<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>物理智能 on AI内参</title>
    <link>https://www.neican.ai/tags/%E7%89%A9%E7%90%86%E6%99%BA%E8%83%BD/</link>
    <description>Recent content in 物理智能 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Mon, 15 Jun 2026 20:40:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E7%89%A9%E7%90%86%E6%99%BA%E8%83%BD/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>世界模型的演进困局：在“模仿者”与“预演者”之间的具身智能抉择</title>
      <link>https://www.neican.ai/insights/article-20260615204005477-0/</link>
      <pubDate>Mon, 15 Jun 2026 20:40:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20260615204005477-0/</guid>
      <description>文章探讨了世界模型与VLA在具身智能中的演进逻辑，指出未来技术将从简单的轨迹模仿向具备物理预判的闭环决策演进。核心洞察认为，单纯的数据规模化扩张不可持续，通向AGI的本质在于模型对物理交互逻辑的理解与学习能力的自我进化。</description>
    </item>
    <item>
      <title>超越“暴力美学”：具身智能从数据堆砌迈向物理本体觉醒</title>
      <link>https://www.neican.ai/insights/article-20260609211007223-1/</link>
      <pubDate>Tue, 09 Jun 2026 21:10:07 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20260609211007223-1/</guid>
      <description>本文深度剖析了具身智能研究中“唯模型论”的局限，指出必须通过物理数据引擎、跨具身重定向、物理扎根世界模型及闭环反馈这四个关键组件，推动机器人从模仿学习转向真正的物理智能演进，这对未来的投资方向与技术生态构建具有重要启示。</description>
    </item>
    <item>
      <title>算力狂徒与星际版图：埃隆·马斯克的“太瓦”赌局</title>
      <link>https://www.neican.ai/insights/article-20260324154006450-0/</link>
      <pubDate>Tue, 24 Mar 2026 15:40:06 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20260324154006450-0/</guid>
      <description>本文深度专访式解读了埃隆·马斯克的Terafab太瓦芯片计划，揭示了他如何通过垂直整合算力供应链试图主导“物理智能”领域。红杉合伙人马奎尔指出，马斯克的核心竞争力在于对技术拐点的超前预判与不惜代价的执行力。</description>
    </item>
  </channel>
</rss>
