【菩提树AI每日早报】2026年7月18日
国内板块
1. WAIC 2026 总书记讲话四点主张深度解读 + 八大专项行动发布 + 央企60项场景与70项数据集开放
7月17日上午，国家主席习近平在上海世界会客厅出席2026世界人工智能大会暨人工智能全球治理高级别会议开幕式并发表题为《携手构建公正合理的全球人工智能治理体系》的主旨讲话。
讲话直面AI时代四大核心命题——机器思考时人类如何相处、算法决策时安全如何保障、技术挑战伦理时治理如何跟上、鸿沟拉大时普惠如何实现，并系统提出四点主张：
- 坚持开放共赢，鼓励开源开放、合作共享，全面促进AI科技创新、产业发展与场景应用，协同推进传统产业改造升级、新兴产业培育壮大与未来产业前瞻布局；
- 强化风险意识，推动构建法律法规、技术监测、风险预警、应急响应体系，同时明确反对在AI领域泛化国家安全概念、把本国安全凌驾于他国安全之上的做法；
- 鼓励包容并蓄，用全人类共同价值塑造AI价值观，促进不同文明交流互鉴；
- 倡导和衷共济，践行真正的多边主义，加强发展战略、治理规则与技术标准的对接协调，帮助全球南方国家加强能力建设、弥合数智鸿沟。
习近平主席在开幕式上郑重宣布三项具体举措：
- 未来5年中国将面向发展中国家提供5000个人工智能专题研修培训名额；
- 面向东盟、阿盟、非盟、拉共体、上合组织、金砖国家建设国际人工智能应用合作中心；
- 推动气象智能预警方案“妈祖”在30个国家落地应用。
开幕式前一晚，世界人工智能合作组织协定签署仪式举行，29个创始成员国代表依次签字，组织总部落户上海，这是全球首个AI政府间国际组织。
大会同步发布 《人工智能合作发展行动计划》 八大专项行动，涵盖数据、算力、生态、赋能、人才、规则、治理、伦理八个维度，被视为下一阶段国内AI产业发展的指导性文件。
国资委在大会期间发布第二批60项央企AI高价值落地场景，其中智能制造与工业机器人占比超过三分之一，同时开放70项央企高质量行业数据集免费向产业链中小企业提供，破解大模型企业高质量数据短缺痛点。
2. 上海AI实验室发布“书生·端砚”科学发现平台：干湿实验闭环 + 六大领域落地 + 蛋白质定向进化提升77%
7月17日，在WAIC 2026科学前沿论坛上，上海人工智能实验室主任、首席科学家周伯文正式发布 “书生·端砚” 科学发现平台。该平台取名自中国传统文房四宝中的砚台，定位为科学家推演学问、沉淀思想的智能工具，并非通用问答系统的简单变种，而是深入各学科内部的全栈科研基座。平台依托升级后的“书生”科学大模型，贯通算力、数据、模型、智能体和自主实验五大核心要素，覆盖从假设提出、方案设计、仿真计算到实验验证、结果分析的完整科研流程，其核心突破在于打破了长期以来“干实验”（计算仿真）与“湿实验”（实验室实操）之间的壁垒。
周伯文在主旨演讲中提出“科学元认知时刻”概念，指出当前AI发展正处于与科学交叉的关键路口，绝大多数模型在真正的科学发现领域成功率依然偏低，AI必须完成从数据驱动到世界交互、从及时反馈到长程推理、从模仿正确到善于失败的三大转变，才能真正触及科学发现的本质。他将“大模型不知道自己不知道”比作1900年物理学天空的“两朵乌云”，认为谁能突破这一瓶颈，谁就将在百十年后成为AI领域的爱因斯坦和普朗克。
为解决科研人员普遍担心的“AI一本正经胡说八道”问题，平台构建了全流程可追溯机制，并引入多智能体交叉评审机制确保科研结果可靠性。在实际应用中，清华大学张数一课题组借助“书生·端砚”开展蛋白质定向进化研究，仅经过两轮迭代就发现了新的突变组合，实验验证显示该组合功能较此前国际顶尖期刊报道的最佳结果提升了77%，验证周期缩短至原来的二十分之一。目前平台已在生命科学、关键材料、半导体、核聚变、量子、地球气象六大科研领域落地。论坛上还展示了“数字斑马鱼”完整仿真系统——数字脑预测真实斑马鱼的全脑神经活动，具身模型执行尾部、胸鳍、嘴巴和眼睛等部位的协调运动，高精度流体仿真引擎计算鱼体与周围水流的双向作用，可实现捕食、逃跑、溯流和视动反应等复杂行为。
3. 玻璃基光计算芯片全球首发：单块算力等效小型算力中心 + 太空星载AI适配 + 突破传统芯片三重瓶颈
本届WAIC上亮相的玻璃基光计算芯片刷新了行业认知，这是全球首创用玻璃作为芯片衬底的光计算方案，兼具超高算力和极致低能耗两大特性。单块玻璃体的算力就相当于一个小型算力中心，既能大幅降低算力中心用电成本，还可适配太空星载AI实时运算场景，突破了传统计算芯片在算力、能耗、成本上的多重瓶颈。玻璃基光计算利用光子而非电子进行信息处理，理论上拥有远超电子芯片的并行处理能力和极低的传输损耗，而玻璃衬底相比硅基材料在光学特性、热稳定性和成本方面具有独特优势。
该技术路线的出现正值全球AI算力需求呈指数级增长、数据中心能耗问题日益严峻的背景下。《大西洋月刊》 近期报道指出，生成式AI公司可能已购买了全球70%的高端内存，推高内存与存储价格，数据中心用电激增使美国公众电费增加230亿美元，科技公司计划数年内将美国数据中心容量扩大8倍，被称为“工程灾难”。玻璃基光计算芯片若能实现规模化量产，有望从底层架构上缓解算力扩张与能耗约束之间的矛盾，为AI可持续发展提供一条新的技术路径。除数据中心场景外，太空星载AI是另一重要应用方向——在卫星和航天器上，传统芯片面临辐射耐受、功耗限制和极端温度等多重挑战，光计算芯片天然抗辐射、低功耗的特性使其成为星载实时运算的理想候选方案。
4. 深圳AI企业集群亮相WAIC：逐际动力Oli连续作业 + 智平方AlphaBot 2工业落地 + X-Era Lab穿鞋带机器人 + 桥介数物开发平台
本届WAIC上120余家深圳企业集体参展，集中展现了深圳AI从“数字世界”信息处理走向工业制造、商业服务和日常生活“物理世界”的产业跃迁。逐际动力发布的全尺寸人形机器人Oli在一段3分钟“一镜到底、没有加速”的视频中展示了连续执行多步骤任务的能力——从高处取下衣物放进衣篓，随后整理玩偶、搬运并码放箱子，最后弯腰拾起地面杂物。为了让机器人把一串任务做完，逐际动力搭建了分层系统：上层负责理解任务、记住进度和安排步骤，中层选择取物、行走、搬运等技能，底层则控制关节和身体平衡，并在动作出现偏差时及时调整。创始人张巍表示，“模型只是一个一个的技能，系统才是大脑”。
智平方AlphaBot 2搭载升级后的类脑大模型NeuroVLA，借鉴人的神经系统分工——“皮层”负责理解任务和安排步骤，“小脑”负责协调动作、及时纠偏，“脊髓”负责快速执行和安全反应。大会现场用半导体显示制造中的PCB上下料展示了这套模型应对复杂工业任务的能力：面对不同型号、尺寸和颜色的PCB，以及透明、反光托盘，AlphaBot 2需要完成识别、取料、上下料、转运和双臂协同，出现异常后还要调整动作、继续执行。该方案已进入实际生产场景，此前与惠科达成3年1000台合作，今年又实现PCB上下料场景的多客户复购。X-Era Lab展台上，一台轮式人形机器人展示了纯视觉方案穿鞋带的能力——它通过头部和手腕摄像头观察鞋带、鞋孔和鞋子，不依赖预设轨迹，面对鞋带每一次受力后的位置、弯折和松紧变化，能自主判断是继续拉动、调整角度还是重新操作。工作人员伸手将已穿入的鞋带抽出并移走鞋子，机器人会停下来重新观察，从中断处接着操作，发现鞋子被移走后转身取回再继续。
桥介数物的RoboCraft AI被称为行业首款通用机器人运动能力开发平台，覆盖机型适配、动作创作和真机部署，支持宇树G1、智元X2等人形机器人，并兼容第三方关节组装机器人和用户自定义机器人接入，开发者可以从视频中提取动作或导入动作捕捉文件，经过调整和编排后部署到不同机型。目前桥介数物已服务近40家企业，覆盖近60款不同类型的机器人，机器人运控方案市场占有率居行业首位。深圳机器人谷已集聚200多家机器人产业链企业，形成“深圳机器人谷半小时配套圈”。
5. 极智嘉Gravity统一具身框架 + 加速进化Booster T2双足算力纪录：从模型进化到规模落地的正向循环
极智嘉在本届WAIC上发布面向长程复杂任务的统一具身智能框架——Gravity，揭晓“一核双引擎”通用具身智能布局。Gravity的核心理念是让机器人理解三维世界，先想清楚、再动手，并在真机部署后越用越强。“一核双引擎”构建了从模型进化、数据闭环到规模落地的正向循环：一个核心是通用具身大模型，双引擎分别是仿真数据引擎和真实场景数据引擎，通过虚实结合的方式持续提升机器人在复杂环境中的泛化能力。这一框架突破了传统机器人只能在预设场景中执行固定任务的局限，使机器人能够在开放、动态的真实环境中自主规划和调整行动策略。
加速进化则带来了新一代具身开发旗舰平台Booster T2，直接刷新双足人形机器人算力纪录。这款机器人专为真实应用打造，搭载NVIDIA Thor旗舰芯片，拥有2070 TFLOPS的超强算力，堪称人形机器人里的“超级大脑”，能高效完成感知、决策等复杂任务，让机器人从“能动”真正变“能用”。加速进化的实力已在国际赛场得到验证——刚落幕的RoboCup机器人世界杯上，搭载其机器人的战队包揽双足人形所有组别金牌。Booster T2配套的Booster Studio开发平台能帮助开发者快速完成仿真、算法开发到真机部署，加速创新想法落地。这两家企业分别从软件框架和硬件算力两个维度推动具身智能产业升级，一条是“大脑”的通用化，一条是“算力”的边际提升，共同指向人形机器人从实验室走向规模化商用的核心命题。
海外板块
6. NVIDIA（续报）：Jetson Thor T3000/T2000边缘模组发布 + Cosmos 3 Edge世界模型 + 日本九大工业巨头组建Cosmos Coalition
NVIDIA本周宣布扩展Jetson Thor产品线，推出T3000与T2000两款全新计算模组，将数据中心级AI性能直接带到边缘侧的自主机器上。Jetson T3000模组在紧凑外形下可提供865 FP4 TFLOPS的AI算力，尺寸与功耗仅为高端T5000的一半，集成了NVIDIA Blackwell GPU、八核Neoverse Arm CPU、32GB LPDDR5X内存及273GB/s内存带宽，并支持25 GbE网络连接。面向安全关键场景的IGX T3000版本则在同等性能基础上集成功能安全机制，可无缝运行NVIDIA Halos for Robotics全栈安全系统，确保人机协作场景中的安全运行。定位更入门的Jetson T2000凭借400 FP4 TFLOPS算力与16GB内存，为视觉AI智能体、自主移动机器人、工业机械臂等设备提供了Thor架构的低成本入口。
更具战略意义的是，NVIDIA同步发布了Cosmos 3 Edge——一款仅40亿参数的边缘世界模型，基于Nemotron架构构建，小到可以在Jetson Thor边缘计算机上运行，却足够复杂到赋予机器人实时理解周围环境的能力。Cosmos 3 Edge使机器人能够看到周围环境、推理所见内容并生成适当的物理动作，所有计算全部在本地设备上完成，无需云端连接，这对于工业机器人领域不可接受的云端延迟和不可靠的网络连接问题提供了根本性解决方案。
7月15日，NVIDIA宣布日本九大工业巨头——FANUC、安川电机、川崎重工、索尼、富士通、日立、软银、久保田和NEC——已承诺在下一代智能机器中采用NVIDIA的物理AI技术栈，同时全部加入NVIDIA Cosmos Coalition开放联盟。该联盟模式的意义在于：不是每家公司从零开始训练自己的机器人大脑，而是协作开发基础模型，再针对特定应用进行微调，这与智能手机时代Android和iOS成为行业统一底座的路径高度相似。NVIDIA CEO黄仁勋表示，“AI的下一个前沿在物理世界，对日本来说这是一生一次的机遇。日本发明了现代制造业，现在有机会为智能工业时代重新定义它。”日本面临严重的人口老龄化危机，制造业劳动力日益短缺，智能机器对日本而言不是奢侈品而是生存必需品。目前包括1X、Agile Robots、亚马逊机器人、波士顿动力、FANUC、日立、达明机器人等在内的行业领先企业均已基于Jetson AGX Thor平台进行开发。
7. Apple vs OpenAI（续报）：法律战全面升级，40名前员工收到律师函 + 400+前苹果员工在OpenAI + IPO前景蒙上阴影
据《金融时报》7月17日报道，苹果已向目前就职于OpenAI的约40名前苹果员工发出法律警告，要求他们保存可能与此案相关的文件和通信记录。这是苹果7月10日正式对OpenAI提起商业秘密诉讼后的最新动作，表明苹果认为涉嫌泄密的范围可能远超最初诉状中列出的两名个人。苹果在长达41页的诉状中指控OpenAI策划了一场系统性的“挖角”行动，通过招募苹果前员工获取未发布产品、零部件和供应商关系等高级商业机密，以加速其消费级AI硬件设备的研发。
诉状中披露的细节颇为惊人：OpenAI首席硬件官Tang Tan在苹果任职长达24年，曾担任iPhone和Apple Watch产品设计负责人，苹果指控他在OpenAI面试过程中使用机密项目代号向求职者打探苹果未发布产品的信息，并指示面试者“带上实际的苹果零部件”来参加所谓的“show and tell”环节。另一名被告Chang Liu于2026年1月离开苹果后加入OpenAI硬件团队，被指控在离职后保留了苹果配发的笔记本电脑，并利用身份验证漏洞多次未经授权访问苹果内部网络，下载了数十份机密文件包括技术演示文稿和未发布产品的规格说明，发现仍能访问后还曾给同事发短信写下“LOL”。苹果在诉状中明确表示，目前已有400名苹果前员工在OpenAI工作。
CoinDesk报道称，苹果将OpenAI形容为“从根上烂掉”（rotten to its core），指控不当行为存在于“组织的每一个层级”，而非个别员工的孤立行为。这种从顶层发起的系统性指控框架大大拓宽了法律风险的范围，也使得案件更难以通过和解快速了结。对于正筹备年内IPO的OpenAI而言，此次诉讼时机极为不利——贸易秘密诉讼加上C-suite高管被列为被告，以及苹果暗示证据开示阶段将揭露“冰山之下更大规模”的不当行为，正是那种会让IPO承销商头疼、让机构投资者犹豫的法律阴霾。如果法院批准初步禁令，可能直接损害OpenAI开发或发布消费硬件产品的能力，而OpenAI为进入这一领域已斥资64亿美元收购了Jony Ive创立的IO Products公司。苹果与OpenAI曾在2024年高调合作将ChatGPT集成进苹果操作系统，但关系在OpenAI显露硬件野心后持续恶化，苹果今年秋季推出的新版Siri已转而采用谷歌Gemini模型。
8. 《大西洋月刊》深度调查：生成式AI吞噬全球70%高端内存 + 推高230亿美元电费 + 数据中心容量计划扩大8倍
《大西洋月刊》最新刊发深度调查报道，揭示生成式AI的资源消耗正在达到令人震惊的规模。报道指出，ChatGPT和Claude等大语言模型的资源需求极为庞大，科技公司可能正在购买全球70%的高端计算机内存供应，造成全球性短缺并推高内存与存储价格。数据中心用电的激增已经产生了可感知的社会成本——美国公众的电费账单因此增加了230亿美元，而这还只是开始。
更令人担忧的是未来扩张速度：科技公司计划在未来几年内将美国数据中心的总容量扩大8倍。这意味着从内存芯片、电力供应到冷却系统和土地资源，整个数据中心产业链都将面临前所未有的压力。报道将这一现象称为“工程灾难”——AI公司在追逐模型能力提升的过程中，对基础设施的消耗速度已经远远超过了技术进步带来的效率提升。这与NVIDIA等芯片厂商不断推出更高性能硬件形成了一个自我强化的循环：模型越大，需要的算力越多；算力越多，能训练的模型越大。