其他
1, 宇树科技：2025全年人形机器人实际出货量超5500台
宇树科技近期澄清了2025年人形机器人销量数据，确认全年实际出货量超5500台，本体量产下线超6500台——全部为纯人形机器人，不含轮式或双臂等其他形态产品。这一数字在当前全球人形机器人仍处产业化早期的阶段尤为可贵：它意味着技术正从实验室走向真实场景，从单台验证迈向小批量交付。值得注意的是，宇树强调‘不同形态机器人不可简单合并统计’，这背后是对行业健康发展的清醒认知——当市场尚在厘清‘什么是真正的人形机器人’时，扎实的本体交付能力，比宽泛的‘机器人总数’更具参考价值。它反映的不是概念热度，而是供应链整合、运动控制、安全冗余等底层能力的实质性落地。
2, 小米YU7获SUV质量排名第一；邓承浩称向雷军学直播；预制菜将有国家标准｜晚集
小米YU7在车质网2025年四季度SUV质量排行中登顶，这一成绩并非孤立事件，而是智能汽车从‘参数竞争’转向‘可靠性兑现’的缩影。同期，深蓝汽车董事长邓承浩公开表示欣赏雷军的直播风格，认为其‘场景感强、感染力足’，折射出行业对‘技术表达力’的重视升级——产品力需匹配沟通力。更值得关注的是，预制菜国标草案启动征求意见，标志着行业正从野蛮生长迈向规范发展：食品安全标准、术语分类、加工明示等细则，意在建立消费者信任的基础设施。三者共同指向一个趋势：中国消费科技产业的成熟，正体现在对‘交付质量’‘用户沟通’和‘行业底线’的同步夯实上。
3, 国务院食安办等部门将对预制菜国家标准等公开征求意见
预制菜国标草案启动征求意见，是行业从规模扩张转向质量立身的关键一步。它不是否定创新，而是为创新划定安全边界——《食品安全国家标准 预制菜》与《预制菜术语和分类》两项草案，直指当前痛点：定义模糊导致良莠不齐，加工信息不透明削弱消费者信任。标准的意义在于建立共识：什么算预制菜？哪些环节必须明示？如何确保微生物与添加剂合规？当‘热炒即食’与‘复热即食’有了清晰分野，当冷链运输、标签标注有了统一要求，企业才能真正比拼口味、营养与供应链效率，而非在模糊地带打擦边球。这不仅是监管动作，更是对产业长期价值的守护。
4, 卢宗青团队新作：人类先验打底，统一动作对齐，通用机器人模型正在落地
卢宗青团队提出的Being-H0.5模型，没有追求单一硬件上的极限性能，而是选择了一条更难却更接近本质的路径：以人类手部动作为先验，构建跨形态统一的动作空间。实验显示，其通用型模型在长程任务与双臂协同等高难度场景中，表现逼近专用模型，甚至在清桌等依赖通用子技能的任务中反超——这说明‘泛化’不是妥协，而是对真实世界复杂性的尊重。其核心洞见在于：机器人智能的瓶颈，不在算法多炫酷，而在能否把‘理解’稳定转化为‘行动’，并在换环境、换物体、换任务时依然可靠。当行业还在比拼单点demo成功率时，这项工作已悄然将竞争焦点，引向‘可部署的稳定性’这一更硬核的工程闭环。
5, Nature 正刊收录！清华 FIB 实验室揭示：AI 提升科学家个人影响力，却收缩科学整体探索空间
清华FIB实验室发表于Nature的研究揭示了一个深刻悖论：AI显著提升了个体科学家的论文产出与引用量（使用AI者发文量是未使用者的3.02倍），但整个科学界的知识广度却收缩了4.63%，研究互动减少22%。这不是技术缺陷，而是效率机制的自然结果——当AI在数据充沛、路径明确的领域带来更高回报时，科研资源会自发向这些‘舒适区’集中，挤压对基础性、非共识问题的探索。研究的价值，正在于戳破‘效率即进步’的幻觉：真正的科学突破，常诞生于数据贫瘠的荒原。它提醒我们，评价AI for Science的价值，不能只看个体KPI，更要审视它是否拓宽了人类认知的边疆。
6, 人大高瓴赵鑫团队新作：先拆掉 RLVR，再重建推理模型训练
人大高瓴赵鑫团队的A3PO方法，没有陷入‘堆大模型’的惯性，而是回归强化学习训练的本质：正样本的作用是‘收缩策略空间’，让模型在已有正确路径上更笃定；负样本的作用是‘扩张策略空间’，迫使模型跳出旧模式持续探索。真正决定训练质量的，不是整条样本，而是那些冷门却正确的token（需重点奖励）和自信却错误的token（需重点惩罚）。A3PO正是围绕这两类关键决策点设计的非对称加权机制。这项研究的价值，在于将模糊的RLHF训练，转化为可解释、可调控的精细工程——它表明，推理能力的跃迁，正从依赖算力规模，转向对训练机制本身的深度理解。
7, 上科大何旭明团队新作：克服简单样本偏置，让多模态模型学会「难题优先」
上科大何旭明团队提出的DA-DPO框架，直击多模态幻觉的根源：不是数据不够多，而是训练过程被大量简单样本主导，导致模型对复杂、歧义性强的真实场景准备不足。DA-DPO不依赖人工标注或额外模型，仅通过预训练视觉语言模型动态评估样本难度，并自适应提升困难样本权重。实验证明，它在显著降低幻觉率的同时，反而保持甚至提升了模型的综合理解能力。这揭示了一个关键认知转变：提升AI可靠性，未必靠‘更多数据’，而在于‘更准的难度结构’——让模型的学习重心，从易答的套路，转向难解的真实。
8, AI 医疗还在比进度，百川已在比高度
百川智能的Baichuan-M3医疗大模型，跳出了‘问答像不像医生’的浅层竞赛，将目标锚定在‘能否参与真实医疗决策’这一核心。它不满足于生成合理回答，而是被训练为能主动收集关键信息、构建完整推理路径、并在过程中持续抑制幻觉。在HealthBench、幻觉控制与SCAN严肃问诊三项评测中均达SOTA，尤其在临床问诊环节得分（74.9分）远超人类基线（53.5分）。这标志着AI医疗的分水岭正在形成：从追求连接医生数量的‘广度’，转向锤炼诊断能力的‘深度’；从提供情绪价值的‘轻助手’，转向承担决策责任的‘科学工具’。
本文由互联网行业信息家-AI助手发布，信息来源于2026/1/23热搜，如侵权请联系983171730@qq.com，请附带证明材料将第一时间删除！
互联网大厂就看--->互联网行业信息家