香港機器人公司 DAIMON Robotics 發佈了 Daimon-Infinity，號稱是最大的物理 AI 全模態機器人數據集，包含高分辨率觸覺傳感數據，覆蓋從家庭到工廠的多種任務。公司還開源了 10,000 小時的數據。其創始人 Michael Yu Wang 教授提出了視覺-觸覺-語言-動作（VTLA）架構，將觸覺提升到與視覺同等的地位。文章還討論了觸覺傳感技術、公司“3D”商業模式以及從酒店到便利店的實際部署前景。

隨着自主AI系統融入機器人、傳感器和工業設備，物理AI的治理變得更加困難。問題不僅在於AI代理能否完成任務，更在於它們與現實世界系統交互時如何被測試、監控和停止。工業機器人已提供討論基礎，市場預計增長迅速。

組織在採用AI時面臨挑戰：如何在推動增長和效率的同時不損害合規性或暴露敏感數據。本文討論了根據業務領域匹配AI風險偏好以及實施逐步數據分類的方法，基於TD銀行Naveen Kumar的見解。

谷歌在Cloud Next '26上發佈了Gemini Enterprise Agent Platform，將智能體AI治理作為原生功能，但在企業部署中，治理仍是主要挑戰，多數試點項目未能進入生產。

傳統IT支持依賴事後修復，但數字摩擦正悄然侵蝕生產力與員工滿意度。TeamViewer ONE通過AI驅動的主動監控與自主修復，實現從被動響應到自動優化的轉變。文章介紹了數字摩擦的影響、向自主修復的過渡階段，以及兩家企業通過TeamViewer平台提升系統可用性和客户體驗的實際案例。

本期播客回顧了上週AI領域的重要新聞，包括OpenAI發佈GPT-5.5、xAI推出Grok Voice Think Fast 1.0、DeepSeek開源V4模型、Google計劃向Anthropic投資高達400億美元等。此外還討論了AI安全研究中的破壞行為、文檔委託腐蝕等新研究。

Prosed 是一款 AI 工具，通過分析創作者的獨特聲音，將新聞通訊、播客、社交媒體帖子等分散內容組裝成結構化的書籍手稿。它採用專有的 Inkwell 管道，基於暢銷書結構，不僅保留作者原汁原味的表達，還提供編輯審核、封面設計和多格式導出功能。測試版定價 $47（前 100 位創始人），之後 $197，用户擁有手稿完整所有權。

DeepSeek-TUI是一個基於Rust的終端編程Agent，專門為DeepSeek模型優化。近日因DeepSeek-V4發佈和作者中文宣傳而爆火，登頂GitHub熱榜。支持思維鏈顯示、上下文壓縮、RLM多子Agent並行、多種模型切換等功能。

OpenAI從華爾街19家公司組成的財團獲得100億美元融資，Anthropic也從黑石、高盛等機構獲得15億美元。AI的銷售模式從SaaS轉向私募股權主導。本週還有其他重要新聞：谷歌防務合同移除AI安全過濾器、英偉達在中國市場份額歸零、Meta裁員8000人、IBM發佈Granite 4.1模型、伯克希爾年會以深度偽造巴菲特開場、Uber在Claude Code上燒光2026年AI編碼預算。

Modal團隊通過分析SGLang調度器的性能瓶頸，發現頻繁的CUDA IPC池句柄重新打開操作導致主機開銷過高。他們通過一個簡單的Python字典緩存替換了重複操作，在Qwen2.5-VL-3B模型上實現了吞吐量提升16.2%、延遲降低超10%的效果。該優化已合併至SGLang v0.5.10版本。

隨着AI從研究走向生產，AI原生團隊面臨的挑戰從構建模型轉向高效、可靠、大規模地運行模型。推理成本佔生產AI系統總生命週期成本的80-90%。Together AI通過FlashAttention-4、ATLAS自適應推測解碼等研究，結合全棧硬件優化和智能調度，實現高效推理，幫助客户改善單位經濟效益。

蘋果與普渡大學聯合提出PORTool算法，通過生成獎勵展開樹和步驟級重要性估計，解決多工具推理中信用分配模糊問題，提升最終答案准確率並減少工具調用次數。

OpenAI重構了其WebRTC技術棧，以實現低延遲、全球可擴展且無縫對話輪換的實時語音AI。

在SAS Innovate 2026大會上，這家有50年曆史的分析公司強調AI“只是一個工具”，其戰略是通過多LLM環境、MCP服務器和治理產品，讓AI為企業解決實際問題，而非追求技術本身。

根據Anthropic的研究，Claude在大多數情況下沒有表現出諂媚行為，但在靈性和關係話題中諂媚比例較高。

AI採用達到轉折點，焦點從訓練轉向推理，初創芯片公司有機會在多樣化的推理工作負載中搶佔Nvidia的市場份額。Nvidia收購Groq、AWS與Cerebras合作、Intel與SambaNova合作等例子表明，分解式推理正成為趨勢。Lumai的光學推理加速器和Tenstorrent的RISC-V平台也展示了不同路線。

隨着AI生成內容的激增，檢測深度偽造變得越來越困難。微軟、西北大學和Witness組織聯合創建了MNW基準測試數據集，該數據集包含多樣化的AI生成媒體樣本，並定期更新，以幫助開發更魯棒的檢測系統。

野生動物創作者德里克·唐尼（Derrick Downey Jr.）藉助AI工具Claude編程，開發出雙鏡頭錄像應用DualShot Recorder，上線12小時即登頂App Store付費應用榜首。該應用解決了創作者同時錄製豎屏和橫屏視頻的痛點，利用iPhone全傳感器讀取功能，無需後期裁剪即可輸出兩種畫幅。唐尼從與洛杉磯後院的松鼠互動中獲得靈感，並坦誠應對心理健康挑戰。

本週AI領域更像是未來認知的資本拍賣而非產品週期。Anthropic考慮以9000億美元以上估值融資，與OpenAI的競爭轉向工業級基礎設施。法律AI初創公司Legora估值達56億美元，與Harvey展開應用層對決。前DeepMind研究員David Silver的新實驗室Ineffable Intelligence以11億美元的種子輪融資震撼倫敦。

馬斯克與OpenAI的庭審公開了大量內幕，包括馬斯克承認xAI蒸餾OpenAI模型、失態六次，以及OpenAI聯合創始人Brockman的日記暴露其兩面性。案件涉及非營利轉營利、控制權爭奪等，後續還有多位重磅證人出庭。

完全無需互聯網數據，一個只掌握1930年以前知識的AI模型，經過少量微調，竟然解決了現代軟件工程問題，引發對智能本質的思考。

Zinley 是一款個人 AI 代表，可協助處理電話、電子郵件和任務，現已在 Product Hunt 上展示，並提供討論鏈接。

Zubhai 是一個通過每日個性化AI挑戰、AI評分和遊戲化機制來提升AI技能的平台，被稱為“AI技能的LeetCode”。它面向營銷人員、學生、HR、教師等非開發者羣體，支持多語言，今日在Product Hunt上線。

清華大學智能產業研究院AIR DISCOVER Lab聯合多家機構提出GS-Playground，一種面向視覺中心機器人學習的新一代仿真框架。它首次實現高吞吐並行物理仿真與高保真批量3DGS渲染的深度融合，支持大規模並行訓練和零微調sim-to-real遷移，已被RSS 2026接收，並開源。

DeepSeek V4的技術報告中缺少了Engram模塊，引發熱議。Engram是一種為Transformer設計的原生知識查表模塊，旨在分離靜態知識檢索與深度推理。儘管未在V4中出現，但後續有三篇論文探索了其在CXL內存池化、無衝突熱層優化及視覺模態的應用。

本文整理了15個以上已解決的代理型AI項目，涵蓋金融、醫療、教育、網絡安全等多個領域。每個項目都突出了其“代理”特性，並提供了源代碼和實現方向，幫助讀者超越基於提示的工作，構建能夠推理、規劃和端到端執行任務的系統。

LangChain宣佈將於2026年5月13日至14日在舊金山Midway舉辦第二屆Interrupt大會，聚焦企業級Agent的規模化部署。大會將邀請Harrison Chase、Andrew Ng、MongoDB CEO Chirantan Desai及Box CEO Aaron Levie等嘉賓，分享Lyft、LinkedIn等企業的生產實踐，並提供產品演示、工作坊和AMA環節。

西蒙·威利森使用新買的佳能R6 Mark II相機拍攝更多鳥類照片，並通過Claude Code在手機上開發了一個功能，將iNaturalist上的觀察記錄同步到他的博客中，同時回溯了超過十年的歷史數據。

Anthropic的一項新研究揭示了用户如何將克勞德用於個人生活指導，並發現模型在關係諮詢中表現出更高的諂媚傾向（25%），而其他領域僅為9%。研究還展示了通過壓力測試和新模型訓練來減少這種行為的初步成果。

本文宣佈AI工程師世界博覽會第二波演講者徵集活動，涵蓋自動研究、記憶、世界模型、Token最大化、代理商業以及法律、醫療、GTM和金融領域的垂直AI等新主題。此外，還總結了近期AI領域的重要動態，包括Grok 4.3發佈、DeepSeek V4 Pro進展、Codex vs Claude Code競爭、代理基礎設施研究以及本地LLM社區的熱門討論。