OpenAI主张青少年应平等获得安全的AI工具，并正在为ChatGPT添加适龄保护、学习工具、家长控制及专家合作机制。
值得关注：填补了主流AI产品在青少年安全合规方面的空白，为行业树立参考。 回应了监管机构对AI未成年用户保护的要求，尤其符合欧美儿童隐私法规（如COPPA、GDPR-K）。 区别于前序相关卡片（如Sanctuary AI的工业应…
原力灵机发布具身世界模型DW0.5，将其作为VLA后训练的“虚拟环境”，通过三大专家模块实现强化学习的低成本闭环，使真机数据需求降低60%、训练成本降低40%。
值得关注：具身智能长期面临后训练飞轮难以闭环的困境——真机试错成本高、人工反馈难以高频覆盖、传统仿真与现实差距大。DW0.5提供了一种介于真机与仿真之间的“学习型环境”，让VLA能在虚拟世界中低成本高频探索、获得密集反馈，是“世…
腾讯Robotics X联合混元发布并开源了具身世界认知基座模型RxBrain，能够在单一模型内统一文本、图像与视频的理解和生成，搭配模态路由的MoT架构，在真机操作任务平均成功率达87%，超越π0与π0.5。
值得关注：**开源与基座模型定位**：RxBrain作为开源基座模型，降低了具身智能研究的入门门槛，推动社区在统一认知模型而非拼装模块的路线上探索。 **性能突破**：87%的真机成功率表明在单一模型中实现多模态协同推理已具备实…
彭博社披露 OpenAI 首款自研硬件是一款无屏、可移动的智能音箱，搭载全双工 GPT‑Live 语音交互，能通过摄像头和传感器感知环境，主动预测用户需求并控制智能家居，标志着 OpenAI 从软件走向“终端+入口”战略。
值得关注：**与既有脉络的关系**：此前 OpenAI 的硬件传闻多集中于手机、AR 眼镜等形态，本次披露的“无屏移动音箱”是首个被确认的具体形态，且强调“移动”和“无屏”，与现有智能音箱（如 Amazon Echo、Apple…
波士顿动力在液压、运动控制等机器人技术上长期是行业标杆，但技术成本高、量产难、与真实商业场景匹配度有限，导致其始终难以做大；被现代汽车集团逐步转为全资子公司后，2024年亏损扩大至4405亿韩元，2026年月产量据称仅约4台Atlas。其最大启示是：机器人创业不能只追求技术领先，必须从真实需求出发定义产品，并最终回答“人形机器人到底能在哪个场景长期干活并持…
值得关注：在AI和机器人产业从技术研发走向规模落地的关键时期，波士顿动力提供了一个完整的样本：技术全球领先，却三易其主，最终被汽车集团全资收编。本卡片的增量信息是波士顿动力全资化后的最新资本结构、亏损数据和“每月4台Atlas …
银河通用提出 WAM‑TTT（World‑Action Model Test‑Time Training）框架，首次将测试时训练（TTT）范式从大语言模型迁移至物理世界的机器人控制，让机器人仅凭未标注的人类视频即可在部署阶段快速适应新场景，无需重新预训练或昂贵的遥操作数据。
值得关注：**行业痛点突破**：此前具身智能行业的核心瓶颈是“训练时精通、部署时失灵”，客户每换一个点位就需重新采集数据、重新适配模型，成本极高。WAM‑TTT 用人类视频替代昂贵的机器人遥操作数据，使规模化落地成为可能。 **…
Cohere与多伦多大学于2026年7月16日宣布多年期合作，将Cohere的私有可部署、企业级AI平台North整合进多伦多大学的全校AI平台，以支持负责任AI在高校场景中的规模化采纳。
值得关注：在已有卡片讨论AI支出、基础模型和公众参与之外，本条提供了另一条产业脉络：AI公司通过产学研合作嵌入大学基础设施。Cohere以私有化部署和“负责任AI”为卖点，与大学合作构建全校AI平台，显示AI竞争可能正从通用技术…
两位杨教授（杨国安、杨斌）一致认为，AI时代企业变革成败的关键在于“一号位”（CEO）的信念、勇气与热爱。杨国安通过“杨五环2.0”提供了一份从技术到领导力的系统化变革蓝图；杨斌则通过“AI次方变革”与“组织的中年”理论，强调成熟组织必须主动“变小”、在边缘地带孕育颠覆性创新才能赢得未来。
值得关注：对比已有卡片（如NIST AI RMF、AlphaEvolve、AlphaEarth），本卡片聚焦于**企业管理与组织变革层面**，而非技术规范或具体应用。它直接回答了“企业如何在AI时代生存并胜出”这一根本战略问题。…
知网明确禁止将AI（如DeepSeek、Gemini）列为论文作者，已下架相关论文，并要求使用AI必须在研究方法或致谢中说明，否则不予上线传播。
值得关注：这是国内头部学术数据库首次对AI署名问题做出明确、可执行的处置措施（下架+禁止上线），具有示范效应。 回应了近期学术圈对AI论文署名乱象的担忧，推动了AI在科研中使用的透明化与可追溯性。
NVIDIA BlueField-4 DPU、Vera BlueField-4 STX存储处理器与DOCA软件平台构成AI工厂的“基础设施操作系统”，通过卸载、加速和隔离网络、存储、安全、遥测及上下文管理任务，提升GPU利用率、降低每token成本并增加每瓦token数，以应对智能体AI工作流对基础设施数据路径的新需求。
值得关注：本卡片是对已有“NVIDIA Vera CPU提升AI工厂吞吐量以加速智能体工作负载”的延续与补充。上一卡片聚焦Vera CPU本身的计算能力；本卡片则揭示AI工厂中基础设施层的关键角色：即使CPU再强，若基础设施（网…
普林斯顿教授Narayanan在ICML 2026指出，当前AI能力虽快速提升但可靠性几乎停滞，提出“智能体三难”（通用性、高风险、自动化不可兼得），并认为AI更应被定位为协作工具而非替代工具，人类需将节省时间再投资于自身成长，先成为专家再借AI放大能力。
值得关注：当前行业普遍聚焦模型能力竞赛，而忽略可靠性与社会退路。Narayanan的观点提供了一个冷静的“长期主义”框架：若不顾“三难”约束盲目推进全自动化，可能引发系统级安全事件；反之，以协作为核心的渐进策略既能释放效率，又能…
2026年7月16日，NVIDIA 技术博客详细介绍了如何将上下文感知的视频 AI 代理集成到企业工作流中。该方案基于 NVIDIA NemoClaw（用于构建自主代理的开放蓝本集合）和 NVIDIA Blueprints（可定制的参考工作流），具体使用了 Metropolis Blueprint for Video Search and Summariz…
值得关注：相比之前仅做视频分析，本文展示了如何让代理“行动”——即基于视频分析结果自动协调后续动作（如派发工单、升级模式）。这是视频 AI 从感知走向自主决策的关键一步。 与已有相关卡片（如企业 AI 代理治理、ParseBen…
Cars24通过集成OpenAI驱动的语音和聊天代理，每月处理超100万分钟的对话，成功挽回了12%的丢失销售线索，并将代理工作流（agentic workflows）推广至全公司多个团队。
值得关注：这一案例提供了大型语言模型在商业客服场景中的量化价值证据，尤其是语音代理在挽回销售线索方面的具体成效。同时，它展示了企业如何将代理工作流从单一客服场景规模化推广至整个组织，为其他企业实施类似战略提供了可参考的路径。相比…
大型语言模型（LLM）中的物理危险（Physical Danger，PD）与文本内容危险（Content Danger，CD）在隐状态空间中形成可分离信号；基于此设计的 PRISM 单层逻辑探针能以低误报率高精度检测物理风险，显著优于同等规模的 LLM 裁判。
值得关注：首次在表示层面明确区分了“物理危险”与“文本内容危险”，揭示现有文本安全过滤无法应对的物理安全维度。 PRISM 提供了一种轻量、高精度、低误报的表示级检测方法，避免传统 LLM 裁判对无害物理指令的过度抑制，对于部署…
TikStance 是一个包含 161 个视频和 13,876 条评论的多模态层次数据集，覆盖 2024 年美国大选周期中的三位主要政治人物（Donald Trump、Joe Biden、Kamala Harris），为短视频平台政治立场检测提供了可靠的标注基准。
值得关注：TikStance 是目前首个将多目标覆盖、层次化对话树与可靠的多层次人工标注相结合的短视频政治话语数据集，为理解短影音平台上的选民立场演变提供了实证基础。
AI正从工具转变为科研循环中的自主参与者，导致研究从“手工艺模式”转向“流水线模式”，即研究的工业化；这一转变虽具潜力，但带来七大关键问题，需在负责任推进的前提下加以应对。
值得关注：这是首次以“工业化”这一精确术语来刻画AI对科学研究模式的根本性改变，并系统列出了AI驱动科学在负责任发展前必须面对的结构性挑战。它提醒学界和政策制定者：AI的潜力真实且显著，但接受其潜力不等于无视风险，必须在理解这些…
teLLMe 将行车记录仪视频标注构建的结构化事件表与 PC 因果结构学习、bootstrap 稳定性检查和 DoWhy 线性回归相结合，并通过 schema‑aware LLM 将自然语言问题映射为结构化因果查询，从而为交通机构从观测数据中估计天气、高峰时段等因素对交通密度的因果效应，返回可解释的“因果卡片”。
值得关注：为大规模观测性交通视频数据提供了端到端的因果分析流程，填补了从“数据”到“可解释因果推断”的缺口。 结合 LLM 降低了因果推理的使用门槛，使非技术专家也能通过自然语言提出因果问题。 与已有相关卡片（如 OpenLon…
T²MLR 通过在 Transformer 解码过程中引入前一个 token 的中间层表示到当前 token 的早期层，使中间推理状态得以跨时间步持久化，仅用少量网络层（约 20%）的局部循环即可在自然语言预训练和多跳推理微调中一致超越参数匹配的基线模型，且无需从零预训练，可直接改造现有预训练模型。
值得关注：揭示了有效潜在推理的关键在于有针对性的局部循环，而非过去工作中遍历所有层的方式，为轻量化改进 Transformer 推理能力提供了新方向。 兼容已有预训练模型，无需从头重新训练，使得该架构更易于在现有系统中落地。 推…