AI未来图景：当代码工具蜕变为“世界模拟器”，产业生态将面临何种变局？
2026年，人工智能产业正迎来一场深层的范式变革。若说过去两年，大语言模型最受瞩目的应用是协助开发者编程、帮助职场人制作幻灯片，那么站在当前时点回望，我们可能正在目睹一个更宏大篇章的开启——AI已不再仅仅是内容的“创造者”，而是逐步演变为能够领悟物理法则、推演行为结果，乃至“在行动前预演未来”的世界模拟器。一、从“烧钱换Token”到“价值导向”：企业AI落地迈入深水区2025年至2026年上半年，AI行业经历了一段相当“喧嚣”的阶段。彼时，企业纷纷采购AI工具，评判标准简单直接——谁的Token消耗量大
AI速报|9.5:GPT-6 Astra 宣告「AGI时代」开启,英伟达拿下 Hugging Face
AI 每日资讯快报2026年9月5日 · 每天3分钟，速览今日AI领域要闻动态：9月3日，OpenAI 隆重推出新一代旗舰模型 GPT-6 Astra，宣称其是「当前全球智能化程度最高、安全对齐表现最优的模型」。Astra 调度逾 10 万块 GPU 于得州 Stargate 基地完成训练流程，重点提升软件工程、科学研究、逻辑推理与计算机操控能力，可独立进入软件环境执行编码、金融建模、PPT 与电子表格制作等长链路多步骤任务；在 FrontierMath Tier 4 研究级数学测评中斩获 97.6% 的
2026物理AI与电机控制技术革新峰会盛大启幕,免费早鸟注册通道现已开放
THE FIRST YEAR OF PHYSICS AI2026年被业界广泛认定为物理AI的起始之年会议概览继"感知智能"与"生成式智能"两大阶段之后,人工智能正经历第三次具有历史意义的范式跃迁——让AI能够理解并遵循现实世界的物理法则,落地于真实场景,胜任复杂实操任务。物理AI的规模化应用,离不开半导体底层技术的强力支撑,二者紧密关联、协同演进。然而,行业依然面临真实交互数据获取成本居高不下、虚拟仿真向实体真机的迁移存在技术鸿沟、多场景算力适配困难等多重核心挑战破局良方,亟需一场深度的产业对话来共同探寻
观点·计 | 鲍虎军：浙江怎样落好人工智能"关键棋"
当下，人工智能正加速从技术突破迈向规模化应用，全方位重塑科技创新、产业发展及经济社会运行模式。近年，浙江依托数字经济先发优势，在大模型、具身智能、"AI+制造"等领域率先布局。省委十五届九次全会指出，"以更实举措拥抱人工智能""加速打造人工智能创新发展高地"。"十五五"时期，人工智能的红海与蓝海分布在哪里？浙江如何巩固既有优势、补齐能力短板，厚植发展后劲？如何构建一流创新生态，将阶段性优势转化为长期竞争力？这是摆在我们面前的时代之问。服务国家战略与生产生活是人工智能的核心方向人工智能发展至今，已经超越单一
物理AI成终极考验，小米跃升消费级落地标杆
创办于1924年的柏林消费电子展（IFA），是全球消费电子领域的关键展示舞台，长期以来扮演着欧洲消费电子产业核心阵地的角色。2026年，这场跨越百年的盛会吸引了超过900家中国参展商，占据全部参展商将近一半的份额。在这一全球科技竞技的前沿平台上，AI产业的演进方向正变得愈发清晰。业界普遍形成共识：AI上半场的竞争集中在大模型能力维度，下半场的重心则转向物理AI的实际落地。北京智源研究院发布的《2026十大AI技术趋势》指出，2026年是AI从虚拟数字空间迈入物理实体世界、从技术演示阶段迈向规模化价值兑现的
智能制造新引擎：驭势科技AI司机批量进驻头部车企工厂
在工业数字化与物理AI加速渗透的今天，不少制造企业的产线和仓储环节已实现高度自动化，但车间之外的搬运与运输环节仍是突出的薄弱环节。以汽车制造工厂为例，作为典型的离散制造行业，其零部件数量庞大、装配工艺繁杂、多品种混线生产的特征十分鲜明。传统人工驾驶的物流方式人力依赖重、管理难度高，难以形成标准化运作，极易成为制造业数字化转型的断点。近日，驭势科技新一批50台AI司机在国内某头部主机厂陆续投运，覆盖多条核心生产业务线路，承担室内外复杂厂区环境下的全场景、全天候物料转运任务。AI司机何以成为制造业的新一代生产
特斯拉无人车落地，AI智驾时代开启
据同花顺数据，今日主力资金净流出490亿。两市成交额达2.05万亿，较前一交易日增加2708亿。上证指数下跌0.3%，报收3930.12。深证成指下跌0.79%，创业板指下跌0.78%，科创50指数下跌2.1%。上涨个股2444家，下跌2914家。涨停与跌停家数比为41:9。资金流向方面，文化传媒、软件开发、军工装备等板块吸金较多，而半导体、电子化学品、光学光电子等板块遭遇资金撤离。美联储预计将在9月维持当前利率不变，受此影响，国际金价上涨，美股同步走高。北京时间凌晨，特斯拉宣布，那款没有方向盘和踏板的赛
全网热议的'物理AI'究竟是什么？十分钟带你搞懂
从英伟达的掌门人黄仁勋，到谷歌、特斯拉，再到小米、宇树，各大科技巨头几乎都在反复提及同一个热词——物理AI。黄仁勋更是在CES大会上连续17次提及，并高调宣称"物理AI的ChatGPT时刻已然降临"。黄仁勋在NVIDIA GTC台北2026主题演讲现场但若真要细问"物理AI究竟指什么？它和具身智能、机器人又有何不同？"恐怕不少人都答不上来。本文将带你快速梳理，搞懂物理AI的十个关键要点。1. 简洁定义：物理AI即"突破屏幕边界、融入真实世界"的智能我们所熟知的DeepSeek、ChatGPT，本质上仍局限
新华网科技观察丨物理AI走出展会，迈向产业实战一线
新华网上海7月20日电 题：物理AI：从WAIC展台，奔赴真实产业“战场” 7月17日，上海气温居高不下。而比天气更为炙热的，当属同日揭幕的2026世界人工智能大会（WAIC）。 在上海世博展览馆内，参观者人头攒动，各展位工作人员挥汗如雨不停地讲解演示，演示机器人周围密密麻麻布满了高举的拍摄设备。 2026世界人工智能大会（WAIC）现场火爆。新华网记者 郑伟 摄 工厂流水线上，机器人团队携手开展装配作业；智慧药房里，3台来自不同品牌的机器人共用一套具身大脑；展台之上，6台机器人连续协作15小时搭建出乐高
报名通道已开启|物理AI专题·What's Next对话@浦江创新论坛
它能掌握物理法则、预判行为引发的效果，构建"感知—决策—执行"的全链路闭环，赋能机器人、智能装备等实体硬件协同作业；借助仿真与真实交互融合的数据训练模式，攻克现实场景数据匮乏的瓶颈。物理 AI 不只是单一技术的迭代进步，而是 AI、机器人、仿真及多学科深度交融的结晶，是 AI 迈向实体产业的核心切入点。What's Next 对话 · Physical AI 专场下一个变革风口在哪里？谁将主导未来走向？哪些既有规则将被重塑？围绕三大未来命题的深入探讨，物理 AI 被诸多专家视为具有巨大爆发力的交叉创新赛道
《时代》公布年度AI百强人物榜,B站二季度净利劲增55% | 财经每日点评
发改委：机器人产业要谨防一拥而上8月28日，国家发展改革委召开8月例行新闻发布会。发言人李超指出，机器人产业横跨人工智能、先进制造、新材料等多个前沿领域，必须坚持因地制宜、健康有序的发展方针，立足本地资源禀赋和产业优势，找准定位、发挥优势，杜绝盲目跟风、一哄而上，确保相关产业发展能够行稳致远。她强调，下一步，国家发展改革委将聚焦务实管用、落地见效，以具身智能实训场和应用中试基地为依托，让机器人在真实场景中打磨技术、围绕真实需求构建应用闭环。（封面新闻）比起鼓励企业造出更多机器人，眼下更迫切的课题，是为机器
Anthropic推出物理世界AI工具，AI长出行动能力
Anthropic 推出物理世界 AI 工具，AI 长出行动能力。Anthropic 最新发布的 MHS，让人工智能具备了操控物理设备的能力。 解决硬件接口混乱：以往实验室里各类设备各自为政，工程师常常要耗费数周时间编写代码才能将它们联通。MHS 充当了一个「通用翻译官」的角色，AI 接入后短短几分钟便能识别设备指令并发出操控命令。 实验室场景已落地：例如在细胞迁移观测中，它能自动调节显微镜进行追踪拍摄；也可直接驱动机械臂完成测量与校准；甚至能为量子计算机精准调节激光参数。 效率提升明显：制药巨头基因泰克
兰州大学前校长李发伸因病辞世
新华社兰州8月28日电 兰州大学原校长李发伸同志，因病于2026年8月13日在甘肃兰州逝世，享年86岁。 李发伸同志逝世后，中央有关领导同志以不同方式表示哀悼并向其亲属表示慰问。 李发伸，1940年9月生，四川万县人。1962年9月参加工作，1983年8月加入中国共产党。1962年9月至1984年5月先后任兰州大学物理系助教、讲师、副教授、教授。1984年5月至1989年10月任兰州大学科研处处长。1989年10月至1993年2月任兰州大学副校长。1993年2月至2006年5月任兰州大学校长。 李发伸是第
瑞萨北京物理AI与机器人实验室揭幕,发力人形机器人七成BOM覆盖
盖世具身智能消息，8月27日，瑞萨电子正式宣布位于北京的物理AI与机器人实验室投入运营，旨在为客户提供面向新一代机器人系统的演示测试、方案验证及协同开发服务。自7月1日设立物理AI事业部以来，瑞萨持续推进相关战略在中国市场的落地实施。据悉，该实验室将整合涵盖硬件平台、软件工具、AI建模技术、运动控制、电源管理、传感融合以及系统级验证在内的多项能力，覆盖从概念验证、原型开发到批量交付的完整工程链路。相较于单纯展示芯片产品，瑞萨更倾向于通过实验室深度介入客户的早期研发阶段，从而提升其方案在人形机器人等终端产品
人工智能驱动流体工程：从Fluent数值模拟到物理嵌入机器学习全链路实战
举办背景:面对航空航天、汽车、能源、电子散热等行业流体系统设计指标日益严苛的现状，依靠经验修正与稳态假设的传统CFD分析手段已无法胜任复杂工况下的高效率、高精度设计诉求。一方面，湍流、多相流、流固耦合等强非线性物理过程内在机制复杂，高精度数值仿真的算力开销极其高昂；另一方面，工程现场对流动主动调控、参数快速寻优、瞬态流场重构等也提出了更严苛的标准，迫切需要引入数据驱动与物理约束相融合的下一代计算架构。近些年，人工智能同计算流体力学的深度交叉为流体工程领域打开了全新通道：物理信息神经网络（PINN）可将Na