打通感知-理解-交互链路，全栈视频理解大模型VideoChat3开源了
打通感知-理解-交互链路，全栈视频理解大模型VideoChat3开源了视频是描述物理世界的重要数据形态，更是人类与物理世界交互的重要载体，视频理解大模型是让 AI 从数字世界走向物理世界最基础、最原生的组成部分。
来自主题: AI技术研报
7653 点击 2026-07-23 10:37
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
视频是描述物理世界的重要数据形态，更是人类与物理世界交互的重要载体，视频理解大模型是让 AI 从数字世界走向物理世界最基础、最原生的组成部分。
苏度科技联合创始人、董事长苏昊是ImageNet的核心作者之一，师从李飞飞。这家公司走了一条与硅谷主流“纯大脑黑盒大模型”不太一样的路：软硬件协同设计，上下分层架构，上层负责任务规划与环境理解，下层负责具体物体操作；Sim-to-Real作为核心训练范式，让机器人在虚拟世界里经历几百万年的进化，再迁移到现实。
这家初创公司已与Georgia Power 签订合同，为位于Effingham County的这一数据中心综合体锁定了3.2GW的电力供应，这一规模可能使该设施跻身OpenAI迄今为止最大的数据中心之列。预计从2028年起将有数百兆瓦电力投入使用，其余开发工作将持续到2032年。1GW的电力足以在任意时刻为约75万户美国家庭供电。
最近硅谷有点魔幻。一边被中国开源模型吓得不轻，专门造了个词叫「Kimi panic」；另一边，美国最大的模型托管平台刚被自家模型攻击，救场的偏偏又是一个中国开源模型。就在这个节骨眼上，老黄又整活了。
@elsewhere 上个月，「elsewhere」报道了 DeepSeek 的融资故事。其中最多人讨论的，莫过于那个传说中的4小时投资人会议。 此去一个月间，梁文锋的各种语录在江湖流传，我们也多方收集到了一些其中内容。
当我们从业内人士处听到，一款专注欧美市场的 AI 视频 Agent 产品「DeeVid AI」，上线才一年半，注册用户达 3000 万，ARR 也做到数千万美元量级，多少有些意外。这家公司此前并不起眼，没有大额融资的高光时刻，也很少出现在赛道的公开讨论里。
“AI教母”李飞飞创办的World Labs正式宣布收购美国机器人仿真初创公司SceniX。这笔交易是World Labs成立以来的首笔公开收购，也标志着这家以“空间智能”为旗帜的明星创企，正式将业务边界从3D世界生成推进到物理机器人训练领域。
刚刚，字节也坐不住了，推出了 Trae Work 官方知识库教程。我让 Agent 查了下，这个知识库目前大约有 46w 字，85 篇文档。 不得不说，不愧是字节，写文档还是很有一手的！
这家公司是Fireworks AI，按现在流行的话说，Fireworks AI是一家Token工厂。既不训练前沿大模型，也不做面向消费者的AI应用，只做推理，帮企业把开源模型微调好、托管好，然后按调用量收钱。今年GTC大会上，黄仁勋和Lin Qiao有场对谈，老黄直言，“In a lot of ways, you're the TSMC of AI factories.”
一觉醒来，Hermes Agent用户圈子直接炸了锅，官方放出了最新的版本：水银。恰如其名，最新版本主打一个“快”，丝滑流畅如水银泻地，冷启动速度提高了80%，但这次更新，“快”仅仅是开胃菜。