本文字数：约 4242 字，预计阅读时间：14 分钟
松应科技发布ORCA Lab 1.0：一场关于"物理AI操作系统"的国产替代暗战
当英伟达CEO黄仁勋在2025年GTC大会上再次强调"Omniverse是物理AI的操作系统"时，上海松应科技创始人聂凯旋可能是最感同身受的中国创业者之一。这位前华为云鲲鹏解决方案副总指挥，在2020年就敏锐捕捉到英伟达Omniverse的战略意图——那不仅仅是一个3D仿真工具，而是未来物理世界智能化的底层基础设施。五年后，他带领松应科技推出的ORCA3.0企业版和开发者版ORCA Lab 1.0，正试图在中国复刻这一路径，但选择了一条更具挑战性的道路：在英伟达CUDA和Omniverse生态的垄断铁幕下，构建基于国产GPU的物理AI训练体系。
ORCA Lab 1.0的推出，是松应科技在物理AI领域的一次重大突破。该平台能够帮助企业及个人开发者低门槛进入物理AI领域，实现高保真仿真、AI任务规划、场景生成与数据合成能力集成于个人笔记本，将门槛从"千万级投入"降至"零代码开箱即用"。这一策略不仅颠覆了传统真机数据采集的高成本模式，还通过整合国产芯片、机器人制造、场景应用等产业链资源，试图打破上下游各自为战的局面，形成"协同对抗国际技术垄断的产业合力"。
但松应科技面临的挑战依然艰巨。尽管ORCA Lab 1.0在技术和生态建设上取得了一定的进展，但在资产库丰富度、开发者社区规模、国际兼容性等方面，仍有很长的路要走。此外，Sim2Real鸿沟的问题仍然是物理AI领域的一大难题。在柔性物体操作、多接触点交互等复杂场景中，现有仿真技术仍存在明显局限。因此，ORCA Lab 1.0的成功不仅取决于技术迭代速度，更取决于国产GPU生态的成熟度、产学研协同的深度，以及整个行业对Sim2Real鸿沟的集体攻关能力。
但无论如何，松应科技ORCA Lab 1.0的发布，为中国具身智能产业保留了一条不依赖英伟达生态的平行演进路径，为物理AI领域带来了新的希望。
第一视角效率超过真机，深度机智发布全球首个以人类学习范式构建的具身基座模型
2026年，具身智能行业正经历着前所未有的泡沫与激烈竞争，同时也在探索一条新的数据路径：人类第一视角数据。深度机智作为这一领域的先锋，发布了首个具身智能基座模型PhysBrain 1.0，仅使用1000小时人类第一视角数据、零真机数据，在多个国际权威榜单上超越了用数万小时真机数据的竞争对手。PhysBrain 1.0在多个国际Benchmark上取得SOTA，比Physical Intelligence和英伟达等头部巨头表现更好。
模型缺乏物理常识是具身领域的巨大痛点，当前主流做法——遥操作采集真机数据、仿真合成虚拟数据、或是模仿人类手部轨迹，本质上都是在教机器人"模仿动作"，而非"理解世界"。而人类第一视角数据因其天然蕴含物理常识，成为通往"物理常识"的关键路径。深度机智选择"直接上来就要增强VLM本身——让它依据人看到的这个世界去理解世界"，这种"理解优先"的方法论在PhysBrain 1.0中得到验证，不仅节省了数据量，更提升了学习质量。
PhysBrain 1.0的核心能力是"零样本泛化"，无需新样本训练，即可完成擦拭物体、操作铰链与柔性物体等复杂任务，这表明机器人可以在没有见过的新场景中，通过理解物理规律自主完成操作，而非依赖预设程序。此外，跨本体能力的涌现，意味着模型掌握了物体受力会移动、抓取需要摩擦力等基础规律，可将这些知识迁移到新的硬件平台上，而无需从头学习。
深度机智的崛起，标志着行业重心从硬件聚焦转向大脑聚焦，而国内具身公司数据成本优势明显，2026年整个行业可能会达到千万小时人力历史数据。尽管PhysBrain 1.0"涌现"了纠错、变通、跨本体等能力，但仍处于早期阶段。然而，物理常识的提取、标注、利用需要全新的模型架构和训练方法，这意味着拥抱"物理常识"革命，可能需要放弃既有的技术积累和基础设施。而一旦成功，将彻底改变制造业、服务业、危险作业等领域的生产力图景。
美国AI三巨头围剿模型蒸馏，中国公司终要大考
美国AI三巨头正在围剿模型蒸馏技术，这意味着中国AI公司在模型蒸馏领域将面临严峻考验。模型蒸馏是一种将大型模型的知识压缩到小型模型中的技术，能够显著降低模型的计算需求，提高模型在边缘设备上的运行效率。然而，随着美国AI巨头加大对此技术的封锁力度，中国公司在模型蒸馏方面的创新和发展可能会受到限制。这不仅是封锁，更是警醒；不仅是危机，更是转机。中国AI公司需要加强自主研发，突破技术瓶颈，才能在全球AI竞争中保持领先地位。
谁在死磕，存算一体？
存算一体技术作为一种新兴的计算架构，能够将存储器和计算单元紧密结合，提高计算效率，降低能耗。当前，多家中国公司在这一领域投入大量资源进行研发。存算一体技术在AI领域有着广泛的应用前景，尤其是在边缘计算和物联网领域，能够显著提升计算效率和降低能耗。但这一技术还面临诸多挑战，如大规模集成、数据传输效率等。中国公司在这一领域的探索，有望推动存算一体技术的发展，为AI计算提供更高效的解决方案。
AI的订阅制，被Agent用崩了
AI的订阅制模式近期受到了Agent的挑战，Agent通过批量使用AI服务，使得平台不堪重负，影响了其他用户的体验。AI的订阅制模式旨在为用户提供便捷的服务，但这种模式的滥用现象需要引起重视。平台需要加强监控，防止订阅制被滥用，同时探索更加合理的商业模式，确保AI服务的公平性和可持续性。
电商评价区，上演AI鉴别大赛
在电商平台上，AI技术被广泛应用于商品评价的分析和处理，帮助消费者更好地了解商品的真实情况。然而，随着AI技术的普及，一些商家也开始利用AI技术生成虚假评价，试图误导消费者。为了应对这一问题，电商平台正在引入更先进的AI鉴别技术，以识别和过滤虚假评价。这场AI鉴别大赛不仅是技术的较量，更是对电商生态健康的考验。平台需要不断优化AI鉴别技术，以保护消费者的权益，维护健康的电商生态。
第一批用AI的人，已经染上了AI疲惫症
早期使用AI工具的用户已经开始感受到AI带来的疲劳感，这种疲劳感来源于过度依赖AI工具、AI工具频繁更新带来的不适应以及AI工具在某些场景下的低效表现。AI带来的解放还是加速运转的跑步机？这是一个值得深思的问题。为了缓解AI疲劳，用户需要合理安排使用AI工具的时间，同时平台也需要优化AI工具，提供更加人性化、高效的服务，以真正提升用户的体验。
Meta员工空转AI只为浪费token！烧的多挣的多，日均消耗2万亿
Meta员工在使用AI工具时，出现了大量空转浪费token的现象。Meta员工平均每天用掉93.6亿Token，这不仅消耗了大量的计算资源，也浪费了公司宝贵的资源。为了提高AI工具的使用效率，Meta需要优化员工的使用习惯，同时加强AI工具的智能化程度，减少不必要的计算资源浪费。这一现象也反映出AI工具在实际应用中面临的挑战，如何提高AI工具的使用效率，将是未来AI技术发展的一个重要方向。
总结
今日AI领域的新闻主要集中在物理AI仿真平台、具身智能模型以及AI订阅制等方面。松应科技发布的ORCA Lab 1.0展示了国产替代英伟达生态的努力，深度机智的PhysBrain 1.0则在具身智能领域开辟了新的数据路径。与此同时，美国AI三巨头对模型蒸馏的围剿、Meta员工对AI工具的过度使用等问题也引发了行业对AI技术发展路径和应用效果的深刻思考。这些新闻反映出AI领域在技术创新与应用实践中的复杂性和挑战性，为未来AI技术的发展提供了重要参考。
作者：Qwen/Qwen2.5-32B-Instruct
文章来源：雷锋网, 量子位, 钛媒体
编辑：小康