🤖 AI 资讯早报 · 10-06

🔥 必读

1. 宇树风波后，具身智能还值得相信吗？顶级机器人学者 Sergey Levine 指明方向

Sergey Levine（Physical Intelligence 联合创始人）做客 The Peterman Pod，判断机器人行业正经历一次「问题转移」：过去要解决的是控制身体，现在的难题是教会机器人自己做决策。他以 Boston Dynamics 为对照——Atlas 后空翻代表「硬件与控制系统先行」，在连身体都造不出来的阶段这是合理路线；但如今硬件已「足够好」，瓶颈转到决策循环：后空翻只需处理自身，而从桌上拿起咖啡杯却必须理解外部世界——这正是「控制系统 vs AI」的分界线。他给年轻自己的建议是认真对待先验知识：早年谷歌「机械臂农场」用纯白板（blank-slate）思路抓取数百万物体，确实学会了抓取，却无法成为更复杂技能的垫脚石；把亲身经验与观察等先验结合，问题会现实得多。文中给出两组数据：2026 世界机器人大会上宇树王兴兴估计真正的「ChatGPT 时刻」仍需 2–3 年、不顺则 5–10 年；《2026 人形机器人产业发展报告》称上半年中国人形机器人出货超 4 万台、占全球 97%，而全行业具身数据累计仅约 10 万小时（ACE Robotics 王晓刚）。Levine 强调机器人领域既没有可下载的互联网数据、也没有「撤回键」，且学科传统上不愿共享数据，生态不如 CV/NLP 健康。Figure 的 Index 数据平台被作为对照（108 国、超 1600 万条真人任务视频、每秒接收 30 分钟内容、已付 1500 万美元、未来 12 个月拟投超 10 亿美元）。 原文：机器之心 · 宇树风波后，具身智能还值得相信吗？顶级机器人学者 Sergey Levine 指明方向

2. 看懂不等于做对：VA-Bench 测出大模型空间智能的执行断层

VA-Bench（Vision-Action Benchmark）测试 12 个主流多模态模型，把空间智能放进 Observe→Reason→Act→Revise 的完整闭环：模型先看成功示范视频，测试中可主动切换视角（消耗步数），最终必须直接输出移动距离、旋转角度与夹爪开合。结论是「看懂」与「做对」之间存在明显断层：表现最好的模型在目标识别定位（TL）达 100%、操作语义理解（MS）达 99.6%–100%，但完整任务成功率仅约一半——Qwen3.8-max 53.93%、Opus-5 52.86%、GPT-5.6-sol 51.55%（子任务完成率 65.9%–68.6%，说明失败多卡在收尾而非全程不会）。三处具体断层：① 找到目标≠精确移动（细粒度接触分析 FG、空间关系判断 SR 明显掉分，会「夹爪未降到高度就提前闭合」）；② 发现错误≠及时修正（ED 约 70–74%，而在线修正 OC 仅 27.3%–46.7%）；③ 单臂→双臂骤降（Qwen 65.61%→11.11%，Opus 64.09%→11.67%）。对照实验显示，一次性给 5 个固定视角、剥夺主动观察后，4 个模型成功率全部下降；几何迁移下 GPT-5.6-sol 从 80% 跌到 47.86%；五物体长时序组合任务无任何模型完整跑通一次。共 14 类任务（11 单臂 + 3 双臂）、280 个物理验证场景（arXiv 2609.19554）。 原文：机器之心 · 看懂不等于做对：VA-Bench 测出大模型空间智能的执行断层

3. 2026 诺奖生理学或医学奖颁给光遗传学

2026 年诺贝尔生理学或医学奖授予斯坦福 Karl Deisseroth、柏林洪堡大学 Peter Hegemann、维尔茨堡大学 Georg Nagel，表彰光遗传学（optogenetics）。技术内核是把「遗传学」与「光」结合：先用遗传学让目标神经元表达 Channelrhodopsin 等光敏蛋白（如 ChR2），蓝光照射即打开离子通道、改变膜电位并触发动作电位，换一种蛋白又可反过来抑制——从而以毫秒级精度选择性控制某一类神经元。历史脉络：Hegemann 追踪绿藻 Chlamydomonas 的光响应机制，与 Nagel 合作；2002–2003 年两人先后研究 ChR1/ChR2，证明这类藻类蛋白本身就是光直接控制的离子通道；2005 年 Deisseroth 将 ChR2 用于哺乳动物神经元，证明短暂光脉冲即可高时间精度诱发放电，此后推动其进入神经环路与行为研究。意义在于让神经科学从「相关关系」走向「因果关系」。文章另从脑机接口角度延伸：过去 BCI 多解决「读取」，光遗传学为「写回」大脑提供新路径——可遗传学选定细胞类型、以高时空精度激活或抑制，2024 年已有综述将其概括为「optogenetic brain-computer interfaces」，双光子光遗传学则已能以单细胞精度同时控制数百个指定神经元。 原文：机器之心 · 刚刚，2026 诺奖生理学或医学奖颁给光遗传学

📌 值得看

4. 入职才 4 个月，宋晓冬团队被曝与 Meta 分道扬镳，理由：工作风格不合

UC Berkeley 计算机教授宋晓冬（Dawn Song）所在的 Virtue AI 团队今年 6 月加入 Meta 超级智能实验室（Superintelligence Labs），10 月即传出散伙，Meta 给出的理由是「工作风格不合（clashing work styles）」。据外媒 Semafor，Meta 发言人 Andy Stone 称公司正裁减一批从 Virtue AI 招聘、6 月入职的员工（当时同批加入的还有 Bo Li、Sanmi Koyejo）；这是引入独立团队而非收购。宋晓冬是计算机安全与 AI 安全领域全球最高被引学者（2005 年 Dynamic Taint Analysis 论文为经典），也是 Oasis Labs、Virtue AI 创始人——Virtue AI 做模拟攻击、找 AI 薄弱点、运行时防护与安全治理。文章用 MIT Sloan 2019 研究（被收购员工一年内离职率 33% vs 常规招聘 12%，三年窗口内高出约 15 个百分点）解释「组织错配」：为创业氛围而来的人难适应大厂官僚流程。报道未确认宋晓冬等是否全部离职，团队当时未回应。核心追问是：把顶尖研究者请进来后，怎样让他们在组织里真正发挥作用。 原文：机器之心 · 入职才 4 个月，宋晓冬团队被曝与 Meta 分道扬镳，理由：工作风格不合

5. 刚刚，Tibo 承诺「连续 28 天发布或重置」，OpenAI 遭遇信任危机

OpenAI 产品负责人 Tibo Sottiaux 再次发文，称公司已「锁定方向」，接下来只做四类事——简化产品、提高效率以支持更多使用、突破性功能、新模型，并预告将进行连续 28 天发布或重置，强调「对用户而言明显改进且切合实际的功能」。评论区「这次值得相信吗」的声音比以往更明显。文章指出开发者日留下的落差：发布近 20 项（GPT-6.1 Sol、Codex/Work、Dots 等），但重度用户发现额度变少、模型变慢，最受关注的 GPT-6.1 Sol 实测仍慢、TPS 标准化体验不及 Claude；叠加此前因算力压力对订阅额度的收紧（200 美元套餐新用户一度暂停注册），信任危机发酵。SpaceXAI Grok Bot 团队的 Lauren Tan（@poteto）发文挑衅，Tibo 回帖火药味更重。文章判断 Tibo 把「简化」放前面是对的：OpenAI 不缺新故事，更需要把已讲过的故事兑现好。 原文：机器之心 · 刚刚，Tibo 承诺「连续 28 天发布或重置」，OpenAI 遭遇信任危机

6. SocioVerse2：长程推演的社会模拟实验基地，让研究者和智能体携手进化

上海创智学院、复旦大学、伦敦国王学院与牛津大学等团队推出 SocioVerse2，把 LLM 社会模拟从「横截面式问卷」扩展为可干预的纵向过程。两个痛点：多数平台擅长单一时间步、长程推演失焦；全自动端到端系统让研究者难以过程性介入（甚至有智能体编造结果、偏离计划）。方案用一棵「研究树」组织：树枝是纵向模拟回路——同一群智能体逐步行动、每步改写环境，研究者可在任意步插入干预分出反事实分支；关键机制是回放——新分支前若干步直接读取父模拟记录的动作原样重演，环境与记忆走到完全相同状态后才各自决策，因此两条曲线差异只能归因于干预（现实里做不了的对照实验）。树干是可控研究回路——研究者拥有编辑权而非否决权，可随时用自然语言或代码改动；改动分三类（继续实验/只改环境生分支/其他改动生成全新版本），每个版本完整保存代码、数据、轨迹、报告，可回溯重跑。树根是社会科学的智能体基础设施：7 个可复用技能 + 两个标准化数据服务（MCP，人群服务继承 SocioVerse 1.0 真实用户池并接入 3 个开放数据集，另含 21 类信号源）。四件事必须回到人手里：确认研究意图、决定新建/原地改/开分支、确认大模型调用成本、授权数据服务（arXiv 2609.24911）。 原文：机器之心 · SocioVerse2：长程推演的社会模拟实验基地

📄 其他

7. CMAME｜面向功能梯度超材料力学-声学协同逆向设计的兼容性感知形态学习方法（曼彻斯特大学 Digital Manufacturing Lab，把微结构边界几何兼容性直接编入低维设计空间，逆向设计的梯度结构相比单一优化单胞刚度提高 58.1%、弯曲失效载荷提高 78.5%） 原文：机器之心 · CMAME｜面向功能梯度超材料力学-声学协同逆向设计的兼容性感知形态学习方法