软银牵头成立日本AI基础模型公司,联合本田、索尼、NEC及三大银行等8家企业,并获政府支持。公司计划招募百名顶尖人才,目标在2030年前开发出参数规模达1万亿的“物理AI”大模型,推动日本自主研发。
具身智能企业深度机智发布PhysBrain 1.0模型,以人类学习范式构建,实现从动作模仿到原理解构的跨越,将物理常识内化于参数中。
南洋理工大学与上海人工智能实验室联合推出开源框架PhysX-Anything,仅需单张RGB图像即可生成包含几何、关节和物理参数的完整3D资产,可直接用于机器人训练。技术亮点包括:由粗到细的流程,先预测整体物理属性再细化部件;新型压缩3D表示方法,避免视觉优先导致的物理失真。
人工智能先驱李飞飞指出,当前AI竞赛过度关注语言模型参数,而忽视核心能力——空间智能。她强调,真正的通用人工智能必须掌握空间推理、物体关系与动态预测,否则将难以实现。空间智能是人类理解并驾驭物理世界的基础,是智能发展的关键引擎。
130亿参数的文生视频大模型,实现创意与物理准确性的结合
基于视觉观察自动估计人体及服装的物理参数的框架
Alibaba
$4
Input tokens/M
$16
Output tokens/M
1k
Context Length
$1
$10
256
$6
$24
$2
$20
-
Moonshot
Baidu
32
Xai
$1.4
$10.5
Tencent
Deepseek
$12
128
Openai
$0.4
$0.75
64
$0.63
$3.15
131
24
squ11z1
Hypnos-i2-32B是世界首个采用多物理熵(超导体、真空、核衰变)训练的320亿参数语言模型。它通过输入级量子正则化技术,从三个独立的量子熵源中学习真正的量子随机性,使其注意力机制对对抗性扰动具有鲁棒性,并能有效抵抗模式崩溃。
kayte0342
ChronoEdit-14B是NVIDIA开发的一款具备时间推理能力的图像编辑和世界模拟模型,拥有140亿参数。它通过两阶段推理过程实现物理感知的图像编辑和基于动作条件的世界模拟,从预训练视频生成模型中提炼先验知识。
mradermacher
这是PRIME-RL/P1-30B-A3B模型的静态量化版本,是一个300亿参数的大语言模型,专门针对物理、强化学习、竞赛推理等领域优化,支持英语和多语言处理。
piotrnobis
利用深度学习解决伯格斯方程反问题的模型,能够预测速度演变和估算物理参数