破除人形崇拜！京东用“狼族”军团重做物理AI
京东在 JDD 全球科技探索者大会上发布"超脑 3.0"工业大模型与"狼族"九类 11 款机器人集群，用异构协同路线替代单一通用人形押注，目前已在全球超 10 个国家、全国超 20 个省份落地运转。
标签： 大模型
AI agents 正让公共服务涌来大量新请求
AI 让填表、写申诉、递交请愿变得前所未有地简单，全球多地公共服务正被大量新申请淹没。研究者 Chris Schmitz 把这称为“智能体洪泛”，他追踪的 84 个案例中，多数请求来自本就有资格申请、过去却被繁琐流程挡住的真实用户。
‘The memory chip market is heading toward a severe shortage’: analyst firm believes RAM crisis could get far worse in 2027 — and you can blame AI ramping up
KB Securities 最新报告判断，内存芯片市场可能在 2027 年走向严重供应短缺，三星和 SK 海力士的内存库存已降至不足 10 天，而 AI 基础设施建设是主要推手。
Athenic AI
Athenic AI 在 Product Hunt 上线，主打用自然语言对话替代传统 BI 拖拽操作，让非技术岗位也能直接查询数据、生成分析结论。这是 AI 应用层继续向企业数据分析场景渗透的一个新样本。
OpenObserve 推出 AI 可观测性
开源可观测性平台 OpenObserve 在 Product Hunt 上线了 AI 可观测性能力，把大模型应用的调用链路、延迟与成本纳入统一监控。这类需求正随着 AI 应用从 Demo 走向生产而快速增长。
最近恰逢秋季开学，我也连续推荐了好几门北美顶尖高校新开的 Agent 课程，一个信号越来越明显： Agent Engineering 开始大量被正式写进顶尖高校的课程体系了。 这次是 CMU 新开的 11-768《AI Agents》，看完 syllabus 后感觉内容真的很贴近现在一线在做的东西。 Tool Use、Context、Skills、Memory、Planning，往后还有 Coding Agent、GUI、Deep R…
CMU 新开了一门编号 11-768 的《AI Agents》课程，把 Tool Use、Memory、Planning、Coding Agent、SFT/RL、Sandboxing 与安全等内容正式纳入教学，作业从搭建 Agentic Harness 到 Agent Eval、RL 训练再到研究项目，课程资…
💥必读：DeepSeek V4.1 Flash论文里面暗藏的玄机！V4.1 Pro将是大杀器！2000张GPU+存储集群将是最大助推器！ 论文核心要点速览： 1️⃣Flash 反杀 Pro，是产品线信号 不是“小模型勉强接近大模型”，而是新结构系列的最小尺寸已经全面超过上一代旗舰。Pro 被路由、被计划下线，说明他们认准了：密度比绝对规模更重要。 2️⃣CED 是给 Agent 账单改写的 Prefill 8B / Decode 16…
DeepSeek 发布 V4.1-Flash 并公开论文与权重，把 100 万 token 上下文的全局 KV 压缩到约 890MB 量级（每 token 890 字节），同时用新结构让最小尺寸模型全面超过上一代旗舰，配套招聘指向 2000 张 GPU 加存储集群的推理部署。
剪映可以退出历史舞台了！ AI 剪辑已经达到专业剪辑师水平，几乎零成本 AI 剪辑方案，Antigravity ➕ chatcut 完美配合，不用担心 Token 不够用。 chatcut 接入 Antigravity ，使用 Gemini 3.8 flash 模型是又快又稳！ https://t.co/GBYDrMvbLr
有开发者称，将 chatcut 接入 Antigravity 后可实现接近专业剪辑师水平的 AI 剪辑，成本极低且不受 Token 限制，并使用了 Gemini 3.8 flash 模型。但评论区多位用户质疑其实际体验，称 chatcut 效果一般。
1/6 大多数 AI Agent（智能体）的失败并非源于模型本身，而是源于数据问题。 大语言模型（LLM）掌握的是过去的信息，而互联网每时每刻都在变化。 要构建真正智能的 AI Agent、RAG 系统和 SaaS 应用，你需要一套现代化的网络数据流水线。 这是一份完整的 2026 年“Web-to-AI”（从网络到 AI）指南 🧵👇
WebPipe.ai 发布了一份 2026 年“Web-to-AI”指南，认为多数 AI Agent 失败的原因不在模型能力，而在数据管道——LLM 的知识停留在过去，无法感知实时变化的互联网。其核心主张是：用抓取加清洗后的 Markdown 流，替代把原始 HTML 塞进向量库的做法。
如果我是一个不懂任何大语言模型机理的人， 那么我会认为在同一个会话窗口和Agent聊所有事情，完成所有任务，并几乎记住我的所有信息，才是真正的人工智能。 而不是上下文稍长就需要切换个会话出来，并告诉它前述信息才能继续工作。 而现在即使模型能力已经足够强大，我潜意识里仍然会将其归类为一种工具，而很难下意识地和它聊一些与真人才会聊起的话题。 即使在哲学层面上，现在的AI已经开始模糊工具定义的界限了。
开发者 @AnXin_37 提出一个关于“什么才算真正人工智能”的判断：用户期待的是在同一会话窗口里跨任务持续对话、并被长期记忆，而不是上下文一长就换窗口、重新交代前情。这指向当前大模型产品体验与大众直觉之间的落差。