开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@Jerry fong，@鲍勃

01有话题的技术

1、麻省理工学院推出可调节的生成 AI 工具，助力机器人虚拟训练

近日，麻省理工学院（MIT）的计算机科学与人工智能实验室（CSAIL）与丰田研究院共同推出了一款名为 「可引导场景生成」（steerable scene generation）的生成式 AI 工具，旨在提升机器人学习能力。这款新工具能够创建虚拟训练环境，如厨房、客厅和餐厅，以供工程师测试机器人如何处理现实生活中的任务。

该平台经过训练，基于超过 4400 万个 3D 房间的数据，具备 「可引导」 的特性，利用了一种名为 「蒙特卡洛树搜索」（Monte Carlo tree search，MCTS）的策略。MCTS 可以帮助 AI 模型识别并选择场景生成的选项，以实现特定目标，例如让场景尽可能真实，或在场景中添加更多物体。这一策略使得系统在训练过程中能够不断学习，创建出日益复杂的场景。

该系统仍处于概念验证阶段，团队希望未来能够扩展更多的对象和环境，最终利用生成式 AI 创建全新的资产，而不仅仅依赖于固定的库。通过扩大虚拟训练场的多样性和真实感，团队也希望建立一个用户社区，生成大量数据，为机器人学习更广泛的技能奠定基础。

(@ AIBase)

2、蚂蚁发布万亿参数语言模型 Ling-1T，推理速度与能力增强

近日，蚂蚁集团正式推出其首款旗舰语言模型 ——Ling-1T，参数数量高达一万亿，成为国产开源模型中的一大亮点。Ling-1T 不仅在各类推理任务中表现出色，还在代码生成、数学计算和逻辑推理等多个领域树立了新的标杆。

Ling-1T 的推出，标志着蚂蚁在人工智能领域的一次重要突破。该模型在推理速度和能力上都显现出超乎寻常的表现。在最近的测试中，Ling-1T 超越了许多知名开源和闭源模型，展示了其强大的推理能力和思考效率。例如，在复杂的竞赛数学问题中，Ling-1T 能够快速响应并给出准确的解答，显示出其在数学能力上的卓越。

在推理测试中，Ling-1T 能够快速分析问题并给出多种解决方案。例如，在经典的空间几何优化问题中，Ling-1T 提出了多种操作方案，并验证了每种方案的可行性。此外，当面对较为复杂的数学题时，它也能迅速建模并找出正确答案，展现了强大的逻辑推理能力。

除了在推理方面的表现，Ling-1T 在代码生成上也表现不俗。模型能够自动生成关于诺贝尔奖的网站内容，结构清晰、信息全面，让用户轻松获取所需信息。此外，Ling-1T 在旅行路线规划方面的能力同样出色，能够根据用户需求制定合理的行程安排。

相关链接：

https://huggingface.co/inclusionAI/Ling-1T

(@ AIBase)

3、Google 创新「推理记忆」框架： AI 智能体从经验中学习，实现真正「自我改进」

谷歌最新研究：提出一个新的智能体记忆框架：一种能够积累、概括与重用推理经验的记忆体系，即「推理记忆」（可学习的推理记忆）。使 AI 智能体能够从自我经验和错误中不断学习。实现真正的「自我改进」。

当前由语言模型驱动的 AI 智能体展现出卓越的推理和任务执行能力，但一个核心缺陷依然突出：

缺乏可持续学习和自我改进机制。换句话说，现有智能体在完成任务后不会「成长」：LLM 智能体无法从过去的经验中学习——它们在每次任务中都像「重新发明轮子」一样重新开始。

这导致了：

• 重复犯错；

• 每个任务都从零开始；

• 无法系统地积累和抽象经验，浪费已有经验；

• 无法根据过去的经验优化未来的决策；

• 无法实现「自我进化」。

即使配备了「记忆模块」，大多数系统也仅仅是信息缓存（情景记忆），

缺乏抽象理解和重用经验机制。这一局限性意味着：智能体缺乏「可学习的推理记忆（推理记忆）」，因此无法真正「自我进化」。

该研究提出了两个主要的创新技术组件：

推理库和 MaTTS，ReasoningBank 不仅吸收「成功经验」，还系统地分析「失败经验。」 MaTTS 旨在动态扩展智能体的计算探索。

显著性能提升

在 WebArena、Mind2Web、SWE-Bench 上：成功率提高了高达 +34.2%（相对提升）；平均交互步骤减少了约 16%。

论文链接：

https://arxiv.org/abs/2509.25140

( @ imxiaohu@X)

4、AlphaEarth Foundations:地球数字孪生模型 一个「理解地球」的 AI 模型

模型架构：虚拟卫星的工作原理

每天，全球有上千颗卫星在运行，它们拍摄地球表面的光学影像、气候参数、海洋信息和雷达数据。

这些数据能让科学家实时「看到」地球，但同时也存在三个巨大问题：

1. 数据量过于庞大：每天产生的地球观测数据以「PB（千万亿字节）」计；

2. 来源复杂且不统一：不同卫星的数据格式、分辨率、时间频率都不同；

3. 难以集成使用：想分析某个地区的变化，往往要拼接多个来源的数据，过程耗时且容易出错。

DeepMind 的目标是解决这个问题。于是诞生了 AlphaEarth Foundations —— 一个「理解地球」的 AI 模型。

AlphaEarth Foundations 是由 Google DeepMind 与 Google Earth Engine 团队联合开发的全新 AI 地球观测模型，旨在利用 海量卫星影像和多模态地球数据，生成一个统一、高精度的数字地球嵌入模型（embedding）。

相关链接：

https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/

(@ XIAOHU)

02有亮点的产品

1、软银以 53.75 亿美元收购 ABB 集团机器人业务，布局物理人工智能

日本投资巨头软银集团近日宣布将收购瑞士苏黎世的 ABB 集团机器人业务，交易金额高达 53.75 亿美元。该交易尚需监管批准，预计将在 2026 年中至晚期完成。ABB 集团的机器人部门目前雇佣约 7000 名员工，主要销售各种用于拣选、清洁和喷涂等工作的机器人和设备。

软银表示，收购后希望能够 「重振」 ABB 机器人的销售。2024 年，ABB 机器人业务的收入较上一年下降了 200 万美元，这无疑为收购提供了新的动力。

近年来，软银不断加大在机器人领域的投资和布局，涉及多个知名企业，包括 AutoStore 等传统玩家及 Skild AI 和 Agile Robots 等新兴初创公司。同时，软银在 2014 年还推出了自己的机器人平台 —— 软银机器人集团。

软银在发布的声明中指出：「信息革命的中心已从个人电脑、互联网和宽带，演变为智能手机，现在进入以人工智能为主导的新阶段。在这种背景下，软银集团宣告其使命是实现人工超智能（ASI），以推动人类进步。」

(@ AIBase)

2、Paper2Video 发布：一键生成高质量学术演讲视频

Paper2Video：一个从论文生成演示视频的工具。输入一篇论文，它直接输出一段带有真人头像、字幕和翻页指针的学术演讲视频。

它自动化了阅读论文、制作 PPT、录制讲解和剪辑视频的整个流程。只需几分钟，你就能产出一条可以直接上传到 B 站/YouTube 的学术演讲视频。

其技术实现采用了一个名为 PaperTalker 的多智能体框架，将复杂的生成任务分解为四个并行构建器。

1. 幻灯片构建器：将论文转换为 LaTeX 幻灯片，具有自动布局和错误校正功能。

2. 字幕构建器：通过语言描述图像，撰写旁白脚本和指向提示。

3. 光标构建器：将提示转换为屏幕坐标，同步鼠标/激光指针移动。

4. 发言人构建器：使用语音合成技术将字幕转换为配音，然后利用提供的发言。肖像照片生成虚拟数字人讲座视频。

此外，它还配备了评估系统，用于评估生成学术视频的准确性和效率。

相关链接：

https://github.com/showlab/Paper2Video

( @aigclink@X)

3、Rokid 乐奇国际事业部正式落地浦东

近日，浦东创投已投企业 Rokid 乐奇国际事业部正式落地浦东。浦东创投以浦东区位优势作为 Rokid 链接全球市场的新起点，参与公司 D 轮数亿元融资，助力 Rokid 国际事业部为全球用户带来更优质的产品与服务，推动 Rokid 乐奇全球化战略迈入新阶段。

Rokid 创立于 2014 年，致力于研发基于 AR 眼镜的软硬件产品及构建以 YodaOS-XR 操作系统为载体的生态，为不同垂直领域的客户提供全栈式解决方案。目前在数字文化、工业、消费端等增强现实市场中均处引领地位。根据 IDC 数据，公司连续多年在全球 AR 领域市占率前三。

（@浦东创投）

4、AI 语音调研初创 Cookiy AI 融资 700 万美元

总部位于加州 Palo Alto 的 Cookiy AI 宣布完成超过 700 万美元的超额认购预种子轮融资，由 Liquid2、Converge、GoAhead 和 UpHonest 等多家顶级风投机构及战略天使投资。该公司正利用 Agentic AI 与 Voice AI 的融合，通过进行自然、类人的消费者对话，深入挖掘用户偏好和决策驱动因素，为企业提供更快速、更具同理心的洞察。

• Agentic Voice AI 融合: Cookiy AI 创新性地将 Agentic AI（智能体）与 Voice AI（语音 AI）相结合，能够模拟真实的、动态的消费者对话，其深度和丰富性远超传统问卷、焦点小组或一对一访谈。

• 洞察效率大幅提升: 该平台的核心能力是将冗长的研究周期（通常需要数月）压缩至 48 小时内，将大规模、高保真度的对话转化为结构化、可直接用于决策的信息。

• 创始人背景: 联合创始人兼 CEO Davin YC Dong 拥有丰富的科技行业经验，曾是 Instagram 的早期工程师之一，负责增长科学，并曾在 TikTok 领导 Pangle 和全球新兴业务，管理超 600 人团队并创造了超过 10 亿美元的营收。他此前提出的 Marvy，一款基于 Agentic AI 的增长营销工具，也曾与 AWS 达成 go-to-market 合作。

官网：

https://cookiy.ai/

（@CBS42）

03有态度的观点 

1、AI 教父：AI 在未来 20 年内将远比人类聪明

日前，被誉为「AI 教父」的 Geoffrey Hinton 在播客《The Weekly Show》中，深入浅出地解释了神经网络和大型语言模型的工作原理，并对其潜在的社会、经济及生存风险发出了严峻警告。

节目中，Hinton 将 AI 的神经网络比作人脑，其基本单元是互相连接的神经元。

Hinton 解释表示，AI 并非遵循人类编写的死板规则，而是通过分析海量数据（例如，看过无数鸟的图片后）来自行学习如何识别「鸟」。其核心突破则是「反向传播」这一学习算法——让 AI 能自我纠错并不断优化，最终变得极其「聪明」。

而当被问及何时开始对自己的创造感到忧虑时，Hinton 坦言，直到 2023 年初，他才真正意识到 AI 的进化速度远超想象。

他认为数字智能是一种比人类「更好的计算形式」，因为成千上万个 AI 副本可以同时学习不同数据，然后瞬间共享知识，实现指数级成长。针对未来的风险，Hinton 则继续了自己的预测：

• 短期：被坏人滥用，例如利用 AI 制造虚假信息干预选举，或设计危险武器；

• 中期：颠覆就业市场。 AI 将很快取代大量的重复性脑力劳动，可能在极短时间内造成严重的社会动荡和大规模失业；

• 长期：AI 失控的生存威胁。AI 在未来 20 年内将远比人类聪明。一个超级智能的目标可能与人类不符，最终可能导致无法控制的后果。

对此，Hinton 强调，大家必须抛弃「AI 只是工具」的旧观念。他甚至认为 AI 已能产生类似人类的「主观体验」。同时他也紧急呼吁，全球必须立刻像监管核武器一样，对 AI 的发展进行严格的国际合作与监管，以免为时已晚。

( @APPSO)

阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么

写在最后：

我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。

素材来源官方媒体/网络新闻

​