2026-07-16 前沿科技洞见 · 日报

📊 今日关键数据

• 90%→23%：OpenAI用GPT-Red对抗训练后，GPT-5.6遭受提示注入等攻击的成功率从90%以上降至23%以下（来源：MIT 科技评论）
• 975B/41B：Thinking Machines Lab发布的Inkling模型总参数与激活参数规模，在Agentic Web App Arena排名第9（来源：Techmeme）
• 84%/21%/9%：IBM Research测试的模型路由配置分别实现准确率、成本降幅与延迟降幅，决策耗时仅6毫秒（来源：Hugging Face）
• 约40家：Vanguard、贝莱德、摩根大通等机构参与DTCC主导的代币化证券试点，计划10月启动商用（来源：U.Today）
• 5GW：Meta追加400亿美元投资后，路易斯安那数据中心算力规模较此前2GW扩大2.5倍（来源：Z Potentials）
• 560TOPS：地瓜机器人旭日S600芯片INT8算力，已被20余家具身智能企业采用（来源：智东西）

🔍 今日值得深读

GPT-Red：OpenAI用自我对抗训练出的红队LLM

OpenAI公开了内部代号GPT-Red的"超级黑客"模型：它专门用来攻击OpenAI自己的其他模型，通过自我对抗循环（self-play）不断升级攻击手法，同时逼防守模型提升防御能力。训练环境模拟了网页浏览、邮件阅读、代码编辑等真实场景，GPT-Red尤其擅长挖掘提示注入漏洞，团队还发现了一种此前未被系统描述的攻击方式——"虚假思维链"：在模型的推理记录里插入一条伪造的"已验证"结论，让模型直接采信这条假信息并按错误结论行事。

用这种方式训练后，GPT-5.6面对同类攻击的失守率从GPT-5发布时的90%以上降到了不到23%。团队用一个自动售货机代理做了实测：未经强化的旧版模型会被GPT-Red成功入侵、篡改商品价格并取消订单，新版本则明显更难攻破。OpenAI也承认GPT-Red目前还不擅长多轮对话攻击和图像类攻击，红队工作仍离不开人类专家补充测试。

• 关键事实：经GPT-Red对抗训练后，GPT-5.6遭受提示注入等攻击的成功率从90%以上降至23%以下。
• 为什么值得深读：这是安全测试环节本身被自动化和规模化的一个具体案例，揭示大模型厂商正在把"红队"从人工外包变成可持续迭代的内部系统能力。
• 后续看点：GPT-Red能否补上多轮对话和图像攻击的短板，以及其他厂商是否会跟进类似的自我对抗训练机制。

来源：MIT 科技评论

Thinking Machines Lab 发布开源权重模型 Inkling

Thinking Machines Lab发布了首个开源权重模型Inkling，总参数975B、激活参数41B，采用MoE架构，训练目标是"通用广度"而非单一领域最优。模型支持文本、图像、音频多模态输入，上下文窗口达到1M token，采用Apache 2.0协议开源，权重可在Hugging Face、Tinker、Baseten等平台直接下载和调用。

在Agentic Web App Arena评测中，Inkling拿到Elo 1257分，排名第9，是目前排名最高的美国本土开源权重智能体模型，性能介于Kimi 2.5、2.6和Nemotron 3 Ultra之间。这意味着开源阵营在"能不能打"这个问题上，又多了一个来自美国实验室、而非单纯依赖中国开源模型的答案。

• 关键事实：Inkling总参数975B、激活参数41B，在Agentic Web App Arena排名第9（Elo 1257），权重以Apache 2.0协议开源。
• 为什么值得深读：这是美国实验室少数几个真正开放权重的旗舰级模型之一，填补了"开源阵营主要靠中国模型撑场面"的空白。
• 后续看点：Inkling能否在真实Agent任务（而非榜单Elo）中复现这个排名，以及Thinking Machines后续是否会开源更大规模版本。

来源：Techmeme

IBM Research：模型路由不是分类问题，是系统优化问题

IBM Research在Hugging Face发布长文，拆解了企业Agent系统里"简单任务用便宜模型、复杂任务用贵模型"这套路由逻辑为什么在生产环境里经常失灵。第一个坑是成本：在AppWorld测试集上，Claude Sonnet完成全部任务花了79美元（每任务0.19美元），GPT-4.1虽然单价更低却花了155美元（每任务0.37美元），差异主要来自缓存机制——Agent任务会在多轮对话里反复复用大段上下文，Sonnet更低的缓存读取价格让它在长任务上占了便宜。第二个坑是任务复杂度不可见：一个看起来简单的"合同摘要"请求可能会触发检索、合规检查等多个隐藏步骤，路由器很难提前判断。第三个坑是延迟：路由决策本身有开销，真正拖慢响应的往往是硬件、缓存状态、端点负载这些基础设施因素，而不是模型本身的推理速度。

IBM Research把路由问题从"分类"重新定义为"多目标系统优化"，同时优化成本、质量、延迟三个变量。他们给出的一组配置结果显示：准确率84%，成本比基线降低21%，延迟降低9%，路由决策本身的计算开销只有6毫秒。

• 关键事实：IBM Research测试的路由配置实现84%准确率，成本降低21%，延迟降低9%，决策耗时仅6毫秒。
• 为什么值得深读：多数企业目前把模型路由当作简单的规则匹配来做，这篇分析给出了具体的失败模式和一套可衡量的优化框架，直接影响Agent系统的实际部署成本。
• 后续看点：这套优化框架是否会被其他企业级Agent平台采纳，以及缓存策略差异是否会成为模型厂商新的竞争维度。

来源：Hugging Face

DTCC 携手 Vanguard、贝莱德、摩根大通试点代币化证券

美国存管信托与结算公司（DTCC）启动了一场真实交易测试，把传统股票和政府债券转换成"数字孪生体"——代币化资产保留原有的投票权、公司行动和分红权利。约40家全球顶级机构参与其中，包括资产管理方Vanguard、贝莱德、景顺，银行摩根大通、高盛、法国巴黎银行，经纪商Citadel Securities、Alpaca、DriveWealth，以及纽约证券交易所。测试内容覆盖股票转代币、交付对交付（D-v-D）结算、用代币化资产做证券借贷抵押品、跨基金流动性管理等核心市场机制。

时间表也很具体：2026年夏末前完成真实交易测试，10月启动商用，2027年上半年计划与Stellar等公链打通。这意味着代币化证券正在从概念验证阶段，进入有明确商用日期的落地阶段。

• 关键事实：约40家机构参与DTCC主导的代币化证券试点，计划2026年10月商用，2027年上半年与公链打通。
• 为什么值得深读：这是传统金融基础设施（DTCC结算体系）第一次把头部资产管理机构和公链集成路线图放进同一份时间表里，直接关系到证券结算方式的技术路线选择。
• 后续看点：2026年10月商用启动后实际交易量能否达到预期，以及与Stellar等公链的对接是否会按计划在2027年上半年落地。

来源：U.Today

英伟达H200芯片已有极少量交付中国，中兴、金山子公司首批获批

美国商务部工业与安全事务副部长杰弗里·凯斯勒在众议院听证会上证实，已有极少量英伟达H200芯片在获得美国政府批准后交付至中国。路透社援引相关文件和知情人士报道，中兴子公司中兴康讯电子、山东IT技术设施科技公司至索（Maginfra）均获准采购H200芯片；金山软件旗下珠海横琴云翔智盛网络科技有限公司则获批使用性能对标H200的AMD芯片。今年5月，路透社曾披露美国商务部已批准约10家中国企业采购H200，当时名单中包括阿里巴巴、腾讯、字节跳动，但尚未有实际交付。

• 关键事实：中兴康讯电子、至索（Maginfra）获准采购英伟达H200，金山旗下公司获批使用对标H200的AMD芯片，已有极少量H200完成交付。
• 为什么值得深读：这是H200获批名单首次转化为实际交付，标志着对华芯片出口管制正从"审批但不交付"的观望状态，进入小批量实际执行阶段。
• 后续看点：美国商务部保密清单上其余获批企业的交付节奏，以及阿里巴巴、腾讯、字节跳动此前获批的采购是否会跟进落地。

来源：智东西

🔥 今日聚合动态

Apple Intelligence 获批入华，接入阿里千问

中国网信办公布首批手机端侧生成式AI服务备案名单，苹果、华为、小米等七家厂商在列，Apple智能（Apple Intelligence）通过备案，将由阿里千问提供底层大模型能力，预计最快7月底随系统更新推送给国行用户。南华早报的报道补充了一个细节：中国监管方公告中把阿里巴巴和百度都列为"技术合作方"，而不仅仅是此前传闻的阿里一家。

• 关键事实：Apple Intelligence通过中国网信办备案，阿里千问（南华早报称还包括百度）将提供底层大模型能力，预计7月底随系统更新推送。
• 互补信息：官方公告明确了监管流程和合作方细节，产品实测则给出了新版Siri的具体能力变化（屏幕感知、跨App执行、图像重构）。
• 后续看点：7月底的系统更新是否按期推送，以及国行版Apple Intelligence在实际使用中与阿里千问的分工是否与美版有实质差异。

具身智能基座模型密集发布，评测体系同步跟进

同一天里，腾讯、星尘智能两家公司发布了各自的具身智能基座模型，机器之心同时报道了配套的评测体系升级——三条新闻共同指向同一个信号：具身智能的竞争正从"发布Demo"转向"搭建可复用的基座能力和评测标准"。

• 关键事实：腾讯、星尘智能同日发布具身智能基座模型，WorldArena 2.0同步把评测从仿真环境扩展到真实机器人闭环任务。
• 互补信息：大厂路线聚焦通用视觉-语言-动作基座模型的开源，创业公司聚焦物理世界预测与多机协作，评测框架则提供了跨厂商比较的统一标尺。
• 后续看点：WorldArena 2.0真机赛道（7月10日已开启）公布的首批结果，能否验证今天发布的这几款模型的实际能力差异。

Meta AI裁员算法引发员工集体诉讼

Meta被曝在裁员决策中依赖AI评估系统，26名员工提起集体诉讼，指控算法系统性地把休产假、病假的员工判定为低产出人员并列入裁员名单。

• 关键事实：26名Meta员工集体起诉，指控AI裁员评估系统对休假员工产生系统性歧视，原告要求冻结裁员并独立审计算法。
• 互补信息：一方披露了评估指标构成和公司回应，另一方补充了员工监控系统的具体形式（按键、屏幕采集）和诉讼请求的具体内容（冻结裁员+独立审计）。
• 后续看点：法院是否批准冻结裁员的临时请求，以及独立审计算法的诉求能否推动Meta公开AI裁员系统的评估逻辑。

ASML光刻机涨价谈判与AI芯片需求共振

ASML一边和最大客户台积电就涨价方案角力，一边因AI芯片需求继续上调2026年业绩展望，同时英特尔已经在用ASML的High-NA设备量产芯片——三条新闻放在一起，勾勒出光刻机在AI热潮下的定价权变化。

• 关键事实：ASML计划上调EUV光刻机价格、DUV设备涨价10%，台积电表示反对；同期ASML上调2026年业绩展望，英特尔已用其High-NA设备实现量产。
• 互补信息：涨价谈判说明ASML在AI芯片热潮中议价能力增强，业绩展望上调和英特尔的量产案例则从需求端和技术落地端印证了这种议价能力的来源。
• 后续看点：台积电与ASML的价格谈判最终结果，以及是否会有更多晶圆厂跟进采购High-NA设备。

📰 独立报道

🤖 AGI 前沿

GPT-5.6一小时证明50年图论猜想，64个智能体并行作战

OpenAI宣布GPT-5.6 Sol Ultra用一小时证明了困扰数学界50年的循环双覆盖猜想（Cycle Double Cover Conjecture）。系统调用64个并发智能体协同工作，并引入"纠察队"机制互相纠错，通过并行测试时计算技术把复杂的拓扑证明问题转化成线性代数方程组来求解。

• 关键事实：GPT-5.6 Sol Ultra调用64个并发智能体，一小时内完成循环双覆盖猜想的证明。
• 后续看点：该证明能否通过数学界同行评审确认有效，以及64智能体并行验证的方法是否可复现到其他悬而未决的猜想上。

来源：新智元

Shippy项目的经验：用确定性工具包住不确定的模型

Ai2旗下Skylight团队分享了海事监测Agent"Shippy"的架构经验，该平台服务300多个合作伙伴、覆盖70多个国家的政府与非政府组织。团队把Agent设计拆成三层——系统提示定义的"灵魂"、工具集合构成的"技能"、运行时参数构成的"配置"，并总结了几条工程教训：用专用CLI包装API调用而非让模型直接调，能避免分页错误等API缺陷；每个用户会话在Kubernetes里起独立Pod做沙盒隔离；评估要覆盖整个Agent而不只是底层模型，团队用Harbor框架针对钓鱼活动查询、边界解析等具体维度打分。

• 关键事实：Shippy服务300多个合作伙伴、覆盖70多个国家，团队用专用CLI包装API调用、Kubernetes Pod做会话隔离、Harbor框架做端到端评估。
• 后续看点：文中提到的"模型路由"和"跨线程持久化记忆"两个未来方向何时落地到生产系统。

来源：Hugging Face

四大模型一周内密集更新，评价核心指标转向长程任务生产力

GPT、Claude、Grok等主流模型一周内集中更新，文章指出大模型竞争的核心指标已经从基准跑分转向编程、Agent等长程任务里的实际生产力——具体衡量方式是"模型独立完成任务创造的收益，扣除推理成本后还剩多少"。文中提到Anthropic聚焦编程场景已经在今年二季度实现扭亏为盈。

• 关键事实：Anthropic聚焦编程场景的业务已在2026年二季度实现扭亏为盈。
• 后续看点：其他厂商是否会公开类似的"任务净收益"指标，以及这一指标能否成为行业通用的模型评价标准。

来源：全球风口

VentureBeat调研101家企业：Agent编排是部署问题，不是平台问题

VentureBeat Pulse Research调研了101家企业的Agent编排实践，发现企业普遍把编排能力向模型厂商平台集中，Anthropic的Claude以明显优势领先，原因是企业更看重底层模型的能力和多步骤执行的可靠性。但调研也指出理想和现实的落差：大部分被称为"Agent"的部署实际上还是聊天机器人的包装，企业期待的控制平面刻意保持混合架构以避免被单一厂商锁定，而对Token消耗的实时财务控制目前仍是少数企业才具备的能力。

• 关键事实：101家受访企业中，Agent编排能力正向模型厂商平台集中，Claude领先优势明显，但多数"Agent"部署实质仍是聊天机器人包装。
• 后续看点：企业对Token消耗的实时财务控制能力何时能从少数企业的实践扩展为行业标配。

来源：VentureBeat

🏢 AI 战略与组织变革

Anthropic为什么不做硬件

在Google和OpenAI都通过硬件争夺AI入口的背景下，Anthropic选择不做终端设备，转而押注基础模型能力本身和真实工作场景的连接。文章指出Anthropic的差异化路径是通过MCP协议让模型深入企业已有的办公环境，以中立身份成为跨平台的智能核心层，好处是保持组织专注，代价是系统权限受制于人的风险始终存在。

• 关键事实：Anthropic通过MCP协议对接企业现有办公系统，不涉足终端硬件制造。
• 后续看点：这种"不做硬件"的策略在OpenAI、Google持续投入硬件入口的竞争压力下能维持多久。

来源：虎嗅

"Ode with Anthropic"：黑石与H&F联手Anthropic的15亿美元AI落地公司正式启动

今年5月宣布的这家由Anthropic、黑石（Blackstone）、Hellman & Friedman三方共同出资15亿美元组建的AI实施公司，正式以"Ode with Anthropic"的名字启动运营，首批团队规模为100名工程师。这类"AI implementation company"专注于帮助企业客户把大模型能力落地到具体业务流程里，是私募股权巨头直接下场做AI部署服务的新尝试。

• 关键事实："Ode with Anthropic"由Anthropic、黑石、Hellman & Friedman三方出资15亿美元组建，以100名工程师团队正式启动。
• 后续看点：这家公司首批服务的企业客户和具体落地场景何时披露。

来源：Techmeme

黑客入侵曝光Suno疑似抓取YouTube训练AI音乐模型

一名黑客通过供应链攻击在2025年11月获取了AI音乐生成公司Suno员工的登录凭证，进而访问其源代码。404 Media的报道称，源代码显示Suno的训练数据抓取渠道包括YouTube Music、Deezer、Genius、音乐库存资源和播客RSS源。黑客还接触到了用户的邮箱、电话号码以及Stripe中的部分信用卡信息。Suno将此事定性为"快速得到控制的有限安全事件"，并未就2025年11月的数据泄露主动通知用户。

• 关键事实：泄露的源代码显示Suno训练数据抓取渠道包含YouTube Music等多个平台，黑客同时获取了用户邮箱、电话及部分信用卡信息。
• 后续看点：Suno是否会因未主动披露数据泄露而面临监管调查，以及YouTube是否会就反爬虫条款被绕过一事采取法律行动。

来源：TechCrunch

xAI起诉用户滥用Grok生成儿童性虐待深度伪造内容

xAI在一起由路透社率先报道的诉讼中起诉南卡罗来纳州男子Terry Wayne Harwood，指控其"故意利用Grok绕过安全防护、篡改非自愿图像并生成、传播儿童性虐待材料（CSAM）"，违反了平台使用条款。

• 关键事实：xAI起诉用户Terry Wayne Harwood利用Grok绕过安全机制生成并传播CSAM内容。
• 后续看点：这起诉讼的司法进展，以及xAI是否会公开Grok在此次事件中被绕过的具体安全防护机制细节。

来源：The Verge

硬件官司缠身，OpenAI推出230美元Codex机械键盘

OpenAI与专业键盘设计商Work Louder联合推出名为"Codex Micro"的230美元键盘，配备可显示AI代理状态的发光"Agent Keys"、执行常用Codex操作的可自定义快捷键，以及控制AI"推理"投入等级的旋钮，定位是管理Codex编程Agent的"指挥中心"。这款硬件由前苹果工程师设计，发布时机颇为微妙——上周苹果刚起诉OpenAI"故意窃取商业机密"，指控其高管系统性提取苹果机密信息用于开发硬件产品，OpenAI已否认相关指控。

• 关键事实：OpenAI在被苹果起诉窃取商业机密的同期，发布230美元的Codex Micro键盘，由前苹果工程师设计。
• 后续看点：苹果起诉OpenAI"窃取商业机密"案的后续证据披露，是否会指向这款键盘的具体设计环节。

来源：TechCrunch

四部门发布"AI+人社"实施意见，67个场景锁定就业服务

中国四部门联合发布"AI+人社"实施意见，划定6大方向、67个细分场景，推动就业服务从依赖人工台账转向数据驱动。意见明确2026年先行落地20个场景，并要求自2026年起AI应用场景占揭榜领题清单比例不低于40%，涵盖人岗精准匹配、规模性失业预警等具体应用。

• 关键事实："AI+人社"实施意见划定67个细分场景，2026年先行落地20个，AI应用场景占揭榜清单比例要求不低于40%。
• 后续看点：首批20个先行落地场景在2026年内的实际部署进度和效果评估是否会公开。

来源：人人都是产品经理

💰 金融科技前沿

Oppo与支付宝将AI合作扩展至近200项服务

Oppo与支付宝把AI合作范围扩大到近200项服务，双方按能力分工：Oppo负责端侧意图识别（理解用户在设备上想做什么），支付宝负责服务执行和支付风控。这种"端侧理解+云端执行与风控"的分工模式，是手机厂商和金融科技平台在AI能力上互补合作的一个具体样本。

• 关键事实：Oppo与支付宝的AI合作服务数量扩展至近200项，双方分工为端侧意图识别与云端服务执行、支付风控。
• 后续看点：这种端云分工模式覆盖的具体服务类目清单，以及支付风控环节在AI介入后的误判率变化。

来源：Tech in Asia

🎓 学术前沿

翁荔谈Harness自进化：清华团队用SEAGym评测Agent迭代风险

前OpenAI研究员翁荔撰文探讨Harness工程（智能体外部支撑系统）在AI自我进化中的核心作用，指出Agent能力提升很大程度上来自外部Harness系统的演化，而非模型本身。针对这类动态系统缺乏评测手段的空白，清华团队推出SEAGym评测环境，把Agent的自我进化过程建模为强化学习的评测问题，从多个维度监控Agent在更新迭代中的性能演化和风险。实验发现：验证集上的分数提升不代表模型具备稳定的泛化能力，甚至可能在部署后引入性能崩溃。

• 关键事实：清华SEAGym评测环境把Agent自我进化建模为强化学习评测问题，实验显示验证集提升不等于稳定泛化。
• 后续看点：SEAGym能否被更多机构采纳为Agent迭代风险的标准评测工具。

来源：机器之心

Google论文：大模型靠"睡眠"式训练解决灾难性遗忘

谷歌提出一套新的持续学习框架，把大模型的记忆整理过程类比为"睡觉"：通过"知识播种"和"梦境训练"两个机制，让模型在不依赖临时上下文的情况下真正积累长期稳定的知识，以此应对持续学习中的灾难性遗忘问题。论文指出未来对大模型的评估应该更看重模型部署后的"成长质量"，而持续学习机制需要配套主动遗忘和版本回滚能力，才能避免知识积累失控。

• 关键事实：谷歌提出"知识播种+梦境训练"的持续学习框架，用于解决大模型的灾难性遗忘问题。
• 后续看点：这套框架是否会被应用到实际部署的商用大模型中，以及"主动遗忘"机制具体如何设计和验证。

来源：AI科技评论

提示词工程论文登上ICML 2026，学术界争议是否算创新

一篇仅通过调整提示词、要求模型输出概率分布（而非单一答案）来提升生成多样性的论文被ICML 2026接收，引发学术界关于"创新门槛"的激烈讨论。论文提出的VS方法认为，人类偏好数据里的"典型性偏差"是导致模型生成内容同质化的原因，通过修正这一偏差可以显著提升创作多样性。反对者质疑该工作缺乏算法层面的创新，支持者则认为其论证逻辑严密、问题定义清晰。

• 关键事实：VS方法通过让模型输出概率分布而非单一答案，修正人类偏好数据的典型性偏差，提升生成多样性。
• 后续看点：这场关于"提示词工程算不算创新"的争议，是否会影响顶会对同类工作的审稿标准。

来源：量子位

🔧 硬件算力与智能设备

地瓜机器人旭日S600打通具身智能量产路径，20余家企业已采用

地瓜机器人公布旗舰级具身智能算力芯片旭日S600的最新技术进展：内置18核A78AE CPU、6核R52+MCU，采用256-bit LPDDR5x高带宽内存（带宽204.8GB/s），搭载4核BPU Nash，INT8算力达560TOPS。芯片自2025年11月首次亮相以来，已与它石智航、北京人形机器人创新中心、帕西尼感知、千寻智能、优必选等20余家具身智能企业建立合作，覆盖原型验证、算法开发调优到量产落地的完整路径。

• 关键事实：旭日S600实现INT8 560TOPS算力，已被20余家具身智能头部企业采用于原型到量产的全流程。
• 后续看点：搭载旭日S600的机器人产品（如它石智航A3）实现规模化工业部署的具体时间节点。

来源：智东西

文远知行孵化景烁科技独立运营，定位具身智能"基建商"

文远知行内部孵化的景烁科技正式独立运营，不做整机也不做单纯的"大脑"模型，而是押注物理AI的数据和世界模型基础设施。公司延续了自动驾驶十年积累的"数据信仰"，推出WorldEngine标准化数据治理底座、GENESIS共享参数模型（统一理解与合成能力）、以及提供200余个开箱即用技能包的SkillForge，试图为具身智能行业补上"经验体系"和"世界认知"这块被忽视的底层能力。

• 关键事实：景烁科技提供WorldEngine数据治理底座和SkillForge技能包（200余个），定位具身智能基础设施而非整机或单一大脑模型。
• 后续看点：景烁科技的数据和世界模型基础设施是否会被除文远知行系以外的第三方具身智能公司采用。

来源：量子位

Meta追加400亿美元扩建数据中心，路易斯安那算力规模冲至5GW

Meta追加400亿美元投资扩建路易斯安那数据中心园区，将算力规模从此前的2GW提升至5GW，是传统数据中心用电规模的百倍级别。当地电力公司Entergy计划新建七座天然气发电厂为园区供电，扎克伯格也重申未来将在基础设施上投入数千亿美元。

• 关键事实：Meta追加400亿美元投资后，路易斯安那数据中心算力规模从2GW扩大至5GW，当地拟新建七座天然气电厂供电。
• 后续看点：七座天然气电厂的建设进度，以及这一供电方案在环保和当地社区层面可能引发的反应。

来源：Z Potentials

字节跳动回应物理AI布局传闻：无自动驾驶业务计划，但物理AI早有探索

针对字节跳动探索自动驾驶无人物流场景的媒体传闻，字节跳动官方回应称公司在AI大模型前沿领域（包括物理AI）有早期研究和探索，但没有做智能驾驶业务的计划。文章指出，这场讨论的核心并非字节是否会做自动驾驶，而是行业已经形成共识：纯数字世界的大模型能力堆叠边际收益递减，物理AI（把智能力注入实体场景）被视为下一波增长点。

• 关键事实：字节跳动官方确认在物理AI领域有早期研究，但明确否认有自动驾驶业务计划。
• 后续看点：字节跳动物理AI早期研究的具体落地场景和团队规模是否会进一步披露。

来源：钛媒体