核心观点 - 谷歌与蚂蚁集团几乎同时开放世界模型技术，标志着该技术从实验室正式走向商业应用，一场围绕“现实模拟器”的技术与标准竞赛已经开始 [1] 技术发布与策略 - 谷歌DeepMind于2026年1月30日向美国AI Ultra订阅用户开放Project Genie，采用125美元/月的订阅制，仅限美国成年用户 [1][3] - 蚂蚁集团旗下灵波科技在谷歌发布前24小时开源了LingBot-World，选择了完全开源策略 [1][3] - 两大模型均实现关键性能突破：交互延迟控制在1秒内，连续生成时长达到10分钟，物理碰撞计算准确率超过92% [3] 技术架构与突破 - 蚂蚁的模型基于2万小时真实机器人数据训练，覆盖9种主流机器人构型 [3] - 谷歌的模型依托Gemini 3和Nano Banana Pro的协同计算架构 [3] - 技术突破主要体现在三方面：物理碰撞计算从传统视频补帧升级为真实世界模拟；实现文本、图像与操作指令的实时转换；用户可通过键盘控制虚拟视角 [3] - 当前算力瓶颈导致持续交互超过10分钟会出现场景漂移 [3] 战略路径与行业影响 - 技术路径分化反映中美企业战略分歧：蚂蚁通过连续开源构建完整工具链以争夺机器人领域话语权；谷歌则将其嵌入云服务生态 [3] - 行业影响显著：游戏开发中3D建模成本可能降低70%，具身智能训练效率提升3倍，自动驾驶仿真测试成本有望下降85% [5] - 供应链呈现区域化特征：美国企业侧重商业API生态，中国企业聚焦垂直场景适配，欧盟则在两者间寻找平衡并将通用大模型纳入高风险系统监管 [5] 商业化挑战与市场反应 - 商业化面临两大挑战：内容审核问题（谷歌采用实时过滤，蚂蚁依赖社区监管）和算力门槛（LingBot-World需要企业级CPU支持） [5] - 资本市场反应热烈：2026年初全球新增23家物理引擎初创公司，英伟达推出“Physical AI”架构 [5] - 分析师预测，到2026年底世界模型相关投资将占AI总投资的35% [5] 未来展望与竞争态势 - 下一个技术临界点是连续交互时长突破30分钟，谷歌计划在2026年第四季度实现，蚂蚁则希望通过分布式计算架构达成 [5] - 随着谷歌与蚂蚁的示范效应，预计微软、Meta等企业将在年内陆续开放各自的世界模型平台 [5] - 人工智能正在进入环境认知的新纪元，“模拟现实”能力将成为下一轮竞争的核心战场 [5]

高德扫街榜产品升级 - 高德扫街榜上线100天后进行三大升级：依托自研世界模型推出全球首个“飞行街景”功能、推出动态榜单体系、引入好友关系与个人建榜功能 [1] - 产品定位从“用脚投票”的美食榜单，升级为覆盖“吃喝玩乐”全场景的本地生活超级入口 [3] 飞行街景功能与技术 - “飞行街景”功能提供从空中俯瞰到店内实景的无缝体验，旨在解决用户决策中的“最后一公里”信任问题，从判断“信不信”升级到验证“真不真” [4][6] - 该功能基于高德自研的世界模型技术，该模型在国际权威评测基准WorldScore上综合得分位列第一，相关论文被ICLR 2025、NeurIPS 2025等顶会收录 [6] - 与传统3D建模相比，该技术实现了“AI驱动的工业化生产”，商家仅需提供手机拍摄的几十秒视频和几张照片，后台最快几小时即可生成模型，大幅降低门槛 [7] - 该世界模型是“事实AI”，严格依据商家提供的影像资料进行数字重建，目标是还原真实世界而非创作，杜绝AI幻觉 [7] - 公司宣布将投入数亿元算力资源，免费为100万家烟火小店接入飞行街景，以推动“技术平权” [13] - 故宫博物院已率先上线飞行街景，实现了高精度数字化还原 [13] 动态榜单与个性化功能 - 扫街榜的细分维度日益丰富，已生成6553个时令榜单和1550个品类榜单，覆盖全国12.8万道地方招牌菜，涵盖宠物友好餐厅、丽人专区及骑马、钓鱼等垂类 [11][12] - 首次向用户开放“个人建榜”功能，用户可创建并分享专属榜单，类比“网易云音乐的歌单广场” [12] - 引入“好友动态”功能，通过好友关系增强消费决策的信任权重，但公司明确表示不做社交，而是利用社交关系为决策背书 [12][13] - 官方榜单与个人榜单分开呈现，官方榜单代表共识，个人榜单代表个性，两者互补构建生态 [13] 产品影响与用户数据 - 在扫街榜带动下，高德APP单月新增4600万月活用户，月活总量增至9.96亿 [15] - 上线100天，扫街榜已吸引86万新商家入驻，商家订单量环比增长超330%，营业额增长超270% [15] - 用户不再仅将高德视为导航工具，尤其在陌生城市，其正转变为本地生活决策的关键入口 [16] 发展挑战与未来方向 - “飞行街景”落地最大挑战被认定为“生态和认知”，即如何让百万量级商家理解、接受并主动使用新功能 [14] - 运营策略为“动静结合”：静态骨架信息依靠自身街景采集，动态信息如店铺变化则通过用户行为数据与UGC内容实时捕捉 [14] - 扫街榜未来的产品形态被描述为“一个非常懂你的本地生活Agent”，能根据位置提供个性化推荐，成为智能伙伴 [14] - 扫街榜本身暂无商业化计划，但其带动的商家增长与交易转化为公司在本地生活领域的布局提供了基础 [14] - 公司进入世界模型赛道的底气源于其二十多年来对物理世界的理解与空间智能的积累 [17]

小米汽车技术发布与营销活动 - 小米公司创始人兼CEO雷军于1月3日晚间通过一场持续约四至五小时的直播活动，亲自拆解并介绍新款小米SU7，以此启动2026年的首场重要产品营销[3] - 直播的核心目的之一是推广其新版HAD（高度自动驾驶）辅助驾驶系统，并邀请公众进行试驾以体验其“显著进步”[3] - 雷军在强调技术先进性的同时，也着重提醒用户需注意安全，并指出“人驾还是非常关键的”，明确了辅助驾驶系统的定位[3] 小米HAD增强版技术升级细节 - 小米HAD增强版引入了强化学习和世界模型两项关键技术，旨在提升系统性能[3] - 技术升级带来三大主要反馈：在纵向控制上，车辆的加速和制动处理更柔和、拟人化，提升了乘坐安全感[3] - 在横向控制上，系统对于加速并线、减速并线以及在小路绕行时的判断更为果断，并能提前规划行驶路径[3] - 在主动安全方面，除原有的AEB（自动紧急制动）功能外，新增了AES（紧急转向辅助）功能，进一步增强了安全能力[3]

AI在物理世界的部署挑战与前景 - 2026年可能成为AI与机器人两大技术深度融合的一年[2] - AI在物理世界部署面临挑战，工业场景对高精度和高效率要求使问题更突出，机器人集成难度远高于聊天机器人[1] - 世界模型技术尚未完善，实际部署需考虑更多因素和调试更多参数，还需解决安全问题和劳动力适配等问题[1] 工业制造业的AI融合趋势 - 工业特别是制造业场景中，越来越多AI、传感器与机器人技术相融合的案例涌现[2] - 期待AI智能体实现从技术概念和零星应用到企业规模化应用的跨越[2] 企业AI部署的有效策略 - 企业需深耕专业领域知识，注重AI与专业知识的融合，避免陷入"为AI而AI"的困境[4] - 企业要注重保持创新韧性，及时调整和放弃无法创造价值的项目[4] - 麻省理工学院报告显示，尽管投入300亿至400亿美元，95%的企业在生成式AI投资中未能获得商业回报[4] - 成功案例的共同秘诀是从试点项目起步就明确商业价值，验证可行性后扩大推广[4] - 企业要重视数据治理，建立清晰的数据管理架构和专门团队，因为AI价值很大程度上源于优质数据[5] 中国在AI应用领域的表现 - 世界经济论坛AI应用之星计划中，中国项目在获奖名单中占比高达40%，虽然来自中国的申请只占总量的20%[6] - 中国的人工智能应用往往并非源于单一企业，而是多方合作，加速了人工智能的发展进程[6] - 中国政策制定者始终将人工智能发展放在议程前列，中国企业展现出惊人的创新速度和持续学习的态度[6]