# 模拟的所有文章

在 HTX 新闻中心浏览与「模拟」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

物理AI火了，我的一些新思考

物理AI（Physical AI）概念正从学术走向产业，核心是让AI理解并作用于物理世界，在重力、摩擦力等真实环境中执行任务。这一概念2020年于《自然-机器智能》首次系统定义，历经六年传感器成本降低、算力工程化等发展，在2026年迎来“部署态元年”，关键标志是从演示走向实际“干活”。产业方面，国内外公司加速推进。智元机器人将其人形机器人投入真实3C产线直播作业，并宣布万台量产，其“全栈自研”路线旨在建立深度壁垒。美国Figure AI估值高涨，其Figure 03机器人展示了自主完成家务的能力，并转向自研的“本能-反射-思考”三层神经网络系统Helix。英伟达则与四大工业机器人巨头合作，意图通过仿真平台成为下一代工业自动化的“操作系统”。汽车供应链企业正跨界进入物理AI赛道，因其智能驾驶系统的感知、决策、执行模块与机器人技术同源，积累了可迁移的制造能力和供应链经验。特斯拉也计划利用其汽车制造经验，为人形机器人建设百万台产能生产线。技术底座的突破在于“世界模型”的工程化。此前它因算力需求大、不稳定而难以实用，如今英伟达Cosmos、蚂蚁灵波LingBot-World、阿里巴巴ABot-PhysWorld等模型或平台，能通过合成数据高效生成符合物理规律的训练场景，大幅降低了数据获取成本，使世界模型从离线渲染走向在线交互，成为物理AI发展的关键杠杆。这推动了机器人架构的范式变革：从传统的“感知-规划-控制”（工程师预设规则）转向“感知-推理-执行”（AI自主理解物理世界）。国际机构预测未来三年新机型将主要采用新架构。当前赛道方向已定但格局未成，演示与量产能力差异巨大，真实数据的高成本使得合成数据至关重要。同时，来自汽车、工业自动化等领域的技术与制造能力正加速涌入。基础设施提供商可能像上一波AI浪潮一样，捕获核心价值。2026年只是竞争的开始，未来格局仍存变数。

marsbit05/18 04:43

marsbit05/18 04:43

Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜

AI Agent的能力正面临新的考验。近期，Einsia AI旗下Navers lab发布了名为Frontier-Eng Bench的Agent评测基准，它包含了47个多学科交叉、没有标准答案的真实工程任务，旨在评估AI在闭环反馈中持续优化和解决复杂问题的能力。与以往AI在固定知识库中寻找答案的模式不同，这套基准要求AI扮演“工程师”角色：提出方案、接入仿真器、根据报错反馈调整参数、重新运行并持续迭代。任务涵盖水下机器人控制、动力电池快充优化、量子线路噪声抑制等硬核领域，AI需要在功耗、安全、性能等多重约束下寻找最优解。评测结果显示，当前AI（如GPT-5.4）虽能表现出一定的优化能力，但距离完全解决这些工程问题仍有很长的路要走。研究还总结出两条关键规律：一是优化过程遵循幂律衰减，后期性能提升越来越难；二是在有限预算下，探索的深度比宽度更为重要，持续的深度迭代比简单的并行试错更能带来突破。这项工作的深远意义在于，它标志着AI开始从“答题者”向能够在真实反馈循环中“自我进化”的系统转变。它预示着一个“Auto Research”时代的可能：未来，人类研究者提出目标和方向，AI则不知疲倦地负责执行仿真、实验和优化迭代，从而极大加速科研与工程进程。论文及相关资源已公开。

marsbit05/13 07:05

Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜

marsbit05/13 07:05

红杉专访哈萨比斯：信息是宇宙的本质，AI 将开启全新的科学分支

Demis Hassabis在红杉资本的专访中分享了他对人工智能发展历程与未来愿景的思考。他早期通过游戏开发验证AI算法，并强调创业时机应“领先时代五年而非五十年”。DeepMind的清晰使命是首先构建通用人工智能（AGI），继而利用AGI解决科学、医学等复杂问题。他认为，AI是描述生物学等复杂系统的完美语言，有望将药物研发周期从十年缩短至数周，实现个性化医疗。同时，AI驱动的模拟技术可能催生如“机制可解释性”等全新科学分支，甚至能对经济等社会系统进行受控实验。 Hassabis提出“信息是宇宙本质”的观点，认为物质、能量与信息可相互转化，宇宙可能是一个宏大的信息处理系统。他相信经典图灵机足以模拟包括蛋白质折叠在内的复杂问题，而大脑或许就是一种近似的图灵机。关于意识，他认为自我认知、时间连续性等组件是关键，但主张在构建AGI时首先将其视为强大工具，再探索意识等哲学命题。他预测AGI可能在2030年实现，并期待用其解答如《真实世界的脉络》中提出的深层问题。

marsbit05/12 06:32

红杉专访哈萨比斯：信息是宇宙的本质，AI将开启全新的科学分支

本文整理自DeepMind联合创始人兼CEO德米斯·哈萨比斯（Demis Hassabis）在红杉资本AI Ascent 2026峰会的专访。哈萨比斯分享了他从游戏开发到神经科学，再到创立DeepMind并致力于通用人工智能（AGI）研发的心路历程。他认为游戏是AI极佳的试验场，能有效验证算法并为研发提供早期支持。在创业方面，他强调时机的重要性，应“领先时代五年，而非五十年”，找到技术突破与落地需求的平衡点。 DeepMind的使命明确：第一步是构建AGI，第二步是利用AGI解决科学、医学等所有复杂难题。他特别强调“AI for Science”的价值，指出AI是描述生物学等复杂系统的完美语言，有望将新药研发周期从数年缩短至数周，实现个性化医疗。哈萨比斯预见，AI系统自身的复杂性将催生“机制可解释性”等全新工程科学，而AI驱动的模拟技术将使人类能对经济学等社会系统进行受控实验，从而开辟全新的科学分支。他提出一个核心观点：信息可能是宇宙最本质的构成，物质、能量与信息可以相互转化，这赋予了AI更深远的科学意义。在技术层面，他认为以神经网络为代表的现代AI系统证明，经典图灵机足以模拟许多曾被认为需要量子计算的问题（如蛋白质折叠），人脑很可能就是一种高度近似的图灵机。关于意识，他认为这是由自我认知、时间连续性等组件构成的复杂命题，在迈向AGI的征途中，应首先将其视作强大工具，再借助工具去探索意识本身。最后，哈萨比斯预测AGI有望在2030年实现，并展望了利用AGI进一步理解现实本质的愿景。

链捕手05/12 02:15

a16z：AI的下一个前沿，机器人、自主科学、脑机接口的三重飞轮

a16z研究员Oliver Hsu提出，AI发展的下一个前沿是“物理AI”，其核心由通用机器人、自主科学和新型人机接口（如脑机接口）三大领域构成，它们将形成相互促进的“结构性飞轮”。当前AI以语言和代码为核心，但物理AI能更直接地与现实世界互动，潜力巨大。这一转型依赖于五大技术原语： 1. **物理动力学的学习表征**：让AI理解物体运动、受力反应等物理规律； 2. **面向具身动作的架构**：将高层指令转化为可靠、实时的物理动作； 3. **仿真与合成数据基础设施**：低成本生成多样化训练数据，突破物理数据采集瓶颈； 4. **扩展感官通道**：整合触觉、神经信号、嗅觉等新模态，提升交互维度； 5. **闭环智能体系统**：实现感知-推理-动作的自主持续运行。三大应用领域共享这些原语，并相互强化： - **机器人**：在真实环境中执行复杂任务，反哺世界模型优化； - **自主科学**：AI驱动实验（如材料、生命科学），产出结构化、已验证的物理数据； - **新型接口**：包括AR眼镜、脑机接口等，扩展人机交互带宽并生成海量物理交互数据。这些领域将共同推动AI从数字世界走向物理世界，涌现出新能力，开启下一代颠覆性创新。

marsbit04/18 07:04

marsbit04/18 07:04

a16z 万字长文：AI 的下一个前沿不在语言，而在物理世界——机器人、自主科学、脑机接口的三重飞轮

a16z研究员Oliver Hsu提出，AI的下一个前沿将从语言和代码转向物理世界，聚焦于通用机器人、自主科学（AI科学家）和新型人机接口（如脑机接口）三大领域。这些领域共享五大底层技术原语：物理动力学的学习表征、面向具身动作的架构、仿真与合成数据基础设施、扩展的感官通道（如触觉、神经信号）以及闭环智能体系统。这些技术相互强化，形成结构性飞轮——机器人推动自主科学的实验自动化，自主科学产出结构化物理知识反哺AI，新型接口则提供海量人类物理交互数据，共同推动AI在物理世界的落地和能力涌现。这一转变将开辟与当前数字范式互补的新 scaling 轴，可能引发下一代颠覆性突破。

marsbit04/16 06:50

a16z 万字长文：AI 的下一个前沿不在语言，而在物理世界——机器人、自主科学、脑机接口的三重飞轮

marsbit04/16 06:50

Physical AI 元年：一场关于“世界怎么运转”的万亿美元豪赌

2026年被视为Physical AI元年，AI从理解数字世界转向理解并作用于物理世界。Yann LeCun创立的AMI Labs、李飞飞的World Labs、Google DeepMind的Genie 3世界模型及Tesla Optimus机器人的工厂部署，共同推动这一趋势。Physical AI重构了基础设施体系，涉及硬件、数据、仿真和供应链等多环节，为华人创业者提供了结构性机会。技术路径上，大语言模型（LLM）派与世界模型派竞争激烈。世界模型以物理状态为对象，追求“感知-决策-执行”闭环。硬件方面，人形机器人进入量产阶段，Tesla、Boston Dynamics、Figure等公司积极推进，灵巧手成为关键瓶颈。NVIDIA则布局基础设施，提供全套开发生态。数据是Physical AI的核心挑战，行业通过真实数据、合成数据和人类遥操作三种路径获取。2026年第一季度，领域融资超64亿美元，资本涌入世界模型、机器人整机和工具层。尽管存在Demo与部署差距、sim-to-real难题及监管空白等挑战，但底层技术持续进步。Physical AI代表AI的终局形态，重塑产业分工和价值分配，对兼具技术、硬件和产业协同能力的华人团队尤为有利。

marsbit04/03 09:39

marsbit04/03 09:39

从校园到资本：北邮大四生10天拿到3000万投资

北京邮电大学大四学生郭航江（网名“百福”）开发了一款名为MiroFish的AI多智能体模拟引擎，仅用10天时间完成开发，并因此获得前中国首富陈天桥3000万元人民币的投资。该项目登上GitHub全球热门榜第一名，获得超过2.2万个星标。 MiroFish能够根据输入的文档（如新闻、报告或小说）构建知识图谱，生成数千个具有独特个性、记忆和行为的数字人，并将其置于虚拟世界中模拟社会动态。用户可实时注入外部变量（如政策变化、市场事件），观察智能体群体的反应和演变，从而进行现实中难以实现的受控实验。技术架构基于OASIS模拟引擎、Zep Cloud记忆系统和GraphRAG知识图谱，采用AGPL-3.0协议开源，支持Docker一键部署。目前已演示《红楼梦》结局预测和美联储政策影响模拟等案例。尽管该工具能揭示潜在动态，但其预测结果尚未经过真实数据验证，且运行成本较高。陈天桥投资的核心逻辑是认可“超级个体”理念——在AI时代，单人可完成传统公司级任务。

比推03/16 06:44

比推03/16 06:44

为什么定投才能抓住比特币的长期红利？

定投策略（平均成本法）是抓住比特币长期红利的最佳方式。无论市场涨跌，定期投入固定金额能有效降低风险并提升长期收益。历史回测显示，自2021年1月起每周定投250美元比特币，五年总投入6.75万美元，可积累约1.65枚BTC。以当前7.1万美元价格计算，价值约12.05万美元，净收益5.3万美元。若比特币涨至10万或12.6万美元，收益将进一步扩大。即使从2024年1月开始定投，虽短期可能浮亏，但长期仍有望在牛市高点获得可观回报。对比标普500指数，比特币定投收益更高。研究表明，比特币波动虽大，但熊市坚持定投能显著提升长期收益。基于比特币幂律增长模型预测，2026年至2030年定投可能积累约0.30枚BTC。按中位预估价格43万美元计算，持仓价值约12.9万美元；若价格达90万美元，价值可升至27万美元。研究强调，入场时间影响收益水平，但长期持有才是决定收益的关键。即使买在高点或卖在低点，十年后仍可能获得数倍回报。定投策略在下一个牛市周期依然有效。

比推03/06 15:05

为什么定投才能抓住比特币的长期红利？

回测数据和前瞻模型表明，定投（平均成本法，DCA）是投资比特币的最佳方式之一。该方法通过定期投入固定金额，无论市场涨跌，长期来看能有效降低波动风险并积累资产。以2021年1月开始每周定投250美元为例，五年总投入6.75万美元，累计买入约1.65枚BTC，平均成本约4.09万美元。按当前7.1万美元计算，浮盈76%，价值约12万美元。若比特币涨至10万或12.6万美元，价值将进一步增长至16.5万或20.8万美元。短期定投（如2024年1月开始）可能因入场时机而暂时浮亏，但长期仍有望盈利。例如，同期定投至2024年，虽暂亏6%，但若价格涨至10万或12.6万美元，持仓价值将显著提升。与标普500指数对比，比特币定投历史回报更高。尽管波动较大，但熊市坚持定投能提升长期收益。基于比特币幂律增长模型预测，2026年开始定投至2030年，中位价格预估约43万美元，持仓价值可能达12.9万美元（投入约5.4万美元）。即便考虑价格波动区间（27.4万至90万美元），收益依然可观。研究强调，入场时间影响收益水平，但长期持有才是决定收益的关键。定投策略能有效抓住比特币的长期增长红利，降低择时风险，适合多数投资者。

marsbit03/06 10:00

# 模拟的所有文章

物理AI火了，我的一些新思考

Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜

红杉专访哈萨比斯：信息是宇宙的本质，AI 将开启全新的科学分支

红杉专访哈萨比斯：信息是宇宙的本质，AI将开启全新的科学分支

a16z：AI的下一个前沿，机器人、自主科学、脑机接口的三重飞轮

a16z 万字长文：AI 的下一个前沿不在语言，而在物理世界——机器人、自主科学、脑机接口的三重飞轮

Physical AI 元年：一场关于“世界怎么运转”的万亿美元豪赌

从校园到资本：北邮大四生10天拿到3000万投资

为什么定投才能抓住比特币的长期红利？

为什么定投才能抓住比特币的长期红利？

热门分类

热门标签

深度研究

其他