禾赛发布 Kosmo 三维世界数据引擎及手持 AI 空间相机
禾赛于 10 月 14 日发布 Kosmo 三维世界数据引擎,包含手持 AI 空间相机 Kosmo One 和云平台 Kosmo World。Kosmo One 集成激光雷达与一英寸 CMOS,实现毫米级几何精度和 8K 采集,约 15 分钟可扫描 100 平方米室内空间。
推荐理由:原文详细拆解了禾赛新发布的空间相机硬件参数与云平台功能,展示了其毫米级精度及在影视、机器人训练中的具体应用案例。
禾赛于 10 月 14 日发布 Kosmo 三维世界数据引擎,包含手持 AI 空间相机 Kosmo One 和云平台 Kosmo World。Kosmo One 集成激光雷达与一英寸 CMOS,实现毫米级几何精度和 8K 采集,约 15 分钟可扫描 100 平方米室内空间。
推荐理由:原文详细拆解了禾赛新发布的空间相机硬件参数与云平台功能,展示了其毫米级精度及在影视、机器人训练中的具体应用案例。
Modal 宣布其年度经常性收入(ARR)达到 $1B,并完成 $16B 的 Series D 融资,正式晋升为纽约最新的 AI 基础设施“十角兽”公司。过去五个月内,其使用量与估值均实现 3 倍增长,一年内更是达到 15 倍增幅。该公司核心产品 Sandboxes 目前运行率已达 $300M,支持百万级并发沙箱环境。
破晓智能联合天珑移动发布全身全模态数据采集系统SeePhys Hub,通过四目头环、腕部手环及触觉手套等稀疏节点设备,同步记录视觉、IMU运动信号与接触压力。该系统旨在补全Ego数据缺失的全身姿态与触觉信息,同步精度不超过0.5毫秒,为2027年推出的全模态世界模型提供高质量训练数据支持。
Dyna Robotics 推出基于百万小时人类视频预训练的 Dyna-2 世界动作模型,并部署具备小时级自主能力的物理机器人 Dyna-2.1。该机器人在 Din Tai Fung 连续折叠餐巾 24 小时,成功率达 99.4%,仅需 45 分钟演示即可学习新任务。
魔法原子VLM Agent框架EchoPolicy-0以75.4%成功率位列MolmoSpaces Combined榜单全球第一。自研MagicBrain框架凭借3.4B参数规模获第四名,抓取成功率达94.4%。两者通过分层架构与视觉引导技术,推动具身智能从演示走向产线可用。
DeepSeek计划领投由Swin Transformer作者胡瀚创立的Winverse AI数千万美元种子轮融资,投后估值约4亿美元。这是DeepSeek继8月入股宇树科技后,两个月内第二次投资机器人领域,旨在通过布局机器人基础模型完善具身智能生态。
Anthropic 利用 15 台 4GB 内存的安卓电视盒子,通过分布式推理成功运行 Gemma4-26B-A4B 模型。实验显示 GLM-5.2 能稳定完成端到端自我复制,但受限于硬件性能,部署耗时约 28 至 51 小时。研究预测具备 IoT 适配与自复制能力的模型可能在 2026 年底出现。
模思智能完成超 10 亿元 Pre-A 轮融资,由复旦大学邱锡鹏团队创立。公司发布 MOSS-VL-Realtime 等 20 多个模型,实现持续接收视频流并实时更新判断。其核心在于通过全双工交互让 AI 感知、理解并响应变化的现实世界。
字节跳动在抖音集团《2026 美好奇妙夜》科技节目上展示了其正在研发的世界模型,该模型尚未正式发布。演示显示其具备三维场景生成、自由探索、实时交互、物体编辑及跨空间连通等能力。文章指出世界模型正从内容生成延伸至机器人和自动驾驶等物理AI的虚拟训练与验证环节,并分析了国内外厂商在空间智能领域的不同技术路径。
推荐理由:文章梳理了字节跳动世界模型的现场演示能力,并对比了国内外技术路线差异及在物理AI训练中的应用价值。
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA,允许现有模型直接观察、保存并回看原始画面以辅助推理,无需从头训练。
推荐理由:原文详细拆解了VISTA框架如何通过无损视觉记忆和主动检查机制,让现有多模态模型在不重训的情况下提升交互推理效率。
加州 AI 公司 Odyssey 推出世界模型 Odyssey-3 的公开研究预览,用户可通过文本提示生成并实时探索交互式环境。该模型基于自回归扩散 Transformer,基础版拥有 140 亿参数,支持 832×480 分辨率视频生成,Pro 版支持 1280×720。
推荐理由:Odyssey-3 开放免费实时交互演示,提供物理基准测试数据及机器人与游戏控制应用案例。
前字节跳动实习研究员田柯宇创办的世界模型创业公司获近 3000 万美元融资,投后估值达 2 亿美元。该公司目前处于隐身状态,尚无正式名称及产品,其核心押注方向为世界模型技术。
星动纪元自研世界动作模型VPP2以32.26%平均成功率登顶RoboDojo仿真榜单,超越GPT-6-Astra等头部模型。该模型通过视频预测与动作学习解耦训练,在真机零样本测试中达58.5%成功率,且已开源。
MirroS团队发布AgentGarten,将可执行代码环境与实时神经渲染器连接,以超过30 fps的吞吐让智能体持续与世界交互。在捉迷藏实验中,智能体通过复盘“实验手册”,躲藏者第4轮学会搭掩体,搜寻者第10轮掌握翻墙,大幅缩短策略涌现所需对局数。该架构支持流式生成与精确重放,解决了长程交互漂移问题,为具身智能提供了可反复试错并积累经验的物理世界模拟环境。
Shellplan 是一款开源 iOS 应用,利用带 LiDAR 的 iPhone 逐间扫描房间并自动拼合为全屋模型。它能生成去除家具的空房间白模和带尺寸标注的平面图,支持门窗编辑及实测值录入。用户可一键导出包含 OBJ/USDA 模型、PDF 平面图及 Blender 重建脚本的 ZIP 包,所有数据仅保存在本地不联网。
GitHub 项目 RoomScan 推出了一款利用 iPhone LiDAR 进行全屋扫描的工具,支持多房间自动拼接、生成带尺寸的空房间白模和平面图。该应用数据仅保存在本地且不联网,可一键导出包含 OBJ/USDA 模型、结构化 JSON 数据及 Blender 重建脚本的压缩包,以便在 Blender 中结合 AI 进行室内设计。
NVIDIA 官方博客介绍开发者如何结合前沿 AI 模型(如 GPT-6 Astra)与 NVIDIA Omniverse 库,将仿真创意转化为可运行的应用程序。
Technion MTRL 与 Weizmann Tree Lab 联合开发 BUSTAN 全尺寸土质亭,由 178 块机器人 3D 打印土砖环绕活体橄榄树构建。砖体混合本地土壤、植物纤维及矿物粘合剂,通过定制几何形态实现遮阴、蓄热及为昆虫鸟类提供微生境等功能。该结构形成多孔墙体以营造微气候,探索计算设计与机器人制造在支持树木栽培和多物种共生中的应用。
Google Labs 在周三推出实验性 AI 游戏创作平台 Playground,允许用户通过文本提示构建无需编程的浏览器游戏。该平台支持选择 2D/3D、单人/多人模式及上传素材生成资产,目前仅向美国 18 岁以上用户开放。Google 计划未来集成 Unity Spark 以增强 3D 能力,基础浏览免费但生成需消耗 token。
Google DeepMind、Meta 和 Isomorphic Labs 共同向 Biohub 投资 3 亿美元,旨在构建 AI 数据集以创建“虚拟细胞”。该计划是 18 亿美元倡议的一部分,帮助研究人员数字化预测生物问题。美国能源部也将投入超 5 亿美元支持这一目标。
AI 3D公司Meshy在a16z发布的“消费级AI应用月收入Top 50”榜单中位列第31名,是该榜单上唯一的AI 3D企业。该榜单基于YipitData追踪的美国消费者银行卡消费数据,显示消费者持续为建立在自研模型上的专业化创意工具付费。Meshy近期年度经常性收入突破1亿美元,并于2026年7月完成近4亿美元B轮融资,估值达15亿美元。
推荐理由:原文通过a16z收入榜单数据,佐证了AI 3D作为独立付费品类的市场地位及Meshy的商业表现。
NVIDIA 推出 DLSS 5,通过 3D-Guided Neural Rendering 技术让《NBA 2K27》画面接近次世代质感。该技术利用神经网络在渲染末端生成符合现实的光影与材质细节,显著增强皮肤、织物等元素的真实性。目前需 RTX 50 系列硬件支持,开启后帧率从 120 降至约 45,存在性能开销但被视为改变游戏画面生产方式的关键突破。
Mirror Particle 正在从零构建一个模拟人类行为及其随时间变化的“世界模型”,旨在替代基于大语言模型的角色扮演方法。该引擎结合客户数据、社交媒体及流行文化等多源信息,重点分析“显现行为”而非自我报告,为品牌提供包含动机与约束的行为预测洞察。
PhAI Labs 团队推出 JEPA-Anything,将 Yann LeCun 的 JEPA 架构扩展至七个领域。该模型在 Pong 环境预测误差降低 35%,并发现 IL-18 联合 CD73 阻断剂可抑制肝癌细胞。代码与模型已开源,旨在通过多模块正交预测提升通用性。
Atelier DARN 在西班牙 Gavarres 景观推出临时建筑装置 Woven,利用木材与 miscanthus 生物降解丝材 3D 打印约 700 个互锁模块。该结构无需胶水或合成材料即可组装,旨在随植被覆盖逐渐融入环境并自然分解,探索建筑的再生循环。
Reka AI 推出研究预览版全模态模型 Rho-1,该 190 亿参数模型在单一神经网络中处理并生成文本、图像、视频及机器人控制动作。Rho-1 将所有模态作为共享上下文窗口中的 token 运行,无需工具调用或外部模型,支持实时连续视频生成与即时指令响应。
量子位发文探讨GPT-6 Astra发布后,通用大模型是否取代专业AI 3D模型的问题。文章指出尽管通用模型能操作Blender进行基础建模,但在角色、复杂道具等高精度资产生成上,专业模型如Meshy仍具显著优势。
推荐理由:文章通过对比通用模型与专业工具在3D资产生成上的差异,结合Meshy的营收增长数据,分析了AI 3D赛道中专业模型的不可替代性及商业逻辑。
Museum of Illusions 和 Museum of Ice Cream 等机构将博物馆转化为以拍照和社交为核心的娱乐格式,削弱了传统收藏与研究属性。针对 Van Gogh、Monet 和 Frida Kahlo 的沉浸式投影展利用屏幕化视觉语言扩大画作至建筑尺度,虽降低了认知门槛并增强情感共鸣,但可能使观众止步于熟悉图像的感官刺激,而非深入探究原作内涵。
Pascal Editor 发布基于 React Three Fiber 和 WebGPU 构建的开源、本地优先 3D 建筑编辑器,支持在浏览器或 CLI 中运行并通过 MCP 协议连接 AI 智能体。
推荐理由:原文展示了基于WebGPU的本地优先3D建筑编辑器及其MCP集成方案,为AI智能体介入空间建模提供了可复用的技术路径。
GitHub 项目 SceneCraftAI 面向 Unity URP,提供房间优先的室内场景搭建,支持约束布局、可编辑家具,并可选接入 DeepSeek 做方案规划,带中英文控制。适合做室内空间演示、软装摆放和方案推敲时快速搭建可交互场景。
研究人员提出 LEGO-Anything 方法,利用编码智能体根据单张照片迭代编写 Blender 代码以生成可编辑的 3D 场景。团队引入 LEGO-Bench 基准测试,包含 208 张图像和 443 个注册资产,用于评估场景的有效性、几何精度和视觉相似度。
推荐理由:原文介绍了从照片生成可编辑Blender代码的智能体方法及基准测试,揭示了当前模型在几何精度和自我评估上的局限。
iDesign 是一款利用增强现实技术帮助用户在购房前预览家具效果的移动应用。该工具基于 Unity 引擎和 Google ARCore SDK 开发,支持通过智能手机或平板将虚拟沙发、桌椅等家具叠加至真实房间场景。其核心功能包括账户管理、3D 家具浏览及目录检索,旨在减少线下选购的时间成本并提升空间感知效率。
AIStudioFloorPlan 是一款基于先进 AI 技术的 Web 应用,能将 2D 建筑平面图自动转换为逼真的 3D 可视化效果。该工具通过生成照片级渲染图和室内场景视角,简化了设计流程。
CreativeDesigner3D/Library_Home_Builder 是一个基于 PyClone 的 Blender 资产库,专为辅助建筑与室内设计而构建。该开源项目采用 GPL-3.0 许可证,包含橱柜、衣柜、门窗及墙体等模块化资源文件。目前该项目在 GitHub 上已获 120 颗星和 19 个分支,支持通过 addon_updater 进行更新维护。
3D 打印工作室 Makelab 在纽约 MADE: Bush Terminal 获得 3,840 平方英尺新设施,以扩大生产能力并服务一线汽车供应商等客户。该举措旨在通过结合工业设计专长与物理制造能力,弥合数字 CAD 设计与实体生产之间的差距。
Cordis 是一个正在积极开发的时空可组合性元框架。其 API 尚未稳定,可能会在不另行通知的情况下发生变更。官方文档 cordis-primer 仍在建设中,相关论文已发布在 arXiv。
Rael San Fratello 在旧金山 Yerba Buena Center for the Arts 举办中期回顾展,展出其结合社会议题与实验性3D打印技术的作品。
斯坦福团队推出HomeBody项目,利用GPT-6 Astra作为智能体调用技能库,控制宇树G1机器人在未见过的厨房中执行收拾物品、取药等复杂任务。该系统通过Real2Sim构建数字孪生并复用预训练电机技能,无需针对新环境重新训练专用动作策略即可实现泛化部署。
作者分享了使用 GPT-6 Astra 操控 Blender 进行 3D 建模的保姆级教程,详细演示了 Computer Use、Blender 官方 MCP 以及 CLI 调用 Python 脚本这三种操作方式。
推荐理由:作者实测了GPT-6 Astra操控Blender的三种路径,对比了Computer Use、MCP和CLI在成本与效率上的差异,并给出了生物类模型借助Tripo生成的替代方案。
AMD 宣布以 82 亿美元收购 AI 初创公司 World Labs,旨在增强与 Nvidia 的竞争力。该交易预计将于今年年底完成。