Physical AI 日报

统计时段：2026-05-16 09:00 至 2026-05-17 09:00（北京时间）
信息来源：arXiv、Google News RSS、wxrank、36氪、界面、联网搜索

一、论文进展

说明：今日 all_today.md 的 arXiv 抓取为 0 篇。下列为过去 24h 在 Tier 1 公众号高频出现、并经联网核实的重要研究/模型发布，已尽量回溯至预印本或期刊原文。

SANA-WM：26 亿参数、单卡分钟级 720p 世界模型
原名：SANA-WM: Efficient Minute-Scale World Modeling with Hybrid Linear Diffusion Transformer
作者/机构：NVIDIA Research (NVlabs)
arXiv：2605.15178
摘要：SANA-WM 是一个原生面向一分钟时长生成的开源世界模型，仅 26 亿参数即可在单 GPU 上合成 720p、60 秒、带精确 6-DoF 相机控制的视频。核心是四项设计：帧级 Gated DeltaNet 与 softmax 注意力混合的线性注意力、双分支相机控制、两阶段长视频精修管线，以及从公开视频抽取度量尺度相机位姿的标注流程。训练仅用约 21.3 万条公开视频片段、64 张 H100 训练 15 天；蒸馏版经 NVFP4 量化后可在单张 RTX 5090 上 34 秒去噪一段 60 秒 720p 视频。
看点：世界模型此前开源方案在分钟级生成上普遍爆显存或慢到不可用；SANA-WM 把吞吐拉到现有方案的约 36 倍，并强调"动作跟随准确率"而非单纯画面保真，正对应具身/自动驾驶仿真所需的可控长程预测，是把世界模型从"演示级"推向"工业基线级"的代表性工作。

构建通用机器人 VLA 模型的关键要素（Nature MI）
原名：What matters in building vision–language–action models for generalist robots
作者/机构：清华大学、字节跳动研究院等联合团队
来源：Nature Machine Intelligence（2026-02）
摘要：论文系统比较了将"动作"组件注入视觉-语言模型的多种方式，给出 VLA 的模块化设计准则：视觉/语言编码器将跨模态原始数据编码为高维表征、以 LLM 主干作为推理中枢、再由动作解码器映射到底层控制信号，并配套了字节跳动机器人基准数据集进行评测。
看点：这是少有的进入 Nature 子刊的 VLA"设计空间"系统性研究——相比 RT-2/OpenVLA/π0 各自的工程经验，它给出可复现的对照结论，对于判断"VLA 规模化到底由什么决定"具有方法论价值。

多家 Tier 1 公众号对此做了解读。解读来源：剑桥人工智能实验室 公众号 · 原文

机器人为什么需要世界模型：世界顶尖机构联合综述
原名：A Survey of Embodied World Models（具身世界模型综述）
作者/机构：清华大学等多机构联合
来源：综述全文（约 43 页）
摘要：综述指出纯反应式 VLA 把多模态观测直接映射到动作，虽实现跨任务泛化，但在复杂物理环境中常受困于长程推理、时序信用分配与误差复合；世界模型通过在内部构建可交互的"数字世界镜像"，进一步演化为对未来动作序列建模的"动作世界模型"，支撑"做什么、怎么做、做完会怎样"的内部模拟。
看点：恰逢 NVIDIA SANA-WM、LeCun 力推 JEPA、Runway 宣布转型世界模型的同一周，这篇综述把"VLA 与世界模型不是二选一、而是左右手"的判断系统化，是理解当前百亿级世界模型赌局的技术底图。

解读来源：机器之心 公众号 · 原文

Pelican-Unify 1.0：北京人形机器人创新中心"具身大一统"模型登顶 WorldArena
作者/机构：北京人形机器人创新中心（国家地方共建具身智能机器人创新中心）
来源：机器之心 公众号
摘要：北京人形机器人创新中心发布首个"具身大一统"模型 Pelican-Unify 1.0，宣称在全球评测榜单 WorldArena 登顶第一并拿下"双冠王"，主打感知-理解-决策-执行的统一闭环建模。
看点：国产团队在统一具身基座方向的最新一击；但榜单成绩目前来自机构方公布、暂无独立第三方复现，参考产业背景对 LingBot-VLA/GEN-1 同类"厂商榜单声明"的审慎态度，宜作为进展信号而非已证实的标度律证据。
核查：⚠️ 机构单方榜单声明待第三方复现

北大联合小米：用 SO(n) 几何结构重构 VLA，1.7B 模型对标 13 个大模型
作者/机构：北京大学 × 小米
来源：智驾实验室 公众号
摘要：针对潜在动作模型（LAM）将异构机器人动作压到统一表示时的离散 token 信息损失，工作引入 SO(n) 几何结构重构 VLA 的动作表示，宣称 1.7B 参数即可在多基准上对标 13 个更大模型。
看点：延续"瓶颈在数据与表示、不在堆参数"的主流判断（π0-small vs π0、OpenVLA vs RT-2），用几何先验换参数规模，是小模型路线值得跟踪的一类尝试。
核查：⚠️ 公众号解读，原始论文与基准细节待核

其他今日值得一扫的研究/方法（均为公众号解读，待回溯原文）：清华吉利上交 CoWorld-VLA（多专家潜式思维链世界模型，自动驾驶）；港大 FASTER（首创 TTFA 实时性指标，让 VLA"即刻响应"）；MergeVLA（CVPR 2026，跨技能模型合并）；ForgeVLA（无需语言标注的分布式 VLA，隐私+性能）；D-VLA（"平面解耦"缓解算力瓶颈）；蚂蚁开源 LingBot-VLA（9 类机器人 2 万小时真机数据，"未见饱和"系厂商在未公开私有数据上的存在性声明，非标度律，宜审慎引用）；肉身算法"免训练动态场景修正算子"（让静态桌面 VLA 在动态场景止跌）。

二、融资与交易

Mind Robotics（迈恩德机器人） | 新一轮（A 轮后追加）| 4 亿美元 | 投后约 33.5 亿美元（$3.4B）
领投/跟投：Kleiner Perkins 领投；Meritech、Redpoint、SV Angel、A-Star、Garuda 等新投资方，Accel、a16z、Eclipse、Bain Capital Ventures、Greenoaks 等老股东跟投
业务：Rivian CEO RJ Scaringe 于 2025 年创立的全栈工业机器人公司（基础模型+专用硬件+部署基础设施），以 Rivian 产线作为高频真实制造训练场（bucket：industrial）
意义：继 2025 年底 1.15 亿美元种子、2026 年 3 月 5 亿美元 A 轮后再追加，半年内累计融资突破 10 亿美元——尚未公开首款硬件即获此体量，凸显资本对"工业 OT 场景闭环数据"的押注
来源：The Robot Report
核查：✅ 已证实（公司 5 月 13 日官宣，多家媒体一致）

深度机智（DeepEngine / 中关村人工智能研究院系） | 新一轮 | 超亿元（数亿元人民币）| 估值未披露
领投/跟投：中关村资本、诚通科创基金、北京熙诚致远等国资平台，普华资本、东方富海、蓝湖资本，中科大校友基金、未来光锥基金，晶科能源旗下 CVC，老股东跟投
业务：北京中关村学院与中关村人工智能研究院联合孵化，国内最早系统化布局"人类学习"路线的具身大模型公司；已发布人类第一视角多模态数据集 DeepAct、PhysBrain 1.0 具身基座、工业级全尺寸拟人机器人 Prime（bucket：embodied）
意义："用人类视角数据重做具身智能"路线获国资+财务资本共同加注，资金全部投向数据基础设施与模型迭代，是数据飞轮叙事在国产侧的具体下注
来源：36氪 · 量子位
核查：✅ 已证实（5 月中旬官宣，36氪/量子位详述）

鹿明机器人 | A1 + A2 连续两轮 | 数亿元（累计融资近 10 亿元）| 估值未披露
领投/跟投：A1 轮由三菱电机智能制造科技（中国）独家领投，老股东普华资本、吴中金控等超额跟投；A2 轮由恒生电子等领投，普华资本、昆石资本等参投
业务：成立约 2 年的具身机器人本体公司（bucket：embodied/humanoid）
意义：全球工业巨头三菱电机独家领投一家中国具身初创，是海外产业资本"撕下矜持"加注中国硬件供应链的又一信号
来源：创投事件 公众号
核查：⚠️ 多家中文源口径一致，金额"数亿/近10亿"为媒体口径，未见公司官方精确数字

无限工坊机器人 | A 轮 | 近亿元人民币 | 估值未披露
领投/跟投：美团战略投资部、昆仑资本等
业务：机器人本体/具身方向初创（bucket：embodied）
意义：美团战投继续在具身赛道布点，互联网大厂"抢滩"具身的延续
来源：MSN（投融资动态转载）
核查：⚠️ 单条投融资快讯，待公司/投资方确认

乐动机器人 | H 股 IPO | 募资超 8 亿港元（发行价 26.36 港元/股，约 3333 万股 H 股）
业务：内地机器人公司，香港上市（bucket：embodied/adjacent）；年利达担任发行人香港及美国法律顾问
意义：继 Geek+、地平线等之后，中国机器人公司继续走通港股融资通道
来源：学律 公众号
核查：⚠️ 发行细节来自中文转载，建议以港交所招股文件为准

本期资本面背景：多家券商/投研号统计，截至 2026 年 5 月年内中国机器人赛道融资已近 370 亿元、超 2025 全年；4 月有 9 家企业单笔超 10 亿元（它石智航单笔超 30 亿创纪录）。此类汇总口径不一，仅作量级参考，不逐条采信。

三、产业动态

humanoid

Figure AI 人形机器人不间断自主分拣直播：累计运行超 80 小时、处理逾 10 万件包裹
Bucket：humanoid
内容：Figure AI 在物流仓库部署人形机器人（运行其自研 Helix-02 VLA 系统），在无遥操作下连续自主分拣包裹。原计划 8 小时演示，因机器人持续运行而延长直播，公司称"不破不停"。各来源统计口径不一：有"24 小时 2.8 万件""72 小时 8.8 万件""81 小时逾 10 万件"等不同数字，约每 3–4 秒处理一件，可自主充电续航。直播观看量数百万次。
来源：TechRadar · DNYUZ
核查：⚠️ 单方直播演示，数据随时长滚动且各源口径不一，已有外媒质疑"是否完全真实/全自主"；契合产业背景对人形"单班次助手 vs 多班次工人"的审慎判断，宜视为能力演示而非生产力指标

宇树科技发布全球首款量产载人变形机甲 GD01，售价 390 万元起；IPO 进程推进
Bucket：humanoid / adjacent
内容：宇树科技（王兴兴）发布载人变形机甲 GD01，标价 390 万元起，称为全球首款量产载人机甲，马斯克在社媒点赞。资本面背景：宇树科创板 IPO 已于 2026 年 3 月 20 日获上交所受理，拟募资约 42.02 亿元，投后估值约 127 亿元；2025 年预计营收 17.08 亿元、扣非净利约 6 亿元（同比 +3.35 倍 / +6.74 倍），人形出货超 5500 台居全球第一，王兴兴合计控制约 68.78% 表决权。
来源：Euronews · 新浪财经（IPO）
核查：✅ GD01 发布与 IPO 受理均已证实；售价/量产口径以厂商发布为准（⚠️"量产/全球首款"为厂商表述）

autonomy

Waymo 召回约 3,800 辆 Robotaxi：涉积水/洪水路段处置缺陷
Bucket：autonomy
内容：Waymo 5 月 12–13 日向 NHTSA 提交自愿软件召回，涉 3,791 辆机器人出租车。起因为 4 月 20 日圣安东尼奥一辆空载 Waymo 驶入不可通行的洪水路段并被冲入 Salado Creek，触发 NHTSA 调查。问题在于车辆遇到不可通行积水时减速但未停车；Waymo 通过 OTA 推送软件修复，并在极端天气下限制运营区域以规避山洪易发区。
来源：CNBC · Electrek
核查：✅ 已证实（NHTSA 召回文件 + 多家媒体）

文远知行（WeRide）Q1 2026 营收 1.141 亿元、同比 +57.6%
Bucket：autonomy
内容：WeRide Q1 总营收 RMB1.141 亿元（约 1650 万美元），同比 +57.6%；产品收入 +115.8% 至 RMB2050 万元（主要来自 Robotaxi/L4 整车销售），服务收入 +49% 至 RMB9370 万元；净亏损 RMB3.69 亿元。截至 4 月底全球车队约 1300 辆（中国 1000、海外 300），国际收入约占集团三分之一，中东子公司已实现净利润为正；WRD 3.0 成为中国首个四度城市智驾冠军。
来源：WeRide IR
核查：✅ 已证实（公司 IR 财报，5 月 13 日）

小马智行联手 Verne 与 Uber，落地欧洲首个商业化 Robotaxi 服务（克罗地亚萨格勒布）
Bucket：autonomy
内容：三方在克罗地亚首都萨格勒布推出欧洲首个商业化 Robotaxi 服务并启动初期部署，分工为"技术（小马第七代系统）+ 平台（Uber）+ 运营（Verne）"，目标形成可复制模式。
来源：长城创意云 公众号
核查：⚠️ 中文二手源转述，建议以小马智行/Uber 官方公告为准

industrial / 政策

国家人工智能应用中试基地（具身智能）在杭州揭牌，18 家企业集中签约；摩尔线程达成战略合作
Bucket：industrial / adjacent
内容：5 月 16 日，杭州高新区（滨江）智造谷的国家人工智能应用中试基地（具身智能）正式揭牌，称为全国唯一面向具身智能领域的国家级应用中试基地，18 家企业集中签约；摩尔线程与该中试基地达成战略合作，共推具身智能全链条自主创新。配套背景：《杭州市促进具身智能机器人产业发展条例》已于 2026 年 5 月 1 日起施行。
来源：Global Times · 新浪财经/潮新闻（多源 ×2）
核查：✅ 已证实（多家国内媒体共振 + 官方揭牌）

趣闻一则：美国西南航空全面禁止人形/仿生机器人登机
Bucket：adjacent
内容：在一台名为"Stewie"的人形机器人被带上航班后，西南航空宣布禁止人形及类动物形态机器人乘机。事件本身轻量，但侧面反映人形机器人进入公共空间后规章真空开始被动收紧。
来源：New York Post（多源 ×3）
核查：✅ 已证实

✅ 已证实 / ⚠️ 单方声明待核实 | 本地完整归档含全部原文链接：history/2026-05-17/daily_full.md
基于公开信息 + arXiv + wxrank + 联网搜索聚合，AI 分析生成，仅供参考。