技术日报

{
  "title": "LeCun获10亿融资，机器人端到端收拾客厅，JVM重构内存降94%",
  "content": "今天的科技圈堪称“大日子”，从LeCun带着世界模型卷走10亿美元，到机器人真正学会“做家务”，再到JVM内存优化的极限操作，技术圈正在经历从底层基础设施到上层应用落地的全面躁动。AI不再仅仅是聊天，物理智能与数据基础设施正在成为新的资本与智力高地。\n\n### AI前沿：世界模型与具身智能的资本盛宴\n\n[Yann LeCun联合创立的AMI Labs完成10.3亿美元融资](https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247514516&idx=2&sn=8996eea5af9f66d81d15de8d0996f093)\n\n图灵奖得主Yann LeCun带着他的世界模型理念杀回来了。AMI Labs在成立仅两个半月内便斩获10.3亿美元融资，估值高达35亿美元。这不仅是比李飞飞World Labs更多的钱，更是对“超越LLM路线”的巨额押注。LeCun坚信，仅靠语言预测无法实现真正的智能，必须理解物理世界。此次融资将用于构建基于JEPA架构的世界模型，虽然商业化尚需时日，但这笔巨额资金足以让团队在算力与人才上构筑起极高的壁垒，标志着AI竞争从“文本生成”正式升级为“世界理解”的军备竞赛。\n\n### 机器人革命：从“能看”到“会做”的质变\n\n[机器人全程自主收拾客厅！390亿美元估值机器人端到端新技能，英伟达持续加注](https://mp.weixin.qq.com/s?__biz=MzU3NjE4NjQ4MA==&mid=2247555905&idx=1&sn=1e93c4a7ee3e7af1779a33a2e9056548)\n\nFigure机器人的最新演示让人看到了“贾维斯”的雏形。它不再只是简单的抓取，而是能完成整理客厅这一长序列复杂任务：喷洒清洁剂、摆放抱枕、精准操作遥控器。这背后的核心突破在于Helix 02系统的“System 0”全身控制器，它替代了数万行C++代码，让机器人具备了像人类一样的物理先验——不是在学“怎么走路”，而是在学“怎么保持平衡地运动”。这意味着机器人正在从“指令执行者”进化为具备物理常识的“自主智能体”，具身智能的商业化临界点似乎已近在咫尺。\n\n[LeRobot v0.5.0 正式发布](https://mp.weixin.qq.com/s?__biz=Mzk0MDQyNTY4Mw==&mid=2247496647&idx=1&sn=6cb078e922305485765f2059438d1b2b)\n\n如果说Figure展示了商业化的顶点，Hugging Face的LeRobot v0.5.0则在夯实开源的基础。这次更新堪称“全家桶”：首次支持Unitree G1人形机器人全身控制，引入Pi0-FAST等新策略，更重要的是推出了EnvHub，让开发者能像下载模型一样直接加载仿真环境。这将极大地降低机器人学习的门槛，加速全球开发者贡献数据和策略。开源生态的繁荣往往是技术爆发的先兆，LeRobot正在试图成为机器人领域的“PyTorch”。\n\n### 基础设施：光轮智能定义物理AI的“水电煤”\n\n[全球首个具身数据独角兽，光轮智能完成10亿元融资](https://mp.weixin.qq.com/s?__biz=MzA3ODk5OTEzOA==&mid=2962186936&idx=2&sn=aec72a65ac00adc46a705fc17ac5305a)\n\n在机器人硬件和模型之外，光轮智能的崛起揭示了一个残酷的真相：物理AI时代，最稀缺的资源是高质量数据。光轮智能完成10亿元融资，成为具身数据领域首个独角兽，其核心价值在于构建了“World-Behavior-Eval”三层闭环体系。如果说GPU是AI的算力基础设施，那么光轮正在打造的便是物理AI的数据与仿真基础设施。它不只是“卖数据”，而是在定义什么是“好的物理世界”、什么是“有效的行为数据”。这种对底层标准的掌控力，使其成为全球头部大模型和机器人公司不可或缺的合作伙伴。\n\n### 架构与工程：内存优化的极致与多模态的新常态\n\n[重构一个类，JVM内存占用竟直降94%？](https://mp.weixin.qq.com/s?__biz=MzkzMjYzNjkzNw==&mid=2247634795&idx=1&sn=17a8c9c17c83e6284440e72188970602)\n\n这是一篇让后端工程师“汗流浃背”的实战复盘。仅仅重构一个核心类，JVM堆内存就从3.2GB骤降至211MB，降幅高达94%。文章揭露了一个常见的“隐形杀手”：在海量数据场景下，HashMap、HashSet及自动装箱带来的内存开销是惊人的。作者通过深入分析数据分布，用FastUtil的Long2ObjectOpenHashMap和排序int[]替代了原有的通用集合，并用二分查找平衡了性能与空间。这不仅是技术技巧，更是一种工程哲学：在特定场景下，放弃通用性，拥抱专用性，往往能带来数量级的收益。\n\n[让龙虾看懂屏幕！谷歌多模态新成果，文本图像视频音频进同一空间](https://www.qbitai.com/2026/03/386485.html)\n\n谷歌发布的Gemini Embedding 2虽然看似只是底层模型的更新，但其战略意义不容小觑。它首次将文本、图像、视频、音频和文档映射到同一个统一的嵌入空间中。这意味着AI不再需要“翻译”就能理解不同模态信息。对于像OpenClaw这样的AI Agent而言，这相当于打通了“任督二脉”——Agent可以直接理解屏幕上的视觉结构、图标位置与文本指令的语义关联，而不必依赖OCR等中间步骤。多模态原生理解，是AI从“聊天框”走向“操作系统”的关键一步。\n\n### 行业观察：AI应用的版图重构\n\n[全球 10% 的人每周都在用 ChatGPT，但美国人均 AI 采用率只排第 20](https://mp.weixin.qq.com/s?__biz=MzkyNjU2ODM2NQ==&mid=2247626123&idx=3&sn=ce4bb41cd7a57395e299bd31afa15bd6)\n\na16z的最新报告揭示了几个反直觉的趋势：首先，ChatGPT依然霸榜，但Claude和Gemini正在加速追赶，用户不再“从一而终”，而是根据场景在多平台间切换；其次，AI市场正在分裂为中、美、俄三个几乎不重叠的世界，DeepSeek成为唯一打通三者壁垒的产品；最令人意外的是，美国的人均AI采用率仅排第20，新加坡、阿联酋等小国反而领跑。这表明，AI的生产地与使用地正在发生错位，且AI正在从“独立应用”迅速“消失”进浏览器、Office软件等基础设施中，成为不可见的水电煤。\n\n[速递｜五个月内估值涨三倍，瑞典AI法律Legora完成5.5亿美元D轮融资](https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247514516&idx=3&sn=99309929c426486c554dd1b4565c8e85)\n\n垂直领域的AI商业化正在验证其巨大的潜力。瑞典AI法律平台Legora完成5.5亿美元融资，估值飙升至55.5亿美元。在与Harvey、微软Copilot的激烈竞争中，Legora凭借深度嵌入律师工作流的优势脱颖而出。这再次证明，在通用大模型巨头横扫市场的当下，垂直赛道依然有机会通过深度的场景理解和行业Know-how构建护城河。AI的价值不在于模型本身，而在于它能多深地切入业务流程。\n\n[The Batch: 921 | 美国战争部弃用 Anthropic，转而拥抱 OpenAI](https://mp.weixin.qq.com/s?__biz=MzIxNzI0ODE4Nw==&mid=2247498122&idx=1&sn=cb2b8be511b3c0b2c0c8a194ede9a7fb)\n\n这是一场颇具戏剧性的地缘政治博弈。美国战争部在与Anthropic就“军事监控和自主武器使用限制”谈判破裂后，迅速转投OpenAI怀抱，甚至将Anthropic列为“国家安全供应链风险”。这一事件不仅折射出AI公司在国家战略中的尴尬处境，也预示着