亲历 Tau Robotics 人形机器人上门打扫公寓：远程驾驶保洁服务实测
作者以普通用户身份体验了 Tau Robotics 在旧金山的人形机器人上门保洁服务，机器人目前由人类远程驾驶，吸尘拖地可独立完成，铺床叠衣仍需运动学引导。下单时单人机器人每小时清洁收费 30 美元，现改为两台机器人每周 60 美元或单次 100 美元，低价源于每次服务采集的训练数据。
#现象/趋势
MIT Technology Review · AIAI 评分5151
MIT Technology Review · AIAI 评分4444 HPE：别再数 token，改数真正交付的软件
AI 编程成本不该按 token 计量，而应以「每合并 PR 成本」衡量交付成果。编程智能体单任务耗用的 token 可达普通聊天的 10-50 倍，Uber 扩用 Claude Code 后据报 4 月即耗尽 2026 年 AI 预算。HPE 将 150 多个内部应用的常规任务路由到本地开源权重模型，token 成本降 30-50%。
MIT Technology Review · AI精选AI 评分7070 MIT Technology Review 解析智能体网络的到来与人类互联网的命运
MIT Technology Review 发文判断智能体网络已经到来，Meta 的 Muse、OpenAI 的 Dots 和 Anthropic 的 Claude Duet 等智能体正被接入用户邮箱与银行账户，开始改写以人类为中心的互联网。
推荐理由：原文将当下智能体大规模上网与二十年前无人问津的语义网设想对照，解释大语言模型为何让自主智能体真正具备了上网执行任务的能力。
IEEE Spectrum · AIAI 评分4848 IEEE Spectrum 观点：AI 假论文泛滥，学术出版能否守住知识大门
IEEE Spectrum 主编 Harry Goldstein 撰文指出，AI 可一键生成看似可信的假论文，学术出版界正陷入 AI 垃圾内容与检测系统之间的军备竞赛。
NVIDIA BlogAI 评分4343 智能体 AI 加入地外信号搜寻：Breakthrough Listen 与 SETI 研究所引入 NVIDIA Holoscan
Breakthrough Listen 与 SETI 研究所在 Allen Telescope Array 将智能体 AI 引入地外信号搜寻，通过一次自然语言请求即可让智能体操控望远镜、校正数据并运行 AI 模型，数据流由 NVIDIA Holoscan 平台处理。
Google Research 博客精选AI 评分6060 Google Research 复盘基础模型走向结核病筛查一线的历程
Google Research 复盘团队五年 AI 结核病筛查历程，本周在 IDWeek 2026 分享从研究基准到临床工具与开源基础模型的落地路径。
推荐理由：原文复盘了从研究基准到临床认证工具再到开源模型底座的完整路径，医疗 AI 团队可参考其中跨越转化鸿沟的关键步骤。
Google AI BlogAI 评分5454 Google 与淡马锡、贝恩联合发布 e-Conomy SEA 2026 报告，预测东南亚数字经济达 3680 亿美元
Google、淡马锡与贝恩联合发布第 11 版 e-Conomy SEA 报告，预测东南亚数字经济 2026 年 GMV 同比增长 17% 至 3680 亿美元，2035 年前有望突破 1 万亿美元。
Meta AI BlogAI 评分4949 重塑独立生活：Meta AI 模型如何助力匹兹堡大学变革辅助机器人技术
Meta 开源视觉模型 DINOv3 和 SAM 正被匹兹堡大学用于残障人士辅助机器人平台 RAMMP，该项目获 ARPA-H 最高 $41.5 million 资助。模型经优化部署在电池供电的边缘设备上，可查询机器人图像传感器识别自动门按钮、水杯、路缘/地面以辅助导航。该功能已集成进首个原型、准备实测，语音与触控输入正在开发。
Meta AI BlogAI 评分4141 Meta 的 SAM 3 与 DINOv3 如何驱动 Genesis Mission 首批科学项目
Meta 介绍其开源模型 SAM 3 与 DINOv3 成为美国能源部 Genesis Mission 旗下 SYNAPS-I 项目的核心分割管线，该项目由 Berkeley Lab 联合 Argonne、Brookhaven、Oak Ridge、SLAC 开展。
Thinking Machines Lab · NewsAI 评分5555 Thinking Machines 发文阐述以人为本的 AI 发展愿景
Thinking Machines Lab 发文阐述其使命与技术路线，主张构建能延伸人类意志与判断的 AI。文中批评现有模型大多在少数机构训练后即被冻结，并提出训练强模型、让用户定制模型权重、押注在模型内部原生支持实时多模态交互的交互模型、公开发布研究四个方向。文章还主张把价值观编码进模型权重以实现分散对齐，并认为 METR 的任务完成时长基准只衡量 AI 自主能力，而非人与机器协作的成果。