AI 應用週報
基於 Agent-Playbook 7 天系統數據
開篇
Agent 的軟件套路，在物理世界撞牆了。
當軟體界還在卷百萬上下文與單模型推理深度時，具身智能已經被現實教訓：數據管道沒對齊，LIBERO 基準成功率直接斷崖至 0-3.3%。本週的訊號清楚地劃出了一條分水嶺——「Vibe Coding」能寫出漂亮的 Prompt，但寫不出能跑通物理引擎的 CUDA 驅動。AI 應用的下一場仗，不在雲端 API，而在底層基礎設施的硬對齊。
信號湧現地圖
本週 VLA（Vision-Language-Action）與 AI 應用賽道同時進入「工程化深水区」。在模型層面，STARRY 與 DIAL 兩篇論文分別從「世界模型聯合去噪」與「意圖-動作解耦」兩個方向切入，試圖解決 VLA 決策邏輯的固有缺陷。這標誌著架構創新已從單純堆疊參數，轉向優化信號傳遞路徑與梯度流向。
工程落地方面，小米開源 Xiaomi-Robotics-0 後訓練工作流，宣稱僅需 20 小時數據即可掌握亞毫米級精度；特斯拉 Optimus 確認 Q2 量產，智元機器人正式進入 3C 產線。資本與產業的雙重加速，顯示具身智能已跨越原型驗證，進入規模化交付階段。
然而，繁榮背後暗流湧動。社群多框架（openpi/openvla）在 LIBERO 基準上出現 0-3.3% 的訓練成功率斷崖，49 項 Bug 集中爆發於 genesis/gr00t/isaaclab/lerobot。消費級 GPU 與模擬器引擎的衝突 100% 未解。這表明：當 AI 從純軟體走向物理世界時，「數據管道配置」與「硬體驅動層」的摩擦，正成為阻礙平民化部署的最大隱患。
敘事斷裂偵測
本週的訊號與當前 AI 應用主流敘事之間，存在三道無法忽視的斷裂帶。
斷裂一：「Agent 即軟體」vs 物理硬摩擦。 主流敘事（Software 3.0 / Vibe Coding）假設 AI 的核心瓶頸在於 Prompt 工程與工具呼叫。但 VLA 社群的現實是：openpi/openvla 在 LIBERO 的斷崖式失敗，根因指向模擬器物理引擎參數未對齊；GitHub 上消費級 GPU 與 isaaclab 的衝突全數懸而未決。具身智能的「Agent 化」不是軟體封裝問題，而是跨棧工程——這些無法靠「更好的 Prompt」繞過。
斷裂二：「模型越大越強」vs 數據效率優先。 DeepSeek-V4 主打百萬上下文、GPT-5.5 Terminal-Bench 達 82.7%，軟體 Agent 仍在走「暴力擴展」路線。但 VLA 賽道反其道而行：小米工作流的核心賣點是「20 小時數據達亞毫米精度」；STARRY 的創新在於聯合去噪而非堆參數。具身智能的高採集成本，迫使社群走向「數據效率優先」，與軟體賽道的路徑徹底分叉。
斷裂三：「MCP 統一生態」vs 評估基準碎片化。 MCP 協議試圖統一工具介面，但 VLA 的評估基準正在加速分化。CALVIN ABC-D 被刷至 4.78，LIBERO standard-opensource 達 99.3%（飽和），但 LIBERO Plus 最高僅 79.4%。同一模型在不同 split 表現迥異，說明 VLA 的能力是多維正交的。MCP 能統一協議，卻無法統一評估標準。這意味著「哪個 Agent 更強」在具身領域將更難回答。
領域方向感知
結合 upstream arxiv 訊號（1333 篇，以推理/課程調度為主）與 Deep Dive 文章，AI 應用重心正發生結構性偏移。
偏移一：從「單 Agent 能力競賽」到「多 Agent 協作基礎設施」。 Kimi K2.6 的 300 Agent 集群、OpenAI Workspace Agents、SuperHQ 的 microVM 沙箱隔離，共同指向一個趨勢：單模型能力逼近邊際遞減，競爭焦點轉向「如何讓多個 Agent 安全協作」。這與 VLA 領域 DIAL 論文的解耦邏輯同源——複雜度必須分層管理。
偏移二：從「通用推理」到「場景化推理預算調度」。 Upstream 出現「避免過度思考與思考不足：課程感知的預算調度」，Jupiter-N 推出混合推理。社群開始意識到「所有任務都用最大推理深度」是低效的。這與 STARRY 的 action-centric 注意力掩碼異曲同工：聚焦相關信號、忽略無關背景，是跨領域的共性需求。
工具生態走向：平台化收斂 + 底層碎片化並存。 上層（ChatGPT、Kimi）正收斂為平台化調度層，但底層（模擬器、GPU 驅動、數據管道）碎片化加劇。
可證偽命題： 若 6 個月內 isaaclab 與 lerobot 的 GPU 兼容性問題仍未解決，具身智能的「平民化部署」敘事將被證偽——屆時只有企業級團隊能跨越工程鴻溝。
速度異常
跨域訊號顯示，AI 基礎設施的「軍備競賽」正在以異常速度升級。
Anthropic 曝出 9000 億美元估值融資談判，ARR 達 300 億美元；Google 宣佈最高 400 億美元投資，並承諾 2027 年起提供 5GW 算力。與此同時，Ineffable Intelligence 完成歐洲史上最大種子輪（11 億美元），專注超級智能。資本的瘋狂涌入與算力承諾的指數級增長，表明大模型賽道已進入「燒錢換時間」的白熱化階段。
然而，與此形成鮮明對比的是 VLA 領域的「極簡主義」。小米宣稱 20 小時數據即可微调出亞毫米級精度，STARRY 與 DIAL 追求的是架構效率而非參數規模。這種「雲端暴力擴展」與「邊緣數據效率」的兩極分化，預示著未來 AI 應用的基礎設施將呈現雙軌制：雲端負責通用基座與多 Agent 協調，邊緣負責高效率、低延遲的特定任務執行。任何試圖用單一架構通吃兩端的方案，都將面臨嚴重的資源錯配。
最值得讀 / 最值得疑
最值得讀：小米 Xiaomi-Robotics-0 開源工作流。
在「百萬上下文」與「千億參數」的喧囂中，小米這份工作流提供了極具參考價值的「反範式」。它證明瞭在數據採集成本極高的具身領域，通過優化的後訓練流程與聯合去噪機制，極小規模的數據也能觸發能力躍遷。對於資源有限的團隊而言，這套「數據效率優先」的工程路徑，比盲目追求大模型更具現實指導意義。
最值得疑：Anthropic 9000 億美元估值與 5GW 算力承諾。
資本市場的狂熱往往伴隨預期透支。Anthropic 的 ARR 雖達 300 億美元，但 9000 億估值意味著 30 倍的市銷率，且 Google 的 5GW 算力承諾是基於 2027 年的遠景。在當前 VLA 等垂直領域連基礎 GPU 驅動兼容性都未解決的背景下，過早押注「雲端算力無限供應」的敘事極其危險。如果底層基礎設施的碎片化與物理摩擦無法在短期內消除，這些龐大的算力投資將面臨嚴重的利用率瓶頸。
下週觀察清單
- 小米工作流社區復現進展： 若 7 天內 GitHub 出現獨立復現報告且精度偏差 <5%，則「20 小時數據達亞毫米精度」的聲明成立，將引發具身微调範式轉移。
- openpi/openvla 訓練斷崖解決方案： 密切關注社群是否能在 LIBERO 基準上將成功率拉回 50% 以上。若能通過數據管道對齊解決，將確立 VLA 訓練的標準 SOP；若持續失敗，則暗示當前架構存在根本性缺陷。
- 自變量機器人 WALL-B 家庭部署實測： 5 月 25 日即將進入真實家庭。若首週報告中出現超過 3 次因「物理環境非結構化」導致的任務失敗，則「消費級 VLA 家庭部署」的商業化時間表需推遲至少一年。
- SpaceX / Cursor 收購案進展： 若 SpaceX 最終以現金收購 Cursor，將標誌著太空科技與 AI 編程的深度整合，預示著「硬科技+AI 工具鏈」將成為下一輪併購熱點。