AI与机器人01 智元发布机器人世界模型平台Genie Envisioner
8月14日，智元推出面向真实世界机器人操控的统一世界模型平台Genie Envisioner（GE）。 与传统“数据-训练-评估”的割裂流水线模式相比，GE将未来帧预测、策略学习与仿真评估整合，以视频生成为核心形成闭环架构。
基于约3000小时的真实机器人操控视频数据，GE建立了从语言指令到视觉空间的直接映射，保留了机器人与环境交互的完整时空信息，让机器人在同一世界模型中完成从“看”到“想”再到“动”的端到端推理与执行。
• 点评：当前，机器人学习系统普遍采用分阶段开发模式，这种碎片化架构增加了开发的复杂度，延长了迭代周期，限制了系统的可扩展性。不同于主流VLA（视觉-语言-动作）模型利用视觉-语言进行间接建模，GE可以直接在视觉空间中建模，让机器人完成“想象-验证-行动”的完整闭环。（曹妍）
02 英伟达发布Cosmos Reason
8月11日，英伟达发布机器人视觉语言模型（VLM）Cosmos Reason，它拥有70亿参数，用于机器人等具身智能，让机器人和AI代理能够像人类一样进行推理，利用先验知识、常识来理解现实世界，并在现实世界中行动。
同时，现有Cosmos世界模型系列将新增Cosmos Transfer-2，能加速从3D模拟场景或空间控制输入中生成合成数据。此外，英伟达还推出了一系列面向机器人开发者的数据库及相关基础设施。
• 点评：Cosmos Reason的突破在于解决多步骤任务，有望应用于数据管理、机器人规划和视频分析等领域。这一系列动作，标志着英伟达正在加码进军机器人赛道，拓展AI数据中心之外的下一个重要应用场景。（曹妍）
03 达摩院开源具身智能“三大件”
8月11日，阿里达摩院宣布开源自研的VLA模型RynnVLA-001-7B、世界理解模型RynnEC，以及机器人上下文协议RynnRCP，推动数据、模型与机器人的兼容适配，打通具身智能开发的全流程。
达摩院将MCP（Model Context Protocol）理念引入具身智能，首次提出并开源了RCP（Robotics Context Protocol）协议，以推动不同的数据、模型与本体之间的对接适配。达摩院打造了名为RynnRCP的一套完整的机器人服务协议和框架，能够打通从传感器数据采集、模型推理到机器人动作执行的完整工作流，帮助用户根据自身场景轻松适配。
RynnVLA-001是达摩院自主研发的基于视频生成和人体轨迹预训练的视觉-语言-动作模型，能够从第一人称视角的视频中学习人类的操作技能，隐式迁移到机器人手臂的操控上，从而让机械臂的操控更加连贯、平滑，更接近于人类动作。
世界理解模型RynnEC将多模态大语言模型引入具身世界，赋予了大模型理解物理世界的能力。该模型能够从位置、功能、数量等11个维度全面解析场景中的物体，并在复杂的室内环境中精准定位和分割目标物体。无需3D模型，该模型仅靠视频序列就能建立连续的空间感知，还支持灵活交互。
此外，达摩院还在2025年7月开源了WorldVLA模型，首次将世界模型与动作模型融合，提升了图像和动作的理解与生成能力。
• 点评：具身智能让AI不再局限于虚拟世界，而是拥有 “身体”，能与现实环境互动并不断提升。但目前具身智能领域的发展存在开发流程碎片化，以及数据、模型与机器人本体适配难等难题，达摩院“三大件”为解决当前的难题提供了新的思路和方法。（罗仙仙）
AI与医药
04 浙江发布“AI+医疗健康”三年行动计划
8月12日，浙江省卫健委等十部门印发《浙江省加快推动“人工智能+医疗健康”高质量发展行动计划（2025-2027年）》，从构建支撑体系、打造共享平台、加快行业应用、培育产业生态四方面提出18项重点任务；同时明确，到2027年，全面建成国家人工智能医疗行业应用基地，打造以安诊儿医疗大模型为核心的医疗智能体集群，培育50个以上高质量行业语料库和专病专科模型，突破转化10项以上医学AI核心技术，建设面向公众、医生、医院、科研、产业、政府等6大领域100个以上医疗健康重点场景。
• 点评：一个月前，北京发布AI医疗专项政策《北京市加快推动“人工智能+医药健康”创新发展行动计划（2025-2027年）》，浙江也在跟进。浙江的上述行动计划不仅围绕算力、数据、模型等方面做出规划，同时构建“技术-临床-产业”三位一体的智能医疗新生态，期待“AI+医疗健康”的成效。（卫酉祎）
05 百川智能发布开源医疗增强大模型
8月11日，中国AI企业百川智能发布开源医疗增强大模型Baichuan-M2，称其在HealthBench上得到60.1的高分，以32B的较小尺寸反超OpenAI 最新开源模型gpt-oss120b（得分57.6），更力压Qwen3-235B、Deepseek R1、Kimi K2等当前世界所有开源大模型。
2025年1月，百川智能在业内首发“AI患者模拟器”，用真实数据构造上万个不同年龄性别症状的AI患者，模拟了数百万次诊疗过程。基于该范式开源的Baichuan-M1，通过升级患者模拟器并引入模型端到端强化学习，训练发布了Baichuan-M2。Baichuan-M2进行了极致轻量化，量化后的模型精度接近无损，可以在RTX4090上单卡部署，相比DeepSeek-R1 H20双节点部署的方式，成本降低了57倍。
• 点评：医疗领域是AI发展的重要方向之一，M2的发布是其在医疗领域的一次阶段性突破，在评测中领先除GPT5以外所有的开源闭源前沿模型，同时落地门槛较低，更多中小型医疗机构也能负担起医疗大模型的私有部署。（罗仙仙）
AI for Science
06 AI从头设计抗生素，精准杀灭耐药菌
8 月 14 日，Broad 研究所/麻省理工学院 James Collins 团队在《细胞》（Cell） 发表论文A generative deep learning approach to de novo antibiotic design。研究团队开发了一种生成式人工智能框架，通过基于片段的方法（CReM）和无约束的从头化合物生成法（VAE），并使用遗传算法和变异自动编码器，共生成了超过 3600 万种从未被记录具有预测抗菌活性的化合物。经过筛选，研究团队合成了生成的24种化合物，有7种表现出选择性抗菌活性，最终他们成功设计出两种新型抗生素分子，能够快速、精准地杀灭淋病奈瑟菌和耐甲氧西林金黄色葡萄球菌等耐药菌，显著降低小鼠体内细菌的负荷量，且对人类细胞具有安全性。
• 点评：耐药菌增加了人们治疗感染性疾病的难度，耐药菌在持续进化，研制新的抗生素成为当务之急。这一生成式人工智能框架，开拓了抗生素生成设计的新局面。（李一跞）
07 利用AI加速核聚变装置安全设计
8月13日，普林斯顿等离子体物理实验室（PPPL）、橡树岭国家实验室（ORNL）与Commonwealth Fusion Systems公司（CFS）在《融合工程与设计》（Fusion Engineering and Design）发表论文Shadow masks predictions in SPARC tokamak plasma-facing components using HEAT code and machine learning methods，报告他们利用最新研发的AI模型HEAT-ML加速SPARC 托卡马克等离子体面组件中 “磁阴影”的计算过程，从而为核聚变装置的安全防护和高效设计提供了关键的技术支撑。
HEAT-ML单次模拟从原来的约30分钟跃升至毫秒级，实现了数千倍的加速，其核心在于利用深度神经网络替代传统的物理计算流程，能够根据输入的几何和磁场信息，瞬间预测出映射图，完全绕过了耗时的磁力线追踪和碰撞检测的过程。
• 点评：可控核聚变的推进速度，不仅取决于材料和工程等领域的进展，更因为有AI技术的辅助，可加快模拟和验证过程，还将为运行决策提供依据。（李一跞）
AI技术与人才
08 华为发布AI推理技术UCM
8月12日，华为发布AI推理技术——UCM推理记忆数据管理器，并计划于2025年9月正式开源。UCM是一款以KV Cache（Transformer的推理加速功能，核心是缓存Key和Value以避免重复计算）为中心的推理加速套件，包括对接不同引擎和算力的推理引擎插件（Connector）、支持多级KV Cache管理及加速算法的功能库（Accelerator）、高性能KV Cache存取适配器（Adapter）三大组件，通过推理框架、算力、存储三层协同，实现AI推理的“更优体验、更低成本”。
• 点评：推理和训练是 AI 模型生命周期中的两个核心阶段。UCM有望降低中国AI推理对HBM（高带宽内存）技术的依赖，为提升AI的推理体验、优化推理效率和成本提供了一种新的解决方案。（卫酉祎）
09 美国发布人才战略：为黄金时代的美国劳动力赋能
8月12日，美国商务部、劳工部、教育部联合发布《美国人才战略：为黄金时代的美国劳动力赋能》（America’s Talent Strategy: Equipping American Workers for the Golden Age），旨在根据不断变化的经济、技术和人口趋势，加强美国的劳动力系统。
该战略从五个部分论述如何发展劳动力、推进美国优先的议程：1.需求驱动，通过由行业主导并与美国经济优先事项相一致的劳动力系统，建立可靠的人才输送管道；2.工人的流动性， 让更多的美国人加入劳动力大军，包括通过创新使用技术和劳动力市场数据，帮助他们提高地位；3.系统集成，简化联邦劳动力的发展项目，赋予各州权力，统一工人和企业系统接入，推进特朗普政府关于“让美国再次具备技能”的提案；4.建立问责制，通过将投资与成果挂钩并执行绩效纪律，确保联邦资助的劳动力计划取得可衡量的成果；5.灵活与创新，优先发展人工智能素养、建立人才与人工智能工作的新渠道等，创建新的劳动力创新模式，以适应人工智能驱动的经济转型的速度和规模。
• 点评：随着数智化的发展，生产设备在进化，劳动力该如何进化？劳动力的AI素养、AI相关技能提升，也将是大部分国家和地区即将面临的挑战。（李一跞）
南方周末科创力研究中心
责编 黄金萍
