票代号6880.HK，荣膺“物理AI首家上市公司”。挂牌首日交易火爆，开盘即上涨超过6%，公司估值冲破700亿港元大关。图为Momenta上市当日开盘走势依据Momenta先前披露的股份分配方案，发行价定为每股295.6港元，若全面执行超额配售权，本轮全球发售约2,293万股，筹资总额近68亿港元。市场申购热情高涨：公开认购环节超额倍数达414倍；国际配售部分收到逾1,000亿港元的机构买单，涵盖来自15个国家和地区的主权财富
人工智能取代人类劳动，究竟还有多远？
引言：迈入2026年，“机器替代人力”正从一种心理恐慌演变为切实行动，多家美国公司一边压缩人员编制、削减开支，一边加大对人工智能基础建设的投资——Meta在5月份裁撤了约10%的雇员，以便将更多资源转向AI领域；亚马逊也在近期一轮裁员中减少了1.6万个职位。类似的做法同样开始出现在中国企业之中：一些公司缩减初级和中等技能岗位，并降低应届生招聘规模。当越来越多人手被AI外包，“人力”大规模让位于“数字员工”的趋势，是否已进入最后阶段？在IPP副研究员杨海燕看来，当前AI确实已经在占据部分行业的初级岗位。然而
物理AI领域首个IPO花落港交所！Momenta获14家顶级基石资本加持
7月8日，自动驾驶公司Momenta（06880.HK）在港交所完成上市，夺得业界稀缺的“物理AI第一股”头衔，交易时段股价最高攀升逾6%，整体市值跨越700亿港元关口，成为当天港交所挂牌新股中市值领跑者。此次首次公开募股定价每股295.6港元，超额配售权全额行使后融资规模约68亿港元，市场申购热情高涨，公开部分超额认购倍数达413倍，国际机构下单金额突破千亿港元，触达全球15个国家和地区长期资金。最引发市场关注的是其14家基石投资人构成的豪华班底，可谓产业与资本的顶尖配置。国际方面GIC、富达国际担任领
博识广联刘红杰：监测站部署AI智能体是工程化落地良机
“公共网络数据还能支撑多久？”向Deepseek抛出这个问题的，正是博识广联科技有限公司的创始人刘红杰。身为网络监控与信号解析领域的专家，刘红杰期望从DeepSeek那里得到的，不只是一个时限，而是一个破局的起点，当互联网公共数据被榨干价值后，AI进步的引擎将转向何方。7月3日，在2026全球数字经济大会无线技术及应用专题论坛上，刘红杰呈现了一场名为《AI 驱动智能频谱管控》的主题报告。在报告中，刘红杰还将另外两个更为犀利的疑问一并抛向公众。一个是关于智能本质的反思，当缺少对物质世界基础常识和因果链条的把
胡迪副教授开讲：具身智能与世界模型
“AI之夏”系列学术讲座第十期：主题：具身智能与世界模型“AI之夏”学术讲座“AI之夏”系列学术讲座第十期，将由人大高瓴人工智能学院的胡迪副教授担任主讲人。活动详情讲座主题：具身智能与世界模型活动时间：7月8日下午18:30-19:30线上直播地址：抖音号：dyjnmwmnh3bc或关注账号：@中国人民大学高瓴人工智能学院请在抖音搜索页扫码观看👇嘉宾介绍：胡迪，中国人民大学高瓴人工智能学院预聘副教授、博士生导师。其研究领域涵盖多模态交互智能，作为主要作者在T-PAMI/ICML/CVPR/CoRL等顶级会
AI未来十年：跨越工具属性，迈向文明底座的宏大演进
2025年盛夏，国务院重磅发布《关于深入实施“人工智能+”行动的意见》，首次以国家战略高度为AI锚定了2027年、2030年、2035年三大核心节点。此后不到一年，政策风向高频迭代——2026年3月，“构筑智能经济新格局”首次亮相政府工作报告；2026年4月，中共中央政治局会议首次明确“全面实施‘人工智能+’行动，培育智能经济新格局”；2026年6月29日，国务院常务会议进一步部署“要精准把握人工智能演进规律，健全支持体系与治理框架，牢牢把握发展主导权”。从“人工智能+”到“全面实施”，从“产业赋能”到“
智能驾驶新纪元：物理AI引领行业变革
2024年，智能驾驶聚焦于“城市扩展”竞争；2025年转向“端到端”对决；而2026年的核心词汇则是“物理AI”。进入2026年中段，中国智能辅助驾驶领域涌现出新焦点：物理AI。多家领先企业相继推出基于世界模型、VLA、强化学习等关键技术的策略，行业由此从“端到端模式”升级至“物理AI模式”。这一转型的广度和步伐，均超越了先前设想。01 物理AI的内涵：使AI领悟物理法则物理AI的基本思想是：AI不仅要依靠数据训练，还需把握物理世界的运行规则。传统智能驾驶模型倚重大量数据学习，但面对训练数据之外的物理情境
Sora之后，AI如何悄悄学会物理直觉
大家好，我是万象大叔。专注 AI，讲透技术，看清产业，商业落地，投资赚钱。当AI从生成静态图像进化到产出动态视频时，一个更深的疑问浮现：模型在构建视频时，是否悄然掌握了现实世界运行的底层规则？OpenAI的Sora凭借其视频在物理逻辑上的高度一致性，让“世界模型”这一曾局限于机器人与强化学习领域的概念，成为AI前沿的焦点。这揭示了一条清晰的技术跃迁：AI正从学习“词与词的关联”转向理解“状态与状态的演化”。其核心逻辑在于，预测视频下一帧的“时空块”这一看似简单任务，实则迫使模型构建一个隐含的、模拟物体存在
AI技术周报：世界模型自适应、超导体AI发现、仿真新范式
近期AI技术领域迎来多项重大进展：LeCun团队实现世界模型在部署中的持续学习，阿里达摩院AI智能体在28小时内发现6.8万种超导体，英伟达与李飞飞团队提出“Real2Sim”新范式——仅需一段真实视频即可自动生成机器人仿真环境。学术方面，人大高瓴提出强化学习微调新算法，上海交大实现VLA数据筛选加速313倍；产品方面，智谱ZCode编程工具正式上线，Google SynthID水印认证已覆盖超千亿图片。以下按类别进行梳理。机构：纽约大学/AMI研究所（杨立昆联合创办） | 标签：【具身智能】【世界模型】
视启未来入驻河套AI社区，物理视觉技术再添新动能
工业机器人精确拾取各式零件，安防摄像头自动检测异常状况，这些智能操作均依赖于对视觉数据的即时解析。智能设备之所以能够“理解”环境并作出响应，其基础正是底层的视觉AI技术。视启未来（深圳）科技有限公司（简称“视启未来”）正是一家为机器人和智能终端打造“大脑”的企业——它自主研发世界模型与3D动作对齐技术，使机器不仅能“看见”图像，更能理解物体、识别动作、预判变化，推动AI技术更深入地融入生产和生活。福田区实施新质产业“十大社区、百万空间、千亿资本”行动计划，率先推出11个新质产业社区，致力于培育和发展新质生
AI行业动态速递 | 2026年7月上旬要闻回顾
> 2026年7月4日 | 整理：AI资讯助手---《重庆市推进"人工智能+"行动方案》加速实施重庆市自2025年12月发布行动方案以来，2026年进入全力推进阶段。新一批40个AI+综合场景建设清单已出炉，涵盖文化、旅游、城市治理等多个领域。AI生成论文检测与学术规范建设2026年高校毕业季，"AI论文"检测成为焦点。多所高校更新AI检测系统，但仍存在误判率较高等问题。教育部正研究制定统一的AI学术应用规范。企业AI工具安全审查趋严阿里禁用Claude Code事件
AI先驱Yann LeCun再破世界模型瓶颈：AI实现边执行边进化！
世界模型被普遍视为迈向通用人工智能的关键路径之一，它相当于AI在内部构建了一个由外部环境构成的模拟系统，Yann LeCun是这一领域极具号召力的倡导者。以往的世界模型存在一个明显短板：在实验室中用大量数据完成训练后，其参数随即进入冻结状态，然后直接投入使用，相当于训练一次，终身使用。这使得它一旦进入新环境，碰到未曾见过的情形，就很容易暴露出掉链子的状况。模型能否适应现实环境，完全取决于训练数据是否涵盖所有情形，但现实环境的复杂度远超训练数据所能覆盖的范围。近期，纽约大学携手前Meta首席AI科学家LeC
2026北京举办中国人工智能学会智能驾驶专委会年度盛会
中国人工智能学会名誉理事长、中国工程院院士李德毅，清华大学车辆与运载学院教授李克强，CAAI智能驾驶专委会主任、北京航空航天大学交通科学与工程学院院长、CAAI/SAE Fellow邓伟文，悟演智能科技创始人、原广汽研究院人工智能首席科学家陈学文，中国汽车标准化研究院总工程师孙航等专业人士参会。北京航空航天大学交通科学与工程学院党委书记杨世春，清华大学车辆与运载学院、人工智能学院教授李升波，万集科技董事长翟军，踏歌科技创始人、北京航空航天大学教授余贵珍，轩元资本创始合伙人王荣进等来自高校、科研院所、企业及
LeCun团队炮轰AGI：人类智能非通用，SAI才是AI新目标
“我们把目标设定在了错误的物种身上。”2026年3月6日，这番言论迅速在X平台上引发关注。图灵奖得主Yann LeCun领衔的四人团队，在arXiv投下一篇论文，直指整个AI行业追逐了二十年的“圣杯”——通用人工智能（AGI）——根本就是一个定义混乱、方向错误、以人类为中心的幻觉。该帖子迅速获得了超过2000个点赞和20万次浏览。发帖人@socialwithaayan用三个字总结：“It's the trap.”他们的目标是从根本上动摇AI的指引方向，确立一个新的目标。▲ @socialwitha
奇点前夕，Physical AI的深度闭门会
过去一年，Physical AI已成为全球AI产业最受聚焦的方向之一。从AI迈向真实世界，到机器人、自动驾驶、科学实验、工业制造等场景加速落地，一系列核心问题随之浮现：世界模型是否真能通向通用机器人？物理数据能否催生新的Scaling Law？AI for Science与Physical AI最终会融合，还是分道扬镳？这些问题尚无定论，却正被真实场景不断验证。不同技术路径正面临相似的工程限制、数据成本与商业压力，曾经可并行探索的方向，正逐步经历现实的筛选。正因如此，未来一到两年，极可能成为Physica