还得是AI圈春晚
文远知行发布的WITT大模型通过“最小物理事实单元”概念，提升自动驾驶数据处理效率，单卡日处理1万分钟视频。该系统提取、推理、验证和编排事实，帮助工程师快速定位高价值场景，优化模型训练，旨在提高数据利用率，缩短模型迭代周期，推动自动驾驶技术进步。
本文讨论了TiDB中的时间戳分配服务TSO（Timestamp Oracle），其核心在于确保全局事务的严格顺序。TSO通过46位物理时间和18位逻辑计数器组合成64位时间戳，由PD leader负责分配，以确保单调性和故障恢复。通过批量请求机制，多个事务可以共享一次网络往返，从而降低延迟。
COMSOL将参加2026年功率半导体器件与集成电路会议，展示其多物理场仿真技术，旨在优化功率器件的设计和加工，提升产品性能。分享内容包括晶体管特性分析、散热优化和可靠性测试等仿真方法。
蚂蚁灵波发布了LingBot-VA 2.0，这是全球首个具身原生的预训练VA模型。该模型通过预判能力提升机器人在复杂任务中的表现，如桌面整理和轻柔抓取。LingBot-VA 2.0采用新一代VAE、因果预训练和稀疏MoE架构，显著提高了推理速度和实时控制能力，标志着机器人技术进入新阶段。
具身智能行业正在分化，量化派专注于物理世界基础模型，推动机器人在不同场景的复用。政策要求机器人在现有条件下工作，量化派已在餐饮后厨完成多项技术验证，展示了其自主作业能力。其商业模式为“卖能力”，通过物理模型支持RaaS模式，降低边际成本。未来，数据积累和技术能力将决定其商业价值。
阿里巴巴旗下高德推出Phys AI Data数据系统，包括Phys AI Foundry和Phys AI Map，旨在解决物理AI训练与应用中的数据问题。Phys AI Foundry提供高质量训练数据，支持机器人在真实场景中学习；Phys AI Map为机器人提供可理解的空间地图，帮助其在开放环境中导航。该系统已向具身智能行业开放，支持API接入，降低企业数据采集成本。
在物理 AI 的发展中，语音识别成为关键能力，机器需要理解语音指令、区分说话者并过滤噪音。远场语音识别在复杂环境中面临挑战，基于物理的声学建模可以提升语音识别性能。FFASR 排行榜为评估语音模型在真实条件下的表现提供了新方法，帮助开发者确保产品的可靠性和易用性。
本文比较了Trino与Spark SQL在数据处理中的差异，分析了两者的查询执行路径、优化机制及Iceberg连接器的能力。Trino采用解释型操作，而Spark通过全阶段代码生成和自适应查询执行来提升性能。文章还对比了两者在Iceberg下推能力，强调了各自的适用场景和优化风格。
本文探讨了多表连接的优化策略，包括连接顺序、物理连接算子和分布式连接方法。重点分析了DuckDB和Trino的连接规划，比较了Hash Join和Merge Join的性能，并介绍了动态分区裁剪（DPP）和数据倾斜问题的解决方案。最后，总结了连接规划的关键要素和未来研究方向。
Dimforge Q2 2026 技术报告介绍了新跨平台 GPU 多物理引擎 Nexus，使用 Rust 编写 shader，性能提升约 2 倍。Nexus 支持多种物理场景，适用于机器人仿真和强化学习。报告还提到 Rapier 和 Kiss3d 的更新，进一步增强 Rust 的科学计算和图形物理基础设施。
光象科技近日完成数亿元天使轮融资，资金将用于物理原生基座模型研发及具身智能机器人商业化。公司推出的Phi-Bot X1机器人在汽车产线焊接中表现出色，验证了其在工业场景中的应用潜力。光象科技将继续推动技术在更多领域的落地。
算力竞争正从单卡时代转向系统级协同创新，重心转向推理算力。超节点技术通过高速互联提升算力效率，光互连和光计算被视为后摩尔时代的关键。生态建设方面，开源协作和存储优化是解决算力碎片化的关键。中国算力基础设施逐步完善，形成系统级集群优势，推动自主可控的发展。
物理人工智能的实际应用受到法规、安全和机器数据的限制，仅有优秀模型是不够的，部署时需考虑这些因素。
群核科技在ECCV 2026会议上发表三篇论文，重点关注物理AI的空间感知、强化学习和高保真仿真。公司与多家科技巨头合作推出SPEAR仿真平台，以解决数据供给不足的问题。新框架Syn-GRPO能够自动生成训练数据，WalkerBench评测工具用于评估AI的空间感知能力。此外，群核科技还将推出SpatialVerse平台，推动物理AI的规模化应用。
Om AI发布了全球首个面向物理世界的流式多模态模型系列VLX，包括VLX-Flow、VLX-Seek和VLX-Go，分别用于持续感知、精准定位和行动执行。该系列通过流式编码和增量推理，支持动态环境下的即时反应，提升AI在物理世界的自主工作能力。
跨维智能近日完成10亿元人民币B轮融资，估值超百亿，成为具身智能独角兽。融资将用于算法迭代和物理引擎升级，推动技术与商业闭环。公司专注于物理AI，已落地50多个应用场景，形成超亿级营收，致力于实现通用物理智能。
乐动机器人专注于提升机器人对物理环境的感知能力，利用多模态传感器和AI模型将复杂现实数据转化为可供学习的信息，推动机器人在家庭和酒店等场景的应用。公司致力于构建持续供给真实世界数据的系统，以应对未来机器人行业的挑战和需求。
完成下面两步后，将自动完成登录并继续当前操作。
