微软推出Rho-alpha AI模型，推动机器人技术向“物理AI”转型。该模型旨在让机器人适应复杂多变的现实环境，摆脱对预设场景的依赖，并能理解并执行人类自然语言指令。
AI投资正从虚拟转向现实，物理AI成新热点。半导体初创公司Ethernovia获9000万美元B轮融资，显示资本正关注支撑机器人和自动驾驶的硬件供应商。投资者意识到，实现这些技术落地需硬件支持，资金流向发生结构性变化。
奇瑞汽车在AI之夜上发布墨甲机器人，将具身智能作为第三增长曲线，标志着AI战略从座舱延伸至物理世界。该机器人已投入实际应用，依托奇瑞技术实现行走、交互与任务执行。
OpenAI发布提案征集，旨在提升美国本土AI硬件生产能力，以应对全球AI竞争。公司强调AI生态不仅依赖高性能芯片，还需复杂物理硬件支撑。为此，OpenAI正招募美国本土制造商与供应商，提供从核心计算硬件到数据中心冷却系统等关键基础设施组件。
免费AI图像放大器和增强器，物理感知重建，还原真实纹理细节。
Runway Gen 4.5 AI可生成1080p电影级视频，具备导演模式和物理模拟
Ovi AI视频生成器，无需注册，秒速生成物理精确且音画同步的专业视频。
OpenAI的Sora 2 AI，实现物理精确视频生成，有同步音频和客串功能
Xai
$1.4
输入tokens/百万
$3.5
输出tokens/百万
2k
上下文长度
Anthropic
$105
$525
200
Google
$0.7
$2.8
1k
$7
$35
$2.1
$17.5
$21
Alibaba
-
Baidu
128
$6
$24
256
Bytedance
$1.2
$3.6
4
$2
$3.9
$15.2
64
XiaomiMiMo
米模具身模型（MiMo-Embodied）是一款强大的跨具身视觉语言模型，在自动驾驶和具身AI任务中均展现出了卓越的性能。它是首个将这两个关键领域相结合的开源视觉语言模型，显著提升了在动态物理环境中的理解和推理能力。
nvidia
Cosmos-Predict2.5是NVIDIA开发的专为物理AI设计的高性能预训练世界基础模型套件，基于扩散模型技术，能够根据文本、图像或视频输入生成具有物理感知的高质量图像和视频，为自动驾驶、机器人等应用提供世界模拟能力。
unsloth
Cosmos-Reason1是NVIDIA开发的物理AI模型，能够理解物理常识并通过长链思维推理生成具身决策自然语言。
Cosmos-Reason1是NVIDIA开发的物理人工智能模型，具备理解物理常识的能力，能通过长链思维推理生成具身决策。该模型支持多模态输入（文本+视频/图像），输出为文本，适用于机器人、自动驾驶等物理AI领域。
AvaLovelace
LegoGPT是首个通过文本提示生成物理稳定乐高积木模型的AI系统，基于Llama-3.2-1B-Instruct微调而成。
Cosmos-Predict2是一套高性能的预训练世界基础模型，专为物理AI开发而设计，可生成具有物理感知的图像、视频和世界状态。
Cosmos-Predict2是一系列高性能的预训练世界基础模型，专为物理AI开发生成具备物理感知的图像、视频和世界状态而设计。
Cosmos-Predict2是一系列高性能的预训练世界基础模型，专为生成具备物理感知的图像、视频和世界状态而设计，可用于物理AI的开发。
Cosmos-Reason1是NVIDIA开发的物理AI模型，能够理解物理常识并通过长链思维推理生成具身决策。
deepnight-research
Saily 220B是基于Llama2-70B合并构建的强大AI模型，在多个特定领域数据集上进行了微调，具备代码、幽默、数学、逻辑理解、物理、推理、心理学、角色扮演等多方面能力。
mcp2tcp是一个连接物理硬件与AI大模型的桥梁项目，通过MCP协议实现自然语言控制硬件设备。
这是一个基于模型上下文协议（MCP）的服务器，允许AI助手通过远程控制API来控制Unreal Engine游戏引擎，实现游戏开发自动化，支持资产管理、角色控制、编辑器操作、关卡管理、动画物理、视觉效果、Sequencer等多种功能。
MCP2Serial是一个连接物理设备与AI大模型的桥梁项目，通过自然语言控制硬件设备，实现物联网智能化控制。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
