真机、实景、试炼，才是具身智能从秀台走向工位的必由之路。

1、星空官方 跨基准结果显示，PolicyTrim在ManiSkill上最高达到2.36倍加速，在Meta-World上达到2.52倍加速。

他们的系统叫HMS，Holographic Memory System，全息记忆系统。星空官方谷歌：Gemini 3.5 Pro延期、4已预训练 在算力紧缺的时代，发布一个逻辑混乱的模型，是否也是渎职？ 有用户讽刺称，DeepMind 这种浪费算力的行为，还不如直接将资源转让给Moonshot等竞争对手。

2、英超揭幕战将成基冈纪念赛 纽卡利物浦正商谈致敬细节

J-Space以认知神经科学的全局工作空间理论为解释框架，将语言模型的推理活动类比于人类意识层面的信息处理，在方法论和认识论层面都构成了重要推进，也为AI安全提供了全新的监控维度。

3、WTT男单积分榜出炉，前十名洗牌，新科冠军跻身前四，黑马崛起

DM0.5在机器人数据上加了11种自回归推理任务。

4、萨利巴受伤枪手后防告急 球迷支招：免签斯通斯不比内部挖潜香？

至于那家号称开在加沙、专送人道物资的「面包房」，ABC既无法定位，也找不到任何佐证。

5、伊朗队回应特朗普：唯一该被排除在世界杯外的，是无力提供安全保障的东道主

主题是，驱动物理AI从理解到执行。

第三步，把证据理成清单再交卷。

智能体 正在改写「干活」这件事 这背后，是「干活」这件事本身变了。

6、深耕田间示范基地 榆中激活农科教融合新动能

超远距离聚合：联合中国电信，完成国内首例超4000公里距离的大模型跨域混训，在新疆哈密与广东深圳两地集群间，实现联合训练性能提升165%。

论文点名了四项目前普遍缺席的关键防御——技能签名、内存完整性、凭证保险箱、动作授权，把它们补齐，大概是这个方向下一步最值得投入的事。

7、2003款道奇杜兰戈无底价拍卖：4.7升V8动力，行驶仅8.2万英里

打开那个庞大的Hugging Face仓库，里面没有配置文件，没有分词器。

最先被改掉的，其实是协作方式。

8、今年入夏以来，江苏发现整改水域风险隐患1200余处

开源与闭源的能力差距收窄到半年以内，「用闭源独占期充当安全缓冲」的默认策略快要失效了。

Anthropic赌OS级深度。

每次开新会话，它对你的业务、文风、客户、偏好一无所知，一切从零开始。

9、英联邦运动会格拉斯哥开幕 印度靠拳击田径举重冲前五

进到真实业务里，这省下来的全是真金白银。

训练照跑，三小时后顺利完成，日志、检查点、产出物一切正常。

10、阿根廷教练回应“拳击”奥尔莫：只是推了一下，国际足联已启动调查

如果说Token Factory是一座发电厂，「超节点」就是那台真正把电发出来的主机。

智能体（AI Agent）从概念走向落地，算力需求的重心也从「训练」向「推理与执行」急速迁移。

1、Snap-on Dale Earnhardt纪念工具车，限量4200台第2001台无底价拍卖

高德ABot架构的诞生，正是在这一行业叙事下应运而生，它与全球顶尖玩家的探索不谋而合。

2、阿根廷球迷决赛失利后在布宜诺斯艾利斯与警方发生冲突

他一直认可众多硅谷公司吸引AI人才的理念—— 对于顶尖AI人才来说，钱不是唯一的驱动力，他们想站在赢的那一边。

3、无视梅西！曼联传奇直言巴萨梦之队真核！真正的世界第一人

对此，无问芯穹的做法是从网络、平台到框架一层层优化，把跨域通信的效率整整提高了三到四倍，实现通信开销100%全掩盖。最后时刻进球遭改判，阿根廷10号赛后引发风波或遭禁赛惊喜的是，在这方天地间，我们还看了一场染透天际的日落。

4、文明实践丨庄河这栋楼天天满员

Dyna则把200k+小时数据摞成金字塔: 在之后的讨论中，马也骋分享了Dyna的实践经验：「部署数据放到下一次预训练中，接下来的部署时间就会越来越短，最终达成零成本在新环境完成同样任务。

5、注意天气变化！2026年泸州中考贴心提醒请查收

它不是某一个应用，而是内核、是驱动、是应用商店，是让上层无数软件得以运行的那层地基。

6、放弃新星霍尔！曼联豪砸世界杯猛将！3500 万锁定英超第一边后卫

堆得越多，「找不到」就越致命。

可当所有智能都跑在云端的数据中心里，AI基础设施就真的到头了吗？ 无问芯穹的答案是没有。

这也是这次发布被卡着审查的原因之一。

7、中国小将留洋首秀替补传射！

这简直是灾难！」 屠龙少年，终成恶龙 在长文的最后，特纳解释了自己为什么离职。

在Artificial Analysis的榜单中，PixVerse V6模型位列全球第二，生成速度位居全球第一。

8、福特被指因贩卖亭支付故障错解雇多名工人：时薪40美元老员工因薯片蒙冤，年薪12.5万美元

但这种「赛马」机制，也意味着内耗。

这次还顺手把整套教学技能开源，配上一门给K-12老师的AI素养课。

上述局限指向一个共同的症结：J-Space乃至整个以神经网络为焦点的可解释性研究，始终将「模型本身」作为解释的唯一对象，问题的起点和终点都是模型。

所以这颗「脑」至少干四件事：理解任务、感知环境、规划行动、监督完成——把「想做什么」「现场什么样」「下一步怎么走」「做完没有」串成一条闭环。