AI 资讯早报 · 11-11
🤖 AI 资讯早报 · 11-11
🔥 必读
1️⃣ 英伟达 GR00T 2 世界动作模型：40 万小时人类视频，跨本体迁移把「教一次」变成「教一遍」
CoRL 2026（奥斯汀）上，英伟达 GEAR 负责人朱玉可与 Jim Fan 发布新一代世界动作模型 GR00T 2：同一个扩散 Transformer 联合预测「未来画面」与「机器人动作」，被 Jim Fan 定位为本地可跑、反应够快的 System 1 物理技能模型。演示覆盖拿剪刀裁标签、装显卡、擦火柴、切香蕉做早餐、收桌子等任务。
核心是 X-Adapt 跨本体适配，官方给出三条迁移路径：① 人戴动捕设备示范「放置、润湿滤纸」，双五指手 Dexter 直接学会，20 次试验成功率 65%，全程没有采集该任务的机器人遥操作数据；② 手持 UMI 夹爪示范组装玩具卡车，迁移到 YAM 机械臂后能端到端完成最长约 4 分钟的装配，成功率 60%；③ DexUMI 手部外骨骼示范做香蕉酸奶，机器人接手完成早餐。
数据底座是三层金字塔：402,730 小时人类第一视角视频、10,184 小时 UMI 演示（覆盖 2,897 项任务）、23,500 小时机器人遥操作。团队做了关键消融——分别用 0%、1%、10%、全部人类视频训练，在 72 项 Dexter 任务上平均任务进度从 50% 提升到 70%，证明人类视频不只是丰富视觉知识，而是直接转化为执行能力。
少样本能力上，Dexter-50 评测零样本平均成功率 40%，每任务一次示范升至 71%，五次示范达 95%（五次示范合计不足 3 分钟），随后在单张 RTX 5090 上约 30 分钟 LoRA 微调即可适配。同时开放 WAM API，让上层推理模型拆解任务、检查进度，把物理执行交给 GR00T 2。
配套工具链一并铺开：Human-1M（首批 10 万小时已公开）、Flora（数据标注与自动评估）、SimFoundry（场景重建仿真）、ASPIRE（技能编排与错误恢复）、Turbo（G1 机载 Jetson Thor 单次预测 124 毫秒）、SONIC（Jetson Orin 上 50Hz 全身控制）。⚠️ 限定：成功率均为英伟达自测口径；跨本体迁移不代表零机器人数据——目标机器人仍需提供与本任务无关的身体结构数据。文末对照同一 RoboDojo 框架下 Claude Fable 5.2 的 64.9%，属不同体系，不宜直接横比。
原文：量子位 · 英伟达机器人开源撞上Fable 5.2发布！Jim Fan：不是寒冬是夏天
2️⃣ 阿里正式交表申请平头哥独立上市：真武系列 AI 芯片累计出货 56 万片
11 月 10 日晚，阿里巴巴集团公告已向香港联交所交表，申请旗下芯片子公司平头哥独立上市，拟以 H 股在主板挂牌；上市完成后平头哥仍为阿里子公司。公告显示，平头哥早在 2026 年 9 月 11 日已递交申请，IPO 具体规模尚未最终确定。同期披露的硬数据是：截至 2026 年 4 月，平头哥真武系列 AI 芯片累计出货量达 56 万片。
这条线与两个月前的云栖大会连在一起看更完整：9 月云栖上平头哥发布国产 AI 芯片真武 V900（算力为前代 3 倍），次日开源软件栈 T-Head SAIL（框架适配、源码迁移、算子开发工具，以及 DeepGEMM、FlashAttention 等加速库），相当于给真武补上自己的「CUDA」，官方称真武已服务 20 多个行业、650 家客户，小鹏、蚂蚁、小红书在列。⚠️ 本次公告未披露募资额、发行价与时间表；「56 万片」为累计出货口径，未区分训练/推理型号。
3️⃣ 银河星仔 ET1 夺 CES 2027「最佳创新奖」：首个拿到该奖的双足人形机器人
11 月 9 日 CES 官方公布 2027 年度创新奖名单，银河通用的原生智能体机器人银河星仔（Galbot ET1）获 Best of Innovation（最佳创新奖），成为 CES 创新奖设立以来首个获此等级奖项的双足人形机器人。同届机器人类别中，Booster、Agility、启元、智元灵巧手获 Honoree（荣誉奖）。含金量参考：CES 2026 共收到 3,600+ 份申请，仅 43 款获 Best of Innovation，比例约 1.2%；本届申请量再创新高。
技术上的差异化在「看中学」：区别于依赖预设动作程序或预采动捕数据的机器人，ET1 通过视觉观察人类动作、提取运动轨迹，现场学习并复现新动作，不需要为每个新动作预录视频或做动捕。底座是银河通用自研的 AstraBrain-WBC 通用小脑基模 + 百万小时级人类动作数据（AstraData，含高精度动捕与从互联网人类视频提取重定向的数据）。
商业化已跑在前面：今年 9 月公布售价，7.9 万元基础版 / 13.9 万元专业版 / 17.9 万元旗舰版，开订 24 小时预订量突破 200 台；已在香港、上海、北京、贵州落地商业展示与互动场景。10 月 22 日，银河通用与宇树科技联合宣布 ET1 为双方联合研发。⚠️ 奖项与能力描述均来自厂商通稿，「现场学习新动作」暂无第三方复现或量化指标。
原文：机器之心 · 双足人形机器人首夺CES最高创新奖，银河星仔ET1登顶
📌 值得看
4️⃣ Claude Fable 5.2 的机器人能力：RoboDojo 得分 64.9%，超 Opus 5.5 与 GPT-6 Astra 一倍多
Fable 5.2 与 Mythos 5.2 于 11 日凌晨发布，官方发布文的「科学与工程」部分专门开了「硬件与机器人」小节。给出的关键数据：在 RoboDojo Sim 上 Fable 5.2 得分 64.9%，上一代 Fable 5.1 为 27.6%（+37.3pp），Claude Opus 5.5 为 39.4%、GPT-6 Astra 为 29.8%；Anthropic 称其超过多数专为机器人控制开发的系统。演示视频里完成了操作益智方块、拧开瓶盖、绘制图案等任务；同期还有「约 1000 个 AI 智能体协作、30 小时完成费马大定理证明形式化」的科学侧成果。
人才侧同步补强：曾参与特斯拉 Optimus 人形机器人研发的研究员 Bingjie Tang 确认加入 Anthropic 任 Member of Technical Staff，此前在 Optimus AI 团队做学习式灵巧操作（数据采集、策略训练、评估、真机部署），博士期间与英伟达西雅图机器人实验室合作 sim-to-real。产品经理 Alex Albert 称机器人的「苦涩的教训」已经来了——该说法源自 10 月 Robocurve 等机构的论文《The Bitter Lesson Comes to Robotics》，其结论是通用模型已能完成多种实体操作、但精度、速度与推理成本仍是实际约束。⚠️ 单一仿真基准 + 厂商自测口径。
原文：机器之心 · 机器人版「苦涩的教训」来了？ Claude 5.2操作性能大涨，前Optimus研究员加盟
5️⃣ MiniMax H3 Image 开源：4K 图 10–20 秒出图，最多 16 张参考图，可直接接 Agent
今年 8 月 MiniMax 开放 H3 视频模型权重（首个达到 SOTA 水平的开源视频模型），几个月后社区衍生出 H3 max 等一批模型。现在 MiniMax 把图像侧也放出来了：H3 Image 发布当天即开放权重，定位「开源图像生成与编辑的 SOTA」——不是新训一个模型，而是在 H3 统一全模态预训练的基础上，针对图像生成与编辑做后训练优化。
爱范儿实测的硬指标：生成一张 4096×4096 的高规格图只需 10–20 秒，对比过去动辄几十秒的高分辨率生图，4K 级生成进入「十秒计」；最多支持 16 张参考图，可同时理解不同主体、材质与风格要求。实测覆盖工业产品爆炸图（未来主义咖啡机的豆仓/研磨器/冲煮模块关系）、大段文字海报（准确渲染 PHOENIX MYTH 与副标题）、游戏 UI、以及从 Midjourney 参考图反推的摄影级氛围图。更有价值的是接法：可通过 API 接入 MiniMax Code、Claude Code、Codex 等 Agent Harness，让 Agent 整理任务、调用生图、再迭代修改。⚠️「GPT 的效果 + MJ 的审美」是媒体主观评测，无基准分数；分辨率与速度为其自测。
原文：爱范儿 · 实测 MiniMax H3 Image：GPT 的效果加上 MJ 的审美，居然被它开源了
6️⃣ UMM-Reflection：让统一多模态模型自己「看图改图」，修复成功率 20.6%→64.9%
南洋理工、上海交大、东京大学团队提出 UMM-Reflection，在开源统一模型 BAGEL 上用强化学习训练完整的「反思—修改」多轮轨迹：同一个模型先写出诊断，再按诊断重画，推理时不需要任何外部打分器（看图、诊断、修改、停止全由模型自己完成）。
关键结果：初始生成错误图像的修复成功率从 20.6% 提升到 64.9%（3 倍以上）；GenEval 0.72→0.84，其中空间位置 0.47→0.89、颜色属性绑定 +14、计数 +10——三种模型初始出图准确率几乎相同，增益全部来自反思轮次；在训练中从未见过的 WISE 上 0.63→0.74（+11），T2I-CompBench++ 0.50→0.55。对照实验最能说明方法价值：同样 RL 预算直接训练生成器，GenEval 只到 0.76、WISE 甚至低于 Base，UMM-Reflection 在 WISE 上高出 19.8 点。
方法上，先做反思 SFT 冷启动（29,529 条多轮轨迹，GPT-5.5 当批评者、Qwen-Image 生成/编辑，BAGEL 自身不参与以免蒸馏自己的失败模式）——这一步教会了「改」但改不准，单条轨迹只能修好 20.6%，且第一轮后基本停滞；再用整轨迹 RL：对每个请求只生成一张初始图、从同一张图采样 16 条完整反思轨迹做组内相对比较，每条轨迹只算一个结果驱动的优势值、同时更新文本头与 flow 头。代码、模型与训练数据均已开源（arXiv 2609.35767）。
原文：机器之心 · 不靠外部裁判，统一多模态模型学会自己「看图改图」
7️⃣ 苹果开卖 49.99 美元 AI「用量包」：额度不公布，仅限创作套件订阅用户
苹果面向软件内置的 AI 助手上线 AI 用量包（Intelligence Usage Packs），先在音乐制作软件 Logic Pro 提供购买入口，售价 49.99 美元（约 334 元）。Logic Pro 的 AI 助手可用自然语言创建音轨、加效果器、移动片段，也能直接执行部分软件操作。购买门槛是持有有效的 Apple Creator Studio 订阅（美国区 12.99 美元/月或 129 美元/年），额外额度在当月所含额度耗尽后开始消耗。
规则细节：一次性购买、不自动续费，未用完额度可逐月结转、购买后 12 个月到期；绑定购买时登录 iCloud 的账户，不支持家人共享。助手由 Google Gemini 提供支持，目前 Beta、仅支持美式英语。⚠️ 关键问题是额度未公布——用量页只有进度条，购买弹窗只显示价格与订阅要求，没有调用次数或 Token 数；苹果称消耗取决于功能、请求复杂度与系统需求，相同额度不保证相同产出。
背景与争议：11 月 3 日苹果 CEO 约翰·特努斯在财报会上称 Siri AI、智能照片编辑等依赖服务端模型的功能会有用量限制、未来可付费扩展；11 月 5 日 AI 助手随 Logic Pro 13.0 上线。单包价格接近 4 个月订阅费，业界与用户质疑是否划算；音乐创作者 Peter Kirn 实测让助手删除音频静音段，返回的是一套手动操作步骤。中国大陆可订阅 Creator Studio，但部分 AI 功能受限、暂不支持购买用量包。
原文：智东西 · 苹果开卖334元AI”加油包”，额度不详，仅面向已订阅创作套件用户
📄 其他
- Anthropic IPO 路演启动：拟发行 8.25 亿股、价格区间 70–78 美元，快讯另称目标估值约 1 万亿美元——同一 IPO 线系 11-10 晚报已推内容的续报，且「净募资 937 亿美元 / 估值 1 万亿」与按 8.25 亿股×70–78 美元推算的约 578–644 亿美元存在口径差异，以招股书披露为准。36氪
- 台积电董事会核准以不超 5 亿美元认购 OpenAI 特别股，同日批准约 409.27 亿美元资本预算用于先进制程、先进封装与 2027 年研发。36氪
- 华为新型存储系统即将启动试商用，从实验室验证进入客户真实场景联合验证；同期富士胶片宣布 2026–2028 财年扩产数据磁带，为近 20 年首次大规模扩产。36氪
- 高盛领投 Daylight Security 8000 万美元 B 轮，投后估值约 4 亿美元，累计融资 1.2 亿美元。36氪
- 澳洲航空与埃森哲签多年期技术与 AI 合作协议，将裁员约 850 人，用于系统、流程与数据体系现代化，合同金额未披露。36氪