模型的应用场景还在持续变多，具身智能、世界模型和科学计算这些新方向，对算力提出的要求彼此并不一样。

1、kaiyun.com “改革真正打破了‘白酒是白酒、茅台是茅台’的幻想，让茅台的销售体系也变成以市场为导向，告别压货增长，回归消费驱动。

WAIC前后，月之暗面发布2.8万亿参数的Kimi K3，商汤首发多模态基座模型SenseNova-U1 Pro，阶跃星辰则集中展示了Step AOS、STEPX Neo及“超级Eva”等终端生态矩阵…… 尽管各家产品切入点各异，但内核多有相似之处：模型迭代、商业化落地的“第一公里”以及生态伙伴的站台，均集中向WAIC这一节点爆发。kaiyun.com首先要寻找现在看起来默默无闻的nobody，未来是somebody的人，尤其是厉害的年轻人，比如清华的天才少年、国外名校回来的PI（Principal Investigator，首席研究员）、大企业里出来的中高管等。

2、连续2天泡在牌桌上！内马尔未随队出征遭狂批 回击：管好你自己吧

如果存款丢了，业务就断了。

3、夏训进行时

聊完技术底层讲安全 由河南空港智算中心、瑞莱智慧、太初元碁、安势信息、清源智契、典枢科技、数安信七家单位联合打造的全域大模型安全系统，同步在WAIC发布。

4、7人铁定留队参加女篮世界杯，2人或可补充征召，2人或可破格使用

各国家和地区的电网结构完全不同，构网型还是离网支撑？单相还是三相？交付怎么安装？后续运维怎么做？这些问题没有标准答案。

5、36氪首发

但你说可逆吧……你说……你说出来自己都不信。

“AI革命是一场关于生产力、生产效率的革命，生产型行业涉及对物理世界的理解、非结构化数据的处理、机器对实体设备的推理和决策。

乍看之下，这个猜想似乎很自然。

6、听，鲸鱼头骨、沉船和路由器在低语

前些年，我们总以为内卷就是因为行业多散乱、集中度低，是由众多中小企业不守行规造成的。

Macaron-V1分两个版本：旗舰版Venti，748B参数，由744B的GLM-5.2基座加四个1B的LoRA组成，原生2M超长上下文； 标准版Tall，35B，基于Qwen-3.7后训练，Mac上就能跑。

7、曾被誉为“小浓眉”，26岁场均能够交出21+9，31岁却在NBA销声匿迹

其牵头复旦大学AI+新文科生态，联合上海科学智能研究院，汇集近20个学科40余位专家合作编写的《2026人文社会科学智能发展蓝皮书》，便试图将许多看起来抽象的治理原则，转化成可执行的研究和制度流程。

最后我拿到的报告很详细，分区域库存明细、14国电价走势复盘、碳排放因子全拉齐了。

8、一届世界杯狂赚15亿，阿迪达斯做对了什么？

平台不做泛化通用问答，深度学习各学科研究范式、实验规范、专业工具接口：生命科学可对接AlphaFold、BLAST、UniProt；材料科学打通Materials Project、RDKit、第一性原理计算；地球科学接入遥感、地质专业模型。

（如果手头没有现成题库，也可以直接把出题要求告诉它，让它先生成题库。

” 陈默只想要100分，“有时候未必太复杂，超级玛丽是100分游戏，但它非常简单，满分在于创造，这个再过100年AI也学不会。

9、习近平总书记对基础教育工作的重要指示在成都引发热烈反响

唯一中国公司，进入全球两大具身基础设施标准 随着具身智能从单点技术验证走向规模化发展，行业竞争正在从模型能力，进一步延伸到底层基础设施与标准体系。

马斯克自己也转发了这张绿鞋照片，还配了两个emoji。

10、世界杯小组赛落幕：梅西创新纪录 16队出局 32强出炉

数学家们 慢慢笑不出来了 Gowers在博客里回顾，早期那些所谓「大模型解决了研究级问题」，笑一笑就能过去： 不少所谓的解，其实是模型发现答案早就躺在文献里，或者能从已知结果轻易推出来。

先说一件有意思的事。

1、上海赚大了！36岁老将轰24分10板，硬生生从第四外援打成球队头牌

早些年，讯飞给机器人装的是「嘴巴」和「耳朵」，解决它怎么「能听会说」； 2022年的「超脑2030计划」，第一次把目标定在让机器人走进千家万户； 到今天，机器人超脑平台已经对外赋能了400多家企业。

2、【WCBA联赛】季后赛｜排位赛第二场，浙江稠州银行65-73不敌合肥文旅

所以核心就是投得更早、投到水下。

3、1000万美元“总后厨”：把“泡馍蒸饺”卖到美国去！

制作的一个天气APP也挺有模有样。冯伯元：从未辱骂陕西球迷；没取胜很自责，我将深刻反省2、仿真路线 光轮智能，提供仿真环境中机器人训练所必需的3D资产，专注于构建“数据—仿真—评测—部署”的底层基础设施，用虚拟世界弥补真实数据的不足。

4、Agent正在进入核心生产场景

青年论坛则把镜头推向科研可信、社会治理和产业链条。

5、表兄弟同遭爆冷无缘八强，大威收外卡遭质疑，中国五金花战多伦多

有些团队选择针对单一工厂训练小模型，以兼顾安全性和实时性。

6、再砍12分2板3助！关键时刻扳平比分+成功锁死布朗，卢伟赌对了

这使得工程与算法团队紧密协同，能够在很多技术点上做深入的联合设计。

伴随着AGI进入下一程，“科学智能不应只是人工智能的一个应用分支，而是检验智能能否理解复杂世界、提出可验证假设并在反馈中持续进化的终极试炼。

机器人要找一包蔬菜，顾客却可能顺手把它放进了牛奶柜。

7、22岁零272天 击败墨尔本之王 阿尔卡拉斯加冕最年轻全满贯

来源：受访者 目前我们投的企业，没有因为周期影响而价值归零的。

对比传统架构，WAM‑TTT的表现也是一骑绝尘，总体来看实现了四点突破： 第一，大幅降低机器人轨迹数据依赖。

8、仅花了8400万，却成功得到3名悍将，下赛季他们仍旧是夺冠大热门

根据陈华在股东会上的披露，上市25年来，加上本次股东会已派发的现金分红，茅台累计分红超过4011亿元，近年来分红率稳定在75%以上。

…… 从脑科学到空天飞行器，从量子计算到地球科学——从水里游的到天上飞的，从微观到宏观——AI驱动科学发现已不再是PPT里的概念，而是已经在多个学科被验证的实战能力。

1980年代，一个叫Graffiti的程序被设计来干一件事：批量自动生成数学猜想。

为什么合成数据在这一层完全失效： 真实受访者的叙述具有跨情境的因果一致性（causal consistency）——同一个个体在描述不同购买场景时，其核心动机结构会以不同表现形式反复出现，形成可识别的“动机签名”。